【更新至2022】上市公司投资效率-Richardson模型（代码+数据）

最新推荐文章于 2024-11-09 14:07:11 发布

按键学院

最新推荐文章于 2024-11-09 14:07:11 发布

阅读量1.1k

点赞数 19

文章标签：大数据

本文链接：https://blog.csdn.net/wx_xtyx66/article/details/141883629

版权

更新！【更新至2022】上市公司投资效率-Richardson模型（代码+数据）

更新时间：2023年5月23日
处理软件：Stata16
样本区间：2002-
2022（可根据需要自行调整）
观测值：45079

数据说明：本数据上市公司非
效率投资数据-Richardson模型(Richardson, 2006)，附件
包含全部Stata处理代码do文件和最终处理数据。按照下文公式（详见下文模型）进
行OLS回归，模型估计的残差绝对值（AbsINV）即为公司非效率投资程度，Abs
INV越大，非效率投资的程度越高，即投资效率越低。残差为正属于过度投资（Over
INV），残差为负属于投资不足（UnderINV）。

模型说明：

样本筛选
（可根据需要自行调整）：

1.仅保留沪深两市A股上市公司；

2.剔除金融行业上市
公司；

3.剔除ST、PT样本；

4.剔除分年度分行业回归观测值小于10的样本；

5.连续变量在1，99百分位进行缩尾处理；
根据2012年证监会行业标准进行划
分，制造业“C”取 2 位，其他行业取1位

补充说明：

模型设定存在各种形
式上的变化（可根据具体情况进行调整），具体如下：

（1）Invest变量构成存
在差异，如是否加入并购支出与研发支出，是否考虑折旧摊销等；

（2）回归模型变量
的选择存在差异，如是否需要加入负债率等；

（3）回归变量的计算存在差异，如Ca
sh的计算也有使用经营活动现金流量净额、Growth也有使用托宾Q、Age使用公
司年龄等；

（4）回归方式存在差异，如整体回归还是分年度回归等；

（5）回归
模型存在差异，如OLS回归还是GMM回归等；

（6）样本存在差异，如2000-
2020还是2007-2020等。

描述性统计：

variable   N   m
ean   sd   min   p50   max
UnderINV   45079   0.625
0.484   0   1   1
OverINV   45079   0.375   0.484   0
0   1

各年度观测值：

年份   Freq.   Percent   Cum.
2000
   774
1.72
1.72
2001   865
1.92
3.64
2002   9
95
2.21
5.84
2003   1,069
2.37
8.21
2004   1
,129
2.5   10.72
2005   1,177
2.61   1
3.33
200
6   1,265
2.81   1
6.14
2007   1,269
2.82   1
8.95

2008   1,315
2.92   2
1.87
2009   1,410
3.13   2
5
2010   1,486
3.3   2
8.29
2011   1,565
3.47   3

1.76
2012   1,907
4.23   3
5.99
2013   2,179
4.
83   40.83
2014   2,345
5.2   4
6.03
2015   2,347

5.21   5
1.24
2016   2,456
5.45   5
6.68
2017   2
,665
5.91   6
2.6
2018   2,860
6.34   6
8.94
201
9   3,272
7.26   7
6.2
2020   3,344
7.42   8
3.62