我国上市公司资本结构行业差异研究
来源:用户上传
作者:
摘要：研究资本结构的行业差异，不仅是研究资本结构影响因素的重要方面，也是分析资本结构的核心要素。影响因素分析揭示了我国上市公司不同行业门类之间资本结构的巨大差异，这并不是由于个别行业门类的异常值引起的，也不是因为不同板块企业存在显著差异，而是行业门类间普遍存在的。
关键词：资本结构;行业差异;上市公司
中图分类号：F275 文献标识码：A
文章编号：1005-913X（2020）03-0094-03
一、理论分析
资本结构行业差异研究是资本结构影响因素研究的一个重要方面，国内外学者对此均有研究。本研究借鉴已有的相关研究成果，分析了国内主板、创业板和中小板三大板块特征要素的差异。企业资本结构是否合理，直接关系到企业的风险和收益。研究发现，三大板块的不同企业资本结构存在一定的差异。将三大板块分析作为一个虚拟变量，作为解释企业资本结构差异的行业因素之一。
二、计算方法
在实证分析中，通常以负债总额占总资产的比例来反映企业的资本结构，该比例被称为负债率或财务杠杆，具体计算方法是：
（1）账面财务杠杆（LEV1）=负债/总资产;
（2）负债-权益市值比（LEV2）=负债/市值;
（3）市场财务杠杆（LEV3）=负债/（总资产-股东权益合计+市值）。
现选择以下可能影响我国上市公司资本结构的因素进行研究。
三、实证分析
（一）实验数据
收集我国深沪股市3 458家上市公司在2017年的部分财务数据以及其行业分类情况，其中“行业分类”是根据我国证监会《上市公司行业分类指引》，将其分成90个行业，并将所有企业按照主板、中小板、创业板的要求划分为传统的三大证券板块。
（二）财务杠杆分析
根据三大板块划分的企业的LEV1、LEV2和LEV3的描述性统计的结果对比可知，主板的均值显著高于中小板和创业板，中小板的均值也高于创业板，中值也同样呈现出相同的结果。各个LEV1、LEV2和LEV3的峰度、偏度和J-B系数都各不相同。
根据相关分析，LEV1与TANG、INASSET正相关，与GROW、RETA、OUTSHARE负相关。LEV2与TANG、INASSET正相关，与GROW、RETA、OUTSHARE负相关。LEV3与TANG、INASSET正相关，与GROW、RETA、OUTSHARE负相关。
（三）上市公司财务杠杆率的影响因素
本实验首先采用多元线性回归模型实证检验上市财务杠杆的影响因素，模型具体形式是：
LEV=β0+β1TANG+β2RETA+β3LNASSET+β4GROW+β5OUTSHARE+ε
其中，LEV代表财务杠杆，在分析中以LEV1、LEV2和LEV3代入。
其余变量如前所述：βi（j=0，1，…，6）为待估参数，ε为随机干扰项。
通过数据分析可知，TANG、LNASSET和OUTSHARE的系数均显著为正，RETA、GROW的系数显著为负。解释变量TANG、LNASSET对主板LEV1的影响方向与前述一致。调整R^2只有0.30，说明模型对样本的解释能力有待提高。F检验值为155.64且在1%的水平上统计显著，方程的总体显著性成立。
TANG、LNASSET和OUTSHARE的系数均显著为正，RETA、GROW的系数显著为负。解释变量TANG、LNASSET对主板LEV2的影响方向与前述一致。调整R^2只有0.38，说明模型对样本的解释能力有待提高。F检验值为221.76且在1%的水平上统计显著，方程的总体显著性成立。
TANG、LNASSET和OUTSHARE的系数均显著为正，RETA和GROW的系数显著为负。各解释变量对主板LEV3的影响方向与前述一致。F检验值为531.07且在1%的水平上统计显著，方程的总体显著性成立。
同样的方法对中小板进行数据分析，TANG和LNASSET的系数均显著为正，RETA、GROW和OUTSHARE的系数显著为负。解释变量TANG、LNASSET对中小板LEV1的影响方向与前述一致。调整R^2只有0.358，说明模型对样本的解释能力有待提高。F检验值为99.40且在1%的水平上统计显著，方程的总体显著性成立。
TANG、LNASSET的系数均显著为正，RETA、GROW和OUTSHARE的系数显著为负。解释变量TANG、LNASSET对中小板LEV2的影响方向与前述一致。调整R^2只有0.37，说明模型对样本的解释能力有待提高。F检验值为104.02且在1%的水平上统计显著，方程的总体显著性成立。
