孫海兵 周丹

【摘 要】 文章選取2014—2018年我國(guó)A股制造業(yè)上市公司的7 250個(gè)樣本，實(shí)證分析環(huán)境不確定性對(duì)投資效率的影響。有別于國(guó)內(nèi)現(xiàn)有研究，文章除使用銷售收入波動(dòng)衡量?jī)?nèi)部環(huán)境不確定性外，還引入中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)EPU衡量外部環(huán)境不確定性。結(jié)果發(fā)現(xiàn)內(nèi)外部環(huán)境不確定性下制造業(yè)上市公司會(huì)出現(xiàn)非效率投資現(xiàn)象，其中國(guó)有制造企業(yè)傾向于過(guò)度投資，而非國(guó)有企業(yè)投資不足行為更嚴(yán)重。進(jìn)一步研究表明，外部環(huán)境不確定性相比內(nèi)部環(huán)境不確定性可能對(duì)投資不足的影響較大。研究結(jié)論說(shuō)明，政策的相對(duì)穩(wěn)定或公平的營(yíng)商環(huán)境對(duì)提高制造企業(yè)投資效率具有積極意義。

【關(guān)鍵詞】 環(huán)境不確定性; 產(chǎn)權(quán)性質(zhì); 投資效率; 制造企業(yè)

【中圖分類號(hào)】 F275.5? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2021）07-0126-06

一、引言

自2008年金融危機(jī)爆發(fā)以來(lái)，世界各國(guó)更加深刻地認(rèn)識(shí)到實(shí)體經(jīng)濟(jì)對(duì)國(guó)家競(jìng)爭(zhēng)力和國(guó)民就業(yè)的重要作用，因此普遍重視發(fā)展制造業(yè)，特別是發(fā)達(dá)國(guó)家相繼出臺(tái)了符合本國(guó)國(guó)情的發(fā)展計(jì)劃，如美國(guó)制定了“制造業(yè)復(fù)興計(jì)劃”，德國(guó)推出了“工業(yè)4.0戰(zhàn)略”，日本實(shí)施了“制造業(yè)再興戰(zhàn)略”等。印度、越南等東南亞國(guó)家制造業(yè)也在異軍突起。我國(guó)2010年成為世界制造業(yè)第一大國(guó)，2015年頒布了《中國(guó)制造2025》，隨后在黨的十九大報(bào)告中提出加快發(fā)展先進(jìn)制造業(yè)、建設(shè)制造強(qiáng)國(guó)，2018年底召開的中央經(jīng)濟(jì)工作會(huì)議進(jìn)一步強(qiáng)調(diào)，推動(dòng)制造業(yè)高質(zhì)量發(fā)展，堅(jiān)定不移建設(shè)制造強(qiáng)國(guó)。截至2019年6月30日，我國(guó)A股上市公司有3 628家，其中制造業(yè)上市公司2 276家，占62.73%。

長(zhǎng)期以來(lái)，制造業(yè)投資、基建投資和房地產(chǎn)投資構(gòu)成了我國(guó)固定資產(chǎn)投資的三大引擎，對(duì)經(jīng)濟(jì)增長(zhǎng)發(fā)揮了關(guān)鍵作用。據(jù)統(tǒng)計(jì)，2018年我國(guó)固定資產(chǎn)投資為635 636億元，其中制造業(yè)投資為212 010億元，占33.35%。我國(guó)制造業(yè)正處于轉(zhuǎn)型升級(jí)、由大變強(qiáng)的關(guān)鍵時(shí)期，企業(yè)面臨著錯(cuò)綜復(fù)雜、動(dòng)蕩不定的環(huán)境，投資行為或會(huì)隨之發(fā)生改變，既可能表現(xiàn)為增加規(guī)模、擴(kuò)大生產(chǎn)，也可能表現(xiàn)為謹(jǐn)慎投資、縮減規(guī)模。鑒于此，本文以2014—2018年我國(guó)A股制造業(yè)上市公司為樣本，從環(huán)境不確定性視角分析其對(duì)不同產(chǎn)權(quán)性質(zhì)公司投資行為的影響，為優(yōu)化資源配置、提高制造業(yè)投資效率，進(jìn)而促進(jìn)經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展等提供參考。

