企业融资约束度量方法文献述评

蔡华安 赵琪琪 彭十一（通讯作者）

（湖南理工学院，湖南 岳阳 414000）

一、引言

经济新常态下，融资难问题成为制约许多企业发展的瓶颈问题，而要解决这个问题，就必须先量化企业所受融资约束的程度，这样才能准确分析它的影响后果，为缓解企业融资约束找到有效的理论方法和对策，促进企业稳定快速发展。目前，我国学者虽然已经在融资约束领域积累了丰硕的研究成果，但在融资约束度量方法上仍旧缺乏共识，多种度量方法并存的现状容易导致研究结果出现偏差，阻碍研究的深入。因此，总结并进一步发展融资约束度量方法是一项值得研究的课题。

二、融资约束的定义

国外学者从企业面临融资约束时的表现出发来界定融资约束。它是指当企业内部资金不能满足投资需求时，由于企业内外部融资成本存在差异，企业难以承受这种成本差异而无法融入足够的资金时，企业就存在融资约束（Kaplan&Zingales，1997）。

融资约束的成因来源于信息不对称和融资优序理论。企业内外部融资信息不对称的存在使得外部投资者向企业提供资金帮助时，通常要求高于实际风险溢价的收益以弥补信息搜寻时所要付出的成本，提高了企业外部融资资金的供给价格，从而导致外部融资成本高于内部融资成本，当两者的成本差异较大时，企业只能依赖内部融资进行投资，产生了融资约束问题（Stiglitz&Weiss,1981）。同时融资优序理论告诉我们：企业在进行投资融资时，为避免支付相应交易费用而更加依赖内部资金，因此，交易成本也是融资约束产生的原因之一。（Jafee&Russel，1976；Stiglitz&Weiss,1981）。

三、融资约束的度量方法

1.现金流敏感性模型

（1）投资—现金流敏感系数（FHP）模型。Fazzari、Hubbard&Petersens（1988，2000）对企业投资与现金流敏感系数作了开创性研究，他们基于信息不对称和代理成本理论，通过以托宾Q 和现金流为自变量，固定资产的投资为因变量，构建立了投资—现金流敏感系数模型。

式中：（I/K）it表示企业i 在第t 期的固定资产的投资和期初总资本之比，X 代表理论上决定的投资需求变量，K 为期初总资本，CF 是内部产生现金流的系数。

研究结果表明：融资约束越大，投资－现金流敏感度越高。此后不同的学者从不同的角度分别去验证融资约束与投资－现金流敏感性之间的关系，研究结果主要有两种观点。一方面，有学者认为融资约束与企业投资现金流敏感性之间存在着正相关关系，进一步支持了Fazzari、Hubbard&Petersens 的研究结果。如Hoshi、Kashyap&Scharfstein（1991）、Athey&Laumas（1994）、Pawlina&Renneboog（2001）、Gelos&Werner（2002）、Gugler（2003）、Gangopadhyay（2004）、Pawlina&Renneboog（2005）、Arslan（2006）、Houston&James（2001）。另一方面，也有部分学者的研究得出相反的结论，认为融资约束与企业投资现金流敏感性之间存在负相关关系。如Kaplan&Zingales（1997，2000）、Cleary（1999）、Gomes（2001）、Alti（2003）、Plati-kanov（2006）、Pallathitta（2007）、（2012）、Moshirian&Vadilyev（2013）、Allenetal（2005）、Guarigliaetal（2011）。

（2）现金—现金流敏感系数模型。Almeida、Campell&Weisbach（2004）认为企业现金数量持有的多少是影响企业融资约束最直接的因素，企业在经营过程中，非预期的资金短缺会对企业投资造成威胁，企业面临的高融资约束通常会对应高现金持有量，通过以托宾Q 和现金流为自变量，现金持有变化为因变量，构建了现金—现金流敏感系数模型：

这种方法为企业融资约束的度量提供了新视角，其研究结果也得到了许多专家学者的认可，国外学者Oz-kanetal（2009）在研究中发现了与此模型相关的结论，即融资约束越大的企业，它的现金持有量越高。国内学者也通过分组或采用交乘项方法，用这个系数模型来研究企业特征对融资约束的影响。如朱凯和陈信元（2009）、唐建新和陈冬（2009）、连玉君等（2010）、周宝源（2011）、罗琦和胡志强（2011）、孙刚（2011）。

2.KZ 指数、WW 指数和SA 指数

（1）KZ 指数。Kaplan&Zingales（1997）根据企业融资约束程度将样本企业分为五组，通过有序的Logistic 模型分析，开创性地将企业经营性净现金流、股利支付水平、现金持有量、成长性以及负债水平五个企业指标以逻辑回归的方式综合为一个指数。Lamontetal（2003）在他们研究基础上，选取了企业经营现金流量、股利支付率、现金持有量、托宾Q 以及资产负债率等五个财务变量，通过有序Logistic 模型，重新进行了回归分析，并构造出了KZ 指数模型：

