我国涉农中小企业融资效率及其影响因素研究

王泽尤 李德佳 郑碧莹 赵海燕

(北京农学院经济管理学院(北京新农村建设研究基地)，北京 102206)

0 引 言

农业是国民经济的基础，农业企业是农业生产经营的重要主体。2021年中央一号文件提出“全面推进乡村振兴加快农业农村现代化”，在发展实践中，农业企业因具有产权明晰、治理结构完善、管理效率较高等优势，在推动乡村振兴和现代农业发展等方面扮演着重要角色[1]。涉农中小企业是农业企业的重要组成部分，具有规模小、生产周期长、投资回报率低和经营风险大等特征。基于以上特征，涉农中小企业在融资过程中经常出现抵押物不符合标准、贷款周期长、贷后收益不稳定和不良贷款率高等现象，其融资难、融资贵等问题一直未得到有效解决。因此研究涉农中小企业融资效率及其影响因素，对找到制约融资效率提升的原因和制定有针对性的支持政策，推动其快速发展具有重要意义。

众多学者对我国农业企业的融资效率开展了综合研究，发现我国农业企业的融资效率普遍较低，且经济发展和政府补助等因素会影响其融资效率。田满文(2009)通过构建面板数据随机影响变截距模型进行研究，得出农业上市公司债务融资效率较低的结论[2]。李露丹等(2015)运用熵权法对农业上市公司的股权融资效率进行分析，发现农业上市公司股权融资效率普遍较低，且公司的偿债能力对股权融资效率的影响很大[3]。谢闪闪等(2019)通过构建DEA模型对我国农业上市公司融资效率开展研究，认为技术水平的降低是融资效率下降的重要原因[4]。曾雄旺等(2021)通过构建DEA模型对我国农业上市企业进行研究，提出经济发展水平越高，越有利于融资效率的提升[5]。

已有文献为本文研究奠定了基础，但总体上对涉农中小企业研究较少。因此，本文在已有研究的基础上将涉农中小企业作为研究对象，采用三阶段DEA模型测算其融资效率，用面板Tobit模型进行回归，并从区域异质性角度对涉农中小企业的融资效率进行对比分析，探讨如何提升涉农中小企业的融资效率，以提出建设性意见。

1 研究方法

1.1 三阶段DEA模型

本文选用三阶段DEA(数据包络法)模型来测度涉农中小企业的融资效率，该方法剔除了环境因素，测算结果更接近企业的真实融资效率值[6]。本研究中，三阶段模型的变量如下：投入指标选取资产总额、资产负债率和财务费用分别表示企业的规模、资本结构和融资成本；产出指标选取总资产报酬率、总资产周转率和主营收入增长率，分别反映企业盈利能力、运营能力和成长性。

第一阶段为传统DEA模型。本阶段根据选取的投入和产出变量，运用传统DEA方法的BCC模型，测算出初始效率值及投入或产出的松弛值。

第二阶段为SFA模型。本阶段使用SFA方法分解第一阶段的投入或产出松弛值，构造投入型的回归方程：

Sni=fn(Zi;βn)+vni+uni(i=1,2,…I;n=1,2,…N)

(1)

其中，Sni表示第i个决策单元的第n项投入的松弛值；Zi表示环境变量；βn为待估参数；fn(Zi;βn)为第i个决策单元的环境变量对第n项投入松弛变量的影响；vni+uni表示混合误差项，vni表示随机干扰对松弛变量的影响，uni为管理因素对松弛变量的影响。

根据回归结果调整环境因素和随机干扰项：

(2)

第三阶段为调整后的DEA模型。本阶段将调整后的实际值再次采用第一阶段的DEA方法进行计算，最终得到剔除环境因素和随机干扰因素的实际效率。

1.2 面板Tobit模型

因为三阶段DEA模型测算出的融资效率介于0和1之间，所以采取面板Tobit模型进行回归将更为合适。模型构建如下：

Yi,t=C+∑βiXi,t+Ui,t

(3)

