上海市装备制造业转型升级的融资效率研究—基于上市公司的数据分析

韩栋 上海电机学院 商学院

装备制造业又称装备工业，是指为国民经济与国防建设提供生产技术装备的制造业，即“生产机器的机器制造业”。作为资本和技术密集型的产业，装备制造业可以说是整个制造业的核心，其发展水平的高低反映了一国的工业制造水平，也是科技发展水平的集中体现。我国是一个制造业大国，具有全球最为齐全的工业门类体系，但还没有成为一个真正的制造业强国，2018年中美之间由贸易战所引发的科技战已为我们敲响警钟，向制造业强国迈进，突破“卡脖子”领域，推进我国制造业，特别是装备制造业的转型升级是当务之急。作为我国最为重要的工业基地，上海市的装备制造业布局和发展水平对我国整体制造业的发展具有决定性的影响。早在2012年上海市就编制了《上海市高端装备制造业“十二五”发展规划》，指出必须将装备制造业特别是高端装备制造业作为支柱产业，全力提升上海高端装备制造业的竞争力，使上海成为世界著名的高端装备制造中心，以推动产业结构调整和城市功能转型。2016年7月上海发布了《上海市制造业转型升级“十三五”规划》，并于2017年2月发布了《上海促进高端装备制造发展“十三五”规划》。两个“十三五”规划文件中，从多方面提出了对装备制造业转型升级的政策支持，金融支持即是其中重要一环。因此，研究上海装备制造业转型升级的融资效率对促进上海装备制造业转型升级具有重要意义。

一、相关文献

关于融资效率，国内较早的研究见于继康霖（1993）提出的“企业融资效率”命题，后续的研究者沿着这一命题深化了该领域的研究。方芳等（2005）认为融资效率是指某种融资方式以最高收益-成本比和最低风险为企业提供经营所需资金的能力。后续的研究文献大都聚集于融资效率的测度和实证分析，如魏开文（2001）利用模糊综合评价法分析企业融资效率，认为债权融资的效率要高于股权融资。伍装（2006）运用灰色关联分析法研究企业的融资效率，发现长期负债融资对中小型企业产值影响最小。熊正德等（2010，2014）以中国战略性新兴产业上市公司的财务数据为样本，运用DEA模型测度了金融支持效率，认为在间接融资驱动不足的现状下，采取直接融资是战略性新兴产业融资方式的首选。进一步，又选取2008年中国经济下行周期和2010年政策扶持阶段的两个截面数据，以DEA效率测度结果为依据分类研究了七大新兴产业的融资难易程度。孙景蔚，潘荣荣（2018）以30家上市公司作为样本，运用DEA模型研究了2014-2017年度我国高端装备制造业的融资效率。许婉韵等（2019）基于DEA-Tobit 模型研究了我国新能源产业的融资效率。

以上文献都是从财务绩效的角度评估了企业的融资效率，对于我们评估上海装备制造业转型升级的融资效率具有重要的借鉴意义，但转型升级是一个多维度的概念，不仅仅体现为财务因素，因此，我们需要在借鉴相关文献的基础上进行拓展，从转型升级的角度全面评价上海市装备制造业转型升级的融资效率。

二、研究方法与研究设计

（一）模型构建

借鉴于既有的研究，本文采用DEA模型对上海装备制造业转型升级的融资效率进行研究。DEA模型是由Copper 和Rhodes于1978年提出，近来被广泛应用于效率研究，该模型采用线性规划的方式评价多投入多产出决策单元（DMU）的相对效率，通过判断决策单元与有效前沿的偏离距离来评价决策单元的效率，并提出改进意见。根据规模报酬的变化，该模型衍生出规模报酬不变模型（CCR模型）和规模报酬可变模型（BBC模型）两类模型，结合两类模型可得出综合技术效率效率、纯技术效率和规模效率，三类效率之间的关系可表示 成综合技术效率=纯技术效率×规模效率。两类模型的构建分别为：

