由于劳动力成本上升、产能过剩、产品附加值不高等原因,我国实体经济的发展速度逐步放缓(黄群慧,2017;杜勇等,2017),许多实体企业逐渐偏离主业,进行跨行业套利(王红建等,2016),以求得企业发展。尤其在过去一段时间内,房价快速上涨为房地产行业带来了丰厚回报,实体企业通过各种方式进入房地产行业以分享其高额收益,形成了一股“脱实向房”的热潮。跨行业经营房地产本质上是企业实施的多元化战略,其主要目的是为了改善经营业绩、提升企业价值。但是现有研究发现,“脱实向房”的跨行业套利行为使得企业忽视了做精主业对于企业发展的重要性,挤出了企业的研发投入(黄彦彦和李雪松,2017;王红建等,2017),不利于企业全要素生产率的提升(何珊珊,2018),甚至造成了制造业空心化现象(谢家智等,2014;宋军和陆旸,2015;王红建等,2016)。那么,跨行业经营房地产是否有助于企业改善业绩?房地产业务与企业主业之间是否能够产生相得益彰的效果?这些问题都值得深入探讨。
从已有的相关研究来看,多元化经营对企业业绩的影响尚无统一的结论。一种观点认为多元化经营有利于企业降低交易费用(Williamson,1979;Teece,1982)、优化资源配置(Stulz,1990;Duchin,2010)、实现范围经济(Teece,1980),进而能够提升企业价值(Palich等,2000;苏冬蔚,2005)。另一种观点则认为,随着业务范围的扩展,多元化经营可能会带来高昂的内部协调成本(Rawley,2010),并且这种成本高于新业务带来的收益,从而不利于企业整体价值的提升(Denis等,1997;Geringer等,2000;苏昕和刘昊龙,2017)。除此之外,还有学者认为,由于企业进行多元化的方向理论上包含所有尚未进入的行业,进入不同行业会对企业的业绩产生不同影响,此外多元化经营还具有相关多元化、非相关多元化之分,企业特征和多元化程度也会使得多元化经营对企业业绩的影响产生不同效果(Comment和Jarrell,1995;Berger和Ofek,1995;金晓斌,2002;Nejadmalayeri,2017),因此多元化经营对企业业绩的影响难以确定。
本文采用2007—2016年A股上市企业数据对跨行业经营房地产与企业业绩之间的关系进行实证分析,结果发现与未经营房地产业务的企业相比,跨行业经营房地产的企业业绩显著提升,并且进入程度越深,业绩提升幅度越大。进一步的研究发现,跨行业经营房地产并未对企业主业业绩产生正面影响,相反,企业的主业业绩反而有所下降。这一结果说明企业整体业绩的提升主要来源于房地产业务,而房地产业务与主业之间未能发挥相得益彰的协同效应。从异质性的角度来看,并非所有跨行业经营房地产的企业业绩都得到了提升,在与房地产关联度较低的行业以及研发创新投入较高的企业当中,跨行业经营房地产不但未能改善企业整体业绩,反而对企业主业业绩具有不利影响。更为重要的是,本文发现只有在房价增长率较高的地区,企业跨行业经营房地产才能带来业绩的提升。这意味着随着人口红利的消退、房地产长效机制的建立,跨行业经营房地产带来的业绩增长难以持续,企业的发展还是要回归主业。
本文可能的贡献在于:(1)本文的分析扩展了房地产行业对实体经济影响的研究。现有关于跨行业经营房地产的相关文献主要集中于企业进入房地产的动因分析(荣昭和王文春,2014;黄彦彦和李雪松,2017)以及跨行业经营房地产对企业研发创新的影响研究(黄彦彦和李雪松,2017;王红建等,2017;何珊珊,2018),而进一步探究跨行业经营房地产对企业业绩影响的文献却较为少见。本文从企业业绩的角度对房地产行业影响实体经济的相关文献做出了重要补充。(2)本文拓展了企业多元化经营对业绩影响的相关研究。本文以房地产行业为切入点,研究企业跨行业经营房地产对企业业绩的影响,避免了多元化指向不明晰的问题,同时为考察行业特征和企业特征在多元化经营中的影响提供了可能,既加深了跨行业经营对企业影响的研究,也丰富了企业多元化经营的相关研究。(3)本文为推动实体经济发展提供了新思路。本文研究发现虽然跨行业经营房地产有助于提升企业整体业绩,但对主业业绩具有不利影响,并且在与房地产关联度较低的行业以及研发创新投入较高的企业当中,房地产业务的拮抗效应更为明显。这说明企业在进行跨行业经营决策时应选择与主营业务相匹配的行业,政府应当引导企业着眼长远,摒弃急功近利的短视行为。
二、理论机制与研究假设跨行业经营房地产是企业多元化战略的一种表现形式。我国房地产价格在过去相当长一段时间内均表现出持续上涨的趋势,房地产行业随之呈现出较高的利润水平(吕江林,2010)①。因此,跨行业经营房地产的企业可以依靠房地产业务的高额回报直接提升企业业绩。除此之外,多元化经营还可以通过业务间的“协同效应”提升企业业绩。一方面,多元化经营有助于企业形成范围经济,促进主营业务与新业务的优势互补(Palich等,2000;苏冬蔚,2005)。企业在实施跨行业多元化经营战略时,可以使多项业务共享企业既有资源,共同分摊成本,例如建筑类企业跨行业经营房地产有助于企业在设计、建造、维护等领域实现范围经济。另一方面,企业多元化经营还可以通过行业间的协调互补提高内部资源利用效率(Duchin,2010)。多元化经营使得企业同时参与多个行业,这有利于通过各行业间的互补关系降低交易费用,提高内部生产经营效率。同时,多元化经营还有助于企业形成内部资本市场(Stulz,1990;王福胜和宋海旭,2012;Hann等,2013),相比外部资本市场,内部资本市场进行融资的成本更低、效率更高,进而有助于提升企业业绩。
然而,多元化经营也是一把双刃剑,可能产生“拮抗效应”,进而对企业业绩产生负面影响。多元化经营会造成企业部门或下属子公司增多,这必然导致管理部门和管理层级的增加,影响信息传递的及时性和准确性,进而增加管理费用和部门间的交易成本,不利于企业业绩的提升。同时,多元化经营还可能对企业的主业业绩产生不利影响。现有研究发现,跨行业多元化后管理层容易把重心转向新的细分市场,可能会牺牲现有业务部门的利益(Schoar,2002)。另外,多元化经营的实施需要依靠企业的资源禀赋(Guillén,2000),在面对回报较高的投资机会时,企业倾向于将资源配置到多元化经营上来(姚铮和金列,2009),从而可能挤压主业的发展。更为严重的是,在多元化经营时,企业受到更强的资源约束,因而会采取更严格的财务控制方式,致使其偏重短期绩效而忽视可持续竞争优势的发展(Hill和Hoskisson,1988;Hoskisson,1989)。
