基于异质性随机前沿模型的中国体育上市公司投资效率研究

王济平 张盛东

(武汉纺织大学管理学院 湖北 武汉 430200)

一、引言

体育上市公司是我国供给侧的重要提供者。2014年10月20日，国务院《关于加快发展体育产业促进体育消费的若干意见》(下称国务院46号文)中，提出了发展体育产业是基础、是前提，加快促进体育消费是目的、是结果。“在适度扩大总需求的同时，着力加强供给侧结构性改革，着力提高供给体系质量和效率”，国务院46号文中明确提出了加快体育产业发展的七项政策措施，大力吸引社会投资被列为第一项措施。2016年7月国家体育总局发布《体育产业发展“十三五”规划》指出，目前是“我国体育产业发展水平还不高，结构不尽合理；市场主体活力和创造力不强，产品有效供给不足，体育产业供给侧结构性改革亟待推进”。现实情况是，体育产业投资不足成为制约产业供给提质增效的重要原因。

在完美市场理论假设下，无论是内部融资和外部融资，两者的融资成本是没有差别的，也就是在市场完美的条件下，体育上市公司用自己的钱去投资同外部借钱投资的成本是没有差异的，显然这个结论具有非常强的假设就是完美市场。在对体育产业投资效率分析中，我们把这种完美假设条件下的体育上市公司投资支出称之为最优投资支出，其理论基础就是托宾Q投资理论。显然，在现实之中，体育上市公司内部和外部融资的成本是不同的，公司外源融资成本高于内部融资。最优投资支出和现实投资支出之间的差异，就是投资效率的损失。

本文拟根据我国体育上市公司的具体数据实际测度这一效率损失，融资约束到底导致了中国体育上市公司投资不足的程度有多大，目前的投资效率到底是多少？这些问题的分析，将有助于充分了解体育产业供给方的投资现状，为相关企业部门决策提供理论依据。市场不完善又是如何影响上市体育公司的投资行为等问题的分析，将为我国体育产业的研究提高科学的微观基础。

二、文献综述

现阶段对体育产业上市公司的研究主要从两个层面展开论述。第一个层面是以体育产业上市公司整体为研究对象，研究体育上市公司综合性总体层面的指标。主要有对体育产业上市公司的全要素生产力(TFP)、股价变化、成长性等方面，研究内容涉及方面较广。如陈颇(2015)站在消费者的角度进行股价研究，认为大型体育上市对股价有正面的积极作用[1]；崔百胜(2011)研究四家香港体育上市公司与两家内地体育上市公司股价之间的波动，认为内地市场两家企业股票收益率波动相关性程度均低于香港市场四家体育产业上市企业之间的相关性[5]；胡效芳，焦兵，张文彬(2012)从变现能力、资产管理能力及盈利能力等纬度对在香港上市的六家体育公司品牌产业竞争力进行了研究，实证结果表明中国体育品牌产业竞争力有了很大提升，但是在品牌设计及创新方面需要进一步努力[4]。刘春华，张再生，李祥飞(2012)利用三阶段DEA模型，评价了中外17家体育上市公司效率评价，国内外体育上市公司之间效率存在一定差异性，结论是国外企业效率相对稳定[10]；吕庆华，龚诗婕(2016)基于2009-2013年数据，用因子分析的方法，分析了19家中国体育用品上市公司成长性，表明大多数体育用品上市公司在环境因子、资源因子和成长能力因子3个方面发展不均衡，归纳为六种不同的成长类型，而且存在一定地域性差异[1]。

近期有较多学者关注体育产业上市公司的经营绩效。许春蕾(2017)基于2008—2015年面板数据，对在四家香港上市的体育用品上市公司的战略转型影响因素进行了分析，结果显示，毛利率、产品研发投入比、广告及宣传投入比、存货周转率对体育用品上市公司的经营绩效水平起着正向的作用[5]。郭荣娟(2017)基于面板门限模型，实证检验体育用品上市公司资本结构与经营绩效的非线性研究关系。结果发现，代表公司内部无形资产与未来成长机会的Tobin Q值存在显著的门限效果。而衡量公司价值的资产报酬率与权益报酬率的系数呈现门限区间上一正一负的非线性、非对称关系[3]。张莹，陈颇(2016)基于面板数据的DEA-Tobit模型，对中国27家体育产业上市公司2007-2014年间的经营绩效及其影响因素进行了测算和分析，认为我国体育产业上市公司纯技术效率水平与规模效率水平较低，全要素生产率呈持续下滑趋势[12]。

