本文在汇总前人实证研究中所选取的资本结构影响因素指标的基础上,对所有指标进行分类、分级处理,从指标体系中找出影响资本结构的主要影响因素和次要影响因素,然后以1998-2013年395家沪深两市上市公司为研究对象,使用两阶段最小二乘法进行回归分析,提高影响因素模型对资本结构的解释能力,并解决资本结构影响因素指标之间的多重共线性及内生性问题,优化资本结构影响因素模型。研究结果表明,公司规模、成长性、营运能力、市场认可性与资本结构正相关,非债务税盾、现金流量、盈利能力、资产担保性、股权集中度、实际控制人与资本结构负相关;波动性、独特性、管理层持股、股权流动性、信息不对称性这五类指标对资本结构不能产生显著影响。 This paper starts with a long list of factors from the prior literature, and then we examine which factors are reliably signed and reliably important, for predicting leverage using two stage least squares. The empirical results of 395 Chinese listed companies show that the method can effec-tively solve the multicollinearity and the endogenous problem between the influence factors, at the same time also can greatly improve the whole explanation ability of model to the capital structure. The results show that the company size, growth, operation ability, market recognition are positively related to capital structure. Non-debt tax shields, cash flow, profitability and asset guarantees, equity concentration, actual controller are negatively related to the capital structure. Volatility, uniqueness, management shareholding, equity liquidity and information asymmetry, the five indexes cannot have a significant impact on capital structure.
白洁菲
中国石油大学,北京
收稿日期:2017年5月3日;录用日期:2017年5月17日;发布日期:2017年5月23日
本文在汇总前人实证研究中所选取的资本结构影响因素指标的基础上,对所有指标进行分类、分级处理,从指标体系中找出影响资本结构的主要影响因素和次要影响因素,然后以1998-2013年395家沪深两市上市公司为研究对象,使用两阶段最小二乘法进行回归分析,提高影响因素模型对资本结构的解释能力,并解决资本结构影响因素指标之间的多重共线性及内生性问题,优化资本结构影响因素模型。研究结果表明,公司规模、成长性、营运能力、市场认可性与资本结构正相关,非债务税盾、现金流量、盈利能力、资产担保性、股权集中度、实际控制人与资本结构负相关;波动性、独特性、管理层持股、股权流动性、信息不对称性这五类指标对资本结构不能产生显著影响。
关键词 :资本结构,影响因素,有效性,上市公司
Copyright © 2017 by author and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
现代意义上的资本结构理论是由Modigliani和Miller [
国内较早研究资本结构影响因素的学者是陆正飞和辛宇(1998) [
从资本结构影响因素的研究历史进程来看,后人多是在前人研究的基础上不断累加,这就使得资本结构影响因素越来越多,不利于资本结构主要影响因素与次要影响因素的分析与判断。因此,本文在继续“做加法”,进一步完善资本结构影响因素指标体系的基础上,对选取的所有指标进行分类、分级处理,然后,首次在该研究中运用两阶段最小二乘法“做减法”,用较少的主要影响因素达到对资本结构较高的整体解释能力,同时又不放弃次要影响因素在其中发挥的作用,以此完成资本结构影响因素“由繁化简”的工作;最后对主要影响因素和次要影响因素进行优化,消除影响因素间的多重共线性及内生性问题,提高计量模型对资本结构的整体解释能力。完善资本结构影响因素的分析模型,区分影响因素的重要性及正反作用,一方面总结提高过往研究,形成一个完善的体系;另一方面有利于上市公司在构建合理的资本结构时考虑相关影响因素的作用,合理高效的构建适合上市公司自身的资本结构。
本文在Titman & Wessels (1988) [
类别(一级指标) | 符号 | 指标名称(二级指标) | 计算方法 |
---|---|---|---|
资本结构(Y) | y | 总资产负债率 | 总负债/总资产 |
公司规模(B) | xb1 | 营业收入 | ln(营业收入) |
xb2 | 上市年龄 | ln(上市年龄) | |
