• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      信息披露考評(píng)對(duì)銀行借款成本的影響研究

      2016-06-17 09:17姚彥梅
      2016年15期
      關(guān)鍵詞:銀行借款回歸系數(shù)負(fù)相關(guān)

      姚彥梅

      一、研究背景及意義

      在我國(guó),公司每年新增加的外部融資結(jié)構(gòu)中,本外幣借款占據(jù)非常大的比例。企業(yè)的債務(wù)融資主要依賴(lài)于銀行貸款??梢?jiàn),借款是我國(guó)外部融資中最主要的融資方式,而公司的借款大部分是從銀行借入的,因此,銀行借款對(duì)公司融資來(lái)說(shuō)具有十分重要的作用。探討信息披露考評(píng)對(duì)上市公司銀行借款成本的影響,研究結(jié)論可以為二者之間的關(guān)系提供理論證據(jù),可以為銀企間的信貸決策提供理論依據(jù)和經(jīng)驗(yàn)數(shù)據(jù)。使管理層主動(dòng)尋求提高信息質(zhì)量的有效途徑來(lái)降低上市公司的融資成本。

      二、理論分析與研究假設(shè)

      (一)理論分析

      1、信息披露考評(píng)。信息披露考評(píng)是深圳證券交易所為了加強(qiáng)上市公司信息披露監(jiān)管,督促上市公司及相關(guān)信息披露義務(wù)人加強(qiáng)信息披露工作,提高信息披露質(zhì)量水平,對(duì)上市公司信息披露進(jìn)行整體評(píng)價(jià)的監(jiān)管活動(dòng)。

      2、銀行借款成本。銀行借款成本是指公司使用銀行借款需付出的代價(jià),具體說(shuō),銀行借款成本是指利息支出及支付的各種費(fèi)用減去少交的所得稅差額。計(jì)算公式:銀行借款成本=(借款額×利息率+籌措費(fèi)用)×(1-所得稅率)。

      3、信息不對(duì)稱(chēng)理論。是指交易雙方對(duì)彼此的信息掌握和了解程度不同,即信息在交易主體之間的分布不均勻。一般來(lái)講,信息不對(duì)稱(chēng)有主要表現(xiàn)在四個(gè)方面:信息來(lái)源上不對(duì)稱(chēng)、信息數(shù)量上不對(duì)稱(chēng)、信息質(zhì)量上不對(duì)稱(chēng)、信息時(shí)間上不對(duì)稱(chēng)。

      (二)研究假設(shè)

      根據(jù)以上理論分析提出本文的兩個(gè)假設(shè)。

      假設(shè)1:在控制其他條件的前提下,信息披露考評(píng)與其銀行借款成本之間存在顯著的負(fù)相關(guān)關(guān)系,即信息披露考評(píng)等級(jí)越高,其銀行借款成本越低。

      假設(shè)2:在控制其他條件的前提下,與民營(yíng)性質(zhì)的上市公司相比,在國(guó)有性質(zhì)的上市公司中深交所的信息披露考評(píng)與銀行借款成本之間存在負(fù)相關(guān)關(guān)系會(huì)有所減弱。

      三、研究設(shè)計(jì)

      (一)樣本選取和數(shù)據(jù)來(lái)源

      本文選取2007——2012年在深圳交易所上市的A股非金融類(lèi)上市公司為研究樣本。上市公司信息披露考評(píng)是通過(guò)深圳證券交易所網(wǎng)站的信息披露中的誠(chéng)信檔案進(jìn)行搜集的,上市公司其他相關(guān)變量的搜集主要通過(guò)銳思數(shù)據(jù)庫(kù)(RESSET)網(wǎng)站獲取。

      (二)變量定義與模型構(gòu)建

      1、變量定義。被解釋變量是上市公司銀行借款成本(Rate)。公司借款成本包括長(zhǎng)期借款成本和短期借款成本,本文僅從銀行長(zhǎng)期借款角度出發(fā)進(jìn)行研究。銀行長(zhǎng)期借款成本是上市公司當(dāng)年新增加的銀行長(zhǎng)期借款加權(quán)平均成本水平。解釋變量是信息披露考評(píng)(Infor)。深交所將信息披露考核結(jié)果分為四個(gè)等級(jí)予以公布??刂谱兞?,在借鑒國(guó)內(nèi)外相關(guān)研究文獻(xiàn)的基礎(chǔ)上,本文還控制了以下變量,包括:產(chǎn)權(quán)性質(zhì)(State)、公司規(guī)模(Size)、資產(chǎn)負(fù)債率(Lev)、資產(chǎn)收益率(Roa)、自由現(xiàn)金流量(Fcf)、有形資產(chǎn)比率(Tang)、公司成長(zhǎng)率(Growth)、審計(jì)意見(jiàn)(Audit)、借款基準(zhǔn)利率(Prime)、其他外部融資(Exfu)、行業(yè)類(lèi)型(Ind)、年度(Year)。

