中國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平和效率的區(qū)域差異

張玲，楊哂，董戰(zhàn)峰

（1.南京林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，江蘇南京 210037；2.生態(tài)環(huán)境部環(huán)境規(guī)劃院，北京 100012）

引言

資源循環(huán)利用產(chǎn)業(yè)是我國(guó)戰(zhàn)略新興產(chǎn)業(yè)的重要組成部分，其以自然資源、能源和生產(chǎn)消費(fèi)過(guò)程中產(chǎn)生的廢棄物為對(duì)象，通過(guò)加工利用使之成為社會(huì)需要的資源，是循環(huán)經(jīng)濟(jì)形成閉環(huán)周轉(zhuǎn)的關(guān)鍵，也是我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的新載體。然而，資源循環(huán)利用產(chǎn)業(yè)在我國(guó)發(fā)展并不充分，其良性持續(xù)發(fā)展離不開(kāi)政府補(bǔ)貼和金融系統(tǒng)長(zhǎng)期穩(wěn)定的資金支持。為此，2017 年《循環(huán)發(fā)展引領(lǐng)行動(dòng)》強(qiáng)調(diào)“利用現(xiàn)有資金渠道對(duì)循環(huán)經(jīng)濟(jì)予以支持，進(jìn)一步提高資金利用效率和使用效益”。2021 年6 月，國(guó)務(wù)院提出“壯大綠色環(huán)保產(chǎn)業(yè)，對(duì)資源循環(huán)利用企業(yè)加大財(cái)稅扶持力度”。

然而，該產(chǎn)業(yè)發(fā)展起步較晚，涉及多個(gè)行業(yè)且龍頭企業(yè)市場(chǎng)整合度較低，不同區(qū)域企業(yè)規(guī)模和數(shù)量不同。另外，我國(guó)不同區(qū)域的金融市場(chǎng)水平發(fā)展差距較大，隨著當(dāng)前資源循環(huán)利用產(chǎn)業(yè)的金融資源投入力度的不斷加大，不同區(qū)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(chǎn)出效率是否存在區(qū)域差異？因此本文提出的研究問(wèn)題是：我國(guó)資源循環(huán)利用產(chǎn)業(yè)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(qū)域差異，如有差異，其差異來(lái)源是什么？研究結(jié)果可為促進(jìn)該產(chǎn)業(yè)形成健全完善的金融支持體系，實(shí)現(xiàn)金融資源的合理分配，減少區(qū)域差距，最終實(shí)現(xiàn)該產(chǎn)業(yè)全面均衡發(fā)展提供參考。

1 文獻(xiàn)綜述

目前我國(guó)不同行業(yè)，如煤炭業(yè)[1]、海洋業(yè)[2]、金屬業(yè)[3]、戰(zhàn)略新興產(chǎn)業(yè)（整體）[4-7]、高新技術(shù)產(chǎn)業(yè)[8]等都開(kāi)展了有關(guān)金融支持效率的研究。在相關(guān)測(cè)算方法上，已有成果為后續(xù)研究提供了堅(jiān)實(shí)基礎(chǔ)。數(shù)據(jù)包絡(luò)分析（Date Envelopment Analysis，DEA）模型因無(wú)須預(yù)設(shè)生產(chǎn)函數(shù)，能更有效地處理多投入、多產(chǎn)出系統(tǒng)間的效率評(píng)價(jià)問(wèn)題，在各類(lèi)效率的測(cè)算上被廣泛使用。但如果選用的DEA 模型較為簡(jiǎn)單，便面臨松弛變量、無(wú)法跨期比較和實(shí)現(xiàn)DEA 有效的決策單元（Decision Making Unit，DMU）較多時(shí)無(wú)法進(jìn)一步比較等問(wèn)題，使測(cè)算結(jié)果產(chǎn)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(jìn)行效率測(cè)算[9]，則可以在很大程度上解決這些問(wèn)題。