二、文獻(xiàn)回顧與研究假設(shè)

企業(yè)面臨的環(huán)境可以分為內(nèi)部環(huán)境（或稱微觀環(huán)境）與外部環(huán)境（或稱宏觀環(huán)境）。內(nèi)部環(huán)境包括銷售收入、企業(yè)制度、企業(yè)規(guī)模以及企業(yè)文化等，外部環(huán)境包括政府政策、銀行貸款、投資環(huán)境以及行業(yè)指數(shù)等。相應(yīng)地，關(guān)于環(huán)境不確定性與投資效率的研究可以歸納為兩個(gè)方面。

一是研究企業(yè)內(nèi)部環(huán)境不確定性與投資效率之間的關(guān)系。Jensen[ 1 ]認(rèn)為在不確定性增加企業(yè)信息不對(duì)稱程度的條件下，管理者為謀取私利可能造成過(guò)度投資。另外一些學(xué)者認(rèn)為環(huán)境不確定性會(huì)促使企業(yè)發(fā)生投資不足行為。當(dāng)管理者在進(jìn)行融資時(shí)，不確定性程度越大，信息成本就會(huì)越大，就越容易造成公司融資約束問(wèn)題，而有限的融資機(jī)會(huì)將迫使管理者放棄一些好的機(jī)會(huì)（NPV>0），由此造成投資不足現(xiàn)象[ 2 ]。隨著研究的深入，學(xué)者們發(fā)現(xiàn)環(huán)境不確定性對(duì)投資效率的影響并非單一的。徐倩[ 3 ]指出較高的環(huán)境不確定性一方面增加了股東對(duì)管理層監(jiān)督的難度，后者傾向投資過(guò)度的可能性提高，另一方面環(huán)境不確定性增加了管理者投資決策所需承擔(dān)的私人成本，出于回避風(fēng)險(xiǎn)可能導(dǎo)致投資不足，并以滬深兩市A股上市公司為樣本進(jìn)行實(shí)證檢驗(yàn)證實(shí)了上述判斷。廖義剛和鄧賢琨[ 4 ]以我國(guó)A股上市公司為樣本，實(shí)證得出公司面臨的環(huán)境不確定性程度越高，其投資過(guò)度和投資不足程度越嚴(yán)重。

二是關(guān)于企業(yè)外部環(huán)境不確定性與投資效率的研究。較高的外部環(huán)境不確定性會(huì)弱化管理者進(jìn)行投資的判斷力，擔(dān)心投資后出現(xiàn)虧損或者難以發(fā)現(xiàn)優(yōu)質(zhì)項(xiàng)目，從而引發(fā)投資不足等非效率投資[ 5 ];陳國(guó)進(jìn)和王少謙[ 6 ]指出經(jīng)濟(jì)政策不確定性對(duì)企業(yè)投資行為有抑制作用，且通過(guò)資金成本與資本邊際收益率渠道傳導(dǎo);周雨[ 7 ]通過(guò)實(shí)證研究發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性對(duì)房地產(chǎn)行業(yè)投資具有正向促進(jìn)作用，而對(duì)制造業(yè)投資有負(fù)向影響。張慶君等[ 8 ]則研究得出經(jīng)濟(jì)政策不確定性與保險(xiǎn)公司的現(xiàn)金持有水平顯著正相關(guān)，公司持有較多現(xiàn)金會(huì)加劇過(guò)度投資;Murphy[ 9 ]發(fā)現(xiàn)某些高管可以將外部環(huán)境作為投資失敗的原因，從而傾向于過(guò)度投資。也有學(xué)者認(rèn)為，宏觀經(jīng)濟(jì)不確定性與投資效率負(fù)相關(guān)，不僅會(huì)導(dǎo)致投資不足，而且會(huì)造成投資過(guò)度[ 10 ]。近年來(lái)我國(guó)制造業(yè)產(chǎn)能過(guò)剩與產(chǎn)能不足并存也是事實(shí)。

