一、引 言

改革开放以来我国经济的迅速发展主要是靠生产要素的大量投入推动，目前能源消耗量和碳排放量分别占世界的23%和28%，并且单位GDP能耗比率比世界平均水平高70%左右[1]，煤炭、石油等传统能源过度消费所导致的能源短缺、环境污染等问题在我国日益凸显，发展新能源产业成为解决现阶段我国资源有限供给与需求持续增长之间矛盾的必然选择，也是促进经济结构调整和转变发展方式以实现可持续发展的重要举措。从“十一五”以来，新能源产业就被江苏视为未来潜在支柱产业重点培养，已由光伏产业一枝独秀发展为多点开花。当前，资源对外依存加剧、环境约束继续升级的江苏正处于产业结构转型升级的关键阶段，《江苏省“十三五”能源发展规划》提出要着力发展核能、风能、太阳能、生物质能等新能源，构建智慧能源系统。但在新能源领域开发核心技术尚未突破、产品稳定性较差、使用成本高的总体发展态势下，新能源产业发展存在资本投入大、投资周期长、充满不确定性等因素，需要强化对其融资活动质量的科学管理，而评价融资活动质量的标准就体现为融资效率。

我国学者对于融资效率的关注可追溯至曾康霖(1993)[2]的研究，尔后围绕融资效率的内涵和实证评价产生了系列研究成果，其主要局限在于未将融资效率研究与其内外部环境因素有效融合。根据生态学原理，任何生物群落的进化与其内部基因和外部环境所组成的自然整体构成生态系统，与自然生态系统相似，融资活动与其融资生态之间不是孤立存在的，而是通过物质、能量和信息的交换，形成一个相互作用、相互制约的整体，可称之为融资生态系统。由此本文将生态系统理论引入融资效率研究视阈，可有效突破传统融资效率研究的局限，从而为改善产业融资生态、提升产业融资效率提供坚实基础。

二、文献评述

鉴于相对分散、高度市场化、社会化和明确产权制等西方国家财产组织的特点，其企业融资呈现天然有效性的特点(肖劲,2003)[3]，导致国外对企业融资效率进行专门研究的文献较少，对融资效率的研究主要基于融资结构、融资方式和资源配置的视角。Fama、Jensen (1983)[4]指出现代企业所有权和经营权的分离对融资政策或融资方式的不同选择会带来有差别的融资代理成本进而导致不同的融资效率。Heitor Almeida (2005)[5]提出融资效率取决于公司的外部融资需求以及外部投资者对公司的保护。Hogan、Hutson (2007)[6]通过实证研究表明，相对于债务融资科技型企业更加愿意选择股权融资，不同的融资决策将导致不同的融资效率。宋文兵(1997)[7]认为融资效率可以分为交易效率和配置效率。高学哲(2005)[8]认为企业融资效率是指能够创造企业价值的融资能力。赵守国(2011)[9]界定企业融资效率为某种融资方式及融资机构对微观个体内部运营机制所产生的作用及功效。在实证研究方面，国内学者主要运用模糊综合评价、数据包络分析和指标体系评价融资效率(宋增基,2003[10]；刘力昌,2004[11]；耿成轩,2016[12])。具体在新能源产业融资效率研究领域，李宗燕(2014)[13]运用熵值法对我国沪深A股上市的54家新能源公司融资效率进行研究。宋鹏鹏(2015)[14]运用超效率模型对我国新能源产业融资效率进行分析。利用隐喻法将生态系统理论引入社会经济研究，带来了“产业生态系统” (Frosch、Gallopoulos,1989)[15]和“商业生态系统”(Moore,1993)[16] 的诞生。周小川(2004)[17]将生态学概念系统引入到金融领域，成为我国金融生态研究的起点，但将生态学原理与企业融资领域相结合的研究尚处于起步阶段，梁春生(2007)[18]提出房地产企业融资生态系统概念，孙园青(2011)[19]从涉农经济组织视角对农户融资生态系统进行研究。

