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)