终极控制权、投资规模与投资质量

易健

中图分类号：F830    文献标识码：A

内容摘要：本文对我国2016～2017年A股零售业上市公司的投资状况进行了实证分析。结果显示：我国零售业上市公司存在显著的现金流敏感性，终极控制权对现金流敏感性具有正向影响，现金流对投资规模存在正向影响;终极控股股东控制权与企业投资规模之间呈现正向联系，与企业投资质量之间存在负向联系。

关键词：零售业上市公司   终极控制权   投资规模   投资质量

理论分析与研究假设

目前，针对企业投资规模的研究大多侧重于非效率投资，而非效率投资行为总体可分为不足和过度两种情况。本文针对非效率投资问题展开研究，探索零售业上市公司非效率投资的影响因素，进而改善这种非效率行为。在探究公司投资规模影响关系之前，有必要对市场企业的投资现金流敏感情况进行分析。基于此，本文提出假设1：

H1：我国零售业上市公司现金流对投资规模存在正向影响。

终极股东通常会通过内部现金流大幅度增加资本规模来控制企业的资金，造成企业形成非效率投资。在此基础上，本文提出假设2：

H2：终极股东的控制权对企业投资规模具有正向影响。

终极控股股东为了获取控制权私利，操控内部现金流来扩大资本支出，造成非效率投资，同时也不兼顾投资质量，造成投资质量降低。因此，本文提出假设3：

H3：终极股东的控制权与投资质量间存在负向关系。

样本选取与数据来源

本文针对上海和深圳两个地区的上市公司开展研究，选取在2016-2017年期间上市的零售业公司为分析对象。同时，为了使得调查结果更能真实地反映出零售业上市公司的整体情况，本文将违背标准的公司予以剔除：剔除ST类上市公司;剔除曾经出现配股、增发等行为的上市公司;剔除发行B股的公司;剔除终极控制权占比低于10%的公司;剔除公司财务数据保密或不正常的公司。

经过一系列筛选，最终得到了3195个有效样本，2016年1622个，2017年1573个，为了让两年的数据存在可比性，本文最终选出了1125个有效样本;同时，为了让调查数据更加能够反映真实情况，本文对两年的数据进行了平均化，得出2016-2017年平均样本。

变量选择与模型设计

（一）变量定义与模型设计一

1.被解释变量-投资规模。公司投资规模为因变量，记为I，本文现金流量表中“建立固定资产、隐形资产和其他长期资产支付的现金”、“企业开展投资所支出的现金”和“企业成立下属公司所支出的现金”三项之和减去“处置固定资产、无形资产和其他长期资产收回的现金净额”，再减去“投资收回时所收到的现金”和“处置旗下公司所收回的现金”之后的差额，这一差额与公司期初总资产的比值作为投资规模I。

2.解释变量。本文用经营活动产生的流量与期初总资产的比值来表示内部现金流CF，这样不仅可以清晰地呈现公司现金的流动方向，还可以避免受到公司规模的影响。

3.控制变量。本文利用杠杆比率（Leverage）、盈利能力（ROA）和流动资产比率（LR）三个变量来调节企业融资约束的影响（曾惠芬等，2018）。杠杆比率又可以叫做企业资产负债率（LEV），LEV为企业债务总额除以企业总资产;ROA为企业纯利润与总资产的比值;LR为企业流动资金与总资产的比值（刘孟晖等，2018）。表1即为本文相关变量信息。

本文借鉴Vogt（1994）的研究模型，同时根据本文特点进行适当调整（苗淑娟等，2018）。本文认为流动资产比率对投资者投资具有较大影响，所以引入此变量作为控制变量，最终得出模型（1）：I=β0+β1CF+β2Q+β3LEV+β4ROA+β5LR+ε;模型（2）：I=β0+β1Q+β2LEV+β3ROA+β4LR+β5CF+β6VR+ε。

（二）变量定义与模型设计二

1.被解释变量—投资质量。本文选取投资收益率作为代理变量，用IR表示。

2.解释变量。本文将内部现金流（CF）定义为企业运营生成的流量与期初总资产的比值（闫珍丽等，2014）。这样不仅可以清晰地显示出企业的现金流状况，还可以有效规避公司规模的干扰。

3.控制变量。本文相关控制变量如表2所示。本文构建多元回归模型（3）来检验假设H3。模型（3）：IR=β0+β1CF+β2TS+β3CSCR+β4I+β5SSOS+β6VR+ε。

实证研究分析

（一）实证分析一

描述性统计。因变量I能够反映出企业具体投资情况，通过表3、表4得到2016、2017年投资规模均值分别为0.0891和0.0864，说明这两年公司投资规模较小，零售业上市公司并没有重视资产投资。内部现金流CF的值在两年中都大于零，看出企业具有投资现金流。企业的托宾Q值正负均有，通过标准差可以得出每个公司的发展机遇差别较大。企业流动资产比例LR均高于0.58，说明企业近期具备一定程度的偿债能力。VR、CR和CN标准差均较大，说明企业间的终极产权差异较大。

