本科毕业论文：资本结构影响因素的分析
资本结构影响因素的分析
信息与计算科学05-2班：陆泽锦指导教师：罗蕴玲
内容摘要：资本结构问题一直是财务理论研究中的热点与难点问题之一。对资本结构影响因素的实证研究，学术界已开展多时并通过多角度研究取得了很多研究成果。但国内学者对此研究存在一个主要的问题，即多数研究都是使用横截面数据作为样本，从静态角度进行回归分析，忽略了资本结构影响因素个体间的差别及不同的时段的差异。本文使用平行数据模型对资本结构影响因素进行了实证研究，起着只利用截面数据或只利用时间序列数据模型不可替代的作用，具有很高的应用价值。本文基于国内学者对此研究的结果，从公司经营特征、公司治理结构这两个角度选取了可能影响公司资本结构的九个因素，使用医药和化工两个相关行业数据，建立单方程平行数据模型，由实证研究结果可以得到如下结论，资本结构影响因素存在个体差别，以及不同行业的资本结构影响因素存在差异，基于研究结果提出相应建议，为公司确定资本结构提供参考依据。
关键词：资本结构；影响因素；平行数据模型；行业；实证分析
1引言
1.1 课题研究背景及问题的提出
自从Modigliani和Miller提出无关性定理（又称MM定理，即在无摩擦的市场环境下，公司的市场价值与它的资本结构无关[1]）以来，资本结构问题开始成为财务理论研究中的热点与难点问题之一。现代财务理论研究表明，资本结构的选择不仅会影响公司市场价值，而且与公司治理、宏观经济运行有关。为此，学术界通过多角度对资本结构影响因素进行实证研究，并取得了很多研究成果。
对资本结构影响因素的实证研究，国内学者从各角度的研究表明，公司资本结构的影响因素是多方面的。从国内前沿和重要文献分析来看，国内学者对资本结构的影响因素的实证分析，主要从以下四个角度进行研究：公司经营特征因素、公司治理结构因素、行业因素、宏观经济因素。国内学者如：肖作平（2005）、杨树林（2006）都对此四大类资本结构的影响因素作了系统的综述分析。公司经营特征因素如：公司业绩（公司盈利能力）、公司规模、资产担保价值（资产结构）、非债务税盾、公司成长性、公司独特性、资产变现能力[2]；公司治理结构因素如：股权集中度、股权结构；行业因素主要研究产业集中度、产品生命周期；宏观经济因素如：利率、通货膨胀指数。但由于对行业因素和宏观经济因素进行定量研究存在困难，国内学者对此多数只做定性分析；因而对资本结构的影响因素实证研究主要基于公司经营特征因素、公司治理结构因素这两个角度[3]。
但国内学者对资本结构影响因素的实证研究存在一个主要的问题，即多数研究都是使用一年的横截面数据作为样本进行回归分析，从静态角度研究资本结构的影响因素[4]。只采用一年
的横截面数据进行研究存在许多弊端：截面数据是研究问题中的个体在同一时点上的数据，反映的是研究问题的个体特性，是在假定个体之间没有显著差异的情况下进行研究的。但事实上，资本结构的影响因素不仅个体间会有差别，不同的时段也会有差异，所以仅使用截面数据作为样本，会导致分析的结果偏离实际情况，使研究失去意义。而使用平行数据模型对资本结构影响因素进行研究，起着只利用截面数据或只利用时间序列数据模型不可替代的作用，具有很高的应用价值。
1.2 写作思路及预期的创新点
1.2.1写作思路
本文根据国内学者对资本结构影响因素实证研究的结果，分析了资本结构影响因素，从公司经营特征因素、公司治理结构因素这两个角度选取了可能影响公司资本结构的九个指标变量：公司业绩（公司盈利能力）、公司规模、资产担保价值（资产结构）、非债务税盾、公司成长性、公司独特性、资产变现能力、股权集中度、股权结构；选取医药和化工两个相关行业数据，分别建立单方程平行数据模型，由实证结果得出影响公司资本结构的主要因素、这些因素与不同公司的资本结构之间的关系(即个体影响的作用)，以及不同行业间资本结构影响因素的差距，与原有的截面数据模型进行比较分析，基于研究结果提出相应建议，为公司确定资本结构提供参考依据，为公司财务决策提供支持。
1.2.2预期的创新点
影响公司资本结构的因素众多，公司选择不同的融资方式将形成不同的资本结构[5]。现代财务理论研究表明，资本结构的选择不仅会影响公司市场价值，而且与公司治理、宏观经济运行有关。不同公司自身的风险、收益以及所处的宏观经济环境等不同，资本结构的影响因素应该存在个体差异。但目前国内学者对资本结构影响因素的实证分析，多数研究都是在假定研究个体间没有显著差异的情况下，分析资本结构的影响因素，很少分析资本结构影响因素的个体和时段差别。本文主要致力于我国上市公司资本结构个体间差异及其随时段的不同而变化的分析，然后基于研究结果提出相应建议。
2样本及指标的选取
2.1被解释变量的选取
国内学者的对资本结构的研究，多数采用资产负债率、流动负债率或长期负债率作为资本结构的衡量指标[6]。本文采用资产负债率（资产负债率= 负债总额/资产总额）作为被解释变量。资产负债率越高，说明公司在融资策略选择时越是偏好债务融资而不是股权融资。
2.2解释变量的选取
本文根据国内学者对此研究结果分析了资本结构的影响因素，从公司经营特征因素、公司治理结构因素这两个角度选取了可能影响公司资本结构的九个指标变量：
公司业绩（公司盈利能力）
若公司的盈利能力较强，公司就有能力保留较多的盈余和使用较少负债[7]；此外，由于亏损公司一般得不到股权融资的机会，只能借入短期债务解决资金需求；因此，盈利能力与负债率负相关。然而将实证结果和权衡理论相结合，盈利能力强的上市公司财务拮据风险相应较低，从而可以选择较高的负债比率，所以盈利能力与负债率呈正相关关系。