在揭示區(qū)域差異的研究方面，有學(xué)者使用變異系數(shù)法從省級(jí)或區(qū)域?qū)用娼沂玖丝臻g差異性[10,11]；也有學(xué)者使用Theil 指數(shù)法，但該方法會(huì)導(dǎo)致樣本間差異被平均化，從而降低結(jié)果的精確度[12-14]；Dagum 基尼系數(shù)[15]能有效解決樣本數(shù)據(jù)交叉重疊的問(wèn)題，有效地測(cè)度區(qū)域差異并揭示差異來(lái)源。運(yùn)用該方法，陳景華比較了我國(guó)服務(wù)業(yè)的綠色全要素生產(chǎn)率增長(zhǎng)的行業(yè)差距[16]；呂承超等比較了我國(guó)制造業(yè)信貸配置的地區(qū)和行業(yè)差距[17]；馬玉林等比較了我國(guó)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(qū)域差異方面的應(yīng)用幾乎沒(méi)有。

資源循環(huán)利用產(chǎn)業(yè)是戰(zhàn)略新興產(chǎn)業(yè)中的重要組成部分。然而，現(xiàn)階段該產(chǎn)業(yè)尚未被作為獨(dú)立的產(chǎn)業(yè)部門(mén)計(jì)入國(guó)民經(jīng)濟(jì)統(tǒng)計(jì)，因此針對(duì)該產(chǎn)業(yè)整體的相關(guān)研究相對(duì)較少，包括對(duì)資源循環(huán)利用產(chǎn)業(yè)上市公司的全要素生產(chǎn)率的測(cè)算[19]，對(duì)資源循環(huán)利用產(chǎn)業(yè)政策演進(jìn)特征的分析[20]、產(chǎn)業(yè)發(fā)展路徑和發(fā)展建議分析[21,22]等。除此以外，更多研究針對(duì)資源循環(huán)利用產(chǎn)業(yè)中的某個(gè)/某些具體行業(yè)而開(kāi)展，例如資源再生產(chǎn)業(yè)/再生資源產(chǎn)業(yè)[23,24]、廢棄物回收產(chǎn)業(yè)[25-27]等；也有針對(duì)資源循環(huán)利用具體活動(dòng)的研究[28-30]。截至當(dāng)前，尚未有針對(duì)資源循環(huán)利用產(chǎn)業(yè)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(chǔ)上，以金融資源被投入主體即資源循環(huán)利用產(chǎn)業(yè)上市企業(yè)為研究對(duì)象，首先運(yùn)用熵權(quán)法和GS-SBM 模型分別測(cè)算2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)在各區(qū)域的金融支持水平和效率；其次運(yùn)用Malmquist 指數(shù)模型及其分解指標(biāo)探究該產(chǎn)業(yè)各區(qū)域金融支持效率的演變趨勢(shì)；最后，運(yùn)用Dagum 基尼系數(shù)法及其分解方法揭示金融支持水平和效率的區(qū)域差距及其來(lái)源，以期為我國(guó)資源循環(huán)利用產(chǎn)業(yè)的全面均衡發(fā)展提供科學(xué)依據(jù)。

2 研究方法與數(shù)據(jù)

2.1 研究方法

2.1.1 熵權(quán)—線(xiàn)性加權(quán)法

使用熵權(quán)法確定各投入指標(biāo)權(quán)重，并運(yùn)用線(xiàn)性加權(quán)法計(jì)算我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平得分。假設(shè)有n個(gè)企業(yè)m個(gè)指標(biāo)構(gòu)成原始指標(biāo)數(shù)據(jù)矩陣X=，具體計(jì)算過(guò)程如下：

第一步，計(jì)算各原始指標(biāo)的標(biāo)準(zhǔn)化值yij：

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

第二步，計(jì)算各指標(biāo)的熵值Hj：

第三步，計(jì)算第j個(gè)指標(biāo)的熵權(quán)wj：

其中，wj∈[0,1]，且=1。

最后，計(jì)算第i個(gè)企業(yè)的金融支持水平得分Si：

Si越大，說(shuō)明第i個(gè)企業(yè)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(shù)[32]相結(jié)合，構(gòu)建GS-SBM 模型，測(cè)度我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持效率。模型具體如下：

