地理位置与资本结构

来源:用户上传      作者:

　　【摘 要】 文章选取2004—2016年沪、深A股上市公司为研究样本，研究了地理位置对资本结构的影响，研究发现：位于中心城市（或距离中心城市更近）的公司，其负债水平比非中心城市（或距离中心城市更远）的公司显著偏低。相对非国有企业而言，地理位置对资本结构的影响在国有企业中更大。研究结论证明了地理位置对资本结构的影响，拓宽了人们对影响资本结构因素的理解;对理解我国不同地理位置企业的资本结构的不同，根据不同情况推进“去杠杆”的供给侧改革，有重要的参考价值。
　　【关键词】 地理位置; 资本结构; 国有企业; 信息不对称
　　【中图分类号】 F275  【文献标识码】 A  【文章编号】 1004-5937（2020）04-0098-06
　　一、引言
　　资本结构是财务学研究的核心问题之一，对影响资本结构因素的研究，不但具有重要的理论意义，还有重要的实际意义。近年来，中国经济增长速度趋缓的同时伴随着越来越严重的产能过剩，企业负债比例过高的问题越来越引起党和政府的重视。为解决债务风险过高的问题，“去杠杆”越来越受到中央决策层的重视，被列为供给侧改革任务之一。过高的负债率，不但给企业增加了很大的负担，也给经济带来了很高的风险。要顺利地完成“去杠杆”的改革任务，就必须分析影响负债的各种因素和资本结构。
　　一个公司所处的地理位置，反映了这个公司面临的融资条件、基础设施、交易成本、投资者保护水平、政治资源、社会关系等重要因素。学者们对地理位置对公司财务行为影响的研究越来越多。如Malloy[1]发现地理位置临近的分析师能比其他分析师提供更准确的预测。Loughran et al.[2]发现一个公司距离中心城市越远，公司距离投资者的距离越远，信息不对称也越严重，公司上市需要等待更长的时间，上市后增发的概率更低，公司的资本结构中债务的比例更高。John et al.[3]发现偏远地区公司会面临更严重的代理问题，使得这些公司不得不通过支付更高的股利来降低代理问题。中国是一个新兴的市场经济国家，地域辽阔，人口众多，城市和农村之间，大城市和中小城市之间，东部和西部之间，沿海地区和内陆地区之间，在经济发展、交通条件、行政法规、信息沟通、金融服务机构等方面，都存在着显著差别。地理位置对公司行为的影响，在中国，应该比在欧美发达国家更显著一些。学者们以中国为研究样本，研究了地理位置对风险投资[4]、股利政策[5]、IPO[6]、现金持有[7]、独立董事薪酬[8]、高管薪酬[9]、社会责任[10]等因素的影响。但是，还没有学者研究地理位置对资本结构的影响，因为在我国地理位置对经济的影响比较显著，而资本结构在理论上和实践中，都是一个非常重要的问题，所以，研究地理位置对资本结构的影响，就具有了较大的理论意义和现实价值。
　　本文运用2004—2016年在沪深两地上市的全部上市公司为研究样本，研究了地理位置对资本结构的影响，发现：（1）位于非中心城市（或距离中心城市较远）的公司，有更高的负债比例。（2）相对非国有企业而言，地理位置对资本结构的影响，在国有企业中更大。本文的主要贡献有：（1）证明了地理位置对资本结构的影响，拓宽了人们对影响资本结构因素的理解。（2）发现地理位置对资本结构的影响在国有企业中更大，加深了人们对国有企业经营的了解。（3）对我国政府根据不同地理位置，有针对性地推进“去杠杆”的供给侧改革，有重要的参考价值。
　　二、理论分析与研究假设
　　地理位置对公司资本结构的影响，可能存在两条途径。一是中心城市往往聚集了大量同类的企业和配套服务的机构，产业的聚集降低了生产成本，提高了利润率，也提高了中心城市企业内部筹资的能力，降低了企业对债务融资的需求。二是偏远地区的公司，和投资者存在更严重的信息不对称性，信息不对称导致了股权融资更困难，成本更高，使得偏远地区公司不得不更依靠债务融资。这两条影响途径，都使得非中心城市（或距离中心城市更远）的公司负债比例更高。
　　对资本结构的解释，最主要的理论有权衡理论、代理成本理论、优序融资理论。优序融资理论是从信息不对称的角度解释资本结构问题。按照优序融资理论的解释，为了避免向外界传递消极的信息，企业融资的顺序依次为内部融资、债权性融资，最后才是股票融资。位于中心城市，或者靠近中心城市的企业，相比处于边远地区的企业而言，有更便利的交通、供水、供电等基础设施，有更方便的信息沟通交流途径，中心城市也聚集了大量各种类型的企业，企业之间的分工更精细化、更专业化，而分工使每个企业更专注于自己更擅长的事情，会显著地提高效率。中心城市通常是同类型企业的聚集地，这种聚集会产生正的外部性。企业地理的临近性会降低交流成本，提高沟通的便利性，方便各种技术和市场信息的交流沟通，促进企业的劳动生产率。生产率的提高和各种成本的下降有利于企业内部现金流的增加，按照优序融资理论，企业会优先采用内部资金筹资，从而降低企业的负债率。例如孙浦阳等[11]发现，产业聚集显著提高了劳动生产率。张文君[12]发现，产业集聚可以减少负债率。因此，中心城市产业的集聚会提高企业的生产率，改善企业内部筹资状况，从而使得中心城市（或者距离中心城市更近）的企业有更低的负债率。