长期以来我国房地产行业维持着较高的利润水平(吕江林,2010),企业跨行业经营房地产,容易导致管理层的关注重点转向房地产市场,从而忽视主业的发展②。同时,企业在跨行业经营房地产时可能会将所拥有的有限资源更多地配置到房地产业务当中,尤其在房价不断上涨的背景下,企业更倾向于跨行业经营房地产(荣昭和王文春,2014)。而房地产行业是资金密集型行业,房地产开发的各个环节均需要大量资金,加之房地产业务容易受到货币政策和调控政策的影响,具有很大的不确定性,当企业资金不够充裕或调控政策收紧时,房地产业务便与企业主营业务之间产生较强的竞争关系,从而挤出企业本应该用于主业投入的资金。更为严重的是,在企业资源受到约束的情况下,跨行业经营房地产使得企业的投资决策更加注重短期流动性,这对于投资周期长、获益具有不确定性特征的项目(如研发创新)来说负面影响更大。并且由于资本的逐利性以及多元化经营下的资源约束,企业倾向于把从房地产行业所获得的收益继续投入到房地产业务之中,在此情形下,房地产业务难以对企业主业产生反哺作用。换言之,虽然房地产业务具有较高回报,有助于企业整体业绩的提升,但是跨行业经营房地产可能会推升管理成本,并且难以同企业的主业产生协同效应,反而可能产生适得其反的效果。
基于以上分析,本文提出如下两个对立假设:
假设1a:企业跨行业经营房地产有利于提升企业业绩。
假设1b:企业跨行业经营房地产不利于提升企业业绩。
进一步而言,跨行业经营房地产对企业业绩的影响与企业所属行业的特征以及企业自身的特点密切相关。在跨行业经营时,企业既可以选择与主业相类似或具有一定关联性的行业,也可以选择与主业无关的新行业。就前者来说,关联度较高的业务容易共享企业的核心资源和能力,产生“协同效应”,因而对企业业绩有积极影响(Barney,1991;Palich等,2000)。而就后者来说,如果企业多元化经营跨度过大、缺乏相应关联,新业务与主业之间不仅难以分享核心优势,还会分散企业资源、增加管理难度,进而造成“拮抗效应”。现有研究同样表明,企业进行相关多元化更有利于提高业绩(Palepu,1985;张钢和张东芳,2004),而进行非相关多元化带来的成本高于其产生的市场收益,会造成企业价值的损失(Denis等,1997;Geringer等,2000;Rawley,2010)。就房地产行业来说,在产业关联性方面房地产行业表现出较强的带动作用,例如建筑、建材、家装饰品、家电等行业均与房地产行业密切相关。相对而言这些行业与房地产行业具有较强的互补性,并且这些行业在经营中需要对房地产市场的发展趋势进行研判,因而对房地产市场也较为熟悉。也就是说,当企业所属行业与房地产行业关联度较高时,跨行业经营房地产的协调成本和管理难度也相应较低,反之,当企业所属行业与房地产行业关联度较低时,房地产业务与主业之间则难以产生协同效应,因而不利于企业业绩的提升。
在研发创新投入较高的企业中,跨行业经营房地产对企业业绩的负面影响可能更为明显。研发创新能够促进新知识、新技术的形成(李静等,2013),是企业生产效率提升的根本途径(Griffith等,2004;孙晓华和王昀,2015)。但是研发创新的未来收益存在不确定性(Rudy和Johnson,2016),因而研发投入面临着较强的融资约束,并且研发投入具有专业性和长期性,一旦停止就意味着较高的沉没成本。面对房地产价格的持续上涨,研发创新投入较高的企业也开始尝试将企业有限的资源配置到房地产经营上来,以追求更高的利润。然而,对于这类企业而言,房地产业务与企业原有的研发创新型业务之间缺乏互补性,不利于主业长期竞争优势的培养。而且房地产行业属于资金密集型行业,并且容易受到政策波动的影响。研发创新投入较高的企业跨行业进入房地产行业,容易加剧企业研发创新活动的融资约束,不利于研发创新的持续投入,因而难以与主业产生协同效应。现有研究也发现,当企业跨行业经营房地产时,在资源约束的条件下企业将会更加注重短期绩效,进而减少研发创新投入(王红建等,2016),这同样不利于企业的长期发展。
基于以上分析,本文提出如下假设:
假设2:企业所在行业与房地产行业关联度越低、企业研发创新投入越高,跨行业经营房地产越难与主业产生“协同效应”,进而不利于企业业绩的提升。
三、研究设计(一)样本选择与数据来源
本文选取2007—2016年A股上市企业数据作为原始样本。考虑到本文研究的是非房地产企业跨行业经营房地产的行为,因此首先剔除房地产行业的上市企业样本;同时,又考虑到财务数据的稳健性,进一步剔除金融行业(其财务数据与其他行业差别较大)、ST类以及遗漏重要财务指标的上市企业样本;最终得到15 513个研究样本。上市企业财务数据和企业业绩数据均来源于CSMAR数据库,企业是否经营房地产的信息来源于企业年报中披露的分行业收入,该数据来源于Wind数据库,城市层面数据是通过《中国城市统计年鉴》以及《中国区域经济统计年鉴》获得的③。为了避免样本异常值的影响,在实证分析中对连续变量进行了1%分位数的Winsorize处理。
(二)模型设定与变量定义
为了检验跨行业经营房地产与企业业绩之间的关系,本文构建如下回归模型:
$ R\!o{a_{it}} = {\alpha _0} + {\alpha _1}Operat{e_{it}} + {\alpha _2}{X_{it}} + {\theta _{pro}} + {\delta _{ind}} + {\omega _{year}} + {\varepsilon _{it}} $ | (1) |
在模型(1)中,下标i和t分别代表企业和年份。该模型中被解释变量Roa为企业业绩,用企业的资产收益率表示(王红建等,2017;罗琦和罗洪鑫,2018),该指标衡量了企业资产的利用效率(杨典,2013),指标值越大,企业经营业绩越好。Operate是本文所关注的主要解释变量,表示企业具有跨行业经营房地产的行为,本文分别设置了虚拟变量(Operate_dummy)和连续变量(Operate_continuous)两种方式进行度量。参考王红建等(2016)的度量方式,当企业分行业收入中含有房地产行业收入时,表示非房地产企业具有跨行业经营房地产的行为,虚拟变量Operate_dummy取值为1,否则取值为0;而Operate_continuous则使用当年度该企业房地产行业收入占总营业收入的比重来表示,反映了企业的经营程度(罗党论和刘晓龙,2009),如果企业未进入房地产行业,则连续变量的取值为0④。由于企业披露的房地产行业收入存在名称不同或表述不明晰的情况,为了使样本符合研究范围,在收集数据时通过人工核对的方式,逐一检查企业披露的分行业收入,以确保结果的可靠性。
