陳默　袁雪嬋

摘 要：農(nóng)業(yè)中小企業(yè)是推動農(nóng)村經(jīng)濟發(fā)展的核心力量，但融資難與發(fā)展資金不足是阻礙農(nóng)業(yè)中小企業(yè)發(fā)展的主要因素，因此農(nóng)企融資效率的高低變得更加重要。本文利用數(shù)據(jù)包絡分析法針對我國十個農(nóng)業(yè)大省在新三板掛牌的農(nóng)業(yè)企業(yè)的融資效率進行測度，發(fā)現(xiàn)我國農(nóng)業(yè)中小企業(yè)融資效率整體處于較低水平，且綜合技術(shù)效率有效的單位比重較低、技術(shù)研發(fā)與應用能力的提升空間很大，基于分析結(jié)論本文提出了相應對策與建議。

關(guān)鍵詞：新三板;農(nóng)業(yè)大省;農(nóng)業(yè)掛牌企業(yè);DEA模型

1 引言

大力發(fā)展涉農(nóng)產(chǎn)業(yè)，對于加快實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)現(xiàn)代化有著顯著成效，為制勝脫貧攻堅與推動鄉(xiāng)村振興戰(zhàn)略深入發(fā)展提供了有利條件。由于我國涉農(nóng)中小企業(yè)發(fā)展年限較短，有著生產(chǎn)周期長、產(chǎn)業(yè)更新升級慢，高新技術(shù)研發(fā)時間長等特點，經(jīng)濟效益具有較大的不確定性，使得涉農(nóng)中小企業(yè)的盈利能力地提升受到了較大制約。同時涉農(nóng)企業(yè)發(fā)展較慢，且資金需求量大、資產(chǎn)流動性不足、投資期長回本慢，因此能夠在金融機構(gòu)獲得的資金非常有限，導致當下涉農(nóng)中小企業(yè)面臨著內(nèi)源融資不足，外源融資短缺的難題。而新三板是專門服務于中小微企業(yè)、為非上市股份公司提供股權(quán)轉(zhuǎn)讓交易的平臺。但在2018年三板市場行情急劇變冷，流動性嚴重不足，成交量劇烈萎縮，在這種情況之下客觀評價當前新三板農(nóng)業(yè)掛牌企業(yè)融資效率呈現(xiàn)出何種水平，并在此基礎上總結(jié)提高農(nóng)業(yè)掛牌企業(yè)融資效率的方法是絕對必要的。

2實證研究設計

2.1模型方法

數(shù)據(jù)包絡分析法（DEA）最早是由A.Charnes，W.W.Cooper & E.Rhodes于1978年所提出，DEA分析模型中有兩大基本模型，一個是CCR模型，一個是BCC模型。

1.規(guī)模報酬不變的CCR模型

CCR模型作為第一個模型被提出，是基于規(guī)模報酬不變的假設上運算的，用來評價決策單元間的相對有效性。CCR模型數(shù)學表達式如下：

其中θ是一個標量，表示第j個決策變量的效率，且滿足 0≤θ≤1，是一個 n*1維的常向量。當θ=1 時，DMUj具有技術(shù)有效狀態(tài)，DMUj處于效率前沿面上。將式子求解m次，即可算出所有決策單元的效率。CCR模型求的效率是綜合技術(shù)效率（TE），其經(jīng)濟含義是指若以位于效率前沿面上的決策單位為標準，第j個決策單元想要達到相同的產(chǎn)出水平所需要投入的資源比例。

2.規(guī)模報酬可變的BCC模型

由于現(xiàn)實情況下很難滿足CCR模型的假設，因此不久后學者便提出了BCC模型，該模型在規(guī)模報酬可變的假設下進行研究。

式中 δ（0<δ≤1）為綜合效率指標，λj為權(quán)重變量，si- ，sr+為松弛變量，ε為非阿基米德無窮小量。δ值越大，農(nóng)業(yè)掛牌企業(yè)的融資效率就越高，δ以1為界限判定融資效率是否達到最優(yōu)，δ=1表明決策單元式DEA有效，δ<1表示被評價的 DMU是 DEA無效的。DEA綜合效率可由純技術(shù)效率和規(guī)模效率乘積計算所得。純技術(shù)效率是公司具有充足資金的情況下使用資金的效率，反應資金是否發(fā)到有效配置，而由企業(yè)規(guī)模而影響的生產(chǎn)效率就是規(guī)模效率，反應的是投入和產(chǎn)出是否滿足規(guī)模效率。

