安徽省民营上市公司治理风险评价研究

　　自2004年7月13日，安徽省第一家民营企业——安徽华星化工股份有限公司首次发行股票(证券代码：002018)，截至2012年8月1 El，安徽省民营上市公司已达37家，其中沪市6家，深市31家。这些上市公司对促进地方经济增长、增加政府财政收入、安排社会就业、提高居民收入等发挥了重要的作用，已成为安徽省经济发展的关键支撑。

　　然而随着我国市场经济体制改革逐步深化和全球经济一体化逐步加快，经济发展中的诸多矛盾都在民营企业中凸现。近年来，安徽民营上市公司无论是从数量上还是质量上都有了长足的发展，但因处于我国经济转轨的大环境下和独特的中国股票市场中，加上自身发展的不完善，在治理结构上不可避免的存在着各种问题，如股权高度集中，董事会受大股东控制，监事会形同虚设，独立董事不独立，笔耕文化推荐期刊，尤其存在着大量大股东对中小股东和其他利益相关者的利益侵害现象。

　　公司治理风险已成为一种决定民营上市公司生存与发展，并与高级管理层及董事会、监事会密切关联的战略性风险。公司治理风险一旦爆发，有可能使股东的投资随着股价的巨幅下跌瞬间化为乌有，银行等债权人的权益无法获得有效保障，公司裁员及员工失业频繁出现，甚至公司所在整个行业也都因此受到影响和牵连——美国安然公司就是这样一个例子。因此，对上市公司的治理风险进行准确的识别和预测，及时对那些公司治理风险可能恶化的企业发出预警信号，这是上市公司有关利益各方迫切的现实需求。

　　一、文献综述国外的学者和研究机构在20世纪90年代展开了对公司治理风险的研究，国外的研究主要集中在两方面：一是研究公司治理风险与企业价值之问的关系，如Bernard Black对俄罗斯16家公司的治理指数评级与企业价值进行了回归分析，得出公司治理风险的等级与企业价值存在正相关关系。二是主要针对公司治理风险诱因及公司治理风险的测量展开的一些研究，如Bedard和Johnstone指出公司治理风险主要是指因董事及审计委员会不作为或治理效率不高而导致的可能性；Gavin和Orsagh指出公司治理风险是由公司的内部利益冲突以及公司内部选举权的不平等而导致的；E4]German Creamer和Yoav Freund提出可以通过预测公司的托宾Q值大小来预测公司治理风险。最近几年，国内学者越来越重视对公司治理风险的研究。刘红霞运用主成分分析法构建了预警模型；崔蓉认为，公司治理危机是公司治理风险的最终爆发。孙奕驰和张艺馨基于时依协变量的COX模型对我国上市公司治理风险预警进行了研究；严若森选取中国国有企业民营化改制上市公司作为样本，就公司治理风险预警模型构建及其效果检验进行了研究。综上所述，基于公司治理实践的需求，国内外学者对于治理风险性质的认识以及治理风险预警的研究，开创了公司治理风险研究的先河。但现有公司治理风险的研究对民营上市公司的关注相对较少，这方面的实证研究比较欠缺。本文将以安徽民营上市公司为研究对象，开展公司治理风险评价的研究。

　　二、安徽省民营上市公司治理风险评价指标体系构建为综合评价民营上市公司治理水平，本文在借鉴前人研究成果的基础上主要选取了第一大股东持股比例(X )、前五大股东持股比例(X。)、年度内董事会议召开次数(X。)、独立董事的比例(X )、年度内监事会会议次数(X )、监事的比例(X。)、董事长与总经理两职设置情况(两职合一时赋值为1，两职分离时赋值为0)(X7)、资产负债率(X )、每股收益(X )九个指标作为评价指标，如表1所示。本文构建的公司治理风险评价指标体系，见表1。三、实证过程及结果(一)研究样本与数据来源为了评价公司治理风险的大小，本文在实证研究中选取了36家安徽民营上市公司作为研究样本。原始数据来源于上海证券交易所网站和深圳证券交易所网站公布的2011年年度报告资料，文中相关数据的处理及检验采用了SPSS17．0统计软件和Excel2003软件进行。

　　(二)模型构建

　　1．在做因子分析之前，首先利用巴特利特球度检验和KMO检验进行因子的适宜性分析，确定建立的治理风险指标是否适合做数据精简。分析结果如表2所示：经KMO的检验值是0．504。根据统计学家Kaiser给出的标准，KMO取值小于0．5时不适合做因子分析。此处检验结果为0．504，表示适合做因子分析，符合标准。经Bartlett球度检验的相应概率接近于零，小于显著性水平0．05，因此拒绝零假设，表示适合做因子分析。

　　2．确定主因子数量根据各个因子解释原有指标变量总方差的情况，我们利用因子分析中的主成分分析法，从9项指标变量中提取出4类主要因子，通过它们来代替原有指标变量所含的信息。我们提取的4个主因子累计方差贡献率为78．191%，即这4个因子反映出了总体信息的78．191%，丢失信息较少，用它们来代替原有指标变量进行安徽上市公司治理风险评价是可行的。

　　3．旋转因子载荷矩阵为了便于对各因子载荷进行合理的解释，采用方差最大法对因子载荷矩阵实施正交旋转，旋转后的因子载荷矩阵如表4：通过表4可以看到：前五大股东持股比例在第一个因子(F1)上有较高的载荷。年度内监事会会议次数、年度内董事会会议次数在第二个因子(F2)上有较高的载荷。董事长与总经理两职设置情况、独立董事的比例在第三个因子(F3)上有较高的载荷。监事的比例在第四个因子(F4)上有较高的载荷，第四个因子(F4)主要解释了这个变量。

　　通过分析可以发现，旋转以后各个因子的含义变得较为清晰明朗，易于分析。

　　4．计算因子得分本文采用计算因子的加权总分的方法，以各个因子的方差贡献率为权数，来计算因子的综合得分，且计算时采用的方差贡献率为旋转后的方差贡献率(表5)。综合得分公式：F一(23．989 ×F1+21．456％ ×F2+19．380 ×F3+13．367 ×F4)／78．191其中F为某上市公司治理风险水平的综合得分，FiG=1，2，3，4)为某个上市公司的各个主因子得分。本模型的F值就是公司治理风险状况的最后判别分数，其数值受到前五大股东持股比例、第一大股东持股比例、年度内监事会会议次数、年度内董事会会议次数、董事长与总经理两职设置情况、监事的比例等因素的综合影响，将民营上市公司的相关数据代人因子得分计算公式，就会计算出各因子得分和综合得分。