上市公司智力资本对财务绩效的影响研究——基于Pulic模型的实证分析，本文主要内容关键词为：实证论文,绩效论文,智力论文,上市公司论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
一般认为，生产要素包括土地、劳动力和资本，其中，土地代表天然资源，劳动力代表人力资源，资本通常是指资金。对于企业来说，只要掌握了这些要素并善加利用，就可以创造价值并获取利润。然而，随着知识经济时代的到来，知识已经成为企业竞争的利器，成功的企业不会只靠有形资产来获取利益，信息与知识也是其获得利润的主要资源。我们从一些著名公司的财务报表中不难发现，这些公司的股价相当高，但其拥有的有形资产并不多，如2003年通用电器、可口可乐、沃尔玛、微软和英特尔的市值分别是其账面资产的3.06、6.64、6.07、4.13、和2.81倍[1]。这中间的差额就是传统会计所称的无形资产，亦称为智力资本。
智力资本之所以重要，是因为其对企业绩效会产生重要影响。本文将对我国1 177家上市公司2003～2005年的相关数据进行分析，对智力资本与财务绩效的关系进行实证研究，并对完善企业的智力资本管理提出建议。
二、智力资本的定义及构成维度
(一)智力资本的定义
有关智力资本的定义，不同的学者有不同的观点，目前尚未形成一个统一的定义，下面我们就相关的研究文献进行回顾。
智力资本一词最早是由经济学家Galbraith于1969年提出的，他认为智力资本是运用脑力的结果，是创造公司差异性优势的来源，它可用来解释公司账面价值与市场价值之间的差异。其后，越来越多的学者赞同企业创造竞争优势的主要来源是智力资本的观点，并且投入到这个领域的研究中。Stewart认为，智力资本是每个人能为企业带来竞争优势的知识、能力的加总，是一种智力形态的物质——知识、信息、知识产权和经验，它的投入能够为公司创造价值[2]。Edvinsson和Malone认为，智慧资本是对知识、经验、技术及顾客关系的掌握，从而使企业在市场上占据竞争的优势[3]。Youndt等人对智力资本的定义是，企业能够将其应用于商业过程并能用来获取竞争优势的知识总和[4]。以上这些学者的观点虽然在表述上有所不同，但基本上可以归纳为两个方面：一是认为智力资本是组织的知识和能力的总和，包括存在于组织内外不同层面上的知识和能力；二是认为智力资本是那些可以用来为组织创造价值并获得竞争优势的知识和能力。据此，本文将智力资本定义为：企业能够将其应用到商业过程中，并能为企业创造价值、带来持续竞争优势的知识资源。
(二)智力资本的构成维度
关于智力资本的构成维度，学术界有两个维度、三个维度和四个维度三种观点。持两个维度观点的人认为，智力资本的构成维度有两个，即人力资本和结构资本，其中，结构资本包括组织资本、创新资本和关系资本[3][5]。持三个维度观点的人认为，智力资本是由人力资本、结构资本和关系资本组成的[2][6]。持四个维度观点的人则认为，智力资本是由人力资本、结构资本、客户资本和创新资本组成的[7]。
本文赞同两个维度的观点，即智力资本可以划分为人力资本和结构资本两个维度。人力资本代表组织在个体层面上的知识存量，它存在于员工个体之中[6]，因此，本文将人力资本定义为员工的知识、技能和能力[8][9]。结构资本是人力资本的具体化、权力化，还包括支持性的基础设施，它也是一种组织化的能力，“是当雇员回家后，所有留在办公室的东西”，包括组织资本、创新资本和关系资本[3][5]。
三、理论与假设的提出
(一)智力资本的计量
Pulic从企业价值增加的角度构建了价值增加智力系数模型，用来测量公司的智力资本。本文也采用Pulic模型对智力资本进行度量[10]，用VA表示公司的价值增加，则有：
VA=产出-投入(公式1)
在实际应用中，公式2常被用来计算VA：
VA=营业利润+工资+折旧和摊销 (公式2)
在上面两个公式中，产出代表公司销售所有产品所带来的收益，投入则包括为取得收入而发生的所有成本，但要排除掉人力成本。需要注意的是，这里并没有把人员的工资作为投入，因为Pulic模型是将劳动力看作价值创造的实体，把工资支出看做是为价值创造所进行的投资。
