張強(qiáng)，俞培果（西南科技大學(xué)經(jīng)濟(jì)管理學(xué)院，四川省綿陽(yáng)市，621000）

?

智能工業(yè)負(fù)債融資與企業(yè)績(jī)效實(shí)證研究

張強(qiáng)，俞培果
（西南科技大學(xué)經(jīng)濟(jì)管理學(xué)院，四川省綿陽(yáng)市，621000）

摘 要：本文以2012至2014年滬深股市39公司家為研究對(duì)象，對(duì)各公司20個(gè)反映企業(yè)績(jī)效的財(cái)務(wù)指標(biāo)進(jìn)行因子分析，把最終得出的各公司的綜合績(jī)效得分作為因變量，與作為自變量的負(fù)債相關(guān)變量建立面板數(shù)據(jù)模型，對(duì)整體的智能工業(yè)負(fù)債融資與企業(yè)績(jī)效進(jìn)行實(shí)證研究。研究結(jié)果顯示：主要結(jié)論資產(chǎn)負(fù)債率與企業(yè)績(jī)效呈負(fù)相關(guān)，并呈二次函數(shù)關(guān)系；呈倒“U”型結(jié)構(gòu)；短、長(zhǎng)期負(fù)債率分別與企業(yè)績(jī)效呈正、負(fù)相關(guān)關(guān)系。因此，智能工業(yè)相關(guān)企業(yè)應(yīng)當(dāng)積極調(diào)整自身的資本結(jié)構(gòu)，構(gòu)建合理的負(fù)債結(jié)構(gòu)，提高自身的企業(yè)效益和促進(jìn)整體行業(yè)的良性發(fā)展；同時(shí)，本文的研究結(jié)果也可以為地方政府調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，工業(yè)升級(jí)改造提供一定的借鑒意義。

關(guān)鍵詞：智能工業(yè)；負(fù)債融資；企業(yè)績(jī)效；因子分析；面板數(shù)據(jù)模型

一、引言

經(jīng)過(guò)改革開(kāi)放30多年的高速發(fā)展，我國(guó)的制造業(yè)取得了長(zhǎng)足的進(jìn)步，成為了世界制造業(yè)大國(guó)，但伴隨著人口紅利的消失和世界需求市場(chǎng)的萎縮，我國(guó)的制造業(yè)面臨著巨大的挑戰(zhàn)。隨著技術(shù)的發(fā)展，世界制造業(yè)強(qiáng)國(guó)紛紛掀起再工業(yè)化的浪潮，工業(yè)4.0時(shí)代已經(jīng)悄然到來(lái)，也就是“互聯(lián)網(wǎng)+工業(yè)”的生產(chǎn)制造模式。我國(guó)頒布了中國(guó)版的“工業(yè)4.0”規(guī)劃——《中國(guó)制造2025》，并上升到了國(guó)家戰(zhàn)略高度。在這場(chǎng)新的工業(yè)革命進(jìn)程中，智能工業(yè)產(chǎn)業(yè)發(fā)展的質(zhì)量直接決定了我國(guó)未來(lái)制造業(yè)整體發(fā)展的狀況。所謂智能工業(yè)，是從嵌入式系統(tǒng)向信息物理融合系統(tǒng)（CPS）發(fā)展的技術(shù)進(jìn)化［1］，是實(shí)現(xiàn)物體、數(shù)據(jù)以及服務(wù)等無(wú)縫連接的互聯(lián)網(wǎng)絡(luò)（物聯(lián)網(wǎng)、數(shù)據(jù)網(wǎng)和服務(wù)互聯(lián)網(wǎng)），通過(guò)將嵌入式系統(tǒng)生產(chǎn)技術(shù)與智能生產(chǎn)過(guò)程相結(jié)合，將給工業(yè)領(lǐng)域、生產(chǎn)價(jià)值鏈、業(yè)務(wù)模式帶來(lái)根本性變革。同歷次工業(yè)革命一樣，技術(shù)創(chuàng)新和金融資本將在工業(yè) 4.0 時(shí)代扮演核心驅(qū)動(dòng)力的作用［2］。本文所研究的對(duì)象均是目前我國(guó)制造工業(yè)用智能設(shè)備，提供相應(yīng)系統(tǒng)集成和軟件服務(wù)的上市企業(yè)，這些企業(yè)當(dāng)前的資本結(jié)構(gòu)狀況，尤其是負(fù)債融資與企業(yè)績(jī)效之間的相互關(guān)系，以及是否存在合理的負(fù)債區(qū)間，直接關(guān)系到我國(guó)制造業(yè)未來(lái)的發(fā)展水平與質(zhì)量。負(fù)債融資與企業(yè)績(jī)效的相關(guān)研究較為豐富，本文將在相關(guān)理論的支撐下，借鑒眾多學(xué)者的實(shí)證研究成果，探討智能工業(yè)企業(yè)負(fù)債融資與企業(yè)績(jī)效之間的關(guān)系。

二、文獻(xiàn)綜述與研究假設(shè)

1.相關(guān)理論研究回顧

Modigliani和Miller（1958）［3］在嚴(yán)苛和理想的條件下論證了企業(yè)價(jià)值和資本結(jié)構(gòu)無(wú)關(guān)，這也標(biāo)志著現(xiàn)代資本結(jié)構(gòu)理論的誕生。眾多學(xué)者在M&M理論的基礎(chǔ)上，繼續(xù)進(jìn)行了更深入的研究，放寬嚴(yán)苛的完全市場(chǎng)假設(shè)條件，結(jié)合現(xiàn)實(shí)因素和與其他相關(guān)學(xué)科相交融，相繼產(chǎn)生了權(quán)衡理論、代理理論和信號(hào)傳遞理論。權(quán)衡理論又稱為最優(yōu)融資結(jié)構(gòu)理論，該理論認(rèn)為公司負(fù)債的增加會(huì)給公司帶來(lái)“稅盾”效應(yīng)，但伴隨著“稅盾”效應(yīng)的增大，公司的破產(chǎn)成本和代理成本也會(huì)隨之上升，當(dāng)“稅盾”效應(yīng)和相關(guān)成本相等時(shí)，公司存在最優(yōu)資本結(jié)構(gòu)。Jensen&Meckling（1976）［4］開(kāi)創(chuàng)了代理理論研究，代理理論旨在追求緩解股東、代理人和債權(quán)人之間的沖突，并最終達(dá)成一種最佳的契約關(guān)系，通過(guò)權(quán)衡債務(wù)代理成本與債務(wù)融資利益確定最優(yōu)資本結(jié)構(gòu)，從而提高公司的經(jīng)營(yíng)績(jī)效。Myers和Majluf（1984）［5］在除信息不對(duì)稱外，金融市場(chǎng)是完全的假設(shè)條件下推出了有序融資理論，該理論認(rèn)為公司融資應(yīng)當(dāng)首先選擇內(nèi)部融資，當(dāng)需要外部融資時(shí)優(yōu)先選用債務(wù)融資，股權(quán)融資是最后選擇。

