中國上市公司資本結構與公司價值的相關性研究

■李 洋，彭晨宸，王 丹

一、文獻述評

資本結構是企業在籌集資金的過程中所作出的融資決策行為，自20 世紀50年代開始進入主流經濟學的視野后，就一直成為公司金融學最古老、最重要的議題之一。西方相繼出現的MM 理論、委托代理理論、信號傳遞理論、融資優序理論、控制權理論等，雖然其研究視角各不相同，但始終沒有離開資本結構影響公司價值的主線。

國外諸多學者從實證角度檢驗了資本結構對公司價值的影響，并取得了一系列研究成果，主要概括為四種情況：（一）負債水平與公司價值無關，Black和Scholes（1974）、Litzenberger和Ramaswamy（1979）的研究傾向于支持該觀點。（二）負債水平與公司價值正 相 關，如Peterson和Ang（1997）、Flannery和Rangan（2006）都認為負債比率的提高對公司價值產生正效應。（三）負債水平與公司價值負相關，如Rajan和Zingales（1995）、Gaud和Jani 等（2005）則指出負債比率的提高對公司價值產生負效應。（四）負債水平與公司價值存在區間效應，代表觀點有Frank和Goyal（2009）、Akhtar Shumi（2013）?？梢钥闯?，國外最新的研究結論已經逐步轉向資本結構與公司價值的非線性關系，為我國企業資本結構的決策優化帶來了強力的理論依據和實證經驗。

同西方文獻一樣，國內關于資本結構與公司價值的相關性研究，也沒有達成統一的認識，大致存在三種類型的觀點：（一）負債水平與公司價值正相關。胡志強和卓琳玲（2008）以托賓Q 值作為解釋變量，提出負債比率與公司價值顯著正相關。王化成和李志杰等（2008）以資本結構作為融資決策的代理變量，發現融資決策是治理機制和公司價值之間的中間變量，融資決策的優化能夠改善公司治理，提高公司價值。（二）負債水平與公司價值負相關。胡援成（2008）通過因子分析確定模型變量，再對縮減變量進行回歸分析，實證結果表明較高的公司價值往往伴隨較低的負債比率。陳文浩和劉春江等（2012）則發現負債過重消耗了公司自身積累能力，進而降低了公司價值。（三）負債水平與公司價值非線性相關。汪昌云（2006）實證檢驗了最優的負債區間及其凹凸駐點，發現負債比率與公司價值之間存在非線性關系。王俊韡和徐向藝（2008）則進一步認為資產負債率與公司價值呈現顯著的二次函數關系，并確定了相應的拐點，只有資產負債率低于拐點時負債水平的增加才會對公司價值產生有利影響。國內研究的主要問題在于偏離了MM 理論有關公司價值的實質，對公司價值的界定存在不同程度的片面性或模糊性，因此有必要引入更為合適的公司價值替代變量；同時，現有研究大多運用線性回歸得出資本結構與公司價值的線性關系，但二者之間可能呈現更為復雜的非線性關系及區間效應，需要從曲線關系著手進行論證。我國資本市場正處于發展轉型的關鍵階段，與西方的制度背景和現實國情有著很大差異，本文以滬深兩市的A 股上市公司作為研究樣本，運用因子分析、線性回歸、曲線擬合等方法實證檢驗資本結構與公司價值的相關性，旨在為我國上市公司優化資本結構、提升公司價值提供經驗證據。

二、研究設計

（一）樣本數據

本文以我國滬深兩市A 股上市公司作為研究對象，考慮到不同區域的覆蓋面，首先按照我國的地理位置特征劃分為東北、西北、西南、華北、華中、華東、華南7 個樣本區域，然后從每個區域中獨立、隨機地抽取樣本。為了保證樣本數據的穩定性和連續性，本文以2009～2013年作為選樣窗口，規避單個年度的異常值，在剔除ST、金融類、不足考察年限及重要數據缺失的公司后，每個區域選擇了50家發行A 股的公司，最終得到350 家公司作為研究樣本。所有樣本數據均來源于CCER 中國經濟研究中心數據庫以及巨潮資訊網披露的年報資料，并經過手工整理，數據分析通過SPSS19.0 統計軟件完成。

