投资规模分析大全11篇

绪论：写作既是个人情感的抒发，也是对学术真理的探索，欢迎阅读由发表云整理的11篇投资规模分析范文，希望它们能为您的写作提供参考和启发。

篇（1）

表11990―2001年武汉市房地产开发投资、基本建设投资GDP及增长率

资料来源：《武汉年鉴》1989年～2002年各版

从表可以看山，武汉市房地产投资呈现山如下一些特点：

（1）年度房地产开发投资增长快。1990年武汉市房地产投资总额仅为3.35亿元，而到2001年则猛增到115.34亿元，增长34倍多。12年间的平均增长速度为51.74%。但同期武汉市的基本建设投资额的平均增幅只为27.12%。同期的GDP平均增幅为21.6%。特别在1992年～1995年最为明显。由此可知，房地产开发投资增长率大大高于后两者，房地产开发投资增长很快。

（2）投资周期性波动大。图1为1990―2001年间武汉市房地产开发投资与基本建设投资及GDP增长率的散点折线图。我们从图中可以看山，1990～2001年间武汉市房地产开发投资的增长明显呈现山一个周期波动。1993年以前，房地产开发投资增长很快，1990年的增幅只为-2.4%，1991年为2.1%，而到1992年，房地产开发投资迅速上升，增幅上升到63.2%，到1993年增长率达到极点，为341.4%。短短4年时间就上升了7.4倍。而在1994年以后，投资增长率渐渐回落。1994年、1995年分别为131.4%、60.6%。在1996年回落得最快，只有6.2%，增幅下跌了将近10倍。到1999年房地产投资首次山现了负增长。1999年之后，房地产投资增幅又有增加趋势。

二、武汉市房地产开发投资规模趋于合理

适当和合理的房地产开发投资水平，可以拉动一国或一地区的国民经济的发展。然而，房地产投资过度将会带来空置房增多，银行贷款难以收回，严重时，有可能引起金融风波，具有强烈的副作用。而如果房地产投资不足，房地产市场上将出现供过于求的局面，人们将无法（或很难）找到适合自己的住房，从而影响人们的生活，同样也会给国家经济发展带来影响。

房地产投资规模是否合理，我们可以从房地产开发投资占固定资产投资的比重，以及房地产投资占GDP的比重来分析。表2表明了武汉市房地产投资占固定资产投资及GDP的比重的变化。

表2武汉市房地产投资与固定资产投资及GDP

从表2可知，1992年以前，武汉市年度房地产投资占年度固定资产投资的比重不足10%，市场感觉该市房地产投资不足。而此后该比值一直大于20%。而年度房地产投资与年度GDP的比值，先升后降，1992年以前均在9%以下，市场感觉房地产投资不足，房地产产品将供不应求，而1993～1998年，该比值在8.4%-24.2%之间。在这段时间，整体上来说，几乎又是递减的，但一般都小于18%。此阶段由于投资放大，房地产产品将供过于求。由此本人初步估计，武汉市房地产投资占当年固定资产投资的比重在20%-25%之间，房地产投资占GDP的比重在8%-15%可能是武汉市房地产投资比例的合理区间。由表2判断，从年度房地产投资分别占年度固定资产投资比重及占GDP比重的角度上来说，1993年以后，武汉市房地产投资规模处于投资合理区。

为了验证上述推断的正确性，下面我从武汉市房屋的空置率情况的变化进一步加以证明。

空置率用公式表示为：

房屋空置率=报告期末房屋空置面积/近三年房屋可供应量*100%

年度房地产产品的供给即为房地产开发企业年内可供销售面积。房地产产品的实际需求可以认为就是房地产开发企业年内实际销售面积，房屋空置面积就等于年内可供销售面积减去年内实际销售面积。由于房地产市场供需不均衡，无论从宏观还是微观分析，房地产空置存在有其客观的必然性。不同国家、不同地域、不同用途的房地产，其空置率的变化规律是不相同的。

一个经济社会，房地产产品存在一定的空置面积对房地产市场是必要的。国外研究表明，在西方发达国家，当房屋空置率在3%以下时，买房人几乎找不到符合自己需要的房屋，房地产产品供不应求，此时市场上空置房屋少，市场呈现出卖方市场。而当房屋空置率在3%～10%时，市场较为平稳。整个市场供应不显得过剩，买方对房地产产品有充分的选择余地。当空置率大于10%时，则房地产产品逐渐显得过剩。达到15%以上时，存在严重过剩。当然，发展中国家由于经济不够发达，其空置率标准与发达国家是不一样的。一般认为空置率在4%～6%之间是合理的。发展中国家的空置率标准可归纳为如下：

表5列出了1990年～2001年武汉市房屋空置率情况，

表4显示，在1995年以前，武汉市房屋空置率处于空置不足区，空置率均在4%以下，各年的房屋竣工面积（小于1000万平方米）、房地产销售量（小于100万平方米）都不是很大，房屋空置的绝对量有限。此时，房地产市场处于买方市场。在这一阶段，房地产开发企业一般很少关注房地产产品的功能、配套服务、小区环境等。而在1996年以后，武汉市房屋空置的绝对量逐渐扩大，空置率也由处于不足区转变到处于合理区间（在4～6%之间），在国家决定取消实物福利分房采取货币分房以来，武汉市房地产市场供需两旺，房屋竣工面积、销售面积量放大。总之，从空置率角度来说，武汉市房地产投资规模在1996年以后达到合理区间。

篇（2）

中图分类号:F279.246文献标识码:A 文章编号:1003-9031(2010)06-0046-06DOI:10.3969/j.issn.1003-9031.2010.06.12

一、引言

投资决策是企业最重要的财务决策之一,是公司财务决策的起点,其对公司的运营和发展具有不可替代的作用。企业投资规模是企业投资决策的一个重要内容,企业投资规模的大小反映企业未来生产能力的高低,投资规模如何安排会对整个国民经济的发展和投资经济效益产生各方面的影响。

农业经济是国民经济的基础部门,农业上市公司作为连接农业生产和资本市场的重要纽带,对推动农业产业化、提高农业科技水平、促进我国农业生产力的发展具有重要影响。目前,国家对农业上市公司的发展壮大日益重视,不少学者纷纷对农业上市公司的投资行为进行研究。但就目前国内已有的研究成果来看,国内学者对企业投资规模的实证研究较少,特别是还没有学者专门展开对农业上市公司投资规模的研究。因此,本文以农业上市公司为研究对象,从财务角度对我国农业上市公司投资规模的影响因素进行分析,并充分考虑股改的影响,以期对农业上市公司的投资决策、资本市场监管和国家宏观调控提供一些参考。

二、文献综述

(一)国外相关研究

经过长期的发展,西方经济学中对企业投资行为的分析已较深入。早期的企业投资理论主要包括Clark的加速器投资理论、Dusenbery的流动性投资理论、Jorgensen的新古典投资理论和Tobin’s Q理论。[1]自20世纪70年代以来,随着理论、非对称信息理论的发展,理论界开始基于资本市场不完备的前提下研究融资约束对投资行为的影响。

早期的研究分析了融资方式对投资规模的影响,如过度投资与投资不足理论等。其后,学者们研究了不完全市场条件下的融资行为和投资特征,普遍认为企业的投资决策将受到信息和成本的影响,投资决策和融资决策之间存在交互影响。[2]考虑到融资约束、不确定性各自都不能完全解释公司的投资行为,一些学者开始将融资约束和不确定性结合起来研究其对公司投资行为的影响。[3]

近年来,大股东控制、投资行为、经营绩效及其公司价值的关系受到学者们的特别关注。如Baek et al(2003)当股权集中达到一定程度时,最基本的问题将从投资者和经理人之间的冲突转移到控股股东和小股东之间的冲突。[4]

(二)国内相关研究

从国内现有的文献来看,有关企业投资行为的研究在20世纪90年代末才逐渐发展起来。梅丹(2005)研究结论显示,经典投资理论对我国上市公司确定投资规模具有适用性,上市公司投资规模主要取决于面临的投资机会、内部现金流和负债程度,且大公司在确定投资规模方面对远期投资机会远比小公司敏感。[5]

此后,何青(2006)对我国企业投资行为的目标函数和影响因素进行了分析,认为我国上市公司投资行为的市场化并不纯粹。同时,利率、固定资产折旧率、税收等成本因素对我国上市公司投资行为产生了很大的影响。[6]何金耿、丁加华(2001)率先验证了公司投资与现金流之间具有较高的敏感性。[7]吉瑞、王彦博(2007)发现企业的投资水平与企业内部现金呈显著正相关关系,与企业的固定资产折旧率呈显著负相关关系。[8]

国内学界对企业资本性支出的实证研究,基本上都是借鉴了Tobin’s Q模型或者基于Tobin’s Q与销售加速相结合的模型,并在其基础上加入一些新的研究变量t或者控制变量I,构造研究中采用的模型。

综上所述,目前我国资本市场属于新兴市场,存在很多不完善之处影响着上市公司的投资行为和效率。上市公司投资规模的确定以及投资规模的影响因素,对上市公司的投资过度以及投资不足等低效率的投资行为进行初步判定具有很强的现实意义。鉴于此,本文主要以农业上市公司为研究对象,从企业面临的投资机会、内部现金流、负债程度、优惠政策和股权集中度的角度来研究企业投资规模的影响因素。

三、研究假设的提出

(一)投资机会与投资规模

投资机会是市场对企业收益的估价,是企业成长性及绩效的表现。Tobin’s Q的研究为度量投资机会提供了方便。梅丹(2005)验证了经典投资理论对我国上市公司确定投资规模具有适用性。[5]本文采用Tobin’s Q值代表公司面临的潜在长期投资机会对公司投资需求的影响,用营业收入反映当前投资机会对公司投资规模决策的影响,假设1:投资机会与投资规模成正相关关系。

(二)现金流与投资规模

大量的实证研究发现,投资规模对内部现金流敏感。何金耿、丁加华(2001)证实了不同公司间投资需求对现金流量依赖性不同,股息发放率越低,对现金流量的依赖性越高。[7]Shin and Kim(2002)发现拥有大量现金的企业比持有少量现金的企业容易做出非效率的投资决策。[9]胡国柳等(2006)找到了内部现金流与资本支出水平显著正相关的经验证据。[10]鉴于此,本文用内部现金流量表示企业的资产内部现金流水平,假设2:现金流与投资规模成正相关关系。

(三)负债结构与投资规模

理论表明,股东与经理人之间存在利益冲突,其反映在企业投资领域即是各种非效率的投资行为。童盼、陆正飞(2005)研究发现,负债比例越高的企业,企业投资规模越小,资产负债率与投资不足及过度投资行为的发生均呈现负相关关系。[11]本文用资产负债率表示企业的资产负债水平,假设3:负债水平与投资规模成负相关关系。

(四)优惠政策与投资规模

由于农业基础地位的极端重要性,加上农业自身的弱质性,为了发展和保护农业,我国政府采取了强有力的保护措施,制定了诸多优惠政策。何源、白莹等(2006)研究发现,税收优惠政策对上市公司投资效率的提升确实具有一定的积极作用,优惠政策对农业上市公司的利润已经产生了巨大的影响。[12]本文采用实际所得税率的指标反映优惠政策对投资规模的影响,假设4:实际所得税率与投资规模成负相关关系。

(五)股权集中度与投资规模

大股东控制直接影响了上市公司的投资行为和效率,中小股东的利益则被置于次要地位。[13]我国农业上市公司的股权主要集中在前三大股东尤其是第一大股东手中。尽管股权分制改革可以在一定程度上改善我国上市公司的治理结构,但不可能从根本上解决股权高度集中和大股东控制现象。因此,大股东控制问题仍然是后股权分制时代我国上市公司的重要特征之一。本文采用第一大股东持股比例作为股权集中度的替代变量,假设5:第一大股东持股比例与投资规模成正相关关系。

四、研究设计

(一)样本选取与数据来源

本文对农业上市公司的样本选取遵循以下标准:农、林、牧、副、渔类上市公司2004-2008年均可获得相关数据的公司;剔除这五年中被ST和PT①过的公司。基于上述原则,本文选取了2004年1月1日前在沪、深上市的23家农业公司为研究样本,以2004-2008年为数据窗口,所有数据均来自国泰安中国股票市场数据库(CRMAR)中的财务和市场数据库、上市公司年度报告以及和讯财经等网站。回归方法采用普通最小二乘法,分析过程由EVIEWS5.0软件、EXCEL2007完成。

(二)变量定义与模型设计

1.被解释变量――投资规模的替代变量。本文用企业固定资产原值的增量(I)/期初固定资产原值(K)的指标来衡量企业投资规模的程度,其中I =期末固定资产原值-期初固定资产原值。

