劉吉成（博士生導師），林湘敏，王 源

一、引言

近年來，我國光伏產業(yè)發(fā)展態(tài)勢迅猛，光伏電站裝機容量躍居世界第一。除光伏電站規(guī)模不斷壯大以外，目前我國研發(fā)、生產和銷售多晶硅、太陽能電池等光伏組件的企業(yè)數(shù)量也在日益增加，光伏產品的產銷量和出口量均位居世界前列。然而，隨著國內外宏觀環(huán)境的不斷變化，我國光伏企業(yè)目前正面臨著重大發(fā)展瓶頸，其價值創(chuàng)造能力正受到日益嚴峻的挑戰(zhàn)。價值創(chuàng)造能力是指企業(yè)通過研究開發(fā)、產品生產等內部經營管理活動，維護與供應商、顧客、企業(yè)之間的關系，充分整合外部資源、專業(yè)知識以及能力優(yōu)勢，從而創(chuàng)造出企業(yè)及其整個產業(yè)價值鏈增值的條件，反映企業(yè)適應環(huán)境變化發(fā)展的核心動態(tài)能力[1]。因此，為了積極有效應對激烈的市場競爭，光伏企業(yè)迫切需要識別和篩選出對其價值創(chuàng)造能力具有顯著影響的內外部關鍵因素，并以這些因素為出發(fā)點，探尋光伏企業(yè)未來發(fā)展的新途徑和新思路。

國內外已有較多關于企業(yè)價值創(chuàng)造的實證分析文獻，為本文的研究提供了良好的經驗和方法借鑒。其中，Byrne[2]為研究EVA 值對公司市場價值的解釋能力，采用回歸分析方法進行實證研究，得出了在對公司市場價值的解釋方面EVA 要明顯優(yōu)于傳統(tǒng)的會計利潤的結論。阮素梅等[3]實證研究了公司治理與資本結構等對上市公司價值創(chuàng)造能力的影響性質。宋雪[4]通過構建多元線性回歸模型，實證檢驗了管理會計是企業(yè)價值創(chuàng)造的重要驅動因素。陳艷利等[5]基于2003～2016年A 股央企上市公司數(shù)據，對國有資本經營預算制度、管理層激勵與企業(yè)價值創(chuàng)造三者之間的關系進行了實證研究。

上述學者的研究僅僅是對某類企業(yè)個別影響因素進行分析，沒有構建完整的企業(yè)價值創(chuàng)造驅動體系，針對光伏企業(yè)進行的相關研究也較為少見。價值創(chuàng)造能力（Value Creation Ability，VCA）概念中的“價值”，主要指的是股東價值，價值創(chuàng)造是從股東利益出發(fā)，以股東價值最大化為核心目標。因此，本文首先利用以股東價值最大化和經濟利潤為重要基礎的EVA理論來分析光伏企業(yè)價值創(chuàng)造能力；在各種因素識別方法中，本文選取了應用最廣泛的回歸分析進行實證研究。根據逐步回歸模型的實證結果，識別并篩選對光伏企業(yè)價值創(chuàng)造能力能產生顯著影響的內外部因素。本文研究結論對于光伏企業(yè)價值創(chuàng)造能力的提升具有一定的指導意義。

二、基于EVA的光伏企業(yè)價值創(chuàng)造能力分析

（一）理論分析

應用EVA方法衡量企業(yè)價值創(chuàng)造能力時，首先需要計算出企業(yè)在某一時點t 的價值，然后計算出前一時點t-1 的企業(yè)價值，二者差值即代表該段時期內企業(yè)價值創(chuàng)造能力。企業(yè)價值的計算可以分為兩部分，一部分是企業(yè)初始投資成本，即所有者投入的資本（用C表示），另一部分是企業(yè)未來可以創(chuàng)造的EVA 現(xiàn)值（用PVEVA 表示），二者之和即某一時點t的企業(yè)價值[6]，計算公式如下：

