2015年
财会月刊(36期)
业务与技术
债务结构与企业绩效的关联性研究——基于非参数检验和面板模型

作  者
李 洋(副教授),王 丹,彭晨宸

作者单位
(四川师范大学商学院,成都 610101)

摘  要

      【摘要】本文以2009 ~ 2013年我国上市公司为样本,基于聚类分析将样本公司分为两个组别,采用非参数检验方法推断两组独立样本存在显著差异,再通过单位根检验、协整检验避免了“伪回归”问题,然后运用截面加权回归来消除个体差异,对债务总体水平、债务期限结构、债务类型结构与企业绩效之间的关联性进行了实证检验。研究结果表明,资产负债率、长期负债比例、银行借款比例、债券融资比例与企业绩效显著负相关,短期负债比例、商业信用比例、其他负债比例与企业绩效显著正相关。
【关键词】债务期限结构;债务类型结构;企业绩效;非参数检验;面板模型一、引言
自Modigliani and Miller(1958)提出著名的MM定理以来,债务融资凭借其“双刃剑”效应成为资本结构决策的核心问题,负债比率变动会影响企业绩效的观点已成定论。西方财务理论往往把债务融资看成同质的资本来源,大都着眼于总体负债比率的分析,而忽视了债务资本内部不同的构成特征。
从债务期限结构的角度,我们可以将债务资本划分为短期负债、长期负债;从债务类型结构的角度,我们可以将债务资本划分为银行借款、商业信用、公司债券和其他负债。Erik Lie(2002)认为,短期负债主要通过监督效应影响企业绩效,长期负债主要通过税盾效应影响企业绩效。陈正良、孔兵(2010)指出,我国企业的银行借款具有积极的治理效应,商业信用存在消极的治理效应,债券融资则表现为弱化的治理效应。由此可见,不同的债务结构与企业绩效之间具有不同的关联性,本文拟在我国特殊的资本市场背景下进行深入探索。
二、文献述评
(一)债务期限结构与企业绩效
Brick and Ravid(1985)从债务期限选择的税收动机出发建立模型,指出长期负债会减少企业预期的纳税负担,进而增加企业绩效。Barclay and Marx(1995)以1974 ~ 1991年间的美国工业上市公司为样本,研究发现期限超过三年的长期负债与企业绩效显著负相关。Schiantarelli et al.(1996)分别对印度、英国和意大利公司的面板数据进行分析,研究结论均显示长期负债对于企业绩效的提升具有积极影响。
王薇(2005)以深沪A股2000 ~ 2005年的上市公司为样本进行研究,认为短期负债融资有利于企业绩效的提升。袁卫秋(2006)则表示债务期限与企业绩效呈显著的正相关关系,适当延长债务期限能够改善企业绩效。朱德胜、张顺葆(2008)以2003 ~ 2006年深沪A股制造业上市公司为样本,研究发现短期负债率与企业绩效显著负相关,长期负债率与企业绩效显著正相关。胡援成、刘明艳(2011)的研究结果也表明上市公司经营绩效与长期债务比例呈显著的正相关关系。赵全妹(2012)认为公司净利润率与资产负债率显著负相关,与短期负债率负相关但不显著,与长期负债率显著正相关。彭熠、徐国锋等(2013)基于汽车制造业上市公司数据,运用单方程模型OLS估计法,研究发现债务期限结构对企业绩效不存在显著影响。
(二)债务类型结构与企业绩效
Gilson(1989)的研究结果表明,银行借款可以帮助企业走出财务困境、减少破产成本等。Akhtar Shumi(2013)指出,银行借款对于中小企业的发展尤其重要,可以通过减少信息不对称、降低债务代理成本等方式提高企业绩效;商业信用可以作为银行信用债务的有效补充,其对企业绩效的影响更为显著。