我國(guó)學(xué)者根據(jù)我國(guó)獨(dú)特的資本市場(chǎng)環(huán)境，也產(chǎn)生了一些符合我國(guó)現(xiàn)狀的研究成果。張維迎（1996）［6］通過(guò)對(duì)中國(guó)的市場(chǎng)研究后得出，資本結(jié)構(gòu)是公司治理中非常重要的一個(gè)方面，股權(quán)融資和負(fù)債融資的科學(xué)組合能夠改善公司的治理結(jié)構(gòu)，同時(shí)他認(rèn)為公司治理的有效性主要取決于負(fù)債融資的比例。張昌彩（1998）［7］認(rèn)為，我國(guó)的證券市場(chǎng)仍舊處于發(fā)展中的初級(jí)階段，應(yīng)當(dāng)充分發(fā)展企業(yè)的債券市場(chǎng)，因?yàn)閭谫Y比股權(quán)融資有更加積極的激勵(lì)機(jī)制和更少的道德風(fēng)險(xiǎn)，負(fù)債融資比股權(quán)融資有更低的融資成本。所以，應(yīng)當(dāng)大力發(fā)展企業(yè)負(fù)債融資比例，以優(yōu)化企業(yè)融資結(jié)構(gòu)和完善公司治理結(jié)構(gòu)。連建輝（2002）［8］認(rèn)為，要高度重視融資結(jié)構(gòu)在公司治理中的作用，尤其是充分發(fā)揮債務(wù)在解決我國(guó)產(chǎn)業(yè)規(guī)模過(guò)剩中的作用，通過(guò)深化金融體制改革，硬化債務(wù)和破產(chǎn)清算對(duì)企業(yè)的約束解決我國(guó)經(jīng)濟(jì)結(jié)構(gòu)中產(chǎn)能過(guò)剩等問(wèn)題。樊洪（2013）［9］通過(guò)研究認(rèn)為，我國(guó)上市公司總體負(fù)債水平正向影響企業(yè)多元化，其中資產(chǎn)替代效應(yīng)對(duì)資本結(jié)構(gòu)多元化有正向影響，債務(wù)積壓效應(yīng)、風(fēng)險(xiǎn)規(guī)避效應(yīng)和債務(wù)治理效應(yīng)對(duì)資本結(jié)構(gòu)多元化有負(fù)向影響；相比相關(guān)多元化，企業(yè)總體負(fù)債水平對(duì)非相關(guān)多元化的有更強(qiáng)的正向影響；相比銀行借款，商業(yè)信用對(duì)企業(yè)多元化正向影響更強(qiáng)；銀行借款對(duì)國(guó)有企業(yè)有更強(qiáng)的正向影響，商業(yè)信用對(duì)非國(guó)有企業(yè)有更強(qiáng)的正向影響。牛成、倪古強(qiáng)和白霞祖（2014）［10］通過(guò)研究分析得出，負(fù)債融資不僅能夠引起股東或者經(jīng)理產(chǎn)生投資不足行為，而且也能有效制約企業(yè)的過(guò)度投資行為，結(jié)合我國(guó)普遍存在的過(guò)度投資的現(xiàn)狀，從負(fù)債期限結(jié)構(gòu)對(duì)企業(yè)過(guò)度投資展開(kāi)相關(guān)分析，研究認(rèn)為短期負(fù)債在治理過(guò)度投資反而更有優(yōu)勢(shì)。

2.相關(guān)實(shí)證研究回顧

國(guó)內(nèi)外學(xué)者在相關(guān)理論的基礎(chǔ)上結(jié)合研究對(duì)象的現(xiàn)狀，運(yùn)用不同的量化方法進(jìn)行了大量的實(shí)證研究，驗(yàn)證和探討二者之間的相互關(guān)系。

Frank和Goyal［11］應(yīng)用多重插補(bǔ)法對(duì)美國(guó)5 0年間2 0萬(wàn)個(gè)觀察變量進(jìn)行實(shí)證研究，得出企業(yè)績(jī)效與負(fù)債比率呈負(fù)相關(guān)。Akhtar（2005）［12］通過(guò)研究國(guó)有公司和跨國(guó)公司得出，公司規(guī)模、成長(zhǎng)能力和盈虧能力與財(cái)務(wù)杠桿呈顯著的相關(guān)關(guān)系。Margaritis&Psillaki［13］研究認(rèn)為資產(chǎn)負(fù)債率與企業(yè)績(jī)效存在二次非線性函數(shù)關(guān)系，呈現(xiàn)倒 U 型結(jié)構(gòu)。Carmen（2011）［14］對(duì)37個(gè)國(guó)家1990-2004年間的數(shù)據(jù)運(yùn)用面板數(shù)據(jù)加以實(shí)證分析，結(jié)果顯示：所研究國(guó)家的資產(chǎn)負(fù)債率在向目標(biāo)資產(chǎn)負(fù)債率調(diào)整，英美等發(fā)達(dá)國(guó)家因?yàn)楦叨韧该骱桶l(fā)達(dá)的金融市場(chǎng)，其調(diào)整的速度要更快，而其他國(guó)家調(diào)整的速度相對(duì)就較為緩慢。Atiyet和Amor（2012）［15］以1999～2005年法國(guó)上市的企業(yè)為研究樣本，通過(guò)面板數(shù)據(jù)分析后得出內(nèi)部資金短缺是發(fā)行新債的驅(qū)動(dòng)力，企業(yè)在籌集資金遵循優(yōu)序理論原則。

