中国上市公司现金股利的影响因素分析
摘要：本文以沪市2004年度发放了现金股利的492家上市公司为样本来研究影响中国上市公司现金股利发放的因素。假设股权集中程度、盈利能力、上年度现金股利的发放情况、公司规模、资产的流动性、股票市价、每股净资产及负债比率为主要因素，建立多元线性回归模型，运用多元回归分析方法，在对假设做出判断的基础上进行了原因分析并提出政策建议。本文旨在为中国上市公司的现金股利政策提供参考。
关键词：现金股利；多元回归；影响因素
一、前言
股利政策是现代公司理财活动的三大核心内容之一。一方面，它是公司筹资、投资活动的逻辑延续，是其理财行为的必然结果；另一方面，恰当的股利分配政策，能使公司获得长期稳定的发展条件和机会。虽然国内外学者对股利政策与股价的关系已经做了大量的理论和实证的研究，然而股利政策涉及到公司是否分配、如何分配及分配多少的问题，这些又直接影响到公司未来的筹资能力和经营业绩。因为，一定量的内部留存收益是保证公司长期发展的重要资金来源，而股利则为股东提供了当期收入，股东对股利的不同偏好直接影响公司的未来股价，从而影响公司的发展。由于股利分配往往受到各种因素的影响，因此研究股利的影响因素既是上市公司的实际问题，同时又是财务理论的难题之一。
在对997家沪市上市公司发放的现金股利进行的统计过程中发现，沪市上市公司发放的股利形式多样，发放现金股利的上市公司占上市公司总数的50%左右，但每股现金股利数额不大。而影响沪市上市公司采取这样的现金股利政策的因素有很多，归纳起来主要有以下几类：第一，法律性限制；第二，契约性限制；第三，企业内部管理的有关限制；第四，股东的意愿；第五，公司经营状况、规模、成长性等自身情况的限制。上市公司股利分配政策的制定在符合法律性限制、契约性约束的前提下，主要受内部经营状况、盈利状况以及股东意愿诸因素的影响。股东意愿在我国股利分配政策中一度甚至起着重要影响作用。而现金股利主要受货币资金余额和可供股东分配的利润两因素影响 。
我国对上市公司现金股利分配政策影响因素的研究，多限于规范性分析，实证研究较少。本文从企业特征出发，考察现金股利政策的影响因素，揭示有关企业特征与现金股利政策之间的相关性，无疑有其一定现实意义。在八项假设的前提下，以我国沪市上市公司公开公布的信息资料为样本，通过建立计量经济模型，运用多元回归分析方法，研究影响现金股利政策的若干因素。
二、研究假设 股利政策的实证研究所要研究的主要问题之一是上市公司选择发放现金股利的动因，即进行股利决策所考虑的因素，这样的因素很多，本文依据理论框架针对各因素提出以下一些研究假设。
假设一：股权越分散，每股现金股利越高。
《税法》规定股东个人或单位取得股利所得需要交纳个人所得税或企业所得税，而留存收益和股票股利则可以在当期不交或少交个人所得税或企业所得税，根据客户效应，大股东都比较富有，不依靠现金股利来维持生活，为了推迟纳税和获得免税收益，他们并不希望发放现金股利，而是以股票股利、公积金转增股本、留存收益来代替。对于小股东来说，他们可能需要靠现金股利来维持生计，货币的边际效用较大(边际效用递减规律)，当然希望多发放现金股利，而不是股票股利或公积金转增股本。因此，本文假设股权集中度与每股现金股利有负相关关系。
假设二：盈利能力越强，每股现金股利越高。
盈利能力越强表明可供股东分配利润越多，公司发放现金股利的自由度也越大，一般来说也会发放较多现金股利给股东(在投资决策已确定的情况下)，总之，盈利是现金股利的基础，高盈利才可能有高现金股利。所以，本文假设每股现金股利与盈利能力正相关。
假设三：上年度每股现金股利越高，当年每股现金股利也越高。
根据客户效应和预期理论，上年度的高现金股利吸引了偏好现金股利的投资者，也会提高股东对当年现金股利的预期。经营者为了维持股价、满足股东要求会继续推行高现金股利政策，否则，现金股利达不到预期水平或对特定投资群体吸引力下降都会导致股价下跌。稳健的经营者为了回避这一风险会采用高现金股利政策，所以，本文假设当年每股现金股利与上年度每股现金股利正相关。
假设四：公司规模越大，每股现金股利越高。
实证会计理论的规模假设表明：公司规模越大，其政治成本越高，所以，大公司的扩张欲并不强烈，更倾向于选择高现金股利、低股票股利的股利政策，相比之下，小公司的股本扩张欲望更强烈，更希望吸引新资金进入公司，来扩大经营规模增强竞争能力，股票股利是一种较好的途径，被普遍采用，而现金股利却被冷落了。所以，本文假设公司规模与每股现金股利正相关。
