基于學習行為的資本結構同伴效應實證研究

張天宇，鐘田麗

東北大學 工商管理學院，沈陽 110169

引言

資本結構決策是企業財務理論的核心問題，自M&M理論后，國內外學者提出了權衡理論、委托代理理論和融資優序等多種理論。但是這些傳統財務學觀點大多遵循M&M理論的邏輯框架，從企業自身尋找資本結構決策的影響因素，認為稅盾收益、破產成本和代理成本等企業個體因素足以解釋最優資本結構決策，忽略了同伴企業行為決策。但GRAHAM et al.[1]通過對392名CFO調查發現，財務經理進行財務決策時很大程度上參考和借鑒其他相似企業的決策行為。國外學者也利用企業數據，為同伴效應存在提供了實證證據。

導致同伴效應的一個重要理論機制是對于同伴企業的學習行為。隨著中國市場經濟不斷發展，企業間的競爭越來越激烈，企業決策時僅從自身歷史經驗中自學習已不能應對競爭帶來的生存壓力[2]。學習對象包括競爭對手和戰略合作伙伴等同伴企業暢銷的產品、先進的生產技術和高效的管理模式等，能夠幫助企業以較少的成本和較短的時間得到相對較優的決策[3]。向同伴的學習使企業之間決策相互依賴程度越來越高，從而導致同伴效應。但是，已有國內外對于學習機制是否產生同伴效應的實證證據較少。

鑒于此，本研究采用中國上市企業面板數據，實證檢驗中國企業資本結構決策是否存在同伴效應，并進一步針對已有國外研究對資本結構決策同伴效應產生機制研究較缺乏這一現狀，借鑒社會學習理論模型[4-5]，通過檢驗同伴效應異質性，檢驗上述資本結構決策同伴效應是否由學習行為導致。

1 相關研究評述

1.1 同伴效應

同伴效應是指某一個體(又稱焦點企業)的決策受到包含該個體的參照組內其他成員(同伴)行為的影響[6]，是個體主動采取行動的內生過程。同伴效應不僅從企業微觀層面彌補現有資本結構影響因素理論研究的不足，還從宏觀上提出了乘數效應概念[7]。由于乘數效應，個體企業負債的波動加倍向外擴散，從而導致參照組層面(行業、市場)負債的劇烈波動。

同伴效應一詞最初產生于社會學領域。EISENSTADT[8]認為，社會參照組對位于其中個體的行為、態度和信念都會產生重要影響。早期同伴效應的實證研究主要在教育學領域內展開，HOXBY[9]以自然形成班級中的學生成績為研究對象，利用工具變量法發現同伴成績與個體成績之間存在顯著正相關；SACERDOTE[10]利用隨機分配寢室控制自選擇問題，用結構方程模型得到相同結論。乘數效應的概念由GLAESER et al.[7]首次提出，其實質是個體微小的行動變化在同伴效應的作用下被擴大，導致群體劇烈變化。除了教育學，社會學家試圖用同伴效應解釋一些社會問題，如青少年吸毒、酗酒[11-12]和懷孕行為[13]等。近幾年，中國學者也開始關注社會學領域的同伴效應研究，楊釙[14]利用“小升初”電腦隨機派位構建自然實驗，研究同伴能力對個體成績的影響，發現中國初中生的學習成績并不存在顯著同伴效應。隨后，同伴效應如何影響社會網絡內學生的成績[15]、農村青少年體重[16]和參與股市行為[17]等問題的實證研究也陸續展開。

財務學領域開展企業財務決策行為同伴效應的實證研究始于近幾年，且主要集中于驗證同伴效應是否存在。KAUSTIA et al.[18]利用工具變量法發現，當企業觀察到同伴企業進行股票拆分決策獲得一定收益時，也同樣選擇進行股票拆分，即表現出同伴效應，但該行為并不能帶來期望的收益；FAULKENDER et al.[19]證實企業經理人薪酬決策中存在與其他相似同行企業進行同伴對標的現象；AMORE[20]以同地區其他企業作為同伴企業，發現意大利家族企業任用非家族企業董事的決策受到鄰近企業的影響，但是該影響隨空間距離的增加而降低。中國關于企業決策同伴效應(或稱同群效應)的研究剛剛起步，趙穎[21]利用中國上市企業數據，采用傾向得分匹配法識別同伴企業，實證發現中國企業之間的高管薪酬存在顯著同伴效應，且該同伴效應具有異質性，有助于企業創造價值；傅超等[22]研究發現創業板企業并購商譽溢價的決定因素之一就是同伴效應，并研究同伴效應的異質性；石桂峰[23]以地區為參照組，發現企業新增投資受到同一地區不同行業企業平均新增投資的影響。

關于資本結構決策同伴效應，僅有LEARY et al.[24]利用工具變量法，實證發現美國上市企業的資本結構決策受到同行業同伴企業資本結構決策的影響，且檢驗了該同伴效應的異質性特征。中國尚未開展對該問題的研究。

