基于數據包絡分析的農業上市公司融資效率研究

蔣惠鳳

摘要：農業產業化的進程受到金融抑制的影響，使得農業企業融資渠道狹窄、風險大，因而其融資效率的高低變得更加重要。利用數據包絡分析方法對滬深A股農業上市公司的融資效率進行測度后發現，農業上市公司融資效率為有效的單位比重偏低，大部分企業的效率值介于0.4～0.8之間。純技術效率普遍高于綜合效率，并且歷年變化較大，是影響綜合效率的主要因素，因此農業科技創新不僅是推進農業和農村現代化的源泉和動力，長遠來看也是提高融資效率的重要路徑。利用單因素方差分析方法比較農業不同子行業間綜合效率均值，發現它們之間并沒有顯著差異。

關鍵詞：融資效率；數據包絡分析；純技術效率；農業上市公司

中圖分類號： F275 文獻標志碼： A

文章編號：1002-1302（2016）11-0501-04

農業是國民經濟的基礎部門，也是經濟發展較為薄弱的環節，一直是需要重點扶持的產業。近年來，在國家大力發展現代農業的大背景下，中國農業得到了持續健康的發展，形成了例如“低碳農業”“有機農業”等許多新農業概念，農業發展也轉變為融合現代工業、現代服務業在內的現代產業鏈條的道路，農業潛在的發展空間不斷地吸引著來自國內外眾多的投資機構。一直困擾農業發展的融資問題迎來了緩解的機遇，但是農業投資高風險性、融資難的問題依然存在，農業要實現更大的發展，仍有賴于高效的資金投入與產出。因此，如何綜合衡量和評價農業企業的融資效率仍然值得深入探討。

關于農業公司融資效率的研究，并沒有形成一個完整的系統評價體系，大部分學者是從理論和實證2個角度來分析的。沈淵等研究認為，中國農業上市公司表現為綜合效率低，規模效率、技術效率和純技術效率在不同上市公司間、不同子行業間存在顯著差異；同時還發現不同年份之間部分公司的效率值波動較大[1-3]。張新美通過調研分析發現，農村微型企業從融資渠道角度探討融資效率的話，非正規金融優于正規金融渠道[4]。隨著國家對農業加大投入，強化融資配套扶持政策的實施，農業上市公司的融資效率是否有了明顯提升，對此展開研究。

1 研究方法

金融學家曾康霖最早提出“融資效率”這一名詞[5]，其后， 國內學者在有關企業融資效率的基本涵義方面取得了大量研究成果[6-8]，大多基于投入產出視角定義融資效率。關于評價企業融資效率的實證研究主要基于模糊綜合評判法、包絡分析法、層次分析法和熵值法等，其中數據包絡分析法產生于1978年，Charnes等從前沿生產函數思想角度提出一種以相對效率為基礎的非參數目標決策方法，即CCR模型[9]，該模型基于規模收益不變生產可能集，使效率評價理論的現實應用更便利。Banker等建立了基于規模收益可變生產可能集的BCC模型[10]。魏權齡首次把DEA方法引入到國內學術界[11]，隨后由于DEA適用于多投入、多產出的復雜系統的綜合評價，且不須要指定投入產出的生產函數形態，國內眾多學者應用并發展了DEA模型[12-13]。

1.1 綜合效率——CCR模型

數據包絡分析的基本思路是把每一個被評價單位作為一個決策單元（DMU）構成被評價群體，通過設立的線性規劃模型，對投入和產出比率進行綜合分析，得出相對效率的方法[14]。

