信用評(píng)級(jí)對(duì)非金融企業(yè)資本結(jié)構(gòu)的影響
——基于中國(guó)企業(yè)的表現(xiàn)

（英國(guó)諾丁漢大學(xué)）

一、引言

信用評(píng)級(jí)是影響公司財(cái)務(wù)決策的重要因素（Graham等，2001），研究表明，管理者可以利用公司的內(nèi)部指標(biāo)合理預(yù)測(cè)公司信用評(píng)級(jí)的變化（陸正飛等，1998；范柏乃等，2003）。因此，發(fā)債人可以提前預(yù)測(cè)信用評(píng)級(jí)的調(diào)整，預(yù)先優(yōu)化公司的資本結(jié)構(gòu)，以達(dá)到維持或者上調(diào)評(píng)級(jí)的目的。Kisgen（2006，2009）利用美國(guó)公司的財(cái)務(wù)信息，構(gòu)建了信用評(píng)級(jí)-資本結(jié)構(gòu)模型（CR-CS模型），研究結(jié)果表明信用評(píng)級(jí)會(huì)影響公司的資本結(jié)構(gòu)。Klein等（2011）也分別在歐洲、中東和非洲的公司中得到了相同的結(jié)論。然而，實(shí)驗(yàn)結(jié)果并沒有在拉丁美洲的上市公司得到證實(shí)（Rogers等，2016）。目前CR-CS模型的研究大都集中在歐美金融市場(chǎng)中，沒有在中國(guó)金融市場(chǎng)得到檢驗(yàn)。因此，本文將利用中國(guó)非金融上市公司的內(nèi)部指標(biāo)檢測(cè)未來信用評(píng)級(jí)的變化是否會(huì)影響公司的資本結(jié)構(gòu)。

二、文獻(xiàn)綜述

（一）信用評(píng)級(jí)和資本結(jié)構(gòu)

研究表明，企業(yè)的財(cái)務(wù)杠桿會(huì)直接影響其盈利能力，而信用評(píng)級(jí)會(huì)直接影響公司的財(cái)務(wù)杠桿結(jié)構(gòu)（范柏乃等，2003）。Graham等（2001）對(duì)北美392家公司的CFO調(diào)整資本結(jié)構(gòu)時(shí)會(huì)考慮哪些因素進(jìn)行問卷調(diào)查時(shí)，57.1%的CFO表示會(huì)關(guān)注公司當(dāng)前的信用質(zhì)量。

Kisgen首先利用公司的內(nèi)部指標(biāo)構(gòu)建了CR-CS模型，發(fā)現(xiàn)被重新評(píng)級(jí)的公司發(fā)行的債務(wù)都低于不需要重新評(píng)級(jí)的公司；企業(yè)對(duì)降級(jí)和升級(jí)做出的反應(yīng)不同，公司會(huì)在降級(jí)后降低杠桿率，減少約1.5%—2.0%的債務(wù)發(fā)行；若評(píng)級(jí)從投資級(jí)別降到投機(jī)級(jí)別，可能會(huì)減少50%的債務(wù)發(fā)行；當(dāng)企業(yè)恢復(fù)到先前的評(píng)級(jí)時(shí)，一般會(huì)選擇維持最低評(píng)級(jí)水平，而不是繼續(xù)提高信用評(píng)級(jí)。但也有一些研究得出了不同的結(jié)論，Rogers等在2016年發(fā)現(xiàn)拉丁美洲的公司管理者不考慮公司資本決策的變化，意味著信用評(píng)級(jí)的變化對(duì)公司的資本結(jié)構(gòu)沒有影響。

