论文部分内容阅读
摘要:筹资对于任何企业来说都是决定其生存和发展的关键因素。负债融资是企业以举债的方式来筹集所需资金,是企业筹资的一种方式[1]。文章采用上证50指数指标股作为样本,构成了一个以总资产收益率(ROA)为核心指标,一共有21项财务指标构成的筹资效益分析指标体系。从财务管理的视角,对我国企业债务融资与经营绩效的作用及其机理,进行了系统的实证分析。
关键词:负债筹资;融资结构;主成分分析;总资产收益率
中图分类号:F275 文献标识码:A文章编号:1006-8937(2009)20-0003-02
负债筹资有着举足轻重的社会影响和经济地位,它是商业信用的重要组成部分,也是一种固有的经济手段。企业为了确保资金的需求增强企业创业机制和市场竞争能力,必然要及时调度自有资本和通过发行股票、债券融资,积极开拓筹资渠道,通过银行贷款和社会筹资等多种形式,承担负债经营和资金筹措的重任[2]。
负债融资是具有双面效应的,它在给企业带来巨大利益的同时,也会带来一些潜在的风险,它既可能给企业带来正面积极的作用,也可能使企业倒闭破产[3]。所以,对于负债筹资的运用需要谨慎,只有在适度负债的前提下才能实现企业价值最大化。
1研究样本和数据的选取
从我国融资结构特殊性出发,加上我国基本国情、经济发展状况、政策法规等变化发展,结合我国上市公司因行业的不同显示出众多不同的特点,本文研究范围定在各行业中比较典型的上市公司,以基日为2008年12月31日的上证50作为实证分析对象。
2实证分析指标的确定
2.1指标变量的初步选择
公司绩效是公司经营的业绩和效率,它反映公司的经营效果。总资产收益率真实且可信度高,能反映公司的整体经营状况,不像净资产收益率那样容易被人为操控,能够反映企业对全部资源投资的贡献,表明公司对资产利用的综合效果。故选择总资产收益率代表企业的绩效。
反映公司负债筹资的指标很多,资产负债率是本文的首选指标,但它只能反映长期负债而非整个负债结构,为研究的客观性,在代表负债筹资的指标中再选择流动比率、速动比率、资产负债率、长期负债比率、产权比率等,从长期、短期偿债能力综合反映公司负债结构。
同时,对公司绩效影响,除了负债结构指标外还有很多影响因素,如营运资金利用率、发展能力等,本文增加利息保障倍数、应收账款周转率等指标来进一步分析。
2.2指标变量的进一步优化——因子分析
在进行描述性分析时,多指标可以起到保证数据的全面性和研究结果的真实性的作用,但如果指标变量之间存在相关性,将影响回归模型的假设。因此,我通过因子分析提取指标变量中的主成分,确定相关性较小的变量作为回归分析的自变量指标。本文通过相关矩阵的Bartlett检验、完全变量解释后得到旋转后的因子负荷矩阵,如下表1。
3负债筹资与经营绩效的描述性统计
在回归分析之前文章对样本公司具体指标进行描述性分析,如表2。
对于众多的样本如果想找到一种可以使所有样本数据都包含于其中的函数不太可能,但是样本中资产负债率在30%以下企业的总资产收益率从5%~30%不等,有的甚至将近35%。而资产负债率在乎要集中在40%~60%,这段企业的总资产收益率没有显示出与资产负债率有线性关系。故以总资产收益率为代表的公司绩效与以资产负债率为代表的负债筹资并非简单的线性关系,并且资产负债率也不能完全代表负债筹资结构,因此必须建立非线性模型,对优化后的指标变量建立回归方程进行实证分析。
3.1建立非线性回归模型
初步估计公司绩效指标的函数为:
公司绩效=f(盈利能力成长性,营业利润指标,资本结构,资产周转能力,盈利能力,资金周转能力,经营能力成长性)+Ui
负债筹资与公司绩效之间的关系并非简单的线性关系,因此通过变量之间的相关性分析建立非线性模型。首先将7个变量命名为F1、F2、F3、F4、F5、F6、F7,通过相关性分析将各变量线性化,得出非线性表达式。
3.2回归结果
在回归模型的基础上,通过Eviews统计软件进行非线性回归分析以及相关检验,具体分析结果如表3所示。
回归方程如下:
判定系数是回归平方和在总平方和中的比例,消除自变量个数影响的修正的判定系数R2=0.624,说明因变量ROA的变化中有62.4%是由自变量引起的,判定系数和调整判定系数较大,回归估计标准误差小,模型拟合度很高。因此从判定系数检验可以看出该模型显著性较高,最终结论得结合其它检验共同决定。
