融資約束條件下中小企業非效率投資問題研究

張英明++張精

【摘 要】 以2011—2015年的中小企業板上市公司為研究對象，采用Richardson投資期望模型、獨立樣本T檢驗、主成分分析和多元線性回歸等方法，分析了融資約束條件下中小板上市公司的非效率投資問題，并就融資約束與投資不足二者之間的關系進行了實證研究，以期對其他非上市中小企業非效率投資問題的研究提供有益借鑒。研究結果表明：我國中小企業面臨的投資不足現象相比過度投資現象更為嚴重，且中小企業融資約束程度越高，其投資不足現象越嚴重。

【關鍵詞】 中小企業； 融資約束； 非效率投資； 投資不足

【中圖分類號】 F275.1 【文獻標識碼】 A 【文章編號】 1004-5937（2017）05-0097-06

MM理論認為資本市場是完美的，公司的投資和融資決策之間是沒有關系、完全分離的，但隨著委托代理、信息不對稱等理論的提出，打破了完美資本市場的假說。此后，越來越多的學者開始關注投資與融資之間的關系問題。企業融資狀況受信息不對稱、委托沖突等問題的制約，會對其投資決策產生重要的影響，使其出現“投資不足”或者“過度投資”的非效率投資行為。目前，國內外有關融資約束對公司投資行為影響的研究大多集中在探討融資約束與投資現金流敏感性的關系上，而對融資約束與投資效率關系的研究相對較少。另外，我國中小企業由于受自身融資條件、外部融資環境以及國家金融政策等方面的制約，一直面臨較大的融資約束，其投資行為必然因融資約束問題受到較大的影響。因此，研究我國中小企業融資約束與其投資行為和效率的關系具有重要的意義。

一、文獻回顧與研究假設

（一）文獻回顧

在研究融資約束是否影響公司投資行為的問題時，大多數國外學者關注的重點在融資約束與投資現金流敏感性之間的相互關系。Fazzari et al.[1]在信息不對稱理論和融資優序理論的基礎上定義了融資約束的概念。他們將融資約束的替代變量——股利支付率引至投資模型中，對不同融資約束程度下企業投資支出與內部現金流量之間的關系進行了實證分析，研究結果顯示融資約束和投資現金流量敏感性呈顯著正相關。此后，許多學者直接運用FHP模型或對其進行簡單調整后對投資行為與融資約束之間的關系進行研究，并得出與FHP相對一致的結論[2-3]。

然而，也有一部分學者對FHP的研究結論提出了質疑。Kaplan & Zingales[4]對Fazzari et al.研究的樣本數據重新進行分析，得出與 FHP完全相反的結論：融資約束與企業投資現金流敏感性兩者之間呈顯著負相關關系。他們認為沒有面臨融資約束的企業也會表現出較高的投資現金流敏感性，這是因為由于代理沖突的存在，沒有面臨融資約束的企業的實際控制人很可能通過濫用資金投資凈現值小于零的項目以牟取私利，導致企業發生過度投資的非效率投資行為，進而表現出較高的投資現金流敏感性。Gomes[5]研究發現投資現金流敏感性與融資約束之間并不必然相關。綜上所述，FHP模型是否能正確反映企業投資與融資約束之間的關系是值得商榷的。

隨著國外相關理論和實證研究的發展，國內學者對融資約束與公司投資行為及其效率之間關系的研究成果也漸漸增多，但大部分文獻仍是參照國外學者對投融資關系的分析范式來對我國的企業進行驗證。

馮巍[6]基于FHP模型與方法，選取135家A股上市公司1995—1997年的數據，以股利支付率作為融資約束替代變量，探討我國上市公司融資約束變化對其投資現金流的影響。研究表明，企業面臨的融資約束及其投資行為很大程度上受企業內部現金流的影響。同時，研究結果還顯示，股利支付率較低的企業的投資現金敏感度更高，從而驗證我國上市公司普遍存在融資約束問題。

劉俏和戚戎[7]、魏鋒和劉星[8]、魏鋒和孔煜[9]等先后參照FHP的研究思路，對融資約束與公司投資之間的相關問題進行了實證研究，并得出了與FHP基本一致的結論。

李延喜等[10]選取A股上市公司為研究樣本，從融資約束的影響因素選取其衡量指標，利用主成分分析法構建融資約束程度的量化公式，求得所選樣本公司各年的融資約束指數，并將融資約束指數引入投資模型中，研究其與投資現金敏感性之間的關系，實證結果表明融資約束抑制企業投資行為，即公司面臨的融資約束越大，投資支出就越少。

