基于DEA和Logit模型下的长株潭地区制造业企业众筹融资效率与科技创新研究

湖南属于制造业大省，在“强省会”战略实施背景下，长株潭地区的制造业企业发展成为了战略实施中的重要环节。但是制造业的发展创新缺乏资金，导致技术的升级、更新困难。本文从众筹融资视角分析制造业企业科技创新驱动融资效率提升的作用机理，利用2022年长株潭地区30家制造业企业数据进行实证检验。结果表明，目前长株潭地区制造业企业众筹融资效率整体较低，制造业企业的科技创新能力对于企业的众筹融资效率有正面的促进作用。在此基础上，本文就改善长株潭地区制造业企业众筹融资效率提出建议。近年来，随着“强省会”以及“三高四新”等战略的实施，湖南省作为制造业大省，要着力打造国家先进的制造业基地。作为“强省会”战略中的核心区域，同时也是湖南省制造业的核心区域——“长株潭都市圈”更是要勇挑大梁，推动湖南省制造业先进基地的发展。但是，由于科研资金的严重不足导致湖南省的制造业产业内部技术升级更新缓慢，甚至出现困难，制造业企业的科技创新能力青黄不接。整个制造业产业的生产经营问题凸显。海外市场日趋低迷，国内产业结构不平衡，人力资源匮乏，整体制造业的主营业务利润逐步下滑，实体投资严重不足。同时，制造业企业的设备升级、技术改造、扩大生产、对外投资等战略布局都离不开资本的支撑。当前，除了极少数的上市公司和信誉良好的企业能够在资本市场和金融市场上进行大规模的融资之外，绝大多数制造业企业都必须通过自身资源整合，找到其他有效的融资渠道来为自己的发展提供资金支持。制造业企业融资困难，融资成本高，在某种程度上融资问题已经成为制约制造业企业发展的一大瓶颈，因此，制造业企业迫切需要一个能够帮助其解决融资难题的平台。随着互联网的普及，信息技术的不断完善，我国的经济市场也在不断变革与创新，基于网络与信息技术的互联网金融也随之诞生。众筹融资是互联网金融的一种创新模式，它和传统的融资方式不一样，众筹融资是由发起人直接利用众筹平台将项目信息公布给社会公众，从众多对项目有兴趣的人群中获得融资。众筹融资方式可以有效地克服传统融资模式门槛高、流程繁琐、效率低下等缺点，同时也能为广大社会公众提供更多的投资机遇。众筹融资作为一种新型的融资方式，在一定程度上促进了科技创新和资本要素之间的联系，为制造业企业走出融资困境提供了一个有效的途径。一、DEA及Logit模型概述（一）DEA模型概述DEA模型是通过利用线性规划确定各个决策单元的前沿生产函数，最终计算出各个决策单元的相对效率与规模效益方面的信息。DEA模型包含了CCR与BCC两种模型，CCR模型假定了规模报酬是固定的，因此得出技术效率（TE）。BCC模型假定企业的规模回报是可变的，并对其进行限制，在CCR模型基础上加入一个约束条件，可得出纯技术效率（PTE）和规模效率（SE）。针对长株潭地区制造业企业融资能力不足的现状，本文选取了以产出为基础的BCC模型。将这二者相结合，可以从技术效率与规模效益两个方面对制造业企业众筹融资效率进行全面综合的分析。运用DEA方法和模型对长株潭地区的制造业企业众筹融资效率进行研究，可以对企业的发展规模、技术效率以及纯技术效率等影响企业发展以及融资效率的因素进行深入的分析。（二）Logit模型概述Logit模型又被称为“评定模型”“分类评估模型”，或者称作“逻辑回归模型”，它是“离散选择模型”之一。本文选用DEA及Logit模型来进行长株潭地区制造业企业众筹融资效率问题研究，加入科技创新因素为自变量，分析影响制造业企业众筹融资效率的主要因素，继而为改善长株潭地区制造业企业众筹融资效率提出对策建议。二、实证分析（一）DEA法分析长株潭地区制造业企业众筹融资效率问题1.投入产出指标确定指标体系是评价融资效率的一个重要步骤，能够衡量众筹融资效率的指标有很多，应根据研究的目的不同选取不同的指标体系。在DEA分析模型中，如何选择投入与产出指标的标准是：投入指标越小越好、产出指标则越大越好。因此，根据该原则，选取总资产、与众筹融资相关的财务费用为投入指标；代表盈利能力的营业收入和净利润为产出指标，构建评价长株潭地区制造业企业众筹融资效率的指标体系。2.数据来源本文选取长株潭地区30家制造业企业为研究对象，这30家制造业企业财务数据均来源于企业官网、市场监督管理局的企业年报及东方财富Choice，DEA分析软件采用DEAP-2.1，Logit模型分析软件采用STATAMP18。3.长株潭地区制造业企业众筹融资效率DEA分析通过DEAP-2.1软件的计算，获得各个制造业企业的相关效率值与松弛变量值，本文选取的长株潭地区30家制造业企业的技术效率（TE）、纯技术效率（PTE）、规模效率（SE）的总体分布结果如表2所示。