派智库

内容提要 科技金融效率是评价科技金融发展水平的重要内容。本文构建了科技金融的技术创新效率评价指标体系，运用DEA方法对2006—2014年三大经济圈十省市的科技金融相对效率进行了实证研究，结果显示，在此期间北京、广东科技金融一直处于技术有效，即达到了纯技术有效和规模有效的最佳状态。上海、天津科技金融投入则处于技术相对有效，其他六省市始终处于明显非技术有效状态。本文进一步剖析了这十省市科技金融效率差异的形成原因，并从政府、企业、金融市场、高技术产业、人才等五方面对我国科技金融体系建设提出了发展建议。

本文来自织梦

关键词 科技金融 技术创新 DEA dedecms.com

一、引言

内容来自dedecms

我国环渤海、珠三角、长三角三大经济圈的土地面积仅占我国的1.61％。但据国家统计局官网数据显示，2014年三大经济圈聚集了我国42.52％的人口，经济总量占全国的54.36％，其中高技术产业主营业务收入占全国的73.28％。三大经济圈是我国经济发展、自主创新最为活跃的区域，科技发展水平远超过我国平均水平，成为推动创新经济发展的三大增长极。科技创新离不开金融支持，金融资本作为引导、支持创新的关键要素，在技术创新过程中的作用至关重要。但盲目地增加科技金融投入会造成产出效率低下甚至是无效。美国硅谷的成功与美国在科技金融方面的大量投入，以及其高效率密不可分。我国三大经济圈经济发展模式各具特色，科技金融投入程度不一，科技创新产出效率差异较大。研究三大经济圈各省市科技金融效率差异，对我国科技金融体系和技术创新体系的建设、优化具有现实指导意义，有助于科技金融成果的产出及效率的提升。本文将基于环渤海、珠三角、长三角三大经济圈的科技金融投入与产出，采用DEA方法，对三大经济圈十省市2006—2014年科技金融的效率进行测量分析。从科技金融资源配置有效性及科技金融投入规模有效性剖析三大区域科技金融效率的差异，解析其原因，探讨三大经济圈科技金融发展模式和政策的调整、优化，为我国科技金融发展提出建设性意见。 织梦好，好织梦

二、文献综述

本文来自织梦

测量、评价区域科技金融效率的关键在于制定科学的评价指标体系和选择恰当的评价模型。国内一些学者基于不同的研究目的，构建了不同的评价指标体系对部分区域、省、市的科技金融效率进行了测量，并提出了发展对策。 本文来自织梦

从评价指标体系来看，现有文献构建的科技金融效率评价指标体系一级指标具有相似之处，集中在科技金融投入、科技人力投入、技术创新产出等方面，主要差异在二级评价指标的选择。李雅丽和程震（2013）运用DEA方法，选取了R&D经费、地方财政科技拨款、人均R&D经费和固定资产构建费作为金融投入建立了科技金融效率评价指标体系，对2000—2010年江西省科技金融投入产出的相对效率进行了分析与探讨。黄瑞芬和杜绪沅（2015）以科技支出占财政支出的比例、中小企业贷款增加额占银行贷款增加额的比例、高技术固定资产投资/固定资产投资额、R&D经费投入强度为创新投入指标，百万人口有效发明专利数和高技术产业总产值占地区GDP的比例这两项为产出指标，基于DEA模型对我国沿海各省市的科技金融绩效进行了评价。黄瑞芬和王环（2013）以主成分分析方法对14个投入产出指标进行整合，重新组合成由1个投入综合指标、2个产出综合指标组成的一组线性无关的综合性指标，运用DEA方法对山东省科技金融投入进行了效益评价。赵稚薇（2012）选取了科技经费内部支出额作为科技财力投入指标，科技活动人员和研发人员全时当量作为科技人力投入指标，专利申请授权数、新产品产值、各地区技术市场成交额以及国际论文发表数为产出指标，对我国东部地区、东北地区、中部地区以及西部地区22省市进行了科技金融效率研究。宋慧（2016）选取了4个二级投入指标、9个二级产出指标构成了一个多指标评价指标体系，运用主成分分析法对投入和产出的原始指标数据进行处理。根据每个指标的贡献度合成了三大综合指标：一个投入指标和两个产出指标。基于这三个综合指标运用DEA方法对山东省科技金融效率进行了实证分析。

