资本结构主要影响因素的再探析
             ——基于我国上市公司的实证研究景
    自从Modigliani和Miller在上世纪五十年代提出著名的MM理论以来，很多学者都对资本结构做出了重大的理论贡献。有关资本结构的研究目前主要分为两大类：一是以MM理论为基础的资本结构主流理论，着重研究资本结构与企业价值的关系；二是以MM理论为基础的资本结构决定因素学派，着重研究资本结构的影响因素。
    在这里，我们必须承认，资本结构的影响因素分析至今仍是一个谜，人们始终没能就这个问题达成一致。因为有可能影响企业资本结构的因素实在太多，人们首先在选择进入模型的变量方面就存在不同的意见，再加上选择不同的公司、行业，选择不同时期的数据，选择不同的指标进行回归也就会产生不同的结果。
    在我国，关于资本结构影响因素的实证分析虽然起步很晚，但是相关的文章并不少。对于经常出现的因素，不同的学者研究后的结论是不同的[ 对于比较常见的因素，正相关、负相关、不相关都出现过。]。基于我们自身水平有限，我们找不到合适的模型进行单因素的回归分析，所以我们仍将选择多因素进行线性回归分析。
    二、研究方法与数据来源
 我们以多元线性回归作为我们的研究方法，以Titman and Wessels在1989年的文章中验证并在之后为众多学者所采用的六个因素：即获利能力、规模、资产担保价值、成长性、非负债税盾、变异性为依据，其中考虑到数据收集的问题，变异性不再考察。同时，从目前的现实国情来看，我国存在特殊的股权结构，国家股和法人股不能自由流通，且大多数居于控制地位，非流通股的存在使得股权割裂和市场格局割据，造成了事实上的同股不同权、同股不同利的现象，且国家控股的公司很多行为受到政府行政干预，其很可能像国企一样拥有较高的负债率。因此，特殊的股权结构可能会对上市公司资本结构造成一定影响，故我们将股权结构作为一个变量予以考察。另外，我们认为，企业的资本结构是一个动态的指标[ 如果在一年内变化十分剧烈的话，那也是不正常的。]，它不仅受到当期营状况的影响，而且会受到企业以前各期的影响，所以我们选择混合数据，而且采用自适应模型。
 我们的数据来源是：学校图书馆－数字资源－CSMAR中国上市公司财务数据库，可信度较高。本文选用的是2001－2003年的数据。
 三、模型构建及实证分析
 1．模型中的具体变量如下所示：
 ①2003年上市公司的资本结构作为被解释变量，设为Y。
 ②一般认为，公司上市前会粉饰报表以争取上市资格，这种盈余管理行为如果比较严重的话，那么在上市的前几年，上市公司的盈利会下降甚至变为亏损。所以我们选择1994年以前（含1994年）上市的A股制造业[ 选择制造业是因为制造业是传统产业，其上市前便已经存在了相当长的时间，相对成熟、稳定。]作为考察的样本。这样一方面可以规避公司上市之初可能存在的过度的盈余管理行为；另一方面可以充分考察时间趋势的问题。
 ③由于我们选择的是混合数据，在Eviews下进行自适应模型的回归会有问题，所以将2002年和2001年的资本结构作为解释变量，分别设为Y1和Y2。
 ④关于上市公司的获利能力，设为X1，X1＝2003年的净利润/2003年所有者权益的平均值[ 我们采用的指标都是在相关的研究中最常见的。这是因为，这些指标的选取并不是随意的，在它们背后都有一定的理论依据。由于我们现在在相关方面的理论积累不足，所以我们认为我们不具备选择新指标的能力。采用老指标一方面是因为它们是有理论依据的；另一方面我们也可以考察这些老指标在我们的模型下会得到什么不同的结果。]。
 ⑤公司的规模设为X2，等于2003年末总资产的自然对数。
 ⑥公司的资产担保价值设为X3，等于（2003年末存货＋固定资产）/2003年末总资产。
 ⑦成长性设为X4，等于（2003年总资产－2002年总资产）/2003年总资产。
 ⑧非负债税盾设为X5，等于2003年折旧额/2003年末总资产。
 ⑨公司的股权结构设为X6，等于最近的国家股/总股本。
 2．经过选择，共得到了137家公司的数据。另外，再根据数据库中公司的标识，共剔除了17家ST、PT公司[ 严格的说，这种方法比较片面。但是由于学校未购买ST/PT数据库，所以目前只能做到这个程度。至于剔除ST、PT公司的原因在于：这些公司或处于财务状况异常的情况，或已连续亏损两年以上，若这些公司纳人研究样本中将影响研究结论。]，这样得到了120家公司的数据。构建的模型为：
 Y＝α0＋β1Y1＋β2Y2＋α1X1＋α2X2＋α3X3＋α4X4＋α5X5＋α6X6+e。
 3．模型的回归与修正
 （表一）
Dependent Variable: Y  
Method: Least Squares  
Date: 06/04/05   Time: 20:52 
Sample: 1 120   
Included observations: 120  
    