1.2 純技術效率和規模效率——BCC模型

BCC模型[10]在變動規模報酬（VRS）的假設下，將固定規模報酬的技術效率分解為純技術效率（用PTE表示）與規模效率（用SE表示），分別表示造成技術無效率的原因，包括來自生產技術上的無效率以及DMU未處于最優規模的無效率。CCR模型和BCC模型的區別在于規模報酬假設不同，構成不同的生產前沿面，前者為凸錐形，后者為凸多面體。本研究采用BCC模型計量PTE和SE。把∑λj=1的條件加到模型（1）里的約束條件，得到 BCC 模型。BBC 模型可以用來評價 DMU的純技術效率，純技術效率值介于0～1之間，其值越接近1，代表越具有純技術效率；反之，若越接近0，代表越缺乏純技術效率。技術效率、純技術效率與規模效率之間存在關系式：TE=PTE×SE，由此求得規模效率值SE。

1.3 規模收益

運用DEA技術評價后，計算各DMU的規模收益值k，k=∑λj/θ，不同取值代表不同含義：（1）當k=1時，意味著DMU的規模收益不變，DMU在此時達到最大產出規模點；（2）當k<1時，則為該DMU的規模收益遞增，且k值越小，規模遞增趨勢越明顯，因此該DMU如果在原來投入的基礎上，適當增加投入量，產出量增加的比例將更大；（3）當k>1時，則為該DMU的規模收益遞減，且k值越大，規模遞減趨勢越明顯，因此該DMU沒有再增加投入的必要，即使增加投入量也不可能帶來更大比例的產出。

2 模型設計：2010—2014年農業上市公司效率分析

2.1 樣本選取與數據來源

本研究選取滬深A股2009年12月31日前上市的農業上市公司（證監會行業分類2012版農、林、牧、漁業）為樣本，研究區間為2010—2014年共5年，2010—2011年刪除數據不全的樣本公司瑞貿通供應鏈管理股份有限公司，樣本公司各有31家，2012—2014年樣本公司各有32家，數據來源于RESSET數據庫。

2.2 投入產出效率指標選取

結合農業企業特點，依據現有的研究成果，將DEA模型中的投入指標界定為企業資產總計，反映企業融資規模；營業總成本決定了利潤，表明對資產的運用能力；資產負債率體現資本結構對融資效率的影響。DEA模型中的輸出指標界定為凈資產收益率，反映企業所籌集資金獲取報酬的能力；營業收入增長率直觀反映融入資金的經營效率；總資產周轉率反映企業全部資產的運用效率。

2.3 原始指標數據的無量綱化

由于原始投入、產出指標有的為絕對數，有的為相對數，有不同的量綱，直接使用原始數據會影響模型效果，且DEA模型在使用時有個前提，即投入及產出指標數據為非負，實際上，獲取的原始數據中有負數，所以需要對原始指標數據按照一定的方法進行處理。

3 基于DEA的實證結果與分析

把農業上市公司某一時段內（本研究取1年）的投入產出效率看作DEA中的一個決策單元，評價其是否有效率，由于涉及到大量的線性規劃運算，本研究依據彭育威等所述MATLAB程序進行修改之后運行得到各效率值[15]。

3.1 融資效率分析

3.1.1 綜合效率分析 依據CCR數據包絡模型，計算樣本公司的綜合效率，計算結果如表1所示。從表1可以看出，每年融資效率相對有效的企業所占的比重并不高，情況最好的是2012年，為25%，可能與整體經濟形勢從金融危機中復蘇有關。其他年份相對有效企業數不足20%，與其他行業相比，綜合效率所占比重偏低，說明融入的資金沒有得到有效利用。從歷年效率均值來看，呈現出一定的波動，并沒有明顯的上升趨勢。這5年中，前2年超過半數的企業融資效率高于平均值，后3年融資效率超過平均值的單位比重下降很快，但2012年融資效率的均值最高。從具體公司的融資效率來看，近4年各效率相對有效農業上市公司比較穩定，變化不是很大，2011年與2010年相比，少了1家融資效率相對有效的企業，其他年份這家公司均為非有效單位，2011年融資效率相對有效的3家企業在這5年中均為有效，還有2家企業保持了2012—2013年相對有效的狀態。

