中国制造业上市公司融资结构与TFP增长率分析

刘 朝

（西安交通大学，陕西 西安710061）

融资约束是指企业无法从外部的正规渠道中获得足够的资金支持，具体表现是不仅融资成本较高，而且融资可得性也相对较低。融资约束会使企业无法做出最优的经济决策，导致资源错配，并引发生产率下降。与此同时，企业的无形资产研发，由于其高风险性以及价值难以估计，使得企业很难从商业银行获得足够的融资额度，使得研发活动受到融资约束的限制。

制造业是国民经济发展的重要支柱产业，是科技创新的主战场。中央经济工作会议明确提出“加大结构性改革力度，纠正要素配置扭曲，提高全要素生产率”。如何在不增加要素投入的情况下，通过效率提高进而实现全要素生产率（TFP）的提升一直是研究的热点和难点。由于我国制造业起步晚、技术水平较低、受到发达国家技术封锁等，使得制造业严重依赖资金的有效支持，必须通过融资来解决。而企业的融资结构直接影响TFP的增长率，二者之间的关联影响分析在当下我国工业企业改革中显得尤为重要。

一、文献综述

企业融资结构与全要素生产率之间的相关关系一直是研究热点。多数研究认为通过外部融资企业可以提高生产率。其中代表性的文献有：Guan and Lansink（2006）以丹麦农场的绩效作为研究对象，通过Malmquist 生产率指数法对其进行度量，得出了长期债务和生产率呈现正相关的关系。Gatti and Love（2008）的研究也支持了上述观点，他们通过比利时企业的横截面数据进行实证检验，发现了信贷可获性对全要素生产率具有显著影响，该方法是将企业的信用额度或可以透支的限额作为信贷可获性的替代变量，构建出全新的被解释变量，包括企业所处的行业、所有权的结构与性质以及企业规模等。Ayyagari（2010）研究发现，受限于金融市场的发展，我国企业的融资渠道主要来源于其内部融资，而外部融资主要集中于正规金融机构，且与企业生产率呈现正相关的关系，其他外部融资渠道对生产率增长没有显著的影响。

然而，部分学者认为债务融资与企业生产率之间不存在相关关系甚至是负相关关系，Nucci（2005）构建了一个全要素生产率模型，通过意大利企业的面板数据来研究企业资本结构与TFP之间的相关关系，这个模型以TFP作为被解释变量，以无形资产、融资杠杆和资产比率等作为解释变量，发现融资杠杆与TFP 呈现负相关关系，短期债务融资会导致企业TFP 下降。Nunes（2007）以葡萄牙企业的面板数据为研究对象，得出融资结构与TFP呈现出负相关关系，而且这种关系是非线性的，融资杠杆的使用不仅不会提高企业的TFP，还会使之下降。

目前，我国学者对该领域的研究相对较少，主要是通过融资约束和金融发展来分析企业的投资行为，以及从商业信用、政府补贴等角度解释融资约束对TFP的冲击和影响。比如，郑江淮等（2001）从股权结构出发，发现国有股比重越低的上市公司受外部融资约束越不明显。石晓军等（2010）从生产函数出发，运用随机前沿理论验证了商业信用对融资约束有明显的缓解作用，并在此基础上采用Malmquist 方法对效率进行计量和分解，认为商业信用是以缓解融资约束为媒介，进一步促进规模效率的提高。任曙明和吕镯（2014）利用装备制造业的微观数据，探究了融资约束背景下政府补贴对生产率的影响，并提出相应的平滑机制，他们认为，多数（大约75%左右）企业的政府补贴可以完全抵消融资约束对TFP的负面影响，进而促进了整个装备制造业生产率平稳持续增长。

综上所述，企业的融资结构与企业TFP之间存在着重要的关联性。本文基于2008-2014年中国制造业上市公司的面板数据，采用DEA-Malmquis 方法估算了企业全要素生产率增长率及其分解指标，并且研究了不同控制背景下国有控制公司和非国有控制公司的融资方式对企业全要素生产率增长率及其分解指标的影响差异，以期为工业企业改革指明方向。

