中國上市公司資本結(jié)構(gòu)影響因素實證研究 基于我國計算機(jī)信息行業(yè)數(shù)據(jù)的分析 湖北經(jīng)濟(jì)學(xué)院 目錄 摘要 . 1 一、引言 . 1 二、研究原 因及意義 . 2 三、相關(guān)變量的設(shè)定和數(shù)據(jù)的選取 . 2 （一）變量的設(shè)定 . 2 （二） 數(shù)據(jù)的選取 . 2 四、研究方法 . 3 （一）變量間的相關(guān)分析 . 3 （二）偏最小二乘法的回歸分析 . 3 1偏最小二乘法回歸法的特點和基本思想 . 3 2. 偏最小二乘回歸分析建模的具體步驟如下： . 4 3數(shù)據(jù)與圖表說明 . 6 （三）結(jié)果說明 . 8 （四）模型說明 . 9 參考文獻(xiàn) . 10 附錄 . 10 1 摘要 我國的資本市場尚不完善，資本結(jié)構(gòu)的影響因素很多。現(xiàn)有的對于資本結(jié)構(gòu)影響因素的實證分析多 是針對少數(shù)影響因素做出較深的研究，或是只關(guān)注 大型國有 企業(yè)來進(jìn)行研究，很少 有 研究過高新技術(shù)產(chǎn)業(yè) ，有的都只是一些定性的分析 。 本文 通過 研究 上市公司中的計算機(jī)應(yīng)用服務(wù)業(yè) ， 分析 財務(wù)報表建立指標(biāo)體系， 通過觀察各變量相關(guān)系數(shù)間 ， 發(fā)現(xiàn) 結(jié)果不夠 理想 ， 原因是 變量之間又存在嚴(yán)重的共線性，而偏最小二乘法可以有效解決這類問題，因此 將 偏最小二乘 法經(jīng)過改進(jìn)成為多個自變量對應(yīng)一個應(yīng)變量后進(jìn)行使用 ， 最后通過分析得到最終的結(jié)論，即中國市場高新技術(shù) 上市公司 一方面自身沒有很好 地 發(fā)展 ， 即沒有遵循啄序融資理論 的路線 ，另一方面外部的資本市場也沒有太多給予這些發(fā)展中企業(yè) 條件 ，從而導(dǎo)致最優(yōu)的資本結(jié)構(gòu)與理論上有所不同 。 關(guān)鍵詞： 計算機(jī)應(yīng)用服務(wù)業(yè) 資本結(jié)構(gòu) 相關(guān)系數(shù) 偏最小二乘 法 一、 引言 資本結(jié)構(gòu)又稱融資結(jié)構(gòu)，是指企業(yè)取得長期資金的各項來源、組成及相互關(guān)系。企業(yè)資本結(jié)構(gòu)是公司財務(wù)理論研究的重要方面。 早期的資本結(jié)構(gòu)理論可以追溯到 1946年?？怂沟膬r值與資本專著，杜蘭特 1(1952) 把當(dāng)時對資本結(jié)構(gòu)的見解化分為三種：凈收益理論、凈營業(yè)收入理論和介于兩者之間的傳統(tǒng)折衷理論凈。在此之后莫迪格利安尼和米勒 (958)2提出了著名的 建了現(xiàn)代資本結(jié)構(gòu)理論。但由于 此莫迪格利安尼和米勒(963)3對該理論進(jìn)行了修正，把公司所得稅的影響引入了原來的分析之中進(jìn)一步完善了理論， 負(fù)債會因利息減稅作用而增加企業(yè)的價值。 因此，企業(yè)負(fù)債率越高越好 ,該結(jié)論認(rèn)為，負(fù)債對企業(yè)價值和融資成本都有影響，如果企業(yè)負(fù)債率達(dá)到 100%時 ,則企業(yè)的價值就會最大，而融資成本最小。