(浙江財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院 浙江 杭州 310018)

一、引言

股利分配是企業(yè)三大財(cái)務(wù)管理活動(dòng)之一，恰當(dāng)?shù)墓衫吣軒椭髽I(yè)實(shí)現(xiàn)可持續(xù)發(fā)展，樹(shù)立良好的企業(yè)形象，因此股利政策是企業(yè)和投資者關(guān)注的重點(diǎn)。我國(guó)的資本市場(chǎng)開(kāi)始于20 世紀(jì)90 年代，目前仍處于不成熟階段，存在許多問(wèn)題，如惡意分紅(大股東掏空行為)、現(xiàn)金股利支付率低等，這些行為的存在不僅對(duì)中小股東的利益構(gòu)成直接或間接的侵害，對(duì)資本市場(chǎng)的穩(wěn)定秩序也產(chǎn)生了一定的負(fù)面影響。為了促使我國(guó)證券市場(chǎng)更加有效，保障其優(yōu)化資源分配的職能，本文選擇對(duì)滬深兩市上市公司現(xiàn)金股利政策的影響因素進(jìn)行研究，并構(gòu)建相應(yīng)的股利行為預(yù)測(cè)模型，從而為上市公司制定合適的股利政策提供指導(dǎo)，促進(jìn)我國(guó)證券市場(chǎng)健康有序發(fā)展。

二、理論分析與研究假設(shè)

(一)公司內(nèi)部特征因素

在股權(quán)分置改革之前，有學(xué)者研究指出股權(quán)集中度越高，上市公司更傾向于支付現(xiàn)金股利，且股利支付率越高。陳洪濤(2006)也提出了類似的觀點(diǎn)，他認(rèn)為在股權(quán)集中較高的上市公司中，管理層主要是基于大股東的需求去制定股利政策，往往會(huì)忽略中小股東的對(duì)投資的回報(bào)需求，對(duì)中小投資者的權(quán)益造成侵害。

余亮(2013)則從公司融資約束和代理成本的角度研究了公司的股利政策，發(fā)現(xiàn)在中國(guó)的資本市場(chǎng)中，上市公司面臨的融資約束導(dǎo)致其股利支付率偏低，當(dāng)企業(yè)負(fù)債水平較高，面臨的外部融資約束較大時(shí)上市公司傾向于進(jìn)行預(yù)防性儲(chǔ)備，持有高額現(xiàn)金留存企業(yè)之中。

(二)外部制度及環(huán)境因素

梅晨晨(2016)在對(duì)地理位置與代理成本的研究過(guò)程中發(fā)現(xiàn)，物理距離的增加會(huì)提升代理成本和信息不對(duì)稱程度。為了降低因距離帶來(lái)的信息不對(duì)稱，上市公司會(huì)提供更高的股利來(lái)緩解股東的代理成本。毛志艷(2015)則在行業(yè)市場(chǎng)對(duì)比研究中發(fā)現(xiàn)，產(chǎn)品市場(chǎng)集中度越高的行業(yè)，公司股利支付水平越高。這主要是因?yàn)楫a(chǎn)品市場(chǎng)集中程度低時(shí)，市場(chǎng)競(jìng)爭(zhēng)較為激烈，企業(yè)往往需要持有更多資金以滿足公司的產(chǎn)品開(kāi)發(fā)以及發(fā)展需求，此時(shí)企業(yè)會(huì)選擇不分配和分配低股息政策。

王國(guó)俊等(2014)在研究中同樣發(fā)現(xiàn)現(xiàn)金股利承擔(dān)制度能夠影響公司股利行為，他同時(shí)指出證監(jiān)會(huì)、市場(chǎng)投資者均傾向于認(rèn)同股利支付水平較高的上市公司，這些公司往往會(huì)被認(rèn)為是具有較高的投資增價(jià)值。

三、研究設(shè)計(jì)

(一)數(shù)據(jù)樣本收集

考慮到數(shù)據(jù)的可收集性、真實(shí)性與完整性，本文所選的是國(guó)內(nèi)2014至2019年A股上市的公司財(cái)務(wù)數(shù)據(jù)。為保證數(shù)據(jù)的完整性，本文將從CSMAR數(shù)據(jù)庫(kù)中調(diào)取的2014至2019年的公司樣本進(jìn)行了篩選，剔除了存在數(shù)據(jù)缺失以及被ST的公司樣本，經(jīng)過(guò)初步篩選最終獲取了2398個(gè)公司樣本作為研究對(duì)象。

