金融支持政策是政府实施管制性金融剩余动员，并通过银行信贷干预、差别化贷款利率管理等措施，为公有经济部门配置超过市场竞争均衡水平的信贷资金并相应提供金融租金补贴的一系列制度安排。
摘要：本文将DEA模型与Bootstrap方法相结合，对重庆市37家战略性新兴产业上市公司2014年的金融支持效率进行测算，并对其纯技术效率和规模效率进行聚类分析。研究结果表明：重庆战略新兴产业的金融支持效率没有达到有效前沿面，主要在于纯技术效率的低效。板块分析来看，新三板市场的金融资源配置效率最高，其次是主板市场，而创业板市场的效率最低。聚类分析则表明，重庆战略性新兴产业的金融支持模式不存在双高型，而双低型公司则占到近六成。在此基础上，本文提出了提高重庆金融支持战略性新兴产业效率的建议。
关键词：金融支持;效率;Bootstrap-DEA方法;战略性新兴产业
一、引言
由于战略性新兴产业具有高投入、高风险的特点，因此在培育和发展的初期亟需金融资源的强有力支持。金融资源是有限的，金融支持效率的高低将对培育战略性新兴产业起到重要的影响作用。因此，现阶段从效率的角度来研究重庆战略性新兴产业的金融支持，将具有更为现实意义。由于战略性新兴产业的概念提出时间较短，在此类产业中的金融资源数据，要么因为公开程度不高而难以获取，要么因为数据时间序列不够长难以进行计量分析，因此相关金融支持效率的研究主要对上市公司进行样本分析。本文在前人研究基础上，选择与重庆十二五规划提出的战略性新兴产业相关的上市公司为研究对象，运用DEA模型与Bootstrap方法相结合的方式，对这些企业2014年的财务数据进行测算，以此评价重庆战略性新兴产业的金融支持效率。
二、文献综述
(1)国外相关文献
berg(2003)以及Casamatta(2003)则认为风险投资能较好地解决新兴产业融资过程中面临的融资门槛高、信息不对称和道德风险等问题，有效地促进了技术创新[6-7]。
(2)国内相关文献
自我国提出战略性新兴产业以来，我国学者就对金融支持战略性新兴产业进行了广泛的研究，致力于如何更好地发挥金融功能，促进战略性新兴产业发展。从现有文献来看，国内学者主要集中于战略性新兴产业的金融支持模式、金融体系构建以及金融创新等方面，取得了丰富的研究成果，为金融与战略性新兴产业的有效结合提供了思路和参考，较少有从效率角度来评估金融支持战略性新兴产业的实际效果。
综上所述，从现有文献来看，国外学者主要研究某种金融主体或融资方式对新兴产业的影响。国内学者则主要研究战略性新兴产业的金融支持模式、金融支持体系和金融创新。然而我们认为，虽然金融资源对于战略性新兴产业的发展是不可或缺的因素，但我国仍然还是一个发展中国家，拥有的金融资源有限。那么，从效率的角度来评估金融支持战略性新兴产业就具有更为实际的意义。
三、理论研究方法与数据处理
(1)理论模型选择与构建
DEA模型是由Charnes等提出的，它基于规模报酬不变假设，测算的是决策单元的技术效率(Technical Efficiency，简称TE)[14];而Banker等则基于可变规模报酬的假设对DEA进行修正提出了BCC模型，并对技术效率进一步分解为纯技术效率(Pure Technical Efficiency，简称PTE)和规模效率(Scale Efficiency，简称SE)，表示造成技术无效率的原因在于决策单元管理无效造成资源浪费以及决策单元未达到最佳生产规模而造成的无效[15]。考虑到重庆战略性新兴产业的公司对金融资源配置规模是可变的，所以选择用BCC模型进行分析。同时，基于金融内生理论，将金融支持视为影响战略性新兴产业发展的内生因素，故将其作用机理假设为一个金融支持和战略性新兴产业的黑箱，满足BCC模型多投入多产出的要求，以此测算重庆金融支持战略性新兴产业的效率。
其中，xij为第j个公司的第i种金融投入，yij为第j个公司的第r种效益产出，m、s和n分别表示金融投入、效益产出和公司的个数，?兹为决策单元的效率值。