　　地理位置影响资本结构的另一个因素是信息不对称。研究表明，偏远地区的企业和投资者之间存在更严重的信息不对称[1，2，6]。目前，中国的经济分布地理差异明显，经济布局围绕若干个中心城市展开，这些中心城市，不仅是经济中心，往往还是金融中心、政治中心或区域政治中心，这些中心城市集中了全国大部分的金融机构、证券公司、新闻媒体、中介机构等，中心城市的投资者不但人数众多，而且由于经济发展水平较高，投资规模也更大。中心城市的投资规模，占全国整个投资规模的主要部分。企业距离这些中心城市越远，投资者和企业间的交通成本越高，对企业进行监督的成本就越高。另外，对于地理位置偏远的企业，媒体和分析师获得信息的成本也很高，这些企业就更不会受到关注。Malloy[1]发现地理位置临近的分析师能比其他分析师提供更准确的预测。投资者和企业之间的信息不对称越严重，公司的管理层或者控制管理层的大股东，掏空上市公司，损害投资者利益的行为越不容易被发现，代理成本就越高。代理成本会影响企业的资本成本，从而影响企业融资方式的选择。如Loughran et al.[2]发现一个公司距离中心城市越远，公司距离投资者的距离越远，信息不对称也越严重，公司上市需要等待更长的时间，上市后增发的概率更低，公司的资本结构中债务的比例更高。李莉等[13]以高科技企业为研究对象，发现知识产权保护水平的提高，使得信息不对称降低后，企业变得更倾向于股权融资，信息不对称是知识产权保护影响资本结构的中介变量。虽然现在通讯技术和网络技术都比较发达，拉近了空间距离，但还有很多“软信息”需要通过当面沟通和面对面交流才能传播，地理距离仍然会影响信息不对称。地理距离對股票融资成本的影响在我国很明显。刘江会等[14]发现，因为“软信息不对称”，我国IPO成本表现出明显的地域特征，即东部沿海地区较低，中部地区IPO成本较高，西部地区成本更高，距离中心城市越远的企业，IPO成本越高。黄张凯等[6]也发现，距离北上广三大中心城市更近的企业，IPO折价更低，而高铁带来的信息沟通便利会弥补地理距离对IPO折价的影响。总之，和中心城市的距离导致了偏远地区企业更严重的信息不对称，这提高了发行股票融资的成本，从而使得这些企业更多依靠债务融资。 　　综上所述，偏远地区的企业，相比中心城市的企业而言，享受不到产业集聚带来的好处，产业的分散提高了企业的成本，降低了利用内部资金融资的能力;地理距离的拉大也加剧了企业和外部股权投资者之间的信息不对称，抬高了发行股票融资的成本，使企业只能更多依靠债务融资，因此提出第一个假设。
　　H1a：非中心城市（或者距离中心城市越远）的企业，负债比例更高。
　　地理位置对公司的资本结构，还可能产生另外一方面的影响。中心城市是各类金融機构的聚集地，企业和银行等债权人的联系更紧密，沟通起来更方便，债权人对企业的监督成本更低，企业就更容易筹集到债务资金，从而提高负债比例。而非中心城市（或距离中心城市越远）的企业，债务资金筹资困难，只能更多依靠自有资金，因此，提出对立假设。
　　H1b：非中心城市（或者距离中心城市越远）的企业，负债比例越低。
　　综上所述，地理位置影响公司资本结构的路径见图1。
　　国有企业具有天生的政治联系，地理位置对资本结构的影响，除了上面的影响途径外，也可能通过影响政治联系，来影响国有企业的资本结构。廖冠民等[15]发现，对于国有上市公司，一旦陷入财务困境，源于国有产权的预算软约束，可以降低财务困境成本，从而有利于上市公司的发展。陈艳利等[16]也发现，对于陷入困境的上市公司，政府干预程度与公司绩效正相关。Chang et al.[17]发现，国有上市公司更容易通过发行股票融资，从而有更低的资产负债率。国有企业政治联系的强度，和自身所处的地理位置有重要的关系。首先，重要的国企往往位于中心城市或者其周边地区;其次，距离中心城市越近的国企，和政府联系的成本越低，越容易建立和增强与政府的联系;最后，国有企业一般负担着更多税收或就业等社会职责。国有企业自身绩效的好坏，也会通过其承担的社会职责，影响当地社会的稳定和官员政绩等。距离中心城市越近，这种影响越大。官员出于政治责任也会积极扶持中心城市及其周边的国有企业。总而言之，对于国有企业，地理位置不但会通过前面的途径影响资本结构，还会通过政治联系这一途径，影响资本结构。因此提出假设2。
