［提要］　新三板分层制度降低投资者收集信息成本，提高风险防控水平，促进资金流动性增强，为解决中小企业融资提供新的选择。本文以全国中小企业股份转让系统2018年5月25日公布的559家创新层公司为研究对象，运用三阶段DEA分析法，分析其融资效率问题。结果表明：创新层挂牌对融资效率有一定的影响，分层制度、转板制度、投资者适当性管理要求促进融资规模及效率提升。

关键词：新三板创新层；融资效率；三阶段DEA分析

本文为河北政法职业学院科研立项课题（编号：ZF202107Y26）

中图分类号：F83 文献标识码：A

收录日期：2022年1月5日

2006年，中关村科技园区非上市股份公司进入证券公司代办股份转让系统进行股份转让试点。2013年，全国股转系统扩大试点至全国，新三板挂牌公司数量快速上升。2016年，新三板分层制度试运行，将挂牌企业分成创新层和基础层，2018年进行了分层制度改革。全国中小企业股份转让系统的统计数据表明，94%的创新层公司在新三板市场获得股票融资，2018年5月23日公布的940家创新层公司中共有884家发生过融资，融资发生率94.04%，合计融资额达1，250.19亿元。其中，299家公司融资超过1亿元，14家公司融资超过10亿元，541家公司股票融资两次以上。其中，制造业、信息技术等高新企业占七成以上。巨大的融资体量，解决了高新型中小企业的资金需求问题，不少公司实现了规模升级。2019年5月24日，全国股转公司发布2019年创新层挂牌公司名单，共计698家挂牌公司入围。

伴随着融资规模的不断加大，也引发了更为深层的问题。其中，融资效率逐渐成为较为突出问题，对资金的投入产出效率进行客观、合理的评价逐渐成为政府监管部门和学术研究的热点。以期通过更科学的制度设计，实现监管资源的优化配置，降低投资者信息收集成本，提高市场流动性，提高企业的估值。

国内学者对企业融资效率做了大量有意义的探索，综合来看，已有的研究涵盖了新三板市场、创业板市场、主板市场在内的企业融资效率评价，得出了我国资本市场融资效率不高的结论，但是还存在一定的改进空间。首先，已有的针对创业板和主板市场企业的研究，由于企业规模、管理模式、主营产品等不同，并不能很好地适用于新三板企业的融资规律；其次，已有的针对新三板的研究主要是依据2019年及以前的数据进行分析和论证的，2013年新三板才扩容，管理制度及分层制度直到2021年还在进一步完善中，数据统计口径存在不统一等问题，在一定程度上影响了研究结果。多数研究结果表明企业融资效率较低或无效率。目前针对新三板创新层企业的专门研究还不多，本文运用三阶段DEA模型对新三板创新层企业的综合效率、纯技术效率和规模效率进行分析，通过松弛变量对环境变量和混合误差项进行回归，剔除环境因素和随机噪声，运用调整后的投入产出变量再次测算各决策单元的效率，此时已经剔除环境因素和随机因素的影响，产出效率是相对真实准确的。这是已有研究关注不足的地方。

一、研究设计

（一）研究方法。企业融资效率包括在给定的投入下获得最大产出的能力和在给定各自投入价格的情况下使用最优比例的能力，即技术效率和配置效率，两个结合起来就是总经济效率。数据包络分析法（DEA）是一种运用线性规划确定最佳生产前沿面的非参数法，可以识别每一个决策单元（DMU）的相对效率，可以同时处理多个决策单元多个投入产出指标的情况，数据相对比较客观。

DEA分析法分成投入主导型测度和产出主导型测度。投入主导型即不减少产出的情况下，投入可以按比例减少的数量。产出主导型即不增加投入的情况下，产出可以按比例增加的数量。只有规模收益不变的情况下，投入主导型和产出主导型测度方法的技术效率是相等的。但是，存在规模报酬递增和规模报酬递减的时候就不相等。本文结合研究对象高新型中小企业的特点，投入指标相对产出指标更容易调整，选择投入主导型规模报酬可变的三阶段DEA模型。

（二）研究流程。第一阶段：经典DEA模型估计。使用原始投入产出数据进行初始效率评价。对于任一决策单元，投入主导型规模报酬可变的DEA模型。将创新层企业原始投入指标整理，运用DEAP2.1软件，可以得到初始效率评价结果，同时得到投入变量的松弛变量。第二阶段：构建随机前沿分析SFA回归模型。运用SFA模型分解第一阶段的松弛变量，并调整投入变量。松弛变量可以反映初始的低效率，一般来说由环境因素、管理无效率和统计噪声等环境因素构成。接下来剔除环境因素和随机因素对效率测度的影响，以便将所有决策单元调整于相同的外部环境中。第三阶段：调整后的DEA模型估计。将调整后的新投入数据代替原始投入数据，保持原始产出数据不变，再次运用于DEAP2.1软件，拟合投入指标的松弛变量和环境的关系，得到剔除噪音的企业效率评价结果。

（三）数据描述。本文以全国中小企业股份转让系统2018年5月25日公布的940家创新层公司为研究对象，保证了数据的可研究性和连续性。剔除了金融类挂牌公司，因为金融类公司的现金流极大，不属于实体经济范畴，该行业的财务数据与一般企业不具有可比性；剔除了财务费用为负数的公司，这类企业现金充裕，利息收入较多，影响了指标的衡量质量；剔除了在研究期间发生并购、拟申请主板或创业板IPO的公司，最终得到559个样本的面板数据。本文的投入产出变量数据来源于2019～2020年相关企业年报（wind数据库），环境变量来源于中国统计年鉴。

