主板与创业板上市公司再融资效率研究

摘要

本文将因子分析与数据包络分析相结合，选取2017年至2018年主板440家上市公司和创业板142家上市公司为样本，研究其进行股权再融资（配股和增发）的效率，并运用独立样本T检验的方法分别比较两个板块股权再融资的综合效率、纯技术效率以及规模效率是否存在显著差异。结果表明，主板和创业板的大部分公司融资非有效，两个板块的综合效率和纯技术效率无显著差异，主板规模效率高于创业板，但创业板再融资有效的企业和处于规模报酬不变的企业所占比例均高于主板，所以创业板的股权再融资效率略高于主板。最后根据模型投入和产出两个方面分析两个板块再融资效率低下的原因并提出相关建议。

关键词

主板 创业板 股权再融资 因子分析法 数据包络分析法

一、引言

2014 年，中国国务院对并购重组市场化制度实施了重大改革，最大限度地放宽了企业并购重组的权限，且并购重组行政审核也被撤销了，这在很大程度上降低了并购重组的成本。由此，资本市场进入了并购的“黄金时代”。由于大规模并购需要大量资金，2015年至 2016 年，许多上市公司都进行了再融资，据统计，2016 年进行非公开发行再融资的上市公司超过 800 家，约占资本市场四分之一，非公开发行再融资规模达 1.7 万亿元。在这两年间，市场出现了一些过度融资或不合规的操作，比如上市公司为了定向增发的顺利实施，会给投资人提供一些保本保收益的承诺或签一些抽屉协议等等，这些行为触犯了上市公司信息披露的规定，侵害了其他中小投资者利益，造成劣币驱除良币的现象，扰乱了资本市场秩序。

为减少这些现象发生，维护资本市场健康发展，2017 年中国证监会出台了资管新规以及再融资新规，延长了股权减持的限售期，提高了企业再融资的门槛和难度。由此，在2017 年至 2018 年的两年间，有多达四百五十多家企业放弃了定向增发，再融资规模下降了60% 以上。因此，在资管新规与再融资新规政策背景下，研究主板与创业板上市公司再融资是否有效率，就具有一定的理论与现实意义。

二、文献回顾

刘广生、岳芳芳（2015）使用 T 检验对比上市企业在再融资前一年至后三年的绩效变动，研究结果表明，企业通过不同的方法进行再融资后，其绩效均或多或少有下滑的迹象，且我国上市公司有为了顺利实施定增而进行业绩虚增的动机。郑丹城（2015）对新能源板块上市公司股权再融资是否有效展开了研究，并剖析再融资流程中出现的问题。宋力、包薇（2015）运用数据包络分析方法研究制造业上市公司增发再融资效率，研究发现制造业 65%的上市公司都不能到达 DEA 有效，即再融资非有效，最后从投入、产出指标的角度分析其再融资低效的原因。黄德红、郭蓉（2018）将因子分析与数据包络相结合研究民族地区与东南沿海地区再融资效率，并得出民族地区再融资效率略高于东南沿海地区的结论。黄永福（2020）也运用此模型研究物流企业的融资效率。邓雪莉（2019）分别运用 DEA 静态和动态模型研究新三板创新层和基础层的融资效率，分析了不同层次企业融资有效性的差异并阐述其融资非有效的原因。

综上所述，近年来学者们开始关注上市公司再融资效率的问题，并采用因子分析、回归分析、数据包络分析等方法对其进行研究，研究结果大多显示上市公司再融资效率普遍较低。再融资企业涉及的板块较多，但还没有学者对主板和创业板上市公司的再融资效率进行过深入研究，所以，本文的研究可以弥补这一不足。

三、概念界定

再融资是指企业通过 IPO，即第一次公开募股后，为满足公司的经营或发展需求，采用配股、增发以及发行可转债等方法在证券市场上实现再次直接融资。相比其他再融资方式，上市公司对股权再融资有着很强的偏好。股权再融资 , 是指上市公司为了筹措资金，以开发生产新产品、提高技术水平 , 又或是发起人股东希望将其拥有的股权变现 , 而再次向社会公众及指定对象发售股票的活动 , 具体分为配股、增发新股以及发行可转换债券这三种方式，本文主要研究的是配股和增发这两种方式。效率是指投入与产出之比，即成本与收益之间的比率，一般可以用单位资源的投入产出之比或单位时间的产量有多少来反映。再融资效率是指公司上市以后，通过配股、增发股份、发行可转换债券等方式筹集资金所产生的效益。上市公司再融资效率可以通过再融资后公司的财务绩效体现，即公司的财务业绩产出与资金投入之比 0。

