本文關鍵詞：企業(yè)資本結構調整速度影響因素的實證研究，由筆耕文化傳播整理發(fā)布。

當前位置：首頁 >> 經濟學 >> 企業(yè)資本結構調整速度影響因素的實證研究

經濟科學·2010 年第 3 期

企業(yè)資本結構調整速度影響因素的 實證研究?
黃 輝 重慶 400067）

（重慶工商大學會計學院

摘 要： 本文以中國 1997-2006 年非金融上市公司的非平衡面板數據為樣本， 構建“內化”了目標資本結構的動態(tài)調整模型，采用一階差分后的廣義距估計方 法，實證分析了中國

上市公司資本結構調整速度的影響因素。實證結果發(fā)現：對 市場資產負債率而言，偏離目標資本結構的程度、公司成長性、公司規(guī)模與資本 結構調整速度顯著正相關；對賬面資產負債率而言，公司成長性與資本結構調整 速度負相關但不顯著；融資約束與資本結構調整速度顯著負相關；公司聲譽對資 本結構調整速度沒有顯著影響。 關鍵詞：動態(tài)資本結構 調整速度 影響因素 廣義距估計

一、引

言

目前研究企業(yè)資本結構影響因素的實證文獻已是汗牛充棟，大多數學者在研究中都把 企業(yè)的實際資本結構作為被解釋變量，把企業(yè)資產的規(guī)模性、盈利性、流動性等企業(yè)特征 因素作為解釋變量。然而，正如 Marsh（1982）指出的，企業(yè)特征等因素決定的是企業(yè)最 優(yōu)的資產負債率而不是企業(yè)實際可觀測的資產負債率；Heshmati（2001）進一步爭論說， 資本結構理論也并不是用來解釋實際可觀測的資本結構之間的差異，而是來解釋不同公司 間的最優(yōu)資本結構，也稱為目標資本結構①之間的差異。這樣，企業(yè)資本結構的研究內容 就演化到兩個方面：第一，目標資本結構選擇及其影響因素問題；第二，在企業(yè)實際的資 本結構不是其目標的情況下，企業(yè)如何根據各種內外環(huán)境因素來調整其實際資本結構達到 最優(yōu)狀態(tài)，即企業(yè)資本結構調整及其影響因素問題。 研究企業(yè)資本結構調整速度的影響因素，首先需要度量調整速度；而度量調整速度則 需要擬合目標資本結構，即需要研究目標資本結構的影響因素。因而目標資本結構的影響
?

本文得到了教育部人文社科項目（09XJC630015） 、重慶市自然科學基金項目（CSTC 2009BB6371）的 資助。作者感謝華中科技大學管理學院龔樸教授和張兆國教授對本文的指導和幫助，文責自負。 根據屈耀輝（2006）的說法， “目標資本結構”與“最優(yōu)資本結構”是同一個含義。之所以選用“目標 資本結構”而非“最優(yōu)資本結構”來表述，原因是前者給人以“可連續(xù)變化”而后者給人以“固定且 唯一”的感覺。顯然，前者更準確地表述了公司的最優(yōu)資本結構因公司內外環(huán)境的變化而變化，并且 反映了公司在不斷地調整其實際資本結構以達到其目標水平的動態(tài)過程。

①

96

因素與資本結構調整速度的影響因素有一定的聯系，這兩方面的研究是相互補充和相互促 進的，前者是后者的前提和基礎，后者是前者的檢驗和證明。但企業(yè)的目標資本結構影響 因素與其資本結構調整速度影響因素是不同的，企業(yè)的目標資本結構會主要隨著企業(yè)特征 等因素的變化而變化，而向目標資本結構調整的速度則更多地受到了調整成本的影響。好 比是一群大象在尋找水源，象群的行動（目標資本結構）受到氣候等環(huán)境的影響，而走散 的大象為追上象群的行動（調整速度）不僅與象群的行動有關，還與其走散的距離遠近、 路徑難易等偏離目標的環(huán)境等有關。 隨著計量經濟學在動態(tài)面板數據方面的不斷發(fā)展，研究資本結構影響因素的實證方法 已由靜態(tài)走向動態(tài)。企業(yè)的目標資本結構會隨著企業(yè)特征因素的變化而變化，資本結構的 調整速度也應該是一個動態(tài)變量。與某些學者采取靜態(tài)的或者擬合的目標資本結構不同， 本文擬構建一個“內化”目標企業(yè)資本結構的動態(tài)調整模型來研究資本結構調整速度的影 響因素。本文后續(xù)部分的結構如下：第二部分是理論分析與研究假設；第三部分是研究模 型和方法；第四部分是實證分析；最后一部分是結語。

