重庆市金融支持战略性新兴产业的效率评价

张明龙

（重庆工商大学，重庆400067）



重庆市金融支持战略性新兴产业的效率评价

张明龙

（重庆工商大学，重庆400067）

摘要：以重庆市22家上市公司为研究对象，采用Bootstrap-DEA方法对金融支持战略性新兴产业的效率进行测算，并采用Malmquist指数分析其效率变动趋势。研究结果表明：重庆市战略性新兴产业的金融支持效率没有达到有效前沿面，主要在于纯技术效率和规模效率的共同低效。板块之间的效率存在差异，创业板最高，中小板次之，主板最低，而其发展模式以“高低”和“低高”两种类型为主。重庆市金融支持战略性新兴产业的全要素生产率呈现下降趋势，主要源于技术效率指数偏低，而技术进步指数与TFP值变动相对一致，且为Malmquist指数增长做出主要贡献。

关键词：金融支持；战略性新兴产业；效率

目前，中国正处于转变经济发展方式的关键时期，迫切需要具有国际竞争力的创新型产业作为支撑，发展战略性新兴产业成为中国经济社会发展的重大战略选择。为此，2010年1月，国务院出台了《关于加快培育与发展战略性新兴产业的决定》，提出了战略性新兴产业的概念与范围。2012年，国务院在“十二五”规划中更是明确了战略性新兴产业的重要意义，制定了相关支持政策。其中金融支持是战略性新兴产业发展中不可或缺的因素。由于战略性新兴产业具有高投入、高风险的特点，因此在培育和发展的初期急需金融资源的强有力支持。然而，对于发展中国家的我们来说金融资源是有限的，金融支持效率的高低将对培育战略性新兴产业产生重要的影响。因此，现阶段从效率的角度来研究战略性新兴产业的金融支持，将更具有现实意义。本文将以重庆市为例，对金融支持战略性新兴产业的效率进行评价。

一、文献综述

（一）国外相关文献

战略性新兴产业是我国政府提出的一个全新产业概念，国外尚没有将其作为研究对象做系统性研究，更多的则主要以涵盖战略性新兴产业所具有的新兴性以及技术创新等特点的新兴产业为研究对象，从金融某个主体或融资渠道对新兴产业发展和科技型企业技术创新的影响或作用等方面进行研究分析。可归纳为以下两个方面：（1）银行对新兴产业发展的影响研究。在理论研究方面，Schumpeter（1912）研究发现功能齐全的银行能识别那些能生产创新产品并提供优良服务的企业并为之提供支持，从而促进产业创新。[1]而Rajan （1992）以及Morck和Nakamura（1999）均认为银行阻碍了技术或产业创新，但原因不同：一是银行的信息优势削弱了企业的项目利润，不利于技术创新；二是银行基于谨慎原则不愿给予高风险项目以信贷支持，从而阻碍产业创新。[2-3]在实证研究方面，Alessandra和Stoneman（2008）分析了欧盟第二、三轮创新共同体数据，发现金融对新兴产业具有至关重要的作用。[4]（2）风险投资对新兴产业的影响研究。近年来，国外学者开始把视线转向研究风险投资对新兴产业的影响。Mowery和Rosenberg （1998）分析了1995～2000年美国新兴科技公司的风险资本增长数据，发现风险资本能有效促进新兴产业创新活动。[5]而Kaplan和Stromberg（2003）以及Casamatta（2003）则认为风险投资能较好地解决新兴产业融资过程中面临的融资门槛高、信息不对称和道德风险等问题，有效地促进了技术创新。[6-7]

（二）国内相关文献

自我国提出加快培育和发展战略性新兴产业以来，我国学者就对金融支持战略性新兴产业进行了广泛的研究，致力于如何更好地发挥金融功能，促进战略性新兴产业发展。从现有文献来看，国内学者主要集中于战略性新兴产业的金融支持模式、金融体系构建以及金融创新等方面，并取得了丰富的研究成果，为金融与战略性新兴产业的有效结合提供了思路和参考。然而，较少有从效率角度来评估金融支持战略性新兴产业的实际效果。

