資源枯竭型城市戰略性新興產業金融支持效率研究

陳明榮+++吳正鹍+++張佩琴

摘 要：培育和發展戰略性新興產業有助于推動經濟結構轉型。本文運用DEA模型對白銀市2008-2015年間戰略性新興產業的金融支持效率進行測算，對金融支持白銀市戰略性新興產業效率實現的影響因素進行探討，在此基礎上提出提升白銀市戰略性新興產業金融支持效率的對策建議。

關鍵詞：戰略性新興產業；DEA模型；金融支持效率

中圖分類號：F830.31 文獻標識碼：B 文章編號：1674-0017-2017（3）-0048-05

一、引言

戰略性新興產業是引導未來經濟社會發展的重要力量，既代表著科技創新的方向，也代表著產業發展的方向。白銀市是隨著礦產資源開發利用而建立的工業城市，2008年被國家確定為首批資源枯竭型城市；2014年11月25日，科技部批復同意支持甘肅省依托蘭州新區、蘭州高新技術產業開發區、蘭州經濟技術開發區、白銀高新技術產業開發區開展蘭白科技創新改革試驗區建設試點。以此為契機，白銀市全力構建“3+4”產業集群，初步形成了科技創新改革試驗區以化工、裝備制造、生物醫藥、有色金屬（稀土）、建材陶瓷、資源綜合利用等為主導的戰略性新興產業支撐體系。戰略性新興產業發展的一大問題是資金問題，金融資金在支持戰略性新興產業發展中起著舉足輕重的作用，然而單純從量上擴大金融規模并非從根本上解決資金短缺的途徑，甚至可能阻礙金融支持新興產業作用的發揮。本文運用DEA方法對白銀市2008-2015年間戰略性新興產業金融支持效率進行測算，對金融支持白銀市戰略性新興產業效率實現的影響因素作進一步的探討，最后在實證分析的基礎上提出相應的對策建議，具有較強的現實指導意義。

二、金融支持戰略性新興產業發展的效率評價

（一）DEA模型簡介

數據包絡分析法（Data Envelopment Analysis，DEA）是一種以凸分析和線形規劃為工具專門測度效率的非參數方法。CCR和BCC是兩個最具代表性的DEA模型，CCR模型假設規模報酬不變，評價結果得到的是技術效率（TE），放開此假設，即為BCC模型。BCC模型將CCR效率分解為純技術效率（PTE）和規模效率（SE），三者的關系是TE=PTESE，純技術效率（PTE）剔除了規模效率的影響，表示企業由于管理和技術等因素導致的生產效率。

（二）變量選取與數據來源

DEA模型只需確定投入產出變量，并假定DMU的投入產出指標組成的狀態可能集滿足凸性、無效性、錐性、最小性條件即可。本文基于《戰略性新興產業分類目錄》中所規定的七大細分行業，從白銀市歸屬于戰略性新興產業領域的企業中隨機選取了數據齊全的20家企業作為抽樣樣本。2008年，白銀市被確定為全國首批典型資源枯竭城市，面臨資源嚴重枯竭，城市的可持續發展面臨嚴峻挑戰。近年來，白銀市注重發展循環經濟，依托“一區六園”，著力構建了新材料、新能源以及節能環保等一批戰略性新興產業體系，因此本文以2008年作為研究起點，時間跨度設置為2008年至2015年。DEA方法要求決策單元DMU的個數大于等于輸入、輸出變量總和的兩倍，本文設置的輸入、輸出變量各3個，共有DMU20個，符合要求。

投入指標（IN）：銀行貸款（IN1）、直接融資（IN2）、風險投資（IN3）。其中，銀行貸款包括短期貸款和長期貸款，直接融資用各樣本企業吸收權益性投資與發行債券收到的資金之和表示，風險投資用樣本單位吸收的“風險投資數額”表示。

產出指標（OUT）：凈資產收益率（OUT1）、營業收入增長率（OUT2）、專利產出增長率（OUT3）。其中，凈資產收益率用以反映企業的盈利能力，代表企業對自有資本的利用效率；營業收入增長率反映企業的成長潛力，專利產出增長率用以衡量樣本企業的自主創新能力。

