中央企业重组政策实施效果的双重差分研究

陈俊希

摘要：近年以来，面对复杂的国内国际环境，中央企业的资源配置能力、核心竞争力、主营业务收入都有了不同程度的提升。而新一轮国企改革开始以来，经过最近几年的重组，央企数量已经从110多家降至90多家，国有资产保值增值能力得到一定程度的提升，但针对重组央企进行的定量研究比较缺乏。本文采用双重差分模型（DID），以上市央企旗下公司年度财务报表为基础，考量央企重组后财务数据是否得到明显改善。

关键词：国企改革；央企重组；双重差分；定量研究

一、样本及变量选取

1.样本选取

截止到2016年12月，新一轮国企改革有10家19对中央企业完成重组，共涉及57家上市公司。本文将重组看作一种“准自然实验”，对受到政策影响的公司作为“处理组（treatment group）”，未受政策影响或者受到影响较小的公司作为“对照组（control group）”。一般而言，双重差分模型至少要满足两个条件：第一，随机性假设，意味着需要控制所有可能影响实验结果的无关变量，从而保证实验结果是受所选择变量的影响；第二，同质性假设，指处理组和对照组除在某一时点受政策冲击而造成较大变化之外，其余各方面应该达到相同或近似相等的程度。

从2003年开始，央企重组已经经历多轮，决策层对央企的选择似乎并没有统一的标准。从近几年开启重组进程的央企来看，主要涉及战略性行业，并且与企业内部是否有上市公司，企业资产规模、行业地位没有必然联系，因此可以将本文选取的57家上市公司财务数据看作是“准随机性实验”。对于第二类同质性假设，剔除金融行业的公司，企业的财务报表按照统一标准编制，可以达到一致的要求。

基于以上两类假设验证，初步确立了处理组和对照组样本。其中处理组样本来自于2015和2016年实施重组的央企，对照组是未在以上两年实施重组的央企。

2.变量选取

反映企业盈利能力的主要指标净资产收益率（roe）首先被纳入考虑范围内，roe反映的是企业一定时期内净利润与平均净资产的比率，具体公式是“roe=净利润率*总资产周转率*杠杆比率”，体现的是企业投资获得净收益的能力，该指标可以直观地对企业营运能力加以评价。另外，对于企业负债方面，引入的评价指标是资产负债率（DebtAssetratio，下文简称dar），dar是企业负债和总资产的比率，是评价企业负债水平的综合指标。

基于roe和dar两个指标，我们对处理组和对照组样本进行数据收集。在对数据进行处理时，剔除了金融企业、极端值或者年份间出现的突变值。最终得出的平均值统计结果如表1。

下一步要关注的是控制变量的选取。我们将控制变量分为两大类，一类是代表宏观经济情况的指标，另一类是企业微观运营指标。宏观层面包括以下几个变量：一是国内宏观环境，我们使用GDP取对数来衡量近年全国宏观经济情况；二是规模以上工业产值，该指标反映了原料、中间产品和最终产品的价值，能较好契合样本中部分上游企业，将其取对数后纳入控制变量指标；三是产业结构情况，央企多数企业布局的是第二产业，因此我们增加了对行业的控制，重点关注第二产业的变动情况；四是考虑到所选样本都是上市公司，我们对公司规模加以简单的控制，依据公司是否在主板/中小板/创业板上市进行赋值。

微观层面的变量选取涉及企业营业收入、扣除非经常性损益后的净利润、总资产、总负债和总资产周转率五个指标。前四个指标为了方便统计，取对数后纳入控制变量，资产周转率直接纳入控制变量。

综上所述，详细的指标设置如表2所示。

二、双重差分模型构建

假定y是结果的随机变量，取1或0代表样本在某一时期是否被“处理”，处理后所产生的因果表现为同时我们假设随机变量之间存在线性关系，这样，对于个体i在时期t，我们设定模型为：

其中x表示个体i在时期，是否发生了“处理”的虚拟变量，%表示影响结果的其他控制变量，珥表示的是时期i的虚拟变量，z表示的是不随时间变化的特征变量，c代表误差项变量。

这样，只要E=0，就可以利用固定面板数据得到参数的一致性估计，公式（1）中a1的估计值就是双重差分估计量。因此，差分估计最重要的一个条件就是要保证政策冲击所产生的变化是外生的，从而保证与回归方程误差项之间不存在联系。基于前文的讨论，我们近似地将此次研究看作“准自然实验”，同时样本的选择基于重组政策分批进行特点，可以认为是随机选择的。进而对主要变量进行描述性统计，统计结果如表3。

进而提出两个假设：

假设一：央企重组政策对企业盈利能力有正向影响，即差分项统计结果显著为正。

假设二：央企重组政策降低了企业负债水平，即差分统计结果显著为负。

三、双重差分结果

如表4所示，模型（1）和模型（2）是加入控制变量前的双重差分统计结果。对于roe而言，双重差分项统计结果为正且达到了1%的显著水平，说明中央企业重组政策实施后，受政策影响的中央企业roe水平提升较为明显，盈利能力有了不同程度的改善。而对于dar而言，重组政策并没有显著影响企业的资产负债率，表明政策与企业负债水平的关联程度不高。

模型（3）和模型（4）是加入控制变量后的双重差分统计结果。me的双重差分项统计值变为4.23，降低了0.70，同时达到了1%的显著水平，说明控制了一些指标之后，央企重组带来的业绩提升幅度有所降低。详细分析来看，宏观层面变量对me的影响不显著，说明央企的盈利能力和国内生产总值、规模以上工业企业产值、产业类别等指标关联性不强，这也在侧面证明了央企更多扮演的是经济效率催化剂的角色，其经营状况可以直接影响宏观经济的景气程度。但另一方面，部分原因在于央企多是各自垄断领域的龙头，市场需求长期保持较高层次，抗经济风险能力较强。对于微观控制变量，扣除非经常性损益后的净利润对于roe呈现正向影响，并且达到了1%的显著水平；总资产周转率同样对roe呈现正向的显著影响；总负债对roe呈现正向影响，但显著水平为5%。另外，总资产对roe表现为反向影响，并且达到了1%的显著水平，估计是资产量上涨，摊薄资产周转率，进而拉低roe值所致。而在dar方面，加入控制变量后双重差分项结果仍旧不显著，但宏观控制变量中的企业规模控制指标对资产负债率呈现显著的负向影响，说明在主板和中小板上市、在行业内有一定地位和影响力的央企，重组后负债情况略有所下降。此外，微观层面的指标都对资产负债率呈现显著影响。

四、结论

双重差分统计结果基本证明了假设一，即央企重組后，政策对于企业的盈利能力有一定的驱动作用，但假设二无法通过双重差分模型检验。综上所述，中央企业重组提升了企业的盈利能力，表明重组政策对央企经营有正向的利好效果。