融资约束条件下中小企业非效率投资问题研究

张英明++张精

【摘 要】 以2011—2015年的中小企业板上市公司为研究对象，采用Richardson投资期望模型、独立样本T检验、主成分分析和多元线性回归等方法，分析了融资约束条件下中小板上市公司的非效率投资问题，并就融资约束与投资不足二者之间的关系进行了实证研究，以期对其他非上市中小企业非效率投资问题的研究提供有益借鉴。研究结果表明：我国中小企业面临的投资不足现象相比过度投资现象更为严重，且中小企业融资约束程度越高，其投资不足现象越严重。

【关键词】 中小企业； 融资约束； 非效率投资； 投资不足

【中图分类号】 F275.1 【文献标识码】 A 【文章编号】 1004-5937（2017）05-0097-06

MM理论认为资本市场是完美的，公司的投资和融资决策之间是没有关系、完全分离的，但随着委托代理、信息不对称等理论的提出，打破了完美资本市场的假说。此后，越来越多的学者开始关注投资与融资之间的关系问题。企业融资状况受信息不对称、委托冲突等问题的制约，会对其投资决策产生重要的影响，使其出现“投资不足”或者“过度投资”的非效率投资行为。目前，国内外有关融资约束对公司投资行为影响的研究大多集中在探讨融资约束与投资现金流敏感性的关系上，而对融资约束与投资效率关系的研究相对较少。另外，我国中小企业由于受自身融资条件、外部融资环境以及国家金融政策等方面的制约，一直面临较大的融资约束，其投资行为必然因融资约束问题受到较大的影响。因此，研究我国中小企业融资约束与其投资行为和效率的关系具有重要的意义。

一、文献回顾与研究假设

（一）文献回顾

在研究融资约束是否影响公司投资行为的问题时，大多数国外学者关注的重点在融资约束与投资现金流敏感性之间的相互关系。Fazzari et al.[1]在信息不对称理论和融资优序理论的基础上定义了融资约束的概念。他们将融资约束的替代变量——股利支付率引至投资模型中，对不同融资约束程度下企业投资支出与内部现金流量之间的关系进行了实证分析，研究结果显示融资约束和投资现金流量敏感性呈显著正相关。此后，许多学者直接运用FHP模型或对其进行简单调整后对投资行为与融资约束之间的关系进行研究，并得出与FHP相对一致的结论[2-3]。

然而，也有一部分学者对FHP的研究结论提出了质疑。Kaplan & Zingales[4]对Fazzari et al.研究的样本数据重新进行分析，得出与 FHP完全相反的结论：融资约束与企业投资现金流敏感性两者之间呈显著负相关关系。他们认为没有面临融资约束的企业也会表现出较高的投资现金流敏感性，这是因为由于代理冲突的存在，没有面临融资约束的企业的实际控制人很可能通过滥用资金投资净现值小于零的项目以牟取私利，导致企业发生过度投资的非效率投资行为，进而表现出较高的投资现金流敏感性。Gomes[5]研究发现投资现金流敏感性与融资约束之间并不必然相关。综上所述，FHP模型是否能正确反映企业投资与融资约束之间的关系是值得商榷的。

随着国外相关理论和实证研究的发展，国内学者对融资约束与公司投资行为及其效率之间关系的研究成果也渐渐增多，但大部分文献仍是参照国外学者对投融資关系的分析范式来对我国的企业进行验证。

冯巍[6]基于FHP模型与方法，选取135家A股上市公司1995—1997年的数据，以股利支付率作为融资约束替代变量，探讨我国上市公司融资约束变化对其投资现金流的影响。研究表明，企业面临的融资约束及其投资行为很大程度上受企业内部现金流的影响。同时，研究结果还显示，股利支付率较低的企业的投资现金敏感度更高，从而验证我国上市公司普遍存在融资约束问题。

