7.1. Phương pháp ước lượng thích hợp
Cột đầu tiên trong bảng 2 trình bày ước lượng phương trình (4) của Fama & MacBeth (1973) (FM)13.Hầu hết các biến trễ miêu tả tỷ lệ nợ mục tiêu đều mang hệ số hồi quy có ý nghĩa thống kê với dấu phù hợp (chỉ có MB và LnTA mang hệ số hồi quy không có ý nghĩa thống kê). Hệ số hồi quy của biến MDR trễ ngụ ý rằng doanh nghiệp thu hẹp 13,3% (= 1 – 0.867) chênh lệch giữa đòn bẩy hiện tại và đòn bẩy mong muốn trong vòng 1 năm. Với tỷ lệ này, mất khoảng 5 năm để rút ngắn ½ khoảng cách giữa tỷ
13
Fama and French (2002) đề xuất các hàm ước lượng FM để tránh sự giảm nhẹ sai số chuẩn của hệ số hồi quy. OLS cho ra ước lượng các hệ số hồi quy tương tự cho đặc tính tương tự, như được trình bày trong cột (2) của bảng 3 hay cột (2) của bảng A.1 trong phụ lục.
lệ đòn bẩy hiện tại và tỷ lệ mong muốn đối với 1 doanh nghiệp điển hình. Sự điều chỉnh chậm này phù hợp với giả thuyết rằng các xem xét khác – như là lý thuyết trật tự phân hạng và lý thuyết Market timing – cho rằng chi phí của sự lệch khỏi đòn bẩy tối ưu có ảnh hưởng lớn hơn. Với một tốc độ điều chỉnh được ước lượng chậm như thế, sự hội tụ về mục tiêu trong dài hạn dường như không giải thích nhiều cho sự biến động tỷ lệ nợ của doanh nghiệp.
Mặc dù ước lượng FM có vài đặc điểm hấp dẫn, nhưng chúng thất bại trong việc nhận ra các đặc tính dạng bảng của dữ liệu. Một hồi quy dạng bảng với các ảnh hưởng (cố định) không được quan sát sẽ thích hợp hơn nếu như các doanh nghiệp có các biến (không được quan sát) ảnh hưởng tương đối ổn định đến đòn bẩy mục tiêu. Cột (2) trong bảng 2 trình bày kết quả hồi quy dạng bảng với các ảnh hưởng cố định, mà trong đó các hệ số ước lượng nhân tố xác định đòn bẩy mục tiêu thường giống như các bản sao FM của chúng, ngoại trừ LnTA. Ý nghĩa thống kê của hầu hết các biến là tốt hơn, và các ảnh hưởng cố định đến MDR mục tiêu được đánh giá tốt hơn: kiểm định F cho ý nghĩa kết hợp của các ảnh hưởng cố định trong cột (2) bác bỏ giả thiết cho rằng các số hạng này là bằng nhau với tất cả doanh nghiệp (F (12918;98178) =2.24, pr =0.000). Điểm khác nhau nổi bật giữa cột (1) và (2) là các hệ số hồi quy ước lượng được của biến MDR trễ, các hệ số này về cơ bản biểu thị tốc độ điều chỉnh nhanh hơn (38%) trong mô hình dạng bảng. Tốc độ điều chỉnh ước lượng được này ngụ ý rằng doanh nghiệp điển hình rút ngắn ½ chênh lệch đòn bầy trong vòng 18 tháng.
