吳瑾 瞿天易 趙庭悅

【摘要】? 文章通過選取在全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)掛牌的17家紡織企業(yè)2015—2017年的財務數(shù)據(jù)，運用Logistic線性回歸分析，構建紡織業(yè)初創(chuàng)企業(yè)融資約束指數(shù)方程，分析企業(yè)風險投資（CVC）對紡織類初創(chuàng)企業(yè)融資約束的影響，得出CVC能顯著緩解紡織業(yè)初創(chuàng)企業(yè)融資約束的結論。

【關鍵詞】? 企業(yè)風險投資;紡織業(yè);初創(chuàng)企業(yè);融資約束

【中圖分類號】? F275? 【文獻標識碼】? A? 【文章編號】? 1002-5812（2019）09-0052-03

一、引言

自2014年9月，李克強總理在達沃斯論壇上提出“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”的號召以來，初創(chuàng)企業(yè)迅速發(fā)展，在吸收就業(yè)、技術創(chuàng)新、增加稅收等方面都發(fā)揮了不容忽視的作用。但是，國內(nèi)金融市場不健全和初創(chuàng)企業(yè)自身規(guī)模小、信息不對稱等種種因素使得初創(chuàng)企業(yè)融資難、融資貴。王霄、張捷（2003）認為初創(chuàng)企業(yè)因為其規(guī)模小，必然會存在融資約束。趙麗娟（2018）通過分析2009—2016年度中小板企業(yè)的數(shù)據(jù)得出中小企業(yè)仍存在融資約束。雖然風險投資、天使基金等在一定程度上緩解了企業(yè)的融資約束。但是，風險投資這類以高回報為投資目標的企業(yè)只會選擇投資回收期短、回報率高的高新技術企業(yè)，而一些投資回收率較低的傳統(tǒng)企業(yè)的融資難狀況依舊得不到改善。近幾年，企業(yè)風險投資的出現(xiàn)，給非高新技術企業(yè)融資帶來了希望。企業(yè)風險投資（CVC）不同于一般的風險投資一味追求高的財務回報，而是會優(yōu)先考慮企業(yè)自身的戰(zhàn)略目標。一個大型的企業(yè)需要不斷的轉(zhuǎn)型升級來應對產(chǎn)業(yè)技術的快速發(fā)展，最簡單的方法就是長期投資一個或多個對企業(yè)戰(zhàn)略布局有幫助的初創(chuàng)企業(yè)。

二、研究假設

（一）對紡織類初創(chuàng)企業(yè)本身的融資約束研究

Fazzari et al.（1998）將融資約束定義為：融資約束指的是因為金融市場的不完備，而導致企業(yè)從外部獲取資金的成本過高，并因此使得企業(yè)投資無法達到最優(yōu)水平的情況。對于紡織業(yè)初創(chuàng)企業(yè)而言，一方面，由于近幾年來原材料和勞動力價格上漲，紡織類企業(yè)經(jīng)營成本提高，導致紡織業(yè)利潤下降;另一方面，紡織類初創(chuàng)企業(yè)自身規(guī)模小，資金、資源少并且生產(chǎn)經(jīng)營不穩(wěn)定，造成了其融資貴、融資難的現(xiàn)狀。所以，本文提出以下假設：

假設1：紡織類初創(chuàng)企業(yè)存在融資約束。

（二）對吸收CVC后初創(chuàng)企業(yè)的融資約束研究

近年來，產(chǎn)業(yè)技術變革非?？?，大型企業(yè)必須不斷尋找新的增長點，且近兩年我國的紡織業(yè)正處在轉(zhuǎn)型階段，存在著技術落后、管理不善、信息不對稱等諸多問題。對成熟的紡織企業(yè)來說，將資金投向充滿活力的初創(chuàng)企業(yè)，促進其創(chuàng)新以滿足自身的轉(zhuǎn)型需要無疑是一個互利互惠的方法。有關風險投資對被投資企業(yè)融資約束的影響，在國內(nèi)外都有學者做過研究。Brav等（1997）認為風險投資（IVC）通過公證效應，緩解被投資企業(yè)的融資約束。尹福生（2004）認為，風險投資（IVC）是一種投資制度創(chuàng)新，以股權形式提供資金，滿足企業(yè)成長性的需要，且在制度安排上減輕了信息不對稱的影響，是中小企業(yè)和初創(chuàng)企業(yè)最切合的融資途徑。目前關于企業(yè)風險投資（CVC）對被投資企業(yè)的融資約束影響國內(nèi)還沒有文獻參考。風險投資（IVC）對被投資企業(yè)資金、管理方面的幫助，企業(yè)風險投資（CVC）同樣具備，且與風險投資相比，企業(yè)風險投資（CVC）對被投資企業(yè)的長期支持作用更長久。故本文提出以下假設：