综合而言，现有研究对融资效率内涵界定并不一致，在融资效率定量评价方面选取的指标和方法具有较大的差异性和随意性，导致研究结果类比性较差，而将生态系统理论引入社会经济领域的研究多集中于产业生态、商业生态、金融生态等，直接与融资领域相结合的系统化研究非常薄弱，现有少数直接对融资生态的研究文献主要从静态角度对融资生态系统构成要素进行研究，对于探讨融资生态与融资效率的协同问题尚未见系统性深入分析。由于现有对融资效率内涵研究的核心均集中于强调企业融入资金和利用资金的能力，因此融资效率可界定为在特定宏观环境中企业以最低成本和风险及时融入资金并运用融入资金为企业带来最高收益的能力，包括资金筹集效率和配置效率(王海荣,2016)[20]。

作为中国经济发达省份之一，江苏新能源产业发展位居全国领先地位，对其融资生态与融资效率的研究具有典型意义，能够为我国新能源产业的健康发展提供有益借鉴。本文在综合经济学理论和财务理论的基础上，设计包含中间变量的新能源产业融资投入指标体系，构建两阶段链式网络DEA模型对2010-2016年江苏新能源产业融资活动的全过程运作效率进行有效评价，并将生态学原理引入融资领域，凝练影响江苏新能源产业融资效率的融资生态因子，利用面板数据回归模型实证验证江苏新能源产业融资生态与融资效率间的协同关系，寻求江苏新能源产业融资生态内部基因因子改善和外部环境因子改革的契合点，以促进江苏新能源产业融资效率有效提升。

三、基于两阶段链式网络DEA模型的江苏新能源产业融资效率评价

通过运行Stata软件编程，对模型(1)、(2)和(3)进行回归，回归结果见表4所列。

(一)两阶段链式网络DEA模型构建

假设有n个决策单元，每个决策单元有m种类型投入和s种类型产出及k种类型的中间产出，其中Xi为第i个决策单元(DMU)第一阶段的投入，Xi=(xi1,xi2,…,xim)T,Zi为第i个决策单元第一阶段的产出及第二阶段的投入，Zi=(zi1,zi2,…,zik)T，Yi为第二阶段的产出，Yi=(yi1,yi2,…,yis)T，V=(v1,v2,…,vm),W=(w1,w2,…,wk),U=(u1,y2,…,us)分别表示投入、中间及产出变量的权重，两阶段链式网络DEA的整体效率模型为E0=maxUYY0。

s.t.

其中，ε为非阿基米德无穷小量，eT=(1,1,…,1)。若U*、V*、W*为模型的最优解，则DMU整体及子过程的效率分别为E0=U*TY0/V*TX0,E1=W*TZ0/V*TX0,E2=U*TY0/W*TZ0。其中,E0为整体效率值，E1和E2分别为两个子阶段效率值，若整体效率值等于1，则认为决策单元是有效的，并且它的每个子阶段都是有效的[23]。

(二)指标选取与数据来源

二是夯实“党政同责、一岗双责”制度，划定生态环保“责任田”。强化生态环境保护主体责任，健全完善纵向到底、横向到边的责任体系。明确地方党委政府是生态环境保护的责任主体，市委、市政府与各县(区)党政“一把手”签订生态环境保护目标责任书，向市直有关部门下达年度环保目标责任书，形成一级抓一级、层层抓落实、责任明晰、整体联动的工作格局。

其中，C为常数项；α、β、λ为系数变量；εit、σit和μit为随机误差项。

 

表1 江苏新能源产业融资效率评价指标体系

  

项目指标名称指标变量计算公式投入指标融资成本融资风险融资时间债权融资成本利息支出/(短期借款+长期借款+应付债券)股权融资成本资本资产定价模型产权比率负债总额/股东权益总额筹资速度销售收入/筹资活动现金净流入中间指标负债融资额负债流动负债+非流动负债股权融资额所有者收益股东权益合计产出指标盈利能力资产净利率净利润/资产平均总额营运能力总资产周转率销售收入/资产平均总额发展能力净利润增长率本年利润总额增长额/上年利润总额

