投资—现金流模型

FHP（Fazzari，Hubbard，Petersen，1988）认为Tobin’s Q和现金流量都影响投资，通过推导得出模型用来计算投资预测（或理想投资规模），此模型也可以用于计算投资——现金敏感系数，获得融资约束的程度的替代变量。

                 （4.3）

式（4.3）中，Iit代表企业的投资，用企业i第t期的厂房、设备投资表示，X/K代表企业的投资机会，CF/K为企业内部现金流变量。在实证检验中，各变量包括当期数据，也包括滞后期数据。

FHP（1988）认为，股利支付率高低可以代表一个企业面临的信息不对称程度，信息不对称的存在使得企业外部融资的成本要高于内部资金的成本（Myers和Majluf，1984），信息不对称严重的企业会通过减少股利的发放以降低对高成本外部资金的需求，从而使得投资对内部资金的依赖性更高，因而表现出更大的投资——现金流敏感系数。

Walker（2006）通过推导，运用了EBITDA（息税折旧摊销前利润）代替现金流量，得出不同以往的模型，同时对新增投资额和变量设计进行了详细的分析。

  （4.4）

式（4.4）中ΔPPE代表房地产,、工厂和设备（即固定资产）的增长变化率，K是公司资产，是公司第t期的折旧； Asset Growth可以用（本期资产的账面价值——上期资产的账面价值）/（上期资产的账面价值）来求得；EBITDA/K=（本期息税折旧摊销前利润）/上期总资产；Q有两种选值方式：1.处于行业中位数的至少五家的平均M/B；2.企业的M/B。其中，M/B=（所有者权益的市场价值+负债的账面价值）/上期总资产的账面价值；Other EBITDA/K=同行业的其他所有公司总EBITDA除以同行业的其他所有公司的总资产K；OtherQ=（同行业的其他所有公司总所有者权益+同行业的其他所有公司总负债账面价值）/同行业的其他所有公司总资产；Size=上年总资产账面价值的自然对数；d、e分别为样本的行业与年度特征控制变量。

Vogt（1994年）用投资——现金系数来进行分析企业的投资效率。连玉君、程建（2007）采用Fazzari等（1988）模型，通过构建标准Q，来研究发现我国上市公司的投资效率。此后，刘昌国（2006），刘红忠、张昉（2004），王彦超（2009），张功富（2009）等不同的学者又按企业规模、产品市场竞争程度、企业的终极控制人等标准，分别使用不同国家的数据进行研究，基本支持了FHP的研究结论。但是以投资——现金流敏感系数来判定企业的融资约束，进行分析其对投资效率的影响，没有考虑企业的性质、规模等的影响。此外，模型使用了托宾Q来衡量企业的投资机会，没有考虑平均Q替代边际Q使用的条件，实证检验中的数据分组具有较强的主观性等。因此，用投资——现金流敏感系数指标并不一定能很好地来分析企业的投资效率或投资不足。