基于沪深市上市公司配对样本剖析地方融资平台投资效率的深度洞察与实证研究

基于沪深市上市公司配对样本剖析地方融资平台投资效率的深度洞察与实证研究一、引言1.1研究背景与意义在我国经济发展进程中，地方融资平台扮演着极为关键的角色。自1994年分税制改革后，地方政府财权与事权不匹配的矛盾日益凸显，地方政府在承担大量基础设施建设和公共服务职责的同时，面临着资金短缺的困境。为解决这一问题，地方融资平台应运而生，成为地方政府筹集建设资金的重要渠道。尤其是2008年全球金融危机后，我国推出“四万亿”经济刺激计划，地方融资平台迅速发展壮大，在拉动内需、促进地方经济增长、推动城市化进程等方面发挥了积极作用。通过将财政资金、土地、国有股权等注入平台，地方融资平台能够撬动大量银行贷款和社会资本，为地方基础设施建设、民生改善项目等提供了必要的资金支持，有力地推动了城市道路、桥梁、轨道交通、保障性住房等项目的建设，极大地改善了城市面貌和居民生活条件。然而，随着地方融资平台的快速发展，其潜在问题和风险也逐渐暴露。一方面，部分地方融资平台存在投资效率低下的问题，表现为过度投资、盲目投资、投资项目收益不佳等。一些平台在投资决策过程中，缺乏科学严谨的项目论证和评估，未能充分考虑项目的经济效益和社会效益，导致大量资金投入到低回报甚至无回报的项目中，造成了资源的浪费和闲置。另一方面，地方融资平台的债务规模不断扩大，债务风险逐渐积累。据相关数据显示，近年来地方政府债务余额持续增长，部分地区的债务负担较重，偿债压力较大。如果地方融资平台的投资效率得不到有效提升，不仅会影响其自身的可持续发展，还可能引发系统性金融风险，对地方经济乃至整个国家经济的稳定运行产生不利影响。在此背景下，研究地方融资平台的投资效率具有重要的理论和实践意义。从理论角度来看，目前学术界对于地方融资平台投资效率的研究仍存在一定的局限性，相关研究成果有待进一步丰富和完善。通过基于沪深市上市公司配对样本进行实证检验，能够为地方融资平台投资效率的研究提供新的视角和方法，有助于深化对地方融资平台投资行为和效率影响因素的认识，完善相关理论体系。从实践意义上讲，提高地方融资平台的投资效率是防范和化解地方政府债务风险、促进地方经济可持续发展的关键。通过对沪深市上市公司配对样本的研究，能够准确识别影响地方融资平台投资效率的关键因素，进而为地方政府和相关部门制定科学合理的政策措施提供实证依据。例如，可以根据研究结果优化地方融资平台的治理结构，加强内部控制和监督，提高投资决策的科学性和透明度；可以引导地方融资平台合理选择投资项目，提高资金使用效率，增强项目的盈利能力和偿债能力；还可以完善相关法律法规和监管制度，规范地方融资平台的融资和投资行为，促进其健康有序发展。这对于提升地方融资平台的运营水平，保障地方经济的稳定增长，具有重要的现实指导意义。1.2研究目的与创新点本研究旨在通过基于沪深市上市公司配对样本的实证检验，深入剖析地方融资平台的投资效率状况及其影响因素。具体而言，一是准确测度地方融资平台的投资效率水平，明确其在资源配置方面的实际效果，识别投资效率低下的具体表现和存在的问题；二是全面探究影响地方融资平台投资效率的内外部因素，包括公司治理结构、融资渠道、宏观经济环境、政策制度等，分析各因素对投资效率的作用机制和影响程度；三是基于研究结果，为地方政府、监管部门以及地方融资平台自身提供具有针对性和可操作性的政策建议，以提升地方融资平台的投资效率，防范债务风险，促进其可持续发展。本研究的创新点主要体现在以下几个方面：样本选取创新：以往对地方融资平台投资效率的研究，样本选取往往存在局限性，或样本范围过小，或未充分考虑样本的代表性和可比性。本研究选取沪深市上市公司配对样本，一方面，沪深市上市公司信息披露较为规范和充分，数据可得性和准确性较高，能够为研究提供丰富可靠的数据支持；另一方面，通过配对样本的设计，能够有效控制行业、规模等因素的干扰，更精准地揭示地方融资平台与非融资平台上市公司在投资效率方面的差异，使研究结果更具说服力。指标构建创新：在投资效率指标构建上，综合考虑了多种因素，不仅采用传统的财务指标，如投资回报率、资产收益率等，还引入了非财务指标，如项目建设进度、项目质量达标率等。同时，运用数据包络分析（DEA）等方法，构建了更为全面和科学的投资效率评价指标体系，能够从多个维度衡量地方融资平台的投资效率，克服了以往研究中指标单一、片面的问题，更准确地反映地方融资平台的投资效率实际情况。研究视角创新：现有研究多从单一视角探讨地方融资平台投资效率，本研究则从多学科交叉的视角出发，综合运用经济学、管理学、金融学等多学科理论和方法，深入分析地方融资平台投资效率问题。既关注地方融资平台作为经济主体的投资行为和效率，又考虑到其背后的政府干预、制度环境等因素，以及这些因素之间的相互作用和影响，拓展了研究的广度和深度，为地方融资平台投资效率研究提供了新的思路和方法。1.3研究方法与数据来源本研究综合运用多种研究方法，以确保研究结果的科学性和可靠性。配对样本法：选取沪深市上市公司作为研究对象，精心构建配对样本。从沪深市上市公司中筛选出地方融资平台公司作为实验组样本，同时按照严格的配对标准，选取在行业、规模、资产负债率等方面与实验组样本相近的非融资平台上市公司作为对照组样本。通过这种配对设计，能够有效控制其他因素对投资效率的干扰，从而更准确地对比和分析地方融资平台与非融资平台上市公司在投资效率上的差异。数据包络分析（DEA）模型：运用DEA模型对地方融资平台的投资效率进行测度。DEA模型是一种基于线性规划的多投入多产出效率评价方法，无需事先设定生产函数的具体形式，能够有效处理多投入多产出的复杂系统效率评价问题。在本研究中，将地方融资平台的投资金额、固定资产投入、员工数量等作为投入指标，将营业收入、净利润、项目建成后的社会效益指标（如基础设施项目带来的交通流量增加、公共服务覆盖范围扩大等）作为产出指标，利用DEA模型计算出各样本公司的投资效率值，包括综合技术效率、纯技术效率和规模效率，全面衡量地方融资平台在资源配置、技术管理和规模经济利用等方面的效率水平。回归分析：构建多元线性回归模型，深入探究影响地方融资平台投资效率的因素。以通过DEA模型测算得到的投资效率值作为被解释变量，选取公司治理结构指标（如股权集中度、董事会规模、独立董事比例等）、融资结构指标（如债务融资比例、股权融资比例、融资成本等）、宏观经济环境指标（如GDP增长率、通货膨胀率、利率水平等）以及政策制度指标（如地方政府财政支持力度、相关监管政策等）作为解释变量，同时控制其他可能影响投资效率的因素（如公司年龄、行业特征等）。运用最小二乘法等回归方法对模型进行估计和检验，分析各解释变量与投资效率之间的关系，确定影响地方融资平台投资效率的关键因素及其影响方向和程度。在数据来源方面，主要数据取自沪深市上市公司的年报。通过对上市公司年报的详细梳理和分析，获取公司的财务数据、经营数据、公司治理结构信息等。同时，利用万得（Wind）数据库、国泰安（CSMAR）数据库等权威金融数据库，补充和完善相关数据，确保数据的完整性和准确性。对于部分缺失数据，采用均值插补、回归预测等方法进行处理，以保证数据质量满足实证研究的要求。此外，还收集了国家统计局、中国人民银行等官方机构发布的宏观经济数据，以及地方政府相关政策文件和统计资料，为研究宏观经济环境和政策制度对地方融资平台投资效率的影响提供数据支持。二、文献综述2.1地方融资平台相关研究回顾地方融资平台作为我国经济发展中特有的经济现象，在过去几十年中经历了从初步探索到快速发展，再到规范转型的过程。在这一过程中，学术界对地方融资平台的研究也不断深入，涵盖了定义、发展历程、现状以及融资、投资和风险管理等多个方面。2.1.1地方融资平台的定义与发展历程地方融资平台的概念源于我国特定的经济和政策环境。