江苏省战略性新兴产业上市公司融资效率研究——基于2009-2014年面板数据

王　琼，耿成轩



●华东经济

江苏省战略性新兴产业上市公司融资效率研究
——基于2009-2014年面板数据

王琼1，2，耿成轩1

（1.南京航空航天大学 经济与管理学院，江苏 南京 211106；2.常州大学 数理学院，江苏 常州 213164）

摘要：文章对多阶段DEA模型加以拓展，同时考虑投入松弛量信息及外部环境和随机因素的影响，构建六阶段Super-SBM模型，结合Malmquist指数模型，对江苏省战略性新兴产业29家上市公司2009-2014年融资效率进行静态与动态评价，更真实地反映融资效率状况。研究表明：“熨平”外部环境和随机因素影响后，平均融资效率明显下降，说明改善金融生态和创新环境能显著提升融资效率；融资效率整体呈现上升趋势，但年均增长有放缓态势；融资效率增长主要依赖技术进步，但效率充分提升还受到技术效率的影响；制约技术效率的主要原因为纯技术效率不高，企业各种资本要素有效集聚和配置管理的水平有待进一步提升。

关键词：战略性新兴产业；融资效率；六阶段Super-SBM模型；Malmquist指数模型

一、引　言

加快培育和发展战略性新兴产业不仅仅是全球产业结构调整的大势所趋，也是中国政府为促进经济发展方式转变和产业结构升级而做的重大战略选择。我国已将培育发展战略性新兴产业提升到国家战略高度，而资金是战略性新兴产业发展的核心与动脉。在资金融通及其配置效率受到现实融资生态严重约束的新常态经济情境下，如何在有限的金融资源供给下实现更高的利用效率，以提高融资效率为基础促进产业发展的提质增效，就成为促进战略性新兴产业从资本密集的增长方式转向有质量的增长的重要问题。江苏作为中国经济发达省份之一，战略性新兴产业发展位居全国前列，战略性新兴产业法人企业占全国的比重高达四成，对其融资效率的评价研究具有一定的代表性意义，能够为我国战略性新兴产业相关研究提供更为深邃的理论诠释力

耿成轩（1965-），女，辽宁大连人，教授，博士生导师，研究方向：财务管理与资本市场，公司与产业金融。和更加充分的经验证据。

国外学者对企业融资理论、效率理论的研究从20世纪50年代开始。西方国家较完善的财产制度和较成熟的产权制度使得企业融资比较有效率，因此较多围绕融资结构或市场整体配置效率展开，而关于企业融资效率的研究相对较少。Yilmaz等（2011）基于一系列静态和动态数据，研究了产品市场竞争和上市公司融资结构之间的关系［1］。Hovakimian、Opler和Timan（2001）通过理论模型，发现在决定融资结构时，企业应以较多的债务融资来支持当下发生的业务，而以股权融资来保证成长需要，并以此来保证自己的融资效率［2］。Fuensanta等（2014）对1998-2008年西班牙上市公司样本的融资效率进行研究，结果表明，公司的财务杠杆可以减轻过度投资的问题，债务期限结构的降低可以提高融资效率，从而减少过度投资和投资不足的问题［3］。

自曾康霖（1993）提出“企业融资效率”［4］以来，国内学者对企业融资效率的研究逐步深入。高学哲（2005）认为企业融资效率是能够创造企业价值的融资能力，企业要通过和其他企业的横向比较以及自身的纵向比较才能了解该企业融资效率的高低［5］。申慧慧在融资约束前提下，运用多元回归方法研究了不同控股类型的公司在运用资金时受到环境影响的差异［6］。张博（2014）运用熵值法研究了陕西省22家上市公司融资效率［7］。伍装（2005）利用灰色关联分析法对企业融资效率进行了评价，结果发现长期负债融资对中小型企业产值影响最小［8］。刘力昌等（2004）利用DEA方法测度上市公司股权融资效率，得出我国上市公司股权融资效率呈低效状态的结论［9］。程贵孙等（2013）利用BBC模型对战略性新兴产业中上市公司2005-2011年间的相对效率进行了实证研究，结果表明上市公司的生产效率都是非有效的［10］。黄鲁成等（2012）选取了1995-2009年间北京高新技术产业的数据，结合SFA模型进行了三阶段DEA模型的技术效率测算［11］。熊正德等运用DEA方法建立了Logit模型来考察效率影响因素，结果显示宏观经济状况对战略性新兴产业的繁荣有着深远的推动效用［12］。刘亚铮等（2015）利用Malmquist指数，分析了45家新能源上市公司2009-2013年间技术效率的变化状况，发现国有企业的发展质量优于私营企业［13］。