假设五：资产流动性越弱，每股现金股利越低。
保持一定的资产流动性是公司经营的基础和必备条件，发放现金股利会减少现金持有量并降低资产流动性，影响公司成长性甚至危及其生存，因此，如果企业的资产流动性差，为了保持其流动性，企业不会发放过多的现金股利，故资产流动性与每股现金股利正相关。
假设六：股票市价越高，每股现金股利越高。
一般认为，股票价值是其未来现金股利的现值，高现金股利会导致高股价，所以，本文假设股价与每股现金股利正相关。股价最适理论表明：过低的股价会降低公司信誉，而过高的股价却会降低股票的流动性和交易的活跃性，高股价公司会通过发放股票股利或公积金转增股本来增加流通股数，从而达到降低股价、活跃交易的目的，所以，本文假设股价与每股现金股利正相关。
假设七：每股净资产越多，每股现金股利越高。
每股净资产越多，每股盈利能力越强，每股现金股利也会越高。所以，本文假设每股净资产与每股现金股利正相关。
假设八：负债比率越高，每股现金股利越低。
实证会计理论的负债权益假设说明负债比率高的公司倾向于选择增加权益项目的会计政策来改善已经恶化的财务结构，现金股利只能使财务状况更加恶化，所以，本文假设负债比率与每股现金股利负相关。
三、数据与样本描述
数据来源与处理
1、数据来源
本文选取了2004年度沪市上市A股公司为研究样本，运用横截面数据进行分析。研究中所采用的基础数据来源于巨潮资讯网（www.cninfo.com.cn）。
2、数据处理
由于取之于年报的数据需要加工和处理，所以，在开始研究之前有必要先对这些问题予以说明。
(1)数据准确性。
由于受客观条件限制，我们无法直接获取上市公司经营和财务方面的准确数据，而无论是上市公司的会计师还是注册会计师都比我们更了解公司的财务状况和经营成果，我们宁愿相信上市公司会计师编制的并经注册会计师审计的财务报告能准确反映上市公司的真实经营和财务状况，所以，本文的数据主要取自上市公司对外公布的年度报告，而不追究其准确性。
(2)时间问题。
按照国际惯例，上市公司一般每半年或每季度发放一次股利，但由于我国上市公司经济效益较差，大多数上市公司一年内只发放一次股利，甚至不分配股利，所以,本文的现金股利金额是以年为单位进行统计，以年报或中报所属年份为统计依据，以一年的股利合计数为当年现金股利金额。这主要是为了使现金股利金额能够与年报中的财务数据相配比，有利于研究二者之间的关系。
(3)区别对待不同股东。
我国上市公司只发行普通股，不发行优先股，普通股又可以划分为A股和B股，分别在两个不同的市场进行交易，B股上市公司的财务报告按国际会计准则编制，与A股上市公司的财务报告(按我国会计准则编制)存在明显的差异。由于A股与B股交易市场和财务报告方面的差异，上市公司可能会对A股股东和B股股东采用不同的股利政策，二者不具有可比性，无法同时包含在本文之中，本文只包括发行A股的上市公司，而不包括仅发行B股的上市公司和同时发行A、B股的上市公司。同时发行A、B股的上市公司分别编制对A股股东和B股股东的财务报告，B股的存在会对股利政策和财务数据的相关性产生重大影响，所以，本研究不包括这类公司。另外，在对模型进行检验的时候，由于考虑到同时发行H股的公司和金融概念股的公司将影响结论的可靠性和一致性，因此在研究时加以剔除，同时还剔除了数据不完整的公司。
（二）变量选择
1、被解释变量。
本文选取了每股现金股利（y）为被解释变量。
2、解释变量。
根据研究假设，我们提出了本文的解释变量，这些变量可能会对现金股利政策产生重大影响——至少我们认为它们是重要的，并且在上市公司年报中选取相应的财务指标作为各解释变量的研究变量。
本文选取了公司第一大股东持股比例和第二大股东持股比例之差来反映股权集中度。我们把第一大股东持股比例和第二大股东持股比例之差大于70%定义为股权集中度高，第一大股东持股比例和第二大股东持股比例之差小于70%但大于15%定义为股权集中度为中，把第一大股东持股比例和第二大股东持股比例之差小于15%定义为股权集中度低。分别用x1和x2表示，当持股比例之差大于70%时，x1=1，否则x1=0；当持股比例之差小于70%而又大于15%时，x2＝1，否则x2=0。
用每股收益x3和净资产收益率x4来反映公司的盈利能力。
