融资约束与投资-现金流敏感性——基于中国制造业跨国公司的实证研究

蓝 天

(东北财经大学 东北亚经济研究院，辽宁 大连 116025)

一、引言

自2001年加入WTO以后，中国资本市场迎来了更深度地开放，且随着经济全球化进程的不断加快，更多的中国企业以OFDI的方式在国际市场上谋求更好的发展。特别是在“走出去”战略实施之后，中国企业参与国际市场的步伐明显加快[1]。不过同国内企业相比，中国跨国公司所面临的市场环境、经营环境都更加严峻。一方面，跨国公司主要通过国际融资的方式来募集经营所需资金，然而国际融资活动广泛而复杂，比起国内融资更加困难，具有很强的管制性。东道国政府出于平衡本国国际收支、管理本国金融机构及保持本国货币政策独立性的考虑，必然要对外来的融资活动加以干涉。另一方面，由于中国跨国公司的国际化水平还不高，融资结构不尽完善与成熟，应对汇率风险和金融危机风险的经验和能力还处于较低水平，国际融资管理者的经验不足等因素导致国际融资的风险增大。根据世界银行的调查，中国有75%的非金融类上市企业把融资困难视为企业发展的主要障碍[2]。而中国跨国公司普遍存在的内外部融资比例不合理、间接融资在对外融资中所占比重很大以及国际债券融资严重滞后等问题，进一步加剧了融资约束对中国跨国公司国际化发展的制约。

当前，中国正处于社会主义市场经济改革的深水期，由于众多因素，很多企业难以获得必要的融资支持，制约了它们“走出去”的步伐[3]。如何在面临国内外融资约束的环境下提高企业利润、完善公司财务管理体制，都与公司投融资结构的问题紧密相连。因此，对投资-现金流敏感性的研究不仅可以科学系统地指导中国跨国公司的投资和融资决策，帮助中国跨国公司根据自身的优劣势选择合适的投资和融资结构，合理利用国内外资源来实现企业市场价值最大化的目标并提高国际竞争力；同时，也能够为中国资本市场的发展和金融体制的创新提供重要的指导作用。

本文的创新在于：在借鉴国外最新理论和方法的基础上，结合中国制造业跨国公司的发展情况，将新的融资约束评价指标ASCL纳入分析框架中，实证探索中国制造业跨国公司融资约束与投资-现金流敏感性之间的关系。

二、文献综述

对于融资约束和投资-现金流敏感性之间的关系，Fazzari，Hubbard和Petersen等[4](以下简称FHP)的研究最具有代表性。他们用股利支付率将样本企业划分为低融资约束组和高融资约束组，通过实证研究发现高融资约束组企业的投资对现金流的敏感度更高。之后他们的方法被广泛用于研究企业投资是否受融资约束的影响。冯魏[5]在国内较早开始研究融资约束与企业投资-现金流敏感性的关系，他利用1995—1997年沪市和深市135家国内制造业上市公司的数据，参考FHP方法同样选取了股利支付率作为融资约束的替代指标，研究发现投资需求与现金流之间有很强的正相关性，由此提出现金流量对于企业投资决策有着重要的影响。除此之外，魏峰和刘星[6]、连玉君和程建[7]等的研究成果都得出了与FHP一致的结论，认为股利支付率较低的企业，即比较容易面临融资约束的企业，其投资对现金流的变化有很高的敏感性。然而，中国上市公司的股利支付率普遍较低，部分学者认为仅仅用股利支付率作为融资约束的衡量指标并不全面。郑江淮等[8]将股权结构作为中国上市公司融资约束的衡量指标，研究发现国家股比例相对较低的上市公司要比国家股比例相对较高的上市公司受到更少的融资约束。何金耿[9]将融资约束加入以股权结构为度量指标的投资模型中，以沪市上市的401家公司数据为样本，通过加入现金流与托宾Q值的交互项来检验不同股权控制下公司投资与现金流敏感性的关系，研究得出由于融资约束的存在，股权较分散的公司的投资与现金流存在明显的正向关系。也有学者利用公司规模来衡量融资约束，比如全林、姜秀珍和陈俊芳[10]选取了2000—2001年中国上市公司数据作为样本，研究发现由于外部环境的竞争压力，规模较大公司的投资-现金流敏感性相对较高。何青和王冲[11]也以公司规模为融资约束指标对样本数据进行分组并得出结论，认为即使同为制造业，其下各子行业的投资-现金流也会存在明显差异。赵剑锋和伊航[12]采用了公司规模和负债双重指标对沪市上市公司进行分组，以固定资产数额和负债率为界限将样本数据分成了四个不同的融资约束组进行研究，得出了与全林、姜秀珍和陈俊芳[10]一致的结论。另外，屈文洲、谢雅鹿和叶玉妹[13]利用信息不对称指标来度量融资约束，研究得出信息不对称程度与投资-现金流敏感度呈正相关关系，并且发现由于信息不对称所导致的融资约束与投资-现金流敏感性的关系是非线性的。

