發(fā)布時(shí)間：2023-09-04 16:40:29
序言：寫(xiě)作是分享個(gè)人見(jiàn)解和探索未知領(lǐng)域的橋梁，我們?yōu)槟x了8篇的資產(chǎn)的相關(guān)系數(shù)樣本，期待這些樣本能夠?yàn)槟峁┴S富的參考和啟發(fā)，請(qǐng)盡情閱讀。
（一）理論模型分析假設(shè)信用資產(chǎn)關(guān)聯(lián)系統(tǒng)由2家企業(yè)組成，第1家企業(yè)是下游企業(yè)，第2家企業(yè)是上游企業(yè)。第1家企業(yè)向第2家企業(yè)采購(gòu)原材料，第2家企業(yè)向第1家提供商業(yè)信用；模型時(shí)間分為2期，第t期2家企業(yè)正常經(jīng)營(yíng)，第t+1期第1家企業(yè)受到外部流動(dòng)性沖擊，發(fā)生違約，第2家企業(yè)受損。設(shè)企業(yè)信用資產(chǎn)為RA；非信用資產(chǎn)為URA；短期負(fù)債為STD；長(zhǎng)期負(fù)債為L(zhǎng)TD；凈資產(chǎn)為NA。企業(yè)i（i=1，2）在t時(shí)刻的資產(chǎn)負(fù)債表平衡關(guān)系。假設(shè)資本市場(chǎng)是理性的，市場(chǎng)均衡的估值市凈率在第t、t+1期是不變的，不妨設(shè)定為常數(shù)c。在t+1第1家企業(yè)信用違約而股價(jià)下降，并引發(fā)第2家企業(yè)股價(jià)隨之下降，形成了股價(jià)聯(lián)動(dòng)[7]68-78。
（二）實(shí)證方法構(gòu)建多變量金融時(shí)序Copula函數(shù)的關(guān)鍵在于，建立單變量金融時(shí)序分布模型與選擇合適的多元Copula函數(shù)[32]。多元正態(tài)Copula函數(shù)不能反映變量之間的聯(lián)合厚尾特征[33-34]。多元t-Copula函數(shù)可以用于研究變量之間的聯(lián)合厚尾特征，其自由度越小，表明聯(lián)合厚尾特征越明顯[35]。1.邊緣分布的確定金融資產(chǎn)收益率序列具有異方差、尖峰厚尾、時(shí)變、右偏與杠桿效應(yīng)，適合用AR（1）-GJR（1,1）模型擬合邊緣分布。2．Copula函數(shù)的選用多元t-Copula函數(shù)尾部較厚，能很好地?cái)M合尾部相關(guān)關(guān)系[37-39]。因此，從理論上可以推斷，多元t-Copula函數(shù)能夠更好地度量股價(jià)的聯(lián)動(dòng)關(guān)系。本文使用Q-Q圖、K-S檢驗(yàn)判斷單個(gè)多元Copula函數(shù)的擬合情況。同時(shí)，引入經(jīng)驗(yàn)分布函數(shù)，構(gòu)建反映擬合誤差大小的平方歐式距離指標(biāo)。該平方歐式距離反映了多元Copula函數(shù)擬合原始數(shù)據(jù)的誤差情況。該指標(biāo)值越小，說(shuō)明偏差越小。3．Copula函數(shù)的時(shí)變過(guò)程與估計(jì)對(duì)于C-藤分解結(jié)構(gòu)下的時(shí)變條件相關(guān)系數(shù)，Engle（2002）提出了比較常用的描述其時(shí)變過(guò)程的DCC（1，1）模型其中，ρt是t時(shí)刻的條件相關(guān)系數(shù)；向量εt是由選定的時(shí)變Copula函數(shù)邊際分布逆函數(shù)轉(zhuǎn)換得到的標(biāo)準(zhǔn)化殘差；Q軒t是一個(gè)p×p矩陣，該矩陣對(duì)角線上的元素是Qt的平方根，其他元素為0；Qt和R分別是殘差項(xiàng)的樣本協(xié)方差與相關(guān)系數(shù)；rt是在項(xiàng)數(shù)為m（m>p）的移動(dòng)窗中殘差的相關(guān)系數(shù)。該時(shí)變Copula函數(shù)的參數(shù)估計(jì)可以由兩步極大似然估計(jì)法完成[43]。第一步先利用最大似然估計(jì)法，估計(jì)邊際分布AR（1）-GJR（1，1）模型中的參數(shù)；第二步對(duì)殘差做概率積分轉(zhuǎn)換，再利用最大似然估計(jì)法，估計(jì)時(shí)變Copula函數(shù)的參數(shù)。4.基于Copula函數(shù)的相關(guān)性分析選擇合適的Copula函數(shù)后，擬合估計(jì)出其參數(shù)值，就可以利用表1中的計(jì)算式，計(jì)算出各相關(guān)系數(shù)值。在靜態(tài)Copula函數(shù)中，其參數(shù)是不變的，計(jì)算出來(lái)的是靜態(tài)總體相關(guān)性；如果采用時(shí)變Copula函數(shù)，參數(shù)ρt（t=1，2，…，T）是時(shí)變參數(shù)，就可以利用表1中公式，一一對(duì)應(yīng)地計(jì)算出總體線性相關(guān)系數(shù)、非線性相關(guān)系數(shù)及尾部相關(guān)系數(shù)的動(dòng)態(tài)時(shí)變過(guò)程。
二、計(jì)算結(jié)果與分析
（一）研究樣本根據(jù)企業(yè)之間存在的信用關(guān)聯(lián)，選擇寶鋼股份（BGGF）、必和必拓（BHP）、力拓（RIO）、上海汽車(chē)（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）和中國(guó)船舶（ZGCB）在內(nèi)的幾家企業(yè)作為研究樣本，研究這些企業(yè)從2001年1月2日至2011年4月28日之間的股價(jià)聯(lián)動(dòng)。列出了6個(gè)樣本企業(yè)股價(jià)收益率序列數(shù)據(jù)的描述統(tǒng)計(jì)指標(biāo)。由表2可知，6個(gè)變量的峰度都在10以上，呈現(xiàn)尖峰分布，其中，SGJT收益率分布最尖；BHP、RIO、SHQC、SGJT的偏度都大于0，其中，SGJT收益率分布右偏程度最大；BGGF、XSMD的偏度小于0，說(shuō)明與正態(tài)分布、t分布相比較，適合選用左偏的t分布擬合樣本收益率數(shù)據(jù)。
（二）邊際分布擬合檢驗(yàn)根據(jù)white檢驗(yàn)結(jié)果可知，3個(gè)統(tǒng)計(jì)量的P值都拒絕“不存在異方差”的原假設(shè)，說(shuō)明異方差比較突出。表明收益率序列適合選用ARCH模型。本文中的邊際分布選用帶有杠桿效應(yīng)的AR（1）-GJR（1，1）-Skewt模型。其模型估計(jì)的參數(shù)值如表3所示。從AIC、BIC、LL值看，AR（1）-GJR（1,1）-Skewt模型的有效性好于AR（1）-GJR（1，1）-t模型①。8個(gè)序列的自由度估計(jì)值都比較小，說(shuō)明它們的分布都具有厚尾特征，其中上港集團(tuán)的尾部最厚。另外，使用時(shí)變Copula函數(shù)估計(jì)時(shí)變條件相關(guān)系數(shù)時(shí)，需要把序列數(shù)據(jù)通過(guò)概率積分轉(zhuǎn)換為U（0，1）分布序列。本文對(duì)邊際分布擬合情況還進(jìn)行了獨(dú)立性檢驗(yàn)與同分布檢驗(yàn)。拉格朗日乘數(shù)檢驗(yàn)結(jié)果表明，在5%顯著水平下，這8個(gè)序列都不存在自相關(guān)，可以認(rèn)為轉(zhuǎn)換后的序列相互獨(dú)立；非參數(shù)K-S檢驗(yàn)結(jié)果表明，轉(zhuǎn)換后的8個(gè)序列在5%顯著水平上服從U（0，1）分布。這些結(jié)論表明，邊際分布采用AR（1）-GJR（1，1）-Skewt模型非常合理。
（三）利用多元t-Copula函數(shù)靜態(tài)度量股價(jià)的聯(lián)動(dòng)效應(yīng)常用的固定參數(shù)多元Copula函數(shù)包括多元正態(tài)Copula函數(shù)和多元t-Copula函數(shù)。在這兩個(gè)函數(shù)的Q-Q圖中，本文無(wú)法區(qū)分其擬合優(yōu)劣；而由多元正態(tài)Copula函數(shù)的K-S檢驗(yàn)可知，在0.01顯著水平上拒絕原假設(shè)，說(shuō)明多元正態(tài)Copula函數(shù)不能很好地?cái)M合多元時(shí)序數(shù)據(jù)；而多元t-Copula函數(shù)擬合該的多元數(shù)據(jù)序列。從Copula函數(shù)與經(jīng)驗(yàn)分布函數(shù)之間的平方歐式距離來(lái)看，多元正態(tài)分布Copula函數(shù)的平方歐式距離為0.3873，多元t分布Copula函數(shù)的平方歐式距離為0.0568，多元t-Copula函數(shù)可以較好擬合該股價(jià)原始數(shù)據(jù)的經(jīng)驗(yàn)分布情況，與理論分析一致。根據(jù)各樣本收益率序列的條件邊際分布，利用多元Skewt分布函數(shù)與多元t-Copula函數(shù)之間的關(guān)系，信用資產(chǎn)關(guān)聯(lián)各企業(yè)股票收益率之間的多元t-Copula函數(shù)非線性相關(guān)系數(shù)如表4所示。從表4可以看出，受中外股市之間的一體化約束，寶鋼股份（BGGF）與必和必拓（BHP）、力拓（RIO）之間，必和必拓（BHP）、力拓（RIO）與上海汽車(chē)（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）、中國(guó)船舶（ZGCB）之間的相關(guān)系數(shù)都很低，但其他信用資產(chǎn)關(guān)聯(lián)企業(yè)之間的相關(guān)系數(shù)都在0.5左右，存在中等程度的正相關(guān)聯(lián)動(dòng)現(xiàn)象。
（四）利用時(shí)變多元t-Copula函數(shù)度量股價(jià)的聯(lián)動(dòng)效應(yīng)不同邊際分布下時(shí)變t-Copula函數(shù)的相關(guān)系數(shù)時(shí)變方程參數(shù)估計(jì)值如表5所示。從AIC、BIC、LL值看，對(duì)于條件相關(guān)系數(shù)的時(shí)變過(guò)程G-DCC、t-DCC，邊際分布選用AR（1）-GJR（1，1）-Skewt模型最合理，但時(shí)變G-DCC過(guò)程擬合效果最差，t-DCC過(guò)程則最好。本文選用AR（1）-GJR（1，1）-Skewt模型作為邊際分布，選用時(shí)變過(guò)程為t-DCC的多元t-Copula函數(shù)為多元連接函數(shù)，動(dòng)態(tài)擬合計(jì)算動(dòng)態(tài)條件相關(guān)系數(shù)，得到8個(gè)按照C-藤結(jié)構(gòu)分解的pair-copula函數(shù)的時(shí)變無(wú)條件相關(guān)擬合的AIC、BIC、LL值分別是-7158.6、-7141.7、3582.3。利用這28個(gè)時(shí)變Copula相關(guān)系數(shù)的時(shí)間序列數(shù)據(jù)，計(jì)算出相對(duì)應(yīng)的時(shí)變等級(jí)相關(guān)系數(shù)、秩相關(guān)系數(shù)與尾部相關(guān)系數(shù)的時(shí)間序列，如表6所示。從表6可以看出，4個(gè)相關(guān)系數(shù)都顯示出，股價(jià)呈現(xiàn)低度正相關(guān)性，具有弱板塊效應(yīng)；時(shí)變Copula相關(guān)系數(shù)的集中趨勢(shì)值最大，尾部相關(guān)系數(shù)最小。但是，時(shí)變Copula相關(guān)系數(shù)的絕對(duì)離散波動(dòng)程度、波動(dòng)幅度最大；從離散系數(shù)、極差/平均值的結(jié)果可以看出，尾部相關(guān)系數(shù)的相對(duì)離散波動(dòng)程度最大。從時(shí)變Copula相關(guān)系數(shù)可以看出，在C-藤結(jié)構(gòu)下條件相關(guān)系數(shù)的均值在0.0583~0.7376之間，呈現(xiàn)出弱相關(guān)關(guān)系，因?yàn)闂l件相關(guān)系數(shù)有正值、負(fù)值，相關(guān)方向存在轉(zhuǎn)換，正負(fù)抵消導(dǎo)致簡(jiǎn)均值的結(jié)果較小。其他16個(gè)條件相關(guān)系數(shù)均為正值，平均值在0.5左右，呈現(xiàn)出中等強(qiáng)度的相關(guān)性。從條件相關(guān)系數(shù)值的離散指標(biāo)可以看出，標(biāo)準(zhǔn)差從0.0573~0.1042，絕對(duì)變化范圍從0.2628~0.5706，最大相對(duì)幅度變化范圍從0.4899~6.2644，說(shuō)明條件相關(guān)系數(shù)的時(shí)變性較強(qiáng)。為了觀察條件相關(guān)系數(shù)的時(shí)變特征，本文也分別在標(biāo)準(zhǔn)差最小與最大、離散系數(shù)最小與最大、波幅最小與最大等6種情況下，計(jì)算了時(shí)變Copula函數(shù)度量的4個(gè)時(shí)變相關(guān)系數(shù)，均表現(xiàn)出相同的變化趨勢(shì)，而且在常態(tài)相關(guān)性走強(qiáng)時(shí)，股價(jià)板塊效應(yīng)的作用愈加強(qiáng)大，同時(shí)暴跌暴漲的相關(guān)性走強(qiáng)；在常態(tài)相關(guān)性走弱時(shí)，股價(jià)板塊效應(yīng)的作用減弱，由一家企業(yè)股價(jià)大幅漲跌引發(fā)的信用資產(chǎn)關(guān)聯(lián)企業(yè)同時(shí)暴跌暴漲的相關(guān)性走強(qiáng)。
三、結(jié)論
關(guān)鍵詞：飼料行業(yè)上市公司 經(jīng)營(yíng)績(jī)效 典型相關(guān)分析
一、 引言
我國(guó)飼料行業(yè)經(jīng)過(guò)多年的發(fā)展，連續(xù)20多年穩(wěn)居世界第二，2012年全國(guó)飼料總產(chǎn)量達(dá)到1.91億噸。隨著我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)、人均消費(fèi)的不斷提高、飼料的工業(yè)化程度不斷增強(qiáng)，我國(guó)飼料行業(yè)的市場(chǎng)發(fā)展空間非常廣闊，然而飼料行業(yè)的現(xiàn)狀卻是市場(chǎng)結(jié)構(gòu)分散、行業(yè)集中度低。隨著我國(guó)加入WTO，中國(guó)飼料業(yè)也在向國(guó)際化發(fā)展，飼料業(yè)的對(duì)外開(kāi)放已成為必然趨勢(shì)，將面臨前所未有的挑戰(zhàn)，所面臨的不僅是國(guó)內(nèi)同業(yè)的競(jìng)爭(zhēng)，還有國(guó)際同行的挑戰(zhàn)，尤其是中外企業(yè)的競(jìng)爭(zhēng)將更加激烈，能否在競(jìng)爭(zhēng)中取勝，關(guān)鍵在于市場(chǎng)集中度（市場(chǎng)份額）、企業(yè)規(guī)模、抵御風(fēng)險(xiǎn)能力等方面的影響，經(jīng)營(yíng)績(jī)效是競(jìng)爭(zhēng)力的集中體現(xiàn)，提高飼料業(yè)的經(jīng)營(yíng)績(jī)效，是防范經(jīng)營(yíng)風(fēng)險(xiǎn)、對(duì)外開(kāi)放的關(guān)鍵，是推動(dòng)行業(yè)可持續(xù)發(fā)展的根本前提。因此，針對(duì)飼料行業(yè)上市公司進(jìn)行經(jīng)營(yíng)績(jī)效及其影響因素的分析，對(duì)推進(jìn)飼料行業(yè)改善經(jīng)營(yíng)管理、提高經(jīng)營(yíng)與決策水平、建立健全現(xiàn)代企業(yè)制度具有很實(shí)際的意義。因此，本文試圖在相關(guān)研究的基礎(chǔ)上，根據(jù)飼料行業(yè)上市公司2012年的年報(bào)數(shù)據(jù)，利用典型相關(guān)分析的多元統(tǒng)計(jì)方法，構(gòu)建飼料行業(yè)上市公司經(jīng)營(yíng)績(jī)效及其影響因素的典型相關(guān)模型，對(duì)影響飼料行業(yè)上市公司經(jīng)營(yíng)績(jī)效的各因素進(jìn)行實(shí)證分析，定量判別各因素的影響程度，為飼料行業(yè)上市公司經(jīng)營(yíng)績(jī)效的持續(xù)穩(wěn)定增長(zhǎng)提供幫助。
