高科技企业资本结构动态非对称调整研究——基于门槛效应及宏观经济因素

高科技企业资本结构动态非对称调整研究
——基于门槛效应及宏观经济因素
赵冬梅
（复旦大学经济学院，上海，200433）
[摘要]本研究首先验证了高科技企业目标资本结构的存在性，在此基础上发现：资本结构向下调整比向上快，具有非对称性；随着融资约束缓解，资本结构调整先加快后减慢；
随着企业规模增大，资本结构向上调整不断加快，向下调整先加快后减慢。

民企资本结构调整快于国企，成长期企业调整快于成熟期和衰退期企业。

利率、股市收益率能加快资本结构调整，信贷规模、股市规模则对资本结构调整的影响不大。

因此，信贷市场、股权市场的宏观调控应以价格调整为主，以规模调控为辅。

[关键词] 资本结构；非对称调整；融资约束；门槛效应
[中图分类号] F275.1 ［文献标识码］A ［文章编号］1000-4211(2020)02-0102-27
一、引言
高科技企业的数量及质量，是决定一个地区未来经济增长的关键所在，同时也反映了该地区未来经济增长的含金量高低。

高科技企业成功的关键在于核心技术及研发产品能否在市场上得到认可，且高新技术产品更新换代迅速，要想保持产品的技术领先，就必须大量购买高新、精密、尖端的设备，同时不断加大对技术创新、产品研发和科技成果转化的投资。

同时，研发成功与否还存在很大的不确定性，即使研发成功，也可能面临知识产权被侵犯的风险。

因此，高科技企业投资大、风险高的特点决定了各个阶段的资本结构调整过程与同等条件下的传统企业有较大的不同。

那么，我国高科技企业资本结构的动态调整过程具有哪些特征？在不同类型的高科技企业中有何差别？哪些因素会对资本结构动态调整速度产生重要影响？这些影响在不同企业所有制、规模、生命周期上的差异如何？融资约束、宏观经济因素对该过程产生什么影响，在负债过多和负债过少两种情况下该影响是否有差别？现有研究针对目标资本结构存在与否的验证大多停留在理论层面，相关的实证研究较少；同时，现有研究大多认为资本结构向上调整和向下调整具有对称性，而现实中企业在负债过多和负债少的应对策略显然是不一样的。

本研究根据我国高科技企业的特点，采用系统矩估计(SYS-GMM)对不同类型的高科技企业资本结构动态调整速度进行估计，并采用门槛效应研究不同融资约束水平下资本结构的动态调整速度的差异，并阐述了在负债过少、过多两种情况下，信贷市场、股票市
[收稿日期] 2019.10.12
[作者简介]赵冬梅，复旦大学经济学院，研究方向：公司金融和风险投资。

102
场影响下高科技企业资本结构的动态调整特征。

本研究首先从实证方面验证了公司实际负债率最终趋向一个最优水平，在此基础上发现：当负债过少时，资本结构向上调整较慢，而当负债过多时，资本结构向下调整较快，这与外部融资成本、融资约束有一定的关联。

此外，随着融资约束程度的缓解，资本结构动态调整先快后慢；资本结构向上调整速度随规模增大，向下调整速度随规模先增大后减小。

民企资本结构调整速度快于国有企业，成长期企业资本结构调整快于成熟期企业和衰退期企业。

股市收益率、实际利率加速了资本结构调整，信贷规模、股市规模略微减缓了资本结构调整。

可见，企业在进行资本结构动态调整时，更多地受到调整成本的限制，而非信贷规模或股权容量受限。

本文的贡献：(1)权衡理论认为存在目标资本结构，但市场择时理论与融资优序理论认为不存在目标资本结构。

本研究通过资本结构是否存在均值回复现象验证了目标资本结构的存在，支持了权衡理论。

(2)本研究在负债过少、负债过多两种情况下，针对不同所有制、规模、生命周期的高科技企业的资本结构非对称调整过程进行了分析，对构建科学合理的高科技企业融资体系具有针对性的参考。

(3)本研究引入了与融资规模和融资成本息息相关的信贷规模、股市规模、贷款利率、股市整体收益率、经济周期、货币政策等宏观经济影响因素，为国家调控信贷市场、股票市场、货币市场提供了借鉴。

