连玉君1苏治2（1.中山大学岭南学院、中山大学经济研究所，广州510275；2.清华大学经济管理学院，北京100084）摘要：本文以异质性随机前沿模型为基础，定量测算了中国上市公司在融资约束情况下的投资效率。
结果表明：（1）融资约束的存在使得中国上市公司的投资支出比最优水平低了约20-30%，平均投资效率仅为72%。
（2）在上市公司的三种主要融资方式中，现金流量的增加不但能缓解融资约束，还能降低后续融资的不确定性；而股权融资和债务虽然能够有效缓解融资约束，但前者无法降低融资不确定性，而后者会显著加剧融资不确定性。
（3）大规模公司和东部地区上市公司面临的融资约束和融资不确定性较低，而小规模公司和西部地区上市公司的融资约束有逐渐加剧的倾向。
关键词：投资效率；融资约束；现金流；随机前沿模型融资约束、不确定性与上市公司投资效率收稿日期：2008-03-24基金项目：中山大学文科青年教师科研基金项目(3171913)；中国博士后科学基金项目(20070410539)；国家自然科学基金项目(70573040)；国家社会科学基金项目(06CJL006)。
作者简介：连玉君，中山大学岭南学院讲师；苏治，清华大学经济管理学院博士后。
引言中国的转型经济特征使得资本市场虽然初具规模，但仍然存在结构性缺陷，如股市缺乏有效性、公司债券市场畸形发展、银行贷款的信贷歧视等。
这使得生存于其中的上市公司往往面临融资约束，进而在很大程度上降低了投资效率。
从理论上讲，上述因素都可以归结为资本市场缺陷，有悖于传统投资理论（如Q 投资理论）的基本假设———资本市场完美无缺。
因此，在研究中国上市公司投资行为的过程中，我们必须纳入融资约束的考量。
相对前期文献仅仅探讨融资约束是否影响上市公司投资行为这一问题，我们更为关注的是，它在多大程度上影响着上市公司的投资行为？而目前的金融体系又是如何影响企业的投资行为的？对这些问题的分析将为转轨时期金融体系的改革和创新提供相应的微观基础。
对于融资约束是否会影响公司投资行为这一问题，国外最具代表性的研究当属Fazzari 等（1988），其基本检验策略是在分组的基础上考察投资—现金流量敏感性差异。
国内学者采用相似的方法对中国上市公司的投资行为进行了研究，如冯巍（1999）、郑江淮等（2001）、梅丹（2005）、连玉君和程建（2007），但观点并不一致。
另一些学者则试图从现金—现金流敏感性角度进行研究，如章晓霞和吴冲锋（2006）、李金等（2007）、连玉君等（2008），但同样未达成一致看法。
虽然样本筛选、估计方法上的差异可能导致观点分歧，但上述研究的局限性也非常明显：其一，在对样本进行分组过程中，单一分组指标可能无法区分不同公司所面临的融资约束差异，而采用多变量分组又容易产生内生性问题；其二，多数研究都依据投资—现金流量敏感性这一现象来判断融资约束的存在性，但大量研究表明融资约束并非导致这一现象的唯一原因，当代理问题比较严重时，公司同样DOI:10.14120/11-5057/f.2009.01.015会表现出投资-现金流敏感性（Pawlina and Renneboog，2005；连玉君和程建，2007）；其三，也是更为重要的是，上述研究方法都无法对融资约束造成的投资效率损失进行定量估算，而同时也都没有考察不确定性对投资行为的影响。
为此，本文在异质性随机前沿模型框架下同时进行了定性和定量两个层面的分析。
不同于前期从投资—现金流敏感性角度入手的实证研究，该方法无需对样本公司进行分组，同时又可以避免前期研究判断标准过于模糊的缺陷。
实证结果表明，在2001-2006年样本区间内，融资约束的存在使得中国上市公司的投资支出比最优水平低了20-30%，平均投资效率仅为72%。
进一步分析表明，小规模和西部上市公司面临的融资约束问题有日益加重的趋势，地区金融发展水平，尤其是信贷发展水平对上市公司的投资效率有显著影响。
文章的后续安排如下：第二部分建立融资约束假设下的随机前沿模型，第三部分介绍实证检验方法，第四部分呈现实证结果，最后做出总结。
异质性随机前沿投资模型传统Q投资理论表明，在资本市场完美假设下，公司的投资支出仅决定于投资机会（Hayashi，1982)，其最优投资支出可表示为：I it*=β0+（1/α）Q it+v it（1）其中，I it为投资支出，（1/α）为资本的调整系数，Q it为投资机会，v it为来自外部的技术冲击。
然而，中国资本市场并不完美，结构性的缺陷导致公司在外部融资过程中面临各种限制，此时公司的投资行为可以采用Chrinko and Schaller（1995）设定的投资模型加以描述：I it=β0+（1/α）Q it-F（z it）+v it（2）其中，F（z it）表示由于资本市场不完善导致的融资约束的大小，它是一系列反映公司特征的财务变量的非线性函数。
根据（1）和（2）式，公司在不存在融资约束和存在融资约束两种情况下的投资支出之间存在如下关系：E[I it│Q it，F（z it）=0]>E[I it│Q it，F（z it）>0]（3）因此，融资约束的存在只会使公司的投资支出降低，具有单边（one-sided）分布的特征。
若设F（z it）=u it，则实际投资支出I it与最优水平I it*之间存在如下关系：I it=I it*-u it=β0+（1/α）Q it+v it-u it（4）模型（4）是一个典型的随机前沿模型。