由于2010年我国正式将新能源产业纳入战略性新兴产业，为有效评价江苏新能源产业融资效率的整体状况，本文以2010-2016年新能源产业融资情况为研究对象，根据中国证监会的2016年度上市公司行业分类报告，从中选取江苏新能源产业上市公司并剔除企业财务状况异常的股票，共选取20家上市公司的年度财务数据进行分析，相关数据的来源均取自RESSRT数据库和巨潮资讯网公布的上市公司财务数据，并将数据转化为2010年的不变价进行计算。另外运用DEA模型评价决策单元效率时，要求决策单元数量需大于投入与产出指标之和的2倍且各指标数值不能为负，本文选取的样本为20家新能源产业上市公司，投入与产出指标之和为7，符合DEA模型要求，决策单元投入产出指标如为负值，均采用如下公式进行无量纲化调整为非负值：

 

 

i=1,2,…,m; r=1,2,…,s; j=1,2,…,n

铁钻工底座主要用来支撑铁钻工绝大部分质量。底座插入到底座套筒中，将整个折臂式铁钻工安装在钻台上，由图1可知底座主要容易产生弯曲，所以将底座设计成圆柱形状并对底座圆柱弯曲强度进行计算。通过计算得到满足条件的圆柱形底座。

(三)江苏新能源产业融资效率评价

根据表2构建的江苏新能源产业上市公司融资生态与融资效率协同分析的指标变量体系，各变量的描述性统计见表3所列。

  

图1 江苏新能源产业上市公司筹资效率(E1)

  

图2 江苏新能源产业上市公司配置效率(E2)

  

图3 江苏新能源产业上市公司融资效率(E0)

根据图1～图3所示，江苏新能源产业上市公司总体融资效率相对不高且呈一定波动趋势，最低平均值为2010年的0.192 6，最高平均值为2011年的0.479 3，2010-2016年各公司融资效率达到有效的比例分别为10%、30%、20%、20%、15%、25%、25%，说明江苏新能源产业上市公司融资效率具有很大的提升空间。其中2010年、2011年、2012年、2013年、2016年各公司的筹资效率平均值大于配置效率平均值，2014年、2015年各公司的配置效率平均值大于筹资效率值，说明在新能源产业被纳入战略性新兴产业初期，新能源产业融资环境较好，各公司筹资效率较高但多忽略配置效率，但随着新能源产业重复和无序建设，特别是光伏产业泡沫的破灭，各新能源上市公司逐渐强化改进资金配置效率，至2016年各公司配置效率显著提高呈现与筹资效率齐头并进趋势，随着江苏“十三五”能源发展规划的实施，江苏新能源产业也必将逐渐由规模速度型转向质量效益型，实现新能源产业系统的集约高效发展。

四、江苏新能源产业融资生态与融资效率的协同分析

根据1935年英国生态学家A.G.Tansley[24]提出的生态系统是指在一定时间和空间范围内生物与非生物环境通过能量流动和物质循环所形成的彼此关联、相互作用并且有自动调节机制的统一整体。与自然生态系统类似，企业融资生态系统由融资主体及其环境构成，其中融资生态由企业融资的外部环境和内部因子构成，共同制约着资金的筹集及配置效率。借鉴李扬(2005)[25]提出的金融生态环境评价指标，企业融资的外部环境由企业当地经济基础、金融资源水平、法治诚信环境、人文社会环境和地方政府行为等多维层面构成。根据柯布—道格拉斯生产函数，影响生产的因素包括资本、劳动和技术，同时企业治理机制和控制权配置与融资具有紧密联系，融资是资金的流动更是资金背后产权的流动，因此影响企业融资的内部基因因子应包括企业的劳动者素质、技术水平及公司治理结构等。由此，本文分别将江苏新能源产业筹资效率和配置效率作为因变量，融资外部环境和内部基因因子作为自变量，构建面板数据模型进行回归，具体指标变量体系见表2所列，相关数据来自RESSRT数据库、各上市公司年报及官网披露、江苏各市统计年鉴等。

