英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

资本结构与公司财务业绩的关系

——俄罗斯，莫斯科，俄罗斯联邦政府下属的金融大学

摘要：文章对主要绩效指标（ROA、ROIC、市值变化和市账率）的关系和基于英国医药行业2009-2019年公司资本结构的情况进行了研究和分析。本研究旨在为外部融资对公司财务绩效的影响提供实践证据，并检验优序融资理论对所选公司的适用性。所进行的研究采用面板数据回归和Wald检验来确定和分析资本结构对公司业绩财务指标的影响。研究采用的样本是185家英国医药行业的公司。研究结果表明，股权对市账率和ROA有负向影响，对市值变化有正向影响，而长期债务与市账率和市值变化有正向关系。此外，短期债务对市值变化、ROA和ROIC有负向影响。该研究也仅提供了部分与优序融资理论吻合的结果。

关键词：资本结构；财务绩效；市场资本结构；财务绩效；市场资本化；资产回报率；资本回报率。

1. 引言

20世纪以来，评价公司发展的方法被积极讨论和探讨。普遍接受的财务计量方法之一被认为是公司的财务业绩，它代表了公司在使用主要职业的资产和创收的有效性上的主观衡量标准。此外：财务业绩也表明了公司在一定时期内的整体财务健康状况^[4]。为了提高由公司选择融资的财务绩效的内外部资源，这资源随后影响其资本结构。资本结构决策是企业最重要的决策之一，因为它可能有助于使公司的收益最大化，并在竞争环境中成功运作。从上个世纪50年代开始，各种资本结构理论不断发展，试图为企业找到最佳的融资方案，使企业在竞争环境中成功运作。帮助他们积极发展，提高业绩^[1]。

有趣的是，很少有研究拿发达国家的创新产业来研究这种关系^[8]。因此，现代创新型企业的绩效与资本结构的关系仍未被探讨。因此，对这一关系进行细致的实证研究，对于更好地理解现代社会这类公司的运作具有重要意义。

本文旨在以英国制药企业为例，探究资本结构与公司业绩指标之间是否存在关系。这一目标得到了以下客观事实的支持：

- 根据相关文献，判断资本结构与企业绩效之间是否存在关系。

- 要发现公司业绩的关键财务指标。

- 研究主要财务指标与资本结构之间的关系。

- 确定外部融资对公司财务业绩的影响。

- 检验金融资源配置是否符合资本结构理论之一。

本研究将试图弥补前人研究的不足，并强调任何意料之外的关系以更好地了解制药公司的经营原则和改善其财务绩效的方法，并使投资者对上述公司的融资做出更明智的决策。

1. 方法论

以下研究旨在对英国医药行业的部分企业进行实证分析，并根据假设检验其资本结构与财务绩效之间的关系。

由于资本结构的外部资金来源是股权的组合。长期和短期债务来源于他们对每个财务业绩指标的影响将另行考虑。以下公司业绩的财务指标被选中：ROA，ROIC，DMC，市净率。本研究旨在确定资本结构对所选择的绩效变量的影响，并根据以下数据样本分析接受或拒绝以下假设。

本研究探讨了资本结构对企业主要财务指标的影响。公司的业绩为英国医药行业公司。因此，根据所选择的财务业绩指标，提出以下假设。每个假设描述了四个财务指标中的一个：H1称外部融资对DMC这一公司业绩指标有负面影响。H2称外部融资对市净率这一公司业绩指标产生积极影响。H3验证外部融资是否会对ROA这一公司绩效指标产生负面影响。最后，H4作为一个很重要的公司业绩指标考察了外部融资是否会对投资回报率产生积极的影响。最后，在检验前四个假设的基础上，提出H5：金融资源配置遵循啄木鸟理论。最后，在检验前四个假设的基础上，提出H5：金融资源配置遵循优序融资理论。

由于在本研究框架内无法获得有关公司业绩的财务指标及其资本结构的必要信息，因此本研究仅使用二级数据。

本研究收集了同一行业不同企业长期以来的数据。由于数据参考了“多维数据”的概念，并且包括了长时间的测量，因此决定采用固定连续样本研究作为计量统计研究的一种纵贯研究^[2]。

