传染效应（通用6篇）
传染效应 篇1
一、引言
一个企业的声誉不仅受其自身行为的影响,而且受其他相关企业声誉的影响。这种声誉的溢出已经跨越了企业的边界。比如2008 年三鹿集团三聚氰胺事件最终导致其走向破产,而且使中国奶制品企业普遍受到人们质疑。在这里,我们把实际发生声誉危机的企业称为发讯企业( messenger company) ,把被影响到的企业称为受讯企业( receiver company)[1]。在上述例子中,三鹿可被视为发讯企业,中国其他奶制品企业可被视为受讯企业。本文将受讯企业与发讯企业同方向的声誉影响称为声誉传染效应,将受讯企业与发讯企业反方向的声誉影响称为声誉竞争效应[2]。危机事件对同行业企业的声誉影响可能是传染效应也可能是竞争效应。
现有文献中关于溢出效应的相关研究主要有以下三个发展方向: 一是FDI的溢出效应,二是资本市场的溢出效应,三是信任市场的溢出效应。FDI的溢出效应的研究主要在技术差距、市场环境、子公司与当地厂商的关系,其中与技术差距有关的溢出效应属于示范———模仿———传播型,受市场环境、MNC子公司与当地厂商相互影响的溢出效应属竞争型。资本市场溢出效应认为事件的经济后果一般分为竞争效应和传染效应,竞争效应反映投资者对受训企业的质疑[2],传染效应反映客户需求转移带来的财富重新分配。目前支持传染效应的文献居多,而支持竞争效应的文献数据少些。信任市场溢出效应的研究主要在企业社会责任、产品广告名人效应、供应链信任。费显政等( 2010) 指出企业社会责任溢出具有 “一荣俱荣,一损俱损” 的传染效应[1]; 何浏等( 2011) 指出明星代言产品会给该产品带来正的市场效应,同一款产品由不同明星代言,则不同明星代言产生效应会叠加[3]。由于信任风险传染效应的存在,粱钟元( 2012) 验证了供应链中信任风险传染效应的存在。
尽管关于溢出效应的研究已很有成就,但是关于声誉溢出效应的研究却并不多。Barnett和Hoffman ( 2008) 指出企业声誉不仅受该企业自身的行为的影响,还受其他企业行为的影响,即企业间声誉具有相互依赖性[4]。一个企业受危机事件影响所引起的声誉变化可能会超越其公司边界而影响到行业中其他企业[5],并且这种影响受该企业自身的显著性及事件发生的频率和企业间竞争程度的影响[6]。因此,本文根据已有研究,重点考察声誉危机的溢出效应,并且探讨行业中受讯企业的特征如何受这些效应的影响。
二、理论基础与研究假设
本文以制度理论和资源基础观为理论基础来解释声誉危机溢出效应。制度理论认为组织通过形成相似的结构和进行相似的活动来维持其在一个群体中的重要身份[7]。在一个领域中共同的认知价值观有助于塑造组织行为[8],这些行为反过来会影响组织声誉。制度理论还认为一个企业的声誉受其所在行业的企业共同遵守的合法性标准的影响很大。从这一点来看,当发讯企业的声誉受到破坏时,这种声誉破坏会影响到与发讯企业有共同领域层企业的合法性( field - level legitimacy) 。同时,资源基础观认为企业的竞争优势来自其有价值的,即独特的和稀缺的资源[9]。在资源基础观看来,声誉就是企业的一项无形资产。Barnett指出“竞争优势源于独特性,而独特性由声誉来测量”[9]。和制度理论强调企业领域层合法性不同,资源基础观强调的是企业公司层的合法性( firm -level legitimacy) 。当利益相关者给A企业的评价高于其他企业时,那么A企业相对于其他企业就具有声誉的优势,如果其他企业加强自身的声誉,就会减小这种声誉差距,进而减弱A所具有的竞争优势。换句话说,企业的声誉受其他企业声誉的影响。基于以上分析,可以看出这两个理论都强调竞争与合作的内在联系[10],并且为理解组织声誉动态性和组织领域合法性提供了奠定性的基础[6]。
基于以上两种理论,本文选择食品行业中几起食品安全事件为研究对象,来研究声誉危机的溢出效应。与本文较相近的一篇实证分析文章是Goins和Gruca ( 2008)[6]针对企业裁员事件,通过验证受讯企业累计异常收益率与发讯企业累计异常收益率之间的关系来说明声誉危机的溢出效应。本文基于其研究方法,并在此基础上讨论企业行业地位显著性和企业专业性对声誉危机溢出效应的影响。
( 一) 传染效应和竞争效应
我们将企业声誉定义为各个利益相关者对企业自身特点和企业以其资源创造价值的能力的一种综合评价[8]。当一个企业发生食品安全危机事件,这个事件不仅预示着该企业的一些信息,还预示着影响其他企业价值的经济条件和环境条件的信息,利益相关者会根据这些信息来重新判断与自己相关的企业。因此,食品安全危机事件的信息传播就会超越发讯企业的边界影响到行业中的其他企业。这种信息传播对企业间声誉的影响会同时存在两个相反的方面———积极的和消极的。一方面,由于这些资源的稀缺性,同一行业的企业必须通过竞争来获取人才和投资者[11]。当竞争占主导地位,发讯企业的声誉受到负面影响时,竞争对手就具有相对优势来获得稀缺资源,从中得到益处,这就是竞争效应。在2008 年的三鹿奶粉事件中,而三元奶粉因没有测出含三聚氰胺的奶粉而获得发展机会,目前已经成为一家大型的食品加工公司。另一方面,由于资源的相似性,同一行业的企业面临相同的技术环境和制度环境,这种共享的环境给声誉效应的传播提供了另一种机制。前面我们提到,利益相关者会根据行业信息对企业做出评价。而危机事件带来的不确定性和模糊性会改变利益相关者对与其相关企业原有的评价,当利益相关者再次对企业做出评价时,就会根据企业间的相似性来做出判断,这样发讯企业的声誉危机就给行业中其他企业带来消极影响,使行业中的其他企业同样面临声誉危机,这就是传染效应。比如,2008 年三鹿奶粉事件引发的中国食品行业产品质量信任危机,使乳制品行业陷入生产、销售困境。所以,信息传播带来的这两种截然不同的效应将发展成竞争效应和传染效应[12]。因此,本文提出假设1。
假设H1a: 发讯企业声誉危机事件的信息传播将给受讯企业带来传染效应。
假设H1b: 发讯企业声誉危机事件的信息传播将给受讯企业带来竞争效应。
( 二) 受讯企业显著性的调节作用
市场会自发的分出领导者和追随者。领导力和显著性有很多种测量的方式,规模大的企业经常被视为市场领导者[13]。换句话说市场领导者往往在行业中具有显著性地位,这种显著性使企业与更多的利益相关者有关联。当行业发生危机事件时,利益相关者,特别是有实权的利益相关者,会影响市场经济的游戏规则,甚至通过要求政府干预来保护自身的利益,从而使显著性企业免受风险的影响。由此,地位显著性强的企业相对于其他企业来说,会多一层保护。此外,显著性强的企业往往具有雄厚的资金,在遇到危机事件时,更具有战斗力,从而使其有能力脱离危机。比如,在360 和腾讯大战中,腾讯企业以其显著的行业地位以及雄厚的资金支持,最终获得这场漫长 “战争”的胜利。
由于危机事件的传染效应给其他企业带来消极的影响,而企业显著性地位对企业有保护作用,所以受讯企业行业地位的显著性会减弱这种传染效应。同理,由于危机事件的竞争效应给其他企业带来积极的影响,所以受讯企业行业地位的显著性会增强这种竞争效益。因此,我们提出假设2。
假设H2a: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是传染效应,那么这种效应随受讯企业行业地位显著性的提高而减弱。
假设H2b: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是竞争效应,那么这种效应随受讯企业行业地位显著性的提高而增强。
( 三) 受讯企业专业性的调节作用
最近一些研究指出组织身份与其是专业性的还是综合性的有关。如Carroll和Swaminathan( 2000)[14]研究发现,即使在综合型啤酒酿造商提高所生产啤酒的质量后,专业性啤酒酿造商依然能保持成功。Zuckerman和Kim ( 2003)[15]指出在类别系统的企业中,追求专业化是最重要的战略。专业化的形象可以提高企业在其专业领域的权威,使利益相关者认为其在此领域更专业。在中国,当提到冰箱时,人们首先想到的是海尔,当冰箱市场出现危机时,会有更多的消费者选择海尔。因为海尔冰箱已经成为一种品牌,当市场出现不确定性事件时,人们更愿意选择专业性强的海尔。
以上分析表明专业化将有利于企业的声誉,企业专业性会保护企业免受负面信息传播的影响。所以当发生传染效应时,受讯企业的专业化程度强,会减弱这种传染效应; 当发生竞争效应时,受讯企业的专业化程度强,会进一步加强这种竞争效应。因此,我们提出假设3。
假设H3a: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是传染效应,那么这种效应随受讯企业专业化程度的增强而减弱。
假设H3b: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是竞争效应,那么这种效应随受讯企业专业化程度的增强而增强。
三、研究方法
( 一) 研究方法和样本选取
本文采用事件研究法。事件研究法是一种利用上市公司股票价格的波动来研究某事件所带来的影响。其最重要的是选择两个事件窗口期,确定一个估计期,计算异常收益率( Abnormal returns,简称AR) 和累计异常收益率( Cumulated abnormal returns,简称CAR) 。
