科技创新的看法范文

[关键词]科技创新体系解释结构模型影响因素分析

一、企业科技创新体系解释结构模型的构建

1.解释结构模型简介

解释结构模型化（InterpretationStructuralModel，ISM）技术是美国J·N·沃菲尔德教授于1973年作为分析复杂的社会经济系统结构问题的一种方法而开发的。其基本思想是：通过各种创造性技术，提取问题的构成要素，利用有向图、矩阵等工具和计算机技术，对要素及其相互关系等信息进行处理，最后用文字加以解释说明，明确问题的层次和整体结构，提高对问题的认识和理解程度。

2.模型的应用

(1)提出问题。如何在庞大复杂的科技创新系统中理清主要影响因素与次要影响因素，以及这些因素是如何关联的，它们对企业的最终目的起着什么作用等，继而在这个基础上，才能设置适于企业科技创新的评价指标及其权重。

(2)收集和整理问题的构成要素。首先收集大量资料，对近年来国有企业科技创新的进程进行了调查和研究。以企业为中心，从它的内外部考虑，找出了影响科技创新能力的一些因素。接着通过进一步的集体分析和筛选，最后归纳出现阶段影响科技创新能力的16个主要因素。其中企业内部因素有10个，外部环境因素有6个。

(3)设立要素间的逻辑关系，形成意识（构思）模型。要素间的逻辑关系用v、a、x表示，将各要素画成方格图，如图1-1所示。

其中v表示方格图中的行要素直接影响到列要素，a表示列要素对行要素有直接影响，x表示行列两要素相互影响。进而根据要素间二元关系的传递性，逻辑推断出要素间各次递推的二元关系，并用带括号的标识符表示。

（4）对意识模型进行处理，得到可达矩阵，再进一步得到骨架矩阵。如图1-2所示。

图1-2企业科技创新要素的缩减矩阵

（5）绘制多级递阶有向图，形成递阶结构模型。根据缩减矩阵可绘制多级递阶有向图，形成五级的递阶结构模型（图1-3）。

图1-3企业科技创新递阶结构模型

(6)建立解释结构模型。将图1-3转换成具有启发性且比较直观和易于理解的形式，即得到影响企业科技创新能力因素的解释结构模型（图1-4）。

图1-4影响企业科技创新能力因素的解释结构模型

从图1-4可以看出，16个影响企业科技创新能力的主要因素可分为5级5类。其中第I类因素是影响企业科技创新能力的直接因素，它从研发、制造、市场营销三个方面揭示了从研发技术到技术转化，再到实现利润的目标与过程的关系；第II类因素是企业进行研发与进行制造的基础因素，即人、财、物的投入及管理水平；第III类因素反映了企业创新的内在驱动因素和企业的人文素质，它是企业创新的“软支撑”；第IV类因素为环境因素，是企业创新的依存点；第V类因素为企业创新的外在驱动因素，是企业创新的出发点。这5类因素相互关联、相互促进，构成了对企业科技创新能力影响的递解结构关系，为企业进行科技创新决策提供了逻辑思路。

二、企业科技创新体系解释结构模型的应用说明

1.科技创新的动因分析

(1)市场及经济环境对企业科技创新活动的推动。在改革开放初期，我国科学技术基础水平低，科技进步没有真正纳入到企业的发展机制中去，科学研究活动和生产经营之间缺乏相互需求、共生共长的有机联系。进入20世纪90年代，通过大力发展社会生产力，我国已基本上告别了短缺经济，正在逐步向社会主义的市场经济体制过渡，这为企业科技创新的产生和发展提供了市场环境。企业会按照市场经济运行的要求构造企业的运行机制，市场经济的竞争机制推动经济向更高层次的科技领域发展。

(2)国内外竞争对手的实力对企业科技创新活动的推动。如何赢得市场，在竞争中占得主动位置，科技创新是获胜的关键。在市场经济条件下，企业参与市场竞争主要依靠两个手段：价格竞争和非价格竞争。采取价格竞争无论是降低成本，还是提高质量，在现代社会中都主要靠运用先进科学技术，依靠不断进行科技创新来实现。经济的发展，消费层次的提高，使得购买者的注意力并不仅仅停留在商品价格上，科学技术的发展，使得企业与消费者能够更有效地从商品自身构造（包括质量、功能、商标、包装、服务等）上区别竞争商品。

2.外部因素分析

(1)政策环境。这些基本政策包括产业政策，税收政策，政府订货及补贴政策等。政策环境不仅决定企业科技创新的方向，而且也是企业进行人力资源管理的生命。企业应该在政策的允许范围内，积极主动地开展科技创新活动，变消极等待为主动追求。

(2)法制环境。上述政策因素对企业的创新行为有着直接的影响，但一般说来，政府主要是通过制定一些法律法规来间接地影响企业的活动。为了促进和指导企业科技创新活动的发展，国家颁布了《专利法》、《商标法》、《著作权法》、《技术成果转化法》、《企业法》、《知识产权保护法》和《科学技术成果奖励条例》等法律。此外，国家还有对工业污染程度的规定，卫生要求，产品安全要求的规定等。这些法律法规对企业的科技创新活动既有鼓励促进和保护成果的作用，也有一定的约束和限制的作用。

