科技金融、企业创新投入与产出耦合协调度及不协调来源

科技金融是把科技资源和金融资源这两个最具潜力的资源进行深度融合，进而形成互相促进、协调发展的新形式。科技与金融结合的难点是结构性问题而非总量问题[1]。将科技金融分解为政策性科技金融与市场性科技金融，其匹配问题就是典型的结构性问题。政策性科技金融是政府通过综合运用财税政策手段,依托政策性金融机构、金融工具，促进社会创新能力提升的系列制度安排，是政府参与配置科技金融资源的体现。市场性科技金融是金融资本服务于科技需求的市场化配置方式。我国风险投资、互联网众筹、资本市场难以有效支撑创新企业融资的现状，决定了政策性科技金融、市场性科技金融匹配的重要性。

科技金融成长本质上是从无序到有序的过程，国外没有现成科技金融理论体系可借鉴。我国一直主张金融是现代经济的核心，从各级政府颁布的文件看，凡需要扶持、优先发展的行业与产业，都提出了金融支持要求。这从一个侧面反映了我国科技部门对金融的需求，以及金融对科技创新的重要性[2]。现有科技金融与创新绩效的研究文献中，比较一致的结论是科技金融促进了创新绩效提升，但存在区域差异 [3-4]。针对个别省域的研究，得出了科技金融投入对创新绩效提升作用一般或存在无效率状态的结论[5]。对科技金融工具运用的研究中，薛晔等[6]研究发现，财政科技经费投入、创业风险投资和科技资本市场等科技创新融资方式对中国科技金融发展效率具有显著正向作用, 银行科技信贷金额对中国科技金融发展效率具有显著负向作用。这说明科技金融对创新绩效作用路径有许多未知因素有待探索。国外虽无科技金融直接研究文献，但金融支持创新绩效的研究文献比较丰富，如风险资本对创新有显著正向影响[7-8]；金融政策有效推动了中小企业技术创新[9]；市场主导性金融机构更大程度上促进了高新技术企业发展[10]。

以上探讨研究属于因果关系研究，耦合协调研究侧重系统间相互影响与发展。蔺鹏[11]等研究表明，河北省科技金融政策与科技型中小企业创新发展尚处于轻度协调耦合阶段。对科技创新与金融创新耦合协调的研究，较为一致的结论是耦合协调度整体偏低，科技金融滞后于科技创新发展[12-13] 。

企业资源禀赋是创新的基础，在政策性科技金融与市场性科技金融共同作用下，提升优质知识资产产出能力。通过优质资产运营提升知识产权收益能力，这是企业转型升级的必经链条。梳理现有研究文献发现，还未有文献揭示政策性科技金融、市场性科技金融、企业创新禀赋、创新中间产出、知识产权收益产出五元系统(后文简称五元系统，其中前3个子系统为初始投入系统)耦合协调问题。五元系统若存在不协调问题，则企业转型升级难，需要研究不协调来源，以便为政策调整提供依据。对于耦合协调度，本文借助耦合协调度模型进行测度与分析，对于五元系统中不协调来源借助DEA方法进行测度与分析。

1 五元系统耦合协调与不协调机理

1.1 五元系统耦合协调机理分析

粗放式创新最主要的表现是高投入下的低质量产出,高质量创新就是要摒弃粗放式创新。从财务视角审视高质量产出，需要提升知识产权收益产出占比。知识产权收益是知识产权资本运营后的增值，以企业创新人力资源投入、资金投入为代表的创新禀赋是专利、商标等知识产权资本形成的源泉。企业作为微观主体，其创新活动离不开看得见的手和看不见的手共同作用，即政策性科技金融与市场性科技金融支撑。发达国家市场机制和金融体系比较完备，纯粹由市场决定的科技金融机制不是国家战略设计重点，国家更多地从弥补“市场失灵”的定位出发，加强科技金融体系设计[14]。我国市场机制和金融体系还不够完备，既需要发挥科技的金融战略补位功能、政策扶持功能、引导功能, 也需要发挥科技金融价格发现机制、竞争促进创新资源合理配置机制。即政策性科技金融与市场性科技金融耦合协调问题，是当前我国科技金融政策体系研究的重点。因为在社会创新体系中，政府通过制定系统的法律、法规和相关政策措施，为创新主体提供法律支持和制度保障。通过设立政府机构，服务和引导创新主体，通过直接向创新主体提供优惠科技信贷、政策性投资(政府引导基金、科技保险、税收减免、政府采购和直接财政补贴)等手段，激发创新主体活力。即政策性科技金融通过释放国家政策信号，影响商业性资本投资预期，增强投资信心，引导投资。一旦市场性科技金融主体对创新企业投资热情高涨起来，市场机制发挥的作用就会越来越大。在我国实现由创新大国向创新强国转变后，市场性科技金融自然成为科技金融资源配置的主导方式。因此，政策性科技金融、市场性科技金融、企业创新禀赋三者耦合协调问题是研究高质量创新不能回避的问题。