然而，上述的結(jié)論與現(xiàn)實經(jīng)濟(jì)實踐的實際情況仍然不符合 然考慮了負(fù)債帶來的節(jié)稅利益，但卻忽略了負(fù)債導(dǎo)致的風(fēng)險和額外費用，于是 20世紀(jì) 70年代產(chǎn)生了一種新的資本結(jié)構(gòu)理論，即考慮負(fù)債導(dǎo)致的風(fēng)險和各種費用，并對他們進(jìn)行適當(dāng)?shù)钠胶鈦泶_定企業(yè)資本結(jié)構(gòu)的理論 權(quán)衡理論，平衡點是 當(dāng)公司的債務(wù)上升到一定水平時 ,在某一點上債務(wù)上升 1元 ,獲得稅收利益正好等于由此帶來的財務(wù)危機(jī)成本和代理成本 的位置， 雖然該理論揭示了確定最佳資本結(jié)構(gòu)的方法 ,但由于對*本文 數(shù)據(jù)來源： ： 2 財務(wù)危機(jī)成本和代理成本的量化相當(dāng)困難 ,利用該理論尚不能確定最佳資本結(jié)構(gòu)在哪一點上 。 該理論的主要貢獻(xiàn)是確定了影響資本結(jié)構(gòu)的兩個相關(guān)因素 。 二、 研究 原因 及意義 計算機(jī)應(yīng)用服務(wù)業(yè) 是中國市場中的高新技術(shù)產(chǎn)業(yè)，然而卻一直得不到發(fā)展，究其原因大部分學(xué)者專家都認(rèn)為是融資困難， 但是根據(jù)理論 這些發(fā)展中的企業(yè)的資本結(jié)構(gòu)應(yīng)該是先內(nèi)后外，先債務(wù)后融資。 為了弄清到底是公司自身的發(fā)展，還是資本市場的壁壘，本文 首先進(jìn)行逐步 回歸進(jìn)行 大致 分析， 然后使用偏最小二乘法進(jìn) 行 分析 ， 通過對最終結(jié)果的分析來探究原因。 三 、 相關(guān) 變量 的設(shè)定 和數(shù)據(jù) 的 選取 （一） 變量的設(shè)定 因變量 Y: 資產(chǎn)負(fù)債率 =總負(fù)債 /總資產(chǎn) 表 1 變量定義表 指標(biāo) 符號 注釋 市盈率 010 年 12 月 31 日市盈率的對數(shù) 總資產(chǎn) 賬面總資產(chǎn)的對數(shù) 速動比率 動比率 =速動資產(chǎn) /流動負(fù)債 擔(dān)保資產(chǎn)比率 存貨凈額 +固定資產(chǎn)凈額無形資產(chǎn)投資性房地產(chǎn)）總資產(chǎn) 留存收益比例 存收益占總資產(chǎn)比例 貨幣資金比例 貨幣資金 +交交易性金融資產(chǎn)） /流動負(fù)債 實際所得稅 得稅費用 利潤總額 前三大股東的赫芬達(dá)爾系數(shù) 算公式： x1+x2+東持股比例。 低，股權(quán)越分散。 主營業(yè)務(wù)收入增長率 量 產(chǎn) 品 市 場 上 的 成 長 力 的 實 現(xiàn) 主營業(yè)務(wù)收入增長率 =（本期主營業(yè)務(wù)收入 *100% 總資產(chǎn)收益率 010 年年報中的總資產(chǎn)報酬率 （二） 數(shù)據(jù)的選取 在借鑒有關(guān)金融類上市公司資本結(jié)構(gòu)影響因素已有研究成果的基礎(chǔ)上，考慮計算機(jī)應(yīng)用服務(wù)業(yè)的行業(yè)特性，依據(jù)樣本上市公司 2010 年的財務(wù)數(shù)據(jù)及財務(wù)報表指標(biāo)，選取了 10個影響上市公司的因素作為指標(biāo)進(jìn)行分析，具體指標(biāo)見表 1。 3 四 、 研究方法 （ 一 ）變量間的相關(guān)分析 首先，對各個變量之間進(jìn)行相關(guān)分析，發(fā)現(xiàn)變量之間有多重共線性 如表 2 所示 表 2 多重共線性分析表 x1 x2 x3 x4 x5 x6 x7 x8 x9 071 077 702* 071 1 198 375* 1 049 077 1 200 1 348* 702* 122 198 200 034 401* 381* 049 034 *. is at 2 *. is at 2 從表中可以看到，因變量與各自變量之間或多或少存在相關(guān)關(guān)系，表明我們所選的指標(biāo)是有意義的。另有些自 變量 之 間存在嚴(yán)重 的 多重相關(guān)性 ， 在這種情況下 ， 并不適合運用普通最小二乘法建立回歸模型進(jìn)行分析 。 