Nedanstående matris ger en inledande överblick av de oberoende variablernas egenskaper.
Matrisen innehåller värdesintervaller (min-max), standardavvikelser, medelvärden och . Varje variabel grundar sig på observationer från 22-23 olika bolag efter att vi har rensat datamaterialet från extremvärden. Anledningen till att vi har rensat från extremvärden är att det blir svårt att analysera och generalisera resultat som delvis beror på extrema värden i datan. För att urskilja extremvärdena har respektive variabels värden plottats i förhållande till skuldsättningsgraden och vi har på så vis kunnat identifiera värdena. Datamaterialet har sedan testats för normalfördelning, heteroskedasticitet och kolinjäritet. Dessa tester görs i syfte att kontrollera att materialet uppfyller de krav som ställs för analys.
Tabell 5.1
Beskrivning av oberoende variabler
N Min.värde Max.värde Medelvärde Std.avvikelse
Lönsamhet 2006 22 ,015486 ,418178 ,09891132 ,081806698
Lönsamhet 2007 23 -,000099 ,164613 ,08314494 ,047879440
Företagsstorlek 22 6,784 10,516 9,44650 1,040867
Räntenivå 23 ,00698690 ,05131497 ,0319147407 0,011418*
Operativ risk 23 ,00 1,00 ,3478 0,48698
Tillväxt 23 ,88128 6,07401 2,0282539 1,29967920
*Talet är beräknat i Excel N= antal observationer
Inledningsvis är det viktigt att undersöka hur de oberoende variablerna förhåller sig till varandra. Detta görs genom en korrelationsmatris (tabell 5.2) som åskådliggör om det föreligger några starka korrelationer mellan vissa av de oberoende variablerna.
38 Tabell 5.2
Skuldsättning Lönsamhet06 Lönsamhet07 Företagsstorlek Räntekostnad Oprisk Tillväxt
Skuldsättning tillväxt och lönsamhet07. Värdet 0,438 anses ändå inte vara ett problem med tanke på att det understiger gränsvärdet 0,8. I övrigt ligger värdena förhållandevis långt under det givna gränsvärdet. Av matrisen att döma är samtliga siffror acceptabla vilket innebär att vi kan använda samtliga oberoende variabler i en multipel regressionsmodell. Vad gäller korrelationen mellan oberoende variablerna och den beroende variabeln kan vi se relativt höga värden i jämförelse med de oberoende sinsemellan. Detta indikerar att de variabler vi undersöker har en påverkan på skuldsättningsgraden. Då lönsamhet 2007 och räntekostnad visat sig vara signifikanta i de enkla regressionsmodellerna har vi valt att undersöka dessa grundligare. Vi har därför gjort ett extra korrelationstest (Spearmans) som för lönsamhet styrker den negativa korrelationen men som för räntekostnad talar emot.
39 5.2 Analys av hypoteser
5.2.1 Hypotes 1, Lönsamhet
H1a: Variabeln lönsamhet påverkar skuldsättningsgraden negativt i fastighetsbolag H1b: Variabeln lönsamhet påverkar inte skuldsättningsgraden i fastighetsbolag Tabell 5.3 förkasta H1a för lönsamhet 2006. Det bör tilläggas att värdet ligger precis på gränsen för att vi ska tvingas förkasta H1a . Med tanke på att värdet ligger precis över gränsen tyder det på att det ändå finns ett visst samband. Resultatet har vi i åtanke i uppsatsens slutsats. Däremot kan lönsamhet 2007 påvisa att variabeln visar ett signifikant samband med skuldsättningsgraden.
Därmed accepteras H1a. Variabeln är negativt korrelerad med skuldsättningsraden, dvs. att mer lönsamma bolag har en lägre skuldsättningsgrad. I den enkla regressionen visar variabeln en förklaringsgrad (R2) på 19,2 %, vilket innebär att 19,2 % av förändringen i skuldsättningsgraden förklaras av lönsamheten. Det empiriska resultat överrensstämmer med större delen av den teoribas som uppsatsens hypoteser är baserade på. En återkoppling till tabell 3.2 visar att undersökningens resultat även överrensstämmer med de förväntningar vi hade om sambandet mellan lönsamhet och skuldsättningsgrad.
40 5.2.2 Hypotes 2, Företagsstorlek
H2a: Företagets storlek har ett positiv samband med skuldsättningsgraden i ett fastighetsbolag H2b: Företagets storlek har ingen betydelse för skuldsättningsgraden i ett fastighetsbolag Tabell 5.5
Koefficientera Modell 1 Ostandardiserade
Koefficienter
Standardiserade Koefficienter
t Sig.
