融资约束、政府补贴与中国企业海外投资效率
——基于单边与双边随机前沿模型

綦建红,赵雨婷

(山东大学 经济学院,山东 济南 250100)

一、引言

中国企业在海外直接投资(以下简称海外投资)的过程中,会面临“资金关”“法律关”“文化关”“风险关”等各种难关,其中融资约束导致的“资金关”是最重要的难关之一。根据本文的样本统计,在2004—2018年“走出去”的1 034家企业中,61.64%的企业存在融资约束,其投资活动的资金需求难以得到满足。其中,面临融资约束的非国有企业占比高达69.55%,远远超过了国有企业(30.45%)。融资约束的难关,源于计划经济时期遗留下来的“所有制歧视性信贷”问题,源于关系型社会结构引致的企业融资环境差异,也源于普遍存在的金融市场分割现象,必然影响企业的海外投资行为[1-3]。

与已有研究不同,本文关注的是融资约束对海外投资效率的影响,这是因为:一方面,中国海外投资在规模和范围持续扩大的同时,其整体投资效率仍然存在较大的提升空间[4]。因此,如何降低效率损失、提升效率水平,是当前中国企业海外投资的焦点问题之一;另一方面,在融资约束条件下,外源融资成本过高,导致企业的投资机会得不到充分的资金支持,无法达到最优投资水平,造成效率损失[5]。这一点对于海外投资企业尤为突出:首先,海外投资企业不得不寻求多种形式的资金获取渠道,以便支付更高的固定成本和可变成本;其次,海外投资风险高、经营周期长的特点造成海外投资收益不确定性较大;最后,东道国较高的监督成本和交易成本也使得获取东道国的信贷支持非常不易。在这种情形下,外部融资成本更高,企业的海外投资更易偏离最优水平,从而引发效率损失。因此,关注融资约束对企业海外投资效率的影响及其作用程度具有重要的现实意义。

二、文献综述

从已有文献来看,与本文主题相关的研究主要有三大类:

第一类是从东道国宏观因素出发,测度中国海外投资效率及其影响因素。该类研究主要采用“一带一路”沿线国家的东道国宏观数据测度海外投资效率,发现在沿线国家的海外投资效率整体偏低,且具有国别和时间差异,存在不断提升的时变效应[4,6]。与此同时,东道国制度环境是效率损失的主要来源,即政治稳定性、贸易壁垒、产权保障制度、政府监管效率、腐败管控力度、经济自由度、营商环境等制度因素均对海外投资效率产生了不同程度的影响[4]。值得强调的是,已有研究尚停留在东道国宏观层面,忽略了海外投资企业的微观因素,其海外投资效率的测算方法需要进一步改进。

第二类是从企业融资约束出发,研究融资约束对中国企业海外投资的影响,但是尚未涉及对海外投资效率的影响。Buch等采用德国数据发现,融资约束整体上降低了企业海外投资的概率,对倾向于海外投资的高生产率企业的影响较之低生产率企业更为明显[7];Raff等学者对日本的研究也证实融资约束对企业海外投资决策具有显著的负面影响,且这种负面影响是通过抵押渠道和贷款渠道来传递的[8]。中国的情形亦不例外。刘莉亚等发现,中国企业的海外投资能力会受到融资约束的制约,企业面临的融资约束程度越严重,海外投资的可能性越低;对处于外源融资依赖度较高行业的企业来说,这一制约作用尤为严重[9]。王碧珺等不仅证实了融资约束会显著抑制中国民营企业海外投资的可能性,而且还发现其对“贸易型”和前往发达国家海外投资的企业来说尤为突出[10]。Yan等进一步证实融资约束对民营企业海外投资决策的制约作用高于国有企业,外部融资约束的制约作用高于内部融资约束[11]。

