第四节样本与数据
一、样本选取
考察公司资本结构的调整速度需要很长一段时期，尤其是本书涉及到制度背景和宏观经济环境因素。英美等西方国家的资本市场发育较早，国外学者的相关研究大多考察了20～30年的数据，但中国最早的上市公司从其上市到现在也不过二十年的历程。虽然截至2011年底沪深两市已有2474支股票在公开交易，但在1997年前只有826家上市公司，到目前还在正常上市的只有655家。考虑样本数据在横截面（公司数量）和时间序列（公司年度）上的均衡性，本书研究的数据区间是1999～2010年，但选用的样本公司必须在1997年以前已经上市。虽然这样规定所选取的样本公司较少，但本书的要旨是探讨资本结构的调整速度，并尤其注重宏观经济变量的影响，这对时间序列数据要求较高。遵照大多数学者的做法，在样本中遵照以下几点来遴选上市公司样本。（1）剔除了金融类上市公司；（2）剔除木材家具类公司；（3）不包含ST和PT公司；（4）不含中小企业板和创业板公司；（5）成立至今仍在正常上市交易的公司。同时，只选取A股交易数据，并剔除由于各种原因未能上市交易的公司/年度数据。
二、描述性统计
为避免异常值的影响，相关数据经过了Winsorize（1%）处理。企业的成长性（GROW）、非债务税盾（NDTS）、盈利能力（PROF）和股权集中度（TOP1）这几个指标的最大值与最小值相差甚远，有较大的标准差；所有指标的均值与中位值相差较小，不存在较大的偏度；公司成长性（GROW）和股权集中度（TOP1）与公司规模（SIZE）的相关系数较大，但也不存在严重的多重共线性。
本书以GRGDP来区分宏观经济环境的好坏，也即前文所述的四分法，把样本按照GRGDP的高低分成四份，最高的1/4定义为较好的宏观经济环境，最低的1/4定义为较差的宏观经济环境，中间的2/4就是一般的宏观经济环境。就本书的样本年度而言，较好的宏观经济环境是2005～2007年，共有1446个样本数据；较差的宏观经济环境是1999～2001年，也有1446个样本数据；其它年度是一般的宏观经济环境，有2892个样本数据。
宏观经济变好的年度，无论是账面资产负债率还是市场资产负债率都有较高的倾向，宏观经济环境较好与较差的两组数据的资产负债率等比率的配对均值比较，可以看出，无论是以市场价值计算还是以账面价值计算的资产负债率都有着显著性差异。在较好的经济环境下，法制体系比较健全，不仅企业的负债率有明显的提高，并且企业的税负比重降低，企业偏离目标债务比率的距离下降，流动比率的均值有所下降并有着较大的标准差。可见，宏观经济环境对企业的诸多特征都有着重要影响。
第五节实证检验与结论分析
本书利用Eviews软件和Stata软件进行数据处理。实证检验主要分四个部分：首先，针对模型，检验目标资本结构的拟合优度；其次，利用GMM估计模型，检验资本结构的调整速度；再次，区分财务约束与非财务约束样本，同样利用GMM估计模型，检验负债融资约束对资本结构调整速度的影响；最后，区分样本为较好、较差和一般的宏观经济环境三类，也是利用GMM估计模型，检验宏观经济环境对资本结构调整速度的影响。
一、目标资本结构的拟合
虽然本书已经把目标资本结构的决定“内化”在调整模型和中，但这个“内化”前提是公司特征变量（含公司治理）和制度变量能够合适地拟合出目标资本结构，因此有必要检验和讨论目标资本结构等式的拟合程度。在模型中添加以1999年为基础截距的时间虚拟变量Year，以及以农林牧渔业为基础截距的行业虚拟变量Ind，进行固定效应的OLS回归。
