中小制片企業(yè)融資效率及其影響因素研究*

■ 姚德權(quán) 戴 烊

一、引言

融資對制片企業(yè)發(fā)展至關(guān)重要,資金供給從源頭影響影視產(chǎn)品供給質(zhì)量?；谟耙暜a(chǎn)品的價值實(shí)現(xiàn)和經(jīng)營運(yùn)作的不確定性,大部分制片企業(yè)面臨融資約束,尤其是中小制片企業(yè)。已有文獻(xiàn)顯示,中小企業(yè)面臨融資約束的直接致因是資金供需雙方主體不匹配,一邊是以大中型銀行、國有控股銀行為主體的資金供給結(jié)構(gòu),另一邊是以民營企業(yè)特別是中小微企業(yè)為主體的資金需求結(jié)構(gòu)①。因此,考量供給側(cè)結(jié)構(gòu)性改革背景下中小制片企業(yè)的融資效率及其金融供給側(cè)影響因素,討論提升其融資效率的有效途徑,對于助推中小制片企業(yè)乃至文化產(chǎn)業(yè)的供給側(cè)結(jié)構(gòu)性改革,同時給其他行業(yè)內(nèi)中小企業(yè)融資提供模式和發(fā)展思路上的借鑒,具有重要的現(xiàn)實(shí)意義。

庫珀(Keuper F)等(2008)考察了歐洲地區(qū)推行的支持文化產(chǎn)業(yè)尤其是電影產(chǎn)業(yè)的系列金融計劃,包括稅收優(yōu)惠激勵計劃、政府補(bǔ)助計劃、貸款擔(dān)保計劃等②。龔強(qiáng)等(2014)研究顯示,銀行為規(guī)避風(fēng)險,往往對輕資產(chǎn)、無抵押的文化產(chǎn)業(yè)保持審慎態(tài)度,而更傾向于規(guī)模相對較大、市場相對成熟的大型企業(yè)③。黃亮、陳東(2017)研究表明,中國電影產(chǎn)業(yè)發(fā)展受到融資約束的限制,主要表現(xiàn)為融資渠道不暢、風(fēng)險配置機(jī)制缺失以及信息不透明等④。朱爾茜、劉嘉瑋(2018)基于2012—2016年31個省份的面板數(shù)據(jù),運(yùn)用DEA方法研究發(fā)現(xiàn),中國金融體系對文化產(chǎn)業(yè)的服務(wù)效率偏低⑤。

有學(xué)者討論了中小制片企業(yè)融資途徑。辛陽、梁琳(2013)認(rèn)為相較于政府投資,社會性融資應(yīng)在中小文化企業(yè)融資中發(fā)揮主渠道作用⑥。張輝峰、曹璞(2014)指出應(yīng)收賬款融資模式能解決中小制片企業(yè)與銀行信貸的過程中出現(xiàn)的諸如擔(dān)保、價值評估、信用評級等問題,同時還能降低項(xiàng)目運(yùn)作和融資方的違約風(fēng)險⑦。楊向陽、童馨樂(2015)基于178家江蘇文化企業(yè)調(diào)研數(shù)據(jù)的實(shí)證檢驗(yàn),提出財政支持和企業(yè)家社會資本能顯著提高文化企業(yè)的融資能力⑧。李石(2016)以娛樂寶為例,提出以互聯(lián)網(wǎng)為基礎(chǔ)的新型融資模式,指出制片企業(yè)可以通過互聯(lián)網(wǎng)上的融資平臺向廣大投資者融資,融資規(guī)模將越來越大⑨。何圣捷等(2018)研究了美國、日本等發(fā)達(dá)國家的制片行業(yè)融資體系,發(fā)現(xiàn)企業(yè)擔(dān)保和再擔(dān)保體系是中小制片企業(yè)獲得融資的有力支撐⑩。

對中小企業(yè)而言,金融錯配導(dǎo)致以銀行為主體的金融供給結(jié)構(gòu)不能滿足其融資需求,融資效率低成為多數(shù)中小企業(yè)面臨的難題。魏開文(2001)運(yùn)用模糊綜合評價法,根據(jù)中國中小企業(yè)融資特點(diǎn),基于股權(quán)融資、債權(quán)融資與內(nèi)源融資三者之間的比較,對中小企業(yè)的融資效率進(jìn)行了評價。方先明、吳越洋(2015)運(yùn)用DEA模型對中小企業(yè)在新三板市場上的融資效率進(jìn)行比較研究,結(jié)果顯示企業(yè)借助新三板市場融資前后的技術(shù)效率并未發(fā)生明顯變化。王小寧等(2016)以461家中小工業(yè)企業(yè)為樣本,運(yùn)用三階段DEA方法,分析評價中小企業(yè)融資效率,發(fā)現(xiàn)戰(zhàn)略新興企業(yè)整體的融資效率高于非戰(zhàn)略新興企業(yè)。沈忱(2017)采用三階段DEA模型對中小企業(yè)在新三板市場的融資效率進(jìn)行了比較研究,結(jié)果顯示中小企業(yè)在新三板的融資效率低下主要受投入產(chǎn)出不合理所致的規(guī)模效率偏低的影響。

