楊敏（副教授）薛梓鐵

（肇慶學院經(jīng)濟與管理學院 廣東肇慶 526061）

一、引言

隨著經(jīng)濟全球化和信息網(wǎng)絡化步伐的日益加快，資本、技術、信息等領域的國際交流與合作不斷加強，全球和區(qū)域間的經(jīng)濟合作已滲透到各行各業(yè)中。能源是國家經(jīng)濟發(fā)展的源動力，充足的能源供應支撐著國家綜合實力的不斷提升。我國長期以煤炭、石油等傳統(tǒng)能源為主，高能耗、高污染、不可再生等缺點與環(huán)境保護、可持續(xù)發(fā)展的矛盾愈發(fā)明顯，開發(fā)利用新能源成為保障我國能源安全的首要任務。新能源產業(yè)作為我國戰(zhàn)略性新興產業(yè)，其發(fā)展程度與我國政治、經(jīng)濟、科技、軍事等領域的國際地位緊密相連。我國政府對新能源行業(yè)的發(fā)展給予了大力支持。根據(jù)我國發(fā)布的《能源發(fā)展戰(zhàn)略行動計劃（2014—2020年）》，到2020年，我國可再生能源占能源消費比重達15%，天然氣占比達10%以上，新能源行業(yè)的投資總額達3萬億元，基本建立起開放有序的現(xiàn)代能源供需體系。在相關政策的支持下，社會各界紛紛向新能源行業(yè)注入充足的資金，為新能源產業(yè)的發(fā)展盡一份力。然而，不同的融資方式具有不同的融資效率，合理的融資方式能有效提高資金的使用效率，從而提升公司的整體收益，促進行業(yè)進一步發(fā)展。因此，本文分析了新能源上市公司的短期負債、長期負債、商業(yè)信用、內源融資和股權融資五種融資方式與融資效率的關系，為新能源行業(yè)調整融資結構，提高融資效率提供實證經(jīng)驗。

二、文獻回顧

西方國家經(jīng)過長期的經(jīng)營實踐和學術研究普遍認為內源融資的融資成本最低，效率最高，其次是債務融資，最后是股權融資。近年來，西方一些學者結合現(xiàn)今的經(jīng)濟形勢及市場制度，得出了不同結論。Shepherd結合代理成本因素分析了各融資方式的成本大小，認為以銀行貸款為代表的債務融資能有效限制公司的代理成本，且稅盾效應能降低公司所得稅負擔，綜合來說債務融資的融資成本最低。D’Mello and Miranda分析了公司債務融資與投資的關系，發(fā)現(xiàn)債務融資形成的強制性還款要求嚴重約束了公司現(xiàn)金流活動，造成公司投資不足，收益下降。國內學者的研究也頗具成果。潘永明、喻綺然等分析了2009—2013年我國環(huán)保企業(yè)融資效率的實際情況，研究發(fā)現(xiàn)公司規(guī)模、公司質量、GDP增長率與融資效率正相關，而公司債務水平、大股東持股、CPI指數(shù)則與融資效率負相關。戴俊對2005—2014年廣西上市公司的融資結構效率與風險進行研究，發(fā)現(xiàn)公司規(guī)模、股權融資與融資效率正相關，短期負債比率的提高會加大公司的財務風險，導致融資成本提高。朱清香、谷新月等則認為公司債務規(guī)模、短期負債、商業(yè)信用在總體上能限制公司的盲目投資，使投資活動回歸理性，提升融資效率。

上述文獻表明，西方傳統(tǒng)理論已不適應現(xiàn)代經(jīng)濟的變化，更不適應中國經(jīng)濟的快速發(fā)展，新的時代需要更完善的理論指導。目前國內學者在融資結構與融資效率關系的研究上并未能得出統(tǒng)一的結論，原因可能是樣本數(shù)據(jù)未得到充足的檢驗就進行實證分析，或者是數(shù)據(jù)不全導致研究結果有偏差。因此，本文對樣本數(shù)據(jù)進行了多重檢驗，采用WLS回歸法實證分析我國新能源行業(yè)上市公司融資結構與融資效率的關系，為相關研究提供參考。

