基于Richardson模型的中國工業企業投資效率研究

馮嘉悅 李佩明

(中國民用航空飛行學院，四川 廣漢 618300)

一、引言

改革開放40多年來，中國經歷了奇跡般的高速增長，社會發展和經濟建設取得的成就舉世矚目，特別是工業的快速發展為國家的長期發展戰略奠定了基礎。美國金融危機全面爆發之后，我國出口規模開始大幅下滑。為了穩定經濟，中國政府出臺了“萬億”投資計劃，掀起了新一輪的投資熱潮。2012年之后我國GDP增速回落，由高速增長轉向中高速增長，經濟發展進入新常態。新的經濟條件下，我國經濟發展面臨各種各樣的困難，結構性問題凸顯，國內存在產能過剩、投資過度、通貨膨脹等經濟問題。在產能過剩的大環境下，2015年，我國開始推行供給側改革，投資作為我國經濟增長的三大引擎中的主力，在連接供給端與需求端之間架起了橋梁。因此，推進供給側改革不能忽視投資的重要性以及有效性。國內學者就該問題從多角度進行了研究，使得投資效率的相關研究成為了研究熱點。

中國企業的非效率投資主要表現為國有企業投資過度以及民營、中小企業投資不足。一方面，學術界相關研究表明國有企業之所以效率低下是因為過度投資現象的發生。在經濟新常態下，劉東皇等(2018)認為，我國的產能過剩是由各地方國有企業的過度投資聚合而成，他們通過測算發現，過度投資現象在國有企業中較為嚴重，特別是在高耗能、高污染的重工業企業。另一方面，就民營、中小企業而言，我國中小企業企業由于受自身條件、企業外部環境以及國際金融政策等方面的融資約束，其投資不足現象更為嚴重。張英明等(2017)研究認為在中小企業中，投資不足的嚴重程度在一定程度上與企業的融資約束大小成正比。工業是我國經濟結構的支柱，因此從基礎層面研究我國工業的投資效率問題可以進一步解釋我國工業長期非效率投資的根源所在，有助于優化生產經營結構，為政府的宏觀調控政策提供有利的建議與對策。

二、模型、變量與數據

1.模型的建立

邊際托賓Q模型和Richardson模型是目前最常用的兩種模型。但這兩者的運用條件有區別。邊際托賓Q值適用于上市公司，托賓Q值的適用條件更為嚴苛，這些條件包括不考慮稅收、不考慮交易成本，且時間序列必須較長。鑒于我國資本市場稅收與交易成本同時存在的情況，邊際托賓Q模型并不適用。Richardson模型作為近年來被廣泛使用的重要模型之一，原因是：第一，它能夠衡量特定公司特定年度的投資效率；第二，在微觀層面，它不僅能度量特定企業的資本配置效率，也能有效運用截面數據的回歸降低其他方式出現的偏差。

Richardson(2006)指出，企業的總投資由維持企業正常經營與運轉的投資Imain和企業新增項目投資Inew組成。

(1)

本文測度企業非效率投資借鑒了Richardson模型的方法。以企業實際投資水平為因變量，以企業成長機會、負債水平、流動性、盈利能力為自變量，并控制了企業規模、企業年齡、行業、年份的影響。Richardson認為，該模型能很好地估算出企業的正常投資水平(預期投資)，模型的殘差εi,t即為本文需測算的非效率投資變量。具體的計量模型如下：

Inewi,t=β0+β1Growthi,t-1+β2Levi,t-1+β3Cashi,t-1+

β4Agei,t-1+β5Sizei,t-1+β6Reti,t-1+β7Inewi,t-1+∑Indu+∑Year+εi,t

(2)

2.數據與變量說明

本文數據來源于《中國工業企業數據庫》，選取GB/T13-37、39—42共29個二分位制造業行業作為分析對象。為了保證數據的連貫性，本文選取開工時間在2000年1月1日之前的工業企業作為研究對象，選取研究對象在1999年至2013年期間的相關數據。本文在樣本篩選時剔除了部分關鍵變量缺失或不符合會計準則，目的在于保證參數估計更準確。經過篩選，最終得到252674家企業共計1252709條有效數據，并對數據進行處理和統計分析。

表1 Richardson模型中的變量含義及計量指標

三、研究結果

Richardson模型中將被解釋變量的滯后一期作為解釋變量之一，使用簡單的OLS回歸會造成參數估計不一致。結合Arellano和Bond1991年的研究，本文使用差分GMM的估計模型。差分GMM假設隨機擾動項不存在序列相關，則該差分方程的干擾項應存在一階自相關而不存在二階自相關。因此，本文可以通過Hansen檢驗來判斷參數估計是否合理①。