x5表示2003年度发放过现金股利，用来反映现金股利的持续性。2003年度发放过现金股利，则x5＝1，否则x5=0。
x6表示总资产的对数，表示公司的规模。
x7表示总资产周转率，用来衡量资产的流动性。
x8表示年末股票市价。
x9表示每股净资产。
x10表示资产负债率。
（三）样本描述
所有样本及数据见附表。
（四）研究方法
在对现金股利政策影响因素的分析中，主要采用普通最小二乘法对模型进行估计，在对参数的检验上，采用了一般的统计检验方法。 首先，将可能影响被解释变量（Y）的多个解释变量(Xi)都纳入线性回归模型：。
其次，进行R2 拟合优度检验、T检验、F检验、多重共线形检验、异方差检验、自相关检验，消除多重共线性的影响、异方差的影响及自相关的影响，从而验证模型的准确度及假设的合理性。
（五）统计软件
本文的数据处理全部采用Eviews软件完成。
四、实证结果
（一）多元线性回归模型及检验
我们对所建多元线形回归模型利用Eviews进行回归分析，回归结果如表一。
表一：
Dependent Variable: Y
Method: Least Squares
Date: 06/03/05 Time: 00:02
Sample: 1 488
Included observations: 472
Excluded observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C -0.003785 0.074974 -0.050478 0.9598
X1 0.025198 0.018837 1.337685 0.1817
X2 0.010543 0.009130 1.154766 0.2488
X3 0.021248 0.011591 1.833076 0.0674
X4 0.006527 0.000926 7.047829 0.0000
X5 -0.006729 0.008888 -0.757117 0.4494
X6 -0.000549 0.008524 -0.064398 0.9487
X7 0.016275 0.007445 2.186203 0.0293
X8 0.000607 0.001614 0.375865 0.7072
X9 0.028987 0.004006 7.236509 0.0000
X10 -0.000890 0.000253 -3.519087 0.0005
R-squared 0.390565 Mean dependent var 0.142633
Adjusted R-squared 0.377345 S.D. dependent var 0.107186
S.E. of regression 0.084578 Akaike info criterion -2.079244
Sum squared resid 3.297774 Schwarz criterion -1.982365
Log likelihood 501.7016 F-statistic 29.54385
Durbin-Watson stat 1.961807 Prob(F-statistic) 0.000000
1、拟合优度检验
为了说明多元线性回归估计模型对观测值的拟合情况，可以考察在Y的总变差中能由解释变量所解释的那部分变差的比重，即多重可决系数，用R2来表示。R2介于0－1之间，R2越接近1，模型对数据的拟合程度就越好，但是也不能单纯地凭可决系数的高低断定模型的优劣。模型中R2＝0.390565，可决系数不是很理想，但通盘考虑到模型的可靠度及其经济意义，我们适当降低对可决系数的要求，判断模型对观测数据拟合程度较好，列入回归模型的解释变量对应变量联合影响程度较大。
2、回归参数的显著性检验（t－检验）
在回归分析中，不仅要模型的拟合度高，而且还要得到总体回归系数的可靠估计量。为了检验回归系数对应的解释变量是否对应变量有显著影响，我们对该模型进行t－检验。给定显著性水平，查自由度为477（488－11）的t分布表，得临界值t0.025()＝1.960。由表一知，t0=-0.050478，t1=1.337685，t2=1.154766，t3=1.833076，t4=7.047829，t5=-0.757117，t6=-0.064398，t7=2.186203，t8=0.375865，t9=7.236509，t10=-3.519087。其中，t4、t7、t9、t10大于临界值1.960，故在5%的显著性水平下，可以通过t检验，表明净资产收益率、总资产周转率、每股净资产、资产负债率是影响每股现金股利的主要因素。而t3接近临界值1.960，表明每股收益也是影响每股现金股利的因素。在对模型进行修正时，考虑剔除x1、x2、x5、x6、x8的影响。
