李 博

(蕪湖職業(yè)技術(shù)學(xué)院 創(chuàng)新創(chuàng)業(yè)指導(dǎo)學(xué)院，安徽 蕪湖 241003)

1 引言

長(zhǎng)三角地區(qū)即上海、江蘇、浙江、安徽“三省一市”， 該區(qū)域經(jīng)濟(jì)發(fā)展活躍，創(chuàng)造出中國(guó)近1/4的經(jīng)濟(jì)總量，在國(guó)家現(xiàn)代化建設(shè)中占據(jù)舉足輕重的地位。國(guó)家一直重視長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)展，2018年，把支持長(zhǎng)江三角洲區(qū)域一體化發(fā)展上升為國(guó)家戰(zhàn)略。2019年，印發(fā)《長(zhǎng)江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》，2020年，長(zhǎng)三角地區(qū)經(jīng)濟(jì)仍然保持良好發(fā)展勢(shì)頭。

長(zhǎng)三角地區(qū)創(chuàng)新強(qiáng)度高，營(yíng)商環(huán)境優(yōu)越，各類企業(yè)蓬勃發(fā)展，不乏各行業(yè)上市公司。研究該區(qū)域上市公司的資本結(jié)構(gòu)與技術(shù)創(chuàng)新情況，旨在分析公司經(jīng)營(yíng)績(jī)效的重要影響因素，為提升企業(yè)經(jīng)營(yíng)績(jī)效提供建議，有利于提高企業(yè)競(jìng)爭(zhēng)能力，推動(dòng)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展。

2 樣本選擇與模型構(gòu)建

2.1 數(shù)據(jù)來源

本文選擇長(zhǎng)三角地區(qū)上證A股上市公司2020年年報(bào)數(shù)據(jù)為研究樣本，后文研究剔除指標(biāo)數(shù)據(jù)缺失樣本及ST、ST樣本數(shù)據(jù)，實(shí)際得到674家樣本數(shù)據(jù)，研究數(shù)據(jù)均來自中國(guó)證券網(wǎng)。

2.2 變量描述

考慮指標(biāo)數(shù)據(jù)可得性，采用凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率、投入資本回報(bào)率、流動(dòng)比率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率六項(xiàng)指標(biāo)來衡量企業(yè)經(jīng)營(yíng)績(jī)效，選擇前十大股東持股比例、資產(chǎn)負(fù)債率來衡量企業(yè)資本結(jié)構(gòu)情況，選擇無形資產(chǎn)來衡量企業(yè)技術(shù)創(chuàng)新水平，控制變量選取公司規(guī)模、成長(zhǎng)性指標(biāo)來測(cè)度。

表1 變量描述

2.3 樣本數(shù)據(jù)描述性統(tǒng)計(jì)

對(duì)選取的指標(biāo)數(shù)據(jù)做描述性統(tǒng)計(jì)，發(fā)現(xiàn)凈資產(chǎn)收益率、存貨周轉(zhuǎn)率、前十大股東持股比例、資產(chǎn)負(fù)債率、成長(zhǎng)性等指標(biāo)數(shù)據(jù)方差較大，說明各公司經(jīng)營(yíng)決策差異性較大，各公司資本結(jié)構(gòu)水平不同，而且公司成長(zhǎng)性水平差距也較大；而從流動(dòng)比率、無形資產(chǎn)、公司規(guī)模等指標(biāo)數(shù)據(jù)來看，數(shù)據(jù)方差較小，不難發(fā)現(xiàn)長(zhǎng)三角地區(qū)上證A股上市公司存在一定的決策相似性。

2.4 企業(yè)經(jīng)營(yíng)績(jī)效測(cè)度

本研究選擇凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率、投入資本回報(bào)率、流動(dòng)比率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率六項(xiàng)指標(biāo)來衡量企業(yè)經(jīng)營(yíng)績(jī)效，為方便后文實(shí)證分析，對(duì)經(jīng)營(yíng)績(jī)效數(shù)據(jù)進(jìn)行降維處理，采用因子分析來測(cè)度企業(yè)績(jī)效綜合得分。

表2 KMO和巴特利特檢驗(yàn)

檢驗(yàn)結(jié)果顯示，KMO檢驗(yàn)值為0.691，大于0.6，說明指標(biāo)適合做因子分析，Bartlett球形度檢驗(yàn)也通過檢驗(yàn)。

