科技金融對高新技術產業上市公司融資效率的影響研究

胡碩茹 底新月

【摘 ?要】論文基于2010-2020年京津冀高新技術產業上市公司面板數據和中國省級科技金融數據，利用熵值法分別測度了京津冀高新技術產業上市公司融資效率和科技金融發展水平，并結合雙向固定效應模型對科技金融與高新技術產業上市公司融資效率的關系進行實證檢驗。分析發現：無論是京津冀地區的高新技術產業上市公司的融資效率還是科技金融發展水平都不均衡，呈現“北京較高、天津河北較低”的特點；科技金融的發展對京津冀高新技術產業上市公司融資效率存在顯著正向效應。

【關鍵詞】科技金融；融資效率；高新技術產業上市公司

【中圖分類號】F276.44；F275 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2023）02-0169-03

1 引言

科技創新是高新技術企業發展的核心競爭力。黨的十八大以來，我國實施創新驅動發展重大戰略，制定了大量科技金融法規及相關政策，設立了多個促進科技和金融結合試點地區，從財政支持、市場建設、融資方式等多角度全方面支持高新技術企業的發展。上市公司作為京津冀科技創新中的主要力量，科技金融的發展既可以為高新技術產業上市公司拓寬融資渠道、提供低成本資金，又能促進其更有效率地運用所籌集資金。本文以2010-2020年京津冀328家高新技術產業上市公司數據為研究樣本，構建科技金融與融資效率的評價指標體系，運用熵值法和雙向固定效應模型探究科技金融對高新技術產業上市公司融資效率的影響，旨在驗證科技金融對京津冀高新技術產業上市公司融資效率的影響程度，進而提出相應的提升對策。

2 文獻綜述

2.1 上市公司融資效率研究

國內研究主要集中在融資效率的內涵、融資效率的測度方法、融資效率的影響因素3個方面。上市公司融資效率的內涵涵蓋了資金的融入效率和配置效率，融入效率取決于融資成本以及融資的難易程度，配置效率取決于公司的投資狀況。學者們對于融資效率的測度方法主要運用了熵值法（郭平等，2012）、回歸分析法和DEA方法（雷輝等，2020）。上市公司融資效率的影響因素研究，主要聚焦于外部環境因素和企業內部因素。外部環境因素包括法律環境（趙峰等，2021）、宏觀經濟政策（宋云星等，2020）；內部因素主要包括企業盈利能力、管理水平、資金利用效率（王雪梅等，2018）。

2.2 科技金融對企業融資的影響研究

目前關于科技金融對企業融資的研究，主要聚焦于科技金融對企業財務績效的影響（張婕等，2021）、對企業融資約束的影響（陳建麗，2020），直接討論科技金融對上市公司融資效率影響的文獻較少。翟華云等（2016）建立多元回歸模型發現地區科技金融的發展對于高新技術企業融資效率有積極影響，同時政府干預會阻礙這種促進作用。

2.3 文獻述評

已有文獻更多是在研究科技金融對中小企業融資困境的改善、對企業融資約束的影響、對企業融資能力的影響，鮮少有對高新技術產業上市公司融資效率的研究。高新技術產業上市公司是推動區域科技創新的主要力量，科技金融的發展能否提升其融資效率？基于這一思考，本文利用熵值法構建科技金融與融資效率的評價指標體系，并通過雙向固定效應回歸模型探究科技金融對高新技術產業上市公司融資效率的影響，最后提出了相應的對策建議。

3 實證分析

3.1 樣本選取及數據來源

本文以2010-2020年京津冀328家高新技術產業上市公司為研究樣本，刪除有缺失值的企業，共得到1 049條有效數據。文中所用科技金融數據來源于《中國統計年鑒》《中國科技統計年鑒》《中國高技術產業統計年鑒》，企業財務數據來源于CSMAR數據庫。

3.2 高新技術產業上市公司融資效率測度

上市公司的融資效率取決于其融到的資金是否能得到有效利用，涵蓋了資金的融入效率和配置效率兩個方面。本文在構建融資效率指標體系時從以上兩個方面出發，選取資產總額等作為融入效率指標，選取凈資產收益率等作為配置效率指標，指標體系如表1所示。

考慮到選取指標較多，為避免主觀性，采用熵值法對以上指標進行客觀的權重賦值及測算，對計算出來的各家高新技術產業上市公司的融資效率分地區分年度進行算數平均，以均值代表各地區歷年的高新技術產業上市公司融資效率，計算結果如表2所示?？梢钥闯觯┙蚣降貐^，北京的融資效率最高，均值為0.053；河北次之，均值為0.051；天津最低，均值為0.046。從整體來看，北京和天津地區的高新技術產業上市公司融資效率呈現一定的下降趨勢，僅2020年稍有回升；而河北地區高新技術產業上市公司融資效率呈現先下降后上升的趨勢。

