学文网摘要：本文采用二元Logistic回归模型法，选取制造业上市公司2009―2013年的财务数据，构建了反映制造业上市公司外部融资约束程度的融资约束指数。该指数的判别正确率为94.9%。在此基础上，运用财务理论研究中广泛使用的投资-现金流敏感性工具，间接对该指数进行实证检验，结果表明，高融资约束公司的投资-现金流敏感性显著高于低融资约束公司。
关键词：融资约束 融资约束指数 投资-现金流敏感性
一、引言
根据现代融资理论，融资约束是指当企业自有资金不足以实施意愿投资转而寻求外源融资时所面临的摩擦。融资约束型企业难以获得外源融资，其投资更依赖自身现金流，外源融资瓶颈制约了企业再投资决策。融资约束理论的实证研究中，难点问题在于如何确定一个合适的变量来反映企业融资约束的程度。由于公司面临的融资约束程度缺乏直观性，研究通常借助于一些单变量度量指标。而采用多元财务指标构建的融资约束指数主要是以西方资本市场的数据为基础，基于我国资本市场与西方发达国家存在的差异，直接应用这些指数进行研究可能会导致计量的偏差。
为此，本文借鉴国内外学者构建融资约束指数指标的计量方法，选取我国制造业上市公司的数据，采用二元Logistic回归模型构建反映制造业上市公司外部融资约束程度的融资约束指数。在此基础上，运用财务理论研究中广泛应用的投资―现金流敏感性，间接对融资约束指数进行评价。
二、文献综述
根据以往国内外学者的研究方法，构建融资约束指数的方法主要分为两大类：单变量融资约束指数和多元变量融资约束指数。
单变量融资约束指数，如早期研究一般以企业规模作为融资约束的变量。Ritter（1987）采用公司规模作为判断指标，认为小规模公司由于存在信息不对称及证券发行交易成本较高，很难进入外部资本市场，会面临较为严重的融资约束。Fazzari 等（1988） 做了开创性的工作，将股利支付水平作为企业融资约束程度的判断标准，认为分红越少的企业可能面临越严重的融资约束。Gertler和Gilchrist（1994）指出，利息保障倍数能够反映公司财务状况和获取债务资本的能力。Guariglia（1999）认为，外部融资成本是利息保障倍数的递减函数。因此，利息保障倍数可作为公司外部融资成本溢价的变量。
多元变量融资约束指数，由多个与融资约束程度相关的变量构建而成，如Kaplan and Zingales利用Ordered Logistic方法构造了KZ指数；Maestro ed al.使用融资约束二分法构建了融资约束判别模型，并利用Ordered Logistic方法构建融资约束指数；Wang引入了随机前沿的思想，用受到融资约束的投资水平相对理想的、不受约束的投资前沿面下降的程度来进行融资约束程度的度量；Whited and Wu利用GMM方法对Euler投资等式进行估计，构建了一个公司外部融资约束的WW指数。
三、融资约束指数的构建
（一）样本选择与数据来源
研究样本为2009―2013年沪深股市所有A股制造业企业，剔除ST、*ST公司以及数据缺失的样本，最终样本为607家公司，公司的财务数据来源于国泰安数据库和巨潮数据库。
（二）样本预分组和变量选取
1.样本预分组。借鉴KZ指数构建的思路，采用二元Logistic回归模型构建融资约束指数，首先需要对研究样本进行预分组处理，即将整个研究样本划分为高融资约束组和低融资约束组。选取利息保障倍数作为样本预分组指标，利息保障倍数是企业受融资约束状况的良好替代变量，在判断上市公司的融资约束大小时，具有较高的判断能力，且融资约束与利息保障倍数呈负相关关系。对样本观测值按照利息保障倍数从大到小排序，分别选取前33%的观察值作为低融资约束组，后33%作为高融资约束组。剔除数据缺失样本，得到低融资约束1 037个样本，高融资约束989个样本。
2.变量选取。借鉴国内外相关研究成果，选取财务冗余（Slak）、资产负债率（Lev）、股利分配率（Div）、净资产收益率（Roe）4个财务指标来识别融资约束状态。
财务冗余（Slak）：融资约束企业有持有较多现金余额的激励动机，因为当其他来源的资金成本较高时，财务冗余提供了一项成本较低的资金来源，财务冗余较大，表明企业能够以较低风险满足资金的需求，是企业财务灵活性的直接体现。因此，增加财务冗余能够放松企业的融资约束。财务冗余（Slak）=（现金+交易性金融资产+0.5×存货+0.7×应收账款-短期借款）/固定资产净值。
资产负债率（Lev）：该指标表示公司总资产中有多少是通过负债所得，同时也是评价公司负债水平的综合指标，是一项衡量公司利用债权人资金进行经营活动能力的指标，也反映债权人发放贷款的安全程度。资产负债率（Lev）=负债总额/资产总额。
股利分配率（Div）：该指标是反映公司的股利***策的指标，表示公司分派的股利在净收益中所占的比重。股利分配率的高低反映公司留存收益的多少，进而影响公司内部资金的多少。股利分配率（Div）=每股现金股利/每股收益。
净资产收益率（Roe）：中国上市企业在资本市场融资的很多行***规定与净资产收益率挂钩，上市公司在证券市场融资的难易程度直接与净资产率相联系。净资产收益率（Roe）=净利润/平均净资产。
