中國資源循環利用產業金融支持水平和效率的區域差異

張玲，楊哂，董戰峰

（1.南京林業大學經濟管理學院，江蘇南京 210037；2.生態環境部環境規劃院，北京 100012）

引言

資源循環利用產業是我國戰略新興產業的重要組成部分，其以自然資源、能源和生產消費過程中產生的廢棄物為對象，通過加工利用使之成為社會需要的資源，是循環經濟形成閉環周轉的關鍵，也是我國經濟高質量發展的新載體。然而，資源循環利用產業在我國發展并不充分，其良性持續發展離不開政府補貼和金融系統長期穩定的資金支持。為此，2017 年《循環發展引領行動》強調“利用現有資金渠道對循環經濟予以支持，進一步提高資金利用效率和使用效益”。2021 年6 月，國務院提出“壯大綠色環保產業，對資源循環利用企業加大財稅扶持力度”。

然而，該產業發展起步較晚，涉及多個行業且龍頭企業市場整合度較低，不同區域企業規模和數量不同。另外，我國不同區域的金融市場水平發展差距較大，隨著當前資源循環利用產業的金融資源投入力度的不斷加大，不同區域是否存在金融資源供給和配置的不均衡？這些投入資源的產出效率是否存在區域差異？因此本文提出的研究問題是：我國資源循環利用產業的金融支持水平和金融支持效率如何？水平與效率是否存在區域差異，如有差異，其差異來源是什么？研究結果可為促進該產業形成健全完善的金融支持體系，實現金融資源的合理分配，減少區域差距，最終實現該產業全面均衡發展提供參考。

1 文獻綜述

目前我國不同行業，如煤炭業[1]、海洋業[2]、金屬業[3]、戰略新興產業（整體）[4-7]、高新技術產業[8]等都開展了有關金融支持效率的研究。在相關測算方法上，已有成果為后續研究提供了堅實基礎。數據包絡分析（Date Envelopment Analysis，DEA）模型因無須預設生產函數，能更有效地處理多投入、多產出系統間的效率評價問題，在各類效率的測算上被廣泛使用。但如果選用的DEA 模型較為簡單，便面臨松弛變量、無法跨期比較和實現DEA 有效的決策單元（Decision Making Unit，DMU）較多時無法進一步比較等問題，使測算結果產生一定偏差。而采用基于全局參比的超效率SBM-DEA 模型（Global-Super-SBM，GS-SBM）進行效率測算[9]，則可以在很大程度上解決這些問題。

在揭示區域差異的研究方面，有學者使用變異系數法從省級或區域層面揭示了空間差異性[10,11]；也有學者使用Theil 指數法，但該方法會導致樣本間差異被平均化，從而降低結果的精確度[12-14]；Dagum 基尼系數[15]能有效解決樣本數據交叉重疊的問題，有效地測度區域差異并揭示差異來源。運用該方法，陳景華比較了我國服務業的綠色全要素生產率增長的行業差距[16]；呂承超等比較了我國制造業信貸配置的地區和行業差距[17]；馬玉林等比較了我國省際層面的科技金融效率差異[18]。但目前這種方法在金融支持水平和效率的區域差異方面的應用幾乎沒有。

資源循環利用產業是戰略新興產業中的重要組成部分。然而，現階段該產業尚未被作為獨立的產業部門計入國民經濟統計，因此針對該產業整體的相關研究相對較少，包括對資源循環利用產業上市公司的全要素生產率的測算[19]，對資源循環利用產業政策演進特征的分析[20]、產業發展路徑和發展建議分析[21,22]等。除此以外，更多研究針對資源循環利用產業中的某個/某些具體行業而開展，例如資源再生產業/再生資源產業[23,24]、廢棄物回收產業[25-27]等；也有針對資源循環利用具體活動的研究[28-30]。截至當前，尚未有針對資源循環利用產業的金融資源使用或者金融支持效率的研究。

為此，本文在借鑒已有研究成果的基礎上，以金融資源被投入主體即資源循環利用產業上市企業為研究對象，首先運用熵權法和GS-SBM 模型分別測算2016—2020 年我國資源循環利用產業在各區域的金融支持水平和效率；其次運用Malmquist 指數模型及其分解指標探究該產業各區域金融支持效率的演變趨勢；最后，運用Dagum 基尼系數法及其分解方法揭示金融支持水平和效率的區域差距及其來源，以期為我國資源循環利用產業的全面均衡發展提供科學依據。

