资本结构是影响融资成本和市场价值的重要决策,在学术界是一个经久不衰的研究话题。影响资本结构的因素很多,最近一些研究关注公司外部的风险对资本结构的影响。例如,当公司面临新进入的同行或者竞争对手提高产品质量时,公司会战略性地选择保持较低的杠杆率来应对增加的掠夺风险(Bolton和Scharfstein,1990;Klasa等,2018)。诉讼风险作为公司面临的重要的外部风险之一,近年来受到越来越多的关注。Almeling等(2011)表明关于商业机密的诉讼无论是在州层面还是联邦政府层面都是呈现增长的趋势。潘越等(2015)表明司法地方保护主义会干扰诉讼结果,减少公司创新。王彦超等(2016)表明诉讼风险会增加公司的债务融资成本。Conti和Valentini(2018)表明公司面临的诉讼风险会影响新公司的进入。当公司没有足够的资金应对高成本的诉讼时,其竞争对手可能会乘虚而入对其发起诉讼。本文关注现有研究还未考察的一个问题:诉讼风险是否会影响公司保持财务灵活性的动机,从而影响公司的资本结构。
资本结构是公司的重要财务决策,已有文献关注了外部风险会影响公司资本结构的选择,然而诉讼风险作为一种重要的公司外部风险会如何影响公司的资本结构决策还是一个未被充分研究的问题。本文将法官异地交流对公司诉讼风险的外生冲击作为准自然实验情境,用来考察诉讼风险与资本结构的因果关系。由于公司注册地是否会发生法官异地交流并不取决于公司层面的因素,这有利于识别法官异地交流活动与资本结构之间的因果效应。大陆法系通常实行合议制,法官在案件判决中起较大作用,法官异地交流活动打破了法官与地方公司的联系,极大地影响地方公司的诉讼风险(陈刚,2012;陈刚和李树,2013;曹春方等,2017)。因此,本文使用法官异地交流活动作为准自然实验,考察诉讼风险如何影响资本结构。
公司与法官之间的联系往往可以降低公司的诉讼风险(Conti和Valentini,2018)。然而,法官异地交流活动却打破了这种联系,这就会加大公司的诉讼风险。一旦公司预期诉讼风险上升,公司会策略性地选择保持低杠杆来应对潜在的诉讼风险(Klasa等,2018)。而且,诉讼风险会增加公司的债务融资成本(王彦超等,2016;Arena,2018),导致公司减少债务融资(纪洋等,2018),从而影响资本结构。因此,本文预期法官异地交流带来公司诉讼风险的增加,公司将增强保持财务灵活性的动机,从而降低其债务水平。
本文以2013年省级高院法官异地交流为准自然实验,使用双重差分方法来估计诉讼风险对资本结构的影响。该方法主要是比较注册地位于只在2013年发生法官异地交流地区的公司(处理组)和注册地位于从未发生过法官异地交流地区的公司(控制组),在法官异地交流前后资本结构的差异。以中国资本市场上市公司2009–2016年数据为研究样本的检验结果表明,诉讼风险导致公司债务水平显著下降。整体而言,公司在法官异地交流后债务水平下降了4.67%。在稳健性测试中,本文将2008年省级高院法官异地交流也纳入研究范围,检验结果仍然表明诉讼风险的增加能够显著降低公司债务水平。
接下来,本文从以下三方面展开横截面分析:第一,诉讼风险对公司债务水平的影响可能随着行业的不同而有所差异。公司所处的行业不同,其本身暴露在诉讼中的可能性不同(Francis等,1994),这就导致法官异地交流对不同行业公司的债务水平的影响存在差异。已有研究表明在一些特定的行业,公司存在较高的诉讼率(Francis等,1994;Kim和Skinner,2012)。这样的公司更有动机与当地司法人员建立密切联系,而司法公正性的提高会在更大程度上打破这类行业中的公司与司法人员之间的联系,对此类公司的影响更大。本文的检验结果表明,法官异地交流对公司债务水平的负向影响主要来自诉讼率较高行业的公司。在诉讼率较高的行业,诉讼风险的增加使公司债务水平降低了15.26%。
第二,诉讼风险对公司债务水平的影响可能随着公司注册地市场化程度的不同而有所差异。在市场化程度更低的地区,官员与公司的关系很可能更为紧密。Allen等(2005)的研究表明由于市场化程度较低的地区法律体系不够完善,司法人员与地方官员有着微妙的联系。而此时法律体系不能很好地成为规范上市公司行为的有效途径,造成上市公司面临较大的诉讼风险。Glaeser和Saks(2006)认为经济发展水平和人力资本的提升会降低地区官员与公司的这种紧密关系。因此,越是在市场化程度低的地区,越是存在较大的诉讼风险,法官异地交流活动对市场化程度低的地区的公司债务水平的影响也越大。本文的检验结果表明,在市场化程度较低的地区,诉讼风险的增加使公司债务水平降低了14.02%。
第三,诉讼风险对公司债务水平的影响可能随着公司面临的融资约束的不同而有所差异。融资约束越大的公司,在面临更高的诉讼风险时,其获得外部融资的可能性越小,因此诉讼风险对债务水平的影响就越大。本文使用Hadlock和Pierce(2010)设计的融资约束变量(SA指数)来衡量融资约束。这一指标在学术界的运用较为广泛(Law和Mills,2015;Fernandes和Ferreira,2017)。本文的研究结果表明,法官异地交流对债务水平的负向影响主要来自融资约束程度较高的公司。在融资约束较高的公司,诉讼风险的增加使公司债务水平降低了5.92%。
最后,本文进行了如下稳健性检验:第一,使用双重差分模型分析的一个重要假定是处理组样本与控制组样本在政策变动之前具有平行趋势(parallel trend),即如果没有处理效应,结果变量在处理组和控制组中的变动趋势是相似的。本文根据Roberts和Whited(2013)的建议并借鉴Serfling(2016)的做法对本文的基本研究问题进行平行趋势检验,检验结果表明满足平行趋势假定。第二,对本文的结果进行安慰剂测试(Placebo test),借鉴Dessaint等(2017)的做法,本文设置一些未发生过法官异地交流的地区作为虚拟处理组,再考察虚拟处理组在发生法官异地交流后的债务水平的改变,检验结果表明虚拟处理组在发生法官异地交流后其债务水平并未发生明显改变。