第二个层面的研究是对体育产业上市公司内部某一特定职能或特定领域进行研究，研究公司的治理结构或资本效率、资本结构等某一个或几个方面的问题。这个方面的研究是对体育产业上市公司更微观层面的理论研究，其机理分析、效率评价等研究具有更具科学性、稳健性和说服力。如陈颇(2017)用对比的方法，对2012-2015年我国不同登记注册类型，研究经济新常态下，我国体育用品制造公司不同主体结构的主要财务指标差异，认为集体企业盈利能力最强，国有企业盈利能力最弱。但是国有企业增长最快，股份合作企业增长最慢[9]。陈瑜，刘兵，艿芊芊(2014)基于2004-2013年体育服装类上市公司数据，对体育公司的库存进行了深入的研究。研究结果表明，国内体育用品制造企业的库存周转率受毛利率、固定资产比重、公司规模等影响较大。国外体育用品制造企业的库存周转率受毛利率、费用比率、应付账款比率等影响较大[5]。张易，李隋，熊燕(2014)基于Logit模型，对体育产业上市公司再融资研究。研究发现，体育产业上市公司选择股权融资时，公司的现金流、净利润及行业属性等因素会对其产生影响；债权融资主要受到公司规模以及负债率的影响[5]。本文的研究就属于这个层面的研究，实证研究体育上市公司的投资约束和投资效率。

本文不同于现有文献研究和可能的主要学术贡献主要表现为：第一，样本数据选择的客观性。大量的前期文献实证数据的选择有较大程度主观性，实证分析时，根据自己的判断进行选择，有时是几家体育上市公司，有时是十几家体育上市公司，缺乏客观的标准和依据。基础数据的不统一，会研究影响研究结论的稳健性和可靠性。第二，研究结果的科学性。本文实证的样本较前期研究有较大程度的扩展，选择了不同数据库标准的并集，共计112家体育上市公司为样本库，进行实证分析。

本文拟在随机前沿模型(Stochastic Frontier Analysis，下文简称SFA)的框架下，采用了对影响体育上市公司投资支出的核心变量，测度公司的投资效率。结果表明，在2007-2016年样本区间内，融资约束使得中国体育上市公司的投资效率只有56%，非常接近中国非上市规模以上制造业平均59%左右的投资效率(王展祥、龚广祥、郑婷婷，2017)，低于我国大多数沪深制造业上市公司平均70%左右的投资效率(连与君，2009)。

三、研究方法及理论分析

(一)随机前沿分析方法

随机前沿分析(SFA)最早是由Aigner,Lovell and Schmidt(1977)and Meeusen and Van den Broeck(1977)提出，分析生产前沿的一种方法，用来分析最优生产函数。SFA是前沿分析中参数方法的典型代表，即需要确定生前沿的具体形式。与非参数方法相比，它的最大优点是考了随机因素对于产出的影响。SFA最主要的优点是考虑了随机因素对于产出的影响。SFA的基本思想是利用生产函数和随机扰动项构造出随机生产前沿，模型基本假设较为复杂，需要考虑生产函数、技术无效率项分布的具体形式，SFA实质上将实际产出分为生产函数、随机因素和技术无效率三部分。

生产前沿分析的另外一种方法是以数据包络分析(Data Envelope Analysis，下文简称DEA)为代表，DEA是通过线性规划的方法来度量效率，它是一种非参数方法，即不需要已知生产前沿的具体形式，而只需已知投入产出的数据，模型容易做其他形式的扩展，目前已有数十种DEA模型。SFA与DEA都是前沿度量方法，有共同的基础，即距离函数。但是SFA与DEA在模型基本假设和模型扩展的复杂程度，对实际产出的解释和处理方法，构造生产前沿的方法，计算结果的稳定性等方面有不同(李双杰，范超，2009)。SFA研究上市公司投资效率是一种有效的方法已经获得共识(Hung-Jen Wang,2003;Lian,2003)。

(二)异质性随机前沿投资理论模型

异质性随机前沿投资理论模型的基本思想是在常规回归方程的分析基础上，加上一个不同经典假定的随机扰动项。经典的干扰项是服从均值为零，方差固定的正态分布干扰项，而随机前沿加入的干扰项则可以进行不同设定，如截断型正态分布、半正态分布、指数分布、伽马分布等，我们就是用这个随机干扰项做完实际投资效率偏离理想投资效率的测度。

