肖義萍 宋良榮

(上海理工大學(xué)管理學(xué)院，上海 200093)

2015年我國(guó)提出“中國(guó)制造2025”戰(zhàn)略，它是我國(guó)邁向“制造強(qiáng)國(guó)”進(jìn)程中所實(shí)施的第一個(gè)十年行動(dòng)綱領(lǐng)，智能制造作為“中國(guó)制造2025”轉(zhuǎn)型升級(jí)的主攻方向[1]，其發(fā)展壯大離不開對(duì)資金的專業(yè)高效運(yùn)作，融資為企業(yè)未來(lái)的發(fā)展注入了血液，對(duì)智能制造企業(yè)在第一階段(2016—2020年)的融資效率進(jìn)行研究，有助于提升智能制造企業(yè)的融資效率，進(jìn)而加快制造業(yè)在第二個(gè)階段(2021—2025年)的轉(zhuǎn)型升級(jí)。

在智能制造方面，國(guó)外發(fā)達(dá)國(guó)家探究較早，定量化研究較多，我國(guó)現(xiàn)階段多集中在定性研究上，尚處于探索階段，發(fā)展并不成熟。2016年我國(guó)工信部在智能制造發(fā)展規(guī)劃中提出，智能制造是一種新型生產(chǎn)方式，它在各生產(chǎn)制造環(huán)節(jié)中融入先進(jìn)技術(shù)，從而具備了自我感知、學(xué)習(xí)、決策等功能，紀(jì)成君、陳迪認(rèn)為“中國(guó)制造2025”可借鑒德國(guó)、美國(guó)等國(guó)家的經(jīng)驗(yàn)，推進(jìn)我國(guó)制造業(yè)的轉(zhuǎn)型升級(jí)[2]。在融資效率方面，F(xiàn)arrell開創(chuàng)性地提出隨機(jī)前沿生產(chǎn)函數(shù)的概念，在此基礎(chǔ)上，Aigner等指出隨機(jī)前沿模型可用于效率的測(cè)算[3]。曾康霖是我國(guó)最早對(duì)融資效率進(jìn)行定義的[4]。宋文兵從經(jīng)濟(jì)學(xué)中效率的原理出發(fā)，認(rèn)為在整個(gè)融資過(guò)程中交易和資產(chǎn)配置的效率構(gòu)成了融資效率[5]。DEA法廣泛應(yīng)用在融資效率的評(píng)價(jià)上，但研究對(duì)象多為中小企業(yè)、傳統(tǒng)制造業(yè)以及生物醫(yī)藥等企業(yè)，如沈忱運(yùn)用三階段DEA模型測(cè)算新三板中小企業(yè)的融資效率[6]，以智能制造企業(yè)為特定對(duì)象的研究尚有不足，基于此，本文以智能制造企業(yè)為特定對(duì)象研究其融資效率，以期促進(jìn)我國(guó)制造業(yè)的高質(zhì)量發(fā)展。

1 模型構(gòu)建與樣本選取

1.1 數(shù)學(xué)模型的構(gòu)建

數(shù)據(jù)包絡(luò)分析(DEA)是一種非參數(shù)檢驗(yàn)方法，主要運(yùn)用于對(duì)多項(xiàng)投入和產(chǎn)出的單位以及組織的相對(duì)效率進(jìn)行評(píng)價(jià)。

CCR模型、BCC模型和Malmquist指數(shù)模型為DEA的3種基本模型。在CCR模型的基礎(chǔ)上，BBC模型主要對(duì)純技術(shù)效率進(jìn)行測(cè)算，且綜合技術(shù)效率(TE)=純技術(shù)效率(PTE)×規(guī)模效率(SE)；DEA-Malmquist指數(shù)模型則用于效率的動(dòng)態(tài)評(píng)價(jià)，測(cè)算不同時(shí)期的效率值。本文選擇產(chǎn)出導(dǎo)向的BCC模型，同時(shí)選取DEA-Malmquist模型從動(dòng)態(tài)角度縱向分析智能制造企業(yè)近5年效率的變化情況。

BCC模型表示為：

s.t.

