我國物流行業上市公司資本結構與企業績效關系研究

沈 晨，潘家坪 （南京林業大學 經濟管理學院，江蘇 南京210037）

0 引言

物流業是支撐我國國民經濟健康發展的重要基礎性產業，保障物流行業穩定高效發展對提升國民經濟具有重要意義，所以提高物流業公司經營管理水平、提升公司綜合績效顯得尤為重要。在現代企業經營管理理論中，資本結構是否合理是影響企業發展的核心要素之一[1]。因此，本文將以我國35家物流業上市公司為研究樣本，探究物流業公司資本結構與企業績效之間的關系，希望能對合理調整物流企業資本結構提出相關建議，以推動物流行業高效發展。

1 文獻綜述

Modigliani和Miller教授于1958年提出了最早的資本結構理論，即MM理論[2]。該理論認為企業的資本結構與企業價值之間不相關，雖然該結論并不十分準確，但該理論的提出引起了廣大學者對資本結構的關注與研究。

學術界對資本結構與企業績效關系的研究一直沒有得出一個統一的結論，二者之間的關系往往因樣本行業或樣本容量的不同而產生差異。目前主要有以下幾類文獻，第一類文獻認為資本結構與企業績效正相關，例如沈澈[3]對37家中小企業板上市的公司進行實證研究，得出資產負債率與企業績效呈正相關關系的結論。第二類文獻認為資本結構與企業績效呈負相關，例如肖作平[4]認為資本結構與公司績效存在互動關系，且財務杠桿與公司績效負相關。第三類文獻認為資本結構與企業績效之間關系非線性，例如賈利軍等[5]對電力公司進行實證研究，發現資本結構和凈資產收益率呈現倒“U”型關系。

2 研究設計

2.1 研究方法

本文采用綜合變量法衡量企業績效，分別從盈利能力、成長能力、償債能力和營運能力4個方面共選取7項指標構建評價指標體系，運用SPSS.23軟件進行因子分析，計算出物流業各公司企業績效。然后將企業績效與債權結構、股權結構進行回歸分析，得出物流業上市公司資本結構與企業績效之間的關系。

2.2 樣本選取與數據來源

本文根據申萬行業分類（新），選取交通運輸板塊下物流業上市公司作為研究樣本。同時為保證數據的準確性，樣本中剔除了ST、*ST及指標數據不全的公司，最終選取35家物流業上市公司作為研究樣本，并通過東方財富網搜集各公司2017～2019年的相關數進行實證研究。

2.3 變量設置

2.3.1 因變量

閱讀相關文獻可知，在研究資本結構與企業績效之間的關系時，企業績效一般可用凈資產收益率等單變量方法表示，或用借助多種指標衡量企業績效的綜合變量方法表示。相較于單變量評價法，綜合變量法更加全面科學，所以本文采用綜合變量法，從盈利、成長、償債及營運能力4個方面共選取7項指標，通過SPSS.23軟件對35家上市公司2017～2019年數據進行因子分析，計算出樣本公司這3年的企業綜合績效，將其作為本文的因變量[6]。

2.3.2 自變量

本文的自變量為資本結構，資本結構可綜合考慮債權結構和股權結構兩個維度。本文在債權結構方面選取了資產負債率和流動負債比率這兩個指標，其中資產負債率反映的是公司總資產中有多少是由借債融資的，而負債又分為流動負債和非流動負債，流動負債比率反映的是流動負債占資產總額的比例。股權結構方面則選取前十大股東持股比率和Z指標來表示，這兩個指標反映股權的集中程度。

2.3.3 控制變量

除了資本結構會對企業績效產生影響之外，其他因素也會影響企業績效，因此，本文參考已有研究，添加了公司成長性和公司規模指標作為控制變量。

具體變量解釋及符號表示如表1所示：

表1 變量定義

2.4 研究假設與模型構建

假設一：資產負債率與企業績效呈負相關。資產負債率越高意味著公司資產中靠債權融資獲得的資金比例越高。債權融資需要定期償付本息，會造成一定的財務風險，因此會對企業績效產生影響。

假設二：流動負債比率與企業績效呈負相關。流動負債是指償還期限在一年以內的負債，流動負債占資產總額的比例越高，說明企業短期內財務費用較高、償還債務的壓力較大，不利于企業提高綜合績效。

假設三：股權集中度與企業績效呈正相關。股權越集中，股東對于工作的積極性則越高，越有利于提升企業績效。

模型一：F=α1+β11LEV+β12CL+β13GROW+β14SIZE+ε1

模型二：F=α2+β21CR10+β22Z+β23GROW+β24SIZE+ε2

其中：F為企業績效，α代表截距項，β代表各變量系數，ε代表誤差項。

3 實證結果與分析

3.1 因子分析

表2 KMO和巴特利特檢驗

構建企業績效綜合評價體系，利用SPSS.23軟件進行因子分析。對相關數據進行標準化處理的基礎上，首先應進行適用性檢驗。檢驗結果如表2所示：KMO值為0.560，一般認為KMO值大于0.5即適合進行因子分析，同時巴特利特球形檢驗的顯著性概率值為0，說明各項數據之間存在較強的關聯性，可以進行因子分析[7]。

