(浙江财经大学会计学院 浙江 杭州 310018)

一、引言

股利分配是企业三大财务管理活动之一，恰当的股利政策能帮助企业实现可持续发展，树立良好的企业形象，因此股利政策是企业和投资者关注的重点。我国的资本市场开始于20 世纪90 年代，目前仍处于不成熟阶段，存在许多问题，如恶意分红(大股东掏空行为)、现金股利支付率低等，这些行为的存在不仅对中小股东的利益构成直接或间接的侵害，对资本市场的稳定秩序也产生了一定的负面影响。为了促使我国证券市场更加有效，保障其优化资源分配的职能，本文选择对沪深两市上市公司现金股利政策的影响因素进行研究，并构建相应的股利行为预测模型，从而为上市公司制定合适的股利政策提供指导，促进我国证券市场健康有序发展。

二、理论分析与研究假设

(一)公司内部特征因素

在股权分置改革之前，有学者研究指出股权集中度越高，上市公司更倾向于支付现金股利，且股利支付率越高。陈洪涛(2006)也提出了类似的观点，他认为在股权集中较高的上市公司中，管理层主要是基于大股东的需求去制定股利政策，往往会忽略中小股东的对投资的回报需求，对中小投资者的权益造成侵害。

余亮(2013)则从公司融资约束和代理成本的角度研究了公司的股利政策，发现在中国的资本市场中，上市公司面临的融资约束导致其股利支付率偏低，当企业负债水平较高，面临的外部融资约束较大时上市公司倾向于进行预防性储备，持有高额现金留存企业之中。

(二)外部制度及环境因素

梅晨晨(2016)在对地理位置与代理成本的研究过程中发现，物理距离的增加会提升代理成本和信息不对称程度。为了降低因距离带来的信息不对称，上市公司会提供更高的股利来缓解股东的代理成本。毛志艳(2015)则在行业市场对比研究中发现，产品市场集中度越高的行业，公司股利支付水平越高。这主要是因为产品市场集中程度低时，市场竞争较为激烈，企业往往需要持有更多资金以满足公司的产品开发以及发展需求，此时企业会选择不分配和分配低股息政策。

王国俊等(2014)在研究中同样发现现金股利承担制度能够影响公司股利行为，他同时指出证监会、市场投资者均倾向于认同股利支付水平较高的上市公司，这些公司往往会被认为是具有较高的投资增价值。

三、研究设计

(一)数据样本收集

考虑到数据的可收集性、真实性与完整性，本文所选的是国内2014至2019年A股上市的公司财务数据。为保证数据的完整性，本文将从CSMAR数据库中调取的2014至2019年的公司样本进行了筛选，剔除了存在数据缺失以及被ST的公司样本，经过初步筛选最终获取了2398个公司样本作为研究对象。

(二)定义变量

本文选取的变量分为解释变量与被解释变量。本文在根据梳理过往研究的基础上，最终选取了如下表所示的6个解释变量，其中包括有净资产收益率、资产负债率、总资产周转率、营业收入增长率、留存收益权益比与总资产(取对数值)，在完成回归分析后将从中选出对公司现金股利影响显著的因素，并以此为依据构建股利预测模型，预测企业的现金股利意愿。

表1 解释变量定义表

(三)建立模型

由于本文的研究对象是上市公司的现金股利支付意愿，这属于基本的二分类问题(即是与否)，因此本文决定构建二元逻辑回归模型(即Logit模型)，初步的Logit回归模型如下：

在后续数据处理过程中将会对初步Logit回归模型进行修正，对于相关系数较小(小于0.2)的解释变量进行剔除，此外对于存在多重共线性(相关系数大于0.8)的变量之间，将对该组变量中的一个予以排除。当模型中的P值大于0.5时，预测结果为上市公司本年度发放现金股利(结果为“1”)；而如果P值小于等于0.5时，预测结果为本年度不发放现金股利(结果为“0”)。

(四)数据处理

本文为了避免解释变量之间可能存在的多重共线性问题，因此对六种解释变量两两计算皮尔逊积矩相关系数，并将相关系数大于0.8的变量组认定为高度相关的变量组，并将高度相关的一对变量中的一个予以排除。

