戰略性新興產業的金融支持效率評價及影響因素研究
——以江蘇省為例

馬軍偉，王劍華

(1.南京大學經濟學院，江蘇　南京　210093；2.常熟理工學院經濟與管理學院，江蘇　常熟　215500)

?

戰略性新興產業的金融支持效率評價及影響因素研究

——以江蘇省為例

馬軍偉1,2，王劍華2

(1.南京大學經濟學院，江蘇南京210093；2.常熟理工學院經濟與管理學院，江蘇常熟215500)

基于戰略性新興產業領域的上市公司數據，應用DEA-Tobit兩階段方法，對江蘇省戰略性新興產業的金融支持效率及其影響因素進行了評估。結果表明，金融支持江蘇省戰略性新興產業的綜合效率沒有實現最優，總體效率(Malmquist指數)趨勢也是下降的，這與金融技術水平、金融體制機制、金融發展環境有關，需從這幾個方面采取針對性的對策。

戰略性新興產業；金融支持效率；DEA-Tobit兩階段方法

1　研究背景及現狀

硅谷經驗表明，新興產業的迅速崛起，需要一個行之有效的科技與金融“合作模式”作為支撐。目前，在政府推動和市場力量的雙重作用下，戰略性新興產業與金融資本的合作正在逐漸深入。近幾年來，江蘇省通過實施產業與金融融合工程，強化政策支持，著力培育壯大戰略性新興產業，但兩者融合的效果還有待檢驗。因為在金融資源有限的情況下，金融資源的配置效率顯得尤為重要。

從文獻研究來看，多數學者的研究聚焦于戰略性新興產業的金融支持體系構建方面，只有少數學者關注了戰略性新興產業發展的金融支持效率問題。比如，熊正德等人基于DEA-logit模型比較了2008年經濟下行周期和2010年政策扶持階段中國戰略性新興產業的金融支持效率，分析了不同行業的差異性[1-2]。翟華云完全沿用了熊正德等人(2011)的DEA-logit模型對中國戰略性新興產業上市公司的股權融資效率和影響因素進行了研究，只是時間窗口有所差異[3]。本文基于戰略性新興產業領域的江蘇省上市公司數據，應用DEA-Tobit兩階段方法(two-stage method)，對戰略性新興產業的金融支持效率及其影響因素進行衡量和評估，并提出針對性的優化方案。與熊正德、翟華云等人的研究相比，本文對于金融支持效率影響因素的分析引入了國外學者普遍采用的Tobit模型，而且影響因素的選取與第一階段效率測度的指標不同(兩階段方法的要求)，使得回歸的解釋是無偏和一致的。

2　實證研究設計與思路

在研究設計上，戰略性新興產業的金融支持效率測算主要依據金融內生和效率理論，將金融資源作為投入量，戰略性新興產業的產出作為產出量，通過投入產出的效率分析來評估金融支持戰略性新興產業這個“黑箱”的作用機理和效果。

本文嘗試采用Ray(1991，2004)、Chilingerian和Sherman(2004)以及Ruggiero(2004)等人提倡的DEA-Tobit兩階段方法來評估江蘇省戰略性新興產業的金融支持效率及其影響因素[4]。第一階段先通過DEA模型中的BCC效率模型和Malmquist模型評估出決策單元的綜合效率值和動態效率值，第二階段以第一階段的效率值作為因變量，以各個調節變量作為自變量構建Tobit回歸模型，并由解釋變量的系數判斷調節變量對效率值的影響方向與強度。

在第一階段效率評估涉及的投入產出指標選擇上，本文借鑒了熊正德等人[1]衡量金融投入和戰略性新興產業產出的指標，選擇資產負債率(DR)、流通股占總股本比例(NR)、凈資產收益率(ER)和主營業務增長率(IR)作為效率評價模型的投入和產出指標，分別表示以銀行金融機構為代表的間接金融投入、以股票市場為代表的直接金融投入、戰略性新興產業公司的獲利能力和成長能力。

在第二階段分析中，本文引入Tobit模型進行效率影響因素的回歸分析。之所以采用Tobit模型，主要是因為第一階段DEA模型測度的綜合效率值存在大量等于1的情況，觀測值在某種程度上是受限的，此時若用普通最小二乘法對模型直接回歸，參數的估計將是有偏且不一致的[4]。同時，根據兩階段法的要求，Tobit回歸模型的調節變量選擇要與第一階段的投入變量不同，以區別調節變量與投入變量對效率的影響。否則，Tobit回歸模型得出的解釋可能是有偏和不一致的，尤其當解釋變量是第一階段分析中的投入變量時更加明顯。借鑒已有的研究成果，本文選擇的調節變量主要包括：金融結構變量(FS)、股權投資變量(DV)、公司所有制形式變量(DO)、公司成立年數變量(SY)和公司所在地變量(DL)。

