企业资本结构调整速度影响因素的实证研究

  本文关键词：企业资本结构调整速度影响因素的实证研究，由笔耕文化传播整理发布。

当前位置：首页 >> 经济学 >> 企业资本结构调整速度影响因素的实证研究

经济科学·2010 年第 3 期

企业资本结构调整速度影响因素的 实证研究?
黄 辉 重庆 400067）

（重庆工商大学会计学院

摘 要： 本文以中国 1997-2006 年非金融上市公司的非平衡面板数据为样本， 构建“内化”了目标资本结构的动态调整模型，采用一阶差分后的广义距估计方 法，实证分析了中国

上市公司资本结构调整速度的影响因素。实证结果发现：对 市场资产负债率而言，偏离目标资本结构的程度、公司成长性、公司规模与资本 结构调整速度显著正相关；对账面资产负债率而言，公司成长性与资本结构调整 速度负相关但不显著；融资约束与资本结构调整速度显著负相关；公司声誉对资 本结构调整速度没有显著影响。 关键词：动态资本结构 调整速度 影响因素 广义距估计

一、引

言

目前研究企业资本结构影响因素的实证文献已是汗牛充栋，大多数学者在研究中都把 企业的实际资本结构作为被解释变量，把企业资产的规模性、盈利性、流动性等企业特征 因素作为解释变量。然而，正如 Marsh（1982）指出的，企业特征等因素决定的是企业最 优的资产负债率而不是企业实际可观测的资产负债率；Heshmati（2001）进一步争论说， 资本结构理论也并不是用来解释实际可观测的资本结构之间的差异，而是来解释不同公司 间的最优资本结构，也称为目标资本结构①之间的差异。这样，企业资本结构的研究内容 就演化到两个方面：第一，目标资本结构选择及其影响因素问题；第二，在企业实际的资 本结构不是其目标的情况下，企业如何根据各种内外环境因素来调整其实际资本结构达到 最优状态，即企业资本结构调整及其影响因素问题。 研究企业资本结构调整速度的影响因素，首先需要度量调整速度；而度量调整速度则 需要拟合目标资本结构，即需要研究目标资本结构的影响因素。因而目标资本结构的影响
?

本文得到了教育部人文社科项目（09XJC630015） 、重庆市自然科学基金项目（CSTC 2009BB6371）的 资助。作者感谢华中科技大学管理学院龚朴教授和张兆国教授对本文的指导和帮助，文责自负。 根据屈耀辉（2006）的说法， “目标资本结构”与“最优资本结构”是同一个含义。之所以选用“目标 资本结构”而非“最优资本结构”来表述，原因是前者给人以“可连续变化”而后者给人以“固定且 唯一”的感觉。显然，前者更准确地表述了公司的最优资本结构因公司内外环境的变化而变化，并且 反映了公司在不断地调整其实际资本结构以达到其目标水平的动态过程。

①

96

因素与资本结构调整速度的影响因素有一定的联系，这两方面的研究是相互补充和相互促 进的，前者是后者的前提和基础，后者是前者的检验和证明。但企业的目标资本结构影响 因素与其资本结构调整速度影响因素是不同的，企业的目标资本结构会主要随着企业特征 等因素的变化而变化，而向目标资本结构调整的速度则更多地受到了调整成本的影响。好 比是一群大象在寻找水源，象群的行动（目标资本结构）受到气候等环境的影响，而走散 的大象为追上象群的行动（调整速度）不仅与象群的行动有关，还与其走散的距离远近、 路径难易等偏离目标的环境等有关。 随着计量经济学在动态面板数据方面的不断发展，研究资本结构影响因素的实证方法 已由静态走向动态。企业的目标资本结构会随着企业特征因素的变化而变化，资本结构的 调整速度也应该是一个动态变量。与某些学者采取静态的或者拟合的目标资本结构不同， 本文拟构建一个“内化”目标企业资本结构的动态调整模型来研究资本结构调整速度的影 响因素。本文后续部分的结构如下：第二部分是理论分析与研究假设；第三部分是研究模 型和方法；第四部分是实证分析；最后一部分是结语。

