我国高技术产业链“链主”企业的资本结构优化研究

刘 杰 占明珍 吴添荣

（武汉纺织大学经济学院，湖北 武汉 430200）

一、引言

高技术产业指的是研发投入大、产品附加值高、国际市场前景好的技术密集型产业，它具有智力性、创新性、战略性和低资源消耗等特征。高技术产业相对于其他产业而言，总体上表现出较高的技术领先性和技术复杂性。而高技术产业链中的“链主”企业是在产业链中居于主导地位的企业，对于推动产业创新发展、整合产业链资源、带动产业链企业协同发展起着至关重要的作用。“链主”可以带动上下游、左右链的企业，使其符合市场经济规律，提升产业链协同创新能力，加速科技成果的转化，是行业的“领头羊”，在产业链中占据重要的地位，因此研究高技术产业中的“链主”企业具有很好的代表作用。

企业的资本结构优化就是指通过调整影响资本结构的因素，使企业资本结构更加合理化，从而实现公司设定目标的过程。高技术型企业技术密集度很高，其发展需要大量的资金支持，在大规模筹集资金的过程中，资本结构的合理安排显得尤为重要，而国内对于高技术产业链企业的资本结构优化问题研究较少。因此，研究高技术产业链“链主”企业的资本结构优化问题，对于促进高技术产业链企业健康和可持续发展以及突破“卡脖子”技术问题具有较大的理论价值和现实意义。

二、文献综述

1.高技术产业链相关研究

关于产业链的内涵可以追溯到1776 年，亚当·斯密在《国富论》中首先提出了这一概念，他认为工业生产是一系列基于分工的生产链条。国外学者对于产业链方面的界定，大多数都是从价值链、供应链理论入手，然后在其中渗透产业链的含义。国内学者对于产业链的研究相对更丰富一些，刘志彪（2020）认为，所谓产业链，指的是一个国家或地区的国民经济各个产业部门之间客观形成的一种技术和经济联系。中国社会科学院工业经济研究所课题组（2022）认为产业链是一个基于“产业总体”投入产出关系来分析产业效率或竞争力的产业组织概念，反映的是存在着有机关联的各个经济部门之间依据特定的逻辑关系和时空布局形成的相互交织的网络关系。陈子韬等（2020）利用两阶段系统GMM 方法得出政府的支持能够提升这些高技术产业如医药制造行业、医疗设备及仪器仪表制造业、电子及通信设备制造业的研发投入，但对航空航天器制造业和电子计算机及办公设备制造业的研发投入没有产生明显的影响。龙瑜清等（2021）认为我国高技术产业已经形成较为完整的产业链体系，但有些高技术产业仍处于“卡脖子”境况，一些细分行业仍存在着发展不均衡的问题。刘丽（2021）从产业链的视角研究推动我国高技术产业高质量发展的路径，通过对创新链、价值链、供应链和空间链四个方面的测度研究，提出我们应强化创新链，充分发挥空间链区域优势。

张建忠等（2011）认为在买方驱动的价值链中，链主往往是那些在价值链中牢牢占据品牌和营销环节、拥有定价权、具有制定标准和设定参数能力的品牌商、零售商、营销商或者国际大卖家（如沃尔玛、家乐福）。在生产者驱动的价值链中，“链主”通常是那些决定技术标准、掌握技术标准制定权、具有主导行业技术革新与演进方向的核心企业。刘志彪等（2021）认为产业链的未来取决于“链主”的创新能力和发展思维，“链主”的市场地位和技术能力稳固，就可以推动上下游企业共同成长，构建本土“链主”成为国家产业安全政策追求主要目标。

综合以上学者的研究以及官方对“链主”企业的认定，将高技术产业链“链主”企业定义为：拥有整条产业链附加值最高的部分，在产业链中居主导地位，企业规模实力较强，主营业务收入或产值规模在所属产业链企业中位于前列的企业。所选取的样本企业也是参考这一标准进行选择的。

