政府扶持与国有能源企业产融结合效率研究＊——基于自助法修正的三阶段数据包络分析模型

■ 叶莉 曹思奇

河北工业大学经济管理学院 天津 300401

0 引言

自上世纪90年代，我国工商企业开始主动单向进入金融领域，早期产融结合逐渐发展。十八届三中全会后，新一轮国企全面深化改革的重要突破口和方向在于产融结合。与初期“由产到融”不同，在政府及相关部门积极鼓励和支持下，当下国有企业更加注重产融结合进阶版——“产融互促”，提升产业与金融协调发展效率，实现国有资产增值保值。

国有能源企业作为国企改革的重点领域、能源供给的主力军，掌握着国民经济命脉，关乎国计民生。为推动高质量发展和能源产业转型升级，在政府大力扶持下，国有能源企业不断通过参控股金融机构和创建内部财务公司等方式，深化和发展产融结合。截至2019年3月，全球行业分类标准(GICS)下国有能源上市公司共83家，实施产融结合战略的公司达62 家，占比74.69%，涉及金融机构超150家。但是，其在发展过程中，由于政策落实不足、政府监管部门体系分散、碎片化监管失责、政府补助行业分配不均等诸多原因，仍存在产业与金融资本配置失衡、金融投资业务风险显露、“金融+产业”互动频率低、不良金融资产堆积等问题。产融结合效率的低下，一方面造成政府资源浪费，政策实施效果不佳，不利于盘活国有资产，优化国有金融资本战略布局；另一方面易导致金融业务盲目扩张、金融风险集聚，使得国有能源企业遭受经济损失，不利于推动国有金融资本向能源行业关键领域集中。可见，无论从政府角度还是国有能源企业自身发展角度，都应注重产融结合的实际运行效率和考察政府扶持对产融结合效率的影响。研究上述问题，既利于指导产融结合型国有能源企业避免低效率运营和提升抵抗金融风险能力，也有利于政府有关部门把握企业产融结合现状，为制定促进能源产业转型升级与配套金融体制改革等相关扶持政策提供科学依据，同时为天津市哲学社会科学规划项目“中小企业政策性融资担保运行效率提升研究”中企业产融互促运行效率研究提供实证依据和创新方法。

既有研究鲜有涉及政府扶持与企业产融结合效率的关系，研究成果多聚焦于产融结合的政府动因及产生的经济效应。动因方面，背靠政府的国有企业，管理决策和投资方向等多受政府影响，其产融结合主要是政策干预的结果，实施效果受政策影响较大[2]。政府扶持与产融结合经济效应方面，政府补贴、优惠可以直接为上市企业注入资金流，从而提升企业的资本充足率，改善投资研发、科技创新和经营绩效。然而，由于产融结合型国有企业享有政府扶持和其他获取资金的便利渠道，存在更好的投资回报预期，容易投资过度、盲目扩张，造成金融资源浪费[4]。当政府对企业进行补贴时，易缺乏使用范围限制和监督机制，使得产融结合型企业投资效率低下。目前研究多关注于政府扶持下企业产融结合后的经济效应，尚未有文献直接探索政府扶持因素对国有能源企业产融结合效率的具体影响。实证研究方法上，相关学者多利用财务指标描述产融结合有效性[3]，部分学者采用SFA 随机前沿模型[6]和DEA 数据包络分析模型[7]衡量产融结合效率，但不能同时衡量多个效应输出值，且存在忽略误差项与干扰项的问题，无法分解出政策波动因素和客观评价国有能源企业的产融结合效率。

因此，本文首次采用自助法（Bootstrap）修正的三阶段数据包络分析（Data Envelopment Analysis, DEA）模型，验证政府扶持对国有能源上市公司产融结合效率的影响和综合评价现阶段产融结合运行效率。研究贡献主要体现在：第一，结合新阶段“产融互促”特点，在“由产到融”与“由融到产”视角下设置投入、产出变量，拓展现有文献对国有企业产融结合效率的定量研究角度。第二，结合新常态下国企深化改革背景，首次从实证角度考察政府扶持对国有能源企业产融结合效率的影响，为产融结合动因研究中的政府干预理论提供实证检验，并给出相应政策建议。第三，本文创新性地采用自助法（Bootstrap）进行修正，改进三阶段DEA 评价模型，考虑样本有限性和统计性推断问题，增加评价结果客观性，相对合理地评价国有能源企业产融结合静态运行效率。