相关性分析。如表5所示，通过2016和2017年平均样本相关性可以看出，兩权的相关系数为0.905，CF和LEV的相关系数为-0.201，p值为0.000，由此得知两个变量的相关性检验均为显著，而相关系数却很低。根据参考变量相关性的评判标准能够得出，当变量间的相关系数介于0.1～0.3之间时，两变量相关性较弱，所以CF与LEV之间呈现弱相关。因此，本文认为现金流权与终极控制权间存在较强的相关性。

回归分析。非效率投资的检验分析：本文构建模型（1）来围绕假设1进行分析，并分析其与假设2的企业非效率投资何者影响更大。通过表6看出，只有ROA的系数不显著，其它变量的检验结果与表5的结果一致。因此，能够确定公司内部现金流对投资规模起到了正面影响，说明企业存在现金流敏感性这一现象，进而验证了假设1。

终极控股股东控制权对过度投资的影响。本文通过模型（2）分析了终极控股股东的控制权对过度投资的影响。通过表7可以看出，内部现金流的系数和终极控制权与其交叉的系数均大于零，说明终极控制权对现金流敏感性具有正向影响，这与假设2相吻合。同时可以看出，回归结果与样本平均结果相匹配，进一步验证了假设2。

（二）实证分析二

描述性分析因变量IR是反映企业投资质量的变量，通过表8可以看出，两年的CF平均值为正数，说明企业具备投资所需要的现金流。大股东所持有股份比例平均值是0.2275，终极控制权为0.4357，终极控制权均值大概为持股比例均值的2倍，能够得出企业大股东对终极股东操控投资行为的影响较小，也就是说终极控制股东如果为了获取更多利益而进行非效率投资时，其他股东难以对其形成有效的限制。同时，两年的平均投资规模为0.0834，说明企业的投资规模较小，零售业上市公司对长期投资没有形成重视。投资规模标准差为0.0721，说明每个企业的投资规模相差较小，但差异性却逐渐显著。

相关性分析。表9为模型的系数矩阵，对变量之间的相关性进行说明。两年的两权相关系数为0.972，同时在CSER与SSOR之间变量相关性最大，两年的平均数值为-0.642，且处于5%显著水平，说明两个变量间具有较强的关联性。TS与I的相关系数是-.069，p值为0.001，显著水平为5%，说明TS与I 之间相关性较小。因此，可以得出现金流权与终极控制权间存在较强关联性，CSER与SSOR之间相关性也较大，其它变量之间相关性较弱。因此，模型（3）可能会具有多重共线性，需要进一步开展线性回归分析。

岭回归分析。岭回归是一种专用于共线性数据分析的有偏估计回归方法（韩光强等，2018）。从表10可以看出，维数为7时的特征值为0.014，条件指数为20.310，大于10，说明极有可能具有多重共线性;同时，维度为3时CF方差比例为0.92，同样说明可能存在多重共线性。因此，本文估计模型（3）自变量中存在高度相关。

结论与建议

我国零售业上市公司存在很大程度的现金流敏感性，企业投资和现金流之间呈现明显的正向关联性;终极控股股东控制权与企业投资之间呈现正向联系，其与企业投资质量之间存在负向联系，终极控股股东的现金流权与控制权的分离程度与企业投资质量也呈现负向联系。因此，为提升零售业上市公司投资质量，政府应当加强法律监管力度，强化投资者的法律意识，通过法律途径来惩罚侵占利益的行为;零售业上市公司应当扩大投资规模，减少非效率投资，进而使得投资工作高效高质运行。

参考文献：

1.王婧，蓝梦，吴烨伟，宁相波.上市方式、绩效变化及股权结构——基于A股市场数据的实证分析[J].商业经济研究，2018（8）

2.曾惠芬，许萍.终极控股股东、金字塔股权结构与信息披露质量[J].财会通讯，2018（9）

3.刘孟晖，白宏坤，宋大为，王江波.基于终极控制权的混合所有制国有股权配置模式研究[J].财会月刊，2018（1）

4.苗淑娟，夏朦，孟庆顺.高管激勵对研发投入影响研究——终极控制权的调节作用[J].工业技术经济，2018（1）

5.闫珍丽，杨立芳.金字塔结构下终极控制权、现金流权对内部控制的影响——基于新疆上市公司的实证研究[J].商业经济研究，2014（21）

6.韩光强，许媛，高安琪.股权激励对投资现金流敏感性的影响研究——基于中小板上市公司[J].商业经济研究，2018（7）