新能源汽车产业债务融资提高了企业绩效吗？——基于股权集中度调节效应的研究

陶思林

（中国地质大学 经济管理学院，湖北 武汉 430078）

中共中央、国务院在《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》中强调把“双碳”目标纳入经济社会发展全局，以能源绿色低碳发展为关键，推动我国工业制造业向绿色低碳转型升级。因此新能源汽车成为未来我国汽车发展的主要方向。新能源汽车产业链由顶层技术、上游材料端、中游核心装置部件和下游整车及后市场构成。目前新能源汽车产业进入发展新阶段，企业供给能力提升，市场需求持续增加。但是由于新能源车补贴退坡和锂矿等基础资源价格的剧烈上涨[1]，关键零部件、核心技术等还未实现自主可控仍需研发投入，因此目前新能源车产业面临一定的成本压力，企业的盈利空间较小。作为资金和技术密集型产业，缓解成本压力、提高盈利能力是新能源汽车产业当前急需解决的问题。科学的融资管理能够帮助企业一定程度上改善融资问题、帮助技术研发、改善经营水平[2]。作为融资方式的一种，债务融资能否在解决资金问题的基础上发挥杠杆作用等提高新能源汽车产业企业绩效是值得探讨的问题。

目前关于债务融资影响企业绩效的研究有三类主流观点。第一类观点认为，债务融资与企业的经营绩效正相关。1983 年，Masulis 证实了权衡理论，认为当资产负债率介于一定范围内时，企业的负债比率与绩效正相关。举债经营获得的税盾收益降低了加权平均资本成本[3]。债务融资带来的经营管理压力，减少了管理者机会主义行为，降低了股东与管理者之间的代理成本[4]。负债融资也向外部市场传递了企业具有发展前景的信号[5]。此外，根据债务结构的分类，有学者证明财务杠杆比率[6]、短期负债与企业绩效正相关[7]，动态性较强的环境会提高债务融资与企业绩效的正向相关性[8]。而第二类观点则认为债务融资与企业绩效呈负向相关关系。过高的债务水平可能引起债权人与股东之间的矛盾，影响企业的资金流动性，从而影响企业的绩效，甚至增加了企业的破产风险[9]。第三类观点认为债务融资比率与企业绩效呈现倒“U”型的二次曲线关系。当负债比率提升到某一临界值时，经营绩效会从上升转为下滑，当负债比率下降到一定程度时经营绩效又会有所回升[10]，而且过低或过高的负债水平都不利于企业绩效的提高[11]。综合来看，受行业、时间、国家等因素的影响，债务融资与企业绩效的研究结论未能达成一致，目前基于我国新能源汽车产业债务融资与企业绩效的研究也较少。

另外关于研究方法和模型的选择，学者们大多采用OLS 估计[3，7]，但是这种方法可能受到回归元的内生性的困扰，使结果产生偏误。因此为了排除内生性问题， 贺晋等[12]对举借债务进行滞后一期处理，褚玉春[10]运用一阶差分GMM 估计排除变量的内生性和异质性，刘玉[13]将公司规模作为工具变量对样本进行2SLS 回归。基于学者们的研究，本文认为双向固定效应和系统GMM 模型能够排除遗漏变量以及债务融资与企业绩效之间双向因果导致的内生性偏误。

因此本文立足现实问题，以2015—2020 年沪深A 股新能源汽车产业上市公司为研究对象，运用双向固定效应模型和系统GMM 模型分析了债务融资对企业绩效的影响，并进一步探究了股权集中度在债务融资与企业绩效关系中的调节作用。丰富了我国新能源汽车领域债务融资管理对企业绩效影响的理论研究，给新能源汽车产业通过债务融资管理实现绩效的提升提供了相关建议，为我国新能源汽车产业资本结构科学化管理和推动国家绿色经济高质量发展提供了新的思路。

一 理论与研究假设

（一）研究假设一

MM 理论认为企业增大债务规模产生的利息具有抵税效应，提高了企业总体价值。然而根据权衡理论，一方面，适当的债务融资有利于初创期的企业缓解现金流压力，减少了委托代理问题，绩效会有所提升[13]；另一方面，当外源融资比例过高时，融资成本和监督成本增加，企业的盈利能力和成长能力也会受到影响[14]，此时不仅会影响企业的绩效，同时也极易出现资不抵债的情况，甚至企业会面临破产风险。当额外成本大于税盾收益和杠杆收益时，企业的绩效水平就会下降。

新能源汽车是资金和技术密集型产业，产品竞争力大，电池、芯片技术研发和产品生产等资金投入规模大，回收期长。当前大多数企业由于产品销售量小、制造成本高，现金流仅能支撑研发与生产。而且伴随着补贴逐年退坡，脱离政府的资金扶持，新能源汽车企业正在经历从“政策驱动”向“市场驱动”的转型，本身盈利能力较弱。因此，较高的债务融资水平，增大了新能源汽车产业的相关成本，不利于企业提高绩效水平。综上，本文提出假设一：