本文的研究贡献主要体现在以下几方面:第一,本文拓展了外部风险对资本结构的影响的相关研究。已有关于外部风险影响资本结构的研究大多关注公司外部的经营风险。Bolton和Scharfstein(1990)表示最优的资本结构可以平衡减少公司融资约束带来的防止竞争者抢占市场的好处和恶化管理制度激励问题的成本。Klasa等(2018)研究了高管在同行业的流动使公司内部商业机密泄露进而给公司带来经营风险,这一风险会影响资本结构的选择。诉讼风险对公司来说是一种重要的外部风险,然而关于诉讼风险如何影响资本结构还未得到充分研究。本文从法官异地交流的视角考察了诉讼风险如何影响公司债务水平。
第二,本文首次以2013年法官异地交流作为准自然实验,丰富了关于法官异地交流的实证研究。现有关于法官异地交流的研究都是以2008年首次大规模法官异地交流活动作为准自然实验,分别研究了法官异地交流与司法效率(陈刚,2012)、市场分割(陈刚和李树,2013)以及公司违规被查处的概率(曹春方等,2017)之间的关系。但是2008年发生了汶川大地震、北京奥运会和金融危机等重大事件,这些同期的重大事件可能会干扰结果的准确性。而本文选择2013年的法官异地交流活动作为准自然实验情境可以避开这些同期重大事件的干扰,提高研究结果的准确性。另外,现有关于法官异地交流的研究大多关注法官异地交流提高了诉讼风险,以及一些宏观层面的经济后果;本文则研究法官异地交流对资本结构的影响,首次探索其对公司财务决策的作用。
第三,本文使用法官异地交流作为准自然实验情境来缓解内生性问题。直接考察诉讼风险与资本结构的关系容易受内生性问题的干扰。例如,难以观察的公司特征可能会同时导致诉讼风险与资本结构的变化,或者资本结构反过来影响诉讼风险的变化。然而,利用外生变化形成的准自然实验情境有助于缓解缺失重要变量及反向因果对因果推断的不利影响。本文使用法官异地交流作为准自然实验情境,有利于辨识诉讼风险对资本结构的因果效应。
本文的其余部分组织如下:第二部分是理论分析;第三部分是研究设计;第四部分是实证结果与分析;第五部分是研究结论。
二、理论分析资本结构与外部风险的相关研究表明,公司的财务状况不仅影响公司的行为,也影响竞争对手的行为,最终影响公司在产品市场上的竞争地位。Poitevin(1989)表明一个高质量的进入者必须用债务融资将自己与低质量的进入者区分开来,而一个已进入行业的公司则可以用股权融资的方式利用其财务弱点将其推向破产。Bolton和Scharfstein(1990)表明最优的负债比例可以平衡减少公司融资约束带来的防止竞争者抢占市场的好处和恶化管理制度激励问题的成本。Poitevin(1989)、Bolton和Scharfstein(1990)的一个重要观点是,当一家公司持有更少债务时,就削弱了竞争对手对该公司发起竞争性攻击的动机,而资本结构的选择会考虑到此类战略问题。具体而言,当公司面临竞争者抢占市场、新的进入者以及竞争者提高他们的产品质量时,都会使公司战略性地选择资本结构(DeAngelo等,2011;Valta,2012;Hoberg等,2014;Klasa等,2018)。诉讼风险作为公司面临的重要外部风险之一,对资本结构的选择也会产生外部治理作用。但已有研究大多集中于公司外部经营风险对资本结构选择的影响,而对诉讼风险如何影响资本结构的关注相对较少。
法官异地交流是近年来为了提高司法效率、增强司法公正采取的重要举措。法官异地交流会使公司面临的诉讼风险提高,进而影响公司的财务决策。陈刚(2012)考察了法官异地交流活动的有效性,他们的研究发现在法官异地交流的省份,结案率明显高于其他地区。陈刚和李树(2013)的研究表明法官异地交流活动有助于打破由地方政府主导的市场分割,并且不会破坏现有激励地方政府努力发展地方经济的制度均衡。曹春方等(2017)认为法官异地交流活动会影响上市公司违规的执法力度和执法可信度,即上市公司违规被查处的概率增加。毛新述和孟杰(2013)表明诉讼带来的危害会严重损害投资者利益,从微观公司治理的角度发现内部控制作为公司内部治理的重要渠道可以有效降低公司的诉讼风险,内部控制越有效,公司的涉诉次数和涉案金额就越少。潘越等(2015)发现司法地方保护主义会影响公司的诉讼风险,进而影响公司的创新活动,为中国司法“去地方化”改革、实现司法公正提供了证据。
法官异地交流会对诉讼风险产生影响,主要是由于法官异地交流打破了法官与地方公司的联系,进而增加了地方公司的诉讼风险。张维迎和柯荣往(2002)分析了北京某基层法院的620份民商案件判决书,发现地域差别对胜诉概率有明显影响,即司法判决的独立性与公正性严重影响了公司的诉讼风险。Conti和Valetini(2018)认为虽然法律和规章在形成制度环境方面发挥关键作用,但司法机构对这些法律和规章的解释和执行可能更加重要,公司与法官之间的联系使他们可以避免遵守法律、法规或相关规定所暗示的规范,降低了公司的诉讼风险。法官异地交流活动打破了公司与法官之间的联系,进而加大了公司的诉讼风险。