(二)定義變量

本文選取的變量分為解釋變量與被解釋變量。本文在根據(jù)梳理過(guò)往研究的基礎(chǔ)上，最終選取了如下表所示的6個(gè)解釋變量，其中包括有凈資產(chǎn)收益率、資產(chǎn)負(fù)債率、總資產(chǎn)周轉(zhuǎn)率、營(yíng)業(yè)收入增長(zhǎng)率、留存收益權(quán)益比與總資產(chǎn)(取對(duì)數(shù)值)，在完成回歸分析后將從中選出對(duì)公司現(xiàn)金股利影響顯著的因素，并以此為依據(jù)構(gòu)建股利預(yù)測(cè)模型，預(yù)測(cè)企業(yè)的現(xiàn)金股利意愿。

表1 解釋變量定義表

(三)建立模型

由于本文的研究對(duì)象是上市公司的現(xiàn)金股利支付意愿，這屬于基本的二分類問(wèn)題(即是與否)，因此本文決定構(gòu)建二元邏輯回歸模型(即Logit模型)，初步的Logit回歸模型如下：

在后續(xù)數(shù)據(jù)處理過(guò)程中將會(huì)對(duì)初步Logit回歸模型進(jìn)行修正，對(duì)于相關(guān)系數(shù)較小(小于0.2)的解釋變量進(jìn)行剔除，此外對(duì)于存在多重共線性(相關(guān)系數(shù)大于0.8)的變量之間，將對(duì)該組變量中的一個(gè)予以排除。當(dāng)模型中的P值大于0.5時(shí)，預(yù)測(cè)結(jié)果為上市公司本年度發(fā)放現(xiàn)金股利(結(jié)果為“1”)；而如果P值小于等于0.5時(shí)，預(yù)測(cè)結(jié)果為本年度不發(fā)放現(xiàn)金股利(結(jié)果為“0”)。

(四)數(shù)據(jù)處理

本文為了避免解釋變量之間可能存在的多重共線性問(wèn)題，因此對(duì)六種解釋變量?jī)蓛捎?jì)算皮爾遜積矩相關(guān)系數(shù)，并將相關(guān)系數(shù)大于0.8的變量組認(rèn)定為高度相關(guān)的變量組，并將高度相關(guān)的一對(duì)變量中的一個(gè)予以排除。

表2 解釋變量之間的皮爾遜積矩相關(guān)系數(shù)

從上面的皮爾遜積矩相關(guān)系數(shù)表中可以看出，變量之間的相關(guān)系數(shù)最大沒(méi)有超過(guò)0.6，說(shuō)明本文選擇的解釋變量之間不存在多重共線性問(wèn)題，因此只需要從中挑選出與公司發(fā)放現(xiàn)金股利意愿之間存在顯著相關(guān)性的解釋變量，組成回歸模型即可。為了考察在不同年度，各個(gè)解釋變量對(duì)企業(yè)現(xiàn)金股利支付意愿的影響程度，本文對(duì)2014至2018年的每一年度的數(shù)據(jù)進(jìn)行Logit 回歸，結(jié)果如下所示。

表3 分年度Logit模型回歸結(jié)果

續(xù)表

從表3的結(jié)果中分析可知，資產(chǎn)負(fù)債率(DAR)、營(yíng)業(yè)收入增長(zhǎng)率(MRIR)、總資產(chǎn)(TA)與凈資產(chǎn)收益率(ROA)在五個(gè)考察年度均對(duì)現(xiàn)金股利支付意愿有顯著影響，影響方向也與預(yù)期一致，表明企業(yè)的負(fù)債水平、營(yíng)業(yè)收入的增長(zhǎng)率、公司規(guī)模和企業(yè)的凈資產(chǎn)收益率一直是企業(yè)決定是否發(fā)放現(xiàn)金股利的重要影響因素。而總資產(chǎn)周轉(zhuǎn)率(TAT)、留存收益權(quán)益比(RE/TE)在部分年份未通過(guò)顯著性檢驗(yàn)，因此這兩個(gè)解釋變量對(duì)企業(yè)的現(xiàn)金股利支付意愿并不具有穩(wěn)定影響。

四、結(jié)果與分析

在完成對(duì)模型的修正后，本文對(duì)數(shù)據(jù)展開(kāi)了處理與分析。在Stata軟件中打開(kāi)了數(shù)據(jù)表后，本文運(yùn)用Logit與Mfx命令先后對(duì)數(shù)據(jù)表中所有年份的資產(chǎn)負(fù)債率(DAR)、營(yíng)業(yè)收入增長(zhǎng)率(MRIR)、總資產(chǎn)(TA)與凈資產(chǎn)收益率(ROA)進(jìn)行了處理，結(jié)果如下表所示：