通过对国内外相关文献的梳理可以发现，DEA方法因在研究指标选取和权重设计上无须主观确定权重，相对而言比较客观。但现有的融资效率DEA评价方法多以二、三阶段等低阶段DEA模型为主，运用六阶段DEA模型的尚未发现。而二阶段DEA模型没有充分利用松弛变量信息，三阶段DEA模型没有考虑SFA回归时被解释变量的截断问题，使得参数估计不是一致估计，而四阶段DEA模型虽然参数估计是一致估计，却无法调整随机误差的影响。基于上述考虑，本文对多阶段DEA模型加以拓展，构建六阶段Super-SBM模型，对江苏省战略性新兴产业上市公司的融资效率进行评价，通过“过滤”外部环境和随机因素对效率评估过程中所带来的干扰，测算处于同一生态环境中拥有相同运行平台的各上市公司纯粹的融资效率，同时结合Malmquist指数模型进行动态评价，以更准确地分析融资效率的影响因素，为进一步提高战略性新兴产业的融资效率提供更加充分的经验证据和政策建议。

二、融资效率评价模型构建

（一）基于静态评价的六阶段Super-SBM模型构建

本文在多阶段DEA模型［14-15］基础上，构建六阶段Super-SBM模型，同时考虑投入指标松弛变量以及外部环境和随机因素对融资效率测度的影响，以更真实地评估江苏省战略性新兴产业上市公司的融资效率。

1.第一阶段：指标体系构建

DEA效率测度理论属于非参数估计方法，在实际运用时只需要输入影响效率的投入指标以及产出指标，便可以获得效率评价结果。根据指标选择原则，运用SPSS19.0统计软件对初始财务指标进行聚类分析、Spearman相关性分析等，同时考虑参评单元数要大于投入产出指标数的两倍，最终合理确定投入指标和产出指标。

假设有n个参评单元DMU，每个DMU有m个投入和q个产出数据。对于第j个参评单元，其对应的标准化后投入、产出数据分别记为：

其中，j=1,2,…,n。

2.第二阶段：运用Super-SBM模型计算初始效率值

在传统径向DEA模型中，对无效率程度的测量只包含了所有投入产出等比例的增减，而松弛改进部分在效率值的测量中并未体现。如果不考虑投入指标的“松弛”问题直接运用CCR和BCC模型，有可能导致对效率评估的偏误。Tone K（2001）提出了SBM（Slack Based Measure）模型，其优点是解决了径向模型对无效率的测量没有包含松弛变量的问题［16］。2002年Tone K在SBM模型的基础上提出Super－SBM模型，解决了有效单元之间的排序问题，对有效决策单元进行排序［17］。因此，在第二阶段，运用Super-SBM模型得到各个DMU效率值和投入指标松弛变量值。Super-SBM模型的线性规划形式可写为：

3.第三阶段：运用Tobit回归方法确定环境变量对效率的影响方向

受外生环境变量的影响，Super-SBM模型得到的初始效率值并不能准确反映各DMU的真实效率状况。效率值θ最低为0，即被解释变量的数据是在左侧被截断，而Tobit回归模型属于被解释变量受限制的一种模型，因此，从效率值的截断数据特征出发，在第三阶段对效率值θ和环境变量建立Tobit回归模型，以期从整体上找到影响效率的外部环境因素。

假定评价系统中环境变量有K个，ekj为第j个参评单元的环境指标，作为Tobit回归的解释变量，第j个参评单元的初始DEA效率值θj作为被解释变量。β为回归系数，ε为服从正态分布的独立残差项。通过Tobit回归分析识别环境因素对效率的影响方向和程度，从而得到纯粹的管理效率。当环境变量的回归系数为正，同时统计显著时，表示增加外部环境变量值有利于增加效率值，即该因素与效率值是同向变动的，从而对效率提高不利，应将该因素归为负向环境变量e-；反之为正向环境变量e+。

