资本结构与经营绩效非线性关系研究——来自中国能源行业上市公司的经验证据

杨 华,陈 迅,田洪刚

(1.重庆大学经济与工商管理学院,重庆 400044;2.重庆理工大学经贸学院,重庆 400054)

一、问题的提出及文献简要回顾

国内外有关资本结构与经营绩效的关系的研究层出不穷。尽管许多学者选取不同的样本数据、变量、方法模型、研究假设从不同的角度进行研究,但是他们的研究结论千差万别,更为重要的是,以往的研究大多采用线性分析方法,认为两者是一种简单的线性关系,无法对非线性和有门限值的变量进行合理解释。资本结构与经营绩效关系可能并非简单的线性关系。能源在经济发展中占据重要地位,包括电力、石油和煤炭在内的能源行业是国家的基础产业,长期以来受到国家产业政策的扶持和各级政府高度重视,具有良好的获利能力和低风险性。本文以该行业1999年至2008年上市公司数据为样本,运用非线性计量方法—面板门限 (Panel Threshold)模型研究资本结构与经营绩效的关系[1]。以期为行业发展提供参考。

对于资本结构与经营绩效的关系,研究人员得出完全不同的结论:有正相关和负相关两种对立的观点,并各自有大量的实证研究文献。

国外很多研究发现,资本结构与经营绩效呈正相关。Jensen&Meckling(1976)从代理成本和公司治理角度分析了最优外部融资的规模和结构,他们认为,随着负债份额的增加,会降低由经理与股东之间利益冲突所导致的代理成本,并增加公司价值,资本结构与经营绩效呈正相关关系[2]。Ross(1977)等提出的信号传递理论也论证了经营绩效与资产负债率正相关[3]。Masulis(1983)在资本结构与绩效相关性实证研究检验时发现,经营绩效与负债水平正相关,且能够对经营绩效产生影响的负债水平变动范围介于0.23-0.45之间[4]。更多的研究认为资本结构与经营绩效负相关。Myers&Mujluf(1984)的融资顺序理论认为,企业内部融资成本最低,只有当内部融资不足以满足企业融资需求时,才应该采用负债融资,公司理应采取的融资顺序为:内部融资、债务融资、股权融资,因此,企业盈利能力与财务杠杆比率之间是负相关关系[5]。Booth(2001)等人通过对10个发展中国家样本数据的分析发现影响发展中国家公司债务比率的因素似乎与影响发达国家的相似且作用方式也类似,10个发展中国家 (除了津巴布韦以外)的经营绩效与资本结构之间都存在着高度显著的负相关关系[6]。

国内方面洪锡熙、沈艺峰 (2000)对1995-1997年上证A股221家工业类公司进行的实证研究得出企业的资本结构与经营绩效呈正相关关系的结论[7]。汪辉 (2003)利用A股上市公司1998-2000年的数据进行实证分析发现,公司负债融资率每增长1%,净资产收益率将增长0.12%,资本结构与经营绩效存在显著的正相关关系[8]。然而,陆正飞、辛宇 (1998)研究发现,获利能力与长期负债比率之间有显著的负相关关系[9]。肖作平 (2005)通过考察资本结构与经营绩效之间的相互关系注意到,财务杠杆对经营绩效具有显著的消极影响[10]。张志辉,赵悦 (2008)以我国49家医药行业A股上市公司为例,2003-2005年为样本期研究资本结构与经营绩效之间的关系,结果表明,资本结构对经营绩效有显著为负的影响[11]。

纵观国内外对资本结构与经营绩效关系的研究,发现绝大多数文献采用线性方法分析研究两者之间的关系,认为两者之间呈正相关或负相关的线性关系。资本结构与经营绩效之间可能不是简单的线性关系。有鉴于此,本文假设资本结构与经营绩效可能存在非线性关系,在开始阶段经营绩效随着债务比例的提高而提高,达到某一临界值后,经营绩效随着债务比例的提高而下降。

二、实证模型

本文运用Hansen提出的面板门限模型以我国能源行业上市公司为例分析资本结构与经营绩效的关系。我们先对模型进行简介。

下面先介绍单一门限模型,样本资料取自于一个平衡面板资料 [xit,dit:(1≤i≤n,1≤t≤n],模型下标i代表个别公司,t则代表特定期间,本文以年为单位,且被解释变量vit及门限变量git为标量,回归变量xit为一k维向量。则单一门限模型可表示为:

