互联网行业上市公司资本结构与企业绩效相关性研究

常树春 路琳琳

一、引 言

互联网行业兴起于二十世纪九十年代，作为近些年新兴的热门行业，在短短不到30 年的时间里，它以迅猛的行业发展势头，快速地融入了人们的生活并且产生了巨大的影响。在其渐渐渗透到各传统行业的同时，也逐渐成为国家与政府关注和发展的重点。早在2014 年的高新技术交流会上，中国互联网协会理事长邬贺铨就表示，互联网对中国的经济贡献率已经达到了6.9%，并且互联网经济已经逐渐成为推动国民经济迈向新发展阶段的重要助力。同年，国际著名咨询公司麦肯锡也发布了一份相关的报告，并预测，到2025 年互联网普及可能为国内生产总值注入约4 万亿到14 万亿的价值。足以见得互联网企业的发展情况对国民经济起着举足轻重的作用。而如何提高互联网企业的绩效，从而对经济发展发挥更积极的效果也就显得尤为重要。

众所周知，资本结构问题一直是财务领域重要的研究课题之一。现代资本结构理论的发展，起始于1958 年Modigliani 和Miller 提出的MM 理论，并且随着MM 理论的假设被逐渐放松后，开始了由“资本结构与公司价值无关”到“资本结构与公司价值具有一定的相关性”的转变。在这个过程中诞生了一系列理论，如：代理成本理论、信号传递理论等。然而，随着我国金融政策的不断变革，市场环境的不断变化，学者们越来越多地针对不同行业的资本结构与企业绩效的相关性进行研究，力求得出一套完美的结构体系使得各行业的企业绩效达到最优，也获得了丰富的研究成果，但对于我国互联网行业的资本结构现状以及互联网行业资本结构与企业绩效之间的关系进行分析研究的却少之又少，无法更好地为互联网行业的管理提供更全面的指导。鉴于此，本文选取了我国互联网行业上市公司的相关财务数据进行实证研究，力求使其资本结构最优化，从而促进企业绩效的提高。

二、我国互联网行业上市公司资本结构的现状

资本结构主要包括债权结构和股权结构两大部分，本文将从这两方面入手，对互联网行业上市公司的资本结构进行相关统计与分析。

（一）债权结构现状

资产负债率，即企业的负债总额与资产总额的比值，它既是衡量企业对债权人所提供的资金进行经营活动的能力，也是反映债权人发放贷款的安全程度指标。我国互联网行业上市公司2013-2017 年的资产负债率情况如表1 所示：

表1 互联网行业上市公司资产负债率（单位：%）

由表1 可见，互联网上市公司资产负债率的年平均值自2013 年至2017 年依次是34.65%、34.55%、35.89%、32.41%和34.29%，总平均值为34.31%，基本维持在34%左右的水平，发展相对稳定，在2015 年和2016 年有少许的波动，可能与国家出台的相关政策有关。总体来讲资产负债率不高，主要原因可能是互联网公司的研发大多偏向于高风险、高收益型的投资项目，很难从银行获取长期资金，而我国债券市场发展较晚，尚不健全，所以大多数企业会更多地选择股权融资。

表2 互联网上市公司资产负债率频率分布

图1 资产负债率频率分布直方图

从表2 及图1 可以看出，我国互联网上市公司的频率分布较为集中，多分布在10%-49.99%之间，整体来看，大多数的公司维持着相对较低的资产负债率。但也存在极端现象，有5.42%的公司资产负债率低于10%，表现出极高的偿债能力，究其原因不排除这部分公司的资金来源几乎全是股权融资的可能性。但同时也有15%左右的公司资产负债率高于60%，甚至存在1.67%的公司达到了90%以上，即将面临着资不抵债的危机。总体来讲，我国互联网行业上市公司资产负债率水平较低，在进行融资时，大多数公司可能更加倾向于股权融资，而规避财务风险。

