【摘要】：表3-3和表3-4中采用的儒家文化变量是基于企业与最近的N个儒家文化中心之间的地理近邻性进行度量的。因此，本章使用孔庙的数据和公式（3-1）构造并计算新的基于地理近邻性度量的儒家文化变量，CONF_TEM_M等于“/”（M＝1，2，3，…其中，DISM表示一个公司距离最近的M座孔庙之间的平均距离，max_DISM和min_DISM分别表示同一年度内所有公司DISM的最大值和最小值。与预期相同，CONF_TEM_M和GDP_PC的系数分别显著为负和显著为正，呼应了假设3-1和假设3-2。
表3-3和表3-4中采用的儒家文化变量是基于企业与最近的N（N＝1，2，3，4，5，6，7）个儒家文化中心之间的地理近邻性进行度量的。事实上，Du（2015）指出，中国有52座全国闻名的孔庙（51座在中国大陆，1座在中国台湾，详细情况见http：//www.chinakongmiao.org/），因而我们进一步猜测这些全国闻名的孔庙是否也会对董事会女性董事比例产生相似的影响。因此，本章使用孔庙的数据和公式（3-1）构造并计算新的基于地理近邻性度量的儒家文化变量（CONF_TEM_M），CONF_TEM_M等于“（max_DISM－DISM）/（max_DISMmin_DISM）”（M＝1，2，3，…，51）。其中，DISM表示一个公司距离最近的M座孔庙之间的平均距离，max_DISM和min_DISM分别表示同一年度内所有公司DISM的最大值和最小值。表3-6的Panel A和Panel B分别为使用CONF_TEM_M变量检验假设3-1和假设3-2的回归结果，由于表格宽度的限制，仅列示了M的部分取值结果。(www.xing528.com)
表3-6的Panel A中（1）～（10）列显示CONF_TEM_M（M＝1，2，3，5，10，20，30，40，50，51）的系数都显著为负，再次支持了假设3-1。此外，Panel B中（1）～（10）列显示CONF_TEM_M×GDP_PC（M＝1，2，3，5，10，20，30，40，50，51）的系数都显著为正，支持了假设3-2。与预期相同，CONF_TEM_M和GDP_PC的系数分别显著为负和显著为正，呼应了假设3-1和假设3-2。
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。