企业创新禀赋、政策性科技金融、市场性科技金融构成了初始投入系统。初始投入系统是起点，起点决定专利、商标权等创新中间产出，专利、商标权的投入运营决定最终知识产权收益。因此，创新投入、知识产权形成、知识产权资本运营与增值存在着耦合协调关系，根据初始投入系统、创新中间产出投入系统与最终产出三大系统，建立五元系统框架，如图1所示。

1.2 五元系统不协调机理分析

从企业创新的内外因辩证关系看，企业创新禀赋才是创新内因，有了内因，政府营造的创新环境与市场性科技金融才会对企业创新能力提高发挥更大作用。如果违背创新主体的内外因辩证关系，政策性科技金融就有可能过多地投向非市场失灵领域，政府对市场性科技金融愿意直接投资的领域就会发生越位，不符合政府是政策制定者、环境创造者和市场监督者的角色定位。在政府科技财政资源有限情况下，对企业创新通常是一种大面积直接投入，政策性科技金融资源错配必然影响市场性科技金融资源配置，整体科技金融运行效率低是必然结果。

如果科技金融不能与企业创新投入相协调，就不可能有高效率的创新中间产出。企业创新中间产出为专利权、商标权等知识产权，衡量产出不仅看数量，更要看质量。高投入下既要强调高数量产出，更要强调高质量产出。高价值专利少、沉睡专利多、品牌价值不高等低质量创新现象在企业普遍存在，也即企业创新初始投入和中间产出存在不协调性。造成企业创新初始投入、中间产出不协调的原因十分复杂，其中初始创新投入系统的政策性科技金融、市场性科技金融与企业创新禀赋不协调是主要原因，这需要测度系统内不协调因素。

新产品销售收入、知识产权转让许可收入、知识产权投资收益与高端技术服务咨询收入构成了知识产权收益，该收益有别于传统产品下的同质竞争收入，只有提高该收益占总利润的比重，才能实现盈利模式变革和企业转型升级。知识产权收益是知识产权资本运营的结果，以往就研发投入对创新绩效影响的研究发现，创新投入与创新绩效既可能是正相关关系，也可能是负相关关系。呈现负相关的原因固然复杂，但往往与创新初始投入形成的知识产权质量密切有关。一般而言，高质量知识产权投入与运营理应有好的结果产生，即知识产权收益水平提升。如果高投入下没有实现高质量产出，则是系统及系统内要素出现了不协调现象；如果投入低质量知识产权，就难以产生高水平知识产权收益；知识产权投入数量虽少，但投入要素协调、质量高，也可能产生较高知识产权收益。总之，耦合协调视角下的创新质量观，既要重视各系统耦合协调度，更需要对系统及其系统要素的不协调情况进行分析。

2 五元系统耦合协调度测度与分析

2.1 测度方法

耦合是指2个或2个以上体系相互作用和相互影响的现象，本文构建五元系统耦合公式。

C为耦合度，U1、U2、U3、U4、U5是五元系统指数，采用变异权数综合评价法计算。

第一步，对原始数据进行无量纲化处理，使所有指标数值都位于[0，1]区间,正向指标

逆向指标

第二步，计算各项指标的平均值

和标准差Sk；

第三步，计算各项指标的标准差系数Vk，Vk=

第四步，对标准差系数进行归一化处理，得到各项指标的权数Wk，Wk=Vk/∑Vk；

第五步，指数Z=∑Wk×X'k。

耦合度模型计算结果反映了五元系统之间相互作用的强弱程度，但要进一步反映五元系统之间的协同程度就需计算耦合协调度，其模型为：

T=αU1+βU2+γU3+δU4+ρU5

D为协调度，T为五元系统综合评价值；α、β、γ、δ、ρ为待定系数，假定政策性科技金融、市场性科技金融、企业创新禀赋、创新中间产出、知识产权收益产出同等重要，取α=β=γ=δ=ρ=0.2。

参考相关学者关于耦合度、协调度的划分标准[15]，确定评价标准如下：

(1)耦合度。C=0，系统无关且无序发展；0≤C<0.3，低水平耦合；0.3≤C<0.5，颉颃阶段；0.5≤C<0.7，磨合阶段；0.7≤C<1，高水平耦合阶段，二者互动强劲；C=1，良性耦合且趋向新的结构。