二、TFP增长率及其分解指标

1.模型与算法

国内大多数文献主要从宏观层面对我国TFP增长率进行估算。比如，王小鲁（2000）、张军（2002）、郭庆旺和贾俊雪（2005）等从经济增长角度出发，研究中国的总体TFP状况及其变迁；张杰等（2009）以1999-2003为数据的样本空间，选择国有企业和规模以上非国有企业作为研究对象，采用OP 算法对企业TFP进行估算；鲁晓东和连玉君（2012）采用参数法和非参数法计算企业层面的TFP，并进行了横向比较，发现半参数法能够较好的解决内生性问题和样本选择偏误。

本文采用非参数法中的DEA-Malmquist 指数估计对我国制造业上市公司的TFP变化率以及其分解指标进行估算。该方法具有以下优点：首先，该方法无需给出投入要素的具体价格，而要素的具体价格在现实中很难得到。其次，Malmquist 指数估计是一种非参数的估计，不仅避免了参数估计方法的多种限制，还可以将TFP进行更为深入的分解，为下一步的研究提供严密的内在逻辑和合理层次结构。本文以Färe et al.（1994，1997）开创性的工作为研究基础，以产出函数为起点，数学表达式如下：

（1）式中的x和y分别代表投入和产出，经济意义是在第t期的基础上预计t+1 期TFP 的变化，表示产出距离的函数。TFPCH值的大小是判断的依据，如果大于1，则表示TFP 呈现上升趋势，若小于1，则表示下降趋势。TFP的变化率（TFPCH）可以分解成两个部分，分别是技术效率（EFFCH）和技术进步率（TFCHCH）。

由上面的数学式可以看出，TECHCH和EFFCH是考察的关键。如果TECHCH值大于1，表明生产边界的上升，意味着技术进步，反之小于1，则表明生产边界下降，技术退步。与Färe et al.（1994）的研究相一致，EFFCH（技术效率指数）在规模报酬不变的前提假设下，继续分解为PECH（纯技术效率）和SECH（规模效率）。由此，上式可以进一步变换为：

式（6）-（11）中，SECH和PECH分别代表规模效率和纯技术效率，如果大于1，表明效率上升，如果小于1 则表明效率下降。基于上述分析，可将TFP的变化率拆分为两个等式：

从式（12）（13）可以看出：首先，TFPCH代表企业的全要素生产率变化水平，体现了要素的使用效率以及技术进步程度。其次，TECHCH不仅体现了企业的核心竞争力，还揭示了企业持续的创新能力，例如工艺流程的再设计、采购更具有技术含量的生产设备、新产品研发等。EFFCH也是影响生产率变化的重要指标，揭示出在某个选定的技术水平下，实际产出与最优技术水平下的产出间的差距。

2.变量选取与TFP估计

本文以2008-2014 年制造业上市公司为样本，采用DEAMalmquis方法测算我国制造业上市公司全要素生产率增长率及其分解指标，为下一步验证融资约束与TFP增长率及其分解指标提供依据。

（1）变量选取和数据来源

本文借鉴韩晶（2008）、原毅军等（2009）、陈一博和宛晶（2012）的研究方法，选择主营业务收入和净利润作为产出变量。数据来源主要选自国泰君安数据库，样本空间是2008-2014年，研究对象为2032 家上市公司。遵循Malmquist指数法对面板数据的要求，我们剔除了样本空间内存在大量数值缺失的上市公司。同时，进行平衡面板处理，最后共剩下626家上市公司，共计4382个观测样本。

（2）TFP估计

我们首先对626 家上市公司的TFP 变化率进行了测算，然后将其分为技术进步率和技术效率，最后再将技术效率分解为纯技术效率和规模效率。计算结果如表1所示：

从表1 可以看出， 2008 -2014 年间制造业上市公司TFP 增长率的年均增长率为3%，2008-2009 年均值小于1，为0.97。随后逐年增加，在2010-2011 年TFP 增长率达到历年最高值8%。自2012 年后逐渐下降，2012、2013、2014 增长率分别为6%、3%、2%。

