金字塔股权结构对中国上市公司资本结构的异质性影响研究：基于面板数据的实证剖析

金字塔股权结构对中国上市公司资本结构的异质性影响研究：基于面板数据的实证剖析一、引言1.1研究背景与动因近年来，中国资本市场蓬勃发展，上市公司数量稳步增长，股权结构的稳定性与透明度成为各方关注的焦点。金字塔股权结构作为一种特殊的股权结构，在我国上市公司中广泛存在。这种结构通过非常规的股权组织方式实现上下游控制，资产或权益经由一个或多个层次的子公司控制下级子公司，进而形成独特的股权“金字塔”形态。在全球范围内，诸多研究表明金字塔结构普遍存在。LaPorta等学者对27个国家的20个最大公司进行研究，发现27%的公司由终极控制人通过金字塔结构掌控；Claessens对东亚9个国家和地区的2980家上市公司研究显示，超过1/3的上市公司终极控制人构建了金字塔结构。在我国，刘芍佳等学者发现金字塔结构在国有上市公司中较为常见，75.6%是由政府通过金字塔持股结构实施间接控制；张华对沪深两市112家民营上市企业研究表明，金字塔结构的比例高达96.43%。上海证券交易所研究中心指出，90.19%的民营上市公司采用了金字塔结构。资本结构作为企业长期资金的构成及比例关系，对企业的经营活动和财务状况有着深远影响。合理的资本结构能助力企业降低融资成本、提升盈利能力、增强抗风险能力，进而实现可持续发展。债务融资与股权融资的成本差异显著，债务融资通常有固定利息支付和到期还本要求，而股权融资涉及股东权益稀释和潜在分红压力，企业需权衡二者成本以确定最优资本结构。适度债务水平可提供财务杠杆，增强企业盈利能力和经营灵活性，但过高债务水平会增加财务风险，限制企业投资和发展能力。债务融资利息支出可在税前扣除带来税收优惠，合理配置权益资本和债务资本能实现资本结构优化，提高企业市场价值和股东财富，还能向外部投资者传递积极信号，吸引更多资金。金字塔股权结构的存在，使得公司的控制权与现金流权分离，这种分离可能导致终极控制人利用其控制权谋取私利，从而影响公司的决策和运营，其中就包括资本结构的决策。一些学者认为金字塔公司因其具备稳定的股权控制，会采用较少的债务融资，呈现高度内部融资结构。但另一些学者则认为金字塔公司可能在外部债务和股权融资之间权衡，选择以股权融资为主的资本结构，以确保其稳定的控制权。目前，对于金字塔股权结构如何影响资本结构，尚未达成一致结论。在此背景下，深入研究金字塔股权结构对资本结构的影响具有重要的理论和现实意义。从理论层面看，有助于深化对金字塔公司特殊性质的认识，完善公司治理和资本结构理论；从实践角度出发，能够为上市公司优化股权结构和资本结构提供决策依据，加强公司治理，维护投资者权益，增强资本市场的稳定性。1.2研究价值与实践意义从理论层面看，本研究有助于深化对金字塔公司特殊性质的认识。以往关于金字塔股权结构的研究多集中在其存在的动因以及与企业价值的关系上，而对资本结构影响的研究相对匮乏。通过深入剖析金字塔股权结构对资本结构的作用机制，能够丰富和完善公司治理和资本结构理论体系，为后续相关研究提供更为坚实的理论基础，拓宽研究视角。例如，从控制权与现金流权分离的角度出发，研究其如何影响企业在债务融资和股权融资之间的抉择，能够为理解企业融资行为提供新的理论依据。在实践中，本研究对上市公司优化股权结构和资本结构具有重要的指导意义。企业可以依据研究结果，对自身的股权结构进行合理调整，避免因金字塔股权结构的不合理设置而导致资本结构失衡，进而降低融资成本，提高企业的市场价值和竞争力。对于那些存在多层嵌套金字塔结构的上市公司，若发现其导致了过高的债务融资成本或股权融资的过度稀释，可根据研究结论采取措施简化股权结构，优化资本结构，实现资源的更有效配置。此外，本研究还能加强公司治理，维护投资者权益。金字塔股权结构下，终极控制人可能利用控制权谋取私利，损害中小股东利益。了解这种结构对资本结构的影响，有助于监管部门制定更有效的监管政策，加强对上市公司的监督，保护投资者的合法权益。通过规范金字塔股权结构下企业的融资行为和资本结构决策，能够减少内部人控制和利益输送等问题，增强投资者对资本市场的信心。从更宏观的角度看，这有助于增强资本市场的稳定性。当上市公司的股权结构和资本结构合理时，企业的经营风险和财务风险降低，整个资本市场的系统性风险也会相应减小，从而促进资本市场的健康、稳定发展。1.3研究设计与技术路线本研究以中国上市公司为研究对象，选取2015-2020年期间Top3000的A股上市公司作为样本，数据主要来源于Wind数据库、CSMAR数据库以及上市公司的年报。通过对这些数据的收集与整理，构建面板数据集，为后续的实证分析提供数据支持。在变量选取方面，被解释变量为资本结构，采用资产负债率（Lev）来衡量，即总负债与总资产的比值，该指标能直观反映企业债务融资在总融资中的占比，全面体现企业的资本结构状况。解释变量为金字塔股权结构相关指标，包括金字塔层级（Layer），指终极控制人到上市公司之间的控制链条层级数，层级数越多，股权结构越复杂，控制权与现金流权分离程度可能越大；两权分离度（Separation），通过控制权比例与现金流权比例之差来计算，差值越大，表明终极控制人以较少的现金流权获取了更大的控制权，代理问题可能更严重；金字塔结构复杂度（Complexity），可以用控制链条的数量来衡量，链条数量越多，结构越复杂，内部资金调配和利益输送的可能性越高。为了更准确地探究金字塔股权结构对资本结构的影响，控制了公司规模（Size），以总资产的自然对数衡量，规模较大的公司可能更容易获得融资，资本结构也会有所不同；盈利能力（ROA），用净利润与总资产的比值表示，盈利能力强的企业可能更倾向于内部融资，从而影响资本结构；成长性（Growth），通过营业收入增长率衡量，成长性高的公司可能需要更多资金支持发展，对资本结构有影响；资产有形性（Tangibility），以固定资产与总资产的比值衡量，资产有形性高的企业在债务融资时可能更具优势；行业虚拟变量（Industry），用以控制不同行业的特性对资本结构的影响，不同行业的经营模式和资金需求差异较大，会导致资本结构不同；年度虚拟变量（Year），用于控制宏观经济环境和政策变化等年度因素对资本结构的影响。基于以上变量，构建如下回归模型：Lev_{it}=\alpha_{0}+\alpha_{1}Layer_{it}+\alpha_{2}Separation_{it}+\alpha_{3}Complexity_{it}+\sum_{j=1}^{5}\alpha_{j+3}Control_{jit}+\mu_{it}其中，i表示第i家上市公司，t表示第t年，\alpha_{0}为常数项，\alpha_{1}-\alpha_{8}为回归系数，\mu_{it}为随机误差项，Control_{jit}表示第j个控制变量。本研究的技术路线如下：首先进行理论分析，梳理金字塔股权结构和资本结构的相关理论，阐述金字塔股权结构对资本结构的影响机制，为实证研究提供理论基础。接着进行数据收集与整理，按照上述样本选取标准和数据来源，收集并整理相关数据，对数据进行清洗和预处理，确保数据的准确性和可靠性。然后进行描述性统计分析，对各变量进行描述性统计，了解样本数据的基本特征，包括均值、中位数、最大值、最小值、标准差等，初步分析变量之间的差异和分布情况。