发帖
雷达卡
1. 指标介绍
2. 指标构建
2.1 Richardson模型
2.2 Biddle模型
2.3 Chen模型
3. 数据介绍
4. 数据获取
1. 指标介绍
在衡量非效率投资/过度投资/投资者不足水平的方法上，目前研究以计算模型拟合残差为主。根据所用的模型不同，目前较为主流的有Richardson模型、Biddle模型和Chen模型。根据这些模型拟合出来的残差项的绝对值大小来衡量企业非效率投资水平的高低，残差项的绝对值越大，表明企业的投资效率水平越低。进一步地，根据残差项的符号可以划分过度投资和投资不足：如果残差为负，则表明企业存在投资不足、如果残差为正，则表明企业存在过度投资。
参考现有的经典研究（陈运森和黄健峤，2019，金融研究；刘慧龙等，2014，经济研究），我们构建了基于中国会计准则下的三种经典模型的非效率投资水平指标，包括经典的Richardson模型（Richardson，2006，Review of Accounting Studies）、Biddle模型（Biddle et al.，2009，Journal of Accounting and Economics）、Chen模型（Chen et al.，2011，The Accounting Review）
2.1 Richardson模型
Richardson模型中的输入变量介绍如下：
Invest为新增投资，Invest=（资本支出＋并购支出一出售长期资产收人一折旧）/总资产；
Growth 为公司的投资机会，部分研究采用TobinQ，也有研究采用营业收入增长率。考虑到缺失值数量，我们选择营业收入增长率为代理变量。同时，我们在代码中提供TobinQ的选项，如有必要可在代码中更换即可；
Lever 为公司的资产负债率；
Cash 等于现金及现金等价物除以总资产；
Age 为公司的上市年限；
Size 为公司规模；
Return 为公司股票年度回报；
此外， 控制了年度效应和行业效应。
据此模型估计的残差的绝对值( absinv），即为衡量公司投资效率的指标，其值越大，非效率投资程度越高，投资效率越低。根据残差的绝对值，得到过度投资（overinv）和投资不足（underinv）指标；另外，按照是否大于0，我们构建了过度投资虚拟变量指标（oinv）
Biddle模型输入变量的定义与Richardson模型一致。
我们除了参照（陈运森和黄健峤，2019，金融研究）的研究，按照该模型计算非效率投资程度（absinv）、过度投资（overinv）、投资不足（underinv）和过度投资虚拟变量指标（oinv）以外，我们参照（Chen et al.，2011，The Accounting Review）原文，以残差的四分位点构建了过度投资虚拟变量指标（qe）。以上指标供使用者任意选择。
Chen模型中，NEG 是虚拟变量，当营业收入增长率小于零时取 1，其他取 0，Growth 定义同模型（1）和（2） 。通过分年度分行业回归，所得残差的绝对值就是企业的非效率投资水平。想类似地，我们也构建了非效率投资程度（absinv）、过度投资（overinv）、投资不足（underinv）和过度投资虚拟变量指标（oinv），供使用者任意选择。
样本期限：2008-2022（2007起中国采用新会计准则，而模型需要滞后一期的数据，因此从有效数据自2008年起），如有自定义期限需要，在代码中修改即可；
指标包括：
数据筛选：按照参考的中文顶刊做法，1. 删除st、金融业和保留a股；2. 剔除公司上市之前的样本；3. ；剔除有缺失值的公司样本；4. 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；5. 并对连续型变量进行了1%和99%分位数的缩尾处理
数据包含：0过程代码、1-1至3-4原始数据文件、计算结果.dta和xlsx两种格式的结果文件。
部分数据展示
2008-2022非效率投资/投资不足/过度投资结果+代码
(76 Bytes, 需要: RMB 69 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