Tobit回归模型如下：

其中,k=1,2,…,K;j=1,2,…,n。

4.第四阶段：排除外部环境因素及随机因素对效率的影响

利用随机前沿方法SFA来修正Super-SBM模型难于处理外部环境和随机干扰因素的缺点。将初始投入变量的总松弛变量作为被解释变量，负向环境变量e-作为解释变量，采用随机前沿成本方程［15］，具体如下：

与非参数方法相比，SFA方法最主要的优点是区分了随机因素与技术无效率因素，且对回归模型进行了计量检验，它实质上将被解释变量分为成本函数、随机因素和技术无效率三部分。考虑参评单元不可控制的外部环境因素和随机误差项对评价结果的调整以及更深层次的信息挖掘，从而得到更客观全面的评价。

5.第五阶段：调整投入产出数据

使用各投入指标松弛变量的最大拟合值以及随机误差项对初始投入指标值进行调整，调整公式为：

6.第六阶段：运用Super-SBM模型重新计算效率值

对调整后的投入数据和初始产出数据，重新使用Super-SBM模型计算各参评单元的效率值。由于剔除了外部环境和随机因素的影响，因此采用六阶段Super-SBM测算得出的效率值更能准确反映各参评单元纯粹的效率水平。

（二）基于动态评价的Malmquist指数模型构建

DEA效率评价属于基于各个时期的面板数据的静态效率评价，这就有可能会存在一些困惑，例如某参评单元虽然两个时期均处于效率前沿面之外且本期效率值低于上期，但本期的绝对效率有可能高于上期，这样静态的效率评价就无法发现某些参评单元的效率进步，同样也无法发现效率退步。而这恰是Malmquist指数方法能够处理的，将DEA运用到Malmquist指数计算过程中，使用各年份的面板数据来计算全要素生产率和技术变化以及综合效率变化，测度参评单元时间序列上的效率变化，即动态效率变化。

Malmquist指数由Malmquist.S（1953）在消费分析研究中首次提出，旨在研究不同无差异曲线上消费束如何移动。实证分析中，普遍采用Färe等人（1994）构建的基于 DEA的 Malmquist指数。Malmquist指数可由下式表示：表示t时期的参评单元在t时期的有效性；

若Malmquist指数MI>1，表明从t到t+1时期该参评单元的效率有所增加，说明生产力有进步；如果MI<1，则表明生产力退步；若MI=1则说明生产力没有变化。FGLR（1992）将该指数分解为技术进步指数TC和相对效率变化指数EC两个部分。其中相对效率变化指数EC还可分解为纯技术效率指数PC和规模效率指数SC。

技术效率指数EC是两个时刻的效率变化指数，表示从t到t+1时刻参评单元对生产前沿面的“追赶效应”，测度生产单位是否在更靠近当期生产前沿的运行状况下组织生产，当EC>1时，表明生产单位的生产更接近生产前沿面，相对技术效率有所提高，该度量与参考期t0选取无关，主要反映参评单元在生产经营行为方面的改善。技术进步指数TC是两个时刻技术变化指数，表示从t到t+1时刻生产前沿面的移动，反映“前沿面移动效应”，表明技术创新，其效应量与参考期的选择密切相关，TC>1表明生产前沿面向前移动。

基于DEA的Malmquist生产率指数可由下列四个线性规划模型获得。计算下列四个基于DEA的距离函数测算模型，可得从t到t+1时刻第i个参评单元的DEA全要素生产率变化指数［13］。

在测算结果分析里需要重点强调的是，技术效率反映参评单元将投融资技术吸收消化后带来的融资成本降低、融资规模扩大或产出增加的程度，纯技术效率反映参评单元在资金配置中有无存在资金冗余或误用，规模效率反映参评单元资金投入与产出是否满足规模收益。

三、变量设计及数据来源

研究战略性新兴产业上市公司的融资效率时，考虑其融资渠道分内源融资和外源融资两种，其中外源融资包括债务融资和股权融资。在相关文献基础上，本文选取“盈余公积”和“未分配利润”作为内源融资的输入指标，用以衡量内源融资渠道对企业的投入强度；“非流动负债”作为债务融资的输入指标，“实收资本”和“资本公积”作为股权融资的输入指标，以衡量外源融资渠道对企业的投入强度。上市公司融资效率最终表现为企业的市场表现和经营水平，因此选取“营业总收入”和“净利润”作为模型的产出指标，以衡量企业的效益水平。选取环境变量的原则是这些环境变量对产出产生影响，但不在各公司可控范围之内。根据相关文献及考虑数据的可得性，选取所在地区年末金融机构人民币贷款余额表示金融环境对战略性新兴产业发展的支持能力；以所在地区近三年专利授权数量表示当地技术创新环境对战略性新兴产业发展的影响；以所在地区当年地区生产总值表示当地市场需求状况。具体投入产出指标变量见表1所列，投入产出变量间的相关性见表2所列。