各区域科技金融效率存在差距，诸多原因造成了这种差异。黄瑞芬和杜绪沅（2015）研究发现我国沿海各省的金融支持科技创新效率具有明显的差别，效率值与经济、金融发展水平存在一定的正相关关系。赵稚薇（2012）以2005—2008年为测量期间，对我国东部地区、东北地区、中部地区以及西部地区22省市进行了科技金融效率研究。在此期间各地区技术创新效率差别较大。东部地区和东北地区的平均创新效率值分别为0.810、0.799，明显高于中部地区的效率值0.633，中部地区效率值则略高于西部地区。并进一步用面板模型分析了不同类型的科技金融投入对技术创新产出的作用大小。黄瑞芬和王环（2013）用DEA方法研究了山东省科技金融投入效益的变化。研究结果表明山东省2000--2010年的金融投入重数量、轻质量，重速度、轻基础，呈现出DEA无效状态，提出了山东省科技金融发展应转变发展方向，走可持续、集约化的发展建议。李雅丽和程震（2013）对2000--2010年江西省科技金融投入产出的相对效率进行了分析与探讨，2004年、2005年和2009年这三年的综合效率和纯技术效率均小于l，存在投入冗余、产出不足问题，需要对各项投入进行调整，通过改变管理模式增加产出。2005年、2007年、2008年、2009年规模无效且均为规模报酬递减，提出在科技金融投入的过程中，不能一味追求规模，应当注重规模收益状况。 内容来自dedecms

环渤海、长三角、珠三角作为经济发展、自主创新最为活跃的经济圈，这三大区域代表了我国科技金融效率相对较高的水平。但目前针对这三大区域十省市的科技金融相关研究较为缺乏。三大经济圈十省市的科技金融效率的相对差异，科技金融效率较高省市的经验，科技金融效率低下或无效省市的不足，科技金融效率提高的措施，这些问题的探讨有助于三大经济圈科技金融效率的提高以及示范作用的发挥，对我国科技金融体系的建设意义重大。 织梦好，好织梦

三、三大经济圈的科技金融投入与技术创新产出的比较分析 织梦内容管理系统

技术创新需要大量的资金支持，R&D经费主要来源于政府财政科技支出、银行科技贷款、企业自有资金、创业风险资本以及其他资本市场等科技金融投入。根据中国科技统计网站、《中国科技金融年鉴》以及相关省市《统计年鉴》的数据整理，2006—2014年间三大经济圈十省市的R&D经费、R&D人员和高技术产业新增固定资产统计数据如图1、图2、图3所示。三大经济圈十省市R&D经费和R&D人员投入总体呈上升趋势。其中广东省、江苏省、北京市、山东省在这两方面的投入力度相对较大，显着高于其他省市。安徽省则处于相对落后状态，且这9年间投入变化较小。2006—2008年，各省市R&D经费和R&D人员投入区域差距相对较小，广东省R&D经费年均比安徽省多312亿元。此后，各省市差距逐步拉大。2012—2014年，广东省R&D经费年均比安徽省多860亿元，是安徽省的4.17倍。高技术产业新增固定资产投入方面，江苏省的投入远远超过三大经济圈中的其他省市。2006—2008年，环渤海R&D经费投入占全国的31.81％，长三角占29.65％，珠三角占10.76％。2009—2011年，三大经济圈R&D经费投入依次为30.37％、28.48％和11.62％。2012—2014年，占比调整为29.53％、29.06％和12.18％。环渤海R&D经费逐年在减少，珠三角逐年在增加，长三角则处于先减后增的调整状态中。R&D人员投入方面，环渤海经济圈变化与R&D经费投入总体上一致。长三角的R&D人才投入在2009—2011年间比上一阶段增加了4.18个百分点。珠三角增长幅度不及长三角，仅2.42个百分点。2012—2014年，长三角和珠三角R&D人员进一步增加，但增速减缓，环比增长分别为1.03％、1.05％。