在对企业债务水平进行了相应的现状分析后，下面进一步对企业的债务期限结构进行相关统计与分析，具体如表3 所示：

表3 互联网上市公司长期负债率和流动负债率(单位：%)

从表3 中可以看到，我国互联网行业上市公司的债务结构出现了较为极端的两极化，自2013 年到2017 年，长期负债率的平均值依次为1.48%、2.40%、2.22%、2.31%以及1.55%，几乎接近于0。而流动负债率的年平均值依次为89.98%、88.36%、83.77%、85.13%和85.99%，在2015 年稍有降低，而后又逐渐回升，但平均比率均高于80%以上，也就是说互联网上市公司在进行负债融资时，极度偏爱流动负债。究其原因，可能是流动负债具有渠道广泛、易于获取等优点。

（二）股权结构现状

在研究互联网行业上市公司股权结构现状时，本文主要分析了股权集中度这一指标。股权集中度通常是衡量一个企业的股权分布状态的主要指标，一般会通过企业的第一大股东持股比例以及前N大股东的持股比例（本文选取前十大股东）来进行细致的体现。从表4 和图2 可以看到，我国互联网上市公司的第一大股东持股比例的总体平均值在28.24%，自2013 年至2017 年从33.32%逐渐降低到25.63%，说明企业有意识地缩减了第一大股东的持股比例，防止出现“一股独大”的现象。前十大股东持股比例在近五年平均在56%上下浮动，没有大幅度变化，互联网上市公司的股权结构比较稳定和均衡。

表4 互联网上市公司股权比例（单位：%）

图2 互联网上市公司持股比例直方图

综上，我国互联网行业上市公司的资本结构现状体现为如下几点：

（1）整体资产负债水平较低，维持在34-35%左右，近些年有下降的趋势。

（2）债务期限结构不均衡，出现了极端化现象，整体偏爱流动负债而长期负债比例值大部分企业极低，甚至为零。

（3）股权集中度整体维持在56%上下浮动，变化不大，整体股权集中度较高，第一大股东持股比例较高，但近些年有逐渐下降的趋势。

三、我国互联网行业上市公司资本结构与企业绩效相关性实证分析

（一）样本选取与数据来源

参照中国证监会公布的《上市公司行业分类指引》对互联网行业类上市公司的划分，考虑到样本的全面性与时效性，本文选取了2013-2017 年作为研究区间，在剔除了S、ST、*ST 类样本公司、资产负债率大于1 的样本公司、数据不连续或缺失的样本公司后，最后确定了42 家上市公司5 年的相关财务数据，共选取了210 个样本进行实证研究。本文的研究数据主要来源于中国证监会、上市公司财务报表、国泰安数据库。

（二）变量设计与说明

1、被解释变量

本文的被解释变量为企业绩效，企业绩效的评价方法主要有单一指标和多重指标两种方式。单一指标如净资产收益率、托宾Q 值等。多重指标主要有因子分析法、平衡卡分析法等。考虑到全面性和操作的可行性，本文采用了因子分析法对我国互联网行业上市公司的企业绩效进行分析。分别从盈利能力、偿债能力、营运能力、以及成长能力四个层面，共选取了11 个指标，通过因子分析计算出每个样本数据的综合得分，将最终得出的综合得分作为解释变量企业绩效。具体的被解释变量设计的指标构成如表5 所示：

表5 企业绩效评价指标汇总表

2、解释变量与控制变量

通常来说，企业的资本结构主要分为债权结构与股权结构两个方面。债权结构可以从债务水平、债务期限结构进行进一步的分析，股权结构主要从股权集中度进行分析。基于此，本文对于债权结构指标的选取为资产负债率（DAR）、长期负债比率（LDAR）以及流动负债比率（SDAR）。对于股权结构指标的选取为第一大股东持股比例（CR1）、前十大股东持股比例（CR10）以及Z 指数三个指标进行分析研究。并且参照国内外诸多学者的研究，结合互联网行业的特征，选取了公司规模（SIZE）和成长性（GROW）作为控制变量。各个指标的具体定义如表6 所示：

