首页 理论教育 投资影响因素的实证回归

投资影响因素的实证回归

时间:2022-11-08 理论教育 版权反馈
【摘要】:资产负债率的平均数为0.486319,中位数略高为0.504199,负债将近上市公司资产价值的一半,与其他非上市企业相比,上市公司的这一资产负债率相对较低。此外,行业之间的投资行为存在差异,电力、煤气及水的生产和供应业的虚拟变量与投资显著正相关,说明这个管制行业上市公司的实物投资水平相对较高。为了进一步减少行业因素的影响,本书单独采用制造业上市公司样本又进行了逐步回归,得到表4-4的回归结果。

三、投资影响因素的实证回归

首先对全行业样本进行描述性检验。表4-1显示,上市公司投资水平平均年增长9%左右,当然不同的企业之间增加差异很大:投资增长最快的达到了4倍多;而有些企业投资则出现了负增长(这种负增长主要源于在建工程的完成和长期投资的减少)。样本均值要明显高于中位数,总体上新增投资介于5%~9%。托宾Q的均值为1.280993,并不是很高,而且分布具有很大的差异,最高的达到了4.112661,而最低的仅为0.838676,低于1,说明这些上市公司的市场价值低于其重置成本,这应该归因于2001年以来资本市场的不景气。资产增长从均值来看超过了15%,但从中位数来看则略低,不到10%,个别企业的资产规模还出现了负增长。资产负债率的平均数为0.486319,中位数略高为0.504199,负债将近上市公司资产价值的一半,与其他非上市企业相比,上市公司的这一资产负债率相对较低。而债务期限指标只有0.14689,长期债务的占比还不到15%,说明上市公司对长期债务的使用是比较少的。所有上市公司总资产的自然对数标的均值和中位数非常接近,约为21.3,其标准差在解释变量中相对较大,说明样本公司的规模之间存在相对较大的差异。现金流的均值为0.05843,和中位数也比较接近,说明企业的现金流并不高,并且现金流的标准差也是最少的,说明这些上市公司的现金流之间的差距相对较小。同时,本书也发现,部分上市公司的现金流为负数,说明这些上市公司的现金流是比较紧张的。企业的销售增长率超过了50%,总体上说明企业的销售维持了较高的增长。样本上市公司最短的上市1年,最长的上市期限达到了16年,平均上市期限超过了7年。

表4-1 全行业样本描述性检验结果

img32

在对上市公司投资因素作多元回归分析之前,需要先对回归方程各变量之间的相关性进行分析,因为如果回归方程各变量之间的相关性较大的话,会对回归分析结果产生扭曲。因此,根据建模需要,首先对投资与公司基本面变量之间的相关性进行了检验,检验结果如表4-2所示。从表4-2的结果看,最高的相关系数发生在Q1与Q2之间,但由于这两个变量是分别代入回归方程的,因此这种高相关性并没有影响,同时也说明了用这两种方法衡量成长性时差异较小。除此之外,本书还发现,企业规模和Q2之间的相关系数是相对较高的,但也只有-0.39706,因此相关性检验结果可以初步排除控制变量之间可能存在的多重共线性问题。

img33

同时,在投资与各变量之间,投资与资产增长率、托宾Q、债务期限结构、现金流、企业规模、销售增长率都呈正相关关系,只不过与托宾Q和销售增长率的正相关关系在统计上并不显著,其他变量的正相关关系在统计上的显著性则都很高。资产负债率和企业年龄与投资都是显著的负相关。

考虑到托宾Q和资产增长率是对成长性衡量的两种不同的方法,本书分别将代入进行回归。表4-3显示的是全行业样本的回归结果。当采用托宾Q来衡量成长性时,两种略有差异的托宾Q(Q1和Q2)都与投资正相关,但是并不显著。与之相对应的是销售增长率,虽然也与投资正相关,但是同样没有通过显著性检验。因此,表4-3中的第三列显示的是删除所有不显著变量后的结果。同时,资产负债率和存在时间与投资显著负相关,债务期限结构、现金流、企业规模与投资显著正相关。当采用资产增长率来衡量成长性时,资产增长率与投资显著正相关,在删除掉不显著的变量之后,得到表4-3最后1列的回归结果,此时行业虚拟变量与之前的回归结果略有差异,而销售增长率则在10%的置信水平下与投资正相关。

表4-3 全行业样本回归结果

img34

续表

img35

续表

img36

注:***表示显著性水平为0.01,**表示显著性水平为0.05,*表示显著性水平为0.1。

从具体的方向上看,债务期限结构、资产规模、现金流和销售增长率都与投资显著的正相关,这与前面的预期完全相符。说明使用长期债务的企业会进行更多的投资,这种正相关关系反映的正是债务融资支持投资的结果,是内部现金流不足以支持投资需求的必然结果。大企业也往往具有较高的投资水平,而现金流与投资的正相关则更说明了投资对内部现金的依赖。同时,从企业年龄上看,上市时间越长的企业其投资越弱。而资产负债率与投资的负相关则恰好反映出了债务的约束功能,这与Hart和Moore(1995)的分析以及辛清泉和林斌(2006)的结论是一致的。此外,行业之间的投资行为存在差异,电力、煤气及水的生产和供应业的虚拟变量与投资显著正相关,说明这个管制行业上市公司的实物投资水平相对较高。信息技术和房地产业的虚拟变量与投资显著负相关,说明这两个行业上市公司的实物投资水平相对较低。

为了进一步减少行业因素的影响,本书单独采用制造业上市公司样本又进行了逐步回归,得到表4-4的回归结果。发现表4-4的回归结果与表4-5基本一致,托宾Q(Q1和Q2)都与投资正相关,但同样并不显著。不过销售增长率在一开始就与投资正相关并在5%的置信水平下通过了显著性检验。当采用资产增长率来衡量成长性时,资产增长率与投资显著正相关,销售增长率则在1%的置信水平下与投资正相关。其他变量也都在1%的置信水平下通过显著性检验。这也验证了回归结论的稳健性。

表4-4 制造业回归结果

img37

续表

img38

注:***表示显著性水平为0.01,**表示显著性水平为0.05,*表示显著性水平为0.1。

表4-5 制造业投资水平描述性统计

img39

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。

我要反馈