chap17综合案例分析

（四）对样本利用竞争指标CP分类，取前1/5与后1/5的样
本分别进行回归。 对于CP指标前1/5的样本，在命令窗口中输入如下命令进行 回归，可以得到回归结果图17.13。回归结果与本文的假设 是一致的，因为CP值较小说明这部分样本面临的外部市场 环境竞争较小，在这部分样本公司中高管的代理问题较为 严重，IR相比第一个回归总体样本假设对ROA有个更加显 著的正的解释变量，实证结果显示解释力是更加显著了， 说明中国的上市公司的外部竞争性越弱，公司绩效对公司 治理的改善越敏感。 同样，对样本后CP值1/5进行相应回归，这是最大CP值的 部分样本的回归，结果显示IR对ROA有一个不显著的正相 关关系（p=0.346），且系数小于前面实证分析的结果，说 明CP值越大的行业对公司治理是越不敏感的。这是与我们 的假设相一致的，因为本文假设竞争可以减少高管代理问 题进而公司治理对绩效的影响是不显著的。
17.3.2 相关假设 根据以上所列的参考文献以及作者自己所做的调查分析，将农


民处理秸秆方式的意愿所受的影响分为四类： （一）受农民自身特征的影响 （二）受农民的预期收益影响 （三）受农民对焚烧秸秆危害性认知程度的影响 （四）受外部环境的因素影响 17.3.3 数据来源及描述 本案例的数据来源参考了一项调查数据，数据调查在某市郊区 抽调完成，采取调查员直接入户问卷调查。 调查内容包括农户特征(教育程度edu、年龄age、收入结构inc、 种植制度cro、种植规模acr、饲养牲畜情况ani)、农户对参与政 府“禁烧”秸秆活动的预期收益exp、对焚烧秸秆危害性的认知 情况(农民了解焚烧秸秆对环境的危害env、对交通运输的危害 tra、对土壤结构的危害soi)和外部环境因素影响(政府政策pro、 法律环境pun、当地机械化作业水平mec、秸秆的利用uti、秸秆 业的补贴sub和同伴的影响力fri)四个方面。
17.3综合案例三：农民焚烧秸秆意 愿的实证研究
17.3.1问题背景
国内由于秸秆焚烧是近年来才出现的一问题，故对这
方面的研究较少。陈新锋（2001）的研究表明，在没 有外部干预和技术突破的条件下，农民收入水平与秸 秆焚烧量成正比。
本部分在参考了以上文献后，以某市郊区的农户为研
究对象，实证分析了农民焚烧秸秆的意愿。
根据中国统计年鉴的资料，我们得到了名称为
shebao.dta的数据文件，部分数据显示如图17.1所示。
17.1.2统计方法与Stata实现 （一）变量的单位根检验。
首先要对lnagdp和lnass两个变量做原序列的ADF检验，
通过观察可以发现两个序列都有常数项和时间趋势， 所要输入的命令如下所示： dfuller lnagdp, trend dfuller lnass, trend 命令执行的结果如图17.2所示，根据结果显示，两个检 验的p值分别为0.9043和0.9025，不能拒绝原序列存在 单位根的假设。
（六）logit模型实证结果分析 logit模型的分析是将样本公司中2005年到2006年ROA增加


的公司roa取值1，若两年内ROA不变或者下降roa取值0； 样本公司中两年内IR增加的ir取值1，代表公司治理改善， IR不变或者减少的ir取值0，代表公司治理相对恶化；对于 控制变量lev当lev下降时取值1，反之取值0；lnA上升时取 值1，反之取值0。下图是数据文件”logit cor”的部分数据。 然后以roa为被解释变量，ir为解释变量，使用logit模型进 行实证分析。 首先对所有的06年的样本进行回归，在stata命令窗口中输 入如下命令可以得到下图17.17的回归结果图； logit roa ir lev lna logit模型回归显示董事会的独立性对所有上市公司的绩效 有一种正的不显著的影响，即ir的改善（董事会的独立性 增强）使roa上升的概率是0.0154。控制变量lnA、lev对roa 均有显著的正向影响。 然后对样本按照竞争指标cp进行排序，仍然是取样本的前 1/5，后1/5进行回归，也可以得到相应的回归 结果。
17.1.2统计方法与Stat43;β1* IR


