当前位置:流星毕业论文网毕业论文经济论文金融论文 → 论文中心内容

金融发展与企业过度投资关系实证研究

减小字体 增大字体 作者:强志娟    来源:本站整理  发布时间:2010/12/1 13:51:07

企业的非效率投资现象是当今世界许多国家均面临的问题,而我国的非效率投资现象更为严重。相对于投资不足而言,我国上市公司过度投资行为似乎更广为社会公众及学者所诟病。目前,国内外学者分别从委托代理、信息不对称、资本结构和公司治理等视角对过度投资进行了研究,取得了大量的研究成果。

我国正处于经济转轨时期,金融发展也处于起步阶段,企业的投资行为根植于这一特定的外部治理环境,使得我国上市公司投资问题可能与西方国家大不相同。在我国这样特殊的资本市场中,金融发展到底与过度投资行为有着怎样的关系呢?对于这一问题,国内学者研究较少,因此本文将从实证的视角探讨我国金融发展对企业过度投资行为的影响,这对于研究企业过度投资有着重要的意义。

文献综述与理论假说

随着对金融认识的深入,学者们发现金融在世界经济发展的过程中起着关键的作用(Levine,1997;Beck等,2000)。所谓金融发展,通常是指金融体系向好的方向变化,即“金融体系的规模或效率得到提高”(Khan,2000)。金融发展为企业的投资提供了资金来源。Bencivenga等(1991)认为金融发展有利于扩大储蓄流向生产性投资的比例,从而提高资本积累,为投资行为提供资金支持。Greenwood等(1990)指出金融发展可以提高投资效率,即金融发展水平越高的地区的非效率投资越少。Brandt等(2003)的研究发现,在我国经济转轨的过程中,各地区银行改革进程的不同导致了我国各地区金融发展水平的不同。García-Herrero等(2005)进行了进一步的研究,他们认为金融发展水平比较高的地区,国有银行市场化改革更加深入,这些地区的国有银行在发放贷款尤其是长期贷款时更多的考虑盈利目的而非政治目的,所以政府干预的非效率贷款会减少,一定程度上减少企业过度投资行为。在我国,方军雄(2006)使用修正的Wurgler方法研究发现,金融市场发展程度变量与行业投资反应系数显著正相关,金融市场越发达,资本的配置效率越高。陈信元、朱红军和何贤杰(2006)研究了我国上市公司的投资的现金流敏感性,发现金融发展有利于降低投资的现金流敏感性。鉴于我国各地区的金融发展水平存在差异,本文认为金融发展对过度投资的约束效用的发挥也存在不同。由此,本文提出假设:金融发展水平与企业的过度投资程度成负相关,即当上市公司所在地区的金融发展越落后时,企业的过度投资行为越严重。

研究设计与实证分析

(一)样本选择与数据来源

本文以中国A股上市公司2003—2008年的数据为研究样本,为了保证结果的准确性,按照以下原则进行样本筛选:剔除每年被ST和PT的公司,这些公司的财务状况异常,若这些公司纳入研究样本中将影响研究结果;剔除金融类上市公司,因为这类上市公司的财务状况与其他类上市公司差异比较大;剔除数据不全的上市公司;剔除各变量1%以下和99%以上的极端值。经过筛选,最终得到4373个有效观测值。有关上市公司数据来自CCER数据库以及中国证券监督委员会网站。金融发展数据来自于樊纲等(2006)在《中国市场化指数-各地区市场化相对进程2006年度报告》一书中编制的中国各地区金融业的市场化指数。

(二)模型设定

如何衡量企业的非效率投资程度,国内外不少学者在这方面进行了有益的尝试。其中,Richardson(2006)模型不仅在国外的研究得到应用(Verdi,2006等),而且也深受我国学者的青睐(辛清泉等,2007;魏明海等,2007)。Richardson将企业的新增投资支出分为两部分:一部分是由成长性、资产负债率、资产规模等因素决定的预期投资支出;另一部分是非预期投资支出,是实际投资支出与预期投资支出的差额。在计量经济学中,回归模型的估算值就是根据解释变量和被解释变量间的关系拟合的值,而模型的残差就是被解释变量的实际值和估算值之间的差额。所以,模型的估算值就是企业预期的投资支出,模型的残差就是企业的非预期投资支出。正残差表示实际投资支出超过预期投资水平,即过度投资的程度。而负残差则为实际投资支出低于预期投资水平,即投资不足的程度。本文借鉴Richardson的思想,构建模型1来估算企业的最佳投资支出水平(见表1)。

INVt=α0+α1Growtht-1+α2Levt-1+α3

CFOt-1+α4ROAt-1+α5Age+α6Sizet-1+α7

INVt-1+ΣIndustry+ΣYear+εt (1)

参考Ang等(2002)、Richardson(2006)的类似研究,本文使用自由现金流量(FCF)和大股东占款(ORECPA)作为控制变量来考虑代理成本对过度投资的影响。同样,我们在模型中也加入了行业虚拟变量和年度虚拟变量,用来控制不同行业和不同年度的宏观经济形势对企业投资决策的影响。本文在借鉴已有文献的基础上,设置模型2来检验前文的假设(见表2)。

OVER_INVt=β0+β1Fint+β2FCFt+

β3ORECTAt+ΣIndustry+ΣYear +ηt (2)

(三)描述性统计

1.变量的描述性统计。表3列出了模型2中变量的描述性统计特征,可以发现有1609个观察样本发生了过度投资行为。其中过

[1] [2]  下一页

友情链接