有學(xué)者運(yùn)用計量方法估計了融資效率的影響因素。潘永明、喻琦然和朱茂東(2016)運(yùn)用Tobit模型估計了企業(yè)的融資方式、企業(yè)規(guī)模、企業(yè)質(zhì)量、股權(quán)結(jié)構(gòu)、宏觀經(jīng)濟(jì)運(yùn)行狀況等對融資效率的影響。贊寶(Tsambo A D)等(2017)基于Logit計量模型,研究了413家喀麥隆中小企業(yè)的融資情況,發(fā)現(xiàn)中小企業(yè)融資的主要決定因素是:財務(wù)效應(yīng)的定期存在、融資成本、融資保證、企業(yè)規(guī)模、盈利能力、管理者的能力以及社會資本。

有學(xué)者討論了如何提高中小企業(yè)融資效率。周穎、沙磊(2013)運(yùn)用統(tǒng)計學(xué)方法研究發(fā)現(xiàn),優(yōu)化中小企業(yè)集合債券的發(fā)行主體,能有效提升中小企業(yè)的融資效率。姚耀軍(2015)認(rèn)為中小銀行發(fā)展推動的銀行業(yè)結(jié)構(gòu)變化能顯著緩解中小企業(yè)的融資約束。鄧超(2015)提出銀企間信任的博弈模型,從自利、互利和利他三個方面分析信任的動機(jī),認(rèn)為銀企信貸關(guān)系中的信任,可以有效減少代理成本和機(jī)會主義行為,有助于緩解小微企業(yè)信貸約束。宋華等(2017)采用嵌入式多案例研究方法,指出供應(yīng)鏈金融相對于傳統(tǒng)銀行借貸而言,能有效降低事前和事后的信息不對稱,從而提高中小企業(yè)的融資可得性,降低融資成本。

綜上所述,已有文獻(xiàn)多集中在制片行業(yè)乃至影視行業(yè)層面,研究方法多為定性分析,研究內(nèi)容主要為歐美日韓等國家制片行業(yè)成熟融資體系的分析與借鑒、國內(nèi)制片行業(yè)融資約束的原因和緩解途徑,關(guān)于中小制片企業(yè)的融資問題研究不多,因而本文基于供給側(cè)結(jié)構(gòu)性改革背景,運(yùn)用DEA方法和計量回歸模型,考量中小制片企業(yè)融資效率及其金融供給側(cè)影響因素。

二、中小制片企業(yè)融資效率實(shí)證分析

(一)模型選取

1.BCC模型

1984年,班克(Banker R D)等人提出數(shù)據(jù)包絡(luò)分析方法(Data Envelopment Analysis,DEA),DEA是一種基于被評價對象間相對比較的非參數(shù)技術(shù)效率分析方法,在處理多指標(biāo)投入和多指標(biāo)產(chǎn)出方面,展現(xiàn)了其得天獨(dú)厚的優(yōu)勢,目前已廣泛應(yīng)用于各行各業(yè)的效率評價。

假設(shè)有n家中小制片企業(yè),則有n個決策單元,每個決策單元有m種投入要素、s種產(chǎn)出要素,對應(yīng)的投入要素和產(chǎn)出要素的集合分別為xj=(x1j,x2j,…,xmj)T,yj=(y1j,y2j,…,ysj)T,j=1,2,…,n,其中,xmj表示第j個決策單元的第m個投入要素,ysj表示第j個決策單元的第s個產(chǎn)出要素,xmj>0,ysj>0,則BCC模型為:

(1)

其中,θ表示純技術(shù)效率水平,s-,s+均表示松弛變量,λj表示第j個決策單元在當(dāng)前組合構(gòu)造的有效決策單元中所占的比例。根據(jù)DEA原理,若θ=1,s-=0,s+=0,表明DMU為DEA有效,其純技術(shù)效率達(dá)到最優(yōu)；若θ≠1,s-≠0,s+≠0,則DMU為DEA無效,且存在投入冗余和產(chǎn)出不足。

2.Malmquist指數(shù)

Malmquist生產(chǎn)率指數(shù)的概念最早由馬爾奎斯特(Malmquist Sten)在1953年提出,1982年卡夫(Caves D W)等將該Malmquist指數(shù)應(yīng)用于生產(chǎn)率變化的測算,法勒(Fare R)等(1992)首次運(yùn)用DEA方法計算Malmquist指數(shù),并將Malmquist指數(shù)分解為兩個部分:一是綜合技術(shù)效率的變化(Technical Efficiency Change,TEC),二是生產(chǎn)技術(shù)的變化(Technological Change,TC)。Malmquist指數(shù)通過比較分析決策單元在不同時期與生產(chǎn)前沿面的距離來測算其生產(chǎn)效率的變化,相比BBC模型只適用于靜態(tài)分析,Malmquist指數(shù)能從動態(tài)角度刻畫相對效率的變化。

