企业异质性与融资约束.docVIP

企业异质性与融资约束 　　摘要：本文以Almeida and Campello et al.（2004）的研究为基础，从现金―现金流敏感性角度检验了融资约束假说在中国的实用性。结果表明，融资约束普遍存在于中国的上市企业中，负债率越高、资产规模越大的公司面临的融资约束越弱，而中等负债率或中等规模公司则表现出更加强烈的现金―现金流敏感性。为缓解融资约束，一方面企业要加强流动性管理；另一方面政府要加快金融市场的建设，拓宽企业融资渠道。 　　关键词：融资约束现金―现金流模型面板门限 　　一、文献述评 　　作为公司金融的研究重点，融资约束对公司经营的影响及企业的财务管理模式很早就引起了学者的兴趣。凯恩斯（1936）认为，企业持有流动性的一大好处是可以把握有价值的投资机会。相应地，如果企业面临融资摩擦（financing friction），流动性管理就成为企业管理者必须考虑的重大问题。 　　传统的理论通过企业的投资行为来考察融资约束对企业经营的影响。然而，自Kaplan和Zingales（1997）以来，以上结论受到了多方面的质疑，最具挑战性的观点有两个：一是Tobin’Q的衡量偏误；二是投资―现金流敏感性能否作为判断融资约束存在与否的依据。 　　针对以上问题，Almeida and Campello et al.（2004）等提出了另外一种检验融资约束假设的思路：面临融资约束的公司需要储备现金以保证后续投资项目的实施，而非融资约束公司则没有这种需求。因此，融资约束公司将表现出强烈的现金―现金流敏感性，而非融资约束公司的现金持有政策则不受现金流量多寡的影响，也就不会表现出现金―现金流敏感性。 　　在我国，负债率高的公司具有比较明显的特点：一是国有控股的可能性大。二是资产规模比较大。从我国实际情况来看，由于银行贷款仍然是公司主要的外部融资渠道，越大的公司，可以提供更多的担保，银行需要承担的监督成本也越小。基于上述分析，本文提出如下假设：公司的负债率越高，规模越大，面临的融资约束程度越低。 　　这就引入一个新的问题：如何划分融资约束与非融资约束样本，进而考察不同样本的融资约束程度？以往的文献多采用主观判断的分类法，例如按照企业负债率、资产规模或分红的三分位、四分位数划分样本，为什么高（低）分位数样本就是非融资约束组？依据是什么（张文君，2014）？为此Hansen（1999）提出了面板门限模型（panel threshold model），该模型的基本思想是利用统计检验的方法基于数据本身对样本进行分类，这在很大程度上缓解了先验判断带来的偏误。 　　基于上述考虑，本文将利用面板门限―现金―现金流模型实证检验融资约束假说。 　　二、模型与数据 　　为了保证可比性，本文亦使用Almeida and Campello et al.（2004）的基础模型，并以此为基础构建门槛模型，如方程（1）所示， 　　其中， 和 分别为被解释变量（现金持有变化）和主要解释变量（现金流量）， 为示性函数，qit为Tobin’Q，为企业规模，rit为门槛变量，和大多数文献一样，本文使用企业负债率和企业规模作为门槛变量， 、 为相应的双门限值3，下标 分别为个体和时间标识符。 　　面板门限模型的求解主要包括两步：一是对门槛效应的检验，二是门槛值的求解。本文的数据来源于Wind数据库，选取全部A股上市公司2008――2015年的数据，进一步的筛选原则如下：（1）剔除金融类和ST类公司；（2）剔除有数据缺失的企业；（3）剔除财务数据异常的样本。最终得到1469家公司作为研究对象，共计10283个公司年度观察值。 　　三、实证结果与分析 　　本文采用不同的门槛变量，得到了一致的检验结果――模型中存在两个门槛值，即对于不同负债率（公司规模）的公司而言，由于其面临不同的融资约束，因而其现金―现金流敏感性是不同的。 　　根据负债率作为门槛变量，取公司规模作为门槛变量。得出以下结论：（1）低负债率样本的现金―现金流敏感性系数显著为负，这意味着低负债率反映了公司上佳的财务状况，因而能够有效缓解公司的融资约束，中等负债率和高负债率的现金―现金流敏感性系数为正，且中等负债率样本的系数为0.315，显著大于高负债率样本的0.0172，这部分验证了前文提出的假说――公司的负债率越高，面临的融资约束程度越低。同时，从样本的分布范围来看，低负债率的样本数只有133个，显然，负债率低于8%是一项要求极高的财务指标，企业的资金来源几乎全部来源于内源融资。中等负债率的样本数占到了总体的74%，高负债率的样本数达2542，占比24.7%，其中国企样本数达到1668家，这在一定程度上印证了前文的一个论断――负债率越高的公司国有控股的可能性也越大。（2）若以公司规模为门槛变量，