 

表2 江苏新能源产业上市公司融资生态与融资效率协同分析的指标变量体系

  

变量类型变量名称变量符号变量描述因变量融资效率TE(上文的E0)筹资效率RE上文的E1配置效率AE上文的E2自变量融资的外部环境EC融资的内部基因IC经济基础EB公司所在地的人均GDP(万元)金融资源水平FR公司所在地的金融机构贷款余额(亿元)法治诚信环境LH公司所在地的万人拥有律师数(人)人文社会环境HS公司所在地的万人拥有学校教师数(人)地方政府行为GH人均财政支出(万元)劳动者素质LQ职工薪酬(万元)技术水平TL研发费用投入(万元)公司治理结构CG第一大股东持股比例/第二大股东持股比例控制变量企业性质NOF公司是国有企业，变量取1，否则取0企业规模SIZE公司总资产(亿元)

(一)模型设计

从分析融资生态与融资效率的协同角度来看，江苏2010-2016年20家新能源产业上市公司数据构成面板数据，因此分别以江苏新能源产业上市公司的筹资效率、配置效率和融资效率作为因变量的模型适合于面板数据模型，且相关数据已通过单位根检验和协整检验，可以进行回归分析。具体在选择混合OLS模型与固定效应模型时用F统计量检验，F统计量的伴随概率为0.001 5，利用Hausman检验的伴随概率为0.000 2，说明选择固定效应模型比混合OLS模型和随机效应模型更合适，且模型不存在内生性问题，其相应的表达式如(1)、(2)和(3)所示。

TEit=C3+λ1lnEBit+λ2lnFRit+λ3LHit+λ4HSit+

α5lnGHit+α6lnLQit+α7lnTLit+α8lnCGit+

α9NOFit+α10lnSIZEit+εit

(1)

AEit=C2+β1lnEBit+β2lnFRit+β3LHit+β4HSit+

根据融资效率的内涵，本文将融资效率划分为筹资效率和配置效率进行评价。筹资效率是企业以最低成本和风险及时融入资金支持企业经营的能力，配置效率是企业将融资总额运用到企业经营活动中以实现企业最大收益的能力。在充分借鉴已有研究成果并考虑所选评价指标的适用性、可获得性和可操作性等原则，选取衡量融资成本、融资风险和融资时间的指标变量为投入指标，选取负债融资额和股权融资额作为中间指标，衡量企业盈利能力、营运能力和发展能力的指标变量为产出指标。具体的融资效率评价指标体系见表1所列。

β5lnGHit+β6lnLQit+β7lnTLit+β8lnCGit+

β9NOFit+β10lnSIZEit+σit

(2)

REit=C1+α1lnEBit+α2lnFRit+α3LHit+α4HSit+

λ5lnGHit+λ6lnLQit+λ7lnTLit+λ8lnCGit+

λ9NOFit+λ10lnSIZEit+μit

(3)

采用多层场景进行造价对比：XX小区共计8栋多层（7F）住层，户型均为一梯两户，合计424户，本工程按用户100%满配建设，主干布放24芯光缆（0.5KM）、新增30个2槽分纤箱，15个1：4盒 式分光器、60块1：8插片式分光器、占用15个EPON口；一级分光采用1：4，二级分光采用1：8；总投资5.06万，小区方案如下：

(二)实证分析

将2010-2016年20家江苏新能源产业上市公司经无量纲化调整后的投入指标、中间指标和输出指标值运用MATLABE软件编程求解两阶段链式网络DEA模型，得出江苏新能源产业上市公司融资整体及各子阶段效率值，具体如图1～图3所示(其中E0为融资效率值，E1和E2分别为筹资效率和配置效率值，且E0=E1E2)。

电路结构和延迟分布决定了延迟缓冲器的位置，我们基于采样的仿真得到插入延迟缓冲器的位置及其下界的初步信息.具体方法为，基于每一次采样得到的电路中的延迟信息，建立一个整数线性规划模型，在可配置范围的下界可自由变化前提下，最小化可以配置的延迟缓冲器数量.如果采样数目足够多，可以更准确得到对提高良率最关键的延迟缓冲器的位置.