已有的研究成果中，熊正德和林雪（2010）运用DEA模型测算了上市公司金融支持战略性新兴产业的效率并提出相应的政策措施。[8]进一步，熊正德等（2011）结合DEA和Logit模型测算了我国不同阶段金融支持战略性新兴产业的效率并进行影响因素分析，得到不同行业的差异性。[9]凌江怀和胡雯蓉（2012）认为股权资本对战略性新兴产业发展的效率要大于传统产业。[10]翟华云（2012）运用DEA模型对我国七大战略性新兴产业的股权融资效率进行了测算，发现技术要求越高的产业股权融资效率越高。[11]马军伟（2013）利用DEATobit两阶段方法，测算了金融支持效率及其影响因素，得到金融支持在资源配置效率中并未实现最优且呈现出行业差异性的结论。同时，运用Malmquist指数方法对战略性新兴产业上市公司连续12个季度数据进行测算，认为没有实现金融对战略性新兴产业的资源最优配置。[12，13]

综上所述，从现有文献来看，国外学者主要研究某种金融主体或融资方式对新兴产业的影响，国内已有一部分学者站在效率角度，以国务院提出的七大战略性新兴产业为研究对象，研究金融对战略性新兴产业的支持效果。但由于各个省区市也相继提出适合自身发展的战略性新兴产业，那么已有的文献就缺乏具有针对性的地区金融支持战略性新兴产业的效率研究。而作为西部惟一的直辖市、长江上游经济中心，重庆市战略性新兴产业的发展具有举足轻重的作用。基于此，本文将以重庆市为例，对金融支持战略性新兴产业的效率进行评价与分析。

由于战略性新兴产业的概念提出时间较短，此类产业中的金融资源数据，要么因为公开程度不高而难以获取，要么因为数据时间序列不够长难以进行计量分析。因此，本文借鉴前人以与战略性新兴产业相关的上市公司为研究对象的方式，选择与重庆市“十二五”规划提出的战略性新兴产业相关的上市公司为研究对象，运用Bootstrap-DEA方法和Malmquist指数，对这些公司2010～2014年的财务数据进行测算，以此评价和分析重庆市战略性新兴产业的金融支持效率与全要素生产率。

二、研究方法、变量选取和数据说明

（一）理论模型的构建

1．数据包络分析（DEA）模型

数据包络分析（Data Envelopment Analysis，DEA）是由Charnes等提出的，它基于规模报酬不变假设，测算的是决策单元的技术效率（technical efficiency，简称TE）；[14]而Banker等则基于可变规模报酬的假设对DEA进行修正，提出了BCC模型，并对技术效率进一步分解为纯技术效率（pure technical efficiency，简称PTE）和规模效率（scale efficiency，简称SE），认为技术无效率的原因在于决策单元管理无效造成资源浪费以及决策单元未达到最佳生产规模。[15]考虑到重庆市战略性新兴产业的公司对金融资源配置规模是可变的，所以选择用BCC模型进行效率测算。同时，基于金融内生理论，将金融资源视为影响战略性新兴产业发展的内生因素，故将其作用机理假设为一个“金融支持”和“战略性新兴产业”的黑箱，满足BCC模型多投入多产出的要求，以此测算重庆市金融支持战略性新兴产业的效率。