二、文献综述
目标资本结构是否存在以及实际资本结构到目标水平的调整速度(Getzmann et al.，2014)是资本结构研究中热门的研究话题，这部分研究强调在负债的成本(财务困境和代理成本)和收益(利息税盾)之间进行权衡的思想(Getahun, 2016)，关键在于确定各融资来源比例使得企业以最小的风险产生最佳的收益(Dada and Ghazali, 2016；Gambo et al.，2016)。

Myers and Majluf(1984)提出的啄序理论认为，公司不存在目标资本结构，融资选择取决于知情者和不知情者之间的信息不对称导致的逆向选择成本的大小。

由于内部融资不存在信息不对称情况，公司更倾向于内部融资；因为这些成本大多发生在公司发行证券时，当企业需要外部融资时，更倾向于债务融资。

Baker and Wurgler(2002)提出的择时理论也认为，企业不存在目标资本结构，当公司价值被高估时，企业倾向股权融资，当公司价值被低估时，公司倾向内部融资或借贷筹资，甚至回购股票。

该领域研究的一个关键点是如何估计目标杠杆，因为它在本质上是不可观察的。

现有研究已经采用了各种策略对目标杠杆进行估计：一类研究是将目标杠杆作为外生变量处理，例如Shyam-Sunder and Myers(1999)用样本期间内的平均杠杆率代替目标负债率。

第二类研究采用两步策略，第一步进行先验回归拟合目标杠杆，第二部将拟合值纳入调整方程(Hovakimian et al.，2001；Fama and French，2002)。

第三类研究将目标杠杆内生化为动态调整方程，同时允许估计交易成本的大小(Miguel and Pindado，2001；Flannery and Rangan，2006)。

第一类研究的一个共同特点是，他们认为公司的目标债务比率是外生变量，第二类研究中的拟合值可能会带来估计误差，第三类研究提出了一个动态的债务调整模型，把不可观察的目标负债率用一个表示企业典型特征的变量所取代。

在研究方法上，Drobetz and Wanzenried(2006)使用工具变量(IV)估算资本结构动态调整速度，更具体地说，是使
用Arellano and Bond(1991)提出的差异广义矩量法(FD-GMM)。

本研究尝试通过更加准确的系统矩估计(SYS-GMM)来估算资本结构动态调整速度。

在没有摩擦的完美市场中，资本结构向目标水平的调整是无成本的，因此企业的资本结构始终处于目标水平(Hovakimian et al.，2001)。

现实市场中，调整成本可以阻碍公司资本结构向目标水平调整，导致实际负债率往往滞后最佳水平，资本结构调整存在黏性(Zainudin et al.，2017)。

尤其是向目标水平调整的成本大于收益时，资本结构停止向目标水平调整(Leary and Roberts，2005；Drobetz and Wanzenried，2006)。

与之一致的是，
B r a v(2005)认为，非上市公司资本结构调整慢的原因是相比上市公司的调整成本更大。

资
本结构调整速度不仅取决于调整成本(Titman and Tsyplakov，2007)和偏离成本(Byoun，2008)，也受公司财务灵活性、融资约束程度的影响(Faulkender et al.，2012)。

Qian et al.(2009)发现，距离目标债务比率越远、增长机会越高的公司资本结构调整得越快，并且资本结构的调整速度是顺经济周期的。

资本结构的动态调整具有非对称性，过度杠杆化的公司偏好快速调整以避免与高于目标杠杆率相关的巨大财务困境/破产成本；当企业的债务高于目标水平，且存在财务盈余，或当企业的债务低于目标水平，且存在财务赤字时，就会容易发生资本结构调整(B y o u n，2008)。

Hovakimian and Li(2010)发现，非对称调整成本取决于公司是否高于或低于其目标杠杆，当公司用内部资金清偿过剩债务时，调整成本特别低，资本结构调整速度相对较快。

