11.3.1　变量定义

（1）被解释变量

企业经营效率是本章实证研究的被解释变量，现在大多数对股权配置效率研究的文献中，较多采用传统的财务指标来作为代理变量来衡量。例如，反映企业价值的托宾Q值，资产回报率ROA等，对股权配置效率研究得出的结论也不尽相同。如前所述，企业价值与经营效率不是等同的两个概念，前者与资本市场的成熟度有密切关系，而后者属于企业内功。在我国目前不太成熟的资本市场环境下，二者难以一致。参考已有文献（如Kim and Ouimet，2014；赵健宇和陆正飞，2018），本章采用较为直接衡量企业的经营和生产效率的指标——全要素生产率（TFP）作为股权配置效率——企业经营效率的衡量指标，研究国有混合所有制企业中的股权配置特征对股权配置效率的影响。

全要素生产率是指除各要素投入之外，技术进步和能力提升导致的产出增加的那部分残差。一般对全要素生产率的计算先要进行构建投入—产出函数。基于投入产出函数估计方法的不同，全要素生产率的计算方法不同，对全要素生产率的估计也就存在差异。本章是在微观层面估算企业全要素生产率的，作为衡量股权配置效率的指标，具体方法如下：

全要素生产率一般指的是总产出量中不能由投入要素解释的那部分经济量，又称索洛残差。全要素生产率反映了生产过程中资本、劳动等投入要素的产出效率，也就是投入转化为最终产出的总体效率。估计全要素生产率，首先需要对投入-产出生产函数进行拟合。在实际应用中，因为C-D生产函数结构和计算方法简单，所以成为学者们进行全要素生产率估计时最常用的函数形式，C-D生产函数通常采用以下形式：

Yit表示产出总值，用企业的主营业务收入来衡量Lit代表劳动的投入，用购买商品和劳务的支出作为代理变量Kit表示资本的投入，用固定资产净值作为代理变量。Ait表示需要估算的全要素生产率（TFP）。通过对（11-1）式取对数可以将其转化为如下线性形式：

yit=αlit+βkit+εit

（11-2）

其yit、lit、kit分别表Yit、Lit、Kit的对数形式。（11-2）式的残差项包含了企业全要素生产Ait对数形式的信息。通常可以对（11-2）式进行估计从而获得对全要素生产率的估计值。本章利用OLS，使用如下基本模型估算企业全要素生产率：

lnYit=β0+βklnKit+βllnLit+∑year+∑indu+∑area+εit

其Yit表示企业i在t年的营业收入，K为企业固定资产，L为购入商品和劳务的支出，year、area和indu分别是代表企业年份、地区和行业的虚拟变量。按照TFP的定义可得lnTFPit=β0+εit，由此可知TFP绝对水平值TFPit=lnYit-βklnKit-βllnLit（鲁晓东和连玉君，2012）

（2）解释变量

股权集中度：采用第一大股东持股比例来测量，根据我们的研究假设，股权集中度与企业绩效的关系并非简单的线性关系，所以设置了第一大股东持股权的平方项。

股权制衡度：采用第二至第十大股东持股比例之和与第一大股东持股比例的差的绝对值，这是因为制衡是相互的，即国有大股东对非国有股东的制衡，也有非国有股东对国有股东的制衡。

（3）控制变量

本章选取的控制变量包括：①公司规模（size），以总资产的自然对数来衡量。大企业相比中小企业而言，可能更容易形成规模经济，融资渠道、管理经验技术等方面比较成熟，对股权配置效率有积极影响；②资本结构（lev），以企业的总负债除以总资产来衡量，反映企业的杠杆水平。一般来说，杠杆水平越高，企业面临的风险越高，越不利于股权配置效率的提升。③公司成长性（growth），以公司本期的营业收入减去上一期的营业收入再除以上一期营业收入，反映公司的盈利能力。其他控制变量还包括行业、年度和地区。

具体变量名称、含义及计算方法见表11-1。

表11-1　相关变量定义

11.3.2　回归模型和数据来源

股权集中度与全要素生产率：本章借鉴马连福等（2015）的回归模型，构建如下待回归检验模型：

performancetfp=α+β1mixit+β2mix2it+β3concernit+β4growthit+β5lnsizeit+β6levit+β7areait+β8yearit+β9induit+εit(www.daowen.com)

performancetfp=α+β1balance2it+β1balanceit+β2concernit+β3growthit+β4lnsizeit+β5levit+β6areait+β7yearit+β8induit+εit

