基于QCA方法的PPP項目資本結構影響因素研究

　　摘 要：為給 PPP 項目資本結構決策提供更為可靠的依據，通過廣義最小二乘回歸分析得到 PPP 項目資本結構的顯著影響因素，采用 QCA 方法得到影響 PPP 項目資本結構的不同影響因素組合。研究結果表明：債券市值和稅收總額與 PPP 項目杠桿率呈負相關;最有可能帶來高杠桿率的影響因素組合有 3 種：最終交由公共部門運營且總投資額高、最終交由公共部門運營且通貨膨脹率高、最終由私人部門運營且債務提供者較多。結論可為 PPP 項目發起人確定資本結構提供決策依據，同時也可為 PPP 項目資本結構研究提供新的視角。

　　本文源自工程管理學報 發表時間：2021-02-26 《工程管理學報》是國家住房和城鄉建設部主管的綜合類國家科技期刊，由哈爾濱工業大學、中國建筑業協會管理現代化專業委員會主辦。期刊原名是創建于1985年，1987年國內外公開發行的《建筑管理現代化》。2009年底，經國家新聞出版總署研究同意，更名為《工程管理學報》，現為雙月刊，刊號：ISSN1674-8859/CN23-1564/TU;國內外公開發行代號：14—173。

　　關鍵詞：PPP;資本結構;QCA

　　PPP(Public-Private-Partnership)是政府與社會資本方通過簽訂特許協議建立的一種長期合作關系[1]。在過去的幾十年里，由于公共預算的限制和對新建或升級基礎設施的迫切需要，越來越多的私營部門參與公共投資項目。2014 年以來，我國也開始大力推廣 PPP 模式在基礎設施建設領域的應用，財政部政府和社會資本數據中心的數據顯示， 2014~2019 年，我國累計入庫項目高達 9399 個，累計投資額高達 14.3 萬億元。PPP 項目的資金來源主要包括兩部分，一是由項目發起人或者金融投資者注入的股本資金;二是是從銀行等金融機構獲得債務貸款，這兩部分資金的構成比例即為 PPP 項目的資本結構。資本結構的選擇關系著 PPP 項目的最終成敗，是項目融資的重要環節[2]。Sharma D K[3]研究指出 PPP 項目資本結構意味著風險和利潤分享，為激勵社會資本和保護公共利益提供了機制，因此 PPP 項目資本結構至關重要。實踐中，最優資本結構對于那些以項目價值最大化為目標的決策者來說是一個關鍵問題[4]。一方面，貸款人所要求的債務利率通常低于股東期望的收益率，因此發起人更傾向于利用高杠桿來獲得低成本的資金;另一方面，貸款機構往往不愿提供這種高杠桿以避免承擔過多風險[5]。因此，決策者需要權衡各方的訴求建立一個合適的資本結構用來為項目融資，以滿足發起人和貸款人雙方的期望和要求。而要確定最優資本結構，不能僅依靠決策者的經驗和非正式規則[6]，必須深入研究資本結構的影響因素，從而為 PPP 項目最優資本結構決策提供更為合理的依據。

　　傳統資本結構理論包括傳統 MM 理論，新 MM 理論，權衡理論和啄序理論等。傳統 MM 理論認為在沒有稅收、沒有激勵、沒有信息問題的理想狀態下，資本結構與公司價值無關。新 MM 理論認為由于債務所產生的利息可以在企業支付所得稅之前進行扣除，減少了企業的實際稅費支出，因而有利于增加股東的稅后收益，所以企業應該盡可能地增加債務融資，減少股權投資。權衡理論假設企業存在最優的資本結構，能夠平衡債務的收益(如利息稅盾)和成本(如破產成本和代理成本)，實現避稅收益和破產成本、債務代理成本的權衡[7]。啄序理論認為在為新項目籌集資金時，公司會先通過內部資金進行融資，然后再通過低風險的債務融資，最后才會選擇外部股權融資[8]。