(3)技术环境。技术环境是企业进行科技创新活动时进行规模选择、方向选择和时机选择的主要依据，这里的技术包括产品生产技术和管理技术。技术环境主要从两方面影响企业的创新活动。一方面，技术革新为企业创造了机遇。另一方面，新技术的出现也使企业面临挑战。技术进步会使社会对企业产品和服务的需求发生重大变化。竞争对手的进步可能使本企业产品或服务陈旧过时，从而失去竞争力。

(4)社会协作环境。协作环境为企业科技创新的发展提供可靠的服务，尤其是关键的核心技术可以充分发挥高等院校和科研院所的人才优势与信息优势，也可以借助于技术咨询和中介服务机构。同发达国家相比，我国现有的创新系统中的中介机构和技术咨询服务体系还很薄弱，难以为企业科技创新能力的提高提供良好的社会协作环境。我们应当学习和借鉴国外的有益经验，创造性地发展和推动各种中介服务，并不断提高服务质量，完善和提高中介服务机构的功能。

3.企业内部因素分析

(1)企业组织制度。企业组织制度是最基础同时也是最重要的企业制度之一，它是对企业的内部机构设置、经营管理权划分、各部门之间的关系处理进行安排的制度。企业在进行科技创新的同时，也要进行组织制度的创新，科技创新和制度创新在企业创新活动中始终是相辅相成的。一个合理完善的组织制度，是可以促使领导作出重大的科技创新决策。组织制度连同决策层意识可以影响企业的科技管理能力，最终将影响企业的创新研发能力。

(2)决策层意识。从解释结构模型可以看出，决策层意识直接影响了科技管理的水平，决定着企业的发展方向。企业家是技术创新的倡导者和实践者，正是企业家的创新活动推动了产品结构的变化和产业结构的高级化，推动了社会生产力的发展。决策层意识应包含以下几个方面：一是具有不断创新的意识；二是有成就意识；三是具有机会意识；四是要善于用人。

(3)人力资源管理与员工素质。从解释结构模型可以看出，人力资源管理与组织制度决定了企业人员的素质，而人员素质的高低又直接影响到企业的研发、制造和营销三大能力，因此人力资源管理在科技创新的“软支撑”中是十分重要的。企业的科技创新主要还是要靠人去实施，对于企业来说，创新的关键在于人才。提高员工素质，不仅是科技创新的需要，而且也是企业正常生产经营的需要。

(4)资金投入能力与技术设备水平。从解释结构模型可以看出，企业的资金投入能力和技术设备水平是紧密联系、互为影响的两大“硬支撑”要素，直接影响到企业的研发能力与制造能力。资金投入越多，企业用于科技创新的物质基础越雄厚，用于制造的技术装备也就越先进，其结果是大大推动创新成果的形成以及生产水平的提高。

(5)科技管理能力。从解释结构模型可以看出，对于企业的研发能力而言，仅仅有创新的人、财、物（设备）投入是不够的，还必须要有将三者联合的“粘结剂”，这就是企业的科技管理部门，它将高层领导的决策同具体从事研发的基层人员沟通起来，全面规划和落实企业的科技创新活动，是企业科技创新不可缺少的重要的一环。科技创新可以从两个方面促进企业科技管理水平的提高。一方面进行科技创新有一定的风险，为了提高科技创新的成功率和缩短新技术、新产品、新工艺的投入产出周期，必然要求企业运用现代化的管理手段来加强科技创新管理。另一方面，科技创新工作的开展必然会带来新工艺的运用或新产品的试制、生产，它必然要求新技术、新工艺、新产品进行新的劳动组合，进行人员、资源的更合理配置，同时也要求运用新的管理方法去管理人、财、物以及一切创新和转化活动，这必然又会从诸多方面推动企业科技管理水平的提高。

科技创新的看法范文

关键词：金融支持；科技创新；超效率DEA；Malmquist指数

中图分类号：F830文献标识码：A文章编号：1674-2265（2015）06-0018-08

一、引言

“新常态”下科技创新是中国经济增长的唯一动力。据统计，2014年我国全年研究与试验发展（R&D）经费支出比上年增长12.4%，相当于GDP的2.09%，而技术合同成交金额高达8577亿元，同比增长14.8%。这说明“新常态”下的中国，创新环境正在持续优化，创新投入正在不断加大，创新成果的流动和转化正在为经济提供更强劲的增长动力。而科技创新的发展离不开金融的强力支持，金融是现代经济的血液，与科技对接能够促进科技创新，加快科技企业发展，确保中国经济的有效转型。随着金融投入和科技产出的力度逐年加大，优化科技创新中的金融资源配置，对金融支持科技创新的效率进行评价是值得研究的课题。