Goins和Gruca ( 2008)[6]选择1 天窗口( - 1,1) 和10 天窗口( - 5,5) 作为两个事件窗口期,1 天窗口可以使我们获得及时效应,而10 天窗口保证在窗口期内既能放宽市场高效率的假设,又能排除其他的竞争事件。本文采纳他们的方法,选择1 天窗口( - 1,1) 和10 天窗口( - 5,5) 作为两个事件窗口期,同时由于估计窗口期和事件窗口期不能交叉,所以本文选择事件发生日的前70 天至前6 天为估计窗口期。首先将估计窗口期的收益率进行回归得出市场模型( 1) ,再运用市场模型计算出事件窗口期正常的期望收益率。
其中,Rmt为第t日市场收益率,在本文中,对于深证交易所的上市企业,本文运用深证综合指数收益率,对于上证交易所的上市企业,本文运用上证综合指数收益率; Rit为股票i在第t日的实际收益率; εit表示随机误差项。
异常收益率是事件窗口期实际收益率和期望收益率的差,如公式( 2) 所示:
其中,ARit是股票i在事件窗口期第t日的异常收益率,Rit是股票i在事件窗口期第t日的实际收益率,E( Rit) 是股票i在事件窗口期第t日的期望收益率。
累计异常收益率是事件窗口期内每天异常收益率的和,如公式( 3) 所示:
由于并非事件窗口期内每天的异常收益率都可以得到,所以为了保持一致性,本文用平均累计异常收益率来代替异常收益率指标。平均累计异常收益率是累计异常收益率除以N ,如公式( 4) 所示:
其中,CARi( t1,t2) 为股票i在事件窗口期第t1天到第t2天的累计异常收益率,N表示天数,表示股票i在事件窗口期第t1天到第t2天的平均累计异常收益率。
本文以2000 - 2014 年的所有食品安全事件来分析,通过整理新闻报道,并且剔除非上市公司食品安全事件和非大陆上市公司食品安全事件,最终选取7 件上市公司食品安全事件: 2007 年11 月1 日的五粮液幸运星糖精超标事件,2011 年3 月15 日的双汇瘦肉精事件,2012 年6 月14 日的伊利奶粉含汞门事件,2012 年8 月24 日古井贡酒酒精勾兑事件,2012 年9 月7 日的光明牛奶变质门事件,2012 年11 月19 日酒鬼酒 “塑化剂” 事件,2013 年7 月21 日的南山奶粉事件。本文通过主营业务相同或相似来确定相关企业,其中与宜宾五粮液股份有限公司相关的企业有21 个,与双汇集团相关的企业有22 个,与伊利集团相关的企业有11 个,与古井贡酒有关的企业有21 个,与光明集团有关的企业有11 个,与酒中酒集团有关的企业有21 个,与南山奶粉有关的企业有11 个,最终获得118 个上市公司的数据,这118 个上市公司数据全部来自上证交易所和深圳交易所。原始数据来源于CSMAR ( 国泰安) 数据库。
( 二) 研究变量的设定与测量
1. 自变量: 发讯企业的平均累计异常收益率( messenger company’s average cumulated abnormal returns,简称MACAR) 。Goins和Gruca[6]用裁员企业的累计异常收益率作为自变量来研究裁员企业的裁员事件对为裁员企业的声誉影响,本文采纳其方法选择发讯企业的ACAR为自变量来研究发讯企业的声誉危机对受讯企业声誉的影响。
2. 因变量: 受讯企业的平均累计异常收益率( receiver company’s average cumulated abnormal ruturns,简称RACAR) 。在事件研究法中,将异常收益率作为因变量来研究声誉已经得到运用,并且Goins和Gruca在2008 年时候运用为裁员企业的累计异常收益率作为因变量,本文采纳其方法选择受讯企业的ACAR作为因变量。
3. 调节变量:( 1 ) 受讯企业的显著性( receiver company’ s prominence,简称RP) 。对于受讯企业的显著性,本文用企业规模来衡量,因为企业的规模越大,该企业在行业中的地位越是显著。对于企业规模的衡量,本文根据以往的研究,用企业员工数来衡量企业规模,即企业的显著性。企业员工数量越多,该企业的显著性越强。 ( 2) 受讯企业的专业性( receiver company’s specialism,简称RS) 。Dobrev et al. ( 2002) 曾用给定年限所生产的所有汽车模型机器容量的范围来测量专业化。本文采纳Dobrev et al. 的方法,本文选择企业在给定年限生产的产品和服务所跨的行业来衡量食品制造企业专业性。一个企业的所跨行业意味着该企业的市场范围和企业的竞争战略,因为经营范围直接影响企业的市场和产品的品质。专业性企业所跨的行业通常比一般化企业要少,因此某食品制造企业所跨的行业越少,该企业的专业性越强。
4. 控制变量: ( 1 ) 发讯企业的显著性( messenger company’ s prominence,简称MP) 。Tyersky和Kahneman在1974 年指出组织在网络中的中心地位会增强信息的传播,进而使公众对信息更熟悉。Tieying Yu ( 2008) 也曾指出组织在网络中所处的地位会对其他企业有影响。基于以上结论,本文选择发讯企业的显著性为控制变量。其测量方法与受讯企业显著性一样,同样用企业人员数量来测量。 ( 2) 总资产净利润率ROA。众所周知,企业的前期盈利能力会影响企业的股票价格,所以本文将受讯企业的ROA作为控制变量。用ROA来表示受讯企业的前期盈利能力,ROA越高,说明企业的前期盈利性越好。本文用受讯企业前三个季度的ROA的平均值来表示其前期盈利能力。( 3) 受讯企业总资产( receiver company’ s total asset,简称RTS) 。企业的总资产会影响股票的价格,进而影响股票收益率。所以本文选择受讯企业的总资产作为控制变量,并且以受讯企业前三个季度的总资产的平均值来衡量。 ( 4) 受讯企业的股权集中度,用OC表示。杨兴锐在2014 年指出,股权集中度会影响累计异常收益率。所以本文选择股权集中度为控制变量,并且用事件发生日前一期的前五大股东持股比例来衡量。 ( 5) 受讯企业的国家所有制,用SO表示。杨兴锐( 2014) 在其论文中指出,国家所有制形式会影响累计异常收益率,所以本文选择国家所有制为控制变量。国企取值为1,民企取值为0。 ( 6) 事件发生次数,用Times表示。Goins和Gruca[6]指出,裁员事件发生的次数会影响声誉的溢出效应,所以本文将事件发生次数作为控制变量。本文用自2000 年到事件发生日之间的事件发生次数来衡量。
表1 为本文所选取变量的指标定义。
注: N = 118,图表中所列数值为变量间的相关系数。***p < 0. 01,**p < 0. 05,* p < 0. 1,双尾检验。
( 三) 模型设计
基于以上假设和变量定义,本文的模型设计如下:
在方程中,RACARi表示受讯企业的平均累计异常收益率,其中i = 1,5 ; MACARi表示发讯企业的平均累计异常收益率,其中i = 1,5 ; RP表示受讯企业的规模,RS表示受讯企业的专业性,MP表示发讯企业的规模,ROA表示受讯企业前期总资产利润率,RTS表示受讯企业总资产,OC表示受讯企业的股权集中度,SO表示受讯企业的国家所有制,Times表示事件发生次数; βi表示待估回归系数,其中i = 1,2,…,11 ; ε 是随机项。
四、实证分析
本文运用统计软件stata12. 0 对样本数据进行各变量的描述性统计分析、变量间的相关性分析,通过OLS回归分析对假设进行检验。
表2 是所有变量的描述性统计和相关系数矩阵,从中可以看出所有因变量、自变量、调节变量和控制变量的相关系数均小于0. 700,说明各变量间的多重共线性并不严重。为了进一步诊断模型的多重共线性,我们对其进行了方差膨胀因子( VIF) 分析,结果显示,VIF的最高值为5. 143,小于其基准值10,因此可以判断该模型不存在多重共线性问题。Pearson相关系数显示,因变量受讯企业CAR1与自变量受讯企业CAR1呈现显著负相关关系,因变量受讯企业CAR5与自变量受讯企业CAR5呈正相关关系,但是显著性很弱。因变量受讯企业CAR1与控制变量受讯企业总资产,受讯企业所有制形式,受讯企业ROA及事件发生次数呈现正相关,与控制变量受讯企业股权集中度,发讯企业的显著性呈负相关。因变量受讯企业CAR5与控制变量受讯企业总资产,受讯企业股权集中度及事件发生次数呈正相关,与控制变量受讯企业所有制形式,发讯企业显著性以及受讯企业的ROA呈负相关。因变量受讯企业CAR1与调节变量受讯企业的显著性呈正相关且显著,与调节变量受讯企业的专业性呈负相关且显著。因变量受讯企业CAR5与调节变量呈正相关,但是不显著。回归分析的结果在表3 列出。
注: N = 118,图表中所列数值为回归系数,括号内为标准误。***p < 0. 01,**p < 0. 05,*p < 0. 1,双尾检验。
