基于SBM-Malmquist-Tobit 模型的紡織業(yè)上市公司融資效率研究

劉 冬

（商丘學院 商學院， 河南 商丘476000）

紡織業(yè)是我國極具國際競爭優(yōu)勢的產業(yè)。 我國是全球重要的紡織品生產和出口大國， 在國際紡織品交易的過程中扮演著重要的角色。 保證紡織業(yè)在我國健康有序、穩(wěn)步向前地發(fā)展，可以在提升我國國際競爭優(yōu)勢的同時，給我國創(chuàng)造巨大的經濟效益。 2012—2016 年，我國紡織業(yè)的生產規(guī)模不斷擴大，紡織業(yè)主要產品的產量不斷提高，在紡織品產量不斷提升的同時，紡織服裝的出口也從2012 年的2 625.03 億美元上升到2016 年的2 701.20 億美元（數據來源于中國紡織工業(yè)聯合會產業(yè)經濟研究院），同時據世界貿易組織的統計，我國紡織服裝業(yè)的出口額最近幾年穩(wěn)居世界第一。 “一帶一路”倡議及“中國制造2025”的實施，對我國紡織業(yè)的發(fā)展提出了更高的要求。 紡織業(yè)要抓住戰(zhàn)略機遇，推進產業(yè)轉型升級，促進紡織業(yè)向智能化、數字化邁進，加大紡織業(yè)產品的出口額度，開創(chuàng)我國紡織業(yè)國際化發(fā)展的新局面。 然而，紡織業(yè)屬于勞動密集型產業(yè)，我國紡織業(yè)自有品牌較少，大部分紡織企業(yè)都只是在做貼牌工作，自主創(chuàng)新能力低下，具有核心競爭力的產品少之又少。 究其原因，籌措資金困難、融資渠道單一成為阻礙我國紡織業(yè)做大做強的關鍵因素。 由于受國內勞動力成本上升及國際市場人民幣升值的影響，紡織業(yè)的利潤空間越來越小，許多企業(yè)由于常年虧損而被迫倒閉，一些大型的紡織業(yè)企業(yè)也逐步減產，紡織業(yè)的發(fā)展面臨巨大的挑戰(zhàn)。 因此，解決好紡織企業(yè)的融資問題，對于其走出困境、提升自主創(chuàng)新能力、鞏固在國際市場上的競爭力、提升企業(yè)價值具有重要的意義。

一、融資效率測算模型

數據包絡分析（DEA）模型包含徑向模型和非徑向模型兩類，其中，徑向模型（如傳統的CCR 及BCC 模型）對無效決策單元的改進只要求投入和產出按特定方向等比例縮減或擴張，而忽視了松弛變量的改進部分，因此容易出現效率測算的誤差。鑒于此，Tone 提出了一種基于松弛變量測量方法（Slack Based Measure, 簡稱SBM）的DEA 模型［1］，將投入產出的松弛變量納入線性規(guī)劃函數當中，這一改進放開了變量等比例優(yōu)化的假設，能夠更加科學客觀地測度有關效率的問題。

（一）SBM 模型

假定生產系統有n 個決策單元，且均有m 個投入和s 個產出向量，于是第k 個決策單元的投入和產出向量分別為：

投入向量：

產出向量：

環(huán)境技術或生產技術集合P，即要素投入X 所能生產的產品的所有組合，可以定義為：

其中，λ 為權重變量，且x≥Xλ 表示實際投入大于前沿投入水平，y≤Yλ 表示產出低于前沿產出水平。

SBM 模型的規(guī)劃式為：

其中，S－是與投入對應的松弛變量，S+是與產出對應的松弛變量，λ 是線性規(guī)劃的權重向量。 目標函數滿足0＜r≤1。對于被評價的決策單元DMU，如果r*=1，則該決策單元位于生產的前沿面上，稱之為達到了DEA 有效狀態(tài)，否則該決策單元DEA 無效，存在優(yōu)化空間，S－和S+分別代表投入和產出可以改進的程度。

