企业资本结构与效益及效率关系的实证研究.pdf

146 -企业资本结构与效益及效率关系的实证研究①胡援成表1所有上市公司资产负债率DR与其他 解释变量的回归分析(1998～2000年) 方差分析F检验值R2调整的R2样本数342. 411* *0. 4612 0. 45992808 参数估计参数估计值标准误差T检验值 截矩项0. 464009* *0. 01680827. 607ROA- 5. 715026* *0. 186777 - 30. 598ROE0. 0037540. 0023041. 629ITR0. 0000030. 0000090. 376FATR0. 000539*0. 0002692. 004TATR0. 030188* *0. 0079953. 776EBITOA4. 499859* *0. 19520723. 052CDOTD- 0. 109147* *0. 018487- 5. 904 注:*为在5 %的水平上显著,* *为在1 %的水平上显著本文仅就资本结构与整体经济效益及效率的关系这 一侧面作些探讨 突出围绕我国的资产负债率与经济效益 和效率的相互关系来进行实证分析,并相应作横向比较 (一)研究内容及方法1.研究样本及数据来源。

考虑到数据的可得性和相 对准确性,本研究的主要对象是在我国A股市场上市的 所有上市公司,选取的时间段为近3年 据有关资料反映, 我国公司平均寿命不长,经营变化大, 3年时间可在一定 程度上反映企业周期变化 根据上海证券交易所和深圳证 券交易所1998、1999和2000年3年所有上市公司的相应 财务数据,以行业分类并汇总研究的行业按现行分类法 分为金融、 公用事业、 房地产、 综合、 工业和商业等6大 类1998年的样本企业为825家,1999年为923家,2000 年为1060家 对于需计算上年会计项目与当年会计项目平均值的, 如某一年的前一年缺数据,则不取平均值,而仅计算当年 值就一般而言,因上市公司是经过严格挑选符合条件才 允许上市的,可认为它在整体上要优于一般非上市公司 本文数据主要取自CSMAR(中国股票市场研究数据 库)数据库,用于资本结构分析;并相应辅之 《中国统计年 鉴2000》 和 《中国人民银行统计季报2001 - 4》 中的相关数 据(主要包括非上市公司的相应数据) ,以及 《江西统计年 鉴2000》 的相应数据,以作对比分析用 2.研究的内容及方法企业资本结构是否表现出规 律性,什么因素对资本结构影响最大,或者说资本结构与 经济效益到底有多大联系,是怎样的联系,资金使用效率 以及固定资产占用是否对资本结构产生较大影响,负债的 时限是否对资本结构也产生影响等,围绕这些问题,我们 通过实证方法,突出考察资本结构与经济效益及经营效率 的相互关系,试图找到影响资本结构的最主要因素。

本文主要依据总资产、 总负债、 净资产、 净利润、 固定 资产、 存货、 主营业务成本、 主营业务收入、 流动负债及息 税前收入(EBIT)等总体和综合数据、 指标来进行分析,突 出总体特征或平均特性 现以资产负债率指标为核 心,重点分析和考察资产收益 率、 净资产收益率、 存货周转率、 固定资产周转率 、总资产周转 率、EBIT占总资产的比重以及 流动负债占总负债的比重等对 资产负债率的影响或相互关 系 变量选择: (1)被解释变量: DR— — — 资产负债率(DR =总负 债/总资产)2)解释变量: ROA— — — 资产收益率(ROA =净 利润/总资产) ; ROE— — — 权益收益率,或称净资产收益率(ROE =净利润/净资产总额) ;ITR— — — 存货周转率(次)(ITR =主营业务成本/平均存 货) ; FATR— — — 固定资产周转率(次) (FATR =主营业务 收入净额/平均固定资产净值,平均固定资产净值指固定 资产净值的上年末与本年末的平均值) ; TATR— — — 总资 产周转率(次)( TATR =主营业务收入净额/平均总资 产) ; EBITOA— — — 息税前收益占总资产比率(EBITOA = (净利润+财务费用+所得税) /总资产) ; CDOTD— — — 短 期负债占总负债比率(CDOTD =流动负债/总负债)。

分析的方法: (1)由于本文采集的数据中截面单位多, 如2000年有1060家上市公司,而时期少,只有3年;数据 中有反映时点指标,如资产负债率和短期负债与总负债比 率,也有反映时期指标如资产收益率和权益收益率等,故 本文研究采用截面和时间序列数据混合回归模型分析与 截面数据回归模型分析相结合的方式,在加以比较的基础 上重点考察混合回归分析,因其同时可减少多重共线性的 影响2)考虑到资本结构问题的复杂性,以及考察对象可 能存在的因果关系,在上述分析结果基础上再对关键因素 做分布滞后模型分析,并进行比较 (二)回归分析 现考虑通过回归分析,找出影响资产负债率的关键因 素,并作相应统计检验 拟建立如下回归模型: DRi=αi+β1ROAi+β2ROEi+β3ITRi+β4FATRi +β5TATRi+β6EBITOAi+β7CDOTDi+μi(1) 现采用SAS统计分析软件对上述模型进行估计,考 虑样本的代表性,现选取全部上市公司和工业类上市公司 这两大类来进行分析,所得结果见表1和表2 根据表1和表2可见,净资产收益率(ROE)和存货周 转率(ITR)与资产负债率显著不相关,可不予考虑;固定 资产周转率(FATR)和总资产周转率(TATR)与资产负 债率相关性也不十分明显,而且参数值很小,也可忽略不 考虑;短债占总债的比例(CDOTD)虽然与资产负债率弱表2工业上市公司资产负债率DR与其他 解释变量的回归分析(1998～2000年) 方差分析F检验值R2调整的R2样本数236. 116* *0. 4884 0. 48641739 参数估计参数估计值标准误差T检验值 截矩项0. 492611* *0. 02112423. 319ROA- 5. 608933* *0. 229152 - 24. 477ROE0. 0030340. 0022661. 339ITR0. 0000330. 0001330. 250FATR0. 003723* *0. 0007504. 962TATR- 0. 0136140. 0117165 - 1. 162EBITOA4. 463392* *0. 23662218. 863CDOTD- 0. 136755* *0. 022941- 5. 961 注: *为在5 %的水平上显著, * *为在1 % 的水平上显著。