其中，Yi,t为被解释变量，C为截距，Xi,t为解释变量，βi为待估参数，i表示第i个样本，t表示年份，Ui,t为随机扰动项。

2 数据来源与变量选取

2.1 数据来源

新三板(全国中小企业股份转让系统)是资本市场的重要组成部分，专注于服务中小企业，并要求上市企业主营业务突出、合法合规。选择新三板上市的涉农中小企业数据一方面是由于新三板企业具有一定的行业代表性，另一方面原因则是新三板企业财务数据公开，具有可得性。根据《中小企业划型标准规定》将营业收入在50万元到500万元、500万元到2亿元的农业企业分别划定为小型涉农企业和中型涉农企业。根据Choice金融终端数据库数据，剔除ST企业后，我国新三板涉农企业共304家。在此基础上，进一步剔除存在缺失值和不符合划定标准的企业后，得到2016—2020年期间114家涉农中小企业的平衡面板数据。鉴于DEA模型要求变量具有非负性、不能出现逆指标，采取极值化手段对数据作无量纲化处理。

2.2 变量选取

DEA模型的投入、产出和环境变量说明。首先，投入变量选择资产总额、资产负债率和财务费用分别表示企业的规模、资本结构和融资成本。根据信贷配给理论、MM定理等理论，企业规模越大、举债能力越强，融资效率相对越高。同时融资成本是企业为获得融资的必要投入，在融资规模一定时，融资成本越低，融资效率越高。其次，环境变量选择GDP、社会融资规模和政府补助分别表示经济发展水平、金融发展水平和政府支持力度。经济发展水平越高，企业面临的外部环境越好，越有利于融资效率的提高。金融发展水平越高，企业资金可得性越得到改善，进而越有利于提高融资效率。政府支持力度加大，即一方面通过加大对企业资金支持，直接提高企业融资效率，另一方面可以产生信号作用，降低银企之间的信息不对称，进而间接提高融资效率。最后，产出变量选择总资产报酬率、总资产周转率和主营收入增长率，分别反映企业的盈利能力、运营能力和成长性。其中，总资产报酬率反映了企业盈利能力，该指标越高，企业对资金使用效率越高。总资产周转率反映了企业运营能力，企业运转速度越快，资金使用效率越高。主营收入增长率反映了企业的成长性，企业成长越快，表明资金使用效率越高。

Tobit模型变量说明。在选取环境变量的基础上，进一步选取劳动力成本和研发水平探究其对融资效率的影响。从劳动力成本来看，我国劳动力成本不断升高，企业经营面临一定压力，导致融资效率不高，选择应付职工薪酬来表示。从研发水平来看，研发水平的提高能够帮助企业形成一定的技术壁垒，获得超额利润，这有助于融资效率的提高，选择研发投入来表示。

3 模型分析结果

3.1 融资效率测度分析

第一阶段传统DEA模型评价。如表1所示，2016—2020年期间，企业综合技术效率、纯技术效率、规模效率以及处于技术效率前沿面数量均呈现出先上升后下降的趋势。2016年企业综合技术效率平均值为0.51，2018年上升到0.64，在2019年和2020年开展回落，分别下降到0.61和0.53。整体来看，未调整的企业融资效率较低，同时受到环境因素的影响，融资效率有所下降。

表1 2016—2020年企业各效率平均值(未调整)

第二阶段SFA回归分析。回归分析结果如表2所示。总体来看，在5%显著性水平下，经济发展水平和金融发展水平对企业融资效率产生了影响，而政府支持力度未对企业融资效率产生影响。

表2 随机前沿回归分析结果

经济发展水平方面。经济发展水平越高，对资本结构和融资成本的投入冗余越少，对企业规模的投入冗余越大。从资本结构和融资成本来看，经济发展水平越高，越有利于企业获得资金以及提高资金使用效率，进而提高融资效率。从企业规模来看，企业经常顺应经济周期进行投资扩张，但当投资完成时，经济可能已经开始回落，结果表现为经济发展水平与企业融资效率二者的变动方向不一致。

