论文部分内容阅读
摘 要：在全球经济下滑的背景下，中国小微企业在过去一年内面临着极大的资金困境，货币政策，金融服务体系，金融扶持等成为影响小微企业融资行为的重要因素。本文采用结构方程建模的方法在问卷收集西安市200所小微企业的财务数据基础上进行了实证分析，论证了金融制度，政府政策，企业财务状况对企业融资绩效影响路径。
关键词：小微企业；融资行为；因素
引 言：
利用结构方程模型分析问卷，事先根据相关理论或经验初步设定四个潜变量，16个因子，然后在问卷中为每一个潜变量或因子设置若干的题目来测量它。而如同表一所示，每一个指标或者因子都有一个或几个题目来测量，通过调查中得到的数据来支持和检测我们的假设。
针对影响小微企业融资行为的各项指标，笔者采取了问卷调查的形式，本次发放调查问卷的对象主要是小微企业的高级管理人员及财务主管。问卷的发放和收回方式采取两种方式进行：一是作者直接将纸质版调查问卷发给中小企业相关人员，直接填写，现场收回；二是作者将电子版调查问卷通过互联网发送至中小企业相关人员并回收。问卷涵盖西安等地，共发放问卷200份，收回问卷157份，其中140份为有效问卷。
一、研究目的与模型建立
1.研究目的
本文在采用量表方式对问卷中的定性变量予以赋值后，欲分析影响小微企业融资行为影响因素，并期望得到各个因素与小微企业融资行为之间的关系度量。
2.模型建立
本项目考虑建立结构方程模型来研究小微企业融资绩效和融资行为（内生潜变量）与其各个因素（外生潜变量）之间的关系，并量化这种关系。建立在以上结构方程的基本原理的基础上，本文构建了西安市小微企业融资绩效影响因素评价模型。
我们发现小微企业影响因素中，内外因共同成为小微企业融资绩效的抑制因素，将16个观测变量严格分类，企业财务状况，中小企业融资行为，政府政策和银行制度四类潜在变量；其中小微企业融资行为是因变量Y，而其他三者为自变量X。
结构方程模型分为测量模型和结构模型：
η=Bη+Γξ+ζ（1）
Y=Λyη+ε（2）
X=Λxξ+δ（3）
其中，方程（1）和（2）称为测量模型，也称为验证性因子分析模型，描述潜变量与可测变量之间的关系；方程（3）称为结构模型，也称为潜变量因果关系模型，描述潜变量之间的线性关系。其中ξ为外生变量，η为内生变量。
二、数据分析
1.调查问卷的设计及调查数据的收集
（1）抽样方法：本研究采用分层随机抽样的方法，综合考虑西安市小微企业的实际情况，在小微企业比较多、比较具有代表性的区域抽取样本的比重相对大一些，因此，在获取样本时本研究采用了配额的方法。具体而言，根据统计局相关调查中所采用的配额比重设计此次抽样的配额，选取西安市100多家小微企业作为样本，根据总体的结构特征来确定样本的分配额度或分配比例，以取得一个与总体结构特征大体相似的样本结构。
（2）调查方式：问卷调查采取两种方式，一是自己走访，二是通过对相关政府机构的配合调研。通过3个月的调研，本项目共发放问卷200份，回收问卷157份。经过对问卷的处理，最终用于小微企业成长条件与绩效关系研究的有效问卷共140份。
（3）调研对象：本次问卷调研的对象为西安市小微企业，分布在各个县区，行业为第二三产业。调查采用分层抽样的方式，问卷内容包括4个潜变量因子，16项可测指标量表采用了Likert5级量度。
2.问卷数据的信度和效度检验
本文对调研数据进行信度和效度检验。本文采用信度检验采用克朗巴哈α系数作为检验标准，用来观察问卷各项目的内部一致性。经计算，调查问卷数据的克朗巴哈α系数为0.989，由于信度系数大于0.8，因此，总体上该评价体系的内在信度是比较理想的（如图3-6）。问卷调查中各个测量变量的共同度都在0.9以上，大于0.5，都达到了标准。因此，本文问卷的测量变量具有较好的效度，表明问卷测量变量的设计比较理想。