通過回顧國內外相關研究可以發現，國內外學者在融資約束與投資之間關系這一問題上的研究已有較多的成果，但研究成果仍存在一定的局限性：第一，大多數文獻研究的重點是從投資現金流敏感性的角度考察融資約束是否影響企業投資行為，很少有研究關注融資約束對企業投資效率的影響。第二，對融資約束衡量變量的選擇上也沒有統一的標準，學者們運用相同或不同的方法來度量融資約束時，研究結論往往差異較大。第三，以往研究所選取的樣本多為A股上市公司，我國很大一部分A股上市公司為國有或具有國有背景的大企業，對國有企業來說，影響其投資行為的主要還是代理問題而非融資約束，所以對融資約束問題更為嚴重的中小企業來說，已有研究成果的適用性值得探究。基于此，本文從企業融資約束的影響因素著手對融資約束進行量化，同時選取中小板上市公司作為研究樣本，探討中小企業融資約束與非效率投資之間的關系，為有效改善中小企業的投融資行為提供有益借鑒。

（二）研究假設

以往以上市公司為樣本的研究成果認為融資約束問題會造成上市公司的投資不足，而代理成本對公司投資行為的影響則帶有很大的不確定性，代理沖突的出現不僅會導致投資不足，也很可能引起投資過度。Ross[11]認為由于所有權和經營權的分離，股東和經營者追求的利益往往會出現不一致，風險厭惡型的經理通常會因規避風險而選擇放棄凈現值（NPV）大于零的投資項目，從而導致投資不足。自由現金流假說指出，在所有權和經營權分離的情況下，經理人掌握著公司的實際控制權，當企業有剩余的現金流量時，經理人可能會出于私利選擇將這部分自由現金流量投向符合自身利益的投資（即使投資項目凈現值小于零），而不是將其用來增加股東財富，從而引起過度投資[12]。Johnson et al.[13]認為大股東與小股東之間存在的利益沖突可能導致公司投資對于股東來說可享受協同效應但NPV小于零的項目，從而引發投資過度的非效率投資問題。我國中小企業相對于上市公司來說規模小，在股權結構和公司治理等方面的發展相對滯后，大部分中小企業均存在兩權合一的現象，其委托代理關系十分簡單，因此委托代理問題并不突出，因而管理者追求私利的動機并不強烈，即發生過度投資行為的可能性較小。另外，我國中小企業由于自身發展不確定性以及我國資本市場發展緩慢、融資擔保體系不健全等多種原因，長期面臨著資金不足以及融資難的問題，經營者的投資態度總體較為謹慎，有時還可能會為規避風險不得不放棄一些NPV可能大于零的投資項目，從而導致投資不足。因此，筆者認為中小企業面臨的由融資約束引起投資不足的非效率投資問題比代理沖突引起的過度投資問題要嚴重得多，研究中小企業非效率投資問題關注的重點應放在投資不足問題上。基于上述討論，本文提出假設1、假設2。

H1：我國中小企業非效率投資行為主要表現為投資不足，即我國中小企業面臨的投資不足現象相比過度投資現象更為嚴重。

H2：中小企業融資約束越高，其投資不足現象越嚴重，即中小企業融資約束與投資不足正相關。

二、研究設計

（一）數據來源與樣本選擇

考慮到上市公司數據信息的透明性、權威性，本文選取中小板上市公司為研究樣本，研究期間為2011—2015年度。為了保證樣本有效性，按照以下標準進行篩選：（1）剔除ST、*ST狀態的公司；（2）剔除上市年齡不足一年的公司；（3）剔除存在異常數據以及指標缺失的公司；（4）剔除金融保險行業上市公司。按照上述原則篩選數據后，選取2011年285家、2012年472家、2013年586家、2014年643家、2015年620家中小板上市公司，共2 606個觀測值。研究數據主要來源于國泰安數據庫，數據處理采用Excel 2003和SPSS 21.0軟件進行。

（二）主要變量設計

1.企業非效率投資的度量

本文選取的被解釋變量是企業非效率投資。企業投資決策會受到如信息不對稱、代理成本等因素的制約，使其面臨融資約束或代理人任意支配公司自由現金流的問題，從而導致“投資不足”或者“過度投資”的非效率投資行為[14]。本文將借鑒Richardson[15]的投資模型，利用模型的殘差對非效率投資進行度量，殘差為正值表明企業存在投資過度行為，反之則表明企業存在投資不足行為。本文結合中小企業自身的特點，在Richardson[15]模型的基礎上改進從而得到如下模型：

