您好,欢迎访问三七文档
当前位置:首页 > 学术论文 > 社科论文 > 中国金融发展与企业融资约束的缓解
中国金融发展与企业融资约束的缓解PostBy:2009-12-1610:28:48——基于系统广义矩估计的动态面板数据分析摘要:利用中国上市公司2003—2007年的面板数据和动态面板GMM估计方法,考察了中国金融发展对企业融资约束的影响。研究结果表明,中国上市公司普遍存在融资约束;金融发展有助于降低企业的融资约束水平,民营上市公司的融资约束比国有上市公司得到了更为明显的缓解;金融中介的发展在缓解企业融资约束中的作用远比证券市场的作用大。关键词:金融发展,融资约束,欧拉方程,GMM估计融资约束是发展中国家普遍存在的问题。Fazzari等(简称FHP)将融资约束定义为:在资本市场不完善的情况下,企业由于内外部融资成本存在较大差异,无法支付过高的外部融资成本而出现融资不足,从而导致投资低于最优水平,投资决策过于依赖企业内部资金。融资约束的出现是企业融资渠道不畅的结果,表现为企业内源资金积累不足、难以获得银行贷款、不能发行股票或债券等。金融发展水平,如金融业、信贷资金分配的市场化程度等,是影响企业融资约束程度的重要因素。目前,中国正处于经济转轨时期,金融发展也处于起步阶段,企业融资约束具有一定的转轨经济特殊性。那么,融资约束在中国企业的投资实践中是否存在?金融发展能否降低企业的融资约束水平?本文利用中国上市公司2003—2007年的面板数据和动态面板系统广义矩(GMM)估计方法,分析金融发展能否缓解中国企业的融资约束水平,进一步从公司财务层面研究金融发展促进中国经济增长的微观机理。一、文献回顾Modigliani和Miller(1958)认为,在完美的资本市场中,企业的投资完全取决于技术偏好和产量需求,投资决策与其财务结构、融资渠道无关。然而,现实中并不存在真正意义上的完美资本市场,信息不对称和代理问题会提高外部资金的使用成本,使得留存收益、负债和发行股票等作为投资资金的来源并不等价,企业的融资能力会在很大程度上影响其投资行为。Stigliz和Weiss(1984)、Myers和Mailuf(1984)以及Myers(1984)等发现,非对称信息所导致的市场不完全以及在此市场中融资决策所具有的信号传递作用,会导致企业外部融资成本高于内部融资成本。Bemanke和Gertler(1989)以及Gertler(1992)等从代理问题出发,认为代理问题同样会使外部融资成本高于内部融资成本。当企业面临的内、外融资成本存在差异时,企业的投资决策将受到内部融资可得性的影响,即企业的投资数量会在很大程度上依赖于企业的内部融资能力,外部融资越困难、成本越高,企业的投资对其内部融资能力的依赖程度就越高。为了证明融资约束的存在及其对企业投资的影响,FHP选择1970—1984年421家美国制造业企业的面板数据作为样本,根据股息支付高低来估计企业融资约束的程度,实证检验了企业投资与内部现金流的关系。他们发现,如果交易成本、信息成本使外部融资成本高于内部融资成本,则对于一个具有较好投资机会的企业来说,支付大量股息是不符合价值最大化原则的;如果融资约束问题很重要,则对一个具有相当好的投资机会的企业来说,投资对现金流将非常敏感。其后一些学者采用不同样本和方法进行的研究,如Hoshi等(1991)、Calomiris(1994)以及Lamont(1997),也证实了FHP的结论。近年来,越来越多的研究者开始关注影响企业融资约束的因素。一些研究者从企业自身的角度,考察了融资约束的影响因素。Pagano等(1998)发现,企业的融资约束与其信贷记录有密切的关系,良好的信贷记录可以提高企业的声誉,降低企业的融资约束,从而帮助企业以较低的成本进行直接或间接的外部融资。Cull和Xu(2003)认为,企业良好的经营表现可以使银行对其未来的现金流有稳定的预期,从而比较容易获得银行贷款,减轻融资约束。另有一些研究者从企业外部环境的角度,考察了融资约束的影响因素,认为发达的金融市场可以有效减轻信息不对称程度和代理问题,降低企业的融资约束,并通过这一微观传导机制促进经济的发展。