表1　投入产出指标体系

鉴于Malmquist指数模型要求具有5年以上的面板数据，本文剔除2010年以后上市以及ST股的公司，选取了在沪深证券交易所上市的属于江苏省战略性新兴产业概念的29家上市公司作为研究样本。所有数据来源于同花顺软件、国泰安金融数据库以及中国统计年鉴。DEA模型要求投入产出指标值均为正数，而实际数据可能存在负数，因而需要先对原始数据进行标准化处理，具体方法如下：

表2　投入与产出变量间的相关性

四、实证分析

（一）融资效率静态评价

基于Super-SBM模型，运用Dea-Solver-Pro.软件对2009-2014年29家江苏省战略性新兴产业上市公司融资的相对有效性进行效率评价，结果见表3和表4所列，调整前后各公司平均融资效率变化如图1所示。如果不排除环境变量的影响，江苏省战略性新兴产业上市公司平均融资效率达96.8%，因此，各上市公司在保持投入比例和产出水平不变的情况下，若能有效运作，则平均能减少3.2%的投入。具体而言，在2009-2014年间，近36.78%的公司在当年融资时存在资金投入过剩，没有充分利用资金。各公司的融资效率差异较大，如2013年综艺股份的融资效率仅为18.8%，说明该公司当年融资投入有近81.2%属于无效投入。东华科技、金通灵、康力电梯、科远股份、江苏国泰、小天鹅A这6家公司连续6年融资效率都大于等于1，其投入产出的线性组合构成了融资效率前沿，说明这些公司具有较好的融资效率。

表3　Tobit回归分析结果

图1　调整前后各公司平均融资效率对比

（二）融资效率动态评价

在六阶段Super-SBM模型分析的基础上，本文对调整后的投入产出数据进一步运用Malmquist指数模型，以这些公司融资效率相对有效性进行了动态分析。选择的时间序列为2009-2014年，投入产出数据为排除外部环境因素和随机因素修正后的投入产出数据。运用DEAP2.1软件测算Malmquist指数MI、技术效率指数EC和技术进步指数TC，具体测算结果见表5和表6所列。

表5　江苏省战略性新兴产业融资效率的平均Malmquist指数及其分解

表6　2009-2014年各上市公司Malmquist指数分解情况

（1）从战略性新兴产业整体来看，2009-2014年江苏省战略性新兴产业整体融资效率呈现上升趋势，这表现为6年来29家上市公司平均Malmquist指数为1.517，即融资效率年均增长51.7%。但也发现融资效率年增长速度逐渐趋缓，从最初的年均增长100.9%下降到10.6%。这与前期江苏省对产业创新发展投入较多、注重转型升级、对产业结构超前调整和超前转型有关，也表明历经初期快速发展后的江苏战略性新兴产业融资效率持续提升的难度有所加大。

融资效率变化由技术效率指数和技术进步指数共同作用，其中技术效率指数反映上市公司因投融资技术进步使得融资成本降低或融资产出提高的程度，而技术进步指数会影响战略性新兴产业生产前沿面的移动。从图2可以看到，融资效率年均增长51.7%中，技术进步指数增长了52.5%，而技术效率下降了0.4%，说明江苏省战略性新兴产业的融资效率增长主要由技术进步大幅度提升引起。技术进步指数年增长速度逐渐放缓，从最初的98.3%下降到7.0%，而技术效率变化指数始终在1附近波动，说明这6年来技术水平进步很快，但对降低融资成本或增加融资产出的效应并不明显。

从技术效率变化指数分解来看，规模效率变化指数是技术效率变化指数与纯技术效率变化指数的比值，反映产业的规模大小对融资效率的影响。2009-2014年战略性新兴产业的规模效率指数始终保持在1附近，即目前总体上资金投入与产出满足规模收益。纯技术效率可以理解为产业的软实力，即在不改变现有规模水平和技术水平的前提下，企业利用现有投入生产相应产出的能力，取决于企业的管理水平，包括资本结构是否优化，融资渠道是否优化，资金投向是否正确等。2009-2014年纯技术效率指数存在一定的波动性，2011-2013年纯技术效率表现不佳而造成技术效率下降。