假設(shè)有n個(gè)DMU，設(shè)x∈Rm,y∈Rh，分別為投入與產(chǎn)出，m、h分別表示投入和產(chǎn)出的種類(lèi)。在t時(shí)期(t=1，2，…,T)，第k個(gè)DMU 的生產(chǎn)可能性集合為(Pt)，如式（5）所示。在式（5）的基礎(chǔ)上，基于全局參比的生產(chǎn)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(guī)模報(bào)酬不變（CRS）假設(shè)下的規(guī)劃模型，如果增加∑=λ1 的假設(shè)，則是基于規(guī)模報(bào)酬可變（VRS）假設(shè)下的規(guī)劃模型。根據(jù)Charnes 等的研究[33]，在實(shí)際求解過(guò)程中可將式（7）轉(zhuǎn)變?yōu)榫€(xiàn)性規(guī)劃。

其中，ρk為金融支持效率；xk和yk分別代表投入和產(chǎn)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(chǎn)出的產(chǎn)出向量；分別為投入和產(chǎn)出的松弛變量；λ為權(quán)重指數(shù)。

2.1.3 Dagum 基尼系數(shù)及其分解方法

進(jìn)一步采用Dagum 基尼系數(shù)及其分解方法對(duì)資源循環(huán)利用產(chǎn)業(yè)中不同區(qū)域的企業(yè)金融支持水平和效率的差異進(jìn)行分析，該方法能有效分析區(qū)域水平和效率的差異來(lái)源，解決子群之間的交叉重疊問(wèn)題。總體基尼系數(shù)可以被分解為區(qū)域內(nèi)差異、區(qū)域間差異和超變密度。具體計(jì)算過(guò)程可見(jiàn)孫亞男等[34]提出的方法。

2.1.4 Malmquist 指數(shù)模型

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

2.2 研究對(duì)象、變量選取與數(shù)據(jù)說(shuō)明

2.2.1 研究對(duì)象

資源循環(huán)利用產(chǎn)業(yè)涉及行業(yè)較多，根據(jù)《戰(zhàn)略性新興產(chǎn)業(yè)分類(lèi)（2018）》和《節(jié)能環(huán)保清潔產(chǎn)業(yè)統(tǒng)計(jì)分類(lèi)（2021）》（國(guó)家統(tǒng)計(jì)局令第34 號(hào)）的界定，資源循環(huán)利用產(chǎn)業(yè)包括資源循環(huán)利用裝備制造，礦產(chǎn)資源綜合利用，工業(yè)固體廢物、廢氣、廢液回收和資源化綜合利用，城鄉(xiāng)生活垃圾與農(nóng)林廢棄資源綜合利用，汽車(chē)零部件及機(jī)電產(chǎn)品再制造，水資源循環(huán)利用六大產(chǎn)業(yè)，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(duì)該產(chǎn)業(yè)的統(tǒng)計(jì)數(shù)據(jù)，考慮到數(shù)據(jù)可得性，本研究選取該產(chǎn)業(yè)上市企業(yè)為研究對(duì)象，以企業(yè)的主營(yíng)業(yè)務(wù)作為篩選依據(jù)，共篩選出樣本企業(yè)114 家，其中有66 家位于東部地區(qū)，31 家位于中部地區(qū)，17 家位于西部地區(qū)，東、中、西部的劃分依據(jù)《中國(guó)統(tǒng)計(jì)年鑒》。不同區(qū)域的企業(yè)數(shù)量差異較大，初步表明資源循環(huán)利用產(chǎn)業(yè)在我國(guó)不同區(qū)域的發(fā)展并不均衡。

2.2.2 指標(biāo)選取和數(shù)據(jù)說(shuō)明

借鑒已有研究對(duì)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(lái)反映金融資源投入支持企業(yè)發(fā)展的貢獻(xiàn)程度。在投入指標(biāo)的選取上，選擇銀行貸款、債券融資、股票融資、商業(yè)信用融資、內(nèi)部資金融資和政府補(bǔ)貼，試圖全面反映資源循環(huán)利用產(chǎn)業(yè)所有的資金來(lái)源。產(chǎn)出指標(biāo)上，本文選擇凈利潤(rùn)和營(yíng)業(yè)收入，分別用以反映企業(yè)的盈利能力與發(fā)展能力。其中，以投入指標(biāo)來(lái)測(cè)度金融支持水平。表1 是相關(guān)指標(biāo)說(shuō)明。