H1：新能源汽车产业债务融资与企业绩效负相关。

（二）研究假设二

根据隧道效应，随着持股比例的提升，大股东存在更大的掏空公司的动机[15]。但是根据激励监督效应，相对集中的股权能够更好地监督管理者，降低了代理成本，也更好的减少了中小股东的“搭便车”现象[16]，同时在一定程度上激励管理者改善经营水平，提高企业的绩效。因为根据利益协同效应，当股权高度集中在第一大股东手中时，控股股东的利益直接依附于公司的利益，此时其他中小股东的表决权由于较为分散，不会对决策产生较大影响[17]。因此，一方面大股东会更加谨慎的进行经营投资，提高企业的绩效，从而达到自身利益最大化。另一方面，较高的股权集中度会降低代理冲突，控股股东对管理者的监督动机也更强烈，从而降低了管理层的机会主义等现象，经营水平也会提高[18]。

新能源汽车产业的股权集中度普遍较高，一定程度上增加了公司的稳定性，减轻了代理成本。受大股东的监督，管理者的决策管理水平也会提升，资金配置效率提高，有利于绩效提升。综上，本文提出假设二：

H2：股权集中度提高会削弱新能源汽车产业债务融资与企业绩效的负向相关关系。

二 研究设计

（一）样本选择与数据来源

本文选取了2015—2020 年沪深A 股新能源汽车产业上市公司，对数据做以下处理：（1）剔除被标记ST 或*ST 类的公司和上市年限较短的公司；（2）对主要连续变量在收尾两端做了1%的winsorize 处理。最终筛选出198 家公司，共1 165 个有效个案。其中新能源汽车产业的分类依据iFinD 数据库对新能源汽车概念板块的划分，文中涉及的经济数据均来自CSMAR 数据库。数据处理软件主要包括Stata15.0、SPSS22.0 和Excel。

（二）变量定义

1. 被解释变量

企业绩效（F）。本文代表新能源汽车产业的企业绩效的变量是销售净利率（TIM）、长期资本收益率（LCR）、净资产收益率（ROE）、总资产报酬率（ROA）、成本费用利润率（CPM）及每股收益（EPS）的综合指标。其中ROE、ROA、LCR和反映企业经营能力、获利能力和筹资能力；TIM、CPM反映的是企业从事主营业务时创造财富的能力。

本文利用SPSS 软件，针对代表企业绩效的6 个指标展开因子分析检验，判断其是否适合因子分析。检验结果见表1。由表1 可知，统计量KMO 的数值为0.787，球度检验的Sig. 值为0.000，低于0.05 的显著性水平。表明6 个指标之间有较强的相关关系，因此选取的样本数据可以进行因子分析。

表1 KMO 和Bartlett 球度检验

如表2 所示， “旋转平方和载入”部分提取的两个因子方差累计贡献率达到了75.058%，共同解释了原始变量的75.058%，体现了原数据中的绝大部分信息。且旋转后的因子特征值均大于1。因此这2 个因子可以作为公因子综合反映新能源汽车产业企业绩效的大部分特征。

表2 总方差解释

利用各公因子的方差贡献率做权数，对每个因子得分进行加权，加总求得总因子得分，即新能源汽车企业绩效的综合指标。

F＝ 0.708F1+ 0.292F2（1）

2. 解释变量

债务融资（Lev）。本文的债务融资指的是企业通过银行和非银行的金融机构进行贷款等债权融资活动融得资金，并采用资产负债率进行度量。

3. 调节变量股权集中度（Top1）。本文将股权集中度作为调节变量，并利用第一大股东持股比例对股权集中度进行衡量。

4. 控制变量

根据已有文献，本文的控制变量选择的是：（1）公司成长能力（Growth），用主营收入增长率来衡量；（2）企业经营年度（Age），即考察年度减去企业成立年度；（3）融资约束（SA），借鉴Hadlock and Pierce（2010）的研究方法，利用Ordered Probit 模型衡量融资约束；（4）企业规模（Size），用年末总资产的自然对数来衡量。具体定义如表3。

表3 变量定义

（三）模型设计

本文通过Hausman 检验，选择固定效应模型，同时控制个体固定效应和时间固定效应。具体模型构建如下：

Fi,t＝α0+α1Levi,t+α2controli,t+μ+δ+εi,t（2）

Fi,t＝β0+β1Levi,t+β2Top1i,t+β3Levi,t×Top1i,t+β4controlsi,t+μ+δ+εi,t（3）

模型（2）采用双向固定效应模型检验债务融资对新能源汽车产业企业绩效的影响。其中i代表第i家公司；t代表第t年度；α和β代表模型的参数；controli,t为控制变量；μ和δ分别控制了年份和个体固定效应；εi,t为随机扰动项。

