融资结构对战略性新兴产业上市公司全要素生产率的异质性影响与优化路径研究

融资结构对战略性新兴产业上市公司全要素生产率的异质性影响与优化路径研究一、引言1.1研究背景在全球经济格局深度调整和科技革命加速推进的时代背景下，战略性新兴产业已成为各国抢占经济发展制高点、提升国际竞争力的关键领域。战略性新兴产业是以重大技术突破和重大发展需求为基础，对经济社会全局和长远发展具有重大引领带动作用，知识技术密集、物质资源消耗少、成长潜力大、综合效益好的产业，涵盖新一代信息技术、高端装备制造、新材料、生物、新能源汽车、新能源、节能环保、数字创意等诸多领域。战略性新兴产业的蓬勃发展对经济增长和产业结构优化具有不可替代的重要作用。从产业结构优化升级角度来看，它能推动传统产业的改造与提升，加快淘汰落后产能，促进产业间的融合与协同发展。如新一代信息技术在制造业中的深度应用，实现了生产过程的智能化与自动化，大幅提高了生产效率和产品质量，推动制造业向高端化迈进。在创造新的经济增长点方面，战略性新兴产业凭借其巨大的市场潜力和发展空间，吸引了大量的投资和人才，带动相关产业的繁荣。以新能源汽车产业为例，其发展不仅带动了汽车制造业的变革，还促进了电池、充电设施等上下游产业的快速发展，为经济增长注入了新动能。此外，战略性新兴产业通常具有较高的附加值和利润率，能提高资源利用效率，减少环境污染，实现经济的可持续发展，从而有效提升经济发展的质量和效益。据相关数据显示，2021年我国高技术制造业占规模以上工业增加值比重达15.1%，比2012年提高5.7个百分点，战略性新兴产业正逐步成为经济发展的重要引擎。资金是战略性新兴产业发展的重要支撑，融资结构则在其中扮演着关键角色。合理的融资结构能够为企业提供充足的资金，保障企业的研发投入、生产扩张等活动的顺利进行。不同的融资方式，如内部融资、债权融资、股权融资等，各有其特点和优势。内部融资具有成本低、自主性强的特点，能为企业提供稳定的资金来源；债权融资成本相对较低，在一定程度上能发挥财务杠杆作用，但也会增加企业的偿债压力和财务风险；股权融资可以为企业带来大量资金，优化企业的资本结构，分散经营风险，还能为企业带来先进的管理经验和技术资源，但会稀释原有股东的控制权。战略性新兴产业企业由于其自身特点，如研发周期长、风险高、不确定性大等，在融资过程中面临着诸多挑战，融资结构的选择显得尤为重要。若融资结构不合理，可能导致企业资金短缺，无法满足研发和生产需求，进而制约企业的发展。全要素生产率作为衡量经济效率和技术进步的重要指标，直接关系到战略性新兴产业企业的生产效率和长期竞争力。提升全要素生产率有助于企业在激烈的市场竞争中脱颖而出，实现可持续发展。而融资结构与全要素生产率之间存在着紧密的联系。一方面，合理的融资结构能够为企业提供稳定的资金支持，降低融资成本，缓解融资约束，使企业有更多的资金投入到研发创新和技术改造中，从而促进技术进步和生产效率的提升，对全要素生产率产生积极影响。例如，股权融资模式下，企业无需承担如债权融资下的还款压力和破产风险，可更灵活地调整资金用途，持续加大对研发的投入，进而提升全要素生产率。另一方面，不合理的融资结构可能导致企业融资成本过高、资金链断裂等问题，限制企业的投资和创新活动，对全要素生产率产生负面影响。目前，关于融资结构对企业全要素生产率影响的研究在不同行业已取得一定成果，但针对战略性新兴产业这一特定领域的研究仍相对不足。战略性新兴产业具有独特的产业特征和发展规律，其融资结构与全要素生产率之间的关系可能与其他行业存在差异。深入研究融资结构对战略性新兴产业上市公司全要素生产率的影响，对于丰富该领域的理论研究具有重要意义，同时也能为战略性新兴产业企业优化融资结构、提升全要素生产率提供实践指导，助力我国战略性新兴产业的高质量发展。1.2研究目的与意义本研究旨在深入剖析融资结构对战略性新兴产业上市公司全要素生产率的影响机制，通过实证研究揭示二者之间的内在联系，具体目的如下：揭示影响关系：准确识别不同融资方式，如内部融资、债权融资、股权融资等在战略性新兴产业上市公司中的占比及其动态变化，实证检验融资结构与全要素生产率之间的直接影响关系，明确融资结构的调整如何对全要素生产率产生促进或抑制作用。探究影响机制：深入挖掘融资结构影响战略性新兴产业上市公司全要素生产率的内在传导路径，分析融资结构如何通过影响企业的研发投入、技术创新、生产规模扩张、资源配置效率等中间变量，间接作用于全要素生产率，为理解二者关系提供理论支撑。考虑异质性因素：全面考察不同行业特征、企业规模、成长阶段等异质性因素对融资结构与全要素生产率关系的调节作用，明确在不同情境下融资结构对全要素生产率影响的差异，为企业根据自身特点优化融资结构提供针对性指导。本研究具有重要的理论与现实意义：理论意义：丰富和完善战略性新兴产业融资与全要素生产率领域的理论研究。目前，虽然在企业融资和全要素生产率方面已有大量研究，但针对战略性新兴产业这一特殊领域，融资结构对全要素生产率影响的系统性研究仍显不足。本研究将填补这一空白，为后续学者深入探讨该领域提供新的研究视角和理论基础，进一步拓展产业经济学、金融学等学科的交叉研究。现实意义：为战略性新兴产业上市公司优化融资决策提供实践指导。通过明确融资结构与全要素生产率之间的关系及作用机制，帮助企业管理者科学合理地选择融资方式，优化融资结构，降低融资成本，提高资金使用效率，进而提升企业的全要素生产率和市场竞争力。同时，为政府制定相关产业政策和金融政策提供决策依据。政府可以根据研究结果，出台有针对性的政策措施，引导金融资源向战略性新兴产业合理配置，完善金融支持体系，促进战略性新兴产业的健康快速发展，推动我国经济结构的优化升级和高质量发展。1.3研究内容与方法1.3.1研究内容本文将从多个维度深入研究融资结构对战略性新兴产业上市公司全要素生产率的影响，具体内容如下：战略性新兴产业上市公司融资结构与全要素生产率的现状分析：通过收集和整理相关数据，对战略性新兴产业上市公司的融资结构进行详细剖析，包括内部融资、债权融资、股权融资等各类融资方式的占比情况、变化趋势，以及不同行业、地区和企业规模下的融资结构差异。同时，运用合适的方法对战略性新兴产业上市公司的全要素生产率进行测度和分析，了解其总体水平、变化趋势以及在不同企业特征下的表现。融资结构对战略性新兴产业上市公司全要素生产率影响的实证检验：基于理论分析，选取合理的变量和样本数据，构建计量经济模型，运用回归分析等方法实证检验融资结构对战略性新兴产业上市公司全要素生产率的直接影响。明确不同融资方式，如内部融资、债权融资、股权融资等对全要素生产率的具体影响方向和程度。考虑到可能存在的内生性问题，采用合适的方法，如工具变量法、双重差分法等进行处理，以确保研究结果的可靠性和准确性。融资结构影响战略性新兴产业上市公司全要素生产率的机制分析：深入探究融资结构影响全要素生产率的内在作用机制，从研发投入、技术创新、生产规模扩张、资源配置效率等多个角度进行分析。通过构建中介效应模型等方法，检验融资结构是否通过影响这些中间变量来间接作用于全要素生产率，明确各作用路径的具体传导过程和影响程度。异质性分析：考虑到战略性新兴产业涵盖多个不同行业，各行业在技术特征、市场需求、竞争环境等方面存在差异，以及企业规模、成长阶段等因素也会对融资结构与全要素生产率的关系产生影响。