本文研究對象選為白銀市戰略性新興產業領域的20家樣本企業，最終獲得每年各20個DMU，2008年至2015年8年的面板數據，共160組樣本數據。所取數據來自20個樣本單位的資產負債表、利潤表、現金流量表，《白銀統計年鑒》以及縣域經濟金融數據庫。DEA經驗法則要求投入產出指標數值具有非負性，實際上投入產出指標數值有時會存在負值，因此本文用DEA方法建模之前先對投入產出數據進行無量綱化處理，使得數據都是非負數，具體操作方法如下：

（三）投入產出指標相關性分析

使用DEA方法有個重要前提是投入產出變量要滿足“等張性”假設，即等幅擴張性，投入產出指標之間要求顯著正相關。本文使用Eviews6.0軟件對樣本數據進行相關性分析，相關系數如下表1所示。

表1表明，各個投入產出指標均為顯著正相關，并且在1%的顯著性水平下，所有相關系數均通過了雙尾檢驗，符合“等幅擴張性”要求。

（四）DEA效率評價結果分析

將無量綱化處理后的白銀市20家樣本企業單位2008-2015年的投入產出數據代入DEA-BCC模型，運用DEAP2.1軟件進行建模和計算，分析戰略性新興產業企業在每個時期的綜合技術效率（TE）、純技術效率（PTE）和規模效率（SE）。

1.綜合技術效率

綜合技術效率是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價，可以分解為純技術效率和規模效率，金融資源投入與產出效益的匹配程度高則配置效率高、資源使用更合理，金融支持帶動戰略性新興產業發展的作用越好。運用DEAP2.1軟件運算得出2008-2015年白銀市戰略性新興產業金融支持綜合技術效率，得知，白銀市戰略性新興產業金融支持效率較低，技術效率均值僅為0.674，當前投入的金融資源中有32.6%的浪費。2008年沒有決策單元（DMU）的綜合技術效率（TE）達到1，均為DEA無效。由于受2008年金融危機的影響，新興產業從金融市場融資的難度加大，因此在2008年白銀市戰略性新興產業金融支持效率發揮非常有限。2009年至2015年DEA有效的決策單元所占比例分別為5%、15%、15%、25%、35%、30%和20%，DEA有效的決策單元數占比呈先升后降的趨勢。DEA綜合效率按個體差異呈現不同趨勢，有12個決策單元呈上升趨勢，6個決策單元呈下降趨勢，2個決策單元保持不變。從時間趨勢看，白銀市戰略性新興產業總體金融支持效率呈上升趨勢，效率均值由2008年的0.572上升至2015年的0.718，平均效率上升25.52%，表明白銀市戰略性新興產業的相關政策發揮了一定作用。

2.純技術效率

假定處于最優投入規模，純技術效率用來衡量企業由于管理和技術等因素影響的生產效率，運用DEAP2.1軟件運算得出2008-2015年白銀市戰略性新興產業金融支持純技術效率，根據DEA-BCC模型分析的純技術效率結果看來，2008-2015年白銀市戰略性新興產業金融支持純技術效率均值為0.883，純技術效率比綜合效率有效程度提高很多，說明在白銀市當前的金融政策環境下，支持戰略性新興產業發展的金融資源投入的使用較為有效。但純技術效率在個體間的差異較大，許多DMU的效率波動也很大，極端值較多拉高了全市平均水平，實際上部分DMU的純技術效率并不高。根據評價結果，在目前的技術水平上只有7個決策單元的純技術效率年均值為DEA有效，表示其投入資源的使用是有效率的。而純技術效率均值最高的DMU比均值最低的DMU高了47.03%，體現了個體間較大的差異。按時間趨勢看，白銀市戰略性新興產業金融支持純技術效率均值波動上升，由2008年的0.789上升到2015年的1.025，全市平均純技術效率提高了29.91%，說明隨著金融改革的推進以及金融生態整體環境的提高，白銀市戰略性新興產業技術能力得到一定程度的強化。

3.規模效率

規模效率反映的是實際投入資源規模與最優規模的差距，是由企業規模因素影響的生產效率。規模效率并不像技術效率（TE）或純技術效率（PTE）那樣越大越好，需要保持在合適的位置上才有效率，規模過大或過小均屬于規模非效率，運用DEAP2.1軟件運算得出2008-2015年白銀市戰略性新興產業金融支持規模效率。

