《chap17综合案例分析.ppt》由会员分享，可在线阅读，更多相关《chap17综合案例分析.ppt（22页珍藏版）》请在课桌文档上搜索。
1、第十七章Stata综合案例分析,主要内容：,1.社会保障与经济增长关系实证研究2.外部竞争环境不同的企业公司治理对绩效影响的敏感性分析3.农民焚烧秸秆意愿的实证研究,17.1综合案例一：社会保障与经济增长关系实证研究,17.1.1问题背景和数据描述面对严峻的社会现实，社会保障问题应得到足够的重视，社会保障与经济增长关系也逐渐成为了一个十分具有现实意义的研究课题。进行本案例分析的主要目的是证明社会保障支出和经济增长之间是否存在相关关系。根据中国统计年鉴的资料，我们得到了名称为shebao.dta的数据文件，部分数据显示如图17.1所示。,17.1.2统计方法与Stata实现（一）变量的单位根检验
2、。首先要对lnagdp和lnass两个变量做原序列的ADF检验，通过观察可以发现两个序列都有常数项和时间趋势，所要输入的命令如下所示：dfuller lnagdp,trenddfuller lnass,trend命令执行的结果如图17.2所示，根据结果显示，两个检验的p值分别为0.9043和0.9025，不能拒绝原序列存在单位根的假设。,接下来，对原序列进行一阶差分处理后，再次进行ADF检验，所用到的命令为：gen lnagdp1=d.lnagdpgen lnass1=d.lnass这两个命令的作用就是分别生成lnagdp和lnass的一阶差分序列，通常经过这种处理，序列一般就不存在时间趋势和
3、常数项了，本实验中lnagdp1仍然存在常数项，所以接下来单位根检验所使用到的命令为：dfuller lnagdp1dfuller lnass1,noconstant命令执行的结果如图17.3所示，根据结果显示，第一个检验的p值为0.0543，第二个检验的检验值的绝对值1.802大于临界值的绝对值1.601，可以拒绝此序列存在单位根的假设。,（二）变量的协整检验上文的检验表明，lnAGDP和lnASS序列的一阶差分均已平稳，满足协整检验的前提条件，可以运用E-G两步法进行协整检验。本案例以lnASS为自变量，以lnAGDP为因变量，对时间序列进行最小二乘回归，并得到残差序列e。进行这些操作所使
4、用到的命令为：regress lnagdp lnasspredict e,residual对此残差序列进行单整检验，所使用到的命令为：dfuller e,noconstant结果如图17.4所示。ADF检验值为-1.900，显著性水平为10%时的临界值-1.602，前者的绝对值大于后者，所以残差序列通过了置信度为90%的平稳性检验，说明lnAGDP和lnASS序列具有协整关系。,（三）格兰杰因果关系检验本案例采用基于VAR模型的格兰杰检验法对各变量之间的关系进行检验，最优滞后期确定为2期，所使用到的命令语句为：var lnagdp lnassvargranger命令执行后可以得到如图17.5所
5、示的结果，结果表明，lnASS并不是lnAGDP的格兰杰原因，而lnAGDP却是lnASS的格兰杰原因，即经济增长对社会保障支出的贡献更为明显。,（四）多元线性回归模型根据较为常用的C-D生产函数的一般形式，其中资本与劳动力是两个基本要素，我们分别使用资本形成总额（AK）和社会就业人数（L）两个指标进行衡量，而在此我们采用社会保障支出（ASS）部分代替技术对产出的作用，因为其是人力资本投资的显著方式，所以可以看做是一种技术水平的提高。我们建立如下回归模型：由于数据文件中并不存在变量lnAK和lnL，所以应先使用命令生成，然后进行回归，就可以生成如图17.6所示的回归结果了，所使用的命令语句为：
6、gen lnak=log(ak)gen lnl=log(l)regress lnagdp lnass lnak lnl,17.1.3结论本案的实证检验，从数据上对社会保障的理论提供了支撑，从中国实际出发证明了社会保障支出有利于促进经济增长。所以在中国还应该继续促进社会保障制度的发展与完善，为此，我们提出以下政策建议：（一）坚持效率优先，兼顾公平的原则。（二）完善法律基础和政策环境。（三）扩大社保基金的规模。（四）提高社保基金的盈利能力。,17.2综合案例二：外部竞争环境不同的企业公司治理对绩效影响的敏感性分析,17.2.1问题背景和数据描述本案例利用中国上市公司的有关数据来探究公司面临的外部环