因此，将进行异质性分析，考察在不同行业、企业规模和成长阶段下，融资结构对全要素生产率影响的差异，为企业制定个性化的融资策略提供依据。研究结论与政策建议：对研究结果进行总结和归纳，得出融资结构对战略性新兴产业上市公司全要素生产率影响的主要结论。根据研究结论，从企业自身、金融机构和政府等多个层面提出针对性的政策建议，以优化战略性新兴产业上市公司的融资结构，提升全要素生产率，促进战略性新兴产业的健康发展。具体包括企业如何根据自身特点选择合适的融资方式，金融机构如何创新金融产品和服务，政府如何完善政策支持体系等。1.3.2研究方法为实现研究目标，本文将综合运用多种研究方法，具体如下：文献研究法：广泛查阅国内外关于融资结构、全要素生产率以及战略性新兴产业的相关文献，梳理已有研究成果，了解研究现状和发展趋势，明确研究的切入点和创新点，为本文的研究提供坚实的理论基础和研究思路。对相关理论进行深入分析，如资本结构理论、融资优序理论、全要素生产率理论等，为研究融资结构与全要素生产率的关系提供理论支撑。实证分析法：收集战略性新兴产业上市公司的财务数据、市场数据等，运用计量经济学方法进行实证研究。在变量选取上，合理确定融资结构变量，如内部融资率、资产负债率、股权融资率等，以及全要素生产率变量和控制变量，如企业规模、盈利能力、成长性等。通过构建多元线性回归模型、中介效应模型等，对融资结构与全要素生产率之间的关系进行定量分析，检验研究假设，得出实证结果，并对结果进行解释和分析。考虑到数据的质量和可靠性，对原始数据进行筛选、清洗和预处理，确保数据的准确性和一致性。比较分析法：对不同行业、地区、企业规模和成长阶段的战略性新兴产业上市公司的融资结构和全要素生产率进行比较分析，找出其差异和特点。通过横向比较，分析不同企业在相同条件下融资结构和全要素生产率的差异；通过纵向比较，分析同一企业在不同时期融资结构和全要素生产率的变化趋势。比较不同融资方式对全要素生产率的影响差异，以及不同影响机制在不同情境下的作用效果，为针对性的政策建议提供依据。案例分析法：选取具有代表性的战略性新兴产业上市公司作为案例，深入分析其融资结构的特点、形成原因以及对全要素生产率的影响。通过对案例企业的详细剖析，进一步验证实证研究的结果，丰富研究内容，为企业提供具体的实践经验和借鉴。分析案例企业在不同发展阶段的融资决策和全要素生产率变化情况，探讨如何通过优化融资结构提升全要素生产率，以及在实践中可能面临的问题和挑战。二、文献综述2.1融资结构相关研究融资结构，作为企业金融决策的核心内容，在学术界和实务界均受到广泛关注。它指企业在筹集资金时，由不同渠道取得的资金之间的有机构成及其比重关系，涵盖内部融资、债权融资和股权融资等多种方式，其合理与否直接关乎企业的财务状况、经营绩效与发展战略的实施。融资结构理论的发展历程可追溯至20世纪50年代，Modigliani和Miller提出的MM理论，奠定了现代融资结构理论的基石。在无税和完美市场假设下，MM理论认为企业的总价值不受融资结构影响，即风险相同但融资结构不同的企业，其总价值相等。此后，学者们逐步放宽假设条件，对MM理论进行修正和拓展。考虑公司所得税时，负债经营可带来税收屏蔽效应，使公司价值随负债增加而上升。权衡理论则进一步指出，负债虽有利息减税好处，但也会增加财务风险，理想的负债比例应是税前付息好处与破产成本之间的平衡。信号显示理论从信息不对称角度出发，认为企业可通过负债比例或内部人持股比例向市场传递有关企业质量的信号。融资优序理论提出企业融资存在先后顺序，先内源融资，然后是发行债券，最后才是发行股票，这一理论强调了企业在融资决策时对成本和风险的考量。在战略性新兴产业上市公司融资结构的特点和现状研究方面，学者们发现，战略性新兴产业具有高成长潜力、技术创新驱动、产业融合特性等特征，这些特征使其融资结构呈现出独特之处。一方面，由于战略性新兴产业企业大多处于发展初期，具有高风险、高投入、回报周期长的特点，对资金的需求量较大，且资金需求的持续性较强。另一方面，这类企业的有形资产相对较少，无形资产占比较高，未来收益存在较大不确定性，导致其在融资过程中面临诸多挑战。在融资结构方面，内部融资是企业的重要资金来源之一。企业通过自身经营活动产生的留存收益进行内部融资，具有成本低、自主性强的优势，能够为企业提供稳定的资金支持。但战略性新兴产业企业由于前期研发投入大，内部积累有限，内部融资占比相对较低。债权融资是企业筹集资金的常用方式，包括银行贷款、发行债券等。银行贷款具有融资成本相对较低、手续相对简便的特点，但由于战略性新兴产业企业风险较高，银行往往对其贷款条件较为苛刻，导致企业获取银行贷款的难度较大。发行债券对企业的信用评级和盈利能力有较高要求，部分战略性新兴产业企业难以满足这些条件，使得债权融资在其融资结构中的占比也受到一定限制。股权融资为企业提供了大量资金，有助于优化资本结构、分散经营风险，还能带来先进的管理经验和技术资源。因此，战略性新兴产业企业对股权融资的依赖程度相对较高，风险投资、私募股权基金等对战略性新兴产业企业的投资较为活跃，资本市场也为部分企业提供了股权融资的平台。从行业内部来看，不同细分领域的战略性新兴产业上市公司融资结构存在差异。例如，新一代信息技术产业由于技术更新换代快，对资金的需求更为迫切，股权融资的占比相对较高；而新能源产业由于项目投资规模大、建设周期长，债权融资在其融资结构中占据重要地位。从企业规模和发展阶段来看，大型企业由于信用基础好、抗风险能力强，在融资过程中具有更多优势，融资渠道相对多元化，债权融资和股权融资的占比相对均衡；而中小企业由于规模较小、风险较高，融资渠道相对狭窄，更依赖股权融资和政府扶持资金。处于初创期的企业，由于缺乏稳定的盈利和资产抵押，主要依靠风险投资等股权融资方式；进入成长期后，企业的融资渠道逐渐拓宽，债权融资的比例会有所增加；到了成熟期，企业的盈利能力增强，内部融资和股权融资、债权融资的结构更为合理。国内外学者对融资结构的理论和实践进行了广泛研究，为理解战略性新兴产业上市公司的融资结构提供了坚实的理论基础和丰富的研究视角。然而，针对战略性新兴产业这一特定领域，融资结构的动态变化、不同融资方式的协同效应以及如何更好地满足其特殊融资需求等方面，仍有待进一步深入研究。2.2全要素生产率相关研究全要素生产率（TotalFactorProductivity，TFP）是衡量经济效率和技术进步的关键指标，在经济学领域占据着重要地位。它指生产单位作为系统中各个要素的综合生产率，反映了在各种生产要素投入水平既定的条件下，所达到的额外生产效率。从经济增长视角来看，全要素生产率与资本、劳动等要素投入共同为经济增长作出贡献，是判断经济增长质量的核心指标，也是探究经济增长源泉的重要工具。在企业层面，全要素生产率体现了企业将各种生产要素转化为产出的综合能力，对企业的竞争力和可持续发展起着决定性作用。全要素生产率的测算方法丰富多样，每种方法都有其独特的原理、适用场景和局限性，在实际应用中，需根据研究目的、数据可得性和研究对象的特点，合理选择测算方法，以确保测算结果的准确性和可靠性。常见的测算方法包括索洛余值法、随机前沿分析法（SFA）、数据包络分析法（DEA）和Malmquist指数法。