B Std. Fel Beta
Konstant 2,121 1,238 1,713 ,102
Företagsstorlek -,046 ,130 -,079 -,353 ,728
I modellen kan vi inte utläsa något signifikant samband mellan företagsstorleken och skuldsättningsgraden och tvingas därför att förkasta H2a. Det innebär att undersökningens resultat går emot majoriteten av forskningen och teorin, vilken menar att det finns ett positivt samband mellan företagsstorlek och skuldsättningsgrad. Det positiva sambandet kan enligt Morri och Cristanziani (2009), Titman och Wessel (1988) delvis förklaras av både pecking-order och trade-offteorin. Trade-offteorins förklaring ligger i att större bolag är mer väldiversifierade vilket skapar goda förutsättningar för att öka skuldsättningen i bolaget. Även goda insikter i finansmarknaden samt mer fördelaktiga räntevillkor talar enligt teorin för det positiva sambandet. Pecking-orderteorins aspekt på sambandet är att större bolag är mer övervakade av analytiker och skulle därmed kunna utfärda känsligare värdepapper, exempelvis eget kapital.
41 5.2.3 Hypotes 3, Tillväxt
H3a: Tillväxten i ett fastighetsbolag påverkar skuldsättningsgraden H3b: Tillväxten i ett fastighetsbolag påverkar inte skuldsättningsgraden Tabell 5.6
Koefficientera Modell 1 Ostandardiserade
Koefficienter
Standardiserade Koefficienter
t Sig.
B Std. Fel Beta
Konstant 1,898 ,254 7,479 ,000
Tillväxt -,132 ,106 -,263 -1,250 ,225
Vi kan av modellen inte utläsa något signifikant samband mellan variabeln tillväxt och skuldsättningsgraden och tvingas därför att förkasta våra hypoteser. Likt Titman och Wessels (1988), har vi i korrelationsmatrisen kunnat påvisa en negativ korrelation mellan tillväxt och skuldsättningsgrad. Vi kan i den statistiska undersökningen inte påvisa att det skulle finnas något signifikant samband mellan tillväxten och hur kapitalstrukturen ser ut i ett fastighetsbolag. Det går i linje med de tidigare studier som vi har valt att utforma hypotesen efter. Varken Morri och Cristanziani (2009) eller Titman och Wessels (1988) ger stöd åt sambandet mellan variablerna.
Vidare har vi i uppsatsen mätt tillväxten över en femårsperiod och mitt i denna inträffade en allvarlig finanskris. Finanskrisen kan vara en bidragande orsak till att resultat skiljer sig från tidigare forskning. Således förs tankarna till de data vi har arbetat med och om det kan finnas några tänkbara förklaringar där. I de tester vi i undersökningen gjort har det inte varit några nämnvärda fel i datan och vi har inte heller kunnat urskilja några tydliga mönster. Det finns som nämnts flertalet tänkbara aspekter som kan ha påverkat men slutsatsen blir att undersökningen visade att tillväxt inte har någon påverkan på skuldsättningsgraden.
42 5.2.4 Hypotes 4, Räntekostnader
H4a: Räntekostnader påverkar skuldsättningsgraden positivt i ett fastighetsbolag H4b: Räntekostnader påverkar inte skuldsättningsgraden i ett fastighetsbolag Tabell 5.7
Koefficientera Modell 1 Ostandardiserade
Koefficienter
Standardiserade Koefficienter
t Sig.
B Std. Fel Beta
Konstant ,464 ,329 1,410 ,173
Räntekostnader 36,461 9,727 ,633 3,748 ,001
För variabeln räntekostnad råder det ett signifikant samband med skuldsättningsgraden. Med signifikansen 0,001 kvalificerar den sig inom gränsen för vad som är acceptabelt, det vill säga upp till 0,05. Vi väljer därför att acceptera vår hypotes, H4a, att räntekostnader har en positiv inverkan på skuldsättningsgraden i fastighetsbolag. De empiriska resultaten vi i undersökning tagit fram visar både negativ och positiv korrelation med skuldsättningsgraden. Det beror på att de olika metoderna tar hänsyn till olika parametrar i datan. Resultatet får stöd av bland andra Morri och Cristanziani (2009) som visar ett positivt samband mellan räntekostnader och skuldsättningsgrad, men kan inte säkerställa det. Därmed är det inte givet att sambandet alltid kan antas stämma med det som mäts. Om undersökningen enbart mäter företag med hög rating skulle man kunna tänka sig att detta ger ett annorlunda resultat. Förklaringsgraden i den enkla regressionen på 40,1 procent tyder ändå på att räntan som enskild variabel är en betydande faktor för skuldsättningsgraden.
