战略性新兴产业发展的金融支持效率——基于长三角地区的比较分析

马军伟，王剑华

(常熟理工学院经济与管理学院，江苏 常熟 215500)

0 引言

目前，中国各省市对照国家战略性新兴产业发展规划和 《中国制造2025》战略规划，基本都完成了战略性新兴产业的布局，期望能够抢占先机，将其培育成为区域经济发展的新增长点。战略性新兴产业的发展和创新活动不仅具有单一的企业化行为的属性，更是由于其显著的战略性地位还需要政府职能部门的引导和推动从而具有社会化行为的特征。相对于一般产业来说，战略性新兴产业突出的战略地位属性、处于新兴发展阶段、产业化加速趋势显著以及财政资源筹措瓶颈等特点，使得其发展面临的金融约束更加严重，迫切需要金融部门的大力支持。在市场和政府的双重推动下，金融资本与战略性新兴产业的互促互进越来越频繁和紧密。但是，要实现金融与战略性新兴产业发展之间的高效互动直至融合生长，这需要考虑金融资源配置的效率问题。

1 文献研究现状

从现有研究来看，已有部分学者对金融支持区域经济发展、产业发展、企业创新的效率进行了测度和分析。在研究金融支持战略性新兴产业发展的方法选择上，一部分学者采用回归模型进行验证，一部分学者采用效率评价的方法进行分析。张露[1]通过格兰杰因果检验方法实证研究了多层次资本市场对战略性新兴产业发展的支持，发现多层次资本市场的支撑作用尚不显著。杜传忠等[2]、李云鹤等[3]学者分别采用回归模型重点考察了风险投资对战略性新兴产业技术创新、增值服务、资本配置效率等方面的作用效应。王琼等[4]学者以我国沪深两市战略性新兴产业上市公司为研究样本，探讨了金融生态环境对国有、非国有上市公司融资效率的影响。在效率评价研究方面，熊正德等[5，6]、翟华云[7]、马军伟[8]、李东霖[9]、王琼[10]、李萌[11]、李晓梅[12]等采用数据包络法 (DEA)、DEA-Logit模型、DEA-Tobit模型、Super-SBM模型等多阶段分析模型，测算了资本市场对沪深两市战略性新兴产业领域上市公司的金融支持效率以及效率的影响因素。黄海霞[13]、陈红玲[14]、王宏起[15]、张敬文[16]等学者分别测算了中国战略性新兴产业的科技资源配置效率、环境技术创新效率、创新生态系统科技资源配置效率和集群创新网络协同创新绩效。在借鉴现有研究成果的基础上，本文在收集长三角地区三省一市战略性新兴产业领域上市公司数据的基础上，将金融支持作为投入要素，运用DEA效率评价方法，对样本企业的金融支持效率进行评估和比较分析，并对战略性新兴产业金融支持的非有效性 (投入冗余率和产出不足率)进行分析，从而提出针对性的优化方案。

2 实证研究设计、指标及数据

金融内生理论是当前研究金融支持战略性新兴产业发展及效率评价问题的主要理论依据。根据金融内生理论，可以将金融资源作为战略性新兴产业发展的重要投入资源和因素，从而通过投入产出的效率分析来揭示战略性新兴产业发展的金融资源配置黑箱。在具体的效率分析时，由于金融资源的有限性，主要测度金融资源投入一定的情况下战略性新兴产业的产出情况。因此，在评估模型和方法的选取上，本文运用数据包络分析法 (DEA)，并选用产出导向的BCC模型来测算长三角地区三省一市战略性新兴产业发展的静态效率，选用Malmquist模型测算长三角地区三省一市战略性新兴产业发展的动态效率。在效率评价时，作为金融资源投入的指标主要是资产负债率、流通股比例和风险投资机构持股比例，分别代表以银行为代表的间接金融支持、以资本市场为代表的直接金融支持和以风险投资为代表的股权投资支持，作为战略性新兴产业产出的指标主要是主营业务增长率和净资产收益率，分别代表战略性新兴产业的成长能力和获利能力。为了计算的需要，所有指标的数据在不改变趋势的情况下进行了无量纲化处理。

