基于DEA模型的科技金融结合效率研究

ash;2003年、2005年、2007年、2011—2012年、2015—2016年BCC得分为1，说明这8年用于技术水平提升和科研能力增强的投入均高效的转化为了科技产出;2006年、2009—2010年、2013—2014年这5年的纯技术效率处于相对有效状态，稍加调整即可达到均衡状态;剩下的2004年和2008年这两年的BCC得分均小于0.9，说明科技创新能力欠佳，对科技产出的支撑作用尚未凸显等。
　　当纯技术效率未达到有效状态时，DEA处于弱有效，若想达到均衡状态，需通过技术的径向调整和要素配置的松弛调整，经过调整的数据表现为投入冗余或产出不足（见表5）。如四川省在2004年、2006年、2008—2010年、2013—2014年这7年中，各项金融投入均偏多，出现冗余，而相应技术市场成交合同额产出不足。因此，在控制金融投入的同时加大技术创新及优化金融投入管理，使金融投入均衡的转化为科技产出。
　　3.规模有效性结果分析
　　规模效率是总体效率（CCR）与纯技术效率（BCC）的比值，其得分反映当DUM处于非有效状态时，有多大程度是由规模无效引起的。从表4规模效率的结果分析，四川省2002—2016年仅2015年和2016年的规模效率得分为1，表明这两年金融投入适当，实现了一定产出下的最小投入;2002—2014年规模效率均未达到有效状态，其中，2002—2007年规模效率值均小于0.9，表明四川省在这6年间科技金融投入规模不高，且这种规模投入也未能完全转化为科技产出，但这种情况随着2008年四川省科技金融在财政科技拨款、R&D人员总量及R&D内部经费支出上的投入较2007年分别增长了近42.62%、14.98%及29.07%的基础上，其规模效率也由非有效转化为了相对有效状态，由此说明提高四川省科技金融投入能一定程度上促进其效率提高。此外，表4显示四川省科技金融规模报酬处于递增状态，即各金融投入要素增加时，科技产出的增加比重大于投入的变化比重，因此应适当增加金融投入规模来促进产出增加。
　　（三）我国金融支持科技创新效率的聚类分析
　　为进一步明确四川省科技金融结合效率在全国科技金融结合效率中的排序，本文运用SPSS 17.0软件对2016年30个省级科技金融结合效率值进行K-均值聚类分析，将其划分为5层级（高效层、中高效层、中效层、中低效层、低效层），分析结果如表6所示。其中，四川省科技金融效率处于高效层，说明四川省在立足自身实际的基础上走出了一条科技金融效率的“四川模式”，但同时也应注意到在与高