本书的研究对象是包括过度投资和投资不足在内的企业非效率投资，然而，由于没有一个现成的财务指标可以对它们进行直接度量，因此在本章将提出一种可以克服现有非效率投资度量（判别）模型存在的缺陷因而能更为准确地度量非效率投资的方法，并进行实证度量。
信息不对称和代理问题对投资的影响成为持续令人感兴趣的主题，准确地度量它们对投资的影响程度是这一领域的研究者孜孜以求的目标。本节对自FHP（1988）以来的近20年间国内外学者在这方面的努力进行了归纳总结，并对其优缺点作一简要评述。
4.1.1 FHP（1988）的投资—现金流敏感性判别模型
根据MM（Modigliani＆Miller，1958）的研究，在完美资本市场条件下，投资不受融资的影响。如果能实证证明投资受到融资的影响，则可证明资本市场是不完美的。为检验不完美资本市场条件下，企业的投资是否受到融资的影响，FHP（1988）按股利支付率将1970～1984年间的422家样本公司分为“低股利组”、“中等股利组”和“高股利组”，基于模型（4-1）分别估计各组的投资—现金流敏感系数。
（I/K）itf（X/K）it+g（CF/K）it+εit（4-1）
其中：I/K代表企业的投资；f（X/K）为以Tobin's Q表示的企业投资机会；g（CF/K）为内部现金流变量。
他们的实证结果表明，在控制了投资机会对投资的影响后，低股利组的投资—现金流敏感系数最大，中等股利组的系数次之，高股利组的系数最小。FHP（1988）认为，股利支付率高低可以代表一个企业面临的信息不对称程度，这是因为信息不对称的存在使得企业外部融资的成本要高于内部资金的成本（Myers＆Majluf，1984）。因此，信息不对称严重的企业会通过减少股利的发放以降低对高成本外部资金的需求，从而使得投资对内部资金的依赖性更高，因而表现出更大的投资—现金流敏感系数。
尽管自FHP（1988）以后的近20年间，一些学者按照不同的分类标准（如规模、是否隶属于企业集团、是否国家控股等）使用不同国家和地区的样本的研究结果支持了FHP（1988）的结论。但以投资—现金流敏感程度来度量企业面临的融资约束这一方法因存在以下问题而在近几年成为本领域激烈争论的主题。
1.投资—现金流敏感性并不一定随融资约束程度单调增加
KZ（Kaplan＆Zingales，1997）对现有文献中的基本假设“投资—现金流敏感性随融资约束程度单调增加”提出质疑，理由是没有广泛接受的理论模型支持这种关系。他们使用公司年报中与融资约束程度相关的定性和定量信息对企业进行分类后发现，被FHP归为融资约束最为严重的49家公司中“仅有15%的企业—年度存在某种程度的融资约束，而有将近40%的样本企业在样本期内每年均有增加投资”。同时他们还发现，融资约束最轻的企业组表现出最大的投资—现金流敏感性，这与FHP的结论完全相反。
KZ还提出了一个理论模型来证实他们的观点。他们设定一个选择最大化利润的投资水平的企业，投资I的收益函数由生产函数F（I）给定，F′＞0且F″＜0.投资所需资金由内部资金W或外部资金E解决。信息不对称所致的外部资金的额外成本由凸函数C（E，k）描述，其中k为内外资本成本的差异。每个企业选择投资额I以最大化其投资收益，即：Max F（I）-C（E，k）-I，约束条件为IW+E。KZ继续证明，当且仅当式（4-2）即d2I/d2W＜0时，FHP关于“投资—现金流敏感性随融资约束程度单调增加”的假设才成立。
d2I
d2WF111
F211——C111
C211×F211C211
C11——F113，C11≠F11≠0（4-2）