θ∈(0,1]

DEA-Malmquist模型中，Malmquist指數(shù)利用距離函數(shù)(E)運(yùn)算，公式為：

為了將t到t+1期的技術(shù)水平考慮在內(nèi)，取其幾何平均值，得：

若M>1，總效率隨時(shí)間變化而提高；若M=1，總效率保持不變；若M<1，總效率隨時(shí)間變化而降低。

1.2 樣本數(shù)據(jù)、指標(biāo)的選取

本文以吳珊等[7]通過(guò)相關(guān)研究并咨詢資深的產(chǎn)業(yè)專家后得出的中國(guó)智能制造百?gòu)?qiáng)企業(yè)為研究對(duì)象，綜合考慮行業(yè)特點(diǎn)、發(fā)展階段等因素，最終均勻選擇了分布在6個(gè)行業(yè)的20家智能制造上市企業(yè)為樣本對(duì)象，并通過(guò)2016—2020年的公開年報(bào)財(cái)務(wù)數(shù)據(jù)來(lái)測(cè)算其融資效率。

選取的指標(biāo)中，包含3個(gè)投入指標(biāo)和2個(gè)產(chǎn)出指標(biāo)。指標(biāo)體系如表1所示。

表1 智能制造企業(yè)融資效率投入產(chǎn)出指標(biāo)體系

使用DEA模型時(shí)，本文符合決策單元數(shù)量(20個(gè))是投入產(chǎn)出指標(biāo)數(shù)量之和(5個(gè))的3倍以上的經(jīng)驗(yàn)法則。針對(duì)投入產(chǎn)出指標(biāo)數(shù)據(jù)為非正數(shù)的情況，采用無(wú)量綱化處理。

2 實(shí)證分析

2.1 融資效率分析

2.1.1 BCC模型-靜態(tài)分析

運(yùn)用DEAP 2.1軟件測(cè)算的融資效率如表2所示。2016—2020年智能制造企業(yè)綜合技術(shù)效率均值位于0.887～0.934之間，整體上處于較高水平，但仍可提升。2016年，有8家企業(yè)達(dá)到DEA強(qiáng)有效狀態(tài)，占比40%，為帕累托最優(yōu)，位于生產(chǎn)前沿面上，資源配置效率較高；同時(shí)由TE=PTE×SE可推知，2016年有2家企業(yè)在達(dá)到純技術(shù)效率有效時(shí)并未達(dá)到規(guī)模有效，生產(chǎn)規(guī)?？蛇M(jìn)一步優(yōu)化；剩余10家企業(yè)純技術(shù)和規(guī)模均為DEA無(wú)效，占比50%。

表2 BCC模型融資效率測(cè)算結(jié)果

圖1更加直觀且細(xì)致地展示了3種不同效率均值的變化趨勢(shì)，3條效率折線在圖中高低分布有秩，2016—2018年3種效率均為下降走勢(shì)，PTE和SE的下降共同使得綜合技術(shù)效率處于最低位。2018—2019年與純技術(shù)效率上升幅度相比，規(guī)模效率下降幅度相對(duì)更大，故綜合技術(shù)效率最后呈現(xiàn)上升趨勢(shì)。2019—2020年，純技術(shù)和規(guī)模效率相反方向變化且幅度較為接近，使得綜合技術(shù)效率較上年持恒。整體上純技術(shù)效率低于規(guī)模效率，且和規(guī)模效率相比，純技術(shù)效率和綜合技術(shù)效率變化趨勢(shì)更為趨近，故純技術(shù)效率是整體融資效率降低的主要原因，未來(lái)融資效率的提升應(yīng)將純技術(shù)效率作為側(cè)重點(diǎn)，純技術(shù)效率受企業(yè)的技術(shù)及管理水平等因素的影響。

圖1 2016—2020年20家樣本企業(yè)融資效率均值變化趨勢(shì)

各年綜合技術(shù)效率等于1的企業(yè)所占比例如圖2所示，平均占比為27%，即73%的企業(yè)未達(dá)到技術(shù)有效狀態(tài)，說(shuō)明整個(gè)智能制造產(chǎn)業(yè)融資效率可進(jìn)一步提高。

圖2 綜合技術(shù)效率等于1的企業(yè)所占比例均值變化趨勢(shì)