科技金融投入支持了科学技术的开发，促进了科技成果产生、技术市场交易以及新技术成果转化。2006—2008年、2009—2011年和2012—2014年间，三大经济圈的高技术产业新产品销售收入占全国的比重分别为83.62％、84.70％、80.46％。高技术产业技术创新高度集中在这三大经济圈。环渤海经济圈高技术产业新产品销售收入全国占比逐年下降，从2006—2008年的年均27.82％下降至2012—2014年的年均18.28％。长三角占比也有所回落，但变化相对不明显，三区间的数据为33.63％、30.81％和30.59％。珠三角高技术产业新产品销售收入全国占比2006—2008年为22.17％。2009—2011年猛增到32.23％，2012—2014年小幅下降至31.60％。技术市场技术输出方面，以北京为中心的环渤海优势显着，接近占据50％的全国市场。长三角在第一、二、三期间全国占比分别22.55％、20.28％和16.68％。珠三角技术输出方面与环渤海、长三角的差距很大，全国占比三期间分别仅为6.52％、5.81％和5.83％。如图4所示，三大经济圈中北京市技术市场技术输出最为活跃，与其他九省市形成了巨大的差距。2012—2014年间，北京市技术市场技术输出合同金额是广东省的6.45倍。高技术产业新产品销售收入，如图5所示，广东省在十省市中一直处于第一位，第二位的江苏省仅为广东省的65.29％。其他八省市与广东省、江苏省的差距更大。专利发明方面，图6显示广东省和北京市处在前列，其次是江苏省。江苏省在2012--2014年间环比增速最高。 织梦内容管理系统

综上分析，2006—2014年间我国三大经济圈十省市的科技金融投入与产出都有不同程度的增长。北京、广东、江苏、山东这四省市的投入、产出平均增速超过了其他六省市。但并不是所有的投入都是有效的，高投入不等于高效率。 copyright dedecms

dedecms.com

四、三大经济圈十省市科技金融效率的实证分析 dedecms.com

（一）测量指标体系的构建 织梦好，好织梦

本文借鉴现有文献的研究经验，从投入产出的角度来构建评价指标体系，对科技金融的技术创新效率进行测算。科技金融投入来源于政府财政科技支出、银行科技信贷、企业自有资金、创业风险资本以及其他资本市场支持。金融资本进入实体后，用于各项科技活动支出。本文从科技金融支出的角度选取研究与试验发展（R&D）经费内部支出、高技术产业新增固定资产、R&D开发人员这三项指标代表科技金融的多种投入。科技活动的不同阶段，科技创新产出成果不一，本文选取发明专利申请授权量、技术市场成交合同金额和高技术产业新产品销售收入代表科技金融投入的技术创新产出。构建的科技金融效率指标体系如表1所示。

本文来自织梦

（二）测算模型的选取 本文来自织梦

科技金融的技术创新是一个多投入、多产出的复杂过程。本文选取了有代表性的3个投入指标、3个产出指标。数据包络分析（DEA）适合多产出多投入的复杂系统的效率测算，是Charnes、Cooper和Rhodes（1978）以相对效率概念为基础发展起来的一种效率评价方法。DEA属于非参数法，主要用以计算各决策单元（DMU）的相对效率值。其原理是依据一组投入产出的观测值构建有效前沿面，并通过计算各DMU距离有效前沿面的远近判断各DMU的有效性，对决策单元作出评价。DEA有多种模型，本文选取了CCR模型和BCC模型进行测算。

1、CCR模型 copyright dedecms

CCR是DEA中最基本的一个模型。它以规模报酬不变为前提对决策单元的效率进行评价，从而获得被测集合体的相对综合效率。 dedecms.com

假设模型中设有n个决策单元，所有的决策单元都是由a种投入和b种产出组成，第j个决策单元则可以用向量xj和yj表示为如下： 内容来自dedecms

CCR模型利用如下线性规划模型测算决策单元效率值： 织梦好，好织梦

dedecms.com

假设最优解为θ*，xj、yj分别为第j个决策单元的输入和输出向量。s+、s-为松弛变量和剩余变量。当θ*=1，且s*+=0，s*-=0时，决策单元DEA有效，同时技术有效和规模有效。当θ*=1，但至少某个输入或输出松弛变量大于0，此决策单元为弱DEA有效，即不是同时技术效率最佳和规模效率最佳。当θ*<1，此决策单元不是DEA有效（杜栋、庞庆华和吴炎，2015）。

织梦好，好织梦

2、BCC模型 织梦好，好织梦

Banker、Charnes和Cooper（1984）提出了BCC模型，将CCR模型中固定规模报酬（Constant Return to Scale，CRS）的假定放宽为变动规模报酬（Variable Return to Scale，VRS），即当不是所有的决策单元都以最佳的规模运行时，测算纯技术效率多大程度上影响了决策单元的技术效率。CCR模式下的技术效率可分解为BCC模式下的纯技术效率和规模效率。 织梦内容管理系统

