科技金融政策效率研究

全文总计 10476 字,阅读时间 27 分钟,快速浏览仅需 6 分钟。

副标题:——以京津冀地区为例

英文标题:A Study on the Efficiency of Sci-tech Finance Policy:Evidence from Beijing-Tianjin-Hebei Region

内容摘要:根据政策量化标准手册对京津冀地区2006-2017年间颁布的科技金融政策进行量化分析,构建科技产出指标体系,结合专家会议法与熵值法对京津冀科技产出进行测算,运用灰色关联度方法分析京津冀科技金融政策与科技产出之间的关系进而进行科技金融政策的效率评价。研究结果表明:京冀两地科技金融政策效率较为合理,天津市科技金融政策效率较低,京津冀科技金融政策效力均未充分释放,科技金融政策效率仍可提高。

关键词:科技金融政策,京津冀,熵值法,灰色关联度

GB/T 7714-2015 格式引文:[1].科技金融政策效率研究.[J]或者报纸[N].北京联合大学学报:人文社会科学版,(20183):116-124

正文内容

  [中图分类号]F832.72 [文献标志码]A [文章编号]1672-4917(2018)03-0116-09

  党的十九大报告提出,创新是引领发展的第一动力,是建设现代化经济体系的战略支撑。科技金融作为以培育高附加价值产业、创造高薪就业岗位、提升经济体整体竞争力为目标,促进技术资本、创新资本与企业家资本等创新要素深度融合、深度聚合的一种新经济范式[1]正得到理论界和实务界的广泛关注。政策是科技金融的灵魂,它在促进全社会加大研发与创新投入,促进科技开发、成果转化和高新技术产业发展中是关键的系统性、制度性安排。当前全国上下贯彻落实十九大精神,加快实施创新驱动战略、建设创新型国家,如何对科技金融政策进行有效量化,探寻科技产出与科技金融政策投入之间的联系,提升科技金融政策的效率,这些都是亟待关注和探讨的问题。

  京津冀地区是全国创新资源最聚集、综合创新能力最强大的地区,经济发展整体上已进入创新驱动阶段,需要在全国创新驱动发展中发挥支撑和引领作用[2]。但是《中国区域科技创新评价报告2016-2017》显示,北京和天津的科技创新综合实力位于全国第一梯队,而河北省的科技创新综合水平排名靠后,这说明京津冀地区的科技创新水平并不均衡,这种不均衡背后政策的因素占比多大?该地区科技金融政策效用是否充分发挥?在科技金融政策制定过程中三地如何进行有效的协同?这些都是值得深入研究的问题。

  一、文献综述

  科技金融政策作为一种制度安排,主要以文本形式呈现,由于无法将政策文本直接代入公式和模型进行运算,使得对其研究与评价相对困难,因此需要运用一定的方法对科技金融政策进行量化。描述性统计分析是科技金融政策量化的一种方法,唐五湘等(2013)通过描述性统计对科技金融政策进行量化,以北京市2001-2012年间的科技金融政策文本为研究对象,在科技金融政策文本主题、主体、作用面、主体与主题交互关系4个方面进行数量上的统计分析,研究结果表明,北京市的科技金融政策存在颁布部门职责不清、政策协同不够以及政策覆盖面范围较小等问题[3]。由于科技金融政策文本内容较为复杂,除从政策本身进行量化之外,还可从政策的外部效果对政策进行量化。苑泽明等(2016)通过对科技型中小企业发放问卷,并针对具体政策的落实情况进行统计分析,从而实现了科技金融政策的量化[4]。刘湘云等(2017)构建了科技金融政策效果指标体系,从金融环境、经济效益、科技投入和科技产出四个方面对科技金融政策进行衡量,并实证检验了广东省2006-2016年的科技金融政策效果,结果表明广东省科技金融发展水平从2006-2016年间不断上升,在科技金融政策效果中,金融环境和科技投入受宏观经济影响波动较大,科技产出一直保持稳定增长[5]。定性评价主要依赖于对政策文本内容的统计和梳理,缺乏数理层面的研究和挖掘,而定量评价可以更客观、准确地评价科技金融政策,程欣炜(2014)以江苏省450家中小企业(含133家科技型中小企业和317家一般中小企业)的分层抽样和问卷调查从企业、银行、政府和贷款本身等4个角度构建融资特征指标体系,运用二元Probit模型,对比考察了科技型中小企业与一般中小企业在商业银行融资影响因素上的相同点和差异性,研究结果表明企业类型、金融优惠政策和是否进驻园区对科技型中小企业融资难易程度的影响不大[6]。武志伟等(2016)以江苏省13个省辖市的科技型企业作为研究对象,运用描述性统计方法对科技金融政策进行量化,并结合灰色关联度等方法对科技企业绩效与科技金融政策绩效进行分析,结果显示,科技金融政策出台数量的多少与科技型企业发展的关联度最低,而高新技术企业孵化器数量是科技型企业发展最重要的影响因素[7]。

