前言：想要寫出一篇引人入勝的文章？我們特意為您整理了創新層企業融資效率淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

［提要］新三板分層制度降低投資者收集信息成本，提高風險防控水平，促進資金流動性增強，為解決中小企業融資提供新的選擇。本文以全國中小企業股份轉讓系統2018年5月25日公布的559家創新層公司為研究對象，運用三階段DEA分析法，分析其融資效率問題。結果表明：創新層掛牌對融資效率有一定的影響，分層制度、轉板制度、投資者適當性管理要求促進融資規模及效率提升。

關鍵詞：新三板創新層；融資效率；三階段DEA分析

2006年，中關村科技園區非上市股份公司進入證券公司代辦股份轉讓系統進行股份轉讓試點。2013年，全國股轉系統擴大試點至全國，新三板掛牌公司數量快速上升。2016年，新三板分層制度試運行，將掛牌企業分成創新層和基礎層，2018年進行了分層制度改革。全國中小企業股份轉讓系統的統計數據表明，94%的創新層公司在新三板市場獲得股票融資，2018年5月23日公布的940家創新層公司中共有884家發生過融資，融資發生率94.04%，合計融資額達1，250.19億元。其中，299家公司融資超過1億元，14家公司融資超過10億元，541家公司股票融資兩次以上。其中，制造業、信息技術等高新企業占七成以上。巨大的融資體量，解決了高新型中小企業的資金需求問題，不少公司實現了規模升級。2019年5月24日，全國股轉公司發布2019年創新層掛牌公司名單，共計698家掛牌公司入圍。伴隨著融資規模的不斷加大，也引發了更為深層的問題。其中，融資效率逐漸成為較為突出問題，對資金的投入產出效率進行客觀、合理的評價逐漸成為政府監管部門和學術研究的熱點。以期通過更科學的制度設計，實現監管資源的優化配置，降低投資者信息收集成本，提高市場流動性，提高企業的估值。國內學者對企業融資效率做了大量有意義的探索，綜合來看，已有的研究涵蓋了新三板市場、創業板市場、主板市場在內的企業融資效率評價，得出了我國資本市場融資效率不高的結論，但是還存在一定的改進空間。首先，已有的針對創業板和主板市場企業的研究，由于企業規模、管理模式、主營產品等不同，并不能很好地適用于新三板企業的融資規律；其次，已有的針對新三板的研究主要是依據2019年及以前的數據進行分析和論證的，2013年新三板才擴容，管理制度及分層制度直到2021年還在進一步完善中，數據統計口徑存在不統一等問題，在一定程度上影響了研究結果。多數研究結果表明企業融資效率較低或無效率。目前針對新三板創新層企業的專門研究還不多，本文運用三階段DEA模型對新三板創新層企業的綜合效率、純技術效率和規模效率進行分析，通過松弛變量對環境變量和混合誤差項進行回歸，剔除環境因素和隨機噪聲，運用調整后的投入產出變量再次測算各決策單元的效率，此時已經剔除環境因素和隨機因素的影響，產出效率是相對真實準確的。這是已有研究關注不足的地方。

一、研究設計

（一）研究方法。企業融資效率包括在給定的投入下獲得最大產出的能力和在給定各自投入價格的情況下使用最優比例的能力，即技術效率和配置效率，兩個結合起來就是總經濟效率。數據包絡分析法（DEA）是一種運用線性規劃確定最佳生產前沿面的非參數法，可以識別每一個決策單元（DMU）的相對效率，可以同時處理多個決策單元多個投入產出指標的情況，數據相對比較客觀。DEA分析法分成投入主導型測度和產出主導型測度。投入主導型即不減少產出的情況下，投入可以按比例減少的數量。產出主導型即不增加投入的情況下，產出可以按比例增加的數量。只有規模收益不變的情況下，投入主導型和產出主導型測度方法的技術效率是相等的。但是，存在規模報酬遞增和規模報酬遞減的時候就不相等。本文結合研究對象高新型中小企業的特點，投入指標相對產出指標更容易調整，選擇投入主導型規模報酬可變的三階段DEA模型。

（二）研究流程。第一階段：經典DEA模型估計。使用原始投入產出數據進行初始效率評價。對于任一決策單元，投入主導型規模報酬可變的DEA模型。將創新層企業原始投入指標整理，運用DEAP2.1軟件，可以得到初始效率評價結果，同時得到投入變量的松弛變量。第二階段：構建隨機前沿分析SFA回歸模型。運用SFA模型分解第一階段的松弛變量，并調整投入變量。松弛變量可以反映初始的低效率，一般來說由環境因素、管理無效率和統計噪聲等環境因素構成。接下來剔除環境因素和隨機因素對效率測度的影響，以便將所有決策單元調整于相同的外部環境中。第三階段：調整后的DEA模型估計。將調整后的新投入數據代替原始投入數據，保持原始產出數據不變，再次運用于DEAP2.1軟件，擬合投入指標的松弛變量和環境的關系，得到剔除噪音的企業效率評價結果。

