科技金融政策对专利产出效果评估研究

科技金融政策对加快实施创新驱动发展战略具有重要意义。文章选取2011-2020年国内31个省份的面板数据,运用双重差分法(DID))对29个省份(不含新疆和西藏)的专利产出效果进行政策评估,并对科技金融政策影响专利产出的作用路径进行探究。研究表明:第一,科技金融政策对我国专利产出具有显著的正向拉动作用;第二,科技金融政策的实施效果在不同地区之间存在显著差异,科技金融政策对东部和中部地区的专利产出具有促进效应,对西部地区效果不显著;第三,加大研发投入和集聚科技人才是科技金融政策促进专利产出的有效实现路径。未来应继续在完善政策落地机制、推行区域化战略、增加研发投入和吸引科技人才等方面优化科技金融政策。     

京津冀协同发展背景下的科技资源分布与共享现状分析

基于京津冀协同发展背景,对京津冀地区的科研投入、产出、相关科技资源分布、协同共享等情况进行调研,并揭示三地科技合作现状及面临的问题。研究结果表明：京津冀科研投入差距巨大,科研投入结构差异大;虽然三地科研产出差距大,但研发领域相似且各具特色,科研产出以当地特色产业为依托;京津冀三地科技合作比例偏低,但专利转让相对活跃。目前,京津冀科技合作与资源共享以“点对点”的形式为主,未来,深度的合作尚需政府引导、上层推进,形成以产业链为依托的科技合作形式。     

政府、企业、金融机构科技金融投入的创新绩效

以2005-2015年中国省域的政府、企业与金融机构对科技创新的投入数据为支撑,构建区域科技金融投入创新绩效评价指标体系,运用数据包络分析方法（DEA）进行实证研究,深入探讨科技金融投入对科技创新绩效的影响,并从省域和东中西部地区等多个角度对我国区域科技金融投入创新绩效进行评价。实证研究结果表明我国科技金融投入创新绩效综合效率平均值历年呈稳步上升趋势;省份、区域间科技金融投入的创新绩效产出结果差距较大,东部地区明显优于其他区域;本研究针对区域科技金融投入创新绩效与地区经济发展水平间的相关性进行了分析,进一步探析了区域科技金融投入创新绩效差异的原因,并针对研究结果提出相关政策启示。     

京津冀区域金融支持科技创新的研究

京津冀协同发展战略的提出为三地金融支持科技创新的协同发展提供了良好的政策支持。立足于京津冀三地科技创新现状,从三地资源差异、合作意识、支持力度等方面分析金融支持三地科技创新协同发展中存在的问题;并通过探讨长三角、珠三角和台湾地区金融支持科技创新的经验,以及从政策法规、金融支持机构、风险投资方面对比分析美国、德国、日本和以色列等发达国家关于金融支持科技创新的经验和做法,提出京津冀三地金融应从加强区域顶层设计、坚持政府推动与市场运作相结合、强化京津冀科技创新和金融支持的匹配与互动、构建科技创新和金融创新"双中心"的对策建议。     

基于Malmquist指数和SFA模型的我国科技金融效率评价

选取2006—2014年我国30个省市区科技金融投入与产出的面板数据,运用DEA-Malmquist指数法和SFA模型对全要素生产率变动和科技金融效率值进行评价。研究表明在样本期限内,我国科技金融效率上升6.56%,但是效率水平不高;科技金融效率在区域之间存在显著的差异,总体上来说东部地区明显优于中西部地区,但是江西、贵州等地的科技金融效率提升较快;我国各地区可以分为4类,大部分的投入规模与效率水平比较匹配。     

科技金融政策能提升科技企业研发投入吗?——来自试点政策的经验证据

将“促进科技和金融结合”试点政策的冲击视为一项“准自然实验”,基于信号传递理论,分析了该试点政策影响科技企业研发投入的内在机理,并基于2009-2020年中小板和创业板上市企业的微观数据,运用渐进DID模型评估了该试点政策对企业研发投入的效应。研究结果表明：该试点政策显著提升了科技企业研发投入,且这一政策效应具有持续性。此外,政策的研发投入效应在不同生命周期、不同所有制以及不同规模的企业间存在差异。机制检验表明,该试点政策通过财政补贴效应、信贷支持效应和机构投资集聚效应对科技企业研发投入产生影响,其中信贷支持效应贡献度最高,机构投资集聚效应贡献度次之,财政补贴效应的贡献度最低。拓展分析发现,试点政策显著促进了科技企业的创新产出,并提高了科技企业的创新质量。本文的研究结论为充分发挥科技金融结合试点政策的研发投入效应提供了政策启示。     

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

为给政府制定更有效的科技金融政策提供参考,构建科技金融政策效果评价模型,以广东省为例客观评估科技金融政策效果。实证结果表明,广东省科技金融发展水平从2006—2016年是不断上升的,其中,金融环境和科技投入受宏观经济影响波动较大,科技产出一直是保持稳定增长。     