在運用EVA進行價值創(chuàng)造能力評價時，基于不同的假設會有不同的企業(yè)價值計算方法。

1.假設企業(yè)處于成熟期。其EVA值以一個相對穩(wěn)定的增長率（設為g）持續(xù)增長，并假設貼現(xiàn)率為dr，則企業(yè)價值現(xiàn)值的計算公式如下：

與財務管理理論中的現(xiàn)值計算公式類似，若n趨近于無窮大，且dr 大于g 時，可以將公式（2）簡化為公式（3）：

至此，結合公式（1），企業(yè)在t 時點的價值計算公式如下：

2.假設企業(yè)處于成長期。EVA值先以一個較高的增長率增長，一段時間后企業(yè)進入發(fā)展平穩(wěn)期，EVA 以一個較低的、固定的增長率持續(xù)增長，則兩階段企業(yè)EVA現(xiàn)值計算公式如下：

相應的，在此情況下，企業(yè)在某一時點t的價值計算公式如下：

基于以上兩種假設可知，應用EVA衡量企業(yè)價值創(chuàng)造能力時，可以有不同的企業(yè)價值計算方式。但無論采用何種方式，企業(yè)價值創(chuàng)造能力的計算思路都是一樣的——對企業(yè)在不同時點上的價值做差值，以此作為該段時期內企業(yè)價值創(chuàng)造能力的衡量標準，計算公式如下：

利用同花順軟件提供的光伏概念板塊數(shù)據、國泰安CSMAR數(shù)據庫搜集了A股市場光伏概念板塊全部102 家公司2013～2017年共計5年的年度數(shù)據（其中EVA需用到2012～2017年共計6年數(shù)據）作為初始樣本，剔除由于沒有連續(xù)的財務數(shù)據等原因而導致數(shù)據無效、光伏業(yè)務收入占總營業(yè)務收入低于35%的企業(yè)后，結合各家光伏企業(yè)對外公布的年度財務報告，本文最終選擇了62 家光伏企業(yè)2012～2017年的財務指標等相關數(shù)據作為研究樣本，在此基礎上計算得到影響光伏企業(yè)價值創(chuàng)造能力（VCA）的3 個外部影響因素和16 個內部驅動因素的具體數(shù)值，為本文的實證分析提供數(shù)據支持。

（二）變量設置

本文利用線性回歸模型表達式，構造因變量（VCA）和19 個價值創(chuàng)造能力驅動因素自變量之間的回歸模型。此外，為有效避免指標間可能出現(xiàn)的多重共線問題，兼顧指標間的經濟含義，本文在回歸模型中對光伏企業(yè)價值創(chuàng)造能力（VCA）、財政補貼（FS）、總資產（TA）、每股收益（EPS）、資本密集度（CI）5個絕對值變量和應收賬款周轉率（ARTR）這個相對值變量進行了對數(shù)處理，模型設定具體如式（7）所示：