總的來(lái)說(shuō)，目前企業(yè)內(nèi)部環(huán)境和外部環(huán)境不確定性一并考察對(duì)制造企業(yè)投資效率影響的文獻(xiàn)甚少?；谝陨戏治?，提出假設(shè)1。

H1：在內(nèi)部環(huán)境或外部環(huán)境不確定性下，制造業(yè)上市公司既可能出現(xiàn)投資過(guò)度，也可能出現(xiàn)投資不足，且環(huán)境不確定性與非效率投資正相關(guān)。

環(huán)境不確定性對(duì)制造業(yè)投資的影響，可能在不同產(chǎn)權(quán)性質(zhì)的企業(yè)中有差別。我國(guó)上市制造企業(yè)可分為國(guó)企和非國(guó)企兩種產(chǎn)權(quán)性質(zhì)，非國(guó)企占上市企業(yè)總量的比例較大，二者融資能力存在較大差異[ 11 ]。國(guó)有企業(yè)和國(guó)有銀行在性質(zhì)上都屬于國(guó)有且國(guó)有企業(yè)承擔(dān)著更多的政治和社會(huì)職能[ 12 ]，因而相對(duì)于非國(guó)有企業(yè)，國(guó)有企業(yè)融資更容易。即使是在政府簡(jiǎn)政放權(quán)的當(dāng)下，政府與國(guó)有企業(yè)之間仍然有著千絲萬(wàn)縷的聯(lián)系，當(dāng)國(guó)有企業(yè)在經(jīng)營(yíng)過(guò)程中發(fā)生虧損時(shí)，政府可能會(huì)為其補(bǔ)充資金[ 13 ]。申慧慧等[ 14 ]基于融資約束視角，指出在面對(duì)較高的環(huán)境不確定性時(shí)，國(guó)有控股公司因有資金支持追求政治收益，主要表現(xiàn)為投資過(guò)度;非國(guó)有控股公司受較大的融資約束而趨于謹(jǐn)慎，主要表現(xiàn)為投資不足。樊燕萍和崔懷谷[ 15 ]指出國(guó)有企業(yè)相對(duì)于民營(yíng)企業(yè)除具有融資優(yōu)勢(shì)外，還在產(chǎn)權(quán)保護(hù)、政策優(yōu)惠等方面具有明顯優(yōu)勢(shì)。產(chǎn)權(quán)性質(zhì)是否明晰對(duì)企業(yè)投資至關(guān)重要，非國(guó)有企業(yè)易出現(xiàn)投資不足現(xiàn)象，國(guó)有企業(yè)易出現(xiàn)投資過(guò)度現(xiàn)象[ 16 ]。據(jù)此，提出假設(shè)2。

H2：環(huán)境不確定性下制造業(yè)上市公司的非效率投資因產(chǎn)權(quán)性質(zhì)不同而有所差異，國(guó)有公司主要表現(xiàn)為投資過(guò)度行為，非國(guó)有公司投資不足行為相對(duì)較多。

三、研究設(shè)計(jì)與樣本選擇

（一）模型與變量

1.投資效率的計(jì)量

借鑒Richardson[ 17 ]的殘差度量方法，本文建立如下模型：

其中：INVi，t為第t年新增投資，即購(gòu)建固定資產(chǎn)、無(wú)形資產(chǎn)和其他長(zhǎng)期資產(chǎn)支付的現(xiàn)金與投資所支付的資金之和減去固定資產(chǎn)折舊與長(zhǎng)期資產(chǎn)攤銷支出，再除以年初總資產(chǎn);ROAi，t-1代表企業(yè)的盈利水平，是第t-1年息稅前利潤(rùn)與總資產(chǎn)的比值;LEVi，t-1、AGEi，t-1、SIZEi，t-1分別表示企業(yè)第t-1年的資產(chǎn)負(fù)債率、上市年限、企業(yè)規(guī)模（用總資產(chǎn)的自然對(duì)數(shù)計(jì)算）;TOBINQi，t-1代表企業(yè)的成長(zhǎng)性和未來(lái)的發(fā)展機(jī)會(huì)，等于第t-1年年末企業(yè)股票市值與負(fù)債的賬面價(jià)值之和除以總資產(chǎn);CASHi，t-1表示企業(yè)現(xiàn)金流動(dòng)性，等于第t-1年期末現(xiàn)金及現(xiàn)金等價(jià)物余額除以總資產(chǎn);YEAR為年份虛擬變量。