对这4个指标进行高融资约束组和低融资约束组之间均值差异的t检验，4个变量其均值在两组之间存在显著差异，说明这4个变量指标能够较好地区分不同样本组别的融资状态（见表1）。
（三）Logistic模型回归结果
首先对4个自变量进行多重共线性检验，结果表明在5%显著性水平下，自变量间不存在显著相关性。然后根据高融资约束组和低融资约束组样本数据进行Logistic回归，检验结果表明，模型拟合程度很高，在5%的显著性水平下模型总体关系显著，回归系数显著不为零，见表2。
另外，模型预测准确性很高，预测错判率仅为5.1%。基于以上Logistic模型的回归结果构造以下融资约束指数，该指数值越大，说明融资约束程度越高：
FC=-3.105+10.555×Lev-0.381×Slak-36.469×Roe-0.215×Div
四、融资约束指数的评价
对于指数的构建，较难解决的问题是如何对其做出恰当的评价。当指数反映的标的不能直接观测时，指数的评价就不能通过可观测的现象或事实进行直接验证。FHP（1988，2000）指出，融资约束程度与“投资-现金流敏感性”之间呈单调递增的线性关系，“投资-现金流敏感性”可作为一个有效的融资约束程度的衡量指标。借鉴该研究结论对本文所构建的融资约束指数进行实证应用。
（一）样本选择和数据来源
选择构建融资约束指数的607个公司一年观察值作为总样本，融资约束指数选取滞后一期的数据，其他财务数据取自2009―2013年。根据FC指数对样本观察值从大到小排序，分别取前33%的观察值为高融资约束组，后33%为低融资约束组。剔除资产负债率大于100%的观察值。所有财务数据来源于国泰安数据库。
（二）回归模型和变量定义
在融资约束与公司投资关系的实证研究文献中，学者们一般沿袭FHP（1988）的研究范式，采用投资的缩减模型（Ruduced-Form Equations）作为基础回归模型，即在Q投资模型的基础上加入反映公司内部资金的财务变量。本文采用这种回归模型对融资约束指数进行评价。
IKit=β0+β1SGTHit+μit（1）
IKit=β0+β1SGTHit+β2CFKit+μit（2）
IKit=β0+β1SGTHit+β2CFKit+β3CFKit ×DFCir-1+β4 DFCir-1+μit （3）
模型（1）为Q投资模型，其中，IK为固定资产投资支出，其值等于现金流量表中购买固定资产、无形资产及其他长期所支付的现金除以期初固定资产净值；SGTH为主营业务增长率。模型。（2）为流动性约束投资模型，其中，CFK为现金流变量，其值等于息税折旧与摊销前利润除以期初固定资产净值。模型（3）为现金流与融资约束哑变量交乘项的投资模型，其中，DFC为滞后一期的融资约束哑变量，当观察值属于融资约束指数所界定的高融资约束时，其值等于1，否则等于0。
（三）实证研究结果及分析
首先对全样本进行回归分析，结果见下页表3。
Q投资模型的回归结果显示SGTH的回归系数显著为正，但模型拟合优度仅为3.9%。流动性约束模型的现金流量CFK的回归系数显著为正，且显著性水平为1%，说明公司投资―现金流敏感性显著为正，固定资产投资支出依赖于公司内部现金流。且拟合优度较高，由3.9%上升至13.7%。将年份哑变量加入模型后，模型拟合优度进一步提高为14.4%，且现金流的显著性水平保持在1%，说明公司投资支出对内部现金流的依赖并不因时间的影响而变化。
为考察融资约束程度不同的样本组别之间投资-现金流敏感性的差异，把总样本分为高融资约束组和低融资约束组，并分别进行回归分析。Q投资模型的回归结果表明，SGTH的回归系数在两组样本中均显著为正。流动性约束模型结果中，高融资约束组样本的现金流变量回归系数均高于低融资约束组样本，且在1%的水平上显著。同时，高融资约束组模型的整体解释力明显高于低融资约束组。初步判断高融资约束组比低融资约束组具有更高的投资-现金流敏感性。
为检验高融资约束组与低融资约束组的投资-现金流敏感性差异是否存在统计上显著，采用交乘项回归模型进行回归分析，得到表4回归结果。现金流量与融资约束哑变量的交乘项回归系数均显著为正，且显著性水平为1%，说明高融资约束公司的投资-现金流敏感性显著高于低融资约束公司。同时，融资约束哑变量的回归系数显著为负，显著性水平分别为5%和10%，说明融资约束导致了公司的投资不足。
五、研究结论
本文采用中国制造业上市公司2009―2013年的财务数据，运用二元Logistic回归模型的计量方法，选取资产负债率、财务冗余、净资产收益率和股利分配率4个财务指标，构建反映中国制造业上市公司外部融资约束程度的综合指数，模型判别能力较高，Logistic回归模型的判别正确率为94.90%。在此基础上，利用投资-现金流敏感性工具，间接对所构建的融资约束指数进行评价，实证检验表明，高融资约束组公司的投资-现金流敏感性显著高于低融资约束组公司。实证结果与FHP（1988）的研究结论一致。因此，本文所构建融资约束指数能够较好地反映中国制造业上市公司融资约束程度的差异。Z
参考文献：
1.魏锋，刘星.融资约束、不确定性对公司投资行为的影响[J].经济科学，2004，（2）.
2.顾群，翟淑萍.融资约束、成本与企业创新效率――来自上市高新技术企业的经验证据[J].经济与管理研究，2012，（5）.
转载请注明出处学文网 » 融资约束指数构建与评价