2.企业资本结构优化相关研究

自MM 理论提出以来，对于企业资本结构的研究就成为学术界研究的热点话题。

关于影响企业资本结构优化的因素研究，连玉君等（2007）从动态角度研究了我国上市公司资本结构调整行为，得出我国上市公司存在最优资本结构的结论，调整速度受到诸如企业规模、成长性以及最佳水平偏离程度等因素影响；黄继承等（2015）在讨论了产品市场竞争对资本结构调整速度的影响后，发现随着产品市场竞争的加剧，公司调整资本结构的速度也会加快；巫岑（2019）指出产业政策会影响企业资本结构的调整速度，并呈现出正相关的关系；陈良华等（2022）以中国房地产上市公司为样本，通过实证表明采用优化的目标资本结构模型，在降低目标资本结构估计偏差的同时，还会与一般模型估计下的资本动态调整速度和偏离程度存在差异；王竹泉等（2022）通过实证检验数字金融对资本结构的优化作用，研究发现数字金融可以显著提升企业资本结构调整速度，并且向下调整速度快于向上调整速度。

综上所述，学者们对于上市企业资本结构优化研究较多，并且从微观和宏观两方面进行了分析，但是大多数文献所研究的样本都是大范围的上市公司，单独研究高技术产业链企业资本结构的相关研究较少，而高技术产业链“链主”企业结构优化的相关研究更少。

三、理论机理与研究假设

基于上述学者的研究以及理论的铺垫，证实企业资本结构调整会受到诸多因素的影响，本文主要研究五个可能影响资本结构的因素，它们之间的关系如图1 所示。在图中，“+”表示两变量之间正相关，“-”表示两变量之间负相关。

根据上述理论机理提出以下五个假设。

1.公司规模对资本结构的影响

公司规模越大，需要的资金就越多，融资渠道也比较多元，抵抗风险的能力也较强，因此能受到金融机构的青睐从而获得较多的贷款，可以利用负债解决资金问题，资本结构就会相对更好。故提出假设1：

H1：公司规模与资本结构正相关。

2.公司营运能力对资本结构的影响

营运能力反映了企业资金运用的效率。营运能力越强，说明资金在企业内部与外部的流动速度越快，资本积累会更多，能够衡量企业管理资金的效率。因此，营运能力强的公司可以向市场传递一个好的经营状态，取得贷款也会更加容易，有利于企业灵活地调整资本结构。故提出假设2：

H2：公司营运能力与资本结构正相关。

3.公司盈利水平对资本结构的影响

优序融资理论认为，根据成本最小化原则，公司在融资时会首先考虑内部盈余，其次是债务融资，最后是股权融资。因此企业在有充分的内部盈余时会减少举债，相应的资产负债率会降低，不利于企业资本结构的调整。故提出假设3：

H3：公司盈利能力与资本结构负相关。

4.公司偿债能力对资本结构的影响

流动比率越大，公司用来偿还负债的变现能力变强，使企业偿债能力变强，公司资产负债率降低，然后资本结构又是企业总负债与总资产的比率即不利于资本结构的调整。故提出假设4：

H4：公司偿债能力与资本结构负相关。

5.公司成长能力对资本结构的影响

成长能力好的公司一般具有较好的预期，容易受到投资者的青睐，资金来源渠道较多，调整资本结构的方式也更加灵活。故提出假设5：

H5：公司成长能力与资本结构正相关。

四、实证研究

1.样本选择与数据来源

这里基于官方与学术界对“链主”的界定及数据可得性，剔除数据缺失的样本，筛选出我国高技术产业链中符合条件的36 家“链主”企业，选取2017—2021 年相关数据，主要来源于国泰安数据库以及企业公司年报。

2.变量说明

（1）被解释变量

基于上述研究，这里资本结构用资产负债率（LEV）来衡量。

（2）解释变量（资本结构优化的拟合变量）

公司规模：用总资产的自然对数来表示。

营运能力：用资产周转率来表示。

盈利能力：用资产收益率表示。

偿债能力：用流动比率表示。

成长能力：用营业总收入增长率表示。

3.模型构建

实证分析高技术产业链“链主”企业的资本结构优化调整速度，参考已有研究（黄继承等，2016；罗琦等，2016），借助模型（1），根据选择的变量指标计算企业优化后的资本结构LEV*：

表1 变量指标及含义

借鉴Flannery 等（2006）的做法，在模型（1）计算出的LEV*的基础上，接着采用部分调整模型来估计高技术产业链“链主”企业的资本结构调整速度，得到如下模型（2）：

其中，LEVi,t和LEVi,t-1分别表示企业i 在第t 年和t-1年的实际资本结构，系数λ 反映企业资本结构的调整速度，为随机扰动项。将模型（1）代入模型（2），得到如下模型（3）：