公司规模
根据资本结构的信号传递理论，规模较大的公司信用能力强，信息不对称的程度更低，公司规模往往代表公司的实力、发展前景，同时又意味着在同行业中的地位，因此大公司信誉高，抗风险能力强，破产风险小，其采用负债融资的可能性较大。并且在我国，公司规模越大，越容易得到政府扶持和享有银行信贷[8]。因此，公司的规模与负债率应该呈正相关关系。
资产担保价值（资产结构）
在一个公司的资产结构中，若适于担保的资产（如存货、固定资产等）所占比例越大，则公司的信用能力就会越强，因此有获得更多负债的可能，故认为资产担保价值与资本结构正相关。
非债务税盾
我国税法规定，公司按规定提取的折旧可以纳入成本费用，在税前列支。由于折旧具有抵税作用，所以它可以代替负债的免税作用。通常将折旧这类虽非负债但同样具有抵税作用的因素称为“非债务税盾”(Non - Debt Tax Shields)。根据权衡理论，借贷的主要动机是利用利息可以避税的好处，而折旧及投资税收优惠等非债务税盾就成为债务融资税收优惠的一种有效替代；此外，折旧无疑也是公司非常重要的一种现金来源，必要时可以缓解公司的资金急需[9]，因此可以预期非债务税盾与公司资本结构负相关。
公司成长性
关于公司成长能力对资本结构的影响，Tit-man 和Wessels(1988)认为成长越迅速的公司，由于发展需要的资金越多，故负债水平就越高[10]。在我国，由于市场机制不健全，公司更多地依赖于债务融资，公司资本结构应与其成长性正相关。
公司独特性
国内学习者研究表明具有相对多的研究开发费用、高销售成本或相对低退出比率的公司倾向于保持低的负债水平，独特性与负债水平负相关。
资产变现能力（资产流动性）
若公司的资产变现能力越强，则可以越容易的支付短期债务，有利于公司增加借贷，相应的资本结构中的负债比例就越高。然而一些投资项目也可以通过某些资产（如存货）的变现而不是借贷获得所需资金，其需要负债融资就越少。因此资本结构与资产变现能力的相关性可正
可负。
股权集中度
股权集中度作为衡量公司的股权分布状态的一个重要的量化指标，不仅反映了股东对公司拥有的所有权，对公司剩余收益的索取权，而且在一定程度上也决定着股东对公司经营的控制程度和监督能力[11]。第一大股东持股比例越高，股权集中度就越大，根据代理成本理论，为了降低代理成本，控股股东会要求上市公司增加债权融资。另外在我国上市公司中，大股东占用上市公司资金的情况很多，这也会使上市公司的资产负债率随大股东的控制度的增加而上升，因此，资本结构与股权集中度呈正相关。
股权结构
中国上市公司的股权结构有很强的特殊性：第一，股权高度集中和国有股在上市公司总股本中占绝大多数；第二，存在非流通股权结构安排。在非流通股权中国有股和法人股占绝大多数，诸多公司被国有股控股，会使上市公司产权主体虚置，从而不利于公司治理，股权结构与资产负债率负相关[12]。
2.3样本公司及数据的选取
选择样本公司的原则是时间序列尽可能地长、样本公司尽可能地多。本文选取沪、深两市医药和化工两个行业全部上市公司作为本文的研究对象。其中，化工行业共有107个公司，剔除ST 及ST*公司9个、2000年以后新上市的公司36个、数据不全的公司13个，还剩49个公司数据；医药行业共有80个公司，剔除ST 及ST*公司7个、2000年以后新上市的公司25个、数据不全的公司5个，还剩43个公司数据。即采用从2000 年至2008 年9年，医药行业43个公司和化工行业49个公司的公司盈利能力、公司规模、资产担保价值（资产结构）、非债务税盾、公司成长性、公司独特性、资产变现能力、股权集中度、股权结构这九个方面的数据进行研究。以上数据主要取自中国股票市场交易等系列研究数据库[13]（CSMAR），部分来源于巨潮资讯网[14]（https://www.360docs.net/doc/3714342149.html,/default.htm）。
3模型的建立
3.1变量说明
各样本指标的名称、符号及定义如表1所示：
表1变量说明
变量名称变量符号变量定义
资产负债率CAP 负债总额/资产总额公司业绩（公司盈利能力）PRO 净利润/营业总收入
公司规模SIZ 总资产对数资产担保价值（资产结构）ASS （固定资产+存货）/总资产非债务税盾NDT 折旧/总资产
公司独特性
UNI 销售费用/营业总收入 资产变现能力（流动性）
LIQ 流动资产总额/流动负债 股权集中度 CON 第一大股东持股比例
股权结构 OWN 流通股比例
3.2 描述性统计
3.2.1 描述性统计分析的理论基础
用EViews6.0对数据进行基本的统计性分析，根据样本值测算的描述统计量值有：均值(Mean)、中位数(Median)、最大值(Maximum)、最小值(Minimum)、标准差(Std ．Dev ．)、偏度(Skewness) 、峰度 (Kurtosis) 和Jarque-Bera 检验结果及其相伴概率[15]。其中，标准差的计算公式为：
()∑=--=n
i i y y n 1
211?σ
(1) 偏度的计算公式为：
()3
1?1∑=???
??-=n i i y y n S σ
(2)
峰度的计算公式为：
()4
1?1∑=??
?
??-=n i i y y n K σ (3)
公式中的n 表示序列样本量。与标准正态分布 (S=0,K=3)作比较，检验样本的分布形态。
最后两项是Jarque-Bera 检验结果，该检验的零假设是样本服从正态分布。检验统计量为：
()??
?