我國(guó)學(xué)者采用量化研究方法的起步較晚，但也取得了較為豐碩的實(shí)證研究成果。陸正飛和辛宇（1998）［16］通過(guò)實(shí)證分析得出，不同行業(yè)有顯著的資本結(jié)構(gòu)差異，長(zhǎng)期負(fù)債比率與企業(yè)的獲利能力存在顯著的負(fù)相關(guān)關(guān)系，企業(yè)規(guī)模和成長(zhǎng)性等因素對(duì)資本結(jié)構(gòu)的影響不顯著。馮根福等（2000）［17］對(duì)中國(guó)上市公司相關(guān)數(shù)據(jù)運(yùn)用主成分法和多元回歸分析方法進(jìn)行實(shí)證分析，最終結(jié)果顯示，公司的盈利能力和資產(chǎn)負(fù)債率、短期負(fù)債率呈顯著的負(fù)相關(guān)關(guān)系。張慧和張茂德（2003）［18］以300家上市公司為研究樣本，研究負(fù)債融資結(jié)構(gòu)和企業(yè)績(jī)效的關(guān)系，研究結(jié)果顯示：商業(yè)信用和企業(yè)績(jī)效呈正相關(guān)關(guān)系；短期負(fù)債和長(zhǎng)期負(fù)債與企業(yè)績(jī)效呈負(fù)相關(guān)關(guān)系。田龍瑩和張世銀（2006）［19］運(yùn)用面板數(shù)據(jù)對(duì)電力行業(yè)負(fù)債融資與企業(yè)績(jī)效的影響進(jìn)行實(shí)證分析，分析結(jié)果顯示：負(fù)債融資與企業(yè)績(jī)效呈倒“U”型關(guān)系，存在非線性相關(guān)關(guān)系，存在最優(yōu)的資本結(jié)構(gòu)。董黎明（2007）［20］對(duì)銀行借款和企業(yè)績(jī)效的關(guān)系進(jìn)行了研究，研究結(jié)果顯示：銀行借款和企業(yè)績(jī)效存在負(fù)相關(guān)關(guān)系；企業(yè)債券和企業(yè)績(jī)效存在較為顯著的正相關(guān)關(guān)系，說(shuō)明發(fā)行企業(yè)債券可以提高企業(yè)績(jī)效。趙恩興（2010）［21］以2007-2009年間滬深股市上市公司為研究對(duì)象，經(jīng)過(guò)研究發(fā)現(xiàn)：銀行貸款和商業(yè)信譽(yù)與企業(yè)績(jī)效都呈正相關(guān)關(guān)系，對(duì)企業(yè)的公司治理都有較為積極的影響作用；在此基礎(chǔ)上又進(jìn)一步分別對(duì)國(guó)有和非國(guó)有企業(yè)進(jìn)行了研究，銀行貸款對(duì)國(guó)有企業(yè)并不具有良好的治理效果，對(duì)非國(guó)有企業(yè)卻有比較良好的治理效果。牛冬梅（2011）［22］對(duì)制造業(yè)行業(yè)負(fù)債融資的公司治理效果進(jìn)行了實(shí)證研究，研究顯示：負(fù)債融資可以影響企業(yè)的公司治理效果，資產(chǎn)負(fù)債率與企業(yè)績(jī)效呈倒“U”型結(jié)構(gòu)。

3.研究假設(shè)

結(jié)合眾多學(xué)者的研究結(jié)果和智能工業(yè)領(lǐng)域的自身行業(yè)屬性，本文提出如下假設(shè)：

H1：企業(yè)績(jī)效和資產(chǎn)負(fù)債率呈負(fù)相關(guān)。我國(guó)金融、資本市場(chǎng)制度及各方面配套設(shè)施尚不健全，債券市場(chǎng)也不發(fā)達(dá)，企業(yè)債券發(fā)行較少，控制和治理債券融資的能力較弱，使得整體負(fù)債融資治理功能弱化，導(dǎo)致企業(yè)總體成本增加，公司績(jī)效隨之下降；其次，智能工業(yè)相關(guān)公司整體實(shí)力不是很強(qiáng)，大多都是處于成長(zhǎng)期的中小企業(yè)，并沒(méi)有達(dá)到資本結(jié)構(gòu)理論中成熟企業(yè)的水平。

H2∶智能工業(yè)資產(chǎn)負(fù)債率存在合理的負(fù)債區(qū)間，即公司績(jī)效和資產(chǎn)負(fù)債率之間存在二次非線性關(guān)系，且二次曲線呈倒“U”型。負(fù)債對(duì)企業(yè)來(lái)說(shuō)具有“稅盾”的作用，可以降低公司的成本和提高公司的利潤(rùn)，但當(dāng)“稅盾”帶給公司的好處小于公司的邊際破產(chǎn)成本時(shí)，負(fù)債將會(huì)給公司帶來(lái)負(fù)績(jī)效，當(dāng)邊際負(fù)債收益恰好與邊際破產(chǎn)成本相等時(shí)，企業(yè)的價(jià)值達(dá)到最大化，這時(shí)也達(dá)到了最佳資本結(jié)構(gòu)。

H3：企業(yè)績(jī)效與短期負(fù)債呈正相關(guān)。短期負(fù)債可以彌補(bǔ)企業(yè)現(xiàn)金流的不足，而且融資成本要小于長(zhǎng)期負(fù)債；其次，短期債務(wù)償還期限較短，給予企業(yè)一定的還款壓力，促使企業(yè)經(jīng)營(yíng)者改善公司的管理和提高企業(yè)的績(jī)效，以保證有充足的現(xiàn)金流償還債務(wù)。

H4：企業(yè)績(jī)效與長(zhǎng)期債務(wù)呈負(fù)相關(guān)。由于政策、制度等原因，中小企業(yè)獲取長(zhǎng)期債務(wù)的難度較大，成本較高，一旦資金鏈出現(xiàn)危機(jī)就會(huì)對(duì)企業(yè)績(jī)效產(chǎn)生負(fù)面的影響；較之于短期負(fù)債，對(duì)企業(yè)經(jīng)營(yíng)者的督促、約束較弱，經(jīng)營(yíng)者沒(méi)有很強(qiáng)烈的提高企業(yè)績(jī)效的積極性；我國(guó)公司的長(zhǎng)期債務(wù)大多是商業(yè)銀行借款，而我國(guó)商業(yè)銀行經(jīng)過(guò)改制的時(shí)間尚短，還未能充分擔(dān)當(dāng)起資本市場(chǎng)中應(yīng)當(dāng)承擔(dān)的角色，對(duì)相應(yīng)公司的約束力不強(qiáng)。

三、研究設(shè)計(jì)