3、回归方程的显著性检验（F－检验）
T检验对单个回归系数是否显著进行了推断，由于多元线性回归模型包含多个解释变量，它们同应变量之间是否存在显著的线性关系还需进一步作出判断，即对回归系数进行整体检验（F－检验）。给定显著性水平，在F分布表中查自由度为10和477的临界值F0.05（10，）＝1.83。由表一知F＝29.54385，大于临界值，通过F-检验，表明回归方程显著。
（二）修正的多元线性回归模型及检验
由于t0、t1、t2、t5、t6、t8均小于临界值1.960，说明常数项c、x1、x2、x5、x6、x8对应变量的影响不显著，我们决定剔除上述解释变量。而t3接近临界值1.960，我们决定暂且保留该解释变量，根据回归结果再对x3的去留做出判断。对修正后的模型重新进行回归，回归结果如表二。
表二：
Dependent Variable: Y
Method: Least Squares
Date: 06/03/05 Time: 00:06
Sample: 1 488
Included observations: 488
Variable Coefficient Std. Error t-Statistic Prob.
C -0.005342 0.015931 -0.335293 0.7376
X3 0.021596 0.011342 1.904059 0.0575
X4 0.006704 0.000765 8.766757 0.0000
X7 0.016106 0.007098 2.269190 0.0237
X9 0.030176 0.002925 10.31687 0.0000
X10 -0.000923 0.000224 -4.121682 0.0000
R-squared 0.391240 Mean dependent var 0.140611
Adjusted R-squared 0.384925 S.D. dependent var 0.106257
S.E. of regression 0.083334 Akaike info criterion -2.119700
Sum squared resid 3.347279 Schwarz criterion -2.068180
Log likelihood 523.2069 F-statistic 61.95458
Durbin-Watson stat 1.945377 Prob(F-statistic) 0.000000
1、拟合优度检验
修正后，模型中的R2=0.391240，略大于修正前的R2。一般来讲，随着模型中解释变量的增多，多重可决系数R2的值往往会变大，从而增加模型的解释功能。但是剔除部分解释变量后，R2的值不仅没有因为解释变量的减少而下降，反而还有所增加，说明剔除的解释变量是一些无关变量。
2、回归参数的显著性检验（t－检验）
给定显著性水平，查自由度为477（488－11）的t分布表，得临界值t0.025()＝1.960。由表二知，t0=-0.335293，t3=1.904059，t4=8.766757， t7=2.269190，t9=10.31687，t10=-4.121682。t3、t4、t7、t9、t10大于临界值1.960，故在5%的显著性水平下，可以通过t检验，而且显著性较修正前的模型均有所提高。x3顺利通过t-检验，应保留该解释变量。但t0仍然小于临界值1.960，说明常数项c对应变量影响不显著。
3、回归方程的显著性检验（F－检验）
给定显著性水平，在F分布表中查自由度为10和477的临界值
F0.05（10，）＝1.83。由表二知F＝61.95458，大于临界值，通过F-检验，而且显著性有所提高，表明修正后的回归方程仍然显著。
4、分析判断
如果剔除某一变量而R2、F值变化不大，则应将该变量从模型中剔除；如果剔除某一变量而R2、F值变化较大，则应将该变量保留在模型中。从以上分析可以看出，剔除五个解释变量后，R2、F略有上升，说明这五个解释变量应该从模型中剔除，剔除后也不至于发生弃真的错误。