　　H2：相对非国有上市公司而言，地理距离对资本结构的影响，在国有企业中更大一些。
　　三、实证设计
　　（一）地理位置的衡量
　　1.central，是否为非中心城市，1表示中心城市，0表示非中心城市，参考蔡庆丰等[5，7]的做法，根据2011年中国城市经济竞争力排名，将内地排名前20位的17座城市（剔除香港、台北和澳门）定义为中心城市，包括上海、深圳、北京、广州、苏州、青岛、宁波、无锡、杭州、大连、南京、佛山、重庆、成都、天津、武汉和厦门。
　　2.distance，企业距离中心城市的距离，按照百度地图查询得到企业所在地级市的经纬度，然后按照Haversine公式计算和其最近的中心城市的距离[18]，单位用百公里来表示。
　　设a1和b1（a2和b2）分别为以弧度表示的两个城市之间的纬度和经度，r表示地球的半径（r取6 370 996.81米），则Haversine公式可表示如下：
　　d（a，b）=across（cos（a1）cos（a2）cos（b1）cos（b2）+
　　cos（a1）sin（a2）cos（b1）sin（b2）+sin（a1）sin（b1））r （1）
　　（二）被解释变量
　　资本结构的衡量，参考相关研究文献[19，20]，采用资产负债率这一变量来代表资本结构。
　　（三）控制变量
　　市场化指数（market），来自王小鲁等[21]的《中国分省份市场化指数报告（2016）》，因最新数据只到2014年，按照2012—2014年该地区三年市场化指数的平均增加速度，来预测这个地区2015年和2016年的数值。
　　国有企业的虚拟变量（state），1为国有企业，0为非国有企业。
　　有形资产比例（tangible），有形资产/总资产。
　　总资产的自然对数（Ln assets），企业年末的无形资产，取自然对数。
　　营业收入增长率（growth），当年营业收入的增长速度。
　　资产报酬率（roa），（利润总额+财务费用）/平均资产总额。
　　托宾Q（tobin），企业价值/重置成本。
　　第一大股东持股比例（top1），上市公司所披露的第一大股东持股比例。
　　具体变量定义如表1所示。
　　（四）样本选择和筛选
　　选择2004—2016年的数据，剔除数据缺失和金融行业的样本，共有样本数25 276个。所有数据都经过1%Winsorize处理，除地理位置的数据外，其他数据都来自于Wind数据库。
　　（五）回归方程
　　对两个假设的检验方程为：
　　Debt=β0+β1geography+∑βicontrol+εi，t
　　其中，debt为资本结构，分别用资产负债率（Lev）和有息负债比例（interest）来衡量。geography为地理位置变量，包括central（是否是中心城市的虚拟变量）和distance（和中心城市的距离），control为控制变量。
　　四、实证结果
　　（一）描述性统计（如表2所示）
　　样本中的所有变量都经过了Winsorize1%处理，可以发现，样本中，总资产负债率的平均值为45.7902%。样本中，位于非中心中心城市的企业占52.75%，位于17个中心城市的上市公司占总样本的47.25%。企业和最近的中心城市的距离（distance）的单位是百公里，可以发现企业平均距离上市公司191.09公里，其中最小距离为0，即位于中心城市的企业，最远距离中心城市2 059.94公里，中位数为47.89公里。 　　（二）分组比较
　　按照是否是中心城市，和按照地理距离的中位数，分为两组，比较两组的负债率，结果如表3、表4所示。
　　从表3可以发现，中心城市上市公司的资产负债率（Lev）平均值为45.2183%，中位数为45.6456%，而非中心城市上市公司的资产负债率为46.3026%，中位数为45.9936%，两组比较，t值为3.8836，Mann-Whitney test的z值为3.1517，均在1%的水平上显著，說明非中心城市负债率显著大于中心城市企业的负债率。我们按照地理距离的中位数，将样本分为距离中心城市较近的组和距离中心城市较远的组。如表4所示，距离中心城市较近的一组，资产负债率（Lev）的平均值为44.8835%，中位数为45.5163%，而距离中心城市较远的这一组，资产负债率（tda）的平均值为46.6918%，中位数为46.5344%，t值为-6.4899，Mann-Whitney test的z值为-5.7887，均在1%的水平上显著。