在实证数据的选择方面，尽管国家统计局早在2012年发布了 《战略性新兴产业分类 (2012)》等文件，然而数据归类、统计等环节仍有较大困难，以至于目前还无法便利地获取相关数据。基于样本代表性和可比性的考虑，本文选取在深圳证券交易所主板、中小板、创业板上市的战略性新兴产业公司作为分析样本，涉及不同层次的资本市场和七大战略性新兴产业的所有细分领域，并置于同一测评维度。其中，在样本企业数量选择方面，选取江苏省、浙江省、安徽省、上海市战略性新兴产业领域上市公司共计200家。在时间跨度上，选择的是各个样本公司连续10年的数据 (2008—2017)。所有样本公司涉及的各指标的数据主要来源于深圳证券交易所信息中心、门户网站和讯网的个股数据中心等信息，这些数据可以方便地获取。

3 实证结果及分析

3.1 长三角地区战略性新兴产业发展的金融支持效率 (静态效率)比较

金融支持效率 (静态效率或综合效率)的测算主要采用数据包括分析 (DEA)中产出导向的BCC分析模块，主要测算金融资源作为投入要素配置于战略性新兴产业发展的综合效率，并可以分解为考量金融体系内部体制机制运行和管理水平的纯技术效率，以及考量金融发展规模合理性的规模效率两部分。通过软件的运算，得出2008—2017年江苏、浙江、安徽、上海市战略性新兴产业发展的综合效率值，结果整理如表1所示。同时，为了分析战略性新兴产业扶持政策实施的影响，本文将测评时期分为政策扶持前阶段 (2008—2009年，战略性新兴产业扶持政策提出于2009年，考虑到政策提出当年的影响力，所有将2009年也纳入)和政策扶持后阶段 (2010年及以后)。

表1 2008—2017年战略性新兴产业发展的金融支持效率 (静态效率)比较

注:表中效率值的测算主要借助于DEAP2.1软件，样本个数方面，江苏、浙江、安徽、上海共200家;crste、vrste、scale分别代表综合效率、纯技术效率和规模效率。

由表1中的数据可以得出，2008—2017年长三角地区三省一市战略性新兴产业金融支持的综合效率没有达到最优，并且呈现出较大的省际差异。另外，由于政策实施和宏观经济的冲击，战略性新兴产业金融支持的综合效率也表现出阶段性不稳定性特征。从长三角地区三省一市观测期间综合效率的整体均值来看，战略性新兴产业发展的综合效率排序为：江苏省排第一，安徽省排第二，上海市排第三，浙江省排第四。从每个年度观测点来看，战略性新兴产业发展的综合效率排序在交替变化着。从政策实施效果来看，自2009年中国政府提出发展战略性新兴产业以及世界经济危机发生后四万亿刺激政策的实施，战略性新兴产业发展的金融支持效率也得到了提升。在2015年以后，随着世界经济形势的变化和中国经济从高速增长转向中高速增长，长三角地区三省一市战略性新兴产业发展的综合效率也呈现出下降趋势。另外，DMU决策单元测算显示规模效益是递增的，表面金融资源的增加会带来战略性新兴产业产出的相应提升。

3.2 长三角地区战略性新兴产业发展的金融支持效率 (动态效率)比较

金融支持效率 (动态效率)的测算采用DEA-Malmquist模型，主要评估决策单元全要素生产率的变化。Malmquist指数测算出的动态效率又可以分解为技术效率变化指数和技术进步率指数两部分[17]。通过软件的测算可以得出2008—2017年长三角地区三省一市战略性新兴产业发展的动态效率 (Malmquist指数)，结果见表2。

表2 2008—2017年战略性新兴产业发展的金融支持效率 (动态效率)比较

注:表中均值为2008—2017年年度变化的算术平均值，effch、techch分别代表综合效率变动和技术效率变动。

从表2的结果可以看出，2008—2017年江苏省、浙江省、安徽省、上海市战略性新兴产业的Malmquist指数平均值分别为0.992、0.997、0.999、1.012。从整个观测期间的均值来看，上海市战略性新兴产业的全要素生产率排序第一，而且Malmquist指数超过了1，表面上海市战略性新兴产业的全要素生产率均值在整个样本观测期内是上升的。安徽省、浙江省、江苏省战略性新兴产业的全要素生产率均值排在第二至四位，且三个省份的Malmquist指数都小于1，这表明在整个样本观测期内安徽省、浙江省、江苏省战略性新兴产业发展的总体效率呈现下降的趋势，需要着力进行提升和优化。从各个观测区间来看，2014年是一个较为明显的分界线，在这个观测期间，长三角地区的所有省市战略性新兴产业发展的全要素生产率 (Malmquist指数)都是上升的，2014年前后战略性新兴产业发展的总体效率都呈下降的趋势，但2014年以后观测期间的总体效率值基本上都高于2014年以前的观测期间值，体现了政策实施和宏观经济形势的影响。