1.CCR模型

假设有n个决策单元（DMU，即效率评价中的企业），每个决策单元有m种投入和s种产出，为第j个DMU的第i个投入，为第j个DMU的第r个投入，CCR模型可表示为：

式中，δ为线性规划的目标值，反映综合技术效率，值越大，融资效率越高。λj为决策权重，为松弛变量，ε为非阿基米德无穷小。当且仅当δ=1，时，决策效率位于决策前沿，表示决策是有效的，否则存在无效状态，可以通过改进来提高效率。

2.BBC模型

（二）指标选取

融资效率通常被界定为以最高收益-成本比和最低风险为企业提供经营所需资金的能力（方芳等，2005），其中涉及到成本、收益和风险。从文献检索的结果来看，相关文献都是从财务绩效的角度谈融资效率，无论是“收益”，还是“成本”，都是指财务绩效、财务成本。当我们从转型升级的角度谈融资效率时，需要注意“收益”概念的界定，一是作为转型升级意义上的“收益”概念不能仅仅局限于财务意义，必须用反映转型升级的指标或测度来表示此处的“收益”；二是转型升级是从时间维度来谈的，没有时间维度上的比较，就无法界定转型升级。因此，我们在运用DEA模型实证分析转型升级的融资效率时，产出指标的选择应与一般意义上融资效率的研究有所不同。

1.投入指标的选择

关于投入指标的选择，我们可以借用相关文献的选择。此处，本文将资产总额、财务费用、资产负债率作为DEA模型中每一个决策单元的投入变量。

（1）资产总额。即企业所拥有或控制的所有资产，资产总额可以反映企业的融资规模。企业融资包括股权融资和债务融资，无论哪类融资，所有募来的资金都会转化为企业的资产，因此，资产规模可以表示融资总额。

（2）财务费用。作为融资的成本，财务费用是指企业在融资活动中所支付的费用，是企业融资的成本，此处作为投入变量纳入DEA模型实证中。

（3）资产负债率。资产负债率反映了企业的融资杠杆，资产负债率越高，表示财务杠杆越大，融资风险越高；反之，融资风险越低。因此，资产负债率可以作为融资风险的代理变量。

2.产出指标的选择

此处的产出指标，必须能够反映或测度企业的转型升级。关于转型升级的测度，岳意定，谢伟峰（2014）提出了衡量城市工业转型升级发展水平的测度指标，构建了6个一级指标和18个二级指标的指标体系。李慧、平芳芳（2017）从产业的合理化和高度化二个维度构建了包括6 个一级指标和 11 个二级指标的装备制造业产业结构升级程度测度指标体系，并采用层次分析法得出反映产业合理化和高度化的综合指标。陈瑾，何宁（2018）提出了衡量装备制造业转型升级评价指标体系，其中包括6个一级指标和20个二级指标。潘为华，潘为华等（2019）提出了构建了中国制造业转型升级的评价指标体系及综合指数。《上海市制造业转型升级“十三五”规划》也提出了上海制造业转型升级的目标指标体系，其中包括创新能力、质量效率和绿色发展三个一级指标和15个二级指标。综合来看，以上衡量转型升级的指标都是从产业或行业的角度来构建的，某些指标并不适合于在企业层面运用。适应于企业的要求，此处，我们用创新能力、质量效益、信息技术、绿色四大指标来评价企业的转型升级。为切合DEA模型多投入多产出的特征，不再构建二级指标，且不再对指标进行综合以得到一个综合指数，由此得到DEA模型的产出指标：

（1）创新能力。学者一般用两种方法来衡量创新能力，一是专利申请数量；二是R&D 经费支出比重，即R&D 经费支出占主营业务收入的比重，R&D 经费支出比重越大，创新能力则越强。在此，以R&D 经费支出比重来代表创新能力。

（2）质量效益。此处用劳动生产率和高附加值产品收入占主营业务收入之比两个指标来表示质量效益。劳动生产率越高、高附加值产品收入所占比重越大，则质量效益越好。

（3）信息技术。上海制造业转型升级“十三五”规划提出要推动信息化与工业化深度融合，全面提升制造业重点行业和企业的智能化、信息化水平，因此，此处把信息化发展水平作为衡量转型升级指标列入产出指标。考虑到数据的可得性，以信息化投入占主营业务收入的比重作为信息化水平的代理变量。