二、国内外相关文献

根据现有文献来看，国内外学者有关金融给予科技创新的支持研究主要集中在理论层面，而对科技与金融相互结合、相互作用的实证研究还比较少。

1912年，经济学家熊彼特（Schumpeter）注意到金融发展对技术创新的影响。而国外有关金融支持科技创新的实证研究主要集中在某种金融形式对技术创新的影响。例如，银行对技术进步的影响。塔德塞（Tadesse，2000）研究发现，银行导向型金融体系和市场导向型金融体系在促进技术进步方面所起的作用明显不同。本弗拉泰洛（Benfratello，2008）等以意大利公司为研究对象，发现地方性银行对企业技术创新活动的成功率具有显著的影响。詹内蒂（Giannetti，2012）的研究发现，银行对于高技术企业开展创新和引进新产品能力具有显著效果。又如，风险投资对技术创新的影响。卡拉汉和米格（JohnCallahan和StevenMuegge，2003）分析了风险投资在技术创新中所发挥的作用，描述了风险投资对技术创新的作用过程及其机制路径。吉尔和塔贝尔（GilAvnimelech和MorrisTeubal，2006）指出风险投资在一定条件下可以变为促进高技术集群转化的重要因素。

在国内，虽然“科技金融”一词在20世纪90年代被提出，但有关金融支持和科技创新的实证研究是从近年才受到关注的。从全国角度来看，王海和叶元煦（2003）利用经过层次分析法（AHP）加权后的评价指标体系和模型对科技金融结合效益进行了实证分析。田霖（2005）选取31个地区作为样本，运用主成分和因子分析法对各个区域的金融成长状况进行计量分析研究，通过分析得出科技对区域金融综合竞争力的解释力和贡献率很高，起着决定性作用。马卫刚（2014）运用DEA和Malmquist指数对2007―2012年我国科技与金融结合效益进行静态和动态分析，发现金融资源配置下降是引起科技金融结合效益呈现负增长的主要原因。

从各地区角度来看，杨丽萍和赵兵（2010）采用数据包络分析方法（DEA）对全国各地区金融投入与科技产出的效益进行评价，并发现金融投入和科技产出结构不协调是造成广东科技金融结合效率低的主要原因。吕江林等（2012）利用DEA方法对中部地区6省份和东部地区发达省市的金融投入与科技产出的效率进行分析，结果表明中部地区已形成崛起之势。华玉燕（2013）运用DEA方法对安徽省科技金融结合效率进行评价，结果表明单纯依靠扩大金融投入难以提高科技产出，应优化科技金融内部结构，使金融投入与科技产出协调发展。陈凯（2013）利用AHP方法对江苏省科技金融结合的效益进行评价，结果发现由于金融资本投入的低效率导致对科技产出的助推作用没有得到完全发挥，二者的结合效率不高。陈军梅（2014）利用Malmquist指数方法对宁夏科技金融结合效率进行评价，结果显示宁夏科技金融结合整体效率不高，金融投入与科技产出处于非均衡状态，资源没有实现最优配置。

综上所述，根据现有文献来看，国外学者主要就某种金融对科技创新的影响进行研究，国内学者也有相应的研究。但我国目前仍然是一个发展中国家，为科技创新提供的金融资源是有限的，那么如何提高我国金融支持科技创新的效率就是一个值得研究的课题。而国内关于这方面的研究还不足，并且相关学者主要采用传统DEA模型对各地区的金融支持科技创新的效率进行实证研究。虽然已有的研究都具有针对性，但缺少全面的金融支持科技创新的资源配置分析。本文将采用超效率DEA对2006―2012年我国30个省、自治区和直辖市的金融投入和科技产出的效率进行静态评价分析，并采用Malmquist指数方法研究我国科技金融效率的动态演变以及对三大区域的科技金融效率的差异进行分析，为促进我国金融有效支持科技发展提供参考。

三、研究理论与方法

（一）模型选取

1.超效率DEA模型。超效率数据包络分析模型（SuperEfficiencyDEA，SE-DEA）是由安德森和彼得森（Andersen和Petersen，1993）根据传统DEA模型所提出的新模型，其基本思想是：在对该决策单元进行效率评价时，将其排除在决策单元的参考集之外。经典DEA模型如CCR模型和BCC模型只能区别出有效率与无效率的决策单元，无法进行比较和排序。而SE-DEA模型与CCR模型的不同之处在于评价某个决策单元时将其排除在决策单元集之外，这样SE-DEA模型将经典DEA模型中有效的决策单元（效率评价值为1）在生产前沿面进行了重新计算推移，使得最终计算出来的效率评价值大于经典CCR模型的效率值，即允许效率值大于1；而对于DEA无效的决策单元（效率评价值小于1），其生产前沿面并没有发生改变，这与CCR模型的评价结果一致。因此，SE-DEA模型能区分DEA有效的决策单元之间的差异，从而对各决策单元进行有效的比较和排序。其表达式为：

[Min[θ-ε（i=1ms-i+r=1ss+r）]s.t.j=1j≠j0nxijλj+s-i=θxij0i=1，2，…，mj=1j≠j0nyrjλj-s+r=yrj0r=1，2，…，sλj≥0，j=1，2，…，ns-i≥0，s+r≥0]（1）

其中，[θ]为第[j0]个决策单元的超效率值；[ε]为非阿基米德无穷小量；n为决策单元（DMU）个数，每个决策单元均包括m个输入变量和s个输出变量；[s-i]，[s+r]分别为输入和输出的松弛变量；[xij]表示第j个决策单元在第i个输入（投入）指标上的值；[yrj]表示第j个决策单元在第r个输出（产出）指标上的值；[λj]为输入输出指标的权重系数；[θ]，[λj]，[s-i]，[s+r]为未知参数，可由模型求解。