Bảng 2
Các phương pháp ước lượng khác nhau đối với đặc tính (4)
Các kết quả hồi quy mô hình:
Tốc độ điều chỉnh càng nhanh trong cột (2) có thể phản ánh hoặc là sự bổ sung các ảnh hưởng cố định vào mô hình mục tiêu hoặc là hạn chế của hồi quy bảng: các hệ số dốc không đổi qua thời gian. Để phân biệt 2 khả năng này, hồi quy ở cột (3) áp dụng phương pháp FM với dữ liệu đã loại bỏ trung bình. Nghĩa là, mỗi biến được trình bày dưới dạng độ lệch so với giá trị trung bình của doanh nghiệp. Hầu hết các hồi quy FM trong cột (3) đều rất gần với các kết quả hồi quy dạng bảng trong cột (2). Chúng tôi kết luận rằng các ảnh hưởng không được quan sát, đặc trưng của doanh nghiệp về cơ bản tác động đến tốc độ điều chỉnh ước lượng được, rõ ràng bởi vì chúng cơ bản làm cho
các ước lượng của tỷ lệ nợ mục tiêu trở nên sắc bén hơn14. Chúng tôi sẽ trở lại vấn đề này ở phần 4.3
Cột (4) ước lượng mô hình dạng bảng hiệu chỉnh, mô hình này bao gồm một biến giả riêng biệt cho mỗi năm trong mẫu (ngoại trừ 1966 để tránh bẫy biến giả). Thống kê R2 có hiệu chỉnh thu được tăng nhẹ so với cột (2) và các hệ số hồi quy khác về cơ bản vẫn không đổi. Chúng tôi thêm các biến giả thời gian vào các hồi quy dạng bảng tiếp theo nhằm hấp thụ bất kỳ ảnh hưởng biến đổi theo thời gian (chưa được mô hình hóa) nào tác động đến cấu trúc vốn. Chúng tôi cũng ước lượng đặc tính này với sự hiệu chỉnh tương quan chuỗi bậc nhất trong mỗi bảng (không được trình bày). Hệ số hồi quy AR(1) ước lượng được là đủ nhỏ (-0.03) để từ đó chúng tôi giả định rằng tương quan chuỗi không phải là một ảnh hưởng đáng kể trong nghiên cứu của chúng tôi.
Ước lượng hợp lý tốc độ điều chỉnh trong mô hình động đòi hỏi chú ý cẩn thận đến tính chất tương quan chuỗi của các biến phụ thuộc và phần dư hồi quy (Baltagi, 2001, Chapter 8; Wooldridge, 2002). Cột (5) nhắm đến tương quan giữa biến phụ thuộc trễ trong hồi quy dạng bảng với sai số hồi quy, mà tương quan này có thể làm sai lệch tốc độ điều chỉnh ước lượng được. Chúng tôi thay thế một giá trị thích hợp cho biến phụ thuộc trễ, sử dụng giá trị sổ sách trễ của đòn bẩy và làm các biến công cụ (Greene, 2003)15.Hệ số hồi quy ước lượng được tăng nhẹ (từ 0,620 lên 0,656), nhưng kết quả ước lượng các hệ số hồi quy khác vẫn gần với các ước lượng trong cột (4). Tốc độ điều chỉnh suy ra là 34,4%, cho thấy rằng doanh nghiệp điển hình hoàn thành hơn ½ mức điều chỉnh đòn bẩy yêu cầu của nó trong khoảng thời gian ít hơn 2 năm – nhanh
14
Khi chúng tôi thay thế các ảnh hưởng cố định trong cột (2) với tập hợp 46 biến giả ngành công nghiệp (được xây dựng như trong Fama & French, 1997), các hệ số hồi quy ước lượng được gần giống kết quả trong cột (1), cột này cũng loại bỏ các ảnh hưởng cố định của doanh nghiệp
15
Các phương pháp ước lượng gần đây như phương pháp của Arellano & Bond (1991) phát triển dựa trên cách tiếp cận này trong vài trường hợp, nhưng không phải cho mẫu của chúng tôi. Xem phụ lục để biết thêm chi tiết.
hơn nhiều so với các kết quả ước lượng được của các tác giả trước đây. Sự điều chỉnh về tỷ lệ vốn đặc trưng của doanh nghiệp nhanh như thế đề xuất rằng lý thuyết trật tự phân hạng và thuyết Market timing không thống trị hầu hết các quyết định tỷ lệ nợ của doanh nghiệp. Chúng ta trở lại vấn đề này trong bảng 4 bên dưới.