二、理论分析与研究假设
公司向目标资本结构调整的速度，主要取决于调整成本的大小。调整成本主要包括固 定成本和制度成本。前者主要指进行调整所需的会计费用、律师费用、资产评估费用等成 本；后者则视公司的经营绩效和资本市场的发展状况而定。对于不同的公司而言，资本结 构调整的固定成本在绝对数量上差别不大，而其相对大小则会因公司规模、盈利能力的差 异而有所区别。资本结构调整的制度成本主要归因于资本市场不完善或公司治理效率低下 等因素，这会导致公司无法及时获得融资资金或者融资环节过于复杂，从而使融资的机会 成本加大。结合 Haas 和 Peeters（2006）、Drobetz 和 Wanzenried（2006） 、连玉君和钟经 樊 （2007） 等学者的研究， 本章选取的企业资本结构调整速度的影响因素主要包括以下几种。 （一）偏离最优资本结构的程度 在资本市场较为完善的情况下，调整成本中的固定成本占主要比重，那么公司只有当 其实际资本结构与其最优资本结构有足够大的偏差时，才会调整其资本结构。若定义变量 DIST 为公司当前财务杠杆与目标财务杠杆的差距， 则资本结构的调整速度应当和 DIST 正 相关。然而，中国的资本市场还很不完善，制度成本在中国上市公司资本结构调整成本中 占了很大的比重，资本结构的调整速度有可能与 DIST 是负相关关系。这是因为，当公司 的 DIST 不大时，公司完全可以利用内源融资实现调整，由于内源融资具有便利灵活和较 低成本的特性，调整速度也许较快；但当公司的 DIST 较大时，公司就必须借助外部资本 市场融资来实现调整，这样，资本市场的完善程度就决定了调整成本的大小和调整周期的 长短。考虑到中国目前资本市场的发展状况，本文认为对中国上市公司而言，DIST 越大， 公司受到资本市场的限制越多，公司资本结构的调整速度应与公司的 DIST 负相关。于是 本文提出假设 1： H1：公司资本结构的调整速度与公司的 DIST 负相关。 （二）公司成长性 资本结构的调整可以分为存量调整和流量调整，显然流量调整具有较大的调整空间， 尤其适用于成长型和收缩型的企业。对于高成长性的公司来说，其投资机会较多，对资金 的需求更强烈， 通常进行流量调整， 通过改变其新的融资来源来实现资本结构的快速调整。
97

同时，高成长性的公司大多是“年轻”的企业，其经营净现金流不多，投资净现金流经常 为负值，内源融资受到限制，强烈需要调整速度较快的外源融资。而对于非成长性的公司 而言，一般是存量调整，只能通过发行新股来偿还银行贷款或进行相反的操作①来进行资 本结构调整。在信息不对称的情况下，无论是债务转换为权益还是相反都会给市场传递负 面信号，从而降低公司的市场价值，所以很多非成长性的公司也不愿意做这种“捡芝麻丢 西瓜”的事情。因此，本文预期资本结构调整速度和公司的成长性正相关。于是本文提出 假设 2： H2：公司资本结构的调整速度与公司的成长性正相关。 （三）公司规模 规模较大的公司调整其资本结构的速度也许要大于规模较小的公司。一方面，如果资 本结构调整成本中含有较大的固定性成本，这些固定性成本对小公司而言也许是很大的， 但对大企业而言却相对较小，，所以大公司将可以利用较小的调整成本来实现调整。另一方 面，如果资本结构调整成本中含有较大的制度性成本，由于大公司的信息披露比较及时规 范，其信息不对称的程度较低，可以更好地利用资本市场融资，并有着较低的外源融资成 本。这样，规模较大的公司应该有着较快的资本结构调整速度。于是本文提出假设 3： H3：公司资本结构的调整速度与公司的规模正相关。 （四）公司声誉 一个公司的声誉好坏与一个公司的规模大小显然是不同的，尽管规模大的公司与声誉 好的公司有着一定的相关性。市场经济在某种程度上也是信用经济，声誉好的公司有着良 好的信用记录，总可以凭借其声誉获得较多的融资机会和较低的融资成本，比如较易取得 银行贷款和商业信用等等。同时，声誉好的公司为了维护其公司形象，也有着调整其资本 结构到最优状态的强烈愿望。于是本文提出假设 4： H4：公司资本结构的调整速度与公司的声誉正相关。 （五）融资约束 理论上，一个公司是否存在融资约束的判别标准是：公司有可行的投资机会但公司内 部没有足够的现金流，若从资本市场融资要承担较高的代理成本（Korajczyk 和 Levy， 2003）。可见所谓的融资约束主要是针对外源融资而言，虽然外源融资包括股权融资和债 务融资两个方面，但大多数公司主要是利用负债融资方式来进行资本结构调整，尤其是利 用银行借款方式（Frank 和 Goyal，2004；Hackbarth，2006）。因而对于未有负债融资约 束并且实际负债率低于最优负债率的公司，理应能够通过负债融资方式较快地实现其资本 结构调整。于是本文提出假设 5： H5： 未有负债融资约束并且实际负债率低于最优负债率的公司有着较快的资本结构调 整速度。

