債務為何未影響企業(yè)融資約束——中國上市公司10年數(shù)據(jù)的典型傳導分析

張文君

（廈門大學 管理學院，福建 廈門 361005；江西行政學院 經濟研究所，江西 南昌330003）

一、引言及相關文獻評述

在MM（1958）理論中，公司的投融資決策之間是相互無關的，是兩個獨立事件，其背后暗含的假設是公司的外部融資環(huán)境不存在“摩擦”。然而，現(xiàn)實社會不存在沒有摩擦的融資環(huán)境?，F(xiàn)實世界中普遍存在的“摩擦”，使得Modigliani和 Miller（1958）定義的完美資本市場環(huán)境僅存在于理論的假想當中。Greenwald、Stigliz和 Weiss（1984）、Myers（1984）修正了資本市場完美的假設，在融資決策模型中引入了信息不對稱因素。他們認為，資本市場的不完美使得外源資金的融資成本要高于內源資金，即公司面臨著融資約束。隨后著名的公司金融研究學者Fazzari［1］等在其開創(chuàng)性的一篇著作中將融資約束定義為：在資本市場不完美的情況下，公司由于內外部融資成本存在顯著差異，無法支付過高的外部融資成本導致的融資不足（Fazzari等，1988）。

此后，關于融資約束的實證研究越來越多，其中面臨的一個關鍵問題就是選擇什么指標來衡量公司的融資約束程度？對此，國內外學者莫衷一是，涌現(xiàn)了諸如公司規(guī)模、股利支付率、控股股東性質、資產負債率等單一評價指標，同時也有 KZ（Lamont等，2001）［2］、WW（Whited和 Wu，2006）［3］、SA（Hadlock和Pierce，2010）［4］等多變量評價指標。然而，無論是單變量指標還是多變量指標，負債水平均被視為是融資約束程度衡量的重要財務指標之一。例如：KZ指數(shù)里就包含資產負債率變量。由此，產生了一個新的問題：究竟是負債率高的公司面臨的融資約束程度高，還是負債率低的公司面臨的融資約束程度高？對此，國內外的文獻尚無統(tǒng)一的定論。

關于融資約束指標與計量方法的選擇，還必須十分關注制度背景的因素。近來，有關我國上市公司融資約束問題逐漸受到越來越多的關注。然而，在使用融資約束計量方法時，很少對其有效性進行檢驗，也很少使用不同的計量方法進行穩(wěn)健性檢驗，很少比較不同計量方法在我國的適用性（陸正飛等，2011）［5］。我國的制度環(huán)境與其他國家有著顯著差異，這種差異可能會對融資約束計量方法有效性產生重大影響。因此，研究我國公司的融資約束問題時，有必要考慮融資約束計量方法的有效性。

因此，厘清負債水平與融資約束二者間的關系就十分重要。明確負債率是正向指標還是反向指標，根本上影響了融資約束模型的設定與結果分析，否則得出的結論很可能是南轅北轍。本文貢獻在于：（1）基于現(xiàn)金-現(xiàn)金流敏感性模型運用數(shù)據(jù)的特點內生性的測算出融資約束指標的閥值。這與以往大多數(shù)文獻先確定融資約束指標，再基于現(xiàn)金-現(xiàn)金流敏感性模型來驗證評價指標有效性的方法相比，減少了隨意性，更具有科學性。（2）本文的實證發(fā)現(xiàn)負債水平在我國是一個融資約束的反向指標，即負債水平越高，融資約束程度反而越低。這與很多文獻的結論相反，具有一定的啟示意義。

