基于因子分析法的纺织业上市公司资本结构影响因素研究

王璐茜

摘要：资本结构不仅影响着企业的资本成本和利润价值，还影响着企业的治理结构。资本结构一直是公司财务研究的一块重要内容。纺织业作为我国的传统优势产业，是出口创汇的主力行业，对我国国民经济的发展起到重要的影响。本文以沪深两市纺织业上市公司为研究对象，运用因子分析法和多元线性回归模型对其中59家纺织业上市公司的财务数据进行研究。研究发现：纺织业上市公司资本结构受到公司规模、盈利能力、资产流动性、营运能力、非负债税盾和资产担保价值的显著影响；公司成长性对纺织业上市公司的资本结构的影响不显著。在此基础上进而对研究结果形成机理进行详细分析，提出优化其资本结构的对策。

关键词：资本结构 纺织业上市公司 影响因素

一、引言

纺织业是我国的一个传统优势产业，服装出口的持续稳定增长对保证我国国际收支平衡、外汇储备、人民币汇率稳定及纺织业可持续发展至关重要。近几年中国纺织（2009-2012）的工业总产值占GDP的比重不断上升，2009年占6.2%，2010年占6.8%左右，2011年上升7.3%，2012年达到8.O%（根据中国统计年鉴）。但是近年来，受到国际、国内各方面因素的影响，我国纺织业的生存和发展受到了严峻的考验，急需进行结构调整，转型升级。纺织业上市公司作为纺织行业先进的企业组织，可以带来制度和技术创新，发挥支柱企业的带头作用，促进纺织行业的发展。然而，目前我国部分纺织行业上市公司的资本结构存在不合理的现象，主要表现在资产负债率较低、内源融资比例小、负债结构不合理等。本文针对纺织业上市公司资本结构的现状，借鉴资本结构理论和国内外相关研究成果，对纺织业上市公司的资本结构的影响因素进行挖掘，以期对我国纺织业上市公司的资本结构优化提供有关的实证依据。

二、我国纺织行业融资特征及理论分析

1.纺织业上市公司总体资产负债率偏低。我国纺织业上市公司资产负债率总体不高，从图1看出平均值在40%左右，与同年全国规模以上工业企业资产负债率平均值相比明显偏低。按照现代资本结构理论，企业在经营状况较好时可以采用举债的方式来降低加权资本成本，从而提高企业的市场价值。Green和Holhfield通过研究企业财务危机成本后，认为公司最佳负债水平是资产负债在60%左右，而不是越低越好。我国纺织业上市公司基本上是由传统的国有企业改制而成的。在计划经济体制下，国有企业资金来源的主要方式只有国家的财政拨款和银行的支持（以极低的贷款利率提供企业所需的资金），但是在市场经济体制下，这种单一的融资体制会导致国有企业陷入高负债与低效益的困境，为此，政府出台了一系列的政策。随着深市与沪市的建立，国有企业在上市之前进行了不良资产的剥离，因而负债水平偏低，所以我国纺织业上市公司负债水平偏低。

图1我国纺织业上市公司与全国规模以上工业企业资产负债率

数据来源：国家统计局

2.融资结构不合理。企业的负债结构包括流动负债与非流动负债（长期负债）。在负债结构中不同期限的债务应该保持一个恰当的比例，如果流动负债所占比例越高，说明公司对短期资金的依赖性越强，会增加公司资金周转的风险。表1是2011-2013年间59家纺织业上市公司（剔除PT、ST）的流动负债比例分布情况。从表1可以看到，我国纺织业上市公司的流动负债比例大致集中在70%-100%区间之内，可知长期负债的比率在30%以下，这表明我国纺织业上市公司对流动负债的依赖性过高，会使企业面临很大的资金流动风险和信用风险。同时，通过对我国纺织业上市公司2011-2013年的融资结构进行分析后发现，纺织业上市公司以外源融资为主，在外源融资中，股权融资比重较大，这可能跟我国债券市场发展不完善的原因有关。

