企业融资约束度量方法及分析

谭赛月明

武汉大学

企业融资约束度量方法及分析

谭赛月明

武汉大学

1.引言

融资约束最早是由Fazzari、Hubbard和Petersen(1988)提出的，他们认为在资本市场不完备的情况下，企业的外部融资成本与内部融资成本相差很大，使得两者之间无法完全替代，因此企业会过于依赖其内部资金，而内部资金有限使其无法达到投资的最优化，这种现象即称作为融资约束。为了研究融资约束在企业行为中的角色，研究者通常需要度量企业受到这样约束的严重程度。然而，在实证研究中融资约束是不可直接观测的，因此，实证研究中的首要问题就是构建有效的方法来识别和度量融资约束。

现存的文献中提出了很多不同的度量方法，常用的包括对融资约束进行间接度量的现金流敏感度(Fazzari et al.1988)，以及使用企业财务数据以及自身特征构造度量指数。尽管存在这么多度量企业融资约束的方法，但是关于这些方法的准确性以及优缺点还是存在着很大的争议。要找到融资约束的适当度量是相当困难的，最完美的度量应当是客观的、具体的、连续的，并且随时间变化。不幸的是目前并没有这样的度量，尽管如此，在本文中，我们将概括现存的度量融资约束的方法，比较它们之间的优势和缺陷，希望对后来的研究提出一些可供参考的意见和建议，使得后来的研究者可以按其研究目的和可获得的数据来参照选择最合适的度量方法。

2.直接度量

在可能获得的情况下，融资约束的直接度量是一个有用的工具，避免了后文间接度量方法中描述的理论和测度问题。在这一部分我们主要介绍两种可能直接度量融资约束的方法，并讨论其使用的意义。

2.1 公司报告

一些公司会在年末提供包括其财务状况的报告--至少在大多数国家股票市场上交易的公司必须这样做。这些报告包括了许多有关公司财务以及外部融资需要的重要定性信息，这些信息使得研究人员可以将企业受到的融资约束分为不同的程度。

虽然使用这种方法有很多优点，研究者可以根据丰富的可获得的关于公司约束的信息来将公司按其融资约束水平排序分类，但其主要缺点在于样本的大小与相关样本的代表性问题。一方面公司的报告能够提供丰富准确的信息，另一方面想要获得大量提供报告的公司是困难的，只有少数公司能够提供这样的年度报告。因此，由于代表性问题不能对全体企业做出有关融资约束的推论。

2.2 自我评价：调查数据

近年来，数据收集和可获得性的进步催生了依赖于商业调查来识别和度量融资约束的实证文献的新浪潮。作为从企业报告中获得其外部融资能力的直接信息的替代，直接询问其是否受到融资约束相对简单多了。这可以直接通过询问公司有关融资约束(或获得外部融资)的单一问题，或者结合一系列不同的问题来完成。

使用这种类型数据的主要优点在于企业自身是最了解其投资项目质量的，因此我们可以预期投资机会已经考虑了企业自己的反应。不同于企业报告，除了直接了解企业对约束的看法，研究者还可以度量小型年轻企业的融资约束，只要它们属于调查的目标对象。但是，自我评价的主观性无法避免的存在一些潜在的偏误，因为其中可能会存在个人看法。

3.间接度量

3.1 现金流敏感性

理论上，融资约束在过去已经被纳入一些模型中，但在实证中首次研究可以追溯到Fazzari Hubbard and Petersen (1988)--以下称为FHP--以投资对现金流的敏感度(ICFS)作为对约束的度量。融资受到约束的企业无法获得外部融资--至少是无法获得全部所需数额，或者只能在成本很高的情况下获得。因此，在投资机会出现的时候这些企业只能依靠从其内部筹得的资金。然而，那些不受融资约束的企业可以轻松地从外部筹得他们投资所需的资金。据此，受到约束的企业会更偏好利用内部资金进行投资(显著为正的ICFS)，而不受约束的那些企业的投资与现金流则应当没有明显的关系。