　　Borliang Chen[4]通過建立博弈模型得出，各參與方議價能力的組合對資本結構有顯著影響：項目公司議價能力越強，負債率較高;當雙方議價能力相等時，負債率最高。Dias[9]等利用資產定價模型(CAPM)確定項目價值及其財務組成，證明存在項目破產風險，因而存在債務容量。Bakatjan 等[10] 根據財務可行性要求作為約束條件，計算出最優資本結構。Bagui 等[11]站在股東角度研究了還款方式和折舊方式對交通領域PPP項目最優資本結構的影響。Zhang[12]考慮到項目建設風險、經濟風險，建立了最優資本結構的計算模型。Yun 等[13]同時考慮股東和貸款人的需求進行最優資本結構計算。 Borliang Chen[14]通過建立PPP項目融資最優負債率的簡單模型，得出資本結構與最低期望回報率之間有著顯著關系。這些 PPP 項目最優資本結構的研究多基于資本結構理論，采用數理建模的方法，考慮了 PPP 項目資本結構的某些影響因素，比如破產風險、財務可行性、項目盈利水平、融資雙方的需求及談判力等，但影響 PPP 項目資本結構的因素遠不止這些，這有賴于對 PPP 項目資本結構影響因素的進一步研究。

　　企業資本結構影響因素研究是PPP項目資本結構影響因素研究的基礎。在企業資本結構影響因素中，由于稅收可以抵稅，形成“稅盾效應”，因此，稅收作為一個關鍵影響因素被首先識別出來[7]。 Mitton[15]的研究表明，杠桿率的增加主要源于企業特有特征的變化，而東道國的發展和開放的金融環境也會影響杠桿率的變化。De Jong 等[16]調查了 42 個國家的企業融資，發現國別因素對資本結構有間接影響。李悅等[17]通過實證研究分析出中國上市公司的資本結構影響因素包括負債的稅盾價值，財務困境成本和融資成本等因素。與企業融資相比，PPP 項目融資有其獨有的特點。它涉及建立一個與發起人原有公司資產隔離的項目公司，融資方式往往采取項目融資方式，這使其資本結構與企業資本結構有所不同[18]。Byoun 等[19]考察了一系列項目特定因素(如項目成本、發起人數量等)的影響，認為杠桿是發起人規避風險的一種對沖機制，與項目風險呈正相關。Pierru 等[20]評估了能源基礎設施債務比率和股權集中度的決定因素，結果表明，在風險較大的國家進行規模較大的項目，其負債率較低，股權集中度較低。Vaaler[21]抽取了 1995~2004 年間亞洲 238 個項目公司樣本，觀察到宏觀經濟理論相關的國家層面因素、代理理論相關的結構因素、知識和交易成本理論相關的發起人經驗、項目規模因素等重要影響因素。De Marco A[22]通過回歸分析得出通貨膨脹率、投資規模、建設周期等是項目融資資本結構的顯著影響因素。劉婷等[23]通過分析來自 OECD、歐洲投資銀行的 18 個國際典型 PPP 案例，得出債務資金成本、主辦人信用等級、投資規模等對 PPP 項目資本結構有著重要影響。Jiannan 等[5] 通過對全球 22 個國家(包括發達國家和發展中國家)典型基礎設施部門的 498 個 PPP 項目的探索性研究，得出了發起人數量、貸款人數量和合同類型及總稅率、實際利率、貸款風險溢價和債券市值是資本結構的主要影響因素。

　　從以上研究綜述可以看出，學者們從不同的角度得到了很多 PPP 項目資本結構影響因素，但僅限于分析單個因素對PPP項目資本結構的影響。然而， PPP 項目的資本結構可能同時受到多個因素的影響，決策者需要進一步了解影響資本結構的影響因素組合。由于決策者需要綜合考慮多個影響因素，現有研究尚不能為其提供直接的決策依據。本文擬從PPP項目特征及其所處宏觀經濟環境和財政金融環境三大類因素入手，對來自 17 個國家 78 個交通運輸 PPP 項目的數據進行分析，采用廣義最小二乘回歸確定影響因素，然后運用定性比較分析方法(Qualitative Comparative Analysis，QCA)，得到 PPP項目資本結構的影響因素組合。為決策者提供同時考慮各種因素時的決策依據。