传统托宾Q投资理论提出，在完美市场假设下，市场无摩擦，公司投资支出仅由投资机会决定(Hayashi,1992)，最优投资支出理论模型为：

(1)

事实上，上述(1)式的最优投资理论模型与现实投资模型有差异。在诸多影响因素中，有制度、文化、历史、资本、信息不充分等因素的影响，此处，我们探讨融资约束的影响，本文借鉴Chrinko and Schaller(1995)设定的体育上市公司投资模型，具体表述如下：

Iit=β0+(1/α)Qit-F(Zit)+Vit

(2)

模型(1)和模型(2)的区别在于F(Zit)，它表示由于资本市场不完善导致的融资约束的大小，它是一系列反映体育上市公司财务特征变量的非线性函数。无融资约束的期望大于有融资约束的期望值，换言之，市场完美假设下的投资支出比融资约束假设下的投资期望大。在此假设条件下，E(F(Zit))>0

最优投资模型和有限制的投资模型的关系如下：

(3)

其中，模型(3)是一个随机前沿模型(SFA)，准确地讲，这个模型是一个传统的SFA模型。为了把上述的理论模型转换为一个计量模型，我们把模型表述为：

(4)

其中Xit=(1,Qit,Di,Dt)′的含义是，Xit为被解释变量，即体育上市公司的实际投资，(1,Qit,Di,Dt)′是解释变量，代表常数项、投资机会、反映不同体育上市公司的个体效用和时间效用的虚拟变量的线性组合，γ是估计系数。εit是混合干扰项：

εit=vit-uit

(5)

(6)

(7)

根据(4)至(7)式设定的基本理论假设，我们可以采用最大似然估计(MLE)，基于Wang(2003)的理论模型，构建对数似然函数为：

(8)

模型(4)至(8)构成了异质性随机前沿(SFA)模型。基于计量估计模型，我们可以定量测度体育上市公司的融资约束所导致的投资效率损失。

在估计出参数值之后，采用似然比进行假设检验。似然比统计量为：

LR=-2[L(H0)-L(H1)]

其中L(H0)为原假设的似然函数值，L(H1)为备择假设的似然函数值。原假设H0

原假设是H0：uit=0，即不存在融资约束，也就是最优投资率，备择假设是H1：uit≠0，也即有融资约束，与最优投资率有一个偏离。

LR统计量服从卡方分布，自由度为约束的个数。同时，我们也用似然比检验来分析模型异质性设定是否正确，以及对模型设定的优劣进行比较分析。

为了定量分析投资效率的高低，我们借鉴Battese and Coelli(1998)和Lian(2003)模型的设定，“投资效率指数”(IEI)：

(9)

模型(9)式等式右边的符号与前面设定的相同，其中分子部分为完美市场下体育上市公司最优投资减去其实际投资效率的偏离部分，分母为理论最优投资。设定指数比值的目的是为了使得分子分母都大于零。显然，0

四、中国体育产业上市公司的实证分析

(一)样本数据来源及选择

在实证研究中，基于不同的研究需要，学者对体育上市公司的界定并不一致，所以导致研究样本选择差异较大。原因是多方面的，从国家体育产业管理部门看，尽管2015年国家体育总局公布了《国家体育产业统计分类》标准，将体育产业划分为11个大类、37个中类、52个小类。但是在现实中，分类操作标准依然不统一。从体育上市公司的资本监管来看，并未单独设定专门的体育类的代码。从上市公司数据披露的数据库来讲，没有对体育上市公司的单独分类，在证监会行业板块中，体育概念上市股，经常被包括在“文教体育用品制造业”之中，常用对上市公司数据研究的数据库也各不相同。从数据库来源看，常用对上市公司数据分析的国泰安CSMAR上市公司数据库、WIND数据库、同花顺数据库也没有专门的体育上市公司数据库。

从不同学者根据自己研究课题研究目的、研究视角及体育概念股的界定看，设定了不同的标准来选择样本，从11家到78家不等。把所有相关数据进行汇总，与体育概念相关的主板上市公司总共涉及112家沪深上市股(见附1)，其中主板市场的股票93家，创业板股票19家。由于体育公司的迅速发展，有大量的新兴体育公司拟进入资本市场，目前主要是以新三板的方式。基于新三板的服务对象、投资者群体显著不同于股票的主板，而且新三板是作为中小微企业与产业资本的服务媒介，主要是为企业发展、资本投入与退出服务，不是以交易为主要目的。所以，在本研究样本选择中，暂不包括凯路仕、恒大淘宝等新三板的几十家体育上市公司①。同时，尽管有港股通，但是港股所处的资本运营特点、经济环境、市场监管等同内地仍有较大差异，故我们的样本库也没有包含在香港上市的体育公司。