綜上，本文實證分析涉及的投入、產出指標以及調節變量的選取和定義見表1。

Tobit回歸模型的基本形式為：

Y=β0+β1X+ε，ε～N(0,σ2)

(1)

其中，Y為第一階段測算出的效率值，X為環境因素或調節變量，β為相關系數。

在樣本選擇及數據來源方面，雖然國家統計局在2012年出臺了試行的《戰略性新興產業分類(2012)》，但統計難度較大，相關數據目前還不能便利地獲得。為此，本文選擇在深圳證券交易所的戰略性新興產業領域的江蘇省上市公司作為分析樣本，并嚴格按照兩個條件(即企業所處行業屬于《決定》中七大戰略性新興產業及其細分行業之一，企業技術發展符合國家技術發展路線圖規劃以及企業的第一主營業務必須屬于戰略性新興產業，且相應的主營業務收入占比為最大[5])來篩選戰略性新興產業上市公司共計36家，并兼顧戰略性新興產業的七大細分領域以及公司規模(主板、中小板、創業板各有代表性公司)。時間跨度為2008—2013年各個樣本公司連續6年的數據，用于比較2008年國際金融危機發生后經濟下行周期以及后期政策扶持階段金融體系支持江蘇省戰略性新興產業發展的差異，從而考量宏觀調控的沖擊影響。樣本數據資料全部來源于深圳證券交易所信息中心、和訊網個股數據中心以及上市公司的招股說明書、年報等公開披露信息。有關金融機構和金融市場的數據來源于中國人民銀行網站和中國債券信息網的公開統計信息。

表1　指標的選取與定義

3　實證研究結果與分析

根據研究設計與思路，通過相應的軟件應用，得出第一階段的效率評價值，并在此基礎上進行第二階段的Tobit回歸分析，結果如下。

3.1第一階段DEA效率評價結果及分析

通過軟件的運算，第一階段關于金融支持的相對效率(綜合效率)及動態效率(Malmquist指數)測算結果見表2和表3。

表2　2008—2013年金融支持江蘇省戰略性新興產業發展的綜合效率評價

注：表中效率值的結果通過DEAP2.1軟件運算得出。綜合技術效率主要考量金融體系的資源配置情況，又可以分解為純技術效率和規模效率兩部分。

表3　2008—2013年金融支持江蘇省戰略性新興產業發展的動態效率

注：表中效率值的結果通過DEAP2.1軟件得出，均值為2008—2013年年度變化的幾何平均值。Malmquist指數用來評估金融支持的動態效率變化，可以分解為綜合技術效率變動和技術變動，分別用來考量金融體系的資源配置狀況和金融體系先進技術裝備的應用與產品和業務流程創新的水平。

由表2可以看出，2008—2013年金融支持江蘇省戰略性新興產業發展的綜合技術效率都小于1。從DEA有效的嚴格定義來看，沒有出現DEA相對有效的年份，而且每年36個決策單元DEA有效的數量非常少，說明金融體系在支持江蘇省戰略性新興產業發展過程中的資源配置效率并沒有實現最優，還有提升和優化的空間。但從綜合技術效率值的趨勢來看，金融支持江蘇省戰略性新興產業發展的效率出現先上升后下降的勢頭。之所以出現波動，是因為樣本期間國內外宏觀經濟形勢和政策發生變化或沖擊，2012年是一個拐點。這主要是因為在2012年中國CPI高企的背景下，控通脹成為國民經濟的一大挑戰，國家從適度寬松轉向穩健的貨幣政策。同時，由于新興產業前期投入的風險較高使得投資者的行為偏向于謹慎，雖然有大中型企業憑借自身的規模優勢仍舊獲得了金融部門的支持，但新興產業整體的金融支持效率水平較低。從綜合技術效率值的分解指標來看，純技術效率的變化趨勢和綜合技術效率值的變化趨勢并沒有保持一致，呈現隨機波動的態勢。通過進一步分解可以看出，2008—2010年金融體系在支持江蘇省戰略性新興產業發展的過程中未能實現最優的配置效應主要是由于純技術效率不高引起的。這表明，在支持戰略性新興產業發展的過程中，金融體系的體制機制運行水平和管理效率雖然在不斷提升，但并沒有實現最優，還有提升的空間。而2011—2013年金融體系在支持江蘇省戰略性新興產業發展的過程中未能實現最優的配置效應主要是由于規模效率不高引起的。即這幾年金融支持整體上還沒有實現規模經濟效應，金融體系合適的發展規模還未實現。整個樣本期間內戰略性新興產業在生產邊界內均表現為規模報酬遞減，這表明江蘇省戰略性新興產業的產出增加比例要小于金融資源投入增加的比例，需要提升金融資源配置效率。

