高速公路上市公司融資決策模型研究

內(nèi)容摘要：本文從公司層面分析影響我國高速公路上市公司融資結構的主要因素，并就具體因素進行因子分析和回回分析，從而找到影響我國高速公路上市企業(yè)融資決策的原因，進行深進分析�！　￡P鍵詞：高速公路上市公司 融資結構 融資決策
　　
　　根據(jù)Baxter (1970) ，Titman和Wessels(1988)等學者的資本結構決定因素理論可以看出，有很多因素影響公司的資本結構。其中哪些因素影響高速公路上市公司的融資模式以及如何影響是本文主要的研究對象。
　　
　　影響我國高速公路融資結構因素的初步確定
　　
　　在資本結構理論發(fā)展史上, 曾于20世紀70年代初誕生了資本結構決定因素學派,又被稱為融資工具選擇理論。不同的理論夸大不用的影響因素，各種理論所示意的反映公司特點的各種變量都會對公司融資模式的選擇有一定影響，因此本文將所有較為成熟的理論所夸大的主要影響融資結構的因素均考慮在內(nèi)，再用因子分析法對各因素作進一步分析取舍。理論和經(jīng)驗研究表明：高速公路公司資本結構的內(nèi)部影響因素包括企業(yè)規(guī)模、企業(yè)成長性、股權結構、實交所得稅、抵押價值、非負債稅盾、企業(yè)盈利能力、短期償債能力、企業(yè)經(jīng)營能力、公司經(jīng)營風險、公司獨創(chuàng)性以及信號。
　　
　　應用模型方法先容
　　
　　本文研究應用兩步模型：
　　第一步：用簡單因子分析模型確定主要影響因素。該模型主要用于確定影響不可觀察的普通因子的最小數(shù)目。本文初步總結了12個財務變量(X)，�？锤鶕�(jù)因子分析模型確定未知的不可觀測公司特征變量(Y)。
　　第二步：用多變量回回模型分析第一步所確定的因子與公司資本結構的相關關系模型：分別逐一將這些影響因素與公司融資結構（杠桿率）進行相關與回回分析，找到每一種描述公司特征的因素對公司融資結構的具體影響程度和方向。
　　
　　
　　數(shù)據(jù)及數(shù)據(jù)庫描述
　　
　　本文所用的原始數(shù)據(jù)均來自上市公司年報整理；所有的解釋變量以2004年的數(shù)據(jù)為準；考慮到在同一年份中解釋變量與被解釋變量之間的必然聯(lián)系題目，將被解釋變量滯后一年，所以對公司杠桿率的度量來自公司2005年的資產(chǎn)負債數(shù)據(jù)；這樣做可以使我們推斷杠桿率與各種公司特征之間的一些非必然聯(lián)系、即間接聯(lián)系，見表1、表2。
　　
　　變量設計及描述
　　
　�。ㄒ唬┙忉屪兞�
　　對資本結構影響因素，即解釋變量的設計，本文采用了分類設計的方法。具體而言，就是對資本結構理論分析中的每一個解釋變量，盡可能多地設計幾個財務指標。假如只為每一解釋變量設計一個財務指標，很可能造成嚴重的信息丟失。就理論而言，解釋變量共有12個（企業(yè)規(guī)模、企業(yè)成長性、股權結構、實交所得稅、抵押價值、非負債稅盾、企業(yè)盈利能力、短期償債能力、企業(yè)經(jīng)營能力、公司經(jīng)營風險、公司獨創(chuàng)性以及信號）；由于個別上市公司數(shù)據(jù)缺失，現(xiàn)選取9個解釋變量作為對以下3個被解釋變量的影響因素。
　�。ǘ�）被解釋變量
　　本文用三個不同指標來衡量高速公路上市公司的資本結構，即總負債/總資產(chǎn)、長期負債/總資產(chǎn)、活動負債/總資產(chǎn)。所有變量對應的財務指標對應關系見表3。
　　