  科技产出水平的方法与研究很多,由于科技投入与科技产出具有极强的相关性,并且科技投入的数据更容易获得,因此,一种简单的方法就是直接利用科技投入来衡量科技产出,显而易见,此种方法忽视了科技投入转化为科技产出的效率问题,二者并不能完全替代;另一种方法是以科技产出的某方面指标来衡量整体的科技产出,比如专利数、论文数等,何丹等(2017)曾选取专利授权量、新产品销售收入、技术交易合同成交量以及技术交易额作为衡量科技创新程度的产出指标,并对我国19个主要省份的金融支持科技创新效率进行实证分析[8],但此种科技产出衡量方式对科技产出的评价不够全面,会造成研究结果的偏误和偶然性;编制专门的科技产出指数可以直观、综合地衡量科技产出水平,并且易于比较,但由于指数的构成指标相对固定,灵活性较低,导致在经济社会发生巨大变迁的背景下,指标难以得到及时修正。在科技产出评价的维度方面,吕晨等(2015)从直接产出与间接产出两个方面评价科技产出水平,并对中国区域科技产出进行评价研究[9];陈文军等(2014)在专利产出与科技产业化产出两个方面对科技产出进行衡量,并应用构建的城市科技竞争力评价指标体系,对江苏省主要城市的科技竞争力进行比较研究[10]。对于科技产出指标权重的确定方法,目前主要有3种:主观赋权法、客观赋权法以及组合赋权法。傅春等(2017)曾在科技竞争力评价指标体系的构建中,采用熵值法对各项指标进行客观赋权,并结合超效率DEA方法测算了我国中部6省的科技资源配置效率[11]。

  综上所述,目前对科技金融政策的量化主要通过描述性统计分析、选取替代指标等方式,忽视了政策本身的内容;尚未存在直接评价科技金融政策效率的指标,科技金融政策评价主要是针对单个研究对象的纵向分析,结合多个对象的横向比较分析数量较少。为此,本文将全面搜集2006-2017年间京津冀三地各级各类政府颁布的科技金融政策,对其政策量化结果进行描述性分析;从直接科技产出与间接科技产出两个方面构建科技产出指标体系,利用专家会议法和熵值法确定科技产出指标权重对京津冀三地科技产出进行对比分析;运用灰色关联度方法检验京津冀科技金融政策对科技产出的作用,进而评价京津冀三地的科技金融政策效率。

  二、科技金融政策效率评价的过程与方法

  (一)政策文本量化

  政策作为一种制度安排,通常都是以文本方式呈现,无法将其直接代入公式、模型中进行运算,因此需要对政策进行量化,对各政策文本进行数值化处理。关于政策量化的具体方法,彭纪生和仲为国(2008)以技术创新政策为案例,在政策量化方面做出了有意义的探索性研究,制定出了一套政策量化标准的具体操作手册[12]。本文将借鉴该手册,对京津冀地区的科技金融政策进行打分量化。为保证政策的内容和效度能够全面地被反映,本文在政策力度、政策目标和政策措施三个方面对每项政策进行打分,其中,根据科技金融政策内容的具体特点,又将政策措施在科技金融主体、科技金融产品和科技金融环境3个维度进行细分。在评判标准中,政策力度主要根据发文机构的权利大小,政策目标主要根据政策中目标描述语气的强弱程度和详细程度,政策措施主要根据政策中所提及措施的具体程度依次从0~5进行打分,确定单一政策的最终量化值,最后,单一年度政策的最终量化值为年度内所有政策的最终量化值的加和,具体计算如公式(1)所示:

  

  式中i为得分政策的发表省份;t为得分政策的发表时间;j为第i个省份、第t年颁布的第j项政策;n为第i个省份、第t年颁布的政策的项数;()为第j项政策的政策目标(goal)和政策措施(measure)的得分;为第j条政策的力度(power)得分;为第i个省份、第t年科技金融政策内容的力度、目标和措施的整体状况。

  (二)科技产出综合评价

  本文拟采取建立科技产出指标体系的方式来评价科技产出水平,从直接产出与间接产出两个方面选取具体的科技产出指标,并且采用组合赋权法来确定指标体系中各指标的权重,本文的组合赋权法将主观赋权法与客观赋权法进行组合,具体是指将专家会议法与熵值法进行组合,此种组合赋权方式可以在考虑主观认知经验的情况下充分利用客观基础数据,相比于单一的赋权方式,组合赋权法具有更大的合理性、灵活性和科学性。

  1.科技产出指标体系

  科技产出是有关科技的投入及相关活动所产生的成果,具体可以分为科技活动的直接产出和间接产出两个方面。科技直接产出主要包括科技论文、专利和专著等;科技间接产出主要是指科技成果的市场化,体现为对社会经济发展的贡献。本文选取直接科技产出与间接科技产出作为科技产出指标体系的一级指标,在每个一级指标下选取3个有代表性的科技产出指标作为二级指标来构建科技产出指标体系。具体来看,在直接科技产出中,选择科技论文数反映直接的科技文化成果产出情况,发明专利授权数反映直接的科技创新成果产出,高技术产业R & D项目数反映科技创新强度的变化情况;在间接科技产出中,选择技术市场成交额反映科技成果市场的整体交易情况,选择新产品销售收入反映科技新产品的产出情况,选择高技术产业主营业务收入反映高技术产业整体发展情况。其中,国外主要检索工具收录科技论文的数量和国内发明专利申请授权数的数据来源于《中国科技统计年鉴》,高技术产业R & D项目数、高技术产业新产品销售收入和高技术产业主营业务收入的数据来源于《中国高技术产业统计年鉴》,技术市场成交额的数据来源于《中国统计年鉴》。

  2.指标权重的确定

  本文分别对科技产出指标体系中的一级指标和二级指标进行赋权,针对一级指标,采用专家会议法通过主观赋权确定直接科技产出指标与间接科技产出指标的权重,专家对各属性的重视程度来决定指标的权重,本研究寻找了相关领域的数名专家,分别对直接科技产出指标与间接科技产出指标重要程度打分,并经过讨论研究最终确定出一级指标层各项权重;针对二级指标,采用熵值法对各项二级指标进行客观赋权。

  “熵”这个概念最初来源于热力学,后来被引入统计物理、化学以及生物学等领域。信息熵反应的是指标信息的效用价值,是对一个不确定的随机事件的度量。熵值法的出发点是根据评价指标值之间的差异程度来确定权重系数,[13]其核心是确定各指标数据的差异性。如果一个事件的随机性越强,对应的熵值就越大;反之,若事件的确定性越强,直到成为必然事件,则熵值就变为零[14]。指标的权重与该指标所包含的信息量相关联,因此,可以利用信息熵这个工具,计算出各个指标的权重。熵权法根据评价指标值之间的差异程度来确定权重系数,其核心是确定各指标数据的差异性,若某一指标观测值数据差别越大,则该指标对系统的比较作用就越大,即其在整个系统中包含和传递的信息越大,因而赋予该项指标较高的权重。

  熵值法确定指标权重系数的具体步骤如下:

  

  科技产出指标体系中各项指标及其权重如表1所示,在科技产出的综合评价中,直接科技产出和间接科技产出的权重占比为(0.428,0.572),表明间接科技产出成果略重要于直接科技产出成果;在直接科技产出的评价中,国外主要检索工具收录科技论文的数量、国内发明专利申请授权数、高技术产业R & D项目数的权重占比为(0.39,0.489,0.115),其中国内发明专利申请授权数是直接科技产出的主要体现形式;在间接科技产出的评价中,技术市场成交额、高技术产业新产品销售收入、高技术产业主营业务收入的权重占比为(0.649,0.238,0.113),其中技术市场成交额是间接科技产出的主要体现形式。