表1 财务指标一览表

四、研究设计

1. 研究思路。本文将因子分析和 DEA 数据包络分析相结合，分别研究主板和创业板实施股权再融资（配股和增发）的上市公司，其再融资的综合效率、纯技术效率以及规模效率，最后采用独立样本 T 检验分别比较它们再融资的综合效率、纯技术效率和规模效率是否具有显著差异。

2. 样本选取。本文选取 2017 年至 2018年实施增发和配股的主板和创业板上市公司作为研究对象，并做了如下筛选：（1）剔除ST 公司，由于该类企业的财务指标异常，不具有普遍性。（2）剔除金融类公司，以此降低再融资能力与资本结构的影响。（3）剔除信息缺失的公司。经过以上筛选后，将主板440 家公司和创业板 142 家公司作为样本。

3. 数据来源。由于融资见效有一个滞后期，一般可能为一至两年，再融资后的第一年财务数据可能无法反映其真正的效率，所以本文选取企业再融资后第二年的数据，即间隔一年的数据进行研究。本文的样本数据均来源于锐思数据库。

五、实证分析

（一）因子分析因子分析法是统计学中一种常用的方法，它能够利用降维使数据简化。其原理是：通过把相关性较高的变量集合为一组，使得相同类型变量间的关联性较高，非同类变量间关联性较弱，进而可以在相关性较高的变量中提取公因子，用这种方法来表示各个变量间的相关关系，即因子分析法可以用较少数的公因子来说明多个原始变量间的相关关系。

本文将因子分析法和 DEA 数据包络模型相结合，在 DEA 模型投入指标的选取上，参考其他学者已研究出的成果 , 并考虑到适用性、可获得性等相关原则，最终选取股权融资净额、股权集中度、资产负债率作为模型的投入指标，这三个指标已被众多学者（黄德红、郭蓉，2018；宋力、包薇，2011）认同且证实其有效性和稳定性。股权融资净额可以体现上市公司再融资的融资规模；股权集中度体现了企业再融资后股权结构的变化；资产负债率是一个反映公司资本结构的重要指标 , 它体现了企业债务与资产的比例以及再融资后资本结构的变化，合理的资本结构可以使企业获得更多的利润。在选择上市公司再融资效率的产出指标时，选取的指标应能够正确地反映公司对募集资金的运用效果 ,  并且能准确地体现公司再融资的效率，本文参考了其他学者的研究结果，并从财务效益、发展能力以及市场表现等多个方面选择了十一个财务指标，如表 1。

数据包络分析（DEA 模型）要求决策单元的数量必须是输入和输出指标数量之和的两倍以上，且为了确保 DEA 模型测算结果的准确性及有效性，各个输入（输出）指标间的相关性应当较弱。为此，本文通过采用因子分析方法获取公因子，减少了表 1 中产出指标的个数，降低各指标间的相关性，消除指标间的线性关系，以此提高研究结果的有效性。本文借助 SPSS26.0 软件分别对主板和创业板进行再融资公司的十一个财务指标进行因子分析，分析结果如下：

1. 主板分析结果。对选入的指标进行 KMO和 Bartlett 测试，分析结果表明 KMO 统计量为 0.673（大于 0.6），且巴特利球形检验的显著性水平为 0.000 ( 小于 0.05)。由此可见，选择的十一个指标适合用因子分析方法进行数据处理。经过分析，最后提取了四个公因子，分别为：Y1（盈利因子）、Y2（偿债因子）、Y3（成长因子）和 Y4（营运因子）。最后通过成分得分系数矩阵建立四个因子的因子得分函数，得分结果如表 2。

表2 主板上市公司成分得分系数矩阵

2. 创业板分析结果。对选取的指标进行KMO 和 Bartlett 试验，分析结果表明 KMO 统计量为 0.727（大于 0.6），且巴特利球形检验的显著性水平为 0.000  ( 小于 0.05)。由此可见，选择的十一个财务指标适合采用因子分析方法进行数据处理。经过分析，最终获取了四个公因子，分别为：Y1（盈利因子）、Y2（偿债因子）、Y3（成长因子）和 Y4（营运因子）。最后通过成分得分系数矩阵建立四个因子的因子得分函数，得分结果如表 3。

