重资产运营与企业业绩持续性关系探究

刘盛泉/ 文

一、理论分析与研究假设

固定资产是企业正常运营和持续发展的保证，也是其他资产包括流动资产发挥效用的基础，因此重资产的比重会影响公司的经营状况，当企业的固定资产达到一定规模的时候，会形成规模经济，降低企业的总成本。但是，固定资产的比重也不是越大越好，如果企业出现了过多的固定资产，重资产的比重过大，就会造成资源的浪费和闲置，会产生大量的折旧和保养费用；同时由于固定资产的变现能力弱，过多的固定资产会造成企业资金周转不灵，影响企业的经营；而且，固定资产将会抵扣企业一定时期的收益，当销售收入的增长低于固定资产的增长时，就会影响企业收益的实现。

据此提出假设：企业重资产的运营程度越高，企业业绩持续性越差。

二、研究设计

（一）变量选取

1.因变量

ROA 是资产报酬率，用来衡量每一单位资产所带来的利润，能够将资产负债表和损益表中的相关信息有机结合起来，是企业运用全部资产获取利润能力的集中体现。本文选取资产息税前利润率作为企业业绩持续性的指标。同时为了进行持续性的衡量，要找本年企业息税前利润率与下一年企业息税前利润率的关系，即因变量为ROAt+1。

2.考察变量

重资产运营实质上是企业一定时点的固定资产占总资产的比例（HEA）。为了进行实证研究，就选取该比例代表企业的重资产运营程度。另外，为了研究业绩的持续性，还选取本年的ROA 为自变量。

3.控制变量

在对企业的业绩持续性进行分析时，除了考虑重资产对其的影响，还要从其他方面加以考虑。在杜邦分析法中，资产报酬率= 销售净利率×总资产周转率。因此在分析相关性时，要将总资产周转率（TURNOVER）、资产负债率（LEV），销售净利率（ROS）作为其中的控制变量。除此之外，企业的资产规模也会影响变量之间的关系。而资产规模用企业年末总资产的自然对数表示（LNSIZE）。

（二）模型构建

根据上述研究假设和变量的选取，构造模型如下：

其中，ROAt+1为下一年资产息税前利润率；ROAt为本年资产息税前利润率；DUMHEA 为固定资产比率的虚拟变量；Ln－Size 为企业规模；TURNOVER 为总资产周转率；LEV 为资产负债率；ROS 为销售净利率；β 为回归系数；ε 为残差值。

（三）数据来源与样本的选取

本文中涉及上市公司的有关数据都来自锐思数据库，按照行业分类，选取了深交所和上交所制造业上市公司2012—2017年有关数据。最终选取了741 家上市公司的数据作为样本。文中各公司数据都来自锐思数据库，少部分缺失数据来自互联网中的上市公司报表。所有数据的筛选和整理通过stata 软件处理。

三、实证分析

（一）简单相关性分析

在本文的变量选取中，选取了固定资产比率，总资产周转率，资产息税前利润率，企业规模，资产负债率、销售净利率等变量，并以此研究重资产运营与业绩持续性之间的关系。由于将多个变量做多变量分析将会不可避免地受到变量之间相互影响的问题，出现回归分析时的多重共线性问题，因此本文对所有的解释变量和控制变量进行相关性检验分析。通过这种分析，可以起到以下作用：

1.分析解释变量之间是否具有严重的共线性。一般来说，如果系数的绝对值大于0.3，并在统计学中具有显著性就应当剔除。

2. 可以大致判断因变量和考察变量之间的相关程度以及符号。

表1 变量之间的相关性分析

从表1 可以看出，ROAT+1与ROAT 呈现显著的正相关，与销售净利率与总资产周转率之间呈现不显著的正相关，与DUMHAROAT 呈现不显著的负相关，与资产规模与资产负债率之间存在显著的负相关。ROAT 与DUMHAROAT 呈现微弱的负相关，与资产规模、资产负债率、销售净利率、总资产周转率之间存在明显的负相关。

其中资产规模（LNSIZE）与资产负债率（LEV）和ROAT+1之间的系数大于0.3，表明存在多重共线性的可能，因此在进行回归分析时，应当另外将资产规模这一变量剔除，分析其是否会对回归结果有影响。因此构建模型二：

（二）回归分析

表2 多元线性回归相关系数

从表2 可以看出，模型一β2的值为- 0.114109875。当重资产运营程度大于20%，即固定资产比例大于20%时，虚拟变量取1，多元线性方程变为ROAt+1=β0+（β1+β2）ROAt+β3LnSize+β4TURNOVER+β5LEV+β6ROS+ε；而当重资产运营程度小于等于20%，即固定资产比例小于等于20%时，虚拟变量取0，多元线性方程就会变成ROAt+1=β0+β1ROAt+β3LnSize+β4TURNOVER+β5LEV+β6ROS，而β2=- 0.114109875，其值小于0，所以β1+β2＜β1。从中可以看出，当企业的重资产运营程度较大（大于20%）时，企业的持续性系数为β1+β2=0.500847334，小于企业重资产运营程度较小（小于20%）时的持续性系数0.614957209，表明企业的重资产运营程度越大，业绩持续性越差，与原假设相符。

另外，在控制变量的相关性上，资产规模（LNSIZE）与被解释变量之间的系数为- 0.861779958，表明资产规模与业绩持续性之间为显著的负相关。企业资产自然对数平均值反映了企业的资产平均规模水平，过大的企业规模可能会造成企业的可持续性变差。

资产负债率（LEV）与因变量之间的系数为0.017294525，说明资产负债率与业绩持续性之间为显著正相关。资产负债率体现的是企业利用债权人资本进行经营活动的能力，这个系数为正，说明适当的举债经营有利于企业的可持续发展。

而模型二是剔除了资产规模之后研究变量之间的关系。从表2 可以看出，模型二的结果与模型一的差别不大，得出的结论与模型一相同。

四、结论与启示

（一）实证结论

通过对数据进行回归分析，我们可以得出以下结论：

1.根据描述性统计，我国制造业企业2012- 2017 年平均固定资产比率为24.66%，说明在制造业上市公司中，固定资产所占比重较大。

2.重资产运营程度，即固定资产比重越大，企业业绩可持续性越差。说明制造业企业中，固定资产并不是越多越好；在很多情况下，固定资产过多，反而会给企业的持续性发展带来影响。

（二）研究启示

1.提高固定资产的产能

固定资产作为制造业上市公司的重要资产，在制造业中占着重要的地位。但是，由于设备陈旧，固定资产闲置情况严重，科技水平低等原因，固定资产所能带来的产能较低。因此，需要加强固定资产的利用效率，充分发挥固定资产规模经济的优势，提高制造业上市公司中固定资产的产能，改善我国制造业上市公司的业绩。

2.选择适当的固定资产比例

从本文的实证结果来看，固定资产占比与企业以及持续性之间是相反的，说明我国大多数制造业企业的固定资产占比并不合理。因此，制造业上市公司应当减少盲目的购置大量固定资产，应对企业本身的生产经营状况进行仔细分析，选择适当的固定资产投入比例以适应公司的自身发展和市场需要。

3.提高无形资产的比例

目前我国制造业的无形资产利用效率低下，对企业发展的助推作用较小。而在市场经济不断发展的今天，无形资产相对于固定资产是一种能够给企业带来超额利润的资产，其数量与质量多少已经成为制造业公司核心竞争力的标志。因此，制造业公司需要积极引进技术性人才，加强无形资产的资金投入，提高企业的自主创新能力。