營運能力對公司績效影響的實證研究
——來自農林牧漁業上市公司的經驗證據

吳茂國 陸戴珉

一、引言

農業自古以來都是人類社會生存的基礎,是工業等其他生產部門存在與發展的前提,也是促進第二、第三產業持續發展的保證。而在擁有近十四億人口的中國,農業更是與國計民生息息相關,關系著我國社會的穩定與經濟的發展。在農業產業鏈中,農業企業是其中不可或缺的重要一環,同時也是我國農業經濟中先進生產力與雄厚資本的代表。然而截至2017年年底,中國滬深A股農林牧漁業上市公司數量僅為43家,只占滬深A股上市公司的1.3%,其整體收入水平均低于其他行業上市公司,可持續發展能力較低,財務風險較高,有些甚至還對社會造成了不良影響,這些都反映了我國農林牧漁業上市公司存在著諸多問題。此外,我國目前有關營運能力影響公司績效的研究主要集中于制造業,針對農林牧漁業的研究較少。因此,本文主要研究營運能力對我國農林牧漁業上市公司績效的影響。

本文的研究意義主要分為三個層次。首先,對農林牧漁業上市公司來說,這有利于公司更好地評估績效水平,進行積極的內部調整與改革,為企業擺脫困境,增強自身市場競爭力,長期穩健發展提供決策依據。其次,對政府部門來說,可以更好地進行全面科學的宏觀調控,建立健全與農業相關的法制法規并針對實際情況做出及時的調整,以促進農業的健康發展。最后,對公司績效的研究來說,本文主要研究的是農林牧漁業上市公司營運能力對公司績效的影響,彌補了過往研究的不足,也為今后的研究提供一定參考。

在研究方法的選擇上,本文主要采用了規范性研究與實證分析結合的方法。首先梳理、歸納并整合國內外農業企業績效評價理論以及營運能力對上市公司績效影響的理論,據此選取本文研究所需的被解釋變量、解釋變量和控制變量,來分析農林牧漁業上市公司績效衡量的方法,以及營運能力這一核合影響因素對公司整體績效的影響。然后基于43家農林牧漁業上市公司10年的數據,運用實證分析法,并結合在規范性研究中選取的各類變量與指標,建立合理的回歸模型。最后,根據模型的回歸結果分析營運能力對農林牧漁業上市公司績效的影響。

二、文獻綜述

績效評價的研究起源于國外。19世紀50年代起投資者為了加強對企業的控制,防止公司內部產生代理問題損害自身利益,便通過對公司進行績效評估來約束管理者的各種行為。此后,隨著生產的發展,泰勒（1912）提出了科學管理理論,他認為生產效率的高低才是評價企業績效的重點,且在生產過程中要注重控制成本。美國杜邦公司（1920）設計了多個影響頗深的財務指標,還開創性地建立起首個凈資產報酬率指標和杜邦財務分析體系,推動了綜合性財務績效評價指標體系的形成。不同于杜邦體系法側重于財務業績評價,亞歷山大·沃爾（1928）創新性地提出信用能力指數并據此設計了沃爾評分體系。該體系運用各類財務指標對企業盈利能力與償債能力進行評估,開創了使用財務指標評價企業綜合績效的先河。詹姆斯·麥金西（1932）在企業績效評價系統內加入企業宏觀環境因素,他認為除了企業內部因素外,整體宏觀環境也是影響企業績效的因素,簡單地針對企業財務績效的評價難以全方面反映企業真實的經營水平。彼得·德魯克（1995）將企業社會責任與長期穩定程度作為企業績效評價的影響因素,認為企業不應將利潤最大化作為企業的唯一目標,非財務指標應與財務指標一起協同構成企業績效評價體系。隨著經濟全球化和經濟一體化的不斷深化與發展,之前以節約生產經營成本、提升利潤為主要目標的傳統經營績效評價方法已無法滿足新時代的需要。斯特恩·斯圖爾特咨詢公司（1991）創建了至今仍被廣泛應用的經濟增加值EVA （Economic Value Added）指標體系。該系統可以真實反映企業創造的實際價值,并對企業的經營戰略進行正確評估,有利于企業更好地制定未來發展目標。

