一、引言

　　伴随我国经济的快速发展和城镇化进程的加速，我国汽车产销量和保有量急剧扩张，据中国汽车工业协会数据显示 2014 年我国汽车产销量双双超过 2300 万辆，连续 6 年产销全球第一，汽车保有量超过 1 亿量约占世界汽车总量的 15%，由此带来的交通拥堵、能源紧张及环境污染等负面效应日益凸显。在能源和环保的压力下，作为采用非常规燃料为动力来源的新能源汽车无疑将成为未来汽车产业的发展导向和目标。2012 年 6 月国务院印发《节能与新能源汽车产业发展规划（2012-2020）》中计划到 2020 年我国发展新能源汽车 500 万辆，同年7 月国务院发布的《“十二五”国家战略性新兴产业发展规划》也将新能源汽车产业列入我国战略性新兴产业进行重点扶持发展，而新能源汽车属于资本密集型和技术密集型的产业，具有资本投入大、投资周期长、发展前景广等特征，特别在目前成长初期，存在市场发展不足、成本高企、竞争力弱等问题，如何以低成本、低风险的模式及时地融入资金且有效地配置利用资金获得高收益即持续提高融资效率，是新能源汽车产业健康发展的关键。

　　效率概念在不同的学科中表述常有不同，但其基本内涵是指投入产出比或者是成本收益比。Modiglian－i&Miller(1958)[1]提出的 MM 定理奠定了现代企业融资理论研究的基础，企业融资市场发展的深入将学者的研究引入融资效率领域。Thomas(2005)[2]将企业的融资效率分为资金配置效率和动态的使用效率。国内曾康霖(1993)[3]最早对融资效率展开研究，分析了影响融资效率的七个因素。高有才(2003)[4]提出企业融资效率是指企业融资对经济发展所产生的影响程度和作用大小，分为微观效率和宏观效率。在对融资效率评价的实证研究方面，刘力昌（2004）[5]将 DEA-CCR 模型应用到上市公司股权融资效率评价中，研究显示我国上市公司股权融资效率总体呈低效状态。熊正德（2014）[6]运用两阶段 DEA 模型对我国新能源汽车产业上市公司的债权融资效率进行测算。

　　综合而言本文认为融资效率是指在特定宏观环境中企业以最低成本和风险及时融入资金并运用融入资金为企业带来最高收益的能力。在融资效率评价的实证研究方面，各学者采用的方法主要有模糊综合评价法、多元回归分析法、熵值法、数据包络分析法（DEA）等，其中 DEA 方法通过构建投入产出指标体系，将企业资金的融入和使用紧密结合，且克服了指标权重设计的主观性，可有效评价整个融资流程的效率，已成为目前评价融资效率的主导方法。由此本文以 Tone（2002）[7]的 SUPER-SBM DEA 模型为基础对 2014 年我国新能源汽车产业融资效率进行实证评价，并使用 TOBIT 模型对影响新能源汽车产业融资效率因素进行分析从而探讨提高新能源汽车产业融资效率的有效途径。

　　二、基于 Super-SBM DEA 的新能源汽车产业融资效率测度

　　（一）Super-SBM DEA 模型

　　为解决传统 CCR 和 BCC 等基础 DEA 模型没有考虑松弛变量的影响以及模型中效率得分均小于等于 1的约束问题，并进一步对相对有效单元进行排序，Tone（2002）[7]构造了 SUPER-SBM 模型，如（1）所示。根据模型（1）计算指标体系的初始效率值 θj以及投入冗余松弛变量Si和产出不足松弛变量Si+。

　　（二）指标选取与数据来源

　　根据本文对融资效率内涵的界定，以及充分借鉴已有研究成果并考虑所选评价指标的适用性、可获得性和可操作性等原则，选取衡量融资成本、融资风险和融资时间的指标变量为投入指标，衡量企业盈利能力、营运能力和发展能力的指标变量为产出指标。DEA 方法对投入指标和产出指标的选择依据是：越小越好的指标做为投入指标，越大越好的指标作为产出指标。因此构建的新能源汽车产业融资效率评价指标体系如下：

