盈利不确定性下股利支付政策的权衡与抉择：理论、实证与策略

盈利不确定性下股利支付政策的权衡与抉择：理论、实证与策略一、引言1.1研究背景在当今复杂多变的市场环境下，公司盈利不确定性已成为一种普遍存在的现象。市场需求的波动、行业竞争的加剧、宏观经济形势的变化以及技术创新的加速，都使得公司难以准确预测未来的盈利水平。以科技行业为例，随着5G、人工智能、大数据等新兴技术的快速发展，行业内公司的产品和服务面临着快速迭代的压力，如果不能及时跟上技术创新的步伐，就可能导致市场份额下降，盈利受到影响。同时，宏观经济的周期性波动也会对公司盈利产生重要影响。在经济衰退期，消费者购买力下降，市场需求萎缩，公司的销售收入和利润往往会受到较大冲击。股利支付政策作为公司财务管理的重要组成部分，对公司和股东都具有重要意义。从公司角度来看，合理的股利支付政策有助于树立良好的公司形象，增强投资者对公司的信心，从而为公司的长期发展创造有利条件。稳定的股利支付可以向市场传递公司经营状况良好、财务状况稳定的信号，吸引更多的投资者关注和投资公司股票，降低公司的融资成本。而从股东角度出发，股利是股东投资收益的重要来源之一，直接关系到股东的切身利益。股东通常会根据公司的股利政策来评估公司的价值和投资潜力，进而做出投资决策。鉴于公司盈利不确定性的普遍存在以及股利支付政策的重要性，深入研究盈利不确定性与股利支付政策之间的关系具有迫切的现实意义。通过对这一关系的研究，可以帮助公司管理层更好地理解盈利不确定性对股利决策的影响，从而制定更加合理的股利支付政策，平衡公司的短期利益和长期发展需求。同时，也能够为投资者提供更有价值的决策参考，使其在面对复杂的市场环境时，能够更加准确地评估公司的投资价值和风险，做出更加明智的投资选择。1.2研究目的与意义本研究旨在深入剖析盈利不确定性对股利支付政策的影响，通过理论分析与实证研究相结合的方法，揭示二者之间的内在联系和作用机制。具体而言，研究目的主要包括以下几个方面：一是探究盈利不确定性如何影响公司的股利支付决策，包括股利支付水平、支付方式以及支付稳定性等方面；二是分析不同行业、不同规模公司在面对盈利不确定性时，股利支付政策的差异和特点；三是基于研究结果，为公司管理层制定合理的股利支付政策提供理论支持和实践指导，帮助公司在应对盈利不确定性的同时，实现股东利益最大化和公司的可持续发展。本研究具有重要的理论和实践意义。从理论层面来看，有助于丰富和完善公司财务管理理论，进一步深化对盈利不确定性与股利支付政策关系的认识。当前学术界对于股利政策的研究虽然已经取得了丰硕的成果，但在盈利不确定性这一因素对股利政策的影响方面，仍存在一定的研究空白和争议。通过本研究，可以为该领域的研究提供新的视角和实证证据，推动相关理论的发展和完善。从实践层面来说，对公司管理层和投资者都具有重要的指导意义。对于公司管理层而言，能够帮助他们更好地理解盈利不确定性对股利决策的影响，从而在制定股利政策时，充分考虑各种因素，权衡利弊，做出更加合理的决策。合理的股利政策可以增强投资者对公司的信心，稳定公司股价，为公司的长期发展创造良好的外部环境。对于投资者来说，本研究的结果可以为他们的投资决策提供重要参考。投资者可以通过分析公司的盈利不确定性和股利政策，更加准确地评估公司的投资价值和风险，从而做出更加明智的投资选择。二、理论基础与文献综述2.1股利支付政策相关理论2.1.1股利无关论股利无关论，也称MM理论，由美国经济学家弗兰科・莫迪利安尼（FrancoModigliani）和财务学家默顿・米勒（MertonMiller）于1961年提出。该理论认为，在一定的假设条件限定下，股利政策不会对公司的价值或股票的价格产生任何影响。其核心观点是，一个公司的股票价格完全由公司的投资决策的获利能力和风险组合决定，而与公司的利润分配政策无关。股利无关论建立在严格的假设条件之上：一是完美资本市场假设，涵盖买卖双方都是价格接受者，任何一位证券交易者都没有足够的力量通过其交易活动对股票的现行价格产生明显的影响；信息完备，所有的投资者都可以平等地免费获取影响股票价格的任何信息；交易成本为零，证券的发行和买卖等交易活动不存在经纪人费用、交易税和其他交易成本，在利润分配与不分配、或资本利得与股利之间均不存在税负差异。二是理性行为假设，投资者都追求个人财富的最大化，对于增加的财富是以股利形式还是资本利得形式获得并无偏好差异。三是完全确定性假设，市场中的每个投资者都了解每一家公司的投资计划和收益情况，对每一家公司的未来投资机会和利润完全确定。然而在现实世界中，这些假设条件很难得到满足。在资本市场中，信息不对称普遍存在，公司管理层往往比外部投资者掌握更多关于公司经营状况、盈利前景等方面的内部信息。这使得投资者难以像股利无关论假设的那样，平等地免费获取影响股票价格的任何信息。股票的发行和交易也存在费用，包括承销费用、印花税、佣金等，这些成本会对公司的融资决策和投资者的交易行为产生影响。公司或个人所得税的存在也改变了投资者的实际收益，股利收益和资本利得的税收政策不同，会导致投资者在二者之间存在偏好差异。市场环境充满不确定性，投资者无法准确预知公司未来的投资机会和利润，公司的经营决策也会受到各种内外部因素的影响，导致投资计划和收益存在变数。由于这些现实因素与股利无关论的假设条件相差甚远，使得该理论在解释现实中的股利政策时存在一定的局限性，难以全面准确地说明股利政策与公司价值之间的关系。2.1.2股利相关论股利相关论认为，股利政策会对公司的价值或股票价格产生影响，以下介绍几种主要的股利相关理论及其对盈利不确定性与股利支付政策关系的解释。税差理论：该理论由Farrar和Selwyn于1967年提出，其核心观点是，在考虑税收因素的情况下，由于股利收益税率通常高于资本利得税率，且资本利得纳税具有递延性，股东在支付税金的时间上存在差异，股利收益纳税是在收取股利的当时，而资本利得纳税只是在股票出售时才发生。这使得投资者更倾向于获得资本利得而非股利，企业应采取低现金股利比率的分配政策，以提高留存收益再投资的比率，使股东在实现未来的资本利得中享有税收节省。当公司面临盈利不确定性时，从税差理论角度分析，公司可能会进一步降低现金股利支付。因为盈利不确定意味着未来的资金需求和盈利状况难以预测，保留更多的资金用于内部投资可以减少外部融资需求，降低融资成本和风险，同时也能让股东享受资本利得的税收优惠。如果公司在盈利不确定时仍坚持高现金股利支付，可能会导致资金储备不足，在面临投资机会或经营困境时无法及时应对，影响公司的长期发展，进而影响股东的财富。信号传递理论：该理论认为，公司的管理层与外部投资者之间存在信息不对称，公司发放股利的行为可以向外界传递有关公司未来盈利能力和发展前景的信息。高质量的公司往往愿意通过高股利支付向市场传递其良好的经营状况和盈利预期，以吸引投资者，提高公司股价；而低质量的公司则可能不敢轻易提高股利支付，以免未来无法维持，导致股价下跌。当公司盈利存在不确定性时，股利政策的信号传递作用更加关键。