我国物联网产业金融支持效率实证研究

黄建康，李远景

（江南大学 商学院，江苏 无锡 214122）

一、引言

近年来，物联网发展态势迅猛，市场规模扩大，技术应用不断深化。截至2021 年，中国物联网产业规模已突破2.4 万亿元，专利申请数量累计破万，发展前景十分广阔。作为供给侧改革的新动力，物联网产业具有产融结合的特点，它的培育和发展自然也离不开金融的大力支持。纵观物联网产业的金融支持现状，支持力度、广度和深度都有待提升。如今，物联网企业约有42 万家，中小企业占比超过85%，金融资源供给与企业信贷间容易存在“麦克米伦缺口”，高科技产业和战略性新兴产业的特性也使得产业发展面临着一定的金融约束。

为实现金融与产业的高效互促、融合生长，就需要深入探究金融资源配置的效率问题。强化产业发展支撑的关键在于提升金融支持效率，产业金融支持效率的测算有助于把握当前金融支持效果，厘清产业金融支持体系的影响因素。同时，分析低效率点、探究效率损失的主要原因也有利于破解金融支持产业发展的现实困境，促进金融资源合理配置，从而进一步提升物联网产业的竞争力[1]。

二、文献综述

相较于我国，西方国家较早地拥有了较为成熟的产业发展背景条件，经济体系结构更加多元。因此，国外学者对于金融支持产业发展的研究起步较早。相关研究主要围绕金融支持产业发展的机理、参与主体和影响因素等方面。

Merton 和Robert（1995）[2]系统性地论述了金融中介的功能，他指出金融中介使得金融资源得到跨时间、空间的合理配置，能够促进产业发展及经济增长。Guariglia 和Pei（2014）[3]通过分析2000—2007年间中国制造业企业的相关数据，提出内部可用资金的限制会影响企业的创新活动。关于金融支持产业发展的参与主体，学者们多从政府、银行体系和风险投资等角度研究。Brown 等（2017）[4]提出银行信贷市场的发展能够促进依赖外部融资进行实物资本积累的行业增长，对于创新密集型行业的增长效果一般。Rose（2021）[5]证实风险投资可以有效缓解投资组合公司的财务约束。

另有一些学者从内部治理、外部环境等角度出发，围绕金融支持产业发展的影响因素展开分析，并借此进一步探究支持产业发展的有效路径。Bushman 等（2016）[6]以激励机制为主要议题，探究了高管薪酬与公司绩效之间的关系。除此之外，内部治理还包括控制权（GortonG，1995）和组织学习（Zappa，2016）等因素，都在一定程度上影响了金融支持作用。对外部环境因素的探索最早起源于Mitani（2008）、Guney（2011）和ChangYK（2015）等学者对于资本结构与市场竞争的相关性探讨。

国内学者对于金融支持产业发展的相关研究则主要集中在金融支持效率评价及支持模式分析上。评价方法中采用数据包络分析法（DEA）研究金融支持效率的文献相对较多。黄小英和温丽荣（2017）[7]基于DEA-BCC 模型测算得出，我国节能环保产业金融支持效率还有较大的提升空间。崔学海等（2019）[8]利用DEA-Tobit 模型对金融支持效率进行测度，得出长江经济带11 省效率差异明显。此外，部分学者也对金融支持模式进行了进一步剖析。李萌和杨扬（2017）[9]提出间接融资和直接融资逐渐成为战略性新兴产业的助推因素，政府的合理引导是战略性新兴产业未来发展的关键。陈小荣等（2020）[10]选取京津冀237 家战略性新兴产业，运用DEA-MPI测度金融支持效率及动态变化，并指出应提出加大政策性金融支持。

总体而言，相关研究主要围绕金融支持产业发展的机制分析，侧重于探讨金融支持产业发展的作用机理和支持模式。近年来，金融支持效率的测度及波动性分析逐渐受到我国学界的关注，学者们大多采用DEA 模型进行实证分析。然而针对物联网产业的研究较少，未成体系。在已有研究的基础上，本文的贡献主要有以下三点：第一，聚焦物联网产业，测算产业金融支持效率，充实了该产业金融支持的相关研究。第二，构建指标体系，结合资本结构、公司治理、金融内生理论等，构建指标体系，给予金融支持效率较强的现实价值。第三，优化测度方法，构建Super-MSBM 模型，与三阶段DEA 模型相结合，相较传统DEA 模型，排除了部分干扰因素，结果更加准确合理。

