基于logisic回歸的上市公司融資約束研究

基于logisic回歸的上市公司融資約束研究

一、融資約束的理論模型與分析方法fercal、hubbid和perse在1988年開(kāi)始研究基于融資限制的公司投資與內(nèi)部融資關(guān)系。從這個(gè)意義上講，科學(xué)家們使用不同的方法、不同的角度來(lái)確定和預(yù)測(cè)資本限制。融資約束理論,起源于資本結(jié)構(gòu)理論,也深化了資本結(jié)構(gòu)理論。20世紀(jì)80年代開(kāi)始,企業(yè)的融資約束問(wèn)題成為了公司金融研究的焦點(diǎn),相關(guān)文獻(xiàn)可以歸納為兩大類。一類是融資約束理論模型研究,主要有三種融資約束理論模型:一是FHP模型,始于Fazzari、Hubbard和Peterson(1988)的研究,它們依據(jù)不同類型企業(yè)的投資—現(xiàn)金流敏感性來(lái)分析企業(yè)的融資約束(Fazzari、Hubbard和Peterson,1988;Devereuxm和Schianterelflli,1990;Oliner和Rudebusch,1992;Hubbard,1998);二是由Demirguc-Kunt和Maksimovic(1998)發(fā)展的融資計(jì)劃模型(FinancialPlanningModel);三是Atanasova和Wilson(2001)的非均衡模型,用于判斷企業(yè)是否面臨融資約束。這三種理論模型的區(qū)別在于,第一種關(guān)注企業(yè)投資與現(xiàn)金流之間的敏感性,第二種著眼于企業(yè)的增長(zhǎng)率,這兩種模型都是基于簡(jiǎn)單的推斷。第三種則是考慮企業(yè)的融資需求和銀行對(duì)企業(yè)的資金供給,更具有直觀性。目前大部分文獻(xiàn)是對(duì)第一種模型進(jìn)行拓展和研究,關(guān)于后兩種模型的文獻(xiàn)很少,原因在于后兩者的前提假設(shè)與現(xiàn)實(shí)相悖。Demirguc-Kunt和Maksimovic(1998)承認(rèn),他們建立的融資計(jì)劃模型,在估計(jì)方法中存在著一定的缺陷,得出的相關(guān)結(jié)果需要持謹(jǐn)慎態(tài)度。另一類是關(guān)于融資約束理論的實(shí)證研究,主要有三種研究方法,即Fazzari、Hubbard和Petersen(FHP,1988)方法,Kaplan和Zingles(KZ,1997)方法及Cleary(1999)方法,目前大多數(shù)研究以這三種方法為基礎(chǔ),對(duì)特定問(wèn)題展開(kāi)研究。我國(guó)關(guān)于企業(yè)融資約束的研究起步較晚,至今尚未形成體系,目前的研究成果主要以借鑒國(guó)外現(xiàn)有研究方法為基礎(chǔ),從不同的視角對(duì)中國(guó)企業(yè)融資約束問(wèn)題展開(kāi)分析:股利支付率(馮巍,1999)、利息保障倍數(shù)(魏鋒和劉星,2004)、公司規(guī)模(郭麗虹,2004;魏璇,2007)、負(fù)債水平(趙劍鋒和尹航,2006)、股權(quán)結(jié)構(gòu)(鄭江淮、何旭強(qiáng)和王華,2001;饒育蕾和汪玉英,2006)等。關(guān)于企業(yè)融資約束的行業(yè)特征分析的文獻(xiàn)較少,少數(shù)學(xué)者針對(duì)某一特定行業(yè)進(jìn)行分析:馮巍(1999),朱紅軍、何賢杰和陳信元(2006)選取制造業(yè)上市公司為研究對(duì)象,錢(qián)震杰(2006)研究了中國(guó)工業(yè)企業(yè)融資約束的問(wèn)題。關(guān)于融資約束的分析方法,國(guó)內(nèi)文獻(xiàn)大多運(yùn)用多元線性回歸分析和面板數(shù)據(jù)分析,然而,這些分析方法對(duì)于變量的分布有一定的要求。例如很多文獻(xiàn)實(shí)證分析時(shí),把流動(dòng)比率、資產(chǎn)負(fù)債率等財(cái)務(wù)指標(biāo)作為解釋變量,在企業(yè)的實(shí)際運(yùn)營(yíng)中,這兩個(gè)比率都是服從左偏態(tài)分布的。不同于以往研究,本文在融資約束分組參照指標(biāo)選擇上,將選擇利息保障倍數(shù)和現(xiàn)金存量?jī)蓚€(gè)指標(biāo),以中國(guó)滬深A(yù)股市場(chǎng)的上市公司為研究對(duì)象,運(yùn)用Logistic回歸分析,有效避免了變量分布的約束,構(gòu)建上市公司融資約束的指數(shù),分析上市公司的行業(yè)特征,這將是此類研究中的有益嘗試。