其中，下标表示分别对应第1项（即E）或第2项（即k）的1阶或2阶偏导。等式右边的第二项始终为正，因此，当且仅当（F111/F211——C111/C211）＜0，d2I/d2W才小于零。然而，这个条件很难满足，因为当外部融资成本函数为二次函数，如果生产函数的三阶导数为正，则d2I/d2W将为正。但是，许多简单的生产函数的三阶导数都为正。因此，KZ认为，对于某一特定选择的生产和成本函数，投资—现金流敏感性与融资约束程度的理论关系实际上是负的，即融资约束严重的企业可能表现出更低的投资—现金流敏感性。
2.托宾Q的衡量偏误问题
在完美资本市场条件下，投资机会能完全解释企业的投资支出，反映公司净值变化的财务变量（如现金流）应该对投资支出没有影响。因此，现有投资—现金流敏感性的研究文献大多以经典Q模型为基础，在假设投资机会不变的前提下，通过考察现金流对投资支出的影响来检验资本市场完美假说：若现金流变量的系数显著为正，则说明资本市场是不完美的。因而，投资机会的衡量就显得尤为重要。从理论上讲，能够完全反映投资机会的是边际Q（新增一单位资本预期能创造的现金流的现值与重置成本的比率）而不是平均Q（现有资本的市场价值与其重置成本之比），但由于边际Q的不可观测性，现有文献中基本上都是以平均Q（托宾Q）替代边际Q。但林文雄（Fumio Hayashi，1982）指出，以平均Q替代边际Q必须具备以下条件：产品和要素市场完全竞争，各种资本具有同质性，生产函数和资本调整函数均为线性齐次函数，公司的目标是价值最大化。显然，这些条件在现实经济体中往往难以满足。
在进行投资—现金流敏感性的研究时，若上述条件不满足但仍以平均Q（托宾Q）替代边际Q，即存在Q的衡量偏误问题。埃里克森和怀特德（Erickson＆Whited，2000）发现在有效控制衡量偏误的情况下，经典Q模型具有很好的解释力，即使在融资约束最为严重的样本组中，现金流也并不显著。因此，他们认为以往文献中发现的投资—现金流敏感性不过是衡量偏误导致的假象。戈梅斯（Gomes，2001）通过模拟分析表明即使不存在融资约束，衡量偏误也会导致显著的现金流敏感效应。埃里克森和怀特德（2005）则进一步对各种边际Q的代理指标的合理性进行了对比分析，结果发现基于Q建立的各种代理指标都存在严重的衡量偏误。Q的衡量偏误将使统计推断失效：当模型中的部分变量存在衡量偏误时，所有变量的参数估计都将是有偏的，存在衡量偏误的变量的参数估计通常会非常接近于零，而本身不具任何解释力的变量却可能非常显著；模型的拟合优度R2也会被严重低估。
与国外成熟的市场经济国家相比，在中国，以平均Q替代边际Q的条件更难以满足，因而托宾Q的衡量偏误愈发严重。第一，过度竞争与竞争不足并存的状况说明中国的产品和要素市场远未达到“完全竞争”的程度。第二，国有企业普遍承担的战略性和社会性两方面的政策性负担（林毅夫和李志赟，2004），使得国有企业的目标与企业价值最大化的目标有较大的偏离。第三，中国股票市场有效性的不足使得股票的当前价格最多只能反映所有历史价格信息而无法发挥其前瞻作用，而投资机会的本质是新增一单位资本预期能创造的现金流的现值与重置成本的比率，因此前瞻性是投资机会变量的基本要求。第四，缺乏市场价格的非流通股的存在使得托宾Q的衡量变得更加复杂：无论是以每股净资产还是按流通股市价折价替代非流通股市场价格，均难以准确地反映非流通股的市场价格，从而使托宾Q的衡量偏误更加严重。第五，由于内部人与股东的利益目标存在很大的偏差，因此中国上市公司中严重的内部人控制导致市场对公司价值的评估与公司经理人的评估相去甚远，而公司的投资决策更多地取决于后者（Erickson＆Whited，2005）。
3.样本分组标准和阈值的主观性
