在實(shí)證研究中，我們常常需要確定被解釋變量與解釋變量之間關(guān)系分析的實(shí)證模型，這一點(diǎn)非常重要，因?yàn)槟阍谥\篇布局，涉及到后文所有實(shí)證篇幅該如何進(jìn)行了實(shí)證操作，如采用何種模型、運(yùn)用什么命令、根據(jù)主效應(yīng)模型選擇處理內(nèi)生性問(wèn)題的方法以及拓展性分析的展開(kāi)等等。
因此，在實(shí)證論文的“研究設(shè)計(jì)”部分確定好自己實(shí)證分析中的模型工具非常重要，它是牽一發(fā)動(dòng)全身的作用。一單用錯(cuò)模型，全文的實(shí)證分析結(jié)果全部需要調(diào)整。
那么，對(duì)于一篇實(shí)證文章，我們?cè)撊绾未_定分析模型呢？相信大家在看經(jīng)管實(shí)證文獻(xiàn)的時(shí)候，就有發(fā)現(xiàn)很多文章旗幟鮮明地在被解釋變量的變量設(shè)計(jì)和度量方式說(shuō)明時(shí)，已經(jīng)給出了說(shuō)明。對(duì)于如何確定實(shí)證模型類(lèi)型，很顯然這個(gè)問(wèn)題跟被解釋變量的統(tǒng)計(jì)分布情況密切相關(guān)。
從統(tǒng)計(jì)學(xué)變量分布情況來(lái)看，變量類(lèi)型一般可以分為連續(xù)性變量和離散型變量。其中：（1）連續(xù)型變量，是我們最為常見(jiàn)的統(tǒng)計(jì)分布，譬如企業(yè)盈利能力，總資產(chǎn)收益率ROA、凈資產(chǎn)收益率ROE等；企業(yè)創(chuàng)新，如研發(fā)投入強(qiáng)度、專(zhuān)利擁有量的自然對(duì)數(shù)；企業(yè)投資，如投資效率、投資水平、金融資產(chǎn)配置等。（2）離散型變量，也是實(shí)證研究中非常常見(jiàn)的統(tǒng)計(jì)發(fā)布，譬如虛擬變量（啞變量，0－1）、計(jì)數(shù)數(shù)據(jù)（隨機(jī)性的非負(fù)整數(shù)）、排序數(shù)據(jù)（典型的是李克特程度變量，1、2、3、4、5等類(lèi)似程度分布）。（3）還有一種比較特殊的數(shù)據(jù)分布，雖然是連續(xù)型變量，但是數(shù)據(jù)分布呈現(xiàn)偏右或偏左（歸左或歸右），這也是需要特定模型予以嚴(yán)謹(jǐn)?shù)亻_(kāi)展回歸分析。
為此，在實(shí)證分析過(guò)程中，將會(huì)根據(jù)被解釋變量的不同分布情況進(jìn)行模型的選擇。
一是，當(dāng)被解釋變量為連續(xù)型變量時(shí)，在模型設(shè)計(jì)時(shí)通常會(huì)應(yīng)用OLS模型最小二乘法進(jìn)行因果關(guān)系的分析和探討。這是我們實(shí)證分析中最為常見(jiàn)的一類(lèi)模型，也是最為容易的模型。而且，此時(shí)解釋變量的回歸系數(shù)的經(jīng)濟(jì)含義，就是需要邊際效應(yīng)，即解釋變量變動(dòng)一個(gè)標(biāo)準(zhǔn)差，此時(shí)被解釋變量會(huì)變動(dòng)多大百分比的幅度。最后，在后續(xù)的內(nèi)生性檢驗(yàn)中，對(duì)于工具變量法，我們可以采用二階段最小二乘法予以分析（2SLS）。
二是，當(dāng)被解釋變量為二值選擇變量（即虛擬變量，0－1）時(shí)，在模型設(shè)計(jì)時(shí)將會(huì)采用二值選擇模型來(lái)探討因素之間的因果關(guān)系，如Probit和logit模型。這也是我們研究過(guò)程中非常常見(jiàn)的方法模型。根據(jù)筆者個(gè)人經(jīng)驗(yàn)，對(duì)于這類(lèi)二值選擇模型，調(diào)查數(shù)據(jù)中應(yīng)用得更為常見(jiàn)，但是對(duì)于實(shí)際的上市公司而言，二值選擇模型不常見(jiàn)，因?yàn)閷?duì)于上市公司而言，更多的變量是連續(xù)變量或離散型計(jì)數(shù)數(shù)據(jù)變量。但是，需要注意的是，probit模型是被解釋變量為連續(xù)變量時(shí)進(jìn)行Heckman二階段模型第一階段的必備方法，通過(guò)第一階段獲取逆米爾斯比率。此外，對(duì)于二值選擇模型的回歸系數(shù)，不能作為邊際效應(yīng)，需要通過(guò)margins, dydx等命令來(lái)計(jì)算各種邊際效應(yīng)。最后，對(duì)于二值選擇模型，其內(nèi)生性問(wèn)題的檢驗(yàn)有其獨(dú)特的工具變量法方法，如ivprobit、ivlogit模型。當(dāng)然，也可以通過(guò)Heckman二階段模型進(jìn)行樣本選擇性偏差估計(jì)。