我们假定重庆市战略性新兴产业中各个公司为决策单元（DMU），每个公司有m种金融投入和s种效益产出，如（1）式所示：

其中，xij为第j个公司的第i种金融投入，yrj为第j个公司的第r种效益产出，m、s和n分别表示为金融投入、效益产出和公司个数，θ为决策单元的效率值。

需要注意的是，虽然DEA方法具备一些参数估计法所不可比拟的优点，但由于观测样本有限，以至于测算得到的效率值难以回避样本敏感性和极端值影响的问题。而Kniep等也指出，通过DEA模型得到的效率值实际上是一种“相对效率”，相对于绝对效率值来说，是有偏的、不一致的估计量。[16，17]基于该原因，Simar和Wilson提出了Bootstrap-DEA方法来解决该缺陷。[18]Bootstrap-DEA方法用重复自抽样的方法来推断DEA估计值的经验分布，通过引入针对非参数距离函数估计的Bootstrap纠偏方法对技术效率及其变化进行更为精确的测算，以此改善传统DEA估计量的一致性。Bootstrap-DEA方法的详细步骤如下：

（2）基于n个决策单元的效率值θk，k=1，…，n，使用Bootstrap方法产生规模为n的随机效率值θ*1b，…，θ*nb，其中，b表示使用Bootstrap方法的第b次迭代。

2．Malmquist指数方法

Malmquist指数模型是瑞典的经济学家、统计学家Malmquist在1953年分析消费过程中提出来的。Caves等人（1982）受其启发，通过距离函数之比构造了生产率指数。[19]Fare等人（1994）采用Caves等人研究思路，在多投入产出的条件下结合DEA方法，建立了具有实际意义生产率变化的Malmquist指数。[20]

根据Fare等的方法，我们仍然以重庆市战略性新兴产业中的各个上市公司作为决策单元，把金融投入与科技产出的效率同前沿面进行比较，以此对各个上市公司的金融支持效率变化进行测量。那么，从t时期到t+1时期的Malmquist指数分别表示为（2）式：

其中，（xt，yt）和（xt+1，yt+1）分别为决策单元在t期和t+1期的投入产出向量，Dt（xt，yt）和Dt（xt+1，yt+1）则分别表示t期和t+1期的决策单元与效率前沿面的距离。

为了避免时期选择的随意性可能导致的差异，Fare等人对不同时期技术条件下的两个Malmquist指数采取几何平均值，测算出效率的变化值，见（3）式：

在规模报酬不变的假设下，Malmquist指数（TFP）可以进一步分解为技术效率变化指数（Technical Efficiency Change，Effch）和技术进步变化指数（Technical change，Tech）的乘积，见（4）式和（5）式：

在规模报酬可变的假设下，技术效率变化（Effch）还可以进一步分解为纯技术效率变化（Pure Technical Efficiency Change，Pech）和规模效率变化（Scale Efficiency Change，Sech）的乘积，见（6）式：

其中，左边是Malmquist指数，该指标若大于1，则表明从t时期到t+1时期金融支持效率是增长的；若小于1，则是降低的。等式右边第一项是纯技术效率指数，表示规模经济不变条件下的技术效率变化，该指标若大于1，则表明从t时期到t+1时期各上市公司的金融资源得到有效配置，效率是增长的，反之则效率是下降的；第二项是规模效率指数，表示规模经济对TFP的影响，该指标若大于>1，则表明从t时期到t+1时期各上市公司的金融资源形成规模化，促进了效率的增长；最后一项是技术进步指数，表示从t时期到t+1时期生产前沿面向外移动，即出现了技术进步，该指数若大于1，则表明各个上市公司对金融资源配置进行了创新，促进了效率增长。

（二）变量选取

本文研究目的是评价重庆市战略性新兴产业上市公司金融支持效率，在借鉴已有研究文献相关指标选择标准的基础上，建立了能够反映金融支持战略性新兴产业的投入产出指标体系（详见表1）。

表1金融支持战略性新兴产业的投入产出指标

1.投入指标

投入指标用金融要素的投入表示，考虑到企业的间接融资、直接融资和自有资金，本文选取金融机构借款率、股权融资率和自有资金支持率作为金融投入指标。其中，金融机构借款率=长短期借款之和/总资产，反映了贷款对战略性新兴产业上市公司经营发展的影响；股权融资率=（股本+资本公积）/总资产，反映了直接融资对公司经营发展的作用；自有资金支持率=（盈余公积+未分配利润）/总资产，反映了公司的留存收益对其经营发展的影响。

