论文部分内容阅读
摘 要：科技金融结合效率对科技成果转化有重要影响，而DEA-Tobit模型有助于评价科技金融结合效率和分析其影响因素。本文运用该研究方法，采用2005—2014年河南省18个地市科技金融的有关数据，对其科技金融结合效率进行了实证研究。结果表明：10年来河南省科技金融结合效率呈现先上升后下降的趋势，并且具有明显的地区差异；科技金融结合效率相对较高的地市应重视规模效率的提高，结合效率相对较低的地市应加大科技金融投入力度；科技拨款与科技金融结合效率呈显著负相关，金融市场规模、高技术企业整体规模与科技金融结合效率呈显著正相关，但是金融市场效率与科技金融结合效率呈不显著正相关关系，并且金融市场结构与科技金融结合效率呈不显著负相关关系。
关键词：科技金融；结合效率；DEA-Tobit模型；影响因素分析
中图分类号：F830 文献标识码：A 文章编号：1674-2265（2015）09-0036-05
一、引言
科技与金融是经济社会价值创造的两个重要领域，而科技金融结合效率对科技成果转化速度和效率有极大的影响。因此，科技与金融的发展不能仅追求科技资源和金融资本的绝对投入量，而应该足够重视科技与金融的结合效率。关于科技与金融结合效率的探索，国内有关学者做了大量研究，近年来有部分学者运用层次分析法（AHP）、数据包络分析法（DEA）对我国金融投入与科技产出的效率进行比较研究；还有部分学者基于面板数据，运用随机前沿距离函数模型、面板向量自回归模型全面分析了我国金融与科技的互动关系；也有学者研究科技金融结合效率的东部沿海发达城市、中部地区或者西部地区的地区差异。但是目前有关科技金融的研究大都侧重于宏观分析，针对省市区域的实证检验较少，而且很多研究仅仅侧重于科技金融结合效率的评价和对比，对于其影响因素的分析尚未涉及。
河南省作为中原经济区发展规划的核心区域，在各方的大力支持下，科技金融工作有序开展，虽然在科技金融结合手段创新和营造良好的外部环境方面取得了一定的成绩，但仍然存在不少的问题。本文在借助有关学者已有的研究基础上，对区域科技金融结合效率进行实证分析，并进一步探讨其主要影响因素，提出相应的政策建议。
二、模型构建与研究方法
（一）DEA-Tobit模型建立
本文首先应用DEA的BCC模型作为河南省各地市科技金融结合效率评价的数学模型。假设向量Xj=（X1j，X2j，…，Xmj）T为投入向量，Yj=（Y1j，Y2j，…，Ysj）为产出向量，j=1，2，…，n 。将CCR模型加入约束条件∑λj=1构造BCC模型，该模型最优值为：
[minθ-ε（j=1ms_+j=1rs+）=vdεs.t.j=1nxjλj+s-=θx0j=1nyjλj-s+=y0λj≥0，s+≥0，s-≥0] （1）
公式（1）的经济含义是：若纯技术效率和规模效率均为1，则表明DEA有效（综合效率有效），相对效率处于生产前沿；若两者中只有一方效率值达到1，说明仅实现弱DEA有效（纯技术效率有效或者规模效率有效），需要进行产出规模或者投入效率的调整；若纯技术效率和规模效率都很低，则意味着DEA无效，需要进行全面调整。
本文采用Tobit模型，对科技金融结合效率影响因素进行分析。Tobit模型基本原理如下：
[yi*=βxi+ε] （2）
[yi=yi*yi*>00yi*≤0] （3）
公式（2）和（3）中，y*为潜在的被解释变量；yi为被解释变量；xi为解释变量；β为回归参数向量；εi～N（0，δ2），i=1，2，…，n 。该模型的特征是，解释变量xi为实际观测值，而被解释变量yi只能以受限的方式观测到。当y*>0时，yi= y*，yi为无限制观测值；当y*≤0时，yi=0，称yi为受限观测值。
（二）指标选择和数据说明
考虑到科技金融相关的投入与产出指标在管理上的可控性、可取性和可比性，在分析科技金融效率时选取了地方财政科技拨款与地方财政支出比重（X1）；企业R&D费用支出与产品销售收入比（X2）；高技术固定资产投资与固定资产投资额比（X3）；高技术产业贷款增加额占银行贷款增加额的比例（X4）4个指标作为科技金融投入指标。选取技术市场成交合同额比重（Y1）；专利申请授权量比重（Y2）；高技术产业产值占工业总产值的比重（Y3）；新产品销售收入与产品销售收入的比重（Y4）4个指标作为科技金融产出指标。