二、制度背景與研究假設

融資約束問題產生的根源在于公司內外部融資成本的差異。由于現(xiàn)實世界普遍存在的“摩擦”，公司外部融資與內部融資相比面臨著顯著的信息不對稱，導致外部融資成本要高于內部融資成本。為了解決在市場交易中存在的不對稱信息問題，作為信息占劣方的外部投資者通過設計某種機制來區(qū)分或甄別那些具有各不相同的個體信息的公司。這就是信息甄別（screening）。其中，關于公司償債能力的財務指標是最直觀的信息甄別依據(jù)。實證研究發(fā)現(xiàn)，包括公司規(guī)模、利息保障倍數(shù)、資產負債率等財務信息都能準確的反應公司的償債能力，均可將之作為融資約束的評價指標?？偟膩碚f，反應公司融資約束的財務指標主要包括兩類：一是資產類，如公司規(guī)模和擔保資產，二是負債類，如資產負債率和利息保障倍數(shù)。

資產類的指標較常用的是公司規(guī)模。Cleary（1999）［6］和 Almeida等（2004）［7］的研究發(fā)現(xiàn)，大公司通常具有完善的公司治理結構與科學的信息決策系統(tǒng)，代理成本較小，并且成立的時間較長，有充足的抵押品。相應的，小規(guī)模公司一般則不具有上述優(yōu)勢，因而面臨較為嚴重的信息不對稱與代理成本。Titman等（2003）［8］的實證研究還發(fā)現(xiàn)，與大公司相比，小規(guī)模公司往往具有市場占有率低、贏利能力較弱和多元化程度不足的特點，所以小規(guī)模公司外部融資時必須支付價格不菲的溢價成本。另外，擔保資產也用來衡量公司的融資約束。擔保資產，定義為固定資產凈額與存貨凈額的總和與總資產的賬面價值比。擔保資產越多融資約束越弱（萬小勇與顧乃康，2011）［9］。

負債類的指標常用的是資產負債率。Hu和Schiantarelli（1998）［10］以及 Hansen（1999）［11］在針對美國上市公司的研究中都定義高負債率公司為融資約束組。理論依據(jù)是Myers（1977）［12］的債務懸置效應（debt overhang）。一方面，高負債公司的債務償還壓力大，致使其不得不放棄一些雖然凈現(xiàn)值為正但不足于償還債務本息的投資項目。另一方面，出于道德風險，銀行對于這類公司的放貸以及戰(zhàn)略投資者的股權投資行為等都會變得更審慎。類似的，債務占固定資產比也常用來衡量公司的融資約束。Harrison和 McMillan（2003）、孫靈燕（2012）、陸正飛和韓非池（2013）［13］認為，財務杠桿可以解釋公司相對其貸款能力對借款的當前需求，所以債務占比越高的公司，面臨的融資約束程度也越強。另外，利息保障倍數(shù)也是常用來衡量融資約束程度的負債類指標之一。Small（2000）認為，利息保障倍數(shù)越低，公司到期無法償還債務的概率就越大，面臨融資約束的概率也就越高。

實際上，不僅是單變量指標，即使是常見的多變量指標也將負債水平認為是融資約束的正向指標。Lamont等（2001）在考察融資約束與股票收益關系時，按照Kaplan和Zingales（1997）［14］的研究思路，運用 Ordered Logit模型構造反映公司融資約束的KZ指數(shù)①Lamont等（2001）得到KZ指數(shù)：KZ＝-1.002×營業(yè)現(xiàn)金流量＋0.283×托賓Q＋3.139×資產負債率＋39.367×股利支付率-1.315×現(xiàn)金持有量。Kaplan-Zingles指數(shù)越大，公司面臨的融資約束程度越高。。從KZ指數(shù)的構造可以直觀判斷：負債率越高，公司的融資約束程度越高。另一個非常著名的多變量指標——WW指數(shù)，其核心思想仍然是認為是負債水平越高，公司的融資約束程度越大②Whited-Wu指數(shù)＝-0.091＊（經營活動產生的現(xiàn)金流/總資產）-0.044＊（資產自然對數(shù)）＋0.021（長期負債/總資產）＋0.062＊（是否發(fā)放股利啞變量）＋0.102＊（行為銷售增長率）-0.035＊（銷售增長率）。Whited-Wu指數(shù)越大，公司面臨的融資約束程度越高。。另外，國內的李勝坤等（2007）、況學文等（2010）［15］基于利息保障倍數(shù)、資產負債率等構建的融資約束多變量評價指標，均將負債水平作為一個融資約束的正向指標引入模型。對此，基于以上分析得出本文的假設1。