闫华红、李晓芹(2009)通过托宾Q值衡量企业绩效,用线性回归法得出银行借款、商业信用与企业绩效负相关。陈文浩、刘春江等(2012)选取净资产收益率作为企业绩效变量,指出银行借款和商业信用与净资产收益率都存在正相关关系。
纵观国内外相关文献,理论界对于债务结构与企业绩效的关联性并没有达成共识。由于研究样本的行业和地区分布不同,指标选择的标准不同,研究模型和方法也差异,导致研究结论在我国并不一致。现有文献主要探讨债务期限结构与企业绩效的相关关系,且并未形成权威的结论。而针对债务类型结构的研究则相对较少,更鲜有将债务期限结构、债务类型结构结合起来加以分析的成果。因此,本文从债务期限结构和债务类型结构两方面着手,以沪深两市的A股上市公司作为研究样本,运用因子分析、聚类分析、独立样本非参数检验、面板数据模型等方法实证检验债务结构与企业绩效的关联性,旨在为我国上市公司优化资本结构、提升经营绩效提供参考。
三、研究设计
(一)样本数据
本文以我国沪深两市A股上市公司作为研究对象,考虑到不同区域的覆盖面,首先按照我国的地理位置特征划分为东北、西北、西南、华北、华中、华东、华南7个样本区域,然后从每个区域中独立、随机地抽取样本。为了保证样本数据的稳定性和连续性,本文以2009 ~ 2013年作为选样窗口,为规避单个年度的异常值,在剔除ST、金融类、不足考察年限及重要数据缺失的公司后,每个区域选择了50家发行A股的公司,最终得到350家公司作为研究样本。
所有样本数据均来源于RESSET数据库以及巨潮资讯网披露的年报资料,然后通过手工进行整理,数据分析采用SPSS19.0统计软件和Eviews8.0统计软件完成。
(二)研究变量
1. 被解释变量。由于我国资本市场的非完全有效性,在现实中多用代理指标来衡量企业绩效,如财务业绩指标(EPS、ROE、ROA)、市场价值指标(托宾Q)、经济附加值指标(EVA)。尽管托宾Q与企业绩效之间的内在关系得到了国外理论模型和经验数据的支持,但黄磊、王化成等(2009)指出由于我国股市的有效性较弱且投机性过强,暂时还不具备全面应用托宾Q的市场条件。EVA综合反映了企业的投入资本规模、资本成本和资本收益三方面的信息,并根据企业的具体情况进行相应调整,按理说相比于传统会计指标EVA能够更好地反映企业绩效。不过,由于认为我国证券市场还不成熟,上市公司治理机制也不完善,且EVA的调整项目过于复杂,国内在计算EVA时多运用替代法,使其真实性受到质疑(蔡荣江,2012)。而陆正飞、宋小华(2006)则通过实证分析得出,财务业绩指标对于我国上市公司的绩效评价具有较高的参考价值。因此,本文综合选取多个财务业绩指标,分别从不同角度衡量企业绩效。
企业绩效与许多因素密切相关,本文根据国内外主流文献的研究成果,选取总资产收益率(ROA)、净资产收益率(ROE)、营业利润率(OPR)、每股收益(EPS)、每股净资产(NAPS)、每股现金流量(CFPS)这6个财务业绩指标衡量企业绩效。
为了避免以上变量出现高度相关的情况,本文首先通过相关分析来判别变量之间的重叠度。SPSS19.0软件输出的相关分析矩阵显示,大部分变量之间相关系数的绝对值都大于0.5,且在1%的水平上显著相关,由此判定各原始变量之间存在较高的重合度(由于篇幅限制,相关分析矩阵从略)。
本文沿用李洋、彭晨宸、王丹(2015)的方法与数据,进一步使用因子分析来降维,提炼出主要影响因子并计算企业绩效综合因子,将其作为本文的被解释变量。

