研究方法和模型选择

二、研究方法和模型选择

在本节实证分析中，我们主要研究公司会计变量（Accounting Variables）和股票收益（Stocks Returns）之间的关系。

在股票收益率实证研究中的一个常用惯例是对所观察的样本按会计变量分类股票形成的证券组合的收益率进行比较，类似于Fama和French（1992）^［120］等人的研究，计算一份证券组合的平均收益值和有关的公司关联交易异常规模等会计变量。在t年末，基于公司这些会计变量，将所有样本股票分成10份证券组合，将10%分给第一组证券组合，紧接着一个10%分给第二组证券组合，依次类推，一直到第十组证券组合，第一个证券组合由特定的公司会计变量最大（或小）值的10%组成。每一个证券组合对每一个变量都有一个平均值。记下下个年度（从5月至第二年4月）每个组合的收益，重复每年这样的证券组合群过程，在研究样本期间重新平衡了三次。限于本书研究量及研究目的，我们只对公司股票收益率、关联交易异常规模、第一大股东持股比例、公司第二至第五大股东持股比例之和、公司总资产规模等会计变量进行研究。

我们利用了Fama和French（1992）方法^［120］计算与公司关联交易异常规模等变量相关的市场收益率，对于样本期间的每一年（2003年5月至2006年4月），我们都运行了有关变量与单个公司股票收益率的回归。

于是我们得到上市公司非公平关联交易市场检验模型：

AR_it：股票i在t月的收益率，1＜i≤n，n为每一年度样本股票的总数；

ARPT_it、LSHR1_it、SHR2_5_it、ln（Assets）_it：股票i的关联交易异常规模（异常购买规模和异常销售规模）、第一大股东持股比例、第二至第五大股东持股比例之和、总资产值的自然对数；

γ赞_jt：回归系数，j=0，1，2，3，4，5；1＜t≤T；

T：样本期间的月度数或使用估计的月度总数，本书为36个月；

：逐月回归截距项估计值和回归系数估计值的平均值；

：逐月回归截距项估计值和系数估计值的标准差；

：为t-统计量。

每个个别横截面回归的误差项很可能是截面相关和异方差的，其结果在单个最小二乘法（OLS）横截面回归中的t-检验可能夸大所估参数实际意义的精度。考虑到这个问题，在假定独立正态相同分布的时间序列月度系数情况下，我们使用每个系列参数估计的时间序列平均值来描述变量的参数，使用t-检验方法估计独立变量的统计显著性，t-统计值是平均系数除以它的时间序列的标准差。