美国资本结构的分位数回归方法

研究还表明，赤字是由债务融资的，Shyam Sunder和Myers（1999）对美国公司也发现了类似的结果。上述研究均未将资本结构决定中的企业特殊性与调整速度相结合，并采用分位数回归方法研究不同经济状态下宏观经济变量与企业特殊性的关系。本文的主要目的是在宏观经济条件发生变化时，得出相对重要的宏观经济变量VS企业的具体特征。据我们所知，这篇论文是第一次利用这一时期的大量数据来检验资本结构理论对美国企业的适用性。我们的研究在许多方面不同于以往的文学研究。我们建议对这部文献做出一些贡献。因此，本文从以下几个方面对资本结构动态决定的最新研究做出了贡献：我们首次研究了哪些变量会影响美国公司非常大数据的杠杆率，数据量最大，研究范围扩大到几乎所有业务类别。结果是样本量增加到28793家公司和340865个观察值，这是有关美国经济的研究文献中最大的样本量，分析周期是研究文献中迄今为止最长的；此外，以往的研究是分散的，方法是在不同宏观经济状态下的固定效应模型中进行分位数回归。本文的其余部分如下所述。第2节描述了数据和方法学方法、方法集和一些初步统计数据。第3节介绍和模型。

第4节提供了实证结果。方法和数据一开始，我们检查我们的面板数据模型是固定效应模型还是随机效应模型。通过Hausman检验，我们发现我们的模型是一个固定效应模型。面板数据模型使我们能够控制公司不可观察的个体效应对估计参数的影响。就我们所知，面板数据最适合于检查一种动态现象，即与时间序列相比，跨时间变化的动态现象，或者由于多重共线性的存在，既不表示动态关系也不产生估计的跨截面数据的准确性很高。此外，面板数据为我们提供了更高精度的估计，而他们使用的总观测数是两种评估中使用的时间序列或横截面数据的两倍以上。最后，利用面板数据，可以控制企业之间变化但随时间变化稳定的不变要素。为了在固定效应模型和随机效应模型之间选择最合适的模型，通过Hausman（1978）检验，固定效应模型最适合我们的研究。该模型遵循Cook和Tang（2010）以及Oztekin和Flannery（2012）的基本原理，我们使用部分调整模型，该模型假设目标债务比率 来自公司 当时, 由以下人员给出：               哪里   是常数项， 是企业未观察到的异质性   和 分别是企业特定变量和宏观经济变量的（列）向量，     是企业特定变量的（行）系数向量，以及     宏观经济变量的（row）系数。

债务比率根据规则调整其目标：     哪里  是调整速度和是错误项。面板数据逼近中的分位数回归估计方法我们的方法基于分位数回归，它估计解释变量在因变量条件分布的不同点对因变量的影响。分位数回归最初是一种“稳健”回归方法，允许在误差项正态性的典型假设可能无法严格满足的情况下进行估计（Koenker和Bassett，1978）；这种方法也被用于带有审查的模型估计（鲍威尔，1984年、1986年；布金斯基，1994年、1995年）。最近，分位数回归被简单地用来获得因变量分布点的证据，而不是条件平均值（Buchinsky，19941995；Eide和Showalter，1997）。我们使用分位数回归来观察在Koenker和Bassett（1978）描述的依赖变量的条件分布中，因子的影响是否在“分位数”之间有所区别，估计是通过最小化Kminr来完成的{：ttt t y  +    其中，yt是因变量，xt是解释变量的k×1向量，β是系数向量，Θ是估计的分位数。系数向量b将根据所估计的特定分位数而不同。分位数回归估计的解释给定x的y的条件分位数为  ,其估算如下：，  .当θ从0持续上升到1时，就会下降整个y的条件分布，条件是x。

