股权制衡_终极所有权性质与上市企业非效率投资

V ol 122,N o 12
管 理 工 程 学 报
Journal of Industrial Engineering ΠEngineering Management
2008年第2期
股权制衡、终极所有权性质与上市企业非效率投资
安　灵1
,刘　星1
,白艺昕
2
(11重庆大学经济与工商管理学院,重庆400030;21西南大学数学与统计学院,重庆400715)
摘要:本文采用基于海洋博弈的Shapley 指数,对我国上市公司第一大股东的实际控制度与股权制衡度进行了测度,在此基础上,运用门槛面板模型研究了股权制衡度、终极所有权性质与上市公司非效率投资行为的关系。

结果表明:第一大股东对上市公司的实际控制度与上市公司的非效率投资行为表现为一种非线性关系;股权制衡能够抑制大股东利益主导下的过度投资行为,但过度的股权制衡会带来投资不足的问题;不同终极所有权性质对上市公司资源配置行为和股权制衡效果影响显著:相对于中央直属上市公司,地方政府控制的上市公司表现出强烈的过度投资倾向,且利益趋同效应在地方政府所属上市公司比较微弱,而中央直属和省级政府所属上市公司的股权制衡效果相对较差。

关键词:股权结构;非效率投资;海洋博弈;门槛面板模型
中图分类号:F8301592 文献标识码:A 文章编号:100426062(2008)022*******
收稿日期:2006212213　修回日期:2008201226基金项目:国家自然科学基金资助项目(70772100)
作者简介:安灵(1980—
),男,四川阆中人,重庆大学经济与工商管理学院博士研究生。

研究方向:公司财务与公司治理。

0　引言
股权结构在公司治理中所发挥的作用及其效率,一直是最为活跃的研究领域之一,大量学者围绕这一问题展开了富有成效的研究,其研究视角大致可以分为两个:一是基于企业绩效或价值;二是基于以投融资为代表的企业决策行为。

其中,前一视角的研究成果十分丰富[1,2],但是却远没有达成一致的结论,夏立军、方轶强[3],徐丽萍等[2]将这一现状归咎于三个原因:一是业绩衡量指标选择的差异,二是股权结构与企业价值关系的内生性问题,三是股权结构类型划分方法的不恰当。

由于企业价值是由过去投资所产生的现有资产价值与未来投资产生的现金流的现值所构成,因而投资决策可谓是股权结构与企业价值关系的纽带,为了克服前述三个问题,本文拟着眼于股权结构与企业投资决策的关系,从企业的价值创造过程考察股权结构对企业价值的影响,从而不仅可以绕开企业绩效衡量指标的选择差异,还可以避免股权结构与企业价值关系的内生性问题,以期探寻股权结构与企业价值关系背后所隐藏的机理。

1　理论背景与研究假设
广义上来说,股权结构包括股权属性、股权集中度及制衡度等几个方面,关于股权结构对企业投资行为影响的研究也正是从上述几个维度展开的。

111　股权集中、股权制衡与投资
传统的委托代理理论旨在关注分散所有权结构下,控制权与所有权分离所导致的股东与经理、股东与债权人之间的利益冲突,由此导致的投资不足和过度投资等非效率投资行
为便是其表现之一。

但是,随着大股东持股比例的增加,股东与经理之间的代理冲突会有所缓解,甚至会因大股东与小股东的代理冲突的凸现而退居次要地位:
当大股东的持股比例较低时,相对于分散型所有权结构,大股东会更多地介入到企业的经营管理过程之中,监督经理,解决了分散型所有权结构下的股东搭便车问题,从而有效防止经理出于自身利益的非效率投资行为,对企业价值产生积极作用。

Hill 和Snell 对股权集中度、管理者持股对公司多元化程度、R&D 投入和绩效的影响进行的实证研究发现,股权集中度、管理者持股与R&D 投入正相关,而与多元化程度负相关。

