刁俊麗 紀(jì)安琪 王世文*

（蘇州科技大學(xué)）

“智能化”是推動(dòng)企業(yè)轉(zhuǎn)型升級(jí)、加快制造業(yè)企業(yè)高質(zhì)量發(fā)展的重要抓手，是新常態(tài)下打造競(jìng)爭(zhēng)優(yōu)勢(shì)的重要選擇。近10年來(lái)，我國(guó)智能制造產(chǎn)值規(guī)模逐年攀升，發(fā)展至2020年，產(chǎn)值規(guī)模同比增加18.85%；毛利率同比增長(zhǎng)約10個(gè)百分點(diǎn)，有利推動(dòng)了我國(guó)制造業(yè)的發(fā)展。

然而，近5年來(lái)，我國(guó)智能制造上市公司的融資成本有所增加、融資效率整體處于較低水平，且企業(yè)間存在較大差異。融資效率問(wèn)題成為制約我國(guó)智能制造發(fā)展的一大瓶頸。具體來(lái)看，融資成本由2015年的199.18億元增至2019年的255.92億元，增幅達(dá)28.49%。2015-2018年間，部分智能制造上市公司能實(shí)現(xiàn)利息收入覆蓋利息支出，而發(fā)展至2019年，企業(yè)利息支出遠(yuǎn)大于利息收入，融資成本顯著上升。同時(shí)，資金利用率整體處于較低水平，2020年資產(chǎn)收益率均值為6.25%，略高于銀行理財(cái)產(chǎn)品收益率，收益能力欠佳。當(dāng)前，我國(guó)智能制造企業(yè)處于發(fā)展的初期階段，較低的融資效率水平為我國(guó)智能制造企業(yè)的發(fā)展帶來(lái)一定挑戰(zhàn)。為此，探究影響我國(guó)智能制造上市公司融資效率的關(guān)鍵因素，進(jìn)而給出提高企業(yè)融資效率的對(duì)策建議，以期更好地促進(jìn)我國(guó)智能制造企業(yè)健康發(fā)展。

一、文獻(xiàn)綜述

“融資效率”由曾康霖于1993年首次提出，認(rèn)為不同融資方式會(huì)帶來(lái)不同的效率和成本，但未對(duì)融資效率的涵義進(jìn)行明確界定[1]。此后，國(guó)內(nèi)學(xué)者便開(kāi)始對(duì)融資效率的定義進(jìn)行探討，目前對(duì)該問(wèn)題存在三種不同的觀點(diǎn)。第一種認(rèn)為企業(yè)的融資效率僅由企業(yè)的融資行為決定，而忽略了資金在籌集后的運(yùn)用情況[2-3]。第二種觀點(diǎn)認(rèn)為融資效率體現(xiàn)為企業(yè)的資金利用效率[4-5]。第三種觀點(diǎn)則綜合考慮了上述兩種觀點(diǎn)。在上述三種定義中，第三種界定方法的運(yùn)用最為廣泛，本文沿用上述的第三種定義。

在融資效率的分析方法方面，融資效率的分析方法是一種對(duì)企業(yè)進(jìn)行多投入、多產(chǎn)出分析的方法，可分為指標(biāo)體系法和數(shù)據(jù)包絡(luò)分析法（DAE法）。指標(biāo)體系法需要預(yù)先確定各投入、產(chǎn)出指標(biāo)的優(yōu)先權(quán)重，具有極強(qiáng)的主觀性。而DEA法具有客觀性等優(yōu)點(diǎn)，應(yīng)用最為廣泛，故本文采用數(shù)據(jù)包絡(luò)分析法進(jìn)行探究。數(shù)據(jù)包絡(luò)分析法由A.Charnes首次提出[6-7]，F(xiàn)apohunda等（2017）運(yùn)用該方法研究了當(dāng)?shù)刂圃炱髽I(yè)的技術(shù)效率，Ubieta等（2020）使用數(shù)據(jù)包絡(luò)分析模型研究創(chuàng)新對(duì)中小企業(yè)競(jìng)爭(zhēng)效率的影響。國(guó)內(nèi)學(xué)者馬占新、馬生昀等為擴(kuò)大數(shù)據(jù)包絡(luò)分析方法的適用范圍進(jìn)行不斷拓展，目前已形成了較為完整的DEA模型體系。此外，在投入指標(biāo)的選取中，鄒麗群（2021）在運(yùn)用四階段DEA模型探討我國(guó)科技型企業(yè)融資效率問(wèn)題時(shí)，將人力資源納入投入指標(biāo)體系[8]。

