上市公司资本结构行业差异分析的论文.docVIP

　　上市公司资本结构行业差异分析的论文 　　【 论文 关键词】资本结构 行业特征 面板数据 　　【论文摘要】本文基于我国10个行业上市公司连续5年的面板数据分行业建立的动态调整模型。研究发现:我国上市公司的资本结构存在显著的行业差异;资本结构影响因素对不同行业的影响力的大小和方向也存在很大差异;同时各行业受宏观 经济 因素的影响,资本结构的调整成本和资本结构的适宜度也各不相同。 　　本文运用面板数据构建了我国上市公司分行业资本结构动态调整模型,通过对多个行业上市公司连续五年数据的分析,试图对我国上市公司资本结构行业差异进行较全面的分析,并对产生这些差异的原因进行解释。 　　一、模型变量与动态调整模型 　　1.模型变量的选取。本文选择了与行业经营特点紧密相关的盈利能力、公司规模、成长性、资产可抵押性、非债务税盾和收益波动性等指标作为影响公司资本结构的因素纳入动态调整模型,指标代码及 计算 方法见表1: 　　 　　　　　　　　 　　对于资本结构的度量,学术界普遍采用三种方式:总负债/总资产,总负债/股东权益,长期负债/总资产。本文采用总负债/总资产(debt)来衡量 企业 的资本结构。由于采用市场价值计算企业资产价值存在较大困难,本文的debt指标采用账面价值计算。 　　2.动态调整模型。以上分析表明企业的最优资本结构是由多个因素综合作用的结果,因此最优资本结构可以表示为: 　　debt*it=β0+β1pr oit+β2sizeit+β3gr o将式(2)调整为debtit的函数再代入式(1),并加入时间固定效应变量tt和个体特定效应控制变量μt,以控制与公司个体相关但未被模型包含的其他资本结构影响因素,最终建立资本结构动态调整模型如下:debtit=β0+β1proit+β2sizeit+β3grop;bond(1991)研究证明运用gmm技术可以获得无偏估计,kiviet(1995)给出了lsdv估计纠偏方法,其研究同时证明在样本较小和时间维度较小时采用纠偏方法的lsdv估计的方差比gmm估计的方差要小得多。本文中分行业进行模型估计时,部分行业的样本量不大,因此本文采用kiviet(1995)中的lsdv估计纠偏方法,对lsdv估计值进行纠偏。运用evieyers和majluf(1984)的啄食顺序假说,与ross(1977)信号传递理论则相背离,表明这些行业在选择融资结构时很少顾及信号传递的影响。而电力、煤气及水生产供应业的该系数未通过检验,这与其投资需求少、贷款政策性强的特点相符。虽然各行业的盈利能力对资本结构的影响方向相同,但作用力的大小却存在较大差别。 　　成长性(groyers(1977)提出的高风险公司具有低代理成本的解释也只是表达了企业股东的贷款意愿,更有可能的解释是我国银行并不能依据贷款者的资信调整利率,而银行对上市公司放贷的偏好使得上述行业波动性大的企业能以较低成本顺利获得所需贷款。信息技术业和批发零售贸易业两个完全竞争行业的相关系数显著为负,对传统风险规避理论给予了支持。房地产业和制造业下的另外四个行业门类的相关系数没有通过显著性检验,表明收益的波动性并不影响这些行业的资本结构选择。 　　3.行业间资本结构适宜度的比较。根据各行业模型的估计结果,依据我们计算出各企业各期的最优资本结构,即在各因素约束下企业最为合理的负债水平,再将最优资本结构除以实际资本结构,计算结果大于1表明实际资本结构小于最优资本结构,企业表现为负债不足。按行业求出各期的最优资本结构比实际资本结构的平均值(见表6),以考察各行业的资本结构适宜度。 　　表中数据表明,各行业普遍表现出负债不足的迹象,这与我国债券市场不发达的现实是相符的,但各行业实际资本结构偏离最优资本结构的差距却存在差异。其中电力、煤气及水生产供应业的实际资本结构与最优资本结构的差距最大,这与其拥有相对最低的负债率的现实是相符的。批发零售贸易业、食品行业和机械设备仪表行业的实际资本结构与最优资本结构较为接近,而综合类行业则表现出实际资本结构围绕最优资本结构上下波动的迹象。 　　 　　　　　　 　　四、结论与启示 　　通过对我国上述行业上市公司连续5年的面板数据的统计分析和分行业动态调整模型的建立,我们得到了以下主要结论与启示: 　　1.我国各行业上市公司的资本结构均呈逐年上升的趋势;各行业大类存在显著的差异性,统计检验证明这种差异不是由个别行业的异常值引起的,而是普遍存在于各行业间;同一行业大类下行业门类间的资本结构差异性不如行业大类显著。 　　2.各因素对行业资本结构选择的影响存在很大的差异,这种差异不仅表现在影响力的大小上,还表现在影响力的方向上。这说明以往研究中仅以哑变量区分行业特征,致使所建模型很多因素的影响力由于行业差异而相互抵消,这必然