国有控股、投资效率与信贷资源配置，本文主要内容关键词为：资源配置论文,信贷论文,效率论文，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。
[中图分类号]F830.59 [文献标识码]A [文章编号]1000-176X(2010)11-0050-06
信贷资金是我国企业的主要资金来源，在我国的国民经济中扮演着极其重要的角色，因此，信贷资源配置质量的高低无疑将对我国的经济发展产生重要影响。优化资源配置是银行的基本职能之一[1]，但从全球范围来看，信贷配给现象却广泛存在，相关学者也对此现象的原因进行了深入探讨，如信息不对称[2]、法律制度和政企关系等[3]-[6]。
从现有研究来看，较少有文献从企业投资效率的角度来研究信贷配给或信贷资源配置效率问题，而企业投资效率的高低是一个极其重要的指标，它直接决定着企业未来的发展前景，对于一家企业来说，未来的发展前景显然要比短期经营状况更重要；对于银行来说，投资于一家未来发展前景良好的企业显然更符合自身的长远利益。因此，如果投资效率越高的企业获得了更多的银行贷款，则表明我国的信贷资源配置是有效的，这对于银企双方来说是一种双赢，也将对我国的经济发展产生积极的促进作用；反之，则表明我国的信贷资源配置是低效或无效的，稀缺的信贷资源被浪费，这对我国经济来说无疑是一种损害。因此，从企业投资效率角度来研究我国信贷资源配置的效率问题具有重要的理论和现实意义。
一、理论分析与研究假说
易行健和张德常的研究表明，由于银行往往依据一些简单的、较为容易获取的信息对借款企业进行分类，所以导致我国的信贷市场出现了一定程度的分割，表明我国的信贷管理体制存在较大的缺陷，它是造成我国信贷市场出现信贷配给现象的主要原因之一[7]。我们认为，在现行的信贷管理体制下，银行会将更多的信贷资源投向过度投资企业：(1)我国自20世纪末开始逐步实施贷款五级分类制度，从原则上要求按照企业的风险来确定相应的贷款额度。对于那些投资越多的企业，银行可能会认为它们具有良好的发展前景。Jensen发现，企业经理有增加企业投资规模的动机，因为只有通过大量投资，才能够向外界传达企业具有较多的投资机会[8]。对于这类企业来说，银行可能会认为它们的风险较低，进而为它们提供更多的资金支持。(2)五级分类制度较为粗糙，没有要求银行对企业进行更加专业和深入的分析，同时，受广大基层银行信贷员专业素质的限制，使得它们只能通过企业的投资额进行简单的分析，而难以分析企业投资的质量或效率。(3)我国企业普遍存在预算软约束，如果企业投资越多，对资金的需求量越大，它们往往不仅不能按期偿还贷款，相反可能需要更多新的贷款，在此情况下，它们会努力促成银行对到期的贷款提供展期或“借新还旧”；从银行的角度来说，它们为了避免出现“呆账”、“坏账”，也往往会满足企业的要求。这样的结果便是企业投资越多，银行给予的贷款也越多。由此，我们提出假说1：
假说1：企业过度投资程度越大，越容易获得银行贷款。
产权约束不同，投资主体的投资行为也将不同。Shielfer和Vishny认为在国有控股公司中，国有控股公司会基于自己的政治立场，利用自己掌握的权力对企业资源进行有目的的低效投资或转移[9]。国有企业存在“费用最大化”、进而导致投资最大化的倾向[10]；北京大学中国经济研究中心认为过度投资和投资低效的本质是产权约束和地方政府政绩观导向的问题[11]。我国分税制改革为地方政府干预经济提供了动力，行政权力的区域分割也为干预地方经济提供了能力，其结果是导致地方政府可能要求地方企业加大投资，以提高本地GDP和财政收入[12]。江锋研究发现，地方政府控制和干预显著地提高了当地上市公司的投资[13]。由此，我们提出假说2：
假设2：国有控股公司过度投资的程度要大于私有产权控股公司。
二、检验模型
1.投资效率的衡量
参照Richardson[14]的做法，我们通过对如下的模型进行回归所得到的残差来衡量投资效率指标：
Newinvt表示企业当年的新增投资，借鉴Richardson、魏明海和柳建华[15]的研究，我们将其定义为：构建固定资产、无形资产及其他长期资产的支出+购买或处置子(分)公司的支出-处置固定资产、无形资产和其他长期资产而收回的现金-当期折旧额，我们用年初总资产对其进行了标准化处理。
Grow表示企业的成长性，用主营业务收入的增长率表示。Lev表示负债比率，用总负债与总资产之比表示。Cash表示企业的现金持有量，用货币资金与短期投资之和表示，用总资产进行了标准化。Age表示企业上市年限。Size表示企业规模，用总资产的自然对数表示。Return表示企业的股票回报，用年度股票回报率表示。Newinvt_lag表示上期的新增投资。Industry和Year分别表示行业哑变量和年度哑变量。在上述模型中，自变量都比被解释变量滞后一期。