（二）Malmquist 指數

Malmquist 指數是瑞典經濟學家和統計學家Sten Malmquist 于1953 年提出用以分析不同時期的消費變化［2］。 Malmquist 生產率指數衡量的是全要素生產率的變化，以DEA 方法計算得到的效率值為指數構建基礎， 通過求解幾個距離函數， 對距離函數進行組合構建得到Malmquist 生產率指數。

規(guī)模報酬不變假設下，基于t 期的Malmquist 指數可以表達為：

其中，（xt，yt）和（xt+1，yt+1）分別表示t 期和t+1 期的投入和產出向量；代表t 期投入產出向量參照t 期技術的距離函數代表t+1 期投入產出向量參照t 期技術的距離函數。 本研究選取上述介紹的SBM 模型來求解距離函數。

不同技術水平之下的Malmquist 指數結果會出現不一致的問題， 從而為評價全要素生產率帶來麻煩，為解決這一問題，Fare 等參考Fisher 理想指數的構造方法［3］，取參照t 期和t+1 期技術的Malmquist 生產率指數的幾何均值作為Malmquist 生產率指數，則Malmquist 指數可以表達為：

Malmquist 指數大于1 意味著t 期與t+1 期相比，生產的有效性得到改進，即全要素生產率出現了增長；Malmquist 指數小于1 意味著全要素生產率出現了倒退，Malmquist 指數等于1意味著生產率沒有發(fā)生變化。

Malmquist 指數可以分解為技術進步（TC）和技術效率變化（TEC）兩部分，分別代表決策單元相對于生產前沿的跳躍性和追趕性特征。 技術效率變化又可以分解為純技術效率變化（PTEC）和規(guī)模效率變化（SEC）,分別反映管理因素和規(guī)模因素帶動的效率變化，其表達式為：

上式第一部分表示純技術效率變化，第二部分表示規(guī)模效率變化，第三部分表示技術進步。

二、 投入及產出指標

DEA 是以相對效率概念為基礎發(fā)展起來的一種效率評價方法，特別適用于多投入、多產出的邊界生產體系的效率和生產率的研究。 使用該模型測算效率，對投入產出指標的選取有以下要求：第一，指標選取滿足科學性、合理性，能夠反映每個決策單元的大部分信息，以保證測算結果能夠客觀、全面地反映評價主體的真實情況；第二，投入、產出指標不宜過多，否則會導致結果大量出現等于1 的情況，使比較結果失去意義。 一般來說，投入、產出指標的選取總數要小于參與評價的決策單元數量的一半，即：樣本數＞2×（投入變量個數+產出變量個數)。

本研究力圖有效反映我國紡織業(yè)上市公司的融資效率，通過參考相關文獻對融資效率投入、產出指標的選取，同時結合DEA 相關指標原則，對指標選取設立了以下規(guī)則：融資效率的投入、產出指標要求能夠有效反映融資投入和資本使用效率之間的關系；指標具有較強的代表性，且相互間包含的信息不會重疊；考慮到數據的可獲得性，涉及的指標可以直接從上市公司披露的財務信息中得到。 結合以上原則，最終選取總資產和主營業(yè)務成本這兩個指標作為投入指標，選取凈資產收益率、總資產周轉率和主營業(yè)務收入增長率作為產出指標，具體情況如表1 所示。

表1 投入、產出指標

（一）投入指標

1.總資產。資產總額反映的是企業(yè)擁有或控制的能夠帶來預期收益的全部資源。企業(yè)融資會使資產總額變大，因此總資產可以用來反映股權融資和債權融資的總規(guī)模。

2.主營業(yè)務成本。 反映企業(yè)進行主營業(yè)務生產所花費的代價，代表了企業(yè)的資本運作能力。企業(yè)成本越低，利潤越高，反之利潤越低。利潤的流入又進而決定了資產的多少，因此成本對企業(yè)的資金管理效率有著重要影響。

（二）產出指標

1.總資產凈利率。 反映上市公司運用債務和股權融資方式所籌集的全部資產能夠產生利潤的能力，體現出所籌集的每一元錢能為企業(yè)帶來的利潤，能夠很好地反映企業(yè)盈利能力的高低。 企業(yè)經營、融資活動的最終目的都是獲得效益最大化，因此，該比率越高，說明企業(yè)的獲利能力越強。