從時期t到時期t+1的Malmquist指數(shù)表示為:

(2)

(3)

將效率變化的幾何平均值作為技術(shù)變化:

(4)

Malmquist指數(shù)可以分解為效率變化和技術(shù)變化兩部分,即M=TEC*TC,

(5)

Malmquist指數(shù)是衡量全要素生產(chǎn)率從t期到t+1期的動態(tài)變化指數(shù),當(dāng)M>1時,表明全要素生產(chǎn)率呈上升趨勢,效率有所提高；當(dāng)M=1時,表明效率未發(fā)生變化；當(dāng)M<1時,表明效率有所下降。綜合技術(shù)效率變化指數(shù)(TEC)表示從t期到t+1期每個觀察對象相對于生產(chǎn)前沿的追趕程度,TEC>1表示技術(shù)效率改善,TEC<1表示技術(shù)效率惡化。技術(shù)進(jìn)步指數(shù)(TC)表示企業(yè)從t期到t+1期生產(chǎn)前沿面的移動,直觀體現(xiàn)為技術(shù)進(jìn)步或創(chuàng)新的程度。TC>1表示整體產(chǎn)業(yè)技術(shù)進(jìn)步,TC<1表示產(chǎn)業(yè)整體有衰退的趨勢。

(二)評價指標(biāo)選取及數(shù)據(jù)來源

王秀貞(2017)將融資效率定義為:在一定的經(jīng)濟(jì)環(huán)境和行業(yè)背景下,企業(yè)籌集資金并使用資金的能力。換言之,最優(yōu)的融資效率就是一種以最低的融資成本獲取最大利潤的融資安排。本文借鑒潘玉香(2014)和楊國佐(2017)的研究,依據(jù)融資模式和融資成本研究樣本企業(yè)的融資效率,將融資模式中的商業(yè)信用融資、內(nèi)源融資、外源融資,以及融資成本作為投入指標(biāo)。其中,商業(yè)信用融資包含企業(yè)的應(yīng)付賬款、應(yīng)付票據(jù)和預(yù)收賬款,此部分資金籌集便利且籌資成本低,可以增加企業(yè)的營運(yùn)資本；內(nèi)源融資主要是指企業(yè)的盈余公積和未分配利潤；外源融資的籌集范圍廣,主要分為股權(quán)融資和債權(quán)融資,包含企業(yè)的短期借款、長期借款、應(yīng)付債券、股本和資本公積；融資成本主要是指企業(yè)在籌資活動中分配股利和償付利息的支出。選取衡量企業(yè)盈利能力的主營業(yè)務(wù)收入和凈利潤作為產(chǎn)出指標(biāo),從而構(gòu)建起中小制片企業(yè)融資效率評價指標(biāo)體系。

依據(jù)Wind數(shù)據(jù)庫,截至2019年11月,在新三板掛牌的廣播、電視、電影和影視錄音制作業(yè)企業(yè)共有107家,剔除ST類企業(yè)和數(shù)據(jù)不全的企業(yè)后,一共得到89家中小制片企業(yè)樣本。由于DEA方法和計量回歸模型均要求使用平衡面板數(shù)據(jù),而樣本中小制片企業(yè)的上市時間普遍較短,大部分企業(yè)僅能查到2014年起的財務(wù)報表,因此研究跨度選取2014—2018年最為合適。

投入指標(biāo)和產(chǎn)出指標(biāo)的描述性統(tǒng)計結(jié)果見表1。由表1可知,外源融資的均值為3395.81萬元,遠(yuǎn)高于商業(yè)信用融資和內(nèi)源融資的均值,說明中小制片企業(yè)的融資依靠外源融資,其中,外源融資以金融資本供給為主。

表1 投入產(chǎn)出指標(biāo)的描述性統(tǒng)計結(jié)果(單位:萬元)

DEA指標(biāo)的選取要滿足兩個方面的要求:一是DMU的樣本企業(yè)數(shù)量應(yīng)不低于投入、產(chǎn)出指標(biāo)數(shù)量之和的兩倍,本文投入指標(biāo)和產(chǎn)出指標(biāo)的個數(shù)之和為6,樣本企業(yè)數(shù)量為89,符合有效性要求；二是投入指標(biāo)和產(chǎn)出指標(biāo)具有正向相關(guān)關(guān)系。因此,在運(yùn)用DEA模型之前,本文運(yùn)用SPSS22.0對投入指標(biāo)和產(chǎn)出指標(biāo)進(jìn)行了Pearson相關(guān)性檢驗(yàn)。一般來說,Pearson系數(shù)越高,變量間的相關(guān)程度就越大。從表2可以看出,投入指標(biāo)和產(chǎn)出指標(biāo)之間具有顯著的正向相關(guān)關(guān)系。