1.2 同伴效應產生機制

一些學者通過實驗或準實驗方法，通過對隨機創造的實驗組和對照組施加控制研究投資決策同伴效應的產生機制。BURSZTYN et al.[25]通過限制社會學習行為或社會影響機制，發現兩種機制都導致同伴效應；進一步將全樣本分成老練的投資者和市場新手兩個子樣本，實驗發現老練投資者的同伴效應較弱，市場新手的同伴效應較強，說明同伴效應可能由學習行為產生。DUPAS[5]采用二階段隨機田野實驗，發現學習行為和收入效應能夠解釋個體購買決策中存在的同伴影響。

還有學者利用自然生成的經濟數據，采用參照組內均值模型、空間模型和工具變量法等實證計量方法識別和測量同伴效應。BROWN et al.[26]在實證檢驗社區個體參與股票市場決策中存在同伴效應的基礎上，發現在社會交流更為密切的社區中，同伴效應更強，以此推斷同伴效應很可能源于學習行為；FOUCAULT et al.[27]明確提出基于學習行為的投資決策同伴效應理論模型和研究假設，并進行實證檢驗，結果表明由于學習行為，企業投資決策是相互聯系的。因此，對同伴的學習可能是導致企業股票拆分決策同伴效應的一個重要原因。DAHL et al.[28]通過分樣本方法，發現當同伴是高級管理人員(具有更多有效信息)以及當工作環境失業風險較大(收集信息更為重要)時，同伴效應更強，據此他們推測參與項目成本和收益信息在個體決策者中的傳遞最終導致同伴效應。

綜上，已有國外同伴效應的相關實證研究多集中于個體(企業)決策的同伴效應是否存在。雖然有學者借用經濟學概念和模型，從理論上提出用學習行為模型和動態競爭模型等解釋同伴效應的產生機制，但尚未發現專門研究資本結構同伴效應產生機制的相關研究。中國關于資本結構同伴效應是否存在以及影響渠道的研究尚未開展。

本研究思路和框架為，借鑒LEARY et al.[24]的研究，以股票收益波動作為工具變量，以學習行為假說、動態競爭假說和企業聲譽假說為理論依據，采用中國滬深兩市非金融上市企業面板數據，實證檢驗中國上市企業資本結構決策是否存在同伴效應；以MORETTI[4]的社會學習模型為依據，對資本結構同伴效應的學習行為產生機制進行理論分析和實證檢驗。

2 資本結構決策同伴效應的實證檢驗

2.1 研究假設

關于企業決策為何受到同伴企業決策的影響，即為什么存在同伴效應，已有經濟學模型提供了3種可能的理論解釋。

學習行為假說。本研究中界定的學習行為是基于社會學習理論的觀察學習，當某個體通過觀察同伴行為理性地獲取信息，且該信息改變了其自身決策，即稱發生了學習行為[29]。學習行為假說本質上即MANSKI[30]提出的期望互動機制，在傳統認知學習模型先驗信息和私有信息的基礎上，該假說引入同伴信息，認為同伴行為及其背后的信息可通過改變個體決策者對某事件的期望進而改變其決策，即決策者對于決策收益的預期是依據其所有可獲信息的最佳預測。除了先驗信息外，決策者還能夠觀察外部環境信息并解讀同伴行為，從而獲取同伴信息。決策者一般是在先驗信息基礎上，權衡各類信息的精度后，更新舊信息，形成后驗概率，并依據后驗信息做出決策。當決策者認為私有信息質量較差或信息收集成本較高時，則依賴同伴信息，從而產生某個體決策者行為與其同伴行為的互動效應。

動態競爭假說。企業的主要目標是在競爭中盈利。動態競爭模型認為，企業之間的競爭是焦點企業與同伴企業(尤其是競爭者)之間長期和動態的攻擊與反擊行為的交替過程[31]。資本結構決策作為一種重要決策，一方面具有戰略承諾作用，另一方面也為企業競爭戰略提供必要的財務支持，因此資本結構的互動可能是一種企業之間競爭互動的結果[32]。與學習行為中同伴行為僅提供資本結構決策信息不同，動態競爭機制中競爭對手資本結構的調整直接改變焦點企業的收益，從而改變其決策。

企業聲譽假說。SCHARFSTEIN et al.[33]較早提出聲譽模型。與上述假說不同，聲譽模型著眼于經理人與股東之間的代理問題。經理人，尤其是低能力的經理人，出于對其在勞動力市場上聲譽的考慮，主動選擇放棄自己的信念而跟隨同伴(其他類似企業的經理人)的決策，以躲避被人發現其能力較低而被解雇的風險。資本結構決策直接關系到企業的財務風險和價值，也與經理人的聲譽直接掛鉤，因此企業管理層的聲譽模型也是導致資本結構同伴效應的可能途徑。