智力资本包括两个方面，即人力资本和结构资本[3]。对于结构性资本(SC)，Pulic模型的计算公式为：
SC=VA-HC(公式3)
Pulic认为，人力资本应能反映其对于价值增值的贡献，因而可以用人力资本效率表示人力资本与价值增加的关系，公式如下：
HCE=VA/HC(公式4)
这样，HCE就成为公司人力资源素质的指标，即每单位人力资本投资可以带来的价值增加值。
对于结构资本效率的测量，Pulic认为，由于人力资本与结构资本在价值增加值(VA)确定的情况下存在此消彼长的关系，因此，可以采取另外一种方法来衡量结构资本的效率，计算公式如下：
SCE=SC/VA(公式5)
上式避免了HCE与SCE之间的反向关系。对于智力资本效率的测量，Pulic提出了智力资本效率系数(ICE)，其计算公式如下：
ICE=HCE+SCE(公式6)
在公司的价值增加中，除了有智力资本带来的价值增加，还有利用有形资产获得的价值增加，Pulic在模型中用资本利用效率系数(CCE)来衡量有形资产的利用状况：
CCE=VA/CE(公式7)
其中，CE=公司的有形资产=流动资产+固定资产。
公司的价值创造能力可以用价值增加智力系数(VAIC[TM])来表示：
VAIC[TM]=ICE+CEE(公式8)
利用Pulic模型，我们就能够借助于公司的财务报告对其智力资本进行测量。其他一些智力资本的测量方法因为需要较多的财务和非财务指标，而相关数据难以获得，所以很难保证样本的充足性。Pulic模型所需的数据一般都能从公司的财务报表中获得，因此，用该模型进行实证分析是能够获得较为充足的样本的。
(二)假设的提出
一般来说，由于目标不同，衡量一个企业的绩效所选取的指标也有所不同。本文主要从三个方面考察智力资本对企业财务绩效的影响，即资产获利能力、股东获利能力和资产保值增值能力。对于一个企业来说，其人员素质越高，如工作经验越多、业务技能和受教育程度越高等，企业运用资产获利的能力就越强，股东获得的收益就越多，企业的资产保值增值能力也越强；同样，企业的组织管理制度越健全，与客户和供应商的关系越好，创新的能力越强，企业的资产获利能力就越强，股东获得的收益就越多，企业的资产保值增值能力也越强。据此，我们提出六个假设。
假设1：企业的人力资本效率与资产获利能力正相关。
假设2：企业的人力资本效率与股东获利能力正相关。
假设3：企业的人力资本效率与资本保值增值率正相关。
假设4：企业的结构资本效率与资产获利能力正相关。
假设5：企业的结构资本效率与股东获利能力正相关。
假设6：企业的结构资本效率与资本保值增值率正相关。
此外，由Pulic模型可知，企业价值的增加，除了来自于无形资产，也来自于有形资产。据此，本文再提出三个假设。
假设7：企业的有形资产效率与资产获利能力正相关。
假设8：企业的有形资产效率与股东获利能力正相关。
假设9：企业的有形资产效率与资本保值增值率正相关。
四、研究方法
(一)样本的选取
本文以2003～2005年我国1 177家上市公司为研究样本，根据中国证监会(CSRC)制定的《上市公司行业分类指引》(1999年版)标准，将样本企业分成六大类，即商业、房地产业、工业、公用事业、金融和综合类，样本分类结果如表1所示。本文的数据来源于国泰安经济金融数据库。
表1 样本行业分类表
企业类型 数量
商业96
房地产业 65
工业
786
公用事业 122
金融2
综合
106
合计 1177
(二)指标设计
1.因变量。
(1)总资产净利率(ROA)。ROA反映的是企业总资产的获利能力，其计算公式如下：
总资产收益率(ROA)=净利润/总资产(公式9)
(2)每股收益(EPS)。EPS反映的是股东的获利能力，其计算公式如下：
每股收益(EPS)=净利润/总股数 (公式10)
(3)资本保值增值率(CAIN)。CAIN反映的是所有者权益的增长情况，它同时也是反映企业未来发展能力的指标，其计算公式如下：
资本保值增值率(CAIN)=期末股东权益/期初股东权益(公式11)
2.自变量。
(1)人力资本效率系数(HCE)。该指标的计算方法如公式4所示。