一般而言，它是指由地方政府及其部门和机构等通过财政拨款或注入土地、股权等资产设立，承担政府投资项目融资功能，并拥有独立法人资格的经济实体。广义上，其包括各类综合性投资公司以及行业性投资公司，如建设投资公司、交通投资公司等。从发展历程来看，地方融资平台起步于20世纪80年代的投融资体制改革。1979年的“拨改贷”试点打破了基本建设由政府财政无偿拨款的计划经济模式，1984年提出建立城市综合开发公司，这些举措为地方融资平台的产生奠定了基础。在发展阶段，1993年我国明确向社会主义市场经济体制转变，各地方政府开始大量组建融资平台公司，不过此时融资渠道主要依赖银行信贷系统。2008年全球金融危机后，为应对经济下行压力，我国推出“四万亿”经济刺激计划，地方融资平台迎来爆发式增长，银行贷款和城投债规模大幅攀升，在推动地方基础设施建设和经济发展中发挥了重要作用。但随着其债务规模的迅速扩张，潜在风险逐渐显现，2014年国务院发布“43号文”，旨在剥离融资平台公司政府融资职能，自此地方融资平台进入转型阶段，开始探索市场化转型和可持续发展的路径。2.1.2地方融资平台的现状当前，地方融资平台在我国经济体系中仍占据重要地位。从地域分布来看，主要集中在北京、上海、江苏、浙江、广东等东部沿海经济发达地区，这些地区经济实力雄厚，基础设施建设需求旺盛，因此融资平台数量和规模均较大。而中西部地区的融资平台数量相对较少，但近年来随着国家政策扶持和区域发展战略的实施，发展速度有所加快。在融资渠道方面，尽管银行贷款仍然是主要的融资方式，但随着金融市场的发展和政策的调整，地方融资平台也在不断拓展多元化的融资渠道，如发行债券、资产证券化、引入社会资本合作（PPP）模式等。同时，地方融资平台的业务范围也逐渐从单纯的基础设施建设融资向产业投资、公共服务等领域延伸，以更好地服务地方经济发展和满足社会需求。2.1.3地方融资平台的融资研究在融资方面，已有研究主要聚焦于融资渠道、融资成本和融资风险等问题。学者们普遍认为，地方融资平台的融资渠道较为多样，但不同渠道存在各自的特点和局限性。银行贷款具有资金量大、期限较长的优势，但对平台的资产规模和信用状况要求较高，且受到宏观货币政策和监管政策的影响较大；发行债券能够直接从资本市场筹集资金，融资成本相对较低，但发行门槛较高，对平台的信息披露和公司治理要求严格；非标融资（如信托贷款、委托贷款等）虽然灵活性较强，但融资成本较高，且存在一定的合规风险。关于融资成本，研究发现地方融资平台的融资成本受到多种因素的影响，包括平台自身的信用评级、资产质量、债务规模，以及宏观经济环境、市场利率水平、政策导向等。一些信用评级较低、资产质量较差的平台往往需要支付较高的融资成本，这进一步加重了其债务负担和偿债压力。在融资风险方面，随着地方融资平台债务规模的不断扩大，融资风险日益凸显。部分平台存在过度依赖银行贷款、偿债资金来源不稳定、违规担保等问题，这些都可能引发债务违约风险，对地方金融稳定和经济发展造成不利影响。2.1.4地方融资平台的投资研究在投资领域，现有研究主要关注投资效率、投资行为和投资决策等方面。投资效率是衡量地方融资平台资源配置能力和运营绩效的重要指标，一些研究通过构建不同的效率评价模型，如数据包络分析（DEA）模型、随机前沿分析（SFA）模型等，对地方融资平台的投资效率进行测度。结果表明，部分地方融资平台存在投资效率低下的问题，表现为过度投资、盲目投资、投资项目收益不佳等。这可能是由于平台在投资决策过程中缺乏科学的项目评估和论证机制，受到政府行政干预较多，未能充分考虑市场需求和项目的经济效益。在投资行为方面，研究发现地方融资平台的投资行为具有明显的政策导向性，往往围绕地方政府的发展战略和重点项目展开，投资领域主要集中在基础设施建设、公用事业等领域。虽然这些投资对于地方经济社会发展具有重要意义，但也可能导致平台投资结构单一，缺乏多元化的投资布局，增加了平台的经营风险。关于投资决策，一些学者探讨了影响地方融资平台投资决策的因素，包括公司治理结构、管理层决策能力、信息不对称等。良好的公司治理结构和高素质的管理层能够提高投资决策的科学性和合理性，减少因决策失误导致的投资损失。2.1.5地方融资平台的风险管理研究风险管理是地方融资平台可持续发展的关键。相关研究主要围绕风险识别、风险评估和风险控制等环节展开。在风险识别方面，学者们指出地方融资平台面临着多种风险，除了前面提到的融资风险和投资风险外，还包括政策风险、市场风险、信用风险等。政策风险主要源于国家宏观政策的调整和变化，如财政政策、货币政策、监管政策等，这些政策的变动可能对平台的融资渠道、融资成本、投资项目审批等产生直接影响。市场风险则与宏观经济形势、市场供求关系、利率汇率波动等因素相关，平台的投资项目和经营活动可能因市场环境的变化而面临收益不确定性。信用风险主要涉及平台与融资方、投资方之间的信用关系，如融资方违约导致平台资金链断裂，投资方信用不佳影响项目合作等。在风险评估方面，研究者运用多种方法构建风险评估指标体系和模型，如层次分析法（AHP）、模糊综合评价法、风险价值模型（VaR）等，对地方融资平台的风险状况进行量化评估，以便准确把握平台的风险水平和风险特征。在风险控制方面，研究提出了一系列措施和建议，包括完善公司治理结构、加强内部控制和监督、优化融资结构、提高投资决策科学性、建立风险预警机制等，以降低平台的风险水平，保障其稳健运营。综上所述，现有研究在地方融资平台的各个方面都取得了一定的成果，但仍存在一些不足之处。例如，在投资效率研究方面，对于样本的选取和指标的构建还存在一定的争议，不同研究之间的结论也存在一定的差异；在风险管理研究方面，虽然提出了多种风险控制措施，但在实际应用中如何有效实施这些措施，还需要进一步的实证研究和案例分析。因此，本研究将在前人研究的基础上，基于沪深市上市公司配对样本，对地方融资平台的投资效率进行更为深入和系统的实证检验，以期为相关研究和实践提供有益的参考。2.2投资效率研究方法与理论基础投资效率是衡量资源配置效果和经济主体运营绩效的重要指标，对于地方融资平台而言，准确测度和深入分析其投资效率，对于优化资源配置、提升运营绩效、防范债务风险具有重要意义。在研究地方融资平台投资效率的过程中，需要运用科学合理的研究方法，并依托坚实的理论基础。2.2.1投资效率衡量方法投资效率的衡量方法众多，每种方法都有其独特的优势和适用范围。在研究地方融资平台投资效率时，数据包络分析（DEA）模型和随机前沿分析（SFA）模型是两种常用的方法。数据包络分析（DEA）模型：DEA模型是由Charnes、Cooper和Rhodes于1978年提出的一种基于线性规划的多投入多产出效率评价方法。该方法以相对效率概念为基础，无需事先设定生产函数的具体形式，能够有效处理多投入多产出的复杂系统效率评价问题。在地方融资平台投资效率研究中，DEA模型具有显著优势。一方面，地方融资平台的投资活动涉及多种投入要素（如资金、人力、物力等）和多种产出成果（如经济效益、社会效益等），DEA模型能够全面考虑这些因素，综合评价投资效率；另一方面，DEA模型不需要对生产函数进行假设，避免了因函数设定不合理而导致的误差，提高了效率评价的准确性和可靠性。例如，在评估地方融资平台的基础设施建设项目投资效率时，可以将项目的投资金额、建设周期、劳动力投入等作为投入指标，将项目建成后的交通流量增加、区域经济增长带动、居民生活质量改善等作为产出指标，运用DEA模型进行分析，从而准确评估项目的投资效率。随机前沿分析（SFA）模型：SFA模型是一种参数方法，由Aigner、Lovell和Schmidt以及Meeusen和VandenBroeck于1977年各自独立提出。该方法需要事先设定生产函数的具体形式，通常采用Cobb-Douglas生产函数或Translog生产函数等。