模型（3）在模型（2）的基础上加入调节变量股权集中度，以及债务融资与股权集中度的交成项Levi,t×Top1i,t，检验股权集中度对新能源汽车产业债务融资和企业绩效关系的调节作用。

三 实证研究

（一）描述性统计

本文对主要变量分别进行了描述统计。从表4 可以看出，我国的新能源汽车产业的资产负债率均值高达47%，新能源汽车产业是资金密集型产业，债务融资较多，存在一定的金融风险。绩效的均值为0.021，最大值为1.315，最小值为- 3.214，可以看出产业高负债的特性，以及近几年新能源汽车补贴退坡、产能过剩等因素导致部分企业的绩效水平并不理想。

表4 主要变量的描述性统计

（二）相关性分析

据表5，本文对样本进行相关性检验，通过判断Pearson 相关性系数，F与Lev的相关系数是- 0.223 2，在1% 的显著性水平下显著为负；F与Top1 的相关系数是0.183 2，在1% 的显著性水平下显著为正。因此初步判断，债务融资抑制了新能源汽车产业的绩效，且股权集中度越高，企业的经营绩效越好。

表5 相关性检验结果

（三）基础回归:新能源汽车产业债务融资与企业绩效

关于新能源汽车产业债务融资与企业绩效的回归分析，本文运用了双向固定效应模型对模型（2）进行了回归。根据表6，F与Lev的回归系数是- 2.013，并且在1% 的显著性水平下显著负相关，即较高的债务水平不利于新能源汽车产业绩效的提升，假设H1 得到了验证。新能源汽车是资金密集型产业，需要大量的研发资金投入，当资产负债率较高时，企业需要承担较大的破产风险。新能源汽车产业本身存在产能过剩现象，自由现金流不足，当债务规模过大时，极易出现债务风险，影响企业绩效。另外，SA与F在1% 的显著性水平下显著负相关。SA越小企业受到的融资约束越大，说明当企业面临的融资约束较大时，管理者投资谨慎性和企业资金配置效率提高，一定程度上提高了企业绩效。Age与F在1% 的显著性水平下同样显著负相关，说明行业内企业并不是经营时间越久，绩效越理想。经营时间越久越容易产生资金错配，从而影响企业的绩效。Size与F在1% 的显著性水平下显著正相关，说明新能源汽车产业企业规模较大时，对于企业绩效更有利。Growth与F正相关，但是并不显著。

表6 新能源汽车产业债务融资影响企业绩效的基础回归结果

（四）调节效应分析：股权集中度的调节作用

关于股权集中度对新能源汽车产业债务融资和企业绩效关系的调节作用，回归结果如表7所示。主效应Lev的系数为- 2.917，在1% 的显著性水平下显著负相关；交成项Lev×Top1 的系数为3.019，在10% 的显著性水平下显著为正。说明，随着股权集中度的提高，新能源汽车产业债务融资水平对企业绩效的抑制作用被削弱。进一步分析主效应变量Lev对F的影响，得到ΔF/ΔLev＝β1+β3Top1，因为Top1 的取值为[0.034，0.9]，所以得到ΔF/ΔLev的取值范围为[ -2.814，-0.2]，始终为负，说明新能源汽车产业债务融资与企业绩效负相关，与模型（2）的检验结果一致。分析Top1 对F的影响，得到ΔF/ΔTop1 ＝β2+β3ΔLev，因为ΔLev的取值为[0.097，0.947]，所以ΔF/ΔTop1 得到的取值范围为[0.196，2.762]，始终为正，说明较高的股权集中度有利于新能源汽车产业企业绩效的提升。以上结果表明，对于新能源汽车产业，企业较高的股权集中度能够削弱债务融资对企业绩效的抑制作用，较高的企业股权集中度，降低了扩大债务融资规模给企业绩效带来的风险。综上所述，假设H2 成立。

这也进一步证实了“利益协同效应”，较为集中的股权会提高大股东经营投资的谨慎性，更好的履行监督义务，从而改善企业的绩效。新能源汽车产业本身就是资金密集型产业，较大的融资需求必然带来更大的成本和风险，对绩效产生不利影响。而当股权集中度较高时，控股股东在投资和监督方面发挥作用，会削弱债务融资对企业绩效的抑制作用。