如果公司在盈利不确定的情况下仍然维持稳定或增加股利支付，这可能向市场传递出公司管理层对未来盈利有信心的信号，即使当前盈利状况不明朗，但管理层相信通过合理的经营策略和投资决策，未来能够保持盈利水平或实现盈利增长，从而稳定投资者的信心，提升公司股价。反之，如果公司大幅削减股利，可能会被市场解读为公司对未来盈利不乐观，导致投资者对公司失去信心，股价下跌。代理理论：Jensen和Meckling于1976年提出代理成本的概念，代理理论应用于股利政策研究认为，企业存在管理层与股东之间的代理问题。管理层可能会为了自身利益而过度留存利润，进行一些不利于股东财富最大化的投资或在职消费。而支付现金股利可以减少管理层可支配的自由现金流，降低代理成本，从而保护股东的利益。当公司面临盈利不确定性时，代理理论对股利政策有不同的影响。一方面，盈利不确定可能导致管理层为了应对未来可能的资金需求而过度留存利润，增加代理成本。此时，股东可能会要求公司提高股利支付，以约束管理层的行为，减少代理成本。另一方面，如果公司盈利不确定性过高，管理层可能会担心未来资金短缺，即使股东希望高股利支付，管理层也可能会减少股利发放，保留更多资金以应对不确定性，这就可能导致管理层与股东之间的利益冲突加剧。2.2盈利不确定性的界定与度量在学术界，盈利不确定性通常被定义为公司未来盈利水平的不可预测性。这种不可预测性源于多种因素，包括市场环境的变化、行业竞争的加剧、技术创新的速度以及公司内部经营管理的有效性等。公司盈利不确定性会使公司未来的盈利水平存在多种可能性，且这些可能性难以准确预测和评估。从本质上讲，盈利不确定性反映了公司在经营过程中面临的风险和挑战，它不仅影响公司的财务状况和经营成果，还会对公司的决策制定、投资者的信心以及市场对公司的评价产生重要影响。为了深入研究盈利不确定性对股利支付政策的影响，需要对盈利不确定性进行准确度量。在现有研究中，常用的度量方法主要包括以下几种：盈利的波动性：盈利波动性是衡量盈利不确定性的一种常用方法，它通过计算公司过去一段时间内盈利的标准差或方差来反映盈利的变化程度。标准差或方差越大，说明盈利的波动越大，盈利不确定性也就越高。这种方法的优点是计算简单，数据容易获取，能够直观地反映盈利的稳定性。它仅基于历史数据进行计算，无法充分考虑未来市场环境的变化和公司战略调整等因素对盈利不确定性的影响。历史盈利波动较小并不代表未来盈利不确定性低，市场的突然变化或公司的重大决策可能导致未来盈利出现较大波动。分析师盈利预测分歧度：该方法通过衡量分析师对公司未来盈利预测的差异程度来度量盈利不确定性。分析师在对公司进行研究和分析后，会给出对公司未来盈利的预测值。如果不同分析师的预测值之间差异较大，说明市场对公司未来盈利的看法存在较大分歧，盈利不确定性较高。这种方法能够综合考虑市场各方对公司未来盈利的预期，更全面地反映盈利不确定性。分析师的预测可能受到主观因素的影响，如个人的分析能力、信息掌握程度以及对市场趋势的判断等，导致预测分歧度不能完全准确地反映盈利不确定性。基于期权定价模型的隐含波动率：这种方法将公司的股票看作是一种期权，利用期权定价模型来计算股票价格的隐含波动率，从而间接衡量盈利不确定性。隐含波动率反映了市场对公司未来股票价格波动的预期，而股票价格波动与公司盈利密切相关，因此可以通过隐含波动率来推断盈利不确定性。该方法考虑了市场对公司未来风险的预期，具有前瞻性。期权定价模型的假设条件较为严格，在实际应用中可能存在一定的局限性，且计算过程相对复杂，对数据的要求较高。不同的盈利不确定性度量方法各有优缺点，在实际研究中，应根据研究目的和数据可得性等因素，选择合适的度量方法，以更准确地衡量盈利不确定性，为后续研究盈利不确定性与股利支付政策的关系奠定基础。2.3文献综述国外学者对盈利不确定性与股利支付政策的关系研究起步较早，成果丰富。Fama和French（2001）研究发现，盈利不确定性较高的公司倾向于降低股利支付水平，以保留更多资金应对未来的不确定性。他们认为，在盈利不确定的情况下，公司面临更多的投资机会和资金需求，为了避免因资金短缺而错失投资机会或陷入财务困境，公司会减少股利发放，将资金用于内部投资或储备。Brav等（2005）通过对美国上市公司的调查研究表明，公司管理层在制定股利政策时，会将盈利不确定性作为重要的考虑因素。当盈利不确定性增加时，管理层会更加谨慎地调整股利政策，避免过度承诺股利支付，以免未来无法维持，损害公司声誉和股东利益。近年来，国内学者也对这一领域展开了深入研究。李常青（2018）通过对我国上市公司的数据进行实证分析，发现盈利不确定性与股利支付率之间存在显著的负相关关系。盈利不确定性越高，公司的股利支付率越低。这是因为盈利不确定使得公司未来的现金流不稳定，为了保证公司的正常运营和发展，公司会减少股利分配，留存更多资金。赵冬青和朱武祥（2019）研究指出，在我国资本市场环境下，盈利不确定性不仅影响公司的股利支付水平，还会影响股利政策的稳定性。盈利不确定性较高的公司，其股利政策更容易出现波动，难以保持稳定的股利支付，这可能会影响投资者对公司的信心和预期。综合来看，已有研究在盈利不确定性对股利支付政策的影响方面取得了一定的成果，大多数学者认为盈利不确定性会导致公司降低股利支付水平，使股利政策更加谨慎和不稳定。然而，现有研究仍存在一些不足之处。部分研究在度量盈利不确定性时，仅采用单一指标，可能无法全面准确地反映盈利不确定性的内涵，导致研究结果存在一定偏差。不同学者在研究中所选取的样本和研究方法存在差异，使得研究结果之间缺乏可比性，难以形成统一的结论。现有研究主要关注盈利不确定性对股利支付水平和稳定性的影响，对于盈利不确定性如何影响股利支付方式（如现金股利、股票股利、股票回购等）以及不同行业、不同规模公司在应对盈利不确定性时股利政策的异质性研究相对较少，有待进一步深入探讨。三、盈利不确定性对股利支付政策的影响机制3.1理论分析从信号传递理论来看，盈利不确定性使得公司未来的盈利状况充满未知，投资者难以准确判断公司的真实价值。在这种情况下，股利政策作为一种重要的信号传递工具，其作用更加凸显。当公司盈利不确定性较高时，如果公司依然维持稳定的股利支付，这就向市场传递出公司管理层对未来盈利有信心的积极信号。管理层相信通过自身的努力和公司的战略布局，能够克服当前的不确定性，保持公司的盈利水平，因此有能力持续向股东支付股利。这种信号可以增强投资者对公司的信心，吸引更多投资者关注和投资公司股票，从而稳定公司股价。相反，如果公司因为盈利不确定性而大幅削减股利，市场可能会解读为公司管理层对未来盈利前景感到悲观，认为公司面临较大的经营风险和挑战，难以维持当前的盈利水平，这将导致投资者对公司的信心下降，纷纷抛售股票，进而引发公司股价下跌。在风险规避理论下，盈利不确定性增加了公司未来经营的风险，公司管理层和股东都具有风险规避的倾向。对于管理层而言，为了降低公司面临的风险，保障公司的稳定运营，他们在制定股利政策时会更加谨慎。