基于计量经济学的中国上市公司股息分配影响因素的实证分析

摘要：股票投资作为当今中国最大的个人投资市场之一，吸引了众多投资者参与买卖。从现金流折现的角度看，股利是股票的息票，是债券的一种特殊形式。文章通过计量经济学模型和STATA统计软件，分析了2015-2018年间中国A股1291家上市公司股息分配的影响因素。利用混合面板回归模型、固定效应回归模型、双向固定效应回归模型和随机效应回归模型，对股利政策的影响因素进行了回归分析。结果显示，公司盈利能力、流动性、前一年度的股息支付率和企业杠杆率显著影响当年的股息支付率，而税收水平对股息支付率有负面影响。通过F检验、LM检验和Hausman检验，确定了最优的模型为双向固定效应模型。为中国上市公司股利政策的决定因素提供了实证依据。

关键词：股息分配；计量经济学；上市公司；数据分析；多模型测试

在中国资本市场中，股息分配政策作为企业财务管理的重要组成部分，反映了企业的经营成果和现金流状况，并影响投资者决策和公司价值。随着中国经济的快速发展和资本市场的成熟，研究上市公司股息分配的影响因素对理解公司财务决策和投资者行为具有重要意义。

近年来，中国A股市场上市公司数量不断增加，股息分配政策也日益受到关注。根据上海证券交易所2023年报告，A股上市公司年度股息总额已达2508亿英镑，成为全球最大的二级市场之一。尽管股息分配并非强制性规定，但公司派发股息通常被视为财务健康和市场预期积极的标志。

本文旨在通过计量经济学模型，实证分析影响中国A股上市公司股息分配的因素。研究数据选取了2015-2018年间1291家A股上市公司的股息和财务指标面板数据。通过STATA统计软件和多种面板数据分析方法，包括混合面板回归模型、固定效应回归模型、双向固定效应回归模型和随机效应回归模型，我们对影响股息分配的财务因素进行了回归分析。希望本文的研究能为中国A股上市公司的股息分配政策提供有价值的见解，并为投资者和管理者制定相关决策提供数据支持。

一、文献综述

Parsian等人（2013）研究了德黑兰证券交易所中自由现金流和盈利能力流动比率对股息支付率的影响。Sajib等人（2015）分析了孟加拉国保险业的股息支付决定因素。Alfisah（2018）研究了印尼证券交易所LQ45公司中股本回报率、公司增长、自由现金流和杠杆对股息支付率的影响，发现净资产收益率和自由现金流对股息支付率有显著影响。Sawukir（2020）分析了流动比率、股本回报率和杠杆率对马来西亚交易所制药公司每股收益及股息支付率的影响。

以上研究提供了关于不同证券交易所上市公司股息支付率影响因素的宝贵见解，强调了各种财务指标和行业特定变量在决定股息政策中的重要性。本文将基于这些文献，选择解释变量和分析上市公司股息支付的方法，通过细致的计量经济学分析和模型选择，以中国A股上市公司为例，客观分析这一主题。

二、数据收集和整理

本文收集了2015-2018年中国沪深交易所1300家上市公司的股息分配数据及相关财务指标。股息支付相关数据来源于Wind金融终端，自变量数据来源于CSMAR中国数据库。面板数据是根据上市公司的股票代码（上海证券交易所为“60XXXX”，深圳证券交易所为“00XXXX”）分配个人标识符来组织的。数据按股票代码升序排列，公司重新编号。在处理数据时，由于某些自变量（如税收和公司规模）的单位较大，因此使用自然对数对这些变量进行转换，以使其与其他变量相适应。此外，为了解决时间维度上的缺失数据，剔除了所有在特定年份有缺失观测值的公司的数据，总共剔除了36个观测值，这确保了面板数据的平衡，用于模型回归的实际公司数量为1291，包括5164个观察值。另外，对于某一特定年份某一特定变量的个别观测缺失数据，使用对应公司上一年的数据来填补缺失值。

三、变量定义和描述性分析

因变量：

本文主要研究中国A股上市公司股利支付的影响因素。因变量是股息支付率（DIVPAY），它是公司年度股息总额与净利润的比率。

自变量：

1. 盈利能力：以每股净利润衡量。

2. 公司规模：以净资产的自然对数衡量。

3. 资本结构：以杠杆率的自然对数衡量。

4. 税收水平：以税收总额的自然对数衡量。

5. 流动性：以每股现金流量衡量。

6. 销售能力：以资产周转率衡量（净销售额占平均总资产的比例）。

7. 上期派息率：上一年度的股息支付率。

8. 市盈率：以每股股价与每股收益的比值衡量。

分类变量：

9. 所有权类型：公司的所有权类型分为国有和私营，其中私有制为1，国有为2。

10. 控股股东：上市公司的控股股东有能力决定股利分配的时间和数额，并可能对公司的股利政策产生重大影响。

在数据收集、组织和面板化之后，本文涵盖了1291家公司四年来的5164个观察结果，形成了一个平衡的面板数据集，其中，包含一个因变量、七个自变量和两个分类变量。表1介绍了数据的描述性统计。值得注意的是，因变量divpay和上一年的股息支付率lcdps的最小值为零，因为一些公司在相应的年份没有分配股息。

