江蘇省制造業上市公司融資約束的行業特征分析

黃萍 李清清

摘要：制造業是帶動江蘇省經濟發展的強大動力。為了研究江蘇省制造業上市公司融資約束的行業特征，本文利用中國滬深A股市場江蘇省制造業上市公司2011—2016年的年度財務數據，運用Logistic回歸分析，構建了江蘇省制造業上市公司融資約束指數模型。經過檢驗發現，輕紡制造業受到融資約束的程度最大，資源加工業次之，裝備制造業最小。

關鍵詞：制造業;上市公司;融資約束;Logistic模型

中圖分類號：F832文獻標識碼：A文章編號：1008-4428（2019）01-0084-03

一、 引言

制造業是江蘇省經濟增長的發動機，但融資難、融資成本高等問題仍然是制約江蘇制造業發展的最大瓶頸。企業融資受到哪些因素的影響，不同行業的企業受到的融資約束程度是否相同，對這些問題的回答具有重要的現實意義。從宏觀層面上看，把握江蘇省制造業融資約束的行業特征，有利于政府從整體上把握制造業融資約束情況，及時調整制定相關政策，推動產業結構升級，促進經濟又好又快發展。從微觀層面上看，對這些問題的研究有助于企業了解自己所在行業的融資約束特征，促使企業在融資渠道、融資成本的選擇上更加理性，有利于企業把握時機，做出最優決策，使生產要素達到最優配置。因此，本文以滬深A股市場江蘇省制造業上市公司為研究樣本，以2011—2016年為樣本區間，擬運用Logistic回歸分析，構建上市公司融資約束的指數，探討上市公司融資約束的行業特征。

二、 江蘇省制造業上市公司融資情況分析

（一）制造業上市公司各行業融資渠道分析

企業的融資渠道主要包括內源融資和外源融資。內源融資包括原始資本和資產資本化，外源融資則以債務融資和股權融資為主。根據融資優序理論，制造業上市公司選擇融資方式的順序應是先內源融資，再外源融資。江蘇省制造業上市公司的融資順序是否也是如此，有待深入探討。

為研究制造業的行業融資情況，將制造業分為三大類行業，即輕紡制造業、資源加工業和裝備制造業。輕紡制造業主要包括農副產品加工、服裝、紡織等制造業;資源加工業包括化學制品、石油加工、醫藥、橡膠、金屬冶煉等制造業。裝備制造業則包括通用、專用、交通運輸設備、電氣、計算機、儀器儀表等制造業。

表1顯示了江蘇省制造業上市公司各行業外源融資情況。2011—2016年間，江蘇省制造業上市公司各行業的外源融資均呈現逐年遞增的趨勢。其中，輕紡制造業每年的外源融資均超過資源加工業和裝備制造業，在2016年達到77.1億元的高峰;資源加工業的外源融資額也從2011年的21.24億元逐年遞增到2016年的51.15億元;2014年，裝備制造業的外源融資額開始提速，反超資源加工業，到2016年，實現外源融資54.84億元。

從融資結構上看，無論是輕紡制造業、資源加工業，還是裝備制造業，江蘇省制造業上市公司的融資渠道以外源融資為主。圖1顯示了2011—2016年間，江蘇省制造業三大行業的融資結構。從整體上看，所有樣本企業在2011—2016年的內源融資比率平均值為21.03%，而外源融資比率平均值高達78.97%。可見，內源融資在江蘇省制造業上市公司的融資結構中所占比率較低，外源融資占比較高，部分企業甚至完全依賴于外源融資。江蘇省制造業上市公司的融資順序呈現出“先外源融資，后內源融資”的特征。

（二）融資約束的行業特征現狀分析

1. 江蘇省制造業上市公司融資渠道單一

制造業企業由于近年來擴張速度較快，導致內部資金較為緊缺，很多企業的資產負債率較高。因此這些企業想要從銀行貸款就比較困難，他們只能選擇成本比較高的股權融資，雖然融資租賃近年來比較盛行，但是對于大多數企業來說，還不到時機或者說時機并不成熟，因此，可供這些企業選擇的融資方式較少。

2. 制造業上市公司的融資成本比較高

通常情況下，企業在選擇融資方式時，一般偏好內源融資，其次是債務融資，最后是股權融資。但是從制造業上市公司的財務指標上看，企業的資產負債率較高。當企業內部現金流不足，資產負債率高的情況下，即便企業能從銀行貸款，那么銀行也會根據企業的風險大小進一步提高貸款利率。雖然大多數銀行已經對制造業降低了貸款的門檻，但是各銀行從風險角度分析考慮，還是比較偏向于大型制造業企業提供貸款，而中小型企業要獲得融資就要支付較高的成本。

