7.3.1 样本选择及数据来源
2005年4月29日开始的股权分置改革到2006年年底基本完成。股权分置改革伴随公司所有权结构的变化使我们可以根据数据自身的特征来考虑潜在非观测效应的影响进行模型的选择。由于民营企业更符合理性人假设，因此我们选择我国民营上市公司2004～2006年的平衡面板数据来研究所有权结构和资本结构之间的关系。
样本选择程序为：首先选择2004年底家族或个人控制的上市公司309家，删除B股、H股公司12家，删除ST公司76家，删除2004～2006年终极控制人控制权小于10%的公司和终极控制人发生变动的公司21家，最后剩下200家公司共600个样本点。其中通过IPO上市的为99家297个样本点，通过并购重组民营化的为101家303个样本点。除终极控制人的现金流权和控制权数据根据公司财务报表手工计算外，其他数据全部来源于Wind金融研究数据库。
7.3.2 变量选取及定义
公司负债水平的代理变量：公司的负债分为付息债务和无息债务，付息债务包括公司的借款和应付债券，无息债务包括公司的贸易应付款等资金占用。已有的研究表明我国上市公司无息债务在公司债务总额中占有很大比重。本章同时用付息债务资产比率和资产负债率作为公司负债的代理变量。
主要解释变量：终极控制人现金流权；控制权同现金流权分离程度。借鉴La porta et al（1999）的计算方法，本章通过将终极控制人每条控制链上现金流权相乘，然后不同控制链上现金流权相加得出终极控制人现金流权；通过选取终极控制人每条控制链上现金流权最小值，然后不同控制链最小值相加得出终极控制人控制权；通过现金流权与控制权之比得出控制权同现金流权分离程度。
控制变量：根据Huang and Song（2006）和张春和廖冠民（2007），本章选取公司规模、公司获利能力、资产有形性、非债务税盾、税收负担、公司成长能力和经营风险作为控制变量。
7.3.3 实证分析方法及回归模型
由于面板数据同时具有截面和时间序列两个维度，适宜的回归模型将比单纯的截面数据回归模型复杂得多。如果可观测的解释变量控制了个体的所有相关特征，那将不会存在相关的非观测特征。在这种情况下，非观测效应被剔除，混合OLS可以用来合理地估计这个模型，此时可把所有时间段的观测值当做一个单一的样本。如果可观测的解释变量并不能控制个体的所有相关特征，非观测效应与可观测的任何一个解释变量存在相关性，被解释变量对可观测变量的回归估计就会受到非观测异质性偏差的影响。即使是在非观测效应与任何一个可观测变量不相关的情况下，非观测效应的存在也会导致OLS产生低效估计和无效标准误。在这种情况下，就要根据数据本身的特征采用固定效应或随机效应的回归方法来进行估计。因此，对于面板数据，我们必须进行模型设定检验，否则我们将可能得到非一致或非有效的估计量。因此，下面的回归分析中，我们分别通过F检验对固定效应和混合回归、Hausman检验对固定效应和随机效应、Breusch-Pagan Lagrange乘数检验对随机效应和混合回归进行两两检验，根据检验结果进行模型的选择。
根据上述理论分析和变量定义，我们设定基本的回归模型如下：La（Da）
β0+β1Cash+β2Size+β3Roa+β4Tangas+β5Ndts+β6Taxrate+β7Tq+β8Stdroa+β9Dummy2005+β10Dummy2006+ε（7.1）
上述模型是固定效应模型、随机效应模型和混合回归模型的一般形式，具体选择哪个模型需要根据统计检验结果来确定。通过IPO上市的民营公司和通过并购重组民营化的公司特征存在较大差异，我们也对两个子样本分别进行回归。