與國外相比,國內對上市公司績效評價的相關研究起步雖然較晚,但成果頗豐,大量學者針對公司績效評價做出了相關研究,提出了各種不同的研究模型。徐國祥（2000）收集了812家上市公司的數據,將因子分析模型引入實證研究,利用因子分析法研究上市公司業績評價。潘琰等（2000）通過主成分分析法分析了30家上市公司的財務數據,發現了對上市公司績效影響最大的是企業盈利因素。祝志明（2004）則建立了綜合因子分析法與模糊方法的業績評價模型,將主觀與客觀評價方法各自的優勢結合起來。李洪（2004）通過主成分分析法與EVA分析法對400多家上市公司的績效表現進行測算分析,并將績效表現的相關度用EVA分析法來檢驗。而李娜等（2005）通過層次分析法建立了評價財務能力的綜合模型。周宏等（2008）通過比較分析法,發現反映各種財務信息的因子分析法是一種較為客觀的績效評價方法。韓鎖昌等（2007）運用數據包絡分析方法（DEA）,分析37家農業上市公司的財務效率,將所有公司分為農業、林業、牧業、漁業及種植業五大類,對這些公司的財務數據進行分組分析與財務效率的計算,發現種植業的財務效率要比畜牧業和漁業高,而這一現象的原因主要與企業營運能力有關。徐雪高等（2008）也采用因子分析法對農林牧漁業上市公司的數據進行實證研究,發現我國農林牧漁業上市公司的經營績效呈現橄欖型的不均勻分布。

然而國內外針對公司營運能力的相關研究時間尚短,且已有的研究主要集中于分析營運能力與生產效率的關系,缺乏營運能力與公司績效之間關系的研究。Kritsonis（2004）提出,通過衡量營運能力的相關比率指標,能夠有效衡量企業資產管理的效率。若相關比率指標較低,則說明該企業營運能力較低,不能有效地利用企業資產,這會導致企業資金產生額外利息費用,加大資金需求,拉低資本的利潤率。紀建悅等（2011）認為營運能力與公司績效有關,他們通過對我國家電類上市公司數據的實證分析,發現公司的營運能力與公司績效之間存在很高的正向關聯性。杜劍等（2013）認為公司若想提高績效,應提高流動資產周轉率來維持主營業務收入的平穩增長,同時合理控制流動資產比例來提高公司流動資產的營運能力。

結合上述文獻,本文發現目前有關營運能力對公司績效影響的研究大多數集中于制造業,但對與民生息息相關的農林牧漁業的研究幾乎沒有。其次,多數文獻在研究公司績效影響因素上通常不考慮營運能力或只將其作為輔助因素。最后,大多數文獻都使用的是因子分析法,很少采用其他方法進行研究。因此,本文在行業的選擇上聚焦于農林牧漁業,并將營運能力作為影響農林牧漁業上市公司績效的主要因素。而在研究方法的選擇上,本文采用基于面板數據的研究方法、而非常用的因子分析法來進行研究,因為這種方法可使營運能力對公司的影響更為科學客觀的反映出來,便于分析研究。

三、農林牧漁業經營現狀描述性分析

截至2017年底,我國滬深兩市的農林牧漁業上市公司只有43家,而滬深A股上市公司共有3513家,僅占滬深兩市上市公司總數的1.3%,這體現了我國農林牧漁業產業規模較小的現狀。同時,我國農林牧漁業上市公司整體資產規模也較小。以近五年為例（2013年至2017年）,農林牧漁業上市公司資產規?？傮w呈逐年上升趨勢,但相對于其他行業的上市公司仍有較大差距。到2017年底,我國各農林牧漁業上市公司的總資產大部分均未超過50億元。此外,中國農林牧漁業上市公司的資本存量也小于其他行業,不利于形成產業規模經濟。截至2017年底,中國農林牧漁業上市公司總股本基本在10億元以下,在20億元以上的只有4家。