为了反映面板数据的特征以及不同公司所面临的融资约束的异质性，本文对模型（4）作了如下设定：I it=x'i tβ+εitεit=v it-u it（5）其中x it=（1，Q it，D i，D t）′，β为相应的系数向量，D i和D t分别为反映个体效应和时间效应的虚拟变量。
混合干扰项εit包括两个部分：v it和u it。
其中，v it为通常意义上的随机干扰项，假设其服从正态分布且彼此独立，即v it~i.i.d.N（0，σv2）；u it表示融资约束效应，由于其具有单边分布的特征，我们假设其服从非负的截断型半正态分布，即u it~N+（ωit，σit2）。
u it的异质性设定如下：ωit=exp（b0+z'itδ）和σit2=exp（b1+z'i tγ）（6）其中，b0和b1均为常数项。
需要指出的是，（5）-（6）式构成了异质性的随机前沿模型，这一设定使得本文的后续分析具有很大的灵活性：其一，我们可以同时分析外生变量对融资约束效应本身（ωit）及其不确定性（σit2）的影响，而文献中常见的随机前沿模型事实上都是这一模型的特例；其二，借助这一模型，我们可以定量分析融资约束导致的投资效率损失，这是前期研究中基于线性回归分析无法实现的。
实证检验方法1、检验策略与投资效率的衡量由（5）-（6）式构成的异质性随机前沿模型可采用最大似然法估计，对数似然函数为：表1变量的基本统计量和计算方法变量均值标准差最小值最大值计算方法投资支出(I)0.3220.7360.00014.704构建固定资产、无形资产和其他长期资产所支付的现金/期初固定资产净额投资机会(Tobin) 1.3260.3820.117 4.879公司总市值/资产重置成本现金流量(CF)0.2310.801-3.761 4.719经营活动产生的现金流量净额/期初固定资产净额公司规模(SIZE)21.3590.86118.74225.741总资产的自然对数股权融资(EQUI)债务融资(DEBT)0.0150.0770.0560.152-0.101-0.2650.3500.667△（股本+资本公积金）/总资产△（负债融资）/总资产其中，ω軒it=（σv2ωit-σit2εit）/（σv2+σit2），σ軒it=（σv2σit2）/（σv2+σit2），准（·）和Φ（·）分别为标准正态分布的密度函数和累积分布函数。
我们从两个方面来分析融资约束对投资行为的影响。
其一，采用似然比检验进行定性分析。
原假设为H0：u it=0，即不存在融资约束，相应的备择假设为H1：u it≠0。
似然比统计量为LR=-2[L（H0）-L（H1）]，其中，L（H0）和L（H1）分别为原假设和备择假设下的似然函数值。
LR统计量渐进地服从卡方分布，自由度为约束的个数。
同时，我们也可以采用似然比检验来考察模型的异质性设定是否正确。
其二，构造“投资效率指数”（IEI it）进行定量分析。
它表示公司的实际投资支出与最优投资支出的偏离程度，定义如下：IEI it=exp（x′itβ-u it）exp（x′itβ）=exp（-u it）（8）显然，IEI it介于0和1之间，当IEI it＝0时（u it→∞），投资效率最低，公司面临的融资约束最为严重；当IEI it＝1时（u it→0），投资效率最高，融资约束几乎不存在。
采用最大似然法获得模型的参数估计值后，可以进一步得到的估计式(Battese and Coelli，1988)：IEI it=E[exp（-u it│εit=ε赞it）]=exp（-ω軒it+0.5σ軒it）Φ（ω軒it/σ軒it-σ軒it）Φ（ω軒it/σ軒it）（9）这里，ω軒it和σ軒it的定义同前，只是将所有参数都替换成其估计值。
遵循随机前沿文献中通常的做法，我们采用I it的对数形式作为被解释变量。
因此，（9）式中的IEI指数表示公司的实际投资支出相对于最优水平（不存在融资约束时的投资支出）偏离的百分比。
2、参数设定对（5）-（6）式中各变量代理指标的设定如下：投资机会Q it采Tobin's Q加以衡量，z it=（CF it，EQUI it，DBET it，SIZE it）'，其中，CF it为现金流量，用于衡量公司的内部融资能力，EQUI it和DBET it分别为股权融资增加额和债务融资增加额，二者都用于衡量公司的外部融资能力，但分别反映了股票市场和银行体系的影响。
根据信息不对称理论，资本市场的缺陷会导致外部融资成本明显高于内部融资成本，并进而导致那些内部融资能力差的公司面临融资约束。
因此，通过考察上述三种不同融资渠道对融资约束的影响，我们便可对影响融资约束的因素进行分析。
公司规模SIZE it主要作为控制变量。
通常认为小规模公司面临更为严重的融资约束，因为小规模公司的上市时间较短，使得外界对公司的信誉情况缺乏了解，相对于其总资产而言，其贷款抵押品价值通常也较低。
3、样本筛选本文数据来自于国泰安数据库，样本区间为2000-2006年。
筛选原则如下：（1）为了防止兼并或重组的影响，剔除了样本区间内总资产成长率或销售成长率大于100%的公司；（2）剔除金融类上市公司和样本区间内被ST或PT的公司；（3）为了避免异常值的影响，剔除Tobin's Q大于10或小于0以及投资支出为负的公司。