三、研究設計

（一）樣本選取與數(shù)據(jù)來源

本文對我國69家新能源上市公司2017—2020年的財務數(shù)據(jù)進行研究分析，樣本來源為新浪財經(jīng)網(wǎng)新能源概念板塊，數(shù)據(jù)來源為國泰安數(shù)據(jù)庫。本文已剔除ST、數(shù)據(jù)不全或異常的公司，具有代表性。數(shù)據(jù)處理軟件為Eviews和SPSS。

（二）變量的選擇

1.被解釋變量。被解釋變量為融資效率，由總資產收益率與資本成本率的比值構成，體現(xiàn)了資金效益與資金成本的關系，代表每一資本成本所能獲得的效益大小，資金效益越高，成本越低，融資效率就越高?？傎Y產收益率是指凈利潤與總資產的比值大小，它涵蓋了公司各項資產的收益情況，體現(xiàn)了各種融入資金的收益性及增值性，反映了公司的競爭實力和資金的使用效果。資本成本率為融資成本占籌集資金額的比重大小，體現(xiàn)了公司取得外來資金時所需的費用，包括利息以及各種形式的股利。

2.解釋變量。解釋變量為公司的融資方式，由短期負債率、長期負債率、商業(yè)信用率、內源融資率以及股權融資率構成。短期負債率與長期負債率是指流動負債和非流動負債在公司負債總額中的比重大小，是公司債務融資的主要形式，也是衡量公司財務風險的重要指標。商業(yè)信用基于企業(yè)之間的互相信任，是一種與商品交易相聯(lián)系的融資方式，包括企業(yè)之間的賒賬、預付、分期付款等。隨著我國市場經(jīng)濟的迅速發(fā)展以及商品流通速率的提高，商業(yè)信用逐漸成為企業(yè)資產重要的組成部分。根據(jù)優(yōu)序融資理論，低成本、低風險的內源融資是企業(yè)解決資金困境的首選，是評價企業(yè)資本實力及抗風險能力的重要指標。股權融資是指通過企業(yè)增資的形式吸引新股東，在股票市場上出售公司部分所有權份額的融資方式，是上市公司的重要資金來源。股權融資所獲得的資金無需還本付息，但新老股東均擁有同等的股權，因此具有高成本、低風險的融資特征。由于我國債券市場的發(fā)展尚不完善，上市公司債券融資占比過小，沒有參考價值，因此本文所選取的融資方式并不包括債券融資。

3.控制變量。控制變量選取了資產負債率、公司規(guī)模、營業(yè)增長率，分別反映公司債務水平、規(guī)模程度以及成長性方面的信息。資產負債率也稱舉債經(jīng)營比率，是評價公司債務水平的重要指標，也是衡量公司利用債權資金的能力指標，負債水平的不同能影響公司的投資決策以及資金籌措成本。公司規(guī)模采用公司總資產的自然對數(shù)來評定，規(guī)模不同的公司在融資決策及資金的使用效率等方面有不同的表現(xiàn)。高成長性企業(yè)突出表現(xiàn)在其營業(yè)額迅速增加，而不是資產總額的提升，因此公司營業(yè)增長率更能反映公司所處的成長階段。研究變量歸納為表1。

表1 變量定義

（三）模型的構建

本文采用加權最小二乘法分析新能源上市公司融資結構與融資效率的線性關系，被解釋變量定義為Y，其余各解釋變量按表1順序分別為X—X，回歸模型為：

模型中，α為常數(shù)項，β為各解釋變量的系數(shù)，ε為殘差項，t表示2017年的數(shù)據(jù)，t+1表示2018年數(shù)據(jù)，以此類推。

