高技術(shù)產(chǎn)業(yè)資本配置效率實證研究

摘 要：高技術(shù)產(chǎn)業(yè)是國民經(jīng)濟的先導產(chǎn)業(yè)，以2010—2017年我國滬深股市高技術(shù)產(chǎn)業(yè)上市公司為研究樣本，運用Wurgler的經(jīng)典彈性系數(shù)模型測算和分析高技術(shù)產(chǎn)業(yè)總體資本配置效率現(xiàn)狀。未來可以進一步進行影響因素分析，為提高高技術(shù)產(chǎn)業(yè)資本配置效率的進一步提升提供參考，促進高技術(shù)產(chǎn)業(yè)更好發(fā)展。

關(guān)鍵詞：高技術(shù)產(chǎn)業(yè);資本配置效率;Wurgler彈性系數(shù)模型

中圖分類號：F2 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2019.20.001

1 引言

高技術(shù)產(chǎn)業(yè)作為科技發(fā)展的主力軍，已成為全球各國轉(zhuǎn)型升級戰(zhàn)略的關(guān)鍵突破口。產(chǎn)業(yè)的健康發(fā)展離不開大規(guī)模的資金。要增強高技術(shù)產(chǎn)業(yè)的整體實力，實現(xiàn)可持續(xù)發(fā)展，規(guī)模發(fā)展是遠遠不夠的，資本的“催化”才是實現(xiàn)高技術(shù)產(chǎn)業(yè)化發(fā)展的決定性因素，產(chǎn)業(yè)資本配置有效與否關(guān)乎該產(chǎn)業(yè)的健康發(fā)展。因此，合理測度高技術(shù)產(chǎn)業(yè)的資本配置效率，分析我國高技術(shù)產(chǎn)業(yè)的資本配置效率現(xiàn)狀，是理論界和實務界需要深入探討的重要課題。

關(guān)于高技術(shù)產(chǎn)業(yè)效率方面的研究，目前國內(nèi)外學者大多數(shù)都是從技術(shù)開發(fā)和成果轉(zhuǎn)化的角度出發(fā)，研究高技術(shù)產(chǎn)業(yè)的技術(shù)開發(fā)效率、經(jīng)濟轉(zhuǎn)化效率以及總體的研發(fā)創(chuàng)新效率，鮮有學者對高技術(shù)產(chǎn)業(yè)的資本配置效率進行研究。例如陳瑩文、王美強和陳銀銀等（2018）研究發(fā)現(xiàn)我國高技術(shù)產(chǎn)業(yè)各地區(qū)整體效率值不高，且技術(shù)開發(fā)效率普遍高于經(jīng)濟轉(zhuǎn)化效率。彭峰和周淑貞（2017）運用我國2000—2015年省際高技術(shù)產(chǎn)業(yè)面板數(shù)據(jù)進行實證分析，研究發(fā)現(xiàn)環(huán)境規(guī)制下，本土技術(shù)轉(zhuǎn)移與我國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率顯著正相關(guān)。因此，本文對高技術(shù)產(chǎn)業(yè)資本配置效率的研究，拓寬了資本配置效率的研究視角。

2 研究設計

2.1 模型構(gòu)建

借鑒Wurgler彈性系數(shù)模型，構(gòu)建模型（1）對我國高技術(shù)產(chǎn)業(yè)資本配置效率進行測度。

InIi，tIi，t-1=α+ηInVi，tVi，t-1+εi，t（1）

η>0，表明在t年度行業(yè)i的固定資本形成總額的變動與工業(yè)增加值的變動呈現(xiàn)正相關(guān)關(guān)系，即當行業(yè)i的工業(yè)增加值在第t年相對于前一年增加（或減少）時，即表明第t年行業(yè)i資本配置效率越高。

η<0，表明在t年度行業(yè)i的固定資本形成總額的變動與工業(yè)增加值的變動呈現(xiàn)負相關(guān)關(guān)系，即當行業(yè)i的工業(yè)增加值在第t年相對于前一年增加（或減少）時，其固定資本形成總額會相應的減少（或增加）η倍，體現(xiàn)成長較差的行業(yè)反而會得到更多的資金注入，而成長性較好的行業(yè)所得到的資金注入較少，即行業(yè)i的資本配置效率越低。