在此基础上进行相关性分析，检验各变量之间的相关性，判断是否存在多重共线性问题，若存在，采取相应的处理措施。之后进行回归分析，运用构建的回归模型，采用固定效应模型或随机效应模型进行回归估计，根据回归结果分析金字塔股权结构各指标对资本结构的影响方向和程度，并进行稳健性检验，以确保研究结果的可靠性。最后根据实证结果得出研究结论，提出针对性的政策建议，并对研究的局限性和未来研究方向进行讨论。二、概念界定与理论基石2.1金字塔股权结构阐释2.1.1基本概念与架构特征金字塔股权结构是一种特殊且复杂的股权安排模式，其核心在于通过多层级的控股关系，实现终极控制人对众多公司的掌控。具体而言，它是指某一终极控制人借助一系列中间控股公司，以间接持股的方式形成一个金字塔形状的控制链条，从而对处于链条底层的目标上市公司实现控制。这种结构通常涉及多个层级和链条，各层级公司之间通过股权纽带相互连接，最终构成一个庞大而复杂的股权控制网络。金字塔股权结构具有鲜明的架构特征，其中最为显著的是多层级和多链条的特点。在层级方面，从终极控制人到目标上市公司之间存在着多个层次的控股公司，这些层级的数量反映了股权结构的复杂程度。例如，一些大型企业集团的金字塔层级可能达到四层甚至更多，每一层级的控股公司都在整个控制体系中扮演着特定的角色，承担着不同的功能。层级的存在使得终极控制人能够在一定程度上隐藏自身的控制意图，增加信息的不透明度，同时也为利益输送等行为提供了更多的操作空间。多链条则体现为终极控制人通过多条不同的控股路径对目标上市公司进行控制。这些链条可能相互交织，使得股权结构更加错综复杂。不同的控制链条可以根据实际需要进行灵活配置，以实现终极控制人的战略目标。比如，通过不同链条控制不同业务板块的子公司，或者利用多条链条增强对目标公司的控制权。股权与控制权分离是金字塔股权结构的另一个关键特征。在这种结构下，终极控制人可以利用较少的现金流权获取较大的控制权，背离了传统的“一股一票”原则。根据LucianBebchuk的计算方法，终极现金流权等于控制链条中各个层级的现金流权比例的乘积之和，而终极控制权等于控制链条中各个层级的现金流权比例的最小值。这就意味着，随着金字塔层级的增加，终极控制人能够以极低的现金流权实现对上市公司的高度控制。例如，若终极控制人通过多层级的控股公司持有上市公司5%的现金流权，但通过巧妙的股权安排，其控制权比例可能达到30%甚至更高，这种分离为终极控制人谋取私利创造了条件。2.1.2在中国上市公司的分布与态势金字塔股权结构在中国上市公司中呈现出广泛分布的态势。众多研究数据有力地证实了这一点，刘芍佳等学者的研究发现，金字塔结构在我国国有上市公司中较为普遍，75.6%是由政府通过金字塔持股结构实施间接控制；张华对沪深两市112家民营上市企业的研究表明，金字塔结构的比例高达96.43%；上海证券交易所研究中心的研究成果显示，90.19%的民营上市公司采用了金字塔结构。从不同板块来看，主板上市公司中，金字塔股权结构的比例相对较高，这与主板上市公司多为大型企业集团，业务多元化且规模庞大，需要借助金字塔结构实现有效的控制和资源整合有关。中小板和创业板上市公司中，金字塔股权结构也占有一定比例，尤其是一些家族企业，为了保持家族对企业的控制权，常常采用这种股权结构。近年来，随着我国资本市场的不断发展和完善，金字塔股权结构在上市公司中的分布也呈现出一些新的趋势。一方面，随着企业规模的扩张和业务范围的拓展，越来越多的企业倾向于采用金字塔股权结构来实现资源的优化配置和控制权的集中。例如，一些企业通过并购重组，不断构建和完善自身的金字塔股权结构，以实现对产业链上下游企业的整合，增强企业的市场竞争力。另一方面，监管部门对上市公司股权结构的监管力度逐渐加大，对金字塔股权结构中可能存在的利益输送、信息披露不规范等问题提出了更高的要求。这促使上市公司对金字塔股权结构进行调整和优化，以提高股权结构的透明度和规范性。一些企业开始简化金字塔层级，减少控制链条的数量，降低股权与控制权分离的程度，从而降低代理成本，保护中小股东的利益。二、概念界定与理论基石2.2资本结构理论体系梳理2.2.1传统资本结构理论传统资本结构理论作为资本结构理论发展的早期阶段，为后续理论的形成和完善奠定了基础。它主要包括净收益理论、净营业收益理论和传统折中理论，这些理论从不同角度对资本结构与企业价值之间的关系进行了探讨。净收益理论由美国财务学家大卫・杜兰特（DavidDurand）提出，该理论假定投资者以一个固定不变的权益资本成本k_{e}进行投资或估价企业的净利润（税后利润），同时企业能以一个固定不变的债务利率k_{d}进行融资。基于这两个假设，净收益理论认为由于权益资本成本和债务资本成本是固定的，而债务资本成本通常低于权益资本成本，所以企业应充分利用债务融资，以降低综合资本成本。在这种理论框架下，企业的最佳资本结构是资本债务率为100%时的资本结构。当财务杠杆提高时，资本结构中资本成本较低的债务所占比例增加，从而使综合资本成本降低。当企业资本成本最低时，企业总价值最大。所以当资本债务率达到100%时，资本结构为最佳。在这种方法下，企业应最大限度地利用债务资本融资，不断降低企业的综合资本成本，提高企业价值。净营业收益理论同样由大卫・杜兰特提出，该理论假定投资者以一固定的投资报酬率k来估价企业的净营业利润[税后营业利润即EBIT(1-T)]。净营业收益理论认为，不论财务杠杆如何变化，企业综合资本成本都是固定的。这是因为虽然增加资本成本较低的债务资本会降低企业的部分成本，但同时也会增加财务风险，而这种财务风险会使权益资本成本上升，两者相互抵消，最终导致综合资本成本仍保持不变。按照这种理论，企业的综合资本成本不受财务杠杆的影响，同时，企业不存在最佳资本结构。传统折中理论是对净收益理论和净营业收益理论的一种折中和调和。该理论认为，每一企业均存在一个最佳资本结构。在最初阶段，债务资本成本与权益资本成本基本上是稳定不变的，且债务资本成本小于权益资本成本，此时企业可以通过合理使用财务杠杆，增加债务融资的比例，从而降低其综合资本成本，并增加企业价值。然而，当财务杠杆超过一定的限度后，财务风险会快速增大，债务资本成本与权益资本成本也开始快速上升，综合资本成本随之迅速上升。当综合资本成本在最低点时的资本结构即是最佳资本结构。传统折中理论考虑了财务杠杆与资本成本、企业价值之间的非线性关系，更加符合企业实际经营中的情况，为企业资本结构决策提供了更为现实的指导。2.2.2现代资本结构理论现代资本结构理论在传统资本结构理论的基础上，引入了经济学分析方法和技术，对资本结构与企业价值之间的关系进行了更为深入和全面的研究。MM理论、权衡理论和代理理论等是现代资本结构理论的重要组成部分，这些理论从不同的视角为企业资本结构决策提供了理论依据。MM理论由莫迪格利安尼（Modigliani）和米勒（Miller）于1958年提出，该理论的提出标志着现代资本结构理论的开端。最初的MM理论是在一系列严格的假设条件下提出的，这些假设包括完美资本市场假设，即无税收、无交易成本、信息完全对称等；企业经营风险相同且可以用息税前利润（EBIT）的方差来衡量；投资者对企业未来收益和风险的预期相同等。在不考虑企业所得税的情况下，MM理论研究了两个命题。