農業大省新三板掛牌農業企業融資效率分析

陳默 袁雪嬋

摘 要：農業中小企業是推動農村經濟發展的核心力量，但融資難與發展資金不足是阻礙農業中小企業發展的主要因素，因此農企融資效率的高低變得更加重要。本文利用數據包絡分析法針對我國十個農業大省在新三板掛牌的農業企業的融資效率進行測度，發現我國農業中小企業融資效率整體處于較低水平，且綜合技術效率有效的單位比重較低、技術研發與應用能力的提升空間很大，基于分析結論本文提出了相應對策與建議。

關鍵詞：新三板;農業大省;農業掛牌企業;DEA模型

1 引言

大力發展涉農產業，對于加快實現農業產業現代化有著顯著成效，為制勝脫貧攻堅與推動鄉村振興戰略深入發展提供了有利條件。由于我國涉農中小企業發展年限較短，有著生產周期長、產業更新升級慢，高新技術研發時間長等特點，經濟效益具有較大的不確定性，使得涉農中小企業的盈利能力地提升受到了較大制約。同時涉農企業發展較慢，且資金需求量大、資產流動性不足、投資期長回本慢，因此能夠在金融機構獲得的資金非常有限，導致當下涉農中小企業面臨著內源融資不足，外源融資短缺的難題。而新三板是專門服務于中小微企業、為非上市股份公司提供股權轉讓交易的平臺。但在2018年三板市場行情急劇變冷，流動性嚴重不足，成交量劇烈萎縮，在這種情況之下客觀評價當前新三板農業掛牌企業融資效率呈現出何種水平，并在此基礎上總結提高農業掛牌企業融資效率的方法是絕對必要的。

2實證研究設計

2.1模型方法

數據包絡分析法（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，一個是CCR模型，一個是BCC模型。

1.規模報酬不變的CCR模型

CCR模型作為第一個模型被提出，是基于規模報酬不變的假設上運算的，用來評價決策單元間的相對有效性。CCR模型數學表達式如下：

其中θ是一個標量，表示第j個決策變量的效率，且滿足 0≤θ≤1，是一個 n*1維的常向量。當θ=1 時，DMUj具有技術有效狀態，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效率（TE），其經濟含義是指若以位于效率前沿面上的決策單位為標準，第j個決策單元想要達到相同的產出水平所需要投入的資源比例。

2.規模報酬可變的BCC模型

由于現實情況下很難滿足CCR模型的假設，因此不久后學者便提出了BCC模型，該模型在規模報酬可變的假設下進行研究。

式中 δ（0<δ≤1）為綜合效率指標，λj為權重變量，si- ，sr+為松弛變量，ε為非阿基米德無窮小量。δ值越大，農業掛牌企業的融資效率就越高，δ以1為界限判定融資效率是否達到最優，δ=1表明決策單元式DEA有效，δ<1表示被評價的 DMU是 DEA無效的。DEA綜合效率可由純技術效率和規模效率乘積計算所得。純技術效率是公司具有充足資金的情況下使用資金的效率，反應資金是否發到有效配置，而由企業規模而影響的生產效率就是規模效率，反應的是投入和產出是否滿足規模效率。

2.2樣本選取與數據來源

本研究根據全國所有省份2015-2018年農林牧漁業平均總產值在3萬億以上、2015-2018年平均農林牧漁業增加值在2000億以上和2015-2018年農林牧漁業均值占地區總產值均值的10%以上，篩選出十個省份。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《2018年新三板掛牌公司行業分類結果》，在企業中剔除了ST公司和數據出現異常或有所缺失的公司后，最終選取78家掛牌企業作為研究對象。數據來源于萬德數據庫和全國中小企業股份轉讓系統的企業年報。

2.3指標體系的構建

本文結合農業中小企業發展特點，依據現有的研究成果，將 DEA 模型中的投入指標界定為企業資產總計（X1），反映企業規模的大小;財務費用（X2）反映企業融資的成本;資產負債率（X3），反應企業資本結構;股權集中度（X4）反映企業的治理能力。DEA模型中的輸出指標界定為凈資產收益率（Y1），反映企業盈利能力;總資產周轉率（Y2），反映企業資產使用效率;營業收入同比增長率（Y3），反應企業的融資發展潛力;無形資產（Y4），反映企業的技術研發情況。

由于原始投入、產出指標要求非負值，而所選掛牌企業的凈資產收益率、營業收入同比增長率以及財務費用都有負值出現，根據實際驗證可知，DEA模型所選指標同時加上或減去相同的數值不影響其有效性個數，因此本文將上述三個指標同時減去每個對應指標下的最小值從而將指標進行非負化出理。