綜上，本研究提出研究假設：中國上市企業資本結構決策可能存在同伴效應，即焦點企業的資本結構決策與同行業其他同伴企業的資本結構決策存在顯著關聯性。

2.2 實證設計

2.2.1 樣本和變量選擇

本研究樣本包含2001年至2014年滬深兩市除金融企業外所有上市企業的非平衡面板數據，在穩健性檢驗中利用可獲得的更新數據重新檢驗，并不改變實證結果，數據量可保證結論穩健性。企業財務數據、股價信息和高管信息等均來自國泰安金融數據庫(CSMAR)。按照慣例剔除數據不全的上市企業數據，考慮到異常值會造成統計結果偏差，對所有變量進行winsorize縮尾處理，去除最大1%和最小1%的樣本。在樣本觀察期內，按行業劃分，逐一以1個企業作為焦點企業、以其他企業作為同伴企業，以焦點企業的各項指標值與同伴企業各項指標的平均值構成一個企業-年觀察值，最終得到10 167個企業-年觀察值，每個觀察值都有對應工具變量；在差分變量作為因變量時，為8 609個企業-年觀察值。

(1)由于市價能夠更好地測量企業真實價值，本研究以市場價值計算的資本結構與其差分(t期減(t-2)期)作為因變量，計算方法為負債賬面價值與資產市場價值的比率，資產市場價值為當年收盤價×流通股股數+負債賬面價值。

(2)本研究選取企業規模、成長性、盈利能力和流動比率等企業特征作為控制變量。企業規模既體現企業的綜合實力，也描述企業借款的擔保價值，與負債水平呈正相關，本研究用總資產的自然對數測量企業規模。根據生命周期理論，處于不同階段的企業，其負債行為具有階段性特征，如新生企業的負債往往較低，而成熟的大型企業的負債水平較高，本研究用每股盈余增長率描述企業成長性。根據融資優序理論，企業盈利能力直接關系到企業負債水平，企業一般先利用成本較低的內源融資，如未分配利潤等，本研究用企業息稅折舊及攤銷前利潤除以總資產測量盈利能力，該指標應與負債負相關。流動比率即流動資產與流動負債的比率，測量企業短期償債能力，該比率作為企業短期財務風險指標，直接影響企業貸款可獲性。為了控制內生性問題，本研究所有解釋變量(包括后文中分樣本采用的指標)均滯后1期。

2.2.2 實證模型和工具變量

根據MANSKI[6]提出的參照組內均值線性模型，有

∑uConj,i,t+∑zFirFEj+εj,i,t

(1)

(2)

其中，Di,t為在i行業內t年的全部企業數量，Indi為行業，g為包含在i行業內的同伴企業。(2)式中的“g∈Indi,g≠j”等同于“g∈-j”，為體現本研究的參照組為行業，所以采用此表達形式。資本結構同伴效應主要體現在(1)式中的估計系數J上。如果J顯著不為0，說明焦點企業資本結構決策受到同伴企業資本結構的影響；若J不顯著，則不存在同伴效應。

對J參數的估計存在兩種內生性問題。一個是MANSKI[6]提出的反映問題，即j焦點企業的資本結構決策是除j以外同伴企業的函數；同樣，同伴企業的資本結構也是j的函數。這種互為因果帶來了明顯的內生性問題，因此需要利用合適的工具變量予以控制。另一個潛在的內生性問題是關聯效應[6]或潮涌現象[34]，即某些外部不可觀測的制度、環境和特征是個體行為決策的重要影響因素，將其遺漏在殘差項中而導致同伴企業與焦點企業行為表現出偽相關關系的內生性問題。由于資本結構決策存在行業特征[35]，因此同行業企業資本結構決策表現出一定的趨同現象。本研究利用固定效應工具變量法和面板數據結構進行差分處理，剔除不隨時間變化不可觀察的行業特征，從而部分控制資本結構決策行業特征導致的關聯效應。

根據國內外已有研究[24]，股票收益波動能夠較好地解釋資本結構決策的波動且具有外生性，滿足工具變量與內生變量相關但與殘差項無關的要求。本研究采用擴展的CAPM模型計算同伴企業股票收益波動，即

(3)

2.2.3 描述性統計

表1給出焦點企業和同伴企業所有變量的當期水平和差分的描述性統計結果。焦點企業資本結構均值為0.402，基本處于合理區間，且由差分變量的均值、中值、標準差3個指標可知波動不大，較為平穩。企業規模持續增長，成長性和盈利能力逐年緩慢降低，流動比率較為穩定。為了減小變量間的共線性問題以及方便解釋，本研究對所有自變量進行中心化處理。

