新三板创新层企业股权融资效率研究

汤新华 汤伊铃

【摘 要】 深化新三板改革是完善多层次资本市场体系的重要内容，对促进科技与资本融合具有重要意义。为探究新三板分层后，创新层企业的股权融资效率是否有所提高，选取2017年定向增发的新三板创新层企业为研究样本，运用因子分析法、数据包络分析法及DEA-mlamquist模型，研究其在2016—2020年定向增发前后的效率变化。研究结果显示：新三板在分层后，创新层少数企业的融资效率略有提升，但大部分仍处于非有效状态，股权融资效率并没有因此而提高。最后根据指标的松弛变量，从投入冗余和产出不足两个方面分析创新层企业股权融资效率低下的原因并提出相关建议。文章的创新之处在于：在选取研究样本时，剔除了多次融资对效率的影响；使用因子分析法将多个原始指标做降维处理，并将提取出的公因子作为研究的产出指标，这样可以更全面地反映出挂牌企业的融资效率。

【关键词】 新三板； 创新层； 股权融资效率； 因子分析法； 数据包络分析法； Malmquist指数模型； 定向增发

【中图分类号】 F275.1  【文献标识码】 A  【文章编号】 1004-5937（2023）01-0037-10

一、引言

新三板市场于2013年底正式接受全国中小企业挂牌申请，为无法顺利上市的众多中小型企业创造了融资机会和途径，提供了发展空间，在一定程度上解决了当前中小企业融资难的问题。新三板市场虽然起步晚，但受到了许多投资者及证券公司的追捧，该板块的规模不断扩大，挂牌公司的数量也在一直增加，故新三板市场在北京证券交易所设立之前成为了全国第三大证券交易所。由于在新三板挂牌的门槛相比其他板块要低，市场上的企业鱼目混珠，投资者往往无法辨别优质的企业，于是自2016年6月起，新三板开始采用分层制度，将市场分为创新层和基础层，具有资格的企业进入创新层，将未达到标准的企业纳入基础层，对其交易、发行以及信息披露等方面都进行差异化安排和管理，这样有利于引导挂牌企业实行投融资精准对接。

二、文献回顾

目前，国内外已有诸多学者对融资效率问题进行了研究。通过查阅文献不难发现，西方学者侧重于研究融资结构与融资效率之间的关系，而国内的学者则更擅长通过实证分析对企业的融资效率进行研究。

Fama（1970）就有效市场理论定义了三种水平的市场效率，从此开辟了西方市场效率的研究。随后，Jensen和Meckling（1972）的代理理论以及Leland（1977）的优序融资理论相继提出，有助于融资结构理论的进步与完善。Hogan et al.[1]通过实证分析发现，相对于债务融资，科技型企业更加愿意选择股权融资，而且不同的融资决策将导致不同的融资效率。Suyanto et al.[2]曾运用DEA-Malmquist指数模型对不同行业的效率变化进行实证分析。

国内对融资效率的研究较为丰富，数据包络分析法、熵值法和因子分析法等都可以实现对企业融资效率的研究，其中，数据包络分析法是国内学者最常用的方法，由于该方法无需构建特定的函数，故相比于其他方法更具客观性与真实性。王重润等[3]运用数据包络分析法研究企业在2013—2015年的融资效率，得出多数企业处于融资非有效状态的结论。杨国佐等[4]采用同样方法研究597家挂牌企业2012—2014年的融资效率。林妍等[5]運用数据包络分析法中的BCC模型分析并研究科技企业的融资效率。王伟等[6]运用DEA模型通过横向对比与纵向对比对湖北省科技型挂牌企业进行比较分析。曾雄旺等[7]也运用此模型研究政府补助对融资效率的影响。在DEA模型的基础上，学者研究出了DEA-Malmquist动态指数模型，相比于前者，该模型可以实现企业效率变化的动态分析。肖雅等[8]运用DEA模型对新三板高新技术企业2014—2016年的融资效率进行静态分析，同时使用了Malmquist模型对其进行进一步的动态分析，研究其融资效率的变化趋势。吴阳芬等[9]将DEA模型与Malmquist指数模型相结合，对新三板的中小型企业实行了静态评估和动态分析。桂嘉伟等[10]运用三阶段DEA模型以及Malmquist指数模型对248家样本企业2015—2017年的融资效率进行研究，并提出财务风险与融资效率之间的关系。杜丽[11]同样运用三番式数据包络分析法对新三板企业的融资效率进行研究，结果表明企业在分层实施后效率有所提升，但总体融资效率水平还是差强人意。王文寅等[12]和曹翠珍等[13]也使用了Malmquist指数模型分别对物流企业和商业银行的融资效率进行动态分析。