對(duì)上述模型回歸得到殘差，取其絕對(duì)值作為投資效率的衡量指標(biāo)AINV。若殘差大于0表示投資過(guò)度，用OVERINV表示;殘差小于0表示投資不足，取其絕對(duì)值，用UNDERINV表示。

2.環(huán)境不確定性的計(jì)量

本文的環(huán)境不確定性細(xì)分為企業(yè)內(nèi)部環(huán)境不確定性和外部環(huán)境不確定性。

內(nèi)部環(huán)境不確定性借鑒Ghosh和Olsen[ 18 ]、申慧慧等[ 14 ]的研究方法，采用制造企業(yè)過(guò)去5年銷售收入的變異系數(shù)來(lái)衡量，相關(guān)模型如下：

模型中的SALE表示銷售收入，YEAR為年度變量。YEAR的取值從1到5，YEAR=5，表示當(dāng)年年度，YEAR=4，表示上一年度，以此倒推。通過(guò)該模型計(jì)算出制造業(yè)上市企業(yè)5個(gè)殘差？著i，t，代表過(guò)去5年的非正常收入。將過(guò)去5年非正常收入的標(biāo)準(zhǔn)差除以銷售收入的平均值作為內(nèi)部環(huán)境不確定性，用EU表示。

我國(guó)經(jīng)濟(jì)正邁向高質(zhì)量發(fā)展階段，政策的頻繁調(diào)整會(huì)加劇我國(guó)市場(chǎng)經(jīng)濟(jì)環(huán)境的不穩(wěn)定性，并對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)和投資決策造成一定影響。由斯坦福大學(xué)和芝加哥大學(xué)的Scott R.Baker、Nicholas Bloom和Steven J.Davis三位學(xué)者編制的經(jīng)濟(jì)政策不確定性指數(shù)（簡(jiǎn)稱EPU指數(shù)），主要用來(lái)反映世界各大經(jīng)濟(jì)體經(jīng)濟(jì)和政策的不確定性。

本文外部環(huán)境不確定性采用中國(guó)EPU指數(shù)來(lái)衡量，將標(biāo)準(zhǔn)化后的月度EPU指數(shù)（MEPU）通過(guò)幾何平均法轉(zhuǎn)化為年度EPU指數(shù)，轉(zhuǎn)換公式為：

根據(jù)研究假設(shè)，參考翟勝寶等[ 19 ]、陳國(guó)進(jìn)和王少謙[ 6 ]的研究，最終擬構(gòu)建如下模型加以實(shí)證檢驗(yàn)。

模型1用來(lái)檢驗(yàn)假設(shè)1，采用全樣本;模型2和模型3用來(lái)檢驗(yàn)假設(shè)2，分別采用投資過(guò)度與投資不足樣本進(jìn)行分析。主要變量定義如表1所示。

（二）樣本選取與處理

以2014—2018年我國(guó)A股制造業(yè)上市公司為研究樣本，并對(duì)樣本進(jìn)行以下處理：（1）剔除數(shù)據(jù)缺失或異常值的公司;（2）剔除ST公司;（3）剔除銷售收入數(shù)據(jù)不足5年的公司;（4）所有變量均進(jìn)行1%分位數(shù)Winsorize處理。最終共得到7 250個(gè)樣本值。其中，上市企業(yè)的財(cái)務(wù)數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)，EPU指數(shù)數(shù)據(jù)來(lái)源于網(wǎng)站http：// www. policyuncertainty. com /? china_monthly.html。使用的計(jì)量軟件是Stata14.0。

