هدف اصلی شرکت ها به حداکثر رساندن ثروت سهامداران است. یکی از عوامل مؤثر بر این امر، ساختار سرمایه می باشد. پژوهش حاضر، پس از بررسی همبستگی ساختار سرمایه و سودآوری 300 شرکت پذیرفته شده در 12 صنعت و حصول اطمینان از وجود رابطه معنی دار بین این دو متغیر، به تعیین ساختار بهینه سرمایه در سطح کل شرکت ها و همچنین در صنایع مختلف پرداخته است. نتایج همبستگی حاکی از آن است که رابطه ساختار سرمایه و سودآوری به تعریف متغیر سودآوری بستگی دارد. به دلیل وجود رابطه معنی دار بین ساختار سرمایه و نرخ بازده دارایی ها در سطح کل شرکت ها و همچنین صنایع مختلف، از این متغیر به عنوان معیار سودآوری و عامل تعیین کننده ساختار بهینه سرمایه در الگوریتم ژنتیک استفاده شده است. به منظور مدل سازی داده های ورودی (ساختار سرمایه) و خروجی (نرخ بازده دارایی ها) از رگرسیون بردارهای پشتیبان و به منظور تعیین ساختار بهینه سرمایه از الگوریتم ژنتیک استفاده شد. نتایج الگوریتم ژنتیک حاکی از آن است که بیشترین سودآوری در ازای استفاده کمتر از اهرم مالی (بدهی) حاصل شده است. این یافته با نتایج همبستگی، مبنی بر وجود رابطه منفی بین ساختار سرمایه و نرخ بازده دارایی ها مطابقت دارد.
تحقیق حاضر به مقایسه انواع تحلیل های رگرسیونی شامل رگرسیون سری زمانی، رگرسیون مقطعی، رگرسیون میانگین و رگرسیون تجمعی برای داده های حسابداری می پردازد. مقایسه تحلیل های رگرسیونی با استفاده از داده های حسابداری محدود و به کمک ضریب تعیین، آزمونF و آزمون t انجام شده است. نتایج تحقیق نشان می دهد که رگرسیون سری زمانی جهت مطالعات موردی، رگرسیون مقطعی جهت مطالعات سالیانه و رگرسیون تجمعی جهت مطالعات کلی و فراگیر مناسب است. البته رگرسیون تجمعی با توجه به فراهم آوردن امکان دستیابی به نتایج کلی تر و به دور از سوگیری، در تحقیقات حسابداری بیشتری مورد استفاده قرار گرفته است. رگرسیون میانگین نیز به دلیل تمرکز بر داده های مرکزی، در تحقیقات حسابداری کاربرد اندکی داشته است.