　　1.投入指标体系（1）融资成本指标，鉴于企业融资来源主要包括内源融资、债权融资和股权融资，一般内源融资成本较低，因此利用债权融资成本和股权融资成本衡量企业融资成本，其中债权融资成本用利息支出/(短期借款+长期借款+应付债券)衡量，股权融资成本用资本资产定价模型计算。

　　（2）融资风险指标，在企业资产构成中，负债总额越高则企业融资风险越大，因此选取产权比率衡量企业融资风险，用负债总额/股东权益总额计算。

　　（3）融资时间指标，反映企业筹资速度的快慢，用销售收入/筹资活动现金净流入计算。

　　2.产出指标体系（1）盈利能力指标，反映企业利用筹集资金获取利润的能力，用净利润/资产平均总额计算。

　　（2）营运能力指标，反映企业的经营运行能力，用销售收入/资产平均总额计算。

　　（3）发展能力指标，反映企业扩大规模、壮大实力的潜在能力，用本年利润总额增长额/上年利润总额计算。

　　为有效评价我国新能源汽车产业融资效率的整体状况，本文根据中国证监会的 2015 年第四季度上市公司行业分类报告，从中选取新能源汽车整车制造业上市公司并剔除企业财务状况异常的 ST 股票，共选取 21 家上市公司的年度财务数据进行分析，相关数据的来源均取自于 RESSRT 数据库和巨潮资讯网公布的上市公司财务数据。

　　（三）运用 Super-SBM DEA 计算初始效率值

　　MAXDEA 5.2 软件选择 Super-SBM DEA 模型计算各上市公司融资的综合效率值、纯技术效率值和规模效率值，具体分布结果如表 1 所示。2014 年新能源汽车产业融资的综合效率平均值达 0.8686，其中纯技术效率平均值为 0.8791，规模效率平均值为 0.9733，且有 52.38%的上市公司融资效率超过 1 达到有效状态，说明我国新能源汽车产业总体融资效率较好，特别是规模效率水平较高，但代表公司决策与管理水平的纯技术效率是制约新能源汽车产业融资效率提升的主要因素。

表 1 基于 Super-SBM DEA 模型的新能源汽车产业融资效率
 

　　三、运用 Tobit 回归确定外部环境变量对融资效率的影响

　　为确定外部环境变量对效率的影响，将运用 Super-SBM DEA 模型的新能源汽车产业融资效率值为因变量，选择外部环境变量为自变量进行 Tobit 回归分析。

　　鉴于新能源汽车产业作为我国重点扶持的战略性新兴产业之一，各级政府纷纷出台相关政策对新能源汽车制造企业和消费者实施财政补贴和税收优惠。根据柯布-道格拉斯生产函数，影响生产的因素包括资本、劳动和技术，因此企业注册所在地的金融支持水平、劳动者素质以及技术水平对融资效率必然会产生较大影响。结合上述分析并考虑指标的代表性和可获得性，本文选择 2014 年公司注册地所在政府对公司的补贴代表政府环境变量（GS），公司注册地所在的社会融资规模代表金融支持水平变量(SF)，大专及以上居民占比代表劳动者素质变量(NQ)，R&D 经费支出代表技术水平变量(RD)，利用 Tobit 模型对新能源汽车产业初始融资效率(EF)进行回归分析，判别各外部环境变量对融资效率的影响方向，上述外部环境变量数据来源于国家统计局、RESSRT数据库和巨潮资讯网，回归结果见表 2。

表 2 Tobit 模型回归结果
 

　　从表 2 可以看出，环境变量 GS 和 SF 的回归系数为正且统计显着，说明增加该外部环境变量有利于增加新能源汽车产业融资效率效度，根据同向性原则将之归类为投入指标，称为负向环境变量。环境变量 NQ 和 RD的回归系数为负且统计显着，说明增加该外部环境变量不利于增加新能源汽车产业融资效率效度，根据同向性原则将之归类为产出指标，称为正向环境变量。由此说明我国新能源汽车产业尚处于资金驱动的初始阶段，还未达到技术内涵主导发展的成熟阶段。