式中：OCF 为用期初总资产标准化了的经营性净现金流，Dividends 为用期初总资产标准化了的股利，Cash 为用期初总资产标准化了的现金持有水平，Lev 为资产负债率，Tobin’s Q为托宾Q 值。KZ 指数模型受到部分学者的认可，其中，李科和徐龙炳（2009）、徐龙炳和李科（2010）、谭跃和夏芳（2011）利用此模型方法实证度量我国企业融资约束程度。但也有部分学者对KZ 指数提出质疑，Hadlock&Pierce（2010）认为KZ 指数模型中的自变量与因变量，在研究过程中，都会用到企业的一些相同指标数据，如资产负债率、现金水平、股利、现金流等，这些指标数据会对自变量的数值的回归系数产生影响，从而导致模型估计出现偏差。

（2）WW 指数。Whited&Wu（2006）将企业的股利支付率、现金流、资产负债率、规模、营收增长率及行业的营收增长率六个指标变量线性组合，通过对投资欧拉方程等式进行广义矩阵估计，构造出了WW 指数模型度量方法：

这种方法的优点在于研究者通过结构方程模型对大样本进行结构方程估计，避免了因样本数量选取少造成的计量结果误差，但是大样本的适用范围难以确定，因此，该方法在适用性方面还是存在一定的局限性。

（3）SA 指数。HadlockandPierce（2009）在KZ 指数模型的基础上，据企业的财务状况，将企业划分为五级融资约束类型，利用企业规模（Size）和企业年龄（Age）两个具有很强外生性的变量，通过Probit 模型进行回归，构造出了SA 指数计算模型：

式中：Size 为企业规模的自然对数（单位：百万元），Age为企业成立时间长短（单位：年），SA 指数的绝对值越大意味着企业受到的融资约束越严重。SA 指数模型度量方法的优点在于模型中的企业规模和企业年龄两个变量均为外生性变量，数据易于获得且相对稳定，这种计算方法不仅避免了财务指标中相关变量内生性的问题，也符合经验和直觉。自从Brown&Petersen（2010）在他们的研究中采用了这种方法之后，由于这种指数计算方法没有包含有内生性特征的变量、易于计算且指数相对稳健，逐渐在国内外得到推广，我国许多学者如鞠晓生（2013）、王金（2015）在各自的论文中都用了此公式来衡量样本企业融资约束相对程度。

近年来，部分学者在评价融资约束的程度时，开始将上述三种指数和企业特性指标综合到一起来进行研究。如顾乃康等（2010）在研究中，结合了所有权性质、企业规模以及WW 指数三个标准来衡量企业受到的融资约束程度；龚光明（2012）在研究中，也结合了资产负债率、企业规模、现金股利支付率以及KZ 指数等变量来衡量样本企业受到的融资约束程度。

3.国内学者自建模型或指数

（1）多元判别分析方法。这种研究方法是研究者首先预先设定融资约束的判别标准，然后再选取相应的财务指标，分析所选取的财务指标与企业所受融资约束之间的关系，构建相应的融资约束指数；魏峰和刘星（2004）用这种方法分析了企业融资约束、外部环境的不确定性对企业投资行为的影响；李焰和黄磊（2008）用此方法研究了融资约束对企业股票价格的影响；韩忠雪和周婷婷（2011）用它检验了企业所受到的融资约束与企业产品市场竞争之间的关系。

（2）逻辑回归方法。这种研究方法是研究者首先对所收集到的样本数据进行分组，然后选取企业相关的财务指标作为融资约束的判别标准，通过极大化似然函数方法，对这些与融资约束相关的财务指标进行逻辑回归，构建相应的融资约束指数。李胜坤和齐寅峰（2007）用此方法检验了企业负债期限结构与融资约束的关系；银莉和陈收（2010）用此方法研究了集团企业的内部资本配置对子企业融资约束的影响。

（3）随机前沿模型方法。随机前沿投资模型最早由Aigner,Lovell 和Schmidt（1997）提出，并在实证领域中得到广泛应用，王家庭和赵亮（2010）利用该方法，通过构造投资效率指数（IEI）来衡量企业受到融资约束的程度，如果企业投资效率指数越接近于0，说明企业投资效率越低，企业实际投资支出偏离前沿投资支出的程度越大，企业受到的融资约束程度也就越大。