第三类是从企业所获政府补贴出发,审视政府补贴是否有助于缓解海外投资企业的融资约束问题。对此,学者们主要以国内企业为研究对象,其研究结论尚未达成共识,形成了两种观点的交锋。一种观点认为,政府补贴能够通过平滑融资约束对企业生产率的负面作用和增加企业现金流量的方式,在一定程度上抵消融资约束带来的负面效应,降低后续融资的不确定性[12]。另一种观点则认为,政府补贴不一定能够实现缓解融资约束的初衷。长时间、大范围的政府补贴,有可能导致企业依赖性,从根本上削弱企业提升生产效率和创新活动的内在动机;与此同时,政府补贴很有可能在一定程度上反映了政府和企业之间政治与利益的双重联系渠道,增加了企业的寻租费用,降低了政府补贴对企业国际化沉没成本的弥补作用[13]。

与已有文献相比,本文尝试在以下两方面有所创新。其一,首次实现了中国企业层面的海外投资测算。与Fan等已有文献均从国家层面测度海外投资效率不同[6],本文使用2004—2018年Zephyr全球并购数据库、fDi Markets全球绿地投资数据库和Wind数据库进行样本匹配和数据处理,通过拓展Richardson模型和随机前沿引力模型,将企业投资效率的测算扩展到海外投资层面。其二,已有研究主要探讨了融资约束和信贷支持对企业海外投资决策及其二元边际的影响,但是并未考察二者对海外投资效率的作用。为此,本文将融资约束、政府补贴同时纳入影响因素,通过双边随机前沿模型测度二者对中国企业海外投资效率的影响方向,以及共同作用下所产生的净效应。

三、核心变量测算

为了说明核心变量的构成与来源,本文一方面设定单边随机前沿模型,用以测算被解释变量海外投资效率,另一方面对核心解释变量融资约束和政府补贴进行了指标构建与处理。

(一)模型设定与效率测算

1.单边随机前沿模型设定

如上所述,已有研究虽然从宏观层面测算了一国对不同东道国的海外投资效率,但是尚未实现微观企业层面的效率测算。对此,采用随机前沿模型,通过拓展Richardson模型和传统引力模型,构建中国企业海外投资效率的测度模型[14]。

本文在测度融资约束对海外投资效率的影响时,选择单边随机前沿模型。该模型最早用于研究生产函数的最大前沿产出和个体企业的效率损失,即假定企业i的生产函数形式为:

yi=f(xi,β)ξievi

(1)

其中,β为待估参数,ξi为企业i的效率水平,满足0<ξi≤1,f(xi,β)为企业i的最大产出前沿即最优水平,evi为生产函数受到的随机冲击项。等式两边取对数可得:

lnyi=lnf(xi,β)+lnξi+vi

(2)

其中,由于0<ξi≤1,故lnξi≤,定义ui=-lnξi≥0,ui为无效率项,反映企业i与效率前沿的距离;vi为特异性误差,表示随机误差项的对数值。

依据上述基本原理,并结合Fan等宏观海外投资效率的测算方法[6],可以看出中国企业的海外投资效率主要受到两方面影响:

一是企业海外投资最优水平的影响因素。具体来说,中国企业海外投资行为是宏观环境和微观个体综合作用的结果。在宏观影响因素中,参照Fan等的做法,将引力模型与随机前沿方法相结合,选择引力模型的核心变量,即中国人均GDP(LnPGD_C)、东道国人均GDP(LnPGD_H)和两国之间的地理距离(lnDist)[6]。其中,本文借鉴蒋殿春和张庆昌的做法,使用布伦特油价与双边首都距离的乘积作为地理距离变量[15]。同时,为适用随机前沿模型和消除异方差影响,以上变量均做对数处理。在微观影响因素中,考虑到传统Q模型中边际Q具有不可观测性、其替代变量Tobin’s Q只在完美资本市场假设下成立的缺陷,本文借鉴Richardson的投资支出预期投资模型来衡量公司的最优投资水平[14],即企业的最优投资水平由t-1期增长机会所决定,并受到资产负债率、现金存量、年龄、规模、股票年收益率等附加控制变量的影响。由于本文融资约束综合指标中已使用企业规模变量,为了防止模型出现变量共线,参考张宗益和郑志丹的做法,删减该变量[16]。本文参考喻坤等的做法,以企业营业收入增长率衡量其t-1期增长机会(Growthit-1),同时选取了资产负债率(Levit-1)、现金存量(Cashit-1)、年龄(Ageit-1,投资年份与成立年份差值的对数)和股票年收益率(ROEit-1,企业净资产回报率)等附加控制变量。

