農(nóng)業(yè)大省新三板掛牌農(nóng)業(yè)企業(yè)融資效率分析

陳默　袁雪嬋

摘 要：農(nóng)業(yè)中小企業(yè)是推動(dòng)農(nóng)村經(jīng)濟(jì)發(fā)展的核心力量，但融資難與發(fā)展資金不足是阻礙農(nóng)業(yè)中小企業(yè)發(fā)展的主要因素，因此農(nóng)企融資效率的高低變得更加重要。本文利用數(shù)據(jù)包絡(luò)分析法針對(duì)我國(guó)十個(gè)農(nóng)業(yè)大省在新三板掛牌的農(nóng)業(yè)企業(yè)的融資效率進(jìn)行測(cè)度，發(fā)現(xiàn)我國(guó)農(nóng)業(yè)中小企業(yè)融資效率整體處于較低水平，且綜合技術(shù)效率有效的單位比重較低、技術(shù)研發(fā)與應(yīng)用能力的提升空間很大，基于分析結(jié)論本文提出了相應(yīng)對(duì)策與建議。

關(guān)鍵詞：新三板;農(nóng)業(yè)大省;農(nóng)業(yè)掛牌企業(yè);DEA模型

1 引言

大力發(fā)展涉農(nóng)產(chǎn)業(yè)，對(duì)于加快實(shí)現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)現(xiàn)代化有著顯著成效，為制勝脫貧攻堅(jiān)與推動(dòng)鄉(xiāng)村振興戰(zhàn)略深入發(fā)展提供了有利條件。由于我國(guó)涉農(nóng)中小企業(yè)發(fā)展年限較短，有著生產(chǎn)周期長(zhǎng)、產(chǎn)業(yè)更新升級(jí)慢，高新技術(shù)研發(fā)時(shí)間長(zhǎng)等特點(diǎn)，經(jīng)濟(jì)效益具有較大的不確定性，使得涉農(nóng)中小企業(yè)的盈利能力地提升受到了較大制約。同時(shí)涉農(nóng)企業(yè)發(fā)展較慢，且資金需求量大、資產(chǎn)流動(dòng)性不足、投資期長(zhǎng)回本慢，因此能夠在金融機(jī)構(gòu)獲得的資金非常有限，導(dǎo)致當(dāng)下涉農(nóng)中小企業(yè)面臨著內(nèi)源融資不足，外源融資短缺的難題。而新三板是專門(mén)服務(wù)于中小微企業(yè)、為非上市股份公司提供股權(quán)轉(zhuǎn)讓交易的平臺(tái)。但在2018年三板市場(chǎng)行情急劇變冷，流動(dòng)性嚴(yán)重不足，成交量劇烈萎縮，在這種情況之下客觀評(píng)價(jià)當(dāng)前新三板農(nóng)業(yè)掛牌企業(yè)融資效率呈現(xiàn)出何種水平，并在此基礎(chǔ)上總結(jié)提高農(nóng)業(yè)掛牌企業(yè)融資效率的方法是絕對(duì)必要的。

2實(shí)證研究設(shè)計(jì)

2.1模型方法

數(shù)據(jù)包絡(luò)分析法（DEA）最早是由A.Charnes，W.W.Cooper & E.Rhodes于1978年所提出，DEA分析模型中有兩大基本模型，一個(gè)是CCR模型，一個(gè)是BCC模型。

1.規(guī)模報(bào)酬不變的CCR模型

CCR模型作為第一個(gè)模型被提出，是基于規(guī)模報(bào)酬不變的假設(shè)上運(yùn)算的，用來(lái)評(píng)價(jià)決策單元間的相對(duì)有效性。CCR模型數(shù)學(xué)表達(dá)式如下：

其中θ是一個(gè)標(biāo)量，表示第j個(gè)決策變量的效率，且滿足 0≤θ≤1，是一個(gè) n*1維的常向量。當(dāng)θ=1 時(shí)，DMUj具有技術(shù)有效狀態(tài)，DMUj處于效率前沿面上。將式子求解m次，即可算出所有決策單元的效率。CCR模型求的效率是綜合技術(shù)效率（TE），其經(jīng)濟(jì)含義是指若以位于效率前沿面上的決策單位為標(biāo)準(zhǔn)，第j個(gè)決策單元想要達(dá)到相同的產(chǎn)出水平所需要投入的資源比例。

