战略性新兴产业金融支持绩效及影响因素的DEA—Probit分析*——基于节能环保产业上市公司经验数据

胡云霞

(铜陵学院 金融学系，安徽 铜陵 244000)



战略性新兴产业金融支持绩效及影响因素的DEA
—Probit分析*——基于节能环保产业上市公司经验数据

胡云霞

(铜陵学院 金融学系，安徽 铜陵 244000)

利用27家节能环保产业上市公司2009—2015年面板数据，分析金融对其支持的DEA绩效，并对影响金融支持绩效的因素进行Probit二元分析。结果显示，27家样本公司中，只有2家上市公司连续7年DEA综合绩效有效，我国节能环保产业上市公司的金融支持绩效整体偏低，处于中低效率循环状态。在影响绩效的因素中，研发投入对金融支持绩效有显著的正向影响，公司所在地、所有制形式及文化学历对绩效的影响均不显著。

DEA；绩效；节能环保产业；影响因素

在可持续发展和低碳经济的大背景下，节能环保产业越来越受到政府的重视。李克强总理在2014夏季达沃斯年会上指出：要走在发展中保护、在保护中发展的新路，让新兴节能环保产业“跑赢”落后产业，足见节能环保产业的重要性。国家统计局数据显示，2015年中央财政安排累计资金2 000多亿元支持节能环保产业发展，“十三五”时期，节能环保产业全社会投资规模达17万亿元人民币，成为助推资源节约型、环境友好型社会，促进经济转型升级的主力军。节能环保产业作为国民经济新的支柱产业，也吸引了越来越多的金融资金和相关创业项目的加入。据相关数据显示，2015年节能环保行业创业项目数达4 000个以上，项目累计最低融资额由2012年的119亿元上升至2015年的1 020亿元。金融作为现代经济发展的动脉，在培育新兴产业过程中起着基础性、核心支撑作用，金融支持是新兴产业发展的基础，金融支持效率则成为决定产业繁荣程度的关键[1]35-41。而节能环保产业的发展与壮大更离不开金融的支持。

一、 文献综述

在金融支持战略性新兴产业发展绩效与影响因素的实证研究方面，目前主要以DEA模型为主。马军伟利用DEA-Tobit模型，以战略性新兴产业上市公司为样本，认为我国金融支持战略性新兴产业整体发展的总体效率的趋势是下降的，不同行业效率的影响因素存在差异[2]。熊正德等用DEA—Logit方法测度了新兴产业金融支持效率，结果表明：与低碳相关的节能环保、新材料等新兴产业发展势头强劲，高端设备制造、新一代信息技术、生物医药三大产业实现金融支持效率存在难度，直接融资是提高新兴产业效率的主要因素[3]。高丽丽等运用DEA模型对我国计算机应用服务业67家上市公司的效率进行了实证分析，得出计算机应用服务业的上市公司在资源配置方面的效率不高的结论[4]。宋马林等利用DEA—BCC模型对我国上市生物企业生产效率进行分析，结果显示我国大多数生物企业上市公司的生产效率很不确定，普遍存在投入冗余和产出不足[5]。具体针对节能环保产业的研究方面，岳锋利对节能环保产业的外部性进行分析，认为节能环保产业是具有正外部性特征的产业，在社会效用和生产收益等方面对厂商之外的个体具有正向的影响[6]。张延平以广东省为例，构建了节能环保产业发展的“企业主体功能发挥，政府辅助扶持，行业环境营造”理论架构[7]。李碧浩从节能环保产业的横向特征角度，分析了节能环保产业形成的原因，融合的过程以及产业融合发展的趋势[8]。

综上，目前对节能环保产业的研究主要集中在产业性质、产业发展路径与趋势等方面，而金融支持新兴产业效率及影响因素的分析则以对整个新兴产业，或单个非节能环保新兴产业居多，专门针对节能环保产业的金融支持效率分析几乎没有，基于此，本文利用DEA—Probit模型，对节能环保产业的金融支持效率及影响因素进行分析。