①

实际上，存量调整的一个最好方式是“可转换债券” ，但中国对发行可转换债券要求很高，发行可转债 的公司很少且融资金额不大，比如 2002 年共有 5 家企业发行可转债，融资总额才 41.5 亿元；另一个重 要问题是，企业发行可转债的目的并不一定是用来调整资本结构。

98

三、研究模型与估计方法
（一）研究模型 研究资本结构的调整速度，一个首要的问题就是公司目标资本结构的确定。有的学者 把行业的均值负债率或者公司过去几年的均值负债率作为公司的目标负债率，显然这种目 标负债率的确定方法要么没有考虑公司的个体特征，要么没有反映公司当前的和未来的信 息。虽然公司目标资本结构无法直接观测，但也有很多学者认为只要恰当地选择能够反映 权衡的正负面影响的变量，那么就可以近似地拟合出目标负债率，并证明了通过这种方式 来拟合最优资本结构对代理变量的选取有较强的稳健性 （Fischer、 Heinkel 和 Zechner， 1989； Hans，2004） 。本文参考 Flannery 和 Rangan（2006）的做法，把目标资本结构设定为线性 函数形式，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) 表示影响 i 公司在 t 年目标资本结构的 L 个企业特征因素，

α j 是第 j 个特征因素的系数。需要特别指出的是，本文遵从 Cook 和 Tang（2008） 、屈耀
辉（2006）等的做法，用 t-1 年的变量数据来描述 t 年的目标资本结构。这是因为本文的 公司特征变量数据来源于反映公司年末情况的资产负债表和利润表，有关 t-1 年的指标值 是由 t-1 年年末的数据计算而得的。另一个角度来讲，由于市场处理信息的弱效率和管理 决策的延迟，资本结构调整行为本身就具有滞后性。 大多数文献采用分布滞后模型中的“部分调整模型”来描述公司资本结构的动态调整 过程，本文的部分调整方程如式（2）所示： LEVi ,t ? LEVi ,t ?1 = δ i ,t ( LEVi ,?t ? LEVi ,t ?1 ) （2） 其中，LEVi ?t 和 LEVi ,t 分别表示公司 i 在第 t 年的目标资本结构和实际资本结构。δ i ,t 为 , 资本结构调整系数（调整速度） ，表示公司 i 在第 t 年度的资本结构向其最优水平调整的快 慢，并间接反映了调整成本的大小。若 δ i ,t =0，则表明调整成本大于调整的收益，公司不 会去做任何调整，其在第 t 年的资本结构仍然保持在前一年的水平上；若 δ i ,t =l，则表明 公司可以在一个期间内完成全部调整，即不存在调整成本，那么公司在第 t 年的资本结构 刚好处在最优水平上；如果 0＜ δ i ,t ＜1，则说明在存在调整成本的情况下，公司只进行了 部分调整。 本文重点是考察调整速度 δ i ,t 的影响因素。遵照 Drobetz，Pensa 和 Wanzenried（2007） 的做法，令 δ i ,t 为其影响因素的一个线性函数，即：

δ i ,t = β 0 + β1 Z i ,t

（3）

其中， Z i ,t 表示研究假设中影响资本结构调整速度的变量， β 0 为常量， β1 为影响因素 ，并稍加变换，就得到了本文的资本 Z i ,t 的系数。将等式（3）和等式（1）代入等式（2） 结构动态调整速度模型，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 为统计误差， dt 和 ηi 分别为添加的时间固定效应和公司特征固定效应。一
99