表1 制造业上市公司TFP增长率测算结果

对TFP 增长率的分解指标细分后发现，技术进步率对TFP增长率贡献最大，样本均值为1.06。而技术效率的年度样本均值小于1，为0.97。由此可见，技术效率制约了全要素生产率的增长。

从技术效率的构成可以看出，规模效率的样本均值为1.03，且除2008-2009年小于1外，其他各年均呈现明显的增长态势。导致技术效率年度样本均值小于1的主要原因是纯技术效率较低，样本均值仅为0.94。由此可见，纯技术效率较低是制约我国制造业上市公司全要素生产率增长的关键。

表2是按照行业类别分别对TFP 增长率及其分解指标进行测度，可以看出：纺织业、通用设备制造业、印刷业和记录媒介复制、石油加工（炼焦）及核燃料加工、交通运输设备制造业的年均TFP增长率分别位于25个工业行业TFP增长率的前五名，而文教体育用品制造业、化学原料及化学制品制造业、有色金属冶炼及压延加工业、金属制品业、通信设备（计算机）及电子设备制造业这五个行业的年均TFP增长率均小于1。

表2 分行业TFP增长率及其分解指标测量结果

从TFP增长率分解指标来看，各行业技术进步率的年度均值均大于1，其中造纸及纸制品业、石油加工（炼焦）及核燃料加工业的年度均值最高，分别达到1.26 和1.25。而各行业技术效率的年度均值普遍小于1，仅纺织业的技术效率均值为1.00。由此说明，各行业的技术进步率对其自身的TFP增长率贡献程度最大；如果适度提高各行业的技术效率，TFP增长率将会得到更大程度的增加。通过将各行业的技术效率分解为纯技术效率和规模效率，可以发现，大多数行业的纯技术效率和规模效率值偏低，行业平均值分别为0.93和0.95。

三、融资结构与全要素生产率增长率分析

1.变量说明与描述性统计

（1）变量说明

本文借鉴Foster et al（2008）关于TFPQ 和TFPR 的设定，得到关于融资约束和非融资约束企业的生产率。

对于非融资约束企业：

对于融资约束企业：

当TFPQ和TFPR服从联合对数生态分布时，行业S的TFP、以及总体TFP的简单闭式解：

行业S的TFP闭式解：

同理，总体TFP闭式解：

另外，在极端条件下的反事实假设下，融资担保能力以及融资流动性水平为零时降低了行业内（或者经济体内）的全要素生产率，且两者均为零时对全要素生产率的影响最大。但这种假设仅是在极端条件下成立的，现实中存在融资约束的企业的融资方式具体对企业全要素生产率的影响如何，是本文需要解决的现实问题。

我们构建了一个涉及技术进步态势影响因素的工业企业模型，这个模型涵盖了融资方式（内外部）和其他非融资偏好等因素，以期实证检验融资结构与生产率之间的相关关系。

上式中，被解释变量为DEA-Malmquist 指数算法计算下的TFP增长率及其分解指标。其中，TFPCH代表全要素生产率增长率、EFFCH是技术效率、TECHCH是技术进步率、PECH是纯技术效率和SECH表示规模效率。FINit表示企业的融资方式由三项构成，分别是：Debt（债权融资比重）、Equity（股权融资比重）以及Intern（内源融资比重）。Managementit作为控制变量，反映了企业的管理水平，分别表示为存货周转率（Ireturn）和应收账款周转率（Rreturn）。此外，控制变量还包括了企业规模（Size）和企业研发能力（RDabilityit）。误差项由δj、δt、μit三个部分构成。δj为特定行业效应，这个变量认为不同的行业技术也会导致生产率的差异，因此设定一个行业虚拟变量加以控制；δt为年度效应，通过引入反映经济周期影响的年度虚拟变量加以控制；μit为随机误差项。

①解释变量：

A、Debt（债权融资比重），等于负债总额除以资产总额。该值越大说明该企业通过发债融资的偏好越高。

B、Equity（股权融资比重），等于企业所有者权益减去盈余公积与未分配利润增加值之和，再除以资产总额。该值越大表示企业进行配股融资的偏好越高。

C、Intern（内源融资比重），等于流动资产与流动负债的差额用总资产额度进行标准化。该值越大表示企业融资渠道主要是自有资本积累。

②控制变量：

A、Ireturn（存货周转率），等于销售成本除以平均存货，表示企业存货周转的平均次数。该值越大意味着存货周转速度越快、存货的占用水平越低、企业营运效率越高、资金管理效率越高，变现能力越强。

