公司金融中的内生性问题处理方法与进展.ppt
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《公司金融中的内生性问题处理方法与进展.ppt》由会员分享,可在线阅读,更多相关《公司金融中的内生性问题处理方法与进展.ppt(49页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、公司金融中的内生性问题处理方法与进展 Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生命必有希望。有生命必有希望 提纲公司金融中的内生性问题:如此之多!内生性问题的来源遗漏变量(模型设定偏误)衡量偏误(变量的衡量)联立方程组(双向因果)内生性问题的处理方法IV-GMM面板数据模型(Panel Data)Heckman 选择模型、Treatment effect 模型倍分法(DID)、倾向得分匹配分析(PSM)自然实验:断点回归设计(RDD)结构方程模型(SEM)投稿时,我怕被问及审稿时,我乐
2、于问及“内内生生性性问问题题”公司金融中的内生性问题:如此之多!一些值得考虑的问题相关关系 因果关系?自然实验一些潜伏着内生问题的研究主题资本结构、投资行为、现金持有、公司价值(Tobins Q)股权结构与公司价值(maybe伪回归)经营绩效与社会责任(因果关系不明朗)投资-现金流敏感性(衡量偏误)股权激励、内部控制(self-selection)建立政治关联有助于改善公司业绩吗?(self-selection)交叉上市具有治理效应吗?(self-selection)内生性:在回归分析中,干扰项和解释变量相关回顾:确保估计量具有一致性的条件随机抽样 满秩 外生 内生性的后果统计角度而言:OLS
3、(MLE)估计结果有偏(不是我们想要的结果)实践角度而言:经验结果存在多种可能的解释(并非“因果”推断)审稿人可以提出多种可能导致你的实证结果的解释何谓内生性?多数人的处理方法:摆 Pose!内生性问题的可能来源互为因果资本结构、投资行为、现金持有、Tobins Q 遗漏变量理论分析和前期文献中提到的重要变量自我选择偏误衡量偏误Fazzari et al.(1988,JEL):投资-现金流敏感性 Refs:Fazzari et al.(1988)|JEL|,Kaplan and Zingales(1997)|QJE|,Fazzari et al.(2000)|QJE|,Kaplan and Z
4、ingales(2000)|QJE|,Erickson and Whited(2000)|JPE|,Alti(2003)|JF|评论:多数情况下,遗漏变量是我们的|无奈之举|更多的情况下,我们都表现为|过度自信|或|掩耳盗铃|解决方法:尽量使用“丰满”一点的模型(要熟悉相关理论和文献)IV or GMM(如何找?)遗漏变量Omitted Variable bias:简介?房租的决定因素Q1:是否存在内生性问题?A1:有可能,政策变量可能被遗漏了.Q2:怎么办?A1:IV,家庭收入 IncomeA2:IV,地区虚拟变量 d1,d2,d3,遗漏变量Omitted Variable bias:一个例
5、子 Stata commands:eivreg|sem|logitem|simex|cme|Ewreg|XTEWreg衡量偏误Measurement Error(ME):简介融资约束假说与投资-现金流敏感性Fazzari et al.(1988)|JEL|,Kaplan and Zingales(1997)|QJE|,Fazzari et al.(2000)|QJE|,Kaplan and Zingales(2000)|QJE|,Erickson and Whited(2000)|JPE|,Alti(2003)|JF|,Erickson and Whited(2012)|RFS|T.White
6、d 的处理方法:Higher Order Moments GMM(HGMM)|Signs Estimator(SigE)Erickson and Whited(2012)|RFS|Average q v.s.Marginal q对比了 HGMM,Dynamic Panel Data,IV 提出了 Minimum Distance Technique(Stata codes)Stata commands:|Ewreg|XTEWreg|衡量偏误Measurement Error(ME):一场争论研究设计和模型设定:从根源上理清内生性问题工具变量法与GMM估计(IV-GMM)面板数据模型(Panel
7、 Data Models)Heckman 选择模型、Treatment effect 模型倍分法(DID)倾向得分匹配分析(PSM)断点回归设计(RDD)结构方程模型(SEM)内生性问题的处理方法模型设定理论依据前期文献中普遍使用的模型设定控制变量的选取关键指标的界定和衡量方法(自控能力、文化、父母健康、公司业绩)数据类型(线性回归、离散选择、计数模型、面板)离群值的处理结构变化排他性解释(均值回复与动态权衡、11合一的事件研究)稳健性检验(结论的适用范围、结果的敏感性)IV-GMM 估计 y=a+X+ZIV:假设 Corr(Z,)=0,一夫一妻2SLS:假设 Corr(Z,)=0,一夫多妻第
8、一阶段的回归只是在分配 Z1,Z2 的与 X 之间关系的权重GMMEZ1 =0,EZ2 =0,Stata commands:ivregress|ivreg2|gmm xOLS2SLSw1w2w3GMMIVw1w2w3IV2SLSStage1:reg X on Z,get X_hatStata2:reg Y on X_hat,get This is wrong!正确设定:ivregress 2sls y x1 x2(x3 x4=z1 z2 z3)IV-2SLS 估计Moment Condition(MC,矩条件)样本矩条件(SMC)目标函数GMM 估计Lars Peter Hansen固定效应模