本文数据来自国泰安数据库(CSMAR)，样本区间为2007-2016年，部分数据来自证监会指定的信息披露网站巨潮资讯网，由作者手工收集和整理，共计沪深112家上市公司。筛选的基本原则如下：(1)最大程度保留与体育有关的上市公司数据。把45家同花顺归属体育产业，南方财富网11体育龙头股，体银智库78家体育上市公司，智慧体育行业78只成份股等数据库的并集做完数据库；(2)不包含62家新三板体育公司；(3)根据投资支出分析的常用规则，为了防止重组、兼并的影响，剔除了样本区间内总资产成长率或销售成长率大于200%的公司，投资率大于500%的公司；(4)删除了负债率大于100%的公司，也就是资不抵债的公司；(5)发生重大诉讼或被停牌的公司，如乐视网。

由于对体育产业上市公司的选择直接关系到研究结果的科学性，针对前期文献主要是采用主观判断分析方法的范围选择弹性加大，本文拟采用客观的财务指标，即体育产业营业收入占总收入的比例为依据，把体育经营收入占比超过总经营收入20%体育产业上市公司，作为“专体上市公司”，具有涉体概念的，体育经营收入占总经营收入比例低于20%的体育产业上市公司，作为“涉体上市公司”②，进行深入研究。

根据上述原则，最终我们得到了符合条件的85家沪深体育上市公司。为了更多保留数据，我们选择的是2007至2016年十年的非平行面板数据。数据处理和估计均采用STATA11.0完成。

(二)变量的定义

在文献分析的基础上，我们采用了文献中常用的指标设定方法，理论的投资支出仅仅受投资机会tobin Q的影响，也就是在完美市场假设条件下，内部融资和外部的债权融资和股权融资是等价的。然而，由于市场不完美，信息不充分、不对称等原因的影响，多种因素会造成投资支出受到内外融资约束的影响，从而影响体育上市公司的投资支出。

作为内部融资的主要测度指标现金流(Cflow)受到许多学者的研究，包括对现金流量及现金存量对投资的影响，主要有现金敏感性和现金-现金流假说，因此现金流就成为本文测度内部融资的指标。

外部融资主要有债务融资和股权融资。体育上市公司的债务融资主要是从银行借贷，因此债务融资(Debt)的数据可以从体育上市公司的总负债的变化中直接反映出来，因此，本文把总负债占总资产的比例作为债务融资的测度指标。股权融资(Equi)是通过发行新股或股票增发等形式获得资金来源。为此，我们定义了本文主要变量及计算方法见表1。

表1 变量的定义、计算方法

同时，本文还给出了被解释变量和解释变量的基本统计量。同“涉体上市公司”相比，“专体上市公司”投资支出占比不高，现金流也相对较少，股权融资也低于“涉体上市公司”，债权融资和公司规模与“涉体上市公司”比，没有什么差异，但是从Tobin Q的值看，体育市场投资机会却是最多。

表2 中国沪深85家体育家上市公司基本统计量

(三)计量模型理论及其实证结果

本文拟用五个不同的计量模型进行分析，五个模型分别代表着随机前沿模型分析的不同假设。模型(1)至模型(3)是随机前沿干扰项为截断型半正态分布，模型(4)是随机前沿干扰项为常规型半正态分布，模型(5)假定随机前沿的干扰项不存在，只有常规意义的干扰项，等价于普通最小二乘法的回归分析。五个模型的具体假定形式是：模型(1)是截断型随机干扰假设，截断分布的期望值和方差均大于零；模型(2)是截断型随机干扰假设，干扰项的期望值大于零，方差假设等于零；模型(3)是截断型随机干扰假设，干扰项的期望值等于零，方差假设大于零；模型(4)是干扰项为半正态分布假设；模型(5)是随机前沿干扰项的期望和方差均为零。

在五个模型的比较中，从表3的LR1似然比检验的值可以看出，模型(1)优于另外四个模型。以模型(5)为比较基准，执行似然比检验，得到LR1的值。LR1是服从与卡方分布，其原假设是模型之间没有差异，似然比的值越大则差异越显著，同时检验的P值都为零，说明了模型之间有差异，在五个模型中，模型(1)是相对最好的模型。

