皖江城市带上市公司绩效提升的多重路径研究——基于fsQCA的实证分析

童 喆

(湖南工业大学，湖南 株洲 412007）

一、引言

皖江城市带承接产业转移示范区对安徽省广泛参与长三角地区产业分工，实现跨越式发展具有重大战略意义。2016年10月，安徽省政府对示范区提出了两个五年规划：一是到2020年进一步完善以先进制造业和现代服务业为主的产业体系；二是到2025年形成一批具有国际水平的产业集群。因此，在两个五年计划交汇之际，把握皖江城市带上市公司绩效提升的驱动机理对促进规划内容实现具有重要意义。

现有企业绩效的研究大多采用传统计量分析视角[1]；也有部分学者结合具体案例来分析[2]。然而二者都存在不足：定量研究得出的一般性解释可能不适用于个例，以案例为导向的定性研究结论范围则相对有限[3]。而定性比较分析能有效克服传统方法的局限，更适合对样本量较小的示范区展开研究。且绩效如何提高是一个复杂的过程，特别是示范区为了“全面融入长三角”，发展形势在不断变化，因此，从整体视角剖析尤为必要。鉴于此，以皖江城市带57个代表性上市公司为样本，运用模糊集定性比较分析（fsQCA）方法，挖掘多重因素并发影响企业绩效的复杂因果机制。本文试图回答以下问题：哪些路径可以使皖江城市带上市公司产生高绩效？哪些路径又会使得绩效提升受阻？以及导致高绩效的必要条件是否存在？

二、文献回顾与模型构建

（一）文献回顾

关于不同层级因素对企业绩效的影响程度问题，学者基于不同的意识形态和学术理念会得到各不相同的结论[4]。譬如依据环境决定论，施马兰西（Schmalensee）[5]认为企业间利润率的方差主要来自于产业的差别，企业自身的效应几乎可以忽略；而依据资源基础观，企业利润主要来自业务单元特质，源于其独特的资源和能力。而这些结论是否普适于皖江城市带的上市公司需要打一个问号。

自皖江城市带承接产业转移示范区成立以来，国内关于皖江城市带的研究便层出不穷，但多数研究集中在产业承接转移效果上[6]。此外丁澍等[7]也分析了皖江城市带确立前后带内县域经济增长速度的空间相关结构。区域的经济增长显然和当地的产业息息相关，脱离具体企业谈经济是不切实际的，但目前只有少部分学者关注到皖江城市带的企业情况。项桂娥和王剑程[8]运用结构方程理论和方法实证探讨了产业转移背景下中小企业技术转移及协同创新的影响因素。张艳和徐琴[9]通过线性回归分析了皖江城市带上市公司资本结构和公司治理之间关系和影响。何静[10]阐述了影响皖江城市带和环鄱阳湖城市群小微企业融资的因素。

综上，目前学者主要采用计量分析和理论推演来探究皖江城市带的企业发展，鲜有从定性和定量相结合的角度进行分析。鉴于既有文献的不足，本文选用fsQCA方法寻找条件因素不同组合方式，通过集合分析发现其影响企业绩效的协同作用机制。

（二）模型构建

结合皖江城市带上市公司的独特之处，本研究考虑是否有效地覆盖影响其绩效的关键因素，以及组态能否解释大多数高绩效的形成原因，采用整合视角确定了来自管理者、资本结构、宏观环境三个层面的前因条件，构建如图1所示的研究模型。

图1 皖江城市带上市公司绩效的驱动机制模型

三、研究设计

（一）方法选择

定性比较分析（QCA）使用布尔代数与集合论思想作为方法论基础来进行中小数量的跨案例比较研究，从而找出前因条件组合与结果之间的因果关系[11]。管理领域的研究常常具有因果关系复杂性的特点，而QCA方法契合了许多管理问题研究的特性[12]。

本研究样本有57家企业，且研究变量中既有定性指标，也有定量指标。fsQCA方法既关注定性研究的复杂性特征也没有忽视定量研究的一般性特征，对样本的数量要求一般为5～100个[3]，更适合于中小数量的案例分析。

（二）样本选择

以2019年皖江城市带承接转移示范区在沪、深两市的上市公司为研究对象，选择这一数据库的原因在于：与其他区域相比，皖江城市带地处人口密集的中部地区，经济发展水平较高，不仅是长三角发展的重要一环和中部崛起的重要组成部分，也是带动安徽经济的“发动机”。而皖江城市带区域的上市公司是经济发展的重中之重，研究提升其绩效水平的因素对促进安徽省产业优化、协调区域经济发展有着重要作用。

初始样本中皖江城市带上市公司共计78家，按照以下原则甄选样本：（1）剔除金融、保险行业上市公司；（2）剔除ST、PT上市公司；（3）剔除上市时间少于1年的公司；（4）删除数据异常、关键数据缺失、公司管理发生重大变化的上市公司。最终剩余57家。其行业分布如表1所示，样本基本覆盖了所有行业，样本选择不存在偏误。