上面关于现金流敏感性的方法有很多缺点，主要是与事前预分类相关。事前样本根据一定的分类变量划分到不同群组，这是要提供企业受到融资约束程度的信息，但事实上这个问题相当麻烦。首先，分类变量是否能准确区分有约束和无约束的公司是值得怀疑的，目前还尚未发现一个很好的代理变量。因此，一些分类方法是由缺陷的；第二，对于代理变量自己是否受到融资约束的影响也是不清楚的。在这种情况下，先验的分类基于一个内生于融资约束的代理变量；第三，为了使用连续分类变量将企业划分到不同的组，必须要定义一个不是任意的截止点，这是因为分类变量和融资约束之间的关系可能不是单调的。

3.2 欧拉方程检验

基于Q理论以及包含调整成本的投资模型，一些文献试图通过估计一个简化形式的欧拉方程来识别受到融资约束的企业(Whited，1992)。基础的欧拉方程模型描述了一个给定调整成本的参数的最佳投资路径，据此，当前投资的边际成本应当等于未来投资的预期边际成本。这种方法规定，在完全资本市场下一些参数限制应当被证实，否则说明存在融资约束。

相对于传统的ICFS，这种方法的主要优点在于避免了Q值的测量，关于Q值的测量被证明是相对困难的，并且限制了对样本公司的分析。此外，这个方法的实证检验所需的数据在很多数据集中都可以找到，主要是企业资产负债表中的信息。然而，这个检验是要基于大量的假设以及高度参数化模型的。此外，该框架基于参数的测试，但不能直接产生一个可以在以后估计中使用的参数。最后，与诸CFS的方法类似，由于非单调关系，内生性问题的存在，使用的代理变量可能是有缺陷的。

4.其他的方法

4.1 企业层面现金流敏感性

最近一些文献基于CFS的理论试图克服与聚集相关的问题以及CFS方法通常面临的预分类方案的问题，这种方法包括在公司层面引入异质性的融资约束度量，没有必要使用定性数据或者高度参数化的基本模型。在这个框架内，通常有两种方法被提及：一方面，Hovakimien与Hovakimien，假定基于现金流加权的时间平均；另一方面，D'Espallier， Vandemaele和Peeters (2008)，推荐估计异质的CFS回归的现金流斜率。

由HH提出的测度方法比较了现金流量加权与投资平均时间的乘积与简单的平均投资，因此，在现金流量较高的年份里投资的权重较大，这就意味着如果一个公司在现金流较高的年份里投资更多(少)，那么HH指数就会为正(负)。虽然简单，这种方法不能控制投资机会成本以及其他变量对投资的影响。EVP提出一个不同的角度来估计CFS回归中异质的现金流斜率，与CFS回归同样的道理，可以得到一个系数向量而不是标量。因此，我们得到每个企业的现金流敏感性。所以，与HH指数对比，这种方法允许控制一系列其他相关变量对被解释变量的影响(如投资机会)。然而，对企业层面斜率的估计需要更精细的估计技术，可能会在事实过程中产生一些复杂的问题。

4.2 代理变量

使用代理变量是度量融资约束最为简单和实用的方法，通过定义，如果一个给定变量与融资约束是高度相关的，那么它就有可能是一个很好的代理。如果有非常好的代理变量可用，那么它就可以很容易的被用作是特定公司随时间变化的被解释变量或解释变量。

很大一部分(不是全部)对融资约束进行实证研究的文献都依赖于不同种类的代理变量，无论是作为解释变量还是分类变量。常用的代理变量有以下几个：现金流，现金股票，规模，出口，R&D强度，杠杆，股利支付比率，集团成员资格和所有权。即使存在不同的变量与融资约束相关，要找到一个好的代理变量依然是很困难的(Cleary et al.，2007)。此外，代理变量的使用依赖于之前融资约束与各变量之间关系的设计，而且如果这些关系是非单调的，那么相应的代理变量只能在整个空间的子集中有效。

5.总结

企业获得融资的分析很容易受到方法学研究的挑战，本文综述现有的用于识别和测量融资约束的框架。显然，研究者有很多不同的方法可以选用，并且每一种方法也许有着互补的优点和缺点。因此我们很难确定一个最好的选择，事实上，我们可以说根本没有一个完美的度量标准，这种情况对经济研究以及政策制定上有着严重的影响。因此，在研究中应当尽量避免使用单一方法，使用不同方法结合相互印证，可以增强结论的稳健性。并且当使用某种方法度量融资约束时应认识到该方法的局限性和可能存在的偏误。

总之，在研究与融资约束相关的问题时应依据自身研究的主题使用不同的衡量方式，未来的研究方向应该是努力发展更好的研究方法来评估公司的融资约束，这一领域的研究在提供结论和政策建议时必须十分谨慎。

[1]Almeida，H.，Campello，M.，Weisbach，M. 2004，The Cash low Sensitivity of Cash[J]. Journal of Finance. 59. 1777- 1804.