法官异地交流可以通过以下两个方面的作用机制降低公司债务水平。第一,法官异地交流会增加公司的诉讼风险,公司诉讼风险的增加会提高公司保持财务灵活性的动机,从而降低公司债务水平。当公司面临更强的诉讼风险时,公司需要保持更强的财务灵活性(Poitevin,1989;Bolton和Scharfstein,1990;Telser,1996)。一般而言,保持较高的财务灵活性来应对未预期风险是对股东价值有益的行为(DeAngelo等,2011)。因此,当公司面临更高的诉讼风险时会策略性地保持更低的杠杆率来维持其财务灵活性。例如,Klasa等(2018)利用商业机密保护法案作为准自然实验的研究表明,外部风险增加时,公司债务水平降低,当州层面实施商业机密保护法案时,商业机密泄露风险降低,公司债务水平增加。基于中国情境的研究,宫汝凯等(2019)的研究表明在外部环境不确定性增加时,民营公司的杠杆率下降最多。法官异地交流切断了法官与地方公司之间的联系,减少了地方公司利用与法官之间的关系更少地承担法律责任的可能性,加大了公司的诉讼风险。因此,相对于没有发生法官异地交流的地区,发生法官异地交流的地区中公司面临的诉讼风险提高,为了保持财务灵活性,以应对提高的诉讼风险,公司会降低其债务水平。
第二,法官异地交流通过增加诉讼风险增加了公司债务融资成本,进而降低公司债务融资总额来降低公司债务水平。王彦超等(2016)的研究表明公司潜在的诉讼风险会影响债务契约的履行成本,进而影响债务融资成本。顾乃康和周艳利(2017)的研究表明卖空机制的引入会增加债务融资成本,进而降低债务融资总额。Arena(2018)认为公司潜在的诉讼风险会降低其债务评级,增加其债务融资成本,并且减少其债务融资。纪洋等(2018)的研究表明,中国的金融抑制较强,银行竞争的盈利手段有限,而规避风险的动机相对更强,在外部风险较高时,减少对民营公司的信贷,成为规避政策风险的重要手段。法官异地交流切断了地方公司和法官之间的联系,增加了地方公司的诉讼风险,当银行意识到公司面临的外部风险增加时,出于风险规避的考虑会增加公司的贷款成本。债务融资成本的增加会使公司减少债务融资总额,因此会降低公司债务水平。综上所述,本文预测诉讼风险的增加会降低公司债务水平。
三、研究设计 (一) 样本选择和数据收集以2013年省级高院法官异地交流作为准自然实验情境,本文考察诉讼风险对资本结构的影响。法官异地交流数据通过百度、微博等网络搜索整理。该次省级司法机关领导干部的交流换岗活动中,全国共有11个省(自治区、直辖市)的高级人民法院院长、检察院检察长发生调动,并且是通过其他省份或最高人民法院交流任职。由于2008年是中国首次实行法官异地交流活动,并且2013年参与交流的部分省份在2008年已经参与过第一次异地交流,为了排除上一次异地交流的干扰,本文只将2013年参与法官异地交流的六个省份(湖北、辽宁、江苏、安徽、甘肃、福建)作为处理组,并且将从未参与过法官异地交换活动的剩余的14个省份作为控制组。样本期间为法官交流之前(2009–2012年)和法官交流之后(2013–2016年)两个时期。
上市公司数据来自深圳国泰安信息技术有限公司(CSMAR)。具体而言,本文分别选择法官异地交流前(2009–2012年)和法官异地交流后(2013–2016年)两个时期的数据作为初始研究样本,然后进行如下数据筛选程序:(1)删除金融、保险行业上市公司的观测值;(2)删除2008年参与法官异地交换活动的省份(天津、上海、河北、浙江、广东、海南、江西、河南、湖南、重庆、四川、贵州、云南、陕西)的观测值;(3)删除其他控制变量缺失的观测值。为避免极端值对本文结果的影响,本文对所有连续变量都在1%和99%分位数上实施缩尾处理(Winsorize)。根据Petersen(2009),每个回归都使用对公司“聚类(Cluster)”的处理来纠正系数估计值的标准误。
(二) 模型设计与变量定义为有效缓解政策实施前后时间因素对研究结论的干扰,本文使用双重差分(Difference-in-Differences)方法考察诉讼风险与资本结构之间的因果关系。本文用总负债与总资产之比来衡量公司的债务水平。为了控制其他因素的影响,本文借鉴已有研究(Arena,2018;Klasa等,2018;牛斐,2018),还加入了相关控制变量。由于在模型中控制了年度固定效应和公司固定效应,传统双重差分模型中的Treat和Post被包括到固定效应之中。本文关注交互项Treat×Post的系数β1。具体模型如下:
$ \begin{aligned} Le{v_{it}}&={\beta _0} + {\beta _1}Trea{t_i} \times Pos{t_{it}} + {\beta _2}Profitabilit{y_{it}} + {\beta _3}Siz{e_{it}}\\ & + {\beta _4}AG{V_{it}} + {\beta _5}Growt{h_{it}} + {\beta _6}Tangibl{e_{it}} + {\beta _7}W{P_{it}}\\ &+ {\beta _8}RO{A_{it}} + Year{\rm{ }}fixed effect + Firm fixed effect + {\varepsilon _{it}} \end{aligned} $ | (1) |
变量的具体定义见表1。
变量名称 | 变量定义 |
Lev | 债务水平,用总负债除以总资产衡量 |
Treat | 为虚拟变量,将仅在2013年发生省高院法官或省检察院院长异地交流的省份(湖北、辽宁、江苏、安徽、甘肃、福建)设为1,将从未发生过诉讼风险的省份(北京、山西、吉林、黑龙江、山东、内蒙古、 青海、广西、西藏、宁夏、新疆)设为0 |
Post | 事件发生前后虚拟变量,将2013年之后的年份定义为1,2013年之前的年份定义为0 |
Profitability | 盈利能力,用利润除以主营业务收入衡量 |
Size | 公司规模,用总资产的自然对数衡量 |
AGV | 资产担保价值,用存货加固定资产之和除以总资产衡量 |
Growth | 成长性,用当期主营业务收入的对数减去上期主营业务收入的对数的差除以上期总资产的对数衡量 |
Tangible | 公司有形资产率,用有形资产除以无形资产衡量 |