四、實(shí)證結(jié)果分析

（一）樣本分布與描述性分析

總樣本按產(chǎn)權(quán)性質(zhì)分組得到的統(tǒng)計(jì)結(jié)果見(jiàn)表2。樣本共有7 250個(gè)，其中，國(guó)有企業(yè)樣本量有2 236個(gè)，非國(guó)有企業(yè)樣本量有5 014個(gè)，非國(guó)有企業(yè)占比相對(duì)較大。從投資效率來(lái)看，投資不足樣本為4 028個(gè)，占總樣本的55.56%，進(jìn)一步分析不難發(fā)現(xiàn)國(guó)有制造企業(yè)主要偏向于過(guò)度投資，而非國(guó)有制造企業(yè)投資不足現(xiàn)象更為嚴(yán)重。

表3為樣本的描述性統(tǒng)計(jì)結(jié)果?？梢钥闯觯珽U的均值和標(biāo)準(zhǔn)差分別為1.0873和0.8309，最大值和最小值分別為6.7585和0.0382，表明我國(guó)制造業(yè)上市公司所面臨的內(nèi)部環(huán)境不確定性存在很大差異，這與申慧慧等[ 14 ]、翟勝寶等[ 19 ]的研究結(jié)果基本是一致的。EPU的均值和標(biāo)準(zhǔn)差分別為1.2292和0.4036，最大值和最小值分別為1.9846和0.8989，表明外部環(huán)境確實(shí)有很多的變數(shù)。AINV的均值和標(biāo)準(zhǔn)差分別為0.1096和0.1408，最大值和最小值分別為1.0131和0，體現(xiàn)出較大差異。表3進(jìn)一步表明我國(guó)制造業(yè)上市公司存在非理性投資行為，且非國(guó)有企業(yè)非效率投資程度相對(duì)更嚴(yán)重。

（二）相關(guān)性分析

總樣本變量間的相關(guān)性結(jié)果顯示，AINV與EU在1%水平上顯著正相關(guān)，相關(guān)系數(shù)為0.053，初步表明制造業(yè)上市公司的內(nèi)部環(huán)境不確定性容易導(dǎo)致非效率投資;AINV與EPU在1%水平上顯著正相關(guān)，相關(guān)系數(shù)為0.035，初步表明外部環(huán)境不確定性也容易造成非效率投資。此外，通過(guò)對(duì)方差膨脹因子VIF的檢驗(yàn)，本文發(fā)現(xiàn)變量間不存在多重共線性問(wèn)題。限于篇幅相關(guān)表格予以省略。

（三）回歸分析

樣本回歸分析結(jié)果見(jiàn)表4。在模型1中，EU的回歸系數(shù)為0.0499，且在1%水平上顯著;EPU的回歸系數(shù)為0.0198，且在1%水平上顯著，這表明內(nèi)部、外部環(huán)境不確定程度越高，制造企業(yè)非效率投資狀況越嚴(yán)重，且內(nèi)部環(huán)境不確定性相比外部環(huán)境不確定性對(duì)投資效率的影響更大。結(jié)合前述分析驗(yàn)證了本文的假設(shè)1。此外，SIZE、LEV的系數(shù)分別在5%、1%水平上顯著為負(fù)，表明企業(yè)規(guī)模越大、資產(chǎn)負(fù)債率越高，出現(xiàn)非效率投資的可能性越低。ROA、TOBINQ、CASH的回歸系數(shù)顯著為正，表明盈利能力越強(qiáng)、成長(zhǎng)性越高、現(xiàn)金流量越多的企業(yè)越容易出現(xiàn)非效率投資行為。