表3 主板上市公司成分得分系数矩阵

通过计算，可得到主板和创业板每个样本公司的四个因子得分，即 DEA 模型的产出指标。

（二）数据包络分析

数据包络分析，即 DEA 模型，是以相对效率概念为基础的一种非参数统计方法。其基本原理是：在决策单元（DMU）输入、输出不变的条件下 , 采用线性规划等方法判断相对有效的前沿面 , 并根据比较各决策单元与前沿面之间的距离来确定其有效性。 DEA 模型又可分为 CCR 模型和 BCC 模型。CCR 模型虽然能够计算出企业的综合效率，但它是假设企业处于规模报酬恒定的状态，即企业规模对效率值不会产生影响，而企业在实际的生产经营活动中，规模是保持在变化状态下的，因此，使用 CCR模型并不能适应现实。BCC 模型则是假定规模报酬可变，而且相比于前者，该模型还能够计算出企业的纯技术效率和规模效率，所以选择以投入为导向的 BCC 模型能更准确地研究企业再融资的效率。若综合效率为 1，且剩余变量（s-）、松弛变量（s+）均为 0，则说明 DEA模型有效，即投入与生产的比值已经达到了最优，此时纯技术效率和规模效率也都有效。若综合效率为 1，但剩余变量、松弛变量不等于 0，则说明该模型处于弱有效的状态。若综合效率小于 1，则说明该模型没有效用。

BCC 模型的评价步骤：

1.选取该模型的产出指标以及投入指标，确定决策单元。上文已提到，本文选取的三个投入指标分别为 X1（股权融资净额）、X2（股权集中度）、X3（资产负债率），而产出指标则采用了上述提取公因子的方法，将可以体现企业财务绩效的十一个指标降维成了四个，依次是：Y1（盈利因子）、Y2（偿债因子）、Y3（成长因子）、Y4（营运因子）。决策单元分别为 2017 年至 2018 年主板和创业板进行再融资的上市公司，其中，主板有 440 家，创业板有 142 家。

2. 将所有数据都进行无量纲化处理。这些指标存在负数，但因为 DEA 模型要求每个投入产出的数据都是正数，故无法实现计算，所以必须对数据统一进行无量纲化处理。本文将对所有投入产出数据做了如下转变：

X*=0.1+0.9  (X—Xmin)  /  (Xmax—Xmin)，X ∈ N

Y*=0.1+0.9  (Y—Ymin)  /  (Ymax—Ymin)，Y ∈ N

其中，X 为投入指标进行统计处理前的原始数据，Xmax、Xmin 分别是该组样本的最大值和最小值。Y 是产出指标进行数据处理之前的原始数据，Ymax、Ymin 分别是该组样本的最大值和最小值。进行转换后，所有数均落在 [0,1] 这个区间内，可以满足数据非负性的要求。

3. 带入模型进行检验。本文使用的是DEAP2.1 软件，检测结果如下：

（1）效率分布由表 4、表 5 可见，主板实行再融资的 440 家上市公司中，有 16 家公司（占总量 3.64%）综合效率值为 1；而在创业板的 142 家公司中，综合效率值为 1 的公司有 17 家（占总量 11.97%），说明这些公司再融资效率有效，即它们的投入与产出比已经达到了最优，其综合效率、纯技术效率以及规模效率都是 1，且松弛变量的值也都是 0，这表示其投入已经达到了最小，不存在冗余的情况，产出也已经达到了最大，没有短缺，技术效率和规模效率均达到了有效的状态。可以看出无论主板或创业板，能做到有效融资的公司都较少，尤其是主板，有 96% 的公司再融资都处于非有效的状态。在主板再融资的综合效率小于 1 的 424 家企业中，有 36 家都已实现了纯技术有效，但其规模效率无效，表明了这些公司已合理使用了投入的资金，其产出也实现了最大化，但之所以无法达到综合效率有效，原因在于其规模与投入产出并不相符，所以对于企业而言，可以适当地调整规模来提高其综合效率。在综合效率非有效的创业板公司中，有 24 家公司达到了纯技术有效而规模非有效，相比于主板略少一些。达到规模效率有效，而纯技术效率却无效的企业，主板有 17 家，创业板有 7 家，说明这些企业投入并没有达到最小化，存在不同程度的冗余，由于大多数上市公司并非根据投资需求来确定融资数额，它们通常都是按照政策所规定的融资上限进行再融资，其融资数额往往超过了实际资金需求，从而造成了募集资金闲置、使用效率低的问题，所以上市公司应适当缩小融资规模，或合理有效地利用资金，提高其纯技术效率。综合效率、纯技术效率以及规模效率都处在无效状态的公司，主板有 371 家（占总量 84.32%）；创业板有 94 家（占总量66.20%），说明其投入和产出未达到最佳比例，且规模处于不足或饱和的状态。总体看来，主板和创业板的上市公司，大部分再融资都是非有效的，但创业板达到综合、纯技术、规模效率有效的企业比例均高于主板。

