A Number of Capital Structure Models Presented Even in Prominent Papers are Estimated with Incorrect Estimators

• Autorzy: Mieczysław Kowerski

Warianty tytułu

Wiele modeli struktury kapitału opublikowanych nawet w znaczących czasopismach zostało nieprawidłowo oszacowanych

• Języki publikacji: EN

Abstrakty

EN

The capital structure is most often measured using a debt ratio, which usually takes values in the interval (0; 1). This makes the linear regression model a linear probability model. A basic shortcoming of such a model is that fitted values for some observations can be less than zero, which is inconsistent with the definition of the debt ratio. In the vast majority of articles, the authors did not pay attention to these defects and if they noticed them, they proposed solutions that cannot be considered fully satisfactory. A simple solution, known for many decades, is the application of the logit transformation of the dependent variable, which ensures that the fitted values of the debt ratio are in the interval (0; 1). The aim of the study is to draw researchers' attention to the inappropriateness of using linear probability models and to show the advantages of the logit models of debt ratios. The considerations were illustrated by models of debt ratios estimated for the companies listed on the WSE in 1998-2019. (original abstract)

Strukturę kapitału najczęściej mierzy się za pomocą stopy zadłużenia, która zazwyczaj przyjmuje wartości z przedziału (0; 1). Sprawia to, że liniowy model stopy zadłużenia jest liniowym modelem prawdopodobieństwa. Podstawową wadą takiego modelu jest to, iż obliczone na jego podstawie wartości teoretyczne zmiennej objaśnianej mogą być ujemne, co jest niezgodne z definicją stopy zadłużenia. Tylko nieliczni autorzy zwracali uwagę na tę wadę. Proponowane przez nich rozwiązania (model tobitowy, obcięcie lub zastąpienie danych ekstremalnych) nie usuwają jednak w pełni wad liniowego modelu prawdopodobieństwa. Właściwe rozwiązanie problemu, polegające na transformacji logitowej zmiennej objaśnianej, zaproponowała Magri (2010). Jej praca pozostała jednak niezauważona przez badaczy, którzy nadal stosowali metody właściwe dla modeli liniowych, ze zmienną objaśnianą o dowolnych wartościach. A przecież na podstawie źle oszacowanych modeli trudno o prawidłowe wnioski. Z tego względu celem pracy jest zwrócenie uwagi prowadzących badania na niewłaściwość stosowania liniowych modeli prawdopodobieństwa stopy zadłużenia, a także szersze zaprezentowanie możliwości zastosowania transformacji logitowej (znanej od lat 40. ubiegłego wieku) oraz modelowania logitowego (znanego od lat 60.) do rozwiązania problemu ujemnych wartości teoretycznych zmiennej objaśnianej. W pracy do określenia czynników determinujących strukturę kapitału mierzoną stopą zadłużenia zaproponowano logitowe modele panelowe ze stałymi i losowymi efektami specyficznymi oraz logitowy dynamiczny model panelowy. Wyniki tak oszacowanych modeli porównano z oszacowaniami panelowych liniowych modeli prawdopodobieństwa ze stałymi i losowymi efektami specyficznymi oraz panelowego modelu dynamicznego stopy zadłużenia. Do zilustrowania zaproponowanej metody wykorzystano dane spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie. W tym celu skonstruowano panel niezbilansowany. Weszły do niego spółki krajowe, z wyłączeniem banków, które na koniec 2019 r. wchodziły w skład indeksów WIG20, mWIG40 i sWIG80 i były notowane przynajmniej przez 3 lata. Zdecydowano, że dane będą sięgać 1998 r. Dla spółek, które weszły na GPW przed tym rokiem, zgromadzono więc dane począwszy od 1998 r. Dla spółek, które weszły na GPW w 1998 r. lub później, wykorzystano dane od roku ich debiutu giełdowego. Bazę tworzy 112 spółek z 1509 obserwacjami. Jako zmienne objaśniające przyjęto rentowność mierzoną stopą zwrotu z aktywów, możliwości wzrostu spółki mierzone stopą wzrostu aktywów, ryzyko mierzone ilorazem różnicy między ceną maksymalną i minimalną do ceny maksymalnej w ciągu roku oraz skłonność do wypłat dywidend w poprzednich latach. We wszystkich liniowych modelach prawdopodobieństwa stopy zadłużenia wystąpiły jej ujemne wartości teoretyczne - 3 w modelu ze stałymi efektami, 6 w modelu z losowymi efektami, 18 w modelu dynamicznym i jedna w modelu tobitowym. Dobrze ilustruje to postawioną w pracy A number of capital structure models...495 tezę, iż powszechnie stosowane liniowe modele prawdopodobieństwa mogą dawać wyniki sprzeczne z istotą kategorii finansowych. Oczywiście w oszacowanych modelach logitowych nie było ujemnych teoretycznych wartości stopy zadłużenia. Znaki oszacowanych parametrów przy tych samych zmiennych w liniowych modelach prawdopodobieństwa i modelach logitowych były jednakowe. Nie pozwala to na całkowite dezawuowanie wyników uzyskanych w tak wielu badaniach, opublikowanych nawet w znanych światowych czasopismach. Jednak zdaniem autora właściwsze jest stosowanie modeli ze stopami zadłużenia przekształconymi za pomocą transformacji logitowej. Oczywiście omówiona metoda nie jest pozbawiona pewnych wad, które dotyczą przede wszystkim możliwości przyjmowania zerowych wartości stóp zadłużenia, zwłaszcza przez spółki o słabej kondycji, ale również przez niewielką grupę spółek o bardzo dobrej kondycji. Zerowe wartości nie podlegają transformacji logitowej i muszą być zastąpione innymi lub usunięte z panelu. W obu przypadkach obciąża to ostateczne wyniki. (abstrakt oryginalny)

