行業視角下的企業資本結構影響因素分析

文/李雪婷　張瑞

行業視角下的企業資本結構影響因素分析

文/李雪婷張瑞

企業資本結構作為籌資決策的核心問題，一直是學術界研究的熱點，也備受實務界關注。本文以資本結構理論為基礎，選取2011～2015年我國A股市場上市公司的數據，對不同行業的企業資本結構影響因素進行實證研究，發現企業獲得抵押貸款的能力、企業的規模與資本結構顯著正相關，企業的成長性與資本結構顯著負相關，企業的盈利能力與資本結構并沒有顯著相關性。

行業分析；資本結構；影響因素

一、研究背景與目的

現代資本結構理論開始于1958年Modigliani和Miller提出的MM理論，隨著稅收、代理成本、信號傳遞理論諸多因素被考慮進來，學者對資本結構的研究日益深入。資本結構的影響因素是資本結構理論的核心命題，該研究對于資本結構相關理論的發展和實踐的指導均具有重要意義。

二、實證研究的設計與分析

（一）研究假設

假設一：企業獲得抵押貸款的能力與資本結構（資產負債率）正相關。固定資產具有較強的資產保值特征，固定資產占總資產的比率越高，債務擔保能力會越強，企業獲得負債融資的可能性越大。

假設二：企業的規模與資本結構（資產負債率）正相關。一般而言，企業的規模越大，市場份額越多，償還負債的能力越強，就更容易獲得負債融資。

假設三：企業的盈利能力與資本結構（資產負債率）負相關。一般盈利能力較高的企業，能夠自由支配的現金流較充裕。根據優序融資理論，企業偏好內部融資。企業進行籌資決策時，會優先考慮內部留存收益。

假設四：企業的成長性與資本結構（資產負債率）正相關。一般認為，成長性較好的企業，發展速度較快，具有較高的資產負債率。

（二）樣本數據的選取

本文數據來源于RESSET數據庫、巨潮資訊網站，以2011～2015年我國A股市場的上市公司為樣本，隨機抽取660家上市公司作為研究對象，使用EViews7.2統計軟件進行計量分析。

數據篩選原則如下：①剔除2011～2015年之間被ST的上市公司；②剔除B、H股發行的上市公司；③剔除金融保險類公司。

本文將上市公司按照行業進行分類，行業的分類標準參照RESSET數據庫的分類，分類結果如表1所示。

（三）變量指標的選取

1.被解釋變量：資產負債率

本文選擇資產負債率作為企業資本結構的代理變量。計算公式為：資產負債率（DR）=總負債/總資產。資產負債率表示企業總資產中有多少是通過負債籌資的，是衡量企業負債水平的綜合指標。

2.解釋變量：固定資產比率

本文選擇固定資產比率作為企業獲得抵押貸款能力的代理變量，計算公式為：固定資產比率（FR）=固定資產/總資產。固定資產相對于其他資產，更適合作為良好的貸款抵押品，固定資產比率越高，企業更容易獲得信貸，因此本文選擇固定資產比率作為抵押貸款能力的代理變量。

3.控制變量：總資產的自然對數、單位資本利潤率、托賓Q值

不同行業的企業規模不同，本文選擇總資產作為企業規模的代理變量。由于總資產與其他變量相差較大，為了減少計算誤差，對總資產取對數，因此選擇總資產的自然對數Ln（總資產）作為控制變量。

因本文采用行業數據進行分析，不同行業的利潤率不一樣，這會對分析結果產生影響，故選取單位資本利潤率（ER）作為控制變量。

本文選擇托賓Q值（TQ）作為企業成長性的代理變量，計算公式為：托賓Q值（TQ）=企業市價/重置成本，實務中，可以選擇凈資產替代重置成本。

各變量指標的含義及計算公式如表2所示。

（四）模型的構建

本文選擇資產負債率作為代理變量、被解釋變量，建立回歸模型如下：

如表1所示，本文將樣本劃分為十個行業，H1～H10表示十個行業的虛擬變量。

（五）實證研究分析

表1　行業分類

表2　變量指標定義

1.描述性統計分析（見表3）

表3　樣本總體的描述性統計分析

經EViews7.2統計軟件計算分析得出，如表3所示，在所有的統計樣本中，資產負債率（DR）作為企業資本結構的代理變量，最大值為69.04%，最小值為31.97%，平均值為48.21%，標準差為0.11。在所有的統計樣本中，上市公司資產負債率的平均值接近于50%。