表1 相關(guān)指標(biāo)說(shuō)明

由于資源循環(huán)利用產(chǎn)業(yè)在近幾年才有較快發(fā)展，上市公司的前期相關(guān)數(shù)據(jù)缺乏，因此本文觀(guān)察期設(shè)定為“十三五”期間（2016—2020 年），114 家樣本企業(yè)共產(chǎn)生570 個(gè)觀(guān)測(cè)值，原始數(shù)據(jù)主要來(lái)源于各企業(yè)年報(bào)。

最后，DEA 模型要求投入產(chǎn)出變量的數(shù)值均為正，采用如下公式對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

其中，xi為原始數(shù)據(jù)；yi為處理后的數(shù)據(jù)；xmax與xmin分別為該指標(biāo)的最大值與最小值。

3 結(jié)果分析

3.1 不同區(qū)域資源循環(huán)利用產(chǎn)業(yè)的金融支持水平與效率分析

3.1.1 不同區(qū)域資源循環(huán)利用產(chǎn)業(yè)的金融支持水平分析

借助式（4）計(jì)算出2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持水平得分均值，并對(duì)其分解，全國(guó)及各區(qū)域得分如表2 所示。

由表2 可知，2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平的均值為0.067，得分最高的企業(yè)位居?xùn)|部（0.653），最低的企業(yè)位居西部（0.005），說(shuō)明就整體而言，我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持水平較低，并且企業(yè)間的金融支持水平差距較大。從各指標(biāo)的貢獻(xiàn)看，商業(yè)信用融資對(duì)金融支持水平貢獻(xiàn)最大（0.021），內(nèi)部資金融資對(duì)其貢獻(xiàn)最?。?.003）。

表2 2016—2020年我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平及其分解

不同區(qū)域的金融支持水平存在差異，觀(guān)測(cè)期內(nèi)中部地區(qū)的金融支持水平均值（0.076）略高于東部地區(qū)（0.071），遠(yuǎn)高于西部地區(qū)（0.036）。商業(yè)信用融資均是對(duì)三大區(qū)域金融支持貢獻(xiàn)水平最大的指標(biāo)，東部、中部、西部分別為0.023、0.021、0.013；東部和中部地區(qū)對(duì)金融支持水平貢獻(xiàn)最低的是內(nèi)部資金融資，西部為內(nèi)部資金融資和政府補(bǔ)貼。

為了進(jìn)一步考察金融支持水平的動(dòng)態(tài)變化，計(jì)算出金融支持水平的年均增長(zhǎng)率，并對(duì)其進(jìn)行分解，結(jié)果如表3 所示。

從表3 可以看出，2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)整體的金融支持水平年均增長(zhǎng)率為11.5%，保持了較好的增長(zhǎng)態(tài)勢(shì)。其中，政府補(bǔ)貼（19.8%）和銀行貸款（14.7%）是金融支持水平增長(zhǎng)的主要?jiǎng)恿?，資源循環(huán)利用產(chǎn)業(yè)發(fā)展前期投入較高、回報(bào)率較低，而針對(duì)該產(chǎn)業(yè)出臺(tái)的政府補(bǔ)貼與銀行貸款的扶持政策較多，資金來(lái)源相對(duì)穩(wěn)定，能在一定程度上緩解企業(yè)的資金需求。債券融資（-40.2%）是水平增長(zhǎng)的最主要抑制力，債券融資雖能為企業(yè)提供低成本的資金來(lái)源，但企業(yè)債券過(guò)多發(fā)行可能導(dǎo)致金融風(fēng)險(xiǎn)，引發(fā)企業(yè)財(cái)務(wù)危機(jī)。

表3 2016—2020年我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平年均增長(zhǎng)率及其分解