非债务税盾(D) | xd1 | (折旧 + 无形资产摊销)/总资产 | (折旧 + 无形资产摊销)/总资产 |
Xd2 | 所得税/利润总额 | 所得税/利润总额 | |
现金流(E) | xe1 | 经营现金流/(Tobin’Q总资产) | 经营现金流/(Tobin’Q总资产) |
xe2 | 自由现金流 | 自由现金流量/(Tobin’Q总资产) | |
xe3 | 现金流量/总资产 | 现金流量/总资产 | |
波动性(F) | xf1 | 近三年现金流量标准差/总资产 | 近三年现金流量标准差/总资产 |
xf2 | 营业收入一阶差分百分比绝对值 | ︱(期末营业收入 − 期初营业收入)/总资产︱ | |
xf3 | 近三年营业收入标准差/总资产 | 近三年营业收入标准差/总资产 | |
Xf4 | 资产回报率方差 | VAR(净利润/资产市值) | |
盈利能力(G) | xg1 | 基本每股收益 | 净利润/流通股数 |
Xg2 | 每股收益(摊薄营业利润) | 营业利润/期末总股本 | |
Xg3 | 每股收益(摊薄净利润) | 净利润/期末总股本 | |
Xg4 | 每股净资产 | 股东权益合计/期末总股本 | |
Xg5 | 每股营业收入 | 营业收入/期末总股本 | |
Xg6 | 净资产收益率(营业利润) | 营业利润/股东权益合计 | |
Xg7 | 净资产收益率(净利润) | 净利润/股东权益合计 | |
Xg8 | 资产收益率(利润总额) | 利润总额/总资产 | |
Xg9 | 资产净利润率 | 净利润/总资产 | |
xg10 | 销售净利润率 | 净利润/营业收入 | |
xg11 | 总资产息税折摊利润率 | (净利润 + 折旧 + 摊销 + 财务费用 + 所得税)/总资产 | |
xg12 | 留存收益/总资产 | (盈余公积 + 未分配利润)/总资产 | |
成长性(H) | xh1 | 净资产增长率 | (期末净资产 − 期初净资产)/期初净资产 |
xh2 | 总资产增长率 | (期末总资产 − 期总净资产)/期初总资产 | |
xh3 | 主营业务收入增长率 | (期末主营业务收入 − 期初主营业务收入)/期初主营业务收入 | |
xh4 | 营业利润增长率 | (期末营业利润 − 期初营业利润)/期初营业利润 | |
xh5 | 净利润增长率 | (期末净利润 − 期初净利润)/期初净利润 | |
xh6 | 托宾Q | 总市值/重置成本 | |
xh7 | 投资额/总资产 | (期末固定资产净值 − 期初固定资产净值)/总资产 | |
xh8 | 总资产营业收入率 | (本年营业收入 − 上年营业收入)/(期末总资产 − 期初总资产) |
表1. 分级变量的定义
Continued
本文以2005年股改基本完成为界,选取其前后各8年的数据,即1998-2013年。以上海证券交易所和深圳证券交易所的上市公司为原始样本数据,剔除金融类上市公司,剔除在1998-2013年间数据存在缺失值的公司,剔除样本区间内被ST和PT的公司,剔除资不抵债的公司,即所有者权益小于零的公司。最终,样本公司共计395家,数据共计6320个。所有的样本数据均来自中国经济金融数据库(CCER),数据处理均采用EViews 6.0软件。本文对所有指标进行了单位根检验,结果显示,所有变量都是平稳的。
首先,通过逐步回归法找出每类指标的主要解释变量,解决多重共线性问题。每类指标的代表性指标如表2所示。一方面,将不同指标首先按类别进行处理,本身就在一定程度上回避了多重共线性问题;另一方面,每类影响因素只选取一个最优指标,避免了与其他解释变量之间相似信息的重复。并且,通过对表2中的指标进行相关性分析,发现其中的最大值仅为−0.52,远小于存在严重多重共线性的经验标准。因此,多重共线性问题已经得到解决。
将“代表性指标”与资产负债率进行回归,排除未通过T检验的因素后,将剩余的十个主要影响因素再次与资产负债率回归得到表3,将此次回归残差项取平方后作为被解释变量与表3中的解释变量(十个主要影响因素)进行回归,检验“代表性指标”是否具有内生性问题(见表4)。回归结果表明,Control(国有控股类型)、PB(市净率)、zscore(Z指数)三项指标通过了内生性检验,其它指标均具有内生性。本文通过两阶段最小二乘法构造工具变量来消除内生性问题,并且通过最终确立的计量模型的拟合优度来验证了工具变量能够较好地代替“代表性”指标原值。
此时,将工具变量以及三个外生变量(Control、PB、zscore)作为解释变量与资产负债率进行回归,得到表5,发现R方得到了显著提高。将该回归的残差项平方与表5中的解释变量进行回归得到表6,发现此时仅剩下DA和TAGR两个因素在95%的置信度水平与残差项下显著相关,因此,本文有理由认为内生性问题在很大程度上得到了较好的解决。
类别 | 一级指标 | “代表”指标 | 简称 |
---|---|---|---|
A | 最终控制人类型 | 国有控股xa = 1,非国有控股xa = 0 | Control |
B | 公司规模 | 营业收入 | lnS |
C | 信息不对称性 | 无形资产小于均值xc = 1,大于均值xc = 0 | Intan |
D | 非债务税盾 | (折旧 + 无形资产摊销)/总资产 | DA |
E | 现金流 | 经营现金流/(tobin’Q * 总资产) | CTobin |
F | 波动性 | 近三年现金流量标准差/总资产 | CStd |
G | 盈利能力 | 资产净利润率 | Rota |