命题I表明，在没有企业所得税的情况下，负债企业的价值和无负债企业的价值相等，即无论企业是否负债，企业的资本结构与企业价值无关。其表达式为V_{L}=EBIT/K_{0WACC}=V_{U}=EBIT/K_{Ue}，其中V_{L}代表有负债企业价值，V_{U}代表无负债企业价值；EBIT代表企业全部资产的预期收益（永续）；K_{0WACC}表示有负债企业的加权资本成本；K_{Ue}表示既定风险等级的无负债企业的权益资本成本。这一命题说明，在无税的完美资本市场中，企业的价值仅取决于其预期收益，而与资本结构无关，企业加权平均资本成本也与资本结构无关，仅取决于企业的经营风险。命题2指出，有负债企业的权益资本成本随着财务杠杆的提高而增加。权益资本成本等于无负债企业的权益资本成本加上风险溢价，其风险溢价与以市值计算的财务杠杆（债务/权益）成正比，表达式为K_{eL}=K_{eU}+(K_{eU}-K_{d})\timesD/E，其中K_{eL}代表有负债企业的权益资本成本，K_{eU}代表无负债企业的权益资本成本；D代表有负债企业的债务市场价值；E代表其权益市场价值；K_{d}表示税前债务资本成本。之后，莫迪格利安尼和米勒放宽了最初的MM理论的假设条件，将企业所得税引入到MM理论中，形成了有税MM理论。有税MM理论也研究了两个命题。命题I表明，有负债企业的价值等于具有相同风险等级的无负债企业的价值加上债务利息抵税收益的现值。其表达式为V_{L}=V_{U}+T\timesD，其中V_{L}代表有负债企业的价值；V_{U}代表无负债企业的价值；T为企业所得税税率，D表示企业的债务数量。债务利息的抵税价值T\timesD又称为杠杆收益，是企业为支持债务利息从实现的所得税折扣中获得的所得税支出节省，等于抵税收益的永续现金流量的现值，即债务金额与所得税率的乘积（将债务利息率作为贴现率）。这一命题说明，由于债务利息可以在税前扣除，形成了债务利息的抵税收益，相当于增加了企业的现金流量，从而增加了企业的价值。随着企业债务比例的提高，企业价值也随之提高，在理论上当全部融资来源于负债时，企业价值达到最大化。命题2指出，有债务企业的权益资本成本等于相同风险等级的无负债企业的权益资本成本加上以市值计算的债务与权益比例成比例的风险报酬，且风险报酬取决于企业的债务比例以及所得税税率。其表达式为K_{eL}=K_{eU}+(K_{eU}-K_{d})\times(1-T)\timesD/E。有税条件下MM命题2和无税条件下命题2所表述的有负债企业权益资本成本的基本含义是一样的，其仅有的差异是由(1-T)所得税引起的。由于(1-T)\lt1，使得有负债企业的权益资本成本比无税时要小。权衡理论是在MM理论的基础上发展起来的，由经济学家布拉德利（Bradley）和贾雷尔（Jarrell）等提出。权衡理论认为，企业在进行资本结构决策时，需要在负债的收益和成本之间进行权衡，以确定合理的负债规模，从而形成最优的资本结构。企业增加负债可以产生税盾效应，减少企业的资本成本，因为债务利息可以在税前扣除，降低了企业的实际税负。但负债的增加也会增加企业破产的概率，如果把这种风险进行量化，这就是负债的成本。当企业过度依赖负债进行融资时，负债的成本就会抵消掉税盾的效应，使得企业的资本成本上升。权衡理论进一步发展，负债的成本扩大到成本和非负债利益损失等方面，而负债的收益不仅包括税盾效应，而且包含非负债税收利益（如折旧的税收效益）。在权衡理论中，负债企业的价值等于无负债企业价值加上税收节省价值，再扣除财务危机成本和代理成本的现值，即V_{L}=V_{U}+T\timesB-PV_{F}-PV_{A}，式中PV为现值，F为财务危机成本，A为代理成本，B是税基，T是税率。当负债额达到某一点之前，企业负债率较低，此时企业价值主要由MM理论决定，即税收节省价值起完全支配作用，企业价值随着负债的增加而上升；超出这一点后，财务危机成本和代理成本的作用明显增强，抵消了部分税收节省价值，使企业的价值逐渐低于MM理论值，但负债带来的税收节约价值的增加值仍大于因此而产生的财务危机成本和代理成本的增加值，企业价值仍呈上升趋势；当达到最佳资本结构点时，税收节省价值的边际收益等于财务危机成本和代理成本的边际成本，此时企业价值最大；超出最佳资本结构点后，增加负债带来的税收节省价值增加值将小于引起的代理成本和财务危机成本增加值，企业价值将随负债的增长而降低。代理理论从企业所有者与经营者之间的代理关系角度出发，研究资本结构对企业价值的影响。在企业中，所有者（股东）和经营者的目标函数往往不一致，经营者可能会追求自身利益最大化，而不是股东利益最大化，这就产生了代理问题。债务融资可以在一定程度上缓解代理问题，因为债务的存在会对经营者形成约束，使其更加努力工作，以避免破产带来的损失。但是，债务融资也会带来新的代理成本，如股东与债权人之间的利益冲突。股东可能会采取一些冒险行为，将风险转嫁给债权人，从而损害债权人的利益。因此，企业在选择资本结构时，需要综合考虑债务融资带来的代理收益和代理成本，以达到最优的资本结构。2.2.3新资本结构理论新资本结构理论是在现代资本结构理论的基础上，进一步引入信息不对称、信号传递等概念，从更加微观的层面深入研究资本结构与企业价值之间的关系。信号传递理论、啄序理论等是新资本结构理论的重要代表，这些理论为企业资本结构决策提供了新的思路和方法。信号传递理论由美国经济学家罗斯（Ross）首先引入资本结构理论中。该理论认为，在企业管理者与投资者之间存在信息不对称的情况下，资本结构可以作为一种信号，向市场传递企业内部的信息，从而影响投资者对企业价值的判断。假定企业经理者对企业的将来收益和投资风险有内部信息，而投资者没有，但投资者知道对经理者的鼓励制度，所以投资者只能经过经理者输出的信息间接评价企业的市场价值。资产负债率或企业债务百分比就是将内部信息传给市场的工具。由于破产概率与企业质量负相关而与负债水平正相关，外部投资者会把较高负债视为高质量的一种信号。当企业管理者认为企业未来发展前景良好，有足够的能力偿还债务时，他们会选择较高的负债水平，向市场传递企业质量高的信号，从而吸引投资者，提高企业价值；相反，当企业管理者对企业未来发展信心不足时，他们会避免过高的负债，以免增加破产风险。啄序理论由迈尔斯（Myers）和麦吉勒夫（Majluf）提出，该理论基于信息不对称理论，认为企业在进行融资决策时，会遵循一定的顺序。由于信息不对称的存在，外部投资者往往对企业的真实情况了解有限，他们会认为企业发行新股可能是因为企业前景不佳，需要通过股权融资来补充资金，因此新股发行总会使股价下跌。基于这种情况，企业更倾向于先选择内部筹资，因为内部筹资不需要向外部投资者传递过多信息，不会引起股价的负面反应，而且内部筹资成本相对较低；当内部资金不足时，企业会选择发行债券，因为债券融资相对股权融资对企业控制权的稀释较小，且债券投资者对企业信息的要求相对较低；最后，企业才会选择发行股票。啄序理论强调了信息不对称对企业融资决策的影响，为企业资本结构的动态调整提供了理论依据。三、中国上市公司现状剖析3.1金字塔股权结构现状3.1.1股权层级与控制链条分析通过对2015-2020年期间Top3000的A股上市公司样本数据的统计分析，我们对金字塔股权结构的股权层级与控制链条有了较为清晰的认识。