新三板中小企業融資效率及其影響因素研究

廖艷++沈亞娟+楊選思

【摘 要】 文章選取2014年新增掛牌的246家新三板企業為研究樣本，運用DEA方法對樣本企業掛牌前后及掛牌當年的融資效率進行評價，研究發現：在掛牌前后及掛牌當年同時實現技術有效和規模有效的企業僅20余家，達到DEA有效的企業數量占比不到15%，絕大多數企業融資效率處于非DEA有效狀態，融資效率低下；影響企業融資效率的因素中，資產規模、償債能力、營運能力和盈利能力與融資效率呈顯著正向關系，資產負債率則與融資效率呈顯著負向關系。

【關鍵詞】 新三板中小企業； 融資效率； 數據包絡分析； 影響因素

【中圖分類號】 F275 【文獻標識碼】 A 【文章編號】 1004-5937（2017）11-0049-05

一、引言

國家工商局公布的《2014年度全國市場主體發展有關情況》數據顯示，截至2014年12月底，全國企業數量為1 819.28萬戶，其中中小企業占比超過90%。我國中小企業創造的最終產品和服務價值相當于國內生產總值（GDP）總量的60%，提供了85%以上的新增就業及再就業崗位，完成了65%的發明專利和80%以上的新產品開發，中小企業已成為國民經濟發展的生力軍。但中小企業由于經營規模小、抵押擔保能力弱、信息透明度低等原因，在發展過程中存在資金不足、融資困難等制約因素。全國中小企業股份轉讓系統即俗稱的新三板，于2006年經國務院批準設立，定位于為創新型、創業型、成長型的中小微企業提供上市、融資、并購、重組等服務。新三板市場拓寬了中小企業的融資渠道，為中小企業提供了直接融資的機會。自2013年新三板試點擴容至全國以來，新三板企業在掛牌數量、行業分布、融資規模等方面都有了大幅提高。截至2016年3月31日，掛牌公司達6 349家，總股本為3 738.04億股。本文立足于在新三板掛牌的中小企業，分析其融資現狀，研究其融資效率及影響因素，以期為提升中小企業的融資效率、提升新三板市場培育優秀中小企業的能力提供一定參考。

二、理論概述

（一）融資效率的界定

目前，由于學者們研究融資效率的視角不同，對融資效率的定義并未統一，大致可以劃分為三個不同的分析角度：一是基于融資能力、成本和風險視角，將企業融資效率定義為籌資成本、籌資風險和籌資方便程度；二是基于成本、收益視角，認為企業融資效率是企業融資行為產生的成本和收益及風險對企業價值的影響程度；三是基于宏觀、微觀視角，宏觀視角認為企業融資效率是企業融資活動所實現的資金由儲蓄轉化為投資的能力和功效，微觀視角則認為企業融資效率是微觀經濟主體生產運營和融通資金的能力及其所實現的效用。

本文綜合以上觀點，將融資效率界定為企業進行資金融通的投入和產出的效益比，即考慮資金融入的成本以及對融入資金的使用效率，包括資金融入效率和資金配置效率。其中資金融入效率考慮融資能力、融資成本和融資風險的影響，資金配置效率考慮企業營運資金的使用效益。