因?yàn)樾袠I(yè)特征的分析有助于深入剖析不同行業(yè)間企業(yè)的融資特征,為企業(yè)的投融資決策提供指導(dǎo),為行業(yè)改革和產(chǎn)業(yè)升級(jí)提供依據(jù),為政府及相關(guān)職能部門(mén)在制定資本市場(chǎng)改革和股權(quán)結(jié)構(gòu)改革等政策時(shí)提供理論依據(jù)。本文第二部分,給出了嘗試性的變量分組方法,并構(gòu)造融資約束模型;第三部分,篩選上市公司樣本企業(yè),依照第二部分的變量分組方法對(duì)樣本企業(yè)進(jìn)行分組及相應(yīng)的統(tǒng)計(jì)描述;第四部分,是logistic回歸分析,以及運(yùn)用實(shí)證結(jié)果得出的融資約束模型進(jìn)行行業(yè)融資約束特征分析;第五部分,對(duì)全文進(jìn)行總結(jié),并提出相應(yīng)的政策建議。二、理論模型的構(gòu)建(一)樣本企業(yè)的選取及過(guò)錯(cuò)責(zé)任,適用于高融資約束的企業(yè)關(guān)于企業(yè)融資約束的研究,Cleary(1999)率先利用股利支付率對(duì)樣本企業(yè)進(jìn)行分組研究。他認(rèn)為,股利支付率能反映企業(yè)將面臨的融資約束程度,如果企業(yè)增加股利支付,意味著企業(yè)受到的融資約束程度小;相反,企業(yè)股利支付下降,則意味著企業(yè)將面臨融資約束。因此,他將樣本企業(yè)分為股利支付率“增加組”、“下降組”和“不變組”,進(jìn)而對(duì)分組后的樣本企業(yè)進(jìn)行融資約束分析。而事實(shí)上,選擇股利支付率作為樣本企業(yè)分組的依據(jù)存在著一定的缺陷。首先,劃歸股利支付率“不變組”的樣本企業(yè)中,既包含了連續(xù)多年支付等額股利的企業(yè),也包含了連續(xù)多年不支付股利的企業(yè),然而,這兩類企業(yè)面臨的融資約束截然不同。因此,用股利支付率作為樣本企業(yè)的分組依據(jù),將導(dǎo)致實(shí)證結(jié)果出現(xiàn)偏誤。其次,中國(guó)上市企業(yè)股利支付率的連續(xù)性差,隨意性大,通過(guò)企業(yè)股利政策很難判斷是否受到融資約束。因此,本文選擇利息保障倍數(shù)(Altman、Haldeman和Narayanan,1977)和現(xiàn)金存量?jī)蓚€(gè)指標(biāo)作為樣本企業(yè)的分組指標(biāo)。其中,利息保障倍數(shù),由息稅前利潤(rùn)除以利息費(fèi)用得來(lái),它反映了企業(yè)總體財(cái)務(wù)狀況和獲取債務(wù)資本的能力。利息保障倍數(shù)越高,說(shuō)明企業(yè)融資約束的程度越小,它與企業(yè)的融資約束程度成負(fù)相關(guān)。現(xiàn)金存量,是貨幣資金與短期投資凈額之和,反映了企業(yè)內(nèi)部資金的持有量。企業(yè)的現(xiàn)金存量越高,說(shuō)明其受融資約束程度越高,因?yàn)楫?dāng)企業(yè)受到了融資約束時(shí),企業(yè)將會(huì)留存部分盈余,以保證充足的運(yùn)營(yíng)資本和投資資金,因此,該指標(biāo)與企業(yè)受到的融資約束情況具有正相關(guān)性。本文采用以下方法對(duì)樣本企業(yè)進(jìn)行分組:(1)對(duì)樣本企業(yè)現(xiàn)金存量的年觀測(cè)值,由小到大進(jìn)行排序,觀測(cè)值越大,說(shuō)明面臨的融資約束程度越大;觀測(cè)值越小,說(shuō)明受到融資約束的可能性越小。那么,對(duì)排序后的樣本企業(yè)進(jìn)行分組,序列的前30%觀測(cè)值作為低融資約束組,序列的后30%觀測(cè)值作為高融資約束組。(2)依照上述方法,將樣本企業(yè)利息保障倍數(shù)的年觀測(cè)值進(jìn)行排序,由于利息保障倍數(shù)與企業(yè)的融資約束程度呈負(fù)相關(guān),那么,觀測(cè)值越大,說(shuō)明企業(yè)受到融資約束的概率小;相反,觀測(cè)值越小,企業(yè)的融資約束越嚴(yán)重。因此,將序列前30%的觀測(cè)值歸為高融資約束組,后30%歸為低融資約束組。(3)在現(xiàn)金存量和利息保障倍數(shù)兩組數(shù)據(jù)中,對(duì)同時(shí)歸為高融資約束組的樣本企業(yè)取交集,將它們作為高融資約束組研究對(duì)象;同樣,對(duì)同為低融資約束組的兩組樣本企業(yè)取交集,將其作為低融資約束組研究對(duì)象。因此,本文只對(duì)現(xiàn)金存量和利息保障倍數(shù)交集樣本企業(yè)進(jìn)行討論,其余樣本企業(yè)不是本文的研究對(duì)象。(二)分類因變量的回歸分析國(guó)內(nèi)外關(guān)于融資約束指數(shù)模型構(gòu)建方法,大體分為兩類:單變量指數(shù)和多變量指數(shù)。