上市公司资本结构的影响因素再的研究.docVIP

上市公司资本结构的影响因素再的研究 　　【摘 要】　文章采用分位数回归法重新审视了中国上市公司资本结构影响因素，进一步从分布函数不同部位对其影响因素进行分析，比传统只考虑条件均值的普通最小二乘法更具有优势，并根据研究结果对上市公司的治理提出建议。 　　【关键词】 资本结构； 分位数回归； 上市公司 　　一、引言 　　资本结构理论是企业理论的一个重要组成部分，在研究资本结构影响因素角度上的传统方法是最小二乘法，其本质上是一种均值回归，即从平均的角度基于大多数公司的财务杠杆下，对其影响因素做回归分析，忽略了两端尾部的信息特征。而对这一问题的探析加入新的分位数回归方法，则可以考虑分布的整体情况，可根据不同的分位数点，即在不同的资本结构下对其影响因素做回归分析。 　　二、研究理论及文献综述 　　现代资本结构理论的诞生是以MM资本结构理论的出现为标志的，其出现在财务理论的发展史上有着里程碑式的重要意义。许多文献证明，公司规模在资本结构的选择中扮演着非常重要的角色。Warnerh（1997）、Meconnel和Angclua（1982）的研究均发现公司规模越大，其破产成本越小。Myers（1997）认为大公司中管理者的自由裁量权和成长机会较少的原因使得大公司的边际破产成本较低。而Fama和Jensen（1983）从代理成本的角度来分析规模对资本结构的影响，认为与小公司相比，大公司更倾向于向贷款人提供更多的信息。另外在研究方法方面，闫庆悦、李娜（2007）采用panel data模型对内外两条路径分别检验了公司治理因素对资本结构选择的影响，并得到各影响因素之间的关系。陈耀辉，邵希娟（2010）采用多元回归模型及神经网络模型对上市公司资本结构及其影响因素进行了分析，结果发现，神经网络模型的残差平方和SSE较小，预测能力更强。 　　从上面的文献回顾中可以发现，其中绝大部分文献采用的是线性的计量模型。首先，前人在研究方法上用的是OLS方法，即为解释就平均而言解释变量与被解释变量的关系，它侧重于整个分布的集中趋势，对于样本整体分布的描述略显不足，不但使回归结果受到极端值的支配，也忽略了尾部分布下解释变量与被解释变量的关系。因此，本文将采用新的研究模型——分位数回归的方法来研究我国上市公司资本结构的影响因素是十分必要的。 　　三、研究假设 　　在国内外已有研究的基础上，本文试图通过对沪深A股的部分可获得完整资料的上市公司来研究资本结构的影响因素。根据国内外已有的文献和研究成果，本文提出如下假设： 　　假设1：企业获利能力与其资本结构（资产负债率）负相关。 　　当公司获利能力较强时，公司就能够保留较多的留存收益，减少对外负债。对于亏损的公司来说，由于受到增配股票的业绩条件的限制而得不到股权融资，或通过对外举债来满足资金的需求。 　　假设2：公司规模与其资本结构（资产负债率）正相关。 　　公司规模在资本结构中起着重要的作用。根据权衡理论，大企业更倾向于多元化经营，具有较为稳定的现金流量，发生财务困境的机会相对较少，抵抗风险的能力较强，因此，大公司有意愿和能力使用较多的负债。 　　假设3：有形资产担保率与公司的资产负债率正相关。 　　如果企业用于担保的有形资产，如存货和固定资产等所占的比重较大，则企业的信用等级越高，越容易获得更多的债权融资，其资产负债率就会越高。 　　假设4：企业自由现金流量与公司的资产负债率负相关。 　　在没有约束经理层举债的情况下，经理将避免使用负债。在此基础上提出如果公司缺乏投资机会并有自由现金流量时倾向于发行股票。 　　假设5：发展机会与公司的资产负债率正相关。 　　公司的前景越好，潜力越大，需要从外部借入的资金就越多。 　　四、研究设计 　　（一）研究方法的选择 　　本文将采用分位数回归的方法进行实证研究。分位数回归是一种基于因变量Y的条件分布来拟合自变量X的回归模型。 　　假设条件分布y|x的总体q分位数Yq（x）是x的线性函数，即： 　　yq（xi）=x■βq （1） 　　其中，βq被称为“q分位数回归系数”，估计量■可以由以下最小化问题来定义： 　　■qy■-x■β■+∑■■（1-q）y■-x■β■（2） 　　若：q=1/2，则为“中位数回归”（median regression）。此时，目标函数简化为： 　　Min∑■■y■-x■β （3） 　　故中位数回归也被称为“最小绝对离差估计量”（Least Absolute Deviation Estimator，LAD）。显然，它比均值回归（OLS）更不易受到极端值的影响，所以更加稳健。由于分位数回归的目标函数带有绝对值，不可微分，故通常使用线性规划（linear programming）的方法来计算■q。 　　（二）样本的选取和数据来源 　　在样本选取方面，本文以200