(2)结构资本效率系数(SCE)。该指标的计算方法如公式5所示。
(3)有形资产效率系数(CCE)。该指标的计算方法如公式7所示。
3.控制变量。
(1)行业。本文将所有的行业分为六大类，即房地产、公用事业、工业、金融、商业和综合类，用0、1虚拟变量来表示商业、房地产、工业、公用事业和金融业行业变量，默认行业为综合类行业，其计算公式如下：
1，该企业属于第i个行业
Di=｛ (公式12)
0，该企业不属于第i个行业
式中，Di为行业的虚拟变量，i=1，2，3，4，5，分别表示商业、房地产、工业、公用事业和金融业。
(2)企业规模(SIZE)。企业规模也是影响企业绩效的重要因素。一般来说，公司规模的大小可以用人数、资产规模和销售额等来衡量，本文用企业总资产的自然对数值作为规模的控制变量。
(3)财务杠杆系数(LEV)。本文将其定义为负债除以股东权益，该指标反映了企业资本结构的影响。有研究表明，杠杆系数反映了债权人和股东的影响，它能对财务绩效产生影响[11][12]。
(三)验证方法
我们假设公司的智力资本能对财务绩效产生影响，构造出一个多元回归模型(OLS)。OLS模型可以有效地检验变量之间的相互关系[13]，公式如下：
PERFORMit=β[,0]+β[,1]HCEit+β[,2]SCEit+β[,3]CCEit+β[,4]SIZEit+β[,5]LEVit+β[,6]D[,1]i+β[,7]D[,2]i+β[,8]D[,3]i+β[,9]D[,4]i+β[,10]D[,5]i(公式13)
式中，PERFORMit为第i个公司在t年的财务绩效，β[,0]至β[,10]为回归系数，HCEit、SCEit、CCEit分别表示t年第i个公司的人力资本效率系数、结构资本效率系数和有形资产效率系数，SIZEit表示第i个公司在t年的规模，LEVit表示第i个公司在t年的杠杆系数，D[,1]i至D[,5]i表示第i个公司的行业类型。
表2 变量的描述性统计值和相关系数
均值 标准差
ROA0.006 0.197 1
EPS0.109 0.479 4 0.581** 1
CAIN
1.019 2.999 0.743** 0.171** 1
SCE0.708 6.053 -0.008
-0.018
-0.003 1
HCE2.761 5.656 0.437** 0.467** 0.225** -0.0061
CCE0.114 0.118 0.558** 0.680** 0.256** -0.0250.480** 1
SIZE 21.219 0.940 0.119** 0.213** 0.029-0.0040.165** 0.154**
1
杠杆系数 1.496 3.759 -0.060** -0.142** 0.006 0.016
-0.143** -0.162** -0.0171
商业
0.08
0.274 -0.003
-0.009
-0.003-0.010
-0.025
-0.049** -0.044** 0.034*
1
房地产业 0.06
0.228 0.0100.016
-0.003 0.059** 0.065** -0.090**
0.060** 0.019
-0.072** 1
工业
0.67
0.471 0.0000.036* -0.002-0.026
-0.054** 0.079** -0.003
-0.038* -0.423** -0.343** 1
公用事业 0.10
0.305 0.014
-0.0090.007 0.0060.095** 0.094**
0.031
-0.035* -0.101** -0.082** -0.482** 1
金融
0.00
0.041 -0.009
-0.0310.000 0.000
-0.002
-0.006 0.0280.000
-0.012
-0.010
-0.058** -0.014 1
注：“表示相关系数在p＜0.01的水平上显著(双尾)，*表示相关系数在p＜0.05的水平上显著(双尾)。
五、分析结果