京津冀高新技术企业创新效率评价及效率提升路径

为促进京津冀三地高新技术企业创新效率提高,实现可持续发展,以2010—2017年京津冀地区高新技术产业的面板数据为依据,采用数据包络分析方法对京津冀地区高新技术企业RD人员折合全时当量、RD内部经费支出和新增固定资产等投入指标,以及有效发明专利数和新产品消费收入等产出指标进行评价,分析各因素对京津冀高新技术企业创新效率的影响。研究结果表明,京津冀三地存在资源分配不合理、协同机制不完善等不足;对此,提出加强三地联动融合、提高自主创新能力及政府加大投入力度等建议。     

欧盟区域政策对葡萄牙国家科技创新能力的影响

欧盟区域政策是缩小成员国地区差异的重要政策工具,对葡萄牙的国家发展能力,尤其是科技创新能力产生了影响。本文采用历史制度主义的研究方法,对不同阶段欧盟面向葡萄牙的区域发展政策以及葡萄牙国内的对接政策进行比较分析,并对1986—2015年葡萄牙科技投入与产出情况及其国家创新体系演进历程进行了归纳梳理。本文认为,欧盟区域政策通过宏观目标与政策引导以及持续提供不断优化的经费投入,促进了葡萄牙国家科技创新能力的提升;并认为该案例对一个国家借助国际组织力量提升其科技创新能力,以及对中国进一步优化区域科技创新政策具有启示与借鉴意义。     

政策文本视角下湖南省科技人才政策效率评估——基于超效率三阶段DEA模型

利用超效率三阶段DEA方法,从政策文本视角评估湖南省2006-2015年科技人才政策效率。结果发现:经过政策要素投入调整,政策资源配置未到达效率最优状态,政策效率还有很大提升空间;外部环境因素造成科技人才政策效率差异,影响科技人才集聚和科技活动产出;培育政策和激励与保障政策是制约科技人才政策效率的重要因素。因此,在制定科技人才政策时提升政策措施间的协同性,做好科技人才本土化培养和分类激励,对提高科技人才政策效率具有重要意义。     

我国科技金融发展效率的影响因素研究 —基于模糊集的定性比较分析

基于2011—2018年我国30个省（区、市）的面板数据，运用DEA-BCC模型测算出我国科技金融发展效率，并运用模糊集定性比较分析法探讨了科技金融政策、金融发展程度、科研经费强度、政府科技支持力度、科研人数和科研人员学历等因素对我国科技金融发展效率的协同效应。研究表明：（1）高效的科技金融发展具有“多重并发”的特点，受多个因素共同作用，其中科技金融政策是促进科技金融发展的重要因素；（2）推动地区实现高效科技金融发展的路径有四条，分别为政策平衡型、全面协作型、科研投入型和环境人力型。     

我国科技金融发展效率的影响因素——基于模糊集的定性比较分析

基于2011-2018年我国30个省份面板数据,运用DEA-BCC模型测算出我国科技金融发展效率,并采用模糊集定性比较分析法探讨科技金融政策、金融发展程度、科研经费强度、政府科技支持力度、科研人数和科研人员学历等因素对我国科技金融发展效率的组合效应。研究表明:(1)高效的科技金融发展具有“多重并发”的特点,受多个因素共同作用,其中科技金融政策是促进科技金融发展的重要因素;(2)推动地区实现高效科技金融发展的路径有4条,分别为政策平衡型、全面协作型、科研投入型和环境人力型,其中科技金融政策是促进科技与金融结合的重要因素。建议科技金融发展效率高的省份在保持自身优势的同时积极弥补不足的方面,而发展效率较低的省份应根据地区发展优势因地施策,寻找符合自身科技金融高效发展的路径。     

基于波士顿矩阵的科技金融发展分类策略研究

科技与金融深度融合发展对于提升区域整体科技创新能力、助推经济转型升级意义重大。本文从科技金融的概念内涵出发，构建了包含5个一级指标、19个二级指标的科技金融综合指数指标体系，以及5个投入指标、3个产出指标的科技金融效率指标体系，并以2014-2017年数据为基础，测度了中国30个省（市、自治区）的科技金融发展水平和科技金融发展效率。然后，利用波士顿矩阵模型分析了中国30个省（市、自治区）科技金融发展水平和效率之间的关系，将我国科技金融发展分为“高-高型”、“高-低型”、“低-高型”和“低-低型” 四种模式，并探讨了每一类模式的不同特征。最后，本文就四种发展模式分别提出针对性建议，旨在为提升我国区域科技金融发展水平提供决策参考。     