除以上变量外模型还借鉴已有研究,控制了影响企业业绩的其他因素(Wan和Hoskisson,2003;杨典,2013;郑志刚等,2017)。企业层面的控制变量包括企业年龄(Age)、企业规模(Size)、产权性质(State)、资产负债率(Lev)、独董比例(Indep_ratio)、股权集中度(Shrcr)、经营现金流量(CF)以及流动比率(Current_ratio);地区层面的控制变量包括人均GDP(PC_GDP)、第二产业比重(Indus_sec)。同时,本文还分别引入了省份、行业以及年份的固定效应θpro、δind、ωyear,以控制不同地区、行业及年份之间的差异性对企业业绩的影响。表1列示了本文变量的相关定义。
变量 | 定义 |
Roa | 表示资产收益率,用净利润×100/平均资产总额衡量 |
EBIT | 表示息税前利润率,用息税前利润×100/平均资产总额衡量 |
Operate_dummy | 表示企业跨行业经营房地产的行为(虚拟变量),当企业分行业收入中包含房地产行业收入时,取值为1,否则为0 |
Operate_continuous | 表示企业跨行业经营房地产的行为(连续变量),房地产行业收入×100/营业收入 |
Age | 表示企业年龄,等于年份−企业成立年份+1 |
State | 表示产权性质,虚拟变量,企业的实际控制人为国有主体的取值为1,否则为0 |
Size | 表示企业规模,用期末总资产的对数衡量 |
CF | 表示经营现金流量,用经营活动产生的现金流量净额×100/总资产衡量 |
Lev | 表示资产负债率,用当期负债×100/总资产衡量 |
Current_ratio | 表示短期偿债能力,用流动比率(流动资产/流动负债)衡量 |
Shrcr | 表示股权集中度,用企业前10位大股东持股比例之和衡量 |
Indep_ratio | 表示独董比例,用独立董事人数×100/董事人数衡量 |
PC_GDP | 表示地区人均GDP,用企业所在城市当年GDP/年末总人口的对数衡量 |
Indus_sec | 表示第二产业比重,用企业所在城市第二产业生产总值×100/GDP衡量 |
Core_perf | 表示企业主业业绩,用(营业利润−房地产利润)×100/(营业收入−房地产收入)衡量 |
虽已列出影响企业业绩的主要因素,但由于企业之间具有差异,企业层面仍然可能存在一些不随时间变化的遗漏变量,因此本文主要使用固定效应模型进行回归。并且考虑到省份内部的企业间存在一定程度的相关性,本文对系数估计结果的标准误在省份层面进行聚类异方差处理。
(三)变量的描述性统计
表2列示了变量的描述性统计结果。Roa的均值为4.606%,最大值为23.265%,最小值为−27.927%,表明样本中企业的平均利润水平不高,并且不同企业之间的业绩水平表现出较大的分化。Operate_dummy的均值为0.082,说明样本中约有8.2%的企业进入了房地产行业。在控制变量方面,企业年龄均值为15年左右;State的均值为0.432,表明一半以上企业的实际控制人为非国有主体;企业平均资产规模的对数为21.851;CF的均值为4.385%;在总资产中,企业的负债大约占到41.977%;一般认为合理的流动比率应该保持在200%以上,Current_ratio的均值为260.575%,这说明上市企业的平均偿债能力处于合理水平,并且企业之间的偿债能力差异较大;Shrcr的均值为57.859%,表明我国上市企业具有股权集中度高的特点;董事会中独立董事平均占比达到37.082%。其余变量均处于正常范围之内。
变量 | 样本量 | 均值 | 标准差 | 最小值 | 最大值 |
Roa | 15 513 | 4.606 | 5.991 | −27.927 | 23.265 |
EBIT | 15 512 | 5.730 | 5.983 | −29.630 | 24.455 |
Operate_dummy | 15 513 | 0.082 | 0.275 | 0 | 1 |
Operate_continuous | 15 513 | 1.075 | 5.155 | 0 | 37.010 |
Age | 15 513 | 15.094 | 5.465 | 1 | 37 |
State | 15 513 | 0.432 | 0.495 | 0 | 1 |
Size | 15 513 | 21.851 | 1.241 | 18.918 | 26.446 |
CF | 15 513 | 4.385 | 7.298 | −22.087 | 26.679 |
Lev | 15 513 | 41.977 | 20.954 | 4.462 | 88.451 |
Current_ratio | 15 513 | 2.606 | 2.923 | 0.188 | 17.026 |
Shrcr | 15 513 | 57.859 | 15.681 | 21.676 | 90.744 |
Indep_ratio | 15 513 | 37.082 | 5.329 | 9.091 | 55.556 |
PC_GDP | 15 513 | 11.342 | 0.860 | 7.306 | 13.208 |
Indus_sec | 15 513 | 44.775 | 10.981 | 18.570 | 85.080 |
Core_perf | 15 512 | 9.198 | 15.244 | −57.968 | 59.814 |
(一)跨行业经营房地产对企业业绩的影响
企业跨行业经营房地产对企业业绩影响的基础回归结果见表3。其中,第(1)列和第(2)列分别使用固定效应模型(FE)和普通最小二乘法(OLS),考察了跨行业经营房地产对企业业绩的影响;第(3)列和第(4)列进一步将跨行业经营房地产的虚拟变量替换成连续变量,以保证回归结果的稳健性。由表3的回归结果可知,在控制其他影响因素的前提下,与未经营房地产的企业相比,跨行业经营房地产能够显著提升企业的经营业绩,企业Roa会增加0.456个百分点,而且行业进入程度越深,企业业绩提升幅度也越大,该结果支持了假设1a。企业业绩提升的原因可能存在两个方面,一方面,我国房地产价格的持续上涨使得房地产行业长期维持着较高的利润水平,企业从房地产项目中可以获得高额收益,从而推高了业绩;另一方面,房地产项目与主营业务能够形成协同效应,助力企业主营业务的发展,进而提高企业业绩,例如企业将从房地产项目中获取的收益用于弥补主营业务投资的不足,从而形成协同效应。
因变量 | Roa | |||
FE(1) | OLS(2) | FE(3) | OLS(4) | |
Operate_dummy | 0.456* | 0.930*** | ||
(0.264) | (0.244) | |||