1.數(shù)據(jù)來(lái)源和樣本選擇

本文以滬深股市概念股智能工業(yè)39家公司為研究對(duì)象，相關(guān)財(cái)務(wù)數(shù)據(jù)均來(lái)源于各公司歷年財(cái)務(wù)報(bào)表和相應(yīng)的金融研究網(wǎng)站。為保證結(jié)果的客觀性和科學(xué)性，剔除數(shù)據(jù)不全和2012年以后開(kāi)始上市的公司，最終得到39家公司2012年至2014年的117個(gè)觀察值。本文主要運(yùn)用SPSS統(tǒng)計(jì)分析軟件和EVIEWS計(jì)量經(jīng)濟(jì)分析軟件對(duì)樣本進(jìn)行實(shí)證分析。

2.變量定義和設(shè)計(jì)

以往外眾多學(xué)者在實(shí)證分析中把凈資產(chǎn)收益率或者市盈率等單一指標(biāo)作為因變量去衡量企業(yè)績(jī)效，這些單一的財(cái)務(wù)指標(biāo)僅僅衡量的是企業(yè)運(yùn)行狀態(tài)的某一方面，作為衡量企業(yè)績(jī)效指標(biāo)有其局限性和不科學(xué)性，最終可能導(dǎo)致實(shí)證結(jié)果可信度較低。本文參考國(guó)內(nèi)外眾多學(xué)者的實(shí)證研究方法，選取反映企業(yè)的盈利能力、營(yíng)運(yùn)能力、償債能力和增長(zhǎng)能力四個(gè)維度20個(gè)財(cái)務(wù)指標(biāo)作為企業(yè)績(jī)效考量指標(biāo)（如表1所示），將20個(gè)財(cái)務(wù)指標(biāo)因子分析得出的綜合績(jī)效得分作為本文實(shí)證分析的因變量。

表1　20個(gè)財(cái)務(wù)指標(biāo)一覽表

為考察負(fù)債融資與企業(yè)績(jī)效之間的關(guān)系，從期限結(jié)構(gòu)上對(duì)負(fù)債進(jìn)行了細(xì)分，同時(shí)為了避免各變量數(shù)量級(jí)差別過(guò)大而引起實(shí)證分析結(jié)果存在異方差等問(wèn)題，各變量值均為百分比數(shù)值。本文所選自變量為資產(chǎn)負(fù)債率、資產(chǎn)負(fù)債率平方、長(zhǎng)期負(fù)債率和短期負(fù)債率，資產(chǎn)負(fù)債率考量負(fù)債在總資產(chǎn)中所占的比重，其指標(biāo)度量用符號(hào)DAR表示，長(zhǎng)、短期負(fù)債率分別考量長(zhǎng)期負(fù)債和短期負(fù)債在總資產(chǎn)中所占的比重，分別用符號(hào)LDAR和SDAR表示，為了分析負(fù)債和企業(yè)績(jī)效間是否存在非線性二次函數(shù)關(guān)系，本文選擇資產(chǎn)負(fù)債率平方為自變量，其表示符號(hào)為DAR2。

考量因變量和自變量關(guān)系時(shí)，常常要受到其他潛變量的影響，也就是常說(shuō)的控制變量。影響因變量的因素眾多，除自變量外還有其他額外相關(guān)變量影響因變量，為考量因變量和自變量間真實(shí)的因果關(guān)系，需要在相關(guān)回歸模型中加入控制變量。本文加入取對(duì)數(shù)后的公司規(guī)模（防止回歸過(guò)程異方差的存在）、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率和速動(dòng)比率為控制變量，分別用符號(hào)LNSIZE、GROWN和ROC表示，相關(guān)變量設(shè)計(jì)情況如表二所示。

表2　模型所用變量指標(biāo)一覽表

3.所用理論模型及研究模型構(gòu)建

（1）因子分析

因子分析是從研究相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，將多個(gè)觀察變量轉(zhuǎn)換為少數(shù)幾個(gè)不相關(guān)的綜合指標(biāo)的多元統(tǒng)計(jì)方法。獲得的少數(shù)綜合指標(biāo)，能夠反映所要觀察對(duì)象的主要的信息，并能夠解釋觀察對(duì)象之間的相互關(guān)系。

因子分析的理論模型為：

用矩陣簡(jiǎn)記為

且滿足假設(shè)：

F是由（F1，F(xiàn)2…Fn）組成的公共因子矩陣，εi表示第i個(gè)觀察對(duì)象不能被n個(gè)公共因子線性解釋的部分，αin是代表變量和Xi和公共因子的相關(guān)系數(shù)，αin的絕對(duì)值越靠近1，則表示二者之間的相關(guān)性越強(qiáng)。一般來(lái)說(shuō)，因子負(fù)荷αin大于0.3表示公共因子有意義。

（2）面板數(shù)據(jù)分析

面板數(shù)據(jù)（panel Data）是截面數(shù)據(jù)與時(shí)間序列數(shù)據(jù)綜合起來(lái)的一種數(shù)據(jù)模型，是若干個(gè)截面研究對(duì)象在一段時(shí)間內(nèi)的樣本數(shù)據(jù)集合。面板數(shù)據(jù)模型可以針對(duì)大數(shù)量級(jí)的樣本提高估計(jì)量的抽樣精度，可以比單時(shí)間序列和截面序列模型獲得更多的動(dòng)態(tài)信息［24］。

根據(jù)自變量系數(shù)和截距項(xiàng)的限制不同，可以將面板數(shù)據(jù)類型分為三種：

①混合回歸模型（Pooled Regression Model）

混合回歸模型假設(shè)截距項(xiàng)αi和自變量系數(shù)βkit對(duì)于所有的截面?zhèn)€體成員都是相同的，其理論模型如下：

②變截距模型

變截距模型是截面序列個(gè)體在截距項(xiàng)αi不相同，自變量系數(shù)βkit相同，即假設(shè)研究個(gè)體在截距項(xiàng)受到影響而結(jié)構(gòu)系數(shù)變化，其理論模型如下：

③變系數(shù)模型

變系數(shù)模型是個(gè)體上截距項(xiàng)αi和自變量系數(shù)βkit都不相同，即在個(gè)體成員上既存在個(gè)體影響又存在結(jié)構(gòu)系數(shù)的變化，里理論模型如下：