我们对上述模型进行回归，得到的残差ε即为投资效率，我们用Invt表示，它是实际投资额与理想投资额之间的差额，也即投资偏离度。该指标大于0表示过度投资，值越大，过度投资程度越大。
2.OLS回归检验模型
本文通过如下的OLS回归模型来进行检验：方程(2)检验假说1；方程(3)检验假说2。
其中，Loan为公司的银行贷款规模，用资产负债表银行负债/总资产表示。Invt是方程(1)计算的残差，代表过度投资的程度。Gov为企业控股股东产权属性的虚拟变量，如果公司为国有控股公司，则GOV=1，否则为GOV=0；Loan＿lag为上期银行贷款规模；Grow表示企业的成长性，用主营业务收入的增长率表示；ROA表示企业的业绩，用总资产净利率表示；FCF为估计出来的自由现金流，计算公式是FCF=CFO-Imaintenance-I×new。CFO是经营活动现金流量净额，Imaintenance是固定资产的折旧和无形资产的摊销，I×new是估计的期望投资水平，是方程(1)的拟合值。Indirector为独立董事比例，等于独立董事人数/全部董事人数；ManShare为高管持股比例，等于管理者持有本公司股份数量/本公司全部股份数；Bigshare为最终控制人控制公司的控制权比例；LEV为公司财务杠杆，等于年末负债总额除以年末资产总额；SIZE为公司规模，等于年末资产总额的自然对数。借鉴Hadlock、Conyon和Murphy、Fan等、Richardson、江伟和李斌、黎凯和叶建芳等的研究[6]-[18]，我们在模型中控制了上述变量。在模型中我们还加入了行业和年度虚拟变量。
三、研究样本与描述统计
1.样本选择与数据来源
本文研究需要上市公司最终控制人的数据，而最终控制人信息从2001年开始被要求系统披露，因此，本文研究的时间范围从2001-2008年。另外，由于采用Richardson[16]等运用的模型估算投资效率时需要前期的数据，因此，本文实际上利用的财务数据的时间区间是1999-2008年。另外，除剔除了回归中所使用变量值缺失的公司外，本文还对样本做了如下几方面的处理：(1)剔除金融行业的公司。金融行业所采用的会计准则与其他行业适用的会计准则具有较大差异，相关指标在金融行业与非金融行业之间不具有可比性，本文遵从研究惯例，予以剔除。(2)剔除行业变更公司。由于在估算投资效率时需要前期的投资支出数据和利用前期数据估计未来的投资机会(以前期营业收入增长率衡量投资机会时)，因此，基于前后数据可比性的考虑剔除行业发生了变更的公司。行业界定参照中国证监会2001年发布的《上市公司行业分类指引》，将所有样本公司分为21类，其中制造业数量较多，取两位代码分类进一步细分，其他行业取一位代码分类。(3)剔除特殊处理及暂时退市公司。现有研究发现，被特殊处理及暂时退市公司的投资行为及财务行为与“正常公司”存在重大差异，这类公司为避免最终退市，多寻求资产重组、置换、资本运作等，甚至进行财务管理，因此本文予以剔除。(4)剔除最终控制人为金融机构、高校、社会团体及不存在最终控制人的公司。由于这类公司所占比例很小(仅占3.69％)，而本文研究将考察不同最终控制人类型对代理成本与投资效率的关系的影响，因此我们参照徐莉萍、辛宇和陈工孟的做法剔除这类公司[19]。(5)对所有控制变量进行winsorize处理，小于0.5％分位数与大于99.5％分位数的变量，令其值分别等于0.5％分位数和99.5％分位数。表1描述了样本选择过程。
本文所有财务数据来自CSMAR数据库，被特殊处理及暂时退市公司数据来自CCER数据库，行业变更数据、最终控制人信息来自手工收集。
2.描述统计
表2报告了变量的描述性统计结果。银行贷款(Loan)的平均值和中位数为0.3021和0.2906，表明样本公司银行贷款规模较大；最小值为0.0021，最大值为2.2351，表明样本公司间银行负债差异巨大，有些公司基本上没有银行负债，有些则资不抵债。投资效率(Invt)的平均值和中位数分别为0.0647和0.0612，最小值和最大值分别为0.0000和0.5134，表明样本公司间过度投资的程度存在较大差异。这与Richardson(2006)的研究结果相类似。自由现金流(FCF)的平均值和中位数分别为-0.0456和-0.0415，而美国上市公司相应的数据为-0.036和-0.012(Richardson，2006)，表明我国上市公司创造的自由现金流总体上偏弱一些。管理层持股比例(ManShare)平均值和中位数分别为0.0071和0.0001，最小值为0，最大值则高达74.81％，表明我国上市公司间高管持股比例存在巨大差异，且高管持股主要集中于私有产权样本公司。