为了衡量自变量对因变量的影响，检验假设H0和H1面板数据分析技术的应用。假设检验涉及到几种模型的使用：线性回归、集合OLS面板回归模型和固定效应和随机效应面板回归模型^[11]。为了检验资本结构与市净率之间的关系，DMC、ROA和ROIC线性回归似乎是最好的应用模型。在标准形式下，线性回归用公式表示：

（1）

其中：Yi--因变量。

beta;0--常数。

beta;1-beta;n--回归系数。

X1-Xn--解释变量。

Ɛi--统计误差

为了寻找贝塔斯和建立回归模型，普通最小二乘法（OLS）是应用于面板回归的最有力的方法之一^[11]。

为了估计资本结构与作为因变量的ROA和ROIC之间的关系，建立了回归函数。

（2）

（3）

自变量用短期债务（ST）、长期债务（LT）表示，流通股增长率（DSH），Ɛ_i,t表示统计误差。

为了估计资本结构与市净率之间的关系，在回归模型中加入ROE作为控制变量，以控制增加杠杆率的风险。因此，市净率作为因变量的回归公式为：

（4）

通过测定系数或R平方的系数，研究确定应用回归模型的可能性。R平方作为预测因子和反应之间的选择性修正，可以根据公式^[11]来衡量。

（5）

为避免回归模型的随机误差和偏系数估计的自相关，本研究采用自回归模型检验市净率、ROA和ROIC。

为了得到市净率、ROA和ROIC使用OLS方法的最佳结果，本研究采用自回归模型。采用一阶和二阶的自回归，其过程用公式表示：

（6）

（7）

为了检验资本结构对DMC的影响，需要应用集合OLS和固定效应和随机效应面板回归模型。

（8）

在模型中没有考虑的影响因素和依赖于公司的随机偏差的情况下，这些回归模型有助于避免异质性偏差。

该研究的置信区间为90%，因此P值在10%或更低的水平上提出了一个显著的结果。

在检验市净率、ROA和ROIC作为自变量时，也采用Wald检验来验证短期债务和长期债务的影响是否不同。此项工作采用程序EViews11进行。

分析的对象是在伦敦证券交易所上市的医药公司.财务数据是作者于2020年5月22日从彭博社信息系统中获取的2009年至2019年期间的数据并且由公司财务数据组成。市盈率、流通股数量、股价、市值、长期和短期债务、市账率、ROE、ROA和ROIC。主要样本包括203家公司。数据被导出到Excel中。由于缺乏一些公司数据，一些公司被排除在样本之外。基于每年的观察，最终样本由11年（2009年1月至2019年1月）的185家公司组成。

为了消除遗漏变量偏差，在必要的地方将控制变量纳入模型中^[11]。还使用Hausman检验来防止可能出现的错误结果^[3]。

1. 结论

为了检验假设H1-H5，并评估研究结果。应用上一章提到的计量经济学和统计学技术。假设H1-H5与DMC的规格包括132个截面的面板数据回归，总共720个面板观测值。首先，采用集合OLS回归模型。方法学小节中提出的集合OLS回归的通用公式根据EViews程序获得的数值进行改变。

（9）

根据得到的结果，所有自变量都有一个重要的因素，其p值分别为：短期债务0.0253，长期债务为0，流通股增长率为0，低于10%。R方为0.085411，相当低。这意味着因变量中可从独立变量预测的方差量很低。根据这些结果，可以得出结论，观察到的结果没有被模型很好地复制。但是，由于异质性偏差，结果可能不正确^[12]。为了检验集合OLS的异质性偏差，估计固定效应模型，其中应通过增加虚拟变量的数量n-1来增加。方法论一章中提到的公式，根据系数调查结果写在下面。

（10）

从表中可以看出，R方增加了，现在的R方为0.282295，比之前集合OLS回归模型的结果多了近20%。为了证明模型的重要性，进行了冗余固定效应检验。根据固定效应模型检验，横截面固定效应模型比集合模型更显著，因为横截面F检验的P值为0.0613，小于10%。这意味着集合OLS模型中的原始数据包含了异质性偏差.因此采用固定效应模型。在固定效应模型中，所有三个独立变量都对作为因变量的DMC产生显著影响。