（二）構(gòu)建公司信用評(píng)級(jí)的決定因素

國(guó)際三大信用評(píng)級(jí)機(jī)構(gòu)——標(biāo)準(zhǔn)普爾、穆迪和惠譽(yù)都認(rèn)為公司信用評(píng)級(jí)是對(duì)債務(wù)人償債能力和償債意愿的綜合評(píng)定，信用評(píng)級(jí)的級(jí)別越高，評(píng)級(jí)實(shí)體的違約概率越低。張兆國(guó)等（2001）發(fā)現(xiàn)債券發(fā)行與財(cái)務(wù)杠桿之間在統(tǒng)計(jì)學(xué)上存在顯著的相關(guān)關(guān)系。陳維云等（2002）證明了公司規(guī)模（正相關(guān)）、存貨周轉(zhuǎn)率（負(fù)相關(guān)）、營(yíng)業(yè)利潤(rùn)率（負(fù)相關(guān)）、資產(chǎn)流動(dòng)比率（負(fù)相關(guān)）和信用評(píng)級(jí)之間的統(tǒng)計(jì)顯著性關(guān)系。這些研究指出，公司可以使用與財(cái)務(wù)覆蓋范圍、盈利能力、公司規(guī)模和資本結(jié)構(gòu)有關(guān)的指標(biāo)來預(yù)測(cè)信用評(píng)級(jí)的改變。

（三）中國(guó)的信用評(píng)級(jí)

陸正飛和辛宇（1998）指出信用評(píng)級(jí)與公司財(cái)務(wù)杠桿對(duì)中國(guó)上市公司的作用不如歐美國(guó)家顯著，公司的規(guī)模、成長(zhǎng)性、獲利能力等因素對(duì)公司長(zhǎng)期負(fù)債率的影響均不顯著。

何運(yùn)強(qiáng)和方兆本（2003）指出中國(guó)的信用評(píng)級(jí)市場(chǎng)起步較晚，評(píng)級(jí)機(jī)構(gòu)的獨(dú)立性不強(qiáng)，評(píng)級(jí)方法過于簡(jiǎn)單，市場(chǎng)規(guī)模小且法律尚不完善。據(jù)估計(jì)，中國(guó)的AAA（AA）信用等級(jí)相當(dāng)于國(guó)際信用等級(jí)的A（BBB）。但是，何平等（2010）指出債券的信用評(píng)級(jí)對(duì)債券發(fā)行成本有較強(qiáng)的解釋力。JingBian（2015）指出，我國(guó)的信用評(píng)級(jí)體系雖然還存在許多問題，但也涵蓋了銀行、證券、保險(xiǎn)等行業(yè)，對(duì)投資者具有一定的參考意義。

可以看出，中國(guó)信用評(píng)級(jí)市場(chǎng)對(duì)企業(yè)的影響可能與歐美國(guó)家不同。因此，本文基于現(xiàn)有的理論依據(jù)，為中國(guó)109家非金融上市公司建立了CR-CS模型，并通過多個(gè)變量對(duì)數(shù)據(jù)進(jìn)行了回歸分析。

三、研究方法

（一）數(shù)據(jù)樣本

本文收集了2014—2019年來自不同行業(yè)的109家中國(guó)上市的非金融公司的財(cái)務(wù)數(shù)據(jù)。信用評(píng)級(jí)來自中國(guó)權(quán)威的信用評(píng)級(jí)機(jī)構(gòu)，中國(guó)誠(chéng)信國(guó)際信用評(píng)級(jí)有限公司（中誠(chéng)信）和大公全球信用評(píng)級(jí)有限公司，二者都具備中國(guó)政府特許經(jīng)營(yíng)的全部資質(zhì)，是被中國(guó)認(rèn)可為所有發(fā)行債券企業(yè)信用評(píng)級(jí)評(píng)估的權(quán)威機(jī)構(gòu)。

（二）信用評(píng)分模型

信用評(píng)分模型的構(gòu)建主要基于Kisgen，該模型已在評(píng)估公司信用等級(jí)中被廣泛應(yīng)用。第一步：確定分?jǐn)?shù)方程，用作因變量和序數(shù)變量。這里主要使用微觀評(píng)級(jí)的概念，意味著BBB、BBB+和BBB-的級(jí)別只分別代表BBB、BBB+和BBB-（標(biāo)普和惠譽(yù)）。中誠(chéng)信和大公的微觀評(píng)級(jí)采用相同的等級(jí)劃分（AAA，AA+，AA，AA-，A+，A，A-，BBB+，BBB，BBB-，BB+，BB，BB-，B+，B，B-，CCC，CC，C）。本文使用長(zhǎng)期債務(wù)評(píng)級(jí)表示公司的信用評(píng)級(jí)（Kisgen，2006；Rogers等，2016）。

