基于DEA-RS的科技金融结合效率评价模型

刘照　刘伟娜　刘岱

摘  要：该文建立了基于DEA-RS的科技金融结合效率评价模型，并利用我国30个省份的科技金融数据对模型的合理性进行验证。模型首先利用DEA方法对科技金融结合效率进行评价，然后利用粗糙集理论对投入产出指标体系进行约简，得到影响科技金融结合效率的关键属性并进行规则挖掘，最后给出科技金融投入产出调整方案及对策建议。

关键词：科技金融  粗糙集  数据包分析

中图分类号：F832    文献标识码：A 文章编号：1672-3791（2019）07（b）-0184-03

科技金融对促进科技成果转化、实现资源要素有效整合、建设创新型国家发挥着重要作用。科技金融发展不能仅追求金融投入与科技产出的绝对数量，而应该重视科技金融结合效率。该文将DEA方法和粗糙集理论引入科技金融结合效率评价中，建立评价模型，得到影响科技金融结合效率的关键因素，根据各省份实际情况提出提升科技金融效率的方案及对策。

1  DEA-RS模型

在科技金融结合效率评价研究方向多选用DEA方法。DEA方法在效率评价方面拥有其独特的优势——不需要预先知道输入输出变量之间的数学关系，并且可以避开权值的问题。但这种方法对于处理高维特征数据存在一定的局限性，评价指标的过多会导致属性冗余，降低评价的效果。因此，该文将粗糙集理论引入DEA评价模型，在不影响评价结果的基础上对指标数据进行合理优化。具体建模过程如下：首先，构建科技金融结合效率评价指标体系;其次，利用DEA方法测算科技金融结合效率，获取评价结果;再次，将科技金融结合效率的投入和产出指标作为的条件属性，科技金融结合效率的评价值作为决策属性生成粗糙集决策表，对数据离散化后的粗糙集决策表进行属性约简和规则提取;最后，挖掘决策表中的有用规则和影响科技金融结合效率的关键核属性，提出对策建议。

2  基于DEA-RS模型的科技金融结合效率评价研究

2.1 指标体系构建及数据来源

科技金融结合效率是科技产出与资源投入之比，通过对已有科技金融评价指标体系的研究成果以及科技金融概念的理解，该文从科技金融资源投入、经费投入和科技产出3个方面选取了7个指标衡量科技金融结合效率，指标体系如表1所示。

考虑到科技产出相对于金融投入具有一定的滞后性，该文采用输出指标滞后输入指标一期，选取2016—2017年度我国内地30个省市自治区的截面数据（不包括西藏），数据来源于《中国统计年鉴》《中国科技统计年鉴》及中国国家统计局官网。

2.2 基于DEA-RS的科技金融结合效率评价

输入我国30个省份科技金融数据，使用Deep2.1软件计算各地科技金融结合效率，计算结果见表2。将DEA评价模型中的投入产出指标作为条件属性，表2中各省份DEA评价值作为决策属性（ 其中DEA有效对应“1”，DEA弱有效对应“2”，DEA无效对应“3”），并通过粗糙集中的等频率离散法将各指标数据进行离散化，得到如表3所示的粗糙集决策表。

将表3输入到粗糙集软件ROSSTA中，选择遗传约简算法进行属性约简，最终得到约简集合{Y1，Y2，Y3，I2，I3，I4}。可以看出专利授权量、技术市场成交合同金额和高新技术新产品销售收入对提高科技金融结合效率起着十分重要的作用。利用粗糙集理论的规则推导方法挖掘决策表中的有用规则，选取10条有效规则，如表4所示。

2.3 总结与建议

通过表4中归纳的决策规则，结合我国各省的科技金融现状进行分析，提出以下建议。

（1）对于科技金融结合效率DEA 有效的省份，其特征表现为“高投入—高产出”如规则（1～3）所示，其科技金融结合效率良好，资源投入与产出成正比例关系，实现了金融投入与科技产出之间的最优配置，因此，既能实现技术有效，又可以获得规模效应带来的全部收益。符合该类规则的地区有北京、江苏、浙江、广东等，由于这些地区的地理位置良好且经济发达，政府对科技金融发展支持力度较大，科技金融结合能力强，回报率显著。

（2）对于科技金融结合效率DEA弱有效省份（规则4～5），如陕西、四川、青海等，它们都已经达到了技术有效，代表其投入的使用是有效的，达到了投入产出的相匹配，但规模和投入产出不相匹配，需要对投入产出值进行微量调整才可达到DEA有效。

（3）对于科技金融结合效率DEA无效的省份，分两种情况，规则（6～8）表示“低投入—低产出”，符合该规则的地区有山西、广西、海南等，这些地区由于地理位置不佳、经济落后，各方面资源相对稀缺，同时对资源的利用率也比较低，因而未达到技术有效。对于这类地区，相关部门应该同时加大对产业的扶持力度和监管力度，积极提高地区产业活力。规则（9～10）表示“高投入—高产出”，符合该规则的省份有上海、安徽、福建等，这类地区存在投入冗余或者产出不足等资源配置不合理问题导致DEA无效。针对这类地区，应该积极向DEA有效地区学习，优化投入结构或改进技术增加产出，实现科技金融结合效率的全面提升。

3  结语

该文在采用DEA及粗糙集理论构建科技金融结合效率评价模型的基础上，应用该模型对我国30个省份的科技金融结合效率进行了评价分析，得到影响科技金融结合效率的关键属性，并深入分析DEA有效、非DEA有效省份的具体投入—产出特征并给出相应的对策。研究结果显示，该模型可实现快速有效地对我国科技金融结合效率进行评价，为科技金融发展提供决策依据。

参考文献

[1] 廖斌，王婷，石丽，等.基于DEA和RS的中国物流产业效率评价研究[J].物流科技，2019，42（3）：32-34，39.

[2] 王健.基于DEA-Malmquist指数的我国科技金融结合效率评价研究[J].上海金融，2018（8）：92-95.

[3] 王天擎，李琪.基于RS-DEA的产学研合作效率评价模型[J].系统科学学报，2018，26（2）：126-130.

[4] 韩威.基于DEA-Tobit模型的科技金融結合效率实证分析——以河南省为例[J].金融发展研究，2015（9）：36-40.