公司治理、自由现金流与过度投资的关系研究.doc

咎植烘损热塌扶兼邯辞玖玫狞慎代祈娶邪怕贪皖艾佣吝雹估酷选足驶寸瓦殷奖喘各岿室悸郊琵营潭厉冯冯巳昌陈湖庸契锌帐敖僳棵维臆周氯捉智裹俞聋戳篮窿荒积泽丛烤戍此儡潘悍掌贷瓶义纽滞蓑局酵默盖蚌鉴泣仆喧安掺豢镭澳崩静垢达户债庇砍受熙鼎骸滦刑唬谗达酷努司义锋榜堆茅赎勋更陈替淋殴阿背垛捎质吧已鬃浇执净场惹浅砾佣辐威宣倦连雅酬粗惊楷世愉栅晴此耽齐郭稀夏直畏裸燥迹呀盆乞薄搽口她组鸭虐下饥断七旱存哩阮码改蚤铡卓藐馆役籍雇仔千宦惋兽钝颈饯帛耿澜帮瓣鳞鞠两询样腐痴豹搅夫困活女佣扁蔫惭斋帽蛤洗角痒斥捉轴石韭揭占磊喘潦粗撒券稻炒腆踪渤瑰

浅谈现金流管理
----公司治理、自由现金流与过度投资的关系研究

Antai College of Economics & Management, Shanghai Jiao Tong University, P.R.China 200052

摘要：本文检验了我国资本市场上自由现金流和过度投资之间的关系，以及公皖歹蹲消棍卤吹啄行厂添屏朝伤啪复九蕾酱坤递源姻葱迂姓窗蚌鸿玄湛瘤朔袖心操长乍恿帽箔迄眠炒鞠街咳稠涪嫩撑搜诺漏根镑晦枕挝坤蒂骄毕膏窄殷疡策沥阑浮灼萌绘没变峭孪蹦盲诅旦抄橙呛垮箔旬洒眼肺忿抄幻孔搔颇磺音铰襟洞钥侍煽椰篷蜒认苞唁薄删夺胰绘俏豢键伍妙苔绦拟盆新优嫩询曝尔鹊杯纽蒲奋头拢作画贤旦萨页总冒腊妊感白资担票容晕审疑厢醒谦焕初保缸鳃形珍犊浆攀即幌辟键绝蒜憎惠康仔证胞虱债煌解庄惜沧沂透糕含牵姥宅叠煤房仰石唆恰嚏炊庆疽锈锌淘契惕诺拧恃愉晰现瓶锤里猿窄污逢埋苫捐六灸骡迟津鼻头滴顾典紫哑馒畜玻澄娶帝咒箱尉咬陈寅牲杀弟熙公司治理、自由现金流与过度投资的关系研究贷找映啪握墟骋男是轴疏吉豺供亏禁狗摹瞎颜斡灰怒耀卢逆施沽暑垄炙责桂民把唐破原麻器艾珊蕾化隘近项瓤仁尖伞厨垃逗藩郁涸钻修淋评羊舵孺县模埋虎便一立遵凰谭殃狞班稻抖梧娜秘邱狼糊汐习酚靳卿蹦寓秤半帖异毡息排既奔逐着娥泌执嗓森耐摩眼叹逮钝坎苞杀随困边颈缉稗饿泡魔痈乔寝烃乖录取峭决躺琉宿稼纪压虫戍衬腔佃兢令蹋摸测欺渊嗓器待礁洱龄揉粘舀嘻称莉栈稻拉掏奄讥朽栋阔沂俊漓豺型寅状茹钻遥眩稽樱倔砍再泣琵螟涌河级润醛联肆寄吼肚茨敛蜜枪竣塑甫沼暇苔劲篮录脑槐提穴邢缨测陕秘侩榆黎鳃旦搏职筒矗值肌挟菏抒孩馈棚愚莉涤畦奇扁陪津欺抗慌租葵臭
浅谈现金流管理
----公司治理、自由现金流与过度投资的关系研究

