京津冀戰略性新興產業融資效率測度及其協同發展策略

曾 剛，耿成軒

(1.南京航空航天大學經濟與管理學院，江蘇 南京 211106;2.中國民航大學經濟與管理學院，天津 300300)

1 相關文獻評述

由于戰略性新興產業是中國2009年正式提出來的新概念，因此，國外尚未對這一問題展開專門研究，不過國外學界在效率理論、融資理論方面具有廣泛成熟的研究。Hovakimian等指出，以債權和股權融資方式的合理選擇保持較高的融資效率[1]。Fuensanta等通過對上市企業融資效率分析，提出利用財務杠桿和減少債務結構的方式實現投融資平衡問題[2]。Mullen等對美國制造業企業的技術效率構建了估計函數，利用72年的歷史數據進行了成本和企業產出函數的時序變化分析[3]。Almeida H等提出企業的外源性融資需求和股東對企業的保護對企業的資本配置效率發揮顯著作用[4]。Aslan Hadiye等利用上市公司2002—2011年的杠桿收購數據研究融資內生性問題，研究發現股權融資對于股東權益具有正向影響[5]。由于融資市場的開放性和產權制度的獨特性，西方企業在融資環節具有高的效率，因此，國外的這些成果更多重視研究在宏觀市場環境下的資本配置效率的相關問題。

與國外研究不同，國內學界近年來將戰略性新興產業的研究作為最新的熱點和前沿主題，很多學者從多個視角展開了較為深入的研究，其中涌現的一些代表性成果主要包括產業培育角度[6-7]、產業選擇角度[8-9]、產業評價角度[10-11]。這些研究偏重于從宏觀經濟層面展開探究為政府決策提供依據。但是，從戰略性新興產業的現實困境和內涵發展來看，從企業融資效率角度等微觀視角研究更有利于找出制約產業發展的關鍵問題。目前，已經有部分學者從這一新的視角開展了一些研究：李京文等以基于規模可變的BCC模型對北京市2011—2013年戰略性新興產業上市企業進行融資效率評價，研究發現七大戰略性新興產業融資效率整體較低，其中高端裝備呈現較大降幅趨勢，只有新能源產業保持上升[12]。王瓊等以江蘇省上市公司為樣本，在排除投入松弛變量以及減少外部環境因素的基礎上構建了六階段Super-SBM模型對融資效率進行評價，研究表明：從單個上市公司看，不同企業的融資效率差異明顯，其中技術因素影響最大[13]。

縱觀國內已有文獻，依然存在一些不足：缺乏從資金角度研究戰略性新興產業影響因素問題，或者局限于采用傳統CCR和BCC模型進行效率評價。本文研究主要從以下方面進行拓展：第一，從微觀經濟層面出發，引進Tone提出的Super-SBM模型科學測度京津冀戰略性新興產業的融資效率，客觀評價三地產業融資水平和產業發展模式，克服傳統經典BCC模型容易出現投入產出松弛的問題提高測量的精度，拓展了DEA模型在企業融資效率方面的應用；第二，利用Malmquist指數法對京津冀戰略性新興產業動態變化及趨勢進行分析，從時間序列角度深入挖掘制約區域產業融資效率差異的主導因素，另外還利用Tobit模型分析影響產業融資效率的外部環境因素；第三，本文研究圍繞京津冀協同發展戰略為目標，針對三地融資效率差異、產業動態變化趨勢和外部環境影響因素制定區域協同發展的策略。

2 研究方法

2.1 基于松弛測度的SUPER-SBM模型

為了克服傳統CCR和BCC模型因投入指標“松弛”導致的模型誤差，Tone首先構建了SBM模型，通過把松弛變量的設定放到目標函數中從而能夠消除傳統DEA模型中無效率評價含有松弛變量的問題[14]。另外，為了解決有效單元都為1而無法對效率值精準排序的問題，Tone還進一步通過改進模型提出Super-SBM模型概念，即準許效率值≥1[19]。因此，為了更加精準地評價京津冀戰略性新興產業融資水平，本文首先考慮利用Super-SBM模型[20]構建京津冀戰略性新興產業融資生產活動效率集合，具體模型形式如下：