9、型Fixed Effects Model(FE)模型设定 ai:CEO 特征,公司文化等Stata commands:xtreg,fe|xi:regress i.idOLS估计的问题FE估计的基本思想一阶差分变换:组内去心变换:固定效应模型Fixed Effects Model(FE)?应用Flannery and Rangan(2006)|JFE|,资本结构的动态调整Lemmon et al.(2008)|JF|,资本结构的动态调整Malmendier et al.(2011)|JF|,经理人特征(早期经历)与财务决策Graham et al.(2012)|RFS|,经理人特征与高管薪酬叶德
10、珠 等(2012)|经济经济研究研究|,国家文化与居民消费行为Petersen(2009)|RFS|,面板模型中标准误的估计固定效应模型Fixed Effects Model(FE)动态面板模型Dynamic Panel Data Models模型设定 (1)|资本结构、投资行为、现金持有 (2)|递归特征 (3)|一阶差分,可以去除个体效应|OLS,FE 估计量都是有偏的,要采用 GMM|IVs for yit1:?|OLS,FE 估计量都是有偏的,要采用 GMMStata commands:xtabond|xtdpdsys|xtdpd|xtlsdvc|xtregdhp|xtabond2?应
11、用Aghion et al.(2009)|JM|,汇率波动、金融发展与生产率(规范)Brown et al.(2009)|JF|,金融创新与企业成长(规范)Wintoki et al.(2012)|JFE|,非常细致地探讨了公司治理中的内生性问题,对各种动态面板估计方法进行了非常深入的对比分析(综合)Flannery and Hankins(2013)|JCF|,综述:公司金融中的动态面板估计方法动态面板模型Dynamic Panel Data Models长差分估计法(long-difference,LD)Hahn et al.(2007)|JE|,适用于 T 较小,y 持续性较强的动态面板
12、Huang and Ritter(2009)|JFQA|,应用:资本结构调整速度估算Han-Phillips dynamic panel data modelHan and Phillips(2010)|ET|,Linear Dynamic Panel Data Regression 适用于y 持续性较强的动态面板,Panel Unit Root Test分位数动态面板模型(Quantile Dynamic Panel Data)Galvao(2011)|ET|,Quantile regression for dynamic panel data面板VAR模型(Panel VAR models
13、)Holtz-Eakin et al.(1988)|Etrica|;Arellano and Bond(1991)|RES|;Love and Zicchino(2006)|QREF|Stata commands:xtregdhp|gmm|pvar|pvar2|xtvar动态面板模型Dynamic Panel Data Models:进展Lee,L.-f.,J.Yu,2010,A spatial dynamic panel data model with both time and individual fixed effects,Econometric Theory,26(02),pp.56
14、4-597.Yu,J.,R.de Jong,L.-f.Lee,2012,Estimation for spatial dynamic panel data with fixed effects:The case of spatial cointegration,Journal of Econometrics,167(1),pp.16-37.Lee,L.-f.,J.Yu,2010,Some recent developments in spatial panel data models,Regional Science and Urban Economics,40(5),pp.255-271.(
15、综述)Yu,J.,L.-f.Lee,2012,Convergence:A spatial dynamic panel data approach,Global Journal of Economics,1(1),pp.forthcoming.(应用:经济收敛)Lee,L.-f.,J.Yu,2011,Estimation of spatial panels,Now Publishers Inc.(Book)空间动态面板模型Spatial Dynamic Panel Data Models倍分法Difference-In-Difference(DID)房地产调控政策(限价)有效吗?Stata co
16、mmands:diff|did3|regress20092011Difference 广州(限价)16,00020,000 4,000 东莞(不限价)12,00017,000 5,000 Difference-1,000关键问题配对样本的选择:二者随时间自然变化的部分应相同PSM+DID面板数据:多次调控(Treat)倍分法Difference-In-Difference(DID)倍分法Difference-In-Difference(DID)应用Cooper et al.(2005)|JF|,基金更名行为的影响Villalonga(2004)|FM|,多元化经营,DID,HeckmanChh
17、aochharia and Grinstein(2009)|JF|,萨班斯法案与 CEO 薪酬Frsard(2010)|JF|,产品市场竞争与现金持有Black and Kim(2012)|JF|,董事会结构与公司价值,DID,2SLS,3SLS倾向得分匹配分析Propensity Score Matching Method(PSM)为何要配对?传统匹配方法:多维(规模、行业、盈利能力)PSM:Logit 模型,多维 一维 PS 值Stata commands:teffects|pscore|psmatch2|nnmatch|psmatch|diff|psmatch|ccmatch|cem非股