其中,單變量指數(shù)主要是以股利支付率1、公司規(guī)模2或利息保障倍數(shù)3等單一指標(biāo)衡量融資約束程度,也有些文獻(xiàn)使用股權(quán)結(jié)構(gòu)(鄭江淮、何旭強(qiáng)和王華,2001)、股權(quán)集中度(Chirinko和Schaller,1995)、商業(yè)票據(jù)等級(jí)(Almeida和Campello,2001)、債券等級(jí)(Erickson和Whited,2000)等單一指標(biāo)衡量企業(yè)融資約束程度。多變量指數(shù)主要包括KZ指數(shù)(Kaplan和Zingsles,1997)和ZFC指數(shù)(Cleary,1999)等。部分學(xué)者在KZ指數(shù)和ZFC指數(shù)的基礎(chǔ)上,構(gòu)建了其他的融資約束指數(shù)。如Whited和Wu(2006)在考察融資約束風(fēng)險(xiǎn)和股票收益時(shí)通過(guò)對(duì)歐拉投資方程的估計(jì),構(gòu)建了WW指數(shù)。由于本文的研究對(duì)象分為融資約束高組和融資約束低組,相比現(xiàn)有研究成果中運(yùn)用的多元回歸分析法,Logistic回歸分析法可以更好地分析二分類因變量,描述解釋變量與因變量的非線性關(guān)系。Logistic回歸模型是對(duì)二分類因變量進(jìn)行回歸分析時(shí)最普遍使用的多元統(tǒng)計(jì)方法,它根據(jù)樣本數(shù)據(jù)采用一系列財(cái)務(wù)比率變量,使用最大似然估計(jì)方法,估計(jì)出各參數(shù)值,進(jìn)而求得相應(yīng)變量取某個(gè)值時(shí)的概率,從而可預(yù)測(cè)事件發(fā)生或不發(fā)生的概率。其預(yù)測(cè)最大值趨近1,最小值趨近0,一般選擇0.5作為分割點(diǎn),即如果通過(guò)模型計(jì)算出來(lái)的融資約束概率大于0.5,則預(yù)測(cè)發(fā)生,即企業(yè)面臨高融資約束;反之則不發(fā)生,即企業(yè)面臨融資約束較低。此外,Logistic回歸對(duì)于變量的分布沒(méi)有具體要求,適應(yīng)范圍更廣,Logistic回歸被引入融資約束研究之后,融資約束即簡(jiǎn)化為已知一公司具有某些財(cái)務(wù)特征,而計(jì)算其在一段時(shí)期內(nèi)受到融資約束的概率問(wèn)題,進(jìn)而判定該公司將面臨融資約束的程度。由于國(guó)內(nèi)外上市企業(yè)信息披露制度存在著較大差異,本文選取流動(dòng)比率、財(cái)務(wù)松弛、凈利潤(rùn)率、主營(yíng)業(yè)務(wù)收入、資產(chǎn)負(fù)債率5個(gè)指標(biāo),運(yùn)用Logistic回歸分析法構(gòu)建融資約束指數(shù)模型,方程構(gòu)造如下:(1)式中,Currenti指流動(dòng)比率,是流動(dòng)資產(chǎn)對(duì)流動(dòng)負(fù)債的比率,該指標(biāo)反映了企業(yè)的短期償債能力。一般而言,流動(dòng)資產(chǎn)越多,短期債務(wù)越少,則流動(dòng)比率越大,說(shuō)明企業(yè)資產(chǎn)的變現(xiàn)能力越強(qiáng),短期償債能力越強(qiáng)。如果流動(dòng)比率低于正常值,那么企業(yè)的短期償債風(fēng)險(xiǎn)較大,企業(yè)面臨融資約束的情況越嚴(yán)重,與企業(yè)的融資約束呈負(fù)相關(guān)。Roei指凈資產(chǎn)收益率,是報(bào)告期凈利潤(rùn)與平均凈資產(chǎn)之比,反映了公司運(yùn)用自有資本的效率,是衡量企業(yè)盈利能力的指標(biāo)之一。該指標(biāo)值越高,說(shuō)明企業(yè)資產(chǎn)利用的效果越好,企業(yè)的融資約束越小,否則相反,與企業(yè)面臨的融資約束呈負(fù)相關(guān)。MORi指主營(yíng)業(yè)務(wù)收入,是指企業(yè)經(jīng)常性的、主要業(yè)務(wù)所產(chǎn)生的基本收入,是企業(yè)資金的主要來(lái)源之一,企業(yè)的盈利能力越強(qiáng),資金越充沛,受到的融資約束越小,與企業(yè)的融資約束呈負(fù)相關(guān)。(1)式中LnMORi是對(duì)主營(yíng)業(yè)務(wù)收入取自然對(duì)數(shù)。Debti指資產(chǎn)負(fù)債率,由負(fù)債總額除以資產(chǎn)總額得來(lái),反映了企業(yè)全部資產(chǎn)中的債務(wù)比重,體現(xiàn)了企業(yè)舉債經(jīng)營(yíng)的能力。該指標(biāo)與融資約束呈正相關(guān),因?yàn)槠髽I(yè)的資產(chǎn)負(fù)債率越高說(shuō)明企業(yè)的負(fù)債總額越高,舉債能力越差,面臨的融資約束越嚴(yán)重。