论文部分内容阅读
上市企业的负债与投资的关系在近年来成为了我国学术界探讨的焦点。从西方学者的文献中可以看出，在成长性不同的企业中，负债对投资的影响是不一样的。我国也有一些学者在这个方向上进行了研究，但在区分成长性时他们大都沿用了西方学者的评判标准，将TobinQ指标的高低作为判别企业成长性高低的依据。我国资本市场的发展时间较短，市场机制很不完善，投资人也经常出现不理智行为，因此股价容易偏离股票的实际价值，TobinQ并不能完全地反映出公司成长性。有些学者看到了这个问题，将销售增长率作为TobinQ的替代指标，但这种做法的科学性却还没得到检验，销售增长率也不能完全代表成长性。此外，也有学者采用灰色关联度分析法等方法来度量成长性，但这些方法都有一些缺点。本文在参考潘立生等(2010)的基础上，采用投资机会集法，将与成长性相关的六个指标视为成长机会集的原始变量，并通过多指标面板数据的因子分析法得出机会集的替代变量IOS及每家公司的成长性排名。
本文的研究方法为实证与理论相结合。首先回顾以往研究负债投资关系的经典文献，了解学者们对这个问题的看法，并对这个领域的最新研究动态有一个大致的了解。再根据非对称信息下的委托代理理论以及自由现金流理论解释负债融资为何会对投资行为产生影响，并依据生命周期理论分析高成长性公司及低成长性公司的特征，得到不同成长性公司的定义。通过成长性定义，我们分析了高成长性公司与低成长性公司在融资来源上的差别，并用委托代理理论及自由现金流理论解释不同成长性企业的负债对投资的影响。
本文的研究窗口期间为2009年-2013年，为了数据的完整性，本文选取2009年以前在沪深交易所上市的企业作为总体研究样本，并按照以往文献的惯例剔除了ST股、金融股、AB同股等的上市公司，得到1054家样本公司数据。根据成长性定义，本文从市场相对价值和当前投资支出两个方面来选取成长性代理变量，总共选取了资产市值账面比MBA、市盈率倒数1/EP、折旧指标Dep、资本性支出CE、权益市值账面比MBE及固定资产指标FA这六个财务指标。我们对所有公司的这六个指标每年都做一次因子分析，得到每家公司每年的因子得分IOS。IOS主要由三个公共因子组成，其中第一个公共因子“价值因子”主要包含了MBA资产市值账面比与MBE权益市值账面比的信息，反映了企业的价值;第二个公共因子“支出因子”主要由FA固定资产指标与Dep折旧指标贡献而成，反映了公司对固定资产的需求程度;第三个公共因子“潜力因子”主要反映了1/EP市盈率倒数与CE资本性支出的信息，反映了公司最近的投资机会及市场对此的预期，因此被命名为“潜力因子”。我们以累计贡献率为标准将IOS按年度加权平均得到每个公司的面板数据总得分。根据面板总得分的排名，我们将1/3分位数前的351家公司及2/3分位数后的351家公司分别定义为高成长性公司以及低成长性公司。
参考其他经典研究后，本文建立了多元线性回归模型，研究了总体样本公司负债与投资的关系，并研究了不同成长性公司的资本结构差异及负债对投资发挥的作用。模型1的被解释变量选取为投资规模I，以非流动资产的增长净值来度量;解释变量以滞后一期的资产负债率LEV表示;控制变量包括自由现金流、销售增长率、企业规模、净资产回报率、成长性指标IOS及年度控制变量。回归前本文对除了IOS外的所有回归变量都进行了winsorize处理以避免极端值对研究结果的影响。描述性统计后我们对不同成长性组的变量均值进行了方差检验，发现所有的变量在两组间都存在着显著差异;分组回归后我们对解释变量的系数在两组间的差异进行了wald检验，发现差异是显著的。进一步，本文研究了不同期限的负债与投资规模之间的关系。除了解释变量由资产负债率改为滞后一期的短期负债率SD(以流动负债/总资产表示)及滞后一期的长期负债率LD（以长期负债/总资产表示），回归模型2的处理方法与第一个模型一致。在对总体样本及分组样本都进行了线性回归后，本文对解释变量系数在分组样本间的差异性也进行了wald检验，发现差异显著。最后，本文还从负债来源的角度检测了负债与投资规模的关系。由于本文未考虑企业债，因此这个模型的解释变量为商业信用率CD和银行借款率BD，模型3其他变量和处理方法与上两个模型一致。同样，wald检验显示CD及BD的标准系数在两个分组样本中的差异性非常显著。
在对研究结果进行分析后，得到如下结论:
(1)关于我国上市企业的负债率与投资规模的相关性研究，本文得出了与我国大多数学者相同的结论:整体样本公司的负债率与投资规模负相关。这说明负债对投资的影响在我国整体表现为抑制投资。在期限不同的负债与投资的关系研究上，本文发现，长期负债率与投资规模呈正相关性，短期负债率与投资规模呈负相关性，且这种相关性不受企业成长性影响。这表明短期负债对企业投资规模具有约束作用，企业可以通过合理增加短期负债来约束过度投资;而使用长期负债反而会增加企业投资规模，可能导致企业投资过度。在来源不同的负债与投资规模的相关性研究上，商业信用对投资规模的影响在整体样本上表现为负，银行信用对投资规模的影响则表现为正，说明商业信用对企业投资规模有较强的约束力，而银行借款不仅不能约束投资，反而促使了投资规模增长。这与我国银行借款的政策性有很大关系，表明我国银行借款对投资不具有强约束力。
(2)在对按成长性分组的两组数据描述性统计后我们发现，高成长组的资产负债率均值明显低于低成长组。这表明了我国高成长性企业的融资结构更倾向于股权融资，债权人出于对经营风险的顾虑相对不愿意借债给高成长性企业。模型1分组回归数据显示，低成长性企业的杠杆率与投资规模负相关，高成长性企业杠杆与投资规模正相关，且低成长性样本组的相关系数绝对值大于高成长性样本组。这表明在低成长性企业中负债抑制了投资规模，而在高成长性企业负债对投资的影响则表现为缓解投资需求扩大投资规模。此外，低成长性企业的负债对其投资的影响程度更大。在对研究负债期限与投资的模型2回归后我们发现，无论是长期负债还是短期负债，它们与投资规模相关性都在低成长性公司中更显著。由于低成长性企业投资机会少，过度使用长期负债很可能会增加过度投资。对模型3分组回归后发现高成长组的投资与银行信用的相关性比低成长组更高，低成长组投资与商业信用的相关性比高成长组更高。
对于以上结论，本文也提出了一些建议:(1)优化企业的融资结构，根据自身的特点来合理使用负债;(2)低成长性企业可以适当地采用短期负债来控制投资规模，对长期负债的使用应该更慎重(3)比起对短期现金流要求较高的短期负债，高成长性企业更应该使用长期负债;(4)建立公平融资环境，减少政府干预，让银行借款能够发挥硬约束的作用。
受限于本人水平，文章存在一些不足:(1)投资机会集的影响因素可能还有还多，本文采用的六个变量不能完全涵盖这些因素。此外，以“投资机会集”衡量成长性这一方法的科学性还需要进一步检验。(2)本文为了数据的完善性剔除了2009年以后上市的非金融企业数据，可能会导致数据偏差。(3)本文未做内生性检验，内生性问题未得到解决，已有结果可能源于不可观测的公司变量或反向因果关系。(4)本文只研究了负债与投资支出的关系，并未深入研究不同成长性公司负债与投资效率的关系。
本文的研究方法为实证与理论相结合。首先回顾以往研究负债投资关系的经典文献，了解学者们对这个问题的看法，并对这个领域的最新研究动态有一个大致的了解。再根据非对称信息下的委托代理理论以及自由现金流理论解释负债融资为何会对投资行为产生影响，并依据生命周期理论分析高成长性公司及低成长性公司的特征，得到不同成长性公司的定义。通过成长性定义，我们分析了高成长性公司与低成长性公司在融资来源上的差别，并用委托代理理论及自由现金流理论解释不同成长性企业的负债对投资的影响。
本文的研究窗口期间为2009年-2013年，为了数据的完整性，本文选取2009年以前在沪深交易所上市的企业作为总体研究样本，并按照以往文献的惯例剔除了ST股、金融股、AB同股等的上市公司，得到1054家样本公司数据。根据成长性定义，本文从市场相对价值和当前投资支出两个方面来选取成长性代理变量，总共选取了资产市值账面比MBA、市盈率倒数1/EP、折旧指标Dep、资本性支出CE、权益市值账面比MBE及固定资产指标FA这六个财务指标。我们对所有公司的这六个指标每年都做一次因子分析，得到每家公司每年的因子得分IOS。IOS主要由三个公共因子组成，其中第一个公共因子“价值因子”主要包含了MBA资产市值账面比与MBE权益市值账面比的信息，反映了企业的价值;第二个公共因子“支出因子”主要由FA固定资产指标与Dep折旧指标贡献而成，反映了公司对固定资产的需求程度;第三个公共因子“潜力因子”主要反映了1/EP市盈率倒数与CE资本性支出的信息，反映了公司最近的投资机会及市场对此的预期，因此被命名为“潜力因子”。我们以累计贡献率为标准将IOS按年度加权平均得到每个公司的面板数据总得分。根据面板总得分的排名，我们将1/3分位数前的351家公司及2/3分位数后的351家公司分别定义为高成长性公司以及低成长性公司。
