Исследование детерминант структуры капитала компании

Для того, чтобы исключить статистические выбросы, способные «засорить» выборку и дать смещенные оценки в модели, были построены «ящичковые» диаграммы (Приложение 1). По их результатам показатель структуры капитала - L и отклонения от целевого уровня структуры капитала - L1 были ограничены сверху значениями 1.3 и 2, соответственно. Переменная ROA была ограничена сверху значением равным 35. Ограничения коснулись и переменной, характеризующей размер компании, для дальнейшего анализа были взяты данные, входящие в интервал значений от 15 до 27.

Таблица 8

Дескриптивные статистики переменных, используемых при анализе детерминант структуры капитала

Также для проверки качества собранной выборки были построены 95% доверительные интервалы (Приложение 2) и построена корреляционная матрица (Приложение 3). По результатам данных статистик можно сделать следующие выводы:

Согласно шкале Чеддока между исследуемыми переменными наблюдается слабая корреляция (0.1-0.3) или же совсем ее отсутствие. Ни одна переменная не была исключена из модели.

Единственным исключением является корреляция между переменными Lи L1, равная 0.92. Данное значение оценивается как весьма высокое. Это связано с методом расчета показателя L1, и соответственно не является основанием для исключения данного фактора из модели.

Границы доверительных интервалов по всем переменным имеют одинаковый знак, и разница между границами невелика, что свидетельствует о небольшой волатильности данных, и является показателем качества выборки.

В таблице 9 представлено распределение компаний по отраслям. Наибольшую концентрацию в выборке составляет промышленный сектор с долей 28.8%. Следом идут компании, занимающихся сельским хозяйством (19.3%), производством потребительских товаров и розничной торговлей (17.9%). Чуть ниже значение для нефтегазовой отрасли, оно составляет 8.8%. Остальные компании имеют очень малые доли в генеральной совокупности. В связи с этим, при построении модели учитывались только указанные 4 отрасли, составляющие 74.8% от всей выборки.

Таблица 9

Распределение компаний в выборке по отраслям

Кроме того, в качестве детерминант структуры капитала компании были сгенерированы переменные, отражающие совместную значимость отрасли и показателей: индекс восприятия коррупции, темпов инфляции. Показатели рассчитывались как произведение дамми-переменой отрасли и каждого из факторов. Так как для анализа было отобрано 4 отрасли, то всего было сгенерировано 8 новых переменных. Включение данных детерминант в модель обусловлено необходимостью оценки влияния отраслевой и страновой принадлежности на структуру капитала компании.

Анализ детерминант структуры капитала российских компаний подразумевает под собой несколько этапов. На первом этапе проводилась оценка модели на выборке по всем компаниям. Затем для выявления отличий в действии детерминант структуры капитала для компаний из различных отраслей, последовательно оценивались модели на подвыборках по каждой из отраслей.

Стоит отметить, что оценка модели методом МНК не является подходящей для анализа по той причине, что такой метод не учитывает панельную структуру данных. Поставленная в работе цель не позволяет игнорировать влияние временного фактора. В связи с этим на начальном этапе выполнялась оценка сквозной регрессии «between», такая модель учитывает пространственную компоненту и является обыкновенной регрессионной моделью, представленной в виде усредненных по времени значений переменных. Модель оценивается при помощи метода наименьших квадратов, показателем качества модели является коэффициент детерминации R-sq. Оцениваемая модель имеет следующий вид:

, (1)

где: Детерминанты Industry1, Retail1, Agriculture1, OilGas1 выступают показателями оценки совместной значимости отрасли и годовых показателей темпов инфляции.

Детерминанты Industry2, Retail2, Agriculture2, OilGas2 характеризуют совместную значимость отрасли и индекса восприятия коррупции в разные периоды времени.

После оценки сквозной регрессии «between» оценивались еще два вида регрессии: модель с фиксированным эффектом («fixedeffect») и модель со случайными эффектами («random effect»).