公司规模(SIZE)的平均值为21.3036；财务杠杆(LEV)的平均值和中位数分别为0.4839和0.4938，最小值为0.0687，最大值为0.9，表明我国上市公司在财务杠杆方面也存在较大差异。Grow的平均值为0.3512，表明我国上市公司主营业务收入增长速度较快；最小值为-1.5123，最大值为4.9076，表明上市公司的营业收入增长率存在重大差异，所代表的投资机会也存在重大差异。最终控制人控制权比例(Bigshare)平均值和中位数分别为0.4220和0.4141，说明我国上市公司40％多的股份被掌握在单一控制人(包括一致行动人)手里；最小值和最大值分别为0.1050和0.8205，表明最终控制人持有上市公司的股份也存在较大差异。外部董事占全部董事比(Indirector)平均值(中位数)为0.3077(0.3333)，最小值为0，最大值为0.75，表明有些公司没有聘请外部董事，有些则3/4的董事为独立董事，公司间存在较大差异。
表3报告了自变量之间的相关系数。Loan与Invt、FCF、GOV、LEV显著正相关，与SIZE显著负相关，表明公司过度投资的程度越大、创造的自由现金流越多、控股股东产权属性为国有、资产负债率越高，获得的银行贷款也越多；相对而言，公司规模越大，获得的银行贷款反而不一定更多。Invt与FCF、Grow、GOV、Bigshare、LEV显著正相关，表明自由现金流越多、投资机会越多、控股股东为国有产权属性、控股股东持股比例越高、财务杠杆越大，公司出现过度投资的程度越大；与Indirector、ManShare显著负相关，表明独立董事比例越高，高管持股比例越高，样本公司过度投资的程度越小。其他变量之间的关系也比较合理和直观，比如Grow与FCF、ManShare显著正相关，表明自由现金流越多、高管持股越多的公司，投资机会也较多；Grow与Bigshare、SIZE显著负相关，表明最终控制人控制比例越高、公司规模越大的公司，营业收入增长率较低。尽管自变量之间的相关系数显著，以VIF检验多重共线性的值都不大于5，因此，多重共线性对回归结果的影响比较有限。
四、检验结果
表4报告了投资效率对银行信贷资源配置影响的回归结果。
从回归结果来看，Invt的回归系数为0.0113，在1％水平上显著大于0，表明公司过度投资的程度越大，获得的银行信贷越多。该结果支持假说1。GOV的回归系数为0.0097，在5％水平上显著大于0，表明相对私有产权控股公司而言，国有控股股东获得了更多的银行信贷，这与Fan等(2003)、江伟和李斌(2006)、黎凯和叶建芳(2007)的研究结论一致。GOV×Invt的回归系数为0.0076，在5％水平上显著大于0，表明相对于私有产权控股公司而言，随着过度投资程度的增大，国有控股公司获得的银行信贷规模越大，进一步表明国有控股公司的投资更容易获得银行信贷的支持。Loan_lag的回归系数为0.7815，在1％水平上显著大于0，表明本期信贷规模与上期的信贷规模存在显著正相关；ROA的回归系数为0.0671，在5％水平上显著大于0，表明公司盈利能力越强，越容易获得银行信贷；SIZE的回归系数为-0.0071，在5％水平上显著大于0，表明公司规模越大，相对获得的银行信贷反而更少。
表4还报告了国有控股对投资效率影响的回归结果。从回归结果来看，GOV的回归系数为0.0161，在5％水平上显著大于0，表明相对于私有产权控股公司而言，国有控股公司过度投资的程度更大。该结果支持假说2。FCF的回归系数为0.0814，在1％水平上显著大于0，表明公司创造的自由现金流越多，过度投资的程度越大。Indirector的回归系数为-0.0710，在10％水平上显著小于0，表明独立董事比例越高，过度投资的程度越低；LEV的回归系数为0.0403，在5％水平上显著大于0，表明公司财务杠杆越大，过度投资的程度越大。
五、研究结论
大量文献研究了银行信贷资金的供给问题，但从投资效率角度研究信贷资源配置的文献较少。本文借鉴Richardson的方法构造出投资效率的计量，以我国2001-2008年非金融上市公司为样本，考察了我国上市公司的过度投资行为对银行信贷资金配置的影响，并进一步考察了不同产权性质对投资效率对银行信贷的影响的差异。本文研究发现，企业过度投资程度越大，越容易获得银行贷款；相对于私有产权控股公司而言，随着过度投资程度的增大，国有控股公司获得的银行信贷规模越大；国有控股公司过度投资的程度要大于私有产权控股公司。上述结果表明，银行的信贷资源更多流向了过度投资的国有控股公司，我国信贷市场的资源配置功能有待优化。