政府扶持與國有能源企業產融結合效率研究＊
——基于自助法修正的三階段數據包絡分析模型

■ 葉莉 曹思奇

河北工業大學經濟管理學院 天津 300401

0 引言

自上世紀90年代，我國工商企業開始主動單向進入金融領域，早期產融結合逐漸發展。十八屆三中全會后，新一輪國企全面深化改革的重要突破口和方向在于產融結合。與初期“由產到融”不同，在政府及相關部門積極鼓勵和支持下，當下國有企業更加注重產融結合進階版——“產融互促”，提升產業與金融協調發展效率，實現國有資產增值保值。

國有能源企業作為國企改革的重點領域、能源供給的主力軍，掌握著國民經濟命脈，關乎國計民生。為推動高質量發展和能源產業轉型升級，在政府大力扶持下，國有能源企業不斷通過參控股金融機構和創建內部財務公司等方式，深化和發展產融結合。截至2019年3月，全球行業分類標準(GICS)下國有能源上市公司共83家，實施產融結合戰略的公司達62 家，占比74.69%，涉及金融機構超150家。但是，其在發展過程中，由于政策落實不足、政府監管部門體系分散、碎片化監管失責、政府補助行業分配不均等諸多原因，仍存在產業與金融資本配置失衡、金融投資業務風險顯露、“金融+產業”互動頻率低、不良金融資產堆積等問題。產融結合效率的低下，一方面造成政府資源浪費，政策實施效果不佳，不利于盤活國有資產，優化國有金融資本戰略布局；另一方面易導致金融業務盲目擴張、金融風險集聚，使得國有能源企業遭受經濟損失，不利于推動國有金融資本向能源行業關鍵領域集中。可見，無論從政府角度還是國有能源企業自身發展角度，都應注重產融結合的實際運行效率和考察政府扶持對產融結合效率的影響。研究上述問題，既利于指導產融結合型國有能源企業避免低效率運營和提升抵抗金融風險能力，也有利于政府有關部門把握企業產融結合現狀，為制定促進能源產業轉型升級與配套金融體制改革等相關扶持政策提供科學依據，同時為天津市哲學社會科學規劃項目“中小企業政策性融資擔保運行效率提升研究”中企業產融互促運行效率研究提供實證依據和創新方法。

既有研究鮮有涉及政府扶持與企業產融結合效率的關系，研究成果多聚焦于產融結合的政府動因及產生的經濟效應。動因方面，背靠政府的國有企業，管理決策和投資方向等多受政府影響，其產融結合主要是政策干預的結果，實施效果受政策影響較大[2]。政府扶持與產融結合經濟效應方面，政府補貼、優惠可以直接為上市企業注入資金流，從而提升企業的資本充足率，改善投資研發、科技創新和經營績效。然而，由于產融結合型國有企業享有政府扶持和其他獲取資金的便利渠道，存在更好的投資回報預期，容易投資過度、盲目擴張，造成金融資源浪費[4]。當政府對企業進行補貼時，易缺乏使用范圍限制和監督機制，使得產融結合型企業投資效率低下。目前研究多關注于政府扶持下企業產融結合后的經濟效應，尚未有文獻直接探索政府扶持因素對國有能源企業產融結合效率的具體影響。實證研究方法上，相關學者多利用財務指標描述產融結合有效性[3]，部分學者采用SFA 隨機前沿模型[6]和DEA 數據包絡分析模型[7]衡量產融結合效率，但不能同時衡量多個效應輸出值，且存在忽略誤差項與干擾項的問題，無法分解出政策波動因素和客觀評價國有能源企業的產融結合效率。

因此，本文首次采用自助法（Bootstrap）修正的三階段數據包絡分析（Data Envelopment Analysis, DEA）模型，驗證政府扶持對國有能源上市公司產融結合效率的影響和綜合評價現階段產融結合運行效率。研究貢獻主要體現在：第一，結合新階段“產融互促”特點，在“由產到融”與“由融到產”視角下設置投入、產出變量，拓展現有文獻對國有企業產融結合效率的定量研究角度。第二，結合新常態下國企深化改革背景，首次從實證角度考察政府扶持對國有能源企業產融結合效率的影響，為產融結合動因研究中的政府干預理論提供實證檢驗，并給出相應政策建議。第三，本文創新性地采用自助法（Bootstrap）進行修正，改進三階段DEA 評價模型，考慮樣本有限性和統計性推斷問題，增加評價結果客觀性，相對合理地評價國有能源企業產融結合靜態運行效率。