假設1公司的資產負債率越高，面臨的融資約束程度也越高。

與上述結論不同，部分學者認為負債水平是融資約束的反向指標?，F(xiàn)實的依據(jù)是我國金融市場的特殊性。由于我國的公司債券市場規(guī)模很小，公司主要依靠銀行貸款獲得債務融資。銀行又往往傾向于向具有國企背景的上市公司放貸，再加上傳統(tǒng)的預算軟約束效應沖銷了Myers（1977）的債務懸置效應。因此，在我國很有可能的現(xiàn)實是：越是負債率高的公司，所面臨的融資約束程度反而越小。對此，連玉君等（2010）［16］的實證研究也發(fā)現(xiàn)，我國負債率越高的公司現(xiàn)金-現(xiàn)金流敏感性越低，即面臨的融資約束程度越弱。

在我國，負債率高的公司具有比較明顯的特點：一是國有控股的可能性越大。對此，Shleifer和Vishny（1994）認為，國家通?；谔厥獾恼卧驅嵭袑μ囟ü镜目刂?，因而導致了國家資源配置的傾向性。經歷了上世紀九十年代“抓大放小”的國企改革后，目前我國由政府直接控股的公司往往承擔了政府多重目標，或是身處關系國計民生的重要行業(yè)。政府對于國有公司的角色是雙重的：既是公司的控股股東，又是公司的債權人——因為政府是向公司提供貸款的國有銀行的實際控制者。這些因素導致了轉軌經濟背景下國有公司的“預算軟約束”（Kornai，1986），從而使得國有公司的債務融資成本低廉，并具有較高的負債率。對此，趙興楣和王華（2011）［17］的實證研究也發(fā)現(xiàn)，與非政府控制的公司相比，政府控制的公司的債務融資速度更快，債務水平也較高。二是資產規(guī)模比較大。對于債務水平與公司規(guī)模二者間的關系，有兩種截然不同的觀點。Fama和Jensen（1983）［18］基于權衡理論認為，大公司比小公司提供了更多的有效信息，監(jiān)督成本較少，因此具有更強的借貸能力。Rajan和 Zingales（1995）［19］則基于優(yōu)序融資理論認為，公司規(guī)模與內部投資人和外部投資人之間的信息不對稱負相關，因此大公司傾向于權益融資，從而具有更低的負債率。對于我國的實際而言，由于銀行貸款仍然是公司主要的外部融資渠道，越大的公司，銀行需要承擔的監(jiān)督成本越少，所以更可能符合Fama和Jensen（1983）的假設。對此，肖澤忠和鄒宏（2008）［20］基于我國上市公司的實證研究也發(fā)現(xiàn)，公司規(guī)模與資產負債率正相關。綜上所述，對于我國的實際而言，負債水平較高的公司往往具有大規(guī)模資產、國有控股等特點，因此融資約束程度更低，據(jù)此提出假設2。

假設2公司的資產負債率越高，面臨的融資約束程度越低。

三、研究設計

（一）數(shù)據(jù)來源與變量定義

本文的數(shù)據(jù)來自于國泰安經濟金融研究數(shù)據(jù)庫（CSMAR）和 Wind（萬德）金融資訊數(shù)據(jù)庫，樣本區(qū)間為2001-2010年，采取如下的篩選原則：（1）由于IPO對公司的流動性管理具有較大的影響，本文的上市公司樣本限定于2001年1月1日以前在滬深股市上市且僅發(fā)行A股的非金融類上市公司；（2）剔除資不抵債的上市公司，定義的標準為資產負債率大于100%；（3）剔除ST、兼并或重組的公司樣本①Almeida（2004）認為公司的并購行為將影響融資約束和現(xiàn)金持有政策。。通過上述的處理后，本文最終得到539家公司2001-2010年組成的平衡面板數(shù)據(jù)。在實證分析之前，針對模型的主要變量，對小于1%和大于99%的分位數(shù)均做了縮尾處理，目的在于克服樣本離群值的影響。表1列示了本文主要變量的定義與計算方法。