Invi，t=α0+α1Cashi，t-1+α2Levi，t-1+α3Growthi，t-1+

α4Sizei，t-1+α5Invi，t-1+[∑]Year+εi，t （1）

式中，Invi，t表示i公司t年的投資水平，計算公式是用購置固定資產、無形資產和長期資產所支付的現金除以期初總資產。Cashi，t-1代表公司的現金持有量，即現金及現金等價物的期末數與期末總資產的比值；Levi，t-1表示公司的資產負債率；Sizei，t-1是總資產的自然對數，代表公司規模；Invi，t-1表示公司上年度投資水平；Year為年度虛擬變量；εi，t是模型1的殘差。

2.融資約束的度量

本文選取解釋變量是融資約束（FI）。融資約束問題是一個相對復雜的問題，目前學術界對融資約束的認識并不統一，對其如何進行度量一直以來也是實證研究的難點。本文首先從融資約束的影響因素入手初步選取其衡量指標，考慮公司規模、償債能力、盈利能力、成長能力、現金能力等多方面因素以及數據的可得性，選取總資產自然對數、資產負債率、流動比率、凈資產收益率、營業凈利率、總資產增長率、可持續增長率、營業收入現金比率、總資產現金回收率9個指標，來構建度量融資約束的指標體系，接著分別以凈資產收益率和利息保障倍數兩個變量指標為標準對研究樣本進行升序排列①，將樣本預分組為高融資約束組和低融資約束組，并通過對兩組樣本數據進行獨立樣本T檢驗來篩選指標，最后通過主成分分析法并利用篩選后的指標構建衡量融資約束程度的公式。

（三）控制變量選擇

雖然中小企業代理問題相對于融資約束對投資效率的影響較小，但考慮到所選取樣本為中小企業上市公司，因此，選取公司屬性、代理成本等因素的替代指標作為控制變量。

公司規模（Size）：規模較小的公司相比大規模公司更易面臨融資約束，且大公司的代理沖突通常比較嚴重。因此，公司規模會影響到公司的投資效率。

上市年齡（Age）：企業處在不同發展階段，所采取的投資戰略往往不同。處于成長期的企業有循序擴張的沖動，新增投資通常較多；成熟期企業出于風險規避的目的以及衰退期企業由于資金來源緊張的原因，非效率投資更多表現為投資不足。因而認為企業年限越長，投資越少。

管理層薪酬（Pay）：提高管理層薪酬可有效緩解代理沖突，薪酬的提高可使管理層在工作中得到較強滿足感，從而減少背離股東利益的非效率投資決策的行為。

產出效率（Turnover）：銷售收入與固定資產凈額的比值——固定資產周轉率，能夠反映由管理層的錯誤投資決策或者管理層的偷懶行為導致的資產使用效率低下而引起的代理成本，因而用產出效率（固定資產周轉率）作為代理成本的替代變量。

（四）融資約束與非效率投資回歸模型構建

根據本文提出的假設2，為檢驗中小企業融資約束指數與投資不足之間的具體關系，構建如下回歸模型：

UInvi，t=α0+α1FIi，t+α2Sizei，t+α3Agei，t+α4Payi，t+α5Trunoveri，t+

[∑]Year+εi，t （2）

三、實證結果與分析

（一）融資約束程度的量化

1.獨立樣本T檢驗

分別以利息保障倍數和凈資產收益率兩個變量為依據，將樣本數據按升序排列，取前30%作為高融資約束組，后30%作為低融資約束組，將同時進入兩個組別的樣本作為進行獨立樣本T檢驗的樣本數據，依照以上操作，得到226個高融資約束組觀測值，204個低融資約束組觀測值。對所選9個變量進行均值的獨立樣本T檢驗，檢驗各個變量在高、低融資約束組間均值之間有無差異。

從表2可以看出，除了資產負債率這一指標外，低融資約束組的其他各指標較高融資約束組來說均值相對較大。另外，除了總資產增長率之外，其他8個指標變量顯著性水平均小于0.05，而總資產增長率在高低融資約束組之間無明顯差異，表明該指標不適合用于判斷公司是否受到融資約束，應當予以剔除，剩余的8個指標在兩個組別之間有明顯差異，下文將這8個指標作為利用主成分分析法計算公司融資約束程度的因子。

2.主成分分析

總資產自然對數（X1）、資產負債率（X2）、流動比率（X3）、凈資產收益率（X4）、營業凈利率（X5）、可持續增長率（X6）、營業收入現金凈含量（X7），總資產現金回收率（X8）通過了獨立樣本T檢驗，將這8個指標作為利用主成分分析構建融資約束量化公式的指標。對8個指標變量進行主成分分析，結果如表3所示。