2.2樣本選取與數(shù)據(jù)來源

本研究根據(jù)全國所有省份2015-2018年農(nóng)林牧漁業(yè)平均總產(chǎn)值在3萬億以上、2015-2018年平均農(nóng)林牧漁業(yè)增加值在2000億以上和2015-2018年農(nóng)林牧漁業(yè)均值占地區(qū)總產(chǎn)值均值的10%以上，篩選出十個省份。即黑龍江省、廣西省、四川省、河南省、河北省、湖南省、湖北省、安徽省、山東省和福建省。繼而根據(jù)《2018年新三板掛牌公司行業(yè)分類結(jié)果》，在企業(yè)中剔除了ST公司和數(shù)據(jù)出現(xiàn)異?；蛴兴笔У墓竞?，最終選取78家掛牌企業(yè)作為研究對象。數(shù)據(jù)來源于萬德數(shù)據(jù)庫和全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)的企業(yè)年報。

2.3指標體系的構(gòu)建

本文結(jié)合農(nóng)業(yè)中小企業(yè)發(fā)展特點，依據(jù)現(xiàn)有的研究成果，將 DEA 模型中的投入指標界定為企業(yè)資產(chǎn)總計（X1），反映企業(yè)規(guī)模的大小;財務費用（X2）反映企業(yè)融資的成本;資產(chǎn)負債率（X3），反應企業(yè)資本結(jié)構(gòu);股權(quán)集中度（X4）反映企業(yè)的治理能力。DEA模型中的輸出指標界定為凈資產(chǎn)收益率（Y1），反映企業(yè)盈利能力;總資產(chǎn)周轉(zhuǎn)率（Y2），反映企業(yè)資產(chǎn)使用效率;營業(yè)收入同比增長率（Y3），反應企業(yè)的融資發(fā)展?jié)摿?無形資產(chǎn)（Y4），反映企業(yè)的技術(shù)研發(fā)情況。

由于原始投入、產(chǎn)出指標要求非負值，而所選掛牌企業(yè)的凈資產(chǎn)收益率、營業(yè)收入同比增長率以及財務費用都有負值出現(xiàn)，根據(jù)實際驗證可知，DEA模型所選指標同時加上或減去相同的數(shù)值不影響其有效性個數(shù)，因此本文將上述三個指標同時減去每個對應指標下的最小值從而將指標進行非負化出理。

3 實證結(jié)果分析

3.1融資效率的總體評價

表1給出了2018年我國十大農(nóng)業(yè)省份融資效率整體情況，78家企業(yè)綜合技術(shù)效率均值為0.745，處于較低水平，純技術(shù)效率均值為0.818，屬于較高水平，規(guī)模效率均值0.895處于較高水平。由此可以看出，由于農(nóng)業(yè)掛牌企業(yè)技術(shù)研發(fā)時間長、成果較少，因此純技術(shù)效率值相對較低，從而拉低了綜合效率值。對應的在資金使用效率和管理技術(shù)能力較低的情況下，農(nóng)業(yè)企業(yè)的融資效率的提高主要是通過擴大規(guī)模，從而提高規(guī)模效率最終提升綜合效率的。綜合來看，78家企業(yè)有21家技術(shù)效率有效，占總數(shù)的26.92%，29家純技術(shù)效率有效，占比20.24%，24家規(guī)模效率占比30.77%，三大效率的有效企業(yè)個數(shù)均沒有超過農(nóng)業(yè)掛牌企業(yè)數(shù)量的40%，再次一次說明了農(nóng)業(yè)掛牌企業(yè)融資效率水平較低。

