0 引 言

十八大以来，科技部、中国人民银行将广东省作为首批促进科技和金融结合试点地区，因此本文以广东省科技与金融结合效率为研究对象，采用改进的AHP-DEA-Malmquist效率评价方法，计算出科技企业各单位投入与产出的效率，并结合实证结果分析广东省科技金融发展中的问题，为广东省乃至全国的科技金融发展提供参考政策，具有将科技与金融高效结合的现实意义。

θ∈(0,1)，β∈(0,1)，γ∈(0,1)，0<(θ+β)/γ<1，θ+β<1，pr

通过研读国内外关于科技与金融结合效率的相关文献，我们可以发现在此领域中，国外学者关于科技金融效率的研究更着眼于金融对科技的影响，以及国家的资源配置效率方面。Giannetti通过研究发现间接融资对高新技术的创新和产出能力具有很明显的正向作用[1]。Alessandro等从融资的角度分析科技与金融结合效率[2]。研究方法主要分为三类，国内关于科技金融效率的研究主要着眼于通过不同的研究方法和模型展开对科技金融结合效率研究。研究方法主要分为三类，张明喜在科技金融结合效率研究中采用的主观性较强的层次分析法[3]，杜金岷、李延军在区域效率研究中采用的基于数据包络模型的参数法[4-5]，以及罗嘉雯、陈敏在不同的融资模式效率分析中运用的基于随机函数的非参数法[6-7]。

通过上述文献的梳理，运用AHP方法对公司内部、外部资金来源、市场环境进行指标分层选取；沿用经典的DEA效率测算方法，同时在DEA模型前端引入改进的AHP方法计算指标权重，并引入Malmquist指数对静态DEA进行动态优化；同时研究对象上将广东省内各城市按照区域划分，研究了粤东、粤西和珠三角地区的科技与金融结合效率。

技能作品大赛引领了高职院校教学内容的改革和创新。根据人才培养模式的需要，制定了符合企业实际和学生学习兴趣的教学内容。以“项目教学”、“任务驱动”、“情景教学”为抓手，实施课堂教学模式改革，全面提升教学效率。技能作品大赛引领了职业院校课程教学内容改革，促进了相关课程的建设，使教学计划和教学内容更贴近生产实际，有效推进理论教学和实践教学相结合，提高了学生的学习参与兴趣，培养了学生的职业素养，提高了学生的职业技能，同时也促进了职业院校专业建设的发展。

1 研究设计

1.1 改进的AHP-DEA-Malmqusit效率测算基本步骤

第1步：对投入指标进行分层，采用AHP分层法，对各层指标进行归一化处理，计算各指标权重，并进行一致性检验。

我们台湾义勇队在金华、兰溪、衢州各开了一家医院，我没有去医院，就向李将军要求到一线部队抗日，李将军答应了，派我到兰溪驻防的八十六师，发挥我的日语特长，专做对敌宣传瓦解和俘虏审讯工作。

第2步：对分层后的投入指标运用DEA模型测算，得到每一层投入产出的效率值，按照步骤1中的权重对三层指标进行加权得到综合效率。

第3步：运用Malmquist指数对第2步中的静态DEA进行动态优化，在文中BCC-Malmquist选择三期的决策单元距离函数，将整体效率拆分成技术变化、纯技术效率、规模效率。

 

对广东省的科技金融效率研究使用的静态模型，为了研究广东省各地区的发展情况，本文引入Malmquist指数对21个地级市的科技金融效率进行整体分析和分解分析，并对21个地级市进行区域划分，比较各区域效率变化差异。区域实证结果如表2所示。

1.2 指标设计和数据说明

纵观微观、中观、宏观这三层指标的原始数据，微观指标变化基本在每年中处于效率相对较低的状态，说明广东省科技企业内部的金融支持力度有所欠缺；中观指标变化在每年中都处于相对效率较高的状态，说明广东省财政金融和金融机构对科技企业的支持力度相对较高。