索洛余值法由索洛于1957年提出，在希克斯中性和规模报酬不变的假设下，通过从总产出增长中扣除资本和劳动力对产出的贡献，得到的“余值”即为技术进步对产出的贡献，也就是全要素生产率的增长率。该方法简单易行，适用于时间序列数据，但它存在诸多假设条件，如希克斯中性的、非体现的、外生的技术进步和规模报酬不变等，若现实情况与这些假设不符，测算结果会出现较大误差，且只能计算全要素生产率的增长率，无法直接计算全要素生产率。随机前沿分析法是一种参数方法，需要设定生产函数的具体形式，通过构建随机前沿生产函数，将全要素生产率分解为技术效率和技术进步，能够考虑到生产过程中的随机因素和技术无效率因素。然而，该方法对生产函数形式的设定较为敏感，不同的函数形式可能导致不同的测算结果，且需要较多的样本数据和先验知识。数据包络分析法是一种非参数方法，无需设定生产函数的具体形式，基于线性规划原理，通过构建生产前沿面来衡量决策单元的相对效率，进而得到全要素生产率。它能处理多投入多产出的复杂情况，对数据要求相对较低，但无法考虑随机因素的影响，且结果可能受到异常值的干扰。Malmquist指数法通常与数据包络分析法结合使用，通过构建Malmquist生产率指数，将全要素生产率的变化分解为技术效率变化和技术进步变化，能够动态地分析全要素生产率的变动情况。不过，该方法对数据的一致性和可比性要求较高，且在分解结果的解释上存在一定难度。在战略性新兴产业上市公司全要素生产率的影响因素研究方面，众多学者从不同角度展开了深入探讨。技术创新被广泛认为是提升全要素生产率的关键因素。战略性新兴产业作为技术密集型产业，技术创新是其发展的核心驱动力。企业通过加大研发投入，能够开发新产品、改进生产工艺、提高产品质量和生产效率，从而直接推动全要素生产率的提升。拥有核心技术的企业在市场竞争中往往具有更大优势，能够获取更多的市场份额和利润，进而有更多资源投入到技术创新中，形成良性循环。人力资本也是影响全要素生产率的重要因素。高素质的人才具备专业知识和创新能力，能够更好地理解和应用新技术，推动企业的技术创新和管理创新。在战略性新兴产业中，研发人员、技术专家和高级管理人员等人力资本的质量和数量，直接关系到企业的创新能力和生产效率。企业通过吸引和培养高素质人才，加强员工培训和知识共享，能够提高企业的整体人力资本水平，促进全要素生产率的提升。此外，市场竞争、产业政策、企业规模、管理水平等因素也会对战略性新兴产业上市公司的全要素生产率产生影响。市场竞争能够促使企业不断改进技术和管理，提高生产效率，以在竞争中脱颖而出；合理的产业政策可以引导资源向战略性新兴产业倾斜，为企业提供良好的发展环境，促进全要素生产率的提升；企业规模的扩大可以带来规模经济效应，降低生产成本，提高生产效率，但规模过大也可能导致管理效率低下，对全要素生产率产生负面影响；有效的管理能够优化企业的资源配置，提高生产组织和运营效率，从而提升全要素生产率。2.3融资结构与全要素生产率关系研究融资结构与全要素生产率之间的关系是学术界广泛关注的重要议题。从理论层面来看，二者存在紧密联系。企业的融资决策会影响其资金成本、风险承担能力以及投资决策，进而作用于全要素生产率。在内部融资方面，它是企业利用自身经营活动产生的留存收益进行融资的方式，具有成本低、自主性强的特点，能为企业提供稳定的资金支持。当企业内部融资充足时，可减少对外部融资的依赖，降低融资成本和财务风险，使企业能够更自主地安排资金用于研发创新和技术改造，从而对全要素生产率产生积极影响。若企业过度依赖内部融资，可能会因资金规模有限，无法满足大规模的研发和投资需求，限制企业的技术进步和生产效率提升。债权融资作为企业筹集资金的常用方式，包括银行贷款、发行债券等。债权融资成本相对较低，在一定程度上能发挥财务杠杆作用，增加企业的资金规模，用于扩大生产、购置先进设备等，有助于提高生产效率，对全要素生产率产生正向影响。但债权融资也会增加企业的偿债压力和财务风险，如果企业负债过高，面临较大的还款压力，可能会影响企业的正常经营，导致企业在研发投入、技术创新等方面的资金不足，抑制全要素生产率的提升。股权融资则是企业通过发行股票等方式筹集资金，能够为企业带来大量资金，优化企业的资本结构，分散经营风险，还能为企业带来先进的管理经验和技术资源。股权融资下，企业无需承担如债权融资下的还款压力和破产风险，可更灵活地调整资金用途，持续加大对研发的投入，有利于提升企业的技术创新能力和全要素生产率。不过，股权融资可能会稀释原有股东的控制权，引发委托代理问题，若管理层与股东利益不一致，可能会导致企业决策失误，影响全要素生产率。国内外众多学者围绕融资结构对全要素生产率的影响展开了实证研究。有学者研究发现，债权融资与全要素生产率之间呈现显著的正相关关系，债权融资能够为企业提供必要的资金支持，促进企业扩大生产规模，采用更先进的生产技术和设备，从而提高全要素生产率。但也有研究表明，债权融资对全要素生产率的影响存在门槛效应，当债权融资比例超过一定阈值时，会增加企业的财务风险，对全要素生产率产生负面影响。关于股权融资对全要素生产率的影响，部分学者认为股权融资有助于企业获取更多的研发资金和创新资源，提升企业的创新能力和技术水平，进而对全要素生产率产生积极影响。但也有实证结果显示，股权融资比例过高可能会导致企业管理层受到股东的过度干预，决策效率降低，不利于全要素生产率的提升。现有研究在融资结构对全要素生产率影响的研究方面取得了一定成果，但仍存在一些不足之处。在研究对象上，多数研究未充分考虑不同行业、企业规模和成长阶段的异质性，对战略性新兴产业这一特定领域的针对性研究相对较少。战略性新兴产业具有高风险、高投入、技术创新驱动等独特特征，其融资结构与全要素生产率之间的关系可能与其他行业存在显著差异。在研究方法上，部分研究在变量选取和模型设定上存在一定局限性，可能导致研究结果的偏差。如对全要素生产率的测算方法选择不够科学，未能全面准确地反映企业的生产效率；对融资结构变量的衡量不够全面，未充分考虑不同融资方式之间的相互作用和协同效应。在影响机制研究方面，虽然已有研究从多个角度探讨了融资结构对全要素生产率的影响机制，但仍不够深入和全面，对一些潜在的影响路径和作用机制尚未进行充分挖掘和验证。基于上述研究不足，本文将聚焦于战略性新兴产业上市公司，深入研究融资结构对全要素生产率的影响。全面考虑不同行业、企业规模和成长阶段等异质性因素，采用科学合理的研究方法，准确选取变量并构建合适的模型，以提高研究结果的可靠性和准确性。进一步深入探究融资结构影响全要素生产率的内在作用机制，挖掘更多潜在的影响路径，为战略性新兴产业上市公司优化融资结构、提升全要素生产率提供更具针对性和有效性的理论支持和实践指导。三、战略性新兴产业上市公司融资结构与全要素生产率现状分析3.1战略性新兴产业界定与发展现状战略性新兴产业是建立在重大前沿科技突破基础上，代表未来科技和产业发展新方向，体现当今世界知识经济、循环经济、低碳经济发展潮流，尚处于成长初期、未来发展潜力巨大，对经济社会具有全局带动和重大引领作用的产业。2018年10月12日，国家统计局第15次常务会议通过实施的《战略性新兴产业分类（2018）》明确了战略性新兴产业的范畴，包括新一代信息技术产业、高端装备制造产业、新材料产业、生物产业、新能源汽车产业、新能源产业、节能环保产业、数字创意产业、相关服务业等9大领域。