 

 

 

 

 

 

 

 

 

 

 

2. 解释变量。
(1)资本结构(债务总体水平)。资本结构的衡量指标主要有账面负债率和市场负债率两种。债务市场价值并不容易取得,而Fama and French(2000)指出,账面负债率能够更好地反映企业资本结构现状。同时,国外研究较多采用狭义资本结构,而我国上市公司的短期负债在资本来源中占据较大比重,广义资本结构更适合我国国情。因此本文所指的资本结构将短期负债考虑在内,运用广义资本结构概念,以账面资产负债率作为解释变量。
(2)债务期限结构。Guedes和Opler(1996)提出了两种债务期限结构的度量方法:一是资产负债表法,考察资产负债表中长、短期负债的账面价值比例;二是增量法,考察新增负债的到期期限。本文基于资产负债表法,以短期负债比例、长期负债比例作为债务期限结构的解释变量。
(3)债务类型结构。本文按照各类负债的不同来源,以银行借款比例、商业信用比例、债券融资比例和其他负债比例作为债务类型结构的解释变量。
3. 控制变量。尽管本文着重探讨债务结构与企业绩效的关联性,但由于经济发展不平衡等客观原因的存在,所选取的样本个体之间存在较大差异,还有一些企业特征因素在很大程度上也会影响研究结果。因此本文进一步引入企业规模、企业成长性这两个控制变量。
四、实证检验
(一)描述性统计
本文首先对被解释变量、解释变量的均值进行描述性统计分析,以期找出主要研究变量的变化规律。样本描述性统计结果如表2所示:

 

 

 

 

 

由表2可以看出,2009 ~ 2013年CP的均值分别为上升262%、下降43.28%、下降235%、上升76.33%,说明企业绩效的波动幅度较大。
ALR的均值处于52.4% ~ 53.4%的区间,略高于50%且变化趋势平稳,说明资产负债率基本符合国际通行的债务标准。
债务期限结构中,2009 ~ 2013年SD的均值为79%,占据绝对主导地位,而LD的均值相对较小,只有21%的比重;但从时序特征来看,SD呈递减的趋势,LD呈递增的趋势。根据卞平平(2011)的研究结果,2005 ~ 2009年中国上市公司的短期负债比例接近85%,长期负债比例仅有15.1%,可见目前短期负债比例有所下降而长期负债比例逐渐上升。
债务类型结构中,2009 ~ 2013年BD的均值为35.1%,CD的均值为36.9%,二者之和达到了72%,说明银行借款与商业信用占据了负债来源的绝大部分。而PD的均值仅为3.1%,说明我国债券市场还不成熟,且发行债券的门槛过高,大多数企业很难获得发行资格。但从时序特征来看,PD整体上呈现缓慢上升的趋势,说明公司债的发行已经逐渐流行。OD的均值同样很低,仅为3.5%,同债券融资一样,其在债务类型结构中处于次要地位。
(二)独立样本非参数检验
1. 聚类分析。本文依据企业绩效综合因子(CP)均值的高低,利用K均值聚类法对样本数据进行分组。聚类结果所列示的分组情况如表3所示:一组是CP较高的公司,其均值为0.601 44,共有465个观测数;另一组是CP较低的公司,其均值为-0.216 37,共有1 285个观测数。同时由表4可知,两个组别的CP差异通过了F检验,即在1%的水平上具有显著差异。

 

 

 

 

2. 非参数检验。由于各个企业的融资决策、绩效水平等都是相互独立的,且基于CP的高低将样本公司分成了两个组别,因此可以认为这两组样本是独立样本。在对其总体分布并不了解的情况下,本文运用独立样本非参数检验(Mann-Whitney U 检验)来推断两组独立样本各解释变量均值之间是否存在显著差异。非参数检验结果如表5所示:

 

 

 

 

 

 

 