图2　江苏省战略性新兴产业年均融资效率分解

对各样本公司个体而言，由于公司差异性而造成融资效率的变动情况并不完全相同。因此平均意义上的分析并不能完全反映各上市公司融资效率之间的差异，因此有必要对各公司融资效率变化情况进行分析比较。

（2）从各上市公司个体来看，如果将每年各公司视为独立个体考察，相当于考察145家公司的样本。从表6可以发现，约55.86%的公司融资效率由于技术进步因素使得融资成本降低或产出增加而呈现出改善趋势；也有近34.48%的公司虽然技术效率不高抵消了技术进步带来的部分积极影响，但融资效率仍呈现出改善趋势。由图3可知，技术进步是融资效率提升最主要的途径。同时也发现，有4家公司即使存在技术进步因素，由于其技术效率低下使得融资效率出现了负增长。因此，仅仅提高技术水平并不能保证融资效率的提升，需要企业在技术创新基础上，还要注重技术效率的提升。

图3　各公司年均融资效率分解

从技术效率指数分解来看，这6年来98.62%的上市公司资金投入与产出之间满足规模收益。各公司的纯技术效率变化差异较显著，而且纯技术效率指数是影响技术效率指数的关键因素。可见，江苏省战略性新兴产业中多数上市公司在鼓励技术创新的基础上，较注重纯技术效率的提升，同时控制资金融通成本和投入规模，这更有益于上市公司的健康稳定发展。

五、结　论

本文在考虑投入指标松弛变量的基础上，“熨平”因外部环境和随机因素的优势或劣势而得到的效率水平，将江苏省战略性新兴产业29家上市公司放在相同的最差环境平台上，且拥有相同的运气，对其融资效率进行了静态和动态评价，得出以下主要结论：

第一，从战略性新兴产业整体来看，排除外部环境因素影响后，江苏省战略性新兴产业平均融资效率明显下降，存在较大的投入节约潜力；同时也说明金融生态和创新环境对上市公司融资效率有显著的提升效应。因此，对上市公司融资效率进行评价时有必要剔除环境因素和随机效应的影响。

第二，从各上市公司个体来看，融资效率存在较大的差异。剔除环境因素和随机效应影响后，大多数上市公司调整后平均融资效率均有所下降，这也充分说明调整后更能反映企业真实的融资效率现状。多数公司融资效率增长主要是由于技术进步指数增长，但也存在部分公司因纯技术效率低下引起融资效率出现负增长。

第三，技术进步取决于企业生产技术水平和融资质量状况。近些年，江苏省高度重视战略性新兴产业发展，加强规划引领，强化政策扶持，战略性新兴产业规模迅速壮大，自主知识产权大幅增长，创新发展能力国内领先，从而使得技术进步水平始终保持上升趋势。但纯技术效率存在一定的波动性，说明资本要素集聚和有效配置水平有待进一步提升，需从运营管理水平和投融资管理水平等方面进行改善。

综上所述，技术进步是推动战略性新兴产业融资效率提升的有效途径，但仅仅提高技术水平并不能保证融资效率的提升。企业要在保持技术进步的同时，注重提升纯技术效率，双管齐下。一方面，要不断更新企业生产设备，鼓励技术创新；另一方面，还要继续优化公司治理结构，提高吸收消化投融资技术进步的能力，保持和加强金融体系对其金融扶持的力度，同时发展不同层次的资本市场，不断拓宽多样化融资渠道，从而建立有利于促进企业技术创新、投融资模式创新的系统推动机制，以增强企业的硬实力，进而维持融资效率的稳定增长。

参考文献：

［1］Yilmaz Guney，Ling Li，Richard Fairchild．The Relation⁃ship Between Product Market Competition And Capital Structure In Chinese Listed Firms［J］.International Review of Financial Analysis，2011，20（1）：41-51.

［2］Hovakimian A，Opler T，Timan S.The Debt-Equity Choice ［J］.Journal of Financial and Quantitative Analysis，2001，36 （1）：1-24.

