论文部分内容阅读
【摘要】房地产行业已成为我国经济发展的支柱性行业，很大程度上决定着着国民经济的发展，自实行住房分配货币化以及启动住房消费以来，房地产业得到快速发展，同时遇到的问题越来越多，一定程度上影响国民经济的发展。房地产属于资金密集型产业，2008年金融危机之后，中国市场经济不理想，货币政策和投资环境不利于企业进行融资，造成企业受到融资约束的情况进而影响企业发展，所以，找到企业融资约束问题的影响因素是关键。
本文选取我国119家房地产上市公司为研究对象，以2009～2015年公司财务数据为样本。首先，根据两个变量对样本进行分组：高融资约束组和低融资约束组。其次，选取合理的财务指标作为解释变量，构造一个统一的融资约束指数，以综合考量企业收到的融资约束程度。最后，给出合理建议，以帮助上市公司全面了解各公司所面对的融资约束情况，调整企业投资和财务状况。
【关键词】融资约束指数 logistic回归分析 房地产上市公司
一、绪论
融资约束的度量方法主要分为两大类：单变量融资约束指数和多变量融资约束指数，其中单变量融资约束指数是指由一个变量来衡量融资约束，主要包括：股利支付率、公司规模和利息保障倍数等；股利支付率（冯巍，1999）、利息保障倍数（魏锋和刘星，2004）、公司规模（郭丽虹，2004；魏璇，2007）、负债水平（赵剑锋和尹航，2006）、股权结构（郑江淮、何旭强和王华，2001）等。
FHP（1988）首次提出了利用股利支付率这个指标来度量企业融资约束的程度。Altman等（1977）发现可以利用利息保障倍数来替代反映上市公司的流动性，因为它能够衡量企业的债务资本获利能力及财务状况，与另外一些反映公司财务状况的变量显著相关。Guariglia（1999）认为，企业进行外部融资时的成本越高，利息保障倍数就会越低，两者负相关。冯巍（1999）是我国最早通过股利支付率作为融资约束替代变量的学者，实证研究，结果表明股利支付率较低时，公司面临较大的融资约束。之后，李延喜等（2005）通过公司规模来度量融资约束。
多变量融资约束指数是指由多个与融资约束相关的变量共同衡量融资约束。KZ（1997）第一个使用股利支付率、公司债务、利息保障倍数等度量企业融资面临的制约程度。随后，Cleary（1999）通过增加样本并采用综合财务指标的方式进行分析后，证明了KZ（1997）结论的合理性。在此之后，Lamont.Polk和Saa-Requejo（2001）在此基础上，分别选取公司经营所得现金流量、托宾Q值、资产负债率、股利支付率以及现金持有量进行回归，构造出了KZ指数。
而多变量综合指数法则是根据多种财务数据的综合指数来进行衡量融资约束，其一般受干扰程度不会太大，结果也更能反映真实的融资约束。
二、模型构建
（一）变量分组
将中国沪深A股市场的房地产上市公司为研究对象，运用Logistic回归分析，建立房地产上市公司的融资约束指数。利用利息保障倍数和现金存量两个指标作为样本企业的分组指标。利息保障倍数，是企业息税前利润与利息费用的比率。现金存量，是货币资金与短期投资净额之和，反映了企业内部资金的持有量。拟采用下面的方法对房地产上市公司分组：
一是将现金存量的年度值，由小到大排序，前50%观测值作为低融资约束组，后50%观测值作为高融资约束组。
二是将利息保障倍数的年度值进行排序，前50%归为高融资约束组，后50%归为低融资约束组。
三是两组数据中，同时为高融资约束组的企业取交集，作为高融资约束组；同样，对同为低融资约束组的两组样本企业取交集，作为低融资约束组。
（二）指数模型构建
选取净资产收益率、流动比率、主营业务收入、资产负债率、财务松弛5个指标，利用Logistic回归分析法构建融资约束指数模型，方程构造如下：
Logit（FZ）=α+β1X1+β2X2+β3X3+β4LnX4+β5X5
其中，X1净资产收益率，公司税后利润除以净资产得到的百分比率，该指标反映股东权益的收益水平，衡量公司运用自有资本的效率。X2流动比率是流动资产对流动负债的比率，衡量企业的流动资产在短期债务到期以前，可以变为现金用于偿还负债的能力。合理的最低流动比率为2。X3主营业务收入，企业从事某种主要生产、经营活动所取得的营业收入，是企业资金的主要来源之一，房地产企业指“房地产经营收入”。LnX3是对主营业务收入取自然对数。X4资产负债率，是期末负债总额除以资产总额的百分比，资产负债率反映在总资产中有多大比例是通过借债来筹资的，反映了企业全部资产中的债务比重。X5为财务松弛变量，计算公式为（货币资金+交易性金融资产+0.5*存货净额+0.7*应收账款净额-短期借款）/期初资产，该指标是企业财务灵活的直接体现。
三、数据及描述性分析
（一）样本选择