本文以广东省高新区为研究对象，以科技与金融结合效率为研究内容，选取2005—2015年的广东省科技金融为总体样本。由于广东省各地区发展的不平衡，因此根据广东省政府对广州、深圳、珠海、汕头、佛山、韶关、河源、梅州、惠州、汕尾、东莞、中山、江门、阳江、湛江、茂名、肇庆、清远、潮州、揭阳、云浮这21个市高新区科技企业的支持，在研究整体效率的基础上，分析各地区的科技金融效率。

规划测算面积来自规划测量结果，没有专门的测绘报告，一般包含在设计文件中，而房产测量面积来自房产测绘结果，具有专门的测绘报告。两者的测量机构、测量依据、测量方法均不一致，出现差异属于正常情况。以测量依据为例，规划测算的现行依据主要是《建筑工程建筑面积计算规范》（GB/T50353-2013），房产测量的现行依据主要是《房产测量规范》（GB/T17986.1-2000）。两者对房屋面积的计算标准和方式本就存在一定程度上的差异，因此双方测量结果也不可能完全一致，如表1所示。

2 实证结果及分析

在大学英语教学改革的浪潮下，大学英语后续课程已经成为众多高校的课程建设目标，尤其是重点大学。大学英语后续课程是大学英语基础阶段（一、二年级）的延伸和拓展，是学校根据学生需求和社会需求给四级后的学生开设的各类大学英语应用提高阶段的课程[3]。为了顺应时代发展，符合学生个性化发展，满足学生自我需求，地方本科院校对大学英语后续课程进行需求分析是必然之路。本文将从实证角度出发，基于学生需求探讨本科院校大学英语后续课程建设的必要性，从而为后续课程建设提供参考依据。

引入Malmquist指数，对传统静态DEA模型进行动态分析，利用Matlab计算出上表的技术进步效率，对DEAP2.1计算结果进行均值整理，可以得出如下结论：①动态的技术进步效率均大于1，说明各城市的技术得到很大的改进，各地区的技术资源得到了充分的利用。但是21个地级市按照行政区域的划分技术进步效率大有不同，珠三角地区的技术进步效率明显高于其他地区，粤北地区的技术进步效率上升幅度缓慢，这说明广东省科技创新仍然主要集中于珠三角地区，偏山区的粤北地区在技术创新上有所欠缺。因此，粤北地区需要提高金融支持科技创新的效率，提高资源利用效率，促进科技成果有效转化，同时可以借助珠三角地区的技术进步的高效率，形成珠三角地区带动粤北地区的科技成果转化效率提升。但是从各地区的金融投入和科技产出来看，珠三角金融机构明显多于广东省其他地区，尤其是广州和深圳，广州和深圳的政府投资和民间金融资本较多，高科技企业也相对较多，粤西地区政府投资相对较多，金融机构和民间金融资源相对匮乏，粤北地区以发展农业和旅游业为主，金融资本对科技企业的支持力度还有待提升。②各地级市的规模效率处于弱有效，说明各地级市的科技企业尚未达到规模有效，需要提高科技企业投入，促进科技企业达到规模有效。从行政区域来看，规模效率的差异与技术进步效率的差异几乎一致，珠三角地区的科技金融产业相对较为完善，但珠三角内的城市有所差异，而粤东、粤西、粤北地区的规模效率明显偏低，说明这些地方的科技企业还有较大的空间扩大企业规模，以达到规模有效。

  

图1 广东省科技金融整体效率实证结果

从实证结果图1可以看出，微观指标、中观指标、宏观指标几乎呈现一致性变化，且在2004年、2005年、2013年三类指标都达到了有效投入。2013年整体效率有效主要得益于2012年广东省人民政府提出加快中小微企业转型升级的相关政策，加强对中小微企业的融资服务，并支持银行业金融机构加大对中小微企业的贷款规模，并根据企业的信用级别，建立了差异化的银行信贷制度，同时对财政资金的使用方式有所创新。同时从宏观层面来看，2013年的宏观经济环境在前期投入下有所改善，经济增速有所回升，自2008年政府为应对金融危机的影响，向市场投入4万亿，对金融发展科技提供了充足的资金支持和优异的宏观环境，并在科技企业的产出上逐渐有所体现，实现了我国金融科技的完美对接，保持了我国经济的可持续发展。

