基于QCA方法的PPP项目资本结构影响因素研究

　　摘 要：为给 PPP 项目资本结构决策提供更为可靠的依据，通过广义最小二乘回归分析得到 PPP 项目资本结构的显著影响因素，采用 QCA 方法得到影响 PPP 项目资本结构的不同影响因素组合。研究结果表明：债券市值和税收总额与 PPP 项目杠杆率呈负相关;最有可能带来高杠杆率的影响因素组合有 3 种：最终交由公共部门运营且总投资额高、最终交由公共部门运营且通货膨胀率高、最终由私人部门运营且债务提供者较多。结论可为 PPP 项目发起人确定资本结构提供决策依据，同时也可为 PPP 项目资本结构研究提供新的视角。

　　本文源自工程管理学报 发表时间：2021-02-26 《工程管理学报》是国家住房和城乡建设部主管的综合类国家科技期刊，由哈尔滨工业大学、中国建筑业协会管理现代化专业委员会主办。期刊原名是创建于1985年，1987年国内外公开发行的《建筑管理现代化》。2009年底，经国家新闻出版总署研究同意，更名为《工程管理学报》，现为双月刊，刊号：ISSN1674-8859/CN23-1564/TU;国内外公开发行代号：14—173。

　　关键词：PPP;资本结构;QCA

　　PPP(Public-Private-Partnership)是政府与社会资本方通过签订特许协议建立的一种长期合作关系[1]。在过去的几十年里，由于公共预算的限制和对新建或升级基础设施的迫切需要，越来越多的私营部门参与公共投资项目。2014 年以来，我国也开始大力推广 PPP 模式在基础设施建设领域的应用，财政部政府和社会资本数据中心的数据显示， 2014~2019 年，我国累计入库项目高达 9399 个，累计投资额高达 14.3 万亿元。PPP 项目的资金来源主要包括两部分，一是由项目发起人或者金融投资者注入的股本资金;二是是从银行等金融机构获得债务贷款，这两部分资金的构成比例即为 PPP 项目的资本结构。资本结构的选择关系着 PPP 项目的最终成败，是项目融资的重要环节[2]。Sharma D K[3]研究指出 PPP 项目资本结构意味着风险和利润分享，为激励社会资本和保护公共利益提供了机制，因此 PPP 项目资本结构至关重要。实践中，最优资本结构对于那些以项目价值最大化为目标的决策者来说是一个关键问题[4]。一方面，贷款人所要求的债务利率通常低于股东期望的收益率，因此发起人更倾向于利用高杠杆来获得低成本的资金;另一方面，贷款机构往往不愿提供这种高杠杆以避免承担过多风险[5]。因此，决策者需要权衡各方的诉求建立一个合适的资本结构用来为项目融资，以满足发起人和贷款人双方的期望和要求。而要确定最优资本结构，不能仅依靠决策者的经验和非正式规则[6]，必须深入研究资本结构的影响因素，从而为 PPP 项目最优资本结构决策提供更为合理的依据。

　　传统资本结构理论包括传统 MM 理论，新 MM 理论，权衡理论和啄序理论等。传统 MM 理论认为在没有税收、没有激励、没有信息问题的理想状态下，资本结构与公司价值无关。新 MM 理论认为由于债务所产生的利息可以在企业支付所得税之前进行扣除，减少了企业的实际税费支出，因而有利于增加股东的税后收益，所以企业应该尽可能地增加债务融资，减少股权投资。权衡理论假设企业存在最优的资本结构，能够平衡债务的收益(如利息税盾)和成本(如破产成本和代理成本)，实现避税收益和破产成本、债务代理成本的权衡[7]。啄序理论认为在为新项目筹集资金时，公司会先通过内部资金进行融资，然后再通过低风险的债务融资，最后才会选择外部股权融资[8]。