1 理论模型和变量选取

1.1 Bootstrap修正的三阶段DEA模型

1.1.1 第一阶段：BC²模型

DEA 模型能够对具有多投入、多产出的单位之间有效性进行评价。本文基于原始投入和产出数据，在不考虑环境影响因素的情况下，第一阶段采用传统DEA模型中的规模报酬可变的BC²模型，得到国有能源上市公司产融结合的技术效率、纯技术效率和规模效率。技术效率用以衡量样本单位的整体效率，即投入不变时，产出最大或产出不变时投入最小；纯技术效率表示投入是否充分被利用，反映了企业的技术管理水平；规模效率衡量样本单位是否处于规模收益最佳的状态。模型表示为：

xj为产出向量组，yj为产出向量组，λj为权重系数，s-为剩余变量，s+为松弛变量，ε为非阿基米德无穷小，θ为决策单元的有效值，设定θ= 1 时，s-=s+=0，则该决策单元DEA有效。

1.1.2 第二阶段：SFA回归分析

考虑第一阶段中各决策单元的投入变量会受到政府扶持的环境因素干预而产生松弛变量，而传统DEA模型无法分解出环境变量，将影响评价准确度。本文将第一阶段测算出的松弛变量作为解释变量，以政府扶持因素为环境变量，采用随机前沿分析模型，进行SFA 回归分析，构造方程：

Sni为第i个决策单元第n项投入的松弛值;Zi为环境变量;βn为环境变量系数;νni+μni为混合误差项;νni为随机干扰;μni为管理无效率。

本文仅需要分解出环境变量，调整原始投入量至相同环境下，调整公式为：

X nAi为调整后的投入；Xni为调整前的投入；是对外部环境因素进行调整；[max(υni)-υni]为将所有决策单元置于相同水平下。

1.1.3 第三阶段：调整投入变量后的DEA效率

保持产出值不变，以调整后的投入变量X A ni替代原始投入值Xni，再次运用第一阶段的DEA-BC²模型，得到调整后的效率值θadj，表明剔除了政府扶持因素后国有能源企业进行产融结合所能达到的最真实效率。

1.1.4 Bootstrap-DEA修正

在完成上述三阶段DEA评价分析后，进入现阶段产融结合效率评价环节。受限于观测样本数量和样本敏感性，三阶段DEA 模型易忽略统计性推断问题，导致评价结果有一定偏差，无法克服相对效率评价方法的缺点。而Bootstrap-DEA可利用三阶段DEA模型最后得到的效率值θadj，作为初始样本，大量有放回的重复抽样2000 次，得到模拟样本θ=θB1,θB2……θBM，再对样本参数的偏差进行平滑处理。

其中h为平滑参数，ε为服从标准正太分布的随机误差。对（4）中得到的模拟样本效率值进一步修正，得到平滑的效率值θ*Bi。再对投入要素进行调整，调整公式为：

Xin*为经过Bootstrap 修正后第n个决策单元的第i个投入要素值。依据调整后的投入要素数据和原始产出值，运用DEA模型，重新计算各决策单元的效率值。

1.2 变量选取及数据来源

1.2.1 变量选取

在“产融互促”阶段，国有能源企业产融结合的实现路径大致可分为“由产到融”和“由融到产”[8]。在“由产到融”视角下，产业资本进入金融行业，属于企业的金融投资行为；而“由融到产”的过程，即金融资本支持产业，表现为企业使用金融工具为产业提供资金，概括为融资行为。根据已有研究，产融结合的有效性主要体现在是否促进企业发展，具体表现为主产业经营绩效和金融资本的市场表现。本文从上述两个投入视角和效应出发，结合能源行业的实际情况，选取以下投入产出指标和环境变量，如表1所示。

表1 国有能源上市公司产融结合效率投入产出指标

在投入指标的选取中，企业利用产业资本涉足金融行业的主要实现方式为持股金融机构和配置金融资产，故选取金融机构持股额和持有金融资产两个具体指标。金融机构持股额，主要为长期股权投资额，包括该样本企业长期持有的银行、财务公司、保险公司、基金公司和证券公司等金融机构的出资额总和。可供出售金融资产，主要指交易性金融资产，包括债权证券和权益证券等。产融融资方式主要分为股权性融资和债权融资；股权融资，即企业上市，在资本市场中获取股权性质的资金，表现为上市融资总额；债权融资，指付出一定利息成本在货币市场中借取资金。实际上，在产融结合发展中，日常经营性投入同样会起到推动作用，因此纳入经营成本作为投入变量之一。

产出指标中的产业经营绩效直接表示为营业利润，以评价产业资本盈利能力。金融板块使用效应选取资本市场表现，即股市中的市盈率指标。本文选取能源行业国有企业作为样本，其市盈率指标具有可比性。市盈率越高，说明企业股价与每股收益之比越高，在每股收益相近或一定的情况下，其资本市场表现越好。