这些产业以重大技术突破和重大发展需求为基础，具有知识技术密集、物质资源消耗少、成长潜力大、综合效益好等特点，对经济社会全局和长远发展具有重大引领带动作用。近年来，战略性新兴产业在我国经济发展中占据着日益重要的地位，逐渐成为推动经济增长和产业结构优化升级的关键力量。从发展规模来看，战略性新兴产业呈现出快速增长的态势。2021年，战略性新兴产业增加值占GDP比重为13.4%，比2020年提高1.7个百分点，比2014年累计提高5.8个百分点。北京、上海、广州、深圳四座城市的战略性新兴产业增加值占城市生产总值（GDP口径）的比重显著高于全国平均水平，2021年，北京、上海、广州和深圳的战略性新兴产业增加值占GDP的比重分别为24.7%、20.4%、30.5%和39.6%。在部分省份，战略性新兴产业的发展也十分亮眼。以江苏为例，2023年上半年，全省工业战略性新兴产业产值占规上工业比重为41.1%，比去年同期提升1.3个百分点；全省高技术产业投资同比增长9%，比一季度加快0.5个百分点。从增长趋势来看，战略性新兴产业的增长速度明显高于传统产业。在“双碳”目标引领下，新能源相关产业保持快速增长态势。2023年上半年，江苏省锂离子电池、光伏设备及元器件、新能源车整车3个细分行业增加值同比分别增长28.8%、36.9%、86.5%，增速远高于全省规上工业平均水平，合计对规上工业增加值增长贡献率达21.5%，拉动规上工业增加值增长1.8个百分点。这些数据充分表明，战略性新兴产业正以其强劲的发展势头，成为经济增长的新引擎。战略性新兴产业在推动经济增长的同时，也对产业结构优化升级发挥着重要作用。它促进了传统产业的转型升级，推动了新兴技术与传统产业的深度融合，提高了传统产业的生产效率和产品附加值。在制造业中，新一代信息技术的应用实现了生产过程的智能化和自动化，推动制造业向高端化、智能化、绿色化方向发展。战略性新兴产业还催生了新的产业形态和商业模式，如数字经济、共享经济等，为经济发展注入了新的活力，推动了产业结构的多元化和高级化。3.2上市公司融资结构特征战略性新兴产业上市公司的融资结构具有独特的特征，其内源融资、股权融资、债权融资的占比及变化趋势与产业自身特性紧密相关。通过与其他产业对比，能更清晰地洞察其融资结构的独特之处。内源融资作为企业资金的重要内部来源，主要包括留存收益、折旧等。在战略性新兴产业上市公司中，内源融资占比整体相对较低。这主要是由于战略性新兴产业企业大多处于发展初期或快速成长阶段，企业前期的研发投入、市场拓展等活动消耗了大量资金，导致内部积累有限。据统计，2018-2022年期间，战略性新兴产业上市公司的内源融资占比平均约为20%-30%。以某新能源汽车上市公司为例，在其发展初期，为了研发新型电池技术和建设生产基地，投入了巨额资金，使得内源融资在总融资中的占比仅为25%左右。从变化趋势来看，随着企业的发展和盈利能力的提升，内源融资占比呈现出缓慢上升的趋势。当企业的产品逐渐打开市场，销售收入增加，利润积累增多时，内源融资的比例也会相应提高。与传统产业相比，传统产业企业经过长期发展，经营相对稳定，内部积累较为充足，内源融资占比通常较高，一般可达40%-50%，这凸显了战略性新兴产业上市公司在发展阶段和资金积累方面与传统产业的差异。股权融资在战略性新兴产业上市公司的融资结构中占据重要地位，占比较高。战略性新兴产业具有高风险、高成长潜力的特点，吸引了众多风险投资、私募股权基金等股权投资者的关注。这些投资者期望通过投资战略性新兴产业企业，在企业成长壮大后获得高额回报。同时，战略性新兴产业上市公司也需要大量资金用于技术研发、设备购置等，股权融资能够为其提供充足的资金支持，且无需承担固定的还款压力，有利于企业的长期发展。在2018-2022年期间，战略性新兴产业上市公司的股权融资占比平均约为40%-50%。以某人工智能上市公司为例，在其发展过程中，多次获得风险投资和私募股权融资，股权融资占比高达55%，为企业的技术研发和市场拓展提供了强大的资金保障。从变化趋势来看，随着资本市场的不断完善和对战略性新兴产业的关注度提升，股权融资的规模和占比呈上升趋势。与传统产业相比，传统产业的风险相对较低，增长速度相对较慢，对股权融资的吸引力相对较弱，股权融资占比一般在30%-40%左右，这体现了战略性新兴产业上市公司在融资需求和市场吸引力方面的独特性。债权融资在战略性新兴产业上市公司的融资结构中也占有一定比例，但占比相对股权融资略低。债权融资包括银行贷款、发行债券等方式。银行贷款是企业债权融资的常见形式之一，但由于战略性新兴产业企业的风险较高，资产结构中无形资产占比较大，缺乏足够的抵押物，银行往往对其贷款条件较为苛刻，导致企业获取银行贷款的难度较大。发行债券对企业的信用评级、盈利能力和资产规模等有较高要求，部分战略性新兴产业上市公司在发展初期难以满足这些条件，使得债券融资的规模受到一定限制。在2018-2022年期间，战略性新兴产业上市公司的债权融资占比平均约为30%-40%。以某生物医药上市公司为例，由于其研发周期长、风险高，银行对其贷款较为谨慎，债权融资占比仅为35%。从变化趋势来看，随着企业规模的扩大和信用状况的改善，债权融资的占比有逐渐上升的趋势。与传统产业相比，传统产业企业的资产结构相对稳定，抵押物充足，信用风险相对较低，更容易获得银行贷款和发行债券，债权融资占比一般在50%-60%左右，这反映了战略性新兴产业上市公司在债权融资方面面临的挑战和困难。3.3全要素生产率测算与分析全要素生产率（TFP）的准确测算对于评估战略性新兴产业上市公司的生产效率和经济绩效至关重要。本文采用数据包络分析（DEA）-Malmquist指数法对战略性新兴产业上市公司的全要素生产率进行测算。DEA方法是一种非参数方法，无需设定生产函数的具体形式，基于线性规划原理，通过构建生产前沿面来衡量决策单元的相对效率，进而得到全要素生产率。Malmquist指数法通常与DEA方法结合使用，通过构建Malmquist生产率指数，将全要素生产率的变化分解为技术效率变化（EC）和技术进步变化（TC），能够动态地分析全要素生产率的变动情况。在投入指标的选取上，选用固定资产净额、无形资产净额和员工总数。固定资产净额反映了企业的物质资本投入，包括厂房、设备等固定资产的净值，是企业生产的重要物质基础；无形资产净额体现了企业的技术和知识资本投入，如专利、商标、专有技术等，对于战略性新兴产业企业而言，无形资产在其生产经营中往往具有重要作用；员工总数代表了企业的劳动力投入，是生产过程中的关键要素之一。产出指标则选用营业收入和净利润，营业收入反映了企业在一定时期内通过销售产品或提供服务所获得的总收入，是衡量企业生产成果的重要指标；净利润则体现了企业扣除所有成本和费用后的盈利情况，更直接地反映了企业的经济效益和价值创造能力。通过对2018-2022年战略性新兴产业上市公司相关数据的处理和分析，得到全要素生产率的测算结果。从总体变化趋势来看，战略性新兴产业上市公司的全要素生产率呈现出波动上升的态势。2018-2019年，全要素生产率略有下降，可能是由于部分企业在这一时期加大了研发投入和固定资产投资，短期内尚未转化为显著的生产效率提升。