目前,產業多元化經營是大部分農林牧漁業公司的發展方向,部分企業逐漸采取向其他產業領域發展的經營策略,從而提升企業的經濟效益,這樣的經營策略造成的后果便是在農林牧漁業方面的投入變少。夏顯力等（2011）發現絕大多數農林牧漁業上市公司涉及了至少兩個行業,有些甚至多達9個行業。與此同時,農林牧漁業上市公司由原先的領域轉型到別的行業的現象也越來越多,譬如遠洋漁業轉型后進入計算機應用服務業,草原興發轉變為發展煤炭采選業等。從以上兩個方面可以看出,我國農林牧漁業上市公司目前的經營態勢以多方面跨行業發展和逐漸背離農業的方向發展。

根據各農林牧漁上市公司2017年年報披露,滬深兩市農林牧漁業上市公司的整體效益均難以達到市場平均水平,其中平均凈資產收益率竟為-4.42%；平均存貨周轉率和應收賬款周轉率分別為3.03和29.06,均不及市場均值的百分之一。此外,農林牧漁業上市公司的盈利水平也偏低,平均每股收益僅為0.06元,而所有上市公司的平均值為0.45元。從以上數據可以明顯看出,中國農林牧漁業上市公司的財務指標水平遠低于整個市場的平均水平。因此可得出結論：我國農林牧漁業上市公司的整體效益不佳,整體經營狀況非常不穩定,產業整體盈利能力和穩定發展能力等各方面均有待提高。

四、實證分析

基于上述理論,本文就營運能力對農林牧漁業上市公司績效影響這一問題進行實證研究,選取國內43家農林牧漁業上市公司近十年（2007年至2016年）數據,運用相關模型進行分析。本文選取的主要變量見表1：

表1 變量描述

（一）模型選擇

本文選用的數據為N＝43,T＝10的典型短面板數據,為了避免回歸影響實驗的精確性,對總資產報酬率（ROA）作單位根檢驗,發現各變量皆為平穩。然后,將可選的簡單最小二乘法（OLS）、隨機效應模型（Random Effect）和固定效應模型（Fixed Effect）這三個基本模型相互比較,來確定最終的研究模型。

首先,本文對隨機效應模型與OLS進行比較,通過STATA12構建隨機效應模型,接下來對隨機效應模型的回歸結果進行布倫斯-帕甘的拉格朗日乘子檢驗（Breusch-Pagan Largangian Multiplier Test）,發現隨機效應優于OLS。然后進行固定效應模型與簡單最小二乘法（OLS）之間的比較,F檢驗發現固定效應模型優于OLS。最后進行隨機效應模型與固定效應模型之間的比較,通過豪斯曼檢驗（Hausman Test）發現固定效應模型優于隨機效應模型。因此,本文最終選用的模型為固定效應模型。

由于面板數據時常會有內生性,本文選擇戴維森—麥金農檢驗來度量固定效應模型的內生性問題。首先對營業周期（PERIOD）、存貨周轉率（ITURNOVER）、應收賬款周轉率（RTURNOVER）、流動資產周轉率（CATURNOVER）、非流動資產周轉率（NCATURNOVER） 以及總資產周轉率（TATURNOVER）這六大核合解釋變量做內生性檢驗。然后選用這六個變量的一階滯后項作為工具變量,檢驗發現各變量均不存在內生性問題。

同方差性是固定效應模型的基本假設之一。隨機誤差項應當滿足同方差性,即隨機誤差μi在不同的觀察值中是相同常數。為了確?；貧w結果的可靠性,本文采用Wald異方差性檢驗,對觀察值的異方差進行測試,發現P值小于0.05,即本文使用的面板數據具有非常顯著的異方差性。因此在建立回歸模型時,為使回歸結果更加真實可靠,本文需要控制異方差。

綜上所述,由于固定效應模型優于OLS與隨機效應模型,同時本文所采用的樣本不存在內生性變量,且10年期短面板數據也無需考慮其序列相關性,故本文最終選用控制異方差的固定效應模型。

