我国新能源产业融资效率及影响因素研究——基于DEA-Tobit两阶段模型.docx

我国新能源产业融资效率及影响因素研究——基于DEA-Tobit两阶段模型

1.引言

1.1新能源产业发展背景及意义

随着全球气候变化问题日益严重，新能源产业作为替代传统能源、减缓气候变化的重要产业，在我国得到了快速发展。新能源产业不仅有助于改善能源结构、减少环境污染，还能推动经济增长、促进就业。然而，新能源产业在发展过程中面临着融资难、融资贵等问题，制约了产业的进一步发展。因此，研究新能源产业融资效率及其影响因素，对优化融资环境、促进新能源产业发展具有重要意义。

1.2国内外研究现状

国内外学者针对新能源产业融资效率及影响因素进行了大量研究。国外研究主要集中在新能源产业融资模式、政策环境、市场机制等方面；国内研究则侧重于融资效率评价、影响因素分析以及政策建议等方面。然而，现有研究在方法上多采用单一评价方法，较少结合定量与定性分析，且对影响因素的探讨不够全面。

1.3研究方法与论文结构

本文采用数据包络分析（DEA）和Tobit回归相结合的两阶段模型，对我国新能源产业融资效率进行评价和影响因素分析。论文结构如下：第一章为引言，介绍研究背景、意义、现状及研究方法；第二章对新能源产业融资效率进行评价；第三章介绍DEA-Tobit两阶段模型；第四章进行实证分析；第五章分析新能源产业融资效率的影响因素；第六章提出政策建议和产业对策；第七章为结论，总结研究成果、局限与展望。

2新能源产业融资效率评价

2.1新能源产业融资概述

新能源产业作为国家战略性新兴产业之一，对促进能源结构优化升级、实现可持续发展具有重要意义。然而，新能源产业在发展过程中面临着资金投入大、回报周期长等问题，融资问题成为制约其发展的关键因素。本节将对新能源产业融资现状进行概述，分析其融资特点及存在的问题。

融资现状：新能源产业融资主要依赖于政府补贴、银行贷款、股权融资等途径。近年来，随着政策扶持力度的加大，新能源产业融资环境有所改善。

融资特点：新能源产业融资具有投入大、风险高、周期长等特点，这对融资效率提出了更高要求。

存在问题：新能源产业融资仍存在以下问题：融资渠道单一、融资成本高、融资期限不匹配、风险管理不足等。

2.2融资效率评价指标体系构建

为全面评价新能源产业融资效率，本节将构建一套科学、合理的评价指标体系。该体系包括以下四个方面：

融资成本：包括融资利率、融资费用等指标，反映企业融资的财务负担。

融资速度：包括融资周期、融资审批时间等指标，反映企业融资的效率。

融资结构：包括融资渠道、融资比例等指标，反映企业融资的多样性。

融资风险：包括信用风险、市场风险等指标，反映企业融资的安全性和稳定性。

2.3数据包络分析（DEA）方法介绍

数据包络分析（DataEnvelopmentAnalysis，DEA）是一种基于相对效率的评价方法，适用于评价具有多投入、多产出的决策单元效率。本节将简要介绍DEA方法的基本原理及计算步骤。

基本原理：DEA方法通过构建线性规划模型，求解各决策单元的效率值，从而评价其相对效率。

计算步骤：

确定决策单元：选择具有相同投入产出关系的样本企业作为决策单元。

确定投入产出指标：根据评价指标体系，选取合适的投入产出指标。

建立DEA模型：选用适当的DEA模型（如CCR模型、BCC模型等）进行计算。

计算效率值：通过求解线性规划模型，得到各决策单元的效率值。

效率分析：根据效率值，对决策单元进行效率评价和分析。

通过以上内容，本章节对新能源产业融资效率评价进行了详细阐述，为后续章节的实证分析和影响因素研究奠定了基础。

3.DEA-Tobit两阶段模型介绍

3.1DEA-Tobit两阶段模型原理

DEA-Tobit两阶段模型是数据包络分析（DataEnvelopmentAnalysis，简称DEA）和Tobit回归模型的组合应用。首先，使用DEA模型对决策单元（DMU）的效率进行评价，将得出的效率值作为因变量。随后，采用Tobit模型对影响效率值的各种因素进行回归分析，以揭示这些因素对效率值的具体影响。

在新能源产业融资效率评价中，第一阶段通过DEA模型计算出各个新能源企业融资效率的非效率值。第二阶段则运用Tobit模型对这些非效率值进行回归分析，找出影响融资效率的关键因素。

3.2模型参数设置与计算步骤

DEA模型参数设置：

投入指标：包括新能源企业的资本、劳动力、研发投入等。

产出指标：主要包括新能源企业的产值、利润、专利数量等。

Tobit模型参数设置：

因变量：第一阶段得出的非效率值。

自变量：可能影响融资效率的各种因素，如企业规模、政府政策、市场环境等。

计算步骤：

使用DEA模型对新能源产业融资效率进行评价，得出非效率值。

确定Tobit模型的自变量和因变量，构建回归方程。

采用最大似然估计法（ML