Kaplan和Zingales[14](以下简称KZ)以货币政策、利率、公司投资规模、信用条件以及公司投资回报这些因素的结合来衡量融资约束的程度，得出了与FHP截然相反的结论。他们认为企业为使利润最大化而作出的投资选择，使得融资约束与投资-现金流敏感性之间存在非单调性关系，进而对FHP的权威提出了质疑。此后，Alti[15]、 Almeida等[16]、Hovakimian[17]，国内学者郭丽虹和金德环[18]、赵岩[19]、章洪量[20]等一些其他质疑FHP方法关于投资-现金流敏感性结论的研究成果也相继出现。Guariglia[21]经实证研究发现KZ之所以得出和FHP相反的结论是因为二者运用了不同的方法来衡量融资约束程度：FHP用的是外部融资约束因素，例如公司规模、存续时间、或股利发放；KZ则用的是代表内部融资约束因素的资产流动性。Guariglia[21]还用上述方法的差异解释了为什么投资-现金流敏感性呈现U型形态。当通过以公司内部融资为基准来划分样本数据时(KZ的方法)，就会呈现U型；当以外部融资约束因素为基准划分样本数据时(FHP的方法)，投资-现金流敏感性则呈单调递增。

Whited和Wu[22](以下简称为WW)针对美国的实证研究，发现企业规模越小其流动性约束就越强，获得的融资机会就少，面临的融资约束风险就越大。同时他们指出KZ方法在度量融资约束时存在着不少与事实相反的情形，比如融资约束最大的企业在债券信用等级、投资率、销售增长率等方面反而是最高的。Livdan等[23]认为这可能是KZ指数更容易混淆融资约束与财务困境情况的缘故。国内学者邓可斌、曾海舰[24]由此使用了WW方法对中国上市公司融资约束的特征现象及其成因进行了实证检验。此外，Becchetti等[25]结合前人理论以及通过对意大利公司外部信贷约束的定性分析，证明了不同评价指标的有效性，研究发现公司规模及存续时长是衡量融资约束很好的指标。Hadlock和Pierce[26]以公司规模及存续时长为基准建立了HP指数，认为此方法在预测融资约束时比KZ指数更为准确。Farre-Mensa和Ljunqvist[27]的研究则指出现有的指数方法(包括HP指数)，都没能很好地度量融资约束。面对这些关于融资约束测度方法的争论，Mulier、Schoors和Merlevede[28]定义了一个新的企业层面的融资约束评价指标ASCL指数，通过将ASCL指数与其他三种主要融资约束指标(KZ指数、WW指数、HP指数)进行对比得出新指标优于现有指标的结论，对融资约束文献和投资-现金流敏感性争论作出了重要贡献。他们利用ASCL新指标来度量欧洲六个国家非上市企业的融资约束，验证了受融资约束的公司要支付更高的债务利率，并且发现受融资约束较高的公司表现出更高的投资-现金流敏感性，二者呈显著正向关系，从而有力地支持了FHP的理论。

