高鐵開(kāi)通對(duì)企業(yè)成本粘性的影響分析

葛紫薇

（暨南大學(xué)管理學(xué)院，廣東 廣州 510632）

一、文獻(xiàn)回顧與研究假設(shè)

在企業(yè)日常生產(chǎn)經(jīng)營(yíng)決策中，成本管理與資本要素的流動(dòng)與配置密不可分。高鐵開(kāi)通加快了資本要素的流動(dòng)，改善了企業(yè)間的資本要素配置，對(duì)沿途企業(yè)的技術(shù)進(jìn)步和效率改進(jìn)發(fā)揮了積極作用，進(jìn)而提高了企業(yè)生產(chǎn)率（李欣澤等 ，2017；施震凱等，2018）。高鐵開(kāi)通直接影響了企業(yè)的物流成本和人力資本成本。高鐵開(kāi)通提高了高鐵線(xiàn)路的貨運(yùn)能力，此外高鐵開(kāi)通對(duì)客運(yùn)和貨運(yùn)施行分線(xiàn)運(yùn)輸，使得原有鐵路干線(xiàn)的貨運(yùn)能力得到極大釋放，原有鐵路貨運(yùn)能力緊張的情況得到有效緩解。這表明高鐵開(kāi)通會(huì)在一定程度上促進(jìn)貨物周轉(zhuǎn)和降低物流成本（饒品貴等，2019）；高鐵開(kāi)通給所在地城市帶來(lái)了人力資本紅利，會(huì)在不同程度上吸引人才就業(yè)（何洋，2018）。因此本文認(rèn)為高鐵開(kāi)通通過(guò)促進(jìn)生產(chǎn)要素的跨區(qū)域流動(dòng)，降低企業(yè)物流運(yùn)輸成本和人力資本成本，進(jìn)而影響這些相關(guān)成本的調(diào)整成本，從而削弱了企業(yè)的成本粘性。

高鐵開(kāi)通改善了企業(yè)的信息環(huán)境，高鐵作為一種方便快捷的交通出行方式，打破了地理上的限制，縮小了時(shí)空距離，從而降低了信息交流成本（龍玉等，2017），加快了信息流轉(zhuǎn)，提升了信息的時(shí)間價(jià)值；此外，高鐵出行的便捷高效性，方便了信息需求者進(jìn)行實(shí)地考察，獲得更多更有質(zhì)量的信息，使得企業(yè)的信息透明度得到提高（洪媛，2019）。由于地理因素的阻礙，證券分析師很難對(duì)上市公司進(jìn)行面對(duì)面的交流與考察，進(jìn)而限制了分析師獲取私有信息（楊青等，2019），而高鐵開(kāi)通為證券分析師對(duì)上市公司進(jìn)行實(shí)地調(diào)研、與管理層進(jìn)行私下溝通提供了便利，突破原有的信息限制，使得上市公司受到分析師關(guān)注和監(jiān)督的程度更高，進(jìn)而抑制管理層的自利行為。因此，本文認(rèn)為高鐵開(kāi)通通過(guò)降低股東與管理層之間的信息不對(duì)稱(chēng)和證券分析師獲取上市公司的信息成本，改善了企業(yè)的代理問(wèn)題，進(jìn)而抑制了管理層的自利行為，從而弱化了企業(yè)的成本粘性。

基于上述兩種路徑分析，本文提出以下假設(shè)：

H1：在其他條件相同的情況下，相比于注冊(cè)地所在城市沒(méi)有開(kāi)通高鐵的上市公司，高鐵開(kāi)通削弱了注冊(cè)地所在城市開(kāi)通高鐵的上市公司的成本粘性。

二、研究設(shè)計(jì)