在环境变量的选取中，选取与政府扶持相关的指标。国有能源企业开展产融结合实践中，投融资决策导向将助推来自政府的资金支持和政策上的扶持[1]。资金支持包括政府资金补助，政策扶持包括上市公司公告中的资产重组审核通过公告、金融投资通过公告和融资事项公告数量，若公告数越大，则表明产融结合业务受到来自政府允许和支持的力度越大。

1.2.2 样本数据来源

本研究依据WIND 资讯数据库下设的能源行业分类，选取2010～2017年国有能源上市公司的年报数据。本文根据研究需要对原始数据做了如下处理：（1）剔除财务数据不完整的上市公司。（2）根据实际控制人性质剔除非国有的能源企业。（3）剔除已标记为“特别处理（Special treatment，ST）股票”和市盈率大于500的上市公司。（4）剔除尚未实施产融结合战略的公司。鉴于上述数据统计噪声过大，最终筛选出55 家有效样本单位，数据经SPSS22.0软件处理后使用。

2 实证结果与分析

采用三阶段DEA 模型及Bootstrap-DEA 方法后，本研究测算出2010～2017年国有能源上市公司产融结合效率及政府扶持因素影响。

2.1 第一阶段DEA效率实证结果与动态分析

第一阶段基于传统的DEA-BC²模型，使用55 家国有能源上市公司的产融结合投入和产出原始数据，运行DEAP2.1软件测算得出2010～2017年各公司的综合技术效率（CRS_TE）、ⅤRS 纯技术效率（ⅤRS-TE）和规模效率（SCALE）第一阶段平均效率值动态变化如图1所示。

图1 2010年至2017年国有能源上市公司产融结合平均效率变化趋势

由图1中平均效率变化趋势可知，在不考虑政府扶持的环境因素情况下，2010～2017年国有能源上市公司产融结合平均综合效率值、平均纯技术效率值和平均规模效率值大体呈逐年上升趋势。2010～2013年，企业产融结合效率增长较为缓慢，整体变化幅度较小，均处于效率中上水平。但在2014年国企改革不断深化，管理层更加注重实施“产融结合”战略后，产融结合效率明显提升，综合平均效率值由0.594跃升至0.742，随后效率值呈继续上升态势。此外，规模效率始终处于较高水平，高于综合效率和纯技术效率，表明企业产融结合效率的提升主要得益于规模报酬，系因内部资源得以整合，协同效应助力，取得了一定的规模收益。

然而，此阶段的效率值尚未考虑到政府扶持的环境因素，不能客观反映出国有能源企业产融结合效率现状，需进一步分析。

2.2 第二阶段SFA回归分析结果

将第一阶段DEA-BC²模型中测出的各决策单元投入变量的松弛变量作为被解释变量，以前文选取的环境变量作为自变量，选择SFA 中成本函数进行回归分析，拆解出环境变量的影响程度，再剔除政府扶持因素，得到新的投入变量。本文使用Frontier4.1软件进行SFA 回归，结果如表2所示。

表2 第二阶段SFA回归分析结果

在显著性水平为1%，自由度为55 的情况下，T 检验临界值为2.668，由表2可知，政府补助和政策扶持因素对各投入松弛变量的T 检验值均大于此临界值，通过了显著性检验；表明政府扶持因素将对各投入要素的松弛变量产生显著影响。同时，每一松弛变量SFA 回归方程结果的单边广义似然比LR 值也均大于5%显著性水平下的临界值5.138。因此，利用上述回归结果，对原始投入变量进行相应调整，使得各样本企业外部环境相同。

表2中政府补助对五个被解释变量回归系数均为正数，说明政府补助的增加，将会导致产融结合投入的浪费冗余增加，表明2010～2017年政府补助的增加并未有效提升产融结合效率，未达到资金使用效果的最大化。政府扶持力度对可供出售金融资产和金融机构的系数也均为正数，说明政府扶持力度的加大，会造成“由产到融”中产业资本进行金融投资的浪费，不利于产融结合效率的提升。值得注意的是，政策扶持力度却与融资性投入和日常经营性投入负相关，在“由融到产”环节和日常经营范畴内，政策扶持力度加大会减少这两项投入的浪费，一定程度上有利于提升产融结合效率。

2.3 第三阶段调整投入后DEA实证结果

将第二阶段SFA 回归分析后调整的投入变量和原始产出变量再次代入传统DEA-BC²模型，使用DEAP2.1软件得到2010～2017年国有能源上市公司剔除外部环境因素后的产融结合运行效率值，结果如图2所示。