三、变量选取与数据来源

本文使用的数据涵盖2007—2016年中国制造业跨国公司的利润表和资产负债表，来源于BVD-Oriana数据库。该数据库的一个潜在问题是生存偏差。BVD数据库每个月进行更新，而当一个公司消亡时，相关数据也不会再列入。本文通过对不同期的BVD-Oriana数据库的搜集和整理，同时纳入了在样本期间进入和退出的企业数据。我们根据Cleary[29]的做法，删除了银行、保险公司、其他金融公司和公用事业性企业，仅保留制造业的跨国公司样本。此外，为了控制大规模的资本并购或输入错误，本文将异常值剔除后，还排除了与标准会计周期12个月不同的会计周期的跨国公司。因此，本文从900多家跨国公司的原始数据中去掉缺失值较多的公司以及完成上述工作后，最终整理的样本数据为527家中国制造业跨国公司。

表1是本文实证分析使用的变量及其计算方法。投资Iit是指在t年的折旧和有形固定资产从t-1年至t年变化的总和。用永续盘存法(Blundell等[30])计算资本存量的重置价值。用有形固定资产作为资本存量的历史价值并假设在第一期的历史价值等于重置成本，本文使用公式Kit=Kit×(1-δ)×(Pt+1/Pt)+Iit+1来计算资本存量。δ代表折旧率并假设其为常数5.5%，Pt是投资品的价格，以固定资本形成总额平减环比指数替代(1)固定资本形成总额平减环比指数是将2006年的固定资本形成总额作为基数计算得出，数据来源于国际货币基金组织以及中国国家统计局。，使用平减指数是为了剔除物价可能造成的影响。Δsit是实际销售总额的变化，并衡量销售增长。Δempit是劳动力实际总成本的变化，并衡量就业增长。CFit/Kit-1代表一个公司的现金流，以期初资本开始计量。

表1 变量定义及其计算方法

下页表2对主要变量的描述性统计表明，中国制造业跨国公司的投资水平(Iit/Kit-1)平均占到资本存量的15.5%，实际销售增长率(Δsit)每年约为4.5%。相比之下，就业增长率(Δempit)较低，每年平均约为0.3%；现金流量水平(CFit/Kit-1)约占资本存量的4.5%，这个比重比较低，原因可能在于本文的样本中有一部分中国制造业跨国公司是非上市企业。从最大值最小值也能看出样本公司间的现金流量水平以及销售增长率差别很大，投资水平的差别尤其明显。

表2 主要变量的描述性统计

表3提供了不同融资约束企业分组的统计变量比较。样本中，属于高融资约束组的公司有359个，观察值多达3 463个；低融资约束组的公司仅有168个，观察值为752个。因此我们可以看出，中国制造业跨国公司中，受融资约束高的公司更多。进一步我们发现，高融资约束组的平均投资以及现金流水平均低于低融资约束组，且投资水平变动较大。这种结果与现实相符，说明受融资约束较高的公司现金流相对短缺，而受融资约束低的公司的现金流则能够支持企业进行投资的需求。此外，两组的销售增长水平差异也十分明显，但就业增长之间的差异较小。

表3 高融资约束组和低融资约束组统计性描述的比较

四、模型设定与回归结果分析

(一)构建有效的ASCL指数

本文沿用Mulier等[28]的方法，使用ASCL指数测度中国制造业跨国公司的融资约束，进而分析其投资-现金流敏感性关系。该指数分别从信息不对称(存续时长及规模大小)、公司债务偿还能力(以现金流量为替代变量)和公司偿债风险(以杠杆比率为替代变量)方面对企业的融资约束进行测度。由此我们将企业存续时长(Age)、规模(Size)、平均现金流量水平(Cash Flow)和平均杠杆率(Leverage Ratio)作为外部融资供给的影响因素。就企业规模和存续时长而言，对金融机构来说收集足够的大企业有关信息更加容易[31]，大公司比年轻的公司有更好的业绩和信用记录[32]，从而降低贷款人和借款人之间的信息不对称程度。这反过来会增加对较大及以上企业的外部资金供给[26，33]。此外，由于现金流决定了公司的偿债能力，外部贷款人(特别是交易放款人)将更加愿意为现金流量大的公司提供资金，因为这些现金流对偿还债务至关重要。最后，负债低的公司有较大的股本缓冲以抵御负面冲击，因而偿债风险较低。由此可见，公司规模越大、存续时间越长，其现金流量越大、杠杆率越低，就越不可能放弃由于融资约束而产生的净现值投资。不同于Campello和Chen[34]，我们构建的指数中不包括债券评级、信用评级或股利支付率这样的变量，因为这些数据在本文大多数中国制造业跨国公司(包括上市公司和一部分非上市公司)样本中是无法获取的，或事实上并不存在。