（二）固定效應模型

本文對總資產報酬率（ROA）的回歸模型如下：

上述回歸模型中 ,α為截距 ,βi（i ＝1,2,3,4,5,6,7,8,9,10,11）為回歸系數,ε為隨機誤差項。由于固定效應模型最優,且該組面板數據具有異方差性,因此本文對該組數據做以下四種類型的回歸,分別為：回歸一,控制異方差的簡單最小二乘法；回歸二,控制異方差的固定效應模型；回歸三,混合最小二乘法（Pooled OLS）；回歸四,基于概率漸進理論的固定效應模型。具體的回歸結果詳見表2。由于采用的面板數據具有異方差性,所以參照回歸二,即控制異方差的固定效應模型來得出回歸結果。

表2 總資產報酬率（ROA）的回歸結果

由表2可知,在解釋變量中,營業周期與總資產報酬率（ROA）之間無顯著相關關系。存貨周轉率與ROA成負相關關系,并在10%統計水平下顯著,說明對于我國農林牧漁業上市公司來說,農產品的特殊性導致存貨周轉率越高,反而使公司績效越低。應收賬款周轉率與ROA之間存在正相關關系但并不顯著。這說明單純只提高企業應收賬款周轉率、減少壞賬的措施對企業營運能力的提升作用不明顯。流動資產周轉率與ROA成正相關關系,且在1%統計水平下顯著。這一結果表明,農林牧漁業上市公司若能注重管理企業的流動資產,增加其使用效率則可以較為顯著地提升企業的績效水平,促進長期發展。非流動資產周轉率（NCATURNOVER）與ROA成正相關關系,且在1%統計水平下顯著,這表明占據農林牧漁業上市公司資產大頭的非流動資產周轉情況能較大地影響企業的經營效率,從而影響整體績效水平?？傎Y產周轉率（TATURNOVER）在回歸中并不十分顯著,但仍與ROA之間存在正相關關系,這是因為總資產由流動資產與非流動資產組成,而這兩部分均與ROA成正相關關系。

（三）門檻面板模型

除了選用控制異方差的固定效應模型進行實證研究外,本文還選用了門檻面板模型,將每股收益（EPS）,即稅后利潤與股本總數的比值作為解釋變量,探究每股收益提升至怎樣的水平時,對農林牧漁企業的績效可以產生正面影響。

門檻面板模型的前提是各變量平穩,所以需要對各變量做單位根檢驗。同時,還需要保證變量,尤其是關鍵的門檻變量是外生性的,因此還需要做內生性檢驗。本文通過檢驗發現每股收益是平穩的,且為外生性變量。

此外,在建立門檻面板模型前,還需確定每股收益是否存在門檻效應,并確定模型存在幾重門檻并分別求出門檻值,本文通過自抽樣檢驗法（Bootstrap）對門檻值進行檢驗,抽樣次數為300次,預設顯著性水平分別為1%、5%和10%,檢驗結果如表3所示：

表3 門檻效果自抽樣檢驗

圖1 單一門檻模型

圖2 雙門檻模型（第一門檻）

由表3可知,單一門檻與雙重門檻模型的自抽樣檢驗的P值均小于0.05,而三重門檻自抽樣檢驗的P值大于0.05,說明本文所選的樣本僅存在兩個門檻值。

在確認了每股收益存在門檻效應之后,本文對這兩個門檻值進行估計與檢驗。當顯著性水平為5%時,似然比（Likelihood Ratio,以下簡稱LR）統計量臨界值為7.40,據此繪制出以每股收益為門檻參數,LR值隨門檻參數變化的趨勢圖（圖1、圖2、圖3）。通過趨勢圖可以更為直觀地理解門檻值的估計和置信區,當LR為0時,γ值的取值即為門檻參數的估計值。各圖中的虛線表示LR的臨界值,而虛線以下的LR值對應的γ值區間即為兩個門檻變量在95%顯著水平下的置信區間。

本文通過計算得出,單一門檻模型的門檻值為0.910%,其95%置信區間為［0.502,1.000］。雙重門檻模型的第一個門檻值為-0.780%,其95%置信區間為［-0.795,1.285］,第二個門檻值為0.880%,其95%置信區間為［0.780,1.000］。