当盈利不确定性较高时，管理层可能会减少股利支付，将更多的资金保留在公司内部。这些资金可以作为应对未来不确定性的储备，用于满足公司可能出现的资金需求，如投资新的项目、偿还债务、应对市场波动等，以降低公司因资金短缺而陷入财务困境的风险。从股东角度来看，他们也希望公司能够采取稳健的股利政策，以保障自己的投资收益。当公司盈利不确定性增加时，股东更倾向于公司保留一定的资金，以增强公司的抗风险能力，确保公司在未来能够持续盈利并支付股利，而不是追求当前较高的股利分配，承担公司因过度分配股利而面临的经营风险。盈利不确定性还会影响公司的资金需求，进而影响股利支付政策。当公司面临盈利不确定性时，未来的资金需求变得难以预测。一方面，公司可能会面临更多的投资机会，需要大量资金进行投资以实现业务拓展和增长。但由于盈利不确定性，公司难以准确评估这些投资项目的收益和风险，也不确定未来能否获得足够的盈利来支持投资。为了避免因资金不足而错失投资机会，公司会减少股利支付，保留更多的资金用于内部投资。另一方面，盈利不确定性可能导致公司的经营风险增加，为了应对可能出现的经营困境，如市场需求下降、成本上升等，公司需要储备一定的资金。这些资金可以在公司面临困难时维持正常的生产经营活动，保障公司的生存和发展。因此，在盈利不确定性较高的情况下，公司通常会降低股利支付水平，以满足未来不确定的资金需求。3.2影响因素分析3.2.1公司内部因素公司规模在盈利不确定性与股利支付政策关系中扮演着重要的调节角色。通常，规模较大的公司拥有更广泛的业务领域、更丰富的资源和更强的抗风险能力。在面对盈利不确定性时，大公司凭借其多元化的业务布局和雄厚的资金实力，能够更好地应对市场波动，维持相对稳定的盈利水平。大型跨国公司往往在多个国家和地区开展业务，不同地区的市场需求和经济环境差异可以相互抵消部分风险，使得公司整体盈利受单一因素的影响较小。这使得大公司在盈利不确定的情况下，更有能力保持稳定的股利支付，向市场传递公司经营状况良好、财务稳健的信号，增强投资者信心。相比之下，小型公司资源有限，业务相对单一，对市场变化的敏感度较高，盈利不确定性对其影响更为显著。在面临盈利不确定性时，小公司可能会优先考虑保留资金用于维持运营和业务拓展，以应对潜在的风险和挑战，从而减少股利支付。小型科技创业公司在发展初期，由于技术研发投入大、市场前景不明朗，盈利不确定性较高，为了保证公司的生存和发展，通常会将大部分利润留存用于技术研发和市场开拓，很少支付股利。资产负债率反映了公司的债务负担和偿债能力，对盈利不确定性与股利支付政策的关系也有重要影响。当公司资产负债率较高时，意味着公司面临较大的债务偿还压力，财务风险增加。在盈利不确定性的情况下，公司为了确保有足够的资金偿还债务，避免陷入财务困境，会更加谨慎地制定股利政策。公司可能会减少股利支付，将更多的资金用于偿还债务或储备，以降低财务风险。如果公司在资产负债率较高且盈利不确定时仍坚持高股利支付，可能会导致资金链紧张，增加违约风险，对公司的信誉和未来发展产生严重负面影响。相反，资产负债率较低的公司财务状况较为稳健，偿债能力较强，在面对盈利不确定性时，有更多的资金灵活性来维持股利支付。这类公司可以通过调整资金配置，在保证财务安全的前提下，向股东支付一定的股利，以回报股东的投资，增强股东对公司的信心。公司的成长性是影响盈利不确定性与股利支付政策关系的另一个重要内部因素。处于高成长阶段的公司通常具有较多的投资机会，需要大量资金用于扩大生产规模、研发新产品、开拓新市场等。在盈利不确定性较高的情况下，公司为了抓住投资机会，实现快速发展，往往会保留更多的利润用于内部投资，减少股利支付。科技行业的高成长公司，如一些人工智能、新能源企业，由于技术更新换代快，市场竞争激烈，需要持续投入大量资金进行研发和市场拓展，即使公司盈利状况良好，也可能会因为未来的投资需求而降低股利支付率。而成熟型公司发展速度相对较慢，投资机会相对较少，盈利相对稳定。在面对盈利不确定性时，成熟型公司可能会更注重股东的利益回报，维持相对稳定的股利支付政策。传统制造业的成熟企业，市场份额相对稳定，业务增长缓慢，在盈利不确定时，为了稳定投资者信心，可能会优先保证股利的稳定发放。现金流状况是公司制定股利政策的重要依据，对盈利不确定性与股利支付政策的关系有着直接影响。当公司现金流状况良好时，即使面临盈利不确定性，也有足够的资金来支付股利。稳定的现金流可以为公司的股利支付提供保障，使公司在盈利不确定的情况下，仍能向股东传递积极的信号，增强投资者对公司的信心。现金流充裕的公司可以利用现金储备来应对市场波动，维持正常的生产经营活动和股利支付。如果公司现金流紧张，盈利不确定性又增加了未来现金流的不确定性，公司为了保证自身的生存和运营，可能会大幅削减甚至暂停股利支付。在经济不景气时期，一些公司由于销售下滑，应收账款回收困难，导致现金流紧张，即使盈利状况尚可，也可能会减少股利发放，以确保有足够的资金维持日常运营。3.2.2外部环境因素宏观经济环境的变化对公司的盈利状况和股利支付政策有着显著影响。在经济繁荣时期，市场需求旺盛，公司的销售收入和利润往往会增加，盈利不确定性相对较低。此时，公司可能会提高股利支付水平，以回报股东的投资，分享经济增长的成果。在经济繁荣期，消费者购买力增强，企业订单增加，生产经营活动顺利，盈利状况良好，有更多的资金用于股利分配。同时，经济繁荣也会使投资者对市场充满信心，对公司的未来发展预期较高，公司提高股利支付可以进一步增强投资者的信心，提升公司股价。相反，在经济衰退时期，市场需求萎缩，公司面临销售困难、成本上升等问题，盈利不确定性大幅增加。为了应对不确定性，保持资金流动性，公司通常会减少股利支付，将资金用于维持运营和应对风险。经济衰退期，企业可能会面临产品滞销、库存积压等问题，销售收入下降，盈利受到影响，此时公司会更加谨慎地管理资金，减少股利发放，以确保有足够的资金度过难关。行业竞争程度是影响盈利不确定性与股利支付政策关系的重要外部因素之一。在竞争激烈的行业中，公司为了保持竞争力，需要不断投入资金进行技术创新、产品升级、市场拓展等。这使得公司的资金需求大幅增加，同时盈利不确定性也相应提高。在智能手机市场，各大品牌之间竞争激烈，为了推出具有竞争力的新产品，企业需要投入大量资金进行研发和市场推广，导致盈利不确定性增加。在这种情况下，公司可能会减少股利支付，将资金用于提升自身竞争力，以应对市场竞争的挑战。如果公司在竞争激烈的行业中仍然坚持高股利支付，可能会导致资金不足，无法满足技术创新和市场拓展的需求，从而在竞争中处于劣势。而在竞争相对缓和的行业，公司的市场份额相对稳定，盈利不确定性较低，有更多的资金用于股利分配，可能会维持相对较高的股利支付水平。一些垄断性行业或具有较强品牌优势的行业，企业面临的竞争压力较小，盈利相对稳定，在盈利不确定时，也能保持相对稳定的股利政策。税收政策对公司的股利支付政策有着直接的影响。不同的税收政策会改变公司和股东的实际收益，从而影响公司的股利决策。