纵观现有的研究成果，既有的文献已对新三板挂牌企业的融资效率进行了研究，但在研究范围和指标选取这两个方面，仍存在需要深入探索和分析的地方：从研究范围来看，大部分文献未考虑市场分层对企业的影响，将不同层次的企业一同进行研究，且较多学者在研究时，未剔除多次融资对效率的影响，这样无法真实地体现出分层后的融资效率；从指标选取来看，大部分学者在选取DEA模型的投入产出指标时，仅选择几个具有代表性的指标，这样未必能全面地反映融资效率。

三、新三板分层对企业融资效率的影响

（一）激励企业提升自身实力

分层制度实施后，不同层次的挂牌企业会被进行区别管理，达标的优质企业进入创新层，未达标的企业则留在基础层，实现了一定程度上的优胜劣汰，进入创新层的企业在信息披露方面更加规范、全面，所以创新层的挂牌企业更受投资者的青睐，融资相对容易，这样扩大了不同层次的企业流动性的差异，对基础层的企业起到了激励和引导的作用，形成了无形的高效竞争机制，有利于带动企业提高自身的经营能力和内部管理水平，从而提升融资效率。

（二）增强该板块市场活跃度

新三板企业入市门槛低、信息披露不规范，投资者因害怕风险而不敢投资，市场活跃度低。实行市场分层制度后，优质的挂牌企业可以脱颖而出，这降低了投资者进行信息收集及处理的各种成本，为其决策提供了价值参考标准，进而激发了投资者投资交易的积极性，市场上定增次数、交易金额和交易次数都有了明显的提升，增强了新三板市场的活跃度，从一定程度上改善了部分企业融资渠道窄、融资成本高等问题，融资规模和效率也会随之提升。

四、研究设计

（一）研究思路

将因子分析法和数据包络分析法（DEA）相结合，利用因子分析法将产出指标进行降维，然后运用DEA模型分别计算出新三板创新层的挂牌企业2016年（融资前一年）、2017年（融资当年）、2018年（融资后第一年）、2019年（融资后第二年）和2020年（融资后第三年）的效率，并运用DAE-Malmquist指数模型从动态的角度分析企业融资前后的效率变化。

（二）样本选取及数据来源

新三板企业筹资的方式有定向增发、股权质押及发行债券等，其中定向增发是挂牌公司常用的融资方式，因为与其他融资方式相比，实行定向增发获得的资金规模较大，且融资要求也低，企业更易获得资金，因此本研究仅考虑定向增发这种融资方式。

由于挂牌企业在经过市场严格规范的分层筛选后，创新层企业可从挂牌公司中脱颖而出，相比较于基础层，这些企业更容易获得投资市场的青睐，更易筹集资金，所以在此背景下，选取在市场分层后第一年，即2017年，进行定向增发的创新层挂牌企业为样本，由于市场分层时间为2016年年中，为真实地体现分层后的效率，故选择2017年的企业为样本，研究其股权融资效率，并为了确保研究结果的准确性，做了如下筛选：（1）剔除进行多次融资的公司，即在2016年、2018年、2019年和2020年进行过融资的公司，以消除多次融资对效率的影响。（2）剔除金融类公司，基于金融类公司脱离了实体经济，而且相比较于其他类型的企业，现金流较大，所以其财务指标与其他行业的财务指标不可比。（3）剔除ST类公司，由于该类企业的运营状况不佳，财务指标异常，不具备普遍性，所以将其剔除，避免影响研究结果。（4）剔除财报数据缺失的公司。

