1. 引言
长期以来，资本结构与经营绩效的关系一直受到国内外学者的关注，资本结构是否合理直接影响企业的经营绩效。在市场经济条件下，企业资本结构不同，其经营风险也会有差异，在一定程度上会影响企业的经营绩效。因此，在实际生产经营过程中，企业需要对其资本结构进行分析并优化以降低风险，提升企业绩效。
近年来，我国信息技术业高速发展，对劳动生产率的提高和生活质量的改善产生了巨大的积极作用。信息技术业的行业特征表现为投资费用高、周期长、风险高以及回报高，企业的股权融资与债权融资等融资渠道会受到这些行业特征的影响，从而引起综合绩效值的改变。因此，结合信息技术业自身的特点和面对当前的市场环境，探讨我国信息技术业上市公司资本结构与经营绩效的关系，对有效优化其资本结构以提升经营绩效具有重要的现实意义。
2. 文献综述及研究假设
2.1. 文献综述
1985年，莫迪利安尼(Modigliani)和米勒(Miller)提出了MM理论。在之后的研究中，权衡理论、代理成本理论、信号传递理论以及优序融资理论等资本结构理论相继被提出，给后续相关的研究奠定了坚实的基础 [1]。在此基础上，在资本结构和企业绩效关系的相关研究方面，国内外学者在深入研究探讨后主要提出了以下3种观点。
1) 资本结构与企业经营绩效具有正相关关系。Narinder Pal Singh和Mahima Bagga (2019)分析了2008~2017年Nifty 50公司的数据，通过四种回归模型进行分析，得出资本结构会正向影响企业的盈利能力的结论 [2]。李勇(2019)对我国2007~2017年房地产上市公司做两者关系的研究时，发现股权集中度正向影响企业绩效 [3]。
2) 资本结构与企业经营绩效具有负相关关系。Hajisaaid Alwalid Mohammad Saleh A. (2020)以2009~2018年期间沙特阿拉伯8家从事基础材料行业的公司的财务数据为样本，研究发现提高短期负债比率反而不利于企业绩效的提升 [4]。高磊(2017)利用上市公司数据进行分析，以风险承担为视角，结论表明两者之间显著负相关 [5]。
3) 资本结构与企业经营绩效呈非线性相关关系。Gaston Vedasto Mujwahuzi和Crispin John Mbogo (2020)研究了2009~2018年7家加工企业的资本结构对企业绩效的影响，实证结果得到资本结构指标对企业盈利能力指标的影响微弱且在统计上微不足道的结论 [6]。杨楠(2015)对2002~2013年中国352家上市公司进行研究分析时，使用面板固定效应模型和两步广义矩估计方法，结果发现两者呈非线性相关 [7]。
综上所述，可以发现国内外学者对在资本结构和企业绩效关系的研究结论还未得到完全一致的结论。在不同行业之间，两者的关系会有所不同。同时，关于信息技术业上市公司的相关分析也并不充分。
2.2. 研究假设
根据国内外学者提出的资本结构与企业绩效关系的以上三种观点，对我国信息技术业上市公司进行进一步的分析并提出研究假设。
1) 负债可以起到减税的作用，适当增加负债，有利于降低成本，提高企业价值。信号传递理论认为，负债的增加带有肯定性意义，可以反映出经营者看好公司未来发展，有利于提升企业价值。优序融资理论说明了当公司需要额外的资金时，会先利用自有资金，但由于公司资金有限，会考虑债务融资，这也是公司发展良好的表现。从目前的现状来看，信息技术业上市公司整体资产负债率不高，没有充分利用财务杠杆效益。根据上面的分析，提出如下假设。
假设1：我国信息技术业上市公司资产负债率与经营绩效正相关。
2) 负债可以分为流动负债和非流动负债。流动负债能解决公司流动性资金不足的问题，但负债偿还压力和财务风险也会随之增加，不利于企业绩效提升。信息技术业上市公司的负债以流动负债为主，且占比较高，故需要承担的风险偏高。因此，提出如下假设。
假设2：我国信息技术业上市公司流动负债比率与经营绩效负相关。