因此 ， 本文選擇運用偏最小二乘回歸法對影響 計 算機(jī)應(yīng)用服務(wù)業(yè) 資本結(jié)構(gòu)的因素進(jìn)行分析 。 （ 二 ）偏最小二乘法的回歸分析 1 偏最小二乘法回歸法的特點和基本思想 偏最小二乘回歸 ( 法是 出的一種新型的多元統(tǒng)計數(shù)據(jù)分析方法 ， 該方法將多元線性回歸分析 、 變量的主成分分析和變量間的典型相關(guān)分析有機(jī)結(jié)合起來 ， 在一個算法下同時實現(xiàn)了回歸建模 、 數(shù)據(jù)結(jié)構(gòu)簡化和兩組變量間的相關(guān)分析 ， 適宜處理樣本容量小 、 自變量多 、 變量間存在嚴(yán)重多重相關(guān)性的統(tǒng)計問題 。 以進(jìn)行多因變量 或單因變量對多自變量的回歸 ， 本文研究的問題只涉及到單因變量 ，但無論多因變量還是單因變量，其理論思想是相同的。 下面簡單的介紹一下偏最小二乘法的理論思想和建模方法。 4 不妨假定 p 個因變量12, , , py y y與 m 個自變量12, , , mx x 變量組和自變量組的 n 次標(biāo)準(zhǔn)化觀測數(shù)據(jù)陣分別記為 1 1 101pn n (1 1 101pn n (2. 偏 最小二乘回歸分析建模的具體步驟如下： （ 1）提取成分 為了減少量綱的影響及計算誤差，先將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，原始數(shù)據(jù) X 和 Y 標(biāo)準(zhǔn)化后的數(shù)據(jù)為 0 0 1 0 2 0. m E E 和 001，然后對標(biāo)準(zhǔn)化后的數(shù)據(jù)提取因子，提取步驟 如下： 記1一個成分，1t=01為單位向量，即1w=1 1u=01為單位向量，即1c=1 提取出的1 1 m a xV a r t 1( ) m a xV a r u 11( , ) m a xr t u 即1 和 Y ，并且1 分別提取兩變量組的第一對成分，并使之相關(guān)性達(dá)最大。假設(shè)從兩組變量分別提出第一對成分為1 , ) x x的線性組合：1 1 1 1 1 1w x w x w X 是因變量集1,( , ) y y的線性組合：1 1 1 1 1 1 v y v y v y 。 （ 2） 建立0 5 0 1 1 110 1 1 t EF t F (其中1 1 1 1( , , ) ， 1 1 1 1( , , ) 分別是多對一的回歸模型中的參數(shù)向量，1歸系數(shù)向量1, 1的最小二乘估計為 21 0 1 121 0 1 1 / /t tF t t (（ 3）用殘差陣1 數(shù)據(jù)陣0 1, )r n m，則存在 2, , , rt t t ，使得 0 1 10 1 1 r rr r rE t t EF t t F (把1 ( 1 , 2 , , )k k k m mt w w x k r ，代入11 t t ，即得 p 個 因變量的偏最小二乘回歸方程式11j j j m my a x a x （ 4）交叉有效性檢驗。 一般情況下，偏最小二乘法并不需要選用存在的 r 個成分12, , , rt t 像主成分分析一樣，只選用 前 l 個成分 ()，即可得到 解釋 能力較好的回歸模型。 大多數(shù)情況下，偏最小二乘回歸方程并不需要選用全部成分12, ,., rt t 是可以像主成分分析時一樣，采用截尾的方式選擇前 h 個成分，僅用這 h 個成分12, ,. ht t 個預(yù)測性能較好的模型，選取思想是，增加一個新成分時對模型的預(yù)測功能是否有明顯提高，如有，則入選；反之，則不加入。記 212()12()()1 ( ) / ( )ni h h h y E S S h y R E S S h S S h (其中表示利用全部樣本點，并提取12, ,. ht t