投资效率问题可能是企业的投资者之间的信息不对称所致，也可能是代理问题所致，FHP（1988）模型仅仅分析了现金流对企业投资的影响。连玉君、程建（2007）研究认为融资约束程度轻的公司倾向于过度投资，代理问题是导致现金流敏感性的主要原因；而融资约束较为严重的公司则表现为投资不足，信息不对称是导致现金流敏感性的主要原因。为了分析代理问题和信息不对称对投资的影响，Vogt（1994）建立了一个包含现金流（CF）与投资机会（托宾Q）及其交乘项在内的计量模型：
（4.5）
式（4.5）中：CF为企业的现金流， 为预期的现金流， 为销售收入，Q为托宾Q值。
Vogt（1994）利用1973～1990年间的359家公司进行实证检验，发现企业的资本性支出的投资——现金流敏感性为代理问题所致，研发支出的检验结果更符合融资优序理论支持，印证了信息不对称对融资的影响。Vogt认为：（1）在代理问题严重的公司中，经理会充分利用新增的现金流进行过度投资，投资对现金流的敏感性更强，因而代理问题导致的投资——现金流敏感性与投资机会负相关，投资——现金流敏感系数与托宾Q负相关，交乘项系数 为负；（2）在信息不对称严重的公司中，企业投资对内部现金流的波动越敏感，信息不对称导致的投资——现金流敏感性与投资机会正相关，则投资——现金流敏感系数与托宾Q正相关，交乘项系数 为正。
连玉君（2007）认为以Vogt（1994）模型为基础进行动因检验并不适用于研究中国上市公司，原因有二：（1）Vogt（1994）模型假设低成长公司拥有较多的自由现金流量，但缺乏良好的投资机会，而高成长公司的财务状态则恰好相反。但中国上市公司往往表现出低成长伴随低盈利能力的现象（连玉君和程建，2006），和Vogt（1994）模型假设并不一致；（2）vogt（1994）假设引入交乘项后的模型依然是线性的。Myers和Majluf（1984）指出投资不足问题会随着投资机会的增加而越发严重，这意味着现金流和托宾Q交乘项的系数与托宾Q的变化相关，意味着模型呈现出非线性关系，此时交乘项系数的含义已经不是线性模型设定下的边际效果了。
连玉君（2007）从信息不对称和代理成本理论的基本假设入手构造了一个新的动因检验模型：
（4.6）
式（4.6）中， 是为了避免托宾Q衡量偏差而采用向量自回归模型直接构造的边际Q的代理变量——基准Q； 是反映公司经营效率的虚拟变量，经营效率指数大于中位数则取值1，否则为0； 是公司的总资产负债率，反映公司的外部融资情况。
连玉君通过构基准Q来反映企业的投资机会，为更准确衡量现金流对投资效率的影响提供了支持。但是，有两个问题值得商榷：（1）中国上市公司“低成长伴随低盈利能力”现象难以得出中国上市公司“低成长伴随低自由现金流量”的结论。自由现金流量是在经营现金净流量的基础上扣除满足投资机会的投资支出所需现金流后的余额。尽管低成长公司盈利能力较低，但因其投资机会较少，因此其自由现金流量并不一定少。Brush等（2000）以美国公司的数据研究表明，投资机会与经营现金净流量显著正相关，与自由现金流量显著负相关。（2）为克服Tobin’s Q存在的缺陷，连玉君从边际Q出发，不依赖公司的股票价格信息构建基准Q。边际Q等于新增一单位资本带来的所有未来边际利润的折现值。
（4.7）
式（4.7）中， 为边际Q， 为折现因子， 为边际利润，由一组反映公司盈利能力的变量的线性组合产生，通过向量自回归模型，推导出基准Q公式：
（4.8）
式（4.8）中，折现因子 由公式 近似估算，折旧率 =15%，贷款利率 =6%，得出 。在这一估计过程中有两个问题：一是折旧率不同企业、不同设备差异很大，用15%来估算，贷款利率受国家政策影响很大，用6%来估算，估算出来的 的准确性问题有待进一步分析，基准Q是否可以替代边际Q？二是基准Q替代边际Q的条件问题是否满足。
企业外部融资成本的高低则反映了融资约束程度的大小，融资约束强的公司就不应支付较高比例的现金股利，投资—现金流系数也就应该非常敏感；对于股息支付率较高的企业，企业的融资约束的程度就较轻，筹集投资所需资金面临的困难通常要小得多，融资约束问题也就显得不太重要，投资—现金流系数的敏感性较低。因此，可以用股息支付率的高低来识别企业融资约束程度的大小。他们实证分析中以现金流作为内源融资的代理变量，比较股息支付率不同的企业间投资—现金流敏感性差异，并用投资—现金流系数及其交乘项来判别企业融资约束的程度。
此外，国内黄福广、周杰、刘建（2005），姜秀珍、全林、陈俊芳（2003）采用这一模型来进行研究中国上市公司的投资行为和投资效率。
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。