Slacki為財(cái)務(wù)松弛變量,本文參照Cleary(1999)的計(jì)算方法,即(現(xiàn)金+短期投資+0.5×存貨+0.7×應(yīng)收項(xiàng)目-短期應(yīng)付項(xiàng)目)/總資產(chǎn),該指標(biāo)是企業(yè)財(cái)務(wù)靈活的直接體現(xiàn),其數(shù)值越大說(shuō)明企業(yè)的融資約束問(wèn)題越小,與融資約束負(fù)相關(guān)。三、數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)(一)樣本選取與數(shù)據(jù)來(lái)源本文依照中國(guó)證監(jiān)會(huì)于2001年4月4日發(fā)布的《上司公司行業(yè)分類指引》,對(duì)上市公司所屬的行業(yè)進(jìn)行分類,分為13個(gè)門(mén)類。由于金融行業(yè)的營(yíng)業(yè)對(duì)象為現(xiàn)金,其資金持有比率具有特殊性,本文選擇除金融、保險(xiǎn)業(yè)以外的12個(gè)門(mén)類進(jìn)行分析,分別為:農(nóng)林牧漁業(yè);采掘業(yè);制造業(yè);電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè);建筑業(yè);交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè);信息技術(shù)業(yè);批發(fā)和零售貿(mào)易;房地產(chǎn)業(yè);社會(huì)服務(wù)業(yè);傳播與文化產(chǎn)業(yè);綜合類。選擇2001年1月1日以前在滬深A(yù)股市場(chǎng)上市的企業(yè)為研究對(duì)象,研究區(qū)間為2001—2010年。其中,2001年之前,滬深A(yù)股市場(chǎng)非金融、保險(xiǎn)業(yè)上市公司共計(jì)1064家,于2001年至2010年期間退市65家,截至2010年12月31日共計(jì)999家上市企業(yè)。但以下7類樣本需要剔除:(1)剔除金融、保險(xiǎn)行業(yè)的公司。(2)ST/PT類公司,此類企業(yè)存在財(cái)務(wù)危機(jī),正常生產(chǎn)經(jīng)營(yíng)不能持續(xù),整合、重組的現(xiàn)象十分常見(jiàn),因此,其財(cái)務(wù)行為可能出現(xiàn)異?，F(xiàn)象。(3)首年IPO的公司,因?yàn)镮PO對(duì)企業(yè)現(xiàn)金流影響較大,不能反映企業(yè)融資約束的真實(shí)情況。(4)樣本區(qū)間內(nèi)總資產(chǎn)成長(zhǎng)率或銷售成長(zhǎng)率大于100%的公司,以消除兼并與重組的影響。(5)資產(chǎn)負(fù)債率大于100%的公司,即剔除資不抵債的企業(yè)。(6)發(fā)行了A股和B股的公司,因?yàn)锽股的市場(chǎng)環(huán)境及運(yùn)作方式與A股不同,而且B股的市場(chǎng)價(jià)值受到匯率等因素的影響,其財(cái)務(wù)指標(biāo)的計(jì)算存在著較大難度。(7)數(shù)據(jù)缺失的公司。經(jīng)過(guò)上述處理,共得到641家上市公司2001—2010年的面板數(shù)據(jù),共計(jì)6410個(gè)年度觀測(cè)值。為避免公司融資約束與公司現(xiàn)金流的內(nèi)生關(guān)系,本文在構(gòu)建融資約束指數(shù)時(shí),采用滯后一期的財(cái)務(wù)數(shù)據(jù)。對(duì)所有解釋變量進(jìn)行1%的縮尾處理,以減小異常值的影響。數(shù)據(jù)來(lái)源于巨靈金融數(shù)據(jù)庫(kù)。(二)解釋變量及其相關(guān)性分析經(jīng)過(guò)上述處理,中國(guó)滬深A(yù)市場(chǎng)641家上市公司2001—2010年的財(cái)務(wù)數(shù)據(jù)具有以下特征(表1)。由表1可知,樣本企業(yè)的流動(dòng)比率差異較大(標(biāo)準(zhǔn)差為1.579),最大值高達(dá)8.434,最小值僅有0.0385。經(jīng)驗(yàn)值表明,企業(yè)的流動(dòng)比率值為2較為合理。流動(dòng)比率越高,說(shuō)明企業(yè)的流動(dòng)資產(chǎn)越多,短期債務(wù)越少,盡管此時(shí)企業(yè)的短期償債能力很強(qiáng),但是也說(shuō)明了企業(yè)持有過(guò)多的現(xiàn)金,資金的使用效率有待提高。企業(yè)的現(xiàn)金持有越多,資金的管理難度越大,越容易因管理者和股東信息不對(duì)稱引發(fā)代理問(wèn)題。