二是无效率项的影响因素。一方面,已有研究均表明,融资约束会在一定程度上抑制企业的海外投资水平,故本文的核心无效率项因素为融资约束水平(FCit);另一方面,Fan等的研究结果表明,东道国制度变量会影响海外投资决策及其效率,故本文还在无效率项中加入东道国投资自由度(IFit)、法律制度(Lait)和监管效率指数(Reit)[6]。

基于此,企业OFDI效率单边测度模型可表示为:

(3)

OFDIijt=β0+β1LnPGDPit+β2LnPGDPjt+β3LnDistij+β4Growthit-1+β5Levit-1+β6Cashit-1+

β7Ageit-1+β8ROEit-1+∑Year+∑Industry+νijt-uijt

(4)

(5)

(6)

由于复合扰动项的期望不为0,OLS估计会产生偏差,故模型采用最大似然估计(MLE)法估计。

2.模型数据的来源和处理

在单边随机前沿模型中,中国企业海外投资数据由Zephyr全球并购数据库、fDi Markets全球绿地投资数据库和Wind数据库匹配获得,时间跨度为2004—2018年。其中,Zephyr数据库是国际并购研究领域知名的动态专业数据库,包含全球并购、机构投资者收购、杠杆收购和合资等交易信息,目前已收录1997年至今涵盖全球各行业共180万笔并购记录;fDi Markets数据库是《金融时报》提供的投资服务产品,其通过实时监控资本投资项目提供覆盖全球所有国家和地区的跨境绿地投资数据。

具体数据处理与匹配过程如下:首先,企业的海外投资数据来源于Zephyr并购数据库和fDi Markets数据库,时间跨度为2000—2018年。由于未上市企业普遍不进行信息披露,其财务信息不便获取,故本文选取原始数据中上市公司和自行披露信息的企业作为研究对象。在此基础上,删除海外投资金额不明和个体投资者交易的记录。值得注意的是,数据库中并购交易金额单位为千欧元,绿地投资金额数据为百万美元,本文将欧元与美元均换算为人民币,汇率采用Wind数据库外币兑换每年月收盘价均值。初步筛选后,共得到3 162家企业6 039条海外投资观测数据,其中并购观测值3 573条,绿地投资数据2 466条。其次,为了满足测算企业海外投资效率的需要,通过英文名称识别、所属行业比对等方法,将企业海外投资额数据与Wind数据库中A股、港股和海外交易所上市的中国公司财务数据进行匹配,未上市企业财务数据通过手动查找公布在其官方网站的年度报告获得。为尽可能避免样本损失,本文参照申慧慧等的做法[17],删除核心解释变量数据存在缺失的交易记录,并为减少极端值影响,对所有变量均做1%的Winsorize处理。最终,本文获得2004—2018年1 033家企业2 180条海外投资记录,其中国有企业247家,非国有企业786家;“一带一路”沿线国家的投资记录584条,非沿线国家1 596条;涉及18个行业,其中第一产业的投资记录17条,第二产业1 615条,第三产业548条。

图1 中国企业海外投资效率的核密度分布

3.海外投资效率的测算结果

根据上述模型设定与数据处理,对式(4)进行回归,得出中国企业的海外投资效率值,其分布情况见图1。

从图1可看出,海外投资效率值主要集中于40%～60%的区间内,且具有右偏特征,表明中国企业海外投资效率整体水平不高,且效率值相对集中;与此同时,这也表明中国企业普遍具有较大的投资潜力,海外投资效率水平存在明显的提升空间。

研究表明,中国企业的海外投资效率值存在明显的异质性特征。如表1所示,国有企业的海外投资效率在均值(45.38%)和所有分位值上明显高于非国有企业(41.96%),投资于“一带一路”沿线国家的企业,其效率值(40.81%)较之其他地区(43.81%)明显偏低,这一结果与现有研究基本一致[4],表明“一带一路”沿线区域存在较大的投资潜力;三大产业的海外投资效率也存在明显的差异,其中第一产业最低(41.07%),第三产业最高(43.42%),说明在实证检验时必须考虑对行业固定效应的控制。

