论文部分内容阅读
摘 要： 以2008～2018年国内32家光伏产业上市公司的面板数据为研究对象，运用DEA-Tobit模型研究了我国光伏产业的融资效率及其影响因素，并构建了Malmquist生产力指数从动态的角度分析融资效率。结果显示，近年来国内光伏产业上市公司融资效率波动幅度较大，整体存在一定的下降趋势，仍具有广阔的提升空间;净利润、销售净利润率、主营业务成本率、现金比率与公司融资效率存在显著的正向效应，而流动负债与公司融资效率呈显著的负向效应。基于此，提出优化上市公司规模、拓宽融资渠道、政府相关部门引入新的融资方式等建议。
关键词： 光伏产业 融资效率 DEA-Tobit模型 Malmquist生产力指数
一、引言
近年来，国内光伏产业进入了新的发展周期，有效地缓解了能源紧缺和工业污染双重压力。但是，国内光伏产业也存在“产能过剩、高耗能、高污染”现象，过度依赖海外市场，光伏产业投资存在回报周期长、风险高以及收益低的特点，补贴发放不及时、弃光限电行为以及欧美国家的“双反”调查等问题也影响着金融机构贷款决策，这些因素综合造成了光伏产业链发展的不协调、技术更新速度的缓慢。基于此，通过研究国内光伏产业上市公司的融资状况，从定性和定量两方面评价国内光伏产业上市公司的融资效率，分析了影响融资效率的主要因素，为国内光伏产业开拓市场、改善产业的资源配置结构以及加快产业技术的创新提出科学合理的建议。
二、文献综述
融资效率是反映特定区域资本管理绩效和运营资金资源能力的重要指标。从微观角度定义融资效率，即企业通过合理的融资方式筹集资本，使得筹集的资本达到产出高效化、企业价值最大化的能力。
光伏产业属于资本与劳动依赖型产业，由于国内经济形势和产业结构现状，国内学者对其融资效率方面进行了广泛的研究。李小玄（2016）说明了制约光伏产业发展主要是由于分布式光伏融资难造成的，论证了采用众筹融资的可行性和具体方式;朱立萍（2017）基于国内光伏产业在海外陷入困境的视角，探讨了在西方国家采取"双反"贸易调查政策下如何促进我国光伏产业实现持续健康发展的问题。廖爽（2019）以商品生命周期、外部性、转移支付和政府补贴四大理论为基础，得出了产业补贴力度与企业融资效率存在负相关性，研发投入与企业融资效率存在正相关性等结论。
综上所述，现阶段对于光伏企业融资效率的研究更偏向于选取在某一年某几家企业为研究对象进行理论研究与静态分析，且现存文献主要集中于运用主成分分析法、层次分析法和因子提取法进行实证分析。为此，本文将从沪深股市中选取32家光伏产业上市公司作为研究样本，主要探析光伏产业融资效率的现状和影响因素的运作机制。
三、研究方法、指标体系构建与数据来源
（一）研究方法
1.DEA模型。数据包络分析方法（Data Envelopment Analysis，DEA）是1978年由美国运筹学家A.Charnes和W.W.Cooper提出的，它主要运用线性规划原理，对同类型决策单元（DMU）的多项投入指标和多项产出指标进行整体效率测评，现广泛运用于保险、银行、环保以及服务业、制造业的绩效测度。为了科学有效地测度光伏产业的融资效率，本文使用以投入为导向的BCC模型，其数学表达式（1）如下：
2.Malmquist生产力指数。Malmquist生产力指数由Fare etal.（1992）提出，主要用于衡量投入与产出的差距，从而评估出对应的生产效率，因此，为了进一步从动态角度研究国内光伏产业上市公司，本文采用该指数来计算被选取样本的融资效率，以下为Malmquist生产力指数的具体定义过程及其数学计算公式：
假設A家光伏上市公司决策单元（Decision Making Uints，DMUs）使用N种投入，生产M种产出，其所有可能的投入与产出构成的生产技术集定义如下式（2）：
3.Tobit回归模型。Tobit回归模型由诺贝尔经济学奖获得者James Tobin（1958）提出，该经济计量学模型主要适应于因变量部分连续分布和部分离散分布时的情形。本文运用Tobit回归模型，得出的参数估计值具有无偏性和一致性特征，可以进一步分析影响效率的相关因素，其基本结构如下式（6）：