43 5.2.5 Hypotes 5, Operativ risk
H5a: Det finns ett positivt samband mellan diversifiering och skuldsättningsgrad.
H5b: Det finns inget samband mellan diversifiering och skuldsättningsrad.
Specifikt för t-testet gäller hypoteserna nedan.
H0: Det finns ingen skillnad mellan diversifierade och icke-diversifierade fastighetsbolag.
H1: Det är en skillnad mellan diversifierade och icke-diversifierade fastighetsbolag.
Tabell 5.8
Gruppstatistik
Operativ risk N Medelvärde Standardavvikelse Std. Fel medelvärde
Skuldsättningsgrad 1,00 8 1,7822 ,45384 ,16046
,00 15 1,5549 ,72896 ,18822
Tabell 5.9
Levenes test för likhet i varianser
F Sig.
Skuldsättningsgrad Lika varianser antagna ,757 ,394
Olika varianser antagna
Då den oberoende variabeln operativ risk (diversifiering) är av formen ettor och nollor skulle en vanlig regressionsmodell inte visa något som går att analysera. Därför har vi gjort ett
”independent samples t-test” för att utreda om det i en regression överhuvudtaget skulle kunna göras någon skillnad mellan diversifierade och icke-diversifierade fastighetsbolag. Sig. (2-tailed) visar testets p-värden. Dessa är långt över signifikansnivån 0,05, vi tvingas därför acceptera t-testets nollhypotes, det vill säga att vi inte med någon statistisk signifikans kan göra någon skillnad på diversifierade och icke-diversifierade fastighetsbolag. Vi måste därför fortsätta tro på att skillnaden mellan grupperna (1 & 0) är lika med noll. Således måste även hypotesen H5a förkastas. Vi kan inte säga att det finns ett positivt samband mellan diversifiering och skuldsättningsgrad. Uppsatsens resultat kan därmed inte styrka majoriteten av tidigare forsknings resultat. Det kan finnas flera inverkande faktorer på detta. Till att börja med är vår operationalisering av variabeln relativt outforskad. Vad vi i tidigare forskning kan utläsa är att exempelvis Ooi (1999) definierar diversifieringen med ett kvottal. Ett kvottal som tar hänsyn till hur stor del av tillgångarna som består av fastigheter. Med tanke på att bolagens investeringar i fastigheter till stor del finansieras av lånat kapital är det inte särskilt märkligt att Ooi (1999) finner att bolag med högre andel fastigheter har en högre skuldsättningsgrad.
44 5.3 Multipel regression
Regressionsanalysen har till uppgift att visa hur och till vilken grad de oberoende variablerna påverkar den beroende variabeln. Anledningen till valet av multipel regression är att vi vill se hur skuldsättningsgraden simultant påverkas av de två oberoende variablerna vi funnit signifikanta. För att säkerställa resultatet väljs en signifikansnivå som bestämmer resultatets validitet, dvs. hur starkt det statistiska sambandet är. En vanligt förekommande signifikansnivå är 5 %, det innebär att till 95% kan resultatet statistiskt säkerställas.
Tabell 5.10
Beroende variabel Ostd.
Beta
Std.
avvikelse Std.
betavärde
Signifikans Kolinjäritetstolerans
Skuldsättningsgrad Oberoende variabler
Lönsamhet 2007 -3,838 2,359 -0,291 0,120 0,976
Räntekostnader 30,021 10,289 0,523 0,009 0,976
Modellens Sammanfattning
N R2 Justerat R2 Signifikans
22 40,5% 34,3 % 0,007
I modellen finner vi att en av variablerna har en högre signifikansnivå än 0,05. Dock kvalificerar lönsamhet 2007 sig i den enkla regressionsmodellen i kapitel 5.2.1. Däremot har hela den multipla regressionsmodellen en signifikansnivå på 0,007, vilket är klart godkänt.