他们认为,经理与股东之间的代理冲突可以通过提高股权集中度和经理的持股比例来缓解。

但是,过高的股权集中度却会带来另一类代理问题———大股东与小股东的利益冲突:当大股东的持股比例高于某一临界值时,大股东有足够的控制力,实施有利于自身利益的投资以构建控制性资源,攫取控制权私有收益:Aggarwal 和
Sam wick 认为,在最优契约框架下,由于控制权收益与控制权
成本的同时存在,控制权私有收益驱动的过度投资和控制权
私有成本导致的投资不足将同时对企业绩效产生不同程度的影响;Dyck 和Z ingale 针对控制权收益的跨国比较后发现,控制性资源的聚集规模越大,控股股东就越有可能通过控制更大规模的资源在时间和空间维度上的分配,制定有利于自身利益目标的经营、投资、融资和分配等方面的财务政策;
Wu Xueping 将控制权私有收益纳入Myers 的逆向选择研究框
架之中,新模型的分析表明:控制权收益是驱动企业过度投资的主要影响因素。

—
221—
如果大股东的持股比例进一步增加,大股东与小股东利益的一致性程度提高,其将承担更多的非效率投资成本,此时,在“利益趋同效应”作用下,大股东会减少损害小股东利益的非效率投资。

由此可见,大股东持股比例与企业的非效率投资行为的关系表现为一种非线性关系,具有区间效应。

由此,本文提出假设1:
假设1:过度投资与股权集中度呈现出先弱后强再减弱的非线性关系。

如何约束上述大股东的机会主义行为,成为近来学术界讨论的热点,不少学者指出股权制衡是约束大股东机会主义行为的一条重要途径:多个大股东同时分享控制权,形成制衡型股权结构时,任何一个大股东都无法单独控制企业决策,单个大股东对控制权私有收益的追求将受到抑制[4]。

G omes认为,股权制衡的产生将会从两个方面提升企业价值:一是多个大股东的出现,增大了企业决策团体的所有权比例,内部化控制权私有收益的获取成本,从而降低了大股东对小股东的利益侵占程度和非效率投资行为[5];二是事前大股东之间的讨价还价,会减少包括投资在内的企业决策对小股东利益的侵害程度。

Laeven和Levine,Maury和Pajuste的实证研究均证明,股权制衡的确对公司价值产生了积极作用,为上述观点提供了一定的佐证,于是,本文提出假设2:假设2:过度投资程度与股权制衡度负相关。

112　股权性质对企业投资的影响
已有的大量经验证据表明,股权性质在代理问题的产生与解决,以及所有权的行使方式上的差异十分显著,对公司决策与绩效产生的影响也不尽相同[6]。

由于我国上市公司股权性质呈现出显著的多样化特征,在研究中,对不同所有权性质的上市公司加以区分,具有重要的现实意义。

我国上市公司按照所有权性质,大致可以分为国有和非国有两类。

其中,国有上市公司按照终极控制人的不同,又可以进一步地分为由中央部委最终控制和地方政府(省级、县市级)所属的上市公司两类。

这两类上市公司在与政府的外部联系和监督激励体制上有着明显的差异,地方政府直接控制的上市公司,对地方政府的政绩有着很大的影响,软预算约束和向地方政府寻租的行为颇为普遍,相对于中央部委最终控制的上市公司而言,监管也相对较弱,在地方政府本位主义的驱动下,有着强烈的扩张动机,容易发生过度投资行为;而中央部委最终控制的上市公司,一般规模较大,且属于关系国计民生的重点行业,无论是企业本身还是其管理者都受到来自中央部委的大力监管,因此,相对于地方政府最终控制的上市公司,其代理成本相对较小。

夏立军、方轶强承袭了刘芍佳等[7]的“终极产权论”,将上市公司分为非政府控制和县级政府控制、市级政府控制、省级政府控制以及中央政府控制五类,对政府控制层级与企业价值的关系进行了分析[3,7],其研究发现,政府控制,尤其是县级和市级控制对公司价值产生了负面影响;而徐丽萍等[2]对股权集中度于公司绩效影响的研究也发现,中央直属国有企业和私有产权控股的上市公司股权集中度所表现的激励程度最高,而地方政府所属上市公司则相对较低。