（二）指标体系构建
对于企业融资效率的评价指标体系通常分为投入指标和产出指标两部分，投入指标主要从融资规模和融资成本两个方面考虑，而产出指标主要表示企业发展、获利、运营、偿债四个方面的能力。上述为影响企业融资效率的主要因素，可结合企业财务管理知识进一步选取指标变量，投入指标分别选取筹资活动产生的现金流量流出额（X1/万元）和资产负债率（X2/%）;而产出指标分别对应选取营业利润增长率（Y1/%）、净资产收益率（Y2/%）、总资产周转率（Y3/%）、速动比率（Y4/%）。
（三）数据来源
按照国家相关法律对光伏企业的界定准则，目前国内大陆涉及光伏产业经营业务的上市公司数量为100多家（仅限于沪深上市的公司），主要业务范围包括研发、生产及销售光伏相关设备和控制软件，设计、安装及销售光伏工程、运维及相关技术服务等。本文研究考察的时间段为2008～2018年，考虑到上市公司的企业绩效和股票价值不稳定等因素，要按照相关准则筛选样本公司。同时去掉相关数据异常或者不完整的公司，如ST类上市公司，以此保证数据分析结论的可靠性。最后，共有32家上市光伏公司符合选取标准，成为研究样本对象。本文的决策单元数量即样本公司个数为32个，投入、产出指标变量个数为6，满足DEA样本量的要求。
本文选择国内32家上市光伏公司为样本，以2008～2018年的年度财务数据为面板数据，各投入产出指标变量的原始数据来源于网易财经官网中上市光伏公司发布的年报。为使数据具有可比性和合理性，可采用直线型无量纲化法对数据进行去量纲、归一化处理，如下式（7）： 四、实证研究
根据BCC模型和Malmquist生产力指数的理论知识，通过DEAP2.1软件分别测算2008～2018年间国内光伏产业上市公司的融资效率，对32家光伏产业上市公司的融资效率进行实证测度。
（一）光伏产业上市公司融资效率静态分析
本步骤通过BCC模型对32家光伏产业上市公司的融资效率进行计量和分析，模型输出的结果（见表1）包括综合效率和它的两个细分项：纯技术效率和规模效率。
如表1所示，国内光伏产业上市公司融资的综合效率在2008～2018年期间整体处于波动状态，在2010年达到最高水平，大约为0.664。从综合效率有效的公司数量上看，2010年有效的公司数量最多为9个，占到样本总量的28.2%左右。自2011年起，综合效率有效的公司数量开始逐年下降，降幅达到了77.8%。这说明了最近几年国内光伏产业融资效率的整体水平开始降低，部分上市公司存在资金投入产出比率较低的问题，融资效率亟待解决。
从纯技术效率和规模效率两方面对比分析，发现国内光伏产业上市公司在纯技术效率方面整体水平较低，而规模效率整体水平偏高。但纯技术效率有效的公司数量相比规模效率较高，这可能是由于融资水平分布不平衡或者低融资效率的上市公司数量较多造成的，从而形成了光伏产业融资效率的不稳定性。
（二）光伏产业上市公司融资效率动态分析
由于BCC模型只能测算静态的融资效率，无法反映与衡量因技术进步导致效率前沿面发生动态变化的融资效率。为了解决这一问题，本文引入Malmquist生产力指数，以2008年为基期，计算出上市公司在观察期内的全要素生产率及其分解项。
由表2可知，2009～2018年国内光伏产业上市公司的全要素生产率TFP经历了下降、上升、再下降的循环波动过程，其均值为1.152。按照全要素生产率的细分项方面，技术进步变化波动较大，整体与全要素生产率变化一致，而技术效率波动范围较小，这说明了技术进步变化与全要素生产率存在较强的同向相关。
另外，全要素生产率和技术进步变化在2010至2012年间迅速上涨，上升了约200%，而2012年由于欧美国家采取“双反政策”，导致两者急剧下降，幅度达到了75%左右。自从2014年起，政府加大光伏扶持政策制定的力度，国内光伏产业发展趋于良好，全要素生产率和技术进步变化恢复到了1.1至1.7之间。这说明国内光伏产业上市公司发展受到外部环境的影响较密切，且融资效率与企业规模、内部管理及技术创新存在较强的相关性，当上市公司加强技术创新和改善发展环境时，融资效率也随之提高。
（三）Tobit回归模型分析