3. 制造業上市公司資產收益不高

制造業是江蘇省經濟的支柱產業，政府配套的相關政策也較多。但是，有些企業則處于行業的初創期，投資大，風險高，資產收益低;有些企業處于拓展期，為了搶占先機、響應政府號召，不斷增加資金投入，擴大企業生產規模，生產成本較高，效益并不顯著;還有些企業所處行業是夕陽產業，企業轉型壓力日益增加。

三、 制造業上市公司融資約束理論模型的構建

（一）變量分組

國內外研究學者在研究企業融資約束的行業特征時，有的學者選用股利支付率作為企業的分組依據，也有的學者選用現金存量作為分組依據。由于我國股市發展不健全，股利支付率的隨意性比較大，連續性差。因此，在研究江蘇省制造業上市公司融資約束程度時，通過股利支付率這一指標很難判斷企業是否受到融資約束。故而，本文選取現金存量作為樣本企業的分組指標。該指標與企業受到的融資約束情況呈正相關關系，即現金存量越低，該公司所受融資約束程度越低。因此，將江蘇省制造業上市公司按照現金存量大小順序排列，現金存量較高的公司為高融資約束組，現金存量較低的公司則為低融資約束組。

（二）構建融資約束指數模型

Logistic回歸分析法主要應用于二分類變量建模。它采用極大似然法，估計出各參數值，進而求得被解釋變量取某值時所對應的概率，從而預測事件發生的概率。由于江蘇省制造業上市公司按現金存量分為高融資約束組和低融資約束組，融資約束指標屬于二分類變量，適于采用Logistic回歸模型描述融資約束與各影響因素之間的非線性關系。根據國內外文獻，融資約束的主要影響因素有公司的流動比率、公司規模、凈資產收益率、資產負債率等財務指標。因此，以制造業上市公司流動比率、公司規模、凈資產收益率、資產負債率4個財務指標為解釋變量，構建融資約束指數模型，如式（1）所示。

Logit（FZ）=α+β1X1i+β2LnSIZEi+β3X2i+β4X3i+μi（1）

式（1）中，FZ為融資約束指數;X1為流動比率;LnSIZE為公司規模的對數值;X2為凈資產收益率;X3為資產負債率。

四、 江蘇省制造業上市公司融資約束行業特征的實證分析

（一）樣本選取

本文選擇2011年1月1日以前在滬深A股市場上市的江蘇省制造業上市公司為研究對象，研究區間為2011—2016年，截至2016年12月31日，共計250家制造業上市企業。同時，剔除了以下5類樣本：①ST/PT類公司，此類企業的財務行為可能出現異常現象;②首年IPO的企業。IPO對現金流的影響較大，不能真實反映企業融資約束大小;③總資產增長率高于100的公司;④資產負債率大于100的公司，這類企業屬于資不抵債;⑤數據缺失的公司。經過上述處理，共有236家符合要求的江蘇省制造業上市公司作為觀測樣本。

（二）江蘇省制造業上市公司融資約束行業特征差異的實證檢驗

將236家樣本企業按現金存量由大到小排序，現金存量較大的前30%企業作為高融資約束組，現金存量較小的后30%企業作為低融資約束組。最終確定了高融資約束組和低融資約束組各70組樣本觀測值。

首先，對各解釋變量進行相關性分析。結果表明，流動比率、公司規模、凈資產收益率、資產負債率這4個解釋變量的相關系數均在0.5以下，相關性較弱，符合Logistic回歸模型的建模要求。然后，對各解釋變量的均值在高、低融資約束組之間是否存在顯著性差異進行t檢驗。表2的t檢驗結果顯示，各指標的t統計量所對應的P值均小于0.05，說明在5%的顯著性水平下，4個指標的均值在不同融資約束組之間存在顯著性差異，也就是說，這4個解釋變量能較好地區分上市公司受到融資約束程度的高低。值得注意的是，高融資約束組的公司規模、凈資產收益率較高，這可能與經濟周期、相關政策、企業的轉型升級有關。但高融資約束組的資產負債率為0.446，高于低融資約束組的0.365，而高融資約束組 2.018 的流動比率卻低于低融資約束組的流動比率，這說明流動性強、償還債務能力強的企業所受到的融資約束較低，流動性差、償還債務能力弱的企業所受到的融資約束較高，這與實際經濟理論相符。