2.1.2 Malmquist模型-動(dòng)態(tài)分析

進(jìn)一步采用DEA-Malmquist指數(shù)模型對(duì)指標(biāo)進(jìn)行縱向動(dòng)態(tài)分析。全要素生產(chǎn)率由技術(shù)效率和技術(shù)進(jìn)步率共同決定，即全要素生產(chǎn)率=技術(shù)效率×技術(shù)進(jìn)步率。

全要素生產(chǎn)率動(dòng)態(tài)變化情況如表3所示。2016—2020年全要素生產(chǎn)率均值為1.010，即五年來(lái)，整體融資效率僅提升了1%，提升幅度小。技術(shù)效率變化指數(shù)平均下降了1.2%，技術(shù)進(jìn)步指數(shù)平均上升2.2%。而純技術(shù)效率變化指數(shù)和規(guī)模效率指數(shù)均下降，這與靜態(tài)分析的結(jié)果大致相同。由此可推知：五年來(lái)20家智能制造企業(yè)的純技術(shù)效率與規(guī)模效率抑制了技術(shù)效率的提升；雖然技術(shù)進(jìn)步指數(shù)的正向增長(zhǎng)能夠彌補(bǔ)部分技術(shù)效率變化指數(shù)的負(fù)向增長(zhǎng)，但Malmquist指數(shù)正向增長(zhǎng)幅度小，因而整體融資效率的提高應(yīng)從技術(shù)效率上發(fā)力，技術(shù)效率指企業(yè)對(duì)資金的優(yōu)化配置及有效利用、對(duì)最優(yōu)的規(guī)模水平進(jìn)行衡量。

Malmquist指數(shù)及其分解變動(dòng)情況由圖3所示。技術(shù)效率變化指數(shù)、技術(shù)進(jìn)步指數(shù)、Malmquist指數(shù)均呈現(xiàn)出先下降后上升的趨勢(shì)，整體上，技術(shù)進(jìn)步指數(shù)高于技術(shù)效率變化指數(shù)。2019—2020年全要素生產(chǎn)率增長(zhǎng)達(dá)到最優(yōu)，為10.9%的正向增長(zhǎng)。

綜上，從靜態(tài)分析與動(dòng)態(tài)分析來(lái)看，融資效率有進(jìn)一步提升的空間。大多數(shù)的企業(yè)的融資效率處于上升狀態(tài)，但并未達(dá)到最優(yōu)水平，即DEA強(qiáng)有效狀態(tài)。技術(shù)效率的下降與純技術(shù)效率和規(guī)模效率有關(guān)，但純技術(shù)效率使其下降的作用力更大，純技術(shù)效率受企業(yè)的技術(shù)及管理水平等因素的影響；全要素生產(chǎn)率指數(shù)增長(zhǎng)幅度較小，因而要想提高融資效率，應(yīng)主要從技術(shù)效率一方推進(jìn)，技術(shù)效率指企業(yè)對(duì)資金的優(yōu)化配置及有效利用、對(duì)最優(yōu)的規(guī)模水平進(jìn)行衡量。

2.2 智能制造企業(yè)融資效率影響因素分析

為進(jìn)一步探究影響融資效率的因素，運(yùn)用EDA-Tobit兩階段分析法，選擇純技術(shù)效率值作為融資效率的衡量指標(biāo)，并作為因變量，自變量為各影響因數(shù)。由于因變量的取值范圍為(0，1]，數(shù)據(jù)被截?cái)?，故采用受限型Tobit模型。

在影響因素上，參考相關(guān)文獻(xiàn)并結(jié)合智能制造行業(yè)特點(diǎn)，選取的內(nèi)部因素有：前10大股東持股比例、資產(chǎn)負(fù)債率、流動(dòng)比率、凈資產(chǎn)收益率、總資產(chǎn)周轉(zhuǎn)率和生息負(fù)債率；外部因素有：GDP增長(zhǎng)率和制造業(yè)指數(shù)。構(gòu)建如下模型：

PTEi,t=C+β1X1(i,t)+β2X2(i,t)+β3X3(i,t)+β4X4(i,t)+β5X5(i,t)+β6X6(i,t)+β7X7(i,t)+β8X8(i,t)+εi,t

(1)

