张群 邱玉兴 王丹丹
【摘 要】 以37家文化产业上市公司为样本,构建异质性随机前沿模型,测度了文化产业上市公司的融资效率水平。实证结果表明:样本内文化产业上市公司在2010—2014年间融资效率较高,所受融资约束有限;提升上市公司市价和前一期的融资效率有利于提高公司本期的融资效率,目前上市公司的发展能力不利于提高公司融资效率;提升上市公司的盈利能力和降低负债率能改善文化产业上市公司的融资效率约束但不显著,企业规模扩大会显著改善融资效率约束,大股东减少持股不利于改善融资效率约束但不显著。基于此,提出政府建立登记、评估和管理文化产业上市公司资产的统一标准,鼓励文化产业上市公司跨地区、跨行业、跨所有制整合重组等建议。
【关键词】 文化产业; 上市公司; 融资效率; 随机前沿分析法
【中图分类号】 F062.9 【文献标识码】 A 【文章编号】 1004-5937(2016)20-0055-05
一、引言
2009年国务院公布了《文化产业振兴计划》,文化产业正式被表述为国家的战略性产业。之后,我国的文化产业对经济增长的贡献快速增加,文化产业发展迈入黄金期。文化产业是投入高、风险大的行业,文化产品不断创新、知识含量不断增加使得其价值难以正确评估,因而文化产业的融资易陷入困境。融资的过程既包含资金顺利融入,也包含对融入资金利用的效率高低。因此,文化产业融资效率的高低不仅涉及到文化企业盈利水平的大小,也会影响到文化投资者的信心。文化产业上市公司是文化产业中有发展前途的、回报率稳定的大中型文化类企业,其融资效率的情况会带动整个行业的融资水平。
国内关于融资效率的研究目前主要集中于某类型企业或行业的融资效率及影响因素。崔杰等[1]提出了影响非上市中小企业融资效率的六个组合因素,即企业自身素质、主营业务情况、企业盈利能力、短期外源债务资金来源与流动性和企业的偿债能力。徐凤等[2]基于DEA研究了上市中小企业股权融资效率,得出我国创业板上市中小企业融资效率较低的结论。张延良等[3]基于DEA方法比较研究了金砖国家股票市场的融资效率,认为我国股票市场融资效率水平较低。汪华林[4]基于DEA方法评价了房地产上市公司的融资效率。赵睿等[5]基于熵值法分析了中关村示范区创业板上市公司的融资效率。陈家干等[6]基于熵视角研究了科技型中小企业的融资效率。吴楠和姚金枝[7]研究了生物医药行业企业资本结构对融资效率的影响。刘亚铮和冉娜娜[8]基于DEA的CRS和VRS模型分析了我国24个文化产业上市公司的融资效率及优化情况。另外,由于我国文化产业整体起步较晚,国内对其融资效率的研究还不够深入。目前主要集中于对各省份文化产业融资效率的研究。王雪[9]、谢啸[10]、耿毓泽[11]、王芹等[12]分别基于DEA分析了吉林省、安徽省、河北省、陕西省的文化产业投融资效率情况。
综合上述,鲜有文献对我国文化产业上市公司融资效率进行研究,部分已有的文献也是基于DEA模型得出的研究结论。上市融资有利于缓解文化产业融资难的问题,到目前为止,文化产业上市公司融资约束处在什么水平,融资困境有没有得到改善?这需要考虑各种影响因素进行实证检验。笔者通过利用异质性随机前沿模型,不仅能测算所选定的文化产业上市公司的融资效率水平,还可以分析其相关的影响因素作用情况。
二、研究方法
常见的融资效率水平的测算方法包括两种:非参数数据包络分析方法(DEA)和参数随机前沿分析方法(SFA)。DEA方法可以根据观测的数据,求得最优的效率边界,它是一种线性规划分析方法,但由于这种方法的确定性,不能考虑各种误差因素对估计结果的影响,而且它没有确定的模型,无法对文化产业融资效率进行预测评价;Aigner et al.[13]和Wim et al.[14]提出的SFA方法,在估计方程中包括了参数效率边界、非负的效率项以及随机误差项。但这种方法的不足在于要先假设函数形式,如果函数形式本身误差较大,则测算的结果将会存在偏差。不同文化产业上市公司融资效率存在异质性,如果不考虑这种异质性会使得估计结果偏大,因此本部分采用异质性随机前沿模型测算各文化产业上市公司的融资效率。
显然,融资效率的取值范围是0—1。当IEI=0时(ui,t→∞),文化产业上市公司融资效率最低,说明面临最严重的效率约束;当IEI=1时,文化产业上市公司融资效率最高,说明几乎不存在无效率情况。
三、数据来源、变量说明和模型设定
(一)数据来源
本文文化产业的上市公司选自中国经济网《2015中国文化企业品牌价值TOP50》,2015“中国文化企业竞争力排行榜”及《中国文化企业行业运营前景及发展规划分析报告2015—2021年》所提及的各行业标杆企业,涉及到新闻出版、广播电视、影视、动漫、音乐、网游、广告、旅游和工业美术业等。时间范围是2010—2014年,剔除了指标数据缺失年份的样本数据,共选取上证交易所、深证交易所37家上市公司作为研究对象。除上市公司年末总市值来自锐思数据库(RESSET)外,其余数据均来自巨潮资讯网各公司各年度的年报。