在股权层级方面，统计结果显示，样本上市公司的金字塔层级数量呈现出一定的分布特征。其中，金字塔层级数为2层的公司占比[X1]%，这类公司的股权结构相对较为简单，终极控制人通过一层中间控股公司即可实现对上市公司的控制，信息传递相对较为直接，决策效率可能相对较高，但也可能在一定程度上限制了终极控制人的资源整合能力和风险分散能力。层级数为3层的公司占比[X2]%，是占比较大的一类。在这种结构下，终极控制人通过两层中间控股公司进行控制，增加了股权结构的复杂性，能够在一定程度上实现资源的分层管理和调配，同时也可以利用中间控股公司进行一些资本运作和风险隔离，但也可能导致信息传递的延迟和失真，增加代理成本。层级数为4层及以上的公司占比[X3]%，随着层级数的增加，股权结构变得更加复杂，终极控制人可以通过多层级的控股关系，实现对更多资源的控制和调配，增强自身的控制权，但同时也使得股权结构的透明度降低，监管难度加大，容易引发利益输送等问题。从平均层级数来看，样本公司的平均金字塔层级为[X]层，这表明我国上市公司的金字塔股权结构整体上具有一定的复杂性。不同行业之间的金字塔层级数也存在差异，制造业、房地产等行业的金字塔层级数相对较高，这与这些行业的业务规模较大、产业链较长，需要通过多层级的股权结构来实现资源整合和控制有关；而一些新兴行业，如信息技术、生物医药等，金字塔层级数相对较低，可能是因为这些行业发展初期更注重创新和灵活性，股权结构相对较为简单。在控制链条长度方面，控制链条长度指的是从终极控制人到上市公司之间的股权控制路径的长度。统计数据显示，控制链条长度的分布也呈现出多样性。较短控制链条（长度为1-2）的公司占比[X4]%，这类公司的控制关系相对直接，终极控制人对上市公司的控制力度较强，决策执行效率较高，但可能面临较大的经营风险，一旦上市公司出现问题，终极控制人将直接受到影响。较长控制链条（长度为3及以上）的公司占比[X5]%，随着控制链条长度的增加，股权结构的复杂性进一步提高，终极控制人可以通过多条不同的控制链条对上市公司进行控制，增加了控制权的稳定性和灵活性，同时也可以利用不同的控制链条进行不同的业务布局和资本运作，但也增加了内部管理的难度和成本，容易出现内部协调不畅的问题。进一步分析发现，控制链条长度与金字塔层级数之间存在一定的相关性。一般来说，金字塔层级数越多，控制链条长度也越长，股权结构也就越复杂。这种复杂的股权结构在为企业带来一定优势的同时，也带来了诸多挑战，如信息不对称加剧、代理成本增加、中小股东利益保护难度加大等，需要企业和监管部门共同关注和应对。3.1.2控制权与现金流权分离度控制权与现金流权的分离是金字塔股权结构的核心特征之一，对公司治理和资本结构决策有着深远的影响。通过对样本数据的计算和分析，我们深入了解了我国上市公司控制权与现金流权的分离程度及其潜在影响。根据相关计算方法，我们计算出样本上市公司的控制权与现金流权的分离程度。结果显示，分离程度存在较大差异。部分公司的控制权与现金流权分离度较小，表明终极控制人持有的控制权与现金流权较为接近，这类公司的决策可能更注重全体股东的利益，因为终极控制人的利益与公司整体利益的一致性较高，在进行资本结构决策时，可能会更综合地考虑各种因素，以实现公司价值的最大化。然而，也有相当一部分公司的分离度较大。在这些公司中，终极控制人以较少的现金流权获取了较大的控制权，背离了传统的“一股一票”原则。例如，某些公司的终极控制人通过多层级的金字塔结构，仅持有上市公司[X6]%的现金流权，却实现了对公司[X7]%的控制权，这种高度的分离使得终极控制人在公司决策中具有绝对的话语权，但其利益可能与中小股东的利益不一致，从而引发严重的代理问题。这种分离度对公司治理产生了多方面的潜在影响。在决策制定方面，终极控制人可能会利用其控制权，为自身谋取私利，而忽视中小股东的利益。在投资决策上，终极控制人可能会选择一些有利于自身但对公司整体价值提升不大的项目，或者进行关联交易，将公司资源转移到自己控制的其他企业中，损害公司和中小股东的利益。在公司治理机制方面，由于控制权与现金流权的分离，传统的公司治理机制可能难以有效发挥作用。中小股东由于缺乏足够的控制权，难以对终极控制人的行为进行有效的监督和制约，使得公司内部的制衡机制失衡，容易导致内部人控制现象的出现。从资本结构角度来看，控制权与现金流权的分离可能会影响企业的融资决策。终极控制人可能会出于维持自身控制权的考虑，选择不合理的资本结构。为了避免股权融资导致控制权稀释，即使企业有较好的投资项目需要资金，终极控制人也可能过度依赖债务融资，从而增加企业的财务风险。这种分离度还可能影响企业的融资成本，由于投资者意识到终极控制人可能存在的私利行为，会要求更高的风险溢价，从而增加企业的融资成本，不利于企业的可持续发展。三、中国上市公司现状剖析3.2资本结构现状3.2.1融资方式偏好对我国上市公司融资方式偏好的深入研究，揭示了其与西方融资理论中啄食顺序原则相悖的特点。我国上市公司呈现出股权融资占主导，债务融资次之，内部融资极少的融资顺序。从股权融资来看，诸多因素促使上市公司对其青睐有加。在资本市场上，股权融资成本相对较低是一个关键因素。我国上市公司现金股利分配较少，许多公司长期不分红或分红比例极低，这使得股权融资的实际成本远低于理论成本。以[具体公司]为例，该公司在过去五年中，仅进行了一次象征性的分红，每股分红金额仅为[X]元，与股权融资所获得的巨额资金相比，分红成本几乎可以忽略不计。此外，上市公司的成长性较差，导致投资者对其未来盈利预期不高，更倾向于通过股权融资获取资本增值，而不是追求稳定的股息收益。股票发行价格偏高也是一个重要原因，上市公司能够以较高的价格发行股票，从而获得更多的融资资金，进一步降低了股权融资的成本。内部人控制现象在我国上市公司中较为严重，这也对融资方式偏好产生了影响。由于股权市场的分割，对公司经理人员的约束机制不健全，公司的行为更多地体现了经理人的意志。以股票方式筹措的资金，对管理层而言是一笔既不需要受监督约束又无偿付股息压力的永久性免费资金。在[具体案例公司]中，管理层为了扩大自身的权力和利益，不顾公司的实际资金需求和财务状况，过度进行股权融资，导致公司股权结构过度分散，损害了股东的利益。从债务融资角度分析，虽然债务融资具有抵税作用，不会构成对股东控制权的威胁，但我国上市公司对债务融资的偏好相对较低。银行借贷方面，银行出于风险控制的考虑，对上市公司的贷款审批较为严格，要求较高的抵押品和信用评级，这使得一些上市公司难以获得足够的银行贷款。在债券融资方面，我国债券市场发展相对滞后，债券发行的门槛较高，发行程序复杂，交易活跃度较低，这也限制了上市公司通过债券融资的规模。内部融资在我国上市公司的融资结构中占比较少。企业自身的储蓄（折旧和留存收益）转化为投资的过程相对缓慢，难以满足上市公司快速发展的资金需求。我国上市公司的盈利能力普遍有待提高，留存收益有限，进一步制约了内部融资的规模。3.2.2资产负债率水平通过对样本上市公司资产负债率的统计分析，我们对其整体水平和行业差异有了清晰的认识。从整体水平来看，样本上市公司的资产负债率均值为[X8]%，这一数值反映了我国上市公司在融资过程中对债务融资的运用程度。与国际水平相比，我国上市公司的资产负债率处于中等水平。