Operate_continuous | 0.029** | 0.040*** | ||
(0.013) | (0.010) | |||
Age | −0.474*** | 0.037*** | −0.472*** | 0.039*** |
(0.052) | (0.011) | (0.052) | (0.011) | |
State | −1.062** | −1.248*** | −1.062** | −1.245*** |
(0.405) | (0.129) | (0.402) | (0.126) | |
Size | 1.679*** | 0.959*** | 1.675*** | 0.976*** |
(0.194) | (0.124) | (0.194) | (0.124) | |
CF | 0.130*** | 0.222*** | 0.129*** | 0.221*** |
(0.011) | (0.010) | (0.011) | (0.010) | |
Lev | −0.131*** | −0.118*** | −0.131*** | −0.117*** |
(0.009) | (0.006) | (0.009) | (0.006) | |
Current_ratio | −0.037 | 0.002 | −0.037 | 0.004 |
(0.027) | (0.030) | (0.027) | (0.030) | |
Shrcr | 0.087*** | 0.063*** | 0.087*** | 0.062*** |
(0.006) | (0.004) | (0.006) | (0.004) | |
Indep_ratio | 0.005 | −0.024* | 0.004 | −0.024* |
(0.014) | (0.013) | (0.014) | (0.013) | |
PC_GDP | −0.052 | 0.055 | −0.052 | 0.060 |
(0.142) | (0.113) | (0.142) | (0.111) | |
Indus_sec | 0.009 | −0.004 | 0.009 | −0.005 |
(0.030) | (0.014) | (0.029) | (0.014) | |
行业固定效应 | yes | yes | yes | yes |
年份固定效应 | yes | yes | yes | yes |
省份固定效应 | yes | yes | yes | yes |
N | 15 513 | 15 513 | 15 513 | 15 513 |
R2 | 0.238 | 0.370 | 0.238 | 0.370 |
注:(1)第(1)列与第(3)列采用固定效应模型进行回归,第(2)列与第(4)列采用混合OLS进行回归;(2)括号内为稳健标准误,标准误在省份层面聚类处理;(3) *、**、***分别表示在10%、5%、1%的水平上显著。 |
再来看其他控制变量。Age前的系数显著为负,可能是由于随着企业经营年限的增长,企业的业务逐步成熟,企业的开拓精神及冒险精神有所下降(肖挺和刘华,2015),业绩也逐渐低于初创企业。State前的系数显著为负,说明民营企业业绩高于国有企业。Size、CF前的系数显著为正,而Lev前的系数显著为负,该结果也与现有文献的研究结论相吻合(郑志刚等,2017;王红建等,2017),即企业规模越大、经营净现金流越高、资产负债率越低,企业业绩越好。Current_ratio前的系数虽然为正,但并不显著,说明偿债能力对企业业绩无显著影响。在公司治理层面,Shrcr的影响显著为正,说明平均意义上来看股权集中有利于企业提升业绩。Indep_ratio系数为正但不显著,表明现阶段独董制度在提升上市企业绩效方面尚未发挥有效作用。城市层面的PC_GDP和Indus_sec系数不显著,其中的原因可能是影响企业业绩的因素更多来源于企业自身。
(二)稳健性检验
由于跨行业经营房地产的企业与未跨行业经营房地产的企业可能存在本质上的不同,例如两类企业可能在企业文化、风险偏好、政策敏感度等方面存在差异,而这些方面的不同可能会使得本文的实证推断产生偏差。为了保证估计结果的准确性,本部分使用倾向得分匹配法(PSM),从未经营房地产的企业中筛选出各方面特征与跨行业经营房地产的企业相似的样本,从而使得样本更加平衡,然后再通过固定效应回归进行分析。在实际匹配时,首先基于影响企业跨行业经营房地产的变量对处理组与控制组进行Logit估计来获取倾向得分⑤,然后在非精确匹配的情况下进行一对四近邻匹配,这种做法在一般情况下可最小化均方误差(Abadie等,2004)。又考虑到各企业开始跨行业经营房地产的年份不同,并且期间还存在企业退出的情况,因而本文借鉴Blundell和Dias(2000)以及Heyman等(2007)的相关研究,采用逐年匹配的方法为各年的处理组找到匹配的对照组。从各年的匹配情况来看,匹配后变量的标准化偏差明显减小,标准偏差的绝对值基本小于10%,表明所选取的匹配变量和匹配方法是合理的,经过PSM匹配后处理组与对照组更具有可比性。匹配后的回归结果显示[见表4第(1)列],跨行业经营房地产有利于企业业绩的提升,这一结果与基础回归结果相一致。
因变量 | Roa | EBIT | |||
PSM+FE(1) | PSM+IV(2) | FE(3) | OLS(4) | ||
Operate_dummy | 0.515* | 1.816* | 0.743** | 1.121*** | |
(0.254) | (0.962) | (0.324) | (0.259) | ||
控制变量 | yes | yes | yes | yes | |
行业固定效应 | yes | yes | yes | yes | |
年份固定效应 | yes | yes | yes | yes | |
省份固定效应 | yes | yes | yes | yes | |
N | 3 407 | 3 407 | 15 512 | 15 512 | |
R2 | 0.279 | 0.266 | 0.188 | 0.299 | |
注:(1)控制变量包含了与前文对应模型相同的控制变量;(2)第(1)列至第(3)列均采用固定效应模型进行回归,第(4)列采用混合OLS进行回归;(3)括号内为稳健标准误,标准误在省份层面聚类处理;(4)*、**、***分别表示在10%、5%、1%的水平上显著;(5)Operate_continuous变量的回归结果与Operate_dummy变量相一致,限于篇幅,回归结果未列示,如有需要可向作者索取。 |