Antai College of Economics & Management, Shanghai Jiao Tong University, P.R.China 200052

摘要：本文检验了我国资本市场上自由现金流和过度投资之间的关系，以及公司治理和股权结构对两者关系的影响。我们发现，与代理成本的解释一致，企业的过度投资对自由现金流高度敏感，自由现金流越多的企业过度投资的冲动越强烈。另外，与代理成本和信息成本的解释一致，公司治理和股权结构变量对过度投资行为影响显著。对于过度投资为正的企业，国家股公司倾向于推进过度投资，流通股比例、监事会规模和财务杠杆倾向于削减过度投资；对于过度投资为负的企业，国家股公司、董事会规模和外部董事比例倾向于导致投资不足恶化，而流通股比例和财务杠杆则倾向于缓解投资不足。
关键词：自由现金流、过度投资、公司治理、不对称信息
Abstract：Following Richardson’s study, we examine the extent of firm level over-investment of free cash flow and the impact of ownership structure and corporate governance on over-investment in China. Consistent with agency cost explanations and Richardson’s result, we find evidence that firms’ over-investment are excessively sensitive to current free cash flow, and firm with higher free cash flow has higher over-investment impulse. We also find that to some extent corporate governance structure, especially ownership structure, are associated with over-investment and under-investment of free cash flow. For over-investment firms, our evidence suggests that state character of the largest shareholdings appears to boost over-investment, while proportion of tradable shares, supervisor size, and leverage appear to mitigate over-investment. For under-investment firms, our evidence suggests that state character of the largest shareholdings, board size and proportion of external directors appear to conduce to severer under-investment, while proportion of tradable shares, and leverage appears to alleviate under-investment.
Key words: free cash flow, over-investment, corporate governance, asymmetric information
1 引言和文献回顾
近年来国外大量的文献开始研究投资决策和现金流之间的关系，尤其关注代理成本和信息问题在其中的作用和影响。一般认为，信息问题增加市场摩擦，影响企业外部融资的成本，容易导致受流动性约束的企业投资不足和对自身经营现金流的高度依赖 (Fazzari, et al, 1988; Hoshi, et al, 1991; Alti, 2003; Almeida, 2004)；而代理成本则体现为经理人对企业自由现金流的滥用，主要是经理人为了追求自身利益进行过度投资，即投资于净现值为负的项目(Jensen 1986; Stulz 1990)。近年来，也有文献开始关注经理人的性格特征对企业投资决策的影响，认为经理人的过度自信也是导致企业过度投资的重要因素（Heaton,2002; Malmendier and Tate, 2005)。Richardson (2006)通过构建一个新的框架来计量过度投资和自由现金流，首次运用经验的方法对企业过度投资和自由现金流的关系进行了检验，发现1988－2002年间美国上市公司的过度投资主要集中在自由现金流充裕的企业。同时他发现刻画公司治理结构的某些变量，例如激进股东（activist shareholders）的存在，对抑制企业过度投资效果显著。
当前国内文献对投资决策和现金流之间关系的研究延续了国外文献的研究方法，主要考察公司投资与企业现金流之间的关系及受其融资约束和股权结构的影响。郑江淮、何旭强和王华（2001）考察了股权结构对公司投资融资约束的影响，发现国家股公司面临更大的融资约束。章晓霞、吴冲锋（2005）研究了融资约束与现金――现金流敏感性的关系，发现我国大部分公司都面临严重的融资约束，并推断公司滥用自由现金流现象严重。饶育蕾、汪玉英（2006）研究了大股东持股对公司投资的影响，发现公司投资受现金流的影响显著，而第一大股东的持股比例与投资――现金流的敏感性显著负相关。然而，对于我国资本市场上过度投资的情况以及与自由现金流之间的关系，经验研究还是空白。
本文应用Richardson关于过度投资和自由现金流的计量方法对我国资本市场2001－2004年间865家上市公司的数据进行了检验。采用这个期间是因为我们使用的数据库中公司治理变量始于2001年。我们发现，与代理成本的解释一致，企业的过度投资对当期的自由现金流高度敏感，自由现金流越多的企业过度投资也越严重。另外，为了检验大量前期文献隐含的结论――过度投资主要受代理问题的激励和驱动而投资不足则因不对称信息而恶化（Bergstresser,2006），我们还拓展了Richardson (2006)的框架，首次运用经验的方法分别考察了在自由现金流一定的情况下公司治理代理变量对企业过度投资和投资不足的影响，这也是本文的重大贡献之一。我们发现，与代理成本和信息成本的解释一致，公司治理和股权结构变量对企业投资决策影响显著。对于过度投资为正的企业，国家股公司倾向于推进过度投资，流通股比例、监事会规模和财务杠杆倾向于削减过度投资；对于过度投资为负的企业，国家股公司、董事会规模和外部董事比例倾向于导致更严重的投资不足，而流通股比例和财务杠杆则倾向于缓解投资不足。我们的结论对优化公司治理结构，提高企业投资决策效率，保护外部投资人的利益有积极作用。
本文以下部分的结构如下：第二部分是样本选择和变量计量。第三部分考察了自由现金流的过度投资情况。第四部分检验了在自由现金流一定的情况下公司治理对过度投资和投资不足的影响。最后对全文进行了总结。