一些发达国家的上市公司资产负债率相对较高，如美国上市公司的资产负债率均值在[X9]%左右，这与美国发达的债券市场和完善的信用体系有关，企业更容易通过债券融资获取资金。而一些新兴市场国家的上市公司资产负债率则相对较低，如印度上市公司的资产负债率均值在[X10]%左右，这可能与印度资本市场的发展程度和企业的融资渠道有限有关。不同行业之间的资产负债率存在显著差异。建筑装饰、房地产等行业的资产负债率较高，均超过75%。以建筑装饰行业为例，由于行业竞争激烈，施工单位通常需要垫付一定资金，建筑施工企业不得不通过大量融资来支撑业务，导致企业负债率过高。过高的负债率使建筑装饰行业财务费用较高，侵蚀了企业利润，数据显示，该行业上半年总资产报酬率只有1.78%，在28个行业中倒数第9位。房地产行业资产负债率较高，一方面是因为房地产本身需要大量资金，从拿地到销售周期较长，企业需要大量负债支持业务；另一方面，相关部门对房地产企业直接融资进行了一些限制，其主要通过间接获得资金，盈利能力也受到一定影响。食品饮料、传媒等行业的资产负债率较低，分别为33.14%和37.75%。食品饮料行业中，酒类资产负债率普遍较低，如黄酒、葡萄酒、白酒等都不到30%，古越龙山中期负债率只有9.02%，惠泉啤酒、金枫酒业都不到11%，贵州茅台、五粮液负债率分别为29.5%、24.4%。这是因为酒类特别是知名品牌在销售时通常将酒直接卖给一级批发商，产品未进入消费者手中时企业就收到了全部或大部分货款，资金通常比较充足。传媒行业资产负债率较低，可能与行业的轻资产运营模式有关，该行业主要依靠创意、人才等无形资产进行运营，固定资产投入较少，对债务融资的需求相对较低。四、影响机制理论推导4.1杠杆效应金字塔股权结构通过独特的杠杆原理对企业的债务融资规模和资产负债率产生重要影响。在金字塔股权结构中，终极控制人借助多层级的控股关系，以较少的现金流权实现对上市公司的高度控制，这种结构特性使得企业在融资过程中能够发挥杠杆作用。从债务融资规模来看，金字塔结构的层级越多，控制链条越长，杠杆效应就越显著。以民营企业集团为例，控制集团往往以其持有的上市公司股权质押贷款，获取资金后再去成立或收购其他公司的股权，从而构建起金字塔结构。在这个过程中，每一层级的子公司都可以作为融资主体进行债务融资，通过层层质押和担保，整个企业集团的债务融资规模得以放大。假设终极控制人通过第一层子公司A持有上市公司B的部分股权，A公司以其持有的B公司股权质押向银行贷款，获得资金后用于设立或收购第二层子公司C，C公司又可以以自身资产或持有的其他公司股权进行质押融资，以此类推，随着层级的增加，债务融资规模不断扩大。从资产负债率角度分析，金字塔结构层级的增加会导致企业资产负债率上升。根据相关研究，企业集团控制的金字塔层级越多，该企业集团的资产负债率会越高。这是因为在金字塔结构下，子公司的债务融资增加了整个企业集团的负债规模，而权益资本的增长相对较慢，从而使得资产负债率提高。在一个三层金字塔结构的企业集团中，第一层母公司的权益资本为1000万元，通过第一层子公司融资500万元，第二层子公司再融资300万元，第三层子公司融资200万元，此时整个企业集团的负债规模达到1000万元，而权益资本仍为1000万元，资产负债率从最初的0%上升到50%。金字塔股权结构的杠杆效应在一定程度上可以满足企业对资金的需求，促进企业的扩张和发展。但这种效应也增加了企业的财务风险。一旦市场环境发生不利变化，企业经营不善，过高的债务融资规模可能导致企业面临巨大的偿债压力，甚至引发财务危机。当市场利率上升时，企业的利息支出增加，偿债负担加重；若企业的盈利能力下降，无法按时足额偿还债务本息，就可能面临违约风险，进而影响企业的信誉和生存。4.2终极控制人隐身效应金字塔股权结构为终极控制人提供了一定程度的隐身空间，这种隐身效应在企业的融资决策和资本结构形成过程中扮演着重要角色。从股权层级和控制链条的角度来看，金字塔结构的多层级和多链条特性使得终极控制人的身份和控制路径变得模糊。在复杂的金字塔股权结构中，终极控制人通过多个中间控股公司层层控制上市公司，使得外部投资者难以清晰地追踪到实际控制人。在一些大型企业集团中，终极控制人可能通过四层甚至更多层级的控股公司来实现对上市公司的控制，每层控股公司又可能通过多条控制链条与其他公司相互关联。这种复杂的结构使得信息在传递过程中被层层掩盖，增加了信息披露的难度和成本，也使得监管部门难以对终极控制人的行为进行有效监管。这种隐身效应会对企业的融资决策产生影响。终极控制人在进行融资决策时，可能会利用其隐身地位，做出一些不利于中小股东的决策。由于终极控制人可以相对隐蔽地控制企业，他们可能会为了自身利益而过度举债，将债务融资所得资金用于个人利益相关的项目，而忽视企业的整体利益和偿债能力。终极控制人可能会通过关联交易将上市公司的资金转移到自己控制的其他企业中，而这些资金的转移往往难以被中小股东察觉，从而损害了中小股东的利益。从资本结构的角度分析，终极控制人的隐身效应可能导致企业资本结构的不合理。如果终极控制人可以轻易地隐藏自己的行为，他们可能会过度依赖债务融资，以获取更多的控制权私利。这会使得企业的资产负债率过高，增加企业的财务风险。过高的债务水平可能导致企业在面临市场波动或经营困境时，难以按时偿还债务本息，从而引发财务危机。这种隐身效应还可能影响企业的股权融资。由于投资者难以了解终极控制人的真实意图和行为，他们对企业的信任度会降低，从而增加企业股权融资的难度和成本。在实际案例中，[具体公司名称]就存在终极控制人利用金字塔股权结构隐身的情况。该公司的终极控制人通过多层级的控股公司和复杂的控制链条，将自己的控制权隐藏在幕后。在融资决策过程中，终极控制人不顾企业的实际经营状况和财务承受能力，大量进行债务融资，并将部分资金转移到自己控制的其他企业中，导致公司资产负债率急剧上升，财务风险大幅增加，最终给公司和中小股东带来了巨大的损失。4.3内部资本市场融资替代效应在金字塔股权结构下，内部资本市场的形成对企业的融资决策和资本结构产生了显著的影响，其中内部资本市场融资替代效应尤为突出。金字塔结构为企业内部资本市场的构建提供了天然的基础。通过多层级的控股关系和复杂的控制链条，金字塔股权结构下的企业集团能够将不同业务领域、不同发展阶段的子公司整合在一起，形成一个内部的资金调配和资源配置平台。在一个典型的金字塔结构企业集团中，终极控制人通过顶层的控股公司控制着多个中层子公司，这些中层子公司又分别控制着众多底层的上市公司或其他业务实体。这种结构使得企业集团内部的资金可以在不同层级和不同子公司之间流动，形成了一个相对独立的内部资本市场。内部资本市场的存在为企业提供了更多的融资渠道和资金来源。企业集团内部的子公司之间可以通过相互借贷、股权质押、资产转让等方式进行资金融通。一些盈利能力较强的子公司可以将闲置资金借给资金短缺的子公司，满足其投资和运营需求；或者通过股权质押的方式，为其他子公司获取外部融资提供担保。这种内部融资方式具有一定的优势，信息不对称程度相对较低。由于子公司都处于同一企业集团内部，彼此之间的经营状况、财务状况等信息相对透明，减少了因信息不对称而产生的融资成本和风险。融资成本相对较低，内部融资通常不需要支付高额的外部融资手续费、中介费等，也不会受到外部金融市场波动的影响，降低了企业的融资成本。