以前的绝大多数研究基于反映融资约束程度的一定企业特征或定性信息对全部样本进行分组，然后分组估计投资—现金流的敏感性。这一做法的假设是，样本分组的标准和“阈值”（threshold）在分组前是已知的。但是，在现实中，一家企业面临的融资约束程度是不可直接观察的。研究者可以预期一些企业比另外一些企业面临更大的融资约束，但并不能准确地在事前对这些企业进行区分。因此，在大多数研究中，用于样本分组的企业特征标准和阈值是基于主观判断（judgment calls）的。这意味着所估计的不同样本组的投资—现金流敏感系数可能对所选择的分组标准和“阈值”敏感，这也可能是导致现有文献中关于投资—现金流敏感性与融资约束关系的研究出现相互矛盾的结论的主要原因（Hovakimian＆Titman，2003）。
哈伯德（1998）也指出，按某种主观的标准区分融资约束企业和非融资约束企业的方法并不能产生理想的实证检验结果，原因有二：一是度量企业净值或信息不对称程度的变量是不完美且不准确的；二是同一企业的信息不对称程度和代理问题在不同时期并非一成不变，如随着企业的发展、成熟与社会知名度的提高，投资者与企业管理层在企业所投资项目的风险或质量方面的信息不对称程度会变得不严重，代理问题的严重性也会随企业的净值波动而变化。但是现有文献中常用的分组标准，如规模、是否属于企业集团等，是没有考虑到信息不对称和代理问题随时间推移而发生变化这一因素的。
综合上述分析可知，投资—现金流敏感性并不是衡量企业融资约束（投资不足）的良好变量。
4.1.2 沃格特（1994）的现金流与投资机会交乘项判别模型
根据詹森（1986）的自由现金流假说，可以从理论上推断，除信息不对称外，经理与股东之间的代理问题也会导致投资—现金流的敏感性。因此，FHP（1988）模型检验得到的投资—现金流敏感性既可能是信息不对称所致，也可能是代理问题所致。沃格特（1994）通过建立理论模型分别论证了代理问题和信息不对称导致的投资—现金流敏感性与投资机会的关系：（1）在缺乏投资机会但代理问题严重的公司中，有着最大化企业规模偏好的经理会充分利用新增的现金流进行过度投资，从而使这类公司的投资对现金流的波动更为敏感，因而代理问题导致的投资—现金流敏感性与投资机会负相关；（2）在投资机会较多但信息不对称严重的公司中，经理无法令人信服地将企业投资机会质量方面的信息传递给投资者，因而无法获得满足投资机会所需的外部融资，从而使得企业投资对内部现金流的波动越敏感，因此，信息不对称导致的投资—现金流敏感性与投资机会正相关。
沃格特（1994）建立了一个包含现金流（CF）与投资机会（托宾Q）及其交乘项在内的计量模型（4-3），并预期：（1）若企业的投资—现金流敏感性是源于与自由现金流相关的代理问题，则投资—现金流敏感程度将与托宾Q负相关，即交乘项系数β5为负；（2）若企业的投资—现金流敏感性是源于信息不对称所致的融资约束，则投资—现金流敏感程度将与托宾Q正相关，即交乘项系数β5为正。
（I/K）itβ0+β1（CF/K）it+β2（Cash/K）it+β3（Sales/K）it
+β4Qit-1+β5（CF/K）it×Qit-1+εit（4-3）
其中，Cash、Sale分别为现金存量和销售收入。
沃格特（1994）利用模型（4-3）对取自Compustat数据库中1973～1990年间数据完整的359家公司进行了投资—现金流敏感性的动因检验，结果发现，资本性投资支出的实证检验结果更加支持自由现金流假说，而研发支出的检验结果更符合优序融资理论的解释，即前者的投资—现金流敏感性为代理问题所致，而后者则为信息不对称所致。
沃格特（1994）模型不仅在其他国家的研究中得到较多的运用（如Pawlina＆Renneboog，2005；Szewczyk et al。，1996），在中国也颇受青睐（如全林等，2004；何金耿和丁加华，2001；梅丹，2005），但中国学者关于投资—现金流敏感性的动因检验结果存在较大的分歧，连玉君（2007）认为分歧产生的原因是这些研究无一例外地采用了存在较大衡量偏误的托宾Q作为投资机会的替代变量。
4.1.3 连玉君（2007）的经营效率与现金流交乘项判别模型