(二)变量说明
1.融资效率。选用投资增长率In yi,t。
2.企业市价。选取托宾q值。当q值较小时,企业会继续保留或增加股票,将产业资本转换成金融资本。当q值高时产业回报率也提高,企业迫切希望进入资本市场变现套利。
3.企业发展能力。选用单位资本营业收入ei,t。企业发展能力越强,融资效率就越高,它衡量了企业的长远发展水平。
4.企业盈利能力。选用单位资本经营现金净流量(cf)。企业的盈利能力越强,越对员工获得报酬以及福利改善、投资者获得投资收益形成了有效的保障。因此,企业盈利能力增强会拉升融资效率。本文单位资本的经营现金流量越多,说明企业的内部融资能力就越高。
5.企业规模。Paul[17]认为大公司降低了长期债权融资的成本,在长期举债中产生了规模经济,甚至具有同债权人讨价还价的能力,因此,上市公司的规模与上市公司的融资效率正相关。这里用资产总额(ai,t)表示。资产总额越高,企业外部融资能力越强,因为企业可以提供的抵押品可能就越多,相对容易从金融机构获得资金支持。
6.融资方式。以债务为主的融资方式降低了资金所有者用于自身私利的资金,用资产负债率(ad)来表示。负债率高有损于上市公司的融资效率。
7.股权结构。用上市公司十大股东持股比例来表示(h)。近年来我国的上市公司大股东重筹资、轻使用、盲目圈钱、占用巨额资金、危害小股东利益等负面消息经常被曝出。严重影响了企业的融资效率。这一指标反映了企业的外部融资能力。
各变量说明及样本描述性统计见表1、表2。
(三)模型设定
1.融资效率函数的设定。借鉴Wang和Battese and Coelli[18]的实证方法进行构建,设定模型如下:
四、模型估计及实证结果
(一)文化产业上市公司融资效率异质性随机前沿模型的估计结果
将SFA的无效率方程的均值和方差施加一定的约束,划分成了5个模型,并采用极大似然估计法对(I)—(V)进行了估计,结果见表3。模型(I)代表本文的异质性模型,其中无效率方程的均值和方差都是外生变量的函数;模型(II)假定均值是0,方差为外生变量的函数;模型(III)假定方差是常数,均值为外生变量的函数;模型(IV)对应于DEA模型,不考虑误差项的影响;模型(V)对应于方差为常数、均值为0的情况。根据对数似然值、似然比和相关信息准则确定模型(I)优于其他模型,下面围绕模型(I)的估计结果展开分析。
(二)文化产业上市公司融资效率随机前沿分析
模型(I)的估计结果显示,在异质性随机前沿方法下,托宾q的估计系数为0.246,在10%的水平上显著不等于0。这表明托宾q对上市公司融资效率有着显著的影响,当托宾q值变大时,上市公司融资效率上升。单位资本销售收入及其滞后值的估计系数不显著,说明当前主要文化上市公司的单位资本销售收入不利于提高企业融资效率,也就是营业收入有待提高。融资效率的滞后项在1%水平上显著,系数是0.562,表明上市公司本期的融资效率明显受上一期的影响。
(三)文化产业上市公司融资效率影响因素分析
根据异质性随机前沿模型,能够计算出融资效率损失并分析它的影响因素。第一,单位资本净现金流量在均值方程和方差方程中都为负,但是不显著,表明增加单位资本净现金流量能改善文化产业上市公司的融资效率约束,降低融资效率约束的不确定性,但这种内部融资的效果不明显。第二,企业的总资产在均值方程中显著为负,但在方差方程中为正且不显著,表明这种外部融资方式能提高上市公司的融资效率,但是不能降低上市公司融资效率约束的不确定性。第三,负债率在均值方程中为负,但不显著,在方差方程中显著为正,表明上市公司较低的负债率有利于改善这些文化企业的融资效率约束,但这种外部融资方式效果不明显。在后续阶段不利于降低融资效率约束的不确定性。第四,前十名股东持股情况不利于改善融资效率约束,同时也不利于降低融资效率约束的不确定性,但这种效果不显著。
(四)文化产业上市公司融资效率分析
根据模型可以估算出每个上市公司的融资效率和融资效率约束程度。根据融资效率值绘制了频数分布图(见图1),结果表明这些上市公司中绝大部分的融资效率集中分布在75%~85%之间,也就是实际融资效率低于最佳融资效率水平约15%~25%。
表4是根据表3中模型(I)计算出的37家上市文化公司2011—2014年的融资效率均值。总体来看,平均值最高的是0.842,最低的是0.772,两者相差0.07,有16家公司的均值低于0.8,其余21家的均值都大于0.8,融资效率较高。2011—2014年这37家上市公司的平均融资效率分别为0.814、0.807、0.799、0.801,变化不明显。
五、结论及政策建议