(2)协调度。0≤D<0.1为极度失调；0.1≤D<0.2为严重失调；0.2≤D<0.3为中度失调；0.3≤D<0.4为轻度失调；0.4≤D<0.5为濒临失调；0.5≤D<0.6为勉强协调；0.6≤D<0.7为初级协调；0.7≤D<8为中级协调；0.8≤D<0.9为高度协调；0.9≤D≤1为极度协调。

2.2 数据来源

《国家“十二五”科学和技术发展规划》正式提出大力发展科技金融，但鉴于众创空间和私募股权提出较晚，受数据来源限制，本文样本选取时间为2014-2016年，数据来自Wind数据库、《中国科技统计年鉴》《中国火炬统计年鉴》《中国统计年鉴》。考虑到创新产出的滞后问题，中间产出及知识产权收益按滞后一期处理。

2.3 评价指标体系

关键评价指标及定义见表1。

2.4 五元系统耦合协调度分析

根据耦合协调度模型，五元耦合度协调度计算结果见表2。由表2看出，两个年度投入与滞后一期中间产出的耦合协调度虽略有变化，但基本属于同一类型，取其均值看，极度协调的只有北京，仅占样本量的3.4%；中级协调的只有上海，仅占样本量的3.4%；初级协调只有广东，占样本量的3.4%;勉强协调有天津、江苏、浙江，占样本量的10.3%；濒临失调有陕西、安徽、重庆、湖北、福建、四川、黑龙江、海南、辽宁、甘肃、湖南、山东，占样本总数的41.4%；轻度失调有云南、宁夏、河南、山西、贵州、江西、吉林、广西、河北，占样本总数的31%；中度失调有内蒙古、新疆，占样本量的6.9%。耦合协调度总体均值为0.44，明显偏低，说明五元系统存在不协调现象，需要进一步分析不协调来源。

注1：协调度类型规定如下：极度失调为Ⅹ类；严重失调为Ⅸ类；中度失调为Ⅷ类；轻度失调为Ⅶ类；濒临失调为Ⅵ类；勉强协调为Ⅴ类；初级协调为Ⅳ类；中级协调为Ⅲ类；高度协调为Ⅱ类，极度协调为Ⅰ类

注2：因青海2014年度的A股融资为0，风险投资与众筹指标值2015年缺失，故剔除该样本。西藏企业创新能力禀赋的3个指标值在2014年均处于中国内地各省份的最低水平，采用上述方法标准化后的数据全部为0，故剔除了该样本。风险投资与众筹仅有个别省份的个别年度缺失，按缺失值进行处理

3 不协调来源测度与分析

3.1 测度方法

从相对角度看，系统内部各要素配置不协调导致系统无效率。因此，以要素无效率值可衡量系统不协调程度。要素投入无效率是指要素投入超过最佳投入水平的相对程度，产出无效率是指产出低于最佳产出水平的相对程度。无效率值越高意味着单位投入的产出越低或单位产出的投入越大。基于DEA模型，投入要素松弛变量为负值，表示投入冗余，产出为正值，表示产出不足，这两种情况出现任何一种或兼而有之，其决策单元DMU的综合效率均不为1。故以某类资源投入或产出对应的松弛变量与实际投入或产出的比值，表示某要素的无效率程度。

3.2 测度结果与分析

表3、表4报告了中国内地(青海、西藏未纳入统计)各省份2014、2015年创新投入与滞后一期创新中间产出的无效率情况，表5报告了创新中间产出——知识产权收益产出无效率情况。

由表3、4、5可看出，只有北京各年度投入与产出均为有效，其余各省份投入与产出均不同程度存在无效率情况。

(1)初始投入无效率。从投入无效率来源看，不同省份无效率来源虽不同，但有其共同特征。2014年私募股权和创业投资、金融机构贷款、研发机构保障无效率较高；2015年私募股权和创业投资无效率均值有所降低，但金融机构贷款、研发机构保障无效率均值依然偏高。尽管政策性科技金融系统各要素无效率均值没有出现最高现象，但具体到部分省份却出现了较高现象，所以，各省份初始投入系统要素不协调情况比较复杂。总体看，与科技金融相比，企业创新禀赋无效率均值较高。无效率是相对数，无效率值高并不代表绝对投入规模过大，在企业创新资金投入总体不足的情况下，更需要政策性科技金融、市场性科技金融、企业创新禀赋三者总体协调，需要初始投入系统各要素协调。