一般來說，KMO統計量值為0.7以上比較合適作主成分分析，大于0.9時效果最佳，0.5以下不予考慮[16]。表3中，KMO值為0.783，說明所選指標變量適合做主成分分析，且Bartlett球形檢驗統計量的Sig值小于0.05，由此可知各變量之間存在著明顯的相關性。

表4給出8個因子的貢獻率以及累計貢獻率。在進行因子提取時，要遵循選取的主成分特征根大于1或者能包含原指標變量85%以上信息量的原則，因此，本研究提取累計解釋率達到89.245%的4個因子。

根據因子的特征根和因子負載矩陣進行主成分分析得到特征向量矩陣，如表5所示。

根據特征向量矩陣，得到各主成分的表達式：

F1=-0.020X1-0.11X2-0.063X3+

0.227X4+0.161X5+0.233X6-0.054X7-

0.025X8

F2=0.014X1+0.003X2-0.056X3-

0.034X4-0.025X5-0.057X6+0.402X7+

0.410X8

F3=0.191X1-0.298X2+0.645X3-

0.095X4+0.138X5-0.121X6+0.024X7-

0.113X8

F4=1.096X1+0.304X2+0.365X3-

0.060X4+0.049X5+0.065X6+0.083X7-

0.052X8

利用SPSS軟件對原始變量X1—X8進行標準化后，即可根據主成分的表達公式計算得到樣本各主成分的得分。

3.融資約束指數構建

根據4個主成分各自貢獻率占累計貢獻率的比重，加總并求其倒數得出公司融資約束程度的量化公式為：

FI=1/[（32.490%F1+22.872%F2+19.392%F3+

14.491%F4）/89.245%]

即：FI=1/（0.364F1+0.256F2+0.217F3+0.163F4）

FI代表融資約束指數，該指數數值越高，說明該公司所受的融資約束越嚴重，反之，則說明公司面臨較輕的融資約束。

（二）描述性統計

1.投資效率殘差統計分析

由表6可知，投資效率殘差的極大值為0.52606，極小值為-0.54703，表明企業的非效率投資程度差異較大，且ε<0的觀測值有1 612個，ε>0的觀測值有994個，投資不足的公司數量遠遠大于投資過度的公司數量，因此可以說明，我國中小板上市公司存在嚴重的投資不足問題，且中小企業投資不足問題遠甚于投資過度問題，從而驗證了假設1。

2.回歸模型各變量的描述性統計

通過中小企業板上市公司投資效率模型回歸殘差（非效率投資類型）的統計可知，我國中小企業普遍存在投資不足的現象，因此本文選取利用Richardson投資期望模型篩選出的1 612個投資不足的樣本作為觀測樣本。為了便于研究，對于投資不足樣本的殘差取其絕對值，殘差絕對值越大，說明實際投資額與預測投資額之間的差值越大，即投資不足越嚴重。對模型2中的各變量做描述性統計，結果如表7所示。

由表7可知，投資殘差（投資不足）均值為0.02940，標準差為0.02761，說明我國中小企業板公司之間投資行為差異較大。另外，融資約束指數數值較小且均值為負數，說明所選取的投資不足樣本公司存在較大的融資約束。

（三）相關性檢驗

綜合Person、Spearman相關性檢驗對融資約束與投資不足的關系進行初步驗證，并明確各變量是否適合做多元回歸分析，相關性檢驗的結果如表8所示。

相關系數表中顯示，投資不足和融資約束指數相關系數為正，即融資約束程度越高，投資不足行為越嚴重，初步驗證假設2，且各變量之間的相關系數均未超過0.3，由此可見，各變量間不存在明顯的多重共線性問題，所選變量適合做多元回歸分析。

（四）回歸結果分析

本文在相關性檢驗基礎上，運用SPSS軟件對融資約束與投資不足之間的關系進行多元線性回歸檢驗，以分析中小企業融資約束對公司投資不足產生的影響。回歸結果見表9。

由表9可知，R2為0.338，調整R2為0.318，說明回歸方程擬合情況可以接受；標準誤差很小且均接近于0，說明樣本對總體的代表性比較高；回歸方程整體的顯著性為0.00，通過了α為0.01水平上的顯著性檢驗，說明回歸模型的因變量、自變量間存在顯著的線性關系。融資約束指數和公司投資不足之間的相關系數為0.013，Sig值為0.024，小于顯著性水平0.05。從上文構建融資約束指數的原則可知，融資約束指數數值越大，面臨的融資約束越嚴重，因此可以得到中小板上市公司融資約束與投資不足之間呈顯著正相關的結論，從而驗證了假設2。另外，公司規模、上市年數、高管薪酬與投資不足之間的相關系數均為負數，且Sig值均低于顯著性水平0.05，說明以上三個變量之間均與投資不足負相關，從而證實所選取控制變量的正確性。作為代理成本替代變量的固定資產周轉率和投資不足之間的相關系數為-0.009，但是Sig值大于0.05，說明其與公司投資不足呈負相關關系，顯著性不明顯。

