2019年第3期新一代信息技术产业股权融资效率研究—基于外部融资生态评价和三阶段DEA分析——许2珂1，，耿成轩2（1.常州工学院经济与管理学院，江苏常州213032；2.南京航空航天大学经济与管理学院，江苏南京211106）摘要：文章选择新一代信息技术产业作为战略性新兴产业的代表，采用熵值法分析不同地区外部融资生态的变化，并将其作为三阶段Super-SBMDEA模型中的环境变量，从静态和动态两个方面对不同地区新一代信息技术业的股权融资效率进行分析。研究发现：2012-2016年间外部融资生态和新一代信息技术业的股权融资效率变化趋势一致，前四年逐步下降，2016年有所回升，外部融资生态的变化对股权融资效率有着显著的影响。整体来看，新一代信息技术业的股权融资效率平均下降了2.5%，主要是技术进步指数下降引起的；技术效率指数虽然大于1，但分解后发现纯技术效率仍有小幅度下降。因此，外部融资生态优化和内部股权融资行为规范共同作用才能提升新一代信息技术业的股权融资效率。关键词：外部融资生态；股权融资效率；Super-SBM；三阶段DEA中图分类号：F062.5文献标识码：A文章编号：1004-292X（2019）03-0086-05ResearchonEquityFinancingEfficiencyofNewGenerationofInformationTechnologyIndustry—BasedontheEvaluationofExternalFinancingEcologyandThree-stageDEAanalysis——渊1.SchoolofEconomics&ManagementChangzhouInstituteofTechnology袁ChangzhouJiangsu213032袁China;2.SchoolofEconomics&ManagementNanjingUniversityofAeronauticsandAstronautics袁NanjingJiangsu211106袁China冤Abstract:Thepaperchoosesthenewgenerationofinformationtechnologyindustryastherepresentativeofstrategicemergingindus鄄2XUKe1，，GENGCheng-xuan2tries袁usingtheentropymethodtoestimatetheexternalfinancingecologyindifferentareas.Andtheevaluationofexternalfinancingecolo鄄gyisusedasenvironmentvariablesinthree-stageSuper-SBMDEAmodeltoanalyzetheequityfinancingefficiencyofnewgenerationinfor鄄mationtechnologyindustryindifferentregionsfromstaticanddynamicaspects.Thestudyfoundthatbetween2012and2016袁thechangeofexternalfinanceecologyandequityfinancingefficiencyofnewgenerationinformationtechnologyindustrywasaccordance.Thefirstfouryearsdeclinedgraduallyandhadareboundin2016袁thusthechangeofexternalfinancingecologyhadobviouseffectsontheequityfi鄄nancingefficiency.Overall袁theequityfinancingefficiencyofthenewgenerationinformationtechnologyindustrydeclinedbyanaverageof2.5%袁mainlyduetothedeclineofthetechnologicalprogressindex.Althoughthetechnicalefficiencyindexisbiggerthan1袁itisfoundinternalequityfinancingbehaviorscanenhancetheequityfinancingefficiencyofthenewgenerationinformationtechnologyindustry.Keywords:Externalfinancingecology曰Equityfinancingefficiency曰Super-SBM曰Three-stageDEAthatthepuretechnicalefficiencystilldeclinesslightly.Therefore袁theoptimizationofexternalfinancingecologyandtheregularizationof一、问题的提出“十二五”期间我国战略性新兴产业形成了健康发展、协调推进的基本格局，对产业结构升级的推动作用显著增强，到2017年底战略性新兴产业增加值占国内生产总值的比重达到10%左右，离2020年15%的发展目标又迈进了一步。目前，以机器人、大数据、3D打印为代表的新一轮信息技术已成为全球关注的重点，新一代信息技术创新异常活跃，技术融合步伐不断加快，促进了产业转型升级，改变了传统经济发展方收稿日期：2018-12-19基金项目：国家社会科学基金项目（15BGL056）；江苏高校哲学社会科学研究重点项目（2015ZDIXM008）；全国统计科学研究项目一般项目(2018LY70)；本研究成果得到江苏留学奖学金资助。作者简介：许珂（1981-），女，江苏常州人，博士研究生，研究方向：公司金融、科技管理研究；耿成轩（1965-），女，辽宁大连人，教授，博士生导师，主要从事财务管理与资本市场、公司与产业金融研究。窑86窑式，因此文章选择新一代信息技术业作为代表进行研究。由于新一代信息技术业具有投资额高、风险不确定性的特点，融资问题成为了制约产业发展的重要因素。股权融资是企业重要的外源融资方式之一，主板、创业板、中小板构成的多层次资本市场为新一代信息技术业的融资发挥了积极作用，但由于我国上市公司普遍有股权融资偏好，企业管理者较多注重筹集资金而忽略资金的使用效率，会极大影响新一代信息技术业的整体发展和市场的资源配置，因此对新一代信息技术业股权融资效率的评价具有重要意义。国内外现有研究中，对股权融资效率的研究主要是针对上市公司股权融资效率的测评，采用比较多的有DEA分析法（陈慧莉，2016对股权融资效率的影响因素进行了分析）2011、熵值法；汪华林，（李露丹等，2015；张征超、张婷婷，2015；刘平等，（曾畅，2015）2013。还有的学者2016；张晓，；张婷婷，2016文献较少，大多没有区分股权、债权不同性质下资金效率的差；李露丹，2016）。研究战略性新兴产业股权融资效率的别，而是从整体融资效率来进行研究。比如郭进(2014)介绍了战略性新兴产业七个子行业的现状、融资的现状，运用数据包络分析法分析了融资效率并在各行业间进行比较。然后基于bit等对融资效率的影响。田娟娟回归分析了企业规模、融资结构、资金利用率、股权集中度To原(2016)采用广义DEA对深证新兴产业指数涵盖的199家战略性新兴产业上市公司的融资效率进行评价，并进行总体分析、行业比较和区域比较，并在此基础上采用Tobit回归分析了内部影响因素对融资效率的影响。对战略性新兴产业融资效率的影响，有学者从金融环境的角度进行研究H(Wurgler等，2014J，；魏志华，2000；Almeida2014；张晓昕，H，Wolfenzon2015)D，。2005；Al-Awadhi文章选择新一代信息技术产业为代表，从企业外部融资生态的视角分析新一代信息技术业的发展环境，并与股权融资效率相结合，从静态和动态两方面分析近五年来股权融资效率的变化，以期为新一代信息技术业的发展壮大提供理论依据和实证参考。二、指标选取和模型构建企业融资与其所处的外部融资生态密不可分，一般认为，企业所处的外部融资生态越好，越容易以较低成本筹集到资金，融资效率也越高。外部融资生态主要与宏观经济发展情况、对企业的扶持力度、金融机构和金融市场的成熟程度、信用环境等有关。具体构建指标见表1。根据构建的评价指标体系，对数据进行归一化处理，以消除不同量纲的影响，然后采用熵值法进行赋权对外部融资生态进行评价。