7、境的竞争强度不同时，公司治理给他们带来的不同影响。案例的研究有两个主要假设：假设一，竞争可以通过减少高管的懒散来降低代理成本。假设二，董事会的独立性可以作为一个公司治理的有效衡量指标。,对于本案例指标的选取，将应收账款周转率、主营业务利润率、存货周转率的倒数进行简单算术平均得到企业的竞争指标。这样竞争指标中就包含了公司业绩的基本信息。CP越大表示企业面临的竞争环境越激烈；因为一个企业的主营业务利润率越小，公司面临的外部环境竞争压力越大，同样应收账款周转率和存货周转率越小，企业面临的外部环境也越差，此时CP值越大的。对于公司的业绩的衡量指标选择了普遍使用的ROA（资产收益率）。对于企业公司治理水
8、平的衡量，本文选取的指标是董事会中独立董事所占的比例IR。我们将使用企业的资产规模lnA，资产负债率 lev作为模型的控制变量，以独立董事比例这个公司治理程度的衡量指标为解释变量对ROA进行回归。对于此实证研究样本公司的选择，本文使用了CCER色诺芬数据库2005年至2006年上市公司的财务数据。董事会的独立性要求2005到2006年我国上市公司的公司治理变化很大，所以选取这两年的数据样本能够更好的看出公司治理变化对各公司或者行业的影响。,17.1.2统计方法与Stata实现（一）模型及变量描述根据要研究的问题，本文建立模型ROA=+1*IR+2*CP*IR+该模型中系数1表示独立董事比例对该
9、类公司业绩ROA的影响的敏感程度，2表示特定的竞争程度下，IR变化对ROA的影响的敏感程度。回归中设x=CP*IR.。（二）变量的统计特征由于样本数量众多，首先计算样本的统计特征，观测样本中变量的特征。使用的命令是sum var,d，例如对于变量ROA 2005年的统计值，使用”corporate.dta”数据，在命令窗口中输入如下命令，就会将面板数据中2005年的数据摘出，然后进行统计。可以得到图17.8的结果。keep if year=2005sum roa,dsum(roa),（三）固定效应回归模型的确定由于样本为面板数据，对样本进行豪斯曼检验确定回归时使用固定效应模型还是随机效应模型。
10、首先在stata命令窗口中输入如下命令对模型进行固定效应模型回归，可以得到下图17.10 xtset id yearxtreg roa IR lev x lna,feest store fe在命令窗口中输入此命令将以上回归结果存储为 fe.然后对模型使用随机效应模型进行回归，在stata命令窗口中输入如下命令，可以得到下图17.11。xtreg roa IR lev x lna,re在命令窗口中输入以下命令将以上回归结果存储为 reest store re 然后进行豪斯曼检验，在命令窗口中输入以下命令，可以得到图17.12的检验结果。hausman fe re显然豪斯曼检验的结果是应该对模型使
11、用固定效应模型回归。,（四）对样本利用竞争指标CP分类，取前1/5与后1/5的样本分别进行回归。对于CP指标前1/5的样本，在命令窗口中输入如下命令进行回归，可以得到回归结果图17.13。回归结果与本文的假设是一致的，因为CP值较小说明这部分样本面临的外部市场环境竞争较小，在这部分样本公司中高管的代理问题较为严重，IR相比第一个回归总体样本假设对ROA有个更加显著的正的解释变量，实证结果显示解释力是更加显著了，说明中国的上市公司的外部竞争性越弱，公司绩效对公司治理的改善越敏感。同样，对样本后CP值1/5进行相应回归，这是最大CP值的部分样本的回归，结果显示IR对ROA有一个不显著的正相关关系（
12、p=0.346），且系数小于前面实证分析的结果，说明CP值越大的行业对公司治理是越不敏感的。这是与我们的假设相一致的，因为本文假设竞争可以减少高管代理问题进而公司治理对绩效的影响是不显著的。,（五）本文暂时搁置的面临竞争环境十分恶劣的样本分析本文对主营业务利润率小于-10%的上市公司认为面临的外部竞争环境极端的恶劣，不适用与以上的模型的分析，对于这部分公司运用模型ROA=+1*IR+来分析公司治理与其绩效的关系。观察极端的样本数据发现，此部分样本非面板数据，所以此部分数据可以直接用OLS进行回归。在stata命令窗口中输入如下命令，可以得到下图17.15的回归结果。reg ir lev lna
13、结果显示对于外部竞争环境极端恶劣的上市公司，公司治理对于公司的绩效有一个不显著的负的解释力，这其实是与本文的假设是相符的。因为根据本文假设，高度竞争的公司高管的代理问题已经不显著，这个时候公司治理对于这个公司来说是一种资源浪费，所以对公司治理是负向的影响。,（六）logit模型实证结果分析logit模型的分析是将样本公司中2005年到2006年ROA增加的公司roa取值1，若两年内ROA不变或者下降roa取值0；样本公司中两年内IR增加的ir取值1，代表公司治理改善，IR不变或者减少的ir取值0，代表公司治理相对恶化；对于控制变量lev当lev下降时取值1，反之取值0；lnA上升时取值1，反之