本文选取2005—2014年河南省18个地级市作为研究样本，分析其10年间科技金融结合效率变动以及空间差异。科技金融投入与产出指标数据来源于《河南省统计年鉴》、《河南省科技统计年鉴》、《河南省高技术产业统计年鉴》，由于金融投入与科技产出之间存在一定的滞后性，本文采用的输出指标滞后输入指标一期。
（三）确定科技金融结合效率的影响因素
为了进一步探究科技金融结合效率的主要影响因素，本文从政府、金融市场（金融市场的规模、效率和结构）和企业3个角度分析影响科技金融结合效率的可控因素，有关的预期假设如下：
假设1：当地政府在科技金融发展中的支持作用与科技金融结合效率正相关，用GAni表示，GAni=科技拨款占地方财政支出比重。
假设2：当地金融市场规模与科技金融结合效率正相关，用FSni表示，FSni=银行业金融机构资产总额与当地GDP的比例。
假设3：当地金融市场效率与科技金融结合效率正相关，用FEni表示，FEni=当地金融机构贷款与存款的比例。
假设4：当地金融市场结构与科技金融结合效率正相关，用FFni表示，FFni=非金融机构所获融资中债券与股票所占比重。
假设5：各地区高技术企业整体规模与科技金融效率正相关，用ESni表示，ESni=高技术产业总产值占当地GDP比重。 在上述假设的基础上，建立科技金融结合效率的Tobit多元回归模型：
θ=β0+β1 GAni +β2 FSni +β3 FEni +β4 FFni +β5 ESni +μ
（4）
其中θ为DEA得出的各地市综合效率指标；β0为回归公式的常数项，β1、β2、β3、β4、β5为各变量的回归系数，μ为随机干扰项；n= 1， 2，…，18为各地级市，i为年度。
三、实证研究
（一）基于DEA方法的科技金融效率评价
本文采用DEAP2.1统计软件将河南省2005—2014年18个地市的科技金融投入与产出指标输入后，计算出河南省各地市科技金融结合水平的综合效率、纯技术效率和规模效率。
1. 总体分析。把2005—2014年各地区的计算结果进行平均得到河南省科技金融效率变化趋势图（见图1）。
[图1：2005—2014年河南省科技金融结合效率平均值变动
趋势图][TE—综合效率水平][PTE—纯技术效率水平][SE—规模效率水平]
从变化趋势上看，2005—2014年河南省科技金融综合效率值呈现先增长后下降变动。2005—2009年，该阶段综合效率呈上升趋势，且与纯技术效率变化趋势相似，因此可被看为此阶段主要受纯技术效率变化的影响，纯技术效率是由管理和技术等因素影响的结合效率，该阶段正是“中原崛起”经济发展重大战略规划启动的时期，该战略的实施加快了河南省经济发展的速度，尤其加快了高新产业的支持力度和金融事业的发展，使得科技金融体制不断推进，科技成果转化能力增强，这些成就都有利于科技金融结合效率的提高。2010—2014年，该阶段综合效率呈下降趋势，而与规模效率在此阶段的下降过程相一致，因此该阶段可被看为主要受规模效率变化的影响。由于河南这个时期的规模效率都偏低，虽然这段时间对科技金融的投入力度逐渐增大，各地区大量的高新产业园区和集聚区不断涌现，但是金融市场体系发展滞后和高新技术企业消化吸收能力低，导致企业经营成本上升，新技术的利用效率没有达到预期的效果，使得科技产出的效率降低。
2. 地区差异分析。本文把18个地市10年的科技金融结合效率值进行平均，得到各地区的科技金融结合效率状况（见表1）。
综合效率综合衡量和评价决策单元（18个地市）的科技金融结合能力和融合效率。从综合效率值来看，科技金融结合效率较高的地区有郑州、洛阳、新乡、焦作、南阳、驻马店，效率值达到0.9以上；中等水平的有平顶山、安阳、濮阳、许昌、漯河、济源；处于较低水平的有周口、商丘、三门峡、信阳、鹤壁、开封。从以上结果可以看出，金融市场相对完善的地区，其综合效率也较高，说明金融市场运行效率有利于科技金融结合效率的提高。
纯技术效率是决策单元在既定产出水平下实现最小投入能力的衡量，与决策单元的科技创新、资源配置直接相关。郑州、洛阳、新乡、焦作、南阳、驻马店、平顶山、许昌、济源等地区的纯技术效率均为有效，说明这些地区具有相对较高的科技创新理念和金融市场运行效率。其中，平顶山、许昌、济源等地区纯技术效率值较高，但其综合效率却处于中等水平，说明这些地区科技金融结合效率的变化主要是由规模效率引起的。而其他没有出现纯技术效率有效的地区，科技金融推广力度不够，技术更新和成果转化速度较慢。
