數字文化類上市公司融資效率評價研究

趙祥娟

(安徽大學商學院，安徽 合肥230601)

一、引言

2017年我國文化部在《關于推動數字文化產業創新發展的指導意見》中指出，數字文化產業是以文化創意內容為核心，依托數字技術進行創作、生產、傳播和服務，呈現技術更迭快、生產數字化、傳播網絡化、消費個性化等特點。數字技術在文化領域的應用既能提高文化產品和文化服務的供給質量，同時也創造出新的文化消費需求。數字經濟時代，數字文化產業成為主流，促進數字文化產業健康發展，既有利于促進文化產業轉型升級，同時也有利于促進經濟向高質量方向發展。當前我國數字文化產業還處于初級發展階段，為促進數字文化產業的健康長遠發展，多樣化的融資途徑以及對資金的高效利用率是重要保障。因此，文章從融資效率角度來剖析我國數字文化產業融資現象，進而為促進我國數字文化產業發展提供建議。

二、文獻綜述

近年來，學術界關于企業融資效率的研究成果較為豐富。胡劍芬和饒烜以生產性服務業為研究對象，運用DEA法測算該行業上市公司融資效率，并從總體、行業與融資途徑三方面對融資效率進行分析；王玉榮和吳剛構建DEA模型，對創業板上市公司的股權融資效率進行研究，發現創業板上市公司股權融資效率整體較低；姚夢琪和許敏測算高新技術企業融資效率，分別從行業類型及產權兩個視角進行比較，并運用Tobit模型檢驗該行業上市公司融資效率對研發投入的影響程度；桂嘉偉和吳群琪以新三板科技服務業為研究對象，構建三階段DEA模型，從行業、地區等多個維度對融資效率進行比較分析；劉超等以人工智能產業作為研究對象，在測算該行業上市公司融資效率的同時，還從動態角度反映人工智能產業上市公司的融資變化情況；王偉和董登新運用DEA法計算新三板中科技型中小企業的市場融資效率，并對融資效率的主要影響因素進行分析。

通過文獻梳理可知，DEA法(data envelopment analysis，數據包絡分析方法)被廣泛運用至各行業融資效率研究中，而有關數字文化類上市公司融資效率的研究較少。故文章對數字文化類上市公司的融資效率進行深入分析，運用DEA方法研究數字文化類上市公司融資效率情況。

三、數字文化類上市公司融資效率評價模型

DEA法是一種用來分析多投入與多產出之間對應關系的非參數方法。在確定投入產出指標權重時，不需要主觀判斷，在效率研究問題上，可以通過此方法得到較為客觀的評價結果。該法以DEA有效作為有效評價標準，將每個參與評價的單位都視作一個決策單元，并進行排序(馬贊甫，2014)。將計算出的每個決策單元的效率值與1進行比較，效率值越接近于1，表明決策單元的效率水平越高。當效率值小于1時，表明決策單元DEA無效，效率值等于1，說明決策單元DEA有效(李強，2020)。文章基于DEA－BCC模型測算上市公司融資效率，并根據Malmquist指數分析上市公司的融資效率變化情況。

(一)DEA－BCC模型

假設有n個決策單元(DMU)，每個決策單元代表一個數字文化類上市公司，其中Xj代表投入變量指標集，Yj代表產出變量指標集，j＝1，2，3，…，n(n代表樣本上市公司數量)。融資效率DEA－BCC模型如下:

上式的θ表示決策單元的綜合技術效率。綜合技術效率由純技術效率與規模效率相乘得到。若θ＝1，表示DEA有效，若θ<1，表示DEA無效，θ越接近1，有效程度越高。參考吳陽芬和曾繁華的研究，對融資效率區間和等級進行劃分，如表1所示。

表1 融資效率區間及等級劃分標準

(二)DEA－Malmquist模型

DEA－Malmquist模型能反映決策單元全要素生產效率變化情況。考慮到時間因素，文章以Malmquist指數反映數字文化類上市公司效率的動態變化趨勢。Malmquist指數公式如下:

