基于Bootstrap—DEA方法的重慶金融支持戰略性新興產業效率研究

摘 " 要：本文將DEA模型與Bootstrap方法相結合，對重慶市37家戰略性新興產業上市公司2014年的金融支持效率進行測算，并對其純技術效率和規模效率進行聚類分析。研究結果表明：重慶戰略新興產業的金融支持效率沒有達到有效前沿面，主要在于純技術效率的低效。板塊分析來看，新三板市場的金融資源配置效率最高，其次是主板市場，而創業板市場的效率最低。聚類分析則表明，重慶戰略性新興產業的金融支持模式不存在“雙高型”，而“雙低型”公司則占到近六成。在此基礎上，本文提出了提高重慶金融支持戰略性新興產業效率的建議。

關鍵詞：金融支持;戰略性新興產業;效率;Bootstrap-DEA方法

中圖分類號：F830.33 " "文獻標識碼：A "文章編號：1003-9031（2016）01-0023-06 "DOI：10.3969/j.issn.1003-9031.2016.01.04

一、引言

目前，中國正處于轉變經濟發展方式的關鍵時期，迫切需要具有國際競爭力的創新型產業作為支撐，發展戰略性新興產業成為中國經濟社會發展的重大戰略選擇。為此，2010年1月，國務院出臺《國務院關于加快培育與發展戰略性新興產業的決定》提出了七大戰略性新興產業。2012年，國務院在“十二五”規劃中更是明確了戰略性新興產業的重要戰略意義，制定了相關支持政策。其中，金融支持是戰略性新興產業發展中不可或缺的因素。

為積極貫徹落實國家政策決定，重慶市政府于2011年出臺了《關于加快培育和發展戰略性新興產業的意見》，提出了實施“2+10”產業鏈集群建設方案，主要建設筆記本電腦和離岸數據開發處理“2”個全球重要基地;培育通信設備、集成電路、軌道交通裝備、新能源汽車、環保裝備、風電裝備、光源設備、新材料、儀器儀表、生物醫藥“10”個“千百億級”產業集群。重慶市出臺的《重慶市“十二五”科學技術和戰略性新興產業發展規劃》更加明確了重慶戰略性新興產業的發展地位和目標。

由于戰略性新興產業具有高投入、高風險的特點，因此在培育和發展的初期亟需金融資源的強有力支持。金融資源是有限的，金融支持效率的高低將對培育戰略性新興產業起到重要的影響作用。因此，現階段從效率的角度來研究重慶戰略性新興產業的金融支持，將具有更為現實意義。由于戰略性新興產業的概念提出時間較短，在此類產業中的金融資源數據，要么因為公開程度不高而難以獲取，要么因為數據時間序列不夠長難以進行計量分析，因此相關金融支持效率的研究主要對上市公司進行樣本分析。本文在前人研究基礎上，選擇與重慶“十二五”規劃提出的戰略性新興產業相關的上市公司為研究對象，運用DEA模型與Bootstrap方法相結合的方式，對這些企業2014年的財務數據進行測算，以此評價重慶戰略性新興產業的金融支持效率。

二、文獻綜述

（一）國外相關文獻

戰略性新興產業是我國政府提出的一個全新產業概念，國外尚沒有將其作為研究對象做系統性研究。更多的以涵蓋戰略性新興產業所具有的新興性以及技術創新等特點的新興產業為研究對象，從金融某個主體或融資渠道對新興產業發展和科技型企業技術創新的影響或作用等方面進行研究分析。可以歸納為以下兩個方面：第一，銀行對新興產業發展的影響研究。理論研究，Schumpeter（1912）研究發現功能齊全的銀行能識別那些能生產創新產品并提供優良服務的企業并為之提供支持，從而促進產業創新[1]。Rajan和Hellwing（1992）以及Morck和Nakamura（1999）均認為銀行阻礙了技術或產業創新，但原因不同：一是銀行的信息優勢削弱了企業的項目利潤，不利于技術創新[2-3];二是銀行基于謹慎原則不愿給予高風險項目以信貸支持，從而阻礙產業創新。實證研究，Alessandra和Stoneman（2008）分析了歐盟第二、三輪創新共同體數據，發現金融對新興產業具有至關重要的作用[4]。第二，風險投資對新興產業的影響研究。近年來，國外學者開始把視線轉向研究風險投資對新興產業的研究。Mowery和Rosenberg（1998）分析了1995—2000年美國新興科技公司的風險資本增長數據，發現風險資本能有效促進新興產業創新活動[5]。Kaplan和Strom

berg（2003）以及Casamatta（2003）則認為風險投資能較好地解決新興產業融資過程中面臨的融資門檻高、信息不對稱和道德風險等問題，有效地促進了技術創新[6-7]。

