摘要：本文主要对我国上市公司资本结构、投资效率与公司绩效之间的传导关系进行了研究，通过运用固定效应模型和中介效应检验方法，对我国沪深 A 股制造业上市公司2015-2024年期间的数据进行了实证分析。研究结果显示，资本结构对公司绩效具有显著的正向影响，投资效率在二者之间发挥部分中介效应；资产负债率、股权集中度等资本结构指标通过提升投资效率，进而促进公司绩效的提升，而宏观经济增长率对传导效应的影响不显著。

关键词：资本结构；投资效率；公司绩效；中介效应；固定效应模型

一、前言

在现代企业财务管理体系中，资本结构的优化配置与公司绩效的提升始终是核心研究议题，而投资效率作为连接资本结构与公司绩效的关键环节，其传导作用日益受到学界和实务界的关注。随着我国资本市场的不断完善和上市公司治理水平的逐步提升，企业的融资决策、投资决策与经营绩效之间的关联愈发紧密，合理的资本结构能够为企业投资活动提供稳定的资金支持，而高效的投资活动则是实现资本增值、提升公司绩效的重要途径。

当前，我国上市公司普遍面临着资本结构不合理、投资效率偏低等问题，部分企业存在过度负债或股权集中度过高的现象，进而导致投资盲目扩张、资源配置低效，最终制约公司绩效的提升。在此背景下，探究资本结构对公司绩效的影响机制，明确投资效率在其中的中介传导路径，对于上市公司优化资本结构、提升投资效率、实现绩效增长具有重要的现实意义。与公司绩效相关的资本结构调整与哪些因素有关？如何量化投资效率的中介效应？资本结构通过投资效率影响公司绩效的具体机制和影响程度是什么？探究上述这些问题，对于明晰资本结构与公司绩效的内在关联，指导上市公司优化融资和投资决策有着重要的作用。

二、文献回顾

Modigliani 和 Miller（1958）最早提出了资本结构无关论，认为在完美资本市场假设下，企业的资本结构与公司价值无关，但该理论因假设条件过于严苛，与现实市场环境存在较大差距。随后，权衡理论、优序融资理论等相继发展，Myers 和 Majluf（1984）基于优序融资理论提出，企业融资应优先选择内部融资，其次是债务融资，最后是股权融资，合理的债务融资比例能够降低融资成本，进而提升公司绩效。Jensen 和 Meckling（1976）从代理成本视角出发，认为债务融资能够有效缓解股东与管理者之间的代理冲突，约束管理者的非效率投资行为，进而提升投资效率和公司绩效。

在国内研究方面，学者们围绕资本结构、投资效率与公司绩效的关系展开了大量实证研究。张新民、钱爱民（2019）以我国 A 股上市公司为研究样本，研究发现资本结构与公司绩效之间存在显著的倒 U 型关系，适度的负债水平能够促进公司绩效提升，而过度负债则会加剧财务风险，抑制绩效增长。李青原（2018）通过实证检验发现，投资效率在资本结构与公司绩效之间发挥中介作用，债务融资能够通过抑制过度投资、缓解投资不足，提升投资效率，进而推动公司绩效提升。王艳、李智（2021）研究表明，股权集中度对投资效率具有显著的正向影响，股权集中度过高或过低都会降低投资效率，进而间接影响公司绩效，且不同行业上市公司的传导效应存在异质性。

综合现有研究来看，国内外学者已对资本结构、投资效率与公司绩效的两两关系进行了较为深入的探讨，但关于投资效率在资本结构与公司绩效之间的具体传导路径、影响程度的研究仍有待进一步完善。本文基于中介效应分析框架，以制造业上市公司为研究对象，深入探究投资效率的中介传导效应，以期丰富相关研究成果，为上市公司财务管理决策提供参考。

三、实证研究

（一）模型设定

为探究资本结构对公司绩效的影响，以及投资效率在二者之间的中介传导效应，本文构建了基准回归模型和中介效应检验模型，采用固定效应模型进行实证分析，具体模型设定如下：

首先，构建资本结构对公司绩效的基准回归模型，检验资本结构对公司绩效的直接影响：

Perf_{i,t} = α₀ + α₁ Lev_{i,t} + α₂ Con_{i,t} + Σα_k Controls_{i,t} + μ_i + λ_t + ε_{i,t} (3-1)

其次，构建资本结构对中介变量投资效率的回归模型，检验资本结构对投资效率的影响：

IE_{i,t} = β₀ + β₁ Lev_{i,t} + β₂ Con_{i,t} + Σβ_k Controls_{i,t} + μ_i + λ_t + ε_{i,t} (3-2)

最后，构建资本结构、投资效率对公司绩效的回归模型，检验投资效率的中介效应：

Perf_{i,t} = γ₀ + γ₁ Lev_{i,t} + γ₂ Con_{i,t} + γ₃ IE_{i,t} + Σγ_k Controls_{i,t} + μ_i + λ_t + ε_{i,t} (3-3)