      2、模型構(gòu)建。為了檢驗(yàn)信息披露考評(píng)與銀行借款成本之間的關(guān)系,論文構(gòu)建了如下的模型:

      四、實(shí)證檢驗(yàn)與結(jié)果分析

      (一)變量描述性統(tǒng)計(jì)分析

      樣本公司銀行借款成本(Rate)的均值為6.06%,這與我國(guó)同期中國(guó)人民銀行公布的借款基準(zhǔn)利率(Prime)的平均值6.32%相比還低了0.26%,說(shuō)明我國(guó)上市公司銀行借款平均所負(fù)擔(dān)的成本還是比較輕的。但是,銀行借款成本的最小值為2.5%,最大值為10.77%,說(shuō)明不同上市公司的銀行借款成本差異較大。信息披露考評(píng)(Infor)的平均值為3.94,說(shuō)明上市公司信息質(zhì)量的等級(jí)均處于中等水平。在公司的現(xiàn)金流量方面,自由現(xiàn)金流量的平均值為4.76%,與最小值和最大值差距較大;在公司的資產(chǎn)結(jié)構(gòu)中,固定資產(chǎn)占總資產(chǎn)的比例也有很大的差距;在公司的成長(zhǎng)方面,差距更是大得驚人,可見(jiàn)自由現(xiàn)金流量(Fcf)、有形資產(chǎn)比例(Tang)和公司成長(zhǎng)率(Growth)這三個(gè)指標(biāo)對(duì)本文的研究有很大的影響作用,必須在研究過(guò)程中加以充分考慮。

      (二)相關(guān)性分析

      為了研究信息披露考評(píng)與銀行借款成本之間的關(guān)系,本文對(duì)主要變量進(jìn)行相關(guān)性分析。本文分別采用Pearson和Spearman兩種相關(guān)性分析方法來(lái)檢驗(yàn)?zāi)P椭凶兞恐g的相關(guān)性關(guān)系。結(jié)果表明,Infor與Rate在1%的水平上顯著為負(fù),說(shuō)明信息披露等級(jí)越高,銀行借款成本越低,初步驗(yàn)證了假設(shè)一的正確性。從控制變量與銀行借款成本的系數(shù)來(lái)看,Rate與State在5%的水平上顯著為負(fù),國(guó)有性質(zhì)的上市公司銀行借款成本比民營(yíng)性質(zhì)的上市公司銀行借款成本低;Rate與FCF在1%的水平上顯著為負(fù),說(shuō)明上市公司自由現(xiàn)金流量越多,銀行借款成本低;Rate與Tang在1%的水平上顯著為負(fù),說(shuō)明上市公司固定資產(chǎn)比例越高,銀行借款成本低。從觀察各個(gè)變量之間的相關(guān)性關(guān)系,可以發(fā)現(xiàn),變量間的顯著性水平較高,各變量之間的相關(guān)性比較弱,進(jìn)而表明,本文模型中的各個(gè)變量之間不存在嚴(yán)重的多重共線性,不會(huì)對(duì)回歸分析的結(jié)果產(chǎn)生影響。

      (三)回歸結(jié)果和分析

      信息披露考評(píng)對(duì)銀行借款成本的影響?;貧w結(jié)果說(shuō)明,信息披露考評(píng)(Infor)的回歸系數(shù)為-0.117,并且在5%的水平上顯著負(fù)相關(guān)。從控制了相關(guān)變量的回歸結(jié)果來(lái)分析,公司規(guī)模(Size)的回歸系數(shù)在1%的水平上顯著為負(fù);自由現(xiàn)金流量(Fcf)的回歸系數(shù)在1%的水平上顯著為負(fù)?;貧w結(jié)果表明,信息披露考評(píng)與銀行借款成本之間存在顯著負(fù)相關(guān)關(guān)系。假設(shè)一得到了驗(yàn)證。