四、预回归分析与检验

（一）相关分析

通过Stata对各变量生成的相关矩阵，分析各解释变量之间的相关系数。解释变量之间的相关系数均未显著超过0.8，说明控制变量之间不存在严重的多重共线性问题。同时，与因变量表现出明显正相关的解释变量是上一年度的利润和股利支付率。这表明，上一年度的利润水平和股利分配情况对因变量具有显著的解释力。公司规模与税收的相关系数为0.726，呈显著正相关。这表明，随着公司规模的扩大，其税负也可能增加。

（二）单位根检验

为了全面检验和分析面板数据，本文对所有变量进行了Im，Pesaran和Shin （IPS）单位根检验。结果表明，所有变量的IPS单位根检验的p值为0.000，导致拒绝所有面板包含单位根的原假设。因此，确认面板是静止的。

五、模型选择与实证结果

（一）模型选择测试

1. 混合面板回归模型

divpayit=λ1profitit+λ2lnsizeit+λ3lnleverageit+λ4peit+λ5turnoverit+λ6fcpsit+λ7lcdpsit+λ8lntaxit+εit

在这个模型中，divpayit代表第i公司的派息率在时间t. profitit代表周期t i公司的盈利能力ln（sizeit）的自然对数周期t i公司的大小ln（leverageit）的自然对数周期t i公司的杠杆比率peit第i公司的市盈率在时间t turnoverit第i公司的资产周转率在时间t fcpsit每股自由现金的lcdpsit是第i家公司在第t时期上一期的股息支付水平。ln（taxit）是第i家公司在第t时期所缴纳税款的自然对数。alpha表示每个解释变量的回归系数。它是误差项，表示模型不能解释的随机变量。

2. 个体固定效应模型

divpayit=λ1profitit+λ2lnsizeit+λ3lnleverageit+λ4peit+λ5turnoverit+λ6fcpsit+λ7lcdpsit+λ8lntaxit+γi+εit

在此模型中，γ表示单个公司的固定效应，控制在单个数据级别上不随时间变化的固定因素，例如，管理风格、企业文化和品牌价值。这些因素很难量化，但会对公司业绩产生重大影响。

3. 双向固定效应模型

divpayit=λ1profitit+λ2lnsizeit+λ3lnleverageit+λ4peit+λ5turnoverit+λ6fcpsit+λ7lcdpsit+λ8lntaxit+γi+δt+εit

该模型在考虑个体固定效应的基础上，还考虑了时间固定效应。是时间固定效应，控制随时间变化但不依赖于公司的固定因素，如政策、法规和结构性宏观经济条件。

4. 随机效应模型

divpayit=λ1profitit+λ2lnsizeit+λ3lnleverageit+λ4peit+λ5turnoverit+λ6fcpsit+λ7lcdpsit+λ8lntaxit+ui+vt+εit

在该模型中，ui表示第i家公司特有的随机效应，vi表示第t个时期特有的随机效应。随机效应模型考虑了公司之间和随时间的不可观察因素对因变量的影响。例如，在企业财务分析中，内部管理质量或外部市场条件的变化难以量化，可能会显著影响公司的股息支付行为。

表2展示了四个测试的结果。在混合面板模型和随机效应模型之间选择更好的模型需要使用Breusch-Pagan LM检验。Breusch-Pagan LM检验的结果不能拒绝不存在个体随机效应的原假设（p值=1.0000），建议选择混合模型。

在混合面板模型和个体固定效应模型之间，使用F检验来确定更好的模型。个体固定效应模型回归结果的F检验p值为0.0000，说明个体固定效应模型优于集合面板模型。考虑到没有使用聚类稳健标准误差，这个F检验是无效的。结论将使用LSDV（最小二乘虚拟变量）方法进一步验证。在加入聚类稳健标准误差后，许多单个虚拟变量在5%的水平上显著，从而拒绝了“所有单个虚拟变量都为零”的原假设，这表明存在单个固定效应和使用合并面板回归的不适当性。

在固定效应模型和随机效应模型之间进行选择，需要进行Hausman检验。豪斯曼检验的结果拒绝了ui与解释变量不相关的零假设。因此，固定效应模型优于随机效应模型。

对于个体固定效应和双向固定效应模型，需要加入时间固定效应进行比较验证。所有年度虚拟变量联合显著性的F检验结果强烈拒绝无时间固定效应的原假设，p值为0.0000。对比两种模型的赤池信息准则（Akaike Information Criterion， AIC）和贝叶斯信息准则（Bayesian Information Criterion， BIC）值，可以得出双固定效应模型的AIC和BIC值更小的结论。因此，双向固定效应模型优于个体固定效应模型。