连玉君（2007）认为，沃格特（1994）模型并不适用于中国上市公司，原因有二：（1）沃格特（1994）模型的基本假设是低成长公司拥有较多的自由现金流量，但缺乏良好的投资机会，而高成长公司的财务状态则恰好相反。但中国上市公司往往表现出低成长伴随低盈利能力的现象（连玉君和程建，2006），并不满足上述假设；（2）沃格特（1994）假设引入交乘项后的模型依然是线性的，这样交乘项的系数才具有其预期的含义。然而，梅耶斯和马吉拉夫（1984）指出，投资不足问题会随着投资机会的增加而越发严重，这意味着现金流和托宾Q交乘项的系数与托宾Q的变化相关，从而使得模型呈现出非线性关系，此时交乘项系数的含义已经不再是线性模型设定下的边际效果了。
鉴于此，连玉君（2007）从信息不对称和代理成本理论的基本假设入手构造了一个新的动因检验模型：
Iit/Kit-1β0+β1FQit+β2CFit+β3CFit×DEit+β4TLit+εit（4-4）
其中：FQ是连玉君为避免托宾Q衡量偏误而采用VAR（向量自回归）模型直接构造的边际Q的代理变量——基准Q；CF为现金流量；DE为以托宾Q对负债率、规模、投资支出、流通股比例和个股超额收益率进行随机边界极大似然估计后得到的经营效率，大于中位数则取1，否则取0；TL为负债率。该模型的基本思想是：若投资—现金流敏感性主要是由代理问题引起的，则随着经营效率的提高（代理成本的降低），经理人的过度投资将得到有效抑制，从而使投资—现金流敏感性下降，即β3应显著为负。由于这类公司拥有丰富的现金流，债务融资功能居于次要地位，使得负债的增加并不会显著影响其投资支出，因此β4应该不显著；反之，如果投资—现金流敏感性主要是由于信息不对称所致，则即使经营效率提高，投资—现金流敏感性也不会有明显变化，但外部融资数量的增加却能够对投资支出产生显著影响，因此对于这类公司，预期β3不显著而β4显著为正。
连玉君（2007）以1998～2003年间沪、深307家上市公司为样本研究了中国上市公司投资—现金流敏感性问题。结果表明，在控制衡量偏误的影响下，投资支出仍然对现金流非常敏感。然而，不同于前期研究，他发现融资约束程度轻的公司反而表现出更强的投资—现金流敏感性。对此“反常”现象的动因检验表明：融资约束程度轻的公司倾向于过度投资，代理问题是导致现金流敏感性的主要原因；而融资约束较为严重的公司则表现为投资不足，信息不对称是导致现金流敏感性的主要原因。
连玉君（2007）构建了一个可以避免托宾Q衡量偏误的反映投资机会的变量——基准Q，为更准确地衡量中国上市公司投资—现金流敏感性提供了支持。但是，该研究也存在以下问题值得商榷：
（1）连玉君（2007）所提出的沃格特（1994）模型不适合中国上市公司的两个理由并不成立。首先，根据连玉君和程建（2006）所发现的中国上市公司“低成长伴随低盈利能力”现象难以得出中国上市公司“低成长伴随低自由现金流量”的结论。这是因为，根据詹森（1986）的定义，自由现金流量是在经营现金净流量的基础上扣除满足投资机会的投资支出所需现金流后的余额。尽管低成长公司盈利能力较低，但因其投资机会较少，因此其自由现金流量并不一定少。如布拉什等（Brush et al。，2000）取自美国公司的数据表明，投资机会与经营现金净流量显著正相关，与自由现金流量显著负相关。按连玉君和程建（2006）的样本筛选原则复制了其样本数据，以“购建固定资产、无形资产和其他长期资产的现金支出”对投资机会变量进行回归后得到的拟合值作为“最优投资支出”，以经营现金净流量减去最优投资支出作为自由现金流量。据此计算得到的成长性、盈利能力、自由现金流量的相关系数表明，企业成长性虽然与盈利能力显著正相关，但与自由现金流量显著负相关。因此，尽管中国的低成长公司往往伴随低盈利能力，但它们拥有较多的自由现金流量，与沃格特的基本假设是一致的。