記最低的信用等級(jí)C的編碼最小為1，其次是編碼為2的CC級(jí)，以此類推。表1顯示了不同信用等級(jí)在微觀評(píng)級(jí)下的分值，數(shù)學(xué)上代表了經(jīng)濟(jì)變量，是因變量Y與信用等級(jí)之間的等價(jià)關(guān)系。

表1 分類變量Y

如果公司的信用評(píng)分可以通過建立一個(gè)準(zhǔn)確的模型來衡量，那么這個(gè)預(yù)測(cè)反映了所有潛在的影響因素，應(yīng)該非常接近評(píng)級(jí)的變化，表2描述了用于評(píng)估分?jǐn)?shù)方程的自變量。

表2 衡量信用分?jǐn)?shù)模型的自變量：基于微觀評(píng)級(jí)

公式（1）是用回歸分析計(jì)算信用分?jǐn)?shù)的方程：

信用評(píng)分方程的構(gòu)建過程：首先，用搜集到的面板數(shù)據(jù)估計(jì)分?jǐn)?shù)方程，以確定公司在微觀評(píng)級(jí)下的信用質(zhì)量；其次，根據(jù)得到的分?jǐn)?shù)對(duì)公司進(jìn)行排序，分為上、中、下三個(gè)相等的部分；再次，假設(shè)上1/3和下1/3的公司需要重新調(diào)整其信用評(píng)級(jí)，而中間1/3的公司不需要改變?cè)械男庞玫燃?jí)；最后，利用普通最小二乘法（OLS）檢驗(yàn)假設(shè)是否成立。

（三）構(gòu)建CR-CS計(jì)量經(jīng)濟(jì)模型

公司債務(wù)是以其可以問責(zé)的價(jià)值來衡量的（Kisgen，2006；Rogers等，2016），在這種情況下，解釋變量被用來衡量i公司資本結(jié)構(gòu)的變化，也就是t+1時(shí)債務(wù)的變化。

其中，ΔDLPit表示公司i在t+1時(shí)的非流動(dòng)負(fù)債-公司i在t時(shí)的非流動(dòng)負(fù)債；ΔCPit表示公司i的股權(quán)在t+1時(shí)的會(huì)計(jì)價(jià)值-公司i的股權(quán)在t時(shí)的會(huì)計(jì)價(jià)值；Ait表示公司i在t時(shí)的總資產(chǎn)；ΔDCPit表示公司 i在t+1時(shí)可召回的股票-公司i在t時(shí)可召回的股票；ΔDit表示公司i在t+1時(shí)的負(fù)債總額（非流動(dòng)負(fù)債和流動(dòng)負(fù)債之和）-公司i在t時(shí)的負(fù)債總額。

公式（2）是第一個(gè)因變量，表示企業(yè)i從t時(shí)到t+1時(shí)的長(zhǎng)期負(fù)債，衡量的是長(zhǎng)期負(fù)債與總資產(chǎn)的比率。公式（3）是第二個(gè)因變量，表示公司i從t時(shí)到t+1時(shí)的短期負(fù)債，用股權(quán)中的短期負(fù)債占總資產(chǎn)的比重衡量。公式（4）是第三個(gè)變量，表示公司從t時(shí)到t+1時(shí)的總負(fù)債，以總資產(chǎn)占總股本的凈會(huì)計(jì)負(fù)債的比例來衡量。

表3反映的是CR-CS模型中包含的自變量，Kisgen（2006）和 Rogers等（2016）在模型中都包含了虛擬變量，以反映公司的某些屬性。由于該模型只研究了企業(yè)財(cái)務(wù)指標(biāo)對(duì)信用評(píng)級(jí)的影響，Kisgen（2006，2009）指出有必要在模型中添加幾個(gè)控制變量，以防止模型受到金融危機(jī)等外部因素的影響。