  

  (三)基于灰色关联度的科技金融政策投入与科技产出分析

  灰色系统理论是1982年由邓聚龙教授提出,其中的灰色关联度分析(Grey Relational Analysis),作为衡量因素间关联程度的一种方法,已经在社会、经济、生态等领域得到了广泛的应用。灰色关联度分析是基于行为因子序列曲线几何形状的相似程度,以分析和确定相应序列之间的关联度[15]。序列曲线越接近,则相应序列间的关联度就越强,可由此推断二者的内在联系就越大。相比于回归分析法,灰色关联度分析对样本数据的要求更低,它是研究“少数据”“贫信息”不确定问题的新方法,其特点是“少数据建模”,弥补了相关分析的不足,对样本容量和数据分布没有特别要求,因而被广泛应用于社会经济分析的各个领域。

  本文通过计算科技金融政策投入与科技产出之间的灰色关联度来评价京科技金融政策效率。具体步骤如下:

  (1)确定分析序列。设参考序列为(t)(i=1,2,…,s;t=1,2,…,m),比较序列为(t)(j=1,2,…,n),其中,i代表参考序列;s表示参考序列的个数;j代表比较序列;n表示比较序列的个数;m代表各序列长度,参考序列与比较序列长度相等。本文参考序列为科技金融政策量化值序列,比较序列为科技产出指标值序列。

  (2)进行无量纲化处理。由于参考序列与比较序列中各指标的量纲和数量级都不完全相同,不能直接进行运算和比较,需对序列进行无量纲化处理。鉴于本文已对科技产出指标采用了极差标准化的无量纲化处理,为保证参考序列和比较序列无量纲化方法的一致性,因此对科技金融政策量化值序列同样采用极差标准化方法进行无量纲化处理。

  

  根据经验,当分辨系数ρ=0.5,>0.6时,分析结果是比较理想的,表明两个因素之间的关联度较强,并且灰色关联度取值越大,表明二者关联度越强。

  三、京津冀科技金融政策效率的测算与分析

  (一)京津冀科技金融政策文本的量化分析

  科技金融政策是为科学技术发展提供融资、保险、投资等金融方面支持的一种制度方式。科技金融政策具体将在需求、供给、环境与综合四个作用面产生政策效果,在不同的作用面下,科技金融政策还可以分为不同的政策主题。在与科技金融相关的规划和计划方面,有以战略规划为主题的科技金融政策,如北京市人民政府在2006年颁布的《关于印发北京市“十一五”时期中关村科技园区发展规划的通知》;在提供的各项科技金融服务方面,分别有以“科技贷款”“科技保险”“创业风险投资”“科技担保”“融资租赁”“政府采购”为主题的科技金融政策,如北京市科学技术委员会在2009年颁布的《关于启动2009年度“科技保险”保费补贴工作的通知》、天津市科学技术委员会在2013年颁布的《关于加快落实2013年科技型中小企业技术创新资金项目打包贷款工作的通知》、河北省人民政府在2009年颁布的《关于加强全省中小企业融资性担保体系建设的实施意见》;在优化科技金融生态环境方面,分别有以“科技资本市场”“科技金融中介”“孵化机构”“科技产业”“科技企业”“信用体系”“信息共享”“人才激励”“综合型”为主题的科技金融政策,如北京市科学技术委员等6部门在2010年联合颁布的《北京市关于进一步加强科技孵化体系建设的若干意见》、天津市人民政府在2010年颁布的《关于印发支持科技型中小企业发展若干政策的通知》、河北省人民政府在2015年颁布的《关于发展众创空间推进大众创新创业的实施意见》。

  本文设定“科技金融”“企业融资”“技术创新”“孵化器”“科技贷款”“风险投资”“科技担保”等17个关键词作为法规全文检索词,在《中国法律检索系统》(北大法宝)中对2005-2017年间京津冀地区20多个政府部门单独或共同颁布的科技金融政策进行了搜集和整理,并进行必要的筛选与剔除后,最终纳入研究样本的科技金融政策共计736项,其中北京市233项、天津市302项、河北省201项。

