科技金融对高新技术产业上市公司融资效率的影响研究

胡硕茹 底新月

【摘  要】论文基于2010-2020年京津冀高新技术产业上市公司面板数据和中国省级科技金融数据，利用熵值法分别测度了京津冀高新技术产业上市公司融资效率和科技金融发展水平，并结合双向固定效应模型对科技金融与高新技术产业上市公司融资效率的关系进行实证检验。分析发现：无论是京津冀地区的高新技术产业上市公司的融资效率还是科技金融发展水平都不均衡，呈现“北京较高、天津河北较低”的特点；科技金融的发展对京津冀高新技术产业上市公司融资效率存在显著正向效应。

【关键词】科技金融；融资效率；高新技术产业上市公司

【中图分类号】F276.44；F275                                             【文献标志码】A                                                 【文章编号】1673-1069（2023）02-0169-03

1 引言

科技创新是高新技术企业发展的核心競争力。党的十八大以来，我国实施创新驱动发展重大战略，制定了大量科技金融法规及相关政策，设立了多个促进科技和金融结合试点地区，从财政支持、市场建设、融资方式等多角度全方面支持高新技术企业的发展。上市公司作为京津冀科技创新中的主要力量，科技金融的发展既可以为高新技术产业上市公司拓宽融资渠道、提供低成本资金，又能促进其更有效率地运用所筹集资金。本文以2010-2020年京津冀328家高新技术产业上市公司数据为研究样本，构建科技金融与融资效率的评价指标体系，运用熵值法和双向固定效应模型探究科技金融对高新技术产业上市公司融资效率的影响，旨在验证科技金融对京津冀高新技术产业上市公司融资效率的影响程度，进而提出相应的提升对策。

2 文献综述

2.1 上市公司融资效率研究

国内研究主要集中在融资效率的内涵、融资效率的测度方法、融资效率的影响因素3个方面。上市公司融资效率的内涵涵盖了资金的融入效率和配置效率，融入效率取决于融资成本以及融资的难易程度，配置效率取决于公司的投资状况。学者们对于融资效率的测度方法主要运用了熵值法（郭平等，2012）、回归分析法和DEA方法（雷辉等，2020）。上市公司融资效率的影响因素研究，主要聚焦于外部环境因素和企业内部因素。外部环境因素包括法律环境（赵峰等，2021）、宏观经济政策（宋云星等，2020）；内部因素主要包括企业盈利能力、管理水平、资金利用效率（王雪梅等，2018）。

2.2 科技金融对企业融资的影响研究

目前关于科技金融对企业融资的研究，主要聚焦于科技金融对企业财务绩效的影响（张婕等，2021）、对企业融资约束的影响（陈建丽，2020），直接讨论科技金融对上市公司融资效率影响的文献较少。翟华云等（2016）建立多元回归模型发现地区科技金融的发展对于高新技术企业融资效率有积极影响，同时政府干预会阻碍这种促进作用。

2.3 文献述评

已有文献更多是在研究科技金融对中小企业融资困境的改善、对企业融资约束的影响、对企业融资能力的影响，鲜少有对高新技术产业上市公司融资效率的研究。高新技术产业上市公司是推动区域科技创新的主要力量，科技金融的发展能否提升其融资效率？基于这一思考，本文利用熵值法构建科技金融与融资效率的评价指标体系，并通过双向固定效应回归模型探究科技金融对高新技术产业上市公司融资效率的影响，最后提出了相应的对策建议。

3 实证分析

3.1 样本选取及数据来源

本文以2010-2020年京津冀328家高新技术产业上市公司为研究样本，删除有缺失值的企业，共得到1 049条有效数据。文中所用科技金融数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》，企业财务数据来源于CSMAR数据库。

3.2 高新技术产业上市公司融资效率测度

上市公司的融资效率取决于其融到的资金是否能得到有效利用，涵盖了资金的融入效率和配置效率两个方面。本文在构建融资效率指标体系时从以上两个方面出发，选取资产总额等作为融入效率指标，选取净资产收益率等作为配置效率指标，指标体系如表1所示。

考虑到选取指标较多，为避免主观性，采用熵值法对以上指标进行客观的权重赋值及测算，对计算出来的各家高新技术产业上市公司的融资效率分地区分年度进行算数平均，以均值代表各地区历年的高新技术产业上市公司融资效率，计算结果如表2所示。可以看出，京津冀地区，北京的融资效率最高，均值为0.053；河北次之，均值为0.051；天津最低，均值为0.046。从整体来看，北京和天津地区的高新技术产业上市公司融资效率呈现一定的下降趋势，仅2020年稍有回升；而河北地区高新技术产业上市公司融资效率呈现先下降后上升的趋势。