2 研究方法與數據

2.1 研究方法

2.1.1 熵權—線性加權法

使用熵權法確定各投入指標權重，并運用線性加權法計算我國資源循環利用產業金融支持水平得分。假設有n個企業m個指標構成原始指標數據矩陣X=，具體計算過程如下：

第一步，計算各原始指標的標準化值yij：

其中，max(xj)和min(xj)分別表示第j個指標的最大值與最小值，xij皆為正向指標。

第二步，計算各指標的熵值Hj：

第三步，計算第j個指標的熵權wj：

其中，wj∈[0,1]，且=1。

最后，計算第i個企業的金融支持水平得分Si：

Si越大，說明第i個企業的金融支持水平得分越高，即收到的金融資源投入越多。

2.1.2 GS-SBM 模型

將超效率SBM模型[31]和全局參比技術[32]相結合，構建GS-SBM 模型，測度我國資源循環利用產業的金融支持效率。模型具體如下：

假設有n個DMU，設x∈Rm,y∈Rh，分別為投入與產出，m、h分別表示投入和產出的種類。在t時期(t=1，2，…,T)，第k個DMU 的生產可能性集合為(Pt)，如式（5）所示。在式（5）的基礎上，基于全局參比的生產可能性集合（PG）如式（6）所示。

基于全局參比的超效率SBM 模型如式（7）所示，式（7）是基于規模報酬不變（CRS）假設下的規劃模型，如果增加∑=λ1 的假設，則是基于規模報酬可變（VRS）假設下的規劃模型。根據Charnes 等的研究[33]，在實際求解過程中可將式（7）轉變為線性規劃。

其中，ρk為金融支持效率；xk和yk分別代表投入和產出向量；xik和yrk分別代表第i種投入的投入向量和第r種產出的產出向量；分別為投入和產出的松弛變量；λ為權重指數。

2.1.3 Dagum 基尼系數及其分解方法

進一步采用Dagum 基尼系數及其分解方法對資源循環利用產業中不同區域的企業金融支持水平和效率的差異進行分析，該方法能有效分析區域水平和效率的差異來源，解決子群之間的交叉重疊問題?？傮w基尼系數可以被分解為區域內差異、區域間差異和超變密度。具體計算過程可見孫亞男等[34]提出的方法。

2.1.4 Malmquist 指數模型

基于全局參比，從t到t+1 時期，第k個DMU 金融支持效率的跨期變動可以用Malmquist 指數（M 指數）表示[31]，具體如式（8）所示。

2.2 研究對象、變量選取與數據說明

2.2.1 研究對象

資源循環利用產業涉及行業較多，根據《戰略性新興產業分類（2018）》和《節能環保清潔產業統計分類（2021）》（國家統計局令第34 號）的界定，資源循環利用產業包括資源循環利用裝備制造，礦產資源綜合利用，工業固體廢物、廢氣、廢液回收和資源化綜合利用，城鄉生活垃圾與農林廢棄資源綜合利用，汽車零部件及機電產品再制造，水資源循環利用六大產業，代碼依次為3.1、3.2、3.3、3.4、3.5、3.6，本研究中依次用A～F 加以代表。由于缺乏針對該產業的統計數據，考慮到數據可得性，本研究選取該產業上市企業為研究對象，以企業的主營業務作為篩選依據，共篩選出樣本企業114 家，其中有66 家位于東部地區，31 家位于中部地區，17 家位于西部地區，東、中、西部的劃分依據《中國統計年鑒》。不同區域的企業數量差異較大，初步表明資源循環利用產業在我國不同區域的發展并不均衡。

2.2.2 指標選取和數據說明

借鑒已有研究對金融支持效率的定義[4-7]，本文從資金籌集與配置兩方面來反映金融資源投入支持企業發展的貢獻程度。在投入指標的選取上，選擇銀行貸款、債券融資、股票融資、商業信用融資、內部資金融資和政府補貼，試圖全面反映資源循環利用產業所有的資金來源。產出指標上，本文選擇凈利潤和營業收入，分別用以反映企業的盈利能力與發展能力。其中，以投入指標來測度金融支持水平。表1 是相關指標說明。

表1 相關指標說明

由于資源循環利用產業在近幾年才有較快發展，上市公司的前期相關數據缺乏，因此本文觀察期設定為“十三五”期間（2016—2020 年），114 家樣本企業共產生570 個觀測值，原始數據主要來源于各企業年報。

