6.3.1 研究思路
本章首先借鉴Richardson(2006)的模型,估算出公司正常的投资水平,然后,用公司实际的投资水平与估算的公司正常投资水平之差(回归残差)代表公司的投资过度(残差大于0)和投资不足(残差小于0),并用经营活动产生的净现金流与估算的公司正常的投资水平之差代表公司的自由现金流量。随后,将估算得到的投资不足作为被解释变量,对自由现金流量、金字塔结构及相关的控制变量进行回归,研究融资约束对公司投资不足的影响;将估算得到的投资过度作为被解释变量,对自由现金流量、金字塔结构及相关的控制变量进行回归,研究控制权私有收益对投资过度的影响。
6.3.2 样本选择与数据来源
本章使用中国沪深股市2007~2009年3年的所有A股民营(终极控制人为个人或者家族)上市公司为初始样本,依次剔除如下公司:(1)金融行业上市公司。我们之所以排除金融行业,是因为金融行业的公司负债不同于非金融行业的公司;(2)终极控制人控制权比率小于10%的上市公司。由于股权分散和股权集中会对公司的决策行为产生重要影响,La porta(1999)及后续的研究一般将10%作为公司是否有终极控制人的标准;(3)数据缺失的公司样本(如因ST等原因年末没有收盘价的上市公司);(4)数据异常(如资产负债率大于1,管理费用小于0等)公司样本。经过数据匹配后,总共获得2007~2009年331家上市公司993条记录。本章的财务、市场和治理结构等数据均来源于CSMAR金融研究数据库。
6.3.3 投资不足和投资过度的度量
根据Richardson(2006)的研究,本章采用的公司预期投资支出模型为:Investi,t
β0+β1Levi,t-1+β2Sizei,t-1+β3Cashi,t-1+β4Growthi,t-1
+β5Re turni,t-1+β6Agei,t-1+β7Investi,t-1
+∑Industry+∑Year+μi,t(6.1)
其中,因变量Invest表示实际新增投资支出;Lev为资产负债率;Size为总资产的自然对数;Cash为年末货币资金与总资产的比率;Growth的代理变量分别为Tobin_Q与销售收入增长率;Return为股票年度回报率;Age为公司上市年龄;此外,模型中加入行业哑变量Industry和年度哑变量Year以充分考虑行业效应和年度效应。按证监会的行业分类标准(除制造业继续划分为小类外,其他行业以大类为准),共有22个行业,剔除金融业和民营公司缺失行业外,模型中共包含18个行业哑变量。年度哑变量用来控制宏观经济的影响,本书涉及3年的上市公司数据,因此共有2个年度哑变量。
6.3.4 投资现金流敏感性分析
本章借鉴FHP(1988)的投资现金流敏感性方法,构建如下模型研究融资约束与投资不足、控制权私有收益与公司投资过度之间的关系,以检验本书提出的假设。Underinvesti,t(orOverinvesti,t)
β0+β1FCFi,t+β2Pyramidal+∑controli,t+∑Industry+∑Year+vi,t(6.2)
其中,Underinvest表示投资不足,是预期投资支出模型中负残差的绝对值。Overinvest表示投资过度,是预期投资支出模型中的正残差。FCF表示自由现金流量,按照Jensen(1986)的定义,自由现金流为企业在投资了所有正净现值项目后剩余的现金流,本章利用经营活动现金净流量减去预期投资后的净额与总资产的比值替代自由现金流。Pyramidal是金字塔结构哑变量,若公司被金字塔结构控制,则Pyramidal取值为1,否则取值为0.参照Richardson(2006)、程仲鸣、夏新平和余明贵(2008)及钟海燕、冉茂盛和文守逊(2010)的研究,我们使用管理费用率(Mfee)和终极控制人占款(Occuppy)作为控制变量。同时,我们在模型中也加入了行业虚拟变量和年度虚拟变量。
当因变量设定为Underinvest时,假设H1预期β1符号为负,即自由现金流越低,投资不足越严重;假设H2预期β2符号为负,即金字塔结构控制可以放松公司的融资约束,减少公司的投资不足。当因变量设定为Overinvest时,假设H3预期β1符号为正,即自由现金流越多,投资过度越严重;假设H4预期β2符号为正,即金字塔结构控制下由于所有权与控制权分离导致的代理成本,公司的投资过度更为严重。