经过筛选，最终选取新三板创新层的134家挂牌公司为研究样本。研究所使用的所有原始数据均来自全国中小企业股份转让系统网站、Wind数据库和同花顺网站。

（三）实证分析

1.因子分析法

（1）选取指标

在使用数据包络模型以及Malmquist指数模型对企业的融资效率进行研究时，选取的指标不同，产生的结论也可能会随之不同，所以指标的选取会对最终的研究评价结果产生重要的影响。选取何种指标才能使相关研究结果更为准确，目前学术界尚未达成统一标准。故为了准确体现企业的融资效率，在选取投入指标时，参考了其他学者的研究成果，并综合考虑数据收集可行性等问题，选取了四个指标为DEA模型的投入指标，分别为：X1（资产总额），该指标可体现企业的融资规模，因为不管企业使用哪种融资方式，其总资产都会随着融资扩大；X2（资产负债率），该指标可体现企业的融资结构与融资能力；X3（营业成本），该指标可以体现企业融资后资金的使用情况及效率；X4（财务费用），该指标是指企业为获得生产经营所需要的资金而产生的开支，体现了融资的成本。在选择评价企业融资效率的产出指标时，应该考虑其对资金的使用效率、市场表现、发展能力和清偿能力等方面，因此参考了前人的研究结果，为了体现企业的盈利能力、偿债能力、成长能力和营运能力，选取了以下指标作为DEA模型的产出指标，见表1。

（2）因子分析适宜性检验

利用SPSS 26.0软件对产出指标进行KMO检验和巴特利特球型检验，KMO检验的统计量为0.638（＞0.6），巴特利球形检验的显著性水平为0.000（＜0.05），说明原始变量间存在较强的相关性，选取的产出指标适合做因子分析。

（3）提取公因子

降维后共筛选出4个主成分，累计方差贡献率达83.806%，说明这4个因子可以解释大部分原始变量，经过分析，本文将提取出的4个主成分分别命名为：Y1（盈利因子）、Y2（偿债因子）、Y3（成长因子）、Y4（营运因子）。

（4）因子得分

通过成分得分系数矩阵，建立4个因子的因子得分函数，计算出4个因子的得分，得分系数矩阵如表2。

2.数据包络分析法

数据包络分析法，即DEA模型，它是由线性规划以及数据模型共同构建而成。该方法分为两个模型，分别是CCR模型和BCC模型。

由于BCC模型不仅可以测定企业的综合效率，还能实现纯技术效率以及规模效率的测量，且该模型是基于规模报酬可变的假设，克服了CCR模型的缺陷，故选择BCC模型研究企业的融资效率。

DEA模型的评价步骤：

（1）对该模型的投入、产出指标以及评价对象进行确定。上文已提及，该模型选取的投入指标为：X1（资产总额）、X2（资产负债率）、X3（营业成本）、X4（财务费用）；选取的产出指标经降维，最终提取四个公因子为：Y1（盈利因子）、Y2（偿债因子）、Y3（成长因子）、Y4（营运因子）；评价对象为在2017年进行定向增发融资的134家新三板创新层挂牌公司。

（2）预处理数据。该模型要求所有数据非负，故需对数据进行无量纲化处理。对所有数据进行如下处理：

X？觹=0.1+0.9（X—Xmin）/（Xmax—Xmin），X∈N

Y？觹=0.1+0.9（Y—Ymin）/（Ymax—Ymin），Y∈N

其中，X为投入指标进行处理前的原始数据，Xmax、Xmin分别是该组样本的最大值和最小值。Y是产出指标进行数据处理前的原始数据，Ymax、Ymin分别是该组样本的最大值和最小值。经过统一处理后，所有数据均达到了非负性的要求。