凈資產(chǎn)收益率最高的企業(yè)為0.377,最低的企業(yè)為負(fù)收益(-0.899),說(shuō)明該企業(yè)的自有資本運(yùn)營(yíng)效率很低,可能面臨較大的融資約束。資產(chǎn)負(fù)債率是評(píng)價(jià)公司負(fù)債水平的綜合指標(biāo),對(duì)于債權(quán)人而言,該指標(biāo)越低越好,說(shuō)明償債風(fēng)險(xiǎn)越低。表1顯示,樣本企業(yè)的負(fù)債水平差異較大,最大值為0.938,最小值為0.0637。樣本企業(yè)財(cái)務(wù)松弛差異較大,最大值為1.079,財(cái)務(wù)松弛差的企業(yè)為負(fù)值(-2.654),說(shuō)明企業(yè)財(cái)務(wù)靈活度差異較大。本文選取的解釋變量,均由企業(yè)報(bào)告期內(nèi)的財(cái)務(wù)數(shù)據(jù)計(jì)算得到,為防止回歸分析中解釋變量可能出現(xiàn)的相關(guān)性,對(duì)變量進(jìn)行相關(guān)系數(shù)分析(表2)。表2顯示,資產(chǎn)負(fù)債率與流動(dòng)比率的相關(guān)系數(shù)為-0.4197。其余變量之間相關(guān)系數(shù)的絕對(duì)值都在0.30以下,說(shuō)明變量相關(guān)可能性較小。將641家企業(yè)2001—2010年的利息保障倍數(shù)和現(xiàn)金存量,依照上述關(guān)于樣本企業(yè)融資約束分組的方法,對(duì)6410個(gè)現(xiàn)金存量觀測(cè)值由小到大進(jìn)行排序,序列的前30%觀測(cè)值作為低融資約束組,后30%觀測(cè)值作為高融資約束組;然后,對(duì)6410個(gè)利息保障倍數(shù)觀測(cè)值由小到大進(jìn)行排序,序列前30%的觀測(cè)值歸為高融資約束組,后30%歸為低融資約束組;最后,本文選取現(xiàn)金存量和利息保障倍數(shù)同為低融資約束組的樣本企業(yè),做低融資約束組的研究對(duì)象,高融資約束組的研究對(duì)象同樣取兩者的交集。從而,低融資約束組得到440個(gè)觀察值,高融資約束組得到720個(gè)觀察值,共計(jì)1160個(gè)觀測(cè)值。對(duì)單個(gè)解釋變量進(jìn)行均值差異性t檢驗(yàn),結(jié)果見(jiàn)表3。表3顯示,影響企業(yè)融資約束程度的解釋變量的均值,在兩組樣本間的差異性均在1%的水平下顯著,說(shuō)明本文所選取的5個(gè)指標(biāo)都能較好地區(qū)分企業(yè)受到融資約束程度的高低。此外,高融資約束組具有較高的資產(chǎn)負(fù)債率(0.551),而凈資產(chǎn)收益率(-0.057)、流動(dòng)比率(0.207)、主營(yíng)業(yè)務(wù)收入(8.659)和財(cái)務(wù)松弛(-0.446)則相對(duì)較低。相反,低融資約束組具有較高的凈資產(chǎn)收益率(0.189)、流動(dòng)比率(0.255)、主營(yíng)業(yè)務(wù)收入(9.107)和財(cái)務(wù)松弛(0.819),而資產(chǎn)負(fù)債率(0.314)較低。這與實(shí)際的經(jīng)濟(jì)理論相符,即盈利能力強(qiáng)、償還債務(wù)能力高、流動(dòng)性好的企業(yè)融資能力強(qiáng),所受到的融資約束程度較低,而資產(chǎn)負(fù)債率過(guò)高及償債能力較弱的企業(yè),將面臨較嚴(yán)重的融資約束問(wèn)題。四、示范分析(一)企業(yè)融資約束指數(shù)模型為進(jìn)一步分析流動(dòng)比率、財(cái)務(wù)松弛、凈資產(chǎn)收益率、主營(yíng)業(yè)務(wù)收入、資產(chǎn)負(fù)債率對(duì)企業(yè)融資約束的影響,對(duì)分組樣本進(jìn)行Logistic回歸分析。將高融資約束組設(shè)為1,低融資約束組設(shè)為0,對(duì)分組樣本按(1)式構(gòu)建的模型進(jìn)行回歸,結(jié)果見(jiàn)表4。NagelkerkeR2統(tǒng)計(jì)量是衡量Logistic模型擬合優(yōu)度的主要指標(biāo),取值在0—1之間,越接近1,說(shuō)明模型的擬合優(yōu)度越高。表4中,NagelkerkeR2的統(tǒng)計(jì)量為0.867,說(shuō)明該模型擬合效果較好,解釋變量能反映被解釋變量變動(dòng)情況的86.7%,即流動(dòng)比率、財(cái)務(wù)松弛、凈資產(chǎn)收益率、主營(yíng)業(yè)務(wù)收入、資產(chǎn)負(fù)債率5個(gè)指標(biāo)構(gòu)造的融資約束指數(shù)模型,能有效地反映企業(yè)受到的融資約束情況。