本文选取样本来自中国沪深A股房地产上市公司与根据证监会2012年行业划分类中的房地产行业公司，共有130家房地产上市公司，研究区间为2009～2015年，按照下列方式筛选：一是删除ST/PT类公司；二是财务报表不完全的公司；三是主营业务发生重大变化的公司。最后得到119家上市公司2009～2015年的面板数据。
（二）描述性分析
本文选取的变量指标均来自各企业年度报告内的财务数据，经计算得到所需要的指标，为了防止各变量之间相互影响或有相关性，对五个变量进行相关系数分析，结果见下表2。
根據相关系数矩阵可以看出，主营业务收入与流动比率的相关系数为-0.3946，资产负债率与流动比率的相关系数为-0.4039，资产负债率与主营业务收入的相关系数为0.3365，其余各相关系数的绝对值都小于0.3，说明各变量相关性比较小，满足模型设计要求。 四、实证分析
（一）实证分析
为明确分析五个指标对房地产企业融资约束的影响程度，对分组样本按照年限进行Logistic回归分析。高融资约束组为1，低融资约束组为0，对分组样本按照构建好的模型进行回归，可以得出结论，见下表3。
Nagelkerke R2是衡量Logistic模型拟合优度的主要指标，取值在0—1之间，越接近1，说明模型的拟合优度越高。上表中，各年份的Nagelkerke R2的统计量为0.804、0.999、0.945、0.911、0.951、0.862、0.873，说明该模型拟合效果较好，解释变量能反映被解释变量变动情况的80.4%，99.9%，94.5%，91.1%，95.1%，86.2%，87.3%，即5个指标构造的融资约束指数模型，能有充分反映企业受到的融资约束情况，满足要求。其中，每年各指标的prob值小于0.05的，说明该指标对于融合约束的影响较显著。以2009年为例，其中，资产负债率（1.461）对融资约束指数的影响最大，其次是财务松弛（1.328），也就是说，资产负债率增加1个标准偏差，Logit（FZ）相应增加1.461个标准偏差；财务松弛增加1个标准偏差，Logit（FZ）相应增加1.328个标准偏差。各年份的影响因素以此类推，可以发现各年份的主要影响因素比不完全相同，这与各年的上市公司财务状况有关系。由以上结果，可以得到企业的融资约束指数模型：
其中2009年的约束方程为：
y=-3.333-0.37X1+0.248X2+1.045X3+1.461X4+1.328X5，以后每年的约束方程以此类推。FZ值越接近于1，表示企业受到融资约束的概率越大；FZ越接近于0，表示企业受到融资约束的概率越小。将0.5作为融资约束分界点，概率大于0.5，则判定该企业受到融资约束。
（二）结果分析
将119家样本企业2001～2010年的财务数据分别代入（2）式，计算出各企业每年的FZ指数，对企业各年份取均值，计算该上市公司受到融资约束的平均概率，并将整个结果进行统计分析，统计结果如下表4。
在2009～2015年中，2010年受到融资约束的概率最大，到达0.9358，最容易发生融资约束，同年发生融资约束的上市公司数量达到最多的115家。这与2010年国家对于房地产行业的调控有会很大影响，自2009年12月以来，房地产行业的调控政策不断出台，从2010年1月的“国十一条”至4月的“国十条”，9月的“9·29新政”，房地产销售下降，获利的空间变小，房地产企业外部融资能力下降，企业内部资金短缺，2010年成为受融资约束最高的年份。
五、总结建议
通过回归分析，2009～2015年，我国房地产上市公司普遍受到融资约束，五个指标对于融资约束的影响效果显著，得到的融资约束指数可以有效的衡量上市公司面临的融资约束情况，并且可以提供给政府，房地产行业，以及相关部门作为参考。特别是2010年和2011年，达到92%以上，已经说明融资约束问题很严重，对于上市公司的投资出现很大影响。结合上述相关分析给出以下建议：
（一）努力提高企业价值，继续优化资本结构
为了降低企业自身受到融资约束程度，企业应该努力实现自身价值的增值、优化经营模式、提高全要素生产率，从而提升盈利能力，增强投资者对企业能力以及未来发展的预期，降低融资难度。另一方面，企业价值的提高，自由资本的壮大，有利于降低企业对外部融资的依赖，从而降低融资约束对企业投资决策以及长期发展的影响。从企业资本结构来讲，资本结构的优化对于提升企业再融资能力至关重要。
（二）拓宽外部融资市场
企业的外部融资方式少，并且市场不发达，部分上市公司有严重的融资约束，影响投资，恶性循环导致企业生存艰难。因此，要缓解融资约束，一ing要阿里发展企业外部融资，拓宽渠道渠道和数量，降低企业外部融资难度，为企业投资项目和企业发展提供充足资金。
参考文献
[1]Fazzaris，Hubbard，Peterson.Financing Constraints and corporate investment[J].Brooking Papers on Economic Activity，1988（1）：141-195.