表2 解释变量之间的皮尔逊积矩相关系数

从上面的皮尔逊积矩相关系数表中可以看出，变量之间的相关系数最大没有超过0.6，说明本文选择的解释变量之间不存在多重共线性问题，因此只需要从中挑选出与公司发放现金股利意愿之间存在显著相关性的解释变量，组成回归模型即可。为了考察在不同年度，各个解释变量对企业现金股利支付意愿的影响程度，本文对2014至2018年的每一年度的数据进行Logit 回归，结果如下所示。

表3 分年度Logit模型回归结果

续表

从表3的结果中分析可知，资产负债率(DAR)、营业收入增长率(MRIR)、总资产(TA)与净资产收益率(ROA)在五个考察年度均对现金股利支付意愿有显著影响，影响方向也与预期一致，表明企业的负债水平、营业收入的增长率、公司规模和企业的净资产收益率一直是企业决定是否发放现金股利的重要影响因素。而总资产周转率(TAT)、留存收益权益比(RE/TE)在部分年份未通过显著性检验，因此这两个解释变量对企业的现金股利支付意愿并不具有稳定影响。

四、结果与分析

在完成对模型的修正后，本文对数据展开了处理与分析。在Stata软件中打开了数据表后，本文运用Logit与Mfx命令先后对数据表中所有年份的资产负债率(DAR)、营业收入增长率(MRIR)、总资产(TA)与净资产收益率(ROA)进行了处理，结果如下表所示：

表4 显著性判断表

表5 其他数据表

logit模型通过Z检验来判断其显著性，而在表4的Z检验结果可以看到此模型中系数均以P=0显著不为0。此外表5中LR chi2(4)是卡方检验的统计量，也就是回归模型无效假设所对应的似然比检验量；其中4为自由度，Prob>chi2 是其对应的P值，在这个估计结果显示以P=0显著说明模型具有有效性。另外结果中的Pseudo R2是准R2，虽然不等于R2，但可以用来检验模型对变量的解释力，从其数值中可以看出此logit模型中拟合优度为0.1029。

随后本文利用eatat clas与predict命令对数据进行进一步处理，从而运用二值模型对上市公司是否发放现金股利做出进行预测分析，并对预测的准确度做出估计。在精确度判断过程中，本文引入二分类混淆矩阵，并采用准确率(Accuracy)、查准率(Precision)、查全率(Recall)、F1作为评价指标。

表6 预期构建的分类结果混淆矩阵

依据二分类混淆举证，各评价指标的计算公式与模型中的数据如下所示：

表7 Logit模型预测结果

依据表7中的Logit模型预测数据，本文对前文中提到的指标进行了计算，结果展示在表8中。

表8 Logit模型精确度度量表

从表7的数据可以看出，实验中预测偏差的情况占少数，在所有预测的实例中，被正确预测的比例(Accuracy)高达93.25%，在所有被预测为正类的实例中，真正的正类所占的比例(Precision)高达97.78%，而在所有的正例中能被正确预测的比例(Recall)也达到了76.50%。由于本数据结果中Precision值与Recall的值之间存在一些差异，因此F1值与最大值(当两者相近时最大)之间存在一定差距，但F1依然达到较高值85.84%，说明Logit二元逻辑回归模型较好地对上市公司现金股利的发放情况进行了预测。

五、总结与讨论

本文的主要研究内容，是探究上市公司内部的六个不同因素对公司现金股利发放意愿的的影响，并建立模型对其现金股利的发放做出合理预测。本文首先通过不同因素之间的相关性分析，排除了六个因素中影响力较弱的2个因素(总资产周转率TAT与留存收益权益比RETE)，最终选择了其中对现金股利支付意愿影响最显著的四个因素(净资产收益率ROE、总收入增长率MRIR、资产负债率DAR与总资产规模TA)，依此建立Logit二元逻辑回归预测模型对公司的现金股利发放情况作出预测。

本文的不足之处在与，在研究开始时只挑选了公司内部的六个财务因素作为解释变量，具有一定的主观性。然而事实上企业内部还有许多非财务的因素会影响到企业的现金股利政策(例如公司治理结构、董事会构成与管理层特质等)，在后续的深入研究预测中，可以选择适当的标准将这些非财务因素统一量化处理，进一步研究其对现金股利政策的影响，为投资者的投资行为和企业股利政策的制定提供借鉴与参考。