摘 要：文章以2009年到2011年在滬深兩市上市的汽車整車企業(yè)為研究對象，通過回歸分析，探討政府的產(chǎn)業(yè)政策對汽車行業(yè)財務風險的影響程度。研究表明，積極的政府產(chǎn)業(yè)政策對汽車行業(yè)的發(fā)展有著顯著的促進作用，能夠減少汽車行業(yè)的財務風險，提高汽車產(chǎn)業(yè)抵御風險的能力。

關鍵詞：政府政策 汽車行業(yè) 財務風險 回歸分析

中圖分類號：F407 文獻標識碼：A

文章編號：1004-4914（2013）03-021-02

一、引言

汽車行業(yè)作為國民經(jīng)濟的支柱產(chǎn)業(yè)，在國民經(jīng)濟發(fā)展中起著舉足輕重的作用，同樣，國家宏觀經(jīng)濟形式和宏觀經(jīng)濟政策的變化，也會對汽車產(chǎn)業(yè)的發(fā)展產(chǎn)生重要影響。為了應付全球金融危機對我國汽車產(chǎn)業(yè)的影響，國家發(fā)改委和工信部出臺了一系列的鼓勵政策，其中最主要的市場調控政策是對汽車購置稅的優(yōu)惠，從2009年1月1日到2011年12月31日，政府對汽車購置稅作了三次重要調整：2009年汽車購置稅率優(yōu)惠50%，即汽車購置稅率從10%優(yōu)惠至5%；2010年優(yōu)惠75%，即從10%優(yōu)惠至7.5%；2011年隨著經(jīng)濟形勢的好轉，汽車購置稅率恢復至10%。

雖然車輛購置稅優(yōu)惠只是針對1.6L排量及其以下排量的小汽車，但是，由于我國1.6L及其以下排量的小汽車的消費在汽車行業(yè)中占有重要地位，政府宏觀政策的變化必然會對汽車企業(yè)的管理決策和汽車行業(yè)的發(fā)展產(chǎn)生重要的影響。

基于上述研究背景，本文從政府產(chǎn)業(yè)政策視角出發(fā)，選取政府產(chǎn)業(yè)政策為典型變量，采用SPSS統(tǒng)計軟件進行統(tǒng)計分析，研究其對汽車行業(yè)財務風險的影響。本文的研究意義在于：為深入分析汽車行業(yè)財務風險的產(chǎn)生根源提供進一步的理論支持，通過實證研究來探討政府宏觀經(jīng)濟政策與汽車企業(yè)財務風險的關系。此外，通過本文的實證研究，期望為實務界提供新的參考依據(jù)，以提高汽車行業(yè)應對政策變化的能力，降低財務風險。

二、研究假設

（一）變量設計

1.被解釋變量。國內外對公司財務風險衡量指標的研究主要基于以下三類：（1）以某個具體財務指標的波動來衡量；（2）構建財務預警模型；（3）市場風險測度方法（VAR）。鑒于我國證券市場發(fā)展時間短，還有待完善，國內學者大多采用第二種方法，即通過構建各種財務預警模型來測度公司財務風險。其中，Altman建立的Z指數(shù)模型是目前較為流行的用于預測企業(yè)破產(chǎn)的一個多變量財務風險預警模型。該模型使用22個財務比率，經(jīng)過統(tǒng)計篩選，建立了著名的Z-score模型。該模型通過加權匯總，計算財務風險總判別值，從而判斷公司財務風險的大小，是評價公司財務風險的經(jīng)典模型。

因此，本文采用Altman的Z-score模型來衡量公司財務風險，其具體計算公式為：

Z=1.2×（營運資金/資產(chǎn)總額）+1.4×（留存收益/資產(chǎn)總額）+3.3×（息稅前利潤/資產(chǎn)總額）+0.6×（股票市價總額/負債賬面價值總額）+0.999×（銷售收入/資產(chǎn)總額）……（公式1）

Z值越小，表示公司的財務風險越大，破產(chǎn)可能性也越大，財務危機也就越嚴重；反之，則表明公司財務風險越小。Altman教授的研究結果顯示：如果Z值大于2.99，表明公司的財務狀況良好，出現(xiàn)破產(chǎn)的概率非常??；如果Z值小于1.81，表明公司存在很大的破產(chǎn)危險，財務危機很嚴重；如果Z值位于1.81～2.99之間，則公司財務狀況處于“灰色地帶”，財務狀況不明晰，應引起足夠重視。

2.解釋變量。本文的解釋變量用政府產(chǎn)業(yè)政策對汽車行業(yè)的鼓勵程度（GP）來表示。GP的取值區(qū)間為0～1。當政府產(chǎn)業(yè)政策對汽車行業(yè)不具有鼓勵效用時，GP=0；當政府產(chǎn)業(yè)政策對汽車行業(yè)具有明顯的鼓勵效用時，GP=1。