　　Borliang Chen[4]通过建立博弈模型得出，各参与方议价能力的组合对资本结构有显著影响：项目公司议价能力越强，负债率较高;当双方议价能力相等时，负债率最高。Dias[9]等利用资产定价模型(CAPM)确定项目价值及其财务组成，证明存在项目破产风险，因而存在债务容量。Bakatjan 等[10] 根据财务可行性要求作为约束条件，计算出最优资本结构。Bagui 等[11]站在股东角度研究了还款方式和折旧方式对交通领域PPP项目最优资本结构的影响。Zhang[12]考虑到项目建设风险、经济风险，建立了最优资本结构的计算模型。Yun 等[13]同时考虑股东和贷款人的需求进行最优资本结构计算。 Borliang Chen[14]通过建立PPP项目融资最优负债率的简单模型，得出资本结构与最低期望回报率之间有着显著关系。这些 PPP 项目最优资本结构的研究多基于资本结构理论，采用数理建模的方法，考虑了 PPP 项目资本结构的某些影响因素，比如破产风险、财务可行性、项目盈利水平、融资双方的需求及谈判力等，但影响 PPP 项目资本结构的因素远不止这些，这有赖于对 PPP 项目资本结构影响因素的进一步研究。

　　企业资本结构影响因素研究是PPP项目资本结构影响因素研究的基础。在企业资本结构影响因素中，由于税收可以抵税，形成“税盾效应”，因此，税收作为一个关键影响因素被首先识别出来[7]。 Mitton[15]的研究表明，杠杆率的增加主要源于企业特有特征的变化，而东道国的发展和开放的金融环境也会影响杠杆率的变化。De Jong 等[16]调查了 42 个国家的企业融资，发现国别因素对资本结构有间接影响。李悦等[17]通过实证研究分析出中国上市公司的资本结构影响因素包括负债的税盾价值，财务困境成本和融资成本等因素。与企业融资相比，PPP 项目融资有其独有的特点。它涉及建立一个与发起人原有公司资产隔离的项目公司，融资方式往往采取项目融资方式，这使其资本结构与企业资本结构有所不同[18]。Byoun 等[19]考察了一系列项目特定因素(如项目成本、发起人数量等)的影响，认为杠杆是发起人规避风险的一种对冲机制，与项目风险呈正相关。Pierru 等[20]评估了能源基础设施债务比率和股权集中度的决定因素，结果表明，在风险较大的国家进行规模较大的项目，其负债率较低，股权集中度较低。Vaaler[21]抽取了 1995~2004 年间亚洲 238 个项目公司样本，观察到宏观经济理论相关的国家层面因素、代理理论相关的结构因素、知识和交易成本理论相关的发起人经验、项目规模因素等重要影响因素。De Marco A[22]通过回归分析得出通货膨胀率、投资规模、建设周期等是项目融资资本结构的显著影响因素。刘婷等[23]通过分析来自 OECD、欧洲投资银行的 18 个国际典型 PPP 案例，得出债务资金成本、主办人信用等级、投资规模等对 PPP 项目资本结构有着重要影响。Jiannan 等[5] 通过对全球 22 个国家(包括发达国家和发展中国家)典型基础设施部门的 498 个 PPP 项目的探索性研究，得出了发起人数量、贷款人数量和合同类型及总税率、实际利率、贷款风险溢价和债券市值是资本结构的主要影响因素。

　　从以上研究综述可以看出，学者们从不同的角度得到了很多 PPP 项目资本结构影响因素，但仅限于分析单个因素对PPP项目资本结构的影响。然而， PPP 项目的资本结构可能同时受到多个因素的影响，决策者需要进一步了解影响资本结构的影响因素组合。由于决策者需要综合考虑多个影响因素，现有研究尚不能为其提供直接的决策依据。本文拟从PPP项目特征及其所处宏观经济环境和财政金融环境三大类因素入手，对来自 17 个国家 78 个交通运输 PPP 项目的数据进行分析，采用广义最小二乘回归确定影响因素，然后运用定性比较分析方法(Qualitative Comparative Analysis，QCA)，得到 PPP项目资本结构的影响因素组合。为决策者提供同时考虑各种因素时的决策依据。