表4 顯著性判斷表

表5 其他數(shù)據(jù)表

logit模型通過(guò)Z檢驗(yàn)來(lái)判斷其顯著性，而在表4的Z檢驗(yàn)結(jié)果可以看到此模型中系數(shù)均以P=0顯著不為0。此外表5中LR chi2(4)是卡方檢驗(yàn)的統(tǒng)計(jì)量，也就是回歸模型無(wú)效假設(shè)所對(duì)應(yīng)的似然比檢驗(yàn)量；其中4為自由度，Prob>chi2 是其對(duì)應(yīng)的P值，在這個(gè)估計(jì)結(jié)果顯示以P=0顯著說(shuō)明模型具有有效性。另外結(jié)果中的Pseudo R2是準(zhǔn)R2，雖然不等于R2，但可以用來(lái)檢驗(yàn)?zāi)Ｐ蛯?duì)變量的解釋力，從其數(shù)值中可以看出此logit模型中擬合優(yōu)度為0.1029。

隨后本文利用eatat clas與predict命令對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步處理，從而運(yùn)用二值模型對(duì)上市公司是否發(fā)放現(xiàn)金股利做出進(jìn)行預(yù)測(cè)分析，并對(duì)預(yù)測(cè)的準(zhǔn)確度做出估計(jì)。在精確度判斷過(guò)程中，本文引入二分類混淆矩陣，并采用準(zhǔn)確率(Accuracy)、查準(zhǔn)率(Precision)、查全率(Recall)、F1作為評(píng)價(jià)指標(biāo)。

表6 預(yù)期構(gòu)建的分類結(jié)果混淆矩陣

依據(jù)二分類混淆舉證，各評(píng)價(jià)指標(biāo)的計(jì)算公式與模型中的數(shù)據(jù)如下所示：

表7 Logit模型預(yù)測(cè)結(jié)果

依據(jù)表7中的Logit模型預(yù)測(cè)數(shù)據(jù)，本文對(duì)前文中提到的指標(biāo)進(jìn)行了計(jì)算，結(jié)果展示在表8中。

表8 Logit模型精確度度量表

從表7的數(shù)據(jù)可以看出，實(shí)驗(yàn)中預(yù)測(cè)偏差的情況占少數(shù)，在所有預(yù)測(cè)的實(shí)例中，被正確預(yù)測(cè)的比例(Accuracy)高達(dá)93.25%，在所有被預(yù)測(cè)為正類的實(shí)例中，真正的正類所占的比例(Precision)高達(dá)97.78%，而在所有的正例中能被正確預(yù)測(cè)的比例(Recall)也達(dá)到了76.50%。由于本數(shù)據(jù)結(jié)果中Precision值與Recall的值之間存在一些差異，因此F1值與最大值(當(dāng)兩者相近時(shí)最大)之間存在一定差距，但F1依然達(dá)到較高值85.84%，說(shuō)明Logit二元邏輯回歸模型較好地對(duì)上市公司現(xiàn)金股利的發(fā)放情況進(jìn)行了預(yù)測(cè)。

五、總結(jié)與討論

本文的主要研究?jī)?nèi)容，是探究上市公司內(nèi)部的六個(gè)不同因素對(duì)公司現(xiàn)金股利發(fā)放意愿的的影響，并建立模型對(duì)其現(xiàn)金股利的發(fā)放做出合理預(yù)測(cè)。本文首先通過(guò)不同因素之間的相關(guān)性分析，排除了六個(gè)因素中影響力較弱的2個(gè)因素(總資產(chǎn)周轉(zhuǎn)率TAT與留存收益權(quán)益比RETE)，最終選擇了其中對(duì)現(xiàn)金股利支付意愿影響最顯著的四個(gè)因素(凈資產(chǎn)收益率ROE、總收入增長(zhǎng)率MRIR、資產(chǎn)負(fù)債率DAR與總資產(chǎn)規(guī)模TA)，依此建立Logit二元邏輯回歸預(yù)測(cè)模型對(duì)公司的現(xiàn)金股利發(fā)放情況作出預(yù)測(cè)。

本文的不足之處在與，在研究開(kāi)始時(shí)只挑選了公司內(nèi)部的六個(gè)財(cái)務(wù)因素作為解釋變量，具有一定的主觀性。然而事實(shí)上企業(yè)內(nèi)部還有許多非財(cái)務(wù)的因素會(huì)影響到企業(yè)的現(xiàn)金股利政策(例如公司治理結(jié)構(gòu)、董事會(huì)構(gòu)成與管理層特質(zhì)等)，在后續(xù)的深入研究預(yù)測(cè)中，可以選擇適當(dāng)?shù)臉?biāo)準(zhǔn)將這些非財(cái)務(wù)因素統(tǒng)一量化處理，進(jìn)一步研究其對(duì)現(xiàn)金股利政策的影響，為投資者的投資行為和企業(yè)股利政策的制定提供借鑒與參考。