最后，DEA 模型要求投入產出變量的數值均為正，采用如下公式對數據進行標準化處理：

其中，xi為原始數據；yi為處理后的數據；xmax與xmin分別為該指標的最大值與最小值。

3 結果分析

3.1 不同區域資源循環利用產業的金融支持水平與效率分析

3.1.1 不同區域資源循環利用產業的金融支持水平分析

借助式（4）計算出2016—2020 年我國資源循環利用產業的金融支持水平得分均值，并對其分解，全國及各區域得分如表2 所示。

由表2 可知，2016—2020 年我國資源循環利用產業金融支持水平的均值為0.067，得分最高的企業位居東部（0.653），最低的企業位居西部（0.005），說明就整體而言，我國資源循環利用產業的金融支持水平較低，并且企業間的金融支持水平差距較大。從各指標的貢獻看，商業信用融資對金融支持水平貢獻最大（0.021），內部資金融資對其貢獻最?。?.003）。

表2 2016—2020年我國資源循環利用產業金融支持水平及其分解

不同區域的金融支持水平存在差異，觀測期內中部地區的金融支持水平均值（0.076）略高于東部地區（0.071），遠高于西部地區（0.036）。商業信用融資均是對三大區域金融支持貢獻水平最大的指標，東部、中部、西部分別為0.023、0.021、0.013；東部和中部地區對金融支持水平貢獻最低的是內部資金融資，西部為內部資金融資和政府補貼。

為了進一步考察金融支持水平的動態變化，計算出金融支持水平的年均增長率，并對其進行分解，結果如表3 所示。

從表3 可以看出，2016—2020 年我國資源循環利用產業整體的金融支持水平年均增長率為11.5%，保持了較好的增長態勢。其中，政府補貼（19.8%）和銀行貸款（14.7%）是金融支持水平增長的主要動力，資源循環利用產業發展前期投入較高、回報率較低，而針對該產業出臺的政府補貼與銀行貸款的扶持政策較多，資金來源相對穩定，能在一定程度上緩解企業的資金需求。債券融資（-40.2%）是水平增長的最主要抑制力，債券融資雖能為企業提供低成本的資金來源，但企業債券過多發行可能導致金融風險，引發企業財務危機。

表3 2016—2020年我國資源循環利用產業金融支持水平年均增長率及其分解

三大區域的金融支持水平年均增長率存在差異，中部（14.6%）＞東部（11.4%）＞西部（6.3%），其中政府補貼和銀行貸款是東部地區金融支持水平增長的主要動力，政府補貼與股票融資是中部地區金融支持水平增長的主要動力，股票融資與內部資金融資是西部地區金融支持水平增長的主要動力，債券融資均是三大區域的金融支持水平增長的最主要抑制力。

3.1.2 不同區域資源循環利用產業的金融支持效率分析

借助MaxDEA Ultra8.0 軟件，基于GS-SBM 模型對2016—2020 年我國資源循環利用產業的金融支持效率進行測算，具體結果如表4 所示。

表4 2016—2020年我國資源循環利用產業的金融支持效率

由表4 可以看出，觀測期內我國資源循環利用產業的金融支持效率平均值為0.860，總體來說效率水平較高，但未能實現DEA 有效。三大區域間效率存在一定差異，觀測期內西部（0.917）＞中部（0.870）＞東部（0.841），所有區域均未實現DEA 有效。金融支持效率表現最好的企業位于西部（1.549），最差的位于東部（0.427）。從變異系數均值大小來看，中部＞東部＞西部，即中部地區企業間的金融支持效率差異最大，西部最小。

表5 展示了2016—2020 年我國資源循環利用產業整體、三大區域金融支持效率的M 指數、EC 指數及TC 指數。

表5 2016—2020年金融支持效率的M指數、EC指數及TC指數

由表5 可以看出，2016—2020 年我國資源循環利用產業的金融支持效率的M 指數為0.989，呈略下降趨勢，年均下降1.1%?？赡艿脑蚴?，觀測期正值“十三五”期間，受益于一系列針對資源循環利用產業的財政稅收政策的出臺[24]，該產業得以快速發展，產業規模進一步擴大，但受制于該產業較弱的市場競爭力，產業整體從規模擴張階段到實際產能提升需要一定的過渡時期，因此效率出現一定下滑。從分解指標來看，EC 指數為0.974，即年均下降2.6%，而TC指數為1.015，即年均增長1.5%，表明我國資源循環利用產業金融支持效率的下降主要是由于技術效率水平的惡化。

從不同區域的對比來看，M 指數由高到低排序為：西部（1.001）、東部（0.987）、中部（0.986），說明觀測期內三大區域的金融支持效率均呈下降趨勢，并且中部區域下降最快，年均下降1.4%。所有區域的EC 指數均小于1，TC 指數均大于1，即各區域金融支持效率的M 指數小于1 的主要原因是技術效率水平的低下。