二、理論分析與研究假設
公司向目標資本結構調整的速度，主要取決于調整成本的大小。調整成本主要包括固 定成本和制度成本。前者主要指進行調整所需的會計費用、律師費用、資產評估費用等成 本；后者則視公司的經營績效和資本市場的發(fā)展狀況而定。對于不同的公司而言，資本結 構調整的固定成本在絕對數量上差別不大，而其相對大小則會因公司規(guī)模、盈利能力的差 異而有所區(qū)別。資本結構調整的制度成本主要歸因于資本市場不完善或公司治理效率低下 等因素，這會導致公司無法及時獲得融資資金或者融資環(huán)節(jié)過于復雜，從而使融資的機會 成本加大。結合 Haas 和 Peeters（2006）、Drobetz 和 Wanzenried（2006） 、連玉君和鐘經 樊 （2007） 等學者的研究， 本章選取的企業(yè)資本結構調整速度的影響因素主要包括以下幾種。 （一）偏離最優(yōu)資本結構的程度 在資本市場較為完善的情況下，調整成本中的固定成本占主要比重，那么公司只有當 其實際資本結構與其最優(yōu)資本結構有足夠大的偏差時，才會調整其資本結構。若定義變量 DIST 為公司當前財務杠桿與目標財務杠桿的差距， 則資本結構的調整速度應當和 DIST 正 相關。然而，中國的資本市場還很不完善，制度成本在中國上市公司資本結構調整成本中 占了很大的比重，資本結構的調整速度有可能與 DIST 是負相關關系。這是因為，當公司 的 DIST 不大時，公司完全可以利用內源融資實現調整，由于內源融資具有便利靈活和較 低成本的特性，調整速度也許較快；但當公司的 DIST 較大時，公司就必須借助外部資本 市場融資來實現調整，這樣，資本市場的完善程度就決定了調整成本的大小和調整周期的 長短�？紤]到中國目前資本市場的發(fā)展狀況，本文認為對中國上市公司而言，DIST 越大， 公司受到資本市場的限制越多，公司資本結構的調整速度應與公司的 DIST 負相關。于是 本文提出假設 1： H1：公司資本結構的調整速度與公司的 DIST 負相關。 （二）公司成長性 資本結構的調整可以分為存量調整和流量調整，顯然流量調整具有較大的調整空間， 尤其適用于成長型和收縮型的企業(yè)。對于高成長性的公司來說，其投資機會較多，對資金 的需求更強烈， 通常進行流量調整， 通過改變其新的融資來源來實現資本結構的快速調整。
97

同時，高成長性的公司大多是“年輕”的企業(yè)，其經營凈現金流不多，投資凈現金流經常 為負值，內源融資受到限制，強烈需要調整速度較快的外源融資。而對于非成長性的公司 而言，一般是存量調整，只能通過發(fā)行新股來償還銀行貸款或進行相反的操作①來進行資 本結構調整。在信息不對稱的情況下，無論是債務轉換為權益還是相反都會給市場傳遞負 面信號，從而降低公司的市場價值，所以很多非成長性的公司也不愿意做這種“撿芝麻丟 西瓜”的事情。因此，本文預期資本結構調整速度和公司的成長性正相關。于是本文提出 假設 2： H2：公司資本結構的調整速度與公司的成長性正相關。 （三）公司規(guī)模 規(guī)模較大的公司調整其資本結構的速度也許要大于規(guī)模較小的公司。一方面，如果資 本結構調整成本中含有較大的固定性成本，這些固定性成本對小公司而言也許是很大的， 但對大企業(yè)而言卻相對較小，，所以大公司將可以利用較小的調整成本來實現調整。另一方 面，如果資本結構調整成本中含有較大的制度性成本，由于大公司的信息披露比較及時規(guī) 范，其信息不對稱的程度較低，可以更好地利用資本市場融資，并有著較低的外源融資成 本。這樣，規(guī)模較大的公司應該有著較快的資本結構調整速度。于是本文提出假設 3： H3：公司資本結構的調整速度與公司的規(guī)模正相關。 （四）公司聲譽 一個公司的聲譽好壞與一個公司的規(guī)模大小顯然是不同的，盡管規(guī)模大的公司與聲譽 好的公司有著一定的相關性。市場經濟在某種程度上也是信用經濟，聲譽好的公司有著良 好的信用記錄，總可以憑借其聲譽獲得較多的融資機會和較低的融資成本，比如較易取得 銀行貸款和商業(yè)信用等等。同時，聲譽好的公司為了維護其公司形象，也有著調整其資本 結構到最優(yōu)狀態(tài)的強烈愿望。于是本文提出假設 4： H4：公司資本結構的調整速度與公司的聲譽正相關。 （五）融資約束 理論上，一個公司是否存在融資約束的判別標準是：公司有可行的投資機會但公司內 部沒有足夠的現金流，若從資本市場融資要承擔較高的代理成本（Korajczyk 和 Levy， 2003）。可見所謂的融資約束主要是針對外源融資而言，雖然外源融資包括股權融資和債 務融資兩個方面，但大多數公司主要是利用負債融資方式來進行資本結構調整，尤其是利 用銀行借款方式（Frank 和 Goyal，2004；Hackbarth，2006）。因而對于未有負債融資約 束并且實際負債率低于最優(yōu)負債率的公司，理應能夠通過負債融資方式較快地實現其資本 結構調整。于是本文提出假設 5： H5： 未有負債融資約束并且實際負債率低于最優(yōu)負債率的公司有著較快的資本結構調 整速度。