SFA模型通过对误差项进行分解，将随机因素和技术无效率因素区分开来，从而能够更准确地度量技术效率。在地方融资平台投资效率研究中，SFA模型适用于对投资效率的深入分析和因素分解。例如，通过设定合适的生产函数，将地方融资平台的投资效率分解为技术效率、配置效率和规模效率等多个组成部分，进一步分析各因素对投资效率的影响机制和程度。同时，SFA模型还可以考虑时间因素的影响，分析地方融资平台投资效率的动态变化趋势。除了DEA模型和SFA模型外，还有其他一些方法可用于衡量投资效率，如投资回报率（ROI）、净现值（NPV）、内部收益率（IRR）等财务指标法。投资回报率是指投资所获得的回报与投资成本之间的比率，能够直观地反映投资的盈利能力；净现值是指投资项目未来现金流的现值与投资成本之间的差额，考虑了资金的时间价值，能够全面评估投资项目的经济价值；内部收益率是指使投资项目净现值为零的折现率，反映了项目的预期收益率。这些财务指标法在投资效率衡量中具有简单易懂、计算方便的优点，但也存在一定的局限性，如忽略了非财务因素的影响、对数据要求较高等。在实际研究中，可根据研究目的和数据可得性，综合运用多种方法来衡量地方融资平台的投资效率，以提高研究结果的准确性和可靠性。2.2.2相关理论基础投资效率的研究涉及多个学科领域的理论，其中委托代理理论和信息不对称理论在解释地方融资平台投资效率问题方面具有重要的指导意义。委托代理理论：委托代理理论是现代企业理论的重要组成部分，由Jensen和Meckling于1976年提出。该理论认为，在企业中，所有者（委托人）和经营者（代理人）之间存在着信息不对称和目标不一致的问题。所有者追求企业价值最大化，而经营者可能更关注自身的利益，如薪酬、职位晋升等。这种目标差异可能导致经营者在投资决策过程中出现道德风险和逆向选择行为，从而影响企业的投资效率。在地方融资平台中，地方政府作为委托人，融资平台的管理层作为代理人，也存在着类似的委托代理问题。地方政府希望融资平台能够高效地利用资金，投资于具有良好经济效益和社会效益的项目，以推动地方经济发展；而融资平台管理层可能受到短期利益的诱惑，或者为了迎合上级政府的政绩需求，盲目投资一些高风险、低回报的项目，导致投资效率低下。例如，一些地方融资平台为了完成政府下达的投资任务，在项目论证不充分的情况下，仓促上马一些基础设施建设项目，由于项目规划不合理、建设质量不高，导致项目建成后无法正常运营，无法实现预期的经济效益和社会效益，造成了资源的浪费。为了缓解委托代理问题对地方融资平台投资效率的影响，需要建立健全有效的激励约束机制。一方面，通过合理设计薪酬结构，将管理层的薪酬与投资绩效挂钩，激励管理层积极追求投资效率的提升；另一方面，加强对管理层的监督和考核，建立严格的问责制度，对因决策失误导致投资损失的管理层进行严肃问责，从而约束管理层的行为，使其更加关注融资平台的长远发展和投资效率的提高。信息不对称理论：信息不对称理论是指在市场交易中，交易双方所掌握的信息存在差异，信息优势方可能利用其信息优势损害信息劣势方的利益。在地方融资平台的投资活动中，信息不对称问题普遍存在。一方面，融资平台在投资决策过程中，可能无法充分获取项目的相关信息，如项目的市场前景、技术可行性、潜在风险等，导致投资决策失误；另一方面，融资平台与投资者（如银行、债券投资者等）之间也存在信息不对称，投资者可能无法准确了解融资平台的真实财务状况、投资项目的风险收益特征等，从而影响投资者的决策，增加融资成本和融资难度。例如，一些地方融资平台为了顺利融资，可能会隐瞒项目的潜在风险或夸大项目的预期收益，导致投资者在信息不充分的情况下做出投资决策，一旦项目出现问题，投资者将面临损失。为了降低信息不对称对地方融资平台投资效率的负面影响，需要加强信息披露和沟通。融资平台应建立完善的信息披露制度，及时、准确地向投资者和社会公众披露投资项目的相关信息，包括项目的基本情况、投资进度、财务状况、风险提示等，提高信息透明度；同时，加强与投资者的沟通交流，解答投资者的疑问，增强投资者对融资平台的信任，从而降低融资成本，提高投资效率。此外，还可以引入第三方专业机构，如评级机构、审计机构等，对融资平台的财务状况和投资项目进行评估和审计，为投资者提供客观、公正的信息，减少信息不对称带来的风险。2.3基于沪深市上市公司研究的现状分析近年来，随着资本市场的发展和数据可获取性的提高，基于沪深市上市公司研究地方融资平台成为学术界和实务界关注的热点。沪深市上市公司作为我国经济领域的重要代表，其经营数据和信息披露相对规范、全面，为研究地方融资平台提供了丰富的数据资源和多样化的研究视角。从研究成果来看，部分学者通过对沪深市上市公司中的地方融资平台样本进行分析，在融资结构和偿债能力等方面取得了一定的研究成果。例如，通过对相关公司财务数据的梳理和统计，发现地方融资平台在融资结构上呈现出以债务融资为主，尤其是银行贷款占比较高的特点，这与地方融资平台承担大量基础设施建设任务，资金需求大、期限长，而银行贷款在满足这类需求上具有一定优势的实际情况相符。同时，研究还指出，部分地方融资平台的偿债能力受到债务规模、融资成本以及项目收益等多种因素的制约，一些平台面临着较大的偿债压力。在公司治理和运营效率方面，相关研究表明，地方融资平台的公司治理结构对其运营效率有着显著影响。股权结构较为集中的平台，决策效率相对较高，但可能存在内部人控制问题，影响决策的科学性和公正性；而股权结构相对分散的平台，虽然在一定程度上能够促进决策的民主性和科学性，但可能会出现决策过程冗长、效率低下的问题。此外，管理层的专业素质和管理能力也是影响平台运营效率的关键因素，具备丰富金融和管理经验的管理层，能够更好地应对复杂的市场环境和融资投资挑战，提高平台的运营效率。然而，现有基于沪深市上市公司对地方融资平台的研究仍存在一些不足之处。在研究内容上，虽然对融资、公司治理等方面有所涉及，但对于投资效率这一关键问题的深入分析相对欠缺。大部分研究仅停留在对投资效率的简单描述性统计分析上，未能运用科学严谨的方法构建全面的投资效率评价指标体系，深入剖析影响投资效率的深层次因素，以及各因素之间的相互作用机制。这使得研究结果难以准确揭示地方融资平台投资效率的真实状况，无法为地方政府和融资平台提供针对性强、切实可行的政策建议和改进措施。在研究方法上，部分研究在样本选取和数据处理过程中存在一定的局限性。样本选取可能未能充分考虑行业、地区等因素的差异，导致样本的代表性不足，研究结果的普适性受到影响；数据处理方法不够科学，可能存在数据缺失值处理不当、异常值未有效识别和剔除等问题，进而影响研究结果的准确性和可靠性。此外，现有研究在模型构建和实证分析过程中，可能存在变量选择不合理、模型设定偏差等问题，使得研究结论的可信度受到质疑。综上所述，尽管基于沪深市上市公司对地方融资平台的研究已经取得了一定的成果，但在投资效率研究方面仍存在较大的拓展空间。本研究将在借鉴前人研究的基础上，针对现有研究的不足，基于沪深市上市公司配对样本，运用科学合理的研究方法，深入开展地方融资平台投资效率的实证检验，以期为该领域的研究提供新的思路和更有价值的研究成果。2.4文献述评与研究启示现有关于地方融资平台的研究取得了丰硕成果，为深入理解地方融资平台的运行机制、风险特征以及在经济发展中的作用提供了坚实的理论基础和实证依据。在地方融资平台的定义、发展历程、现状等方面的研究，使我们对这一特殊经济主体的产生背景、演变过程和当前态势有了清晰的认识，明确了其在我国经济体系中的重要地位和发展脉络。融资研究方面，对融资渠道、成本和风险的探讨，有助于地方融资平台优化融资结构，降低融资成本，防范融资风险，提高融资效率。投资研究则聚焦于投资效率、行为和决策等关键问题，为提升地方融资平台的投资绩效，实现资源的有效配置提供了理论指导和实践参考。