B、Rreturn（应收账款周转率），等于销售收入与平均应收账款的比值，表示应收账款的变现能力。该值越高意味着应收账款的周转率也越高、回笼速度越快、呆坏账率越低，公司管理水平和销售业绩越好。

C、Size（企业规模），等于企业总资产对数值。企业规模越大意味着有利于降低企业生产成本，可以更为细致地进行分工协作，有更强的能力增加专业化设备，用于提高生产能力。金玲娣和陈国宏（2001）指出企业规模的大小会影响企业的创新活动，主要包括研发能力和研究意愿。

D、Capint（资本密集度），等于固定资产除以总资产。固定资产是一个企业重要的物资保障基础，是提高生产能力、推进技术进步和维持企业经营的前提，能够较好地反映企业规模。综上所述，主要变量的统计描述如表3所示：

表3 主要变量的统计描述

（2）描述性统计

本文结合企业实收资本类型和注册类型等信息，如国有资本占实收资本比例大于等于50%的国有资本绝对控股企业，将其定义为国有控制公司。同时，对实际控制人或第一大股东上溯查询，以确认其最终实际控制人，如实际控制人为国资委、大学、科研院所等国有机构，也将其定义为国有控制公司。如：张家界（股份代码：000430）实际控制人为张家界市经济发展投资集团有限公司，经上溯查询，其最终实际控制人为张家界市国有资产监督管理委员会。除上述情况外，其余定义为非国有控制公司。

变量的描述性统计见表4：从全样本看，债权融资比重的平均值和中位数分别为0.47 和0.47。股权融资比重的平均值和中位数分别为0.17 和0.14，四分位数上限为0.21，说明50%以上的企业股权融资比重低于平均水平。内源融资比重的平均值和中位数分别为0.14 和0.16，说明50%以上的企业内源融资比重高于平均水平。应收账款周转率的平均值和中位数分别为5.07 和3.64，四分位数上限为5.83，说明50%以上的企业应收账款周转率低于平均值；存货周转率的平均值和中位数分别为147.1和6.70，说明半数以上的企业存货周转率低于平均水平；企业规模的平均值和中位数分别为21.96和21.85，四分位数上限为22.65，说明50%以上的企业规模低于平均水平。

从控制背景来看，对比国有控制公司和非国有控制公司，发现国有控制公司债务融资水平的平均值、中位数、上下四分位数均大于非国有控制公司，说明相对于非国有控制公司，国有控制公司更倾向于债务融资。而非国有控制公司股权融资水平、内源融资水平的平均值、中位数、上下四分位数均大于国有控制公司，说明非国有控制公司更依赖股权融资和内源融资。而非国有控制公司应收账款周转率、存货周转率的平均值、中位数均大于国有控制公司，说明非国有控制公司的平均管理水平高于国有控制公司。从资本密集程度分析，国有控制公司的平均值、中位数、上下四分位数分别为0.27、0.22、0.17、0.38，而非国有控制公司的平均值、中位数、上下四分位数分别为0.27、0.24、0.15 和0.36，说明非国有控制上市公司取得了长足发展，非国有控制公司的资本密集程度平均值已经与国有控制公司持平。国有控制公司的企业规模平均值、中位数、上下四分位数均大于非国有控制公司，说明国有控制公司的企业规模大于非国有控制公司。

表4 描述性统计

2.估计结果比较分析

（1）融资方式与TFP增长率分析

本文首先从全样本角度验证融资方式对全要素生产率的影响。同时，为了考察不同所有制背景下融资结构与TFP增长率及其分解指标的关系，本文进一步将样本区分为国有控制公司和非国有控制公司对其进行分析。具体估计结果如表5-表7所示。