从检验统计量可以看出：（1）Hausman检验拒绝固定效应模型与随机效应模型等效的零假设，因而本书选用的固定效应模型是正确的。（2）各个解释变量的方差膨胀因子（variance inflation factors，VIF）除了股权集中度（TOP1）和成长性（GROW）稍微偏高外，其余都小于1.5，远远小于其标准值10，可以认为解释变量之间不存在多重共线性；Durbin-Watson值都在2.0附近，显示解释变量也不存在自相关。（3）模型的决定系数（R2）及其修正决定系数（Adj.R2），对于账面资产负债率而言不是很高，表明模型的拟合优度不是很高，但F统计量及其相伴概率表明模型是显著有效的，所以模型的拟合度在整体上是合理的。
从偏回归系数及其显著性可以看出各个解释变量对目标资本结构的影响，比如成长性（GROW）、公司规模（SIZE）、资产有形性（TANG）与目标资产负债率显著正相关，盈利能力（PROF）、股票市场发育（MARKET）与目标资产负债率显著负相关等等。这里重点强调的是：（1）一些制度因素影响目标资本结构。法制体系因素（LAW）与账面资产负债率（LEV_B）显著负相关，而与市场资产负债率（LEV_M）无显著相关性，在一定程度上说明了良好的法制体系对公司盲目负债有一定的抑制作用；股票市场的成熟度（MARKET）与公司目标负债率（无论是LEV_B还是LEV_M）显著负相关，充分说明了股票市场在企业的权益筹资中发挥了重要作用；没有发现税收优惠（TAX）对目标负债率有明显影响，这也许是中国上市公司的债务税盾效应较低而引起的。（2）一些公司治理因素也影响目标资本结构。对以账面价值计算的目标资产负债率而言，公司是否是国有控股（TYPE）与其显著正相关，公司的股权集中度（TOP1）与其不显著相关；对以市场价值计算的目标资产负债率而言，股权集中度（TOP1）与其显著负相关，公司是否是国有控股（TYPE）与其不显著相关。这一方面说明股权的集中或大股东的存在会促使大股东愿意更多的负债融资，以减少管理者的在职消费和机会主义行为（Shleifer和Vishny，1997），符合代理成本理论；另一方面也说明了国家控股的企业也许存在严重的内部人控制，存在一定的股权融资偏好。（3）有一些解释变量对账面资产负债率（LEV_B）和市场资产负债率（LEV_M）的作用效果是不同的，这也说明了本书选用两种方法计算的资产负债率作为因变量的必要性。而制度因素和公司治理因素都对目标资产负债产生显著影响，必须在拟合目标资产负债率的模型中加以考虑。
二、资本结构调整速度的决定
本节主要利用资本结构调整模型和来分析资本结构调整速度的决定因素，以检验前文提出的理论假设。由于融资约束因素和宏观经济环境因素的影响需要区分样本，暂放在后文检验。
如前第二节所述，本书对一阶差分转换的资本结构调整模型进行GMM估计。
为避免各变量之间多重共线性的影响，本书把影响因素“分次进入”模型来进行参数估计；最后一列是各影响因素“同时进入”模型的参数估计。给出了关于模型的一些检验结果：（1）Wald测试是无相关零假设下目标资本结构决定系数的联合显著性检验，测试结果显示拒绝所有解释变量系数同时等于零的原假设（Wald检验在1%水平上显著），也即模型中目标资本结构的拟合是有效的。（2）Z2测试是对模型差分残差无二阶系列相关的检验，结果显示对以账面价值计算的资产负债率（ΔLEV_B）在5%水平上显著，对以市场价值计算的资产负债率（ΔLEV_M）在10%水平上显著，由此判断模型的系数估计具有一致性。（3）Sargan测试是工具变量正确性零假设下渐进分布过度识别约束检验，结果显示在模型GMM估计中所使用的工具变量是有效的。（4）对比影响因素“分次进入”和“同时进入”模型的结果，系数的符号和大小基本没有变化，也说明了估计结果的稳定性。