　　1 研究方法与研究过程

　　1.1 研究方法选择

　　本文选择QCA(Qualitative Comparative Analysis)方法来进行影响因素组合的研究。QCA 是由 Ragin 在 19 世纪 80 年代开发的一种面向案例的方法，它是一种集合论方法，用于根据复杂的属性配置和结果来比较案例，作为一种检测特定结果的充要条件结构的技术，QCA 允许系统的跨案例比较。相较其他研究方法，聚类分析(Cluster Analysis)依赖主观判断、缺乏显著性和效度的统计性检验、不能说明属性之间的相互关系或评价属性对结果的相对贡献程度。差分法(Profile Deviation Analysis)中理想类型的选取受到质疑且不能探究组态中各属性间的相互关系。回归方法多用于探究组态中属性之间的相互关系，但只能处理双重及三重交互;QCA 有效克服了以上缺陷，并具有独特的优势。作为一种 “案例导向”的方法，在实证研究中被广泛应用，其包含 3 种形式：一是清晰集 QCA(csQCA)，数据被二分处理，变量只能被赋值为 0 和 1，容易导致变量信息的丢失以及产生矛盾组态;二是多值 QCA(mvQCA)：使用多值变量，提升了数据处理的精细程度，适合处理多类别现象;三是模糊集 QCA(fsQCA)，引入模糊隶属的概念，可以表示程度或水平上的变化。本文将主要采用模糊集 QCA (fsQCA)进行分析。

　　1.2 影响因素集的建立

　　本文从宏观到微观的角度，将 PPP 项目资本结构的影响因素限定在宏观经济环境、财政金融条件和 PPP 项目特征三大类，依据文献，每类具体的影响因素如表 1 所示，其中，财政金融条件中税收总额因素指的是一国所得税税收总额，简称税收总额。

　　1.3 数据收集

　　本文中 PPP 项目的数据来源于 IJGlobal 数据库和 Thomson Reuters 项目融资数据库。样本包括 2000~2016 年期间 17 个国家的 78 个 PPP 项目数据。每一份数据都由项目特定的信息组成，包括项目规模、债务数量、发起人、债务提供者、融资关闭年度、所属国家和部门、特许期和合同类型等信息。本文选择杠杆率，即债务与项目投资规模的比率作为因变量，反映项目的资本结构;利用这 78 个 PPP 项目的数据信息，以表 1 中的影响因素作为自变量，进行回归分析，以确定这些影响因素与 PPP 项目资本结构的相关关系。

　　1.4 回归过程

　　回归分析可检验表 1 中的影响因素是否为显著因素，即自变量对因变量的变化是否有显著的正或负的影响。正向影响是指自变量的增加决定了因变量的增加，自变量的减少决定了因变量的减少，而负向影响则与之相反。表 1 中各影响因素除了合同类型这一影响因素外，都有对应的数值。为进行回归分析，本文将合同类型因素视为 0，1 变量，将最终由私人部门拥有并运营的合同类型标记为 1，将最后转让给公共部门的合同类型标记为 0。政治风险数据来自样本数据中各个国家的政治风险评分。

　　为避免独立变量之间存在的多重共线性导致回归分析结果与事实之间存在偏差，在进行回归分析之前应对自变量进行共线性分析。多重共线性的大小通过 VIF(Variance Inflation Factor)的计算进行评估。VIF 是用来计算一个自变量和模型里其他自变量关系的统计量，计算公式为 1/(1-r 2 )，r2表示待研究自变量与模型中其他自变量相关的方差占比，VIF 大于 5 的自变量应该被剔除出模型[24]，因为这将导致回归系数估计的不稳定，模型中所有考虑到的自变量都应小于 5。多重共线性分析结果如表 2 所示，真实利率、政治风险的 VIF 值高于 5，说明与其他变量的共线性较强，应剔除出模型。

　　检查过多重共线性后，还需要考虑自变量单位量级的标准化[25]，由于本文考虑的自变量数据集有不同的数量级和测量，很难比较其对于因变量的显著性，因此，为了概括这 78 个项目的数据集测试结果，有必要基于标准化角度对自变量单位量级进行标准化处理。在给定数据集大小的情况下，分别对各参数的均值和方差值进行正态分布观测，各自变量以其均值和方差呈正态分布。为此，计算各因素参数的均值和标准误差，利用下式对各观测值进行标准化。