Malmquist指數由技術進步變化指數和相對技術效率變化指數共同組成。相對技術效率變化指數用規模效率變化指數與純技術效率變化指數乘積的形式表示。無論是技術進步變化指數還是相對技術效率變化指數，當效率變化指數小于1時，都代表效率降低，反之，則代表效率提升。數字文化類上市公司的技術進步體現在技術進步變化指數高低，技術革新推廣體現在純技術效率變動指數的高低，規模效率變動指數的高低直接體現了規模普及程度和效用水平。若效率變化指數值皆大于1，說明決策單元的規模報酬與技術效率水平實現逐年增長；反之則逐年下降；若Malmquist指數大于1，表明決策單元的生產效率水平在逐年提升，反之則逐年下降。

四、數字文化類上市公司融資效率指標與數據

(一)融資效率指標體系

文章參考孫艷芳和劉超等人的研究，構建企業融資效率衡量指標，如表2所示。投入指標上，以資產負債率體現企業資本結構，以資產總額體現企業融資規模，以營業總成本體現企業資金利用能力。產出指標上，以凈資產收益率體現企業盈利水平，以營業收入同比增長率體現企業成長能力，以總資產周轉率體現企業營運能力。

表2 數字文化類上市公司融資效率指標

(二)融資效率數據來源與處理

文章選取23家代表性數字文化類上市公司，涉及網絡游戲、數字出版、文化類信息技術服務等行業。樣本公司均為A股上市公司，不包含 “ST” “*ST” 標識的上市公司。主營業務為數字文化類、上市時間為2016年之前，從而確保樣本數據的科學性和完整性。樣本期為2016~2019年，所有數據均來自東方財富和同花順數據庫。

數據通過DEAP2.1軟件處理。使用該軟件需滿足的條件有:首先樣本數量必須是投入產出指標總數的2倍以上，其次所輸入的指標數據必須為正值。文章選取23家數字文化類上市公司，滿足前者要求。由于輸入數據必須為非負數，因此需要對數字文化類上市公司的指標數據進行標準化處理。

公式(3)中，xij是樣本企業的原始值，經量綱化處理后可得數值xij′，某一指標的最大值和最小值分別為xmax和xmin。上述的無量綱化處理將原始數據統一劃歸到0.01與1.01之間，一方面保證了所有指標數據均大于0，便于軟件進行數據測算；另一方面，直接對原始數據進行計算，容易產生較大誤差，對數據進行無量綱處理，可以有效避免此問題出現。

五、實證分析

(一)融資效率靜態分析

由表3可知，樣本期間，我國數字文化類上市公司的綜合技術效率的平均值為0.845，大于0.8，融資效率處于較高的效率等級階段，綜合技術效率值達到1的上市公司有17家，占樣本總數的73.91%。上市公司純技術效率的平均值達到0.961，效率水平接近于1，純技術效率無效的僅 “愷英網絡” 一家。上市公司規模效率平均值為0.885，處于較高效率等級階段，其中未達到規模效率有效的上市公司共有5家，分別為 “艾格拉斯” “惠程科技” “人民網” “中青寶” “三七互娛” ，其中 “艾格拉斯” 的規模效率雖未達到DEA有效，但規模效率值為0.93接近于1，規模效率較高，而其余四家的規模效率值都較低，均小于0.8，規模效率較低，融資規模不足。

表3 2016~2019年數字文化類上市綜合效率統計表

整體來看，我國數字文化類上市公司的融資效率均值處在較高等級區間，但均值小于1，處于非DEA有效的狀態，說明我國的數字文化類上市公司的融資效率還未達到有效水平。

表4顯示了樣本期間數字文化類上市公司整體融資效率的基本情況。在綜合技術效率方面，綜合技術效率為1的上市公司占樣本總數的比重大都年份大于50%，僅2018年為47.83%。從效率趨勢上來看，2016~2018年間，綜合技術效率DEA有效的上市公司占總數的比重呈波動下降趨勢，2018~2019年間其比重有小幅度上升。在純技術效率方面，樣本公司中純技術效率DEA有效的上市公司占比均超過70%，說明數字文化類上市公司的融資利用有效。在規模效率方面，DEA有效的上市公司占比，除2018年外，其余年份均超過50%，從趨勢來看，2016~2018年間規模效率與純技術效率的DEA有效的上市公司占比的變化趨勢一致，表現為2016~2018年處于下降趨勢，2019年有小幅提升，從而造成綜合技術效率有效比重2016~2018年下降，2018~2019年小幅上升。樣本期間，規模效率有效的上市公司比重小于技術效率有效的比重，說明數字文化類上市公司的融資規模存在一定的不足。