2．产出指标

为较为全面地反映公司的发展水平，从资本运营、企业成长性以及获利能力三方面来衡量资金利用状况，选取净资产收益率、主营业务收入增长率和每股收益作为产出指标。其中，净资产收益率=净利润/净资产，反映了公司资本运营的综合水平；主营业务收入增长率=（本年主营业务收入-上年主营业务收入）/上年主营业务收入，反映了公司的成长能力；每股收益反映了公司的获利能力。

（三）数据来源与处理说明

1．数据来源

本文所选取的样本全部来自重庆市的上市公司，其中涉及主板、中小板和创业板等多层次板块，将不同规模上市公司考虑在内，使测算结果更为准确。依据重庆市“十二五”规划提出的十大战略性新兴产业，本文将主营业务与战略性新兴产业相关或者经营发展中有战略性新兴产业相关概念的上市公司作为研究对象。截至2015年上半年，重庆市能够归纳为战略性新兴产业领域的上市公司共24家，根据数据可得性和可比性原则，最终选取了22家样本公司，时间跨度为2010～2014 年5个年度。数据来源于同花顺个股数据库、和讯网个股数据中心、国泰君安数据库以及上市公司公开的年度报表。

2．数据标准化处理

由于DEA模型对投入产出指标的数值都要求必须大于零，但是实际获得数据中，投入产出指标的数值存在负值，因此需要对数据进行标准化处理，具体操作方法为（7）式：

其中，xij为原数据，yij为标准化处理后的数据，区间范围为［0．1，1］。

三、实证结果分析

（一）金融支持战略性新兴产业的效率分析

1．不同模型的效率差异性检验

采用DEA模型测算重庆市金融支持战略性新兴产业的效率，结果见表3中的DEA模型。从得到的技术效率、纯技术效率和规模效率来看，DEA模型测算的三种效率平均值分别为0．887、0．945和0．937，显著高于Bootstrap-DEA模型测算的结果，且多家上市公司在样本年限内的效率达到了有效前沿面，这些表明DEA模型相对于Bootstrap-DEA方法的识别能力有所下降。同时，由于基于不同的DEA模型，所测算的DMU效率也是不尽相同的。因此，在进行效率评价之前，必须对效率值的差异性进行检验，以选择更合理的模型，对所得到的效率值进行分析。在此，我们采用Banker等开发的DEA统计检验方法。[21，22]具体的检验如下：

（1）如果真实的效率值Ej的对数服从［0，+∞）上的指数分布，则在两组效率值无差异的原假设下，检验统计量为（8）式：

（2）如果真实的效率值Ej的对数服从［0，+∞）上的半对数分布，则在两组效率值无差异的原假设下，检验统计量为（9）式：

（3）如果对效率得分的概率分布不作假设，则可以采用非参数检验的K-S检验对效率得分进行检验，在两组效率值无差异的假设下，检验统计量为（10）式：

其中，G（1E1j）、G（2E2j）分别为两组效率的实证累计分布。

表2DEA模型与Bootstrap-DEA方法的效率差异检验

由表2可知，无论是技术效率，还是纯技术效率，基于不同DEA模型下的效率值都存在显著性差异，也就是说，通过Bootstrap-DEA方法测算的结果更符合实际情况，故本文采用Bootstrap-DEA方法进行测算，并对所得的效率值进行评价和分析。

2．金融支持战略性新兴产业的效率分析

为了将相对效率值修正，以尽可能地接近“绝对效率”水平，本文将Bootstrap-DEA方法中迭代次数设置为2000，置信度设为95%，并运用R语言对DEA模型的效率值进行修正，结果见表3中Bootstrap-DEA纠偏的效率。由表3可知，DEA模型测算得到的效率值均在置信区间以外，而Bootstrap-DEA估计的效率值则在置信区间以内。而Simar和Wilson（1998）指出如果DEA估计在置信区间之外，可以认为结果是严重有偏的。[23]可见，修正后的效率值更准确地反映了重庆市战略性新兴产业的金融资源配置情况，再次证明Bootstrap-DEA方法测算的效率值更具有合理性。