表2 Pearson相關(guān)性檢驗(yàn)結(jié)果

由于DEA模型要求所有的投入產(chǎn)出指標(biāo)均為非負(fù)數(shù),而原始數(shù)據(jù)中的主營業(yè)務(wù)收入和凈利潤存在少量負(fù)數(shù),因此,本文運(yùn)用功效系數(shù)法對數(shù)據(jù)進(jìn)行無量綱化處理,以消除原始數(shù)據(jù)中負(fù)值和極端值的影響,將所有數(shù)據(jù)的區(qū)間轉(zhuǎn)化為[0,1]。無量綱化公式為:

(6)

其中,mj=min(xij),Mj=max(xij),i=1,2,…,n,Yij∈[0,1]。

(三)中小制片企業(yè)融資效率靜態(tài)分析

基于BCC模型原理,運(yùn)用DEAP 2.1軟件測算89家樣本企業(yè)2014—2018年的融資效率情況,整合樣本企業(yè)的純技術(shù)效率和規(guī)模效率,如表3所示。

從表3可以看出,供給側(cè)結(jié)構(gòu)性改革前后,樣本企業(yè)融資雖處于高效率區(qū)間,但實(shí)現(xiàn)最優(yōu)效率的寥寥無幾。從制片行業(yè)推行供給側(cè)結(jié)構(gòu)性改革之后的2017年來看,樣本企業(yè)的綜合效率均值為0.974,表明絕大部分中小制片企業(yè)沒有實(shí)現(xiàn)融資效率的DEA有效,僅有14家中小制片企業(yè)的純技術(shù)效率值和規(guī)模效率值均為1,且投入、產(chǎn)出指標(biāo)的松弛變量均為0。這意味著,在供給側(cè)結(jié)構(gòu)性改革背景下,僅有15.73%的中小制片企業(yè)實(shí)現(xiàn)了融資效率的帕累托最優(yōu),而剩余84.27%的中小制片企業(yè)資金投入、資金使用和產(chǎn)出規(guī)模均沒有達(dá)到最優(yōu),說明大部分中小制片企業(yè)在推行供給側(cè)結(jié)構(gòu)性改革的進(jìn)程中,面臨優(yōu)質(zhì)產(chǎn)品供給和資金供給的雙重壓力,整體融資效率欠佳。

表3 樣本中小制片企業(yè)2014—2018年融資效率情況

2014—2018年間,純技術(shù)效率值和規(guī)模效率值均為1的企業(yè)所占比重的平均值為18.43%,比重最高的年份為2015年,占比22.47%,2014年的比重最低,僅為13.48%。綜合效率均值的變動范圍為[0.945,0.987],純技術(shù)效率均值的波動區(qū)間為[0.969,0.997],規(guī)模效率均值的變化區(qū)間為[0.975,0.990]?？梢?在供給側(cè)結(jié)構(gòu)性改革之前,伴隨著中小制片企業(yè)的井噴式增長,樣本企業(yè)的融資效率呈增長趨勢,但真正實(shí)現(xiàn)資金投入產(chǎn)出最優(yōu)狀態(tài)的企業(yè)屈指可數(shù)。2015年推行供給側(cè)結(jié)構(gòu)性改革之后,“提升文化產(chǎn)品供給質(zhì)量”這一改革要求,使中小制片企業(yè)在與國有制片企業(yè)和民營大型制片企業(yè)競爭過程中,既抓住了“以質(zhì)取勝”的機(jī)遇,也面臨著資金供給不足的困境,融資效率整體呈下降趨勢。圖1展示了2014—2018年樣本企業(yè)的融資效率變動趨勢,從圖1可以看出,我國中小制片企業(yè)的純技術(shù)效率值和規(guī)模效率值處在相對較高的水平,尤其是純技術(shù)效率值,在2014—2015年均保持在0.99之上,2015年后出現(xiàn)穩(wěn)定下降,但總體水平均在0.97之上。相比之下,規(guī)模效率值在2014—2016年的水平偏低,且波動幅度較大,而綜合效率TE=純技術(shù)效率PTE*規(guī)模效率SE,換言之,純技術(shù)效率和規(guī)模效率的共同作用導(dǎo)致了中小制片企業(yè)的整體融資情況有待改善。

