上海市裝備制造業轉型升級的融資效率研究—基于上市公司的數據分析

韓棟 上海電機學院 商學院

裝備制造業又稱裝備工業，是指為國民經濟與國防建設提供生產技術裝備的制造業，即“生產機器的機器制造業”。作為資本和技術密集型的產業，裝備制造業可以說是整個制造業的核心，其發展水平的高低反映了一國的工業制造水平，也是科技發展水平的集中體現。我國是一個制造業大國，具有全球最為齊全的工業門類體系，但還沒有成為一個真正的制造業強國，2018年中美之間由貿易戰所引發的科技戰已為我們敲響警鐘，向制造業強國邁進，突破“卡脖子”領域，推進我國制造業，特別是裝備制造業的轉型升級是當務之急。作為我國最為重要的工業基地，上海市的裝備制造業布局和發展水平對我國整體制造業的發展具有決定性的影響。早在2012年上海市就編制了《上海市高端裝備制造業“十二五”發展規劃》，指出必須將裝備制造業特別是高端裝備制造業作為支柱產業，全力提升上海高端裝備制造業的競爭力，使上海成為世界著名的高端裝備制造中心，以推動產業結構調整和城市功能轉型。2016年7月上海發布了《上海市制造業轉型升級“十三五”規劃》，并于2017年2月發布了《上海促進高端裝備制造發展“十三五”規劃》。兩個“十三五”規劃文件中，從多方面提出了對裝備制造業轉型升級的政策支持，金融支持即是其中重要一環。因此，研究上海裝備制造業轉型升級的融資效率對促進上海裝備制造業轉型升級具有重要意義。

一、相關文獻

關于融資效率，國內較早的研究見于繼康霖（1993）提出的“企業融資效率”命題，后續的研究者沿著這一命題深化了該領域的研究。方芳等（2005）認為融資效率是指某種融資方式以最高收益-成本比和最低風險為企業提供經營所需資金的能力。后續的研究文獻大都聚集于融資效率的測度和實證分析，如魏開文（2001）利用模糊綜合評價法分析企業融資效率，認為債權融資的效率要高于股權融資。伍裝（2006）運用灰色關聯分析法研究企業的融資效率，發現長期負債融資對中小型企業產值影響最小。熊正德等（2010，2014）以中國戰略性新興產業上市公司的財務數據為樣本，運用DEA模型測度了金融支持效率，認為在間接融資驅動不足的現狀下，采取直接融資是戰略性新興產業融資方式的首選。進一步，又選取2008年中國經濟下行周期和2010年政策扶持階段的兩個截面數據，以DEA效率測度結果為依據分類研究了七大新興產業的融資難易程度。孫景蔚，潘榮榮（2018）以30家上市公司作為樣本，運用DEA模型研究了2014-2017年度我國高端裝備制造業的融資效率。許婉韻等（2019）基于DEA-Tobit 模型研究了我國新能源產業的融資效率。

以上文獻都是從財務績效的角度評估了企業的融資效率，對于我們評估上海裝備制造業轉型升級的融資效率具有重要的借鑒意義，但轉型升級是一個多維度的概念，不僅僅體現為財務因素，因此，我們需要在借鑒相關文獻的基礎上進行拓展，從轉型升級的角度全面評價上海市裝備制造業轉型升級的融資效率。

二、研究方法與研究設計

（一）模型構建

借鑒于既有的研究，本文采用DEA模型對上海裝備制造業轉型升級的融資效率進行研究。DEA模型是由Copper 和Rhodes于1978年提出，近來被廣泛應用于效率研究，該模型采用線性規劃的方式評價多投入多產出決策單元（DMU）的相對效率，通過判斷決策單元與有效前沿的偏離距離來評價決策單元的效率，并提出改進意見。根據規模報酬的變化，該模型衍生出規模報酬不變模型（CCR模型）和規模報酬可變模型（BBC模型）兩類模型，結合兩類模型可得出綜合技術效率效率、純技術效率和規模效率，三類效率之間的關系可表示 成綜合技術效率=純技術效率×規模效率。兩類模型的構建分別為：