BCC模型利用如下线性规划模型测算决策单元效率值：

本文来自织梦

（三）数据来源 dedecms.com

构建的指标体系中的6个指标：高技术产业新产品销售收入、技术市场成交合同金额、发明专利申请授权量、R&D人员、R&D经费投入以及高技术企业新增固定资产，数据由中国科技统计官网、《中国科技统计年鉴》、《中国高技术产业统计年鉴》以及数析网提供的数据库整理得到。为去除价格对各年指标的影响，采用了各年CPl指数对高技术产业新产品销售收入、技术市场成交合同金额、高技术产业新增固定资产以及R&D经费进行了平减处理，CPl指数来源于《中国统计年鉴》。为了平抑个别年份的异常值，将2006年至2014年9年的测算期分成三个时间段，即2006—2008年、2009—2011年及2012—2014年，各指标值为对应期间内三年的算数均值。 内容来自dedecms

（四）实证结果 本文来自织梦

1、2006—2014年十省市科技金融效率的变化趋势分析 dedecms.com

基于表1所构建的评价指标体系，分别采用CCR和BCC模型，运行Deap2.1软件测算三期间内三大经济圈十个省市科技金融投入的技术创新产出技术效率（CRS TE）、纯技术效率（VRS TE）、规模效率（SE）。技术效率可以分解为纯技术效率和规模效率，即CRS TE=VRS TE×SE。实证结果如表2所示。 copyright dedecms

技术效率值得分为1，表明该决策单元达到了纯技术有效和规模有效最佳状态。和其他决策单元相比，该决策单元的投入、产出处于一种相对均衡状态，实现了资源配置的最优状态。当技术效率值小于1时，则有可能是纯技术无效或者规模无效或者两者兼有。需要借助纯技术效率值和规模效率值进一步分析。当技术效率值在[0.9，1]之间时，意味着该决策单元处于相对有效的状态，该决策单元只要稍做调整，仍可达到投入、产出的有效水平。当技术效率值在[0.1，0.9]之间时，表明该决策单元处于明显非有效状态，需要从技术有效性和规模有效性上作出调整。当技术效率值处于[0，0.1]之间时，表明该决策单元几乎处于生产完全无效的状态。 内容来自dedecms

2006—2014年间，北京、广东科技金融投入一直处于技术效率有效。规模投入处于最佳状态，且实现了在既定投入下的产出最大化。上海、天津科技金融投入相对有效，CRS TE值均在0.95以上。天津在2006—2008年间实现了技术有效，其后规模效率有所下降，未达到规模效率最佳，处于规模收益递增状态。上海2009—2011年间规模效率小幅下降，随后经过调整2012—2014年间再次恢复到技术效率有效。其他六省市2006—2014年间始终处于明显非有效状态。在这六省市中江苏、浙江技术效率高于安徽、辽宁、河北、山东，处于不断改进状态。环渤海经济圈辽宁、河北、山东技术效率处于三大经济圈中的末位。辽宁在走下坡路，河北、山东基本无变化。

织梦内容管理系统

这六省市的技术无效体现在纯技术效率无效或规模效率无效，或者两者兼有。从表2中规模效率方面来看，山东、江苏、浙江的规模效率值在[0.845，0.995]。科技金融投入规模略做调整即可实现规模经济。河北、辽宁、安徽基本处于规模效率明显无效，科技金融投入不足，没有实现规模经济。2012—2014年，河北、辽宁、安徽的规模效率值仅分别为0.413、0.517、0.681，同时规模收益均处于递增状态，这三省应加大投入规模实现规模经济。值得注意的是辽宁科技金融规模效率逐年下降，这与东北三省经济大环境有关。河北科技金融规模效率则是震荡中继续下行。纯技术效率方面，河北、辽宁、安徽三省在2012—2014年间实现了纯技术有效，纯技术效率值为1，即实现了在既定投入下的产出的最大化。山东和江苏在纯技术效率方面还有较大的提升空间，即要注重技术改进、加强生产管理，在既定投入下提高产出或在既定产出下减少投入。2012—2014年十省市的投入冗余或产出不足的值见表3。 dedecms.com