二、实证分析

(一)DEA模型及指标选择

DEA(Data Envelopment Analysis)方法，又称数据包络分析法，最早由Charnes、Cooper和Rhodes在Farell包络思想的基础上提出的，用于评估公共部门和非盈利部门的效率[9]。DEA是使用数学规划模型，从投入最小化和产出最大化两个角度来对决策单元(记作DMU，Decision Making Unit)进行效率评价。DEA最常用的模型是CCR(Charnes—Cooper—Rhodes)和BCC(Banker—Charnes—Cooper)模型，前者用于评价决策单元的综合效率，后者用于评价决策单元的纯技术效率。本文将金融支持节能环保产业的绩效定义为产业内企业将资金投入到生产经营中，实现最优化综合效率及规模效率，故本文采用可变规模报酬(Variable Returns—To—Scale，VRS)模式下的输入导向(Input Oriented)BCC模型作为评价模型。

DEA绩效评价方法的指标包括投入指标和产出指标，在充分参考现有文献的基础上，遵循可比性、准确性、易得性等原则，本文选择公司总资产、资产负债率、流通股比例作为投入指标。考虑DEA绩效模型要求投入和产出指标之间具有正相关性[10]，且产出指标必须为正值，故此选择营业收入和净资产收益率作为产出指标。

(二)节能环保产业金融支持绩效的DEA分析

上市企业具有相对较强的研发能力，是带动节能环保产业快速发展的重要力量，也是实现技术创新的重要载体。基于此，本文选取沪深两市30家节能环保产业上市公司2009—2015年面板数据进行分析。其中节能环保产业上市公司，依据2012年工信部发布的《战略性新兴产业分类目录》中相关界定，且其第一主营业务属于该分类目录中节能环保产业各类或细分产品之一。由于有3家上市公司(新日电气、智光电气、鲁丰环保)部分输入输出指标为负值，故此予以剔除，用剩余的27家上市公司累计189个样本数据。上市公司数据均来源于和讯网个股数据中心及相关公司年报。

表1　节能环保产业上市公司2009—2015年综合效率

注：表中数据根据DEAP软件操作结果整理得出。

从表1看，综合效率方面，2009—2015年历年平均综合效率分别为0.680、0.731、0.691、0.739、0.736、0.469和0.720，综合效率出现一定的波动，呈现出低水平循环，且在最近一段时期有明显的下降趋势。这可能与近年经济不景气、市场环境不稳定有关。27家公司中，只有2家上市公司7年的DEA综合效率均有效，占样本总数的7.4%，它们对资金等资源的配置及规模的控制达到最佳状态，处于最优效率和适度生产规模状态。而创业环保、菲达环保、国中水务、、瀚蓝环境、国中水务、首创股份和易世达连续7年综合效率均未达到0.5。它们在金融资源配置方面的效率较低。

表2　节能环保产业上市公司2009—2015年纯技术效率

注：表中数据根据DEAP软件操作结果整理得出。

样本期内节能环保产业7年的历年纯技术效率均值分别为0.815、0.872、0.820.0.824、0.806、0.747和0.791，处于中等水平。历年规模效率均值分别为0.818、0.838、0.845、0.896、0.903、0.617和0.762，规模效率均值相对较高。由此可以看出，金融支持节能环保产业的综合效率偏低，主要是由于纯技术效率不高导致的。因此，要从提高金融支持节能环保产业的纯技术效率着手，加大在技术人才的培养、技术创新、技术成果的转换等方面的金融支持力度，提升金融资金使用效率，以达到提高金融支持综合效率的目标。纯技术效率和规模效率连续7年均小于1的公司，在样本中共有9家，这类公司无论是在资源配置效率、资金运用和管理水平，还是在经营规模上都有待进一步提高，没有充分发挥各项投入要素的最佳效率，一定程度上存在资源的浪费。