Med tanke på att lönsamhetens signifikansnivå försämras, samtidigt som modellen fortfarande är signifikant, tyder detta på att lönsamhetens förklaring av skuldsättningsgraden även beror på räntekostnaderna. Med andra ord, räntekostnaderna förklarar till viss grad även lönsamhetens påverkan. Modellens förklaringsgrad, R2, visar att förändringar i ett fastighetsbolags skuldsättningsgrad beror till 40,5 procent på lönsamhet och räntenivå. Den justerade varianten av R2 tar hänsyn till antalet variabler i modellen och kan aldrig vara högre än R2. Detta ger oss en ny förklaringsgrad på 34,3 procent.
45 5.4 Sammanfattning av hypotesernas utfall
Den statistiska undersökningen resulterade i att två av de fem hypoteserna accepterades och vi kan således inte dra några slutsatser om övriga variablers påverkan på skuldsättningsgraden i fastighetsbolag.
Tabell 5.11
Hypotesernas utfall H1a: Lönsamhet Accepteras H2a: Företagsstorlek Förkastas
H3a: Tillväxt Förkastas
H4a: Räntekostnader Accepteras H5a: Operativ risk Förkastas
46
6 Slutsats
Utifrån uppsatsens teoribas och empiri som tagits fram presenteras de slutsatser som vi kommer fram till i följande kapitel. I kapitlet går vi igenom respektive variabel och avslutningsvis presenteras förslag till vidare forskning.
6.1 Sammanfattning av slutsatser Tabell 6.1
Variabler Konstaterat samband
Lönsamhet –
Företagsstorlek ?
Tillväxt ?
Räntekostnad +
Operationell risk ?
Som diagrammet visar har vi endast kunnat konstatera ett samband mellan två av uppsatsens fem oberoende variabler. Sambandet har i enlighet med de teorier vi valt att använda oss av visat sig för lönsamhet vara negativt och för räntekostnader positivt.
6.2 Slutsatser förklarande variabler 6.2.1 Lönsamhet
Uppsatsens empiriska resultat ger stöd åt tidigare forskning och pecking-orderteorin, men inte åt trade-offteorin. Vi kan i enlighet med pecking-orderteorin bekräfta att fastighetsbolagen hellre finansierar sin verksamhet med interna medel än med externa. Däremot strider resultatet mot trade-offteorins resonemang kring att det till en viss gräns föreligger ett positivt samband mellan vinst och skuldsättning. Med tanke på den generellt höga skuldsättningen kan den teoretiskt kritiska gränsen inom fastighetsbranschen förmodas vara mycket hög. Den största anledning till det, kan tänkas vara att skulderna används främst till fastighetsköp vilket anses vara en mycket säker investering. På så vis uppstår konkursriskkostnader i fastighetsbolag betydligt senare jämfört med majoriteten av andra branscher. Således kan det tänkas att de finansiella förutsättningarna och tillgångsstrukturer som präglar branschen gör att trade-offteorins skattesköld inte har samma effekt eller att det möjligtvis finns andra sätt att maximera företagets vinst på. Med stöd i pecking-orderteorin, tidigare forskning och det empiriska resultatet kan vi med säkerhet dra slutsatsen att lönsamhet 2007 är en påverkande faktor i valet av skuldsättningsgrad.
47 6.2.2 Företagsstorlek
I den statistiska undersökningen kunde vi inte påvisa något positivt samband mellan företagsstorlek och skuldsättningsgrad. Vi tvingades därför förkasta vår hypotes. Det innebär att undersöknings resultat går emot majoriteten av forskningen och teorin, vilka menar att det finns ett positivt samband mellan företagsstorlek och skuldsättningsgrad. Det positiva sambandet kan enligt Morri och Cristanziani (2009), Titman och Wessel (1988) delvis förklaras av både Pecking-order och trade-offteorin. En förklaring till att vi inte finner ett positivt samband kan tänkas vara att majoriteten av bolagen i undersökningen är icke-diversifierade. Att majoriteten av bolagen är icke-diversifierade innebär att Trade-offteorins resonemang om att diversifiering skulle vara den största orsaken till det positiva sambandet, faller bort. Ytterligare förklaringar till att undersökningens resultat skiljer sig från ovan nämnda studier kan vara operationaliseringen av variabeln samt urvalets egenskaper. Den slutsats vi kan dra är att det inte finns något positivt samband mellan skuldsättningsgraden i nordiska fastighetsbolag och storleken på företagen.