另外，由于截距项t值不显著，我们将常数项去掉，得到的回归结果如表三。
表三：
Dependent Variable: Y
Method: Least Squares
Date: 06/03/05 Time: 00:07
Sample: 1 488
Included observations: 488
Variable Coefficient Std. Error t-Statistic Prob.
X3 0.022285 0.011144 1.999675 0.0461
X4 0.006635 0.000736 9.018250 0.0000
X7 0.015781 0.007025 2.246501 0.0251
X9 0.029499 0.002113 13.95840 0.0000
X10 -0.000968 0.000177 -5.468686 0.0000
R-squared 0.391098 Mean dependent var 0.140611
Adjusted R-squared 0.386055 S.D. dependent var 0.106257
S.E. of regression 0.083257 Akaike info criterion -2.123566
Sum squared resid 3.348060 Schwarz criterion -2.080632
Log likelihood 523.1500 Durbin-Watson stat 1.945802
此时，所有检验模型均能通过。
（三）多重共线性的检验
如果解释变量之间存在较强的共线性，对模型的影响是严重的，因此我们要运用简单相关系数举证法对模型进行多重共线性的检验。通过Eviews计算模型中十个解释变量两两的简单相关系数，简单相关系数结果如表四。
表四：
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
X1 1.000000 -0.299277 0.092718 0.203674 0.033754 0.212309 0.048344 -0.020724 0.007574 -0.013201
X2 -0.299277 1.000000 -0.066642 -0.058647 0.023077 -0.072234 0.026607 -0.001062 0.061837 -0.062056
X3 0.092718 -0.066642 1.000000 0.442745 -0.000846 0.099774 0.133517 0.395122 0.322664 0.020760
X4 0.203674 -0.058647 0.442745 1.000000 0.087620 0.259052 0.269921 0.350313 -0.011928 0.195468
X5 0.033754 0.023077 -0.000846 0.087620 1.000000 0.213413 0.029289 -0.034718 0.047151 -0.023174
X6 0.212309 -0.072234 0.099774 0.259052 0.213413 1.000000 0.030422 -0.057871 0.007594 0.381485
X7 0.048344 0.026607 0.133517 0.269921 0.029289 0.030422 1.000000 0.032035 0.055823 0.149098
X8 -0.020724 -0.001062 0.395122 0.350313 -0.034718 -0.057871 0.032035 1.000000 0.622243 -0.095597
X9 0.007574 0.061837 0.322664 -0.011928 0.047151 0.007594 0.055823 0.622243 1.000000 -0.142119
X10 -0.013201 -0.062056 0.020760 0.195468 -0.023174 0.381485 0.149098 -0.095597 -0.142119 1.000000