  京津冀三地2006-2017年科技金融政策量化结果如表2、图1所示,由此可以看出京津冀三地的科技金融政策量化值整体呈逐年上升趋势,且在2011年以来均有较大提高,这说明京津冀地区落实国家《中长期科学技术发展纲要》加大了对科技的政策投入。从三地间比较来看,北京市科技金融政策水平较高,河北省和天津市的科技金融政策水平相当。

  

  

  图1 京津冀2006-2017年科技金融政策量化值

  (二)京津冀科技产出的综合评价

  由于各科技产出指标具有不同的数量级或量纲,不能直接进行加权求和,所以首先要对各科技产出指标进行归一化处理。本文采用极差标准化的方法对六个科技产出指标进行归一化处理,对于正向指标的操作如公式⑧所示:

  

  式中为归一化处理后的标准值;为各项指标的原始值;分别为各类指标中的最小值和最大值。

  根据以上公式,京津冀三地在2006-2015年间各具体指标的标准化科技产出值如表3所示,表3反映了每个科技产出指标下不同省份、不同年份科技产出值的相对大小,指标科技产出最大值取1,最小值取0。从具体地区来看,国外主要检索工具收录科技论文数量最多为北京市(2015)、最少为河北省(2006);国内发明专利申请授权数最大为北京市(2015)、最小为河北省(2006);高技术产业R & D项目数最多为北京市(2013)、最少为河北省(2007);技术市场成交额最大为北京市(2015)、最小为河北省(2006);新产品销售收入最多为天津市(2014)、最小为河北省(2006);高技术产业主营业务收入最多为天津市(2014)、最少为河北省(2006)。据此可发现,各科技产出指标最大值均在京津两地,其中北京居多,而最小值全部出现在河北省,并且集中分布在2006年。

  结合各具体指标的数据,再将各指标按照熵值法确定的权重进行加权求和,得到标准化的综合科技产出值,如表4所示,其趋势图如图2所示。从中可看出,三地的科技产出在10年间均稳步上升;其中北京市科技产出水平最高,增长幅度最大,2015年的科技产出是2006年的4倍,体现出北京建设科技中心的成果;天津市科技产出水平居于中间,在2011年出现明显增长;河北省的科技产出与京津相比较为落后,科技产出增长较为平缓。

  

  图2 京津冀2006-2015年标准化综合科技产出值

  (三)京津冀科技金融政策效率分析

  采用前文的方法,首先测算京津冀三地科技金融政策与科技产出二级指标和综合指标的灰色关联度,具体结果如表5。由此可以分析得出:京津冀三地的科技金融政策与科技产出在2006-2015年期间整体上具有关联性,说明三地的科技金融政策整体有效,并且灰色关联度的取值范围为(0.523,0.778),以灰色关联度取值0.6为判断标准,则显著影响组合数为14,不显著影响组合数为4,其中,在不显著组合中,北京市占1项,天津市占3项,天津市科技论文数、专利数等直接科技产出效果不明显;在京津冀科技金融政策对所有科技产出指标的影响中,科技金融政策有效性最强作用于北京的国内发明专利申请授权数,有效性最弱作用于北京的高技术产业主营业务收入,表明北京市的科技金融政策对各科技产出指标的影响差异最大;根据京津冀三地科技金融政策与各科技产出指标的灰色关联度的排序,北京市取值前3位分别是(国内发明专利申请授权数>技术市场成交额>国外主要检索工具收录科技论文的数量),天津市取值前3位分别是(高技术产业主营业务收入>新产品销售收入>高技术产业R & D项目数),河北省取值前3位分别是(高技术产业主营业务收入>高技术产业R & D项目数>新产品销售收入),津冀的科技产出效果更为相似,北京市科技金融政策对直接科技产出更为有效,而天津市与河北省的科技金融政策对间接科技产出更为有效;在各科技产出指标中,京津冀三地科技金融政策效果均有效的指标为(高技术产业R & D项目数、新产品销售收入),表明科技金融政策对高科技产业项目投入以及科技新产品开发有较为直接和普遍的影响。

  