6.2.3 Tillväxt
Likt Titman och Wessels (1988), har vi i korrelationsmatriser kunnat se en negativ, men väldigt låg, korrelation mellan tillväxt och skuldsättningsgrad. I den statistiska undersökningen har vi dock inte kunnat påvisa att det skulle finnas något signifikant samband mellan tillväxten och hur kapitalstrukturen ser ut i ett fastighetsbolag. Resultatet går i linje med de tidigare studier som vi har valt att utforma hypotesen efter. Morri och Cristanziani (2009) samt Titman och Wessels (1988) kan se tendenser till en negativ korrelation mellan variablerna men kan inte statistiskt säkerställa det. Det bör dock tilläggas att som vi tidigare nämnt i kapitel 3.4.3 finns studier som däremot kan bevisa en signifikant negativ relation mellan tillväxt och skuldsättningsgrad. Den forskningen använder sig däremot av ”market to book value ratio”, vilken är en beräkning vi valt att inte använda oss av. Förmodligen är det anledningen till att vi inte kan statistiskt säkerställa sambandet. Titman och Wessels (1988) har dessutom använt sig av tre typer av beräkningar för tillväxt och har trots det inte funnit något signifikant samband. Således talar det än mer för att ”market to book value ratio” är den avgörande faktorn.
Utifrån vad korrelationsmatrisen och den enkla regressionen visar, har vi inte kunnat säkerställa att tillväxten i ett fastighetsbolag har en påverkan på skuldsättningsgraden. Med tanke på hur andra studier valt att mäta tillväxt, och vad de kommer fram till, kan vi även dra slutsatsen att resultatet beror till stor del på hur man väljer att definiera tillväxt.
48 6.2.4 Räntekostnader
De empiriska resultaten visar till att börja med en stark negativ korrelation mellan räntekostnader och skuldsättningsgraden. Ytterligare tester visar däremot en positiv korrelation, vilket stämmer överens med både vår hypotes, betavärdet i den enkla regressionen och tidigare forskning. Den enkla regressionen visar även en stark statistisk signifikans mellan variabeln räntekostnad och skuldsättningsgraden. Av den anledningen kan vi utan tvekan acceptera den givna hypotesen att räntekostnader har en positiv påverkan på skuldsättningsgraden.
Ur ekonomisk synvinkel borde det föreligga ett negativt samband, dvs. ju dyrare det är att låna desto mindre lån har ett företag. Utifrån de empiriska resultaten kan vi dra slutsatsen att fastighetsbolag frångår den principen. Den tänkbara förklaringen till det är att fastighetsbolag till så hög grad är beroende av externt kapital för att kunna bedriva sin verksamhet. På grund av de finansiella förutsättningarna kan bolagen trots ökande räntekostnader inte övergå till interna medel för att finansiera verksamheten.
6.2.5 Operativ risk
Som vi i t-testet för den operativa risken visat i kap 5.2.5, går det inte att visa någon skillnad mellan diversifierade och icke-diversifierade fastighetsbolag. Vi har därför förkastat t-testets hypoteser och tvingas således även att förkasta variabelns hypotes, att det skulle finnas ett positivt samband mellan diversifierade företag och skuldsättningsgraden. Undersökningen kan därmed inte styrka majoriteten av tidigare forsknings resultat.
Vi har i enlighet med uppsatsens syfte tagit ytterligare ett steg närmare ett mer branschorienterat riskmått genom att utgå från fördelningen mellan kommersiella fastigheter och bostäder. Måttet är inte statistiskt säkerställt men indikerar ändå att det inte finns någon större skillnad i skuldsättningsgraden beroende på om bolaget väljer att diversifiera eller inte diversifiera fastighetsbeståndet.
6.2.6 Lönsamhet 2007 och Räntekostnaden
Som svar på uppsatsens problemformulering har vi i undersökning konstaterat att de två variablerna lönsamhet och räntekostnad har en signifikant påverkan på skuldsättningsgraden. I de enkla regressionerna visar lönsamhet 2007 ett negativ samband och räntekostnad ett positivt. När de två variablerna analyseras i en multipel regression, förklarar variablerna tillsammans 34,3 procent av utfallet i skuldsättningsgraden.
49 I den multipla regressionen är det dock endast räntekostnaden som visar ett signifikant samband med skuldsättningsgraden, samtidigt som hela modellen är signifikant. Vi kan konstatera att räntekostnaden är en faktor som påverkar skuldsättningsgraden i nordiska fastighetsbolag.
6.3 Förslag till fortsatt forskning
Att skriva en uppsats inom det här ämnet har under arbetets gång väckt en del intressanta frågeställningar. Det finns stora möjligheter till utveckling av forskningen. Bland annat behöver ämnet en annan angreppsvinkel, en kvalitativ. Den skulle bidra med ett mer nyanserat svar på frågeställningen och tillföra ett djup i undersökningen som en kvantitativ inte kan ge.