①

實際上，存量調整的一個最好方式是“可轉換債券” ，但中國對發(fā)行可轉換債券要求很高，發(fā)行可轉債 的公司很少且融資金額不大，比如 2002 年共有 5 家企業(yè)發(fā)行可轉債，融資總額才 41.5 億元；另一個重 要問題是，企業(yè)發(fā)行可轉債的目的并不一定是用來調整資本結構。

98

三、研究模型與估計方法
（一）研究模型 研究資本結構的調整速度，一個首要的問題就是公司目標資本結構的確定。有的學者 把行業(yè)的均值負債率或者公司過去幾年的均值負債率作為公司的目標負債率，顯然這種目 標負債率的確定方法要么沒有考慮公司的個體特征，要么沒有反映公司當前的和未來的信 息。雖然公司目標資本結構無法直接觀測，但也有很多學者認為只要恰當地選擇能夠反映 權衡的正負面影響的變量，那么就可以近似地擬合出目標負債率，并證明了通過這種方式 來擬合最優(yōu)資本結構對代理變量的選取有較強的穩(wěn)健性 （Fischer、 Heinkel 和 Zechner， 1989； Hans，2004） 。本文參考 Flannery 和 Rangan（2006）的做法，把目標資本結構設定為線性 函數形式，如式（1）所示。
LEVi ?t = α 0 + ∑ α j X j ,i ,t ?1 + ε ,
j =1 L

（1）

其中， X j ,i ,t ?1 ( j = 1, 2, ? ? ?, L) 表示影響 i 公司在 t 年目標資本結構的 L 個企業(yè)特征因素，

α j 是第 j 個特征因素的系數。需要特別指出的是，本文遵從 Cook 和 Tang（2008） 、屈耀
輝（2006）等的做法，用 t-1 年的變量數據來描述 t 年的目標資本結構。這是因為本文的 公司特征變量數據來源于反映公司年末情況的資產負債表和利潤表，有關 t-1 年的指標值 是由 t-1 年年末的數據計算而得的。另一個角度來講，由于市場處理信息的弱效率和管理 決策的延遲，資本結構調整行為本身就具有滯后性。 大多數文獻采用分布滯后模型中的“部分調整模型”來描述公司資本結構的動態(tài)調整 過程，本文的部分調整方程如式（2）所示： LEVi ,t ? LEVi ,t ?1 = δ i ,t ( LEVi ,?t ? LEVi ,t ?1 ) （2） 其中，LEVi ?t 和 LEVi ,t 分別表示公司 i 在第 t 年的目標資本結構和實際資本結構。δ i ,t 為 , 資本結構調整系數（調整速度） ，表示公司 i 在第 t 年度的資本結構向其最優(yōu)水平調整的快 慢，并間接反映了調整成本的大小。若 δ i ,t =0，則表明調整成本大于調整的收益，公司不 會去做任何調整，其在第 t 年的資本結構仍然保持在前一年的水平上；若 δ i ,t =l，則表明 公司可以在一個期間內完成全部調整，即不存在調整成本，那么公司在第 t 年的資本結構 剛好處在最優(yōu)水平上；如果 0＜ δ i ,t ＜1，則說明在存在調整成本的情況下，公司只進行了 部分調整。 本文重點是考察調整速度 δ i ,t 的影響因素。遵照 Drobetz，Pensa 和 Wanzenried（2007） 的做法，令 δ i ,t 為其影響因素的一個線性函數，即：

δ i ,t = β 0 + β1 Z i ,t

（3）

其中， Z i ,t 表示研究假設中影響資本結構調整速度的變量， β 0 為常量， β1 為影響因素 ，并稍加變換，就得到了本文的資本 Z i ,t 的系數。將等式（3）和等式（1）代入等式（2） 結構動態(tài)調整速度模型，如等式（4）所示。
LEVi ,t = (1 ? β 0 ) LEVi ,t ?1 ? β1 Z i ,t LEVi ,t ?1 + β 0 ∑ α j X j ,i ,t ?1 + β1 ∑ α j Z i ,t X j ,i ,t ?1 + dt + ηi + ε i ,t （4）
j =1 j =1 L L