其中K代表自變量的數(shù)量，N代表截面?zhèn)€體成員的個(gè)數(shù)，T代表截面成員的觀察時(shí)間數(shù)。

（3）本文研究模型構(gòu)建

基于面板理論模型和本文研究假設(shè)，可分別構(gòu)建如下數(shù)學(xué)模型：

①為研究資產(chǎn)負(fù)債率對(duì)企業(yè)績(jī)效的影響和確定二者間的函數(shù)關(guān)系，以及資產(chǎn)負(fù)債率對(duì)企業(yè)績(jī)效是正向影響或是負(fù)向影響，設(shè)計(jì)因子分析得出的綜合績(jī)效得分為因變量，以符號(hào)Y表示；自變量為資產(chǎn)負(fù)債率，以DAR表示；為增加模型的顯著性和擬合優(yōu)度，以公司規(guī)模、主營(yíng)業(yè)務(wù)增長(zhǎng)率和速動(dòng)比率為控制變量，分別以符號(hào)LNSIZE、GROWN和ROC表示，α表示面板數(shù)據(jù)的截距項(xiàng)，β代表對(duì)應(yīng)的解釋變量和控制變量的系數(shù)，μ代表面板數(shù)據(jù)模型中的隨機(jī)誤差項(xiàng)。構(gòu)建量化面板回歸模型如下所示：

②為研究資產(chǎn)負(fù)債率和企業(yè)績(jī)效的二次函數(shù)關(guān)系和確定是否存在合理的負(fù)債融資區(qū)間，設(shè)計(jì)因子分析得出的綜合績(jī)效得分為因變量，以符號(hào)Y表示；自變量為資產(chǎn)負(fù)債率和資產(chǎn)負(fù)債率的平方，以DAR和DAR2表示；以公司規(guī)模、主營(yíng)業(yè)務(wù)增長(zhǎng)率和速動(dòng)比率為控制變量，分別以符號(hào)LNSIZE、GROWN和ROC表示，α表示面板數(shù)據(jù)的截距項(xiàng)，β代表對(duì)應(yīng)的解釋變量和控制變量的系數(shù)，μ代表面板數(shù)據(jù)模型中的隨機(jī)誤差項(xiàng)。構(gòu)建量化面板回歸模型如下所示：

③為研究短期負(fù)債率對(duì)企業(yè)績(jī)效的影響和確定二者間的函數(shù)關(guān)系，以及短期負(fù)債率對(duì)企業(yè)績(jī)效是正向影響或是負(fù)向影響，設(shè)計(jì)因子分析得出的綜合績(jī)效得分為因變量，以符號(hào)Y表示；自變量為短期負(fù)債率，以SDAR表示；以公司規(guī)模、主營(yíng)業(yè)務(wù)增長(zhǎng)率和速動(dòng)比率為控制變量，分別以符號(hào)LNSIZE、GROWN和ROC表示，α表示面板數(shù)據(jù)的截距項(xiàng)，β代表對(duì)應(yīng)的解釋變量和控制變量的系數(shù)，μ代表面板數(shù)據(jù)模型中的隨機(jī)誤差項(xiàng)。構(gòu)建量化面板回歸模型如下所示：

④為研究長(zhǎng)期負(fù)債率對(duì)企業(yè)績(jī)效的影響和確定二者間的函數(shù)關(guān)系，以及長(zhǎng)期負(fù)債率對(duì)企業(yè)績(jī)效是正向影響或是負(fù)向影響，設(shè)計(jì)因子分析得出的綜合績(jī)效得分為因變量，以符號(hào)Y表示；自變量為短期負(fù)債率，以LDAR表示；以公司規(guī)模、主營(yíng)業(yè)務(wù)增長(zhǎng)率和速動(dòng)比率為控制變量，分別以符號(hào)LNSIZE、GROWN和ROC表示，α表示面板數(shù)據(jù)的截距項(xiàng)，β代表對(duì)應(yīng)的解釋變量和控制變量的系數(shù)，μ代表面板數(shù)據(jù)模型中的隨機(jī)誤差項(xiàng)。構(gòu)建量化面板回歸模型如下所示：

四、實(shí)證研究分析

1.因子分析

為驗(yàn)證20個(gè)財(cái)務(wù)指標(biāo)之間的相關(guān)性，確定是否有做因子分析的必要，對(duì)20個(gè)財(cái)務(wù)指標(biāo)進(jìn)行KMO統(tǒng)計(jì)量檢驗(yàn)，用于比較變量間簡(jiǎn)單相關(guān)系數(shù)矩陣和偏相關(guān)系數(shù)的指標(biāo)，其數(shù)學(xué)定義為：

凱瑟（kaiser）給出KMO度量標(biāo)準(zhǔn)：0.9以上非常適合，08-0.9之間較適合，0.7-0.8之間一般適，0.6～0.7之間較差，0.6表示不太適合，0.5以下表示樣本量偏小，需要擴(kuò)大樣本。樣本KMO統(tǒng)計(jì)量如表三所示，從表中可以看到各年份sig值均為0.00，檢驗(yàn)結(jié)果較為顯著，數(shù)據(jù)之間存在有一定的相關(guān)性，可以進(jìn)行因子分析。

經(jīng)過(guò)KMO統(tǒng)計(jì)檢驗(yàn)后，對(duì)樣本指標(biāo)運(yùn)用主成分法提取公共因子和因子旋轉(zhuǎn)，得出樣本指標(biāo)因子得分，以各因子的方差貢獻(xiàn)率權(quán)重和各因子得分的線性組合得到綜合評(píng)價(jià)指標(biāo)函數(shù)［23］：

表3　KMO統(tǒng)計(jì)檢驗(yàn)一覽表

其中wi為旋轉(zhuǎn)后因子的方差貢獻(xiàn)率，F(xiàn)i為提取后的公共因子得分，最終得分情況如表4所示。

表4　樣本綜合因子得分

2.面板數(shù)據(jù)回歸分析

在做面板數(shù)據(jù)回歸之前，必須要進(jìn)行單位根檢驗(yàn)、協(xié)整檢驗(yàn)、F統(tǒng)計(jì)檢驗(yàn)和Hausman檢驗(yàn)，以選擇合適的回歸模型，否則會(huì)出現(xiàn)偽回歸和變量解釋結(jié)果不真實(shí)。

本文所選時(shí)間序列時(shí)間周期為3年，截面序列選擇了39家上市公司，面板模型屬于時(shí)間序列較少而截面序列較多的“短而寬”面板模型，同時(shí)變量具有時(shí)間滯后性因素，因此本文中的時(shí)間序列可以認(rèn)為是平穩(wěn)的，無(wú)單位根，同時(shí)也是協(xié)整的。

在模型的選用上經(jīng)常采用通過(guò)F檢驗(yàn)決定是混合模型還是個(gè)體固定效應(yīng)模型，然后用Hausman檢驗(yàn)確定選擇固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。

模型選用和過(guò)程如下：

①F統(tǒng)計(jì)檢驗(yàn)