3) 公司股权高度集中时，中小股东利益会受损，对企业经营绩效不利。股权集中度较低时，会出现股东管理不足的情况，企业无法进行高效的运作和发展。若是股权相对集中，存在占比较多的股权被几个股东所拥有，就能互相制约，促进公司获得更好的效益 [8]。信息技术业上市公司的前十大股东持股比例均超过50%，股权相对集中但不过分集中，能起到互相制约作用。因此，提出如下假设。
假设3：我国信息技术业上市公司前十大股东持股比例与经营绩效正相关。
在接下来的实证分析中，将验证以上所列三个假设是否被接受，并得出实证相关结论，最后提出优化资本结构的相关建议。
3. 研究准备
3.1. 样本选取与数据来源
根据新证监会行业分类，选取2015~2019年在沪深A股上市的信息技术业上市公司为研究样本。样本数据来源于同花顺ifind数据库。在剔除含有ST、*ST的公司和数据不全的公司后，最终选定了187家信息技术业上市公司，对其资本结构与经营绩效的关系进行研究。
3.2. 变量选择
3.2.1. 被解释变量
考虑到数据的可获得性和可计算性，采用财务指标对企业绩效进行计算。由于综合绩效指标更加多元化，具有全面、客观的特点，因此从盈利能力、偿债能力、运营能力和成长能力中共选取9个指标，通过因子分析法计算出企业绩效综合评分，具体指标如表1所示。
Table 1. Factor analysis index of listed companies in information technology industry
表1. 信息技术业上市公司因子分析指标
3.2.2. 解释变量
资本结构具有债权结构和股权结构两个层面。资产负债率是负债状况的综合衡量标准，其水平可以反映公司的经营状况和价值，因此选择资产负债率作为衡量资本结构的指标。为了进一步研究债权资本及股权资本的构成，选取流动负债比率作为债权结构的衡量指标，前十大股东持股比例作为股权结构的衡量指标。流动负债比率的高低是公司对短期负债的依赖度高低的一种表现形式，流动负债比率越高表示对短期资金的依赖度越高，财务风险也就越高，会影响公司经营业绩。股权越集中，有利于大股东间互相牵制，使得公司得到更有效地经营和监管，能实现公司更好地发展。
3.2.3. 控制变量
为了控制其他因素对经营绩效产生影响，选择代表公司成长性的营业收入增长率、公司成立年限和代表公司研发投入强度的研发投入总额占营业收入比例作为控制变量，具体指标如表2所示。
Table 2. Empirical analysis index system
表2. 实证分析指标体系
3.3. 因子分析
为了构建企业绩效综合评价体系，利用SPSS 24.0软件进行因子分析。
3.3.1. KMO和Bartlett球形检验
Table 3. KMO and Bartlett sphericity test results
表3. KMO和Bartlett球形检验结果
使用KMO和Bartlett球形检验判断是否适合进行因子分析，当KMO值大于0.5时，适合因子分析，其检验结果如表3所示。由表3可知，KMO值为0.619，显著性概率值p为0，说明各项数据之间存在较强的关联性，可以进行因子分析。
3.3.2. 公因子提取
通过主成分分析法得到因子负荷矩阵，选取特征值大于1的因子，用于解释多个变量。其结果如表4所示。
提取方法：主成分分析法。
由表4可知，特征值大于1的公因子有4个(F1, F2, F3, F4)，对总方差的贡献率达到了86.423%，能够包含原有9项指标的大部分信息，因此能很好地代表原始指标。
3.3.3. 企业综合绩效得分计算
根据成分得分系数矩阵，得到4个因子(F1, F2, F3, F4)的计算公式。
(1)
(2)
(3)
(4)
在此基础上，以各因子方差贡献率为权重，可以得出企业绩效综合因子得分公式。
(5)
样本公司的企业绩效可由以上因子分析法计算得出，得分大于0代表企业绩效高于行业平均水平，反之则低于行业平均水平。
3.4. 描述性统计分析