18、权激励非股权激励 公司公司基本思路:股权激励公司股权激励公司匹配公司匹配公司匹配指标:Propensity Score(PS 值)Logit(Size,Industry,ROA,Leverage,Ownership,.)PS 值 降维:多维 一维倾向得分匹配分析Propensity Score Matching Method(PSM)最近邻匹配半径匹配核匹配用所有 Control 组公司的加权平均 虚构出一个配对公司C1TC2倾向得分匹配分析Propensity Score Matching Method(PSM)应用Cooper et al.(2005)|JF|,基金更名行为的影响Hellm
19、ann et al.(2008)|RFS|,银企关系Campello et al.(2010)|JFE|,金融危机中 CFO 如何应对Faulkender and Yang(2010)|JFE|,经理人薪酬激励Michaely and Roberts(2012)|RFS|,私营企业的股利支付行为倾向得分匹配分析Propensity Score Matching Method(PSM)自选择模型Self-Selection Models问题的根源:被解释变量(y)中经常包含缺漏值Case I:随机缺漏Case II:非随机缺漏(无法观察到)例如,y=公司的研发支出;高管的在职消费;公司的游说支出
20、模型设定(Heckman selection model)回归方程选择方程:y is observed only if 处理效应模型Treatment Effect Models模型设定:解释变量中包含一个内生的 0/1 变量Stata commands:etregress|heckman|ivprobit|cmp|itreatreg|mtreatreg|etpoisson|treatoprobit|etpoisson 应用Laeven and Levine(2007)|RFS|,多元化折价Gompers et al.(2010)|RFS|,双重股权公司Ayyagari et al.(2010
21、)|RFS|,非正规融资,中国Ross(2010)|RFS|,主导银行效应Core and Guay(2001)|JFE|,股权激励Lee and Masulis(2009)|JFE|,二次发行Masulis and Mobbs(2011)|JF|,独立董事市场处理效应模型Treatment Effect Models断点回归设计 Regression Discontinuity Designs(RDD)RDD:接近于自然实验的研究方法Stata commands:|rd|rdrobust|rdcvRDDSource:Lee and Lemieux(2010,|JEL|,Figure.1)No
22、tes:横轴为驱动变量 上一届选举中执政党与在野党票数比重之差 纵轴为结果变量 下一届选举中执政党获得的选票比重Source:Lee and Lemieux(2010,|JEL|,Figure.7)断点回归设计 Regression Discontinuity Designs(RDD)应用Chava and Roberts(2008)|JF|,债务契约与投资行为Roberts and Sufi(2009)|JF|,控制权与资本结构Iliev(2010)|JF|,萨班斯法案对融资成本、盈余管理和股价的影响Garmaise and Natividad(2010)|RFS|,信息不对称与融资成本Cu
23、at et al.(2010)|NBER|,公司治理与股东价值(股东年会投票数据)Baker et al.(2011)|JFE|,参考价格与兼并收购行为对于实证分析的建议清晰界定你所研究的问题(重要的、有意义的)数据总是有缺陷的,要通过巧妙的研究设计来保证统计推断的可靠性e.g.Fazzari et al.(1988),投资-现金流敏感性 融资约束假说方法的实现不是问题,关键在于要选择合适的方法研究设计:制度背景的深刻理解(很重要!)内生性问题的来源与后果(避免摆 Pose)采用何种方法能够恰当地进行统计推断(多种方法的配合使用)特殊的事件、特殊的数据:尽量接近于自然实验让我们的实证研究实证研
24、究更接近于自然实验自然实验 附内生性问题综述Wintoki et al.(2008);Coles et al.(2007);Tucker(2011);Lee(2005)Roberts and Whited(2011);Imbens and Wooldridge(2009)Imbens and Lemieux(2008)JE,RDDLee and Lemieux(2010)JEL,RDD相关模型和方法的Stata实现过程及范例IV-GMM估计:Stata高级视频 B4_IV_GMM静态面板数据模型和动态面板数据模型:Stata高级视频 B7_Panel面板门槛模型:Stata学术论文视频(说明书
25、)Hansen_1999(附带Stata命令 xtthres)倾向得分匹配分析PSM:Stata学术论文视频(说明书)Lian_2012_PSM参考文献Aghion,P,Bacchetta P,Ranciere R,Rogoff K(2009).Exchange rate volatility and productivity growth:The role of financial development.Journal of Monetary Economics,56(4):494-513.Alti,A(2003).How Sensitive Is Investment to Cash F
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 公司 金融 中的 生性 问题 处理 方法 进展
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内