发帖
雷达卡
一、OLS回归（常用）
1.计算说明
模型(1) OLS回归计算出的残差取绝对值，用以衡量投资效率，正残差用于衡量投资过度，负残差的绝对值来度量投资不足。所有变量值越小说明投资效率越高。
其中:
INV为新增投资支出，用购建固定资产无形资产和其他长期资产支付的现金-处置固定资产无形资产和其他长期资产收回的现金净额，并除以期初总资产表示
Growth为成长性水平，用主营业务收入增长率表示
Lev为资产负债率，用负债除以总资产表示
Cash为现金持有量，用现金及现金等价物除以总资产表示
Age为企业上市年限，用当年与上市年份差额加1的自然对数表示
Size为企业规模，用总资产的自然对数表示
Return为股票收益率，用考虑现金红利再投资的年个股回报率表示
Industry表示行业虚拟变量
Year表示年度虚拟变量
注：Richardson投资效率模型的两种回归模型（OLS/GMM）下，还都可以有多种变形，具体如下：
1.模型选取变量的不同，是否包括变量Age、Return或ROA/ROE
2.变量度量方式的不同，如Growth还可以用托宾Q值衡量
上述列示的Richardson投资效率模型选取的变量和变量度量方式均是现有文献中最常用的，可以直接使用此模型。
为了方便大家自己修改代码、调整模型，本文整理了近三年来几十篇顶刊，提供了多种替代变量计算所需的初始数据和代码，同时将每种替代变量的度量方式汇总至word文档中并附有参考文献（大多是A/B刊）。
在调整模型时，仅需在代码中将变量进行简单替换，再次运行即可。购买了此项数据的用户，如在调整模型中遇到问题，均可私聊我免费答疑。
提供的替代变量汇总如下：
INV（7种）、Growth（1种，为TobinQ）、Cash（4种）、Age（1种）、ROA（2种）
替代变量计算说明示例：
2.数据说明
样本选择：全部A股2000-2022年数据（初始数据是从1990年开始，回归选择的数据起点为2000年，可自行在代码中更改时间范围）
与大多数文献相同，做了如下的处理：剔除金融行业的样本；剔除当年年末被ST、*ST或PT的上市公司；剔除公司上市之前的样本；剔除已经退市的上市公司样本；剔除有缺失值的公司样本
注：提供了剔除所需数据和剔除代码，若无需做该项剔除处理，自行删除相关代码重新运行即可
行业参照证监会2012年行业分类标准，制造业用二级行业分类（取前两位），其他用一级分类来计算
并对连续型变量进行了1%和99%分位数的缩尾处理
每个压缩包都附有初始数据，计算代码，参考文献和最终数据
3.参考文献
[1]金龙,丁志国,丁垣竹.地缘网络中债务违约会加剧企业投资不足吗?[J].中央财经大学学报,2022(04):50-62+118.
[2]刘贯春,张军,叶永卫.银行贷款及其所有制结构的投资治理效应[J].财贸经济,2022,43(06):64-79.
[3]孙瀛,张士强,廖显春.资源型企业避税对非效率投资的影响机制研究[J].科研管理,2022,43(05):200-208.
[4]夏秀芳,吴卫星,J Daniel Chi.“过度投资”是低效率投资吗?——来自中国上市公司的证据[J].中国软科学,2020(12):117-129.
等压缩包所含文件：
数据样例：
分年份数据量统计：
缩尾后的描述性统计结果（与参考文献基本一致）：
2022Richardson模型OLS回归.rar
(25.76 MB, 需要: RMB 45 元)
二、GMM回归
此外，还对模型方法进行改进，采用GMM方法估计基本投资方程以消除内生性。由于两步法系统GMM估计将水平方程和差分方程结合起来，具有更好的有限样本性质，又不易受到异方差干扰，故最终选用两步法系统GMM估计投资方程。
2022Richardson模型GMM回归.rar
(26.03 MB, 需要: RMB 45 元)
2022Richardson模型OLS回归+GMM回归.rar
(51.7 MB, 需要: RMB 75 元)
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