表6 资本结构及控制变量指标体系汇总表

3、模型构建

针对研究内容，本文选取了两个模型进行实证分析：

模型一：ComF=α1+β11DAR+β12SDAR+β11LD AR+β11SIZE+β11GROW+ε1

模型二：ComF=α2+β21CR1+β22CR10+β23Z+β24SIZE+β25GROW+ε2

其中，模型一是研究债权结构与企业绩效之间相关性的实证模型，模型二是研究股权结构与企业绩效之间相关性的实证模型。

（三）实证分析

1、因子分析

因子分析法要求原始变量的相关性较强，可以通过主成分分析法进行降维处理。KMO 值越接近于1，表明原始变量越适合作因子分析，效果越好，Sig值需＜0.05 方可通过，越小越显著。本文通过SPSS19.0 软件对数据进行了KMO 和Bartlett 球形检验，结果如表7 所示：

表7 KMO 和Bartlett 的检验

从表7 可以看出，样本的KMO 值为0.654，大于0.5，认为变量适合作因子分析，同时Sig 值远小于0.05，拒绝零假设。故可以对选取的11 个衡量企业绩效的指标进行因子分析。

表8 解释的总方差

表9 旋转成分矩阵

-0.029 0.969 0.043 X7 -0.842 0.025 -0.172 0.027 X8 0.954 -0.079 0.004 0.056 X9 0.943 -0.190 0.020 0.075 X6 -0.023 X10 0.903-0.044 X11 0.189 0.865 0.015-0.033 0.066 0.153

通过对表8 和表9 的分析可知，在控制主成分特征值大于1 的前提下，共提取了4 个主成分因子来代替原有的11 个财务指标。且从旋转成分矩阵可知，这四个主成分因子分别为：F1 是由应收账款周转率、总资产周转率和流动资产周转率构成的营运能力因子；F2 是由资产负债率、流动比率和速动比率构成的偿债能力因子；F3 是由总资产收益率、净资产收益率和每股收益构成的盈利能力因子；F4 是由总资产增长率和主营业务收入增长率构成的成长能力因子。最后，根据四个公因子的方差贡献率与累计方差率，进行加权汇总，得出企业的综合绩效F：

2、相关性分析

通过对自变量与因变量的选取，以及模型的构建，本文分别从债权结构与企业绩效的相关性以及股权结构与企业绩效的相关性两方面进行初步的相关性分析检验，结果如表10 和表11 所示：

表10 相关性分析（模型一）

表11 相关性分析（模型二）

从表10 中可以看到，企业绩效F 与资产负债率（DAR）负相关，且在1%的水平上显著相关，说明互联网企业上市公司的负债水平越低，偿债能力越强，越有利于企业绩效的提高。企业绩效F 与长期负债率（LDAR）和短期负债率（SDAR）分别在5%的水平上呈现出较为显著的负相关和正相关。究其原因，可能是由于长期负债存在较大的搁置风险，不利于企业资金的运作，而流动负债渠道较多，流动性较强有利于企业在一次次的交易中增加信誉度，有助于企业绩效的提高。

从表11 的相关性分析可知，企业绩效F 和第一大股东持股比例以及Z 指数都在1%的水平上呈现出显著的正相关，初步说明了互联网行业的股权集中度越高，越有利于意见的统一，企业的绩效水平也相应越高。且第一大股东的持股比例越高，其控制权与话语权越强，企业的决策效率越高，企业的绩效水平也就越高。