刘俏和戚戎[7]、魏锋和刘星[8]、魏锋和孔煜[9]等先后参照FHP的研究思路，对融资约束与公司投资之间的相关问题进行了实证研究，并得出了与FHP基本一致的结论。

李延喜等[10]选取A股上市公司为研究样本，从融资约束的影响因素选取其衡量指标，利用主成分分析法构建融资约束程度的量化公式，求得所选样本公司各年的融资约束指数，并将融资约束指数引入投资模型中，研究其与投资现金敏感性之间的关系，实证结果表明融资约束抑制企业投资行为，即公司面临的融资约束越大，投资支出就越少。

通过回顾国内外相关研究可以发现，国内外学者在融资约束与投资之间关系这一问题上的研究已有较多的成果，但研究成果仍存在一定的局限性：第一，大多数文献研究的重点是从投资现金流敏感性的角度考察融资约束是否影响企业投资行为，很少有研究关注融资约束对企业投资效率的影响。第二，对融资约束衡量变量的选择上也没有统一的标准，学者们运用相同或不同的方法来度量融资约束时，研究结论往往差异较大。第三，以往研究所选取的样本多为A股上市公司，我国很大一部分A股上市公司为国有或具有国有背景的大企业，对国有企业来说，影响其投资行为的主要还是代理问题而非融资约束，所以对融资约束问题更为严重的中小企业来说，已有研究成果的适用性值得探究。基于此，本文从企业融资约束的影响因素着手对融资约束进行量化，同时选取中小板上市公司作为研究样本，探讨中小企业融资约束与非效率投资之间的关系，为有效改善中小企业的投融资行为提供有益借鉴。

（二）研究假设

以往以上市公司为样本的研究成果认为融资约束问题会造成上市公司的投资不足，而代理成本对公司投资行为的影响则带有很大的不确定性，代理冲突的出现不仅会导致投资不足，也很可能引起投资过度。Ross[11]认为由于所有权和经营权的分离，股东和经营者追求的利益往往会出现不一致，风险厌恶型的经理通常会因规避风险而选择放弃净现值（NPV）大于零的投资项目，从而导致投资不足。自由现金流假说指出，在所有权和经营权分离的情况下，经理人掌握着公司的实际控制权，当企业有剩余的现金流量时，经理人可能会出于私利选择将这部分自由现金流量投向符合自身利益的投资（即使投资项目净现值小于零），而不是将其用来增加股东财富，从而引起过度投资[12]。Johnson et al.[13]认为大股东与小股东之间存在的利益冲突可能导致公司投资对于股东来说可享受协同效应但NPV小于零的项目，从而引发投资过度的非效率投资问题。我国中小企业相对于上市公司来说规模小，在股权结构和公司治理等方面的发展相对滞后，大部分中小企业均存在两权合一的现象，其委托代理关系十分简单，因此委托代理问题并不突出，因而管理者追求私利的动机并不强烈，即发生过度投资行为的可能性较小。另外，我国中小企业由于自身发展不确定性以及我国资本市场发展缓慢、融资担保体系不健全等多种原因，长期面临着资金不足以及融资难的问题，经营者的投资态度总体较为谨慎，有时还可能会为规避风险不得不放弃一些NPV可能大于零的投资项目，从而导致投资不足。因此，笔者认为中小企业面临的由融资约束引起投资不足的非效率投资问题比代理冲突引起的过度投资问题要严重得多，研究中小企业非效率投资问题关注的重点应放在投资不足问题上。基于上述讨论，本文提出假设1、假设2。