Dang et al. (2012)发现，有赤字的公司更有动力发行新的债券或股票来弥补融资缺口，发行这些新的证券提供了更多的机会快速回到杠杆目标。

在研究资本结构的非线性调整时，常常采用人为分组或分位数划分的方法，但是这两种方法都不可避免地具有人为主观性，容易产生偏误，难以解释清楚资本结构的非线性作用机制。

Hansen(1999)指出，门槛阈值回归模型可以弥补人为分组的不足，Dang等(2012)第一个使用门槛阈值回归模型研究资本结构的非对称调整。

门槛阈值回归模型的优点在于调整变量的阈值确定是内生的，允许企业在不同情况下采用不同机制对资本结构进行非线性调整。

陈静和潘海英(2017)通过构建动态面板门限模型发现，在不同现金持有水平及现金持有偏离下，资本结构与企业价值均存在门槛效应。

资本结构的实际水平取决于平衡债务融资的收益和成本，该收益和成本在生命周期的不同阶段的变化很大(Deloof and Overfelt，2008)。

初创期和成长期的公司面临更高水平的流动性风险以及不对称的信息问题，其破产成本高于成熟期公司，因此初创期和成长期的企业的杠杆率往往低于成熟期公司。

Bulan and Yan(2009)发现，高利润企业收入越高负债越少，处于初创期或衰退期的公司由于可获得的收益较低，负债率会高于成熟期公司(主要内部融资)。

同时，随着公司的成熟，公司的融资需求和信息不对称程度降低，这意味着融资成本更低，资本结构的调整速度更快(Hovakimian and Li，2010)。

大型公司经营多样化，往往具有较高的盈利能力和财务灵活性，现金流波动性较小，不太可能陷入财务困境，向目标杠杆的调整成本更小，因此大公司资本结构调整速度更快(Belkhir et al.，2016)。

盈利能力更强的公司更有可能通过留存收益为其增长提供资金，而盈利能力较弱的公司则会使用更多的外部融资，因此盈利能力和杠杆率之间存在负相关(Chen et al.，2019)。

盈利能力会影响公司资本结构调整的成本或收益，一家利润更高的
104
公司债务税盾的价值也更高，在融资决策方面可能具有更大的灵活性，并可能享受更优惠的利率，外部融资成本较低，资本结构调整速度更快(Hovakimian et al.，2001)。

此外，Cook and Tang(2010)发现，当经济预期更好时，企业向目标资本结构的调整速度更快。

现有研究针对目标资本结构存在与否的验证大多停留在理论层面，相关的实证研究较少。

同时，现有研究大多认为资本结构在不同方向的调整具有对称性，现实中企业在负债过多和负债少的应对策略显然差异很大，但资本结构动态调整的非对称研究及门槛效应研究并不多见。

本研究首先从实证角度验证了企业目标资本结构的存在性，然后根据我国高科技企业的特点，在负债过少/负债过多两种情况下，对不同融资约束、企业规模、所有制、生命周期的高科技企业资本结构动态调整速度进行估计，采用门槛效应法研究不同融资约束区间下资本结构的动态非对称调整速度，并阐述了信贷市场、股票市场等宏观经济因素的影响下高科技企业资本结构的动态调整特征。

三、理论分析与模型设定
(一)高科技企业样本选择及企业异质性的划分
本文综合万德W I N D数据库中关于高新技术企业认定的公司公告以及国泰君安数据库(CSMAR)中关于上市公司高新技术企业的资质认定，选取2008年到2017年A股上市公司中被认定为高新技术企业的样本，只保留被认定为高新技术企业的独立样本(删除被认定为高新企业的子公司)，共计1306家高科技企业。

此外，对样本进行如下处理：(1)剔除S T 和*ST、PT和*PT的样本；(2)剔除金融、保险行业的公司样本；(3)剔除资产负债率大于1，资不抵债的公司样本；(4)剔除数据缺失的样本。

经过上述处理后，保留1286家高科技企业样本。

1.生命周期的划分
经营、投资、融资活动产生的现金流反映完整的财务信息而不是单一的指标(如年龄，规模，销售增长率)，它能有效捕捉公司生命周期各阶段的盈利能力、成长性和风险性的差异。

Dickinson(2011)创造性地使用现金流组合将公司生命周期分为初创、成长、成熟、淘汰和衰退等阶段。

本研究借鉴Dickinson(2011)提出的现金流组合法将上市企业生命周期划分为成长期、成熟期、衰退期三个阶段(见表1)。

表1 企业不同生命周期的现金流组合特征
现金流类型
成长期成熟期衰退期
初创期增长期成熟期淘汰期衰退期
净经营现金流－＋＋－＋＋－－净投资现金流－－－－＋＋＋＋净融资现金流＋＋－－＋－＋－
2.企业面临融资约束程度的划分
SA指数1描述企业面临融资约束程度时，具有外生性的优点(Hadlock and Pierce，2010)，因此本研究采用S A指数来衡量高科技企业面临融资约束的程度，并按照不同年份不同行业将高科技企业分为融资约束轻、融资约束较轻、融资约束较重、融资约束严重四组，选取融资约束轻和融资约束严重两组作为调节变量的研究样本。

