第二節　研究內容與研究方法

一、研究內容

上述基于全球與中國的研究背景所提出的問題構成了本書的重要線索。基于數據的可獲得性，本書專注于研究AH公司尤其是H+A公司。根據會計學對企業活動的三分法，企業活動可分為投資、融資與經營三類，并且經營可以視為投資的執行或繼續。又因為自MM理論以來，公司財務學的研究重點集中于投資與融資決策，因此，本書也專注于研究H+A公司的投融資行為。本書將集中回答如下問題。問題一：中國長期處于由計劃經濟到市場經濟的轉軌時期，其交叉上市的制度背景是什么？其動機是什么？問題二：在中國的特殊制度背景下，交叉上市公司的投資行為有什么特點？問題三：在中國的特殊制度背景下，交叉上市公司的融資行為有什么特點？問題四：作為公司投融資的重要傳導機制與綁定假說的重要邏輯中介，中國交叉上市公司的治理水平是否獲得提升？如果沒有，原因是什么？

除了作為導論的第一章外，本書的其他章節做了如下安排。

第二章是文獻綜述。第一節對公司投融資理論進行綜述，揭示自MM理論以來公司投融資理論的發展脈絡。第二節綜述交叉上市理論。在這方面，Andrew Karolyi教授已經有了三篇綜述（Karolyi，1998，2006，2012）。[5]本書并未因為Karolyi的這些工作而放棄綜述。相反，本書沒有過于強調綁定假說的統治地位，而是遵循第二章第一節的公司投融資理論框架，強調“交叉上市→投融資行為→公司價值”這樣的邏輯鏈條，至于如何組織這些文獻，則視這些文獻在這個邏輯鏈條中的位置而定。至于其中的機制，本書認為并不唯一，綁定固然可以成為其中的一個原因，但基于市場分割的解釋也不無道理，甚至還可以有其他的假說，例如，本書所提出的貫穿全書的“政府干預假說”。事實上，對于中國的H+A交叉上市，筆者不贊同用市場分割假說或綁定假說來解釋的。第三節對主流的綁定假說的實證模型進行評述，這更多的是一個技術問題。第四節對中國國內學者的研究進行綜述。第五節是綜合述評與展望。

第三章是中國H+A交叉上市的制度背景，旨在回答問題一，讓讀者盡可能詳細地了解中國H+A交叉上市的制度背景與動機。為了客觀地找到中國交叉上市的動機，本書沒有求助于當前主流的文獻，例如，市場分割假說與綁定假說，而是采用歷史還原法，通過互聯網逐一搜索AH公司的資料，尤其是在H股上市或回歸A股時候的資料。這些資料既包括CNKI中國知網上的期刊論文，也包括各個網站上披露的信息，以及一些重要人物（例如，中國證監會第一任主席、H股上市的推動者劉鴻儒）的著作。本章第一節先描述國有企業改革背景。第二節分析H股上市的歷史進程。第三節描述H股回歸A股公司的歷史進程。第四節分析綁定假說的適用性。第五節提出一個嘗試性解釋，即政府干預假說。

第四章是中國H+A公司的投資行為，旨在回答問題二。鑒于自MM理論以來，公司價值的源泉在于投資所能帶來的現金流，因此交叉上市如果能夠影響公司價值，必然會影響公司的投資行為。但我們該如何刻畫投資行為？基于第二章第一節所闡述的公司投資理論框架，本書將宏觀經濟學中的托賓q理論、新古典投資理論、新制度經濟學中的企業理論相融合，分別從如下四個方面來刻畫投資行為：投資水平、投資效率、投資回報率、投資的融資約束。第一節首先考察投資水平，重點討論投資增長機會敏感性。本書基于Richardson（2006）模型考察了投資過度或者不足。第二、三節考察投資效率。本書融合了新古典投資理論與新制度經濟學的企業理論，試圖深入企業內部、打開企業黑箱，但又能夠借助數學工具邏輯一致地揭示出企業黑箱中的各種信息。本書基于公司財務學的Fisher MM傳統，將投資效率理解為資本配置效率或者生產效率，從而可以借用全要素生產率、全要素生產率增長概念，采用參數法（例如TFP、TFPG、隨機邊界分析法）和非參數法（數據包絡分析法）來度量。這兩個方法的優點在于：它們能盡量多地分解出企業黑箱中的信息，這符合Coa-se的打開“企業黑箱”的精神，同時兼具數理上的邏輯嚴密性。第四節考察投資回報率。這個概念與已投資本回報率（return on invested capital）相似，也與經營業績（operating performance）相似，因為經營可以視為投資的繼續，而投資必須經過經營過程才能產生回報。這節主要分析單指標與綜合指標。第五節考察投資的融資約束，研究方法采用經典的FHP（1988）投資現金流敏感性方法。