本文通过计算上述四个影响因素变量的得分总和是否在给定的一年内低于或超过行业平均水平，来衡量每一个公司融资供给的弹性。如果在给定的一年中，一家公司的存续时长小于样本中同行业的平均存续时长，那么该公司存续时长这一项的得分为1，否则为0。由于在给定的一年里如果一家公司的存续时长大于行业平均，那么样本统计的十年间这家公司的存续时长都会大于行业平均。因此，我们只需要计算527家公司一年的存续时长即可。如果在给定的一年中，一家公司的规模小于样本中同行业的平均规模，那么该公司规模这一项的得分为1，否则为0。与存续时长不同，公司规模这一项由公司总资产度量，因此每一年都有所不同。然后，本文以同样的方式处理了平均现金流量水平，由现金流与资本间的比率计算得出。至于平均杠杆比率这一项，如果公司在给定一年中的平均长期债务与总资产的比率高于其行业平均数，则得分为1，否则为0。然后将这四项的得分加总，得到每个公司每个企业年度在0到4(代表外部融资约束的供给)之间的一个观测值。

这种方法的主要优点是，它将多种融资供给的决定因素汇集到单一的度量中，易于计算，并且适用于几乎所有经济学中可用的变量数据。但这种做法的缺点在于，对指数本身的解释比较困难。虽然分数0和4的解释是可行的(0分表明一家公司相对来说成立时间长且规模大，现金流水平相对高，杠杆比率相对低，反之则为4分)，但是两者之间的分数不太容易解释。ASCL指数可以用来区分在某一时期内哪些是高融资约束公司，哪些是低融资约束公司，但随着时间的推移，无法评估融资约束的演变。

另外，为了后面模型估计的需要，以及融资约束非线性可能性的存在，本文新定义了分类变量finconLOWit和finconHIGHit。如果公司i在第t年的ASCL指数低于2，finconLOWit为1，否则为0，即无外部融资约束；如果公司i在第t年的ASCL指数大于或等于2，finconHIGHit为1，否则为0，意味着公司i在第t年面临外部融资约束。(2)限于文章篇幅，本文未给出中国制造业跨国公司的ASCL指数的测算值，如有需要可以向作者索取。

(二)模型设定与回归结果分析

本文简化的投资模型，即模型(1)，是基于下面的误差修正模型并参照Bond[35]、Mizen和Vermeulen[36]，Bloom等[37]以及Guariglia[21]的方法设定。资本存量的变化(Δk)与最优资本存量(k*)相关且是动态的，反映了资本调整需要成本。同样参照上述方法，本文估计Δkt≈Iit/Kit-1-δi并假定最优资本存量与销售增长相关(k*≈s)。据此推出了模型(2)，可以用样本数据来进行估计。

模型(1)：

模型(2)：

α3Δsit+α4Δsit-1+vi+vjt+λit

其中，I代表公司的投资，K为公司资本存量的替代价值，k为其对数，s是实际总销售额的对数。下标i代表公司，j代表行业，t代表时间(t=2007-2016)。误差项由四部分组成：时间变量vt，一个不可观测的企业的特征要素vi，一个受不同行业因素影响而变化的时间组合变量vjt以及一个异质成分λit。误差修正项kit-2-sit-2代表资本和销售之间的长期均衡关系。

简化的投资模型(2)与大多数文献中的结构模型一样，都假定资本市场是完美的。这意味着一个公司的投资决策与其财务状况无关，但现实情况并非如此。本文借鉴FHP方法，将现金流变量CFit/Kit-1加入模型(2)以获得基准模型(3)，用于分析现金流与投资敏感度的关系。