目标资本结构的存在性验证
(二)
权衡理论认为，当负债率较低时，利息税盾可以增加公司价值；随着负债率上升，利息税盾的边际效益逐渐下降，财务困境边际成本逐渐上升，当二者恰好相等时，企业价值最大，此时的资本结构水平是企业目标资本结构(Leary and Roberts，2005)。

根据权衡理论，
)，企业就会减少负债向目标资本结构TL*调当资本结构过高(超过了目标资本结构上限TL
U
)，企业就会增加负债向目标资本结构整；当资本结构过低(超过了目标资本结构下限T L
L
TL*调整(如图1)。

也就是说，公司的实际负债比例最终会向目标资本结构靠拢(Flannery and Rangan，2006)。

1.资本结构的差分回归
(1)
Opler et al.(1999)使用均值回归模型验证了最优现金水平的存在，本文参考该模型提出了资本结构均值回归模型(见式1)。

资本结构差分回归方程的估计结果(见表2)显示的系数为-0.063，且在1%置信水平上显著为负，这表明高科技企业资本结构围绕目标资本结构的波动会逐渐收敛。

因此，从高科技企业资本结构的差分回归方程系数来看，资本结构具有均值回复的现象，即实际资本结构会逐渐收敛到目标水平。

表2 资本结构差分回归方程的估计结果
ΔLev it系数标准差t值P值95%置信区间
ΔLev it-1-0.0630.012-5.1400.000[-0.087，-0.039]
_cons0.0120.00112.2200.000[0.010，0.014]
1 SA指数的计算公式为：SA it＝－0.737×Size it＋0.043×Size it2－0.040×Age it。

其中，Size it代表公司规模，用经过通货膨胀调整的企业总资产(单位：百万)的自然对数表示。

Age it代表企业年龄，从企业上市日期算起。

SA指数为负，绝对值越大，表明企业面临融资约束程度越严重。

106
2.高科技企业不同水平的资本结构在(t+1)期的变化
图2 不同水平的资本结构在t+1期的变化
图2为高科技企业不同水平的资本结构在t+1期的变化。

当期资本结构均值在15%和30.6%时，下期资本结构均值增长2.9%、0.2%，中位数增长1.6%、0.6%；当期资本结构均值在44.6%和63.3%时，下期资本结构均值减少2.3%、3.9%，中位数减少0.1%、1.2%。

可以看出，当期资本结构较低时，下期资本结构会增大，而当期资本结构较高时，下期资本结构会下降。

同时，当期资本结构越低，下期资本结构的增幅越大；当期资本结构越高，下期资本结构的降幅也越大。

可见，资本结构存在均值回复现象，尤其在资本结构水平过低或过高时回复幅度尤为明显。

3.不同偏离程度下高科技企业的实际资本结构在(t+1)期的变化
图3 不同偏离程度下实际资本结构在(t+1)期的变化
108图3为高科技企业实际资本结构偏离行业水平的不同程度下，(t+1)期的资本结构变化。

当期高科技企业的实际资本结构比行业水平高9.5%，在下一期资本结构的均值下降1.6%，中位数下降0.1%；当期高科技企业的实际资本结构比行业水平低8.4%、22.1%和37.9%时，下一期资本结构的均值上升0.6%、2.4%、3.7%，中位数上升1.1%、1.8%、1.9%。

可以看出，当企业实际资本结构高于行业水平时，下一期资本结构会下降，当企业实际资本结构低于行业水平时，下一期资本结构会上升。

另外，实际资本结构与行业水平的偏离程度越大，下一期资本结构的调整幅度就越大，这与顾乃康和王贵银(2012)的研究发现相一致，进一步验证了公司的实际负债比例最终向目标资本结构靠拢。

(三)企业资本结构的动态调整模型1.资本结构的动态对称调整模型Flannery and Rangan(2006)指出，公司资本结构动态调整所涉及的成本可以用式2表示。