一般来讲，若相关系数大于0.5，则可以认为解释变量之间存在多重共线性。由表四可以看出，只有解释变量x8与解释变量x9之间的相关系数大于0.5，为0.622243，其余解释变量之间线性相关程度并不高。说明开始建立的模型存在多重共线性。对模型进行修正后，我们已将x8剔除，修正后剩余解释变量两两简单相关系数如表五。表五中所有相关系数均小于0.5，表明修正后的模型不存在多重共线性的影响。
表五：
X3 X4 X7 X9 X10
X3 1.000000 0.444604 0.130880 0.326036 0.017612
X4 0.444604 1.000000 0.263260 -0.011381 0.194996
X7 0.130880 0.263260 1.000000 0.051746 0.151782
X9 0.326036 -0.011381 0.051746 1.000000 -0.156243
X10 0.017612 0.194996 0.151782 -0.156243 1.000000
此外，利用变量显著性与方程显著性的综合判断方法也可以证实这一结论。如果R2很大，且F值显著地大于给定显著性水平下的临界值，而变量对应的偏回归系数的t值不显著，则说明该模型存在多重共线性。表一中线性回归结果表明，R2较大，F显著，但t值并不显著。由此判断，所建模型中解释变量可能存在多重共线性的影响。从表三中线性回归结果来看，t值显著，说明修正后的模型已消除了多重共线性的影响。
（四）异方差的检验
为了检验随机误差项U的方差是否随模型中所设解释变量的变化而变化，即检验随机误差项是否存在异方差，我们对所建模型进行ARCH检验，检验过程中我们取p=5，结果如表六。
给定显著性水平，查自由度为5（p）的分布表，得临界值，由表六知，(n-P)* R2=8.103685，小于临界值。表明模型不存在异方差的影响。模型修正后，解释变量的个数减少，自然更不会有异方差的影响。
表六：
ARCH Test:
F-statistic 1.628935 Probability 0.151066
Obs*R-squared 8.103685 Probability 0.150613
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/03/05 Time: 10:31
Sample(adjusted): 6 488
Included observations: 424
Excluded observations: 59 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.006405 0.001447 4.426011 0.0000
RESID^2(-1) 0.010737 0.048943 0.219373 0.8265
RESID^2(-2) -0.012058 0.048964 -0.246265 0.8056
RESID^2(-3) -0.022169 0.048962 -0.452774 0.6509
RESID^2(-4) 0.134567 0.048129 2.795945 0.0054
RESID^2(-5) -0.011579 0.049438 -0.234207 0.8149
R-squared 0.019112 Mean dependent var 0.007132
Adjusted R-squared 0.007379 S.D. dependent var 0.025547
S.E. of regression 0.025453 Akaike info criterion -4.489920
Sum squared resid 0.270802 Schwarz criterion -4.432613
Log likelihood 957.8631 F-statistic 1.628935
Durbin-Watson stat 2.020426 Prob(F-statistic) 0.151066
（四）自相关检验
自相关性是一种随机误差现象，指回归模型中随机误差项逐项值之间的相关。自相关性对模型的破坏是严重的，因此，必须对模型的误差项序列是否存在自相关性进行检验