于是,本文提出假设3:假设3:相对于中央政府所属上市公司,地方政府所属上市公司的过度投资倾向更为强烈。

基于上述分析,本文将沿袭刘芍佳等的“终级产权论”,将上市公司分为国有和非国有(私有产权)两类,并按照政府控制的不同层级对国有上市公司进行了进一步的细分———中央政府控制、省级政府控制和县市级政府控制。

从第一大股东对上市公司的实际控制度、股权制衡度与股权性质这两个量与质的维度对上市公司的投资行为进行分类考察。

本文的其余部分安排如下:第二部分将着重介绍研究方法,包括基于海洋博弈模型(Oceanic G ames M odel)对大股东于上市公司的实际控制度与股权制衡度的测度,用于回归分析的门槛面板模型(Threshold panel m odel);第三部分是样本数据选取介绍和基本的描述性统计,包括门槛面板模型的相关检验;第四部分是基于上市公司股权制衡度以及最终控制人性质对上市公司的投资行为进行了分类研究结果;第六部分是本文的研究结论。

2　模型设定与研究方法
211　股权制衡度的测量
拟定恰当的股权制衡度测度变量,对于相关主题的研究十分重要,正如La P orta,et al.所言,“恰当的股权制衡度的测度变量,必须体现各股东之间的交互作用”。

现有研究对股权制衡度的测量所采用的方法大致可以分为两类:一是直接采用大股东持股份额的比值,如用第一大股东的持股比例与其他大股东的持股比例之和的比值来反映股权制衡度;二是利用n人简单博弈(S imple G ame)的Shapley2Shubik指数来反映股权制衡度[8]:
ξ
i
=∑
S<N,i|S
s!(n-s-1)!
n!
×
[v(SU{i})-v(S)],i=1,L,N(1) 其中,S表示股东集合N的子集,v(x)为特征函数,当x 的投票权大于50%时,v(x)=1,否则为零。

但是,上述方法存在一定的缺陷,如第一种方法的测度变量是各个大股东的持股比例的线性组合,无法有效刻画大股东之间的交互作用,且关注的是大股东的相对持股量,忽视了绝对持股量,容易产生偏误;而第二种方法虽然克服了第一类方法的缺陷,但股东集合N往往只包含了数量非常有限的几个大股东,忽略了小股东的股权份额,虽然达到了简化计算的目的,但其致命缺陷在于结果不具备Shapley2 Shubik指数的完备性特征,同时由于各个上市公司大股东持股比例并不完全相同,不同样本的Shapley2Shubik指数也不具有可比性。

遗憾的是,将全部股东持股数据用于第二类方法的计算也是不可行的,因为在n比较大的时候,其计算是相当繁杂和低效率的[9],且在现实中,流动性很强的小股东不仅人数众多,每位小股东的持股数量也频繁变动,难以获得有效且完整的数据;更为重要的是,小股东一方面出于“搭便车”的动机常常放弃自己的投票权,另一方面由于持股比例
—
3
2
1
—
V ol122,N o12管　理　工　程　学　报2008年第2期
非常低,彼此之间互不相识且数量众多,难以相互协调,产生共谋行为,在股东博弈中,其施加影响的方式和潜在影响能力与大股东有着显著的差异,应当区别对待。

Milnor 与Shapley 所建立的海洋博弈(Oceanic G ames )模型
利用合作博弈理论准确刻画股东之间的交互作用关系,对大、小股东在博弈中的角色进行了差别处理,克服了上述两类方法的缺陷,逐步为学术界所重视,在相关研究中也得到了越来越多的运用[10～13],因此本文将采用基于海洋博弈模型Shapley 指数来测度股权制衡度与集中度。