如果以模型(1)为基准，执行似然比检验，得到LR2的值，同样LR2服从卡方分布，其原假设依然是模型之间无差异，通过观察LR2的值，得到了与LR1为标准分析一致的结论。

表3 异质性SFA模型估计及检验结果

注：括号内报告的是t值；***、**、*分别表示1%、5%、10%的水平上显著；以下各表相同

在五个模型的设定下，投资支出与投资机会在1%的置信水平都很显著。这个结果同连与君(2003)，冯根福、睢博、赵玮(2015)等学者的研究结果一致，更进一步证明了体育相关公司同其他上市制造公司一样，投资支出受外部市场投资机会影响非常明显。

从内源融资看，公司增加现金流缓解融资约束有一定作用，但是并非十分明显，只在10%的程度上显著。这个研究结论与大部分的学者研究结论稍有差异，无论是对制造业、新兴战略型产业的研究，现金流的增加都显著缓解了融资约束。其原因可能与体育公司所处的发展阶段有关，目前我国体育产业正处在高速发展的阶段，公司的投资受宏观要素的影响要大于受微观要素的影响，融资的来源更多来自于外部，导致融资约束更多是受外部融资而非内部融资的影响，债权融资可以缓解融资约束的效应显著证明了这一点。

私募股权融资、增资扩股等股权融资方式反而增加了融资约束，可能的原因是，由于体育行业的特点，当新的股东进入时，其他投资者在不了解新的股东的情况下，往往会观望和了解新的董事会，判断新的管理机制是否高效稳健等，短期就不会在资金方面给与公司更多支持，导致了股权融资增加了融资约束。同时，体育相关公司的规模并不能缓解融资约束。

内源融资风险或不确定性，指的是未来是否获得资金可能性大小，同样可以看出现金流、股权融资对融资风险都不存在显著性关系。银行借款等外部债务融资对融资的风险在10%的程度显著，更大规模的借债增加了融资的风险，与“债务悬置效应”理论得到了一致的结论。

公司规模在1%的程度上可以显著抵御融资风险，也即越是大的体育相关上市公司，越容易从外部借到钱，这个检验结果与我们的直觉吻合。

(四)稳健性检验

前文分析得出了两个基本结论：一是体育上市公司只有债权融资能够有效缓解融资约束，其他融资方式的效果不是十分显著，二是公司规模可以缓解未来融资风险。本部分进一步对上述结论进行稳健性检验。

我们采用了更换主要被解释变量定义的方法，把投资支出的分母期初固定资产净额，更换为总资产，再次对异质性SFA模型的实证分析，除了内源融资的风险变为显著以外，我们得到了基本相同的结论③。

(五)进一步探索性研究

为了深入分析体育相关上市公司的融资约束和融资风险情况，我们分别对6家“专体上市公司”和79家“涉体上市公司”，基于模型(1)进行SFA模型分析，其结果见表4。

表4 “专体上市公司”和”涉体上市公司”SFA估计及检验结果

通过对“专体上市公司”和“涉体上市公司”异质性SFA模型的结果进行比较分析，发现“涉体上市公司”同全样本公司的实证结果比较类似，“专体上市公司”则出现了一些变化。

从融资约束的角度看，对“专体上市公司”而言，内源融资对融资约束的缓解程度更加明显，从10%程度的显著增加到1%的程度显著；股权融资对融资约束的改进也有一定的增强，股权融资变得不再显著，一个可能的原因是“专体上市公司”处于动态发展期，其业务拓展更大程度依托于外部资本的投资方向变化、体育政策及体育市场的发展等；公司规模增加了融资约束，在1%的程度上显著，“专体上市公司”未来的融资风险回归系数都不是很显著，一个很可能的原因是样本数据偏小，导致了结果的不稳定性。

五、体育上市公司的投资效率分析

采用随机前沿分析我国体育上市公司的投资效率，从另外一个角度理解，也反映了体育上市公司受到融资约束的程度。为了直观了解我国体育上市公司投资效率概况，绘制了投资效率的频数直方图(见图1)。

图1 体育相关上市公司投资效率图

图1直方图显示是全样本85家体育相关上市公司的效率分布图，其样本均值和标准误差发别为56%。从整体分布看，大多数上市公司的投资效率比较分散，表明我国“专体上市公司”的投资效率并不均衡，特别是还有少部分的“专体上市公司”效率低于50%，同时我们还发现，没有投资效率超过85%的体育公司，说明“专体上市公司”无论是从分布合理性还是优质公司的效率提升都有较大空间。