(2)中间产出无效率。从截面上看，2016年山西发明专利产出不足；2015年江苏、安徽、福建、宁夏商标权产出不足，2016年浙江产出不足。相对初始投入无效率来说，中间产出效率较高，商标权因为培育时间较长，与前期持续投入具有平滑性，故商标权产出不足省份多于发明专利不足省份。但发明专利以授权量衡量，商标权以注册量衡量，仅代表规模，无法准确反映质量状况。

(3)中间投入无效率。从2015年、2016年截面上看，有效率的是北京、天津、江苏、湖北四省市，其余各省份均存在无效率情况，无效率分布区占比大。其中，无效率最高的依次是海南、新疆、广西、内蒙古、云南、河北、贵州。意味着这些区域必须减少质量低的中间产出，或者说只有提高中间产出的成果转化比例才能实现创新中间投入与知识产权收益产出的协调，意味着所有存在无效率的区域均要减少质量不高的发明专利授权与商标注册。

从无效率来源看，2015、2016年发明专利投入无效率均值分别为0.55、0.54，2015、2016年商标权无效率均值分别为0.54、0.53。剔除有效率的省份，2015、2016年发明专利投入无效率均值分别为0.64、0.63，2015、2016年商标权无效率均值分别为0.63、0.62。说明发明专利转化率是质量评价的重要指标。品牌是重要的知识产权资本，商标权数量不等于质量，持续创新才能创造品牌。创新中间投入无效率总均值达0.54，表明创新中间投入是五元系统不协调的主要来源，强化创新中间投入质量观是今后政策的重要取向。

(4)知识产权收益产出无效率。从2015年截面看，新产品销售收入无效率最高的依次是甘肃、山西、陕西，均超过2；从2016年截面看，新产品销售收入无效率最高的依次是甘肃、山西、云南、陕西，均超过1，说明这些地区存在着严重的新产品销售收入产出不足。

从2015年截面看，技术市场合同成交额无效率最高的依次是河南、浙江、福建、重庆、海南、宁夏，均超过1；从2016年截面看，技术市场成交额无效率最高的依次是福建、河南、广东、浙江、宁夏，均超过1。说明这些地区技术市场成交额产出严重不足。

从无效率均值看，技术市场成交额无效率是投入—产出系统无效率的最主要来源，说明专利许可收入、技术性服务收入市场份额有待提高。企业转型升级不仅看新产品销售收入，专利许可收入、技术性服务性收入等也是重要的知识产权收益。总体上看，知识产权收益率有效的是北京、天津等11省份，但只有北京、天津、江苏和湖北能达到创新中间投入与知识产权收益产出匹配。再看初始创新投入与创新中间产出发现，只有北京实现了匹配，并且知识产权收益产出无效率总均值为0.57，表明知识产权收益产出无效率也是五元系统不协调的主要来源之一，由传统盈利模式向知识产权盈利模式变革是创新型企业的战略方向。

4 结论与启示

4.1 研究结论

(1)北京的科技金融与创新产出处于极度耦合协调阶段，其余省份五元系统耦合协调度均处于中级耦合协调及以下发展阶段。由高到低依次为上海、广东、天津、江苏、浙江、安徽、陕西、重庆、福建、湖北、黑龙江、四川、辽宁、海南、甘肃、山东、湖南、云南、宁夏、山西、河南、贵州、江西、吉林、河北、广西、新疆、内蒙古。平均耦合协调度为0.44，不含北京的平均耦合协调度仅为0.42。耦合协调度整体偏低，说明五元系统存在不协调现象。

(2)系统不协调来源于系统无效率及各系统关键要素无效率。其中，初始创新投入系统中，各要素无效率现象分布较广，表现也较为复杂，需要加强科技金融与企业创新禀赋的总体协调，加强初始投入系统各要素的协调；创新中间产出效率较高，但以此作为中间投入测算并与最终产出无效率比较时，创新中间投入无效率分布最广，说明发明专利申请数量与授权数量不代表发明专利质量，注册商标数量也不等于品牌质量，严把发明专利申请关，提高专利转化率迫在眉睫，通过创新创造新品牌是各省份可持续发展的努力方向。最终产出系统中，部分地区存在新产品销售收入产出不足和技术市场成交额产出不足的情况，必然影响产业转型升级速度。

4.2 研究启示

(1)强化初始投入系统协调发展观。无论高投入还是低投入，首要问题是做到各投入要素的协调发展。如果在经过初期发展阶段后，高投入下没有实现高质量产出，说明创新是粗放式的。包容创新失败，不能成为低质量产出的借口，因为创新资源是稀缺的。因此，部分省域与企业在短期内受创新资源限制比较大的情况下，不必把目标定位在追求高投入上，而是最大程度地促进现有投入各要素协调发展，即采取低投入下精细化创新管理策略。