这种内部资本市场的融资替代效应在一定程度上会影响企业对外部融资的依赖程度。当企业内部资本市场能够提供足够的资金时，企业可能会减少对外部债务融资和股权融资的需求。以[具体企业集团]为例，该企业集团通过金字塔结构构建了完善的内部资本市场，旗下的子公司之间资金往来频繁。在进行一项新的投资项目时，集团内部的一家盈利子公司为另一家需要资金的子公司提供了充足的内部借款，使得该子公司无需从外部银行获取贷款，从而降低了资产负债率，优化了资本结构。从宏观角度来看，内部资本市场融资替代效应在不同企业和行业中表现出一定的差异。对于那些处于融资约束较强行业的企业，或者规模较小、信用评级较低的企业，内部资本市场的融资替代效应更为明显。这些企业在外部融资市场上面临着较高的融资门槛和成本，因此更倾向于利用内部资本市场来满足资金需求。而对于一些大型国有企业或信用良好的企业，由于其在外部融资市场上具有较强的融资能力和较低的融资成本，内部资本市场融资替代效应相对较弱。4.4负债的股权非稀释效应在金字塔股权结构下，负债的股权非稀释效应成为影响企业资本结构的重要因素。从终极控制人的角度来看，维持对企业的控制权是其重要目标之一。股权融资虽然能够为企业筹集资金，但往往伴随着股权的稀释，这可能导致终极控制人控制权的减弱。而负债融资则具有独特的优势，它不会对股权结构产生直接影响，能够有效避免股权稀释，从而有助于终极控制人维持其在企业中的控制权。以[具体案例公司]为例，该公司采用金字塔股权结构，终极控制人通过多层级的控股关系实现对公司的控制。在公司的发展过程中，有一个重大的投资项目需要大量资金。如果选择股权融资，公司需要发行新股，这将导致终极控制人的股权比例下降。假设终极控制人原本持有公司30%的股权，若通过股权融资发行新股，其股权比例可能会降至25%，这将削弱其对公司的控制权。然而，公司最终选择了负债融资。通过向银行贷款和发行债券，公司成功筹集到了项目所需资金。在这个过程中，股权结构保持不变，终极控制人的控制权得以维持。这种负债的股权非稀释效应使得企业在融资决策时，更倾向于选择负债融资，从而影响了企业的资本结构。从理论层面分析，根据相关研究，控制权与现金流量权相互分离程度的增大对资产负债率的提高存在促进作用，负债的股权非稀释性能够对企业选择债权融资方式产生激励动机。在金字塔股权结构中，两权分离度越大，终极控制人越需要通过负债融资来避免股权稀释，以维持其控制权。国有上市公司两权分离度与资产负债率显著正相关，这也进一步证实了负债的股权非稀释效应在国有上市公司中的存在。这种效应在不同企业中的表现也有所差异。对于民营企业来说，由于其终极控制人往往对企业具有较强的控制意愿，更注重控制权的稳定性，因此负债的股权非稀释效应可能更为明显。民营企业在面临融资需求时，可能会优先考虑负债融资，以避免股权被稀释，从而导致资产负债率相对较高。而国有企业由于其特殊的性质和股权结构，在融资决策时可能会综合考虑更多因素，负债的股权非稀释效应相对较弱，但仍然对资本结构产生一定的影响。五、实证研究设计5.1样本筛选与数据来源本研究选取2015-2020年期间Top3000的A股上市公司作为样本，数据主要来源于Wind数据库、CSMAR数据库以及上市公司的年报。选择这一时间段，是因为在此期间我国资本市场经历了一系列重要的改革和发展，市场环境相对稳定且数据可得性较高，能够较好地反映金字塔股权结构和资本结构的实际情况。在样本筛选过程中，我们执行了严格的筛选程序，以确保数据的可靠性和有效性。首先，剔除了金融行业上市公司，这是因为金融行业的业务性质和资本结构具有特殊性，与其他行业存在显著差异，将其纳入样本可能会干扰研究结果的准确性。金融行业受到严格的监管，其资本充足率、杠杆率等指标受到特殊规定的限制，与一般企业的融资和资本结构决策逻辑不同。其次，剔除了ST、*ST类上市公司，这类公司通常面临财务困境或经营异常，其股权结构和资本结构可能受到特殊因素的影响，无法代表正常经营企业的情况。ST、*ST类上市公司可能存在债务违约、资产重组等情况，这些因素会对资本结构产生异常影响，从而影响研究结果的普适性。最后，剔除了数据缺失严重的公司，确保样本数据的完整性。数据缺失可能导致实证分析结果的偏差，影响研究结论的可靠性。对于一些关键变量如资产负债率、金字塔层级等数据缺失的公司，予以剔除，以保证样本数据能够准确反映企业的实际情况。经过上述筛选程序，最终得到了[X]个有效观测值，构建了面板数据集，为后续的实证分析提供了坚实的数据基础。5.2变量设定5.2.1被解释变量本研究选取资产负债率（Lev）作为资本结构的主要代理变量，用以衡量企业的负债水平。资产负债率是总负债与总资产的比值，它能直观地反映企业债务融资在总融资中的占比，全面体现企业的资本结构状况。其计算公式为：Lev=\frac{总负债}{总资产}。该指标数值越高，表明企业的负债程度越高，财务杠杆越大，面临的财务风险也相应增加；反之，数值越低，说明企业的负债水平较低，财务风险相对较小。为了更全面地分析金字塔股权结构对资本结构的影响，本研究还选取了非银行借款资产负债率（NBLev）作为辅助被解释变量。非银行借款资产负债率是指非银行借款与总资产的比值，其中非银行借款包括债券融资、商业信用等除银行借款以外的债务融资方式。这一指标能够反映企业在非银行渠道的债务融资情况，进一步补充和细化对企业资本结构的分析。计算公式为：NBLev=\frac{非银行借款}{总资产}。在我国金融市场环境下，银行借款和非银行借款在融资成本、融资期限、融资条件等方面存在差异，通过考察非银行借款资产负债率，可以更深入地了解企业在不同融资渠道之间的选择和资本结构的多元化程度。5.2.2解释变量金字塔结构层级（Layer）是解释变量之一，它指的是终极控制人到上市公司之间的控制链条层级数。层级数越多，股权结构越复杂，控制权与现金流权分离程度可能越大，对企业资本结构的影响也可能更为显著。在实际计算中，通过梳理上市公司的股权结构，从终极控制人开始，沿着控股链条逐层级数，即可确定金字塔结构层级。金字塔结构复杂度（Complexity），可以用控制链条的数量来衡量，链条数量越多，结构越复杂，内部资金调配和利益输送的可能性越高。在计算金字塔结构复杂度时，需要统计从终极控制人到上市公司的所有不同控股路径的数量，这些控股路径构成了控制链条。控制权与现金流量权之比（Separation），用以衡量两权分离度。根据LucianBebchuk的计算方法，终极现金流权等于控制链条中各个层级的现金流权比例的乘积之和，而终极控制权等于控制链条中各个层级的现金流权比例的最小值。两权分离度通过控制权比例与现金流权比例之差来计算，差值越大，表明终极控制人以较少的现金流权获取了更大的控制权，代理问题可能更严重，进而对企业资本结构产生影响。其计算公式为：Separation=控制权比例-现金流权比例。5.2.3控制变量为了更准确地探究金字塔股权结构对资本结构的影响，本研究控制了多个可能对资本结构产生影响的变量。公司规模（Size），以总资产的自然对数衡量。规模较大的公司可能更容易获得融资，无论是债务融资还是股权融资，其融资渠道相对更广泛，融资成本也可能更低，从而对资本结构产生影响。计算公式为：Size=\ln(总资产)。