Rajal和Zingales(1998)发现,发达的金融中介和金融市场能减少市场不完全性,从而缩小外源融资与内源融资的成本差异。Demirguc—Kunt和Maksimovic(1998,2002)认为,发达的金融发展水平不仅能为企业提供充足的外部资金,而且能确保投资者获得企业投融资决策的信息,从而使企业更容易获得外部资金。Love(2001)发现,企业尤其是小企业的融资约束会随着一国金融发展水平的提高而降低,这说明金融发展能通过减少信息不对称和契约不完备所导致的资本市场不完善,减轻企业的融资约束,提高资源的配置效率。国内的朱红军(2006)、李斌等(2006)研究发现,金融发展水平的提高能缓解企业的融资约束。本文的研究与以上文献有所不同:首先,国内研究企业融资约束的实证性文献基本上都是使用托宾模型或是基于托宾与销售加速相结合的模型,而本文使用的是欧拉方程投资模型;其次,本文使用的是动态面板系统GMM估计,可以避免内生性造成的估计偏差。二、模型、方法与数据(一)模型及变量定义早期的融资约束研究往往使用销售加速模型和托宾Q模型。销售加速模型认为,投资与现金流之间的正相关关系就是融资约束的证据。但是,后来的研究普遍认为,现金流系数为正可能并不意味着内部现金流对企业投资有重要影响,它可能表明企业未来具有更高的盈利能力。托宾Q模型将反映企业未来市场价值和潜在投资机会的托宾0纳入投资决定模型,将公司利润的现金流变量添加到模型中来检验融资约束程度,从而将融资约束与未来增长预期对企业投资的影响区分开来,解决了销售加速模型的不足。但是,Q模型的应用对资本市场的效率假设有很高的要求,而且在Q值的选取上也存在较大争议,尤其是发展中国家证券市场存在的效率不高的事实,使得对托宾Q模型中相关数值的计算争议更大。饶育蕾和汪玉英(2006)的实证研究表明,企业投资与代表投资机会的托宾Q值之间呈负相关关系,托宾Q并不能正确代表公司的价值和投资机会,其原因是中国特殊的股权安排以及证券市场定价的偏离,使得托宾Q不能真实反映公司价值。另外,证券市场有效性的缺乏还会使实证检验中的托宾Q不可避免地存在严重的衡量偏误(Erick—印n和Whited,2000),这种衡量偏误将会导致统计推断失效。Bond和Meghir(1994)提出了欧拉方程投资模型,在模型中纳入滞后一期的投资及其平方项和产生的现金流、一个控制非完全竞争环境的产出变量、一个代表潜在破产成本和税收优势的负债变量。这既控制了未来预期收益对投资支出的影响,又不包括难以准确计算的托宾Q值,克服了托宾Q模型的不足。在实证研究中,为了避免经济波动的影。向,欧拉方程投资模型常被转换为以下的实证模型:(1)式中,i表示公司,t表示年份;I表示投资支出,本文以企业购买固定资产、无形资产及其他资产的现金支出来衡量;S表示销售收入,本文以主营业务收入来衡量;CF为现金流,其通常被定义为扣除非经常项目和折旧前的收入减去现金股利,由于部分数据难以获取,本文用年度经营活动产生的现金流净额来代替;D表示企业的负债,它等于总负债;ηi为不可观察的个体效应,νit为随机扰动项。按照Bond和Meghir(1994)的观点,如果β3的符号为正且显著,则表明企业存在融资约束。依照金融发展能够降低市场不完全性的思路来研究企业融资约束问题,可以在欧拉方程投资模型中加入反映金融发展水平的交互变量,以检验金融发展是否有利于缓解融资约束。参照Demirguc—Kunt和kevine(1996)采用的金融发展衡量指标,FIN是衡量金融中介发展的指标,它等于M2/GDP与贷款总额/GDP之和;STK是衡量股票市场发展的指标,它等于股票市值/GDP、交易量/GDP与交易量/股票市值之和;FD是衡量金融发展的指标,它等于FIN与STK之和;金融发展、金融中介发展、证券市场发展与投资对主营业务收入敏感程度的交互乘积项系数β5、β6、β7分别用来考察其对企业融资约束的影响。