在参考相关文献的基础上，考虑数据的可获得性、可比性和科学性，本文选择反映股权融资规模、结构和成本的三个指标作为投入指标，反映企业价值、成长能力和盈利能力的三个指标作为产出指标，环境指标为外部融资生态评价得到的四个二级指标评分。具体指标见表2。新一代信息技术产业股权融资效率研究一级指标二级指标三级指标经济发展水平人均GDP宏观经济水平经济开放程度进出口总值GDP增长率/GDP实际利用外资增长率通货膨胀水平居民消费价格指数预算内财政收入/财政支出外部融资作用财政自给率对创新的重视程度R&D投入强度生态银行等金融机构银行业金融机构各项存款余额银行业金融机构各项贷款余额金融当年发行A股筹集资金额发展情况证券市场上市公司数量保险机构全部保险机构保险费收入保险深度信用环境社会信用金融机构不良贷款率指标类别指标名称计算公式指标说明股权融资净额用年末总市值代表反映股权融资规模投入指标股权融资结构留存收益/所有者权益反映股权融资结构外源股权融资成本每股股利/每股市价反映股权融资成本公司的市场价值/资产重置成托宾Q本=（流通股市值+优先股反映企业价值产出指标市值+负债）/总资产净资产收益率净利润/净资产反映盈利能力营业收入增长率（本期营业收入-上期营业收入）/上期营业收入反映成长能力宏观经济水平环境指标作用金融发展情况根据得到的评分值反映外部融资生态信用环境（1）三阶段Super-SBMDEA文章采用三阶段Super-SBMDEA模型对新一代信息技术产业的股权融资效率进行评价。Fried(1999，2002)指出传统DEA模型没有考虑环境因素和随机噪声对决策单元效率评价的影响，其先后发表的两篇文章探讨了如何将环境因素和随机噪声引入DEA模型。第一阶段运用传统DEA进行分析，文章采用Tone在2002年提出的Super-SBM模型，能够有效克服径向和角度的选择所带来的偏差，并且可以对有效单元进行排序。第二阶段借助于SFA回归，将第一阶段的松弛变量对环境变量和混合误差项进行回归，从而对原始的投入产出变量进行调整，剔除环境因素和随机干扰的影响。Sni=f(zi；茁n是第)+vni+滋ni；i=1，2，...，I；n=1，2，...，N其中，Snii个决策单元第n项投入的松弛值；zi是环境变量，茁n是环境变量的系数；vni+滋ni是混合误差项，vni表示随机干扰，滋ni表示管理无效率。第三阶段运用调整后的投入产出变量再次运用Super-SBM模型测算各决策单元的效率。（2）Malmquist指数分析MalmquistMalmquist在1953生产率指数最早是瑞典经济学和统计学家Malmquist年提出的，用来分析不同时期的消费变化。的思想用到了生产分析上。19941982Sten年，Caves等将年，Fare，Grosskopf，Norris和Zhang建立了用来考察两个相邻时期全窑87窑2019年第3期要素生产率变化Malmquist分解为技术效率变化和技术变化，技术效率变化又可以分解为纯生产率指数，进而应用(TotalFactorProductivityShephardchange距离函数将生产率变化，TFPchange)的技术效率变化和规模效率变化。三、实证分析文章以巨潮资讯网公布的深证战略性新兴产业指数中包含的200家公司为样本，根据其公司所属行业和主营业务产品将其按照七大战略性新兴产业进行分类，其中数量最多的是新一代信息技术产业共98家，占比接近一半。为了全面考察新一代信息技术产业的融资生态和股权融资效率变化，选择20162012-样本后，最终获得年作为研究期间，剔除上市年限不到五年和数据有缺失的72个样本，从表3可以看到72家样本上市公司主要分布在13个地区，北京、广东的样本企业数量最多，浙江、江苏、上海次之，其他地区较少。指标数据来自《中国金融统计年鉴》、《中国统计年鉴》、中国区域金融运行报告》、各地区统计年鉴和国泰安数据库。地区北京广东浙江江苏上海四川湖北福建山东河南安徽辽宁河北样本数221985532221111为消除异常值的影响，对主要变量进行5%水平的处理，运用熵值法赋予权重，最终得到近五年各地区外部融资生态的变化，见表4。