表1 样本公司行业分布

（三）变量选取及度量

高管教育背景是研究生及以上的高管占比，并分别赋值比例在0～20%、20%～40%、40%～60%、60%～100%的企业为1、2、3、4，并通过新浪财经门户网站的“公司资料——公司高管”栏目补全[13]。政府补助则根据上市公司年报细目手工加总整理，其余数据主要来自CSMAR数据库。变量设定的具体情况如表2所示。

表2 变量定义表

四、fsQCA分析

（一）描述性统计

描述性统计的结果如表3所示。可以发现大部分案例公司同属于制造业（61.40%），且绩效水平差距并不大，ROA标准差只有0.108。但仍有部分上市公司绩效为负，这些企业因何未盈利？盈利的企业优势何在？这值得探究。资本结构层面的Lev和OC1同样差异不大，标准差分别只有0.177和0.365。相比而言，差异主要体现在Edu和SUB，标准差分别为1.107和1.258。是否可以认为皖江城市带上市公司在资本结构层面大同小异？而部分企业取得高绩效的原因在于高管教育背景和政府补助？这有待进一步进行fsQCA分析。

表3 变量描述性统计

由于江浙一带的传统产业逐渐向安徽省转移，为了进一步实现产业结构升级，皖江城市带各市县结合当地经济发展实际构建了人才培育、引进、共享等机制，譬如合肥市的《关于进一步支持人才来肥创新创业的若干政策》、铜陵市的“铜都英才计划”等，因此皖江城市带上市公司高管受教育平均水平较高，均值为2.603。而作为承接长三角产业转移的桥头堡，带内各市县政府以非常大的投资和政策优惠为装备制造业，高新技术产业的发展创造条件，特别是在土地政策上的优惠，如果示范区建设需要的话，还可以增加安徽省的用地指标，因此政府补助均值处于4.609这一较高水平。

（二）变量的校准

本文采用三值模糊集，包含了完全隶属、交叉点、完全非隶属这三个隶属程度，并采用上四分位数、平均值、下四分位数作为高公司绩效等7个目标集合的3个锚点。各变量的校准锚点如表4所示。

表4 各变量校准锚点

（三）前因条件必要性分析

从表5的检验结果可知，各个单项前因条件的必要性均未超过0.9（一致性最高为0.869），所有原因变量均无法构成结果变量的必要条件；同时条件变量的覆盖度最高为0.763，均小于0.8，说明解释力度不是很明显。因此，需要组态分析才能找到产生高、非高绩效的路径。

表5 单个原因变量的必要性分析

（四）组态分析

由于案例数量较少，故原始一致性阈值设定为0.8，案例频数阈值设定为1，PRI一致性阈值设定为0.7。表6和表7分别为高绩效（ROA）和低绩效（～ROA）的中间解构型。

1.高绩效组态分析

如表6所示，皖江城市带上市公司产生高绩效的组态有4种，其中H1a、H1b构成了二阶等价组态。中间解总一致性为0.908，每个解的一致性均大于0.8，说明4种组态是高绩效的充分条件。同时模型解的总体覆盖率为0.591，表明前因条件在很大程度上解释了皖江城市带上市公司高绩效的原因。为了比较组态间的差异，归纳出3条产生高绩效的路径如下。

表6 产生高企业绩效的条件组态

政府主导逻辑下资本结构驱动型（H1a和H1b）。皖江城市带部分高管学历不足的上市公司需要依靠政府主导让良好的资本结构发挥作用。低债务减少了对企业盈利能力造成负向影响，中小股东分散股权也防止了“壕沟防御效应”，虽然高管学历不足，但较高的政府补助可以为企业减小成本约束提供有益助力。具体来说，皖江城市带上市公司有着安徽省政府的大力支持，包括“861重点项目库”、“所得税返还”、“缓缴土地出让金”等财政政策，给予了示范区内企业发展的良好环境，以至可忽略行业竞争带来的部分不利影响。例如铜基新材料产业基地内的一批龙头企业，屡获省奖励资金扶持，加上资本结构良好，绩效水平处全省前列。

资本结构助力下挤出政府依托人才驱动型（H2）。示范区内另一部分同样资本结构良好的上市公司恰恰相反，并不需要政府补助，而是依靠受到高等教育的高管解决股权分散带来的“搭便车”问题和债务融资不足带来的资金问题。比较H2与H1发现示范区内上市公司的一个特点：高学历高管可以替代政府补助提升企业绩效。这也是安徽省政府建立向优秀人才倾斜的分配机制的原因所在，支持企业高薪聘用拔尖人才正是看重了人才的重要作用。在本文的实证分析中，我们发现，依托人才的驱动作用，实现了高绩效的企业并非个例，案例中很多人才众多的企业都有较好的绩效。

资本结构和行业双元逻辑下依托人才驱动型（H3）。皖江城市带中池州、宣城等市的经济发展相对较落后，导致竞争实际大于合作，而合肥、芜湖等较大规模的城市也是竞争激烈。因此示范区内上市公司之间往往会明争暗斗，若同时处于竞争激烈的行业环境，具备高学历的男性高管就会显得不同凡响，能极好地掌控企业自身的资本结构来提升绩效。这可能是在示范区内，高学历男性高管在激励的行业竞争中所创造的价值远远超过了补贴金额，所以政府补助都变得可有可无了。