（二）研究變量

1.被解釋變量

公司價值是指企業在未來經營期限內所創造的的現金流量現值之和。由于我國資本市場的非完全有效性，在現實中多用代理指標來衡量公司價值，如財務績效指標、市場價值指標（托賓Q）、經濟附加值指標（EVA）。刑天才、袁野（2013）認為，國外推崇的托賓Q 與EVA 在我國資本市場機制不盡完善的條件下難以取得精確數據，我國暫時還不具備全面應用托賓Q 與EVA 的市場條件。而陸正飛、宋小華（2006）則通過實證分析得出，財務績效指標對于我國上市公司的價值評估具有較高的參考意義。因此，本文綜合選取多個財務績效指標，分別從不同角度衡量公司價值。

（1）原始變量

公司價值與許多因素密切相關，本文根據國內外主流文獻的研究成果，選取總資產收益率（ROA）、凈資產收益率（ROE）、主營業務收益率（MOP）、每股收益（EPS）、每股凈資產（NAPS）、每股現金流量（CFPS）這6 個財務績效指標來衡量公司價值。

（2）因子分析

①KMO和Bartlett 檢驗。表1 顯示了KMO和Bartlett 檢驗結果，KMO 值為0.631，大于統計學家Kaiser 給出的標準值0.6，說明原始變量之間的信息重疊度較高，適合進行因子分析；Bartlett 球形度檢驗的相伴概率Sig.為0，小于顯著性水平0.05，說明原始變量的相關矩陣不是單位矩陣，符合因子分析的前提條件。

②提取公共因子。表2 顯示了各個成分的特征根、方差貢獻率和累計貢獻率，SPSS19.0 軟件提取了前3 個主成分進行測度，得出的累積貢獻率為75.574%，說明前3 個主成分包含了原始變量的大部分信息，即本文的公共因子。

表2 解釋的總方差

③因子載荷矩陣。以表2 中求得的特征值所對應的、長度為1 的特征向量，來計算公共因子的載荷，求出負載矩陣并作正交旋轉，結果如表3 所示。

表3 旋轉后的因子載荷矩陣

④因子得分方程。表4 給出了因子得分系數矩陣，據此推導3 個主成分的因子得分方程，分別為K1、K2、K3：

表4 因子得分系數矩陣

⑤公司價值綜合因子。將3 個主成分的因子得分K1、K2、K3分別乘以表2 中各自的方差貢獻率，再除以累計貢獻率，即可得到公司價值綜合因子的計量模型CV：

2.解釋變量

資本結構的概念有廣義與狹義之分，廣義資本結構是指企業全部資本的來源構成及其比例關系，不但包括長期資本，而且包括流動負債；狹義資本結構專指長期資本的來源構成及其比例關系，僅僅包括長期負債與權益資本，而將流動負債列入營運資金。國外研究較多使用狹義資本結構，而我國上市公司的流動負債在資本來源中占據絕大多數比重，不能將其排除在外，廣義資本結構更適用于我國國情。因此本文所指的資本結構將流動負債考慮在內，運用廣義資本結構概念，以資產負債率（ALR）作為解釋變量。

3.控制變量

盡管本文著重探討資本結構與公司價值的相關性，但由于經濟發展不平衡等客觀原因的存在，所選取的樣本個體之間存在較大差異，還有一些企業特征因素在很大程度上也會影響研究結果。因此本文進一步引入公司規模（SIZE）、公司成長性（GROW）這兩個控制變量。

綜上所述，本文構造的研究變量如表5 所示。

表5 研究變量定義表

三、實證檢驗

（一）描述性統計

表6 列示了解釋變量與被解釋變量的描述性統計結果。由表6 可知，350 家樣本公司2009～2013年ALR 的均值為53.02%，而根據王俊韡、徐向藝（2008）的研究結果，2003～2006年我國上市公司資產負債率的均值為49.29%，可見其負債水平在逐步上升，但仍然維持在50%左右，基本符合國際通行的債務標準。

此外，2009～2013年ALR均值處于52.1%～53.5%的區間內，變化趨勢平穩；但CV 均值2010年上升了262%，2011年下降了43.28%，2012年下降了235%，2013年上升了76.33%，波動幅度較大。從描述性統計結果來看，資本結構與公司價值的相關性是不確定的，需要進行更為深入的實證檢驗。

