文化產業上市公司的融資效率及影響因素研究

張群　邱玉興　王丹丹

【摘 要】 以37家文化產業上市公司為樣本，構建異質性隨機前沿模型，測度了文化產業上市公司的融資效率水平。實證結果表明：樣本內文化產業上市公司在2010—2014年間融資效率較高，所受融資約束有限；提升上市公司市價和前一期的融資效率有利于提高公司本期的融資效率，目前上市公司的發展能力不利于提高公司融資效率；提升上市公司的盈利能力和降低負債率能改善文化產業上市公司的融資效率約束但不顯著，企業規模擴大會顯著改善融資效率約束，大股東減少持股不利于改善融資效率約束但不顯著?；诖?，提出政府建立登記、評估和管理文化產業上市公司資產的統一標準，鼓勵文化產業上市公司跨地區、跨行業、跨所有制整合重組等建議。

【關鍵詞】 文化產業； 上市公司； 融資效率； 隨機前沿分析法

【中圖分類號】 F062.9 【文獻標識碼】 A 【文章編號】 1004-5937（2016）20-0055-05

一、引言

2009年國務院公布了《文化產業振興計劃》，文化產業正式被表述為國家的戰略性產業。之后，我國的文化產業對經濟增長的貢獻快速增加，文化產業發展邁入黃金期。文化產業是投入高、風險大的行業，文化產品不斷創新、知識含量不斷增加使得其價值難以正確評估，因而文化產業的融資易陷入困境。融資的過程既包含資金順利融入，也包含對融入資金利用的效率高低。因此，文化產業融資效率的高低不僅涉及到文化企業盈利水平的大小，也會影響到文化投資者的信心。文化產業上市公司是文化產業中有發展前途的、回報率穩定的大中型文化類企業，其融資效率的情況會帶動整個行業的融資水平。

國內關于融資效率的研究目前主要集中于某類型企業或行業的融資效率及影響因素。崔杰等[1]提出了影響非上市中小企業融資效率的六個組合因素，即企業自身素質、主營業務情況、企業盈利能力、短期外源債務資金來源與流動性和企業的償債能力。徐鳳等[2]基于DEA研究了上市中小企業股權融資效率，得出我國創業板上市中小企業融資效率較低的結論。張延良等[3]基于DEA方法比較研究了金磚國家股票市場的融資效率，認為我國股票市場融資效率水平較低。汪華林[4]基于DEA方法評價了房地產上市公司的融資效率。趙睿等[5]基于熵值法分析了中關村示范區創業板上市公司的融資效率。陳家干等[6]基于熵視角研究了科技型中小企業的融資效率。吳楠和姚金枝[7]研究了生物醫藥行業企業資本結構對融資效率的影響。劉亞錚和冉娜娜[8]基于DEA的CRS和VRS模型分析了我國24個文化產業上市公司的融資效率及優化情況。另外，由于我國文化產業整體起步較晚，國內對其融資效率的研究還不夠深入。目前主要集中于對各省份文化產業融資效率的研究。王雪[9]、謝嘯[10]、耿毓澤[11]、王芹等[12]分別基于DEA分析了吉林省、安徽省、河北省、陜西省的文化產業投融資效率情況。

綜合上述，鮮有文獻對我國文化產業上市公司融資效率進行研究，部分已有的文獻也是基于DEA模型得出的研究結論。上市融資有利于緩解文化產業融資難的問題，到目前為止，文化產業上市公司融資約束處在什么水平，融資困境有沒有得到改善？這需要考慮各種影響因素進行實證檢驗。筆者通過利用異質性隨機前沿模型，不僅能測算所選定的文化產業上市公司的融資效率水平，還可以分析其相關的影響因素作用情況。

二、研究方法

常見的融資效率水平的測算方法包括兩種：非參數數據包絡分析方法（DEA）和參數隨機前沿分析方法（SFA）。DEA方法可以根據觀測的數據，求得最優的效率邊界，它是一種線性規劃分析方法，但由于這種方法的確定性，不能考慮各種誤差因素對估計結果的影響，而且它沒有確定的模型，無法對文化產業融資效率進行預測評價；Aigner et al.[13]和Wim et al.[14]提出的SFA方法，在估計方程中包括了參數效率邊界、非負的效率項以及隨機誤差項。但這種方法的不足在于要先假設函數形式，如果函數形式本身誤差較大，則測算的結果將會存在偏差。不同文化產業上市公司融資效率存在異質性，如果不考慮這種異質性會使得估計結果偏大，因此本部分采用異質性隨機前沿模型測算各文化產業上市公司的融資效率。

顯然，融資效率的取值范圍是0—1。當IEI=0時（ui，t→∞），文化產業上市公司融資效率最低，說明面臨最嚴重的效率約束；當IEI=1時，文化產業上市公司融資效率最高，說明幾乎不存在無效率情況。