其中的 ε i ,t 為統(tǒng)計誤差， dt 和 ηi 分別為添加的時間固定效應和公司特征固定效應。一
99

般的，公司特征固定效應反映影響公司目標資本結構的不可觀測因素，它因公司不同而不 同，但對同一公司而言，不隨時間變化而變化；時間固定效應剛好相反，它因時間變化而 變化，但在同一年度對所有公司都相同。模型（4）中的 β1 是交互變量 Z i ,t LEVi ,t ?1 （公司 i 第 t-1 年度的資本結構 LEVi ,t ?1 與第 t 年度的調整速度決定因素 Z i ,t ）的系數，為本文討論的 重點。 可見，影響目標資本結構的因素和資本結構調整速度的因素同在模型（4）中，即“目 標資本結構”變量被“內化”在模型（4）之中。這與許多當前的相關研究不同，當前的 研究大多是采用“兩步”的調整模型，第一步是單獨擬合目標資本結構，第二步是在調整 模型中直接代入擬合值。這種“兩步”的方法不僅會因為“目標資本結構”的擬合度不高 而引起調整速度的較大偏差，而且沒有考慮資本結構決定因素與調整因素的相互作用。本 文的模型（4）是直接“一步”得到資本結構調整速度，某些不可觀測因素的影響可以通 過時間固定效應和公司固定效應吸收。 （二）估計方法 模型（4）中含有某些滯后解釋變量（ LEVi ,t ?1 等，t-1 期） ，并添加了公司特征的固定 效應 ηi ， LEVi ,t ?1 與 ηi 有可能是序列相關的，所以不能簡單地應用 OLS 估計。因此本文對 模型（4）時采用了一階差分轉換， 以消除模型中不可觀測的公司特征變量與回歸元之 間的相關性，如等式（5）所示。經過一階差分轉換后，若模型（4）的殘差中不存在二階 序列相關，則可以認為系數估計具有一致性（Arellano 和 Bond，1991） 。
ΔLEVi ,t = (1 ? β 0 )ΔLEVi ,t ?1 ? β1 Z i ,t ΔLEVi ,t ?1 + ∑ ( β 0 + β1 Z i ,t )α j ΔX j ,i ,t ?1 + Δdt + Δε i ,t （5）
j =1 L
①

為了解決目標資本結構以及資本結構調整速度的內生性問題，本文將采取廣義矩 （Generalized Method of Moments，GMM）的方法來估計模型（5） 。GMM 是一個穩(wěn)健估計 量，在經濟計量學的很多領域得到了廣泛應用，因為它不要求擾動項的準確分布信息，允 許隨機誤差項存在異方差和序列相關，并且所得到的參數估計量要比其他參數估計方法更 合乎實際（張衛(wèi)東，2007） 。GMM 應用于多元線性回歸模型需要工具變量（Instrumental Variables，IV） ，本文利用 Drobetz、Pensa 和 Wanzenried（2007）的做法，把等式（4）右 邊所有變量本身的二階滯后變量（ Vt ? 2 ，t-2 期）作為工具變量，并利用薩根（Sargan）檢 驗這些工具變量與殘差之間的獨立性。

四、實證分析
（一）變量設計 在動態(tài)調整模型（4）中，包含了目標資本結構決定模型（1）和資本結構調整速度決 定模型（3） 。因此，可以把模型（4）的各變量分為三類：一是資本結構的代理變量，二 是目標負債率的擬合變量，三是資本結構調整速度的影響變量。 本文擬采用企業(yè)的資產負債率來反映資本結構變量，其中資產負債率有賬面資產負債 率（LEV_B）和市場資產負債率（LEV_M）之分，它們的計算公式如式（6）和式（7）

①

本文直接進行自相關系數 ρ＝1 的一階差分轉換，即認為誤差項之間完全正相關，消除了截距項，也就 消除了不可觀測因素的影響。

100

所示。其中 LD 和 SD 分別為長期債務與短期債務，TA 為賬面總資產。由于中國上市公司 在 2005 年前都存在著流通股與非流通股的情形，需要分別計算流通股與非流通股的價值， 即非流通股的價值按賬面價值（LSV）計算，流通股的價值按市場價值（NLSV）計算。 LEV _ B i ,t = ( LDi ,t + SD i ,t ) TA i ,t （6）

LEV _ M

i ,t

= ( LDi ,t + SD i ,t ) (TAi ,t ? LSV i ,t + NLSV i ,t )