可以看出，白銀市戰略性新興產業金融支持規模效率均值為0.826，投入規模不夠合理。規模有效的決策單元（DMU）較少，有8家樣本企業的規模效率年均值超過0.9，說明金融資源投入對其金融需求的滿足程度較高。規模效率最低的樣本企業年均值僅為0.473，說明其資源投入不合理，與戰略性新興產業發展需求不匹配。2014和2015年，有4家樣本企業處于規模有效狀態，6家樣本企業仍處于規模報酬遞增階段，其余10家為規模報酬遞減狀態。從時間趨勢看，白銀市戰略性新興產業金融支持規模效率波動下降，規模效率均值由2008年的0.854下降到2015年的0.805，降低了-5.74%，表明戰略性新興產業規模效應沒有得到強化。相比2008年，2015年僅6家樣本企業的規模效率有所提升，3家樣本企業基本保持規模有效狀態未改變。規模效率下降的樣本企業中，有3家樣本企業的規模效率降幅超過20%，規模效率均值最高的決策單元比排名最后的高了109.51%，體現了個體間的差異較大。

4.綜合分析

根據綜合效率及其分解值走勢（圖1）來看，綜合效率（TE）與純技術效率（PTE）的趨勢基本吻合，規模效率（SE）波動較小，表明反映管理水平的的純技術效率是影響綜合效率的主要因素。2008-2015年，白銀市戰略性新興產業金融支持純技術效率不斷波動上升，相比2008年，2015年的平均純技術效率提高了29.91%，表明白銀市在完善金融體系建設方面取得了很大進步。由于DEA效率值僅僅是針對DMU之間相對優劣的比較，白銀市作為資源枯竭型城市，轉型發展需要大量資金支持，本文DEA效率評價結果顯示的規模報酬分析主要是反映各個樣本企業之間發展的不均衡，以及金融供給與當地戰略性新興產業發展不匹配的問題，并不意味白銀市支持新興產業發展的資金供過于求。因此，在保持現有投入規模的前提下，規模報酬遞減的樣本企業應努力提高自身的效率產出。

從圖2可以看出，從2008年到2015年期間，白銀市戰略性新興產業樣本企業中規模報酬遞增企業所占比例呈波動上升趨勢。白銀市從2008年開始轉型，隨后國家出臺了一系列扶持戰略性新興產業發展的政策措施，白銀市規模報酬遞增企業所占比例迅速上升，于2011年達到最高點，但之后占比出現下滑，說明出現了不利于戰略性新興產業發展的因素，如金融生態環境建設效果不明顯、金融投入力度下降等因素，經過不斷調整完善，規模報酬遞增企業所占比例得以逐漸上升。

三、金融支持新興產業效率實現的影響分析

本文對金融支持白銀市戰略性新興產業效率實現的影響因素作進一步的探討。戰略性新興產業的發展離不開政府的支持，因此在探討金融支持新興產業效率實現的影響因素時要綜合考慮國家政策和商業性金融的影響。設置自變量時，引入一個虛擬變量D作為政策變量，代表政府對戰略性新興產業的影響和支持作用，金融支持指標依舊同上文分析中選取銀行貸款（BANK）、直接融資（SECU）、風險投資（RISK）三個指標衡量金融支持水平。選取戰略性新興產業產值（SEI）作為因變量，用各樣本單位利潤表“主營業務收入”之和表示，為消除價格變化的影響，本文對所選數據均按2000年不變價進行調整。

（一）單位根檢驗（ADF檢驗）

運用Eviews6.0軟件繪出各個序列的時序圖，通過觀察時序圖可知，各個序列均不存在季節性，采用ADF方法檢驗各變量的平穩性，為了降低數據中的異方差，分別對原序列取對數，單位根檢驗，檢驗結果可以看出，序列LNSEI、LNBANK、LNSECU、LNRISK都是不平穩的，而它們的一階差分序列都是平穩序列，即I（1）。