H1：我国中小企业非效率投资行为主要表现为投资不足，即我国中小企业面临的投资不足现象相比过度投资现象更为严重。

H2：中小企业融资约束越高，其投资不足现象越严重，即中小企业融资约束与投资不足正相关。

二、研究设计

（一）数据来源与样本选择

考虑到上市公司数据信息的透明性、权威性，本文选取中小板上市公司为研究样本，研究期间为2011—2015年度。为了保证样本有效性，按照以下标准进行筛选：（1）剔除ST、*ST状态的公司；（2）剔除上市年龄不足一年的公司；（3）剔除存在异常数据以及指标缺失的公司；（4）剔除金融保险行业上市公司。按照上述原则筛选数据后，选取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个观测值。研究数据主要来源于国泰安数据库，数据处理采用Excel 2003和SPSS 21.0软件进行。

（二）主要变量设计

1.企业非效率投资的度量

本文选取的被解释变量是企业非效率投资。企业投资决策会受到如信息不对称、代理成本等因素的制约，使其面临融资约束或代理人任意支配公司自由现金流的问题，从而导致“投资不足”或者“过度投资”的非效率投资行为[14]。本文将借鉴Richardson[15]的投资模型，利用模型的残差对非效率投资进行度量，残差为正值表明企业存在投资过度行为，反之则表明企业存在投资不足行为。本文结合中小企业自身的特点，在Richardson[15]模型的基础上改进从而得到如下模型：

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年的投资水平，计算公式是用购置固定资产、无形资产和长期资产所支付的现金除以期初总资产。Cashi，t-1代表公司的现金持有量，即现金及现金等价物的期末数与期末总资产的比值；Levi，t-1表示公司的资产负债率；Sizei，t-1是总资产的自然对数，代表公司规模；Invi，t-1表示公司上年度投资水平；Year为年度虚拟变量；εi，t是模型1的残差。

2.融资约束的度量

本文选取解释变量是融资约束（FI）。融资约束问题是一个相对复杂的问题，目前学术界对融资约束的认识并不统一，对其如何进行度量一直以来也是实证研究的难点。本文首先从融资约束的影响因素入手初步选取其衡量指标，考虑公司规模、偿债能力、盈利能力、成长能力、現金能力等多方面因素以及数据的可得性，选取总资产自然对数、资产负债率、流动比率、净资产收益率、营业净利率、总资产增长率、可持续增长率、营业收入现金比率、总资产现金回收率9个指标，来构建度量融资约束的指标体系，接着分别以净资产收益率和利息保障倍数两个变量指标为标准对研究样本进行升序排列①，将样本预分组为高融资约束组和低融资约束组，并通过对两组样本数据进行独立样本T检验来筛选指标，最后通过主成分分析法并利用筛选后的指标构建衡量融资约束程度的公式。

（三）控制变量选择

虽然中小企业代理问题相对于融资约束对投资效率的影响较小，但考虑到所选取样本为中小企业上市公司，因此，选取公司属性、代理成本等因素的替代指标作为控制变量。

公司规模（Size）：规模较小的公司相比大规模公司更易面临融资约束，且大公司的代理冲突通常比较严重。因此，公司规模会影响到公司的投资效率。

上市年龄（Age）：企业处在不同发展阶段，所采取的投资战略往往不同。处于成长期的企业有循序扩张的冲动，新增投资通常较多；成熟期企业出于风险规避的目的以及衰退期企业由于资金来源紧张的原因，非效率投资更多表现为投资不足。因而认为企业年限越长，投资越少。

管理层薪酬（Pay）：提高管理层薪酬可有效缓解代理冲突，薪酬的提高可使管理层在工作中得到较强满足感，从而减少背离股东利益的非效率投资决策的行为。

产出效率（Turnover）：销售收入与固定资产净额的比值——固定资产周转率，能够反映由管理层的错误投资决策或者管理层的偷懒行为导致的资产使用效率低下而引起的代理成本，因而用产出效率（固定资产周转率）作为代理成本的替代变量。