[2]魏锋，刘星.融资约束、不确定性对公司投资行为的影响[J].经济科学，2004（2），35-43.
[3]郑江淮，何旭强，王华.上市公司投资的融资约束：从股权结构角度的实证分析[J]，金融研究，2001（11），92-99.
[4]冯巍.内部现金流量和企业投资——來自我国股票市场上市公司财务报告的证据[J].经济科学，1999（1），1-7.
[5]郭丽虹：《日本制造业的内部融资与投资关系研究》，《经济科学》2004年第3期.
[6]李延喜，刘巍.融资约束与公司投资关系研究综述[J].价值工程2005（6）：105-109.
[7]Altman E，R G Haldeman，P Narayanan.ZETA Analysis：A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance，1977，vol.1（1）：29-54.
[8]Guariglia，A.The Effects of Financial Constraints on Inventory Investment：Evidence from a Panel of UK Firms，Economica，1999，66， 43-62.
[9]Kaplan Steven N，Luigi Zingales. Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints[J].Quarterly Journal of Economics，1997，vol.112（1）：169-215.
[10]Cleary S.The Relationship between Firm Investment and Financial Status[J].Journal of Finance，1999，vol.54（2）：673-692.
[11]Lamont O，Polk C，Saa-Requejo J.Financial Constraints and Stock Returns[J].Review of Financial Studies，2001，vol14（2）：529-554.
[12]赵剑锋、尹航：《沪市公司内部融资约束、现金流与投资行为分析》，《生产力研究》2006年第8期.
[13]魏璇：《融资约束对我国上市公司投资的影响研究》浙江大学硕士学位论文，2007年.
本文选取我国119家房地产上市公司为研究对象，以2009～2015年公司财务数据为样本。首先，根据两个变量对样本进行分组：高融资约束组和低融资约束组。其次，选取合理的财务指标作为解释变量，构造一个统一的融资约束指数，以综合考量企业收到的融资约束程度。最后，给出合理建议，以帮助上市公司全面了解各公司所面对的融资约束情况，调整企业投资和财务状况。
【关键词】融资约束指数 logistic回归分析 房地产上市公司
一、绪论
融资约束的度量方法主要分为两大类：单变量融资约束指数和多变量融资约束指数，其中单变量融资约束指数是指由一个变量来衡量融资约束，主要包括：股利支付率、公司规模和利息保障倍数等；股利支付率（冯巍，1999）、利息保障倍数（魏锋和刘星，2004）、公司规模（郭丽虹，2004；魏璇，2007）、负债水平（赵剑锋和尹航，2006）、股权结构（郑江淮、何旭强和王华，2001）等。
FHP（1988）首次提出了利用股利支付率这个指标来度量企业融资约束的程度。Altman等（1977）发现可以利用利息保障倍数来替代反映上市公司的流动性，因为它能够衡量企业的债务资本获利能力及财务状况，与另外一些反映公司财务状况的变量显著相关。Guariglia（1999）认为，企业进行外部融资时的成本越高，利息保障倍数就会越低，两者负相关。冯巍（1999）是我国最早通过股利支付率作为融资约束替代变量的学者，实证研究，结果表明股利支付率较低时，公司面临较大的融资约束。之后，李延喜等（2005）通过公司规模来度量融资约束。
多变量融资约束指数是指由多个与融资约束相关的变量共同衡量融资约束。KZ（1997）第一个使用股利支付率、公司债务、利息保障倍数等度量企业融资面临的制约程度。随后，Cleary（1999）通过增加样本并采用综合财务指标的方式进行分析后，证明了KZ（1997）结论的合理性。在此之后，Lamont.Polk和Saa-Requejo（2001）在此基础上，分别选取公司经营所得现金流量、托宾Q值、资产负债率、股利支付率以及现金持有量进行回归，构造出了KZ指数。
而多变量综合指数法则是根据多种财务数据的综合指数来进行衡量融资约束，其一般受干扰程度不会太大，结果也更能反映真实的融资约束。
二、模型构建