2.解释变量――投资规模影响因素的替代变量。本文选取以下变量作为投资规模影响因素的替代变量。(1)Q:长期投资机会,用Tobin’s Q值表示,其中Q=(可流通股的市场价值+非流通股×每股净资产+负债账面价值)/总资产账面价值;(2)S/K: 短期投资机会,用营业收入表示;(3)L/A:负债水平,用负债账面价值/总资产账面价值表示;(4)CF:内部现金流,其中CF=(经营活动产生的现金流量净额-债务利息-股利-企业所得税);(5)TAX:所得税税率,用企业所得税/企业利润总额表示;(6)Contral:股权集中度,用第一大股东持股比例表示。

3.控制变量――本文选取公司规模(Size)、年份(Year)作为控制变量。其中公司规模根据国家2003年公布的企业规模划分标准,年销售额在3亿元以下的为中小型企业,3亿元及以上的为大型企业。相应地把样本分为小规模和大规模,分别用0和1表示。考虑到股权分制改革的影响,年份的具体取值如下:对2004、2005年度的相应变量取值为0,对2006、2007、2008年度的变量取值为1。

2.模型设计

本文借鉴Tobin’s Q模型,加入新的研究变量,构建的投资规模影响因素模型如下。

(1)考虑各变量的数量级不一致,笔者把企业的投资(I)、内部现金流量(CF)以及主营业务收入(S)都除以期初固定资产存量(K)加以标准化,见模型1:

=a0+a1Qit+a2()it+a3+a4+a5Taxit+a6Contralit+a7Year+a8Size+?着

其中Iit是i公司在t期的投资支出;Kit是i公司在t期的期初固定资产存量;()it是i公司在t期的资产负债率;Qit是i公司在t期的长期投资机会; 是i公司在t期的短期投资机会;是i公司在t期的内部现金流水平;Taxit是i公司在t期的实际所得税率水平;Contralit是i公司在t期的第一大股东持股比例水平;Year和size是设定的虚拟变量,分别代表年份和公司规模的虚拟,是随机扰动项。

(2)大多数学者的研究表明,投资过度和投资不足都可以用投资规模对内部现金流的敏感性来解释。为了区分投资不足和投资过度,本文借鉴通用的Vogt研究方法,在模型中加入交叉项Qit・。当交叉项的系数为正时,表示公司受融资约束,可能投资不足;当交叉项的系数为负时,表示公司存在过度投资,见模型2:

=a0+a1Qit+a2()it+a3+a4Qit・+a5+a6Taxit+a7Contralit+a8Year+a9Size+?着

(3)为了区别大规模公司和小规模公司投资影响因素的特点,本文分别加入公司规模与现金流、Tobin’s Q、主营业务收入、股权集中度的交叉项(size・、size・Qit、size・、size・contralit),以考虑大公司和小公司的资产投资分别对现金流、长期投资机会和近期投资机会的敏感程度,见模型3:

=a0+a1Qit+a2()it+a3+a4+a5Size・Qit+a6Size・++a7Size・+a8Taxit+a9Contralit+a10Size・Contralit+

a11Year+a12Size+?着

五、实证结果分析

(一)描述性统计

从表1结果可知,长期投资机会Q的均值为1.5227,短期投资机会S/K的均值为0.6847。按照经典投资理论,我国农业上市公司对未来投资收益持较乐观态度。

从内部现金流水平看,农业上市公司的内部现金持有水平不高,均值为0.0265,低于国内上市公司的平均水平;从负债水平来看,国内企业的资产负债率大约维持在50%-60%,农业类上市公司的资产负债率为46%,处于略低水平,说明未能较好的使用财务杠杆;从实际所得税率比例来看,均值为9.38%,最小值达到-0.7724,远远低于其他行业水平;从股权集中度来看,第一大股东持股比例37.11%,股权较为集中。

另外,从图1可看出,各变量变动趋势趋于平稳。在2006年股权分置改革后均呈现出较大的波动上升趋势,到2007年趋于平稳。值得指出的是,2004-2008年我国农业上市公司的第一大股东持股比例基本没有变化,股权集中度水平仍较高。

(二)相关性分析

由表2可知,解释变量之间的相关系数较低,不存在严重的多重线性关系。

(三)实证回归结果分析

整理后的模型1、2、3的回归系数及检验结果见表3、4、5。实证结果表明,以上实证检验的结果基本支持上文的分析。查表可得,模型1和2中的F值和DW值均通过5%水平上的检验,即说明模型1和模型2均不存在严重的多重共线性和一阶自相关,模型3中的DW值偏小,因含有交叉项而存在一定的多重共线性。

1.模型1的解释变量。模型1的解释变量中代表投资机会的Q和S、内部现金流CF/K、优惠政策TAX、股权集中度CONTRAL对农业上市公司的投资规模均存在着较为显著的相关关系。

(1)代表长期投资机会的Q对投资规模的影响不显著,但短期投资机会S/K对投资规模有显著的正相关关系,这说明当前我国农业上市公司进行投资决策时,对未来潜在的投资机会并不是很关注,而考虑更多的则是当前的投资机会。

(2)代表内部现金流量水平的CF/K在5%的水平上较显著为负,与原假设相反,这说明我国农业上市公司的融资渠道主要来源于投资和筹资产生的现金流,而不是内部融资。

(3)实际所得税率TAX对农业上市公司的投资规模影响在5%的水平上显著为负,这验证了税收优惠政策对农业上市公司的利润已产生了巨大的影响。

(4)股权集中度在5%的水平上显著为正,这说明了农业上市公司中,第一大股东持股比例对公司的投资规模决策具有较显著的影响作用,持股比例越集中,公司的投资规模越大。

(5)设置的年份虚拟变量YEAR在5%的水平上显著为负,说明我国农业上市公司股权分制改革后减少了投资支出,缩小了公司的投资规模。

2.实证分析结果。实证结果显示,代表负债水平的资产负债率L/A、公司规模SIZE对农业上市公司的投资规模影响不显著。

(1)当期资产负债率L/A对投资规模的影响不显著,表明农业上市公司通过债务融资所获得的现金并没有进行大规模的投资,融资获取的现金流可能更多的用于农业补贴或其它的优惠政策上。

(2)公司规模SIZE对农业上市公司的投资规模成不显著的正相关关系,说明在研究农业上市公司的投资规模影响因素时,公司的资产规模影响力度较小。

在模型2中,加入的长期投资机会Q与内部现金流CF/K的交叉项系数为正,但相关性并不显著,说明我国农业上市公司尚不存在明显的投资不足状态。在模型3中,公司规模SIZE变量与现金流量CF/K的交叉项与投资规模均成显著的负相关关系,主要是由于我国农业上市公司的内部现金流CF/K和短期投资机会S/K对投资规模的影响力度比较大。

以上回归结果表明,农业上市公司的投资规模主要由投资机会、内部现金流、优惠政策、股权集中度等因素影响决定。

六、稳健性检验

(一)单位根检验

本文选用的是面板数据,鉴于计量经济理论表明,众多经济变量尤其是面板数据大都是非平稳变量,用非平稳变量进行回归分析结果很大程度上表现为伪回归。为避免伪回归现象,本文采用ADF单位根检验法,确定各变量序列的平稳性,检验结果如表6所示。

ADF检验的原假设是存在单位根,查表可知,1%水平下的t统计值(临界值)是-3.488585,上述各序列变量原值在1%水平下的t统计值均小于临界值。因此,可以极显著的拒绝原假设,说明各变量序列均不存在单位根,是平稳的时间序列证明上述回归结果有效。

(二)邹氏突变点检验

本文在数据的选取过程中,为了研究股权分制改革的影响,设定了虚拟变量year代表突变点,取year=0(t=2004、2205);year=1(t=2006、2007、2008)。经过邹氏突变点检验到的结果验证了2006年是突变点,如表7所示。

七、研究结论

本文以我国农业上市公司为研究对象,对我国农业上市公司的投资规模影响因素进行了分析,研究发现短期投资机会、内部现金流、实际所得税率和股权集中度对我国农业上市公司的投资规模产生的影响较显著;而资产负债率、长期投资机会和公司规模对我国农业上市公司的投资规模影响不显著,这与国内目前应已有的对其他行业的研究结果存在差异。另外,本文分析得出股权分制改革对农业上市公司的投资规模产生了较显著的影响,股改后农业上市公司整体上减少了投资支出水平观点。

本文研究发现农业上市公司对政策支持的依赖性较大,融资渠道主要来源于外部,特别是政策性贷款,而企业的内部融资所占比例不高;其次,本文研究还发现我国农业上市公司进行投资行为决策时,仍主要关注当前的投资环境,缺乏从长期的战略角度思考。

参考文献:

[1]Tobin,James,.A General Equilibrium Approach to Monetary Theory,Journal of Money[J].Credit and Banking,1969(2).

[2]Dittmar,A.,Shivdasani,A.Divestitures and divisional investment policies[M].Journal of Finance,2003,58:2711-2744.

[3]Bo,H., Lensink, R., Sterken, E..Uncertainty and financing constraints [J].European Finance Review, 2003(7):297-

321.

[4]Bakes, M.,J.C.,Steinand J.Wrugler..When does the market matter: stock prices and the investment of quity-dependent firm[J].Quarterly Journal of Economics,2003(3):203-

218.

[5]梅丹.我国上市公司固定资产投资规模财务影响因素研究[J].管理科学,2005(5):80-86.

[6]何青.我国上市公司的投资行为研究:基于新古典理论的检验[J].当代财经,2006(2):25-30.

[7]何金耿,丁加华.上市公司投资决策行为的实证分析[J].证券市场导报,2001(9):44-47.

[8]吉瑞,王彦博.转轨时期企业投资行为目标及影响因素[J].山西财经大学报,2007(1):92-98.

[9]Shin H.H.and Kim Y.H. .Agency costs and efficiency of business capital investment: evidence from quarterly capital expenditures [J].Journal of Corporate Finance, 2002(8):139-158.

篇（3）

经过1998年到2003年的爆发式增长，2004年至2007年的持续增长，独立学院的规模不断扩大，具体状况见图1。

从独立学院全国的分布情况来看，湖北省排名居第一位，江苏省排名第二（见图2），可见各省的投资热情和力度是不一样的。

截止到2014年6月15日，教育部批准的独立学院数量见图3。

由于独立学院的办学是由独立的投资人投资创办，没有或者很少有国家的教育经费投入，因此，独立学院在其投资过程中重视投资的规模及其投资效益尤其重要。

二、衡量独立学院投资合理化规模的评价标准

1、合理投资规模的数量标准

独立学院在其投资过程中要充分考虑以下一些因素对投资决策的影响。

（1）积累增长率与国民收入增长率比较。国民收入分为积累和消费两部分，两者是此消彼长的关系，在国民收入的价值分配中，必须保证投资资金和消费资金有一个合理的比例。

积累增长率=国民收入增长率，积累速度与国民收入相适应；积累增长率国民收入增长率，积累速度较快。

（2）投资增长率与国民生产总值增长率比较。投资增长率=国民生产总值增长率，投资增长与经济增长一致；投资增长率国民生产总值增长率，投资增长较快。

（3）投资品供给与投资品需求平衡关系比较。投资品供给增长率=投资品需求增长率，投资需求增长适度；投资品供给增长>投资品需求增长率，投资需求增长相对不足；投资品供给增长率

（4）积累率水平。积累率是一定时期积累基金占国民收入的比例，积累基金是国民收入中用于社会扩大再生产的生产资料和消费资料的价值。积累率用公式表示为：积累率=积累基金/国民收入使用额×100%；消费率=1-积累率。积累率30%，高积累水平。

（5）投资率水平。投资率30%，高投资率水平。

（6）投资规模。投资规模是指一定时期一个国家或一个部门、一个地区，有关单位在固定资产再生产活动中投入的以货币形态表现的物化劳动和活劳动的总量。

（7）独立学院投资集中度。独立学院的发展要兼顾到经济发展水平和地区布局的平衡，更多地为本地区经济发展服务。

（8）独立学院投资整体效率。投资效益指标是投资经济活动成效的数量表现，是考核、比较和分析项目投入和产出对比关系的工具。独立学院在投资过程中要依据以下指标来考核投资的效益。

第一，投资效益系数。投资效益系数（通称“投资效果系数”），是指一定时期内单位固定资产投资所增加的国内生产总值GDP。其计算公式如下：投资效益系数=国内生产总值增加额/固定资产投资总额。在运用这一指标考察投资效益时，要注意价格的可比性、影响GDP增加额的偶然因素，以及投资规模对投资效益的影响。

第二，建设周期。建设周期是从时间方面反映建设效果的指标，是固定资产在建总规模与年度投资完成额的比值。它表明已经铺开的在建工程全部建成所需的时间，也就是固定资产从投资到交付使用、发挥效益平均所需的时间。其公式如下：建设周期（年）=在建投资总规模/年度投资完成额。

第三，生产性投资效益系数。生产性投资效益系数是GDP增加额与同期生产性投资总额的比值，表示单位生产性投资所带来的GDP增加额。其公式如下：生产性投资效益系数=GDP增加额/同期生产性投资总额。生产性投资效益系数，不仅反映生产性投资的效果，而且可以辅助说明国民经济投资效益系数变化的原因。