表1 描述性統計結果Table 1 Results for Descriptive Statistics

2.3 實證結果

本研究采用固定效應工具變量法，以同伴企業股票收益波動作為工具變量控制同伴企業資本結構決策。該方法與普通固定效應模型類似，可以控制企業個體的固定效應，使回歸系數J能夠更好地描述各個企業資本結構決策間的互動作用，而非企業個體的一些不可見特征。工具變量模型實證結果見表2，第2列和第4列為不包含同伴企業特征的回歸結果，第3列和第5列為加入同伴企業特征的回歸結果。表2中的弱工具變量檢驗Cragg-Donald統計量主要考察工具變量是否為弱工具變量，本研究中，采用所有內生變量估計值中最大Wald統計量計算Stock-Yogo弱工具變量臨界值，10%水平對應臨界值為16.380。由表2可知，第2列～第5列中的統計量值均大于Stock-Yogo臨界值16.380，意味著在10%水平上，可以認定以同伴企業股票收益波動作為工具變量是合理的。中心R2為在10%水平上顯著，下同；固定效應工具變量模型不估計截距項；自變量均滯后1期；控制行業和時間固定效應的二階段工具變量法所得結果與表中結果基本一致。

表2 資本結構決策同伴效應的回歸結果Table 2 Regression Results for Peer Effect of Capital Structure Decision

注：表中括號內數據為經聚類處理后的標準差；***為在1%水平上顯著，**為在5%水平上顯著，*

表明模型設定和變量選擇合理。由于進行標準化處理，模型設定中企業個體變量的方差膨脹因子VIF值均小于10，總體VIF值也僅為2.500，可認為不存在多重共線性問題。

在表2的回歸結果中，本研究關注的是被工具變量控制后的同伴企業資本結構的回歸系數。由表2第2列可知，當變量為水平變量時，同伴企業資本結構的回歸系數為0.249，在10%水平上顯著，說明同伴企業資本結構顯著影響焦點企業的資本結構。第4列中利用差分變量去除行業固定效應，以部分控制關聯效應，同伴企業資本結構的回歸系數為0.384，在1%水平上顯著。在控制關聯效應的基礎上，同行業企業資本結構間的顯著相關性即意味著存在同伴效應。第3列和第5列中加入同伴企業的其他特征變量并沒有改變上述結果，同伴企業資本結構的回歸系數分別為0.289和0.418，且均通過顯著性檢驗，說明上述同伴效應并不是外部行業某些可觀察特征導致的。除第2列和第3列中焦點企業盈利能力外，同伴企業資本結構回歸系數絕對值大于企業規模、成長性、盈利能力和流動比率等傳統資本結構影響因素的回歸系數絕對值，說明同伴企業資本結構決策是焦點企業資本結構決策的一個重要影響因素。在未報告的實證檢驗中，本研究發現資本結構決策存在乘數效應，而乘數效應是同伴效應所特有的屬性。

綜上實證結果，中國滬深兩市上市企業資本結構決策存在顯著同伴效應。

3 基于學習行為的資本結構同伴效應實證研究

在實證檢驗了中國上市企業資本結構決策存在同伴效應的基礎上，考慮到在中國經濟下行壓力不斷增加的大背景下，企業間相互學習變得越來越重要，本研究以學習機制作為切入點，進一步實證檢驗資本結構決策同伴效應是否由學習機制產生。本研究的檢驗思路如下。

其次，由于實證研究中無法獲取企業資本結構調整究竟是哪一種信息所致，即先驗信息、私有信息抑或觀察同伴企業決策獲得的同伴信息。因此，本研究思路為：先找到影響學習強度的異質性因素，然后借助理論模型，推導異質性因素如何影響同伴效應強弱(即同伴信息權重大小)的理論假設，并采用分樣本[26,28]進行實證檢驗。若基于學習模型的異質性假設得到數據的驗證，說明學習行為至少能夠部分解釋同伴效應，反之則說明同伴效應的本質并非學習行為。

本研究依據社會學習理論中的學習過程，尋找影響學習強度的異質性因素。社會學習理論認為學習按照信息流角度主要包含學習需求、關注以及信息處理與行為3個主要環節[36]。在學習需求階段，企業能力強弱等企業自身特征和決策環境不確定性等外部環境特征決定其學習意愿；而根據BANDURA[36]的研究，在關注階段，信息吸收的效率受到信息接收方焦點企業的特征(如企業對信息的吸收和整合能力)和信息釋放方同伴企業的特征(如同伴企業所公布信息的真實性和可靠性)的影響；最后是各類信息在貝葉斯法則指導下形成對決策行為預期收益和成本的判斷，從而指導行為的理性過程。由于本研究對象為資本結構決策，信息處理與行為階段異質性因素主要體現在調整資本結構預期收益和預期成本的個體差異性，而兩者缺少實證數據和測量方法。根據本研究學習理論模型，考慮數據可獲性，最終選擇焦點企業的經理人能力、外部環境不確定性、同伴信息質量和團隊信息交流程度等4個因素。

