No-family Business Family Business t-test on mean
4.3 Analisi econometrica
4.3.1 Modello di analisi
Prendendo in considerazione la natura panel data (tal volta definiti anche longitudinal data) del nostro database, per testare le caratteristiche determinanti del debito finanziario e le ipotesi che abbiamo formulato, adottiamo un modello di stima Pooled OLS con la seguente specificazione:
!"#"$%&"!,# = ($+ (%*+,"!,# + (&-&"!,#+ ('./$$"01 -33"13!,#
+ ((-33"1 4%0&+5+6+17!,#+ ()8$9:+1%5+6+17!,#+ (*;$9<1ℎ!,# + (+>+3?!,#+ (,@%A+67 B<0"$3ℎ+C!,# + (-@%A+67 D%0%&"$!,# + (%$E0F/31$%6 G/AA+"3 + (%%H"%$ G/AA+"3 +
!
!,#Possiamo riscrivere l’equazione in forma breve:
"
$,%= %
&+ '
((%
'')(
(
',$,%+ !
$,%Ad ulteriore valutazione delle variabili di controllo considerate e delle nostre ipotesi si propone un modello alternativo, poiché principale interesse della nostra analisi sono variabili che non variano nel tempo (Family Ownership e Family Manager) i modelli ad effetti fissi (fixed-effects models) non sono stati presi in considerazione. La variabile dipendente esprime la percentuale di debito in proporzione ai mezzi finanziari utilizzati dall’azienda e assume valori tra 0 e 1. La natura frazionale della variabile permette l’applicazione del fractional regression model proposto da Ramalho et al. (2016), il modello in random-effects segue la seguente specificazione:
!(#!,#|%!,#) = )(%!,#* + ,!)
Dove G(.) è una funzione non lineare che soddisfa 0 < G(.) < 1. Per la stima della variabile dipendente viene applicata la linearizzazione del modello (E. A.
Ramalho et al., 2016; J. J. S. Ramalho et al., 2018)97:
![.(#!,#)|%!,#] = %!,#* + ,! in cui: H(.)=G(.)-1
97 La stima del modello segue la specificazione cloglog, lo stimatore utilizzato è il GMMpre specifico per stime pooled in (E. A. Ramalho et al., 2016; J. J. S. Ramalho, 2016).
Per valutare la corretta specificazione si utilizza il RESET test (E. A. Ramalho & Ramalho, 2012), in fine, per testare la stabilità delle regressioni nei due gruppi di imprese (family business e no-family firms) è utilizzato il Chow Test (J. J. S. Ramalho et al., 2018).
4.3.2 Risultati dell’analisi empirica
In Tabella 11 si presentano i risultati delle regressioni per la specificazione Pooled OLS, i modelli (1) e (2) presentano i risultati sui due sotto campioni di imprese family business e no-family firms. Nel modello (3) aggiungiamo la variabile Family ownership per valutare l’effetto della proprietà familiare sul livello di indebitamento finanziario, il modello (4) aggiunge la variabile Family manager ed è indicatore della presenza manageriale della famiglia nell’impresa, in fine nel modello (6) consideriamo l’interazione delle variabili (Family ownership*Risk) al fine di valutare l’effetto della proprietà familiare sulla rischiosità dell’impresa. In tutte le regressioni sono incluse variabili dummy temporali e settoriali98.
Si ritiene che tutti i modelli siano correttamente specificati (F statistic significativo al p < 0.01).
Le variabili continue presentano risultati simili in tutti i modelli di regressione e la pecking order theory sembra essere la teoria migliore per spiegare il comportamento delle PMI italiane99: Size (+); Age (-); Profitability (-); Growth (+); Risk (-).
La variabile Size mostra una relazione significativa (p < 0.01) in tutte le regressioni, eccezione per il campione delle no-family business in colonna (2), la sua positività indica che per le imprese di maggiore dimensione trova affermazione la proposta secondo cui le agenzie informative sono meno severe, favorendo il ricorso al capitale di debito (Myers, 1984). In linea con la POT, Age evidenzia un effetto significativo (p < 0.01) e negativo sul debito finanziario, riconducibile all’idea
98 Si deve notare che dal lato delle variabili dipendenti potrebbe esservi un problema di endogeneità, dove spesso sono utilizzate variabili “lagged” per rimediare. A questo fine una ulteriore stima (non riportata) che abbiamo effettuato per il modello Pooled OLS con un “lag (-1)” per le variabili
profitability e growth. Il segno dei coefficienti per la variabile profitability diventa leggermente
positivo (circa 0.008 in media, per le stime in colonna da 3 a 6), growth rimane ancora positivo, tuttavia entrambi i coefficienti non sono significativi. Non si notano differenze nei segni e nella significatività degli altri coefficienti.
secondo cui le imprese in attività da un periodo maggiore hanno avuto la capacità di creare delle riserve di cassa in modo da essere meno dipendenti dal ricorso al debito (la Rocca et al., 2011).
