Logistic Tobit核心企业资信状况与供应链金融体系发展的关系— ——基于 和 回归模型的实证研究
— ——基于 Logistic和 Tobit回归模型的实证研究
魏 源264209) (山东大学,山东 威海
[摘要]供应链金融服务凭借多赢的效果给商业银行和中小企业提供众多切入的机会。随着供应链的完善、互联网技术的进步和银行业务的拓展,供应链金融服务呈现出多头发展的趋势,这种趋势使得供应链金融体系进一步形成。核心企业作为整个供应链条上牵手资金方和资产方的平台厂商,其资信状况必然会影响供应链金融体系的发展速度与形成质量。文章Logistic Tobit基于 和回归模型,探讨核心企业资信状况与供应链金融发展体系的相互关系研究,得出结论表明核心企业资信状况越好,供应链金融关系强度越高,供应链金融关系质量越好,即供应链金融体系发展越健全。Logistic Tobit [关键词]供应链金融;核心企业资信状况; 模型; 模型DOI 10 13939/ j cnki zgsc 2017 18 181 [ ]
1 引 言
我国宏观经济金融环境在近些年来发生了重大的变化。国内随着经济金融改革的逐步深入,市场变化前所未有,流动性过剩、通货膨胀、人民币贬值、自然灾害等问题给我们带来了较多的困扰,金融同业竞争也是越来越激烈,金融创新层出不穷,监管规则日趋完善、资本约束更加具有刚性,金融脱媒日趋严重,这些都悄然地改变了中小企业的生存环境与发展模式。为了适应这些变化,供应链金融模式悄然而生。
N+ 1+ M”供应链融资,实质上是 “融资模式,以1” N M “为核心,即核心厂商,向上游个供应商,向下游个供销商,推广银行或者核心企业的一揽子金融方案。供应链金融给予了中小企业全新的融资工具,这在中小企业融资难背景下,具有强大的生存空间;同时,又满足了核心企业产业转型升级的诉求,通过金融服务,变现其产业链生态系统的价值;而对于银行等资金供给方而言,由于核心企业的隐性背书,降低了向中小企业放款的风险。这种多方共赢的生态系统,正是供应链金融未来的商业价值和发展方向。
2文献综述与假设提出
2013)供应链金融在我国的发展比较晚,刘国忱 ( 认为供应链金融是以金融资本支撑产业资本,因此,构建产融联盟、提升核心企业资信状况能带动产业升级;与此同时,核心企业的资信状况又可以通过企业基本状况和企业综合实
2007)力体现出来,朱文贵 ( 的研究就得出结论:规模越大的企业,资信状况越好,越有利于供应链融资的进行。而供应链关系契约强度可以体现出供应链金融发展体系建设的
1:一方面,为此提出假设H1:
核心企业资信状况越好,供应链金融关系契约强度越高。
2011)饶品贵和姜国华 ( 的研究指出,由于“信贷歧视”以及预算软约束的存在,国有企业获得银行信贷资源的可能性更高,民营公司获得信贷的可能性则要低得多。这种融资劣势的存在,使得非国有中小企业往往更倾向于在二 级市场寻求供应链融资,因而上下游企业之间的依赖程度会进一步增加,合作频率也会相应增加,这更要求核心企业的资信状况有所提高才能满足这些融资者的需求,因而提出假2:设 H2:核心企业资信状况越好,供应链金融关系质量越高,上下游企业合作频率越高。
3研究方法设计
3 1样本与数据来源本研究使用的上市公司财务数据,第一大股东持股比CSMAR例,行业类别数据来源于国泰安 数据库;供应链融Resset)资关系强度和质量信息数据取自锐思 ( 金融数据CCER库,管理者素质等定性数据来源于色诺芬 数据库,小部分数据从中国证监会官网和供应链金融各个核心企业官网上手工搜集补充得到。考虑到供应链金融在我国出现的时间并不久,因此本研2012—究选择供应链金融体系在我国初具规模后开始,以2016 A年中国股上市公司在这期间进行的供应链融资数据2782作为研究样本。初始样本包括 个核心企业年度观测值, STATA13然后使用 软件进行缩尾处理,剔除一些极端数值, 2341最后得到个公司年度观测值的非平衡面板数据。3 2统计分析方法与变量设计2016)参照田美玉 ( 的研究,使用供应链融资关系强度和质量来衡量供应链金融体系的发展。被解释变量为核心企业进行供应链融资当年的供应链融资关系强度与质量,首Srs,先设置虚拟变量表示核心企业与上下游企业的供应链Srq融资关系强度;其次用表示核心企业与上下游企业的供Srs应链融资关系质量。由于被解释变量 的取值是离散的二元选择模型,因此对于供应链融资关系强度的统计方法选择Logistic p使用 回归模型检验,具体如下: (其中 为供应链上下游双方有长期供销合同的概率) p ln( = β0 + Β1MQ+ β2debt+ β3size+ β4prof+ 1- p) β5grow+ β6cr+ β7cfr+ ε 1) (考虑到供应链融资关系质量用核心企业和融资企业合作频
0,率来衡量,而这两者之间在固定时期内的合作次数有可能是Srq这样一来,作为因变量时得到的观测值并不连续,为解决2011) Tobit这一问题,笔者参照黄莲琴 ( 等的做法选择使用 回归模型,这种模型能够很好地应对上述问题,得到较好的拟合Tobit Tobit效果。但是 模型有两类,笔者首先进行了混合 回归,并使用聚类稳健标准误,得到的结果拟合优度为负值,之后, Tobit LR笔者进行了随机效应的面板 回归,回归列表底部的 检验结果强烈拒绝不存在个体效应的原假设,因此使用随机效应 Tobit的 模型比较恰当,具体如下: Srq= α0 + αixit+ control+ ε 2) ( 2011)解释变量由四类组成,参照陈玉罡 ( 的做法, > 8 MQ 1以管理者在行业内持续经营年限 年时, 取 为管理者素质优良的样本,在此基础上,设置了盈利能力、偿债能力和公司规模的二级解释变量,同时控制了行业变量和年度1变量。具体变量设定情况如表 所示。