式(1)中，C為常數(shù)項(xiàng)；β為回歸系數(shù)；i代表第i家企業(yè)；t代表2016—2020年；ε為隨機(jī)擾動(dòng)項(xiàng)；PTE為測(cè)算的融資效率值。

使用Stata16軟件對(duì)影響因素進(jìn)行回歸分析，結(jié)果如表4所示。

表4 2016—2020年我國(guó)智能制造企業(yè)融資效率影響因素的Tobit回歸分析結(jié)果

由表4可以看出，前10大股東持股比例對(duì)智能制造企業(yè)的融資效率產(chǎn)生顯著的負(fù)向影響，該比例越大則股權(quán)越集中，股權(quán)集中可能導(dǎo)致一股獨(dú)大、盲目決策、經(jīng)營(yíng)虧損及信用水平降低等問(wèn)題，因此適當(dāng)?shù)亟档推浼谐潭龋欣诖龠M(jìn)融資效率。

資產(chǎn)負(fù)債率的正向影響作用并不顯著，其可以衡量企業(yè)的融資結(jié)構(gòu)，通過(guò)舉債進(jìn)行融資，一方面可能增加企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，但另一方面可為企業(yè)節(jié)稅，創(chuàng)造更多利潤(rùn)。因此，應(yīng)使其保持在有利于促進(jìn)融資效率的合理區(qū)間。

流動(dòng)比率對(duì)智能制造企業(yè)的融資效率有顯著的正向促進(jìn)作用，流動(dòng)比率每增加1%，融資效率就提高0.044%，流動(dòng)比率可衡量企業(yè)的融資風(fēng)險(xiǎn)，風(fēng)險(xiǎn)與收益并存，因此，可適當(dāng)提高智能制造企業(yè)的流動(dòng)比率，使其保持在一個(gè)恰當(dāng)?shù)摹⒂幸嬗诖龠M(jìn)融資效率的水平。

凈資產(chǎn)收益率也起著顯著的正向促進(jìn)作用，資產(chǎn)收益率每增加1%，融資效率提高0.164%。企業(yè)的盈利能力可用凈資產(chǎn)收益率表示，較強(qiáng)的盈利能力向市場(chǎng)傳達(dá)了積極的信號(hào)，更易獲得融資，同時(shí)留存收益還可增強(qiáng)企業(yè)應(yīng)對(duì)各種風(fēng)險(xiǎn)的能力，從而提高企業(yè)的融資效率。

總資產(chǎn)周轉(zhuǎn)率的正向影響作用也不顯著，它體現(xiàn)了企業(yè)的營(yíng)運(yùn)能力，該指標(biāo)越高，說(shuō)明企業(yè)資產(chǎn)周轉(zhuǎn)速度越快，整體的營(yíng)運(yùn)效率處于一個(gè)較高的水平，可改善企業(yè)的融資效率，但是其正向影響并不顯著可能與智能制造企業(yè)發(fā)展階段有關(guān)。

生息負(fù)債率與融資效率顯著負(fù)相關(guān)，它是有息性質(zhì)的負(fù)債在總體負(fù)債中所占的比重，反映了融資成本，該比率越高，融資效率自然就越低。

GDP增長(zhǎng)率與融資效率正相關(guān)，但也并不顯著，一國(guó)經(jīng)濟(jì)的快速發(fā)展有利于企業(yè)的發(fā)展與壯大，從而促進(jìn)融資效率的提升。

制造業(yè)指數(shù)與融資效率顯著負(fù)相關(guān)，若制造業(yè)指數(shù)較高，則說(shuō)明制造業(yè)處于擴(kuò)張狀態(tài)，這在一定程度上加劇了行業(yè)競(jìng)爭(zhēng)，可能對(duì)智能制造企業(yè)的融資成本等產(chǎn)生影響，從而影響融資效率。

3 結(jié)論與建議

3.1 結(jié) 論

研究以20家智能制造企業(yè)為樣本，研究其融資效率及影響因素。實(shí)證結(jié)果表明：

從靜態(tài)評(píng)價(jià)來(lái)看：我國(guó)智能制造企業(yè)整體融資效率較高，2016—2020年綜合技術(shù)效率均值達(dá)到0.894，處于DEA輕度無(wú)較狀態(tài)。但平均有73%的企業(yè)效率值小于1，故整體效率提升存在較大潛力。進(jìn)一步分析發(fā)現(xiàn)，純技術(shù)效率和規(guī)模效率的共同降低使綜合技術(shù)效率處于一種非上升態(tài)勢(shì)，且純技術(shù)效率為主要原因。