（二）協整檢驗

時間序列LNSEI、LNBANK、LNSECU、LNRISK都屬于I（1）。本文采用Johansen-Juselius協整檢驗法判定各個變量之間是否存在協整關系。根據相關準則本文選擇VAR模型的滯后階數為2。然后應用Johansen-Juselius協整檢驗法對變量之間的協整性進行檢驗，檢驗結果表明：在5%的顯著性水平下，LNSEI與LNBANK、LNSECU、LNRISK等變量之間存在協整關系，運用Eviews6.0軟件回歸，得到的協整關系式為：

LNSEI=3.58+1.24LNBANK+0.38LNSECU+0.11LNRISK+0.47LND

（1.662） （2.474） （0.248） （3.277） （3.024）

從協整方程可以得出，LNSEI與LNBANK、LNSECU、LNRISK及LND等變量之間存在正相關關系。但是直接融資（LNSECU）的系數t檢驗不顯著，說明白銀市通過股票市場和債券市場支持戰略性新興產業發展存在不足。政策變量（LND）的系數t檢驗顯著，表明政策的出臺和實施對白銀市戰略性新興產業發展的具有明顯的促進作用。可以看出，銀行貸款是白銀市戰略性新興產業發展所需資金的主要來源，政府對于新興產業的支持起到較好的帶動作用，直接融資的作用不明顯，風險投資處于起步階段，其對新興產業的支持作用相對有限，但風險投資系數的t檢驗顯著，因此完善風險投資對于支持新興產業發展具有很大潛力。

（三）Granger因果關系檢驗

本文進一步通過Granger因果關系檢驗戰略性新興產業產值（LNSEI）與金融支持之間的關系。在5%的置信水平下，銀行貸款（LNBANK）表現為白銀市戰略性新興產業發展的Granger原因，而直接融資（LNSECU）和風險投資（LNRISK）沒有成為白銀市戰略性新興產業發展的Granger原因。

（四）結果分析

從協整方程和Granger因果關系檢驗可以看出，銀行貸款（LNBANK）、直接融資（LNSECU）、風險投資（LNRISK）和政策變量（LND）與白銀市戰略性新興產業發展均呈現正相關關系。

銀行貸款對白銀市戰略性新興產業發展的促進作用是顯著的，直接融資對其作用不顯著，從協整方程和Granger因果關系檢驗可以看出，直接融資不是白銀市新興產業發展的Granger原因，白銀市資本市場發展緩慢，目前全市僅有1家企業在A股上市，2家企業在“新三板”上市，19戶企業正處于“新三板”上市前期階段，上市難度較大。企業債券市場長期處于停滯狀態，直接融資成為企業的“短腿”。

風險投資對于白銀市戰略性新興產業的支持作用最小，但是其協整方程系數的t檢驗顯著，說明風險投資對于促進戰略性新興產業發展有很大的潛力。但從Granger因果關系檢驗結果來看，風險投資（LNRISK）沒有成為白銀市戰略性新興產業發展的Granger原因，由于目前白銀市戰略性新興產業覆蓋率低，還沒形成一定的規模，組織管理體制還未完善，影響有限，對風險投資者尚未形成較大的吸引力。

政策變量對白銀市戰略性新興產業起了很好的帶動作用。近些年，白銀市政府積極響應國家政策號召，成立了支持戰略性新興產業發展的政府引導性基金、給予研發經費補貼及科技創新財政投入，為白銀市戰略性新興產業發展營造了良好的政策環境。

四、結論與建議

本文實證得出的結論主要有：（1）2008-2015年，白銀市戰略性新興產業金融支持綜合效率呈上升趨勢，但效率均值普遍較低。從效率測算情況來看，有些企業已經達到DEA有效，而有些企業還有較大的提升空間，各個決策單元間差異明顯，存在個體間的非均衡發展。（2）白銀市金融支持戰略性新興產業的純技術效率比綜合效率提高很多，但企業之間差異較大，許多決策單元（DMU）的效率隨時間波動也很大。純技術效率是影響綜合效率的主要因素，所以戰略性新興產業金融支持效率的提高，應從純技術效率著手，即提升金融體系的管理效率。（3）白銀市戰略性新興產業金融支持規模效率波動下降，說明新興產業規模效應沒有得到強化。（4）銀行貸款是白銀市戰略性新興產業發展所需資金的主要融資渠道，直接融資對全市戰略性新興產業發展的作用不顯著，風險投資對于促進全市新興產業發展具有很大潛力。政策變量則起了很好的帶動作用。基于研究結論，本文提出以下對策建議：