圖1 樣本中小制片企業(yè)2014—2018年融資效率變動趨勢

(四)中小制片企業(yè)融資效率動態(tài)分析

BCC模型是從靜態(tài)角度來測算融資效率,只能分析每個時點(diǎn)的效率。為了彌補(bǔ)靜態(tài)分析的不足,本文使用DEAP 2.1軟件測算樣本企業(yè)2014—2018年的Malmquist指數(shù),從動態(tài)角度進(jìn)一步分析樣本企業(yè)近5年的融資效率變化情況。經(jīng)整理,樣本企業(yè)2014—2018年的Malmquist指數(shù)分析結(jié)果如表4所示。

表4 樣本中小制片企業(yè)2014—2018年Malmquist指數(shù)及其分解

從總體上看,樣本企業(yè)在2014—2018這5年間的Malmquist指數(shù)變動呈現(xiàn)“倒U”型特征,尤其在供給側(cè)結(jié)構(gòu)性改革全面鋪開的階段,中小制片企業(yè)的融資效率不升反降,說明金融供給側(cè)的支持力度還有待加強(qiáng)。從平均水平來看,Malmquist指數(shù)的均值為0.995,說明我國中小制片企業(yè)2014—2018年的融資效率下降了0.5%,其中技術(shù)進(jìn)步指數(shù)呈現(xiàn)0.6%的增長,而綜合技術(shù)效率變化指數(shù)則呈現(xiàn)負(fù)增長,平均增長率為-1.1%。可以看出,樣本企業(yè)的技術(shù)進(jìn)步指數(shù)雖然有所提升,但受到綜合技術(shù)效率變化指數(shù)下降的沖擊,表現(xiàn)為整體的融資效率下降0.5%。將綜合技術(shù)效率變化指數(shù)拆開來看,純技術(shù)效率變化指數(shù)和規(guī)模效率指數(shù)分別呈現(xiàn)出0.7%和0.4%的負(fù)增長,說明樣本企業(yè)2014—2018年的純技術(shù)效率和規(guī)模效率都呈現(xiàn)下降趨勢,導(dǎo)致綜合技術(shù)效率變化指數(shù)和技術(shù)進(jìn)步指數(shù)對樣本企業(yè)融資效率產(chǎn)生負(fù)面影響。由測算結(jié)果可知,中小制片企業(yè)融資效率的提升,需要綜合技術(shù)效率和技術(shù)進(jìn)步雙輪驅(qū)動。對于中小制片企業(yè),綜合技術(shù)效率是指對行業(yè)內(nèi)生產(chǎn)前沿的追趕程度,主要涉及企業(yè)管理水平、管理層決策等方面的完善。技術(shù)進(jìn)步主要指技術(shù)創(chuàng)新,表現(xiàn)為文化產(chǎn)品的創(chuàng)新和文化質(zhì)量的提升,這是制片行業(yè)供給側(cè)結(jié)構(gòu)性改革的重要發(fā)力點(diǎn)。供給側(cè)結(jié)構(gòu)性改革背景下,制片企業(yè)的轉(zhuǎn)型升級需要不斷創(chuàng)新文化產(chǎn)品,由傳統(tǒng)的生產(chǎn)要素驅(qū)動轉(zhuǎn)為創(chuàng)新驅(qū)動。因此,中小制片企業(yè)創(chuàng)新文化產(chǎn)品,拍出有新意、有內(nèi)涵、高質(zhì)量的影視作品,不僅對于其融資效率的提升具有促進(jìn)作用,還能深化行業(yè)的供給側(cè)結(jié)構(gòu)性改革。

圖2顯示了Malmquist指數(shù)及其分解的變動趨勢,近5年內(nèi),Malmquist指數(shù)有2年低于1,其余年份均略高于1,標(biāo)準(zhǔn)差為0.01,說明供給側(cè)結(jié)構(gòu)性改革前后,樣本企業(yè)的融資效率整體波動幅度不大。從其分解情況來看,綜合技術(shù)效率變化指數(shù)的變動區(qū)間為[0.966,1.004],技術(shù)進(jìn)步指數(shù)的波動區(qū)間為[0.984,1.019],兩者的共同作用導(dǎo)致樣本企業(yè)的融資效率仍有待提升。

圖2 樣本中小制片企業(yè)Malmquist指數(shù)及其分解變動情況

從中小制片企業(yè)2014—2018年的平均Malmquist指數(shù)及其分解結(jié)果來看,89家樣本企業(yè)中有54家企業(yè)的Malmquist指數(shù)小于1,35家企業(yè)的Malmquist指數(shù)大于等于1,這反映了供給側(cè)結(jié)構(gòu)性改革前后,3/4的中小制片企業(yè)融資效率呈下降趨勢,另外1/4的中小制片企業(yè)實(shí)現(xiàn)了融資效率的提升,但提升效果并不明顯,這反映了中小制片企業(yè)深化供給側(cè)結(jié)構(gòu)性改革之路道阻且長,需要從金融供給側(cè)發(fā)力,實(shí)現(xiàn)金融機(jī)構(gòu)對中小制片企業(yè)融資的精準(zhǔn)扶持。