为进一步研究国内光伏产业融资效率的影响机制，本文以影响光伏产业融资效率的因素作为解释变量（见表3），以BCC模型得出的综合效率CRSTE作为被解释变量，构建Tobit回归模型。
根据VIF理论，多重共线性判断临界值为10，当大于10，说明各解释变量之间存在共线性，且越大共线性越大。而由表5可知，解释变量的方差膨胀因子最大值为2.042，均值为1.4776，远小于10，说明NP、CL、MBCR、CR、NSIR之间不存在多重共线性。
3.结果分析。根据上述数据检验的过程，充分说明采集的数据具有科学性和可用性。本文运用了Stata12.0软件进行运行和分析，结果见表6。
第一，理论假设A成立，光伏产业上市公司净利润与融资效率为正相关，且通过了显著性检验。净利润是获得投资收益数量的基本影响因素，是进行运营管理决策的基础，也是上市公司融资效率的主要指标。净利润越高，光伏产业上市公司的融资效率就高。
第二，理论假设B成立，光伏产业上市公司销售净利润率与融资效率为正相关，且通过了显著性检验。销售净利润率是反應通过光伏产业上市公司销售产品所获得税后利润的能力，销售净利润率的数值越大，说明上市公司的融资效率也越好。
第三，理论假设C成立，光伏产业上市公司主营业务成本与融资效率为正相关，且通过了显著性检验。主营业务成本以货币形式计量产出一定种类与数量产品耗费资本资源的经济价值，它可以反映光伏上市公司的运营能力，以避免上市公司发生重大的投资失误。
第四，理论假设D成立，光伏产业上市公司现金比率与融资效率为正相关，且通过了显著性检验。现金比率一般维持在20%左右较为适宜，若现金比率过高，说明了光伏产业上市公司流动资本使用不充分，资本的机会成本增加，从而导致了融资效率的降低。
第五，理论假设E成立，光伏产业上市公司流动负债与融资效率为负相关，且通过了显著性检验。目前国内光伏产业上市公司财务杠杆率过高，一定程度上影响到了融资效率。光伏产业上市公司必须制定和落实去杠杆政策，积极拓宽融资途径，降低资产负债率，从而提高融资效率。
五、结论与建议
基于国内32家光伏产业上市公司考察期内的面板数据，本文建立了光伏产业上市公司融资效率影响因素指标体系，然后从静态和动态两方面对研究对象的融资效率进行了分析和度量。研究结果显示：第一，静态方面，纯技术效率和规模效率较高，共同导致样本期内被考察光伏上市公司综合效率处于较好的水平。但最近几年由于规模效率的下降导致综合效率存在较小幅度的下降，影响了光伏产业整体的融资效率水平，亟待改善;第二，动态方面，近十年里国内光伏产业上市公司的全要素生产率TFP均值为1.152，波动幅度较大，整体呈下降趋势;第三，净利润、销售净利润率、主营业务成本率、现金比率与公司融资效率存在显著的正向影响效应，而流动负债与公司融资效率呈显著的负向影响效应。
基于以上实证结果，为进一步提高国内光伏产业上市公司的融资效率，促进光伏产业协调、可持续性发展，本文提出以下几点建议：
第一，优化上市公司规模，完善公司内部资金运营管理预控制度，提升资本的配置效率。光伏产业上市公司要合理调节资本资源，使生产规模符合公司当前战略发展的需求，可以协调各生产要素的充分投入达到最佳水平。同时，加强资本管理，严控资本使用环节，可以保证融资的科学性，提高公司整体融资效率。 第二，拓宽融资渠道，优化融资结构。金融市场需完善多层次融资渠道的建立，支持中小光伏企业融资，促进规模报酬递减的企业的融资渠道多元化。光伏产业上市公司也要明确企业的经济环境和竞争战略，根据公司发展情形选取合适的融资模式，进行资本结构的优化调整，以实现股东权益最大化，即达到融资效率的最优目标。
第三，政府相关部门应积极落实光伏产业的发展政策，积极引入新的融资方式。商业银行需加大对光伏企业的信贷支持力度，提供创新性金融产品和服务形式如ABS、贴息贷款和延长放贷周期（15—20年）等。政府也要积极探索新融资方式，可通过资产证券化引导金融机构介入投资领域，逐步实现光伏产业融资效率的合理性、广泛性和普遍性。
参考文献：
[1]姜沣珊.我国旅游类上市公司融资效率评价及优化策略研究[D].湖南师范大学，2018.