规模效率用于衡量现有产出规模结构与最终产出规模结构之间的差距。郑州、洛阳、新乡、焦作、南阳等地区规模效率和纯技术效率均比较高，说明这些地区的技术水平与其经营规模基本适应。而平顶山、安阳、许昌、漯河等地区规模效率大于纯技术效率，其综合效率处于中等水平，说明要提高科技金融结合效率，就要加大科技金融投入力度和推广程度。商丘、周口、信阳等地区综合效率和纯技术效率都处于较低水平，因此应在提高科技金融结合效率的同时，加大科技金融投入力度和调整高新产业规模。
为了进一步分析河南省科技金融结合效率的地区差异，根据近10年的平均效率水平将河南省的18个地市进行聚类分析（见表2）。
从表2可以看出，河南省科技金融结合呈现出明显的地区不平衡性特征。第一类地区大多是河南省科技创新水平较高、高新产业集聚度较高和金融市场较完善的地区，平均综合效率值达到了0.916，远高于全省的平均水平。进一步发现这一类地区的纯技术效率明显高于规模效率，表明该类地区的现有科技金融投入水平已基本接近生产前沿面，科技金融水平达到高效，要进一步提升科技金融结合效率就需要对其进行生产规模的调整。
第二类地区和第三类地区无论是科技创新水平还是金融市场效率都比不上第一类地区，进一步发现两类地区的纯技术效率均小于规模效率，说明这两类地区要提升效率需要纯技术效率的提高，所以未来要重视提高科技资源配置效率，完善金融融合机制以及提升科技创新转化能力。
（二）基于Tobit模型科技金融效率影响因素分析
本文对河南省18个地市2005—2014年间的科技金融结合相对效率值与预期假设的影响因素进行Tobit模型的多元回归，通过Eviews 6.0统计软件进行实证检验（结果见表3）。
从回归结果可以得到模型的判定系数为0.974148，通过F检验统计量的P值可以判断模型拟合程度很高，解释变量整体上有显著性影响。由个别解释变量的回归结果可以看出，政府、金融市场及企业自身对科技金融的结合效率产生了不同的影响：
1. 科技拨款占地方财政支出比重（GA）与科技金融结合效率显著负相关。政府科技投入的增加理应对科技金融的发展起到促进作用，但实证检验结果却与原假设相反。可能的原因是虽然河南省科技活动投入力度逐渐增加，但是科技产业吸收能力滞后，科技拨款划出后政府也缺乏对项目执行的监督和管理，从而使资金投入并不能发挥全部的作用，导致科技资金配置不科学，出现科技拨款越多科技金融效率反而下降的现象。 2. 银行业金融机构资产总额与GDP的比例（FS）和科技金融结合效率显著正相关，表明金融规模的扩大有助于科技金融的结合效率；但是，金融机构贷款与存款比例（FE）和科技金融结合效率呈不显著正相关关系，并且非金融机构所获融资中债券和股票所占比重（FF）与科技金融结合效率呈不显著负相关关系。究其原因是河南省目前的金融市场仍不完善，资本市场的资源配置不均衡，中小型科技企业并未得到公平对待和支持，资本市场资源配置功能没有充分发挥出来，金融规模的扩大仅仅从量上有助于科技金融效率的提高，但金融效率和金融结构的变化却没有对科技金融的效率产生显著影响。
3. 高技术产业总产值占GDP比重（ES）与科技金融结合效率呈显著正相关，表明企业科技创新吸收能力越强，科技产值转化率越高，科技金融结合效率也就越高。企业是科技金融发展的主力军，技术创新的实现最终都需要通过企业来完成，加速科技成果的转化，增强科技企业的自主创新能力，将直接影响到科技金融结合效率。
四、政策建议
基于以上河南省科技金融结合效率评价结果及其影响因素的分析，提出如下政策建议：一是河南省各地区科技金融结合效率存在明显差异，采用无差别的科技金融政策会在某种程度上造成资源的浪费，并加剧区域发展的差距。因此，要充分调动各地市科技企业和金融机构的积极性，在河南省不同地区实施既有区域针对性、又能促进区域间协调的科技金融差异化发展战略。二是不断完善河南省金融市场效率和结构，加强科技金融产品的创新和完善科技企业风险补偿机制，鼓励商业银行将科技贷款作为重点领域，促进科技资源与金融资源有效结合，为科技企业提供多渠道、多层次的科技金融服务。三是提高科技型中小企业自主创新能力，促进科技型中小企业不断改善其治理结构和管理模式，提高创新资金利用效率和可持续发展能力，实现科技成果的快速转化。
参考文献：
[1]赵昌文，陈春发，唐英凯.科技金融[M].北京，科学出版社，2009.