在上述模型中，i表示研究选取的上市公司的具体编号（i=1,2,3,…,N），t表示选取上市公司i所对应的年度数据；Perf_{i,t}为被解释变量，代表公司绩效；Lev_{i,t}、Con_{i,t}为核心解释变量，分别代表资产负债率和股权集中度，衡量资本结构；IE_{i,t}为中介变量，代表投资效率；Controls_{i,t}为控制变量，包括企业规模、资产周转率、净资产收益率等；μ_i为个体固定效应，λ_t为时间固定效应，ε_{i,t}为随机扰动项。

（二）变量的选取

1. 被解释变量：公司绩效（Perf）

本文采用净资产收益率（ROE）作为衡量公司绩效的核心指标，该指标能够综合反映企业的盈利能力和资产运营效率，是学界衡量公司绩效的常用指标。计算公式如下：

ROE = 净利润 / 平均净资产 × 100% (3-4)

2. 核心解释变量：资本结构

（1）资产负债率（Lev）：采用期末总负债与期末总资产的比值衡量，反映企业的债务融资水平，是衡量资本结构的核心指标之一。计算公式如下：

Lev = 期末总负债 / 期末总资产 × 100% (3-5)

（2）股权集中度（Con）：采用第一大股东持股比例衡量，反映企业的股权结构特征，能够体现股权集中对企业融资和投资决策的影响。

3. 中介变量：投资效率（IE）

本文借鉴 Richardson（2006）的投资效率模型，通过回归残差衡量企业的投资效率，残差绝对值越小，代表投资效率越高；残差为正代表过度投资，残差为负代表投资不足。具体模型如下：

Inv_{i,t} = θ₀ + θ₁ Growth_{i,t-1} + θ₂ Size_{i,t-1} + θ₃ Cash_{i,t-1} + θ₄ Age_{i,t-1} + θ₅ Lev_{i,t-1} + θ₆ ROA_{i,t-1} + θ₇ Inv_{i,t-1} + μ_i + λ_t + ε_{i,t} (3-6)

其中，Inv_{i,t}为企业当期投资支出，采用购建固定资产、无形资产和其他长期资产支付的现金与期初总资产的比值衡量；Growth_{i,t-1}为企业成长性，采用营业收入增长率衡量；Size_{i,t-1}为企业规模，采用期初总资产的自然对数衡量；Cash_{i,t-1}为现金持有量，采用期初货币资金与期初总资产的比值衡量；Age_{i,t-1}为企业上市年限；ROA_{i,t-1}为资产收益率。通过对该模型进行回归，得到残差ε_{i,t}，取其绝对值作为投资效率的代理变量（IE）。

4. 控制变量

为排除其他因素对实证结果的干扰，本文选取以下控制变量：

（1）企业规模（Size）：采用期末总资产的自然对数衡量，企业规模越大，融资能力和抗风险能力越强，可能对公司绩效产生正向影响。

（2）资产周转率（Turn）：采用营业收入与平均总资产的比值衡量，反映企业的资产运营效率，资产周转率越高，企业资产利用效率越高，越有利于提升绩效。

（3）现金持有量（Cash）：采用期末货币资金与期末总资产的比值衡量，充足的现金持有量能够为企业投资活动提供资金支持，缓解融资约束。

（4）企业成长性（Growth）：采用营业收入增长率衡量，成长性较好的企业投资机会较多，能够通过高效投资提升公司绩效。

（5）宏观经济增长率（GDP）：采用年度国内生产总值增长率衡量，反映宏观经济环境对企业经营绩效的影响。

（三）数据的来源与处理

本文以我国沪深 A 股制造业上市公司2015-2024年的年度数据为研究样本，选取制造业上市公司作为研究对象，主要是因为制造业是我国实体经济的核心，企业投资活动较为频繁，资本结构与投资效率的关联更为紧密，能够更好地反映二者之间的传导效应。为保证数据的有效性和可靠性，对样本数据进行如下筛选：（1）剔除 ST、*ST 等特殊处理的上市公司，避免财务异常对实证结果的影响；（2）剔除数据缺失、数据异常的样本；（3）对所有连续变量进行1%分位和99%分位的缩尾处理，避免极端值的干扰。最终得到有效样本2860个，涉及上市公司286家。

本文所需数据均来源于国泰安数据库（CSMAR）和 Wind 数据库，其中企业财务数据、治理数据均取自国泰安数据库，宏观经济数据取自国家统计局官方网站。在获取数据后，利用 Excel 2021软件对数据进行整理和筛选，采用 STATA 17.0软件进行实证检验，包括描述性统计、相关性分析、固定效应回归和中介效应检验。

表3-1 变量描述性统计

从描述性统计结果可以看出，样本上市公司的净资产收益率均值为0.087，标准差为0.062，说明不同上市公司的绩效水平存在一定差异；资产负债率均值为0.452，处于合理的负债水平区间，符合制造业上市公司的资本结构特征；投资效率均值为0.031，标准差为0.025，表明样本企业整体投资效率偏低，且个体差异较为明显；各控制变量的取值范围和离散程度均处于合理区间，无明显异常值。