三、研究设计

（一）样本选取

本文以沪、深两市上市纺织业企业作为研究对象，所需的原始数据来源于CSMAR数据库和巨潮资讯网。截止至2011年1月1日发行上市的纺织业企业共有64家（沪市27家，深市37家），剔除ST公司，同时也把年报统计数据缺失及指标出现异常的公司排除掉，最终得到59家样本公司（沪市26家，深市33家）。在时间跨度上，本文以样本公司2011-2013年年报的数据为基础进行实证检验；数据分析采用EXCEL和SPSS 17.0统计软件等。

（二）变量设计

（1）被解释变量。在本文的实证研究当中，以资产负债率作为被解释变量来较全面的反应资本结构的全貌。

（2）解释变量。对于解释变量，本文从纺织业上市公司的特征出发，选择具有代表性的，对资本结构可能产生影响的微观因素，包括企业规模、盈利能力、企业成长性、流动性、营运能力、资产担保价值、非债务税盾等7类共14个指标。涉及的研究变量具体说明如表2：

（三）模型构建与方法的选择

目前对资本结构影响因素的研究方法选择主要分为两类：一类是直接选择具体的财务指标，然后运用多元回归的方法对资本结构的影响因素进行实证分析；另一类则是运用主成分分析和多元回归相结合的方法对资本结构形成可能的影响因素加以实证分析。

本文借鉴冯根福、吴林江、刘世彦的研究方法，首先对纺织业上市公司资本结构可能影响的反映企业盈利能力、企业规模、营运能力、资产担保价值、成长能力及负债税盾等多个财务指标提取主成分因子，然后在此基础上再进行回归分析检验，建立以下多元线性回归模型：

为了更清楚地分析样本，对因子进行正交旋转，得到旋转的主成分矩阵如表5。从表中可以看出第一个因子F1主要由x₉（流动比率）、x₁₀（速动比率）这两个指标所决定，这两个个指标在Fl因子上的载荷均在0.924以上，因为这两个指标反映企业流动性能力，称为流动性因子；第二个因子F2在X₃（净资产收益率）、X₄（总资产收益率）、x₅（营业收入增长率）、X6（每股收益）这四个指标上有较大的载荷，称为盈利能力因子；第三个因子F3在X₁（总资产对数）、X₂（主营业务收入）这两个指标上有较大的载荷，称为企业规模因子；第四个因F4子在X₁₁（总资产周转率）、X₁₂（固定资产周转率）负荷量大于其他指标，将其定义为营运能力因子；第五个因子F5在X₁₄（折旧，总资产）这个指标上有较大的载荷，可称为非负债税盾因子，第六个因子F6在X₁₃（存货与固定资产担保价值）这个指标上有较大的负荷量，将其定义为资产担保价值因子。

其中F_k（k=l，2，…，k）为主成分因子，k为选取的主成分个数，视主成分分析结果而定，ε为随机误差项。

四、实证结果与分析

（一）主成分分析：因子分析法起源于20世纪初Karl Pearson和Charles Spearman等人关于智力测验的统计分析，它通过线性变换将相关变量转化成无关变量，将其按方差递减的次序排列，以反映其对被解释变量程度的强弱。在此基础上再进行回归分析，既可以消除原始解释变量的相关性，又能起到降维的作用。本文采用KMO和Bartlett检验，其中KMO统计量取值在0～1； Kaiser认为，KMO大于0.5，可以做因子分析；Bartlett球度检验结果如果显著性水平小于0.05，则适宜做因子分析。从表3可以看到，KMO统计量取值为0.631大于0.5，Bartlett的值为598.258，显著性水平为0.000（P小于0.05），可以使用主成分分析法。

表4列出所有的主成分，按照对应的特征值从大到小排列。选取主成分时，特征值的大小说明所选主成分对原始变量的说明程度，如果特征值小于1意味着所选主成分对原始变量的解释程度还不如直接引入原始变量的解释程度大，因此，选取主成分的判断依据是特征值大于1的标准选取主成分。从表4可以看出，特征值大于1的主成分有6个，方差的解释能力分别为23.326%、17.842%、12.234%、9.163%、7.578%、6.74g%，累计方差的解释能力为79.892%，说明这6个因子已经包含了14个微观指标的大部分信息，因此，提取6个公共因子是合适的。