其中,vit代表经营绩效,在本文中被解释变量vit为Tobin q值,解释变量dit则为公司的资产负债率,γ为特定的门限值。I(·)为一指标函数,ui用于反映公司的个体效应,eit为随机干扰项。为了得到参数的估计量,我们需要先从每一个观察值中减去其组内平均值以消除个体效应ui,变换后的模型为:

我们进而可以对所有观察值进行累叠,并采用矩阵形式将 (2)式表示为:

对于给定的门限值γ,我们可以采用OLS估计 (3)式以得到β的估计值:

其中^e＊(γ)=v＄-x＊(γ)β (γ)为残差向量,我们可以通过最小化 (5)式对应的S1(γ)值来获得γ的估计值,即

进而可得到^β=β (γ),残差向量^e＊=^e＊(^γ)和残差平方和^σ2=^σ2^γ。

得到了参数的估计值后,我们需要进行两个方面的检验:一是门限效应是否显著;二是门限的估计值是否等于其真实值。第一个检验的原假设为:H0∶β1=β2,对应的备择假设为H1:β1≠β2,检验统计量为:

其中,S0为在原假设H0下得到的残差平方和。在原假设H0下,门限值γ是无法识别的,因此F1统计量的分布是非标准的。Hansen建议采用自抽样法 (Bootstrap)来获得其渐进分布,进而构造其P值第二个检验的原假设为:H0∶^γ=^γ0,相应的似然比检验统计量为:

该统计量的分布也是非标准的,但Hansen提供了一个简单的公式,可以计算出其非拒绝域,即当LR1(γ0)≤(α)时,不能拒绝原假设。

以上只是假设仅存在一个门限,但从计量角度看,可能会出现多个门限。下面以双重门限模型为例作简要说明,多重门限模型可以基于此很方便地进行扩展,模型设定为:

估计方法是先假设单一门限模型中估计出的γ1为已知,再进行γ2的搜索,最终得到:

Bai研究表明,＊γ2是渐进有效的,但＊γ1却不具有此性质①Bai J Estimatingmultiple breaksone at a time.Econometric Theory,1997,13:315-352,指结构突变。。我们可以固定＊γ2对＊γ1进行再次搜索,从而得到其优化后的一致估计量＊γ1,多重面板门限模型可参照上述模型扩充。

三、样本与研究变量

(一)数据来源和处理方法

研究数据来自于Wind经济金融研究数据库,选取了包括电力、石油和煤炭采掘为主营业务的上市公司,本文利用这些公司1999-2008年平衡面板数据进行实证分析。样本选取时遵循以下原则:(1)选用的样本公司必须在2000年以前已经上市;(2)把1999-2008年数据不全的公司剔除掉;(3)在样本中剔除了ST和PT类上市公司;(4)不包含发行B股和H股的样本,以保证托宾Q值计算的统一性。得到68家电力行业上市公司的680个观察值。

(二)变量的选择和处理

1.解释变量

根据取得的数据,我们以资产负债率度量企业资本结构,作为解释变量,并把它设为门限变量。

2.被解释变量

衡量经营绩效的指标有很多,主要指标包括:净资产收益率、每股收益、每股净资产和托宾Q等。本文选取托宾Q值作为被解释变量 ,可代表公司未来成长机会,当其值越高,代表公司未来成长机会越大,使得市场对公司的价值评价高于重置成本,这样经营绩效就越高。

3.控制变量

资本结构实证研究成果丰富,为本文中控制变量的选择提供了充分的备选变量,其中以规模、未来成长性、资产结构 、行业类别等最具代表性,考虑到本文用非线性面板门限模型来分析资本结构与经营绩效的关系,而自变量个数过多或不恰当的选入都会对统计的显著性产生不利影响。本文选取公司规模、成长性 、资产结构作为控制变量。其具体度量指标 (在参考国内外理论和实证研究成果的基础上)如下:

表1 研究变量界定

表2为变量描述性统计分析结果。

表2 变量的描述性统计分析结果

四、模型运用和实证分析

(一)模型运用

根据前面介绍的面板门限模型,本文建立多重面板门限模型来检验公司资本结构与经营绩效的关系,另外本文加入三项控制变量:规模-总资产的对数 (lnsize),资产结构-固定资产净值占总资产的比重 (zcjg),成长性-营业收入增长率 (yysrzzl)。