???-+-=
223416K S m n JB (4) 式中S 和K 是样本序列的偏度与峰度，m 是产生样本序列时用到的估计系数的个数。在零假设下，JB 统计量服从()22
χ分布。根据EViews6.0给出的拒绝零假设犯第一类错误的概率
(Probability)可以判断是否拒绝零假设。这个概率值是检验的相伴概率，简称为p 值[16]。 3.22 描述性统计分析
用EViews6.0对数据进行基本的描述性统计分析，可以得到如下表2和表3。
表2 化工行业描述性统计分析表（descriptive statistcs ）
CAP PRO SIZ ASS NDT GRO UNI LIQ CON OWN Mean 0.48 0.05 21.24 0.50 0.03 0.16 0.04 1.37 0.45 0.46 Median 0.49 0.05 21.24 0.51 0.03 0.10 0.03 1.03 0.46 0.42 Maximum 0.85 1.04 23.59 0.84 0.11 1.63 0.29 9.43 0.85 1.00 Minimum
0.07
-2.18
19.69
0.02
-0.02
-0.43
0.00
0.19
0.09
0.25
Std. Dev. 0.16 0.21 0.77 0.16 0.02 0.23 0.04 1.08 0.17 0.15 Skewness -0.34 -4.66 0.27 -0.26 0.48 2.29 3.02 3.13 -0.11 1.07 Kurtosis 2.60 46.09 2.47 2.93 3.88 12.29 15.18 16.56 1.99 3.96 Jarque-Bera 11.19 35707.42 10.46 5.18 30.88 1972.13 3394.01 4095.74 19.81 101.54 Probability 0.00 0.00 0.01 0.08 0.00 0.00 0.00 0.00 0.00 0.00 Observations 441 441 441 441 441 441 441 441 441 441 Cross sections 49 49 49 49 49 49 49 49 49 49
表3 医药行业描述性统计分析表（descriptive statistcs）
CAP PRO SIZ ASS NDT GRO UNI LIQ CON OWN Mean 0.48 0.04 21.16 0.40 0.02 0.14 0.16 1.70 0.39 0.47 Median 0.44 0.06 21.09 0.40 0.02 0.08 0.13 1.31 0.38 0.43 Maximum 1.88 2.37 22.84 0.71 0.06 3.71 2.12 19.35 0.75 1.00
Minimum 0.03 -5.80 19.43 0.08 0.00 -0.43 0.01 0.20 0.09 0.11 Std. Dev. 0.23 0.40 0.77 0.13 0.01 0.33 0.15 1.46 0.16 0.16 Skewness 1.60 -9.05 0.24 0.00 0.92 5.84 6.30 5.75 0.25 0.79 Kurtosis 9.67 130.74 2.37 2.80 3.64 52.98 75.01 59.41 1.96 3.10 Jarque-Bera 883.24 268419.20 10.30 0.64 60.86 42474.55 86162.51 53448.80 21.56 40.47 Probability 0.00 0.00 0.01 0.73 0.00 0.00 0.00 0.00 0.00 0.00 Observations 387 387 387 387 387 387 387 387 387 387 Cross sections 43 43 43 43 43 43 43 43 43 43
由表2和表3可知，化工行业的负债率均值为48%，中值为49%；医药行业的负债率均值为48%，中值为44%；表明我国上市公司资本结构中负债率较低，不能有效利用公司财务杠杆
利益。
从公司经营特征因素分析，化工和医药行业的规模和资产结构较为相似，总资产对数均值都在21左右，可担保的资产价值均值都为45%左右，表明我国2000年以前上市的公司，其规
模差异不大，信息不对称的程度相似，适于担保的资产(存货+固定资产) 所占比例较大，公司
的信用能力较强，因此有获得更多负债的可能。化工行业和医药行业的资产流动性均值分别为
1.37、1.70，比较而言，化工行业的资产流动性更低些。两个行业的盈利能力总体而言较为稳定，
化工行业的盈利能力较强，且稳定性更大，其均值和标准差分别为5%、0.21，而医药行业的均
值和标准差分别为4%、0.40。销售费用占主营业务的比率上看，医药行业的独特性更大些，均
值为16%，化工的则只有4%。成长性和非债务税盾这两项指标都显示出化工行业的成长性相
对大很多，且折旧及投资税收优惠等非负债税盾的有效替代利用的更好。
从公司治理结构因素分析，就第一大股东持股比例而言，化工行业的均值为45%，中值为46%，最大值为85%，最小值为9%；医药行业的均值为39%，中值为38%，最大值为75%，
最小值为9%；表明我国上市公司的股权集中度较高，不仅反映了个别股东拥有公司较多的所
有权，对公司剩余收益的索取能力较强，而且在一定程度上也决定了大股东对公司经营的控制和监督。对于流通股比例，化工行业的均值为46%，中值为42%；医药行业的均值为47%，中值为43%；表明我国上市公司股本结构中流通股比例较低，会使上市公司产权主体虚置，从而不利于公司治理。
综上所述，对比表2和表3可以发现，不同行业的资本结构及其影响因素有着明显的差异。这提醒我们，在对资本结构的影响因素进行实证研究时，应该尽量控制行业因素。此外，根据JB 统计量，可以发现两个行业所选取的指标变量中只有资产结构没有足够证据拒绝零假设，即在大样本下不服从正态分布，也就是说各个体之间存在显著差异，由此可以初步预期截面数据模型的建立没有考虑这一差异，会导致分析的结果偏离实际情况，使研究失去意义，而使用平行数据模型研究资本结构的影响因素是有意义的。 3.3 建立模型
根据经典模型中关于资本结构影响因素的研究，确定被解释变量和解释变量。为了将个体之间的影响引入模型，采用平行数据作为样本数据。 3.3.1 单方程平行数据模型的理论基础
单方程平行数据模型的一般形式为：
()()()T
t n i x D D D x D D D x D D D D D D y it
Kit n Kn K K K it n n it n n n n i it
,2,1;,2,111221121122221212111121211111
122110==++++++++++++++++++++++=--------μββββββββββββαααδα (5)
令
1
1112211111222121211121211111122110?+--------?
?
?
?
?
???
??+++++++++++++++++=）（K n Kn K K K n n n n n n i D D D D D D D D D D D D ββββββββββββαααδαα (6) n i x x x x x x x x x X y y y Y T iT i i i K T T K T T K K i T iT i i i ,,2,1;111;1
21)1(121111221211211211
111121
=????
???
??=??
???
??
??=??????? ??=?+??μμμμ (7)
????
??? ??=??????? ??=??????
? ??=n n n X X X X Y Y Y Y μμμμ 212121;;
(8)
则，方程可以简写为：
μα+=X Y (9)
其中，n 为样本量，T 为截面（时期）数，K 为解释变量的数目，0α为总体效应，i δ为截面效应，i δα和0一起构成个体效应，i D 为引入的虚拟变量，定义如下：
1,,2,101-=??
?=n i i D i 其他
个个体时如果样本属于第
(10)
常用的有如下三种情形：
情形1，样本回归在横截面上无个体影响、无结构变化，用数学表达式表示为：
K j n i ji i ,,1;1,,2,10
=-===βα (11)
即式（5）中模型的系数α退化为：
1
1210?+???????? ??=）（K K βββαα (12)
此模型使用普通最小二乘估计给出参数的一致有效估计。
情形2，样本回归在横截面上存在个体影响，个体影响表现为模型中被忽略的反映个体差异的变量的影响，用数学表达式表示为：
K j n i ji i ,,1;1,,2,10
; =-==βα不全为零 (13)
即式（5）中模型的系数α退化为：
1
1211122110?+--??