第四，固定资产交付使用率。其是指一定时期内由投资而增加的固定资产价值与同期投资完成额之间的比较。一般来说，在有一定数量的未完工程作为建设正常周转的条件下，交付使用的固定资产所占比重越大，未完成工程所占比越小，则建设速度越快，效益就越好。用公式表示为：固定资产交付使用率=新增固定资产价值/同期投资完成额。

（9）独立学院投资发展能力分析。独立学院在发展过程中，要注意投资发展能力的分析。主要要考察以下八项指标：营业收入增长率、资本保值增值率、资本积累率、总资产增长率、营业利润增长率、技术投入比率、营业收入三年平均增长率和资本三年平均增长率。

（10）独立学院投资盈利能力分析。盈利能力是指企业投资获取利润的能力，也称为企业的资金或资本增值能力，通常表现为一定时期内企业收益数额的多少及其水平的高低。独立学院由股东投资，只有保持合理的盈利才能保证学院的正常发展。

（11）独立学院投资偿债能力分析。独立学院偿债能力是反映其财务状况和经营能力的重要标志，是独立院校偿还到期债务的承受能力或保证程度，包括偿还短期债务和长期债务的能力。

2、适度投资规模的理论标准

适度投资规模的理论标准包括：有利于社会总供求的平衡，追求社会总供求的平衡是投资规模调控的最重要目标；投资增长率等于或者略大于GDP增长率；投资与消费比例关系协调；财政、信贷、外汇和物资基本平衡；投资效益能够不断提高；积累增长率等于国民收入的增长率；消费和投资增长相协调。

3、边际效用模型下的投资规模的合理化分析

（1）边际效用递减法则（The law of diminishing marginal utility，也称边际效益递减法则）的基本概念。边际效用递减是经济学的一个基本概念，是指在一个以资源作为投入的企业，单位资源投入对产品产出的效用是不断递减的。换句话就是虽然其产出总量是递增的，但是其二阶倒数为负，使得其增长速度不断变慢，使得其最终趋于峰值，并有可能衰退，即可变要素的边际产量会递减。当消费者消费某一物品的总数量越来越多时，其新增加的最后一单位物品的消费所获得的效用（即边际效用）通常会呈现越来越少的现象（递减），用数学语言表达即是：x是自变量，y是因变量，y随x的变化而变化，随着x值的增加，y的值在不断减小。这就是著名的边际效用递减原理，也叫做戈森第一法则。

（2）人才边际效用的模型分析。所谓人才的边际效用问题，是指在我国目前的生产技术条件下、现行的经济运行模式和管理体制下，通过扩大教育投资的规模，不断地培养和增加高素质人才对整个国民经济运作过程中的供给，将会刺激国民经济的迅速发展。但是随着教育投资规模的不断扩大，人才供给的不断增加，边际效用规律就会起作用，当人才的供给达到一定量后，如再扩大人才的供给，由于我国现存的管理体制、用人制度、企业的生产技术条件和我国目前的就业状况等诸多因素的限制，人才的作用将会不断降低，边际收益下降，边际成本上升，最后出现负效用。根据这一规律，人才的供给必须控制在一定量上，才能使企业劳动生产率不断提高，成本降低，边际收益不断上升。

从表1可以看出，当大学生人数占总人数20%时，其边际效用最高。当达到70%时，出现负效用。说明随着大学生人数的不断增加，高素质人才在企业中所产生的效用越来越低，其结果必然是大材小用，不利于发挥人才的优势，影响其工作积极性，导致企业人才流动频繁，无法形成稳定的人才结构，使企业处于一种动荡的状态。

通过图4可以看出，总产量与大学生人数增加成正比例增长，但是平均产量与边际产量却快速下降，说明大学生供给的增加并没有使生产效益提高。

通过图5可以看出，随着大学生这种劳动力供给的不断增加，其工资收入不断降低。也就是说，大学生这种劳动力，供给越少时，工资越高；供给越多时，工资越低。而工资的降低，实际上是对大学毕业生这种高素质劳动力水平和价值的否认，从而打压了其劳动的积极性，不利于其智力的发挥，也就是劳动力发挥价值的边际效用下降。

大学生其实应该看成是一种社会生产要素，一种生产力，即掌握一定高技术知识的生产力。因此，在独立学院不断扩大投资规模，增加在校学生数量的时候，就必须研究其供给市场的均衡，找出经济发展过程中大学生的合理需要量，从而测算独立学院未来投资的总规模。

三、独立学院投资策略分析

目前我国独立学院在教育投资上的主要方式是扩大大学校园的占地面积，增加招生规模。尽管扩招给社会经济发展提供了大量有用之才，也使国民经济得到了迅速发展，但是不断扩大招生的规模，而忽视学生素质和技能的培训，也产生了很多负面效应。通过对人才边际效用问题的分析和毕业学生就业状况的调查研究，我国独立学院一味扩大校园面积和招生人数的做法在未来会面临诸多的困难，因此有必要对独立学院未来投资的方向进行探讨。

1、加强政府对独立学院投资规模结构的宏观调控

高等教育供求总量的失衡，特别是结构性失衡，会对社会发展产生许多不利影响。对高等教育个人需求过旺而导致的实际供给过多，不仅会带来社会资源的浪费，还会造成劳动力市场上的结构性失业，进而影响社会的稳定。盲目增加独立学院的数量，不断扩大独立学院的招生规模，必然会带来投资的巨大浪费。这种增加数量的投资方式，会使各独立学院把资金与工作重心放在扩大生源上，而忽视教学方法改革、教学质量的提高、教学方法的创新。因此，政府应加强对独立学院投资规模结构的宏观调控，使其结构趋于合理。

2、建立合理的独立学院发展的层次结构

在我国1022所普通高等学校中，大学、学院有590所，高等专科学校和职业技术学院有432所。在高等教育重心偏高的情况下，许多独立学院不在办出自己特色上下功夫，而是盲目攀比，一味追求升格。国民经济和社会发展所需要人才的知识水平和专业技能是多层次的，既要有学识广博精深的高级专门人才，又要有掌握某一学科基本理论和技能的一般技术人才，但更多需要的是通晓某一专业、有一技之长的技术人员和高级技术工人。如果不切实际地盲目扩大本科教育的规模，会造成人才浪费与人才短缺并存的局面。因此，当前应该在建设好一批重点大学和重点学科的同时，合理引导独立学院大力发展适合当地经济和社会发展需要的高等职业教育。

3、大力推进独立学院教学方式的改革

由于本身的办学水平和条件所限，独立学院很难和公立大学进行竞争，因此其发展方向必须要有自己的特色。具体来说，包括以下几点：一是积极构建“能力本位”的人才培养体系。独立学院必须深化教育教学改革，转换人才培养模式，办出特色，以面向社会需要的应用型人才为培养目标。二是努力实现师资队伍素质的根本转变。独立学院如果是教学型高校，就要在教育教学上下功夫，把教学做为中心工作，努力提高教学水平，培养高素质的教师队伍。如果定位为应用型高校，就必须培养有大量实践经验的应用型教师，使其紧密结合企业的实际需要，进行理论与实践结合的教学。

4、扩大社会影响力，加大突破独立学院学生就业难问题方面的投资力度

首先，应对独立学院学生实施全程化的就业指导。全程化的就业指导应该涵盖新生入学时的专业教育、职业生涯规划、政策指导、信息服务、思想指导、应聘指导、创业指导等内容，并根据独立学院人才培养的各个阶段分年级逐步实施。全程化的就业指导要将德育教育、专业教育、素质教育有机结合，列入大学的教育教学计划，并作为一门特殊的课程开设。

篇（4）

2013年是全面贯彻落实党的十精神第一年，深刻把握十提出的“四个着力”、“五个更多”以及“四化”同步的内在联系和客观规律，按照中央经济工作会议要求和省、市决策部署，盘县不断扩大投资规模，既要“腾笼换鸟”，推进战略性新兴产业规模化发展；又要“凤凰涅磐”，促进传统产业脱胎换骨，高新化发展。为此，分析2012年投资情况，把握投资增长的因素，展望2013年投资形势，抓住投资机遇。

一、投资效益、规模和增速分析

2012年盘县为了打造“贵州西部充满活力、富有魅力，宜居宜业的大城市”，以扩大投资为抓手，多措并举促投资，使全社会固定资产投资规模扩大，总量快速增长。

（一）投资拉动，亮点纷呈

2012年，盘县围绕省、市确定的总基调、总目标、总任务，抢抓国发2号文件重大发展机遇，全县经济社会发展呈现出“发展提速、投资增长、民生改善、后劲增强、社会和谐、位次前移、民族团结”的良好局面。全县经济增长高位运行，经济总量进一步扩大，发展成绩明显好于预期，连续5年跻身全国中小城市最具区域带动力和最具投资潜力百强县，最具投资潜力百强县位次前移6位、排名90位，县域经济发展综合预排名全省第一。2012年，全县地区生产总值达300.72亿元，增长17.4%；固定资产投资完成420亿元，增长86.45%。预计全县工业产值达515.69亿元，增长22%。工业对经济增长的贡献率达60%。园区建设有序推进，红果经济开发区、盘北经济开发区、盘南工业园区共完成基础设施投资25.98亿元，产业集聚、集中发展日益明显；煤电钢、煤电铝、煤电化“三个一体化”积极推进，黔桂煤电铝项目迈出实质性步伐。城镇建设实现新突破，城镇化率达34.5%。

（二）投资项目增加，规模扩大

盘县2012年一季度集中开工44个项目，总投资近55亿元，其中，中央投资3亿多元，省级投资0.8亿元，市级投资0.47亿元，县级投资4.7亿元，其他资金来源45.6亿元，其中，产业项目14个，交通项目8个，城市基础设施及住房4个，社会事业项目11个，农业、林业、水利项目3个，其他项目4个。

2012年盘县红果经济开发区两河新区、盘北工业园区、盘南产业园区3个园区入园项目46个，总投资638.07亿，完成投资64.5亿，意向入园项目21个，投资221.95亿，建成标准厂房12.3万平方米，全年盘县工业项目91个，总投资927.61亿，预计完成125.41亿，累计完成投资238.87亿，集体开工项目213个，投资266.11亿，超完成投资任务，全年招商引资项目81个，投资1224.72亿，到位资金221.64亿，有意向项目32个，总投资600亿。规模整体高于往年。

（三）投资总量增加，快速增长

数据来源：盘县统计局2012年12月份经济要情。

2012年1-12月，全社会固定资产投资累计完成423.81亿元，同比增长111.6%。其中：基本建设投资完成134.85亿元，同比增长75.38%；更新改造投资完成38.97亿元，同比增长49.38%；其他投资完成52.34亿元，同比增长139.41%；房地产开发投资完成9.45亿元，同比增长86.04%；农村非农户投资完成60.95亿元，同比增长41.65%；跨区项目完成投资14.36亿元，同比增长27%。各类投资额占全社会完成投资额的比重如图1所示。

从各月累计投资完成情况看，1-3月、1-9月、1-11月、1-12月累计投资同比增长都在100%以上，其它各月都超过30%以上的快速增长区间（详情见图2）。

数据来源：盘县统计局2012年1-12月份经济要情。

二、固定资产投资存在的问题

2012年盘县的固定资产投资增长较快，结构有所调整，质量逐步提高，但也存在着一些值得关注的问题：

（一）外商投资动力不足

从投资类型角度看，2012年盘县的国有投资和民间投资增长较快，而外商投资增长较慢，暴露出了动力不足的问题。

（二）房地产开发投资不足

在2012年1-12月全社会固定资产投资累计完成423.81亿元中，房地产开发投资完成9.45亿元，占总量3%（见图1）。房地产开发投资严重不足，从而导致房价过高，农民买不起，阻慢了城镇化进程，2012年盘县城镇化率达34.5%，落后于全国、全省水平（详情见图3）。

图3：2007年-2012年盘县城镇率与全国、全省比较

（三）行业投资集中度高

从由投资三次产业分组来看，改造提升传统煤炭产业，加强高产高效和安全标准化矿井建设，支持盘江精煤股份有限公司做大做强。推广煤炭新科技、新装备、新技术、新工艺的运用；推进地方煤矿进行资源整合、技改和扩能，进一步优化煤炭产业结构，建设煤炭大集团、大基地。深入实施西电东送战略，促进资源就地转化，积极推进黔桂公司“上大压小”建设，积极发展水电、风电发电项目。加快建设国家重要的煤电钢、煤电化等一体化资源深加工基地。首黔循环经济项目，电解锰项目等第二产业投资比重高；房地产业、交运仓储邮政业、教育业等第三产业投资比重次之，投资行业较为集中，其他行业投资比重不高。

三、对上述问题的建议

（一）政策吸引，提升外商投资信心

盘县要以十报告中提出的“全面提高开放型经济水平”为指引，创新举措，全面提高招商引资工作水平。

一是强化现代服务业招商。要以十精神为指引，积极转变招商引资工作思路，以传统的工业招商为主向以现代服务业招商为主转变，加强跨国公司区域总部、服务外包、现代商贸、城市综合体、大型超市、百货、五星级酒店、中介咨询、金融机构等项目的引进，推动盘县开放型经济和现代服务业快速发展。

