我國物聯網上市公司融資效率及影響因素探討

■ 楊源泳 通訊作者 華蘊琪（湖南大學經濟與貿易學院 長沙 410079）

我國物聯網上市公司融資效率及影響因素探討

■ 楊源泳 通訊作者 華蘊琪（湖南大學經濟與貿易學院 長沙 410079）

為探尋適合物聯網企業的金融支持手段，本文以96家物聯網上市企業為樣本，運用產出導向的規模報酬可變的超效率DEA模型測度物聯網主板、中小企業板及創業板上市公司融資效率，測算出DMU效率值；再通過Tobit回歸方法，構建物聯網上市公司融資效率影響因素模型。實證結果表明：相對于債務融資，股權融資更有利于提升物聯網企業融資效率；短期負債有利于降低物聯網企業融資成本，但不利于長期投資。文章認為，政府應強化政策金融的引導作用，支持物聯網企業上市及再融資。企業管理層應合理控制企業債務結構，通過增持等手段增強投資者投資信心，提升公司價值。

物聯網 融資效率 超效率DEA Tobit模型

相關研究概述

物聯網作為新一代信息技術的高度集成和綜合運用，滲透性強、輻射范圍廣、潛在規模大，是戰略性新興產業的重要組成內容。而作為現代產業發展的輸血管，金融對物聯網的發展起著基礎性作用，是物聯網發展的核心要素之一。研究物聯網產業的融資效率的現狀及影響因素，對物聯網產業發展至關重要。

為此，國內外學者嘗試從企業融資結構入手，衡量融資結構對企業融資成本及企業價值的影響，通過尋找不同渠道資金的有效搭配及合理比重，提升企業融資效率。Modigliani和Miller（1958）基于完善市場假定，提出經典的“MM定理”，即企業的融資成本及企業價值與企業融資方式的選擇無關，但由于完善市場假定與現實市場相距甚遠，學者們開始嘗試放寬這一假設條件。Ross（1977）引入非對稱信息假設，指出企業負債率上升表明企業管理層對未來收益有著較高預期，對投資者而言是一個積極信號，企業的市場價值因此而增加。Myers和Majluf（2004）認為，由于非對稱信息的存在，投資者往往通過企業對融資方式的選擇，判斷企業管理層對企業未來市場價值的預期，因而股權融資會使企業的市場價值貶值，發行企業債券則容易產生破產成本。據此，他們提出了“優序融資理論”，推斷企業的融資選擇從優到劣依次為內源融資、銀行貸款、企業債券、股票發行。Masulis（1983）等眾多國外學者所做的一系列實證研究亦從側面驗證了“優序融資理論”。

然而，在國內，股權融資相對于債務融資反而更受企業青睞，這與“優序融資理論”產生嚴重背離，對此，眾多國內學者對此展開一系列研究。陳曉等（1999）選取185家滬深上市公司數據進行實證，結果表明我國上市公司股權融資成本低于債務融資成本，但債務融資仍然能提升企業市場價值。沈藝峰等（1999）以30家百貨上市公司為樣本進行回歸分析，結果表明權益資本成本高于債務資本成本。宋增基等（2003）選取123家工業企業上市公司1999年度數據進行實證，對比股權融資和債務融資在我國上市公司的表現，結果表明股權融資成本遠低于債務融資成本，公司績效與負債率、流通股比率呈現顯著的負相關關系。劉星（2004）改進了Myers的融資優序模型，以滬深211家上市公司為樣本檢驗我國上市公司的融資情況，指出我國上市公司的融資順序依次為股權融資、債務融資、內部融資，在債務融資中更偏好于短期負債。但上述研究方法需要以各指標的優先權重為基礎，帶有明顯的主觀性，難以保證評價的客觀公正。

為此，劉力昌等（2004）率先將DEA運用于我國企業融資效率的評估，以滬市初次發行股票的47家上市公司為樣本，測度我國上市公司股權融資效率，結果顯示我國上市公司股權融資效率處于較低水平且存在行業差異。此后，袁云峰等（2006）、宋增基等（2007）為代表的眾多學者相繼將其作為銀行業、保險業效率評估手段。