F統(tǒng)計(jì)檢驗(yàn)?zāi)Ｐ偷睦碚摷僭O(shè)為：

H0：αi=α0。不同個(gè)體的截距均相同（混合模型）

H1：模型中不同個(gè)體截距項(xiàng)αi不同（個(gè)體固定效應(yīng)模型）

F統(tǒng)計(jì)模型為：

其中RSSr表示約束模型，即混合模型的殘差平方和，RSSu表示非約束模型，即固定效應(yīng)模型的殘差平方和，N代表約束條件，T代表樣本容量，k代表模型中回歸參數(shù)個(gè)數(shù)。

若最終計(jì)算結(jié)果F＞F0.05（N，NT-N-k），則接受H1假設(shè)，選用個(gè)體固定效用模型。

②Hausman檢驗(yàn)

Hausman統(tǒng)計(jì)檢驗(yàn)?zāi)Ｐ偷睦碚摷僭O(shè)為：

H0：個(gè)體效應(yīng)與自變量無(wú)關(guān)（個(gè)體隨機(jī)效應(yīng)）

H1：個(gè)體效應(yīng)與自變量相關(guān)（個(gè)體固定效應(yīng)模型）

Hausman統(tǒng)計(jì)模型為：

其中β1為隨機(jī)效應(yīng)估計(jì)值，β1為固定效應(yīng)估計(jì)值，s（β1）2表示隨機(jī)效應(yīng)估計(jì)值下的標(biāo)準(zhǔn)差，s（β2）2表示固定效應(yīng)估計(jì)值下的標(biāo)準(zhǔn)差。

若H＞卡方分布臨界值，應(yīng)當(dāng)選用個(gè)體固定效應(yīng)模型。

F統(tǒng)計(jì)檢驗(yàn)和Hausman檢驗(yàn)的目的是獲得正確的面板數(shù)據(jù)模型。F統(tǒng)計(jì)檢驗(yàn)的假設(shè)是模型中不同的個(gè)體截距相同（混合模型），若檢驗(yàn)不通過(guò)，則建立個(gè)體固定效應(yīng)模型；Hausman檢驗(yàn)的假設(shè)是個(gè)體效應(yīng)和解釋變量無(wú)關(guān)（個(gè)體隨機(jī)效應(yīng)模型），若檢驗(yàn)不通過(guò)，則接受模型是個(gè)體固定效應(yīng)模型。本文所用模型F統(tǒng)計(jì)檢驗(yàn)和Hausman檢驗(yàn)如表5所示。

從表5中檢驗(yàn)結(jié)果可以看到，各模型個(gè)體都未通過(guò)F檢驗(yàn)和Hausman檢驗(yàn)，時(shí)間通過(guò)F檢驗(yàn)，所以本文中面板數(shù)據(jù)模型均采用個(gè)體固定效應(yīng)模型。

3.量化回歸結(jié)果分析

（1）描述性統(tǒng)計(jì)分析

負(fù)債結(jié)構(gòu)整體描述性統(tǒng)計(jì)情況如表6所示。

從表6中可以看到智能工業(yè)相關(guān)企業(yè)因經(jīng)營(yíng)效益和規(guī)模大小的差異，導(dǎo)致企業(yè)負(fù)債情況及負(fù)債結(jié)構(gòu)差異較大。行業(yè)整體負(fù)債率為0.3835，負(fù)債融資所占比重較小，與我國(guó)上市公司整體偏好股權(quán)融資狀況一致。短、長(zhǎng)期負(fù)債行業(yè)平均值分別為0.3389和0.0614，短期負(fù)債較之長(zhǎng)期負(fù)債所占比重過(guò)大，負(fù)債融資從期限結(jié)構(gòu)來(lái)看并未處于合理結(jié)構(gòu)狀態(tài)。從智能工業(yè)整體行業(yè)描述性統(tǒng)計(jì)分析可知，當(dāng)前該行業(yè)整體偏好股權(quán)融資，與當(dāng)前我國(guó)股票市場(chǎng)融資成本較低，債券資本市場(chǎng)和代理人市場(chǎng)不健全有關(guān)；短、長(zhǎng)期負(fù)債所占比重失衡，一方面是當(dāng)前智能工業(yè)整體行業(yè)規(guī)模較小，自身實(shí)力較弱，無(wú)法依靠自身商業(yè)信譽(yù)發(fā)行企業(yè)債券，另一方面是短期債務(wù)融資成本相對(duì)較低，能夠快速緩解企業(yè)資金鏈壓力。縱觀負(fù)債結(jié)構(gòu)統(tǒng)計(jì)分析結(jié)果可知，我國(guó)智能工業(yè)整體資本結(jié)構(gòu)和負(fù)債結(jié)構(gòu)不合理，與眾多學(xué)者相關(guān)理論和實(shí)證分析得出的最優(yōu)負(fù)債融資有較大不同，與發(fā)達(dá)國(guó)家相對(duì)合理的負(fù)債融資有較大差距。

表5　F統(tǒng)計(jì)檢驗(yàn)和Hausman檢驗(yàn)一覽表

表6　描述性統(tǒng)計(jì)分析

（2）回歸結(jié)果分析

在以上模型選擇驗(yàn)證的基礎(chǔ)上展開(kāi)量化回歸分析，因?yàn)楦鹘孛孀兞繑?shù)量級(jí)別的差距，在回歸過(guò)程中會(huì)引起異方差，影響最終的回歸結(jié)果，所以各模型在回歸過(guò)程中添加Cross-section weights方法，即截面加權(quán)的估計(jì)方法。各模型回歸結(jié)果如表7所示。

①四個(gè)回歸模型的R2值分別為0.915831、0.945869、0.926863、0.928592，說(shuō)明各回歸模型擬合程度很好，同時(shí)各模型校正判定系數(shù)也較高，自變量對(duì)因變量解釋程度較高，各模型控制變量T統(tǒng)計(jì)檢驗(yàn)顯著，都與因變量呈現(xiàn)正相關(guān)關(guān)系，四個(gè)模型F統(tǒng)計(jì)值均通過(guò)了檢驗(yàn)，因此各回歸模型總體上是顯著的。