二是强化以商招商，以大商招小商。通过引进央企、跨国公司和世界500强及行业龙头企业落户盘县，依托大型企业的影响力和号召力，吸引和带动一批相关配套企业落户盘县，形成产业集群。

三是强化招商引资项目的包装策划。根据自身优点和产业布局需要，有针对性的策划包装一批优质招商引资项目，特别是针对高档房地产、酒店、大型百货、超市、城市综合体进行包装策划，有的放矢地开展招商引资。

四是强化对外推介宣传盘县。立足盘县红果新城，推介盘县区位条件优越、生态环境优美、历史文化积淀深厚、产业基础扎实、治安环境良好、经营成本低廉、开发空间巨大、政府服务高效的优势条件，叫响城市品牌，激发国际国内500强企业、重点行业龙头企业对盘县的投资热情。

（二）以点带面，促多行业投资共同发展

近年来投资领域不断扩大，但也暴露出了投资行业过于单一的弊端。因此，要充分调动各行业投资的积极性，以城镇化为龙头，加大房地产业投资力度，从而提高城镇化率，带动其他行业投资，逐步扭转投资行业单一的局面。最终实现以点带面的效果，带动多行业共同发展，促进投资的全面发展。

（三）合理优化，加快重点项目投资建设

盘县有着良好的区位优势，具备优良的投资环境，随着以未来科技城为代表的战略性新兴产业基地、煤化工基地、红果经济开发区两河新区、盘北工业园区、盘南产业园区等重大项目的奠基开工，以及2012年盘县启动煤炭、电力、化工、钢铁、建材、装备制造、特色食品生产及农产品加工、新兴产业等产业推进计划，全县共实施重大建设项目197个，完成工业投资198亿元，完成产业投资项目210亿元，经济社会实现了又好又快发展，在2013年盘县投资面临新的发展机遇。因此，应合理优化投资结构，加快重点项目投资的建设步伐，使投资真正成为拉动盘县经济驶入新型“四化” 同步发展的经济增长快车道。

参考文献：

篇（5）

一、企业投融资战略的战略模式

（一）快速扩张战略

所谓的快速扩张投融资战略指的是企业在作出投资、融资的战略决策时，都是以扩张资产的规模为主要目的。快速?U张的投融资战略是企业要实现多元化、一体化发展下的一种重要手段。企业在进行快速扩张的投融资战略的时候，往往需要留存很大一部分的利润，甚至是全部的利润用于投资战略上，就有可能会造成企业的内外部资金紧张。而在资金紧张的时候，企业就需要通过有效的融资手段，来获取外部的资金，弥补投资战略下的资金缺口。企业的外部筹资主要来源于两个方面，分别是债券融资与股权融资。在大规模战略扩张中，大部分的融资资金来源是债券融资，往往这种融资方式会增加企业的负债，形成企业的高负债率，就有可能会影响到企业资本结构的稳定性。

（二）稳健发展战略

所谓的稳健发展战略指的是企业作出投融资战略决策的时候，关注的焦点在于企业效益的稳定增长。在企业经营效益逐年增长的同时，企业的资产规模也在逐渐扩大。在作出投融资战略规划的时候，既考虑到企业发展的可能性，又会重视企业面临的风险。企业实施稳健型的投融资发展规划，会从企业资产角度出发，优化现有的资源配置，提高企业的核心业务能力，提高资金的使用效率，避免出现闲散的资金浪费，从而来提升企业的效益，当获得的利润积累到一定时期后，在进行适当的扩张，实现利润的再增长。在企业实施稳健型的投融资战略过程中，会体现出适当负债、适当的分配以及重视收益情况等特征。

（三）防御收缩型战略

一般来说，防御收缩型投融资战略属于防御型的战略决策，当企业面临着不良经济环境的时候，往往会采取这种战略，来保护企业经营的安全，促进企业能够平稳的发展。防御收缩型的战略，是对企业生存的市场作出分析后，要预防可能出现的财务风险或者是财务危机的基础上，维护企业的生存与发展，就适度的进行投融资决策。在防御收缩型的投融资战略决策中，企业把促进资金的流入、减少资金的支出当作是主要的目的，借助于精简机构，减少企业的日常开支减轻库存量、降低企业的生产成本等方式，提高企业的管理力度，最大化的发挥出人力、物力的作用，提升企业主营业务的盈利能力，提高企业的市场核心竞争力，从而进一步实现企业资金的回流。在防御型的投融资战略模式中，体现出低负债、低收益以及高分配的特点，与稳健型的投融资战略决策以及快速扩张型的投融资战略决策有着明显的不同。

二、企业投融资的现状分析

（一）企业的财务管理分析

在20世纪时候，我国的企业管理学家第一次提出要将企业的财务管理理论的内容扩展到财务战略范围上，推动企业的财务管理与战略之间的相互结合。作为财务战略决策，指的是在保证企业现金流平稳运行的背景下，实现企业的战略规划，来提升企业在财务竞争上的优势，企业需要树立全面发展的意识，结合财务管理的数据，能够对企业的资金进行长期的规划，进而来保证企业能够正常的运行。其中，投融资战略的合理运用，有助于维护企业现金流的平稳运行，提高财务管理的效率，进而来提升企业的经济效益。当前，我国企业的整体融资状况却不容乐观，企业在开展投融资战略决策的时候，容易受到市场的影响，比如说融资途径不畅、金融体系不完善，使得企业与银行之间的金融信息是不对称的等问题，就会影响企业投融资战略决策的有效性与科学性，进而就可能会影响到企业财务管理的开展。

（二）投融资战略分析

企业在开展投融资战略决策的时候，资金的筹集与投放是其中最为重要的一个环节，也可以说在企业财务战略决策中，最为重要的一部分就是投融资战略决策，投融资战略实施的效果如何，对企业之后的经营有着重大的影响。但是从实际中来看，我国企业在投融资战略分析方面的力度不够，存在着不全面的问题。特别是在改革开放以后，一些企业容易受到计划经济体制的影响，在企业财务管理模式的选择上还存在一定的滞后性，不能够跟上市场经济的变化趋势，在分析企业的投融资战略规划的时候，就无法从市场的变化出发，存在一定的滞后性，就会影响投融资战略决策的实施效果。

三、企业投融资战略的发展规划分析

（一）完善企业的投融资渠道及结构

当前，我国企业的投融资的战略规划以及模式选择会因为企业之间发展规模、经营实力的区别而存在一定的差异，大多数的企业是有着自身成熟的投融资战略规划与风险控制措施，一般来说，企业在开展投融资战略的时候，比较重视风险控制体系，一般而言其投融资战略的开展安全系数较高，相对获取的收益就会较少。但是，市场上还存在着大量的中小型企业，由于自身的发展规模不大，资金力量较为薄弱，在资金管理上缺乏科学的管理理念指导，使得自身在开展投融资战略的时候，面临着巨大的风险，投融资的渠道较少，使得企业的劣势更加突出，影响着企业的长久发展。为此，企业的领导者与管理者就需要意识到这方面存在的不足，能够提高对市场敏感度的分析，在进行投融资战略规划的时候，先充分的调查现有的市场条件，在结合自身的发展情况，慎重的选择企业的投融资方案，对未来做出可行性的规划。比如说，当前互联网金融快速发展，企业要完善企业的投融资战略结构，就可以选择一些资质较好、信用等级高的网络金融服务平台，在该平台上有选择性的拓展企业的经营业务，借助于网络贷款的优势，以及在互联网下大数据资源共享的基础上，提高对市场的分析力度，不断完善企业的风险防范体系，促进投融资战略的顺利开展。

（二）与时俱进，顺应市场发展的潮流

篇（6）

一、引言

随着中国证券市场逐步向规范运作的方向发展，如何从不同角度衡量上市公司的投资价值，从而控制风险，是所有投资者共同面临的问题。目前中国股市持续低迷，这一方面可能是受08年金融危机的影响，使股民意识到股市的风险，不敢轻易投资；另一方面可能是受市场整体经济形势的不景气，使投资活动减少的影响。本文通过对财务报表中主要经济指标间的相互关系、变动趋势和量值进行比较、判断，运用多元统计分析中的主成分分析法，并构造二项logistic回归模型进行对比分析，从财务的视角来分析上市公司投资价值。

二、文献综述

吴世农和卢贤义（2001）应用fisher线性判定分析、多元线性回归分析和logistic回归分析三种方法，分别建立三种财务困境预测模型，研究结果表明三种模型都能在财务困境发生前进行相对准确的预测，但相对同一信息集，logistic预测模型的误判率最低。张爱民等（2001）采用主成分分析方法建立财务失败预测模型，并进行了实证检验。徐光华和吴鸣明（2006）采用logistic回归方法建立财务预警模型，检验传统财务指标和eva指标的预测能力。

投资价值的判断会受到财务指标和样本选取的限制。各种模型都有财务指标选择的侧重点，从而可能因忽视其他方面财务指标存在一定的片面性；此外，不同行业和样本数量的选取也会对投资价值的适用性产生影响。因此，本文选取我国制造业上市公司作为研究样本，借鉴巨潮资讯网站公布的财务报表数据，经整理得到有关财务指标，分别采用主成分分析法和logistic回归法构建制造业上市公司投资价值财务评价指标体系， 并对其判别效果进行比较分析。

三、上市公司投资价值模型设计

（一）研究方法介绍。

1.主成分分析法

在多指标的研究中，往往由于变量个数太多，并且彼此之间存在着一定的相关性，因而使得所观测的数据在一定程度上有信息的重叠，而且当变量较多时，在高维空间中研究样本的分布规律比较复杂，由此便产生了主成分分析法。它又称为主分量分析或主轴分析，它是利用降维思想把多个指标化为少数几个综合指标的一种统计分析方法。而这几个综合变量可以反映原来多个变量的大部分信息。在综合评价中，应用主成分分析方法既可以消除各指标不同量纲的影响，也可以消除由各指标间相关性所带来的信息重叠。特别是它克服了综合评价中认为确定各指标权重系数的问题。

2.二项logistic回归

如果因变量为分类变量，则不符合一般回归分析模型要求，这时可用logistic回归来分析。又如模型中因变量只能取两个值时，则用二项logistic回归，如果取多个值则可以用多项logistic回归来分析。本文之所以用二项logistic回归来进行预警研究，是因为该模型有如下优点：第一，logistic回归的因变量和自变量之间关系是非线性的；第二，logistic回归不需要假设方差不变，而且它也没有关于自变量分布的假设条件，各个自变量可以是连续变量，也可以是离散变量，还可以是虚拟变量，也不需要假设它们之间存在多元正态分布；第三，logistic回归的因变量是分类变量，研究的目的在于事件发生的概率，而且预测精度较高，我们可以分析公司是否具有投资价值。

（二）样本的选取。

由于上市公司的投资价值受行业因素的影响较大，不同行业的上市公司投资价值在同一时间内可比性不强，因此本文选择一个行业进行集中分析。本文选取我国沪深两市股制造业上市公司2012年16家st公司（连续2年亏损而被特殊处理的公司），并按照1：1的比例选取相同会计年度的16家非st公司作为样本，样本数据取自巨潮资讯网站公布的财务报表。根据统计学原理，当样本容量大于等于30 时，对总体具有很大程度的代表性。

r>

（三）指标变量的选取。

现代财务管理理论认为：企的财务状况主要取决于企业的盈利能力、偿债能力、营运能力和成长能力。本文从上述四个方面出发并考虑到现金流在财务管理中的重要作用，选择了13个财务指标做为自变量，它们分别为：反映盈利能力的净资产收益率x1、净利润率x2与总资产收益率x3；反映偿债能力的流动比率x4、速动比率x5与资产负债率x6；反映营运能力的存货周转率x7、应收账款周转率x8与资产周转率x9；反映成长能力的净利润增长率x10、总资产增长率x11与净资产增长率x12；反映现金流量的经营活动产生的现金净流量增长率x13。

四、上市公司投资价值实证分析

（一）单样本的t检验。

已选取的基础指标体系是进行指标变量筛选的基础，但不能说明各个上市公司在这些指标上存在着显著差异，因此需要对其进行单样本t检验，以判别是否存在显著差异。单样本t检验的零假设为：总体均值与指定检验值之间不存在显著差异。在0.05的显著性水平下，若t检验的p值小于0.05，则拒绝零假设，认为总体均值与检验值之间存在显著差异，反之则认为不存在显著差异。我们选取的13个指标t检验对应的p值分别是：x1为0.628，x2为0.076，x3为0.107，x4为0.000，x5为0.000，x6为0.000，x7为0.034，x8为0.062，x9为0.000，x10为0.004，x11为0.048，x12为0.316，x13为0.042。不难发现x1、x2、x3、x8、x12的t检验的p值大于0.05，认为不显著，因此在进行logistic回归分析前，可先剔除这五个指标。 　（二）主成分分析。