（四）指标选取

1、投入产出指标选取。DEA分析法的评价结果与决策单元的个数、投入产出指标个数密切相关。从DEA方法的实践应用经验来看，决策单元DMU的数量至少应该为投入产出指标数量的2～3倍以上，否则DEA方法对决策单元的区分能力会降低。借鉴其他学者的算法，确定资产负债率、财务费用、销售毛利率为投入指标，每股收益为产出指标。

在正式分析之前，运用SPSS软件对所选投入、产出指标进行描述统计，并进行合理性分析。通常采用皮尔逊（Pearson）相关系数方法检验其是否满足同向性假设的要求。Pearson系数的绝对值越接近1，相关性越强，越接近于0，相关度越弱。所选取的投入、产出指标相关性系数总体为正，大多数通过了5%级别显著性水平的双尾检验，满足了同向性假设，这表明所选投入、产出指标的合理性通过建议，可以进行后续实证分析。

2、外部环境指标选取。本文所选取的外部环境变量是指不受新三板创新层企业所控制的，但对其融资效率有着重大影响的变量。综合考虑企业生产经营特点和数据的准确性、可得性，选取GDP增长率和三板成指作为环境变量。

二、实证结果与分析

（一）第一阶段：经典DEA模型实证结果。将样本投入、产出指标数据导入DEA模型中，并运用DEAP2.1软件进行计算，得出第一阶段创新层企业融资效率的综合技术效率、纯技术效率和规模效率值，结果如表1所示。（表1）

（二）第二阶段：SFA模型实证结果。将第一阶段的松弛变量，剔除环境因素和随机因素对效率测度的影响，使所有决策单元置于相同的外部环境中，并运用Frontier 4.1软件进行计算，得出投入变量的SFA回归结果，如表2所示。（表2）

（三）第三阶段：调整后的DEA模型实证结果。将调整后的投入数据和原始产出数据再次运用于DEAP2.1软件，得到剔除了噪音的企业的效率值，如表3所示。（表3）

（四）实证结果分析。当综合技术效率为1时，此时纯技术效率值和规模效率值均为１，表明企业融资是有效率的；而本文中分析的559个决策单元的综合技术效率小于１，表明投入并未达到最优水平，进一步分析发现，约92%的企业正处于规模报酬递增阶段，产出水平随投入水平成正比例增长。调整后的第三阶段DEA效率值比第一阶段高，说明外部环境对企业有较明显的影响。

三、启示

新三板的分层制度降低了投资者收集信息成本，提高了风险防控水平。分层制度在准入、融资方式、信息披露要求、投资者准入等方面做出差异化的安排。对于创新层公司来讲，合理的信息披露和公司评级营造了较好的融资环境，使企业能够较快速地获得足够的资金用于新技术的研发和市场拓展。

转板制度促进了资金流动性增强，促进了多层次资本市场各个板块之间的联通，发挥了金融服务实体经济的功能作用。投资者看好转板上市的溢价空间，积极寻找投资潜在标的，二级市场情绪高涨。

投资者适当性管理要求调整客观上推动了创新层交易持续增加。创新层准入门槛降低，投资者数量显著增加，促进了创新层交易量活跃增加，尤其是头部优质股票交投活跃，有利于优质企业获得更多的资源投入，进一步促进企业的发展。

（作者单位：1.河北政法职业学院；2.中核战略规划研究院有限公司）

主要参考文献：

［1］方先明，吴越洋.中小企业在新三板市场融资效率研究［J］.经济管理，2015（10）.

［2］王重润，王赞.新三板挂牌企业效率分析［J］.上海金融，2016（11）.

［3］宋光辉，李洪发，许琳.基于两阶段DEA的科技型中小企业融资效率研究［J］.科技管理研究，2017（02）.

［4］李牧辰，纪宣明，王堃.新三板创新层企业融资绩效分析［J］.生产力研究，2017（11）.

［5］张文强，孙国贸.我国证券市场融资效率问题［J］.金融发展研究，2016（11）.

［6］杜金岷，梁岭，吕寒.中国区域科技金融效率研究［J］.金融经济学研究，2016（11）.

［7］康鹏.经济效率研究的参数法与非参数法比较分析［J］.经济论坛，2015（10）.

［8］Fried H.O，Schmidt S.S，Yaisawarng S.Incorporating the operating environment into a nonparametric measure of technical efficiency［J］.Journal of Productivity Analysis，1999（12）.

［9］Fried H.O，C.A.K.Lovell，S.S.Schmidt，S.Yaisawarng.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis［J］.Journal of Productivity Analysis，2002（17）.

［10］Charnes，Cooper，Rhodes.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978.

［11］Banker，Charnes，Cooper.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis［J］.Management Science，1984.

［12］马元驹，潘迪，杨琳.创业板公司负财务费用现象对营业利润的影响［J］.中国注册会计师，2015（05）.

［13］杨国梁，刘文斌，郑海军.数据包络分析方法（DEA）综述［J］.系统工程学报，2013（12）.

［14］徐辉，孔令成，张明如.新型职业农民农业生产效率的三阶段DEA分析［J］.华东经济管理，2018（08）.