三大區(qū)域的金融支持水平年均增長(zhǎng)率存在差異，中部（14.6%）＞東部（11.4%）＞西部（6.3%），其中政府補(bǔ)貼和銀行貸款是東部地區(qū)金融支持水平增長(zhǎng)的主要?jiǎng)恿?，政府補(bǔ)貼與股票融資是中部地區(qū)金融支持水平增長(zhǎng)的主要?jiǎng)恿Γ善比谫Y與內(nèi)部資金融資是西部地區(qū)金融支持水平增長(zhǎng)的主要?jiǎng)恿?，債券融資均是三大區(qū)域的金融支持水平增長(zhǎng)的最主要抑制力。

3.1.2 不同區(qū)域資源循環(huán)利用產(chǎn)業(yè)的金融支持效率分析

借助MaxDEA Ultra8.0 軟件，基于GS-SBM 模型對(duì)2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持效率進(jìn)行測(cè)算，具體結(jié)果如表4 所示。

表4 2016—2020年我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持效率

由表4 可以看出，觀(guān)測(cè)期內(nèi)我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持效率平均值為0.860，總體來(lái)說(shuō)效率水平較高，但未能實(shí)現(xiàn)DEA 有效。三大區(qū)域間效率存在一定差異，觀(guān)測(cè)期內(nèi)西部（0.917）＞中部（0.870）＞東部（0.841），所有區(qū)域均未實(shí)現(xiàn)DEA 有效。金融支持效率表現(xiàn)最好的企業(yè)位于西部（1.549），最差的位于東部（0.427）。從變異系數(shù)均值大小來(lái)看，中部＞東部＞西部，即中部地區(qū)企業(yè)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(guó)資源循環(huán)利用產(chǎn)業(yè)整體、三大區(qū)域金融支持效率的M 指數(shù)、EC 指數(shù)及TC 指數(shù)。

表5 2016—2020年金融支持效率的M指數(shù)、EC指數(shù)及TC指數(shù)

由表5 可以看出，2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持效率的M 指數(shù)為0.989，呈略下降趨勢(shì)，年均下降1.1%。可能的原因是，觀(guān)測(cè)期正值“十三五”期間，受益于一系列針對(duì)資源循環(huán)利用產(chǎn)業(yè)的財(cái)政稅收政策的出臺(tái)[24]，該產(chǎn)業(yè)得以快速發(fā)展，產(chǎn)業(yè)規(guī)模進(jìn)一步擴(kuò)大，但受制于該產(chǎn)業(yè)較弱的市場(chǎng)競(jìng)爭(zhēng)力，產(chǎn)業(yè)整體從規(guī)模擴(kuò)張階段到實(shí)際產(chǎn)能提升需要一定的過(guò)渡時(shí)期，因此效率出現(xiàn)一定下滑。從分解指標(biāo)來(lái)看，EC 指數(shù)為0.974，即年均下降2.6%，而TC指數(shù)為1.015，即年均增長(zhǎng)1.5%，表明我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持效率的下降主要是由于技術(shù)效率水平的惡化。

從不同區(qū)域的對(duì)比來(lái)看，M 指數(shù)由高到低排序?yàn)椋何鞑浚?.001）、東部（0.987）、中部（0.986），說(shuō)明觀(guān)測(cè)期內(nèi)三大區(qū)域的金融支持效率均呈下降趨勢(shì)，并且中部區(qū)域下降最快，年均下降1.4%。所有區(qū)域的EC 指數(shù)均小于1，TC 指數(shù)均大于1，即各區(qū)域金融支持效率的M 指數(shù)小于1 的主要原因是技術(shù)效率水平的低下。