二、 研究方法和指標(biāo)選擇
（一）典型相關(guān)分析方法
1936年，霍特林（Hotelling）提出了典型相關(guān)分析的思想。典型相關(guān)分析是由主成分分析和因子分析發(fā)展而來(lái)，是研究?jī)山M變量間的整體的相關(guān)關(guān)系，兩組變量中一組變量為自變量，另一組變量為因變量，在兩組變量中各生成一個(gè)典型變量，然后研究這兩個(gè)新的變量之間的相關(guān)，使其這一對(duì)典型變量達(dá)到最大程度相關(guān)，即生成第一對(duì)典型相關(guān)變量。如此繼續(xù)下去，可以類(lèi)似的求出第二對(duì)、第三對(duì)……，這些對(duì)典型變量之間互不相關(guān)。一般情況，設(shè)X=（X1，X2，X3…Xp）、Y=（Y1，Y2，Y3…Yq）是兩個(gè)相互關(guān)聯(lián)的隨機(jī)變量，分別在兩組變量中選取一對(duì)相互關(guān)聯(lián)的典型變量Ui和Vi，使得這對(duì)典型變量是原變量的線性組合，即：
并研究它們之間的相關(guān)系數(shù)p（U，V）。在所有的線性組合中，找一對(duì)相關(guān)系數(shù)最大的線性組合，用這個(gè)組合的單相關(guān)系數(shù)來(lái)表示兩組變量的相關(guān)性，叫做兩組變量的典型相關(guān)系數(shù)，而這兩個(gè)線性組合叫做一對(duì)典型變量。設(shè)求到的第一對(duì)典型變量為：
用相同的方法，可以逐一地求出各對(duì)之間互不相關(guān)的許多對(duì)典型相關(guān)變量，例如（U2，V2）（U3，V3）等等，這些對(duì)典型相關(guān)變量如實(shí)地反映了X、Y之間的線性相關(guān)情況。
（二）指標(biāo)的選擇與樣本數(shù)據(jù)處理
本文選取我國(guó)上市公司中以飼料行業(yè)為主業(yè)的新希望、唐人神、通威股份、大北農(nóng)等21家公司作為研究對(duì)象，以其2012年報(bào)中披露的數(shù)據(jù)作為樣本數(shù)據(jù)，各指標(biāo)來(lái)源于巨潮咨訊網(wǎng)，并運(yùn)用SPSS 16.0完成數(shù)據(jù)的分析。經(jīng)過(guò)加工整理選取兩組指標(biāo)變量，第一組為經(jīng)營(yíng)績(jī)效的影響因素組變量，即“影響組”，第二組為經(jīng)營(yíng)績(jī)效組變量，即“績(jī)效組”。
經(jīng)運(yùn)算后的各指標(biāo)數(shù)據(jù)見(jiàn)下頁(yè)表3。
三、典型相關(guān)分析和模型建立
將表3中的數(shù)據(jù)輸入計(jì)算機(jī)，研究第一組指標(biāo)X與第二組指標(biāo)Y，這兩組指標(biāo)內(nèi)部以及兩組指標(biāo)間一對(duì)一的相關(guān)程度，應(yīng)用軟件SPSS 16.0的典型相關(guān)分析cancorr過(guò)程和MANOVA命令，基于顯著水平0.05，兩組指標(biāo)的分析結(jié)果如下：
（一）典型相關(guān)系數(shù)及其檢驗(yàn)
由下頁(yè)表4中數(shù)據(jù)結(jié)果可知，影響組與績(jī)效組共提取了4 對(duì)典型相關(guān)變量，其典型相關(guān)系數(shù)分別是0.98026、0.61826、0.36209、0.05170，前兩個(gè)典型相關(guān)系數(shù)均較高，分別為0.98026、0.61826，且典型變量的典型相關(guān)性比較顯著，表明前兩個(gè)相應(yīng)典型變量之間相關(guān)程度高。
從下頁(yè)表5可以看出，只有第一對(duì)典型變量檢驗(yàn)的顯著性水平小于等于0.05，表明第一對(duì)典型變量之間相關(guān)關(guān)系顯著，而且相關(guān)系數(shù)也比較高，達(dá)到了98.026%，因此可以通過(guò)第一對(duì)典型相關(guān)系數(shù)的研究來(lái)反映兩組變量之間的相關(guān)性。
（二）典型相關(guān)方程
典型相關(guān)系數(shù)是原始變量轉(zhuǎn)化為典型變式的權(quán)數(shù)，所反映的是組內(nèi)變量在形成典型函數(shù)時(shí)的相對(duì)作用。第一對(duì)典型變量（U，V）的累積特征根已經(jīng)占了總量的96.95313%，而第二對(duì)典型變量（U，V）的特征根僅為總量的2.44102%（見(jiàn)下頁(yè)表4），而且只有第一對(duì)典型變量通過(guò)F統(tǒng)計(jì)量檢驗(yàn)（Sig值小于0.05），所以，第一個(gè)典型相關(guān)方程可大體上說(shuō)明問(wèn)題。由于原始變量的計(jì)量單位不同，不宜直接比較，為了消除原始變量量綱和單位的影響，我們采用標(biāo)準(zhǔn)化的典型相關(guān)系數(shù)，由典型相關(guān)系數(shù)構(gòu)建典型相關(guān)方程。
我們得出典型相關(guān)方程，如下：
從方程中的典型權(quán)重來(lái)看，影響組U1的影響因素從大到小依次是X2（銷(xiāo)售成本費(fèi)用率）、X3（資產(chǎn)總額）、X1（資產(chǎn)風(fēng)險(xiǎn)率）以及X4（市場(chǎng)占有率），相關(guān)系數(shù)分別為-0.946、0.162、-0.069、-0.016。根據(jù)第一組典型相關(guān)方程，在第一典型變量U1 中發(fā)揮主導(dǎo)作用的是X2（銷(xiāo)售成本費(fèi)用率），典型載荷是-0.946?？?jī)效組V1的主要影響因素是Y4（加權(quán)平均凈資產(chǎn)收益率），其次是Y1（銷(xiāo)售凈利率）以及Y2（主營(yíng)業(yè)務(wù)現(xiàn)金含量）和Y3（總資產(chǎn)現(xiàn)金回收率）。在第一典型變量V1 中發(fā)揮主導(dǎo)作用的是Y4（加權(quán)平均凈資產(chǎn)收益率），典型載荷是0.623。其余指標(biāo)對(duì)典型變量的貢獻(xiàn)程度不顯著?？紤]到指標(biāo)X2和Y4所代表的含義，第一典型變量U1 可以用來(lái)反映企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，第二典型變量V1可以用來(lái)反映股東投入資金的盈利能力?？紤]到兩者符號(hào)相反，因此，可以得出銷(xiāo)售成本費(fèi)用率對(duì)于加權(quán)平均凈資產(chǎn)收益率具有反面的影響。但是，利用典型權(quán)重來(lái)解釋變量的相對(duì)重要性我們應(yīng)審慎對(duì)待。比如，權(quán)重小的可能代表該變量之間沒(méi)什么關(guān)聯(lián)，也可能是因該變量與其他變量具有共線性而造成的。因此，必須進(jìn)一步進(jìn)行典型結(jié)構(gòu)分析。
（三）典型結(jié)構(gòu)分析
典型結(jié)構(gòu)分析依據(jù)典型變量與原始變量之間的相關(guān)系數(shù)值，反映典型變量和績(jī)效組及影響組的各變量之間的影響程度和方向。實(shí)際上討論的是典型負(fù)載系數(shù)和交叉負(fù)載系數(shù)。典型負(fù)載系數(shù)是典型變量與同屬于本組的原始變量之間的相關(guān)系數(shù)。
典型結(jié)構(gòu)分析的計(jì)算結(jié)果如表6所示。由表6可知，影響組的第一典型變量Ul與X2具有高度相關(guān)性，與X3、X4表現(xiàn)中度相關(guān)，與X1低度相關(guān)。說(shuō)明銷(xiāo)售成本費(fèi)用率（X2） 、資產(chǎn)總額（X3）、市場(chǎng)占有率（X4）與經(jīng)營(yíng)績(jī)效的影響因素相關(guān)程度較高，其中X2最為顯著。資產(chǎn)風(fēng)險(xiǎn)率（X1）與經(jīng)營(yíng)績(jī)效的影響因素相關(guān)程度較低，貢獻(xiàn)量最小，但也有一定的影響力。
由表7可知，績(jī)效組的第一典型變量U1與Y4、Y1的相關(guān)系數(shù)都比較高，分別為0.994、0.987，屬高度相關(guān)，與Y3的相關(guān)系數(shù)也達(dá)到了0.718，說(shuō)明加權(quán)平均凈資產(chǎn)收益率（Y4）、銷(xiāo)售凈利率（Y1）、總資產(chǎn)現(xiàn)金回收率（Y3）的影響都比較大。與其他典型變量比較，Ul反映了上市公司經(jīng)營(yíng)績(jī)效的成分更多一些。
由表6和表7可知，由于第一典型變量之間的高度相關(guān)，績(jī)效組內(nèi)大部分原始變量與本組的第一典型變量相關(guān)程度較高，而影響組內(nèi)的原始變量與本組的第一典型變量之間也呈較高的相關(guān)關(guān)系，這種一致性從數(shù)量上體現(xiàn)了經(jīng)營(yíng)績(jī)效的影響因素對(duì)上市公司的經(jīng)營(yíng)績(jī)效的本質(zhì)影響作用。說(shuō)明典型相關(guān)分析結(jié)果具有較高的可信度。
交叉負(fù)載系數(shù)是某一組中的典型變量與另外一組的原始變量之間的相關(guān)系數(shù)。交叉負(fù)載系數(shù)的平方表示本組原始變量的變異量被另一組的典型變量解釋的比例。
從表8可知，影響組的第一典型變量V1與X2的交叉負(fù)載系數(shù)為 -0.967，這個(gè)數(shù)值的平方為0.935，表示V1可以解釋影響組的一個(gè)變異量的93.5%。
從表9可知，績(jī)效組的四個(gè)變量與第一典型變量V1的交叉負(fù)載系數(shù)為0.967、0.552、0.704、0.974，取平方得到0.935、0.305、0.500、0.949，表示V1可以解釋績(jī)效組的四個(gè)變量變異量的93.5%、30.5%、50%和94.9%。
（四）典型冗余和解釋能力分析
第一典型冗余表示第一組原始變量總方差中本組變式解釋的百分比，第二典型冗余表示第一組原始變量總方差中由第二組的變式所解釋的平均比例。典型相關(guān)系數(shù)的平方表示兩組典型變量間享有的共同變異的百分比，將第一典型冗余乘以典型相關(guān)系數(shù)的平方， 即為第二典型冗余。
從表10中可以看出，第一對(duì)典型變量U1和V1均較好地預(yù)測(cè)了對(duì)應(yīng)的那組變量，第一典型冗余分別為29.7% 和69.9% ，交互解釋能力比較強(qiáng)；第二典型冗余分別達(dá)到28.5%和67.1%，也具有較強(qiáng)的解釋能力；第二對(duì)典型變量U2和V2的預(yù)測(cè)能力和交互解釋能力比較弱，第一典型冗余分別為31.9%和2.4%，第二典型冗余分別為12.2%和0.9%，也具有一定的解釋能力。尤其是第一對(duì)典型相關(guān)變量具有較高的解釋百分比（0.960），說(shuō)明第一對(duì)典型變量較好地預(yù)測(cè)了對(duì)應(yīng)的那組變量，同時(shí)，也較好地預(yù)測(cè)了對(duì)方組的變量，同時(shí)也說(shuō)明了影響組與績(jī)效組不僅能夠被其自身的典型變量解釋?zhuān)瑫r(shí)也能被其對(duì)應(yīng)的典型變量所解釋?zhuān)梢缘贸鲇绊懡M與績(jī)效組之間具有顯著的相關(guān)性。
四、結(jié)論
本文選取了飼料行業(yè)上市公司為研究樣本，通過(guò)典型相關(guān)分析方法研究經(jīng)營(yíng)績(jī)效及其影響因素之間的相關(guān)性?？梢缘贸鲆韵陆Y(jié)論：
在典型相關(guān)方程中，“績(jī)效組”中的加權(quán)平均凈資產(chǎn)收益率的典型載荷最顯著，強(qiáng)于其他指標(biāo)，對(duì)上市公司的經(jīng)營(yíng)績(jī)效具有一定的影響。進(jìn)而體現(xiàn)了加權(quán)平均凈資產(chǎn)收益率是一個(gè)綜合性最強(qiáng)的財(cái)務(wù)比率，最能反映股東投入資金的盈利能力，是績(jī)效組中最有代表性的一個(gè)指標(biāo)。其次是銷(xiāo)售凈利率典型載荷低于加權(quán)平均凈資產(chǎn)收益率，也表現(xiàn)出了較強(qiáng)的相關(guān)性。“影響組”中的資產(chǎn)風(fēng)險(xiǎn)率、銷(xiāo)售成本費(fèi)用率均與經(jīng)營(yíng)績(jī)效具有一定的負(fù)相關(guān)性，即資產(chǎn)風(fēng)險(xiǎn)率、銷(xiāo)售成本費(fèi)用率越高，經(jīng)營(yíng)績(jī)效的值越低，這兩個(gè)因素對(duì)企業(yè)的績(jī)效水平起到抑制的作用。而資產(chǎn)總額、市場(chǎng)占有率均與經(jīng)營(yíng)績(jī)效具有顯著的正相關(guān)關(guān)系。即資產(chǎn)總額、市場(chǎng)占有率越高，公司的經(jīng)營(yíng)績(jī)效水平也越高。另一方面，資產(chǎn)風(fēng)險(xiǎn)率和銷(xiāo)售成本費(fèi)用率是影響組中典型相關(guān)系數(shù)最高的變量，典型變量的典型相關(guān)性比較顯著，因此在上市公司制定戰(zhàn)略時(shí)要重視這兩者的變化，盡量降低資產(chǎn)風(fēng)險(xiǎn)率和銷(xiāo)售成本費(fèi)用率的指標(biāo)，使飼料行業(yè)上市公司的經(jīng)營(yíng)績(jī)效達(dá)到理想目標(biāo)。
參考文獻(xiàn)：
1.張力庠，譚智心.我國(guó)飼料產(chǎn)業(yè)區(qū)域競(jìng)爭(zhēng)力評(píng)價(jià)分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2007，（2）.
2.張淑輝，陳建成，張立中，張新偉.農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)及其影響因素的典型相關(guān)分析[J].經(jīng)濟(jì)問(wèn)題，2012，（5）.
3.姚公安，李琪.企業(yè)績(jī)效與創(chuàng)新資金投入的相關(guān)性：基于電子信息產(chǎn)業(yè)百?gòu)?qiáng)企業(yè)的研究[J].系統(tǒng)工程，2009，27（7）.
4.于明潔，郭鵬.基于典型相關(guān)分析的區(qū)域創(chuàng)新系統(tǒng)投入與產(chǎn)出關(guān)系研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2012，（6）.
5.王雷，黨興華.R&D經(jīng)費(fèi)支出、風(fēng)險(xiǎn)投資與高新技術(shù)產(chǎn)業(yè)發(fā)展：基于典型相關(guān)分析的中國(guó)數(shù)據(jù)實(shí)證研究[J].研究與發(fā)展管理，2008，（8）.
6.王發(fā)友.典型相關(guān)分析的基本思想和方法步驟[J].科技信息，2007，（12）.
作者簡(jiǎn)介：
[關(guān)鍵詞]農(nóng)村公共產(chǎn)品；相互關(guān)系；供給結(jié)構(gòu)
[作者簡(jiǎn)介]寇艷春，江蘇科技大學(xué)人文社科學(xué)院教師，碩士，江蘇鎮(zhèn)江212003
[中圖分類(lèi)號(hào)]F294 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1672-2728(2008)10-0016-03
近年來(lái)，在農(nóng)村公共產(chǎn)品供給研究領(lǐng)域，學(xué)界普遍認(rèn)為應(yīng)該建立一個(gè)需求導(dǎo)向型的供給制度。許多學(xué)者通過(guò)調(diào)查研究，在了解和掌握農(nóng)村居民公共產(chǎn)品需求意愿的基礎(chǔ)上，根據(jù)農(nóng)村居民公共產(chǎn)品需求意愿，對(duì)農(nóng)村居民公共產(chǎn)品需求進(jìn)行了排序，得出了基于需求的農(nóng)村公共產(chǎn)品供給結(jié)構(gòu)，但很少有基于公共產(chǎn)品相互關(guān)系進(jìn)行的研究。因此，本文從相互關(guān)系的角度對(duì)農(nóng)村公共產(chǎn)品供給結(jié)構(gòu)進(jìn)行一些分析。
一、理論分析
農(nóng)村公共產(chǎn)品內(nèi)容豐富，種類(lèi)繁多。為了便于對(duì)農(nóng)村公共產(chǎn)品供給結(jié)構(gòu)開(kāi)展研究，筆者從眾多的農(nóng)村公共產(chǎn)品中，選擇了農(nóng)村基礎(chǔ)設(shè)施(主要包括農(nóng)村水利灌溉系統(tǒng)、農(nóng)村道路建設(shè)、鄉(xiāng)村電網(wǎng)建設(shè)、農(nóng)村人畜飲水、農(nóng)村電信服務(wù)等)、農(nóng)村基礎(chǔ)教育(主要是指農(nóng)村義務(wù)教育)和農(nóng)村醫(yī)療衛(wèi)生(主要是指農(nóng)村醫(yī)療服務(wù)和公共衛(wèi)生)三個(gè)部分作為本文農(nóng)村公共產(chǎn)品供給結(jié)構(gòu)研究的內(nèi)容。這三者的相互關(guān)系表現(xiàn)為：
1 基礎(chǔ)設(shè)施是教育醫(yī)療衛(wèi)生事業(yè)發(fā)展的前提和基礎(chǔ)。英國(guó)、美國(guó)、日本以及其他國(guó)家發(fā)展的經(jīng)驗(yàn)告訴我們，無(wú)論是基礎(chǔ)設(shè)施在區(qū)域內(nèi)的配置，還是在空間上的擴(kuò)展，都是以生產(chǎn)性基礎(chǔ)設(shè)施配置為主，以生產(chǎn)性基礎(chǔ)設(shè)施配置為先。只有當(dāng)生產(chǎn)性基礎(chǔ)設(shè)施配置達(dá)到一定規(guī)模，經(jīng)濟(jì)發(fā)展到一定水平后，生活性基礎(chǔ)設(shè)施以及教育醫(yī)療衛(wèi)生服務(wù)配置才會(huì)逐步展開(kāi)。不但如此，基礎(chǔ)設(shè)施必須在時(shí)間上先于其他直接生產(chǎn)性投資。由于基礎(chǔ)設(shè)施建設(shè)周期長(zhǎng)，因此，必須在建設(shè)上先行一步?；A(chǔ)設(shè)施(特別是交通運(yùn)輸業(yè))的發(fā)展速度普遍高于國(guó)民生產(chǎn)總值的增長(zhǎng)速度。因?yàn)樵诠I(yè)化初期，只有運(yùn)輸業(yè)等基礎(chǔ)設(shè)施超前發(fā)展，才能有助于消除各地區(qū)自然條件上的差異，促進(jìn)統(tǒng)一市場(chǎng)的形成，促使生產(chǎn)向具有比較優(yōu)勢(shì)的區(qū)域集中，推動(dòng)工農(nóng)業(yè)生產(chǎn)發(fā)展，提高國(guó)民經(jīng)濟(jì)發(fā)展水平。
2 教育醫(yī)療衛(wèi)生事業(yè)發(fā)展推動(dòng)了基礎(chǔ)設(shè)施建設(shè)?；A(chǔ)設(shè)施是教育醫(yī)療衛(wèi)生事業(yè)發(fā)展的前提和基礎(chǔ)，但是，教育醫(yī)療衛(wèi)生事業(yè)并不是基礎(chǔ)設(shè)施的附屬物，教育醫(yī)療衛(wèi)生事業(yè)一旦產(chǎn)生，就具有相對(duì)的獨(dú)立性，有自己的運(yùn)行規(guī)律，并對(duì)基礎(chǔ)設(shè)施建設(shè)產(chǎn)生巨大的推動(dòng)作用。首先，教育事業(yè)的發(fā)展為基礎(chǔ)設(shè)施建設(shè)培養(yǎng)有知識(shí)、懂技術(shù)的勞動(dòng)者；其次，教育事業(yè)的發(fā)展為基礎(chǔ)設(shè)施建設(shè)培養(yǎng)生產(chǎn)技術(shù)的創(chuàng)造者；最后，醫(yī)療衛(wèi)生事業(yè)的發(fā)展為基礎(chǔ)設(shè)施建設(shè)提供了身體健康的勞動(dòng)者。今天，我們很難想象在一個(gè)交通不暢、信息閉塞、缺乏水源、沒(méi)有“電、煤、氣”設(shè)施的地方能居住生活。正因?yàn)槿绱耍澳切╇p重身份者(具有消費(fèi)者和投票者雙重身份)將選擇最能符合他們對(duì)公共產(chǎn)品的偏好模式的社區(qū)”。因此，基礎(chǔ)設(shè)施完善的地方一定是工農(nóng)業(yè)生產(chǎn)發(fā)展的地方，也必然是人群聚居的地方。伴隨著人群聚居數(shù)量的不斷增加，人們對(duì)教育醫(yī)療衛(wèi)生事業(yè)的需求日益增加，必然推動(dòng)該地區(qū)教育醫(yī)療衛(wèi)生事業(yè)的發(fā)展。而教育醫(yī)療衛(wèi)生事業(yè)的發(fā)展又會(huì)吸引越來(lái)越多的人來(lái)到該地區(qū)接受教育和醫(yī)療衛(wèi)生服務(wù)，從而對(duì)基礎(chǔ)設(shè)施產(chǎn)生更大的需求，有力地推動(dòng)基礎(chǔ)設(shè)施的發(fā)展。
二、實(shí)證分析
如前所述，從理論上說(shuō)，基礎(chǔ)設(shè)施、基礎(chǔ)教育和醫(yī)療衛(wèi)生是相互聯(lián)系、相互影響、相互制約的。那么，我國(guó)農(nóng)村基礎(chǔ)設(shè)施、基礎(chǔ)教育和醫(yī)療衛(wèi)生是否存在著相互聯(lián)系、相互影響、相互制約的關(guān)系呢?我們以1982～2004年農(nóng)村集體固定資產(chǎn)投資、教育經(jīng)費(fèi)、醫(yī)療衛(wèi)生費(fèi)用為依據(jù)，利用Granger因果檢驗(yàn)對(duì)三者之間的關(guān)系進(jìn)行實(shí)證分析。
1 Granger因果檢驗(yàn)。建立一般回歸模型：
依次將集體固定資產(chǎn)投資(G)、教育經(jīng)費(fèi)(J)、醫(yī)療衛(wèi)生費(fèi)用(Y)三個(gè)變量帶入模型，得到如下檢驗(yàn)結(jié)果(見(jiàn)表1)：
2 Grange因果檢驗(yàn)結(jié)果與分析。通過(guò)Granger因果檢驗(yàn)，我們可以看出農(nóng)村集體固定資產(chǎn)投資、教育經(jīng)費(fèi)、醫(yī)療衛(wèi)生費(fèi)用三者之間存在著因果關(guān)系。也就是說(shuō)，農(nóng)村基礎(chǔ)設(shè)施、基礎(chǔ)教育和醫(yī)療衛(wèi)生之間存在著因果關(guān)系，如表1所示。這說(shuō)明，農(nóng)村基礎(chǔ)設(shè)施、基礎(chǔ)教育與醫(yī)療衛(wèi)生是相互對(duì)立、相互聯(lián)系、相互影響、相互制約的，是互為因果的關(guān)系。因此，在優(yōu)化農(nóng)村公共產(chǎn)品供給結(jié)構(gòu)的過(guò)程中，在優(yōu)先發(fā)展某種或某些公共產(chǎn)品的同時(shí)，還應(yīng)該統(tǒng)籌兼顧，注重協(xié)調(diào)發(fā)展
三、偏相關(guān)關(guān)系分析
經(jīng)過(guò)Granger因果檢驗(yàn)，我們不難發(fā)現(xiàn)，農(nóng)村公共產(chǎn)品各個(gè)組成部分之間存在著因果關(guān)系。那么，農(nóng)村基礎(chǔ)設(shè)施、基礎(chǔ)教育與醫(yī)療衛(wèi)生之間的相關(guān)關(guān)系程度如何，這就需要通過(guò)三者之間的偏相關(guān)系數(shù)加以說(shuō)明。
1 偏相關(guān)系數(shù)。偏相關(guān)系數(shù)的具體算法是：分別固定農(nóng)村基礎(chǔ)設(shè)施、基礎(chǔ)教育和醫(yī)療衛(wèi)生三個(gè)變量中的一個(gè)變量，然后計(jì)算出其他兩個(gè)變量的偏相關(guān)系數(shù)，以此類(lèi)推，計(jì)算出農(nóng)村基礎(chǔ)設(shè)施、基礎(chǔ)教育和醫(yī)療衛(wèi)生三個(gè)變量偏相關(guān)系數(shù)(見(jiàn)表2、表3、表4)。
從表2、表3、表4來(lái)看，偏相關(guān)關(guān)系分析結(jié)果表明：集體固定資產(chǎn)投資與教育經(jīng)費(fèi)之間的偏相關(guān)系數(shù)是0.607；集體固定資產(chǎn)投資與醫(yī)療衛(wèi)生費(fèi)用之間的偏相關(guān)系數(shù)是0.170；醫(yī)療衛(wèi)生費(fèi)用與教育經(jīng)費(fèi)之間的偏相關(guān)系數(shù)是0.673。也就是說(shuō)，農(nóng)村基礎(chǔ)設(shè)施與農(nóng)村基礎(chǔ)教育之間的偏相關(guān)系數(shù)是0.607；農(nóng)村基礎(chǔ)設(shè)施與農(nóng)村醫(yī)療衛(wèi)生之間的偏相關(guān)系數(shù)是0.170；農(nóng)村基礎(chǔ)教育與農(nóng)村醫(yī)療衛(wèi)生之間的偏相關(guān)系數(shù)是0.673。
2 農(nóng)村公共產(chǎn)品供給排序。從偏相關(guān)關(guān)系分析結(jié)果來(lái)看，農(nóng)村基礎(chǔ)教育與農(nóng)村醫(yī)療衛(wèi)生之間的偏相關(guān)系數(shù)是0.673，是最大的，說(shuō)明農(nóng)村基礎(chǔ)教育與農(nóng)村醫(yī)療衛(wèi)生之間的關(guān)系最為密切，聯(lián)系也最為緊密。農(nóng)村基礎(chǔ)教育與農(nóng)村基礎(chǔ)設(shè)施之間的偏相關(guān)系數(shù)是0.607，位于次席。而偏相關(guān)系數(shù)最小的是農(nóng)村基礎(chǔ)設(shè)施與農(nóng)村醫(yī)療衛(wèi)生，它們二者之間的偏相關(guān)系數(shù)為0.170。由農(nóng)村基礎(chǔ)設(shè)施、農(nóng)村基礎(chǔ)教育與農(nóng)村醫(yī)療衛(wèi)生之間的偏相關(guān)系數(shù)可以看出：
一是農(nóng)村基礎(chǔ)教育最為重要。對(duì)農(nóng)村基礎(chǔ)設(shè)施而言，農(nóng)村基礎(chǔ)設(shè)施與農(nóng)村基礎(chǔ)教育的偏相關(guān)系數(shù)為0.607，而農(nóng)村基礎(chǔ)設(shè)施與農(nóng)村醫(yī)療衛(wèi)生的偏相關(guān)系數(shù)為0.170，因而農(nóng)村基礎(chǔ)教育比農(nóng)村醫(yī)療衛(wèi)生重要；對(duì)農(nóng)村醫(yī)療衛(wèi)生而言，農(nóng)村醫(yī)療衛(wèi)生與農(nóng)村基礎(chǔ)教育的偏相關(guān)系數(shù)為0.673，而農(nóng)村醫(yī)療衛(wèi)生與農(nóng)村基礎(chǔ)設(shè)施的偏相關(guān)系數(shù)為0.170，因而農(nóng)村基礎(chǔ)教育比農(nóng)村基礎(chǔ)設(shè)施重要。由此，我們可以得出農(nóng)村基礎(chǔ)教育最為重要。
二是農(nóng)村醫(yī)療衛(wèi)生比農(nóng)村基礎(chǔ)設(shè)施重要。對(duì)于農(nóng)村醫(yī)療衛(wèi)生與農(nóng)村基礎(chǔ)設(shè)施來(lái)說(shuō)，二者之間的偏相關(guān)系數(shù)為0.170。在農(nóng)村醫(yī)療衛(wèi)生與農(nóng)村基礎(chǔ)設(shè)施偏相關(guān)系數(shù)既定的情況下，要討論農(nóng)村醫(yī)療衛(wèi)生與農(nóng)村基礎(chǔ)設(shè)施在農(nóng)村公共產(chǎn)品供給中的重要程度，只能通過(guò)比較農(nóng)村基礎(chǔ)設(shè)施、農(nóng)村醫(yī)療衛(wèi)生與同一個(gè)公共產(chǎn)品偏相關(guān)系數(shù)，即通過(guò)比較農(nóng)村醫(yī)療衛(wèi)生與農(nóng)村基礎(chǔ)教育、農(nóng)村基礎(chǔ)設(shè)施與農(nóng)村基礎(chǔ)教育的偏相關(guān)系數(shù)，哪一對(duì)偏相關(guān)系數(shù)大，說(shuō)明哪一個(gè)相對(duì)重要一些；哪一對(duì)偏相關(guān)系數(shù)小，說(shuō)明哪一個(gè)相對(duì)弱一些。由于農(nóng)村基礎(chǔ)設(shè)施與農(nóng)村基礎(chǔ)教育的偏相關(guān)系數(shù)0.607小于農(nóng)村醫(yī)療衛(wèi)生與農(nóng)村基礎(chǔ)教育的偏相關(guān)系數(shù)0.673，所以，農(nóng)村醫(yī)療衛(wèi)生比農(nóng)村基礎(chǔ)設(shè)施更重要。
關(guān)鍵詞：創(chuàng)業(yè)板市場(chǎng)；中小板市場(chǎng)；動(dòng)態(tài)相關(guān)性；DCC-GARCH模型；Copula模型
中圖分類(lèi)號(hào)：F830.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3104（2013）06?0086?05
創(chuàng)業(yè)板市場(chǎng)是專(zhuān)門(mén)為成長(zhǎng)性好、發(fā)展?jié)摿Υ蟮母呖萍脊咎峁┤谫Y的平臺(tái)，是我國(guó)多層次資本市場(chǎng)建設(shè)的重要組成部分。中小板市場(chǎng)是我國(guó)特有的，為滿(mǎn)足中小企業(yè)發(fā)展需要而設(shè)立的過(guò)渡資本市場(chǎng)。相對(duì)于主板市場(chǎng)而言，創(chuàng)業(yè)板與中小板具有上市公司規(guī)模小、價(jià)格波動(dòng)大、市場(chǎng)風(fēng)險(xiǎn)高等特點(diǎn)，且二者均為為中小企業(yè)融資服務(wù)的資本市場(chǎng)平臺(tái)。
根據(jù)國(guó)務(wù)院“九條意見(jiàn)”①精神，我國(guó)建立多層次資本市場(chǎng)的條件正逐步成熟，創(chuàng)業(yè)型企業(yè)上市在股本總額和持續(xù)盈利記錄等方面的限制將有所放寬，在條件成熟時(shí)，中小企業(yè)板塊將從現(xiàn)有的市場(chǎng)中剝離，并與目前的創(chuàng)業(yè)板市場(chǎng)合并，最終建立正式的創(chuàng)業(yè)板市場(chǎng)。由此可以看出，中小板市場(chǎng)是創(chuàng)業(yè)板市場(chǎng)的過(guò)渡產(chǎn)物。理論上，創(chuàng)業(yè)板市場(chǎng)有別于中小板市場(chǎng)，實(shí)際上，創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)表現(xiàn)出較強(qiáng)的趨同性。在這種背景下，通過(guò)計(jì)算兩市場(chǎng)間的相關(guān)系數(shù)來(lái)考察二者間的動(dòng)態(tài)相關(guān)性，對(duì)于投資者在兩市場(chǎng)間進(jìn)行資產(chǎn)配置或風(fēng)險(xiǎn)評(píng)估，都具有重要的現(xiàn)實(shí)意義。
靜態(tài)相關(guān)系數(shù)無(wú)法反應(yīng)不同市場(chǎng)間的資產(chǎn)價(jià)格或收益率的互動(dòng)變化，而DCC-GARCH模型和Copula模型計(jì)算的動(dòng)態(tài)相關(guān)系數(shù)均能較好地描述市場(chǎng)間的動(dòng)態(tài)相關(guān)關(guān)系。Engle[1]提出了DCC-GARCH模型，我國(guó)學(xué)者游家興等人[2]基于DCC-GARCH模型對(duì)中國(guó)與亞洲、歐美7個(gè)股票市場(chǎng)的聯(lián)動(dòng)性進(jìn)行分析，得到了自1991年至2008年間市場(chǎng)間聯(lián)動(dòng)性變化的動(dòng)態(tài)過(guò)程，并得出了市場(chǎng)間聯(lián)動(dòng)性逐漸增加的結(jié)論；徐有俊等[3]基于DCC-GARCH模型，通過(guò)運(yùn)用1997年1月至2009年3月的數(shù)據(jù)，研究了中國(guó)股市與國(guó)際股票指數(shù)（MSCI印度指數(shù)、MSCI世界指數(shù)、MSCI亞太指數(shù)和MSCI亞洲新興市場(chǎng)指數(shù)）之間的聯(lián)動(dòng)性，結(jié)果發(fā)現(xiàn)中印兩國(guó)和亞洲新興市場(chǎng)的聯(lián)動(dòng)性大于其與國(guó)際發(fā)達(dá)市場(chǎng)，且中國(guó)與世界股票市場(chǎng)的聯(lián)動(dòng)性逐漸增強(qiáng)；近年來(lái)，Copula理論和方法在金融等相關(guān)領(lǐng)域的運(yùn)用取得了明顯的進(jìn)展。Patton[4]構(gòu)建了馬克兌美元和日元兌美元匯率的對(duì)數(shù)收益的二元Copula模型，結(jié)果顯示Copula模型可以較好地描述外匯市場(chǎng)間的相關(guān)關(guān)系；韋艷華、張世英[5]運(yùn)用Copula模型對(duì)上海股票市場(chǎng)各行業(yè)板塊動(dòng)態(tài)相關(guān)性進(jìn)行了相關(guān)的研究；Bart ram、Taylor & Wang[6]運(yùn)用高斯時(shí)變Copula對(duì)歐元引入歐洲17個(gè)國(guó)家或地區(qū)的股票市場(chǎng)之間的相關(guān)性進(jìn)行了研究；張自然、丁日佳[7]采用時(shí)變SJC-Copula模型較好地描述了人民幣匯率境內(nèi)SPOT市場(chǎng)、DF市場(chǎng)和境外NDF市場(chǎng)之間的相依關(guān)系。