 

表3 江苏新能源产业上市公司融资生态与融资效率协同分析指标变量的描述性统计

  

变量最大值最小值均值标准差RE1．000．020．670．36AE1．000．030．560．37TE1．000．010．310．35EB22．824．7510．153．65FR22268．941563．349291．215895．72LH4．450．922．581．15HS119．0290．03103．018．06GH2．380．571．250．49LQ23750．0542．463620．744350．93TL112353．111598．0518292．5116730．62CG93．681．0610．7116．05SIZE249．204．9755．1552．91

数据包络分析(DEA)是由运筹学家Charnes 和Coopers(1978)[21]以相对效率概念为基础发展起来的，传统的C2R模型和BC2模型[22]只关注投入和产出的相对效率，无法得出生产过程中间阶段效率及各子阶段对整体效率的影响情况，为此Kao(2008)[23]建立起关联的两阶段DEA模型有效打开了决策单元过程效率评价的“黑箱”。

“傻丫头，你刚才昏过去了，妈妈不知道多担心你。”我环顾四周，我又回到了21世纪，之前的种种仿佛做了一个很长很长的梦。我的书桌旁放着一本史书，谁都没注意到有一页翻开了——1645年4月25日，扬州城在坚守了三天三夜后城破，清军在扬州城进行了屠杀，史称“扬州十日”。

 

表4 江苏新能源产业上市公司融资生态与融资效率协同分析的面板数据模型回归结果

  

变量REAETEC9．887∗∗∗(0．6064)-5．8318∗∗(0．6508)6．2662∗∗∗(0．6586)EB0．1518∗∗∗(0．0468)0．0263∗∗(0．0502)0．1241∗∗∗(0．0508)FR0．1427∗∗∗(0．0225)-0．0118∗∗∗(0．0242)-0．1006∗∗∗(0．0245)LH0．0325∗∗(0．014)-0．0157∗(0．0152)-0．0028(0．0154)HS0．0334∗(0．1823)0．0181∗∗(0．1956)0．0109(0．1979)GH-0．0495∗∗(0．0584)0．0192∗(0．0626)0．0373∗∗∗(0．0634)LQ-0．0256∗∗(0．0074)0．1256∗∗(0．0079)0．1079∗∗(0．0081)TL0．0191∗∗∗(0．0124)-0．1020∗∗(0．0133)-0．0549∗∗∗(0．0134)CG-0．0064∗(0．0059)0．1427∗∗∗(0．0063)-0．0196∗∗∗(0．0064)NOF0．0297∗∗(0．0133)-0．0369∗∗∗(0．0143)-0．0139∗∗∗(0．0145)SIZE0．0212∗∗(0．0136)0．0248(0．0146)0．0067∗(0．0148)R20．7140．6020．635F值14．76611．72812．105

注：***、**、*分别表示在1%、5%和10%的水平下显著。

为保证回归模型的稳健型，对融资的外部环境和内部基因部分指标进行替换回归检验，如将衡量金融资源水平的公司所在地的金融机构贷款余额指标替换为公司所在地的金融机构存贷款余额、衡量劳动者素质的职工薪酬指标替换为大专以上员工占比、衡量公司治理结构的第一大股东与第二大股东持股比例之比替换为前五大股东持股比例，通过研究比较发现模型的研究结果不存在显著性差异。