表6 描述性統計結果

（二）相關分析

為了預檢驗研究變量之間的關聯程度與相關方向，本文首先對各變量進行初步的相關分析，SPSS19.0 軟件輸出的Pearson 相關分析矩陣如表7所示。

表7 相關分析矩陣

表7 的相關分析結果顯示，兩兩研究變量之間均在1%或5%的水平上顯著相關。其中，ALR 與CV 的相關系數為-0.301，呈顯著的負相關關系，說明提高資產負債率會降低公司價值，該結論與MM理論相悖。而SIZE、GROW 與CV 的相關系數分別為0.2、0.076，均呈顯著的正相關關系，說明擴大資產規模、增強成長能力會提升公司價值。

（三）多重共線性診斷

在線性回歸分析之前，需對解釋變量與控制變量進行多重共線性診斷，為構建多元線性回歸模型提供依據。容差的倒數VIF 值越大，顯示共線性越嚴重，則不適合線性回歸分析。SPSS19.0 軟件輸出的多重共線性診斷結果如表8 所示：

表8 多重共線性診斷

表8 的多重共線性診斷結果顯示，解釋變量與控制變量的VIF 值都小于2，表明回歸方程不存在多重共線性問題，本文使用的研究變量是有效的，可以進行多元線性回歸分析。

（四）線性回歸分析

本文以公司價值綜合因子CV 作為被解釋變量，以資本結構ALR 作為解釋變量，以公司規模SIZE、公司成長性GROW 作為控制變量，由此構建多元線性回歸模型：

其中：α0為常數項；α1為解釋變量的回歸系數；α2、α3為控制變量的回歸系數；ε 為誤差項，代表回歸模型未包括的其他因素對公司價值的影響。

基于以上回歸模型，SPSS19.0 軟件輸出的回歸估計結果如表9 所示：

表9 線性回歸模型估計結果

表9 中調整R2為0.205，說明回歸模型的擬合優度并不高，資本結構與公司價值之間可能存在比線性更為復雜的非線性關系，需要進一步做曲線擬合分析；但Sig.等于0，小于顯著性水平0.05，說明回歸結果總體上是顯著的，研究變量之間具有顯著的相關性。

同 時，ALR、SIZE、GROW的回歸系數分別為-1.294、0.155、0.045，且各自的Sig.均等于0，小于顯著性水平0.05，說明所有變量都通過了t 檢驗。其中，ALR 與CV 顯著負相關，SIZE、GROW 與CV 顯著正相關，與表6 中相關分析結果一致，說明回歸結果具有較強的穩健性。

（五）曲線擬合分析

由于線性回歸模型的擬合優度不高，本文以公司價值綜合因子CV 作為被解釋變量，以資本結構ALR 作為解釋變量進行曲線擬合，利用SPSS19.0 軟件對樣本數據同時選用線性模型、倒數模型、二次多項式、三次多項式、對數模型、復合模型、冪模型、S曲線模型、增長模型、指數模型和邏輯模型，各模型的曲線擬合結果如表10 所示：

表10 各模型曲線擬合結果

通過比較表10 中各模型相關系數的平方值（R2），可知三次多項式（0.122）的擬合結果是最優的，且Sig.等于0，小于顯著性水平0.05，說明該模型有意義。本文進一步分析三次多項式模型的系數，得到表11。

表11 三次多項式擬合結果

表11 中ALR、ALR2、ALR3的Sig.均小于顯著性水平0.05，說明所有變量皆通過了t 檢驗。由此得到三次多項式模型：

由于擬合的三次函數（公式6）剛好具有特殊性，得到的曲線類似于函數Y=X3，如果利用函數極值定理，令其一階導數為0，則無法求得相應的兩個駐點。因此，本文對公式6 進行二次求導，并令其二階導數為0，即可得到該三次多項式的拐點ALR*約為42%。

該三次多項式的擬合曲線如圖1 所示。從CV曲線的變化趨勢可以看出，當ALR 在（0，42%]的區間時，CV 曲線趨于平緩，波動較小，CV 不隨ALR 的增大發生明顯變化，二者之間無顯著關系；而當超過拐點，即ALR 在（42%，∞）的區間時，CV 曲線呈陡然下滑的趨勢，CV 隨著ALR 的增大而大幅降低，二者之間顯著負相關。