　　
　　分析結果
　　
　�。ㄒ唬┮蜃臃治觯ù_定主要影響因素）
　　因子分析經(jīng)常通過以下4步來處理：計算所有變量的相關矩陣，從矩陣和統(tǒng)計量確認與其他變量無關的變量，評價因子模型的恰當性，以及處理在某些變量上有缺失值case；因子提取，確定描述數(shù)據(jù)所需要的因子數(shù)及其計算方法；因子旋轉，集中于變換因子使之更好解釋；計算每一個case的因子得分，然后將它們用于各種進一步的分析中。
　　本文針對21家高速公路上市公司的9個因素、14個解釋變量的因子分析將嚴格按照以上的步驟進行。
　　從表4的特征值可看出，第一個因子的特征值進=3.392，大約占往方差的24.231%，基于過程內(nèi)定取特征值大于1的規(guī)則，F(xiàn)acter過程提取了前五個因子，五個因子的特征值共占往方差的84.316%�？梢�，被放棄的9個因子解釋的方差僅占15%，因此說明前五個因子提供了原始數(shù)據(jù)的足夠信息。
　　表5是初始因子負荷矩陣，通過這個系數(shù)矩陣可以用各原變量寫出因子表達式，以便了解因子的含義。從表5可看出第一、第二、第三、第四及第五因子即F1、F2、F3、F4、F5在原變量上的載荷值都相差不大，故不太好解釋它們的含義；在實際應用中還無法確定五個主因子分別代表了哪幾個我們所設定的財務指標，尚需運用統(tǒng)計軟件對以上數(shù)據(jù)進行轉換以便較為明顯的看出層次關系。
　　從表6可知，轉軸后的因子系數(shù)已經(jīng)明顯向兩極分化，有了更鮮明的實際意義：因子F1中系數(shù)盡對值最大的是國家持股比例=0.928，根據(jù)對原始變量的定義，可以將該因子識別為公司股權結構指標。因子F2中系數(shù)盡對值最大的是存貨占總資產(chǎn)的比例=-0.906；根據(jù)我們對原始變量的定義，可將該因子識別為公司抵押資產(chǎn)價值；因子F3中系數(shù)盡對值最大的是主營業(yè)務收進增長率=0.927，因此可以以為F3代表了高速公路公司的成長性。因子F4中系數(shù)盡對值最大的是凈資產(chǎn)收益率=0.735，將該因子識別為公司盈利能力指標。因子F5中系數(shù)盡對值最大的是活動比率=0.946，因此將該因子識別為高速公路上市公司的短期償債能力指標。
　　
　�。ǘ�）回回模型分析
　　在以上因子分析中，已經(jīng)確定了對融資結構的五個主要影響因素，以這五個因素為自變量，分別對因變量做回回分析。
　　綜合表7及以上輸出結果，本文確定了5個因素是影響高速公路上市公司融資結構的主要因素，它們是因子F1公司股權結構、因子F2公司抵押資產(chǎn)價值、因子F3公司的成長性、因子F4公司盈利能力指標、因子F5公司的短期償債能力指標。回回方程中5個主要可能的影響因素對長期負債比率的相關檢驗均無法通過(SIG值

【高速公路上市公司融資決策模型研究】相關文章：

Home.Net模型/架構研究06-01

中美上市公司融資順序的差異及原因分析08-26

談國外職業(yè)決策困難研究進展06-10

商業(yè)銀行資產(chǎn)負債管理模型的應用研究06-06

網(wǎng)購顧客滿意度影響因素模型研究05-15

談智能決策支持系統(tǒng)及其在林業(yè)中的應用研究08-21

下放決策權05-12

關于上市公司現(xiàn)金股利政策信號內(nèi)涵的影響因素實證研究08-05

別讓沉沒本錢誤導決策04-30

審計風險模型的演進及應用08-26