（四）研究假設

1.融資結構。從理論上來說，債務融資所帶來的資本擴張和稅盾作用能有效提高公司的經(jīng)營效益，因此無論是短期負債還是長期負債都能提高融資效率。然而，在實際應用中新能源上市公司更偏好于短期負債，原因是短期負債具有靈活、快捷、利率低等優(yōu)勢，且在瞬息萬變的市場競爭中，速審速批的短期負債更能滿足企業(yè)迫切的融資需求。相比之下，長期負債利率較高，審批程序復雜，且較長的還款期對公司財務造成過度的壓力，加劇破產風險。商業(yè)信用與內源融資具有低成本、低風險等特點，是企業(yè)理想的融資方式。企業(yè)在市場交易中充分利用自身資金和虛擬資產能有效提高其收益水平，給外界樹立良好的企業(yè)形象和提供堅實的還款保證，并且降低了其他融資方式的成本。優(yōu)序融資理論認為股權融資的成本最高，因此在企業(yè)產生融資需求時往往不被采用。我國新能源上市公司的股權融資率并不高，原因可能是過高的股權比率會攤薄公司的收益，股東通過股票交易能輕易地轉移公司的既得利益，且股利的發(fā)放會加大公司的財務負擔，融資成本將大大提高。

2.企業(yè)因素。資產負債率是反映企業(yè)債務水平和衡量企業(yè)償債能力的關鍵指標。高負債水平形成高昂的融資成本，其強制性償債要求造成的財務壓力嚴重限制了公司的發(fā)展。公司規(guī)模越大、成長性越強的企業(yè)比一般企業(yè)往往能以較低成本獲得外界融資，在市場競爭中發(fā)現(xiàn)更多商機，因此擁有較高的收益率。

結合以上分析，本文提出以下研究假設：

H1：短期負債率與融資效率正相關，長期負債率與融資效率負相關；

H2：商業(yè)信用率、內源融資率與融資效率正相關；

H3：股權融資率與融資效率負相關；

H4：資產負債率與融資效率負相關；

H5：公司規(guī)模、成長性與融資效率正相關。

四、實證分析

（一）描述性統(tǒng)計

從表2可知，我國新能源上市公司融資效率的均值波動上升，在2017—2020年間從0.20上升到0.26，說明整體新能源上市公司融資效率良好，市場存在較多新能源投資發(fā)展項目，行業(yè)能有效利用所籌集的資金。融資效率的標準差較大但呈下降趨勢，從2017年的0.47下降到2020年的0.30，說明新能源行業(yè)融資效率差異化正逐步縮小，但仍有較大的差距。規(guī)模大、技術高、管理好的企業(yè)往往更能抓住市場機遇，在與其他企業(yè)的競爭中處于有利位置。

表2 變量的均值與標準差

在融資方式上，新能源行業(yè)明顯偏好短期負債，在這4年間其均值均在7成以上，且標準差維持在0.20—0.22之間，說明利率較低、手續(xù)簡單的短期負債符合新能源行業(yè)的融資需求，成為融資首選。相反，長期負債率的均值保持在30%以下，說明該行業(yè)上市公司對利率高、手續(xù)復雜的長期負債望而卻步。其均值呈微弱的上升趨勢，表明該行業(yè)逐漸重視長期負債所具有的穩(wěn)定性及稅盾效應，注重公司的財務風險。商業(yè)信用率的均值和標準差在這4年內均無明顯變化，說明該行業(yè)還未充分運用商業(yè)信用的資金融通優(yōu)勢，商業(yè)信用的潛在價值未能體現(xiàn)。