（2）效率均值由表 6 可知，主板的公司综合效率均值略高于创业板的公司，而纯技术效率均值，则是创业板的更高一些，说明创业板的公司资金管理的平均水平相较于主板公司而言可能略好一些，由于纯技术效率体现了一个企业的技术水平和管理能力 , 与募集资金的运营管理和公司所处的发展阶段有关 ,因此，通常纯技术效率有效的企业都是正处在发展的阶段或已经成熟的阶段，且拥有较高的资金管理水平。两个板块的规模效率均值均大于 0.9，说明两个板块规模效率普遍不低，接近效率前沿面。从综合技术效率的构成来看 , 规模效率水平相比纯技术效率水平表现出优势 , 由此看来，造成主板和创业板再融资效率低下的主要原因是纯技术效率偏低，企业需改进自身管理方式和治理结构，提升资金运营管理水平，以提高再融资效率。3. 规模报酬由表 7 可知，主板中规模报酬递增的企业超过 70%，表明了此类公司正处在发展阶段，需要扩大规模，以此实现迅速发展，这往往需要通过企业融资的方式来进行大量的研究开发和生产运营等活动，同时表明，此轮的再融资规模还无法满足这些主板上市公司的发展需要。相较之下，我国创业板的规模报酬分布较为稳定，规模报酬不变的企业占将近 70%，大部分企业处于有序状态。两个板块处于规模报酬递减的企业的占比相差不大，但创业板的还是略少于主板的，这些企业投入和产出均未达到最佳比例，规模处于不足或饱和的状态，企业应该调整物资的投入。

（三）独立样本 T 检验T 检验方法是指利用 T 分布理论来推断产生差异的概率，进而比较两个平均值之间是否存在着明显的差异。T 检验方法一般包括单总体 T 检验方法和双总体 T 检验方法。双总体 T检验方法又包括了独立样本 T 检验和配对样本T 检验。其中，独立样本 T 检验就是本文要使用研究方法，该检验方法是用于检测两组非相关样本所获得的数据的差异性。本文通过使用SPSS26.0 软件，运用独立样本 T 检验方法，分别对比主板和创业板上市公司股权再融资的综合效率、纯技术效率和规模效率之间是否存在显著差异，分析结果如下：

1. 综合效率。由莱文方差等同性检验可知，F统计量的观察值为1.231，显著性为0.268（＞ 0.05），所以可以认为两样本的方差无显著差异，即等方差。主板的上市公司和创业板的上市公司再融资综合效率的平均值分别为0.78 和 0.76，t 统计量的观察值是 1.230，双尾概率是 0.219（大于 0.05），由此认为两样本的均值未存在显著差异，即主板的上市公司和创业板的上市公司再融资综合效率的平均值0.78 和 0.76 不存在显著差异。两个样本都没有达到有效的水平，说明两个板块的再融资效率都有待提升。

2. 纯技术效率。由莱文方差等同性检验可知，F 统计量的观察值为 0.184，显著性为0.668（＞ 0.05），所以可以认为两样本的方差无显著差异。主板的上市公司和创业板的上市公司再融资纯技术效率的平均值分别为0.80 和 0.83，t 统计量的观察值是 -1.684，双尾概率是 0.093（大于 0.05），据此可认为两样本的均值不存在显著差异，即主板的上市公司和创业板的上市公司再融资纯技术效率的平均值 0.80 和 0.83 不存在显著差异。两个样本都没有达到有效的水平，说明两个板块的再融资纯技术效率都有待提升。