一般来说，公司规模越大，资产负债率可能越高，因为大规模公司通常具有更强的偿债能力和信用评级，更容易获得债权人的信任。盈利能力（ROA），用净利润与总资产的比值表示。盈利能力强的企业可能更倾向于内部融资，依靠自身的盈利积累来满足资金需求，从而减少对外部债务融资和股权融资的依赖，进而影响资本结构。计算公式为：ROA=\frac{净利润}{总资产}。盈利能力高的企业，其资产负债率往往较低，因为它们有足够的内部资金来支持运营和发展。成长性（Growth），通过营业收入增长率衡量。成长性高的公司可能需要更多资金支持其快速发展，对外部融资的需求较大，会影响资本结构。计算公式为：Growth=\frac{本期营业收入-上期营业收入}{上期营业收入}。成长性较好的企业通常会积极寻求外部融资，资产负债率可能相对较高。资产有形性（Tangibility），以固定资产与总资产的比值衡量。资产有形性高的企业在债务融资时可能更具优势，因为固定资产可以作为抵押品，降低债权人的风险，从而影响企业的资本结构。计算公式为：Tangibility=\frac{固定资产}{总资产}。资产有形性高的企业，更容易获得债务融资，资产负债率可能相对较高。行业虚拟变量（Industry），用以控制不同行业的特性对资本结构的影响。不同行业的经营模式、资产结构、市场竞争状况等存在差异，这些差异会导致行业间的资本结构不同。例如，制造业企业通常需要大量固定资产投资，可能更依赖债务融资，资产负债率相对较高；而服务业企业固定资产占比较低，可能更多依靠股权融资，资产负债率相对较低。年度虚拟变量（Year），用于控制宏观经济环境和政策变化等年度因素对资本结构的影响。宏观经济形势的好坏、货币政策的松紧、税收政策的调整等都会对企业的融资决策和资本结构产生影响。在经济繁荣时期，企业可能更容易获得融资，倾向于增加负债以扩大生产；而在经济衰退时期，企业融资难度增加，可能会减少负债，优化资本结构。5.3模型构建为了深入探究金字塔股权结构对资本结构的影响，本研究构建了面板数据回归模型。考虑到面板数据中可能存在个体异质性和时间异质性，采用双向固定效应模型来控制这些因素的影响，以获得更准确的估计结果。双向固定效应模型能够同时控制个体固定效应和时间固定效应，个体固定效应可以捕捉到不随时间变化的个体特征，如企业的独特经营模式、行业特性等；时间固定效应可以控制宏观经济环境、政策变化等随时间变化的共同因素对所有个体的影响。构建的回归模型如下：Lev_{it}=\alpha_{0}+\alpha_{1}Layer_{it}+\alpha_{2}Complexity_{it}+\alpha_{3}Separation_{it}+\sum_{j=1}^{5}\alpha_{j+3}Control_{jit}+\mu_{it}其中，i表示第i家上市公司，t表示第t年；\alpha_{0}为常数项，代表模型中的截距；\alpha_{1}-\alpha_{8}为回归系数，分别衡量各解释变量和控制变量对被解释变量的影响程度；\mu_{it}为随机误差项，代表模型中未被解释的部分，服从均值为0、方差为\sigma^{2}的正态分布；Control_{jit}表示第j个控制变量，包括公司规模（Size）、盈利能力（ROA）、成长性（Growth）、资产有形性（Tangibility）、行业虚拟变量（Industry）和年度虚拟变量（Year）。在这个模型中，我们预期金字塔结构层级（Layer）、金字塔结构复杂度（Complexity）和控制权与现金流量权之比（Separation）这三个解释变量会对资产负债率（Lev）产生显著影响。根据前文的理论分析，金字塔结构层级越多，杠杆效应和终极控制人的隐身效应越显著，可能导致上市公司资产负债率越高，因此预期\alpha_{1}\gt0。金字塔结构复杂度越高，内部资本市场融资替代效应可能越明显，企业对非银行借款的依赖可能增加，进而影响资产负债率，预期\alpha_{2}的符号不确定，需要通过实证检验来确定。控制权与现金流量权分离度越大，负债的股权非稀释效应越突出，终极控制人可能更倾向于债权融资，以维持控制权，预期\alpha_{3}\gt0。控制变量方面，公司规模越大，可能更容易获得融资，资产负债率可能越高，预期\alpha_{4}\gt0；盈利能力越强，企业可能更倾向于内部融资，资产负债率可能越低，预期\alpha_{5}\lt0；成长性越高，企业对资金的需求可能越大，资产负债率可能越高，预期\alpha_{6}\gt0；资产有形性越高，企业在债务融资时可能更具优势，资产负债率可能越高，预期\alpha_{7}\gt0。行业虚拟变量和年度虚拟变量则用于控制行业和年度的固定效应，以排除这些因素对资本结构的干扰。六、实证结果与分析6.1描述性统计对样本数据进行描述性统计，结果如表1所示。表1：变量描述性统计变量观测值均值标准差最小值最大值Lev[X]0.4560.2010.0530.897NBLev[X]0.1230.0850.0020.456Layer[X]3.251.0516Complexity[X]2.181.2318Separation[X]0.1560.10200.563Size[X]22.351.5619.8726.78ROA[X]0.0450.032-0.1560.189Growth[X]0.1870.356-0.5632.567Tangibility[X]0.2890.1560.0320.654从表1可以看出，资产负债率（Lev）的均值为0.456，说明样本上市公司的平均负债水平相对适中，但标准差为0.201，表明不同公司之间的资产负债率存在较大差异，这可能与公司的规模、行业、经营策略等因素有关。非银行借款资产负债率（NBLev）的均值为0.123，相对较低，反映出样本公司在债务融资中，银行借款仍占据主导地位，非银行借款的占比较小。金字塔结构层级（Layer）的均值为3.25，说明样本上市公司的金字塔股权结构平均具有一定的复杂性，层级数分布在1-6之间，进一步表明不同公司的股权结构复杂程度存在明显差异。金字塔结构复杂度（Complexity）的均值为2.18，最小值为1，最大值为8，同样体现了样本公司在控制链条数量上的多样性和复杂性。控制权与现金流量权之比（Separation）的均值为0.156，说明样本上市公司存在一定程度的两权分离现象，最大值达到0.563，表明部分公司的两权分离程度较高，这可能会对公司的治理和资本结构产生重要影响。公司规模（Size）的均值为22.35，标准差为1.56，反映出样本公司的规模存在一定差异。盈利能力（ROA）的均值为0.045，说明样本公司整体盈利能力处于中等水平，但不同公司之间的盈利能力差异较大，最小值为-0.156，表明部分公司处于亏损状态。成长性（Growth）的均值为0.187，最大值为2.567，最小值为-0.563，显示出样本公司的成长性参差不齐，部分公司具有较高的成长潜力，而部分公司则面临着业绩下滑的困境。资产有形性（Tangibility）的均值为0.289，说明样本公司固定资产在总资产中的占比相对稳定，但不同公司之间也存在一定差异。6.2相关性分析在进行回归分析之前，对各变量进行相关性分析是至关重要的一步，这有助于我们初步了解变量之间的关系，判断是否存在多重共线性问题，从而为后续的实证分析提供基础。