Cột (6) của bảng 2 đề cập đến khả năng mà tốc độ điều chỉnh nhanh trong cột (5) phản ánh bản chất của , bị chặn giữa 0 và 1. Một doanh nghiệp với đòn bẩy rất cao không còn lựa chọn nào khác ngoài việc giảm đòn bẩy và ngược lại. Cột (6) trình bày kết quả ước lượng mô hình hồi quy với các biến công cụ của chúng tôi chỉ với 50% các giá trị , nằm giữa các giá trị quan sát được. Các điểm cắt phân vị thứ 25 và 75 đối với , khác nhau giữa các năm, nhưng lần lượt chỉ đạt trung bình 6,5% và 41,6%. Tất cả ước lượng hệ số hồi quy trong cột (6), bao gồm cả tốc độ điều chỉnh, đều rất gần với các kết quả sử dụng toàn mẫu. Do đó, chúng tôi tin chắc rằng sự đảo ngược về giá trị trung bình “bẩm sinh” của các biến phụ thuộc không phải là nguyên nhân gây ra tốc độ điều chỉnh cao được ước lượng của chúng ta.
Cột cuối trong bảng 2 trình bày mô hình gốc của chúng tôi, mà đặc tính này được sử dụng sau này. Mô hình này bao gồm sự hiệu chỉnh bằng biến công cụ cho . Các biến giải thích bao gồm các ảnh hưởng cố định qua thời gian và của doanh nghiệp, thêm một biến giải thích bổ sung trong ma trận “X”
Rated = 1 khi doanh nghiệp có công bố xếp hạng nợ, nếu không thì = 016.
Faulkender &Petersen (2005) kiểm soát việc chọn mẫu nghiên cứu của họ bởi vì Rated có thể là biến nội sinh. Chúng tôi đơn giản thêm Rated vào như 1 biến phụ thuộc bổ sung, với hai lý do. Đầu tiên, ảnh hưởng của xếp hạng trái phiếu không phải là mối quan tâm chính của chúng tôi. Thứ hai, các kết quả khác hoàn toàn không nhạy cảm
16
Bởi vì Compustat không báo cáo biến này trước 1981, chúng tôi không thể tính toán các ước lượng Fama-MacBeth, so sánh với các đặc tính khác trong bảng 2 nếu biến Rated được đưa vào.
với việc thêm vào hay loại bỏ biến Rated ra khỏi tập hợp các biến xác định tỷ lệ nợ mục tiêu của doanh nghiệp. Biến giả này mang hệ số hồi quy dương, có ý nghĩa thống kê biên (như trong Faulkender & Petersen, 2005), nhưng việc thêm nó vào không có ảnh hưởng đáng kể đến kết quả ước lượng của các hệ số hồi quy khác.
Mô hình gốc của chúng tôi trong cột (7) chỉ ra rằng tỷ lệ nợ mục tiêu của doanh nghiệp điển hình biến đổi khá nhiều. Tỷ lệ nợ mục tiêu trung bình của dữ liệu chéo bắt đầu với 32,1% trong năm 1966, tiến đến cực đại là 64,0% trong năm 1974, và kết thúc thời kì với 27,0% trong năm 2001. Trên toàn mẫu, mục tiêu ước lượng được có trung bình là 30,7% và độ lệch chuẩn là 25,1% (so sánh với trung bình và độ lệch chuẩn của MDR thực tế lần lượt là 27,8% và 24,4%). Các đặc trưng của doanh nghiệp, ảnh hưởng cố định và thời gian; tất cả góp phần vào dao động của tỷ lệ nợ mục tiêu. Tập hợp 9 biến X giải thích 16% độ lệch chuẩn toàn mẫu của MDR, các ảnh hưởng (cố định) không được quan sát giải thích 25,2% và các biến giả năm giải thích 9%. Trong mỗi năm, riêng 9 biến X đã giải thích từ 12,5% đến 17,6% biến động chéo, hàng năm của tỷ lệ nợ mục tiêu, với trung bình (qua tất cả năm) là 15,03%. Để ngắn gọn, đòn bẩy mục tiêu được tính toán của chúng tôi về cơ bản khác nhau giữa các doanh nghiệp và qua thời gian.