從表3的結果可以看出，2008—2013年Malmquist指數的平均值為0.984，指數值小于1，根據定義可知，在整個樣本觀測期內金融體系支持江蘇省戰略性新興產業發展的總體效率趨勢是下降的，也就是說金融體系通過技術創新、資源配置、規模效率等途徑促進江蘇省戰略性新興產業發展的效果還需要改善和提升。而且在樣本觀測期內，一共有3個區間的Malmquist指數小于1。Malmquist指數大于1的樣本區間出現在2009年和2010年，這主要是國家實施4萬億經濟刺激計劃的年份，說明宏觀經濟政策的變化對金融支持戰略性新興產業發展的效率是具有沖擊力和影響力的。從Malmquist指數的分解來看，2008—2013年金融體系支持江蘇省戰略性新興產業發展的總體效率(M指數)平均降低了1.6%，其中技術水平降低了1.7%，綜合技術效率提高了0.1%。這說明樣本期內，金融支持江蘇省戰略性新興產業發展的總體效率降低的原因主要是由于技術水平低下引起的。因此，從這方面分析來看，金融支持總體效率改善的著力點要放在金融技術創新方面，要加強對先進技術裝備的應用以及產品和業務流程創新。進一步分析可以看出，在Malmquist指數小于1的3個區間中，2010—2011年也是技術水平下降，綜合技術效率提高。2011—2012年Malmquist指數小于1，綜合技術效率變動和技術水平變動均小于1，但綜合技術效率下降的幅度要比技術水平下降的幅度大，因此，這個區間金融支持江蘇省戰略性新興產業發展的總體效率下降是由于綜合技術效率下降引起的，也就是說金融體系的資源配置功能需要改進和提升。2012—2013年Malmquist指數小于1，綜合技術效率變動和技術水平變動均小于1，但技術水平下降的幅度要比綜合技術效率下降的幅度大，總體效率下降是由于技術水平低下引起的。綜合技術效率的變動又可以進一步分解為反映管理效率和發展規模的純技術效率變動以及規模效率變動。從整體來看，樣本期間內綜合技術效率平均上升了0.1%，其中純技術效率平均上升了0.7%，規模效率下降了0.6%，這表明金融體系支持江蘇省戰略性新興產業整體發展的綜合技術效率上升主要歸因于純技術效率的提高，即金融體系管理效率的提升。從樣本期內各個區間來看，綜合技術效率下降的區間有2個。其中，2011—2012年下降的原因是由于純技術效率下降引起的，這從另一個方面也說明綜合技術效率的提升要依賴于純技術效率的提高。2012—2013年下降的原因是由于純技術效率和規模效率下降引起的，兩者下降的幅度均等，這表明金融體系在支持戰略性新興產業發展的過程中還要考慮合適的發展規模問題。

3.2第二階段效率影響因素分析

為進一步分析金融支持江蘇省戰略性新興產業發展效率的影響因素，第二階段的回歸分析首先以第一階段得出的綜合技術效率值θit作為因變量，以金融結構(FS)、股權投資(DV)、公司所有制形式(DO)、公司成立年數(SY)為自變量，構建面板數據的回歸模型，基本形式為：

θit=β0+β1FSit+β2DVit+β3DOit+β4SYit+εit

(2)

εit～N(0,σ2)，i=1,2,…，N；t=1,2,…，T

其中，股權投資(DV)、公司所有制形式(DO)為虛擬變量。對數據進行相關檢驗和回歸，結果如表4所示。

表4整理了OLS、面板隨機效應和Tobit三種模型的估計結果，以檢驗估計的一致性。從回歸估計結果可以看出，三種模型估計結果中變量的系數呈現一致性和穩定性。從而可以得出以下初步結論：