2.規(guī)模報(bào)酬可變的BCC模型

由于現(xiàn)實(shí)情況下很難滿足CCR模型的假設(shè)，因此不久后學(xué)者便提出了BCC模型，該模型在規(guī)模報(bào)酬可變的假設(shè)下進(jìn)行研究。

式中 δ（0<δ≤1）為綜合效率指標(biāo)，λj為權(quán)重變量，si- ，sr+為松弛變量，ε為非阿基米德無(wú)窮小量。δ值越大，農(nóng)業(yè)掛牌企業(yè)的融資效率就越高，δ以1為界限判定融資效率是否達(dá)到最優(yōu)，δ=1表明決策單元式DEA有效，δ<1表示被評(píng)價(jià)的 DMU是 DEA無(wú)效的。DEA綜合效率可由純技術(shù)效率和規(guī)模效率乘積計(jì)算所得。純技術(shù)效率是公司具有充足資金的情況下使用資金的效率，反應(yīng)資金是否發(fā)到有效配置，而由企業(yè)規(guī)模而影響的生產(chǎn)效率就是規(guī)模效率，反應(yīng)的是投入和產(chǎn)出是否滿足規(guī)模效率。

2.2樣本選取與數(shù)據(jù)來(lái)源

本研究根據(jù)全國(guó)所有省份2015-2018年農(nóng)林牧漁業(yè)平均總產(chǎn)值在3萬(wàn)億以上、2015-2018年平均農(nóng)林牧漁業(yè)增加值在2000億以上和2015-2018年農(nóng)林牧漁業(yè)均值占地區(qū)總產(chǎn)值均值的10%以上，篩選出十個(gè)省份。即黑龍江省、廣西省、四川省、河南省、河北省、湖南省、湖北省、安徽省、山東省和福建省。繼而根據(jù)《2018年新三板掛牌公司行業(yè)分類結(jié)果》，在企業(yè)中剔除了ST公司和數(shù)據(jù)出現(xiàn)異常或有所缺失的公司后，最終選取78家掛牌企業(yè)作為研究對(duì)象。數(shù)據(jù)來(lái)源于萬(wàn)德數(shù)據(jù)庫(kù)和全國(guó)中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)的企業(yè)年報(bào)。

2.3指標(biāo)體系的構(gòu)建

本文結(jié)合農(nóng)業(yè)中小企業(yè)發(fā)展特點(diǎn)，依據(jù)現(xiàn)有的研究成果，將 DEA 模型中的投入指標(biāo)界定為企業(yè)資產(chǎn)總計(jì)（X1），反映企業(yè)規(guī)模的大小;財(cái)務(wù)費(fèi)用（X2）反映企業(yè)融資的成本;資產(chǎn)負(fù)債率（X3），反應(yīng)企業(yè)資本結(jié)構(gòu);股權(quán)集中度（X4）反映企業(yè)的治理能力。DEA模型中的輸出指標(biāo)界定為凈資產(chǎn)收益率（Y1），反映企業(yè)盈利能力;總資產(chǎn)周轉(zhuǎn)率（Y2），反映企業(yè)資產(chǎn)使用效率;營(yíng)業(yè)收入同比增長(zhǎng)率（Y3），反應(yīng)企業(yè)的融資發(fā)展?jié)摿?無(wú)形資產(chǎn)（Y4），反映企業(yè)的技術(shù)研發(fā)情況。

由于原始投入、產(chǎn)出指標(biāo)要求非負(fù)值，而所選掛牌企業(yè)的凈資產(chǎn)收益率、營(yíng)業(yè)收入同比增長(zhǎng)率以及財(cái)務(wù)費(fèi)用都有負(fù)值出現(xiàn)，根據(jù)實(shí)際驗(yàn)證可知，DEA模型所選指標(biāo)同時(shí)加上或減去相同的數(shù)值不影響其有效性個(gè)數(shù)，因此本文將上述三個(gè)指標(biāo)同時(shí)減去每個(gè)對(duì)應(yīng)指標(biāo)下的最小值從而將指標(biāo)進(jìn)行非負(fù)化出理。