表1 中国企业海外投资效率的异质性分布

(二)核心解释变量构建

1.融资约束指标构建

本文的核心解释变量为企业的融资约束水平。从现有文献来看,学者们在衡量融资约束时主要有三种方法:一是最早的投资现金流敏感性指数;二是单一指标法,如利息支付、资产负债率、固定资产比率、流动性比率等[7,18];三是复合指数法,如KZ指数、WW指数、SA指数等[19]。鉴于单一指标法存在度量误差,而复合指数法存在变量内生性问题,故参考王碧珺等、Bellone等的做法[10,18],综合企业内源融资、外源融资、盈利能力三方面状况,使用财务分项指标构建企业融资约束的综合指标,具体涵盖内容如下:

在内源融资方面,采用现金比率来衡量内部融资,该指标为企业现金存量占总资产的比重,用来反映企业内部资金的充裕程度,数值越大表明企业面临的融资约束程度越小。本文中,企业现金存量使用财务报表中期末现金及现金等价物项下数据来表示。

在外源融资方面,鉴于企业外部融资渠道多种多样,选取三种指标进行衡量:

(1)企业规模。一般来说,银行等金融机构考虑到贷款的有效收回,在发放时会倾向于资产规模较大的企业。参考已有文献的处理方法,本文使用企业总资产的对数值作为企业规模的量化指标。指标值越大,企业规模越大,越容易获得此种外部融资。

(2)固定资产比率。企业进行外部融资时,债权人为在企业违约的情况下保障自身权益,会在融资时要求提供有形资产抵押,因此,本文使用固定资产占总资产比重来量化此种情况下企业的融资能力。该比重越大,表明企业越容易获得此种外部融资。

(3)流动比率。使用流动资产与流动负债之差占总资产比重来表示企业流动性,该指标衡量了企业偿还短期负债的能力,流动比率越高,企业短期偿债能力越强,越易取得外源融资。

(4)盈利能力。采用销售净利率(企业净利润与营业收入的比值)来衡量盈利水平,该指标越大表明企业在同等营业收入条件下获利能力越高,发展前景越好,相对具有更多的投资和成长机会,其面临的融资约束更小。

图2 融资约束分项指标分布

图3 SA指数的分布

基于以上三大类的5个子指标,构建融资约束综合指标的步骤如下:以企业规模为例,将所有企业规模指标按由小到大的顺序排列并分为五个等分区间,并将0%～20%赋值为1,20%～40%赋值为2,40%～60%赋值为3,60%～80%赋值为4,80%～100%赋值为5,其余5项分指标处理方法相同。赋值完成后,将每个企业的5项指标赋值结果加总,所得值为企业综合融资约束指标。以上综合指标是本文衡量企业相对融资约束程度的基准指标,根据该指数的构建,该值越大,表明企业的综合融资能力越强,面临的融资约束程度越小。

指标构建完成后,融资约束综合指标均值为14.99。本文借鉴王碧珺等的做法[10],对综合指标值进行标准化处理,将其控制在[1,10]区间内,处理结果为:在最大值为10的情况下,综合指标得分均值为5.55。因样本企业的行业性质各异,各分项指标值存在一定差异,均值分别为:现金比率为15.7%,企业规模为22.77,固定资产比率为19.42%,流动比率为19.42%,销售净利率为8.5%。图2显示了各分项指标的具体分布。

为了保证本文结论不受指标构造方法的影响,本文还使用SA指数进行稳健性检验中的指标替换。图3显示了本文计算的SA指数的分布情况,依据Hadlock和Pierce的解释,企业该指数值越大,其面临的融资约束越严重[19]。

2.企业所获政府补贴指标

自2001年至今,为支持国内企业更快更好地“走出去”,财政部和商务部连续出台相关政策,为企业提供专项资金的直接补助和项目贷款的财政贴息。企业获取政府补贴的数据来自Wind数据库;对于样本中未上市但自行发布财务报告的企业,由作者手动查找企业网站公开的财务年度报告取得,均使用年报附注中“政府补助”和“政府补贴收入”项目。数据统计结果显示,样本企业获得政府补贴金额的均值为1.807亿元人民币,但是与此同时,样本内差异较大,补贴额最低为115万元,最高达503.42亿元。