WP | 公司运营资本率,用流动资产减去流动负债的差除以总资产衡量 |
ROA | 公司业绩变量,用净利润除以总资产衡量 |
Litigation | 诉讼风险变量,用诉讼的涉案金额除以总资产衡量 |
表2报告了本文主要变量的描述性统计。经过筛选后本文的总样本量为11 232。从表2报告的描述性统计结果可以看出,在控制组中公司债务水平的均值为0.311,在处理组中公司债务水平的均值为0.321,两组样本之间存在显著差异且在5%的水平上显著。总体来看,处理组公司比控制组公司的利润率小,公司总资产规模大,资产担保价值更大,成长性较低,有形资产率更大,公司运营资本规模更小,公司业绩更好。两组样本间的诉讼风险并没有显著差异。
变量名称 | 控制组 | 处理组 | 均值差异 | ||
样本量 | 样本均值 | 样本量 | 样本均值 | ||
Lev | 5 792 | 0.311 | 5440 | 0.321 | −0.010** |
Post | 5 792 | 0.888 | 5440 | 0.902 | −0.014** |
Profitability | 5 792 | 0.281 | 5440 | 0.182 | 0.099*** |
Size | 5 792 | 19.819 | 5440 | 19.877 | −0.058* |
AGV | 5 792 | 0.236 | 5440 | 0.273 | −0.037*** |
Growth | 5 792 | 0.063 | 5440 | −0.150 | 0.213*** |
Tangible | 5 792 | 0.965 | 5440 | 0.971 | −0.006*** |
WP | 5 792 | 20.364 | 5440 | 20.181 | 0.183*** |
ROA | 5 792 | 0.030 | 5440 | 0.034 | −0.003*** |
Litigation | 1 083 | 0.040 | 531 | 0.036 | 0.004 |
注:(1)处理组和控制组按前文设定的标准划分;(2)*、**、***分别表示在10%、5%、1%的水平上显著。 |
本文试图考察诉讼风险对资本结构的影响,其基本逻辑是法官异地交流活动打破了长久以来法官和地方公司之间的关系网络,带来公司诉讼风险的变化,进而影响资本结构。这意味着法官异地交流提高公司诉讼风险是本文展开分析的一个假定前提。因此,本文首先检验法官异地交流是否能够提高公司的诉讼风险。本文借鉴毛新述和孟杰(2013)、潘越等(2015)使用公司诉讼中的涉案金额作为诉讼风险变量,以诉讼中的涉案金额与总资产的比率来衡量。具体而言,研究模型如下:
$ \begin{aligned} Litigatio{n_{it}}= & {\beta _0} + {\beta _1}Trea{t_i} \times Pos{t_i}_t + {\beta _2}Profitabilit{y_{it}} + {\beta _3}Siz{e_{it}}\\ + & {\beta _4}AG{V_{it}} + {\beta _5}Growt{h_{it}} + {\beta _6}Tangibl{e_{it}} + {\beta _7}W{P_{it}}\\ +& {\beta _8}RO{A_{it}} + Year{\rm{ }}fixed effect + Firm fixed effect + {\varepsilon _{it}} \end{aligned} $ | (2) |
表3提供了相应的回归结果。检验结果表明Treat×Post的系数为0.096,在1%的水平上显著。这意味着发生法官异地交流后,辖区内上市公司的诉讼风险显著增加。
被解释变量:Litigation | ||
系数 | t值 | |
Treat×Post | 0.096*** | 7.37 |
Profitability | 0.001 | 1.06 |
Size | 0.000 | 0.40 |
AGV | −0.025** | −2.56 |
Growth | −0.000 | −0.31 |
Tangible | −0.001 | −0.02 |
WP | −0.005 | −1.23 |
ROA | −0.001 | −0.03 |
截距 | 0.112 | 1.05 |
年度 | 控制 | |
公司 | 控制 | |
观测值 | 1 614 | |
调整的R2 | 0.095 | |
注:所有回归都使用异方差调整和公司聚类(Cluster)调整得到稳健性标准误。*、**、***分别表示在10%、5%、1%的水平上显著(双尾检验)。下同。 |
本文的基本问题是通过法官异地交流考察诉讼风险对公司的债务水平的影响。表4给出了回归结果。在第(1)列中,模型控制了年度固定效应和公司固定效应,Treat×Post的系数为−0.015,在1%的水平上显著。这意味着相对于公司注册地没有进行法官异地交流的地区,公司注册地有法官异地交流的地区的公司债务水平显著下降。这个结果也具有一定的经济意义,考虑到表2中处理组的公司债务水平均值为0.321,表明公司债务水平下降4.67%(0.015/0.321)。为了进一步增强本文基本研究结果的外部有效性,在第(2)列中,本文将2008年省级高院法官异地交流也纳入研究范围。Treat×Post的系数为−0.014,在1%的水平上显著。综上所述,检验结果为法官异地交流降低公司债务水平提供了支持的证据。
被解释变量:Lev | ||||
(1) | (2) | |||
系数 | t值 | 系数 | t值 | |
Treat×Post | −0.015*** | −2.75 | −0.014*** | −3.24 |