般的，公司特征固定效应反映影响公司目标资本结构的不可观测因素，它因公司不同而不 同，但对同一公司而言，不随时间变化而变化；时间固定效应刚好相反，它因时间变化而 变化，但在同一年度对所有公司都相同。模型（4）中的 β1 是交互变量 Z i ,t LEVi ,t ?1 （公司 i 第 t-1 年度的资本结构 LEVi ,t ?1 与第 t 年度的调整速度决定因素 Z i ,t ）的系数，为本文讨论的 重点。 可见，影响目标资本结构的因素和资本结构调整速度的因素同在模型（4）中，即“目 标资本结构”变量被“内化”在模型（4）之中。这与许多当前的相关研究不同，当前的 研究大多是采用“两步”的调整模型，第一步是单独拟合目标资本结构，第二步是在调整 模型中直接代入拟合值。这种“两步”的方法不仅会因为“目标资本结构”的拟合度不高 而引起调整速度的较大偏差，而且没有考虑资本结构决定因素与调整因素的相互作用。本 文的模型（4）是直接“一步”得到资本结构调整速度，某些不可观测因素的影响可以通 过时间固定效应和公司固定效应吸收。 （二）估计方法 模型（4）中含有某些滞后解释变量（ LEVi ,t ?1 等，t-1 期） ，并添加了公司特征的固定 效应 ηi ， LEVi ,t ?1 与 ηi 有可能是序列相关的，所以不能简单地应用 OLS 估计。因此本文对 模型（4）时采用了一阶差分转换， 以消除模型中不可观测的公司特征变量与回归元之 间的相关性，如等式（5）所示。经过一阶差分转换后，若模型（4）的残差中不存在二阶 序列相关，则可以认为系数估计具有一致性（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

为了解决目标资本结构以及资本结构调整速度的内生性问题，本文将采取广义矩 （Generalized Method of Moments，GMM）的方法来估计模型（5） 。GMM 是一个稳健估计 量，在经济计量学的很多领域得到了广泛应用，因为它不要求扰动项的准确分布信息，允 许随机误差项存在异方差和序列相关，并且所得到的参数估计量要比其他参数估计方法更 合乎实际（张卫东，2007） 。GMM 应用于多元线性回归模型需要工具变量（Instrumental Variables，IV） ，本文利用 Drobetz、Pensa 和 Wanzenried（2007）的做法，把等式（4）右 边所有变量本身的二阶滞后变量（ Vt ? 2 ，t-2 期）作为工具变量，并利用萨根（Sargan）检 验这些工具变量与残差之间的独立性。

四、实证分析
（一）变量设计 在动态调整模型（4）中，包含了目标资本结构决定模型（1）和资本结构调整速度决 定模型（3） 。因此，可以把模型（4）的各变量分为三类：一是资本结构的代理变量，二 是目标负债率的拟合变量，三是资本结构调整速度的影响变量。 本文拟采用企业的资产负债率来反映资本结构变量，其中资产负债率有账面资产负债 率（LEV_B）和市场资产负债率（LEV_M）之分，它们的计算公式如式（6）和式（7）

①

本文直接进行自相关系数 ρ＝1 的一阶差分转换，即认为误差项之间完全正相关，消除了截距项，也就 消除了不可观测因素的影响。

100

所示。其中 LD 和 SD 分别为长期债务与短期债务，TA 为账面总资产。由于中国上市公司 在 2005 年前都存在着流通股与非流通股的情形，需要分别计算流通股与非流通股的价值， 即非流通股的价值按账面价值（LSV）计算，流通股的价值按市场价值（NLSV）计算。 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）