表3　节能环保产业上市公司2009—2015年规模效率

注：表中数据根据DEAP软件操作结果整理得出。

表4　规模收益递减的节能环保产业公司

注：根据DEAP软件关于规模收益原始结果整理得出，限于篇幅，原始结果此处省略。

表4中，东华科技、首创股份和置信电气连续2年或2年以上规模收益递减，存在投资规模过大，未实现生产效率的最优。连续5年及以上处于规模收益递增状态的公司有16家占样本数的59.3%，说明在完善金融市场的资源配置功能的基础上，我国节能环保产业上市公司可通过提高管理水平，增强内生创新和增长能力，扩大规模实现综合效率的改进。

(三)金融支持绩效影响因素的Probit分析

离散选择模型起源于1860年Fechner进行的动物条件二元反射研究，Warner最先将它用于公共交通和私人交通工具的选择问题，后来广泛应用于经济、管理、购买决策等领域。二元Probit模型是建立在关于效用最大化基础上的最常用的的二元选择模型。本文以DEA分析结果中的综合效率(Y*)为被解释变量，由于效率结果只有有效(综合效率值为1)和无效(综合效率值小于1)两种结果，故此处应用Probit二元选择模型进行分析，且利用极大似然法中的迭代法进行参数估计。在Probit回归模型解释变量的选择上，为找出影响金融支持效率的其他重要因素，选择了不同于投入变量的其他重要的调节变量。鉴于已有的文献，本文选择的调节变量主要包括：公司所在地(DD)、公司所有制形式(SY)、文化程度(WH)及研究投入(YF)。所有变量及其含义见表5。

本文构建的Probit二元选择模型的基本形式为：

通过Eviews6.0软件运算，得出了我国节能环保产业金融支持绩效的影响因素的回归结果。

表5　Probit模型变量统计表

从Probit分析结果看(见表6)，研发投入对节能环保产业上市公司绩效有显著影响，且影响为正，意味着研发投入越多，金融对上市公司支持绩效越高。金融支持节能环保产业上市绩效在地区上有差异，但统计上不显著。所有制形式对绩效影响为正，即民营性质更有利于金融支持绩效的提高，但影响不显著。文化学历对金融支持节能环保产业绩效的影响也没有通过显著性检验。

三、结论与对策

(一)本文主要结论

第一，从DEA效率测度结果可以看出，节能环保产业因其新兴性、技术性和高风险性，在经济波动的背景下，其资金综合运用效率不高，上市公司没有充分发挥各项投入要素的最佳效率，一定程度上存在资源的浪费。

表6　节能环保产业上市公司影响因素Probit分析结果表

注：**表示在5%水平下显著性，没有*号表示未通过显著性检验。根据Eviews分析结果整理得出。

第二，节能环保产业上市公司的资金筹集上存在失效的现象。从规模收益结果看，大部分上市公司都处于规模效益递增阶段，它们对资金的运用与管理能力较强，但囿于金融资金投入不足和沉重的税负负担，导致投资规模不足。

第三，从影响金融支持绩效的因素上看，研发投入是影响金融支持绩效的显著因素，公司在技术研发上投入的资金越多，其相应的效率就会越高，这与节能环保产业的高技术、资本密集的特点有密切关系。所有制形式、公司所在地和企业职工的文化学历对绩效并没有显著影响，知识、人才、市场等有利因素并未得到充分发掘和利用。

(二)相关对策建议

基于以上分析结果，笔者认为应从以下方面提升金融支持节能环保产业的效率：

第一，发挥政府在节能环保产业发展中的扶持、激励、引导作用。节能环保产业应属于新兴产业，技术难度高、投资周期长、风险相对较高，需要政府在税收、利率、政策资金上进行相应扶持，发挥财政资金的引导作用，成立与其他各类风险资本相配套的专项资金，引导社会资本进入。完善适合新兴产业的高层次创新人才的培育和进入机制，注重对关键、前沿技术的激励，鼓励企业引进高层次创新人才，引导其加强与科研院所合作，对取得重大技术突破的人才、团队和组织进行物质和精神奖励，加大对企业技术研发税费的补贴和减免力度。引导企业提高自身的内部管理、技术创新水平和内生增长能力。