四、結論與建議

本文以中小板上市公司作為中小企業的優秀代表，研究其融資約束與非效率投資之間的關系，以期對其他非上市中小企業日后研究提供有益借鑒。實證研究結果表明，中小板上市公司非效率投資行為主要表現為投資不足，且融資約束與投資不足正相關。根據本文所揭示的中小上市公司融資約束與非效率投資關系可知，想要有效地抑制中小企業普遍存在的投資不足的非效率投資問題，必須從緩解其融資約束入手。為此，本文提出如下三點建議：

第一，中小企業應提升自身融資能力。中小企業應規范治理結構、做好信息披露、提高經營效率、增強信用意識等，通過“練內功”“強自身”來緩解融資約束進而提高投資效率。

第二，金融機構應創新金融產品、提升金融服務中小企業的水平。金融機構要大力發展諸如“供應鏈金融”“社區金融”等適合中小企業的金融服務方式；同時，隨著互聯網的發展，金融機構要加大與互聯網的融合，做好互聯網金融產品的開發與創新，利用互聯網金融在降低信息不對稱與交易成本方面的先天優勢，滿足中小企業的融資需求。

第三，政府部門應為中小企業發展創造有利的融資環境。政府部門應大力發展多層次的資本市場，建立專業的中小企業金融服務機構，拓展如私募、風險投資、信托、租賃等多種融資渠道，建立和完善支持中小企業發展的政策和服務體系，從而有效緩解中小企業融資約束，促進中小企業發展。

【參考文獻】

[1] FAZZARI S M，HUBBARD R G ，PETERSEN B C.Financing Constraints and Corporate Investment[J]. Brookings Papers on Economic Activity，1988（1）：141-206.

[2] CHAPMAN D R，JUNOR C W，STEGMAN T R.Cash Flow Constraints and Firms Investment Behavior [J]. Applied Economics，1996，28（8）：1037-1044.

[3] DEGRYSE H，JONG A.Investment and internal finance：asymmetry information or managerial discretion？[J]. International Journal of Industrial Organization，2006，24（1）：125-147.

[4] KAPLAN S，et al.Do Investment-cash Flow Sensitivities Provide useful Measures of Financing Constraints？[J]. Quarterly Journal of Economics，1997，112（1）：169-215.

[5] GOMES，JOAO.Financing Investment[J]. American Economic Review，2001，91（5）：1263-1285.

[6] 馮巍.內部現金流量和企業投資——來自我國股票市場上市公司財務報告的證據[J].經濟科學，1999（1）：45-49.

[7] 劉俏，戚戎.中國金融學[M]. 成都：四川大學出版社， 2003：23-28.

[8] 魏鋒，劉星.融資約束、不確定性對公司投資行為的影響[J].經濟科學，2004（2）：35-43.

[9] 魏鋒，孔煜. 融資約束、不確定性與公司投資行為——基于我國制造業上市公司的實證分析[J].中國軟科學，2005（3）：12-15.

[10] 李延喜，杜瑞，高銳，等.上市公司投資支出與融資約束敏感性研究[J]. 管理科學，2007（1）：82-88.

[11] ROSS S A. The economic theory of agency：the principal's problem[J]. Decision Making under Uncertainty， 1973，63（2）：134-139.

[12] JENSEN M C， MECKLING W H. Theory of the firm：managerial behavior， agency costs， and capital structure[J]. Journal of Financial Economics， 1976， 3（4）：305-360.

[13] JOHNSON S A，HOUSTON M B. A reexamination of the motives and gains in joint ventures[J].Journal of Financial and Quantitative Analysis，2000，35（1）：67-85.

[14] 張純，呂偉.信息披露、信息中介與企業過度投資[J].會計研究，2009（1）：60-65.

[15] RICHARDSON S.Over-investment of Free Cash Flow[J]. Review of Accounting Studies，2006，11（2）：159-189.

[16] 賈麗艷，杜強.SPSS統計分析標準教程[M].北京：人民郵電出版社，2010：301-307.