2.Malmquist指数模型。Malmquist指数模型是瑞典的经济学家、统计学家曼奎斯特（Malmquist）在1953年分析消费过程中提出来的。凯夫斯等（Caves等，1982）受其启发，通过距离函数之比构造了生产率指数。法尔等（Fare等，1994）采用Caves等人的研究思路，在多投入产出的条件下结合DEA方法，建立了具有实际意义的生产率变化的Malmquist指数。

根据法尔等的方法，我们以每个省作为一个决策单元，把每个省金融投入与科技产出的效率同前沿面进行比较，以此来对各个省的金融支持科技创新的效率变化进行测量。那么，从t时期到t+1时期的Malmquist指数分别表示为：

[Mt=Dt（xt，yt）Dt（xt+1，yt+1）][Mt+1=Dt+1（xt，yt）Dt+1（xt+1，yt+1）]（2）

其中[（xt，yt）]和[（xt+1，yt+1）]分别为决策单元在t期和t+1期的投入产出向量，[Dt（xt，yt）]和[Dt（xt+1，yt+1）]则分别表示t期和t+1期的决策单元与效率前沿面的距离。

为了避免时期选择的随意性可能导致的差异，法尔等人对不同时期技术条件下的两个Malmquist指数采取几何平均值，测算出效率的变化值，见下式：

[M（yt+1，xt+1，yt，xt）=Dt（xt，yt）Dt（xt+1，yt+1）×Dt+1（xt，yt）Dt+1（xt+1，yt+1）]（3）

在规模报酬不变的假设下，Malmquist指数（TFP）可以进一步分解为技术效率变化指数（TechnicalEfficiencyChange，Effch）和技术进步变化指数（Technicalchange，Tech）的乘积，见式（4）和式（5）：

[M（yt+1，xt+1，yt，xt）=Effch×Tech=Dt（xt，yt）Dt+1（xt+1，yt+1）×Dt+1（xt+1，yt+1）Dt（xt+1，yt+1）×Dt+1（xt，yt）Dt+1（xt，yt）]（4）

而在规模报酬可变的假设下，技术效率变化（Effch）可以进一步分解为纯技术效率变化（PureTechnicalEfficiencyChange，Pech）和规模效率变化（ScaleEfficiencyChange，Sech）的乘积，见式（5）：

[TFP=Effch×Tech=（Pech×Sech）×Tech]（5）

上式（5）中，左边是Malmquist指数，该指标若大于1，则表明金融投入与科技产出的效率上升；若小于1，则降低。右边第一项是纯技术效率指数，表示在科技金融的规模经济不变的条件下的金融投入在科技产出中的作用与前沿面的距离，该指标可能大于1、小于1或等于1，分别表示金融投入在科技产出中的作用有所提高、降低和无变化；第二项是规模效率指数，表明科技金融达到规模经济的可能性；最后一项是技术进步指数，反映金融创新对科技产出的效率大小，该指数大于1表示起到进步作用，等于1表示无作用，小于1则为退步。

（二）变量的选取

金融支持科技创新的效率评价指标必须真实反映金融投入与科技产出情况，本文借鉴相关学者的研究，所选金融投入指标包括：研究与试验发展（R&D）经费内部支出、地方财政科技拨款、金融机构科技贷款以及人均R&D经费支出。其中，R&D内部经费支出是指企事业单位用于内部开展R&D活动（包括基础研究、应用研究和试验发展）的实际支出，是反映一个地区科技金融实力的重要指标；地方财政科技拨款指统计年度内由各级财政部门拨付的直接用于科技活动的款项，包括科学事业费、科技三项费、科研基建费以及其他科研事业费，其反映地方政府对科技发展的支持力度；金融机构科技贷款是用科技活动经费筹集额中的金融机构贷款来表示，反映了以银行为主的间接融资是推动科技发展的重要资金来源；人均R&D经费支出是指R&D研究人员平均每人每年的R&D经费支出额，其反映一个地区R&D经费在人力资源上的投入强度。

在科技产出方面，选取了国内专利申请授权数、国外主要检索工具收录我国科技论文数、技术市场成交合同额以及高技术产业总产值。其中，国内专利申请授权数和国外主要检索工具收录我国科技论文数是科技产出的直接成果，也是科技活动的重要产出形式；技术市场成交合同额是指在技术市场中各地区合同在一定时期内成交的数额，是检验R&D投入的一项重要产出指标；高技术产业总产值是科技活动的直接产业化成果，很大程度上反映了科技的总产出情况。本文投入产出指标体系见表1。

表1：科技金融投入产出指标体系

[类别＼&指标（单位）＼&＼&R&D经费内部支出（亿元）＼&金融投入＼&地方财政科技拨款（亿元）＼&＼&金融机构科技贷款（亿元）＼&＼&人均R&D经费支出（亿元/万人/年）＼&＼&国内专利申请授权数（项）＼&科技产出＼&国外主要检索工具收录我国科技论文数（篇）＼&＼&技术市场成交合同额（亿元）＼&＼&高技术产业总产值（亿元）＼&]