　　将各影响因素对应的数据输入 SPSS 软件后，得到回归模型如表 3 所示，其中的数字是回归系数，代表了自变量进行了单位变动对因变量影响的大小。数字上面的角标代表了该自变量的显著性水平，上角标 a 代表自变量在 1%的显著性水平上显著，上角标 b 代表自变量在 5%的显著性水平显著，上角标 c 代表自变量在 10%的显著性水平上显著。 R2代表模型的拟合程度，即因变量的变动有多少可以被构建的模型解释，0.40 以上的数值属于比较高的水平，代表样本数据中因变量杠杆率 40%的变动可以由模型中的影响因素解释。PPP 项目规模大，周期长，利益相关方众多，杠杆率影响因素较多， 0.4 在 PPP 项目资本结构影响因素的研究已属于较高水平。经过多模型的尝试，各因素的系数和显著性水平趋于稳定，有几个因素在几个模型中均处于显著性水平较高的位置，分别是项目发起人数量，总投资额，债务提供者数量，合同类型，通货膨胀率，债券市值，税收总额。

　　1.5 QCA 分析过程

　　对通过回归分析筛选出的显著影响因素，借助 QCA 定性比较分析方法进行组合分析，以探索以上显著性影响因素是怎样组合在一起对PPP项目资本结构产生影响的。以下是分析过程。首先建立真值表，以 95 分位、50 分位、5 分位作为临界值对原始数据进行校准，将频率阈值设为 1，以消除没有观测值的构型，去掉了其中的 9 种构型。接下来将一致性阈值设置为 0.80，作为衡量结果变量高低的标准，将原始数据矩阵重构为真值表，即要遵循“分析的所有结果都要基于给定的确定数据集”的原则 [26]。fsQCA 软件会生成 3 种解，即复杂解、简约解和中间解。复杂解是将所有逻辑余项设置为“假”，没有反事实案例;简约解则包含所有会产生逻辑更简洁解的逻辑余项，不管它是简单还是复杂的反事实案例;中间解介于两者之间，只包含简单反事实案例的逻辑余项，本文结论是基于中间解得出的。

　　2 结果及分析

　　数据分析结果如表 4 所示，其中*代表逻辑关系中的“且”的含义，~代表逻辑关系中“非”的含义，共得出 5 个影响因素组合，总覆盖率为 0.91，即项目案例中 90%以上的项目结果变量即杠杆率可以通过以上的 5 个影响因素组合解释，同时总一致性为 0.68，具有良好的必要性水平。得到的 5 个影响因素组合中前两个由单个影响因素组成，分别是低的债券市值和低的税收总额会导致PPP项目高杠杆率的形成，影响方向与回归分析的结论一样，相互验证了显著性。单个影响因素组合的出现表示该影响因素的影响较为独立，不需要与其他影响因素组合即可单独对因变量产生影响。

　　所得单影响因素组合中，债券市值代表了一个国家通过直接融资在债券市场可获取债务资金的量，而 PPP 项目多采取项目融资贷款的方式，属于间接融资。一个国家债券市值比较低，作为间接融资的银行贷款业务就会相对较强，PPP 项目可从银行获得较多的贷款量，所以债券市值和杠杆率呈负相关。税收总额较低代表国家营商环境较好，对公司利润也有积极的影响，因此贷方会更愿意提供更多资金，项目杠杆率会更高。