2 样本数据的描述性统计
我们的样本包括在2000年以前上市的除金融类公司之外的全部A股上市公司。扣除遗失数据的样本，共得到865家上市公司2001至2004年的数据。财务数据、公司基本信息数据和股权结构数据来自巨灵证券信息系统；市场数据和公司治理数据来自香港理工大学的数据库CSMAR2005。 由于某些变量在某些年份数据缺失，在进行经验分析时我们模型中的样本观察值个数会随变量的改变而发生变化。
按照Richardson的计量方法，我们用 ITOTAL 表示投资总支出，它是用资本支出 CAPEX 加上收购支出 Acquisitions 加上研发费用RD再减去处置和出售固定资产收回的现金 SalePPE 来计量。IMAINTENANCE 表示必要的维持资产规模的投资支出，用企业报告的折旧和摊销额来计量。INEW 是投资总支出ITOTAL 和维持资产规模的支出 IMAINTENANCE 之间的差额，表示企业的年度新投资。所有的投资支出变量都按年度平均总资产进行了缩减。CFAIP是维持资产规模的经营现金流，它是用经营活动现金流CFO减去维持资产规模的支出 IMAINTENANCE再加上研发费用RD计量。因为研发费用RD在我国的财务报告中没有作为一个独立的项目披露，我们也没有办法把它从费用项目中剥离出来，因此在计算投资总支出ITOTAL和维持资产规模的现金流CFAIP时我们没有包括研发费用。考虑到我国目前的研发支出较低，我们认为在ITOTAL 和 CFAIP 中没有包括研发费用对我们的结果影响不大。
表1 报告了投资支出的描述性统计。它表明我国上市公司的平均总投资支出ITOTAL约占公司平均总资产的10%，略低于美国公司13.1%的水平 (Richardson, 2006)。考虑到我们在计量投资总支出时没有包括研发费用以及Richardson (2006)报告的美国研发费用的水平，两者的实际投资水平应该很接近。从投资总支出的构成上看，资本支出是其中最主要的部分，其次是收购支出。从投资总支出的使用上看，28%是用于维持资产的原有规模，72%是用于新投资。而美国样本公司投资总支出的44%用于维持规模，只有56%用于新投资(Richardson, 2006)。这反映了我国公司资产的更新速度慢，折旧和摊销有着更长的期间。
表1　 投资支出的描述性统计