（三）Logistic回歸分析

根據式（1）的融資約束指數模型，將樣本企業中高融資約束組的因變量取值設定為1，低融資約束組設定為0，并以流動比率（X1）、公司規模（LnSIZE）、凈資產收益率（X2）、資產負債率（X3）4個財務指標為自變量，搜集2011—2016年140家樣本企業的指標數值，運用logistic回歸分析，結果如表3所示。

根據表3的回歸結果，得到式（2）的融資約束指數FZ。

FZ=ey1+ey（2）

其中，Y=-3.213-0.128X1i+1.174LnSIZEi+2.517X2i-0.747X3i

FZ為融資約束指數，表示上市公司融資受到約束的概率。FZ值越趨近于1，表示企業受到融資約束的概率越大;FZ值越小，說明企業受到融資約束的概率越小。

為深入研究制造業各行業所面臨的融資約束程度，根據式（2），計算出江蘇省制造業各行業2011—2016年的融資約束指數FZ值，結果如表4所示。

五、 實證結論

根據Logistic回歸模型和江蘇省制造業上市公司各行業的融資約束指數計算結果，得到以下結論。

（一）由于流動比率、公司規模、凈資產收益率、資產負債率這4個變量在Logistic回歸模型中系數對應的顯著性水平均小于0.1，說明它們對于融資約束的影響具有統計學意義，是影響融資約束的重要因素。

（二）從優勢比OR值可以看出，高流動比率導致融資受約束的可能性是低流動比率的0.88倍，高資產負債率導致融資受約束的可能性是低資產負債率的0.474倍。也就是說，流動性強、償還債務能力強的上市公司所受到的融資約束程度較低。然而，凈資產收益率較高、公司規模較大的企業所受到的融資約束程度卻較高。這說明江蘇省制造業企業在外源融資時，獲取資金的約束性條件可能不只是公司規模和當前的收益，更重要的應該是公司所處的行業及行業的發展前景、產品的研發水平和創新速度等影響未來收益的因素。

（三）從江蘇省制造業各行業的融資約束指數上看，輕紡制造業、資源加工業、裝備制造業的FZ均值分別為 57.16%、46.51%、43.95%，說明輕紡制造業受到融資約束的程度最大，資源加工業次之，融資約束概率最小的行業是裝備制造業。

（四）從縱向上看，2011—2016年間，江蘇省制造業各行業的融資約束指數均呈現逐年遞增的趨勢，說明融資的要求越來越高。首先，輕紡制造業受融資約束的概率從2011年的55.03%到2016年的63.42%，呈現上升的趨勢。其次，資源加工業受融資約束的概率從2011年的38.29%上升到2016年的55.05%，融資約束程度最大的上市公司是南鋼股份;融資約束程度最小的上市公司則是裕興股份。再次，裝備制造業受融資約束的概率從2011年的37.54%到2016年的 53.55%，也在不斷上升。該行業的上市門檻高，計算機、通信和其他電子設備制造業，多數企業是高科技研發型企業，屬于技術密集型行業，企業的資金收入完全依托于產品的研發和銷售。其中，受融資約束程度最大的企業是徐工機械，中航高科受融資約束程度最小。

參考文獻：

[1]郭麗婷.制造型企業金融化抑制了技術創新嗎？——基于我國制造業上市公司的經驗研究[J].金融理論與實踐，2018（4）：36-41.

[2]李后建.政府質量、財務透明與企業融資約束——基于中國制造業企業問卷調查數據的分析[J].商業研究，2018（3）：57-66.

[3]李思慧，徐保昌.金融市場化、融資約束與企業成本加成：來自中國制造業企業的證據[J].國際貿易問題，2018（2）：164-174.

[4]孫妍.融資約束、創業投資與企業創新能力[J].財會通訊，2017（36）：57-62.

[5]王展祥，龔廣祥，鄭婷婷.融資約束及不確定性對非上市制造業R&;D投資效率的影響——基于異質性隨機前沿函數的實證研究[J].中央財經大學學報，2017（11）：27-37.

[6]鄧翔，向書堅，唐毅.中國上市公司融資約束的行業特征分析——基于641家上市企業的Logistic回歸分析[J].宏觀經濟研究，2014（1）：107-117，125.