基于DEA模型的科技金融结合效率研究

相对有效性测算的一种系统分析方法。该方法是一种非参数前沿效率分析方法，相对于一般参数法有其独特的优点：一是在多个决策单元间进行相对有效性评价时，不必事先考虑指标的权重和确定投入产出指标间可能存在的函数关系，直接通过投入—产出判断决策单元是否处于生产前沿面，排除了许多主观因素，增强了评价结果的客观性;二是DEA模型既可对各决策单元进行评价及排序，又可指明非DEA有效的决策单元与最佳决策单元相比，在哪些投入产出项目上有冗余或不足，进而为决策者提供改进效率的最优途径。其基本模型有如下两种：
　　不变规模报酬模型（CCR），是假设在规模报酬不变条件下，将各项投入与产出的生产因子进行线性组合，以投入产出的线性组合比率表示整个集合的相对效率，作为DEA最基本模型用来评价决策单元的整体效率。
　　可变规模报酬模型（BCC），是为解决CCR模型无法进一步分析决策单元弱效率是由技术无效还是规模无效引起的缺陷而加以改善的，将假设条件由固定规模报酬放宽为变动规模报酬，分析当决策单元处于非有效状态时，有多大程度是由技术无效引起的。其CCR和BCC得分与决策单元效率之间的关系如表1所示。
　　（二）指标选取及数据来源
　　1.指标选取
　　本文金融投入与科技产出指标体系在借鉴相关学者研究的基础上，严格遵循指标选取的四大原则：一是目的性，不管是投入指标还是产出指标必须真实反映科技金融效率评价的目的，且对评价结果有较大影响;二是适当性，指标数量选取要适当，若指标过多将导致DMU数增加，降低DEA的评价功能，原则上投入指标要多于产出指标，且DMU数应多于投入与产出指标之和的两倍;三是可获得性，在我国还未形成科技金融指标体系的情况下，难免会有数据的缺失，因此为保证数据的真实有效，需选择易于获取的数据;四是多样性，投入与产出指标需多样化，提供多角度的效率评价参考。本文将经费投入（地方财政科技拨款和R&D经费内部支出）及人力资本投入（R&D人员总量）作为金融投入指标;直接产出（专利申请受理数）及间接产出（技术市场成交合同额）作为科技产出指标（见表2）。
　　2.样本选择及数据来源
　　本文涉及的样本为2016年30个省（自治区、直辖市）以及2002—2016年四川省的面板数据。在数据收集方面，考虑到金融投入与科技产出之间存在一定的滞后性，本文假定滞后期为一年，即文中采用的输出指标滞后输入指标一年，因此样本区间数据来源于2002—2017年的《中