胡碩茹 底新月

【摘 ?要】論文基于2010-2020年京津冀高新技術(shù)產(chǎn)業(yè)上市公司面板數(shù)據(jù)和中國省級科技金融數(shù)據(jù)，利用熵值法分別測度了京津冀高新技術(shù)產(chǎn)業(yè)上市公司融資效率和科技金融發(fā)展水平，并結(jié)合雙向固定效應(yīng)模型對科技金融與高新技術(shù)產(chǎn)業(yè)上市公司融資效率的關(guān)系進行實證檢驗。分析發(fā)現(xiàn)：無論是京津冀地區(qū)的高新技術(shù)產(chǎn)業(yè)上市公司的融資效率還是科技金融發(fā)展水平都不均衡，呈現(xiàn)“北京較高、天津河北較低”的特點；科技金融的發(fā)展對京津冀高新技術(shù)產(chǎn)業(yè)上市公司融資效率存在顯著正向效應(yīng)。

【關(guān)鍵詞】科技金融；融資效率；高新技術(shù)產(chǎn)業(yè)上市公司

【中圖分類號】F276.44；F275 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2023）02-0169-03

1 引言

科技創(chuàng)新是高新技術(shù)企業(yè)發(fā)展的核心競爭力。黨的十八大以來，我國實施創(chuàng)新驅(qū)動發(fā)展重大戰(zhàn)略，制定了大量科技金融法規(guī)及相關(guān)政策，設(shè)立了多個促進科技和金融結(jié)合試點地區(qū)，從財政支持、市場建設(shè)、融資方式等多角度全方面支持高新技術(shù)企業(yè)的發(fā)展。上市公司作為京津冀科技創(chuàng)新中的主要力量，科技金融的發(fā)展既可以為高新技術(shù)產(chǎn)業(yè)上市公司拓寬融資渠道、提供低成本資金，又能促進其更有效率地運用所籌集資金。本文以2010-2020年京津冀328家高新技術(shù)產(chǎn)業(yè)上市公司數(shù)據(jù)為研究樣本，構(gòu)建科技金融與融資效率的評價指標(biāo)體系，運用熵值法和雙向固定效應(yīng)模型探究科技金融對高新技術(shù)產(chǎn)業(yè)上市公司融資效率的影響，旨在驗證科技金融對京津冀高新技術(shù)產(chǎn)業(yè)上市公司融資效率的影響程度，進而提出相應(yīng)的提升對策。

2 文獻綜述

2.1 上市公司融資效率研究

國內(nèi)研究主要集中在融資效率的內(nèi)涵、融資效率的測度方法、融資效率的影響因素3個方面。上市公司融資效率的內(nèi)涵涵蓋了資金的融入效率和配置效率，融入效率取決于融資成本以及融資的難易程度，配置效率取決于公司的投資狀況。學(xué)者們對于融資效率的測度方法主要運用了熵值法（郭平等，2012）、回歸分析法和DEA方法（雷輝等，2020）。上市公司融資效率的影響因素研究，主要聚焦于外部環(huán)境因素和企業(yè)內(nèi)部因素。外部環(huán)境因素包括法律環(huán)境（趙峰等，2021）、宏觀經(jīng)濟政策（宋云星等，2020）；內(nèi)部因素主要包括企業(yè)盈利能力、管理水平、資金利用效率（王雪梅等，2018）。

2.2 科技金融對企業(yè)融資的影響研究

目前關(guān)于科技金融對企業(yè)融資的研究，主要聚焦于科技金融對企業(yè)財務(wù)績效的影響（張婕等，2021）、對企業(yè)融資約束的影響（陳建麗，2020），直接討論科技金融對上市公司融資效率影響的文獻較少。翟華云等（2016）建立多元回歸模型發(fā)現(xiàn)地區(qū)科技金融的發(fā)展對于高新技術(shù)企業(yè)融資效率有積極影響，同時政府干預(yù)會阻礙這種促進作用。