Модель с фиксированным эффектом позволяет исключить влияние ненаблюдаемых эффектов и оценивается так же с помощью МНК. Для оценки качества такой модели используется коэффициент детерминции. Однако, у модели с фиксированным эффектом есть значительный минус: она не позволяет оценить влияние переменных, независимых от времени. Для настоящего исследования это означает исключение большинства важных детерминант из модели, что существенно сократит значимость полученных результатов. Теоретически данную проблему позволяет решить построение модели Хаусмана-Тейлора. Модель при оценивании делит детерминанты на четыре группы по двум критериям: эндогенные и экзогенные; переменные и инвариантные по времени переменные. Среди анализируемых в настоящем исследовании детерминант отсутствуют экзогенные переменные инвариантные по времени, в связи с чем данный метод оценки не может быть применен в работе.

Тем временем, модель со случайными эффектами является компромиссом между сквозной регрессией и моделью с фиксированным эффектом. Такая модель позволяет оценить коэффициенты при переменных, являющихся инвариантными по времени, которые имеют большую значимость для настоящего исследования. Для оценивания такой регрессии используется обобщенный метод наименьших квадратов (GLS).

Для выбора наиболее адекватной модели используются различные тесты. Для сравнения сквозной регрессии с моделями с фиксированным эффектом и случайными эффектами применяются тест Вальда и тест Бройш-Пагана, соответственно. Тест Хаусмана, позволяет сравнить модель с фиксированным и случайными эффектами.

Следующий этап анализа предполагает тестирование модели на подвыборках по отраслям, для проверки существования различий в действии детерминант структуры капитала для компаний из различных отраслей экономики. Оценка проводилась с использованием модели, целесообразность применения которой, была обоснована с помощью статистических тестов. Анализ предполагает собой последовательное построение моделей отдельно для каждой из отраслей и сравнение полученных результатов между собой. Такой анализ позволит проанализировать влияние отраслевой принадлежности компании.

Результаты оценки различных моделей на общей выборке по компаниям представлены в таблице 10. Для каждого из коэффициентов представлена статистическая значимость.Наиболее лучшая модель, отобранная при помощи теста Хаусмана, отмечена в таблице знаком «+».

В приложении 4 представлены результаты тестирования моделей с фиксированным и случайными эффектами после исключения из моделей ряда незначимых переменных. Их исключение не привело к значительному улучшению качества моделей и повышению статистической значимости коэффициентов перед детерминантами структуры капитала компании. Однако по нескольким переменным в модели со случайными эффектами обнаружено изменение направления взаимосвязи факторов и соотношения между величиной заемных и собственных средств.

Описание результатов

Таблица 10

Результаты оценки детерминант структуры капитала компании с использованием различных регрессионных моделейЗначимость коэффициента в зависимости от значения Probability: 0,000-0,009 - переменная значима на 1%-ном уровне ***, 0,01-0,049 - переменная значима на 5%-ном уровне **, 0,05-0,99 - переменная значима на 10%-ном уровне *.

Первой была построена и оценена регрессионная модель «between». Модель с помощью обыкновенного МНК оценивает усредненные по времени показатели.

Согласно данной модели, доля материальных активов оказывает положительное влияние на структуру капитала. Такой результат согласуется с общепринятым мнением относительно взаимосвязи структуры активов и структуры капитала компании, однако в то же время для России зачастую наблюдается обратная тенденция (Ивашковская И.В., Солнцева М.С., 2008). Детерминанта, отражающая отклонение от целевого уровня положительно взаимосвязана со структурой капитала компании. Данная взаимосвязь является вполне естественной: если компания отклоняется от целевого уровня в меньшую сторону, она увеличивает долю заемных средств, при отклонении в большую сторону - уменьшает. Полученный результат может свидетельствовать о том, что менеджеры ориентируются на целевой уровень структуры капитала при формировании политики финансирования компании. Размер компании также оказывает положительное влияние на независимую переменную, что согласуется с распространенным мнением о их взаимосвязи. Это касается и взаимосвязи рентабельности активов и структуры капитала, связь между ними обратная: более прибыльные компании могут позволить себе использовать меньше заемных средств. Все оценки, за исключением оценки прибыльности компании, статистически значимы на 1% уровне. Коэффициент перед рентабельностью активов тоже является значимым, однако уровень ниже и составляет 10%.