（四）實(shí)驗(yàn)假設(shè)

本文的計(jì)量經(jīng)濟(jì)學(xué)假設(shè)是當(dāng)前債務(wù)將永久影響公司未來的業(yè)績(jī)水平，這意味著債務(wù)指數(shù)對(duì)公司的影響是有慣性的（Fama和 French，2002）。因此，面板數(shù)據(jù)的動(dòng)態(tài)模型顯得更合理（因變量包含一個(gè)或多個(gè)滯后變量）。然而，面板數(shù)據(jù)的動(dòng)態(tài)模型問題在于回歸變量（Yit）與截距項(xiàng)（αit）和誤差項(xiàng)（εit）之間的相關(guān)性。本文用一階滯變量檢驗(yàn)誤差項(xiàng)中是否存在自相關(guān)。

表3 構(gòu)建模型的變量

（續(xù)表）

使用的計(jì)量經(jīng)濟(jì)工具和最合適的估計(jì)量是基于以下的研究假設(shè)：上市公司無論面臨上調(diào)評(píng)級(jí)還是下調(diào)評(píng)級(jí)，其平均債務(wù)比不需重新調(diào)整評(píng)級(jí)的公司少。

為了檢驗(yàn)研究假設(shè)，建立實(shí)證模型如下：

其中，Zit反映企業(yè)債務(wù)的利用率，包含長(zhǎng)期負(fù)債Z1it，短期負(fù)債 Z2it和總負(fù)債 Z3it的變化情況，Z1it、Z2it、Z3it的計(jì)算公式見公式（2）（3） 和（4）；Zi，t-1分別代表Z1i，t-1、Z2i，t-1和 Z3i，t-1，反映了滯后的解釋變量的影響（公式拓展見后文）；MRSI、MRSup和MRInf表示微觀評(píng)級(jí)變化，檢驗(yàn)信用評(píng)級(jí)變化和公司財(cái)務(wù)杠桿之間的關(guān)系；Kit包含所有的控制變量，旨在確定金融危機(jī)等因素不會(huì)改變信用評(píng)級(jí)。

該模型期望微觀評(píng)級(jí)的變化具有統(tǒng)計(jì)學(xué)意義，即信用評(píng)級(jí)變化的公司債務(wù)股本較低。如果管理者的實(shí)際行為與預(yù)測(cè)信用評(píng)級(jí)變化的方向一致，那么可以得出結(jié)論，信用評(píng)級(jí)確實(shí)會(huì)影響管理者的資本決策。

四、數(shù)據(jù)描述和分析

本文數(shù)據(jù)由中國(guó)109家上市非金融公司2014—2019年期間的財(cái)務(wù)數(shù)據(jù)和信用評(píng)級(jí)信息組成。表4是樣本數(shù)據(jù)的信用評(píng)級(jí)與公司財(cái)務(wù)杠桿之間的描述性統(tǒng)計(jì)，總共得到391組既有評(píng)級(jí)信息又有財(cái)務(wù)杠桿的數(shù)據(jù)?？梢钥闯?，這些信用評(píng)級(jí)的范圍大多集中在A以上，AAA、AA+和AA的比重大致相同，前四個(gè)等級(jí)的范圍超過了總數(shù)據(jù)庫的95%。這是因?yàn)榘l(fā)達(dá)國(guó)家的債券市場(chǎng)不僅允許投資級(jí)公司發(fā)行債券，而且允許投機(jī)級(jí)別的公司發(fā)行“垃圾”債券，信用評(píng)級(jí)的范圍較廣，但是中國(guó)市場(chǎng)不允許發(fā)行“垃圾”債券，因此公司的信用評(píng)級(jí)更為集中。

（續(xù)表）

信用評(píng)級(jí)過高或過低的公司通常具有較低的杠桿率，保持中等信用評(píng)級(jí)的公司通常具有較高的杠桿率。從表4可以看出，B到BBB范圍內(nèi)的公司杠桿率是最大的（平均杠桿率為55.38%），A到AAA范圍內(nèi)的平均杠桿率比C到CCC的公司的平均杠桿率更高。

表4 樣本數(shù)據(jù)的信用評(píng)級(jí)與公司財(cái)務(wù)杠桿之間的描述性統(tǒng)計(jì)

（一）信用分?jǐn)?shù)的估計(jì)

值得注意的是，在信用分?jǐn)?shù)的評(píng)估中，沒有使用逐步回歸篩選變量，所有的解釋變量都包含在公式（1）內(nèi)。為保證模型的有效性，使用Breusch-Pagan測(cè)試（Chi2-test=0.0000）和 Hausman測(cè)試（Chi2=0.0000）對(duì)模型進(jìn)行選擇，檢驗(yàn)表明，使用固定效應(yīng)模型更為合理。

表5表示了8個(gè)自變量和信用評(píng)分分?jǐn)?shù)（因變量）之間的直接關(guān)系，從結(jié)果可以看出，自變量DT、DLP/PL、ROA、EBITDA和ATIVO在99%的置信區(qū)間內(nèi)是顯著的，和固定效應(yīng)模型有相同的期望關(guān)系；自變量CJ、DLP/AT和MO在統(tǒng)計(jì)上不顯著，和Rogers等（2016）相同。從表6可以看出整個(gè)模型是顯著的，R2在0.6左右，F(xiàn)檢驗(yàn)也證實(shí)了這一點(diǎn)（Prob＞F=0.0000）。事實(shí)上，集合最小二乘法和隨機(jī)效應(yīng)模型都表現(xiàn)出很好的擬合，系數(shù)的差異不明顯。

表5 信用分?jǐn)?shù)估計(jì)

表6 信用分?jǐn)?shù)模型的計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)

因此，分?jǐn)?shù)模型的方程為（基于固定效應(yīng)模型）：

在對(duì)分?jǐn)?shù)方程進(jìn)行評(píng)估后，我們將每個(gè)信用評(píng)分的等級(jí)都分為上、中、下三等份。在剔除BB（只有3個(gè)數(shù)據(jù)樣本）以下的數(shù)據(jù)樣本和不完整的財(cái)務(wù)信息后，共得到466個(gè)觀測(cè)值，其中上1/3和中1/3分別有156個(gè)觀測(cè)值，下1/3有154個(gè)觀測(cè)值。上1/3和下1/3預(yù)期信用評(píng)級(jí)會(huì)被改變，中間1/3的公司不改變。

（二）信用評(píng)級(jí)對(duì)資本結(jié)構(gòu)的影響

如前文所說，公司財(cái)務(wù)狀況與其信用評(píng)分高度相關(guān)，財(cái)務(wù)狀況相對(duì)較差的公司擁有的平均債務(wù)相對(duì)較少（Kisgen，2006）。虛擬變量MRSup（等于1表示上1/3的公司）和MRInf（等于1表示下1/3的公司）分別與信用評(píng)級(jí)呈負(fù)相關(guān)和正相關(guān)關(guān)系。因此，模型預(yù)期在公式（7）中，β1的系數(shù)較小，因?yàn)槊媾R評(píng)級(jí)變化的公司在發(fā)行債務(wù)時(shí)會(huì)更加小心。公式（5）包括影響公司財(cái)務(wù)狀況的控制變量。公式（6）分別測(cè)試單個(gè)MRSup和MRInf，以確定結(jié)果在多大程度上是被驅(qū)動(dòng)的。

為提高模型的準(zhǔn)確程度，需要設(shè)置對(duì)照組來減少誤差不變性。Kisgen（2006）的限制對(duì)照組是檢測(cè)債務(wù)發(fā)行量超過總資產(chǎn)5%的公司；Rogers等（2016）的限制對(duì)照組是檢測(cè)債務(wù)發(fā)行量超過總資產(chǎn)10%的公司。因此，本文將數(shù)據(jù)庫分為兩組，一組是包含了373個(gè)樣本的總數(shù)據(jù)庫，另一個(gè)是放債大于10%的擁有274個(gè)樣本的限制組。表7展示了上述模型的進(jìn)一步假設(shè)，反映了會(huì)計(jì)變化與信用評(píng)級(jí)變化之間的關(guān)系，總數(shù)據(jù)庫和限制對(duì)照組共包含了18組檢驗(yàn)。