综合 Chen（2004）、肖作平（2004）和 Huang（2006）等学者对影响我国企业资本结 构的企业特征因素的研究，本文选取了企业的规模（SIZE） 、有形性（TANG） 、成长性 （GROW） 、盈利能力（ROA） 、非债务税盾（NDTS） 、现金偿债能力（CASH）和股权集 中度 SCD） （ 代表企业特征变量。 其中， SIZE 用企业主营业务收入的自然对数表示， TANG 用固定资产除以总资产来表示，GROW 用托宾 Q 值表示，ROA 等于息税前利润除以总资 产，NDTS 等于折旧除以总资产，CASH 用经营现金流量除以流动负债来替代，而 SCD 就 是企业前 5 大股东的持股比例之和。 在前文研究假设中提到了 5 个影响资本结构调整速度的变量： 1）偏离最优资本结构 （ 的程度（DIST） 。定义 DIST = LEVit? ? LEVit ，其中 LEVit? 为公司在 t 年度的最优负债率， （ 。公司规模不仅决 用目标资本结构决定模型（1）的拟合值来表示。 2）公司规模（SIZE） 定着公司的目标资本结构，同时也影响着资本结构的调整速度，用公司主营业务收入的自 然对数表示。 3）成长性（GROW） （ 。成长性也是同时影响公司目标资本结构和资本结构 调整速度的变量，用托宾 Q 值来表示。 4）公司声誉（AGE） （ 。公司声誉反映了公司的信 用水平，上市时间较早的公司一般因其实力雄厚而有着一个较高的名声（本文剔除了 ST 和 PT 公司） ，因而本文选用公司的上市年龄来度量公司声誉。 5）融资约束（Financial （ 。本文所指的融资约束是公司的负债融资约束，即公司有可行的投资机会， Constrain，FC） 但由于偿债能力较差而不能申请到银行借款。采用 Drobetz，Pensa 和 Wanzenried（2007） 的做法，本文认定一个公司是否存在负债融资约束，是看该公司是否同时符合以下两个条 件：其一，该公司的托宾 Q 值大于 1，表明该公司确有可行的投资机会；其二，该公司的 流动比率（流动资产/流动负债）连续两年小于 2，这是国际和国内通常用来企业偿债能力 的一个权威标准值。① 依此标准，本文的样本中有 574 家公司的 2277 个非财务约束的观 测数据，以及 738 家公司的 4769 个财务约束的观测数据。本文定义融资约束为虚拟变量， 当公司存在融资约束时等于 1，否则等于 0。 （二）样本与数据 英美等西方国家的资本市场发育较早，国外学者的相关研究大多考察了 20～30 年的 ② 数据。 考虑中国资本市场的实际情况，并考虑样本数据的横截面（公司数量）和时间序
①

关于融资约束的第二个条件， 不同学者有不同的看法。 Korajczyk 和 Levy （2003） 用的是利润分配标准， 有着财务约束的公司在当年一般不进行利润分配。因企业是否有负债融资约束与企业的经营净现金流 有很大关系，笔者曾试图利用企业当年的经营净现金流与总负债的比率是否小于当年的中长期贷款利 率（3-5 年）来区分公司有否财务约束，但这种方式使得 92%的样本都不属于财务约束，似乎与中国上 市公司的实际不符。

②

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

列（公司年度）上的均衡性，本文研究的数据区间是 1997～2006 年，但选用的样本公司 必须在 2000 年以前已经上市。之所以这样规定，就是既要让更多的公司能选作样本，也 要保证样本公司至少有 5 年的资本结构数据，即 1997～2002 年的公司样本数是逐步增加 的，但 2002 年以后样本公司数保持不变。 遵照大多数学者的做法，在样本中剔除了金融类上市公司，ST 和 PT 公司，同时剔除 了由于各种原因未能上市交易的公司/年度数据。这样，本文获取了 996 家公司的自 1997 年到 2006 年的共 8175 组非平衡公司/年度数据，样本公司的行业和年度分布如表 1 所示。 本文所用到的公司特征数据来源于中国经济研究中心（CCER）数据库，但很多“合成” 数据是笔者通过 Excel 计算完成的，比如公司财务约束的限定、偏离目标资本结构的程度 等等。公司特征变量的描述性统计如表 2 所示。 表1
年度/行业 农林牧渔业（A） 采掘业（B） 食品饮料（C0） 纺织服装（C1） 木材家具（C2） 造纸印刷（C3） 石化塑胶（C4） 电子（C5） 金属非金属（C6） 机械设备（C7） 医药生物（C8） 其他制造业（C9） 电力煤气（D） 建筑业（E） 交通仓储（F） 信息技术业（G） 批发零售（H） 房地产（J） 社会服务业（K） 传播文化（L） 综合类（M） 年度合计 1997 3 0 13 11 0 3 22 9 22 52 14 3 13 3 6 14 41 23 8 5 43 308

样本公司的行业和年度分布
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 行业合计 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 标准差 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