Что касается показателей, характеризующих отраслевые и институциональные особенности, не все из них оказались значимыми. Наивысшую значимость имеют оценки для нефтегазовой отрасли. Совместная значимость отрасли и темпов инфляции оказывает положительное влияние на структуру капитала: при росте темпов инфляции, доля заемного финансирования для компаний из отрасли возрастает. В то же время индекс восприятия коррупции в данной отрасли имеет отрицательное влияние на соотношение заемных и собственных средств. Аналогичная взаимосвязь показателей наблюдается и для отрасли производства потребительских товаров и розничной торговли. Для промышленности значимой оказалась взаимосвязь с индексом восприятия коррупции, что совпадает с направлением действия для двух предыдущих отраслей.

Оценка влияния экономических условий показала, что воздействие на структуру капитала в зависимости от изменения экономического климата в стране, было оказано в 2013 и 2016 годах и имеет прямое влияние на уровень долга. капитал заемный детерминанта

Относительно прочих детерминант структуры капитала, их оценки оказались статистически незначимыми, поэтому их интерпретация не имеет смысла.

Показателем качества такой модели выступает коэффициент детерминации, который равен 0.931и является весьма высоким. Это свидетельствует о том, что изменение средних по времени показателей для каждой компании оказывает более значимое влияние на детерминанты, чем волатильность этих показателей во времени относительно средних значений.

Затем оценивалась модель с фиксированным эффектом («within»). В модели оцениваются отклонения от средних по времени значения переменных, так же при помощи МНК. Большая часть полученных оценок совпадает с оценками модели «between». Оценки для независимых переменных: отклонения от целевой структуры капитала, размера компании, идентичны оценкам предыдущей модели. Существенное отличие наблюдается для переменной Tangibility, здесь детерминанта отрицательно влияет на структуру капитала, аналогичная ситуация наблюдается и для переменной, отражающей совместную значимость отрасли производства потребительских товаров и розничной торговли и темпов инфляции. Значимыми оказались показатели для отрасли сельского хозяйства. Совместная их значимость и с темпами инфляции, и с индексом восприятия коррупции имеет обратную связь с уровнем долга. Коэффициенты значимы на 5-% и 1-% уровнях значимости, соответственно. В предыдущей модели наиболее значимой являлась нефтегазовая отрасль, в модели с фиксированным эффектом ее сменила отрасль сельского хозяйства. Значимость приобрели и временные показатели, с 2011 по 2016 года наблюдается прямое воздействие их на структуру капитала.

После построения модели была проведена оценка совместной значимости группы дамми-переменных в целом, отвечающих за временные промежутки. Проведенная статистика указала на значимость всей группы в целом, что объясняет целесообразность использования данных показателей в анализе.

О качестве модели свидетельствуетR-sq, равный 0.61. Это фактически в 1.5 раза ниже, чем для предыдущей модели, что свидетельствует о том, что для изучаемых данных межиндивидуальные различия сильнее, чем различия во времени. В связи с этим, требуется учет индивидуальных эффектов в модели, что говорит о большей практической значимости для исследования модели «within». Однако, данная модель не может оценить влияние независимых от времени факторов, в связи с этим формы собственности и переменная Genderостались неоцененными. В то время как их оценка важна для данного исследования.

Разрешение данной проблемы возможно при применении оценки регрессии с фиксированным эффектом методом Хаусмана-Тейлора. Метод Хауснама-Тейлора позволил бы сохранить специфику модели «between». Модель подразделяет изучаемые детерминанты на четыре категории по двум критериям: эндогенные и экзогенные по отношению к независимой переменной; меняющиеся во времени и инвариантные. В изучаемой модели отсутствуют факторы, независящие от времени и являющиеся экзогенными по отношению к компании. В связи с этим, данный метод не может быть применен для оценки влияния инвариантных по времени детерминант структуры капитала компании.

