Eviews回归分析股权集中度、股权制衡度与公司绩效关系:中小板上市公司数据

本文深入分析了国内外关于股权结构与公司绩效的影响因素

由Kaizong Ye,Coin Ge撰写

帮助客户运用回归分析法,以ROE作为公司绩效的度量指标,考察中小企业板上市公司股权集中度、股权制衡度对公司绩效的影响因素。


为了进行实证研究,选取了部分深市中小板上市公司的数据作为研究对象进行实验对比。

数据来源于新浪财经网、巨潮资讯网、中国证证券、上海证券、深圳证券,而且数据真实可靠。


可下载资源


本文分析的数据、代码、报告分享至会员群

选取的样本是按着同行业一一对应在各自的行业内选取的,是可以作为实证分析的依据的。

股权结构数据

image.png

视频

非线性模型原理与R语言多项式回归、局部平滑样条、 广义相加模型GAM分析

探索见解

去bilibili观看

探索更多视频

image.png
image.png

描述性统计

第一大股东的持股比例

PFIRS
 均值 0.599117
 中位数 0.577226
 最大值 0.713100
 最小值 0.000100
 标准差 0.208091
 峰度 0.318738
 偏度 2.497585
  
 JB统计量 268.5696
  
 总和 5861.758
 总均方误差 423.6240
  
 观测样本 9784
111.bmp

前五大股东的持股比例

PFIVES
 均值 0.641250
 中位数 0.620138
 最大值 1.000000
 最小值 0.000102
 标准差 0.210818
 峰度 0.214905
 偏度 2.374577
  
 JB统计量 234.7714
  
 总和 6273.988
 总均方误差 434.7999
  
 观测样本 9784
111.bmp

前十大股东的持股比例

PTENS
 均值  0. 8949866
 中位数 0.87708
 最大值 1.000000
 最小值 0.000000
 标准差 0.3208446
 峰度-1.459725
 偏度 3.718237
  
 JB统计量 3617.126
  
 总和 85954.51
 总均方误差 98854.49
  
 观测样本 9604

R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验

阅读文章


111.bmp

描述性分析汇总

image.png


随时关注您喜欢的主题


1111.png
image.png

股权集中度统计性的描述性分析。收集的所有样本公司中,第一股东持股比例最高的是71.31%。第一股东持股比例最低的是0%,均值是59.99%。在分析上市公司公司继绩效的基础上,进一步分析股权集中度对公司绩效的影响。数据说明公司所在环境不同,行业不同,股权集中度情况也不同。

股权集中度模型

根据研究假设,本文建立多元回归模型如下股权集中度模型:

image.png
image.png
image.png
image.png
image.png
image.png

本文采用多元回归模型,对上市公司的股权集中度和公司绩效的研究进行实证分析。

从结果来看,管理层持股变量的p值均小于0.05,因此与公司绩效之间具有显著的相关关系,因此模型得到了验证。从模型的回归系数来看,可以得出管理层持股与公司绩效值为负相关,导致的原因可能是因为管理层持股后,在公司治理与决策上并没有发挥他们自己的职责和作用,由于管理层的管理权和股东的所有权存在一定差别,也就是说股东委托管理层经营时,管理层不一定按照股东的意愿执行, 导致股东与管理层之间产生内耗,这种管理层的机会主义,降低了公司的利润,影响了公司的绩效,是影响公司绩效的负面因素。

而且随着管理层手中的持股比例越来越高,他们自身所处环境和利益也在发生变化,从公司获利的方式变得多种多样,一些持股比例较高的,参与到更多的企业决策中去,使自己利益最大化,从而导致公司的绩效下降。这种现象其实在中国企业十分普遍,侵害公司利益的手段样式多很多股东已经控制了公司,使公司完全变成为自己服务的地方。股权集中度越高,管理层受到的约束力就越大,所以一些管理层在公司治理与决策的问题上就发挥不了应有的作用。   

结论

第一股东持股比例与公司绩效值呈负相关,导致这种情况可能是因为,第一股东持股比例很多时,公司给第一股东分配了过多的企业利润。如果公司的留存利润过少,企业在未来的发展受到限制,在管理公司和治理公司方面不能放长远利益去监督管理,导致公司绩效降低。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds