【《创业板上市公司募集资金效率的实证分析案例》10000字】

创业板上市公司募集资金效率的实证分析案例目录TOC\o"1-3"\h\u494创业板上市公司募集资金效率的实证分析案例 1291101.1创业板上市公司募资使用效率现状分析 1199911.1.1营业利润率波动较大，且有走低趋向 1136241.1.2营业周期延长，企业差距明显 3196381.1.3流动资产周转率波幅不大，但总体下降 567911.2创业板上市公司募资效率实证分析 6172531.2.1变量选择和说明 6256701.2.2研究假设和模型构建 8306921.2.3样本选择与数据来源 8164391.3变量的描述性统计分析 10276221.4模型检验 14287561.4.1LM检验 14195261.4.2Hausman检验 14157891.4.3单位根检验 15222561.4.4协整检验 1628661.5模型的估计与分析 17217591.5.1初步估计 17204321.5.2精确估计 19294081.5.3检验与修正 21创业板上市公司募资使用效率现状分析本小节选取了能体现上市公司募资使用效率的重要财务指标，并运用描述性统计的方法，从不同角度来分析2010-2020年十年期间，创业板上市公司募资资金使用效率的一些变化状况。营业利润率波动较大，且有走低趋向营业利润率是企业营业所得的利润除以总的销售额，从这个指标可以很好地看出一家企业的盈利能力，这从两个角度体现，一是赚取更多的利润的能力，二是节省成本或者说削减不必要开支的能力。如果企业的盈利能力较好，即营业利润率较高，说明企业在以上两方面都表现得很好，所以也可以从侧面推断出，企业的募集资金使用效率较高，因为企业可以很好的运用这些资金去进行利润创造，并且不会浪费在不必要的地方。表STYLEREF1\s4.SEQ表\*ARABIC1创业板28家企业2010-2020营业利润率(%)统计表平均值最大值最小值标准差方差20102163.352.8412.651.620112163.352.8412.871.66201215.1451.97-14.1112.621.61201313.0550.58-58.1118.173.5201416.63114.03-8.9722.316.75201513.1847.65-13.0712.221.52201613.2237.89-2.0110.231.05201711.5632.95-14.17111.222018-0.0631.09-100.6830.3312.582019-3.137.87-207.9846.8225.920201.8433.19-77.5823.745.99见4.1表和图4.1，分析可以得出，2010-2020年，28家企业的平均营业利润率起伏较大，2010-2017年在15%上下浮动，2018-2020变化较大，在0%左右变化，所以总体来看，呈现下降趋势，并且下降的较多。从2010年的21%到2020年的1.84%，共下降了19%，特别是2018-2019年，下降的幅度最大，超过了80%。此外，通过观察方差值可以发现，2010-2017年该值较小，并且变化较为平稳，稳定在1%左右，说明28家企业之间的差距并不大，但是，2018-2019该值变化剧烈，说明企业之间出现了较大的差异，有的企业营业利润率较高，有的企业则非常低，最后导致了这种现象的发生。总体来看，方差值在增大，从13%增加到了23%，10年间增长了10%，表明各个企业之间的不同变得更加明显。所以，综合来看，中小企业的募集资金效率并不是很高，并且还在逐年减少，因为企业把钱投入生产并且盈利的能力较弱，同时，各个企业之间的差异比较明显，有的企业的资金使用效率在逐年提升，而有的企业则在逐年下降。图STYLEREF1\s4.SEQ图\*ARABIC\s11营业利润率平均值见图4.2，为2010-2020年营业利润率最大的公司和最小的公司，对比发现，两者之间的数值距离较大，平均差距在50%。并且两者呈现出一个相反的变化趋势，例如，2012-2015年，营业利润率最大的企业的值虽然有波动，但总体是在上涨的，而最低的公司直接面临着亏损，这说明在面临相同的环境与经济周期时，最大的公司体现出了他的优势，也就是创造更多的经济价值，这个结论也可以从2017-2019年的这段曲线中体现。概括来说，28家企业的募集资金使用效率差距较大，特别是效率最高的企业与效率最低的企业之间。图STYLEREF1\s4.SEQ图\*ARABIC\s12营业利润率最大值与最小值营业周期延长，企业差距明显营业周期是存货周转天数与应收账款的周转天数的和，反应了企业把主营业务产品转化为收入的能力，也就是“变现”能力，从这个能力可以看出公司短期资金的流转速度，也可以从两个方面入手考虑，一个方面是存货的管理，也就是能否快速把产品出售；另一个方面是应收账款的管理，看的是能否与下游客户达成较好的协议，比如坏账的提取比例是多少，给予的商业信用期限有多大等。营业周期越短，代表企业收回现金的速度越快，这也意味着，如果企业把募集到的资金投入一个新的项目，项目变现的能力较快，因为企业进行了比较好的存货管理与应收账款的管理，所以，可以认为企业的募集资金使用效率较高。从表4.2可以发现，28家企业的平均营业周期由2010年的226天增加到了428天，增长了200天，可见资产的变现速度在延长，特别是2018-2020年这三年，不仅变化幅度大，并且上升的速度较前几年都快。表STYLEREF1\s4.SEQ表\*ARABIC228家企业2010-2020营业周期(天)相关数据统计表平均值最大值最小值标准差2010226.11588.816.59142.142011266.83728.6918.53163.842012327.41019.4921.4235.342013341.011191.8527.42247.312014314.9865.7240.19197.172015326.59842.5354.55201.042016316.4682.8654.46185.582017333.96806.8853.27196.232018341.51949.830.52214.722019342.13830.2838.72213.282020428.831368.9980.36283.56从图4.2可以较为直观的看出，28家企业中，营业周期最长的与营业周期最短之间的天数相差很多，从表4.2的具体数据计算，两者大概平均相差500天左右，并且差距在逐年递增；同时，观察标准差可以发现，标准差的数值一直较大，说明各个企业间存在着明显的不同。因为营业周期是绝对值，但是各企业主营业务不同，所以较难直接得出结论，但是可以通过比较最大值和最小值企业的天数走向，得出营业周期最小的企业10年间变化不大，基本维持在40天左右，然而，营业周期较大的企业天数波动剧烈，天数增加较多，同时，比较28家企业的平均值可以发现，10年的趋势变化总体还是平稳的，但仍旧在上升，综上，从这一指标考虑，企业的募集资金使用虽然效率变化不大，但是效率并不高，各个企业间依旧存在差距。图STYLEREF1\s4.SEQ图\*ARABIC\s1328家企业2010-2020营业周期统计图流动资产周转率波幅不大，但总体下降流动资产周转率代表着一个营业年限内企业流动资产的周转速度，这代表着企业对于流动资产的运用，特别是期限较短的一些资产，例如现金的使用。如果企业的流动资产周转率越大，意味着一定时间内，流动资产的运转速度越快，也可以说明企业的资金使用效率越高，因为企业擅于管理和投资，并且短期内可以使得项目周转起来。从表4.3的数据可以看出，28家企业的流动资产周转率变化并不大，虽然10年间略有起伏，但总体的变化不超过0.05次；观察最大值与最小值，发现周转次数最多的企业和最少的企业，两者在10年间的变化都是在下降的，说明企业的流动资产周转率在减少，企业对于流动资产的管理较差，可见，企业的募集资金使用效率并不高。表STYLEREF1\s4.SEQ表\*ARABIC328家企业2010-2020流动资产周转率(次)统计表平均值最大值最小值标准差20100.351.210.10.220110.451.050.120.2120120.511.150.110.2520130.561.260.080.2820140.611.30.170.2620150.641.460.150.3120160.581.640.20.3220170.561.740.180.3420180.571.40.070.3220190.571.620.030.3420200.40.940.060.23创业板上市公司募资效率实证分析变量选择和说明(1)被解释变量的选择基于上文3.1.3募集资金使用效率的概念界定，以及丁华等(2016)对中小板上市公司资金使用效率影响因素的相关研究[24]，本文采用经济增加值（EVA）率代表资金使用效率，衡量募集资金投入与产出之间的比率关系，作为被解释变量。经济增加值(EVA)率的计算方法是：经济增加值(EVA)=调整的税后营业利润－加权平均资本成本调整后的投资成本经济增加值(EVA)率=EVA/资本成本(2)解释变量的选择根据理论分析和参阅彭志峰等(2019)[25]、索文权(2020)[26]等对于创业板上市企业募集资金使用效率的研究，本文选择的解释变量分别是：①基本每股收益（EPS），用X1表示。基本每股收益表明了普通股股东当期的收益状况，一方面反映出企业的盈利能力，一方面关系到可分配股利的多少，影响到代理成本，这两个方面都会影响到公司价值，从而体现出企业的募集资金使用效率。其计算方法是：EPS=归属于普通股股东的当期净利润/当期发行在外普通股的加权平均数；归属于普通股股东的当期净利润=净利润－优先股股利。②盈利质量（Quality），用X2表示。盈利质量代表了公司主营业务的现金收益占比，较好的表现了企业的资金使用效率。其计算方法是：Quality=经营活动产生的现金流量净额/经营活动净收益。③总资产回报率（ROA），用X3表示。总资产回报率是重要的财务指标之一，其衡量出企业的资产运作能力，即平均每单位资产可以获得多少回报。企业把募集来的资金投入并用于购买资产，后进行运营产生收益，所以，这个指标可以从侧面表现出资金使用效率的高低。其计算方法是：ROA=净利润/平均资产×100%；平均资产=(年初资产+年末资产)/2④股权集中度（Concentration），用X4表示。股权集中度会影响到公司的价值，而公司的价值与企业的募资使用效率密切相关。其计算方法是：Concentration=前十大股东的流通股数总合/公司在外发行的所有流通股数量⑤资本结构（L/A），用X5表示。资本结构的实质是企业的负债率大小，而负债率大小会影响到企业的财务风险与股东预期收益，进而影响公司价值与募资使用效率高低。其计算方法是：L/A=总负债/总资产×100%⑥营业增长率(Revenue)，用X6表示。营业增长率是重要的财务指标之一，其衡量的是企业的成长能力，成长能力的高低意味着企业对于募集来的资金使用是否得当，也就关系着企业募资使用效率的大小。其计算方法是：Revenue=当期报告营业利润－上一期报告营业利润)/上一期报告营业利润本文选择的被解释变量和解释变量，如表4.4所示。表STYLEREF1\s4.SEQ表\*ARABIC4变量选择一览表变量类型变量名称变量符号计算方法被解释变量EVA回报率EVAEVA回报率=EVA/资本成本EVA=调整的税后营业利润－加权平均资本成本调整后的投资成本解释变量基本每股收益EPSEPS=归属于普通股股东的当期净利润/当期发行在外普通股的加权平均数盈利质量QualityQuality=经营活动产生的现金流量净额/经营活动净收益总资产回报率ROAROA=净利润/平均资产×100%平均资产=(年初资产+年末资产)/2股权集中度ConcentrationConcentration=前十大股东的流通股数总合/公司在外发行的所有流通股数量资本结构L/AL/A=总负债/总资产×100%营业增长率(同比)RevenueRevenue=当期报告营业利润－上一期报告营业利润)/上一期报告营业利润研究假设和模型构建(1)研究假设根据上文的变量内涵及选择，做出如下假设：假设1：基本每股收益(EPS)对企业的募集资金使用效率有影响，并且EPS越大，募集资金使用效率越大，两者正相关。假设2：盈利质量(quality)对企业的募集资金使用效率有影响，并且quality越大，募集资金使用效率越大，两者正相关。假设3：总资产回报率(ROA)对企业的募集资金使用效率有影响，并且ROA越大，募集资金使用效率越大，两者正相关。假设4：股权集中度(concentration)对企业的募集资金使用效率有影响，并且concentration越大，募集资金使用效率越小，两者负相关。假设5：资本结构(L/A)对企业的募集资金使用效率有影响，并且L/A越大，募集资金使用效率越小，两者负相关。假设6：营业增长率(revenue)对企业的募集资金使用效率有影响，并且revenue越大，募集资金使用效率越大，两者正相关。(2)模型构建根据假设，初步构建的回归模型如下：EVA=β0式中：β0——常数项；βit(i=1,2,...6)——各个自变量对应的系数值；εit——随机误差项。样本选择与数据来源为了能够从一个较长时间观察创业板上市公司募集资金使用效率。样本选取了创业板首批上市的28家企业。28家企业作为首批上市的企业，是众多企业的代表，企业质地较好，且数据较多，易于构建模型分析。从行业分布看，观察表4.5中可以发现，创业板28家首批上市的企业分别所属18个不同的行业，例如有传媒、国防军工、零售等行业，其中，占比较多的有化学制药和电气设备行业，占比为10.71%，专用设备、计算机应用等5个行业的占比其次，为7.14%。这些行业在创业板中具有一定代表性。同时，为了加深认识上市公司募集资金使用效率，样本中选择了主板上市的27家企业进行对比。主板上市的企业，规模较大，是成熟型企业，通过与创业板的成长企业对比，可以观察两者募集资金使用效率上有无差别并分析其原因。本文选取的主板企业涵盖了比较典型的传统行业，且行业分布较均匀，例如表4.5中的钢铁行业、贸易行业和金融行业等。本文的研究数据来源于同花顺iFinD软件、上市公司年报、沪深交易所网站、证监会网站等。表STYLEREF1\s4.SEQ表\*ARABIC5创业板28家上市企业与主板上市27家企业行业统计表创业板上市企业主板上市企业所属行业数量(家)占比(%)所属行业数量(家)占比(%)化学制药310.71电力311.11电气设备310.71电气设备311.11专用设备27.14钢铁311.11医疗器械服务27.14港口航运311.11通信设备27.14计算机应用414.81计算机应用27.14贸易311.11传媒27.14煤炭加工开采27.41综合13.57食品加工制造311.11中药13.57证券311.11仪表仪器13.57电力311.11物流13.57通用设备13.57生物制品13.57农业服务13.57零售13.57国防军工13.57服装家纺13.57电器设备13.57数据来源于同花顺iFinD软件变量的描述性统计分析从表4.6的统计中可以发现，28家企业的EVA值并不大，平均值为-0.28%，说明企业的募集资金使用效率并不高。其中，EVA最大值达到了28.10%，最小值只有-67.64%，这体现出了不同企业之间的差距明显；EPS的值比较小，从平均数来看只有0.1715元，也就是每股收益不到0.5元，虽然最大的企业超过了1元，但是最小的企业却只有-2.04元；quality体现的是企业对于现金的使用与管理，观察表4.6的数据，可以得出企业对于现金的运作并不是很好的结论，因为从平均值来看，现金收益占主营业务收益的-1.84%，所以，企业对于现金流的管理有待提高；28家企业的平均ROA为3.38%，表明企业对于资产的营运能力较为缺乏，因为这个数据意味着一元的资产只能给企业带来0.03元的利润；Concentration为前十大股东的持股比例合计，其平均值为53.69%，说明企业的股权集中度较高；L/A表示的是企业的资本结构，28家企业的平均负债率为31%，但是最高的企业达到了91%，企业的负债较多；revenue为营业增长率，考察企业的成长能力，平均值为58%，代表企业的成长能力较强，但是28家企业的标准差较大以及最小最大值的差值也比较大，从而反映出这个指标的波动率较高的问题。表STYLEREF1\s4.SEQ表\*ARABIC6变量描述性统计表VariableMeanStd.Dev.MinMaxObservationsEVAoverall-.28274185.175317-67.64828.1017N=1202n=28T=42.9286between2.768176-5.0232055.508228within4.406096-63.7736324.36897EPSoverall.1715725.2775089-2.041.64N=1202n=28T=42.9286between.1261585-.0556442.4360326within.2483449-1.9684271.467914qualityoverall-1.84904312.41107-197.633284.799N=1035n=28T=36.9643between3.40592-10.927011.061582within11.9868-188.555292.80647ROAoverall3.3815735.628874-55.315230.2569N=1202n=28T=42.9286between2.787139-1.63698.685153within4.921044-52.1615825.71057Concentrationoverall53.6977412.4346827.7890.601N=1039n=28T=37.1071between9.54404837.3383274.18268within8.17855731.2659283.10064LAoverall31.7731821.092551.57691.7833N=1202n=28T=42.9286between16.120288.45019179.49027within13.9184-14.65982.00609revenueoverall25.3770681.59237-97.74182322.84N=1202n=28T=42.9286between11.864789.91794166.42677within80.77148-138.79152281.791图REF_Ref17916\hSTYLEREF1\s4.4、图REF_Ref18040\hSTYLEREF1\s4.5和图4.6分别为EVA、EPS和ROA的时间序列图，每张图中都分别展示了28家企业这些变量10年间变化的趋势走向。观察三张图，可以很好的总结出这三个变量的共同点：首先，它们的数值和大小在10年期间基本上维持平稳，没有太大的变化，但在一定范围内还是存在上下浮动；其次，28家企业中的大部分企业的数值波动都较小，且剧烈波动不多，只有几家企业在10年期间的某一段时间的变化十分明显；最后，观察这些大幅度的波动时间，发现基本上出现在相同的年限，可能具有一定的经济周期性和政策原因。综上，企业的募集资金使用效率具有一定的不稳定性，并不能维持稳定增加；基本每股收益与总资产收益率也具有一定的波动性，企业的盈利能力有待进一步提升。图STYLEREF1\s4.SEQ图\*ARABIC\s14EVA时间序列图图STYLEREF1\s4.SEQ图\*ARABIC\s15EPS时间序列图图STYLEREF1\s4.SEQ图\*ARABIC\s16ROA时间序列图图4.7和图4.8分别是自变量quality和revenue的时间序列图，两个变量在10年内的趋势特征并不明显，数值和大小都接近于没有变化，也没有太多的波动，特别是变量revenue；另外，28家企业只有极个别企业出现了一些特殊情况，出现的时间也依旧是比较相同的。综上，说明企业的盈利质量和营业增长率稳定，企业的成长能力较好，并在逐年扩大。图STYLEREF1\s4.SEQ图\*ARABIC\s17quality时间序列图图STYLEREF1\s4.SEQ图\*ARABIC\s18revenue时间序列图图4.9和图4.10为解释变量concentration和LA的时间序列图，从图中可以发现它们的趋势走向显著。前十大股东的持股比例合计在10年间都呈现下降趋势，说明企业的股权集中程度在下降，可能会对募集资金使用效率产生一定的影响；反观资产负债率，虽然10年间波动明显，但是最后的数值高于最初，说明企业的负债在不断增加。图STYLEREF1\s4.SEQ图\*ARABIC\s19concentration时间序列图图STYLEREF1\s4.SEQ图\*ARABIC\s110LA时间序列图模型检验LM检验根据本文研究采用的数据资料，属于面板数据，因此所构建的模型应该属于面板数据回归模型。为了确定变量参数估计是采用固定效应模型(FE)、随机效应模型(RE)，还是混合效应模型，需要进行必要的检验。本文选择进行LM检验，是为了在混合效应模型和随机效应模型中作出选择。该检验的原假设H0为σμ2=0，备择假设H1为σμ2≠0，所以，如果拒绝原假设就应选择随机效应模型，反之，应选择混合效应模型。检验结果如表4.7所示。表4.7最后一行的P值为0，明显小于0.05的α值，所以，拒绝原假设，应该选择随机效应模型。表STYLEREF1\s4.SEQ表\*ARABIC7LM检验结果表BreuschandPaganLagrangianmultipliertestforrandom effectsEVA[company,t]=Xb+u[company]+e[company,t]Estimatedresults:Varsd=sqrt(Var)EVA16.39184.048679e3.7122741.926726u.1725556.4153981Test:Var(u)=0chibar2(01)=267.96Prob>chibar2=0.0000Hausman检验用Hausman检验的目的，是进行随机效应模型和固定效应模型之间的选择。Hausman检验的基本思想是，若Cov(αi，Xi)=0，FE和RE都是一致的，但是RE更有效；若Cov(αi，Xi)≠0，FE的估计仍然一致，但是RE是有偏的，因此，如果原假设成立，则FE与RE估计量将共同收敛于真实的参数值；反之，两者的差距过大，则倾向于拒绝原假设，选择FE。观察表4.8的P值为0，所以拒绝原假设，选择使用FE。表STYLEREF1\s4.SEQ表\*ARABIC8Hausman检验结果表Test:H0:differenceincoefficientsnotsystematicchi2(7)=(b-B)'[(V_b-V_B)^(-1)](b-B)90.04Prob>chi20.0000综上，再结合考虑时间效应与企业的个体效应，最终确定构建的模型为双向固定效应模型，公式为：EVAit=式中：β0——常数项；βit(i=1,2,...6)——各个自变量对应的系数值；αi——28家企业的个体效应；λt——时间效应；εit——随机误差项。单位根检验在进行了模型的选择之后，需要对数据进行一定的检验与筛选，来确保下一步的估计是否可以进行。所以，本文选择使用LLC检验对七个变量的所有数据进行单位根检验，用来判断数据是否平稳。如果数据不平稳，就极有可能出现伪回归现象，导致模型的估计结果无效或没有实际意义。LLC检验的原假设H0为存在单位根，即数据不平稳，易出现伪回归现象，影响估计结果；备择假设H1为不存在单位根现象，数据平稳。七个变量的检验结果汇总如下表4.9。表STYLEREF1\s4.SEQ表\*ARABIC\s19LLC检验结果汇总表一Levin-Lin-ChutestDeterministicschosen:constantPooledADFtest,N,T=(28,43)Obs=1148Augmentedby1lags(average)Truncation:11coefficientt-valuet-starP>tEVA-0.50655-16.041-8.762320.0000EPS-0.57889-17.245-9.954370.0000quality-0.92734-23.882-15.753690.0000ROA-0.66801-19.070-11.898310.0000concentration-0.15025-7.1950.745540.7720LA-0.08786-7.490-1.561920.0592revenue-0.40889-14.682-6.595340.0000观察表格4.9的最后一列p值可以发现，除了变量concentration和LA之外，其余五个变量的p值均为0.0000小于0.05的α值，所以，拒绝原假设，不存在单位根现象，说明数据是平稳的，但是，存在两个变量的p值较大，不能拒绝原假设，也就是无法通过单位根检验。接下来，对concentration和LA这两个变量取一阶差分后，再次进行LLC检验，结果如下表4.10。通过观察这张表格的p值，发现两个变量的p值均为0，已经通过了单位根检验。所以，可以认为这两个变量的数据总体是平稳的，但是趋势并不明显，需要进行一定的处理后才可以被观察发现。表STYLEREF1\s4.SEQ表\*ARABIC\s110LLC检验结果汇总表二Levin-Lin-ChutestDeterministicschosen:constantPooledADFtest,N,T=(28,42)Obs=1120Augmentedby1lags(average)Truncation:10coefficientt-valuet-starP>tD_concentration-1.52832-28.661-5.253890.0000D_LA-1.12015-25.733-16.008640.0000协整检验由于七个自变量当中有二个自变量是不平稳的，所以，面板数据为部分不平稳面板数据，需要进行协整检验。协整检验的目的是为了判定各变量之间是否具有长期的均衡关系，如果通过该检验，就可以对原始数据进行直接回归，并且该回归的结果是比较准确的；反之，则需要对部分变量进行一定的处理后，再进行回归以确保结果的准确性。本文采用Pedroni检验对自变量之间的关系进行协整，结果如表4.11所示。检验的原假设为不存在协整关系，备择假设为存在协整关系。观察表4.11中的p值发现，所有p值均较小，小于0.05的显著性水平，说明在95%的置信度下，应该拒绝原假设，即，七个变量之间存在协整关系，数据具有长期的稳定关系，可以进行直接回归。表STYLEREF1\s4.SEQ表\*ARABIC\s111Pedroni检验结果表PedronitestforcointegrationH0:NocointegrationNumberofpanels=28Ha:AllpanelsarecointegratedAvg.numberofperiods=41.929StatisticPvalueModifiedPhillips-Perront3.17550.0007Phillips-Perront17.24120.0000AugmentedDickey-Fullert17.34400.0000模型的估计与分析初步估计首先，在假设的基础上，通过散点图，进行比较直观的初步判断。通过stata软件，把每个解释变量与被解释变量之间生成两个散点图，第一个就是普通的散点图，第二个则是在去除其他变量的影响以后的偏回归图，能够更加准确的看出两者之间的关系。在假设中，EPS、quality与募集资金使用效率是正相关的，通过图4.11和图4.13的较初步的散点图可以验证，但是，经过对于其他自变量的控制，生成的图4.12和图4.14就可以发现，两者的关系变成了较为明显的负相关，此外，quality对于EVA的影响趋势并不明显，所以，有待进行进一步的精确检验。图STYLEREF1\s4.SEQ图\*ARABIC\s111EPS散点图图STYLEREF1\s4.SEQ图\*ARABIC\s112EPS偏回归图图STYLEREF1\s4.SEQ图\*ARABIC\s113quality散点图图STYLEREF1\s4.SEQ图\*ARABIC\s114quality偏回归图在与EVA的假设关系中，LA与其是呈现负相关的，观察图4.15可以发现该假设是正确的，并且数据分布较密集，可以看出两者有着很明显的关系，说明LA对于EVA是有影响的，但是图4.16的偏回归图表明，两者是负相关的，两张图出现了相反的结论，所以，两者的关系需要精确检验。图STYLEREF1\s4.SEQ图\*ARABIC\s115LA散点图图STYLEREF1\s4.SEQ图\*ARABIC\s116LA偏回归图通过基本假设，可以得知自变量revenue、ROA与被解释变量EVA之间是存在着一定的关系的，并且两者应该是正相关的，通过观察散点图4.17、4.18和修正以后的偏回归图4.19和4.20，可以发现，图中的趋势线是验证上述结论的，并且上扬趋势明显，自变量显著影响着被解释变量。图STYLEREF1\s4.SEQ图\*ARABIC\s117revenue散点图图STYLEREF1\s4.SEQ图\*ARABIC\s118revenue散点图图STYLEREF1\s4.SEQ图\*ARABIC\s119ROA散点图图STYLEREF1\s4.SEQ图\*ARABIC\s120ROA偏回归图精确估计经过上一步的初步估计，接下来对于模型进行精确估计。把数据导入，输入一定的命令，进行双向固定效应模型的估计。估计的公式为：EVAit=(−5.912)首先，观察REF_Ref15738\h表4.12的p-value和sig两列，可以在一定的置信水平下验证假设的正确性，其中被解释变量为EVA。第一个自变量基本每股收益(EPS)的p值为0.064，sig为*，这表明，在90%的置信度下，EPS的统计结果不显著，即，EPS对被解释变量没有影响，因为p值大于α值(为0.1)；第二个自变量为盈利质量(quality)，用上述同样的方法观察发现，quality的p值为0.549，sig没有显示，由于p值足够大，说明统计结果是不显著的，即quality对EVA没有影响；剩下的四个变量分别为总资产回报率(ROA)、前十大股东比例合计(concentration)、资产负债率(LA)和营业增长率(revenue)，分别对比他们的p值和α值，发现它们的p值非常小，接近于0，并且sig为***，代表着在99%的置信水平下，p值小于α值(为0.01)，所以，统计结果是显著的，即，四个变量都对被解释变量有着显著影响。表STYLEREF1\s4.SEQ表\*ARABIC12双向固定效应模型回归结果统计表EVACoef.St.Err.t-valuep-value[95%Conf.Interval]SigEPS-1.128.608-1.86.064-2.322.065*quality-.003.005-0.60.549-.013.007ROA.762.03422.110.694.829***concentration.049.0143.47.001.021.077***LA.056.0078.340.043.069***revenue.009.0025.180.006.012***Constant-5.9121.292-4.580-8.448-3.377***Meandependentvar0.756SDdependentvar4.049R-squared0.782Numberofobs876.000F-test88.901Prob>F0.000Akaikecrit.(AIC)3669.263Bayesiancrit.(BIC)3836.400***p<.01,**p<.05,*p<.1其次，再来观察Coef.一列，它代表着每一个自变量之前的系数，也意味着它们和被解释变量的关系与影响程度。EPS前的系数为-1.128，说明EPS与应变量之间呈现负相关，并且EPS每增加1元，EVA减少1.128%；以此类推，发现quality与被解释变量之间也展现出了负相关，quality每增加1%，EVA减少0.003%。ROA、concentration、LA和revenue与EVA都是正相关的，而且，当它们增加一个单位时，EVA都会分别增加0.762、0.049、0.056和0.009个单位。对比之前的假设，发现检验与之并不相符，例如，检验发现EPS与quality对应变量没有影响，但假设认为存在影响；假设认为LA越大，EVA越大，但模型结果恰好相反等。即使如此，也不能马上对原假设进行拒绝，因为模型可能存在着自相关、异方差和截面相关三个问题，会影响检验结果。所以，接下来，要对这三个问题进行检验并且修正，才能得出较为准确的最后结论。检验与修正首先，进行自相关的检验。见REF_Ref15925\h表STYLEREF1\s4.13，检验的原假设为没有自相关，备择假设为存在自相关。随后观察F值与p值，发现p值为0，远小于0.01的α的值，所以，检验结果为不能接受原假设，即模型在99%的置信度下存在自相关。表STYLEREF1\s4.SEQ表\*ARABIC13自相关检验结果表WooldridgetestforautocorrelationinpaneldataH0:nofirst-orderautocorrelationF(1,27)=60.612Prob>F=0.0000然后，对异方差进行检验。异方差检验的原假设H0为两个异方差相等，即模型不存在异方差，如果检验结果不能接受原假设，则说明模型存在着异方差。观察REF_Ref16026\h表STYLEREF1\s4.14的最后一行，可以看到p值为0，显著小于α值，那么，在99%的置信水平下，模型存在着异方差。表STYLEREF1\s4.SEQ表\*ARABIC14异方差检验结果表ModifiedWaldtestforgroupwiseheteroskedasticityinfixedeffectregressionmodelH0:sigma(i)^2=sigma^2forallichi2(28)=412.12Prob>chi2=0.0000最后，进行截面相关的检测，选用了三种不同的方法，它们的原假设都是不存在截面相关。表4.15为用三种方法的检验结果汇总，通过p值，可以发现，采取第一、第二种方法得出来的结论是相同的，因为p值为0，所以是不能接受原假设，即模型存在截面相关；第三种方法可以通过检测值与分布中的临界值相对比得出同样的结论，检测值为8.489，而临界值是0.9027，检测值远大于临界值，所以，也不能接受原假设，即模型存在着截面相关。表STYLEREF1\s4.SEQ表\*ARABIC15截面相关检验结果表Pesaran'stestofcrosssectionalindependence=31.843Pr=0.0000Friedman'stestofcrosssectionalindependence=214.073Pr=0.0000Frees'testofcrosssectionalindependence=8.489CriticalvaluesfromFrees'Qdistributionalpha=0.10:0.4127alpha=0.05:0.5676alpha=0.01:0.9027综上，通过检验，发现模型存在着三个问题，所以，要对此进行修正。修正通过stata命令(在附录中呈现)，使用三种不同的方法，最后对没有修正前和修正后的四种结果进行汇总如表4.16，第一列为没有修正时的数据，第二、三、四列为用三种方法进行修正后的结果。三种方法各有优劣，本文选用第三列的结果为主，其他两列结果来辅助证明。表4.17和表4.18为采取第三种的修正结果表。表STYLEREF1\s4.SEQ表\*ARABIC16修正结果汇总表(1)(2)(3)(4)olsar1scpsar1EPS-1.13-1.25-1.13-2.09***(0.064)(0.089)(0.086)(0.001)quality-0.00-0.00-0.00-0.00(0.549)(0.275)(0.356)(0.392)ROA0.76***0.73***0.76***0.74***(0.000)(0.000)(0.000)(0.000)concentration0.05***0.05**0.05**0.06***(0.001)(0.004)(0.002)(0.000)LA0.06***0.05***0.06***0.05***(0.000)(0.000)(0.000)(0.000)revenue0.01***0.01***0.01***0.01***(0.000)(0.000)(0.000)(0.000)_cons-5.91***-11.20***-11.50***-8.63***(0.000)(0.000)(0.000)(0.000)p-valuesinparentheses*p<0.05,**p<0.01,***p<0.001表STYLEREF1\s4.SEQ表\*ARABIC17创业板企业DriscollKraay方法修正结果一RegressionwithDriscollKraaystandarderrorsNumberofobs=876Method:PooledOLSNumberofgroups=28Groupvariable(i):companyF(34,38)=27463.77maximumlag:3Prob>F=0.0000Rsquared=0.7823RootMSE=1.9267表STYLEREF1\s4.SEQ表\*ARABIC18创业板企业DriscollKraay方法修正结果二EVACoef.Std.Err.tP>t[95%Conf.Interval]EPS-1.1280.639-1.7700.086-2.4220.166quality-0.0030.003-0.9300.356-0.0100.004ROA0.7620.04417.2900.0000.6720.851concentration0.0490.0153.2400.0020.0180.079LA0.0560.0086.6000.0000.0390.073revenue0.0090.0024.1200.0000.0050.013_cons-11.4991.251-9.1900.000-14.033-8.966通过观察表4.18，可以对之前的6个假设进行定性分析，也就是6个自变量对募集资金使用效率是否存在影响。观察p值后发现，只有自变量quality的检验结果不显著，p值较大，为0.356，大于0.1的α值，所以在90%的置信水平之下，盈利质量对募集资金使用效率没有影响，原假设错误。虽然解释变量EPS的p值为0.086，但没有超过0.1的α值，所以，认为