此外,表4顯示,所有變量的Wald統(tǒng)計(jì)量對(duì)應(yīng)的P值都在5%的顯著性水平下通過(guò)檢驗(yàn),說(shuō)明所有變量的回歸系數(shù)均有統(tǒng)計(jì)意義,而且回歸系數(shù)的符號(hào)與前面的理論假設(shè)完全符合。其中,流動(dòng)比率(-0.967)對(duì)融資約束指數(shù)的影響最大,其次是主營(yíng)業(yè)務(wù)收入(-0.834),換言之,流動(dòng)比率增加1個(gè)標(biāo)準(zhǔn)偏差,Logit(FZ)相應(yīng)減少0.967個(gè)標(biāo)準(zhǔn)偏差;主營(yíng)業(yè)務(wù)收入增加1個(gè)標(biāo)準(zhǔn)偏差,Logit(FZ)相應(yīng)減少0.834個(gè)標(biāo)準(zhǔn)偏差。由以上結(jié)果,可以得到企業(yè)的融資約束指數(shù)模型:其中,y=5.378-0.967Currenti-0.186Roei-0.069Slacki-0.834LnMORi+0.043Debti,FZ值趨近于1,表示企業(yè)受到融資約束的概率越大;FZ值趨近于0,表示企業(yè)受到融資約束的概率越小。(二)企業(yè)融資約束的概率預(yù)測(cè)運(yùn)用錯(cuò)判矩陣,檢驗(yàn)以上融資約束指數(shù)預(yù)測(cè)模型(表5)。表5中,440個(gè)實(shí)際為低融資約束組的觀察值中,有412個(gè)觀察值被正確地預(yù)測(cè),僅38個(gè)觀察值被錯(cuò)判,判別正確率為93.72%;在720個(gè)實(shí)際為高融資約束組的觀測(cè)值中,有683個(gè)觀測(cè)值被正確預(yù)測(cè),僅37個(gè)觀測(cè)值被判錯(cuò),判別正確率為94.8%。模型總體的判別正確率為94.26%,因此,以上預(yù)測(cè)模型是比較理想的融資約束指數(shù)模型。那么,可以通過(guò)將企業(yè)的財(cái)務(wù)數(shù)據(jù)代入(2)式,來(lái)預(yù)測(cè)企業(yè)受融資約束的概率。將641家樣本企業(yè)2001—2010年的財(cái)務(wù)數(shù)據(jù)分別代入(2)式,計(jì)算出各企業(yè)每年的FZ指數(shù),依照中國(guó)證監(jiān)會(huì)對(duì)上市公司行業(yè)的分類,對(duì)企業(yè)所屬行業(yè)取均值,計(jì)算該行業(yè)上市公司受到融資約束的平均概率。表6為除金融、保險(xiǎn)業(yè)以外的12個(gè)門(mén)類中國(guó)上市公司融資約束的行業(yè)分布特征。根據(jù)經(jīng)驗(yàn),財(cái)務(wù)比率在一定范圍內(nèi)波動(dòng)屬正常現(xiàn)象,并不會(huì)引起融資約束概率的顯著增加。只有當(dāng)財(cái)務(wù)比率值超過(guò)某一臨界值,即比率值的惡化,導(dǎo)致企業(yè)面臨融資約束的概率顯著增加。企業(yè)融資約束的預(yù)測(cè)屬于兩分類定性分析,即要么正常,要么出現(xiàn)融資問(wèn)題。以0.5作為融資約束分割點(diǎn),如果計(jì)算出的概率大于0.5,則判定該行業(yè)受到融資約束。結(jié)果顯示,建筑業(yè)、傳播文化產(chǎn)業(yè)、社會(huì)服務(wù)業(yè)、批發(fā)零售業(yè)、采掘業(yè)2001—2010年的行業(yè)融資約束概率均值都低于0.5,說(shuō)明這些行業(yè)受到融資約束的程度低;其次為電力、煤氣及水的生產(chǎn)和供應(yīng)、制造業(yè)、綜合類、交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)和農(nóng)業(yè);房地產(chǎn)和信息技術(shù)業(yè)的融資約束程度最高。(三)房地產(chǎn)行業(yè)的融資約束實(shí)證結(jié)果顯示(表6),在12個(gè)行業(yè)中,信息技術(shù)行業(yè)受到融資約束的概率最大,這與其行業(yè)特征有密切關(guān)系。該行業(yè)中,多數(shù)企業(yè)是高科技研發(fā)型企業(yè),屬于技術(shù)密集、資本密集型行業(yè),企業(yè)的資金收入完全依托于產(chǎn)品銷售,而技術(shù)轉(zhuǎn)化為產(chǎn)品的周期較長(zhǎng),如果研發(fā)失敗,則前期費(fèi)用都將成為沉沒(méi)成本。其外源資金則主要依賴于財(cái)政和銀行信貸支持,融資渠道的單一化,使得該行業(yè)面臨的融資約束問(wèn)題最嚴(yán)重。但是,隨著國(guó)家對(duì)該行業(yè)的重視程度逐漸提高,意識(shí)到該行業(yè)是先進(jìn)生產(chǎn)力和科技實(shí)力的標(biāo)志,是先導(dǎo)行業(yè)和戰(zhàn)略行業(yè),政府的鼓勵(lì)政策逐漸增多。