金融发展水平方面。金融发展水平越高，对企业规模和融资成本的投入冗余越少，对资本结构的投入冗余越多。从企业规模和融资成本来看，金融发展水平越高，越有利于企业举债，企业规模得到扩大和资金使用效率提升，融资效率有所提高。从资本结构来看，金融发展水平越高，虽然融资规模有所改善，但可能存在盲目举债、无序扩张等行为，导致资本结构处于非合理状态，不利于融资效率的提高。

政府支持力度方面。政府支持力度越大，融资成本的投入冗余越小，企业规模和资本结构的投入冗余越大。从融资成本来看，一般政府给予企业无需偿还的资金支持，会对其他非无偿性资金产生一定的替代作用，即企业无需支付融资成本，便可获得资金规模的扩大，因此融资效率有所提高。政府支持力度越大，企业规模和资本结构的投入冗余越大，但系数在10%显著性水平下未通过检验。政府通过项目形式支持企业发展时，可能由于企业经营能力有限，导致项目失败，投资无法收回，最终不利于融资效率的提高。

第三阶段调整后的DEA模型评价。如表3所示，2016—2020年期间，调整后的各项融资效率平均值均呈现出先上升后下降的趋势。2016年企业综合技术效率平均值为0.58，2018年上升到0.79，随后2019年和2020年逐渐回落，分别下降到0.67和0.58。造成融资效率低的原因是纯技术效率较低，即企业管理、运营、创新等能力较低。进一步对比调整前后融资效率的变化，如表1和表3所示，调整后企业综合技术效率整体有所上升，这说明企业融资效率的提高与外部环境有密切联系。调整后的纯技术效率和规模效率均有所提升，即第一阶段得到的由纯技术无效率和规模无效率引起的综合融资效率损失被低估。

表3 2016—2020年企业各效率平均值(调整后)

3.2 融资效率影响因素分析

为进一步明晰企业融资效率的影响因素，本文构建了面板Tobit模型进行分析。分别将综合技术效率、纯技术效率和规模效率作为被解释变量，选择政府支持力度、金融发展水平、经济发展水平、劳动力成本和研发水平作为解释变量进行回归。从综合技术效率来看，政府补助和劳动力成本对融资效率具有显著负向影响。这可能由于企业对不需要支付成本的政府补助的重视程度不高，存在一定的资金浪费，导致融资效率较低。劳动力成本对融资效率具有显著负向影响。这可能是由于劳动力成本快速上升，企业经营业绩受到影响，导致融资效率不高。从纯技术效率和规模效率来看，政府支持力度和劳动力成本同样显著为负，解释同上。同时经济发展水平对规模效率具有显著正向影响，这说明良好的经济环境有利于企业融资效率的提高(限于篇幅，回归结果可联系作者索取)。

3.3 区域异质性分析

剔除环境因素后的各地区企业的平均融资效率基本持平。如表4所示，剔除环境变量之前，东部地区融资效率最高，其次是中部地区、西部地区和东北部地区。主要由于东部地区较之于其他地区经济更为发达，金融市场更为完善，企业融资效率更高。剔除环境变量后，各地区融资效率差距不大。一般而言，西部地区在经济发展水平、金融发展水平等方面不及其他地区，导致融资效率低于其他地区。当剔除了以上因素后，该地区融资效率与其他地区基本持平，这印证了经济发展水平、金融发展水平对融资效率具有显著影响。

