研究数据与变量选择分析

本研究关注的企业失德行为是与上市公司规则有关的企业信息披露方面的违规行为,数据信息来自历年中国证监会、上交所、深交所发布的上市公司违规公告中的相应内容,其中既包括违反法律法规的行为,也包括未履行承诺之类的不道德行为。由于法规和道德总是存在着重叠交叉现象,且违法、违规行为同属于不道德行为,因此本研究将企业的违规和不道德行为都纳入企业失德行为进行研究。研究数据主要采用2002—2009年中国证监会、上交所、深交所发布的国内998家企业的违法通告及各企业历年年报。

具体研究变量选取如下：

1.因变量

在事件史分析法中,将因变量设定为企业失德行为事件的产生(表示为“失德事件”),该变量为二分变量,当企业实施失德行为时,数值记为1,否则为0。图2－1采用尼尔逊－阿伦累计风险估计(Nelson-Aalen Cumulative Hazard Function)描述样本企业失德行为的累计瞬时概率。

通过使用尼尔逊－阿伦累计风险估计对企业失德行为记录分析后,本研究得出企业重复不道德行为的累计瞬时概率。这里有两点需要说明：(1)累计瞬时概率即给定时间之前的各时间段的瞬时概率之和。所以,从图形上看是一条上升的曲线。(2)由于曲线的斜率实际上就是在该点的瞬时概率,如果某一年的瞬时概率较高(即企业重复不道德行为发生概率提升),曲线在这一点就会比较陡,因此在分析中我们仅对曲线的斜率感兴趣,该曲线的水平值没有意义。图2-1的尼尔逊-阿伦累计风险系数表明样本企业随时间推移实施失德行为的概率显著上升。

图2-1　尼尔逊-阿伦累计风险估计

与此同时,我们还根据企业声誉变量对企业进行分类,再次进行尼尔逊-阿伦累计风险估计,结果如图2-2所示,与声誉并不好的企业(粗线)相比,随时间推移,声誉良好的企业(细线)失德概率要小得多。

图2-2　尼尔逊-阿伦累计风险估计(www.xing528.com)

2.自变量

(1)每况愈下。为了衡量每况愈下,本研究使用了企业财务指数“累计亏损”和“累计负现金流”,这是用来反映企业绩效的传统工具(Becker&Olson,1987)。如果目标企业连续两年亏损或者现金流为负值,就说明这个企业对股东和公众的贡献在下降。所以,本研究使用两分变量来反映企业财务状况。“累计亏损”是企业过去持续两年亏损为1,否则为0。同样,“累计负现金流”是连续两年现金流为负,财务指标为1,否则为0。

(2)企业声誉。为了测试企业形象是否对企业重复不道德行为有影响,本研究使用外部审计来衡量企业道德行为,这一信息可以从上交所或深交所的公开数据得知。在国内,独立外部审计机构对企业上一年度报表的审计意见,0为标准无保留意见,1为非标准无保留意见(即其他四类审计意见,包括带强调事项段的无保留意见、保留意见、否定意见和无法表示意见),均表明公司在财务信息的处理和披露方面有不当、不妥之处,这不仅包括企业上一年度实际实施的失德行为,也将企业上一年度未被发现的违规尝试纳入企业前期道德经历中进行考查。布拉德肖、理查森和斯隆(Bradshaw,Richardson&Sloan,2001)也曾使用同样的方法进行过类似研究。

(3)羊群效应。不同的行业和地区往往会形成不同的群体效应(Berleant,1982)。本研究使用地区指数和行业指数来测试相似企业不道德行为对于企业重复不道德行为是否有影响。行业羊群效应用每年同行业企业被处罚次数来衡量。地区羊群效应用每年同地区企业被处罚次数来衡量。

3.控制变量

企业年龄和规模经常被用作控制变量来研究企业的伦理决策。企业年龄是指企业成立至开始被研究的时间长短。本研究采用了中性的指标来衡量企业的规模：企业总资产。其他企业控制变量还包括净利润和现金流。

此外,本研究还加入了两个控制变量：行业平均利润率、区域经济发展水平。行业平均利润率是影响企业违法行为的一个重要因素。麦肯达尔和瓦格纳(Mc Kendall&Wagner,1997)认为企业盈利状况差是企业非法行为的一个强有力的推手：“处于低利润率水平行业的企业更难以达到预定财务目标,也更难以遵守条例规定。”行业平均利润率采用企业所在行业当年的平均利润水平,单位是亿元。具体行业划分采用中国证监会行业划分依据中的第二级分类,共19个大行业类别(详见附录1)。区域经济发展水平采用中国统计年鉴中企业所在省份或直辖市当年GDP的自然对数来表示。表2-1列出了所有变量的描述性统计及相关系数。

表2-1　所有变量的描述性统计及相关系数

数据说明：样本总计包括 2002—2009年期间998家上市公司的7984个观察值。
显著水平说明：*表示p＜0.05,**表示p＜0.01,***表示p＜0.001。