前言：中文期刊網精心挑選了最新醫藥行業動態范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。

最新醫藥行業動態范文1

【論文摘要】本文基于我國10個行業上市公司連續5年的面板數據分行業建立的動態調整模型。研究發現:我國上市公司的資本結構存在顯著的行業差異;資本結構影響因素對不同行業的影響力的大小和方向也存在很大差異;同時各行業受宏觀 經濟 因素的影響,資本結構的調整成本和資本結構的適宜度也各不相同。

本文運用面板數據構建了我國上市公司分行業資本結構動態調整模型,通過對多個行業上市公司連續五年數據的分析,試圖對我國上市公司資本結構行業差異進行較全面的分析,并對產生這些差異的原因進行解釋。

一、模型變量與動態調整模型

1.模型變量的選取。本文選擇了與行業經營特點緊密相關的盈利能力、公司規模、成長性、資產可抵押性、非債務稅盾和收益波動性等指標作為影響公司資本結構的因素納入動態調整模型,指標代碼及 計算 方法見表1:

對于資本結構的度量,學術界普遍采用三種方式:總負債/總資產,總負債/股東權益,長期負債/總資產。本文采用總負債/總資產(debt)來衡量 企業 的資本結構。由于采用市場價值計算企業資產價值存在較大困難,本文的debt指標采用賬面價值計算。

2.動態調整模型。以上分析表明企業的最優資本結構是由多個因素綜合作用的結果,因此最優資本結構可以表示為:

debt*it=β0+β1pr oit+β2sizeit+β3gr owit+β4tangit+β5ndtsit+β6invait+εit(1)

然而,由于企業在調整資本結構時存在調整成本,并不是將資本結構調整到最優值,而是遵循一個動態目標并運用如下調整模型:

debtit-debtit-1=δ(-debtit-1)(2)

其中: debt*it表示公司第t期的最優資本結構;debtit和debtit-1分別為第t年和t-1年的實際資本結構;系數δ用來度量資本結構的調整成本,δ越小,表明企業承擔的調整成本越高。將式(2)調整為debtit的函數再代入式(1),并加入時間固定效應變量tt和個體特定效應控制變量μt,以控制與公司個體相關但未被模型包含的其他資本結構影響因素,最終建立資本結構動態調整模型如下:debtit=β0+β1proit+β2sizeit+β3growit+β4tangit+β5ndtsit+β6invait+(1-δ)debtit-1+tt+μt+εit(3)

模型中tt表示時間固定效應變量,可以理解為宏觀經濟因素變動對資本結構調整的影響;εit為未被觀察到的隨時間和截面個體同時變化的剩余誤差項。本文所采用的模型與肖作平(2004)和王皓、趙俊(2004)所采用模型的原理基本一致。因同行業企業一般具有大致相同的特征,因此模型中并未包含企業特征效應變量。

二、樣本的確定及數據來源

本文采用的行業分類標準為證監會2001年4月的《上市公司行業分類指引》,即13個行業大類,各行業大類下進一步分行業門類。本文同時對制造業下的各行業門類也分別進行分析,以考察相似行業的資本結構差異情況。按照2001年證監會官方公布的分類結果,首先選擇在深滬兩市1998年12月31日以前上市的所有非 金融 類a股上市公司;為避免異常值的影響,樣本中刪除了1999～2003年中曾被st和pt的公司及在任何一年中負債率大于1的公司;同時為了保證模型估計的可靠性,考慮到統計中對樣本的最低要求,對于樣本小于30家的行業不加以分析;最后取得數據完整的588家公司1999～2003年連續5年的完整數據,共2 940個觀察單元。樣本分屬6個行業大類,其中制造業公司338家,分屬5個行業門類。各行業樣本分布情況見表2:

三、實證分析

1.資本結構行業差異的統計描述與假設檢驗。將各行業資產負債率整理后統計描述如表3所示。從表3中可以發現,行業間各期負債率的平均值存在較明顯的差別。分行業來看,代碼為j的房地產業的負債率最高,5年的平均值為0.534,然后依次為批發零售貿易業、綜合類行業、信息技術業、制造業和電力、煤氣及水生產供應業。房地產業的負債經營特征明顯,批發零售貿易業存在大量的短期負債,而電力、煤氣及水生產供應業投資需求較少,因而負債率也相對較低。從制造業下的各行業門類來看,機械設備儀表行業的負債率最高,而食品行業的負債率最低。除制造業2003年的標準差大于0.2外,其他各行業各期的標準差均小于0.2,這說明各行業負債率的集中度較高。同時,各行業的負債率在5年中均出現了不同程度的增長。

2.行業間影響資本結構選擇的各因素分析。模型中包含有不可觀察的公司特征效應μt被解釋變量的滯后項,同時本研究的時間維度只有5年,因此直接采用lsdv方法進行模型估計是有偏差的。arellano&bond(1991)研究證明運用gmm技術可以獲得無偏估計,kiviet(1995)給出了lsdv估計糾偏方法,其研究同時證明在樣本較小和時間維度較小時采用糾偏方法的lsdv估計的方差比gmm估計的方差要小得多。本文中分行業進行模型估計時,部分行業的樣本量不大,因此本文采用kiviet(1995)中的lsdv估計糾偏方法,對lsdv估計值進行糾偏。運用eviews 5.0軟件分別對各行業大類和制造業下各行業門類按模型(3)進行估計,整理后得到糾偏后的估計結果見表4、表5。

從對模型的統計檢驗來看,決定系數均大于0.9,除電力、煤氣及水生產供應業外,其他行業的d-w檢驗值均大于2,表明這些行業模型的估計均取得了很高的擬合度,原因可能是利用面板數據建立模型有效地減少了回歸變量間的多重共線性,自由度的增加提高了參數估計的有效性,同時相同行業影響資本結構的各因素具有同質性,同一行業的產品市場及其他經營環境也相同。

時間虛擬變量在不同行業的表現也存在明顯的差異。行業大類中的批發零售貿易業和綜合類行業的時間虛擬變量不顯著,這兩個行業一個屬于完全競爭行業,一個的業務存在多樣性,它們的資本結構選擇一般受宏觀 經濟 因素的影響較小。制造業下的食品行業的時間虛擬變量也沒有通過顯著性檢驗。

從各影響因素來看,各行業大類和制造業下各行業門類的盈利能力(pro)的系數均為負值,且除電力、煤氣及水生產供應業的系數不顯著外,其他行業該系數均在1%的水平上顯著,這個結果支持了myers和majluf(1984)的啄食順序假說,與ross(1977)信號傳遞理論則相背離,表明這些行業在選擇融資結構時很少顧及信號傳遞的影響。而電力、煤氣及水生產供應業的該系數未通過檢驗,這與其投資需求少、貸款政策性強的特點相符。雖然各行業的盈利能力對資本結構的影響方向相同,但作用力的大小卻存在較大差別。

成長性(grow)方面,信息技術業具有較高的成長性,但成長性相關系數卻沒有通過顯著性檢驗,原因可能為信息技術業資金需求量大, 企業 在獲取資金時考慮更多的是能否獲得足額資金,而獲取資金的方式具有隨機性;食品行業成長性相關系數不顯著;其他行業的成長性相關系數均顯著為正,其中醫藥行業的成長性具有最大的顯著為正的相關系數,這與該行業成長性高、資金需求量大的特點是相符的。

資產可抵押性(tang)方面,行業大類中電力、煤氣及水生產供應業和批發零售貿易業、房地產業、制造業的資產可抵押性均與負債率有著非常顯著的正相關關系。而信息技術業的資產可抵押性與負債率呈顯著的負相關關系,該行業的固定資產大多為 計算 機等 電子 產品,抵押價值不高,折舊速度快,擁有較多的固定資產意味著較大的非債務稅盾。而房地產業和綜合類行業的資產可抵押性與負債率呈弱相關關系,且系數較小。制造業下只有金屬非金屬行業與負債率呈顯著的正相關關系,對傳統資本結構理論形成支持。機械設備儀表行業的資產可抵押性系數顯著為負,而食品行業、化學行業、醫藥行業三個系數均未通過顯著性檢驗。