2.總資產周轉率。 總資產周轉率反映企業(yè)在每個經營周期中全部資產從投入到產出的流轉速度，能夠有效反映企業(yè)營運效率。 一般來說，周轉率越大說明企業(yè)利用籌集的資金進行經營的效率越高，反之，則越差。

3.主營業(yè)務收入增長率。 反映企業(yè)獲得融資后的發(fā)展能力。 主營業(yè)務收入增長越快，說明企業(yè)的經營效率在增長，主營業(yè)務獲利能力持續(xù)增強，資金的利用效率越高。

（三）原始數據的標準化處理

DEA 本身對數據的量綱要求不高，但是只能處理正的數值。在對融資效率進行研究時，使用的總資產凈利率和主營業(yè)務收入增長率兩個指標可能存在負數，不符合DEA 模型對指標要求非負的條件。 因此，對上述兩個指標進行了標準化處理，具體公式為：

其中，X 為原始值，Y 為調整后的值；Xmin為該變量的最小值，Xmax為該變量的最大值。

通過標準化處理后的各指標取值范圍被有效界定到0～1 的區(qū)間內， 消除了負值對DEA模型的不適用性。 各指標的描述性統計如表2 所示。

表2 投入、產出指標描述性統計

從表2 可以看出，在投入指標中，資產總額的最小值為3.1×108，最大值為1.28×1010，均值為3.28×109， 標準差為2.83×109， 由此可以看出我國紡織業(yè)上市公司在融資規(guī)模方面相差較大。 在產出指標中，各指標的最大值與最小值都相差較大，同時總資產凈利率和營業(yè)收入增長率的最大值與最小值之間跨越了0， 說明不同紡織業(yè)上市公司的盈利能力和成長性都存在明顯的差異，也從側面反映了不同紡織業(yè)上市公司的融資效率差異較大。

三、融資效率整體評價結果及分析

通過使用MaxDEA 軟件， 利用SBM 模型和SBM-Malmquist 指數法分別測算得到2012—2016 年紡織業(yè)上市公司的融資效率，原始數據均來源于WIND 數據庫中各上市公司相關年份的資產負債表、利潤表和現金流量表。

（一）紡織業(yè)上市公司融資效率靜態(tài)分析

利用SBM 模型對紡織業(yè)上市公司融資效率進行測算，其結果包括技術效率和它的兩個分解項：純技術效率和規(guī)模效率。 技術效率TE 衡量的是紡織業(yè)上市公司在既定的投融資投入條件下能夠實現的最大效益，即紡織業(yè)上市公司的融資效率。 純技術效率PTE 是指在規(guī)模報酬可變條件下，由于管理和技術等內部因素，企業(yè)能否實現投入資金的有效利用。 它代表當前技術水平下能夠實現的效益狀態(tài)。 規(guī)模效率SE 是指企業(yè)當前的融資渠道、 融資方式和資本結構，即能否讓企業(yè)通過擴大自身生產規(guī)模得到規(guī)模優(yōu)勢，降低單位產品的成本來獲得更高的產出收益。

表3 2012—2016 年紡織業(yè)上市公司融資效率評價結果

如表3 所示， 我國紡織業(yè)上市公司的融資效率在2012—2016 年期間整體處于低效率水平，在2014 年達到了峰值，也僅為0.254 左右。 從實現融資有效的企業(yè)數量來看，2015 年有效的企業(yè)數量最多，為5 家，占到總樣本個數的14.7%左右。由此可見，我國紡織業(yè)上市公司融資效率整體偏低，大部分的上市公司不能夠合理運用資金投入，即使存在一部分高效率的上市公司，也無法拉升行業(yè)的平均水平。 如何在保持部分高效上市公司穩(wěn)健發(fā)展的基礎上，有效提高低融資效率公司的融資水平，是提高紡織業(yè)上市公司整體融資效率的關鍵。