（四）融资约束与非效率投资回归模型构建

根据本文提出的假设2，为检验中小企业融资约束指数与投资不足之间的具体关系，构建如下回归模型：

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

[∑]Year+εi，t （2）

三、实证结果与分析

（一）融资约束程度的量化

1.独立样本T检验

分别以利息保障倍数和净资产收益率两个变量为依据，将样本数据按升序排列，取前30%作为高融资约束组，后30%作为低融资约束组，将同时进入两个组别的样本作为进行独立样本T检验的样本数据，依照以上操作，得到226个高融资约束组观测值，204个低融资约束组观测值。对所选9个变量进行均值的独立样本T检验，检验各个变量在高、低融资约束组间均值之间有无差异。

从表2可以看出，除了资产负债率这一指标外，低融资约束组的其他各指标较高融资约束组来说均值相对较大。另外，除了总资产增长率之外，其他8个指标变量显著性水平均小于0.05，而总资产增长率在高低融资约束组之间无明显差异，表明该指标不适合用于判断公司是否受到融资约束，应当予以剔除，剩余的8个指标在两个组别之间有明显差异，下文将这8个指标作为利用主成分分析法计算公司融资约束程度的因子。

2.主成分分析

总资产自然对数（X1）、资产负债率（X2）、流动比率（X3）、净资产收益率（X4）、营业净利率（X5）、可持续增长率（X6）、营业收入现金净含量（X7），总资产现金回收率（X8）通过了独立样本T检验，将这8个指标作为利用主成分分析构建融资约束量化公式的指标。对8个指标变量进行主成分分析，结果如表3所示。

一般来说，KMO统计量值为0.7以上比较合适作主成分分析，大于0.9时效果最佳，0.5以下不予考虑[16]。表3中，KMO值为0.783，说明所选指标变量适合做主成分分析，且Bartlett球形检验统计量的Sig值小于0.05，由此可知各变量之间存在着明显的相关性。

表4给出8个因子的贡献率以及累计贡献率。在进行因子提取时，要遵循选取的主成分特征根大于1或者能包含原指标变量85%以上信息量的原则，因此，本研究提取累计解释率达到89.245%的4个因子。

根据因子的特征根和因子负载矩阵进行主成分分析得到特征向量矩阵，如表5所示。

根据特征向量矩阵，得到各主成分的表达式：

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软件对原始变量X1—X8进行标准化后，即可根据主成分的表达公式计算得到样本各主成分的得分。

3.融资约束指数构建

根据4个主成分各自贡献率占累计贡献率的比重，加总并求其倒数得出公司融资约束程度的量化公式为：

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代表融资约束指数，该指数数值越高，说明该公司所受的融资约束越严重，反之，则说明公司面临较轻的融资约束。

（二）描述性统计

1.投资效率残差统计分析

由表6可知，投资效率残差的极大值为0.52606，极小值为-0.54703，表明企业的非效率投资程度差异较大，且ε<0的观测值有1 612个，ε>0的观测值有994个，投资不足的公司数量远远大于投资过度的公司数量，因此可以说明，我国中小板上市公司存在严重的投资不足问题，且中小企业投资不足问题远甚于投资过度问题，从而验证了假设1。

2.回归模型各变量的描述性统计

通过中小企业板上市公司投资效率模型回归残差（非效率投资类型）的统计可知，我国中小企业普遍存在投资不足的现象，因此本文选取利用Richardson投资期望模型筛选出的1 612个投资不足的样本作为观测样本。为了便于研究，对于投资不足样本的残差取其绝对值，残差绝对值越大，说明实际投资额与预测投资额之间的差值越大，即投资不足越严重。对模型2中的各变量做描述性统计，结果如表7所示。

由表7可知，投资残差（投资不足）均值为0.02940，标准差为0.02761，说明我国中小企业板公司之间投资行为差异较大。另外，融资约束指数数值较小且均值为负数，说明所选取的投资不足样本公司存在较大的融资约束。