进一步来看,PSM匹配方法能够解决样本选择性偏误问题,但还是无法完全排除由于遗漏了某些和企业跨行业经营房地产相关的变量以及可能存在的反向因果关系而导致的内生性问题。为了进一步解决可能存在的内生性问题,我们采用按年份、省份、行业计算的企业跨行业经营房地产变量的均值作为工具变量,在PSM匹配的基础上采用面板IV模型进行回归。该变量代表着某省特定年份、特定行业内企业整体的行为特征,而这种特征与微观个体层面的经营业绩特征无关。也就是说,该变量与上市企业跨行业经营房地产这一变量存在较强的相关性,同时又满足排他性要求,因而可以作为模型的工具变量⑥。表4第(2)列报告了工具变量的估计结果,Operate_dummy前的系数显著为正,表明跨行业经营房地产有助于提升企业业绩。
除此之外,本文还通过变换变量度量口径来保证结论的可靠性。我们使用息税前利润率(EBIT)来衡量企业的经营业绩,该指标是企业不考虑利息支出及所得税支出情况下的利润率,即该指标中的利润包括了企业的净利润、未支付的利息费用及未支付的所得税三个部分。由其定义可知,该指标有效剔除了企业杠杆率及各类税收优惠政策的干扰,能够更准确地衡量企业的经营能力。表4第(3)(4)列报告了采用息税前利润率作为被解释变量的回归结果,其中第(3)列采用固定效应模型进行回归,第(4)列采用混合OLS进行回归,回归结果与基础回归结果相一致,表明跨行业经营房地产与企业业绩之间的关系是稳健的。
(三)影响机制讨论:相得益彰还是适得其反
存在这样一个逻辑:企业跨行业经营房地产与主营业务之间可以共享资源、共摊成本,从而实现相互补充、共同发展的协同效应,进而提高企业业绩。为了检验协同效应的逻辑是否存在,本文构建如下模型:
$ Core\_per{f_{it}} = {\alpha _{i}} + {\alpha _1}Operat{e_{it}} + {\alpha _2}{X_{it}} + {\theta _{pro}} + {\delta _{ind}} + {\omega _{year}} + {\varepsilon _{it}} $ | (2) |
模型(2)中的被解释变量Core_perf为企业主业业绩,即剔除房地产业务之外的企业业绩,该指标值越大,表明企业的主业经营绩效越好;主要解释变量为Operate,定义与前文相同。模型(2)中其他控制变量的定义与模型(1)一致,同样控制了省份、行业以及年份的固定效应,并对系数估计结果的标准误在省份层面进行聚类异方差处理。回归结果如表5所示,与未经营房地产的企业相比,企业跨行业经营房地产对主业业绩的影响显著为负,并且行业进入程度越深,对主业业绩的负面影响也越大。这一结果表明房地产业务与主业之间没有明显的协同效应,而是表现出拮抗效应;同时也反映出企业整体业绩的提升主要来源于房地产业务的高额回报,企业的主业业绩反而有所下降。企业跨行业经营房地产以后,管理层关注的重点容易转向新的细分市场。与此同时,多元化经营的实施需要依靠企业的资源禀赋(Guillén,2000),而房地产行业是资金密集型行业,并且容易受到货币政策和调控政策的影响,具有较强的不确定性。房地产业务容易与企业主营业务之间产生竞争关系,从而产生挤出效应,最终使得企业的主营业务受到负面影响。
因变量 | Core_perf | |
(1) | (2) | |
Operate_dummy | −3.015*** | |
(0.987) | ||
Operate_continuous | −0.446*** | |
(0.072) | ||
控制变量 | yes | yes |
行业固定效应 | yes | yes |
年份固定效应 | yes | yes |
省份固定效应 | yes | yes |
N | 15 512 | 15 512 |
R2 | 0.168 | 0.192 |
注:(1)控制变量包含了与前文对应模型相同的控制变量;(2)第(1)列与第(2)列均采用固定效应模型进行回归;(3)括号内为稳健标准误,标准误在省份层面聚类处理;(4) *、**、***分别表示在10%、5%、1%的水平上显著。 |
(四)调节效应分析:行业关联度与企业研发创新强度
本部分从企业所在行业与房地产行业关联度、企业研发创新强度两个角度,对企业自身特点以及企业所属行业特征差异带来的影响进行实证检验。首先,根据企业所在行业与房地产行业的关联度,将样本划分为高相关度组和低相关度组,企业所在行业与房地产行业的关联度大于样本中位数,则视为高相关度组,否则为低相关度组,然后进行分组回归。在衡量企业所在行业与房地产行业的相关度时,本文利用中国投入产出协会发布的2007年、2010年和2012年投入产出表中的42个部门生产者投入产出完全消耗系数表,将Wind行业分类对应到42个生产部门,得出每个行业与房地产行业的相关度系数⑦。其次,将企业研发投入强度与其所在行业研发投入强度中位数相比较,将样本划分为高研发投入组和低研发投入组,分别考察不同研发投入强度下,跨行业经营房地产对企业业绩的影响。
表6报告了基于行业关联度的分组回归结果。第(1)(2)列的结果表明,只有在企业所属行业与房地产关联度较高的样本中,跨行业经营房地产才能显著提升企业业绩,而在与房地产关联度较低的样本中,跨行业经营房地产对企业业绩的影响并不显著;第(3)(4)列的结果表明,在企业所属行业与房地产行业关联度较高的样本中,跨行业经营房地产对企业主业业绩的影响并不显著,而在关联度较低的样本中,跨行业经营房地产对企业主业业绩产生了显著的负面影响。这一结果表明,虽然在与房地产行业关联度较高的行业中,企业跨行业经营房地产有助于提升整体业绩,但跨行业经营房地产仍然未能促进企业主业业绩的提升,无法带来相得益彰的效果;而在与房地产关联度较低的行业中,跨行业经营房地产不仅未能提升企业整体业绩,反而对主业业绩产生了不利影响,带来适得其反的效果。
因变量 | Roa | Core_perf | |||
高相关度(1) | 低相关度(2) | 高相关度(3) | 低相关度(4) | ||
Operate_dummy | 0.390*** | 0.103 | −2.915 | −3.032** | |
(0.093) | (0.122) | (1.774) | (1.166) | ||
控制变量 | yes | yes | yes | yes | |
行业固定效应 | yes | yes | yes | yes | |
年份固定效应 | yes | yes | yes | yes | |
省份固定效应 | yes | yes | yes | yes | |
N | 6 788 | 8 725 | 5 280 | 10 232 | |