從動(dòng)態(tài)評(píng)價(jià)來(lái)看：全要素生產(chǎn)率指數(shù)總體保持在1.0左右的水平，并呈現(xiàn)出上下波動(dòng)的趨勢(shì)，平均增長(zhǎng)率為1%，增長(zhǎng)幅度小，主要是技術(shù)效率變化指數(shù)偏低所致。

從影響因素來(lái)看：Tobit分析表明，流動(dòng)比率、凈資產(chǎn)收益率等的提升會(huì)不同程度地促進(jìn)融資效率的提高，而前10大股東持股比例、生息性負(fù)債比率以及制造業(yè)指數(shù)均和融資效率呈負(fù)相關(guān)關(guān)系。

3.2 建 議

第一，提高智能制造企業(yè)技術(shù)水平。純技術(shù)效率以及技術(shù)效率變化指數(shù)偏低是智能制造企業(yè)融資效率下降的主要原因，智能制造企業(yè)的技術(shù)水平對(duì)融資效率發(fā)揮著重要作用，因此，在實(shí)現(xiàn)“中國(guó)制造2025”的第二個(gè)階段，提升智能制造企業(yè)的技術(shù)水平是當(dāng)務(wù)之急，一方面企業(yè)應(yīng)加大對(duì)智能技術(shù)以及智能設(shè)備的應(yīng)用，另一方面應(yīng)提高研發(fā)費(fèi)用的投入并建立相應(yīng)的研發(fā)轉(zhuǎn)化機(jī)制，吸納更多創(chuàng)新性人才的加入以實(shí)現(xiàn)技術(shù)突破，最終以人財(cái)物共同推動(dòng)我國(guó)制造業(yè)的轉(zhuǎn)型升級(jí)。

第二，增強(qiáng)智能制造企業(yè)盈利能力。凈資產(chǎn)收益率對(duì)智能制造企業(yè)的融資效率產(chǎn)生顯著的正向影響，制造業(yè)相比其他行業(yè)來(lái)說(shuō)利潤(rùn)率并不算高，盈利能力弱不僅影響融資效率，還會(huì)使企業(yè)發(fā)生虧損，情況嚴(yán)重更會(huì)對(duì)企業(yè)的未來(lái)生存發(fā)展構(gòu)成威脅。若盈利能力較強(qiáng)，則企業(yè)獲得了更多充足的資金后，在未來(lái)各種不確定風(fēng)險(xiǎn)的應(yīng)對(duì)以及戰(zhàn)略發(fā)展上將表現(xiàn)得更加從容，同時(shí)，將留存收益用于企業(yè)內(nèi)部融資相對(duì)其他融資方式來(lái)說(shuō)也具有一定的優(yōu)勢(shì)，進(jìn)而提高企業(yè)的融資效率。

第三，擴(kuò)大智能制造企業(yè)的規(guī)模效益。2016—2020年智能制造企業(yè)的規(guī)模效率均值保持在0.944—0.985之間，雖然非常接近于規(guī)模有效水平，但并沒(méi)有達(dá)到DEA的最優(yōu)狀態(tài)，且近年來(lái)規(guī)模效率呈現(xiàn)出下降趨勢(shì)，企業(yè)可通過(guò)增加流動(dòng)資產(chǎn)的比例、減少生息性的負(fù)債等多種途徑擴(kuò)大企業(yè)的規(guī)模效益,進(jìn)而提升融資效率。

第四，優(yōu)化公司股權(quán)結(jié)構(gòu)。對(duì)于我國(guó)上市智能制造企業(yè)而言，減少大股東持股比例可以有效促進(jìn)融資效率的提升。股權(quán)過(guò)于集中可能會(huì)引發(fā)決策失誤、盲目投資等問(wèn)題，因此，可以適當(dāng)?shù)貙⒐蓹?quán)分散，避免出現(xiàn)融資困難。