在进行信息技术业上市公司资本结构与企业绩效的关系分析之前，先对样本数据的相关变量进行描述性统计分析，其结果如表5所示。
由表5可知，样本公司企业绩效范围值在−22.73~6.35之间，存在较大的范围值，说明在经营绩效方面各公司是存在比较大的差距的。信息技术业样本公司资产负债率具有最大值94.84%，最小值3.60%，均值34.59%，说明该行业中存在债务融资极小比例的公司，也存在债务融资规模较大的公司，信息技术业整体资产负债率不高。信息技术业各公司流动负债比率最小值31.67%，最大值为100%，平均值为88.57%，说明从整体来看该行业流动负债水平是较高的。前十大股东持股比例的最小值为17.90%，最大值为97.05%，平均值为53.36%，可知信息技术业各公司股权集中度较高。
4. 面板数据模型分析
4.1. 模型建立
将综合绩效值Y作为被解释变量，将资产负债率(X1)、流动负债比率(X2)和前十大股东持股比例(X3)作为解释变量，分别选择代表公司成长性的营业收入增长率(X4)、成立年限(X5)和代表企业研发投入强度的研发投入总额占营业收入比例(X6)作为控制变量，建立面板数据线性回归模型。
(6)
式中，i表示第i个公司，公司个数为N；t表示时间是第t年，时长为T；Yit则为第i个公司在第t年的综合绩效值；αit是常数项；μit是随机误差项；Xit表示各个解释变量和控制变量在第i个公司第t年的值；βit是各个解释变量和控制变量的系数。
4.2. 模型选择与检验
使用Eviews 8.0软件处理数据，建立面板数据线性回归模型。
1) F检验
F检验主要是判断模型中是否存在固定效应，以此来作为采用混合模型或是固定效应模型的依据。
建立假设：H0：αi = α。模型中不同个体的截距相同(模型为混合模型)。
H1：模型中不同个体的截距项αi不同(模型为个体固定效应模型)。
注：若概率值P < 0.05，则拒绝H0，接受H1。
F检验结果如表6所示，F检验的p值为0.0013，小于0.05，拒绝原假设，所以应该建立个体固定效应模型。
2) H (豪斯曼)检验
H检验主要是判断应该建立固定效应模型还是随机效应模型。
建立假设：H0：个体效应与解释变量不相关(模型为个体随机效应模型)。
H1：个体效应与解释变量相关(模型为个体固定效应模型)。
注：若概率值P < 0.05，则拒绝H0，接受H1。
根据表7可知，H检验的p值为0.0201，小于0.05，在95%的置信水平下拒绝原假设，所以应该选择个体固定效应模型。
综合F检验和H检验的结果来看，应该选择建立个体固定效应模型。
4.3. 回归分析
运用EViews 8.0软件对187家信息技术业上市公司2015~2019年的数据进行分析，为了使结果更具准确性，使用广义最小二乘法GLS，模型结果如表8所示。
根据表8可知，R2的值为0.898630，调整后R2的值为0.872400，拟合优度较好。F统计量的值为34.25911，p值为0.000000，小于 0.01，即在1%的显著性水平下总体为显著。DW的值为2.179121，在2附近，说明模型中的随机误差项不存在自相关。
根据表8进一步可知，我国信息技术业上市公司资本结构与经营绩效关系的研究结果如下。
1) 资产负债率(X1)：回归系数−2.245032，其t统计量是−31.29561，相关p值是0.0000，说明资产负债率与经营绩效负相关。因此驳回假设1，即拒绝了我国信息技术业上市公司资产负债率与经营绩效正
Table 8. Analysis of individual fixed effects model results
表8. 个体固定效应模型结果分析
注：“*”“**”“***”分别表示在10%、5%、1%的水平下显著。
相关这一假设。
2) 流动负债比率(X2)：回归系数−0.829263，其t统计量是−13.42526，相关p值是0.0000，说明流动负债比率与经营绩效负相关。因此，假设2被接受，即接受了我国信息技术业上市公司流动负债比率与经营绩效负相关这一假设。
