2019第21卷第6期
文章浏览量：[]
由于国内市场竞争加剧、制造成本升高、加入WTO等因素的影响，2001年后为适应我国对外开放由出口和吸收外商投资为主转向出口、吸收外商投资和对外直接投资并重的新形势，我国政府开始推行OFDI的政策，积极鼓励和支持有条件的企业开展对外直接投资与跨国经营，并且开始转换企业在OFDI过程中的角色，由以前的监管逐渐转向对OFDI的指导与协助（Luo等，2010）。①2013年，我国政府进一步提出“一带一路”愿景，全面鼓励、支持我国企业开展OFDI。受益于我国政府的对外直接投资和“一带一路”愿景等一系列政策的实施，我国对外直接投资快速发展，OFDI流量自2001年的68.85亿美元增长至2016年的1961.5亿美元，由全球范围内对外直接投资影响力较低的国家跃居仅次于美国的全球第二大对外直接投资来源国。企业开展OFDI，表明其对国际市场的资金投入增加，这要求企业具备相应的资金支持。企业虽然可以动用内部资金，但当OFDI涉及的资金数额较大或者投入时间较长时，内部资金并不能完全满足需求，此时企业会寻求外部资金。外部资金既可以通过股权再融资取得，也可以通过向银行等金融机构申请贷款的方式获取。然而，由于我国资本市场对股权再融资的限制，企业获取外部股权资金的时间和金额均存在较大的不确定性（王正位等，2011）。因此，银行尤其是国内银行等金融机构的债务融资是满足OFDI资金需求的主要途径之一（Buch等，2014；连立帅和陈超，2017）。在满足资金需求的同时，债务融资会使企业面临偿债压力。当企业偿债能力不足时，违约等相关的债务风险便由此产生，而且这一问题在OFDI情形下更为严重。一方面，相对于国内投资，OFDI还需要企业承担高额的初始投资，如东道国制度、经营环境等的学习和调查成本，对外部债务融资的需求更高，偿债压力因而会更大；另一方面，OFDI要求企业开展跨国经营，由于文化、法律等制度与经营环境的差异，以及汇率波动与东道国政策变化等因素的影响，导致跨国活动面临较高的经营风险。一旦OFDI经营失败，大量的债务融资会增加企业的偿债压力，加大债务风险。②
企业的债务风险通常取决于企业的负债水平。当负债水平越高时，企业需要还本付息的金额越大，面临的偿债压力也越大。一般而言，一旦企业经营不善、业绩下滑或面临流动性资金不足时，企业不能按照债务契约的要求偿付本息，债务的违约风险便会上升，债务风险增大。然而，现实中却存在着负债水平虽较高但从未违约，而负债水平较低却出现债务违约的情形，表明直接采用负债水平衡量债务风险有其局限性，而其中未考虑企业合理的负债水平是以上局限性产生的主要原因之一。负债水平较高而违约风险较低，很可能是因为合理负债水平也较高；同理，负债水平较低但违约风险较高，很可能是其合理负债水平较低所致（Graham和Harvey，2001；Harford等，2009；姜付秀和黄继承，2011）。因此，相对于负债水平，负债水平与合理负债水平的偏离程度，即以过度负债衡量企业债务状况与债务风险更为合理。然而，已有研究仍主要关注OFDI与负债水平的关系（Lee和Kwok，1988；Burgman，1996；Chen等，1997；Park等，2013），对OFDI如何影响企业过度负债则缺少相关的经验研究。
合理负债水平通常由企业特征等决定，基于中国的经验研究表明产权性质是决定企业合理负债水平的主要特征之一。相对于非国有企业，国有企业更可能承担社会稳定与经济发展等政策性目标。为维持这些承担政策性目标的国有企业的生存，并促进其发展，政府会为其提供隐性担保。政府的隐性担保会提高国有企业的合理负债水平，导致国有企业的合理负债水平高于非国有企业，因而国有企业负债水平超过合理负债水平的可能性与程度均低于非国有企业，即更不可能过度负债（陆正飞等，2015）。作为新兴市场国家，我国政府会为开展OFDI的企业提供优惠的融资政策，如债务隐性担保等（Luo和Tung，2007；Buckley等，2009）。相对于非国有企业，国有企业更可能承担上述政策性目标责任，因而也更可能享受政府的债务隐性担保等优惠融资政策（Morck等，2008）。因此，不同产权性质企业承担的OFDI政策性目标与获取债务隐性担保程度差异会导致两者的合理负债水平不同，并进而影响过度负债。
本文以2007–2015年中国A股非金融类上市公司作为研究样本，研究发现，相对于未开展OFDI的企业，已开展OFDI的非国有企业比国有企业更可能过度负债，且过度负债程度更高；已开展OFDI非国有企业相对于国有企业的过度负债会降低企业价值。本文的可能贡献如下：第一，已有关于OFDI与企业负债的研究主要关注企业的负债水平（Lee和Kwok，1988；Burgman，1996；Chen等，1997），但未考虑OFDI企业的负债合理性，使得上述研究并不能准确揭示OFDI与债务风险的关系。本文通过检验OFDI、产权性质与过度负债的关系，拓展了OFDI企业债务问题的研究边界，有助于进一步理解OFDI影响企业债务风险的机制及其经济后果。第二，已有文献分别从现金流、债务代理成本等企业特征，以及市场化进程、产品市场竞争等市场层面的因素解释过度负债（姜付秀等，2008；姜付秀和黄继承，2011；Faulkender等，2012；黄继承等，2014），本文将过度负债的影响因素进一步拓展到OFDI政策与企业产权性质，丰富了过度负债的制度层面的影响因素研究。第三，在中国对外直接投资的债务风险受到广泛关注的背景下，本文利用微观企业数据检验了对外直接投资企业是否存在过度负债及对企业价值的影响，为更全面地评价中国对外直接投资企业负债水平的合理性及其经济后果提供了经验证据。
二、文献回顾、理论分析与研究假说 (一) 文献回顾已有相关文献的主要研究对象为西方大型跨国企业。根据国际化进程理论，国际化的形式包括出口或国际贸易以及对外直接投资，或者两者兼而有之。西方大型跨国企业开展国际化的时间较早，处于国际化进程较高的阶段，其国际化的主要体现形式为OFDI（Denis等，2002；Johanson和Vahlne，2009）。因此，关于OFDI与企业负债关系的相关文献主要围绕企业国际化与负债的关系展开。基于债务代理成本的理论认为当债务代理成本越高时，股东与债权人之间的利益冲突越大，企业的债务融资成本越高。由于文化、法律、市场竞争与政府监管等制度与环境的差异，一方面，债权人获取国际化企业的信息成本更高，如债权人在获取国际化企业境外投资项目的会计信息时，需要支付不同国家或地区语言与会计制度的学习成本；另一方面，对企业的监督成本更大，如债权人只有克服不同国家或地区文化与地理距离等差异，才能获取企业违反债务契约的信息并据此监督企业，因此，股东与债权人的代理成本在国际化企业中更高。为保护自身利益，债权人会要求企业支付更高的债务融资成本（Lee和Kwok，1988；Chen等，1997）。基于政治、汇率风险方面的理论认为，相对于国内企业，国际化企业面临汇率风险与东道国政治风险，企业的经营风险因而更高。例如，东道国政权的更迭可能会改变以往对外资友好的态度，转而采取限制甚至直接没收外资的政策，从而加大了跨国经营失败的可能性。针对国际化企业较高的经营风险，债权人要求企业提供较高的风险补偿，并提高债务融资成本。国际化企业较高的债务代理成本与汇率、政治风险会导致较高的债务融资成本，为降低偿债压力，企业会选择较低的负债水平（Burgman，1996）。Lee和Kwok（1988）、Burgman（1996）、Chen等（1997）以及Doukas和Pantzalis（2003）研究发现国际化与负债水平显著负相关，即国际化企业的负债水平更低。与以上两种理论解释不同的是，基于国际化与风险分散的理论却认为国际化可以实现业务区域的多元化，能够分散企业的经营风险，降低企业的业绩波动性与破产风险，因而相对于国内企业，国际化企业的债务融资成本更低，负债水平更高（Reeb等，2001）。Singh和Nejadmalayeri（2004）与Mittoo和Zhang（2008）发现企业国际化与负债水平显著正相关，即国际化企业的负债水平更高。此外，由于现有关于企业国际化与负债关系的理论解释并不一致，Mansi和Reeb（2002）还发现国际化与负债水平呈现出非线性关系，而Park等（2013）发现二者并无显著关系。最后，关于中国的研究中，郭桂霞等（2016）的理论模型分析认为OFDI项目风险、东道国风险和税率均会影响企业的负债水平。
已有研究发现企业存在着合理负债水平（Graham和Harvey，2001；Flannery和Rangan，2006；Faulkender等，2012），因此，判断企业负债水平是否合理的根据应该是实际负债水平是否偏离合理负债水平及其偏离程度，即过度负债（陆正飞等，2015）。关于过度负债的研究中，已有文献分别从银行竞争、现金流等方面检验如何调整实际负债水平与合理负债水平的偏离（Faulkender等，2012；Jiang等，2017）。基于中国背景下不同产权性质企业面临的融资环境差异，陆正飞等（2015）认为相对于非国有企业，国有企业由于政府隐性担保等，合理负债水平更高，因而实际负债水平偏离合理负债水平的可能性与程度更低，即从长期视角上，国有企业过度负债的可能性与程度更低。
综上，虽然已有大量文献分析了国际化或OFDI与负债的关系，但鲜有考察OFDI与过度负债的关系；关于过度负债影响因素的研究虽然也较多，但鲜有研究从OFDI角度开展研究。基于此，本文结合中国背景下不同产权性质企业过度负债的差异，以及OFDI的政策特征，将企业对外直接投资与负债水平的研究拓展至对外直接投资与过度负债的关系。