我们利用spss19.0对训练样本进行主成分分析，得到特征根和方差贡献率如下所示：主成分1的特征跟为2.726，方差贡献率为34.075﹪；主成分2的特征跟为2.26，方差贡献率为28.256﹪；主成分3的特征跟为1.064，方差贡献率为13.3﹪；主成分4的特征跟为0.956，方差贡献率为11.947﹪；主成分5的特征跟为0.592，方差贡献率为7.395﹪；主成分6的特征跟为0.223，方差贡献率为2.786﹪；主成分7的特征跟为0.168，方差贡献率为2.105﹪；主成分8的特征跟为0.11，方差贡献率为0.137﹪。

从以上数据可以看出，前四个主成分方程的累计贡献率达到87.578%，说明前四个主成分反映原指标体系信息的87.578%。但第四个主成分的特征根小于1，说明它对总体影响不明显，最终我们取前三个主成分，它的累计方差贡献率是75.63%。下面在表1中给出了主成分系数矩阵，可以说明各主成分在各变量上的载荷，从而得出具体影响各主成分的指标。

表1 成分矩阵

成分

1 2 3

x4 0.888 0.340 -0.112

x5 0.868 0.391 -0.140

x6 -0.735 -0.181 -0.147

x7 0.050 0.567 -0.073

x9 0.165 -0.183 0.957

x10 0.694 -0.517 0.088

x11 -0.239 0.770 0.181

x13 0.271 -0.863 -0.219

表1显示，主成分1中，x4、x5、和x6的负荷量较为明显且集中，主要代表了企业的偿债能力；主成分2中，x11和x13的负荷量明显大于其他比率，代表了企业的成长能力；主成分3中，x9的负荷量为0.975远高于其他指标，代表了企业的营运能力。最终，通过主成分分析，我们选取了x4、x5、x6、x9、x11、x13这六个指标。我们对这六个指标进一步做主成分分析发现：依旧根据特征根大于1取前三个主成分，但此时前三个主成分的累计方差贡献率为85.982%，明显大于上次的75.63%，说明模型得到了很好的改善。

（三）logistic回归分析。

运用spss软件对32家制造业上市公司的原始数据进行logistic回归分析，在分析时赋予非st公司的值为0，st公司的值为1，并把它作为因变量y。把x4、x5、x6、x7、x9、x10、x11和x13作为自变量，并采用基于最大似然估计的向前逐步回归法，选入自变量基于score检验统计量，剔除变量基于最大偏似然估计的似然比检验结果。最终我们得到x6、x7、x9和x13这四个变量对总体的预测影响较大，其余变量被系统剔除。经过4步计算，模型对样本分类的准确率达到了90.6%，其中st公司的判准率为87.5%，非st公司的判准率为93.8%。并可建立logistic回归方程：logit（p）=-1.276-4.868x6+0.027x7+3.709x9+0.7x13。而如果用主成分分析得出的结果，将x4、x5、x6、x9、x11、x13直接做二项logistic回归，得出的总体准确率只有84.4%，远不如上述90.6%准确。因为用主成分分析忽略了x7指标

对总体的影响。

五、研究结论

本文首先采用主成分分析的方法，对初始的13个财务指标进行筛选，最后得出x4、x5、x6、x9、x11、x13这六个指标，它们的累计方差贡献率为85.982%，已近能很好的解释整体，通过这六个指标的系数就可以比较好的判断公司是否具有投资价值。但在实际应用中，主成分分析更多的只是达到目的的中间手段，它往往会被作为许多大型研究的中间步骤，在对数据进行浓缩后继续采用其它统计方法以解决实际问题。所以，我们由主成分分析筛选出的指标再进行logistic回归，最通过这六个指标可以正确判断总体84.4%的数据，但没有通过用向前逐步回归法进行logistic回归后得出的准确率90.6%高。原因是因为在进行主成分分析时，我们把指标x7剔除了，但实际上x7对整体数据具有一定的解释能力。因此，本文主成分方法没有二项logistic回归准确，二项logistic回归不仅能筛选出较为精确的指标，而且能给出了模型对样本分类的准确率，使模型具有更大的可信度。

所以，我们在分析制造业上市公司是否具有投资价值时，主要通过分析资产负债率、存货周转率、资产周转率以及现金净流量增长率这四个指标，就可以达到90.6%的准确率。但本文分析中也存在一些缺陷：首先，文章选取的样本数量还不是很多，不足以说明全部问题；其次，所选的都是财务指标，没有考虑非财务指标的影响，使模型准确度没能达到更好。但文章的分析还是可以对投资者的投资行为有一定的启发。

参考文献：

[1]徐光华，吴明鸣.基于eva 的行业财务预警模型研究——以沪市it上市公司为例[j].经济管理，2006，（12）.

篇（7）

中图分类号:F270 文献标识码:A 文章编号:1003-5192(2010)06-0032-06

The Threshold Effect Analysis of Board Size on Corporate R&D Investment Behavior

――Base on Panel Data of Manufacturing and High-tech Industry Companies

LIU Sheng-qiang1,2, LIU Xing1

(1.School of Economy and Business Administration, Chongqing University, Chongqing 400044, China; 2.School of Accounting, Chongqing Technology and Business University, Chongqing 400067, China)

Abstract:Base on panel data of manufacturing and high-tech industry companies who discourse R&D expenditure in financial statements from 2004 to 2008, this paper studies the relationship between board sizes and R&D expending behavior by using the threshold model that Hansen proposed in 1999. When the threshold variable is company size, the results show that only when the company sizes exceeds a critical value, there will be a “increasing first, decreasing later” non-linear relationship between board sizes and corporate R&D expenditure. So we deduce that corporate governance effects of board sizes present the “low level trap” phenomenon. When the threshold variable is board sizes, the study suggests that the best board size should be 7 or 9. The results also show that percentage of independent directors on the Board play no effects to improve corporate R&D investment decisions.

Key words:board sizes: corporate R&D expenditure; threshold effects

1 引言

在知识经济时代和市场竞争日趋激烈的今天,企业投资行为中的R&D投资已成为影响企业生存和发展的重要战略性投资决策行为。早期关于R&D投资的研究多从宏观的角度,研究企业外部的技术或经济因素如什么样的市场结构和企业规模更有利于R&D投资,以及R&D投资与经济周期之间有何关系等等。随着上市公司R&D披露的逐步规范和研究数据获取的可能,一些学者开始直接利用微观资本市场数据,研究企业内部公司治理对企业R&D投资行为的影响。作为直接监督和控制着经营者行为的董事会,是内部公司治理的一个非常重要要素,然而,关于董事会规模对企业R&D投资行为的影响的研究却十分鲜见,本文拟利用2004~2008年连续披露R&D支出信息的制造业和信息技术业上市公司为研究样本,采用Hansen[1]提出的门槛效应模型,分别以公司规模和董事会规模作为门槛变量,实证检验董事会规模对企业R&D投资行为的影响,期望能对上市公司治理优化、R&D投资行为决策提供一些经验证据。

2 文献回顾和研究假设

学术界关于董事会的研究已有很长的历史,董事会规模也常常被视为影响董事会效率的关键因素之一。Zahra和Pearce[2]的研究显示,在现代企业组织中,董事会主要扮演战略制定或审核、监督控制及后勤保障的角色,并且扮演这种角色的能力大小将视其组成而定。当某项重大战略决策(如企业R&D投资)因团体利益冲突而变得效率低下或无法实施时,董事会便常通过扩大或缩减董事会规模、增加外部董事的席次等方式来提升董事会功能。

关于董事会规模对企业R&D投资行为的影响,现有研究有两种截然不同的观点。一种观点从资源富裕理论的角度认为,董事会规模与企业R&D投资正相关。其理由是:首先,董事会规模的扩大,会使实现企业R&D投资所必须的专业技能、管理艺术以及财务知识等在董事会内部实现更好的互补,有利于R&D投资决策过程中吸收各种不同的意见,减少投资风险;Bacon[3]认为,在大规模的董事会中,有多样背景的专业人士而产生的经营决策,决策质量更佳;Xie等[4]也认为,董事会规模的扩充,可汲取不同领域的专业知识,能发挥正面的监督效果。其次,董事会规模可作为衡量一个组织通过外部环境获取相关资源能力的计量指标,董事会规模越大,企业能从外部环境获得的资源就越多,其抗风险能力就越强,从而更有利于扩大企业R&D的投资活动。最后,董事会规模较大时,董事会内部有更多的机会和可能选择富有开拓进取的杰出人士担任企业的CEO,也会导致企业的R&D投资增加;Ocasio[5]指出,在CEO之下的治理联合的平稳性和内聚性能得到很好的竞争时,规模相对较大的董事会更可能产生风险偏好型的CEO。另一种观点从理论和组织行为学的角度得出刚好相反的结论认为,董事会规模与企业R&D投资负相关。其理由有:首先,董事会规模的扩大势必导致一项既定的R&D投资决策最后因董事会成员协调难度的增加而付诸东流;Jensen[6]指出,随着董事会成员的增加,组织内部容易产生派系且需要整合及解决众人的意见使效率变差,不见集思广益的功效,而尊敬和礼貌不及让CEO难堪的风气会占上风,坦率和追求真理的好作风会遭抛弃。其次,董事会规模的扩大会导致决策程序繁琐,决策效率低下;Lipton和Lorsch[7]指出,董事数量的增加很可能导致董事会的功能紊乱,即使董事会的监控能力会随着董事会规模的扩大而增加,但是由此带来的成本将超过其收益,比如,缓慢的决策制定速度、举行更少的关于经理层绩效的公正性的讨论以及对分享风险的偏离。最后,董事会规模的扩大还会产生“搭便车”现象,而一旦这种现象在董事会内部蔓延,就会导致董事会功能丧尽。

由此可见,现有文献关于董事会规模对企业R&D投资行为的影响并没有形成一致的结论。多数学者如:Jensen[8]、于东智[9]、余怒涛等[10]认为董事会对企业财务行为及绩效的影响是一种曲线关系,即存在一个合理的规模,不能太大,也不能太小。另外,董事会规模的治理效应还受公司规模大小的影响严重,当公司规模较小时,随着董事会规模的扩大,其治理效应更多的表现为资源富裕下的知识和专业技能的增加而对企业R&D投资决策的正向促进作用,随着公司规模进一步扩大并超过某一零界值时,此时再增加董事会规模,其正向治理作用又可能表现为因组织行为中的协调难度增加对企业R&D投资的负向阻碍作用。

基于以上的分析,本文提出如下假设:

假设1 在其他因素不变的情况下,随着公司规模的扩大,董事会规模与企业R&D投资之间表现为先增后减的非线性关系。

假设2 在其他因素不变的情况下,随着董事会规模的扩大,董事会规模与企业R&D投资之间表现为先增后减的非线性关系。

3 模型设计与数据来源

3.1 模型设计

根据Hansen[1,11]提出的门槛效应模型,先建立两个存在单一门槛值的门槛模型,然后分别逐渐扩展到多重门槛值模型,两个单一门槛值模型分别是:

模型一是以公司规模(用资产总额表示)为门槛变量的回归模型为

3.2 样本选择

考虑到我国A股市场上近60%的上市公司是制造业,上市公司中披露R&D支出的公司80%以上是制造业和信息技术业[12,13],我们选取2004~2008年度连续披露了R&D支出的制造业和信息技术业A股上市公司为研究样本,研究样本的确定原则为:(1)2004~2008年年报中连续披露了R&D支出的制造业和信息技术业上市公司;(2)考虑到公司的决策制定和规划一般要先于决策的实施,同时为了避免变量之间可能存在的内生性问题,本文将解释变量滞后一期,因此剔除上市时间不足一年的公司;(3)剔除被ST、PT的公司和所有者权益为负值的公司;(4)剔除数据不全的公司。

由于我国上市公司于2007年开始实施新的会计准则,而实施新准则后对于按照“收付实现制”记账现金流量表并未发生根本性改变,为了保持数据的可比性,我们选择了现金流量表中“支付的其他与经营活动有关的现金”附注中披露的研发费用。研究中所需要的其他数据均来自于北京大学中国经济研究中心CCER相关数据库。最终有效样本123家连续5年共615个研究样本。

4 实证分析

为了确定模型的具体形式,首先需要确定门槛值的个数。我们按照Hansen所提供的方法,分别对模型一和模型二依次在不存在门槛、一重门槛、双重门槛和三重门槛的设定下对模型进行估计和检验,结果发现:以资产总额为门槛变量的模型一和以董事会规模为门槛变量的模型二,在单一门槛和三重门槛效应下都不显著;而双重门槛下,模型一在1%显著性水平下显著(F值为47.000,P值为0.003),对应的两门槛估计值分别为2.4e+09元和2.5e+09元;模型二在5%显著性水平下显著(F值为5.103,P值为0.047),对应的两门槛估计值分别为6.50人和10.50人。表2给出了双重门槛下的模型一和模型二的回归结果。