3.1 基于信息的企業資本結構決策基礎模型

3.1.1 基于先驗信息和外部私有信息的資本結構調整決策模型

根據MORRIS et al.[37]的條件期望計算方法，得出企業基于先驗信息和私有信息的資本結構調整決策的條件期望收益，即

(4)

3.1.2 基于包括同伴信息(社會學習)的資本結構調整決策模型

假設企業能夠通過財務報表等觀察同伴企業是否進行了資本結構調整，并且能夠追蹤其調整資本結構后的表現，以推測其調整的收益。根據MORETTI[4]的社會學習模型中同伴信息的最優估計參數，結合j焦點企業觀察的i行業內選擇進行資本結構調整的同伴企業數量、收益和l決策者能觀察到所有同伴企業的數量，可得最大似然估計方程。當該似然方程的一階導數為0時，可計算得到最優的同伴信息，與先驗信息和私有信息相似，最優的同伴信息提供關于資本結構調整平均收益和方差的信息。根據Fisher信息集，可估算得到同伴信息的質量，即

(5)

基于全部信息的焦點企業調整資本結構期望收益為

(6)

其中，Peej,l為同伴信息，ωj1為j焦點企業先驗信息的權重，ωj2為j焦點企業私有信息的權重，ωj3為j焦點企業同伴信息的權重。權重確定方法與(4)式中相同。

理論上，可以通過ωj3判斷企業資本結構的調整是否是基于同伴信息的學習行為產生。當該權重較大時，表示基于學習的同伴信息對焦點企業資本結構決策的影響較大，先驗信息和私有信息的權重相應降低(ωj>ωj1；1-ωj>ωj2)。但是在實證研究中，一般無法獲取企業資本結構調整究竟是由哪一種信息所致，因而也無法計算同伴信息的權重。

如上文所述，本研究選擇經理人能力、外部環境不確定性、同伴信息質量和團隊信息交流程度作為影響學習強度的主要影響因素。本研究推導上述4個因素如何影響同伴效應強弱(信息權重大小)，并分別建立研究假設，對此進行實證檢驗，以判斷焦點企業資本結構的調整是否由向同伴學習產生。

3.2 理論分析和研究假設

3.2.1 經理人能力與同伴效應

H1若經理人能力較強，會選擇根據私有信息進行資本結構決策，同伴信息的權重較小，同伴效應較弱；反之，若經理人能力較弱，其更加依賴同伴信息做出決策，同伴效應較強。

3.2.2 外部環境不確定性與同伴效應

由于同伴信息權重是一個復雜函數，很難通過求導直接進行分析。因此，關于外部環境不確定性如何影響企業同伴信息權重，本研究僅考慮外部環境不確定性為0和外部環境不確定性無窮大兩種特殊情況，通過比較兩種情況下同伴信息權重的大小判斷外部環境不確定性對同伴信息的影響。

根據zj,l的表達式，同伴信息質量的表達式中只有c是m的函數((5)式中的c是ωj的函數，由(4)式可知，ωj是h和kj,l的函數，而h是m的函數)。因此，比較的關鍵在于比較兩種情況下的參數c。

H2在一定條件下，當外部環境不確定性較大時，企業資本結構調整決策愿意借鑒學習同伴企業行為，同伴信息的權重和影響較大，同伴效應也較強；當外部環境不確定性小時，同伴信息對焦點企業資本結構影響較弱。

3.2.3 同伴信息質量與同伴效應

除經理人能力和外部環境不確定性外，同伴信息質量也會影響同伴信息權重。在(6)式基礎上加入信息質量參數，得到考慮信息質量時企業資本結構決策的拓展模型，即

(7)

H3當同伴企業信息質量高時，同伴信息在全部信息中的權重就越高，同伴企業對焦點企業資本結構決策的影響越強；反之則較弱。

3.2.4 團隊信息交流程度與同伴效應

上述模型僅是個人學習決策模型，在現實情況下，高管團隊之間的信息交流也會影響上述3種信息中的同伴信息權重。在其他參數不變的情況下，當團隊之間的信息交流程度越高時，焦點企業能夠觀察到的同伴企業的數量也越多。根據(5)式，Ni,j,l獨立于h和kj,l，Ni,j,l的增加直接提高了同伴信息的質量，從而提高了同伴信息的權重；當高管團隊信息溝通程度低時，能夠觀察到的同伴企業數并未顯著增加，因此同伴信息質量的增加并不明顯，同伴信息的權重也相對較低。因此，本研究提出假設。

H4在團隊信息交流程度越高的高管團隊中，成員之間信息分享度越高，同伴信息對焦點企業資本結構決策的影響越大；反之，則同伴信息的影響越弱。

3.3 實證結果和分析

在全樣本數據的基礎上，本研究采用分樣本方法驗證上述研究假設。在進行每個異質性分樣本檢驗時，由于分樣本調節變量數據的缺失，導致分樣本數據量的不同。分樣本是根據假設驗證需要而構建，分樣本之間不存在關聯性，關鍵在于對比不同分樣本中所得同伴企業資本結構的回歸系數。

