中央企業重組政策實施效果的雙重差分研究

陳俊希

摘要：近年以來，面對復雜的國內國際環境，中央企業的資源配置能力、核心競爭力、主營業務收入都有了不同程度的提升。而新一輪國企改革開始以來，經過最近幾年的重組，央企數量已經從110多家降至90多家，國有資產保值增值能力得到一定程度的提升，但針對重組央企進行的定量研究比較缺乏。本文采用雙重差分模型（DID），以上市央企旗下公司年度財務報表為基礎，考量央企重組后財務數據是否得到明顯改善。

關鍵詞：國企改革；央企重組；雙重差分；定量研究

一、樣本及變量選取

1.樣本選取

截止到2016年12月，新一輪國企改革有10家19對中央企業完成重組，共涉及57家上市公司。本文將重組看作一種“準自然實驗”，對受到政策影響的公司作為“處理組（treatment group）”，未受政策影響或者受到影響較小的公司作為“對照組（control group）”。一般而言，雙重差分模型至少要滿足兩個條件：第一，隨機性假設，意味著需要控制所有可能影響實驗結果的無關變量，從而保證實驗結果是受所選擇變量的影響；第二，同質性假設，指處理組和對照組除在某一時點受政策沖擊而造成較大變化之外，其余各方面應該達到相同或近似相等的程度。

從2003年開始，央企重組已經經歷多輪，決策層對央企的選擇似乎并沒有統一的標準。從近幾年開啟重組進程的央企來看，主要涉及戰略性行業，并且與企業內部是否有上市公司，企業資產規模、行業地位沒有必然聯系，因此可以將本文選取的57家上市公司財務數據看作是“準隨機性實驗”。對于第二類同質性假設，剔除金融行業的公司，企業的財務報表按照統一標準編制，可以達到一致的要求。

基于以上兩類假設驗證，初步確立了處理組和對照組樣本。其中處理組樣本來自于2015和2016年實施重組的央企，對照組是未在以上兩年實施重組的央企。

2.變量選取

反映企業盈利能力的主要指標凈資產收益率（roe）首先被納入考慮范圍內，roe反映的是企業一定時期內凈利潤與平均凈資產的比率，具體公式是“roe=凈利潤率*總資產周轉率*杠桿比率”，體現的是企業投資獲得凈收益的能力，該指標可以直觀地對企業營運能力加以評價。另外，對于企業負債方面，引入的評價指標是資產負債率（DebtAssetratio，下文簡稱dar），dar是企業負債和總資產的比率，是評價企業負債水平的綜合指標。

基于roe和dar兩個指標，我們對處理組和對照組樣本進行數據收集。在對數據進行處理時，剔除了金融企業、極端值或者年份間出現的突變值。最終得出的平均值統計結果如表1。

下一步要關注的是控制變量的選取。我們將控制變量分為兩大類，一類是代表宏觀經濟情況的指標，另一類是企業微觀運營指標。宏觀層面包括以下幾個變量：一是國內宏觀環境，我們使用GDP取對數來衡量近年全國宏觀經濟情況；二是規模以上工業產值，該指標反映了原料、中間產品和最終產品的價值，能較好契合樣本中部分上游企業，將其取對數后納入控制變量指標；三是產業結構情況，央企多數企業布局的是第二產業，因此我們增加了對行業的控制，重點關注第二產業的變動情況；四是考慮到所選樣本都是上市公司，我們對公司規模加以簡單的控制，依據公司是否在主板/中小板/創業板上市進行賦值。

微觀層面的變量選取涉及企業營業收入、扣除非經常性損益后的凈利潤、總資產、總負債和總資產周轉率五個指標。前四個指標為了方便統計，取對數后納入控制變量，資產周轉率直接納入控制變量。

綜上所述，詳細的指標設置如表2所示。

二、雙重差分模型構建

假定y是結果的隨機變量，取1或0代表樣本在某一時期是否被“處理”，處理后所產生的因果表現為同時我們假設隨機變量之間存在線性關系，這樣，對于個體i在時期t，我們設定模型為：

其中x表示個體i在時期，是否發生了“處理”的虛擬變量，%表示影響結果的其他控制變量，珥表示的是時期i的虛擬變量，z表示的是不隨時間變化的特征變量，c代表誤差項變量。

這樣，只要E=0，就可以利用固定面板數據得到參數的一致性估計，公式（1）中a1的估計值就是雙重差分估計量。因此，差分估計最重要的一個條件就是要保證政策沖擊所產生的變化是外生的，從而保證與回歸方程誤差項之間不存在聯系。基于前文的討論，我們近似地將此次研究看作“準自然實驗”，同時樣本的選擇基于重組政策分批進行特點，可以認為是隨機選擇的。進而對主要變量進行描述性統計，統計結果如表3。

進而提出兩個假設：

假設一：央企重組政策對企業盈利能力有正向影響，即差分項統計結果顯著為正。

假設二：央企重組政策降低了企業負債水平，即差分統計結果顯著為負。

三、雙重差分結果

如表4所示，模型（1）和模型（2）是加入控制變量前的雙重差分統計結果。對于roe而言，雙重差分項統計結果為正且達到了1%的顯著水平，說明中央企業重組政策實施后，受政策影響的中央企業roe水平提升較為明顯，盈利能力有了不同程度的改善。而對于dar而言，重組政策并沒有顯著影響企業的資產負債率，表明政策與企業負債水平的關聯程度不高。

模型（3）和模型（4）是加入控制變量后的雙重差分統計結果。me的雙重差分項統計值變為4.23，降低了0.70，同時達到了1%的顯著水平，說明控制了一些指標之后，央企重組帶來的業績提升幅度有所降低。詳細分析來看，宏觀層面變量對me的影響不顯著，說明央企的盈利能力和國內生產總值、規模以上工業企業產值、產業類別等指標關聯性不強，這也在側面證明了央企更多扮演的是經濟效率催化劑的角色，其經營狀況可以直接影響宏觀經濟的景氣程度。但另一方面，部分原因在于央企多是各自壟斷領域的龍頭，市場需求長期保持較高層次，抗經濟風險能力較強。對于微觀控制變量，扣除非經常性損益后的凈利潤對于roe呈現正向影響，并且達到了1%的顯著水平；總資產周轉率同樣對roe呈現正向的顯著影響；總負債對roe呈現正向影響，但顯著水平為5%。另外，總資產對roe表現為反向影響，并且達到了1%的顯著水平，估計是資產量上漲，攤薄資產周轉率，進而拉低roe值所致。而在dar方面，加入控制變量后雙重差分項結果仍舊不顯著，但宏觀控制變量中的企業規模控制指標對資產負債率呈現顯著的負向影響，說明在主板和中小板上市、在行業內有一定地位和影響力的央企，重組后負債情況略有所下降。此外，微觀層面的指標都對資產負債率呈現顯著影響。

四、結論

雙重差分統計結果基本證明了假設一，即央企重組后，政策對于企業的盈利能力有一定的驅動作用，但假設二無法通過雙重差分模型檢驗。綜上所述，中央企業重組提升了企業的盈利能力，表明重組政策對央企經營有正向的利好效果。