3.3 科技金融测度

基于科技金融的内涵，借鉴曹颢等（2011）对我国科技金融发展指数的研究，本文从资源水平、经费水平、产出水平、贷款水平4个方面构建科技金融的指标体系，详细构成见表3。

同样采用熵值法确定各指标权重，具体结果见表4。可以看出，京津冀地区的科技金融发展水平中，北京的科技金融水平最高，均值为0.58；天津次之，均值为0.46；河北最低，均值为0.16。但整体来看，科技金融的发展水平均呈现上升趋势。

3.4 模型构建

为探究科技金融发展对京津冀高新技术产业上市公司融资效率的影响，本文建立的计量模型如下：

fefficiencyi，t=δ+β1techfi，t+β2opportunityi，t+β3sizei，t+β4waysi，t+β5qualityi，t+β6gdpi，t+υi+γt+εi，t

其中，fefficiency表示融资效率，是被解释变量；techf表示科技金融水平，是核心解释变量；opportunity表示投资机会；size表示公司规模；ways表示融资方式；quality表示公司质量；gdp表示人均地区生产总值，均为控制变量。δ表示常数项；βi（i=1，2，…，6）表示模型估计系数；？滋i表示地区固定效应；？酌t表示时间固定效应；ε表示随机干扰项。具体变量说明如表5所示，所有变量的描述性统计分析见表6。

3.5 结果分析

利用Stata17对方程进行控制时间和地区的固定效应回归，结果如表7所示。

从总体来看，该模型调整后的拟合系数为0.882，说明整体拟合程度较好；p值小于0.01，说明方程的联合显著性在1%的显著性水平上显著，各變量大多在5%的显著性水平上显著。从核心解释变量来看，科技金融（techf）系数在5%的水平上显著为正，表明科技金融的发展对京津冀高新技术产业上市公司的融资效率有明显促进作用。控制变量中，投资机会（opportunity）系数在5%的水平上显著为负，表明投资机会与京津冀高新技术产业上市公司的融资效率显著负相关，投资机会的增加会导致融资效率的下降；公司规模（size）系数在5%的水平上显著为正，说明公司规模的扩大会提高京津冀高新技术产业上市公司的融资效率；融资方式（ways）系数在1%的水平上显著为负，表明公司的资产负债率越大，融资效率越低，过度负债会抑制融资效率的提高；公司质量（quality）系数为正但不显著，表明公司质量与融资效率有一定的正向关系；人均地区生产总值（gdp）系数在5%的水平上显著为正，表明地区经济发展水平的提高对于融资效率的提升有积极的促进作用。

4 对策建议

科技金融的发展在京津冀地区并不均衡，目前还停留在发展不充分的阶段，这种不充分不成熟的状态会影响科技金融的配置作用，影响金融资源流向科技创新系统，使得高新技术产业上市公司的科技研发活动缺少有力资金支持，技术发展的瓶颈问题更难克服，因此，建立健全京津冀地区的科技金融服务体系，提高地区科技金融发展水平是关键所在。一方面，要注重引入科技人才，建立科研机构，加大地方科学技术支出在地方一般公共预算中的占比，提高研究与试验发展经费；另一方面，要健全科技和金融结合机制，丰富科技金融的模式类型，提升科技金融服务高新技术产业上市公司的水平和效率，增强科技金融体系的稳定性和有效性，最终促成京津冀地区的科技成果转化和技术进步。

【参考文献】

【1】郭平，罗秋萍，孟慧婷.创业板上市公司融资效率实证研究——基于主成分分析法与熵值法[J].财会通讯，2012（17）：13-15.

【2】雷辉，刘俏云.基于四阶段DEA模型的绿色低碳企业融资效率研究[J].财经理论与实践，2020，41（03）：72-78.

【3】赵峰，张甜甜，马光明.金融衍生品监管法律与海外企业融资效率：基于中国金融衍生品监管指数的实证分析[J].世界经济研究，2021（02）：77-89+117+135-136.

【4】宋云星，陈真玲，赵珍珍.经济政策不确定性对民营企业融资效率的影响[J].金融与经济，2020（02）：71-78.

【5】王雪梅，贾琪琪.基于DEA-Malmquist指数的我国制造业中小企业融资效率研究[J].武汉金融，2018（08）：56-61.

【6】张婕，金宁，张云.科技金融投入、区域间经济联系与企业财务绩效——来自长三角G60科创走廊的实证分析[J].上海财经大学学报，2021，23（03）：48-63.

【7】陈建丽.科技金融发展、融资约束与企业研发投入——来自A股上市公司的经验证据.科技管理研究[J].2020，40（14）：131-139.

【8】翟华云，李妍茹.政府干预、区域科技金融发展与高新技术企业融资效率[J].财会通讯，2016（33）：48-51.

【9】曹颢，尤建新，卢锐，等.我国科技金融发展指数实证研究[J].中国管理科学，2011，19（3）：134-140.