有關(guān)融資效率的研究往往伴隨著對(duì)融資效率影響因素的分析。在對(duì)微觀因素的研究中，由于研究對(duì)象為上市公司，影響因素多集中在股權(quán)集中度、融資方式等方面。宏觀影響因素對(duì)于企業(yè)融資效率的影響體現(xiàn)在兩個(gè)方面。一是影響企業(yè)如何融資。二是影響企業(yè)資金的運(yùn)用。

二、實(shí)證分析

（一）指標(biāo)體系的構(gòu)建

目前，DEA法在融資效率測(cè)度中的運(yùn)用最為廣泛，基于該方法具有的客觀性、準(zhǔn)確性等優(yōu)勢(shì)，選取四階段DEA對(duì)智能制造上市公司融資效率及其影響因素進(jìn)行分析。在運(yùn)用該方法分析之前，首先需要構(gòu)建包括投入指標(biāo)、產(chǎn)出指標(biāo)、內(nèi)外部融資環(huán)境變量在內(nèi)的指標(biāo)體系。

1.投入指標(biāo)。投入指標(biāo)體現(xiàn)了企業(yè)經(jīng)營(yíng)和融資的投入項(xiàng)目。在傳統(tǒng)制造企業(yè)向智能制造企業(yè)轉(zhuǎn)型的過(guò)程中，人才缺口十分明顯，借鑒鄒麗群等學(xué)者的經(jīng)驗(yàn)做法，將人力資源作為投入指標(biāo)，并重點(diǎn)關(guān)注研發(fā)人員投入比率。同時(shí)考慮融資規(guī)模、融資成本和融資風(fēng)險(xiǎn)這三個(gè)方面對(duì)企業(yè)的影響，并分別運(yùn)用資產(chǎn)總額、上市公司剔除匯兌損益后的財(cái)務(wù)費(fèi)用、營(yíng)運(yùn)資金予以衡量。

2.產(chǎn)出指標(biāo)。產(chǎn)出指標(biāo)反映融入資金對(duì)企業(yè)生產(chǎn)經(jīng)營(yíng)所產(chǎn)生的效應(yīng)。參考相關(guān)文獻(xiàn)，將營(yíng)運(yùn)能力、盈利能力、發(fā)展能力三方面內(nèi)容作為分析我國(guó)智能制造上市公司融資效率的產(chǎn)出指標(biāo)。

3.外部環(huán)境指標(biāo)。在外部融資環(huán)境方面，選取地方經(jīng)濟(jì)水平或市場(chǎng)需求、地方科技創(chuàng)新及通貨膨脹作為我國(guó)智能制造上市公司融資效率的外部影響因素，并分別用所在省份國(guó)民生產(chǎn)總值、所在省份科學(xué)技術(shù)支出和所在省份居民消費(fèi)價(jià)格指數(shù)來(lái)衡量。

4.內(nèi)部環(huán)境因素。綜合考慮上市公司的融資方式與結(jié)構(gòu)、股權(quán)集中度等內(nèi)部環(huán)境因素，并分別選取資產(chǎn)負(fù)債率、第一大股東持股比例、總市值、流動(dòng)比率對(duì)智能制造上市公司融資方式與融資結(jié)構(gòu)、股權(quán)集中度、企業(yè)規(guī)模、償債能力進(jìn)行衡量，構(gòu)建的指標(biāo)體系如表1所示。

（二）樣本選取與數(shù)據(jù)來(lái)源

智能制造企業(yè)是“實(shí)現(xiàn)制造過(guò)程關(guān)鍵環(huán)節(jié)智能化的企業(yè)”，研究樣本從試點(diǎn)示范項(xiàng)目、標(biāo)桿企業(yè)、中證智能制造主題指數(shù)樣本股中進(jìn)行篩選，綜合考慮樣本的代表性及數(shù)據(jù)的可獲得性，并剔除未上市、ST、＊ST公司、美股、港股及新三板上市公司后，最終篩選出89家智能制造上市公司。其中，中證智能制造主題指數(shù)樣本股來(lái)源于Wind金融終端數(shù)據(jù)庫(kù)，其他數(shù)據(jù)來(lái)源于CSMAR數(shù)據(jù)庫(kù)和CCER經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)。

