【摘"要】論文對2014-2023年黑龍江省科技金融投入與產出數據進行了分析，采用DEA-Malmquist模型對該省的科技金融效率進行了評估。研究發現，靜態分析表明黑龍江省科技金融效率總體上處于DEA弱有效狀態，說明其總體水平亟待提高；動態分析表明黑龍江省亟需提升和改進相關技術。同時，根據實證分析結果，論文提出了完善科技金融政策體系、提升企業技術創新能力、充分發揮金融市場的調節功能、大力培養復合型科技金融人才等建議，以期進一步推動黑龍江省科技金融的發展。【關鍵詞】DEA；Malmquist；黑龍江；科技金融效率1引言近年來，我國科技體制改革不斷深化，科技創新能力和體系逐步得到提升和完善，現已成為全球最大的人才儲備國，尤其是在科技領域。目前，科技金融在推動自主創新和經濟高質量發展方面，已成為國家戰略的重要支撐力量。因此，為積極響應國家的號召，各省市紛紛推出了相應的措施來推動科技金融的進步。黑龍江省作為我國東北地區的重要省份，在維護國家經濟安全與區域協調發展方面具有不可替代的戰略地位。近年來，在國家政策的引導下，黑龍江省政府、科技廳等相關部門陸續推出了若干有助于推動科技與金融協同發展的措施和文件。在這一背景下，《黑龍江省“十四五”科技創新規劃》于2021年出臺，該文件對2021-2025年黑龍江省科技創新發展藍圖進行了描繪，同時明確界定了科技工作的核心目標與任務；同年又出臺了《黑龍江省中長期科學和技術發展規劃（2021-2035年）》，該文件明確了未來15年科技創新支撐和引領黑龍江省高質量發展的八大重要場景，致力于通過推進科技與場景的融合，為全省經濟與社會進步以及民生改善提供技術解決方案，從而全面支持龍江的全面復興；2022年，《黑龍江省科技振興行動計劃（2022-2026年）》印發，該計劃不僅貫徹落實了省第十三次黨代會的精神，也是龍江科技高質量進步的框架性指南。由此可見，近年來黑龍江省科技金融發展呈現積極態勢，然而相較其他地區，仍面臨諸多挑戰，如科技金融的整體水平不夠理想且效率偏低、金融服務體系不完善、風險投資活躍度不足、資本市場支持力度有限、金融創新不足、人才外流等。因此，科技金融效率的提高，對于推動黑龍江省經濟進步意義重大。2文獻綜述關于科技金融的定義，國內學者進行了大量的研究。張明[1]指出，為了推動科技進步和產業升級，需要構建一個能夠支持這些目標的金融體系，這一體系應當深度整合創新鏈、產業鏈與資金鏈，從而形成科技、產業與金融之間互促共進的良性循環機制；劉曉春[2]指出，現代經濟在科技創新和金融創新的雙重驅動下實現了迅猛發展，而新質生產力的提升同樣依賴于金融的助力，與此同時，科技創新在從創意到實際應用的過程中會經歷很多階段，所以亟需相應的金融工具進行支持；康玲[3]指出，區域創新能力與科技金融有著緊密的聯系，通過資金注入、分散風險、資源高效配置等多種方式，推動了科技成果向現實生產力轉化，進而促進了經濟增長和社會發展；楊馥禛等[4]指出，為了加快高新技術企業的發展，應當提升科技金融服務的質量與效率，推動與各類商業銀行、金融機構的協作，引導其開發符合高新技術企業需求的信貸產品，從而更好地服務于科技型企業；羅芳[5]指出，促進我國經濟實現高質量發展的核心就是發展新質生產力，商業銀行作為經濟發展的關鍵參與者，要把提升新質生產力作為重要目標，專注于關鍵領域、行業、環節和產品的創新。關于科技金融效率評價體系的構建，目前已成為諸多學者研究的焦點。國內學者龐金波等[6]運用PP模型，對2010-2017年我國科技金融投入和產出的省級面板數據進行實證研究，揭示出東、中、西部地區的科技金融效率均值存在顯著差異；曾斌昌[7]運用DEA模型對廈門市的科技金融效率進行評價，研究表明，廈門市的科技金融呈現出明顯的非有效狀態，純技術效率與規模效率均有提升空間；張偉強等[8]運用DEA-BCC模型對河南省科技金融效率進行靜態測量，發現該省總體科技金融效率尚處于較低水平，而且不同城市之間的科技金融效率差異顯著；高揚等[9]借助DEA模型針對山東省16個城市的科技金融效率予以評估，研究表明，近年來山東省科技金融效率的區域差異大體上呈逐漸縮小態勢，且該差異的關鍵成因在于區域間的差異；趙玲等[10]采用層次分析法和數據包絡分析法相結合的模型，對杭州市的科技金融效率進行了評估，研究結果表明，杭州市的科技金融效率整體表現不理想，與此同時，不同年份的效率呈現出W型波動，變化幅度較為顯著，表現出不穩定的特征。總的來看，國內關于科技金融效率的研究已有一定的進展，不過目前的研究仍然存在一些不足之處。