表3 为( - 1,1) 天窗口期回归模型。模型1是对控制变量的检验,模型2 是对假设1 的检验,模型3 和模型4 是对假设2 的检验,模型5 和模型6 是对假设3 的检验。从表中看出, ( - 1,1 ) 天窗口期的总模型匹配是显著的。其中,模型1 的F值( 3. 17) 在99% 的水平上显著,模型2 - 模型6的F值在95% 的水平上显著。从表中可以看出,模型1 - 模型6 的R2均在20% 左右,调整后的R2均在20% 以下。从模型1 中可以看出,受讯企业ROA与因变量受讯企业ACAR1呈正相关,但不显著。但是在加入自变量和调节变量后,受讯企业ROA与因变量受讯企业ACAR1呈现负相关,并且显著,所以控制受讯企业ROA这个变量是很有必要的。控制变量受讯企业所有制形式,发讯企业的显著性,事件发生次数在6 个模型中都显著正相关。这可能是由于企业所有制形式会部分影响企业的效率,国企的效率相对于民企来说可能会稍微低一些,同时发讯企业的显著性和规模会影响整个事件的发展,利益相关者对食品安全事件越来越关注。从模型2 中,可以看出主效应呈现显著负相关( β = - 0. 250,p < 0. 05) ,即当发讯企业声誉变差时,受讯企业的声誉是变好的,由此假设H1b得到验证,假设H1a在本模型中不能得到解释。模型4 是加入交互项发讯企业ACAR1× 受讯企业的显著性之后的结果,可以看到受讯企业的显著性会增强声誉溢出的竞争效应( β = - 0. 261,p < 0. 05) ,因此假设H2b得到验证,但是没有理由支持假设H2a。模型6 是加入交互项发讯企业ACAR1× 受讯企业的专业性之后的结果,在此受讯企业的专业性的调节作用并未得到验证( β =0. 074,p > 0. 1) ,所以假设3 并未得到支持。
注: N = 118,图表中所列数值为回归系数,括号内为标准误。***p < 0. 01,**p < 0. 05,*p < 0. 1,双尾检验。
表4 为( - 5,5) 天窗口期回归模型。模型1是对控制变量的检验,模型2 是对假设1 的检验,模型3 和模型4 是对假设2 的检验,模型5 和模型6 是对假设3 的检验。模型1 的F值( 3. 42 ) 在99% 的水平上显著,模型2 - 模型6 的F值均在95% 的水平上显著,可以看出( - 5,5 ) 天窗口期的总模型匹配是显著的。模型1 - 模型6 的R2均在25% 左右,调整后的R2均在20% 以下。从模型2 中可以看出, ( - 5,5) 天窗口同样验证了假设H1b,即声誉危机溢出效应是竞争效应。模型4 中交互项发讯企业ACAR5× 受讯企业的显著性的系数不显著( β = - 0. 225,p > 0. 1) ,说明假设H2b未被得到验证。模型6 中交互项发讯企业ACAR5× 受讯企业的专业性的系数显著( β = 0. 250,p <0. 05) ,说明受讯企业的专业性会加强声誉溢出的竞争效应,从而假设H3b得到验证。模型4 和模型6 的结果与( - 1,1) 天窗口期的结果不同,可能是由于危机信息在传播的过程中从模糊逐渐走向明朗的原因。随着危机事件的澄清,利益相关者最终会更加信赖专业性强的企业。
五、讨论与展望
本文证明了利益相关者对企业声誉的评价受行业中其他企业行为及利益相关者对这些行为解释的影响,得出声誉危机的溢出效应是竞争效应的结论: 在1 天窗口期内,受讯企业的显著性即受讯企业的规模的提高会增强其所受的竞争效应;在( - 10,10) 窗口期内,受讯企业专业性会增强这种竞争效应。本文的结论与Goins和Gruca得出的结论相悖,这可能是由于食品制造业这个行业的特殊性。第一,食品安全与人类健康息息相关,所以利益相关者们对这个行业的关注度非常高,一旦某一企业发生食品危机,利益相关者们对这个企业的信任将很快瓦解,转而寻求与其类似的企业产品或是替代品。第二,人们对食品的需求是刚性的,即使出现食品危机,人们也会消费这种食品。这样一个企业的声誉危机就给行业中的其他企业带来机会。而且,由于 “马太效应” 的存在( 人们倾向于选择规模大的企业即人们会认为规模越大越好的企业越能够生产好产品,当出现危机事件时,人们在心理上会更相信规模大的企业) ,使得行业地位显著性高的企业拥有更大的优势。
本文也存在一些缺陷。其一,本文的观测样本数据很少。虽然最近几年在我国出现过很多次食品安全事件,但由于很多都不是上市公司,所以本文无法对其进行研究。其二,本文选取的事件,大多是非系统性的事件,所以它不能显示出系统性事件在不同的窗口期会有怎样的效应。在以后的研究中,我们可以把危机分为系统性危机和非系统性危机来研究其传染效应和感染效应。
尽管存在以上的缺陷,但本文依然对理解组织领域声誉的动态性有理论意义。企业在对外部利益相关者资源竞争的同时又要保持自身的声誉,这种情形给组织领域成员创造了一种二元现象。行业竞争者不仅在要素市场和产品市场竞争,而且由于企业间的相互依赖性,在金融市场上会共享信息。一个企业的行为会对外界发出信号,各个企业的利益相关者通过这些信号来评价企业的价值。因此,在利益相关者看来,危机事件对企业声誉的影响,不仅仅局限于企业自身,而且会影响到其他企业。本文探讨了企业外部环境中的意外事故对组织声誉动态性的影响,增强了将企业外部环境中意外事故纳入声誉实证研究的重要性。本文通过制度理论和资源基础观的视角,探讨了合作和竞争这两种力量是怎样协调作用于企业产出的。这两种力量随着时间的推移会起到不同的作用。Barnett在2006 年理论上指出组织在竞争时期和合作时期行为的转变。
本文对管理者也有一定的启示。以往一直以为组织声誉来自组织内部管理控制,但利益相关者对企业声誉的评价并不仅仅只受管理控制的影响,同时受行业中其他企业行为的影响,这就要求管理者要能够敏锐地意识到竞争者的行为。当发生突发事件时,受讯企业要能够迅速作出反应,提供证据证明其与发讯企业的不同之处,从而免受危机事件对其的影响或减轻危机事件对其的影响。
摘要：本文从食品制造企业行业地位显著性和企业专业性两方面对危机事件的声誉溢出效应进行探讨,证实了声誉危机的溢出效应表现为竞争效应,具体而言,在(-1,1)窗口期内,受讯企业地位显著性越强,声誉危机的竞争效应越强;在(-10,10)窗口期内,受讯企业专业性越强,声誉危机的竞争效应越强。
关键词：声誉溢出效应,竞争效应,行业地位显著性,企业专业性
情绪的“传染效应”与快乐管理 篇2
马丽群:
我们的基层员工很辛苦,每天就像机器一样做来做去,可以说被训练成了一台机器。另一方面可以说基层干部,不尊重我们员工的自尊心。有的时间,说不好就骂,有时候骂你都很正常。
当然,这种情况并不只是个案。长久以来,面对工作,我们的管理者更多的是要求:“不要将感情带入工作中去”,不要“感情用事”。员工被要求“不带任何情绪”地投入到工作中去,一如冷冰冰的机器。然而,事与愿违,我们的员工并没有因此而工作热情高涨,反而有些员工表现出极端的行为,影响到他自己和他周围同事的工作绩效。所以,富士康高管为消除员工间长期弥漫的紧张情绪,请五台山高僧做法事,为员工祈福。暂且不评论其效果,但是,管理者多少还是意识到了情绪对员工的影响。当然,关键还在于如何改变员工的消极情绪,调动起他们的积极情绪,从而改变他们的工作绩效。
工作场所中的科技发展带来的不光是企业产能的激增,同时还有诸如工作压力、工作倦怠、情绪劳动失调、冲突和疏离工作等副产品。这些副产品如果管理不好,反过来会影响到员工绩效的提高,企业效能的再提升。因此,管理者应该清楚地认识对“人”的管理不能仅停留在原来的“人-岗匹配”(person-position-fit),即员工的知识、技能、能力、个性等与岗位要求相符合,更为重要的是看到员工的心理状态,包括静态的(即情绪表现)和动态的(即情绪管理)心理状态,做到psychology-position-fit。因此,正确认识情绪至关重要。
正确认识情绪,提高情绪管理能力
根据“吉姆斯-郎尔理论”,美国心理学家威廉·吉姆斯认为情绪是神经系统对情绪刺激的一种先天的反射适应,所以,他提出了“并非我们伤心,所以我们哭,而是因为我们哭,所以我们伤心”这个著名的论断。美国心理学家伊扎德在对情绪进行界定时也强调了情绪的生理基础。 很显然,情绪作为个体对客观事物的态度和体验首先是一种基本的生理反应,即,“情绪是一种遗传的‘反应模式’,它包含整个身体机制,特别是内脏和腺体系统的深刻变化”。所以,研究者多数都认为情绪无好坏之分:喜,也会“乐极生悲”;悲,也会“化悲痛为力量”……但是,也正是由于情绪中还包括个体的主观体验的成分,因此,情绪才会如上所说,“乐极”生“悲”、化“悲痛”为“力量”(即动力)。毋庸置疑,情绪是可以控制,可以培养,可以改变的。
正因为情绪具有适应、动机、调控组织等多种功能,因此,在正确认识情绪的基础上提高情绪管理能力就是当务之急。目前衡量情绪管理能力大多会使用“情绪智力(emotional intelligence)”来进行测量。相关研究也证实了情绪智力对工作场所所带来的影响。例如,Kelly和Caplan发现,与认知心理能力相比,情绪智力能更好地预测谁会成为贝尔实验室的明星员工;美国创新领导力研究中心在对一些高管进行研究中发现,失败者不是因为他们缺乏技术能力,而是因为他们缺乏情绪智力。所以,提高情绪管理能力,需要从提高情绪智力开始,即正确识别情绪的能力、自我管理的能力、自我激励的能力、同理心及社交能力,这些都有助于改善员工的情绪。