在实践中，由于任何数据集只包含有限数量的观测值，只有有限数量的分位数估计值在统计上是不同的，尽管这个数字可能相当大。考虑y的条件分位数相对于其中一个累加器的偏导数，例如j，即 该衍生工具被解释为条件分位数由于x.If元素 包括 不同的变量，则此导数由, 上的系数变量在解释这一结果时应该小心。这并不意味着条件分布的分位数也会发现自己在x发生变化的同一分位数上。面板数据中的分位数回归就像在条件平均值的情况下一样，对于条件分位数方程的估计，我们在使用面板数据时使用的方法与用于横截面或时间序列数据的方法不同。与条件平均值类似，我们使用分位数回归的有限元模型来估计条件分位数。由于FE模型是限制性较小的模型，并且我们不必假设累加器和个体效应之间不存在相关性，因此我们认为FE是最适合此应用的模型。此外，对于分位数回归应用程序的随机效应，目前还没有公认的概念。另一方面，存在用于纵向数据的惩罚方法（Koenker，2004），可提高女性模型的效率。然而，它们大多适用于对“双向”效应中的一种、时间或个体的观察很少（通常少于5次）的情况。

然而，尚未开发出使用“双向”惩罚方法的理论背景。因此，即使它更合适，也不可能使用。在需要提高有限元模型效率的情况下，我们可以通过对每个分位数施加相同的个体效应并最小化方程来同时估计分位数回归的模型（Koenker，2004），我们考虑了一个具有个体效应的面板QR模型1。        是第i个个体在第t个时间段的标量响应，和是  和   协变量向量，是否会对个人对于一组观察结果  ,我们允许特定的个人有时间的必要性，但接受个人的独立性。我们假设误差分位数 .在这种正常化情况下给定变量的响应的条件分位数写为   .分位数特定误差说明了响应之间的距离及其条件分位数。我们允许在不同的时间段保持不同。允许是的边缘密度和 .我们使用矢量符号α（τ）表示一组固定效应.QR系数估计为2。

      .    , u是Koenker和Bassett（1978）中的检查函数。模型           哪里 是常数项，是企业未观察到的异质性  和 分别是企业特定变量和宏观经济变量的（列）向量，     是企业特定变量的（行）系数向量，以及     宏观经济变量Scook和Tag（2010）的（row）系数使用1977-2006年期间美国公司样本的面板数据检验了上述模型，并进一步扩展了该模型，包括了经济良好和不良状态的虚拟变量，并将其与滞后债务比率相互作用。我们为好的（增长）和坏的（衰退）宏观经济状态设置虚拟变量，并遵循库克和唐（2010）的模型，采用固定效应分位数回归方法，以捕捉总债务、短期债务和长期债务分布中回归系数的波动。哪里如果gdp增长率为负，则取值1，否则取值0。因此，滞后负债率、滞后企业特定变量和滞后宏观经济变量对负债率的影响如下所示：,, 和 处于良好状态，并且      在不良状态下，杠杆的风险变量将杠杆变量分为三种类型，即总负债率（TDR）、长期负债率（LDTR）和短期负债率（STDR），以便从以往文献中获取所有角度。

这种杠杆分类使我们能够研究债务期限结构对宏观经济国家的影响。按照标准惯例，通过将债务比率作为计息债务对总资产的账面价值来计算参与的比率。因此，TDR是公司的短期加上债务的长期账面价值除以总资产。LTDR是长期债务除以总资产，STDR是短期债务除以总资产。企业特定因素企业特定因素由资本结构决定因素的标准集表示。预计规模与债务水平呈正相关。较大的公司可能能够降低与长期债务发行相关的交易成本。相对于股权交易的规模，上市公司债务通常是大宗交易，大多数发行的债券面值至少为1亿美元，以提供流动性。更大的公司也可以更好地吸引债务分析师向公众提供有关该问题的信息。另一种可能性是，较大的公司拥有更多的稀释所有权，因此对管理者的控制较少。然后，经理人可以发行更少的债务，以减少涉及个人损失的破产风险（见Friend and Lang（1988）和Friend and Hasbrouck（1988））。马什（1982）的调查得出结论，大公司更倾向于选择长期债务，而小公司则选择短期债务。规模是总销售额的自然对数。资产结构（AS）预计与债务水平正相关或负相关。正面标志反映了银行要求公司提供担保，以便发放贷款。关于迈尔斯（1977），有增长潜力的公司被认为风险更高，在未来，它们的杠杆率往往会更低。