(三)实证结果

从表4结果来看，江苏新能源产业筹资效率受经济基础、金融资源水平影响较大，其相关系数分别为0.1518和0.1427，显示出在江苏经济和金融较发达地区的新能源上市公司筹集资金的效率较高，政府行为与筹资效率负相关意味着政府财政支出的扩大一定程度上会抑制新能源产业筹资效率的提升，劳动者素质、技术水平和公司治理与江苏新能源产业筹资效率相关度较小，但对配置效率影响较大，相关系数分别为0.125 6、-0.102 0和0.142 7，说明江苏新能源产业筹资效率主要与融资外部环境相关，配置效率主要与融资内部基因有关。法治诚信环境和人文社会环境与江苏新能源产业筹资效率、配置效率的相关性均不太突出，究其原因是江苏新能源上市公司所在地的法治诚信环境和人文社会环境均相对较好且差异不大。从控制变量影响来看，国有企业筹资效率较高，但配置效率相对较弱，企业规模越大，筹资效率越高，但对配置效率影响无明显差异。综合融资外部环境和内部基因因素，经济基础、金融资源水平、劳动者素质和技术水平对江苏新能源产业融资效率影响较大，国有企业综合融资效率低于民营企业，资产规模较大的企业融资效率具有一定优势。

阎永兴等[29]在分析促销预期、感知价值和品牌忠诚度三者之间的因果关系时发现，促销预期对感知价值有显著的正向影响。智慧城市建设中公众预期主要体现在可靠性预期与满足需要性预期两个方面，市民感知价值越高，越能满足市民的需求，从而提高公众预期。因此，提出以下理论假设：

五、结论拓展与政策建议

江苏是我国新能源产业发展的一个缩影，以原油、石油和天然气为代表的传统能源资源匮乏，为此结合地域特点，江苏大力发展光伏产业、风能制造产业、生物质能产业等新能源产业，已形成一定的产业竞争力。但鉴于新能源产业具有产业链长、技术资金密集等特点，其持续发展受到融资效率的强力制约。本文从有效界定融资效率内涵出发，将融资效率分为筹资效率和配置效率，利用两阶段链式网络DEA模型测度江苏2010-2016年的新能源产业筹资效率、配置效率和融资效率，发现江苏新能源产业融资效率仍存在较大改善空间，但相应新能源产业上市公司从侧重筹资效率忽视配置效率逐渐转向强化筹资效率与配置效率共同提升。根据生态学原理，融资效率的提升离不开融资生态的制约，而融资生态由融资外部环境和内部因子构成，由此本文建立衡量江苏新能源产业融资生态与融资效率协同分析的指标变量体系，将江苏新能源产业筹资效率、配置效率和融资效率作为因变量，融资外部环境和内部因子作为自变量，构建固定效应面板数据模型，验证江苏新能源产业融资生态与融资效率间的协同关系，发现江苏新能源产业筹资效率受融资外部环境因素影响较大，配置效率受融资内部因子影响较大。

企业把客户聚集到公众平台，不定期向客户推送信息，让客户对企业的品牌认知度越来越深。把所有客户加到公众平台，建立联系，持续下来，发挥更好的效果，节省投放广告的预算。微信作为腾讯公司的两大社交软件之一，有着强大的社交性、便利的互动性，即使是在微信公众平台，用户也可以向企业反馈问题，并得到及时回复，而企业则能够通过微信公众平台向它的粉丝实时推送信息[3]。

综合上述实证研究结论，为有效提升江苏新能源产业融资效率，可以从以下三个方面进行改进。第一，持续改善融资外部生态环境。提升新能源产业筹资效率的关键在于强化经济基础和金融资源建设，应进一步提高江苏经济发展水平，优化融资生态环境，加快构建体制完备、高效运作的多层次资本市场，鼓励新能源产业拓宽融资渠道、进行融资创新，合理保证新能源产业以最低成本和风险及时融入资金的能力。而地方政府行为与新能源产业筹资效率负相关说明新能源产业资金融通的市场化配置能力以及政府对新能源产业发展的支持力度仍有待加强。第二，优化融资内部因子配置。影响新能源产业资金配置效率的因素主要是劳动者素质、技术水平和公司治理，其中劳动者素质和公司治理与配置效率正相关说明人力资本和治理环境对资金配置效率的影响逐渐显现，应加强资金在人才队伍建设的投入以及股东控制能力的集中，而技术水平与配置效率负相关说明新能源产业尚未切换到技术资源主导的发展道路，需加大技术创新的研发力度，不断优化资本结构，从而充分发挥资金、人力、技术和管理等因素的组合作用以促进实现新能源产业的最大收益。第三，发挥融资外部环境和内部因子的协同效应。融资效率由筹资效率和配置效率构成，因此新能源产业总体融资效率是融资外部环境和内部因子共同作用的结果，需要加强外部环境因子的调控改革与内部基因因子效用提升的协同，以形成多元通畅的资金筹集渠道和高效适当的资金配置方式，支持新能源产业健康持续发展。