固定資產比率（FR）作為企業獲得抵押貸款能力的代理變量，最大值為0.59，最小值為0.03，平均值為0.25，標準差為0.16。總資產的自然對數（SZ）作為企業規模的代理變量，最大值為23.50，最小值為20.64，平均值為22.21，標準差為0.74。單位資本利潤率（ER）作為盈利能力的代理變量，最大值為0.12，最小值為0.04，平均值為0.08，標準差為0.02。托賓Q值（TQ）作為企業成長性的代理變量，最大值為7.29，最小值為1.17，平均值為2.45，標準差為1.22。

不同行業的資產負債率差距較大，其中資產負債率平均值最大的是房地產業，為66.70%，其次是建筑業，為65.92%，資產負債率平均值最小的是信息技術業，為34.76%。表明不同行業的資產負債率存在差異，有必要設置行業虛擬變量。

2.實證檢驗

本文運用EViews7.2統計軟件進行模型設定形式的檢驗，在隨機效應模型輸出結果的窗口，選擇Hausman test命令，完成統計量和伴隨概率的計算。通過Hausman檢驗，可以看出Hausman檢驗的統計量為19.109828，伴隨概率P為0.0007，P值接近于0，表明隨機效應與因變量相關，因此建立固定效應模型。（見表4）

表4　Hausman檢驗結果

通過觀察固定效應模型估計結果，固定資產（FR）的回歸系數為正，t-Statistic值為3.08，對應的伴隨概率為0.0039，表明固定資產比率對資產負債率的影響為正，并且顯著。總資產的自然對數（SZ）的回歸系數為正，表明企業規模對資產負債率的影響為正。通過觀察單位資本利潤率（ER）的t-Statistic值，發現單位資本利潤率與資產負債率無顯著相關性。托賓Q值（TQ）的回歸系數為負，表明托賓Q值對資產負債率的影響為負。

三、研究結論

固定資產比率對資產負債率的影響為正，并且顯著，表明在我國目前信貸約束較強的情況下，企業獲得抵押貸款的能力對資產負債率呈顯著的正向影響，因此證明了假設一：企業獲得抵押貸款的能力與資本結構（資產負債率）正相關。

總資產的自然對數對資產負債率的影響為正，并且顯著，表明企業規模對資產負債率呈顯著的正向影響，因此證明了假設二：企業的規模與資本結構（資產負債率）正相關。企業的盈利能力與資本結構（資產負債率）無顯著相關性，與本文假設三矛盾。托賓Q值對資產負債率的影響為負，并且顯著，表明企業的成長性與資產負債率呈現顯著的負向關系，與本文所提的假設四相矛盾。原因可能是成長性較好的企業處于發展期，企業進行籌資決策時，一般更傾向于選擇權益融資。

［1］王燕，王琦，劉亞軍.上市企業資本結構影響因素分析［J］.財會通訊，2016 （8）：40-42.

［2］周燕.中小制造業企業資本結構特征及影響因素［J］.財會月刊，2016 （8）：58-60.

［3］孫偉，劉翠翠.所得稅影響上市企業資本結構的實證研究［J］.財會月刊，2016（3）： 59-62.

［4］甘麗凝.產權性質、市場化程度與資本結構非對稱調整［J］.會計與經濟研究，2016（1）： 96-98.

［5］李嫣怡.EViews統計分析與應用［M］.電子工業出版社，2015：281-294.

［6］錢雪.中小企業資本結構影響因素實證研究［D］.江南大學，2010：32-39.

（作者單位：安徽文達信息工程學院會計學院）