2.3 文獻述評

已有文獻更多是在研究科技金融對中小企業(yè)融資困境的改善、對企業(yè)融資約束的影響、對企業(yè)融資能力的影響，鮮少有對高新技術(shù)產(chǎn)業(yè)上市公司融資效率的研究。高新技術(shù)產(chǎn)業(yè)上市公司是推動區(qū)域科技創(chuàng)新的主要力量，科技金融的發(fā)展能否提升其融資效率？基于這一思考，本文利用熵值法構(gòu)建科技金融與融資效率的評價指標(biāo)體系，并通過雙向固定效應(yīng)回歸模型探究科技金融對高新技術(shù)產(chǎn)業(yè)上市公司融資效率的影響，最后提出了相應(yīng)的對策建議。

3 實證分析

3.1 樣本選取及數(shù)據(jù)來源

本文以2010-2020年京津冀328家高新技術(shù)產(chǎn)業(yè)上市公司為研究樣本，刪除有缺失值的企業(yè)，共得到1 049條有效數(shù)據(jù)。文中所用科技金融數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》，企業(yè)財務(wù)數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。

3.2 高新技術(shù)產(chǎn)業(yè)上市公司融資效率測度

上市公司的融資效率取決于其融到的資金是否能得到有效利用，涵蓋了資金的融入效率和配置效率兩個方面。本文在構(gòu)建融資效率指標(biāo)體系時從以上兩個方面出發(fā)，選取資產(chǎn)總額等作為融入效率指標(biāo)，選取凈資產(chǎn)收益率等作為配置效率指標(biāo)，指標(biāo)體系如表1所示。

考慮到選取指標(biāo)較多，為避免主觀性，采用熵值法對以上指標(biāo)進行客觀的權(quán)重賦值及測算，對計算出來的各家高新技術(shù)產(chǎn)業(yè)上市公司的融資效率分地區(qū)分年度進行算數(shù)平均，以均值代表各地區(qū)歷年的高新技術(shù)產(chǎn)業(yè)上市公司融資效率，計算結(jié)果如表2所示?？梢钥闯觯┙蚣降貐^(qū)，北京的融資效率最高，均值為0.053；河北次之，均值為0.051；天津最低，均值為0.046。從整體來看，北京和天津地區(qū)的高新技術(shù)產(chǎn)業(yè)上市公司融資效率呈現(xiàn)一定的下降趨勢，僅2020年稍有回升；而河北地區(qū)高新技術(shù)產(chǎn)業(yè)上市公司融資效率呈現(xiàn)先下降后上升的趨勢。

3.3 科技金融測度

基于科技金融的內(nèi)涵，借鑒曹顥等（2011）對我國科技金融發(fā)展指數(shù)的研究，本文從資源水平、經(jīng)費水平、產(chǎn)出水平、貸款水平4個方面構(gòu)建科技金融的指標(biāo)體系，詳細(xì)構(gòu)成見表3。

同樣采用熵值法確定各指標(biāo)權(quán)重，具體結(jié)果見表4。可以看出，京津冀地區(qū)的科技金融發(fā)展水平中，北京的科技金融水平最高，均值為0.58；天津次之，均值為0.46；河北最低，均值為0.16。但整體來看，科技金融的發(fā)展水平均呈現(xiàn)上升趨勢。

3.4 模型構(gòu)建

為探究科技金融發(fā)展對京津冀高新技術(shù)產(chǎn)業(yè)上市公司融資效率的影響，本文建立的計量模型如下：

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

其中，fefficiency表示融資效率，是被解釋變量；techf表示科技金融水平，是核心解釋變量；opportunity表示投資機會；size表示公司規(guī)模；ways表示融資方式；quality表示公司質(zhì)量；gdp表示人均地區(qū)生產(chǎn)總值，均為控制變量。δ表示常數(shù)項；βi（i=1，2，…，6）表示模型估計系數(shù)；？滋i表示地區(qū)固定效應(yīng)；？酌t表示時間固定效應(yīng)；ε表示隨機干擾項。具體變量說明如表5所示，所有變量的描述性統(tǒng)計分析見表6。