從已有研究文獻(xiàn)來(lái)看，DCC-GARCH模型和
Copula模型均能較好地刻畫(huà)金融市場(chǎng)間的動(dòng)態(tài)關(guān)系，但Copula模型效果要好于前者。目前，運(yùn)用以上兩模型對(duì)于創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)間的動(dòng)態(tài)相關(guān)關(guān)系的研究文獻(xiàn)鮮見(jiàn)，尤其是基于兩方法的比較視角更是尚未看到，本文基于兩方法比較視角對(duì)創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)間的動(dòng)態(tài)相關(guān)性進(jìn)行研究，對(duì)于厘清兩市場(chǎng)間的關(guān)系，尋找測(cè)度市場(chǎng)間的相關(guān)性更適宜的方法都具有重要的現(xiàn)實(shí)意義。
一、相關(guān)理論與方法
（一） DCC-GARCH模型
設(shè)rt是一組白噪聲隨機(jī)變量組成的向量，滿(mǎn)足以下條件：
（1）
其中：It?1為rt在時(shí)刻t?1時(shí)刻的信息集，Ht為條件協(xié)方差矩陣，表示為：
Ht=DtRtDt （2）
從單變量GARCH模型可以得到時(shí)變標(biāo)準(zhǔn)差矩陣Dt=diag{σi， t}，Rt={ρij}t為動(dòng)態(tài)條件相關(guān)系數(shù)矩陣。
如果能夠準(zhǔn)確地估計(jì)Ht，Dt，代入上式（2），就可以計(jì)算出動(dòng)態(tài)條件相關(guān)系數(shù)Rt。Rt的計(jì)算公式轉(zhuǎn)化為：
（3）
其中：
（4）
（5）
將式子代入上面的式子便可求出動(dòng)態(tài)相關(guān)系數(shù)。
（二） Copula模型
根據(jù)Copula函數(shù)的相關(guān)理論，確定一個(gè)合適的邊緣分布是構(gòu)建多變量金融時(shí)間序列Copula模型的重中之重，根據(jù)金融時(shí)間序列的波動(dòng)特征和分布的“尖峰厚尾”性，選取GARCH-t模型來(lái)刻畫(huà)兩市場(chǎng)收益率的波動(dòng)特征。
Rnt=μn+εnt， n=1， 2， …， T （6）
（7）
（8）
（9）
其中：CN（?）表示二元正態(tài)Copula函數(shù)，Tv1（?）、Tv2（?）分別表示均值為0，方差為1，自由度為v1和v2的正規(guī)化t分布函數(shù)。
二元正態(tài)Copula函數(shù)常用來(lái)描述兩個(gè)變量間的相關(guān)關(guān)系，其分布函數(shù)為：
（10）
其中：表示標(biāo)準(zhǔn)正態(tài)分布函數(shù)的逆函數(shù)，ρ （）為相關(guān)參數(shù)。相關(guān)參數(shù)可以有兩種形式：一為常相關(guān)參數(shù)，二為時(shí)變相關(guān)參數(shù)。隨著外部條件的變化，變量之間的相關(guān)系數(shù)也有可能發(fā)生波動(dòng)，Patton（2001）提出了可以由一個(gè)類(lèi)似于ARMA（1， q）的過(guò)程來(lái)描述，他把時(shí)變相關(guān)參數(shù)演進(jìn)方程擴(kuò)展為一般形式：
（11）
其中：函數(shù)Λ（?）定義為，它是為了保證ρt始終處于（?1， 1）之間，，是觀測(cè)序列進(jìn)行概率變換后得到的序列。滯后階數(shù)q可以根據(jù)研究對(duì)象的特點(diǎn)自行選取，一般q小于等于10。
二、實(shí)證分析
（一） 數(shù)據(jù)來(lái)源及解釋
為研究創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)之間的動(dòng)態(tài)關(guān)聯(lián)性，本文選取創(chuàng)業(yè)板指數(shù)（399006）和中小板指數(shù)（399005），分別以cybr和zxbr表示創(chuàng)業(yè)板指數(shù)收益率和中小板指數(shù)收益率。時(shí)間窗口為2010年6月1日至2012年5月31日，共484個(gè)數(shù)據(jù)數(shù)據(jù)，運(yùn)用eviews6.0、winrats8.0和MATLAB等軟件進(jìn)行計(jì)算。
（二） 數(shù)據(jù)描述及處理
根據(jù)日收益率公式：
Rt=ln St?ln St?1 （12）
其中：Rt表示市場(chǎng)指數(shù)收益率，St為第t日的市場(chǎng)指數(shù)收盤(pán)價(jià)，St?1為第t?1日的市場(chǎng)指數(shù)收益率。求得兩市場(chǎng)指數(shù)日收益率的描述性統(tǒng)計(jì)表1。
由表1可知，創(chuàng)業(yè)板指數(shù)及中小板指數(shù)收益率均值很小，幾乎接近于0，且為負(fù)的，表明在此期間，投資兩市的投資者均是虧損的。且兩市股指收益率的分布均有左偏性，收益率的峰度值均大于正態(tài)分布的峰度值，通過(guò)JB統(tǒng)計(jì)量檢驗(yàn)知，兩市場(chǎng)指數(shù)收益率均不服從正態(tài)分布，具有“尖峰后尾”特征，在此基礎(chǔ)上分析知兩市場(chǎng)指數(shù)收益率均存在序列自相關(guān)和ARCH效應(yīng)，并依據(jù)AIC及似然函數(shù)準(zhǔn)則選用GARCH-t 模型來(lái)擬合樣本數(shù)據(jù)，表2是參數(shù)估計(jì)結(jié)果。
α的估計(jì)值均大于0，且α+β
（三） DCC-GARCH模型估計(jì)結(jié)果
現(xiàn)在利用DCC-GARCH模型估計(jì)兩市場(chǎng)的動(dòng)態(tài)相關(guān)性，運(yùn)用winrats8.0得到兩市場(chǎng)之間的動(dòng)態(tài)相關(guān)系數(shù)序列的描述性統(tǒng)計(jì)量如表3。
由表3可以看出，創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)之間的相關(guān)系數(shù)均大于零，均值為0.888 427，最大值為0.945 926，最小值為0.729 338，兩市場(chǎng)表現(xiàn)出較強(qiáng)的正相關(guān)性。另外，兩市場(chǎng)的動(dòng)態(tài)相關(guān)系數(shù)的標(biāo)準(zhǔn)差為0.037 687，表現(xiàn)出兩市場(chǎng)相關(guān)性的波動(dòng)較小，也從一定程度上表明兩市場(chǎng)變化的一致性。
DCC-GARCH模型下，兩市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)變化可以通過(guò)圖1表示。
由圖1可以看出，2010年底到2011年上半年，創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)之間的相關(guān)關(guān)系有比較大的波動(dòng)，從2011年下半年開(kāi)始，二者相關(guān)關(guān)系趨于穩(wěn)定。且兩年的時(shí)間內(nèi)，兩市場(chǎng)的相關(guān)系數(shù)在2010年7月份、10月份及2011年的5月份有一較大幅度的下跌，前一時(shí)間點(diǎn)大幅下跌的原因在于創(chuàng)業(yè)板指不久，樣本股調(diào)整導(dǎo)致的結(jié)果，后兩時(shí)間點(diǎn)大幅下跌的原因與2010年7月份創(chuàng)業(yè)板的解禁潮及2011年5月份的創(chuàng)業(yè)板高管大幅度減持有關(guān)。
（四） Copula函數(shù)估計(jì)結(jié)果
表4為常相關(guān)的二元正態(tài)Copula函數(shù)的參數(shù)估計(jì)結(jié)果。由表3的常相關(guān)參數(shù)可知，創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)指數(shù)收益率序列間均具有較強(qiáng)的正相關(guān)關(guān)系，相關(guān)系數(shù)為0.882 11（見(jiàn)表4）。
金融時(shí)間序列間的相關(guān)關(guān)系一般是時(shí)變的，這里我們選取q=10來(lái)考察兩市場(chǎng)間的的動(dòng)態(tài)相關(guān)關(guān)系，表5為參數(shù)估計(jì)的結(jié)果（見(jiàn)表5）。
由表5可知，創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)指數(shù)收益率序列的持續(xù)性參數(shù)βp=0.135 43，說(shuō)明這兩個(gè)序列的時(shí)變相關(guān)參數(shù)受前一期影響，但不是太大。實(shí)際上，圖2也能表明兩市場(chǎng)間的動(dòng)態(tài)相關(guān)性受前期影響。
由圖2可以看出，創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)之間的時(shí)變相關(guān)系數(shù)波動(dòng)稍大，但也僅限于狹窄的區(qū)間內(nèi)[0.862， 0.925]，相關(guān)系數(shù)出現(xiàn)的高點(diǎn)、低點(diǎn)等異常值與DCC-GARCH模型估計(jì)結(jié)果基本一致（見(jiàn)圖2）。
表6為利用Copula模型，運(yùn)用MATLAB計(jì)算得到的兩市場(chǎng)之間的動(dòng)態(tài)相關(guān)系數(shù)序列的描述性統(tǒng)計(jì)量（見(jiàn)表6）。
表1 創(chuàng)業(yè)板及中小板市場(chǎng)指數(shù)日收益率基本統(tǒng)計(jì)量
樣本 均值 中值 最大值 最小值 標(biāo)準(zhǔn)差 偏度
cybr ?0.000 583 0.001 076 0.065 948 ?0.078 435 0.019 930 ?0.403 484
zxbr ?0.000 221 0.000 791 0.049 282 ?0.065 047 0.015 953 ?0.375 436
樣本 峰度 JB統(tǒng)計(jì)量 伴隨概率P cybr zxbr
cybr 3.797 036 25.890 07 0.000 002 1.000 000 0.888 278
zxbr 3.603 655 18.680 16 0.000 088 0.888 278 1.000 000
表2 GARCH-t模型下兩市場(chǎng)參數(shù)估計(jì)結(jié)果
參數(shù) μ ω α β ν 對(duì)數(shù)似然值
cybr（399006） ?0.000 315 6 2.535 3×10?5 0.058 19 0.875 34 13.161 1 217.4
zxbr（399005） ?9.351×10?5 1.585×10?5 0.056 374 0.880 56 15.08 1 322.4
表3 DCC-GARCH模型下創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)收益率序列相關(guān)系數(shù)描述性統(tǒng)計(jì)量
樣本 均值 中值 最大值 最小值 標(biāo)準(zhǔn)差 偏度 峰度 JB統(tǒng)計(jì)量 伴隨概率P
cybr-zxbr 0.888 43 0.898 51 0.945 93 0.729 34 0.037 69 ?1.316 62 4.941 79 214.982 0.000 002
圖1 DCC-GARCH模型下兩市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)走勢(shì)
表4 常相關(guān)二元正態(tài)Copula函數(shù)的參數(shù)估計(jì)結(jié)果
樣本 ρ 對(duì)數(shù)似然值
cybr-zxbr 0.882 11 ?363.61
表5 時(shí)變二元正態(tài)Copula函數(shù)的參數(shù)估計(jì)結(jié)果
樣本 ωρ βρ αρ 對(duì)數(shù)似然值
cybr-zxbr ?1.731 3 0.135 43 5 ?364.87
圖2 Copula模型下兩市場(chǎng)間的時(shí)變相關(guān)系數(shù)走勢(shì)
表6 Copula模型下創(chuàng)業(yè)板市場(chǎng)與
中小板市場(chǎng)收益率序列相關(guān)系數(shù)描述性統(tǒng)計(jì)量
樣本 均值 中值 最大值 最小值 標(biāo)準(zhǔn)差
cybr-zxbr 0.885 4 0.885 0.924 3 0.863 2 0.010 25
由表6可以看出，Copula模型下創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)之間的時(shí)變相關(guān)系數(shù)均大于零，均值為 0.885 4，這與常相關(guān)系數(shù)0.882 11、靜態(tài)相關(guān)系數(shù) 0.888 3、DCC-GARCH估計(jì)的動(dòng)態(tài)相關(guān)系數(shù)均值 0.888 4相差無(wú)幾，說(shuō)明不管是基于線性考慮還是非線性考慮，兩市場(chǎng)間確實(shí)存在較強(qiáng)的正相關(guān)關(guān)系。另外，時(shí)變相關(guān)系最大值為0.924 3，與DCC-GARCH模型估計(jì)的相關(guān)系最大值0.945 926也相差不大，但最小值0.863 2較DCC-GARCH模型估計(jì)的0.729 338要大一些，這主要是由于Copula函數(shù)考慮了收益率隨時(shí)間變化而導(dǎo)致的結(jié)果。再者，兩方法估計(jì)的動(dòng)態(tài)相關(guān)系數(shù)的標(biāo)準(zhǔn)差均較小，DCC-GARCH模型下為0.037 687，Copula模型下為0.010 25，表明兩市場(chǎng)相關(guān)系數(shù)的波動(dòng)性較小，具有較強(qiáng)的穩(wěn)定性，說(shuō)明兩市場(chǎng)表現(xiàn)確實(shí)相差不大。
三、結(jié)論與建議
通過(guò)線性和非線性模型考察創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)收益率之間的相關(guān)性，可以得出以下結(jié)論與建議：
（1） 創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)指數(shù)收益率靜態(tài)相關(guān)系數(shù)為0.888 2，DCC-GARCH動(dòng)態(tài)相關(guān)系數(shù)均值為0.888 4，Copula常相關(guān)系數(shù)為0.882 11，Copula時(shí)變相關(guān)系數(shù)均值為0.885 4，無(wú)論是靜態(tài)相關(guān)系數(shù)，還是動(dòng)態(tài)相關(guān)系數(shù)，無(wú)論是線性相關(guān)系數(shù)，還是非線性相關(guān)系數(shù)，均表明兩市場(chǎng)間存在較強(qiáng)的正相關(guān)關(guān)系。
（2） DCC-GARCH模型下，兩市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)在一個(gè)狹窄的區(qū)間[0.729， 0.946]波動(dòng)，除了2010年7月、10月及2011年5月因股票解禁和高管減持造成的動(dòng)態(tài)相關(guān)系數(shù)大幅度下跌外，其他時(shí)間估計(jì)的GARCH動(dòng)態(tài)相關(guān)系數(shù)均表現(xiàn)出較強(qiáng)的穩(wěn)定性；Copula模型下，兩市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)也在一個(gè)狹窄的區(qū)間[0.862， 0.925]波動(dòng)，但會(huì)在時(shí)間窗口期內(nèi)有異常值出現(xiàn)，這是因?yàn)槭袌?chǎng)間的非線性影響因素所致，所以，Copula模型要優(yōu)于DCC-GARCH模型。
（3） 似然函數(shù)值表明，時(shí)變Copula模型因捕捉了資產(chǎn)收益率的持續(xù)性，估計(jì)兩市場(chǎng)間的相關(guān)系數(shù)效果要優(yōu)于常相關(guān)Copula模型。
總之，創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)指數(shù)收益較強(qiáng)的相關(guān)性和穩(wěn)定性表明，兩市場(chǎng)表現(xiàn)出較強(qiáng)的趨同性，這為中小企業(yè)上市和資產(chǎn)配置提供了有益建議，同時(shí)，也表明創(chuàng)業(yè)板市場(chǎng)與中小板市場(chǎng)合并將是必然趨勢(shì)。
注釋?zhuān)?/p>
① 2004年國(guó)務(wù)院下發(fā)的《關(guān)于推進(jìn)資本市場(chǎng)改革開(kāi)放和穩(wěn)定發(fā)展的若干意見(jiàn)》。
參考文獻(xiàn)：
Engle R F. Dynamic conditional correlation simple class of Multivariate GARCH models [J].Journal of Business and Economic Statistics， 2002（20）： 339?350.