各变量的相关系数和描述性统计值如表2所示。通过描述性统计分析，我们发现，SCE、HCE、CCE、SIZE、LEV以及行业变量之间的皮尔逊相关系数均低于0.9，不存在严重的共线性问题，符合多元线性回归分析所需要的条件。
我们用设定的控制变量和自变量分别对总资产净利率、每股收益和资本保值增值率3个因变量进行回归分析，结果如表3所示。在含有全部自变量和控制变量的3个模型中(模型2、模型4和模型6)，模型整体上表现出显著性，F值分别为195.089、364.745和32.249，R[2]分别为0.357、0.509和0.084。这3个模型的F值和R[2]均大于不含3个自变量的模型(模型1、模型3和模型5)，说明全模型在对绩效变化的解释力方面要强于只有控制变量的模型。在3个全模型中，HCE和CCE的回归系数均为正数，且在P＜0.01的水平上显著，这与我们的假设相符；而SCE在3个全模型中的回归系数均没有显示出显著的正相关性，其在模型4中甚至为负数，这显然与我们的假设不相符。
表3 智力资本对经济绩效影响的回归分析
总资产净利率 每股收益 资本保值增值率
模型1 模型2模型3
模型4 模型5模型6
-0.518** -0.138* -2.200**-1.187**
-0.9222.029
(-6.919) (-2.253)(-12.362)(-9.081) (-0.800) (1.816)
0.010 -0.009
0.059
0.003-0.034-0.167
(0.655)
(-0.673) (1.570) (0.092) (-0.140) (-0.715)
0.010 0.0040.063
0.062*
-0.079-0.163
(0.590)
(0.305) (1.491) (2.019) (-0.288) (-0.618)
0.007-0.028** 0.062* -0.045*
-0.020-0.264
(0.611)
(-2.976) (2.237) (-2.225) (-0.114) (-1.527)
0.012-0.054** 0.022 -0.164** 0.034 -0.453
(0.814)
(-4.399) (0.618) (-6.297) (0.149) (-2.033)
-0.052 -0.054 -0.374 -0.384** -0.102-0.106
(-0.646)
(-0.829)(-1.955) (-2.767) (-0.083) (-0.090)
0.025** 0.003 0.108** 0.049**0.092-0.077
SIZE
(7.003)(0.905)(12.910) (7.885)
(1.704) (-1.466)
-0.003**0.002**-0.017** -0.003*0.0050.045**
(-3.453)(3.080)(-8.391) (-2.081) (0.400)
(3.461)
0.000
-0.000 0.001
SCE
(0.155) (-0.320)(0.089)
0.008** 0.014**0.074**
HCE
(13.936)(12.185)(7.461)
0.787** 2.430**5.281**
CCE
(29.734)(43.118)(10.967)
R20.018
0.357 0.068
0.509 0.001 0.084
调整后R2 0.016
0.355 0.066
0.507-0.001 0.081
F值 9.163**195.089**
36.437**364.745** 0.46332.249**
注：小括号内为t值，**表示相关系数在p＜0.01的水平上显著，*表示相关系数在p＜0.05的水平上显著。
对于控制变量中的行业因素，我们发现，在3个全模型中，行业变量并没有对财务绩效都显示出显著的相关性，只有部分行业对部分财务绩效变量具有显著影响。就资产规模而言，在3个全模型中，只有模型4与财务指标(每股收益)有明显的正相关关系。财务杠杆系数虽然在3个全模型中都与财务绩效指标显著相关，但在模型2和模型6中，杠杆系数对财务绩效的影响为正，其在模型4中对财务绩效的影响却为负数。
六、结果讨论与未来的研究方向