按照Laeven(2003)的观点,如果β5、β6、β7显著为负,就意味着金融发展使企业投资对内部现金流的依赖程度降低,企业的融资约束得以缓解。(二)方法在模型(1)、模型(2)中,由于以因变量的滞后项作为解释变量会导致解释变量具有内生性,若用面板数据的随机效应或固定效应对模型进行估计,得到的参数估计值将是有偏的、非一致的估计量,从而导致由其推导出的经济含义也是扭曲的。为了解决这一问题,本文采用Arellano和Bond(1991)的动态面板广义矩法(GMM)对模型进行估计。这一方法是先对估计方程进行一阶差分以消除固定效应的影响,然后用一组滞后的解释变量作为差分方程中相应变量的工具变量,从而获得一致性估计。GMM估计包括一步GMM估计和两步GMM估计。由于两步估计的标准差存在向下偏倚,这种偏倚经过Windmeijer(2005)调整后会减小,但会导致两步GMM估计量的近似渐进分布不可靠,所以应用中通常使用一步GMM估计量(Bond,2002)。由于一步系统GMM利用了比一步差分GMM更多的信息,可以有效控制某些解释变量的内生性问题,通过将弱外生变量的滞后项作为工具变量纳入估计方程,获得一致性估计,所以前者比后者的估计结果更有效。我们选择的即是一步系统GMM估计方法。但是,一步系统GMM在加入水平方程的同时,也增加了矩约束条件的数量,所以需要进行Sargan检验,以判断新增的工具变量是否有效。此外,对于GMM估计量是否有效可行,Bond等(2001)提出一种简单的检验办法,即将GMM估计值分别与固定效应估计值和混合OLS估计值进行比较,由于混合OLS估计通常会严重高估滞后项的系数,而固定效应估计一般会低估滞后项的系数,因此,如果GMM估计值介于两者之间,GMM估计就是可靠、有效的。(三)样本及数据来源本文选择2003—2007年沪深两市非金融类上市公司作为研究样本,并按以下原则进行样本筛选:为了避免异常值的影响,剔除每年被ST和PT的公司以及拥有B股和H股的公司;为了保证对变量统计结果解释的一致性,剔除2003-2007年投资或现金流小于0的公司样本,剔除样本区间内总资产成长率或销售成长率大于100%的公司,以防止兼并重组的影响。我们最终选择615家上市公司作为研究样本,样本公司数据来源于中国证券市场数据库(CCER),用于度量中国金融发展指标所需数据全部来自于2004-2008年的《中国统计年鉴》和《中国金融年鉴》。表1是主要变量的描述性统计结果。三、实证结果与分析如前所述,为了检验GMM估计的可靠性,可以将滞后因变量的GMM估计值与混合OLS和固定效应模型的估计值进行比较。我们对动态面板模型进行混合OLS和固定效应模型估计(见表2),得到(I/S)t-1的OLS估计值为0.660,固定效应模型的估计值为0.154,而(I/S)t-1的GMM估计值为0.315,确实处于两个估计值之间(分组估计也是如此),说明GMM估计结果是可靠、有效的,没有因弱工具变量问题而出现严重偏误。由表2可知,一步系统GMM估计的萨甘统计量p值为0.914,不能拒绝工具联合有效的原假设,我们选取的工具及其滞后阶数是合适的。残差自相关检验AR(1)和AR(2)伴随P值分别为0.005和0.835,这验证了一阶差分方程中的残差项不再存在自相关,模型(1)的GMM估计效果较好。同样,模型(2)的GMM估计效果也是较好的。表2列出了模型(1)的检验结果。在全部样本中,(I/S)t-1的系数为正,(I/S)乙的系数为负,并且都在1%或5%的水平上显著,这与Bond和Meghir(1994)构建欧拉理论方程时对这两个系数的预期符号一致。(CF/S)t-1的系数全部在1%的水平上显著为正,说明中国上市公司普遍受到融资约束。从不同性质的企业来看,国有企业(CF/S)t-1的系数比民营企业更大一些,说明国有企业的融资约束程度高于民营企业。这与郑江淮等(2001)的研究类似,他们的结论是,国家股比重较
本文标题:中国金融发展与企业融资约束的缓解
链接地址:https://www.777doc.com/doc-8694676 .html