?
??
?
??
??+++++=）（K K n n i D D D βββαααδαα (14)
该模型称为变截距模型。
情形3，样本回归在横截面上除了存在个体影响外，还存在变化的经济结构，因而结构参
数在不同横截面单位上是不同的。用数学表达式表示为：
K j n i ji i ,,1;1,,2,1 =-=均不全为零
、βα (15)
即使用式（5）所示模型，该模型称为变系数模型。
若为模型为情形2或3的情况下，使用普通最小二乘估计，可能会导致参数估计不是一致估计或估计出的参数值无意义。
因此，研究平行数据的第一步是检验刻画被解释变量的参数是否在所有横截面样本点和时间上都是常数，即检验所研究的问题属于上述3种情况中的哪一种，以确定模型的形式。广泛使用的检验是协方差分析。主要检验两个假设：
假设1 截距和斜率在不同的横截面样本点和时间上都相同。
不全为零
、ji i Ki i i i H H βαβββα:0:1210===== (16)
其中
K j n i ,1;1,,1=-= (17)
此时，如果接受零假设，则采用情形1的模型，即：
T t n i x x x y it
k Kit it it it ,,1;,,122110 ==+++++=μβββα (18)
如果拒绝了零假设，则检验假设2，判断是否斜率都相等。
假设2 斜率在不同的横截面样本点上和时间上都相同，但截距不相同。
不全为零
ji Ki i i H H ββββ:0:1210==== (19)
其中
K j n i ,1;1,,1=-= (20)
显然，此时如果接受了零假设，则使用情形2的模型，即：
T
t n i x x x D D D y kit
K it it n n i it ,,1;,,122111122110 ==+++++++++=--βββαααδα (21)
否则使用情形3的模型，即式（5）所表示的模型。注意，常用情形中没有斜率系数变化而截距相同的情形，是因为这种情形在实际经济问题研究中很少见，且当斜率不同的时候考虑截距相同没有实际意义，所以拒绝零假设时使用情形3的模型。
检验假设1的F 统计量F 1为：
()()()[]()[]
()()()[]1,11~1111231--+-+-+--=
K T n K n F K n nT S K n S S F (22)
检验假设2的F 统计量F 2为：
()()[]()()[]1,1~111122---+---=
K T n K n F K n nT S K n S S F (23)
其中，321,,S S S 分别为式(5)、(19)和(22)的残差平方和。结定显著性水平，查F 分布表，得到临界值，与计算得到的F 统计量数值进行比较，即可得到拒绝或者接受零假设的结论，从而确定采取何种模型[15]。
3.3.2 单方程平行数据模型的建立
根据3．3．1中关于单方程平行数据模型理论基础的介绍，建立单方程平行数据模型。 为确立平行数据模型，检验刻画被解释变量的参数是否在所有横截面样本点和时间上都是常数，现用F 统计量检验。但是，由于数据的局限性（时期数<变量个数），EViews6.0无法对所有变量进行回归[16]，所以先剔除冗余变量。首先使用数据样本建立截面数据模型，将各个时期的截面数据放在—起作为样本数据进行普通最小二乘估计，根据冗余变量法剔除冗余变量，其中每次剔除一个冗余变量，限于篇幅，只给出最后结果，如表4和表5所示：
表4 化工行业剔除冗余变量后得估计结果
Redundant Variables: CON UNI
F-statistic
2.201875 Prob. F(2,432) 0.1118 Log likelihood ratio
4.472737
Prob. Chi-Square(2)
0.1068 Dependent Variable: CAP Method: Panel Least Squares
Coefficient Std. Error t-Statistic Prob. PRO -0.096563 0.027137 -3.558283 0.0004 SIZ 0.024125 0.001383 17.44617 0.0000 ASS 0.121947 0.047755 2.553600 0.0110 NDT -1.027233 0.438801 -2.341000 0.0197 GRO 0.057869 0.024617 2.350729 0.0192 LIQ -0.090773 0.005169 -17.56261 0.0000 OWN 0.132944 0.036738 3.618745
0.0003 R-squared 0.538178 Mean dependent var 0.479540 Adjusted R-squared 0.531793 S.D. dependent var 0.163023 S.E. of regression 0.111549 Akaike info criterion -1.532953 Sum squared resid 5.400378 Schwarz criterion -1.468047 Log likelihood 345.0161 Hannan-Quinn criter.