科技企业的发展除了科技企业自身的人员和科研经费的投入之外，外部政府的财政投入和金融企业的科技贷款也起到了很大的促进作用。除此之外，外部环境的变化，例如创业环境的优劣、政府的支持程度、市场波动性等对科技企业的发展都有一定的影响。故本文借鉴薛旭、李嵩然的金融支持技术进步的统计考量思想、广义的Cobb-Douglas函数模型进行计量分析以及任碧云对系统性风险预警指标体系的分类方法[8-9]，将拟选取的变量划分为微观、中观、宏观三类指标，分别度量不同层次指标对科技企业效率的贡献度。本文拟将科技企业自身的投入作为微观指标，将政府和金融机构对科技企业的投资作为中观指标，将广东省的经济增长速度、股市波动率、金融规模等外部环境作为宏观指标。其中，微观指标中科技人员数量、科研经费的投入的数据来源于广东省科技统计网站(www.sts.gd.cn)。中观指标中政府财政投入的数据来源于广东省科技统计网，商业银行资金支持的数据目前在广东省金融办数据中心还未公布，因此文中以广东省商业银行贷款总额来代替，数据来源于wind。民间金融的资金支持来源于民间金融街的金融办。宏观指标中经济增长率来源于广东省统计年鉴(www.gdstats.gov.cn)，选取股价波动率来源于证券市场，金融市场规模数据来源于wind和广东省统计年鉴。输出指标除了科技企业的产值之外，我们将科技发明以及科学技术市场成交量同样视为企业的产出。输出指标数据的来源为广东省科技统计网。

从图2中效率变化率的图形来看，广东省科技金融效率变化波动较大，上下围绕2005年作为参照值，2010年和2013年效率变化率几乎达到20%，且上下浮动，这说明了广东省科技金融效率稳定性不足，可能是与广东省科技金融投入和宏观经济环境有关。从图形中可以看出，2007年广东省科技金融效率变化率处于负值，但是2008年变化率处于正值，说明金融危机对广东省的影响主要在2007年，2008年广东省通过大力发展科技企业，经济状况得到了明显的改善。但是从2008—2013年，科技金融效率变化率的幅度开始拉大，主要是因为金融危机之后，广东省政府在国家带领下，扩大内需刺激需求和投资，财政金融支持逐步投入到科技企业中，但是金融危机后中央投入4万亿刺激经济，广东省作为国家重点财政资金支持对象，对科技企业的支持力度远超金融危机之前，但是产出效应却在滞后两期呈现，造成2010年变化率大幅下降，而2011年效率变化率大幅上升的剧烈波动现象(见表1)。

  

图2 广东省科技金融整体效率变化率

由表1可知，近12年来广东省科技金融纯技术效率良好，其原因是受益于广东省科技企业处于的规模报酬，其处于规模报酬递增阶段，但是广东省科技金融规模效率除了2004年、2005年、2013年有效之外，其他年份均为弱有效，说明科技企业的投入对其规模的变化并非完全有效，存在投入资源浪费的情况，尤其是2014年，在科技企业内部科研投入和外部金融以及政府投入有效的情况下，宏观环境对科技企业的产出的贡献为弱有效。广东省科技企业微观和中观层面对科技企业的金融投入对科技企业产出水平影响不大，鉴于广东省科技企业规模参差不齐，且大多处于中小规模发展阶段，因此可能是各层投入指标比例导致广东省科技企业规模报酬处于递减状态，分析原始数据，发现广东省微观层面的投入远远低于中观层面的金融投入，说明科技企业应该在获得中观层面金融支持的同时，也应该注重微观层面自身的投入，调整适当的投入比例，提高产出效率。从实证结果总体来看，广东省整体投入产出比较均衡，除了2008年受经济危机的影响，投入明显不足，2010年和2012年投入稍有不足，从2011年，中国科信局提出大力发展科技金融以来，财政部和金融机构对科技金融的支持力度明显增大，广东省的投入有所增加，产出也在大幅增加，科技企业的整体效率有所提升。