[2]Clear，S. The relationship between frm investment and fnancial status. Journal of Finance， 1999， 54： 673- 692

[3]Caballero， Ricardo J. Aggregate Investment [R].Working Paper1997，No.6264

[4]郑江淮，何旭强，王 华.上市公司投资的融资约束：从股权结构角度的实证分析[J]. 金融研究， 2001，(01)：92- 9.

[5]冯 巍.内部现金流量和企业投资[J].经济科学，1999，(01).

[6]李胜楠，牛建波.上市公司负债 水平与投资支出关系的实证研究[J].证券市场导报， 2005，(03).

谭赛月明(1992.07-)女，汉，湖北鄂州，研究生，单位：武汉大学，研究方向：国际贸易、融资约束

上接(第2 9页)

4 评价指标比较结论

4.1 指标体系结构分析

在进行企业核心竞争力评价指标体系设计时，使用较多层级会增加指标选取的工作量，使工作的难度加大，浪费评价者精力，边际效益值递减；而相反的，层级太少则不够全面具体，不能突出评价的重 点，使得评价体系难以正确衡量企业竞争力水平。因此指标层级的选择要突出重点并选择合适的层级结构。

4.2 指标体系数量分析

对核心竞争力评价体系中究竟该采用多少指标数量目前尚未有统一定论，对一个企业来说，如果核心竞争力评价指标数量过少，就不能客观全面的反映这个企业的核心竞争能力高低，评价效果会打折扣；而较多数量的指标则难以找到核心竞争力评价的重点，导致增加无谓的工作量。

从表2～表6数据分布来看，对于二级层级结构的企业核心竞争力评价体系，笔者建议其对应的第一层级的指标 数量应以4～5个为宜(二级层级结构第一层级指标数量为4～5个占该层级总指标数量的70%)，而第二层级指标数量一般应控制在10～29个(二级层级结构第二层级指标数量为10～29个占该层级总指标数量的80%)。三级层级结构的企业核心竞争力评价体系，其对应的第一层级的指标数量宜在4个左右；三级层级对应的第二层级 指标数量分布相对集中，都在10～19个这个范围，因此在指标体系构建时，将该指标数量控制在10～19这个范围内是比较合理的；其对应的第三层级指标数量宜控制在10～29个(三级层级结构第三层级指标数量为10～29个占该层级总指标数量的79%)。

5 结语

目前在我国经济新常态的发展下，对企业的核心竞争力进行全面客观的准确评价具有重要意义，也是社会发展进步的需要。评价主体的目的、企业规模、企业类别、环境因素、数据的采集难易程度、评价成本的投入程度、评价主体的期望结果等很多方面决定了企业核心竞争力评价的复杂性。在理论与实践中，适当考虑指标的层级、指标数量、指标隶属情况等方面，制定出一套适合自己行业的综合评价体系。

参考文献：

[1] PRAHALDA. C. K， HAMEL. The Core Competence of the Corporation [J].Harvard Business Review， 2009，57(4)：79-91.

[2] CHRISTOS. N. PITELIS， EDITH PENROSE The Theory of the Growth of the Firm Fifty Years Later[J]. Munich Personal Archive， 2008，56(2)：7-13.

[3] Rink D R，SWAN J E. Product life cycle research：a literature review[J]. Journal of Business Research，1979，7(3)：219-242.

[4] 周叔莲，王伟光.中国企业如何提高核心竞争能力[J].经济管理.2012(21)：18-20.

[5] 张建民.对企业核也竞争力的再认识[J].技术经济与管理研究，2011，(1);55-59.