表4　金融支持江蘇省戰略性新興產業綜合效率影響因素的回歸結果

注：樣本觀測時間為2008—2013年；*、**、***分別表示估計系數在10%、5%和1%的統計水平上顯著；處理工具：Stata12.0。

(1)金融結構變量的估計系數為正，但在統計水平上不顯著。這說明金融體系自身的結構影響金融體系對戰略性新興產業的資源配置效率。由于金融結構變量是用與資本市場有關的股票債券額占金融總資產的比例來衡量的，估計系數為正，說明以資本市場為主導的金融結構在對戰略性新興產業的資源配置效率方面更優，這與Rajan(1992)、Weinstein和Yafeh(1998)、Wenger和Kaserer(1998)、熊正德(2011)等學者的市場優越論的結論一致。因為以股票和債券為代表的資本市場在促進技術創新、提供大量的風險管理工具上更具有優勢。

(2)股權投資變量的估計系數為負，且在統計水平上顯著。這說明對于戰略性新興產業領域的企業來說，以風險投資為代表的股權投資機構的參與和進入行為并未對金融支持產業發展的效率產生積極影響。一般來講，嚴格意義或經典的股權投資在企業創業初期就介入，既有資金資助也有專業化、管理經驗的植入，同時會吸引金融機構的追加投資。檢驗系數為負很有可能是因為國內股權投資不太注重初期的培育，往往投資于企業并購或上市前階段，也不參與公司管理，扮演的是“錦上添花”而不是“雪中送炭”的角色，這對金融資源配置效率的提升并沒有起到積極作用。

(3)公司所有制形式變量的估計系數為正，但在統計水平上不顯著。這說明戰略性新興產業領域的公司所有制形式影響金融體系的資源配置效率。與國有及國有控股性質的企業相比，金融體系對戰略性新興產業領域內民營企業的資源配置效率更優，這可能是因為金融體系對民營企業的資格審查更為嚴格，更多地參與監督和激勵公司治理，從而使資源配置的效率優化。當然，這與民營性質的企業具有運行機制和經營決策靈活以及管理成本低等優勢也有關聯。這也說明金融體系在資源配置時偏好于國有企業并不利于效率的提升。

(4)公司成立年數變量的估計系數為負，且在1%的統計水平上顯著。這說明戰略性新興產業領域的公司成立時間的長短會顯著影響金融體系的資源配置效率。因為在其他條件相同的情況下，金融體系在進行資源配置時可能會考慮企業經營的歷史、規模、聲譽以及經營等因素。從估計結果來看，金融體系對戰略性新興產業領域內成立時間短的新興公司的資源配置效率更優，這可能是因為金融體系對新興企業的資格審查更為嚴格，更多地參與了監督和激勵公司治理，從而使資源配置的效率優化。當然，這可能與新興企業有較強的發展動力和前進的勢頭有關聯，也反映了金融體系在資源配置時重長輕短或重大輕小的行為并不利于效率的提升。

同時，為進一步分析金融體系支持江蘇省戰略性新興產業發展的總體或全要素生產效率(Malmquist指數)影響因素，第二階段以第一階段得出的總體效率值Malmquist指數作為因變量，以金融結構(FS)、股權投資(DV)、公司所有制形式(DO)、公司成立年數(SY)為自變量，構建了面板數據回歸模型，基本形式為：

Mit=β0+β1FSit+β2DVit+β3DOit+β4SYit+εit

i=1,2,…，N；t=1,2,…，T

(3)

其中，Mit為第一階段測算出的總體效率變量Malmquist指數，自變量的解釋同上。由于Malmquist指數的取值是不受限制的，本文分別采取OLS模型和面板數據的一般模型進行回歸分析。總體或全要素生產效率影響因素的回歸方程和估計結果如表5所示。

表5　金融支持的動態效率影響因素回歸結果

注：樣本觀測時間為2008—2013年；*、**、***分別表示估計系數在10%、5%和1%的統計水平上顯著；處理工具：Stata12.0。

從表5回歸估計結果可以看出，OLS和面板隨機效應模型估計結果中變量的系數呈現一致性和穩定性。其中，金融結構變量的估計系數為正，這與前文綜合效率值影響因素回歸分析中該變量的估計系數一致，而且在統計水平上顯著。這同樣說明了以資本市場為主導的金融結構更有利于戰略性新興產業全要素生產效率的提升。股權投資變量、公司所有制形式變量、公司成立年數變量的估計系數都為正，但在統計水平上都不顯著。進一步分析可以發現，公司所有制形式變量與前文綜合效率值影響因素回歸分析中該變量的估計系數一致，說明金融體系對戰略性新興產業領域內民營企業的全要素生產率提升更優，但在統計水平上不顯著。而股權投資變量和公司成立年數變量的估計系數與前文綜合效率值影響因素回歸分析中這兩個變量的估計系數不一致，說明股權投資的參與和成立時間長的戰略性新興產業企業對效率的提升有積極正面影響，但在統計水平上不顯著。