(二) 理论分析与假说的提出新兴市场国家相对于发达国家的主要劣势之一在于技术资源的不足，同时，部分新兴市场国家如中国还面临着部分自然资源的缺乏等问题，因此，寻求技术资源、自然资源以及开拓国际市场等，是包括中国在内的新兴市场国家鼓励企业开展OFDI的主要目标之一。依据OFDI政策的导向开展OFDI，既是企业自身发展的需要，也是实现政府政策性目标的需要。例如，技术水平是新兴市场国家与发达国家之间的主要差距之一，由于技术水平差距与研发环境、创新制度相关，而新兴市场国家在短期内可能并不具备发达国家的研发环境与创新制度，如丰富的技术人才资源、较高的教育水平与合理的创新激励等，因此，鼓励企业开展OFDI可以使得企业直接利用发达国家有关的研发环境和创新制度，尽快提升企业的技术创新能力，宏观层面上缩小与发达国家的技术水平差距，实现新兴市场国家在技术水平上的赶超目标（Luo和Tung，2007；Buckley等，2009）。
虽然在宏观政策层面上，新兴市场国家的政府会鼓励企业开展OFDI，但企业在实施上述行为过程中面临一个关键问题，即如何为对外直接投资提供融资支持。OFDI意味着企业会增加对国际市场的投资。除正常的投资如满足产能、客户需求与监管要求的投资，以及构建与维护生产、国际营销网络等投资外，开展OFDI的企业需要承担高额的初始投资，包括支付东道国制度、经营环境等学习与调查成本，以及外来者劣势（liability of foreignness）导致的前期试错成本（Johanson和Vahlne，2009）。上述投资的实现必须依赖于一定的资金支持，但由于OFDI涉及的投资金额较大且投资时间较长，内部资金并不能满足全部融资需求，企业会寻求外部金融资源支持。外部融资来源包括股权融资与债务融资。由于我国资本市场对股权再融资的限制，且多数开展OFDI的企业未在境外上市，从境内外资本市场获取股权融资的难度较大。在此情况下，银行等金融机构的外部债务融资是企业开展对外直接投资的主要融资方式之一，开展OFDI企业也因此较为依赖外部债务融资，而且随着企业对国际市场投资的逐渐增加，对外部债务融资的依赖程度也逐渐上升（Buch等，2014；连立帅和陈超，2017；Lian和Chen，2017）。考虑到OFDI对外部债务融资的依赖，包括中国在内的新兴市场国家政府还会提供相应的配套政策，一方面会提供各种各样的债务融资支持（Luo和Tung，2007；Buckley等，2009；Luo等，2010）；另一方面，会改善OFDI管理体制，便于OFDI项目资金的跨境流动。自2001年提出“走出去”战略后，我国政府开始调整对OFDI的激励制度、管理体制与资金控制政策。OFDI政策的转变体现有二：第一，推出一系列OFDI的激励政策，全面鼓励与支持中国企业“走出去”，并且为企业开展OFDI提供优惠的债务融资条件（Buckley等，2009；Luo等，2010）。例如，2004年颁布的《关于对国家鼓励的境外投资重点项目给予信贷支持的通知》规定，中国进出口银行等金融机构会安排“境外投资专项贷款”，符合条件的企业可享受信贷优惠利率。Luo和Tung（2007）、Morck等（2008）以及Buckley等（2009）也发现，由于我国OFDI相关政策的鼓励与支持以及政府对金融业的控制，银行会为开展OFDI的企业提供低成本的信贷资金。伦晓波等（2018）发现，OFDI使得企业可以利用与OFDI相关的融资优惠政策，缓解企业面临的融资约束；李笑等（2019）也发现政府支持可以缓解企业OFDI的融资约束，从而促使企业开展OFDI。第二，逐渐完善OFDI的管理体制以及对OFDI项目相关资金的监管，前者从相对严格的审批制逐渐转变为相对宽松的核准制、备案制，后者则体现为完善OFDI项目涉及的外汇资金来源审查和资金汇出核准制度。
我国政府有关OFDI的融资优惠条件是与OFDI政策目标相匹配的，因此，根据开展OFDI与政策目标的关系，不同企业获取的融资优惠条件存在差异。相对于非国有企业，国有企业尤其是中央企业担负着国家安全和国民经济命脉等责任，因而更可能承担政策性目标。在OFDI是由政策鼓励与支持的情况下，政府更可能要求国有企业承担与OFDI相关的政策性目标责任。例如，为确保国家资源安全、提升国内技术水平，政府会鼓励企业开展对外直接投资，获取境外的自然资源和领先技术。相对于非国有企业，国有企业在实现上述两个目标中承担的责任更大，更可能为此而开展OFDI（Morck等，2008；Wang等，2012）。同时，为保证OFDI目标的实现，政府也会为这些承担着政策性目标的企业提供更多的金融资源支持（Morck等，2008；Cui和Jiang，2012；Lian和Chen，2017）。相对于非国有企业，国有企业承担了更多的OFDI政策性目标责任，政府更可能为其提供融资支持。例如，在企业开展OFDI过程中，对银行等金融机构提供的贷款安全给予隐性担保，并且在OFDI存在经营风险的情况下提供担保与融资支持，帮助企业渡过融资方面的难关。由于政府对国有企业开展OFDI的隐性担保，其债务违约风险更低，因而同等条件下合理负债水平更高，实际负债水平偏离合理负债水平的可能性及程度更低。相对于国有企业，非国有企业在开展OFDI时则缺少相应的政府隐性担保，当OFDI相关的投资导致企业的负债水平提高时，实际负债水平偏离合理负债水平的可能性和程度会更高。基于以上分析，本文提出如下假说：
H1：相对于未开展OFDI的企业，已开展OFDI的非国有企业比国有企业更可能过度负债。
三、研究设计 (一) 样本选择与数据来源本文的研究样本为2007–2015年中国沪、深市场A股全部非金融类上市公司，样本期间始于2007年，主要是考虑到我国企业OFDI在2007年之后才迅速增长。③本文首先构建了2007–2015年企业OFDI非平衡面板数据，借鉴Lu等（2014）、连立帅和陈超（2017）的研究，本文将OFDI定义为上市公司是否拥有海外子公司或联营、合营公司。如果上市公司拥有持股比例至少为 20%的海外子公司或联营、合营公司，即为OFDI企业，否则不是OFDI企业。其次，参考陆正飞等（2015）的研究，本文构建了包括OFDI企业在内的全部样本，进一步的筛选程序如下：（1）剔除ST公司样本；（2）剔除样本期间有息债务比率超过1的公司样本；（3）剔除样本期间内财务数据缺失的公司样本。经过OFDI样本构建与全部样本筛选后，本文共获得2 286家公司，共计12 710个公司年度样本，其中包括3 819个OFDI公司年度样本以及8 891个非OFDI公司年度样本。
本文中企业OFDI数据手工取自我国上市公司的年报。为确保手工数据的可靠性，本文还按照CSMAR 数据库关联方信息数据进行逐一核对。公司财务数据来源于CSMAR数据库。为减轻异常值的影响，本文对所有连续变量在1%与99%分位上采取了缩尾处理（winsorize）。
(二) 过度负债的衡量过度负债衡量的关键在于确定合理债务水平。借鉴已有研究（Graham和Harvey，2001；Flannery和Rangan，2006；Frank和Goyal，2009；Harford等，2009；Chang等，2014；Jiang等，2017），本文采用如下分年度Tobit回归模型，确定企业的合理负债水平：
| $\begin{aligned} Le{v_t} =& {\alpha _0} + {\alpha _1}NSO{E_t}_{ - 1} + {\alpha _2}Ro{a_t}_{ - 1} + {\alpha _3}Ind\_Le{v_t}_{ - 1} + {\alpha _4}Growt{h_t}_{ - 1} \\ & + {\alpha _5}Tan{g_t}_{ - 1} + {\alpha _6}Siz{e_t}_{ - 1} + {\alpha _7}SHRCR{1_t}_{ - 1} \end{aligned} $ | (1) |
其中，t表示时间，Lev衡量企业负债水平。借鉴Flannery和Rangan（2006）研究，本文采用有息债务比率衡量。控制变量包括产权性质（NSOE）、资产收益率（Roa）、行业负债水平中值（Ind_Lev）、总资产增长率（Growth）、有形资产比例（Tang）、企业规模（Size）与第一大股东持股比例（SHRCR1）。模型（1）拟合出的负债率为合理负债水平，实际负债水平减去合理负债水平即为企业的过度负债水平（EXLev）。借鉴陆正飞等（2015）的研究，本文还设置过度负债虚拟变量EXLev_dum，当过度负债水平（EXLev）大于0，取值为1，否则为0。
(三) 实证模型设计为检验研究假说H1，借鉴陆正飞等（2015）等的研究设计，本文采用如下回归模型：
| $EXLev = {\beta _0} + {\beta _1}OFDI + {\beta _2}NSOE + {\beta _3}OFDI \times NSOE + ControlVariables + \varepsilon $ | (2) |
其中，EXLev衡量企业的过度负债，包括连续变量EXLev与虚拟变量EXLev_dum；OFDI衡量企业的对外直接投资情况，本文从是否设立OFDI与OFDI投资金额两方面度量，包括OFDI虚拟变量OFDI1与OFDI投资金额OFDI2；NSOE衡量企业的产权性质。ControlVariables为一组控制变量，包括资产收益率（Roa）、行业负债水平中值（Ind_Lev）、总资产增长率（Growth）、有形资产比例（Tang）、企业规模（Size）、第一大股东持股比例（SHRCR1）、账面价值与市场价值比（BM）、管理费用率（EXP）、非债务税盾（NDTS）、所得税税率（ETR）、盈利波动性（VEBITTA）、现金流波动性（VCFO）与管理层持股比例（Manaown）。为控制年份与行业差异的影响，本文还增加了年度与行业虚拟变量。变量定义参见表1。根据假说H1，本文预期β3显著为正。