　　四、启示和建议

　　本文在将资金筹集和资金优化配置共同作为测度融资效率的前提下，构建 SUPER SBM-DEA 模型研究2014 年我国新能源汽车产业融资效率，发现我国新能源汽车产业融资的规模效率总体较好，但纯技术效率不高。运用 TOBIT 模型对影响新能源汽车产业融资效率因素进行分析发现政府补贴和社会融资规模的变动与新能源汽车产业融资效率正相关，劳动者素质和 R&D 经费支出的变动与新能源汽车产业融资效率负相关。根据上述实证研究结论，为有效提升我国新能源汽车产业融资效率，可从以下三方面进行改进：

　　1.持续改进公司融资决策与管理水平

　　自 2009 年新能源汽车产业被纳入我国战略性新兴产业以来，我国新能源汽车产业发展迅速，生产和销售量节节攀升，新能源汽车公司利用政策优势积极融资进行规模扩张，2015 年已成为全球新能源汽车推广量最大的国家，规模效率逐渐体现，但在大力追求规模化的同时汽车滞销隐忧也日益凸显，库存压力不断加大，企业利润不断下降，因此后续提升我国新能源汽车产业融资效率的关键在于提高纯技术效率，应在合适的规模经济下条件，持续改进公司融资决策与管理水平，拓展多元化融资渠道组合进行融资创新并控制合理的资金筹集规模，不断优化资本结构以控制综合融资成本和融资风险，同时更加注重提高资金管理水平实现资金的优化配置以应对社会经济环境变动的复杂形势。

　　2.优化对我国新能源汽车产业的政策扶持

　　新能源汽车作为国家节能减排的重要组成部分，国家在政策引导和资金倾向方面都给予重点支持，通过实施宽松的货币政策氛围以及直接的财政补贴和税收优惠政策增加了新能源汽车产业资金量的供给，促进了新能源汽车产业融资效率的改进，但由此也带来了融资风险的加大和股权融资成本的提高，另外巨额的政府补贴催生了新能源汽车产业的“骗补”现象。根据现阶段政府补贴和社会融资规模变动与新能源汽车产业融资效率正相关的实证分析结果，应在宏观层面对新能源汽车产业资金量的总体供给进行适度引导，有效提升金融支持水平，同时优化政府补贴对象和补贴环节，实现对新能源汽车产业链环节的有效补贴，降低新能源汽车生产、使用全过程成本，促进新能源汽车产业由政策扶持走向市场竞争的新里程。

　　3.加强人才队伍建设，强化提升新能源汽车产业的技术水平

　　人才的质量决定着创新技术研发、产品生产和产业化的进程，技术水平的提升是产业实现又快又好发展的关键。根据 TOBIT 回归检验现阶段劳动者素质与 R&D 经费支出水平变动与新能源汽车产业融资效率负相关的结论，说明通过我国新能源汽车产业仍处于资金驱动的发展阶段，尚未走向技术资源主导的跨越式发展道路，因此应强化资金在引导人才队伍建设和技术创新方面的配置效率，加强对新能源汽车专业人才的培养和引进，加大核心技术自主研发力度，突破技术限制对新能源汽车产业融资效率的反向影响，以达到技术进步引领新能源汽车产业发展的新阶段。

　　参考文献
　　[1] MODIGLIANI F, MILLER M H. The Cost of Capital, Corporation Finance and the Theory of Investment [J]. The American Eco-nomics Review,1958,48(3):261-297.
　　[2] THOMAS. The Last Sustainable Competitive Advantage[J]. Menlo Park, CA: SRI International, 2005.
　　[3] 曾康霖.怎样看待直接融资与间接融资[J].金融研究，1993(10):31-33.
　　[4] 高有才.企业融资效率研究[D].武汉大学博士论文,2003.
　　[5] 刘力昌，冯根福,张道宏.基于 DEA 的上市公司股权融资效率评价[J].系统工程,2004(1)：55-59.
　　[6] 熊正德，阳芳娟,万军.基于两阶段 DEA 模型的上市公司债权融资效率研究[J].财经理论与实践.2014(35):51-56.
　　[7] TONE K. A Slacks-Based Measure of Super-efficiency in Data Envelopment Analysis [J].European Journal of Operational Re-search,2002,143(1):32-41.
　　[8] TOBIN J. Estimation of Relationships for Limited Dependent Variables [J].Econometrica: Journal of the Econometric Society,1958,26(1):24-36.

TAG标签： SUPER-SBM     DEA     TOBIT