技术效率（TE）反映了制造业企业通过融资技术进步所带来的融资成本降低和所融资金产出的提升；纯技术效率（PTE）体现了制造企业在资金的使用过程中是否存在资金的浪费和滥用；规模效率（SE）则体现了制造企业的资本投入和产出能否达到规模报酬的要求。从表2可以看出，在长株潭30家制造业企业中，只有1家企业的技术效率（TE）是有效的，2家企业的纯技术效率（PTE）是有效的，1家企业的规模效率（SE）是有效的。三种效率有效数量分别占样本选取企业总数的3.33%、6.67%、3.33%。在1家技术效率（TE）有效的制造业企业中，其相关的所有的松弛变量都为0，这就表明，在BCC模型的假定下，这家制造业企业已经实现了规模报酬与技术效率的均衡，没有过度的投入，也没有出现产出的不足，表明了企业的众筹融资效率为有效状态。2家纯技术效率（PTE）有效的制造业企业中，有1家企业实现了技术有效。其余的制造业企业的众筹效率都低于1，也就是众筹融资效率为无效，表明众筹的制造业企业投入過剩或产出不足，投入和产出情况都需要进一步改善。（二）Logit模型分析长株潭地区制造业企业众筹融资效率影响因素Logit模型主要用于解决按照效用最大化而进行的选择问题，本文为说明制造业企业众筹融资效率的影响因素，引入Logit模型，并作出如下假设：制造业企业加强科技创新研发能够提升其众筹融资效率。同时，以DEA模型综合技术效率作为因变量（Y），其中达到综合技术效率有效的决策单元效率值设置为响应1，未实现综合技术效率有效的决策单元设置为响应0，从而建立Logit模型。本文实证研究的自变量为制造业企业科技创新能力，包括企业科技创新研发投入和企业的科研人员人数、企业历年专利申请及授权数据，这些数据可以在企业官网及天眼查等平台获取。在获取到这些数据后，对数据进行整理。数据处理完成后，拟合众筹融资效率的Logit模型的结果列于表4。本章首先是对影响因素进行了猜想，并且进行了详细分析。其次选取了与之前相同的样本企业的数据作为样本，根据假设选取了3个可以体现影响因素情况的自变量。最后进行了Logit模型回归分析，得到了各变量对众筹融资效率的影响程度。从分析结果可知，Investment、Personnel、Achievement的系数都为正，可认为在其他条件不变的情况下，制造业企业的研发投入越大，研发人员人数越多，研发成果数量越多，越有利于制造业企业众筹融资效率提高，即意味着制造业企业随着研发投入的增大、研发队伍的壮大以及研发成果转化越快，其众筹融资效率将会提高。三、结论与建议本文采用了DEA模型对选取的长株潭地区30家制造业企业的众筹融资效率进行了测度，模型运行的结果显示，长株潭地区制造业企业总体众筹融资效率较低：样本企业中，仅6.67%的制造业企业达到技术效率有效，6.67%的制造业企业为纯技术效率有效，3.33%的制造业企业为规模效率有效；在96.67%的非技术有效的制造业企业中有92.86%的制造业企业是处于规模收益递增的阶段，7.14%的制造业企业处于规模收益递减阶段。通过DEA模型的分析结果可知，目前长株潭制造业企业众筹融资的效率仍有很大的提高空间，需要采取相应的对策进一步提升众筹融资效率。通过运用Logit模型对长株潭地区制造业企业众筹融资效率影响因素的分析，结果显示制造业企业科技创新能力对众筹融资效率具有促进作用。因此，为提高制造业企业众筹融资效率，本文根据对其影响因素的分析提出如下建议：（一）加大科研投入通过相应的分析结果可知，企业的科研投入对于制造业企业众筹融资效率具有促进作用。因此，企业应加大科研投入。通过调整财务预算，提高研发经费的比例，增加研发经费投入，以确保研发活动的顺利进行，并建立科研项目评估机制，确保研发经费的使用效益。（二）加强科研人员的人才梯队培养通过加强科研人才梯队的培养，提升企业的科技创新能力，进而提升企业众筹融资的融资效率，增强企业的核心竞争力。首先，建立科研人才培养体系，包括明确的培养目标、培养路径和培养计划。通过指定培养计划、提供培训机会和资源支持，为科研人才提供全方面的培养和发展机会。除了传统的学术培养路径之外，还应探索多元化的培养路径，鼓励科研人员参与企业内部项目、合作项目和行业交流，提高其创新能力和实践能力。其次，完善激励机制，引进科技人才，降低现有科研人才的流失。可以设立各类科学技术奖，对各个部门、各个领域的科研工作者进行表彰；加强对科技人才的引进，对促进重大科研成果转化的科研人员，在租房、购房、奖金、科研