其中，lev it 是实际资本结构，lev *it 是目标资本结构。

对式2左右两边取一阶导数，得到成本最小化的资本结构动态调整成本(见式3和4)。

资本结构的调整速度系数δit 见式5，现实中由于存在调整成本，δit 通常介于(0，1)之间。

Z it 表示影响资本结构动态优化速度的
相关变量。

(2) (3)
(4) (5)在最优资本结构模型(如式6)中，X it 是衡量目标资本结构的一系列特征向量，v it 表示随机误差项，具有零均值和常方差。

在资本结构的动态调整模型(如式7)中，假设调整系数δit 随时间和公司特征而变化。

两步法先将公司特征变量与公司实际资本结构代入式6，得到lev *it 的拟合值，再将其代入式7进行回归。

两步法回归方法在统计上的主要缺陷在于生成的回归因子可能会导致回归方程无效。

因此，将式6直接代入式7，得到资本结构部分调整的一步法方程8，可以规避两步法带来的预测误差，式8假设资本结构不同方向的动态
调整具有对称性。

(6)
(7) (8)2.资本结构的动态非对称调整模型Titman and Tsyplakov(2007)、顾乃康和王贵银(2012)、黄辉(2012)发现了，上市公司资本结构动态优化的不平衡现象，负债过多时的调整速度与负债过少时的调整速度不同。

本研究中，中国上市公司资本结构动态非对称调整模型如式9到式13。

其中，
和分别表示在企业负债过少和负债过多时不同方向的调整速度。

Z it 表示影响公司资本结构调整的企业特征。

l {·}表示当下标括号中情况发生时，该函数值为1，否则为0。

l {lev it ＞lev*it }表示实际资本结构高于目标资本结构时为1，此时实际资本结构需向下调整，即负债过高；实际资本
结构低于目标资本结构时l{lev
it＞lev*it}为0，此时实际资本结构需向上调整，即负债过低。

由于
l{lev
it≤lev*it}＋l{lev
it＞lev*it}
＝1，式13又可表示为式14。

将目标资本结构(式6)代入式14得到
式15。

此时，资本结构的动态调整速度为δit－λit·l{lev it＞lev*it}，即负债过少时资本结构的动态调整速度为，负债过多时资本结构的动态调整速度为。

(9)
(10)
当lev it≤lev*it (11)
当lev it＞lev*it (12)
(13)
(14)
(15)
(四)研究变量的选取
采用负债总额与资产总额之比能够合理地反映企业的资本结构(Gitman and Zutter，2012)，本研究利用企业负债率来衡量资本结构水平。

现有研究中影响企业目标资本结构的因素主要有：盈利能力、研发支出、现金流、资产有形性、公司规模、非负债税盾、行业特征(Dang and Garrett，2015；Mirza et al.，2016；Memon et al.，2018)。

特别地，权衡理论认为，增长机会加剧了投资者和经理之间的信息不对称，且发达国家增长机会与杠杆率负相关，发展中国家则为正相关(A k m a n e t a l.，2015)。

通过更高的多样化程度降低破产概率促使大公司向高杠杆率迈进，因此企业规模可以降低融资成本并导致更快的调整(Frelinghaus et al.，2005)。

与啄食顺序的推理一致，决定资本结构调整速度的关键因素有：信息不对称程度(Öztekin and Flannery，2012)；增长机会(Aybar-Arias et al.，2012)；现金流动(Keefe and Yaghoubi，2016)。

随着微观特征和外部环境的变化，公司的目标资本结构也会随之调整，目标资本结构随经济衰退下降(Pindado et al.，2017)。

企业资本结构的变化与政府政策、宏观经济条件和融资环境密切相关。

本研究引入了与融资规模和融资成本息息相关的信贷规模、股市规模、贷款利率、股市整体收益率、经济周期、货币政策等宏观经济影响因素。

本研究以资本结构作为被解释变量，根据现有研究选取企业资本结构动态调整的影响因素，对其进行逐步回归最终筛选出如下解释变量(见表3)。

表3 研究变量的定义及其描述性分析
研究变量符号计算方法
资本结构lev总负债/期初总资产
行业资产负债率ilev行业总负债/期初行业总资产
投资机会Q企业市场价值/资产重置成本
总资产收益率ROA净利润/总资产，代表盈利能力。

销售增长率SGR营业收入增加额/期初营业收入
总资产周转率Turnover营业收入净额/平均资产总额，代表营运能力。

总资产K当期总资产
自由现金流量CF企业经营活动产生的现金流量扣除资本性支出2非债务税盾Depreciate当期计提折旧与摊销
投资支出Inv构建固定资产、无形资产和其他长期资产的支出净营运资本WC流动资产减去流动负债的差值
融资约束
SA
信贷规模Cred本外币贷款余额除以国内生产总值GDP
贷款利率i年化1的金融机构一年期人民币贷款基准利率减去通胀率2股市规模Equi股票筹资额除以国内生产总值GDP
股市收益率R A股综合市场的加权收益率(以上证、深证的流通市值作为权重)减去通胀率
经济周期Ecocycle实际GDP增长率，实际GDP为名义GDP减去通胀率
货币政策Monpolicy货币供应M2增量，(M2t-M2t-1)/M2t-1
注释：(1)K、CF、Depreciate、Inv、WC均以百万为计量单位。