综上所述，通过F检验、Breusch-Pagan LM检验和Hausman检验得出结论。在四种模型中，双向固定效应模型是最优的。

（二）改进的模型和回归结果

表3是按公司代码聚类的带有标准误差的模型。模型5包含所有解释变量。模型6和模型7排除了解释变量资产周转率和现金流动性，这两个变量在统计显著性水平上完全不显著。可以观察到，模型7中的所有解释变量要么显著要么接近显著。

（三）分类变量下的讨论

在公司所有权分类和控股股东存在的情况下，本文基于模型7进行回归，结果如表4所示。模型8是带有解释变量的民营企业股利分配模型。模型9是带有解释变量的国有企业股利支付率模型。模型10是无控股股东企业的股利支付率模型，有解释变量。模型11是带有解释变量的有控股股东的企业股利支付比率模型。

相比之下，很明显，在几乎所有的解释变量中，控股股东和国有所有权的存在都会显著影响派息。利润水平对股利分配有显著的正向影响，符合实际情况。对于国有企业和大多数有控股股东的企业来说，股息支付比例在很大程度上分别受到中国政府国资委和控股股东的影响和控制。

六、结语

通过对2015-2018年期间1291家A股上市公司数据的研究，本文主要采用混合面板回归模型、个体固定效应模型、双向固定效应模型和随机效应模型，对股息分配的影响因素进行了系统的回归分析。通过Breusch-Pagan LM检验、F检验和Hausman检验，本文最终选择了个体双向固定效应模型作为最优模型。

实证分析结果表明，公司的盈利能力、公司规模、杠杆率、前一年度的股息支付率和公司税收水平是影响股息支付的重要因素。其中，公司盈利能力、公司规模、杠杆率和前一年度的股息支付率对股息分配有显著正向影响，表明利润高、规模大、杠杆率高及过去股息分配较多的公司更倾向于支付更多的股息。税收水平对股息分配有显著负向影响，表明税收负担较重的公司可能会减少股息支付。此外，流动性对股息分配也有一定的正向影响，但在固定效应模型中的显著性较低。

总之，本文的研究不仅为中国A股上市公司股息分配的影响因素提供了新的实证证据，同时也为投资者和公司管理层在决策过程中提供了有价值的参考。未来的研究可以进一步扩展数据样本的时间范围，并考虑更多可能影响股息分配的因素，如宏观经济政策、行业特征等，以便更全面地揭示股息分配的影响机制。

参考文献：

[1]叶薇，王静.上市公司股利分配影响因素实证研究——以信息技术行业上市公司为例[J].当代经济，2023，40（08）：96-103.

[2]王丁玥.上市公司现金股利分配影响因素研究[J].产业创新研究，2022（21）：145-147.

[3]田方正，李铭宇，李永军.上市公司股利分配政策研究——以格力电器为例[J].河北企业，2022（02）：142-144.

[4]钱静媛.上市公司股利政策影响因素研究[J].中国集体经济，2021（31）：90-91.

[5]王洪洲，孙丽华.公司治理、CEO风险偏好与现金股利政策[J].财会通讯，2020（09）：72-77.

[6]云苗苗.上市公司股利分配政策的案例分析——以格力电器为例[J].中外企业家，2020（11）：2-3.

[7]郭志强.上市公司股利分配政策存在的问题及完善建议[J].经营与管理，2018（11）：49-51.

[8]Parsian，H.，& Koloukhi，A.S.（2013）.A study on the effect of free cash flow and profitability current ratio on dividend payout ratio：Evidence from Tehran Stock Exchange.ERN：Other Microeconomics：Intertemporal Firm Choice，2013.

[9]Sajib，M.R.，Dutta，D.K.，& Chaity，N.S.（2015）.Determinants of dividend payouts： Study on the insurance sector of Bangladesh.Econometric Modeling：Corporate Finance & Governance，2015.

[10]Alfisah，K.E.（2018）.Factors of dividend payout ratio and influence on company value（Case study on LQ 45 companies in Indonesia Stock Exchange on the 2011-2015）.Asian Journal of Business and Management.

[11]Sawukir，S.（2020）.Analysis of the effect of fundamental factors and its implications on dividend payout ratio.

[12]蒋沅宏.我国上市公司股利政策影响因素研究[J].现代经济信息，2018（18）：296+298.

[13]卢建词，姜广省.混合所有制与国有企业现金股利分配[J].经济管理，2018，40（02）：5-20.

[14]张林娜.我国上市公司股利分配政策研究[J].经贸实践，2018（02）：164+166.

（作者单位：伦敦大学学院）