基于DEA模型的科技金融结合效率研究

显的促进作用，且这种促进作用普遍适用于各个国家。Alessandra et al.[6]、Liao et al.[7]、Ayyagari[8]、Chowdhury et al.[9]等分别基于英国、欧盟等不同国家和地区从理论和实证两方面研究了金融机构资本占企业运营资本比例、企业外部资源获取的难易程度、证券市场筹资与银行信贷在技术创新投资中的占比等与科技创新的关系，结果显示，无论是发达国家还是发展中国家，这些指标均与科技创新效率显著正相关，促进作用明显;另一方面，科技创新反过来也会促进金融发展，但对此的研究相对较少，Hasan et al.[10]、Consoli[11]分别基于动力演化机制和自动化控制视角研究科技进步对银行业和证券交易所的影响，结果显示先进技术能显著提升银行及证券交易所的成本效率和收益效率，是其业务结构变化的核心。随后，Schinckus[12]以电子信息技术为代表的技术革命作为科技创新指标分析得出技术革命不仅能提高金融机构效率，也对金融市场的运作效率有极大的促进作用。 
    2.国内研究
　　国内对科技金融的研究侧重于分析科技与金融的融合度和结合效率。徐玉莲等[13]实证分析了我国省级区域的科技创新和科技金融耦合度，结果表明两者耦合协调度整体偏低，且东部、中部、西部③差异明显。同科技创新与金融耦合协调度一样，我国科技金融结合效率水平也表现为整体效率偏低且地区差异较大，王新龙等[14-15]将我国2006—2014年各省市科技金融投入与产出的面板数据作为样本，分别采用NOICA与DEA模型和DEA-Malmquis指数与SFA模型进行实证分析得出的结论。以上研究是基于国家整体层面而言的，而刘俊岐等[16]、许汝俊等[17]采用SE-DEA与Malmquist指数线性组合模型、DEA模型对比研究了我国三大经济区（东部、西部、中部）的科技金融运行情况，研究结果呈现三级分化，东部地区综合效率最高、西部地区其次、中部地区综合效率最低。在此基础上，戴志敏[18]运用变异系数、基尼系数和泰尔系数分析了我国科技金融梯形递减分布格局，得出区域间差异程度总体趋于收敛状态，但区域内差异化严重且呈现锯齿状波动的态势。现有文献基于各省市、各地区科技金融结合效率对比研究较少，基于四川省的实证研究则更少。
　　三、研究设计
　　（一）方法介绍
　　数据包络分析方法（Data Envelopment Analysis，DEA）是Charnes A.和Copper W W.等著名运筹学家以“相对效率”为基本思想，根据多指标投入和多指标产出对相同性质的决策单元（DUM）进行