從分解項上來看，紡織業(yè)上市公司在純技術效率上表現較差，但實現技術效率有效的企業(yè)數量相對較高，由此可見樣本公司的純技術效率分布可能出現了斷層，位于中等效率水平的企業(yè)過少，大部分的低效上市公司拉低了行業(yè)整體水平。 此外，由于上市公司各年的純技術效率均低于規(guī)模效率，可見，純技術效率是造成我國紡織業(yè)上市公司融資效率低下的主要原因。 由于投入無效，相關企業(yè)應該合理配置企業(yè)資源，加強內部管理，降低融資成本，提高資金利用效率，從而提高融資效率。

另外，表3 給出了紡織業(yè)上市公司的規(guī)模報酬分析結果。 企業(yè)生產的融資收益主要分為：規(guī)模報酬遞增、規(guī)模報酬不變和規(guī)模報酬遞減。 其衡量的是在其他條件保持不變的情況下，企業(yè)對所有融資的投入要素進行等比例擴大或縮小時，收益的變化情況。 如果企業(yè)存在規(guī)模報酬遞增，則說明需要適當擴大當前的融資規(guī)模，減少成本，從而提高債務融資效率，達到最佳融資狀態(tài)。 當企業(yè)處于規(guī)模報酬遞減，說明企業(yè)投入的資金過多，出現冗余，融資規(guī)模過大反而拖累了企業(yè)發(fā)展，此時應該進行合理的資源配置，縮小規(guī)模，以求獲得最佳的融資狀態(tài)。 當企業(yè)處于規(guī)模報酬不變時，說明投入和產出已經實現了最佳配置。 紡織業(yè)上市公司的規(guī)模收益情況如表4 所示。

由表4 可知，大部分紡織業(yè)上市公司在觀察期間內規(guī)模報酬呈現出遞減狀態(tài)，小部分上市公司表現為規(guī)模報酬不變，有且僅有一家上市公司在2014 年表現出規(guī)模報酬遞增。 由此看來，我國紡織業(yè)上市公司在發(fā)展過程中過于追求資本投入和規(guī)模擴大而忽視了經營效率和資金使用率的改善。 在這種狀況下，企業(yè)應及時調整資金投入規(guī)模，有效提升內部管理質量，將精力轉移到提高融資經營效率上來。

表4 2012—2016 年紡織業(yè)上市公司規(guī)模報酬分析

（二）紡織業(yè)上市公司融資效率動態(tài)分析

利用SBM 模型測算的融資效率屬于靜態(tài)效率，反映的是企業(yè)在單獨年份的相對效率。 它無法衡量當技術進步導致效率前沿面發(fā)生改變時的效率情況。 為了彌補這一研究缺陷，本文在SBM 模型的基礎上引入Malmquist 指數，求出企業(yè)在觀察期間內的全要素生產率，并在可變規(guī)模報酬的基礎上，將全要素生產率進一步分解為純技術效率變化指數和規(guī)模效率變化指數，以刻畫紡織業(yè)上市公司融資效率的跨期動態(tài)變化情況，如表5 所示。

表5 紡織業(yè)上市公司SBM-Malmquist 指數

如表5 所示，2012—2016 年間我國紡織業(yè)上市公司的全要素生產率均值為0.954，整體呈現出下降趨勢。 從分解項均值上來看，技術進步對融資效率的提升有一定的促進作用，但這種促進作用要小于技術效率變化帶來的負面效果，因此綜合效率出現下降。 從技術效率分解項來看，規(guī)模效率降低是技術效率降低的主要原因。 進一步分析融資效率及其分解項的變化趨勢，如圖1 所示。

圖1 紡織業(yè)上市公司全要素生產率變化趨勢

從時間序列來看，紡織業(yè)上市公司的全要素生產率經歷了下降、上升、再下降的過程，且所有年份增長均小于1，說明其融資效率逐年降低，表現并不樂觀。 從全要素生產率的增長結構來看，純技術效率變化指數和技術進步指數變化較大，且二者呈現出反向變化：純技術效率在2012—2014 年間逐年遞增，之后開始下跌，直到2016 年，較上一期出現30%的跌幅；技術進步在前兩年表現不良，隨后開始穩(wěn)步提升，2016 年底較上期出現40%的增幅。 由此可知，我國紡織業(yè)上市公司在觀察期內沒能很好兼顧技術創(chuàng)新與管理優(yōu)化，當企業(yè)加大信息技術投入，有效提升融資利用率時，容易忽視企業(yè)內部管理優(yōu)化，導致融資方式和運作模式制約融資效率的發(fā)展。 相反，當企業(yè)在融資結構及內部管理模式上花費功夫時，又忽視對技術的相關投入。另外，規(guī)模效率在觀察期內表現與綜合效率基本一致，波動較小，但也是逐年遞減。