收益波動性(inva)對各行業資本結構的影響表現出了很大的差異性。行業大類中電力、煤氣及水生產供應業和綜合類行業表現為在1%水平上顯著正相關;制造業表現出弱的正相關性,制造業下的機械設備儀表行業的系數顯著為正。對這種波動性越大越能獲得貸款現象進行解釋是非常困難的,myers(1977)提出的高風險公司具有低成本的解釋也只是表達了企業股東的貸款意愿,更有可能的解釋是我國銀行并不能依據貸款者的資信調整利率,而銀行對上市公司放貸的偏好使得上述行業波動性大的企業能以較低成本順利獲得所需貸款。信息技術業和批發零售貿易業兩個完全競爭行業的相關系數顯著為負,對傳統風險規避理論給予了支持。房地產業和制造業下的另外四個行業門類的相關系數沒有通過顯著性檢驗,表明收益的波動性并不影響這些行業的資本結構選擇。

3.行業間資本結構適宜度的比較。根據各行業模型的估計結果,依據我們計算出各企業各期的最優資本結構,即在各因素約束下企業最為合理的負債水平,再將最優資本結構除以實際資本結構,計算結果大于1表明實際資本結構小于最優資本結構,企業表現為負債不足。按行業求出各期的最優資本結構比實際資本結構的平均值(見表6),以考察各行業的資本結構適宜度。

表中數據表明,各行業普遍表現出負債不足的跡象,這與我國債券市場不發達的現實是相符的,但各行業實際資本結構偏離最優資本結構的差距卻存在差異。其中電力、煤氣及水生產供應業的實際資本結構與最優資本結構的差距最大,這與其擁有相對最低的負債率的現實是相符的。批發零售貿易業、食品行業和機械設備儀表行業的實際資本結構與最優資本結構較為接近,而綜合類行業則表現出實際資本結構圍繞最優資本結構上下波動的跡象。

四、結論與啟示

通過對我國上述行業上市公司連續5年的面板數據的統計分析和分行業動態調整模型的建立,我們得到了以下主要結論與啟示:

1.我國各行業上市公司的資本結構均呈逐年上升的趨勢;各行業大類存在顯著的差異性,統計檢驗證明這種差異不是由個別行業的異常值引起的,而是普遍存在于各行業間;同一行業大類下行業門類間的資本結構差異性不如行業大類顯著。

2.各因素對行業資本結構選擇的影響存在很大的差異,這種差異不僅表現在影響力的大小上,還表現在影響力的方向上。這說明以往研究中僅以啞變量區分行業特征,致使所建模型很多因素的影響力由于行業差異而相互抵消,這必然影響到模型的解釋力和信息量。

3.宏觀經濟因素對行業資本結構的影響存在著顯著的差異;同時證明我國上市公司行業間的資本結構調整成本存在較大差異;部分行業的實際資本與最優資本結構的差距較小,各行業不同時期的資本結構適宜度也存在差異。

由于受樣本限制,本文的研究對象并沒有包括所有行業門類,這使得本文的結論對整個資本市場的解釋力受到影響,同時以往研究表明股權結構等因素對企業的資本結構調整存在影響,本文將這種影響歸入了未被觀察到的影響因素中,并沒有對其進行單獨考察。

主要 參考 文獻

①王娟,楊鳳林. 中國 上市公司資本結構影響因素的最新研究.國際 金融 研究,2002;8

②郭鵬飛,孫培源.資本結構的行業特征:基于中國上市公司的實證研究.經濟研究,2003;5

③肖作平.資本結構影響因素和雙向效應動態模型——來自中國上市公司面板數據的證據. 會計 研究,2004;2

④呂長江,韓慧博.上市公司資本結構特點的實證分析.南開管理評論,2004;5