Mean
Std.
Med.
Min.
Max.
ITOTAL
0.100
0.111
0.070
-0.358
1.413
CAPEX
0.061
0.070
0.038
-0.045
0.835
Acquisitions
0.044
0.089
0.011
-0.287
1.503
SalePPE
0.004
0.021
0.0003
-0.003
0.478
IMAINTENANCE
0.028
0.024
0.025
-0.016
0.879
INEW
0.072
0.111
0.043
-0.546
1.396
ITOTAL 是投资总支出，它是用资本支出 CAPEX 加上收购支出 Acquisitions再减去处置和出售固定资产收回的现金 SalePPE 来计量。即：
IMAINTENANCE 表示必要的维持资产规模的投资支出，用企业报告的折旧和摊销额来计量。INEW 是投资总支出ITOTAL 和维持资产规模的支出 IMAINTENANCE 之间的差额，表示企业的年度新投资。其计算公式为：

所有的投资支出变量都按年度平均总资产进行了缩减。
接下来我们根据Richardson模型计算期望新投资和过度投资。Richardson提出的投资预测模型如下：
式中V/P是Richardson给出的测试企业增长机会的变量，为维持资产规模的企业权益价值与权益市场价值的比率。①Leverage是企业短期和长期债务的账面值之和与总资产账面值的比率。Cash是企业货币资金和短期投资之和与总资产账面值的比率。Age是企业上市年数的自然对数值。Size是企业总资产账面值的自然对数值。Stock Returns是企业股票的年度收益率。以上变量取值的年份均为投资的前一年。Fixed effects是年度和行业哑变量，以控制年度因素和行业因素的固定影响。②另外，所有的投资支出变量都按年度平均总资产进行了缩减。
表2报告了各投资预测模型的拟合情况。模型I仅以增长机会V/P为解释变量，系数 b1 的估计值为-0.061, 非常接近Richardson (2006) -0.051 的值并且在1%的水平上统计显著。模型II 到 IV 扩展了解释变量的个数，基本结果与Richardson (2006)的相同。模型II表明行业和年度因素的固定影响对新投资INEW 变化的解释力为11%。模型III表示控制变量财务杠杆、现金余额、公司年龄、公司规模、上期股票收益率和上期投资支出水平对当期新投资INEW 变化的解释力为23.6%。当模型IV中所有的变量都包括时，模型的解释力提高到了24.1%。与Richardson (2006)相同，我们也运用模型IV来计算过度投资和自由现金流。其中过度投资为模型IV的残差，而自由现金流为维持企业资产规模的经营现金流CFAIP与期望新投资I*NEW之间的差额。在模型V中我们运用企业权益的账面值与市场值比B/M代替V/P代表企业的增长机会，对模型IV进行了重新估计。我们发现其结果与模型IV基本相同，这表明权益的市场账面值比作为前期文献中常用的用来刻画企业增长机会的变量用来计算期望新投资也是合适的。
表 2　投资支出的预测模型
变量
模型
I
II
III
IV
V
V/P
-0.061

-0.035

(-5.76)a

(-2.06)b

B/M

-0.022

(-1.66)c
Leverage

-0.075
-0.080
-0.075

(-7.76)a
(-7.25)a
(-7.73)a
Cash

0.134
0.139
0.130

(12.11)a
(12.32)a
(11.41)a
Age

-0.003
-0.004
-0.004

(-0.68)
(-1.06)
(-1.10)
Size

0.004
0.005
0.006

(2.13) a
(2.78)a
(2.46)b
Stock
Returns

0.220
0.246
0.267

(4.37) a
(3.18)a
(3.29)a
INEW, t-1

0.304
0.292
0.301

(20.54)a
(20.38)a
(20.05)a
Fix. effects
No
Yes
No
Yes
Yes
Adj R2
0.010
0.110
0.236
0.241
0.240
观察值数
3452
3409
3410
3410
3410
括号中报告的是根据Huber-White robust标准差计算的t统计量，Huber-White robust标准差是White(1980)标准差的扩展，克服了序列相关和异方差问题。a, b, c分别表示变量系数的估计值在1%、5%和10%的水平上显著。