第二，推动信贷制度创新，加大信贷资金对节能环保产业的支持。鼓励和支持节能环保产业企业把科技专利、商标等知识产权纳入资产管理体系，积极开展知识产权质押贷款，拓展未来收益权质押，开展小企业联保、小企业综合授信贷款等。同时，要建立健全担保机构、权威的第三方信用评级机构等金融中介组织，以降低各类金融机构对节能环保产业融资的风险和顾虑。

第三，构建适合节能环保产业各阶段特征的多维度金融创新服务平台。例如对处于种子期的节能环保产业企业，政府通过扶持，建立引导基金，带动民间资本、风险投资或天使基金支持有应用前景的科研项目，促进科技成果的转化；对处于成长期、成熟期的企业，通过场外交易、中小企业板块、创业板及“新三板”等资本市场建设，拓宽其直接融资渠道，利用市场化的运营模式推动科技成果产业化。

[1] 熊正德，詹斌，林雪.基于DEA和Logit模型的战略性新兴产业金融支持效率[J].系统工程，2011(6)：35-41.

[2] 马军伟.我国七大战略性新兴产业的金融支持效率差异及其影响因素研究——基于上市公司的经验证据[J].经济体制改革，2013(3):133-137.

[3] 熊正德，林雪.战略性新兴产业上市公司金融支持效率极其影响因素研究[J].经济管理，2010(11):26-33.

[4] 高丽丽，夏洪胜.基于DEA模型的计算机应用服务业上市公司效率的实证分析[J].科技管理研究,2012(10)：132-135.

[5] 宋马林，王舒鸿，汝慧萍,等. 中国新兴生物企业的生产效率及其不确定性——基于DEA和神经网络模拟的面板数据分析[J].科学学与科学技术管理，2010(10)：131-137.

[6] 岳锋利.节能环保产业的外部性分析[J]贵州财经学院学报，2010(5)：25-28.

[7] 张延平，汤萱.战略性新兴产业发展理论分析与实践经验借鉴——以广东省节能环保产业为例[J].现代城市研究，2012(7)：81-87.

[8] 李碧浩.节能环保产业的渗透性和产业发展路径研究[J].上海节能，2012(7)：13-17.

[9] 魏权龄.数据包络分析(DEA)[M].北京：科学出版社，2004.

[10] 戴淑庚，曾维翰.风险投资对我国高科技产业发展的绩效研究——基于DEA方法的区域比较视角[J].厦门大学学报(哲学社会科学版)，2010(6)：43-50.

A DEA-Probit Analysis of Financial Support Performance of Strategic Emerging Industries and the Influencing Factors:A Study Based on Panel Data of Some Listed Companies of Energy Conservation & Environmental Protection Industry

HU Yunxia

(Department of Finance, Tongling University, Tongling 244000, China)

Based on the panel data of 27 listed companies of energy conservation and environmental protection industry, this paper analyzes the DEA performance of financial support, and studies the factors influencing the performance by Probit analysis. The results show that of the 27 sample companies, only 2 achieved valid DEA comprehensive performance for seven years running, and financial support performance of China’s listed companies of energy conservation and environmental protection industry is on the whole inefficient and always in the circle from middle level to low level and then middle level again; among the factors influencing the performance, research and development input has a significant positive impact, while company location, form of ownership and education background have an insignificant impact.

DEA; performance; energy conservation and environmental protection industry; influencing factors

2016-01-12

安徽省高等学校优秀青年人才基金重点项目(2013SQRW074ZD ：《支持安徽省战略性新兴产业发展的金融创新模式与路径》)

胡云霞(1981-)，女，安徽安庆人，铜陵学院金融学系讲师，硕士。

F276.44;F832

A

1009-2463 (2016)04-0042-07