　　以上比较，直观地显示非中心城市的上市公司相对于中心城市上市公司而言，资产负债率更高。距离中心城市更远的企业，总资产负债率比距离中心城市近的一组负债率高。这符合H1a。
　　（三）回归结果
　　表5报告了对假设1的检查，在这四个回归中，被解释变量都是资产负债率（Lev），解释变量是距离中心城市的距离（distance）和中心城市的虚拟变量（central）。首先将解释变量单独进行回归，可以发现distance的系数为0.6380，t值为15.0992，central的系数为-1.0843，t值为-3.8836。两者均在1%的水平上显著，这符合H1a，拒绝了H1b。增加其他控制变量，以及年份和行业的虚拟变量后，distance的系数为0.1135，t值为5.0880，central的系数为-0.6824，t值为-5.3432。这两个变量的系数仍然在1%的水平上显著。这些结果都支持H1a，即位于非中心城市的企业，或距离中心城市越远的企业，资产负债率更高。
　　在控制变量中，市场化指数（market）的系数为负，但只有在回归4中显著，在回归3中不显著。国有企业系数（state）对资产负债率显著为正，说明相对于非国有上市公司而言，国有上市公司有更高的资产负债率。有形资产比例（tangible）显著为负，说明有形资产比例越高，负债率越低。企业规模（Ln assets）显著为正，说明企业规模越大，负债率越高。收入增长率（growth）的系数显著为负，说明增长速度快的上市公司资产负债率低。资产报酬率（roa）系数显著为负，这符合优序融资理论，回报率高的企业会产生更多的内部现金流，企业会优先采用内部筹资，而导致负债比例的降低。第一大股东持股比例的系数显著为正，说明第一大股东持股比例越高，资产负债率越高。
　　表6报告了对H2的检验结果，可以发现，按照产权性质分组进行的回归中，非国有企业中，distance（距离中心城市的距离）的系数为0.0513，t值为1.5032，不显著，而国有企业样本的回归中，distance的系数为0.1310，t值为4.4396，在1%的水平上显著。即地理位置的影响只在国有企业中显著，采用似无相关模型SUR检验两组回归中distance系数的差别，p值为0.0961，在10%的水平上显著。当采用central（是否是中心城市的虚拟变量）作为地理位置的代理变量时，在非国有企业样本中，系数为-0.1246，t值为-0.7557，不显著。而在国有企业样本中，central的系数为-1.2259，t值为-6.0389，在1%的水平上显著。SUR检验两组central系数的差异，p值为0.0000，这些结果都验证了H2，即在国有企业中，地理位置对资本结构的影响更大。
　　（四）稳健性检验
　　为了保证实证结果的稳健性，进行了如下检验：（1）更换中心城市的定义，参考杨兴全等[7]的方法，将中心城市扩展到所有的直辖市、副省级城市和各省省会，发现结果不变。（2）为了防止遗漏变量，增加了董事会规模、两职合一、独立董事比例等，发现结果不变。（3）更换一些控制变量的衡量，用投入资本回报率代替资产报酬率，前三大股东、五大股东持股比例代替第一大股东持股比例，发现结果不变。（4）因市场化指数最新数据只到2014年，本文是按照2012—2014年该地区三年市场化指数的平均增加速度，来预测这个地区2015年和2016年的数值。为了避免预测数据造成的误差，剔除掉2015年和2016年两年的样本，发现结果不变。（5）对于中心城市的企业，distance（距离中心城市的距离）这一变量为0，把中心城市样本去掉，发现distance的系数不变。
　　五、结论
　　本文以距离中心城市的最近距离和是否是非中心城市的虚拟变量，作为地理位置的代理变量，发现位于非中心城市的企业，或者距离中心城市较远的企业，负债率更高。而地理距离对于资本结构的这种影响，在国有企业中影响更大。本文的结论，证明了地理位置对于资本结构的影响，说明对于资本结构影响因素的研究中，应该考虑到地理位置的影响，也说明了这种影响在国有企业中更大。本文的结论，对我国“去杠杆”的供给侧改革中，根据不同的地理位置采取不同的措施，有一定的参考价值。
　　【参考文献】
　　[1] MALLOY C J.The geography of equity analysis[J].Journal of Finance，2005，60（2）：719-755.