2019-2020年，全要素生产率出现较大幅度上升，这可能得益于技术创新成果的逐步显现，以及企业在市场拓展和管理优化方面的努力，使得生产效率得到有效提高。2020-2022年，全要素生产率继续保持增长，但增长速度有所放缓，表明在这一阶段，产业发展逐渐进入相对平稳的阶段，技术进步和效率提升的速度逐渐趋于稳定。从技术效率变化（EC）和技术进步变化（TC）的分解来看，技术进步变化在推动全要素生产率增长中发挥了主导作用。在2018-2022年期间，技术进步变化指数总体呈上升趋势，说明战略性新兴产业上市公司在技术创新方面取得了一定成果，不断引入新的生产技术和管理方法，推动了生产前沿面的外移。而技术效率变化指数则相对较为稳定，波动较小，表明企业在资源配置和生产组织方面虽然有所改进，但提升空间相对有限，尚未实现质的突破。进一步分析不同行业的全要素生产率差异，发现新一代信息技术产业的全要素生产率最高，且增长速度较快。这主要得益于该行业技术创新活跃，企业不断加大研发投入，推出新产品和新服务，满足市场需求，从而实现了生产效率和经济效益的快速提升。新能源汽车产业的全要素生产率也较高，这与国家对新能源汽车产业的大力扶持以及市场需求的快速增长密切相关。企业在技术研发、生产规模扩大和产业链整合方面取得了显著成效，推动了全要素生产率的提高。相比之下，部分传统制造业转型而来的战略性新兴产业，如新材料产业中的一些细分领域，全要素生产率相对较低，增长速度也较为缓慢。这可能是由于这些企业在技术创新能力、市场竞争力和管理水平等方面存在不足，需要进一步加强技术研发和创新，优化产业结构，提高生产效率。四、融资结构对全要素生产率影响的理论分析与研究假设4.1融资结构影响全要素生产率的作用机制融资结构对战略性新兴产业上市公司全要素生产率的影响是一个复杂的过程，主要通过资金可得性、资金成本、公司治理等多个角度发挥作用。不同的融资方式，如内源融资、股权融资、债权融资，在这些方面表现出各自独特的特点，进而对全要素生产率产生不同的影响。从资金可得性角度来看，内源融资是企业依靠自身经营活动积累的资金，如留存收益、折旧等。内源融资具有自主性强的特点，企业可以根据自身发展战略和资金需求，灵活安排资金的使用，无需像外源融资那样受到外部投资者的诸多限制。这为企业提供了稳定的资金来源，有助于企业持续进行研发投入和技术创新，从而提升全要素生产率。例如，某信息技术企业通过多年的经营积累了一定规模的留存收益，利用这些内源资金持续投入到新产品研发中，成功推出了具有市场竞争力的产品，提高了生产效率和市场份额，进而提升了全要素生产率。然而，内源融资的规模受到企业自身盈利能力和积累能力的限制。对于处于快速发展阶段的战略性新兴产业上市公司，其对资金的需求往往较大，内源融资可能无法满足企业大规模的投资和创新需求，在一定程度上制约了企业全要素生产率的提升。股权融资通过发行股票等方式筹集资金，能够为企业带来大量的外部资金。股权融资的资金来源广泛，包括风险投资、私募股权基金、公众投资者等。这些投资者不仅为企业提供资金，还可能带来先进的管理经验、技术资源和市场渠道，有助于企业扩大生产规模、提升技术水平和创新能力，从而对全要素生产率产生积极影响。以某新能源汽车企业为例，在发展初期获得了多家风险投资和私募股权基金的投资，这些资金支持企业建设了先进的生产基地，引进了高端技术人才，加大了研发投入，推动了技术创新，使得企业的生产效率大幅提高，全要素生产率显著提升。但是，股权融资也可能导致企业股权结构分散，原有股东的控制权被稀释。如果新股东与原有股东在企业发展战略、经营理念等方面存在分歧，可能会引发企业决策效率低下、内部管理混乱等问题，不利于企业全要素生产率的提升。债权融资是企业通过向银行贷款、发行债券等方式获取资金。债权融资具有资金成本相对较低的优势，在一定程度上能够降低企业的融资成本，提高企业的资金使用效率。企业可以利用债权融资获得的资金进行设备更新、技术改造、扩大生产规模等，从而提高生产效率，促进全要素生产率的提升。例如，某高端装备制造企业通过发行债券筹集资金，购置了先进的生产设备，优化了生产流程，提高了产品质量和生产效率，全要素生产率得到了有效提升。然而，债权融资需要企业按时偿还本金和利息，这增加了企业的偿债压力和财务风险。如果企业的经营状况不佳，无法按时偿还债务，可能会面临信用危机、破产风险等，严重影响企业的正常生产经营，抑制全要素生产率的提升。从资金成本角度分析，内源融资的成本主要是机会成本，即企业将留存收益等内源资金用于自身发展而放弃的其他投资收益。相比外源融资，内源融资不存在利息支出、发行费用等显性成本，资金成本相对较低。较低的资金成本使得企业在进行投资和创新决策时，无需过多考虑融资成本的压力，能够更自由地将资金投入到具有高回报率的项目中，有利于提高企业的资金使用效率，促进全要素生产率的提升。股权融资的资金成本主要包括股息、红利以及股权稀释带来的成本。股息和红利是企业向股东分配的收益，其水平通常受到企业盈利能力、市场预期等因素的影响。股权稀释则会导致原有股东权益的减少，可能引发股东对企业控制权的担忧。为了吸引投资者，企业需要在股息、红利分配和股权结构安排上进行权衡，这使得股权融资的成本相对较高。较高的资金成本可能会对企业的盈利能力和资金使用效率产生一定的压力，在一定程度上影响企业的投资和创新决策，进而对全要素生产率产生负面影响。债权融资的资金成本主要是利息支出。利息支出的大小取决于市场利率、企业信用评级等因素。一般来说，债权融资的利息支出相对固定，企业需要按照合同约定按时支付。当市场利率较低或企业信用评级较高时，债权融资的成本相对较低，这有利于企业降低融资成本，提高资金使用效率，促进全要素生产率的提升。相反，当市场利率较高或企业信用评级较低时，债权融资的成本会增加，加重企业的财务负担，可能导致企业在投资和创新方面的资金不足，抑制全要素生产率的提升。在公司治理角度，内源融资由于资金来源于企业内部，企业的控制权相对集中在原有股东手中。这使得企业在决策过程中能够保持较高的自主性和灵活性，减少了委托代理问题的干扰，有利于企业制定长期发展战略，持续进行研发投入和技术创新，从而提升全要素生产率。股权融资会引入新的股东，股权结构的多元化有助于形成有效的内部监督机制。新股东为了自身利益，会对企业的经营管理进行监督和约束，促使管理层更加注重企业的长期发展和价值创造。不同股东之间的相互制衡可以避免管理层的短视行为和机会主义行为，提高企业的决策质量和运营效率，对全要素生产率产生积极影响。但如果股权结构过于分散，可能会导致股东之间的协调成本增加，决策效率低下，影响企业的发展和全要素生产率的提升。债权融资下，债权人虽然不直接参与企业的经营管理，但会通过合同条款对企业进行约束。例如，债权人会要求企业保持一定的资产负债率、流动比率等财务指标，限制企业的过度投资和高风险行为。这种外部约束机制可以促使企业加强财务管理，优化资源配置，提高生产效率，从而对全要素生产率产生正向影响。然而，如果企业面临较大的偿债压力，可能会为了满足债权人的要求而采取一些短期行为，如削减研发投入、降低产品质量等，这对企业的长期发展和全要素生产率提升不利。4.2研究假设提出基于上述对融资结构影响全要素生产率作用机制的理论分析，提出以下研究假设：假设1：内源融资与战略性新兴产业上市公司全要素生产率正相关。内源融资作为企业自身经营积累的资金，具有自主性强、成本低的特点。