2.非高绩效组态分析

如表7所示，结合产生非高绩效5个组态的核心条件发现4条路径如下。组态NH1显示，示范区内公司负债过高时，安徽省各市政府起到的作用微乎其微，需要女性高管控制风险。组态NH2显示，示范区内部分公司资本结构较差，加上行业竞争激励，因此增大了管理层的道德风险，降低了企业绩效，2018年东华科技财务总监被立案调查的例子就说明了这点。组态NH3显示，小部分企业难以适应示范区日新月异的发展速度，管理层教育水平低且不擅长利用政府政策，因此企业生产落后，进而抑制了绩效。组态NH4显示，示范区部分公司面临的竞争不激烈，生存和经营的压力较小，高管学识较低而缺乏大局观和危机意识，工作积极性较差，因此绩效不好。

表7 产生非高企业绩效的条件组态

3.归纳总结

通过对比9个组态发现，促进高绩效的原因并非抑制绩效的对立面。就资本结构而言，皖江城市带高绩效的上市公司都存在良好的资本结构，而低绩效的企业大多负债过高。实际上，由于皖江及安徽在国家经济战略中的重要地位，一系列政策倾斜、项目扶持和资金注入等吸引了众多股权投资，大量未开发的岸线和土地为安庆、铜池枞、马芜巢三大产业集中区提供的良好承接空间也吸引了一批投资者，抓住这一机遇的上市公司及时调整了资本结构。

皖江城市带上市公司取得高绩效的另一个特点是善于依托政府和人才。安徽与长三角地区就职工权益保障事项等达成的多条协议为吸引高层次人才发挥了巨大作用，人才战略成效斐然。皖江城市带在政府方面也强化了体制创新，特别是近几年构建公平竞争的良好环境，扶持发展非公经济，对上市公司的绩效提升起到了不可忽视的作用。譬如《规划》指出会适当增加安徽用地指标，因此示范区重大项目的土地审批会获得便利；同时税收政策上也有各项优惠，部分税收实行先征后返用于支持基础设施建设、地方政府债券单列、生产性企业所得税减免等。这些政策优惠有着区别于其他区域规划的鲜明特色，为上市公司的绩效提升争取了更多机会。

（五）稳健性检验

通过进一步提高各项阈值来确保研究结果的可信性，首先将原始一致性阈值提高至0.85（原为0.8），其次将PRI一致性值提高至0.75（原为0.7）。结果发现，拟合参数一致性和覆盖度差异不足以保证有意义且不同的实质性解释，因此，可以认为fsQCA分析的组态结果总体是可靠的。

五、结论和建议

新时代我国要推动长三角区域一体化高质量发展，就要让皖江城市带内的上市公司壮大起来。由于示范区大力发展第二产业，众多企业都涉足重工业和制造业，所以无论绩效好坏，大部分企业都处于竞争激烈的行业环境中。近几年各市形成的主导产业也以制造业的子行业居多，如铜陵的铜基新材料产业、芜湖的汽车装备制造业、马鞍山的铁基新材料产业等。互相竞争中资本结构良好、善于利用政府政策、人才储备多的上市公司得以脱颖而出；而另一部分债务融资过高、缺少长远规划、人才和政府补贴都稀缺的上市公司则捉襟见肘，绩效水平每日愈下。

研究也存在一定的局限性。受限于fsQCA方法无法区分条件组合之间的发生顺序，随着时序定性比较分析的发展，未来可收集跨时间数据进行动态演变研究。此外企业绩效的影响因素众多，难免有疏漏之处，譬如今后的研究可以结合徽商企业文化。

鉴于以上结论，提出如下建议：（1）吸引投资者，优化企业资本结构。各市县继续优化升级目前占据主导地位的制造业，如铜陵的有色金属、芜湖的汽车、马鞍山的钢铁等，一方面可以增强企业的自主创新能力，另一方面可以为承接产业打好基础；继续开发皖江城市带总长近300公里的岸线，特别是巢湖、安庆、池州几十公里的深水宜港岸线。产业优势和区位优势都是吸引投资者的重要因素，增加股权融资的同时可以辅之以完善破产法等去规范企业的债务融资、减少不良投资，以优化企业的资本结构，进而提升企业绩效。（2）皖江城市带各地方政府和上市公司都要提高人才利用效率，企业是不可能孤立发展的，通过人才共享促进生产要素的流动才能实现企业绩效提升的共赢。从省市政府之间、城市之间、同行企业之间探索人才战略合作来实现有效利用安徽乃至泛长三角的人才资源。（3）立足安徽自贸区高新片区等，加大政府对高端制造业、高新技术产业的资金投入，并在合肥片区等较成熟的区域去发展低碳新产品，上市公司从企业内部推进改革，增强自身竞争力以促进绩效提升。