（二）文獻回顧

19世紀中期，西方學者開始研究企業的融資問題。在融資效率研究方面，Claudio A Romano et al.以家族企業為例，通過實證分析影響企業融資效率的因素，得出企業資本結構、經營目標、管理模式、生命周期等都會影響企業融資效率的結論[ 1 ]。Leoral F Klapper et al.選取15個東歐國家的97 000家中小企業作為樣本，實證研究了融資效率的影響因素，認為融資約束影響了企業的長期融資效率和成長性[ 2 ]。李慧以中小板200家中小企業為樣本，運用熵值法進行實證研究，得出樣本企業融資效率的綜合得分總體不高，認為我國中小企業融資效率普遍偏低[ 3 ]。Terence Tai-Leung Chong et al.以中國的銀行競爭程度作為中小企業融資效率的影響因素進行研究，指出市場集中度越低將有助于提高中小企業的融資效率[ 4 ]。阮孝麟立足于創業板裝備制造類上市公司，通過模糊綜合評價法對不同融資方式的融資效率進行研究，得出優先順序為內源融資、銀行借貸、債券融資、股權融資[ 5 ]。Shifen Wang對比分析了國有企業、私有企業和外商投資企業的融資效率，發現國有企業的融資效率相比私有企業和外商投資企業較低[ 6 ]。曹苗對2013年度掛牌新三板的130家企業進行融資效率測度，得出我國新三板企業總體融資效率偏低的結論[ 7 ]。宋亭亭選取2013年12月31日前掛牌新三板的55家中小企業為樣本，發現企業之間的融資績效值差異較大，得出新三板市場融資功能發揮有限的結論[ 8 ]。汪華林運用DEA模型發現不同房地產企業的融資效率存在差距[ 9 ]。黃玉英等抽樣調查了306家中小企業，發現銀行和政府環境顯著正向影響企業融資效率，信用環境顯著正向影響融資成本，企業家社會網絡中的關系強度能夠降低融資成本，異質性對融資效率的作用不顯著[ 10 ]。

綜上，對新三板中小企業融資效率研究的文獻甚少，而對融資效率的研究，學者們采用的方法各異，分析角度也各異，新三板市場的爆發式發展是否真正發揮了解決中小企業融資問題的作用仍待考究。

三、基于DEA的新三板中小企業融資效率分析

數據包絡分析法（DEA）是通過對決策單元（DMU）各投入、產出指標建立線性規劃模型，對各決策單元的相對有效性作出評價。本文對新三板中小企業融資效率評價主要運用CCR和BCC這兩個DEA基礎模型。

（一）決策單元與數據來源

本文選取自掛牌以來有過融資歷史且近三年持續盈利的新三板中小企業246家為研究對象，涵蓋了制造業、信息傳輸、軟件和信息技術服務業等12個行業。實證分析所用到的數據來自Wind數據庫。

（二）投入、產出指標

基于前文對融資效率的界定，選取資產總額（I1代表融資能力）、利息支出（I2代表融資成本）、營業成本（I4代表融資成本）和資產負債率（I3代表融資風險）4個投入指標（I），選取凈資產收益率（O1）、營業收入（O2）和總資產周轉率（O3）3個產出指標（O）代表營運資金的使用效益，用于構建DEA模型。

（三）融資效率評價

本文運用MaxDEA Basic 6.9對樣本企業掛牌前（2013年）、掛牌當年（2014年）和掛牌后（2015年）的融資效率進行評價，結果如表1、表2所示。

就綜合技術效率值而言，效率值在0.5～0.8區間的企業數居多，說明新三板企業融資效率水平較低。TE在0.5～0.8區間的企業數量從2014年的68家上升到2015年的117家，增加了49家；TE在0.8～1區間的企業數量下降了46家，說明新三板企業在掛牌后，融資效率沒有提升反而下降了。

就純技術效率值而言，效率值在0.8～1區間的企業居多，說明新三板企業融資純技術效率水平較高。PTE在0.8～1區間的企業數量2015年比2014年減少了35家，與TE呈現相同變化趨勢；2015年比2013年增加了15家，表明相比新三板掛牌前，企業管理水平和科研創新能力有所提高。

就規模效率值而言，超過半數企業的融資處于規模收益遞減狀態，即增加一定的投入并沒有使產出同比例增加，說明新三板掛牌企業存在盲目擴大規模但管理水平未同步或者濫用資金的現象。

由表2可知，新三板企業掛牌前和掛牌當年的融資效率呈上升趨勢，掛牌后企業的融資效率則呈下降趨勢。這也從側面反映出部分中小企業為達到新三板市場準入條件，實現掛牌而粉飾財務報表。因此，掛牌后的融資效率更能體現新三板掛牌企業的真實融資狀況。

四、新三板中小企業融資效率影響因素的實證分析

（一）樣本選取及變量定義

仍以上文中的246家企業為樣本，考慮到掛牌后的融資效率更為真實，故以樣本企業2015年的財務數據進行分析，數據來源于Wind數據庫。選取綜合技術效率值（TE）作為衡量融資效率的指標，選取總資產（TA）、資產負債率（D/A）、流動比率（CR）、總資產周轉率（ATurn）、凈資產收益率（ROE）和營業收入增長率（GReve）分別反映企業的資本結構、償債能力、營運能力、盈利能力和成長能力。

