基于DEA—Tobit模型科技金融结合效率实证分析,本文关于实证分析论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
实证分析论文参考文献：
摘 要：科技金融结合效率对科技成果转化有重要影响,而DEA-Tobit模型有助于评价科技金融结合效率和分析其影响因素.本文运用该研究方法,采用2005—2014年河南省18个地市科技金融的有关数据,对其科技金融结合效率进行了实证研究.结果表明：10年来河南省科技金融结合效率呈现先上升后下降的趋势,并且具有明显的地区差异；科技金融结合效率相对较高的地市应重视规模效率的提高,结合效率相对较低的地市应加大科技金融投入力度；科技拨款和科技金融结合效率呈显著负相关,金融市场规模、高技术企业整体规模和科技金融结合效率呈显著正相关,但是金融市场效率和科技金融结合效率呈不显著正相关关系,并且金融市场结构和科技金融结合效率呈不显著负相关关系.
关键词：科技金融；结合效率；DEA-Tobit模型；影响因素分析
中图分类号：F830 文献标识码：A 文章编号：1674-2265（2015）09-0036-05
一、引言
科技和金融是经济社会价值创造的两个重要领域,而科技金融结合效率对科技成果转化速度和效率有极大的影响.因此,科技和金融的发展不能仅追求科技资源和金融资本的绝对投入量,而应该足够重视科技和金融的结合效率.关于科技和金融结合效率的探索,国内有关学者做了大量研究,近年来有部分学者运用层次分析法（AHP）、数据包络分析法（DEA）对我国金融投入和科技产出的效率进行比较研究；还有部分学者基于面板数据,运用随机前沿距离函数模型、面板向量自回归模型全面分析了我国金融和科技的互动关系；也有学者研究科技金融结合效率的东部沿海发达城市、中部地区或者西部地区的地区差异.但是目前有关科技金融的研究大都侧重于宏观分析,针对省市区域的实证检验较少,而且很多研究仅仅侧重于科技金融结合效率的评价和对比,对于其影响因素的分析尚未涉及.
河南省作为中原经济区发展规划的核心区域,在各方的大力支持下,科技金融工作有序开展,虽然在科技金融结合手段创新和营造良好的外部环境方面取得了一定的成绩,但仍然存在不少的问题.本文在借助有关学者已有的研究基础上,对区域科技金融结合效率进行实证分析,并进一步探讨其主要影响因素,提出相应的政策建议.
二、模型构建和研究方法
(一)DEA-Tobit模型建立
本文首先应用DEA的BCC模型作为河南省各地市科技金融结合效率评价的数学模型.假设向量Xj等于（X1j,X2j,等,Xmj）T为投入向量,Yj等于（Y1j,Y2j,等,Ysj）为产出向量,j等于1,2,等,n .将CCR模型加入约束条件∑λj等于1构造BCC模型,该模型最优值为：
[minθ-ε（j等于1ms_+j等于1rs+）等于vdεs.t.j等于1nxjλj+s-等于θx0j等于1nyjλj-s+等于y0λj≥0,s+≥0,s-≥0] （1）
公式（1）的经济含义是：若纯技术效率和规模效率均为1,则表明DEA有效（综合效率有效）,相对效率处于生产前沿；若两者中只有一方效率值达到1,说明仅实现弱DEA有效（纯技术效率有效或者规模效率有效）,需要进行产出规模或者投入效率的调整；若纯技术效率和规模效率都很低,则意味着DEA无效,需要进行全面调整.
本文采用Tobit模型,对科技金融结合效率影响因素进行分析.Tobit模型基本原理如下：
[yi*等于βxi+ε] （2）
[yi等于yi*yi*>00yi*≤0] （3）
公式（2）和（3）中,y*为潜在的被解释变量；yi为被解释变量；xi为解释变量；β为回归参数向量；εi～N（0,δ2）,i等于1,2,等,n .该模型的特征是,解释变量xi为实际观测值,而被解释变量yi只能以受限的方式观测到.当y*>0时,yi等于 y*,yi为无限制观测值；当y*≤0时,yi等于0,称yi为受限观测值.
(二)指标选择和数据说明
考虑到科技金融相关的投入和产出指标在管理上的可控性、可取性和可比性,在分析科技金融效率时选取了地方财政科技拨款和地方财政支出比重（X1）；企业R&D费用支出和产品销售收入比（X2）；高技术固定资产投资和固定资产投资额比（X3）；高技术产业贷款增加额占银行贷款增加额的比例（X4）4个指标作为科技金融投入指标.选取技术市场成交合同额比重（Y1）；专利申请授权量比重（Y2）；高技术产业产值占工业总产值的比重（Y3）；新产品销售收入和产品销售收入的比重（Y4）4个指标作为科技金融产出指标.
本文选取2005—2014年河南省18个地级市作为研究样本,分析其10年间科技金融结合效率变动以及空间差异.科技金融投入和产出指标数据来源于《河南省统计年鉴》、《河南省科技统计年鉴》、《河南省高技术产业统计年鉴》,由于金融投入和科技产出之间存在一定的滞后性,本文采用的输出指标滞后输入指标一期.
(三)确定科技金融结合效率的影响因素
为了进一步探究科技金融结合效率的主要影响因素,本文从政府、金融市场（金融市场的规模、效率和结构）和企业3个角度分析影响科技金融结合效率的可控因素,有关的预期假设如下：
假设1：当地政府在科技金融发展中的支持作用和科技金融结合效率正相关,用GAni表示,GAni等于科技拨款占地方财政支出比重.
假设2：当地金融市场规模和科技金融结合效率正相关,用FSni表示,FSni等于银行业金融机构资产总额和当地GDP的比例.
假设3：当地金融市场效率和科技金融结合效率正相关,用FEni表示,FEni等于当地金融机构贷款和存款的比例.
假设4：当地金融市场结构和科技金融结合效率正相关,用FFni表示,FFni等于非金融机构所获融资中债券和股票所占比重.
假设5：各地区高技术企业整体规模和科技金融效率正相关,用ESni表示,ESni等于高技术产业总产值占当地GDP比重.
结论：适合不知如何写实证分析方面的相关专业大学硕士和本科毕业论文以及关于实证分析命题是什么论文开题报告范文和相关职称论文写作参考文献资料下载。
基于DEA—Tobit方法我国科技金融结合绩效评价
摘要：以2011～2015年的数据为基础，借助DEA-Tobit模型对我国30个地区的科技金融效率进行实证分析，从政府、企业、金融市场三个角度对。
基于复合DEA和Malmquist指数科技投入产出效率评价
摘要：本文利用非参数方法DEA对2004—2008年福建省9个地市的科技投入产出效率进行评价，并应用复合DEA方法和Malmquist指数来分析。
上海科技金融投入产出效率与影响因素
采用2014-2016年上海44家科技创新企业的微观面板数据，结合DEA模型和固定效应模型对i海科技创新企业的科技金融投入产出效率和影响因素进行。
基于DEA—Malmquist模型城市商业银行效率分析
摘要：近五年来样本城市商业银行（以下简称城商行）总体全要素生产率保持下降，仅2010年出现小幅上升，样本城商行的全要素生产率并没有在规模持续扩张。