R2 | 0.220 | 0.205 | 0.138 | 0.153 | |
注:(1)控制变量包含了与前文对应模型相同的控制变量;(2)第(1)列至第(4)列均采用固定效应模型进行回归;(3)括号内为稳健标准误,标准误在省份层面聚类处理;(4) *、**、***分别表示在10%、5%、1%的水平上显著;(5)Operate_continuous变量的回归结果与Operate_dummy变量相一致,限于篇幅,回归结果未列示,如有需要可向作者索取。 |
表7列出了基于企业研发投入强度的分组回归结果。第(1)(2)列的结果显示,只有在研发创新投入较低的企业当中,跨行业经营房地产才能显著提升企业业绩,而在研发创新投入较高的企业当中,跨行业经营房地产对企业业绩并无显著影响;第(3)(4)列的结果显示,在研发创新投入较低的企业中,企业的主业业绩并未发生显著变化,而在研发创新投入较高的企业中,跨行业经营房地产对企业的主业业绩产生了显著的负面影响。上述实证结果表明,研发创新投入较高的企业跨行业经营房地产难以做到“鱼和熊掌”的兼顾,不仅不能显著改善企业整体业绩,反而使得主业业绩显著下降,阻碍企业的研发创新。与此同时,在研发创新投入较低的企业中也并未发现明显的协同效应,这也进一步证实了企业业绩的提升主要来源于房地产业务。总体而言,企业主业与房地产业务之间未能体现出相得益彰的效果,而且并非所有跨行业经营房地产的企业都能获得业绩的改善,在与房地产关联度较低的行业以及研发投入较高的企业当中,跨行业经营房地产反而产生了适得其反的作用。
因变量 | Roa | Core_perf | |||
高研发投入(1) | 低研发投入(2) | 高研发投入(3) | 低研发投入(4) | ||
Operate_dummy | −0.124 | 1.038** | −4.628** | −2.120 | |
(0.329) | (0.435) | (1.800) | (1.311) | ||
控制变量 | yes | yes | yes | yes | |
行业固定效应 | yes | yes | yes | yes | |
年份固定效应 | yes | yes | yes | yes | |
省份固定效应 | yes | yes | yes | yes | |
N | 9 272 | 6 241 | 8 978 | 6 534 | |
R2 | 0.251 | 0.216 | 0.182 | 0.141 | |
注:(1)控制变量包含了与前文对应模型相同的控制变量;(2)第(1)列至第(4)列均采用固定效应模型进行回归;(3)括号内为稳健标准误,标准误在省份层面聚类处理;(4) *、**、***分别表示在10%、5%、1%的水平上显著;(5)Operate_continuous变量的回归结果与Operate_dummy变量相一致,限于篇幅,回归结果未列示,如有需要可向作者索取。 |
在过去相当长的一段时间内,我国房地产市场呈现出房价持续攀升、投资不断涌入的特征。房地产价格的持续上涨使得企业开始减少包括扩大再生产以及研发创新在内的实业投资,转而扩大房地产投资规模(王芳和姚玲珍,2018)。显而易见,房地产业务的利润空间与房价涨幅息息相关,然而,随着人口红利的逐渐消退以及房地产长效机制的逐步建立,未来我国房地产价格涨势必然趋于平稳,企业通过跨行业经营房地产业务获取高额回报的路径可能难以持续。
为了检验房地产价格波动带来的影响,本文按照企业所在城市房地产价格增长率的中位数将样本分为两组,通过分组回归的方式检验房价增长率在企业跨行业经营房地产对业绩影响中的调节作用。之所以选取企业所在城市的房价增长率作为衡量标准,是由于已有研究发现企业对其所在城市的房地产市场发展状况更为熟悉,且容易与当地政府部门、金融机构建立稳定的关系,因此更倾向于在其所在城市进行房地产投资(荣昭和王文春,2014)。当然,企业在进行房地产投资时也可能存在跨城市甚至跨省份投资开发的情况,因此本文还选取省级层面、全国层面的房价涨幅作为房价增长率的衡量指标⑧,以进一步保证回归结果的稳健性,回归结果如表8所示。可以看出,只有在房价增长率较高的情况下,跨行业经营房地产才会对企业业绩产生显著的正面影响,而在房价增长率较低的情况下,跨行业经营房地产对企业业绩并无显著影响。这一方面表明房价增长率越高,房地产市场越繁荣,企业跨行业经营房地产越有利可图;但另一方面也预示着,随着未来房地产价格涨势的逐渐平稳,实体企业通过跨行业经营房地产获得的业绩回报将难以持续。换句话说,企业的长远发展还是应当回归到主业上来。
因变量 | Roa | |||||||
城市层面 | 省级层面 | 全国层面 | ||||||
高房价增
长率(1) |
低房价增
长率(2) |
高房价增
长率(3) |
低房价增
长率(4) |
高房价增
长率(5) |
低房价增
长率(6) |
|||
Operate_dummy | 0.807*** | −0.155 | 0.681** | −0.274 | 0.642* | 0.249 | ||
(0.277) | (0.492) | (0.298) | (0.465) | (0.361) | (0.569) | |||
控制变量 | yes | yes | yes | yes | yes | yes | ||
行业固定效应 | yes | yes | yes | yes | yes | yes | ||
年份固定效应 | yes | yes | yes | yes | yes | yes | ||
省份固定效应 | yes | yes | yes | yes | yes | yes | ||
N | 8 145 | 7 368 | 7 749 | 7 764 | 7 288 | 8 225 | ||
R2 | 0.255 | 0.212 | 0.228 | 0.223 | 0.258 | 0.234 | ||
注:(1)控制变量包含了与前文对应模型相同的控制变量;(2)第(1)列至第(6)列均采用固定效应模型进行回归;(3)括号内为稳健标准误,标准误在省份层面聚类处理;(4) *、**、***分别表示在10%、5%、1%的水平上显著;(5)Operate_continuous变量的回归结果与Operate_dummy变量相一致,限于篇幅,回归结果未列示,如有需要可向作者索取。 |
(一)本文的研究结论