[2]姗娜.科技金融的结合机制与政策研究[D].浙江大学硕士论文，2011.
[3]房汉廷.科技金融的价值与规律[J].现代产业经济，2013，（1）.
[4]马红.科技与金融结合研究[D].西南财经大学博士论文，2013.
[5]曹颢，尤建新，卢锐，陈海洋.我国科技金融发展指数实证研究[J].中国管理科学，2011，（3）.
[6]徐玉莲，王玉东，林艳.区域科技创新与科技金融耦合协调度评价研究[J].科学学与科学技术管理，2011，（12）.
[7]吕江林，王新龙，宋高堂.中部地区与东部发达省市科技与金融结合效率的比较研究——基于DEA模型的分析[J].金融与经济，2012，（10）.
[8]陈敏，李建民.金融中介对我国区域科技创新效率的影响研究——基于随机前沿的距离函数模型[J].中国科技论坛，2012，（11）.
[9]徐玉莲，王宏起.科技金融对技术创新的支持作用：基于Bootstrap方法的实证分析[J].科技进步与对策，2012，（3）.
[10]俞立平.省际金融与科技创新互动关系的实证研究[J].科学学与科学技术管理，2013，（4）.
[11]华玉燕，赵纳.基于DEA方法的科技金融结合效率研究——以安徽省为例[J].金融教育研究，2013，（3）.
[12]陈军梅.基于DEA-Malmquist指数方法的宁夏科技金融结合效率研究[J].宁夏大学学报，2014，（4）.
[13]黄瑞芬，杜绪沅.基于DEA方法的我国沿海各省科技金融绩效评价[J].金融发展研究，2015，（4）.
（责任编辑 王 馨；校对 RR，WX）
关键词：科技金融；结合效率；DEA-Tobit模型；影响因素分析
中图分类号：F830 文献标识码：A 文章编号：1674-2265（2015）09-0036-05
一、引言
科技与金融是经济社会价值创造的两个重要领域，而科技金融结合效率对科技成果转化速度和效率有极大的影响。因此，科技与金融的发展不能仅追求科技资源和金融资本的绝对投入量，而应该足够重视科技与金融的结合效率。关于科技与金融结合效率的探索，国内有关学者做了大量研究，近年来有部分学者运用层次分析法（AHP）、数据包络分析法（DEA）对我国金融投入与科技产出的效率进行比较研究；还有部分学者基于面板数据，运用随机前沿距离函数模型、面板向量自回归模型全面分析了我国金融与科技的互动关系；也有学者研究科技金融结合效率的东部沿海发达城市、中部地区或者西部地区的地区差异。但是目前有关科技金融的研究大都侧重于宏观分析，针对省市区域的实证检验较少，而且很多研究仅仅侧重于科技金融结合效率的评价和对比，对于其影响因素的分析尚未涉及。
河南省作为中原经济区发展规划的核心区域，在各方的大力支持下，科技金融工作有序开展，虽然在科技金融结合手段创新和营造良好的外部环境方面取得了一定的成绩，但仍然存在不少的问题。本文在借助有关学者已有的研究基础上，对区域科技金融结合效率进行实证分析，并进一步探讨其主要影响因素，提出相应的政策建议。
二、模型构建与研究方法
（一）DEA-Tobit模型建立
本文首先应用DEA的BCC模型作为河南省各地市科技金融结合效率评价的数学模型。假设向量Xj=（X1j，X2j，…，Xmj）T为投入向量，Yj=（Y1j，Y2j，…，Ysj）为产出向量，j=1，2，…，n 。将CCR模型加入约束条件∑λj=1构造BCC模型，该模型最优值为：
[minθ-ε（j=1ms_+j=1rs+）=vdεs.t.j=1nxjλj+s-=θx0j=1nyjλj-s+=y0λj≥0，s+≥0，s-≥0] （1）
公式（1）的经济含义是：若纯技术效率和规模效率均为1，则表明DEA有效（综合效率有效），相对效率处于生产前沿；若两者中只有一方效率值达到1，说明仅实现弱DEA有效（纯技术效率有效或者规模效率有效），需要进行产出规模或者投入效率的调整；若纯技术效率和规模效率都很低，则意味着DEA无效，需要进行全面调整。