　　1 研究方法與研究過程

　　1.1 研究方法選擇

　　本文選擇QCA(Qualitative Comparative Analysis)方法來進行影響因素組合的研究。QCA 是由 Ragin 在 19 世紀 80 年代開發的一種面向案例的方法，它是一種集合論方法，用于根據復雜的屬性配置和結果來比較案例，作為一種檢測特定結果的充要條件結構的技術，QCA 允許系統的跨案例比較。相較其他研究方法，聚類分析(Cluster Analysis)依賴主觀判斷、缺乏顯著性和效度的統計性檢驗、不能說明屬性之間的相互關系或評價屬性對結果的相對貢獻程度。差分法(Profile Deviation Analysis)中理想類型的選取受到質疑且不能探究組態中各屬性間的相互關系。回歸方法多用于探究組態中屬性之間的相互關系，但只能處理雙重及三重交互;QCA 有效克服了以上缺陷，并具有獨特的優勢。作為一種 “案例導向”的方法，在實證研究中被廣泛應用，其包含 3 種形式：一是清晰集 QCA(csQCA)，數據被二分處理，變量只能被賦值為 0 和 1，容易導致變量信息的丟失以及產生矛盾組態;二是多值 QCA(mvQCA)：使用多值變量，提升了數據處理的精細程度，適合處理多類別現象;三是模糊集 QCA(fsQCA)，引入模糊隸屬的概念，可以表示程度或水平上的變化。本文將主要采用模糊集 QCA (fsQCA)進行分析。

　　1.2 影響因素集的建立

　　本文從宏觀到微觀的角度，將 PPP 項目資本結構的影響因素限定在宏觀經濟環境、財政金融條件和 PPP 項目特征三大類，依據文獻，每類具體的影響因素如表 1 所示，其中，財政金融條件中稅收總額因素指的是一國所得稅稅收總額，簡稱稅收總額。

　　1.3 數據收集

　　本文中 PPP 項目的數據來源于 IJGlobal 數據庫和 Thomson Reuters 項目融資數據庫。樣本包括 2000~2016 年期間 17 個國家的 78 個 PPP 項目數據。每一份數據都由項目特定的信息組成，包括項目規模、債務數量、發起人、債務提供者、融資關閉年度、所屬國家和部門、特許期和合同類型等信息。本文選擇杠桿率，即債務與項目投資規模的比率作為因變量，反映項目的資本結構;利用這 78 個 PPP 項目的數據信息，以表 1 中的影響因素作為自變量，進行回歸分析，以確定這些影響因素與 PPP 項目資本結構的相關關系。

　　1.4 回歸過程

　　回歸分析可檢驗表 1 中的影響因素是否為顯著因素，即自變量對因變量的變化是否有顯著的正或負的影響。正向影響是指自變量的增加決定了因變量的增加，自變量的減少決定了因變量的減少，而負向影響則與之相反。表 1 中各影響因素除了合同類型這一影響因素外，都有對應的數值。為進行回歸分析，本文將合同類型因素視為 0，1 變量，將最終由私人部門擁有并運營的合同類型標記為 1，將最后轉讓給公共部門的合同類型標記為 0。政治風險數據來自樣本數據中各個國家的政治風險評分。

　　為避免獨立變量之間存在的多重共線性導致回歸分析結果與事實之間存在偏差，在進行回歸分析之前應對自變量進行共線性分析。多重共線性的大小通過 VIF(Variance Inflation Factor)的計算進行評估。VIF 是用來計算一個自變量和模型里其他自變量關系的統計量，計算公式為 1/(1-r 2 )，r2表示待研究自變量與模型中其他自變量相關的方差占比，VIF 大于 5 的自變量應該被剔除出模型[24]，因為這將導致回歸系數估計的不穩定，模型中所有考慮到的自變量都應小于 5。多重共線性分析結果如表 2 所示，真實利率、政治風險的 VIF 值高于 5，說明與其他變量的共線性較強，應剔除出模型。

　　檢查過多重共線性后，還需要考慮自變量單位量級的標準化[25]，由于本文考慮的自變量數據集有不同的數量級和測量，很難比較其對于因變量的顯著性，因此，為了概括這 78 個項目的數據集測試結果，有必要基于標準化角度對自變量單位量級進行標準化處理。在給定數據集大小的情況下，分別對各參數的均值和方差值進行正態分布觀測，各自變量以其均值和方差呈正態分布。為此，計算各因素參數的均值和標準誤差，利用下式對各觀測值進行標準化。