-1.507350
Durbin-Watson stat
0.433814
表5 医药行业剔除冗余变量后得估计结果
Redundant Variables: ASS GRO OWN F-statistic 2.129899 Prob. F(3,378) 0.0960
Log likelihood ratio 6.487158 Prob. Chi-Square(3) 0.0902
Dependent Variable: CAP Method: Panel Least Squares
Coefficient Std. Error t-Statistic Prob. PRO -0.270534 0.026180
-10.33365
0.0000
SIZ 0.038962 0.001643 23.71764 0.0000 NDT -3.305992 0.825395 -4.005343 0.0001 UNI -0.504862 0.069419 -7.272710 0.0000 LIQ -0.071842 0.005925 -12.12472 0.0000 CON
-0.152404 0.053078 -2.871336
0.0043 R-squared
0.487578 Mean dependent var 0.484052 Adjusted R-squared 0.480853 S.D. dependent var 0.228879 S.E. of regression 0.164912 Akaike info criterion -0.751429 Sum squared resid 10.36164 Schwarz criterion -0.690058 Log likelihood 151.4016 Hannan-Quinn criter. -0.727094 Durbin-Watson stat
0.652868
表4和表5表明，在5%的显著性水平下，公司业绩、公司规模、资产担保价值、非债务税盾、公司成长性、资产变现能力、股权结构对化工行业的资本结构有显著影响，而对医药行业的资本结构有显著性影响的只有六个变量，分别为：公司业绩、公司规模、公司独特性、非债务税盾、资产变现能力、股权集中度。
3．3．1中定义321,,S S S 分别为式(5)、(19)和(22)的残差平方和，n 为样本量，T 为截面（时期）数，K 为解释变量的数目，由于本文采用两个行业数据单独回归，故用
hg hg hg hg
hg hg n T K S S S 、、、、、321表示化工行业数据估计的式(5)、(19)和(22)的残差平方和、解释变量的数目、截面（时期）数、样本量。用yy yy yy yy yy yy n T K S S S 、、、、、321表示医药行业
数据估计的式(5)、(19)和(22)的残差平方和、解释变量的数目、截面（时期）数、样本量；根据EViews6.0建立无效应影响下的模型，可得出如下数据：
43
,9,6,
10.36164,5.056823,0.41424349,9,7,
5.400378,1.542807,0.0789983
2
1
321============yy yy yy yy
yy
yy hg hg hg hg hg
hg n T K S
S
S
n T K S S S (24)
现用hg
hg
F F 21、表示检验化工行业数据模型的假设1和假设2的F 统计量21F F 、，
yy yy F F 21、表示检验医药行业数据模型的假设1和假设2的F 统计量21F F 、；经计算可得：
3.82
,
7.02 2.70,8.602
121====yy
yy
hg hg F
F F F (25)
因为
()()()()336,4970.2336,49,384,4960.8384,49
05.0205.01F F F F hg hg >=>= (26) ()()()()252,8682.3252,86,294,8602.7294,86
05.0205.01F F F F yy yy >=>= (27) 所以，在5%的显著性水平下，化工行业和医药行业都可以确定使用变系数模型，对数据进行
分析，确定引入固定影响 [15]。
4 实证结果及分析
根据上一节建立的模型，已经确定化工和医药两个行业数据均适合建立变系数个体固定效应回归模型。EViews6.0提供的变系数个体固定效应回归模型的估计方法共两种，分别为：No weights 、Cross sectiong weights 。回归结果对比分析，回归时采用可行的广义最小二乘估计（Cross sectiong weights ），所得回归模型拟合最优。 4．1 化工行业数据的实证结果及分析
化工行业数据建立模型如下：
()()()()()()()9
,2,1;49,2,148487272171748486262161648485252151548484242141448483232131348482222121248481212111148
4822110 ==+++++++++++++++++++++++++++++++++++++++++=t i OWN D D D LIQ D D D GRO D D D NDT D D D ASS D D D SIZ D D D PRO D D D D D D CAP it
it it
it it it it it i it μββββββββββββββββββββββββββββαααδα，，，，，，， (30)
其中，
i δα+0表示个体效应，引入的虚拟变量定义为：
48,,2,101 =??
?=i i D i 其他
个公司时如果样本属于第
(31)
应用EViews6.0，使用化工行业数据建立变系数个体固定影响模型，采用可行的广义最小二乘估计，参数估计结果如下：
表6 化工行业模型估计结果
Dependent Variable: CAP
Method: Pooled EGLS (Cross-section weights)
Variable Coefficient Std. Error
t-Statistic Prob. C -0.904012
1.888249 -0.478757 0.6342 000155--PRO000155 -0.662763 0.241098 -
2.748935 0.0083 000635--PRO000635 -0.125036 0.055801 -2.240747 0.0296 000683--PRO000683 -0.115271 0.040236 -2.864855 0.0061 000707--PRO000707 0.960059 0.470318 2.041299 0.0466 000731--PRO000731 -0.776438 0.244050 -
3.181472 0.0025 000792--PRO000792 -0.696137 0.131260 -5.303518 0.0000 000953--PRO000953 -0.582423 0.005142 -113.27760 0.0000 600091--PRO600091
-0.253422
0.006681
-37.933350
0.0000
600227--PRO600227 -2.032422 0.287773 -7.062588 0.0000 600229--PRO600229 -2.129775 0.984555 -2.163187 0.0354 600299--PRO600299 -0.840147 0.325090 -2.584352 0.0128 600301--PRO600301 2.334084 0.817913 2.853706 0.0063 600803--PRO600803 -0.123615 0.035051 -3.526662 0.0009 600882--PRO600882 -0.397241 0.110325 -3.600652 0.0007 000155--SIZ000155 0.657438 0.174464 3.768332 0.0004 000510--SIZ000510 0.190046 0.031102 6.110436 0.0000 000525--SIZ000525 0.332855 0.052215 6.374729 0.0000 000553--SIZ000553 -0.264284 0.130080 -2.031700 0.0476 000627--SIZ000627 -0.203990 0.078117 -2.611332 0.0119 000683--SIZ000683 -0.219760 0.037880 -5.801447 0.0000 000707--SIZ000707 0.268429 0.113730 2.360225 0.0223 000731--SIZ000731 0.179805 0.035556 5.056988 0.0000 000792--SIZ000792 0.198645 0.049031 4.051422 0.0002 000822--SIZ000822 0.325255 0.043085 7.549116 0.0000 000953--SIZ000953 0.220363 0.006396 34.454370 0.0000 000985--SIZ000985 0.452877 0.144431 3.135587 0.0029 600078--SIZ600078 0.230917 0.103506 2.230947 0.0303 600091--SIZ600091 0.297598 0.008622 34.515180 0.0000 600096--SIZ600096 0.208651 0.040048 5.210084 0.0000 600135--SIZ600135 0.199520 0.067971 2.935357 0.0051 600176--SIZ600176 0.149410 0.037383 3.996761 0.0002 600227--SIZ600227 0.779611 0.144163 5.407843 0.0000 600228--SIZ600228 -1.391496 0.423116 -3.288688 0.0019 600229--SIZ600229 0.325891 0.111285 2.928426 0.0052 600281--SIZ600281 