Profitability | 0.001** | 1.97 | 0.001*** | 3.11 |
Size | 0.006*** | 7.52 | 0.006*** | 9.98 |
AGV | 0.360*** | 48.77 | 0.338*** | 64.24 |
Growth | 0.006*** | 9.08 | 0.005*** | 11.38 |
Tangible | −0.321*** | −8.32 | −0.367*** | −12.43 |
WP | −0.018*** | −13.59 | −0.021*** | −22.76 |
ROA | −0.171*** | −6.17 | −0.177*** | −8.84 |
截距 | 0.671*** | 11.01 | 0.848*** | 18.41 |
年度 | 控制 | 控制 | ||
公司 | 控制 | 控制 | ||
观测值 | 11 232 | 21 587 | ||
调整的R2 | 0.281 | 0.264 |
法官异地交流对债务水平的影响可能具有横截面差异,本文分别从公司所在行业的诉讼率、公司注册地的市场化程度以及公司面临的融资约束程度展开横截面差异检验。
1. 所在行业诉讼率的影响
由于公司所处的行业不同,其本身暴露在诉讼中的可能性也不尽相同(Francis等,1994),这就导致在不同的行业中法官异地交流对公司债务水平的影响存在差异。在诉讼率较高的行业,公司更有动机与当地司法人员建立密切联系,而司法公正性的提高会在更大程度上打破这类行业中的公司与司法人员之间的联系,因此对此类公司的影响更大。本文根据所使用的数据将诉讼率最高的四个行业定义为高诉讼率行业,分别为农林牧渔业、制造业、电子信息产业和房地产业。其他行业定义为低诉讼率行业。
表5给出了不同诉讼率的行业的回归结果。从表5可以发现,在高诉讼率行业,Treat×Post的系数为−0.049,在1%的水平上显著;在低诉讼率行业,Treat×Post的系数为−0.004,不具有统计显著性。两组交互项系数的组间差异检验在10%的水平上显著。这表明法官异地交流对公司债务水平的负向影响主要来自于高诉讼率行业。具体而言,在诉讼率较高的行业,法官异地交流使公司债务水平降低了15.26%(0.049/0.321)。
被解释变量:Lev | ||||
(1)高诉讼率行业 | (2)低诉讼率行业 | |||
系数 | t值 | 系数 | t值 | |
Treat×Post | −0.049*** | −5.50 | −0.004 | −0.63 |
Profitability | −0.001 | 0.048 | 0.003*** | 3.45 |
Size | 0.005*** | 3.01 | 0.007*** | 6.88 |
AGV | 0.237*** | 19.14 | 0.396*** | 44.04 |
Growth | 0.003*** | 3.17 | 0.006*** | 7.68 |
Tangible | −0.420** | −7.55 | −0.314*** | −6.05 |
WP | −0.024*** | −12.09 | −0.014*** | −8.90 |
ROA | −0.082* | −1.68 | −0.132*** | −3.91 |
截距 | 0.739*** | −0.37 | 0.667*** | 10.41 |
年度 | 控制 | 控制 | ||
公司 | 控制 | 控制 | ||
观测值 | 1 451 | 9 781 | ||
调整的R2 | 0.205 | 0.292 | ||
组间差异 | χ2=3.60 | P-value=0.0578* |
2. 公司所在地市场化程度的影响
中国各地区的市场化程度呈现较大差异(樊纲等,2016),这就导致诉讼风险对不同地区公司债务水平的影响存在差异。Allen等(2005)对中国的经济、金融及法律体系做了深入分析,研究表明由于市场化程度较低的地区法律体系不够完善。司法人员与地方官员有着微妙的联系,而此时法律体系不能很好地成为规范上市公司行为的有效途径,造成上市公司面临较大的诉讼风险。Glaeser和Saks(2006)认为经济发展水平和人力资本的提升会降低地区官员与公司的紧密关系。因此,越是在市场化程度低的地区越是存在着潜在的诉讼风险,而法官异地交流打破了官商勾结的关系,使该地区的诉讼风险暴露出来。这意味着法官异地交流活动对市场化程度低的地区公司债务水平的影响会更大。根据樊纲等(2016),本文依据市场化程度指数对样本进行分组,将市场化程度高于均值的地区设置为高市场化地区,低于均值的地区设置为低市场化地区。
表6给出了市场化程度不同地区的回归结果。在高市场化程度地区,Treat×Post的系数为−0.014,在5%的水平上显著;在低市场化程度地区,Treat×Post的系数为−0.045,在1%的水平上显著。两组交互项系数的组间差异检验在10%的水平上显著。这说明法官异地交流对公司债务水平的负向影响主要来自低市场化程度地区。具体而言,在市场化程度较低的地区,法官异地交流使公司债务水平降低了14.02%(0.045/0.321)。
被解释变量:Lev | ||||
(1)高市场化地区 | (2)低市场化地区 | |||
系数 | t值 | 系数 | t值 | |
Treat×Post | −0.014** | −2.56 | −0.045*** | −6.32 |
Profitability | 0.001 | 1.49 | 0.003** | 2.34 |
Size | 0.007*** | 8.04 | −0.002 | −0.64 |
