【關鍵詞】 融資效率; 政府補助; 農業上市公司; 三階段DEA

　　一、前言

　　農業投資回報周期長、風險大等因素導致農業上市公司融資難等問題長期存在，使資金融入效率低下;農業上市公司實行主營業務轉型并將大量資金向非農產業轉移的現象日趨普遍，從而出現明顯的“背農”現象，使有限資金的配置效率低下。以上共同影響農業上市公司的融資效率。2020年12月23日發布的國務院關于財政農業農村資金分配和使用情況的報告指出，近年全國財政一般公共預算累計安排農業農村相關支出高于全國一般公共預算支出平均增幅，近5年農業上市公司受贈政府補助總額達160.58億元?？梢娢覈叨戎匾曓r業發展并給予大力政府補助支持。因此提升有資本帶動作用的農業上市公司融資效率并改善多種方式的政府補助實施政策有助于實現農業產業現代化。

　　效率可用于測量資源配置能力，關于上市公司的融資效率，已有研究使用不同方法多角度進行了探討。耿成軒等[ 1 ]、姜妍[ 2 ]等采用雙邊隨機邊界模型與Super-SBM、Logit模型研究了戰略新興上市公司和人工智能產業上市公司融資效率。謝閃閃等[ 3 ]使用傳統DEA法測算農業上市公司的融資效率，發現不同年份融資效率水平變化較大，不同子行業綜合效率無明顯差異。結合農業上市公司行業特點，農業生產設備、技術研發等生產要素無法在增加投入的匹配年度快速產生效益，忽略了從投入到產出過程中的時間因素，而窗口DEA模型可以解決農業投入對未來產出的滯后問題[ 4 ]。

　　政府補助對上市公司的融資效率產生正反效應，且受不同環境因素的影響。支持者認為政府補助能夠提升公司績效水平。首先，作為直接補助資金投入。從利潤表層面看，2017年政府補助會計準則改革前后都影響了上市公司的利潤總額;從現金流量表層面看，增加了公司現金流，可給予銀行等金融機構隱性的農業貸款擔保。其次，傳遞積極的間接融資信息。政府補助給予外部投資者該公司將加大研發創新、改善融資結構等有利信息，從而引導投資。李國蘭等[ 5 ]實證分析滬深A股上市公司得出政府補助有利于促進國有企業研發投入。同時三方審計發表的標準無保留審計意見能有效緩解企業與金融機構以及政府機構間的信息不對稱，有助于緩解企業面臨的融資約束[ 6-7 ]。

　　而反對者認為財稅扶持政策是低效甚至無效的，政府補助無法為公司績效帶來正面促進作用，對利潤總額的直接影響反而會削弱公司融資努力程度，引發公司對補貼的依賴，降低經營績效水平;部分公司可能會為獲取政府補助采取迎合行為或刻意隱瞞公司經營受阻等不利信息，導致信息披露不健全，從而降低公司融資信用。楊雪等[ 8 ]使用門限回歸模型研究得出當政府補助投入低于某一門檻值時有利于提升農業上市公司全要素生產率，高于該門檻值時則會產生反向抑制作用，可能源于上市公司融資結構具有的內生性時間效應[ 9 ]。

　　已有文獻對上市公司融資效率的研究方法為本文奠定了科學基礎，基于三階段DEA結合窗口模型分析農業上市公司5年數據可以有效彌補傳統DEA無法處理面板數據的缺陷，且鑒于政府補助對農業上市公司的重大影響力以及理論層面的不同，將政府補助作為投入變量實證分析環境因素通過政府補助冗余對融資效率產生的影響效應具有可研究價值。