情绪的“涟漪效应”和快乐管理
情绪是指个体对本身需要和客观事物之间关系的短暂而强烈的反应,这既是一种生理的反应,同时也是一种主观感受和认知的互动,往往表达出个体一些特定行为。情绪在特定的环境里会形成情感流,在环境内产生“涟漪效应”,对环境中的处在不同层级的其他个体产生不同程度的影响。这种影响力如同多米诺骨牌一样,会产生分散效应,形成一个个涟漪。但要主要涟漪的辐射力的强弱还跟被影响的个体的情绪智力有关。所以,同一个情绪流,不同的个体反应各异,有人从中顿悟化解压力,有人“被感染”选择“一跳”。
从人力资源管理的角度看,需要我们做好两方面工作:
一是员工的拣选。研究已证明情绪智力与情绪的调控能力相关,因此,在员工筛选过程中除了要做到person-position-fit,还应该注意采取恰当的方法甄别员工的情绪智力,做到psychology-position-fit。
二是对员工进行情感管理。积极的或是消极的情绪都会影响一个人的认知和行为。而且,George和Brief提出的模型也证明了心理情绪在很大程度上会影响一个人在组织中的绩效,包括他的行为选择、所付出的努力程度以及对待实际工作的具体行为。所以,作为管理者需要对员工的情绪进行恰当的情感管理。
情感管理是指通过研究个体和群体对自身情绪和他人情绪的认识、协调、引导、互动和控制,充分挖掘和培植个体和群体的情绪智商、培养驾驭情绪的能力,从而确保个体和群体保持良好的情绪状态,从而达到良好的管理绩效。简单说,情感管理是对个体和群体的情绪感知、控制、调节的过程。长期的情绪困扰得不到解决,除了会降低个人的生活质量,还会使个人丧失工作热情,影响个人与同事的人际关系,影响个人的绩效水平,乃至企业某一时期的绩效。富士康就是个明显的个案。而好的、积极的情绪则会让你产生“好的感受”。我国学者孟昭兰也认为,积极情绪是与某种需要的满足相联系,通常伴随愉悦的主观体验,并能提高人的积极性和活动能力。积极心理学家Fridrickson也认为积极情绪能促使个体充分发挥自身的主动性,从而产生多种思想和行为迁移到其他方面。相关研究也证明,员工的工作绩效与在工作中获得的幸福感(快乐感)呈显著地正相关关系,具有更多积极情感的员工往往能够获得主管和同事更好的评价。
快乐作为积极情绪的一种,是一种主观的体验,是当人们在经历了大量的积极情绪和相对较少的消极情绪时的一种主观、全面的判断。快乐作为情绪的反映在人的心理世界中扮演重要的角色,通常在快乐的情绪状态下工作,员工更易于适应企业的工作压力、工作环境和人际关系。
特别是在今天,一方面企业的内外部环境变化快,另一方面员工也发生了天翻地覆的变化,工作不仅仅是谋生的手段,更多的是其实现自我的一个舞台。快乐管理一方面是工作情绪的引导,另一方面更为重要的是让员工从工作中感受到快乐,从工作中的“被情绪”到“情绪高涨”的工作。所以,对员工的快乐管理就体现在:
做好员工积极情绪的培训工作。实际上,这是一个有目的、有计划、有步骤引导员工进行自我积极情绪建设的过程。情绪是一个动态变化的过程,因此培训工作也是一个持续动态的过程。通常企业应该针对不同层次的员工开发一些有助于心理健康的课程和活动,例如倾诉、如何面对工作压力、如何调整情绪失调等等,调整员工的情绪,改善员工的心态,从而使之能以“饱满”的状态投入到工作中去。情绪培训不仅是工作情绪,还应该包括对待生活、对待人生的态度。
员工的职业兴趣匹配是快乐管理的核心。实证研究已经证实了积极情绪高的员工,工作绩效更高,而这类员工在工作中所获得的幸福感(快乐感)也高于其他人。而且,他们获得快乐的源泉是工作本身。根据赫茨伯格的双因素理论,我们知道真正能激发员工工作热情的还是工作本身。只有工作与其职业兴趣吻合,哪怕面对挫折、逆境,也不会陷进去不能自拔。如富士通“第七跳”的卢新(菁干班,即干部储备班),这个同事眼中快乐开朗的男孩就是因为职业与兴趣的不吻合,看不到希望,选择用极端的方式解决困境。
3月4日,卢新在其博客中写道:
如果真的可以,我可以天天写歌,我没钱,没有做音乐的硬件设备,甚至连电脑还舍不得买,更找不到唱片公司,青春易逝,24岁的我还能做到吗?我还是会付出的,至少这一年我会去追求。
所以,尽管进入富士康后,卢新选择加班来赚更多的钱,但他并不快乐。快乐管理更应该从员工入手,从员工的职业兴趣出发,通过职业兴趣测试将“合适的人放在合适的岗位上”。同时,要配合有效的职业生涯管理,让员工个人能清楚地看到个人发展的轨迹,尤其是有发展前途的年轻员工,往往会因工作前途的迷茫很容易陷入“人生绝境”的状态。而且企业也应该有这样的胸襟:“企业内成长,企业外发展”,为员工提供更多的机会与平台,使他们的“可雇性”提高,自然他们的个人核心能力也会增强,对未来充满信心。这不仅是双赢,更是个人、企业、社会、国家的成功。
公司经营绩效传染效应的研究 篇3
下文将对此做出进一步的叙述和分析。
一、研究过程
1) 调查对象:本文的调查对象为江苏省的10所企业, 对这些企业的2005~2012年的经营效果进行了调查, 为企业间的传染效应的研究提供依据
2) 调查方法:本文调查公司间经营效应的具体方式如下:首先我们将反应每个公司八年的发展情况的数据分别统计出来, 并制成折线图, 然后将八个公司的折折线图进行比较, 重点观察每个公司绩效折线图上升和下降的时间段的相互联系, 最后挑出一些彼此具有紧密合作的公司以及地理位置临近的公司再做比较, 并把各个公司经营绩效变化的区间跟和它合作紧密的公司的绩效变化联系同和它联系不紧密的联系情况相比较。
二、传染效应的作用方式
所谓传染效应, 就是指公司可以将自己的发展情况像病症一样传染给其他公司, 使其他公司的经营绩效随着自己呈正相关的变化, 研究传染效应的首要问题就是要研究传染效应的来源即这种传染效应从哪来, 以及传染效应的作用方式即如何进行传染, 在什么情况下容易传染以及如何利用或抑制这种传染效应和这种传染效应能够带来的影响等。
本文已经对几个公司的经营状况和相互联系进行了详细的调查, 通过充分的分析之后, 我们发现了传染效应的几个特点, 现在我们从公司的现金流, 债务管理以及资产投资等几个方面对传染效应的作用方式作出具体分析。
(一) 现金流
现金流动式现代公司经营运作的主要方式, 具有相互联系的多个公司会逐渐程一个小型市场, 现金可以在市场中的子公司间进行流动, 由此可见当市场中的某一个公司存在经营困难时, 流入它的资金便不能全数流出, 这就会引发其他公司的资金问题, 同时资金流动也不能继续在原规模进行, 那么这个公司的经济问题就会加重, 又会进一步影响其他公司的运作状况, 并进一步加剧现金流的减少, 一个循环的正反馈就形成了, 如若一直进行下去, 市场中的每一个公司都会受到影响, 出现经营问题, 也就是发挥了传染效应的作用, 将经营不利这一病症传染了下去。
(二) 债务管理
有学者指出, 当今社会各个公司的一个发展特点就是通过相互合作的公司作为担保人来申请贷款, 在这种情况下, 如果被担保的公司出现一定的经营问题无法妥善的管理贷款时, 担保它的公司也将受到一定的影响, 进行一定金额的赔偿, 影响自己的经营状况。传染效应又发挥了作用。相反, 如果被担保的公司业绩一直很好并有所提高时, 它将会及时的还清贷款, 在银行或其他借贷公司哪里去的更高的信誉, 一遍下次获取更高金额的贷款, 这样就给公司间的相互合作提供了更大的资金保障, 进而使担保的公司也获取一定的利益, 这也是传染效应的一个积极表现。
(三) 资产投资
资产投资也是公司经营绩效传染效应发挥作用的一个重要方面, 我们利用数学的手法对这一影响进行具体分析, 首先我们建立如下分析公式:
式中, da, db, dc, dd, de, df, dg代表不同的子公司, in表示公司的固定资产投资总额, 它的计算方式是用公司的年度资产原值的变化量除以年初的资产总值, po, s, le, ca, gr为不同公司的相互影响系数, ∑ye为全年总影响参数, e为作用变量。通过以上公司可以发现, 当一个公司的业绩出现问题时, 它必然会降低它的固定资产投资, 这将会导致被投资的公司现金不足, 发生经营方面的问题, 即公司降低投资必然会影响到与他合作的公司, 相反, 当它的经营绩效上升时, 它会增加资产投资, 为被投资的公司提供大量的资金, 促进其他公司的经营绩效, 公司间的经营绩效传染效应也就表现了出来。
三、结语
就公司经营绩效的传染效应而言, 现有文献主要探讨了公司破产清算带来的连锁反应。有研究发现, 当一银行宣告破产时, 其他银行的股票价格随之下跌, 表明破产银行的负面消息溢出到了其他银行, 这也是传染效应的一个表现。综合而言, 已有研究对公司经营业绩的传染效应进行了初步探讨, 但主要集中于银行业的分析, 且传染效应的考察仅限于同行业公司"现代经济社会的企业已不再是独立经营的个体, 通过直接或间接的方式与其他组织或个人建立着广泛联系, 因此企业管理人员必须重视公司间的“传染效应”。
参考文献
[1]黄俊, 陈信元.集团化经营与企业研发投资——基于知识溢出与内部资本市场视角的分析, 经济研究, 2011.
[2]李焰, 陈才东, 黄磊.集团化运作, 融资约束与财务风险——基于上海复星集团案例研究, 管理世界, 2007.
传染效应 篇4
关键词：资产关联,小世界网络,关联信用风险,延迟效应,传染概率
1 引言
随着市场经济的深入发展,企业之间通过交易、担保、交叉持股、企业控制人间的亲缘关系等形成了错综复杂的关联关系。关联关系可以促进企业自身的发展,但同时也为企业的经营埋下了隐患。一旦关联关系网络中某些企业出现经济困难或者破产,与其关联的企业也可能陷入经济困境。因此,研究信用风险在关联企业之间的传染效应和规律,对于预防和控制关联企业之间信用风险的传染,促使企业健康发展具有重要的现实意义。
在存在某种关联关系(如资产关联、交易关联或人际关联等等)的企业之间,如果其中一些企业违约,导致与之关联的其他企业违约或者违约概率增大,则称这类信用风险为企业之间的关联信用风险。存在关联关系的企业简称为关联企业。在现实中,关联企业之间有的存在直接的资产关联关系,而大多数关联企业之间存在间接的关联关系,其中,间接关联关系指企业之间可以经过几次关联形成的关联关系。在由关联企业构成的网络结构中,“关联度”一般指与该企业存在直接资产关联关系的其他企业的数量。如果网络中大部分企业彼此并不相连,但绝大部分企业之间可通过直接关联关系和间接关联关系相连,称具有此类特征的网络结构为“基于企业关联关系的小世界网络”[1]不仅可以刻画出企业之间关联关系所表现的特征,而且也简化了关联关系结构的复杂性。本文拟研究企业之间存在资产关联关系的情况,并假设企业间通过资产关联形成的复杂网络结构为小世界网络。其中,企业之间的资产关联是指企业之间通过交叉持股、债务关联、信用担保或互保以及信用衍生品等资产所形成关联关系。如文献[2]发现上世纪90年代德国企业间的股权关系网络具有小世界特征。
在由关联企业构成的网络中,当其中某一企业发生信用风险时,如果网络中的其他企业不给予及时援助,则该企业将成为关联信用风险的传染源甚至面临破产;如果该企业被给予了及时的救助,就可能暂时度过难关,关联信用风险的传染将被延迟。因此,当企业发生信用风险时,其他关联企业可能通过采取相应措施避免或延缓关联信用风险的传染。从企业感染上信用风险的时刻到企业爆发信用风险的时间称为信用风险的传染延迟,记为T.企业间的关联关系将影响信用风险的传染强度和深度,特别在爆发经济危机或者金融危机时,关联关系将进一步加重信用风险传染的深度。国内外学者主要从简约模型或者结构模型研究信用风险的传染问题[3,4]。有些学者研究信用风险的特性时嵌入了企业间的关联关系。例如,Li利用Copula函数研究信用资产违约的相关性[5];Neu等在公司资产相依和共同风险因子的条件下建立银行信贷组合的信用风险模型,并用蒙特卡洛模拟法分析其优势[6];刘堃等[7]从企业关联关系和信贷行为角度构建信用风险的预警模型。
学界对复杂网络的研究方兴未艾,复杂网络被广泛地应用于复杂系统的研究中,复杂网络理论的发展也为企业管理提供一种新的研究视角。孙耀吾等从NW小世界网络视角,揭示高技术企业联盟知识扩散特性[8]。陈子凤等研究了9个国家和地区31年间的专利合作数据,实证分析发现研发合作网络具有小世界的特征[9]。汤凌霄等从人员、制度、过程与系统、外部等方面筛选指标,采用网络分析法量化分析银行的操作风险[10]。陆静等利用贝叶斯网络构建商业银行全面风险的拓扑结构,分析了各类指标对全面风险的影响程度[11]。Chuang利用国际清算银行中各个银行的季度报告数据及报告国的债务与GDP比率关系,从复杂网络的视角研究各国主权债的违约风险[12]。马源源等运用SIR模型研究上市公司间所形成的持股复杂网络结构特征,分析网络中遇到随机攻击和蓄意攻击时股市危机的传播过程[13]。管丹辉等[14]运用多智能体仿真方法研究企业集团信用风险的延迟效应。上述文献通过关联关系或复杂网络理论研究了企业的经济特征和风险传播问题,但很少文献研究企业之间关联信用风险的传染和延迟效应,更鲜有学者利用小世界网络并结合传染病模型研究关联信用风险的传染规律。
在企业通过资产关联关系构成的小世界网络中,当其中一些企业发生信用风险发生时,资产关联关系如何影响关联信用风险的传染?关联信用风险传染的延迟效应是否有助于整个企业关联关系网络的稳定?这些问题是当前关联信用风险研究关注的重要问题。本文将利用小世界网络理论和传染病学模型对上述问题进行探讨。首先,在小世界网络的框架下构建企业关联信用风险的传染模型;其次,研究了该网络结构中“非健康”企业的密度与关联信用风险的传染延迟时间及传染概率之间的关系;最后,通过可视化分析,探讨了关联信用风险传染概率的临界值和“非健康”企业的密度。研究发现:关联信用风险传染的强度与三方面相关:一是企业之间资产关联的企业数量;二是关联信用风险传染的延迟时间;三是企业的资产关联比。研究表明:企业之间的资产关联关系一方面有助于相互分担风险,延缓关联信用风险的爆发;另一方面也将加重关联信用风险的传染广度。
2 基于企业关联关系的小世界网络中关联信用风险传染延迟效应
考虑由N个企业构成的基于企业关联关系的小世界网络中,节点表示企业,边表示两个企业之间存在的资产关联关系。设平均关联度为<k>的企业,与其存在资产关联关系的企业之间的所有关联资产的和与它们的总资产的和之比称为企业的资产关联比,记为η.为方便分析,假设小世界网络中的每个企业只能处于以下两种状态之一:
①“健康”状态S:表示企业未被关联信用风险传染,但易感染;
②“非健康”状态I:表示企业已被信用风险传染,并且具有传染性。
在初始时刻,网络中的企业都没有发生信用风险,即每一企业都是健康的,但随着宏观经济环境的恶化或者企业自身经营不善,网络中的某些企业发生了信用风险。关联信用风险的传染使网络中的企业要么处于“非健康”状态要么处于“健康”状态。也就是说,在基于企业关联关系的小世界网络中,“非健康”企业经过有效的救助可以转化为“健康”企业,而“健康”企业受到关联信用风险的传染可能转化为“非健康”企业。设在t时刻,处于“健康”状态的企业在网络中所占的比例称为处于“健康”状态企业的密度,记为s(t);“非健康”状态企业的数量与网络中企业的总数之比称为处于“非健康”状态企业的密度,记为ρ(t),且满足s(t)+ρ(t)=1。当时间t趋于无穷大时,关联信用风险的传染趋于均衡状态,即网络中“健康”和“非健康”企业所占的比例都趋向于某一定值,记ρ为“非健康”企业密度的稳定值。如果在t时刻,一个“健康”企业与“非健康”企业存在资产关联关系,且在t+1时刻,该“健康”企业以概率γ被“非健康”企业传染,则称γ为关联信用风险的传染概率。但它与一般的传染病SIS模型不同,在t时刻“非健康”企业将一直保持“非健康”状态I,但如果对其进行有效的救助,则到t+T+1时刻,“非健康”企业将以概率δ恢复到“健康”状态S,称p=γ/δ为关联信用风险的有效传染概率。为讨论方便,不妨假设一旦对“非健康”企业进行了有效救助,则该“非健康”企业可以恢复到“健康”状态,故δ=1,由此,可用传染概率γ近似有效传染概率p.
根据小世界网络的特征,网络中每一企业的“关联度”近似等于网络的平均关联度,因此,可以假定网络中每一企业的资产关联比都相同。也就是说,资产规模大的企业与其关联的资产较多,资产规模小的企业所联接的资产也较小,从而使得网络中每个企业的资产关联比几乎一样。如果基于企业关联关系的小世界网络中爆发关联信用风险传染,则它的传染强度与企业的平均关联度、资产关联比等相关。同时,由于企业之间通过资产关联关系构成的网络结构的复杂性,以及关联信用风险传染过程的复杂多变性。为更好刻画关联信用风险的传染特征,可假设关联信用风险在网络中的传染是均匀的。运用动力学平均场理论[15],该小世界网络中关联信用风险传染的动力学方程为
其中ρτ(t)(τ=0,1,…,T)为t-τ时刻“非健康”企业的密度,并满足
方程组(1)的第一个方程的右边第一项表示关联信用风险经过传染延迟T后,“非健康”企业以单位速率恢复为“健康”状态S的密度,第二项表示在t时刻网络中产生新的“非健康”企业的密度,它与传染概率、企业的“关联度”(这里用<k>代替)、资产关联比和“健康”企业的密度成比例。式(1)中后面的方程表示在不同时刻,“非健康”企业的密度ρτ(t)之间的转换关系。
命题1如果关联信用风险传染在基于企业关联关系的小世界网络系统(1)处于稳定状态,则关联信用风险的传染概率为企业的平均关联度、资产关联比和关联信用风险传染延迟的函数,即。
证明因为关联信用风险传染在基于企业关联关系的小世界网络中经过若干次演化,系统(1)会进入稳定状态。令ρτ(τ=0,1,…,T)为网络稳定状态时“非健康”企业的密度值,利用稳定状态的条件可知ρ0=ρ1=…=ρT.把上式代入(2)中可得,再结合(1),s(t)+ρ(t)=1及基于企业关联关系的小世界网络稳定的条件,可得。对于ρ,由此知关联信用风险传染概率的临界值为或者。
通过上面的证明发现,关联信用风险的传染概率的临界值γ与其传染延迟、企业的资产关联比和平均关联度相关,或者说关联信用风险的传染延迟受到企业的资产关联比、平均关联度及传染概率的影响。在不考虑传染延迟和资产关联比的情况下,传染概率只取决于企业的平均关联度。如果只忽略关联信用风险传染延迟对传染概率的影响时,传染概率为由此可知企业间的资产关联比增大了关联信用风险传染的强度,也就是说,企业之间的资产关联关系增加了网络的不稳定性。而在同时考虑传染延迟和资产关联比的情形下,显然又降低了网络中关联信用风险的传染概率。这表明企业之间通过资产关联相互分担风险,降低了企业发生关联信用风险的可能性,该结论从另一角度阐释了企业之间的资产关联关系具有积极的经济意义。
命题2如果关联信用风险传染在基于企业关联关系的小世界网络系统(1)中处于稳定状态,则当γ<γc时,基于企业关联关系的小世界网络中未发生信用风险,即ρ=0;当γ≥γc时,“非健康”企业的密度为企业的资产关联比、传染概率、传染延迟和平均关联度的函数,即
由命题1的证明过程可知此结论成立。当基于企业关联关系的小世界网络中发生关联信用风险时,由于关联信用风险传染延迟和资产关联的影响,可发现网络中“非健康”企业的密度ρ<1。由此可见,由于企业之间的资产关联和传染延迟的存在,使得企业之间相互分担风险,或者对“非健康”企业的有效救助,关联信用风险的传染并不能使网络中所有企业都会处于“非健康”状态。这也解释了基于企业关联关系的小世界网络中存在爆发信用风险传染的可能性,但整个网络中的企业不会都破产。
3 关联信用风险传染延迟效应的可视化分析
为了更清楚地研究基于企业关联关系的小世界网络中关联信用风险传染的特征和规律,运用Matlab2013b,可视化分析网络中传染概率随企业的平均关联度与传染延迟的变化关系,以及“非健康”企业的密度变化形式,并对比探讨资产关联对关联信用风险传染的影响。依据实体经济中企业之间的资产关系,本文给定企业的资产关联比η=0.3。