7.2. Hội tụ về mục tiêu
Nếu chúng tôi ước lượng đòn bẩy mục tiêu có ý nghĩa, thì chúng tôi sẽ nhận ra rằng các doanh nghiệp điều chỉnh về các mục tiêu này theo thời gian. Hình 1 phản ánh quyết định tài chính của các giám đốc trong điều kiện doanh nghiệp lệch khỏi đòn bẩy mục tiêu ước tính (ước lượng) của nó. Với mỗi năm trong giai đoạn 1966-2000, chúng tôi phân các doanh nghiệp vào các phân vị dựa trên đô lệch so với đòn bẩy mục tiêu của chúng (MDR* - MDR). Trục hoành trong hình 1 biểu thị rằng các doanh nghiệp trong phân vị thứ nhất dường như sử dụng đòn bẩy quá mức, với trung bình (trung vị) là 15,29% (13,59%) tài sản. Ngược lại, mô hình của chúng tôi chỉ ra rằng các doanh
nghiệp trong phân vị thứ 4 sử dụng đòn bẩy dưới mức với trung bình (trung vị) là 21,96% (19,70%). Trục tung trong hình 1 mô tả thay đổi của các tỷ lệ nợ tính theo giá sổ sách trong năm tiếp theo (BDR), thay đổi này phản ánh các nỗ lực rõ ràng của doanh nghiệp nhằm chuyển dịch về mục tiêu của nó. (Trái lại, MDR làm lẫn lộn các ảnh hưởng của hành vi nhà quản lý với các thay đổi trong giá chứng khoán của doanh nghiệp). Các bằng chứng trong hình 1 phù hợp với sự hội tụ.Doanh nghiệp sử dụng đòn bẩy quá mức trong phân vị thứ 1 giảm đòn bẩy theo giá sổ sách trong năm tiếp theo một khoảng trung bình (trung vị) là 3,12% (1,94%). Trái lại, các doanh nghiệp sử dụng đòn bẩy dưới mức trong phân vị thứ 4 tăng BRDmột khoảng trung bình (trung vị) 4,69% (1,75%) trong suốt năm tiếp theo. Các doanh nghiệp trong 2 phân vị giữa cũng chuyển dịch về tỷ lệ nợ mục tiêu của chúng, nhưng với mức điều chỉnh nhỏ hơn nhiều.
Trong khi các kết qua trong hình 1phù hợp với hành vi hướng tới mục tiêu, chúng cũng đơn thuần phản ánh xu hướng của các doanh nghiệp với tỷ lệ nợ cao hay thấp tương đối dịch chuyển trở về mức trung bình, như được thể hiện qua các ước lượng hàm rủi ro của Leary and Roberts (2005). Thật vậy, hình 2 phản ánh xu hướng này trong dữ liệu. Trục hoành mô tả 4 phân vị được hình thành dựa trên giá trị tuyệt đối của MDR ở năm trước. Như trong hình 1, trục tung của hình 2 thể hiện các thay đổi trong trung bình và trung vị của tỷ lệ nợ theo giá trị sổ sách (BDR) trong năm tiếp theo. Không phụ thuộc vị trí so với mục tiêu của chúng, các doanh nghiệp có đòn bẩy cao có xu hướng giảm đòn bẩy theo giá sổ sách của chúng trong năm tiếp theo. Ngược lại, các doanh nghiệp trong phân vị MDR thấp nhất hướng đến tăng BRD trong suốt năm tiếp theo17.
17
Hình 2 không phù hợp với hành vi hướng tới mục tiêu, bởi vì các doanh nghiệp với đòn bẩy cao (thấp) có nhiểu khả năng ở trên (dưới) đòn bẩy mục tiêu của chúng hơn.