1 理論模型和變量選取

1.1 Bootstrap修正的三階段DEA模型

1.1.1 第一階段：BC2模型

DEA 模型能夠對具有多投入、多產出的單位之間有效性進行評價。本文基于原始投入和產出數據，在不考慮環境影響因素的情況下，第一階段采用傳統DEA模型中的規模報酬可變的BC2模型，得到國有能源上市公司產融結合的技術效率、純技術效率和規模效率。技術效率用以衡量樣本單位的整體效率，即投入不變時，產出最大或產出不變時投入最小；純技術效率表示投入是否充分被利用，反映了企業的技術管理水平；規模效率衡量樣本單位是否處于規模收益最佳的狀態。模型表示為：

xj為產出向量組，yj為產出向量組，λj為權重系數，s-為剩余變量，s+為松弛變量，ε為非阿基米德無窮小，θ為決策單元的有效值，設定θ= 1 時，s-=s+=0，則該決策單元DEA有效。

1.1.2 第二階段：SFA回歸分析

考慮第一階段中各決策單元的投入變量會受到政府扶持的環境因素干預而產生松弛變量，而傳統DEA模型無法分解出環境變量，將影響評價準確度。本文將第一階段測算出的松弛變量作為解釋變量，以政府扶持因素為環境變量，采用隨機前沿分析模型，進行SFA 回歸分析，構造方程：

Sni為第i個決策單元第n項投入的松弛值;Zi為環境變量;βn為環境變量系數;νni+μni為混合誤差項;νni為隨機干擾;μni為管理無效率。

本文僅需要分解出環境變量，調整原始投入量至相同環境下，調整公式為：

X nAi為調整后的投入；Xni為調整前的投入；是對外部環境因素進行調整；[max(υni)-υni]為將所有決策單元置于相同水平下。

1.1.3 第三階段：調整投入變量后的DEA效率

保持產出值不變，以調整后的投入變量X A ni替代原始投入值Xni，再次運用第一階段的DEA-BC2模型，得到調整后的效率值θadj，表明剔除了政府扶持因素后國有能源企業進行產融結合所能達到的最真實效率。

1.1.4 Bootstrap-DEA修正

在完成上述三階段DEA評價分析后，進入現階段產融結合效率評價環節。受限于觀測樣本數量和樣本敏感性，三階段DEA 模型易忽略統計性推斷問題，導致評價結果有一定偏差，無法克服相對效率評價方法的缺點。而Bootstrap-DEA可利用三階段DEA模型最后得到的效率值θadj，作為初始樣本，大量有放回的重復抽樣2000 次，得到模擬樣本θ=θB1,θB2……θBM，再對樣本參數的偏差進行平滑處理。

其中h為平滑參數，ε為服從標準正太分布的隨機誤差。對（4）中得到的模擬樣本效率值進一步修正，得到平滑的效率值θ*Bi。再對投入要素進行調整，調整公式為：

Xin*為經過Bootstrap 修正后第n個決策單元的第i個投入要素值。依據調整后的投入要素數據和原始產出值，運用DEA模型，重新計算各決策單元的效率值。

1.2 變量選取及數據來源

1.2.1 變量選取

在“產融互促”階段，國有能源企業產融結合的實現路徑大致可分為“由產到融”和“由融到產”[8]。在“由產到融”視角下，產業資本進入金融行業，屬于企業的金融投資行為；而“由融到產”的過程，即金融資本支持產業，表現為企業使用金融工具為產業提供資金，概括為融資行為。根據已有研究，產融結合的有效性主要體現在是否促進企業發展，具體表現為主產業經營績效和金融資本的市場表現。本文從上述兩個投入視角和效應出發，結合能源行業的實際情況，選取以下投入產出指標和環境變量，如表1所示。

表1 國有能源上市公司產融結合效率投入產出指標

在投入指標的選取中，企業利用產業資本涉足金融行業的主要實現方式為持股金融機構和配置金融資產，故選取金融機構持股額和持有金融資產兩個具體指標。金融機構持股額，主要為長期股權投資額，包括該樣本企業長期持有的銀行、財務公司、保險公司、基金公司和證券公司等金融機構的出資額總和。可供出售金融資產，主要指交易性金融資產，包括債權證券和權益證券等。產融融資方式主要分為股權性融資和債權融資；股權融資，即企業上市，在資本市場中獲取股權性質的資金，表現為上市融資總額；債權融資，指付出一定利息成本在貨幣市場中借取資金。實際上，在產融結合發展中，日常經營性投入同樣會起到推動作用，因此納入經營成本作為投入變量之一。

產出指標中的產業經營績效直接表示為營業利潤，以評價產業資本盈利能力。金融板塊使用效應選取資本市場表現，即股市中的市盈率指標。本文選取能源行業國有企業作為樣本，其市盈率指標具有可比性。市盈率越高，說明企業股價與每股收益之比越高，在每股收益相近或一定的情況下，其資本市場表現越好。