首先看表2中的模型一,回归结果的F值为6.57,对应的P值为0.000,表明模型设定从整体上能够反映回归效果。Wald检验为2.65,对应的P值为0.000,说明固定效应明显。模型一中的双重门槛将董事会规模分为三个不同的区间,并且董事会规模的估计系数和显著性水平在不同区间内显著不同。当资产规模小于2.4e+09元时(简称低规模),尽管系数估计值为正(0.066),但不显著,表明企业资产总额较小时,董事会人数的增加并不一定会导致企业R&D投资额的增加,当资产规模处于2.4e+09元和2.5e+09元之间时(简称中等规模),系数估计值为正(0.641),并且在1%显著性水平下显著,表明当资产规模增加到一定程度后,增加董事会人数将对企业R&D投资有正向促进作用,当资产规模大于2.5e+09元时(简称高规模),系数估计值为负(-0.537),并且在1%显著性水平下显著,表明当企业资产处于高规模状态时,进一步增加董事会人数将对企业R&D投资有负向抑制作用。如前所述,增加董事会人数,可以吸收更多具有不同知识领域人士的加入,他们的加入,可为企业的重大投资决策提供更为科学合理的思考和建议,提高决策的科学性,降低决策失败的概率。但随着董事会人数进一步的增加,由于董事会内部之间的派系斗争和协调难度加大,可能导致最终的决策方案不是最优选择而是多方博弈之后的一种均衡和折中。另外,董事会人数的增加还会导致公司决策程序繁琐,决策机制缓慢,从而导致R&D投资时机的丧失,甚至导致决策失效等。因此,从整体上看,董事会规模与企业R&D投资之间是一种先正后负的非线性关系,假设1正确。但同时应该看到,这其中的正向关系,在资产规模较小时并不显著,也就是说,只有在资产总额超过某一阀值之后,董事会规模与R&D投资之间才会表现出明显的正向关系。由此看来,董事会规模的公司治理效应可能存在类似于宏观经济学中的“低水平陷阱”现象,只有在公司资产和富裕资源达到或超过某一限额之后,董事会规模的治理效应才会显现,当公司规模过小时,企业可利用的资源十分有限,此时增加董事人数,虽能提高R&D投资决策的科学性,但由于受可利用的资源限制而致使这些科学合理的投资决策无法付诸实践,可谓是“巧妇难为无米之炊”。

再看表2中的模型二,同理从对应的F值和Wald值可知,模型二能能从整体上反映回归效应,并且固定效应明显。当董事会人数少于6.5人时,系数估计值(0.057)为正,且在5%的显著性水平下显著,表明此阶段董事会规模的扩大将对企业R&D投资有正向促进作用;当董事会人数处于6.5人到10.5人之间时,系数估计值(-0.056)为负但不显著,表明此阶段董事会规模的变化,对企业R&D投资的影响差异不大;当董事会人数大于10.5人时,系数估计值(-0.101)为负值,并且在10%的显著性水平下显著,表明此时若进一步增加董事会人数,董事会规模会对企业R&D投资产生负向阻碍作用。由此可见,从整体上看假设2成立。我国制造业和信息技术业上市公司最有利于企业R&D投资的董事会人数是介于6.5人至10.5人之间,考虑到董事会人数若为偶数,在股东大会上进行投票时可能会出现半数对半数的投票结果,从而可能出现僵持局面和董事长“把持”董事会的可能,董事会人数为偶数不利于投票决策。因此,我们认为最佳的董事会规模应为7人或者9人。

模型一和模型二中,独立董事在董事会中所占比例对企业R&D投资的影响都未通过显著性检验,表明我国独立董事并未发挥其应有的治理效应,独立董事的“花瓶”现象仍普遍存在。

为了检验上述结论的可靠性,笔者进行了三个方面的稳健性检验:一是改变主要变量的定义和计算,对于解释变量R&D投资,采用研发支出与企业净资产之比,而董事会规模改为本公司年末所有高层管理人员的数量,包括所有董事、监事和高级管理人员;二是增加控制变量,增加控股股东性质、两权设置状态等控制变量;三是剔除R&D支出的极端值(1%)。重新回归结果显示,研究结论没有发生显著变化,研究结果具有较好的稳健性。

5 结论与政策建议

本文研究发现:无论是以公司规模还是以董事会规模为门槛变量,董事会规模与企业R&D投资之间都表现出“先增后减”的非线性关系。但这种非线性关系,只有当公司规模超过某一临界值之后才显著,公司规模较小时,董事会规模的治理效应并不显著,这一现象有点类似于宏观经济学中的“低水平陷阱”现象;同时,这种非线性关系是一种存在双门槛值(6.5和10.5)的“先增后减”非线性关系,当董事会人数介于6.5人和10.5人之间时,其治理效应无显著差异,考虑到董事会规模为偶数时可能出现投票结果半数对半数的僵持状态,因此,最佳的董事会规模应为7人或者9人。研究还发现我国上市公司公司独立董事治理效应弱化,独立董事“花瓶”显现仍普遍存在。

因此,我们建议:(1)保持合理的公司规模。公司规模过小,董事会的很多创新决策项目就无法付诸实践,但过大的公司规模又可能会降低董事会规模的治理效应,应根据企业所处的行业特点、经营环境等,将公司规模控制在一个合理的范围之内。(2)确定合理的董事会规模。董事会规模不是越大越好,也不是越小越好,而应选择一个合理规模,就制造业和信息技术业上市公司而言,最佳的董事会规模是7人或者9人。(3)完善董事会结构,本文研究发现董事会结构对企业R&D投资行为的治理效应不显著,独立董事“花瓶”普遍存在,可以通过调整独立董事的来源和构成等来完善董事会结构来提高其对企业R&D投资的治理效应。如独立董事来源于政府部门还是企业界还是高校好,还需要进一步深入研究。

参 考 文 献:

[1]Hansen B E. Threshold effects in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93: 345-368.

[2]Zahra S A, Pearce II JA. Boards of directors and corporate financial performance, a review and integrated model[J]. Journal of Management, 1989, 2: 291-334.

[3]Bacon J. Corporate directorship practice: member and committees of the board[M]. New York: The Conference Board, 1973.

[4]Xie B, Davidson III W N, DaDatt P J. Earnings management and corporate governance: the role of the board and the audit committee[J]. Journal of Corporate Finance, 2003, 9: 295-316.

[5]Ocasio W. Political dynamics and circulation of power: CEO succession in U.S. industrial corporations, 1960-1990[J]. Administrative Science Quarterly, 1994, 31: 586-611.

[6]Jensen M C. The modern industrial revolution, exit, and the failure of internal control systems[J]. Journal of Financial Economics, 1993, 48: 831-880.

[7]Lipton M, Lorsch J A. Modest proposal for improved corporate governance[J]. Business Lawyer,

1992, 48(1): 59-77.

[8]Jensen M C, Meckling W H. Theory of the firm: managerial behavior, agency cost and ownership structure

[J]. Journal of Financial Economics, 1976, 3(4): 305-360.

[9]于东智,池国华.董事会规模、稳定性与公司绩效:理论与经验分析[J].经济研究,2004,(4):70-79.

[10]余怒涛,沈中华,等.董事会规模与公司价值关系的进一步检验――基于公司规模门槛效应的分析[J].中国会计评论,2008,(9):237-254.

篇（8）

中图分类号：F2243 文献标志码：A 文章编号：1671-1254（2014）02-0069-07

The Minimum Investment and the Entrepreneur Welfare

―Based on the External Financing Analysis Framework of Asymmetric Information

XIA Zi-xiang， TIAN Cun-zhi， GUO Qiu-ping

（Economic Research Center， Kunming University of Science and Technology， Kunming 650093， Yunnan， China）

Abstract：The minimum investment refers to the government restrictions on the investment exemption market or private placement varieties. Based on the external financing analysis framework of asymmetric information， the paper analyzes the effects the minimum investment has on the equilibrium interest rate， investment and entrepreneur welfare. The conclusions show that equilibrium interest rate of capital market is scaled down when the minimum investment decreases， that the entrepreneurs whose financial strength are very weak without any shadow ring were not affected by the minimum investment， that entrepreneurs whose financial strength are in the borderline of system were affected by the minimum investment， and that entrepreneurs with strong financial strength benefited from the minimum investment and their net revenue is increased.

Keywords：the minimum investment； asymmetric information； equilibrium interest rate； entrepreneur welfare

一、最低投资规模与企业家福利研究概述

对于最低投资规模，一种较为常见的定义是：最低投资规模是指对投资免责市场或私募发行品种的限制。由于证券管理机构对这类市场的监管力度有限，为阻止中小投资者进入高风险市场，一个比较有效的方法就是对特定投资品种设定最低投资规模。企业有两项最基本的财务活动：投资与融资，因此企业的利益与其投资活动是密不可分的。为了保护中小投资者，大部分风险较高的投资项目都会有最低投资规模要求。我国企业的投资规模受三大因素的影响：投资机会、内部现金流与负债程度。因此，如何确定企业的投资规模也成了经典投资理论的研究热点之一。部分学者的研究结论表明：经典投资理论适用于确定我国企业的投资规模[1]。

目前，国内外学者在投资规模方面的研究主要集中在以下三方面：

（一）关于企业的投资规模与投资机会之间的研究

Modigliani和Miller[2]于1958年在他们的论文中提出了著名的MM理论，该理论开创性地提出了企业的投资规模与投资机会之间的关系。他们的研究认为企业的投资决策与项目的净现值息息相关，决定企业投资规模的是企业的投资机会，其他因素不会对投资规模产生影响。但该研究也忽略了一个重要的问题，那就是信息不对称以及成本对企业的投资同样会产生很大的影响。Stulz（1990）[3]的研究正好弥补了这一不足，他从信息不对称角度分析了负债融资对企业投资规模的影响，指出企业的筹资政策可以减少“投资不足和过度投资”这两种成本。

（二）关于负债融资对投资规模的影响研究

大量研究结论显示投资规模与负债之间是一种负相关关系，而且，这种负相关关系在低成长性企业中体现得比高成长性企业更显著。负债融资可能造成投资不足或投资过度，其原因在于负债融资减少了企业自由现金流，使管理者能够控制的自由现金流减少，而投资不足又将抵消因股东和管理者之间的成本而产生的过度投资行为。防止过度投资行为的方式之一是负债，这样可以降低股东和经理之间的成本，以提高投资效率 [4-7]。短期负债会带来成本，而且，短期负债的成本甚至可能高于长期负债，但是短期负债相对于长期负债来说，对企业投资规模的变化更不敏感。因此，企业可以利用短期负债来对投资不足问题进行控制 [8-9] 。

（三）关于投资规模、财务冗余与融资结构的研究

大量关于企业投资规模方面的研究为企业确定最优投资规模提供了依据，然而，上述文献中的投资规模是由企业自主决定的，而非由监管部门外生决定。那么，外生的最低投资规模究竟会对投资者产生什么影响？如何设置最低投资规模才能做到既能让资金实力弱的中小投资者规避风险，又能提高企业家福利？最低投资规模受哪些因素的影响等，这些问题的研究结论可为政策制定者提供理论依据。本文正是在对以上问题作研究的基础上，得出一些有意义的结论。

本文运用 Tirole（2006）建立的非对称信息下的可变投资分析框架，在一般均衡视角下对最低投资规模与企业家福利、最低投资规模与资本市场均衡利率之间的关系作了深入探讨，考察了最低投资规模对不同类别的企业家的投资活动和福利产生的不同影响。本文的贡献和工作在于：第一，文中的净投资函数及其特征并非像凯恩斯宏观经济学那样直接假设出来，而是通过非对称信息下的最优契约严格推导出来；储蓄函数也是基于外部投资者的跨期效用最大推导出来的；第二，融入了道德风险、成本、异质企业家等被新古典宏观经济学忽略的因素，讨论了最低投资规模对均衡利率的影响；第三，在Tirole（2006）的可变投资模型中引入了新的变量――最低投资规模，就非对称信息下最低投资规模对不同企业家的融资及福利产生的影响进行了严格的理论探讨。

二、模型假设

本文采用可变投资分析框架，其基本假设有：

1参与者：企业家和投资者，其中企业家组成一个测度为1的连续统。

2时期：两期。记为t=0，1，其中第0期投资，第1期获得收益。

3每一个企业家选择投资规模I∈[I，+∞），并且都需要向外部融资。其中I表示最低的投资规模。

4企业家拥有相同的固定投资技术，唯一不同的是企业家的初始资产这里仅考虑企业家之间的一维异质性。A。设A服从区间[A，]上的连续分布，累积分布函数和密度函数分别为G（A）和g（A）。