公司特征变量的描述性统计
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）实证结论及分析 本文利用 Stata10.0 软件进行数据处理。虽然本文已经把目标资本结构的决定“内化” 在调整模型（4）和（5）中，但这个“内化”前提是公司特征变量能够合适地拟合出目标 资本结构，因此本文首先检验和讨论目标资本结构等式（1）的拟合程度。在模型（1）中 添加以 1997 年为基础截距的时间虚拟变量 Year 来进行固定效应的 OLS 回归， 得到的回归 方程如等式（8）所示，表 3 是其回归结果。
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
变 量 VIF 1.052 1.019 1.338 1.181 1.456 1.108 1.102
2

目标资本结构方程的固定效应回归结果
LEV_B LEV_M 回归系数 0.001* -0.005*** -0.319*** 0.018*** 0.049* -0.014* -0.493 t 统计量 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 显著性概率 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

回归系数 0.001*** -0.001 -0.203*** 0.007*** 0.020* -0.012*** 0.772***

t 统计量 显著性概率 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*分别表示在 1%、5%和 10%置信水平上有效，下同。

从表 3 的检验统计量可以看出： 1）Hausman 检验拒绝固定效应模型与随机效应模型 （ 等效的零假设，因而本文选用的固定效应模型是正确的。 2）各个解释变量的方差膨胀因 （ 子（variance inflation factors，VIF）都小于 1.5，远远小于其标准值 10，可以认为解释变量 之间不存在多重共线性；Durbin-Watson 值都在 2 附近，显示解释变量也不存在自相关。 （3）模型的决定系数（R2）及其修正决定系数（Adj.R2）在 0.25 左右，表明模型的拟合优 度不是很高，但 F 统计量及其相伴概率（P=0.000）表明模型是显著有效的，所以模型的 拟合度在整体上是合理的。
103

对一阶差分转换后的资本结构调整模型（5）进行 GMM 估计，估计结果如表 4 所示。 表 4 同时给出了关于模型的一些检验结果： 其一， Wald 测试是无相关零假设下目标资本结 构决定系数的联合显著性检验，测试结果显示拒绝所有解释变量系数同时等于零的原假设 （Wald 检验在 1%水平上显著） ，也即模型（5）中目标资本结构的拟合是有效的。其二， Z2 测试是对模型（5）残差无系列相关的检验，也即模型（4）残差的无二阶相关，结果显 示对以账面价值计算的资产负债率（ΔLEV_B）在 5%水平上显著，对以市场价值计算的资 产负债率（ΔLEV_M）在 10%水平上显著，由此判断模型（5）的系数估计具有一致性。 其三，Sargan 测试是工具变量正确性零假设下渐进分布过度识别约束检验，结果显示在模 型（5）GMM 估计中所使用的工具变量是有效的。 表4
变 量 估计系数 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***

资本结构调整速度的 GMM 估计结果
ΔLEV_B 标准差 0.008 0.006 0.001 0.006 0.001 0.021 1291.65*** 0.402** 592.06*** 显著性概率 0.000 0.001 0.115 0.046 0.342 0.001 估计系数 0.349 *** -0.281*** -0.003*** -0.024*** -0.005 0.003*** ΔLEV_M 标准差 0.009 0.005 0.001 0.004 0.001 0.032 830.06*** 0.165* 298.35*** 显著性概率 0.000 0.001 0.005 0.010 0.322 0.001

根据前文的分析，模型（5）右边的第二项 β1 Z i ,t ΔLEVi ,t ?1 的系数 β1 直接反映了各变量 对资本结构调整速度的影响。需要说明的是，在模型（3）中系数 β1 是正值，表明解释变 量对调整速度有正的影响；但 β1 在模型（4）和（5）中是负值，这是由于模型（3）代入 模型（2）造成的，并不影响其经济意义，即模型（4）和（5）中的 β1 为负值表明了解释 变量对调整速度有正向影响。 从表 4 中各解释变量的估计结果可以看出： 第一，偏离目标资本结构的程度（DIST）与资本结构调整速度显著正相关，无论是对 账面资产负债率（ΔLEV_B）还是对市场资产负债率（ΔLEV_M）都是如此。这个结果说 明了本文的假设 H1 不成立。当公司目前的资本结构与最优资本结构有较大的偏差时，公 司有强烈地调整资本结构的愿望，因为此时公司维持其实际资本结构的成本比改变其资本 结构的成本要高。中国资本市场的制度性融资成本没有想象的那么高，使得公司能借助调 整速度较快的外部融资来实现资本结构调整。 第二，对账面资产负债率（ΔLEV_B）而言，公司成长性（GROW）与资本结构调整 速度负相关但不显著；但对市场资产负债率（ΔLEV_M）而言，公司成长性（GROW）与 资本结构调整速度显著正相关。这个结果基本上验证了本文的假设 H2。说明了成长性高 的公司有强烈的融资需求，可以通过新增融资（流量调整）的方式来灵活地调整其资本结
104