（三）智能制造企業(yè)融資效率的測(cè)度及外部影響因素

1.數(shù)據(jù)處理。DEA模型要求產(chǎn)出指標(biāo)的數(shù)值與投入指標(biāo)數(shù)值同向變化，而對(duì)逆指標(biāo)而言，投入值的增加會(huì)導(dǎo)致產(chǎn)出值的減小。因此，需取負(fù)數(shù)對(duì)財(cái)務(wù)費(fèi)用進(jìn)行正向化處理，由于DEA模型不接受非正指標(biāo)值，同時(shí)為避免指標(biāo)量綱不一致造成系數(shù)異常等問(wèn)題，需對(duì)原始數(shù)值進(jìn)行標(biāo)準(zhǔn)化處理。利用公式3-1對(duì)投入、產(chǎn)出數(shù)據(jù)及環(huán)境變量數(shù)據(jù)進(jìn)行無(wú)量綱化處理，并有效保留非正指標(biāo)。

2.融資效率的有效性。建立數(shù)據(jù)包絡(luò)的規(guī)模可變（DEA-BCC）模型，借助DEAP2.1軟件計(jì)算出我國(guó)智能制造上市公司在2015-2019年期間的融資效率值，據(jù)實(shí)證結(jié)果分析可得：在89家智能制造上市公司中，實(shí)現(xiàn)DEA有效的企業(yè)占比較低，約占總數(shù)的1/5，而大部分企業(yè)融資效率值處于0.6～1區(qū)間內(nèi)。與此同時(shí)，處于規(guī)模報(bào)酬遞增階段的企業(yè)數(shù)量不到總數(shù)的1/2，說(shuō)明當(dāng)前絕大多數(shù)智能制造上市公司沒(méi)有擴(kuò)大企業(yè)規(guī)模的必要。

3.外部影響因素分析。實(shí)證模型的第二階段，目的是研究外部環(huán)境對(duì)公司融資效率的影響。將投入指標(biāo)的松弛變量作為被解釋變量，將指標(biāo)體系中的三個(gè)外部環(huán)境指標(biāo)作為解釋變量，利用Frontier 4.1軟件并借助SFA模型對(duì)外部因素與投入指標(biāo)冗余值之間的關(guān)系進(jìn)行分析，進(jìn)而研究外部融資環(huán)境對(duì)我國(guó)智能制造上市公司融資效率的影響。

據(jù)回歸結(jié)果分析：在1%的顯著性水平下，LR值大于臨界值，模型設(shè)定合理，估計(jì)結(jié)果整體可以接受。其中大部分參數(shù)的估計(jì)值顯著，表明外部融資環(huán)境和隨機(jī)誤差因素的確對(duì)智能制造上市公司的融資效率具有影響，也證明剔除外部因素的必要性。

4.剔除外部因素的融資效率比較。模型第三階段對(duì)外部環(huán)境因素的影響進(jìn)行剔除，從而測(cè)度僅受企業(yè)內(nèi)部因素影響的真實(shí)融資效率值，為第四階段中內(nèi)部因素的分析作準(zhǔn)備。為此，分兩步對(duì)外部環(huán)境因素及隨機(jī)誤差進(jìn)行剔除：第一步，根據(jù)公式3-2分離管理無(wú)效率項(xiàng)；第二步，根據(jù)公式3-3調(diào)整原始投入值，去除了外部融資環(huán)境因素的干擾。

經(jīng)過(guò)上述過(guò)程，可獲取89個(gè)決策單元的投入指標(biāo)調(diào)整值，將投入調(diào)整值和原始產(chǎn)出值重新應(yīng)用于DEA模型中。與原始融資效率值相比，我國(guó)智能制造上市公司的真實(shí)融資效率整體處于更低水平，整體來(lái)看，外部的融資環(huán)境對(duì)融資效率的提升發(fā)揮著積極的作用。

（四）智能制造上市公司融資效率的內(nèi)部影響因素

本階段運(yùn)用Tobit模型對(duì)樣本公司融資效率的內(nèi)部因素進(jìn)行研究，將剔除外部環(huán)境因素和隨機(jī)誤差后的綜合技術(shù)效率（Y）作為因變量，將資產(chǎn)負(fù)債率（DEB）、第一大股東持股比例（CON）、企業(yè)總市值（VAL）及流動(dòng)比率（CR）作為自變量，構(gòu)建面板數(shù)據(jù)的Tobit回歸模型，表達(dá)式為：