模型(3)：

所有参数由Arellano和Bond[38]建立的一阶差分广义矩估计模型(GMM)进行估计。它能够有效地控制由于难以观察到的公司的影响和解释变量内生性问题产生的偏差。本文中作为内生变量的分别是Iit-2/Kit-3、Δsit-2、kit-2-sit-2、Δempt-2、CFit-2/Kit-3或者是其进一步的滞后变量。Roodman[39]曾指出系统广义矩阵估计中如果使用太多的工具变量，尤其当工具变量的数量接近于横截面的数目时，会出现低效率问题，但这个问题不会在本文中出现。另外当工具变量很多时，J检验的有效性会降低，但是注意到现有文献关于使用多少工具变量才能使J检验值得信任这一点并没有明确的规定。无论如何，本文尽量减少了每一模型内使用工具变量的数量。

下页表4中列出了模型(3)的回归结果。由于滞后了三期变量，因此在进行GMM估计时损失掉了3年的数据，观察值减少到了3 689个。从表4中可以看出，中国制造业跨国公司的滞后投资项变量Iit-1/Kit-2和误差修正项变量Kit-2-sit-2显著为负，表明当资本低于其期望水平时，投资会增加，以确保达到均衡水平。Δsit及其滞后变量系数符号显著为正，进一步表明销售增长和投资之间存在明显的正向关系。CFit/Kit-1变量显著为正，意味着现金流量的增加能够使公司进行更多的投资。需要强调的是，由于本文的部分样本是非上市中国制造业跨国公司，现金流变量显著为正，意味着我们测算的投资-现金流敏感性很可能是企业融资约束的一般体现，而资本成本则是隐藏在投资和内部资金背后的影响因素。这个发现与Campbell等[40]的研究一致。从检验结果来看，AR(2)值为0.13，大于0.1，证明了无二阶序列相关的原假设成立。同时，为了检验工具变量的有效性，我们对工具变量进行了过度识别检验，即Sargan检验。检验结果J统计量明显大于0.1，因此工具变量有效的原假设在本文的所有参数中都不能被拒绝。

表4 模型(3)的GMM估计结果

根据Bond和Reenen[41]的研究，关于投资机会的所有信息都可以由托宾Q值来控制，因此所有含有现金流的信息都能够反映资本市场的不完善。虽然本文的模型(3)绕过了Q值中已知的测量误差问题，但它并不能够控制由投资机会和对未来边际收益的期望所产生的现金流。为了避免投资机会与现金流量之间的内生性问题，我们假设当企业预测到有好的投资机会时，会增加他们的雇员数量。据此，本文增加了企业层面的就业增长变量(Δempit-1)来作为投资机会的替代变量，设定模型(4)。

模型(4)：

之所以选择就业增长作为投资机会的替代变量，是因为劳动力在生产过程中比资本更加灵活，雇员数量以及投资分别会在t期和t+1期对投资机会的期望Et[opportunitiest+1]做出反应。所以，当投资机会在t+1期实现时，它们将影响t+1期的现金流。有更好投资机会的公司很可能会增加雇员数量，而投资机会不好的公司很可能会解雇一些员工。如果投资被现金流所影响，是因为现金流导致有更多的投资机会，那么将产生内生性问题。这时如果模型中包含了就业增长变量，那么现金流变量将变得不显著。为了进一步判断用就业增长作为投资机会替代变量的合理性，本文进行了以下相关性分析。表5一方面显示了就业增长与投资水平之间的相关性，另一方面显示了就业增长和现金流量之间的相关性。可以发现，投资与就业增长成正相关，表明较高的投资机会确实与较高的投资水平有关，也可以看出现金流量与就业增长有着显著的正向关系。这说明用就业增长作为投资机会的替代变量是合理的，不过这也可能意味着现金流与更高的投资机会有着密切联系。如果现金流是促使投资对现金流敏感性的原因，那么在把就业增长变量加入回归分析之后，由于内生性问题，敏感性就会消失。

表5 用就业增长量代替投资机会的相关性分析

下页表6是对模型(4)的GMM回归结果。从中可以发现，就业增长变量Δempit-1并不显著，而现金流变量CFit/Kit-1在1%水平下显著为正，这说明投资机会并不能改变投资-现金流敏感性。因此，现金流与投资机会之间不存在内生性问题。也就是说，把投资机会(就业增长)变量加入模型后，敏感性依然存在。此外，有关滞后投资、误差修正项和销售增长变量的估计结果，模型(4)与模型(3)之间差异并不大。