第五章是中國H+A公司的融資行為，旨于回答問題三。很顯然，交叉上市本身屬于一種權益融資行為，因此，我首先考察H+A交叉上市公司的A股發行行為，尤其是經典的IPO抑價問題。當然，嚴格說來，由于有了H股發行，回歸A股市場時已經談不上IPO了，但對于A股來說，確實是首次發行，因此其抑價問題仍然值得考察。第一節采用傳統的市場估值法來考察A股IPO抑價。但這種方法無法區分抑價是來自一級市場還是二級市場。第二節對此進行了改進，采用隨機邊界分析法，通過計算出定價效率來度量抑價水平。該計算過程回避了二級市場的要素，從而定價效率僅取決于一級市場。第三節考察權益再融資行為。第四節考察負債行為。第五節考察股利政策。本書把股利政策視為內部融資的內容。

第六章討論公司治理、政府干預與制度變遷的關系，旨于回答問題四。第四、五章的分析其實都是在政府干預背景下進行的，但這兩章都尚未對H+A公司的治理水平與政府干預水平進行正式的檢驗。對于邏輯鏈條“交叉上市→政府干預更多/治理水平更低→投資效率更低/融資效率更低→公司價值更低”，第四章和第五章僅論證了“交叉上市→投資效率更低/融資效率更低→公司價值更低”，第六章則試圖補充對邏輯中介的檢驗。第一節首先從理論上考察公司治理與政府干預及其交互關系。第二節對H+A公司的治理水平進行變量描述與回歸分析，檢驗H+A交叉上市公司是否具有更高的治理變量水平，以及公司治理變量是否影響投資效率與公司價值。第三節考察H+A公司的政府干預，由于政府干預不易直接度量，因此該節主要考察間接證據，這包括高管變更業績敏感性、高管薪酬業績敏感性、國有企業價值負相關性。事實上，第四章和第五章也可視為政府干預的間接證據。第四節從制度的視角考察H+A公司的制度綁定的初衷為什么沒能得到實現。第五節討論試點戰略即“摸著石頭過河”與頂層設計的關系。

第七章是研究結論與政策建議。

以上是本書的正文部分。本書最后還提供了一篇附錄，來自交叉上市研究領域的權威人物Karolyi教授關于綁定假說的一篇綜述。讀者可據此將本書的政府干預假說與主流的綁定假說相比較。

圖1-2-1是本書的研究技術路線，表明了各章的邏輯關系。

二、研究方法

為了完成上述研究內容，本書采用了多種研究方法。

（一）歷史分析法

之所以采用歷史分析法，在于本書試圖還原中國交叉上市的歷史事實，然后從歷史事實中進行歸納，概括出中國公司交叉上市的動機。這種基于客觀事實的方法可以避免我們進行直觀猜測，也可以避免我們不加分析地拿來主流的理論。例如，應用綁定假說解釋中國的實踐。歷史分析法還有助于解決一些由逆向因果關系所導致的內生性問題。例如Benmelech（2009）試圖證明：19世紀的美國鐵路公司由于缺乏行業標準，各公司的鐵軌規格不同，導致鐵軌重新賣給其他使用者的能力不同，最終會影響公司的資本結構。但他也意識到這樣的一個逆因果關系問題：究竟是鐵軌規格（track gauge）決定融資進而決定資本結構，還是融資決定鐵軌規格（即公司可能會根據融資的可得性來決定采取何種鐵軌規格呢？）為了證明這種逆因果關系的不成立，作者列舉了詳細的歷史事實，最后得出結論：由于在歷史上，鐵軌規格的最初選擇并非取決于融資，因此這種逆因果關系與美國鐵路發展的歷史演變并不一致。

（二）常規實證分析法

常規實證分析法包括均值t檢驗、中位數秩和檢驗、普通最小二乘法（OLS）回歸、隨機效應回歸、固定效應回歸、廣義最小二乘法（GLS）回歸。回歸方法視數據類型和變量類型而定。就本書而言，回歸所采用的數據都是面板數據，分平衡面板和非平衡面板數據。對于平衡面板數據，由于關鍵變量（即是否交叉上市）在這種情況下屬于時不變（time-invariant）變量，個體固定效應模型將因為均值離差而將關鍵變量剔除掉，因此個體固定效應模型不再合適，只能用其他的回歸模型或者控制其他的固定效應，例如行業固定效應、年度固定效應。但如果滿足數據要求（例如，關鍵變量不是時不變變量），則遵照Petersen（2009）的建議，本書將首選個體固定效應模型，同時嘗試其他的模型。采用回歸分析的時候，本書盡量對誤差項進行穩健性調整并在個體水平上進行Cluster，或者采用Neway-West方法以及Driscoll-Kraay方法進行調整。本書還用到大量的交互效應回歸分析。對于此類回歸，本書區分了主效應回歸模型與交互效應回歸模型。