如表3所示，北京、天津、河北、辽宁、上海、安徽和广东七省市在2012—2014年间实现了纯技术效率有效。在既定投入下实现了最大产出或在既定产出下实现了投入最小。山东、江苏、浙江则离目标值有一定差距。浙江非常接近投入、产出目标值。山东和江苏则离目标值有较大差距，技术实现和生产管理上需要进一步改进。山东主要问题是投入冗余，在此期间，年均R&D人员可以减少11.693万人，R&D经费支出可以减少268.515亿元，高技术产业新增固定资产应减少434.86亿元。江苏不仅存在投入冗余问题，还存在产出不足问题。年均技术市场成交合同金额离目标值相差314.323亿元，年均R&D人员则多投入了9.802万人，R&D经费、高新技术产业新增固定资产分别多支出249.093亿元、1184.874亿元。 织梦好，好织梦

2、2012—2014年三大经济圈十省市的科技金融效率排名与聚类分析

本文来自织梦

CCR—DEA模型只能区分技术有效和无效，对实现了技术有效的决策单元不能再加以区分。本文使用Lingo11软件，采用胡菊华（2015）提出的超效率DEA模型及其在Lingo中的实现方法，对这十省市2012年至2014年间的科技金融投入的超效率进行测算并排序，如表4所示。十省市中北京的超效率值最高，其科技金融效率领先于其他省市，反映出北京金融与科技实力的相对雄厚。紧随其后的是广东、上海，但与北京的水平有较大的差距。其他依次为天津、浙江、江苏、安徽、辽宁、山东和河北。

织梦内容管理系统

dedecms.com

通过两次DEA分析依据科技金融技术效率对这十个省市进行聚类分析。在第一次DEA分析结果中，取出3个有效单元，即北京、上海、广东。然后再进行第二次DEA分析，得到5个有效单元，分别为天津、江苏、辽宁、浙江和安徽。十省市的金融效率聚类结果如表5所示。

织梦好，好织梦

dedecms.com

综上分析，2006—2014年间，北京、天津、上海、广东四省市科技金融投入实现了或非常接近技术效率有效，即实现了在既定投入下的产出最大或既定产出下的投入最小的纯技术效率有效，同时规模投入实现了或接近最佳。江苏、浙江两省科技金融效率在持续提高中，主要是纯技术效率问题，投入冗余且部分产出指标不足。安徽、河北、辽宁、山东一直处于技术效率无效状态。安徽近年虽有所提高，但离最优状态还有较大距离。河北、山东停滞不前，辽宁则在走下坡路。总体上，三大经济圈长三角、珠三角科技金融效率较为均衡，科技金融效率处于较高水平，且处于上升期。相对而言，环渤海经济圈科技金融效率不均衡，北京、天津发展较好，河北、山东科技金融效率水平基本无增长，辽宁则处于倒退状态。

五、三大经济圈科技金融效率差异的成因分析 本文来自织梦

（一）科技金融效率与区域内企业的科技创新主体地位有关 copyright dedecms

科技创新主体是科技创新的主导者，科技金融服务的需求者，也是科技金融效率实现的载体。企业科技创新主体地位的发挥是科技创新产出的关键。广东企业的创新主体地位凸显，深圳尤为典型，深圳研发机构、研发人员、研发资金这些资源90％以上集中在企业。企业的经营活动以市场为导向，以应用研究为目标，科技成果转换率高，因此科技金融投入的效率也高。相比之下，偏重基础研究的科研机构、高校在北京、上海区域科研创新主体中的比例要高于深圳，因此相对产出效率受到影响。

本文来自织梦

（二）科技金融效率与区域内企业构成有关

民营中小型企业创新动能更强。面临市场激烈竞争时，中小型企业必须通过创新才能生存下来，技术创新是中小企业的核心竞争力。国有或外资企业与民营中小企业运营理念、目标以及激励约束机制有较大的差别，创新动能不足。因此区域内企业性质构成影响了科技金融产出。上海央企、地方国企、外资企业、民企比重接近1:1:1:1。相比于北京、上海，广东民营经济更发达。深圳90％以上都是民企和个体。中小企业多，创业创新氛围浓厚。中国城市竞争力研究会每年发布的“中国城市分类优势排行榜”，深圳已连续3年获评为最佳创新城市。环渤海经济圈中、小企业创新能力普遍要低于珠三角和长三角经济圈。 本文来自织梦