模型2是檢驗(yàn)在不同產(chǎn)權(quán)性質(zhì)下環(huán)境不確定性對(duì)過(guò)度投資的影響。在模型1的基礎(chǔ)上加入了企業(yè)產(chǎn)權(quán)性質(zhì)、內(nèi)部環(huán)境不確定性與企業(yè)產(chǎn)權(quán)性質(zhì)交互項(xiàng)、外部環(huán)境不確定性與企業(yè)產(chǎn)權(quán)性質(zhì)交互項(xiàng)。結(jié)果表明，EU與OVERINV負(fù)相關(guān)且在1%水平上顯著，說(shuō)明內(nèi)部環(huán)境不確定性的存在對(duì)制造企業(yè)過(guò)度投資有抑制作用;EPU的回歸系數(shù)為正但并不顯著，說(shuō)明外部環(huán)境不確定性刺激制造企業(yè)過(guò)度投資的作用不明顯;PRT的回歸系數(shù)為負(fù)且在1%水平上顯著，表明在不考慮其他因素時(shí)，國(guó)有企業(yè)的投資效率高于非國(guó)有企業(yè);交互項(xiàng)EU×PRT、EPU×PRT與OVERINV均正相關(guān)且分別在5%、10%水平上顯著，說(shuō)明在內(nèi)外部環(huán)境不確定情況下，國(guó)有企業(yè)更傾向于出現(xiàn)過(guò)度投資。EU與EU×PRT的回歸系數(shù)之和（0.0788-0.0507=0.0281）顯著為正，從經(jīng)濟(jì)意義上看，對(duì)于國(guó)有企業(yè)，內(nèi)部環(huán)境不確定性每增加1%其過(guò)度投資額增加2.81%，而對(duì)于非國(guó)有企業(yè)，內(nèi)部環(huán)境不確定性每增加1%，其過(guò)度投資減少5.07%;同樣地，外部環(huán)境不確定性每增加1%，國(guó)有企業(yè)投資過(guò)度程度增加2.84%，而非國(guó)有企業(yè)過(guò)度投資增加1.99%，進(jìn)一步驗(yàn)證了國(guó)有企業(yè)更容易引發(fā)投資過(guò)度。

模型3是檢驗(yàn)在不同產(chǎn)權(quán)性質(zhì)下環(huán)境不確定性對(duì)投資不足的影響，與模型2的解釋變量和控制變量均保持一致。結(jié)果顯示，EU、EPU的系數(shù)均在1%水平上顯著為正，且EPU的系數(shù)較大，說(shuō)明內(nèi)部環(huán)境不確定性尤其是外部環(huán)境不確定性的存在會(huì)導(dǎo)致制造企業(yè)投資不足。已有研究表明，EPU指數(shù)與PMI、工業(yè)增加值等有負(fù)相關(guān)關(guān)系，本文的回歸結(jié)果符合上述結(jié)論。PRT的回歸系數(shù)為負(fù)且在1%水平上顯著，表明相對(duì)于國(guó)有企業(yè)，非國(guó)有企業(yè)投資不足程度較高;交互項(xiàng)EU×PRT、EPU×PRT與UNDERINV均負(fù)相關(guān)且分別在10%、1%水平上顯著，說(shuō)明在內(nèi)外部環(huán)境不確定性下，非國(guó)有企業(yè)相比國(guó)有企業(yè)更傾向于出現(xiàn)投資不足。EU與EU×PRT的回歸系數(shù)之和（0.0187-0.0092=0.0095）顯著為正，其經(jīng)濟(jì)意義表現(xiàn)為內(nèi)部環(huán)境不確定性每增加1%，國(guó)有企業(yè)投資不足程度增加0.95%，而非國(guó)有企業(yè)投資不足程度增加1.87%;同樣地，外部環(huán)境不確定性每增加1%，國(guó)有企業(yè)投資不足程度增加3.91%，而非國(guó)有企業(yè)投資不足增加9.57%，進(jìn)一步證明了非國(guó)有企業(yè)投資不足相對(duì)嚴(yán)重。

上述結(jié)果表明：相對(duì)而言，國(guó)有制造企業(yè)在內(nèi)部或外部環(huán)境不確定情況下更偏向于投資過(guò)度，而非國(guó)有制造企業(yè)主要表現(xiàn)為投資不足，驗(yàn)證了本文的假設(shè)2?？刂谱兞糠矫妫谕顿Y過(guò)度樣本中，ROA、AGE、CASH的系數(shù)均為正且均在5%水平上顯著，SIZE的系數(shù)為負(fù)且在5%水平上顯著，表明盈利能力越強(qiáng)、上市年限越長(zhǎng)、現(xiàn)金流量越多、規(guī)模越小的企業(yè)，越有可能出現(xiàn)投資過(guò)度行為;在投資不足樣本中，SIZE在5%水平上顯著為正，ROA、AGE、MANHOL等分別在5%、1%、1%水平上顯著為負(fù)，表明規(guī)模越大、盈利能力越弱、上市年限越短、管理層持股比例越小的企業(yè)，越有可能出現(xiàn)投資不足行為。