由表5可知,除PD以外,I类公司(CP较高)和II类公司(CP较低)的各解释变量均值之间都有显著差异。从总体资本结构来看,CP较高的I类公司ALR更低,即资产负债率与企业绩效显著负相关,说明债务总体水平的提升在一定程度上会降低企业绩效。
从债务融资期限结构来看,CP较高的I类公司SD更高,即短期负债比例与企业绩效显著正相关;CP较高的I类公司LD更低,即长期负债比例与企业绩效显著负相关,说明相对于长期负债而言,短期负债的监督约束作用更为明显,有助于提高企业绩效。
从债务类型结构来看,CP较高的I类公司BD更低,即银行借款比例与企业绩效显著负相关;CP较高的I类公司CD更高,即商业信用比例与企业绩效显著正相关。朱德胜、张顺葆(2008)认为,这是因为我国上市公司的银行借款大多来源于国有银行信贷,国有银行在监督约束管理者以及参与公司治理等方面存在不同程度的缺陷,致使银行对公司经营只有较弱的约束力;而商业信用带来的自发性负债主要是由上游供应商提供,比起国有银行,供应商更了解欠款企业真实的盈利能力、现金流量和财务状况,对公司经营则具有较强的约束力。此外,PD没有通过显著性检验,说明债券融资比例与公司绩效之间不具有显著关系,这可能是由于我国债券市场的准入门槛较高,绝大部分上市公司还难以获准发行债券,致使债券融资对企业绩效的影响程度并不显著。CP较高的I类公司OD更低,即其他负债比例与企业绩效显著负相关,但由于其所占比例极小,影响程度也比较有限。
(二)面板模型分析
综上可知,通过独立样本非参数检验只能得到债务结构与企业绩效之间的大致关系,两者间更为具体的关联性则需要运用面板模型进行深入分析。本文通过对不同时刻的截面个体进行连续观测进而得到多维时间序列数据,以此构造面板数据分析模型。
1. 单位根检验。面板模型在回归分析之前需要对数据的平稳性进行检验,这是避免出现“伪回归”的前提条件。本文采用LLC、Breitung、Hadri三种检验方法对面板数据进行单位根检验,Eviews8.0软件输出的单位根检验结果如表6所示。
LLC、Breitung、Hadri三种方法的单位根检验结果表明,所有变量的水平序列和一阶差分序列并未完全拒绝含有单位根的原假设,即为非平稳变量。但二阶差分序列的检验结果显示皆不存在单位根,说明所有研究变量的二阶差分序列是平稳序列,满足进行面板协整检验的前提条件。
2. 协整检验。基于单位根检验结果发现各研究变量是二阶单整的,因此本文接着对企业绩效综合因子与各解释变量之间进行协整关系检验,Eviews8.0软件输出的协整检验结果如表7所示。
由表7可知,Kao检验结果全部显示存在协整关系;Pedroni检验中各个检验统计量得出的结果不一致,但这几个指标的检验效果并不一样,效果最好的一般是Panel ADF和Group ADF。尽管部分Panel V、Panel Rho 和Group Rho检验值显示接受非协整的原假设,但所有的Panel ADF和Group ADF检验值均显示拒绝非协整的原假设,因此能够得出企业绩效综合因子和各解释变量之间存在长期的均衡关系,适合进行回归分析。3. 回归分析。面板数据通过了单位根检验和协整检验,从而避免了可能发生的“伪回归”问题。通过相关性分析可知,短期负债比例和长期负债比例完全负相关(相关系数为-1),需要分别构建两个回归模型来检验债务期限结构与企业绩效的关系;而银行借款比例、商业信用比例、债券融资比例和其他负债比例之间的相关系数较小,可见不存在多重共线性问题,可以直接构建多元线性回归模型。
因此,本文建立4个回归模型,依次考察资本结构(债务总体水平)、短期负债比例、长期负债比例、债务类型结构对企业绩效的影响程度。
模型1:检验资本结构(债务总体水平)与企业绩效的关系。
CP=β0+β1×ALR+β2×SIZE+β3×GROW+ξ (1)  
模型2:检验债务期限结构与企业绩效的关系。
模型2.1:检验短期负债比例与企业绩效的关系。
CP=β0+β1×SD+β2×SIZE+β3×GROW+ξ (2.1)   模型2.2:检验长期负债比例与企业绩效的关系。
CP=β0+β1×LD+β2×SIZE+β3×GROW+ξ (2.2)  
模型3:检验债务类型结构与企业绩效的关系。
CP=β0+β1×BD+β2×CD+β3×PD+β4×OD+β5×SIZE+β6×GROW+ξ (3)  


