02.实证研究的基本方法

– 横向指标体系
• 某个公司同同行业平均水平的比较 • 某个行业同整个样本的平均水平的比较
数据或指标的类型与设计（ 数据或指标的类型与设计（续）
• 复杂指标体系
– – – 由经典的复杂公式获得 常规的复杂指标体系
• 如：杠杆类指标体系
自行设计的复杂指标体系 治理结构指标体系
• 如：董事会规模、董事长自身属性等 董事会规模、 如：高管人员年薪、员工平均工资等 高管人员年薪、 纯粹的市场交易指标
– 证券之星
•
• 他人整理好的数据
指标和变量的选取方法或依据
• 基本要求
– 同所研究的问题内容紧密结合 – 同所研究的问题逻辑一致
• 可以获得的方式
– 前人使用过的 – 理论文献或分析中提到的 – 自行设计的
样本的选取
• 子样本问题
– – – – – – – 行业子样本 年度子样本 公司性质子样本 地域子样本 Rank子样本 子样本 配对样本 自定义标准
– R Square
• 相关系数，越大越有效 相关系数，
– P-值 (Sig.) 值
• 检测统计检验的有效性，越小越有效 检测统计检验的有效性，
• 假设检验
– H0 ， H1
常用统计方法
频数分析 （Frequency Analysis） ） 描述性统计分析 （Descriptive Analysis） ） 相关分析 （Correlate Analysis） ） 均值比较分析－ 检验 均值比较分析－T检验 （Means Analysis） ） 方差分析 （Variance Analysis, ANOVA） ） 回归分析 （Linear Analysis） ） 聚类分析（Cluster Analysis）和判别分析 聚类分析（ ） （Discriminant Analysis） ） • 主成分分析（Principal Components 主成分分析（ Analysis）和因子分析 （Factor Analysis） ） ） • 非参数检验 （Non-parameter Analysis） ） • • • • • • •
回归分析（ 回归分析（续）
• 普通回归分析
一元 线性模型 非线性模型 多元
• 全变量回归、逐步回归、剔除回归、向前回归和向后回归 全变量回归、逐步回归、剔除回归、
• •
Logistic （Logit）回归分析 ） 时间序列分析
– 特殊的检验： 特殊的检验：
• DW（Durbin-Watson）检验 （ ）
– 0<DW<4，DW的值域；0<DW<2，残差正相关；DW=2，残差与自变量相互独立；2<DW<4，残差负 ， 的值域； 的值域 ，残差正相关； ，残差与自变量相互独立； ， 相关
• •
自变量的选择 违背基本假设的回归分析
回归分析
• • 因变量同自变量之间的确定的函数关系。 因变量同自变量之间的确定的函数关系。 前提条件： 前提条件：
– 因变量和自变量服从正态分布 – 自变量之间线性无关 – 关于残差的假设条件
• 前提假设： 前提假设： • 检验结果： 检验结果： • 主要结论： 主要结论：
– 函数关系 – 截距和各自变量的系数 – H0：自变量的系数为 自变量的系数为0 – H1：自变量的系数不为0 自变量的系数不为 – t-检验、F-检验、R2、调整后 2和p-值 检验、 检验 检验、 调整后R 检验 值
数据或指标的类型与设计
• 绝对数指标体系
– 对数化的问题 – 如：企业的规模
• 总资产对数、总收入对数等 总资产对数、
• 相对数指标体系
– 比例结构指标
• 某子类数据占总类数据的比例 • 如：流动资产/总资产、可变现资产/总资产等 流动资产 总资产、可变现资产 总资产等 总资产
– 比较指标
• 三大财务报表之间不同经济意义的项目的比例 • 如：ROA、ROE等 、 等
– CSMAR、色诺芬、Wind 、色诺芬、
• 专业信息网站
– 中国证监会
•
– 巨潮官方网站
•
– 中国上市公司咨讯网
•
– 中国证券网
•
• t-检验： 检验： 检验
– 单一样本t-检验 单一样本 检验
• 单一样本同一常数比较 • 样本均值同总体均值是否有偏差，样本是否可以替代总体 样本均值同总体均值是否有偏差，
– 独立样本 检验 独立样本t-检验
• 两组独立的样本的比较 • 两组样本是否来自于性质相同（均值）的总体 两组样本是否来自于性质相同（均值）
• 单因素方差分析
– 同均值比较分析
• 单因变量多因素方差分析
– 对一个独立变量是否受一个或多个因素或变量的影 响的回归分析方法； 响的回归分析方法；可以检测不同组之间均值由于 受不同因素影响是否有差异的问题。 受不同因素影响是否有差异的问题。