基于Bootstrap-DEA方法对2010～2014年重庆市战略性新兴产业的金融支持效率进行测算，得到技术效率平均值为0．812，纯技术效率为0．901，由分解得到规模效率也为0．901。测算结果表明，重庆市金融支持战略性新兴产业的效率尚未达到有效面，其主要原因是由于纯技术效率和规模效率共同低效所引起的。这说明，一是重庆市战略性新兴产业的金融资源没有得到有效管理和充分利用；二是重庆市在战略性新兴产业上的金融资源投入尚未形成规模化导致金融支持效率偏低。

表32010～2014年重庆市金融支持战略性新兴产业的效率评价结果

从板块和各个上市公司来看，创业板的技术效率平均值最高，为0．842；纯技术效率和规模效率的平均值分别为0．915和0．918。其中，仅1家公司的技术效率低于0．8，其余均在0．8以上。中小板的技术效率均值为0．817，分解后的纯技术效率和规模效率均值分别为0．894和0．913。相对于创业板来说，其纯技术效率降低了2．1%，而规模效率仅下降0．5%，说明中小板的技术效率落后于创业板的主要原因是金融资源的管理水平降低。主板的技术效率均值为0．798，为三个板块中最低，分解的纯技术效率和规模效率则分别为0．897 和0．889。可见，主板市场的纯技术效率并非最低，但同样反映出金融资源管理不足的缺陷；而它的规模效率最低，是造成其技术效率低效的主要原因，说明该板块的公司需要进一步加大金融资源的投入，提高金融资源的配置效率。

3．金融支持战略性新兴产业效率的聚类分析

为了进一步寻找优化重庆市金融支持战略性新兴产业效率的模式，本文以0．9的效率值为临界点，对修正后的纯技术效率与规模效率进行聚类分析，将重庆市金融支持战略性新兴产业的效率划分为四种类型（双高型、高低型、低高型和双低型），其散点分布如图1所示。

第一种类型为“双高”模式，即纯技术效率和规模效率均达到0．9以上。从表3和图1可以发现，22家样本公司中有7家公司的纯技术效率和规模效率均高于0．9，占到研究样本的31．82%，说明这些公司的金融支持效率所需改进相对较少。

第二种类型为“高低”模式，即纯技术效率高而规模效率低。该模式下有6家公司，主要集中在主板市场，说明这些公司能够通过有效地管理金融资源来提高其技术效率，但却也因缺乏金融资源配置阻碍了其发展，需要在今后的发展中加大金融的投资力度。

第三种类型为“低高”模式，即纯技术效率低而规模效率高。该模式下有7家公司，说明这些公司的金融资源配置已形成一定程度的规模，但缺乏对金融资源的有效管理，导致技术效率没有得到进一步提升，需要加强对金融资源的管理来提高金融支持效率。

图1修正后的效率聚类分析结果

第四种类型为“双低”模式，即纯技术效率和规模效率均低于0．9。该模式下的公司仅有2家，相对于“双高型”来说，这类公司存在金融资源管理水平相对落后且配置的金融资源规模较小的问题，金融支持效率具有进一步的改进空间，在发展中应当同时兼顾资金规模的扩大和管理水平的提高。

（二）金融支持战略性新兴产业的全要素生产率分析

无论是DEA模型还是Bootstrap-DEA方法，对金融支持战略性新兴产业效率的研究是基于静态的比较，即只能分析各个上市公司在同一时期的效率，无法评价各个公司在不同时期的效率变化。为评价重庆市战略性新兴产业的金融支持效率变化，本文运用DEAP2．1软件测算2010～2014年样本公司的Malmquist指数并对其进行分解研究（见表4、表5）。