由表一回归结果知，DW＝1.961807，查Durbin-Watson表，n＝488，k＝10，得下限临界值dl＝1.665，上限临界值du＝1.874，因为du<DW<（4-du）,故模型不存在一阶自相关。
由表四回归结果知，DW=1.945802，查Durbin-Watson表，n＝488，k＝10，得下限临界值dl＝1.665，上限临界值du＝1.874，因为du<DW<（4-du）,故修正后的模型也不存在一阶自相关。
五、结论
本文利用多元回归分析方法，从十个解释变量中确定出影响上市公司现金股利发放的五个最重要的因素:每股收益、净资产收益率、总资产周转率、每股净资产和资产负债率。
对于以上实证结果，我们进行了如下分析，并提出一些政策建议：
拒绝假设一，股权集中程度与现金股利的发放无关。股权集中程度高的企业，往往是国家股一股独大。而国家股占很大比重但在股利决策中作用微弱，说明国家股东没有充分行使自己的权力，不能也不想像私人股东那样关心自己的利益。由于国家与上市公司之间的双层代理关系导致代理成本增加和逆向选择的可能性增大，即使产权明晰了还是存在如何降低代理成本、谁来关心国家利益等问题。解决国家股权行使问题有三个方案：方案一是让国家股参与市场流通，这是最终的解决办法，但由于条件限制目前较难实行。方案二是为国家股设立C股市场进行流通并最终与A股市场合并。方案三是成立国家股权执行公司，代表国家行使股东权利，加强监督。
接受假设二，盈利能力对股利政策存在重大影响。但纳入模型的变量不是主营业务利润率而是每股收益和净资产收益率，说明上市公司更注重名义的会计数字，而不是其经济实质。这与股票市场存在功能锁定现象相一致。股利政策与上一年的盈利水平相关程度较高，说明股利政策能够反映历史业绩状况。
拒绝假设三，本年度现金股利与上年度现金股利无关。上一年度是否发放现金股利并不影响本年度的现金股利政策。表明现金股利的发放没有连续性，企业不会因为上年度发放了现金股利，本年度就继续发放，反之亦然。
拒绝假设四，公司规模与现金股利政策无关。公司规模虽然不是影响现金股利发放的主要因素，但我们认为公司质量不能忽视。股市的扩容与摘牌并行，会提高上市公司质量，进而提高股利水平。因为提高经济效益是增加股利的根本途径。我们认为股市应通过上市公司之间的竞争促使其对股东加以回报，促进理性投资和理性经营。同时，一些低质量公司就应该摘牌甚至破产，这样才有利于通过竞争提高上市公司质量。
接受假设五，说明股利政策与资产流动性有关。可能的原因是我国市场经济逐渐成熟，信用机制日趋完善，过去拖欠货款现象得到好转，大量的呆滞债权和债务已经得到清理。上市公司在取得贷款时，开始考虑利润率和资本结构，甚至还会考虑到股利政策，使得资产流动性对股利政策的影响越来越显著。
拒绝假设六，这与股利政策对股价有重要影响的结论相悖，说明股价最适理论不适合于我国股市。可能是因为我国股市有中国特色，股票市场并未与全球接轨。
接受假设七，每股净资产与每股现金股利正相关。每股净资产代表的是所有者权益，即公司可供分配的利润。而发放现金股利是利润分配的一种形式，说明每股净资产对股利政策有重要影响。
接受假设八，负债比率与每股现金股利负相关。负债高的企业会担心因为没有足够的现金流量而导致企业的财务危机，因此不愿意发放现金股利，以保证企业的现金流。
需要指出的是，本文在研究中还存在一定的局限性。本文仅对我国上市公司的现金股利政策进行研究，对于上市公司其它股利分配行为的行业特征没有研究。虽然使用了1年的数据，但都是利用截面数据模型，没有考虑时间序列对结论的影响。这些局限可能对本文的结论产生影响，但是影响并不大，本文实证研究的结果具有可信性。
参考文献：
1、高翔、梁冬军、游家兴，《上市公司现金股利的影响因素分析》，财经论坛，2004.5
2、张鸣、朱光龙，《上市公司现金股利理论分析和数据检验》，上海财经大学学报，2002.10
3、何小连、蒋巍，《我国上市公司现金股利政策的行业影响分析》，杭州电子科技大学学报，2005.2
4、单磊、杨朝军，《现金股利、股票股利、混合股利之比较研究》，上海管理科学，2002.6
5、何涛、陈晓，《现金股利能否提高企业的市场价值——1997-1999年上市公司会计年度报告期间的实证分析》，金融研究，2002.8
6、董黎明，《现金股利影响因素的实证分析》，郑州航空工业管理学院学报，2004.9
7、邵军，《中国上市公司现金股利的实证研究》，生产力研究，2004.12