图2 调整政府扶持因素前后平均综合效率值变化趋势

将经过调整后的2010～2017年间第三阶段DEA 平均综合效率值与第一阶段DEA 效率值进行比较，由图2可以看出明显变化。调整后的平均产融结合综合效率值均高于调整前，在2018年达到了最高值0.852。这表明，剔除了政府扶持的外部环境因素后，国有能源上市公司的产融结合效率整体得到了提高。虽然政府扶持中政策支持力度的提高，会节约金融资本支持产业发展方面的投入，提升产融结合效率，但总体来说，政府扶持因素并未有效提升国有能源上市公司产融结合的运行效率，反而造成了要素投入的冗余，导致效率上升空间有限。

2.4 Bootstrap-DEA修正效率结果

为评价国有能源上市公司各自静态产融结合效率水平，三阶段DEA 模型尚存在着样本有限、估计偏差等缺点，无法克服相对效率评价方法的缺陷。因此本文创新性地改进评价方法，通过Bootstrap 估计方法，将第三阶段DEA 模型中调整后的平均综合效率值作为原始样本，采用不间断大量可放回的重复抽样2000 次方式，对2017年第三阶段产融结合综合效率值进行纠偏，在MAxDEA6.7 软件中得到更接近真实水平的产融结合效率值，结果如表3所示。

表3 2017年三阶段DEA效率值与Bootstrap-DEA效率对比

由表3可知，经过Bootstrap 估计方法修正后的2017年国有能源企业产融结合效率值均有所变化，大部分样本单位在修正后发生了不同程度的下调，由相对效率转化为绝对效率，更加接近真实水平。原有的21 家DEA有效公司降至10家，分别为华能国际、浙能电力、华电国际、明星电力、三峡水利、宝新能源、大唐发电、粤电力A、建投能源和湖北能源。

3 结论与建议

本文运用Bootstrap 修正的三阶段DEA 模型，基于2010～2017年国有能源上市公司产融结合数据，相对合理地评价了能源行业国有上市企业产融结合的运行效率，分析了政府扶持的外生环境因素对效率的影响程度。得出如下结论：

（1）2010～2017年我国国有能源上市公司的产融结合运行效率呈逐年上升趋势。尤其在2014“改革元年”后，国家对产融结合发展给予了更多的重视和关注，平均综合效率值突增明显，产融结合效率大幅提升，2017年国有能源上市公司产融结合效率整体处于中上水平。由于地区金融发展水平不均，金融市场完善程度不同，政府扶持政策落实效果各异，空间上10 家DEA 有效企业中7 家位于东部经济发达地区，而内蒙华电和中国西电处于行业内效率最低值。应加大经济落后地区发展金融业和产融结合政策扶持力度，为能源企业发展金融业务提供更多选择与平台。

（2）在DEA 实证结果中，平均规模效率值始终高于平均纯技术效率和平均综合效率水平。我国能源企业的产融结合实践，总体上节约了内部交易成本和财务成本，缓解了融资约束，使得内部产业资源和金融资源配置更加合理，取得了不错的规模收益。

（3）分解政府扶持因素对产融结合效率的影响程度时，剔除政府扶持因素后，产融结合效率明显提高，表明政策扶持力度的增加是冗余的，其对国有能源企业产融结合运行效率的积极提升作用尚未充分体现。在为能源企业产融结合提供便利与支持的同时，由于存在分配不公、干预过度、政策落实不到位、补贴冗余和监管缺失等问题，政府扶持反而抑制了企业自身产融结合运行效率，导致资源配置低效率，降低产融结合经济效果。随着我国经济增速换挡，国有能源企业改革步入“高质量发展”元年，面临加速动能转换、优化产业结构和深挖创新驱动力等多重任务叠加，产融结合战略的实施效果与效率尤为关键。而2010～2017年政府的扶持未使得国有能源企业“产业+金融”发展模式发挥协同效应，易造成金融业务盲目扩张、金融风险集聚和国有资产流失等后果。

政府在对产融结合型国有能源企业进行扶持时，要适时完善能源行业补贴标准和门槛，严把审核关，兼顾公平与效率，杜绝“寻租”、骗补等行为；充分发挥市场机制在产融结合中的作用，可在合规范围内给予地方国有能源企业更多自主权，优化国有金融资本战略布局，推动金融资本向能源行业转型升级方向、清洁能源领域和重要基础设施集中，如热电联产、燃煤发电机超低排放改造、清洁煤电技术、风电消纳问题解决和智能化改造等方面。同时，在国有能源企业应从自身出发，完善金融业务政策落实和风险监控情况报告体系，重视企业金融投资与能源主业关联度和投资回收风险等关键问题，防止出现利用期货业务投机套利、财务公司对外高息贷款等现象；积极开辟多元化融资渠道，通过政府优惠政策使用绿色金融工具，如中长期绿色债券和绿色资产证券化等。真正实现国有金融资本与能源产业有效对接，促进政府扶持对产融结合效率的提升作用。