表8包含了總數(shù)據(jù)庫和限制組的結(jié)果，檢驗(yàn)了模型的自相關(guān)性。發(fā)現(xiàn)在總數(shù)據(jù)庫和限制組中，除了兩組Z1的F檢驗(yàn)不顯著之外，其他16組檢驗(yàn)的F檢驗(yàn)都是顯著的。因變量的滯后變量Zi，t-1在16組檢驗(yàn)中有10組呈現(xiàn)負(fù)相關(guān)，在不同的水平上統(tǒng)計(jì)學(xué)結(jié)果都顯著，其余6個(gè)滯后變量呈現(xiàn)正相關(guān)，但是只有3個(gè)變量具有統(tǒng)計(jì)學(xué)意義。在表8中，滯后變量Z1i，t-1和Z2i，t-1在總數(shù)據(jù)庫和限制組中都表現(xiàn)出負(fù)相關(guān)，滯后變量Z3i，t-1呈現(xiàn)正相關(guān)。這一結(jié)果與以往的研究略有不同。在總數(shù)據(jù)庫和限制組的檢測(cè)中，正相關(guān)關(guān)系占37.5%，負(fù)相關(guān)關(guān)系占 62.5%。Fama和 French（2002）認(rèn)為，總數(shù)據(jù)中的正相關(guān)占大多數(shù)，負(fù)相關(guān)占限制組的大多數(shù)，這意味著企業(yè)過去的債務(wù)通常對(duì)總數(shù)據(jù)庫的當(dāng)前債務(wù)水平產(chǎn)生積極影響，并對(duì)限制組產(chǎn)生負(fù)面影響。Rogers等（2016）在過去的價(jià)值如何影響當(dāng)前債務(wù)水平方面得到了同樣的結(jié)果。然而，在本文中，結(jié)果與限制組的理論結(jié)果是一致的，通常受到過去債務(wù)的負(fù)面影響，但是和總數(shù)據(jù)庫的預(yù)期結(jié)論不同。

表7 實(shí)驗(yàn)?zāi)Ｐ驼f明

表8 實(shí)證模型（5）（6）（7）解釋變量系數(shù)和統(tǒng)計(jì)學(xué)意義

（續(xù)表）

對(duì)于財(cái)務(wù)因素，杠桿指數(shù)（ALAV）在12組檢驗(yàn)中只有4組（33.3%）具有統(tǒng)計(jì)學(xué)意義，且相關(guān)性較低。這一結(jié)果與Kisgen和Rogers等相同?？刂谱兞縍ENT（代表盈利能力）顯著性較高（***），12組檢驗(yàn)中有8組（66.7%）具有統(tǒng)計(jì)學(xué)意義，且呈負(fù)相關(guān)，這與Rogers等相同?？刂谱兞縑END（公司規(guī)模）的12組檢驗(yàn)中有8組（66.7%）是正相關(guān)關(guān)系且具有統(tǒng)計(jì)學(xué)意義。這一結(jié)果與Kisgen和Rogers等相同。

虛擬變量的主要結(jié)論是：

在MRSup 6組結(jié)果中，3組系數(shù)具有統(tǒng)計(jì)學(xué)意義，3組結(jié)論與Z2和Z3相關(guān)。這表明信用評(píng)級(jí)（MRSup）的上調(diào)將影響公司的短期債務(wù)（Z2）的調(diào)整和總債務(wù)（Z3）的變化，但沒有明確的證據(jù)表明它對(duì)公司的長(zhǎng)期債務(wù)有影響（Z1）。結(jié)論與Rogers等相似，但是和Kisgen不同，他的結(jié)果表示在99%的置信區(qū)間呈顯著負(fù)相關(guān)。