（3）建立BCC模型进行检测，本文借助DEAP 2.1软件进行测算，分析结果如下：

①效率分布

由表3可知，进行定向增发之前，创新层的挂牌企业中有14家（占总体10.45%）达到综合效率有效的水平，即综合效率值为1，这些企业也同时实现了纯技术和规模有效，其松弛变量的值均为0，说明其投入和产出达到了最佳比例，即投入实现了最小化，没有冗余的现象，产出也实现了最大化，不存在短缺的情况，但这些企业仅占少数。进行定增后，达到融资有效的企业更少，2017年、2018年综合效率为1的企业分别有13家（占总体9.70%）、12家（占总体8.96%），这归因于处在（0.5，0.8）这个区间的企业数量有所增加，说明融资后部分企业的效率降低了。至2019年，处于有效状态的企业数量略有回升，有14家，约占10%左右，但综合效率值大于0.8的企业在减少，说明许多企业都从有效或弱有效状态中脱离，向较无效的方向发展，大部分的企业效率在降低。2020年，融资有效的企業持续增加至17家（占总体12.69%），处在（0.5，0.8）这个区间的企业也在增加，说明至2020年企业整体的融资效率有所上升。虽然这些企业没有达到最佳融资状态，但在一定程度上有合理地规划利用筹集的资金，距离最优状态不远。总体来看，企业在融资后的初期效率是较低的，处于有效状态的企业持续减少，尤其在2018年，不仅达到有效状态的企业最少，融资效率低于0.5的企业也是五年中最多的。至2020年，效率低下的情况有所改善，部分企业的效率有所提升，但即便如此，大部分企业还是处于无效状态。由此可见，实行定向增发后，大部分企业的效率并没有得到改善，且融资前后均有超过85%的企业没有达到有效状态，整个创新层融资效率存在较大的提升空间。

达到纯技术效率有效的企业，2016—2018年期间逐年减少，数量占比由61.94%降至48.50%，说明这段时期新三板企业的经营管理能力和技术水平在不断降低，这可能与当时宏观的经济环境有关，近年来国内经济持续放缓，市场需求有所下降，市场需求不足就直接削弱了许多中小型企业研发的积极性，导致企业缺乏核心竞争力，所以企业应该加强技术创新，提高其自主研发能力；与此同时企业还应改善其管理模式和治理结构，因为新三板的企业大多为中小型民营企业，股权主要掌握在出资人手中，企业的所有者和经营者为同一人，在管理层次较少的情况下，企业难以实现高效的内部控制和管理，不利于纯技术效率的提升。2018年之后达到纯技术效率有效的企业有所增加，2020年增加至81家，占总体的60.45%，与2016年的情况相近持平。2016—2020年，达到纯技术效率有效但规模效率无效的企业分别有69、57、53、61和64家，每年都超过总数约40%，说明创新层有不少企业存在这种状况：合理地使用筹集的资金，也达到了产出最大化，且公司内部管理有效，但之所以无法实现综合效率有效，其原因是企业的规模和投入产出并不相符，所以这一类企业可以通过调整规模提高综合效率。纯技术效率体现的是一家公司的管理能力和技术水平，2016—2020年这段观察期内，虽然纯技术效率有效的企业数量有所降低，但处在效率较低位置的样本企业数量不多，每年均有超过90%的企业其效率值大于0.8，说明绝大部分企业的纯技术效率都处在较高的水平，这也符合新三板创新层企业的定位，新三板大多为高成长的科技创新型企业，其研发投入较高，所以技术水平普遍不会太低。总体来看，创新层达到纯技术效率有效的企业略有减少，融资后只有大约一半的企业处于有效状态，可见大部分企业的管理能力和技术水平仍存在一定的不足，有待进一步完善和提高。