［3］Fuensanta Cutillas Gomariz，Juan Pedro Sánchez Ballesta. Financial Reporting Quality，Debt maturity And Investment Efficiency［J］.Journal of Banking and Finance，2014，40 （3）：194-506.

［4］曾康霖.怎样看待直接融资与间接融资［J］.金融研究，1993（10）：7-11.

［5］高学哲.企业融资效率：内涵及外延［J］.生产力研究，2005 （6）：205-207.

［6］申慧慧，于鹏，吴联生.国有股权、环境不确定性与投资效率［J］.经济研究，2012（7）：113-126.

［7］张博，杨熙安.基于熵值法的上市公司融资效率研究［J］.财经理论研究，2014（1）：105-112.

［8］伍装.中国中小企业融资效率研究［J］.软科学，2006，20 （1）：132-137.

［9］刘力昌，冯根福，张道宏，等.基于DEA的上市公司股权融资效率评价［J］.系统工程，2004，22（1）：55-59.

［10］程贵孙，张雍，芮明杰.国有与民营企业发展战略性新兴产业相对效率研究——基于2005-2011年上市公司数据的实证分析［J］.当代财经，2013（10）：96-105.

［11］Huang L C，Zhang X M，Wu F F，et al.Empirical Study on the Technical Efficiency of Beijing High-tech Industry Based on Three-stage DEA Model［C］//Kocaoglu D E，An⁃derson T R，Daim I U.Proceedings-Technology Manage⁃ment for Emerging Technologies.NewYork：IEEE，2012.

［12］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，2011，29（6）：35-41.

［13］刘亚铮，彭慕容.我国不同所有制新能源上市公司技术效率的比较研究——基于面板数据的DEA-Malmquist实证研究［J］.工业技术经济，2015，257（3）：38-43.

［14］Fried H O，Lovell C A K，Schmidt S S，et al.Accounting for Environmental Effects and Statistical Noise in Data En⁃velopment Analysis［J］.Journal of Productivity Analysis，2002，17（1）：157-174.

［15］叶世琦，王辉.多阶段DEA模型中决策单元的同质性探讨［J］.统计与信息论坛，2012，27（2）：15-21.

［16］Tone K.A Slacks-Based Measure of Efficiency in Data En⁃velopment Analysis［J］.European Journal of Operational Research，2001，130（3）：498-509.

［17］Tone K.A Slacks-Based Measure of Super-efficiency in Data Envelopment Analysis［J］.European Journal of Oper⁃ational Research，2002，143（1）：32-41.

［责任编辑：余志虎］

中图分类号：F127；F275.6

文献标志码：A

文章编号：1007-5097（2016）07-0014-07［DOI］10.3969/j.issn.1007-5097.2016.07.003

收稿日期：2015-12-03

基金项目：国家社会科学基金项目（15BGL056）；江苏高校哲学社会科学研究重点项目（2015ZDIXM008）；中央高校基本科研业务费专项资金资助项目（NP2015302）

作者简介：王琼（1981-），女，浙江金华人，讲师，博士研究生，研究方向：管理科学与工程；

A Study on Financing Efficiency of Jiangsu’s Listed Companies in Strategic Emerging Industries —Based on the Panel Data from 2009 to 2014

WANG Qiong1，2，GENG Cheng-xuan1
（1.College of Economics and Management，Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China；
2.School of Mathematics and Physics，Changzhou University，Changzhou 213164，China）

Abstract:Considering the information of input slack variables，as well as the effects of external environment and random fac⁃tors，this paper proposes a six-stage Super-SBM model on the basis of existing multi-stage DEA model.Combining with Malmquist index model，we evaluate both statically and dynamically 29 listed companies’financing efficiency of strategic emerging industries in Jiangsu province from 2009 to 2014，so as to reveal the real status of financing efficiency.The study shows that：After“ironing out”the effects of external environment and random factors，the average financing efficiency of these samples decreases obviously，which indicates that the improvement of financial ecology and innovative environment can significantly promote the financing efficiency；The overall financing efficiency tends to rise up，but the average annual growth rate slows down；The growth of financing efficiency mainly depends on technological progress，and is restricted by technical efficiency；The main reason for limiting technical efficiency is pure technical efficiency.Moreover，the concentration and con⁃figuration of various capital elements of the enterprise need to be improved.

Keywords:strategic emerging industries；financing efficiency；six-stage super-SBM model；Malmquist index model