5项目投资具有风险：如果实施，可能会成功，也可能会失败；成功时产生与投资规模成比例的利润RI，失败时不产生任何收入。

6项目成功的概率受到企业家工作努力程度的影响，但企业家的工作努力程度是不可观察的这里的假设表明项目受到企业家道德风险的约束。实际上，我们还可以把此假设理解为企业家可以选择项目成功概率比较高的项目，也可以选择成功概率低但是他比较喜欢的项目（易于实施、将来能为企业家派生更多副产品、对朋友有利、产生在职消费、等有魅力等）。总之，道德风险是指借款者采取的降低投资者价值的行动。本模型的道德风险强调的是利润降低。从数学上看，是从一阶随机占优的角度而言。。当企业家尽职时，项目成功的概率为pH，企业家没有私人收益；当企业家卸责卸责表明企业家在本职工作上投入太少精力而把主要精力用于其它与项目无关或关系很少的活动。时，项目成功的概率为pL，企业家获得私人收益B>0。记Δp=pH-pL>0。

7在第0期无法获得融资的企业家将其自有资金A用于储蓄。

8市场利率为r>0，储蓄函数S（r）是单调递增的这里的储蓄函数是由外部投资者的偏好最大化推导出来的。限于篇幅，我们没有给出其具体的推导过程。。

9企业家尽职时，项目净现值为正；卸责时项目净现值为负，且单位投资的可保证收入不足以补偿贷款的本利，即该假设可以保证规模报酬不变模型中的最优投资规模是有限的。

ρ1>1+r>max{pLR+B，ρ0}

10其中ρ1=pHR表示单位投资的预期收益率；ρ0=pH（R-BΔp）表示单位投资的预期可保证收入。

11企业家和投资者是风险中性的，且受到有限责任保护。

12设pHR

13企业家具有议价权，其提出一个投资者“要么接受，要么拒绝”的融资契约。

博弈时序如图1所示：

三、最优化模型

篇（9）

企业在投资之前，必须进行投资策划及其项目的前期准备工作。投资决策是十分重要的工作，在很大程度上决定着投资活动的成败，决策的本质就是一个比较选择的过程。因为方案是多种多样的，决策要对各方案进行比较、分析，选择最佳方案。投资是企业永恒的主题，它既是企业诞生的唯一方式，也是企业得以存续和发展的最重要手段。

一、纳税筹划的企业投资规模的选择

根据相关的企业投资理论，项目规模的大小会直接影响企业将来的生产经营规模及生产过程中的纳税水平，反过来，企业的税赋水平也制约着投资规模的确定。首先，投资规模的大小决定纳税人身份的界定。我们知道，增值税是我国的主体税种，它具有普遍征收的特点，适用于生产、批发、零售和进出口商品，及加工、修理修配等领域的各个环节，因此，大部分企业都会遇到缴纳增值税问题。而我国现行的增值税对一般纳税人和小规模纳税人实行差别税率。小规模纳税人指从事货物生产或提供应税劳务，以及从事货物生产或提供应税劳务为主，并兼营货物批发或零售，年应纳增值税销售额在100万元以下和从事货物批发或零售，年应纳销售额在180万元以下的纳税人。如果投资者在投资决策中确定的投资规模，使项目建成投产后企业适合小规模纳税人标准，则按小规模纳税人身份纳税，否则以一般纳税人身份纳税。因此，投资者便可以在分析、比较小规模纳税人和一般纳税人的税赋水平后，对拟定的投资规模进行调整，使其适用低税赋纳税人身份。其次，投资规模继而影响企业纳税的绝对水平。而企业应纳税额现金支付的刚性约束也反过来制约投资规模的确定。一般情况下，规模大，企业的获利能力大，纳税的绝对额也大；规模小，获利能力小，纳税的绝对额也小。依税法规定，企业应纳税额的计算依托于法定税率和企业账面记载的应税收益额，而不考虑这种账面意义的收益所实际取得的现金流入状况。

但企业纳税行为规范却是，只要体现出账面或会计观念下的应税收益，企业就必须依法及时足额地动用现实的现金予以缴纳，否则会受到税法的严厉制裁，使企业利益遭受极大损害。由此可见，在课税条件下，由于按会计收益计算的应交税额与应交税款按现实现金支付的刚性约束矛盾的客观存在，使企业规模最大化在纳税目标的约束下，并非是最优的。因此，投资者在确定投资规模时，必须充分考虑纳税现金支付的刚性约束，即合理确定纳税目标约束下的投资规模，避免因规模最大化导致税前账面收益极大化，由此发生的纳税现金需求超过企业现金供给，给企业带来诸如声誉受损等不利影响。

结合纳税筹划活动对企业投资规模进行界定，首先要对企业自身营运能力进行分析，即通过对存量投资重组、潜能开发及增量投资优化组合的分析，确定投资的既有能力、潜在能力和追增能力；其次要把握企业外部环境变动情况，利用预测手段来把握经济环境发展态势，决策投资规模的大小；此外，还需要对税前收益最大化的投资规模进行实证分析。投资规模因该趋近于企业营运负荷能力的极限，即投资的追加边际成本等于其边际收益，此时投资规模是适宜而且有效的。需要注意的是，投资规模的确定依据是企业运营能力和外部经济环境，因而必须注意到其动态演进的变化特征。

二、企业投资方式的选择分析

不同的投资方式，企业所得税的政策有所不同。投资是企业得以存续和发展的主要手段，对投资主体来说，盈利是投资的主要目的，而所得税对企业净利润的影响是非常大的，所以投资决策中所得税筹划就成为了重要的内容。投资在方式上可分为两大类，即直接投资 和间接投资。直接投资形成各种形式的企业，其生产经营成果既要征收流转税，纯收益还要征收企业所得税；间接投资的交易须征收证券交易税（目前仍征收印花税），其收益则征收企业所得税。对直接投资的综合评估主要考虑投资回收期、投资的现金流出和现金流入的净现值、项目的内部报酬率等财务指标。我们需要考虑的税收因素主要是指影响这些指标的税收政策。投资者首先要判定其投资项目按照税法规定应征收的税种、税率以及征收方式等，这一切都将影响企业的税费负担，并因此进一步影响到投资者的税后收益。这需要投资者在估算销售收入的时候必须考虑销售税金及附加，这样才能搞好纳税筹划。比如某企业有A、B两个项目可投资，假设这两个项目的企业所得税税率没有差别，并且预计两个项目投产以后，年含税销售收入均为100万元，外购各种允许扣除项目的含税支出均为90万元。已知A项目产品征收17%的增值税，B项目产品征收5%的营业税。不考虑其他因素，请进行投资决策。

（1）计算A项目税后销售收入净值：

A项目年应纳增值税（万元）

A项目增值税后生产经营所得（万元）

A项目应纳所得税（万元）

A项目税后利润（万元）

（2）计算B项目税后销售收入净值：

B项目年应纳营业税（万元）

B项目营业税后生产经营所得（万元）

B项目应纳所得税（万元）

B项目税后利润（万元）

（3）A、B项目税后利润差额：

A项目与B项目税后利润差额（万元）

通过以上比较可知，由于两个项目的应征税种和税率存在差异，在其他条件一致的情况下，A项目将为投资者带来更多的税后利润，故应该选择A项目。除了流转税外，直接投资更重要的是要考虑企业所得税的税收待遇。我国企业所得税制度规定了很多税收优惠待遇，包括税率优惠和税额扣除等方面的优惠，比如设在国务院批准的高新技术产业开发区内的高新技术企业，其企业所得税税率为15%；其他诸如第三产业、“三废”利用企业、“老、少、边、穷”地区新办企业等都存在企业所得税的优惠政策。投资者应该在综合考虑目标投资项目的各种税收待遇的基础上，进行项目评估和选择，以期获得最大的投资税后收益。

参考文献：

篇（10）

关于基础设施投资的研究，现有文献中多以基础设施投资经济效应的显著程度来判断基础设施投资规模的适度性.在实证研究中，大多数学者以基础设施投资的经济效应是否达到最大化作为评价投资规模适度性的标准[2]。例如，认为拉动GDP增长是基础设施投资的最主要作用，并以对GDP是否表现出正向的拉动作用作为基础设施投资是否过度的判断标准。其他有关基础设施投资规模适度性评价的研究参见[1][3][4][5][8][10]。

另外，基础设施投资作为促进经济发展和城镇化过程的重要手段，其投资规模具有很强的政策性，所以近年来一些学者开始通过基础设施的投资效率比较研究来探讨其投资规模的适度性[6]。例如，建立了基础设施投入和产出的综合指标体系，并应用二阶段数据包络法对我国各省份的基础设施总体投资效率进行了比较与评价。

综上所述，以往对于基础设施投资的研究具有以下缺陷。首先，绝大多数研究均针对基础设施投资的总量或总体存量，只有少数文献着眼于具体部门或行业，但仅涵盖了交通，电力等对经济增长作用明显的行业；从而就不能对改善基础设施投资效率提出全面的建议。其次，对基础设施投资规模适度性的研究，通常只考虑了其对经济增长的推动作用，而忽略其社会发展效应。

为克服上述缺陷，本文采用DEA方法，以基础设施投资相关数据作为投入变量，以经济增长和城镇化增长的指标作为产出变量，利用我国31省市2004-2013年的数据综合评价基础设施投资的效率，并将该效率值作为衡量整个基础设施投资对社会综合产出影响大小的指标；其次以该效率值作为因变量，以各类基础设施投资额作为解释变量，运用Tobit模型进行回归，分析各类基础设施投资对该效率的影响，通过回归系数的符号对其投资规模适度性做出判断。

二、基础设施投资概论和基础理论分析

（一）基础设施的界定

在关于基础设施的研究中，学者对于基础设施的内涵和界定并没有统一，精确的定义，往往根据自己的理解和研究的需要自行定义：国内外的相关研究多从两个角度来界定基础设施，第一，从行业部门角度将其分为交通，通信，电力，供水，教育，卫生社会保障等；第二，从职能的角度将其分为经济性和社会性基础设施。本文主要研究基础设施投资效率和各类基础设施投资结构及规模适度性问题，结合本文内容，世界银行的报告以及我国《国民经济行业分类标准》，本文中关于基础设施的界定如图2.1所示。

（二）基础设施投资规模适度性判定

基础设施作为国民经济的基础和社会发展的物质载体，其综合承载能力决定着一定时期社会的综合产出水平。这里，综合产出水平涵盖经济和社会发展两个方面，各类基础设施对整个系统社会综合产出的影响如2.1式所示：

G=Min{MaxGi}

MaxG1=f（I1）……MaxGi=f（Ii）……MaxGn=f（In）（2.1）

这里，Ii为第i类基础设施的存量水平，Gi为由其确定的最大社会综合产出，G为整个基础设施系统所决定的最大社会综合产出水平；若G1=G2=…Gn=G，则达到最理想情况。然而，在现实情况下，各类基础设施中，有些处于短缺状态，而另外一些处于过度状态，这种不平衡就造成了资源浪费，导致基础设施系统的综合产出不高。此时，基础设施投资的目的就是作为增量部分，优先投资短缺的而减少对相对过度的基础设施的投资，尽可能平衡各类基础设施的水平。

本文以各类基础设施投资对整个投资效率的影响在模型中的正负作为判断投资规模适度性的标准。若某类基础设施对整个投资效率的影响为正，则说明其投资规模相对不足，应增加其投资规模来提高整体效率；若某类基础设施对投资效率的影响为负，则说明该类基础设施投资过度，应降低其投资速度。

三、我国基础设施投资效率实证分析

相比于应用参数方法的单一产出指标评价体系，应用非参数方法的数据包络分析法从多产出角度研究基础设施投资的效率更为全面。为分析规模适度性问题，我们首先应用DEA数据包络分析方法对2004-2013年我国31省市的基础设施投资效率进行计算和评价。

（一）基础设施投资效率评价的理论框架

1、DEA方法的原理与评价模型。DEA方法是一种用来评价同类性质的决策单元之间相对效率的非参数方法，该方法是通过数学规划模型来计算各个决策单元之间的相对效率，并据此来进行相对有效性评价。与参数方法相比，DEA方法无需构造具体的生产函数就可以对决策单元的效率进行评价，而且能够对分散的数据进行综合分析，并且不必知道它们之间的关系。因此DEA方法被广泛应用于计算各种研究领域的投入产出效率，DEA方法有基于输入导向（Input-DEA）和基于输出导向（Output-DEA）两类，其中前者是在输出固定时最小化输入，而后者是在输入固定时最大化输出。

结合本文研究内容，运用基于输入导向的方法进行分析更为恰当，本文使用DEA方法的经典模型――B2C模型进行效率的计算和评价。B2C模型的原模型和对偶问题如（3.1），（3.2）所示。

（PBC2）max（μTyj0+μ0）=Vp，s.t.ωTxj-μTyj-μ00，j=1，2，…nωTxj0=1，ω0，μ0.（3.1）

（DBC2）minθ=VD∑nj=1yjλj+s-=θxj0，∑nj=1λj=1，s-0，s+0，λj0，j=1，2，…n（3.2）

2、评价指标体系的建立。在用DEA方法进行基础设施投资效率计算和评价时，投入产出指标的选取直接关系到评价结果的准确性。为了尽可能反应实际情况并且便于获取数据，我们以基础设施投资总额和该行业部门总就业人数作为投入指标，以地区生产总值的增加值和城镇人口的增加值作为输出指标，建立评价指标体系如图3.1所示。