3月22日，陈伯达向毛泽东报送了一份关于农村分配问题的调查材料。材料中说，河北省霸县堂二里一位贫农说，“别看现在出勤的不少，但不出活。”“主要因为不按劳分配，干活没有劲”。广东省的一位贫农代表说，“实行三七开，不光劳力多的拥护，就是我这劳力少的也拥护。因为不实行三七开，工分不值钱，劳动力多的就不好好生产。生产搞不好，供给部分再大也得不到什么东西。”高鹤县委的干部说，“我们作过调查，有百分之八十的人要求供给与工资三七开，并实行工分带粮。”［2］456－457毛泽东看到农民和干部的反映后，立即作出批示说，这是一个全国性问题，必须迅速解决。

 

表1 广东省科技金融纯技术效率实证结果

  

年份微观中观宏观综合20041.0001.0001.0001.00020051.0001.0001.0001.00020060.8120.8940.8730.86220070.7400.8510.8510.81320080.8390.9470.9290.90720090.9280.9460.9370.93820100.7620.7640.7690.76420110.7470.8160.7770.78620120.8210.8750.8420.80120131.0001.0001.0001.00020141.0001.0000.9340.98820150.9480.8770.8930.904

第4步：根据DEA模型建立三项评判准则判断广东省的科技金融效率。

根据近12年测算结果可以得到如下结论。①可以看出广东各地级市的科技金融效率呈现下降趋势，其中广州、深圳、珠海的科技金融效率多年处于前沿面，珠三角地区在科技金融上的投入较多，效率也较高，同时珠三角地区的科技企业对科技投入较多，技术进步效率较大；云浮、湛江、清远等地的科技金融效率长期较低，这些地区的科技金融投入较低，技术成熟性有所欠缺，效率也相对较低；说明广东省各城市的金融投入对当地的科技产出效率有正向作用，对技术进步也有较大影响。②从2004年到2008年，广东省各地级市整体效率呈现下降趋势，且珠三角地区下降幅度大于其他地区，2007年部分城市达到了近12年来的最低效率值，这与2008年爆发的金融危机可能有密切关系。2009—2015年，各地级市的科技金融效率回升，并逐步出现规模报酬递增的现象，这可能与金融危机之后，广东省加大对科技的投入，并出台了相关的科技扶持政策有关。

在选取这些指标是否适合的问题上，通过测算结果发现广东省科技产出不存在滞后性，因此可以使用当期投入产出指标进行实证；根据该模型可知，上述微观、中观、宏观指标对产出指标存在不同程度的影响，其中广东省金融贷款支持对广东省科技产出影响最为显著。其中本文在产出方面用各输出指标之和作为科技企业的总产出。

 

表2 广东省各地级市2004—2015年科技金融效率均值

  

区域地区整体效率技术进步效率纯技术效率规模效率规模报酬珠三角广州0.3781.3490.4270.402Drs深圳0.5491.3620.5620.551Drs珠海0.4741.3520.4920.483Drs东莞0.4701.3470.5230.492Drs中山0.5611.3290.6120.587Drs惠州0.4571.2150.4890.468Drs江门0.4611.2940.4980.472Drs阳江0.4521.1830.4740.463Drs佛山0.4651.2560.5190.482Drs粤东汕头0.4531.2830.4820.472Drs揭阳0.4451.2740.4730.461Drs汕尾0.4451.2690.4820.459Drs河源0.4631.2480.5030.478Drs梅州0.4311.1930.4680.469Drs潮州0.4131.0890.4420.426Drs粤西湛江0.4191.1780.4520.435Drs茂名0.4141.1040.4480.429Drs肇庆0.4021.0680.4210.419Drs云浮0.3821.0470.4020.395Drs粤北清远0.3931.0530.4190.408Drs韶关0.3761.0230.3870.362Drs

资料来源：DEAP2.1软件测算并整理整体效率、纯技术效率、规模效率、规模报酬，Matlab测算技术进步效率

根据改进的AHP的实证分析，分别对微观指标、中观指标、宏观指标的二级指标进行测算其权重，测算结果为：w1=[0.31 0.56 0.13]，w2=[0.42 0.36 0.22]，w3=[0.35 0.27 0.38]。将AHP测算的结果作为DEA中各指标的权重，在DEA模型中广东省科技金融整体效率的计算结果如图1所示。

