上市公司高管背景特征對動態資本結構調整的影響研究

高思悅 王欣欣 秦揚 朱明強

摘要：文章以2006～2016年中國A股上市公司為研究樣本，根據資本結構局部調整模型，運用最小二乘法估算樣本公司資本結構的動態調整速度，以此來研究企業高管背景特征如性別、年齡、教育程度、專業背景等，對資本結構調整速度的影響，并探討其作用機理。

關鍵詞：高管特征;資本結構;動態調整

一、引言

企業資本結構是其融資來源的客觀反應，顯示出公司的健康狀況，而企業的高層管理人員作為企業戰略經營的決策者，對資本結構的決策起到了決定性的作用。高管的背景特征諸如年齡、政府背景、教育程度，都影響著管理者的認知模式，進而關系到企業的決策。

目前的研究大多針對宏觀經濟情況和制度環境等因素對資本結構調整的影響，忽略了管理者自身特質對資本結構調整的影響。行為金融理論指出，決策者個性特征對企業決策具有關鍵性的影響，比如高管的個性特征會影響其風險偏好和決策模式，進而影響企業績效（周業安，2012）。延伸到公司層面，認為，企業高管的背景特征將會影響到企業的融資決策和資本結構，不容忽略。

研究發現，在資本結構低于和高于目標時，企業調整資本結構的成本和收益不盡相同，且趨向目標調整的速度也并不對稱（Byoun，2008）。為了更準確地發現其中規律，需要從動態視角上去研究資本結構調整的較長區間?；谝陨戏治?，本文收集了中國2006～2016年的全部A股上市公司的相關數據作為樣本，利用動態面板數據模型，研究高管特征對資本結構調整速度的影響。研究目的在于作為現有理論的補充，進一步挖掘我國企業結構決策的影響因素。

二、研究假設

公司的資本結構存在動態調整，且會隨著企業內外環境而改變，所以大多數情況下企業的實際資本結構與其目標資本結構之間存在一定的差距。為了研究高管特征是如何影響企業動態資本結構調整的，我們需要對個性特征做出度量。Zahra和Pearce將管理者個性特征分為“標簽背景”和“內部特征”，“標簽背景”包括年齡、性別、教育背景等外部特征，“內部特征”主要包括性格、愛好等。考慮到管理者的內部特征觀測較為困難，本文只研究高管“背景特征”與資本結構調整之間的關系，主要包括高管的性別、年齡、專業背景、教育背景、政府背景。具體指標有以下方面。

1. 高管性別。男性和女性對風險的態度不同。通常情況下，男性相對來說會偏好風險而女性厭惡風險，女性高管比例較大的公司做出的財務決策會相對保守。因此本文提出假設一：公司高管中女性比例大的資本結構調整速度較慢。

2. 高管年齡。年齡越大，經驗越豐富，但隨著年齡增長，高管的精力、學習能力可能會下降，且不傾向采用較高的負債水平。因此本文提出假設二：年齡較大的管理者對資本結構調整速度較慢。

3. 高管教育背景。教育程度更高的高管具有更強的信息處理能力，其所在公司資本結構調整速度更快。因此本文提出假設三：資本結構調整速度與高管學歷正相關。

4. 高管專業背景。不同專業具有不同特點，已有研究表明，具有MBA背景的CEO比其他CEO對資本結構的調整速度要快。因此本文提出假設四：具有經濟類專業背景的高管所在公司資本結構調整速度相對來說比較快。

5. 政府背景。目前已有大量研究發現高管的政府背景有利于公司的資本結構的調整。因此本文提出假設五：具有政府背景的高管對資本結構調整的速度更快。

三、研究設計

本文的實證研究過程主要分為兩個部分：首先建立部分調整模型，估計高管背景特征對企業實際資本結構向目標資本結構調整速度的影響，然后檢驗其影響。

（一）樣本選擇

本文的研究樣本為2006～2016年的滬、深證券市場的A股上市公司，本文對樣本進行了篩選，最后得到可有效計算的觀測樣本量1493個。本文所使用的數據主要來自Wind和Csmar數據庫。本文“公司高管”特指董事會成員及正副總經理。

（二）模型建立與估計方法

借鑒已有文獻的做法，本文用標準的部分調整模型來估計資本結構的調整速度。標準的部分調整模型設定如下：

近年的研究發現，利用部分的資本結構調整模型（1）得到的資本結構調整實際上是包括了兩個部分：機械調整部分和主動調整部分（Faulkender等，2012）。機械調整指公司年度經營利潤的實現會改變所有者權益的大小。而主動調整是指公司利用資本市場渠道，主動對資本結構進行調整。本文主要研究的是企業高管特征是如何影響公司資本結構的主動調整。為了將資本結構調整分離為主動調整和機械調整，本文對模型（1）進行了修訂，如下：

其中，θj是回歸系數變量，Xi，j，t-1是i公司在t-1時期的第j個決定資本結構的公司特征變量。結合已有的研究，本文選取了如下影響資本結構的公司特征變量：盈利能力EBIT_TA、成長性MB、非負債稅盾DEP_TA、企業規模SIZE（總資產的自然對數，以2006年不變價格計算）、抵押能力MA_TA。