3.1.2 融資效率具體分析 對綜合效率進行分解，計算樣本企業2010—2014年的綜合效率PE、純技術效率PTE、規模效率SE，結果如表2所示。由表2可知，各年純技術效率的均值均高于綜合效率，并且各年的變化比較大，規模效率的均值各年變化不大，保持在0.8左右。而技術效率是純技術效率與規模效率的乘積，即規模效率，表現穩定，保持基本不變的狀態，綜合技術效率值與純技術效率值之間具有內在一致性。規模效率與純技術效率相比，有2年比較接近，有2年規模效率略小于純技術效率，這也說明從總體來看，農業上市公司無法運用擴大規模提升融資效率。剔除規模效率后的純技術效率值即是企業的資金使用效率，影響著企業的管理、技術發展。樣本公司為躋身行業前列的農業上市公司，更注重技術研發、管理創新和金融創新，因而注重提升自身管理、生產和技術方面的水平，從而增強企業的競爭力，不斷提高融資效率；相反，規模效率更優的企業應更多地通過擴大規模或進行多元化發展來提升融資效率。

從綜合效率來看（表1），前3年是逐年遞增的，2013年出現比較大的下降，基本與2010年的水平持平，說明樣本企業的融資效率還易受到外部經濟環境和氣象條件的影響。從區間分布來看，如果每年每家企業作為1個決策單元來看，綜合技術有效的比重為16.46%，說明這些決策單元投入產出規模適度，融入的資金獲得有效利用。綜合技術有效的企業必須同時滿足純技術有效和規模有效，純技術效率有效的比重為26.98%，高于綜合技術有效的比重，說明這些企業的投入配比合理且得到充分利用，最大程度地提高了企業的綜合能力，該狀態下對應的綜合技術效率都處于高值區間。占總數10%的非綜合技術有效的單元是因為其規模和投入、產出并非相互匹配，須要根據企業的規模報酬進行微調才能達到綜合有效；余下73%單元則既非規模有效又非純技術有效，表明它們存在資金使用效率和規模效率低下的雙重困擾。從技術效率值的內部區間分布來看，效率值介于0.4～0.8之間的比重最高。從純技術效率的區間分布來看，最為密集的區間為0.6～1.0，純技術效率有效對綜合效率的貢獻較大。

3.2 規模報酬分析

從前文分析可知，綜合技術效率可分解成純技術效率和規模效率，規模效率普遍低于純技術效率，融資規模影響著融資效率，因此，須對樣本公司的規模進行分析。對樣本公司的規模報酬狀態進行分析，發現規模收益處于遞增狀態的占比比較低，2010年占比是最高的，為29.03%，其后4年規模報酬遞增的企業只有1～2家，而規模報酬遞增意味著其產出增加占比大于投入增加占比；規模收益處于遞減狀態的占比很高，5年依次為58.06%、80.65%、71.88%、78.13%、75.00%（表3），而規模報酬遞減意味著擴大的規模不能帶來相應產出的增加；假如規模報酬遞減，此企業應縮減規模，因為在VRS模型下，一個企業處于規模報酬遞減區域，這個企業可以通過向TOPS點的移動來縮小規模，這樣它就會變得更加有生產能力，但是這是在這個企業處于生產前沿的條件下的，即這些企業是技術有效的。而樣本公司規模報酬遞減的企業并非技術有效，所以單純依靠縮減融資規模并不能提高效率，而是應該優化融資結構，創新融資方式，在技術有效的前提下，同時對融資規模進行微調。

3.3 不同子行業間綜合效率的差異分析

按照《證監會行業分類》2012版，本研究所述農業公司可以細分為農業、林業、畜牧業、漁業以及農、林、牧、漁服務業，這些子行業間融資效率是否有顯著差異，以綜合效率為例使用單因素方差分析法測度其差異是否顯著。由于方差分析的前提是各水平下（這里是不同子行業影響下的綜合效率）的總體服從方差相等的正態分布，且各組方差具有齊性，因此首先進行方差齊性檢驗，結果如表4所示。

方差齊性檢驗中，當相伴概率大于0.05時，接受假設，認為方差相等。從表4可知，4年的相伴概率均大于顯著性水平0.05，所以可以進行單因素方差分析。單因素方差分析的結果如表5所示。