　　將各影響因素對應的數據輸入 SPSS 軟件后，得到回歸模型如表 3 所示，其中的數字是回歸系數，代表了自變量進行了單位變動對因變量影響的大小。數字上面的角標代表了該自變量的顯著性水平，上角標 a 代表自變量在 1%的顯著性水平上顯著，上角標 b 代表自變量在 5%的顯著性水平顯著，上角標 c 代表自變量在 10%的顯著性水平上顯著。 R2代表模型的擬合程度，即因變量的變動有多少可以被構建的模型解釋，0.40 以上的數值屬于比較高的水平，代表樣本數據中因變量杠桿率 40%的變動可以由模型中的影響因素解釋。PPP 項目規模大，周期長，利益相關方眾多，杠桿率影響因素較多， 0.4 在 PPP 項目資本結構影響因素的研究已屬于較高水平。經過多模型的嘗試，各因素的系數和顯著性水平趨于穩定，有幾個因素在幾個模型中均處于顯著性水平較高的位置，分別是項目發起人數量，總投資額，債務提供者數量，合同類型，通貨膨脹率，債券市值，稅收總額。

　　1.5 QCA 分析過程

　　對通過回歸分析篩選出的顯著影響因素，借助 QCA 定性比較分析方法進行組合分析，以探索以上顯著性影響因素是怎樣組合在一起對PPP項目資本結構產生影響的。以下是分析過程。首先建立真值表，以 95 分位、50 分位、5 分位作為臨界值對原始數據進行校準，將頻率閾值設為 1，以消除沒有觀測值的構型，去掉了其中的 9 種構型。接下來將一致性閾值設置為 0.80，作為衡量結果變量高低的標準，將原始數據矩陣重構為真值表，即要遵循“分析的所有結果都要基于給定的確定數據集”的原則 [26]。fsQCA 軟件會生成 3 種解，即復雜解、簡約解和中間解。復雜解是將所有邏輯余項設置為“假”，沒有反事實案例;簡約解則包含所有會產生邏輯更簡潔解的邏輯余項，不管它是簡單還是復雜的反事實案例;中間解介于兩者之間，只包含簡單反事實案例的邏輯余項，本文結論是基于中間解得出的。

　　2 結果及分析

　　數據分析結果如表 4 所示，其中*代表邏輯關系中的“且”的含義，~代表邏輯關系中“非”的含義，共得出 5 個影響因素組合，總覆蓋率為 0.91，即項目案例中 90%以上的項目結果變量即杠桿率可以通過以上的 5 個影響因素組合解釋，同時總一致性為 0.68，具有良好的必要性水平。得到的 5 個影響因素組合中前兩個由單個影響因素組成，分別是低的債券市值和低的稅收總額會導致PPP項目高杠桿率的形成，影響方向與回歸分析的結論一樣，相互驗證了顯著性。單個影響因素組合的出現表示該影響因素的影響較為獨立，不需要與其他影響因素組合即可單獨對因變量產生影響。

　　所得單影響因素組合中，債券市值代表了一個國家通過直接融資在債券市場可獲取債務資金的量，而 PPP 項目多采取項目融資貸款的方式，屬于間接融資。一個國家債券市值比較低，作為間接融資的銀行貸款業務就會相對較強，PPP 項目可從銀行獲得較多的貸款量，所以債券市值和杠桿率呈負相關。稅收總額較低代表國家營商環境較好，對公司利潤也有積極的影響，因此貸方會更愿意提供更多資金，項目杠桿率會更高。