四、回歸模型的構建

（一）變量選取

用技術效率TE 和全要素生產率TFP 作為回歸模型的被解釋變量，并用資產負債率(負債總計/資產總計)來代表企業(yè)的融資方式；用流動負債比率(流動負債/負債合計)來衡量企業(yè)債務融資結構；用營業(yè)成本利潤率(利潤總額/營業(yè)成本）來衡量企業(yè)的資金利用率；用資產結構（無形資產/總資產）來衡量科技研發(fā)及技術競爭力狀況；用無形資產年增長率（本年增長額/年初無形資產）來衡量企業(yè)的成長性。 最終確定變量如表6 所示。

表6 影響因素指標解釋

（二）研究假設

假設1：資產負債率DAR 與融資效率負相關。 本文用資產負債率來反映紡織業(yè)上市公司的資本結構，資產負債率越高，代表企業(yè)對債務性融資的依賴性越高。 適當的債務融資可以給企業(yè)帶來財務杠桿收益和節(jié)稅收益，從而降低企業(yè)融資成本，提高融資效率。 但過度選擇負債融資也會降低企業(yè)的競爭力。 一方面，企業(yè)需要按期還本付息，否則會被債務人起訴納入失信黑名單影響企業(yè)形象。 另一方面，由于負債融資對資金的使用有限制，會在一定程度上影響企業(yè)資金的使用方向，同時，過度舉債會加大企業(yè)的財務風險，進而使企業(yè)陷入財務危機甚至破產。 基于此，提出假設：企業(yè)資產負債率與融資效率負相關。

假設2：流動負債比率SD 與融資效率正相關。Flannery 認為，當存在企業(yè)質量信息不對稱時，質量好的企業(yè)在債務融資方式的選擇上會更傾向于短期融資而非長期融資，質量不好的企業(yè)則相反［4］。因為質量好的企業(yè)在下一期間無風險利率融資的可能性大于市場平均水平，因此更喜歡發(fā)行短期債務，質量好的紡織業(yè)上市公司的融資效率也會更高。 故提出假設：流動負債比率越高則融資效率越高。

假設3：營業(yè)成本利潤率SPRC 與融資效率正相關。 本文使用營業(yè)成本利潤率來代表企業(yè)的資金利用率，營業(yè)成本利潤率指的是企業(yè)每花費一元錢的成本所獲得的利潤，數值越大代表資金利用效率越高，相應的融資效率也就越高。 因此，提出假設：營業(yè)成本利潤率（SPRC）與融資效率正相關。

假設4：資產結構INTAR 與融資效率正相關。 本文利用無形資產與總資產的比值來衡量企業(yè)的科技研發(fā)及技術競爭力狀況。 隨著供給側結構性改革的落實，以無形資產形態(tài)存在的知識資本在企業(yè)生產中的作用將越來越突出，企業(yè)需要加大對技術創(chuàng)新的投入來滿足消費者對產品多元化的需求。 無形資產能夠有效反映企業(yè)在技術研發(fā)及技術競爭力上的財務特征，無形資產占總資產的比重越大，代表企業(yè)的科研能力越強，其市場競爭力也會越強，從而提高企業(yè)的融資效率。

假設5：無形資產年增長率GR 與融資效率正相關。 對企業(yè)來說，高科技含量的產品或服務可以為其未來的發(fā)展和長期盈利提供保障，激烈的市場競爭也會進一步督促企業(yè)進行技術創(chuàng)新。因此，無形資產形態(tài)存在的知識資本可以有效衡量企業(yè)的成長性。而對高成長性的公司來說，其融資渠道較為廣闊。 一方面，股權投資者認為成長型公司發(fā)展前景樂觀，且有較高的投資靈活性，這為高風險偏好的股東提供了廣闊的投資空間；另一方面，銀行等金融機構對成長型公司的包容性也越強，放貸概率大大提升。 因此，認為無形資產年增長率與融資效率成正比。