海洋博弈将数量众多的小股东看作连续区间[0,1]中的点,并作为一个整体来处理,形似“海洋”,单个小股东则不予考虑;将大股东看作一个由有限个质点组成的集合M ,服从于均匀分布,随机排列于小股东组成的区间中,股东i ∈M 的Shapley 指数是指在这一随机排列中,股东i 成为关键者①
(piv otal )的概率:
φi =prob {w (P (x i ))+αx i ≤015
≤w (P (x i ))+w i +αx i }
(2)
其中,x i 代表股东i 在区间中的排列位置,w (P (x i ))代表排列于股东i 之前的大股东的投票权之和,w i 代表股东i 的投票权,α表示全体小股东所拥有的投票权之和。

“海洋”的Shapley 指数Φ将作为一整体度量,且满足:Φ+
∑
i ∈M
φi
=
1。

由于我国上市公司的股权结构相对集中,通常第十大股东的持股比例已经非常之小,因此,我们假设持股比例位于前十位的股东为大股东②,其他股份由小股东组成的“海洋”所拥有。

由于直接计算Shapley 指数将耗费大量的计算资源③,因此我们采用蒙特卡罗方法,对每一个样本公司分别按照(2)式进行10000次模拟,计算各个大股东和“海洋”的
Shapley 指数。

由于Shapley 指数建立在合作博弈模型基础之上,其本身已经包含了股东之间的交互作用关系,而且我国上市公司中,第一大股东的持股比例通常较高,因此,本文选用第一大股东的Shapley 指数(SH 1)来表示第一大股东对上市公司的实际控制力,并用海洋的Shapley 指数(Shoc )、其他大股东的
Shapley 指数总和与第一大股东Shapley 指数的比值(SHrt )来
表示股权制衡度。

一般来说,Shoc ,SHrt 的数值越大,股权制衡度越高,股权集中度越低。

212　门槛面板模型(Threshold P anel Model)
本文的数据是截面单位较多而时期较少的典型面板数据,因此本文选择面板数据的计量经济模型进行回归分析,经假设检验,本文数据适用于固定效应模型。

同时,根据前
面的理论分析,由于股权集中度与制衡度对公司价值及大股东的非效率投资行为的影响呈现出非线性趋势,表现出区间效应,因此,为了避免人为划分股权集中度与制衡区间所带来的主观性与潜在偏误,我们采用Hansen 发展的门槛面板模型[15,16],根据数据本身的特点内生地划分区间,进而研究不同股权集中度与制衡度对公司非效率投资行为的影响。

我们将选用SH 1作为门槛变量,而将股权制衡变量Shoc 或
SHrt 作为控制变量纳入模型。

表1　回归分析变量说明变量
说明
被解释变量
I i ,t ΠK i ,t -1
投资与资本存量的比值,投资I =
资本品投资(固定资产原价、工程物质与在建工程)的年度变化值,资本存量K =期初固定资产原价。

解释变量
Q i ,t
CF i ,t
K i ,t -1
I (・
)是表示公司投资机会的T obin 2Q 与CF i ,t ΠK i ,t -1的交叉项,CF i ,t 表示现金流量,取公司本期的经营现金净流量。

I (・
)为示性函数,当括号中的条件满足是,函数值为1,否则为零。

控制变量x i ,t Lev i ,t -1
公司资产负债率的滞后变量。

Crk i ,t -1公司主营业务收益与资本存量的比值的滞后变量。

Q i ,t
公司价值,T obin 2Q 。

CF i ,t ΠK i ,t -1公司本期经营净现金流量与资本存量K 的比值。

SHoc i ,t 海洋的Shapley 指数。

SHrt i ,t
其他大股东的Shapley 指数之和与第一大股东的Shapley 指数的比值。

门槛变量
SH 1
第一大股东的Shapley 指数,表示大股东对上市公司的实际控制度,也显示了第一大股东受到其他股东制衡的状况。

其中,γ为特定的门槛值。

a i
固定效应
代表了未能包含在模型中的样本个体特征
根据对样本划分组数的差异,门槛面板模型可以分为单一门槛面板模型和多门槛面板模型。

前述对股权集中度、制衡度对企业非效率投资行为影响的分析表明:非效率投资行为,尤其是过度投资行为,随着股权集中度的提高呈现出先减弱,再增强,最后又减弱这样一种非线性趋势,因此我们采取双门槛模型。