η=0，表明行業(yè)i的固定資本形成總額的變動與工業(yè)增加值的變動不相關(guān)，工業(yè)增加值增加或減少不會引起固定資本形成總額變動，即不同成長性的行業(yè)資金流入是相同的。

2.2 指標選取

在模型（1）中，I代表企業(yè)的資本存量，V代表企業(yè)的盈利水平;下標i為各研究樣本企業(yè)個體，下標t為年份;系數(shù)η反映高技術(shù)產(chǎn)業(yè)總體的彈性值，即衡量高技術(shù)產(chǎn)業(yè)總體資本配置效率水平的指標;截距項α和εi，t綜合反映了高技術(shù)產(chǎn)業(yè)非市場配置的投資水平。本文選擇凈利潤平均余額作為指標V，以固定資產(chǎn)凈值平均余額作為指標I。

2.3 樣本選取

由于我國的統(tǒng)計年鑒在2008年及以后年度不再公布Wurgler彈性系數(shù)模型中的關(guān)鍵變量工業(yè)增加值的數(shù)據(jù)，本文以2010—2017年滬深股市高技術(shù)產(chǎn)業(yè)制造業(yè)上市公司為研究對象。剔除以下樣本公司：被ST、PT及數(shù)據(jù)不全或存在異常的上市公司。基于以上方法，本文最終選取了2010—2017年滬深股市高技術(shù)產(chǎn)業(yè)350家上市公司，共得到2800組觀測值。

2.4 數(shù)據(jù)來源

樣本數(shù)據(jù)來源于同花順iFinD數(shù)據(jù)庫，并利用Excel2013進行數(shù)據(jù)整理，利用Eviews10.0進行測度。

3 實證分析檢驗

3.1 面板數(shù)據(jù)單位根檢驗

由于本文使用樣本公司的面板數(shù)據(jù)，因此進行回歸分析之前要進行單位根檢驗，以檢驗變量的平穩(wěn)性，這是避免出現(xiàn)偽回歸的前提條件。常見的面板數(shù)據(jù)單位根檢驗方法有適用于“共同根”條件的LLC檢驗、HT檢驗和Breitung檢驗，以及適用于“不同根”條件的IPS檢驗和Fisher檢驗，本文參考已有文獻的常用做法，采用LLC和IPS兩種方法檢驗面板數(shù)據(jù)的平穩(wěn)性，其中LLC檢驗要求每個個體的自回歸系數(shù)相等，而IPS檢驗剛好能克服這一缺點，結(jié)果如表1所示。

LLC和IPS檢驗的原假設都是存在單位根，從表1可以看出外，高技術(shù)產(chǎn)業(yè)LLC檢驗的p值和IPS檢驗的p值均低于5%，應拒絕原假設，即本文選取產(chǎn)業(yè)樣本公司面板數(shù)據(jù)不存在單位根，各變量是平穩(wěn)的。

3.2 模型效應類型檢驗

從數(shù)理統(tǒng)計的角度，為克服結(jié)果隨個體或時間的影響，在對面板數(shù)據(jù)進行回歸分析之前，還需對模型進行混合效應、隨機效應或固定效應的選擇，其中，固定效應還分為個體固定效應、時間固定效應和個體時間雙固定效應。

為了對混合效應、隨機效應和固定效應模型類型進行選擇，將我國高技術(shù)產(chǎn)業(yè)滬深兩市350家上市公司2010—2017年度的2800組觀測值代入模型（1），運用Eviews10.0進行面板數(shù)據(jù)回歸，分別進行了Likelihood Ratio檢驗和Hausman檢驗。檢驗結(jié)果分別如表3-3和表3-4所示，Likelihood Ratio檢驗的Prob值為0.003，遠小于0.005，因此拒絕模型（1）采用混合效應的假設;Hausman檢驗的Prob值為0.0000，遠小于0.05，因此拒絕了模型（1）為隨機效應模型類型的原假設，因此應采用固定效應模型。為了進一步對個體固定、時間固定和個體時間雙固定效應模型類型的選擇，本文依次對三種模型類型進行檢驗發(fā)現(xiàn)個體時間雙固定效應模型的檢驗效果最好。