省份2012年2013年2014年2015年2016年平均排序安徽省0.25930.21710.19700.10500.20580.19688北京0.71200.62080.78420.67470.72820.70401福建省0.25050.25000.220.15060.19690.21497广东省0.56110.69340.57090.49530.57940.58002河北省0.21180.10310.11530.10830.21510.150712河南省0.27750.13680.13460.13230.16590.169411湖北省0.19550.16240.20300.15380.19350.181610江苏省0.47110.43370.43400.350.51390.44144辽宁省0.19170.19420.10260.06510.11900.134513山东省0.39060.330.27780.23630.31050.31086上海0.52520.51370.48660.55340.56580.523四川省0.26150.20730.22150.12050.14090.19039浙江省0.45340.39620.34780.31240.46010.39405平均0.36620.32830.31550.26630.33810.32292012-2015从不同年份来看，新一代信息技术业的外部融资生态评分2012年不断下降，2016年开始有所回升，但是未恢复到GDP9.3%增速从年的水平。这和我国宏观经济发展走势有密切关系，我国阶段的根本性转换，告别了以前的高速增长阶段，因而融资生、7.8%2011、7.7%年起开始跌破、7.3%、6.9%10%、，6.7%2011-2017、6.9%年增速分别为，是经济增长态受到“新常态”的影响。从不同地区来看，各地区的融资生态评分的排名比较稳定，北京、广东、上海保持前三，其次是江苏、浙江，这五个地区的评分值和其他地区有较大差距，高于平均水平。大多数地区五年的融资生态变化都是符合前四年下降，2016年有所改窑88窑善的规律，个别地区在中间几年有所波动。（1）数据非负化处理出现负数，因此要对原始数据进行标准化处理，具体方法如下：DEA模型要求投入、产出指标为正数，而实际数据可能会标准化数据=0.1+某项指标原始数据-该项指标中原始数据最小值该项指标中原始数据最大值-最小值伊0.9（2）静态股权融资效率分析第一，整体股权融资效率分析。运用DEA-SolverPro软件，采用super-SBMDEA模型对72家新一代信息技术业2012-2016年的数据进行分析，得到第一阶段样本公司股权融资效率，见表5，可知2012-2015年新一代信息技术产业的股权融资效率逐步下降，2016年有所回升，但是还没有达到20122012比36.11%年效率值最高，有年水平，和外部融资生态的变化趋势一致。；2015年效率最低，只有26家样本公司股权融资效率为有效，占15家样本公司有效。五年均有效的有4家企业，广东省的德赛电池、银之杰、信维通信和浙江省的东方日升，大多数企业的股权融资效率变化幅度不大，但是也有个别企业波动较大，比如广东省的同洲电子，2014-20162013年在0.5年均有效，尤其是左右。2016年达到2以上，但是2012-效率均值20120.7734年20130.6802年20140.67年20150.5876年20160.6823年效率为有效的样本个数26家18家20家15家20家将第一阶段得到的投入变量的松弛变量作为因变量，以外部融资生态的四个变量作为自变量，借助Frontier4.1软件进行SFA对因变量同一方向的制约作用，因此剔除环境因素和随机干扰回归分析，发现五年中环境变量的系数有正有负，未形成因素是必要的。根据前文的模型公式，分解出环境变量调整和随机扰动项调整，进而对原始投入数据进行调整，把所有样本公司置于同样的最差的环境平台并拥有同样的运气。前2012年后前2013年后前2014年后前2015年后前2016年后安徽省1.3601.1440.5810.6010.4490.4520.3200.3480.4410.460北京0.7580.7810.6980.70.6180.6970.4950.5000.6090.617福建省0.5570.5820.5210.4520.8050.8560.7080.4570.7600.788广东省0.7400.7590.6730.6900.40.6130.6290.6020.8520.860河北省0.7160.6700.6380.6700.4120.3930.3730.3710.10.555河南省1.0360.5580.3330.3520.30.3570.3770.4040.4570.457湖北省0.5140.4940.4170.3790.3800.3860.4020.3560.4710.493江苏省0.6690.6020.7000.4770.6570.5160.90.80.70.676辽宁省0.4920.3960.3750.3420.5380.3550.7100.4780.4470.359山东省0.8130.7930.5970.5850.4720.4680.2910.2960.3670.387上海0.8210.7720.8040.7620.9430.9250.8140.7910.6180.