3 實(shí)證結(jié)果分析

3.1融資效率的總體評(píng)價(jià)

表1給出了2018年我國(guó)十大農(nóng)業(yè)省份融資效率整體情況，78家企業(yè)綜合技術(shù)效率均值為0.745，處于較低水平，純技術(shù)效率均值為0.818，屬于較高水平，規(guī)模效率均值0.895處于較高水平。由此可以看出，由于農(nóng)業(yè)掛牌企業(yè)技術(shù)研發(fā)時(shí)間長(zhǎng)、成果較少，因此純技術(shù)效率值相對(duì)較低，從而拉低了綜合效率值。對(duì)應(yīng)的在資金使用效率和管理技術(shù)能力較低的情況下，農(nóng)業(yè)企業(yè)的融資效率的提高主要是通過(guò)擴(kuò)大規(guī)模，從而提高規(guī)模效率最終提升綜合效率的。綜合來(lái)看，78家企業(yè)有21家技術(shù)效率有效，占總數(shù)的26.92%，29家純技術(shù)效率有效，占比20.24%，24家規(guī)模效率占比30.77%，三大效率的有效企業(yè)個(gè)數(shù)均沒(méi)有超過(guò)農(nóng)業(yè)掛牌企業(yè)數(shù)量的40%，再次一次說(shuō)明了農(nóng)業(yè)掛牌企業(yè)融資效率水平較低。

3.2融資效率地區(qū)比較分析

將各企業(yè)的融資效率值先按省份分類，取平均值后即可獲得各省的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率。根據(jù) Henripin（2009）和朱玥穎（2017）的研究可知，效率值可以劃分為 0、0-0.5低效率、0.5-0.8較低效率、0.8-1相對(duì)有效三個(gè)區(qū)間。如表2所示，屬于相對(duì)有效梯度的有三個(gè)省份，分別為黑龍江、湖南和安徽，其綜合效率值分別為0.9、0.85和0.81，其中僅有黑龍江與湖南省的純技術(shù)效率和規(guī)模效率都處于0.9以上，說(shuō)明這兩個(gè)省份掛牌的農(nóng)業(yè)企業(yè)融資綜合水平較高，包括技術(shù)研發(fā)水平和發(fā)展規(guī)模。其余省份的效率值雖然都在0.5以上，但仍處于較低水平。之后的排名為福建省、湖北省、廣西省、山東省、四川省、河南省和河北省。其中，福建、湖北、四川與河南省的純技術(shù)效率值均超過(guò)0.8，處于相對(duì)有效水平，說(shuō)明該省份下農(nóng)業(yè)掛牌企業(yè)的技術(shù)研發(fā)與資金使用能力較強(qiáng)，而所有省份規(guī)模效率值都在0.8以上，即所有省份農(nóng)業(yè)掛牌企業(yè)的規(guī)模效率水平相對(duì)有效，且所有省份的規(guī)模效率均值都大于純技術(shù)效率均值，再一次說(shuō)明了綜合技術(shù)效率值處于較低水平的主要原因是由于純技術(shù)效率值較低。

本文將十個(gè)農(nóng)業(yè)大省劃分為北、中、南三個(gè)地區(qū)，北部地區(qū)有黑龍江省、河北省和山東省;中部地區(qū)有河南省、湖北省、安徽省和四川省;南部地區(qū)有廣西省、福建省和湖南省。由表3可以看出，南部地區(qū)的綜合效率值最高，達(dá)到了0.79，緊隨其后的是中部地區(qū)，效率值為0.74，最后是北部地區(qū)，效率值為0.71。其中中部地區(qū)綜合技術(shù)效率有效的企業(yè)數(shù)量達(dá)到了12家，在地區(qū)農(nóng)業(yè)企業(yè)占比為27.9%，也是三個(gè)地區(qū)中規(guī)模最高的。在此之后的北部地區(qū)有19家掛牌企業(yè)，其中5家技術(shù)效率有效，占比26.32%;南部地區(qū)掛牌企業(yè)數(shù)量雖少，有效企業(yè)數(shù)量也最少有4家企業(yè)，占比同樣最少，為25%。從純技術(shù)效率來(lái)看，依然是中部地區(qū)有效企業(yè)數(shù)量最多，達(dá)到了17家企業(yè)，其占比也是最大，達(dá)到了39.53%。緊隨其后的是北部地區(qū)，有7家企業(yè)純技術(shù)效率實(shí)現(xiàn)了有效，占比36.84%;南部地區(qū)技術(shù)效率有效的企業(yè)為5家，占比31.25%，是三大地區(qū)規(guī)模最小的。最后從規(guī)模效率來(lái)看，北部地區(qū)規(guī)模效率有效企業(yè)數(shù)量為7家，且占比最多，達(dá)到了36.84%，其次是中部地區(qū)和南部地區(qū)。綜合來(lái)看，三大地區(qū)的融資效率都處于較低水平，其中南部地區(qū)農(nóng)業(yè)企業(yè)融資發(fā)展水平較為均衡且能力較強(qiáng)，其融資效率值也最高;其次是中部地區(qū)，北部地區(qū)企業(yè)融資能力較差。