从企业对创新投入可控程度比较看，容易控制的是企业自身创新禀赋投入，不容易控制的是市场性科技金融与政策性科技金融。为提高社会创新资源投入，需要加强创新主体信息披露，推进知识产权评价机制和信用评价机制改革，提高评价结果的社会公信力并有效降低信息不对称程度，这是市场性科技金融发挥作用的关键。尽管政策性科技金融无效率不是最高，但政府财政科技支出、所得税支持、政府出资的各类创新平台都存在无效率现象，政策性科技金融的信号诱导与杠杆功能、战略补位功能随着区域创新战略的纵深推进，都需要通过深化改革加以强化。

(2)强化中间产出、投入质量观。中国发明专利申请量已连续8年居世界第一，商标注册申请量也已连续18年居世界第一。由数量快速增长回归到质量增长轨道上来，是事物发展的一般规律。以过程管理与结果管理相结合的方式实施“专利质量提升工程”与“商标质量提升工程”是必要的。一方面要加强市场监督与政府监管，规范中介行为，提高创新中间产出评审结果的社会公信力；另一方面降低创新中间产出在区域创新业绩、企业与技术人员评价中的权重，提高发明专利转化率考核权重，加强商标权市场价值评估，通过无形资产构成及减值准备信息披露及时满足投资者需求。总之，少些浮躁、沉下心来搞创新是科技人员与企业最需要的环境，也只有这样，才能提升创新中间产出、投入质量。

(3)强化知识产权盈利模式观。根据企业收益结构，盈利模式可分为传统产品盈利模式与知识产权盈利模式两大类。以传统产品收入为核心对应的是传统盈利模式，该模式属于同质化产品竞争。新产品销售收入与技术性收入体现了知识产权运营结果，对应的是知识产权盈利模式，该模式具有显著的异质化产品竞争特色。在创新驱动成为国家战略的时代背景下，没有知识产权就没有企业的未来，如何把知识产权转化为可持续发展的盈利模式，需要引起地方政府和高科技企业的高度重视。

[1] 贾康.建设科技型中小企业金融服务体系的政策优化[M].北京：经济科学出版社,2015.

[2] 唐震,李芳.我国科技金融研究现状的文献计量分析[J].情报杂志,2014,33(2):81-85.

[3] 张明喜.我国科技金融生态及其绩效实证研究[J].科技进步与对策,2017,34(16):14-19.

[4] 潘娟,张玉喜.政府、企业、金融机构科技金融投入的创新绩效[J].科学学研究,2018,36(5):831-838.

[5] 骆世广,李华民.广东科技金融绩效评价——基于NonICA特征约简的DEA方法研究[J].金融理论与实践,2012(12):39-42.

[6] 薛晔,蔺琦珠,高晓艳.中国科技金融发展效率测算及影响因素分析[J].科技进步与对策,2017,34(7):109-116.

[7] GUARIGLIA A, LIU P.To what extent do financing constraints affect Chinese firms' innovation activities[J].International Review of Financial Analysis, 2014(36):223-240.

[8] DUSHNITSKY G,LENOX M J.When do incumbents learn from entrepreneurial ventures?corporate venture capital and investing firm innovation rates[J].Research Policy, 2005, 34(5): 615-639.

[9] DON S, KIM B.Government support for SME innovations in the regional industries: the case of government financial support program in South Korea[J].Research Policy, 2014, 43(9): 1557-1569.

[10] REVILLAA A J, FERN width=11,height=14,dpi=110

NDEZ Z.The relation between firm size and R&D productivity in different technological regimes[J].Technovation, 2012, 32(11): 609-623.

[11] 蔺鹏,孟娜娜,李颖.科技金融政策与科技型中小企业创新绩效的耦合协调研究——以河北省为例[J].科技管理研究,2018,38(3):54-62.

[12] 徐玉莲,王玉冬,林艳.区域科技创新与科技金融耦合协调度评价研究[J].科学学与科学技术管理,2011,32(12):116-122.

[13] 和瑞亚,张玉喜.区域科技创新系统与公共金融系统耦合协调评价研究——基于中国28个省级区域的实证分析[J].科技进步与对策,2014,31(7):31-37.

[14] 廖岷，王鑫泽.科技金融创新：新结构与新动力[M].北京：中国金融出版社，2016:76.

[15] 张怡梦,尚虎平.中国西部生态脆弱性与政府绩效协同评估——面向西部45个城市的实证研究[J].中国软科学,2018(9):91-103.