其中，β0為常數(shù)項，βi（i=1，2，…，19）為各個自變量的回歸系數(shù)，ln 表示對變量進行對數(shù)處理，ε為殘差項。

在進行回歸分析之前，需要通過理論分析對自變量與因變量之間的正向或負向影響關系加以設定。外部影響因素中，財政補貼和所得稅優(yōu)惠都是政府為光伏企業(yè)提供的扶持政策，能夠為光伏企業(yè)帶來最直接的電價補貼和稅收減免等有利影響，因此這兩個自變量對因變量VCA的影響是正向的。市場占有率越高，說明企業(yè)在整個行業(yè)中的競爭優(yōu)勢越明顯，企業(yè)潛在的價值創(chuàng)造能力也就越強[7]，即自變量市場占有率對因變量VCA的影響也是正向的。內部影響因素中，公司規(guī)模在一定范圍內增大時能夠形成規(guī)模經濟，而一旦企業(yè)資產超過一定范圍，企業(yè)規(guī)模過大反而會對價值創(chuàng)造能力產生負面影響[8]，因此在實證分析前尚不能判斷自變量公司規(guī)模對因變量的影響情況；公司治理方面，第一股東持股比例和獨立董事比例都并非越高越好，同企業(yè)資產規(guī)模類似，低于或超過某一比例對企業(yè)VCA的影響是不同的[9]，還需通過實證分析進一步確認；創(chuàng)新能力因素方面，專利數(shù)量越多、研發(fā)支出占總收入的比重越大，說明企業(yè)的科技創(chuàng)新投入力度越大、產出能力越強，價值創(chuàng)造能力也隨之越強[10]。此外，成長能力因素、獲利能力因素、營運能力因素中涉及的各個變量，都是從正向角度來衡量企業(yè)發(fā)展水平、盈利水平和營運管理水平的，預計在回歸模型中都是光伏企業(yè)VCA的正向影響因素。

基于上述理論分析，可以總結歸納出回歸模型中各自變量與因變量光伏企業(yè)VCA 之間的理論假設關系，具體如表1所示。

表1 變量設定說明

（三）描述性統(tǒng)計分析

以62 家樣本企業(yè)2012～2017年的相關財務數(shù)據和非財務數(shù)據為基礎，計算得到回歸分析中各因變量和自變量的原始數(shù)值，從而進行變量的描述性統(tǒng)計分析。首先，計算因變量光伏企業(yè)VCA 的原始數(shù)據。結合公式（2），以光伏企業(yè)2012～2017年間各年EVA 值為基礎，將2012年年末設定為基期時間點，折現(xiàn)率dr取值5.5%（參考《中央企業(yè)負責人經營業(yè)績考核暫行辦法》中關于資本成本率取值5.5%的相關規(guī)定），計算2013～2017年的各年光伏企業(yè)價值現(xiàn)值。再結合公式（7），將相鄰年份PVEVA 做差值，計算得到2013～2017年間各年的光伏企業(yè)價值創(chuàng)造能力VCA 值。對5年VCA 值取算術平均數(shù)，作為因變量光伏企業(yè)價值創(chuàng)造能力的原始數(shù)據。其次，根據各影響因素的計算公式，可以從收集到的財務數(shù)據中直接獲取或間接計算得到2013～2017年間各年的自變量數(shù)據，同樣對5年數(shù)據取算術平均數(shù)，作為各個自變量的原始面板數(shù)據。最后，利用軟件SPSS 24對原始數(shù)據進行描述性統(tǒng)計分析，結果如表2所示。

目前我國光伏企業(yè)的生存和發(fā)展過于依賴政府補貼和稅收減免，作為光伏產業(yè)主要內生驅動力的科技研發(fā)能力仍顯不足。各企業(yè)的短期成長能力有較大差距，長期發(fā)展?jié)摿t比較樂觀。由表2 可知，獲利能力和營運能力方面同樣參差不齊，不過多數(shù)企業(yè)的每股收益、成本費用利潤率、應收賬款周轉率等指標均高于標準水平，整體來看各樣本企業(yè)的日常管理和經營效益表現(xiàn)較好。

（四）相關性檢驗

根據模型設定對光伏企業(yè)價值創(chuàng)造能力（VCA）、財政補貼（FS）、總資產（TA）、每股收益（EPS）、資本密集度（CI）和應收賬款周轉率（ARTR）6 個指標對應的數(shù)據一一進行對數(shù)處理，針對新的面板數(shù)據利用軟件SPSS 24 進行Pearson 相關性檢驗，為下文的回歸分析奠定基礎。變量相關性檢驗結果如表3所示。

