資本結構調整速度探討
前言：本站為你精心整理了資本結構調整速度探討范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
論文摘要：利用滬深兩市715家上市公司1996～2008年的非平衡面板數據，基于資本結構部分調整模型，對比研究宏觀經濟繁榮和宏觀經濟衰退兩種情況下的調整速度，實證結果顯示相比于宏觀經濟衰退的情形，在宏觀經濟繁榮時的調整速度更快。
論文關鍵詞：宏觀經濟環境；資本結構；調整速度；非平衡面板數據
在調整速度的眾多影響因素中，宏觀經濟因素對調整速度的影響近年開始引起學術界的關注。Douglas0．Cook(2009)分別采用兩階段和綜合兩種動態部分調整模型，考察宏觀經濟環境對調整速度的影響，發現在宏觀經濟繁榮時調整速度較快。原毅軍，孫曉華(2006)的研究得到調整速度與上一年GDP增長率正相關，與通貨膨脹率，實際貸款利率和財政支出增值率負相關的結論。黃輝(2009)對宏觀經濟環境和制度因素影響調整速度進行了研究，結果顯示調整速度表現出順經濟周期現象。本文對前人研究方法進行改進，基于部分調整模型，用宏觀經濟變量劃分樣本進行調整速度對比研究。在目標資本結構的回歸中不考慮宏觀因素。這樣改進可以避免雙重考慮宏觀經濟因素造成研究結果不穩定性和不顯著性。
一、研究模型與變量設計
1．研究模型
接受Nerlove的部分調整模型(partialadjustmentmode1)的構建思路，構建下面的資本結構部分調整模型(1)
其中，和分別表示公司i在第t年末的最優資本結構和實際資本結構。為調整系數，表示在一個年度內公司的資本結構向目標水平調整的快慢，并間接反映調整成本的大小。
根據屈耀輝(2006)等人的研究，目標資本結構可表示為公司特征向量與行業特征向量的線性函數
其中是影響公司目標資本結構的一組相關變量，和分別為行業和時間虛擬變量。
將(2)式帶入到(1)式整理得到本文的回歸模型(3)式
2．變量設計
(1)資本結構變量。本文分別使用賬面資產負債率和市場資產負債率兩種資本結構進行研究。
表示賬面資本結構，市場資本結構。表示長期負債，表示短期負債，表示賬面總資產，表示流通股賬面價值，表示流通股市場價值。
(2)目標資本結構擬合變量。根據已有文獻對目標資本結構影響因素的研究，本文選用的公司特征變量包括：公司規模(SIZE)，用主營業務的自然對數表示，目前公司規模與資本結構的經驗研究沒有得到一致結論；資產有形性(TANG)，用固定資產除以總資產表示，經驗研究表明有形資產的比率與資產負債率正相關；非債務稅盾(NDTS)，用固定資產折舊除以總資產表示，經驗研究研究發現非債務稅盾與資本結構負相關；公司成長性(GROW)，用托賓Q值表示，公司成長性對資本結構的影響目前還沒有定論；公司盈利能力(PROF)，用息稅前利潤除以總資產表示，公司盈利能力對資本結構的經驗研究也沒有得到一致的結論；稅收因素(TAX)，用所得稅除以利潤總額表示。考慮行業特征因素，用行業資產負債率平均值(HAB，HAM)表示。
(3)宏觀經濟變量。仿照Douglas0．Cook(2009)，本文選用GDP增長率來定義宏觀經濟環境。GDP增長率定義為本年GDP減去上年GDP再除以上年GDP。宏觀經濟變量劃分樣本的具體情況是，l3年的GDP增長率數據以2002年的GDP增長率為中位數分為兩個部分，每個部分分別按照GDP增長率的二分位數再進行劃分，將樣本分成四個部分。取GDP增長率最小的三年1998~2000定義為為宏觀經濟環境衰退；取GDP增長率最大的三年2005~2007定義為宏觀經濟環境繁榮。
二、樣本選取與估計方法
選擇滬深兩市1996~2008一般上市公司的數據，不包括金融上市公司，剔除PT，ST公司。經過數據整理，獲得分布于十二個行業的715家公司的9295個樣本觀測點。樣本數據來源于CCER數據庫。由于模型(3)把目標資本結構的決定因素內化其中，模型右邊包含因變量一階滯后變量，采用動態面板數據的G刪估計方法，把模型(3)右邊所有變量的二階滯后變量作為工具變量。
三、實證結果分析
模型(3)的回歸結果如表1
注：括號里的數據是T檢驗值，表中***、**、*分別代表在1％，5％以及10％的顯著性水平下顯著
表1中LEV(-1)的系數就是可以看到，在賬面資本結構下，宏觀經濟衰退時的調整速度是0．575(1-0．425)，在宏觀經濟繁榮時的調整速度為0．592(1-0．408)；在市場資本結構下，宏觀經濟衰退時的調整速度是0．606(1-0．394)，宏觀經濟繁榮時的調整速度是0．656(1-0．344)。
實證結果表明：資本結構調整速度表現出順周期性，與Douglas0．Cook(2009)，黃輝(2009)的結論一致。本文只用宏觀經濟變量劃分樣本，沒有把宏觀經濟變量作為目標資本結構的影響因素，避免了實證結果的穩定性與顯著性，使研究結果更可靠。