②從模型一相關(guān)數(shù)據(jù)看到，DAR變量T統(tǒng)計(jì)檢驗(yàn)值為-3.381683，說(shuō)明企業(yè)負(fù)債與企業(yè)績(jī)效存在負(fù)相關(guān)關(guān)系，即所考察智能工業(yè)相應(yīng)上市公司提高其資產(chǎn)負(fù)債率，其公司績(jī)效與之呈明顯的下降趨勢(shì)。未達(dá)到優(yōu)序融資理論所要求的資本結(jié)構(gòu)狀態(tài)，沒(méi)能合理利用增加負(fù)債給公司帶來(lái)稅盾效應(yīng)，增加負(fù)債所形成的成本超過(guò)了其產(chǎn)生的正效應(yīng)，實(shí)證分析結(jié)果證明了理論假設(shè)的成立。

③從模型二中看到，DAR2通過(guò)了T統(tǒng)計(jì)檢驗(yàn)，其值為-3.510486，說(shuō)明企業(yè)績(jī)效和資產(chǎn)負(fù)債率呈非線性二次函數(shù)關(guān)系，呈現(xiàn)較為明顯的倒“U”形結(jié)構(gòu)，與眾多學(xué)者和本文理論假設(shè)相符合。整體行業(yè)負(fù)債在一定的負(fù)債區(qū)間內(nèi)時(shí)，企業(yè)績(jī)效隨負(fù)債的增加而提高，當(dāng)超過(guò)臨界值時(shí)，企業(yè)績(jī)效隨負(fù)債的增加而降低， 智能工業(yè)整體行業(yè)存在最優(yōu)資本結(jié)構(gòu)。從模型一中的分析可知，當(dāng)前該產(chǎn)業(yè)并未充分利用負(fù)債財(cái)務(wù)杠桿作用所帶來(lái)的積極效果，需要相關(guān)企業(yè)在當(dāng)前的資本市場(chǎng)條件下，健全財(cái)務(wù)管理和企業(yè)經(jīng)營(yíng)，達(dá)到最優(yōu)的負(fù)債融資狀態(tài)。

表7　回歸結(jié)果一覽表

④在回歸模型三中，SDAR變量T統(tǒng)計(jì)檢驗(yàn)值為2.544748，表明短期負(fù)債和企業(yè)績(jī)效存在正相關(guān)關(guān)系，和本文中相關(guān)理論假設(shè)相符合，說(shuō)明智能工業(yè)整體行業(yè)隨著短期負(fù)債率的提高，整體行業(yè)企業(yè)績(jī)效也隨之升高。短期負(fù)債融資有其自身優(yōu)點(diǎn)，能夠緩解財(cái)務(wù)危機(jī)和提高資金流動(dòng)性，但短期負(fù)債所占比重過(guò)高從另一方面也反映了企業(yè)經(jīng)營(yíng)“短視”和“不激進(jìn)”，未來(lái)可成長(zhǎng)型和競(jìng)爭(zhēng)力不強(qiáng)。所以，高短期負(fù)債率與企業(yè)績(jī)效的積極效應(yīng)并不能說(shuō)明整體行業(yè)資本結(jié)構(gòu)狀態(tài)的合理性。

⑤模型回歸四中，LDAR變量的T統(tǒng)計(jì)檢驗(yàn)值為-5.893158，表明長(zhǎng)期負(fù)債和企業(yè)績(jī)效存在較為顯著的負(fù)相關(guān)，也就是說(shuō)，伴隨著整體行業(yè)長(zhǎng)期負(fù)債的增加，企業(yè)績(jī)效呈現(xiàn)下降的趨勢(shì)。長(zhǎng)期負(fù)債在負(fù)債中所占比重偏低且與企業(yè)績(jī)效呈負(fù)相關(guān)關(guān)系，與我國(guó)債券市場(chǎng)融資成本較高和企業(yè)利用債務(wù)資金的能力較弱有關(guān)，該分析結(jié)果也與本文理論假設(shè)相符合。

五、研究結(jié)論及建議

本文通過(guò)實(shí)證分析發(fā)現(xiàn)，我國(guó)智能工業(yè)整體行業(yè)資產(chǎn)負(fù)債與企業(yè)績(jī)效負(fù)相關(guān)，存在合理的負(fù)債區(qū)間；整體行業(yè)短期負(fù)債與企業(yè)績(jī)效呈正相關(guān)，長(zhǎng)期負(fù)債與企業(yè)績(jī)效呈負(fù)相關(guān)。可見(jiàn)，在當(dāng)前整體行業(yè)背景和資本市場(chǎng)環(huán)境下，提高負(fù)債率并不能提高企業(yè)績(jī)效，較高的短期負(fù)債率和較低的長(zhǎng)期負(fù)債率與企業(yè)績(jī)效分別呈正相關(guān)和負(fù)相關(guān)。

本文研究結(jié)果是在對(duì)我國(guó)智能工業(yè)上市企業(yè)相關(guān)數(shù)據(jù)分析后得出的，反映了當(dāng)前整體行業(yè)負(fù)債融資的現(xiàn)實(shí)情況，并沒(méi)有達(dá)到相關(guān)理論和眾多學(xué)者研究的較為科學(xué)、合理的資本結(jié)構(gòu)和負(fù)債結(jié)構(gòu)狀態(tài)，負(fù)債結(jié)構(gòu)以及資本結(jié)構(gòu)的合理性直接關(guān)系到該行業(yè)未來(lái)的發(fā)展，甚至關(guān)系到未來(lái)整個(gè)制造業(yè)的發(fā)展。針對(duì)該行業(yè)存在的負(fù)債結(jié)構(gòu)問(wèn)題，提出以下相應(yīng)建議：

①進(jìn)一步健全股票市場(chǎng)破產(chǎn)、清算機(jī)制，提高股權(quán)融資的風(fēng)險(xiǎn)意識(shí)和抑制相關(guān)公司的過(guò)度投資，提高企業(yè)的負(fù)債融資力度，發(fā)揮負(fù)債融資財(cái)務(wù)杠桿的作用。

②相關(guān)企業(yè)應(yīng)當(dāng)根據(jù)自身特點(diǎn)和財(cái)務(wù)狀況，使企業(yè)本身達(dá)到最優(yōu)資本結(jié)構(gòu)狀態(tài)，處于更加合理的負(fù)債區(qū)間，對(duì)企業(yè)績(jī)效產(chǎn)生正向的影響作用。

③提高負(fù)債融資在企業(yè)中的治理功能和監(jiān)督作用，對(duì)公司代理人形成一定的經(jīng)營(yíng)壓力，倒逼代理人加強(qiáng)公司管理，提高企業(yè)績(jī)效。

④加強(qiáng)該行業(yè)中相關(guān)公司的實(shí)力，大力發(fā)展企業(yè)債券市場(chǎng)，提高長(zhǎng)期負(fù)債在負(fù)債融資中所占比例，優(yōu)化負(fù)債融資結(jié)構(gòu)，使長(zhǎng)、短期負(fù)債比例處于相對(duì)合理的狀態(tài)。

參考文獻(xiàn)

［1］［王喜文.工業(yè)4.0∶智能工業(yè)［J］.物聯(lián)網(wǎng)技術(shù)，2013，12∶3-4+6.