本文采用Tobit模型，对科技金融结合效率影响因素进行分析。Tobit模型基本原理如下：
[yi*=βxi+ε] （2）
[yi=yi*yi*>00yi*≤0] （3）
公式（2）和（3）中，y*为潜在的被解释变量；yi为被解释变量；xi为解释变量；β为回归参数向量；εi～N（0，δ2），i=1，2，…，n 。该模型的特征是，解释变量xi为实际观测值，而被解释变量yi只能以受限的方式观测到。当y*>0时，yi= y*，yi为无限制观测值；当y*≤0时，yi=0，称yi为受限观测值。
（二）指标选择和数据说明
考虑到科技金融相关的投入与产出指标在管理上的可控性、可取性和可比性，在分析科技金融效率时选取了地方财政科技拨款与地方财政支出比重（X1）；企业R&D费用支出与产品销售收入比（X2）；高技术固定资产投资与固定资产投资额比（X3）；高技术产业贷款增加额占银行贷款增加额的比例（X4）4个指标作为科技金融投入指标。选取技术市场成交合同额比重（Y1）；专利申请授权量比重（Y2）；高技术产业产值占工业总产值的比重（Y3）；新产品销售收入与产品销售收入的比重（Y4）4个指标作为科技金融产出指标。
本文选取2005—2014年河南省18个地级市作为研究样本，分析其10年间科技金融结合效率变动以及空间差异。科技金融投入与产出指标数据来源于《河南省统计年鉴》、《河南省科技统计年鉴》、《河南省高技术产业统计年鉴》，由于金融投入与科技产出之间存在一定的滞后性，本文采用的输出指标滞后输入指标一期。
（三）确定科技金融结合效率的影响因素
为了进一步探究科技金融结合效率的主要影响因素，本文从政府、金融市场（金融市场的规模、效率和结构）和企业3个角度分析影响科技金融结合效率的可控因素，有关的预期假设如下：
假设1：当地政府在科技金融发展中的支持作用与科技金融结合效率正相关，用GAni表示，GAni=科技拨款占地方财政支出比重。
假设2：当地金融市场规模与科技金融结合效率正相关，用FSni表示，FSni=银行业金融机构资产总额与当地GDP的比例。
假设3：当地金融市场效率与科技金融结合效率正相关，用FEni表示，FEni=当地金融机构贷款与存款的比例。
假设4：当地金融市场结构与科技金融结合效率正相关，用FFni表示，FFni=非金融机构所获融资中债券与股票所占比重。
假设5：各地区高技术企业整体规模与科技金融效率正相关，用ESni表示，ESni=高技术产业总产值占当地GDP比重。 在上述假设的基础上，建立科技金融结合效率的Tobit多元回归模型：
θ=β0+β1 GAni +β2 FSni +β3 FEni +β4 FFni +β5 ESni +μ
（4）
其中θ为DEA得出的各地市综合效率指标；β0为回归公式的常数项，β1、β2、β3、β4、β5为各变量的回归系数，μ为随机干扰项；n= 1， 2，…，18为各地级市，i为年度。
三、实证研究
（一）基于DEA方法的科技金融效率评价
本文采用DEAP2.1统计软件将河南省2005—2014年18个地市的科技金融投入与产出指标输入后，计算出河南省各地市科技金融结合水平的综合效率、纯技术效率和规模效率。
1. 总体分析。把2005—2014年各地区的计算结果进行平均得到河南省科技金融效率变化趋势图（见图1）。
[图1：2005—2014年河南省科技金融结合效率平均值变动
趋势图][TE—综合效率水平][PTE—纯技术效率水平][SE—规模效率水平]