（二）國內相關文獻

自我國提出戰略性新興產業以來，我國學者就對金融支持戰略性新興產業進行了廣泛的研究，致力于如何更好地發揮金融功能，促進戰略性新興產業發展。從現有文獻來看，國內學者主要集中于戰略性新興產業的金融支持模式、金融體系構建以及金融創新等方面，取得了豐富的研究成果，為金融與戰略性新興產業的有效結合提供了思路和參考，較少有從效率角度來評估金融支持戰略性新興產業的實際效果。

已有的研究成果中，熊正德和林雪（2010）運用DEA模型測算上市公司金融支持戰略性新興產業的效率并提出相應的政策措施[8]。進一步，熊正德 （2011）等結合DEA和Logit模型測算我國不同階段金融支持戰略性新興產業的效率并進行影響因素分析，得到不同行業的差異性[9]。凌江懷和胡雯蓉（2012）認為股權資本對戰略性新興產業發展的效率要大于傳統產業[10]。翟華云（2012）運用DEA模型對我國七大戰略性新興產業的股權融資效率進行測算，發現技術要求越高的產業股權融資效率越大[11]。馬偉軍（2013）利用DEA-Tobit兩階段方法，測算金融支持效率及其影響因素，得到金融支持在資源配置效率中并未實現最優且呈現出行業差異性的結論[12-13]。同時，運用Malmquist指數方法對戰略性新興產業上市公司連續12個季度數據進行測算，認為沒有實現金融對戰略性新興產業的資源最優配置。

綜上所述，從現有文獻來看，國外學者主要研究某種金融主體或融資方式對新興產業的影響。國內學者則主要研究戰略性新興產業的金融支持模式、金融支持體系和金融創新。然而我們認為，雖然金融資源對于戰略性新興產業的發展是不可或缺的因素，但我國仍然還是一個發展中國家，擁有的金融資源有限。那么，從效率的角度來評估金融支持戰略性新興產業就具有更為實際的意義。

三、理論研究方法與數據處理

（一）理論模型選擇與構建

DEA模型是由Charnes等提出的，它基于規模報酬不變假設，測算的是決策單元的技術效率（Technical Efficiency，簡稱TE）[14];而Banker等則基于可變規模報酬的假設對DEA進行修正提出了BCC模型，并對技術效率進一步分解為純技術效率（Pure Technical Efficiency，簡稱PTE）和規模效率（Scale Efficiency，簡稱SE），表示造成技術無效率的原因在于決策單元管理無效造成資源浪費以及決策單元未達到最佳生產規模而造成的無效[15]。考慮到重慶戰略性新興產業的公司對金融資源配置規模是可變的，所以選擇用BCC模型進行分析。同時，基于金融內生理論，將金融支持視為影響戰略性新興產業發展的內生因素，故將其作用機理假設為一個“金融支持”和“戰略性新興產業”的黑箱，滿足BCC模型多投入多產出的要求，以此測算重慶金融支持戰略性新興產業的效率。

其中，xij為第j個公司的第i種金融投入，yij為第j個公司的第r種效益產出，m、s和n分別表示金融投入、效益產出和公司的個數，？茲為決策單元的效率值。

需要注意的是，雖然DEA方法具備一些參數估計法所不可比擬的優點，但由于觀測樣本有限以至于測算得到的效率值難以回避樣本敏感性和極端值影響的問題。而Kniep等也指出，通過DEA模型得到的效率值實際上是一種“相對效率”，相對于絕對效率值來說，是有偏的、不一致的估計量[16-17]。基于該原因，Simar和Wilson提出了Bootstrap-DEA方法來解決該缺陷。Bootstrap-DEA方法用重復自抽樣的方法來推斷DEA估計值的經驗分布，通過引入針對非參數距離函數估計的Bootstrap糾偏方法對技術效率及其變化進行更為精確的測算，以此改善傳統DEA估計量的一致性[18]。Bootstrap-DEA方法的詳細步驟如下：