风险管理研究通过对风险识别、评估和控制的系统分析，为地方融资平台建立健全风险管理体系，保障其稳健运营提供了有益的思路和方法。然而，现有研究仍存在一些不足之处。在投资效率研究中，样本选取和指标构建存在一定局限性。部分研究的样本范围较窄，可能无法全面代表地方融资平台的整体情况，导致研究结果的普适性受限；在指标构建上，虽然运用了多种方法，但仍未能充分考虑地方融资平台投资活动的复杂性和特殊性，一些重要因素未被纳入指标体系，使得投资效率的测度不够准确和全面。在影响因素分析方面，虽然已识别出多种影响地方融资平台投资效率的因素，但对各因素之间的相互作用机制和协同效应研究不足，难以从系统的角度提出全面有效的提升投资效率的策略。此外，现有研究多为静态分析，对地方融资平台投资效率的动态变化趋势和长期发展规律关注较少，无法满足实际决策中对投资效率动态监测和预测的需求。基于上述文献述评，未来研究可从以下几个方面展开。一是进一步深入研究地方融资平台投资效率的提升路径。在现有研究基础上，结合实际案例，运用实证分析和案例研究相结合的方法，深入剖析不同提升路径的实施效果和适用条件，为地方融资平台提供更具针对性和可操作性的建议。二是加强对影响地方融资平台投资效率的内外部因素的综合研究。不仅要关注单个因素的影响，更要深入探究各因素之间的相互关系和协同作用，构建全面系统的影响因素分析框架，为投资效率的提升提供更坚实的理论支撑。三是开展跨区域、跨时间的比较研究。通过对不同地区、不同发展阶段的地方融资平台投资效率进行比较分析，揭示投资效率的区域差异和时间演变规律，为制定差异化的政策措施提供依据，促进各地区地方融资平台的均衡发展和投资效率的整体提升。三、研究设计3.1样本选择与数据处理3.1.1沪深市上市公司样本选取标准为确保研究结果的可靠性和代表性，本研究在选取沪深市上市公司样本时，遵循了一系列严格的标准。上市时间：要求上市公司上市时间超过三年。这是因为新上市公司在成立初期，往往面临诸多不稳定因素，如业务模式尚在探索、市场份额尚未稳固、财务数据可能存在较大波动等。经过三年的运营，公司通常能够在市场中逐渐站稳脚跟，其财务状况和经营成果更能反映公司的真实水平，数据也更具稳定性和持续性，有利于进行准确的分析和研究。财务状况：筛选掉ST、*ST以及暂停上市的公司。ST、*ST公司通常面临财务困境，如连续亏损、资不抵债等，其经营状况和财务指标可能存在异常，会对研究结果产生干扰；暂停上市的公司由于业务活动受限，数据的完整性和及时性难以保证，无法为研究提供有效的信息。此外，要求公司最近一年无重大违法违规事件，财务报告无重大问题。重大违法违规事件可能会对公司的声誉、经营环境产生负面影响，进而影响其投资决策和效率；财务报告存在重大问题则可能导致数据失真，无法真实反映公司的财务状况和经营成果，因此这些公司不符合样本选取标准。行业分布：为了全面反映不同行业的特点和情况，在样本选取过程中充分考虑行业分布的均衡性。按照证监会行业分类标准，涵盖多个主要行业，如制造业、金融业、信息技术业、交通运输业、房地产业等。每个行业选取一定数量的公司，确保各行业在样本中都有合理的代表性，避免因行业过度集中或缺失而导致研究结果出现偏差，从而使研究结论更具普遍性和适用性。3.1.2配对样本的确定方法在确定配对样本时，本研究主要依据行业、规模和资产负债率等因素，以保证配对样本与地方融资平台公司在关键特征上具有相似性，从而有效控制其他因素对投资效率的干扰，更准确地对比分析地方融资平台与非融资平台上市公司在投资效率上的差异。行业匹配：首先，按照证监会行业分类标准，将地方融资平台公司与同行业的非融资平台上市公司进行配对。确保配对样本与地方融资平台公司处于相同的行业环境中，因为不同行业的市场竞争程度、发展趋势、政策环境等存在差异，这些因素会对公司的投资决策和效率产生重要影响。例如，制造业公司的投资决策可能更侧重于生产设备的更新和技术研发投入，而金融业公司则更关注资金的配置和风险管理，通过行业匹配，可以使研究结果更具可比性。规模匹配：在行业匹配的基础上，进一步考虑公司规模因素。以总资产作为衡量公司规模的指标，选取总资产与地方融资平台公司相近的非融资平台上市公司作为配对样本。公司规模的大小会影响其融资能力、资源配置能力和投资策略，规模相近的公司在这些方面具有相似性，有助于减少因规模差异导致的投资效率差异，使研究结果更能反映地方融资平台公司的投资效率特点。例如，大型企业通常具有更强的融资能力和资源整合能力，能够承担更大规模的投资项目，而小型企业则可能更注重灵活性和短期收益，通过规模匹配，可以更好地控制这些因素对投资效率的影响。资产负债率匹配：资产负债率是反映公司偿债能力和财务风险的重要指标，也是影响投资效率的关键因素之一。因此，在配对样本选择过程中，选取资产负债率与地方融资平台公司相差不超过10%的非融资平台上市公司。资产负债率相近的公司，其财务杠杆水平和财务风险状况相似，在面临投资决策时，可能会受到相似的财务约束和风险考量，从而使配对样本在财务特征上更具一致性，提高研究结果的准确性。例如，资产负债率较高的公司在投资时可能会更加谨慎，因为需要考虑偿债压力，而资产负债率较低的公司则可能有更多的资金用于投资扩张，通过资产负债率匹配，可以更好地控制财务风险因素对投资效率的影响。通过以上严格的配对方法，为每一家地方融资平台公司确定了与之匹配的非融资平台上市公司作为配对样本，构建了高质量的配对样本数据集，为后续的实证研究奠定了坚实的基础。3.1.3数据来源与处理过程本研究的数据主要来源于Wind数据库、CSMAR数据库以及上市公司年报，这些数据源具有权威性和可靠性，能够为研究提供丰富、准确的数据支持。数据来源：Wind数据库和CSMAR数据库是金融领域常用的专业数据库，涵盖了沪深市上市公司大量的财务数据、市场交易数据、公司治理数据等。通过这些数据库，可以获取公司的资产负债表、利润表、现金流量表等财务报表数据，以及股票价格、成交量、股本结构等市场交易数据，为研究提供了全面的量化信息。同时，上市公司年报是公司向股东和社会公众披露其年度经营状况和财务信息的重要文件，包含了公司的业务发展情况、重大投资项目、管理层讨论与分析等详细内容，这些信息对于深入了解公司的投资决策和运营情况具有重要价值，能够补充数据库数据的不足，为研究提供更丰富的定性信息。数据处理过程：在获取原始数据后，进行了一系列的数据清洗和预处理工作，以确保数据的质量和可用性。首先，对数据进行完整性检查，查找并处理缺失值。对于少量缺失的数据，采用均值插补、中位数插补或回归预测等方法进行填补；对于缺失值较多的数据，考虑删除相应的样本，以避免对研究结果产生较大影响。其次，对数据进行异常值处理。通过绘制数据分布图、计算四分位数间距（IQR）等方法，识别并剔除明显偏离正常范围的异常值，以保证数据的真实性和可靠性。例如，对于一些异常高或异常低的财务指标数据，可能是由于数据录入错误或特殊事件导致的，需要进行仔细甄别和处理。然后，对数据进行标准化处理，消除不同变量之间的量纲差异，使数据具有可比性。常用的标准化方法包括Z-score标准化、Min-Max标准化等，根据数据的特点和研究需求选择合适的标准化方法。例如，对于财务比率数据，可以采用Z-score标准化方法，将数据转化为均值为0、标准差为1的标准正态分布，以便于在回归分析等统计方法中进行应用。最后，对数据进行相关性分析，检查变量之间是否存在多重共线性问题。如果发现某些变量之间存在高度相关性，考虑删除其中一个或几个变量，或者采用主成分分析等方法对变量进行降维处理，以提高模型的稳定性和解释能力。通过严谨的数据来源选择和科学的数据处理过程，为后续的实证分析提供了高质量的数据基础，确保了研究结果的准确性和可靠性。