参考文献：

[1]彭书萍.“十三五”新能源产业培育与发展规划研究报告[M].北京:科学出版社，2017：10-16.

[2]曾康霖.怎样看待直接融资与间接融资[J].金融研究，1993(10) : 31-33.

[3]肖劲，马亚军.企业融资效率及理论分析框架[J].财经科学，2004(9) : 336-340.

[4]FAMA E F,JENSEN M C.Separation of Ownership and Control[J].Journal of Law and Economics，1983, 26(6) : 301-326.

[5]ALMEIAD H, WOLFENZOND.The Effect of External Finance on the Equilibrium Allocation of Capital[J].Journal of Financial Economics，2005， 75(1) : 133-164.

[6]HOGAN T, HUTSON E.Capital Structure in New Technology-Based Firms:Evidence from the Irish software Sector[J].Global Finance Journal, 2005, 15(3):369-387.

[7]宋文兵.对当前融资形势的理性思考[J].改革与战略， 1997(6) : 1-6.

[8]高学哲.企业融资效率:内涵及外延[J].生产力研究， 2005(6) : 205-207.

[9]赵守国，孔军，刘思佳.基于DEA模型的陕西上市公司融资效率分析[J].中国软科学，2011(S2) : 245-253.

[10]宋增基，张宗益.上市公司融资效率实证分析[J].商业研究， 2003(5) : 97-99.

[11]刘力昌，冯根福.基于DEA的上市公司股权融资效率评价[J].系统工程， 2004， 22(1) : 55-59.

[12]耿成轩，王玲.江苏省战略性新兴产业资本配置效率研究——基于上市公司面板数据分析[J].华东经济管理，2016，30(8) : 23-28.

[13]李宗燕.我国新能源上市公司融资效率评价研究[D].北京：中国地质大学， 2014.

[14]宋鹏鹏.我国新能源产业融资效率及影响因素研究[D].徐州：中国矿业大学， 2015.

[15]FROSCH R A, GALLOPOULOS N E.Strategies for Manufacturing Sci Am[J]. Scientific American， 1989， 261(1) : 144-152.

[16]MOORE J F.Predators and Prey: A New Ecology of Competition[J].Harvard Business Review， 1993， 71(3) : 75-86.

[17]周小川.完善法律制度，改进金融生态[N].金融时报，2004-12-07.

[18]梁春生.房地产企业融资生态研究[D].上海：华东师范大学， 2007.

[19]孙园青.基于涉农经济组织视角的农户融资生态系统研究[D].杨凌：西北农林科技大学， 2011.

[20]王海荣，耿成轩.新能源汽车产业融资效率——基于SUPER-SBM DEA及TOBIT模型[J].社会科学家， 2016(11) : 83-87.

[21]CHARNES A,COOPERS W W,RHODES E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research， 1978， 2(6) : 429-444.

[22]BANKER R D, CHARNES A, COOPERS W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science， 1984， 30(9) : 1078-1092.

[23]KAO C, WANG H S.Efficiency Decomposition in Two-stage Data Envelopment Analysis: An Application to Non-life Insurance Companies in Taiwan[J].European Journal of Operational Research， 2008， 185(1) : 418-429.

[24]TANSLEY A G.The Use and Abuse of Vegetation Concepts and Terms[J].Ecology， 1935， 16(3) : 284-307.

[25]李扬，王国刚，刘煜辉.中国城市金融生态环境评价[M].北京：人民出版社， 2005：124-128.