表4 分地区融资效率对比

从省级层面来看，剔除环境变量前，仅重庆处于融资效率高的分组；剔除环境变量后，重庆依然处于融资效率高的分组，同时黑龙江、河北等传统农业大省进入融资效率高的分组。无论是否剔除环境变量，重庆均处于融资效率高的分组。这是由于一方面重庆农业基础良好，丘陵山地资源禀赋突出，企业拥有良好的农业产业基础。另一方面，重庆作为直辖市拥有良好的经济、金融外部环境，为企业融资提供良好的外部支持。黑龙江等农业大省拥有良好的农业产业基础，但外部环境发展水平较低，剔除环境变量后其融资效率反而有所提高(限于篇幅，相关结果可联系作者索取)。

从地级市层面来看，融资效率高的企业表现为技术密集型企业。如表5所示，东部地区深圳市的企业融资效率最高，该效率最高企业的主营业务为饲料添加剂等生物制品；中部地区怀化市的企业融资效率最高，该效率最高企业的主营业务为油茶相关产品加工、研发；西部地区玉溪市的企业融资最高，该效率最高企业的主营业务为百合及相关提取物；东北部地区伊春市的企业融资效率最高，该效率最高企业的主营业务为林蛙相关护肤品研发。可以看出，地级市层面中，融资效率高的企业均呈现出技术密集型特征，尤其是深圳市该融资效率最高的企业被认定为“深圳市高新技术企业”。

表5 各地区地级市层面融资效率最大值企业

4 主要结论与建议

本文利用三阶段DEA模型和面板Tobit模型，对2016—2020年期间我国114家涉农中小企业的融资效率进行测算和影响因素分析。结果表明：我国涉农中小企业融资效率普遍较低，主要由于纯技术效率较低；企业融资效率呈现先上升后下降的趋势，且经济发展水平和金融发展水平的提高有利于融资效率的改善；政府支持力度和研发水平未能有效促进企业融资效率，劳动力成本制约着企业融资效率的提高；剔除环境变量后，环境因素是导致各地区融资效率存在差距的重要原因，农业产业基础好的省份和技术密集型的企业融资效率高。为了提高涉农中小企业的融资效率，并结合研究结论提出以下建议：

第一，加强企业管理，提高企业竞争力。纯技术效率较低制约了企业融资效率的提高，而且研发水平未能有效促进融资效率的提高，因此企业应加强综合管理水平。一方面，加强人才队伍建设。企业应重视人才引进和人才培养，制定股权激励等人才激励制度，构建多层次员工培训体系，为企业发展提供人力支撑。另一方面，加强研发投入管理。企业应以市场为导向，开展研发活动，保证成果转化率，避免投资无法收回。企业还应制定中长期规划，确保科研投入资金长期稳定，保证技术研发顺利开展。

第二，强化金融供给，提高金融服务水平。金融发展水平对企业融资效率的提高具有显著影响，应进一步提高金融服务水平。一是加大银行信贷供给。鼓励商业银行开发满足企业营业周期的信贷产品，扩大企业贷款抵押物范围，缓解企业融资约束。二是加强农业担保体系建设。财政部门应给予农业担保公司更多的财政资金，支持其扩大服务范围，为企业融资提供担保支持，提高融资效率。三是推动农业保险高质量发展。农业保险部门协同气象、农业等相关部门运用大数据等技术，共同开发保障能力强、覆盖范围广的农业保险产品，为企业生产经营提供风险管理工具，为融资效率提供一定保障。

第三，优化支持方式，改善政府支持效果。虽然政府支持力度对企业融资效率影响不显著，但金融发展水平对融资效率具有显著影响。因此政府不仅应当加强资金管理，也应该与金融部门联动，促进融资效率的提高。一方面，加强资金监管。政府应委托第三方评估机构进行资金监管，对补助资金使用情况进行监测，指导企业合理使用资金，提高企业融资效率。另一方面，搭建银企合作平台。政府可以通过搭建银企合作平台，降低双方信息不对称，帮助企业获得信贷支持，提高其融资效率。此外，应加大对西北地区和东北地区的政策倾斜，为企业营造良好的外部环境，提高其融资效率。