（三）相关性检验

综合Person、Spearman相关性检验对融资约束与投资不足的关系进行初步验证，并明确各变量是否适合做多元回归分析，相关性检验的结果如表8所示。

相关系数表中显示，投资不足和融资约束指数相关系数为正，即融资约束程度越高，投资不足行为越严重，初步验证假设2，且各变量之间的相关系数均未超过0.3，由此可见，各变量间不存在明显的多重共线性问题，所选变量适合做多元回归分析。

（四）回归结果分析

本文在相关性检验基础上，运用SPSS软件对融资约束与投资不足之间的关系进行多元线性回归检验，以分析中小企业融资约束对公司投资不足产生的影响。回归结果见表9。

由表9可知，R2為0.338，调整R2为0.318，说明回归方程拟合情况可以接受；标准误差很小且均接近于0，说明样本对总体的代表性比较高；回归方程整体的显著性为0.00，通过了α为0.01水平上的显著性检验，说明回归模型的因变量、自变量间存在显著的线性关系。融资约束指数和公司投资不足之间的相关系数为0.013，Sig值为0.024，小于显著性水平0.05。从上文构建融资约束指数的原则可知，融资约束指数数值越大，面临的融资约束越严重，因此可以得到中小板上市公司融资约束与投资不足之间呈显著正相关的结论，从而验证了假设2。另外，公司规模、上市年数、高管薪酬与投资不足之间的相关系数均为负数，且Sig值均低于显著性水平0.05，说明以上三个变量之间均与投资不足负相关，从而证实所选取控制变量的正确性。作为代理成本替代变量的固定资产周转率和投资不足之间的相关系数为-0.009，但是Sig值大于0.05，说明其与公司投资不足呈负相关关系，显著性不明显。

四、结论与建议

本文以中小板上市公司作为中小企业的优秀代表，研究其融资约束与非效率投资之间的关系，以期对其他非上市中小企业日后研究提供有益借鉴。实证研究结果表明，中小板上市公司非效率投资行为主要表现为投资不足，且融资约束与投资不足正相关。根据本文所揭示的中小上市公司融资约束与非效率投资关系可知，想要有效地抑制中小企业普遍存在的投资不足的非效率投资问题，必须从缓解其融资约束入手。为此，本文提出如下三点建议：

第一，中小企业应提升自身融资能力。中小企业应规范治理结构、做好信息披露、提高经营效率、增强信用意识等，通过“练内功”“强自身”来缓解融资约束进而提高投资效率。

第二，金融机构应创新金融产品、提升金融服务中小企业的水平。金融机构要大力发展诸如“供应链金融”“社区金融”等适合中小企业的金融服务方式；同时，随着互联网的发展，金融机构要加大与互联网的融合，做好互联网金融产品的开发与创新，利用互联网金融在降低信息不对称与交易成本方面的先天优势，满足中小企业的融资需求。

第三，政府部门应为中小企业发展创造有利的融资环境。政府部门应大力发展多层次的资本市场，建立专业的中小企业金融服务机构，拓展如私募、风险投资、信托、租赁等多种融资渠道，建立和完善支持中小企业发展的政策和服务体系，从而有效缓解中小企业融资约束，促进中小企业发展。

【参考文献】

[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] 冯巍.内部现金流量和企业投资——来自我国股票市场上市公司财务报告的证据[J].经济科学，1999（1）：45-49.

[7] 刘俏，戚戎.中国金融学[M]. 成都：四川大学出版社， 2003：23-28.

[8] 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）：35-43.

[9] 魏锋，孔煜. 融资约束、不确定性与公司投资行为——基于我国制造业上市公司的实证分析[J].中国软科学，2005（3）：12-15.

[10] 李延喜，杜瑞，高锐，等.上市公司投资支出与融资约束敏感性研究[J]. 管理科学，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] 張纯，吕伟.信息披露、信息中介与企业过度投资[J].会计研究，2009（1）：60-65.

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

[16] 贾丽艳，杜强.SPSS统计分析标准教程[M].北京：人民邮电出版社，2010：301-307.