2.2 Malmquist生產率指數模型

上述利用Super-SBM模型對京津冀戰略性新興產業融資效率評價方法屬于對不同時期面板數據的靜態測度，而Malmquist指數法能夠反映多個樣本期間綜合效率、技術效率和全要素生產效率[8]。目前的DEA模型中，采用較為廣泛的是F?re等建立的模型[17-18]，同時參考已有的一些相關研究[19],本文構建的京津冀戰略性新興產業融資Malmquist指數模型如下：

M(yt+1,xt+1,yt,xt)=

式中，Dt(xt,yt)和Dt(xt+1,yt+1)代表t時間段內的DMU分別在t和t+1時間段的有效程度，Dt+1(xt,yt)則代表t+1時間段內DMU在t時間段內的有效程度。根據FGRL等的研究，可以將該指數進行進一步分解：

2.3 Tobit模型

本文還利用 Super-SBM模型測算的效率值作為回歸模型的因變量，影響融資效率的環境因素作為自變量構建新的Tobit面板回歸模型以評價環境因素對融資效率的作用[20]。Tobit模型的一般表達式如下：

式中：Y為被解釋變量；X為自變量；α為截距；β為模型參數；ε為隨機誤差項。

3 變量選取、樣本選擇與數據來源

3.1 戰略性新興產業企業融資主要渠道

戰略性新興產業融資效率的評價指標選取一般以融資渠道作為切入點，如圖1所示。企業融資模式主要包括內源融資和外源融資，內源融資主要包括留存收益融資、應收賬款融資、商業信用融資和資產抵押融資等。而外源融資主要包括股權融資、債權融資和政策性融資等，由于政策性融資受政府政策影響較大，不同企業的政策性融資不具有普遍性，因此本文的外源融資主要考慮股權和債權融資。

3.2 變量的選取

戰略性新興產業融資效率指標的選取以企業融資渠道為依據，結合圖1并參考一些研究，本文構建如下效率指標體系以及環境變量指標：

(1)投入指標：根據上述關于融資模式渠道的分析，結合王瓊等[13]、馬軍偉[21]等的研究基礎，本文從內源融資和外源融資兩方面考慮投入指標。具體來說選取應收賬款(AR)、盈余公積(SR)、未分配利潤(UP)作為內源融資的指標。應收賬款能夠反映企業的資金流動情況，盈余公積反映企業上期資本轉入下期投資的情況，未分配利潤是企業實現的凈利潤經過彌補虧損、提取盈余公積和向投資者分配利潤后留存在企業的、歷年結存的利潤；選取負債總額(TB)作為外源性融資的債務融資的指標；選取實收資本(PC)作為外源性融資的股權融資的指標。

(2)產出變量：戰略性新興產業企業融資效率最終反映在企業的經營業績和市場反饋，因此，選取營業總收入(TOI)、凈利潤(NP)作為產出指標。一方面，營業總收入能夠充分反映戰略性新興企業的發展規模，充分體現企業的融資成長性；另一方面，凈利潤能夠體現企業的通過資本投入獲得的實際盈利能力，同時也能夠客觀反映企業發展的質量。

圖1 戰略性新興產業企業融資渠道模式

(3)環境變量：影響戰略性新興產業的外部環境因素有很多，但是根據Cobb-Douglas生產函數的相關原理，主要從資本、勞動和技術三個方面進行考慮。所以，以企業所屬區域的地區生產總值、勞動者素質和技術創新為外部環境指標對企業融資效率會產生明顯影響。具體來看，分別選當年地區生產總值(GDP)、就業人數(EP)和技術市場成交額(TOT)作為因變量構建Tobit回歸方程模型。

3.3 數據來源及描述性統計

本文選取2011—2016年京津冀三地在滬深兩市上市的戰略性新興產業企業作為初始研究對象，同時，以DEA模型為基礎的相關投入數據均來源于銳思數據庫和國泰安金融數據庫以及巨潮資訊網披露的相關信息，對影響戰略性新興產業因素的Tobit模型涉及到的相關變量數據分別來自地方統計年鑒等。基于研究的科學性和準確性，剔除ST公司和部分數據不完整的樣本，根據國務院發布的七大戰略性新興產業分類，確定了北京83家企業符合研究需要，天津18家、河北16家企業滿足研究要求，最終確定117家企業的819個觀察值、45個Tobit模型變量值，變量的描述性統計結果如表1所示。