表1 變量定義及計算

（二）模型設定與融資約束指標的定義

為了衡量公司的融資約束，本文基于現(xiàn)金-現(xiàn)金流敏感性模型（Almeida等，2004）構建模型（1）。

模型（1）中cflow的系數(shù)β1是現(xiàn)金-現(xiàn)金流敏感性系數(shù)。Almeida等（2004）認為，如果cflow的系數(shù)顯著為正，則說明公司具有顯著的現(xiàn)金積累傾向，亦即面臨融資約束。這是因為，由于公司面臨外部融資升水，所以必須依靠內部融資來為未來的投資項目進行融資，因此需要有高額的現(xiàn)金儲備，表現(xiàn)為現(xiàn)金-現(xiàn)金流敏感性（即系數(shù)β1）顯著為正。為了反映公司管理能力和公司文化等不可觀測的個體效應，加入了虛擬變量ηi。為了控制宏觀經濟的影響，加入了反映時間效應的虛擬變量λt。εit是干擾項。

為了分析債務水平與融資約束二者間的關系，本文選擇資產負債率作為債務水平的代理變量，用于衡量公司的融資約束程度?？傮w設想是：將樣本按照資產負債率的高低分成兩組，分別比較兩組樣本的回歸系數(shù)β1；如果高負債率樣本的現(xiàn)金流敏感系數(shù)β1大于低負債率的樣本，那么說明資產負債率是融資約束的正向指標，假設1得到了驗證；反之，則驗證了假設2。進一步的，為了使得結論更穩(wěn)健，本文還選擇了另外一個常用來衡量債務水平的融資約束指標對樣本進行分組，即利息支付比，定義為利息占固定資產比（趙巖，2013）［21］。

（三）面板門限模型

如何劃分融資約束與非融資約束樣本，考察不同樣本的融資約束程度？這是對模型（1）進行分析的關鍵。對此，已有的文獻都是采用先驗分類法，導致對樣本劃分的尺度不一致。例如Hoshi等（1991）、連玉君等（2010）、梁權熙等（2012）將樣本等分成三組，將評價指標值低于第33百分位的樣本定義為融資約束組，高于第66百分位的樣本定義為非融資約束組。又如顧乃康和孫進軍（2009）、翟淑萍等（2012）將樣本等分成四組，將評價指標值低于第25百分位的樣本定義為融資約束組，高于第75百分位的樣本定義為非融資約束組。也有學者將樣本等成五組進行分類的，如Kaplan和Zingales（1997）。

這里引入了一個新的問題：為什么是三分位、四分位甚至是五分位劃分樣本？為什么高分位數(shù)樣本的就是非融資約束組？依據(jù)是什么？目前，大多數(shù)文獻都是基于經驗判斷進行的分類。對此，本文嘗試運用面板門限回歸模型，通過模型模擬找到一個有效的分界點，根據(jù)回歸的結果來判斷融資約束分類標準的有效性，從而使得結論更可靠。

根據(jù)現(xiàn)金——現(xiàn)金流敏感性模型，公司的現(xiàn)金持有變化與現(xiàn)金流之間可能會呈現(xiàn)出區(qū)間效應，原因在于融資約束導致二者間可能存在非線性關系。為了盡量降低由于融資約束程度判定標準的隨意性所導致的衡量偏誤，本文基于樣本數(shù)據(jù)自身的特點來內生性的判別區(qū)間。我們采用的模型來源于 Hansen（1999）創(chuàng)立的面板門檻回歸模型。模型求解的思路在于：基于現(xiàn)金-現(xiàn)金流敏感性模型，運用樣本數(shù)據(jù)內生的判斷現(xiàn)金流敏感性系數(shù)的閥值，并以此作為融資約束程度強弱的劃分標準。門檻面板回歸模型包括單一門檻面板和多重門檻面板。二者求解的思路大致相同?；诂F(xiàn)金-現(xiàn)金流敏感性模型的單一面板門檻構建如（2）。