（二）基础设施投资效率实证分析

1、模型的建立与数据处理。引入松弛变量和非阿基米德无穷小量ε的Input-BC2模型如（3.3）所示：

（P-ε）max（μTyj0+μ0）=Vpεs.t.ωTxj-μTyj-μ00，j=1，2，…nωTxj0=1，ωε，μεe.（3.3）

其对偶问题如（3.4）所示：

（D-ε）min[θ-ε（Ts-+eTs+）]s.t.∑nj=1xjλj+s-=θxj0∑nj=1yjλj+s+=yj0∑nj=1λj=1，s-，s+0λj0，j=1，2，…n（3.4）

其中ε为无穷小量，线性规划（D-ε）的最优解为λ0，s-0，s+0，θ0若θ0=1，则决策单元j0为弱DEA有效的，若θ0=1，且s-0=0，s+0=0，则j0为DEA有效的。

综合考虑我国投资策略，我们选择新世纪以来基础设施投资投入产出作为分析对象，由于2002年国家统计局对我国《国民经济行业分类》进行了调整，为了保持数据的统一性，本文中选取我国31省从2004-2013年间的基础设施投入与产出数据作为评价对象进行效率分析。其中为排除价格因素对投入与产出数据的影响，在基础设施投入方面，用各省市历年的固定资产投资价格指数对基础设施投资数据进行平减，对各省市GDP同样利用相应的价格指数进行调整。

2、求解与结果分析。应用输入导向的Input-BC2模型，对我国2004-2013年期间31个省市基础设施投入产出数据进行效率计算和分析（数值结果由DEAP2.1软件计算得出）。为了保证各地区10年间的基础设施投资效率在时间序列上的可比性，我们将31个地区从2004-2013年间的310组数据放在一起组成一个生产可能集进行分析比较，各省市计算结果见表3.1。

表3.1表明，从整体上看我国基础设施投资效率呈递减趋势，说明基础设施投资整体上的效果在降低，其对经济增长和城镇化的促进作用在降低，在投资过程中可能存在结构的不均衡和不合理，阻碍了其对社会综合产出的影响。北京、天津、上海、江苏、山东、广东、西藏、青海、宁夏这些省市10年间的基础设施投资效率处于较高水平，直辖市和东部沿海经济发达省份投资效率高说明在投资配置过程中结构合理；边疆少数民族地区投资效率也处于较高水平，说明这些地区的投资对城镇化进程和经济增长都产生较大的促进作用，体现了我国近些年通过政策支持优化基础设施资源配置，促进较为落后的偏远地区共同发展的政策落实情况较好。相比这几个省市其他地区的投资效率表现出不同的特点，需要进一步进行分析以对优化投资结构，提高投资效率提供一定的有益指导。

四、基于Tobit模型的各类基础设施投资适度性实证分析

本节中，我们通过Tobit模型对各类基础设施投资规模的适度性进行检验。

（一）Tobit模型介绍

第3节中通过DEA方法计算出来的基础设施投资效率的取值范围是[0，1]，是截断数据，若以这种效率值为被解释变量，采用普通最小二乘法（OLS）进行回归分析，得到的参数估计值是有偏的。

故我们选择基于最大似然估计法的Tobit回归模型进行分析，Tobit模型的基本形式如（4.1）所示。

y*i=βxi+εiyi=y*i，0

εi?N（0，σ2），xi为解释变量向量，yi为被解释变量向量，β为参数向量。

（二）各类基础设施投资规模适度性实证结果分析

1、适度性评价模型的构建与数据说明

基于2.2中提出的基础设施投资规模适度性的评判标准，本节选择各个类别的基础设施投资规模作为解释变量，应用Tobit模型分析每一类基础设施投资对整体效率的影响从而分析其投资规模的适度性，建立的回归模型如（4.2）所示。

Yef=β0+β1Xny+β2Xjt+β3Xtx+β4Xky+β5Xsl+β6Xjy+β7Xwh+β8Xws+ε（4.2）

其中Yef为上一章中通过DEA方法计算的各省份基础设施投资效率值，Xny为能源设施，Xjt为交通设施，Xtx为通信设施，Xky为科研设施，Xsl为水利设施，Xjy为教育设施，Xwh为文化体育设施，Xws为卫生和社会保障设施。β0，β1，β2，β3，β4，β5，β6，β7，β8为待估参数，其正负反应了各类基础设施投资对基础设施投资效率的影响程度和投资规模的适度性，ε为随机扰动项。

2、适度性实证结果分析

首先，我们使用我国31省市2004-2013年10年的面板数据从整体上分析我国各类基础设施投资规模的适度性问题。由于各类基础设施投资数据量很大，而且被解释变量投资效率的取值范围为[0，1]，故我们首先对各类基础设施投资数据取对数处理，再通过Stata软件进行Tobit回归分析，计算结果如表4.1所示。

表4.1反映了在各个解释变量中，能源，通信，科研，文化基础设施投资与投资效率呈负相关关系，交通，水利，卫生社保，教育基础设施投资与投资效率呈正相关关系.其中，能源，通信，科研基础设施，文化基础设施投资分别在1%和5%水平下与投资效率显著负相关，水利，卫生社保基础设施投资在5%水平下与投资效率显著正相关，而教育和交通基础设施投资与整体效率的正相关关系并不能通过显著性检验。于是我们有如下分析：

首先，能源、通信、科研和文化基础设施投资对整个投资效率的影响是负向的。即在目前的基础设施存量水平和结构下，这几类基础设施投资规模已经过度，增加其投资会对整个社会综合产出的增长产生抑制作用，降低整个基础设施投资系统的效率。故在接下来的基础设施投资中，应减缓这几类行业部门投资的速度，使各类基础设施投资协调发展。

其次，水利、卫生社保基础设施投资对整个投资效率的影响是正向的。这表明水利和卫生社保基础设施投资规模不足，增加其投资能够较大的促进社会综合产出的增加。故在后继基础设施投资中应增加这两个行业部门投资的规模，提高投资速度，来促进基础设施投资效率的提高和社会综合产出的增长。

再次，交通和教育基础设施投资与整个投资效率呈正相关，但并不显著。这在一定程度上显示了我国交通和教育基础设施投资规模不足。

（三）分区域基础设施投资适度性实证结果分析

在第三节中对我国基础设施投资概况的介绍表明，由于我国各地区地理环境，经济发展情况以及国家政策支持程度不同，各地区基础设施投资情况差异显著，因此在分析基础设施投资规模适度性问题时，要根据不同地区的实际情况具体分析，才能对各类基础设施投资情况做出更为真实的判断，进而对提高投资效率提出更有效的政策建议。

所以，下面我们根据我国各地区经济发展状况以及基础设施投资情况的特点，将中国31个省市划分为四个区域，东部，中部，西部和东北部（如表4.2所示）进行分析。

表4.2我国各省市区域划分

东部地区北京 天津 河北 上海 江苏 浙江 福建 山东 广东 海南

中部地区山西安徽江西河南湖北湖南

西部地区内蒙古 广西 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆

东北地区辽宁吉林黑龙江

利用相同的模型（如（4.3）所示）对各地区进行分析，其中被解释变量为各地区的基础设施投资效率，解释变量为各地区内不同种类基础设施投资数据。

YRef=β0+β1XRny+β2XRjt+β3XRtx+β4XRky+β5XRsl+β6XRjy+β7XRwh+β8XRws+ε（4.3）

利用各地区省份10年基础设施投资和效率面板数据分别对东部，中部，西部和东北部地区进行回归分析，回归结果如表4.3所示。

从表4.3可知，不同区域基础设施投资情况差异明显：同一区域内不同部门基础设施投资规模适度性存在很大不同，同一部门基础设施投资在不同区域亦表现出不同的适度性。

具体来看，在东部地区，能源、交通、文化体育基础设施投资与整个基础设施投资效率显著负相关，教育基础设施投资与整个投资效率显著正相关，而其他行业部门投资与投资效率的相关性并不显著。这表明在东部地区能源供给，交通运输和文化体育基础设施规模已经过度，而教育基础设施规模存在不足。

在中部地区通信，科研和文化体育基础设施投资规模过度，而交通和卫生社保基础设施投资规模不足。在西部地区能源，通信，科研和文化体育基础设施投资规模过度，而交通和水利基础设施投资规模不足。在东北地区科研设施投资规模过度，而其他部门基础设施与投资效率的关系并不显著。在今后的投资决策中要减缓对已经出现规模过度的基础设施的投资，而对规模不足的则要加快投资速度，使得各类基础设施投资均衡协调发展。

篇（11）

二、研究设计

（一）研究假设 本文以房地产企业为研究样本。在以往的相关研究中，我国的很多学者都是从成本的角度进行研究，而忽视了成长性对房地产上市公司融资结构与投资行为所产生的影响。由于房地产上市公司的成长情况不同，所以投资决策的侧重和投资额度的多少存在较大差异，所以针对该现象，本文将研究样本分为高成长组和低成长组。高成长组房地产上市公司的投资规模，投资资金的来源与低成长组房地产上市公司相比存在较大的差异。因此，提出以下假设：

Hl：在高成长组中，企业外源负债融资增量与投资规模正相关。即负债融资增量越多，投资规模越大

H2：在低成长组中，企业内源权益融资增量与投资规模正相关。即内源融资增量越多，投资规模越大

H3：高成长组企业的负债与投资规模的相关程度低于低成长组企业权益融资增量与投资规模的相关程度

（二）样本选取及数据来源 本文以2009年至2010年的房地产上市公司的年报作为样本，同时剔除两年间ST公司和数据不完的公司，得到106家公司作为研究样本。两年的106个上市公司形成的面板数据模型，相对于单纯的截面数据和单纯的时间序列数据模型而言有以下优点：一是样本观测量大大增加，106个房地产上市公司共212个样本；二是降低多重共线性；三是减少估计误差。研究所用数据主要来自国泰安数据库（CSMAR），并利用Stata10软件进行统计分析。

（三）变量定义 如表1所示：

（四）模型构建 本文以FHP（1988）的理论模型作为基础模型，并通过借鉴其他学者的相关经验设立模型如下：

Ij，t/Aj，t-1=b0+b1ALRj，t+b3AERj，t +b2CFj，t/Aj，t+b4CROTjt/Ajt-1+b5Grj，t +εj，t t

三、实证结果与分析

（一）描述性统计 如表2所示：

对总体样本进行描述性统计分析结果如表2所示：投资规模的均值是0.153，投资规模的最大值21.627，而最小值是-0.564，样本全距较大，说明房地产公司之间的投资规模存在较大的差异。本期负债增量融资的均值是12.47，本期权益增量融资的均值为6.101，说明房地产公司主要的融资方式是负债融资，权益融资量相对较小，从描述统计的角度说明了整体融资结构不太合理。内部现金净流量均值为-3.813，说明房地产企业的经营性活动产生的现金流不足。成长机会最小值为-1，最大值为827.202，说明房地产企业之间的成长性存在很大的差异。

（二）回归分析 根据成长机会值对样本进行分组，成长机会这个变量的平均值是2.085，大于均值的作为高成长组样本（63个），低于均值的作为低成长组样本（149个），进行多元线性模型回归后得到结果如表3所示：

（三）研究结论 在高成长组企业中，本期负债增量融资与投资规模之间的正相关性在5%水平上显著，证实了假设1，在低成长组企业中，本期权益增量融资与投资规模呈现正相关性在5%水平上显著，证实了假设2。回归结果说明我国高成长性房地产公司的长期投资主要依赖外源性的负债融资。高成长组企业中，本期负债增量融资与投资规模的相关系数为0.077，而低成长组企业中，本期权益增量融资与投资规模的想关系数为0.263，这正好与假设3描述相符。在高成长组中投资规模与主营业务资产收益率成负相关（系数为-0.208）在5%水平上显著，而在低成长组中，这种关系在5%水平上并不显著。此外影响房地产企业投资规模的变量有：本期权益增量融资、内部现金流量、成长机会等。由此可以说明成长性不同的房地产上市公司，其融资结构与投资行为之间的关系有较大的差别。

四、相关建议

（一）完善房地产上市公司的融资渠道 对于高成长性房地产上市公司投资资金主要依赖于债务融资。债务融资一方面会增加企业将面临的财务风险，另一方面也会增加债务融资约束。权益融资相对于其他融资手段，具有无偿还期及再融资能力强等优点，它可以大幅度提高企业长期投资能力并降低企业的财务风险。如何培育良好的直接融资环境，降低银行信贷融资比例，这成为完善我国房地产融资渠道首要问题。

（二）大力发展多元化的融资方式 采用银行贷款是我国房地产公司主要的融资方式，然而银行贷款会产生相应的政策风险和财务风险，从而增加公司发展过程中的不确定因素。相比较而言，项目融资、金融租赁、投资基金等融资方式，相对而言财务风险较低，有助于房地产上市公司持续快速的发展。

参考文献：

[1]DanyAoun，Junseok Hwang The effects of cash flow and size on the investment decisions of ICT firms： A dynamic approach 2008，1：1-20.