(二)门限效应检验

我们需要确定模型 (10)中的资本结构 (资产负债率)的门限效应,求得门限值。根据前面介绍的门限模型估计方法,我们依次在不存在门限效应、一个门限、两个门限的设定下对模型 (10)进行估计,以0.01、0.05、0.1的显著水平,对被解释变量的进行门限回归测试,得到下面的门限效应p-value。见表3。我们发现单一门限效应非常显著,其自抽样p值为0.004;而二重、三重门限效应并不显著,其自抽样p值分别为0.697、0.747,下面就单一门限模型进行分析。

表3 门限效应检验结果

(三)实证结果分析

在95%的置信区间下,我们所估计的单一门限值为0.264,即Tobin q值符合本文所设计的单一门限模型:即该模型存在不对称的非线性关系,在高于或低于门限估计值26.4%时,会呈现各自不同的参数估计值。

表4 资本结构与经营绩效的关系

从表4模型的估计结果来看,当资本结构 (资产负债率)处于不同的门限区间时,资本结构与经营绩效之间关系的估计系数有所不同。实证结果表明,当资产负债率小于26.4%时,资本结构与经营绩效显著正相关,资产负债率变量的系数估计值为0.3989(t值为3.14,在5%的水平下显著),也就是说在此时提高负债比率时,可有效提高经营绩效,实现股东财富最大化的目标;当资产负债率大于26.4%,资本结构与经营绩效显著负相关,资产负债率变量的系数估计值为-2.71 (t值为 -2.63,在5%的水平下显著),也表明在此时提高负债比率时,原有的税盾价值将会因为杠杆关联成本的提高而被抵消,与线性模型相比,可以更好地解释资本结构与经营绩效的关系。

另外,实证结果还表明,控制变量中公司规模与经营绩效在统计上负相关,估计系数在1%的水平下显著,显示公司规模越大,经营绩效越小;公司的成长性与经营绩效显著正相关,估计系数在1%的水平下显著,这表明公司的成长性越好,越利于提高经营绩效;资产结构与经营绩效显著负相关,在5%的水平下显著,也就是说优化资产结构便于提高经营绩效。

五、结 论

本文运用Hansen(1999)的面板门限模型以我国A股能源行业上市公司为例分析资本结构与经营绩效的关系,检验其门限效应 。研究结果表明:我国能源行业上市公司资产负债率与经营绩效具有单一门限效应,资本结构与经营绩效呈现明显的非线性关系。即一定程度上财务杠杆的运用能提升经营绩效,举债会产生税盾价值,但当过度使用财务杠杆、会产生杠杆关联成本、财务风险,税盾价值将会相应的被抵消、经营绩效随之降低。因此,建议我国的企业经营管理者可通过合理的调整资本结构,适当的举债经营、发挥财务杠杆作用,有效改善公司经营绩效、提高公司价值,并努力实现股东财富最大化的目标。由于我国上市公司普遍存在股权融资偏好,并且在负债软约束的法律背景和能源紧张的经济环境下,部分上市公司可能存在盲目扩张的行为。要使能源行业上市公司的资本结构得到优化、合理利用财务杠杆效率,应该加快我国债券市场的建设,完善我国上市公司破产机制、激励机制等证券法规制度,完善债权人的监督机制。

[1]Hansen,B.E.Threshold effects in non-dynamic panels:Estimation,testing and inference[J].Journal of Econometrics,1999,(93).

[2]Jensen,M.C.and W.H.Meckling.Theory of the firm:Managerial Behavior,agency cost and ownership structure[J].Journal of Financial Economics,1976,(3).

[3]Ross,S.A.The Determination of Financial Structure:the Incentive Signaling Approach Bell[J].Journal of Economics and Management Science,1977,(8).

[4]Masulis.Bankruptcy Risk and Optimal Capital Structure[J].Journal of Finance,1983,(5).

[5]Myers,S.C.and N.S.Majluf.Corporate Financing and Investment DecisionsWhen Firms Have Information That Investors Do Not Have[J]. Journal of Financial Economics,1984,(13).

[6]Booth.An EBITBased Model of Dynamic Capital Structure[J].Journal of Business,2001,(74).

[7]洪锡熙,沈艺峰.我国上市公司资本结构影响因素分析[J].厦门大学学报 (哲学社会科学版),2000,(3).

[8]汪辉.上市公司债务融资、公司治理与市场价值[J].经济研究,2003,(8).

[9]陆正飞,辛宇.上市公司资本结构主要影响因素之实证研究[J].会计研究,1998(8).

[10]肖作平.上市公司资本结构与公司绩效互动关系实证研究[J].管理科学,2005,(3).

[11]张志辉,赵悦.我国医药行业上市公司资本结构与经营绩效实证分析 [J].经济研究导刊,2008,(14).