［提要］　本文以2012年以来沪深上市公司第一大股东股权性质在国有与非国有之间的转换作为事件的起因，以第一大股东持股比例、股权集中度作为协同变量，以股权性质未在国有与非国有之间发生转换的样本作为控制组，运用因果分析法中的FECT，考察资产负债率在转换前后的变化。研究结果表明：从非国有变为国有后，资产负债率在统计意义上显著增加。

关键词：所有制变更；资产负债率；面板数据；因果分析；FECT

中图分类号：F27 文献标识码：A

收录日期：2023年6月27日

马克思政治经济学特别强调所有制的根本性作用，故历届党代会报告中都对此不吝笔墨，进行重点阐述。1992年以来，党的十四大至二十大报告均明确提出，坚持和完善公有制为主体、多种所有制经济共同发展的基本经济制度，毫不动摇巩固和发展公有制经济，毫不动摇鼓励、支持、引导非公有制经济发展，充分发挥市场在资源配置中的决定性作用，更好发挥政府作用。虽然党的历届党代会报告都旗帜鲜明地指出要鼓励支持国有经济和非国有经济的共同发展，鼓励公平竞争，但在现实经济生活中，国有企业的资产负债率是否比非国有企业更高呢？对于以私有制为主体的国家来说，此问题并未引起关注。由于没有文献专门涉及国内上市公司所有制差异和资本结构差异，因此这个问题并没有现成的文献以供参考，更没有明确的、清晰的实证证据作为支撑。

除了所有制之外，还有很多因素也会影响中国上市公司资本结构，比如资产负债率等。沈艺峰等（2007）认为，公司价值（以Tobin' Q来计量）影响资本结构（以资产负债率来计量），公司所有权结构（以第一大股东持股比例来计量）通过影响公司价值从而影响资本结构。从会计的角度分析，债务融资和股权融资相对的成本、难度也是影响资本结构的现实因素。各国中央银行的数量型或价格型的货币政策，如存款准备金率的调整、量化宽松或去杠杆、银根收紧等，公司所处产业链的位置、与供应商或客户的强势弱势地位，这些都会影响债务融资。股权融资的成本、难度也受到IPO、再融资政策的变更以及私募市场的深度和广度的影响。王正位等（2011）的研究就发现股票再融资管制政策的变更是影响上市公司资本结构的重要因素。

本文关注的重点是所有制变化对资本结构的影响，而只有排除其他变量的影响后才能精准估计所有制变化对资本结构的影响。为此，本文所适用的数据处理方法必须满足下述两个要求：第一，需要把样本的时间窗口锁定在所有制变更前后。由于此时主要是受到所有制变化这个干预或者冲击，因此可以避免其他因素的干扰。允许非国有变为国有，也允许国有变为非国有。第二，需要排除可观测到的协同变量和不可观测到的隐含变量的影响。在改变所有制时，第一大股东持股股份性质、第一大股东持股比例、股权集中度往往是被同时考虑的，因为股权集中度低时持有较少的股份就可以对公司进行控制，而股权集中度高时则必须提高持有比例以防止控制权旁落。因此，本文把第一大股东持股比例、股权集中度作为协同变量。决策者除了考虑公司价值最大化或者实际控制人价值最大化外，也必须考虑外部融资政策限制，比较不同融资方式的融资成本。这些变量难以观测或难以计量，但确实存在，因此必须把这些变量作为隐含变量来进行处理，并且允许这些变量随时间而变（不可观测时变混淆变量）。能同时满足前述两方面要求的只有三位华人学者Liu等（2022）共同开发的因果分析框架中的交互固定效应法（简称“IFEct”）和矩阵补全法（简称“MC”）。

一、研究方法、研究变量和研究样本

（一）研究方法。在因果分析法框架中，观测值包括被干预的样本组（简称“干预组”）和未被干预的参照组（简称“参照组”）。Liu等（2022）的做法是利用参照组把模型的参数估计出来，然后利用模型参数估算一个反事实的估计量也就是干预组假如没有受到干预的估算值，最后处理反事实估计量与干预组实际观测到的观测值之间的差异，也就是干预组受到干预的平均效果（简称“ATT”）。Liu等（2022）用参照组样本来拟合模型估计参数，避免了将早期干预组的观测值用作晚期干预组的参照组，因此从根源上避开了负权重问题，同时允许干预效果的异质性（不同的个体允许受到不同的干预效果）和时变混淆变量的存在，从而拓展了模型的应用范围。在Bai（2009）、Gobillon and Magnac（2016）、Xu（2017）、Athey et.al（2021）的研究基础上，Liu等（2022）进一步完善并开发出了RFECT包，可以计算固定效应法（简称“FECT”）、交互固定效应法（简称“IFEct”）和矩阵补全法（简称“MC”）三种反事实因果估计量。