14、取值0。下图是数据文件”logit cor”的部分数据。然后以roa为被解释变量，ir为解释变量，使用logit模型进行实证分析。首先对所有的06年的样本进行回归，在stata命令窗口中输入如下命令可以得到下图17.17的回归结果图；logit roa ir lev lnalogit模型回归显示董事会的独立性对所有上市公司的绩效有一种正的不显著的影响，即ir的改善（董事会的独立性增强）使roa上升的概率是0.0154。控制变量lnA、lev对roa均有显著的正向影响。然后对样本按照竞争指标cp进行排序，仍然是取样本的前1/5，后1/5进行回归，也可以得到相应的回归 结果。,17.3综合案例三：
15、农民焚烧秸秆意愿的实证研究,17.3.1问题背景国内由于秸秆焚烧是近年来才出现的一问题，故对这方面的研究较少。陈新锋（2001）的研究表明，在没有外部干预和技术突破的条件下，农民收入水平与秸秆焚烧量成正比。本部分在参考了以上文献后，以某市郊区的农户为研究对象，实证分析了农民焚烧秸秆的意愿。,17.3.2 相关假设根据以上所列的参考文献以及作者自己所做的调查分析，将农民处理秸秆方式的意愿所受的影响分为四类：（一）受农民自身特征的影响（二）受农民的预期收益影响（三）受农民对焚烧秸秆危害性认知程度的影响（四）受外部环境的因素影响17.3.3 数据来源及描述本案例的数据来源参考了一项调查数据，数据调查
16、在某市郊区抽调完成，采取调查员直接入户问卷调查。调查内容包括农户特征(教育程度edu、年龄age、收入结构inc、种植制度cro、种植规模acr、饲养牲畜情况ani)、农户对参与政府“禁烧”秸秆活动的预期收益exp、对焚烧秸秆危害性的认知情况(农民了解焚烧秸秆对环境的危害env、对交通运输的危害tra、对土壤结构的危害soi)和外部环境因素影响(政府政策pro、法律环境pun、当地机械化作业水平mec、秸秆的利用uti、秸秆业的补贴sub和同伴的影响力fri)四个方面。,17.3.4 统计分析与Stata的实现（一）农民样本户特征的基本统计描述农民的样本户特征主要包括文化程度edu、年龄age
17、、收入结构inc、作物季度cro、种植规模acr、饲养牲畜情况ani等。用户在进行综合分析的过程中，如果想要得到变量的基本统计特征，可以在命令窗口中输入如下命令：sum命令执行之后，可以得到如图17.19所示的结果。在这个结果图中，可以看到每一个变量的均值、标准差、最大值和最小值，通过这个图形用户可以看到变量的基本信息。,为了更为直观的观察数据的特征，用户可以使用统计图形对相关数据进行分析，例如绘制变量acr的直方图，需要在命令窗口中输入如下命令：histogram acr命令执行之后，可以得到如图17.20所示的直方图，从这个图形中可以看到变量acr的分布情况，便于用户对于数据的把握。（二）
18、方差分析首先可以对数据进行方差分析，从而对于哪些因素对农户焚烧秸秆的意愿有显著影响有一个初步了解。在本案例中用协方差分析的方法对edu、inc、ani、pun这四个变量对居民焚烧秸秆的愿望will变量的影响，其中ani变量是连续变量。实现这个分析需要在命令窗口中输入如下命令：anova wil edu inc ani pun,continuous(ani)输入命令之后可以得到如图17.21所示的结果，结果显示inc和ani两个变量的P值分别为0.0206和0.0488，通过了置信度为95%的F检验，说明收入结构和饲养牲畜情况对农户焚烧秸秆的意愿有重要影响。,（三）Logistics模型分析在进
19、行统计分析之前，可以根据已有的理论知识和统计数据对回归的结果进行一定的预测，结果如表17.11所示。本文利用STATA10.0对60个有效农户调查样本统计数据进行了Logistics回归处理，得到了农民处理秸秆方式意愿的影响因素估计结果，所使用到的命令如下：logit wil edu age inc cro acr ani exp env tra soi pro pun uti sub mec fri由上表可以看出，在影响农民焚烧秸秆的16个因素中，只有4个因素的P|z|的值满足置信度为90%的假设，分别是文化程度（edu）、收入结构（inc）、牲畜饲养情况（ani）、和当地政府查处力度(pun)，其他的影响因素均不能满足检验。,17.3.5 结论结合前面分析，防止农民焚烧秸秆的最佳选择是开展秸秆综合利用技术革新。只有符合农民收益最大化原则，农民的行为才会为之而改变。要从根本上解决秸秆焚烧问题，关键在于如何提高秸秆的经济价值。目前我国利用秸秆的方式主要有还田利用、饲料化处理和气化应用等。（一）秸秆还田利用（二）饲料化处理（三）秸秆能源化利用（四）政府出台优惠政策,