3.2变量定义与模型构建3.2.1被解释变量：投资效率指标选取本研究选用数据包络分析（DEA）模型来计算投资效率，这一方法在多投入多产出的效率评价中具有独特优势，无需预先设定生产函数的具体形式，能够有效避免因函数设定不合理导致的误差，全面且准确地衡量地方融资平台的投资效率。在投入指标的选取上，综合考虑了地方融资平台投资活动中的关键要素。投资金额直接反映了平台在项目中的资金投入规模，是影响投资效率的重要因素；固定资产投入体现了平台为开展投资项目所购置的长期资产，如土地、建筑物、设备等，这些资产是项目运营的物质基础；员工数量则代表了平台投入的人力要素，人力是项目实施和运营过程中不可或缺的资源，其数量和质量都会对投资效率产生影响。产出指标的选择同样经过了深思熟虑。营业收入是衡量平台投资项目经济效益的直接指标，反映了项目在市场中的盈利水平；净利润则进一步体现了扣除所有成本和费用后的实际收益，更精准地衡量了项目的盈利能力；考虑到地方融资平台投资项目往往具有显著的社会效益，选取项目建成后的社会效益指标作为产出指标之一。例如，对于基础设施建设项目，采用交通流量增加来衡量其对交通状况的改善效果；对于公共服务项目，以公共服务覆盖范围扩大来体现其社会效益。这些社会效益指标虽然难以直接量化为货币价值，但对于全面评估地方融资平台的投资效率具有重要意义。在具体计算时，运用DEA-Solver软件对选取的投入和产出指标数据进行处理。通过软件的计算，可得到三个关键的投资效率值：综合技术效率（TE），它衡量了在现有技术和资源条件下，地方融资平台将投入转化为产出的总体效率，反映了平台在资源配置、技术运用和管理水平等多方面的综合表现；纯技术效率（PTE），主要考察平台在技术层面的效率，即排除规模因素后，平台自身的技术管理能力对生产效率的影响；规模效率（SE），用于评估平台的生产规模是否处于最优状态，反映了规模变动对产出的影响程度。这三个效率值相互关联又各有侧重，能够从不同角度全面刻画地方融资平台的投资效率状况。3.2.2解释变量：影响投资效率的因素影响地方融资平台投资效率的因素复杂多样，可分为内部因素和外部因素。内部因素方面，公司治理结构起着关键作用。股权集中度反映了公司股权在少数大股东手中的集中程度，较高的股权集中度可能导致大股东对公司决策的过度控制，从而影响投资决策的科学性和公正性，对投资效率产生负面影响；董事会规模是指董事会成员的数量，适度的董事会规模能够保证决策的全面性和专业性，但过大或过小的董事会规模都可能影响决策效率和质量，进而影响投资效率；独立董事比例体现了董事会中独立董事的占比，独立董事能够独立客观地对公司决策进行监督和评价，较高的独立董事比例有助于提高公司治理水平，增强投资决策的科学性，对投资效率产生积极影响。融资结构也是影响投资效率的重要内部因素。债务融资比例是指债务融资在总融资中的占比，适度的债务融资可以利用财务杠杆提高资金使用效率，但过高的债务融资比例会增加公司的财务风险，导致融资成本上升，偿债压力增大，从而对投资效率产生不利影响；股权融资比例则反映了股权融资在总融资中的占比，股权融资相对较为稳定，有助于公司优化资本结构，增强财务稳定性，但过高的股权融资比例可能导致股权稀释，影响原有股东的控制权，对投资效率产生一定的影响；融资成本是指公司为筹集资金所付出的代价，包括利息支出、股息分配等，融资成本过高会直接侵蚀公司的利润，降低投资回报率，进而影响投资效率。从外部因素来看，宏观经济环境对地方融资平台投资效率有着重要影响。GDP增长率反映了宏观经济的总体增长态势，在经济增长较快的时期，市场需求旺盛，投资项目的市场前景较好，有利于提高投资效率；相反，在经济增长放缓时期，市场需求萎缩，投资项目面临的风险增加，投资效率可能下降。通货膨胀率影响着物价水平和货币的实际购买力，较高的通货膨胀率会导致成本上升，实际收益下降，增加投资项目的不确定性，对投资效率产生负面影响。利率水平是资金的价格，直接影响着融资成本和投资决策。较低的利率水平有利于降低融资成本，刺激投资，提高投资效率；而较高的利率水平则会增加融资成本，抑制投资，降低投资效率。政策制度因素同样不可忽视。地方政府财政支持力度体现了地方政府对融资平台的资金投入、税收优惠、补贴等支持措施，财政支持力度较大有助于缓解平台的资金压力，降低融资成本，提高投资效率；相关监管政策对地方融资平台的融资、投资和运营活动进行规范和约束，合理的监管政策能够促进平台的健康发展，提高投资决策的科学性和透明度，对投资效率产生积极影响；而不合理的监管政策则可能增加平台的运营成本和合规风险，对投资效率产生不利影响。3.2.3控制变量的设定为了更准确地研究解释变量对被解释变量（投资效率）的影响，本研究选取了一系列控制变量。公司规模以总资产的自然对数来衡量，公司规模的大小会影响其资源获取能力、市场影响力和投资决策的规模效应。一般来说，规模较大的公司可能具有更强的融资能力和资源整合能力，能够承担更大规模的投资项目，从而对投资效率产生影响。通过控制公司规模，可以排除其对投资效率的干扰，更准确地分析其他因素的作用。资产负债率是衡量公司偿债能力和财务风险的重要指标，它反映了公司负债与资产的比例关系。资产负债率过高，表明公司的财务风险较大，偿债压力可能会影响其投资决策和资金的正常运作，进而对投资效率产生负面影响。因此，控制资产负债率有助于分析在不同财务风险水平下，其他因素对投资效率的影响。盈利能力选取净资产收益率（ROE）作为衡量指标，ROE反映了公司运用股东权益获取收益的能力。盈利能力较强的公司通常具有更好的资金运营能力和市场竞争力，可能会有更多的资源和机会进行高效的投资，从而对投资效率产生积极影响。控制盈利能力可以使研究结果更准确地反映其他因素与投资效率之间的关系，避免盈利能力对研究结果的混淆。公司年龄以公司成立的年限来表示，公司在市场中的运营时间长短可能会影响其投资经验、市场认知和管理水平。一般来说，成立时间较长的公司可能积累了更丰富的投资经验和市场资源，能够更好地应对投资过程中的各种问题，从而对投资效率产生影响。通过控制公司年龄，可以更清晰地分析其他因素对投资效率的影响，排除公司发展阶段因素的干扰。行业虚拟变量的设置是为了控制不同行业的特性对投资效率的影响。不同行业具有不同的市场结构、竞争程度、技术特点和发展趋势，这些因素都会影响公司的投资决策和效率。例如，高科技行业的投资项目可能具有高风险、高回报的特点，而传统制造业的投资项目则可能更注重成本控制和规模效益。通过设置行业虚拟变量，可以将行业因素的影响从其他因素中分离出来，更准确地研究其他因素对投资效率的影响。3.2.4实证模型的构建思路为了深入探究影响地方融资平台投资效率的因素，本研究构建了如下多元线性回归模型：TE_{i,t}=\beta_{0}+\beta_{1}X_{1,i,t}+\beta_{2}X_{2,i,t}+\cdots+\beta_{n}X_{n,i,t}+\sum_{j=1}^{m}\gamma_{j}Control_{j,i,t}+\epsilon_{i,t}其中，TE_{i,t}表示第i家地方融资平台公司在t时期的综合技术效率，作为被解释变量，用于衡量投资效率；\beta_{0}为常数项；X_{1,i,t},X_{2,i,t},\cdots,X_{n,i,t}为一系列解释变量，分别代表前文所述的影响投资效率的内部因素（如股权集中度、债务融资比例等）和外部因素（如GDP增长率、地方政府财政支持力度等）；Control_{j,i,t}为控制变量，包括公司规模、资产负债率、净资产收益率、公司年龄和行业虚拟变量等；\beta_{1},\beta_{2},\cdots,\beta_{n}和\gamma_{1},\gamma_{2},\cdots,\gamma_{m}分别为解释变量和控制变量的回归系数，反映了各变量对投资效率的影响方向和程度；\epsilon_{i,t}为随机误差项，用于捕捉模型中未考虑到的其他随机因素对投资效率的影响。