H | 成长性 | 总资产增长率 | TAGR |
I | 资产担保性 | 流动比率 | Curr |
J | 营运能力 | 资产周转率 | turnA |
K | 独特性 | 销售费用率 | unique |
L | 市场认可行 | 市净率 | PB |
M | 股权流通性 | 流通股比例 | trade |
M' | 内部持股 | 高管人员持股比例 | manage |
M" | 股权集中度 | Z指数 | zscore |
表2. 每类指标的“代表性”指标
变量 | 系数 | T值 | P值 |
---|---|---|---|
Control | −0.0159 | −4.5244 | 0.0000 |
lnS | 0.0465 | 33.0917 | 0.0000 |
DA | −0.3538 | −8.8381 | 0.0000 |
CTobin | −0.0499 | −4.5257 | 0.0000 |
Rota | −1.1235 | −31.2549 | 0.0000 |
TAGR | 0.0291 | 8.6807 | 0.0000 |
Curr | −0.0347 | −37.2178 | 0.0000 |
turnA | 0.0087 | 2.6080 | 0.0091 |
PB | 0.0013 | 1.9918 | 0.0464 |
zscore | −0.0385 | −3.4538 | 0.0006 |
R-squared | 0.462471 |
表3. “代表性”变量回归结果
变量 | 系数 | T值 | P值 |
---|---|---|---|
Control | −0.0015 | −1.7173 | 0.0860 |
lnS | 0.0032 | 9.1631 | 0.0000 |
DA | 0.0547 | 5.5292 | 0.0000 |
CTobin | 0.0135 | 4.9435 | 0.0000 |
Rota | −0.1686 | −18.9665 | 0.0000 |
TAGR | 0.0121 | 14.6456 | 0.0000 |
Curr | 0.0151 | 65.3221 | 0.0000 |
turnA | −0.0018 | −2.2013 | 0.0278 |
PB | −0.0002 | −1.0895 | 0.2760 |
zscore | −0.0009 | −0.3084 | 0.7578 |
C | −0.0707 | −9.6880 | 0.0000 |
表4. 内生性检验
变量 | 系数 | T值 | P值 |
---|---|---|---|
Control | −0.0068 | −1.8914 | 0.0586 |
0.0336 | 17.4819 | 0.0000 | |
−0.1448 | −3.6015 | 0.0003 | |
−0.0139 | −1.2472 | 0.2118 | |
−1.0315 | −28.2657 | 0.0000 | |
0.1127 | 18.5380 | 0.0000 | |
−0.0563 | −49.9539 | 0.0000 | |
0.0272 | 6.7677 | 0.0000 | |
PB | 0.0531 | 2.0777 | 0.0381 |
zscore | −0.0822 | −7.5345 | 0.0000 |
R-squared | 0.484934 |
表5. 混合效应模型回归结果
变量 | 系数 | T值 | P值 |
---|---|---|---|
Control | −0.0015 | −1.3763 | 0.1688 |
0.0013 | 2.3113 | 0.0508 | |
0.0504 | 4.0954 | 0.0000 | |
0.0005 | 0.1611 | 0.8720 | |
−0.0054 | −1.0286 | 0.1350 | |
0.0137 | 7.4281 | 0.0000 | |
0.0115 | 3.7579 | 0.0857 | |
0.0011 | 0.9373 | 0.3486 | |
PB | 0.0001 | 0.7236 | 0.4693 |
zscore | 0.0039 | 1.1663 | 0.2435 |
表6. 工具变量法下内生性检验
本文研究结果表明,如果不考虑内生性问题,也不考虑主要影响因素和次要影响因素,那么,资本结构的影响因素包括:最终控制人、公司规模、非债务税盾、现金流、盈利能力、成长性、资产担保性、营运能力、市场认可性、股权集中度,共计10项;如果考虑内生性问题,也考虑主要影响因素和次要影响因素,那么主要包括:终控制人、公司规模、现金流、盈利能力、资产担保性、营运能力、市场认可性、股权集中度,以及这8个指标下的二级指标。
研究结果还表明,公司规模、成长性、营运能力、市场认可性与资本结构正相关,非债务税盾、现金流量、盈利能力、资产担保性、股权集中度、实际控制人与资本结构负相关;波动性、独特性、管理层持股、股权流动性、信息不对称性这五类指标对资本结构不能产生显著影响。
白洁菲. 我国上市公司资本结构影响因素有效性研究Which Factors Are Reliably Important to Capital Structure for Chinese Listed Companies?[J]. 社会科学前沿, 2017, 06(05): 530-537. http://dx.doi.org/10.12677/ASS.2017.65073