| 变量名称 | 符 号 | 定 义 |
| 负债比率 | Lev | 等于有息债务除以总资产，其中：有息债务=短期借款+应付票据+长期借款+一年内到期的非流动性负债+应付债券 |
| 过度负债比率 | EXLev | 具体计算参见公式（1） |
| 过度负债虚拟变量 | EXLev_dum | 当EXLev大于0，取值为1，否则为0 |
| 对外直接投资 | OFDI | OFDI虚拟变量（OFDI1），当企业拥有OFDI时，取值为1，否则为0；OFDI投资金额（OFDI2），等于OFDI投资金额加1后取自然对数 |
| 产权性质 | NSOE | 若实际控制人为非国有，取值为1；若为国有，取值为 0 |
| 资产收益率 | Roa | 等于营业利润除以总资产 |
| 行业有息债务比率中值 | Ind_Lev | 年度行业有息债务比率中位数 |
| 总资产增长率 | Growth | 等于总资产的年度变化值除以上期总资产 |
| 有形资产比例 | Tang | 等于固定资产与存货之和除以总资产 |
| 企业规模 | Size | 等于总资产的自然对数 |
| 第一大股东持股比例 | SHRCR1 | 等于第一大股东持股数量除以发行在外股份数量 |
| 账面价值与市场价值比 | BM | 等于股权市场价值与负债账面之和除以总资产 |
| 管理费用率 | EXP | 等于管理费用除以营业收入 |
| 非债务税盾 | NDTS | 等于折旧费用除以总资产 |
| 所得税税率 | ETR | 等于所得税费用与递延所得税之差除以利润总额 |
| 盈利波动性 | VEBITTA | 等于前3年盈利能力的标准差，其中：盈利能力=息税前利润/总资产 |
| 现金流波动性 | VCFO | 等于前3年现金流比率的标准差，其中，现金流比率=经营活动产生现金流量净额/总资产 |
| 管理层持股比例 | Manaown | 等于管理层持股数量除以发行在外股份数量 |
本文主要变量的描述性统计结果报告于表2。Lev的均值（中值）为0.237（0.223），表明样本企业的有息债务比率平均为0.237，这一结果与姜付秀和黄继承（2011）基本一致；EXLev_dum的均值为0.598，表明样本中59.8%的企业实际有息债务比率高于合理有息债务比率，即59.8%的企业存在过度负债，这一比例与陆正飞等（2015）的发现基本一致。OFDI1均值为0.300，表明样本中30%的企业已开展对外直接投资，这一比例表明样本中上市公司中开展OFDI的公司比例较高，亦与宏观层面中国企业OFDI迅速增长的情况相符。NSOE的均值为52.2%，表明样本中52.2%的企业为非国有企业。
| 均值 | 标准差 | 最小值 | 25分位数 | 中值 | 75分位数 | 最大值 | |
| Lev | 0.237 | 0.175 | 0.000 | 0.082 | 0.223 | 0.367 | 0.665 |
| EXLev | 0.044 | 0.126 | −0.165 | −0.053 | 0.035 | 0.137 | 0.283 |
| EXLev_dum | 0.598 | 0.490 | 0.000 | 0.000 | 1.000 | 1.000 | 1.000 |
| OFDI1 | 0.300 | 0.458 | 0.000 | 0.000 | 0.000 | 1.000 | 1.000 |
| OFDI2 | 2.851 | 6.059 | 0.000 | 0.000 | 0.000 | 0.000 | 25.701 |
| NSOE | 0.522 | 0.500 | 0.000 | 0.000 | 1.000 | 1.000 | 1.000 |
| Roa | 0.041 | 0.059 | −0.173 | 0.011 | 0.036 | 0.069 | 0.217 |
| Ind_Lev | 0.209 | 0.094 | 0.015 | 0.132 | 0.211 | 0.265 | 0.438 |
| Growth | 0.186 | 0.333 | −0.278 | 0.020 | 0.108 | 0.241 | 2.270 |
| Tang | 0.418 | 0.182 | 0.037 | 0.284 | 0.412 | 0.548 | 0.836 |
| Size | 21.907 | 1.114 | 19.586 | 21.089 | 21.779 | 22.594 | 24.940 |
| SHRCR1 | 0.354 | 0.151 | 0.092 | 0.232 | 0.336 | 0.461 | 0.750 |
| BM | 0.524 | 0.245 | 0.095 | 0.329 | 0.496 | 0.702 | 1.109 |
| EXP | 0.047 | 0.030 | 0.005 | 0.026 | 0.042 | 0.062 | 0.166 |
| NDTS | 0.022 | 0.015 | 0.000 | 0.010 | 0.018 | 0.030 | 0.073 |
| ETR | 0.290 | 0.552 | −1.701 | 0.137 | 0.235 | 0.375 | 2.820 |
| VEBITTA | 0.064 | 0.043 | −0.059 | 0.037 | 0.059 | 0.085 | 0.204 |
| VCFO | 0.045 | 0.061 | −0.135 | 0.010 | 0.044 | 0.081 | 0.207 |
| Manaown | 0.091 | 0.177 | 0.000 | 0.000 | 0.000 | 0.065 | 0.690 |
企业对外直接投资与过度负债的回归结果报告于表3。第（1）列和第（2）列与第（3）列和第（4）列的回归结果中，因变量分别为EXLev与EXLev_dum，结果显示对外直接投资衡量变量的回归系数为正但均不显著，表明已开展OFDI企业与未开展OFDI企业的过度负债情况无显著差异。不同产权性质下企业对外直接投资与过度负债关系差异的回归结果列示于第（5）−（8）列，结果显示对外直接投资衡量变量（OFDI）与产权性质变量（NSOE）交互项的回归系数均至少在5%的水平上显著为正，表明相对于未开展OFDI的企业，已开展OFDI非国有企业的过度负债可能性与程度均显著高于国有企业。经济意义上，以第（5）列为例，OFDI1与NSOE交互项的回归系数为0.022，表明相对于未开展OFDI的企业，已开展OFDI非国有企业的过度负债程度比国有企业高2.2%。上述结果与本文的假说H1一致，由于OFDI相关政策使得国有企业相对于非国有企业在债务担保等方面存在优势，因而开展OFDI非国有企业过度负债的可能性与程度均高于开展OFDI的国有企业。
| 因变量 | （1） | （2） | （3） | （4） | （5） | （6） | （7） | （8） |
| EXLev | EXLev | EXLev_dum | EXLev_dum | EXLev | EXLev | EXLev_dum | EXLev_dum | |
| OFDI1 | 0.005
（1.08） |
0.092
（1.24） |
−0.008
（−1.06） |
−0.107
（−0.89） |
||||
| OFDI2 | 0.000
（1.08） |
0.007
（1.40） |
−0.001
（−1.29） |
−0.008
（−0.93） |
||||
| NSOE | −0.008
（−1.40） |
−0.006
（−1.15） |
−0.059
（−0.61） |
−0.029
（−0.32） |
||||
| OFDI1×NSOE | 0.022** （2.44） |
0.326** （2.25） |
||||||
| OFDI2×NSOE | 0.002*** （2.65） |
0.024** （2.33） |
||||||
| Roa | −0.557*** （−16.99） |
−0.557*** （−16.99） |
−7.518*** （−12.53） |
−7.519*** （−12.53） |
−0.559*** （−17.03） |
−0.558*** （−17.02） |
−7.562*** （−12.58） |
−7.559*** （−12.57） |
| Ind_Lev | 0.033
（1.02） |
0.033
（1.01） |
0.434
（0.81） |
0.431
（0.80） |
0.032
（0.97） |
0.032
（0.97） |
0.404
（0.75） |
0.402
（0.75） |
| Growth | 0.058*** （13.35） |
0.058*** （13.38） |
1.021*** （10.63） |
1.022*** （10.65） |
0.058*** （13.34） |
0.058*** （13.43） |
1.011*** （10.57） |
1.016*** （10.63） |
| Tang | 0.037** （2.29） |
0.037** （2.25） |
0.859*** （3.25） |
0.849*** （3.21） |
0.036** （2.24） |
0.036** （2.22） |