游家興， 鄭挺國(guó). 中國(guó)與世界金融市場(chǎng)從分割走向整合――基于DCC-MGARCH模型的檢驗(yàn)[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2009（12）： 96?107.
徐有俊， 王小霞， 等. 中國(guó)股市與國(guó)際股市聯(lián)動(dòng)性分析――基于DCC-MGARCH模型研究[J]. 經(jīng)濟(jì)經(jīng)緯， 2010（5）： 124? 128.
Patton A. Modeling time-varying exchange rate dependence using the conditional copula [Z]. Department of Economics， University of California， San Diego， 2001.
韋艷華， 張世英. Copula理論及其在金融分析上的應(yīng)用[M]. 北京： 清華大學(xué)出版社， 2008（8）： 35?50.
Bartram S M， Taylor S J， Wang， Y H. The Euro and European financial market dependence [J]. Journal of Banking & Finance， 2007（31）： 1461?1481.
張自然， 丁日佳. 人民幣外匯市場(chǎng)間不對(duì)稱(chēng)匯率變動(dòng)的實(shí)證研究[J]. 國(guó)際金融研究， 2012（2）： 85?95.
高鐵梅. 計(jì)量經(jīng)濟(jì)分析方法與建模： Eviews應(yīng)用及實(shí)例[M]. 北京： 清華大學(xué)出版社， 2006（1）： 249?278.
金龍， 王正林. 精通MATLAB金融計(jì)算[M]. 北京： 電子工業(yè)出版社， 2009（6）： 254?257.
The Empirical Research of the Dynamic Correlation Between the Second Board Market And the Small and Medium-sized Board Market in China ――Based on Comparative Perspective of Different Methods
GENG Qingfeng
（Department of Public Economics and Finance， Minjiang University， Fuzhou 350108， China）
Abstract： The DCC-GARCH model can describe the linear dynamic correlation between financial markets， while the time-varying normal Copula model is mainly used for nonlinear dynamic correlation study between financial markets. This paper aims to study the dynamic correlation between the second board market and SME board market by building models to the return series of the two boards’ indexes and calculating dynamic correlation coefficient of the two markets on the basis of DCC-GARCH model and Copula model. The results show as as follows： ① there is positive correlation between the second board market and SME board market and the correlation is very strong； ② time-varying Copula model is better than constant correlation Copula model in describing the correlations among financial markets as it captures market return’s feature of time-varying； ③ except for a little time-points， dynamic correlation coefficient calculated on the basis of DCC-GARCH model is in a stable interval. Whereas， there are abnormal values in the dynamic correlation coefficients calculated on the basis of Copula model as a result of taking nonlinear factors into consideration. Hence the latter is better than the former.
Key Words： Growth Enterprise Market； Small and medium-sized market； Dynamic Correlation； DCC-GARCH Model； Copula model
收稿日期：2013?05?21；修回日期：2013?11?22
全球化資產(chǎn)配置必要性
在此之前，我們將從風(fēng)險(xiǎn)——收益的角度為投資者揭示全球化資產(chǎn)配置的必要性。我們選取了2003年至2012年上證綜指與其他各國(guó)市場(chǎng)代表性指數(shù)的月度收益率進(jìn)行了比較分析。
從上表中可以看出不同國(guó)家或地區(qū)都不同的風(fēng)險(xiǎn)收益特征。其中，收益率最高的國(guó)家或地區(qū)是印度尼西亞，月平均收益率為2.19%，波動(dòng)率為6.75%。恒生國(guó)企是波動(dòng)率最高的指數(shù)，月平均標(biāo)準(zhǔn)差是9.54%，收益率為1.92%。
目前QDII基金主要投資的兩大市場(chǎng)分別是中國(guó)香港和美國(guó)。從風(fēng)險(xiǎn)收益來(lái)看，和上證綜指相比，香港恒生指數(shù)收益率高，風(fēng)險(xiǎn)低。但是香港恒生指數(shù)與上證綜指的相關(guān)性較大，相關(guān)系數(shù)為0.53，僅次于恒生國(guó)企指數(shù)的0.61，較強(qiáng)的相關(guān)性使得大比例配置香港股市可能無(wú)法起到QDII基金分散A股的作用。相比之下，美股與上證綜指的相關(guān)性較低，雖然月平均收益率較低，但是波動(dòng)率也遠(yuǎn)遠(yuǎn)低于國(guó)內(nèi)股市。根據(jù)馬科維茨投資組合理論，將資產(chǎn)的三分之二跟蹤香港股市，剩余三分之一資產(chǎn)配置美國(guó)股市，得到的資產(chǎn)組合的收益率為0.80%和國(guó)內(nèi)股市收益率相等，但是其波動(dòng)率為5.35%。也就是說(shuō)通過(guò)區(qū)域配置，可以得到一個(gè)收益率和國(guó)內(nèi)股市相同但是風(fēng)險(xiǎn)小于國(guó)內(nèi)股市的組合。
QDII基金全球化配置效果
股票型
六只以全球化配置為投資主題的股票型QDII基金在美國(guó)和香港兩大市場(chǎng)的投資比例幾乎全部在六成以上，工銀瑞信全球配置甚至達(dá)到了78.06%。直觀上來(lái)看，“全球化”效果相對(duì)較好的是交銀環(huán)球精選和工銀瑞信全球精選，分別將24.57%、28.69%的資產(chǎn)配置在了美國(guó)、香港以外的國(guó)家或區(qū)域上，分布的地區(qū)分別達(dá)到了12、13個(gè)。
國(guó)家或地區(qū)配置情況
但是配置區(qū)域分散并不意味著全球化配置效果好，如果選擇的個(gè)股集中于中國(guó)概念股，那么其全球配置效果也會(huì)大打折扣。根據(jù)四季報(bào)顯示，上述六只QDII基金中僅工銀瑞信全球精選基金的前十大重倉(cāng)股中沒(méi)有中國(guó)概念股，而工銀瑞信全球配置、建信全球機(jī)遇前十大全部為中國(guó)概念股。從相關(guān)系數(shù)來(lái)看，工銀瑞信全球精選與上證綜指相關(guān)性非常弱，相關(guān)系數(shù)僅為0.03。長(zhǎng)盛環(huán)球景氣行業(yè)雖然投資區(qū)域較為集中，除了香港、美國(guó)僅投資了加拿大和法國(guó)兩個(gè)國(guó)家，并且配置的比例較低，但是由于該基金相對(duì)配置的中概股較少，因此和上證綜指呈現(xiàn)弱相關(guān)性，相關(guān)系數(shù)為0.27。
FOF型
現(xiàn)有以“全球化”為投資主題的FOF型QDII基金主要配置的是給類(lèi)型的ETF基金。一方面，ETF基金可以在二級(jí)市場(chǎng)上買(mǎi)賣(mài)，交易方便，費(fèi)用便宜。另一方面，持有ETF基金繞開(kāi)了個(gè)股選擇的問(wèn)題，可以較為直接地進(jìn)行區(qū)域配置。
關(guān)鍵詞：負(fù)債融資 企業(yè)績(jī)效 負(fù)債結(jié)構(gòu) 負(fù)債類(lèi)型
目前國(guó)內(nèi)學(xué)者關(guān)于融資方式對(duì)公司影響的研究日益增多，其中對(duì)公司績(jī)效影響以及產(chǎn)生的治理效應(yīng)的理論研究和實(shí)證研究比較多，融資方式選擇中主要偏向于股權(quán)融資方面的研究，而相對(duì)的負(fù)債融資方面的實(shí)證研究還比較少。因此，本文主要從負(fù)債融資對(duì)公司運(yùn)營(yíng)產(chǎn)生的治理效應(yīng)的大小，從而影響公司業(yè)績(jī)這一角度來(lái)研究負(fù)債融資結(jié)構(gòu)對(duì)公司績(jī)效的影響。
一、研究設(shè)計(jì)
（一）研究假設(shè) 根據(jù)委托理論，短期負(fù)債能夠約束投資過(guò)度行為，促使管理者在償付本息的壓力中作出更有效的投資決策，相較于長(zhǎng)期負(fù)債，短期負(fù)債的治理效應(yīng)更強(qiáng)；另一方面根據(jù)信號(hào)傳遞假說(shuō)，經(jīng)營(yíng)業(yè)績(jī)好而債務(wù)定價(jià)被低估的高品質(zhì)的公司傾向短期負(fù)債，經(jīng)營(yíng)業(yè)績(jī)差而債務(wù)定價(jià)被高估的低品質(zhì)公司傾向發(fā)行長(zhǎng)期負(fù)債?；谝陨嫌^點(diǎn)，本文提出假設(shè)：
假設(shè)1：短期負(fù)債與公司經(jīng)營(yíng)業(yè)績(jī)正相關(guān)，長(zhǎng)期負(fù)債與公司經(jīng)營(yíng)業(yè)績(jī)負(fù)相關(guān)
根據(jù)委托理論，我國(guó)商業(yè)信用對(duì)債務(wù)人的軟約束以及我國(guó)破產(chǎn)機(jī)制的缺陷，使股東易于侵害商業(yè)信用債權(quán)人的利益，相機(jī)治理作用較為薄弱；銀行貸款一般金額大期限長(zhǎng)，債權(quán)人是專(zhuān)業(yè)的借貸機(jī)構(gòu)，對(duì)企業(yè)的項(xiàng)目投資監(jiān)督能力較強(qiáng)，有能力對(duì)企業(yè)進(jìn)行干涉和對(duì)債券資產(chǎn)進(jìn)行保護(hù)，相機(jī)治理作用相對(duì)較強(qiáng)?；谝陨嫌^點(diǎn)，本文提出假設(shè)：
假設(shè)2：商業(yè)信用與公司經(jīng)營(yíng)業(yè)績(jī)負(fù)相關(guān)，銀行貸款與公司經(jīng)營(yíng)業(yè)績(jī)正相關(guān)
（二）樣本選擇和數(shù)據(jù)來(lái)源 本文在選取樣本公司時(shí)遵循以下原則：（1）剔除金融類(lèi)上市公司；（2）為了避免公司上市初期股價(jià)表現(xiàn)不穩(wěn)定的因素，故選擇2001年12月31日以前在上海證券交易所上市的公司；（3）僅發(fā)行A股股票的上市公司；（4）剔除ST、PT類(lèi)上市公司；（5）剔除房地產(chǎn)類(lèi)上市公司，現(xiàn)階段我國(guó)房地產(chǎn)上市公司泡沫經(jīng)濟(jì)較嚴(yán)重，受政策影響變動(dòng)較大，資本結(jié)構(gòu)不能反映正常的公司運(yùn)營(yíng)；（6）剔除數(shù)據(jù)殘缺、不正常、處于極限狀態(tài)的上市公司。按以上原則本文篩選了上海證券交易所2001年12月31日以前上市的100家企業(yè)作為研究樣本，研究時(shí)間跨度為2008年至2011年。本文運(yùn)用Excel、SPSS17.0數(shù)據(jù)分析軟件對(duì)樣本數(shù)據(jù)進(jìn)行處理。
（三）變量定義 本文選取變量如表（1）所示。（1）因變量：衡量一個(gè)公司的經(jīng)營(yíng)業(yè)績(jī)常用的指標(biāo)有：總資產(chǎn)收益率、凈資產(chǎn)收益率、主營(yíng)業(yè)務(wù)利潤(rùn)率、EVA評(píng)價(jià)法、托賓Q等。EVA評(píng)價(jià)法更能反映公司為股東創(chuàng)造的價(jià)值，但是這種方法操作過(guò)程中需要加入很多調(diào)整事項(xiàng)，可操作性不強(qiáng)；我國(guó)非流通股所仍占的較大的比例不能對(duì)其準(zhǔn)確估值，因此托賓Q并不是衡量我國(guó)上市公司經(jīng)營(yíng)業(yè)績(jī)的指標(biāo)選擇。而凈資產(chǎn)收益率是反映資本收益能力的國(guó)際通用指標(biāo)，但容易被人為操縱，失去了一定的可信度。因此，本文選取總資產(chǎn)收益率作為衡量公司業(yè)績(jī)的指標(biāo)，因?yàn)椴捎脝蝹€(gè)指標(biāo)衡量公司業(yè)績(jī)顯得不夠全面，而主營(yíng)業(yè)務(wù)成績(jī)突出的公司才能快速健康成長(zhǎng)，因此還選取了主營(yíng)業(yè)務(wù)利潤(rùn)率作為另一個(gè)績(jī)效指標(biāo)。（2）自變量：從負(fù)債期限結(jié)構(gòu)和負(fù)債類(lèi)型結(jié)構(gòu)對(duì)負(fù)債融資結(jié)構(gòu)進(jìn)行了細(xì)分，進(jìn)而考察負(fù)債融資對(duì)公司經(jīng)營(yíng)業(yè)績(jī)的影響。（1）債務(wù)期限結(jié)構(gòu)對(duì)經(jīng)營(yíng)業(yè)績(jī)的影響指標(biāo)：短期負(fù)債比率（SFZ）、長(zhǎng)期負(fù)債比率（LFZ）；負(fù)債的類(lèi)型結(jié)構(gòu)對(duì)經(jīng)營(yíng)業(yè)績(jī)的影響指標(biāo)：商業(yè)信用融資比率（SYXY）、銀行貸款融資比率（LLOAN）。目前我國(guó)發(fā)行企業(yè)債券的上市公司數(shù)只占了全部上市公司數(shù)很小的比例，發(fā)行參與者還不夠普遍，不具有統(tǒng)計(jì)意義。因此本文僅從商業(yè)信用和銀行貸款融資兩方面分析負(fù)債的類(lèi)型結(jié)構(gòu)對(duì)經(jīng)營(yíng)業(yè)績(jī)的影響。為了更具有可比性，以上五個(gè)自變量均以企業(yè)的總資產(chǎn)為分母。（3）控制變量：本文設(shè)置的控制變量有：公司規(guī)模（SIZE），即公司年末總資產(chǎn)的對(duì)數(shù)。預(yù)測(cè)一個(gè)企業(yè)未來(lái)經(jīng)營(yíng)狀況的重要指標(biāo)——公司的成長(zhǎng)性（GROWTH）。因?yàn)橐话愠砷L(zhǎng)性好的公司主營(yíng)業(yè)務(wù)比較突出，所以在這里選取主營(yíng)業(yè)務(wù)增長(zhǎng)率。