相反，具有高增长机会的公司更有可能耗尽内部资金并寻求外部融资（Michaelas等人，1999年）。因此，增长（GR）和杠杆关系可以是负的，也可以是正的，GR是以销售额的年变化率来衡量的。根据优序理论，中小企业融资决策通常遵循一个层次结构，优先于债务而非股权，优先于内部融资而非外部融资（Michaelas et al.，1999，Daskalakis and Psillaki（2008），Psillaki and Daskalakis，2009）。因此，预计盈利能力（PR）应与债务负相关，并作为总资产的息税前收益来衡量。应注意的是，中小企业很少关注税收反映（Pettit和Singer，1985），因为这些企业不太可能产生高利润，因此不太可能使用债务人非债务项目作为税收盾。然而，考虑到小企业获得债务融资的难度更大，我们可以推断，使用非债务税盾（NDT）可以被视为减少任何税收负担的主要替代方案。因此，很容易推断出非债务税盾将与债务负相关或不相关（Titman和Wessels，1988）。NDTS按总折旧费用与总资产的比率计算。另一方面，风险较高的公司（风险）在获得债务融资方面面临更大的困难（DeAngelo和Masulis，1980；Titman和Wessels，1988）。因此，预期杠杆率和风险之间存在负相关关系。

就风险计算而言，我们考虑一个三年滚动的息税前收益标准差窗口。关于贸易信贷（NTC）作为短期融资来源的重要性，尤其是对中小企业而言，据推断，这一点有充分的记录（Ng等人，1999年；Asselbergh，2002年；Guariglia和Matut，2006年）。关于贸易信用的使用，文献中存在两种备选假设：第一种是替代假设，另一种是完全性假设。此外，证据表明，在货币紧缩时期，贸易信贷起着补充作用，而不是取代银行信贷，为再分配效应提供了支持（Love等人，2007年；Casey和OToole，2014年；Psillaki和Leftheriou，2015年）。因此，我们预计，在危机之前，贸易信贷会呈现负相关或正相关关系，而在危机期间，贸易信贷会呈现正相关关系。至于NTC，遵循Love等人（2007）的净贸易法；首先，贸易应付款从贸易应收款中减去，然后除以总销售额。预计现金充裕的公司（CASHTA）的债务将较低，具体原因有两个；首先，由于风险企业肯定会试图积累现金，以避免未来出现投资不足的问题，其次，现金充裕的公司会选择内部融资，正如啄食理论所阐明的那样。

为了估算现金流量，我们将其计算为现金与总资产之比。最后，我们考虑了企业特定时变利息负担（FINEXP），以捕捉每个企业面临不同利息负担的事实，我们预计财务负担滞后值与杠杆率之间存在负相关关系。FINEXP计算为财务费用与销售额的比率。宏观经济因素Mokhova和Zinecker（2014）就各种宏观经济因素对公司资本结构的影响这一具体问题提供了大量文献。认为商业银行是中小企业最常见的外部融资来源（Colombo和Grilli，2007；De Bettignes和Brander，2007）。信贷供应（CRED）被用作我们的宏观经济变量之一，预测信贷供应和杠杆之间的正关系；我们预计要么在增长阶段扩张，要么在衰退阶段收缩。我们将CRED估计为企业和家庭总信贷扩张的年增长率。另一个被广泛研究的宏观经济因素是通货膨胀率（INFL）。然而，关于通货膨胀对资本结构的影响，存在着相互矛盾的证据。在文献背景下，Bastos et al.（2009）未发现通货膨胀对杠杆率的影响，而Frank和Goyal（2009）发现市场杠杆率与通货膨胀之间存在正相关关系，但与账面杠杆率没有关系。另一方面，Hanousek和Shyamshur（2011）发现通货膨胀通常对杠杆率有积极影响，但这一影响对其模型的某些规格来说非常重要。