（7）

綜合 Chen（2004）、肖作平（2004）和 Huang（2006）等學者對影響我國企業(yè)資本結 構的企業(yè)特征因素的研究，本文選取了企業(yè)的規(guī)模（SIZE） 、有形性（TANG） 、成長性 （GROW） 、盈利能力（ROA） 、非債務稅盾（NDTS） 、現金償債能力（CASH）和股權集 中度 SCD） （ 代表企業(yè)特征變量。 其中， SIZE 用企業(yè)主營業(yè)務收入的自然對數表示， TANG 用固定資產除以總資產來表示，GROW 用托賓 Q 值表示，ROA 等于息稅前利潤除以總資 產，NDTS 等于折舊除以總資產，CASH 用經營現金流量除以流動負債來替代，而 SCD 就 是企業(yè)前 5 大股東的持股比例之和。 在前文研究假設中提到了 5 個影響資本結構調整速度的變量： 1）偏離最優(yōu)資本結構 （ 的程度（DIST） 。定義 DIST = LEVit? ? LEVit ，其中 LEVit? 為公司在 t 年度的最優(yōu)負債率， （ 。公司規(guī)模不僅決 用目標資本結構決定模型（1）的擬合值來表示。 2）公司規(guī)模（SIZE） 定著公司的目標資本結構，同時也影響著資本結構的調整速度，用公司主營業(yè)務收入的自 然對數表示。 3）成長性（GROW） （ 。成長性也是同時影響公司目標資本結構和資本結構 調整速度的變量，用托賓 Q 值來表示。 4）公司聲譽（AGE） （ 。公司聲譽反映了公司的信 用水平，上市時間較早的公司一般因其實力雄厚而有著一個較高的名聲（本文剔除了 ST 和 PT 公司） ，因而本文選用公司的上市年齡來度量公司聲譽。 5）融資約束（Financial （ 。本文所指的融資約束是公司的負債融資約束，即公司有可行的投資機會， Constrain，FC） 但由于償債能力較差而不能申請到銀行借款。采用 Drobetz，Pensa 和 Wanzenried（2007） 的做法，本文認定一個公司是否存在負債融資約束，是看該公司是否同時符合以下兩個條 件：其一，該公司的托賓 Q 值大于 1，表明該公司確有可行的投資機會；其二，該公司的 流動比率（流動資產/流動負債）連續(xù)兩年小于 2，這是國際和國內通常用來企業(yè)償債能力 的一個權威標準值。① 依此標準，本文的樣本中有 574 家公司的 2277 個非財務約束的觀 測數據，以及 738 家公司的 4769 個財務約束的觀測數據。本文定義融資約束為虛擬變量， 當公司存在融資約束時等于 1，否則等于 0。 （二）樣本與數據 英美等西方國家的資本市場發(fā)育較早，國外學者的相關研究大多考察了 20～30 年的 ② 數據。 考慮中國資本市場的實際情況，并考慮樣本數據的橫截面（公司數量）和時間序
①

關于融資約束的第二個條件， 不同學者有不同的看法。 Korajczyk 和 Levy （2003） 用的是利潤分配標準， 有著財務約束的公司在當年一般不進行利潤分配。因企業(yè)是否有負債融資約束與企業(yè)的經營凈現金流 有很大關系，筆者曾試圖利用企業(yè)當年的經營凈現金流與總負債的比率是否小于當年的中長期貸款利 率（3-5 年）來區(qū)分公司有否財務約束，但這種方式使得 92%的樣本都不屬于財務約束，似乎與中國上 市公司的實際不符。

②

比如 Drobetz，Pensa 和 Wanzenried（2007）的研究時段是 1982-2002 年；Flannery 和 Rangan（2006） 的研究時段是 1965-2001 年；Cook 和 Tang（2008）的研究時段是 1976-2005 等等。但 Han L??f（2004） 的研究時段也只有 8 年左右（瑞典 1991-1998；英國 1990-1996；美國 1989-1996）。 101

列（公司年度）上的均衡性，本文研究的數據區(qū)間是 1997～2006 年，但選用的樣本公司 必須在 2000 年以前已經上市。之所以這樣規(guī)定，就是既要讓更多的公司能選作樣本，也 要保證樣本公司至少有 5 年的資本結構數據，即 1997～2002 年的公司樣本數是逐步增加 的，但 2002 年以后樣本公司數保持不變。 遵照大多數學者的做法，在樣本中剔除了金融類上市公司，ST 和 PT 公司，同時剔除 了由于各種原因未能上市交易的公司/年度數據。這樣，本文獲取了 996 家公司的自 1997 年到 2006 年的共 8175 組非平衡公司/年度數據，樣本公司的行業(yè)和年度分布如表 1 所示。 本文所用到的公司特征數據來源于中國經濟研究中心（CCER）數據庫，但很多“合成” 數據是筆者通過 Excel 計算完成的，比如公司財務約束的限定、偏離目標資本結構的程度 等等。公司特征變量的描述性統(tǒng)計如表 2 所示。 表1
年度/行業(yè) 農林牧漁業(yè)（A） 采掘業(yè)（B） 食品飲料（C0） 紡織服裝（C1） 木材家具（C2） 造紙印刷（C3） 石化塑膠（C4） 電子（C5） 金屬非金屬（C6） 機械設備（C7） 醫(yī)藥生物（C8） 其他制造業(yè)（C9） 電力煤氣（D） 建筑業(yè)（E） 交通倉儲（F） 信息技術業(yè)（G） 批發(fā)零售（H） 房地產（J） 社會服務業(yè)（K） 傳播文化（L） 綜合類（M） 年度合計 1997 3 0 13 11 0 3 22 9 22 52 14 3 13 3 6 14 41 23 8 5 43 308