Tabella 11: Risultati della regressione Pooled OLS
Risultati delle regressioni - modello Pooled OLS Dependent variable:
Leverage
Family No-family All firms
(1) (2) (3) (4) (5) Size 0.012*** 0.008 0.011*** 0.011*** 0.011*** (0.002) (0.006) (0.002) (0.002) (0.002) Age -0.056*** -0.045*** -0.056*** -0.056*** -0.056*** (0.004) (0.012) (0.004) (0.004) (0.004) Current Assets 0.116*** 0.218*** 0.141*** 0.141*** 0.141*** (0.020) (0.045) (0.018) (0.018) (0.018) Asset Tangibility 0.002 0.030 0.021 0.020 0.020 (0.021) (0.046) (0.019) (0.019) (0.019) Profitability -0.406*** -0.712*** -0.452*** -0.457*** -0.459*** (0.032) (0.077) (0.030) (0.030) (0.030) Growth 0.010** -0.003 0.008** 0.008** 0.008** (0.004) (0.012) (0.004) (0.004) (0.004) Risk -3.395*** -1.899** -3.219*** -3.209*** -1.667** (0.408) (0.809) (0.364) (0.364) (0.708) Family ownership 0.069*** 0.067*** 0.079*** (0.008) (0.008) (0.010) Family manager 0.009 0.008 (0.006) (0.006) Family*Risk -1.969** (0.777) Constant 0.850*** 0.788*** 0.809*** 0.810*** 0.798*** (0.057) (0.104) (0.047) (0.047) (0.047)
Industrial dummies Yes Yes Yes Yes Yes
Time dummies Yes Yes Yes Yes Yes
Observations 7,075 928 8,003 8,003 8,003
R2 0.083 0.257 0.100 0.100 0.101
Adjusted R2 0.080 0.235 0.097 0.097 0.097
F Statistic 23.720*** 11.529*** 31.586*** 30.570*** 29.785***
Note: Standard errors in parentesi. *** (**,*) indicano il livello di significatività dei p-values <0.01 (<0.05, <0.1).
Indicatore della liquidità dell’impresa, la variabile Current Assets si mostra positiva e significativa (p < 0.01) in tutte le regressioni, suggerendo che le imprese con un quantitativo maggiore di disponibilità liquide supportano meglio l’utilizzo di debito come risultato della capacità di fronteggiare più facilmente gli obblighi a breve termine (Agyei et al., 2020), in questo caso l’evidenza è in linea con la Trade-Off Theory.
La presenza di immobilizzazioni materiali (Asset Tangibility) è associata alla possibilità di sottoscrivere garanzie reali nei confronti dei finanziatori per cui una relazione positiva è attesa come riportato nel nostro caso, tuttavia il risultato non è significativo.
Le imprese caratterizzate da una maggiore redditività (Profitability) ricorrono in forma minore ai mezzi di finanziamento esterno, l’evidenza risulta essere significativa in ogni modello (p < 0.01) e negativa. Relazione negativa (p < 0.01) anche per la volatilità dei risultati finanziari (Risk) che guida verso un minore indebitamento.
Concludiamo con la variabile Growth indicatore della crescita dell’impresa, la correlazione è positiva e significativa (p < 0.05), ad eccezione del modello (2), il risultato supporta la letteratura che sostiene un indebitamento più elevato per le imprese caratterizzate da opportunità di crescita maggiori, al fine di superare le restrizioni imposte dalle limitate risorse interne (D’Amato, 2020).
Nel modello (3) aggiungiamo la variabile Family ownership, indicatore della presenza proprietaria familiare, questa risulta essere significativa (p < 0.01) e positiva suggerendo un livello di debito maggiore nelle imprese familiari, mostrandosi sempre positiva anche nei modelli successivi (4) e (5), l’insieme di queste evidenze porta ad affermare che la nostra prima ipotesi (H1.) risulta essere verificata.
L’effetto positivo della proprietà familiare si pone in linea con le evidenze empiriche valutate (Croci et al., 2011b; King & Santor, 2008; J. J. S. Ramalho et al., 2018), supportando la teoria che suggerisce una maggiore capacità di indebitamento dovuta alla continuità e stabilità nel lungo periodo della struttura proprietaria (Anderson et al., 2003). Inoltre, anche la più efficiente gestione delle
risorse nelle imprese familiari può essere una motivazione che aiuta a spiegare questa relazione positiva (Anderson & Reeb, 2003b).
La presenza del management familiare (Family manager) mostra segno positivo, tuttavia l’evidenza non risulta essere significativa, affermiamo che la presenza della famiglia nel management dell’impresa non ha alcun effetto in relazione al ricorso al debito finanziario, per cui la nostra seconda ipotesi (H2.) non risulta essere verificata.
In fine, andiamo ad isolare l’effetto della proprietà familiare nell’interazione con la rischiosità dell’impresa (Family ownership*Risk) nel modello (5), questa risulta essere negativa e significativa (β = -1.969, p < 0.05), di magnitudo maggiore nel confronto con la variabile Risk (β = -1.667, p < 0.05), suggerendo che la proprietà familiare rafforza la relazione negativa dovuta alla volatilità dei risultati finanziari e per cui la terza ipotesi è supportata (H3.). Ponendosi in linea con quanto riportato dalla proposta di Mishra & McConaughy (1999) sostenitrice di una maggiore avversione delle family business caratterizzate da una volatilità dei risultati finanziari più elevati, nel ricorso al capitale di debito, con l’obbiettivo di ridurre il rischio di perdere il controllo del complesso aziendale (Mishra & McConaughy, 1999).
In Tabella 12 si presentano i risultati della regressione in random-effect che segue la specificazione fractional regression models proposta da Ramalho et al. (2016). Nelle prime due colonne si riportano i risultati del modello (6) e (7) rappresentanti rispettivamente il campione delle imprese familiari e non familiari, in cui la significatività del Chow Test esprime l’esistenza di differenze significative nelle due regressioni, in linea con la letteratura recente (J. J. S. Ramalho et al., 2018). Questo risultato da solo non può portarci a supportare le nostre ipotesi, si deve guardare anche ai modelli (8), (9) e (10) dove in tutti i casi la variabile Family ownership risulta essere significativa (p < 0.01) e positiva supportando le ipotesi formulate (H1.) come nel modello Pooled OLS (Tabella 11).
Tabella 12: Risultati della regressione "Fractional regression models"