【摘要】：尽管只有两年的面板数据，仍能适当降低共线性的可能性，便于控制个体异质性。对于面板数据模型的选择，考虑到研究对象涉及的时间较短而观测值较多，可将个体效应视为不随时间改变的固定性因素；且本章选取的观测值可以代表沪市重污染行业上市公司整个母体，故采用固定效应模型。后续13.5.3豪斯曼检验和F检验将表明，固定效应模型优于随机效应模型和混合回归模型。各变量的含义见表13-1。
本章主要研究企业次年的借款行为与当年的信息披露与其余各变量的关系，在写作过程中，大部分样本2017年的年报尚未发布，故模型只能采用2015—2016年的企业借款数据，及2014—2015年的企业其他数据，即所有解释变量均为一阶滞后的平衡短面板。尽管只有两年的面板数据，仍能适当降低共线性的可能性，便于控制个体异质性。
对于面板数据模型的选择，考虑到研究对象涉及的时间较短而观测值较多，可将个体效应视为不随时间改变的固定性因素；且本章选取的观测值可以代表沪市重污染行业上市公司整个母体，故采用固定效应模型。后续13.5.3豪斯曼（Hausman）检验和F检验将表明，固定效应模型优于随机效应模型和混合回归模型。由于本章研究所涉及的时间跨度较小，故不进行单位根检验和协整性检验。
为了区分经济类、愿景类、治理类、碳排放、排污类5种不同类型的环境信息披露对上市公司借款能力的影响，设立如下5个模型。为了更好地展示回归结果，对个别变量作放大或缩小处理（具体而言，loan扩大10倍，edi和guaranty缩小10倍，roe、debt、growth和currentratio缩小100倍），但不影响模型解释、变量显著性等结果。(www.xing528.com)
其中βi（i＝1，2，3，4，5，6，7，8，9）表示各变量的回归系数，β0表示常数项，ε表示随机误差项。各变量的含义见表13-1。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