我们对V ogt [17]的模型做了相应的改进,在公司价值与内部现金流的交叉项引入了表征门槛区间效应的
示性函数I (・
),V ogt 认为,交叉项的系数实际为投资对公司价值和内部现金流的二阶偏导数,当其为正时,表明结论支
—
421—安　灵等:股权制衡、终极所有权性质与上市企业非效率投资
①②③如何简化Shapley 指数的计算问题,一直为理论界所困惑。

一般来说,在本例中,计算每一位大股东的Shapley 指数需要210次,无疑,对
大样本研究而言,其计算规模将是十分庞大的。

我们并没有确定划分大股东与小股东的持股比例的严格界限,而将前十大股东全部作为大股东来处理。

这样做可以充分利用我们所
能获取的股权数据,而且,由于第十大股东的持股比例往往已经非常之小(在我们的样本中,第十大股东的平均持股比例为010020,最大持股比例也仅有01025),由此所带来的误差也是十分小的。

所谓关键者(Piv otal ),即指该股东的排列位置处在这样一种特殊地位:排在其前面的股东的投票权之和小于50%,但加上该股东的投
票权后,则超过50%。

持啄食顺序理论,存在投资不足行为;而交叉项系数为负时,结论支持自由现金流理论,存在过度投资行为,因此,改进后的交叉项系数符号将作为非效率投资行为的判别标志。

设立的双门槛面板模型如下:
I i ,t K i ,t -1=β0+θx i ,t +β1Q i ,t CF i ,t
K i ,t -1
I (SH 1≤γ1)+β2Q i ,t CF i ,t
K i ,t -1
I (γ1<SH 1≤γ2)+β3Q i ,t
CF i ,t
K i ,t -1
I (γ2<SH 1)+a i +εit
(3)
本文采用Arellano 和Bover 提供的均值差分法消除固定效应,即对模型(3)的任意变量x i ,t ,令x 3
i ,t =x i ,t -1T
∑T t =1
x
i ,t
,则模型(3)可以表示为:
I i ,t K i ,t -1=θx 3
i ,t +β1Q i ,t CF 3
i ,t K i ,t -1
I (SH 1≤γ1)+β2Q i ,t CF 3
i ,t
K i ,t -1
I (γ1<SH 1≤γ2)+β3Q i ,t
CF 3
i ,t
K i ,t -1
I (γ2<SH 1)+εit
(4)
令(4)式的残差平方和为S 2(γ1,γ2)=e 3(γ1,γ2)′e 3(γ1,γ2),e 3
(γ1,γ2)为残差向量。

因此,最优门槛值( γ
1, γ2)即是使得回归残差平方和最小的γ1,γ2:
( γ1, γ2)=arg min γ1
,γ
2
S 2(γ1,γ2)
(5)
对于门槛值γ的估计值( γ1, γ2),需要进行两方面的检验:一是门槛效应的显著性检验,即H 0:β1=β2=β3;二是检验门槛值是否等于其真实值,即H 0: γ=γ0。

对于第一个检验,我们采用Hansen 提供的检验统计量:
F =(S 0-S 2( γ1, γ2))Π^
σ2
其中,S 0是在无约束条件下得到的残差平方和,^σ2
=S 2
( γ1, γ2)Πn (T -1),由于上述F 统计量的分布是非标准的,Hansen 建议使用自抽样法(bootstrap procedure )获取其渐进分
布。

对于第二个检验,其相应的似然比统计检验量为:
LR 1(γ1)=(S 1(γ1,
γ2)-S 1( γ1, γ2))Π^σ2
Hansen 指出,当LR 1(γ1)<c (α)时,不能拒绝原假设,其中,c (α
)=-2log (1-1-α),α表示显著水平。

3　样本选取及初步分析
311　样本选取与数据来源
本研究的样本期间为2001～2005年,选择过程如下:首先由于刚上市的上市公司财务数据稳定性较差,因而我们选择了上市3年以上的上市公司,即在1998年及其之前上市的上市公司;然后剔除了金融行业上市公司以及PT 的上市公司。