3. 规模效率。由莱文方差等同性检验可知，F 统计量的观察值是 179.857，显著性为0.000（＜ 0.05），故认为两样本的方差存在显著差异，即方差不等。主板的上市公司和创业板的上市公司再融资规模效率的平均值分别为 0.98 和 0.92，t 统计量的观察值是 6.725，双尾概率为 0.000（＜ 0.05），由此可见，两样本的均值存在显著差异，即主板的上市公司和创业板的上市公司再融资规模效率的平均值0.98 和 0.92 存在显著差异。两个样本都没有达到有效的水平，说明两个板块的再融资规模效率都有待提升，但主板公司再融资的规模效率显著高于创业板公司。

六、实证结论

综上，主板与创业板上市公司再融资效率的综合效率、纯技术效率差异不大，主板规模效率的平均值（0.98）虽显著高于创业板（0.92），但两者都未达到有效的水平。创业表7  主板和创业板企业规模报酬对比（单位：家）规模报酬变动主板创业板递增数量32620占比74.09%14.08%不变数量3698占比8.18%69.01%递减数量7824占比17.73%16.90%板上市公司达到综合效率有效的比例（11.97%）高于主板（3.64%），且创业板规模报酬不变的企业的占比（69.01%）也远高于主板（8.18%）。由此可见，虽然主板和创业板大部分上市公司的股权再融资都处于非有效状态，有待进一步提升，但总体来看，创业板的效率略高于主板。

七、再融资效率低下原因及建议

（一）再融资有效性分析为了对样本企业再融资效率低下的原因进行具体分析，本文借助 DEAP2.1 软件计算出了各投入产出数据的松弛变量。但由于投入产出数据都进行了无量纲化处理，计算出的松弛变量可能无法当作实际的参考，故而本文仅以改善主板与创业板上市公司的融资效率为研究主线，具体分析数据包络方法评价结果的非有效性。若投入与产出的松弛变量都是 0，则表示该企业投入已达到了最小，无冗余，产出也实现了最大化，无短缺；如果输入指标的松弛变量不为 0，则说明投入存在冗余，公司需要减少投入以此提高效率。如果输出指标的松弛变量不为 0，则说明产出没有最大化，存在短缺，企业应该提高产出进而提升效率。本文对该模型的投入和产出指标的松弛变量做了统计分析，见表 8。

1. 输入指标分析。由表 8 可知，主板和创业板的大多数企业都是受到了资产负债率的影响，说明资产负债率是主板企业再融资效率的一个重要的指标。所以，为了改善主板再融资效率低下的状况，我们应该对该指标进行合理的控制。企业应理性、充分地研究各个时期的融资需求，科学合理地设置债权融资比例、股权融资比例和长短期融资比例，在保证公司造血功能、留存收益不断上升的同时，提升内源融资的比例，通过采取多样化的筹资方法来降低融资风险，最后达到降低资产负债率的目的。其中，另一个制约主板公司提升再融资效率的重要因素是股权集中度，该指标松弛变量非 0 的公司超过 60%，由此可见大股东控制权过大并不利于企业提高再融资效率，企业可以通过改变大股东的持股比例来改善再融资效率不理想的状况。在股权融资规模方面，主板和创业板中存在投入冗余的企业都较少，说明大部分企业对资金的使用都有整体的规划，没有出现资金大量浪费或使用效率低下的情况，剩余 37 家股权融资净额松弛变量非 0的企业，应该在筹资的过程中多关注资金的使用率、规模和资产总额之间的匹配程度，将筹集到的资金发挥应有的作用，在规划融资的规模时应结合企业自身的发展状况来考虑，切忌在融资后进行盲目扩张。综上，企业在进行再融资时，应着重关注资产负债率和股权集中度这两个指标。

2. 输出指标分析。从表 8 中可知，主板和创业板公司偿债因子的输出短缺情况都比较严重，尤其是主板，高达 90%，说明大部分企业偿债能力都较弱，在面临短期或长期债务时不能及时付现进行偿还。所以，这一类的公司都需要努力提升各项资产的质量，资产质量的差异会导致其变现能力产生差别，同时，也应该科学合理地举债，选用恰当的举债方法，并制定合理、有效的还款规划，降低财务风险。除此之外，企业的盈利因子输出短缺情况也较为明显，这些公司的净资产增长率往往高于其利润增长率，这说明公司将资金转化成自身利润的能力不强。最后，企业的营运能力不足也可从其因子的输出情况中体现，两个板块中存在输出短缺的公司均超过 40%。企业融资后其业务总量、公司规模都有所增长，从而使其总资产周转速度放缓，所以公司需要通过提升其资产周转的能力、完善其供应链和存货管理，合理编制生产计划，使企业的生产运营管理体系更加完备，逐渐增强企业的运营能力。综上所述，盈利管理、偿债管理和运营管理能力是我国主板和创业板上市公司需要着力改善的三个方面。