参考学者宁金辉等（2021）的做法，对模型（3）进行回归，得到（1-λ）和λβ1到λβ5的值，从而得到β1到β5的值，再将其代入模型（1）即可得到优化后的资本结构LEV*i,t 的拟合值。

4.实证结果与分析

（1）数据描述性统计

如表2 所示，呈现了主要变量的描述性统计结果，资产负债率的平均值为43.65%，最小值是8.48%，最大值是87.07%，在一般情况下，40%～60%的资产负债率是正常的，标准差为0.1743，说明资产负债率存在一定的分散性；企业规模均值为22.9976，最小值为和最大值的差距也不大，分布较均匀；营运能力均值为0.5978，最小值和最大值也相差不大，说明样本企业的营运能力也都相差不大；盈利能力均值为0.0498，不是很高，且样本中有的企业亏损，有的企业盈利，相差较大；流动比率均值为2.1285，一般认为流动比率在2 左右比较好，所以总体来说样本企业的短期偿债能力较好；成长能力的均值为0.5093，可以说明样本企业总体发展前景较好。

表2 主要变量的描述性统计

（2）相关性分析

表3 对各变量进行了Pearson 相关性分析，可看出自变量之间的系数均小于0.8，表明所选取的自变量之间没有强烈的相关性。下一步是用方差膨胀因子（VIF）来检验变量之间的多重共线性问题，如表4 所示。一般情况下，如果VIF ＞10，则说明自变量之间存在多重共线性的问题，由表4 可以看出各自变量的方差膨胀因子VIF 以及方差膨胀因子的均值都比2 小，远小于10，说明各自变量之间不存在多重共线问题。

表3 Pearson相关性分析

表4 多重共线性检验（VIF）

（3）回归结果分析

为研究影响高技术产业链“链主”企业资本结构的因素，本文先对模型（1）进行回归，首先确定使用何种模型来对样本进行回归，根据已有文献的研究，先采用LM 检验来检验个体随机效应，求得LM 统计量为124.17，其P 值为0.0000，在1%显著水平上拒绝原假设，所以选择使用随机效应模型。表5 为三种模型的回归结果。

表5 优化资本结构三种回归分析

从表5 可以看出，在随机效应模型下各个解释变量均比较显著，在混合回归下衡量企业成长能力的变量不显著，固定效应模型下代表企业规模和营运能力这两个变量都不显著。

接着对模型（3）用随机效应模型进行回归，得到（1-λ）的值为0.6799，即可得到λ 的值为0.3201，该值介于0 和1 之间，说明样本区间内的高技术产业“链主”企业资本结构以32.01%的速度向目标资本结构调整。表6 是在样本企业中按照规模大中小分别选取了6 家公司，列举了从2017 年到2018 年的资本结构以及通过计算得出的优化后的资本结构。可以看出高技术产业中医药制造业领域资本结构不太合理，有进一步优化的空间。

表6 样本企业资本结构

五、研究结论和建议

本文以2017—2021 年我国高技术产业链中的“链主”企业为研究对象，运用资本结构动态调整模型来估计“链主”企业的资本结构调整速度，并对其变化机理进行检验。研究表明：公司规模、营运能力以及成长能力对促进“链主”企业的资本结构向目标资本结构调整有正向作用，其中营运能力的影响较大；盈利能力和偿债能力对“链主”企业的资本结构向目标资本结构调整具有负向作用，其中盈利能力的作用效果更显著。

作为知识和技术密集型的高技术产业链企业，特别是起“领头羊”作用的“链主”企业，是推动中国经济高质量发展的重要力量，因此促进这类企业的资本结构优化显得尤为重要。据此，本文提出以下建议：

第一，企业要注重公司的营运情况，提高公司全部资产的管理质量和利用效率。根据本文研究结果显示，营运能力对企业向目标资本结构调整具有明显的正向作用，因此充分利用企业总资产，提高企业资金的使用效率有利于企业资本结构调整。

第二，针对负债率较高的企业，应提高自己的内源融资能力，多经营可以为公司创造利润的业务；资产负债率过低的企业说明它们经营比较稳健，对待投资行为比较慎重，但是不宜过度保守，要学会很好地利用财务杠杆扩大企业经营生产，灵活运用企业资金。

第三，企业应保持灵活有效的资本结构动态调整机制。资本结构是一个动态概念，企业应根据自身的内部状况并结合外部环境的变化，适时判断企业当前的资本结构是否合理，及时地制定策略，建立灵活有效的资本结构调整速度。