繼2008年元月科技部、財(cái)政部、國(guó)家稅務(wù)總局聯(lián)合發(fā)布《高新技術(shù)企業(yè)認(rèn)定管理辦法》以后,經(jīng)認(rèn)定的高新技術(shù)企業(yè)將享受一系列的國(guó)家稅收優(yōu)惠政策。2009年為應(yīng)對(duì)國(guó)際金融危機(jī)的影響,黨中央、國(guó)務(wù)院為確保電子信息產(chǎn)業(yè)穩(wěn)定發(fā)展,制定《電子信息產(chǎn)業(yè)調(diào)整和振興規(guī)劃》,規(guī)劃期為2009—2011年。因此,至2008年開(kāi)始,信息技術(shù)行業(yè)受到融資約束的概率有了顯著下降(圖1)。表6顯示,中國(guó)房地產(chǎn)行業(yè)受到融資約束的程度僅次于信息技術(shù)行業(yè),這與中國(guó)經(jīng)濟(jì)市場(chǎng)的實(shí)際情況非常吻合。房地產(chǎn)行業(yè)屬于資金密集型行業(yè),投資量大、建設(shè)周期長(zhǎng)、資金回籠慢,而近幾年政府出臺(tái)了一系列的“房?jī)r(jià)”調(diào)控政策,使該行業(yè)上市公司融資難度進(jìn)一步加深。自2009年12月以來(lái),房地產(chǎn)行業(yè)的調(diào)控政策不斷出臺(tái),從2010年1月的“國(guó)十一條”至4月的“國(guó)十條”,9月的“9·29新政”到2011年1月的“新國(guó)八條”至2013年2月20日的“國(guó)五條”,房地產(chǎn)銷售速度明顯減緩,獲利空間逐漸縮小,房地產(chǎn)企業(yè)外源融資能力下降的同時(shí),企業(yè)內(nèi)部資金短缺,使其成為了受融資約束較高的行業(yè)。從上世紀(jì)90年代以來(lái),中國(guó)房地產(chǎn)行業(yè)主要資金來(lái)源是商業(yè)銀行貸款,2006年之后,房地產(chǎn)行業(yè)貸款占金融機(jī)構(gòu)貸款的比重呈逐年攀升,增幅高達(dá)25%以上,部分地區(qū)高達(dá)80%。單一的融資渠道致使房地產(chǎn)企業(yè)資金鏈脆弱,政府的緊縮銀根政策直接影響到房地產(chǎn)企業(yè),導(dǎo)致該行業(yè)容易受到融資約束。但圖1顯示,2008年國(guó)際金融危機(jī)以后,房地產(chǎn)行業(yè)面臨的融資約束程度有所下降,這是由于金融危機(jī)以后,國(guó)內(nèi)通貨膨脹越來(lái)越嚴(yán)重,大部分企業(yè)秉持著“現(xiàn)金為王”的理念,降低了公司的財(cái)務(wù)杠桿,此外,由于“房?jī)r(jià)越調(diào)越高”,樓市的溫度不降反升,大量的民間資本流入樓市,致使房地產(chǎn)企業(yè)通過(guò)自籌資金、預(yù)收款、定金等途徑解決外源融資的壓力。但總體而言,目前國(guó)內(nèi)的房地產(chǎn)企業(yè)最主要的融資渠道還是商業(yè)信貸和自籌資金,而且該行業(yè)受到國(guó)家宏觀調(diào)控政策的影響較大,導(dǎo)致其受到的融資約束較大。表6中,建筑業(yè)受到的融資約束概率最低,這與本文樣本篩選的結(jié)果有關(guān),入選的六個(gè)樣本企業(yè),都為大型國(guó)有企業(yè),多是從事公路工程、鐵路工程和市政公用工程的民生工程企業(yè),這些企業(yè)受到政府的扶持力度大,大部分信貸資金由政府擔(dān)保,因此,面臨的融資約束較小。2009年以來(lái),為應(yīng)對(duì)國(guó)際金融危機(jī)的嚴(yán)重沖擊,黨中央、國(guó)務(wù)院實(shí)施了積極的財(cái)政政策和適度寬松的貨幣政策,其中國(guó)家計(jì)劃兩年增加“4萬(wàn)億元”投資中很大份額資金都投入了鐵路、公路、水利等基礎(chǔ)設(shè)施建設(shè)。因此,圖1顯示,2008—2010年,建筑行業(yè)的六個(gè)樣本企業(yè)整體面臨的融資約束概率顯著下降。傳播文化行業(yè)面臨的融資約束概率稍大于建筑行業(yè),這是由于符合本文要求的樣本僅有4家上市公司,但從行業(yè)自身的特征來(lái)看,該行業(yè)不像生產(chǎn)型企業(yè)那樣需要原材料轉(zhuǎn)化為產(chǎn)品進(jìn)行銷售,而且一直是國(guó)家大力發(fā)展的行業(yè),政策扶持較多,因此,受到的融資約束程度相比其他生產(chǎn)型行業(yè)要小。社會(huì)服務(wù)業(yè)和批發(fā)零售業(yè)同屬于傳統(tǒng)行業(yè),其發(fā)展已經(jīng)步入成熟的階段,因此,它們受到的融資約束的概率相對(duì)于生產(chǎn)型企業(yè)要小。