另外，对问卷中每个潜变量的信度分别检验结果可知，其它分量表的Alpha系数均在0.9以上，且总量表的Cronbach’sAlpha系数达到了0.891，表明此量表的可靠性较高。即初始模型中包括4个潜变量、16个可测变量。
三、实证分析
1.因子分析
本研究所使用问卷的测量变量的公共因素已经确定，分别是企业财务指标，小微企业融资行为，政府政策和银行制度四类潜在变量。采用限定抽取公共因素法进行因子分析时，输入的因素数量为4，通过这4个因素来分析问卷测量变量的效度。这4个因子累计贡献率达到96.39%，说明这4个因子对原有的16个测量变量具有96.39%的解释能力（见表3-8，各因子按照贡献率由高到低排列，各因子中的各测量变量按照载荷由大到小排列）。
对企业融资行为进行因子分析（如表3-9），通过计算，企业融资行为的KMO值是0.842，根据统计学给出的标准，大于0.8说明抽样的适当性比较好，可以进行因子分析。对企业融资行为进行因子分析，采用限定抽取公共因素法进行因子分析时，输入的因素数量为1。因子累计贡献率达到100%，对企业绩效具有100%的解释能力。
2.结构方程模型分析
运用AMOS18.0软件分别对企业融资绩效的影响因素所涉及的4个因子进行验证性因素分析，可以确定理论模型对实际数据的拟合程度，从而检验理论模型的正确性。在评价模型的适当性时，主要对拟合优度（CMIN/DF）、拟合良好性指标（GFI）、非常规拟合指标（NFI）、近似均方根误差估计（RMSEA）及比较拟合指标（CFI）等进行综合考虑。CMIN/DF值越小，表示模型与实际数据差异越小；GFI、NFI、CFI通常在0～1之间，越靠近1，表示模型与实际数据拟合得越好；而RMSEA越小越好。一般情况下，CMIN/DF<4，GFI、CFI、NFI大于0.85，RMSEA<0.1，说明模型拟合程度比较好。影响西安市小微企业融资绩效的3个因素的测量模型，其拟合程度比较好，都可以用来进行下一步的结构模型分析。
可见，小微企业融资绩效影响因素的结构模型拟合情况比较理想。结构模型的计算结果见下表
关键词：小微企业；融资行为；因素
引 言：
利用结构方程模型分析问卷，事先根据相关理论或经验初步设定四个潜变量，16个因子，然后在问卷中为每一个潜变量或因子设置若干的题目来测量它。而如同表一所示，每一个指标或者因子都有一个或几个题目来测量，通过调查中得到的数据来支持和检测我们的假设。
针对影响小微企业融资行为的各项指标，笔者采取了问卷调查的形式，本次发放调查问卷的对象主要是小微企业的高级管理人员及财务主管。问卷的发放和收回方式采取两种方式进行：一是作者直接将纸质版调查问卷发给中小企业相关人员，直接填写，现场收回；二是作者将电子版调查问卷通过互联网发送至中小企业相关人员并回收。问卷涵盖西安等地，共发放问卷200份，收回问卷157份，其中140份为有效问卷。
一、研究目的与模型建立
1.研究目的
本文在采用量表方式对问卷中的定性变量予以赋值后，欲分析影响小微企业融资行为影响因素，并期望得到各个因素与小微企业融资行为之间的关系度量。
2.模型建立
本项目考虑建立结构方程模型来研究小微企业融资绩效和融资行为（内生潜变量）与其各个因素（外生潜变量）之间的关系，并量化这种关系。建立在以上结构方程的基本原理的基础上，本文构建了西安市小微企业融资绩效影响因素评价模型。
我们发现小微企业影响因素中，内外因共同成为小微企业融资绩效的抑制因素，将16个观测变量严格分类，企业财务状况，中小企业融资行为，政府政策和银行制度四类潜在变量；其中小微企业融资行为是因变量Y，而其他三者为自变量X。
结构方程模型分为测量模型和结构模型：
η=Bη+Γξ+ζ（1）
Y=Λyη+ε（2）
X=Λxξ+δ（3）