（4）绿色发展。绿色化是上海制造业的转型方向。推广清洁生产和绿色制造，推进节能减排和发展循环经济，提高资源能源利用效率，建立高效、清洁、低碳、循环的制造体系是未来持续性发展的要求，此处以单位产值能耗下降量作为绿色发展水平的代理变量。

各指标总结见表1：

表1 上海装备制造业转型升级的融资效率评价指标

（三）样本与数据来源

DEA模型要求决策单元数量为输入输出指标个数和的两倍，本文实证分析中有三个输入变量和5个输出变量，至少需要16家决策单元作为实证分析对象。本文选取45家上海装备制造业上市公司作为样本进行实证分析，完全满足DEA模型的技术要求。这些装备制造业上市公司虽然不能覆盖所有的上海装备制造业企业，但仍能从总体上说明上海装备制造业的发展水平和发展状况。对标《上海制造业转型升级“十三五”规划》，选择2015-2019年的数据分析分析，以评估十三五期间上海装备制造业企业转型升级的成效。转型升级需要进行时间维度上的对比，必须通过相关指标的差分来评估转型升级的成效，因此我们利用2015-2019的数据可以对2016-2019年期间上海装备制造业转型升级的效率进行评价。实证中所涉及到的数据通过查询公司年报和各公司网站主页获得，部分在年报和公司网站中未披露的数据通过调研获取。同时，DEA模型要求所有数据均为非负，因此，我们采用min-max方法对数据进行无量纲处理，将数据映射到[0-1]区间，具体处理方法为：

其中xmax与xmin分别为指标的最大值与最小值。

（四）实证结果分析

综合运用数据包络分析模型（DEA）中的CCR模型和BBC模型可测得样本公司的综合技术效率、纯技术效率和规模效率。现对每种效率进行整体分析：

1.综合技术效率分析

表2 综合技术效率描述性统计

表3 综合技术效率分布情况

结合表2与表3可知，2016-2017年期间，上海市装备制造业上市公司转型升级的总体融资效率处于上升阶段，由2016年0.85上升到2017年0.87，转型升级效果明显。从分布来看，2016年与2017年各有12家企业的转型是有效的（效率值为1），占样本企业的26.7%。效率值处于0.8-1之间的企业数量 2016年为16家，占比35.6%，2017年为18家，占比上升到40%。相比于2016-2017年，2018年的转型升级效率开始有所下降，效率值由2017年的0.87下降为0.82，2019年继续下降为0.75，企业明显放慢了转型升级的步伐，到2019年，转型有效率的企业由前两年的2016-2017年的12家减少7家，效率值为0.4以下的增加到3家。

2.纯技术效率分析

表4 纯技术效率分布情况

表4显示了转型升级的纯技术效率，2016年与2017年各有12家企业纯技术效率值1，为纯技术效率有效企业。2017年有17家企业纯技术效率处于0.8-1之间，2017年增加到20家企业，2018年又下降为17家，2019年为15家，呈现逐年下降的趋势。2016年有12家企业的纯技术效率值处于0.6-0.8之间，2017年为8家，2018年增加到12家，2019年为15家，0.6以下的部分，2016-2019年间则呈逐年递增趋势，总体来看，2018-2019年间，纯技术效率呈效率下降趋势。

3.规模效率分析

表5 规模效率分布情况

表5反映了样本企业转型升级规模效率的分布，规模有效的企业分布与纯技术效率一致，2016-2017年总体来看，2016-2017年规模效率呈增加趋势，2018-2019年间规模效率低分值企业数量逐渐增加，与综合效率趋势基本一致。

三、结论

以上采用DEA模型实证分析了上海装备制造业上市公司转型升级的融资效率，总体来看，“十三五”期间的前半段，上海装备制造业转型升级的融资效率较好，后半段效率逐步下降，金融支持对促进上海市装备制造业转型升级的效果开始弱化，这可能与最近几年中国制造业所处的国际环境环境恶化有关。当前，我国需要从政策、制度、融资等各方面着手，为我国制造业，特别是装备制造业的转型升级创造条件，以突破当前的困境，唯有如此，才能有望在当前复杂的国际斗争中赢得彻底胜利。