（三）研究模型

由于計算得到的融資效率最小值為0，數據存在截斷，如果用普通最小二乘法（OLS）回歸會出現參數的有偏和不一致問題，因此本研究建立受限面板Tobit 回歸模型：

其中，Yit為第i 個企業(yè)第t 年的融資效率，包括靜態(tài)效率TE 和動態(tài)效率TFP，α 是常數項，βT是待估參數。 Xit是反映第i 個企業(yè)影響因素的各解釋變量，包括資產負債率DAR、流動負債比率SD、營業(yè)成本利潤率SPRC、資產結構INTAR 以及無形資產年增長率GR，μi為隨個體變化、不隨時間變化并且與解釋變量不相關的隨機變量，eit為隨個體和時間獨立變化的隨機變量。

五、回歸結果與分析

（一） 數據檢驗

首先檢驗解釋變量之間的相關性，結果如表7 所示。 可以看出，5 個變量的相關系數都較低，比較適合同時加入同一回歸模型。

表7 解釋變量相關性檢驗

其次，為驗證回歸分析模型中設計變量的有效性及穩(wěn)健性，避免指標之間反映內容的重復性，減少信息的重疊。在最終確定指標時，本研究使用容忍度（Tolerance，簡稱TOL）和方差膨脹因子（Variance Inflation Factor，簡稱VIF）兩個檢驗指標對上述所保留的變量進行共線性檢測，TOL 與VIF 互為倒數。 一般情況下，VIF 不超過10，說明各變量之間不存在明顯的多重共線性關系，結果如表8 所示。 可見，各解釋變量的方差膨脹因子最大為1.74，平均只有1.35，遠小于10，因此認為變量之間不存在多重共線性。

表8 方差膨脹因子（VIF）檢驗

（二）靜態(tài)融資效率回歸結果分析

靜態(tài)效率回歸結果如表9 所示，對各系數檢驗結果進行分析如下。

表9 靜態(tài)融資效率的TE 影響因素檢驗結果

1.融資方式對融資效率的影響。 融資方式用資產負債率DR 表示，其回歸系數通過了顯著性檢驗，且系數為負數。 這表明資產負債率反向影響紡織業(yè)上市公司的融資效率，負債越高，融資效率越低，實證結果與前文假設一致。 當前我國紡織業(yè)上市公司杠桿率過高，企業(yè)的財務風險較大，成本負擔過重，一定程度上影響到了融資效率。 因此，紡織業(yè)上市公司應該積極響應國家供給側改革號召，落實“去杠桿”政策，安排更多合適的融資方式，優(yōu)化負債結構，實現融資效率的改善。

2.債務融資結構對融資效率的影響。 債務融資結構用流動負債比率SD 表示，系數未通過顯著性檢驗，前文假設沒有得到驗證，即紡織業(yè)上市公司的債務融資結構與其融資效率之間并沒有呈現出顯著的相關關系。

3.資金利用率對融資效率的影響。 資金利用率用營業(yè)成本利潤率SPRC 表示，系數沒有通過顯著性檢驗，即紡織業(yè)上市公司資金利用率與融資效率之間不存在明確的作用關系。

4.科技研發(fā)及技術競爭力狀況對融資效率的影響。 科技研發(fā)及技術競爭力狀況用資產結構（INTAR）表示，其回歸系數通過了1%水平上的顯著性檢驗，系數為0.022 4，說明資產結構每提高1 個百分點，融資效率將提高0.022 4 個百分點，正向影響效果顯著，與前文假設一致。這在一定程度上說明我國紡織業(yè)上市公司的競爭已經開始比拼研發(fā)質量，研發(fā)能力弱的上市公司將在未來競爭格局中處于弱勢地位。