其中，i表示公司，t表示年份，△cashit和cflowit分別為被解釋變量（現(xiàn)金持有變化）和解釋變量（現(xiàn)金流量）。xit為一組對公司現(xiàn)金持有變化有顯著影響的控制變量（見模型1），包括投資機會（tobinq）、公司規(guī)模（size）、資本支出（capex）、現(xiàn)金替代物的變動（⊿nwc）、短期債務的變動（⊿slr）。

θ為相應的系數(shù)向量。rit為門檻變量，本文指的是資產負債率（利息支付），用來衡量公司的債務水平。γ是門檻值，I（＊）是指標函數(shù)。模型（2）中的I（rit≤γ）指的是資產負債率（利息支付）低于門檻值的樣本，即本文定義的低負債公司；I（rit＞γ）指的是資產負債率（利息支付）高于門檻值的樣本，即本文定義的高負債公司。

面板門限模型的求解，主要包括兩步：一是對門檻效應的檢驗，二是門檻值的求解。檢驗門檻效應，采用自體抽樣法，并進行極大似然比檢驗。門檻值的求解則利用似然比統(tǒng)計量構造出“非拒絕域”，并據(jù)此計算出臨界值（Hansen，1999）。限于篇幅原因，本文不對面板門限模型的求解進行詳細闡述。

四、實證檢驗與結果分析

（一）門檻值測算

第一步要確定門檻的個數(shù)，以便確定模型的具體形式。本文依次使用資產負債率（lev）、利息占比（rate）作為門檻參數(shù)r的代理變量，對模型（2）進行估計，得到不存在門檻、一個門檻和兩個門檻的設定下的F統(tǒng)計量和P值。結果見表2。

實證研究發(fā)現(xiàn)：無論是用lev還是rate用作為門檻變量，效果顯著的僅有單一門檻模型。雙重門檻和三重門檻的效果都不顯著。因此，本文基于單一門檻模型進行分析。分別運用lev和rate作為門檻變量得到的估計值見表3。

表2 門檻效果檢驗

表3 門檻估計結果

圖1 資產負債率的門檻估計值與置信區(qū)間

圖1與圖2是在門檻值假設檢驗過程中繪制的極大似然比函數(shù)圖。通過這些函數(shù)圖，可以較好的理解面板門檻值的估計過程?？v軸表示的是LR值，橫軸表示的是γ值。門檻參數(shù)的估計值是指似然比檢驗統(tǒng)計量LR＝0時γ的取值。lev和rate對應的兩個單一門檻值分別為0.358（見圖1）和0.017（見圖2）。

圖2 利息支付的門檻估計值和置信區(qū)間

對于各門檻估計值，其95%顯著水平下的置信區(qū)間指的是LR值小于7.35（即圖上的虛線，對應的是5%水平下的臨界值）構成的關于γ的區(qū)間。因此，可以根據(jù)上述計算出的兩個門檻值將全樣本按債務水平劃分成低債務水平組（rate≤0.017或lev≤0.358）、高債務水平組（rate＞0.017或lev＞0.358）。

（二）回歸結果

依據(jù)上述兩個門檻值的分組樣本，對現(xiàn)金——現(xiàn)金流敏感性模型（1）進行回歸，并控制了時間效應和個體效應。表4報告了回歸結果。

從上述回歸結果來看，全樣本的現(xiàn)金——現(xiàn)金流敏感性系數(shù)（即cflow的系數(shù)）顯著為正，說明我國上市公司普遍面臨著融資約束。再比較不同分組樣本的現(xiàn)金——現(xiàn)金流敏感性系數(shù)的差異，可以發(fā)現(xiàn)：低負債公司的現(xiàn)金—現(xiàn)金流敏感性系數(shù)都大于高負債公司。