Данный факт обусловил необходимость построения модели со случайными эффектами. Такая модель выступает в качестве компромисса между сквозной регрессией и моделью с фиксированным эффектом. Ее преимущества связаны с тем фактом, что оценки модели с фиксированным эффектом часто оказываются незначимыми, то есть не эффективными. Полученные при переменных коэффициенты могут оказаться статистически незначимыми в то время, как важно оценить их влияние. Кроме того, такая модель позволяет оценить независимые от времени детерминанты, влияние которых не отлавливает модель с фиксированным эффектом.

Оценки данной модели наибольшим образом согласуются с результатами оценки регрессии с фиксированным эффектом. Значимые переменные остались теми же, за исключением совместной значимости отрасли сельского хозяйства и темпов инфляции. В последней модели их влияние на уровень долга - положительное. Также статистически значим оказался показатель при переменной, отвечающей за 2011 год. По результатам данной модели с 2011 по 2014 год наблюдается статистически значимая прямая связь детерминант со структурой капитала компании.

Модель со случайными эффектами позволяет оценить влияние инвариантных по времени переменных, которые интересовали нас в данном исследовании. Однако, значимым на 10-% уровне оказался лишь положительный коэффициент перед групповой формой собственности. Оценки прочих форм собственности и гендерной принадлежности оказались статистически незначимыми.

О значимости модели в целом свидетельствует высокое значение статистики Вальда, которое равно 13730.29. О качестве модели также свидетельствует отсутствие корреляции между детерминантами и ненаблюдаемыми случайными эффектами. Отсутствие корреляции лежит в основе модели, и невыполнение данного условия влекло бы за собой несостоятельность полученных оценок.

После построения трех основных моделей регрессии необходимо выбрать наиболее адекватную модель. Для этого был проведен ряд тестов, позволяющих сравнить модели между собой.

Тест Вальда, позволяющий сравнить сквозную регрессию и модель с фиксированным эффектом, показал значение Probability<0.01, что является основанием для отвержения нулевой гипотезы. Следовательно, модель с фиксированным эффектом больше подходит для анализа выборки.

Тест Бройша-Пагана на сравнение сквозной регрессии и модели со случайными эффектами показал аналогичный результат, указывающий на целесообразность использования модели со случайными эффектами.

Таким образом, наиболее адекватную модель позволил выявить тест Хаусмана. Полученное значение Probabilityоказалось меньше 0.01, что свидетельствует в пользу выбора модели с фиксированным эффектом. Такой результат является вполне обоснованным в связи с тем, что изучались динамические показатели одних и тех же компаний.

Стоит отметить также модели, протестированные после исключения незначимых переменных из моделей с фиксированным и случайным эффектами. Для модели с фиксированным эффектом изменений в знаках коэффициентов перед детерминантами или существенных изменений значимости оценок не произошло. В модели со случайным эффектом наблюдалась положительная связь между размером компании, государственной формой собственности, значимостью темпов инфляции в отрасли сельского хозяйства. После исключения из модели незначимых переменных, все вышеуказанные детерминанты стали оказывать отрицательное влияние на структуру капитала компании. Остальные оценки остались идентичными. Тем не менее, ранее в качестве наиболее адекватной для исследуемых данных модели была выбрана модель с фиксированным эффектом,поэтому изменения для модели со случайными эффектами можно считать незначимыми для данного исследования.

Результаты второй части исследования представлены в таблице 11. Модель с фиксированным эффектом строилась последовательно для компаний из каждой отрасли в отдельности, для оценки отраслевой принадлежности компании.