接下来需要确定回归方程是采用固定效应模型、随机效应模型还是混合效应模型。本文首先通过Hausman检验来判断应该建立固定效应模型还是随机效应模型,若为固定效应模型还需要通过Likelihood检验将其与混合效应模型进行区分。Eviews8.0软件输出的回归方程检验结果如表8所示。
由表8可知,Hausman检验、Likelihood检验的结果均显示拒绝随机效应模型与混合效应模型的原假设,因此应选择固定效应模型进行回归估计。为了避免样本区域与截面个体之间存在个体差异而对回归方程产生影响,本文在选择固定效应模型时,同时采用截面加权回归来消除截面个体差异,回归方程估计结果如表9所示。
表9的回归方程估计结果显示,4个回归模型的调整R2均接近1,DW检验值均接近2,且都通过了F检验,说明所有回归模型的拟合度较好,变量之间具有较强的线性关系,其回归结果总体上是显著的。
同时,模型1表明ALR与CP显著负相关;模型2.1表明SD与CP显著正相关;模型2.2表明LD与CP显著负相关。前三个模型的回归结果和非参数检验结果一致。
模型3表明BD与CP显著负相关,CD与CP显著正相关,与非参数检验结果一致;但PD与CP显著负相关,OD与CP显著正相关,与非参数检验结果不一致,需要进一步验证回归结果的稳健性。
4. 稳健性检验。前文在进行非参数检验时,基于企业绩效综合因子(CP)的高低将样本公司分成了两个组别,且两组独立样本之间存在显著差异。同时,债券融资比例、其他负债比例的回归结果和非参数检验结果不一致。为了检验回归结果的稳健性,本文对两个组别的样本分别进行回归分析,分类检验结果如表10所示。
根据表10的回归结果可以看出,4个回归模型中解释变量、控制变量的相关性和显著性与表9的回归结果是一致的,只是回归系数有所差别,但都在允许的误差范围之内。总体而言,本文的回归模型及回归结果是稳健的。
五、研究结论
综上所述,本文得出如下研究结论:
首先,就资本结构(债务总体水平)而言,我国上市公司的资产负债率与企业绩效显著负相关。这与Gaud,Janiet al.(2005)的观点吻合,即负债比率的提高对企业绩效产生负效应。李洋、彭晨宸、王丹(2015)的研究结果表明,我国上市公司的负债比率与企业绩效呈显著的曲线关系,拐点为42%,当资产负债率大于42%时,负债比率与企业绩效显著负相关。而本文表2的描述性统计结果显示,样本公司2009 ~ 2013年资产负债率的均值为52.8%,正处于企业绩效的降低区间内,因此我国上市公司应该谨慎对待债务融资,甚至应适度缩减负债比率,才能不断优化资本结构,进一步提高企业绩效。
其次,就债务期限结构而言,我国上市公司的短期负债比例与企业绩效显著正相关;长期负债比例与企业绩效显著负相关。这与Barclay & Marx(1995)的研究结论一致。由此说明,短期负债因为债务的频繁到期,其监督约束作用相对于长期负债更为有效,对企业绩效的提升更加有利;而长期负债由于到期日较长、灵活性较弱,难以带来显著的公司治理效应,反而降低了企业绩效。该结论可以在一定程度上解释我国上市公司短期负债比例偏高、长期负债比例偏低的现象,并进一步提示我们,在积极增强短期负债正效应、逐步减弱长期负债负效应的同时,还需要不断规避财务风险恶化的潜在威胁。
最后,就债务类型结构而言,银行借款比例、债券融资比例与企业绩效显著负相关,商业信用比例、其他负债比例与企业绩效显著正相关。这与Akhtar Shumi(2013)的观点不一致。这是因为,我国银行对企业经营管理的监督约束作用还较为有限,而且需要复杂的审批程序与相应的资产抵押;同时,我国的债券市场并不发达,债券发行门槛较高,再加上昂贵的资本成本,因此银行借款与债券融资对企业绩效的提升带来了负面影响。而商业信用作为企业市场交易过程中产生的自发性负债,其他负债作为法律赋予企业自动的债务递延,容易获取且资本成本较低,二者对企业绩效的提升带来了正面影响。以上结论提示我们,应该积极培育信贷市场与债券市场,有效发挥银行借款的监督治理效应和债券融资的信号传递作用。同时继续拓宽企业的融资渠道,完善商业信用模式,规避商业信用风险,并强化其他负债对企业绩效的正效应。
主要参考文献