　　表 4 中后 3 個影響因素組合分別是高的總投資額和最終交由公共部門運營的合同類型、最終交由公共部門運營的合同類型和高通貨膨脹率、較多債務提供者和由私人部門持續運營的合同類型，這 3 組影響因素組合會更可能導致PPP項目高杠桿率的形成。值得注意的是，表 4 中后 3 個影響因素組合中都有合同類型這一影響因素，可見其對 PPP 項目資本結構有非常重要的影響。具體來看，3 號影響因素組合中，總投資額這一因素一般被認為應與杠桿率呈負相關關系，因為投資額越大，一旦有違約等意外情況的發生，較難進行逆轉或清算，所以投資額較大的項目會面臨更大的風險，因而項目決策者在面臨較高風險時往往只能實現較低的杠桿率 [19~21]，回歸分析的結果也說明了這一點，而對于特許經營期結束交由公共部門運營的合同類型，這樣的項目往往會受到更多的監管，操作更加規范，項目風險大大降低，對債務資金提供者更有吸引力，所以會將原本負向關系抵消，導致高杠桿率的發生。典型案例包括澳大利亞的 M2 Hills Motorway Upgrade PPP 項目，總投資額 7.3 億美元，合同類型為 BOOT，私人部門在特許經營期結束時有義務向政府移交項目，這個項目的杠桿率達到 1。加拿大的 Golden Ears Bridge 橋梁 PPP 項目，總投資額 9 億美元，合同類型為 BOT，為政府擁有所有權，私人部門未來有義務向政府移交項目，此項目杠桿率達到 0.96，屬于很高的杠桿率。

　　對于表 4 中 4 號影響因素組合，過高的通貨膨脹率往往意味著宏觀經濟環境較差，資金融通速度較慢[16，27]，所以高的通貨膨脹率會導致較低杠桿率結果的發生，回歸分析的結果也說明了這一點，但當項目最后交由公共部門運營時，會為項目增加更多信用，項目融資時獲得資金更加容易，因此項目決策者更容易實現高杠桿的策略。典型案例包括越南的VDB Two Step Loan-Hanoi Haiphong Expressway道路 PPP 項目，當時通貨膨脹率為 9.09%，合同類型為 BOT，為政府擁有所有權，私人部門在特許經營期結束時有義務向政府移交項目，此項目杠桿率達到 1。牙買加的 Sangster International Airport 機場 PPP 項目，通貨膨脹率 15.3%，合同類型為 BOT，為政府擁有所有權，在特許經營期結束時有義務向政府移交項目，該項目的杠桿率達到較高水平，為 0.67。

　　以上分析說明，最終交由政府運營的 PPP 項目合同類型更有利于實現高杠桿率，但表 4 中 5 號影響因素組合顯示，當 PPP 項目有更多的債務提供者時，即使其屬于由私人部門運營的合同類型，二因素組合下也可以實現高杠桿率。典型案例包括加拿大的 Windsor-Essex Parkway AFP 道路 PPP 項目，債務提供者數量為 11，合同類型為 DBFMO，為私人部門擁有所有權，未來無義務向政府轉讓，杠桿率為 0.90。英國的 Thameslink Rolling Stock Project 軌道 PPP 項目，債務提供者數量為 19，合同類型為 DBFMO，為私人部門擁有所有權，未來無義務向政府轉讓，杠桿率為 0.90。

　　3 結語

　　本文構建了 PPP 項目資本結構的影響因素集，通過廣義最小二乘回歸分析得到了顯著影響因素集，通過 QCA 的方法，得到了 2 個單影響因素組合和 3 個多影響因素組合。單影響因素組合包括債券市值和稅收總額，多影響因素組合包括高的總投資額和最終交由公共部門運營的合同類型的組合，高通貨膨脹率和最終移交公共部門運營的合同類型的組合，較多債務提供者和持續由私人部門運營的合同類型的組合。由此可知，如果某一 PPP 項目所處的金融市場債券市值不大或所得稅率比較低，該 PPP 項目可實現高杠桿率;如果某一 PPP 項目的合同類型為特許期結束移交政府經營，則即使其投資額大或面臨通貨膨脹，也可實現高杠桿率;而某一 PPP 項目即使持續由私人部門運營，只要債務提供者的數量比較多，也可實現高杠桿率。本文的研究可為PPP項目資本結構決策者提供更為合理的決策依據，但尚存在局限與不足，主要體現在所用數據多為國際交通運輸類 PPP 項目，且限于數據的可得性，不能包含所有的影響因素，也沒有國內 PPP 項目數據。今后將擴展項目類型和增加國內 PPP 項目數據，在數據條件具備時做更為綜合的進一步深入研究。