经过上述操作以后,研究样本包括了769家上市公司
(深市368家,沪市401家)在2001～2005年的3845个年度观
测值,由于回归分析需要使用滞后变量,模型最后包括了
2002～2005年共3076个观测值,其中,585个为中央直属上
市公司,1730个由地方政府(省级870个,县市级860个)控股,681个为私有产权控股。

表2　门槛变量及其置信区间估计值
样本序数
置信区间(95%)
γ10138391006(013713,014065)γ2
017742
1825
(017516,017968)
本文的股权结构数据与财务数据均来自中国经济研究中心提供的色诺芬数据库,统计分析和相关程序编写分别采用了S tata810和Matlab 615完成。

312　门槛面板模型的检验
我们按照Hansen 所提供的方法,对双门槛模型的门槛效应的显著性检验结果显示,F 值为523113,对应的P 2value 为
01000,表明双门槛模型的门槛效应非常显著。

对双门槛模型而言,两个门槛的估计值及其置信区间如表2所示,两个门槛的估计值分别为:013839和017742,其样本序数①分别为1006和1825。

我们根据上述两个门槛值将
样本按照SH 1的大小分为三组:
表3　双门槛分组下的股权集中度与
制衡状况的描述性统计
观察样本数
SH 1
SH 2
SHoc
SHrt
Cor (I ΠK ,Q 3CF ΠK )
第一组1006012790(012866)011318(011382)014391(014349)111031
(110114)01242333第二组819015398(015297)010505(010381)013374(013356)012612(011948)-01828333第三组
1251
019747(1)010007(010000)010220(010000)010039(010000)
-01050
注:SH 1,SH 2分别表示第一大股东和第二大股东的Shapley 指数,Cor
(I ΠK ,Q 3CF ΠK )表示投资规模与交叉项的相关系数,括号内的数据
为中值,括号上为均值,3表示在10%的水平上显著,33表示在5%的水平上显著,333表示在1%的水平上显著。

表3是按照双门槛分组的描述性统计,从中可以发现:第一组的第一大股东的平均Shapley 指数为012790,显示第一大股东对公司虽有一定的实际控制力,但其控制力较弱,而且SH 2,SHoc ,SHrt 相对较高,尤其是SHrt 均值为111031,表明第一大股东对上市公司的控制力与其他股东的控制力相当,受到其他股东的制衡度较高;第二组第一大股东的平均
Shapley 指数为015398,而SH 2,SHrt 相对较小,对第一大股东
虽能起到一定的制衡,但非常微弱,显示出第二组的第一大股东拥有的实际控制力较大,而且受到其他股东的制衡度较低;第三组的第一大股东的Shapley 指数为019747,接近于1,且中值为1,而其他股东实际拥有的控制力几乎为0,股权制衡度也接近于0,可见这一组的第一大股东完全拥有了公司的控制权,是绝对的控股股东。

表3的第7列显示了投资规模与交叉项的相关系数,在制衡组与非制衡组的相关系数分别为01242和-01828,且均
—
521—V ol 122,N o 12
管　理　工　程　学　报
2008年第2期
①样本序数是指将样本按照第一大股东的Shapley 指数按照升序排列,门槛值的所在位置。

在1%的水平上显著,似乎显示出制衡组与非制衡组分别存在投资不足与过度投资的非效率投资行为,而绝对控股组,投资规模与交叉项的相关系数虽然为负,但不显著,表明过
度投资因股权集中度的进一步提高而逐渐减弱。