实现规模效率有效的企业占比不大，2016—2020年，达到有效的企业分别有14、13、12、14和18家，总体变化不大，规模效率表示的是企业当前规模对融资效率的影响，说明这些企业投融资都与公司规模基本匹配。融资后，有超过50%的企业规模效率值均大于0.8，说明有近一半的企业处于较有效状态，对于这部分企业而言，其规模效率虽接近前沿面，但仍未达到最优经济效益的合理规模，可能是由于其投入并未达到最小化，与公司规模不匹配，造成这一现象的原因可能是新三板融资门槛低，企业更易获得资金，所以大多数挂牌公司往往没有按照实际投资需求确定筹资的数额，在融资过程中存在一定的盲目性，这样容易造成资金闲置、使用效率低等问题，企业可适当地缩小融资规模以提升其效率。

②效率均值

由表4可知，创新层挂牌企业在2016—2020年综合效率的均值分别为0.846、0.763、0.796、0.802和0.879，相比于融资前，效率有所降低，且2017年和2018年的效率值低于0.8，可见在融资后的初期，创新层样本企业融资效率水平处在较低的位置，2018年后效率值开始回升，至2020年超过了融资前的水平，但每年均未达到1，说明整体来看融资是处于非有效状态。在观察期内，纯技术效率的变化呈U型，先下降后上升，每年的效率值均大于0.9，但距有效的水平还有一定距离，纯技术效率虽没有明显的波动，但相比于融资之前都有所下降，尤其是在2018年，效率值跌落低谷，该年的规模效率有所提高，说明2018年综合效率的略微提升是由于规模效率的带动。在这五年期间，规模效率均值分别为0.885、0.807、0.852、0.847和0.926，波动较大，2017年规模效率降低至0.807，五年中最低，下降幅度大于纯技术效率的降低幅度，该年综合效率值也跌落至0.8以下，从综合效率的构成来看，说明2017年企业融资效率低下主要是受到了规模效率的制约。总体看来，大部分企业的投入资金并没有在最大程度上被利用，企业想要提升融资效率，不仅应该从纯技术效率方面入手，还要兼顾规模效率，通过改进技术、调整规模等方式改善融资效率不理想的情况。

③规模报酬分布

由表5可知，规模报酬递增企业的数量总体没有较大变化，前四年徘徊在120家左右，2020年略有降低，但每年均有超过80%的企业处于规模报酬递增的状态，说明大部分企业都处在早期的发展阶段，急需规模扩张，这似乎也符合新三板大多数挂牌企业的共同特点，这些企业往往需要通过融资的方式进行相关的研究开发或维持经营活动，以实现企业迅速发展，融资可能无法满足其发展需要，所以这些企业可以通过兼并重组或再次融资等方法，进一步扩大公司规模以提升效率。融资后，处于规模报酬递减的企业先是增加后减少，至2020年又有所增加，这些企业的产出增加值小于投入值，可能是由于此类企业一味追求生产规模和市场占有率，导致其没有对筹集的资金进行及时有效的协调，所以这些企业应该适当地去其产能，压缩公司的规模。总体来看，融资后，创新层企业的规模报酬分布没有出现较大的变动，处于规模报酬不变的企业略有增加，但每年占比仅约10%左右，这表明，只有少数企业处在有序的状态，大部分企业规模还是处于不足或饱和的阶段。

3.DEA-Malmquist模型

Malmquist模型用于评价技术效率变动（Effch）、技术进步变动（Techch）和全要素变动（Tfpch）间的关系，若评价对象的规模報酬处于可变状态，则可将技术效率变动进一步分解为纯技术效率变化（Pech）和规模效率（Sech）。具体的关系式如下：

Tfpch=Effch×Techch=Pech×Sech×Techch

在研究新三板融资效率的过程中，只使用DEA模型，静态地比较企业不同年份的指标和效率，并不能深入分析企业融资前后效率的变化情况，所以还需使用DEA-Malmquist指数模型对2016—2019年企业融资效率的变化过程进行进一步动态分析。借助DEAP 2.1软件，效率值的具体测算结果如表6。