      上市公司實(shí)際控制人不同時(shí),信息披露考評(píng)對(duì)銀行借款成本的影響。在國(guó)有性質(zhì)的上市公司中,信息披露考評(píng)的回歸系數(shù)為0.041,并且不存在顯著性關(guān)系。調(diào)整后的R2值為32.7%,說(shuō)明擬合度較好;F值為12.198,且顯著為正,D-W值為2.066接近2,說(shuō)明不存在自相關(guān)問(wèn)題;VIF值均小5.5,說(shuō)明沒(méi)有共線性。在民營(yíng)性質(zhì)的上市公司中,信息披露考評(píng)(Infor)的回歸系數(shù)為-0.309,并且在1%的水平上顯著負(fù)相關(guān)。調(diào)整后的R2值為48.3%,說(shuō)明擬合度較好;F值為14.053,且顯著為正,D-W值為2.005接近2,說(shuō)明不存在自相關(guān)問(wèn)題;VIF值均小于4.5,說(shuō)明沒(méi)有共線性。假設(shè)二得到了驗(yàn)證。

      (四)穩(wěn)健性檢驗(yàn)

      論文采用Tobit回歸分析方法重新對(duì)樣本數(shù)據(jù)進(jìn)行回歸分析,可以消除因單一使用多元線性回歸分析方法影響研究結(jié)果的可靠性的弊端。

      在國(guó)有企業(yè)樣本(State=1)的回歸分析結(jié)果中可以看出,信息披露考評(píng)(Infor)的系數(shù)為0.04,且信息披露考評(píng)與銀行借款成本之間不存在顯著性的關(guān)系;在民營(yíng)企業(yè)樣本(State=0)的回歸分析結(jié)果中可以看出,信息披露考評(píng)(Infor)的系數(shù)為-0.31,且信息披露考評(píng)與銀行借款成本在1%的水平上顯著負(fù)相關(guān)。以上實(shí)證結(jié)果表明,與民營(yíng)性質(zhì)的上市公司相比,國(guó)有性質(zhì)的上市公司在外部銀行借款融資過(guò)程中信息披露考評(píng)所扮演著角色不是很重要,在降低銀行借款成本方面的作用不大。進(jìn)一步支持了假設(shè)二。通過(guò)上述敏感性測(cè)試發(fā)現(xiàn),本文的研究結(jié)論是穩(wěn)健的。

      五、實(shí)證研究結(jié)論與政策建議

      (一)實(shí)證研究結(jié)論

      1、上市公司較高等級(jí)的信息披露考評(píng)可以降低其銀行借款成本;

      2、在國(guó)有上市公司中信息披露考評(píng)與銀行借款成本之間不存在顯著性關(guān)系,在民營(yíng)性質(zhì)的上市公司的信息披露考評(píng)與銀行借款成本之間存在顯著負(fù)相關(guān)關(guān)系。

      (二)政策建議

      1、進(jìn)一步完善信息披露考評(píng)體系;2、擴(kuò)大信息披露考評(píng)的社會(huì)影響;3、弱化國(guó)有上市公司行政化運(yùn)行模式。(作者單位:天津財(cái)經(jīng)大學(xué))

      猜你喜歡
      銀行借款回歸系數(shù)負(fù)相關(guān)
      N-末端腦鈉肽前體與糖尿病及糖尿病相關(guān)并發(fā)癥呈負(fù)相關(guān)
      多元線性回歸的估值漂移及其判定方法
      多元線性模型中回歸系數(shù)矩陣的可估函數(shù)和協(xié)方差陣的同時(shí)Bayes估計(jì)及優(yōu)良性
      更 正
      翻譯心理與文本質(zhì)量的相關(guān)性探析
      On Commuting Graph of Group Ring ZnS3?
      张家界市| 太谷县| 尼木县| 瑞丽市| 铜鼓县| 新密市| 南漳县| 金沙县| 修水县| 横山县| 察哈| 化州市| 青川县| 乌拉特前旗| 临城县| 呼图壁县| 盱眙县| 嘉鱼县| 泸西县| 新巴尔虎左旗| 梨树县| 江阴市| 塘沽区| 株洲县| 明水县| 信丰县| 宁海县| 南开区| 太谷县| 确山县| 大新县| 于都县| 稷山县| 绥江县| 上虞市| 依兰县| 彭水| 洮南市| 张家界市| 庄浪县| 济源市|