3.3 长三角地区战略性新兴产业金融支持效率的影响因素分析

首先，对战略性新兴产业发展的综合效率值进行分解。从分解出的纯技术效率值和规模效率值来看，两者的变化趋势是一致的。逐步分解可以得出，2008—2017年三省一市战略性新兴产业发展的配置效率并非最优，造成这一现象的主要影响因素是纯技术效率，也即是与金融体系内部体制机制运行和管理水平有关。在整个样本期间，长三角地区三省一市战略性新兴产业在生产边界内均呈现出规模报酬递增的现象，这表明金融资源投入的增加会带来三省一市战略性新兴产业的产出增加，也表面金融资源配置效率还需要提高。

其次，从动态效率Malmquist指数 (平均值)的分解来看，上海市战略性新兴产业的Malmquist指数平均值为1.012，在整个观测期内平均上升了1.2个百分点，其中综合技术效率和技术水平的变动趋势都是上升的 (分别为+1.1%和+0.1%)，总体效率的上升主要是综合技术效率上升贡献的。安徽省战略性新兴产业发展的总效率 (M指数)平均下降了0.1个百分点，其中技术水平的变动总体是下降的 (-0.2%)，综合技术效率的变动趋势是上升的 (+0.1%)。浙江省战略性新兴产业发展的总效率 (M指数)平均下降了0.3个百分点，其中技术水平的变动总体是下降的 (-1.1%)，综合技术效率的变动趋势是上升的 (+0.9%)。江苏省战略性新兴产业发展的总效率 (M指数)平均下降了0.8个百分点，其中技术水平的变动总体是下降的 (-1.2%)，综合技术效率的变动趋势是上升的 (+0.5%)。可以看出，2008—2017年安徽省、浙江省、江苏省战略性新兴产业发展的总体效率 (M指数)下降都是由于技术水平的下降导致的，即主要由于金融产品和业务流程创新水平低下引起的。而上海市战略性新兴产业发展的总体效率 (M指数)上升是综合技术效率和技术水平共同推动的，说明金融资源的配置效率提升也有助于战略性新兴产业总体效率的优化。

3.4 长三角地区战略性新兴产业发展的投入冗余和产出不足分析

通过对长三角地区战略性新兴产业金融支持效率的进一步分析，可以探究2008—2017年长三角地区战略性新兴产业发展非有效的原因，即作为投入因素的金融支持冗余和作为产出因素的战略性新兴产业产出不足情况。通过BCC模型效率的测算，可以进一步分析战略性新兴产业的金融支持在同一时期内和不同时期的投入冗余率和产出不足率以及这些指标的动态变化情况，从而便于采取有针对性的调整和改进策略。

在借鉴贺正楚等[18]学者研究的基础上，本文对投入冗余率和产出不足率的计算进行了调整与改进。考虑到本文分析的是每个时期的战略性新兴产业整体效率情况，而每个时期的战略性新兴产业上市公司样本较多，所以模型中每个时期的决策单元各个分量的松弛量和对应指标分量都是选取的样本公司平均值。因此，每个时期的金融资源投入冗余率是模型中决策单元中各投入分量的 Sij-(松弛变量的平均值)与对应投入指标分量xij(指标分量的平均值)的比值，该比值的结果反映了该分量指标可以节约的比例；每个时期的产出不足率是模型中决策单元中各产出分量的 Sij+ (松弛变量的平均值)与对应产出指标分量yij(指标分量的平均值)的比值，该比值的结果反映了该分量指标可以努力提升的比例。根据计算方法，投入冗余率和产出不足率结果整理如表3所示。