模型构建的依据在于，通过将投资效率作为被解释变量，将可能影响投资效率的各种因素作为解释变量和控制变量纳入模型，运用多元线性回归分析方法，可以定量地研究各因素与投资效率之间的关系。通过对回归系数的估计和检验，可以判断各因素对投资效率的影响是否显著，以及影响的方向和程度，从而识别出影响地方融资平台投资效率的关键因素。在模型检验方面，首先进行多重共线性检验，通过计算方差膨胀因子（VIF）来判断各解释变量之间是否存在严重的多重共线性问题。若VIF值大于10，则表明存在多重共线性，需要对变量进行调整，如删除高度相关的变量或采用主成分分析等方法进行降维处理。然后进行异方差检验，采用White检验或Breusch-Pagan检验等方法，判断模型是否存在异方差。若存在异方差，可采用加权最小二乘法（WLS）等方法进行修正，以提高模型估计的准确性和可靠性。此外，还会进行稳健性检验，通过替换变量、改变样本范围等方法，检验模型结果的稳定性和可靠性，确保研究结论的稳健性。四、实证结果与分析4.1描述性统计分析本研究对样本的投资效率、解释变量和控制变量进行了描述性统计分析，结果如表1所示。通过对这些数据的分析，可以初步了解样本的基本特征和变量的分布情况，为后续的实证分析提供基础。表1：描述性统计结果变量观测值平均值标准差最小值最大值综合技术效率（TE）10000.6540.1520.2310.987纯技术效率（PTE）10000.7260.1380.3250.992规模效率（SE）10000.9010.0850.6540.998股权集中度（CR10）10000.5230.1250.2340.856董事会规模（Board）10009.2501.5605.00015.000独立董事比例（Indep）10000.3760.0540.3000.500债务融资比例（Debt）10000.5830.1020.3500.850股权融资比例（Equity）10000.3250.0870.1500.600融资成本（Cost）10000.0650.0230.0300.120GDP增长率（GDP_growth）10000.0680.0200.0300.120通货膨胀率（Inflation）10000.0250.015-0.0100.060利率水平（Interest）10000.0450.0100.0300.070地方政府财政支持力度（Support）10000.0560.0300.0100.150公司规模（Size）100021.5601.23019.00024.000资产负债率（Lev）10000.5500.1200.3000.850净资产收益率（ROE）10000.0860.050-0.1000.250公司年龄（Age）100012.5003.5005.00025.000在投资效率方面，综合技术效率的平均值为0.654，说明样本公司整体投资效率处于中等水平，还有较大的提升空间。纯技术效率平均值为0.726，表明样本公司在技术管理层面具备一定的能力，但仍有改进的余地；规模效率平均值为0.901，相对较高，显示样本公司在规模利用上较为合理，但仍存在部分公司规模效率有待提高的情况。从最小值和最大值来看，投资效率指标存在一定的差异，反映出不同公司之间的投资效率水平参差不齐。解释变量中，股权集中度（CR10）平均值为0.523，说明样本公司股权相对集中，大股东对公司决策可能具有较大影响力；董事会规模（Board）平均值为9.250，表明样本公司董事会规模适中，但不同公司之间董事会规模存在一定差异；独立董事比例（Indep）平均值为0.376，达到了监管要求，但仍有提升空间，以更好地发挥独立董事的监督作用。债务融资比例（Debt）平均值为0.583，显示样本公司融资结构中债务融资占比较高，面临一定的偿债压力；股权融资比例（Equity）平均值为0.325，相对较低；融资成本（Cost）平均值为0.065，不同公司之间融资成本存在一定波动。宏观经济环境指标中，GDP增长率（GDP_growth）平均值为0.068，反映出样本期间宏观经济保持一定的增长态势；通货膨胀率（Inflation）平均值为0.025，处于相对稳定的水平；利率水平（Interest）平均值为0.045，在一定程度上影响着公司的融资成本和投资决策。地方政府财政支持力度（Support）平均值为0.056，不同地区和公司获得的财政支持存在差异。控制变量方面，公司规模（Size）平均值为21.560，标准差为1.230，表明样本公司规模存在一定差异；资产负债率（Lev）平均值为0.550，与债务融资比例的情况相呼应，反映出公司的偿债能力和财务风险状况；净资产收益率（ROE）平均值为0.086，说明样本公司整体盈利能力处于中等水平；公司年龄（Age）平均值为12.500，不同公司成立年限不同，可能在投资经验和市场认知方面存在差异。通过以上描述性统计分析，我们对样本的投资效率、解释变量和控制变量有了初步的认识，这些数据特征将为后续的相关性分析和回归分析提供重要参考，有助于深入探究影响地方融资平台投资效率的因素。4.2相关性分析在进行回归分析之前，对各变量进行相关性分析至关重要，这有助于初步判断变量之间的关系，并检测是否存在多重共线性问题。本研究运用皮尔逊相关系数法，对投资效率（以综合技术效率TE衡量）、解释变量和控制变量进行了相关性分析，结果如表2所示。表2：变量相关性分析结果变量TECR10BoardIndepDebtEquityCostGDP_growthInflationInterestSupportSizeLevROEAgeTE1.000CR10-0.325***1.000Board-0.186**0.254***1.000Indep0.215***-0.153**-0.201***1.000Debt-0.278***0.312***0.165**-0.148**1.000Equity0.236***-0.287***-0.172**0.156**-0.854***1.000Cost-0.253***0.276***0.143**-0.135**0.687***-0.625***1.000GDP_growth0.198***-0.125*-0.1120.108-0.146**0.137**-0.1051.000Inflation-0.164**0.136**0.102-0.0980.154**-0.143**0.116-0.205***1.000Interest-0.147**0.128*0.095-0.0870.138**-0.126*0.103-0.189***0.765***1.000Support0.206***-0.132*-0.1060.113-0.139**0.129*-0.1180.175***-0.142**-0.133*1.000Size0.157**0.234***0.205***-0.127*0.326***-0.301***0.289***-0.1170.125*0.114-0.1111.000Lev-0.267***0.308***0.158**-0.141**0.965***-0.842***0.673***-0.140**0.149**0.130*-0.134*0.313***1.000ROE0.228***-0.167***-0.184***0.173***-0.152**0.140**-0.137**0.186***-0.135**-0.1200.168***-0.176***-0.145**1.000Age0.1150.1060.092-0.0850.124*-0.1170.101-0.1020.1030.098-0.0960.1130.107-0.1041.000注：*、**、***分别表示在10%、5%、1%的水平上显著相关。