圖1 三次多項式的擬合曲線

四、研究結論

綜上所述，本文得出如下研究結論：資產負債率與公司價值的相關性呈顯著的曲線關系，拐點為42%，存在區間效應。當資產負債率小于42%時，公司價值與負債水平的關系并不顯著，受負債比率的影響程度較??；當資產負債率大于42%時，公司價值與負債水平呈顯著的負相關關系，隨負債比率的增大而降低。

根據表6 的描述性統計結果，2009～2013年資產負債率的均值為53.02%，正處于公司價值的降低區間內，表明負債水平的增加將不利于公司價值的提升。因此我國上市公司應該適度降低資產負債率，才能進一步提高公司價值，而事實上，2010～2013年資產負債率的均值呈現逐漸下降的趨勢，正好符合公司價值提高的要求。

本文的研究結論驗證了資產負債率對于公司價值的區間效應，但與西方研究結果存在兩方面的差異：其一，西方學者得出的資產負債率拐點在70%左右（Frank和Goyal，2009、Akhtar Shumi，2013），而本文得到的拐點只有42%；其二，MM 理論及西方經驗證據認為資產負債率低于拐點時，公司價值與負債水平呈正相關關系，但本文的結論是該區間內公司價值與負債水平無顯著關系。造成以上差異的原因在于，我國目前多數投資者對于公司負債的認識仍舊存在誤區，往往認為無負債或負債少的公司才是好公司，負債的稅盾效應、財務杠桿效應、公司治理效應、信號傳遞效應等功能在我國并未得到充分發揮，與西方國家的實際情況差距較大。因此，該結論提示我們，應該積極培育信貸市場與債券市場，有效發揮負債的財務杠桿作用和信號傳遞機制，合理利用債務融資來提升公司價值，資產負債率對公司價值影響的拐點將會大大提高。

[1]Black F,Scholes M.The Effects of Dividend Yield and Dividend Policy on Common Stock Prices and Returns[J].Journal of Financial Economics,1974,1(1):1～22.

[2]Litzenberger R H,Ramaswamy K.The Effect of Personal Taxes and Dividends on Capital Asset Prices:Theory and Empirical Evidence [J].Journal of Financial Economics,1979,7(2):163～195.

[3]Peterson P,Ang J S.Direct Evidence on the Marginal Rate of Taxation on Dividend Income [J].Journal of Financial Economics,1997,14(2):267～282.

[4]Flannery M K,Rangan K P.Partial Adjustment toward Target Capital Structures[J].Journal of Financial Economics,2006，79(3):469～506.

[5]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,2005,11(1):51～69.

[6]Frank M Z,Goyal V K.Capital Structure Decisions:Which Factors Are Reliably Important[J].Financial Management,2009,9(1/2):1～37.

[7]Akhtar Shumi O B.Determinants of Capital Structure for Japanese Multinational and Domestic Corporations[J].International Review of Finance,2013,9(1/2):1～26.

[8]胡志強，卓琳玲.IPO 市場時機選擇與資本結構關系研究[J].金融研究，2008，（10）：136～149.

[9]王化成，李志杰，孫健.境外上市背景下治理機制對公司價值的影響——基于融資決策傳導效應的研究[J].會計研究，2008，（7）：90～100.

[10]胡援成.中國企業資本結構問題研究[M].北京：中國財政經濟出版社，2008：51～73.

[11]陳文浩，劉春江，陳曉懿.管制放松背景下的利率變動與公司資本結構動態調整——基于制造業的經驗分析[J].財經研究，2012，（12）：63～73.

[12]汪昌云.公司財務政策與公司治理：中國的實踐[M].北京：中國人民大學出版社，2006：173～188.

[13]王俊韡，徐向藝.資本結構與利益相關者控制權研究[J].開發研究，2008，（1）：148～151.

[14]刑天才，袁野.我國上市公司資本結構動態調整的實證研究[J].財經問題研究，2013，（5）：64～70.

[15]陸正飛，宋小華.財務指標在股票投資決策中的有用性：基于中國證券市場的實證研究[J].南開管理評論，2006，（9）：31～38.