樣本公司的行業(yè)和年度分布
1999 14 3 33 25 1 11 81 22 60 111 33 7 27 10 20 34 85 30 27 8 73 715 2000 18 6 42 32 1 16 92 24 71 125 37 6 30 11 25 36 85 26 28 8 73 792 2001 19 9 50 38 1 17 102 25 84 133 40 11 32 13 30 38 85 28 31 9 74 869 2002～2006 25×5 12×5 56×5 49×5 2×5 19×5 117×5 30×5 94×5 151×5 52×5 14×5 39×5 16×5 38×5 43×5 90×5 28×5 37×5 9×5 75×5 996×5 行業(yè)合計 188 80 438 369 14 146 935 245 748 1254 407 101 317 122 284 360 812 276 297 81 701 8175

1998 9 2 20 18 1 4 53 15 41 78 23 4 20 5 13 23 66 29 18 6 63 511

102

表2
SIZE 平均值 中位值 最大值 最小值 標準差 20.259 20.198 27.407 11.660 115.626 TANG 0.355 0.330 0.948 0.001 17.668 GROW 3.927 3.042

公司特征變量的描述性統(tǒng)計
ROA 0.025 0.029 0.374 -0.697 6.182 NDTS 0.140 0.107 0.894 0.001 11.756 CASH 1.812 1.342 57.989 0.001 180.693 SCD 0.018 0.011 0.184 0.000 1.767 AGE 12.21 12 16 7 10.63 FC 0.583 1 1 0 0.493

173.571 0.020 380.382

（三）實證結論及分析 本文利用 Stata10.0 軟件進行數據處理。雖然本文已經把目標資本結構的決定“內化” 在調整模型（4）和（5）中，但這個“內化”前提是公司特征變量能夠合適地擬合出目標 資本結構，因此本文首先檢驗和討論目標資本結構等式（1）的擬合程度。在模型（1）中 添加以 1997 年為基礎截距的時間虛擬變量 Year 來進行固定效應的 OLS 回歸， 得到的回歸 方程如等式（8）所示，表 3 是其回歸結果。
LEVi ?t = α 0 + ∑ α j X j ,i ,t ?1 + ,
j =1 L
2006

k =1998

∑

β k Year + ε i ,t

（8）

表3
變 量 VIF 1.052 1.019 1.338 1.181 1.456 1.108 1.102
2

目標資本結構方程的固定效應回歸結果
LEV_B LEV_M 回歸系數 0.001* -0.005*** -0.319*** 0.018*** 0.049* -0.014* -0.493 t 統(tǒng)計量 1.682 -5.403 -3.432 2.549 1.719 -7.732 -0.875 126.853*** 0.248（0.222） 13.428（0.000） 2.006 顯著性概率 0.098 0.000 0.001 0.009 0.072 0.000 0.381 0.000 0.620 0.000 0.003 0.077 0.000 0.000

回歸系數 0.001*** -0.001 -0.203*** 0.007*** 0.020* -0.012*** 0.772***

t 統(tǒng)計量 顯著性概率 6.949 -0.496 -6.548 2.988 1.883 -7.816 4.119 114.238***

ROA GROW NDTS SIZE TANG CASH SCD
2

Hausman test R （Adj.R ） F（Prob.） D.W.

0.261（0.236） 15.771（0.000） 1.956

注：***、**和*分別表示在 1%、5%和 10%置信水平上有效，下同。

從表 3 的檢驗統(tǒng)計量可以看出： 1）Hausman 檢驗拒絕固定效應模型與隨機效應模型 （ 等效的零假設，因而本文選用的固定效應模型是正確的。 2）各個解釋變量的方差膨脹因 （ 子（variance inflation factors，VIF）都小于 1.5，遠遠小于其標準值 10，可以認為解釋變量 之間不存在多重共線性；Durbin-Watson 值都在 2 附近，顯示解釋變量也不存在自相關。 （3）模型的決定系數（R2）及其修正決定系數（Adj.R2）在 0.25 左右，表明模型的擬合優(yōu) 度不是很高，但 F 統(tǒng)計量及其相伴概率（P=0.000）表明模型是顯著有效的，所以模型的 擬合度在整體上是合理的。
103

對一階差分轉換后的資本結構調整模型（5）進行 GMM 估計，估計結果如表 4 所示。 表 4 同時給出了關于模型的一些檢驗結果： 其一， Wald 測試是無相關零假設下目標資本結 構決定系數的聯合顯著性檢驗，測試結果顯示拒絕所有解釋變量系數同時等于零的原假設 （Wald 檢驗在 1%水平上顯著） ，也即模型（5）中目標資本結構的擬合是有效的。其二， Z2 測試是對模型（5）殘差無系列相關的檢驗，也即模型（4）殘差的無二階相關，結果顯 示對以賬面價值計算的資產負債率（ΔLEV_B）在 5%水平上顯著，對以市場價值計算的資 產負債率（ΔLEV_M）在 10%水平上顯著，由此判斷模型（5）的系數估計具有一致性。 其三，Sargan 測試是工具變量正確性零假設下漸進分布過度識別約束檢驗，結果顯示在模 型（5）GMM 估計中所使用的工具變量是有效的。 表4
變 量 估計系數 ΔLEVi，t-1 DIST i，t ×ΔLEVi，t-1 GROW i，t ×ΔLEVi，t-1 SIZE i，t ×ΔLEVi，t-1 AGE i，t ×ΔLEVi，t-1 FC i，t ×ΔLEVi，t-1 Wald test Z2 test Sargan test 0.326*** -0.439*** 0.001 -0.006** 0.0012 0.003***