0.241143 0.046693 5.164466 0.0000 600299--SIZ600299 0.090451 0.015876 5.697337 0.0000 600301--SIZ600301 0.331458 0.111627 2.969343 0.0046 600328--SIZ600328 0.256836 0.054918 4.676754 0.0000 600725--SIZ600725 0.221528 0.065029 3.406594 0.0013 600803--SIZ600803 0.378884 0.025833 14.666430 0.0000 000510--ASS000510 -0.180993 0.045323 -3.993425 0.0002 000553--ASS000553 -0.098953 0.039379 -2.512817 0.0153 000683--ASS000683 0.625999 0.064700 9.675346 0.0000 000731--ASS000731 -0.261734 0.107549 -2.433630 0.0186 000822--ASS000822 -0.633320 0.171862 -3.685051 0.0006 000953--ASS000953 0.856847 0.026057 32.883660 0.0000 600091--ASS600091 -0.763400 0.027052 -28.219440 0.0000 600227--ASS600227 0.784992 0.381710 2.056513 0.0451 600228--ASS600228 2.155147 0.779772 2.763818 0.0080 600299--ASS600299 -0.269265 0.071103 -3.786974 0.0004 600301--ASS600301 0.673785 0.111918 6.020336 0.0000 600328--ASS600328 -0.408867 0.112808 -3.624443 0.0007 600803--ASS600803 -0.331770 0.023081 -14.374000 0.0000
000525--NDT000525 -2.130489 0.770878 -2.763719 0.0080 000553--NDT000553 -2.918671 0.662642 -4.404594 0.0001 000627--NDT000627 -5.451489 2.686447 -2.029256 0.0479 000683--NDT000683 -5.380247 1.560795 -3.447120 0.0012 000707--NDT000707 -20.90277 6.868423 -3.043314 0.0038 000755--NDT000755 13.08189 6.037879 2.166636 0.0352 000792--NDT000792 5.147657 1.480753 3.476378 0.0011 000818--NDT000818 -2.605269 1.274485 -2.044174 0.0463 000822--NDT000822 4.315211 1.356369 3.181444 0.0025 000953--NDT000953 -2.533080 0.140853 -17.983820 0.0000 600091--NDT600091 -5.071395 0.260524 -19.466150 0.0000 600096--NDT600096 5.090256 2.192846 2.321302 0.0245 600176--NDT600176 -8.978684 4.461194 -2.012619 0.0497 600228--NDT600228 10.62471 2.434027 4.365075 0.0001 600281--NDT600281 -3.436892 1.071989 -3.206088 0.0024 600299--NDT600299 5.792029 0.855703 6.768739 0.0000 600301--NDT600301 -8.371355 2.762339 -3.030531 0.0039 600328--NDT600328 3.085546 1.153605 2.674698 0.0101 000510--GRO000510 0.086442 0.030835 2.803370 0.0072 000525--GRO000525 -0.075876 0.018542 -4.092181 0.0002 000553--GRO000553 0.419695 0.130414 3.218164 0.0023 000707--GRO000707 -0.293391 0.109759 -2.673042 0.0102 000731--GRO000731 0.154994 0.029277 5.294055 0.0000 000953--GRO000953 0.124302 0.003143 39.548440 0.0000 600091--GRO600091 -0.110620 0.010898 -10.150860 0.0000 600226--GRO600226 0.253235 0.120188 2.106994 0.0403 600227--GRO600227 -0.402523 0.166121 -2.423079 0.0191 600228--GRO600228 2.753560 0.801924 3.433692 0.0012 600299--GRO600299 0.267692 0.052060 5.141996 0.0000 600301--GRO600301 -0.421262 0.151026 -2.789329 0.0075 600615--GRO600615 -1.075688 0.306801 -3.506140 0.0010 000627--LIQ000627 -0.118785 0.021189 -5.606052 0.0000 000635--LIQ000635 -0.194648 0.028052 -6.938727 0.0000 000683--LIQ000683 -0.494970 0.046023 -10.754800 0.0000 000731--LIQ000731 -0.068698 0.025522 -2.691757 0.0097 000953--LIQ000953 0.210765 0.005533 38.091990 0.0000 600091--LIQ600091 -0.283708 0.007361 -38.543230 0.0000 600135--LIQ600135 -0.014290 0.001970 -7.253488 0.0000 600226--LIQ600226 -0.150971 0.038566 -3.914612 0.0003 600228--LIQ600228 0.413184 0.193694 2.133184 0.0379 600299--LIQ600299 -0.359604 0.035161 -10.227260 0.0000 600615--LIQ600615 -0.416468 0.056960 -7.311585 0.0000 600725--LIQ600725 -0.037534 0.014657 -2.560824 0.0136 600803--LIQ600803 -0.038102 0.011958 -3.186232 0.0025 600882--LIQ600882 -0.279014 0.074832 -3.728517 0.0005
000155--OWN000155 -1.043758 0.479258 -2.177863 0.0343 000510--OWN000510 -0.587860 0.147176 -3.994256 0.0002 000525--OWN000525 -0.268596 0.047298 -5.678809 0.0000 000553--OWN000553 0.268644 0.072485 3.706226 0.0005 000731--OWN000731 -0.461612 0.141411 -3.264319 0.0020 000822--OWN000822 -0.834216 0.119621 -6.973830 0.0000 000953--OWN000953 0.268469 0.010778 24.909170 0.0000 000985--OWN000985 -0.551580 0.176052 -3.133052 0.0029 600091--OWN600091 -1.121996 0.025308 -44.332840 0.0000 600176--OWN600176 -0.582141 0.228896 -2.543253 0.0142 600228--OWN600228 1.430399 0.414599 3.450080 0.0012 600299--OWN600299 -0.735512 0.257767 -2.853400 0.0063 600301--OWN600301 0.594792 0.113471 5.241781 0.0000 600615--OWN600615 4.715795 0.666135 7.079337 0.0000 600803--OWN600803 -0.348308 0.033023 -10.547340 0.0000 600885--OWN600885 0.435200 0.211363 2.059012 0.0448 Fixed Effects (Cross)
000155--C -12.87147
000422--C -7.362908
000510--C -1.823764
000515--C 33.65438
000523--C 3.793448
000525--C -5.289640
000553--C 6.948426
000598--C -9.895888
000606--C -2.316907
000627--C 5.814454