在一些国家和地区，对股利收入征收较高的税率，而对资本利得征收较低的税率。这种税收差异会使股东更倾向于公司采取低股利支付政策，通过资本增值来获得收益。公司为了满足股东的利益诉求，也会相应减少股利支付，增加留存收益，用于内部投资或其他资本运作，以实现股东财富最大化。相反，如果税收政策对股利收入给予一定的优惠，公司可能会更倾向于提高股利支付水平，以吸引投资者。政府为了鼓励企业分红，可能会降低股利收入的税率，这将促使公司增加股利分配，提高股东的实际收益。四、研究设计与数据来源4.1研究假设基于前文的理论分析和文献综述，提出以下关于盈利不确定性对股利支付政策影响的研究假设：假设1：盈利不确定性与股利支付水平呈负相关关系。当公司面临较高的盈利不确定性时，为了保留足够的资金应对未来的不确定性和潜在风险，公司会倾向于降低股利支付水平，将更多的利润留存于公司内部。假设2：盈利不确定性与股利支付稳定性呈负相关关系。盈利不确定性增加了公司未来盈利的不可预测性，使得公司难以维持稳定的股利支付。在盈利不确定的情况下，公司可能会根据盈利状况的波动而频繁调整股利支付，导致股利支付稳定性下降。假设3：公司规模在盈利不确定性与股利支付政策关系中起调节作用。规模较大的公司具有更强的抗风险能力和资源整合能力，在面对盈利不确定性时，更有能力保持相对稳定的股利支付政策；而规模较小的公司受盈利不确定性的影响更大，股利支付政策的调整更为频繁。假设4：资产负债率在盈利不确定性与股利支付政策关系中起调节作用。资产负债率较高的公司面临较大的偿债压力，在盈利不确定性增加时，会更加谨慎地制定股利政策，减少股利支付以确保资金用于偿债；资产负债率较低的公司财务状况相对稳健，在盈利不确定时，对股利支付政策的调整相对较小。假设5：公司成长性在盈利不确定性与股利支付政策关系中起调节作用。高成长性公司通常有较多的投资机会，在盈利不确定性较高时，会更倾向于保留利润用于投资，减少股利支付；而成熟型公司投资机会相对较少，在盈利不确定时，更注重股东回报，可能会维持相对稳定的股利支付政策。假设6：宏观经济环境在盈利不确定性与股利支付政策关系中起调节作用。在经济繁荣时期，公司盈利不确定性相对较低，即使面临一定的盈利不确定性，也更有能力维持或提高股利支付水平；在经济衰退时期，公司盈利不确定性增加，为了应对风险，会普遍降低股利支付水平。假设7：行业竞争程度在盈利不确定性与股利支付政策关系中起调节作用。竞争激烈的行业中，公司面临的盈利不确定性更高，为了提升竞争力和应对不确定性，会减少股利支付，将资金用于技术创新和市场拓展；而竞争相对缓和的行业，公司盈利相对稳定，在盈利不确定时，对股利支付政策的调整幅度较小。4.2变量选取与模型构建4.2.1变量选取被解释变量：选择股利支付率（DPR）作为衡量股利支付政策的指标，其计算公式为：DPR=每股股利/每股收益×100%。股利支付率能够直观地反映公司将盈利以股利形式分配给股东的比例，该比例越高，表明公司的股利支付水平越高，股东获得的现金回报越多；反之，则说明公司留存的利润较多，用于再投资或其他用途的资金相对充足。解释变量：采用过去5年净利润的标准差（SD_E）来度量盈利不确定性。标准差是一种衡量数据离散程度的统计指标，在盈利不确定性的度量中，过去5年净利润的标准差越大，意味着公司净利润在这5年中的波动越大，未来盈利的不可预测性也就越高，即盈利不确定性越高；反之，标准差越小，盈利相对越稳定，盈利不确定性越低。控制变量：选取公司规模（Size），以期末总资产的自然对数来衡量，公司规模越大，通常意味着其资源越丰富、抗风险能力越强，对股利支付政策可能产生影响；资产负债率（Lev），计算公式为总负债/总资产，用于反映公司的债务负担和偿债能力，资产负债率的高低会影响公司的财务风险和资金成本，进而影响股利支付决策；成长性（Growth），用营业收入增长率表示，即（本期营业收入-上期营业收入）/上期营业收入×100%，公司的成长性反映了其业务扩张和发展的潜力，高成长性公司往往需要更多资金用于投资，可能会对股利支付政策产生影响；股权集中度（Top1），以第一大股东持股比例来衡量，股权集中度会影响公司的决策权力分配和利益格局，对股利支付政策也可能存在影响。4.2.2模型构建为了检验盈利不确定性对股利支付政策的影响，构建如下多元线性回归模型：DPR_{i,t}=\beta_0+\beta_1SD\_E_{i,t}+\beta_2Size_{i,t}+\beta_3Lev_{i,t}+\beta_4Growth_{i,t}+\beta_5Top1_{i,t}+\varepsilon_{i,t}其中，DPR_{i,t}表示第i家公司在第t期的股利支付率；SD\_E_{i,t}表示第i家公司在第t期的盈利不确定性，即过去5年净利润的标准差；Size_{i,t}、Lev_{i,t}、Growth_{i,t}、Top1_{i,t}分别表示第i家公司在第t期的公司规模、资产负债率、成长性和股权集中度；\beta_0为截距项，\beta_1至\beta_5为各变量的回归系数，\varepsilon_{i,t}为随机误差项。该模型的设定依据在于，通过将股利支付率作为被解释变量，盈利不确定性作为核心解释变量，同时控制公司规模、资产负债率、成长性和股权集中度等可能影响股利支付政策的因素，能够较为全面地考察盈利不确定性对股利支付政策的影响。在控制其他因素不变的情况下，\beta_1的正负和显著性水平将反映盈利不确定性与股利支付率之间的关系。若\beta_1显著为负，则支持假设1，即盈利不确定性与股利支付水平呈负相关关系；反之，若\beta_1显著为正，则表明二者呈正相关关系；若\beta_1不显著，则说明盈利不确定性对股利支付水平无显著影响。4.3数据来源与样本选择本研究的数据主要来源于国泰安数据库（CSMAR）和万得数据库（Wind）。这两个数据库是国内金融和经济领域中广泛使用的专业数据库，它们涵盖了丰富的上市公司数据，包括财务报表数据、市场交易数据、公司治理数据等，数据的完整性和准确性较高，能够为本研究提供可靠的数据支持。样本的筛选标准和过程如下：选取2015-2024年在沪深两市A股上市的公司作为初始样本，这一时间段的选择考虑到了数据的时效性和稳定性，能够反映近年来市场环境的变化以及公司盈利不确定性和股利支付政策的情况。剔除ST、PT公司，因为这类公司通常财务状况异常，经营业绩较差，面临较大的退市风险，其盈利状况和股利政策可能与正常公司存在较大差异，将其纳入样本可能会对研究结果产生干扰，影响研究结论的准确性。剔除金融行业公司，金融行业具有独特的经营模式、监管要求和财务特征，其盈利来源和风险因素与其他行业有很大不同，例如金融行业的主要业务是资金融通和风险管理，其盈利受利率、汇率、信用风险等因素影响较大，而一般行业公司的盈利主要来源于产品销售和服务提供。因此，为了保证样本的同质性和研究结果的可比性，将金融行业公司排除在外。剔除数据缺失严重的公司，对于在关键变量（如盈利不确定性、股利支付率、公司规模、资产负债率等）上存在大量缺失值的公司，予以剔除。