運(yùn)用主成分分析來提取公因子，通過Kaiser標(biāo)準(zhǔn)化最大方差法提取3個(gè)公因子，第一主成分方差解釋貢獻(xiàn)率為47.899%，第二主成分方差解釋貢獻(xiàn)率為18.319%，第三主成分方差解釋貢獻(xiàn)率為16.824%，三個(gè)主成分累計(jì)方差解釋率為83.041%，說明因子分析模型擬合度較好。

表3 成分得分系數(shù)矩陣

經(jīng)過Kaiser標(biāo)準(zhǔn)化最大方差法旋轉(zhuǎn)得到成分得分系數(shù)矩陣(見表3)。

根據(jù)成分得分系數(shù)矩陣，各主成分因子得分計(jì)算公式如下：

=0311+0.336+0.338+0.092-0.025+0.125

=-0026+0.069-0.007+0.781+0.025-0.544

=-0031-0.009-0.017+0.114+0.981+0.127

總得分計(jì)算公式為：=(47.899+18319+16824)/83.041，由此可得各企業(yè)的綜合得分，即各企業(yè)經(jīng)營(yíng)績(jī)效水平。

3 多元線性回歸實(shí)證分析

3.1 建立多元線性回歸方程

通過因子分析計(jì)算得到各企業(yè)F綜合得分，用F綜合得分來衡量各企業(yè)績(jī)效情況，構(gòu)建多元線性回歸方程：

=+++…

為保持量綱的統(tǒng)一性，對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理，經(jīng)檢驗(yàn)調(diào)整后的R為0.403，大于0.3適合做多元線性回歸分析。

建立的模型DW值為1.953，說明自相關(guān)不嚴(yán)重，VIF值均小于5，說明沒有強(qiáng)共線性，模型ANOVA檢驗(yàn)顯著，說明模型擬合較好，可以建立多元回歸模型。

表4 模型DW檢驗(yàn)與ANOVA檢驗(yàn)

續(xù)表

表5 多元回歸系數(shù)矩陣

3.2 結(jié)論與建議

從回歸結(jié)果可知，回歸系數(shù)的P值在1%顯著性水平下均能通過t檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量也顯著，研究接受上述模型的設(shè)定，可以得到函數(shù)：

Y=1.367×10+0.27310-0.507-0.138+0.148+0.338

研究發(fā)現(xiàn)，長(zhǎng)三角地區(qū)上市公司凈資產(chǎn)收益率平均為9.55%，前十大股東合計(jì)持股比例平均為65.6%，說明上市公司前10大股東對(duì)公司掌控力強(qiáng)；流動(dòng)比率平均為2.38，說明公司該區(qū)域上市公司變現(xiàn)能力較強(qiáng)，短期償債能力也較強(qiáng)；資產(chǎn)負(fù)債率平均水平為41%，總體處于合理水平；成長(zhǎng)性平均值為7.76%，說明2020年長(zhǎng)三角地區(qū)上市公司營(yíng)收增長(zhǎng)良好。

由實(shí)證分析可知，長(zhǎng)三角地區(qū)上市公司企業(yè)績(jī)效與前十大股東持股比例、公司規(guī)模、成長(zhǎng)性正相關(guān)，與資產(chǎn)負(fù)債率、無形資產(chǎn)負(fù)相關(guān)。資產(chǎn)負(fù)債率與企業(yè)績(jī)效呈負(fù)相關(guān)關(guān)系，提高資產(chǎn)負(fù)債率并不能提升經(jīng)營(yíng)績(jī)效，提高負(fù)債率，企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)也會(huì)出現(xiàn)，債權(quán)人與股東利益沖突加劇，企業(yè)應(yīng)合理安排債務(wù)融資方式與規(guī)模，控制好公司負(fù)債水平。無形資產(chǎn)負(fù)作用于企業(yè)績(jī)效，可能因?yàn)榧夹g(shù)創(chuàng)新帶來的專利、商標(biāo)等無形資產(chǎn)申請(qǐng)周期較長(zhǎng)，存在滯后效應(yīng)，技術(shù)創(chuàng)新產(chǎn)生的影響可能難以在當(dāng)期反映。前十大股東持股比例正向作用于企業(yè)績(jī)效，說明大股東控股地位有利于提升企業(yè)績(jī)效；成長(zhǎng)性較好的公司，企業(yè)績(jī)效也會(huì)向好，企業(yè)可適當(dāng)擴(kuò)大規(guī)模，以帶動(dòng)經(jīng)濟(jì)效益增長(zhǎng)。