（二）多元回归分析

将提取的6个主成分因子作为解释变量，与纺织业上市公司（59家）的资产负债率进行多元线性回归，实证检验结果如表6。从表6可以看到，模型6是六个模型中较好的，修正后的拟合优度是0.612。

f.预测变量：（常量），F₁，F₃，F₂，F₆，F₅，F₄

表7反映的是整个回归模型的显著性检验结果，从表中可以看到，回归模型的F统计量为40.372，显著性水平为0.000，说明在1%的检验水平下回归模型自变量和因变量有着显著性的线性回归关系。

表8反映了账面资产负债率的逐步回归系数的检验结果，从t值和显著性水平可以判断出F₁、F₂、F₃、F₄、F₅、F₆均通过了95%的显著性检验，常数项也通过检验；自变量的回归系数分别为-0.033、一0.441、0.064、0.059、-0.245、0.287.

因变量：Y

数据来源：2011-2013年样本年报数据SPSS处理得到

（三）结果分析

根据回归结果可以得出以下结论：

（1）因子F₁（流动性）与资产负债率显著负相关。这与大多数国内外的实证研究结论一致。当上市公司的流动性越强，则企业资金的利用程度提高，从而使得企业获得了较为充足的资金进行扩大再生产而减少负债，所以当纺织业上市公司流动性增强时，负债减少，其资产负债率越低。

（2）因子F₂（盈利能力）与资产负债率显著负相关。两者呈显著负相关的关系说明如果公司盈利能力越强，会使得公司的留存收益增加，企业就可以通过内部融资解决资金问题，而不需要进行外部融资。这个结果从侧面说明我国纺织业是高竞争性产业。

（3）因子F₃（企业规模）与资产负债率显著正相关。企业规模与纺织业上市公司的资本结构显著正相关，这与我国大多数实证研究结论一致。这是因为随着企业规模的扩大，企业的资金实力增强，相对的抗风险能力也相应的提高，企业在发展中会选择较高的资产负债率，并且在资本市场中，实力雄厚的公司更容易获取资金。

（4）因子F₄（营运能力）与资产负债率显著正相关。这与大多数国内外的实证研究结论一致。实证结果说明我国纺织业上市公司的资产周转率较快，资产的管理效率较高，这有利于建立良好的信用关系，就有实力从外部介入更多的资金进行生产经营。这也说明纺织业上市公司在一定程度上已经有了合理运用资产的意识。

（5）因子F₅（非负债税盾）与资产负债率显著负相关。这与大多数国内外实证研究一致。非负债税盾按照理论应该与资产负债率具有显著性，纺织业机器设备更新换代较快，所以固定资产的折旧额比较高，它可以有效的替代负债，从而在一定的程度上相对减少对外部融资的依赖性。在一定程度上说，我国纺织业上市公司已经具有利用非负债税盾避税的意识。因此该行业的非负债税盾的避税效果会很强。

（6）因子F₈（资产担保价值）与资产负债率显著正相关。企业贷款时往往会要求企业提供一定的实物资产作为抵押，有形资产可以作为抵押债权人道受的代理成本的风险。纺织业公司的资产结构里面存货和设备等固定资产占有较大的比例，尤其是上市公司，规模都比较大，业拥有较多的有形资产，往往对债务进行担保的能力就更强。因此，这些企业就可以举借更多的债务来获得资金，企业的资产负债率就会上升，这就构成了正相关的关系。

五、结论

通过实证研究可得出我国纺织业上市公司资本结构的主要影响因素为：盈利能力、资产流动性、企业规模、营运能力、资产担保价值和非负债税盾。针对当前我国纺织业上市公司资本结构的影响因素，提出以下优化资本结构的建议：一、对于资本来源的选择，我国纺织业上市公司应该结合自身规模的大小，进行合理选择。企业规模较小的纺织业上市公司应更多的选择权益融资；企业规模较大的纺织业上市公司可以使用较高比例的负债融资；二、提高盈利能力，增加企业的内部融资能力，强化资金的供给能力；三、保持合适的资产流动性，减少对短期资金的依赖性，适当使用长期资金，减少公司资金周转的风险；四、发挥非债务盾的作用，在条件允许的情况下，纺织业上市公司可以利用“非负债税盾”来增加企业的现金流量；五、实现融资渠道的多元化，在我国债券市场进一步完善的基础上，纺织业上市公司可以发展其他融资方式如债券融资、期权等，从而达到优化资本结构的目的。