三、研究设计

（一）构建模型方法

Charnes 等（1978）率先提出数据包络分析（Data Envelopment Analysis，DEA）模型，该模型是基于规模收益不变（Constant Return to Scale，CRS）假设的，即CCR 模型。随后，Banker 等（1984）提出基于规模收益可变（Variable Return to Scale，VRS）假设下的DEA模型，即BCC 模型，从而将规模效率和技术效率的概念分开。假设有n个决策单元（Decision Making Unit，DMU），即第j个DMU可表示为DMUj（j=1，2，…，n）。每个DMU使用m种投入指标，生产出s种产出指标，则投入向量Xi=（x1，x2，…，xm）（i=1，2，…，m），DMUj的第i个投入可表示为xij，产出向量Yr=（y1，y2，…，ys）（r=1，2，…，s），DMUj的第r个产出可表示为yrj。假设要对第d个DMU进行评价，则被评价决策单元可以表示为DMUd。

加性DEA 模型虽然可以同时评价投入和产出的效率，但往往存在着由于指标间量纲不一致导致计算结果不合理的情况，Tone（2001）提出可以解决指标间不同量纲问题的基于松弛的模型（Slack Based Measure，SBM）。Sharp 等（2007）提出了修正的SBM 模型，在目标函数中采用被评价DMU各项投入或产出最大可能的改进值（Range of Possible Improvement，RPI）作为计算其无效率程度的分母，即MSBM（Modified Slack Based Measure）模型。与SBM 模型相比，该模型允许投入和产出指标中包含负数，并且适用于VRS 模型。

由于有效的效率值无法进一步区分，Andersen和Petersen（1993）提出超效率模型。基于MSBM 模型及超效率思想，VRS 假设下的Super-MSBM 模型构建如下：

Fried（2002）指出环境因素和随机噪声对决策单元效率评价的影响在传统DEA 模型中没有被剥离和剔除，其随后发表的文章探讨了如何消除这一影响，这一模型被国内学者称作三阶段DEA 模型。本文将三阶段DEA 与Super-MSBM 模型结合使用。第一阶段使用原始投入产出数据，利用Super-MSBM模型进行初始效率评价。第二阶段主要关注第一阶段中投入变量的松弛变量，使用随机前沿分析法（SFA），调整各决策单元的原始投入值，以便将所有决策单元调整于相同的外部环境中。第三阶段则运用调整后的投入变量，再次利用Super-MSBM 模型测算各决策单元的金融支持效率，剔除过环境因素和随机因素的影响，此时的测算结果更加真实准确。

（二）构建指标体系

本文借鉴国内外学者的研究经验，将金融支持效率的内涵界定为企业以最低的成本有效筹集、配置金融体系提供的产业发展资金，支持企业运营，使得绩效产出最大化，进而促进整体产业发展的效率。金融效率评价本质上是分析金融投入与产出之间的关系，以揭示金融资源配置的“黑箱”。本文根据金融内生理论，结合资本法、生产法选取以下指标。

投入指标选择资产负债率、流通股比例及内部资金支持率。前两个指标分别表示以银行为代表的间接金融支持和以资本市场为代表的直接金融支持。此外，随着企业经营利润的不断积累，自身也将未分配利润投入再生产，实现企业的可持续发展。因此，本文创新性地加入了内部资金支持率，旨在反映企业经营利润再投入对企业支持效果。产出指标选取净资产收益率、主营业务收入增长率及托宾Q值。前两个指标分别衡量分别代表物联网产业的成长能力和获利能力。加入托宾Q 值则是为了更好地衡量公司的绩效。

金融支持效率的测度会受到一些环境因素的影响，包括宏观经济情况和国家政策等，这些因素对于不同企业的影响不尽相同。本文选取企业所在省份生产总值和所在省份金融业增加值作为环境变量，分别代表经济发展水平以及金融市场发展情况，以期消除地域生产要素丰富程度不同所带来的影响。此外，加入税费返还和筹资活动现金流入作为环境变量。税费返还能够很好地反映政府税收优惠政策的影响，而筹资活动现金流入这一指标则有助于分析各项金融服务支持所带来的综合影响。

（三）样本选取及数据处理

本文拟选取物联网上市公司作为研究对象，然而学界尚未形成物联网产业界定的统一标准，因此，首先在新浪财经、同花顺等门户网站手动检索物联网概念板块得到最初样本，随后根据公司的招股说明书进行二次筛选，选取的公司需满足主营业务为物联网关键技术或产品的条件，最终筛选出了150 家物联网上市公司作为研究样本。样本公司2015—2019 年的相关数据来源于国泰安中国经济金融研究数据库（CSMAR）及色诺芬经济金融研究数据库（CCER）。