表4 2016~2019年樣本企業融資效率基本情況

續表

(二)融資效率規模報酬分析

樣本期間，處于規模報酬不變狀態的上市公司比重最大，但是這種有效狀態呈現下降趨勢。由表5可見，2016~2018年規模報酬不變的上市公司占總樣本數的比重下降趨勢明顯，由2016年的78.26%下降到2018年的47.83%，2019年僅有小幅度提升。處于規模報酬遞減狀態的上市公司占比較小，2016~2018年，規模報酬遞減的企業數量比重不斷增加，2018年達到34.78%，但2019年其比重降至8.7%。處于規模報酬遞增狀態的上市公司占比在2017~2018年維持在17.39%，2019年大幅上升到34.78%。

表5 各年數字文化上市公司規模報酬基本情況

(三)融資效率動態分析

考慮時間因素的影響，文章基于DEA－Malmquist模型，計算樣本期間上市公司的Malmquist指數，并對其分解項進行測度。計算結果如表6所示。

表6 分時段Malmquist指數及分解值動態變化情況

從均值來看，我國數字文化類上市公司的Malmquist指數值等于0.329小于1，說明上市公司的融資效率在樣本期內呈下降趨勢。而技術效率變化指數為0.909，技術進步變化指數為0.362，純技術效率變化指數為0.982，規模效率變化指數為0.925，效率變動指數均小于1，這說明上市公司融資下降是多種因素造成的，既有技術效率下降原因，也有技術進步效率下降原因。而技術進步變化指數僅為0.362，遠遠小于技術效率變化指數，反映出技術進步變化指數是造成Malmquist指數過低的主要因素。

從時段來看，上市公司Malmquist指數值處于波動變化中，呈先上升后下降的趨勢，但該指數在各年段均小于1，說明融資效率一直處于下降趨勢。2016~2018年，技術進步變化指數均小于1，而技術效率變化指數大于1，說明上市公司融資效率下降趨勢是由技術進步效率下降造成。2018~2019年Malmquist指數降至0.482小于1，融資效率呈下降趨勢。技術效率變化指數與技術進步變化指數均小于1，表明技術效率與技術進步效率均降低，從而共同造成數字文化類上市公司融資效率下降。

六、結論與建議

(一)結論

文章運用DEA－BCC模型和DEA－Malmquist指數模型，分別從靜態和動態的兩個方面對我國數字文化類上市公司的融資效率進行分析，可以得出如下結論:

1.我國數字文化類上市公司的融資效率均值未達到DEA有效，且規模效率相對較低。我國數字文化類上市公司的融資效率均值小于1，且融資效率值在樣本期間處于波動變化中。其中，規模效率有效的企業數量占總樣本量的比重相對較低，而純技術效率有效的上市公司比重相對較高。我國數字文化類上市公司規模效率值有較大的提升空間。

2.我國數字文化類上市公司的整體融資效率呈現下降趨勢。樣本期內，數字文化類上市公司的融資效率變動指數均值僅為0.329，其中，技術進步效率變動指數均值僅為0.362，其余效率變動指數均值均大于0.9。說明融資效率呈下降趨勢由多維度因素造成，但技術進步效率下降是主要影響因素。

(二)建議

結合上述結論，為提高我國數字文化類上市公司融資效率，文章提出以下建議:

1.擴大融資規模，提高企業的規模效率。數字文化類上市公司應擴大融資規模，進而提高融資的規模效率。我國數字文化產業處于發展初期階段，產業規模還不足。既需要政府的政策扶持，同時也離不開金融機構的配合。政府可以推行財政補貼、稅收優惠政策對數字文化產業進行扶持，通過政策指引吸引投資。同時金融機構針對數字文化類上市公司的融資，可以提供多形式的支持，拓寬數字文化類上市公司的直接融資渠道，提高其融資規模。

2.深化數字技術應用，促進企業的技術進步。我國數字文化類上市公司應注重數字技術與文化內容的深化融合，注重對數字技術的消化與吸收。通過引進先進的數字技術，不斷提高企業的技術效率。數字經濟時代下，數字文化類企業應把握市場的新需求，研發具有競爭力的文化產品和文化服務，不斷為企業找到良好穩定的利潤增長點。