3) 前十大股东持股比例(X3)：回归系数0.313181，其t统计量是3.249650，相关p值是0.0012，说明前十大股东持股比例与经营绩效正相关。因此，可以接受假设3，即接受了我国信息技术业上市公司流动负债比率与经营绩效正相关这一假设。
4.4. 结果分析
在资本结构方面，资产负债率对企业绩效表现为负向影响。资本市场的发展不完善，我国投资主体缺位以及法律监管薄弱，导致信息技术业上市公司股权融资发放的红利比债权融资支付的利息少，所以企业权益资本成本反而小于了债务资本成本。另外，如果资产负债率的增加使财务风险超过财务杠杆效益，经营绩效反而会降低，因此信息技术业上市公司会偏好权益融资而不是债权融资。
在债权结构方面，流动负债比率对企业绩效有负向影响。结合信息技术业流动负债率和长期负债率现状来看，可以发现该行业的流动负债率保持在极高的水平，偿债压力较大。信息技术企业的特点包括轻资产、项目周期长，流动负债能解决当前的债务问题，但也会带给企业很大的流动性风险和财务压力，依赖流动负债并不能提高企业绩效。
在股权结构方面，前十大股东持股比例对企业绩效存在正向影响。保持一定的股权集中度有利于信息技术企业的发展。根据委托代理理论，股权集中对大股东履行监督职责有激励作用，这有利于代理成本的降低和企业决策效率的提高，有利于绩效提升。
另外，在个体固定效应模型结果中可知营业收入增长率和研发投入总额占营业收入比例分别对企业绩效有正向影响，而公司成立年限则表现为负向影响。公司的营业收入增长越快，企业绩效相应也会得到提高。其原因在于近年来信息技术业被纳入“十三五”重点发展产业的行列中，国家出台一系列政策鼓励新兴产业的发展，这有利于新成立的公司快速发展，也意味着成立多年的公司面临着越来越多的竞争对手，发展压力日益增大。技术创新对信息技术业的发展至关重要，一项研发成果的实现会为企业带来巨额利润，因此，研发投入强度的增强对企业具有重要意义。
5. 结论与建议
5.1. 结论
以我国信息技术业上市公司为研究对象，运用SPSS 24.0软件对187家信息技术业上市公司2015~2019年连续五年的样本数据进行因子分析得出企业的综合财务绩效，并将其与资本结构进行回归分析，最后得到了两者之间关系的结论。1) 我国信息技术行业上市公司资产负债率与经营绩效负相关。增加过多的负债导致财务风险过大，财务风险的增加一旦超过了财务杠杆所能带来的利益时，随着资产负债率的增加，企业绩效反而降低。我国信息技术业上市公司债权结构与经营绩效负相关。2) 我国信息技术业上市公司的流动负债率达到了89%，依赖度高，存在过大的财务风险，对于企业绩效优化不利。3) 我国信息技术业上市公司的股权结构与经营绩效正相关。在2015~2019连续五年里，我国信息技术业上市公司股权相对集中，但不是过度集中，这一状态使能提高股东们的积极性，促使股东参与到公司的经营和监督之中，有利于绩效提升。
同时也发现，我国信息技术业上市公司营业收入增长率和研发收入强度与企业绩效呈正相关，而公司成立年限则表现为负相关。各公司要随着成立年限的增长不断去提升自己的综合实力，在关注营业收入增长率的同时也不能忽视技术创新，由技术创新而获得的研发成果，对促进企业经营绩效的增长意义重大。
5.2. 对策建议
1) 适当降低负债率。我国信息技术行业35%左右的资产负债率水平远低于全体行业平均水平，但由于行业特征的影响，信息技术业保持低负债率更有利于该行业的发展。当负债增加带来的财务风险超出财务杠杆所带来的效益时，会企业绩效会造成损害，因此，可以适当降低负债率。
2) 适当降低流动负债比率。实证结果表明，流动负债比率的提高阻碍经营绩效的改善，影响是负向的。流动负债会带给公司财务风险和偿债压力，因此，可以适当降低流动负债比例，提高长期负债比例，加强债务结构的稳定性。
3) 优化股权结构。股权分散影响公司监管水平。因此，若股权能相对集中，有利于提高股东监管的积极性，继而提升企业绩效。