充足的内源融资能够为企业提供稳定的资金支持，使其在研发投入、技术创新和生产设备更新等方面更具自主性，减少外部融资的限制和干扰，从而促进全要素生产率的提升。当企业拥有足够的留存收益时，可以灵活地将资金投入到具有潜力的研发项目中，无需担心外部投资者的短期回报要求，有利于长期技术创新和生产效率的提高。假设2：股权融资与战略性新兴产业上市公司全要素生产率正相关。股权融资能够为企业带来大量资金，优化资本结构，分散经营风险。同时，新股东的加入可能带来先进的管理经验、技术资源和市场渠道，有助于企业扩大生产规模、提升技术水平和创新能力。股权投资者往往关注企业的长期发展，愿意为企业的研发和创新提供资金支持，促进企业技术进步和生产效率的提升，进而对全要素生产率产生积极影响。一家人工智能企业在获得风险投资和私募股权融资后，利用资金引进高端技术人才，建设先进的研发实验室，不断推出创新产品，提高了市场竞争力和生产效率，全要素生产率显著提升。假设3：债权融资与战略性新兴产业上市公司全要素生产率负相关。债权融资虽然资金成本相对较低，但会增加企业的偿债压力和财务风险。对于战略性新兴产业上市公司而言，其经营风险较高，研发和创新活动具有不确定性。若债权融资比例过高，企业可能面临较大的还款压力，这会影响企业的正常经营，导致企业在研发投入、技术创新等方面的资金不足，抑制全要素生产率的提升。当企业背负高额债务时，可能会优先考虑偿还债务，而减少对研发的投入，从而阻碍技术进步和生产效率的提高。五、研究设计与实证分析5.1研究设计样本选取与数据来源：选取2018-2022年在沪深两市A股上市的战略性新兴产业公司作为研究样本。为确保数据的可靠性和有效性，对样本进行了如下筛选：剔除ST、*ST类上市公司，这类公司通常财务状况异常，可能会对研究结果产生干扰；剔除数据缺失严重的公司，保证数据的完整性，避免因数据缺失导致分析结果出现偏差；剔除金融类上市公司，金融行业具有独特的业务模式和监管要求，其融资结构和全要素生产率的影响因素与其他行业存在较大差异。最终得到[X]个公司，[X]个年度观测值的平衡面板数据。数据主要来源于Wind数据库、CSMAR数据库以及各上市公司的年报，对于部分缺失数据，通过查阅公司公告、财经新闻等方式进行补充。变量定义被解释变量：全要素生产率（TFP）作为被解释变量，采用数据包络分析（DEA）-Malmquist指数法进行测算。投入指标选取固定资产净额、无形资产净额和员工总数，固定资产净额反映企业的物质资本投入，无形资产净额体现企业的技术和知识资本投入，员工总数代表劳动力投入。产出指标选用营业收入和净利润，营业收入反映企业的销售成果，净利润体现企业的盈利情况。利用DEAP2.1软件计算得到各样本公司的全要素生产率数值。解释变量：融资结构相关指标作为解释变量，内源融资（IF）用留存收益与总资产的比值衡量，反映企业依靠自身经营积累资金的能力；股权融资（EF）用股本与资本公积之和与总资产的比值表示，体现企业通过股权方式筹集资金的规模；债权融资（DF）以负债总额与总资产的比值度量，展示企业通过债权方式获取资金的程度。控制变量：选取企业规模（Size）、盈利能力（ROA）、成长性（Growth）、资产流动性（Liquidity）和行业虚拟变量（Industry）作为控制变量。企业规模（Size）用总资产的自然对数衡量，规模较大的企业可能在资源获取、技术创新等方面具有优势，从而影响全要素生产率；盈利能力（ROA）以净利润与总资产的比值表示，盈利能力强的企业更有能力进行研发投入和技术改造，对全要素生产率产生影响；成长性（Growth）用营业收入增长率衡量，反映企业的发展潜力和市场前景，对融资结构和全要素生产率的关系可能产生调节作用；资产流动性（Liquidity）用流动资产与流动负债的比值度量，资产流动性影响企业的偿债能力和资金周转效率，进而影响全要素生产率；行业虚拟变量（Industry）根据战略性新兴产业的行业分类设置，控制不同行业的异质性对研究结果的影响。变量定义及说明如下表所示：|变量类型|变量名称|变量符号|变量定义||----|----|----|----||被解释变量|全要素生产率|TFP|采用DEA-Malmquist指数法测算||解释变量|内源融资|IF|留存收益/总资产|||股权融资|EF|（股本+资本公积）/总资产|||债权融资|DF|负债总额/总资产||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量||变量类型|变量名称|变量符号|变量定义||----|----|----|----||被解释变量|全要素生产率|TFP|采用DEA-Malmquist指数法测算||解释变量|内源融资|IF|留存收益/总资产|||股权融资|EF|（股本+资本公积）/总资产|||债权融资|DF|负债总额/总资产||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量||----|----|----|----||被解释变量|全要素生产率|TFP|采用DEA-Malmquist指数法测算||解释变量|内源融资|IF|留存收益/总资产|||股权融资|EF|（股本+资本公积）/总资产|||债权融资|DF|负债总额/总资产||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量||被解释变量|全要素生产率|TFP|采用DEA-Malmquist指数法测算||解释变量|内源融资|IF|留存收益/总资产|||股权融资|EF|（股本+资本公积）/总资产|||债权融资|DF|负债总额/总资产||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量||解释变量|内源融资|IF|留存收益/总资产|||股权融资|EF|（股本+资本公积）/总资产|||债权融资|DF|负债总额/总资产||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量|||股权融资|EF|（股本+资本公积）/总资产|||债权融资|DF|负债总额/总资产||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量|||债权融资|DF|负债总额/总资产||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量||控制变量|企业规模|Size|总资产的自然对数|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量|||盈利能力|ROA|净利润/总资产|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量|||成长性|Growth|营业收入增长率|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量|||资产流动性|Liquidity|流动资产/流动负债|||行业虚拟变量|Industry|根据行业分类设置虚拟变量|||行业虚拟变量|Industry|根据行业分类设置虚拟变量|5.2模型构建为检验融