［2］工業(yè)4.0研究院院長(zhǎng)兼首席經(jīng)濟(jì)學(xué)家 胡權(quán).技術(shù)與資本是工業(yè)4.0時(shí)代核心驅(qū)動(dòng)力［N］.中國(guó)電子報(bào)，2015-04-14008.

［3］Modigliani & Miller， M.The Cost of Capital， Corporation Finance， And The Theory of Investment［J］.American Economic Review，1958（48）∶261-291.

［4］Jesen .M .& Meckling .W .H .Theory of the Firm∶Managerial Behavior，Agency costs and Ownership Strucure［J］.Journal of Financial Economic，1976（13）∶305-360.

［5］Myers，S.C.and Majluf，N.S.Coporate Financing and Investment Decisions When Firms have Information Investors do Not Have［J］.Journal of Financial Economics，1984（13）∶187-221.

［6］張維迎.企業(yè)理論與中國(guó)企業(yè)改革［M］北京∶北京大學(xué)出版社，1996，53.

［7］張昌彩.企業(yè)融資結(jié)構(gòu)與資本市場(chǎng)發(fā)展［J］.管理世界，1998，03∶92-102.

［8］連建輝.融資結(jié)構(gòu)與企業(yè)控制權(quán)爭(zhēng)奪［J］.財(cái)經(jīng)研究，2002，01∶32-37.

［9］樊洪.企業(yè)資本結(jié)構(gòu)、產(chǎn)權(quán)性質(zhì)與多元化［D］.浙江大學(xué)，2013.

［10］牛成，倪古強(qiáng)，白霞祖.負(fù)債融資對(duì)企業(yè)過(guò)度投資影響的研究述評(píng)［J］.會(huì)計(jì)之友，2014，16∶54-56.

［11］Frank，M.Z&Goyal，V.K.Capital Structure Decisions［A］，Working Paper， University of British colunbia，2003，56-98.

［12］Akhtar.Thedeterminants of capital structure for Australian Multinational and domestic coporations［J］.Australian Journal of Management.2005，2（30）∶321-341.

［13］D.Margaritis&M.Psillaki.Capital Structure，Equity Ownership and Firm Performance［J］ .Journal of Banking &Finance，2010，621-632.

［14］Cotei Carmen， FarhatJoseph，Abugri Benjamin A.Testing tradeoff and pecking order models of capital structure∶does legal system matter［J］.Managerial Finance，2011（8）∶715-735.

［15］Atiyet，BenAmor.The Pecking Order Theory and the Static Trade Off Theory∶Comparisons of the Alternative Explanatory Power in French Firms［J］.Journal of Business Studies Quarterly，2012（1）∶1-14.

［16］陸正飛，辛宇.上市公司資本結(jié)構(gòu)主要影響因素之實(shí)證研究［J］.會(huì)計(jì)研究，1998，8∶34-37.

［17］馮根福，吳林江，劉世彥.我國(guó)上市公司資本結(jié)構(gòu)形成的影響因素分析［J］.經(jīng)濟(jì)學(xué)，2005.5∶59-66

［18］張惠，張茂德.債務(wù)結(jié)構(gòu)、企業(yè)績(jī)效與上市公司治理問(wèn)題的實(shí)證研究［J］.改革，2003.（5）∶78-80

［19］田龍瑩，張世銀.我國(guó)電力行業(yè)上市公司資本結(jié)構(gòu)與績(jī)效的實(shí)證研究［J］.統(tǒng)計(jì)教育，2006，（12）∶20-25.

［20］董黎明.上市公司債務(wù)融資結(jié)構(gòu)性差異對(duì)績(jī)效的影響［J］.中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2007（6）∶39-45.

［21］趙恩興.債務(wù)結(jié)構(gòu)對(duì)企業(yè)績(jī)效的影響的實(shí)證分析——對(duì)國(guó)有和非國(guó)有企業(yè)比較分析［J］.金卡工程（經(jīng)濟(jì)與法），2010（11）∶260-261.

［22］牛冬梅.制造業(yè)上市公司債權(quán)治理效應(yīng)的實(shí)證分析.財(cái)會(huì)月刊，2011∶3.

［23］謝龍汗，尚濤.SPSS統(tǒng)計(jì)分析與數(shù)據(jù)挖掘［M］.北京∶電子工業(yè)出版社，2012∶287-298.

［24］張曉峒.應(yīng)用數(shù)量經(jīng)濟(jì)學(xué)［M］.北京∶機(jī)械工業(yè)出版社，2009∶313-340.

Empirical Research on Debt Financing and Corporate Performance of Intelligent Industrial

Qiang Zhang， Peiguo Yu
（The college of Economics and Management of Southwest University of Science and Technology，Mianyang city of Sichuan province， 621000， China）

Abstract：This paper regards intelligent industry-related companies of Shanghai and Shenzhen stock marketsfrom 2012 to 2014 as the study， 20 financial indicators which reflect corporate performanceofResearch Companies are run actor analysis， the final results of the comprehensive performance of each company's score as the dependent variable， and constructpanel data model of the overall intelligent industrial debt financing and corporate performance empirical research with some related variables.The results show∶Asset-liability ratio was negatively correlated with corporate performance； Asset-liability ratio and corporate performance have Quadratic function and shapean inverted "U" structure； Short-term debt ratio was positively correlated with corporate performance； Long-term debt ratio and corporate performance was negatively correlated.

Key words：Intelligent industry； Debt financing； Corporate performance； Factor analysis； Panel Data Model

中圖分類號(hào)：F275.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2095-7866 （2016） 02-188-13

DOI：工業(yè)經(jīng)濟(jì)論壇 URL： http//www.iereview.com.cn 10.11970/j.issn.2095-7866.2016.02.009

作者簡(jiǎn)介：

張強(qiáng)（1982-），男，西南科技大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生。研究方向：企業(yè)管理。

俞培果（1956-），男，西南科技大學(xué)經(jīng)濟(jì)管理學(xué)院教授，碩士生導(dǎo)師。研究方向：企業(yè)管理，技術(shù)經(jīng)濟(jì)管理。