然后對總資產報酬率建立回歸模型：

在以上模型中,α為截距,βi（i＝1,2,3,4,5,6,7,8,9,10,11,12,13,14）為模型回歸系數,ε為隨機誤差項,γi（i＝1,2）為門檻值,I為指示函數,當條件成立時為1,不成立時為0。

回歸結果具體見表4。回歸一為門檻面板模型（Panel Threshold Model）,回歸二直接采用每股收益一次項的控制異方差的固定效應模型,回歸三為采用每股收益二次項（EPSSQR）的控制異方差的固定效應模型。本文參照回歸一,即門檻面板模型（Panel Threshold Model）得出結果。

圖3 雙門檻模型（第二門檻）

表4 凈投資收益率（ROE）的回歸結果及穩健性檢驗

由表4可知,雙重門檻面板模型對于上述變量的擬合優度為0.924,略微高于多元線性模型和二次函數模型,在每股收益的回歸結果顯著性上也更好。因此,每股收益和凈資產收益率之間的關系不能單純通過多元線性和二次函數模型來解釋,而更類似一種分段的線性函數關系。每股收益的兩個門檻值將每股收益與凈資產收益率的關系劃分為三個區間,不同階段之間的關系趨勢大致可以用圖4表示：

當農林牧漁業上市公司的每股收益在-0.780元以下時,每股收益與公司績效呈現較為顯著的正相關,系數為15.210,這意味著當公司將每股收益設置在低位時,每提高1元的每股收益,就會使公司績效提升15.210%。而當每股收益處于-0.780元到0.880元之間時,每股收益呈現更為顯著的正相關關系,系數為20.010。這說明在這個區間內每股收益能非常顯著地提升公司整體績效。而當每股收益高于0.880元時,每股收益與公司績效之間的正相關關系開始減弱,系數下降為11.72。這說明當每股收益處于較高水平時,其他方面的風險開始增大,每股收益的增加對提高公司整體績效的作用減弱,需考慮其他方面因素的影響。

圖4 每股收益對凈投資收益率的影響

五、總結

本文選取2007年至2016年我國農林牧漁業上市公司的面板數據,通過控制異方差的固定效應模型,以速動比率、資產負債率、歸屬母公司股東的權益（相對年初增長率）、營業總收入（同比增長率）以及總資產（同比增長率）為控制變量,分析了營業周期、存貨周轉率、應收賬款周轉率、流動資產周轉率、非流動資產周轉率以及總資產周轉率這六大代表營運能力的解釋變量與我國農林牧漁業上市公司績效的關系。從回歸結果中,本文得出以下結論：營運能力與農林牧漁業上市公司的績效存在正相關關系,即對于農林牧漁業上市公司來說,企業營運能力越強,公司績效越好。這和其他行業公司的營運能力與公司績效之間的正相關關系一致,但各個代表營運能力的財務指標與公司績效之間的關系存在較大差別。流動資產周轉率和非流動資產周轉率與農林牧漁業上市公司績效間存在著較顯著的正相關關系,但營運周期、應收賬款周轉率和總資產周轉率與其績效間的相關關系不是非常顯著。

因此,本文根據實證結果為農林牧漁業上市公司提出以下建議。第一,提高企業營運能力,合理配置資源,提升資產使用效率；第二,提升償債能力,調整負債結構,合理利用財務杠桿；第三,拓展盈利能力,加強技術創新,調整經營模式；第四,促進企業優化重組,發展企業間戰略聯盟,形成規模經濟。

此外,從政府層面來講,應為農林牧漁業上市公司營造良好的外部環境,促進企業的良性發展。例如,在制度層面為農林牧漁業上市公司提供良好條件：進一步建立并完善農林牧漁業市場產品價格體系,逐步建立起中國特色的以市場調節與國家引導相結合的農林牧漁業產品價格機制。同時,政府應繼續扶持農林牧漁業上市公司,但需采取更為有效靈活的方式而不是簡單粗暴的直接補貼,如對農林牧漁業上市公司進行有關人才引進與科研創新方面的補助。通過提升公司的軟實力來增強其核合競爭力,從而提高整體盈利能力,促進企業長久發展。