201506 - page 98

30
6
期 安
:
并购绩效与信息不对称
———
基于中国上市公司的实证研究
续表
5摇
变量
全样本
现金支付子样本
股票支付子样本
DtoA
- 0郾 020 4
***
- 0郾 023 1
*
- 0郾 016 8
(
- 2郾 89
)
(
- 1郾 76
)
(
- 1郾 30
)
net
_
profit
0郾 012 7
***
0郾 003 9
0郾 008 0
*
(
4郾 97
)
(
0郾 80
)
(
1郾 69
)
first
_
sharehold
- 0郾 047 0
- 0郾 002 0
- 0郾 110 2
(
- 1郾 50
)
(
- 0郾 07
)
(
- 1郾 01
)
concentration
0郾 072 5
**
0郾 000 6
0郾 180 0
(
2郾 14
)
(
0郾 02
)
(
1郾 63
)
turnover
- 0郾 080 3
- 0郾 279 6
***
0郾 401 4
(
- 0郾 68
)
(
- 2郾 82
)
(
0郾 87
)
expense
0郾 013 0
***
0郾 006 8
***
0郾 030 1
**
(
4郾 45
)
(
2郾 68
)
(
2郾 50
)
target
_
relative
0郾 029 1
***
0郾 048 8
***
0郾 016 9
*
(
5郾 88
)
(
3郾 42
)
(
1郾 78
)
pay
_
stock
0郾 075 2
***
(
6郾 96
)
pay
_
other
0郾 094 6
***
(
6郾 97
)
failed
- 0郾 027 5
*
- 0郾 004 4
- 0郾 030 1
(
- 1郾 78
)
(
- 0郾 26
)
(
- 0郾 99
)
控制年份
控制行业
Constant
0郾 615 1
***
0郾 225 8
**
1郾 295 9
***
(
5郾 10
)
(
2郾 15
)
(
3郾 14
)
调整后
R
2
0郾 190 7
0郾 042 3
0郾 123 3
样本量
2 390
1 723
450
摇 摇
:
括号内是
t
统计量
;
*
**
***
分别表示在
10%
5%
1%
的置信水平上显著
摇 摇
通过表
5
可以得到与上部分的实证结果基本
相同的结论
针对全样本使用
Heckman
两步回
归法
,
度量信息不对称程度的
mills
的系数显著为
,
说明总体上信息不对称越严重
,
则并购绩效越
,
再次证明假设
2
成立
当现金支付并购和股
票支付并购两个子样本分别进行
Heckman
回归
,
可以发现
mills
的系数在
10%
水平上显著为
,
且股票支付样本
mills
系数的数值较大
,
因此
支持假设
3。
利用样本选择模型的
Heckman
两步
回归法进行稳健性检验
,
证明了实证结论的稳
健性
本文选取了
2007—2014
年的中国
A
股上市
公司并购事件作为研究样本
,
以并购方的并购公
告日前后的累积超常收益率度量并购绩效
,
以公
司股价异质波动率度量信息不对称程度
,
考察信
息不对称对并购绩效的影响
在进行实证研究
,
本文将总样本按支付的对价是现金还是股票
分成两个子样本
,
分别分析信息不对称对并购方
公告日前后累积超常收益率的影响
另外
,
利用
样本选择模型的米尔斯比率代替异质波动率来衡
量信息不对称程度
,
Heckman
两步回归法对实
摇 摇
·39·
1...,88,89,90,91,92,93,94,95,96,97 99,100,101,102,103,104,105,106,107,108,...132
Powered by FlippingBook