關(guān)于MRInf，在6組觀測(cè)值中有4組的系數(shù)呈正相關(guān)，但是在不同的置信區(qū)間下都沒有統(tǒng)計(jì)學(xué)意義。Rogers等的結(jié)論中得到類似的結(jié)果，發(fā)現(xiàn)40%具有統(tǒng)計(jì)學(xué)意義，然而，Kisgen的結(jié)論完全不同，他發(fā)現(xiàn)信用評(píng)級(jí)的下調(diào)確實(shí)會(huì)影響公司的資本結(jié)構(gòu)。

MRSI系數(shù)在10組中有7組呈現(xiàn)負(fù)相關(guān)，但是都沒有統(tǒng)計(jì)學(xué)意義。Rogers等也表示虛擬變量在不同的置信水平下都不具備統(tǒng)計(jì)學(xué)意義，但是Kisgen表明，企業(yè)的經(jīng)營(yíng)情況對(duì)公司的資本結(jié)構(gòu)有積極影響，在99%的置信水平上具有統(tǒng)計(jì)學(xué)意義。

總之，在總數(shù)據(jù)庫的所有檢驗(yàn)中，只有2組具有統(tǒng)計(jì)學(xué)意義，而在限制組中只有1組有統(tǒng)計(jì)學(xué)意義。因此，可以看出微觀評(píng)級(jí)對(duì)總數(shù)據(jù)庫的影響稍大，但總體來說對(duì)總數(shù)據(jù)庫和限制組的影響都很小。Rogers甚至表示，微觀評(píng)級(jí)只對(duì)總數(shù)據(jù)庫產(chǎn)生負(fù)面影響，而對(duì)限制組沒有任何影響。

結(jié)果表明，信用等級(jí)的調(diào)整對(duì)中國(guó)公司的資本結(jié)構(gòu)沒有顯著的影響，這一發(fā)現(xiàn)拒絕了原假設(shè)，與國(guó)外的幾項(xiàng)研究結(jié)論不同。

五、結(jié)論及建議

本文的總數(shù)據(jù)庫和限制組都沒有表現(xiàn)出統(tǒng)計(jì)學(xué)意義，只有評(píng)級(jí)面臨上調(diào)的上1/3的公司與信用調(diào)整呈負(fù)相關(guān)，表明即將上調(diào)評(píng)級(jí)的公司會(huì)發(fā)行更少的債務(wù)。此外，沒有明顯的證據(jù)表明，隨著信用評(píng)級(jí)的變化，公司債務(wù)將進(jìn)行調(diào)整，這與Kisgen不同，但和Rogers等的結(jié)果相似。

與研究假設(shè)有不同的結(jié)果，可能是由于數(shù)據(jù)庫較小。Kisgen的研究有12336個(gè)觀測(cè)值，本研究中，樣本在測(cè)試信用評(píng)分時(shí)有557個(gè)觀測(cè)值，在測(cè)試實(shí)證模型時(shí)只有373個(gè)觀測(cè)值。因此，經(jīng)過上、中和下的重新分類之后，每個(gè)類別觀測(cè)的數(shù)量相對(duì)較少。這是因?yàn)樵诤Y選數(shù)據(jù)時(shí)，中國(guó)擁有長(zhǎng)期債務(wù)評(píng)級(jí)的公司大多是非上市公司（約占60%）。在上市公司的長(zhǎng)期信用評(píng)級(jí)中，金融機(jī)構(gòu)（銀行、保險(xiǎn)公司、投資公司）占相當(dāng)大的比例，最后剩余的觀測(cè)值較少。因此，數(shù)據(jù)庫的限制是無法避免的，也無法通過其他方式擴(kuò)展。

另外，選擇信用評(píng)級(jí)數(shù)據(jù)時(shí)，中國(guó)上市公司的信用評(píng)級(jí)普遍較高，公司的長(zhǎng)期信用評(píng)級(jí)有70%都在AA-以上，A-以上的評(píng)級(jí)甚至達(dá)到了90%以上，經(jīng)驗(yàn)證據(jù)表明，中國(guó)信用評(píng)級(jí)標(biāo)準(zhǔn)與國(guó)際評(píng)級(jí)標(biāo)準(zhǔn)存在較大差距，90%的債券評(píng)級(jí)都分布在三個(gè)宏觀評(píng)級(jí)中。