值得注意的是,无论是融资约束指标,还是政府补贴指标,二者在所有制、投资区位、产业类型三个方面均存在明显差异。图4给出了融资约束综合指标和政府补贴在不同分组中的分布情况。在所有制类别中,以综合指标衡量的融资能力表明,国有企业的融资能力高于非国有企业,弥补了其现金比率、流动性和销售净利率水平相对偏低造成的融资约束;同时,国有企业所获政府补贴(4.78亿元)也远超非国有企业(0.44亿元)。三大产业的政府补贴金额数量和融资约束程度也呈现出鲜明的对比,第二产业的融资约束程度最轻,但获得的政府补贴最多。鉴于上述明显的差异,本文将在实证检验中对融资约束和政府补贴的影响效应进行异质性分析。

图4 融资约束综合指标和政府补贴(亿元)的分布

综上,表2对本文所有变量进行了描述性统计。

表2 变量的描述性统计

四、融资约束对海外投资效率的影响检验

在初步拟合的基础上,通过单边随机前沿模型来考察融资约束对中国企业海外投资效率的影响,并采用替代核心解释变量、分位数回归、更换样本等方法进行稳健性检验。在此基础上,根据企业所有制、投资区位、投资类型对样本进行异质性分组检验,以期获得更为详细的结论。

(一)基准估计结果

表3汇报了全样本下的基准回归结果。

表3 基准回归结果

在表3中,第(1)列是使用SFA模型的检验,原假设为“H:模型不存在无效率项”,即u=0,回归结果显示LR(似然比)检验值为84.31,P值为0,强烈拒绝原假设,表明该模型存在无效率项。第(2)列为无效率项仅为FC变量时的回归结果,第(3)列为在无效率项中加入东道国制度变量的结果。

根据第(2)(3)列的回归结果,无论无效率项中是否加入东道国制度变量,融资约束变量(FC)均在1%的水平上与企业海外投资效率显著负相关,且系数大约维持在-0.117左右的水平,表明企业融资能力越强,企业偏离海外投资最优值的幅度越小,企业的海外投资效率越高;反之,融资约束压力越大,企业的海外投资效率越低。造成这种现象的原因可能在于:一方面,投资最优水平所需资金不足。企业投资首选的内部融资虽然成本最低,但是很可能出现现金存量和经营性现金流量不足的情况,而外部融资又会因信息不对称造成投资者提高外源融资成本,两种情况均会导致企业被迫放弃有利的投资机会,实际投资额低于最优水平,发生海外投资效率损失;另一方面,生产率下降。融资约束会影响企业研发和人力资本的投入,导致研发中断、人才流失,制约其生产率的提高[12]。由于生产率与企业对外直接投资集约边际正向相关[2],故生产率下降会导致实际投资额减少,偏离最优水平。

前沿面变量的回归结果进一步表明,第一,东道国人均GDP水平(LnPGDP_H)对企业海外投资额呈显著的负向影响,表明中国企业更倾向于在收入水平较低的国家(或地区)进行规模更大的投资。这一结果虽与引力模型假说不同,但是Fan等认为,高人均GDP通常意味着高生产成本,从这个意义上说,东道国的发展水平也可能带来负向影响。同时,这与商务部《2018年中国对外直接投资统计公报》统计的中国海外投资事实相同:截至2018年末,中国在发展中经济体的海外投资存量为17 085.3亿美元,占比86.2%,远远高于投资于发达经济体12.3%的比重。第二,地理距离(LnDist)的影响为正,表明与地理距离毗邻的国家相比,中国企业在地理距离较远的国家(或地区)进行的海外投资数额较大。虽然这一结果与传统引力模型的结论相反,但是欧美等远距离国家稳定的经济发展水平、较高的企业生产率和良好的投资环境,近年来仍然吸引了大量中国企业前去投资。第三,企业营业收入增长率(Growthit-1)的影响方向始终为正,说明盈利能力的提高对促进企业海外投资具有积极的影响。第四,企业年龄(Ageit-1)对海外的影响显著为正,说明企业成立时间越久,其海外投资额越大。第五,货币资金比率(Cashit-1)对海外投资额的影响显著为负,可能的原因是:一般来说,货币资金在总资产中占比的合理区间为15%～25%,可以满足企业日常支付及投资的资金需求,但该比率过高会造成资金闲置,影响企业的增值能力及收益,从而不利于后续投资。第六,企业股票投资回报率(ROEit-1)对海外投资额的影响显著为负。可能的原因在于,若企业利润主要由政府补贴、债务重组或股权重组构成,或企业财务结构主要由负债构成,则企业的经营效果差,利润质量低,由此表现出的高水平净资产回报率并不能带来相应高水平的新增投资额,甚至带来反作用。