（四）模型建立
二、實(shí)證檢驗(yàn)分析
（一）描述性統(tǒng)計(jì) 表（2）表示樣本公司2008年至2011年短期負(fù)債的融資情況，其均值分別為37.87%、36.02%、36.90%、36.43%，融資規(guī)模比較穩(wěn)定。觀測(cè)期四年來(lái)短期負(fù)債比率均值為36.81%，明顯高于表3長(zhǎng)期負(fù)債率（均值為10.48%），前者是后者的3倍，需要注意的是，過(guò)高的短期負(fù)債會(huì)減弱負(fù)債的治理功能，最終影響到企業(yè)的經(jīng)營(yíng)業(yè)績(jī)。表（3）顯示樣本公司2008年至2011年長(zhǎng)期負(fù)債的融資情況，均值分別為8.71%、10.85%、10.99%、11.35%，四年來(lái)均值為10.48%，處在一個(gè)較低水平，需要注意的是觀測(cè)期四年期間均有一部分公司在某一年度甚至四年間的長(zhǎng)期負(fù)債為0，短期負(fù)債卻保持較高的水平，負(fù)債期限結(jié)構(gòu)是不合理的。
負(fù)債類(lèi)型主要分為銀行貸款、商業(yè)信用、企業(yè)債券。其中銀行貸款和商業(yè)性用占負(fù)債總額的70%以上。企業(yè)債券在近年來(lái)得到快速發(fā)展，所以一并列入分析，對(duì)上文的變量選擇中不將其納入負(fù)債類(lèi)型結(jié)構(gòu)的自變量的原因進(jìn)行補(bǔ)充說(shuō)明，從以下數(shù)據(jù)中做出有力說(shuō)明。表（4）顯示樣本公司2008年至2011年企業(yè)通過(guò)銀行貸款的融資情況，均值分別為22.32%、22.22%、21.02%、20.35%，四年的均值為21.41%，比值有些許滑落，這可能是因?yàn)榻鼛啄晔車(chē)?guó)家宏觀調(diào)控政策的影響緊縮銀根，為企業(yè)放貸規(guī)?？s小的原因造成的，但銀行貸款在總資產(chǎn)中仍占到了20%以上的比例，相對(duì)與以下的商業(yè)信用和企業(yè)債券，仍然是企業(yè)融資的主要方式。表（5）顯示樣本公司2008年至2011年企業(yè)通過(guò)商業(yè)信用融資的情況，均值分別為14.49%、15.16% 、15.76%、15.04%，四年的均值為15.11%，負(fù)債類(lèi)型中融資能力僅次與銀行貸款，與短期負(fù)債率四年的均值36.81%相比，商業(yè)信用占了整個(gè)短期（流動(dòng)）負(fù)債的41.05%，也說(shuō)明了商業(yè)信用在負(fù)債融資中有著不可忽視的作用。表（6）顯示樣本公司2008年至2011年企業(yè)通過(guò)發(fā)行債券融資的情況，均值分別為0.98%、0.67%、0.66%、1.79%，四年的均值為1.03%，雖然也呈現(xiàn)出了上升的姿態(tài)，但融資能力明顯低于銀行貸款和商業(yè)信用。近幾年我國(guó)企業(yè)債券發(fā)行額度有了明顯提高，08年后甚至超過(guò)股票籌資額，有了“量”的改變，但“質(zhì)”還是不足的，樣本公司中，2008年至2011年發(fā)行企業(yè)債券的上市公司數(shù)分別是9家、8家、7家和19家，發(fā)行數(shù)量最多的是2011年，但也僅占樣本公司數(shù)的19%，說(shuō)明我國(guó)企業(yè)債券市場(chǎng)要達(dá)到普及的程度還有一大段距離，且從樣本數(shù)據(jù)看，發(fā)行企業(yè)債券的融資規(guī)模和所占樣本公司的比例太小，不具有研究意義。
（二）回歸分析 回歸模型分析結(jié)果見(jiàn)表（7）和表（8）。從回歸結(jié)果可以看出，短期負(fù)債率（SFZ）、長(zhǎng)期負(fù)債率（LFZ）、銀行貸款融資比率（LLOAN）與反映公司經(jīng)營(yíng)業(yè)績(jī)的總資產(chǎn)收益率的回歸系數(shù)在顯著性水平上都通過(guò)了T檢驗(yàn)；而商業(yè)信用融資比率（SYXY）、銀行貸款融資比率（LLOAN）與反映公司經(jīng)營(yíng)業(yè)績(jī)的主營(yíng)業(yè)務(wù)利潤(rùn)率的回歸系數(shù)在顯著性水平上都通過(guò)了T檢驗(yàn)。（1）自變量短期負(fù)債率（SFZ）與總資產(chǎn)收益率的回歸系數(shù)在顯著性水平上通過(guò)了T檢驗(yàn)，相關(guān)系數(shù)在1%范圍內(nèi)顯著不為0（t=-3.287，p=0.001），上市公司的總資產(chǎn)收益率與短期負(fù)債率之間存在高度顯著的負(fù)相關(guān)關(guān)系，但與主營(yíng)業(yè)務(wù)利潤(rùn)率的相關(guān)系數(shù)總資產(chǎn)收益率的相關(guān)系數(shù)在10%以上的水平不顯著，說(shuō)明短期負(fù)債率對(duì)主營(yíng)業(yè)務(wù)利潤(rùn)率基本上沒(méi)有影響，但表明短期負(fù)債率對(duì)總資產(chǎn)收益率的解釋能力更強(qiáng)，短期負(fù)債率每增長(zhǎng)1%，總資產(chǎn)收益率下降0.105%，短期負(fù)債在對(duì)公司的治理效應(yīng)起到了消極作用。其原因分析為我國(guó)的現(xiàn)狀是短期負(fù)債比率過(guò)高，上市公司普遍存在投資短視，經(jīng)理人將資金投資收益不高的項(xiàng)目，對(duì)投資長(zhǎng)期資產(chǎn)的資金空缺，影響公司的盈利性，抑制了公司經(jīng)營(yíng)的正向發(fā)展，這與前面的假設(shè)相反。（2）長(zhǎng)期負(fù)債率（LFZ）與總資產(chǎn)收益率的回歸系數(shù)在顯著性水平上通過(guò)了T檢驗(yàn)，相關(guān)系數(shù)在1%范圍內(nèi)顯著不為0（t=-3.796，p=0.000），上市公司的總資產(chǎn)收益率與長(zhǎng)期負(fù)債率之間存在高度顯著的負(fù)相關(guān)關(guān)系，但與主營(yíng)業(yè)務(wù)利潤(rùn)率的相關(guān)系數(shù)總資產(chǎn)收益率的相關(guān)系數(shù)在10%以上的水平不顯著，也說(shuō)明長(zhǎng)期負(fù)債率對(duì)主營(yíng)業(yè)務(wù)利潤(rùn)率基本上沒(méi)有影響，表明長(zhǎng)期負(fù)債率對(duì)總資產(chǎn)收益率的解釋能力更強(qiáng)，長(zhǎng)期負(fù)債率每增長(zhǎng)1%，總資產(chǎn)收益率下降0.149%，長(zhǎng)期負(fù)債對(duì)我國(guó)上市公司經(jīng)營(yíng)業(yè)績(jī)產(chǎn)生了消極效應(yīng)，這與假設(shè)1相一致。（3）商業(yè)信用融資比率（SYXY）與總資產(chǎn)收益率的相關(guān)系數(shù)在10%以上的水平不顯著，說(shuō)明商業(yè)信用對(duì)總資產(chǎn)收益率基本上沒(méi)有影響；但與主營(yíng)業(yè)務(wù)利潤(rùn)率的回歸系數(shù)在顯著性水平上通過(guò)了T檢驗(yàn)，相關(guān)系數(shù)在1%范圍內(nèi)顯著不為0（t=-3.589，p=0.000），上市公司的主營(yíng)業(yè)務(wù)利潤(rùn)率與商業(yè)信用融資比率之間存在高度顯著的負(fù)相關(guān)關(guān)系，表明商業(yè)信用融資比率對(duì)主營(yíng)業(yè)務(wù)利潤(rùn)率的解釋能力更強(qiáng)，商業(yè)信用融資比率每增長(zhǎng)1%，那么主營(yíng)業(yè)務(wù)利潤(rùn)率下降0.349%，商業(yè)信用融資對(duì)我國(guó)上市公司經(jīng)營(yíng)業(yè)績(jī)產(chǎn)生了消極效應(yīng)，這與之前的理論假設(shè)結(jié)果相一致。（4）在自變量中，銀行貸款融資比率（LLOAN）與總資產(chǎn)收益率（ROA）和主營(yíng)業(yè)務(wù)利潤(rùn)率（ROC）的回歸系數(shù)均在顯著性水平上通過(guò)了T檢驗(yàn)，與總資產(chǎn)收益率的相關(guān)系數(shù)在10%范圍內(nèi)顯著不為0（t=-1.813，p=0.071），說(shuō)明上市公司的總資產(chǎn)收益率與銀行貸款融資比率之間存在較顯著的負(fù)相關(guān)關(guān)系，銀行貸款融資比率每增長(zhǎng)1%，總資產(chǎn)收益率下降0.062%，與主營(yíng)業(yè)務(wù)利潤(rùn)率的相關(guān)系數(shù)在1%范圍內(nèi)顯著不為0（t=-3.447，p=0.001），說(shuō)明上市公司的主營(yíng)業(yè)務(wù)利潤(rùn)率與銀行貸款融資比率之間存在高度顯著的負(fù)相關(guān)關(guān)系，銀行貸款融資比率每增長(zhǎng)1%，主營(yíng)業(yè)務(wù)利潤(rùn)率下降0.306%。以上結(jié)果均表明，銀行貸款融資比率對(duì)我國(guó)上市公司經(jīng)營(yíng)業(yè)績(jī)起到了抑制作用，其原因主要為我國(guó)國(guó)有銀行與政府和國(guó)有企業(yè)間存在一定同質(zhì)性，并未很好發(fā)揮其監(jiān)督作用和發(fā)揮相機(jī)治理效應(yīng)，最終對(duì)上市公司經(jīng)營(yíng)業(yè)績(jī)起到消極效應(yīng)，這與理論假設(shè)結(jié)果相反。（5）控制變量中公司規(guī)模與總資產(chǎn)收益率和主營(yíng)業(yè)務(wù)利潤(rùn)率均存在顯著正相關(guān)關(guān)系，相關(guān)系數(shù)在1%的水平內(nèi)顯著不為0；成長(zhǎng)性與總資產(chǎn)收益率存在顯著正相關(guān)關(guān)系，相關(guān)系數(shù)在1%的水平內(nèi)顯著不為0，但對(duì)主營(yíng)業(yè)務(wù)利潤(rùn)率基本上沒(méi)有影響。同時(shí)，上文模型檢驗(yàn)結(jié)果中，同一自變量（如期限結(jié)構(gòu)自變量）對(duì)不同因變量間反映出的關(guān)系和結(jié)果的不同（對(duì)主營(yíng)業(yè)務(wù)利潤(rùn)率基本沒(méi)有影響，但是與總資產(chǎn)收益率均存在明顯的負(fù)相關(guān)關(guān)系），事實(shí)證明了采用單個(gè)指標(biāo)衡量公司業(yè)績(jī)顯得不夠全面，采用兩種因指標(biāo)相互補(bǔ)充才能使得結(jié)果分析更準(zhǔn)確。
三、結(jié)論
本文研究發(fā)現(xiàn)：（1）不同的負(fù)債期限結(jié)構(gòu)對(duì)公司業(yè)績(jī)的影響均起到負(fù)面效應(yīng)。短期負(fù)債并沒(méi)有對(duì)公司經(jīng)營(yíng)業(yè)績(jī)的提升起到積極效應(yīng)，相反地過(guò)高的短期負(fù)債反而對(duì)公司的經(jīng)營(yíng)業(yè)績(jī)起到了抑制作用。一方面原因是企業(yè)再融資的可能因?yàn)殚T(mén)檻高，主要或只能通過(guò)銀行提供的短期借款獲得，而用于長(zhǎng)期資產(chǎn)投資的資金空缺，使得上市公司普遍存在短期借款長(zhǎng)期占用的情況，以新還舊的惡性循環(huán)，長(zhǎng)短期負(fù)債實(shí)質(zhì)上的無(wú)差別使得短期負(fù)債的治理效用無(wú)效；同時(shí)過(guò)多的短期負(fù)債使公司存在的投資決策短視現(xiàn)象，公司擔(dān)心錯(cuò)過(guò)未來(lái)更好的投資機(jī)會(huì)而加速投資，將其投資在凈現(xiàn)值小而回收期短的項(xiàng)目，而放棄回收期長(zhǎng)而凈現(xiàn)值高的項(xiàng)目，影響了公司的盈利水平，同樣的長(zhǎng)期負(fù)債為公司業(yè)績(jī)的提高也起到了的負(fù)面效應(yīng)。（2）不同的債務(wù)類(lèi)型表現(xiàn)出與公司績(jī)效產(chǎn)生較顯著的負(fù)面影響，即銀行貸款和商業(yè)信用對(duì)公司經(jīng)營(yíng)業(yè)績(jī)的提升起到了抑制作用。可能的原因：一是在我國(guó)為上市公司提供貸款的往往是國(guó)有銀行，經(jīng)營(yíng)活動(dòng)受到國(guó)家體制、政策指令的干預(yù)，對(duì)國(guó)有上市公司表現(xiàn)出信貸軟約束的現(xiàn)象，而我國(guó)目前的上市公司大部分是國(guó)有或國(guó)有控股的企業(yè)，銀行對(duì)其貸款可能并不因?yàn)槠渫顿Y的項(xiàng)目具有可行性和經(jīng)濟(jì)意義，而是因?yàn)閲?guó)家和政府對(duì)此類(lèi)公司的保護(hù)心態(tài)，因此總體上銀行貸款并沒(méi)有對(duì)上市公司的經(jīng)營(yíng)業(yè)績(jī)起到促進(jìn)作用；二是我國(guó)目前的商業(yè)信用體系并不健全，商業(yè)信用債權(quán)人對(duì)債務(wù)人基本上不存在約束，造成了事前無(wú)保障，事中難控制，事后難維權(quán)的形態(tài)，上市公司對(duì)這種幾乎無(wú)成本的短期融資方式存在侵占的可能性就會(huì)很大，造成了兩者之間利益沖突嚴(yán)重，同時(shí)破產(chǎn)法制不完善，不利于保護(hù)債權(quán)人的利益，因此，商業(yè)信用對(duì)公司的經(jīng)營(yíng)業(yè)績(jī)起到了負(fù)面效應(yīng)。
參考文獻(xiàn)：
[1]李雙飛：《上市公司債務(wù)融資與公司價(jià)值的實(shí)證研究》，《金融教學(xué)與研究》2007年第5期。
[2]王滿(mǎn)四：《負(fù)債融資、債權(quán)治理與公司績(jī)效》，《中山大學(xué)博士學(xué)位論文》2007年。
企業(yè)生命周期理論認(rèn)為企業(yè)具有生命性，企業(yè)的發(fā)展過(guò)程均大致需經(jīng)過(guò)初創(chuàng)期、成長(zhǎng)期、成熟期、衰退期四個(gè)階段。