在前文的研究中，模型(3)通过加入现金流变量，分析得出现金流量的增加使公司能够进行更多的投资。为了控制投资机会与现金流之间可能产生的内生性问题，模型(4)中加入了就业增长作为投资机会的替代变量，证明了加入就业增长变量后投资-现金流敏感性依然存在。作为最后的测试，本文在模型(5)中加入了现金流与分类变量finconHIGHit的交互项，通过高融资约束组与低融资约束组的对比，论证投资-现金流敏感性能够更好地衡量融资约束。

表6 模型(4)的GMM估计结果

模型(5)：

表7给出了对模型(5)的回归结果。投资水平(Iit-1/Kit-2)的系数为-0.258，误差修正变量(Kit-2-sit-2)的系数为-0.533，均在1%水平上显著，再次验证了滞后的投资水平和误差修正项与投资之间显著的负向关系。销售增长变量(Δsit)及其滞后变量均与投资呈显著的正向关系，但以就业增长作为替代变量的投资机会变量(Δempit-1)依然不显著。现金流变量(CFit/Kit-1)的系数为0.386，显著为正，再次验证了现金流与投资之间的正向关系。回归结果显示，高融资约束组变量(finconHIGH)的系数为-0.167，在5%水平上显著为负，这表明了融资约束越高的公司，其投资越少；交互项变量(CFit/Kit-1×finconHIGHit)的系数为0.157且在5%水平上显著为正，这表明高融资约束组公司的现金流对投资的影响大于低融资约束组的公司，高融资约束组的投资-现金流敏感性更大。交互项的回归结果验证了中国制造业跨国公司，受融资约束低的公司将比受融资约束高的公司拥有更多的投资，也进而论证了本文的核心结论，即随着外部融资的减少，跨国公司的投资-现金流敏感性将会增加。

表7 模型(5)的GMM估计结果

五、结论与对策建议

本文使用新的融资约束评价指标ASCL指数测度2007—2016年中国制造业跨国公司的融资约束，并实证分析其与投资-现金流敏感性的关系，得出以下几点结论：第一，实证结果验证了新评价指标ASCL指数对衡量融资约束的有效性。ASCL指数可以用来区分在某一时期内哪些是高融资约束公司，哪些是低融资约束公司，但随着时间的推移，无法评估融资约束的演变。第二，中国制造业跨国公司存在显著的投资-现金流敏感性，且在控制投资机会变量后，融资约束与投资-现金流敏感性之间呈显著的正向关系，说明投资-现金流敏感性能够很好地衡量融资约束。第三，根据ASCL指数，高融资约束组的中国制造业跨国公司面临更高的债务成本，因此更倾向于寻找其他来源，比如净贸易信贷，来为其业务提供资金，因此资本成本是影响投资-现金流敏感性的重要因素。第四，对于中国制造业跨国公司，随着外部融资的减少，投资-现金流敏感性将会增加。

对于中国制造业跨国公司未来的发展，本文提出如下建议：在政府层面，应积极出台相关政策支持跨国公司在国内外融资，拓展融资渠道，丰富融资资源；对于有发展潜力的制造业跨国公司应适当降低债务利率，以便于降低跨国公司的投资-现金流敏感性，从而降低国内市场上的信用摩擦；要完善国际融资方面的法律制定，加快中国跨国公司与国际接轨的步伐。在企业层面，应积极学习并吸取先进国家的跨国公司在国际融资方面的经验，丰富融资结构，加强融资核算系统的开发和运用，科学对比和分析融资方式的优缺点，选择最适合自身特点及最符合国际化发展目标的融资方式；灵活运用财务杠杆，在经营过程中适当增加现金流量水平，以缓解在国内外融资时可能遭遇到的信用摩擦；借助“一带一路”倡议的机遇，大力“走出去”，提高跨国公司的国际化水平；加快吸引国际化人才，提升自身软实力，以此谋求在国际市场上更加快速稳健的发展。

致谢：感谢东北财经大学国际经济贸易学院2018届硕士研究生徐小晗在本文中作出的贡献。