(2)如果年中遇到利率调整，年化贷款利率的计算按相应利率的执行时间加权平均。

四、实证结果
(一)高科技企业资本结构动态调整模型的估计
(16)
(17)
式16为高科技企业资本结构的动态对称调整模型，式17为高科技企业资本结构的动态非对称调整模型。

资本结构动态对称调整速度为δit，资本结构非对称动态调整速度为δit－λit·l{lev
it＞lev*it}
，即负债过低时资本结构的调整速度为，负债过高时资本结构的调整速度为。

表4是资本结构动态调整模型的估计结果。

在资本结构对称性动态调整模型中，混合最小二乘法OLS估计出的调整速度下限为0.137，面板固定效应FE估计出的调整速度上限为0.456，系统矩估计GMM估计出的调整速度为0.178，介于OLS估计与FE估计之间，故认为系统GMM估计结果合理。

在资本结构非对称动态调整模型中，OLS估计出的资本结构的向上调整速度下限
110
为0.02，向下调整速度下限为0.135；FE 估计出的向上调整速度上限为0.424，向下调整速度上限为0.439；系统GMM 估计出的向上调整速度为0.151，向下调整速度为0.165，介于OLS 估计和FE 估计之间，故认为系统GMM 估计结果可靠。

可以发现，当负债过少时，资本结构向上调整较慢，而当负债过多时，资本结构向下调整则较快，表明当偏离方向不同时高科技企业资本结构的动态调整具有非对称性，这与Byoun(2008)、黄辉(2012)的研究结论相一致。

表4 资本结构动态调整模型的估计结果
动态对称调整模型动态非对称调整模型
OLS FE SYS-GMM OLS FE SYS-GMM
lev 0.863***0.544***0.822***0.980***0.576***0.849***
(139.03)(36.49)(37.83)(147.26)(25.16)(18.60)
-0.114***-0.014**-0.013
(-27.70)(-2.44)(-0.56)
Q -0.002**0.001-0.003**0.0000.001-0.002*
(-2.17)(0.61)(-2.57)(0.09)(0.69)(-1.82)
ROA -0.148***-0.217***-0.092***-0.108***-0.206***-0.079**
(-6.70)(-6.95)(-3.03)(-5.04)(-6.52)(-2.32)
SGR 0.012***0.016***-0.0060.008**0.014***-0.007
(3.46)(3.70)(-1.31)(2.47)(3.43)(-1.45)
Turnover 0.972*** 1.1200.5780.1970.8980.300
(3.12)(1.48)(1.17)(0.66)(1.17)(0.47)
CF/K 0.004*0.019***-0.0020.0000.018***-0.003
(1.71)(7.83)(-0.67)(0.24)(7.22)(-0.93)
Depreciate/K -0.281***-0.223***-0.351***-0.239***-0.223***-0.351***
(-6.38)(-4.61)(-6.25)(-5.28)(-4.63)(-6.22)
Inv/K 0.089***0.066***0.052***0.067***0.063***0.050***
(6.50)(4.21)(3.27)(4.98)(4.01)(3.08)
WC/K 0.024***0.034***0.024***0.021***0.033***0.024***
(4.72)(3.50)(3.10)(4.12)(3.48)(3.06)
ilev -0.0480.051-0.068-0.0480.047-0.072
(-1.26)(0.92)(-1.39)(-1.29)(0.85)(-1.46)
Ecocycle .. 1.205***.. 1.320***
..(2.89)..(2.93)
Monpolicy ..-0.889***..-0.861***
..(-5.47)..(-5.18)
_cons 0.108***0.144***0.154***0.081***0.139***0.136***
(3.58)(4.99)(4.70)(2.75)(4.75)(3.21)
Speed 0.1370.4560.178
Upspeed 0.0200.4240.151Downspeed 0.1350.4390.165注释：(1)小括号里的数字为t 值；(2)***，**和*分别表示1%，5%和10%的显著水平。