川省1.0230.7440.8620.7920.7810.7380.6600.6740.7570.509浙江省0.8840.7200.7160.8440.7360.7910.7620.7600.7320.774在第二阶段结果基础上，再次采用super-SBMDEA模型，按地区分析新一代信息技术业股权融资效率，与第一阶段结果《进行对比，见表6。可以看到，调整后的新一代信息技术业的股权融资效率大部分仍符合2012-2015年逐渐下降，2016年有所回升的规律。从不同地区来看，上海、浙江、广东的新一代信息技术业股权融资效率较高；辽宁省、河南省、湖北省的股权融资效率较差。从调整前后的效率变化来看，见图1，大多数地区新一代信息技术业的股权融资效率在调整后下降了，辽宁、四川、江苏下降幅度较大，广东、山东、河北下降幅度很小，北京和浙江小幅度上升。0.90.80.70.60.5调整前均值调整后均值0.40.3安徽北省京福建广河河湖江辽山上四浙省东省北省南省北省苏省宁省东省海川省江省第二，外部融资生态对股权融资效率影响分析。为进一步分析外部融资生态对股权融资效率的影响，将13个地区2012-2016年调整后的股权融资效率作为因变量，将反映外部融资生态的四个变量作为自变量，利用Stata软件进行面板数据Tobit回归，结果见表7。可知宏观经济和金融发展水平与股权融资效率呈显著的正相关关系；作用能促进股权融资效率提高，但是未通过显著性检验；信用环境与股权融资效率呈显著负相关关系。四个环境变量对股权融资效率的作用不一，因而第二阶段中不同外部融资生态的新一代信息技术业融资效率在被置于同样的恶劣环境和排除随机干扰因素后效率有的被调高，有的则降低。X1YCoef.Std.X21.42840.3535Err.4.0400t0.0000P>|t|[95%0.7355Conf.Interval]1.152.1213X31.080.3236-1.20981.3638-2.74002.24000.36100.02500.09003.3193常数项X4-3.73310.72420.91000.35120.05806.05000.00600.0000-6.40610.2375-1.06001.35840.4650（3）动态股权融资效率分析第一，整体股权融资效率分析。Deap2.1文章在三阶段软件对调整后的投入产出数据测算super-SBMDEA模型分析的基础上，运用分析新一代信息技术业在Malmquist指数，动态82012-2016年间股权融资效率，见表变化呈波浪状，先上升后下降又回升，。整体来看，2012-2016年间新一代信息技术业股权融资效率0.975，年均下降了2.5%，究其原因主要是Malmquist2014-2015指数均值为幅度的下降。年有较大融资效率的变化是技术效率指数和技术进步指数共同作用的结果，两个指数的变化也都呈波浪状。技术效率指数年均增新一代信息技术产业股权融资效率研究长0.6%，说明新一代信息技术业上市公司因投融资技术进步在一定程度上实现了融资成本降低或产出增加。技术进步指数年均下降了3%，主要是2014-2015年技术进步指数仅为0.5，技术进步指数的下降最终导致了股权融资效率的下降。技术衰退的原因与我国研发经费和人员的增速减缓有一定的关系，研发经费投入总额、投入强度和研发人员在一定程度上能够体现创新能力的发展，2014-2015年各地的经费和人员投入增幅减缓，有的甚至出现了下降，比如北京市2013年研发投入强度为1.%5.98%，，20142014年下降到年下降到1.52%5.95%，2015，辽宁省年进一步下降到的研发投入1.27%2013。年为技术效率指数可以分解为纯技术效率指数和规模效率指数，这两个指数的变化也呈波浪性，但是波动较平稳。