因为数据缺失可能导致样本偏差，影响实证分析的结果和结论的可靠性。经过上述筛选过程，最终得到了[X]个有效样本，这些样本公司涵盖了多个行业，具有一定的代表性，能够较好地用于研究盈利不确定性对股利支付政策的影响。五、实证结果与分析5.1描述性统计对样本数据中的主要变量进行描述性统计，结果如表1所示：变量观测值均值标准差最小值最大值股利支付率（DPR）[X][均值DPR][标准差DPR][最小值DPR][最大值DPR]盈利不确定性（SD_E）[X][均值SD_E][标准差SD_E][最小值SD_E][最大值SD_E]公司规模（Size）[X][均值Size][标准差Size][最小值Size][最大值Size]资产负债率（Lev）[X][均值Lev][标准差Lev][最小值Lev][最大值Lev]成长性（Growth）[X][均值Growth][标准差Growth][最小值Growth][最大值Growth]股权集中度（Top1）[X][均值Top1][标准差Top1][最小值Top1][最大值Top1]从表1可以看出，股利支付率的均值为[均值DPR]，表明样本公司平均将[均值DPR]%的净利润以股利形式分配给股东，但标准差为[标准差DPR]，说明不同公司之间的股利支付率存在较大差异。最小值为[最小值DPR]，可能是一些公司由于盈利不佳或资金需求较大等原因，几乎不支付股利；最大值为[最大值DPR]，这可能是某些盈利丰厚且资金充裕的公司，为了回报股东而进行了较高比例的股利分配。盈利不确定性（SD_E）的均值为[均值SD_E]，标准差为[标准差SD_E]，说明样本公司的盈利不确定性水平存在一定的离散度。最小值[最小值SD_E]表明部分公司的盈利相对稳定，波动较小；而最大值[最大值SD_E]则显示少数公司的盈利波动非常大，未来盈利的不可预测性较高。公司规模（Size）以期末总资产的自然对数衡量，均值为[均值Size]，反映了样本公司整体规模的平均水平。标准差[标准差Size]说明公司规模在样本中存在明显差异，既有规模较大的公司，也有规模较小的公司。资产负债率（Lev）的均值为[均值Lev]，表明样本公司平均的债务负担处于[具体描述，如适中或较高等]水平。标准差[标准差Lev]显示不同公司之间的债务负担差异较大，资产负债率的最小值[最小值Lev]和最大值[最大值Lev]进一步体现了这种差异。成长性（Growth）用营业收入增长率表示，均值为[均值Growth]，反映了样本公司整体的业务扩张速度。标准差[标准差Growth]说明公司之间的成长性参差不齐，最小值[最小值Growth]可能代表一些公司业务萎缩，而最大值[最大值Growth]则表示部分公司业务增长迅速。股权集中度（Top1）的均值为[均值Top1]，标准差为[标准差Top1]，表明样本公司的股权集中度存在一定的分布范围，不同公司的第一大股东持股比例有所不同。最小值[最小值Top1]和最大值[最大值Top1]体现了股权集中度的极端情况，可能对公司的决策和治理产生不同的影响。5.2相关性分析对各变量进行Pearson相关性分析，结果如表2所示：变量DPRSD_ESizeLevGrowthTop1DPR1SD_E[相关系数SD_E与DPR]1Size[相关系数Size与DPR][相关系数Size与SD_E]1Lev[相关系数Lev与DPR][相关系数Lev与SD_E][相关系数Lev与Size]1Growth[相关系数Growth与DPR][相关系数Growth与SD_E][相关系数Growth与Size][相关系数Growth与Lev]1Top1[相关系数Top1与DPR][相关系数Top1与SD_E][相关系数Top1与Size][相关系数Top1与Lev][相关系数Top1与Growth]1从表2可以看出，盈利不确定性（SD_E）与股利支付率（DPR）的相关系数为[相关系数SD_E与DPR]，且在[具体显著性水平]上显著负相关，初步验证了假设1，即盈利不确定性与股利支付水平呈负相关关系。这表明当公司盈利不确定性增加时，股利支付率有降低的趋势，与理论预期相符。公司规模（Size）与股利支付率（DPR）的相关系数为[相关系数Size与DPR]，在[具体显著性水平]上显著正相关，说明公司规模越大，越倾向于支付较高的股利。这可能是因为大公司通常具有更稳定的盈利能力和现金流，有能力为股东提供较高的回报，同时也希望通过稳定的股利支付来提升公司形象和市场声誉。资产负债率（Lev）与股利支付率（DPR）的相关系数为[相关系数Lev与DPR]，在[具体显著性水平]上显著负相关，表明资产负债率越高，公司的股利支付率越低。这是由于高资产负债率意味着公司面临较大的偿债压力，需要保留更多资金用于偿还债务，从而减少了可用于股利分配的资金。成长性（Growth）与股利支付率（DPR）的相关系数为[相关系数Growth与DPR]，在[具体显著性水平]上显著负相关，说明成长性较高的公司，更倾向于将利润留存用于投资，以支持业务的扩张和发展，进而降低了股利支付率。股权集中度（Top1）与股利支付率（DPR）的相关系数为[相关系数Top1与DPR]，在[具体显著性水平]上无显著相关性，表明股权集中度对股利支付率的影响不明显。可能的原因是，虽然第一大股东持股比例会影响公司的决策，但在股利政策的制定上，还受到其他多种因素的综合影响，使得股权集中度与股利支付率之间的关系并不直接。通过观察各解释变量之间的相关系数，发现最大的相关系数绝对值为[最大相关系数绝对值]，均小于0.8，初步判断各变量之间不存在严重的多重共线性问题。为了进一步准确判断是否存在多重共线性，后续将进行方差膨胀因子（VIF）检验。相关性分析为后续的回归分析奠定了基础，通过分析各变量之间的关系，能够更准确地理解盈利不确定性与股利支付政策之间的联系，以及其他控制变量对股利支付政策的影响。5.3回归结果分析5.3.1整体回归结果对构建的多元线性回归模型进行估计，得到的回归结果如表3所示：|变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||SD_E|[系数SD_E]|[标准误SD_E]|[t值SD_E]|[P值SD_E]|[下限SD_E，上限SD_E]||Size|[系数Size]|[标准误Size]|[t值Size]|[P值Size]|[下限Size，上限Size]||Lev|[系数Lev]|[标准误Lev]|[t值Lev]|[P值Lev]|[下限Lev，上限Lev]||Growth|[系数Growth]|[标准误Growth]|[t值Growth]|[P值Growth]|[下限Growth，上限Growth]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||SD_E|[系数SD_E]|[标准误SD_E]|[t值SD_E]|[P值SD_E]|[下限SD_E，上限SD_E]||