0.853*** （3.23） |
0.848*** （3.21） |
| Size | −0.014*** （−4.55） |
−0.013*** （−4.55） |
−0.220*** （−4.48） |
−0.218*** （−4.50） |
−0.014*** （−4.51） |
−0.013*** （−4.49） |
−0.216*** （−4.32） |
−0.213*** （−4.33） |
| SHRCR1 | −0.004
（−0.28） |
−0.005
（−0.30） |
−0.341
（−1.34） |
−0.348
（−1.36） |
−0.005
（−0.32） |
−0.004
（−0.29） |
−0.329
（−1.28） |
−0.325
（−1.27） |
| BM | 0.044*** （3.21） |
0.043*** （3.20） |
0.864*** （3.79） |
0.860*** （3.79） |
0.043*** （3.19） |
0.043*** （3.17） |
0.864*** （3.81） |
0.860*** （3.79） |
| EXP | −0.428*** （−5.16） |
−0.427*** （−5.16） |
−5.242*** （−3.66） |
−5.249*** （−3.67） |
−0.445*** （−5.36） |
−0.439*** （−5.31） |
−5.409*** （−3.78） |
−5.339*** （−3.75） |
| NDTS | −0.076
（−0.38） |
−0.075
（−0.37） |
0.249
（0.07） |
0.275
（0.08） |
−0.086
（−0.43） |
−0.085
（−0.42） |
0.054
（0.02） |
0.105
（0.03） |
| ETR | 0.002
（0.67） |
0.002
（0.67） |
0.043
（0.89） |
0.043
（0.89） |
0.002
（0.62） |
0.002
（0.61） |
0.042
（0.87） |
0.042
（0.86） |
| VEBITTA | 0.762*** （14.51） |
0.762*** （14.51） |
13.266*** （14.05） |
13.274*** （14.05） |
0.765*** （14.51） |
0.763*** （14.46） |
13.249*** （14.05） |
13.232*** （14.03） |
| VCFO | −0.256*** （−7.08） |
−0.257*** （−7.11） |
−4.175*** （−6.60） |
−4.196*** （−6.63） |
−0.258*** （−7.10） |
−0.259*** （−7.13） |
−4.170*** （−6.56） |
−4.198*** （−6.60） |
| Manaown | −0.018
（−1.63） |
−0.018
（−1.63） |
−0.357* （−1.84） |
−0.357* （−1.84） |
−0.017
（−1.46） |
−0.017
（−1.43） |
−0.397* （−1.94） |
−0.393* （−1.92） |
| _cons | 0.299*** （4.75） |
0.296*** （4.75） |
4.416*** （4.21） |
4.379*** （4.23） |
0.307*** （4.74） |
0.301*** （4.71） |
4.377*** （4.09） |
4.295*** （4.06） |
| Year/Industry | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes |
| Adj. /Pseudo R2 | 0.152 | 0.152 | 0.082 | 0.082 | 0.154 | 0.154 | 0.083 | 0.083 |
| N | 12 710 | 12 710 | 12 710 | 12 710 | 12 710 | 12 710 | 12 710 | 12 710 |
| 注：括号内为t或z值；标准误差经公司层面聚类与稳健性调整；***、**、*分别表示显著性水平为1%、5%、10%。下同。 | ||||||||
本文进行了以下一系列稳健性检验：第一，为解决回归模型中可能存在的遗漏变量问题，本文采用工具变量法。已有研究发现地理距离会影响交通成本与信息沟通成本，进而影响企业的经营、投资等决策（Kedia和Rajgopal，2009），因此，本文采用从企业注册地到全国排名前十五大港口所在地的地理距离（Harbdistance）作为第一阶段的工具变量。内生性检验结果拒绝了外生性假设，第一阶段的回归结果显示，Harbdistance的回归系数显著为负，即距离全国排名前十五大港口越近，交通成本与信息沟通成本越低，企业越可能开展OFDI。第二，本文可能面临样本选择偏差问题，如过度负债的企业更可能开展OFDI。本文采取两种方法解决这一问题。首先，本文采用了倾向得分匹配法（PSM）构建配对的非OFDI企业样本，具体原理为利用logit回归模型拟合出每个样本的倾向得分（PS），然后根据PS值寻找相配对样本。logit回归模型中，被解释变量为企业OFDI虚拟变量（OFDI1）；参考Buckley等（2009）与Nieto和Rodríguez（2011）的研究，解释变量选择公司规模、资产负债率、企业成长性、成立年限、有形资产比例、资产收益率、第一大股东持股比例、海外业务收入比例、行业集中度、公司注册地区的开放程度以及行业与地区虚拟变量。其次，本文采用Heckman自选择回归模型。第一阶段变量选择除包括以上倾向得分logit回归模型中的解释变量外，还包括企业注册地与全国排名前十五大港口所在地的距离作为第一阶段的工具变量。然后再将第一阶段回归计算得到的逆米尔斯比率（IMR）代入第二阶段。第三，借鉴Lu等（2014）的研究，删除注册地为中国香港、新加坡、中国澳门以及加勒比避税天堂（百慕大群岛、英属维尔京群岛、英属开曼群岛）等地区的OFDI，原因在于以上地区OFDI可能出于避税动机，或者作为向海外其他区域进一步投资的基地。第四，本文采用总负债除以总资产作为企业负债水平的衡量变量。第五，2008年金融危机期间，我国推出了规模庞大的“四万亿”经济刺激计划。“四万亿”计划主要是以大规模信贷为手段，可能会对本文的结论产生影响。稳健性检验中，本文删除了金融危机与“四万亿”计划期间（2008−2010年）的样本。表4的稳健性结果与本文的主检验结果基本一致。
| 因变量：EXLev | 工具变量 | PSM | Heckman | 删除中国香港等地区的OFDI样本 | Lev=总负债/总资产 | 删除金融危机期间样本 |
| OFDI1 | −0.080*** （−2.63） |
−0.003
（−0.58） |
−0.008
（−0.87） |
−0.010
（−0.99） |
−0.015** （−1.96） |
−0.004
（−0.54） |
| NSOE | −0.022*** （−3.14） |
−0.001
（−0.25） |
−0.012* （−1.85） |
−0.005
（−0.90） |
−0.0004
（−0.06） |
−0.010
（−1.56） |
| OFDI1×NSOE | 0.092*** （3.15） |
0.012* （1.82） |
0.028*** （2.67） |
0.021* （1.77） |
0.018* （1.94） |
0.018* （1.88） |
| IMR | 0.009
（1.38） |
|||||
| ControlVariables | Yes | Yes | Yes | Yes | Yes | Yes |
| 内生性检验
（χ2） |
6.17** | |||||
| Harbdistance | −0.016*** （−15.47） |
|||||
| Adj. /Pseudo R2 | 0.164 | 0.158 | 0.153 | 0.162 | 0.140 | |
| Wald χ2 | 2272 | |||||
| N | 12 710 | 6 792 | 11 289 | 12 710 | 12 695 | 8 635 |
相对于非国有企业，国有企业实际负债水平偏离合理负债水平的可能性与程度均更低的原因是政府的隐性担保与资源支持等。开拓国际市场，寻求自然资源、技术资源等是我国政府鼓励开展OFDI的主要原因（Luo和Tung，2007；Buckley等，2009）。较低层级政府控制的企业通常主要关注地方市场，而较高层级政府控制的企业则会关注全国及全球市场，因此，一方面，其拥有的资源更多，开展OFDI的经验更丰富，因而开展OFDI的能力更强；另一方面，在我国OFDI相关政策影响下，其开展OFDI的动机也会更强，即承担的与OFDI相关的政策性任务更多（Luo和Tung，2007；Buckley等，2009；Wang等，2012）。由于较高层级政府控制的企业承担着与OFDI相关的政策性任务，为鼓励这些企业开展OFDI，政府会要求金融系统为其提供融资等资源支持，以实现OFDI相关的目标（Morck等，2008）。基于以上分析，本文认为相对于非国有企业，控制国有企业的政府层级越高，政府提供的隐性担保与资源支持越多，合理负债水平越高，从而实际负债水平偏离合理负债水平的可能性与程度越低，即过度负债的可能性与程度均越低。