方差分析对整个回归模型进行显著性检验,根据F检验量为F=11.45099,其伴随概率为0.000,说明总体回归函数中各自变量与因变量关系极为显著。
Durbin·Watson stat检验得出D为1.911近似于2,说明残差和自变量相互独立,不存在序列相关问题。
由各项回归系数的t检验值可以看出,所有伴随概率均小于3,表明每项回归系数均非常显著。综合上述显著性检验,证明模型充分有效。
4结 论
由上述回归结果得出以下结论:
①变量F7与因变量ROA的回归系数最大,为0.7383,表明F7与ROA正相关且关系显著,说明企业经营能力成长性与公司绩效关系十分密切,与其他变量的回归系数相比可以看出,经营绩效在很大程度上是由企业未来经营性盈利能力决定的。
②除F7外,F1和F5对于因变量ROA的回归系数也较大,同时两者的显著性很高,因此两指标对于经营绩效的作用也不容忽视。F5是盈利能力,与因变量ROA成正比毋庸置疑,但F1对于因变量ROA的回归系数是负的,说明企业暂时的经营不善不代表未来绩效的下降,有时候短期的停滞是未来发展的调整时期,企业在具体分析时得分清长期目标与短期目标的区别。
③F6、F4与因变量ROA的相关性不是很大,其中F4代表资产周转率,回归系数不是很大,显著性一般,说明该指标是绩效的影响因素之一,但非决定性因素;F6是资金周转能力,虽然回归系数很小但显著性是很高的,说明它与因变量ROA有一定的关系,但不是主要因素。资金或资产有效运用能提高绩效,但更重要的是盈利。
④F2代表营业利润指标,与因变量ROA的相关性很小,说明经营性收益只能代表企业绩效的一方面,经营绩效更多的与企业未来前景有关。企业要提高绩效,除经营外还有许多需要重视的环节,例如营业外收益,对外投资等。
⑤变量F3是资本结构,回归系数不是很大,但负债变量的单尾P值仍在显著水平a=5%的拒绝域里,且F3与因变量ROA的回归系数是正的,说明负债对于公司经营绩效的杠杆效应已经发挥,但效应发挥的强度不是很高,因此负债筹资未来发展空间很大。
参考文献:
[1] 朱健仪,苏淑欢.企业经济活动分析[M].广州:中山大学 出版社,2005.
[2] 洪宇.对商业企业负债经营的探讨[J].商业研究,2006,6(338):70-71.
[3] 冯萍.企业负债融资的分析与策略[J].茂名学院学报, 2006,16(5):21-26.
关键词:负债筹资;融资结构;主成分分析;总资产收益率
中图分类号:F275 文献标识码:A文章编号:1006-8937(2009)20-0003-02
负债筹资有着举足轻重的社会影响和经济地位,它是商业信用的重要组成部分,也是一种固有的经济手段。企业为了确保资金的需求增强企业创业机制和市场竞争能力,必然要及时调度自有资本和通过发行股票、债券融资,积极开拓筹资渠道,通过银行贷款和社会筹资等多种形式,承担负债经营和资金筹措的重任[2]。
负债融资是具有双面效应的,它在给企业带来巨大利益的同时,也会带来一些潜在的风险,它既可能给企业带来正面积极的作用,也可能使企业倒闭破产[3]。所以,对于负债筹资的运用需要谨慎,只有在适度负债的前提下才能实现企业价值最大化。
1研究样本和数据的选取
从我国融资结构特殊性出发,加上我国基本国情、经济发展状况、政策法规等变化发展,结合我国上市公司因行业的不同显示出众多不同的特点,本文研究范围定在各行业中比较典型的上市公司,以基日为2008年12月31日的上证50作为实证分析对象。
2实证分析指标的确定
2.1指标变量的初步选择
公司绩效是公司经营的业绩和效率,它反映公司的经营效果。总资产收益率真实且可信度高,能反映公司的整体经营状况,不像净资产收益率那样容易被人为操控,能够反映企业对全部资源投资的贡献,表明公司对资产利用的综合效果。故选择总资产收益率代表企业的绩效。
反映公司负债筹资的指标很多,资产负债率是本文的首选指标,但它只能反映长期负债而非整个负债结构,为研究的客观性,在代表负债筹资的指标中再选择流动比率、速动比率、资产负债率、长期负债比率、产权比率等,从长期、短期偿债能力综合反映公司负债结构。
同时,对公司绩效影响,除了负债结构指标外还有很多影响因素,如营运资金利用率、发展能力等,本文增加利息保障倍数、应收账款周转率等指标来进一步分析。
2.2指标变量的进一步优化——因子分析