Vidare skulle en utveckling av mer branschorienterade variabler ge diskussionen om kapitalstruktur en bättre riktning. Det hade varit intressant att ta fram ett fungerande riskmått för de nordiska marknaderna vad gäller diversifiering, samt att genom intervjuer undersöka hur företagen själva ser på risk kopplat till deras skuldsättningsgrad. För att utveckla vår uppsats ännu mer skulle en inkludering av alla nordiska fastighetsbolag, alltså även icke börsnoterade, möjliggöra en mer noggrann analys av förhållandena mellan de variabler vi mätt och skuldsättningsgraden. Utifrån det ganska motsägelsefulla positiva sambandet mellan räntekostnad och skuldsättningsgrad skulle vi gärna se vidare studier som går på djupet i den frågan.
50
REFERENSLISTA
Litteratur
Ax, C., Johansson, C. & Kullvén, H. (2005). Den nya Ekonomistyrningen. 3 upplagan, Malmö, Liber Ekonomi
Backman, J. (1998). Rapporter och uppsatser. Lund, Studentlitteratur.
Bell, J. (2005). Introduction till forskningsmetodik. 4 upplagan, Lund, Studentlitteratur.
Brealey, R., A., Myers, S., C. & Allen, F. (2006). Principles of Corporate Finance. MacGraw-Hill international edition, 8 upplagan, Mcgraw-MacGraw-Hill Companies, New York.
Eliasson, A. (2006). Kvantitativ metod från början. Lund, Studentlitteratur
Hallgren, Ö. (2002). Finanstiell strategi och styrning. 8 upplagan, Helsingborg, Ekonomibok Förlag AB
Hartman, J. (2004). Vetenskapligt tänkande, Från kunskapsteori till metodteori. 2 upplagan, Lund, Studentlitteratur
Institutet för värdering av fastigheter och samfundet för företagsekonomi (2003).
Fastighetsekonomisk analys och fastighetsrätt. Södertälje, Fastighetsnytt Förlags AB
Jacobsen, D. (2006). Vad hur och varför? Om metodval i företagsekonomi och andra samhällsvetenskapliga ämnen. Lund, Studentlitteratur
Körner, S., Wahlgren, L. (2006). Statistisk Dataanalys. 4 upplagan, Studentlitteratur.
Saunders, M., Lewis, P. & Thornhill, A. (2007). Research methods for business students. 4 upplagan, Harlow, Prentice Hall.
Stukát, S (1993). Statistikens grunder. Studentlitteratur AB
Westerlund, Joakim (2005), Introduktion till Ekonometri. Studentlitteratur
51 Artiklar
Barclay, M.J., Smith, C.W. and Morellec, E. (2006), On the debt capacity of growth options, Journal of Business, Vol. 79 Nr. 1, s. 37-59.
Bevan, A. A. & Danbolt, J. (2000). Dynamics in the determinants of capital structure in the UK, Mimeo, Working paper 2000/9, Department of Accounting and Finance, University of Glasgow Bradley, M., Jarrel, G A & Han Kim, E. (1984). On the Existence of an Optimal Capital Structure: Theory and Evidence, The Journal of Finance, Vol. 39, Nr. 3, s. 857-878.
Graham, R. John. (2000). How big are the tax benefits of dept. The Journal of Finance. Vol.
55, No. 5, s. 1901-1941
Harris, M. & Raviv, A (1991). The Theory of Capital Structure, The Journal of Finance, Blackwell Publishing, USA, Vol. 46, Nr. 1, s. 297-355
Huang, G. & Song, F. M. (2006). The determinants of capital structure: Evidence from China, China Economic Review, Hong Kong, Vol. 17, Nr. 1, s. 14-36
Jensen, M. C. & Meckling, W. H. (1976). Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure, Journal of Financial Economics, Vol. 3, s. 305-360
Kraus, A. & Litzenberger, R. H. (1973). A State-preference Model of Optimal Financial Leverage, Journal of Finance, Vol. 28, s. 911-922
Long, M.S. and Malitz, I.B. (1985), The investment-financing nexus: some empirical evidence, Midland Corporate Finance Journal, Vol. 3, s. 53-9.
Modigliani, F. & Miller, H. M. (1958). The Cost of Capital, Corporate Finance, and The Theory
Modigliani, F. & Miller, H. M. (1958). The Cost of Capital, Corporate Finance, and The Theory