　　二、變量設計、模型選取與數據來源

　　(一)變量設計

　　我國農業上市公司上市時間跨度大，樣本公司從最早上市于1993年的廣弘控股橫跨至2014年上市的牧原股份和龍大肉食，各地區的經濟發展水平導致政府支農投資與公司的融資風險不同。當處于擴張階段時，生產的農產品能夠快速被消耗，資金回流快，更偏向內部融資渠道來滿足下階段投資和生產，可降低融資成本。但從金融投資方角度，當經濟增長水平高時，融資供給方會抓住機會適度降低放貸要求，導致融資方增加外部借款規模。本文選取的67家農業上市公司5年股權集中度最小值為正虹科技2018年的9.17%，最大值為雙匯發展2019年達73.41%，表明目前農業上市公司股權集中度相差懸殊，而股權結構會影響公司績效。信息不對稱導致公司不同利益相關者都趨向實施有利于自身的行為，注冊會計師出具的年度審計意見作為第三方客觀評估意見，會改變政府機構資金投入意愿和投資者行為，影響資金融入效率。同時農業公司國有與非國有的股權性質會影響政府的補助力度，從而影響融資效率。

　　投入變量的選取綜合考慮融資理論和影響農業上市公司資金融入效率的因素，遵循數據可得性及指標無替代性和無互補性等原則。前期學者構建DEA投入產出指標時，多聚集公司各項財務能力，或將政府補助作為環境變量進行簡單分析，本文基于農業上市公司行業特殊性將政府補助作為重要的投入變量。產出指標應能衡量公司融資后進行生產經營活動的資金利用效率，體現農業上市公司對籌集資金的配置效率。環境變量是企業無法主觀控制但會影響融資效率的因素，本文梳理現有文獻并結合農業上市公司行業特點和發展現狀，最終選取5項環境變量指標。

　　(二)三階段DEA窗口模型

　　第一階段測出的投入冗余受環境因素、管理無效率和隨機誤差項的影響，存在一定缺陷，同時考慮農業產出與投入的時間滯后效應，本文選擇改進后的三階段DEA窗口模型，并使用MaxDEA軟件測算。該模型不僅可以橫向分析同一DMU在不同時期的效率，而且可以縱向比較同一時期不同DMU的效率值。確定窗口寬度d，假設待評估時期數為T，則對應有T-d+1個窗口，每個DMU在各窗口會出現d個效率值E。

　　(三)數據來源

　　基于數據的可得性和合理性，選取中國證監會2015—2019年各季度《中國上市公司行業分類指引》中包含的所有農林牧漁類和農副食品加工類農業上市公司，剔除不符合條件的ST公司、*ST公司、已退市公司和2015年后公開上市的公司，最終確定67家樣本公司，共計335個樣本觀測值。財務數據來源于國泰安數據庫(CSMAR)和各農業上市公司年度報表，宏觀數據來源于中國統計年鑒。

　　三、農業上市公司融資效率分析

　　第一階段和第三階段均運用MaxDEA軟件的窗口模型設置d=3[ 10 ]，則窗口1、窗口2、窗口3分別為2015—2017年、2016—2018年、2017—2019年。整理67家樣本公司不同時期的效率值，并計算5年的平均數，結果如表2。由于第一階段測量的融資效率值缺乏研究參考價值，后續分析所使用效率值未加說明的均為第三階段效率值。

　　(一)總體效率分析

　　第三階段相比第一階段，融資綜合效率和純技術效率上升，而規模效率下降。融資綜合效率和純技術效率均值提升到0.470和0.894，提升幅度分別是3.30%和66.48%，而規模效率均值降至0.522，降低率為37.56%，表明環境因素和隨機誤差使農業上市公司的融資綜合效率和純技術效率被低估，規模效率被高估。純技術效率平均值接近0.9，而規模效率平均值近0.5，表明融資效率低下主要受規模效率的影響。農業上市公司純技術效率處于較高水平，但融資綜合效率整體相對無效。根據DEA分析將67家樣本公司的融資效率分為四級(0～0.5低水平、0.5～0.8較低水平、0.8～1高水平、1有效水平)。純技術效率中廣弘控股和平潭發展兩家公司處于相對有效。處于高水平的公司數量達56家，占比83.58%，可能源于政府發放給農業上市公司用于研究開發和技術更新改造補助為公司科技研發提供了直觀的資金支持。但是，融資綜合效率和規模效率處于低水平和較低水平的公司數量達60家，占樣本公司總數量的89.55%，說明農業上市公司融資效率整體偏低，且融資規模還未達到最理想狀態，需在融資管理方面進一步提升。