若分類指標是連續變量時進行分組處理。以高管平均學歷為例，首先將所有企業的高管平均學歷按照行業和年份進行排序。將所有樣本分為3組，并將平均學歷排前三分之一的樣本定義為低學歷組，將平均學歷排后三分之一的樣本定義為高學歷組。為了突出學歷的影響，本研究僅對高、低學歷樣本組進行實證分析。若分類指標是0-1啞變量時，則將全樣本分為有和無兩類。并且，將所有分類指標滯后1期，以降低人為分樣本帶來的潛在內生性問題。

3.3.1 H1的實證檢驗結果

參考衛旭華等[38]的研究，本研究界定的高管主要包括董事長、總經理、副總經理、財務總監、董事會秘書以及其他各部門的負責人等。采用企業高管團隊的平均學歷以及會計學和金融學等學科的專業背景兩類指標測量經理人的能力。當學歷為中專及以下時取值為1，學歷為大專時取值為2，學歷為本科時取值為3，學歷為碩士研究生時取值為4，學歷為博士研究生時取值為5；高管團隊中至少有1位高管具有專業背景，該啞變量取值為1，否則取值為0。在此基礎上，采用固定效應工具變量模型，分別對平均學歷低子樣本和平均學歷高子樣本以及高管無專業背景子樣本和高管有專業背景子樣本進行實證分析，以檢驗H1，實證結果見表3。表3中，平均學歷低子樣本量為1 291，平均學歷高子樣本量為899，高管無專業背景子樣本量為6 930，高管有專業背景子樣本量為1 523。需要指出的是，分樣本是在某行業、某年內對平均學歷水平滯后1期值排序的基礎上得到的。上述過程中行業三級標準的選擇和數據缺失等導致分樣本數據量并不是完全平均三等分。

表3 H1的回歸結果Table 3 Regression Results for H1

注：考慮到差分法能夠去除行業固定效應，從而控制關聯效應，表3中的變量均為差分，下同；為節省篇幅，后文僅報告同伴企業資本結構的回歸值。

根據表3的回歸結果，在高管平均學歷低的子樣本中，同伴企業資本結構變量的回歸系數為0.734，且在5%水平上顯著，同時該系數估計值大于其他傳統資本結構解釋變量的估計系數，說明在平均學歷低的焦點企業樣本中，同伴企業對焦點企業資本結構決策的影響較強。但當高管平均學歷較高時，焦點企業資本結構不僅與同伴企業資本結構關系較弱(-0.057)，與同伴企業其他特征變量(如規模、盈利能力等)也未表現出顯著相關性，焦點企業資本結構僅是自身盈利能力和規模等的函數。

同樣地，在沒有專業背景的子樣本中，焦點企業資本結構的回歸系數為0.446，在1%水平上顯著，意味著正向同伴效應顯著存在，說明焦點企業在資本結構決策時表現出對同伴信息較強的依賴。而在具有專業背景的子樣本中，同伴企業資本結構的回歸系數為0.137，說明其在資本結構決策時表現出較強的獨立性，向同伴學習所產生的影響較弱。H1得到驗證。

3.3.2 H2的實證檢驗結果

將外部環境不確定性分為中觀行業經營風險和宏觀系統性風險兩個方面。對于中觀的行業經營風險，先將行業內所有企業的稅息折舊及攤銷前利潤(Ebi)進行加總，然后根據前4年行業Ebi的標準差和均值計算變異系數，并將其作為測量指標，所得行業經營風險低和高子樣本量分別為2 649和2 453；對于宏觀的金融系統性風險，本研究參考王貞潔等[39]的研究，將金融危機期間設定為2008年至2010年。考慮到中國上市企業中出口企業直接受到金融危機的影響強于非出口企業所受到的影響，引入萬德數據庫中的出口數據庫，將金融危機期間全樣本分為出口企業和非出口企業兩個子樣本，出口企業的主營業務收入部分來源于國外市場，非出口企業的主營業務收入來自中國市場的非出口企業子樣本，金融危機期間全樣本的樣本量為2 295，出口企業子樣本量為1 359，非出口企業子樣本量為936。對各分樣本采用固定效應工具變量模型檢驗H2，回歸結果見表4。

表4第2列和3列結果表明，行業經營風險高的樣本中，同伴企業資本結構的回歸系數為0.571，在5%水平上顯著，說明資本結構決策受同伴信息的影響；在行業經營風險低的樣本中，同伴企業的決策并沒有顯著影響焦點企業的資本結構決策，回歸系數為0.176且不顯著；在金融系統風險方面，如第4列所示，對于2008年至2010年間全樣本而言，同伴效應估計參數并不顯著(p值為0.172)。但當將樣本進一步分為出口企業和非出口企業子樣本，并對子樣本分別檢驗時，卻得到了差異化的結果。受到金融危機不確定性影響大的出口焦點企業樣本表現出顯著的同伴效應，回歸系數為0.417，在10%水平上顯著；而受到金融危機不確定性影響較弱的非出口焦點企業的資本結構決策與同伴決策關系則不顯著，回歸系數為-0.246。H2基本得到驗證。