1.CCR模型

假設有n個決策單元（DMU，即效率評價中的企業），每個決策單元有m種投入和s種產出，為第j個DMU的第i個投入，為第j個DMU的第r個投入，CCR模型可表示為：

式中，δ為線性規劃的目標值，反映綜合技術效率，值越大，融資效率越高。λj為決策權重，為松弛變量，ε為非阿基米德無窮小。當且僅當δ=1，時，決策效率位于決策前沿，表示決策是有效的，否則存在無效狀態，可以通過改進來提高效率。

2.BBC模型

（二）指標選取

融資效率通常被界定為以最高收益-成本比和最低風險為企業提供經營所需資金的能力（方芳等，2005），其中涉及到成本、收益和風險。從文獻檢索的結果來看，相關文獻都是從財務績效的角度談融資效率，無論是“收益”，還是“成本”，都是指財務績效、財務成本。當我們從轉型升級的角度談融資效率時，需要注意“收益”概念的界定，一是作為轉型升級意義上的“收益”概念不能僅僅局限于財務意義，必須用反映轉型升級的指標或測度來表示此處的“收益”；二是轉型升級是從時間維度來談的，沒有時間維度上的比較，就無法界定轉型升級。因此，我們在運用DEA模型實證分析轉型升級的融資效率時，產出指標的選擇應與一般意義上融資效率的研究有所不同。

1.投入指標的選擇

關于投入指標的選擇，我們可以借用相關文獻的選擇。此處，本文將資產總額、財務費用、資產負債率作為DEA模型中每一個決策單元的投入變量。

（1）資產總額。即企業所擁有或控制的所有資產，資產總額可以反映企業的融資規模。企業融資包括股權融資和債務融資，無論哪類融資，所有募來的資金都會轉化為企業的資產，因此，資產規模可以表示融資總額。

（2）財務費用。作為融資的成本，財務費用是指企業在融資活動中所支付的費用，是企業融資的成本，此處作為投入變量納入DEA模型實證中。

（3）資產負債率。資產負債率反映了企業的融資杠桿，資產負債率越高，表示財務杠桿越大，融資風險越高；反之，融資風險越低。因此，資產負債率可以作為融資風險的代理變量。

2.產出指標的選擇

此處的產出指標，必須能夠反映或測度企業的轉型升級。關于轉型升級的測度，岳意定，謝偉峰（2014）提出了衡量城市工業轉型升級發展水平的測度指標，構建了6個一級指標和18個二級指標的指標體系。李慧、平芳芳（2017）從產業的合理化和高度化二個維度構建了包括6 個一級指標和 11 個二級指標的裝備制造業產業結構升級程度測度指標體系，并采用層次分析法得出反映產業合理化和高度化的綜合指標。陳瑾，何寧（2018）提出了衡量裝備制造業轉型升級評價指標體系，其中包括6個一級指標和20個二級指標。潘為華，潘為華等（2019）提出了構建了中國制造業轉型升級的評價指標體系及綜合指數。《上海市制造業轉型升級“十三五”規劃》也提出了上海制造業轉型升級的目標指標體系，其中包括創新能力、質量效率和綠色發展三個一級指標和15個二級指標。綜合來看，以上衡量轉型升級的指標都是從產業或行業的角度來構建的，某些指標并不適合于在企業層面運用。適應于企業的要求，此處，我們用創新能力、質量效益、信息技術、綠色四大指標來評價企業的轉型升級。為切合DEA模型多投入多產出的特征，不再構建二級指標，且不再對指標進行綜合以得到一個綜合指數，由此得到DEA模型的產出指標：

（1）創新能力。學者一般用兩種方法來衡量創新能力，一是專利申請數量；二是R&D 經費支出比重，即R&D 經費支出占主營業務收入的比重，R&D 經費支出比重越大，創新能力則越強。在此，以R&D 經費支出比重來代表創新能力。

（2）質量效益。此處用勞動生產率和高附加值產品收入占主營業務收入之比兩個指標來表示質量效益。勞動生產率越高、高附加值產品收入所占比重越大，則質量效益越好。

（3）信息技術。上海制造業轉型升級“十三五”規劃提出要推動信息化與工業化深度融合，全面提升制造業重點行業和企業的智能化、信息化水平，因此，此處把信息化發展水平作為衡量轉型升級指標列入產出指標。考慮到數據的可得性，以信息化投入占主營業務收入的比重作為信息化水平的代理變量。