三、中小制片企業(yè)融資效率影響因素回歸分析

上文運(yùn)用DEA方法中的BCC模型和Malmquist指數(shù)分析了樣本企業(yè)2014—2018年融資效率的變化情況,接下來采用DEA-Tobit兩步法來測算影響中小制片企業(yè)融資效率的影響因素,進(jìn)一步分析金融供給側(cè)的哪些指標(biāo)會影響企業(yè)籌措資金。首先,由于純技術(shù)效率是基于規(guī)模報酬可變的BCC模型計算出來的,測算的是當(dāng)規(guī)模報酬可變時,樣本企業(yè)與生產(chǎn)前沿面之間的距離,因此將其作為衡量融資效率的指標(biāo)。其次,以樣本企業(yè)2014—2018年的融資效率值這一平衡面板數(shù)據(jù)為因變量,以影響融資效率的金融供給側(cè)因素為自變量,構(gòu)建回歸模型。由于DEA方法計算出來的效率值區(qū)間為[0,1],數(shù)據(jù)屬于受限因變量,需要構(gòu)建Tobit回歸模型。Tobit模型的基本形式如下:

Yi=β0+βTXi+μi

(7)

其中,i=1,2,…,n,Yi為融資效率,Xi為影響因素,βT為未知參數(shù)變量,μi～N(0,σ2)。

中小制片企業(yè)的資金來源主要依靠外源融資,其中外源融資又以金融資本供給為主。目前金融供給和需求存在一定程度的錯配,金融供給主要向大企業(yè)傾斜,對于融資需求的主體——中小企業(yè)存在缺位現(xiàn)象,中小制片企業(yè)融資迫切需要金融供給側(cè)的強(qiáng)力支持。融資約束和融資成本作為金融供給側(cè)的兩大指標(biāo),對融資效率具有重要影響。由于資產(chǎn)負(fù)債率和公司規(guī)模在很大程度上決定了公司的債務(wù)融資能力,負(fù)債率低于平均水平或規(guī)模龐大的公司常被看作是不受融資約束的,當(dāng)有資金需求時將很容易獲得外部資金。因此,借鑒郭麗虹等(2009)、哈德洛克(Hadlock C J)等(2010)的研究,將資產(chǎn)負(fù)債率和公司規(guī)模視為融資約束的代理變量。其中,資產(chǎn)負(fù)債率以LEV表示,公司規(guī)模以SIZE表示。公司的債務(wù)融資成本直觀表現(xiàn)為財務(wù)報表中的利息費(fèi)用,由于上市公司財務(wù)報表披露中沒有提供不同類別的債務(wù)融資利息,參考皮特曼(Pittman J A)等(2004)、蔣琰(2009)的研究,將利息負(fù)擔(dān)作為融資成本的代理變量,以IB表示。其中,債權(quán)融資主要包括短期借款、長期借款和應(yīng)付債券。除此之外,影響融資效率的因素還有企業(yè)的盈利能力、營運(yùn)能力和宏觀經(jīng)濟(jì)運(yùn)行狀況,因此選取這三個因素作為控制變量。其中,用凈資產(chǎn)收益率來衡量盈利能力,以ROE表示；用營運(yùn)資本周轉(zhuǎn)率來衡量營運(yùn)能力,以WCT表示；用GDP增長率來衡量宏觀經(jīng)濟(jì)運(yùn)行狀況,以GDP表示。具體的變量解釋見表6。

表6 變量說明表

Tobit模型構(gòu)建如下:

PTEi,t=C+β1LEVi,t+β2SIZEi,t+β3IBi,t+β4ROEi,t+β5WCTi,t+β6GDPi,t+Ui,t

(8)

式(8)中,C為截距,β為相關(guān)系數(shù),下標(biāo)i代表第i個樣本,下標(biāo)t代表樣本周期2014—2018年,Ui,t代表隨機(jī)誤差項(xiàng),PTEi,t是樣本企業(yè)2014—2018年的融資效率值。利用Eviews10.0軟件測算2014—2018年樣本企業(yè)融資效率影響因素的Tobit回歸結(jié)果,如表7所示。

表7 樣本企業(yè)融資效率影響因素的Tobit回歸結(jié)果

Tobit回歸結(jié)果顯示,資產(chǎn)負(fù)債率通過了10%的顯著性檢驗(yàn),企業(yè)規(guī)模通過了5%的顯著性檢驗(yàn),利息負(fù)擔(dān)通過了1%的顯著性檢驗(yàn),說明融資約束和融資成本對融資效率具有顯著影響,金融供給側(cè)支持對于提升中小制片企業(yè)融資效率至關(guān)重要。