在随机前沿模型中,样本公司的融资效率水平均值为0.8左右,说明这些文化产业上市公司基本能够通过内部和外部相关的融资手段,扩大融资渠道。但是,也面临着一定的融资约束。实证结果显示,高产业回报率有利于提高公司的融资效率;单位资本销售收入不利于提高公司融资效率,营业收入没有发挥出本应该有的效果,可能是这些上市公司的经营历史较短,业绩有待提高;前一期的融资效率对本期融资效率有积极的影响;增加单位资本净现金流量对于提高文化产业上市公司的融资效率作用不明显;公司的总资产增加有助于减少公司的融资约束,但是不能降低后续的不确定性;负债率对于改善上市公司融资效率约束作用不明显;大股东减少持股没有明显地改善融资效率约束的作用。
为了加快文化产业上市公司发展,缓解其上市公司融资约束问题,鼓励更多的中小文化企业上市,笔者建议:从政府角度,建立统一的标准来登记、评估和管理文化产业上市公司相关资产,鼓励更多的文化产业上市公司跨地区、跨行业、跨所有制整合重组,设立政府为主导的、允许社会资本进入的文化产业发展基金;企业层面,应该加强自身的内部管理水平和资源配置能力,增强品牌营销意识,降低市场开拓成本,提高资金的使用效率,减少企业负债,鼓励更多员工持股,调动员工创新的积极性。
【参考文献】
[1] 崔杰,胡海青,张道宏.非上市中小企业融资效率影响因素研究——来自制造类非上市中小企业的证据[J].软科学,2014(12):84-88.
[2] 徐凤,卢奇,李鹏涛.基于DEA的上市中小企业股权融资效率研究[J].财会通讯,2014(3):18-19.
[3] 张延良,胡超,胡晓艳.基于DEA方法的金砖国家股票市场融资效率比较研究[J].世界经济研究,2015(7):44-53.
[4] 汪华林. 基于DEA的我国房地产上市公司股权融资效率分析[J].会计之友,2015(5):87-89.
[5] 赵睿,傅巧灵,周莉莎.基于熵值法的中关村示范区创业板上市公司融资效率分析[J].经济研究参考,2014(35):82-86.
[6] 陈家干,衣长军,谢月婷. 基于熵视角的科技型中小企业融资效率研究[J].会计之友,2013(7):44-49.
[7] 吴楠,姚金枝.企业资本结构对融资效率影响研究——基于生物医药行业的经验数据[J].财会通讯,2015(2):38-40.
[8] 刘亚铮,冉娜娜.文化产业上市公司融资效率优化及评价[J].商业时代,2014(4):135-136.
[9] 王雪.基于DEA的我国文化产业上市企业融资效率评价研究[D].西安外国语大学硕士学位论文,2014.
[10] 谢啸.安徽省文化产业投融资效率研究[D].安徽大学硕士学位论文,2012.
[11] 耿毓泽.河北省文化产业投融资效率分析[D].河北经贸大学硕士学位论文,2014.
[12] 王芹,杨旭,张晓棠.DEA视角下的陕西省文化产业投融资效率[J].西安工业大学学报,2015(7):556-570.
[13] AIGNER D,LOVELL C A,SCHMIDT P.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Economics,1977,6(1):21-37.
[14] WIM M,et al. Efficiency Estimation from Cobb-
Douglas Production Functions With Composed Error[J].International Economic Review,1977,18(2):435-444.
[15] WANG H J. A Stochastic Frontier Analysis of Financing Constraints on Investmen:the Case of Financial Liberalization in Taiwan[J].Journal of Business and Economic Statistics,2003,21(3):406-419.
[16] ALEXANDER L,et al.Firm Value and Managerial Incentives:A Stochastic Frontier Approach[J].Social Science Electronic Publishing,2005,78(6):2053-2093.
[17] PAUL M.The Choice between Equity and Debt:An Empirical Study[J].Journal of Finance,1982,37(1):121-144.
[18] BATTESE G E,COELLI T J.A Model for Technical Inefficiency Effects in A Stochastic Frontier Production Function for Panel Data[J].Empirical Economics,1995,20(2):325-332.