（三）科技金融效率与区域金融业发达程度有关

本文来自织梦

科技金融是服务于科技创新的金融安排，技术创新需要大量的金融支持，科技金融是技术创新资本的提供者。金融支持不仅为科技创新提供了资金来源，也有助于降低技术创新风险。三大经济圈十省市中，北京科技金融资源最为集中，北京是我国金融政策、规范的制定中心。国内外各大金融机构在北京都设有总部，大量金融资产也聚集在此。上海金融业发达，是上海的支柱产业，金融优势凸显，2015年上海金融业增长22.9％，总量超过北京126亿元，跃居全国首位。广东以深圳为代表，深圳紧邻香港，证券市场也很发达，深圳创业板市值虽不及上海主板，但为中小科技型企业提供了重要资金来源。其他七省市中，江苏、浙江民间金融非常发达，一定程度上补充了与第一梯队北京、上海、深圳相比的金融资源劣势。

（四）科技金融效率与区域内经济市场化程度有关 dedecms.com

企业在经济发展过程中的主体地位越突出、政府职能部门的服务意识更强，市场就更开放，市场化程度就越高。区域经济市场化程度越高，资源配置效率就越高。市场经济下的竞争机制、风险投资收益机制极大激发、鼓励了科技创新。充分竞争下，科研机构和金融机构可以从市场中获取必要信息组织研发或投资活动。以市场导向的科研活动目标明确、投资回报实现路径清晰、风险与收益对等，形成了科研创新的巨大动力，提高了金融资本的参与度。相反，政府过多干预造成了资源的浪费、创新活力不足、产出效率低下，降低了竞争者的积极性。按区域市场化平均程度高低排名，三大经济圈依次为珠三角、长三角和环渤海经济圈。城市中深圳经济市场化程度最高。 dedecms.com

（五）科技金融效率与区域产业集群的聚集度有关

copyright dedecms

区域产业集群有助于形成完备的产业链，促进创新效益的产生。竞争与合作是产业集群内企业的基本关系。产业内某一企业产业技术创新，会驱动产业链上其他企业竞争之下不断改进产品和服务。产业集群过程是创新系统的形成过程，集群内每个参与者既是创新信息源，又是创新信息接收终端，信息共享和相互信赖大大降低了科技创新的成本，极大促进了科技成果的产出。区域产业集群的创新效应、规模经济一旦形成，又会吸引更多的企业加入，区域创新效率取决于其集聚程度。浙江杭州的电子商务类产业，广东深圳的电子消费类产业、通讯产业就是典型的例子。珠三角、长三角经济圈培育了各自的支柱产业及配套产业，产业集群程度高。相对而言，环渤海经济圈支柱产业链较短，加之行政干预导致区域产业协作程度低，区域产业集群效应弱。 织梦好，好织梦

（六）科技金融效率与区域人力资本有关 本文来自织梦

科技创新是人力资本的一种实践活动，人力资本作为一种生产要素运用于经济生产活动中，人力资本和金融资本一样是科技金融效率的关键。首先需要足够的人才储备向市场提供人力资源，同时还要求人力资本结构的合理性以保持创造力的持续性。据第六次人口普查数据，三大经济圈中，人口净流出省份按高低排名依次为安徽、河北、山东。辽宁、山东面临人口流出与人口老龄化的双重压力。江苏的人口老龄化程度位居全国各省之首。北京、天津、河北、广东仍拥有人口红利相对优势。 织梦好，好织梦

六、发展建议 内容来自dedecms

（一）强化企业的创新主体地位，坚持市场需求导向创新路径 织梦内容管理系统

发挥企业的创新主体地位作用依赖于政策支持和市场环境。支持中小企业科技创新，政府应在科技财政支出方面加大对企业科研的投入比重。通过税收优惠对企业科技创新风险作出合理经济补偿，进一步降低企业研发成本和风险，鼓励企业开展科技活动、承担创新风险，激发企业创新活力。建立开放、平等、竞争的市场环境，加强知识产权保护，减少政府干预，发挥市场机制引导作用，实施优胜劣汰驱动市场主体创新。积极进行面向中小科技型企业的金融创新，为企业技术创新提供金融支持。从财政支出、税收、金融等全方位支持企业技术创新主体地位作用的发挥。

copyright dedecms

（二）放大公共财政的杠杆效应，引导商业金融支持技术创新

加强政府财政科技支出的管理，注重资金的利用效率，提高信息披露，以政府财政科技支出带动社会资本进入科技企业。放大公共金融的杠杆效应。政府通过财政补偿、贴息、存款支持等政策鼓励、引导商业银行进行科技贷款产品、模式、机制创新，改变当前中小科技型企业难以从商业银行获取资金的现状。大力发展创业风险投资基金、私募股权投资、产业投资基金等股权投资机构。相比于其他金融机构，股权投资机构的高收益要求与技术创新的高风险更对等。股权投资机构向科技企业不仅提供金融资本，还为企业带来价值增值服务。加快新三板、区域性股权交易市场多层级资本市场的建设，为中小高新技术企业提供融资途径，增加投资者投资及退出渠道，为技术创新者与投资者创造双赢机会，提高科技金融的规模效率与技术效率。