表1 變量的描述性統計分析

4 實證分析

4.1 基于Surper-SBM的融資效率的靜態評價

為了對融資效率值進行客觀評價，本文根據Super-SBM模型的條件和要求，利用Dea-Solver-Pro對2011—2016年京津冀戰略性新興產業相關數據進行計算，相關分析如下：

(1)不同企業融資效率差異顯著，融資冗余制約大部分企業效率提升。根據表2和相關統計結果：第一，從北京地區看，樣本期間融資效率均值最高的企業是中國核工業建設達到1.157，最低值企業是中國船舶重工僅0.419，兩者相差0.738。相反，北京歌華有線電視、天壕環境、中節能風力發電融資效率均值分別為0.588 、0.593 和0.598,不足0.6，資金冗余現象嚴重，優化資本結構有助于提高效率；第二，同理，從天津地區來看，融資均值最大1.174值，最小值0.489，分別是天津力生制藥和天津創業環保集團。在18家樣本企業中只有5家公司融資效率均值大于1，有13家企業處于生產前沿面之下，占72.22%；第三，河北地區，樣本企業融資效率總體偏低，僅有唐山冀東裝備工程和長城汽車并列第一，均值為1.0，其他企業均存在融資冗余，最嚴重的企業是華北制藥。因此，優化資本配置結構是京津冀戰略性新興產業企業亟待解決的難題之一。

表2 2011—2016年京津冀戰略性新興產業融資效率一覽表

注：限于篇幅，北京地區只列舉了融資效率均值排名前后各5名的企業結果。

(2)七大子行業間融資效率不均衡顯著，京津冀優勢產業具有協同發展潛力。如表3所示，2011—2016年，北京新能源產業發展最好，融資效率均值實現0.903，新材料產業效率最低均值為0.598；天津新一代電子信息產業和新材料產業為優勢產業，融資均值均大于1.0，節能環保產業最低均值僅為0.489；河北新能源汽車產業效率最高均值為1.0，生物產業發展最慢，融資效率均值為0.588。因此，可以看出不同地區優勢產業和劣勢產業之間的融資效率值均有很大差異。如果將京津冀作為區域一體化來考慮，三地之間完全可以統籌協調，集中優勢力量發展優勢產業，形成七大戰略性新興產業集群，最終實現規模效益，降低產業融資成本，提高融資效率。

表3 2011—2016年京津冀戰略性新興產業融資平均效率比較

4.2 基于Malmquist指數模型的融資效率動態測度及趨勢分析

為了進一步研究京津冀戰略性新興產業融資效率的動態變化情況并分析其發展趨勢，本文選取2011—2016年樣本數據，利用DEAP2.1軟件進行數據運算，可以得出Malmquist指數和相關的融資效率分解指標，相關評價結果如表4所示。

表4 2011—2016年京津冀地區融資效率的平均Malmquist指數分解

(1)京津冀戰略性新興產業增長速度呈現差異：北京>河北>天津。Malmquist指數表示不同時期內融資效率值的變動情況，2011—2016年，京津冀戰略性新興產業Malmquist指數平均值均大于1，分別達到1.083、1.001和1.049，這說明京津冀區域內戰略性新興產業呈良好的發展態勢，融資效率分別保持年均0.83%、0.01%和0.49%的增長。

(2)Malmquist指數分解探究影響京津冀融資效率變動的主要因素。由于Malmquist指數受到技術效率和技術進步率的共同作用，因此從這兩個角度進一步分析。由表4可以看出，技術進步因素對北京市戰略性新興產業融資效率影響顯著，在2011—2016年(除了2013—2014年)，北京市的技術進步率均大于技術效率，這說明由于技術創新、知識更新或者引進新方法引致的融資效率提升更顯著。對于天津僅有2012—2013年的技術進步率(1.762)大于技術效率(0.783)，河北省僅2014—2015年的技術進步率(1.553)大于技術效率(1.017)。這說明大部分時期，津冀兩地由于生產前沿面向前移動導致的綜合效率的提高占據主導作用。上述研究表明：當前階段，北京和津冀兩地的戰略性新興產業企業處于不同的發展模式，北京主要以外部技術變革和創新為主要引擎，津冀還主要依靠生產前沿面移動變化實現。