[2]李小玄.我国分布式光伏发电项目众筹融资模式研究[D].西北大学，2016.
[3]朱立萍.新形势下防止我国光伏产品出口重新陷入困境的探析[J].对外经贸实务，2017（05）.
[4]廖爽.政府补贴、研发投入对我国光伏企业财务绩效的影响效应分析[D].对外经济贸易大学，2019.
[5]陈遵一、基于DEA方法的安徽城市工业生态效率评价[J].商业时代，2012（11）.
[6]刘亚铮，彭慕蓉.我国不同所有制新能源上市公司技术效率的比较研究——基于面板数据的DEA-Malmquist实证研究[J].工业技术经济，2015，34（03）.
[7]周华林，李雪松.Tobit模型估计方法与应用[J].经济学动态，2012（05）.
[8]龚三乐，刘丽辉.东部地区11省市体育公共产品供给效率差异及影响因素分析——对DEA-Tobit模型的运用[J].经济研究参考，2016（47）.
[9]宋明顺，黄佳，张士朋，戚彬芳.多指标正交试验设计去量纲准则及方法研究[J].工业工程与管理，2014，19（01）.
[10]刘冬，徐焕章，周明，金玉杰，杨仕羽.融资能力对西部地区制造业上市公司转型升级路径的影响[J].西安工程大学学报，2017，31（05）.
（贾强俊，安徽财经大学会计学院。张辰，安徽财经大学国际经济贸易学院。容斯婷，安徽財经大学会计学院）
关键词： 光伏产业 融资效率 DEA-Tobit模型 Malmquist生产力指数
一、引言
近年来，国内光伏产业进入了新的发展周期，有效地缓解了能源紧缺和工业污染双重压力。但是，国内光伏产业也存在“产能过剩、高耗能、高污染”现象，过度依赖海外市场，光伏产业投资存在回报周期长、风险高以及收益低的特点，补贴发放不及时、弃光限电行为以及欧美国家的“双反”调查等问题也影响着金融机构贷款决策，这些因素综合造成了光伏产业链发展的不协调、技术更新速度的缓慢。基于此，通过研究国内光伏产业上市公司的融资状况，从定性和定量两方面评价国内光伏产业上市公司的融资效率，分析了影响融资效率的主要因素，为国内光伏产业开拓市场、改善产业的资源配置结构以及加快产业技术的创新提出科学合理的建议。
二、文献综述
融资效率是反映特定区域资本管理绩效和运营资金资源能力的重要指标。从微观角度定义融资效率，即企业通过合理的融资方式筹集资本，使得筹集的资本达到产出高效化、企业价值最大化的能力。
光伏产业属于资本与劳动依赖型产业，由于国内经济形势和产业结构现状，国内学者对其融资效率方面进行了广泛的研究。李小玄（2016）说明了制约光伏产业发展主要是由于分布式光伏融资难造成的，论证了采用众筹融资的可行性和具体方式;朱立萍（2017）基于国内光伏产业在海外陷入困境的视角，探讨了在西方国家采取"双反"贸易调查政策下如何促进我国光伏产业实现持续健康发展的问题。廖爽（2019）以商品生命周期、外部性、转移支付和政府补贴四大理论为基础，得出了产业补贴力度与企业融资效率存在负相关性，研发投入与企业融资效率存在正相关性等结论。
综上所述，现阶段对于光伏企业融资效率的研究更偏向于选取在某一年某几家企业为研究对象进行理论研究与静态分析，且现存文献主要集中于运用主成分分析法、层次分析法和因子提取法进行实证分析。为此，本文将从沪深股市中选取32家光伏产业上市公司作为研究样本，主要探析光伏产业融资效率的现状和影响因素的运作机制。
三、研究方法、指标体系构建与数据来源
（一）研究方法