（一）實施差別化的金融支持策略，逐步縮小戰略性新興企業間的效率差異

處于規模報酬遞增階段的戰略性新興企業，應著力增加金融資源供給，特別是信貸資金供給，以提高規模效率。對于規模報酬遞減的戰略性新興企業，應適當控制資金規模，注重提高其資金支持效果，擴大金融資源覆蓋面，調整信貸支持結構，優化貸款投向，針對戰略性新興企業需求創新信貸產品，加強貸款事前、事中、事后管理，幫助戰略性新興企業提高技術能力和管理水平，協助企業成長壯大。對于規模有效的戰略性新興企業，應繼續保持與企業自身發展相適應的金融支持速度。

（二）創新戰略性新興產業的金融支持模式，提高科技金融運行效率

做好創新驅動發展戰略的金融服務工作，引導金融機構開發適合企業技術創新需求的信貸產品，探索互聯網金融與戰略性新興產業結合的“互聯網+”模式，將產業信息流、供應鏈與金融支持相結合。考慮到戰略性新興產業風險與收益并存，對某些風險較大的項目可以創新中間業務，并做好可行性論證與產業化指導，使其發揮更好的經濟效益。白銀市應充分發揮區位優勢，吸引優質金融資源形成金融聚集，增加金融供給與競爭，推動戰略性新興產業企業均衡發展，提高金融服務實體經濟的效率。

（三）探索多元金融支持渠道，提升金融綜合服務水平

加快建立和完善財政投入為引導、企業投入為主體、金融投入為支撐、社會資金踴躍參與的科技投融資體系。積極爭取試驗區技術創新驅動基金支持，謀劃設立新的創新驅動產業基金。加大企業多層次資本市場融資力度，創造條件發展融資租賃業務。大力引導天使投資及風險投資其金進入戰略性新興產業，鼓勵各種社會資本尤其是民營資本進軍戰略性新興產業領域。

（四）打造科技創新高地，吸引集聚創新資源

以白銀市國家高新區作為重點平臺聚集資源，吸引企業、高校、團隊、聯盟入駐。學習和借鑒張江、合蕪蚌試驗區、長株潭試驗區的創新政策，結合白銀市實際研究制定差別化政策，健全現有創新政策體系，增強試驗區對白銀市產業轉型升級的支撐帶動作用。依托蘭白試驗區加強與絲綢之路沿線國家和地區的合作，在基礎研究、前沿技術等領域建立技術轉移中心，鼓勵國內外有實力的企業和研究機構以獨資或合資、合作方式在白銀市國家高新區內建立研發機構。加強與上海張江國家自主創新示范區、有關科研院所的人才交流合作，不斷提升白銀市戰略性新興企業管理水平和科技創新能力。

參考文獻

[1]顧海峰.戰略性新興產業演進的金融支持體系及政策研究[J].經濟問題，2011，（11）：74-78。

[2]李東衛.戰略性新興產業的發展與金融支持[J].節能與環保，2011，（10）：50-52。

[3]劉飛.基于DEA的區域金融效率評價研究[J].城市發展研究，2007，（14）：6-9。

[4]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[J].經濟體制改革報，2013，（3）：133-137。

[5]謝清河.我國金融支持戰略性新興產業發展研究[J].新金融，2013，（2）：54-57。

[6]熊正德，彥斌，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。

[7]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。

Abstract： The cultivation and development of strategic emerging industries will help to promote the transformation of the economic structure. In this paper， DEA model is used to calculate the financial support efficiency of strategic emerging industries in Baiyin city during the period of 2008-2015. And then， the paper discusses the influencing factors of the financial support efficiency of Baiyins strategic emerging industries. On this basis， the paper puts forward some suggestions on how to improve the financial support efficiency of Baiyins strategic emerging industries.

Keywords： strategic emerging industry； DEA model； financial support efficiency

責任編輯、校對：陳參軍