Słowa kluczowe

EN

Business capital; Company capital structure; Company indebtedness; Indebtedness models; Logit model; Stock market companies; Research results

PL

Kapitał przedsiębiorstwa; Struktura kapitału przedsiębiorstwa; Zadłużenie przedsiębiorstwa; Modele zadłużenia; Model logitowy; Spółki giełdowe; Wyniki badań

• Czasopismo: Bank i Kredyt
• Rocznik: 2022
• Numer: nr 5
• Strony: 475--496

Twórcy

autor

Mieczysław Kowerski

• Academy of Zamość

Bibliografia

• Abad D., Sánchez-Ballesta J.P., Yagü J. (2017), The short-term debt choice under asymmetric information, SERIEs Journal of Spanish Economic Association, 8(3), 261-285.
• Abdullah H., Tursoy T. (2021), Capital structure and firm performance: evidence of Germany under IFRS adoption, Review of Managerial Science, 15(2), 379-398.
• Akhtar S. (2005), The determinants of capital structure for Australian multinational and domestic corporations, Australian Journal of Management, 30(2), 321-341.
• Anderson T.W., Hsiao Ch. (1981), Estimation of dynamic models with error components, Journal of the American Statistical Association, 76(375), 598-606.
• Arellano M., Bond S. (1991), Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations, Review of Economic Studies, 58(2), 277-297.
• Arellano M., Bover O. (1995), Another look at the instrumental variable estimation of error components models, Journal of Econometrics, 68(1), 29-51.
• Baker P., Wurgler J. (2002), Market timing and capital structure, The Journal of Finance, 57(1), 1-32.
• Bessler W., Drobetz W., Haller R., Meier I. (2013), The international zero-leverage phenomenon, Journal of Corporate Finance, 23, 196-221.
• Chang X., Dasgupta S. (2009), Target behavior and financing: How conclusive is the evidence, The Journal of Finance, 64(4), 1767-1796.
• Chen Ch.-C., Huang H.H., Lee Ch.I. (2022), Supply chain, product pricing, and dynamic capital structure, International Review of Economics & Finance, 80, 938-952, https://doi.org/10.1016/ j.iref.2022.03.001.
• Cottrell A., Lucchetti R. (2021), Gretl User's Guide. Gnu Regression, Econometrics and Time- series Library, Wake Forest University, Università Politecnica delle Marche.
• Cwynar A., Cwynar W., Dankiewicz R. (2015), Studies on firm capital structure determinants in Poland: an integrative review, eFinanse. Financial Internet Quarterly, 11(4), 1-22.
• Dao B.T.T., Ta T.D.N. (2020), A meta-analysis: capital structure and firm performance, Journal of Economics and Development, 22(1), 111-129.
• Domenichelli O. (2015), An empirical investigation of the debt maturity of Italian family firms, International Journal of Finance and Accounting, 4(5), 281-292.
• Donaldson G. (1961), Corporate Debt Capacity: A Study of Corporate Debt Policy and the Determinants of Corporate Debt Capacity, Harvard Graduate School of Business Administration.
• Drobetz W., Wanzenried G. (2006), What determines the speed of adjustment to the target capital structure?, Applied Financial Economics, 16(13), 941-958.
• Espinosa C., Maquieira V.C., Vieito J.P., Gonzalez M. (2012), Capital structures in developing countries: the Latin American case, Investigación Económica, 71(282), 35-54.
• Fama E., MacBeth J. (1973), Risk, return, and equilibrium: empirical tests, Journal of Political Economy, 81(3), 607-636.
• Fama E., French K. (2002), Testing trade-off and pecking order predictions about dividends and debt, Review of Financial Studies, 15(1), 1-33.
• Flannery M., Rangan K. (2006), Partial adjustment toward target capital structures, Journal of Financial Economics, 79(3), 469-500.
• Goldberger A.S. (1975), Teoria ekonometrii, Państwowe Wydawnictwo Ekonomiczne.
• Gruszczyński M. (2001), Modele i prognozy zmiennych jakościowych w finansach i bankowości, Oficyna Wydawnicza Szkoły Głównej Handlowej w Warszawie.
• Haque S., Varghese R. (2021), The Covid-19 impact on leverage and financial fragility, Internationally Found Working Paper, 21(265), https://ssrn.com/abstract=4026495.
• Hajduk A. (2018), Determinanty struktury kapitałowej przedsiębiorstwa w świetle statystycznej analizy parametrycznej, Zarządzanie i Finanse (Journal of Management and Finance), 16(2), 103-115.
• Harris M., Raviv A. (1991), The theory of capital structure, The Journal of Finance, 56(1), 297-355.