（四）实证分析

本文采用固定效应模型对构建的三个回归模型进行实证检验，同时进行 Hausman 检验，检验结果显示 P 值为0.000，拒绝随机效应模型的原假设，因此选择固定效应模型更为合适。实证回归结果如表3-2、表3-3、表3-4所示。

表3-2 资本结构对公司绩效的基准回归结果

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著，下同。

表3-3 资本结构对投资效率的回归结果

表3-4 资本结构、投资效率对公司绩效的回归结果

结合上述三个回归模型的结果，对资本结构、投资效率与公司绩效的传导效应进行分析：

（1）资本结构对公司绩效的直接影响。从表3-2的回归结果可以看出，资产负债率（Lev）的系数为0.098，在1%的显著性水平下显著为正，说明资产负债率的提升能够显著促进公司绩效的增长。这是因为适度的债务融资能够发挥税盾效应，降低企业融资成本，同时债务融资的约束作用能够减少管理者的非效率投资行为，进而提升公司绩效。股权集中度（Con）的系数为0.065，在1%的显著性水平下显著为正，表明股权集中度的提升有利于公司绩效的提升，主要是因为股权集中能够强化股东对管理者的监督，减少代理成本，提高经营决策效率。控制变量中，企业规模、资产周转率、现金持有量、企业成长性均对公司绩效产生显著正向影响，而宏观经济增长率（GDP）的系数不显著，说明宏观经济环境对样本上市公司绩效的影响较小。

（2）资本结构对投资效率的影响。从表3-3的回归结果可以看出，资产负债率（Lev）的系数为0.045，股权集中度（Con）的系数为0.032，均在1%的显著性水平下显著为正，说明资本结构的优化能够显著提升企业的投资效率。合理的债务融资能够为企业投资活动提供稳定的资金支持，缓解融资约束，避免因资金短缺导致的投资不足；同时，债务融资的还本付息压力能够约束管理者的过度投资行为，减少资源浪费，进而提升投资效率。股权集中度的提升能够强化股东对投资决策的监督，避免管理者为追求个人利益而进行的盲目投资，确保投资项目的可行性和收益性，进而提升投资效率。

（3）投资效率的中介效应分析。从表3-4的回归结果可以看出，加入投资效率（IE）这一中介变量后，资产负债率（Lev）和股权集中度（Con）的系数均有所下降（Lev 从0.098下降至0.065，Con 从0.065下降至0.042），且均在1%的显著性水平下显著为正，投资效率（IE）的系数为0.789，在1%的显著性水平下显著为正。这表明投资效率在资本结构与公司绩效之间发挥部分中介效应，即资本结构不仅能够直接影响公司绩效，还能够通过提升投资效率间接促进公司绩效的增长。通过计算中介效应占比可知，资产负债率通过投资效率对公司绩效的中介效应占比为33.67%，股权集中度通过投资效率对公司绩效的中介效应占比为35.38%，说明投资效率是资本结构影响公司绩效的重要传导路径。

此外，从控制变量的回归结果来看，企业规模、资产周转率、现金持有量、企业成长性对公司绩效的影响均显著为正，与基准回归结果一致；宏观经济增长率的系数仍不显著，进一步说明宏观经济环境对样本制造业上市公司绩效的影响有限，公司绩效主要受自身资本结构、投资效率和经营管理水平的影响。

四、结语

本文以我国沪深 A 股制造业上市公司2015-2024年的年度数据为研究样本，采用固定效应模型和中介效应检验方法，探究了投资效率中介下资本结构对公司绩效的传导效应。研究结果表明，资本结构对公司绩效具有显著的正向影响，资产负债率和股权集中度的提升均能够促进公司绩效增长；资本结构对投资效率具有显著的正向影响，合理的资本结构能够有效提升企业投资效率；投资效率在资本结构与公司绩效之间发挥部分中介效应，资本结构通过提升投资效率，进而间接促进公司绩效的提升，且该中介效应具有一定的显著性。同时，研究发现宏观经济增长率对资本结构与公司绩效的传导效应影响不显著，公司绩效主要受自身内部因素的影响。

基于上述研究结论，本文提出以下建议：一是上市公司应优化资本结构，合理控制债务融资比例，充分发挥债务融资的税盾效应和约束作用，同时适度提升股权集中度，强化股东监督，减少代理成本；二是上市公司应重视投资效率的提升，建立科学的投资决策机制，加强对投资项目的可行性分析和后期跟踪管理，避免过度投资和投资不足，提高资源配置效率；三是监管部门应进一步完善资本市场体系，拓宽企业融资渠道，为上市公司优化资本结构、提升投资效率提供良好的市场环境。

本文的研究仍存在一定的局限性，主要体现在研究样本仅选取了制造业上市公司，未考虑其他行业上市公司的异质性，后续研究可扩大样本范围，对比不同行业资本结构、投资效率与公司绩效的传导效应差异；同时，本文仅选取了资产负债率和股权集中度作为资本结构的代理变量，后续研究可加入债务期限结构、股权制衡度等指标，进一步丰富资本结构的衡量维度，提升研究结论的全面性和可靠性。