3 结论与展望

广东省在“十二五”期间大力发展科技金融，通过加大政府投入、引入民间金融投资渠道、加快科技金融服务平台建设，已达到提高金融资本对科技企业的支持效率的目的。本文为研究广东省科技金融结合效率状况，采用了AHP-DEA-Malmquist相结合的方法对广东省2004—2015年科技与金融结合整体效率进行了实证分析，并对21个地级市的金融对科技的支持效率进行了分解分析。通过实证研究，得到如下结论：

第一，微观指标、中观指标、宏观指标这三层指标几乎呈现一致性变化，且近12年广东省科技金融整体效率近似呈现W型趋势。其中，中观层面，即政府投入和金融机构的投入产出效率高于微观和宏观层面效率，说明科技企业的金融支持主要来自政府和金融机构。

例6（2008年全国理科Ⅰ卷）如图，一环形花坛分成A，B，C，D四块，现有4种不同的花供选种，要求在每块里种1种花，且相邻的2块种不同的花，则不同的种法总数为（ ）

第二，广东省科技金融的整体效率波动性较大，说明广东省科技金融效率稳定性不足，作为沿海省份的广东，科技金融效率与宏观经济环境密切相关。在金融危机前后，科技金融整体效率波动异常剧烈。

第三，广东省的科技金融纯技术效率良好，其原因为受益于广东省科技企业处于的规模报酬，其处于规模报酬递增阶段，但是广东省科技金融规模效率除了2004、2005、2013年有效之外，其他年份均为弱有效，说明科技企业的投入对其规模的变化并非完全有效，存在投入资源浪费的情况。

第四，从静态的各地市级科技金融效率实证结果来看，广东省各地级市的科技金融效率呈现下降趋势，珠三角地区在科技金融上的投入较多，效率也较高，同时珠三角地区的科技企业对科技投入较多，技术进步效率较大，说明广东省各城市的金融投入对当地的科技产出效率有正向作用，对技术进步也有较大影响。

第五，但从引入Malmquist指数的动态科技金融效率实证结果来看，动态的技术进步效率均大于1，说明各城市的科技创新技术得到很大的改进。但是21个地级市按照行政区域的划分技术进步效率大有不同，珠三角地区的技术进步效率明显高于其他地区，粤北地区的技术进步效率上升幅度缓慢，这说明广东省科技创新和规模效率仍然主要集中于珠三角地区，偏山区的粤北地区在技术创新上有所欠缺。

参考文献

[ 1 ] GIANNETTI C. Relationship lending and firm innovativeness[J].Journal of Empirical Finance, 2012,19(5): 762-781.

[ 2 ] LUIGI B, FABIO S, ALESSANDRO S. Banks and Innovation: Microeconometric Evidence on Italian Firms[J]. Journal of Financial Economics, 2008, 90(2): 197-217.

[ 3 ] 张明喜. 我国科技金融结合效率的初步评价[J]. 海南金融, 2015(9):32-36.

[ 4 ] 杜金岷, 梁岭, 吕寒. 中国区域科技金融效率研究——基于三阶段DEA模型分析[J]. 金融经济学研究, 2016(6): 84-93.

[ 5 ] 李延军,王海川. 基于Malmquist-Tobit模型的京津冀区域金融效率及影响因素分析[J]. 金融发展研究, 2016(3):18-23.

[ 6 ] 罗嘉雯, 陈浪南. 金融发展影响科技创新的实证研究[J]. 中国科技论坛, 2013(8): 128-133.

[ 7 ] 陈敏,李建民. 金融中介对我国区域科技创新效率的影响研究—基于随机前沿的距离函数模型[J]. 中国科技论坛, 2012(11):85-90.

[ 8 ] 薛昶,李嵩然. 金融支持技术进步的统计考量[J]. 统计与决策, 2012(22):143-145.

[ 9 ] 任碧云,伍毅. 基于AHP-DEA的中国金融系统性风险预警指标体系研究进步[J]. 经济问题, 2015(1):45-49.