內源融資率的均值較低但增長迅速，從2017年的0.04上升到2020年的0.08，漲幅達100%，一方面說明低成本、零手續(xù)、零風險的內源融資方式逐漸獲得公司管理層的青睞，另一方面說明新能源行業(yè)的發(fā)展狀況良好，公司能在日常運營中積累可供內源融資的資金。然而，內源融資的標準差則較大，表明在該行業(yè)中不同的公司在處理自身積累資金的方式上不盡相同，部分公司傾向于發(fā)放股利來提高公司股價，或在證券市場上尋找投資機會。股權融資率在各年均接近30%且標準差較低，說明新能源上市公司偏好風險融資，而不是高成本低風險的股權融資，這也從側面印證了該行業(yè)發(fā)展態(tài)勢正佳。

在控制變量方面，資產負債率在這4年間保持穩(wěn)定狀態(tài)，且標準差均在較低水平，說明新能源行業(yè)債務水平總體均衡，公司財務狀況穩(wěn)健，不存在經(jīng)營異常的公司，研究所選樣本具有代表性。公司規(guī)模指數(shù)呈上升趨勢，從2017年的13.3上升到2020年的14.0，標準差也保持在較低水平且逐年減小，這進一步說明了新能源行業(yè)發(fā)展均衡。企業(yè)實力相當且競爭激烈，未有一家公司能成為新能源行業(yè)的主導者。新能源行業(yè)的成長能力急劇下降，在這4年間營業(yè)增長率的均值從0.28下降到0.05，降幅達82%，尤其是在2017—2018年間降幅明顯。標準差也有所減小，但仍較大，說明近年來石油價格的下跌對新能源行業(yè)造成較大的沖擊，影響公司營業(yè)額的增長，公司成長能力受挫。

（二）自相關、共線性及F檢驗

在對研究模型進行回歸分析前，應首先進行一系列檢驗，分析判斷所選數(shù)據(jù)是否適合采用線性回歸法。D.W.檢驗法是計量統(tǒng)計中常用的檢驗數(shù)據(jù)是否一階自相關的方法，D.W.值越接近2，模型不存在自相關性的幾率越大。

從表3可知，在這4年內研究模型的D.W.值分布在1.95至2.06之間，取值均接近于2，對判斷模型無自相關性把握較大。根據(jù)D.W.檢驗上下界表知，在樣本量N=69，解釋變量數(shù)量k=8，顯著性水平α=0.05的情況下，臨界值d=1.357，d=1.876，d＜D.W.＜4-d，接受模型不存在自相關性的原假設，擾動項不存在一階正負自相關。

表3 自相關、共線性及F檢驗

方差膨脹因子（VIF）檢驗法是一種分析判斷模型是否存在多重共線性的方法。由經(jīng)驗數(shù)據(jù)可知，當VIF值分布在0至10之間，模型不存在多重共線性；而當VIF值大于10，則表明模型存在較強的多重共線性，從而導致分析結果失真。在這4年內，VIF值最小為2.51，最大為8.19，均分布在0至10之間，說明各解釋變量之間不存在多重共線性，模型具備研究價值。

F統(tǒng)計量檢驗來源于總離差平方和的分解式，表示回歸模型的方差和殘差的比值，用于判斷模型中因變量與各自變量之間是否具有顯著的總體線性關系。F統(tǒng)計量越大，說明各自變量對因變量的解釋程度高。根據(jù)F統(tǒng)計量分布表值F（8，69）=2.07，而模型在這4年的取值均遠大于該臨界值，說明模型的線性關系在95%的置信度上是顯著成立的。F統(tǒng)計量對應的Sig.值在這4年間均小于顯著性水平0.05，說明在95%的置信度上模型各自變量的系數(shù)不同時為0，模型可進行線性回歸分析。