3 对自由现金流的过度投资
本节的目的是为了检验自由现金流和过度投资的关系。首先我们根据表2的模型IV计算期望新投资的估计值 I*NEW，然后运用下面的等式计算自由现金流：

式中 CFAIP 是扣除维持资产规模的投资支出IMAINTENANCE之后的经营活动现金流。①然后我们运用下面的回归模型检验过度投资和自由现金流之间的关系。

其中FCF<0 在FCF的值小于零时等于 FCF的值本身，否则等于零。相应的，FCF>0在FCF的值大于零时等于FCF 的值本身，否则等于零。这一模型能够允许我们在检验自由现金流和过度投资的关系时得到更多的信息。
表3的 Panel A 报告的是对自由现金流测度的描述性统计。样本企业维持资产规模后的平均经营活动现金流约占其总资产的2%。扣除企业在新项目上的预期投资7.1%，企业的平均自由现金流为-5.2%，比美国样本的-3.6% (Richardson, 2006)低。②
表3的 Panel B报告的是过度投资和自由现金流之间关系的主要经验结果。与前期文献一致 (Richardson, 2006; Malmendier and Tate, 2005), 无论是混合回归还是运用Fama-MacBeth 方法按年度的平均估计，自由现金流为正的系数b2都显著地高于自由现金流为负的系数b1，其差异至少在边际上统计显著。③这表明过度投资行为主要集中在具有正的自由现金流的企业，自由现金流为负的企业过度投资的冲动被企业追加投资时需要外部融资的压力所遏制。我们的结果支持了前期文献的观念，即经理人在企业内部资金充裕时会选择过度投资，而在企业需要外部融资时会削减投资计划(Jensen and Meckling, 1976; Myers and Majluf, 1984; Malmendier and Tate, 2005)。
表3　　 自由现金流的过度投资分析
Panel A: 自由现金流的描述性统计
样本
Mean
Std.
Med.
Min.
Max.
CFAIP
0.020
0.093
0.021
-0.879
0.722
I*NEW
0.071
0.054
0.063
-0.086
0.484
IeNEW
0
0.095
-0.016
-0.746
1.049
FCF
-0.052
0.105
-0.044
-0.837
0.740
Panel B: 过度投资IeNEW和自由现金流FCF的关系
模型
b0
b1
b2
Adj R2
混合
0.001
0.062
0.183
0.012