（四）穩(wěn)健性檢驗(yàn)

Richardson模型以實(shí)際投資減去最優(yōu)投資水平計(jì)量投資效率，殘差在0附近的可能是模型偏誤，并非投資不足或投資過(guò)度。為排除系統(tǒng)性偏差的干擾，借鑒李延喜等[ 20 ]的方法，將殘差相對(duì)接近0的樣本剔除20%，再運(yùn)用余下樣本做回歸分析。檢驗(yàn)結(jié)果如表5所示，與上文結(jié)論基本一致，進(jìn)一步驗(yàn)證了本文的研究假設(shè)。

五、結(jié)論與建議

在借鑒前人研究的基礎(chǔ)上，本文選擇我國(guó)制造業(yè)上市公司2014—2018年7 250個(gè)樣本觀測(cè)值，探討了環(huán)境不確定性對(duì)企業(yè)投資效率的影響，并將企業(yè)產(chǎn)權(quán)性質(zhì)納入研究框架，進(jìn)一步分析了國(guó)有企業(yè)、非國(guó)有企業(yè)之間的投資策略差異。本文以經(jīng)濟(jì)政策不確定性指數(shù)EPU衡量外部環(huán)境不確定性，以企業(yè)銷售收入的變異系數(shù)衡量?jī)?nèi)部環(huán)境不確定性，這與以往文獻(xiàn)只考慮內(nèi)部環(huán)境不確定性或外部環(huán)境不確定性進(jìn)行類似研究有所不同。結(jié)果顯示：（1）內(nèi)部或外部環(huán)境不確定性與非效率投資正相關(guān)，在內(nèi)部或外部環(huán)境不確定性下，制造業(yè)上市公司會(huì)出現(xiàn)投資過(guò)度或投資不足行為;（2）相對(duì)而言，國(guó)有制造業(yè)上市公司更可能出現(xiàn)過(guò)度投資，而非國(guó)有制造業(yè)上市公司投資不足行為較為嚴(yán)重;（3）內(nèi)部環(huán)境不確定性對(duì)投資過(guò)度的影響程度可能甚于外部環(huán)境不確定性，而外部環(huán)境不確定性相比內(nèi)部環(huán)境不確定性對(duì)投資不足的影響程度可能更大。

目前除利率、融資等外，國(guó)際貿(mào)易摩擦、環(huán)保風(fēng)暴壓力尤其是新冠肺炎疫情等進(jìn)一步導(dǎo)致制造企業(yè)所處的環(huán)境存在更大的復(fù)雜性和不確定性，從而更可能出現(xiàn)非效率投資行為。為提升制造業(yè)投資效率，推動(dòng)制造業(yè)高質(zhì)量發(fā)展，建成制造強(qiáng)國(guó)，本文提出以下政策建議：（1）盡量保持外部環(huán)境的相對(duì)穩(wěn)定性，特別是積極應(yīng)對(duì)新冠疫情與貿(mào)易摩擦，支持外貿(mào)穩(wěn)定發(fā)展，提升企業(yè)投資信心，強(qiáng)化樂(lè)觀預(yù)期，從而緩解投資不足;（2）著力營(yíng)造國(guó)企、民企公平競(jìng)爭(zhēng)的營(yíng)商環(huán)境，環(huán)保精準(zhǔn)化，多措并舉緩解民企融資難、融資貴問(wèn)題;（3）進(jìn)一步加快國(guó)企改革，積極推進(jìn)混改和股權(quán)多元化，健全市場(chǎng)化經(jīng)營(yíng)機(jī)制，抑制過(guò)度投資，避免產(chǎn)能過(guò)剩與資源浪費(fèi)等。

【參考文獻(xiàn)】

[1]? JENSEN M C. The modern industrial revolution， exit and the failure of internal? control systems[J].The Journal of Finance，1993，48（3）：831-880.