資產(chǎn)負(fù)債率對融資效率具有負(fù)向影響,企業(yè)規(guī)模對融資效率具有正向影響。這是因?yàn)?由于信息不對稱和代理問題的存在,金融機(jī)構(gòu)存在較高的監(jiān)督成本,因而會拒絕提供資金或?qū)Y金需求者提出較高的回報來彌補(bǔ)其監(jiān)督成本,這時企業(yè)往往面臨融資約束。企業(yè)負(fù)債率越高,借款的壞賬風(fēng)險越高,因而金融機(jī)構(gòu)對于高負(fù)債率企業(yè)的貸款意愿不強(qiáng),存在較高的融資約束,導(dǎo)致企業(yè)融資效率不高。Tobit回歸結(jié)果表明,企業(yè)資產(chǎn)負(fù)債率每提高1個單位,融資效率則會下降3.87個單位。一般而言,企業(yè)規(guī)模與企業(yè)的財務(wù)實(shí)力、經(jīng)營效益和融資渠道具有正相關(guān)性,相比之下,大規(guī)模企業(yè)更容易獲得金融機(jī)構(gòu)的貸款,融資約束較小,因而融資效率較高。由Tobit回歸結(jié)果可知,企業(yè)規(guī)模每壯大1個單位,融資效率會提升1.4個單位。因此,處于金融供給端的銀行等金融機(jī)構(gòu)應(yīng)減少金融錯配,放松融資約束,滿足中小企業(yè)的融資需求,這將大大提高中小制片企業(yè)的融資效率。

利息負(fù)擔(dān)對融資效率具有負(fù)向影響。利息總支出占債權(quán)融資比重可以近似為借款利率,借款利率越高,企業(yè)的融資成本則越高,導(dǎo)致融資效率越低。Tobit回歸結(jié)果顯示,借款利率每提高1%,融資效率則會下降0.02%。據(jù)《中國社會融資環(huán)境報告》統(tǒng)計,中國不同規(guī)模企業(yè)的融資成本是西方國家的3～10倍不等,國內(nèi)企業(yè)的平均融資成本為7.6%,而中小企業(yè)的平均融資成本大部分高于10%?！敖党杀尽弊鳛楣┙o側(cè)結(jié)構(gòu)性改革的重要任務(wù)之一,需要從降低企業(yè)的交易成本、融資成本、運(yùn)營成本和生產(chǎn)成本這四個方面著手。鑒于此,金融機(jī)構(gòu)降低融資成本,將為供給側(cè)結(jié)構(gòu)性改革提供強(qiáng)有力的金融支撐,也對解決中小制片企業(yè)融資貴的問題大有裨益。

四、結(jié)論及建議

本文采用DEA方法,考量2014—2018年間中小制片企業(yè)的融資效率變化情況?；贐CC模型對樣本企業(yè)的融資效率進(jìn)行靜態(tài)分析可知,供給側(cè)結(jié)構(gòu)性改革背景下,中小制片企業(yè)面臨優(yōu)質(zhì)文化產(chǎn)品供給和資金供給的雙重壓力,融資效率不穩(wěn)定,大部分企業(yè)融資效率有待優(yōu)化。相比純技術(shù)效率,規(guī)模效率將更大程度地降低企業(yè)的融資效率。因此,需要重視企業(yè)的內(nèi)源融資,加強(qiáng)財務(wù)管理,尤其是應(yīng)付賬款、應(yīng)付票據(jù)和預(yù)收賬款的管理,增加商業(yè)信用融資；同時,拓展外源融資渠道,從融資模式的多方面來擴(kuò)大企業(yè)的融資規(guī)模。由樣本企業(yè)融資效率的Malmquist指數(shù)及其分解可知,2014—2018年中國中小制片企業(yè)的融資效率整體呈下降趨勢,融資效率的提升需要綜合技術(shù)效率和技術(shù)進(jìn)步的帶動。中小制片企業(yè)需創(chuàng)新文化產(chǎn)品供給結(jié)構(gòu),培育精益求精的“工匠精神”,以文化質(zhì)量的拔高助推融資效率的提升,從而推進(jìn)全行業(yè)的供給側(cè)結(jié)構(gòu)性改革,推動我國由文化“大國”向文化“強(qiáng)國”邁進(jìn)。

基于DEA分析結(jié)果,引入金融供給側(cè)指標(biāo),構(gòu)建Tobit模型,從資金籌集方面測量影響融資效率的供給側(cè)因素。Tobit回歸結(jié)果顯示,金融供給側(cè)的融資約束和融資成本兩大指標(biāo)均對融資效率具有顯著的負(fù)向影響,表明金融機(jī)構(gòu)降低融資約束和融資成本將有助于提升中小制片企業(yè)的融資效率,這可以從以下三個方面來努力。