Modigliani F.,Miller M. H.. The Cost of Capital Corporation Finance and the Theory of Investment[J].American Economic Review,1958(48).
Erik Lie. Do Firms Undertake Self-tender Offers to Optimize Capital Structure[J].The Journal of Business, 2002(7).
陈正良,孔兵.债务融资治理效应实证研究——基于三大债务结构的视角[J].经济纵横,2010(8).
Brick J. R.,Ravid S. A.. On the Relevance of Debt Maturity Structure[J]. Journal of Finance,1985(40).
Barclay M. J.,Marx L. M.,Smith C. W..The Joint Determination of Leverage and Maturity[J].Journal of Corporate Finance,2003(9).
王薇.上市公司债务期限结构与经营业绩的实证分析[J].商情财经研究,2008(5).
袁卫秋.上市公司债务期限结构与经营业绩关系的实证研究[J].河北经贸大学学报,2006(7).
朱德胜,张顺葆.债务期限、债务类型与公司绩效——基于制造业上市公司的经验证据[J].山东财政学院学报,2008(6).
胡援成,刘明艳.中国上市公司债务期限结构影响因素:面板数据分析[J].管理世界,2011(2).
赵全妹.我国上市公司债务期限结构与公司业绩的相关性研究[J].现代商业,2012(10).
彭熠,徐国锋,邵桂荣.债务融资与公司绩效关系再分析——基于汽车制造业上市公司数据的单方程模型OLS估计方法验证[J].金融理论与实践,2013(2).
Akhtar Shumi O. B.. Determinants of Capital Structure for Japanese Multinational and Domestic Corporations[J].International Review of Finance,2013(9).
闫华红,李晓芹.企业价值与负债结构的关系研究[J].会计之友,2009(12).
陈文浩,刘春江,陈晓懿.管制放松背景下的利率变动与公司资本结构动态调整——基于制造业的经验分析[J].财经研究,2012(12).
黄磊等.Tobin" Q反映了企业价值吗——基于市场投机性的视角[J].南开管理评论,2009(12).
蔡荣江.EVA在企业价值评价中的应用[J].中国证券期货,2012(9).
陆正飞,宋小华.财务指标在股票投资决策中的有用性:基于中国证券市场的实证研究[J].南开管理评论,2006(9).
李洋,彭晨宸,王丹.中国上市公司资本结构与公司价值的相关性研究[J].金融与经济,2015(3).
Fama E.,French K.. Testing Tradeoff and Pecking Order Predictions about Dividends and Debt[J]. Review of Financial Studies,2002(15).
Gaud P.,Jani E.,Hoesli M., Bender A.. The Capital Structure of Swiss Companies: An Empirical Analysis Using Dynamic Panel Data[J].European Financial Management, 2005(1).
【基金项目】国家自然科学基金资助项目“展望理论框架下情绪驱动忠诚的动态机制研究”(项目编号:70972134);教育部人文社会科学青年基金项目“基于投资者关系管理的公司治理效率分析:作用机理与价值效应”(项目编号:12YJC630061);四川省社会科学研究规划项目“政府综合财务报告体系构建及审计相关问题研究:基于国家治理视角的分析”(项目编号:SC14B072);四川省教育厅重点项目“国家审计与国家治理研究:基于完善国家预算制度视角的分析”(项目编号:15SA0007)