（4）綠色發展。綠色化是上海制造業的轉型方向。推廣清潔生產和綠色制造，推進節能減排和發展循環經濟，提高資源能源利用效率，建立高效、清潔、低碳、循環的制造體系是未來持續性發展的要求，此處以單位產值能耗下降量作為綠色發展水平的代理變量。

各指標總結見表1：

表1 上海裝備制造業轉型升級的融資效率評價指標

（三）樣本與數據來源

DEA模型要求決策單元數量為輸入輸出指標個數和的兩倍，本文實證分析中有三個輸入變量和5個輸出變量，至少需要16家決策單元作為實證分析對象。本文選取45家上海裝備制造業上市公司作為樣本進行實證分析，完全滿足DEA模型的技術要求。這些裝備制造業上市公司雖然不能覆蓋所有的上海裝備制造業企業，但仍能從總體上說明上海裝備制造業的發展水平和發展狀況。對標《上海制造業轉型升級“十三五”規劃》，選擇2015-2019年的數據分析分析，以評估十三五期間上海裝備制造業企業轉型升級的成效。轉型升級需要進行時間維度上的對比，必須通過相關指標的差分來評估轉型升級的成效，因此我們利用2015-2019的數據可以對2016-2019年期間上海裝備制造業轉型升級的效率進行評價。實證中所涉及到的數據通過查詢公司年報和各公司網站主頁獲得，部分在年報和公司網站中未披露的數據通過調研獲取。同時，DEA模型要求所有數據均為非負，因此，我們采用min-max方法對數據進行無量綱處理，將數據映射到[0-1]區間，具體處理方法為：

其中xmax與xmin分別為指標的最大值與最小值。

（四）實證結果分析

綜合運用數據包絡分析模型（DEA）中的CCR模型和BBC模型可測得樣本公司的綜合技術效率、純技術效率和規模效率。現對每種效率進行整體分析：

1.綜合技術效率分析

表2 綜合技術效率描述性統計

表3 綜合技術效率分布情況

結合表2與表3可知，2016-2017年期間，上海市裝備制造業上市公司轉型升級的總體融資效率處于上升階段，由2016年0.85上升到2017年0.87，轉型升級效果明顯。從分布來看，2016年與2017年各有12家企業的轉型是有效的（效率值為1），占樣本企業的26.7%。效率值處于0.8-1之間的企業數量 2016年為16家，占比35.6%，2017年為18家，占比上升到40%。相比于2016-2017年，2018年的轉型升級效率開始有所下降，效率值由2017年的0.87下降為0.82，2019年繼續下降為0.75，企業明顯放慢了轉型升級的步伐，到2019年，轉型有效率的企業由前兩年的2016-2017年的12家減少7家，效率值為0.4以下的增加到3家。

2.純技術效率分析

表4 純技術效率分布情況

表4顯示了轉型升級的純技術效率，2016年與2017年各有12家企業純技術效率值1，為純技術效率有效企業。2017年有17家企業純技術效率處于0.8-1之間，2017年增加到20家企業，2018年又下降為17家，2019年為15家，呈現逐年下降的趨勢。2016年有12家企業的純技術效率值處于0.6-0.8之間，2017年為8家，2018年增加到12家，2019年為15家，0.6以下的部分，2016-2019年間則呈逐年遞增趨勢，總體來看，2018-2019年間，純技術效率呈效率下降趨勢。

3.規模效率分析

表5 規模效率分布情況

表5反映了樣本企業轉型升級規模效率的分布，規模有效的企業分布與純技術效率一致，2016-2017年總體來看，2016-2017年規模效率呈增加趨勢，2018-2019年間規模效率低分值企業數量逐漸增加，與綜合效率趨勢基本一致。

三、結論

以上采用DEA模型實證分析了上海裝備制造業上市公司轉型升級的融資效率，總體來看，“十三五”期間的前半段，上海裝備制造業轉型升級的融資效率較好，后半段效率逐步下降，金融支持對促進上海市裝備制造業轉型升級的效果開始弱化，這可能與最近幾年中國制造業所處的國際環境環境惡化有關。當前，我國需要從政策、制度、融資等各方面著手，為我國制造業，特別是裝備制造業的轉型升級創造條件，以突破當前的困境，唯有如此，才能有望在當前復雜的國際斗爭中贏得徹底勝利。