北京市银行业科技金融业务支持科技创新的研究——基于TVP-VAR模型的实证检验

科技与金融是我国发展自主创新道路的“双轮驱动”因素，厘清科技金融对科技创新的影响机制至关重要。在梳理北京市银行业科技金融业务与科技创新发展现状的基础上，采用TVP-VAR模型,从动态的角度研究科技金融与科技创新之间的联动关系。研究结果表明:两者之间存在非对称性特征，科技金融对科技创新的促进作用存在长期滞后效应；同时，科技金融对科技创新存在短期显著正向响应，但是在长期中出现明显的抑制作用。故而，在经济发展新常态时期，北京市政府应积极推进科技金融发展，通过提高金融效率助力科技成果资本化，进而驱动科技创新的持续稳定增长。     

基于DEA模型的科技金融投入产出相对效率分析——以广东省为例

科技金融是实现广东省创新驱动发展,自主创新能力提升的重要引擎。在建立科技金融投入产出效率评价指标体系的基础上,采用数据包络分析法,首先将2014年广东省的科技金融结合效率同全国其他省市对比,进行初步评价;然后对2000—2014年广东省自身科技金融结合效率作进一步研究,挖掘其存在的问题。研究结果表明,一味地扩大金融投入并不能有效提高科技产出,深化管理体制改革,推进市场化进程,优化科技金融内部结构才能实现科技金融的协调发展。     

新时期深圳发展科技金融的思考——基于科技金融投入产出效率研究

通过DEA—Malmquist方法测算包括深圳在内的14个城市科技金融投入产出相对效率并进行横向比较以及动态的纵向比较。根据测度结果,认为新时期深圳发展科技金融具备优良的金融业基础且社会科技创新氛围浓厚,但科技金融治理架构不健全,人才储备不足、结构缺乏科学性。针对发展科技金融的机遇与挑战,提出深圳应建立健全市场机制,加强科技金融集聚发展,推进科技成果转化和加快人才体系构建。     

工业4.0时代的中国科技政策热点及政策导向分析

[目的/意义]旨在了解国内科技政策的热点及政策导向,以期为国家科技政策的制定和完善提供参考。[方法/过程]以2015-2018年国务院和科学技术部印发的科技政策为研究对象,运用共词分析法和社会网络分析法,以及TF-IDF算法对热点主题词进行提取并分析,采用狄利克雷主题模型(LDA)提取科技政策主题并进行主题聚类,挖掘重点关注的政策主题,并对科技政策文本运用MDS(multidimensional scaling)方法进行降维分析,并对科技政策的走向进行分析。[结果/结论]国家科技政策的制定主要围绕高新技术产业、科研诚信、专项研究、科技人才发展、科技成果转化、知识产权等主题领域进行;关于教育、产能激励、装备制造、创新创业、众创空间、加工贸易、科技成果转化与知识产权保护等主题领域已经引起并将持续受到相关政府部门的重点关注。     

区域科技金融发展评价指标体系研究——基于投影寻踪模型分析

以广东省科技金融发展情况为主要研究对象,以北京、上海、江苏、浙江等20个省市为对标省市,对科技金融相关内容进行统计。从科技产出、投融资体系以及支撑体系三个方面进行指标选取,筛选出18个子指标建立三级指标体系。利用投影寻踪模型对每个指标赋权重,构建出一个有权威数据支持、科学的指标体系构成的科技金融发展评价模型,并得出2015年各个地区的科技金融发展指数。模型结果表明新三板挂牌比例,R&D投入强度,财政支持力度对于区域科技金融发展起突出作用,广东的科技金融发展指数排名在20个省市中排名第三。     

科技金融结构对区域科技创新效率的影响

基于2010—2015年省级面板数据,运用随机前沿距离函数模型,分析科技金融结构对我国区域科技创新效率的影响。研究表明,科技金融总投入占GDP的比例、公共科技金融占市场科技金融的比例、风险投资投资额占科技资本市场筹资额的比例与科技创新效率呈显著负相关;风险投资投资额占商业银行科技信贷总额的比例与科技创新效率并无显著相关关系;科技资本市场筹资额占商业银行科技信贷总额的比例与科技创新效率呈显著正相关关系。     

广东科技金融结合的发展历程与创新实践研究

按照广东科技金融结合的发展历程,可将其划分为起步期、探索期、快速发展期和全面发展期四个阶段,研究发现：在不同阶段,广东科技金融结合的政策倾向、发展重点等均有较大差异,通过多年来在科技金融政策体系构建、模式试点示范、服务平台搭建及产品服务创新等方面广泛而深入的创新实践,广东科技金融结合工作取得了重要发展成效,走出了一条具有广东特色的发展道路。但是也存在科技金融信息化水平较低、行业监管不到位、专业人才队伍建设滞后等问题,最后针对当前存在问题提出了若干促进科技金融深度融合的对策建议。