徐道宣等（2008）認(rèn)為，首先，中國(guó)的信用評(píng)級(jí)機(jī)構(gòu)在不同領(lǐng)域的不斷擴(kuò)張導(dǎo)致了評(píng)級(jí)的不確定性和不穩(wěn)定性。其次，信息來源的可靠性也是影響企業(yè)信用評(píng)級(jí)質(zhì)量的重要因素。但很難界定中國(guó)評(píng)級(jí)的信息來源是否可靠，因?yàn)榧词乖诎l(fā)達(dá)國(guó)家相對(duì)完善的信用評(píng)級(jí)體系下，信用評(píng)級(jí)的可靠性問題依然存在。最后是中國(guó)的監(jiān)管體制尚不明確。雖然國(guó)家發(fā)展改革委、中國(guó)證監(jiān)會(huì)、中國(guó)銀保監(jiān)會(huì)和中國(guó)人民銀行均參與監(jiān)管過程，但信用評(píng)級(jí)機(jī)構(gòu)內(nèi)部仍然缺乏有效監(jiān)管。

雖然本文基于CR-CS模型的研究不理想，但是對(duì)中國(guó)市場(chǎng)仍是有意義的。它在一定程度上證明了信用評(píng)級(jí)與公司的經(jīng)營(yíng)狀況有較顯著的關(guān)系，資本結(jié)構(gòu)的調(diào)整對(duì)信用評(píng)級(jí)上調(diào)的影響大于信用評(píng)級(jí)的下調(diào)。

綜上所述，對(duì)模型的構(gòu)建提出三點(diǎn)建議：（1）為消除短期商業(yè)周期和經(jīng)濟(jì)危機(jī)對(duì)模型準(zhǔn)確度的影響，應(yīng)擴(kuò)大抽樣的時(shí)間范圍來增加樣本的數(shù)據(jù)量；（2）可以對(duì)投資級(jí)別和投機(jī)級(jí)別的公司分別進(jìn)行分析，比較不同投資地位的公司在信用評(píng)級(jí)即將發(fā)生變化時(shí)對(duì)資本結(jié)構(gòu)調(diào)整的緊迫性；（3）可以對(duì)不同行業(yè)和領(lǐng)域的公司進(jìn)行分類，以觀察不同行業(yè)對(duì)信用評(píng)級(jí)的反應(yīng)。

因此，對(duì)此問題的深入研究提出四點(diǎn)建議：（1）提高信用評(píng)級(jí)內(nèi)部信息的準(zhǔn)確性，并建立特別的審計(jì)組織或者審計(jì)程序，以確保信息來源的可靠性；（2）需要更明確的信用評(píng)級(jí)監(jiān)管制度，我國(guó)的信用評(píng)級(jí)體系還不夠完善，國(guó)外信用評(píng)級(jí)體系的發(fā)展經(jīng)驗(yàn)對(duì)我國(guó)信用評(píng)級(jí)的發(fā)展具有借鑒意義；（3）目前沒有具體的標(biāo)準(zhǔn)表示信用評(píng)級(jí)和企業(yè)資本結(jié)構(gòu)之間存在顯著關(guān)系，因此應(yīng)該對(duì)這一問題進(jìn)行更深入的研究，例如建立更完善的模型以確定和強(qiáng)調(diào)中國(guó)信用評(píng)級(jí)的影響；（4）國(guó)際信用評(píng)級(jí)機(jī)構(gòu)可以給中國(guó)的信用評(píng)級(jí)機(jī)構(gòu)一些指導(dǎo)，通過選擇國(guó)際信用評(píng)級(jí)機(jī)構(gòu)和中國(guó)信用評(píng)級(jí)機(jī)構(gòu)作為不同的樣本輔助研究，比較在不同評(píng)級(jí)機(jī)構(gòu)下中國(guó)上市公司的信用影響是否顯著。