第一,放寬融資約束,降低融資成本。增強(qiáng)金融服務(wù)實(shí)體經(jīng)濟(jì)的能力,是深化金融供給側(cè)改革的重點(diǎn)任務(wù),也是提升中小制片企業(yè)融資效率的重要途徑。中小制片企業(yè)面臨融資難、融資貴困境的主要原因在于銀企信息不對稱,導(dǎo)致銀行對其服務(wù)成本與管理成本雙高。鑒于此,以銀行為主體的金融機(jī)構(gòu)應(yīng)以普惠金融為抓手,放寬對中小制片企業(yè)的融資約束,簡化貸款審批程序,安排專項(xiàng)貸款規(guī)模,重點(diǎn)解決中小制片企業(yè)的融資需求。同時,利用金融科技賦能,依托大數(shù)據(jù)實(shí)現(xiàn)自動審批、智能風(fēng)控和綜合服務(wù),以金融機(jī)構(gòu)自身的提效率降成本,推動降低中小制片企業(yè)融資成本。

第二,優(yōu)化金融管控,創(chuàng)新金融服務(wù)。近年來,服務(wù)于中小企業(yè)的融資機(jī)構(gòu),如小貸公司、民營股份制銀行等在數(shù)量和規(guī)模上出現(xiàn)了大幅度縮減,且逐漸脫離服務(wù)中小企業(yè)的職能,其主要原因是中小金融機(jī)構(gòu)存在受歧視、融資難、風(fēng)險高、稅負(fù)重、監(jiān)管錯位等問題。因此,國家應(yīng)加強(qiáng)和優(yōu)化金融管理職能,健全金融監(jiān)管體系,引導(dǎo)中小金融機(jī)構(gòu)回歸本源,堅(jiān)守定位,專注服務(wù)中小企業(yè)融資,豐富金融供給體系的“毛細(xì)血管”。規(guī)范中小金融機(jī)構(gòu)的市場準(zhǔn)入和退出機(jī)制,通過稅收優(yōu)惠、財政貼息等手段,深化中小金融機(jī)構(gòu)服務(wù)職能改革。

第三,加強(qiáng)信用建設(shè),實(shí)現(xiàn)銀企互信。完片擔(dān)保是歐美等發(fā)達(dá)國家制片行業(yè)融資的成功模式,也是緩解我國中小制片企業(yè)融資難困境的重要解決方法。完片擔(dān)保需要制片方、發(fā)行方、銀行和擔(dān)保機(jī)構(gòu)等多方協(xié)作完成,但由于我國信用擔(dān)保體系不健全,銀企之間信息不對稱,且擔(dān)保機(jī)構(gòu)規(guī)模普遍較小、擔(dān)保能力弱,國內(nèi)完片擔(dān)保目前仍處于藍(lán)海市場。因此,完善信用擔(dān)保體系建設(shè),有助于打造制片行業(yè)完片擔(dān)保融資模式,降低中小制片企業(yè)融資成本,推進(jìn)制片行業(yè)的供給側(cè)結(jié)構(gòu)性改革。

注釋:

① 黃劍輝:《以金融供給側(cè)改革破解中小企業(yè)貸款難問題》,《領(lǐng)導(dǎo)科學(xué)論壇》,2016年第22期,第67頁。

② Keuper F,Puchta D,R?der S.CreativeIndustriesNeedCreativeFinance:InnovativeFinancingSolutionsfortheFilmIndustry.Berlin:Investitionsbank.2008.p.56.

③ 龔強(qiáng)、張一林、林毅夫:《產(chǎn)業(yè)結(jié)構(gòu)、風(fēng)險特性與最優(yōu)金融結(jié)構(gòu)》,《經(jīng)濟(jì)研究》,2014年第4期,第7頁。

④ 黃亮、陳東:《我國電影產(chǎn)業(yè)金融創(chuàng)新研究》,《東南學(xué)術(shù)》,2017年第3期,第147頁。

⑤ 朱爾茜、劉嘉瑋:《基于DEA方法的文化金融服務(wù)體系效率研究》,《管理世界》,2018年第11期,第187頁。

⑥ 辛陽、梁琳:《拓寬我國文化產(chǎn)業(yè)融資渠道的對策》,《經(jīng)濟(jì)縱橫》,2013年第4期,第110頁。

⑦ 張輝鋒、曹璞:《應(yīng)收賬款融資——中國民營中小制片企業(yè)最有效的融資模式》,《國際新聞界》,2014年第1期,第121頁。

⑧ 楊向陽、童馨樂:《財政支持、企業(yè)家社會資本與文化企業(yè)融資——基于信號傳遞分析視角》,《金融研究》,2015年第1期,第130頁。

⑨ 李石:《互聯(lián)網(wǎng)融資模式在電影制片行業(yè)中的應(yīng)用》,《上海金融》,2016年第8期,第86頁。

⑩ 何圣捷、賈旭東:《歐美完片保險風(fēng)險管理模式及借鑒意義》,《現(xiàn)代傳播》,2018年第3期,第124頁。