[2] 費(fèi)瑤瑤.上市公司融資結(jié)構(gòu)對(duì)公司投資行為影響的實(shí)證分析[D].華中師范大學(xué)碩士學(xué)位論文，2017.

[3] 徐倩.不確定性、股權(quán)激勵(lì)與非效率投資[J].會(huì)計(jì)研究，2014（3）：41-48.

[4] 廖義剛，鄧賢琨.環(huán)境不確定性、內(nèi)部控制質(zhì)量與投資效率[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016，38（8）：90-101.

[5] BAUM C F，CAGLAYAN M， OZKAN N， et al.The impact of macroeconomic uncertainty on non-financial firms' demand for liquidity[J].Review of Financial Economics，2005，15（4）：289-304.

[6] 陳國(guó)進(jìn)，王少謙.經(jīng)濟(jì)政策不確定性如何影響企業(yè)投資行為[J].財(cái)貿(mào)經(jīng)濟(jì)，2016，37（5）：5-21.

[7] 周雨.經(jīng)濟(jì)政策不確定性與企業(yè)投資：房地產(chǎn)和制造業(yè)的比較研究[D].浙江工商大學(xué)碩士學(xué)位論文，2017.

[8] 張慶君，李雨霏，岳媛.經(jīng)濟(jì)政策不確定性、現(xiàn)金持有水平與過(guò)度投資[J].金融教育研究，2019（2）：32-41.

[9] MURPHY K J. Executive compensation[J].Handbook of Labor Economics，1999（3）：2485-2563.

[10] 王貞潔，王京.宏觀經(jīng)濟(jì)不確定性、戰(zhàn)略變化幅度與投資行為[J].管理評(píng)論，2018，30（7）：207-217.

[11] CLEMENT KONG WING CHOW， MICHAEL KA YIU FUNG. Ownership structure， lending? bias， and liquidity constraints：evidence from Shanghai's manufacturing sector[J].Journal of Comparative Economics，1998，26（2）：301-316.

[12] KURT HESS， ABEYRATNA GUNASEKARAGE， MARTIN HOVEY. State-dominant and non-state-dominant ownership concentration and firm performance[J]. International Journal of Managerial Finance，2010，6（4）：264-289.

[13] 劉翰林，鄒溫紅，鮑樹琛.產(chǎn)權(quán)性質(zhì)、內(nèi)部控制與非效率投資[J].生產(chǎn)力研究，2016（2）：147-151.

[14] 申慧慧，于鵬，吳聯(lián)生.國(guó)有股權(quán)、環(huán)境不確定性與投資效率[J].經(jīng)濟(jì)研究，2012（7）：113-126.

[15] 樊燕萍，崔懷谷.環(huán)境不確定性、會(huì)計(jì)穩(wěn)健性與融資約束[J].會(huì)計(jì)之友，2018（21）：34-39.

[16] 聶順江，張峰，唐媚媚.媒體報(bào)道、產(chǎn)權(quán)性質(zhì)與上市公司投資效率[J].會(huì)計(jì)之友，2018（24）：26-31.

[17] RICHARDSON S. Over-investment of free cash flow[J].Review of Accounting Studies，2006，11（2）：159- 189.

[18] DIPANKAR GHOSH， LORI OLSEN. Environmental uncertainty and managers' use of discretionary accruals[J].Accounting Organizations and Society，2009，34（2）：188-205.

[19] 翟勝寶，馬靜靜，毛志忠.環(huán)境不確定性、產(chǎn)權(quán)性質(zhì)與上市公司投資效率[J].會(huì)計(jì)與經(jīng)濟(jì)研究，2015，29（5）：11-23.

[20] 李延喜，曾偉強(qiáng)，馬壯，等.外部治理環(huán)境、產(chǎn)權(quán)性質(zhì)與上市公司投資效率[J].南開管理評(píng)論，2015，18（1）：25-36.