• 多因变量线性模型的方差分析
– 单因变量多因素方差分析的扩展
宏观市场指标体系
数据或指标的类型与设计（ 数据或指标的类型与设计（续2） ）
• 选取和设计时需注意的问题
– 同所研究问题的关系
• Proxy vs. Variable • 特异值的剔出
– 量纲问题
• 绝对数指标的量纲 • 相对数指标的量纲
– 绝对数指标和相对数指标混合使用问题
• 量纲问题
– 指标合成计算公式的问题
• 公式的有效性 • 特殊情况的考虑
– 选用的指标的相关性问题
常用的变量类型
• • • Random Variable （随机变量） 随机变量）
– 最常用 – 样本的数量
Instrument Variable （工具变量） 工具变量）
– 计量经济学中有所使用
Dummy Variable （哑变量） 哑变量）
• 盈亏子样本 • 参考子样本
• • • •
全样本 vs. 子样本 特异值的剔出
– 一般通过描述性统计分析
时效性问题 样本在论文中的描述
学习统计方法的要求
• 必须学会的内容： 必须学会的内容：
– – – – 统计方法的目的和适用性 统计方法的前提假设和检验假设 统计方法使用的数据要求和具体操作 统计结果的检验和分析
均值比较分析－ 检验 均值比较分析－t检验
• 均值不同的两个样本不一定来自于均值不同的总体。 均值不同的两个样本不一定来自于均值不同的总体。 检测不同的样本是否来自于同一个总体， 检测不同的样本是否来自于同一个总体，或各自的总 体是否存在均值上的显著不同。 体是否存在均值上的显著不同。 • 前提条件：来自于正态的总体 前提条件： • 前提假设： 前提假设：
– 二项变量 – 设置数量问题
• 分类数量 分类数量-1
– 使用问题
• 加法原则 • 乘法原则 • 复合原则
• • • •
Ordinal Variable （序数变量） 序数变量）
– 分类使用的一种的方法 – 年度变量
连续变量 vs. 离散变量 控制变量 内生变量 vs. 外生变量
数据可获得来源
• 专业数据库
– 来自于正态的总体
• 前提假设： 前提假设：
– H0：m各样本的均值相等 各样本的均值相等 – H1：m各样本的均值不相等 各样本的均值不相等
• 检验方法： 检验方法：
– F-检验和 值 检验和p-值 检验和
• 主要结果： 主要结果：
– m组样本是否存在显著性差异 组样本是否存在显著性差异
方差分析（ 方差分析（续）
实证研究的基本方法
好的工具+奇思妙想！ 好的工具 奇思妙想！ 奇思妙想
主要讲解的内容
• • • • • 数据整理和指标的设计 变量的设计和问题 样本的选取 基本的统计方法的简述 常用模型的选择和建立
数据类型
• Cross-sectional Data （截面数据） 截面数据）
– 单一年度的多家公司年报数据 – 某一时点的多家公司交易数据
描述性统计分析
• 通过平均值、算术和、标准差、最大值、最小值、方差、值域 通过平均值、算术和、标准差、最大值、最小值、方差、 范围、偏度和峰度等统计指标进行描述。 范围、偏度和峰度等统计指标进行描述。 • 主要结果： 主要结果：
– 均值（Average）、方差（Variance）和标准差（Standard 均值（ ）、方差（ ）和标准差（ ）、方差 Deviation） Deviation） – 四分位数（Quartile）、中位数（Median）和10分位数（Decile） 四分位数（ ）、中位数 分位数（ ）、中位数（ ） 分位数 ） – 最大值（Maximum）、最小值（Minimum）和值域（Range） 最大值（ ）、最小值 ）、最小值（ ）和值域（ ） – 偏态（Skewness 参数检验）和峰度（Kurtosis 参数检验） 偏态（ 参数检验）和峰度（ 参数检验）
• 尽量学会的内容： 尽量学会的内容：
– 统计方法的数学推导，及相关的具体内容 统计方法的数学推导，
常用的统计检验指标和假设检验
• 常用的统计检验指标
– F-检验 检验
• 模型整体的显著性 • 当α＝0.05，F≥3.33，越大越有效 ＝ ， ，
– t-检验 检验
• 某个参数的显著性 • 当α＝0.05，|t| ≥1.812，越大越有效 ＝ ， ，
– 配对 检验 配对t-检验
• 一对一的两个样本的比较 • 两组样本是否来自于性质相同（均值）的总体 两组样本是否来自于性质相同（均值） • 不同类别的横向比较；同一样本不同时期的纵向比较 不同类别的横向比较；
方差分析
• 检验两个或多个样本之间均值是否存在差异的统计分 或不同条件下，样本均值间的差异。 析；或不同条件下，样本均值间的差异。 • 前提条件： 前提条件：