（三）懷特檢驗

懷特檢驗是指通過建立輔助回歸模型，分別對樣本數(shù)據(jù)進行對比分析，判斷模型是否存在異方差性。對于模型中的樣本點，如果其隨機誤差項不是一個常數(shù)，且不同的樣本點的常數(shù)又互不相同，則可以判斷模型存在異方差性，模型的異方差統(tǒng)計量為樣本量與模型可決系數(shù)的乘積。異方差產生的原因可能是模型中缺少某類型的自變量，導致干擾項產生系統(tǒng)模式，也可能是樣本數(shù)據(jù)觀測誤差或出現(xiàn)異常數(shù)值，也可能是模型設置不恰當或經(jīng)濟結構發(fā)生變化。研究模型的異方差性容易導致參數(shù)估計量失真以及自變量顯著性水平不準確，模型預測失效。

在樣本量N=69時，由表4中2017—2020年R可以得出，在這4年間模型的懷特統(tǒng)計量NR分別為64.2、61.4、62.1、62.1，而根據(jù)卡方X分布表可知，在α=0.05的顯著性水平上，模型8個自變量兩兩交叉后的自由度為44，X（44）=60.5，與模型各年的懷特統(tǒng)計量比較可知，各年的NR值均大于模型臨界值，說明研究結論拒絕模型同方差的假設，認為模型中的隨機干擾項存在異方差性。為進一步驗證模型是否存在異方差，本文也嘗試引入解釋變量的更高次方和去掉其多余的交叉項，但仍證實其存在異方差。在顯著性方面，模型中T統(tǒng)計量普遍較低，說明變量的顯著性水平低下，大部分解釋變量對被解釋變量的影響效果有限，只有變量X、X、X與新能源上市公司的融資效率關系較為明顯。

表4 異方差分析表

可見，由于變量的特殊性及復雜性程度較高，各變量間的關系并不顯著，本文并不能直接對各變量進行線性回歸分析，否則研究結論將會失去意義。因此，應對原模型進行數(shù)據(jù)修正處理，提高各變量間顯著性水平，促使各解釋變量對融資效率作出充分解釋。

（四）WLS（Weighted Least Square）回歸分析

從表5可以看出，經(jīng)過加權OLS回歸后，模型的可決系數(shù)有所變化，在這4年間懷特統(tǒng)計量NR分別為53.8、57.3、55.2、58.7，小于臨界值X（44）=60.48，因此認為模型已不存在異方差性。相比于存在異方差性的模型，加權后的模型的可決系數(shù)有所降低，但仍高達80%左右，即各解釋變量能反映融資效率80%左右的變化，擬合效果好，而各解釋變量與被解釋變量的顯著性水平則明顯提升。

表5 WLS回歸表

在融資方式上，4年內短期負債率與融資效率均呈負相關關系，且顯著性水平波動上升，說明新能源行業(yè)短期負債利率低下、手續(xù)方便等優(yōu)勢并沒有得到充分發(fā)揮。相反，隨著新能源上市公司經(jīng)營管理的日益深入，短期負債所帶來的利率不穩(wěn)容易導致公司經(jīng)營決策缺乏應有的連續(xù)性，且管理層必須運用現(xiàn)有資金流來應對迫在眉睫的短期還款壓力，公司不得不放棄高效益的投資項目，融資效率因此下降。

長期負債率在各年與融資效率正相關且顯著性水平較高，說明利率穩(wěn)定的長期負債有利于新能源上市公司的經(jīng)營管理。近年來全球經(jīng)濟形勢陰晴不定，各國似乎還未從金融海嘯的陰霾中走出來，加上國際原油價格長期在低位徘徊，因此目前企業(yè)資金流的穩(wěn)定性和可預測性對新能源行業(yè)的發(fā)展尤為重要。新能源行業(yè)作為國民基礎性產業(yè)，具有成本高、利潤低、回收期長等特點，而通過長期借款能籌集到的資金量大，能對新能源上市公司的經(jīng)營運作提供有力的支持，且長期借款的還款期在1年以上，企業(yè)能從長期的運營收益中支付本息而無需過多占用公司的現(xiàn)金流，還款壓力因此大大減輕，因此企業(yè)有充足的資金流支撐投資經(jīng)營，其融資效率隨之提高。