（二）變量的選取

本文研究目的是評價重慶市戰略性新興產業上市公司金融支持效率，在借鑒已有研究文獻有關指標選擇標準的基礎上，建立了能夠反映金融支持戰略性新興產業的投入產出指標體系（見表1）。

1.投入指標

投入指標用金融要素的投入表示，考慮到企業的間接融資、直接融資和自有資金，本文選取金融機構借款率、股權融資率和自有資金支持率作為金融投入指標。其中，金融機構借款率為長短期借款之和/總資產，反映了貸款對戰略性新興產業上市公司經營發展的影響;股權融資率為（股本+資本公積）/總資產，反映了直接融資對公司經營發展的作用;自有資金支持率為（盈余公積+未分配利潤）/總資產，反映了公司的留存收益對其經營發展的影響。

2.產出指標

為較為全面的反映公司的發展水平，從資本運營和企業成長性來衡量資金利用狀況，則選取凈資產收益率和主營業務收入增長率作為產出指標。其中，凈資產收益率為凈利潤/凈資產，反映了公司資本運營的綜合水平;主營業務收入增長率為（本年主營業務收入-上年主營業務收入）/上年主營業務收入，反映了公司的成長能力。

（三）數據來源與處理說明

1.數據來源

本文所選取的樣本全部來自重慶市的上市公司，其中涉及主板、中小板、創業板和新三板等多層次板塊，將不同規模公司考慮在內，使測算結果更為準確。依據重慶市“十二五”規劃提出的十大戰略性新興產業，本文把主營業務與戰略性新興產業相關或者經營發展中有戰略性新興產業相關概念的上市公司作為研究對象。截至2015年上半年，本文選取了重慶市能夠歸納為戰略性新興產業領域的上市公司共39家，根據數據可得性和可比性原則，最終選取了2014年的37家樣本公司。數據來源于同花順個股數據庫、和訊網個股數據中心、國泰君安數據庫以及上市公司公開的年度報表。

2.數據標準化處理

由于DEA模型對投入產出指標的數值都要求必須大于零，但實際獲得數據中，投入產出指標的數值存在負值，因此需要對數據進行標準化處理，具體操作方法為式（2）：

四、實證結果與分析

（一）DEA模型的實證分析

由表2可知，2014年重慶金融支持戰略性新興產業的技術效率為0.713，分解后發現，其純技術效率和規模效率分別為0.827和0.865。結果表明，重慶戰略性新興產業的金融資源配置效率尚未達到有效前沿面，原因在于純技術效率和規模效率的“雙低效”所致。也就是說，重慶戰略性新興產業發展中的金融資源沒有得到有效管理并且金融支持也沒有形成規模化。

從各個板塊來看，主板市場的技術效率平均值為0.708，純技術效率和規模效率的平均值分別為0.825和0.866。其中，只有2家公司的金融資源配置效率達到有效前沿面。中小板市場的技術效率為0.678，而純技術效率為0.775是造成中小板效率低效的主要原因。創業板市場的技術效率是四個板塊中最低的，僅為0.608，主要是因為純技術效率和規模效率均低于0.8。新三板市場的技術效率為0.776，是四個板塊中最高的，其中有5家公司的效率值為1，達到有效前沿面。

（二）Bootstrap-DEA的實證分析

為了盡可能地得到重慶金融支持戰略性新興產業的“絕對效率”，本文運用R語言，采用Bootstrap-DEA方法對BCC模型得到的“相對效率”進行修正，迭代次數設置為1000，置信度設為95%，結果見表2中Bootstrap-DEA糾偏效率。表3給出2014年重慶金融支持戰略性新興產業的技術效率值和Bootstrap-DEA修正后的效率值，同時也給出了效率值95%的置信區間。Simar和Wilson指出如果DEA估計在置信區間之外，可以認為結果是嚴重有偏的，置信區間描述了真實效率值的統計位置[19]。從表3中可看出通過BCC模型估計的重慶用于戰略性新興產業發展的金融資源配置效率均落在置信區間之外，而Bootstrap-DEA估計的效率值則全在置信區間以內，可見修正后的效率值更準確地反映了重慶金融支持戰略性新興產業的情況。

修正后的結果，如表2中Bootstrap-DEA糾偏的效率所示，可以看出：

1.修正后的各個公司金融資源的配置效率均未達到有效前沿面。根據DEA模型測算的結果，原有8家公司的技術效率為1，達到有效前沿面，而修正后的這幾家公司的技術效率則分別下降至0.779、0.769、0.770、0.826、0.777、0.787、0.829和0.827。說明一個公司即使達到了傳統意義上的金融資源配置的“完全效率”，那也并不代表它就一定擁有較高水平的“絕對效率”。