采掘業(yè)主要是能源和稀有金屬開(kāi)采,大部分的上市企業(yè)都是國(guó)家控股,其外源資金獲取相對(duì)其他行業(yè)容易,受到的融資約束程度較小。電力煤氣及水的生產(chǎn)供應(yīng)行業(yè)屬于公用事業(yè),受宏觀調(diào)控較多,政府支持較多,壟斷性相當(dāng)強(qiáng),且具有較高的進(jìn)入壁壘,是工業(yè)生產(chǎn)和生活的必需品,其外源融資由國(guó)家擔(dān)保,因此,該行業(yè)中企業(yè)資金獲取相對(duì)容易,所受融資約束較小。在12個(gè)門(mén)類中,制造業(yè)上市公司占中國(guó)上市公司中的比重最大(占50%以上),是上市公司行業(yè)中的主要組成部分。制造業(yè)門(mén)類中,所涉及的子行業(yè)較多,如醫(yī)藥、儀器制造,食品加工、鋼鐵、航空以及水泥行業(yè)等,它們受經(jīng)濟(jì)周期的影響大,對(duì)國(guó)家的宏觀調(diào)控政策反應(yīng)敏感,該門(mén)類中既有政策扶持行業(yè),又有政策調(diào)控約束的行業(yè)。在中國(guó),制造業(yè)歷史悠久,制造業(yè)企業(yè)上市門(mén)檻較高,小型企業(yè)很難進(jìn)入,大多上市公司都是由國(guó)有企業(yè)改制而來(lái),盡管很多上市公司生產(chǎn)設(shè)備不斷更新,但是由于歷史原因,勞動(dòng)密集型企業(yè)比重較高,技術(shù)密集型企業(yè)較少。而且,制造企業(yè)設(shè)備投資大,建設(shè)周期長(zhǎng),生產(chǎn)期資金鏈不能斷,在獲取外源融資的同時(shí),必須儲(chǔ)存一定比例的自有資金,以保證生產(chǎn)。這些現(xiàn)實(shí)問(wèn)題,共同導(dǎo)致了制造業(yè)成為受融資約束程度較高的行業(yè)。交通運(yùn)輸及倉(cāng)儲(chǔ)業(yè)生產(chǎn)過(guò)程的產(chǎn)品不具有實(shí)物形態(tài),即人或物的位移,它增加了產(chǎn)品或服務(wù)對(duì)象的時(shí)間效用和空間效用,提高了產(chǎn)品的附加價(jià)值。交通運(yùn)輸及倉(cāng)儲(chǔ)業(yè)是其他產(chǎn)業(yè)的衍生產(chǎn)業(yè),它是基礎(chǔ)產(chǎn)業(yè)而不是支柱產(chǎn)業(yè),它受到其他行業(yè)和經(jīng)濟(jì)周期的影響較大,這都將導(dǎo)致該行業(yè)面臨的融資約束的概率較高。農(nóng)業(yè)受氣候和經(jīng)濟(jì)、環(huán)境的影響很大,對(duì)政策的敏感度高,容易受到融資約束。此外,中國(guó)監(jiān)管機(jī)構(gòu)對(duì)農(nóng)業(yè)上市公司外部股權(quán)融資的流動(dòng)性要求較高,使得農(nóng)業(yè)企業(yè)在進(jìn)行融資的時(shí)候,首選內(nèi)源融資;內(nèi)源融資不能滿足投資需求的時(shí)候,使用債務(wù)融資;當(dāng)債務(wù)融資不足時(shí),使用股權(quán)融資(葛永波和姜旭朝,2008)。2008年國(guó)際金融危機(jī),對(duì)農(nóng)業(yè)出口企業(yè)的影響較大,由于出口訂單減少,產(chǎn)品加壓較大,且銷售價(jià)格降低。為了化解國(guó)內(nèi)農(nóng)業(yè)企業(yè)的困境,穩(wěn)定國(guó)內(nèi)農(nóng)產(chǎn)品價(jià)格和促進(jìn)出口,從2009年開(kāi)始,國(guó)家在提高糧食最低收購(gòu)價(jià)的同時(shí),加大對(duì)農(nóng)場(chǎng)生產(chǎn)企業(yè)的補(bǔ)貼力度,提高玉米、酒精等農(nóng)產(chǎn)品的出口退稅率,取消小麥、大米、大豆的出口暫定關(guān)稅,以及減免出口農(nóng)產(chǎn)品的出入境檢驗(yàn)檢疫費(fèi),中國(guó)農(nóng)業(yè)銀行加大了對(duì)農(nóng)產(chǎn)品生產(chǎn)企業(yè)的信貸支持力度,以確保農(nóng)產(chǎn)品行業(yè)競(jìng)爭(zhēng)力的回升。圖1顯示,2009年后,農(nóng)業(yè)行業(yè)融資約束的程度有所下降。五、解決上市公司融資約束的行業(yè)特征以上實(shí)證分析表明,中國(guó)上市公司的財(cái)務(wù)數(shù)據(jù)是有效的,并具有較強(qiáng)的預(yù)測(cè)能力。利用上市公司的財(cái)務(wù)數(shù)據(jù)能夠較好地預(yù)測(cè)其所屬行業(yè)的融資約束狀況。從檢測(cè)結(jié)果可以看出,該融資約束指數(shù)模型的總體判斷能力高達(dá)94.26%,因此,本文通過(guò)Logistic回歸分