Проведенный анализ показал следующие результаты. Для отрасли информационных технологий переменная Tangibility оказывает положительное влияние на структуру капитала компании. В то время как для остальных отраслей оценка согласуется с оценкой модели по всей выборке компаний. Для отрасли производства потребительских товаров и розничной торговли значимыми стали переменные, характеризующие взаимную значимость отрасли и показателей темпов инфляции, индекса коррупции. Оба этих фактора имеют обратную взаимосвязь с уровнем долга. Наибольшее количество изменений произошло для переменных, отражающих влияние временного фактора. Так, для сельского хозяйства, сферы производства потребительских товаров и розничной торговли с 2012 по 2016 года наблюдается обратная взаимосвязь временных факторов и уровня долга. В сфере электроэнергетики идентичная связь прослеживается, начиная с 2011 года, а для промышленности - полностью на всем изучаемом временном промежутке. Для отрасли информационных технологий значимым оказался только 2016 год, положительно связанный со структурой капитала. Для компаний, занимающихся машиностроением значимым также оказался исключительно 2016 год, однако связь с зависимой переменной - обратная. По компаниям, действующим в сфере жилищно-коммунальных услуг, наблюдается прямая взаимосвязь со структурой капитала в 2014 году. Таким образом, большее количество изменений произошло для временных компонент. Все перечисленные выше изменения свидетельствуют о влиянии отраслевой принадлежности на структуру капитала компании.

Все проанализированные выше оценки детерминант структуры капитала компании статистически значимы. Коэффициент детерминации для построенных на подвыборках по отраслям моделей, R-sq, колеблется в районе 0.6 и является неплохим показателем качества полученных моделей в целом.

Таким образом, итоги данного исследования свидетельствуют о соответствии многих результатов, полученных на данных по российским компаниям, результатам исследований, проведенных на выборках по компаниям других развитых и развивающихся рынков. В то же время, можно проследить особенности российского рынка, в частности на примере показателя Tangibility. Кроме того, подтвердилось влияние отраслевой принадлежности компании и значимость ее учета в анализе структуры капитала компании. Подтвердилось и влияние страновой принадлежности на показатель уровня долга компаний. Была еще раз доказана важность учета в анализе детерминант структуры капитала набора факторов, охватывающего как можно большие сферы влияния, оказываемого на деятельность предприятий как изнутри, так и извне.

Размещено на http://www.allbest.ru//

Размещено на http://www.allbest.ru//

Результаты тестирования модели с фиксированным эффектом на подвыборках по отраслям

Заключение

Изучение структуры капитала компании на сегодняшний день является актуальной темой для научных работ. Это подтверждается постоянно растущим количеством исследований, посвященных данному вопросу. В то же время, исследования освещают различные стороны проблемы, авторы в своих работах изучают широкий спектр важных вопросов, связанных со структурой капитала компании. Однако в превалирующем числе работ можно наблюдать схожие методы анализа, идентичные исследуемые переменные. Кроме того, сравнительный анализ существующих эмпирических исследований позволяет проследить сходства полученных исследователями результатов и выводов, что представляет собой практическую значимость для дальнейшего анализа в рамках изучения структуры капитала компании.

В настоящий момент считается, что несмотря на большое количество уже проведенных исследований о соотношении собственных и заемных средств, данный вопрос все же представляет интерес для анализа и является мало изученным. Однако, следует тщательно выбирать направления для исследований. Так, например, анализ факторов, влияющих на структуру капитала компании, может считаться несостоятельным и не отвечающим современным требованиям, если в набор детерминант не включены те факторы, которые характеризуют влияние поведенческих аспектов. Это связано с тем, что ранние исследования, нивелировавшие влияние данных детерминант, уже показали свою несостоятельность. Тем не менее, для изучения структуры капитала остается множество разнообразных направлений. Одним из которых является анализ различных детерминант, касающихся как характеристик конкретных компаний, так и институциональных, отраслевых особенностей, экономических условий, а также личных качеств менеджеров и директоров компаний.