1.樣本選取與數(shù)據(jù)來(lái)源

本文采用多期雙重差分法研究高鐵開(kāi)通對(duì)上市公司成本粘性的影響。研究樣本為2008年～2018年滬深兩市A股上市公司，依據(jù)上市公司注冊(cè)地所在地級(jí)市是否開(kāi)通高鐵將研究樣本分為處理組與對(duì)照組。在樣本篩選過(guò)程中，借鑒江偉等（2017）的做法對(duì)數(shù)據(jù)進(jìn)行下列處理：（1）剔除金融業(yè)公司；（2）剔除ST公司、*ST公司；（3）剔除有明顯錯(cuò)誤的樣本觀測(cè)值，比如當(dāng)年的總資產(chǎn)、營(yíng)業(yè)成本、營(yíng)業(yè)收入的數(shù)值小于等于零；（4）剔除資產(chǎn)負(fù)債率大于1的樣本觀測(cè)值；（5）剔除當(dāng)年?duì)I業(yè)收入小于營(yíng)業(yè)成本的樣本觀測(cè)值；（6）參考龍玉等（2017）和楊青等（2019）的做法，剔除位于北京、上海、廣州和深圳的上市公司，因?yàn)楸鄙蠌V深四大城市會(huì)因?yàn)槠渥陨淼闹匾杂绊懜哞F網(wǎng)絡(luò)規(guī)劃本身，存在非隨機(jī)問(wèn)題，從而導(dǎo)致內(nèi)生性問(wèn)題。最終樣本包含26231個(gè)“公司—年度”觀測(cè)值，涉及全國(guó)范圍內(nèi)222個(gè)城市的2471家A股上市公司。為避免極端值與異常值的影響，本文對(duì)所有連續(xù)性變量在1%與99%水平上進(jìn)行縮尾調(diào)整。

本文樣本公司所有財(cái)務(wù)數(shù)據(jù)和產(chǎn)權(quán)性質(zhì)數(shù)據(jù)均來(lái)自CSMAR數(shù)據(jù)庫(kù)，分省份GDP增長(zhǎng)率來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站，高鐵站點(diǎn)、開(kāi)通時(shí)間和所在城市等信息均來(lái)自中國(guó)國(guó)家鐵路集團(tuán)有限公司官網(wǎng)。

2.變量定義

（1）被解釋變量

Cost Change表示公司營(yíng)業(yè)成本的變動(dòng)，用公司當(dāng)年?duì)I業(yè)成本與上年?duì)I業(yè)成本的比值的對(duì)數(shù)來(lái)計(jì)量。

（2）解釋變量

Revenue Change表示公司營(yíng)業(yè)收入的變動(dòng)，用公司當(dāng)年?duì)I業(yè)收入與上年?duì)I業(yè)收入的比值的對(duì)數(shù)來(lái)計(jì)量。Decrease_Dummy為啞變量，表示公司當(dāng)年?duì)I業(yè)收入是否相對(duì)于上一年出現(xiàn)下降，如果與上一年相比，公司當(dāng)年?duì)I業(yè)收入出現(xiàn)了下降，取值為1，反之為0。HSRi,t為高鐵開(kāi)通虛擬變量，是分期虛擬變量與分組虛擬變量的交乘項(xiàng)，當(dāng)上市公司i注冊(cè)地所在地級(jí)市在t年開(kāi)通高鐵則取值為1，否則為0。

（3）控制變量

EconomicVar為經(jīng)濟(jì)變量，參考Anderson等（2003）的做法，引入下面四個(gè)經(jīng)濟(jì)變量，包括：企業(yè)營(yíng)業(yè)收入是否連續(xù)兩年下降（SD），SD為啞變量，如果企業(yè)連續(xù)兩年出現(xiàn)了營(yíng)業(yè)收入下降的情況，取值為 1，否則為0；地區(qū)經(jīng)濟(jì)增長(zhǎng)率（Growth），用各年度各省份GDP增長(zhǎng)率來(lái)表示；企業(yè)資產(chǎn)密集度（Log[AI]），用企業(yè)總資產(chǎn)與營(yíng)業(yè)收入的比值的對(duì)數(shù)來(lái)計(jì)量；企業(yè)員工密集度（Log[EI]），用企業(yè)員工數(shù)量與營(yíng)業(yè)收入的比值的對(duì)數(shù)來(lái)計(jì)量。Controls表示除上述經(jīng)濟(jì)變量以外的其他控制變量。包括：盈利能力（ROA），即企業(yè)的總資產(chǎn)凈利率，等于企業(yè)凈利潤(rùn)/平均總資產(chǎn)；公司規(guī)模（Size），為公司總資產(chǎn)的對(duì)數(shù)；產(chǎn)權(quán)性質(zhì)（SOE），SOE為啞變量，當(dāng)企業(yè)產(chǎn)權(quán)性質(zhì)為國(guó)有企業(yè)時(shí)，取值為1，反之為0；獨(dú)董比例（IDratio），等于獨(dú)立董事人數(shù)/董事人數(shù)；第一大股東持股比例（Top1share），等于第一大股東持有股數(shù)/公司總股數(shù)。此外，本文所有計(jì)量模型均控制了行業(yè)固定效應(yīng)（Industry）與年份固定效應(yīng)（Year）。