綜上，對比我國資源循環利用產業金融支持水平和效率的靜態結果可以發現，觀測期內東部、中部、西部均沒有實現理想的金融資源投入與產出配置比例，東部地區的金融支持水平較高，其效率值卻最低，沒有實現有效的績效產出；中部地區金融支持水平最高，效率值也較高；西部地區的金融支持水平最低，其效率值卻最高，這說明盡管投入到西部地區的金融資源相對更缺乏，但該地區企業對金融資源能更加有效地進行配置和利用。對比金融支持水平和效率的動態結果可以發現，觀測期內三大區域均呈現水平上升、效率下降的趨勢，不同區域的金融支持水平增長速度與來源存在差異，而效率下降均來源于技術效率水平的惡化。

3.1.3 子產業金融支持水平和效率的區域差異分析

不同區域內六個子產業的金融支持水平和效率均值見表6。從全國層面來看，六大產業的金融支持水平排序為：B＞C＞D＞F＞A＞E；金融支持效率排序為：E＞B＞A＞C＞F＞D。各產業在不同區域的金融支持水平和效率也存在較大差距。其中，B、D 和E 產業均表現出在西部地區金融支持水平最低，而金融支持效率卻最高的趨勢。A 產業（資源循環利用裝備制造）在中部的金融支持水平高于其他區域，效率卻是東部最高，可能表明東部企業在技術水平上相對領先；B 產業（礦產資源綜合利用）的金融支持水平和效率在東/中部與西部區域間差異明顯，表明在我國經濟較為發達的東部和中部，企業獲得金融資源相對容易，但在礦產資源豐富的西部地區，該產業具有技術優勢，企業能更高效利用金融資源；C產業（工業固體廢物、廢氣、廢液回收和資源化綜合利用）在東部的金融支持水平遠高于其他區域，效率卻遠低于其他區域，可能表明現階段該產業的金融資源在區域間錯配現象較為嚴重；D 產業（城鄉生活垃圾與農林廢棄資源綜合利用）在東部與中部均表現出高投入—低效率，表明其效率的提升尤其需要關注；E 產業（汽車零部件及機電產品再制造）在三大區域均表現出低投入—高效率，表明該產業能高效利用現有金融資源。F 產業在西部地區僅一家企業，因此難以進行比較?？傮w來說，在效率提升上，東部和中部應重點關注A、B、C、D 四個產業，而西部地區各產業均表現較好。

表6 不同區域各子產業的金融支持水平和效率均值

3.2 我國資源循環利用產業金融支持水平與效率的差異來源

從上文可知，我國資源循環利用產業的金融支持水平和效率存在區域差異，因此通過KS 檢驗進一步檢驗區域差異的顯著性，具體檢驗結果見表7。

表7 非參數方法檢驗結果（P值）

可以看出，各區域組合間的金融支持水平和效率均存在顯著差異。在此基礎上，進一步采用Dagum 基尼系數及其分解方法探究不同區域企業的金融支持水平和效率的差異及其來源，具體結果如表8 和表9 所示。

從表8 可以看出，2016—2020 年我國資源循環利用產業金融支持水平的總體基尼系數均值為0.555，整體呈現出波動下降的趨勢，但波動幅度較小，這說明資源循環利用產業金融支持水平的企業間差距較大，但呈現出緩慢的遞減趨勢?？赡艿脑蛟谟?，“十三五”提出的鼓勵金融機構加大對資源循環利用企業的投融資力度等政策取得了一定成效，在一定程度上縮小了全國范圍內企業間金融資源的投入差距。

表8 我國資源循環利用產業金融支持水平的區域差異及其來源

三大區域的區域內水平差異均呈現出波動下降趨勢，其中中部降幅最大（10.73%），西部（8.98%）居中，東部降幅最?。?.54%）。從平均值來看，中部＞東部＞西部，這說明中部各企業的金融支持水平不均衡的現象在三者中最為突出，其次為東部，西部最均衡。三大區域間的金融支持水平差異均呈現出波動下降趨勢，從數值大小來看，觀測期內金融支持水平區域間差異數值由大到小依次排序為中—西、東—中、東—西。

從區域水平差異來源的貢獻率來看，區域內差異貢獻率始終在均值（44%）左右波動，而超變密度貢獻率不斷下降，區域間差異貢獻率處于波動上升趨勢?？傮w上來看，觀測期區域內差異始終是我國資源循環利用產業金融支持水平區域差異的主要來源，其次是超變密度，最后為區域間差異，平均貢獻率由高到低依次為44.0%、41.6%、14.4%。