表5给出了模型分别基于全样本和不同控制背景的估计结果。从模型的拟合效果来看，模型R2调整后介于0.025-0.241之间，可见模型的整体拟合效果较好。

从全样本的角度来看，债务融资、股权融资、内部融资均在1%-5%的水平上显著，说明企业融资方式的变化可以显著影响企业的TFP 增长率（表明TFP 的增长率与企业的融资方式具有较强的内在联系）；债务融资和内部融资水平的提高对TFP增长率产生正向影响，而股权融资水平的提高对TFP增长率产生负向作用。同时，应收账款周转率、存货周转率也在1%-5%的水平上显著，说明企业管理水平的提升，可以促进企业TFP 的增长。而企业规模、资本密集程度在1%的水平上负向相关，说明企业规模的增加和资本密集程度的增加对TFP增长率产生了负向作用。

债务融资与技术进步率在1%的水平上显著，表明企业的债务融资水平与其技术进步率之间存在明确的正相关关系，而与技术效率、纯技术效率、规模效率均在统计上不显著，说明企业债务融资对TFP增长率的正向作用主要是得益于债务融资对技术进步率的正向推进作用。说明企业通过债务融资，债权人对经营者的行为进行约束，促使经营者提高资金使用效率，促进了企业技术进步率的提高。

内部融资水平的提高对TFP增长率产生的正向影响，主要是得益于内部融资对规模效率在1%的水平上产生正向作用，但内部融资与其他分解指标在统计上均不显著，说明盈余公积与未分配利润等内部融资的投入方向主要是企业的产能和生产规模的扩大，这也从另一个角度说明了我国上市公司的技术研发和创新投入不足。

股权融资对TFP增长率的负向作用主要是因为股权融资带来了企业技术进步率的下降。通过划分企业所有制可以发现，股权融资对TFP增长率的负向作用主要体现在非国有控制企业的技术进步率上，对其他分解指标的作用不显著。同时，股权融资对国有控制企业的TFP增长率及其分解指标均不显著。

存货周转率除了对企业规模效率（SECH）、技术进步率（TECHCH）的作用均不显著外，对技术效率、纯技术效率均在1%的水平上正向显著。而应收账款周转率除了对企业纯技术效率在1%的水平上显著外，对技术进步率、技术效率、纯技术效率均不显著。存货周转率、应收账款周转率的提高，说明企业的管理水平、资金使用效率得到了有效提升，企业的短、长期借款需求有所下降，融资成本有效降低。相应的，有更多较为充裕的资金可以进行技术研发投入，促进了企业TFP增长率的提高。

资本密集程度对TFP 增长率、技术进步率、纯技术效率、规模效率均在1-10%的水平上显著。这说明，资本密集程度和固定资产投入提高，仅仅只反映在产能和企业规模的扩大，对企业的规模效率产生正向促进作用。而对技术进步率、纯技术效率产生负向作用，最终导致全要素生产率增长率的下降，呈现“重设备引进，轻要素利用效率”的现象。

划分企业所有制进行分析，从表6 和表7 可以发现：不论是国有控制企业，还是非国有控制企业，企业债务融资对TFP增长率、技术进步率在1%的水平上显著，而与技术效率、纯技术效率、规模效率均在统计上不显著。说明债务融资显著促进了企业技术进步率的提高，而债务融资对TFP增长率的正向作用主要是得益于债务融资对技术进步率的正向推动作用。

从表7可知，对于非国有控制企业，股权融资对技术进步率在1%的水平上产生负向作用，而与其他分解指标在统计上均不显著，说明股权融资对TFP增长率的负向作用主要是因为股权融资带来了企业技术进步率的下降。而对于国有控制企业，股权融资对TFP 增长率及其分解指标均在统计上不显著。该现象可能来自于：一方面，国有控制企业的外部融资渠道主要依托债务融资，股权融资水平相对较低。另一方面，非国有企业的债务融资相对于国有控制企业较为困难，股权融资的高成本、研发创新的高风险性以及不确定性会使企业对技术研发投入的动因不足，制约了企业技术进步率增长。另外也说明非国有控制上市公司股权融资在募集资金使用监管等方面，存在进一步提升空间。