Size|[系数Size]|[标准误Size]|[t值Size]|[P值Size]|[下限Size，上限Size]||Lev|[系数Lev]|[标准误Lev]|[t值Lev]|[P值Lev]|[下限Lev，上限Lev]||Growth|[系数Growth]|[标准误Growth]|[t值Growth]|[P值Growth]|[下限Growth，上限Growth]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||----|----|----|----|----|----||SD_E|[系数SD_E]|[标准误SD_E]|[t值SD_E]|[P值SD_E]|[下限SD_E，上限SD_E]||Size|[系数Size]|[标准误Size]|[t值Size]|[P值Size]|[下限Size，上限Size]||Lev|[系数Lev]|[标准误Lev]|[t值Lev]|[P值Lev]|[下限Lev，上限Lev]||Growth|[系数Growth]|[标准误Growth]|[t值Growth]|[P值Growth]|[下限Growth，上限Growth]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||SD_E|[系数SD_E]|[标准误SD_E]|[t值SD_E]|[P值SD_E]|[下限SD_E，上限SD_E]||Size|[系数Size]|[标准误Size]|[t值Size]|[P值Size]|[下限Size，上限Size]||Lev|[系数Lev]|[标准误Lev]|[t值Lev]|[P值Lev]|[下限Lev，上限Lev]||Growth|[系数Growth]|[标准误Growth]|[t值Growth]|[P值Growth]|[下限Growth，上限Growth]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||Size|[系数Size]|[标准误Size]|[t值Size]|[P值Size]|[下限Size，上限Size]||Lev|[系数Lev]|[标准误Lev]|[t值Lev]|[P值Lev]|[下限Lev，上限Lev]||Growth|[系数Growth]|[标准误Growth]|[t值Growth]|[P值Growth]|[下限Growth，上限Growth]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||Lev|[系数Lev]|[标准误Lev]|[t值Lev]|[P值Lev]|[下限Lev，上限Lev]||Growth|[系数Growth]|[标准误Growth]|[t值Growth]|[P值Growth]|[下限Growth，上限Growth]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||Growth|[系数Growth]|[标准误Growth]|[t值Growth]|[P值Growth]|[下限Growth，上限Growth]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||Top1|[系数Top1]|[标准误Top1]|[t值Top1]|[P值Top1]|[下限Top1，上限Top1]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]||cons|[截距系数]|[截距标准误]|[截距t值]|[截距P值]|[下限截距，上限截距]|从表3的回归结果可以看出，盈利不确定性（SD_E）的系数为[系数SD_E]，且在[具体显著性水平]上显著为负。这表明盈利不确定性与股利支付率之间存在显著的负相关关系，即随着盈利不确定性的增加，公司的股利支付率显著降低，从而验证了假设1。当公司面临较高的盈利不确定性时，为了保留足够的资金以应对未来可能出现的风险和不确定性，公司管理层会减少股利的发放，将更多的资金留存于公司内部，用于维持公司的运营、投资新项目或偿还债务等。公司规模（Size）的系数为[系数Size]，在[具体显著性水平]上显著为正，说明公司规模越大，股利支付率越高。大公司通常具有更稳定的盈利能力和现金流，拥有更丰富的资源和更强的抗风险能力，能够更好地应对市场波动，维持相对稳定的盈利水平。这使得大公司在盈利不确定的情况下，更有能力保持稳定的股利支付，向市场传递公司经营状况良好、财务稳健的信号，增强投资者信心。资产负债率（Lev）的系数为[系数Lev]，在[具体显著性水平]上显著为负，意味着资产负债率越高，公司的股利支付率越低。资产负债率较高的公司面临较大的偿债压力，在盈利不确定性增加时，会更加谨慎地制定股利政策，减少股利支付以确保资金用于偿债，降低财务风险。如果公司在高资产负债率且盈利不确定时仍坚持高股利支付，可能会导致资金链紧张，增加违约风险，对公司的信誉和未来发展产生严重负面影响。成长性（Growth）的系数为[系数Growth]，在[具体显著性水平]上显著为负，表明成长性较高的公司，更倾向于将利润留存用于投资，以支持业务的扩张和发展，进而降低了股利支付率。处于高成长阶段的公司通常具有较多的投资机会，需要大量资金用于扩大生产规模、研发新产品、开拓新市场等。在盈利不确定性较高的情况下，公司为了抓住投资机会，实现快速发展，往往会保留更多的利润用于内部投资，减少股利支付。股权集中度（Top1）的系数为[系数Top1]，在[具体显著性水平]上不显著，说明股权集中度对股利支付率的影响不明显。虽然第一大股东持股比例会影响公司的决策，但在股利政策的制定上，还受到其他多种因素的综合影响，使得股权集中度与股利支付率之间的关系并不直接。5.3.2分组回归分析为了进一步探讨不同情况下盈利不确定性对股利支付政策影响的差异，根据公司规模、行业类型等因素对样本进行分组，进行分组回归分析。按公司规模分组：以样本公司总资产的中位数为界，将样本分为大规模公司组和小规模公司组。