3.3.3 H3的實證檢驗

根據SHROPSHIRE[40]和韓潔等[41]的研究，以關聯董事為媒介的口頭傳播同樣是獲取同伴企業高質量信息的一種重要途徑，促進了企業間的決策學習模仿。因此，本研究采用財務信息披露質量指數、審計意見類型和是否具有關聯董事作為測量同伴企業信息質量的指標。深圳證券交易所將在深圳股票市場中的所有上市企業財務信息披露質量劃分為優秀、良好、合格和不合格(A～D)4個等級。依據(2)式可計算同伴企業的披露質量指數指標，由此得到同伴企業披露質量低和高的子樣本，對應的樣本量分別為1 626和1 796。由審計意見的描述性統計可知，絕大部分企業都得到了標準無保留意見，僅8.840%的樣本值對應的企業得到了非標審計意見。為此本研究定義僅當所有同伴企業的審計意見都為標準意見時，將同伴企業審計意見視為無保留，否則視為非無保留，無保留子樣本量為4 654，非無保留子樣本量為3 656。最后利用固定效應工具變量法進行實證檢驗，對H3進行驗證，回歸結果見表5。表5的第6列和第7列中回歸系數的計算分別采用沒有關聯董事和有關聯董事的焦點企業子樣本，樣本量為4 979和3 353。

表4 H2的回歸結果Table 4 Regression Results for H2

表5 H3的回歸結果Table 5 Regression Results for H3

表5回歸結果表明，①在同伴企業信息披露質量較高的子樣本中，同伴企業資本結構的回歸系數為0.455，在10%水平上顯著，說明焦點企業資本結構決策受同伴企業信息的影響較強。而在同伴企業信息披露質量較低的樣本中，同伴企業決策并沒有顯著影響焦點企業的決策，回歸系數為0.220；②第4列和第5列結果加強了上述結論，即當審計機構給同伴企業出具了標準無保留意見，焦點企業資本結構與同伴企業資本結構在1%水平上顯著相關，回歸系數為0.504；而當審計機構給同伴企業出具非無保留審計意見時，并不存在顯著相關性，回歸系數為0.135；③在具有關聯董事的焦點企業子樣本中，回歸系數為0.587，在1%水平上顯著，說明同伴信息的影響顯著。而在不具有關聯董事的焦點企業子樣本中，回歸系數為0.197，同伴影響不顯著。H3得到驗證。

3.3.4 H4的實證檢驗

參考李維安等[42]的研究，本研究采用兩個指標測量高管團隊的信息交流程度，一是高管團隊的平均任期，平均任期越長，團隊凝聚力和信息分享程度越高；二是團隊成員之間任期的差異性(任期異質性)，即任期標準差除以任期均值。成員之間任期差異性越大，團隊成員信息互補，交流程度越高；如果成員之間任期越趨于一致，則會產生“自滿”和“僵化”，從而阻礙了信息的有效交流。

將全樣本分為平均任期短(樣本量為1 969)和平均任期長(樣本量為3 033)、任期異質性小(樣本量為2 916)和任期異質性大(樣本量為2 052)子樣本，利用工具變量法對H4進行實證檢驗，回歸結果見表6。

表6 H4的回歸結果Table 6 Regression Results for H4

表6第2列和第3列的結果表明，對高管團隊成員平均任期較長的子樣本，焦點企業表現出顯著的同伴效應，同伴企業資本結構的回歸系數為0.339；反之，高管團隊平均任期較短的子樣本，同伴效應則并不顯著，回歸系數為0.236。同時，任期變異系數的大小也顯著影響同伴信息的強弱，第4列結果表明，由不同任期成員組成的高管團隊樣本企業表現出的同伴效應在10%水平上顯著，回歸系數為0.431；而第5列，該結果在任期異質性較小的樣本中并不存在，回歸系數為0.284。H4得到驗證。

綜上，本研究采用固定效應工具變量模型，根據理論假設，對中國滬深兩市上市企業數據進行分樣本檢驗，實證結果表明，經理人能力、外部環境不確定性、同伴企業信息質量和高管團隊信息交流程度4個因素影響同伴企業對焦點企業資本結構決策影響的強弱，結論符合理論模型推斷的上述4個因素影響同伴信息權重大小的研究假設。據此可以得到，焦點企業資本結構調整決策是由向同伴企業學習產生，是一種基于學習行為產生的資本結構同伴效應。