商業(yè)信用率與融資效率正相關且相關性及系數(shù)呈上升趨勢，系數(shù)從2017年的0.05上升到2020年的0.21，相關性水平也從1.68上升到4.29（見上頁表5中X的數(shù)據(jù)），說明隨著新能源行業(yè)的逐步發(fā)展，行業(yè)之間或上下游之間的企業(yè)相互合作和信任程度得到提高，企業(yè)能利用商業(yè)信用這種虛擬資產對外經(jīng)營運作，實現(xiàn)資金融通。商業(yè)信用作為一種新式融資渠道，對提高企業(yè)的融資效率具有重要意義。內源融資率與融資效率正相關，且顯著性水平保持在穩(wěn)定水平，說明企業(yè)對自身資金的二次運用能有效提高融資效率。然而，相比起長期負債率，內源融資率與融資效率的系數(shù)及顯著性水平明顯偏低，原因可能是長期借款籌集到的資金遠比內源融資多，或者是企業(yè)管理者為了提升公司股價而利用自有資金發(fā)放股利。股權融資率與融資效率的相關性不顯著。

在控制變量方面，資產負債率與融資效率在各年均呈負相關關系且顯著性水平逐年上升，說明隨著企業(yè)債務水平的提高，企業(yè)還款期不可避免地發(fā)生重疊，從而造成資金流不足，投資減少。公司規(guī)模與融資效率正相關但顯著性波動減弱，表明規(guī)模大的公司能更有效率地運用融資資金，而規(guī)模的擴大也會導致公司各項開支增加，導致運營成本上升，融資效率降低。相反，公司成長性與融資效率正相關且相關性逐年增加，公司營業(yè)額的增長表明公司能獲取較多的市場機會，融資資金有廣泛的用武之地。

綜合上述結論，研究結論與假設1相矛盾，與假設2、假設4、假設5相符，假設3未能得到驗證。

五、結論及建議

新能源行業(yè)是我國爭取世界經(jīng)濟主導權的突破口。本文對2017—2020年69家新能源上市公司融資結構與融資效率的關系進行分析，得出以下結論：（1）短期負債率、資產負債率與融資效率負相關且顯著性水平不斷上升，表明短期的還款壓力及總體債務水平加劇了公司的破產風險，公司為了按時還款不得不放棄部分投資機會，融資效率因此下降。（2）長期負債率、內源融資率與融資效率正相關，表明借款額大、利率穩(wěn)定、還款壓力小的長期借款特別符合新能源行業(yè)的融資需求及發(fā)展情況，而在同樣的收益率下，低成本的內源融資能得出高比率的融資效率。（3）商業(yè)信用率、成長性與融資效率正相關且顯著性水平呈上升趨勢，表明商業(yè)信用形成的虛擬資產擔保能在無形中擴大公司的經(jīng)營范圍，提高經(jīng)營效益，而營業(yè)增長率的提高則表明公司能在市場競爭中搶占較多的市場份額，融資效益得到充分的保障，因此融資效率得到提升。（4）公司規(guī)模與融資效率正相關但顯著性水平呈下降趨勢，表明規(guī)模大的公司往往能發(fā)揮其規(guī)模效應提升資本效益，且其資產優(yōu)勢能在與借款人的博弈中獲得較低的融資成本。然而隨著公司規(guī)模的擴大，企業(yè)各項開支不斷增加以及規(guī)模效益的邊際收益不斷減小造成融資效率的升幅下滑。（5）股權融資率與融資效率的關系則未能在此模型中得出結論。對此，新能源上市公司應縮小總體負債規(guī)模特別是短期負債規(guī)模，適當提高長期負債在總體負債中的占比；加強內源融資和商業(yè)信用等低成本融資方式的利用程度；積極控制調整公司規(guī)模，理性投資，放棄低效益的投資項目，保持公司的成長性活力。