首先，許多研究者對于科技金融效率的探討，多聚焦于某一時點不同地區之間的效率對比，尚未對科技金融效率的動態變化進行深入分析；其次，在科技金融的評價指標選取方面并不全面，許多學者傾向于將專利申請數量視為科技金融產出的衡量標準，而本文認為，專利授權數量能夠更為精準地體現科技成果的真實情形；最后，通過對相關文獻進行分析，發現針對黑龍江省科技金融效率的研究相對缺乏。基于此，本文從靜態與動態兩個維度，運用DEA-Malmquist模型對黑龍江省的科技金融效率進行深入分析，以期獲得全面而準確的評估結果。在此過程中，評價指標的選擇致力于體現科技金融投入與產出之間的真實關系。同時，依據實證分析的結果，針對此領域的發展，提出了一系列相關的對策和建議，旨在促進黑龍江省科技金融的協同發展。3模型構建與數據說明3.1模型構建3.1.1DEA模型CCR模型的預設前提是假定DMU的輸入規模在理想狀態下保持恒定，即規模報酬處于固定不變的狀況。因此，規模效率（SE）會影響CCR模型呈現的技術效率。盡管如此，現實中的DMU并不總能維持在最優規模狀態，所以CCR模型的適用性受到了一定的限制。為了應對上述難題，Bankeretal.[11]巧妙地提出了BCC模型，其核心理念在于設定規模報酬的可變性，從而剝離規模因素對效率的潛在影響，進而界定了純技術效率（PTE）的概念。據此，由CCR模型所得出的技術效率，被賦予了綜合技術效率（TE）的稱謂。另外，通過TE與PTE的比值運算，能夠求得規模效率（SE），即SE等于TE除以PTE。鑒于現實情況的動態性，本研究選取BCC模型作為靜態評估的工具。3.1.2Malmquist指數模型CCR模型和BCC模型僅能針對特定時間點的投入與產出進行評估，屬于靜態的計量分析范疇。基于此，本文利用Malmquist模型對黑龍江省的科技金融效率展開更為深入的研究，旨在評估DMU在不同時間節點上的生產效率的變化。當pech＞1時，表明科技金融中的技術運用和管理水平有所上升；當pech=1時，表明純技術效率在現有條件下并未發生變化；當pech＜1時，表明技術運用及管理水平有所降低。同理，sech＞1代表規模效率的提升，sech=1表示不變，sech＜1表示降低。3.2指標選取與數據來源3.2.1指標選取運用DEA-Malmquist模型展開定量分析時，投入與產出相關指標的選取極為關鍵。如果選定的指標不同，得出的結論也就不同。為更完整地評價黑龍江省的科技金融效率，本文依照系統性、全面性及可操作性準則，借鑒韓景旺等[14]、梅永倩等[15]的研究成果，選取了相關指標，如表1所示。3.2.2數據來源為深入分析黑龍江省2014年至2023年的科技金融發展狀況，本文構建了相應的指標體系，并嚴格選取《黑龍江省統計年鑒》與《中國科技統計年鑒》中的數據作為分析基礎，以確保數據的準確性與權威性。個別年度缺失的數據通過平均法或者趨勢法推算得出。4實證分析4.1基于DEA模型的黑龍江省科技金融效率測度分析本文利用DEAP2.1軟件，并運用BCC投入主導型模型，深入剖析2014-2023年黑龍江省科技金融的投入產出情況，主要包括綜合技術效率、純技術效率、規模效率及規模報酬，相關結果如表2所示。經全面剖析可知，2014-2023年黑龍江省科技金融的綜合技術效率均值達到了0.935，純技術效率均值高達0.988，而規模效率均值也達到了0.946，但是這些效率值皆小于1，處于DEA弱有效狀態，這表明黑龍江省科技金融的整體效率水平仍有提升空間。后續將從這3個維度展開深入探究。4.1.1綜合技術效率結果分析綜合技術效率體現了DMU在資源配置及其使用效率等多方面的能力評定。當綜合技術效率值達到1時，意味著科技金融的資源配置已達到最佳狀態，否則表明存在效率的損失。值得注意的是，在2014年、2015年、2021年及2022年，該指標達到了有效狀態，效率值圓滿實現了1的佳績，這充分彰顯了投入與產出環節均已達成最優成效；在2017年、2018年和2023年，該指標處于相對有效狀態，效率值介于0.9～1，這表明經過一定的調整即可達到整體效率有效；在2016年、2019年和2020年，該指標處于無效狀態，其效率值低于0.9，這表明黑龍江省科技金融在資源配置等方面需要經過較長的時間進行調整與提升，才能達到整體效率有效。因此，不論是國家層面還是黑龍江省政府，在促進科技金融發展方面的重視與支持仍有很大的提升空間。4.1.2純技術效率結果分析純技術效率是受企業管理與技術等要素作用的生產效率。從這個維度看，除2016年、2017年、2020年、2023年之外的年份均呈現有效狀態，并且這4年的數值處于0.9～1，僅需對科技金融投入稍加調整，便可達成純技術效率的有效狀態。