從表9 可以看出，2016—2020 年我國資源循環利用產業金融支持效率的基尼系數均值為0.084，相對較小，但整體呈現波動上升趨勢，年均增長率為6.28%。表明在當前經濟增速放緩、要素成本上升的背景下，該產業得到的金融資源投入雖不斷增加，但內部的市場活力不足、企業競爭激烈，金融資源無法高效利用，盈利能力等差距被進一步放大。

表9 我國資源循環利用產業金融支持效率的區域差異及其貢獻率

三大區域的區域內金融支持效率差異均呈現出波動上升趨勢，東部區域漲幅（37.5%）高于中部（34.57%）和西部（9.26%）。從平均值來看，中部（0.089）＞東部（0.083）＞西部（0.063），這說明中部各企業金融支持效率不均衡現象最為突出，而西部地區最為均衡。三大區域間的金融支持效率差異均呈現出波動上升趨勢，區域間差異數值由大到小依次排序為東—中、東—西、西—中。

從區域效率差異來源的貢獻率來看，2016—2017年超變密度貢獻率高于區域內差異高于區域間差異，2017—2020 年則區域內差異高于超變密度高于區域間差異?？傮w上來看，觀測期內區域內差異是我國資源循環利用產業金融支持效率區域差異的主要來源，其次是超變密度，最后為區域間差異，平均貢獻率由高到低依次為42.1%、40.1%、17.8%。

4 結論和建議

本文測度了2016—2020 年我國三大區域資源循環利用產業上市企業的金融支持水平與金融支持效率，考察了金融支持水平與效率的演變特征，揭示了水平和效率的區域差異及其來源。主要結論如下：

（1）2016—2020 年我國資源循環利用產業整體的金融支持水平較低，觀測期內均值為0.067，商業信用融資對金融支持水平貢獻最大，內部資金融資對其貢獻最小。不同區域的金融支持水平存在差異，表現為中部略高于東部，明顯高于西部。金融支持水平整體處于上升趨勢，年均增長11.5%，政府補貼和銀行貸款是金融支持水平增長的主要動力，債券融資是水平增長的最主要抑制力。不同區域的金融支持水平年均增長率和增長的主要動力存在差異，債券融資是三大區域的金融支持水平增長的最主要抑制力。

（2）2016—2020 年我國資源循環利用產業整體的金融支持效率表現較好，觀測期內均值為0.86，西部高于中部和東部。整體金融支持效率處于下降趨勢，年均下跌1.1%，所有區域的金融支持效率均處于下降趨勢，其中中部下降最快，年均下降1.4%。所有區域的EC 指數均小于1，TC 指數均大于1，說明我國資源循環利用產業的金融支持效率下降主要源于技術效率水平惡化。

（3）2016—2020 年我國資源循環利用產業內六大產業的金融支持水平和效率存在明顯的區域差異，其中，B、D 和E 產業均表現出在西部金融支持水平最低，而金融支持效率卻最高的趨勢。

（4）2016—2020 年我國資源循環利用產業的金融支持水平和效率均存在明顯的區域差異，金融支持水平的總體差異逐漸縮小，金融支持效率的總體差異逐漸擴大；區域內差異是我國資源循環利用產業金融支持水平和效率區域差異的主要來源。

基于以上結論，本文提出以下建議：

（1）進一步提升對我國資源循環利用產業的金融支持水平，尤其是西部地區企業。完善我國金融市場功能，制定針對資源循環利用產業的金融支持對接政策，鼓勵金融機構為企業提供多元化的融資產品，尤其是緩解西部企業的融資困境。優化對企業的金融資源投入，尤其重視東部和中部效率的提升，引導企業提升經營管理水平，提高企業對金融資源的籌集與配置能力，促進技術效率水平提升。

（2）針對資源循環利用產業內部子產業的金融支持水平和效率的區域差異，按照分類施策、因地制宜的原則，充分考慮區域內部各子產業發展水平和資源條件差異，推進其高效利用金融資源。東部和中部應重點關注A、B、C、D 四個產業，探索其金融支持效率的提升途徑。

（3）針對金融支持水平和效率的區域差異，一方面推動優勢企業的資金、管理經驗等共性生產要素向弱勢企業流動，縮小區域內差異；另一方面考慮實施有差別的金融支持政策，緩解區域間的金融資源冗余與不足的困境，促進各區域內企業協調發展。