1.觀察相關系數(shù)的符號以確定變量間的正向或負向影響關系。總資產（TA）的對數(shù)與光伏企業(yè)VCA的對數(shù)間的相關系數(shù)為-0.132，說明樣本數(shù)據中各企業(yè)資產規(guī)模每增加1%，會相應地導致VCA值下降0.132%，意味著資產規(guī)模已超過規(guī)模經濟的臨界點，資產的擴張反而會導致企業(yè)價值創(chuàng)造能力的降低。同理，獨立董事比例（PID）與光伏企業(yè)（VCA）也是負相關關系。此外，自變量專利數(shù)量（PQ）和流動資產周轉率（CATR）與因變量的相關系數(shù)均為負值，分別為-0.196 和-0.234，這與之前“正向影響”的初始假設恰好相反，即相關性檢驗的實證結果與經濟意義的理論分析不符，需要在回歸分析中重點關注。

表2 變量描述性統(tǒng)計

表3 變量相關性檢驗

2.觀察自變量與因變量相關系數(shù)的具體數(shù)值，初步判斷各自變量與因變量間相關程度及顯著性。觀察自變量與因變量的相關系數(shù)可知，應收賬款周轉率（ARTR）與因變量的相關系數(shù)僅為0.0005，且沒有通過顯著性檢驗（P 值0.598＞0.1），可以認為ARTR 與VCA之間不存在相關性。此外，獨立董事比例（PID）和流動資產周轉率（CATR）與因變量的相關性也沒有通過顯著性檢驗，與VCA的相關性較弱。其余自變量與因變量的相關性在90%的置信水平下均通過了顯著性檢驗（P 值＜0.1）。

3.觀察自變量間的具體數(shù)值，以判斷是否存在嚴重的多重共線性問題。通常情況下，相關系數(shù)超過0.8 且通過了顯著性檢驗的多個自變量間往往存在多重共線。由表3 可知，在19 個自變量中，僅有PQ 和MS 的相關系數(shù)高于0.8，且P 值為0 通過了顯著性檢驗，其余變量間不存在相關系數(shù)過大且顯著的情況，因此可初步判斷自變量間不存在嚴重的多重共線性。

續(xù)表3

表4 逐步回歸模型摘要a,o

三、實證分析與研究結果

（一）實證分析

與其他回歸方法相比，逐步回歸分析法最明顯的特征是將各個自變量逐一地加入回歸模型中，每增加一個自變量就會構建一個新的回歸模型，并對新的回歸模型進行變量t 檢驗和模型F 檢驗，若通過顯著性檢驗則保留新引入的自變量，否則將其剔除，直至沒有顯著變量可選入模型為止，從而得到最優(yōu)回歸模型。本文選取的自變量數(shù)量較多，更適用于使用逐步回歸分析法進行變量和模型的自主篩選。沿用上文變量相關性檢驗使用的面板數(shù)據，利用軟件SPSS 24進行模型構建，基于逐步回歸分析得到的模型摘要如表4所示。

根據表4 可知，逐步回歸分析共經歷了14 次變量引入和模型構建過程，最終構建的模型14為最優(yōu)回歸模型。模型14中，14個自變量對因變量VCA對數(shù)的解釋程度達到了最高為76.8%，說明回歸模型的擬合程度處于較高水平。標準估算的誤差則隨著自變量的逐個引入呈降低趨勢，即模型估計值與實際值的偏離程度逐漸縮小，與R方變化類似共同驗證了模型的擬合效果逐步達到最優(yōu)。模型14 的德賓-沃森值為2.058，接近2，意味著該回歸模型通過了D-W 自相關檢驗，不存在自相關性。表4 的注釋則給出了各模型對應的自變量構成，體現(xiàn)了逐步回歸分析過程中代入自變量的步驟和結果。為進一步驗證模型14 的擬合顯著性，還需結合方差分析結果，具體如表5所示。

表5 ANOVA方差分析

表5 僅列出了模型14 的回歸平方和、殘差平方和、F 統(tǒng)計量和顯著性P 值等數(shù)據，模型1～13 的數(shù)據在此處略去。不難看出，模型14 通過了F 檢驗（P值為0），說明模型中所有自變量對因變量的解釋具有聯(lián)合顯著性。進一步分析模型14中各變量的顯著性及其系數(shù)值，詳細結果如表6所示。