假設2：吸收企業(yè)風險投資能緩解初創(chuàng)企業(yè)的融資約束。

三、研究設計

（一）樣本選取和數(shù)據(jù)來源

本文選取在新三板掛牌的紡織業(yè)企業(yè)2015—2017年三年的財務數(shù)據(jù)作為實證研究的數(shù)據(jù)，對樣本數(shù)據(jù)做如下處理：（1）剔除數(shù)據(jù)不完整的企業(yè)（6家）;（2）剔除主板市場退市下來的企業(yè)（1家）;（3）剔除停牌的企業(yè);（4）剔除十大股東里有風險投資（IVC）的企業(yè)（32家），最后剩余符合條件的36家企業(yè)（108個觀測值）。數(shù)據(jù)收集來源于同花順網(wǎng)站，使用SPSS軟件進行l(wèi)ogistic回歸分析。

（二）變量選擇與分組

本文采用以下方式對變量進行分組：

首先，對企業(yè)的利息保障倍數(shù)由小到大進行排序，觀測值越小說明企業(yè)的融資約束程度越高;反之，企業(yè)的融資約束程度越低。然后，對排序后的企業(yè)進行分組，排在前35%的為高融資約束組，排在后35%的為低融資約束組。同樣的，將企業(yè)規(guī)模（期末資產(chǎn)合計的自然對數(shù)）進行排序并分組。企業(yè)規(guī)模越大，企業(yè)的融資約束程度越低;反之，企業(yè)的融資約束程度越高。因此，將排在前35%的樣本企業(yè)歸為高融資約束組，在后35%的樣本企業(yè)歸為低融資約束組。最后，將利息保障倍數(shù)的高融資約束組和企業(yè)規(guī)模的高融資約束組取交集，將它們作為高約束組研究對象（8家）;將利息保障倍數(shù)的低融資約束組和企業(yè)規(guī)模的低融資約束組取交集，將它們作為低約束組研究對象（9家）。其余樣本不作為研究對象。

（三）模型設定

Logistic回歸模型是對二分類因變量進行回歸分析最適用的方法，所以選擇該模型進行下面的實證分析。此方法的預測值在0和1之間，若計算出來的融資約束概率大于0.5，則企業(yè)面臨較高的融資約束，若小于0.5則企業(yè)面臨較低的融資約束。借鑒鄧翔（2014）的研究成果，本文選取流動比率、資產(chǎn)負債率、銷售凈利率和主營業(yè)務增長率這四個常用的財務指標構建融資約束指數(shù)方程：

各變量的名稱、代碼和公式見表1。

四、實證分析

（一）描述性檢驗

對主要解釋變量的描述性分析如表2所示。第一項指標資產(chǎn)負債率的平均值為53.46%，表明企業(yè)的總資產(chǎn)中有53.46%是通過借款來籌集的。一般企業(yè)的資產(chǎn)負債率維持在45%—65%最為合適，這17家紡織企業(yè)的資產(chǎn)負債率較為合理。第二項指標流動比率平均值2.09符合健康的企業(yè)對流動比率的要求，但范圍為17.23%，且標準差大于1，說明數(shù)據(jù)比較分散且存在流動比率過高或過低的極端值。第三項指標銷售凈利率的平均值為5.02%，范圍為24.26%，標準差為0.5423，說明有一部分企業(yè)還處在無盈利狀態(tài)且整個行業(yè)利潤率低。銷售凈利率太低會降低投資者的投資興趣，提高企業(yè)的融資約束程度。最后一項指標收入增長率平均值為11.28%，范圍為58.49%，標準差為0.1598，說明這17家企業(yè)的收入相對集中，同時也說明了紡織業(yè)企業(yè)的營業(yè)收入較為穩(wěn)定。

（二）相關系數(shù)分析

為了防止解釋變量的相關性對結論產(chǎn)生影響，對變量進行相關系數(shù)分析，詳見表3。

相關系數(shù)數(shù)值應在0—1之間，越接近1兩個變量間的相關性越大。從表3可以看出：除了流動比率和資產(chǎn)負債率的相關系數(shù)較高外，其余的相關系數(shù)的絕對值都小于0.3，所以這幾個解釋變量相關的可能性不大。