从各解释变量的估计结果可以看出：（1）偏离目标资本结构的程度（DIST）与资本结构调整速度显著正相关，无论是对账面资产负债率（ΔLEV_B）还是对市场资产负债率（ΔLEV_M）都是如此。这个结果说明了本书的假设H5.1不成立。当公司目前的资本结构与最优资本结构有较大的偏差时，公司有强烈地调整资本结构的愿望，因为此时公司维持其实际资本结构的成本比改变其资本结构的成本要高。中国资本市场的制度性融资成本没有想象的那么高，使得公司能借助调整速度较快的外部融资来实现资本结构调整。（2）对账面资产负债率（ΔLEV_B）而言，公司成长性（GROW）与资本结构调整速度显著负相关但不显著；但对市场资产负债率（ΔLEV_M）而言，公司成长性（GROW）与资本结构调整速度显著正相关。这个结果基本上验证了本书的假设H5.2。说明了成长性高的公司有强烈的融资需求，可以通过新增融资（流量调整）的方式来灵活地调整其资本结构。虽然成长性高的公司大多是“年轻”的公司，但它们有很好的未来预期，能够通过各种渠道来成功募集资金。对ΔLEV_M显著正相关而对ΔLEV_B关系不显著也说明了这一点。（3）无论是对账面资产负债率（ΔLEV_B）还是对市场资产负债率（ΔLEV_M），公司规模（SIZE）都与资本结构调整速度显著正相关，验证了本书的假设H5.3。说明了规模较大的公司分担的固定调整成本较小；同时，大公司的信息不对称程度低，制度性调整成本也较小。虽然规模大的公司调整其资本结构需要更多的资金，但大公司同样有筹集大额资金的优势。（4）无论是对账面资产负债率（ΔLEV_B）还是市场资产负债率（ΔLEV_M），公司声誉（AGE）与资本结构调整速度不存在显著的关系，不能证明本书的假设H5.4。一方面，尽管信誉好的公司有较多融资机会和较低融资成本的可能，但这个可能性并不一定成为现实，所以表现出二者的关系不显著；另一方面，也许是由于本书用“上市年龄”作为公司声誉的代理变量并不恰当，1997年前上市的公司一般都是有较好基础和较好声誉的。
三、融资约束对资本结构调整速度的影响
为检验融资约束对资本结构调整速度的影响，需要在样本中甄别财务约束的公司与非财务约束的公司，判断的标准如前所述：一是公司年末的托宾Q值大于1，二是公司连续两年年末的流动比率（LIQU）小于2。依此标准，本书从原样本中获得了231家公司的1848个非财务约束的观测数据，以及357家公司的2856个财务约束的观测数据。分别利用财务约束的样本数据和非财务约束的样本数据，再次对模型进行GMM估计。
从估计结果可以看出：（1）无论是账面资产负债率（ΔLEV_B）还是市场资产负债率（ΔLEV_M）的估计结果，非财务约束公司的系数，都比财务约束公司的要低，它反过来说明了非财务约束公司的比财务约束公司的要高。说明了非财务约束公司比财务约束公司有着更快的调整速度，由此验证了本书的假设H5.5。非财务约束公司理应有着比财务约束公司更多的融资选择机会，因为它可以利用融资速度较快、融资结构弹性较好的负债融资方式，Hovakimian（2004）就认为债务增减是资本结构动态调整的最常见和最有效的方式之一。（2）除了基础截距外，偏离目标资本结构的程度（DIST）、企业规模（SIZE）、成长性（GROW）等变量也表现了不同的影响。比如，偏离目标资本结构的程度（DIST）对非融资约束公司来说，与资本结构调整速度显著正相关，但对融资约束公司来说却恰好相反。这也从另一个角度验证了假设H5.1，因为融资约束的公司不能依靠外源融资，单单靠内源融资其调整速度是非常慢的。公司成长性（GROW）的不同影响也很明显，成长性高又没有财务约束的公司，其资本结构调整较快，但成长性高却受到财务约束的公司，由于负债融资的限制只能较慢地调整其资本结构。
四、宏观经济环境对资本结构调整速度的影响
为检验不同宏观经济环境下公司资本结构调整速度的不同，本书依据前文节所述的方法，即以GDP增长率（GRGDP）的四分法，把研究样本划分为较好（GOOD）、较差（BAD）和一般的（MIDDLE）宏观经济环境三类。由于选取的是面板数据，且较好年度（2005～2007年）与较差年度（1999～2001年）的年限相同，所以较好的与较差的宏观经济环境都有482家公司共3年的1446个样本数据，一般的宏观经济环境有482家公司共6年的2892个样本数据。