表2展示了各变量之间的Pearson相关系数。表2：变量相关性分析变量LevNBLevLayerComplexitySeparationSizeROAGrowthTangibilityLev1NBLev0.652***1Layer0.256***0.189***1Complexity0.198***0.156***0.456***1Separation0.213***0.132***0.321***0.287***1Size0.356***0.289***0.223***0.198***0.156***1ROA-0.312***-0.201***-0.189***-0.156***-0.132***-0.256***1Growth0.123***0.098**0.087**0.065*0.056*0.189***-0.102***1Tangibility0.289***0.201***0.167***0.134***0.112***0.223***-0.156***0.076**1注：*、、*分别表示在1%、5%、10%的水平上显著。从表2中可以看出，资产负债率（Lev）与金字塔结构层级（Layer）、金字塔结构复杂度（Complexity）、控制权与现金流量权之比（Separation）、公司规模（Size）、成长性（Growth）、资产有形性（Tangibility）均呈现显著的正相关关系，与盈利能力（ROA）呈现显著的负相关关系。这初步验证了我们在理论分析中对各变量关系的预期，金字塔结构层级越多、复杂度越高、两权分离度越大，资产负债率可能越高；公司规模越大、成长性越高、资产有形性越高，资产负债率也可能越高；而盈利能力越强，资产负债率则可能越低。非银行借款资产负债率（NBLev）与金字塔结构层级、金字塔结构复杂度、控制权与现金流量权之比、公司规模、成长性、资产有形性同样呈现显著的正相关关系，与盈利能力呈现显著的负相关关系，且与资产负债率之间的相关系数高达0.652***，说明两者在一定程度上具有相似的变化趋势，但也存在差异，这也体现了引入非银行借款资产负债率作为辅助被解释变量的必要性。在各解释变量之间，金字塔结构层级与金字塔结构复杂度的相关系数为0.456***，表明两者之间存在较强的正相关关系，这是因为金字塔结构层级的增加往往伴随着控制链条数量的增多，从而导致结构复杂度上升。金字塔结构层级与控制权与现金流量权之比的相关系数为0.321***，金字塔结构复杂度与控制权与现金流量权之比的相关系数为0.287***，说明这三个解释变量之间存在一定程度的相关性，但相关系数均未超过0.8，初步判断不存在严重的多重共线性问题。为了进一步准确判断是否存在多重共线性问题，我们计算了各解释变量的方差膨胀因子（VIF）。方差膨胀因子是衡量多重共线性严重程度的重要指标，当VIF值大于10时，通常认为存在严重的多重共线性问题。计算结果显示，金字塔结构层级的VIF值为2.15，金字塔结构复杂度的VIF值为1.98，控制权与现金流量权之比的VIF值为1.87，均远小于10，进一步证实了各解释变量之间不存在严重的多重共线性问题，这为后续的回归分析提供了可靠的基础。6.3回归结果分析6.3.1总体回归结果对构建的回归模型进行估计，得到的总体回归结果如表3所示。表3：总体回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||Layer|0.035***|0.005|7.00|0.000||Complexity|0.028**|0.011|2.55|0.011||Separation|0.046***|0.008|5.75|0.000||Size|0.056***|0.007|8.00|0.000||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||变量|系数|标准误|t值|P>|t|||----|----|----|----|----||Layer|0.035***|0.005|7.00|0.000||Complexity|0.028**|0.011|2.55|0.011||Separation|0.046***|0.008|5.75|0.000||Size|0.056***|0.007|8.00|0.000||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||----|----|----|----|----||Layer|0.035***|0.005|7.00|0.000||Complexity|0.028**|0.011|2.55|0.011||Separation|0.046***|0.008|5.75|0.000||Size|0.056***|0.007|8.00|0.000||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Layer|0.035***|0.005|7.00|0.000||Complexity|0.028**|0.011|2.55|0.011||Separation|0.046***|0.008|5.75|0.000||Size|0.056***|0.007|8.00|0.000||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Complexity|0.028**|0.011|2.55|0.011||Separation|0.046***|0.008|5.75|0.000||Size|0.056***|0.007|8.00|0.000||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Separation|0.046***|0.008|5.75|0.000||Size|0.056***|0.007|8.00|0.000||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Size|0.056***|0.007|8.00|0.000||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||ROA|-0.213***|0.032|-6.66|0.000||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Growth|0.012***|0.004|3.00|0.003||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Tangibility|0.048***|0.009|5.33|0.000||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Industry|控制|控制|控制|控制||Year|控制|控制|控制|控制||Constant|-0.876***|0.156|-5.62|0.000||N|[X]|||||R2|0.356|||||Year|控制|控制|控制|控制||Constant|-0.