(一)讨论
本文的主要目的是检验我国1 177家上市公司的智力资本对财务绩效的影响。我们对自变量进行实证分析后得出如下结论：(1)企业的人力资本效率与财务绩效具有正的相关性；(2)企业的有形资产效率与财务绩效具有正的相关性；(3)对于企业的结构资本效率与财务绩效具有正的相关性的假设，本文并不能提供支持。
下面，我们将就该研究结果进行讨论和说明。
首先，在本文的3个全模型中，有形资产运营效率(CCE)和人力资本效率(HCE)的系数都与因变量显著正相关(P＜0.01)。从系数的大小来看，有形资产效率的系数较大，分别为0.787、2.430和5.281，这说明我国企业财务绩效的增长更多是来自于有形资产利用效率的提高，如使用技术更先进、效率更高的设备；人力资本效率的系数与财务绩效指标也显示出正的相关性，但其值较小，分别为0.008、0.014和0.074，说明人力资本对绩效的贡献程度要远远低于有形资产对财务绩效的贡献程度，企业仍然需要强化人力资源管理，增加人力资本投资，以提高人力资本对财务绩效的贡献。
其次，结构资本效率(SCE)的系数不显著，说明我国上市公司的结构资本对财务绩效的贡献并不明显(系数接近于0，且在P＜0.05时不显著)，这与我国大多数企业制度不健全、管理水平低、创新能力弱有关，使得企业结构资本效率与财务绩效的相关系数很小且不显著。另外，在模型4中，结构资本效率的系数为负数(-0.000)，这可能是由结构资本作用的发挥具有滞后性所造成的，即企业即使加大了对结构资本的投入，如改革原有的管理体制、进行业务流程重组、增加技术和研发投入等，但由于这些增加的投入并不能在短期内发挥作用，而是需要一定的时间积累之后才能逐渐发挥作用，因此，增加结构资本投入往往不能对近期的财务绩效产生正的影响，甚至会对当期绩效产生负的影响，结构资本效率的系数就可能出现负数。
从总体上说，当前我国上市公司提高财务绩效的手段主要是提高有形资产的利用效率。本文的研究结果表明，人力资本虽然对企业财务绩效的提升具有一定的作用，但其系数远远小于有形资产的效率系数，说明我国企业人力资本对财务绩效的贡献并不能令人满意，增加入力资本投入、提高员工素质仍然是我国企业需要补足的一个重要方面。另外，企业结构资本的构建需要一段时间，如完善现代企业制度、从根本上提升企业的创新能力等，需要企业付出较多的时间和金钱，在短期内可能还会影响企业的财务绩效，因此，对于结构资本的构建，企业要有长期的战略眼光。
从控制变量的变化中我们发现，行业之间的差别只会对部分财务指标产生影响，其影响具有不确定性。对于企业规模变量，我们发现，只有在模型4中，企业规模对财务指标有显著的正的影响，而在模型6中，资产规模(SIZE)的系数是负数，这说明一味追求规模并不能带来企业整体财务绩效的提高，甚至会带来负面影响。从杠杆系数的变化中我们发现，资本结构对企业财务绩效的所有变量都产生了显著影响，但在模型2和模型6中，其影响为正，在模型4中这种影响为负(对每股收益产生了负的影响)，因而其影响在3个全模型中并不一致。对此，我们认为，举债虽然可能带来企业经营收入的增加，但过多的举债会使偿还债务的成本过高，反而会使股东所能分配到的收益减少，因而在模型4中，杠杆系数的回归系数为负数。据此，我们提出，企业举债的规模应适度，否则，举债不但会增加经营风险，还可能对绩效产生负面影响。
(二)研究的局限和未来的研究方向
本文只是利用2003～2005年的数据进行了截面数据分析，不能反映出时间变化的影响。因此，在未来的研究中，建议使用纵贯式的研究方式，以更好地反映变量之间的因果关系。另外，由于数据可获取性的限制，本文未对人力资本和结构资本进行进一步的划分，未来的研究方向应是针对这两个子维度下具体构成指标对企业绩效的影响，进行更为细致的研究。最后，对于结构资本滞后效应还有待于进一步的研究证明，这也是未来的一个研究方向。
标签：人力资本论文; 正相关论文; 有形资产论文; 财务绩效论文; 绩效指标论文; 绩效目标论文; 投入资本论文; 能力模型论文; 公司价值论文; 实证分析论文; 模型公司论文; 企业资产论文; 人力资本理论论文;