3.4 穩健性檢驗

首先，考慮到其他遺漏變量可能導致內生性問題，從而使統計結果有偏，本研究在模型設定中加入焦點企業和同伴企業的其他指標，如資產有型性、托賓Q值等。上述結果并無本質變化。

其次，上文中均采用除焦點企業外同伴企業的各指標均值作為同伴企業資本結構決策和其他特征的測量指標。根據MANSKI[6]的研究，也可用中值測量同伴特征。因此，本研究計算同伴企業各變量中值，替換上文中的均值指標。中值的具體計算方法為：先將各變量從小到大進行排序。若某一年，某一行業除去j焦點企業后的同伴企業數為奇數，則取“中間”企業的值作為同伴企業的值；若總數為偶數，則取中間兩家企業變量的平均數作為中值。弱工具變量檢驗Cragg-Donald統計量表明，同伴企業股票收益波動仍是較強的工具變量。以中值指標所得的實證結果與上文所述結果基本一致。

最后，本研究從兩方面對文中分樣本處理方法進行穩健性檢驗。一方面，對各子樣本的各變量進行t檢驗，結果并不存在顯著差異；另一方面，采用交互項的方法重新進行實證檢驗。具體做法為：按照各相關變量進行排序，生成對應的分類變量。以該分類變量與同伴企業資本結構的乘積作為內生變量，并用該分類變量與工具變量(同伴企業股票收益波動)的乘積予以控制。采用交互項所得結果與本研究上述結果基本吻合，但加入交互項之后，弱工具變量檢驗Cragg-Donald統計量下降。

4 結論

本研究以中國上市企業數據，利用參照組內均值線性模型，以同伴企業股票收益波動作為工具變量，實證檢驗發現，中國上市企業資本結構決策顯著受同伴企業資本結構決策影響，即存在同伴效應。

本研究進一步研究學習行為能否解釋上述同伴效應。為此，將同伴企業決策行為以同伴信息的形式引入企業期望函數中，構建考慮同伴學習的決策模型，并推導了焦點企業經理人能力、外部環境不確定性、同伴企業信息質量和高管團隊信息交流程度4種因素如何影響同伴效應強弱，并分樣本進行實證檢驗，所得結果如下。

(1)以高管平均學歷和專業背景作為經理人能力測量指標的實證檢驗發現，若經理人能力較低，向同伴企業學習的欲望則較強，同伴企業信息對其資本結構決策影響的程度也較強；反之同伴影響則較弱。

(2)以行業經營風險和系統性風險作為外部環境不確定性測量指標的實證檢驗發現，面臨外部環境不確定性較大的企業，易受同伴信息的影響，由于學習行為，其資本結構決策與同伴決策的相關性也較強；反之兩者相關性則較弱。

(3)以財務信息披露質量指數、審計意見類型和是否具有關聯董事作為同伴企業信息質量測量指標的實證檢驗發現，當焦點企業能夠獲得較高質量的同伴信息時，焦點企業資本結構決策對學習產生的同伴信息依賴程度越高，同伴效應也越強；反之則較弱。

(4)以高管團隊平均任期和任期異質性作為其信息交流程度測量指標的實證檢驗發現，焦點企業高管團隊交流程度越高，學習所獲同伴信息越多，基于學習行為的同伴效應則越強；而當團隊交流程度弱時，同伴信息不足以支撐資本結構決策的學習行為，從而導致同伴效應較弱。

上述結論表明，中國上市企業資本結構決策同伴效應存在異質性，即焦點企業對同伴企業的反應是兩者自身特點的函數，這也說明內生同伴效應并不同于外部行業特征等導致的關聯效應[6]，是一種復雜的自發行為。更重要的是上述同伴效應的異質性滿足基于信息的社會學習模型提出的研究假設，據此可以推斷同伴企業資本結構決策間的顯著關聯關系本質上可能是一種學習行為。

本研究對解釋中國企業資本結構決策具有重要意義，本研究發現資本結構的制定并不僅僅依賴企業自身的特征，還與同行業內的同伴企業決策息息相關，并且該關聯關系可能是通過觀察學習等方式得以實現的。本研究結果對監管上市企業財務風險具有一定指導意義，由于內生的同伴效應具有乘數效應，即可能將個體行動擴散至行業，甚至市場中的其他企業，從而引發系統性波動。本研究對企業其他財務決策，如投資、股利分配決策同伴效應的研究具有借鑒意義。

本研究存在以下局限性，①本研究采用企業層面數據，但企業數據的影響因素較多，噪音也較多，存在ANGRIST[43]提出的測量誤差問題。在今后研究中可以采用調查問卷或者準實驗等方法，利用決策者個體層面的數據更直接地探究決策制定過程中的學習行為；②本研究僅探索同伴效應是否存在及其理論機制，但由于受到方法的限制，并未考察學習行為的效率，即該學習行為對企業的財務績效和經營效率產生何種影響。