随着我国经济发展速度的逐步放缓,许多实体企业为了自身发展,开始跨行业经营房地产。然而这种跨行业经营房地产的行为使得企业逐渐偏离主业,出现经营“空心化”的问题,企业难以实现预期的发展。本文在已有研究的基础上对跨行业经营房地产与企业业绩之间的关系及影响机制进行了理论探讨,并利用2007—2016年A股上市企业数据进行了实证分析。研究结果表明,与未经营房地产的企业相比,跨行业经营房地产的企业业绩显著提升,并且行业进入程度越深,企业业绩提升越多。进一步的研究发现,跨行业经营房地产不仅未能对企业主业业绩产生正面影响,反而使得企业主业业绩有所下降。与此同时,本文发现并非所有跨行业经营房地产的企业都能改善业绩,在与房地产关联度较低的行业以及研发投入较高的企业当中,跨行业经营房地产不但未能改善企业整体业绩,而且对企业主业业绩具有不利影响。也就是说,企业跨行业经营房地产带来的整体业绩提升主要来源于房地产业务,并且房地产业务与主业之间以拮抗效应为主,并未表现出明显的协同效应。更为重要的是,本文发现只有在房价增长率较高的地区,企业跨行业经营房地产才能带来业绩的提升,这意味着随着人口红利的消退、房地产长效机制的建立,跨行业经营房地产带来的业绩增长只是短期的。本文以跨行业经营房地产为切入点,既丰富了企业多元化方面的研究成果,扩展了房地产行业对实体经济影响的研究,又为企业的经营决策提供了判断依据。
(二)本文的主要启示
根据上述研究结论可知,长远来看,跨行业经营房地产并不是企业实现可持续发展的合理选择。正如习主席多次强调的,凡是成功的企业,要攀登到事业顶峰,都要靠心无旁骛攻主业,交叉混业也是为了相得益彰发展主业,而不能是投机趋利。对于企业而言,第一,在做出跨行业经营房地产的决策之前,首先应当考虑房地产业务能否与主业形成技术上互补、资源上共享、管理上协同的良性效果,而不能仅关注基于房价上涨预期下的高回报率,从而偏废主业。更进一步来说,不仅仅是进入房地产行业,企业在进行涉及其他行业的多元化决策时也应当聚焦主业,选择与主营业务相匹配的行业。第二,研究结论证实并非所有企业跨行业经营房地产都能改善业绩,尤其对于研发创新投入较大的企业而言更是如此。因此,企业想要长远发展下去,就需要转变经营思路,不能盲目追求短期的高收益,而要注重创新创造,持续加强研发创新投入,专心追求符合自身特点的发展道路。
对于政府而言,一方面,应当建立长期稳定的房地产调控措施,防止过多短期政策带来的市场波动,确保土地供应与住房需求增速相协调,保持房地产价格的平稳。只有使房地产价格平稳,行业利润率回归至合理水平,并使得市场各方对房地产行业的利润率形成长期稳定的预期,才能防止实体企业过度投资房地产。另一方面,应当鼓励企业聚焦主业,引导企业理性多元化。要鼓励企业加强行业研究,主动把握行业发展前景,并通过加大创新支持、增强减税降费力度等方式营造企业专心致志发展主业的氛围。同时应加强引导,倡导企业在产业链上或关联行业进行合理的多元化。
(三)研究展望
非房地产企业可以通过内部发展、合并收购、战略联盟等途径进入房地产行业,不同类型的进入方式在操作和管理上各有特点,其所需成本和为企业带来的收益也存在差异。受披露体系的限制,通过上市企业的财务报表及财务报表附注中所提供的信息难以准确识别各企业跨行业经营房地产所采用的方式,因此本研究并未探讨在不同经营方式下企业跨行业经营房地产对企业的影响差异。今后的研究有必要根据不同经营方式的特点,进一步展开探讨,由此得到的研究结果将有助于制定精准化的策略以指导企业跨行业经营战略的实施。
① 根据《中国统计年鉴》和《中国房地产统计年鉴》数据,2005—2014年我国房地产开发企业的利润总额平均增长率达到22%,而大中型工业企业的利润总额平均增长率为16%,前者远高于后者。
② 例如依靠服装起家的雅戈尔集团自从大规模进军房地产之后其主业便逐渐不受重视,近年来其房地产业务营收占比更是频频超过50%。
③ 2014年之前的城市层面房地产价格数据来自《中国区域经济统计年鉴》,2014—2016年的该数据来自Wind数据库,其余个别年份缺失数据则用各城市统计公报或城市统计年鉴补充。
④ 根据国民经济行业分类,房地产行业包括房地产开发经营、物业管理、房地产中介服务、房地产租赁经营以及其他房地产业5个小类,其中物业管理、房地产中介服务、房地产租赁经营以及其他房地产业4个小类主要是房地产开发经营后的延伸业务,以后续服务为主,其商业模式、利润空间与房地产开发经营均存在较大差异,在房地产行业中的产值占比较低。对于非房地产行业的上市企业而言,经营收入中包含以上4个小类的企业极为有限,并且上述4个小类的经营收入也可能是由于上市企业自持物业而产生的。因此,这里的房地产行业收入指房地产开发经营收入。本文也尝试将物业管理、房地产中介服务、房地产租赁经营以及其他房地产业的收入纳入统计范围,回归结果未发生本质变化。
⑤ 借鉴已有相关研究(荣昭和王文春,2014;王红建等,2016;黄彦彦和李雪松,2017),本文采用如下影响企业跨行业经营房地产的变量作为匹配变量:企业利润率与房地产行业平均利润率差距、企业面临的行业内竞争程度(赫芬达指数)、企业市场地位、企业年龄、企业规模、高管持股比例、企业所在城市平均房价、人口密度、人均GDP等变量,在回归过程中还控制了行业效应。
⑥ Hausman-Wu统计检验显示模型估计存在内生性问题,应该使用工具变量估计方法,以获得一致有效的估计结果。并且第一阶段回归结果显著为正,与预期相符,F值统计量显著大于临界值,说明模型不存在弱工具变量问题。
⑦ 42个生产部门并非与Wind行业分类完全相对应,存在一个生产部门对应多个行业的情况,这些行业共同拥有一个相关度系数。同时,由于只有2007年、2010年和2012年的投入产出表,参考陈斌开等(2015)的做法,文中相近年份共用一个相关度系数。
⑧ 根据国家统计局发布的70城房价指数数据,本文中全国层面房价增长率较高的年份主要包括2007年、2009年、2010年、2013年以及2016年。
[1] | 陈斌开, 金箫, 欧阳涤非. 住房价格、资源错配与中国工业企业生产率[J]. 世界经济, 2015, 38(4): 77–98. |
[2] | 杜勇, 张欢, 陈建英. 金融化对实体企业未来主业发展的影响: 促进还是抑制[J]. 中国工业经济, 2017(12): 113–131. |
[3] | 何珊珊. 非房地产企业进入房地产行业对其全要素生产率的负面影响——基于中国A股上市公司数据的实证研究[J]. 当代财经, 2018(2): 3–14. |
[4] | 黄群慧. 论新时期中国实体经济的发展[J]. 中国工业经济, 2017(9): 5–24. |
[5] | 黄彦彦, 李雪松. 涉房决策与中国制造业企业研发投入[J]. 财贸经济, 2017(8): 144–160. |
[6] | 李静, 彭飞, 毛德凤. 研发投入对企业全要素生产率的溢出效应——基于中国工业企业微观数据的实证分析[J]. 经济评论, 2013(3): 77–86. |