3.3 科技金融測度

基于科技金融的內涵，借鑒曹顥等（2011）對我國科技金融發展指數的研究，本文從資源水平、經費水平、產出水平、貸款水平4個方面構建科技金融的指標體系，詳細構成見表3。

同樣采用熵值法確定各指標權重，具體結果見表4?？梢钥闯?，京津冀地區的科技金融發展水平中，北京的科技金融水平最高，均值為0.58；天津次之，均值為0.46；河北最低，均值為0.16。但整體來看，科技金融的發展水平均呈現上升趨勢。

3.4 模型構建

為探究科技金融發展對京津冀高新技術產業上市公司融資效率的影響，本文建立的計量模型如下：

fefficiencyi，t=δ+β1techfi，t+β2opportunityi，t+β3sizei，t+β4waysi，t+β5qualityi，t+β6gdpi，t+υi+γt+εi，t

其中，fefficiency表示融資效率，是被解釋變量；techf表示科技金融水平，是核心解釋變量；opportunity表示投資機會；size表示公司規模；ways表示融資方式；quality表示公司質量；gdp表示人均地區生產總值，均為控制變量。δ表示常數項；βi（i=1，2，…，6）表示模型估計系數；？滋i表示地區固定效應；？酌t表示時間固定效應；ε表示隨機干擾項。具體變量說明如表5所示，所有變量的描述性統計分析見表6。

3.5 結果分析

利用Stata17對方程進行控制時間和地區的固定效應回歸，結果如表7所示。

從總體來看，該模型調整后的擬合系數為0.882，說明整體擬合程度較好；p值小于0.01，說明方程的聯合顯著性在1%的顯著性水平上顯著，各變量大多在5%的顯著性水平上顯著。從核心解釋變量來看，科技金融（techf）系數在5%的水平上顯著為正，表明科技金融的發展對京津冀高新技術產業上市公司的融資效率有明顯促進作用?？刂谱兞恐?，投資機會（opportunity）系數在5%的水平上顯著為負，表明投資機會與京津冀高新技術產業上市公司的融資效率顯著負相關，投資機會的增加會導致融資效率的下降；公司規模（size）系數在5%的水平上顯著為正，說明公司規模的擴大會提高京津冀高新技術產業上市公司的融資效率；融資方式（ways）系數在1%的水平上顯著為負，表明公司的資產負債率越大，融資效率越低，過度負債會抑制融資效率的提高；公司質量（quality）系數為正但不顯著，表明公司質量與融資效率有一定的正向關系；人均地區生產總值（gdp）系數在5%的水平上顯著為正，表明地區經濟發展水平的提高對于融資效率的提升有積極的促進作用。

4 對策建議

科技金融的發展在京津冀地區并不均衡，目前還停留在發展不充分的階段，這種不充分不成熟的狀態會影響科技金融的配置作用，影響金融資源流向科技創新系統，使得高新技術產業上市公司的科技研發活動缺少有力資金支持，技術發展的瓶頸問題更難克服，因此，建立健全京津冀地區的科技金融服務體系，提高地區科技金融發展水平是關鍵所在。一方面，要注重引入科技人才，建立科研機構，加大地方科學技術支出在地方一般公共預算中的占比，提高研究與試驗發展經費；另一方面，要健全科技和金融結合機制，豐富科技金融的模式類型，提升科技金融服務高新技術產業上市公司的水平和效率，增強科技金融體系的穩定性和有效性，最終促成京津冀地區的科技成果轉化和技術進步。

【參考文獻】

【1】郭平，羅秋萍，孟慧婷.創業板上市公司融資效率實證研究——基于主成分分析法與熵值法[J].財會通訊，2012（17）：13-15.

【2】雷輝，劉俏云.基于四階段DEA模型的綠色低碳企業融資效率研究[J].財經理論與實踐，2020，41（03）：72-78.

【3】趙峰，張甜甜，馬光明.金融衍生品監管法律與海外企業融資效率：基于中國金融衍生品監管指數的實證分析[J].世界經濟研究，2021（02）：77-89+117+135-136.

【4】宋云星，陳真玲，趙珍珍.經濟政策不確定性對民營企業融資效率的影響[J].金融與經濟，2020（02）：71-78.

【5】王雪梅，賈琪琪.基于DEA-Malmquist指數的我國制造業中小企業融資效率研究[J].武漢金融，2018（08）：56-61.

【6】張婕，金寧，張云.科技金融投入、區域間經濟聯系與企業財務績效——來自長三角G60科創走廊的實證分析[J].上海財經大學學報，2021，23（03）：48-63.

【7】陳建麗.科技金融發展、融資約束與企業研發投入——來自A股上市公司的經驗證據.科技管理研究[J].2020，40（14）：131-139.

【8】翟華云，李妍茹.政府干預、區域科技金融發展與高新技術企業融資效率[J].財會通訊，2016（33）：48-51.

【9】曹顥，尤建新，盧銳，等.我國科技金融發展指數實證研究[J].中國管理科學，2011，19（3）：134-140.