AGV | 0.365*** | 47.23 | 0.304*** | 4.76 |
Growth | 0.006*** | 9.17 | 0.002 | 0.81 |
Tangible | −0.339*** | −8.33 | −0.116 | −0.27 |
WP | −0.017*** | −12.60 | −0.028*** | −2.75 |
ROA | −0.188*** | −6.50 | 0.070 | 0.49 |
截距 | 0.657*** | 10.36 | 0.984** | 2.21 |
年度 | 控制 | 控制 | ||
公司 | 控制 | 控制 | ||
观测值 | 10 417 | 815 | ||
调整的R2 | 0.283 | 0.311 | ||
组间差异 | χ2=3.77 | P-value=0.0522* |
3. 公司融资约束程度的影响
公司面临的融资约束不同也会使法官异地交流对公司债务水平的影响产生差异。融资约束越大的公司,在面临更高的诉讼风险时,其获得外部融资的可能性越小,因此诉讼风险对公司债务水平的影响越大。本文使用Hadlock和Pierce(2010)设计的融资约束变量(SA指数)来衡量融资约束程度。这一变量在学术界的运用较为广泛(鞠晓生等,2013;Law和Mills,2015;Fernandes和Ferreira,2017;卢盛峰和陈思霞,2017)。计算公式为:SA=(−0.737×Size)+(0.043×Size2)−(0.040×Age)。其中,Size为公司总资产的自然对数;Age为公司成立年度到观察年度的年数。本文按照SA指数将样本分为高融资约束公司和低融资约束公司。
表7给出了公司面临不同融资约束程度的回归结果。由回归结果可以看出,在高融资约束公司,Treat×Post的系数为−0.019,在1%的水平上显著;在低融资约束公司,Treat×Post的系数为−0.013,并不显著。两组交互项系数的组间差异检验在1%的水平上显著。这表明法官异地交流对公司债务水平的负向影响在高融资约束公司更大。具体而言,在融资约束较高的公司,法官异地交流使公司债务水平降低了5.92%(0.019/0.321)。
被解释变量:Lev | ||||
(1)高融资约束公司 | (2)低融资约束公司 | |||
系数 | t值 | 系数 | t值 | |
Treat×Post | −0.019*** | (−3.08) | −0.013 | (−1.20) |
Profitability | 0.000 | (0.43) | 0.003*** | (3.42) |
Size | 0.004*** | (2.94) | 0.009*** | (7.25) |
AGV | 0.293*** | (29.75) | 0.389*** | (34.41) |
Growth | 0.006*** | (7.46) | 0.004*** | (3.96) |
Tangible | −0.423*** | (−8.80) | −0.230*** | (-3.57) |
WP | −0.031*** | (−17.55) | −0.006*** | (−3.43) |
ROA | −0.035 | (−0.88) | −0.377*** | (−8.45) |
截距 | 1.198*** | (15.70) | 0.404*** | (4.68) |
年度 | 控制 | 控制 | ||
公司 | 控制 | 控制 | ||
观测值 | 6 499 | 4 733 | ||
调整的R2 | 0.258 | 0.326 | ||
组间差异 | χ2=8.20 | P-value=0.0042*** |
1. 平行趋势检验
使用双重差分模型分析的一个重要假定是处理组样本与控制组样本在政策变动之前具有平行趋势(Parallel trend),即如果没有处理效应,结果变量在处理组和控制组中的变动趋势是相似的。本文根据Roberts和Whited(2013)的建议并借鉴Serfling(2016)的方法,执行如下测试来检验平行趋势是否满足。具体而言,将post变量在时间上打开。参照组为法官异地交流前,即2009–2011年。pre表示2012年,即法官异地交流前一年。post_1、post_2、post_3表示法官异地交流后1年、2年和3年。由表8的回归结果可以发现,Treat×pre的系数不显著,Treat×post_1、Treat×post_2和Treat×post_3的系数显著为负。Treat×pre的系数不显著,表明在处理效应前,两组样本的公司债务水平并不存在显著差异,这为平行趋势假定提供了支持。
被解释变量:Lev | ||
系数 | t值 | |
Treat×pre | −0.012 | −0.78 |
Treat×post_1 | −0.025* | −1.77 |
Treat×post_2 | −0.034** | −2.32 |
Treat×post_3 | −0.044*** | −2.97 |
Profitability | 0.002*** | 3.69 |
Size | 0.007*** | 8.74 |
AGV | 0.360*** | 47.31 |
Growth | 0.005*** | 7.52 |
Tangible | −0.336*** | −8.28 |
WP | −0.017*** | −12.97 |
ROA | −0.161*** | −5.57 |
截距 | 0.686*** | 10.75 |
年度 | 控制 | |
公司 | 控制 | |
观测值 | 10 448 | |
调整的R2 | 0.284 |
2. 安慰剂测试