DEA 的非参数前沿决定了，异常数据可能会导致大量异常结果出现。因此本文首先将指标数据代入超效率Super-MSBM 模型进行测算，结果显示有5 家公司的效率值异常，予以剔除，最终样本包括145家物联网上市公司。此外，目前运用三阶段DEA 分析的相关文献大多没有对环境变量数据进行标准化处理，只有小部分文献进行了尝试。本文根据实际情况选择先对环境变量数据进行标准化处理，以提升结果系数数量级。

四、实证分析

（一）第一阶段

在不考虑环境因素的前提下，将2015—2019 年样本公司相关数据代入Super-MSBM，运用Maxdea 8.0 Pro 软件进行测算，得出我国145 家物联网上市公司样本期内的金融支持效率评价结果，2015—2019年效率值均值分别为0.710、0.624、0.662、0.651、0.642。总体来看，金融支持效率大致保持平稳，不过仍存在一定的提升空间。仅有小部分公司的效率表现在5 年中一直处在相对有效的区间，金融资源的筹集、配置较为科学合理。鉴于结果可能受到环境因素和随机变量的影响，本阶段的初步测算可能与最终结果有一定的偏差。

（二）第二阶段

为消除环境变量与随机因素的影响，以第一阶段分析中三个投入变量的松弛分别作为因变量，以经济发展水平、金融市场发展情况、税费返还、筹资活动现金流入为自变量构建随机前沿函数，利用Frontier 4.1 软件进行SFA 分析，结果如表1 所示。

从表1 结果得知，LR单边检验的结果均大于1%显著性水平下的临界值，因此可以认为管理无效率项存在，随机前沿函数设定合理有效。同时，gamma值均趋近于1，这表明的确存在环境因素对产业金融支持效率产生干扰，有必要通过公式对投入值进行调整。对于四个环境变量的分析如下：

表1 SFA 分析结果

1.经济发展水平。所在省份生产总值对资产负债率、流通股比例松弛值的回归系数都为正数，即地方经济发展水平的提高能够使企业得到更好的直接及间接金融支持，减少投入冗余，从而有效提升产业的金融支持效率。

2.金融市场发展情况。地方金融市场发展情况与流通股比例、内部资金支持率松弛变量的回归系数为负，且都在1%的水平下显著，而对资产负债率松弛变量不显著。这是因为银行等金融机构有时无力承担新兴产业的高风险，物联网产业还是更多依靠政策性金融，在融资困难时会利用直接融资的方式。

3.税费返还。税费返还对于资产负债率及内部资金支持率松弛呈显著负相关，这表明政策中的税收减免工具没有降低流通股比例的冗余量，但降低了资产负债率和内部资金支持率的冗余。税费返还的增多，能够在一定程度上提升企业对投入资源的利用效率。但有时企业收到资金后，并没有按照既定标准去使用，激励效果没有达到预期。

4.筹资活动现金流入。筹资活动现金流入与资产负债率、流通股比例的松弛变量在1%的显著性水平下显著相关，且回归系数为正。这表明政府利用各类政策工具所提供的的金融服务支持反而增加了投入的冗余。原因在于我国物联网产业发展仍依靠国家导向模式，企业虽然能在短期内获取大量的金融资源，但缺乏对资金的有效管理与配置，因而整体效率低下。

（三）第三阶段

根据第二阶段的分析结果，环境因素和随机变量都对投入松弛变量产生了一定的影响，为了避免处于不同环境下的样本企业被高估或低估，调整原始的投入值，使所有样本企业处于同一环境下，再次利用Super-MSBM 模型进行测算，分析样本企业的金融支持效率。将第一、三阶段的测算结果汇总如表2 所示。

表2 第一、三阶段金融支持效率测算结果对比

总体而言，5 年间效率均值呈现先下降后回升的“U 型”趋势。2015 年的测算结果表明我国自2009年以来一系列聚焦物联网行业发展的重大战略政策具有一定成效，相关配套投融资政策的出台也为行业发展提供了稳固的金融支持。然而2016—2018年间，整体效率均值出现下降趋势。究其原因，我国物联网上市公司在国家政策推行初期，发展资金充裕，可能进行了规模的扩张。而在后期政策支持力度减弱时，出现规模效率下降的情况。2019 年，随着各地对于“十三五规划”的陆续落实，产业发展前景向好，提振了市场信心，整体金融支持效率有所提升，但仍有较大的进步空间。