（三）分組變量之間的差異性T檢驗

從表4可以看出，融資約束程度的解釋變量中，只有銷售凈利率在5%的水平下顯著，資產(chǎn)負債率、營業(yè)收入增長率和流動比率的P值分別為0.502、0.409和0.313，都遠遠大于0.05，在5%的水平上不顯著。說明這四個指標中只有銷售凈利率能在5%的水平上顯著區(qū)分紡織業(yè)初創(chuàng)企業(yè)的融資約束程度。所以在融資約束指數(shù)方程中要去除營業(yè)收入增長率、流動比率、資產(chǎn)負債率這三個解釋變量。另外，高融資約束組的資產(chǎn)負債率（50.53%）低于低融資約束組的（56.07%）、高融資約束組的流動比率（3.16）高于低融資約束組（1.13），這兩點與現(xiàn)有研究結果不符。鄧翔（2014）研究發(fā)現(xiàn)資產(chǎn)負債率應與企業(yè)的融資約束程度呈正相關;銷售凈利率、營業(yè)收入增長率和流動比率這三個變量與企業(yè)的融資約束程度成反比。筆者認為，出現(xiàn)這種現(xiàn)象的原因是，紡織業(yè)屬于壟斷競爭市場類型，廠商可以自由進出市場，使得行業(yè)進入門檻低，剛進入的企業(yè)的資產(chǎn)規(guī)模較小，難以取得銀行等其他金融機構的債權投資，所以這類初創(chuàng)企業(yè)資產(chǎn)負債率較低的同時，又存在著較高的融資約束。同時，初創(chuàng)企業(yè)由于剛成立不久，缺乏經(jīng)驗，部分企業(yè)存在存貨周轉(zhuǎn)周期長、資金使用效率較低等現(xiàn)象，從而使得企業(yè)的流動比率較高，而資金使用效率低，存貨周轉(zhuǎn)周期長的企業(yè)會增加對資金的需求量，從而使得企業(yè)存在更高的融資約束。

（四）Logistic回歸分析

根據(jù)均值的t檢驗結果將解釋變量中的營業(yè)收入增長率、資產(chǎn)負債率和流動比率從融資約束方程中剔除，得到新的融資約束方程如下：

在該方程的基礎上進一步驗證銷售凈利率對紡織業(yè)初創(chuàng)企業(yè)的融資約束影響。為了方便求出回歸系數(shù)，將高融資約束組的融資約束設為1，低融資約束組的融資約束設為0。回歸分析結果見表5。

Nagelkerke R?是用來衡量模型擬合優(yōu)度的指標，該數(shù)值在0—1之間，越接近1，模型擬合程度越高。表5中，Nagelkerke R?的值為0.580，說明該模型擬合優(yōu)度不是很高，即被解釋變量（企業(yè)融資約束程度）能被解釋變量（銷售凈利率）解釋的程度為58%。銷售凈利率在5%的水平上經(jīng)過檢驗，且其回歸系數(shù)（-56.571）前的符號與實際理論相符。該系數(shù)的統(tǒng)計學意義是：銷售凈利率每增加一個標準偏差，對應的Logit（FZ）會減少56.571個標準偏差。

根據(jù)以上結果可以得到企業(yè)的融資約束指數(shù)方程：

其中：y=2.915+（-56.571）NIi，t;FZ越接近1，表明企業(yè)受到的融資約束程度越大，越接近0，表示企業(yè)受到的融資約束程度越小。

（五）模型檢驗

運用錯判矩陣檢驗上述模型。錯判矩陣如表6所示。

從表6可以看出，在高融資約束組的24個觀測值中，6個被錯判;低融資約束組的27個觀測值中3個被錯判?？傮w的正確率為82.35%。將17家樣本企業(yè)2015—2017年度的財務數(shù)據(jù)代入該方程，得出這17家企業(yè)前三年的融資約束程度。再通過查閱這些企業(yè)的前十大股東名單，標出股東中非風險投資性質(zhì)的企業(yè)名單，將這17家企業(yè)按是否接受CVC分為兩組，依次算出這些企業(yè)在2015—2017年度的融資約束程度，結果如表7所示。

（六）結果分析

通過對紡織類初創(chuàng)企業(yè)的融資約束程度研究來看，融資約束程度數(shù)值分布在0—1之間。當數(shù)值處在0—0.5之間，企業(yè)存在融資約束但融資約束程度較低;當數(shù)值處于0.5—1之間時，企業(yè)的融資約束程度較高。從表7可以看出，無論是否接受CVC，紡織類初創(chuàng)企業(yè)都存在融資約束，即假設1成立。

接受CVC的企業(yè)2015—2017年三年的融資約束程度平均值為0.3946，沒有接受CVC的企業(yè)2015—2017年三年的融資約束程度平均值為0.5040，明顯看出，接受CVC的企業(yè)的融資約束程度低于沒有接受融資約束的企業(yè)，即假設2成立。綜上，本文得出以下結論，紡織業(yè)初創(chuàng)企業(yè)存在融資約束，且企業(yè)風險投資（CVC）能改善這類企業(yè)的融資約束程度。

【主要參考文獻】

[ 1 ] 王霄，張捷.銀行信貸配給與中小企業(yè)貸款——一個內(nèi)生化抵押品和企業(yè)規(guī)模的理論模型[J].經(jīng)濟研究，2003，（07）.

[ 2 ] 趙麗娟.風險投資參與能有效緩解中小企業(yè)的融資約束嗎？——基于面板數(shù)據(jù)的廣義矩估計方法[J].財會通訊，2018，（05）.

[ 3 ] 劉俊強.風險投資對高新技術企業(yè)融資約束影響的實證研究[D].浙江工商大學，2013.