从表2可以看出，综合技术效率（TE）与股权集中度（CR10）呈显著负相关，相关系数为-0.325，这表明股权集中度越高，地方融资平台的投资效率可能越低，大股东的过度控制可能会对投资决策产生负面影响，进而降低投资效率。与独立董事比例（Indep）呈显著正相关，相关系数为0.215，说明独立董事比例的提高有助于提升投资效率，独立董事能够发挥监督和制衡作用，提高投资决策的科学性。与债务融资比例（Debt）呈显著负相关，相关系数为-0.278，表明债务融资比例过高可能会增加财务风险和偿债压力，从而对投资效率产生不利影响。与股权融资比例（Equity）呈显著正相关，相关系数为0.236，显示适当提高股权融资比例有利于优化资本结构，提高投资效率。在控制变量方面，公司规模（Size）与投资效率呈显著正相关，相关系数为0.157，说明规模较大的地方融资平台可能具有更强的资源整合能力和市场影响力，有利于提高投资效率。资产负债率（Lev）与投资效率呈显著负相关，相关系数为-0.267，进一步印证了过高的债务水平会对投资效率产生负面影响。净资产收益率（ROE）与投资效率呈显著正相关，相关系数为0.228，表明盈利能力较强的平台通常投资效率也较高，良好的盈利能力为投资活动提供了坚实的资金保障和更多的投资机会。同时，观察各解释变量之间的相关性，发现债务融资比例（Debt）与股权融资比例（Equity）的相关系数为-0.854，债务融资比例（Debt）与融资成本（Cost）的相关系数为0.687，资产负债率（Lev）与债务融资比例（Debt）的相关系数高达0.965，这些变量之间存在较高的相关性。为了进一步判断是否存在多重共线性问题，计算各解释变量的方差膨胀因子（VIF）。结果显示，大部分解释变量的VIF值均小于10，但债务融资比例（Debt）、股权融资比例（Equity）和资产负债率（Lev）的VIF值较高，其中债务融资比例（Debt）的VIF值达到了15.68，股权融资比例（Equity）的VIF值为12.45，资产负债率（Lev）的VIF值为14.87，这表明这些变量之间可能存在多重共线性问题。多重共线性可能会导致回归系数估计不准确、标准误差增大、t检验失效等问题，影响模型的可靠性和解释能力。因此，在后续的回归分析中，需要对存在高度相关性的变量进行处理，如删除部分变量或采用主成分分析等方法进行降维处理，以消除多重共线性的影响，确保回归结果的准确性和可靠性。4.3回归结果分析4.3.1整体样本回归结果解读运用Stata软件对构建的多元线性回归模型进行估计，得到整体样本的回归结果，如表3所示。表3：整体样本回归结果|变量|系数|标准误|t值|P>|t||[95%置信区间]||---|---|---|---|---|---||股权集中度（CR10）|-0.125***|0.032|-3.91|0.000|-0.187，-0.063||董事会规模（Board）|-0.056**|0.025|-2.24|0.025|-0.105，-0.007||独立董事比例（Indep）|0.087***|0.021|4.14|0.000|0.046，0.128||债务融资比例（Debt）|-0.102***|0.028|-3.64|0.000|-0.157，-0.047||股权融资比例（Equity）|0.078***|0.023|3.39|0.001|0.033，0.123||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.068***|0.020|3.40|0.001|0.029，0.107||通货膨胀率（Inflation）|-0.072**|0.030|-2.40|0.016|-0.131，-0.013||利率水平（Interest）|-0.058**|0.025|-2.32|0.021|-0.107，-0.009||地方政府财政支持力度（Support）|0.082***|0.022|3.73|0.000|0.040，0.124||公司规模（Size）|0.045***|0.015|3.00|0.003|0.016，0.074||资产负债率（Lev）|-0.098***|0.027|-3.63|0.000|-0.151，-0.045||净资产收益率（ROE）|0.075***|0.020|3.75|0.000|0.036，0.114||公司年龄（Age）|0.025*|0.014|1.79|0.074|0.001，0.049||行业虚拟变量|控制|-|-|-|-||常数项|0.256***|0.065|3.94|0.000|0.129，0.383||N|1000|R²|0.568|AdjR²|0.542||---|---|---|---|---|---||股权集中度（CR10）|-0.125***|0.032|-3.91|0.000|-0.187，-0.063||董事会规模（Board）|-0.056**|0.025|-2.24|0.025|-0.105，-0.007||独立董事比例（Indep）|0.087***|0.021|4.14|0.000|0.046，0.128||债务融资比例（Debt）|-0.102***|0.028|-3.64|0.000|-0.157，-0.047||股权融资比例（Equity）|0.078***|0.023|3.39|0.001|0.033，0.123||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.068***|0.020|3.40|0.001|0.029，0.107||通货膨胀率（Inflation）|-0.072**|0.030|-2.40|0.016|-0.131，-0.013||利率水平（Interest）|-0.058**|0.025|-2.32|0.021|-0.107，-0.009||地方政府财政支持力度（Support）|0.082***|0.022|3.73|0.000|0.040，0.124||公司规模（Size）|0.045***|0.015|3.00|0.003|0.016，0.074||资产负债率（Lev）|-0.098***|0.027|-3.63|0.000|-0.151，-0.045||净资产收益率（ROE）|0.075***|0.020|3.75|0.000|0.036，0.114||公司年龄（Age）|0.025*|0.014|1.79|0.074|0.001，0.049||行业虚拟变量|控制|-|-|-|-||常数项|0.256***|0.065|3.94|0.000|0.129，0.383||N|1000|R²|0.568|AdjR²|0.542||股权集中度（CR10）|-0.125***|0.032|-3.91|0.000|-0.187，-0.063||董事会规模（Board）|-0.056**|0.025|-2.24|0.025|-0.105，-0.007||独立董事比例（Indep）|0.087***|0.021|4.14|0.000|0.046，0.128||债务融资比例（Debt）|-0.102***|0.028|-3.64|0.000|-0.157，-0.047||股权融资比例（Equity）|0.078***|0.023|3.39|0.001|0.033，0.123||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.068***|0.020|3.40|0.001|0.029，0.107||通货膨胀率（Inflation）|-0.072**|0.030|