1．金融支持战略性新兴产业的Malmquist指数分析

从表4可以看出，在样本研究年限内，重庆市金融支持战略性新兴产业的Malmquist指数为0．972，下降了2．8%，总体呈现出下降趋势。通过分解发现，技术效率指数为0．972，呈现下降趋势；而技术进步指数为1．001，几乎没有任何变化。这说明，样本年限内，重庆市金融支持战略性新兴产业的全要素生产率是下降的，主要原因在于技术效率指数偏低。

从各个板块来看，中小板和创业板的TFP值分别为0．947和0．931，分别下降了5．3%和6．9%，呈现下降趋势；而主板市场的TFP值为1.02，上升了2%，呈现增长趋势。进一步分解发现，中小板市场的技术效率指数和技术进步指数分别为0.947和0.999，创业板市场分别为0.941和0.99，而主板市场则均大于1，分别为1.004和1.009。可见，中小板和创业板的技术进步指数高于技术效率指数，分别高出5.2%和4.9%。因此，技术进步对Malmquist指数的贡献更大，而技术效率指数的下降是造成TFP小于1的主要原因。同样，主板市场的技术进步也略高于技术效率，对全要素生产率增长的作用更大。

表4重庆市金融支持战略性新兴产业的全要素生产率表

表52010～2014年重庆市金融支持战略性新兴产业的Malmquist指数表

从技术效率指数来看，总体研究样本的技术效率指数为0.972，下降了2.8%，呈现下降趋势。通过分解发现，纯技术效率指数和规模效率指数分别为0.982和0.989，均呈现低效状况，是造成重庆市金融支持战略性新兴产业技术效率指数没有达到有效前沿面的主要原因，且与前文的效率分析结果一致。

具体到各个板块来看，中小板的纯技术效率指数和规模效率指数分别为0.964和0.984，而创业板则分别为0.984和0.957。这说明，中小板在今后的发展中应该加强对资金的有效管理和充分利用，创业板则应扩大融资渠道。对主板市场来说，规模效率指数为1.013，是促进技术效率增长的主要原因，而纯技术效率指数为0.99，应进一步加强资金的有效管理。

2.时间序列的金融支持战略性新兴产业Malmquist指数分析

从图2和表5总体可以看出，2010～2014年，重庆市金融支持战略性新兴产业的全要素生产率以2.8%的速度下降，总体呈现下降趋势。进一步分析发现，技术效率指数在样本年限内呈现平稳下降趋势，而技术进步指数则与全要素生产率的变化相对一致，说明重庆市金融支持战略性新兴产业的全要素生产率变动主要受技术进步的影响。

图22010～2014年重庆市金融支持战略性新兴产业的Malmquist指数变动情况

2010～2011年，金融支持的Malmquist指数值为0．918，降低了8．2%。其中，技术进步指数为0．882，是造成TFP小于1的主要原因；而技术效率指数为1．04，则主要受到纯技术效率指数和规模效率指数共同增长的影响。

2011～2012年，金融支持的TFP值为0．905，下降了9．5%。其中，技术效率指数和技术进步指数均小于1，共同造成金融支持效率的低效。对技术效率指数进一步分解发现，纯技术效率指数和规模效率指数分别为0．97和1．03，说明规模效率指数的贡献程度与纯技术效率指数的下降程度相抵消，从侧面反映出技术进步指数的下降是导致全要素生产率下降的真正原因。

2012～2013年，金融支持的TFP值为样本年限内最高，达到了1．364，上涨了36．4%。其中，技术进步指数为1．279，上升27．9%，其贡献度比技术效率指数高出21．3%，是促进全要素生产率增长的主要原因。进一步分解技术效率指数发现，纯技术效率指数和规模效率指数均大于1，共同促进金融支持的技术效率增长。

