在进行回归分析之前，对样本进行了描述性统计，如表4．3所示。从表4．3可以看出库存周转率均值为5．09次，然而企业之间差距较大，周转最快的企业每年存货周转达到17．1次，而最慢的只有0．14次。从图4．1可以看出，整个服装制造行业平均库存周转率在1996—2004年上升，2004—2008年下降，总体呈上升趋势，最低为1996年的3．94次／年，最高为2003年的5．65次／年。
表4．3 描述性统计（公司数21，观察值240）
Table 4．3 Descrip tive Statistics
图4．1 服装类上市公司平均库存周转率变化趋势
Fig 4．1 Mean inventory turnovers of listed compcnies in Sector in China
本文采用非平衡面板数据进行回归分析，在回归之前需要对变量的相关性进行检验，检验结果见表4．4。从表中相关系数可以看出变量之间不存在强的相关性，为了减少由于截面数据造成的异方差影响，本文采用可行广义最小二乘法（GLS）对模型M1～M4进行估计。在估计之前进行F检验和Hausman检验以确定模型的设定。
表4．4 Pearson相关性检验
Tab le 4．4 Tests on Pearson Correlationship Am ong Variables
从表4．5中模型M4．1的回归结果可知库存周转率与毛利率在1%水平上负相关，国内服装制造企业库存周转率与毛利率负相关的假设成立。由此可得在其他因素保持不变的情况下，国内服装制造企业毛利率提高1%时库存周转率将降低0．646%。该结果也说明了零售业中存在的“毛利与周转”二律背反现象在服装制造业中同样成立。库存周转率与固定资产比重在1%水平上正相关，国内服装制造企业库存周转率与固定资产比重正相关的假设成立。表明包括房屋与建筑物、机器设备、电子设备与家具、运输设备和其他设备等的固定资产比重越高，服装制造企业用于提高运营能力的硬件基础越强，库存周转率越高。而且固定资产比重每增加1%，库存周转率则提高0．75%。
表4．5 模型M1～M4的面板分析结果
Table 4．5 Eslimation Results for M odel M 1—M 4
续表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