（一）变量分组
将中国沪深A股市场的房地产上市公司为研究对象，运用Logistic回归分析，建立房地产上市公司的融资约束指数。利用利息保障倍数和现金存量两个指标作为样本企业的分组指标。利息保障倍数，是企业息税前利润与利息费用的比率。现金存量，是货币资金与短期投资净额之和，反映了企业内部资金的持有量。拟采用下面的方法对房地产上市公司分组：
一是将现金存量的年度值，由小到大排序，前50%观测值作为低融资约束组，后50%观测值作为高融资约束组。
二是将利息保障倍数的年度值进行排序，前50%归为高融资约束组，后50%归为低融资约束组。
三是两组数据中，同时为高融资约束组的企业取交集，作为高融资约束组；同样，对同为低融资约束组的两组样本企业取交集，作为低融资约束组。
（二）指数模型构建
选取净资产收益率、流动比率、主营业务收入、资产负债率、财务松弛5个指标，利用Logistic回归分析法构建融资约束指数模型，方程构造如下：
Logit（FZ）=α+β1X1+β2X2+β3X3+β4LnX4+β5X5
其中，X1净资产收益率，公司税后利润除以净资产得到的百分比率，该指标反映股东权益的收益水平，衡量公司运用自有资本的效率。X2流动比率是流动资产对流动负债的比率，衡量企业的流动资产在短期债务到期以前，可以变为现金用于偿还负债的能力。合理的最低流动比率为2。X3主营业务收入，企业从事某种主要生产、经营活动所取得的营业收入，是企业资金的主要来源之一，房地产企业指“房地产经营收入”。LnX3是对主营业务收入取自然对数。X4资产负债率，是期末负债总额除以资产总额的百分比，资产负债率反映在总资产中有多大比例是通过借债来筹资的，反映了企业全部资产中的债务比重。X5为财务松弛变量，计算公式为（货币资金+交易性金融资产+0.5*存货净额+0.7*应收账款净额-短期借款）/期初资产，该指标是企业财务灵活的直接体现。
三、数据及描述性分析
（一）样本选择
本文选取样本来自中国沪深A股房地产上市公司与根据证监会2012年行业划分类中的房地产行业公司，共有130家房地产上市公司，研究区间为2009～2015年，按照下列方式筛选：一是删除ST/PT类公司；二是财务报表不完全的公司；三是主营业务发生重大变化的公司。最后得到119家上市公司2009～2015年的面板数据。
（二）描述性分析
本文选取的变量指标均来自各企业年度报告内的财务数据，经计算得到所需要的指标，为了防止各变量之间相互影响或有相关性，对五个变量进行相关系数分析，结果见下表2。
根據相关系数矩阵可以看出，主营业务收入与流动比率的相关系数为-0.3946，资产负债率与流动比率的相关系数为-0.4039，资产负债率与主营业务收入的相关系数为0.3365，其余各相关系数的绝对值都小于0.3，说明各变量相关性比较小，满足模型设计要求。 四、实证分析
（一）实证分析
为明确分析五个指标对房地产企业融资约束的影响程度，对分组样本按照年限进行Logistic回归分析。高融资约束组为1，低融资约束组为0，对分组样本按照构建好的模型进行回归，可以得出结论，见下表3。
Nagelkerke R2是衡量Logistic模型拟合优度的主要指标，取值在0—1之间，越接近1，说明模型的拟合优度越高。上表中，各年份的Nagelkerke R2的统计量为0.804、0.999、0.945、0.911、0.951、0.862、0.873，说明该模型拟合效果较好，解释变量能反映被解释变量变动情况的80.4%，99.9%，94.5%，91.1%，95.1%，86.2%，87.3%，即5个指标构造的融资约束指数模型，能有充分反映企业受到的融资约束情况，满足要求。其中，每年各指标的prob值小于0.05的，说明该指标对于融合约束的影响较显著。以2009年为例，其中，资产负债率（1.461）对融资约束指数的影响最大，其次是财务松弛（1.328），也就是说，资产负债率增加1个标准偏差，Logit（FZ）相应增加1.461个标准偏差；财务松弛增加1个标准偏差，Logit（FZ）相应增加1.328个标准偏差。各年份的影响因素以此类推，可以发现各年份的主要影响因素比不完全相同，这与各年的上市公司财务状况有关系。由以上结果，可以得到企业的融资约束指数模型：
其中2009年的约束方程为：
y=-3.333-0.37X1+0.248X2+1.045X3+1.461X4+1.328X5，以后每年的约束方程以此类推。FZ值越接近于1，表示企业受到融资约束的概率越大；FZ越接近于0，表示企业受到融资约束的概率越小。将0.5作为融资约束分界点，概率大于0.5，则判定该企业受到融资约束。
（二）结果分析