（二）研究假設

基于前文對融資效率的文獻回顧及融資效率對投入、產出指標的考慮，本文提出以下假設：企業規模、償債能力、營運能力、盈利能力、成長能力與融資效率呈正相關關系，資本結構與融資效率呈負相關關系。

（三）實證分析

1.變量相關性分析

根據樣本數據，對各變量進行相關性分析，結果如表3。

由表3可知，綜合技術效率值（TE）與總資產周轉率（ATurn）的相關系數為0.586，說明二者之間存在較強的正相關關系；相關系數檢驗統計量對應的概率P-值近似為0，小于顯著性水平0.01，說明二者之間的相關性顯著。綜合技術效率值（TE）與凈資產收益率（ROE）、流動比率（CR）、資產負債率（D/A）、營業收入增長率（GReve）的相關關系較弱，但在0.01的水平上相關性顯著。

2.建立回歸模型

基于變量的相關性分析，擬建立多元線性回歸模型：

Y=？茁0+？茁1X1+？茁2X2+？茁3X3+？茁4X4+？茁5X5+？茁6X6+？孜 （1）

式（1）中因變量Y表示綜合技術效率值，自變量X1表示總資產、X2表示資產負債率、X3表示流動比率、X4表示總資產周轉率、X5表示凈資產收益率、X6表示營業收入增長率。

？茁0是回歸常數項，？茁1、？茁2、？茁3、？茁4、？茁5、？茁6分別表示各自變量的回歸系數；？孜是隨機誤差項，表示除自變量X與因變量Y的線性關系之外的隨機因素對Y的影響。

3.回歸方程的估計

根據樣本數據，運用SPSS估計回歸方程，輸出結果如表4。

根據標準化系數可得估計的回歸方程：

Y=0.206X1-0.327X2+0.165X3+

0.471X4+0.385X5+0.044X6 （2）

4.回歸方程的統計檢驗

通過多重判定系數R2對回歸方程的擬合優度進行評價，R2為0.635，調整后的R2為0.626，說明在綜合技術效率值取值的變差中，能被此多元回歸方程解釋的比例為62.60%，估計的多元線性回歸方程的擬合度較好；通過方差分析中的F檢驗對估計回歸方程的線性關系進行檢驗，F檢驗統計量對應的概率P值近似為0，小于顯著性水平0.01，說明回歸方程總體顯著，即綜合技術效率值與總資產、資產負債率等自變量的線性關系顯著；通過t檢驗對各回歸系數的顯著性進行檢驗，？茁1、？茁2、？茁3、？茁4和？茁5的檢驗統計量t對應的概率P值近似為0，小于顯著性水平0.01，通過檢驗；？茁6所對應的P值大于顯著性水平，未通過檢驗，說明在影響綜合技術效率值的6個自變量中，總資產、資產負債率、流動比率、總資產周轉率和凈資產收益率的影響是顯著的。通過容忍度和方差膨脹因子（VIF）來判別回歸方程是否存在多重共線性問題，各回歸系數的容差均大于0.6，接近1，方差膨脹因子（VIF）均很小，接近1，說明各自變量間不存在多重共線性。

五、研究結論與建議

本文運用DEA方法對樣本企業掛牌前后及掛牌當年的融資效率進行評價，在此基礎上以綜合技術效率值為因變量，對融資效率影響因素進行多元回歸分析。研究發現：

1.在掛牌前后及掛牌當年同時實現技術有效和規模有效的企業僅20余家，絕大多數企業融資效率處于非DEA有效狀態，融資效率低下。新三板企業掛牌前和掛牌當年的融資效率呈上升趨勢，掛牌后企業的融資效率則呈下降趨勢，從側面反映出部分中小企業為達到新三板市場準入條件，實現掛牌而粉飾財務報表的現象。因此，掛牌后的融資效率更能體現新三板掛牌企業的真實融資狀況。

2.影響企業融資效率的因素中，資產規模、償債能力、營運能力和盈利能力與融資效率呈顯著正向關系，資產負債率則與融資效率呈顯著負向關系。