綜上，對(duì)比我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平和效率的靜態(tài)結(jié)果可以發(fā)現(xiàn)，觀(guān)測(cè)期內(nèi)東部、中部、西部均沒(méi)有實(shí)現(xiàn)理想的金融資源投入與產(chǎn)出配置比例，東部地區(qū)的金融支持水平較高，其效率值卻最低，沒(méi)有實(shí)現(xiàn)有效的績(jī)效產(chǎn)出；中部地區(qū)金融支持水平最高，效率值也較高；西部地區(qū)的金融支持水平最低，其效率值卻最高，這說(shuō)明盡管投入到西部地區(qū)的金融資源相對(duì)更缺乏，但該地區(qū)企業(yè)對(duì)金融資源能更加有效地進(jìn)行配置和利用。對(duì)比金融支持水平和效率的動(dòng)態(tài)結(jié)果可以發(fā)現(xiàn)，觀(guān)測(cè)期內(nèi)三大區(qū)域均呈現(xiàn)水平上升、效率下降的趨勢(shì)，不同區(qū)域的金融支持水平增長(zhǎng)速度與來(lái)源存在差異，而效率下降均來(lái)源于技術(shù)效率水平的惡化。

3.1.3 子產(chǎn)業(yè)金融支持水平和效率的區(qū)域差異分析

不同區(qū)域內(nèi)六個(gè)子產(chǎn)業(yè)的金融支持水平和效率均值見(jiàn)表6。從全國(guó)層面來(lái)看，六大產(chǎn)業(yè)的金融支持水平排序?yàn)椋築＞C＞D＞F＞A＞E；金融支持效率排序?yàn)椋篍＞B＞A＞C＞F＞D。各產(chǎn)業(yè)在不同區(qū)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(chǎn)業(yè)均表現(xiàn)出在西部地區(qū)金融支持水平最低，而金融支持效率卻最高的趨勢(shì)。A 產(chǎn)業(yè)（資源循環(huán)利用裝備制造）在中部的金融支持水平高于其他區(qū)域，效率卻是東部最高，可能表明東部企業(yè)在技術(shù)水平上相對(duì)領(lǐng)先；B 產(chǎn)業(yè)（礦產(chǎn)資源綜合利用）的金融支持水平和效率在東/中部與西部區(qū)域間差異明顯，表明在我國(guó)經(jīng)濟(jì)較為發(fā)達(dá)的東部和中部，企業(yè)獲得金融資源相對(duì)容易，但在礦產(chǎn)資源豐富的西部地區(qū)，該產(chǎn)業(yè)具有技術(shù)優(yōu)勢(shì)，企業(yè)能更高效利用金融資源；C產(chǎn)業(yè)（工業(yè)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(yuǎn)高于其他區(qū)域，效率卻遠(yuǎn)低于其他區(qū)域，可能表明現(xiàn)階段該產(chǎn)業(yè)的金融資源在區(qū)域間錯(cuò)配現(xiàn)象較為嚴(yán)重；D 產(chǎn)業(yè)（城鄉(xiāng)生活垃圾與農(nóng)林廢棄資源綜合利用）在東部與中部均表現(xiàn)出高投入—低效率，表明其效率的提升尤其需要關(guān)注；E 產(chǎn)業(yè)（汽車(chē)零部件及機(jī)電產(chǎn)品再制造）在三大區(qū)域均表現(xiàn)出低投入—高效率，表明該產(chǎn)業(yè)能高效利用現(xiàn)有金融資源。F 產(chǎn)業(yè)在西部地區(qū)僅一家企業(yè)，因此難以進(jìn)行比較?？傮w來(lái)說(shuō)，在效率提升上，東部和中部應(yīng)重點(diǎn)關(guān)注A、B、C、D 四個(gè)產(chǎn)業(yè)，而西部地區(qū)各產(chǎn)業(yè)均表現(xiàn)較好。

表6 不同區(qū)域各子產(chǎn)業(yè)的金融支持水平和效率均值

3.2 我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平與效率的差異來(lái)源

從上文可知，我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持水平和效率存在區(qū)域差異，因此通過(guò)KS 檢驗(yàn)進(jìn)一步檢驗(yàn)區(qū)域差異的顯著性，具體檢驗(yàn)結(jié)果見(jiàn)表7。

表7 非參數(shù)方法檢驗(yàn)結(jié)果（P值）

可以看出，各區(qū)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(chǔ)上，進(jìn)一步采用Dagum 基尼系數(shù)及其分解方法探究不同區(qū)域企業(yè)的金融支持水平和效率的差異及其來(lái)源，具體結(jié)果如表8 和表9 所示。