(二)稳健性检验

为保证回归结果的稳定性,本文选用以下三种方法进行稳健性检验。

1.更换融资约束指标

企业融资约束指标的衡量方法多样,为避免指标选取对基准回归结果产生影响,本文借鉴刘莉亚等的做法,选择SA指数衡量企业融资约束水平[9]。依据该指数创立者Hadlock和Pierce的说明,该指数值越大,企业面临的融资约束越严重[19]。根据表3所汇报的结果,SA指数越大,即企业面临的融资约束越严重,无效率水平也越高,海外投资效率越低。这与前文融资约束综合指标的回归结果相同,表明融资约束对企业海外效率的抑制作用未受到融资约束指标构建方法的影响,基准估计结果稳定。

2.剔除避税地海外观测值

为消除基于避税动机进行的投资行为对回归结果的影响,删除了投资于香港地区、巴拿马、阿曼群岛等避税地的观测值,回归结果如表3所示。在剔除避税地样本后,回归结果仍然与基准回归结果相似。

3.分位数回归

采用分位数回归考察不同程度融资约束对企业海外投资效率的影响,企业海外投资效率值由基准回归模型计算得到,回归结果如表4所示。

从表4可以看出,在所有分位数水平上,融资约束综合指标都与海外投资效率呈正向关系,且均在1%的水平上显著,表明融资约束能力越强、约束程度越小,其投资效率越高,基准回归结果依然稳健。同时,在10%、25%、50%、75%和90%分位数上,融资约束估计系数呈现递减趋势,即企业融资约束程度越大,融资约束对海外投资效率的抑制作用越大,表明融资约束对海外投资效率的抑制作用随融资约束的缓解而降低。

表4 稳健性检验:分位数回归

(三)异质性考察

为了考察基准回归结果在企业异质性特征下是否依然显著,以及影响结果是否会出现异质性差异,本文依据企业所有制、投资区位和产业类型进行分组检验,结果如表5所示。

表5 融资约束与企业异质性

1.基于所有制性质

表5首先汇报了非国有企业和国有企业融资约束对海外投资效率影响的回归结果。分样本的回归结果与全样本结果一致,均在1%的水平上呈现出负向关系,其中,非国有企业海外投资效率对融资约束的敏感度高于国有企业,但国有企业的敏感系数不显著。究其原因,国有企业较之非国有企业更易获得各种融资支持[20],虽其分项指标衡量的融资能力均值不及非国有企业,但其融资约束问题能够通过各种渠道顺利解决,从而造成融资约束作为无效率因素的作用不显著。

2.基于投资区位

表5的估计结果表明,不管是否投资于“一带一路”沿线国家,融资约束均对海外投资效率具有负向效应,与全样本结果保持一致。但是,通过比较回归系数的绝对值可知,中国企业投资于“一带一路”沿线国家时,其海外投资效率对融资约束的敏感性显著低于非沿线国家。究其原因,与投资非沿线国家相比,除了企业融资约束问题外,包括政治稳定性、政府监管效率、经济自由度、营商环境等制度因素在内的东道国制度环境也是造成企业投资“一带一路”沿线国家效率损失的重要因素[4]。