負債率越小的樣本，其現(xiàn)金-現(xiàn)金流敏感系數(shù)越大，說明對于我國的公司，負債率是融資約束的反向指標，即負債率越高融資約束越弱。假設2得到了檢驗。其可能的原因在于，我國公司的主要融資渠道仍然是銀行貸款，因為銀行往往傾向于向具有國企背景的上市公司放貸，再加上傳統(tǒng)的預算軟約束效應沖銷了 Myers（1977）的債務懸置效應。因此，最終導致了越是負債率高的公司，國有控股的可能性越大，規(guī)模也可能較大，面臨的融資約束反而越小。這與西方發(fā)達金融市場背景下的公司外部融資環(huán)境相比，具有很大的不同。

進一步的，與已有文獻普遍使用的先驗分類法比較，本文基于面板門檻模型運用數(shù)據(jù)的特點內生性的測算出融資約束指標的閥值，具有一定的改進。資產負債率究竟是融資約束的正向指標還是反向指標？已有文獻的實證研究結論之所以大相徑庭，根據(jù)Hansen（1999）的研究結論，很大的原因可能在于誤樣本區(qū)間所致。例如，有的文獻采用三分位法，即假定資產負債率低于33百分位的樣本是融資約束組，高于66百分位的樣本是非融資約束組。該方法實際上隱含了一個主觀的假設，即樣本至少存在兩個門檻值，分別位于33百分位與66百分位。由此可見，先驗分類法用于衡量融資約束程度，很可能會人為的減少樣本容量，并容易導致對門檻個數(shù)的錯誤判斷。實際上，就本文的研究樣本而言，用資產負債率衡量我國上市公司的融資約束程度，僅有一個門檻值，大致是35百分位①本文樣本的資產負債率平均值為0.488，標準差為0.173，最小值為0.081 0，中位數(shù)為0.499，最大值為0.857。。

由于最大限度的保持了樣本的容量，本文的實證研究發(fā)現(xiàn)我國上市公司普遍面臨著融資約束，即全樣本與各分組樣本的現(xiàn)金-現(xiàn)金流敏感性系數(shù)都顯著為正。這與連玉君等（2010）認為的只有資產負債率低于33百分位的上市公司才面臨融資約束的結論有顯著差異。需要補充說明的是，0.358只是針對本文研究樣本的經驗值的判斷。如果對于不同行業(yè)，或不同時期的上市公司重新進行門檻值的測算，結果可能又會不同。亦即是說，資產負債率為0.358是融資約束程度劃分門檻的結論不具有普適性。

表4 單門檻模型參數(shù)估計結果

（三）融資約束公司財務特征的再檢驗

把高負債水平的樣本定義為弱融資約束公司，能不能得到其它劃分方法的支持？對此，本文進一步對不同融資約束組的現(xiàn)金持有、資產規(guī)模和托賓Q等指標進行差異分析。如果上述指標在不同融資約束組間存在顯著性差異，則說明本文劃分融資約束的方法是可行的。結果如表5所示。

根據(jù)表5的描述性統(tǒng)計分析結果可知：現(xiàn)金持有、資產規(guī)模、托賓Q在不同融資約束組間存在顯著性差異。上述統(tǒng)計分析結果說明本文的融資約束劃分標準還是合理的。這是因為如下理由。

（1）根據(jù) KZ指數(shù)方程（Lamont等，2001），現(xiàn)金持有是融資約束的正向指標，即現(xiàn)金持有越多則融資約束越強。表5統(tǒng)計分析顯示，弱融資約束公司的現(xiàn)金持有均值為13.6%，強融資約束公司的現(xiàn)金持有均值為20.5%。二者的T檢驗和Wilcoxon檢驗結果都顯示組間差異顯著。因此說明本文融資約束的分組是可行的。

（2）已有的大量研究指出（Almeida等，2004；Custódio，2005；Duchin，2010）資產規(guī)模是融資約束的反向指標，即資產規(guī)模越大則融資約束越弱。表5統(tǒng)計分析顯示，弱融資約束公司的資產規(guī)模大于強融資約束公司。二者的T檢驗和Wilcoxon檢驗結果都顯示組間差異顯著。因此說明本文融資約束的分組是可行的。