（二）研究变量。本文的变量如表1所示。（表1）

（三）研究样本。2005年前后开展的股权分置改革中，控股股东为了获得流通权会向流通股股东出让部分权益从而影响持股比例。2008年美国次贷危机波及中国，许多上市公司被国企纾困救危，股权性质和持股比例均发生变动。同时，中国每五年召开一次党的代表大会，党的执政理念和执政举措会发生调整。为了消除这种制度和外在冲击性影响，为了与党代会周期一致，本研究选定的样本期间自2012年始，终于2021年。由于上海证券交易所创业板推出时间不长，因此样本主要包括上海证券交易所的主板、深圳证券交易所的中小板和创业板。数据来源于国泰安CSMAR。

利用RFECT提供的panelview功能，我们得到中国沪深A股所有制变更个体分布。深色部分是国有组，也就是被干预的组，浅色部分是非国有组，也就是参照组，白色的部分为缺失值。（图1）

二、研究结果与各种检验

（一）研究结果。随机数种子设定为1234，迭代2，000次，采用交叉验证方法，以预测偏差平方和之平均值（简称“MSPE”）为评判标准，确定交互固定效应法中的隐含变量的个数和模型参数，得到动态处理效应图2和参数估计表2。（图2、表2）

图2显示了采用交互固定效应反事实估计量估算出的动态干预效果，底部的柱状图显示的是在对应干预时刻被干预的个体数量。

表2中，r=0表明没有时变混淆变量，交互固定效应法与固定效应法结果一样，表明个体干预效应和时间效应是固定的。干预的平均效果ATT为0.07%，在1%统计意义上显著，这表明从非国有变为国有后，资产负债率在统计意义上显著增加，或者从国有变为非国有后，资产负债率在统计意义上显著减少。股权集中度的符号为负，也与设想的一致。

为了进行对比，同时也运用矩阵补全法对模型参数进行了估计，结果放在表2右列。Lamda.norm=1也表明没有时变混淆变量。干预的平均效果ATT与交互固定效应法一致。

（二）安慰期检验。图3为采用交互固定效应法估算的安慰期检验的结果，底部的柱状图显示的是在对应干预时刻被干预的个体数量。干预前的-2、-1、0作为安慰期，以深灰色表示。等效的区间为［-0.36σ，0.36σ］。（图3）

安慰期t检验的p值0.765大于0很多，不能拒绝差异等于0的原假设，IFEct估计结果通过了均值差异法（Difference-in-means，简称DIM）检验。双单侧检验（Two One-Sided Test，TOST）的p值非常接近于0，拒绝有显著差异的原假设，IFEct估计结果通过了等效检验。说明不存在过度拟合模型。

（三）事前趋势检验。图4显示基于交互固定效应法估算的事前趋势检验结果，底部的柱状图显示的是在对应干预时刻被干预的个体数量，A线为干预前平均预测误差和90%置信区间；B线为计算出来的最小范围，即可以拒绝原假设的最小界限；C线为等效范围。当B线落在C线内时，可以认为通过了检验。由图4可以看出，IFEct通过了检验，这就说明不存在事前趋势。（图4）

（四）翘尾检验。图5显示了基于交互固定效应法估算的翘尾效应检验。底部的柱状图显示的是在对应干预退出时刻被干预的个体数量。干预结束后的三期以浅灰色表示。t检验p值0.932大于0很多，不能拒绝差异等于0的原假设，IFEct估计结果通过了均值差异法（简称DIM）检验。双单侧检验（TOST）的p值非常接近于0，拒绝有显著差异的原假设），IFEct估计结果通过了等效检验。说明不存在翘尾效应。（图5）

三、研究结论

本文的研究表明，在第一大股东股权性质从非国有变为国有后，上市公司资产负债率在统计意义上显著提高，且模型经受住了安慰期检验、事前趋势检验和翘尾检验。这表明社会更愿意把资源以债权债务方式交由国有企业来配置。这种意愿到底是出于免责还是国有上市公司配置资源效率更高，有待于将来进一步研究。

（1.广州商学院；2.中移数智科技有限公司（中移咨询））

主要参考文献：

［1］Athey，Susan，Mohsen Bayati，Nikolay Doudchenko，Guido Imbens，Khashayar Khosravi.Matrix completion methods for causal panel data models［J］.Journal of the American Statistical Association，2021.116（536）.

［2］Bai，Jushan.Panel Data Models with Interactive Fixed Effects［J］.Econometrica，2009（77）.

［3］Gobillon，Laurent and Thierry Magnac.Regional Policy Evaluation：Interactive Fixed Effects and Synthetic Controls［J］.The Review of Economics and Statistics，2016.98（03）.

［4］Liu Licheng，Wang Ye，Xu Yiqing.A Practical Guide to Counterfactual Estimators for Causal Inference with Time-Series Cross-Sectional Data［J］.Mathematical Sciences，2022.

［5］Xu，Yiqing.Generalized Synthetic Control Method：Causal Inference with Interactive Fixed Effects Models［J］.Political Analysis，2017.25（01）.

［6］王正位，王思敏，朱武祥.股票市场融资管制与公司最优资本结构［J］.管理世界，2011（02）.