（三）研究样本和数据来源

本文采用超效率DEA和Malmquist指数方法进行分析，时间跨度为7年。依据数据可获得性原则，本文选取了我国30个省、自治区直辖市2006―2012年的相关数据（的数据缺失，从样本数据中剔除）。

数据来源于历年《中国统计年鉴》、《中国科技统计年鉴》以及《中国高技术产业统计年鉴》。但是由于统计年鉴编制体系的调整，各省“金融机构科技贷款”指标数据从2008年以后不再列入统计年鉴中，因此，本文依据该指标以往年度的数据，采用灰色预测模型对2009―2012年的数据进行预测。

四、实证结果分析

（一）总效率值分析

基于超效率DEA模型，本文运用MATLABR2012b软件对2006―2012年的我国30个省、自治区及直辖市的数据进行分析，得到其效率变动情况（如图1和表2所示），并对7年的均值进行排序。

从图1和表2可以看出，全国各省每年的超效率平均值分别为1.1588、1.0939、1.0583、1.0823、1.0793、1.0955和1.1768，分别上涨了15.88%、9.39%、5.83%、8.23%、7.93%、9.55%和17.68%。这说明自2006年以来，将自主创新、建设创新型国家作为战略目标纳入国家中长期科技发展规划纲要，为科技产出提供的金融资源配置是有效的，并且以每年10.64%的增速上升。同时，从样本年限内看，我国金融支持科技创新的超效率均值呈现出U形的走势。

其中2012年的效率值达到了最高为1.1768，这可能是因为在2011年我国《国家“十二五”科学和技术发展规划》，提出在“十二五”期间将不断完善科技和金融的结合机制，建立多渠道的科技融资体系，加快发展服务科技创新的新型金融服务机制，积极探索支持创新的融资方式，加上我国经济逐步摆脱了金融危机的影响，这都为金融支持科技创新提供了方针政策和良好的宏观环境，以此促进金融与科技的对接、科技成果的有效转化及我国经济的可持续增长。

而2008年的效率值为1.0583，为U型走势的谷底。究其原因，是受到2008年金融危机的影响，我国以银行为主导的金融体系遭遇了系统性风险，为避免因系统性风险带来的更大经济损失，金融机构纷纷对具有高风险的科技创新型企业收紧了银根，使得这些企业面临融资难进而倒闭的局面，这就导致了当年科技产出力度不够，这从金融支持科技创新的效率值也能得到印证。

从全国30个省、自治区和直辖市的超效率均值来看，有13个省区市金融支持科技创新的效率达到了有效前沿面，即效率值大于1，可以看出只有1/3的省区市为科技创新提供的金融资源配置是有效的，而其中东部地区有6个省份，分别为北京、广东、上海、浙江、江苏和海南，占到有效省区市的一半且排名前十，而中部和西部地区分别有3个和4个。与全国平均效率值达到有效前沿面对比分析，说明提升我国金融支持科技创新效率主要是依靠东部经济较为发达的地区，而这也符合我国经济发展的基本情况；从另一方面来看，我国各个省区市为促进科技创新提供的金融资源配置差异很大，尤其是西部地区的差异最为明显，其中甘肃和陕西的效率值分别为1.9094和1.3508，而贵州、云南、广西、内蒙古和宁夏的效率值都在0.7以下，可见西部地区金融支持科技创新的效率极为不均衡。

通过对各个省区市进一步分析看出，带动金融支持科技创新发展的主力依然是东部技术密集型的地区，由于这些地区集中了大量的技术储备，加之经济发展水平较高，因此加大资金的投入固然会带来高质量的科技产出，金融支持科技创新的效率也就较高。而存在巨大差异的西部地区，效率值较高的省市其经济水平也相对较高，这说明受“西部大开发”战略的影响，西部部分地区金融支持科技创新的效果较为明显，而处于低效率的区域则需要进一步加大金融投入与科技产出，具体如何提高其效率还需要进一步分析。

（二）Malmquist指数分析

无论是传统的DEA模型还是超效率DEA模型，对我国科技金融效率的研究是基于静态的比较，即只对各省市在同一时期做横向的效率分析，无法评价各省市在不同时期的效率变化。本文运用DEAP2.1软件测算了我国30个省、自治区和直辖市科技金融的Malmquist指数（如表2所示），对2006―2012年全国各省的科技金融效率指数变化进行分解研究（如表3所示），并对东、中、西部地区的效率变化差异进行分析（如表4所示）。

从表3可以看出，在样本研究年限内，我国科技金融Malmquist指数的平均效率变化为1.026，上涨了2.6%，总体呈现出上升趋势。通过分解分析，技术效率指数平均变动为0.990，呈现出下降趋势；而技术进步指数平均变动为1.036，上涨了3.6%。可以看出，推动我国科技金融的全要素生产率（TFP）在样本区间增长的主要原因，是技术进步的增长。