织梦好，好织梦

（三）积极转变政府职能，建设创新创业友好生态环境 内容来自dedecms

深化央企、国企改革，降低区域国有经济比重，加快民营经济发展，提高区域经济市场化程度，增强市场活力，减少政府对市场的干预，支持企业作为创新主体地位的发挥，积极转变政府管理角色向服务角色转变，提高服务水平。政府应利用资源优势搭建科技金融信息服务平台，减少信息不对称，降低交易成本。积极引进科技人才，创造条件留住人才。组织举办专业级、有规模、有影响力的科技论坛会议，为本地企业创造交流、学习的机会。简政放权，简化科技项目的审批手续，建立创新创业的友好生态环境，使创新创业人才能够全身心投入到创新创业的核心环节，提高效率。

（四）做大做强优势高技术产业，促进产业集群创新效应

内容来自dedecms

加快区域产业结构调整，实现产业转型升级，借助科技金融培育优势高技术产业，做大做强，促进产业集群，形成规模经济。政府应利用产业投资基金、市场化运作方式加大对新兴高技术产业的培育和现有高技术产业的支持。做好产业发展顶层设计，改变招商引资思路，按规划有选择地引进与区域要素禀赋相匹配的高技术产业，发展新高技术产业。或基于区域现有优势高技术产业，引进与现有优势产业相关联的配套产业，形成上下游完整的产业链，促进产业集聚技术溢出与创新效应的产生。有计划、逐步淘汰落后产能，释放生产力。 织梦内容管理系统

（五）加速创新人才队伍建设，培育创新创业友好环境

dedecms.com

积极推动产教相结合，加快应用型创新人才培养。积极实施领军人才培养工程，培养具有国际水平的科技领军人才。创新人才培养机制，全面提升人才培养质量。加大本土创新人才培养的同时，应采用多途径、多方式积极引进海外人才，增加人才储备、制造适度竞争压力。通过媒体在社会中广泛宣传崇尚创新、勇于探索的价值观。培育有创造力、敢于挑战、追求卓越的企业家精神。尊重知识，充分重视科研人员的劳动付出，完善薪酬激励机制，提高科研人员成果转化的收益比例，激发创新创业热情。通过以上一系列的机制、制度创新，形成有利于创新创业的良好环境。

参考文献： 本文来自织梦

1、曹颢、尤建新、卢锐、陈海洋：《我国科技金融发展指数实证研究》，《中国管理科学》2011年第3期。

2、杜栋、庞庆华、吴炎：《现代综合评价方法与案例精选》，清华大学出版社2015年版。

织梦好，好织梦

3、桂荷发：《从金融功能的视角来理解科技金融》，http：//kjjr.jxufe.edu.cn/rcostf/news-view.asp?newsid=45。

dedecms.com

4、胡菊华：《超效率DEA模型及其在Lingo中的实现》，《江西电力职业技术学院学报》2015年第4期。

织梦好，好织梦

5、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》，《金融发展研究》2015年第4期。

本文来自织梦

6、黄瑞芬、王环：《山东科技金融绩效评价——基于主成分分析的DEA研究路径》，《金融发展研究》2013年第10期。 dedecms.com

7、李雅丽、程震：《基于DEA的江西省科技金融投入产出相对效率分析》，《时代金融》2013年第2期。

8、秦健：《加快培育造就创新人才队伍》，《经济日报》2016年10月13日。 dedecms.com

9、宋慧：《山东省科技金融的效率评价及其影响因素分析》，山东财经大学硕士学位论文，2016年。

织梦内容管理系统

10、张玉喜、赵丽丽：《中国科技金融投入对科技创新的作用效果——基于静态和动态面板数据模型的实证研究》，《科学学研究》2015年第2期。 织梦内容管理系统

11、赵稚薇：《科技金融的技术创新效应研究——基于高技术产业省级面板数据的实证检验》，浙江工商大学硕士学位论文，2012年。

织梦好，好织梦