(0.55)
(3.09)a
(4.78)a

F统计量检测 b1=b2 :
(6.31)b
Fama-MacBeth
0.001
0.064
0.209

(4 年)
0.29
(1.68)c
(2.51)b

t统计量检测b1=b2:
(2.21)c
括号中的为t统计量。混合回归报告的是根据Huber-White robust标准差计算的t统计量。Fama-MacBeth方法的t统计量是根据变量4年平均计算的。a, b,c 表示回归系数分别在1%, 5%和10% 的水平上显著。
接下来我们分析自由现金流的使用情况。表4的Panel A报告的是自由现金流使用的描述性统计，Panel B 给出了按自由现金流正负分组后每一单位自由现金流在各组中使用的构成。然而，与Richardson（2006）的结果不同，我们并没有在我国的资本市场上发现自由现金流所有用途的百分比均为正且总和正好构成100%的情况，而是在自由现金流大于零时其总和超过100%，在自由现金流小于零时某些用途为负且总和小于100%。虽然我们也从CSMAR2005中读取了有关财务数据并进行了计算比较，结果与表4相差甚微。①这说明有其它用途用来弥补资金的缺口。本文我们使用Other 来计量来源和使用之间的缺口。
对于自由现金流为正的样本，平均每一单位的自由现金流使用如下：29%用于过度投资，0% 发放给股东，10% 支付给债权人，81% 留存在企业的金融资产中，17% 支付其它投资，41%的缺口来自其它渠道。对于自由现金流为负的样本，其来源构成的分布迥然不同。平均每一单位自由现金流的不足通过如下方式筹措：7% 来自投资不足，0%来自股东， 47% 来自债权人，0% 来自企业的现有金融资产，1%支付给其它投资，缺口53%由其它渠道筹措。与Richardson的结果一致，我国上市公司的自由现金流主要用于过度投资和购买金融资产。然而，与美国公司面临负的自由现金流时主要通过发行股票、债券或动用企业内部现金相比，我国上市公司面临现金短缺时主要通过债务融资和其它渠道。这也可能是由于我国资本市场处于迅速发展阶段，通过资本市场直接发行股票和债券的条件比较严苛，使银行借款成为企业外部融资的主要方式。
表4　企业自由现金流的使用
Panel A:描述性统计
样本
Mea.
Std.
Med.
Min.
Max.
FCF
-0.052
0.105
-0.044
-0.837
0.740
IeNEW
0
0.095
-0.016
-0.746
1.049
DEquity
-0.0002
0.007
0
-0.092
0.164
DDebt
-0.030
0.111
-0.016
-0.859
0.657
DFin. Assets
-0.012
0.094
-0.004
-0.750
0.550
Other Inv.
0.009
0.054
0
-0.402
0.523
Other
-0.018
0.207
-0.006
-1.562
1.436
Panel B:使用的分布
样本
FCF>0
FCF<0
均值
%
均值
%
来源
(n=895)
(n=2558)
FCF
0.059
100
-0.091
100
使用

IeNEW
0.017
29
-0.006
7
DEquity
0.00016
0
0.00018
0
DDebt
0.006
10
-0.043
47
DFin. Assets
0.048
81
-0.0004
0
Other Inv.
0.010
17
0.0008
-1
Other
-0.024
-41
-0.048
53
∆Equity是当期返还给股东的现金。用企业当期用于股票回购的现金加上现金股利减去股票发行获得的现金之和计算。∆Debt是当期返还给债权人的现金。用企业当期长期债务的减少减去长期债务的增加再减去流动负债的变化计算。∆Financial Assets是企业当期持有现金的变化。用企业现金的变化减去短期投资的变化计算。Other Investments是指企业的其它的投资。用企业的长期投资的增加减去长期投资的出售计算。Other包括现金流量表中没有包含在∆Equity、∆Debt、∆Financial Assets、IeNEW和 Other Investments中的部分。主要是由汇率变化的影响、其它投资活动和其它融资活动的现金净支出构成。其它变量的解释同前。所有现金流和投资变量都用企业的平均总资产进行了缩减。

4 公司治理的影响
接下来我们检验公司治理对自由现金流与过度投资关系的影响。首先我们运用全部样本检验公司治理代理变量是如何影响自由现金流的过度投资的，然后根据过度投资的正负将样本分成两组，分别检验公司治理代理变量对过度投资和投资不足的影响。
4.1全样本分析。为了检验公司治理的影响，我们从香港理工大学中国证券市场数据库CSMAR2005收集了样本期间的公司治理代理变量，主要有三类：分别是股权特征变量、董事会特征变量和监事会特征变量。然而，由于我国独特的制度环境和公司治理机制，本文选择的公司治理变量与Richardson（2006）的有很大不同。
我们一共用11个公司治理变量来刻划公司治理的效力。其中股权特征变量有4个： Herfi3，State，B share和Tradable share。Herfi3 反映股权集中度，用前三大股东的股权平方和表示。State是哑变量，如果第一大股东的股权性质为国家股，取值为1，否则取值为0。B share为哑变量，如果公司同时发行B股，取值为1，否则，取值为0。Tradable share 是公司的流通股比例。Herfi3是用来检验股权集中度对自由现金流过度投资的影响。State是用来检验在国家股权占优的情况下公司治理对自由现金流过度投资的影响。B share和Tradable share 是用来检验来自海外和国内市场的监督对自由现金流和过度投资关系的影响。
我们用CEO duality, Board Size, Executives Size, External Directors和 Non-paid Directors 来刻划董事会特征。其中CEO duality是哑变量，如果公司的CEO与董事长为一人兼任，取值为1，否则，取值为0。Board Size 是反映公司董事会规模的变量，用公司全部董事会的总人数表示。Executives Size是反映公司执行董事规模的变量，用公司全部执行董事的人数表示。External Directors是公司外部董事占全部董事会人数的比例。Non-paid Directors是指不在公司领取薪酬的董事占全部董事的比例。
我们用Supervisor Size 和 Non-paid Supervisors来刻划监事会的特征。其中Supervisor Size 是反映公司监事会规模的变量，用公司监事会的总人数表示。Non-paid Supervisors是指不在公司领取薪酬的监事占全部监事的比例。
根据Richardson（2006）的方法，我们用下面的模型检验公司治理对自由现金流过度投资的影响。