图1描述了在不同的平均关联度<k>1=3,<k>2=6,<k>3=9时,基于企业关联关系的小世界网络中关联信用风险传染概率随传染延迟时间变化的情况。图3刻画了在不同的传染延迟时间T1=4,T2=8,T3=12时,传染概率和网络中企业的平均关联度之间的关系。从图可以发现,网络的平均关联度越大关联信用风险的传染概率越小;传染概率随着传染延迟时间的增大而减少。即增加企业之间“关联度”或者关联信用风险传染延迟时间的延长,都能降低关联信用风险的传染概率。这表明,企业之间通过资产关联分担了关联信用风险,降低了关联信用风险的传染概率,从而延缓关联信用风险传染的发生。因此,在基于企业关联关系的小世界网络中,适当增加建立企业之间的资产关联关系,或者在某企业发生关联信用风险时对其及时救助,都会延缓关联信用风险传染的发生。图4给出了关联信用风险的传染概率与传染延迟、平均关联度的演化关系。结合图1、图3和图4,可知小世界网络中随着企业间资产关联的增多和传染延迟时间的延长,关联信用风险的传染概率趋于稳定,并且爆发关联信用风险传染的可能性也较低。
给定企业的资产关联比和平均关联度的情况下,图5、图7和图8描述了企业的平均关联度为<k>=6时,“非健康”企业的密度随传染延迟时间及传染概率变化的情况。从中可观察到,当传染延迟时间或者传染概率的增大时,网络中“非健康”企业的密度也增大并趋于稳定值。这表明关联信用风险积累的时间越长或者其传染强度比较大时,网络中“非健康”企业的个数也越多,并且趋向稳定于某一定值。同时可知,当传染延迟时间与传染概率同时增大时,“非健康”企业的密度稳定值也越大,但网络中“非健康”企业的密度小于1。也就是说,在基于企业关联关系的小世界网络中爆发了信用风险传染时,并不会使所有企业都能感染信用风险,有些企业对信用风险传染具有一定的免疫性。图1和图2描述了考虑和不考虑资产关联比时传染概率与传染延迟的关系。对比图1和图2发现,二者都是随着传染延迟时间的增大时其传染概率变小,并且趋于稳定值,但是考虑资产关联比的基于企业关联关系的小世界网络中传染概率大于不考虑的情形。
图5和图6刻画了考虑和不考虑资产关联比时小世界网络中“非健康”企业密度随传染延迟变化的情形。从这两图可看出,在考虑和不考虑资产关联比的两种情况下随着传染概率和传染延迟时间的增大,“非健康”企业的密度也增大,并趋于稳定值。但是,在其他条件都一定的情况下,不考虑资产关联比的网络中“非健康”企业的密度远大于考虑资产关联比的情形。也就是说,不考虑资产关联比的基于企业关联关系的小世界网络中低估了关联信用风险的传染概率。因此,在企业信用风险管理中要重视管理企业之间的资产关联,有利于企业更好规避风险。
综上分析可知,在企业管理关联信用风险过程中,对其实施积极审慎的管理,才能较好的规避风险,从而实现企业的经济效益最大化。企业之间通过资产关联关系,实现了风险的相互分担,促使风险一定程度的转移,降低了关联信用风险的发生。企业要处理好资产关联关系,避免关联信用风险的发生,有利于提高企业的经济效益。同时,在企业发生信用风险时要对其及时救助,可避免关联信用风险的进一步蔓延。也要避免关联信用风险延迟时间过长,即对企业可能产生的各种隐患,要及时发现并进行必要的治理,有利于提高基于企业关联关系的小世界网络的健康发展。因此,在现代企业管理中,关联信用风险的防止和治理,具有非常重要的现实意义。
4 结论
传染效应 篇5
2011年1-2月,全国实际使用外商直接投资(以下简称FDI)金额178.23亿美元,同比增长27.09%。自2009年金融海啸以来,我国吸收FDI情况总体上依然见好。据统计,2010年全国实际使用FDI金额1057.35亿美元,同比增长17.44%。亚洲十国/地区(香港、澳门、台湾省、日本、菲律宾、泰国、马来西亚、新加坡、印尼、韩国)对华投资实际投入外资金额881.79亿美元,同比增长20.55%。美国对华投资实际投入外资金额40.52亿美元,同比增长13.31%。欧盟二十七国对华投资实际投入外资金额65.89亿美元,同比增长10.71%。2001年至2009年我国实际利用外资额的情况见下表。
由上表可见,第一,FDI是我国实际利用外资的最主要形式。第二,近些年,我国吸收的FDI总体上呈稳步增长的趋势,虽然偶有轻微的负增长现象。
二、FDI技术溢出及传染病模型的文献综述
外资溢出或外部经济通常是指外国跨国公司存在对东道国内资企业的影响(Buckley,Clegg and Wang,2007)。外资溢出效应主要有四个机制产生:示范效应、培训效应、“干中学”效应和竞争效应(Eden等,1997;Liu,Wang and Wei,2009)。由于外资溢出效应主要是指技术溢出,所以很多学者在文献中对“生产率溢出”和“技术溢出”两个术语常常等同使用(Kokko,1996)。溢出效应被认为是东道国通过吸引外资提升内资企业绩效和自主创新能力从而促进经济增长的重要渠道。正因为此,外资溢出效应的研究已经成为近年来跨国公司研究领域中最重要和最活跃的研究主题之一。现有文献对FDI影响经济增长的研究可以大致分为宏观和微观两个层面。宏观层面的研究,多以一个或若干个国家的宏观数据为样本,主要从投资角度分析FDI对经济增长的直接影响(钟昌标,2007;周礼,张学勇,2006)。微观层面的研究,多以一个或若干个国家的企业或行业数据为样本,探讨FDI对经济增长的间接影响,特别是对技术进步的作用,并研究如何利用技术溢出效应来促进经济增长(钟昌标,2006;徐康宁,陈健,2008)。
就FDI技术溢出的过程本身而言,类似于传染病的蔓延过程。技术扩散是一个传染过程(Mansfield,1961),在他的“传染”学说中认为技术创新在企业中的扩散过程是一个模仿过程,企业能否采用技术创新在很大程度上受其他企业采用行为的影响。采用技术创新的企业越多,企业受到的影响就越大,因而采用技术的可能性就越大。如同传染病的传播过程一样,该病的患者越多,健康人被感染的机会就越大。国内学者也认为技术扩散是技术的传播过程,是技术的采用者通过各种途径从溢出源获得技术的过程(罗荣桂,江涛,2006)。因此我们可以用传染病模型来研究FDI技术扩散过程。
关于传染病,我们知道有些传染病如伤风、痢疾等愈后免疫力很低,可以假定无免疫性,于是病人被治愈后变成健康者,健康者还可以被感染再变成病人,这种模型称为SIS模型。但是,大多数传染病如SARS、天花、流感、肝炎、麻疹等治愈后均有很强的免疫力,所以病愈的人既非健康者,也非病人,他们已经退出传染系统,这种模型称SIR模型,也更适合FDI技术溢出的过程。
三、SIR模型分析
人们研究传染病问题由来已久,2003年SARS的来袭使传染病模型再次进入人们的视线(杨玉华2007),有学者在传统模型的基础上考虑动力学因素(杨钢,2007),也学者用复杂网络理论研究传染病(汪小帆等,2006),有些学者考察的是具有阶段性结构的SIR模型,有些学者在对SIR模型的研究时,把重心放在时滞等等,但是SIS模型和SIR模型作为两个基本数学模型是研究传染病传播的基石,本文以SIR模型为蓝本。首先,我们假设在FDI的技术溢出过程中,作为研究对象的企业总数可以近似看作常量N;其次,假设企业均匀分布,单位个体没有差异;第三,鉴于受到外资技术传染的企业数相比企业总数非常小,因此我们假定企业是由于FDI的技术溢出而获得相关技术。SIR模型的其他假设条件为:
1.S(t)表示为在t时刻企业群中还未接受引进FDI带来的生产技术、经营理念、管理经验等(FDI的技术溢出),但有潜在接受的能力的企业数;I(t)表示在t时刻企业群中已接受这种技术的企业数;表示表示在t时刻企业群中接受该技术后放弃该技术而采用了替代技术的企业数。
2.λ为FDI技术扩散企业的成功率,μ为接受该技术后又退出的企业的退出率(替代技术的接受率)。
3.记初始时刻未接受FDI技术溢出的企业数记为S0,接受这种技术的企业数记为I0,接受该技术后放弃该技术的企业数记为R0。
由条件1得出:
由条件2得出:
对于接受了FDI的技术溢出后放弃该技术的企业而言得出:
由此,得到FDI技术溢出在企业群中的扩散模型:
接下来,我们在相平面上讨论方程(4)解的性质。在相平面上相轨迹的定义域为由方程(4)消去dt,得到:
方程(5)的解为:
在定义域内方程(6)所示曲线为相轨线,S(t)和I(t)随时间t的增加而变化,如下图1。
由以上方程和相轨迹图,我们不难得出以下结论:
(1)不论初始条件S0,I0如何,I∞=0。另外,从图形上看,无论相轨迹线从P1和P2出发,最终会与S轴相交。由此,我们可以认为,随着时间的推移,最终掌握该技术的企业数为零,这与现实也是也是不谋而合的。因为任何企业在接受某一技术后,以速率接受新技术,新技术必将替代旧技术。
(2)当最终未接受技术溢出的企业数是S∞时,由相轨线知,接受FDI的技术溢出的企业群数I∞,那么最终没有接受该技术的企业在所有企业中的比例为S∞/N,最终采用该技术后放弃该技术而接受了更先进的技术的企业为。
(3)若S0>1/σ,则I(t)先是增加,当S0=1/σ时,I(t)最大值为,然后I(t)减小趋于零,则单调减少至。由此,我们可以认为,如果FDI的技术在一段时间内溢出,则I(t)在一段时间内增加,此时S0>1/σ,且当,此时I(t)最大,。。
四、结语
我们根据阀值1/σ得到使FDI的技术溢出效应充分发挥的方法。对SIR传染病模型本身而言,通常认为当病人比例存在一段时间的增长时就意味着传染病在蔓延,并需要采取措施加以控制。相反地,在FDI的技术溢出过程中,我们希望这种扩散在一段时间内能够尽量地放大,受益的企业数量可以尽量多,据此我们可得到以下两种扩大FDI溢出效应的方法。
第一,当时FDI的技术溢出的受益企业数增加,我们只要想办法降低值1/σ,使得,技术溢出就会扩散。换句话说,替代技术的出现无疑使得原技术的扩散带来很大的负面影响,而中介机构有利于FDI技术扩散,因为它们能迅速准确传递创新信息,提供各种服务,使交流更频繁。
第二,当时,在其他条件不变的条件下,提高初始时刻未接受FDI技术溢出的企业数s0,使得,FDI技术溢出就会继续扩散。要提高s0,必须减少退出率。因此,政府可以根据行业技术更新周期和特点,制定中长期引进FDI的战略规划,引导FDI进入那些技术更新周期稍长的行业,制定重点产业引进FDI的具体政策和政策规范。同时政府大力发展中介机构,着力于相关专业人才的培养,使国内企业能与国外技术雄厚的企业与交流畅通,高效吸收FDI的技术溢出。总之,为了使FDI技术溢出效应尽量的扩大,政府在法律、政策、规划、信息、人才等方面的干预是必不可少的。
参考文献
[1]Buckley,P J.,Clegg,J.and Wang,C.2002,Is the Relationship between Inward FDI and Spillover Effects Linear?An Empirical Examination of the Case of China,Journal of International Business Studies,38(3):447—459.