细看各样本公司的金融支持效率，每年仅有10家左右的公司能够实现效率的相对有效，大多数公司与效率最优的公司仍有一定的差距。同时，大于效率均值的公司数量并不多，其中处于“生产前沿面”上的公司大大拉高了金融支持效率的均值，部分公司存在低于0.5 的低效率情况。一方面，公司融资能力弱，在金融市场良好发展的情况下也难以得到支持；另一方面，公司对于获取的各类金融资源，没有进行合理地配置，内部资金管理能力有待增强。

为了更直观地展现样本公司在调整前后的金融支持效率变化情况，计算各公司5 年内的金融支持效率平均值，并绘制成散点图，具体如图1 所示。与调整前相比，多数物联网上市公司的金融支持效率都有一定的下降，只有7 家公司的金融支持效率在调整后提升。这说明所剔除的环境变量显著正向影响了物联网上市公司所获取的金融支持效率。而各公司之间的差距在于能否在政策激励逐步减弱之后，合理配置资金，不断扩大发展规模。效率排序也可以作为一项参考，低效率公司应据此选取合适的学习对象，优化资源配置，提升经营效率。

图1 调整前后样本公司金融支持效率值均值分布图

五、结论与建议

本文将三阶段DEA 与Super-MSBM 模型相结合，选取145 家物联网上市公司为样本，测度我国物联网产业金融支持效率。结果显示：第一，2015—2019年我国物联网产业金融支持效率均值呈先下降后回升的“U 型”趋势，整体效率不高，仍有较大的提升空间。第二，仅有少数公司的金融支持效率能够达到相对有效，各公司之间效率水平差异较大，不少公司甚至存在效率小于0.5 的情况。第三，经济发展水平、金融市场发展情况、税费返还、筹资活动现金流入这四个环境变量总体上对我国物联网金融支持效率产生正向影响。为进一步促进金融供给资源配置，提升物联网产业的金融支持效率，本文给出如下建议。

（一）发挥政府引导作用，优化产业发展环境

实证第二阶段所选取的环境变量对金融支持效率产生了显著的正向效应，因此构建一个良好的发展环境至关重要。政府应该完善支持物联网产业发展的财政投资体系，不断加大财政投入。在确保支持资金量的基础上，还要注重选取合理的扶持方式，调整财政投入结构，立足产业发展的不同周期，综合运用直接拨款、间接投资等方式扶持，重点加大对于基础设施建设、前沿科技的资金支持。

与此同时，政府也可以出台相关政策，引导和带动社会资本投入，例如，强化风险投资这支投资力量。相较于银行等传统金融机构，风险投资的逐利性和风险偏好使其愿意为物联网产业实施投资。政府可以探索搭建风险投资与物联网公司间的沟通平台，减少信息不对称性，也应健全风险投资制度建设，完善利益保障、海外市场拓展等制度设计，为风险投资创造更加宽松的环境。

（二）完善多层次资本市场，创新金融服务方式

发达国家的资本市场往往具有多元层次、板块互通的特点，这就使其能够全方位、多层次地给予产业中长期的金融支持。因此，要进一步完善资本市场运作体制，降低准入门槛，加大主板市场的交易流动性，持续完善创业板功能。同时，积极发展场外交易市场，给予场外交易升板动力，拓宽物联网各规模企业的资金筹集空间。

目前，银行等金融机构提供的间接金融支持也是企业资金来源的重要途径。一方面，要积极推动针对物联网产业发展的金融产品和服务创新，结合物联网企业的自身优势，推出适宜的证券化金融工具，探索创建联贷联保贷款业务，整合企业力量抱团贷款。另一方面，要建立健全物联网企业信贷管理体制，形成科学合理的贷款评估体系和信用评级制度，提升金融市场透明度，促进合理放贷、积极还贷的良性循环。

（三）企业优化资源配置，增强经营管理水平

物联网企业自身需适时选择融资方式，在行业趋势、经济形势、国家政策的不断变化中实现融资方式和结构的动态调整，同时将资本运营向金融领域拓展，实现金融资本和产业发展资本的双向衍生。只有科学地利用融资工具才能让金融供给资源得到更好的配置和利用。

此外，根据实证研究结果，很多企业即使有足量资金融入，也很难做到高效利用。因此除了外部的资金支持体系，物联网企业内部的经营管理水平也至关重要。低效率企业应借鉴学习优秀企业的管理理念，与高校以及科研机构合作，吸纳发展建议和技术指导，建设信息平台，实现内部资源的透明化、高效化使用，不断缩小与高效率企业之间资金筹集、利用效率的差距。