在2018年和2019年，盡管純技術效率達到了1，但規模效率的不足，卻使得綜合技術效率未能邁入有效行列。總體來看，純技術效率為1時，資源投入的使用效率無可挑剔，而綜合無效的根源則在于規模效率的無效，故而需著重關注如何充分發揮其規模效益。4.1.3規模效率結果分析規模效率反映的是企業實際生產規模與最優生產規模之間的差距，即受企業規模因素影響的生產效率。從規模效率的視角來看，在2014年至2023年，有4年的規模效率處于相對有效的狀態，其效率值介于0.9～1；在此期間，有4年的規模效率達到有效狀態，其效率值為1，說明黑龍江省在科技金融資源的實際投入與最優生產規模之間達到合理狀態，并完成了有效的資源分配和使用；在此期間，有兩年的規模效率顯示為無效，其效率值低于0.9。同時，規模報酬的分析結果表明，在2014年至2023年，有6年處于遞增狀態，另有4年維持不變。這與規模效率分析的結果是一致的，表明在該方面的資源投放已相對充足。4.2基于Malmquist指數的黑龍江省科技金融效率測度分析DEA模型僅能呈現黑龍江省科技金融效率的靜態狀況。為從動態層面探討黑龍江省科技金融效率的變化，需運用Malmquist指數展開分析，該指數能夠體現DMU在科技創新方面的效率變化趨向。通過DEAP2.1軟件，基于Malmquist模型，可以計算得到表3。表3中各項指標的含義如下：effch代表技術效率變化指數，techch代表技術進步指數，pech代表純技術效率變化指數，sech代表規模效率變化指數，tfpch代表全要素生產率指數。同時，對于表3列出的各個指數，當其值超過1時表示效率有所提升，而等于1則表示效率保持不變，低于1則意味著效率有所下滑。此外，效率指數與1之間的差距為其增長率。從表3可以看出，在2014年至2023年，對于effch，僅有2個區間處于增長的階段，而有2個區間處于下降的階段，另外有5個區間處于不變的階段，其波動范圍為0.923～1.083，波動幅度相對較小；對于techch，有5個區間處于增長的階段，其余4個區間處于下降的階段，其波動范圍為0.791～1.131，波動較為顯著；對于pech，各個區間的純技術效率的值沒有發生變化，表現出較高的穩定性；對于sech，僅有2個區間處于增長的階段，有2個區間則處于下降的階段，另外有5個區間處于不變的階段，其波動范圍為0.923～1.083，波動幅度相對較小；對于tfpch，有5個區間處于增長的階段，其余4個區間處于下降的階段，其波動范圍為0.791～1.225，波動幅度較大。此外，依據effch、techch、pech、sech、tfpch的均值分析，可以發現techch及tfpch的均值未達到1。由此可以得出，為了提高全要素生產率，黑龍江省需要提升和改進相應的技術。從整體來看，動態分析能更有效地展示科技金融效率的變化情況，而黑龍江省在科技金融效率上仍有顯著的提升潛力，因此，需要積極采取應對措施。5提升黑龍江省科技金融效率的建議5.1完善科技金融政策體系相關政策的發布可以為科技金融的進步創造良好的條件，從而促進該領域的發展。黑龍江省政府應根據省內科技金融的具體情況，制定符合需求的支持政策，如財政補貼、稅收優惠、貸款優惠等措施。在制定科技金融政策的過程中，黑龍江省的科技部門需與相關單位建立科技金融協調機制，以便合理配置科技金融資源，共同探討與制定科技金融政策，避免資源與政策過于集中到少部分科技企業。此外，需增強政策的精準性，設定具體的實施細則和應對方案，優化政策執行流程，提高政策的公開透明度，以確保政策能夠真正有效地實施。5.2提升企業技術創新能力由實證分析可知，在提升科技金融效率的過程中，黑龍江省亟需改進相關技術。然而，企業技術創新能力的強化居于核心地位，所以黑龍江省應當鼓勵本省企業借鑒發達國家和地區的先進技術，提升企業的創新能力和技術水平。同時，應當構建企業、高校與科研機構之間的合作平臺，加速科研成果的轉化與應用，從而在企業生產中充分發揮高校及科研院所的科研優勢。此外，需優化企業的創新環境，健全知識產權的保護機制，提供政策引導、技術轉讓等公共服務，從而降低創新所需的成本。5.3充分發揮金融市場的調節功能由實證分析可知，黑龍江省的科技金融在資源配置等方面亟需優化提升。所以，為了強化資源配置，應當充分發揮金融市場的調節功能。首先，需要有效配置金融資源，引導資金流向科技創新領域，從而提升科技企業融資的可獲得性；其次，應當構建多層次的資本市場，拓寬科技企業的融資途徑，例如，通過新三板、創業板等平臺實現股權融資；再次，應該深化金融產品與服務的創新，需設計開