-2.40|0.016|-0.131，-0.013||利率水平（Interest）|-0.058**|0.025|-2.32|0.021|-0.107，-0.009||地方政府财政支持力度（Support）|0.082***|0.022|3.73|0.000|0.040，0.124||公司规模（Size）|0.045***|0.015|3.00|0.003|0.016，0.074||资产负债率（Lev）|-0.098***|0.027|-3.63|0.000|-0.151，-0.045||净资产收益率（ROE）|0.075***|0.020|3.75|0.000|0.036，0.114||公司年龄（Age）|0.025*|0.014|1.79|0.074|0.001，0.049||行业虚拟变量|控制|-|-|-|-||常数项|0.256***|0.065|3.94|0.000|0.129，0.383||N|1000|R²|0.568|AdjR²|0.542||董事会规模（Board）|-0.056**|0.025|-2.24|0.025|-0.105，-0.007||独立董事比例（Indep）|0.087***|0.021|4.14|0.000|0.046，0.128||债务融资比例（Debt）|-0.102***|0.028|-3.64|0.000|-0.157，-0.047||股权融资比例（Equity）|0.078***|0.023|3.39|0.001|0.033，0.123||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.068***|0.020|3.40|0.001|0.029，0.107||通货膨胀率（Inflation）|-0.072**|0.030|-2.40|0.016|-0.131，-0.013||利率水平（Interest）|-0.058**|0.025|-2.32|0.021|-0.107，-0.009||地方政府财政支持力度（Support）|0.082***|0.022|3.73|0.000|0.040，0.124||公司规模（Size）|0.045***|0.015|3.00|0.003|0.016，0.074||资产负债率（Lev）|-0.098***|0.027|-3.63|0.000|-0.151，-0.045||净资产收益率（ROE）|0.075***|0.020|3.75|0.000|0.036，0.114||公司年龄（Age）|0.025*|0.014|1.79|0.074|0.001，0.049||行业虚拟变量|控制|-|-|-|-||常数项|0.256***|0.065|3.94|0.000|0.129，0.383||N|1000|R²|0.568|AdjR²|0.542||独立董事比例（Indep）|0.087***|0.021|4.14|0.000|0.046，0.128||债务融资比例（Debt）|-0.102***|0.028|-3.64|0.000|-0.157，-0.047||股权融资比例（Equity）|0.078***|0.023|3.39|0.001|0.033，0.123||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.068***|0.020|3.40|0.001|0.029，0.107||通货膨胀率（Inflation）|-0.072**|0.030|-2.40|0.016|-0.131，-0.013||利率水平（Interest）|-0.058**|0.025|-2.32|0.021|-0.107，-0.009||地方政府财政支持力度（Support）|0.082***|0.022|3.73|0.000|0.040，0.124||公司规模（Size）|0.045***|0.015|3.00|0.003|0.016，0.074||资产负债率（Lev）|-0.098***|0.027|-3.63|0.000|-0.151，-0.045||净资产收益率（ROE）|0.075***|0.020|3.75|0.000|0.036，0.114||公司年龄（Age）|0.025*|0.014|1.79|0.074|0.001，0.049||行业虚拟变量|控制|-|-|-|-||常数项|0.256***|0.065|3.94|0.000|0.129，0.383||N|1000|R²|0.568|AdjR²|0.542||债务融资比例（Debt）|-0.102***|0.028|-3.64|0.000|-0.157，-0.047||股权融资比例（Equity）|0.078***|0.023|3.39|0.001|0.033，0.123||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.068***|0.020|3.40|0.001|0.029，0.107||通货膨胀率（Inflation）|-0.072**|0.030|-2.40|0.016|-0.131，-0.013||利率水平（Interest）|-0.058**|0.025|-2.32|0.021|-0.107，-0.009||地方政府财政支持力度（Support）|0.082***|0.022|3.73|0.000|0.040，0.124||公司规模（Size）|0.045***|0.015|3.00|0.003|0.016，0.074||资产负债率（Lev）|-0.098***|0.027|-3.63|0.000|-0.151，-0.045||净资产收益率（ROE）|0.075***|0.020|3.75|0.000|0.036，0.114||公司年龄（Age）|0.025*|0.014|1.79|0.074|0.001，0.049||行业虚拟变量|控制|-|-|-|-||常数项|0.256***|0.065|3.94|0.000|0.129，0.383||N|1000|R²|0.568|AdjR²|0.542||股权融资比例（Equity）|0.078***|0.023|3.39|0.001|0.033，0.123||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.068***|0.020|3.40|0.001|0.029，0.107||通货膨胀率（Inflation）|-0.072**|0.030|-2.40|0.016|-0.131，-0.013||利率水平（Interest）|-0.058**|0.025|-2.32|0.021|-0.107，-0.009||地方政府财政支持力度（Support）|0.082***|0.022|3.73|0.000|0.040，0.124||公司规模（Size）|0.045***|0.015|3.00|0.003|0.016，0.074||资产负债率（Lev）|-0.098***|0.027|-3.63|0.000|-0.151，-0.045||净资产收益率（ROE）|0.075***|0.020|3.75|0.000|0.036，0.114||公司年龄（Age）|0.025*|0.014|1.79|0.074|0.001，0.049||行业虚拟变量|控制|-|-|-|-||常数项|0.256***|0.065|3.94|0.000|0.129，0.383||N|1000|R²|0.568|AdjR²|0.542||融资成本（Cost）|-0.095***|0.026|-3.65|0.000|-0.146，-0.044||GDP增长率（GDP_growth）|0.