　　(二)子行業效率分析

　　不同子行業農業上市公司市場規模、主營業務、融資風險與約束以及受政府重視程度不同，其融資效率也存在差異。表2顯示，融資綜合效率和規模效率表現為林業<農業<畜牧業<漁業<農副食品加工業，純技術效率表現為畜牧業<農副食品加工業<農業<漁業<林業。(1)林業公司融資綜合效率和規模效率相對最低，可能由于該類公司數量較少，尚未形成具有強大競爭力的市場融資地位，每家公司收到的政府補助均額最少，為12 551.11萬元。(2)農業公司三項效率值處于中等平衡狀態，受領的政府補助均值為19 398.81萬元，處于中等水平。細觀其中種子企業的融資方式單一，較多依賴銀行貸款，沒有較好地運用和管理企業資金。(3)畜牧業公司平均融資綜合效率比農業公司高0.01，居第三，但是政府補助均值為27 277.60萬元，遠高于農業公司，可能受限于純技術效率的影響。該類公司面臨防疫風險和環保壓力大，且存儲的活禽畜等資產難以被金融機構評為可放貸的抵押物，融資保障存在限制，因此大多政府補助資金來源于稅收返還、活體儲備補貼、疫苗補助等方式，用于技術改造方面的資金缺乏，阻礙了技術效率。(4)漁業上市公司融資綜合效率雖處于較高位置，但與相對有效值1存在差距，源于該類公司季節性經營的特點，且易受到臺風、氣候等自然風險的影響。純技術效率位于第四，可能受限于政府補助均值僅為14 677.48萬元的制約。(5)農副食品加工業公司平均融資效率相對最佳。近年食品安全事件曝光對該行業產生一定程度的沖擊，也受到政府高度重視，補助均額27 366.19萬元，為最高值。政府提供補助資金用于產品技術創新、品牌專利資助等，對同時加工經營飼料、糧油、乳制品等多元化產品的公司給予額外鼓勵類產業扶持資金。相關舉措為個人與銀行等金融機構投資者提供了隱性擔保和支持，為農副食品加工業公司獲取外部籌資提供了便利。

　　四、農業政府補助的影響效應分析

　　我國農業上市公司融資效率達到相對有效的公司數量較少，且受不同環境因素的影響，本文側重分析各項環境變量對政府補助投入冗余的影響，從而進一步評價對農業上市公司融資效率的影響效應。

　　(一)環境因素對政府補助投入冗余的驅動效應

　　將第一階段測出的投入冗余值作為SFA模型的被解釋變量，將五項環境變量作為解釋變量進行第二階段隨機前沿回歸分析，結果如表3。對照似然比檢驗臨界值表可看出LR值都通過了檢驗，表明管理無效率項存在，滿足使用SFA模型的前提假設，其模型設計是合理的。各項環境指標對投入冗余的估計系數大多能通過顯著性檢驗，表明各項環境變量對投入冗余值具有顯著影響。

　　根據隨機前沿模型基本原理，當回歸系數為正時，環境變量的增加會加大投入冗余值，導致資金浪費;當回歸系數為負時，則會減少投入冗余，提升資金利用效率。由表3可知公司上市年限、股權集中度、年度審計意見類型及股權性質與政府補助投入冗余呈顯著正相關，公司所在地經濟發展水平與政府補助投入冗余呈負相關。具體表現為公司上市時間越長、股權越集中以及屬于民營性質和發表非標準無保留意見的公司產生的政府補助投入冗余越多，而公司所在地高水平的宏觀經濟發展有利于減少政府補助投入浪費。

　　推薦閱讀：金融經濟與實體經濟良性互動分析