为了进一步分析“专体上市公司”详细情况，我们分别对“专体上市公司”和“涉体上市公司”的投资效率绘制了分布图进行分析，见图2和图3。

图2 “专体上市公司”投资效率图

图3 “涉体上市公司”投资效率图

从“专体上市公司”和“涉体上市公司”的投资效率分布情况看，“专体上市公司”和“涉体上市公司”的投资效率期望值分别为63.4%和56.3%。“专体上市公司”的投资效率要略微高于“涉体上市公司”的投资效率。

投资效率与投资规模具有很强的相关性。一般而言，大规模企业同小规模企业相比，在资产数量、抵御市场风险，市场影响等方面都有一定优势，容易获得金融中介的青睐。而小规模公司，相对而已，缺乏大规模的资产担保，经营波动较大，抵御风险也就较小，在融资中就比较困难。体育相关上市公司是否也是这种情况呢？我们绘制了不同规模“专体上市公司”的效率指数图，见图4。

图4 不同资产规模上市公司投资效率指数

从图4中可以看出，我们发现了“专体上市公司”不同于其他的产业的一个独特现象，就是小规模公司同大规模“专体上市公司”大部分时间的投资效率都很高，而中等规模的公司在大部分时间段的投资效率很低。这个实证结果不同于许多学者得到的小公司投资效率不高实证研究结论。

从2008年至2016年，大规模公司和小规模的投资效率指数基本都在相对高位运行，而中等规模的“专体上市公司”投资效率却大部分时间在低位运行。2010年和2015年是两个投资效率变化的拐点，2010年，中等规模的体育公司投资效率低于小规模和大规模公司，一直持续到2015年，到了2016年，中等规模公司投资效率超过小规模公司，但是一直低于大规模公司。

为了进一步分析”专体上市公司”和”涉体上市公司”投资效率的变化情况，我们绘制了不同类别公司的投资效率指数，见图5。

图5 不同组别上市公司投资效率指数

从图中可以看出，“专体上市公司”的投资效率变化较大。在2009年“专体上市公司”的投资效率低于其他公司，三年后，“专体上市公司”的效率超过了大多数体育相关上市公司，但是仅仅持续了不到，2013年又低于大多数“专体上市公司”，然而到了2014年，“专体上市公司”又迅速地拉高，但是也是仅仅持续不到一年。通过体育公司分类的投资效率分析，我们发现，“专体上市公司”的投资效率波动很大，一方面是由于体育外部环境发生了较大的变化，另外一方面也说明体育公司发展的稳健性不足。

六、结论

体育上市公司的投资影响和决定着公司的持续发展，其投资效率将觉得着公司的有效投资程度。在资本市完美的假设下，投资效率为公司的最优水平，然而由于信息不对称、资本市场存在缺陷，融资成本差异等原因，造成了企业的实际投资效率低于最优的理想投资效率。本文就是运用异质性随机前沿模型来测度这一差异的大小。由于采用了2007-2016年近十年的非平行面板数据，其科学性比小样本数据有所增强。同时，还根据体育行业收入占公司经营收入的比重来分类，将体育上市公司划分为“专体上市公司”和“涉体上市公司”，来比较分析，公司中体育经营收入增加对公司投资效率的影响。

实证结果表明：(1)我国体育产业上市公司的投资效率低于制造业上市公司的投资效率；(2)内源融资对于缓解体育上市公司的融资约束并不显著；债权融资能够显著解决公司的融资约束问题，股权融资不能明显缓解融资约束，说明我国的股权交易、股权投资等股权市场需要进一步优化和提升；(3)从融资风险看，内源融资、股权融资、债权融资都不能显著缓解体育上市公司未来的融资风险；(4)大部分研究结果表明，规模越大投资效率越高，但是在体育上市公司的分析中，却得到了不同的结论，小规模体育上市公司的投资效率高于大规模的体育上市公司的投资效率，但是其波动程度很大。

【注释】

①https://baijiahao.baidu.com/s？id=1570621359636119&wfr=spider&for=pc

②这里的“专业体育上市公司”和“涉体上市公司”分类，仅为区别不同体育公司在体育产业投入和产出的大小，非完全对应字面意义的理解。具体两类公司的详细名称，由于篇幅限制，本文未在此列出。

③因篇幅原因，未在此列出异质性SFA稳健性检验的分析结果。