Variable Coefficient Std. Error t-Statistic Prob. 
    
C 0.368655 0.366424 1.006089 0.3166
Y1 0.545448 0.079098 6.895848 0
Y2 0.324466 0.110876 2.926378 0.0042
X1 -0.01164 0.013224 -0.88002 0.3807
X2 -0.01283 0.017345 -0.73963 0.4611
X3 0.227958 0.119464 1.908172 0.059
X4 -0.38642 0.090641 -4.26321 0
X5 -0.22942 0.136113 -1.68552 0.0947
X6 -0.09053 0.071896 -1.25916 0.2106
    
R-squared 0.693967     Mean dependent var 0.552596
Adjusted R-squared 0.67191     S.D. dependent var 0.305974
S.E. of regression 0.175259     Akaike info criterion -0.57306
Sum squared resid 3.409449     Schwarz criterion -0.364
Log likelihood 43.38384     F-statistic 31.46322
Durbin-Watson stat 2.064147     Prob(F-statistic) 0
 
 通过回归我们发现，在α＝5％的水平下，t检验值经查表得1.658，除了Y1和X4是显著地通过了t检验外，Y2 、X3和 X5只是勉强通过了t检验。再加上模型修正后的拟合优度为0.67191，模型并不理想。
 对此，我们认为可能是样本仍存在不足，通过逐个观察，我们发现有些公司的资本结构非常高，我们认为，很可能是由于这些异常值，从而导致模型不理想。我们将2003年资本结构指标超过90％的公司剔除（7家公司），再把另外一家公司剔除，原因是这家公司在2002年的资本结构还是266％，但是到了2003年就下降到81％，虽然小于90％，但是由于变化幅度太大，仍将其剔除。这样共得到112个样本。经回归得到如下结果：
（表二）
Dependent Variable: Y  
Method: Least Squares  
Date: 06/04/05   Time: 21:09 
Sample: 1 112   
Included observations: 112  
    
Variable Coefficient Std. Error t-Statistic Prob. 
    
C -0.03204 0.113068 -0.28337 0.7775
Y1 0.964287 0.071391 13.5071 0
Y2 -0.0891 0.074605 -1.1943 0.2351
X1 -0.3127 0.03691 -8.47185 0
X2 0.00417 0.005397 0.772689 0.4415
X3 0.00996 0.036562 0.272414 0.7858
X4 0.179063 0.033518 5.34234 0
X5 -0.04864 0.040637 -1.19685 0.2341
X6 0.014371 0.021398 0.671615 0.5033
    
R-squared 0.921927     Mean dependent var 0.491354
Adjusted R-squared 0.915863     S.D. dependent var 0.175872
S.E. of regression 0.051014     Akaike info criterion -3.03648
Sum squared resid 0.268053     Schwarz criterion -2.81803
Log likelihood 179.0429     F-statistic 152.0345
Durbin-Watson stat 1.978215     Prob(F-statistic) 0
    
 
 可以看到，经过样本的修正后，模型的拟合程度明显提高。Y1、X1和X4明显通过了t检验，其他指标均未能通过。
 （1）经过逐步回归法（过程略），得到Y＝α0＋β1Y1＋α1X1＋α4X4＋e。回归结果为：
（表三）
Dependent Variable: Y  
Method: Least Squares  
Date: 06/04/05   Time: 21:24 
Sample: 1 112   
Included observations: 112  
    
Variable Coefficient Std. Error t-Statistic Prob. 
    