TANG、LNASSET的系数均显著为正，RETA、GROW和OUTSHARE的系数显著为负。各解释变量对中小板LEV3的影响方向与前述一致。F检验值为237.80且在1%的水平上统计显著，方程的总体显著性成立。
同样的方法对创业板进行数据分析，TANG和LNASSET的系数均显著为正，RETA、GROW和OUTSHARE的系数显著为负。解释变量TANG、LNASSET对创业板LEV1的影响方向与前述一致。调整R^2只有0.37，说明模型对样本的解释能力有待提高。
TANG、LNASSET的系数均显著为正，RETA、GROW和OUTSHARE的系数显著为负。解释变量TANG、LNASSET对创业板LEV2的影响方向与前述一致。调整R^2只有0.42，说明模型对样本的解釋能力有待提高。 TANG、LNASSET的系數均显著为正，RETA、GROW和OUTSHARE的系数显著为负。各解释变量对创业板LEV3的影响方向与前述一致。
（四）上市公司财务杠杆率的行业差异
为了检验不同行业上市公司的财务是否存在显著差异，可采取虚拟变量方法将行业进行量化并引入回归模型，模型具体形式是：
其中，Dk（k=2，……78）为虚拟变量，当观测值属于第k个行业时，Dk=1，否则Dk=0;不加入反映第1个行业的D1是为了避免出现完全共线性;γk为虚拟变量相应的系数。
在模型中新加入的77个虚拟变量的系数分别为C（7）、C（8）、…C（83）。检验主板市场，不同行业上市公司的财务杠杆是否存在显著差异。
主板市场的LEV1作为财务杠杆衡量指标时，对线性约束条件的F检验值为3.27，P值为0.00，说明在1%水平上可拒绝“γ2=γ3=…=γ77=0”的约束条件。主板市场的LEV2作为财务杠杆衡量指标时，对线性约束条件的F检验值为7.39，P值为0.00。主板市场的LEV3作为财务杠杆衡量指标时，对线性约束条件的F检验值为6.18，P值为0.00。意味着在主板市场，不同行业上市公司的财务杠杆存在显著差异。
中小板市场LEV1作为财务杠杆衡量指标时，对线性约束条件的F检验值为2.19，P值为0.00，说明在1%水平上可拒绝“γ2=γ3=…=γ67=0”的约束条件。中小板市场的LEV2作为财务杠杆衡量指标时，对线性约束条件的F检验值为3.44，P值为0.00。中小板市场的LEV3作为财务杠杆衡量指标时，对线性约束条件的F检验值为3.09，P值为0.00，即在中小板市场，不同行业上市公司的财务杠杆存在显著差异。
创业板市场的LEV1作为财务杠杆衡量指标时，对线性约束条件的F检验值为2.49，P值为0.00，说明在1%水平上可拒绝“γ2=γ3=…=γ49=0”的约束条件。创业板市场的LEV2作为财务杠杆衡量指标时，对线性约束条件的F检验值为4.15，P值为0.00。创业板市场的LEV3作为财务杠杆衡量指标时，对线性约束条件的F检验值为2.60，P值为0.00，即在创业板市场，不同行业上市公司的财务杠杆存在显著差异。
四、总结与展望
当以LEV1、LVE2和LEV3作为财务杠杆衡量指标时，主板、中小板和创业板三个板块的所有不同行业的上市公司的财务杠杆的确存在显著差异。对我国上市公司资本结构及其影响因素的实证分析表明，我国上市公司不同行业的资本结构存在较大差异。且这种差异不是由个别行业门类的异常值引起的，也没有显著的板块企业的差异，而是行业门类间普遍存在的。同一行业的资本结构都具有高度稳定性，资本结构行业间的差异亦具有稳定性。
各个行业的资本结构与其影响因素有着显著的相关关系，有些行业的影响因素很少，相反，有些行业的资本结构的影响因素非常多。另外，同一因素对各行业的影响力度是不一样的。不同行业资本结构的影响因素是有差异的，同一因素对各行业的影响力度也不一样。对于不同板块的企业来说，各行业的影响因素也并不完全一致。
参考文献：
[1] 晏艳阳，刘振坤.股权结构对公司业绩的影响：假定与实证[J].财经理论与实践，2004（2）.
[2] 谭 克.中国上市公司资本结构行业差异的实证研究[J].产业经济研究，2005（3）.
[3] 黄 辉，王志华.资本结构行业差异及其影响因素的实证分析——来自我国上市公司的经验数据[J].财经理论与实践，2006（1）.
[4] 贺 霞.我国上市公司资本结构影响因素行业差异实证分析[J].商情，2016（24）.
[5] 欧阳征，戴 芳.基于我国上市公司行业差异的资本结构对比分析[J].时代金融，2016（12）.
[责任编辑：王 旸]
转载注明来源:https://www.xzbu.com/2/view-15155858.htm