通過主成分分析法得到因子負荷矩陣，選取特征值大于1的因子來解釋多個變量。具體結果如表3所示，提取特征值大于1的3個公因子（F1、F2、F3），其對總方差的貢獻率達到了89.349%，說明這3個因子包含了原有7項指標的大部分信息，能夠很好地代表原始指標。

表3 總方差解釋

根據成分得分系數矩陣，得到3個公因子的得分公式，再以各因子方差貢獻率為權重，得出企業績效綜合得分公式：F=0.41728F1+0.31159F2+0.16462F3。帶入各因子得分，計算出物流業各公司綜合績效。

3.2 描述性統計分析

描述性統計結果如表4所示。物流業上市公司企業績效由因子分析法計算得出，得分大于0則代表企業績效高于行業平均水平，反之則低于行業平均水平。在選取的35家樣本公司中企業績效的范圍為-1.312～2.039，說明行業間各公司績效水平差距較大[8]。物流業各公司資產負債率最小值為13.102%，最大值為88.217%，均值為39.660%，說明行業中個別公司很少進行債務融資，但也有公司債務融資規模較大，物流業整體資產負債率不高。前十大股東持股比率和Z指標均代表公司股權集中度，根據描述性統計結果，可知物流行業各公司股權集中度較高。

表4 描述性統計

3.3 相關性分析

對各變量進行皮爾遜相關性檢驗，結果如表5所示。企業績效與資產負債率之間顯著性概率值為0，且皮爾遜相關性為-0.565，說明企業績效與資產負債率之間在0.01級別上顯著負相關，即物流業各公司資產負債率越低則越有利于提升企業績效。同樣，企業績效與流動負債比率之間，在0.01級別上呈顯著負相關，說明企業流動負債占資產總額的比率越高，對企業績效的提升越不利。企業績效與前十大股東持股比率之間的顯著性概率值為0，且皮爾遜相關性為0.405，說明這二者之間顯著正相關，這意味著前十大股東持股比率越高，即股權越集中則越有利于企業績效提升。而企業績效與Z指標之間顯著性概率值為0.617，可見這兩者之間不太相關。皮爾遜相關性檢驗只是檢驗兩個變量之間是否相關，是一種簡單相關，因此本文接下來將考慮多個變量，進行多元線性回歸分析[9]。

3.4 多元線性回歸分析

3.4.1 債權結構對企業績效的影響

表5 相關性

表6和表7是債權結構與企業績效回歸的結果。調整后的R方為0.416，說明企業績效中41.6%由債權結構影響，擬合程度較高。德賓—沃森值為2.065，接近2，且資產負債率與流動負債比率的VIF值分別為9.873和7.502，小于10，說明各變量之間不存在共線性。資產負債率的顯著性概率值為0，且資產負債率與企業績效之間的回歸系數為-3.946，說明二者之間呈顯著的負相關關系，結果與假設一一致。流動負債比率的顯著性概率值為0.003，且流動負債比率與企業績效之間的回歸系數為1.909，說明這二者之間呈顯著的正相關關系，這意味著企業流動負債比例的提高在一定程度上將有利于企業績效的提升，該結果與假設二不一致。其原因可能是，物流行業流動負債比率的平均值為39.7%，說明行業整體流動負債比率較高。流動負債較多意味著企業營運資金充足，可保證企業正常運轉。同時企業也可利用流動負債滾動融資，提高企業償債信譽，降低企業融資成本，從而提高企業綜合績效[10]。

表6 模型摘要b

表7 系數a

3.4.2 股權結構對企業績效的影響

股權結構與企業績效回歸的結果如表8和表9所示。調整后的R方為0.233，說明企業績效中有23.3%由股權結構指標影響。德賓—沃森值為2.271，接近2，且前十大股東持股比率與Z指標的VIF值均遠小于10，說明各變量之間不存在共線性。前十大股東持股比率的顯著性概率值為0，且前十大股東持股比率與企業績效之間的回歸系數為1.677，說明二者之間呈顯著的正相關關系，而Z指標則與企業績效不太相關。

表8 模型摘要b

表9 系數a

4 結論與建議

本文以我國35家物流業上市公司為研究對象，利用其2017～2019年數據分析物流行業各公司資本結構與企業績效之間的關系。結果表明：物流業各公司企業績效與資產負債率之間呈顯著的負相關關系，而與流動負債比率之間則呈顯著正相關關系，這就要求物流業各公司應適當降低債權融資的比例，合理控制負債結構，提高資金營運能力，以提升企業績效。股權結構方面與企業績效之間總體呈現正相關的特征，所以物流行業各公司可在不損害中小股東利益的前提下，適當提高大股東持股比例，增強股東工作積極性，以促進企業績效的提升[11]。