构。虽然成长性高的公司大多是“年轻”的公司，但它们有很好的未来预期，能够通过各 种渠道来成功募集资金。 ΔLEV_M 显著正相关而对 ΔLEV_B 关系不显著也说明了这一点。 对 第三，无论是对账面资产负债率（ΔLEV_B）还是对市场资产负债率（ΔLEV_M）， 公司规模（SIZE）都与资本结构调整速度显著正相关，验证了本文的假设 H3。说明了规 模较大的公司分担的固定调整成本较小；同时，大公司的信息不对称程度低，制度性调整 成本也较小。虽然规模大的公司调整其资本结构需要更多的资金，但大公司同样有筹集大 额资金的优势。 第四，无论是对账面资产负债率（ΔLEV_B）还是市场资产负债率（ΔLEV_M），公 司声誉（AGE）与资本结构调整速度不存在显著的关系，不能证明本文的假设 H4。也许 是由于本文用“上市年龄”作为公司声誉的代理变量并不恰当的缘故。 第五，无论是对账面资产负债率（ΔLEV_B）还是对市场资产负债率（ΔLEV_M）， 负债融资约束（FC）都与资本结构调整速度显著负相关，验证了本文的假设 H5。非财务 约束公司理应有着比财务约束公司更多的融资选择机会，因为它可以利用融资速度较快、 融资结构弹性较好的负债融资方式，Hovakimian（2004）就认为债务增减是资本结构动态 调整的最常见和最有效的方式之一。

五、结

语

本文以中国 1997～2006 年非金融上市公司的非平衡面板数据为样本，构建了一个包 含目标资本结构的决定因素和资本结构调整速度影响因素和在内的资本结构动态调整模 型，采用一阶差分后的 GMM 估计方法，实证分析了中国上市公司资本结构调整速度的影 响因素。实证结果发现：无论是对账面资产负债率还是对市场资产负债率，偏离目标资本 结构的程度与资本结构调整速度显著正相关；对账面资产负债率而言，公司成长性与资本 结构调整速度负相关但不显著，但对市场资产负债率而言，公司成长性与资本结构调整速 度显著正相关；无论是对账面资产负债率还是市场资产负债率，公司规模都与资本结构调 整速度显著正相关；没有发现公司声誉与资本结构调整速度存在显著关系。 本文的研究结果对于企业寻找其目标资本结构以及如何把实际资本结构调整到其目 标状态有一定的指导价值。中国很多上市公司还未能把目标资本结构作为一种经营理念贯 彻于企业经营的始终，普遍存在着股权融资偏好，没有充分发挥和利用资金的约束机制， 导致了资本市场资金配置效率的低下。动态资本结构理论要求公司的目标资本结构必须随 着其经营环境及外部因素的变化适时进行调整，并与企业发展战略相协调。公司在把其实 际资本结构调向目标水平时需要综合调整收益与调整成本，并最好利用流量调整的方式， 利用内部留存和短期债务等较为灵活的调整路径，构建资本结构动态优化机制，不断提高 公司的融资效率和内在价值。 参考文献：
1. 连玉君、钟经樊： 《中国上市公司资本结构动态调整机制研究》[J]， 《南方经济》2007 年第 1 期。 2. 屈耀辉：中国上市公司资本结构的调整速度及其影响因素——基于不平行面板数据的经验分析[J]，会 《 《 计研究》2006 年第 6 期。 3. 肖作平： 《资本结构影响因素和双向效应动态模型——来自中国上市公司面板数据的证据[J]， 《会计研 105

究》2004 年第 2 期。 4. 张卫东： 《线性模型中的 GMM 距离检验及其与 LR、LM 和 Wald 检验的关系[J]， 《数量经济技术经济 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



  本文关键词：企业资本结构调整速度影响因素的实证研究，由笔耕文化传播整理发布。