3、描述性统计

在剔除了一些极端数据、残缺数据后，根据自变量的选取，本部分对最后筛选出的210 个样本通过SPSS 软件做进一步的描述性统计，具体如表12 所示：

表12 描述性统计

从表12 可以看出，在总体样本中，互联网上市公司的综合绩效指标最大值为2.72，最小值为-2.60，平均值为-0.32，说明大多数互联网上市公司的极小值为负。资产负债率的平均值为34.33%，最大值为95.28%，最小值为3.84%，整体资产负债率偏低；标准差为22.26，各企业之间存在较大的差异，可能与不同企业的经营理念、筹资能力水平等有关。长期负债率最大值出现了0，流动负债率出现了100，结合上文资本结构分析中的相关数据，进一步体现出互联网企业对流动负债的倾向性。企业的负债期限结构极端化，较为不合理。第一大股东持股比例与前十大股东持股比例的平均值分别是27.84%和54.88%，说明互联网行业上市公司股权集中度较高，企业的第一大股东具有相对的控制权。Z 指数的最大值为29.67，最小值为0.20，平均值为4.64，总体指标水平不高，说明互联网企业第一大股东的控制权不高，其地位容易受到威胁，且Z 指数的标准差为4.86，说明这种现象普遍存在。公司规模的最大值、最小值以及平均值依次为24.45、18.52 以及21.58，且标准差为1.04，说明企业之间的规模差距不大。净利润增长率的平均值为负值，说明企业的平均成长性不高，最大值为80.95%，最小值为-75.93%，标准差为11.99，可以看出企业之间的差异化较明显，成长性较好的企业非常好，而成长性较差的企业很有可能面临着破产的危机。

4、回归分析

本文利用spss19.0 数据统计软件对模型进行多个自变量与因变量之间的回归分析，根据回归分析可知，模型一的自变量资产负债率、长期负债率、流动负债率与因变量企业绩效之间存在不同水平上的相关性。其结果如表13 所示：

表13 回归系数表（模型一）

从表13 可知，资产负债率（DAR）、企业规模（SIZE）和净利润增长率（GROW）的P 值分别为0.000、0.004 以及0.000，均小于0.001，通过了显著性检验。同时，通过非标准化系数可知，资产负债率（DAR）与企业绩效F 之间呈负相关，说明互联网行业上市公司的资产负债率越低，企业的偿债能力越强，越容易获取资金进行研发，企业的绩效越高。长期负债率（LDAR）与流动负债率（SDAR）的非标准化系数显示，均与企业绩效F 呈正相关，且二者的P 值分别为0.892 和0.135，均大于0.05，未通过显著性检验，与相关性检验的初步结论不相符。究其原因，首先互联网企业的长期负债率普遍较少，甚至绝大多数企业为0，因此，通过现有的数据无法较为准确地分析出二者的关系。而与长期负债率相反，互联网企业的资金来源90%都来自于流动负债，流动负债所涵盖的种类较多，不同企业的选择倾向有所不同，进而会对企业自身造成不同程度的积极或消极影响。综上，模型一的方程为：

股权结构方面，从相关性分析的结果可知，自变量与因变量均呈现出较为显著的相关性，针对模型二进行多元回归分析，结果如表14 所示：

表14 回归系数表（模型二）

从表14 可以看出，第一大股东持股比例、前十大股东持股比例以及Z 指数的P 值分别为0.003、0.000、0.000，均在1%的水平上显著相关。同时，通过非标准化系数的数值可以看出，前十大股东持股比与企业绩效之间呈正相关，企业的股权集中度越高，股东之间信息传递的速度越快、失真率越低，越有利于企业绩效的提高。Z 指数与企业绩效之间呈现显著的正相关，第一大股东持股比例与第二大股东持股比例相差越大。第一大股东的控制权与决策权越大，对于市场环境复杂、竞争激烈的互联网行业来说，越有利于快速进行决策，把握住每一次机遇，进而提高企业的绩效水平。第一大股东持股比例与企业绩效之间呈负相关关系，且在1%的水平上显著，与前文相关性分析不相符。基于此，笔者认为二者之间并不是简单的线性关系，因此，引入了第一大股东持股比例与企业绩效之间的二次曲线关系模型进行研究，命名为模型三：

