公司因素对纺织类上市公司资本结构影响实证分析.docVIP

公司因素对纺织类上市公司资本结构影响实证分析 　　摘 要：以纺织行业上市公司公开数据为样本，运用多重共线分析、因子分析、回归分析方法，分析影响我国纺织行业资本结构的因素，得出资本结构与企业规模、产品独特性正相关，与企业盈利能力负相关，与成长性、资产担保余值相关不明显的相关结论。 　　关键词：纺织行业；资本结构；影响因素；实证分析 　　中图分类号：F27 文献标志码：A 文章编号：1673-291X（2014）02-0158-02 　　引言 　　我国纺织类上市公司长期以来一直存在长期负债远远低于流动负债的现象。我国纺织类上市公司的大部分债务是以流动负债的形式存在的[1]。为此，本文用资产负债率指标来衡量我国纺织类上市公司资本结构。由于我国的证券市场还不很完善，所以采用资产和负债的账面价值，而不采用资产和负债的市场价值。 　　一、研究假设 　　假设一：企业资本结构与盈利能力负相关。据优序融资理论，盈利能力强的企业其内部积累能力也强，可以由经营活动产生足够的保留盈余来满足大部分的资金需求，从而也就不太需要通过债务融资[2]。 　　假设二：企业资本结构与企业规模正相关。在实际中，企业“大而不倒”的观念比较普遍，大企业往往代表了实力、好的发展前景，且可通过多元化经营降低风险，即二者存在正相关关系[3]。 　　假设三：企业资本结构与成长性能力正相关。信息传递理论认为，成长性高的企业一般是新兴企业，规模不会太大，投资者与经营者之间信息不对称的程度高，其股票价值常会被低估，通过债务融资可以避免这种情况。因此，假设为正相关。 　　假设四：企业资本结构与资产抵押价值正相关。因为资产的抵押价值越大，表明资产的偿债能力越强，越容易获得债权人的信任，得到较多的债务资金。 　　假设五：独特性与资本结构正相关，纺织公司要生产出差异化的产品，就必然要多投入或带来更多的消耗，须更多融资，故假设独特性与资本结构正相关。 　　假设六：流动性与资本结构正相关。流动性强可以获得更多的负债融资。 　　二、变量的选择 　　理论上的影响因素在现实中往往可以采用多个指标来衡量??为使分析结果更可信，对资本结构的每一个影响因素尽可能采用多个指标来衡量。本文选取了11个指标分析了6个影响因素，如表1所示。 　　表1 变量定义表 　　三、数据来源及研究方法 　　本文的样本数据取自于国泰安研究服务中心所公布的34家纺织类上市公司2011年的年报数据信息。 　　本文首先对指标进行多重共线性检验之后再使用因子分析法进行变量的浓缩，最后利用各综合因子的得分对因变量进行多元回归分析。本文的统计分析选用SPSSl3.0来完成[4]。 　　四、实证研究 　　（一）多重共线性分析 　　通过多重共线分析，发现指标间存在多重共线性。为了提高回归和估计的效能，采用因子分析法来规避多重共线性可能会造成的影响。 　　（二）因子分析 　　1.无量纲化处理 　　为将指标实际值转化成评价值，消除指标的不可度量性，运用极差变换法，对评价指标进行无量纲化处理。而对于因变量资产负债率指标，是个区间指标，没有进行无量纲化处理。 　　2.适用性检验 　　首先对采样充足度的测度，确定因子模型适用。据表2，KMO值大于0.65，巴特利特球体检验的显著性概率小于0.05，表明可以作因子分析。分析发现六个因子特征值占方差88.775%。经旋转后由表3-4可得，因子系数已经明显向两极分化，使原有的11个指标的信息分别集中到6个综合指标中去。 　　表2 KMO and Bartletts Test 　　3.因子分析结果 　　在SPSS中，采用正交旋转方法，使线性相关的11个指标浓缩为6个指标。 　　表3 因子旋转矩阵Rotated Component Matrix（a） 　　Extraction Method： Principal Component Analysis. 　　Rotation Method： Varimax with Kaiser Normalization. 　　a Rotation converged in 7 iterations. 　　进而可得公式： 　　 　　（三）因素回归分析 　　我们选取这6个综合指标的因子得分对因变量进行多元回归分析，并建立回归模型如下： 　　Y=B0+B1fl+B2f2+…+Bkfk+e 　　其中，B是常数项，Y是资产负债率，Bk是第k个主成分对Y的估计参数，fk表示第k个公共因子，e为残差变量。 　　表4 综合因子命名表 　　1.分析方法 　　为了使回归方程的自变量都变得显著，同时使这个方程的R2和R2又尽可能的大，自然需要找一个“最优”的回归方程，这个方程包含了尽可能多的对Y有较大的影响的变量，同