由表6可知，从均值上看，2016—2020年，全要素生产率的均值为1.106，说明在这段时期内，创新层挂牌企业的融资效率整体是提升的，增幅为10.6%。将全要素生产率分解后，可知技术进步变化值为1.096，增幅为9.6%，这意味着生产前沿面向着高水平的方向略微进行了移动，即整体的技术水平在提升；再看技术效率值为1.009，也大于1，但增幅不大，整体平均仅提升了0.9%，说明企业与前沿面之间的距离缩小了，由三者的关系可知，全要素生产率的提升是由技术效率和技术进步共同贡献所致，但技术进步的上升幅度大于技术效率，故效率的提升主要是由于技术进步的带动。技术效率的变化取决于纯技术效率和规模效率的变动，将技术效率分解可知，纯技术效率值小于1，下降幅度为0.3%，说明2016—2020年这段时期内，企业整体的管理能力在降低，且在技术创新方面没有取得突破性的进展；规模效率值为1.011，大于1，说明规模效率提升了1.1%，由此可见，技术效率的提升是由规模效率的提高引起的，在这过程中纯技术效率拖了后腿，但规模效率的提升足以弥补纯技术效率的下降，所以技术效率并没有随之降低。

从纵向上看，在四个环比观测期内，全要素生产率的变化呈先下降后上升的趋势。在第一个观测期内，全要素生产率大于1，技术进步值为1.221，也大于1，说明在第一个观测期内，技术进步是全要素生产率提升的关键原因；技术效率值为0.895，小于1，说明在该期间内，融资机制不够完善，风险管理也没有到位，这段时间股市过热，带动了许多企业进行投资，使其资金使用效率低下，进而影响到融资效率，这意味着融资机制对融资效率的影响起着重要作用。在第二个环比观测期内，全要素生产率为0.843，相比第一个观测期有明显降低，这很大程度上是源于技术进步的制约，说明这段期间内企业技术在衰退；技术效率值为1.044，大于1，表示技术效率的提升无法去除技术进步下降的影响，将技术效率分解后可知，该指标的上升得益于规模效率的提升。在第三个观测期内，全要素生产率开始回升，甚至高于第一个观测期的数值，分解该指标可知，技术效率值与技术进步值均大于1，说明技术效率和技术进步均有所提升，技术进步提升的幅度大于技术效率，说明效率的提升主要是由技术进步作用所致。在最后一个观测期内，全要素生产率持续上升至1.301，且四个分解因素的值均大于1，说明全要素生产率的良好表现是受到了技术效率值和技术进步值共同的影响。

（四）结果分析

总体来看，新三板创新层挂牌企业2017年定向增发融资的整体效率并不高。虽然在融资后，部分企业的效率有所上升，但还是有将近90%的企业处于无效状态，说明筹集到的资金并没有进行充分的利用，企业可以采取调整规模、改良技术或改善内部管理等方式提高融资效率。从规模报酬分布上看，整体变动不大，大部分企业还是处在规模报酬递增或递减的状态，说明创新层的大部分企业都没有通过融资改善其生产规模，未能达到最佳状态。从Malmquist指数动态分析来看，融资效率自2018年后略有上升。

五、融资非有效分析

为了对样本企业股权融资效率低下的原因进行具体分析，由此借助DEAP2.1软件计算出了各投入产出数据的松弛变量。若投入与产出的松弛变量都是0，则表示该企业投入已达到了最小，无冗余，产出也实现了最大化，无短缺；若输入指标的松弛变量不为0，则说明投入存在冗余，公司需要减少投入以此提高效率。若输出指标的松弛变量不为0，则说明产出没有最大化，存在短缺，企业应该提高产出进而提升效率。对该模型的投入和产出指标的松弛变量的统计分析见表7。