На основании перечисленных особенностей анализа, для данной работы было выбрано направление исследования, предполагающее под собой поиск и идентификацию значимых детерминант формирования структуры капитала на данных о российских компаниях гетерогенных по размерам и отраслям, с последующим построением различных эконометрических моделей, позволяющих отследить особенности изучаемых факторов. На основании построенных моделей была получена возможность изучить взаимосвязь между изучаемым набором факторов и выбором компаниями соотношения собственных и заемных средств.

Практическая значимость данного исследования заключается в том, что было проведено исследование на развивающемся рынке. Российский рынок относится к развивающемуся в связи с недостаточно развитой банковской системой, недостаточным уровнем раскрытия информации и зачастую отсутствующим свободным доступом к информации о финансовых рынках. Развивающиеся рынки представляют особый интерес для исследований в виду того, что являются менее изученными, чем развитые рынки. Кроме того, во время анализа возникает ряд трудностей, связанных с труднодоступностью некоторой информации о компаниях. Так же стоит отметить, что существует практический интерес в проверке идентичности или же нахождении существенных различий во влиянии детерминант в развитых и развивающихся странах. В связи с тем, что отраслевые и институциональные особенности оказывают влияние на формирование соотношения собственных и заемных средств.

Работа, проведенная в ходе настоящего исследования, позволила достичь поставленной цели:определение значимости детерминант формирования структуры капитала компаний на развивающемся рынке Российской Федерации. Анализ, проведенный путем построения регрессионных моделей на основании данных о более, чем 600 компаниях, позволил проанализировать влияние широкого спектра факторов, характеризующих как фирму, так и экзогенные по отношению к компании показатели. В ходе изучения была доказана статистическая значимость полученных коэффициентов в регрессионной модели. Это позволяет сделать вывод о том, что в ходе исследования на выборке по российским компаниям была подтверждена значимость таких факторов как структура активов, размер компании, отраслевая принадлежность и экономические условия в стране. Данные факторы оказывают влияние на выбор менеджерами компании стратегии финансирования. Таким образом, можно утверждать о важности всестороннего учета факторов, оказывающих влияние на функционирование предприятия.

В ходе проведенного анализа было получено, что направление влияния многих факторов на соотношение собственных и заемных средств оказалось идентичным тому, что получали исследователи при изучении зарубежных рынков. В то же время, наблюдается ряд несоответствий с выводами прочих исследователей. Так, к примеру, показатель Tangibility, характеризующий структуру активов, оказывает обратное влияние на соотношение собственных и заемных средств. Данный факт противоречит стандартному представлению о направлении связи данных переменных. Причиной может служить особенность, присущая растущим рынкам, или же специфика российской экономики, оказывающая влияние на функционирование предприятий и выбор ими стратегии финансирования.

Многие полученные результаты являются подтверждением того, что отраслевая принадлежность компаний оказывает ощутимое влияние на выбор ими соотношения заемных и собственных средств. Проведенное исследование о детерминантах структуры капитала компании имеет как практическую, так и теоретическую значимость, и может выступать в качестве базы для дальнейшего анализа в данной области.

Список использованной литературы

Ивашковсская И.В. Кокорева М.С. Эмпирический анализ структуры капитала российских компаний среднего размера // XIмеждународная научная конференция по проблемам развития экономики и общества: В 3 кн. Кн. 3. 2011. С. 510-519.

Ивашковская И.В., Макаров П.В. Действуют ли классические концепции выбора структурыкапитала на развивающихся рынках? Эмпирический анализ компаний Восточной и Центральной Европы // Журнал «Корпоративные финансы». 2010. Т.15. №3 С. 47-62.

Ивашковская И.В., Солнцева M.С. Детерминанты стратегических решений о финансировании крупных компаний на развивающихся рынках капитала: пример России, Бразилии и Китая // Российский журнал менеджмента. 2009. Т.7. №1 С. 25-42.

Ивашковская И.В., Солнцева M.С. Структура капитала в российских компаниях как стратегическое решение// Вестник Санкт-Петербургского университета. 2008. Сер. 8. Вып. 3. С. 3-32.