对两组分别进行回归，结果如表4所示：|变量|大规模公司组系数|大规模公司组标准误|大规模公司组t值|大规模公司组P>|t||小规模公司组系数|小规模公司组标准误|小规模公司组t值|小规模公司组P>|t|||----|----|----|----|----|----|----|----|----||SD_E|[大规模公司组系数SD_E]|[大规模公司组标准误SD_E]|[大规模公司组t值SD_E]|[大规模公司组P值SD_E]|[小规模公司组系数SD_E]|[小规模公司组标准误SD_E]|[小规模公司组t值SD_E]|[小规模公司组P值SD_E]||Size|[大规模公司组系数Size]|[大规模公司组标准误Size]|[大规模公司组t值Size]|[大规模公司组P值Size]|[小规模公司组系数Size]|[小规模公司组标准误Size]|[小规模公司组t值Size]|[小规模公司组P值Size]||Lev|[大规模公司组系数Lev]|[大规模公司组标准误Lev]|[大规模公司组t值Lev]|[大规模公司组P值Lev]|[小规模公司组系数Lev]|[小规模公司组标准误Lev]|[小规模公司组t值Lev]|[小规模公司组P值Lev]||Growth|[大规模公司组系数Growth]|[大规模公司组标准误Growth]|[大规模公司组t值Growth]|[大规模公司组P值Growth]|[小规模公司组系数Growth]|[小规模公司组标准误Growth]|[小规模公司组t值Growth]|[小规模公司组P值Growth]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||变量|大规模公司组系数|大规模公司组标准误|大规模公司组t值|大规模公司组P>|t||小规模公司组系数|小规模公司组标准误|小规模公司组t值|小规模公司组P>|t|||----|----|----|----|----|----|----|----|----||SD_E|[大规模公司组系数SD_E]|[大规模公司组标准误SD_E]|[大规模公司组t值SD_E]|[大规模公司组P值SD_E]|[小规模公司组系数SD_E]|[小规模公司组标准误SD_E]|[小规模公司组t值SD_E]|[小规模公司组P值SD_E]||Size|[大规模公司组系数Size]|[大规模公司组标准误Size]|[大规模公司组t值Size]|[大规模公司组P值Size]|[小规模公司组系数Size]|[小规模公司组标准误Size]|[小规模公司组t值Size]|[小规模公司组P值Size]||Lev|[大规模公司组系数Lev]|[大规模公司组标准误Lev]|[大规模公司组t值Lev]|[大规模公司组P值Lev]|[小规模公司组系数Lev]|[小规模公司组标准误Lev]|[小规模公司组t值Lev]|[小规模公司组P值Lev]||Growth|[大规模公司组系数Growth]|[大规模公司组标准误Growth]|[大规模公司组t值Growth]|[大规模公司组P值Growth]|[小规模公司组系数Growth]|[小规模公司组标准误Growth]|[小规模公司组t值Growth]|[小规模公司组P值Growth]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||----|----|----|----|----|----|----|----|----||SD_E|[大规模公司组系数SD_E]|[大规模公司组标准误SD_E]|[大规模公司组t值SD_E]|[大规模公司组P值SD_E]|[小规模公司组系数SD_E]|[小规模公司组标准误SD_E]|[小规模公司组t值SD_E]|[小规模公司组P值SD_E]||Size|[大规模公司组系数Size]|[大规模公司组标准误Size]|[大规模公司组t值Size]|[大规模公司组P值Size]|[小规模公司组系数Size]|[小规模公司组标准误Size]|[小规模公司组t值Size]|[小规模公司组P值Size]||Lev|[大规模公司组系数Lev]|[大规模公司组标准误Lev]|[大规模公司组t值Lev]|[大规模公司组P值Lev]|[小规模公司组系数Lev]|[小规模公司组标准误Lev]|[小规模公司组t值Lev]|[小规模公司组P值Lev]||Growth|[大规模公司组系数Growth]|[大规模公司组标准误Growth]|[大规模公司组t值Growth]|[大规模公司组P值Growth]|[小规模公司组系数Growth]|[小规模公司组标准误Growth]|[小规模公司组t值Growth]|[小规模公司组P值Growth]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||SD_E|[大规模公司组系数SD_E]|[大规模公司组标准误SD_E]|[大规模公司组t值SD_E]|[大规模公司组P值SD_E]|[小规模公司组系数SD_E]|[小规模公司组标准误SD_E]|[小规模公司组t值SD_E]|[小规模公司组P值SD_E]||Size|[大规模公司组系数Size]|[大规模公司组标准误Size]|[大规模公司组t值Size]|[大规模公司组P值Size]|[小规模公司组系数Size]|[小规模公司组标准误Size]|[小规模公司组t值Size]|[小规模公司组P值Size]||Lev|[大规模公司组系数Lev]|[大规模公司组标准误Lev]|[大规模公司组t值Lev]|[大规模公司组P值Lev]|[小规模公司组系数Lev]|[小规模公司组标准误Lev]|[小规模公司组t值Lev]|[小规模公司组P值Lev]||Growth|[大规模公司组系数Growth]|[大规模公司组标准误Growth]|[大规模公司组t值Growth]|[大规模公司组P值Growth]|[小规模公司组系数Growth]|[小规模公司组标准误Growth]|[小规模公司组t值Growth]|[小规模公司组P值Growth]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||Size|[大规模公司组系数Size]|[大规模公司组标准误Size]|[大规模公司组t值Size]|[大规模公司组P值Size]|[小规模公司组系数Size]|[小规模公司组标准误Size]|[小规模公司组t值Size]|[小规模公司组P值Size]||Lev|[大规模公司组系数Lev]|[大规模公司组标准误Lev]|[大规模公司组t值Lev]|[大规模公司组P值Lev]|[小规模公司组系数Lev]|[小规模公司组标准误Lev]|[小规模公司组t值Lev]|[小规模公司组P值Lev]||Growth|[大规模公司组系数Growth]|[大规模公司组标准误Growth]|[大规模公司组t值Growth]|[大规模公司组P值Growth]|[小规模公司组系数Growth]|[小规模公司组标准误Growth]|[小规模公司组t值Growth]|[小规模公司组P值Growth]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||Lev|[大规模公司组系数Lev]|[大规模公司组标准误Lev]|[大规模公司组t值Lev]|[大规模公司组P值Lev]|[小规模公司组系数Lev]|[小规模公司组标准误Lev]|[小规模公司组t值Lev]|[小规模公司组P值Lev]||Growth|[大规模公司组系数Growth]|[大规模公司组标准误Growth]|[大规模公司组t值Growth]|[大规模公司组P值Growth]|[小规模公司组系数Growth]|[小规模公司组标准误Growth]|[小规模公司组t值Growth]|[小规模公