从变化趋势上看，2005—2014年河南省科技金融综合效率值呈现先增长后下降变动。2005—2009年，该阶段综合效率呈上升趋势，且与纯技术效率变化趋势相似，因此可被看为此阶段主要受纯技术效率变化的影响，纯技术效率是由管理和技术等因素影响的结合效率，该阶段正是“中原崛起”经济发展重大战略规划启动的时期，该战略的实施加快了河南省经济发展的速度，尤其加快了高新产业的支持力度和金融事业的发展，使得科技金融体制不断推进，科技成果转化能力增强，这些成就都有利于科技金融结合效率的提高。2010—2014年，该阶段综合效率呈下降趋势，而与规模效率在此阶段的下降过程相一致，因此该阶段可被看为主要受规模效率变化的影响。由于河南这个时期的规模效率都偏低，虽然这段时间对科技金融的投入力度逐渐增大，各地区大量的高新产业园区和集聚区不断涌现，但是金融市场体系发展滞后和高新技术企业消化吸收能力低，导致企业经营成本上升，新技术的利用效率没有达到预期的效果，使得科技产出的效率降低。
2. 地区差异分析。本文把18个地市10年的科技金融结合效率值进行平均，得到各地区的科技金融结合效率状况（见表1）。
综合效率综合衡量和评价决策单元（18个地市）的科技金融结合能力和融合效率。从综合效率值来看，科技金融结合效率较高的地区有郑州、洛阳、新乡、焦作、南阳、驻马店，效率值达到0.9以上；中等水平的有平顶山、安阳、濮阳、许昌、漯河、济源；处于较低水平的有周口、商丘、三门峡、信阳、鹤壁、开封。从以上结果可以看出，金融市场相对完善的地区，其综合效率也较高，说明金融市场运行效率有利于科技金融结合效率的提高。
纯技术效率是决策单元在既定产出水平下实现最小投入能力的衡量，与决策单元的科技创新、资源配置直接相关。郑州、洛阳、新乡、焦作、南阳、驻马店、平顶山、许昌、济源等地区的纯技术效率均为有效，说明这些地区具有相对较高的科技创新理念和金融市场运行效率。其中，平顶山、许昌、济源等地区纯技术效率值较高，但其综合效率却处于中等水平，说明这些地区科技金融结合效率的变化主要是由规模效率引起的。而其他没有出现纯技术效率有效的地区，科技金融推广力度不够，技术更新和成果转化速度较慢。
规模效率用于衡量现有产出规模结构与最终产出规模结构之间的差距。郑州、洛阳、新乡、焦作、南阳等地区规模效率和纯技术效率均比较高，说明这些地区的技术水平与其经营规模基本适应。而平顶山、安阳、许昌、漯河等地区规模效率大于纯技术效率，其综合效率处于中等水平，说明要提高科技金融结合效率，就要加大科技金融投入力度和推广程度。商丘、周口、信阳等地区综合效率和纯技术效率都处于较低水平，因此应在提高科技金融结合效率的同时，加大科技金融投入力度和调整高新产业规模。
为了进一步分析河南省科技金融结合效率的地区差异，根据近10年的平均效率水平将河南省的18个地市进行聚类分析（见表2）。
从表2可以看出，河南省科技金融结合呈现出明显的地区不平衡性特征。第一类地区大多是河南省科技创新水平较高、高新产业集聚度较高和金融市场较完善的地区，平均综合效率值达到了0.916，远高于全省的平均水平。进一步发现这一类地区的纯技术效率明显高于规模效率，表明该类地区的现有科技金融投入水平已基本接近生产前沿面，科技金融水平达到高效，要进一步提升科技金融结合效率就需要对其进行生产规模的调整。
第二类地区和第三类地区无论是科技创新水平还是金融市场效率都比不上第一类地区，进一步发现两类地区的纯技术效率均小于规模效率，说明这两类地区要提升效率需要纯技术效率的提高，所以未来要重视提高科技资源配置效率，完善金融融合机制以及提升科技创新转化能力。
（二）基于Tobit模型科技金融效率影响因素分析
本文对河南省18个地市2005—2014年间的科技金融结合相对效率值与预期假设的影响因素进行Tobit模型的多元回归，通过Eviews 6.0统计软件进行实证检验（结果见表3）。
从回归结果可以得到模型的判定系数为0.974148，通过F检验统计量的P值可以判断模型拟合程度很高，解释变量整体上有显著性影响。由个别解释变量的回归结果可以看出，政府、金融市场及企业自身对科技金融的结合效率产生了不同的影响：
