论文摘要:资本结构与产品市场竞争的关系目前颇受经济学界的关注,但是现有的研究大多忽略了两者之间的双向互动关系。鉴于以上不足,本文以我国A股上市公司为研究背景,应用联立方程模型对资本结构与产品市场竞争的双向互动关系进行了检验。检验结果表明:企业的负债比例与产品市场竞争强度之间存在显著的双向负相关关系。
论文关键词:资本结构,产品市场竞争,负债比例
一、引言
自20世纪80年代中后期以来,资本结构与产品市场竞争的关系颇受财务学界和产业经济学界的关注,并取得了许多创造性的研究成果。理论研究的成果大致可以分为两类:一类是以Brander&Lewis(1986)为代表,在完全债务契约下,运用古诺模型或伯川德模型,对资本结构与产品竞争战略的关系进行了研究,认为资本结构具有战略承诺效应;另一类是以Poitevin(1989)为代表,在不完全债务契约下,运用掠夺性定价理论,对资本结构与掠夺性竞争行为之间的关系进行了研究,认为由于高负债容易导致企业陷入财务困境,企业利用负债难以产生战略承诺效应,反而容易引起竞争对手的掠夺性竞争,使其市场地位被削弱。实证研究的结果却比较一致,基本上支持负债弱化了企业产品市场竞争能力的观点。Kovenock&Phillips(1997)和Campello(2003)等人的研究表明,当经济出现衰退时,高负债企业通常会失去大量的市场份额;Zingales(1998)的研究表明,当行业竞争突然加剧时,高负债企业更容易陷入财务危机,即使是富有效率的高负债企业有时也很难逃脱破产倒闭的命运。
目前,国内学者也在开始关注这一领域,并出现了一些实证研究成果。朱武祥等(2002)认为,企业当前的负债程度与产品市场的未来竞争状况之间存在一定的联系,企业预期未来竞争比较激烈,当前就会选择较低的负债水平,从而产生财务保守行为。刘志彪等(2003)认为,企业的负债程度与其在产品市场上的竞争强度显著正相关。姜付秀等(2005)认为,当经济对本行业的需求产生不利冲击时,激进的资本结构将对企业的市场份额产生不利影响。姜付秀等(2008)认为,产品市场竞争对企业的资本结构偏离目标资本结构水平产生了显著影响,公司所在的产品市场竞争越激烈,公司资本结构偏离目标资本结构的幅度越小。从总体上看,国内学者对这一领域的研究还停留在对国外的相关理论进行实证检验的阶段上,并且这些检验基本上都是假设资本结构与产品市场竞争的影响关系单向的。即便是有些学者认识到这两者之间可能存在双向互动关系,但考虑到有些数据难以获得或分析过程过于复杂,这种双向关系也被忽略了。鉴于上述不足,本文以我国A股上市公司为背景,运用联立方程模型对资本结构与产品市场竞争的互动关系进行了实证检验。
二、研究假设
负债比例过高通常会削弱企业的产品市场竞争能力,引起竞争对手的掠夺性竞争。高负债企业为了偿还即将到期债务,它们往往采取会减少投资、提高产品价格、削减广告费等方式来增加当前的现金流量;而那些负债程度较低、现金充裕的竞争对手通常还会趁机挑起价格战或营销战,以掠夺更多的市场份额,甚至将高负债企业逐出市场。国外的实证研究也基本上支持负债弱化了企业产品市场竞争能力的观点。基于上述分析,本文提出如下假设:
假设1:企业的负债比例与其产品市场竞争强度负相关。
尽管负债比例过高可能会降低企业的产品市场竞争能力,但是企业并非只是被动地接受其现有的负债水平。为了提高自身的产品市场竞争能力,它们可以事先对自身的负债比例进行调整。如果某家企业准备采取“强硬”的市场竞争战略,以获取更多的市场份额,它就会主动地降低其负债比例,更多地选择权益融资。因此,本文进一步做出如下假设:
假设2:企业的产品市场竞争强度对其负债比例的选择有反作用。
三、样本的选择