企业资本结构与效益及效率关系的实证研究短论- 147 -《管理世界》(月刊)2002年第10期表3按行业分中国工业企业资产负债率与资产贡献率的回归分析(1999年) 上市公司国有及非国有国有企业三资企业5000户企业F检验值704. 6174. 5506. 23717. 68824. 920F的P值0. 00010. 04000. 01740. 00020. 0001R20. 28860. 11500. 15130. 34900. 4229 截矩项0. 497191* *64. 157372* *67. 067517* *67. 149347* *61. 332425* *(99. 886)(33. 101)(32. 466)(28. 211)(173. 034)EBIT/ A- 1. 182068* *- 0. 400813*- 0. 544989* *- 1. 179075* *- 0. 307800* *( - 26. 545)( - 2. 133)( - 2. 497)( - 4. 206)( - 4. 992)样本数173937373636 注: (1)括弧内的数字为T检验值, *为在5 %的水平上显著, * *为在1 %的水平上显 著;(2)上市公司的数据是1998～2000年3年的数据;(3)全国工业企业数据是按统计口径细分 为36个行业来归类的; (4)资产贡献率实际上就是息税前收益与总资产的比率,即EBIT/ A ; (5)全国5000户工业企业数据是1998年12月～2001年9月时段的月度数据,其收益率是按 销售成本利润率来计算的。

表5资产负债率与资产收益率的Wiener - Granger 因果检验(1998～2000年) 因果方向F检验值F的P值 判定 所有上市公司ROA→RD0. 6810. 6052拒绝RD→ROA0. 0650. 9922拒绝 工业上市公司ROA→RD4. 8400. 0008不拒绝RD→ROA0. 6770. 6084拒绝表4资产负债率和资产收益率的分布滞后模型结果(1998～2000年)所有上市公司工业上市公司所有上市公司工业上市公司(RD为被解释变量)(RD为被解释变量)(ROA为被解释变量)(ROA为被解释变量)F检验值171. 679* *178. 049* *172. 408* *170. 811* *R20. 38550. 50920. 38650. 5017 截矩项0. 496289* *0. 503553* *0. 131164* *0. 156948* *(56. 946)(53. 134)(13. 630)(12. 294)X1- 1. 554425* *- 1. 401383* *- 0. 248424* *- 0. 357943* *( - 22. 680)( - 22. 608)( - 22. 735)( - 22. 604)X2- 0. 065578- 0. 0811570. 0075030. 023987 ( - 0. 815)( - 0. 840)(0. 593)(1. 281)X3- 0. 0171020. 401578* *0. 0189630. 051295*( - 0. 198)( - 4. 219)(1. 261)(2. 470)样本数825513825513 注:括弧内的数字为T检验值, *为在5 %的水平上显著, * *为在1 %的水 平上显著。

负相关,但参数值也很小,因而也不予考察 考虑到资产负债率指标与资产收益率(ROA)及 EBITOA指标均有较强的相关性,但同时注意到后两者 也有较强的相关性,为了排除多重共线性,我们先选择资 产负债率与ROA作单一的回归分析和比较 相应的回归模型为:RDt=αt+β1ROAt+μt(2) 具体的分析结果见表3 表3的分析与前述描述性统计的相关性分析有类似 结果 模型拟合最好的是5000户企业和三资企业,它们的 判定系数R2分别为0. 4229和0. 349 上市公司其次,国有 企业及规模以上非国有企业的拟合结果相对最差 这里还 存在一个难题,即虽然可判断某指标与资产负债率指标有 显著相关性,但并不能判定其因果关系 例如,究竟是由于 负债率高引起收益率下降,还是由于收益率下降导致负债 率升高?根据莫迪格利尼-米勒模型的传统分析,由于负 债可获得避税好处,因而可提高企业价值,或者说可提高 收益率水平但现实数据的实证分析发现,这一判断并不 成立为进一步验证上述因果关系,我们先利用分布滞后 模型来进行分析 同时,考虑到资产收益率指标与 EBITOA指标存在多重共线性,一方面我们通过将横截 面与时间序列数据并用,可部分解决多重共线性问题;另 一方面,我们将舍去EBITOA指标而单独分析资产收益 率指标。

根据基本的分布滞后模型,我 们可建立如下表达式: RDt=α+β1ROAt+β2ROAt - 1 +β3ROAt - 2+μ1t(3) ROAt=λ+δ1RDt+δ2RDt - 1 +δ3RDt - 2+μ2t(4) 根据上述模型,我们有如下回 归分析结果(见表4)从表4可发 现,资产负债率和资产收益率互为 分布滞后的解释变量和被解释变 量,其结果十分相似 这自然引发人 们思考和怀疑二者是否存在明显的 因果关系 为了验证资产负债。