为检验以上问题，借鉴夏立军和方轶强（2005）与徐广成等（2016）的研究，本文设置政府层级变量HI：当实际控制人为非国有，取值为0；当实际控制人为地级市及以下政府时，取值为1；当实际控制人为省级政府时，取值为2；当实际控制人为国资委等中央政府时，取值为3。同时，为保持与前文的变量定义与研究设计一致，本文对政府层级变量HI取相反数并加1，并设置如下回归模型：
| $EXLev = {\beta _0} + {\beta _1}OFDI + {\beta _2}HI + {\beta _3}OFDI \times HI + ControlVariables + \varepsilon $ | (3) |
除政府层级变量HI外，其他变量定义与模型（2）相同。依据以上理论分析，本文预期OFDI与HI交互项的系数β3显著为正。
回归结果如表5所示，显示第（1）−（4）列中，对外直接投资衡量变量（OFDI）与政府层级变量（HI）交互项的回归系数均至少在5%的水平上显著为正，表明相对于非国有企业，控制国有企业的政府层级越高，已开展OFDI企业过度负债的可能性与程度越低。换言之，相对于政府层级越高的国有企业，已开展OFDI的非国有企业过度负债的可能性与程度均越高。由于控制国有企业的政府层级越高，政府提供的隐性担保与资源支持越多，其债务融资优势也越明显，与之相比，非国有企业由于缺少政府隐性担保等，实际负债水平超过合理负债水平的可能性与程度越高，过度负债的可能性与程度也越高。
| 因变量 | （1）
EXLev |
（2）
EXLev |
（3）
EXLev_dum |
（4）
EXLev_dum |
| OFDI1 | 0.003（1.13） | 0.058（1.27） | ||
| OFDI2 | 0.000（0.97） | 0.005（1.46） | ||
| HI | 0.000（0.07） | 0.000（0.39） | 0.030（1.29） | 0.036*（1.67） |
| OFDI1×HI | 0.006***（3.06） | 0.089**（2.32） | ||
| OFDI2×HI | 0.001***（3.43） | 0.007**（2.52） | ||
| Roa | −0.561***（−21.53） | −0.561***（−21.54） | −7.601***（−14.82） | −7.605***（−14.82） |
| Ind_Lev | 0.032*（1.89） | 0.032*（1.88） | 0.425（1.36） | 0.424（1.36） |
| Growth | 0.058***（14.86） | 0.058***（14.94） | 1.006***（11.44） | 1.010***（11.48） |
| Tang | 0.037***（4.32） | 0.037***（4.26） | 0.865***（5.61） | 0.857***（5.57） |
| Size | −0.013***（−8.62） | −0.013***（−8.61） | −0.206***（−7.40） | −0.204***（−7.42） |
| SHRCR1 | −0.003（−0.37） | −0.003（−0.35） | −0.301**（−2.17） | −0.300**（−2.16） |
| BM | 0.043***（5.66） | 0.043***（5.63） | 0.855***（6.12） | 0.852***（6.11） |
| EXP | −0.431***（−10.20） | −0.427***（−10.13） | −5.226***（−6.37） | −5.183***（−6.33） |
| NDTS | −0.081（−0.75） | −0.080（−0.74） | 0.108（0.06） | 0.145（0.07） |
| ETR | 0.002（0.92） | 0.002（0.90） | 0.043（1.17） | 0.043（1.17） |
| VEBITTA | 0.758***（21.38） | 0.757***（21.34） | 13.159***（18.46） | 13.158***（18.45） |
| VCFO | −0.254***（−10.84） | −0.255***（−10.88） | −4.139***（−9.26） | −4.160***（−9.31） |
| Manaown | −0.022***（−3.37） | −0.022***（−3.34） | −0.462***（−3.61） | −0.460***（−3.60） |
| _cons | 0.289***（9.10） | 0.285***（9.08） | 4.128***（7.08） | 4.086***（7.07） |
| Adj. /Pseudo R2 | 0.153 | 0.153 | 0.083 | 0.083 |
| N | 12 710 | 12 710 | 12 710 | 12 710 |
Luo和Tung（2007）指出包括中国企业在内的新兴市场国家的企业，进行OFDI的主要目标之一是为了技术寻求或技术探索，以弥补企业的技术创新能力不足，提升企业竞争力。在政策层面上，我国政府亦积极鼓励企业以OFDI的形式实现技术寻求、探索。例如，《国民经济和社会发展第十三个五年规划》明确指出：“支持企业扩大对外投资，扩大开放领域，积极有效引进境外先进技术”。基于技术寻求型OFDI是我国鼓励与支持企业开展OFDI的主要目标之一，因而对于开展这一类型OFDI的企业，其更容易获取与OFDI政策相关的优惠融资条件。本文将进一步检验技术寻求型OFDI对不同产权性质企业OFDI的过度负债的影响，并预期由于技术寻求型OFDI的优惠融资条件，当企业拥有技术寻求型OFDI时，相对于未开展OFDI企业，已开展OFDI非国有企业的过度负债可能性高于国有企业，而当企业不拥有技术寻求型OFDI时，上述结果可能并不存在。
借鉴蒋冠宏等（2013）、李梅和余天骄（2016）的研究，本文将技术寻求定义为企业OFDI的业务性质是否包括研发或技术开发，包括则为技术寻求型OFDI，否则为非技术寻求型OFDI。由于只有OFDI企业样本才能区分是否为技术寻求型，本部分的检验样本仅限于OFDI企业样本。表6报告了回归结果，显示在技术寻求型OFDI样本中，NSOE的回归系数均在5%的水平上显著为正，而在非技术寻求型OFDI样本中，NSOE的回归系数均不显著，表明只有当OFDI目标包括技术寻求时，开展OFDI非国有企业的过度负债可能性与程度才高于国有企业。
| 因变量 | 技术寻求型OFDI | 非技术寻求型OFDI | ||
| （1）
EXLev |
（2）
EXLev_dum |
（3）
EXLev |
（4）
EXLev_dum |
|
| NSOE | 0.037**（2.01） | 0.776**（2.30） | −0.001（−0.07） | 0.082（0.48） |
| Roa | −0.386***（−2.75） | −5.767*（−1.88） | −0.664***（−9.82） | −9.543***（−7.06） |
| Ind_Lev | −0.280（−1.58） | −5.211*（−1.74） | 0.040（0.67） | 0.852（0.82） |
| Growth | 0.086***（4.69） | 1.941***（3.10） | 0.058***（6.37） | 1.196***（5.37） |
| Tang | 0.064（1.02） | 1.643（1.36） | 0.010（0.35） | 0.847（1.57） |
| Size | −0.011（−1.31） | −0.191（−1.19） | −0.017***（−3.11） | −0.314***（−3.38） |
| SHRCR1 | 0.005（0.11） | −0.036（−0.04） | 0.017（0.65） | 0.115（0.25） |
| BM | 0.019（0.45） | 1.057（1.27） | 0.007（0.27） | 0.268（0.61） |
| EXP | −0.407**（−2.20） | −4.253（−1.03） | −0.715***（−4.90） | −10.458***（−3.64） |
| NDTS | 0.810（1.13） | 24.288*（1.71） | 0.450（1.21） | 11.274（1.60） |
| ETR | 0.004（0.33） | 0.006（0.03） | 0.003（0.48） | 0.128（1.34） |
| VEBITTA | 0.836***（4.82） | 16.927***（4.77） | 0.645***（6.74） | 11.947***（6.49） |
| VCFO | −0.208（−1.44） | −5.273*（−1.78） | −0.320***（−4.62） | −4.845***（−3.72） |
| Manaown | −0.040（−1.04） | −0.795（−1.07） | −0.008（−0.42） | −0.252（−0.73） |
| _cons | 0.298（1.55） | 5.447（1.58） | 0.368***（2.98） | 5.949***（2.88） |
| Year/Industry | Yes | Yes | Yes | Yes |