000635--C 1.599104
000683--C 6.498990
000698--C -1.521095
000707--C -4.447883
000731--C -2.088798
000737--C -9.765263
000755--C 3.444810
000791--C -1.074308
000792--C -2.881858
000818--C 1.288445
000822--C -5.362372
000826--C 1.538105
000830--C 2.225574
000912--C 40.50605
000953--C -3.769939
000985--C -7.585746
600078--C -3.450858
600091--C -3.775530
600096--C -3.129861
600135--C -3.037580
600160--C 0.174427
600176--C -1.218400
600226--C 0.462304 600227--C -14.44948 600228--C 27.52104 600229--C -5.555680 600277--C -1.107679 600281--C -3.772997 600299--C 0.050605 600301--C -5.948882 600328--C -3.836464 600615--C -2.455609 600618--C 0.023831 600636--C 1.516619 600725--C -3.381847 600731--C 5.801967 600803--C -5.889543 600882--C 1.642178 600885--C
-5.436503
Effects Specification
Cross-section fixed (dummy variables)
Weighted Statistics
R-squared
0.999855 Mean dependent var 2.592271 Adjusted R-squared 0.998694 S.D. dependent var 5.907074 S.E. of regression 0.040152 Sum squared resid 0.078998 F-statistic
861.5874 Durbin-Watson stat 3.046738 Prob(F-statistic)
0.000000
表6给出了回归估计结果，其中，公司代码-变量符号-公司代码表示该公司对应指标，其
系数表示该指标对相应公司资本结构的影响水平，如000155--PRO000155表示川化股份公司成长性指标，其系数-0.66表明川化股份的成长性和资本结构负相关，成长性每增加1个百分点，负债率将降低0.66个百分点；C 表示总体效应；公司代码-C 表示截面效应，如000155-C 表示一致药业公司的个体截面效应，其系数为-12.87。
由表6可知，化工行业数据建立的变系数个体固定影响加权回归模型的F 值为861.58，相伴概率为0.00，检验通过，调整2
R 的为0.99，拟合效果好，限于篇幅，模型中t 检验超过5%显著性水平的已经剔除。由余下的数据可以清楚的看出，不同个体间存在显著差异，表现为截距上的差异，即
48,2,1;7,2,1, ==j i j ij 均不全为零
αβ (32)
根据所建立的变斜率个体固定影响模型及回归参数估计结果，可以写出所有公司资本结构影响因素回归方程，限于篇幅，在此不一一列举。下面以双环科技(000707)和沙隆达(000553)公司的回归方程为例，如下：
OWN
GRP NDT ASS SIZ CAP GRP NDT SIZ PRO CAP 27.042.092.210.026.004.629.090.2027.096.039.5000553000707++---=--++-= (33)
其中000553000707,CAP CAP 分别代表双环科技和沙隆达公司的负债率。根据回归方程，从截距项看，双环科技和沙隆达公司的回归方程的截距项分别为-5.39和6.04，不仅有大小的差别，而且存在正负差异。从斜率项来看，其差别主要存在两方面的差别，一方面，对不同公司资本结构有显著性影响的因素是不同的，如所举例的方程中，对双环科技公司资本结构有显著性影响的因素是公司业绩、公司规模、非债务税盾和公司成长性，而对沙隆达公司资本结构有显著性影响的因素是公司规模、资产结构、非债务税盾、公司成长性和股权结构；另一方面，同一个影响因素对不同公司资本结构影响存在显著差异，例如公司规模和双环科技公司资本结构正相关，却与沙隆达公司资本结构负相关。
综上所述，可以发现以化工行业数据为样本建立的模型表明：资本结构的影响因素存在个体差异，所以仅使用截面数据作为样本，会导致分析的结果偏离实际情况，使研究失去意义。 4．2 医药行业数据的实证结果及分析
医药行业数据可建立模型如下
()()()()()()9
,2,1;43,2,142426262161642425252151542424242141442423232131342422222121242421212111142
4222110 ==++++++++++++++++++++++++++++++++++++=t i CON D D D LIQ D D D UNI D D D NDT D D D SIZ D D D PRO D D D D D D CAP it
it it
it it it it i it μββββββββββββββββββββββββαααδα，，，，，， (34)
其中，i δα+0表示个体效应，引入的虚拟变量：
42,,2,101 =??
?=i i D i 其他
个公司时如果样本属于第
(35)
应用EViews6.0，使用医药行业数据建立变系数个体固定影响模型，采用可行的广义最小
二乘估计，参数估计结果如下：
Dependent Variable: CAP
Method: Pooled EGLS (Cross-section weights)
Variable Coefficient Std. Error t-Statistic Prob. C
0.635018 1.503675 0.422310 0.6739 000028--PRO000028 -0.282431 0.620168 -0.455410 0.6500 000078--PRO000078 -0.377504 0.152543 -2.474747 0.0153 000153--PRO000153 -0.551824 0.103922 -5.309989 0.0000 000423--PRO000423
0.670896
0.096985
6.917508
0.0000
000538--PRO000538 1.002349 0.241466 4.151092 0.0001 000590--PRO000590 -0.140991 0.048466 -2.909071 0.0046 000597--PRO000597 -1.733215 0.623367 -2.780409 0.0067 000756--PRO000756 -1.526595 0.653389 -2.336426 0.0218 000790--PRO000790 -0.704526 0.326601 -2.157147 0.0338 000952--PRO000952 -0.367390 0.073464 -5.000966 0.0000 600085--PRO600085 -0.313758 0.071333 -4.398530 0.0000 600129--PRO600129 5.348148 0.943483 5.668516 0.0000 600201--PRO600201 0.092817 0.046420 1.999511 0.0487 600216--PRO600216 -1.243955 0.369719 -3.364600 0.0011 600222--PRO600222 -0.430109 0.194592 -2.210309 0.0297 600285--PRO600285 -0.380179 0.174426 -2.179599 0.0320 600297--PRO600297 -2.137435 0.501697 -4.260406 0.0001 600422--PRO600422 -0.409137 0.124741 -3.279877 0.0015 600750--PRO600750 -3.082291 1.451075 -2.124143 0.0365 600812--PRO600812 -0.682764 0.169039 -4.039084 0.0001 000153--SIZ000153 0.462455 0.026702 17.319050 0.0000 000522--SIZ000522 -0.545640 0.128811 -4.235977 0.0001 000538--SIZ000538 0.135072 0.011256 11.999880 0.0000 000623--SIZ000623 -0.113001 0.023373 -4.834746 0.0000 000952--SIZ000952 -0.125482 0.036086 -3.477319 0.0008 600062--SIZ600062 0.147608 0.041399 3.565516 0.0006 600085--SIZ600085 0.073216 0.006433 11.380590 0.0000 600129--SIZ600129 -0.581062 0.101747 -5.710832 0.0000 600196--SIZ600196 0.194773 0.046440 4.194116 0.0001 600201--SIZ600201 0.227387 0.017175 13.239220 0.0000 600216--SIZ600216 0.299271 0.115053 2.601153 0.0109 600253--SIZ600253 0.481855 0.215331 2.237737 0.0278 600267--SIZ600267 0.191947 0.043889 4.373489 0.0000 600276--SIZ600276 