從表8 可以看出，2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平的總體基尼系數(shù)均值為0.555，整體呈現(xiàn)出波動(dòng)下降的趨勢(shì)，但波動(dòng)幅度較小，這說(shuō)明資源循環(huán)利用產(chǎn)業(yè)金融支持水平的企業(yè)間差距較大，但呈現(xiàn)出緩慢的遞減趨勢(shì)?？赡艿脑蛟谟?，“十三五”提出的鼓勵(lì)金融機(jī)構(gòu)加大對(duì)資源循環(huán)利用企業(yè)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(guó)范圍內(nèi)企業(yè)間金融資源的投入差距。

表8 我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平的區(qū)域差異及其來(lái)源

三大區(qū)域的區(qū)域內(nèi)水平差異均呈現(xiàn)出波動(dòng)下降趨勢(shì)，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(lái)看，中部＞東部＞西部，這說(shuō)明中部各企業(yè)的金融支持水平不均衡的現(xiàn)象在三者中最為突出，其次為東部，西部最均衡。三大區(qū)域間的金融支持水平差異均呈現(xiàn)出波動(dòng)下降趨勢(shì)，從數(shù)值大小來(lái)看，觀(guān)測(cè)期內(nèi)金融支持水平區(qū)域間差異數(shù)值由大到小依次排序?yàn)橹小?、東—中、東—西。

從區(qū)域水平差異來(lái)源的貢獻(xiàn)率來(lái)看，區(qū)域內(nèi)差異貢獻(xiàn)率始終在均值（44%）左右波動(dòng)，而超變密度貢獻(xiàn)率不斷下降，區(qū)域間差異貢獻(xiàn)率處于波動(dòng)上升趨勢(shì)?？傮w上來(lái)看，觀(guān)測(cè)期區(qū)域內(nèi)差異始終是我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平區(qū)域差異的主要來(lái)源，其次是超變密度，最后為區(qū)域間差異，平均貢獻(xiàn)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(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持效率的基尼系數(shù)均值為0.084，相對(duì)較小，但整體呈現(xiàn)波動(dòng)上升趨勢(shì)，年均增長(zhǎng)率為6.28%。表明在當(dāng)前經(jīng)濟(jì)增速放緩、要素成本上升的背景下，該產(chǎn)業(yè)得到的金融資源投入雖不斷增加，但內(nèi)部的市場(chǎng)活力不足、企業(yè)競(jìng)爭(zhēng)激烈，金融資源無(wú)法高效利用，盈利能力等差距被進(jìn)一步放大。

表9 我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持效率的區(qū)域差異及其貢獻(xiàn)率

三大區(qū)域的區(qū)域內(nèi)金融支持效率差異均呈現(xiàn)出波動(dòng)上升趨勢(shì)，東部區(qū)域漲幅（37.5%）高于中部（34.57%）和西部（9.26%）。從平均值來(lái)看，中部（0.089）＞東部（0.083）＞西部（0.063），這說(shuō)明中部各企業(yè)金融支持效率不均衡現(xiàn)象最為突出，而西部地區(qū)最為均衡。三大區(qū)域間的金融支持效率差異均呈現(xiàn)出波動(dòng)上升趨勢(shì)，區(qū)域間差異數(shù)值由大到小依次排序?yàn)闁|—中、東—西、西—中。

從區(qū)域效率差異來(lái)源的貢獻(xiàn)率來(lái)看，2016—2017年超變密度貢獻(xiàn)率高于區(qū)域內(nèi)差異高于區(qū)域間差異，2017—2020 年則區(qū)域內(nèi)差異高于超變密度高于區(qū)域間差異?？傮w上來(lái)看，觀(guān)測(cè)期內(nèi)區(qū)域內(nèi)差異是我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持效率區(qū)域差異的主要來(lái)源，其次是超變密度，最后為區(qū)域間差異，平均貢獻(xiàn)率由高到低依次為42.1%、40.1%、17.8%。