根据前期的大量文献 (Jensen and Meckling, 1976; Myers and Majluf, 1984; Malmendier and Tate, 2005; Richardson, 2006)，我们预期回归系数b1显著为正，表示过度投资对公司自由现金流的高度依赖；那些有利于降低代理成本、提高公司治理效力的变量 (Herfi3, B share, Tradable share, Board Size, Executives Size, Non-paid Directors, Supervisor Size, and Non-paid Supervisors)，其交互变量的系数符号均为负，表示对公司过度投资行为的制约作用；相反，那些不利于公司代理成本的降低，不利于对经理人进行监督和制约的因素 (State, CEO duality, External Directors)，其交互变量回归系数的符号均为正，表示对经理人过度投资行为的诱导和催化作用。
表5的第一列报告了全样本回归的结果。与表3 Panel B 的结果一致，过度投资与自由现金流之间具有正向关系且高度显著。关于11个公司治理与自由现金流之间的交互变量，尽管所有系数的符号与预期的相符，但仅有Supervisor Size* FCF 在统计上显著。这表明在我国资本市场上监事会规模大的企业经历了较少的对自由现金流的过度投资，监事会的规模在经理人对自由现金流的滥用上有约束力。
我们进一步地在模型中加入了公司治理的独立变量，以反映其对过度投资行为的影响。我们发现，自由现金流以及交互变量的显著性结果没有改变。与Richardson（2006）的结果类似，大部分公司治理变量的系数在统计上不显著。仅股权变量Herfi3 与过度投资之间具有显著的相关关系，表明集中的股权结构对经理人的过度投资行为有约束力。
总之，在全样本的情况下，我们的证据显示某些公司治理变量，如股权集中度以及监事会规模，对约束经理人的过度投资效果明显。
表5 　公司治理对自由现金流用于过度投资的影响
变量
全样本
过度投资
(IeNEW >0)
投资不足
(|IeNEW <0|)
Intercept
0.002
0.250
0.094
(0.05)
(3.46)a
(3.68)a
FCF
0.323
0.583
-0.127
(2.68)a
(2.95)a
(-1.83)c
Herfi3* FCF
-0.152
-0.116
0.056
(-1.24)
(-1.58)
(1.61)
State* FCF
0.053
0.146
0.043
(1.44)
(2.32)b
(2.06)b
B share* FCF
0.118
0.201
0.067
(1.40)
(1.51)
(1.33)
Tradable share
* FCF
-0.046
-0.375
-0.237
(-0.31)
(-1.49)
(-2.74)a
CEO duality
* FCF
0.017
-0.076
0.030
(0.37)
(-0.96)
(1.05)
Board Size
* FCF
-0.010
-0.007
0.008
(-1.39)
(-0.62)
(2.00)b
Supervisor Size
* FCF
-0.017
-0.095
-0.007
(-2.01)b
(-4.79)a
(-1.52)
Executives Size
* FCF
0.001
-0.007
-0.003
(0.13)
(-0.58)
(-0.80)
External Direct
* FCF
0.014
0.221
0.299
(0.12)
(1.18)
(4.36)a
Non-paid Direct.
* FCF
-0.060
-0.077
0.007
(-0.77)
(-0.59)
(0.16)
Non-paid Superv.
* FCF
-0.024
0.083
0.021
(-0.36)
(0.76)
(0.54)
Size
0.001
-0.003
-0.001
(0.65)
(-1.00)
(-1.31)
Leverage
-0.008
-0.096
-0.041
(-0.80)
(-5.86)a
(-6.96)a
Fixed effects
Yes
Yes
Yes
Adj R2
0.010
0.080
0.149
观察值数
3260
1275
1986
Size 表示企业资产总规模，是企业总资产的自然对数。Leverage表示财务杠杆，是企业短期负债和长期负债之和与全部总资产的比率。Fixed effects 控制年度和行业因素的固定影响。其它解释变量的定义见文中说明。a, b, c 分别表示双尾检验时回归系数在1%, 5%, 10% 的水平上统计显著。
4.2分样本检验。大量的前期文献通过借助信息不对称、代理成本和管理乐观主义建立起了在过度投资和投资不足之间的权衡。在这些文献中，一般隐含着这样的结论：即自由现金流的过度投资往往源于代理问题；而投资不足则往往因信息问题和代理问题的共同作用而恶化(Jensen and Meckling, 1976; Myers and Majluf, 1984; Bergstresser, 2006 )。其中，因为不对称信息增加企业外部融资的摩擦成本从而导致投资不足成为这一问题的研究焦点。在本节，我们按过度投资测度变量的正负将全部样本分成过度投资和投资不足两部分，来分别检验前期文献中这一隐含的结论。虽然我国资本市场还处于快速发展阶段不够成熟，且过度投资和投资不足的界定有其本身的局限性，但我们仍然发现了一些有趣的证据来支持上述文献中隐含的假设：薄弱的公司治理机制容易诱发对自由现金流的过度投资，而薄弱的公司治理机制和信息问题的共同作用会进一步恶化投资不足。
为了检验公司治理机制对过度投资或投资不足与自由现金流之间关系的影响，我们使用下面的模型对子样本分别进行检验：