3.2融資效率地區(qū)比較分析

將各企業(yè)的融資效率值先按省份分類，取平均值后即可獲得各省的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率。根據(jù) Henripin（2009）和朱玥穎（2017）的研究可知，效率值可以劃分為 0、0-0.5低效率、0.5-0.8較低效率、0.8-1相對有效三個區(qū)間。如表2所示，屬于相對有效梯度的有三個省份，分別為黑龍江、湖南和安徽，其綜合效率值分別為0.9、0.85和0.81，其中僅有黑龍江與湖南省的純技術(shù)效率和規(guī)模效率都處于0.9以上，說明這兩個省份掛牌的農(nóng)業(yè)企業(yè)融資綜合水平較高，包括技術(shù)研發(fā)水平和發(fā)展規(guī)模。其余省份的效率值雖然都在0.5以上，但仍處于較低水平。之后的排名為福建省、湖北省、廣西省、山東省、四川省、河南省和河北省。其中，福建、湖北、四川與河南省的純技術(shù)效率值均超過0.8，處于相對有效水平，說明該省份下農(nóng)業(yè)掛牌企業(yè)的技術(shù)研發(fā)與資金使用能力較強，而所有省份規(guī)模效率值都在0.8以上，即所有省份農(nóng)業(yè)掛牌企業(yè)的規(guī)模效率水平相對有效，且所有省份的規(guī)模效率均值都大于純技術(shù)效率均值，再一次說明了綜合技術(shù)效率值處于較低水平的主要原因是由于純技術(shù)效率值較低。

本文將十個農(nóng)業(yè)大省劃分為北、中、南三個地區(qū)，北部地區(qū)有黑龍江省、河北省和山東省;中部地區(qū)有河南省、湖北省、安徽省和四川省;南部地區(qū)有廣西省、福建省和湖南省。由表3可以看出，南部地區(qū)的綜合效率值最高，達到了0.79，緊隨其后的是中部地區(qū)，效率值為0.74，最后是北部地區(qū)，效率值為0.71。其中中部地區(qū)綜合技術(shù)效率有效的企業(yè)數(shù)量達到了12家，在地區(qū)農(nóng)業(yè)企業(yè)占比為27.9%，也是三個地區(qū)中規(guī)模最高的。在此之后的北部地區(qū)有19家掛牌企業(yè)，其中5家技術(shù)效率有效，占比26.32%;南部地區(qū)掛牌企業(yè)數(shù)量雖少，有效企業(yè)數(shù)量也最少有4家企業(yè)，占比同樣最少，為25%。從純技術(shù)效率來看，依然是中部地區(qū)有效企業(yè)數(shù)量最多，達到了17家企業(yè)，其占比也是最大，達到了39.53%。緊隨其后的是北部地區(qū)，有7家企業(yè)純技術(shù)效率實現(xiàn)了有效，占比36.84%;南部地區(qū)技術(shù)效率有效的企業(yè)為5家，占比31.25%，是三大地區(qū)規(guī)模最小的。最后從規(guī)模效率來看，北部地區(qū)規(guī)模效率有效企業(yè)數(shù)量為7家，且占比最多，達到了36.84%，其次是中部地區(qū)和南部地區(qū)。綜合來看，三大地區(qū)的融資效率都處于較低水平，其中南部地區(qū)農(nóng)業(yè)企業(yè)融資發(fā)展水平較為均衡且能力較強，其融資效率值也最高;其次是中部地區(qū)，北部地區(qū)企業(yè)融資能力較差。

3.3融資效率行業(yè)比較分析

根據(jù)中國證監(jiān)會發(fā)布的《2018年度掛牌企業(yè)行業(yè)分類結(jié)果》及本文對農(nóng)業(yè)上市公司的界定，本文將78個樣本公司具體分為農(nóng)業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)和農(nóng)林牧漁服務業(yè)5個子行業(yè)來研究分析各個行業(yè)的融資效率情況，具體見表4。

從表4可以看出，五個子行業(yè)中，綜合效率值最高的行業(yè)是漁業(yè)，其效率值為0.96。在此之后的是農(nóng)業(yè)，綜合效率均值達到了0.81，效率水平較高。其他子行業(yè)的融資效率均值均在0.8以下，效率水平較低。從綜合技術(shù)效率角度來看，農(nóng)業(yè)行業(yè)中有效企業(yè)數(shù)量最多，有12家企業(yè)，占到農(nóng)業(yè)企業(yè)的35.29%。從純技術(shù)效率來看，依然是農(nóng)業(yè)行業(yè)最多，有16家企業(yè)實現(xiàn)了純技術(shù)效率有效，占到所有農(nóng)業(yè)企業(yè)將近一半。值得一提的是漁業(yè)，三家漁業(yè)企業(yè)全部純技術(shù)效率有效，說明漁業(yè)企業(yè)技術(shù)研發(fā)能力與資金使用效率較高。最后從規(guī)模效率來看，依舊是農(nóng)業(yè)企業(yè)數(shù)量最多，共有15家企業(yè)規(guī)模效率有效。總體來看，漁業(yè)和農(nóng)業(yè)子行業(yè)融資效率水平較為平均，且融資能力較強。畜牧業(yè)融資效率均值最低，企業(yè)融資水平參差不齊，差異較大。因此，綜合上述分析可以看出我國農(nóng)業(yè)掛牌企業(yè)中融資效率較高的企業(yè)主要集中于資金雄厚，資源優(yōu)勢明顯的傳統(tǒng)行業(yè)——農(nóng)業(yè)。