4 結(jié)論和建議

本文測(cè)度了2016—2020 年我國(guó)三大區(qū)域資源循環(huán)利用產(chǎn)業(yè)上市企業(yè)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(qū)域差異及其來(lái)源。主要結(jié)論如下：

（1）2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)整體的金融支持水平較低，觀(guān)測(cè)期內(nèi)均值為0.067，商業(yè)信用融資對(duì)金融支持水平貢獻(xiàn)最大，內(nèi)部資金融資對(duì)其貢獻(xiàn)最小。不同區(qū)域的金融支持水平存在差異，表現(xiàn)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(shì)，年均增長(zhǎng)11.5%，政府補(bǔ)貼和銀行貸款是金融支持水平增長(zhǎng)的主要?jiǎng)恿?，債券融資是水平增長(zhǎng)的最主要抑制力。不同區(qū)域的金融支持水平年均增長(zhǎng)率和增長(zhǎng)的主要?jiǎng)恿Υ嬖诓町?，債券融資是三大區(qū)域的金融支持水平增長(zhǎng)的最主要抑制力。

（2）2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)整體的金融支持效率表現(xiàn)較好，觀(guān)測(cè)期內(nèi)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(shì)，年均下跌1.1%，所有區(qū)域的金融支持效率均處于下降趨勢(shì)，其中中部下降最快，年均下降1.4%。所有區(qū)域的EC 指數(shù)均小于1，TC 指數(shù)均大于1，說(shuō)明我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持效率下降主要源于技術(shù)效率水平惡化。

（3）2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)內(nèi)六大產(chǎn)業(yè)的金融支持水平和效率存在明顯的區(qū)域差異，其中，B、D 和E 產(chǎn)業(yè)均表現(xiàn)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(shì)。

（4）2016—2020 年我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持水平和效率均存在明顯的區(qū)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(kuò)大；區(qū)域內(nèi)差異是我國(guó)資源循環(huán)利用產(chǎn)業(yè)金融支持水平和效率區(qū)域差異的主要來(lái)源。

基于以上結(jié)論，本文提出以下建議：

（1）進(jìn)一步提升對(duì)我國(guó)資源循環(huán)利用產(chǎn)業(yè)的金融支持水平，尤其是西部地區(qū)企業(yè)。完善我國(guó)金融市場(chǎng)功能，制定針對(duì)資源循環(huán)利用產(chǎn)業(yè)的金融支持對(duì)接政策，鼓勵(lì)金融機(jī)構(gòu)為企業(yè)提供多元化的融資產(chǎn)品，尤其是緩解西部企業(yè)的融資困境。優(yōu)化對(duì)企業(yè)的金融資源投入，尤其重視東部和中部效率的提升，引導(dǎo)企業(yè)提升經(jīng)營(yíng)管理水平，提高企業(yè)對(duì)金融資源的籌集與配置能力，促進(jìn)技術(shù)效率水平提升。

（2）針對(duì)資源循環(huán)利用產(chǎn)業(yè)內(nèi)部子產(chǎn)業(yè)的金融支持水平和效率的區(qū)域差異，按照分類(lèi)施策、因地制宜的原則，充分考慮區(qū)域內(nèi)部各子產(chǎn)業(yè)發(fā)展水平和資源條件差異，推進(jìn)其高效利用金融資源。東部和中部應(yīng)重點(diǎn)關(guān)注A、B、C、D 四個(gè)產(chǎn)業(yè)，探索其金融支持效率的提升途徑。

（3）針對(duì)金融支持水平和效率的區(qū)域差異，一方面推動(dòng)優(yōu)勢(shì)企業(yè)的資金、管理經(jīng)驗(yàn)等共性生產(chǎn)要素向弱勢(shì)企業(yè)流動(dòng)，縮小區(qū)域內(nèi)差異；另一方面考慮實(shí)施有差別的金融支持政策，緩解區(qū)域間的金融資源冗余與不足的困境，促進(jìn)各區(qū)域內(nèi)企業(yè)協(xié)調(diào)發(fā)展。