1.DEA模型。数据包络分析方法（Data Envelopment Analysis，DEA）是1978年由美国运筹学家A.Charnes和W.W.Cooper提出的，它主要运用线性规划原理，对同类型决策单元（DMU）的多项投入指标和多项产出指标进行整体效率测评，现广泛运用于保险、银行、环保以及服务业、制造业的绩效测度。为了科学有效地测度光伏产业的融资效率，本文使用以投入为导向的BCC模型，其数学表达式（1）如下：
2.Malmquist生产力指数。Malmquist生产力指数由Fare etal.（1992）提出，主要用于衡量投入与产出的差距，从而评估出对应的生产效率，因此，为了进一步从动态角度研究国内光伏产业上市公司，本文采用该指数来计算被选取样本的融资效率，以下为Malmquist生产力指数的具体定义过程及其数学计算公式：
假設A家光伏上市公司决策单元（Decision Making Uints，DMUs）使用N种投入，生产M种产出，其所有可能的投入与产出构成的生产技术集定义如下式（2）：
3.Tobit回归模型。Tobit回归模型由诺贝尔经济学奖获得者James Tobin（1958）提出，该经济计量学模型主要适应于因变量部分连续分布和部分离散分布时的情形。本文运用Tobit回归模型，得出的参数估计值具有无偏性和一致性特征，可以进一步分析影响效率的相关因素，其基本结构如下式（6）：
（二）指标体系构建
对于企业融资效率的评价指标体系通常分为投入指标和产出指标两部分，投入指标主要从融资规模和融资成本两个方面考虑，而产出指标主要表示企业发展、获利、运营、偿债四个方面的能力。上述为影响企业融资效率的主要因素，可结合企业财务管理知识进一步选取指标变量，投入指标分别选取筹资活动产生的现金流量流出额（X1/万元）和资产负债率（X2/%）;而产出指标分别对应选取营业利润增长率（Y1/%）、净资产收益率（Y2/%）、总资产周转率（Y3/%）、速动比率（Y4/%）。
（三）数据来源
按照国家相关法律对光伏企业的界定准则，目前国内大陆涉及光伏产业经营业务的上市公司数量为100多家（仅限于沪深上市的公司），主要业务范围包括研发、生产及销售光伏相关设备和控制软件，设计、安装及销售光伏工程、运维及相关技术服务等。本文研究考察的时间段为2008～2018年，考虑到上市公司的企业绩效和股票价值不稳定等因素，要按照相关准则筛选样本公司。同时去掉相关数据异常或者不完整的公司，如ST类上市公司，以此保证数据分析结论的可靠性。最后，共有32家上市光伏公司符合选取标准，成为研究样本对象。本文的决策单元数量即样本公司个数为32个，投入、产出指标变量个数为6，满足DEA样本量的要求。
本文选择国内32家上市光伏公司为样本，以2008～2018年的年度财务数据为面板数据，各投入产出指标变量的原始数据来源于网易财经官网中上市光伏公司发布的年报。为使数据具有可比性和合理性，可采用直线型无量纲化法对数据进行去量纲、归一化处理，如下式（7）： 四、实证研究
根据BCC模型和Malmquist生产力指数的理论知识，通过DEAP2.1软件分别测算2008～2018年间国内光伏产业上市公司的融资效率，对32家光伏产业上市公司的融资效率进行实证测度。
（一）光伏产业上市公司融资效率静态分析
本步骤通过BCC模型对32家光伏产业上市公司的融资效率进行计量和分析，模型输出的结果（见表1）包括综合效率和它的两个细分项：纯技术效率和规模效率。
如表1所示，国内光伏产业上市公司融资的综合效率在2008～2018年期间整体处于波动状态，在2010年达到最高水平，大约为0.664。从综合效率有效的公司数量上看，2010年有效的公司数量最多为9个，占到样本总量的28.2%左右。自2011年起，综合效率有效的公司数量开始逐年下降，降幅达到了77.8%。这说明了最近几年国内光伏产业融资效率的整体水平开始降低，部分上市公司存在资金投入产出比率较低的问题，融资效率亟待解决。