3.4規(guī)模報酬分析

規(guī)模報酬是企業(yè)在除投入產(chǎn)出以外情況不改變時，企業(yè)內(nèi)部各種生產(chǎn)要素按相同比例變化時所帶來的產(chǎn)量變化。企業(yè)的規(guī)模報酬變化可以分為規(guī)模報酬遞增、規(guī)模報酬不變和規(guī)模報酬遞減三種情況。由于本文應用的投入導向的DEA模型，因此區(qū)別這三種情況的關(guān)鍵在于判斷投入變化比例與帶來產(chǎn)量變化的比例的大小，若前者大于后者則是規(guī)模報酬遞減，若后者大于前者則是規(guī)模報酬遞增，若兩者相等則是規(guī)模報酬不變。

如圖4-2，應用Deap2.1軟件可以直接得出78家樣本公司的規(guī)模報酬狀態(tài)。由圖可以看出，有23家掛牌企業(yè)規(guī)模報酬不變，占總樣本企業(yè)數(shù)的29.49%，說明這些公司當前的產(chǎn)出水平和投入量是相匹配的，其融入的資金也實現(xiàn)了有效利用。剩余的54家的公司中，49家公司處于規(guī)模報酬遞增階段，占樣本總數(shù)的 62.82%;6家公司處于規(guī)模報酬遞減階段，占比 7.69%。綜上，規(guī)模報酬遞增的企業(yè)占到掛牌企業(yè)的四分之三，規(guī)模報酬不變和遞減階段的企業(yè)總共占大約四分之一。但是處于規(guī)模報酬遞增階段的企業(yè)融資效率相對較低，49家企業(yè)效率均值僅有0.62，企業(yè)中只有12家的 TE 值大于 0.8，其余37家企業(yè)中有16家公司的TE值小于0.5。說明規(guī)模報酬遞增的農(nóng)業(yè)企業(yè)融資效率的提升空間還很大。

4 結(jié)論與建議

4.1研究結(jié)論

本文在相關(guān)理論與文獻回顧的基礎上，運用數(shù)據(jù)包絡分析法，選取十個農(nóng)業(yè)大省且具有研究意義的78家農(nóng)業(yè)掛牌企業(yè)作為樣本公司，以其2018年的相關(guān)財務數(shù)據(jù)為原始數(shù)據(jù)進行實證分析，主要研究結(jié)論如下：

（1）78家農(nóng)業(yè)掛牌企業(yè)中綜合效率均值為0.75，整體的融資效率處于較低水平，且由于純技術(shù)效率的普遍偏低，農(nóng)業(yè)企業(yè)的技術(shù)研發(fā)能力與資金使用效率有待提高?？傮w來看，非有效企業(yè)超過掛牌企業(yè)數(shù)量的50%，因此我國農(nóng)業(yè)掛牌企業(yè)整體的融資效率水平并不理想。

（2）從78家樣本公司所在的區(qū)域來看，南部地區(qū)的融資效率水平最高，其次是中部地區(qū)，最后是北部地區(qū)，這也與區(qū)域經(jīng)濟發(fā)展水平高度吻合。

（3）從規(guī)模報酬角度分析來看，有26.92%的公司處于規(guī)模報酬不變階段，這些公司處于最佳投入產(chǎn)出點;62.82%的公司處于規(guī)模報酬遞增階段;6家公司處于規(guī)模報酬遞減階段，占比7.69%?？傮w而言，現(xiàn)階段我國農(nóng)業(yè)掛牌企業(yè)的規(guī)模報酬是遞增的。