为进一步缓解进行法官异地交流省份和没有进行法官异地交流省份之间的固有特征差异,以及缓解模型中难以控制的不可观察变量对本文结果产生的干扰,本文还执行了如下安慰剂对照测试。本文将从未发生过法官异地交流的五个地区选为处理组,并将其匹配发展程度相似的地区作为控制组。具体而言,本文将注册地在内蒙、海南、新疆、黑龙江和吉林的公司设置为处理组,将注册地在江西、辽宁、陕西、贵州和安徽的公司设置为控制组。可以预期,如果本文基本问题的检验结果是由这些干扰因素所导致的,那么即使以模拟的异地交流活动作为准自然实验也应该可以得到相同的结果。表9给出了安慰剂对照测试的回归结果,Treat×Post的系数并不显著,表明本文的基本结果受到干扰因素的影响相对较小。
被解释变量:Lev | ||
系数 | t值 | |
Treat×Post | −0.034 | −0.71 |
Profitability | −0.001 | −0.66 |
Size | 0.004** | 2.18 |
AGV | 0.373*** | 5.34 |
Growth | 0.004*** | 3.26 |
Tangible | −0.382 | −1.32 |
WP | −0.008 | −1.11 |
ROA | −0.168** | −2.01 |
截距 | 0.612** | 1.98 |
年度 | 控制 | |
公司 | 控制 | |
观测值 | 2 865 | |
调整的R2 | 0.318 |
法官异地交流打破了长久以来法官与地方公司之间建立的关系,增加了地方公司与地方法官建立联系的成本,进而加大了公司的诉讼风险。法官异地交流为克服诉讼风险与资本结构之间的内生性问题提供了理想的准自然实验情境。
本文手工收集了2013年发生过法官异地交流的省份,以只在2013年参与法官异地交流的省份作为处理组,没有参加过法官异地交流的省份作为控制组展开准自然实验,使用双重差分的方法研究诉讼风险与资本结构之间的因果关系。研究结果表明,法官异地交流导致公司债务水平降低了4.67%。本研究还发现,公司所在行业的诉讼率越高、公司所在地市场化程度越低以及公司面临的融资约束越强,法官异地交流对公司债务水平的负向影响越大。
本文的研究结果表明,国家的法律制度建设不仅有助于宏观层面的区域发展和国家发展,而且在微观层面(如公司财务决策)同样发挥着重要作用。从政策制定者的角度来看,法官异地交流活动不应该仅仅定位于宏观层面,而应更加关注增加司法公正性、打破“人情网”带来的工作上的影响和阻碍、预防腐败等促进微观层面企业发展的组织和政策。法官异地交流活动有利于优化司法职权配置,有利于互相借鉴学习,提高司法工作水平,为微观经济主体创造公正的执法环境。本文补充了法官异地交流如何影响微观经济主体的经验证据,有助于从公司财务决策的角度理解法官异地交流的经济后果。
[1] | 曹春方, 陈露兰, 张婷婷. “法律的名义”: 司法独立性提升与公司违规[J].金融研究,2017(5). |
[2] | 陈刚. 法官异地交流与司法效率——来自高院院长的经验证据[J].经济学(季刊),2012(4). |
[3] | 陈刚, 李树. 司法独立与市场分割——以法官异地交流为实验的研究[J].经济研究,2013(9). |
[4] | 宫汝凯, 徐悦星, 王大中. 经济政策不确定性与企业杠杆率[J].金融研究,2019(10). |
[5] | 顾乃康, 周艳利. 卖空的事前威慑、公司治理与企业融资行为——基于融资融券制度的准自然实验检验[J].管理世界,2017(2). |
[6] | 纪洋, 王旭, 谭语嫣, 等. 经济政策不确定性、政府隐性担保与企业杠杆率分化[J].经济学(季刊),2018(2). |
[7] | 鞠晓生, 卢荻, 虞义华. 融资约束、营运资本管理与企业创新可持续性[J].经济研究,2013(1). |
[8] | 卢盛峰, 陈思霞. 政府偏袒缓解了企业融资约束吗? ——来自中国的准自然实验[J].管理世界,2017(5). |
[9] | 毛新述, 孟杰. 内部控制与诉讼风险[J].管理世界,2013(11). |
[10] | 牛斐. 国有企业软预算约束对资本结构的影响研究[J].管理世界,2018(9). |
[11] | 潘越, 潘健平, 戴亦一. 公司诉讼风险、司法地方保护主义与企业创新[J].经济研究,2015(3). |
[12] | 王小鲁, 樊纲, 余静文. 中国分省份市场化指数报告(2016)[M]. 北京: 社会科学文献出版社, 2017. |
[13] | 王彦超, 姜国华, 辛清泉. 诉讼风险、法制环境与债务成本[J].会计研究,2016(6). |
[14] | 张维迎, 柯荣往. 信任及其解释: 来自中国的跨省调查分析[J].经济研究,2002(10). |
[15] | Allen F, Qian J, Qian M J. Law, finance, and economic growth in China[J].Journal of Financial Economics,2005,77(1):57–116. |
[16] | Almeling D S, Snyder D W, Sapoznikow M, et al. A statistical analysis of trade secret litigation in federal courts[J]. Gonzaga Law Review,2011,46(1):57–101. |
[17] | Arena M P. Corporate litigation and debt[J]. Journal of Banking & Finance,2018,87:202–215. |