表2 Richardson模型估計結果

如表所示，分析Richardson模型的回歸結果，回歸模型的二階序列相關檢驗結果：AR(1)的P值小于5%，同時AR(2)的P值大于10%。Hansen檢驗結果支持回歸方程只存在一階序列相關不存在二階序列相關的假設。因此，整個模型的設定是合理的，方程的估計結果是值得信賴的。

由此可知，Richardson殘差模型對于我國工業企業來說也是適用的，能夠很好地反映工業企業的投資效率情況。回歸結果顯示，企業流動性和盈利能力的參數估計值顯著為正，企業成長性和企業年齡顯著為負，這與Richardson(2006)以及學者辛清泉等(2007)的研究結論一致。資產負債率的參數估計顯著為正，企業規模和上一年投資水平則顯著為負，這與Richardson的結論不一致，俞紅海等(2010)對這種現象做了解釋，他們認為這是由于中國與其他國家所處的制度背景和發展階段不同，再加上我國的公司治理特征與國外存在明顯差異，因此企業的投資行為必然也會表現出特有的差異。綜上，學者在深入研究企業非效率投資行為的形成機理時，應結合我國基本國情如制度背景、資本市場環境等。

本文將Richardson模型的殘差分為大于0與小于0子樣本，大于0的殘差代表過度投資，小于0的殘差代表投資不足。其中，大于0的殘差有212379個，所占比為27.63%，小于0的殘差有556424個，所占比為72.37%，這些數據可以表明目前在我國工業企業中，相較于過度投資，投資不足的現象更為普遍。這與高民芳等(2012)測算結果一致，他們以制造業上市公司為研究對象測度企業的投資效率，結合本文殘差結果，非效率投資現象普遍存在，且過度投資企業規模遠小于投資不足。

通過所有制結構進一步分析。我國制造業企業中，民營企業比重最大，外資企業次之，國有企業占比最小。從非效率投資的平均水平來看，非效率投資在國有企業和外資企業中表現為過度投資，殘差值分別為1.0647、0.3364，而在民營企業中表現為投資不足，殘差為-0.1998。可以看出我國國有企業的投資效率明顯低于民營企業和外資企業。分所有制來看企業數量分布，民營企業中投資不足企業數量高于過度投資企業，外資企業中這兩者之間的差距相對縮小，國有企業中兩者的數量差距最小。這一定程度上說明了我國制造業企業中，外資企業普遍存在投資過度與投資不足，有近一半國有企業表現出明顯的過度投資現象，民營企業中則有近3/4的企業表現為投資不足。

通過輕工業和重工業進行分析。從均值來看，工業企業中輕工業企業存在較低的投資不足水平，殘差為-0.0465，而重工業企業殘差為0.0475，存在較輕的過度投資現象。分行業分析輕工業和重工業企業中非效率投資占比，可以明顯看出，輕工業企業中投資不足企業數量遠遠大于過度投資企業，重工業企業中兩者間差距相對縮小。以上數據印證了我國工業企業普遍存在非效率投資現象，過度投資在國有企業重工業中表現更明顯，投資不足問題在民營企業、輕工業企業中相對來說更為嚴重。

這與杜月(2015)的研究結論一致，她認為，國有企業最容易產生過度投資，而外資企業過度投資水平相對會低一些。國有企業同時受政府與銀行的政策支持與優惠，管理者的投資行為往往是非理性的，從而容易造成過度投資。外資企業也會受政策優惠的影響。這是因為，外資企業技術與經驗外溢對區域內企業產業結構升級與生產效率提高有正向作用，是地方政府招商引資的重點，因此外資企業也可能會存在過度投資。

這也印證了張英明等(2017)關于民營企業的研究結論。他們認為民營企業受融資約束和地方政策的限制，企業管理者為減少投資支出不得不進行取舍，放棄高利潤高風險的投資項目，造成投資不足現象的出現。此外，分行業屬性來看，一個龐大的重工業項目能給地方經濟帶來顯著的改善，地方有動機給重工業企業項目提供更多政策優惠。因此重工業企業是政府招商引資的重點，重工業企業因受政策支持會進行更高程度的投資行為，增加投資規模。因此，相比重工業，輕工業較少享受優惠政策以及補貼，企業管理者的投資規模可能會相應縮減，從而造成投資不足的現象。

注釋：

①實際操作中發現，系統GMM的系數估計值與差分GMM很接近，但后者的標準誤差比前者更小。差分GMM估計得更準確些。