[2]Eden,L.,Levitas,E.and Martinez,R.J.1997,The Production,Transfer and Spillovers of Technology:Comparing and Large and Small Multinationals are Technology Producers,Small Business Economics,9(1):53—66.
[3]Liu,X.,Siler,P.,Wang,C.and Wei,Y.2000,Productivity Spillovers from Foreign Direct Investment:Evidence from UK Industry Level Panal Data,Journal of International Business Studies,31(3):407—425.
[4]Kokko,A.1996,Productivity Spillovers from Competition between Local Firms and Foreign Affiliates,Journal of International Development,8(4):517—530.
[5]Mansfield.E.Technology change and the rate of imitation[J].Econometrics,1961(29):741-765.
[6]钟昌标.影响中国电子行业出口决定因素的经验分析[J].经济研究,2007,(9)
[7]周礼,张学勇.FDI对国有工业企业技术外溢效应的实证研究——基于宏观数据的联立方程模型分析[J].国际贸易问题,2006,(4)
[8]钟昌标.外商直接投资的横向和纵向溢出:对中国电子行业的分析[J].世界经济,2006,(11)
[9]徐康宁,陈健.跨国公司价值链的区位选择及其决定因素[J].经济研究,2008,(3)
[10]罗荣桂,江涛.基于SIR传染病模型的技术扩散模型的研究[J].管理工程学报,2006,(1)
[11]杨玉华.传染病模型的研究及应用[J].数学的实践与认识,2007,(14)
传染效应 篇6
社会镶嵌理论认为经济人是在社会网络内的互动过程中做出决定的,个人行为和制度镶嵌在社会网络中(Granovetter,1985)。企业间的连锁网络作为一种重要的社会网络,日益受到国内外学者的关注。任兵、区玉辉和彭维刚(2004)认为连锁董事是指一个企业的董事同时也是企业的董事,是企业因连锁董事而形成的企业间联系所构成的企业间网。毛成林、任兵(2005)研究发现企业间的连锁董事网络是影响企业的经济行为的重要因素。国外研究提出上市公司的连锁董事不仅具有监督作用,而且还充当了公司间信息沟通的重要桥梁,并提供专家建议(Ronen and Yaari,2010)。近年来,国内外的学者开始关注并研究企业间的连锁网络是如何影响企业的行为与绩效。相关实证研究表明企业间的兼并与收购决策、投资决策、追溯期权的薪酬惯例、交易所牌价决策等企业行为都可以通过连锁董事网络进行传播(Cai and Sevilir,2009;Cohen et al.,2008;Bizjak et al.,2009;Rao,et al.,2000)。现有研究企业间连锁网络的文献一般都只限于连锁董事网络,很少有涉及监事会与管理层,本文把所研究的企业间的社会网络进行拓展延伸,重点研究“连锁高管网络”。本文所指的“高管”包括公司的董事会成员、监事会成员和管理层成员,并参考已有文献对“连锁董事”的定义做出“连锁高管”的定义:若一个公司的高管同时也在另一个公司任职,则称为“连锁高管”。本文结合中国的经济背景研究研究盈余管理这一会计行为在连锁高管网络间的传染性。与西方国家学者的研究范围及侧重点有所不同,本文把连锁网络的范围从连锁董事网络拓展到连锁高管网络,并重点关注企业的治理结构如独立董事和监事会成员在连锁高管网络中的影响。本文旨在从以连锁高管为代表的社会网络的角度出发,探索中国企业公司治理与会计行为质量之间的关系及特点。
二、理论分析与研究假设
(一)连锁高管网络与盈余管理行为的传染效应
本文主要研究在中国的经济背景下,盈余管理行为是否会在上市公司的连锁高管网络间传染。本文以中国2003年至2009年间发生过财务重述的A股上市公司作为研究切入点。Chiu,Teoh和Tian(2013)的研究通过阅读财务重述的公司重述公告判断出这家公司开始进行盈余管理的第1年,认为从第1年到财务重述报告之日这段期间为“重述期”,并定义“重述期”的第1年为一家公司进行盈余管理行为的“操纵期”。Shi等(2011)的研究则表明,会计行为的传染效应在董事的连锁建立时起至连锁解散之间都是存在的。本文综合参考以上两篇论文的研究,把一家财务重述公司开始进行盈余管理的第1年到财务重述报告之日这段期间定义为“重述期”;同时考虑到盈余管理行为具有一定的隐蔽性,有可能出现在最早的公开信息暴露之前,而盈余管理行一旦开始后很可能延续到下一年,本文把将“重述期”的第1年设为T,将一家重述公司进行盈余管理行为的“操纵期”定义为T-1至T+1这3年,见图(1)。若把盈余管理行为比喻为病毒,本文认为,当重述公司处于“操纵期”时,其盈余管理行为最具传染性。正如病毒具有潜伏期,盈余管理行为也可能具有潜伏期,因此允许盈余管理行为具有2年的潜伏期,即认为若一家重述公司在第t年处于“操纵期”且拥有连锁高管,那么连锁高管在第t年及接下来2年都可能充当“传播媒介”,及t至t+2年都属于重述公司盈余管理行为的“传染期”见图(2)。由此进一步推断,重述公司与其他公司具有连锁高管,且连锁高管的任职期在“传染期”这段期间,那么与重述公司连锁的这家公司以后也很可能进行盈余管理,并导致发生财务重述。Bijak等(2010)的研究表明企业往往会模仿与之有连锁董事的公司所做出的决策。而社会心理学的研究还表明一个组织中个体往往倾向于遵循“社会惯常做法”即使他们知道这种“社会惯常做法”是不对的(Asch,1951)。因此本文认为具有连锁高管的公司之间会相互模仿其会计行为,即会计行为能通过连锁高管网络进行传染,且连锁高管的数目越多,证明企业间的网络链条越多,越有可能加强企业间相互模仿的可能性。因此本文提出如下假设:
H1:若财务重述的公司在“传染期”拥有的连锁高管数目越多,盈余管理行为越有可能通过连锁高管传染,与之相连锁的企业在以后进行盈余管理并导致发生财务重述的可能性越大
(二)连锁独立董事与盈余管理行为的传染效应
卢昌崇和陈仕华(2009)发现2008年中国资本市场超过80%的上市公司有连锁董事,在连锁董事中,连锁独立董事所占比例从2003年至2009年都在65%-70%。弱联结优势理论认为,社会经济特征相类似的个体之间易形成强联结发展起来,而社会经济特征不同的个体之间易形成弱联结。强联结所得到的信息具有较高的“冗余性”和“同质性”,而弱联结更容易充当跨越社会界限获取知识、信息等资源的桥梁,也更可能将某些群体内部的重要信息传递给不属于这些群体的其他个体。公司董事会成员一般分为成内部董事和独立董事。内部董事大部分都参与公司经营管理,日常工作中接触机会多,互相之间的关系就属于公司内的强联结关系,进行治理决策的时候,会出现信息同质化程度高和信息冗余的情况;而独立董事一般为高校教授、法律财会专家等独立的外部人士,与企业内部董事的信息交流相对较少,背景差异较大,且独立董事之间相互交集较少,因此内部董事与独立董事之间的关系以及独立董事之间的关系属于董事网络的弱联结关系。如果独立董事兼任多家公司职位的时候,接触的知识和信息更加多元化和差异化,从而能给公司董事会决策带来更多样化知识、信息和资源,容易充当企业之间的“桥梁”(Cai and Sevilir,2012)。根据结构洞理论,网络中的某个个体与某些个体建立直接联结,但与其他部分个体未发生直接联结,就会形成有洞的结构网络,即所谓的“结构洞”(Burt,1992)。在关系稠密的网络中,每个行动者所能获得的信息都基本相同,存在大量的冗余信息,而在关系比较稀疏的网络中存在一些结构洞,处于结构洞地带的行动者能够得到处于结构洞两端的不同的关系稠密地带的信息,能够得到大量异质性信息,并有利于行动者利用这些差异化的信息取得先行优势或主导地位。在董事网络中,每个公司的非连锁董事与其它公司的董事之间没有直接的联系,而是通过连锁董事的关系间接地交流,那么每个公司董事间不同的网络小群体就构成了整个上市公司董事网络的结构洞。连锁董事提高了整个上市公司董事网络信息的异质化和交流性。独立董事在连锁董事中占有主要地位,因此独立董事因结构洞而获得的信息优势和控制优势比其他普通连锁董事更明显,即作为企业间信息媒介的作用也更为突出。连锁董事是连锁高管的重要组成部分,故连锁独立董事在上市公司的连锁高管网络中也应具有十分突出的地位。因此,本文提出以下假设:
H2:若连锁高管是独立董事,重述公司盈余管理行为通过连锁高管进行传染的可能性更大
(三)连锁监事与盈余管理行为的传染效应