在環境變量的選取中，選取與政府扶持相關的指標。國有能源企業開展產融結合實踐中，投融資決策導向將助推來自政府的資金支持和政策上的扶持[1]。資金支持包括政府資金補助，政策扶持包括上市公司公告中的資產重組審核通過公告、金融投資通過公告和融資事項公告數量，若公告數越大，則表明產融結合業務受到來自政府允許和支持的力度越大。

1.2.2 樣本數據來源

本研究依據WIND 資訊數據庫下設的能源行業分類，選取2010～2017年國有能源上市公司的年報數據。本文根據研究需要對原始數據做了如下處理：（1）剔除財務數據不完整的上市公司。（2）根據實際控制人性質剔除非國有的能源企業。（3）剔除已標記為“特別處理（Special treatment，ST）股票”和市盈率大于500的上市公司。（4）剔除尚未實施產融結合戰略的公司。鑒于上述數據統計噪聲過大，最終篩選出55 家有效樣本單位，數據經SPSS22.0軟件處理后使用。

2 實證結果與分析

采用三階段DEA 模型及Bootstrap-DEA 方法后，本研究測算出2010～2017年國有能源上市公司產融結合效率及政府扶持因素影響。

2.1 第一階段DEA效率實證結果與動態分析

第一階段基于傳統的DEA-BC2模型，使用55 家國有能源上市公司的產融結合投入和產出原始數據，運行DEAP2.1軟件測算得出2010～2017年各公司的綜合技術效率（CRS_TE）、ⅤRS 純技術效率（ⅤRS-TE）和規模效率（SCALE）第一階段平均效率值動態變化如圖1所示。

圖1 2010年至2017年國有能源上市公司產融結合平均效率變化趨勢

由圖1中平均效率變化趨勢可知，在不考慮政府扶持的環境因素情況下，2010～2017年國有能源上市公司產融結合平均綜合效率值、平均純技術效率值和平均規模效率值大體呈逐年上升趨勢。2010～2013年，企業產融結合效率增長較為緩慢，整體變化幅度較小，均處于效率中上水平。但在2014年國企改革不斷深化，管理層更加注重實施“產融結合”戰略后，產融結合效率明顯提升，綜合平均效率值由0.594躍升至0.742，隨后效率值呈繼續上升態勢。此外，規模效率始終處于較高水平，高于綜合效率和純技術效率，表明企業產融結合效率的提升主要得益于規模報酬，系因內部資源得以整合，協同效應助力，取得了一定的規模收益。

然而，此階段的效率值尚未考慮到政府扶持的環境因素，不能客觀反映出國有能源企業產融結合效率現狀，需進一步分析。

2.2 第二階段SFA回歸分析結果

將第一階段DEA-BC2模型中測出的各決策單元投入變量的松弛變量作為被解釋變量，以前文選取的環境變量作為自變量，選擇SFA 中成本函數進行回歸分析，拆解出環境變量的影響程度，再剔除政府扶持因素，得到新的投入變量。本文使用Frontier4.1軟件進行SFA 回歸，結果如表2所示。

表2 第二階段SFA回歸分析結果

在顯著性水平為1%，自由度為55 的情況下，T 檢驗臨界值為2.668，由表2可知，政府補助和政策扶持因素對各投入松弛變量的T 檢驗值均大于此臨界值，通過了顯著性檢驗；表明政府扶持因素將對各投入要素的松弛變量產生顯著影響。同時，每一松弛變量SFA 回歸方程結果的單邊廣義似然比LR 值也均大于5%顯著性水平下的臨界值5.138。因此，利用上述回歸結果，對原始投入變量進行相應調整，使得各樣本企業外部環境相同。

表2中政府補助對五個被解釋變量回歸系數均為正數，說明政府補助的增加，將會導致產融結合投入的浪費冗余增加，表明2010～2017年政府補助的增加并未有效提升產融結合效率，未達到資金使用效果的最大化。政府扶持力度對可供出售金融資產和金融機構的系數也均為正數，說明政府扶持力度的加大，會造成“由產到融”中產業資本進行金融投資的浪費，不利于產融結合效率的提升。值得注意的是，政策扶持力度卻與融資性投入和日常經營性投入負相關，在“由融到產”環節和日常經營范疇內，政策扶持力度加大會減少這兩項投入的浪費，一定程度上有利于提升產融結合效率。

2.3 第三階段調整投入后DEA實證結果

將第二階段SFA 回歸分析后調整的投入變量和原始產出變量再次代入傳統DEA-BC2模型，使用DEAP2.1軟件得到2010～2017年國有能源上市公司剔除外部環境因素后的產融結合運行效率值，結果如圖2所示。