4.2對策建議

通過以上結(jié)論發(fā)現(xiàn)農(nóng)業(yè)掛牌企業(yè)的融資效率并不高，為進一步為提高融資效率提出以下幾點建議：

1.提高企業(yè)自身技術(shù)創(chuàng)新能力。高新技術(shù)是企業(yè)賴以生存穩(wěn)定發(fā)展的重要法寶，因此農(nóng)業(yè)中小企業(yè)首先需要大力引進創(chuàng)新性人才，繼而不斷研發(fā)新技術(shù)、創(chuàng)新產(chǎn)品生產(chǎn)渠道，提高產(chǎn)品生產(chǎn)效率，縮短技術(shù)周期和產(chǎn)品周期，如此才能從根本上強化企業(yè)綜合能力，企業(yè)純技術(shù)效率才會相應提升，綜合效率就會隨之增加。同時企業(yè)的信用等級也會相應提高，融資渠道會更加豐富，融資規(guī)模也會更加龐大。

2.完善農(nóng)業(yè)發(fā)展區(qū)域合作體系。通過上述分析可以發(fā)現(xiàn)，無論是代表農(nóng)業(yè)發(fā)展水平的掛牌企業(yè)數(shù)量，還是代表企業(yè)融資水平的有效企業(yè)數(shù)量，三大地區(qū)都存在較大差異。因此不同區(qū)域間的企業(yè)可以開展深入的溝通與合作模式，去精華去糟粕，相互學習相互彌補，從而不斷完善自身發(fā)展能力，最終實現(xiàn)農(nóng)業(yè)中小企業(yè)的融資能力的共同提高。

3.提高政府對農(nóng)業(yè)中小企業(yè)融資的支持力度。當前雖然有農(nóng)發(fā)行、農(nóng)信社、農(nóng)商行等服務于農(nóng)業(yè)企業(yè)的金融機構(gòu)，但是受到企業(yè)發(fā)展能力和信用等級的限制，農(nóng)業(yè)中小企業(yè)很難從上述金融機構(gòu)獲得充裕的資金。因此政府應當適當放寬農(nóng)業(yè)中小企業(yè)融資限制，在增加農(nóng)業(yè)融資服務機構(gòu)的同時降低農(nóng)企的融資標準，從而降低企業(yè)融資難度，為農(nóng)業(yè)中小企業(yè)發(fā)展保駕護航。

4.健全市場規(guī)范，完善管理體系

新三板市場雖然已經(jīng)成為了全球最大的股份轉(zhuǎn)讓交易市場，但是其規(guī)章制度仍然不夠完善，由此導致很多企業(yè)上報虛假報表，人為操控股價等一系列欺騙投資者的行為。這也是導致2018年市場行情慘淡的主要原因，在此之際完善市場規(guī)范，健全管理體系，避免信息不對稱等現(xiàn)象的發(fā)生，不但是保障農(nóng)業(yè)掛牌企業(yè)健康穩(wěn)定發(fā)展的必要前提，更是新三板市場能夠持續(xù)發(fā)揮出其應有作用的必要措施。

參考文獻：

[1]吳陽芬，曾繁華.我國新三板中小企業(yè)融資效率測度研究[J].湖北社會科學，2019（01）：69-77.

[2]楊興全，申艷艷，尹興強.外資銀行進入與公司投資效率：緩解融資約束抑或抑制代理沖突？[J].財經(jīng)研究，2017，43（02）：98-109.

[3]王玉榮，吳剛.我國創(chuàng)業(yè)板上市公司股權(quán)融資效率研究[J].西部論壇，2018，28（01）：118-124.

[4]蘭秀文.風險投資機構(gòu)對投融資效率影響研究——基于創(chuàng)業(yè)板的數(shù)據(jù)分析[J].技術(shù)經(jīng)濟與管理研究，2018（07）：80-85.

[5]楊高原. 我國上市房地產(chǎn)企業(yè)融資效率及影響因素研究[D].山東大學，2018.

[6]晁坤，耿璐.基于DEA的我國煤炭上市公司融資效率評析[J].中國礦業(yè)，2014，23（06）：44-48.

[7]方芳，曾輝.中小企業(yè)融資方式與融資效率比較[J].經(jīng)濟理論與經(jīng)濟管理，2005（04）：38-42.

[8]劉超，傅若瑜，李佳慧，周文文.基于DEA-Tobit方法的人工智能行業(yè)上市公司融資效率研究[J].運籌與管理，2019，28（06）：144-152.

（河北省保定市河北農(nóng)業(yè)大學 經(jīng)濟管理學院 河北 保定 071000）