通過(guò)對(duì)上述變量進(jìn)行描述性統(tǒng)計(jì)分析可得：融資結(jié)構(gòu)中的負(fù)債占比有所上升，股權(quán)逐步分散，企業(yè)規(guī)模有所增加，償債能力出現(xiàn)較大幅度的下降。同時(shí)，不同企業(yè)間融資結(jié)構(gòu)、股權(quán)集中度的差異較小，償債能力差異較大，而企業(yè)規(guī)模的差距較大且有逐步拉大的趨勢(shì)。

在實(shí)證結(jié)果分析方面，本部分將借助STATA分析內(nèi)部環(huán)境因素對(duì)我國(guó)智能制造融資效率的影響，Tobit模型回歸結(jié)果如表1所示。

智能制造上市公司的資產(chǎn)負(fù)債率與融資效率顯著正相關(guān)。相較于股權(quán)融資，公司債權(quán)人對(duì)公司管理者的監(jiān)督力度較強(qiáng)，負(fù)債的償還要求較高。智能制造上市公司具有鮮明的發(fā)展戰(zhàn)略，公司的股權(quán)越集中，公司實(shí)際控股股東與普通股東的界限就越明顯，內(nèi)部管理就越高效，進(jìn)而有利于公司融資效率的提升。因此，股權(quán)集中度對(duì)融資效率具有顯著的正向影響。變量的系數(shù)為0.007，表明企業(yè)規(guī)模對(duì)智能制造上市公司的融資效率具有正向影響，但和其他三項(xiàng)內(nèi)部因素相比，該因素的影響程度較小。較高的償債能力尤其是短期償債能力表明企業(yè)有充足的現(xiàn)金流償還債務(wù)，融資風(fēng)險(xiǎn)較低。同時(shí)，相較于長(zhǎng)期負(fù)債，短期負(fù)債的償債壓力更大，管理層會(huì)為公司獲取更高的收益，促進(jìn)融資效率的提高。據(jù)此，智能制造上市企業(yè)的償債能力對(duì)融資效率具有顯著的正向影響。

表1 智能制造上市公司融資效率的內(nèi)部影響因素分析

三、結(jié)論

第一，對(duì)我國(guó)智能制造上市公司的融資效率水平進(jìn)行了定量分析，結(jié)果表明，2015-2019年期間，我國(guó)智能制造上市公司的融資效率呈下降趨勢(shì)。由對(duì)融資效率值的分析可知，在89家智能制造上市公司中，約占比4/5的企業(yè)融資效率無(wú)效，融資效率整體較低。

第二，實(shí)證分析的第二階段重點(diǎn)分析了外部環(huán)境指標(biāo)與企業(yè)投入冗余值之間的關(guān)系，用以反映各外部因素對(duì)我國(guó)智能制造上市公司融資效率的影響。結(jié)果表明，外部融資環(huán)境有利于公司融資效率的提升。因此，政府需積極響應(yīng)國(guó)家政策，通過(guò)推動(dòng)開(kāi)展融通發(fā)展專項(xiàng)、融資專項(xiàng)行動(dòng)等方式，強(qiáng)化各部門之間的聯(lián)動(dòng)。

第三，通過(guò)一、四階段的實(shí)證結(jié)果，均能找出影響我國(guó)智能制造上市公司融資效率水平的內(nèi)部因素。對(duì)第一階段中的PTE和SE值進(jìn)行分析可知，與規(guī)模效率相比，純技術(shù)效率的數(shù)值較小，且存在較大幅度的下降，因此提高純技術(shù)效率是提升企業(yè)融資效率的重要方式。第四階段分析結(jié)果表明，融資方式和結(jié)構(gòu)的選擇對(duì)企業(yè)融資效率作用顯著，企業(yè)規(guī)模對(duì)融資效率的提升具有較小程度的促進(jìn)作用。因此，智能制造上市公司應(yīng)提升管理效率、加強(qiáng)股權(quán)集中、優(yōu)化融資結(jié)構(gòu)，以此來(lái)提高融資效率水平。