3.基于企业所属产业

不同产业的资本密集度不同,对融资约束的敏感性也必然存在差异。由于第一产业的样本量仅为36,无法进行MLE估计,因此仅对第二、三产业进行回归估计。同时,因制造业在第二产业投资记录中的占比高达87.18%,故将其也纳入分析。表5的结果显示,融资约束对第二产业(包括制造业)和第三产业的企业海外投资效率均具有显著的负向影响,产业异质性不影响全样本回归结果的稳健性。其中,第二产业中制造业企业的海外投资效率对融资约束的敏感性更大,这可能是由产业性质造成的:制造业在海外投资过程中资金投入规模大,投资占比高达34.70%,高于第三产业(31.90%),融资需求十分强烈。因此,企业投资效率对其自身融资能力具有较强的敏感性。

五、进一步讨论:政府补贴的调节作用

为了缓解海外投资企业的融资约束问题,鼓励企业“走出去”,中国政府采取了一系列措施,其中与其他发展中国家相似的是,政府补贴也成为政府扮演“扶持之手”最直接的手段。对此,本文将进一步考察政府补助是否在提高海外投资效率方面发挥了调节性作用,以及融资约束与政府补助共同作用下的净效应。

(一)双边随机前沿模型

针对融资约束对海外投资效率的影响,在考察政府补贴(Subsidyit)的调节作用时,需要考虑二者对效率的反方向作用及其净效应,故使用双边随机前沿模型。该模型设定如下:

(7)

OFDIijt=β0+β1PGDPit+β2PGDPjt+β3Disij+β4Growthit-1+β5Levit-1+β6Cashit-1+β7Ageit-1+

β8ROEit-1+∑Year+∑Industry+ωijt-uijt+νijt

(8)

(9)

(10)

基于上述设定复合扰动项εijt的概率密度函数f(εijt)可以表示为如下形式:

(11)

其中,φ(·)和Φ(·)分别为标准正态分布的概率密度函数和累积分布函数,其他参数aijt、bijt、cijt和dijt设定如下:

(12)

基于此,可以构建样本观测值对应的极大似然估计的对数似然函数:

lnL(xijt,θ)=-nln(σu+σω)+ln[eaijtΦ(cijt)+ebijtΦ(dijt)]

(13)

其中,θ=(β,σu,σw,σv)为待估计参数。对式(13)求最大值即可得到待估参数的最大似然估计。考察两种影响的净效应,需推导ωijt和uijt的条件分布f(ωijt|εijt)和f(uijt|εijt):

(14)

(15)

其中,λ=1/σu+1/σω。进一步,根据式(13)推导条件期望可以得到融资约束、政府补贴对海外投资效率的相对影响效应:

(16)

(17)

其中,E(1-e-uijt|εijt)和E(1-e-ωijt|εijt)分别反映了企业实际海外投资额在融资约束和政府补贴影响下负效应和正效应的变动百分比,分别记为EFC和EGS。基于此,可以得出二者对海外投资效率的净效应(NE):

NE=EGS-EFC=E(e-uijt-e-ωijt|εijt)

(18)

该结果为融资约束与政府补贴两种因素相互抵消后企业海外投资实际额相对最优水平偏离百分比的净值。若NE>0,表明正向偏离大于负向偏离,即现有融资约束和政府补贴共同作用下,中国企业海外投资过度;反之,则说明二者共存时,中国企业海外投资不足。

(二)政府补贴调节效应与二者净效应

融资约束与政府补贴均反映了企业在投资过程中的融资问题,究竟哪种变量对海外投资的影响更为突出,需要依据模型回归结果做出判断。根据式(16)、(17)和(18),采用极大似然法估计式(8)并测度双边净效应,其结果分别见表6、表7和表8。

表6 双边随机前沿模型回归

表7 全样本方差分解

首先,由表6的全样本双边随机前沿回归结果可知,政府补贴对融资约束发挥了正向调节作用,且在1%的水平上显著。究其原因,其一,政府补贴本身可以为企业提供直接的资金来源,在带来大量现金流入、缓解融资约束的同时,也降低了后续融资的不确定性;其二,流向研发环节的资金便于企业证明技术有效性,提高外部融资可能性;其三,补贴项目得到政府批准,在一定程度上为项目质量提供了积极的认证效应,能够引导其他金融机构为企业提供进一步的融资帮助。