从全国30个省区市来看，其中有20个省区市的全要素生产率指数大于1，其科技金融效率呈现出上升的趋势，而只有10个省的TFP指数值小于1，呈现出下降的趋势，说明我国各省区市为科技创新提供金融配置的效果向好。具体来看，在20个科技金融效率呈现上升趋势的省份中，除江西外，其余地区的全要素生产率指数大于1的原因是技术进步的提高。而10个全要素生产率小于1的省份中，有6个是因为技术退步，可以看出，技术进步的高低也是决定各省区市科技金融全要素生产效率是否有效的关键因素。

从各省区市技术效率的变化来看，全国技术效率的平均值为0.990，呈现下降趋势。通过分解分析看出，纯技术效率和规模效率的平均值分别0.994和0.996，均呈现低效状况，造成了科技与金融的技术效率没有达到有效前沿面。具体到各省区市来看，我国11个西部地区的省份和10个全要素生产率指数小于1的省份，其平均纯技术效率指数变化分别为0.991和0.976，而平均规模效率指数变化分别为0.989和0.982，说明西部地区是TFP低效的地区，不仅金融投入和科技产出低效而且尚未形成规模效应。因此，这些地区需要在提高科技有效产出的同时还要促进行业形成规模效应，以此来提高金融支持科技创新的效率，避免资源的浪费，促进科技成果转化，推动我国经济的有效转型。

从图2和表3可以看出，2006―2012年，我国金融支持科技创新的效率值每年以2.6%的速度增长，总体上呈现上升趋势的变动。进一步分析发现，技术效率变化指数在研究样本年限内变化趋于平稳，而技术进步指数与全要素生产率的变化趋于一致，说明我国科技金融全要素生产率的变动主要受技术进步的影响。此外，科技金融的TFP值在样本年限内呈现出一个高峰一个低谷的波动性变化。

2008―2009年，科技金融的Malmquist指数值只有0.950，降低了5.0%，其中技术进步、纯技术效率和规模效率的变动均小于1，共同造成科技金融效率的低效。其原因可能在于受到金融危机的影响，给金融创新带来巨大的风险，从而科技企业在金融资源配置时就受到限制。

2009―2010年，科技金融的TFP值达到1.144，上涨了14.4%，其中技术进步指数为1.145，上升了14.5%，而纯技术效率和规模效率相对2008―2009年均有所增长。其原因可能在于政府提出的4万亿“救市”的方案，促进了资本市场的活跃性，带动了金融行业的复苏，为科技企业增添了新的血液，促进了科技成果的转化，以此提高了金融支持科技创新的效率。

2011―2012年的Malmquist指数达到了最高值，上升了15.8%，其中技术进步增长了10.9%，同时技术效率变化也提升了4.4%。其原因可能在于我国在《国家“十二五”科学和技术发展规划》中提出不断完善科技和金融的结合机制，要求建立多渠道的科技融资体系，加快发展服务科技创新的新型金融服务机制，积极探索支持创新的融资方式。这为提高科技有效产出、鼓励与金融创新相结合、扩大科技金融规模提供了方针和政策指导。

从表4可以看出，从区域的角度分析，我国三大区域的全要素科技金融效率在样本年限内都呈现上升的趋势。从进一步分解来看，东中西三大区域的技术进步均值分别为1.045、1.069和1.058，均是促进各区域科技金融发展的关键性因素。其中，中部地区的全要素生产率增长最快，上升了6.9%，而西部地区增长了4.4%，高于东部地区的3.8%，呈现出“中部崛起”的态势。究其原因，可能是由于中部地区的金融与科技的结合已进入高速的成长期，使得东部地区受到了回弹效应的影响；而中西部地区虽然经济发展水平相对较低，相应的基础设施较为落后，但由于受到“中部崛起”政策与“西部大开发”战略的影响，以至于中西部的效率高于东部地区。而与超效率DEA模型分析后得到的东部地区是提高全国金融支持科技创新效率的主要力量的结果来看，中西部地区的动态效率变化（即金融支持科技创新的效率增长变化）要高于东部地区，说明针对中西部地区的科技创新配置合理的金融资源，将极大地提升全国金融支持科技创新的效率，从而缩小中部与东部地区的差距，促进我国科技产业均衡发展。

从三大区域技术进步的角度分析，三个区域的技术进步指数都大于1，说明它们的技术进步变化均呈现增长趋势，而且也是使得全要素生产率大于1的主要原因，这与全国全要素科技金融效率分析的结果是一致的。

从三大区域纯技术效率的角度分析，依然呈现出中部高于西部，而西部又高于东部的趋势，但西部和东部的纯技术效率均小于1，说明这两个地区金融的投入并没有带来科技的有效产出。但其原因可能有所差异，对于东部地区虽然经济发展水平较高，但受到金融支持科技创新的回弹效应影响，已呈现出边际效用递减的态势；而西部地区本身经济发展水平低，基础设施落后，为科技创新配置的金融资源不够，固然不能得到有效的产出。

从三大区域规模效率的角度分析，中东部地区的规模效率已达到有效前沿面，表明中东部地区的科技金融产业已较为完善，规模效应已有所展现。与之相比，西部地区的规模效率小于1，说明西部地区科技金融行业规模偏小，为科技服务的金融机构无论是数量还是资金量都不足，需要进一步提升营运规模。