司组P值Growth]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||Growth|[大规模公司组系数Growth]|[大规模公司组标准误Growth]|[大规模公司组t值Growth]|[大规模公司组P值Growth]|[小规模公司组系数Growth]|[小规模公司组标准误Growth]|[小规模公司组t值Growth]|[小规模公司组P值Growth]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||Top1|[大规模公司组系数Top1]|[大规模公司组标准误Top1]|[大规模公司组t值Top1]|[大规模公司组P值Top1]|[小规模公司组系数Top1]|[小规模公司组标准误Top1]|[小规模公司组t值Top1]|[小规模公司组P值Top1]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]||cons|[大规模公司组截距系数]|[大规模公司组截距标准误]|[大规模公司组截距t值]|[大规模公司组截距P值]|[小规模公司组截距系数]|[小规模公司组截距标准误]|[小规模公司组截距t值]|[小规模公司组截距P值]|从表4可以看出，在大规模公司组中，盈利不确定性（SD_E）的系数为[大规模公司组系数SD_E]，在[具体显著性水平]上显著为负；在小规模公司组中，盈利不确定性（SD_E）的系数为[小规模公司组系数SD_E]，同样在[具体显著性水平]上显著为负。这表明无论是大规模公司还是小规模公司，盈利不确定性与股利支付率之间均存在显著的负相关关系。大规模公司组中盈利不确定性系数的绝对值[大规模公司组系数SD_E的绝对值]小于小规模公司组中盈利不确定性系数的绝对值[小规模公司组系数SD_E的绝对值]。这说明小规模公司受盈利不确定性的影响更大，在面对盈利不确定性时，小规模公司会更显著地降低股利支付率。小规模公司资源有限，业务相对单一，对市场变化的敏感度较高，盈利不确定性对其影响更为显著。在面临盈利不确定性时，小公司可能会优先考虑保留资金用于维持运营和业务拓展，以应对潜在的风险和挑战，从而更大幅度地减少股利支付。而大公司凭借其多元化的业务布局、雄厚的资金实力和更强的抗风险能力，在面对盈利不确定性时，虽然也会降低股利支付率，但调整幅度相对较小，更有能力保持相对稳定的股利支付政策，验证了假设3。按行业类型分组：将样本公司按照证监会行业分类标准，分为制造业和非制造业两组。制造业通常面临较为激烈的市场竞争和较高的技术更新换代压力，盈利不确定性相对较高；而非制造业的盈利模式和市场环境与制造业有所不同。对两组分别进行回归，结果如表5所示：|变量|制造业组系数|制造业组标准误|制造业组t值|制造业组P>|t||非制造业组系数|非制造业组标准误|非制造业组t值|非制造业组P>|t|||----|----|----|----|----|----|----|----|----||SD_E|[制造业组系数SD_E]|[制造业组标准误SD_E]|[制造业组t值SD_E]|[制造业组P值SD_E]|[非制造业组系数SD_E]|[非制造业组标准误SD_E]|[非制造业组t值SD_E]|[非制造业组P值SD_E]||Size|[制造业组系数Size]|[制造业组标准误Size]|[制造业组t值Size]|[制造业组P值Size]|[非制造业组系数Size]|[非制造业组标准误Size]|[非制造业组t值Size]|[非制造业组P值Size]||Lev|[制造业组系数Lev]|[制造业组标准误Lev]|[制造业组t值Lev]|[制造业组P值Lev]|[非制造业组系数Lev]|[非制造业组标准误Lev]|[非制造业组t值Lev]|[非制造业组P值Lev]||Growth|[制造业组系数Growth]|[制造业组标准误Growth]|[制造业组t值Growth]|[制造业组P值Growth]|[非制造业组系数Growth]|[非制造业组标准误Growth]|[非制造业组t值Growth]|[非制造业组P值Growth]||Top1|[制造业组系数Top1]|[制造业组标准误Top1]|[制造业组t值Top1]|[制造业组P值Top1]|[非制造业组系数Top1]|[非制造业组标准误Top1]|[非制造业组t值Top1]|[非制造业组P值Top1]||cons|[制造业组截距系数]|[制造业组截距标准误]|[制造业组截距t值]|[制造业组截距P值]|[非制造业组截距系数]|[非制造业组截距标准误]|[非制造业组截距t值]|[非制造业组截距P值]||变量|制造业组系数|制造业组标准误|制造业组t值|制造业组P>|t||非制造业组系数|非制造业组标准误|非制造业组t值|非制造业组P>|t|||----|----|----|----|----|----|----|----|----||SD_E|[制造业组系数SD_E]|[制造业组标准误SD_E]|[制造业组t值SD_E]|[制造业组P值SD_E]|[非制造业组系数SD_E]|[非制造业组标准误SD_E]|[非制造业组t值SD_E]|[非制造业组P值SD_E]||Size|[制造业组系数Size]|[制造业组标准误Size]|[制造业组t值Size]|[制造业组P值Size]|[非制造业组系数Size]|[非制造业组标准误Size]|[非制造业组t值Size]|[非制造业组P值Size]||Lev|[制造业组系数Lev]|[制造业组标准误Lev]|[制造业组t值Lev]|[制造业组P值Lev]|[非制造业组系数Lev]|[非制造业组标准误Lev]|[非制造业组t值Lev]|[非制造业组P值Lev]||Growth|[制造业组系数Growth]|[制造业组标准误Growth]|[制造业组t值Growth]|[制造业组P值Growth]|[非制造业组系数Growth]|[非制造业组标准误Growth]|[非制造业组t值Growth]|[非制造业组P值Growth]||Top1|[制造业组系数Top1]|[制造业组标准误Top1]|[制造业组t值Top1]|[制造业组P值Top1]|[非制造业组系数Top1]|[非制造业组标准误Top1]|[非制造业组t值Top1]|[非制造业组P值Top1]||cons|[制造业组截距系数]|[制造业组截距标准误]|[制造业组截距t值]|[制造业组截距P值]|[非制造业组截距系数]|[非制造业组截距标准误]|[非制造业组截距t值]|[非制造业组截距P值]||----|----|----|----|----|----|----|----|----||SD_E|[制造业组系数SD_E]|[制造业组标准误SD_E]|[制造业组t值SD_E]|[制造业组P值SD_E]|[非制造业组系数SD_E]|[非制造业组标准误SD_E]|[非制造业组t值SD_E]|[非制造业组P值SD_E]||Siz