0.582936 0.191225 3.048431 0.0031 600297--SIZ600297 0.127271 0.052213 2.437554 0.0168 600422--SIZ600422 1.338514 0.268223 4.990295 0.0000 600666--SIZ600666 0.276355 0.124596 2.218020 0.0292 600789--SIZ600789 -0.302113 0.132292 -2.283673 0.0249 600812--SIZ600812 0.340765 0.135835 2.508661 0.0140 600849--SIZ600849 0.220286 0.086477 2.547322 0.0126 000153--NDT000153 -4.461283 0.429128 -10.396150 0.0000 000423--NDT000423 7.760704 2.419466 3.207610 0.0019 000538--NDT000538 3.249346 1.168236 2.781413 0.0066 000590--NDT000590 12.876600 1.468250 8.770032 0.0000 000623--NDT000623 15.595600 4.274818 3.648249 0.0005 000790--NDT000790 -7.923675 2.757837 -2.873148 0.0051 000952--NDT000952 -5.597328 1.964598 -2.849096 0.0055 600062--NDT600062 -7.139238 2.317646 -3.080383 0.0028 600085--NDT600085 -3.467838 0.384886 -9.010043 0.0000
600129--NDT600129 -32.463670 8.727878 -3.719537 0.0004 600196--NDT600196 -18.048710 7.378110 -2.446251 0.0165 600201--NDT600201 -2.732925 1.255737 -2.176352 0.0323 600211--NDT600211 22.932790 7.639006 3.002065 0.0035 600276--NDT600276 19.251210 6.557024 2.935967 0.0043 600297--NDT600297 -8.891049 1.782695 -4.987419 0.0000 600422--NDT600422 -6.888643 1.742860 -3.952493 0.0002 600789--NDT600789 -3.007252 1.240475 -2.424275 0.0174 600867--NDT600867 13.189250 6.168920 2.138017 0.0354 000790--UNI000790 2.055750 0.447271 4.596202 0.0000 000999--UNI000999 0.808001 0.357629 2.259326 0.0264 600062--UNI600062 1.749300 0.618108 2.830089 0.0058 600085--UNI600085 -0.778121 0.051301 -15.167650 0.0000 600129--UNI600129 -6.176031 1.255636 -4.918648 0.0000 600201--UNI600201 -0.796707 0.176421 -4.515942 0.0000 600276--UNI600276 -3.547315 0.877826 -4.041022 0.0001 600422--UNI600422 -0.732585 0.148150 -4.944894 0.0000 600750--UNI600750 -0.799431 0.337394 -2.369431 0.0201 600789--UNI600789 1.644237 0.766739 2.144455 0.0348 000028--LIQ000028 -0.640685 0.059809 -10.712110 0.0000 000078--LIQ000078 -0.308302 0.100549 -3.066188 0.0029 000423--LIQ000423 -0.031787 0.004083 -7.786037 0.0000 000513--LIQ000513 -0.131686 0.063902 -2.060752 0.0423 000538--LIQ000538 -0.256636 0.006349 -40.419420 0.0000 000790--LIQ000790 -0.029489 0.009231 -3.194723 0.0020 000919--LIQ000919 -0.031517 0.006911 -4.560142 0.0000 000952--LIQ000952 -0.085616 0.017906 -4.781334 0.0000 000989--LIQ000989 -0.077388 0.015087 -5.129568 0.0000 000999--LIQ000999 -0.218895 0.079717 -2.745883 0.0073 600062--LIQ600062 -0.196041 0.022551 -8.693181 0.0000 600085--LIQ600085 -0.063924 0.001436 -44.508600 0.0000 600129--LIQ600129 -0.427715 0.062056 -6.892358 0.0000 600201--LIQ600201 -0.091206 0.013986 -6.521080 0.0000 600276--LIQ600276 -0.044690 0.007502 -5.957323 0.0000 600297--LIQ600297 -0.056194 0.026645 -2.108978 0.0379 600422--LIQ600422 0.154217 0.045690 3.375248 0.0011 600789--LIQ600789 -0.087374 0.040617 -2.151165 0.0343 600842--LIQ600842 -4.992119 2.007251 -2.487042 0.0148 000153--CON000153 0.368100 0.119500 3.080342 0.0028 000423--CON000423 -0.590887 0.253856 -2.327643 0.0223 000538--CON000538 0.090391 0.020843 4.336789 0.0000 000590--CON000590 2.779060 0.640915 4.336080 0.0000 000756--CON000756 1.173236 0.470894 2.491505 0.0146 000790--CON000790 0.764189 0.321044 2.380326 0.0195 000999--CON000999 5.922287 1.125967 5.259732 0.0000
600085--CON600085 0.201677 0.019112 10.552180 0.0000 600201--CON600201 0.995705 0.198073 5.026971 0.0000 600211--CON600211 -0.570201 0.098336 -5.798471 0.0000 600276--CON600276 0.477447 0.223068 2.140360 0.0352 600422--CON600422 -1.478841 0.479149 -3.086390 0.0027 600812--CON600812 -0.436236 0.059506 -7.330944 0.0000 600849--CON600849 3.779444 0.721332 5.239532 0.0000 Fixed Effects (Cross)
000028--C -0.168781
000078--C 3.040596
000153--C -9.763083
000423--C -0.515747
000513--C -2.439373
000522--C 11.90426
000538--C -2.758930
000566--C 32.65997
000590--C -0.587562
000597--C -2.640749
000623--C 000739--C
1.747833 -0.849301
000756--C -5.819086 000766--C -2.100589 000790--C 1.521356 000919--C -1.960709 000952--C 2.661130 000963--C -0.456745 000989--C -0.247593 000999--C -3.601727 600062--C -3.575106 600085--C -1.679493 600129--C 14.56604 600196--C -4.663230 600201--C -4.827902 600211--C -2.150116 600216--C -6.327273 600222--C 0.090254 600253--C -10.33274 600267--C -4.262988 600276--C -11.96962 600285--C -1.849003 600297--C -2.534149 600422--C -27.66362 600666--C -5.439965 600713--C -2.763712 600750--C -4.878687 600789--C 6.344484 600812--C -7.424853 600842--C 61.38845 600849--C -6.486975 600867--C -3.859608