其中，方程（1）和（2）称为测量模型，也称为验证性因子分析模型，描述潜变量与可测变量之间的关系；方程（3）称为结构模型，也称为潜变量因果关系模型，描述潜变量之间的线性关系。其中ξ为外生变量，η为内生变量。
二、数据分析
1.调查问卷的设计及调查数据的收集
（1）抽样方法：本研究采用分层随机抽样的方法，综合考虑西安市小微企业的实际情况，在小微企业比较多、比较具有代表性的区域抽取样本的比重相对大一些，因此，在获取样本时本研究采用了配额的方法。具体而言，根据统计局相关调查中所采用的配额比重设计此次抽样的配额，选取西安市100多家小微企业作为样本，根据总体的结构特征来确定样本的分配额度或分配比例，以取得一个与总体结构特征大体相似的样本结构。
（2）调查方式：问卷调查采取两种方式，一是自己走访，二是通过对相关政府机构的配合调研。通过3个月的调研，本项目共发放问卷200份，回收问卷157份。经过对问卷的处理，最终用于小微企业成长条件与绩效关系研究的有效问卷共140份。
（3）调研对象：本次问卷调研的对象为西安市小微企业，分布在各个县区，行业为第二三产业。调查采用分层抽样的方式，问卷内容包括4个潜变量因子，16项可测指标量表采用了Likert5级量度。
2.问卷数据的信度和效度检验
本文对调研数据进行信度和效度检验。本文采用信度检验采用克朗巴哈α系数作为检验标准，用来观察问卷各项目的内部一致性。经计算，调查问卷数据的克朗巴哈α系数为0.989，由于信度系数大于0.8，因此，总体上该评价体系的内在信度是比较理想的（如图3-6）。问卷调查中各个测量变量的共同度都在0.9以上，大于0.5，都达到了标准。因此，本文问卷的测量变量具有较好的效度，表明问卷测量变量的设计比较理想。
另外，对问卷中每个潜变量的信度分别检验结果可知，其它分量表的Alpha系数均在0.9以上，且总量表的Cronbach’sAlpha系数达到了0.891，表明此量表的可靠性较高。即初始模型中包括4个潜变量、16个可测变量。
三、实证分析
1.因子分析
本研究所使用问卷的测量变量的公共因素已经确定，分别是企业财务指标，小微企业融资行为，政府政策和银行制度四类潜在变量。采用限定抽取公共因素法进行因子分析时，输入的因素数量为4，通过这4个因素来分析问卷测量变量的效度。这4个因子累计贡献率达到96.39%，说明这4个因子对原有的16个测量变量具有96.39%的解释能力（见表3-8，各因子按照贡献率由高到低排列，各因子中的各测量变量按照载荷由大到小排列）。
对企业融资行为进行因子分析（如表3-9），通过计算，企业融资行为的KMO值是0.842，根据统计学给出的标准，大于0.8说明抽样的适当性比较好，可以进行因子分析。对企业融资行为进行因子分析，采用限定抽取公共因素法进行因子分析时，输入的因素数量为1。因子累计贡献率达到100%，对企业绩效具有100%的解释能力。
2.结构方程模型分析
运用AMOS18.0软件分别对企业融资绩效的影响因素所涉及的4个因子进行验证性因素分析，可以确定理论模型对实际数据的拟合程度，从而检验理论模型的正确性。在评价模型的适当性时，主要对拟合优度（CMIN/DF）、拟合良好性指标（GFI）、非常规拟合指标（NFI）、近似均方根误差估计（RMSEA）及比较拟合指标（CFI）等进行综合考虑。CMIN/DF值越小，表示模型与实际数据差异越小；GFI、NFI、CFI通常在0～1之间，越靠近1，表示模型与实际数据拟合得越好；而RMSEA越小越好。一般情况下，CMIN/DF<4，GFI、CFI、NFI大于0.85，RMSEA<0.1，说明模型拟合程度比较好。影响西安市小微企业融资绩效的3个因素的测量模型，其拟合程度比较好，都可以用来进行下一步的结构模型分析。
可见，小微企业融资绩效影响因素的结构模型拟合情况比较理想。结构模型的计算结果见下表