• Iliev P., Welch I. (2010), Reconciling estimates of the speed of adjustment of leverage technical report, http://ssrn.com/abstract=1542691.
• Jaworski J., Czerwonka L. (2022), Struktura kapitału przedsiębiorstw w Polsce, Wydawnictwo CeDeWu.
• Jensen M.C. (1986), Agency costs of free cash flow, corporate finance and takeovers, American Economic Review, 76(2), 323-329.
• Jensen M.C., Meckling W. (1976), Theory of the firm: managerial behaviour. Agency costs and ownership structure, Journal of Financial Economics, 3(4), 305-360.
• Kayhan A., Titman S. (2007), Firms' histories and their capital structures, Journal of Financial Economics, 83(1), 1-32.
• Khaki R., Akin A. (2020), Factors affecting the capital structure: new evidence from GCC countries, Journal of International Studies, 13(1), 9-27.
• Kufel T. (2018), Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, Wydawnictwo Naukowe PWN.
• Kowerski M. (2011), Ekonomiczne uwarunkowania decyzji o wypłatach dywidend przez spółki publiczne, Konsorcjum Akademickie.
• Kowerski M. (2013), Możliwości inwestycyjne a skłonność do płacenia dywidend, Bank i Kredyt, 44(6), 623-646.
• Kowerski M., Bielak J. (2018), Self-selection models in determination of target dividend payout ratio of real estate domestic companies quoted on Warsaw Stock Exchange, Barometr Regionalny. Analizy i Prognozy, 16(1), 99-112.
• Kowerski M., Charkiewicz A. (2021), Panelowa baza danych o spółkach notowanych na Giełdzie Papierów Wartościowych w Warszawie dla potrzeb analiz finansowych, Facta Simonidis, 14(1), 161-179.
• Kumar S., Colombage S., Rao P. (2017), Research on capital structure determinants: a review and future directions, International Journal of Managerial Finance, 13(2), 106-132.
• Liaqat I., Khan M.A., Popp J., Oláh J. (2021), Industry, firm, and country level dynamics of capital structure: a case of Pakistani firms, Journal of Risk and Financial Management, 14(9), 1-17.
• Maddala G.S. (2006), Ekonometria, Wydawnictwo Naukowe PWN.
• Magri S. (2010), Debt maturity choice of nonpublic Italian firms, Journal of Money, Credit and Banking, 42(2/3), 443-463.
• Mardones J.G., Cuneo G.R. (2020), Capital structure and performance in Latin American companies, Economic Research - Ekonomska Istraźivanja, 33(1), 2171-2188.
• Miglo A. (2020), Zero-debt policy under asymmetric information, flexibility and free cash flow considerations, Journal of Risk and Financial Management, 13(12), 296, 1-25.
• de Miguel A., Pindado J. (2001), Determinants of capital structure: new evidence from Spanish panel data, Journal of Corporate Finance, 7(1), 77-99.
• Modigliani F., Miller M. (1958), The cost of capital, corporation finance, and the theory of investment, American Economic Review, 48(3), 261-297.
• Modigliani F., Miller M. (1963), Corporate income taxes and the cost of capital: a correction, American Economic Review, 53(3), 433-443.
• Mukherjee S., Mahakud J. (2010), Dynamic adjustment towards target capital structure: evidence from Indian companies, Journal of Advances in Management Research, 7(2), 250-266.
• Myers S.C. (1984), The capital structure puzzle, The Journal of Finance, 39(3), 575-591.
• Myers S.C., Majluf N.S. (1984), Corporate financing and investment decisions when firms have information the investors do not have, Journal of Financial Economics, 13(2), 187-221.
• Nehrebecka N., Białek-Jaworska A., Dzik-Walczak A. (2016), Źródła finansowania przedsiębiorstw. Stan badań i ich metaanaliza, Difin.
• Nejada N.R., Wasiuzzaman S. (2013), The empirical analysis of capital structure determinants - evidence from Malaysia, World Academy of Science, Engineering and Technology, 74, 466-474.
• Rajan R., Zingales L. (1995), What do we know about capital structure? Some evidence from international data, The Journal of Finance, 50(5), 1221-1260.
• Stradomski M., Schmidt K. (2020), Firm specific determinants of capital structure in European advanced developing countries, Bank i Kredyt, 51(3), 263-292.
• Tobin J. (1958), Estimation of relationships for limited dependent variables, Econometrica, 26(1), 24-36.
• Welch I. (2004), Capital structure and stock returns, Journal of Political Economy, 112(1), 106-132.
• Welch I. (2013), A critique of recent quantitative and deep-structure modelling in capital structure research and beyond, Critical Finance Review, 2(1), 131-172.