将119家样本企业2001～2010年的财务数据分别代入（2）式，计算出各企业每年的FZ指数，对企业各年份取均值，计算该上市公司受到融资约束的平均概率，并将整个结果进行统计分析，统计结果如下表4。
在2009～2015年中，2010年受到融资约束的概率最大，到达0.9358，最容易发生融资约束，同年发生融资约束的上市公司数量达到最多的115家。这与2010年国家对于房地产行业的调控有会很大影响，自2009年12月以来，房地产行业的调控政策不断出台，从2010年1月的“国十一条”至4月的“国十条”，9月的“9·29新政”，房地产销售下降，获利的空间变小，房地产企业外部融资能力下降，企业内部资金短缺，2010年成为受融资约束最高的年份。
五、总结建议
通过回归分析，2009～2015年，我国房地产上市公司普遍受到融资约束，五个指标对于融资约束的影响效果显著，得到的融资约束指数可以有效的衡量上市公司面临的融资约束情况，并且可以提供给政府，房地产行业，以及相关部门作为参考。特别是2010年和2011年，达到92%以上，已经说明融资约束问题很严重，对于上市公司的投资出现很大影响。结合上述相关分析给出以下建议：
（一）努力提高企业价值，继续优化资本结构
为了降低企业自身受到融资约束程度，企业应该努力实现自身价值的增值、优化经营模式、提高全要素生产率，从而提升盈利能力，增强投资者对企业能力以及未来发展的预期，降低融资难度。另一方面，企业价值的提高，自由资本的壮大，有利于降低企业对外部融资的依赖，从而降低融资约束对企业投资决策以及长期发展的影响。从企业资本结构来讲，资本结构的优化对于提升企业再融资能力至关重要。
（二）拓宽外部融资市场
企业的外部融资方式少，并且市场不发达，部分上市公司有严重的融资约束，影响投资，恶性循环导致企业生存艰难。因此，要缓解融资约束，一ing要阿里发展企业外部融资，拓宽渠道渠道和数量，降低企业外部融资难度，为企业投资项目和企业发展提供充足资金。
参考文献
[1]Fazzaris，Hubbard，Peterson.Financing Constraints and corporate investment[J].Brooking Papers on Economic Activity，1988（1）：141-195.
[2]魏锋，刘星.融资约束、不确定性对公司投资行为的影响[J].经济科学，2004（2），35-43.
[3]郑江淮，何旭强，王华.上市公司投资的融资约束：从股权结构角度的实证分析[J]，金融研究，2001（11），92-99.
[4]冯巍.内部现金流量和企业投资——來自我国股票市场上市公司财务报告的证据[J].经济科学，1999（1），1-7.
[5]郭丽虹：《日本制造业的内部融资与投资关系研究》，《经济科学》2004年第3期.
[6]李延喜，刘巍.融资约束与公司投资关系研究综述[J].价值工程2005（6）：105-109.
[7]Altman E，R G Haldeman，P Narayanan.ZETA Analysis：A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance，1977，vol.1（1）：29-54.
[8]Guariglia，A.The Effects of Financial Constraints on Inventory Investment：Evidence from a Panel of UK Firms，Economica，1999，66， 43-62.
[9]Kaplan Steven N，Luigi Zingales. Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints[J].Quarterly Journal of Economics，1997，vol.112（1）：169-215.
[10]Cleary S.The Relationship between Firm Investment and Financial Status[J].Journal of Finance，1999，vol.54（2）：673-692.
[11]Lamont O，Polk C，Saa-Requejo J.Financial Constraints and Stock Returns[J].Review of Financial Studies，2001，vol14（2）：529-554.
[12]赵剑锋、尹航：《沪市公司内部融资约束、现金流与投资行为分析》，《生产力研究》2006年第8期.
[13]魏璇：《融资约束对我国上市公司投资的影响研究》浙江大学硕士学位论文，2007年.