引言中2009年1月1日到2011年12月31日政府對汽車購置稅的三次重要調整表明，汽車購置稅優(yōu)惠程度集中體現(xiàn)了政府產(chǎn)業(yè)政策對汽車行業(yè)的鼓勵程度。因此，下文以汽車購置稅的優(yōu)惠程度來衡量GP值的大小，2009年GP=1，2010年GP=0.5，2011年GP=0。

3.控制變量。本文在借鑒前人研究的基礎上，選擇以下變量作為研究公司財務風險的控制變量。（1）公司規(guī)模（S）。用公司期末總資產(chǎn)的自然對數(shù)來表示，即LN（期末總資產(chǎn)）。（2）資產(chǎn)負債率（L）。資產(chǎn)負債率反映公司的負債比例，L=負債/資產(chǎn)。（3）資產(chǎn)期限結構（A）。用公司固定資產(chǎn)占總資產(chǎn)的比例來衡量，A=期末固定資產(chǎn)/期末總資產(chǎn)。（4）盈利能力（ROA）。盈利能力在一定程度上反映了公司抵御財務風險的能力，ROA=2*凈利潤/（期初總資產(chǎn)+期末總資產(chǎn)）。（5）成長性（G）。用主營業(yè)務收入的增長率來表示公司成長性，G=（本期主營業(yè)務收入-上期主營業(yè)務收入）/上期主營業(yè)務收入。將變量設計中的各變量匯總如表1所示。

（二）研究假設

根據(jù)Altman的Z-score模型，本文假設，政府產(chǎn)業(yè)政策與汽車企業(yè)財務風險存在某種線性相關性，用以下公式表示：Zi =β0+β1*GPi+β2*Si+β3*Li+β4*Ai+β5*ROAi+β6*Gi+δi……（公式2）

其中，β0為常量，β1、β2、β3、β4、β5、β6為各變量的系數(shù)，δi是殘差項，反映了除各變量之外的其他因素對Z值的影響。

在計算各Zi值時，本文采用了Z-score模型即公式1。

三、變量的相關性分析

為了檢驗本文對于變量的選取是否合理，首先采用SPSS統(tǒng)計軟件對各變量進行相關性分析。各變量的相關性分析如表2所示。

相關性分析結果顯示，政府政策（GP）值與財務風險（Z）值呈正相關關系，說明政府政策與公司財務風險負相關。其它控制變量與公司財務風險均呈顯著的相關關系，說明本文對于控制變量的選取是合理的。

公式2中所涉及到的各自變量之間的相關系數(shù)，絕對值最大的是S（公司規(guī)模）與A（資產(chǎn)期限結構），其絕對值為0.486，小于0.6，說明自變量之間的相關性一般。因此，公式2中各自變量之間呈現(xiàn)一種弱相關關系。

因此，公式2中基本不會存在多重共線性問題，可以放入同一個公式中進行回歸分析。

四、多元回歸分析

為了進一步研究政府產(chǎn)業(yè)政策對汽車行業(yè)財務風險的影響，在以上相關性分析的基礎上，本文采用SPSS統(tǒng)計軟件對各變量進行回歸分析。

殘差項δ的回歸分析結果如表3所示。從表3可以看出公式2中的D.W值在2附近，即殘差項δ服從正態(tài)分布，不存在自相關關系。

為了檢驗公式2是否具有顯著性，采用方差分析（Analysis of Variance，簡稱ANOVA）。方差分析的結果如表4所示。從檢驗結果的F值來看，各模型均在5%的顯著性水平上顯著，且模型對因變量的解釋能力在60%以上，說明公式2的總體擬合程度比較高。從表4可以看出F值為6.388，大于a=0.05下的臨界值2.70，回歸方程（公式2）顯著性明顯。

為了檢驗公式2中的變量是否具有顯著性，采用t檢驗（Student's t test）。t檢驗的結果如表5所示。從表5可以看出，政府產(chǎn)業(yè)政策（GP）的t檢驗量為2.081，大于在a=0.05下的臨界值1.7196，表明政府產(chǎn)業(yè)政策（GP）與Z值顯著正相關，即與公司財務風險顯著負相關。

五、結論

通過以上相關性分析及多元回歸分析，我們可以得知，政府的積極經(jīng)濟政策能夠有效地減少汽車行業(yè)的財務風險，也印證了我國2009年至2011年政府對汽車購置稅三次重要調整對在深滬兩市上市的整車汽車產(chǎn)業(yè)的影響，即2009年增速46%，2010年增速32%，2011年增速3%。在宏觀經(jīng)濟不景氣的情況下，政府積極的經(jīng)濟政策可以促進汽車行業(yè)的發(fā)展，減少財務風險發(fā)生的可能性，有利于汽車產(chǎn)業(yè)的健康發(fā)展。

參考文獻：

1.嚴碧紅，馬廣奇.基于Z—Score模型的我國房地產(chǎn)業(yè)上市公司財務風險的實證分析[J].財會研究，2011（5）：37-41

2.汪東華.多元統(tǒng)計分析與SPSS應用[M].華東理工大學出版社，2011

（作者單位：東北電力大學經(jīng)濟管理學院 吉林吉林 132012）

（責編：若佳）