[7] | 吕江林. 我国城市住房市场泡沫水平的度量[J]. 经济研究, 2010(6): 28–41. |
[8] | 荣昭, 王文春. 房价上涨和企业进入房地产——基于我国非房地产上市公司数据的研究[J]. 金融研究, 2014(4): 158–173. |
[9] | 宋军, 陆旸. 非货币金融资产和经营收益率的U形关系——来自我国上市非金融公司的金融化证据[J]. 金融研究, 2015(6): 111–127. |
[10] | 苏昕, 刘昊龙. 多元化经营对企业绩效的影响——高管持股的调节作用[J]. 经济问题, 2017(4): 100–107. |
[11] | 孙晓华, 王昀. 研发、出口与全要素生产率: 基于联立方程模型的实证检验[J]. 管理工程学报, 2015(4): 1–8. |
[12] | 王福胜, 宋海旭. 终极控制人、多元化战略与现金持有水平[J]. 管理世界, 2012(7): 124–136, 169. |
[13] | 王红建, 曹瑜强, 杨庆, 等. 实体企业金融化促进还是抑制了企业创新——基于中国制造业上市公司的经验研究[J]. 南开管理评论, 2017(1): 155–166. |
[14] | 王红建, 李茫茫, 汤泰劼. 实体企业跨行业套利的驱动因素及其对创新的影响[J]. 中国工业经济, 2016(11): 73–89. |
[15] | 谢家智, 王文涛, 江源. 制造业金融化、政府控制与技术创新[J]. 经济学动态, 2014(11): 78–88. |
[16] | 姚铮, 金列. 多元化动机影响企业财务绩效机理研究: 以浙江民企雅戈尔为例[J]. 管理世界, 2009(12): 137–149. |
[17] | Barney J B. Firm resources and sustained competitive advantage[J]. Journal of Management, 1991, 17(1): 99–120. |
[18] | Berger P G, Ofek E. Diversification’s effect on firm value[J]. Journal of Financial Economics, 1995, 37(1): 39–65. |
[19] | Comment R, Jarrell G A. Corporate focus and stock returns[J]. Journal of Financial Economics, 1995, 37(1): 67–87. |
[20] | Denis D J, Denis D K, Sarin A. Agency problems, equity ownership, and corporate diversification[J]. The Journal of Finance, 1997, 52(1): 135–160. |
[21] | Duchin R. Cash holdings and corporate diversification[J]. The Journal of Finance, 2010, 65(3): 955–992. |
[22] | Geringer J M, Tallman S, Olsen D M. Product and international diversification among Japanese multinational firms[J]. Strategic Management Journal, 2000, 21(1): 51–80. |
[23] | Guillén M F. Business groups in emerging economies: A resource-based view[J]. The Academy of Management Journal, 2000, 43(3): 362–380. |
[24] | Hann R N, Ogneva M, Ozbas O. Corporate diversification and the cost of capital[J]. The Journal of Finance, 2013, 68(5): 1961–1999. |
[25] | Nejadmalayeri A, Iyer S R, Singh M. Is there an optimally diversified conglomerate? Gleaning answers from capital markets[J]. Review of Quantitative Finance and Accounting, 2017, 49(1): 117–158. |
[26] | Palich L E, Cardinal L B, Miller C C. Curvilinearity in the diversification-performance linkage: An examination of over three decades of research[J]. Strategic Management Journal, 2000, 21(2): 155–174. |
[27] | Rawley E. Diversification, coordination costs, and organizational rigidity: Evidence from microdata[J]. Strategic Management Journal, 2010, 31(8): 873–891. |
[28] | Rudy B C, Johnson A F. Performance, aspirations, and market versus nonmarket investment[J]. Journal of Management, 2016, 42(4): 936–959. |
[29] | Schoar A. Effects of corporate diversification on productivity[J]. The Journal of Finance, 2002, 57(6): 2379–2403. |
[30] | Stulz R. Managerial discretion and optimal financing policies[J]. Journal of Financial Economics, 1990, 26(1): 3–27. |