从纯技术效率和规模效率两方面对比分析，发现国内光伏产业上市公司在纯技术效率方面整体水平较低，而规模效率整体水平偏高。但纯技术效率有效的公司数量相比规模效率较高，这可能是由于融资水平分布不平衡或者低融资效率的上市公司数量较多造成的，从而形成了光伏产业融资效率的不稳定性。
（二）光伏产业上市公司融资效率动态分析
由于BCC模型只能测算静态的融资效率，无法反映与衡量因技术进步导致效率前沿面发生动态变化的融资效率。为了解决这一问题，本文引入Malmquist生产力指数，以2008年为基期，计算出上市公司在观察期内的全要素生产率及其分解项。
由表2可知，2009～2018年国内光伏产业上市公司的全要素生产率TFP经历了下降、上升、再下降的循环波动过程，其均值为1.152。按照全要素生产率的细分项方面，技术进步变化波动较大，整体与全要素生产率变化一致，而技术效率波动范围较小，这说明了技术进步变化与全要素生产率存在较强的同向相关。
另外，全要素生产率和技术进步变化在2010至2012年间迅速上涨，上升了约200%，而2012年由于欧美国家采取“双反政策”，导致两者急剧下降，幅度达到了75%左右。自从2014年起，政府加大光伏扶持政策制定的力度，国内光伏产业发展趋于良好，全要素生产率和技术进步变化恢复到了1.1至1.7之间。这说明国内光伏产业上市公司发展受到外部环境的影响较密切，且融资效率与企业规模、内部管理及技术创新存在较强的相关性，当上市公司加强技术创新和改善发展环境时，融资效率也随之提高。
（三）Tobit回归模型分析
为进一步研究国内光伏产业融资效率的影响机制，本文以影响光伏产业融资效率的因素作为解释变量（见表3），以BCC模型得出的综合效率CRSTE作为被解释变量，构建Tobit回归模型。
根据VIF理论，多重共线性判断临界值为10，当大于10，说明各解释变量之间存在共线性，且越大共线性越大。而由表5可知，解释变量的方差膨胀因子最大值为2.042，均值为1.4776，远小于10，说明NP、CL、MBCR、CR、NSIR之间不存在多重共线性。
3.结果分析。根据上述数据检验的过程，充分说明采集的数据具有科学性和可用性。本文运用了Stata12.0软件进行运行和分析，结果见表6。
第一，理论假设A成立，光伏产业上市公司净利润与融资效率为正相关，且通过了显著性检验。净利润是获得投资收益数量的基本影响因素，是进行运营管理决策的基础，也是上市公司融资效率的主要指标。净利润越高，光伏产业上市公司的融资效率就高。
第二，理论假设B成立，光伏产业上市公司销售净利润率与融资效率为正相关，且通过了显著性检验。销售净利润率是反應通过光伏产业上市公司销售产品所获得税后利润的能力，销售净利润率的数值越大，说明上市公司的融资效率也越好。
第三，理论假设C成立，光伏产业上市公司主营业务成本与融资效率为正相关，且通过了显著性检验。主营业务成本以货币形式计量产出一定种类与数量产品耗费资本资源的经济价值，它可以反映光伏上市公司的运营能力，以避免上市公司发生重大的投资失误。
第四，理论假设D成立，光伏产业上市公司现金比率与融资效率为正相关，且通过了显著性检验。现金比率一般维持在20%左右较为适宜，若现金比率过高，说明了光伏产业上市公司流动资本使用不充分，资本的机会成本增加，从而导致了融资效率的降低。