資本結構調整速度的 GMM 估計結果
ΔLEV_B 標準差 0.008 0.006 0.001 0.006 0.001 0.021 1291.65*** 0.402** 592.06*** 顯著性概率 0.000 0.001 0.115 0.046 0.342 0.001 估計系數 0.349 *** -0.281*** -0.003*** -0.024*** -0.005 0.003*** ΔLEV_M 標準差 0.009 0.005 0.001 0.004 0.001 0.032 830.06*** 0.165* 298.35*** 顯著性概率 0.000 0.001 0.005 0.010 0.322 0.001

根據前文的分析，模型（5）右邊的第二項 β1 Z i ,t ΔLEVi ,t ?1 的系數 β1 直接反映了各變量 對資本結構調整速度的影響。需要說明的是，在模型（3）中系數 β1 是正值，表明解釋變 量對調整速度有正的影響；但 β1 在模型（4）和（5）中是負值，這是由于模型（3）代入 模型（2）造成的，并不影響其經濟意義，即模型（4）和（5）中的 β1 為負值表明了解釋 變量對調整速度有正向影響。 從表 4 中各解釋變量的估計結果可以看出： 第一，偏離目標資本結構的程度（DIST）與資本結構調整速度顯著正相關，無論是對 賬面資產負債率（ΔLEV_B）還是對市場資產負債率（ΔLEV_M）都是如此。這個結果說 明了本文的假設 H1 不成立。當公司目前的資本結構與最優(yōu)資本結構有較大的偏差時，公 司有強烈地調整資本結構的愿望，因為此時公司維持其實際資本結構的成本比改變其資本 結構的成本要高。中國資本市場的制度性融資成本沒有想象的那么高，使得公司能借助調 整速度較快的外部融資來實現資本結構調整。 第二，對賬面資產負債率（ΔLEV_B）而言，公司成長性（GROW）與資本結構調整 速度負相關但不顯著；但對市場資產負債率（ΔLEV_M）而言，公司成長性（GROW）與 資本結構調整速度顯著正相關。這個結果基本上驗證了本文的假設 H2。說明了成長性高 的公司有強烈的融資需求，可以通過新增融資（流量調整）的方式來靈活地調整其資本結
104

構。雖然成長性高的公司大多是“年輕”的公司，但它們有很好的未來預期，能夠通過各 種渠道來成功募集資金。 ΔLEV_M 顯著正相關而對 ΔLEV_B 關系不顯著也說明了這一點。 對 第三，無論是對賬面資產負債率（ΔLEV_B）還是對市場資產負債率（ΔLEV_M）， 公司規(guī)模（SIZE）都與資本結構調整速度顯著正相關，驗證了本文的假設 H3。說明了規(guī) 模較大的公司分擔的固定調整成本較��；同時，大公司的信息不對稱程度低，制度性調整 成本也較小。雖然規(guī)模大的公司調整其資本結構需要更多的資金，但大公司同樣有籌集大 額資金的優(yōu)勢。 第四，無論是對賬面資產負債率（ΔLEV_B）還是市場資產負債率（ΔLEV_M），公 司聲譽（AGE）與資本結構調整速度不存在顯著的關系，不能證明本文的假設 H4。也許 是由于本文用“上市年齡”作為公司聲譽的代理變量并不恰當的緣故。 第五，無論是對賬面資產負債率（ΔLEV_B）還是對市場資產負債率（ΔLEV_M）， 負債融資約束（FC）都與資本結構調整速度顯著負相關，驗證了本文的假設 H5。非財務 約束公司理應有著比財務約束公司更多的融資選擇機會，因為它可以利用融資速度較快、 融資結構彈性較好的負債融資方式，Hovakimian（2004）就認為債務增減是資本結構動態(tài) 調整的最常見和最有效的方式之一。