公式中相关变量定义见表11-1。

本章数据主要来自CSMAR数据库，利用2014～2017年沪深两市上市公司的数据。数据处理过程如下：剔除金融行业的上市公司和*ST类型企业，共得到8146条观察值。为了验证数据与回归结果的可靠性，我们根据高明华等（2010）的做法，将样本数据分为国有绝对控股公司、国有强相对控股公司、国有弱相对控股公司、国有参股公司和无国有公司（国有绝对控股公司：公司第一大股东是国有股东，且持股比例x＞50%；国有强相对控股公司：公司第一大股东是国有股东，且持股比例30%＜x≤50%；国有弱相对控股公司：公司第一大股东是国有股东，且持股比例x≤30%；国有参股公司：有国有股东，但国有股东不符合上述三条标准；无国有股份公司：上述四种情形以外的公司），再加全样本数据共进行6次回归；为了避免异常值对回归结果的影响，本章在回归前对主要的连续变量在1%水平上进行了winsorize处理。

11.3.3　描述性统计和相关性分析

各变量的描述统计如表11-2。可以看到，全体样本企业的全要素生产率均值为0，企业的全要素生产率水平较低，综合治理效率偏低。股权集中度的均值为32.87，即第一大股东平均持股比例为32.87%，说明中国上市公司一股独大现象比较严重。公司的成长性均值为0.443，总体来看是进步的，但是，最大值与最小值之间的差距还是很明显的，最差的企业呈现负增长-0.964，最好的企业达到了96.02。

表11-2　变量描述性统计

表11-3报告了变量的相关性。可以看出，除资产负债率外，其他变量都与全要素生产率显著相关，说明变量选取效果较为理想。此外，自变量和控制变量相互之间不存在共线性问题，其他问题有待进一步检验。

表11-3　变量相关性分析

注：***为在1%水平上显著；**为在5%水平上显著；*为在10%水平上显著。

11.3.4　回归分析

（1）股权集中度对企业经营效率（TFP）的回归结果

股权集中度对企业经营效率（TFP）的回归结果参见表11-4。

表11-4　股权集中度与企业经营效率的回归结果

注：***为在1%水平上显著；**为在5%水平上显著；*为在10%水平上显著。

由表11-4可见，这6个回归结果中，有3个分类的一次项mix通过了显著性检验，而二次项mix2则通过了4个分类的显著性检验。从回归系数的符号方向看，6个模型中二次项的系数有5个为负，大体可以认为mix2与公司经营绩效存在显著的负相关关系，表明第一大股东持股比例与公司经营绩效间存在非线性关系，表现为开口向下的抛物线，也就是股权集中度与公司绩效间存在着“倒U型”关系，即国有持股比例并非越高越好，也不是越低越好，很高的国有股比例并不能够最大化公司经营效率，针对国有持股比例过高的公司，最优做法应该是通过国有股减持引入非国有股东，形成国有股东和非国有股东的制衡结构，这样才最有利于公司绩效的改善，总体验证了研究假设H1。

值得注意的是，从6组回归结果对比来看，随着国有股持股比例的降低，第一大股东持股比例与企业经营效率的倒U型关系在逐渐减弱。第一大股东持股比例与公司经营绩效的“倒U型”关系主要在国有强相对控股公司和国有弱相对控股公司中成立，而在国有绝对控股公司中不存在。在国有绝对控股企业，国有股比例与企业经营效率呈现显著的U型关系，由于国有绝对控股企业更多的属于垄断性行业，有的则是属于合理垄断的自然垄断行业和稀缺垄断行业，高国有股比例意味着垄断力量进一步强化，此时的公司经营绩效可能更多地来自垄断因素。这充分说明国企分类推动混改的战略必要性，除了那些关系国计民生、具有战略地位的需要国有资本绝对控股的行业，有必要对国有股权所占比例进行合理优化、进而追求企业经营效率的最大化。

（2）股权制衡度对企业经营效率（TFP）的回归结果

表11-5报告了股权制衡度对企业经营效率（TFP）的回归结果。总体来看，股权制衡度与企业运营效率的倒U型关系并不十分显著。但是在不同国有股控制程度的国有企业中，Balance的二次项系数均为负，尤其在国有弱相对控股的子样本中，股权制衡度与企业运营效率呈现显著的“倒U型”关系。上述结果表明，对于国有弱相对控股公司，由于它们所处行业主要是竞争性行业，其股权制衡度需要进行优化设计，才能最大化企业运营效率。

表11-5　股权制衡度与企业经营效率的回归结果

注：***为在1%水平上显著；**为在5%水平上显著；*为在10%水平上显著。