3 實證結果分析

3.1融資效率的總體評價

表1給出了2018年我國十大農業省份融資效率整體情況，78家企業綜合技術效率均值為0.745，處于較低水平，純技術效率均值為0.818，屬于較高水平，規模效率均值0.895處于較高水平。由此可以看出，由于農業掛牌企業技術研發時間長、成果較少，因此純技術效率值相對較低，從而拉低了綜合效率值。對應的在資金使用效率和管理技術能力較低的情況下，農業企業的融資效率的提高主要是通過擴大規模，從而提高規模效率最終提升綜合效率的。綜合來看，78家企業有21家技術效率有效，占總數的26.92%，29家純技術效率有效，占比20.24%，24家規模效率占比30.77%，三大效率的有效企業個數均沒有超過農業掛牌企業數量的40%，再次一次說明了農業掛牌企業融資效率水平較低。

3.2融資效率地區比較分析

將各企業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效率、純技術效率和規模效率。根據 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相對有效三個區間。如表2所示，屬于相對有效梯度的有三個省份，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效率和規模效率都處于0.9以上，說明這兩個省份掛牌的農業企業融資綜合水平較高，包括技術研發水平和發展規模。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效率值均超過0.8，處于相對有效水平，說明該省份下農業掛牌企業的技術研發與資金使用能力較強，而所有省份規模效率值都在0.8以上，即所有省份農業掛牌企業的規模效率水平相對有效，且所有省份的規模效率均值都大于純技術效率均值，再一次說明了綜合技術效率值處于較低水平的主要原因是由于純技術效率值較低。

本文將十個農業大省劃分為北、中、南三個地區，北部地區有黑龍江省、河北省和山東省;中部地區有河南省、湖北省、安徽省和四川省;南部地區有廣西省、福建省和湖南省。由表3可以看出，南部地區的綜合效率值最高，達到了0.79，緊隨其后的是中部地區，效率值為0.74，最后是北部地區，效率值為0.71。其中中部地區綜合技術效率有效的企業數量達到了12家，在地區農業企業占比為27.9%，也是三個地區中規模最高的。在此之后的北部地區有19家掛牌企業，其中5家技術效率有效，占比26.32%;南部地區掛牌企業數量雖少，有效企業數量也最少有4家企業，占比同樣最少，為25%。從純技術效率來看，依然是中部地區有效企業數量最多，達到了17家企業，其占比也是最大，達到了39.53%。緊隨其后的是北部地區，有7家企業純技術效率實現了有效，占比36.84%;南部地區技術效率有效的企業為5家，占比31.25%，是三大地區規模最小的。最后從規模效率來看，北部地區規模效率有效企業數量為7家，且占比最多，達到了36.84%，其次是中部地區和南部地區。綜合來看，三大地區的融資效率都處于較低水平，其中南部地區農業企業融資發展水平較為均衡且能力較強，其融資效率值也最高;其次是中部地區，北部地區企業融資能力較差。

3.3融資效率行業比較分析

根據中國證監會發布的《2018年度掛牌企業行業分類結果》及本文對農業上市公司的界定，本文將78個樣本公司具體分為農業、林業、畜牧業、漁業和農林牧漁服務業5個子行業來研究分析各個行業的融資效率情況，具體見表4。

從表4可以看出，五個子行業中，綜合效率值最高的行業是漁業，其效率值為0.96。在此之后的是農業，綜合效率均值達到了0.81，效率水平較高。其他子行業的融資效率均值均在0.8以下，效率水平較低。從綜合技術效率角度來看，農業行業中有效企業數量最多，有12家企業，占到農業企業的35.29%。從純技術效率來看，依然是農業行業最多，有16家企業實現了純技術效率有效，占到所有農業企業將近一半。值得一提的是漁業，三家漁業企業全部純技術效率有效，說明漁業企業技術研發能力與資金使用效率較高。最后從規模效率來看，依舊是農業企業數量最多，共有15家企業規模效率有效?？傮w來看，漁業和農業子行業融資效率水平較為平均，且融資能力較強。畜牧業融資效率均值最低，企業融資水平參差不齊，差異較大。因此，綜合上述分析可以看出我國農業掛牌企業中融資效率較高的企業主要集中于資金雄厚，資源優勢明顯的傳統行業——農業。

3.4規模報酬分析

規模報酬是企業在除投入產出以外情況不改變時，企業內部各種生產要素按相同比例變化時所帶來的產量變化。企業的規模報酬變化可以分為規模報酬遞增、規模報酬不變和規模報酬遞減三種情況。由于本文應用的投入導向的DEA模型，因此區別這三種情況的關鍵在于判斷投入變化比例與帶來產量變化的比例的大小，若前者大于后者則是規模報酬遞減，若后者大于前者則是規模報酬遞增，若兩者相等則是規模報酬不變。