綜上，本文在運用Eviews10.0進行模型（1）的測算時，選擇個體時間雙固定效應，應用最小二乘法進行估計，以克服結(jié)果隨個體和時間變化的影響。

3.3 測度結(jié)果

高技術(shù)產(chǎn)業(yè)總體資本配置效率測度結(jié)果如表4所示。

實證檢驗的系數(shù)η為0.2998，說明高技術(shù)產(chǎn)業(yè)總體資本配置效率是有效的。實證檢驗的標準誤差（Std.Error）越小，T檢驗值（t-Statistic）越大，說明回歸系數(shù)的估計值越可靠，系數(shù)η的標準誤差為0.0129，T檢驗值為23.2402，說明系數(shù)η估計值準確性強。實證檢驗P值（Prob）為理論T值超越樣本T值的概率，越小說明了因變量與自變量之間的相關(guān)性越好，本次檢驗P值為0.0000，說明因變量與自變量之間有非常顯著的相關(guān)關(guān)系。實證調(diào)整的R2代表回歸直線的擬合程度，該值越大越好，R2為0.6987，說明回歸直線對觀測值的擬合程度較好。實證檢驗的DW統(tǒng)計量（Durbin-Watson stat）用于檢驗序列的自相關(guān)，一般而言，DW值的取值區(qū)間為0—4，當DW值很小時（大致lt;1）表明序列可能存在正自相關(guān)，當DW值很大時（大致gt;3）表明序列可能存在負自相關(guān)，當DW值在2附近時（大致在1.5到2.5之間）表明序列無自相關(guān)，其余的取值區(qū)間表明無法確定序列是否存在自相關(guān)，實證DW值為1.7107，說明序列無自相關(guān)。

整體來看，模型（1）的回歸與解釋效果較好，自變量的回歸系數(shù)η具有較強的可信度。2010—2017年，我國高技術(shù)產(chǎn)業(yè)資本配置效率測度值為0.2998，截距α為0.1369，說明我國高技術(shù)產(chǎn)業(yè)資本配置效率除了受到產(chǎn)值影響外，還受到其他因素如政府政策、經(jīng)濟周期等的影響。

4 結(jié)論

實證結(jié)果表明我國高技術(shù)產(chǎn)業(yè)整體的資本配置效率是有效的，但相對而言，這種配置值還處于較低水平。早在2000年，Wurgler對1963—1995年65個國家的資本配置效率值進行測度，測度結(jié)果顯示65個國家的平均資本配置效率為0.429，德國的最高，為0.988。說明我國高技術(shù)產(chǎn)業(yè)資本配置總體上做到了由低效向高效行業(yè)流動，但資本配置效率仍然偏低，究其原因主要在于高技術(shù)產(chǎn)業(yè)特別是部分先導型、支柱性產(chǎn)業(yè)的發(fā)展周期長，技術(shù)研發(fā)與產(chǎn)業(yè)化方向的不確定強，風險高，產(chǎn)業(yè)發(fā)展初期投入大，而產(chǎn)出小并且不穩(wěn)定，這種產(chǎn)業(yè)特性成為資本流入及其配置效率提升的一大障礙。我國銀行體系高負債經(jīng)營的特點決定了其在資金借貸中更注重安全性與流動性，對高風險、周期長的高技術(shù)產(chǎn)業(yè)往往敬而遠之。而服務于高技術(shù)產(chǎn)業(yè)的資本市場與風險投資尚未發(fā)展完善，缺乏專業(yè)化與效率。這也說明我國高技術(shù)產(chǎn)業(yè)資本配置效率有著巨大的提升空間，處于發(fā)展初期的高技術(shù)產(chǎn)業(yè)需要宏觀產(chǎn)業(yè)政策和金融市場的有效支撐引導。

參考文獻

[1]陳瑩文，王美強，陳銀銀，耿建國.基于改進兩階段DEA的中國高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率研究[J].軟科學，2018，32（09）：14-18.

[2]彭峰，周淑貞.環(huán)境規(guī)制下本土技術(shù)轉(zhuǎn)移與我國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率[J].科技進步與對策，2017，34（22）：115-119.

[3]Jeffrey Wurgler.Financial Markets and the Allocation of Capital[J].Journal of Financial Economics，2000，58（1-2）：187-214.

[4]楊松令，吳平，劉亭立.我國戰(zhàn)略性新興產(chǎn)業(yè)資本配置效率的測算及分析——基于Wurgler模型的實證研究[J].科技管理研究，2018，38（03）：76-85.