2.修正后的效率值低于傳統效率值。從樣本總體來看，修正后的技術效率、純技術效率和規模效率分別由原來的0.713、0.827和0.865下降至0.613、0.743和0.825，降幅分別為14.03%、10.16%和4.62%。從各個板塊來看，主板市場的三種效率分別下降至0.613、0.748和0.831，降幅分別為13.42%、9.33%和4.04%;中小板市場的三種效率降幅為14.01%、10.84%和3.43%;創業板市場的降幅為13.65%、7.51%和6.13%;新三板市場的降幅為14.95%、11.47%和3.70%。從各個公司來看，技術效率降幅超過14%的有14家，其中有5家超過20%;純技術效率降幅超過11%的有10家，其中有6家超過16%;規模效率降幅超過5%的有15家，其中有3家超過8%。

3.修正后的板塊效率排名沒有明顯變化。從四個板塊的效率變化來看，雖然有不同程度的下降，即主板市場的技術效率平均值下降至0.613、中小板市場為0.583、創業板為0.525以及新三板為0.660。但與經典DEA模型得到的效率結果相同，重慶戰略性新興產業的金融支持效率值順序依然是新三板最高、主板次之，而創業板最低。

4.存在規模效率貢獻較大而純技術效率相對較小的情況。對修正后的技術效率進一步分解發現：純技術效率的平均值為0.743，其貢獻度小于規模效率的0.825;而與經典DEA模型得到的效率相比，純技術效率的降幅高出規模效率降幅5.54個百分點;從研究樣本來看，37家公司中有11家的純技術效率高于規模效率，占比為29.73%。這說明目前重慶戰略性新興產業對金融資源管理的低效是導致技術效率未能達到有效前沿面的主要原因。

（三）金融支持效率的聚類分析

為了進一步尋找優化重慶金融支持戰略新興產業效率的模式，本文以0.900的效率值為臨界點，對37家研究樣本通過Bootstrap-DEA方法修正后的純技術效率與規模效率進行聚類分析，將重慶金融支持戰略性新興產業的效率劃分為四種類型（雙高型、高低型、低高型和雙低型），其散點分布如圖1所示。

第一類為“雙高”模式，即純技術效率和規模效率均達到0.900以上。從表2和圖1可以發現，37家研究樣本中尚不存在一家公司的金融資源配置的純技術效率和規模效率均高于0.900，導致“雙高型”公司數為零，說明重慶戰略性新興產業的金融支持效率面臨亟待提高的問題。第二類為“高低”模式，即純技術效率高而規模效率低。該模式下只有4家公司，主要集中在主板市場和創業板市場，說明樣本公司中僅有少數的公司能夠通過有效地管理金融資源來提高其技術效率，但這些公司也因缺乏最優的金融資源配置規模阻礙了其發展。第三類為“低高”模式，即純技術效率低而規模效率高。該模式下共有13家，占樣本總數的35.14%。其中，主板市場有4家、中小板市場有2家、創業板市場有1家、新三板市場有6家，說明這些公司的金融資源配置已經形成一定程度的規模，但缺乏對金融資源的有效管理，導致技術效率沒有得到進一步提升。第四類為“雙低”模式，即純技術效率和規模效率均低于0.900。該模式下的公司共有22家，占到樣本總數的59.46%。與“雙高型”相比，這類公司存在金融資源管理水平相對落后且配置的金融資源規模較小的問題，但也表明具有進一步的改進空間。

五、研究結論與對策建議

（一）研究結論

1.重慶金融支持戰略性新興產業的技術效率較低，主要歸結于純技術效率和規模效率的共同低效。各個板塊的金融支持技術效率存在較大差異，從四個板塊來看，新三板市場的金融資源配置效率最高，其次是主板市場，而創業板市場的效率最低。分解樣本公司的技術效率，發現普遍存在純技術效率的貢獻要小于規模效率，中小板表現最為明顯。

2.經Bootstrap方法糾偏后的效率較修正前存在明顯差異。樣本公司修正后得到的金融支持效率均沒有達到有效前沿面，且均低于經典DEA模型測算的效率值。其中，新三板市場的金融配置效率和純技術效率下降幅度最大，而創業板的規模效率降幅最大，但卻沒有改變各個板塊的效率排名，順序依然是新三板、主板、中小板和創業板。