　　[2] LOUGHRAN T，SCHULTZ P.Liquidity：urban versus rural firms[J].Journal of Financial Economics，2005，78（2）：341-374. 　　[3] JOHN K，KNYAZEVA A，KNYAZEVA DIANA.Does geography matter？ Firm location and corporate payout policy[J]. Journal of Financial Economics，2011，101（3）：533-551.
　　[4] 黄福广，彭涛，邵艳.地理距离如何影响风险资本对新企业的投资[J].南开管理评论，2014，17（6）：83-95.
　　[5] 蔡庆丰，江逸舟.公司地理位置影响其现金股利政策吗？[J].财经研究，2013（7）：38-48.
　　[6] 黄张凯，刘津宇，马光荣.地理位置、高铁与信息：来自中国IPO市场的证据[J].世界经济，2016（10）：127-149.
　　[7] 杨兴全，付玉梅.地理位置与公司现金持有——来自中国上市公司的经验证据[J].东岳论丛，2016，37（8）：69-80.
　　[8] 沈艺峰，陈旋.无绩效考核下外部独立董事薪酬的决定[J].南开管理评论，2016，19（2）：4-18.
　　[9] 薛胜昔，李培功.地理位置与公司高管薪酬——来自中国上市公司的经验证据[J].中央财经大学学报，2017（1）：87-95.
　　[10] 孙芝慧，吴德军，郭淑贤.在华跨国公司社会责任跨境异化的实证分析[J].会计之友，2017（5）：62-66.
　　[11] 孙浦阳，韩帅，许启钦.产业集聚对劳动生产率的动态影响[J].世界经济，2013，36（3）：33-53.
　　[12] 张文君.产业集聚的外部性与企业融资行为[J].上海经济研究，2012（6）：15-22.
　　[13] 李莉，闫斌，顾春霞.知识产权保护、信息不对称与高科技企业资本结构[J].管理世界，2014（11）：1-9.
　　[14] 刘江会，朱敏.地理因素会影响中国企业IPO的成本吗？——基于“软信息不对称”的视角[J].经济管理，2015（10）：31-41.
　　[15] 廖冠民，陈燕.国有产权、公司特征与困境公司绩效[J].会计研究，2007（3）：33=41.
　　[16] 陈艳利，赵红云，戴静静.政府干预、产权性质与企业脱困[J].经济学动态，2015（7）：80-90.
　　[17] CHANG C，CHEN X，LIAO G.What are the reliably important determinants of capital structure in China？[J].Pacific-Basin Finance Journal，2014，30（11）：87-113.
　　[18] BOUWMAN C.The geography of executive compen-
　　sation[D].Working Paper，2012.
　　[19] 姜付秀，黃继承.CEO财务经历与资本结构决策[J].会计研究，2013（5）：27-33.
　　[20] 张学慧，彭剑巍.企业社会责任、研发投入对资本结构的影响——基于我国中小板上市企业的实证分析[J].会计之友，2019（7）：95-100.
　　[21] 王小鲁，樊纲，余静文.中国分省份市场化指数报告（2016）[M].北京：社会科学文献出版社，2017.
转载注明来源:https://www.xzbu.com/3/view-15126221.htm