| Adj. /pseudo R2 | 0.244 | 0.163 | 0.190 | 0.107 |
| N | 764 | 749 | 3055 | 3044 |
前文发现相对于未开展OFDI企业，已开展OFDI非国有企业过度负债的可能性与程度均高于国有企业，本文将进一步考察企业对外直接投资、过度负债与企业价值的关系。
(一) 企业对外直接投资、过度负债与企业价值本文将进一步检验对外直接投资与过度负债对企业价值的影响，并建立如下回归模型：
| $\begin{aligned} EM =& {\beta _0} + {\beta _1}OFDI + {\beta _2}NSOE + {\beta _3}EXLev + {\beta _4}OFDI \times NSOE + {\beta _5}OFDI \times EXLev \\ & + {\beta _6}NSOE \times EXLev + {\beta _7}OFDI \times NSOE \times EXLev + ControlVariables + \varepsilon \end{aligned} $ | (4) |
其中，EM衡量超额市场价值。借鉴已有研究（Denis等，2002），超额市场价值等于企业市场价值减去估计市场价值后取自然对数。市场价值等于企业权益市场价值加上负债账面价值。估计市场价值等于同年度同行业全部非OFDI企业（即国内企业）市场价值与营业收入比率的中位数，乘以企业的营业收入，该值是假定全部业务来自国内时企业的市场价值。超额市场价值反映了企业国际业务市场价值的溢价，相对于直接采用企业市场价值指标，如托宾Q，该指标调整了国内业务与国际业务市场价值的差异。控制变量包括企业规模（Size）、有形资产比例（Tang）、总资产增长率（Growth）、资产收益率（Roa）、现金流比率（CFO）、两职合一（Dual）与第一大股东持股比例（SHRCR1），以及年度与行业虚拟变量。其中，当董事长兼任总经理时，两职合一（Dual）取值为1，否则为0。
表7报告了对外直接投资、企业过度负债与企业价值的回归结果，显示对外直接投资衡量变量（OFDI1、OFDI2）、产权性质（NSOE）与过度负债衡量变量（EXLev与EXLev_dum）交互项的回归系数在除第（4）列的其余列中至少在10%的水平上显著为负，表明已开展OFDI且存在过度负债非国有企业的价值低于国有企业。
| 因变量：EM | （1） | （2） | （3） | （4） |
| OFDI1 | −0.130***（−5.98） | −0.157***（−5.02） | ||
| OFDI2 | −0.009***（−5.33） | −0.011***（−4.97） | ||
| NSOE | 0.138***（8.08） | 0.131***（8.20） | 0.150***（6.14） | 0.148***（6.57） |
| EXLev | 0.252***（3.14） | 0.262***（3.50） | ||
| EXLev_dum | 0.042**（2.01） | 0.043**（2.21） | ||
| OFDI1×NSOE | −0.006（−0.21） | 0.031（0.77） | ||
| OFDI2×NSOE | 0.000（0.11） | 0.003（0.84） | ||
| OFDI1×EXLev | 0.382**（2.44） | |||
| OFDI2×EXLev | 0.036***（2.84） | |||
| OFDI1×EXLev_dum | 0.070*（1.68） | |||
| OFDI2×EXLev_dum | 0.007**（2.18） | |||
| NSOE×EXLev | −0.098（−0.83） | −0.146（−1.34） | ||
| NSOE×EXLev_dum | −0.029（−0.97） | −0.041（−1.52） | ||
| OFDI1×NSOE×EXLev | −0.489**（−2.30） | |||
| OFDI2×NSOE×EXLev | −0.036**（−2.18） | |||
| OFDI1×NSOE×EXLev_dum | −0.091*（−1.71） | |||
| OFDI2×NSOE×EXLev_dum | −0.006（−1.46） | |||
| Size | −0.223***（−34.64） | −0.228***（−35.88） | −0.224***（−34.74） | −0.229***（−36.03） |
| Tang | −0.348***（−8.74） | −0.329***（−8.29） | −0.345***（−8.65） | −0.327***（−8.23） |
| Growth | 0.289***（14.01） | 0.289***（13.94） | 0.296***（14.42） | 0.296***（14.37） |
| Roa | 0.206（1.62） | 0.206（1.62） | 0.154（1.22） | 0.154（1.22） |
| CFO | −0.398***（−4.29） | −0.395***（−4.24） | −0.420***（−4.54） | −0.416***（−4.49） |
| Dual | 0.059***（3.94） | 0.057***（3.78） | 0.059***（3.95） | 0.056***（3.78） |
| SHRCR1 | −0.098**（−2.28） | −0.092**（−2.16） | −0.097**（−2.26） | −0.091**（−2.13） |
| _cons | 4.662***（33.05） | 4.755***（33.96） | 4.657***（32.94） | 4.754***（33.88） |
| Year/Industry | Yes | Yes | Yes | Yes |
| Adj. R2 | 0.207 | 0.206 | 0.206 | 0.204 |
| N | 12 696 | 12 696 | 12 696 | 12 696 |
针对2013年以来我国部分企业出现的非理性与盲目对外投资等现象，2016年11月28日，国家发展改革委、商务部、中国人民银行、外汇管理局四部门联合表示在坚持实施“走出去”战略的同时，将关注与对外直接投资相关的债务风险问题，并对一些企业的对外直接投资项目进行核实。次日，即11月29日，外汇管理局率先表态，将配合境外投资相关管理部门，开展对外直接投资真实性、合规性审核，打击虚假对外投资行为。12月6日，以上四部门再次表示将关注OFDI出现一些非理性的倾向与风险隐患，并建议有关企业审慎决策。至此，政府部门加强对OFDI的真实性、合规性审核，严控OFDI相关债务风险的意图已完全明确。自四部门明确强化对OFDI相关的审核后，2016年12月我国OFDI出现迅速下滑，该月非金额类对外直接投资同比下降39.4%。此次加强对OFDI的审查，对OFDI、过度负债产生了影响。OFDI真实性、合规性审核的意图确定后，银行等金融机构会根据国家发展改革委、商务部、中国人民银行等部门的要求以及后续的指导政策重新调整对OFDI企业的贷款政策，例如，2017年1月26日国家外汇管理局明确要求银行业加强对于OFDI的真实性、合规性审核。④2017年12月7日发布的《关于完善银行内保外贷管理的通知》，则进一步要求银行从债务人主体资格、境外资金用途和交易背景、第一还款来源和履约倾向性、反担保品来源等方面加强内保外贷审核。根据以上分析，2016年11月28日至12月6日政府部门加强OFDI审查预期会提高OFDI企业的信贷资源获取难度，尤其是过度负债水平较高的企业。同时，由于国有企业OFDI很可能是寻求自然资源、技术资源等政府要求的资源，以及国有企业在金融资源获取上的优势地位，本文预期相对于国有企业，过度负债的非国有企业在该期间的市场反应较低。
借鉴Fisman等（2014）的研究，本文选择2016年11月28日至12月6日作为研究窗口期，并采用市场模型法计算该事件期间企业的累计异常收益率（CAR）。同时，由于该事件期间上市公司尚未公布2016年的财务报告，因此，市场仍可能会参考企业在2015年的财务报告信息，因此，本文将采用2015年样本检验以上问题。对外直接投资、产权性质、过度负债与加强OFDI监管事件期间市场反应的回归结果见表8，结果显示对外直接投资衡量变量（OFDI1、OFDI2）、产权性质（NSOE）与过度负债衡量变量（EXLev与EXLev_dum）交互项的回归系数在除第（3）列的其余列中至少在10%的水平上显著为负，表明四部门明确强化对OFDI风险的监管会增加过度负债OFDI企业的融资难度，尤其是非国有企业，因此，相对于国有企业，过度负债的非国有企业在此期间的市场反应更差。
| 因变量：CAR | （1） | （2） | （3） | （4） |
| OFDI1 | −0.003（−0.71） | −0.012**（−2.51） | ||
| OFDI2 | −0.002（−0.59） | −0.005（−1.46） | ||
| NSOE | 0.007*（1.78） | 0.002（0.39） | 0.008**（2.18） | 0.004（1.07） |
| EXLev | −0.040**（−1.98） | −0.023（−1.22） | ||
| EXLev_dum | −0.009**（−2.10） | −0.006（−1.53） | ||