+β2*CP*IR+ε 该模型中系数β1表示独立董事比例对该类公司业绩ROA的 影响的敏感程度，β2表示特定的竞争程度下，IR变化对 ROA的影响的敏感程度。回归中设x=CP*IR.。 （二）变量的统计特征 由于样本数量众多，首先计算样本的统计特征，观测样本 中变量的特征。 使用的命令是sum var,d，例如对于变量ROA 2005年的统计 值，使用” corporate.dta”数据，在命令窗口中输入如下命 令，就会将面板数据中2005年的数据摘出，然后进行统计。 可以得到图17.8的结果。 keep if year==2005 sum roa,d sum (roa)
（三）格兰杰因果关系检验
本案例采用基于VAR模型的格兰杰检验法对各变量之
间的关系进行检验，最优滞后期确定为2期，所使用到 的命令语句为： var lnagdp lnass vargranger 命令执行后可以得到如图17.5所示的结果，结果表明， lnASS并不是lnAGDP的格兰杰原因，而lnAGDP却是 lnASS的格兰杰原因，即经济增长对社会保障支出的 贡献更为明显。
本。
假设二，董事会的独立性可以作为一个公司治理的有
效衡量指标。
对于本案例指标的选取，将应收账款周转率、主营业务利润率、
存货周转率的倒数进行简单算术平均得到企业的竞争指标 。这样 竞争指标中就包含了公司业绩的基本信息。CP越大表示企业面临 的竞争环境越激烈；因为一个企业的主营业务利润率越小，公司 面临的外部环境竞争压力越大，同样应收账款周转率和存货周转 率越小，企业面临的外部环境也越差，此时CP值越大的。 对于公司的业绩的衡量指标选择了普遍使用的ROA（资产收益 率）。
17.2综合案例二：外部竞争环境不同的企 业公司治理对绩效影响的敏感性分析
17.2.1问题背景和数据描述
本案例利用中国上市公司的有关数据来探究公司面临
的外部环境的竞争强度不同时，公司治理给他们带来 的不同影响。 案例的研究有两个主要假设：
假设一，竞争可以通过减少高管的懒散来降低代理成
主要内容：
1.社会保障与经济增长关系实证研究
2.外部竞争环境不同的企业公司治理对
绩效影响的敏感性分析 3.农民焚烧秸秆意愿的实证研究
17.1综合案例一：社会保障与经济 增长关系实证研究
17.1.1问题背景和数据描述
面对严峻的社会现实，社会保障问题应得到足够的重
视，社会保障与经济增长关系也逐渐成为了一个十分 具有现实意义的研究课题。进行本案例分析的主要目 的是证明社会保障支出和经济增长之间是否存在相关 关系。
（五）本文暂时搁置的面临竞争环境十分恶劣的样本分析 本文对主营业务利润率小于-10%的上市公司认为面临的外
部竞争环境极端的恶劣，不适用与以上的模型的分析，对 于这部分公司运用模型ROA=α+β1* IR +ε来分析公司治理与 其绩效的关系。 观察极端的样本数据发现，此部分样本非面板数据，所以 此部分数据可以直接用OLS进行回归。在stata命令窗口中 输入如下命令，可以得到下图17.15的回归结果。 reg ir lev lna 结果显示对于外部竞争环境极端恶劣的上市公司，公司治 理对于公司的绩效有一个不显著的负的解释力，这其实是 与本文的假设是相符的。因为根据本文假设，高度竞争的 公司高管的代理问题已经不显著，这个时候公司治理对于 这个公司来说是一种资源浪费，所以对公司治理是负向的 影响。
17.1.3结论 本案的实证检验，从数据上对社会保障的理论提供了
支撑，从中国实际出发证明了社会保障支出有利于促 进经济增长。所以在中国还应该继续促进社会保障制 度的发展与完善，为此，我们提出以下政策建议： （一）坚持效率优先，兼顾公平的原则。 （二）完善法律基础和政策环境。 （三）扩大社保基金的规模。 （四）提高社保基金的盈利能力。
（四）多元线性回归模型
根据较为常用的C-D生产函数的一般形式 ，其中资本
与劳动力是两个基本要素，我们分别使用资本形成总 额（AK）和社会就业人数（L）两个指标进行衡量， 而在此我们采用社会保障支出（ASS）部分代替技术 对产出的作用，因为其是人力资本投资的显著方式， 所以可以看做是一种技术水平的提高。我们建立如下 回归模型： 由于数据文件中并不存在变量lnAK和lnL，所以应先 使用命令生成，然后进行回归，就可以生成如图17.6 所示的回归结果了，所使用的命令语句为： gen lnak=log(ak) gen lnl=log(l) regress lnagdp lnass lnak lnl
（三）固定效应回归模型的确定 由于样本为面板数据，对样本进行豪斯曼检验确定回归时使用


固定效应模型还是随机效应模型。首先在stata命令窗口中输入 如下命令对模型进行固定效应模型回归，可以得到下图17.10 xtset id year xtreg roa IR lev x lna, fe est store fe 在命令窗口中输入此命令将以上回归结果存储为 fe. 然后对模型使用随机效应模型进行回归，在stata命令窗口中输 入如下命令，可以得到下图17.11。 xtreg roa IR lev x lna, re 在命令窗口中输入以下命令将以上回归结果存储为 re est store re 然后进行豪斯曼检验，在命令窗口中输入以下命令，可以得到 图17.12的检验结果。 hausman fe re 显然豪斯曼检验的结果是应该对模型使用固定效应模型回归。
（二）变量的协整检验 上文的检验表明，lnAGDP和lnASS序列的一阶差分均

已平稳，满足协整检验的前提条件，可以运用E-G两 步法进行协整检验。本案例以lnASS为自变量，以 lnAGDP为因变量，对时间序列进行最小二乘回归， 并得到残差序列e。进行这些操作所使用到的命令为： regress lnagdp lnass predict e, residual 对此残差序列进行单整检验，所使用到的命令为： dfuller e, noconstant 结果如图17.4所示。ADF检验值为-1.900，显著性水平 为10%时的临界值-1.602，前者的绝对值大于后者，所 以残差序列通过了置信度为90%的平稳性检验，说明 lnAGDP和lnASS序列具有协整关系。