Mức độ của hành vi hướng về mục tiêu trong hình 1 phản ánh xu hướng phổ biến - khôi phục trở lại mức trung bình – đối với các doanh nghiệp sử dụng đòn bẩy cực hạn như thế nào ? Chúng tôi ước lượng câu hỏi này bằng cách sử dụng loại dữ liệu 2 chiều. Đầu tiên, chúng tôi hình thành 4 phân vị dựa trên đòn bẩy tuyệt đối ( ) như trong hình 2. Trong phạm vi mỗi phân vị đòn bẩy, chúng tôi xây dựng các phân vị dựa trên dộ lệch khỏi đòn bẩy mục tiêu của doanh nghiệp. Sau đó, mỗi đường trong hình 3 vẽ đồ thị sự thay đổi trong BRD đối với độ lệch khỏi mục tiêu trong năm trước đó (theo mô hình của chúng tôi) cho 1 tập hợp các doanh nghiệp có giá trị MDR tuyệt đối tương tự nhau. Như trong hình 1, thuyết đánh đổi ngụ ý rằng các doanh nghiệp ở bên trái (phải) trục hoành trong hình 3 sử dụng đòn bẩy quá mức (dưới mức) và sẽ hành động để giảm (tăng) đòn bẩy trong năm tiếp theo. Đây chính xác là những gì chúng tôi tìm. Bất kể đòn bẩy tuyệt đối, hầu hết các doanh nghiệp sử dụng đòn bẩy quá mức đều giảm BDR của chúng. Các doanh nghiệp có đòn bẩy tuyệt đối cao chuyển dịch về mục tiêu của chúng nhanh hơn các doanh nghiệp có đòn bẩy tuyệt đối thấp, đề xuất rằng các độ lệch khỏi mục tiêu tốn kém hơn đối với các doanh nghiệp có đòn bẩy cao hơn. Ở đối trọng khác, doanh nghiệp sử dụng đòn bẩy dưới mức tăng BDR trung bình, bất kể mức đòn bẩy tuyệt đối của nó. Trong các doanh nghiệp sử dụng đòn bẩy dưới mức này, các doanh nghiệp với đòn bẩy tuyệt đối thấp nhất hành động tích cực nhất trong việc tăng BDR.
7.3. Các ước lượng cấu trúc vốn mục tiêu trước đây
Tốc độ điều chỉnh nhanh được ước lượng trong bảng 2 (34,4% mỗi năm) là đặc điểm đáng chú ý nhất trong kết quả thực nghiệm của chúng tôi. Mặc dù một vài nghiên cứu trước đây cũng hỗ trợ cho sự điều chỉnh nhanh như thế nhưng quan điểm thông thường cho rẳng tốc độ điều chỉnh hàng năm của doanh nghiệp nằm trong khoảng 8-15%, Fama & French (2002) cho rằng lý thuyết đánh đổi không đủ để giải thích khoảng biến động quan sát được trong dữ liệu đòn bẩy của các doanh nghiệp. Các nghiên cứu trước đây sử dụng nhiểu loại đặc tính hồi quy để nghiên cứu các nhân tố xác định cấu trúc
vốn của doanh nghiệp. Vì sao đặc tính của chúng tôi có ưu thế hơn? Chúng tôi tranh luận rằng các nghiên cứu trước đây lạm dụng các giả thuyết không đảm bảo, nhưng có thể kiểm định được trên dữ liệu, điều này dẫn đến các kết luận sai và lệch hướng.
Bảng 3 trình bày tập hợp các mô hình cấu trúc vốn ước lượng được trên cùng bộ dữ liệu bảng. Cột (1) trình bày mô hình dữ liệu chéo, đơn giản điển hình được sử dụng trong nhiều bài nghiên cứu trước đây để suy ra các nhân tố xác định đòn bẩy tối ưu của doanh nghiệp (ví dụ: Hovakamian và cộng sự (2001); Fama & French (2002); Korajczyk & Levy (2003); Kayhan & Titman (2005))18. Các hệ số hồi quy ước lượng được giống với các nghiên cứu trước. Cụ thể, thu nhập, tỷ lệ MB, chi phí R&D và chi phí khấu hao cao hơn làm giảm đòn bẩy mục tiêu, trong khi quy mô tài sản và tài sản cố định làm tăng đòn bẩy mục tiêu.
Mô hình hồi quy trong cột (1) giới hạn hệ số hồi quy của MDR trễ = 0. Nói cách khác, tỷ lệ vốn quan sát được của doanh nghiệp cũng là tỷ lệ (mục tiêu) mong muốn của nó.Cột (2) chỉ ra rằng giả thiết này bị bác bỏ mạnh mẽ bởi dữ liệu. Khi chúng tôi thêm biến phụ thuộc trễ vào mô hình trong cột (1), nó mang hệ số hồi quy có ý nghĩa rất cao (0.864). Do đó, hồi quy dữ liệu chéo đơn giản trong cột (1) có vẻ như đã bỏ sót 1 biến quan trọng. Chúng tôi cũng nhận thấy từ bảng (2) rằng loại trừ các ảnh hưởng cố định