3.3融資效率行業(yè)比較分析

根據(jù)中國(guó)證監(jiān)會(huì)發(fā)布的《2018年度掛牌企業(yè)行業(yè)分類結(jié)果》及本文對(duì)農(nóng)業(yè)上市公司的界定，本文將78個(gè)樣本公司具體分為農(nóng)業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)和農(nóng)林牧漁服務(wù)業(yè)5個(gè)子行業(yè)來(lái)研究分析各個(gè)行業(yè)的融資效率情況，具體見(jiàn)表4。

從表4可以看出，五個(gè)子行業(yè)中，綜合效率值最高的行業(yè)是漁業(yè)，其效率值為0.96。在此之后的是農(nóng)業(yè)，綜合效率均值達(dá)到了0.81，效率水平較高。其他子行業(yè)的融資效率均值均在0.8以下，效率水平較低。從綜合技術(shù)效率角度來(lái)看，農(nóng)業(yè)行業(yè)中有效企業(yè)數(shù)量最多，有12家企業(yè)，占到農(nóng)業(yè)企業(yè)的35.29%。從純技術(shù)效率來(lái)看，依然是農(nóng)業(yè)行業(yè)最多，有16家企業(yè)實(shí)現(xiàn)了純技術(shù)效率有效，占到所有農(nóng)業(yè)企業(yè)將近一半。值得一提的是漁業(yè)，三家漁業(yè)企業(yè)全部純技術(shù)效率有效，說(shuō)明漁業(yè)企業(yè)技術(shù)研發(fā)能力與資金使用效率較高。最后從規(guī)模效率來(lái)看，依舊是農(nóng)業(yè)企業(yè)數(shù)量最多，共有15家企業(yè)規(guī)模效率有效。總體來(lái)看，漁業(yè)和農(nóng)業(yè)子行業(yè)融資效率水平較為平均，且融資能力較強(qiáng)。畜牧業(yè)融資效率均值最低，企業(yè)融資水平參差不齊，差異較大。因此，綜合上述分析可以看出我國(guó)農(nóng)業(yè)掛牌企業(yè)中融資效率較高的企業(yè)主要集中于資金雄厚，資源優(yōu)勢(shì)明顯的傳統(tǒng)行業(yè)——農(nóng)業(yè)。

3.4規(guī)模報(bào)酬分析

規(guī)模報(bào)酬是企業(yè)在除投入產(chǎn)出以外情況不改變時(shí)，企業(yè)內(nèi)部各種生產(chǎn)要素按相同比例變化時(shí)所帶來(lái)的產(chǎn)量變化。企業(yè)的規(guī)模報(bào)酬變化可以分為規(guī)模報(bào)酬遞增、規(guī)模報(bào)酬不變和規(guī)模報(bào)酬遞減三種情況。由于本文應(yīng)用的投入導(dǎo)向的DEA模型，因此區(qū)別這三種情況的關(guān)鍵在于判斷投入變化比例與帶來(lái)產(chǎn)量變化的比例的大小，若前者大于后者則是規(guī)模報(bào)酬遞減，若后者大于前者則是規(guī)模報(bào)酬遞增，若兩者相等則是規(guī)模報(bào)酬不變。