三、數據來源、變量說明和模型設定

（一）數據來源

本文文化產業的上市公司選自中國經濟網《2015中國文化企業品牌價值TOP50》，2015“中國文化企業競爭力排行榜”及《中國文化企業行業運營前景及發展規劃分析報告2015—2021年》所提及的各行業標桿企業，涉及到新聞出版、廣播電視、影視、動漫、音樂、網游、廣告、旅游和工業美術業等。時間范圍是2010—2014年，剔除了指標數據缺失年份的樣本數據，共選取上證交易所、深證交易所37家上市公司作為研究對象。除上市公司年末總市值來自銳思數據庫（RESSET）外，其余數據均來自巨潮資訊網各公司各年度的年報。

（二）變量說明

1.融資效率。選用投資增長率In yi，t。

2.企業市價。選取托賓q值。當q值較小時，企業會繼續保留或增加股票，將產業資本轉換成金融資本。當q值高時產業回報率也提高，企業迫切希望進入資本市場變現套利。

3.企業發展能力。選用單位資本營業收入ei，t。企業發展能力越強，融資效率就越高，它衡量了企業的長遠發展水平。

4.企業盈利能力。選用單位資本經營現金凈流量（cf）。企業的盈利能力越強，越對員工獲得報酬以及福利改善、投資者獲得投資收益形成了有效的保障。因此，企業盈利能力增強會拉升融資效率。本文單位資本的經營現金流量越多，說明企業的內部融資能力就越高。

5.企業規模。Paul[17]認為大公司降低了長期債權融資的成本，在長期舉債中產生了規模經濟，甚至具有同債權人討價還價的能力，因此，上市公司的規模與上市公司的融資效率正相關。這里用資產總額（ai，t）表示。資產總額越高，企業外部融資能力越強，因為企業可以提供的抵押品可能就越多，相對容易從金融機構獲得資金支持。

6.融資方式。以債務為主的融資方式降低了資金所有者用于自身私利的資金，用資產負債率（ad）來表示。負債率高有損于上市公司的融資效率。

7.股權結構。用上市公司十大股東持股比例來表示（h）。近年來我國的上市公司大股東重籌資、輕使用、盲目圈錢、占用巨額資金、危害小股東利益等負面消息經常被曝出。嚴重影響了企業的融資效率。這一指標反映了企業的外部融資能力。

各變量說明及樣本描述性統計見表1、表2。

（三）模型設定

1.融資效率函數的設定。借鑒Wang和Battese and Coelli[18]的實證方法進行構建，設定模型如下：

四、模型估計及實證結果

（一）文化產業上市公司融資效率異質性隨機前沿模型的估計結果

將SFA的無效率方程的均值和方差施加一定的約束，劃分成了5個模型，并采用極大似然估計法對（I）—（V）進行了估計，結果見表3。模型（I）代表本文的異質性模型，其中無效率方程的均值和方差都是外生變量的函數；模型（II）假定均值是0，方差為外生變量的函數；模型（III）假定方差是常數，均值為外生變量的函數；模型（IV）對應于DEA模型，不考慮誤差項的影響；模型（V）對應于方差為常數、均值為0的情況。根據對數似然值、似然比和相關信息準則確定模型（I）優于其他模型，下面圍繞模型（I）的估計結果展開分析。

（二）文化產業上市公司融資效率隨機前沿分析

模型（I）的估計結果顯示，在異質性隨機前沿方法下，托賓q的估計系數為0.246，在10%的水平上顯著不等于0。這表明托賓q對上市公司融資效率有著顯著的影響，當托賓q值變大時，上市公司融資效率上升。單位資本銷售收入及其滯后值的估計系數不顯著，說明當前主要文化上市公司的單位資本銷售收入不利于提高企業融資效率，也就是營業收入有待提高。融資效率的滯后項在1%水平上顯著，系數是0.562，表明上市公司本期的融資效率明顯受上一期的影響。

（三）文化產業上市公司融資效率影響因素分析

根據異質性隨機前沿模型，能夠計算出融資效率損失并分析它的影響因素。第一，單位資本凈現金流量在均值方程和方差方程中都為負，但是不顯著，表明增加單位資本凈現金流量能改善文化產業上市公司的融資效率約束，降低融資效率約束的不確定性，但這種內部融資的效果不明顯。第二，企業的總資產在均值方程中顯著為負，但在方差方程中為正且不顯著，表明這種外部融資方式能提高上市公司的融資效率，但是不能降低上市公司融資效率約束的不確定性。第三，負債率在均值方程中為負，但不顯著，在方差方程中顯著為正，表明上市公司較低的負債率有利于改善這些文化企業的融資效率約束，但這種外部融資方式效果不明顯。在后續階段不利于降低融資效率約束的不確定性。第四，前十名股東持股情況不利于改善融資效率約束，同時也不利于降低融資效率約束的不確定性，但這種效果不顯著。