表6 變量系數(shù)

表6 列出了模型14 中各自變量的系數(shù)值、t 檢驗、多重共線性檢驗結果等數(shù)據。不難看出，14個自變量均通過了t 檢驗，相應P 值均小于0.05，說明在95%的置信水平下模型中變量的回歸系數(shù)均具有顯著性。此外，觀察共線性統(tǒng)計結果中方差膨脹因子VIF 值，若0＜VIF＜10，則說明變量間不存在多重共線性。14 個自變量對應的VIF 值均在區(qū)間［1，2］內，意味著自變量通過了共線性檢驗。至此可以得出，模型14具有擬合顯著性且變量間不存在自相關性、多重共線性的結論，進一步驗證了逐步回歸分析構建最優(yōu)回歸模型并對其進行檢驗的自主性和優(yōu)越性。接著，將變量系數(shù)代入式（7）模型設定中，得到最終的多元回歸模型如式（8）所示：

模型中，R2=0.804，調整后R2=0.768，F(xiàn) 值為21.710，D-W值為2.058。

（二）研究結果

以光伏企業(yè)VCA 的對數(shù)作為因變量進行逐步回歸的過程，其實也是對價值創(chuàng)造能力的內外部驅動因素進行識別和篩選的過程，最優(yōu)回歸模型中納入的自變量均為對光伏企業(yè)價值創(chuàng)造能力能夠產生顯著性影響的因素。因此，結合表6 和式（8）對因素的識別和篩選進行分析如下：

1.外部影響因素篩選與分析。

（1）政府調控因素。財政補貼（FS）對數(shù)值的變量系數(shù)為1.839，說明財政補貼每提高1%，企業(yè)VCA值會相應提高1.839%。從短期來看，財政補貼對光伏企業(yè)價值創(chuàng)造能力的影響仍處于較重要地位，但隨著相關政策的變化及光伏產業(yè)的發(fā)展，財政補貼的影響力度勢必會有所減弱，僅依靠補貼維持企業(yè)發(fā)展非長久之計[11]。所得稅優(yōu)惠（PRIT）的系數(shù)為5.592，即所得稅優(yōu)惠力度每提升1%會使光伏企業(yè)VCA 相應提高5.592%，影響效果比較顯著。但與財政補貼類似，所得稅優(yōu)惠力度繼續(xù)提升的空間很小，光伏企業(yè)需想辦法盡快擺脫對稅收優(yōu)惠的依賴。

（2）產業(yè)發(fā)展因素。市場占有率（MS）在回歸模型中的變量系數(shù)為13.473，表明市場占有率每提高1%，能夠為光伏企業(yè)VCA 帶來13.473%的顯著增長。62 家樣本企業(yè)中有43 家企業(yè)市場占有率不足1%，這些企業(yè)若能在市場份額方面突破1%的瓶頸，則價值創(chuàng)造能力也將會有明顯提升。

2.內部驅動因素篩選與分析。

（1）公司規(guī)模因素?？傎Y產（TA）沒有被納入最優(yōu)回歸模型中，認為其不能對光伏企業(yè)價值創(chuàng)造能力產生顯著影響。

（2）治理結構因素。第一股東持股比例（PFS）在回歸模型中的系數(shù)為12.117，說明對62 家樣本企業(yè)而言，若股權能夠相對集中，將對企業(yè)經營決策的選擇產生積極影響，從而提升企業(yè)價值創(chuàng)造能力。獨立董事比例（PID）被最優(yōu)回歸模型剔除在外，此處不再討論。