资结构对战略性新兴产业上市公司全要素生产率的影响，构建如下面板数据回归模型：TFP_{it}=\alpha_0+\alpha_1IF_{it}+\alpha_2EF_{it}+\alpha_3DF_{it}+\sum_{j=1}^{4}\alpha_{j+3}Control_{jit}+\mu_i+\lambda_t+\varepsilon_{it}其中，i表示第i家上市公司，t表示第t年；TFP_{it}为被解释变量，代表第i家公司在t年的全要素生产率；IF_{it}、EF_{it}、DF_{it}分别为解释变量，依次表示第i家公司在t年的内源融资、股权融资、债权融资；Control_{jit}为控制变量，j=1,2,3,4分别对应企业规模（Size）、盈利能力（ROA）、成长性（Growth）、资产流动性（Liquidity）；\alpha_0为常数项，\alpha_1-\alpha_{7}为各变量的回归系数；\mu_i表示个体固定效应，用于控制个体异质性，反映不同企业之间不随时间变化的特征差异，如企业独特的管理模式、企业文化等对全要素生产率的影响；\lambda_t表示时间固定效应，用于控制时间趋势对全要素生产率的影响，如宏观经济形势的变化、行业技术的整体进步等；\varepsilon_{it}为随机误差项，服从正态分布N(0,\sigma^2)，表示模型中未考虑到的其他随机因素对全要素生产率的影响。模型设定的依据和合理性主要体现在以下几个方面：从理论基础来看，基于前文对融资结构影响全要素生产率作用机制的分析，内源融资、股权融资和债权融资通过资金可得性、资金成本和公司治理等途径，对企业的研发投入、技术创新、生产规模扩张等产生影响，进而作用于全要素生产率。因此，在模型中纳入这三个融资结构变量，能够直接检验融资结构对全要素生产率的影响。从数据特征考虑，本研究采用的是面板数据，包含了多个上市公司在不同时间点的观测值，面板数据回归模型能够充分利用数据的时间维度和个体维度信息，控制个体异质性和时间趋势的影响，提高估计的准确性和可靠性。通过引入个体固定效应，可以控制企业层面不随时间变化的特征，如企业的地理位置、行业属性等因素对全要素生产率的影响，这些因素可能会干扰融资结构与全要素生产率之间的关系。引入时间固定效应可以控制宏观经济环境、政策变化等时间趋势因素对全要素生产率的影响，使研究结果更能反映融资结构与全要素生产率之间的真实关系。在控制变量的选择上，企业规模、盈利能力、成长性和资产流动性等因素都可能对企业的全要素生产率产生影响。企业规模较大的公司可能在资源获取、技术创新等方面具有优势，进而影响全要素生产率；盈利能力强的企业更有能力进行研发投入和技术改造，对全要素生产率产生作用；成长性反映了企业的发展潜力和市场前景，可能会调节融资结构与全要素生产率的关系；资产流动性影响企业的偿债能力和资金周转效率，也会对全要素生产率产生影响。因此，在模型中纳入这些控制变量，能够更全面地考虑影响全要素生产率的因素，提高模型的解释力和准确性。5.3实证结果与分析描述性统计：对样本数据进行描述性统计，结果如表1所示。全要素生产率（TFP）的均值为1.125，表明战略性新兴产业上市公司整体的全要素生产率处于较好水平，最大值为1.856，最小值为0.763，说明不同公司之间的全要素生产率存在较大差异，部分公司在技术创新和生产效率提升方面表现突出，而部分公司仍有较大的提升空间。内源融资（IF）的均值为0.234，说明企业平均依靠自身积累的资金占总资产的23.4%，标准差为0.087，反映出不同公司内源融资水平的离散程度较大，一些企业可能具有较强的盈利能力和资金积累能力，而另一些企业则相对较弱。股权融资（EF）均值为0.356，显示股权融资在企业融资结构中占比较高，标准差为0.125，表明各公司在股权融资规模上存在明显差异，可能与企业的发展阶段、市场吸引力等因素有关。债权融资（DF）均值为0.410，说明债权融资是企业资金的重要来源之一，标准差为0.156，体现出不同企业在债权融资方面的差异较大，受企业信用状况、资产结构等因素影响。在控制变量方面，企业规模（Size）均值为21.563，标准差为1.234，表明样本企业规模存在一定差异；盈利能力（ROA）均值为0.065，说明企业平均盈利能力尚可，但标准差为0.032，反映出企业之间盈利能力参差不齐；成长性（Growth）均值为0.156，标准差为0.256，显示企业成长性差异较大，部分企业具有较高的成长潜力，而部分企业成长较为缓慢；资产流动性（Liquidity）均值为1.865，标准差为0.654，表明企业资产流动性存在一定的离散度。相关性分析：对各变量进行相关性分析，结果如表2所示。全要素生产率（TFP）与内源融资（IF）在1%的水平上显著正相关，相关系数为0.356，初步验证了假设1，说明内源融资对全要素生产率具有积极的促进作用，企业依靠自身积累的资金越多，越有利于提升全要素生产率。TFP与股权融资（EF）在5%的水平上显著正相关，相关系数为0.256，初步支持了假设2，表明股权融资能够为企业带来资金和资源，促进全要素生产率的提高。TFP与债权融资（DF）在1%的水平上显著负相关，相关系数为-0.325，初步验证了假设3，说明债权融资比例过高可能会增加企业的偿债压力，抑制全要素生产率的提升。各控制变量与TFP也存在一定的相关性，企业规模（Size）与TFP在5%的水平上显著正相关，说明规模较大的企业可能在资源获取、技术创新等方面具有优势，从而有利于提高全要素生产率；盈利能力（ROA）与TFP在1%的水平上显著正相关，表明盈利能力强的企业更有能力进行研发投入和技术改造，对全要素生产率产生积极影响；成长性（Growth）与TFP在10%的水平上显著正相关，说明成长性好的企业具有更大的发展潜力，对全要素生产率有一定的促进作用；资产流动性（Liquidity）与TFP在5%的水平上显著正相关，体现出资产流动性好的企业资金周转效率高，有利于提升全要素生产率。此外，各解释变量之间的相关性系数均小于0.5，表明不存在严重的多重共线性问题，不会对回归结果产生较大干扰。回归结果分析：采用固定效应模型对面板数据进行回归，结果如表3所示。模型1仅加入了解释变量，模型2加入了控制变量。在模型1中，内源融资（IF）的系数为0.456，在1%的水平上显著为正，表明内源融资每增加1%，全要素生产率将提高0.456%，进一步验证了假设1，内源融资对战略性新兴产业上市公司全要素生产率具有显著的正向影响，企业通过自身经营积累资金，能够为研发创新和生产效率提升提供稳定的资金支持，从而促进全要素生产率的提高。股权融资（EF）的系数为0.325，在5%的水平上显著为正，即股权融资每增加1%，全要素生产率将提高0.325%，进一步支持了假设2，股权融资不仅为企业提供资金，还能带来先进的管理经验和技术资源，有助于企业提升技术水平和创新能力，进而提高全要素生产率。债权融资（DF）的系数为-0.286，在1%的水平上显著为负，意味着债权融资每增加1%，全要素生产率将降低0.286%，进一步验证了假设3，债权融资虽然能为企业提供资金，但过高的债权融资比例会增加企业的偿债压力和财务风险，导致企业在研发投入、技术创新等方面的资金不足，抑制全要素生产率的提升。