当然,这只是基于描述性统计的初步结论,还有待面板模型回归结论的进一步验证。

表4　全样本的回归分析结果
被解释变量
I i ,t ΠK i ,t -1
模型Ⅰ(全样本)
模型Ⅱ———门槛面板模型
系数
t
VIF 系数
t VIF Lev i ,t -1-010257-0153-11002-01015-0134511003Crk i ,t -10100753333133-11335010063332183311286CF i ,t ΠK i ,t -1-0100853-1189-11353-01062333-7140861157Q i ,t -010014-0127-1100101002
01333
11004
SH 101319533
-2117
-11012
SHrt i ,t
-011143-1185011012Q ×CF ΠK (SH 1≤013839)010263336148521090Q ×CF ΠK (013839<SH 1≤01772)-01169333-23183921070Q ×CF ΠK (01772<SH 1)-01004
-11125
21100
F 8160333881963333Adj -R 20101501205D -W
21140
21181
4　实证分析结果
411　股权制衡与非效率投资行为
我们按照式(4)所示的双门槛面板模型,对股权集中度与制衡度与非效率投资行为的关系进行了检验,结果如表4所示。

由回归结果可见,各系数的方差膨胀因子小于10,解释变量的多重共线性比较弱,而D 2W 值也在2的附近,因此,残差不存在序列相关性。

模型Ⅰ为全样本的均值差分O LS 模型,由于交叉项的引入会带来严重的多重共线性,因而模型Ⅰ的解释变量没有包含交叉项。

结果显示,现金流项系数为负,且在10%的水平上显著,可见我国上市公司的投资行为在总体上对内部现金流的敏感性很低,而第一大股东的
Shapley 指数SH 1系数在5%的水平上显著为正,表明公司的
投资规模与第一大股东对上市公司的实际控制力之间存在显著的正相关关系,从一个侧面表明,控制权私有收益的存在的确会驱使大股东扩大投资规模,控制更大规模的资源,为其在时间上和空间上分配相关资源,获取控制权私有收益创造有利条件。

门槛面板回归模型(模型Ⅱ
)的回归结果显示:股权制衡度变量SHrt i ,t 与投资规模在10%的水平上显著负相关,假设
2得到验证。

门槛变量的引入,克服了V ogt 模型中引入交叉
项所带来的较为严重的多重共线性问题,三个门槛变量的系数有着显著差异,表明非效率投资行为与股权集中度表现出区间效应,假设1得到验证,具体而言:Q ×CF ΠK (SH 1≤
013839)系数显著为正,表明过高的股权制衡度会导致投资不
足的问题,我们认为,其原因在于高度的股权制衡度在抑制大股东追求控制权私有收益的自利行为的同时,也会带来效率的损失,企业可能因股东之间过度的控制权争夺和讨价还价造成决策的低效率,从而无法实施一部分净现金流现值为正的投资项目,导致投资不足;Q ×CF ΠK (013839<SH 1≤
01772)系数显著为负,意味着在第一大股东对上市公司拥有
一定的控制力,且没有其他股东的有效制衡的条件下,第一大股东会以牺牲其他股东利益为代价,构建更大规模的控制性资源,导致过度投资,这正是“堑壕效应”的表现,而Q ×
CF ΠK (01772<SH 1)的系数虽然也为负,但是并不显著,且其
绝对值大大小于Q ×CF ΠK (013839<SH 1≤01772)的系数(系数差异的显著性检验①t =20194),说明虽然第一大股东对公司的控制力得到了进一步的强化,但是,由于其控制力的增强来源于持股比例的增加,导致其与其他股东利益的一致性程度增大,获取控制权私有收益的成本也增大了,因而,基于自利目的的过度投资行为得到了节制,但是,这与股权制衡组的机理是不同的,股权制衡组是由于其他股东的制衡使得过度投资得到抑制,具有外生性,而后者是控股股东出于自身利益而减小投资规模,具有内生性,因此,我们分别使用“抑制”与“节制”以示区别。

412　终极所有权性质与非效率投资行为
前一部分分析了不同所有权集中度、制衡度与上市公司非效率投资行为的关系,本部分我们按照终极所有权性质的不同,将样本分为四组:中央直属国有企业、省级政府直属国
—
621—安　灵等:股权制衡、终极所有权性质与上市企业非效率投资
①对同一回归方程的系数差异是否显著,我们采用统计量t =(β1-β2)ΠSe (β1)2+Se (β2)2
-2S 12,参见W
ooldridge :《计量经济学导论:现代观点》。