本文我国A股上市公司为研究对象。为了考察资本结构与产品市场竞争的长期动态变化情况,减少因企业进入和退出所导致的偏误,本文将样本限制在2002年12月31日之前上市、2009年12月31日仍然在市的上市公司,并将金融保险业(I),缺乏竞争性的电力、煤气和水的生产和供应业(D),上市家数偏少的木材、家具业(C2),以及难以衡量其竞争情况的综合类行业(M)的上市公司剔除;此外,本文还剔除了资料不全或权益为负数的公司以及在此期间内变更了主营业务的公司。经过上述筛选,最后还剩下796家上市公司,6368个年度观察值。文中所用的原始数据均来自CCER一般上市公司财务数据库,数据处理软件为Eviews6.0。
四、变量的选取与界定
1.反映产品市场竞争强度的变量
企业的产品市场竞争越“强硬”,该企业所获得的市场份额就越多。本文选用市场份额增长率指标来反映上市公司的产品市场竞争强度。该指标若为正值,说明市场份额相对于前期有所增加;若为负值,说明市场份额在减少。其计算过程如下:
市场份额增长率(MSGR)=(本期市场份额-上期市场份额)∕上期市场份额
其中,企业各期的市场份额为该年度其主营业务收入占本行业所有样本企业主营业务收入合计数的百分比。
2.反映企业资本结构的变量
负债比例(DAR)=负债合计∕资产总额
3.相关的外生控制变量
(1)固定资产投入:固定资产投资水平越高,企业越有可能增加其产量和销量,其产品市场竞争行为就越“强硬”。
由此可以推出,固定资产投入与产品市场竞争强度正相关。该指标的计算方法为:
固定资产投入(INVE)=(本期固定资产合计-上期固定资产合计)∕上期资产总额
(2)生产能力利用率:生产能力利用率越高,产品的产量和销量就越大,企业在产品市场上的竞争行为就越“强硬”,由此可以推出,生产能力利用率与产品市场竞争强度正相关。本文采用固定资产周转率近似地反映生产能力利用率,即
生产能力利用率(PCUL)=销售收入∕平均固定资产
(3)盈利能力:企业的盈利能力越强,其产品的降价空间就越大,该企业越有潜力通过降价和增加营销投入来提高产品市场竞争强度,增加市场份额;此外,根据优序理论,企业的盈利能力越强,可保留的盈余越多,所需的外源融资就越少,其负债比例就越低。由此可以推出,盈利能力与产品市场竞争强度正相关,与负债比例负相关。该指标的计算过程为:
盈利能力(PROF)=(利润总额+财务费用)∕平均资产总额
(4)产品专用性:产品的专用性越强,企业面对的客户就越少,企业越难以扩大其市场份额,所以产品专用性与产品市场竞争强度负相关。本文采用营业费用与主营业务收入之比近似地反映产品专用性,即
产品专用性(UNIQ)=营业费用∕主营业务收入
(5)企业规模:企业的规模越大,负债的风险就越低,所以规模越大的企业其负债比例越高。本文对该指标进行如下定义:
企业规模(SIZE)=LN(资产总额)
(6)资产有形性:企业的有形资产所占的比例越大,其抵押价值就越高,负债融资的成本就越低,该企业越适合选择较多的负债。其计算方法为:
资产有形性(TANG)=(存货+固定资产)∕资产总额
(7)非债务税盾:由于固定资产折旧、无形资产摊销同样具有抵税的作用,因而被称为“非债务税盾”。“非债务税盾”较多的企业不必提高负债比例,却同样可以获得较多的税盾收益。由此可以推出,“非债务税盾”与负债比例负相关。该指标可用累计折旧与资产总额之比近似地反映,即
非债务税盾(NDTS)=累计折旧∕资产总额
(8)赫芬因德指数:该指标是一项反映行业集中程度的指标。行业集中度越高,企业间的反映程度越强烈,企业越不宜选择较高的负债比例。该指标的计算方法为:
赫芬因德指数(HHI)=∑(X∕X),其中X=∑X,X为企业i的主营业务收入。
五、实证检验
1.实证模型的建立
研究资本结构与产品市场竞争关系的现有实证检验结果几乎都是采用单方程模型估计出来的。这些模型通常只考虑了其相互关系的一个侧面,忽略了变量之间可能存在内生性的问题,从而使回归结果不能合理地估计两者之间的因果关系和影响程度。为了避免上述问题,提高估计的精度,本文运用如下联立方程模型来检验资本结构与产品市场竞争强度之间的相互关系:
上述各式中,下标表示第i家样本企业在t期的观测值。(1)式表示样本企业的资本结构对产品市场竞争强度的影响。其中,表示样本企业的市场份额增长率(产品市场竞争强度的代理变量),表示固定效应模型下第i家企业的截距项;表示样本企业的负债比例(资本结构的代理变量),表示与负债比例相对应的参数;=(INVE,PCUL,PROF,UNIQ),它是一组与产品市场竞争强度相关的外生控制变量,是与这些外生控制变量相对应的一组参数。(2)式表示样本企业的产品市场竞争强度对资本结构的反作用。其中,表示固定效应模型下第i家企业的截距项;表示与市场份额增长率相对应的参数;=(SIZE,TANG,PROF,NDTS,HHI),它是一组与负债比例相关的外生控制变量,是与这些外生控制变量相对应的一组参数。
2.变量的描述性统计
表1变量的描述性统计表
| 均值 | 中位数 | 标准差 | 最小值 | 最大值 | 观测值 |
MSGR | 0.00028 | -0.00062 | 0.35202 | -0.90656 | 3.19578 | 5572 |
DAR | 0.46347 | 0.47256 | 0.17324 | 0.00814 | 0.99036 | 6368 |
INVE | 0.05736 | 0.02256 | 0.14449 | -0.59526 | 2.98152 | 5572 |
PCUL | 4.13877 | 1.62653 | 21.1450 | 0.01975 | 1085.667 | 5572 |
PROF | 0.05189 | 0.04917 | 0.06184 | -0.63446 | 0.36235 | 5572 |
UNIQ | 0.05879 | 0.03721 | 0.08056 | 0.00000 | 1.68332 | 6368 |
SIZE | 21.3947 | 21.3091 | 0.91531 | 18.7841 | 27.6107 | 6368 |
TANG | 0.52927 | 0.52826 | 0.17250 | 0.01521 | 0.98497 | 6368 |
NDTS | 0.15810 | 0.12686 | 0.12683 | 0.00028 | 0.97490 | 6368 |
HHI | 0.08296 | 0.05357 | 0.104466 | 0.02510 | 0.93169 | 6368 |
| 随机效应 | 固定效应 | 2SLS | 3SLS |
DAR | -0.2759*** (-3.24169) | -0.2402*** (-6.96129) | -0.0919*** (-12.36754) | -0.1052*** (-15.38512) |
INVE | 0.43458*** (11.28907) | 0.43458*** (14.34340) | 0.43651*** (16.117066) | 0.42954*** (16.493125) |
PCUL | 0.02127*** (8.34486) | 0.02961*** (8.16125) | 0.02685*** (8.222822) | 0.02537*** (5.393834) |
PROF | 1.19115*** (12.94583) | 1.01472*** (17.08151) | 1.2441*** (12.75207) | 2.2239*** (23.96468) |
UNIQ | -0.2076*** (-2.94003) | -0.7711*** (-7.26918) | -0.1995*** (-2.893816) | -0.06742** (-2.405328) |
调整R | 0.156354 | 0.346181 | 0.134226 | 0.127182 |
F值 | 56.09972 | 13.62352 | —— | —— |
DW值 | 1.972005 | 2.248611 | 1.977152 | 1.913727 |