4　政策建議

從效率測算及其分解指標的結果來看，2008—2013年金融支持江蘇省戰略性新興產業發展的綜合技術效率和總體效率(Malmquist指數)都未能實現最優，這主要是由于金融體系的技術水平低下和金融體系的體制機制運行管理等制度障礙引起的。從效率影響的環境因素或調節變量分析結果來看，市場化的股權投資和資本市場，公司成立年數、公司所有制形式、經營時間等金融發展環境因素也影響金融支持戰略性新興產業發展的效率。為此，要提升金融支持戰略性新興產業發展的效率，可以從以下幾個方面進行考慮。

4.1金融技術創新與制度創新并重

從實證研究結果來看，江蘇省戰略性新興產業發展的金融支持效率低下既與金融技術創新水平有關，也與金融體系自身的體制機制運行、管理效率有關，這需要金融技術創新與制度創新并重。在金融技術創新方面，要推動適合戰略性新興產業特點的金融技術工具和產品創新，加強金融信息化建設。在金融制度創新方面，要推進股權投資機制創新，完善多層次股權投資體系，推動銀行內部組織體系和機制創新，使金融資源更多地流向戰略性新興產業領域，全面提升金融資源配置的效率。

4.2市場化和政府引導相結合

從實證研究結果來看，市場化的股權投資參與以及以資本市場為主的金融結構顯著影響金融支持戰略性新興產業發展的效率。因此，優化江蘇省戰略性新興產業發展的金融支持體系要堅持市場化的方向，切實以完善市場機制為指導思想，充分依靠市場分散決策的優勢，提高金融工具和產品創新的針對性以及有效性。同時，政府也是金融資源配置的重要主體，其調節和引導作用也不可缺少，雖然在理論上政府的干預沒有必然存在的理由。但是，促進經濟主體產權的清晰界定，加強產權的法律保護，是政府應致力推進的工作。因此，優化江蘇省戰略性新興產業發展的金融支持體系要堅持市場化和政府引導相結合的原則。其中，市場性金融支持是基礎性和根本性的支持機制，而政府發揮著重要的引導和調節作用。

4.3金融生態環境的優化與財稅政策的引導并舉

公司成立年數、公司所有制形式、經營時間等環境因素的影響從某種程度上體現了中國金融發展的環境不優問題。因此，為了推動金融更好地支持江蘇省戰略性新興產業的發展，政府一方面要做好引導者的角色，通過自身職能轉變、規則設立、法制建設、信用體系建設、良好監管等措施，積極創建良性循環的金融生態環境。另一方面需要綜合利用貸款貼息、風險補償、稅收優惠、設立引導基金等財稅政策工具，鼓勵銀行等金融機構、民間資本、股權投資機構加大支持戰略性新興產業發展的力度。

[1]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(10)：26-33.

[2]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)：35-40.

[3]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.

[4]LEOPOLD Simara,PAUL W Wilson.Estimation and inference in two-stage，semi-parametric models of production processes[J].Journal of econometrics,2007,136(1)：31-64.

[5]佘堅.戰略性新興產業上市公司現狀及特點分析[R].深證綜研字第0182號研究報告，2011-08-08.

(責任編輯劉傳忠)

Efficiency Evaluation and Influencing Factors in Financial Support of Strategic Emerging Industriesin Jiangsu Province

Ma Junwei1,2，Wang Jianhua2

(1.School of Economics，Nanjing University，Nanjing 210093,China;2.School of Economics and Management，Changshu Institute of Technology，Changshu 215500,China)

Based on the listed companies’ data of strategic emerging industries，the efficiency of the financial support of strategic emerging industries in Jiangsu province and its influencing factors were evaluated by DEA-Tobit two-stage method.The results showed that the overall efficiency of the financial support strategic emerging industries in Jiangsu province did not achieve optimal.And the trend of overall efficiency(Malmquist index)was declining，which was related to the financial institutional mechanisms，financial technology level and financial development environmental.So that，the targeted measures should be taken.

Strategic emerging industries；Financial support efficiency；DEA-Tobit two-stage method

江蘇省軟科學資助項目(BR2014030)，江蘇省高校“青藍工程”資助項目(SZ2014003)。

2015-12-28

馬軍偉(1981-)，男，湖北隨州人，南京大學在讀博士后，常熟理工學院經濟與管理學院副院長、副教授；研究方向:創業與創新管理、投融資決策與管理。

F830.9

A