基于上述研究，本文推斷，企業融資方式的選擇及融資效率的高低，與其所屬行業密切相關，行業差異的產生或許源自不同行業在資本市場的受歡迎度及投資者對行業前景的預期。對于物聯網產業而言，怎樣的融資手段更有利于提升物聯網企業融資效率？為解答這一疑問，本文借鑒龐瑞芝等（2007）、郭淡泊等（2012）的DEA-TOBIT兩步法，基于96家物聯網上市公司數據，通過數據包絡分析（DEA）手段核算其融資效率，在此基礎上以DEA效率值為被解釋變量，建立物聯網上市公司融資效率影響因素回歸模型。

表1 指標體系及計算方法

研究方法與指標體系構建

（一）超效率DEA模型分析

1.超效率DEA模型簡介。數據包絡分析（Data Envelopment Analysis，簡稱DEA）是由A. Charnes & W. W. Cooper等學者于1978年在“相對效率評價”概念基礎上提出的一種新的系統分析方法，主要用以評價部門間的相對有效性。由于DEA方法相對于其他效率評價模型而言無需估計參數，很大程度上減小了管理者的主觀因素對評價結果的影響，通過Banker等學者（1984）的不斷完善，廣泛應用于各類生產單位的效率評估中。超效率DEA模型由Andersen和Petersen于1993所提出，相對于傳統CCR模型，其突破了有效決策單元效率值為1的限制，更有利于對比各有效決策單元間的優劣及區分技術有效與規模有效。設有n個決策單元，各決策單元均有m種類型輸入及s種類型產出，借鑒Andersen等（1993）和郭淡泊等（2012）的建模思想，基于投入導向的超效率DEA模型可表示為：

其中，θ為決策單元的效率值；x和y分別代表輸入和輸出變量；λj為規劃決策變量；S-和S+均為松弛變量，分別代表輸入超量和輸出虧量。其經濟含義為：當θ*≥1，S-=S+=0，則表示j0單元為DEA有效，在這n個決策單元所構成的經濟系統內，原投入X0時所獲得產出Y0以實現績效最優；當θ*≥1，S-、S+存在非零值，則表示j0單元為DEA弱有效，這意味著投入X0減少S仍能維持產出Y0不變，或在投入X0不變的條件下產出Y0可增加；當θ*<1，則表示j0單元為DEA無效，這意味著可在投入X0下降至原先的θ比例的條件下實現產出Y0。值大于1的經濟意義可以測算出投入指標在同時增加多少比例的情況下，DMU仍能保持DEA有效。

表2 物聯網上市企業超效率DEA融資效率匯總

表3 物聯網整體上市公司樣本面板數據統計結果

2.決策單元選擇。DEA的基本功能是對多個同類樣本進行“相對優劣”評價，決策單元的選擇過程實際上就是確定相互比較的參考集的過程。為使評價結果能夠充分反映物聯網上市公司金融支持效率的整體情況及物聯網各層面公司所存在的相對差異，本文選取了2010年12月前上市的96家物聯網企業作為決策單元，依據其所歸屬板塊不同，劃分為32家主板企業、32家中小板企業及32家創業板企業。

3.指標體系構建。通過借鑒熊正德等學者（2010）的現有研究成果，本文在選取投入產出指標時結合了生產法、資本法兩種指標選取方法，針對物聯網上市公司資金籌集效率分析模型及資金配置效率分析模型，建立了如表1所示的輸入輸出指標體系。

資產總額表示物聯網上市公司直接融資的額度，流動負債總額代表物聯網上市公司短期間接融資的額度，非流動負債總額代表物聯網上市公司中長期間接融資的額度，故將三者作為物聯網上市公司資金籌集效率分析模型及資金配置效率分析模型的共同投入指標。

營業收入增長率反映上市公司融資后的成長性，年度化凈資產收益率反映上市公司融資后的盈利能力，故將其作為兩個模型的共同產出指標，衡量物聯網上市公司資金籌集及配置的效率；此外，針對資金籌集效率分析模型與資金配置效率分析模型的不同特征，分別選取企業資金籌集效益率和企業績效（Tobin`s Q值）作為DEA的第三個產出指標，前者充分體現了物聯網上市公司的資金籌集效率，后者則代表了物聯網上市公司的資金配置效率。