（3）根據(jù) KZ指數(shù)方程（Lamont等，2001），托賓Q是融資約束的正向指標，即托賓Q越高則融資約束越強。表5統(tǒng)計分析顯示，弱融資約束公司的托賓Q均值為1.508，強融資約束公司的托賓Q均值為1.654。二者的T檢驗和Wilcoxon檢驗結果都顯示組間差異顯著。因此說明本文融資約束的分組是可行的。

表5 其它常用融資約束指標的差異性分析

（四）穩(wěn)健性檢驗

實證研究部分證明了“負債水平越高，融資約束程度反而越低”。但有可能存在的一種情況是“正是因為融資條件寬松，企業(yè)越容易舉債”，即存在內生性的問題。對此，本文進一步將資產負債率（lev）的滯后一期與現(xiàn)金流量（cflow）的交乘項（cflowi，t×levi，t-1）引入到現(xiàn)金-現(xiàn)金流敏感性模型，即本文的模型（1）。實證研究發(fā)現(xiàn)，該交乘項的系數(shù)顯著為負，從而說明上一期負債水平越高的企業(yè)，本期的“現(xiàn)金-現(xiàn)金流敏感性”系數(shù)顯著為負，即融資約束程度越低。因此本文的實證結論得到了進一步驗證。

本文還考察了有息債務對企業(yè)融資約束的影響。單純的使用資產負債率來衡量企業(yè)的負債水平，有可能忽略了企業(yè)的債務結構問題。比如，一個企業(yè)擁有越多的預收賬款、應付賬款等負債，反而恰恰說明了企業(yè)的融資條件越寬松。因此本文使用一年內到期的長期借款、長期借款、應付債券和長期應付款的增加值除以年初總資產，作為企業(yè)債務水平的代理變量引入模型（2）。通過實證結果發(fā)現(xiàn)，債務水平越高的企業(yè)，企業(yè)面臨的融資約束程度越低。本文的實證結論進一步得到了驗證。

五、結論與政策啟示

對于債務水平是加劇還是緩急了公司融資約束程度這一問題，國內外不同學者根據(jù)不同的經驗判斷得出了不同的結論。根據(jù)Hansen（1999）的研究結論，已有文獻存在的問題可能是誤樣本區(qū)間所致。對此，本文在綜合比較了“加劇派”和“緩解派”觀點的基礎上，運用面板門限模型，對我國上市公司的數(shù)據(jù)進行了檢驗。實證結果發(fā)現(xiàn)，債務水平是我國公司融資約束程度的反向指標，即公司負債水平越高，融資約束程度反而越低。

這一研究結論具有一定的現(xiàn)實意義：首先，凸現(xiàn)了我國金融市場不完善的現(xiàn)狀。在發(fā)達的金融市場背景下，債務的懸置效應可以發(fā)揮，信貸市場可以根據(jù)負債水平有效甄別公司的融資約束程度。然而，在我國的現(xiàn)實是，即使有些公司的負債水平較低，但是由于缺乏國有控股背景或公司規(guī)模較小等原因，仍然在信貸市場上處于被邊緣化的地位。因此，不斷的完善市場體系，進行包括股票市場、債券市場建設和銀行商業(yè)化管理等的金融市場改革顯得尤為重要。尤其需要推進中小金融機構的發(fā)展，通過建立中小企業(yè)銀行、發(fā)展政策性中小企業(yè)融資擔保機構等措施緩解中小企業(yè)面臨的融資約束與發(fā)展困境，緩解金融機構“信貸歧視”的負面影響。