2013～2014年，金融支持的Malmquist指数为样本年限内最低值，为0．79，下降了21%。其中，技术进步指数为0．981，下降了1．9%，而技术效率指数却下降了19．5%，仅为0．805，完全抵消了技术进步的贡献度。进一步分解技术效率指数发现，其纯技术效率指数和规模效率指数分别为0．93和0．865，下降幅度分别为7%和13．5%。这说明纯技术效率指数和规模效率指数的共同低效造成了技术效率指数的大幅下跌，而规模效率指数则是下降的主要因素。

四、结论

本文采用Bootstrap-DEA方法和Malmquist指数，以2010～2014年在中小板、创业板和主板上市的22家重庆市公司为研究对象，测算了金融支持战略性新兴产业的效率值及其变动情况。得到以下结论：

1．Bootstrap-DEA方法测算的效率值更具有合理性，更符合实际情况。基于DEA模型的统计检验方法，对DEA模型和Bootstrap-DEA方法测算的效率进行差异性检验。结果发现，技术效率和纯技术效率均存在显著性差异，表明通过Bootstrap-DEA方法测算的效率值更具有合理性，更符合实际情况。

2．重庆市金融支持战略性新兴产业的效率偏低，主要由于纯技术效率和规模效率共同低效所致。这表明，重庆市战略性新兴产业管理金融资源水平低的同时还缺乏资金的投入。而各个板块之间也存在差异，创业板的技术效率最高，且纯技术效率和规模效率均在0．9以上，相对需要改进的空间有限；中小板的效率排名次之，纯技术效率低效导致其技术效率低于创业板；而主板的效率值最低，更主要是由规模效率低效所引起的。

3．研究样本中主要以“高低”和“低高”发展模式为主。通过聚类分析发现，仅2家样本公司的纯技术效率和规模效率均低于0．9的临界效率值。相对于“双低型”，有7家样本公司为“双高型”模式。更多的公司则属于一高一低的发展模式。这说明，重庆市战略性新兴产业对金融资源管理与配置，需要有侧重性的改进。

4．重庆市金融支持战略性新兴产业的Malmquist指数为0．972，呈现下降趋势。对全要素生产率进行分析发现，技术效率指数偏低是导致TFP小于1的主要原因，这与效率分析的结果相一致。进一步对技术效率指数分解，也得到纯技术效率指数和规模效率指数共同低效所致的结果。从板块来看，只有主板呈现上升趋势，而中小板和创业板的TFP值均小于1。

5．重庆市金融支持战略性新兴产业的技术进步指数与全要素生产率趋于一致。基于时间序列来看，技术效率指数的走势相对平稳，而技术进步指数则与全要素生产率的趋势相对一致。这说明，技术进步指数对全要素生产率的贡献度大于技术效率指数。

参考文献：

［1］Schumpeter．The Theory of Economy Development［M］．Cambridge，MA:Harvard University Press，1912：28．

［2］Rajan R G．Insiders and Outsiders：The Choice between Informed and Arm's-length Debt［J］．Journal of Finance，1992（47）：1367-1440．

［3］R．Morck，M．Nakamura．Banks and Corporate Control in Japan ［J］．Journal of Finance 1999，54：319-339．

［4］Alessandra C，Stoneman P．Financial Constraints to Innovation in the CK：Evidence from CIS2 and CIS3［J］．Oxford Economic Papers，2008，60（4）：711-730．

［5］Mowery，David C．and Nathan Rosenberg．Paths of Innovation：Technological change in 20th Century America［M］．New York：Cambridge University Press，1998：1-201．

［6］Kaplan S．N．，Stromberg P．Financial Contracting Theory Meets the Real world：An Empirical Analysis of Venture contracts［J］．Review of Economic Studies，2003，70：281-295．

［7］Casamatta，Catherine．Financing an Advising：Optmial Financial Contracts with Venture Capitalists［J］．Journal of Finance，2003，58（5）：2059-2086．