（一） 投入指标分析

由表7可知，从投入的角度看，资产总额和营业成本冗余的比例较低，财务费用的冗余程度在融资后有所改善，存在资产负债率冗余的企业一直较多，比重超过70%，表明企业资产负债结构不合理是导致融资效率低下的主要因素。企业应理性、充分地研究各个时期的融资需求，科学合理地设置债权融资比例、股权融资比例和长短期融资比例，在保证公司造血功能、留存收益提取不断上升的同时，提升内源融资的比例，备足自主操控资金，以此面对突发的状况，通过采取多样化的筹资方法来降低融资风险，形成多样化的资本结构，降低资产负债率。

（二） 产出指标分析

由表7可知，从产出角度分析，成长因子产出不足的企业较少，大部分企业在成长能力方面都表現不错。盈利因子和营运因子产出短缺的比例不是很高，但程度不稳定，波动较大，说明企业在盈利能力和营运能力两方面不是很稳定。盈利能力不稳定，其一是由于新三板的挂牌标准低，对入市的公司没有盈利方面的要求，所以挂牌企业的盈利能力参差不齐；其二，新三板的企业主要是科创型企业，研发投入较高，研发的过程漫长，公司无法立即将资金转化成自身利润。营运能力不足，一方面是由于新三板挂牌的主要为中小型民营企业，其资金的运营效率较低，所以导致经营存在不稳定性；另一方面，企业融资后其业务总量，公司规模都有所增长，从而使其总资产周转速度放缓，所以公司需要通过提升其资产周转的能力，完善其供应链和存货管理，合理编制生产计划，使企业的生产运营管理体系更加完备，逐渐增强企业的营运能力。另外，偿债因子产出短缺的程度很严重，比例高达80%左右，说明大部分企业偿债能力都较弱，在面临短期或长期债务时不能及时付现进行偿还，这也是阻碍企业提升融资效率的重要原因，所以，这一类的公司都需要努力提升各项资产的质量，以提高其变现能力，同时，也应该科学合理地举债，选用恰当的举债方法，并制订合理、有效的还款规划，降低财务风险。

六、研究结论与相关建议

（一）研究结论

通过运用数据包络模型、Malmquist指数模型等对新三板创新层企业的股权融资效率进行研究并分析融资非有效的原因，研究结论如下：

1.企业进行定向增发后，部分企业的综合效率有所上升，但大部分企业仍处于无效状态，整体融资效率不高，这归因于纯技术效率和规模效率的低下。

2.处于规模报酬不变的企业较少，大部分还是处在规模报酬递增或递减的状态，说明大部分企业未能通过融资改善其生产规模，且无法将其生产规模控制在合理的范围内。

3.Malmquist指数动态分析来看，融资效率整体上呈略微上升的趋势。

（二）相关建议

基于以上结论，从企业自身和市场政策两个角度提出如下建议：

1.企业自身

（1）合理使用资金，制订详细计划

新三板挂牌的公司多数为初创型企业，缺乏科学的决策机制，投融资时随意性较大，在投资前未对投资项目的可行性进行理性、深入的分析，投资存在一定程度的盲目性，导致没有将筹集的资金进行有效使用。所以企业在投资前应调查并评估投资项目的可行性，制订合理、详细的资金使用计划；投资时专注于主要领域，避免盲目多元化；同时引入资金绩效评估机制，减少大股东的“圈钱”行为，并健全企业内部相关的管理制度，进一步提升资金的综合使用效率。

（2）调整企业生产，保持最优规模

新三板创新层有超过80%的企业处在规模报酬递增的状态，上述公司应该采取再融资或兼并重组等方法，来进一步扩张公司规模以提升股权融资效率；对于处在规模报酬递减状态的公司，压缩规模、去产能是其发展的主要任务，可采取股权回购、分立、出售等方法，压缩公司的规模，以提升股权融资的效率；已达到规模经济的上市企业，可以选择内涵式发展，合理配置公司内的存量资本，以此提升经营效率。总而言之，企业应该结合自身发展情况，理性地决定公司是否需要实施融资，并对新募集资金的运用做出合理、细致的计划，及时调整并合理控制公司的规模，使企业规模保持最佳状态以提升其融资效率。