2016管理水平较高，利用现有投入生产相应产出的能力较强。规模年间纯技术效率指数均值为0.997，比较接近1，说明企业2012-效率指数均值为1.009，说明各年总体上资金投入和产出符合规模收益。年份技术效率技术进步纯技术效率规模效率指数指数指数指数Malmquist指数2012-20132013-2014年0.9272014-2015年1.0261.0220.9350.7751.0510.90.9921.0380.9482015-2016年1.3870.50.9160.8471.0780.456均值年1.0061.3980.971.1660.9971.0091.191.9390.975第二，分地区股权融资效率分析。将72家样本公司按照不同地区分类，动态分析2012-2016年间的股权融资效率，见表9。整体来看，河北省平均股权融资效率是提高的，从前面的分析可以看到，河北省的外部融资生态评分并不高，在13个地区中排名12，调整后的股权融资效率排名第9位，五年间调整前后的股权融资效率差别不大。福建省基本保持不变，其他各省都有一定程度的下降，江苏、浙江、北京、广东、湖北相对下降幅度较小。将Malmquist指数进行分解，浙江、福建、江苏、河北、辽宁、北京、广东的技术效率指数大于1，上海、湖北也接近1，说明大多数地区的技术效率是提高的，Malmquist指数的下降主要是由于技术进步指数的下降引起的。技术进步指数中，新一代信息技术业不是很发达地区，比如河北、河南、四川的技术进步指数大于1，有较多样本企业、产业发展程度较高的北京、广东、上海、江苏、浙江的技术进步指数反而不高，主要是因为新一代信息技术业欠发达地区的基础比较薄弱，随着新一代信息技术业被确定为战略新兴产业的七大产业之一，在“十二五”期间得到了各地的重视和扶持，相对发展较快，而在基础较好的地区要有进一步的提升还需要付出更大的努力使技术进步水平始终保持上升趋势。将技术效率指数进行分解，大多数地区的规模效率指数大于1，说明总体上资金投入和产出符合规模收益。福建、河北、江苏、浙江、湖北的纯技术效率指数大于1，北京、广东、辽宁、上海也比较接近1，说明大多数新一代信息技术业上市公司的管理较有效。窑窑2019年第3期分地区均值技术效率技术进步纯技术效率规模效率指数指数指数指数Malmquist指数安徽省0.9400.9240.9411.0000.869北京福建1.0020.998广东省1.0370.9761.0211.004河北省1.0020.9670.9981.0160.97770.978河南省1.0160.9751.0191.0041.0020.9971.058湖北省0.9651.0420.967江苏省0.9961.0020.9900.9650.9990.986辽宁省1.0280.9681.0060.90.995山东省1.0050.9571.0171.0110.962上海0.9810.9570.9981.0070.938四川省0.9980.9500.9571.0270.948浙江省0.9621.0511.0110.9950.9380.9551.0021.0081.0081.0440.98610.972四、结论和建议文章采用熵值法对72家新一代信息技术业上市公司所处的外部融资生态进行了评价，然后采用三阶段super-SBMDEA模型剔除了外部环境和随机因素的影响，对股权融资效率进行了静态和动态分析，得到以下结论：第一，从不同年份来看，新一代信息技术业的外部融资生态评分从2012年开始不断下降，2016年开始有所回升，但是并未达到2012年的水平。从不同地区来看，各地区的融资生态评分的排名比较稳定，北京、广东、上海保持前三，其次是江苏、浙江，这五个地区的评分值和其他地区有较大差距，高于平均水平。第二，新一代信息技术业的股权融资效率在2012-2015年逐渐下降，2016年有所回升。从不同地区来看，上海、浙江、广东省的新一代信息技术业股权融资效率较高；辽宁省、河南省、湖北省的股权融资效率较差。从调整前后效率变化来看，大多数地区新一代信息技术业的股权融资效率在调整后下降了，辽宁、四川、江苏下降幅度较大，广东、山东、河北下降幅度很小，北京和浙江小幅度上升。第三，新一代信息技术业的股权融资效率受到外部融资生态的影响，宏观经济和金融发展水平与股权融资效率呈显著的正相关关系；作用能促进股权融资效率提高，但是未通过显著性检验；信用环境与股权融资效率呈显著负相关关系。