表8 融资约束与政府补助的效应

最后,表8进一步报告了全样本和所有制、投资区位和投资产业分样本下的净效应测算结果。在全样本企业中,融资约束对企业海外投资效率产生57.98%的负向效应,政府补贴则对此有所缓解,对效率产生了50.51%的正向影响,二者的净效应为7.47%。其中,仅有前25%的样本企业,政府补贴缓解了融资约束的抑制作用,净效应达到了10.12%。上述结果表明,在现阶段中国海外投资企业所获得的政府补贴未能完全缓解融资约束对海外投资效率的抑制作用,海外投资不足的问题比较突出,未达到最优水平。

在所有制分样本中,就均值而言,非国有企业的政府补贴缓解效应不及国有企业,这一结果在净效应的所有分位数上也同样表现得淋漓尽致。这表明与国有企业相比,非国有企业的融资约束问题普遍未能通过获取政府补贴得到较大程度的缓解。在投资区位分样本中,投资于“一带一路”沿线国家的企业净效应值为-8.66%,略低于非沿线国家的6.72%。尽管如此,中国企业在政府补贴的缓解效应下,对“一带一路”沿线国家的实际投资相对最优水平的偏离幅度已大大减小。从分位数结果可以进一步看出,尽管所有分位数上沿线国家的融资约束负效应均高于非沿线国家,但是其政府补贴的正效应也同样高于后者,其中约25%的企业的净效应值大于非沿线国家。在产业分样本中,第二产业的政府补贴缓解效应在所有分组中最强,净效应仅为8.66%,其中第二产业中的制造业缓解作用最弱(15.19%)。

六、结论与政策建议

本文在拓展Richardson模型和传统随机前沿模型的基础上,采用2004—2018年Zephyr跨国并购数据库、fDi Markets绿地投资数据库和Wind数据库的匹配数据,考察了融资约束对中国企业海外投资效率的影响,并讨论了政府补贴所发挥的调节作用以及二者的净效应。实证结果表明:第一,融资约束对中国企业海外投资效率具有显著的抑制作用,且该抑制作用具有异质性特征,即非国有企业、制造业企业和在非沿线国家投资的企业,其海外投资效率对融资约束的敏感性相对较高,即效率变动更易受融资约束水平的影响。第二,政府补贴可以部分缓解融资约束对海外投资效率的抑制作用,但并未消除该影响。平均而言,在二者的双重作用下,中国企业海外投资低于最优水平,效率损失值为7.47%。第三,政府补贴的缓解效应亦存在异质性。国有企业、制造业企业和在非沿线国家投资的企业,其所获政府补贴产生的缓解作用更好,海外投资效率相对较高。

本文研究结论的政策含义在于:

对企业而言,进行海外投资时应重视融资约束问题,增强融资能力,以便提升海外投资效率。尤其是当企业为非国有企业或制造业企业时,应更加关注融资过程,从内源融资、外源融资和盈利能力三方面着手,即控制现金存量比率使其维持在合理范围,增强企业信誉及长、短期偿债能力,提高盈利水平注重企业发展前景,从而提升自身综合融资能力,并最终将其转化为海外投资效率的提升优势。

对政府而言,其一,政府补贴能够部分缓解融资约束对效率的抑制作用,对企业提高海外投资效率具有积极影响。尽管有四分之一的企业因政府补贴的缓解作用实现了正的净效应,但整体而言,中国企业的海外投资仍未达到最优水平。因此,政府应继续为“走出去”企业提供融资帮助,同时也应建立完善的补贴机制,尽可能准确地识别不同企业融资能力及其融资约束程度,提供有针对性的补贴金额,从而实现有限补贴资金配置范围内海外投资效率的整体提升。其二,非国有企业是中国践行“走出去”战略的主要力量,2018年非国有企业的投资占比高达62.3%,但其政府补贴的缓解效应明显低于整体平均水平,再次说明政府补贴的发放应重视非国有企业,进一步实现资金的优化配置。其三,政府补贴对不同产业性质的企业缓解效应各不相同,因此政府补贴金额的设置还应充分考虑到行业性质对融资的要求,充分发挥政府补贴对海外投资效率的积极影响。