| OFDI1×NSOE | 0.005（0.96） | 0.016***（2.60） | ||
| OFDI2×NSOE | 0.002（0.64） | 0.007（1.56） | ||
| OFDI1×EXLev | 0.089***（2.71） | |||
| OFDI2×EXLev | 0.025（1.23） | |||
| OFDI1×EXLev_dum | 0.020**（2.45） | |||
| OFDI2×EXLev_dum | 0.007（1.54） | |||
| NSOE×EXLev | 0.064*（1.66） | 0.040（1.18） | ||
| NSOE×EXLev_dum | 0.011*（1.70） | 0.008（1.22） | ||
| OFDI1×NSOE×EXLev | −0.122**（−2.44） | |||
| OFDI2×NSOE×EXLev | −0.039（−1.33） | |||
| OFDI1×NSOE×EXLev_dum | −0.026**（−2.50） | |||
| OFDI2×NSOE×EXLev_dum | −0.010*（−1.67） | |||
| Size | 0.011***（6.27） | 0.011***（6.29） | 0.011***（6.27） | 0.011***（6.29） |
| Age | −0.001（−0.25） | −0.001（−0.21） | −0.001（−0.19） | −0.001（−0.19） |
| Roa | −0.019（−0.71） | −0.020（−0.73） | −0.018（−0.67） | −0.019（−0.70） |
| BM | −0.040***（−4.32） | −0.040***（−4.33） | −0.040***（−4.31） | −0.040***（−4.30） |
| VCFO | 0.027（0.87） | 0.026（0.82） | 0.026（0.84） | 0.026（0.83） |
| _cons | −0.241***（−5.87） | −0.240***（−5.79） | 0.011***（6.27） | 0.011***（6.29） |
| Industry | Yes | Yes | Yes | Yes |
| Adj. R2 | 0.033 | 0.031 | 0.029 | 0.029 |
| N | 1 585 | 1 585 | 1 585 | 1 585 |
本文考察了对外直接投资、产权性质与企业过度负债的关系，研究发现：第一，已开展OFDI非国有企业的过度负债可能性与程度均显著高于国有企业，而且当国有企业的政府控制层级越高，已开展OFDI非国有企业的过度负债可能性与程度均越高。第二，当OFDI目标为技术寻求时，已开展OFDI非国有企业与国有企业过度负债差异更明显。上述结果表明，由于国有企业承担着OFDI相关的政策性目标责任，如技术资源获取等，政府更可能对国有企业开展OFDI行为提供隐性担保，而且政府控制层级越高，政府的隐性担保力度越大，因而，已开展OFDI的非国有企业相对而言更可能过度负债。第三，相对于国有企业，已开展OFDI非国有企业的过度负债会降低企业价值，而且在政府部门加强OFDI有关风险监管事件期间，相对于国有企业，过度负债的非国有企业在此期间的市场反应更差。这一结果表明相对于国有企业，已开展OFDI非国有企业过度负债会增加其偿债压力，提高其债务风险，降低企业价值。
本文的政策含义如下：对于开展OFDI的非国有企业，过度负债可能导致其面临较高的偿债风险，因此，非国有企业须慎重考虑开展 OFDI。政府与金融机构须强化对OFDI经营风险的监控：开展 OFDI 企业的债务风险需要在事前进行详细的审查、评估，并将其作为是否提供融资的决定因素；事后持续关注OFDI的经营情况，包括OFDI对企业偿债能力、企业价值的影响，不断评估债务风险，并进而确定监督策略。
① 本文中“对外直接投资”与“OFDI”含义相同，文中交替使用。
② 吴黎华：《警惕非理性海外并购的金融风险》，《经济参考报》，2017年7月19日。
③ 样本截至2015年的原因是，2016年，我国政府一方面对OFDI的审查趋于严格，并严格审核OFDI的真实性，禁止与我国产业政策不符的OFDI项目获得审批等；另一方面，要求金融机构对OFDI相关的债务风险进行控制。以上政策会同时改变企业OFDI项目的开展和企业的负债情况，从而使得OFDI与过度负债的关系更为复杂，因此，本文未选取2016年及之后的样本。
④ 资料来源：外汇管理局，《关于进一步推进外汇管理改革完善真实合规性审核的通知》，www.safe.gov.cn，2017年1月26日。
| [1] | 郭桂霞, 赵岳, 巫和懋. 我国" 走出去”企业的最优融资模式选择——基于信息经济学的视角[J].金融研究,2016(8). |
| [2] | 黄继承, 朱冰, 向东. 法律环境与资本结构动态调整[J].管理世界,2014(5). |
| [3] | 姜付秀, 黄继承. 市场化进程与资本结构动态调整[J].管理世界,2011(3). |
| [4] | 姜付秀, 屈耀辉, 陆正飞, 等. 产品市场竞争与资本结构动态调整[J].经济研究,2008(4). |
| [5] | 蒋冠宏, 蒋殿春, 蒋昕桐. 我国技术研发型外向FDI的" 生产率效应”——来自工业企业的证据[J].管理世界,2013(9). |
| [6] | 李梅, 余天骄. 研发国际化是否促进了企业创新——基于中国信息技术企业的经验研究[J].管理世界,2016(11). |
| [7] | 李笑, 华桂宏, 李锦生. 政府支持、融资约束与企业对外直接投资[J].山西财经大学学报,2019(5). |
| [8] | 连立帅, 陈超. 外资银行贷款与中国企业国际化——基于我国上市公司的经验证据[J]. 财贸经济, 2017, （2）. http://www.cnki.com.cn/Article/CJFDTotal-CMJJ201702007.htm |
| [9] | 陆正飞, 何捷, 窦欢. 谁更过度负债: 国有还是非国有企业?[J].经济研究,2015(12). |
| [10] | 伦晓波, 杨竹莘, 李欣. 所有制、对外直接投资与融资约束: 基于金融资源错配视角的实证分析[J].世界经济研究,2018(6). |
| [11] | 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(2). |
| [12] | 夏立军, 方轶强. 政府控制、治理环境与公司价值——来自中国证券市场的经验证据[J]. 经济研究, 2005, （5）. http://www.cnki.com.cn/Article/CJFDTotal-JJYJ200505004.htm |
| [13] | 徐广成, 张茵, 陈智. 产权性质、政府层级与企业自愿信息披露[J].中国经济问题,2016(6). |
| [14] | Buch C M, Kesternich I, Lipponer A, et al. Financial constraints and foreign direct investment: Firm-level evidence[J].Review of World Economics,2014,150(2):393–420. |
| [15] | Buckley P J, Clegg L J, Cross A R, et al. Erratum: The determinants of Chinese outward foreign direct investment[J].Journal of International Business Studies,2009,40(2):353–354. |
| [16] | Burgman T A. An empirical examination of multinational corporate capital structure[J].Journal of International Business Studies,1996,27(3):553–570. |
| [17] | Chang C, Chen X, Liao G M. What are the reliably important determinants of capital structure in China?[J].Pacific-Basin Finance Journal,2014,30:87–113. |
| [18] | Chen C J P, Cheng C S A, He J, et al. An investigation of the relationship between international activities and capital structure[J].Journal of International Business Studies,1997,28(3):563–577. |
| [19] | Cui L, Jiang F M. State ownership effect on firms’ FDI ownership decisions under institutional pressure: A study of Chinese outward-investing firms[J].Journal of International Business Studies,2012,43(3):264–284. |