表4 物聯網各層次上市公司樣本面板數據統計結果

（二）二階段Tobit回歸分析

1.Tobit模型簡介。Tobit模型由Tobin提出，屬于因變量受限的回歸模型，可解決受限或截斷因變量的模型構建問題。其基本形式為：

由于DEA模型得出的效率值屬于截斷的離散分布數據，若采用普通最小二乘法，會導致參數估計的有偏及不一致，因而采用Tobit模型分析融資效率的影響因素。

2.指標選取。為全面衡量物聯網企業的融資效率，本文從融資結構、債務結構與股本結構三方面出發，選取資產負債率（TDR）、流動負債率（CDR）和流通股本比例（CR）作為評價指標。其中，資產負債率（TDR）反映債務融資與股權融資的比率，體現上市公司的融資結構；流動負債率（CDR）反映短期負債與長期負債之間的比例，體現上市公司的債務結構；流通股本比例（CR）反映上市公司的持股情況，體現了上市公司的股本結構。為進一步測量融資效率與上述三個指標的彈性，本文對上述三個指標分別取對數，將LnTDR、LnCDR及LnCR一同納入指標評價體系。

（三）數據來源

本文所選樣本為2010年12月前在主板、中小板和創業板上市的96家物聯網企業，提取2011年3月-2013年6月的季度財務數據，深入探討物聯網產業的金融支持效率。文中數據來自于清華金融研究數據庫及國泰安數據庫。

物聯網上市公司融資效率評價

將96家物聯網上市公司數據代入超效率DEA模型，通過MaxDEA軟件進行求解，結果見表2。

在資金籌集效率方面，主板上市公司的資金籌集效率均值達到了0.7605，遠高于中小板的0.5931和創業板的0.6312。由此可見，相對于中小板和創業板物聯網上市公司，主板物聯網上市公司在低成本融資的能力上具備顯著優勢，資金籌集效率與物聯網上市公司的規模呈正相關。而在資金配置效率方面，創業板上市公司的效率均值最高，達到了0.8865的高水準；中小板上市公司的綜合技術效率均值為0.7980，略高于主板上市公司的0.7728。這表明，在高效率利用資金的能力上，創業板物聯網上市公司顯著優于中小板及主板物聯網上市公司，資金配置效率與物聯網上市公司的規模呈負相關關系。而在綜合效率方面，主板上市公司的0.6102略高于創業板上市公司的0.5966，中小板上市公司最低為0.5493，綜合效率與物聯網上市公司規模呈U型關系。

DEA測度結果還表明，在時間序列上，物聯網產業的融資效率呈現較大的波動態勢。各個層面的物聯網上市公司在2011年第一季度及第二季度內多處于0.7以上的高效區間，甚至達到最優效率；而自2011年第三季度起，受到宏觀經濟改革、經濟增速放緩及產業政策的影響，融資效率整體上呈現出逐季遞減的趨勢；到2012年第四季度開始逐步回升，整體上亦呈現U型關系。這表明，國內經濟形勢與相關產業政策對物聯網上市公司的融資效率產生了顯著影響。

對比物聯網主板、中小板、創業板上市公司的綜合技術效率值與同期滬深主板、中小板、創業板的指數走勢，可發現二者基本趨于同步：在指數表現較為強勢的時候，相應板塊物聯網上市公司資金配置效率及綜合效率值亦處于較高水準，反之亦然。如在創業板指數暴漲的2013年第一季度及第二季度，創業板物聯網上市公司的資金配置效率亦顯著提升，而同期主板和中小板物聯網上市公司的技術效率并未有顯著變化。這表明股市投資者的投資偏好體現在同期股價上，從而深刻影響了物聯網上市公司的資金配置效率。

物聯網上市公司融資效率影響因素分析

首先，運用96家物聯網上市公司數據為樣本進行回歸（見表3），結論如下：物聯網上市公司的資金籌集效率與資產負債率及流通股比例呈負相關關系，與流動負債率呈正相關關系，表明對于物聯網上市公司而言，股權融資相對于債務融資成本更低，提升不可流通股及短期負債的比例有利于降低上市公司融資成本；物聯網上市公司的資金配置效率與資產負債率及流動負債率呈負相關關系，與流通股比例呈正相關關系，表明股權融資相對于債務融資更有利于提升上市公司的企業價值，提高長期負債和不可流通股的比例對上市公司的長期發展有著積極影響。

此后，以各層面物聯網上市公司數據為樣本進行回歸，衡量各層次物聯網上市公司資金籌集及配置效率影響因素差異（見表4）。結果表明：除中小板上市公司資金配置效率模型中，流通股比例對物聯網中小板上市公司資金配置效率不顯著外，各變量在各模型中均通過10%的顯著性檢驗且相關性與物聯網整體模型相一致；資產負債率對物聯網創業板上市公司融資效率的影響最大；流通股比例對創業板上市公司融資效率的影響最大，對主板上市公司的影響最小；流動負債率對中小板上市公司的影響最大，對主板上市公司的影響最小。