其次，最大限度的緩解我國企業(yè)面臨的融資約束，具有緊迫性，因此必須多措并舉。正如本文的實證研究發(fā)現(xiàn)的那樣，我國全樣本上市公司的現(xiàn)金—現(xiàn)金流敏感性都是顯著為正的。這與發(fā)達國家的只是部分上市公司的現(xiàn)金—現(xiàn)金流敏感性顯著，形成了鮮明的對比。現(xiàn)金—現(xiàn)金流敏感性顯著為正，說明我國上市公司普遍面臨著融資約束的外部環(huán)境。這就更不用說大量非上市公司面臨的外部融資環(huán)境更加嚴峻。對此，除了堅持上述的推進完善市場體系的長期系統(tǒng)性工程，短期內還應盡量采取措施減輕信息不對稱嚴重程度，緩解市場的不完善。如不斷完善企業(yè)的信息披露、加強相關信息的審計和簽證，發(fā)展機構投資者和證券分析員師的跟蹤，引入西方國家日趨成熟的債券評級、商業(yè)票據(jù)評級等等。

［1］Fazzari S M，R G Hubbard，B C Petersen.Financing Constraints and Corporate Investment［J］.Brookings Papers on Economic Activity，1988（1）：141-206.

［2］Lamont O，P Christopher，S R Jesus.Financial Constraints and Stock Returns［J］.Review of Financial Studies，2001，14（2）：529-554.

［3］Whited T M，Wu G J.Financial Constraints Risk［J］.Review of Financial Studies，2006，19（2）：531-559.

［4］Hadlock C J，J R Pierce.New Evidence on Measuring Financial Constraints：Moving Beyond the KZ Index［J］.Review of Financial Studies，2010，23（5）：1909-1940.

［5］陸正飛，岳衡，祝繼高.公司財務實證研究［M］.中國人民大學出版社，2011.

［6］Cleary S.The Relationship between Firm Investment and Financial Status［J］.Journal of Finance，1999，54（2）：673-692.

［7］Almeida H，M Campello，M Weisbach.Corporate Financial and Investment Policies when Future Financing is Not Frictionless［J］.Journal of Corporate Finance，2011，17（3）：675-693.

［8］Titman S，Robert W.The Determinants Capital Structure Choice［J］.Journal of Finance，1988，43（1）：1-19.

［9］萬小勇，顧乃康.現(xiàn)金持有、融資約束與公司價值［J］.商業(yè)經濟與管理，2011（2）.

［10］Hu X，F(xiàn) Schiantarelli.Investment and Capital Market Imperfections：A Switching Regression Approach Using US Firm Panel Data［J］.Review of E-conomics and Statistics，1998，80（3）：466-479.

［11］Hansen B E.Threshold Effects in Non-Dynamic Panels：Estimation，Testing and Inference ［J］.Journal of Econometrics，1999，93（2）：345-368.

［12］Myers S.Determinants of Corporate Borrowing［J］.Journal of Financial Economics，1977，5（2）：147-175.

［13］陸正飛，韓非池.宏觀經濟政策如何影響公司現(xiàn)金持有的經濟效應？［J］.管理世界，2013（6）.

［14］Kaplan S N，Zingales L.Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints？［J］.Quarterly Journal of Economics，1997，112（1）：169-215.

［15］況學文，施臻懿，何恩良.中國上市公司融資約束指數(shù)設計與評價［J］.山西財經大學學報，2010（5）.

［16］連玉君，彭方平，蘇治.融資約束與流動性管理行為［J］.金融研究，2010（10）.

［17］趙興楣，王華.資本控制、制度背景與資本結構動態(tài)調整［J］.會計研究，2011（3）.

［18］Fama E F，Jensen M C.Separation of Ownership and Control［J］.Journal of Law and Economics，1983，26（2）：301-325.

［19］Rajan R G，Zingales L.What Do We Know about Capital Structure？［J］.Journal of Finance，1995，50（5）：1421-1460.

［20］肖澤忠，鄒宏.中國上市公司資本結構影響因素和股權融資偏好［J］.經濟研究，2008（6）.

［21］趙巖.企業(yè)社會資本、融資約束與投資——現(xiàn)金流敏感性研究［J］.湖南財政經濟學院學報，2013（4）.