表3 2008—2017年长三角地区战略性新兴产业发展的投入冗余率和产出不足率分析 (%)

说明：X1、X2、X3分别表示投入因素1间接金融支持、投入因素2直接金融支持、投入因素3风险投资支持的投入冗余率，Y1和Y2分别表示产出因素1获利能力、产出因素2成长能力的产出不足率。

从表3投入冗余率和产出不足率结果可以看出，2008—2017年长三角地区战略性新兴产业发展的金融支持效率都没有实现最优。从投入冗余率均值来看，金融资源作为投入要素在江苏、浙江、安徽、上海等长三角地区都出现了冗余情况。从投入资源的三个具体指标来看，风险投资的投入冗余要好于间接金融的投入冗余和直接金融的投入冗余。从地区来看，间接金融投入冗余较少的地区排序为上海、安徽、江苏、浙江，直接金融投入冗余较少的地区排序为上海、江苏、安徽、浙江，风险投资投入冗余较少的地区排序为安徽、浙江、上海、江苏。从产出不足来看，两个产出指标获利能力和成长能力均值都出现不足的情况，但长三角地区战略性新兴产业的发展主要在于成长能力的不足。

4 结论及政策建议

4.1 主要结论

从长三角地区三省一市的比较分析来看，2008—2017年战略性新兴产业发展的综合效率显示出省际差异。从综合效率的整体均值来看，战略性新兴产业发展的综合效率排序为江苏省排序第一，上海市排序第二、安徽省排序第三、浙江省排序第四，且综合效率低下主要是由于金融体系的体制机制运行水平和管理效率引起的。从战略性新兴产业发展的动态效率比较来看，在整个样本观测期内，上海市战略性新兴产业的全要素生产率超过了1，呈现上升的趋势，总体效率值排序第一。安徽省、浙江省、江苏省战略性新兴产业的全要素生产率均值排在第二至四位，且三个省份的Malmquist指数都小于1，表明在整个样本观测期内三个省份战略性新兴产业发展的总体效率呈现下降的趋势。从全要素生产率的分解来看，安徽省、浙江省、江苏省总体效率下降都是由于金融产品和业务流程创新水平低下引起的。但上海市战略性新兴产业发展的总体效率上升也可以说明金融资源的配置效率提升有助于战略性新兴产业总体效率的优化。另外，从长三角地区战略性新兴产业发展的投入冗余率和产出不足率进行分析可以看出，金融资源作为投入要素在江苏、浙江、安徽、上海等长三角地区都出现了冗余情况。而从产出不足来看，长三角地区战略性新兴产业发展的产出不足主要在于其成长能力的不足。

4.2 政策建议

第一，要推动金融体系技术创新以及金融产品和业务流程创新。一方面，政府部门和金融机构要通过引进消化或自主开发的方式加快先进的金融技术装备以及信息系统的应用和推广，推动我国金融信息化和现代化的步伐，使得金融机构为战略性新兴产业提供服务的成本降低，并且大力提升专业服务能力和响应速度。同时，要针对战略性新兴产业发展的行业差异和各省市的发展特点，推动信贷产品和业务创新，以及资产证券化、私募和高收益债券等非信贷产品和业务创新。

第二，要改革现行的金融管理体制与运行机制，全面提升金融资源配置的效率。一方面，需要政府积极引导和调控，通过政策支持来消除金融机构将资源配置于战略性新兴产业领域的顾忌和障碍，金融机构也要更加注重战略性新兴产业发展的审慎调查和监督，积极主动作为，实现金融资源的精准配置，减少或避免资源配置的冗余。另一方面，需要推进以风险投资为代表的股权投资机制和资本市场的运行机制创新，充分发挥其筛选培育、风险分散等市场功能，让市场在资源配置中起决定性作用，实现资源配置效率的优化。股权投资和多层次资本市场的市场化资源配置也需要有法制化保驾护航，比如资本市场的市场化要依赖健全的法律制度体系，可以通过相关法制法规的强化，让各种主体尊重市场逻辑，从而重构健康的金融发展生态。股权投资的市场化配置既需要政府的鼓励和引导，实施良好的金融监管，也需要市场化机构不断提升自身投资能力、市场化的投资人群体的丰富和多元化以及市场成熟度的提高。