（二）建议

1. 对上市公司有以下三个建议：

（1）增加经营者持股比例，提高公司治理水平。无论是在主板还是创业板，一股独大的股权结构都不利于企业提升融资效率。所以，企业可以通过股权激励缓和这一现象，实现股权之间的相互制衡，分散股权，避免了大股东利用股权再融资提高企业的自由现金流量进而进行随意支配，防止其他中小股东的利益被侵害，还可以使企业的股权结构呈现多元化趋势，降低公司对个别股东的依赖程度。目前在中国采用股权激励政策的上市公司较少，企业可选择降低大股东的持股比例，将股份适当地分给经营者，从而利用股权激励机制将经营者的经营业绩和薪酬绩效相互联系 , 进而有效提升上市企业的再融资效率。

（2）调整企业规模，优化生产配置。主板中有大量企业处在规模报酬递增的状态，上述公司应该采取再融资或兼并重组等方法，来进一步扩张公司规模以提升股权再融资效率；对于处在规模报酬递减状态的公司，压缩规模、去产能是其发展的主要任务，可采取股权回购、分立、出售等方法 , 压缩公司的规模 ,以提升股权再融资的效率；已达到规模经济的上市企业 , 可以选择内涵式发展 , 合理配置公司内的存量资本，以此提升经营效率。总而言之，无论是主板还是创业板的上市公司，应该结合自身发展情况，理性地决定公司是否需要实施再融资，并对新募集资金的运用做出合理、细致的计划 , 及时调整公司的规模 , 以提升股权再融资的规模效率。

（3）提升管理水平，加快技术创新。主板和创业板融资非有效很大程度上是由于纯技术效率的制约。纯技术因素受企业管理能力和技术水平的影响，所以企业应明确管理分工职责、充实管理团队、完善治理结构，杜绝出现制度形同虚设的情况，同时，引进高端技术人才促进新技术的开发，适时淘汰落后的技术生产能力 , 增加研究开发的投入 , 并积极开展技术创新，也可以在参考、借鉴国外有关领域先进科技成果的基础上，根据我国的实际状况进行技术整合、技术创新，从而提升企业的纯技术效率。

2. 对市场管理部门有两个建议：

（1）加强对资金使用的监管。主板和创业板的大部分企业股权再融资均非有效，所以市场机构与监管部门需要对新募集资金的使用用途、进度等进行实时监督，并关注其资金使用效率等。若上市公司使用募集的资金进行股份收购、兼并重组等活动，或用于投资重大项目等 , 保荐机构应该对这些情况进行严格核查、监督，以避免再融资后，企业发生募集资金闲置、使用效率低下、募集资金被挪用等特殊情形，引导资本市场健康发展，有效保护投资人的利益。

（2）加强信息披露质量管理。我国计划全面实施注册制，但目前主板上市仍然是核准制，创业板已开始实施注册制，监管部门应针对不同市场的上市公司采取相应的监管举措，进一步强化对上市公司信息披露质量监督管理，各类参与主体应该切实履行自身责任，依法对发行人的信息披露质量实施核查，加强自身责任意识，扮演好资本市场“看门人”角色，对发行者产生有效约束，同时应提升监管机构的公信力，制定严格的监管制度从重处罚，提高违法成本，营造良好的市场投资环境。

作者 | 汤伊玲 汤新华  

作者单位 | 福建农林大学经济管理学院

主要参考文献

1.刘广生,岳芳芳.上市公司再融资效率研究——基于绩效变化视角的检验,财会通讯,2015,(11).

2.郑丹城.新能源板块上市公司股权再融资的效率研究,现代商业,2015,(07)

3.宋力,包薇.基于DEA的制造业上市公司增发再融资利用效率分析,财会月刊,2011,(29)

4.黄德红,郭蓉.上市公司股权再融资效率:民族地区与东南沿海地区的比较,中南民族大学学报(人文社会科学版),2018,38(04)

5.黄永福.基于DEA-Tobit模型的中国物流企业融资效率研究——源自38家上市物流企业面板数据,商业经济研究,2020,(14)

6.邓雪莉.新三板不同层次挂牌企业融资效率评价研究——基于DEA模型,财会通讯,2019,(26)