Ивашковская И.В. Степанова А.Н. Кокорева М.С. Финансовая архитектура компании // Научная мысль. 2013. С. 11-13.

Кокорева М.С. Никифоров М.С. Выбор структуры капитала компании на развивающихся рынках с учетом бизнес-циклов экономки // Электронный журнал Корпоративные Финансы. 2015. Т.36. №4 С. 72-88.

Колеников С.О. Краткое описание пакета Stata // Прикладной эконометрический анализ в статистическом пакете Stata: В 2 ч. 2001. Г. 3. С. 70-100.

Макарова С.Г. Великороссова Е.Н. Особенности формирования структуры капитала компаний в различных отраслях российской экономики // Аудит и финансовый анализ. 2014. №2. С. 425-438.

Осколкова М.А. Паршаков П.А. Яковлева А.М. Поведенческие аспекты формирования структуры капитала компании // Экономическая теория. 2012. №12. С. 47-56.

Ратникова Т.А. Анализ панельных данных в пакете «Stata” // Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных». 2004. С. 1-40.

Яковлева А.М. Осколкова М.А. Анализ современных подходов к оптимизации структуры капитала компании. С. 147-149.

AbedeJong, Rezaul Kabir, Thuy Thu Nguyen/ Capital structure around the world: The roles of firm- and country-specific determinants // Journal of Banking & Finance. 2008. №32. P. 1954-1969.

Fan J.P.H., Titman S., Twite G. An international comparison of capital structure and debt maturity choices // Journal of financial and quantitative analysis. 2012. Vol. 47. No. 1. P. 23-56.

Frank Z.M., Goyal V.K. Testing the pecking order theory of capital structure // Journal of Financial Econimics. 2003. №67. P. 217-248.

Hyun Jung Kim, Pando Sohn and Ji-Yong Seo. The capital structure adjustment through debt financing based on various macroeconomic conditions in Korean market// Investigaciуn Econуmica. 2015. №294. P. 155- 172.

Leary M.T. Roberts M.R. The pecking order, debt capacity, and information asymmetry // Journal of Financial Economics. 2010. Vol. 95, Issue 3. P. 332-355.

Maurizio La Rocca, Tiziana La Rocca and Alfio C. Capital Structure Decisions During a Firm's Life Cycle// Small Business Economics. 2009. Vol. 37, No. 1. P. 107-130.

Modioliani E, Miller M. The Cost of Capital. Corporate finance and the Theory Of investment // American Economic Review/ 1958. (48), P. 261-297.

Modigliani F., Miller M. Taxes and the Cost of Capital: A Correction // Ibid. 1963. P. 433-443.

Myers S. The Capital Structure Puzzle // The Journal of Finance. 1984. Vol. 39. No. 3. P. 575-592.

Myers S., Majluf N. Corporate financing and investment decisions when firms have information that investors do not have // Journal of Financial Economics. 1984. №13. P. 187-221.

Rajan R., Zingales L. What do we know about capital structure? Some evidence from international data // Journal of Finance. 1995. 50. P. 1421--1460.

Saibal G. How do Banks Influence Firm Capital Structure? Evidence from Indian Data// Indian Economic Review, New Series. 2015, P. 1-24.

Titman S. Wessels R. The determinants of capital structure choice // The Journal of Finance. 1988. Vol. 9. №5ю P. 875-886.

Toy N. Stonehill A. Remmers L. Wright R. Beekhuisen T. A comparative international study of growth, profitability, and risk as determinants of corporate debt ratios in the manufacturing sector // Journal of Financial and Quantitative Analysis. 1974. Vol. 43. No.1. P. 1-19.

Приложение 1

«Ящичковые» диаграммы для ряда зависимых и независимых переменных

Приложение 2

Доверительные интервалы зависимых и независимых переменных

Приложение 3

Корреляционная матрица

Приложение 4

Регрессионные модели с фиксированным и случайными эффектами без включения в модели незначимых переменных

Размещено на Allbest.ru