資本結(jié)構(gòu)有廣義與狹義之分：廣義的資本結(jié)構(gòu)是指所有資本的構(gòu)成及比例關(guān)系，它不僅包括長(zhǎng)期資本和短期資本的構(gòu)成比例關(guān)系，而且包括債務(wù)結(jié)構(gòu)與權(quán)益結(jié)構(gòu)；狹義的資本結(jié)構(gòu)一般是指公司長(zhǎng)期資本中債務(wù)資本與權(quán)益資本的構(gòu)成及其比例關(guān)系，也通常指公司總債務(wù)資本與所有者權(quán)益資本的比例關(guān)系或公司總債務(wù)資本與總資產(chǎn)的比例關(guān)系，本文是以狹義的資本結(jié)構(gòu)為研究對(duì)象。
無(wú)論是早期資本結(jié)構(gòu)觀點(diǎn)還是現(xiàn)代資本結(jié)構(gòu)理論體系及新資本結(jié)構(gòu)理念其核心思想是統(tǒng)一的，只是其對(duì)企業(yè)資本結(jié)構(gòu)研究前提情況不同所得出的不同結(jié)論。資本結(jié)構(gòu)MM無(wú)關(guān)論是在一系列的市場(chǎng)假設(shè)情況下得出的企業(yè)資本結(jié)構(gòu)與企業(yè)價(jià)值是不相關(guān)的；而修正MM理論是假設(shè)是在比較切合實(shí)際考慮所得稅情況下得出的企業(yè)價(jià)值與資本結(jié)構(gòu)相關(guān)結(jié)論；新資本結(jié)構(gòu)是出于企業(yè)治理角度、控制權(quán)角度、融資角度等等方面研究得出的結(jié)論，所以無(wú)論對(duì)企業(yè)資本結(jié)構(gòu)進(jìn)行什么樣的研究，均不能脫離資本結(jié)構(gòu)核心思想，所不同的只是研究前提假設(shè)情況及研究角度的不同。
由于企業(yè)在整個(gè)生命周期過(guò)程中的社會(huì)價(jià)值貢獻(xiàn)是由企業(yè)初創(chuàng)期、成長(zhǎng)期、成熟期及衰退期四個(gè)階段社會(huì)價(jià)值貢獻(xiàn)總和決定的，所以為了使得企業(yè)價(jià)值最大化就必須對(duì)不同的生命周期階段進(jìn)行不同的合適的資本結(jié)構(gòu)配合，使得四個(gè)階段總體價(jià)值最大化。正因?yàn)榇嬖诖藛?wèn)題而企業(yè)生命周期是一個(gè)連續(xù)不斷的過(guò)程，并四個(gè)階段并不是完全不相關(guān)、互相脫離的，所以在不同的生命周期階段過(guò)度時(shí)存在資本結(jié)構(gòu)過(guò)渡優(yōu)化環(huán)節(jié)。例如，企業(yè)在初創(chuàng)期負(fù)債比例很小甚至為零，而在成長(zhǎng)期、成熟期、衰退期資產(chǎn)負(fù)債比例慢慢提高，致使資本結(jié)構(gòu)大不相同，所以在對(duì)不同生命周期階段配合不同的資本結(jié)構(gòu)時(shí)，需要將資本結(jié)構(gòu)不斷地進(jìn)行適當(dāng)?shù)卣{(diào)整與優(yōu)化，使得企業(yè)總體價(jià)值達(dá)到最大化。
二、企業(yè)價(jià)值最大化模型構(gòu)建
企業(yè)在生命周期中的價(jià)值貢獻(xiàn)是由初創(chuàng)期、成長(zhǎng)期、成熟期、衰退期四個(gè)階段的價(jià)值折現(xiàn)值決定，也就是說(shuō)企業(yè)在不同階段的價(jià)值等于這四個(gè)階段的價(jià)值貢獻(xiàn)在不同時(shí)點(diǎn)上的折現(xiàn)值。因?yàn)樵诤饬科髽I(yè)價(jià)值的同時(shí)，存在對(duì)不同階段上企業(yè)價(jià)值進(jìn)行折現(xiàn)的問(wèn)題，所以如何采取折現(xiàn)模型與怎么采取折現(xiàn)率將成為對(duì)企業(yè)價(jià)值評(píng)估的核心。
（一）折現(xiàn)率選擇 由于企業(yè)資本一般分為債權(quán)資本與股權(quán)資本，所以對(duì)于不同的資本采用的折現(xiàn)率也不盡相同。對(duì)于債券資本，可以按照債券籌資中發(fā)生的成本來(lái)衡量其折現(xiàn)率；而對(duì)于股權(quán)部分，采用的折現(xiàn)率由資本資產(chǎn)定價(jià)模型決定，模型如下：
Ks=Rf+?茁×（Rm-Rf）
其中，Rf為無(wú)風(fēng)險(xiǎn)報(bào)酬率，一般采取長(zhǎng)期債券利率，例如國(guó)庫(kù)券利率進(jìn)行衡量；?茁為股票的貝塔系數(shù)；Rm為平均風(fēng)險(xiǎn)股票報(bào)酬率。其中的式中Cov（RiRm）為該股票的收益與市場(chǎng)指數(shù)之間的協(xié)方差，?滓2m為市場(chǎng)指數(shù)的方差。
（二）模型構(gòu)建 企業(yè)的資源來(lái)源于股權(quán)籌資與債券籌資，而企業(yè)的價(jià)值又是由企業(yè)的整體價(jià)值（實(shí)體價(jià)值）決定的，所以企業(yè)的整體價(jià)值就等于股權(quán)價(jià)值加上企業(yè)的凈債務(wù)價(jià)值來(lái)衡量，股權(quán)價(jià)值可以通過(guò)企業(yè)股權(quán)現(xiàn)金流量按照股權(quán)成本折現(xiàn)來(lái)決定，債券價(jià)值可以通過(guò)債券現(xiàn)金流量按照債券籌資成本折現(xiàn)來(lái)衡量，故在評(píng)估企業(yè)價(jià)值時(shí)可以分別對(duì)股權(quán)價(jià)值與債券價(jià)值進(jìn)行評(píng)估然后計(jì)算總和，模型如下：
企業(yè)實(shí)體價(jià)值=股權(quán)現(xiàn)金流量現(xiàn)值+債權(quán)現(xiàn)金流量現(xiàn)值
企業(yè)價(jià)值的衡量可以用企業(yè)資產(chǎn)賬面價(jià)值或者市場(chǎng)價(jià)值來(lái)代替，雖然企業(yè)的賬面價(jià)值并不能代表企業(yè)的真實(shí)價(jià)值，但是房地產(chǎn)上市公司的市場(chǎng)價(jià)值存在較大的市場(chǎng)溢價(jià)倍數(shù)且遠(yuǎn)遠(yuǎn)脫離了企業(yè)的實(shí)際價(jià)值，所以采用賬面價(jià)值來(lái)代替企業(yè)價(jià)值比較合適。出于上述原因的考慮，以下涉及的企業(yè)價(jià)值均用公布的年報(bào)數(shù)據(jù)中資產(chǎn)負(fù)債表中的總資產(chǎn)賬面價(jià)值代替。另外，需要說(shuō)明是總資產(chǎn)賬面價(jià)值中已經(jīng)考慮了部分資產(chǎn)的壞賬損失、累計(jì)折舊、固定資產(chǎn)減值準(zhǔn)備、長(zhǎng)期股權(quán)投資減值準(zhǔn)備、累計(jì)攤銷(xiāo)等后的凈額。
三、實(shí)證分析過(guò)程
（一）房地產(chǎn)行業(yè)總體情況 具體如下：
（1）營(yíng)業(yè)利潤(rùn)總額。 從我國(guó)房地產(chǎn)上市公司126家樣本在2006 年~ 2009 年的營(yíng)業(yè)利潤(rùn)額進(jìn)行分析， 近四年?duì)I業(yè)利潤(rùn)總額分別為18719687258.80元、 33202041227.97元、 33075841840.16元、
46691649816.99元，營(yíng)業(yè)利潤(rùn)總額變化趨勢(shì)向上發(fā)展，見(jiàn)圖1：
（2）資產(chǎn)規(guī)模。從我國(guó)房地產(chǎn)上市公司126家樣本在2006年~2009年度的資產(chǎn)賬面價(jià)值來(lái)看，我國(guó)房地產(chǎn)行業(yè)除了10家ST及6家數(shù)據(jù)資料不缺的上市公司，其余126公司在2006年~2009年的資產(chǎn)賬面價(jià)值總計(jì)分別為416706392679.06元、639907628104.14元、839379510724.23元、1109475613082.00元，資產(chǎn)規(guī)模變化趨勢(shì)穩(wěn)步向上發(fā)展，趨勢(shì)如圖2所示：
（二）實(shí)證檢驗(yàn) 具體包括以下方面：
（1）樣本選取及分類(lèi)。通過(guò)對(duì)我國(guó)142家房地產(chǎn)上市公司數(shù)據(jù)資料的搜集與分析，剔除6家年報(bào)數(shù)據(jù)不全或上市期間小于3年及一家境外上市公司新城B股，故以剩余136上市公司為總體樣本，然后再剔除136家上市公司之中的10家ST企業(yè)，將剩余126家上市公司作為研究樣本。
樣本的具體分類(lèi)標(biāo)準(zhǔn)為：0.1≤營(yíng)業(yè)利潤(rùn)變化比率≤0.2或者-0.2≤營(yíng)業(yè)利潤(rùn)變化比率＜-0.1時(shí)，企業(yè)處于初創(chuàng)期階段；-0.1≤營(yíng)業(yè)利潤(rùn)比率＜0.1時(shí)，企業(yè)處于穩(wěn)定階段；營(yíng)業(yè)利潤(rùn)變化比率＜-0.2時(shí)，企業(yè)處于衰退期階段；營(yíng)業(yè)利潤(rùn)變化率>0.2時(shí)，企業(yè)處于成長(zhǎng)階段。從理論上講，企業(yè)在初創(chuàng)期、成長(zhǎng)期、穩(wěn)定期及衰退期的營(yíng)業(yè)利潤(rùn)變化率應(yīng)當(dāng)一致，要么全部為正數(shù)要么為負(fù)數(shù)，但是企業(yè)不同的會(huì)計(jì)年度經(jīng)營(yíng)期間內(nèi)可能由于某一或多種因素的影響，導(dǎo)致企業(yè)在初創(chuàng)期可能表現(xiàn)出衰退期的特征，所以在考慮這一偶然因素后將一定范圍內(nèi)營(yíng)業(yè)利潤(rùn)的小幅度波動(dòng)率排除在外，也就是說(shuō)處于初創(chuàng)期的企業(yè)營(yíng)業(yè)利潤(rùn)變動(dòng)率不一定必然為正數(shù)。
（2）描述性統(tǒng)計(jì)檢驗(yàn)。通過(guò)對(duì)126家樣本資產(chǎn)負(fù)債率數(shù)據(jù)的整理然后經(jīng)過(guò)SPSS軟件統(tǒng)計(jì)分析，得出資本結(jié)構(gòu)統(tǒng)計(jì)表如表1所示：
從表1來(lái)看，總體上我國(guó)房地產(chǎn)上市公司資本結(jié)構(gòu)差別較大，負(fù)債融資規(guī)模在不同的上市公司之間差別特別大。在2007年最高上市公司負(fù)債程度達(dá)到了資不抵債情況，最低為零；在2008年負(fù)債比例最低的上市公司與最高的上市公司差距達(dá)到了77.15%，最低與最高融資相差特別大；在2009年負(fù)債融資比例最低與最高相差為89.09%，也是非常高。
（3）相關(guān)性分析。具體過(guò)程如下：
第一，成長(zhǎng)階段分析。分析結(jié)果如表2所示。
從變量之間相關(guān)性來(lái)看，我國(guó)房地產(chǎn)行業(yè)上市公司資本成本函數(shù)值、每股凈資產(chǎn)收益、資本結(jié)構(gòu)三者之間緊密相關(guān)，資本成本函數(shù)值與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為0.021，資本結(jié)構(gòu)與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為0.383，資本成本函數(shù)與資本結(jié)構(gòu)之間相關(guān)系數(shù)為0.032。
結(jié)合此時(shí)71家樣本來(lái)看，每股凈資產(chǎn)收益率在10%以上的上市公司資產(chǎn)負(fù)債率全部處于40%至70%區(qū)間，但是數(shù)據(jù)特征表明處于40%至70%區(qū)間的資本結(jié)構(gòu)不一定就能夠使得企業(yè)價(jià)值最大化。所以上述的情況表明，企業(yè)資本結(jié)構(gòu)處于40%至70%區(qū)間是企業(yè)價(jià)值最大化的必要條件，但不是充分條件，也就是說(shuō)企業(yè)的價(jià)值最大化還得結(jié)合其它情況而定，但是要使得其企業(yè)最大化，適當(dāng)?shù)膫鶆?wù)融資是必不可少得，且應(yīng)該處于40%至70%這個(gè)區(qū)間。
第二，初創(chuàng)階段分析。分析結(jié)果如表3所示。
從變量之間相關(guān)性來(lái)看，我國(guó)房地產(chǎn)行業(yè)上市公司資本成本函數(shù)值、每股凈資產(chǎn)收益、資本結(jié)構(gòu)三者之間緊密相關(guān)，資本成本函數(shù)值與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為0.407，資本結(jié)構(gòu)與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為0.263，資本成本函數(shù)與資本結(jié)構(gòu)之間相關(guān)系數(shù)為0.032。
結(jié)合此時(shí)18家樣本來(lái)看，每股凈資產(chǎn)收益率在10%以上的上市公司資產(chǎn)負(fù)債率全部處于30%至70%區(qū)間，但是數(shù)據(jù)特征表明處于30%至70%區(qū)間的資本結(jié)構(gòu)不一定就能夠使得企業(yè)價(jià)值最大化。所以上述的情況表明，企業(yè)資本結(jié)構(gòu)處于30%至70%區(qū)間是企業(yè)價(jià)值最大化的必要條件，但不是充分條件，也就是說(shuō)企業(yè)的價(jià)值最大化還得結(jié)合其它情況而定，但是要使得其企業(yè)最大化，低度的債務(wù)融資是必不可少得，且應(yīng)該處于30%至70%這個(gè)區(qū)間。
第三，穩(wěn)定階段檢驗(yàn)。結(jié)果如表4所示：
從變量之間相關(guān)性來(lái)看，我國(guó)房地產(chǎn)行業(yè)上市公司資本成本函數(shù)值、每股凈資產(chǎn)收益、資本結(jié)構(gòu)三者之間緊密相關(guān)，資本成本函數(shù)值與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為-0.109，資本結(jié)構(gòu)與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為-0.321，資本成本函數(shù)與資本結(jié)構(gòu)之間相關(guān)系數(shù)為0.410。
結(jié)合此時(shí)10家樣本來(lái)看，每股凈資產(chǎn)收益率在10%以上的上市公司資產(chǎn)負(fù)債率全部處于50%至75%區(qū)間，但是數(shù)據(jù)特征表明處于50%至75%區(qū)間的資本結(jié)構(gòu)不一定就能夠使得企業(yè)價(jià)值最大化。所以上述的情況表明，企業(yè)資本結(jié)構(gòu)處于50%至75%區(qū)間是企業(yè)價(jià)值最大化的必要條件，但不是充分條件，也就是說(shuō)企業(yè)的價(jià)值最大化還得結(jié)合其它情況而定，但是要使得其企業(yè)最大化，中等的債務(wù)融資是必不可少的，且應(yīng)該處于50%至75%這個(gè)區(qū)間。
第四，衰退階段檢驗(yàn)。相關(guān)性分析結(jié)果如表5所示。