單因素方差分析屬于統計推斷中的假設檢驗問題，原假設是不同子行業間樣本公司各總體綜合效率均值無顯著差異，當相伴概率P值大于顯著性水平時，一般為0.05，則接受原假設，認為在不同子行業間融資效率的均值并無顯著差異。從表5可知，2010年綜合效率的組間平方和為0.157，自由度為4，均方為0.039，組內平方和為1.738，自由度為26，均方為0.067，F統計量為0.586，相伴概率為0.676，大于顯著性水平0.05，因此接受原假設，認為不同子行業間綜合效率雖然有一定的差異，但是不具有統計學意義上的顯著性。其他各年的相伴概率也均大于0.05，同樣說明行業分類對融資效率沒有影響。

4 結論

根據以上分析，得出以下結論：（1）我國農業上市公司融資效率有效的比重偏低，即使是情況最好的2012年也只占總數的1/4，但效率值在0.8以上的企業所占的比重較大，

樣本期間有4年的效率值呈左偏分布，有1年是右偏分布，說明兩極分化并不嚴重。大部分企業的效率值介于0.4～0.8之間，融資效率有效程度比較穩定，總體偏低。（2）對融資效率進行具體分析發現，純技術效率普遍高于綜合效率，并且歷年變化較大，而規模效率歷年變化不大，說明融資效率主要受純技術效率的影響，企業在資金籌集與使用中注重管理創新、技術創新能有效提高融資效率。而通過提高規模效率可以幫助純技術有效而非綜合技術有效企業轉變為綜合技術有效企業。（3）樣本公司中大部分公司處于規模報酬遞減階段，但是單純依靠縮減規模難以改善融資狀況。農業科技創新是推進農業和農村現代化的源泉和動力，長遠來看也是提高融資效率的重要路徑，因此農業企業要重視技術更新[16]。（4）農業不同子行業間綜合效率均值并沒有顯著差異。

參考文獻：

[1]孟令杰，丁 竹. 基于DEA 的農業上市公司效率分析[J]. 南京農業大學學報：社會科學版，2005，5（2）：39-43.

[2]李雪陽，白 雪. 基于DEA模型的農業上市公司經營績效分析[J]. 經濟師，2008（1）：125-126.

[3]管延德，戴蓬軍. 基于DEA 的農業上市公司效率研究[J]. 財會月刊，2011，8（下旬）：3-7.

[4]張新美. 我國農村微型企業融資效率評價[J]. 商業時代，2011（24）：76-77.

[5]曾康霖. 怎么看待直接融資與間接融資[J]. 金融研究，1993（3）：7-10.

[6]劉海虹. 國有企業融資效率與銀行危機相關問題研究[J]. 財經問題研究，2000（3）：41-45.

[7]盧福財. 企業融資效率分析[M]. 北京：經濟管理出版社，2001.

[8]尚欣榮. 我國上市公司融資效率研究綜述[J]. 技術與創新管理，2011，32（4）：346-349.

[9]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[10]Banker R，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science，1984，30（9）：1078-1092.

[11]魏權齡. 評價相對有效性的DEA方法[M]. 北京：中國人民大學出版社，1988.

[12]宋獻中，劉 振. 高新技術企業技術創新融資效率研究[J]. 財會月刊，2008（8）：10-12.

[13]劉玲利，王 聰. 我國高新技術上市公司融資效率評價研究[J]. 經濟縱橫，2010（10）：103-106.

[14]魏權齡. 數據包絡分析（DEA） [J]. 科學通報，2000，45（17）：1793-1808.

[15]彭育威，吳守憲，徐小湛. MATLAB在數據包絡分析中的應用[J]. 西南民族學院學報：自然科學版，2002（2）：139-143.

[16]曹慶穗，嚴俊文，褚 芳，等. 農業產業化的金融支持創新研究[J]. 江蘇農業科學，2011，39（6）：644-646.