五、结论

我国将自主创新、建设创新型国家作为战略目标以来，建立多渠道、多层次的金融投入体系是解决高风险科技产业融资难的重要措施。因此，为促进科技创新合理配置有限的金融资源就具有重要意义。文本应用超效率DEA和Malmquist指数模型对我国30个省、自治区和直辖市2006―2012年的科技金融投入产出情况进行了分析。结果表明：

第一，全国以及各省区市的科技金融效率呈现出U形趋势。通过超效率DEA模型的静态分析发现，在样本年限内我国金融支持科技创新呈现U形趋势，其中，东部地区是带动这种U形趋势的主要力量。

第二，从全国各省区市的科技金融的TFP值来看，在样本年限内呈现上升趋势。通过Malmquist效率动态分解分析，技术进步（即科技金融资源配置）是提高金融支持科技创新效率的主要原因。需要注意的是，纯技术效率变化和规模效率变化还是低效的，说明金融投入未能得到有效的科技产出以及尚未形成科技产业的规模经济，需要进一步改善。

第三，从时间序列的科技金融的TFP值来看，受到技术进步的影响，TFP值在2006―2012年的变化呈现一个高峰一个低谷的波动性增长。其中，2009―2010年，受到国家“救市”方案的影响，促进金融支持科技创新的效率变化显著，形成了高峰；2011―2012年，受到国家战略部署以及方针政策指导，使得TFP值达到最大值。

第四，从区域角度的科技金融的TFP值来看，三大区域均呈现上升趋势。其中，中部地区呈现出“中部崛起”的态势，西部地区因“西部大开发”战略部署以及东部地区受到回弹效应的影响，使得中西部的效率变化指数值高于东部地区，进一步说明为中西部的科技创新配置合理的金融资源，将获得巨大显著的成果。

参考文献：

[1]Schumpeter.1912.TheTheoryofEconomyDevelopment[M].Cambridge，MA：HarvardUniversityPress.

[2]TadasseeS.2000.Doesfinancialstructurematterforeconomicgrowth？Acorporatefinanceperspective.OhioStateUniversity，Mimco.

[3]LuigiBenfratello，FabioSchiantarelli，AlessandroSembenelli.2008.Banksandinnovation：MicroeconometricevidenceonItalianfirms[J].JournalofFinancialEconomics，90（2）.

[4]CaterinaGiannetti.2012.Relationshiplendingandfirminnovativeness[J].JournalofEmpiricalFinance，19（5）.

[5]JohnCallahan，StevenMuegge.2003.VentureCapital’sRoleinInnovation：Issues，ResearchandStakeholderInterests[J].TheInternationalHandbookonInnovation.

[6]GilAvnimelech，MorrisTeubal.2006.Creatingventurecapitalindustriesthatco-evolvewithhightech：InsightsfromanextendedindustrylifecycleperspectiveoftheIsraeliexperience[J].ResearchPolicy，35（10）.

[7]Caves，D.W.，L.R.ChristensenandW.E.Diewer.1982.MultilateralComparisonsofOutput，InputandProductivityUsingSuperlativeIndexNumbers[J].EconomicJournal，92.

[8]FareR，GrosskopfS，Norrism，etal.1994.ProductivityGrowth，TechnicalProgress，andEfficiencyChangeinIndustrializedCountries[J].AmericanEconomicReview.

[9]王海，叶元煦.科技金融结合效益的评价研究[J].管理科学，2003，16（2）.

[10]田霖.科技力与区域金融综合竞争力的模糊曲线分析[J].重庆大学学报（社会科学版），2005，11（4）.

[11]马卫刚，张红丽.我国科技与金融结合效益评价[J].科技管理研究，2014，（20）.

[12]崔毅，赵韵琪，杨丽萍，赵兵.基于DEA方法的广东科技与金融结合效益评价[J].华南理工大学学报（社会科学版），2010，（4）.

[13]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）.

[14]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）.

科技创新的看法范文篇3

关键词：产业技术创新联盟；三大问题；对策建议

产业技术创新联盟，是指由企业、大学、科研机构或其他组织机构，以企业的发展需求和各方的共同利益为基础，以提升产业技术创新能力为目标，以具有法律约束力的契约为保障，形成的联合开发、优势互补、利益共享、风险共担的技术创新合作组织。目前全国建立的产业技术创新联盟已达上百家。

产业技术创新联盟是新型的产学研合作创新组织，参与主体之间的合作涵盖了包括研发、试制、生产、销售到信息反馈等技术创新全过程，合作创新的重点是产业共性技术及关键技术。现阶段，我国产业技术创新联盟还处于发展的起步阶段，存在着三大问题需要认真研究解决。