存货周转率、应收账款周转率对TFP增长率及其分解指标的影响和全样本分析结果一致，对TFP 增长率在1%的水平上具有正向促进作用。

表5 企业融资结构与全要素生产率分析结果（全样本）

表6 企业融资结构与全要素生产率分析结果（非国有控制企业）

表7 企业融资结构与全要素生产率分析（国有控制企业）

（2）稳健性检验①限于篇幅，感兴趣的读者可向作者索取。

为了确保实证结果的稳健性，本文以模型5为基准，进行稳健性检验：①去掉不显著的变量。②加入反映融资结构的滞后变量，即选用滞后一期的融资结构变量。根据稳健性结果，发现与表5 相比，稳健性检验的结果中各变量方向保持不变，大小变化不大，而滞后一期的融资结构变量均不显著，证明模型的估计结果是可靠的。

四、研究结论与展望

本文基于2008-2014年中国制造业上市公司面板数据，采用DEA-Malmquist 方法估算了企业全要素生产率增长率及其分解指标，并且按照不同的控制背景研究了国有控制公司和非国有控制公司的融资方式对企业全要素生产率增长率及其分解指标的影响差异。主要结论如下：

1. 从整体上看，2008-2014年间制造业上市公司全要素生产率增长率的年均增长率为3%，TFP增长率在2008-2009年均值小于1，为0.97。随后逐年增加，在2010-2011 年TFP 增长率达到历年最高值8%，然后自2012 年后逐渐下降，2012、2013、2014增长率分别为6%、3%、2%。对TFP增长率的分解指标分析发现，技术进步率对TFP增长率贡献最大，年度全样本均值为1.06，而技术效率的年度样本均值小于1，为0.97。从技术效率的构成中可以看出，规模效率的样本均值为1.03，纯技术效率的年度全样本均值仅为0.94。由此，可以看出，纯技术效率是制约我国制造业上市公司全要素生产率增长的关键。

2. 分行业测度TFP增长率以及对TFP增长率进行分解可以看出，纺织业、通用设备制造业、印刷业和记录媒介复制业、石油加工（炼焦）及核燃料加工业、交通运输设备制造业的年均TFP增长率分别位于29个工业行业TFP增长率的前五名，而文教体育用品制造业、化学原料及化学制品制造业、有色金属冶炼及压延加工业、金属制品业、通信设备（计算机）及电子设备制造业这五个行业的年均TFP 增长率均小于1。各行业的技术进步率对其自身的TFP增长率贡献程度最大；如果适度提高各行业的技术效率，TFP 增长率将会得到更大程度的增加。通过将各行业的技术效率分解为纯技术效率和规模效率，发现大多数行业的纯技术效率和规模效率值偏低，行业平均值分别为0.93和0.95。

3. 对企业融资结构、管理水平以及资本密集程度的研究发现：企业债务融资对我国制造业国有控制、非国有控制上市公司的TFP增长率具有正向推动作用。对TFP增长率指标进行细分发现，债务融资对技术进步率具有正向推动作用，债务融资与其他分解指标均在统计上不显著，说明债权人对企业经营者行为进行约束，促使企业提高资金使用效率，促进了企业技术进步率提高。

内部融资对我国制造业国有控制、非国有控制上市公司的TFP增长率具有正向推动作用，其主要原因是内部融资对规模效率产生正向作用。但内部融资与其他分解指标在统计上均不显著，说明我国制造业上市公司的盈余公积与未分配利润等内部融资的投入方向主要是企业产能和生产规模的扩大，这也从另一个角度说明了我国上市公司的技术研发和创新投入不足。

股权融资对我国制造业上市公司的作用机理因所有制不同存在差异：股权融资对国有控制上市公司的TFP增长率及其分解指标均在统计上不显著，而股权融资与非国有控制上市公司的技术进步率在1%的水平上负相关，即股权融资未能有效促进企业技术进步率的提高，并未促进企业技术创新和企业持续创新能力，说明在上市公司股权融资的募集资金使用监管等方面，存在进一步提升空间。以存货周转率、应收账款周转率为代表的企业管理水平的提升，有助于企业TFP增长率及其分解指标的提升。