（四）文化產業上市公司融資效率分析

根據模型可以估算出每個上市公司的融資效率和融資效率約束程度。根據融資效率值繪制了頻數分布圖（見圖1），結果表明這些上市公司中絕大部分的融資效率集中分布在75%～85%之間，也就是實際融資效率低于最佳融資效率水平約15%～25%。

表4是根據表3中模型（I）計算出的37家上市文化公司2011—2014年的融資效率均值?？傮w來看，平均值最高的是0.842，最低的是0.772，兩者相差0.07，有16家公司的均值低于0.8，其余21家的均值都大于0.8，融資效率較高。2011—2014年這37家上市公司的平均融資效率分別為0.814、0.807、0.799、0.801，變化不明顯。

五、結論及政策建議

在隨機前沿模型中，樣本公司的融資效率水平均值為0.8左右，說明這些文化產業上市公司基本能夠通過內部和外部相關的融資手段，擴大融資渠道。但是，也面臨著一定的融資約束。實證結果顯示，高產業回報率有利于提高公司的融資效率；單位資本銷售收入不利于提高公司融資效率，營業收入沒有發揮出本應該有的效果，可能是這些上市公司的經營歷史較短，業績有待提高；前一期的融資效率對本期融資效率有積極的影響；增加單位資本凈現金流量對于提高文化產業上市公司的融資效率作用不明顯；公司的總資產增加有助于減少公司的融資約束，但是不能降低后續的不確定性；負債率對于改善上市公司融資效率約束作用不明顯；大股東減少持股沒有明顯地改善融資效率約束的作用。

為了加快文化產業上市公司發展，緩解其上市公司融資約束問題，鼓勵更多的中小文化企業上市，筆者建議：從政府角度，建立統一的標準來登記、評估和管理文化產業上市公司相關資產，鼓勵更多的文化產業上市公司跨地區、跨行業、跨所有制整合重組，設立政府為主導的、允許社會資本進入的文化產業發展基金；企業層面，應該加強自身的內部管理水平和資源配置能力，增強品牌營銷意識，降低市場開拓成本，提高資金的使用效率，減少企業負債，鼓勵更多員工持股，調動員工創新的積極性。

【參考文獻】

[1] 崔杰，胡海青，張道宏.非上市中小企業融資效率影響因素研究——來自制造類非上市中小企業的證據[J].軟科學，2014（12）：84-88.

[2] 徐鳳，盧奇，李鵬濤.基于DEA的上市中小企業股權融資效率研究[J].財會通訊，2014（3）：18-19.

[3] 張延良，胡超，胡曉艷.基于DEA方法的金磚國家股票市場融資效率比較研究[J].世界經濟研究，2015（7）：44-53.

[4] 汪華林. 基于DEA的我國房地產上市公司股權融資效率分析[J].會計之友，2015（5）：87-89.

[5] 趙睿，傅巧靈，周莉莎.基于熵值法的中關村示范區創業板上市公司融資效率分析[J].經濟研究參考，2014（35）：82-86.

[6] 陳家干，衣長軍，謝月婷. 基于熵視角的科技型中小企業融資效率研究[J].會計之友，2013（7）：44-49.

[7] 吳楠，姚金枝.企業資本結構對融資效率影響研究——基于生物醫藥行業的經驗數據[J].財會通訊，2015（2）：38-40.

[8] 劉亞錚，冉娜娜.文化產業上市公司融資效率優化及評價[J].商業時代，2014（4）：135-136.

[9] 王雪.基于DEA的我國文化產業上市企業融資效率評價研究[D].西安外國語大學碩士學位論文，2014.

[10] 謝嘯.安徽省文化產業投融資效率研究[D].安徽大學碩士學位論文，2012.

[11] 耿毓澤.河北省文化產業投融資效率分析[D].河北經貿大學碩士學位論文，2014.

[12] 王芹，楊旭，張曉棠.DEA視角下的陜西省文化產業投融資效率[J].西安工業大學學報，2015（7）：556-570.

[13] AIGNER D，LOVELL C A，SCHMIDT P.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Economics，1977，6（1）：21-37.

[14] WIM M，et al. Efficiency Estimation from Cobb-

Douglas Production Functions With Composed Error[J].International Economic Review，1977，18（2）：435-444.

[15] WANG H J. A Stochastic Frontier Analysis of Financing Constraints on Investmen：the Case of Financial Liberalization in Taiwan[J].Journal of Business and Economic Statistics，2003，21（3）：406-419.

[16] ALEXANDER L，et al.Firm Value and Managerial Incentives：A Stochastic Frontier Approach[J].Social Science Electronic Publishing，2005，78（6）：2053-2093.

[17] PAUL M.The Choice between Equity and Debt：An Empirical Study[J].Journal of Finance，1982，37（1）：121-144.

[18] BATTESE G E，COELLI T J.A Model for Technical Inefficiency Effects in A Stochastic Frontier Production Function for Panel Data[J].Empirical Economics，1995，20（2）：325-332.