如圖4-2，應用Deap2.1軟件可以直接得出78家樣本公司的規模報酬狀態。由圖可以看出，有23家掛牌企業規模報酬不變，占總樣本企業數的29.49%，說明這些公司當前的產出水平和投入量是相匹配的，其融入的資金也實現了有效利用。剩余的54家的公司中，49家公司處于規模報酬遞增階段，占樣本總數的 62.82%;6家公司處于規模報酬遞減階段，占比 7.69%。綜上，規模報酬遞增的企業占到掛牌企業的四分之三，規模報酬不變和遞減階段的企業總共占大約四分之一。但是處于規模報酬遞增階段的企業融資效率相對較低，49家企業效率均值僅有0.62，企業中只有12家的 TE 值大于 0.8，其余37家企業中有16家公司的TE值小于0.5。說明規模報酬遞增的農業企業融資效率的提升空間還很大。

4 結論與建議

4.1研究結論

本文在相關理論與文獻回顧的基礎上，運用數據包絡分析法，選取十個農業大省且具有研究意義的78家農業掛牌企業作為樣本公司，以其2018年的相關財務數據為原始數據進行實證分析，主要研究結論如下：

（1）78家農業掛牌企業中綜合效率均值為0.75，整體的融資效率處于較低水平，且由于純技術效率的普遍偏低，農業企業的技術研發能力與資金使用效率有待提高。總體來看，非有效企業超過掛牌企業數量的50%，因此我國農業掛牌企業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域來看，南部地區的融資效率水平最高，其次是中部地區，最后是北部地區，這也與區域經濟發展水平高度吻合。

（3）從規模報酬角度分析來看，有26.92%的公司處于規模報酬不變階段，這些公司處于最佳投入產出點;62.82%的公司處于規模報酬遞增階段;6家公司處于規模報酬遞減階段，占比7.69%。總體而言，現階段我國農業掛牌企業的規模報酬是遞增的。

4.2對策建議

通過以上結論發現農業掛牌企業的融資效率并不高，為進一步為提高融資效率提出以下幾點建議：

1.提高企業自身技術創新能力。高新技術是企業賴以生存穩定發展的重要法寶，因此農業中小企業首先需要大力引進創新性人才，繼而不斷研發新技術、創新產品生產渠道，提高產品生產效率，縮短技術周期和產品周期，如此才能從根本上強化企業綜合能力，企業純技術效率才會相應提升，綜合效率就會隨之增加。同時企業的信用等級也會相應提高，融資渠道會更加豐富，融資規模也會更加龐大。

2.完善農業發展區域合作體系。通過上述分析可以發現，無論是代表農業發展水平的掛牌企業數量，還是代表企業融資水平的有效企業數量，三大地區都存在較大差異。因此不同區域間的企業可以開展深入的溝通與合作模式，去精華去糟粕，相互學習相互彌補，從而不斷完善自身發展能力，最終實現農業中小企業的融資能力的共同提高。

3.提高政府對農業中小企業融資的支持力度。當前雖然有農發行、農信社、農商行等服務于農業企業的金融機構，但是受到企業發展能力和信用等級的限制，農業中小企業很難從上述金融機構獲得充裕的資金。因此政府應當適當放寬農業中小企業融資限制，在增加農業融資服務機構的同時降低農企的融資標準，從而降低企業融資難度，為農業中小企業發展保駕護航。

4.健全市場規范，完善管理體系

新三板市場雖然已經成為了全球最大的股份轉讓交易市場，但是其規章制度仍然不夠完善，由此導致很多企業上報虛假報表，人為操控股價等一系列欺騙投資者的行為。這也是導致2018年市場行情慘淡的主要原因，在此之際完善市場規范，健全管理體系，避免信息不對稱等現象的發生，不但是保障農業掛牌企業健康穩定發展的必要前提，更是新三板市場能夠持續發揮出其應有作用的必要措施。

參考文獻：

[1]吳陽芬，曾繁華.我國新三板中小企業融資效率測度研究[J].湖北社會科學，2019（01）：69-77.

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

[3]王玉榮，吳剛.我國創業板上市公司股權融資效率研究[J].西部論壇，2018，28（01）：118-124.

[4]蘭秀文.風險投資機構對投融資效率影響研究——基于創業板的數據分析[J].技術經濟與管理研究，2018（07）：80-85.

[5]楊高原. 我國上市房地產企業融資效率及影響因素研究[D].山東大學，2018.

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

[7]方芳，曾輝.中小企業融資方式與融資效率比較[J].經濟理論與經濟管理，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上市公司融資效率研究[J].運籌與管理，2019，28（06）：144-152.

（河北省保定市河北農業大學 經濟管理學院 河北 保定 071000）