由于总是要选择应用固定效应或随机效应的模型，所以现在应用随机效应模型。豪斯曼检验可以验证两个模型估计值之间的价值差异，以便选择正确的模型。

根据结果，随机效应模型的公式如下：

（11）

概率结果为0,2656，大于10%的Hausman检验表明，估计器之间的数值差异不显著，因此接受零假设，因此随机效应模型适合本研究。

因此，随机效应回归模型显示，所有的独立变量都会对市值的变化产生影响。三角形呼喊和三角形长期债务的p值均为0，对DMC的影响为正，而三角形短期债务的p值为0.0252，与因变量呈负相关。

下面对资本结构与市净率的关系进行分析。观测点总数为521个，其中包括104个断面。为了避免回归模型随机误差的自相关和偏系数估计，采用自回归模型AR（1）和AR（2）。通过代入值，PB的面板数据回归形式为：

（12）

结果显示，市盈率有显著的正向影响（P值=0,044），ROE有显著的负向影响（P值=0,01）。但是，我们决定用长期债务和短期债务这样的自变量来特别考虑债务，因为这样可以有机会验证短期债务和长期债务影响的差异。根据结果，目前的公式是：

（13）

EViews 11的结果显示，长期债务的p值为0.0106，低于10%，对市净率有显著的正向影响。作为控制变量，ROE对市净率也有负向影响，p值为0.005。短期债务由于其概率为0,1549，高于本研究所取的10%的p值，因此不被认为是统计学上的重要因素。

由于短期债务和长期债务是市盈率的一部分，作为百分比，为了避免检验谬误，有必要检验长期债务和短期债务的影响是否存在差异。为此，在下面的研究中采用Wald检验。通过Wald检验，本研究检验长期债务和短期债务是否等值，因为不显著，因此可以从模型中排除。进行的检验表明，t统计学的p值（由于只检查一个线性约束，所以不考虑其他统计学检验）为0.0101，小于10%，因为存在统计学上的显著差异,因此拒绝零假设。两个系数C（2）（短期债务）和C（3）（长期债务）并不是同时等于零或相等，因此短期债务的影响与长期债务的影响不同,所以没有从模型中剔除。

为了衡量资本结构与ROA和ROIC之间的关系，将两个因变量的分析结合起来，因为要确定两者的关系，需要采用相同的技术和统计检验。为了概述其ROA与短期债务、长期债务和三角呼喊的关系，建立了103个截面、470个观测值的面板数据回归。根据结果，ROA面板数据回归的公式为：

（14）

从表中可以看出，短期债务的概率为0.0017，低于10%，而长期债务的p值为0.645，高于本研究确定的概率。因此，短期债务对ROA的影响是负面的，而长期债务对上述财务绩效指标没有任何影响。DSH对ROA的负面影响最为显著，系数为-183895，p值为0.0043。为了检验短期债务和长期债务的价值差异，采用了Wald检验。Wald检验结果显示，t统计量的p值在0.0025的水平上，小于10%，因此拒绝零假设，其中C（2）为短期债务，C（3）为长期债务，因此短期债务和长期债务的影响是不同的，不需要从模型中剔除。

对作为因变量的投资回报率的面板数据分析包括104个截面和473个面板总观测值。由于ROIC在所选企业样本中取值显著为负，因此也决定将该指标带入指数型的形式，因此因变量为EXP（ROIC/10）-1。同时进行Wald检验，以排除长期债务和短期债务值之间的同一性。根据结果，ROIC面板数据回归的公式为：

（15）

在Wald检验中，T统计量的概率小于10％，差值是短期债务和长期债务之间的影响，因此面板数据回归分析适用于这些独立变量。

ROIC的面板数据回归表明，只有短期债务的影响显著（p值为0.0058）。长期债务（0.5265）和三角呼喊（0.8378）的p值表明自变量没有统计意义。

1. 讨论

<p

剩余内容已隐藏，支付完成后下载完整资料</p

资料编号：[258029]，资料为PDF文档或Word文档，PDF文档可免费转换为Word