（3）創(chuàng)新能力因素。專利數(shù)量（PQ）和研發(fā)支出占總收入的比重（RPR）二者中，僅有后者被納入到最優(yōu)回歸模型，對應的系數(shù)為15.285。對于光伏企業(yè)而言，繼續(xù)加強研發(fā)力度無疑會帶來更好的產出效果和經營效益，應當充分認識科技創(chuàng)新驅動價值創(chuàng)造的重要性。

（4）成長能力因素。本文選取的4 個成長能力因素指標均被納入到最優(yōu)回歸模型中，說明與光伏企業(yè)潛在發(fā)展能力相關的財務指標可以對價值創(chuàng)造能力產生普遍影響。每股收益增長率（GREPS）在回歸模型中的非標準化系數(shù)為18.050，標準化系數(shù)為0.451，其中標準化系數(shù)反映的是數(shù)據無量綱化后的系數(shù)值，自變量的標準化系數(shù)越大，對因變量的影響程度也就越大。在所有自變量中每股收益增長率的標準化系數(shù)最大，說明光伏企業(yè)每股收益的增長與其價值創(chuàng)造能力的提升密切相關。銷售收入增長率（GRSR）、可持續(xù)增長率（SGR）、資本保值增值率（VRCP）在回歸模型中的非標準化系數(shù)分別為8.230、18.994 和12.662，標準化系數(shù)分別為0.323、0.258和0.263，與每股收益增長率一樣，均是光伏企業(yè)價值創(chuàng)造能力的主要內生驅動力。

（5）獲利能力因素。最優(yōu)回歸模型中包含了反映企業(yè)獲利能力的全部4個財務指標——凈資產收益率（RONA）、每股收益（EPS）、主營業(yè)務利潤率（MBPM）和成本費用利潤率（CPM）的非標準化系數(shù)分別為6.681、2.018、25.277 和3.661，標準化系數(shù)分別為0.212、0.204、0.410和0.189。由于回歸分析選取的因變量為光伏企業(yè)VCA 的對數(shù)值，而VCA 數(shù)據本身就是由企業(yè)稅后凈營業(yè)利潤（NOPAT）和企業(yè)資本成本間接計算得來的，以VCA為衡量標準的企業(yè)價值創(chuàng)造能力勢必會受到如凈資產、凈利潤、成本費用等財務指標的顯著影響。

（6）營運能力因素。資本密集度（CI）是營運能力因素中唯一被納入最優(yōu)回歸模型的變量。逐步回歸分析在篩選變量的過程中，將流動資產周轉率（CATR）和應收賬款周轉率（ARTR）都剔除在回歸模型之外，二者無法對VCA 值產生顯著影響，說明通過提升營運能力來推動企業(yè)價值創(chuàng)造的效果可能并不明顯，其潛在內生驅動力較弱。

四、小結

本文基于逐步回歸分析法，對62家上市光伏企業(yè)的樣本數(shù)據進行了實證分析，識別并篩選了可以顯著影響光伏企業(yè)價值創(chuàng)造能力的外部影響因素和內部驅動因素?？傮w而言，外部影響因素中市場占有率對樣本企業(yè)價值創(chuàng)造影響最大，內部驅動因素中成長能力和獲利能力則是提升價值創(chuàng)造能力的關鍵所在，如每股收益增長率、可持續(xù)增長率、主營業(yè)務利潤率等財務指標能夠在很大程度上顯著反映光伏企業(yè)VCA值的潛在變化情況，是價值創(chuàng)造的重要內生驅動力。因此，為持續(xù)提升光伏企業(yè)價值創(chuàng)造能力，一方面，管理層應當重點關注財務戰(zhàn)略的決策和實施，合理規(guī)劃企業(yè)財務資源配置模式，調優(yōu)資本成本結構、改善成本費用配置管理、提高投入產出效率，并與企業(yè)盈利模式的改善和獲利能力的提高相契合；另一方面，成長潛力是光伏企業(yè)價值創(chuàng)造能力提升的核心保障，管理層需對每股收益和可持續(xù)增長等給予足夠重視。