從變量之間相關(guān)性來(lái)看，我國(guó)房地產(chǎn)行業(yè)上市公司資本成本函數(shù)值、每股凈資產(chǎn)收益、資本結(jié)構(gòu)三者之間緊密相關(guān)，資本成本函數(shù)值與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為-0.330，資本結(jié)構(gòu)與每股凈資產(chǎn)收益率之間相關(guān)系數(shù)為-0.052，資本成本函數(shù)與資本結(jié)構(gòu)之間相關(guān)系數(shù)為0.090。
結(jié)合此時(shí)41家樣本來(lái)看，每股凈資產(chǎn)收益率在10%以上的上市公司資產(chǎn)負(fù)債率全部處于60%至90%區(qū)間，但是數(shù)據(jù)特征表明處于60%至90%區(qū)間的資本結(jié)構(gòu)不一定就能夠使得企業(yè)價(jià)值最大化。所以上述的情況表明，企業(yè)資本結(jié)構(gòu)處于60%至90%區(qū)間是企業(yè)價(jià)值最大化的必要條件，但不是充分條件，也就是說(shuō)企業(yè)的價(jià)值最大化還得結(jié)合其它情況而定，但是要使得其企業(yè)最大化，高度的債務(wù)融資是必不可少得，且應(yīng)該處于60%至90%這個(gè)區(qū)間。
四、研究結(jié)論
（一）房地產(chǎn)部分上市公司資本結(jié)構(gòu)與生命周期階段不匹配 研究數(shù)據(jù)表明我國(guó)房地產(chǎn)行業(yè)上市公司在依據(jù)營(yíng)業(yè)利潤(rùn)指標(biāo)作為企業(yè)生命周期階段劃分，結(jié)合資本成本函數(shù)與企業(yè)價(jià)值最大化衡量指標(biāo)及資本結(jié)構(gòu)指標(biāo)情況下，雖然房地產(chǎn)行業(yè)中部分上市公司在資本結(jié)構(gòu)處于生命周期階段的初創(chuàng)期、成長(zhǎng)期、穩(wěn)定期或者衰退期的最優(yōu)資本結(jié)構(gòu)區(qū)間范圍內(nèi)，但是其企業(yè)價(jià)值并沒(méi)有實(shí)現(xiàn)價(jià)值最大化。這種情況表明，企業(yè)可能從財(cái)務(wù)特征上表現(xiàn)出了最優(yōu)的資本結(jié)構(gòu)，但是企業(yè)并沒(méi)有在此良好的平臺(tái)上創(chuàng)造出最好的業(yè)績(jī)，這樣就導(dǎo)致其并沒(méi)有實(shí)現(xiàn)其價(jià)值的最大化。從企業(yè)價(jià)值最大化角度來(lái)看，企業(yè)要實(shí)現(xiàn)其價(jià)值最大化則其必須借助一定程度的債務(wù)融資，也就是說(shuō)最優(yōu)的資本結(jié)構(gòu)是企業(yè)價(jià)值最大化的必要條件而非充分條件。
（二）房地產(chǎn)上市公司生命周期階段呈現(xiàn)跳躍式的特點(diǎn) 依據(jù)我國(guó)房地產(chǎn)上市公司營(yíng)業(yè)利潤(rùn)作為企業(yè)生命周期階段劃分的標(biāo)準(zhǔn)，通過(guò)對(duì)房地產(chǎn)行業(yè)126家上市公司樣本2006年~2009年年報(bào)數(shù)據(jù)的分析研究，研究成果表明房地產(chǎn)行業(yè)上市公司現(xiàn)在雖然處于房地產(chǎn)行業(yè)發(fā)展階段之中，但是各個(gè)上市公司情況各不相同且呈現(xiàn)出生命周期階段跳躍性的特點(diǎn)。
（三）房地產(chǎn)上市公司最優(yōu)資本結(jié)構(gòu)是一個(gè)區(qū)間范圍 從理論上講，如果各個(gè)上市公司的常量數(shù)據(jù)一致，那么各個(gè)上市公司的最有資本結(jié)構(gòu)應(yīng)該是一個(gè)具體的點(diǎn)，為一定值。通過(guò)對(duì)我國(guó)房地產(chǎn)行業(yè)上市公司中的126家樣本數(shù)據(jù)的分析研究，研究表明因?yàn)榉康禺a(chǎn)行業(yè)上市公司得常量數(shù)據(jù)不一且差別較大，所以我國(guó)房地產(chǎn)行業(yè)最有資本結(jié)構(gòu)呈現(xiàn)出一個(gè)區(qū)間范圍而不是一個(gè)特定的值。另外，通過(guò)對(duì)對(duì)2007年成長(zhǎng)階段、2008年初創(chuàng)階段與穩(wěn)定階段、2009年衰退階段的資本成本函數(shù)、每股凈資產(chǎn)收益率及資本結(jié)構(gòu)數(shù)據(jù)的對(duì)比分析研究，表明處于成長(zhǎng)階段最優(yōu)資本結(jié)構(gòu)區(qū)間為40%至70%，初創(chuàng)階段為30%至70%，穩(wěn)定階段為50%至75%，衰退階段為60%至90%。
（四）最優(yōu)資本結(jié)構(gòu)在不同生命周期階段之間緩慢過(guò)渡 通過(guò)對(duì)不同生命周期階段最優(yōu)資本結(jié)構(gòu)區(qū)間（初創(chuàng)期30%至70%、成長(zhǎng)期40%至70%、穩(wěn)定期50%至75%、衰退期60%至90%）的分析，得出企業(yè)在生命周期的初創(chuàng)期、成長(zhǎng)期、穩(wěn)定期及衰退期四個(gè)階段之間逐漸過(guò)渡，區(qū)間下限與上線逐漸上升，初創(chuàng)期下限為30%而在成長(zhǎng)期下限上升至40%，成長(zhǎng)期下限為40%而在穩(wěn)定期上升至50%，穩(wěn)定期下限為50%上升至衰退期的60%，在下限上升的同時(shí)，最有資本結(jié)構(gòu)區(qū)間的上限也在上升。
（五）資本結(jié)構(gòu)與企業(yè)價(jià)值在初創(chuàng)期及成長(zhǎng)期正相關(guān)，在穩(wěn)定期與衰退期負(fù)相關(guān) 通過(guò)對(duì)126家房地產(chǎn)上市公司的數(shù)據(jù)研究，表明我國(guó)房地產(chǎn)行業(yè)內(nèi)的上市公司資本結(jié)構(gòu)與企業(yè)價(jià)值在初創(chuàng)期及成長(zhǎng)期正相關(guān)，在穩(wěn)定期與衰退期負(fù)相關(guān)。在初創(chuàng)階段資本結(jié)構(gòu)與企業(yè)價(jià)值正相關(guān)，相關(guān)值為0.263；成長(zhǎng)階段資本結(jié)構(gòu)與企業(yè)價(jià)值正相關(guān)，相關(guān)值為0.383；穩(wěn)定階段資本結(jié)構(gòu)與企業(yè)價(jià)值負(fù)相關(guān)，相關(guān)值為-0.321；衰退階段資本結(jié)構(gòu)與企業(yè)價(jià)值負(fù)相關(guān)，相關(guān)值為-0.052。
【關(guān)鍵詞】上市公司 資本結(jié)構(gòu) 影響因素 相關(guān)性
一、研究背景
資本結(jié)構(gòu)問(wèn)題涉及到股東、管理者及債權(quán)人三方的利益和沖突，影響著企業(yè)的融投資行為、資源配置效率及其經(jīng)營(yíng)活動(dòng)，研究影響企業(yè)資本結(jié)構(gòu)的影響因素，對(duì)提升企業(yè)價(jià)值以及市場(chǎng)的資源配置效率具有重要的現(xiàn)實(shí)意義。本文就滬市2007年上市公司按不同行業(yè)分組，計(jì)算資本結(jié)構(gòu)的有關(guān)統(tǒng)計(jì)指標(biāo)。然后控制行業(yè)因素進(jìn)行多元回歸分析。以滬市2007年制造業(yè)A股上市公司中食品、飲料業(yè)的企業(yè)，共計(jì)36家為樣本，利用EVIEWS統(tǒng)計(jì)軟件做實(shí)證分析。
二、研究方法與數(shù)據(jù)選取
1.研究假說(shuō)假說(shuō)1：行業(yè)因素對(duì)資本結(jié)構(gòu)具有顯著影響。假說(shuō)2：獲利能力與資本結(jié)構(gòu)((長(zhǎng)期)負(fù)債比率)負(fù)相關(guān)。假說(shuō)3：企業(yè)規(guī)模與資本結(jié)構(gòu)正相關(guān)。假說(shuō)4：資產(chǎn)擔(dān)保價(jià)值與資本結(jié)構(gòu)正相關(guān)。假說(shuō)5：成長(zhǎng)性與資本結(jié)構(gòu)正相關(guān)。
2.變量設(shè)定因變量：負(fù)債比率：Y1=總負(fù)債/總資產(chǎn)(期末數(shù))
長(zhǎng)期負(fù)債比率：Y2=長(zhǎng)期負(fù)債/總資產(chǎn)(期末數(shù))自變量：獲利能力：X3=凈利潤(rùn)/主營(yíng)業(yè)務(wù)收入規(guī)模：LNS=主營(yíng)業(yè)務(wù)收入之自然對(duì)數(shù)(主營(yíng)業(yè)務(wù)收入單位：萬(wàn)元)
資產(chǎn)擔(dān)保價(jià)值：X3=(存貨+固定資產(chǎn))/總資產(chǎn)(期末數(shù))
成長(zhǎng)性(率)：X4=(期末總資產(chǎn)-期初總資產(chǎn))/期初總資產(chǎn)
3.樣本及數(shù)據(jù)資料的來(lái)源
數(shù)據(jù)資料主要取自上海證券交易所公布的上市公司年報(bào)，以滬市2007年制造業(yè)A股上市公司中食品、飲料業(yè)的企業(yè)，共計(jì)36家做為樣本。
4.研究限制(1)受數(shù)據(jù)資料限制，對(duì)影響因素的考察限于四個(gè)，模型的解釋能力受一定影響。(2)只就2007年的數(shù)據(jù)進(jìn)行橫截面數(shù)據(jù)分析，可能存在異方差現(xiàn)象。(3)由于數(shù)據(jù)資料的限制，控制行業(yè)因素時(shí)，只就食品、飲料業(yè)進(jìn)行實(shí)證研究，研究結(jié)果不一定能推廣至其他行業(yè)。
三、實(shí)證結(jié)果
1.基本的統(tǒng)計(jì)分析
根據(jù)上海證券交易所（2007）的行業(yè)分類(lèi)，選取有10家企業(yè)以上的行業(yè)，進(jìn)行基本的統(tǒng)計(jì)分析和計(jì)算得到表1：（滬市2007年不同行業(yè)之負(fù)債比率）
由表1，不同行業(yè)的資本結(jié)構(gòu)有著明顯的差異。在負(fù)債比率的“最大值”中，最高與最低相差11.5699；在負(fù)債比率的“最小值”中，最高與最低相差0.2490；在負(fù)債比率的“平均值”中，最高與最低相差0.9625。出現(xiàn)差異是由于不同行業(yè)的資產(chǎn)結(jié)構(gòu)、營(yíng)運(yùn)周期、發(fā)展前景等各不相同。 轉(zhuǎn)貼于
2.食品飲料行業(yè)樣本之相關(guān)系數(shù)分析
由相關(guān)系數(shù)分析可以發(fā)現(xiàn)：(1)各自變量之間的相關(guān)系數(shù)均不顯著，不存在多重共線性的問(wèn)題；(2)就負(fù)債比率Y1來(lái)說(shuō)，LNS與Y1正相關(guān)（與假說(shuō)3符號(hào)相同），X3與Y1呈負(fù)相關(guān)（與假說(shuō)2符號(hào)相同），X3與Y1負(fù)相關(guān)（與假說(shuō)4符號(hào)相反），這三個(gè)變量與Y1的相關(guān)系數(shù)小于0.3，相關(guān)性不很明顯。同時(shí)， X4與Y1正相關(guān)（與假說(shuō)5符號(hào)相同），并且相關(guān)系數(shù)為0.4056，相關(guān)性比較明顯；(3)就長(zhǎng)期負(fù)債比率Y2來(lái)說(shuō)，X3與Y2正相關(guān)（與假說(shuō)2符號(hào)相反），LNS與Y2負(fù)相關(guān)（與假說(shuō)3符號(hào)相反），X3與Y2負(fù)相關(guān)（與假說(shuō)4符號(hào)相反），X4與Y2正相關(guān)（與假說(shuō)5符號(hào)相符），這四個(gè)變量與Y2的相關(guān)系數(shù)小于0.3，相關(guān)性均不很明顯。
3.對(duì)Y1之回歸分析對(duì)Y1進(jìn)行回歸分析得到
Y1＝-0.20-0.03X3+0.04LNS+0.15X3+0.07X4
(-0.51) (-0.49) (1.47) (0.99) (2.42)
R2=0.23， D.W.=1.87， F＝2.36
由回歸發(fā)現(xiàn)：(1) LNS、X3、X3與Y1的估計(jì)系數(shù)均無(wú)法通過(guò)α=0.05顯著水平下的t檢驗(yàn)，故就2007年滬市食品、飲料業(yè)來(lái)說(shuō)，規(guī)模、獲利能力、資產(chǎn)擔(dān)保價(jià)值對(duì)負(fù)債比率沒(méi)有顯著影響，這否定了假說(shuō)2、假說(shuō)3和假說(shuō)4；(2) X4與Y1的估計(jì)系數(shù)可以通過(guò)t檢驗(yàn)，故進(jìn)一步做回歸分析得到：
Y1=0.41+0.05X4(2.59)R2=0.16， D.W.=1.91， F=6.70
通過(guò)回歸分析得知：在單獨(dú)以X4對(duì)Y1做回歸時(shí)，其估計(jì)系數(shù)可以通過(guò)t檢驗(yàn)，F(xiàn)檢驗(yàn)的效果也比較理想，說(shuō)明X4對(duì)Y1有顯著影響（正相關(guān)），證實(shí)了假說(shuō)5。
4.對(duì)Y2之回歸分析對(duì)Y2之回歸分析得到：Y2＝0.20+0.001X3-0.01LNS-0.06X3-0.02X4
(1.34) (0.07) (-1.04) (-0.96) (-0.20)R2＝0.07， D.W.＝2.13， F＝0.55
說(shuō)明就長(zhǎng)期負(fù)債比率Y2來(lái)說(shuō)，各自變量的估計(jì)系數(shù)均無(wú)法通過(guò)顯著性水平為α=0.05的t檢驗(yàn)，F(xiàn)檢驗(yàn)的效果也不理想，各自變量與Y2之間的相關(guān)性也并不顯著，屬于弱相關(guān)范圍。
四、研究結(jié)論
1.不同行業(yè)的資本結(jié)構(gòu)有著明顯的差異，進(jìn)行實(shí)證研究應(yīng)該盡量控制行業(yè)因素。
2.就2007年滬市食品、飲料業(yè)上市公司來(lái)說(shuō)(下同)，成長(zhǎng)性對(duì)資本結(jié)構(gòu)有顯著影響。
3.獲利能力、規(guī)模、資產(chǎn)擔(dān)保價(jià)值、等因素對(duì)資本結(jié)構(gòu)的影響不顯著。
4.獲利能力、規(guī)模、資產(chǎn)擔(dān)保價(jià)值、成長(zhǎng)性等四個(gè)因素對(duì)長(zhǎng)期負(fù)債比率的影響不顯著。
參考文獻(xiàn)：
[1]Sheridan Titman and Roberto Wessels.TheDeterminants of Capital Structure Choice.TheJournal of Finance，VOL.XLIII，No.1，March1988.
[2]黃慶堂，黃蘭英.資本結(jié)構(gòu)對(duì)企業(yè)合并績(jī)效影響之研究[J].臺(tái)灣銀行季刊，1997，46(4).
[3]陸正飛.企業(yè)適度負(fù)債的理論分析與實(shí)證研究[J].經(jīng)濟(jì)研究，1996.