三是，當(dāng)被解釋變量為計(jì)數(shù)數(shù)據(jù)（隨機(jī)性分布的非負(fù)整數(shù)）時(shí)，在模型設(shè)計(jì)中最好的方法應(yīng)該是泊松分布模型（Poisson）來(lái)分析因素之間的因果關(guān)系。實(shí)際上，在我們實(shí)證研究過(guò)程中，這種非負(fù)整數(shù)的隨機(jī)分布情況不多見(jiàn)，但也不少見(jiàn)，如我們常常遇到的“企業(yè)專(zhuān)利數(shù)量”或者“知識(shí)產(chǎn)權(quán)擁有量”，對(duì)于企業(yè)而言，顯然企業(yè)擁有的專(zhuān)利數(shù)量是隨機(jī)性分布的非負(fù)整數(shù)。當(dāng)然在后續(xù)實(shí)證分析中，我們可以應(yīng)用多種方法相互佐證，當(dāng)被解釋變量為計(jì)數(shù)數(shù)據(jù)時(shí)，也可以采用OLS回歸予以穩(wěn)健性檢驗(yàn)。而且，如果計(jì)數(shù)數(shù)據(jù)為歸左或歸右分布的，在后續(xù)的穩(wěn)健性檢驗(yàn)中也可以采用Tobit模型進(jìn)行穩(wěn)健性檢驗(yàn)，此時(shí)我們?cè)谝黄獙?shí)證文章中運(yùn)用泊松模型、OLS模型和Tobit模型。對(duì)于內(nèi)生性問(wèn)題所采用的工具變量法，我們可以根據(jù)這三種方法對(duì)應(yīng)的工具變量法進(jìn)行分析。
四是，當(dāng)被解釋變量為排序變量（類(lèi)似1、2、3、4、5這種程度型分布）時(shí)，在模型設(shè)計(jì)時(shí)最好的方法是排序模型，即oprobit（ordered probit）、ologit（ordered logit）。根據(jù)筆者的研究經(jīng)驗(yàn)，這種排序模型更常見(jiàn)于調(diào)研數(shù)據(jù)中，主要是對(duì)某事物進(jìn)行主觀(guān)評(píng)價(jià)，比如非常不滿(mǎn)意、不滿(mǎn)意、一般、滿(mǎn)意、非常滿(mǎn)意等五類(lèi)程度型選項(xiàng)。同樣的，如果從實(shí)證分析角度來(lái)看，當(dāng)然在后續(xù)實(shí)證分析中，我們可以應(yīng)用多種方法相互佐證，也可以采用OLS回歸、泊松模型予以穩(wěn)健性檢驗(yàn)。對(duì)于內(nèi)生性問(wèn)題所采用的工具變量法，我們可以運(yùn)用最為常見(jiàn)的工具變量法（2SLS）進(jìn)行分析。
五是，當(dāng)被解釋變量為連續(xù)變量或者計(jì)數(shù)數(shù)據(jù)變量，且此時(shí)有歸左或歸右的分布特點(diǎn)時(shí)，在模型設(shè)計(jì)時(shí)最佳的方案是選擇tobit模型。這種歸并數(shù)據(jù)的一個(gè)重要特征是，雖有全部的觀(guān)測(cè)數(shù)據(jù)，但對(duì)于某些觀(guān)測(cè)數(shù)據(jù)，被解釋變量y被壓縮在一個(gè)點(diǎn)上，如專(zhuān)利擁有量或者企業(yè)研發(fā)投入強(qiáng)度的很多樣本值為0，這類(lèi)觀(guān)測(cè)值占據(jù)了相當(dāng)?shù)谋壤．?dāng)然，tobit對(duì)樣本分布有很強(qiáng)的依賴(lài)性，不夠穩(wěn)健。如果被解釋變量為歸并數(shù)據(jù)且為連續(xù)變量時(shí)，此時(shí)建議作者采用OLS模型，然后在后續(xù)穩(wěn)健性部分中應(yīng)用tobit模型；如果被解釋變量為歸并數(shù)據(jù)且為計(jì)數(shù)數(shù)據(jù)變量時(shí)，此時(shí)建議作者采用poisson模型，然后在后續(xù)穩(wěn)健性部分中應(yīng)用tobit模型。對(duì)于被解釋變量為歸并數(shù)據(jù)時(shí)的內(nèi)生性問(wèn)題的工具變量法，通常采用tobit模型對(duì)應(yīng)的工具變量法IVtobit模型。
到此，本文基本上介紹了實(shí)證分析中最常見(jiàn)的幾種模型，掌握他們有助于我們?nèi)ジ玫匕盐漳Ｊ皆O(shè)計(jì)的基本思路。
聯(lián)系客服