一、政府引导协调力度严重不够

在产业技术创新联盟发展初期，政府的引导和协调作用十分重要，目前政府在引导和协调方面的不足主要表现三个方面：（1）参与主体的主动性与积极性需要政府激励。大多数参与主体并未意识到积极投入和参与联盟发展的重要性，有些联盟甚至是在政府的倡导下建立的，参与主体并未展现出主动参与的态度；同时，某些参与主体其参与的动机可能只是为了通过联盟获得有利于自身发展的技术支持，而并未想过如何对联盟做出自己的贡献。（2）参与主体间的信任度需要规范的制度保障。从我国现有的产业技术创新联盟情况看，学研机构自办产业多，与企业联合进行技术创新的较少，其主要原因是受到彼此之间的信任问题、体制问题和知识产权归属问题等制约。这需要充分发挥政府制度建设的作用，通过有针对性的制度安排，消除各参与方的疑虑，提高相互间的信任度。（3）参与主体的利益分配机制关系到联盟的长期发展。产业技术创新联盟各主体之间的利益分配问题影响到联盟的长期持续发展，从现有产业技术创新联盟情况看，利益分配关系并未得到很好地协调，联盟内部产生的利益纠纷事件较多，因而直接影响到参与主体的积极性；另外，资金缺乏也是影响产业技术创新联盟发展的重大障碍。

二、学研机构持续创新能力严重不足

在产业技术创新联盟中，大学和科研机构主要承担着技术创新和新产品研发的重要责任。从横向（图1）和纵向（图2）两方面数据看，现阶段我国学研机构在技术创新联盟中的主要问题是应用研究所占比重过大、基础研究不足，这将影响其持续创新能力。

图1通过对不同国家对基础研究、应用研究和试验发展所投入的R&D经费的比较可以看出，我国的基础研究投入水平远远低于发达国家，R&D经费主要用于试验发展。

图2显示了1999年~2009年我国各类研究经费占总投入比例的变化趋势，可以看出，我国基础研究比例在近十年来保持在4.5%~6%之间，远低于国际发达国家水平。2007年美国的基础研究投入占到其R&D投入的17.5%，2006意大利的基础研究投入更是占到其R&D投入的28.7%。

基础研究投入不足，会影响到应用研究的试验发展的研究深度和广度，进而影响到科技创新能力支持的提高。另外长期以来，学研机构的科技成果都是以的数量、所获奖励的级别、获得国家经费的多少来衡量，这种评价体系仅仅体现了科技成果的“技术价值”、忽略了其所拥有的“市场价值”，从而导致科研并不是面向市场需求，而仅仅是单纯地追求学术价值和地位，从而与实际的市场相脱节。

三、企业研究开发投入严重偏低

随着经济全球化的深入和技术进步的加快，大中型企业越来越重视自主创新，但常常面临企业创新能力弱，技术标准竞争处于弱势等各种各样的问题，因此企业必须走联合创新之路，从而增强自身的竞争能力。

表1给出了我国大中型企业2003年~2009年的主要科研投入指标，主要包括企业设有科技机构企业数量、R&D人员情况和R&D经费投入这三方面。

由表1可以看出：（1）企业科技机构是企业开展技术创新活动的基本组织形式和优化各类科技资源配置的重要载体，从企业中科研机构的总体数量来看，2003年~2008年间设有科技机构的企业比重相对较少，说明我国大中型工业企业开展技术创新活动不够活跃，基础较弱；（2）科研人员是大中型工业企业进行技术创新的骨干力量，其数量影响着企业科技创新的能力。企业R&D人员占企业总人数的比例为2%左右，明显偏低；（3）R&D投入是企业开展科技研发活动的物质基础和源泉，企业的科技创新活动中具有十分重要的作用，从企业的R&D经费投入来看，我国企业R&D经费占主营业务收入的比重到2009年底尚未突破1%，而国际公认的标准为，该指标低于1%的企业难以生存，2%则可以维持，到5%以上才有竞争力；世界500强企业该指标一般达5%～10%。

众所周知，产业技术创新联盟的有效运行，需要各参与主体的积极参与和相互配合，为促进我国产业技术创新联盟的发展，可在以下方面多做工作：（1）明确激励政策。政府部门应当制定和实施相关法律规章，规范监督产业技术创新联盟各参与主体，加强科研成果的知识产权保护，保护科技创新者的利益在技术转让过程中不受侵害，形成产业技术创新联盟各参与主体的利益分配机制，促进产业技术创新联盟的顺利运行。政府部门应当完善技术创新的奖励制度（如减免税收、给予补贴等），促进企业加大科技资金投入力度，鼓励大学和科研机构加强自主知识产权的科技成果研发，引导产业技术创新联盟的合作创新。（2）选好联盟模式。在选择参与产业技术创新联盟的过程中，大学和科研机构应该依据自身的人才培养层次、科学研究和社会服务等方面，有针对性地选择符合大学和科研机构自身发展需要的有效合作模式。比如研究型学研机构培养复合型和创新型人才，他们的科研工作主要是围绕技术创新和原始创新基础理论开展，其参与的产业技术创新联盟应走高精端道路，只有这样才能最有效的发挥大学和科研机构的力量。（3）加强沟通引导。产业技术创新联盟必须有明确的战略规划，加强大学、科研机构与企业之间的有效沟通，强化政府的引导功能、大学科研机构的创新功能和企业的市场拓展功能，从而形成新的整体优势，不断促进科技创新成果尽快产业化，大幅提升企业的经济效益，最终实现产业技术创新联盟各方的多赢局面。

参考文献：

1.赵志泉.产业技术创新联盟的运行机制研究.创新科技，2009，（4）：18-19.

2.冯海红，王胜光.产业技术联盟支持政策的国际经验与启示.工业技术经济，2008，（5）：65-67.