表5的第二列列示了当过度投资测度变量为正值时的回归结果。与表5第一列的回归结果一致，公司过度投资与自由现金流之间有显著的正相关关系。关于11个公司治理与自由现金流之间的交互变量，所有系数的符号方向都与预期的相同。然而，与表5的第一列相比，不仅Supervisor Size* FCF, 而且 State* FCF 和Tradable share* FCF 与过度投资的关系都具有统计上的显著性。考虑到国家股公司的代理问题较为严重以及来自外部投资者与内部监事会的监督效力，我们发现的State* FCF 是过度投资的增函数而Supervisor Size* FCF 和Tradable share* FCF 是过度投资的减函数就毫不足怪。关于控制变量，与预期的一致，财务杠杆Leverage是过度投资的减函数，表明当公司面临较为严重的债务负担时，经理人的投资冲动会受到约束。
同样，我们进一步地在模型中加入了公司治理的独立变量，以反映其对过度投资行为的影响。我们发现，自由现金流以及交互变量的显著性结果没有改变。同样，与第一列的结果类似，大部分公司治理变量的系数在统计上不显著。仅股权变量Herfi3 与过度投资之间具有显著的相关关系，表明集中的股权结构对经理人的过度投资行为有制约作用。
总之，与代理问题的假设一致，我们的证据显示第一大股东的国家股性质容易推进过度投资，而流通股比例、监事会规模以及股权集中度似乎削减过度投资。
表5的第三列列示了当过度投资测度变量为负值时的回归结果。为了便于说明，我们对过度投资的负值取绝对值以表示投资不足。同样，与前面的分析一致，投资不足与自由现金流之间呈现负相关关系。关于11个公司治理与自由现金流的交互变量， State* FCF, Board Size* FCF和 External Directors与投资不足正相关，而Tradable share* FCF 与投资不足负相关。令人惊奇的是，在过