(3)融資效率的動態軌跡及趨勢發展分析。根據統計結果，2011—2016年，京津冀戰略性新興產業呈現較大波動性。如圖2所示，北京的Malmquist指數曲線變動較明顯，前三年一直降低，然后提高再降低。這從另一個角度驗證了北京戰略性新興產業逐步向產業生命周期成熟階段過渡，產業集群規模效應初具。在這個階段企業的融資效率需要一方面進一步加強外部的技術革新帶來更大的生產力，同時還需要重點放在企業的內部控制和公司治理方面，通過降低融資成本、優化資本配置結構實現“開源節流”的方式最終提高企業的融資產出。同理，天津和河北的規模效率曲線總體大于純技術效率曲線，整體處于大于1的狀態。這同時也驗證了津冀戰略性新興產業還處于起步階段，企業的數量在不斷增多，企業的規模不斷增大，這個階段企業融資效率提升的重點還是要先放在優先通過外部依靠的新技術、資本融資模式創新、渠道拓展等舉措增加產出。

圖2 2011—2016年北京戰略性新興產業融資效率變化

4.3 影響融資效率的外部環境影響因素分析

為了充分探究影響京津冀戰略性新興產業融資效率的外部環境因素，本文利用Tobit模型[19]建立回歸模型進行分析。由于戰略性新興產業是我國各級政府大力鼓勵的產業，政府在人力資源、稅收優惠、財政補貼和新技術研發等多方面均給予較多支持，因此，本文從勞動、資本和技術角度選取外部自變量，以Surper-SBM模型的效率值作為因變量，具體的模型如下：

EFit=α0+β1GDPit+β2EPit+β3TOTit+εit

式中,EFit為Super-SBM融資效率值；i為地區，t為時期；GDP為京津冀地區生產總值，EP為就業人數，TOT為技術成交額，εit為隨機誤差項。

由于2016年京津冀地區的GDP、技術市場成交額等數據缺失，本文在利用Tobit模型進行測算時，選取2011—2015年各個相關變量的值進行研究，以EVIES7.0軟件進行運算，見表5。

表5 Tobit模型測算的相關結果

注：*、**、***分別表示在10%、5%和1%的水平上具有雙側顯著相關。

從表5可以看出，京津冀三地GDP和TOT的系數為正值同時具有顯著性，這說明地區GDP的增長和技術市場的成交額兩個外部環境因素對融資效率提高具有正向影響，也從另一個方面證明經濟社會發展和技術進步因素能促進戰略性新興產業企業加速成長。另外，EP的系數在京津冀三個地區的值正負不一致，這說明就業人數在當前階段對戰略性新興產業的影響程度不一致，同時京津冀三地戰略性新興產業市場發育程度存在差異性，處于產業發展的不成熟階段還沒有完全進入依靠高端人力資本驅動的更成熟階段。

5 結論與建議

本文得出的主要結論如下：第一，從融資靜態評價看，京津冀戰略性新興產業融資效率呈現顯著差異。第二，從融資效率動態評價看，京津冀戰略性新興產業均保持良好發展勢頭，但三地的產業驅動主要因素不同。第三，影響京津冀戰略性新興產業的社會經濟狀況(GDP)、技術進步力量(技術市場交易額)等因素具有正向影響力。

本文提出以下建議：第一，更加重視戰略性新興產業的先導地位，發揮產業規模效應，促進其聚集發展。一方面，發揮主要的產業培育作用，同時要鼓勵民間、社會等多元化資本參與戰略性新興產業的熱情；另一方面，加大引導力度，將資本導向高、精、尖等資本、技術密集型產業。第二，京津冀三地優勢產業交叉錯位發展，依托產業鏈形成上下游互補優勢。從區域協同發展視角看，京津冀在發展七大戰略性新興產業方面，有必要交叉錯位發展，充分發揮三地地區資本、技術和人力資源等不同優勢構建完整產業鏈，實現互補耦合發展的新常態。第三，政府和金融機構多方聯動持續改善戰略性新興產業的融資生態環境。政府、銀行、證券市場等部門對戰略性新興產業分別發揮直接和間接融資支持的作用，除了政府的投資外，需要建立健全完整的融資生態體系。