如圖4-2，應(yīng)用Deap2.1軟件可以直接得出78家樣本公司的規(guī)模報(bào)酬?duì)顟B(tài)。由圖可以看出，有23家掛牌企業(yè)規(guī)模報(bào)酬不變，占總樣本企業(yè)數(shù)的29.49%，說(shuō)明這些公司當(dāng)前的產(chǎn)出水平和投入量是相匹配的，其融入的資金也實(shí)現(xiàn)了有效利用。剩余的54家的公司中，49家公司處于規(guī)模報(bào)酬遞增階段，占樣本總數(shù)的 62.82%;6家公司處于規(guī)模報(bào)酬遞減階段，占比 7.69%。綜上，規(guī)模報(bào)酬遞增的企業(yè)占到掛牌企業(yè)的四分之三，規(guī)模報(bào)酬不變和遞減階段的企業(yè)總共占大約四分之一。但是處于規(guī)模報(bào)酬遞增階段的企業(yè)融資效率相對(duì)較低，49家企業(yè)效率均值僅有0.62，企業(yè)中只有12家的 TE 值大于 0.8，其余37家企業(yè)中有16家公司的TE值小于0.5。說(shuō)明規(guī)模報(bào)酬遞增的農(nóng)業(yè)企業(yè)融資效率的提升空間還很大。

4 結(jié)論與建議

4.1研究結(jié)論

本文在相關(guān)理論與文獻(xiàn)回顧的基礎(chǔ)上，運(yùn)用數(shù)據(jù)包絡(luò)分析法，選取十個(gè)農(nóng)業(yè)大省且具有研究意義的78家農(nóng)業(yè)掛牌企業(yè)作為樣本公司，以其2018年的相關(guān)財(cái)務(wù)數(shù)據(jù)為原始數(shù)據(jù)進(jìn)行實(shí)證分析，主要研究結(jié)論如下：

（1）78家農(nóng)業(yè)掛牌企業(yè)中綜合效率均值為0.75，整體的融資效率處于較低水平，且由于純技術(shù)效率的普遍偏低，農(nóng)業(yè)企業(yè)的技術(shù)研發(fā)能力與資金使用效率有待提高。總體來(lái)看，非有效企業(yè)超過(guò)掛牌企業(yè)數(shù)量的50%，因此我國(guó)農(nóng)業(yè)掛牌企業(yè)整體的融資效率水平并不理想。

（2）從78家樣本公司所在的區(qū)域來(lái)看，南部地區(qū)的融資效率水平最高，其次是中部地區(qū)，最后是北部地區(qū)，這也與區(qū)域經(jīng)濟(jì)發(fā)展水平高度吻合。

（3）從規(guī)模報(bào)酬角度分析來(lái)看，有26.92%的公司處于規(guī)模報(bào)酬不變階段，這些公司處于最佳投入產(chǎn)出點(diǎn);62.82%的公司處于規(guī)模報(bào)酬遞增階段;6家公司處于規(guī)模報(bào)酬遞減階段，占比7.69%。總體而言，現(xiàn)階段我國(guó)農(nóng)業(yè)掛牌企業(yè)的規(guī)模報(bào)酬是遞增的。

4.2對(duì)策建議

通過(guò)以上結(jié)論發(fā)現(xiàn)農(nóng)業(yè)掛牌企業(yè)的融資效率并不高，為進(jìn)一步為提高融資效率提出以下幾點(diǎn)建議：

1.提高企業(yè)自身技術(shù)創(chuàng)新能力。高新技術(shù)是企業(yè)賴以生存穩(wěn)定發(fā)展的重要法寶，因此農(nóng)業(yè)中小企業(yè)首先需要大力引進(jìn)創(chuàng)新性人才，繼而不斷研發(fā)新技術(shù)、創(chuàng)新產(chǎn)品生產(chǎn)渠道，提高產(chǎn)品生產(chǎn)效率，縮短技術(shù)周期和產(chǎn)品周期，如此才能從根本上強(qiáng)化企業(yè)綜合能力，企業(yè)純技術(shù)效率才會(huì)相應(yīng)提升，綜合效率就會(huì)隨之增加。同時(shí)企業(yè)的信用等級(jí)也會(huì)相應(yīng)提高，融資渠道會(huì)更加豐富，融資規(guī)模也會(huì)更加龐大。