5.企業(yè)成長性對融資效率的影響。 企業(yè)成長性用無形資產年增長率GR 表示，它通過了顯著性檢驗，但系數為負，與前文假設相反，原因可能在于無形資產增長率高的上市公司雖然自身專利等知識產權增長速度較快，但未能形成順暢的科研成果轉化通道，而前期研發(fā)占用了大量的資金，從而導致融資效率降低。 因此，這類紡織業(yè)上市公司應該兼顧科技成果形成與轉化，真正形成科研帶動企業(yè)發(fā)展的經營模式，形成良性循環(huán)，帶動融資效率改善。

（三）動態(tài)融資效率回歸結果分析

動態(tài)融資效率的影響因素回歸結果如表10 所示。

表10 動態(tài)融資效率的TFP 影響因素檢驗結果

1.融資方式對融資效率的影響。融資方式回歸系數沒有通過顯著性檢驗，即資產負債率并不直接影響上市公司動態(tài)融資效率。

2.債務融資結構對融資效率的影響。債務融資結構回歸系數未通過顯著性檢驗，前文假設沒有得到驗證，這與靜態(tài)融資效率的回歸檢驗結論一致。

3.資金利用率對融資效率的影響。 資金利用率回歸系數通過了1%水平上的顯著性檢驗，系數為0.017 9， 即資金利用率每提高1 個百分點， 紡織業(yè)上市公司的動態(tài)融資效率會提升0.017 9 個百分點，資金利用率對企業(yè)跨期的融資效率具有顯著正向影響。

4.科技研發(fā)及技術競爭力狀況對融資效率的影響。 科技研發(fā)及技術競爭力狀況回歸系數通過了5%水平上的顯著性檢驗，系數為0.040 9，說明資產結構每提高1 個百分點，融資效率將提高0.040 9 個百分點，正向影響效果顯著，與前文假設一致，與靜態(tài)融資效率的檢驗結果也一致。

5.企業(yè)成長性對融資效率的影響。 企業(yè)成長性通過了顯著性檢驗，但系數為負，與靜態(tài)效率回歸結論一致。 這進一步確認了紡織業(yè)上市公司無形資產增長率與自身融資效率之間的反向相關關系，相關紡織業(yè)上市公司應加快落實科技成果轉化的方式，盡早形成研發(fā)、生產、銷售、再研發(fā)的良性發(fā)展模式。

六、結論

我國紡織業(yè)上市公司的融資效率整體偏低，存在部分實現了DEA 有效的上市公司，但也無法有效拉升紡織業(yè)的整體平均水平。 純技術效率是造成我國紡織業(yè)上市公司融資效率低下的主要原因，且大部分上市公司在觀察期內出現規(guī)模報酬遞減情況，這些上市公司過于追求資本投入和擴大規(guī)模而忽視了經營效率和資金使用率的改善。 融資效率低的上市公司要合理配置企業(yè)資源，加強內部管理，降低融資成本，提高資金利用效率，從而提高融資效率。 從動態(tài)分析上來看，紡織業(yè)上市公司的全要素生產率在逐年遞減，其原因主要在于純技術效率變化指數和技術進步指數的明顯變化，且二者在觀察期內出現了反向變化，這說明企業(yè)沒能很好兼顧技術創(chuàng)新與管理優(yōu)化，導致顧此失彼的局面產生。 企業(yè)在未來發(fā)展戰(zhàn)略規(guī)劃上，要進一步加大技術創(chuàng)新投入，同時兼顧內部管理結構優(yōu)化，從而有效促進全要素生產率的增長。 此外面板Tobit 回歸分析主要得出以下結論：（1）資產負債率反向影響紡織業(yè)上市公司融資效率，我國紡織業(yè)上市公司應該主動采取“去杠桿”措施，降低債務負擔以提高融資效率；（2）企業(yè)資金利用率正向影響動態(tài)融資效率；（3） 科技研發(fā)及技術競爭力顯著正向影響紡織業(yè)上市公司的融資效率；（4）紡織業(yè)上市公司無形資產增長率與融資效率存在反向相關關系，紡織業(yè)上市公司應提高科技成果轉化能力，以提高融資效率。