在設定目標資本結構的估計模型這個問題上，本文采用了同時估計目標資本結構和資本結構調整速度的方法，即將公式（3）代入公式（1），可以得到：

利用修正的最小二乘虛擬變量法來估計模型（4），并將估計得到的系數向量代入模型（3），就得到了估計的目標資本結構Levi，t*。在得到目標資本結構后，我們將其代入模型（2）進行OLS回歸（最小二乘線性回歸）來估計資本結構的調整速度λ，以此作為本文估計資本結構的調整速度的基準模型。

為了檢驗高管背景特征對資本結構調整速度的影響，借鑒已有研究的做法，本文對基準模型（2）進行了如下擴展：

（三）變量設定

1. 因變量

Levi，t在動態資本結構模型中為因變量，表示i公司在t年末的有息負債率;λi，t為本文最終回歸模型中的因變量，表示i公司在第t年的資本結構主動調整的速度。

2. 自變量

高管背景特征變量：

（1）性別（SEX）：虛擬變量，男性設為1，女性設為0。

（2）年齡（AGE）：根據數據庫中高管的出生日期計算出實際年齡。

（3）教育背景（EDU）：根據已有的研究，把教育背景按高管的學歷劃分為五類：“中專及中專以下（ZX）=1”、“大專（DZ）=2”、“本科（BK）=3”、“碩士研究生（SS）=4”、“博士研究生（BS）=5”、“其他（QT）=6”。

（4）專業背景（MJ）：a. 若高管具有經濟學、管理學學位，現在或之前曾從事與財務相關的工作，或具有經濟類職稱，則認為其具有經濟類背景（EC）。b. 具有除經管類以外的專業學習經歷，則視為其他情況（EL）。

政府背景（ZF）：將其設為虛擬變量，若高管有政府工作經歷，設為1，沒有政府背景則設為0。

3. 控制變量

除了高管背景特征因素以外，對其他影響資本結構動態調整的變量加以控制。結合已有研究，本文選取如下影響資本結構調整的公司特征變量：盈利能力EBIT_TA、企業規模SIZE（總資產的自然對數，以2006年不變價格計算）、抵押能力MA_TA、非負債稅盾DEP_TA、成長性MB。

四、實證結果分析

（一）主要結果

利用前文建立的調整模型（4）和（5），我們對2006～2016年間的A股上市公司的相關數據進行回歸，得到各變量在不同市場中對資本結構調整的影響系數，并代入模型（3）和（2）中，回歸得到調整速度，結果如表1所示。利用模型（4）回歸得到的是未考慮高管背景特征的（前），利用模型（5）回歸得到的是考慮高管背景特征的（后）。

研究發現，總樣本及上證A股樣本、深證A股樣本的資本結構調整系數分別為0.187，0.181，0.227，比未考慮高管背景特征時分別上升了0.016、0.002和0.052。這一結果表明高管的背景特征因素在不同的市場可能會對資本結構調整產生不同的作用。本文估計出來的調整系數低于丁培嶸估算的0.449;但高于屈耀輝的0.05～0.14;接近童勇的0.2275。

在算出資本結構調整速度之后，本文又用模型（6）對企業特征變量和高管特征變量與調整速度的關系進行了OLS回歸，以探究影響資本結構調整的決定因素，回歸系數如表2所示。

從不同市場間的高管背景特征來看，高管性別（SEX）、專業背景（MJ）、是否具有政府背景（ZF）等變量在各類市場中均不顯著。但高管年齡在總樣本、上證A股樣本及深證A股中與資本結構調整速度顯著負相關，這表明年齡大的高管資本結構調整速度反而越慢。此外，總樣本和上證A股樣本中的“教育背景（EDU）”變量與資本結構調整速度成正相關，表明教育程度越高的高管對公司資本結構調整速度越快。

五、結語

本文通過建立模型，運用OLS方法估算出我國A股上市公司在不同市場的資本結構調整速度。結果表明：1.考慮了高管背景特征之后，總樣本、上證A股以及深證A股的調整速度測試結果為0.187，0.181，0.227。與其他國家相比較我國的調整速度較緩，原因可能在于我國市場存在政府干預和金融抑制，提高了資本結構調整的成本。2.考慮了高管背景因素之后，上市公司的資本結構的調整速度加快，其中對深市影響最大。3.在考察的各背景特征中，高管的年齡和教育背景對公司負債水平影響最為顯著。年齡與資本結構調整速度呈負相關，教育水平與資本結構調整速度呈正相關。研究發現，高管的背景特征確實會對資本結構的調整產生影響。不同背景的高管會有不同的融資決策，并針對企業內外環境的變化做出異質性的反應。在日益激烈的資本市場中，形成有效的高管團隊，有利于企業做出更合理的決策，在競爭中占取優勢。

參考文獻：

[1]周業安，程栩，郭杰.高管背景特征與資本結構動態調整——國際比較與中國經驗[J].經濟理論與經濟管理，2012（11）.

[2]Byoun，S.”How and When Do Firms Adjust Their Capital Structures toward Targets？”[J].Journal of Finance，2008（63）.

[3]Faulkender，M.;Flannery，M.J.;Hankins，K.W. and Smith，J.M.”Cash Flows and Leverage Adjustments.”[J].Journal of Financial Economics，2012（103）.

[4]Flannery，M. and Rangan，K. ”Partial Adjustment toward Target Capital Structures.”[J].Journal of Financial Economics，2006（79）.

[5]丁培嶸，郭鵬飛.基于行業均值的公司資本結構動態調整[J].系統工程理論方法應用，2005（05）.

（作者單位：吉林大學商學院）