需要注意的是，虽然DEA方法具备一些参数估计法所不可比拟的优点，但由于观测样本有限以至于测算得到的效率值难以回避样本敏感性和极端值影响的问题。而Kniep等也指出，通过DEA模型得到的效率值实际上是一种相对效率，相对于绝对效率值来说，是有偏的、不一致的估计量[16-17]。基于该原因，Simar和Wilson提出了Bootstrap-DEA方法来解决该缺陷。Bootstrap-DEA方法用重复自抽样的方法来推断DEA估计值的经验分布，通过引入针对非参数距离函数估计的Bootstrap纠偏方法对技术效率及其变化进行更为精确的测算，以此改善传统DEA估计量的一致性[18]。Bootstrap-DEA方法的详细步骤如下：
(2)变量的选取
本文研究目的是评价重庆市战略性新兴产业上市公司金融支持效率，在借鉴已有研究文献有关指标选择标准的基础上，建立了能够反映金融支持战略性新兴产业的投入产出指标体系(见表1)。
1、投入指标
投入指标用金融要素的投入表示，考虑到企业的间接融资、直接融资和自有资金，本文选取金融机构借款率、股权融资率和自有资金支持率作为金融投入指标。其中，金融机构借款率为长短期借款之和/总资产，反映了贷款对战略性新兴产业上市公司经营发展的影响;股权融资率为(股本+资本公积)/总资产，反映了直接融资对公司经营发展的作用;自有资金支持率为(盈余公积+未分配利润)/总资产，反映了公司的留存收益对其经营发展的影响。
2、产出指标
为较为全面的反映公司的发展水平，从资本运营和企业成长性来衡量资金利用状况，则选取净资产收益率和主营业务收入增长率作为产出指标。其中，净资产收益率为净利润/净资产，反映了公司资本运营的综合水平;主营业务收入增长率为(本年主营业务收入-上年主营业务收入)/上年主营业务收入，反映了公司的成长能力。
(3)数据来源与处理说明
1、数据来源
2、数据标准化处理
由于DEA模型对投入产出指标的数值都要求必须大于零，但实际获得数据中，投入产出指标的数值存在负值，因此需要对数据进行标准化处理，具体操作方法为式(2)：
四、实证结果与分析
(1)DEA模型的实证分析
从各个板块来看，主板市场的技术效率平均值为0.708，纯技术效率和规模效率的平均值分别为0.825和0.866。其中，只有2家公司的金融资源配置效率达到有效前沿面。中小板市场的技术效率为0.678，而纯技术效率为0.775是造成中小板效率低效的主要原因。创业板市场的技术效率是四个板块中最低的，仅为0.608，主要是因为纯技术效率和规模效率均低于0.8。新三板市场的技术效率为0.776，是四个板块中最高的，其中有5家公司的效率值为1，达到有效前沿面。
(2)Bootstrap-DEA的实证分析
参考文献：
[3]R. Morck，M. Nakamura. Banks and Corporate Control in Japan[J]. Journal of Finance 1999， 54：319-339.
[4]Alessandra C，Stoneman P. Financial Constraints to Innovation in the CK： Evidence from CIS2 and CIS3[J]. Oxford Economic Papers，2008，60(4)：711-730.
[7]Casamatta，Catherine. Financing an Advising： Optmial Financial Contracts with Venture Capitalists [J]. Journal of Finance，2003，58(5)： 2059-2086.
[9]熊正德，詹斌，林雪.基于DEA和Logit模型的战略性新兴产业金融支持效率[J].系统工程，2011(6)：35-41.
[19]Simar L，Wilson P W.Sensitivity analysis of efficiency scores： How to bootstrap in nonparametric frontier models[J]. Management Science，1998，44(1)： 49-61.