其次，“投资不足问题会随着投资机会的增加而越发严重”的现象并不会影响沃格特模型的动因检验效果。根据沃格特（1994），“（交乘项）系数β5δI/δCFδQδβcf/δQ，其中，βcf为CF的系数，如果δβcf/δQ大于0，则支持融资顺序假说；如果δβcf/δQ小于0，则支持FCF假说”，显然，沃格特是依据CF与Q交乘项系数的符号来判断导致样本公司投资—现金流敏感的动因是过度投资还是融资约束，并非根据该系数的大小及变动幅度。“投资不足问题会随着投资机会的增加而越发严重”意味着对于融资约束企业而言，投资—现金流敏感性对Q的函数为单调递增函数，即其一阶导数δβcf/δQ始终为正，不会出现诸如U形或倒U形等二次曲线的极值点，因此不会改变原来线性模型假设下的交乘项系数的符号，因而不会影响沃格特模型利用系数符号来进行动因检验的效果。
（2）连玉君（2007）在选择投资机会变量时尽量避免托宾Q存在的衡量偏误，但在动因检验模型中使用的经营效率却是依据以托宾Q为被解释变量的模型估计得到的，尽管埃里克森和怀特德（2005）的研究发现托宾Q作为被解释变量用以衡量代理成本或经营绩效时，并不会对解释变量的参数估计产生任何影响，只是模型的拟合优度R2的估计值有所降低而已。但由于中国股票市场有效性不足，股票市场中过多的泡沫成分和大量投机交易者的存在则会进一步加剧公司市场价值与其基本面的偏离，这就使得以托宾Q衡量的经营效率与企业的实际经营效率出现较大的偏离，从而导致模型（4-4）中的重要变量DE存在偏误，可能会影响投资—现金流敏感性动因检验效果。
4.1.4 理查德森（2006）的残差度量模型
以上三个模型存在的一个共同的缺陷是：无法对每一公司—年度的非效率投资进行量化。鉴于此，理查德森（2006）利用投资模型的残差对公司的非效率投资进行量化。计量经济模型的残差项的含义是，被解释变量的实际值与模型回归后的拟合值之差，是模型中解释变量不能解释的部分。理查德森将净投资分解为由企业成长机会、融资约束、行业及其他因素决定的预期投资和非预期投资两部分。后者则为实际投资与预期投资之间的差额，即投资模型的残差。正残差表示实际投资超过预期投资的部分，即过度投资，而负残差则为实际投资低于预期投资水平的部分，即为投资不足。预期投资为模型（4-5）估计的拟合值。
理查德森以1988～2002年间取自美国标准普尔数据库（Compustat）中的58053个企业—年度观测值为样本的研究表明，投资I与V/P、Lev、Age负相关，而与Cash、Size、AR和It-1正相关。
尽管理查德森在企业非效率投资的量化方面进行了有益的尝试，但以模型（4-5）估计得到的预测值并不是企业的最优投资水平。如前所述，最优投资水平是在资本市场完美且企业内部不存在代理成本情况下完全由投资机会决定的投资规模。而模型（4-5）中所纳入的资本市场不完美变量（资产负债率、现金存量、企业成立年数、企业规模等融资约束变量）将使模型估计得到的预期投资（Ihat）偏离最优投资（I*）：对于融资约束企业，由于其负债率较高，现金存量较少，规模较小，因而Ihat可能低于I*；相反，对于非融资约束企业，由于资产负债率低、现金存量多、企业规模大，因而Ihat可能高于I*。滞后一期被解释变量的纳入对预期投资也有着“存在就是合理”的影响，即如果上一期过度投资了，本期的预期投资也会因此“水涨船高”，从而Ihat可能高于I*，反之，则Ihat可能低于I*。预期投资估计值的偏误显然会影响非效率投资度量结果的准确性。
韦尔迪（2006）注意到了上述问题，因而采用了经典Q投资模型分行业估计最优投资水平，然后，以模型残差度量企业的过度投资与投资不足。但是，韦尔迪（2006）还存在以下两个方面的不足：一是未就经典Q投资模型度量非效率投资的理论依据进行论证；二是采用了存在衡量偏误的托宾Q作为投资机会的替代变量。