（3）加大研发投入，掌握核心技术

新三板的创新层企业大部分是科技创新型企业，拥有先进的技术是其发展的动力，是其立足之本。纯技术效率的低下限制了融资效率的提升，说明这些企业缺乏核心竞争力，技术更新缓慢，无法形成企业发展和竞争优势。因此，企业应培养或引进相关研究领域的创新技术型人才，引入股票期权、限制性股票或知识产权入股等人才激励制度；加大研发投入，重视技术创新，参考借鉴其他企业先进的技术成果，并根据自身情况进行整合、改进以及创新，形成特有的先进核心技术。

2.市场政策

（1）完善信息披露制度

市场透明度低，信息披露不完整，会导致信息不对称，从而引发资源错配等问题。相比于其他投资板块，新三板市场不仅对企业挂牌的门槛要求低，对其财报信息披露的规范要求也较为宽松，这使新三板企业在信息披露的完备性、及时性等方面都存在诸多不足，财报质量参差不齐，从而导致投资者无法做出合理的投资决策，或对该板块失去信心不敢参与，最终出现劣币驱逐良币的现象。所以市场需要提高该板块公司信息披露的要求，提升信息披露的质量，使优质的企业脱颖而出，降低投资者的决策成本，促使资金尽可能地流向高效的企业，利用高效良性的市场竞争机制促使企业提高融资效率。

（2）完善转板、退市机制

进入新三板挂牌的标准较低，导致新三板的企业水平不尽相同，没有健全的转板、退市制度，会使连年亏损的企业没有及时推出，优质的企业无法进入创新层。所以各层次都要制定进入和维持的标准，没有达到进入标准的企业，不允许其挂牌，没有达到维持标准的企业，可进行降层处理或进行退市缓冲，给予企业一定的压力，使其规范管理模式，激励其不断发展，促进新三板市场良性循环；通过市场的筛选引导投资者做出正确的投资决策，保护投资人的利益，提高市场的吸引力、活跃度。

【参考文献】

［1］ TERESA HOGAN，ELAINE HUTSON.Capital structure in new technology-based firms：evidence from the Irish software sector［J］.Global Finance Journal，2004，15（3）：369-387.

［2］ SUYANTO，Ruhul A，SALIM.Sources Of productivity gains from FDI in Indonesia：is it efficiency improvement or technological progress？［J］.The Developing Economies，2010，48（4）：450-472.

［3］ 王重润，王赞.“新三板”挂牌企业融资效率分析［J］.上海金融，2016（11）：70-75.

［4］ 楊国佐，张峰，陈紫怡.新三板挂牌公司融资效率实证分析［J］.财经理论与实践，2017，38（2）：48-53.

［5］ 林妍，刘霞.多层次资本市场支持科技企业融资效率研究——基于京津冀的比较视角［J］.会计之友，2019（20）：101-106.

［6］ 王伟，董登新.科技型中小企业新三板市场融资效率分析——基于湖北省企业面板数据的实证研究［J］.证券市场导报，2020（2）：45-51.

［7］ 曾雄旺，唐学思，李志胜.农业上市公司融资效率及政府补助的影响效应［J］.会计之友，2021（23）：58-63.

［8］ 肖雅，郭晓顺.新三板高新技术企业股权融资效率评价［J］.财会月刊，2018（11）：57-61.

［9］ 吴阳芬，曾繁华.我国新三板中小企业融资效率测度研究［J］.湖北社会科学，2019（1）：69-77.

［10］ 桂嘉伟，吴群琪.新三板科技服务企业融资效率与财务风险研究［J］.科技进步与对策，2019，36（12）：115-124.

［11］ 杜丽.市场分层视角下新三板公司融资效率分析［J］.财会通讯，2020（12）：147-151.

［12］ 王文寅，刘佳.多维视阈下物流企业融资效率比较研究［J］.会计之友，2021（6）：73-80.

［13］ 曹翠珍，杜威.我国发行优先股的上市商业银行融资效率分析［J］.会计之友，2021（6）：81-87.