3.5 結(jié)果分析

利用Stata17對方程進行控制時間和地區(qū)的固定效應(yīng)回歸，結(jié)果如表7所示。

從總體來看，該模型調(diào)整后的擬合系數(shù)為0.882，說明整體擬合程度較好；p值小于0.01，說明方程的聯(lián)合顯著性在1%的顯著性水平上顯著，各變量大多在5%的顯著性水平上顯著。從核心解釋變量來看，科技金融（techf）系數(shù)在5%的水平上顯著為正，表明科技金融的發(fā)展對京津冀高新技術(shù)產(chǎn)業(yè)上市公司的融資效率有明顯促進作用?？刂谱兞恐?，投資機會（opportunity）系數(shù)在5%的水平上顯著為負(fù)，表明投資機會與京津冀高新技術(shù)產(chǎn)業(yè)上市公司的融資效率顯著負(fù)相關(guān)，投資機會的增加會導(dǎo)致融資效率的下降；公司規(guī)模（size）系數(shù)在5%的水平上顯著為正，說明公司規(guī)模的擴大會提高京津冀高新技術(shù)產(chǎn)業(yè)上市公司的融資效率；融資方式（ways）系數(shù)在1%的水平上顯著為負(fù)，表明公司的資產(chǎn)負(fù)債率越大，融資效率越低，過度負(fù)債會抑制融資效率的提高；公司質(zhì)量（quality）系數(shù)為正但不顯著，表明公司質(zhì)量與融資效率有一定的正向關(guān)系；人均地區(qū)生產(chǎn)總值（gdp）系數(shù)在5%的水平上顯著為正，表明地區(qū)經(jīng)濟發(fā)展水平的提高對于融資效率的提升有積極的促進作用。

4 對策建議

科技金融的發(fā)展在京津冀地區(qū)并不均衡，目前還停留在發(fā)展不充分的階段，這種不充分不成熟的狀態(tài)會影響科技金融的配置作用，影響金融資源流向科技創(chuàng)新系統(tǒng)，使得高新技術(shù)產(chǎn)業(yè)上市公司的科技研發(fā)活動缺少有力資金支持，技術(shù)發(fā)展的瓶頸問題更難克服，因此，建立健全京津冀地區(qū)的科技金融服務(wù)體系，提高地區(qū)科技金融發(fā)展水平是關(guān)鍵所在。一方面，要注重引入科技人才，建立科研機構(gòu)，加大地方科學(xué)技術(shù)支出在地方一般公共預(yù)算中的占比，提高研究與試驗發(fā)展經(jīng)費；另一方面，要健全科技和金融結(jié)合機制，豐富科技金融的模式類型，提升科技金融服務(wù)高新技術(shù)產(chǎn)業(yè)上市公司的水平和效率，增強科技金融體系的穩(wěn)定性和有效性，最終促成京津冀地區(qū)的科技成果轉(zhuǎn)化和技術(shù)進步。

【參考文獻】

【1】郭平，羅秋萍，孟慧婷.創(chuàng)業(yè)板上市公司融資效率實證研究——基于主成分分析法與熵值法[J].財會通訊，2012（17）：13-15.

【2】雷輝，劉俏云.基于四階段DEA模型的綠色低碳企業(yè)融資效率研究[J].財經(jīng)理論與實踐，2020，41（03）：72-78.

【3】趙峰，張?zhí)鹛?，馬光明.金融衍生品監(jiān)管法律與海外企業(yè)融資效率：基于中國金融衍生品監(jiān)管指數(shù)的實證分析[J].世界經(jīng)濟研究，2021（02）：77-89+117+135-136.

【4】宋云星，陳真玲，趙珍珍.經(jīng)濟政策不確定性對民營企業(yè)融資效率的影響[J].金融與經(jīng)濟，2020（02）：71-78.

【5】王雪梅，賈琪琪.基于DEA-Malmquist指數(shù)的我國制造業(yè)中小企業(yè)融資效率研究[J].武漢金融，2018（08）：56-61.

【6】張婕，金寧，張云.科技金融投入、區(qū)域間經(jīng)濟聯(lián)系與企業(yè)財務(wù)績效——來自長三角G60科創(chuàng)走廊的實證分析[J].上海財經(jīng)大學(xué)學(xué)報，2021，23（03）：48-63.

【7】陳建麗.科技金融發(fā)展、融資約束與企業(yè)研發(fā)投入——來自A股上市公司的經(jīng)驗證據(jù).科技管理研究[J].2020，40（14）：131-139.

【8】翟華云，李妍茹.政府干預(yù)、區(qū)域科技金融發(fā)展與高新技術(shù)企業(yè)融資效率[J].財會通訊，2016（33）：48-51.

【9】曹顥，尤建新，盧銳，等.我國科技金融發(fā)展指數(shù)實證研究[J].中國管理科學(xué)，2011，19（3）：134-140.