表7 股权集中度调节效应的回归结果

（五）内生性偏误与系统GMM 估计

前文的计量模型采用了双向固定效应估计方法，一定程度上缓解了遗漏变量引起的内生性偏误，但是企业绩效也可能反过来影响债务融资，反向因果关系可能导致更重要的内生性偏误。经Wald 检验，证明样本间存在组间异方差，因此本文借鉴陈明的方法，将新能源汽车产业企业绩效的一阶滞后项引入到模型中，转化为动态面板模型，并使用被解释变量的滞后一期作为工具变量，运用系统GMM 重新进行估计。

为增强结果的可靠性，本文检验了模型的合理性以及工具变量的有效性。如表8，检验结果显示，模型AR（1）的P值为0.036，小于0.1，拒绝原假设，AR（2）的P值为0.361，大于0.1，接受原假设。说明在自相关检验中，误差项的一阶差分存在一阶自相关，不存在二阶自相关。自相关检验通过，模型的随机误差不存在序列相关，模型设立合理。通过过度识别约束检验对工具变量的有效性进行检验，Sargan 的P值为0.543，Hansen 的P值为0.519，均大于0.1，说明所使用的工具变量与误差项不相关，模型使用的工具变量有效。检验结果显示，从滞后变量看企业绩效的一阶滞后项在1% 显著性水平下显著负相关。核心解释变量回归系数的符号和显著性均与前文保持较高的一致性，且绝对值较之前有所增大。说明新能源汽车产业债务融资对企业绩效有抑制作用的结论是可靠的，基本模型的回归结果通过了内生性检验。

表8 新能源汽车产业债务融资影响企业绩效的系统GMM 估计结果

（六）稳健性检验

1. 基础回归稳健性检验

为进一步保证主要结论的可靠性，本文采用替换测度指标的方法进行了稳健性检验。使用和替换前文代表企业绩效的综合指标，使用双向固定效应模型重新进行估计。如表9 所示，ROA与Lev的回归系数是-0.183，ROE与Lev的回归系数是-0.558，并且均在1% 的显著性水平下显著负相关，并且控制变量的绝对值、符号和显著性也与前文保持高度一致。因此估计结果与前文无实质性差异，说明本文的经验发现是相当稳健的。

表9 新能源汽车产业债务融资影响企业绩效的稳健性检验

2. 调节效应稳健性检验

本文以新能源汽车产业股权集中度的均值0.323 为基准对样本进行分类，当第一大股东持股比例高于0.323 时说明股权集中度高，反之股权集中度低，重新进行回归，回归结果见表10。根据表10，当股权集中度高时，F与Lev的系数为-1.493，大于股权集中度低的系数-2.371。第一大股东持股比例较高时债务融资对企业绩效的抑制作用明显低于第一大股东持股比例低时。第一大股东持股比例高，单个股东掌握股权，提高了监管水平，减少了高管的短视行为和滥用职权的风险， 更好的改善了信息不对称问题，降低了代理成本，同时提高了企业的决策效率，从而提升了企业绩效。说明新能源汽车产业较高的股权集中度缓解了债务融资对企业绩效有抑制作用的结论是稳健的。

表10 调节变量股权集中度的稳健性检验

四 结论与政策建议

本文以新能源汽车产业为研究对象，采用双向固定效应模型和系统GMM 模型，探究了债务融资对企业绩效的影响，以及股权集中度对债务融资与企业绩效关系的调节作用。研究结果表明：（1）新能源汽车产业较高的债务融资水平抑制了企业绩效的提升。（2）高股权集中度削弱了债务融资水平对企业绩效的抑制作用，第一大股东持股比例越高，越有利于企业绩效的提升。肯定了低水平的债务融资对新能源汽车产业绩效的促进作用，大股东掌握决策话语权时，更有利于企业在债务融资风险水平高时做出谨慎决策，提升企业绩效。

基于以上结论，本文提出以下建议：（1）新能源汽车产业合理优化债务融资水平，发展多元化融资方式。目前新能源汽车产业债务融资水平过高，不仅增加了经营成本，影响了资金周转，甚至对企业的生存能力造成威胁。合理降低债务融资能够减少融资成本，降低经营风险，提升盈利水平。另外，创新多元化的融资渠道，不仅能够降低企业资金链断裂的风险，而且帮助企业争取以较低的财务成本满足今后的资金需求。（2）提高企业股权集中度，完善内部监督机制。本文通过分析肯定了大股东在企业的经营中发挥的有效监控作用，但是 “一股独大”问题也不能忽视，企业内部要建立健全公司治理机制、引入独立董事等，以维护中小股东的利益。（3）国家大力发展绿色金融，缓解绿色产业融资压力。目前金融业对于实体经济的支持力度不够，尽管国家大力推进绿色发展，仍有部分绿色产业面临融资难题。绿色金融发挥作用，会解决绿色企业融资难、融资贵等问题，为企业的技术创新、产业发展等注入新动力。