Page 105 - 201903

北京工商大学学报(社会科学版)摇 摇 摇 摇 2019 年摇 第 3 期

(Director)与企业价值变化、股价波动存在直接联 私利行为和家族控制股东的“掏空冶行为,进而缓
系,故将上述变量作为回归模型的控制变量。 另 解公司价值的不确定性。 所以,本文亦将股权制
外,考虑到股权制衡可以通过股权结构的制度性 衡度(EB)作为控制变量,具体度量采用收集样本
安排来有效抑制控股股东和管理层过度激进的战 公司除家族股份之外的机构投资者股权比例的方
略决策,对家族控制企业来说,还可以遏制内部人 法。 本文变量汇总见表 1。

表 1摇 变量汇总与释义

变量类型 变量名称 变量符号 变量获取与计算
被解释变量 股价情绪效应 SESR 公式(3)中系数 茁 SI,i 取绝对值
解释变量 家族控制程度 FC 家族实际控制股权比例
信息披露 ID 自愿性信息披露数目/ 可披露信息数目,手工搜寻获得
家族二代成员担任董事长或总经理职位取值为 3;作为董事
调节变量 代际传承 II
会成员取值为 2;未进入高管团队和董事会取值为 1
按照证监会行业大类分类标准,手工统计同类行业上市公司
产品市场竞争 MC
数量
股权制衡度 EB 除家族股份之外的机构投资者股权合计比例
公司规模 Scale 公司流通市值
控制变量 账面市值比 HML 公司会计报表的所有者权益与市值之比

董事会规模 Board 董事会中非独立董事人数
独立董事人数 Director 独立董事人数

摇 摇 (三)基础模型与数据说明 确保精确度,对各项数据均通过新浪财经、巨潮资
本文研究目标是检验家族控制程度对公司股 讯网两个专业网站进行了分批核实。 最终得到本
价情绪效应的影响,为了尽量避免遗漏变量可能 文实证分析所需要的短面板数据。
带来的内生性偏误,采用固定效应的变截距模型, 四、实证分析
构建模型(4):
(一)描述性统计
SESR = 琢 + 茁 FC + 茁 ID + 茁 II + 茁 MC +
i
i
i
i
i
i
2
3
4
表 2 报告了主要变量描述性统计结果。 具体
1
酌 ID 伊 FC + 酌 II 伊 FC + 酌 MC 伊 FC +
1 i 2 i 3 i
来看,家族控制程度的均值大于中值,说明不同的
k EB + k Scale + k HML + k Board +
i
i
i
i
1 2 3 4 家族企业终极控制权差异较大,并且终极控制权
k Director + 滋 (4)
5 i i
比例较 低 的 企 业 居 多; 代 际 传 承 指 标 均 值 为
模型(4) 中,SESR 是股价的情绪效应,茁 ~
1
1郾 381 9,大多数家族企业终极控制人子女未进入
茁 、酌 ~ 酌 、k ~ k 为回归系数,滋 为随机残差项,
4 1 3 1 5
高管层,代际传承度偏低。 所有变量都拒绝正态
其余变量定义参见表 1。
数据方面,首先,股价情绪效应数据方面,以 分布假设,J鄄B 统计量在统计上非常显著;各变量
年为单位,使用公式(3)利用样本月度数据,将投 标准差较小,受极端值影响较小;对公司规模变量
资者情绪变量(SI)带入回归模型进行月度回归, 做箱图分析,结果表明无极端异常值。
得到年度系列的股价情绪效应(SESR) 数据。 其 利用 Pearson 系数分析主要变量之间的相关
余变量的年度数据均来于万得资讯(WIND)金融 性,结果见表 3。 家族控制程度、信息披露、代际
数据库,部分变量比如信息披露水平通过手工整 传承和行业竞争度与股价情绪效应之间都存在一
理获取。 随后,对样本数据继续进行了两项处理: 定程度的相关性,可以进一步进行回归分析。 另
为了消除极端值的影响,对 5% 以下和 95% 以上 外变量的条件指数都小于 10,排除了变量存在多
的分位数观测值进行了 Winsorize 缩尾处理;为了 重共线性的可能。
· 1 0 0 ·