3.模型構(gòu)建

參考Anderson等（2003），江偉等（2017）的研究，基于多期雙重差分模型，本文采用以下基準(zhǔn)回歸模型來(lái)檢驗(yàn)高鐵開(kāi)通對(duì)企業(yè)成本粘性的影響：

模型（1）中β0代表常數(shù)項(xiàng)， β1表示企業(yè)營(yíng)業(yè)收入每增加1%時(shí)的營(yíng)業(yè)成本變化率。β1+β2表示企業(yè)營(yíng)業(yè)收入每下降1%時(shí)的營(yíng)業(yè)成本變化率，如果β2顯著為負(fù)，則表明相比于營(yíng)業(yè)收入上升時(shí)營(yíng)業(yè)成本上升的變化率，營(yíng)業(yè)收入下降時(shí)營(yíng)業(yè)成本下降的變化率顯著更低，即企業(yè)存在了明顯的成本粘性現(xiàn)象。

β1+β2+β3表示高鐵開(kāi)通后企業(yè)營(yíng)業(yè)收入下降時(shí)的營(yíng)業(yè)成本邊際變化率，其中高鐵開(kāi)通與成本粘性的交乘項(xiàng)回歸系數(shù)β3是本文重點(diǎn)關(guān)注的回歸系數(shù)。如果假設(shè)H1成立，β3應(yīng)該顯著為正，即高鐵開(kāi)通顯著弱化了企業(yè)的成本粘性。

三、基于雙重差分模型的基準(zhǔn)回歸結(jié)果

本文構(gòu)建多期雙重差分模型來(lái)研究高鐵開(kāi)通前后企業(yè)成本粘性的變化情況，其中高鐵開(kāi)通與成本粘性的交乘項(xiàng)回歸系數(shù)β3表示高鐵開(kāi)通對(duì)企業(yè)成本粘性的影響作用。

表1匯報(bào)了本文的基準(zhǔn)回歸結(jié)果。列（1）回歸中僅包括被解釋變量，解釋變量、經(jīng)濟(jì)變量與成本粘性的交乘項(xiàng)，其中的參數(shù)估計(jì)值為0.996，且在1%的顯著性水平上顯著為正，的參數(shù)估計(jì)值為－0.331，且在1%的顯著性水平上顯著為負(fù)，該結(jié)果與Anderson等（2003）以及江偉等（2017）研究結(jié)果基本一致，表明我國(guó)上市公司總體上存在成本粘性現(xiàn)象，營(yíng)業(yè)收入每增加1%，營(yíng)業(yè)成本增加0.996%，而營(yíng)業(yè)收入每下降1%，營(yíng)業(yè)成本僅下降0.665%。

表1 雙重差分模型的基準(zhǔn)回歸結(jié)果

列（2）回歸中加入了高鐵開(kāi)通與成本粘性的交乘項(xiàng)，但未加入其他控制變量，回歸結(jié)果顯示的參數(shù)估計(jì)值為0.049，且在5%的顯著性水平下顯著為正，表明高鐵開(kāi)通明顯抑制了企業(yè)成本粘性；列（3）回歸中繼續(xù)加入其他控制變量與成本粘性的交乘項(xiàng)以及解釋變量，經(jīng)濟(jì)變量與其他控制變量，回歸結(jié)果顯示的參數(shù)估計(jì)值為0.061，且在1%的顯著性水平下顯著為正，這一結(jié)果驗(yàn)證了本文提出的假設(shè)H1，表明在控制了公司層面的相關(guān)變量后，相對(duì)于所在地沒(méi)有開(kāi)通高鐵的上市公司，高鐵開(kāi)通明顯削弱了上市公司的成本粘性。