第五，理论假设E成立，光伏产业上市公司流动负债与融资效率为负相关，且通过了显著性检验。目前国内光伏产业上市公司财务杠杆率过高，一定程度上影响到了融资效率。光伏产业上市公司必须制定和落实去杠杆政策，积极拓宽融资途径，降低资产负债率，从而提高融资效率。
五、结论与建议
基于国内32家光伏产业上市公司考察期内的面板数据，本文建立了光伏产业上市公司融资效率影响因素指标体系，然后从静态和动态两方面对研究对象的融资效率进行了分析和度量。研究结果显示：第一，静态方面，纯技术效率和规模效率较高，共同导致样本期内被考察光伏上市公司综合效率处于较好的水平。但最近几年由于规模效率的下降导致综合效率存在较小幅度的下降，影响了光伏产业整体的融资效率水平，亟待改善;第二，动态方面，近十年里国内光伏产业上市公司的全要素生产率TFP均值为1.152，波动幅度较大，整体呈下降趋势;第三，净利润、销售净利润率、主营业务成本率、现金比率与公司融资效率存在显著的正向影响效应，而流动负债与公司融资效率呈显著的负向影响效应。
基于以上实证结果，为进一步提高国内光伏产业上市公司的融资效率，促进光伏产业协调、可持续性发展，本文提出以下几点建议：
第一，优化上市公司规模，完善公司内部资金运营管理预控制度，提升资本的配置效率。光伏产业上市公司要合理调节资本资源，使生产规模符合公司当前战略发展的需求，可以协调各生产要素的充分投入达到最佳水平。同时，加强资本管理，严控资本使用环节，可以保证融资的科学性，提高公司整体融资效率。 第二，拓宽融资渠道，优化融资结构。金融市场需完善多层次融资渠道的建立，支持中小光伏企业融资，促进规模报酬递减的企业的融资渠道多元化。光伏产业上市公司也要明确企业的经济环境和竞争战略，根据公司发展情形选取合适的融资模式，进行资本结构的优化调整，以实现股东权益最大化，即达到融资效率的最优目标。
第三，政府相关部门应积极落实光伏产业的发展政策，积极引入新的融资方式。商业银行需加大对光伏企业的信贷支持力度，提供创新性金融产品和服务形式如ABS、贴息贷款和延长放贷周期（15—20年）等。政府也要积极探索新融资方式，可通过资产证券化引导金融机构介入投资领域，逐步实现光伏产业融资效率的合理性、广泛性和普遍性。
参考文献：
[1]姜沣珊.我国旅游类上市公司融资效率评价及优化策略研究[D].湖南师范大学，2018.
[2]李小玄.我国分布式光伏发电项目众筹融资模式研究[D].西北大学，2016.
[3]朱立萍.新形势下防止我国光伏产品出口重新陷入困境的探析[J].对外经贸实务，2017（05）.
[4]廖爽.政府补贴、研发投入对我国光伏企业财务绩效的影响效应分析[D].对外经济贸易大学，2019.
[5]陈遵一、基于DEA方法的安徽城市工业生态效率评价[J].商业时代，2012（11）.
[6]刘亚铮，彭慕蓉.我国不同所有制新能源上市公司技术效率的比较研究——基于面板数据的DEA-Malmquist实证研究[J].工业技术经济，2015，34（03）.
[7]周华林，李雪松.Tobit模型估计方法与应用[J].经济学动态，2012（05）.
[8]龚三乐，刘丽辉.东部地区11省市体育公共产品供给效率差异及影响因素分析——对DEA-Tobit模型的运用[J].经济研究参考，2016（47）.
[9]宋明顺，黄佳，张士朋，戚彬芳.多指标正交试验设计去量纲准则及方法研究[J].工业工程与管理，2014，19（01）.
[10]刘冬，徐焕章，周明，金玉杰，杨仕羽.融资能力对西部地区制造业上市公司转型升级路径的影响[J].西安工程大学学报，2017，31（05）.
（贾强俊，安徽财经大学会计学院。张辰，安徽财经大学国际经济贸易学院。容斯婷，安徽財经大学会计学院）