在进行描述性分析时,多指标可以起到保证数据的全面性和研究结果的真实性的作用,但如果指标变量之间存在相关性,将影响回归模型的假设。因此,我通过因子分析提取指标变量中的主成分,确定相关性较小的变量作为回归分析的自变量指标。本文通过相关矩阵的Bartlett检验、完全变量解释后得到旋转后的因子负荷矩阵,如下表1。
3负债筹资与经营绩效的描述性统计
在回归分析之前文章对样本公司具体指标进行描述性分析,如表2。
对于众多的样本如果想找到一种可以使所有样本数据都包含于其中的函数不太可能,但是样本中资产负债率在30%以下企业的总资产收益率从5%~30%不等,有的甚至将近35%。而资产负债率在乎要集中在40%~60%,这段企业的总资产收益率没有显示出与资产负债率有线性关系。故以总资产收益率为代表的公司绩效与以资产负债率为代表的负债筹资并非简单的线性关系,并且资产负债率也不能完全代表负债筹资结构,因此必须建立非线性模型,对优化后的指标变量建立回归方程进行实证分析。
3.1建立非线性回归模型
初步估计公司绩效指标的函数为:
公司绩效=f(盈利能力成长性,营业利润指标,资本结构,资产周转能力,盈利能力,资金周转能力,经营能力成长性)+Ui
负债筹资与公司绩效之间的关系并非简单的线性关系,因此通过变量之间的相关性分析建立非线性模型。首先将7个变量命名为F1、F2、F3、F4、F5、F6、F7,通过相关性分析将各变量线性化,得出非线性表达式。
3.2回归结果
在回归模型的基础上,通过Eviews统计软件进行非线性回归分析以及相关检验,具体分析结果如表3所示。
回归方程如下:
判定系数是回归平方和在总平方和中的比例,消除自变量个数影响的修正的判定系数R2=0.624,说明因变量ROA的变化中有62.4%是由自变量引起的,判定系数和调整判定系数较大,回归估计标准误差小,模型拟合度很高。因此从判定系数检验可以看出该模型显著性较高,最终结论得结合其它检验共同决定。
方差分析对整个回归模型进行显著性检验,根据F检验量为F=11.45099,其伴随概率为0.000,说明总体回归函数中各自变量与因变量关系极为显著。
Durbin·Watson stat检验得出D为1.911近似于2,说明残差和自变量相互独立,不存在序列相关问题。
由各项回归系数的t检验值可以看出,所有伴随概率均小于3,表明每项回归系数均非常显著。综合上述显著性检验,证明模型充分有效。
4结 论
由上述回归结果得出以下结论:
①变量F7与因变量ROA的回归系数最大,为0.7383,表明F7与ROA正相关且关系显著,说明企业经营能力成长性与公司绩效关系十分密切,与其他变量的回归系数相比可以看出,经营绩效在很大程度上是由企业未来经营性盈利能力决定的。
②除F7外,F1和F5对于因变量ROA的回归系数也较大,同时两者的显著性很高,因此两指标对于经营绩效的作用也不容忽视。F5是盈利能力,与因变量ROA成正比毋庸置疑,但F1对于因变量ROA的回归系数是负的,说明企业暂时的经营不善不代表未来绩效的下降,有时候短期的停滞是未来发展的调整时期,企业在具体分析时得分清长期目标与短期目标的区别。
③F6、F4与因变量ROA的相关性不是很大,其中F4代表资产周转率,回归系数不是很大,显著性一般,说明该指标是绩效的影响因素之一,但非决定性因素;F6是资金周转能力,虽然回归系数很小但显著性是很高的,说明它与因变量ROA有一定的关系,但不是主要因素。资金或资产有效运用能提高绩效,但更重要的是盈利。
④F2代表营业利润指标,与因变量ROA的相关性很小,说明经营性收益只能代表企业绩效的一方面,经营绩效更多的与企业未来前景有关。企业要提高绩效,除经营外还有许多需要重视的环节,例如营业外收益,对外投资等。
⑤变量F3是资本结构,回归系数不是很大,但负债变量的单尾P值仍在显著水平a=5%的拒绝域里,且F3与因变量ROA的回归系数是正的,说明负债对于公司经营绩效的杠杆效应已经发挥,但效应发挥的强度不是很高,因此负债筹资未来发展空间很大。
参考文献:
[1] 朱健仪,苏淑欢.企业经济活动分析[M].广州:中山大学 出版社,2005.
[2] 洪宇.对商业企业负债经营的探讨[J].商业研究,2006,6(338):70-71.
[3] 冯萍.企业负债融资的分析与策略[J].茂名学院学报, 2006,16(5):21-26.