以英美为代表的公司治理结构中没有设置监事会,因此国外关于监事会的职能及作用的研究文献十分有限。监事会是公司的内部监督机构,也是公司重要的治理机构。监事会是由股东大会选举产生,主要职能是对公司的董事会和管理层的经营行为和决策进行有效的监督,以保障财务信息的真实与业务行为的合法。监事会的内部监督机构的性质,使其无权参与公司的日常经营活动。监事会的监督是事后监督,其主要职责在于检查董事会和经理层的经营成果,纠正其中损害股东利益的做法,但并没有直接参与公司决策。本文尝试从非正式公司治理的角度,即社会网络的角度探讨监事会的特殊作用,在连锁高管网络中去研究监事会的地位与对会计行为传染效应的影响。虽然监事会没有直接参与公司的决策,但由于监事会作为企业的监督治理机构,这一独特的角色使其一定程度上代表了企业的治理有效性,及其传达的信息更容易被其他企业认为是公正可信的。当盈余管理行为在连锁监事中传播时,被感染的企业更容易认为这一行为是合理合法的从而接受这一行为。因此本文提出如下假设:
H3:若连锁高管是监事会成员,重述公司盈余管理行为通过连锁高管进行传染的可能性越大
三、研究设计
(一)样本选取与数据来源
本文选取2003年至2009年发生过财务重述的中国A股上市公司及其连锁公司作为总样本,剔除金融机构、数据不全的公司及在研究期间发生过两次及以上财务重述的公司外,剩下共有246家重述上市公司作为有效样本。本文的样本数据为面板数据,以公司代码和年度作为维度,共有2736个样本,本文数据来源于国泰君安CASMAR数据库。
(二)变量定义
(1)因变量。本文的因变量为虚拟变量EM。本文定义若当年样本公司处于“操控期”,其对应的样本的因变量EM则为1,否则为0。也就是说,EM=1的样本公司,必须满足两个条件:(1)这家公司在现在或以后发生了财务重述;(2)当年是这家公司“重述期”的第1年(即T)或第T±1年。(2)自变量。本文设置两个重要的自变量:Emlinkno和Bdlinkno。自变量Emlinkno是指在一家公司在第t年拥有满足以下两个条件的连锁高管的数目:(1)该连锁高管在第t年时任职于另一个EM=1的公司,即属于另一个重述公司的连锁高管;(2)该连锁高管在重述公司的任职期在“传染期”,即t至t+2年。自变量Bdlinkno是指一家公司在第t年的连锁公司数目,即指第t年某家公司通过连锁高管网络与多少家公司发生连锁。(3)控制变量。包括:董事会规模(Boardsize)。Beasley(1996)的研究发现董事会规模与财务报告虚假成正相关。Lipton和Lorsch(1992)也认为,董事会人数越多会增加沟通成本,不利于董事会成员间的交流和合作,容易产生“搭便车”问题;独立董事的比例(Pct_Inddir)。独立董事作为企业重要的监督机制,独立董事比例越高,董事会的独立性越高,从而对管理层的监督能力越强(John and Senbet,1998)。Beekes等人(2004)的研究发现独立董事比例与会计稳健性成正相关;董事长与总经理是否兼职(Duality)。Jensen(1993)研究表明董事长和总经理两职分离会提高董事会的独立性。两职分离会使公司治理中的约束及激励机制增强,促使管理层采用较为稳健的会计,从而提高公司的盈余质量,减少公司操纵盈余的可能性。因此本文控制这一虚拟变量,若董事长和总经理一人兼任表示为1,否则为0;财务杠杆(Leverage)。财务杠杆反映公司的负债水平,本文用资产负债率来表示这一指标。财务杠杆越大,企业有面临更大的偿债风险,因为更有可能进行盈余管理(赵德武等,2008);公司规模(Firmsize)。由于大公司可能面临更大的政治成本,因而其倾向于更加稳健的会计政策(Watts and Zimmerman,1990)。本文控制公司规模这一变量,用总资产的自然对数来表示;公司增长速度(MB)。当一家公司高速增长,其会计政策往往不太稳健(Roychowdhuryand Watts,2007),因此更有可能进行盈余操。Beaver和Ryan(2005)使用期初权益市值与账面值比(MB)计量资产负债表稳健性,发现其与盈余稳健性负相关。因此本文利用变量MB对这一因素进行控制;营运风险(Ret Volatility)。面临较高营运风险的企业往往更有可能进行盈余管理,因此本文用Ret Volatility来控制企业的营运风险,本文Ret Volatility的值为前三年企业的净资产收益率ROE的标准差。Ret Volatility的值越大证明企业营运风险越大,操纵盈余的可能性越大;行业和年度的固定影响。为了使模型更精确,本文对行业和年度的固定影响进行控制。
(三)模型建立
本文参考Chiu,Teoh和Tian(2013)的研究,在其模型的基础上加以改进,得出本文模型:
(1)检验假设1。为检验假设1,本文设计了以下模型:
为了进一步探讨处于“操纵期”的重述公司拥有的非重述连锁公司的数目越多,是否会加强或减弱其盈余管理行为的在连锁高管之间的传染性,本文在模型(1)中加入自变量Emlinkno和自变量Bdlinkno的交乘项,即修改成如下模型:
(2)检验假设2。为了检验假设2,本文设计了以下模型:
(3)检验假设3。为检验假设3,本文设计了如下模型:
四、实证检验分析
(一)描述性统计
描述性统计结果如表(1)所示,本文把样本分成两组,一组是EM=1的样本,一组是EM=0的样本,下面对这两组样本分别进行描述性统计分析。两组样本的董事会规模、公司规模、财务杠杆、独立董事比例等控制变量的平均数相差不大,但可以明显的看到,EM=0的样本组变量Emlinkno的平均数为0.484,最大值为5,而EM=1的样本组变量Emlinkno的平均数为0.716,最大值为10,说明有盈余管理行为且处于“操控期”的重述企业在传染期具有更多的连锁高管,一定程度反映了提出假设1的合理性。另外,EM=0的样本组变量Emlinkno的平均数为3.73,而EM=1的样本组变量Emlinkno的平均数为4.47,说明有盈余管理行为且处于“操控期”的重述公司往往与更多公司发生连锁关系。
(二)相关性分析
如表(2)所示,在对所有自变量和控制变量进行相关性分析时,我们发现所有变量之间并不存在高度共线性,但变量Emlinkno与Bdlinkno的相关系数是所有变量之间最高的,为0.356,说明一般具有较多连锁高管的企业也会和较多的公司具有连锁关系,即连锁高管在不同的公司间分布较分散。
(三)回归分析
模型(1)的Logit回归结果见表(3),从表中我们可以看到,变量Emlinkno的系数为0.116,显著性水平位5%,表明连锁高管的数目与盈余管理行为的传染性存在正相关关系,即一个处于“操控期”财务重述公司在“传染期”的连锁高管数目越多,其盈余管理行为越有可能通过连锁高管网络进行传染,与之相连锁的公司在接下来越有可能也会进行盈余管理并发生财务重述,支持了假设1。变量Bdlinkno的系数为0.107,显著性水平为1%,说明连锁公司的数目与盈余管理行为的传染性存在正相关关系,即一个处于“操控期”财务重述公司在“传染期”的连锁公司数目越多,其盈余管理行为越有可能通过连锁高管网络进行传染,与之相连锁的公司在接下来越有可能也会进行盈余管理并发生财务重述。此外,控制变量中的董事会规模Boardsize系数为负且显著,显著性水平为1%,说明董事会规模越大盈余管理行在连锁高管之间的传染效应越弱。控制变量市值面值比MB系数为正且显著,显著性水平为5%,说明若公司高速增长,其会计政策的稳定性欠缺,更容易通过连锁高管网络受到连锁重述公司盈余管理行为的感染。董事长与总经理是否兼职这一虚拟变量Duality系数为负且显著,显著性水平为1%,说明一人身兼董事长与总经理两职时一定程度上提高了治理效率,使公司反而不易受到连锁重述公司盈余管理行为的感染。模型(2)的Logit回归结果见下表(3)。自变量Emlinkno和自变量Bdlinkno的交乘项系数为正且显著性水平为1%,说明处于“操纵期”的重述公司拥有的非重述连锁公司的数目越多,会加强其盈余管理行为在连锁高管之间的传染性。这表明好的会计行为在连锁高管网络间的传染性相对不良的会计行为的传染性要弱的多,甚至好的会计行为的连锁高管链条会被不良的会计行为所“污染”,反而进一步加强了不良的会计行为的传染性。在中国,社会对财务重述公司的惩罚力度相对于西方国家如美国的企业而言是较轻的,这使财务质量较差的公司得以在市场中广泛存活,并对财务质量较好的公司进行侵染和驱逐,产生“劣币驱逐良币”效应。模型(3)的Logit回归结果见下表(3)。虚拟变量Indep表示连锁高管是否为独立董事,是为1,否则为0。虚拟变量Indep与连锁高管数目Emlinkno的交乘项系数为正且显著性水平为1%,说明连锁高管是独立董事对盈余管理行为在连锁高管网络间的传染性具有影响,且是提高了处于传染期的财务重述公司盈余管理行为通过连锁高管进行传染的可能性。假设2得到验证。这一检验结果证实了独立董事在中国上市公司的连锁高管网络中的重要的“桥梁”作用,印证了独立董事在企业网络中的重要地位。模型(4)的Logit回归结果见下表3。虚拟变量Sup表示连锁高管是否为监事会成员,是为1,否则为0。虚拟变量Sup与连锁高管数目Emlinkno的交乘项系数为正且显著性水平为1%,说明连锁高管是监事会成员对盈余管理行为在连锁高管网络间的传染性具有影响,且是提高了处于传染期的财务重述公司盈余管理行为通过连锁高管进行传染的可能性。假设3得到验证。这一结果表明在中国上市公司中,监事会在非正式企业治理层面,即企业网络层面,发挥着不可忽视的作用。
注:“***”,“**”,“*”分别表示在1%,5%,10%的水平上显著
注:括号里的值表示z统计值;“***”,“**”,“*”分别表示在1%,5%,10%的水平上显著
五、结论