圖2 調整政府扶持因素前后平均綜合效率值變化趨勢

將經過調整后的2010～2017年間第三階段DEA 平均綜合效率值與第一階段DEA 效率值進行比較，由圖2可以看出明顯變化。調整后的平均產融結合綜合效率值均高于調整前，在2018年達到了最高值0.852。這表明，剔除了政府扶持的外部環境因素后，國有能源上市公司的產融結合效率整體得到了提高。雖然政府扶持中政策支持力度的提高，會節約金融資本支持產業發展方面的投入，提升產融結合效率，但總體來說，政府扶持因素并未有效提升國有能源上市公司產融結合的運行效率，反而造成了要素投入的冗余，導致效率上升空間有限。

2.4 Bootstrap-DEA修正效率結果

為評價國有能源上市公司各自靜態產融結合效率水平，三階段DEA 模型尚存在著樣本有限、估計偏差等缺點，無法克服相對效率評價方法的缺陷。因此本文創新性地改進評價方法，通過Bootstrap 估計方法，將第三階段DEA 模型中調整后的平均綜合效率值作為原始樣本，采用不間斷大量可放回的重復抽樣2000 次方式，對2017年第三階段產融結合綜合效率值進行糾偏，在MAxDEA6.7 軟件中得到更接近真實水平的產融結合效率值，結果如表3所示。

表3 2017年三階段DEA效率值與Bootstrap-DEA效率對比

由表3可知，經過Bootstrap 估計方法修正后的2017年國有能源企業產融結合效率值均有所變化，大部分樣本單位在修正后發生了不同程度的下調，由相對效率轉化為絕對效率，更加接近真實水平。原有的21 家DEA有效公司降至10家，分別為華能國際、浙能電力、華電國際、明星電力、三峽水利、寶新能源、大唐發電、粵電力A、建投能源和湖北能源。

3 結論與建議

本文運用Bootstrap 修正的三階段DEA 模型，基于2010～2017年國有能源上市公司產融結合數據，相對合理地評價了能源行業國有上市企業產融結合的運行效率，分析了政府扶持的外生環境因素對效率的影響程度。得出如下結論：

（1）2010～2017年我國國有能源上市公司的產融結合運行效率呈逐年上升趨勢。尤其在2014“改革元年”后，國家對產融結合發展給予了更多的重視和關注，平均綜合效率值突增明顯，產融結合效率大幅提升，2017年國有能源上市公司產融結合效率整體處于中上水平。由于地區金融發展水平不均，金融市場完善程度不同，政府扶持政策落實效果各異，空間上10 家DEA 有效企業中7 家位于東部經濟發達地區，而內蒙華電和中國西電處于行業內效率最低值。應加大經濟落后地區發展金融業和產融結合政策扶持力度，為能源企業發展金融業務提供更多選擇與平臺。

（2）在DEA 實證結果中，平均規模效率值始終高于平均純技術效率和平均綜合效率水平。我國能源企業的產融結合實踐，總體上節約了內部交易成本和財務成本，緩解了融資約束，使得內部產業資源和金融資源配置更加合理，取得了不錯的規模收益。

（3）分解政府扶持因素對產融結合效率的影響程度時，剔除政府扶持因素后，產融結合效率明顯提高，表明政策扶持力度的增加是冗余的，其對國有能源企業產融結合運行效率的積極提升作用尚未充分體現。在為能源企業產融結合提供便利與支持的同時，由于存在分配不公、干預過度、政策落實不到位、補貼冗余和監管缺失等問題，政府扶持反而抑制了企業自身產融結合運行效率，導致資源配置低效率，降低產融結合經濟效果。隨著我國經濟增速換擋，國有能源企業改革步入“高質量發展”元年，面臨加速動能轉換、優化產業結構和深挖創新驅動力等多重任務疊加，產融結合戰略的實施效果與效率尤為關鍵。而2010～2017年政府的扶持未使得國有能源企業“產業+金融”發展模式發揮協同效應，易造成金融業務盲目擴張、金融風險集聚和國有資產流失等后果。

政府在對產融結合型國有能源企業進行扶持時，要適時完善能源行業補貼標準和門檻，嚴把審核關，兼顧公平與效率，杜絕“尋租”、騙補等行為；充分發揮市場機制在產融結合中的作用，可在合規范圍內給予地方國有能源企業更多自主權，優化國有金融資本戰略布局，推動金融資本向能源行業轉型升級方向、清潔能源領域和重要基礎設施集中，如熱電聯產、燃煤發電機超低排放改造、清潔煤電技術、風電消納問題解決和智能化改造等方面。同時，在國有能源企業應從自身出發，完善金融業務政策落實和風險監控情況報告體系，重視企業金融投資與能源主業關聯度和投資回收風險等關鍵問題，防止出現利用期貨業務投機套利、財務公司對外高息貸款等現象；積極開辟多元化融資渠道，通過政府優惠政策使用綠色金融工具，如中長期綠色債券和綠色資產證券化等。真正實現國有金融資本與能源產業有效對接，促進政府扶持對產融結合效率的提升作用。