1. 科技拨款占地方财政支出比重（GA）与科技金融结合效率显著负相关。政府科技投入的增加理应对科技金融的发展起到促进作用，但实证检验结果却与原假设相反。可能的原因是虽然河南省科技活动投入力度逐渐增加，但是科技产业吸收能力滞后，科技拨款划出后政府也缺乏对项目执行的监督和管理，从而使资金投入并不能发挥全部的作用，导致科技资金配置不科学，出现科技拨款越多科技金融效率反而下降的现象。 2. 银行业金融机构资产总额与GDP的比例（FS）和科技金融结合效率显著正相关，表明金融规模的扩大有助于科技金融的结合效率；但是，金融机构贷款与存款比例（FE）和科技金融结合效率呈不显著正相关关系，并且非金融机构所获融资中债券和股票所占比重（FF）与科技金融结合效率呈不显著负相关关系。究其原因是河南省目前的金融市场仍不完善，资本市场的资源配置不均衡，中小型科技企业并未得到公平对待和支持，资本市场资源配置功能没有充分发挥出来，金融规模的扩大仅仅从量上有助于科技金融效率的提高，但金融效率和金融结构的变化却没有对科技金融的效率产生显著影响。
3. 高技术产业总产值占GDP比重（ES）与科技金融结合效率呈显著正相关，表明企业科技创新吸收能力越强，科技产值转化率越高，科技金融结合效率也就越高。企业是科技金融发展的主力军，技术创新的实现最终都需要通过企业来完成，加速科技成果的转化，增强科技企业的自主创新能力，将直接影响到科技金融结合效率。
四、政策建议
基于以上河南省科技金融结合效率评价结果及其影响因素的分析，提出如下政策建议：一是河南省各地区科技金融结合效率存在明显差异，采用无差别的科技金融政策会在某种程度上造成资源的浪费，并加剧区域发展的差距。因此，要充分调动各地市科技企业和金融机构的积极性，在河南省不同地区实施既有区域针对性、又能促进区域间协调的科技金融差异化发展战略。二是不断完善河南省金融市场效率和结构，加强科技金融产品的创新和完善科技企业风险补偿机制，鼓励商业银行将科技贷款作为重点领域，促进科技资源与金融资源有效结合，为科技企业提供多渠道、多层次的科技金融服务。三是提高科技型中小企业自主创新能力，促进科技型中小企业不断改善其治理结构和管理模式，提高创新资金利用效率和可持续发展能力，实现科技成果的快速转化。
参考文献：
[1]赵昌文，陈春发，唐英凯.科技金融[M].北京，科学出版社，2009.
[2]姗娜.科技金融的结合机制与政策研究[D].浙江大学硕士论文，2011.
[3]房汉廷.科技金融的价值与规律[J].现代产业经济，2013，（1）.
[4]马红.科技与金融结合研究[D].西南财经大学博士论文，2013.
[5]曹颢，尤建新，卢锐，陈海洋.我国科技金融发展指数实证研究[J].中国管理科学，2011，（3）.
[6]徐玉莲，王玉东，林艳.区域科技创新与科技金融耦合协调度评价研究[J].科学学与科学技术管理，2011，（12）.
[7]吕江林，王新龙，宋高堂.中部地区与东部发达省市科技与金融结合效率的比较研究——基于DEA模型的分析[J].金融与经济，2012，（10）.
[8]陈敏，李建民.金融中介对我国区域科技创新效率的影响研究——基于随机前沿的距离函数模型[J].中国科技论坛，2012，（11）.
[9]徐玉莲，王宏起.科技金融对技术创新的支持作用：基于Bootstrap方法的实证分析[J].科技进步与对策，2012，（3）.
[10]俞立平.省际金融与科技创新互动关系的实证研究[J].科学学与科学技术管理，2013，（4）.
[11]华玉燕，赵纳.基于DEA方法的科技金融结合效率研究——以安徽省为例[J].金融教育研究，2013，（3）.
[12]陈军梅.基于DEA-Malmquist指数方法的宁夏科技金融结合效率研究[J].宁夏大学学报，2014，（4）.
[13]黄瑞芬，杜绪沅.基于DEA方法的我国沿海各省科技金融绩效评价[J].金融发展研究，2015，（4）.
（责任编辑 王 馨；校对 RR，WX）