在模型2中，加入控制变量后，各解释变量的系数和显著性水平基本保持稳定，说明控制变量的加入并未改变融资结构与全要素生产率之间的关系。企业规模（Size）的系数为0.125，在5%的水平上显著为正，表明企业规模越大，全要素生产率越高，规模较大的企业在规模经济、资源整合等方面具有优势，有利于提高生产效率。盈利能力（ROA）的系数为0.356，在1%的水平上显著为正，说明盈利能力强的企业能够更好地支持研发和创新活动，对全要素生产率的提升有显著的促进作用。成长性（Growth）的系数为0.085，在10%的水平上显著为正，显示成长性好的企业具有更大的发展潜力，能够在一定程度上提升全要素生产率。资产流动性（Liquidity）的系数为0.156，在5%的水平上显著为正，表明资产流动性好的企业资金周转顺畅，能够更好地满足生产经营的资金需求，对全要素生产率产生积极影响。行业虚拟变量（Industry）也在一定程度上影响全要素生产率，不同行业的技术特征、市场竞争环境等因素导致全要素生产率存在差异。|变量|观测值|均值|标准差|最小值|最大值||----|----|----|----|----|----||TFP|[X]|1.125|0.256|0.763|1.856||IF|[X]|0.234|0.087|0.056|0.456||EF|[X]|0.356|0.125|0.123|0.654||DF|[X]|0.410|0.156|0.102|0.756||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||变量|观测值|均值|标准差|最小值|最大值||----|----|----|----|----|----||TFP|[X]|1.125|0.256|0.763|1.856||IF|[X]|0.234|0.087|0.056|0.456||EF|[X]|0.356|0.125|0.123|0.654||DF|[X]|0.410|0.156|0.102|0.756||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||----|----|----|----|----|----||TFP|[X]|1.125|0.256|0.763|1.856||IF|[X]|0.234|0.087|0.056|0.456||EF|[X]|0.356|0.125|0.123|0.654||DF|[X]|0.410|0.156|0.102|0.756||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||TFP|[X]|1.125|0.256|0.763|1.856||IF|[X]|0.234|0.087|0.056|0.456||EF|[X]|0.356|0.125|0.123|0.654||DF|[X]|0.410|0.156|0.102|0.756||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||IF|[X]|0.234|0.087|0.056|0.456||EF|[X]|0.356|0.125|0.123|0.654||DF|[X]|0.410|0.156|0.102|0.756||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||EF|[X]|0.356|0.125|0.123|0.654||DF|[X]|0.410|0.156|0.102|0.756||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||DF|[X]|0.410|0.156|0.102|0.756||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||Size|[X]|21.563|1.234|19.023|24.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||ROA|[X]|0.065|0.032|0.012|0.156||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||Growth|[X]|0.156|0.256|-0.356|1.256||Liquidity|[X]|1.865|0.654|0.865|3.567||Liquidity|[X]|1.865|0.654|0.865|3.567|表1：描述性统计结果变量TFPIFEFDFSizeROAGrowthLiquidityTFP1.000IF0.356***1.000EF0.256**0.1561.000DF-0.325***-0.256*-0.1251.000Size0.215**0.1860.256**-0.201**1.000ROA0.386***0.256**0.186-0.286***0.356***1.000Growth0.165*0.1250.186-0.1560.215**0.256**1.000Liquidity0.235**0.1560.125-0.256**0.286***0.215**0.1861.000注：*、**、***分别表示在10%、5%、1%的水平上显著。表2：相关性分析结果变量模型1模型2IF0.456***(0.056)0.435***(0.052)EF0.325**(0.065)0.306**(0.062)DF-0.286***(0.045)-0.265***(0.042)Size0.125**(0.045)ROA0.356***(0.056)Growth0.085*(0.032)Liquidity0.156**(0.056)Industry否是Constant0.568***(0.087)-1.563***(0.256)N[X][X]R²0.3560.456注：括号内为标准误，*、**、***分别表示在10%、5%、1%的水平上显著。表3：回归结果5.4稳健性检验为确保研究结果的可靠性和稳定性，采用多种方法进行稳健性检验。在替换变量方面，对于全要素生产率的测算，采用随机前沿分析法（SFA）重新进行测算。SFA是一种参数方法，通过设定生产函数的具体形式，能够考虑到生产过程中的随机因素和技术无效率因素。与DEA-Malmquist指数法相比，SFA方法在测算全要素生产率时，对生产函数的设定和参数估计有更严格的要求，但其结果能够更准确地反映生产过程中的技术效率和技术进步情况。在本次检验中，选用超越对数生产函数作为SFA的具体形式，通过极大似然估计法对生产函数中的参数进行估计，进而得到全要素生产率的新测算值。在融资结构变量方面，采用其他指标对融资结构进行衡量。将内源融资指标替换为留存收益与营业收入的比值，该指标能更直观地反映企业在经营活动中内部资金的积累能力；将股权融资指标替换为流通股比例，该指标可以从股权流通性的角度反映企业股权结构的特征；将债权融资指标替换为长期负债与总资产的比值，该指标突出了企业长期债务融资的情况。通过这些替换，进一步验证融资结构对全要素生产率的影响是否具有稳健性。在改变样