　　表 4 中后 3 个影响因素组合分别是高的总投资额和最终交由公共部门运营的合同类型、最终交由公共部门运营的合同类型和高通货膨胀率、较多债务提供者和由私人部门持续运营的合同类型，这 3 组影响因素组合会更可能导致PPP项目高杠杆率的形成。值得注意的是，表 4 中后 3 个影响因素组合中都有合同类型这一影响因素，可见其对 PPP 项目资本结构有非常重要的影响。具体来看，3 号影响因素组合中，总投资额这一因素一般被认为应与杠杆率呈负相关关系，因为投资额越大，一旦有违约等意外情况的发生，较难进行逆转或清算，所以投资额较大的项目会面临更大的风险，因而项目决策者在面临较高风险时往往只能实现较低的杠杆率 [19~21]，回归分析的结果也说明了这一点，而对于特许经营期结束交由公共部门运营的合同类型，这样的项目往往会受到更多的监管，操作更加规范，项目风险大大降低，对债务资金提供者更有吸引力，所以会将原本负向关系抵消，导致高杠杆率的发生。典型案例包括澳大利亚的 M2 Hills Motorway Upgrade PPP 项目，总投资额 7.3 亿美元，合同类型为 BOOT，私人部门在特许经营期结束时有义务向政府移交项目，这个项目的杠杆率达到 1。加拿大的 Golden Ears Bridge 桥梁 PPP 项目，总投资额 9 亿美元，合同类型为 BOT，为政府拥有所有权，私人部门未来有义务向政府移交项目，此项目杠杆率达到 0.96，属于很高的杠杆率。

　　对于表 4 中 4 号影响因素组合，过高的通货膨胀率往往意味着宏观经济环境较差，资金融通速度较慢[16，27]，所以高的通货膨胀率会导致较低杠杆率结果的发生，回归分析的结果也说明了这一点，但当项目最后交由公共部门运营时，会为项目增加更多信用，项目融资时获得资金更加容易，因此项目决策者更容易实现高杠杆的策略。典型案例包括越南的VDB Two Step Loan-Hanoi Haiphong Expressway道路 PPP 项目，当时通货膨胀率为 9.09%，合同类型为 BOT，为政府拥有所有权，私人部门在特许经营期结束时有义务向政府移交项目，此项目杠杆率达到 1。牙买加的 Sangster International Airport 机场 PPP 项目，通货膨胀率 15.3%，合同类型为 BOT，为政府拥有所有权，在特许经营期结束时有义务向政府移交项目，该项目的杠杆率达到较高水平，为 0.67。

　　以上分析说明，最终交由政府运营的 PPP 项目合同类型更有利于实现高杠杆率，但表 4 中 5 号影响因素组合显示，当 PPP 项目有更多的债务提供者时，即使其属于由私人部门运营的合同类型，二因素组合下也可以实现高杠杆率。典型案例包括加拿大的 Windsor-Essex Parkway AFP 道路 PPP 项目，债务提供者数量为 11，合同类型为 DBFMO，为私人部门拥有所有权，未来无义务向政府转让，杠杆率为 0.90。英国的 Thameslink Rolling Stock Project 轨道 PPP 项目，债务提供者数量为 19，合同类型为 DBFMO，为私人部门拥有所有权，未来无义务向政府转让，杠杆率为 0.90。

　　3 结语

　　本文构建了 PPP 项目资本结构的影响因素集，通过广义最小二乘回归分析得到了显著影响因素集，通过 QCA 的方法，得到了 2 个单影响因素组合和 3 个多影响因素组合。单影响因素组合包括债券市值和税收总额，多影响因素组合包括高的总投资额和最终交由公共部门运营的合同类型的组合，高通货膨胀率和最终移交公共部门运营的合同类型的组合，较多债务提供者和持续由私人部门运营的合同类型的组合。由此可知，如果某一 PPP 项目所处的金融市场债券市值不大或所得税率比较低，该 PPP 项目可实现高杠杆率;如果某一 PPP 项目的合同类型为特许期结束移交政府经营，则即使其投资额大或面临通货膨胀，也可实现高杠杆率;而某一 PPP 项目即使持续由私人部门运营，只要债务提供者的数量比较多，也可实现高杠杆率。本文的研究可为PPP项目资本结构决策者提供更为合理的决策依据，但尚存在局限与不足，主要体现在所用数据多为国际交通运输类 PPP 项目，且限于数据的可得性，不能包含所有的影响因素，也没有国内 PPP 项目数据。今后将扩展项目类型和增加国内 PPP 项目数据，在数据条件具备时做更为综合的进一步深入研究。