五、結

語

本文以中國 1997～2006 年非金融上市公司的非平衡面板數據為樣本，構建了一個包 含目標資本結構的決定因素和資本結構調整速度影響因素和在內的資本結構動態(tài)調整模 型，采用一階差分后的 GMM 估計方法，實證分析了中國上市公司資本結構調整速度的影 響因素。實證結果發(fā)現：無論是對賬面資產負債率還是對市場資產負債率，偏離目標資本 結構的程度與資本結構調整速度顯著正相關；對賬面資產負債率而言，公司成長性與資本 結構調整速度負相關但不顯著，但對市場資產負債率而言，公司成長性與資本結構調整速 度顯著正相關；無論是對賬面資產負債率還是市場資產負債率，公司規(guī)模都與資本結構調 整速度顯著正相關；沒有發(fā)現公司聲譽與資本結構調整速度存在顯著關系。 本文的研究結果對于企業(yè)尋找其目標資本結構以及如何把實際資本結構調整到其目 標狀態(tài)有一定的指導價值。中國很多上市公司還未能把目標資本結構作為一種經營理念貫 徹于企業(yè)經營的始終，普遍存在著股權融資偏好，沒有充分發(fā)揮和利用資金的約束機制， 導致了資本市場資金配置效率的低下。動態(tài)資本結構理論要求公司的目標資本結構必須隨 著其經營環(huán)境及外部因素的變化適時進行調整，并與企業(yè)發(fā)展戰(zhàn)略相協調。公司在把其實 際資本結構調向目標水平時需要綜合調整收益與調整成本，并最好利用流量調整的方式， 利用內部留存和短期債務等較為靈活的調整路徑，構建資本結構動態(tài)優(yōu)化機制，不斷提高 公司的融資效率和內在價值。 參考文獻：
1. 連玉君、鐘經樊： 《中國上市公司資本結構動態(tài)調整機制研究》[J]， 《南方經濟》2007 年第 1 期。 2. 屈耀輝：中國上市公司資本結構的調整速度及其影響因素——基于不平行面板數據的經驗分析[J]，會 《 《 計研究》2006 年第 6 期。 3. 肖作平： 《資本結構影響因素和雙向效應動態(tài)模型——來自中國上市公司面板數據的證據[J]， 《會計研 105

究》2004 年第 2 期。 4. 張衛(wèi)東： 《線性模型中的 GMM 距離檢驗及其與 LR、LM 和 Wald 檢驗的關系[J]， 《數量經濟技術經濟 研究》2007 年第 9 期。 5. Arellano, M., and S. R. Bond, 1991, “Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations” [J], Review of Economic Studies, 58, 277–297. 6. Chen, J. J., 2004, “Determinants of Capital Structure of Chinese-listed Companies” [J], Journal of Business Research, 57, 1341–1351. 7. Cook, D. O., and T. Tang, 2008, “Macroeconomic Conditions and Capital Structure Adjustment Speed” [J], SSRN Working Paper 1101664. 8. Drobetz, W., P. Pensa, and G. Wanzenried, 2007, “Firm Characteristics, Economic Conditions and Capital Structure Adjustments” [J], SSRN Working Paper 924179. 9. Drobetz, W., and G. Wanzenried, 2006, “What Determines the Speed of Adjustment to the Target Capital Structure? ” [J] Applied Financial Economics, 16, 941–958. 10. Fischer, E., R. Heinkel, and J. Zechner, 1989, “Dynamic Capital Structure Choice: Theory and Tests” [J], Journal of Finance, 44, 19–40. 11. Flannery, M. J., and K. P. Rangan, 2006, “Partial Adjustment Toward Target Capital Structures” [J], Journal of Financial Economics, 79, 469–506. 12. Frank, M. Z., and V. K. Goyal, 2004, “The Effect of Market Conditions on Capital Structure Adjustment” [J], Finance Research Letters, 1, 47–55. 13. Haas. R., and M. Peeters, 2006, “The Dynamic Adjustment Towards Target Capital Structures of Firms in Transition Economies” [J], The Economics of Transition, 14, 133–169. 14. Hackbarth, D., J. Miao, and E. Morellec, 2006, “Capital Structure, Credit Risk, and Macroeconomic Conditions” [J], Journal of Financial Economics, 82, 519–550. 15. Hans L??f, 2004, “Dynamic Optimal Capital Structure and Technical Change” [J], Structural Change and Economic Dynamics, 15, 449–468. 16. Heshmati, A., 2001, “The Dynamics of Capital Structure: Evidence from Swedish Micro and Small Firms” [J], Research in Banking and Finance, 2, 199–241. 17. Hovakimian, A., 2004, “The Role of Target Leverage in Security Issues and Repurchases” [J], Journal of Business, 77, 1041–1071. 18. Huang, G., and F. Song, 2006, “The Determinants of Capital Structure: Evidence from China” [J], China Economic Review, 17, 14–36. 19. Korajczyk, R. A., and A. Levy, 2003, “Capital Structure Choice: Macroeconomic Conditions and Financial Constraints” [J], Journal of Financial Economics, 68, 75–109. 20. Marsh, P., 1982, “The Choice between Equity and Debt: An Empirical Study [J], Journal of Finance, 37, 121–144.

（H）

106



  本文關鍵詞：企業(yè)資本結構調整速度影響因素的實證研究，由筆耕文化傳播整理發(fā)布。