結論及啟示

根據DEA金融效率測度結果及影響因素回歸模型結果，本文得出以下結論，并就此提出相關建議：

第一，物聯網產業尚處于成長期，風險抵御能力較低，受宏觀經濟形勢影響明顯，在近年經濟增速放緩背景下，物聯網上市公司資金籌集效率及配置效率均受到顯著的負面影響。政府應充分發揮“看不見的手”的作用，強化政策金融引導，合理地、有規劃地整合相關資源投向物聯網產業。

第二，股權融資對物聯網上市公司的資金籌集效率及配置效率具有積極作用，相對于債務融資而言對物聯網更有利。政府應積極推動符合上市標準的物聯網企業上市融資，支持物聯網上市公司通過配股、增發和發行可轉換債券等方式再融資，提高物聯網企業股權融資比例。

第三，短期負債雖在一定程度上降低了物聯網上市公司的融資成本，但亦對上市公司造成較大的還款壓力，使資金難以配置在投資回報周期較長的研發等項目，對上市公司的資金配置效率有較大的負面影響。企業應合理控制其債務結構，提高流動性資金的運作效率；政府應加大對研發投入較高、投資回報周期較長的物聯網項目的政策性資金扶持力度，降低企業研發投入資金壓力。

第四，流動股本比例與物聯網上市公司融資效率呈負相關關系，表明投資者及債權人或根據管理層控股等情況，判斷企業實際控制人及管理層對企業未來市場價值的預期，衡量投資收益及風險，從而做出決策。企業管理層可通過增持公司股票等行為，提升投資者信心，避免大規模減持套現。

第五，物聯網上市公司的資金配置效率與同期股市走勢趨于同步，表明資本市場的偏好對上市公司價值具有顯著影響。政府需進一步完善資本市場制度，出臺相應政策，為資本市場注入強心針，增強投資者投資物聯網等戰略性新興產業的信心。

第六，政府應引導風險投資、私募投資基金投資物聯網企業及項目，為物聯網企業帶來長期、穩定、低成本的資金，充實股權資本，改善融資結構，提升融資效率，將企業的技術、產品優勢與風險投資的資本、管理優勢相結合，推動物聯網應用市場化、商業化，實現企業效益。

1.Modigliani F，Miller M H.The cost of capital，corporation finance and the theory of investment[J].The American economic review，1958

2.Ross S A.The determination of financial structure：the incentive-signalling approach[J].The Bell Journal of Economics，1977

3.Myers S C，Majluf N S.Corporate financing and investment decisions when firms have information that investors do not have[J].Journal of financial economics，1984，13（2）

4.Masulis W.The impact of Capital Structure Changes on Firm Value：Some Estimates[J].Journal of financial，1983（3）

5.陳曉，單鑫.債務融資是否會增加上市企業的融資成本[J].經濟研究，1999，9（1）

6.沈藝峰，田靜.我國上市公司資本成本的定量研究[J].經濟研究，1999，11（7）

7.宋增基，張宗益.上市公司融資效率實證分析[J].商業研究，2003（5）

8.劉星，魏鋒，詹宇.我國上市公司融資順序的實證研究[J].會計研究，2004（6）

9.宋增基，李春紅.中國保險業DEA效率實證分析[J].系統工程學報，2007（1）

10.劉力昌，馮根福，張道宏等.基于DEA 的上市公司股權融資效率評價[J].系統工程，2004，22（1）

11.袁云峰，郭莉，郭顯光.基于多階段超效率 DEA 模型的銀行業效率研究[J].中央財經大學學報，2006（6）

12.龐瑞芝，張艷，薛偉.中國上市銀行經營效率的影響因素—基于Tobit回歸模型的二階段分析[J].金融論壇，2008（12）

13.郭淡泊，雷家，張俊芳，彭勃.國家創新體系效率及影響因素研究[J]. 清華大學學報（哲學社會科學版），2012（27）

14.Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）

15.Banker R D，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science，1984，30（9）

16.Andersen，Per，and Niels Christian Petersen."A procedure for ranking efficient units in data envelopment analysis." Management science 39.10（1993）

17.熊正德，林雪.戰略性新興產業上市公司金融支持效率及其影響因素研究[J].經濟管理，2010，1（1）

教育部哲學社會科學重大攻關招標項目（11JZD032）

F830

A