参考其他经典研究后，本文建立了多元线性回归模型，研究了总体样本公司负债与投资的关系，并研究了不同成长性公司的资本结构差异及负债对投资发挥的作用。模型1的被解释变量选取为投资规模I，以非流动资产的增长净值来度量;解释变量以滞后一期的资产负债率LEV表示;控制变量包括自由现金流、销售增长率、企业规模、净资产回报率、成长性指标IOS及年度控制变量。回归前本文对除了IOS外的所有回归变量都进行了winsorize处理以避免极端值对研究结果的影响。描述性统计后我们对不同成长性组的变量均值进行了方差检验，发现所有的变量在两组间都存在着显著差异;分组回归后我们对解释变量的系数在两组间的差异进行了wald检验，发现差异是显著的。进一步，本文研究了不同期限的负债与投资规模之间的关系。除了解释变量由资产负债率改为滞后一期的短期负债率SD(以流动负债/总资产表示)及滞后一期的长期负债率LD（以长期负债/总资产表示），回归模型2的处理方法与第一个模型一致。在对总体样本及分组样本都进行了线性回归后，本文对解释变量系数在分组样本间的差异性也进行了wald检验，发现差异显著。最后，本文还从负债来源的角度检测了负债与投资规模的关系。由于本文未考虑企业债，因此这个模型的解释变量为商业信用率CD和银行借款率BD，模型3其他变量和处理方法与上两个模型一致。同样，wald检验显示CD及BD的标准系数在两个分组样本中的差异性非常显著。
在对研究结果进行分析后，得到如下结论:
(1)关于我国上市企业的负债率与投资规模的相关性研究，本文得出了与我国大多数学者相同的结论:整体样本公司的负债率与投资规模负相关。这说明负债对投资的影响在我国整体表现为抑制投资。在期限不同的负债与投资的关系研究上，本文发现，长期负债率与投资规模呈正相关性，短期负债率与投资规模呈负相关性，且这种相关性不受企业成长性影响。这表明短期负债对企业投资规模具有约束作用，企业可以通过合理增加短期负债来约束过度投资;而使用长期负债反而会增加企业投资规模，可能导致企业投资过度。在来源不同的负债与投资规模的相关性研究上，商业信用对投资规模的影响在整体样本上表现为负，银行信用对投资规模的影响则表现为正，说明商业信用对企业投资规模有较强的约束力，而银行借款不仅不能约束投资，反而促使了投资规模增长。这与我国银行借款的政策性有很大关系，表明我国银行借款对投资不具有强约束力。
(2)在对按成长性分组的两组数据描述性统计后我们发现，高成长组的资产负债率均值明显低于低成长组。这表明了我国高成长性企业的融资结构更倾向于股权融资，债权人出于对经营风险的顾虑相对不愿意借债给高成长性企业。模型1分组回归数据显示，低成长性企业的杠杆率与投资规模负相关，高成长性企业杠杆与投资规模正相关，且低成长性样本组的相关系数绝对值大于高成长性样本组。这表明在低成长性企业中负债抑制了投资规模，而在高成长性企业负债对投资的影响则表现为缓解投资需求扩大投资规模。此外，低成长性企业的负债对其投资的影响程度更大。在对研究负债期限与投资的模型2回归后我们发现，无论是长期负债还是短期负债，它们与投资规模相关性都在低成长性公司中更显著。由于低成长性企业投资机会少，过度使用长期负债很可能会增加过度投资。对模型3分组回归后发现高成长组的投资与银行信用的相关性比低成长组更高，低成长组投资与商业信用的相关性比高成长组更高。
对于以上结论，本文也提出了一些建议:(1)优化企业的融资结构，根据自身的特点来合理使用负债;(2)低成长性企业可以适当地采用短期负债来控制投资规模，对长期负债的使用应该更慎重(3)比起对短期现金流要求较高的短期负债，高成长性企业更应该使用长期负债;(4)建立公平融资环境，减少政府干预，让银行借款能够发挥硬约束的作用。
受限于本人水平，文章存在一些不足:(1)投资机会集的影响因素可能还有还多，本文采用的六个变量不能完全涵盖这些因素。此外，以“投资机会集”衡量成长性这一方法的科学性还需要进一步检验。(2)本文为了数据的完善性剔除了2009年以后上市的非金融企业数据，可能会导致数据偏差。(3)本文未做内生性检验，内生性问题未得到解决，已有结果可能源于不可观测的公司变量或反向因果关系。(4)本文只研究了负债与投资支出的关系，并未深入研究不同成长性公司负债与投资效率的关系。