  为了更直观地评价京津冀三地的科技金融政策效率,将前文中6个科技产出指标通过熵值法转化为1个科技产出综合指标,再分别计算出京津冀三地科技金融政策量化值与科技产出综合指标的灰色关联度,以此作为京津冀科技金融政策效率的衡量指标,用来评价和比较京津冀三地科技金融政策效率,具体结果如表6所示。

  

  表6直接反映了京津冀三地在2006-2015年的科技金融政策效率,以0.6作为灰色关联度取值的判别标准,则北京市(0.653)与河北省(0.672)科技金融政策与科技产出的关联度较强,而天津市(0.570)科技金融政策与科技产出的关联度较弱,表明京冀的科技金融政策取得了预期的效果;比较来看,河北省的科技金融政策效率略高于北京市,天津市的科技金融政策效率最低,未能产生理想的科技产出效果;对于京冀两地来说,尽管两地的科技金融政策取得了一定效果,但灰色关联度取值仍然较低,二者取值均还未达到0.7的水平,表明科技金融政策效果并未充分发挥,科技金融政策效率还可继续提高。

  本文从政策力度、政策目标与政策措施3个方面深入研究科技金融政策对科技产出的影响进而探究京津冀三地科技金融政策效率均不高的原因,京津冀三地科技金融政策在政策力度、政策目标和政策措施3方面与其科技产出水平的灰色关联度如表7所示。

  

  上述结果表明:北京市科技金融政策在政策力度、政策目标与政策措施3方面表现均不理想,其中政策目标的效率最低,结合其较高的科技发展水平来看,表明北京市科技发展中科技金融政策因素占比相对较小,未能形成有效的政策合力,存在一些政策资源的浪费。究其原因可能是由于北京市独有的政治经济优势使得其具有众多促进科技发展的因素,进而冲淡了科技金融政策的效果;天津市科技金融政策在政策力度与政策目的方面达到预期效果,但在政策措施方面略显不足,表明天津市科技金融政策在规划与制定环节较为有效,但在政策落实环节效率不高,缺乏高效的政策实施办法,应该加强其科技金融政策在落地环节的力度;河北省科技金融政策在3个方面均达到了预期的政策效果,其3项效率值都位于京津冀之首,尤其在政策措施方面取值较高,表明河北省科技金融政策得到了较严格、高效地执行,科技金融政策的能量得到有效释放。从京津冀三地科技金融政策的比较来看,既有共性也有差别:共性体现在三地的科技金融政策力度在3项指标中均为最优,表明京津冀三地均重视科技金融政策并给予有力的保障;在政策目标方面,京津冀三地分值均不高,表明科技金融政策还缺少整体统一的体系,科技金融政策的核心目标还有待明确;在政策措施方面,京津两地作为直辖市,科技金融政策的传导与落地过程较为直接,政策层级较为简单,而河北省政策层级更加明确清晰,具体的市县可以对科技金融政策的实施进行充分调节和进一步的分工安排,进而使得科技金融政策得到高效落实。简言之,加强科技金融政策核心目标的协同以及提高政策落实效率是今后京津冀科技金融政策效率提升的关键因素。

  四、结论与建议

  本文以京津冀的科技金融政策为研究对象,从投入—产出角度评价和比较了三地的科技金融政策效率。立足京津冀三地的736项科技金融政策的文本内容运用政策量化标准手册对其逐一打分;构建科技产出指标体系,运用专家会议法与熵值法对直接科技产出和间接科技产出进行赋权实现对京津冀三地科技产出水平的综合评价;运用灰色关联度方法揭示各类科技产出和科技金融政策的关联性,并在此基础上对京津冀科技金融政策效率进行比较与分析。研究结果显示:京津冀三地的科技金融政策效率具有一定的差异性,京冀两地的科技金融政策效率较高,天津市的科技金融政策效率较低;从具体的科技产出指标来看,北京市的科技金融政策投入导致的科技成果主要体现在发明专利方面,而天津河北两地所导致的科技成果主要体现在高技术产业方面;将京津冀科技金融政策效率与其科技产出水平结合来看,科技产出水平最高的北京市具有基本有效的科技金融政策效率,科技产出水平相对落后的天津市具有最低的科技金融政策效率,科技金融政策效率最为理想的河北省,其科技产出水平却远落后于京津两地,这说明京津冀地区的科技创新水平不均衡现象的背后政策因素的占比并不大;三地的科技金融政策效果并未充分发挥,均有进一步提升的必要和空间。