［8］熊正德，林雪．战略性新兴产业上市公司金融支持效率及其影响因素研究［J］．经济管理，2010（11）：26-33．

［9］熊正德，詹斌，林雪．基于DEA和Logit模型的战略性新兴产业金融支持效率［J］．系统工程，2011（6）：35-41．

［10］凌江怀，胡雯蓉．企业规模、融资结构与经营绩效——基于战略性新兴产业和传统产业对比的研究［J］．财贸经济，2012 （12）：71-77．

［11］翟华云．战略性新兴产业上市公司金融支持效率研究［J］．证券市场导报，2012（11）：20-25．

［12］马军伟．我国七大战略性新兴产业的金融支持效率差异及其影响因素研究——基于上市公司的经验证据［J］．经济体制改革，2013（3）：133-137．

［13］马军伟．基于Malmquist模型的战略性新兴产业金融支持效率研究［J］．西安财经学院学报，2013，3（2）：11-15．

［14］Charnes A，Cooper W W，Rhodes E．Measuring the efficiency of decision-making units［J］．European Journal of Operational Research，1978，2（6）：429-444．

［15］Banker R D，Charnes A，Cooper W W．Some models for estimating technical and scale inefficiencies in data envelopment analysis［J］．Management Science，1984，30（9）：1078-1092．

［16］Kniep A，Simar L，Wilson P．Asymptatics for DEA Estimators in Nonparametric Frontier Models［R］．LAP Technical Report，2003，0323，27-29．

［17］Kneip A，Simar L，Wilson P W．A computationally efficient，consistent bootstrap for inference with nonparametric DEA estimators［J］．Computation Economics，2011，38（3）：483-515．

［18］Simar L，Wilson P W．A general methodology for bootstrapping in non-parametric frontier models［J］．Journal of Applied Statistics，2000，27（2）：779-802．

［19］Caves，D．W．，L．R．Christensen and W．E．Diewer．Multilateral Comparisons of Output，Input and Productivity Using Superlative Index Numbers［J］．Economic Journal，1982，92：73-86．

［20］Fare R，Grosskopf S，Norrism，et al．Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries ［J］．American Economic Review，1994，84：66-83．

［21］Banker R D．Maximum Likelihood，Consistency and Data Envelopment Analysis：A Statistical Foundation［J］．Management Science，1993，39（10）．

［22］Banker R D．Hypothesis Tests Using Data Envelopment Analysis ［J］．Journal of Productivity Analysis，1996，7（2）．

［23］Simar L，Wilson P W．Sensitivity analysis of efficiency scores：How to bootstrap in nonparametric frontier models［J］．Management Science，1998，44（1）：49-61．

（责任编辑、校对：龙会芳）

E fficiency E valuation of Chongqing's F inancial Support for Strategic E merging Industries

Zhang Minglong
（Chongqing Technology and Business University,Chongqing）

Abstract:The research takes 22 Listing Corporation in Chongqing as the research samples,uses the Bootstrap-DEA method to calculate the efficiency of the financial support strategic emerging industry,and uses the Malmquist index to analyze the efficiency change tendency.The results show that the efficiency of financial support of strategic emerging industries in Chongqing has not reached the effective frontier,mainly because of the common low efficiency of pure technical efficiency and scale efficiency.There are differences in the efficiency of plate.The total factor productivity of the emerging industries of Chongqing's financial support strategy is declining,mainly due to the low technical efficiency index.The technical progress index and changes figure of TFP are relatively consistent,and they make a major contribution for the Malmquist index growth.

Key words:financial support;strategic emerging industries;efficiency

作者简介：张明龙（1988-），男，四川成都人，重庆工商大学财政金融学院，研究方向为投资理论与实务。

基金项目：重庆工商大学研究生“创新型科研项目”（yjscxx2015-41-10）

收稿日期：2015-09-28

中图分类号：F830．593

文献标识码：A

文章编号：1006-3544（2016）01-0071-10