2.完善農(nóng)業(yè)發(fā)展區(qū)域合作體系。通過(guò)上述分析可以發(fā)現(xiàn)，無(wú)論是代表農(nóng)業(yè)發(fā)展水平的掛牌企業(yè)數(shù)量，還是代表企業(yè)融資水平的有效企業(yè)數(shù)量，三大地區(qū)都存在較大差異。因此不同區(qū)域間的企業(yè)可以開(kāi)展深入的溝通與合作模式，去精華去糟粕，相互學(xué)習(xí)相互彌補(bǔ)，從而不斷完善自身發(fā)展能力，最終實(shí)現(xiàn)農(nóng)業(yè)中小企業(yè)的融資能力的共同提高。

3.提高政府對(duì)農(nóng)業(yè)中小企業(yè)融資的支持力度。當(dāng)前雖然有農(nóng)發(fā)行、農(nóng)信社、農(nóng)商行等服務(wù)于農(nóng)業(yè)企業(yè)的金融機(jī)構(gòu)，但是受到企業(yè)發(fā)展能力和信用等級(jí)的限制，農(nóng)業(yè)中小企業(yè)很難從上述金融機(jī)構(gòu)獲得充裕的資金。因此政府應(yīng)當(dāng)適當(dāng)放寬農(nóng)業(yè)中小企業(yè)融資限制，在增加農(nóng)業(yè)融資服務(wù)機(jī)構(gòu)的同時(shí)降低農(nóng)企的融資標(biāo)準(zhǔn)，從而降低企業(yè)融資難度，為農(nóng)業(yè)中小企業(yè)發(fā)展保駕護(hù)航。

4.健全市場(chǎng)規(guī)范，完善管理體系

新三板市場(chǎng)雖然已經(jīng)成為了全球最大的股份轉(zhuǎn)讓交易市場(chǎng)，但是其規(guī)章制度仍然不夠完善，由此導(dǎo)致很多企業(yè)上報(bào)虛假報(bào)表，人為操控股價(jià)等一系列欺騙投資者的行為。這也是導(dǎo)致2018年市場(chǎng)行情慘淡的主要原因，在此之際完善市場(chǎng)規(guī)范，健全管理體系，避免信息不對(duì)稱等現(xiàn)象的發(fā)生，不但是保障農(nóng)業(yè)掛牌企業(yè)健康穩(wěn)定發(fā)展的必要前提，更是新三板市場(chǎng)能夠持續(xù)發(fā)揮出其應(yīng)有作用的必要措施。

參考文獻(xiàn)：

[1]吳陽(yáng)芬，曾繁華.我國(guó)新三板中小企業(yè)融資效率測(cè)度研究[J].湖北社會(huì)科學(xué)，2019（01）：69-77.

[2]楊興全，申艷艷，尹興強(qiáng).外資銀行進(jìn)入與公司投資效率：緩解融資約束抑或抑制代理沖突？[J].財(cái)經(jīng)研究，2017，43（02）：98-109.

[3]王玉榮，吳剛.我國(guó)創(chuàng)業(yè)板上市公司股權(quán)融資效率研究[J].西部論壇，2018，28（01）：118-124.

[4]蘭秀文.風(fēng)險(xiǎn)投資機(jī)構(gòu)對(duì)投融資效率影響研究——基于創(chuàng)業(yè)板的數(shù)據(jù)分析[J].技術(shù)經(jīng)濟(jì)與管理研究，2018（07）：80-85.

[5]楊高原. 我國(guó)上市房地產(chǎn)企業(yè)融資效率及影響因素研究[D].山東大學(xué)，2018.

[6]晁坤，耿璐.基于DEA的我國(guó)煤炭上市公司融資效率評(píng)析[J].中國(guó)礦業(yè)，2014，23（06）：44-48.

[7]方芳，曾輝.中小企業(yè)融資方式與融資效率比較[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2005（04）：38-42.

[8]劉超，傅若瑜，李佳慧，周文文.基于DEA-Tobit方法的人工智能行業(yè)上市公司融資效率研究[J].運(yùn)籌與管理，2019，28（06）：144-152.

（河北省保定市河北農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院 河北 保定 071000）