C 0.050473 0.014136 3.570574 0.0005
Y1 0.886828 0.026159 33.90206 0
X1 -0.31359 0.033666 -9.31471 0
X4 0.190287 0.02977 6.392001 0
    
R-squared 0.919043     Mean dependent var 0.491354
Adjusted R-squared 0.916794     S.D. dependent var 0.175872
S.E. of regression 0.050731     Akaike info criterion -3.0895
Sum squared resid 0.277953     Schwarz criterion -2.99241
Log likelihood 177.0117     F-statistic 408.6814
Durbin-Watson stat 2.007886     Prob(F-statistic) 0
    
 
 （2）由Goldfeld－Quandt检验可得：
（表四）
Dependent Variable: Y  
Method: Least Squares  
Date: 06/04/05   Time: 22:14 
Sample: 1 42   
Included observations: 42  
    
Variable Coefficient Std. Error t-Statistic Prob. 
    
C 0.028086 0.022221 1.263893 0.214
Y1 0.923984 0.044807 20.62155 0
X1 -0.41565 0.068746 -6.04617 0
X4 0.233724 0.053915 4.335016 0.0001
    
R-squared 0.921251     Mean dependent var 0.452728
Adjusted R-squared 0.915034     S.D. dependent var 0.193553
S.E. of regression 0.056419     Akaike info criterion -2.82164
Sum squared resid 0.120956     Schwarz criterion -2.65615
Log likelihood 63.25446     F-statistic 148.182
Durbin-Watson stat 2.122942     Prob(F-statistic) 0
（表五）    
Dependent Variable: Y  
Method: Least Squares  
Date: 06/04/05   Time: 22:15 
Sample: 71 112   
Included observations: 42  
    
Variable Coefficient Std. Error t-Statistic Prob. 
    
C 0.034046 0.02094 1.625844 0.1122
Y1 0.916162 0.038442 23.8324 0
X1 -0.28983 0.066476 -4.35997 0.0001
X4 0.281092 0.050147 5.60535 0
    
R-squared 0.942811     Mean dependent var 0.485165
Adjusted R-squared 0.938296     S.D. dependent var 0.175609
S.E. of regression 0.043622     Akaike info criterion -3.33613
Sum squared resid 0.072309     Schwarz criterion -3.17064
Log likelihood 74.05868     F-statistic 208.8212
Durbin-Watson stat 2.168103     Prob(F-statistic) 0
    
 
 由以上两张表可知，F*＝0.072309/0.120956＝0.5978，小于F（39，39），可知不存在异方差性。
 （3）由（1）可知，d＝2.007886，经查表，在0.05的显著水平上，已知k＝3，当n＝100时，dL＝1.613，dU＝1.736；当n＝150时，dL＝1.693，dU＝1.774。经计算，两种情况下都可以说明模型不存在一阶自相关。
 综上所述，最终的模型为：
 Y＝0.050473  +  0.886828Y1  -  0.31359X1  ＋  0.190287X4
   （3.570574） （33.90206）  （-9.31471）  （6.392001）
       =0.916794      S．E．＝0.050731   F＝408.6814
 
 
 参考文献：
 1．上市公司资本结构主要影响因素之实证研究   陆正飞、辛宇　
    会计研究   1998.8
 2．上市公司资本结构影响因素述评     李善民、刘智
    会计研究   2003.8
 3．中国上市公司融资行为研究——基于问卷调查的分析  陆正飞、高强
    会计研究   2003.10
 4．对资本结构财务影响因素的实证研究    陈维云、张宗益
    财经理论与实践(双月刊)   　第23卷　第115期　2002年1月
 5．我国上市公司资本结构形成的影响因素分析  冯根福、吴林江、刘世彦
    经济学家   2000 .5
 6. 我国上市公司资本结构影响因素实证研究   肖作平、吴世农
    证券市场导报   2002年8月号