（三）數據描述。本文以全國中小企業股份轉讓系統2018年5月25日公布的940家創新層公司為研究對象，保證了數據的可研究性和連續性。剔除了金融類掛牌公司，因為金融類公司的現金流極大，不屬于實體經濟范疇，該行業的財務數據與一般企業不具有可比性；剔除了財務費用為負數的公司，這類企業現金充裕，利息收入較多，影響了指標的衡量質量；剔除了在研究期間發生并購、擬申請主板或創業板IPO的公司，最終得到559個樣本的面板數據。本文的投入產出變量數據來源于2019～2020年相關企業年報（wind數據庫），環境變量來源于中國統計年鑒。

（四）指標選取1、投入產出指標選取。DEA分析法的評價結果與決策單元的個數、投入產出指標個數密切相關。從DEA方法的實踐應用經驗來看，決策單元DMU的數量至少應該為投入產出指標數量的2～3倍以上，否則DEA方法對決策單元的區分能力會降低。借鑒其他學者的算法，確定資產負債率、財務費用、銷售毛利率為投入指標，每股收益為產出指標。在正式分析之前，運用SPSS軟件對所選投入、產出指標進行描述統計，并進行合理性分析。通常采用皮爾遜（Pearson）相關系數方法檢驗其是否滿足同向性假設的要求。Pearson系數的絕對值越接近1，相關性越強，越接近于0，相關度越弱。所選取的投入、產出指標相關性系數總體為正，大多數通過了5%級別顯著性水平的雙尾檢驗，滿足了同向性假設，這表明所選投入、產出指標的合理性通過建議，可以進行后續實證分析。2、外部環境指標選取。本文所選取的外部環境變量是指不受新三板創新層企業所控制的，但對其融資效率有著重大影響的變量。綜合考慮企業生產經營特點和數據的準確性、可得性，選取GDP增長率和三板成指作為環境變量。

二、實證結果與分析

（一）第一階段：經典DEA模型實證結果。將樣本投入、產出指標數據導入DEA模型中，并運用DEAP2.1軟件進行計算，得出第一階段創新層企業融資效率的綜合技術效率、純技術效率和規模效率值，結果如表1所示。（表1）

（二）第二階段：SFA模型實證結果。將第一階段的松弛變量，剔除環境因素和隨機因素對效率測度的影響，使所有決策單元置于相同的外部環境中，并運用Frontier4.1軟件進行計算，得出投入變量的SFA回歸結果，如表2所示。（表2）

（三）第三階段：調整后的DEA模型實證結果。將調整后的投入數據和原始產出數據再次運用于DEAP2.1軟件，得到剔除了噪音的企業的效率值，如表3所示。（表3）

（四）實證結果分析。當綜合技術效率為1時，此時純技術效率值和規模效率值均為1，表明企業融資是有效率的；而本文中分析的559個決策單元的綜合技術效率小于1，表明投入并未達到最優水平，進一步分析發現，約92%的企業正處于規模報酬遞增階段，產出水平隨投入水平成正比例增長。調整后的第三階段DEA效率值比第一階段高，說明外部環境對企業有較明顯的影響。

三、啟示

新三板的分層制度降低了投資者收集信息成本，提高了風險防控水平。分層制度在準入、融資方式、信息披露要求、投資者準入等方面做出差異化的安排。對于創新層公司來講，合理的信息披露和公司評級營造了較好的融資環境，使企業能夠較快速地獲得足夠的資金用于新技術的研發和市場拓展。轉板制度促進了資金流動性增強，促進了多層次資本市場各個板塊之間的聯通，發揮了金融服務實體經濟的功能作用。投資者看好轉板上市的溢價空間，積極尋找投資潛在標的，二級市場情緒高漲。投資者適當性管理要求調整客觀上推動了創新層交易持續增加。創新層準入門檻降低，投資者數量顯著增加，促進了創新層交易量活躍增加，尤其是頭部優質股票交投活躍，有利于優質企業獲得更多的資源投入，進一步促進企業的發展。

作者:劉曉磊 王寧遠 王鵬 單位:河北政法職業學院 中核戰略規劃研究院有限公司