  进而本文通过政策力度、政策目标、政策措施三个方面深入探讨影响科技金融政策效率的因素,结合数据分析发现京津冀地区科技金融政策效率并不高的原因体现在政策投入、政策传导与政策产出三个方面:在政策投入方面未能形成完整的科技金融政策体系,科技金融政策的核心目标不甚明确,科技金融政策的合力有待提高,科技金融政策落实中缺乏清晰的部门职责分工;在政策传导方面,三地科技金融政策的实施环境并不完善,在科技金融政策实施过程中还缺乏一定的监督机制与效果反馈机制;在政策产出方面,京津冀三地科技创新水平相差悬殊,三地科技金融政策对其科技创新水平产生的影响也较为不同,北京市科技发展水平较高,政策因素只是推动其科技发展的众多因素之一,科技金融政策效果在天津和河北两地也并未完全发挥其作用。

  科技金融政策效率的提高是一个涉及国家机关、地方政府、科研组织以及科技型企业等多个主体的长期过程,为提高京津冀地区的科技金融政策效率,提出以下建议:一是国家层面要确立科技金融政策的核心目标,加强顶层设计和发展规划,努力营造出一个良好的科技金融政策实施环境,构建出一套整体的、系统的科技金融政策体系,扫清科技金融政策实施过程中的制度性障碍,并且要明确各部门机关对科技金融政策的职责分工,防止政出多门现象,加大科技金融政策的落实力度与监督强度;二是京津冀地方政府层面,在贯彻国家整体的科技金融政策体系的基础上,要因地制宜,充分考虑本地科技金融政策与科技创新实践的具体实情,并结合京津冀地区的地域特殊性,制定出一套适合本地科技创新发展的区域性科技金融政策,尤其是对于京津两地而言,一定要充分调动各部门的力量实现科技金融政策的有效落地;三是完善科技金融政策的传导机制,科技金融政策作为一项制度供给,要充分满足科技型创新企业的现实需求,要发挥科技金融政策的引导作用,变政府对企业的直接干预为间接引导,使得市场在资源配置中的决定性作用与政府的引导性作用有效结合,以此提高科技创新能力与科技产出成果。

参考文献

[1]房汉廷:《创新视角下的科技金融本质》,《高科技与产业化》2016年第3期.

[2]杨开忠:《京津冀协同发展的探索历程与战略选择》,《北京联合大学学报(人文社会科学版)》2015年第5期.

[3]唐五湘、饶彩霞等:《北京市科技金融政策文本量化分析》,《科技进步与对策》2013年第18期.

[4]苑泽明、李田等:《科技型中小企业创新效率评价研究——基于科技金融政策投入视角》,《科技管理研究》2016年第16期.

[5]刘湘云、吴文洋:《基于高新技术产业的科技金融政策作用路径与效果评价研究》,《科技管理研究》2017年第18期.

[6]程欣炜、林乐芬:《科技型中小企业特征与银行融资的关系研究》,《金融论坛》2014年第6期.

[7]武志伟、陈莹等:《江苏省科技金融政策有效性的实证研究》,《科技管理研究》2016年第9期.

[8]何丹、燕鑫:《金融支持科技创新效率实证分析》,《统计与决策》2017年第10期.

[9]吕晨、霍国庆等:《中国区域科技竞争力评价研究》,《科技管理研究》2015年第3期.

[10]陈文军、梅姝娥:《江苏省主要城市科技竞争力比较研究》,《科技管理研究》2014年第13期.

[11]傅春、杨丽:《基于熵权法和超效率DEA的中部六省科技竞争力评价》,《科技通报》2017年第7期.

[12]彭纪生、仲为国等:《政策测量、政策协同演变与经济绩效:基于创新政策的实证研究》,《管理世界》2008年第9期.

[13]朱喜安、魏国栋等:《熵值法中无量纲化方法优良标准的探讨》,《统计与决策》2015年第2期.

[14]陈伟、李传云、杨早立等:《基于熵值法-TOPSIS法的高技术产业知识产权保护能力评价研究》,《科技管理研究》2016年第10期.

推荐10篇