[18] | Bolton P, Scharfstein D S. A theory of predation based on agency problems in financial contracting[J]. The American Economic Review,1990,80(1):93–106. |
[19] | Conti R, Valentini G. Super partes? Assessing the effect of judicial independence on entry[J].Management Science,2018,64(8):3517–3535. |
[20] | DeAngelo H, DeAngelo L, Whited T M. Capital structure dynamics and transitory debt[J].Journal of Financial Economics,2011,99(2):235–261. |
[21] | Dessaint O, Golubov A, Volpin P. Employment protection and takeovers[J].Journal of Financial Economics,2017,125(2):369–388. |
[22] | Fernandes A P, Ferreira P. Financing constraints and fixed-term employment: Evidence from the 2008-9 financial crisis[J].European Economic Review,2017,92:215–238. |
[23] | Francis J, Philbrick D, Schipper K. Shareholder litigation and corporate disclosures[J].Journal of Accounting Research,1994,32(2):137–164. |
[24] | Glaeser E L, Saks R E. Corruption in America[J].Journal of Public Economics,2006,90(6-7):1053–1072. |
[25] | Hadlock C J, Pierce J R. New evidence on measuring financial constraints: Moving beyond the KZ index[J].The Review of Financial Studies,2010,23(5):1909–1940. |
[26] | Hoberg G, Phillips G, Prabhala N. Product market threats, payouts, and financial flexibility[J].The Journal of Finance,2014,69(1):293–324. |
[27] | Kim I, Skinner D J. Measuring securities litigation risk[J].Journal of Accounting and Economics,2012,53(1-2):290–310. |
[28] | Klasa S, Ortiz-Molina H, Serfling M, et al. Protection of trade secrets and capital structure decisions[J].Journal of Financial Economics,2018,128(2):266–286. |
[29] | Law K K F, Mills L F. Taxes and financial constraints: Evidence from linguistic cues[J].Journal of Accounting Research,2015,53(4):777–819. |
[30] | Petersen M A. Estimating standard errors in finance panel data sets: Comparing approaches[J].The Review of Financial Studies,2009,22(1):435–480. |
[31] | Poitevin M. Financial signaling and the “deep-pocket” argument[J].The Rand Journal of Economics,1989,20(1):26–40. |
[32] | Roberts M R, Whited T M. Endogeneity in empirical corporate finance[J].Handbook of the Economics of Finance,2013,2:493–572. |
[33] | Serfling M. Firing costs and capital structure decisions[J].The Journal of Finance,2016,71(5):2239–2286. |
[34] | Telser L G. Competition and the core[J].Journal of Political Economy,1996,104(1):85–107. |
[35] | Valta P. Competition and the cost of debt[J].Journal of Financial Economics,2012,105(3):661–682. |