第四，动态来看，2012-2016年间新一代信息技术业股权融资效率变化呈波浪状，先上升后下降又回升，Malmquist指数均值为0.975，年均下降了2.5%。将Malmquist指数进行分解可以看到它的下降主要是由于技术进步指数下降引起的。分地区来看更为明显，13个地区中仅有三个地区的技术进步指数大于1，其他地区都出现了一定程度的技术衰退。将技术效率指数进行分解，可以看到规模效率指数大于1，说明总体上资金投入和产出符合规模收益；纯技术效率接近1，说明企业管理水平较高，利用现有投入生产相应产出的能力较强，但仍有一定的上升空间。综上所述，新一代信息技术业的股权融资效率受到外部融资生态的影响，技术进步是提升股权融资效率的有效途径，技术衰退会引起效率降低。各地应建立有利于促进新一代信息窑90窑技术业发展的创新氛围，建立良好的信用环境，保持区域经济的稳定发展，发挥的扶持作用，进一步发展不同层次的资本市场、拓宽企业融资渠道，从而创造有利于产业发展的外部融资生态。从企业自身来讲，要注重提升纯技术效率，在进行股权融资时要注重优化企业的资本结构，保持适度的股权制衡度，规范企业的股权融资行为，提高经营管理水平。外部融资生态优化和内部股权融资行为规范共同作用才能有力提升新一代信息技术业的股权融资效率。【参考文献】[1]WurglerSchoolofJ.ManagementFinancialWorkingmarketsPapersandthe，2000allocation，58(1–of2)capital：187-214.[J].Yale[2]AlmeidariumH，WolfenzonD.Theeffectofexternalfinanceontheequilib原[3](1)Al-Awadhi：133-1.allocationofcapital[J].JournalofFinancialEconomics，2005，75nancialDevelopmentH，DashtiN，KhanaferM，etal.CorporateTransparency，Fi原[4][J].刘力昌，Abacus，2014，44(1)and：1-21.theAllocationofCapital：EmpiricalEvidence价[J].系统工程，冯根福，张道宏等2004，22(1).基于：55-59.DEA的上市公司股权融资效率评[5]陈慧莉究[D]..西南财经大学，基于DEA方法的我国上市生物制药公司股权融资效率研2011.[6]曾畅2013..文化创意产业上市公司股权融资效率研究[D].贵州财经大学，[7]郭进究所，.2014.战略性新兴产业融资效率问题研究[D].财政部财政科学研[8]魏志华，上市公司的实证研究曾爱民，李博.[J].金融生态环境与企业融资约束——会计研究，2014(5)：73-80.—基于中国[9]刘平，[J].中外企业家，贺武.基于熵值法的浙江省中小板上市公司股权融资效率研究[10]李露丹，2015(5)：15-19..商业时代，张敏2015(24).基于熵值法的农业上市公司股权融资效率分析：92-94.[J].[11]会计之友，汪华林.基于2015(10)DEA：87-.的我国房地产上市公司股权融资效率分析[J].[12]刊，张征超，2016(3)张婷婷：55-58..创业板上市公司股权融资效率测评[J].财会月[13]张婷婷渤海大学，.创业板上市公司股权融资效率评价及影响因素研究2016.[D].[14]张晓东财经大学，.基于DEA2016.方法的山东省上市公司股权融资效率研究[D].山[15]李露丹农业大学，.我国农业上市公司股权融资效率及其影响因素研究2016.[D].[16]学，田娟娟2016..战略性新兴产业融资的效率与风险研究[D].东北财经大[17]王琼，基于2009-2014耿成轩.江苏省战略性新兴产业上市公司融资效率研究——年面板数据[J].华东经济管理，2016，30(7)：14-20.—[18]李素梅，陈琛，徐继明析———基于DEA-Logit模型的实证研究.我国新能源汽车产业融资效率评价与分[J].科技管理研究，2016，36[19](18)赵丽丽：57-63.[J].武汉金融，.金融生态环境、企业社会资本与科技创新企业融资效率2016(5)：35-38.