（三）隨機邊界分析法

隨機邊界分析法屬參數法，需要對企業生產函數的形式進行假定。一般來說，其形式為：lnY=lnf（X）+v-u。其中，Y為產出，X為投入，v代表隨機因素，v可正可負，exp（v）表示在給定企業的要素投入和生產技術不變的條件下，各種隨機因素所導致的企業偏離最大產出，即生產邊界的程度。當v=0從而exp（v）=1時，表示沒有確定性，企業可以達到生產邊界Y=f（X）。u與技術效率（technical efficiency,TE）有關，TE=exp（-u＾）。SFA的關鍵在于u的估計。與傳統的OLS模型相比，SFA的誤差項由兩部分組成：v和u，因此SFA也被稱為組合誤差模型（composed error model），其中組合誤差為ε=v-u，并且呈非對稱分布（因為u非對稱），因此適用的檢驗方法不是OLS估計，而是極大似然估計MLE，且依賴于v、u的分布假設。通常的一個假設是正態半正態模型，即：v～iid.N（0，σv2），u～iid.N+（0，σu2），v和u獨立分布，且獨立于自變量。在這種假設下，可以首先對組合誤差ε進行估計，然后將u提取出來，辦法是求出在已知ε時的u的條件分布f（u/ε），根據該分布的特征可知該分布的均值或眾數可以作為u的一個點估計u＾，最后計算出技術效率。在全要素生產率增長（TFPG）的隨機邊界函數下，我們可以分解出四項信息：第一項CTP指企業從t時期發展到t+1時期時的技術進步變動，即技術進步率；第二項CRTS指全部要素的變動所導致的規模報酬的變動；第三項指由要素投入的增長所帶來的外部市場配置效率的變動；第四項指技術效率的變動。

（四）數據包絡分析法

與參數化的隨機邊界分析法不同，非參數化的數據包絡分析方法不需要事先假設生產函數形式，而是根據最佳實踐（best practice）來計算效率值，其核心概念也為技術效率。是指最優投入相對于實際投入的比率，或實際產出相對于最優產出的比率。給定投入（產出）水平，如果企業產出（或投入）達到了最優水平，則此時的技術效率為1，此時企業的活動是有效率的，否則是低效率的（inefficiency）。而基于數據包絡分析的Malmquist生產率指數則可以分解為類似于隨機邊界分析法下的技術進步率、純技術效率和規模報酬效率等次級指標。隨機邊界分析法與數據包絡分析法所分解出的這些指標有助于揭示企業內部的資本配置效率。

（五）內生性的解決方法

內生性的最為穩妥的解決辦法是工具變量（instrument variable,IV）法。但困難在于：IV法要求IV對因變量沒有直接的影響而僅影響內生變量。要找到一個好的IV不是一件容易的事。因此我在本書中也嘗試了其他的方法。

第一，干預效應模型（treatment effect model）。根據郭申陽等（2012），干預效應模型類似于Heckman兩階段模型，但區別在于：第一，干預條件的虛擬變量直接進入回歸方程；第二，回歸方程的結果變量對于干預組與控制組都是可觀測的。本書用到的干預效應模型包括兩類。一類是標準的處理效應模型，另一類則帶有交互項，此時適合的模型是Brown and Mergoupis（2011）所發展的具有交互項的處理效應模型。本書的絕大部分干預效應模型都采用極大似然法進行估計，以便對誤差項進行穩健性調整并在個體水平上進行Cluster（但交互處理效應模型尚未允許這樣做）。當極大似然法出現循環迭代時，我們轉而采用兩步法進行估計。

第二，雙元Probit模型（biprobit model）。在干預效應模型中，回歸方程中的因變量是連續變量，干預變量則是0-1變量。但當因變量也是0-1變量時，干預效應模型則不再適用，適合的模型為遞歸二元Probit模型（recursive bivariate probit model），這是因為此時的回歸方程與選擇方程都是Probit模型，而且干預變量作為內生變量包括在因變量的表達式中，這構成了一種遞歸（recursion）。

第三，匹配法，包括傾向得分匹配（propensity score matching,PSM）和最近鄰偏差修正匹配（nearest neighbourhood bias-adjusted matching）。傾向得分匹配法根據基于logit回歸獲得的干預概率（傾向得分）來進行匹配并計算ATT（即平均干預效應：average treated effect for the treated）。本書在匹配過程中通常采取1:1無回置最近鄰匹配，并進行平衡性檢驗。最近鄰偏差修正匹配則基于向量模（vector norm）來尋找最短馬氏距離并據此進行匹配，最后計算出SATT（即樣本ATT,sample average treatment effect for the treated）和PATT（即總體PATT,population average treatment effect for the treated）。SATT和PATT的值是一樣的，但z值以及相應的顯著性可能存在差異。如果SATT顯著且PATT也顯著，則表明根據樣本獲得的ATT可以推廣到總體。但如果SATT顯著而PATT不顯著，則根據樣本獲得的ATT結論僅限于所研究之樣本。