模型三：ComF=α3+β31CR1+β32CR12+β33SIZE+β34GROW+ε3

针对模型三进行多元回归分析，回归结果如表15 所示：

表15 回归系数表（模型三）

从表15 中可以看到，第一大股东持股比例（CR1）与第一大股东持股比例的平方（CR12）的P值均为0.000，远小于0.05，均通过了显著性检验，表明企业绩效F 与第一大股东持股比例存在显著的二次曲线关系。同时，由非标准系数的取值可知，二次项为负，意味着存在最大值，因此二次曲线为倒U型，可以得出二次曲线方程为：

通过对二次曲线进行求导，得出企业绩效F 最大值对应的第一大股东持股比例为40.21%。也就是说，当企业的第一大股东持股比例达到40.21%时，企业绩效最优。在区间（0，40.21%）上，随着第一大股东持股比例增加，企业的第一大股东具有较大的控制权和决断权，有利于企业的战略目标的明确和重大项目的决策，企业绩效逐渐上升；在区间（40.21%，100%）随着第一大股东持股比例的增加，企业容易呈现一股独大的现象，第一大股东具有绝对的控制权，容易因为一己私欲而忽略企业的发展，进而对企业绩效造成消极的影响。

四、实证结论及政策建议

（一）实证结论

本文对我国在2013-2017 年期间上市的42 家互联网上市公司进行了样本的收集与实证研究。通过对数据进行描述性统计、因子分析、相关性分析以及多元回归分析，试图探究企业绩效与资本结构之间的相关性，得出如下结论：

第一，在债权结构方面，我国互联网行业上市公司资产负债率与企业绩效存在显著的负相关，很好地解释了我国互联网行业债务水平偏低这一特点；长期负债率对企业绩效不存在影响；流动负债率和企业绩效存在正相关，但不显著。

第二，在股权结构方面我国互联网行业上市公司第一大股东持股比例与企业绩效呈倒“U”型关系，在股权比例为40.21%时存在最大值；前十大股东持股比例与企业绩效存在明显的正相关，说明股权集中度越高，越有利于提高企业绩效；Z 指数与企业绩效显著正相关，说明第一大股东与第二大股东持股比例差异化对企业绩效存在积极影响。

（二）政策建议

1、保持适度的资产负债率，合理运用财务杠杆

从本文的实证研究来看，我国互联网行业上市公司的资产负债率与企业绩效呈现出显著的负相关，说明对于互联网企业来说，财务杠杆带来的消极影响远大于积极影响。因此，互联网行业上市公司应当将企业的负债水平控制在一个合理的水平，在发挥财务杠杆效应积极作用的同时，要高度重视财务风险的消极影响，建立风险防御机制，或选择利率可浮动的债务资金来源，以达到把风险分散到债权人身上的效果。

2、改善债务期限结构，推动债券市场发展

通过分析可以看出，互联网行业上市公司的债务期限结构较为极端化，流动负债远大于长期负债。流动负债虽然存在着易于获取、来源渠道广、筹资成本较低等优点，但也同时具有较大的财务风险，一旦出现资金断流，会给企业带来无法估计的损失，而长期负债正好可以弥补这种风险。目前，我国债券市场发展还不够健全，企业获取长期负债的渠道绝大多数还是来自于银行等金融机构。因此，对政府来说，当务之急还是要完善我国的债券市场，为企业提供更多获取资金的渠道，同时企业也应该有意识地改善自身的债务期限结构，合理运用长期负债的优势，健康发展。

3、保持股权相对集中，增强第一大股东的控制权和话语权

通过实证研究可知，互联网行业上市公司的绩效与前十大股东以及Z 指数均呈正相关，说明企业的股权集中度越高，越有利于提高企业绩效。同时第一大股东持股比例在40.21%时，企业绩效最高。而当前我国互联网行业上市公司第一大股东持股比例的均值尚不足30%，且有逐渐下降的趋势。因此，当务之急应在保持股权集中度较高的前提下，适当地增加企业第一大股东的持股比例，保证第一大股东的控制权与话语权，以便在进行重大决策时，可以提升效率，减少时间成本。同时，也要防止第一大股东持股比例过高，从而损害小股东的利益，形成一股独大的局面。