4.企业的特性值指标

该方法是通过选择与融资约束有密切因果联系的企业财务相关特征指标来作为界定企业融资约束程度的标准。有些学者在研究中喜欢使用单个指标作为衡量融资约束程度的分类变量，特别是与财务相关的指标，如企业规模、产权性质、现金分红比例、货款回收相对状况、外部融资比例、国有股比例、利息支付、资产负债率、流动比率、Z 值等。Whited（1992）、Athey&Laumas（1994）、全林等（2004）、赵剑锋等（2006）在研究中就发现企业规模越大受到的融资约束程度越低。BaosCaballeroetal（2014）曾使用Begley、Mings、andWatts（1996）使用Altman's（1968）的模型计算出企业的Z 值，发现低于均值的企业，受到的融资约束更大。吴世农、卢贤义（2011）；裴潇、黄玲、陈华（2015）也曾分别使用Z值模型来研究处于不同行业中企业的财务预警，发现存在财务困境的企业普遍面临较高的融资约束，从而影响企业的信用和投资行为。还有部分学者在研究中综合了多个企业指标来判别企业所受融资约束程度，其中，韩忠雪和周婷婷（2011）以规模和红利支付率，郭牧炫和魏诗博（2011）以企业产权性质和规模，解维敏和方红星（2011）以企业规模和成立年限等指标作为融资约束的划分标准。

四、评述与启示

1.现金流敏感性模型从直觉上易被接受、得到许多专家学者的认可，并在实践中被广泛应用，但也有部分学者对这种方法提出质疑。如Kaplan、Zingales（1997）认为该方法缺乏理论基础来支持，仅通过数学模型不足以说明敏感性系数与融资约束之间的单调相关关系。还有部分学者认为仅使用托宾Q 值作为投资机会的代理控制变量的做法仍值得商榷，因为托宾Q值的计量方法本身就存在着误差，另外，这类模型要使用预分类变量分组，每个组分组时的截断点是由作者主观选择的，这种做法也会造成较大误差。

2.以KZ 指数、WW 指数和SA 指数为代表的构建方法，更多是被运用于实证研究中，是目前国内学者度量企业融资约束使用的主流方法，但这些方法也存在一些争议与不足。首先，因为这些方法不可能找到影响融资约束的所有企业特征，仅使用其中几个特征，然后通过它们的线性组合来构造出来的融资约束指标难以具有说服力。其次，在指数构建中，这些方法需要借鉴相当多的资料，由于受到研究样本的规模限制。这些方法在构建理论模型的过程中提出了许多假设条件，因此模型的使用范围受到限制。再次，以企业内部特征构造出综合指数更多反映的是企业的融资现状，而非企业所受融资约束程度，将两者等同起来是错误的。综上，笔者认为国内研究不应直接照搬这些指数，而应借鉴其构建方法，结合具体研究对象，选择合适的特征指标和回归模型进行参数估计，自行构建融资约束指数。同时，在构建指数过程中，要考虑到判别标准与构成指标不能使用相同的定量指标，否则会导致指数构建过程中可能会出现的估计偏差。另外，我们有时也可以参考借鉴国外学者方法，对企业的一些公开信息（社会责任报告、高管信息和政治关联度等）进行量化以此作为判别标准，这样有助于提高准确度并避免上述问题出现。

3.以企业的特征指标来作为判别融资约束程度的标准，在实际研究中可操作性很强，容易获得相关理论的支持，但也存在一定缺陷。第一，企业的特征指标与融资约束之间的关系不是固定的，并不能准确地反映融资约束程度。第二，这种方法没有考虑到偶然因素或异常情况的影响，仅用企业某一个方面的指标来判断企业的整体情况，显然有些片面。第三，企业的特征变量之间会存在内生性问题，例如较高资产负债率可能会使企业借贷困难从而表现出较强的融资约束，而较低资产负债率低可能是企业难以从银行获得足够贷款所导致的，是企业面临较强的融资约束的表现，因此，资产负债率难以用来作为衡量融资约束的有效指标。第四，选取的指标在研究中可能会出现变量间的多重共线性问题，导致回归结果可能产生误差。最后，企业许多特征都有其适用的环境范围，如EdwardAltman 教授使用Z 值财务预警模型研究美国企业的财务困境时，研究结果具有较高的准确率，但国内的一些学者使用Z 值财务预警模型分析中国企业的财务困境时，研究结果的准确率却大幅降低。其中主要原因是当初构建Z 值财务预警模型是基于美国企业情况，两国企业所处环境不同，指数模型就不一定适用。同理，国外学者在研究中发现企业规模和成立年限可用于衡量融资约束的程度这个规律，在我国不一定成立，因为在我国选择企业特征变量时，政治关连度、产权性质与行业背景等指标更可能具有代表性。

五、结语

综上所述，国外学者对于融资约束度量方法已经取得了较为丰硕的研究成果，国内学者在实证研究中，对融资约束度量方法仍然有许多不完美的地方。如有的学者直接将国外学者的模型方法直接运用到我国，没有考虑到我国独特的市场情况和制度背景，同时在对如何选择度量方法以及为什么要选择该种度量方法，没有说明这样做的科学性和合理性，研究过程更多包含了作者的经验与直觉，这些不足都值得后来学者进一步讨论和研究。