3.研究樣本中不存在“雙高型”發展模式。通過聚類分析發現，沒有一家樣本公司的純技術效率和規模效率均高于0.900的臨界效率值。相對于“雙高型”，在37家樣本公司中有多達22家“雙低型”公司，而“高低型”僅有4家，“低高型”有15家。這說明，重慶戰略性新興產業對金融資源管理水平低，同時也缺乏有效的金融資源配置，需要進一步改進。

（二）對策建議

重慶戰略性新興產業的各個公司應根據自身效率損失的原因采取不同措施。首先，從劃分結果來看尚未存在“雙高型”公司，因此各個公司應以“雙高型”模式作為改善的首要目標。其次，對于“高低型”和“低高型”的公司來說應該有側重性的進行改善，純技術效率較低的公司應該提高金融資源的管理水平，引進先進的管理理念和方法，建立有效的資金管理制度，加強公司內部資金運作監督職能;而規模效率較低的公司則應該尋求多渠道的融資途徑，同時從多層次的金融市場籌集資金。最后，對于“雙低型”的公司來說，急需進一步加大金融資源的投入規模，同時從資金的管理和運作制度優化上加快推進自身的發展，以此達到金融支持效率提升的目的。

參考文獻：

[1]Schumpeter.The Theory of Economy Development[M].Cambridge， MA： Harvard University Press，1912：28.

[2]Rajan R G. Insiders and Outsiders： The Choice between Informed and Arm's-length Debt[J]. Journal of Finance， 1992（47）：1367-1440.

[3]R. Morck，M. Nakamura. Banks and Corporate Control in Japan[J]. Journal of Finance 1999， 54：319-339.

[4]Alessandra C，Stoneman P. Financial Constraints to Innovation in the CK： Evidence from CIS2 and CIS3[J]. Oxford Economic Papers，2008，60（4）：711-730.

[5]Mowery，David C. and Nathan Rosenberg. Paths of Innovation： Technological change in 20th Century America[M]. New York： Cambridge University Press，1998：1-201.

[6]Kaplan S.N.，Stromberg P. Financial Contracting Theory Meets the Real world： An Empirical Analysis of Venture contracts [J]. Review of Economic Studies，2003，70：281-295.

[7]Casamatta，Catherine. Financing an Advising： Optmial Financial Contracts with Venture Capitalists [J]. Journal of Finance，2003，58（5）： 2059-2086.

[8]熊正德，林雪.戰略性新興產業上市公司金融支持效率及其影響因素研究[J].經濟管理，2010（11）：26-33.

[9]熊正德，詹斌，林雪.基于DEA和Logit模型的戰略性新興產業金融支持效率[J].系統工程，2011（6）：35-41.

[10]凌江懷，胡雯蓉.企業規模、融資結構與經營績效—

—基于戰略性新興產業和傳統產業對比的研究[J].財貿經濟，2012（12）：71-77.

[11]翟華云.戰略性新興產業上市公司金融支持效率研究[J].證券市場導報，2012（11）：20-25.

[12]馬軍偉.我國七大戰略性新興產業的金融支持效率差異及其影響因素研究——基于上市公司的經驗證據[J].經濟體制改革，2013（3）：133-137.

[13]馬軍偉.基于Malmquist模型的戰略性新興產業金融支持效率研究[J].西安財經學院學報，2013，3（2）：11-15.

[14]Charnes A，Cooper W W， Rhodes E. Measuring the efficiency of decision-making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[15]Banker R D，Charnes A，Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science，1984，30（9）：1078-1092.

[16]Kniep A，Simar L，Wilson P. Asymptatics for DEA Estimators in Nonparametric Frontier Models[R]. LAP Technical Report，2003，0323：27-29.

[17]Kneip A，Simar L，Wilson P W. A computationally efficient，consistent bootstrap for inference with nonparametric DEA estimators[J].Computation Economics， 2011，38（3）：483-515.

[18]Simar L，Wilson P W. A general methodology for bootstrapping in non-parametric frontier models[J]. Journal of Applied Statistics，2000，27（2）：779-802.

[19]Simar L，Wilson P W.Sensitivity analysis of efficiency scores： How to bootstrap in nonparametric frontier models[J]. Management Science，1998，44（1）： 49-61.