| [20] | Denis D J, Denis D K, Yost K. Global diversification, industrial diversification, and firm value[J].The Journal of Finance,2002,57(5):1951–1979. |
| [21] | Doukas J A, Pantzalis C. Geographic diversification and agency costs of debt of multinational firms[J].Journal of Corporate Finance,2003,9(1):59–92. |
| [22] | Faulkender M, Flannery M J, Hankins K W, et al. Cash flows and leverage adjustments[J].Journal of Financial Economics,2012,103(3):632–646. |
| [23] | Flannery M J, Rangan K P. Partial adjustment toward target capital structures[J].Journal of Financial Economics,2006,79(3):469–506. |
| [24] | Fisman R, Hamao Y, Wang Y X. Nationalism and economic exchange: Evidence from shocks to Sino-Japanese relations[J].The Review of Financial Studies,2014,27(9):2626–2660. |
| [25] | Frank M Z, Goyal V K. Capital structure decisions: Which factors are reliably important?[J].Financial Management,2009,38(1):1–37. |
| [26] | Graham J R, Harvey C R. The theory and practice of corporate finance: Evidence from the field[J].Journal of Financial Economics,2001,60(2-3):187–243. |
| [27] | Harford J, Klasa S, Walcott N. Do firms have leverage targets? Evidence from acquisitions[J].Journal of Financial Economics,2009,93(1):1–14. |
| [28] | Jiang F X, Jiang Z, Huang J C, et al. Bank competition and leverage adjustments[J].Financial Management,2017,46(4):995–1022. |
| [29] | Johanson J, Vahlne J E. The Uppsala Internationalization process model revisited: From liability of foreignness to liability of outsidership[J].Journal of International Business Studies,2009,40(9):1411–1431. |
| [30] | Kedia S, Rajgopal S. Neighborhood matters: The impact of location on broad based stock option plans[J].Journal of Financial Economics,2009,92(1):109–127. |
| [31] | Lee K C, Kwok C C Y. Multinational corporations vs. domestic corporations: International environmental factors and determinants of capital structure[J].Journal of International Business Studies,1988,19(2):195–217. |
| [32] | Lian L S, Chen C. Financial development, ownership and internationalization of firms: Evidence from China[J].China Finance Review International,2017,7(3):343–369. |
| [33] | Lu J Y, Liu X H, Wright M, et al. International experience and FDI location choices of Chinese firms: The moderating effects of home country government support and host country institutions[J].Journal of International Business Studies,2014,45(4):428–449. |
| [34] | Luo Y D, Tung R L. International expansion of emerging market enterprises: A springboard perspective[J].Journal of International Business Studies,2007,38(4):481–498. |
| [35] | Luo Y D, Xue Q Z, Han B J. How emerging market governments promote outward FDI: Experience from China[J].Journal of World Business,2010,45(1):68–79. |
| [36] | Mittoo U R, Zhang Z. The capital structure of multinational corporations: Canadian versus U.S. evidence[J].Journal of Corporate Finance,2008,14(5):706–720. |
| [37] | Morck R, Yeung B, Zhao M Y. Perspectives on China’s outward foreign direct investment[J].Journal of International Business Studies,2008,39(3):337–350. |
| [38] | Nieto M J, Rodríguez A. Offshoring of R&D: Looking abroad to improve innovation performance[J].Journal of International Business Studies,2011,42(3):345–361. |
| [39] | Park S H, Suh J, Yeung B. Do multinational and domestic corporations differ in their leverage policies?[J].Journal of Corporate Finance,2013,20:115–139. |
| [40] | Reeb D M, Mansi S A, Allee J M. Firm internationalization and the cost of debt financing: Evidence from non-provisional publicly traded debt[J].Journal of Financial and Quantitative Analysis,2001,36(3):395–414. |
| [41] | Singh M, Nejadmalayeri A. Internationalization, capital structure, and cost of capital: Evidence from French corporations[J].Journal of Multinational Financial Management,2004,14(2):153–169. |
| [42] | Wang C Q, Hong J J, Kafouros M, et al. Exploring the role of government involvement in outward FDI from emerging economies[J].Journal of International Business Studies,2012,43(7):655–676. |