2020年伊始,新型冠状肺炎疫情开始全球蔓延,这不仅威胁人们的生命健康,也使资本市场遭受重创,3月份美国股票市场发生五次熔断,创下历史纪录,投资者信心遭遇巨大打击,如何维护资本市场稳定再次成为大众讨论的热点。其中,个股股价崩盘作为引发资本市场动荡的重要因素之一,由于其发生频率较高,造成投资者财富在短时间内发生巨额损失,严重威胁资本市场秩序而受到理论界和实务界的广泛关注。
现有文献认为市场参与者之间的信息不对称是造成股价崩盘的重要原因(Jin和Myers,2006)。虽各国均有关于上市公司信息披露的相关条例,但实际上信息披露的裁量权依旧在公司手中,而高管又对公司信息的披露具有实质决定权。两权分离引发的代理问题使高管与股东利益背离,高管很可能出于晋升和薪酬(LaFond和Watts,2008;Graham等,2005)、维护短期期权价值(Kim等,2011a)、对职业生涯的考虑(Kothari等,2009)、避税(Kim等,2011b)等自利动机而故意隐瞒坏消息,当坏消息隐瞒成本过高而被迫向市场释放时,就会引发公司股价的急剧下跌,即股价崩盘(Jin和Myers,2006)。我国处于经济转型的特殊时期,正式治理制度尚未完善,加之我国特殊的政治制度背景,探究非正式制度对企业治理的作用具有实际意义。一方面,高管自身道德品质对其行为的效应具有持续性(陈冬华等,2017),如宗教文化(陈震红等,2014)、党员身份(戴亦一等,2017)等具有正式治理的补充替代作用,在正式制度难以完全发挥治理作用的情况下,对高管自身经历与道德品格溢出效应的研究就更为重要。另一方面,区别于依赖法律的契约型社会,我国具有“关系型社会”特色(李增泉,2017),其特点是合约执行往往通过私人关系与道德风俗等非正式合约手段进行制约。社会关系网络具有降低长期交易成本的正效应,但同时社会关系网络中的成员亦受到关系网络的监督(Granovetter,1985)。
本文基于从军高管的人力资本和社会资本视角,探究高管从军经历对公司股价崩盘风险的影响。一方面,部队生活严格的纪律标准有助于培养较高的道德水准(Daboub等,1995)、荣誉感和责任感以及诚信和自律(Duffy,2006)等优良品质,产生烙印效应约束管理层隐瞒坏消息的行为。同时,企业高管与政府官员基于共同的从军经历所形成的社会关系网络具有资源效应和监督效应,不仅能够通过资源支持提升企业化解问题的能力,还能对高管信息隐瞒行为形成有效制约。另一方面,从军高管对风险的偏好(Malmendier等,2011;赖黎等,2016,2017)增加了企业的负面消息和风险信息,其过度自信的心理(Wansink等,2008)增大了负面消息延迟披露的可能性,加剧了股价崩盘风险。
为此,本文以2008–2016年沪深A股上市公司作为研究对象,实证考察了高管从军经历对公司股价崩盘风险的影响。研究表明,高管从军经历能够有效降低公司股价崩盘风险,并且董事长的从军经历对股价崩盘风险的降低作用更为突出。进一步地,当公司由“非前十大”审计以及当地政府官员同样具有从军经历时,高管从军经历与公司股价崩盘风险之间的负相关关系更加显著。进而证明从军经历的烙印效应对高管产生的自我约束机制能够作为公司治理机制的替代,同时企业高管与政府官员基于共同的从军经历形成的社会关系网络也能为企业提供资源支持,对高管的信息披露行为形成有效监督。此外,我们通过倾向得分匹配(PSM)、Heckman两阶段模型以及更换被解释变量的方式在一定程度上缓解了本文可能存在的内生性问题。
本文主要有以下三点研究贡献:(1)已有研究认为管理层隐藏坏消息是造成公司股价崩盘的根源(Jin和Myers,2006;Hutton等,2009),大股东持股比例(王化成等,2015)、独立董事比例及其独立性(梁权熙和曾海舰,2016)、内控信息披露水平(叶康涛等,2015)以及审计师行业专长(江轩宇和伊志宏,2013)等公司正式治理安排影响股价崩盘风险,然而管理者的异质性会使其信息披露动机存在差异,却鲜有文献关注。本文基于从军经历对公司管理者的烙印效应、从军经历高管所具有的特殊社会关系网络产生的监督与制约的视角,实证检验了公司高管从军经历与股价崩盘风险之间的关系,丰富了股价崩盘风险影响因素的相关文献。(2)现有关于管理者从军经历的文献,主要关注从军经历对企业融资(Malmendier等,2011;赖黎等,2016)、并购(赖黎等,2017)、税收(Law和Mills,2017)、创新(权小锋等,2019)等经营活动的影响,但是对于从军高管能否在公司治理中发挥积极作用仍存在一定分歧。本文利用股价崩盘风险这一管理者自身信息披露动机具有决定意义的特殊场景,发现管理者从军经历有助于降低公司股价崩盘风险,且降低效应在公司外部治理环境较差时更为显著,证明高管从军经历能够作为公司治理机制的替代机制,拓展了高管从军经历的研究视角。(3)企业和政府是退伍军人转业的两大主要去向,这为企业高管与政府官员基于共同的从军经历构建社会关系网络创造了条件,然而现有文献只是孤立地对高管从军经历展开研究(Malmendier等,2011;Law和Mills,2017;赖黎等,2016,2017;权小锋等,2019),而忽略了从军高管与从军政府官员构建的社会关系网络对高管经营行为的影响。本文的研究表明,从军高管与从军官员构建的社会关系网络具有监督作用,对于长期稳定交往和长期利益的维护有助于约束管理者隐藏坏消息的行为,降低股价崩盘风险,即基于从军经历构建的社会关系网络能够作为一种有效的外部监督机制。这一结论不仅具有理论价值,并且对于正式制度不完善的新兴国家市场中企业高管团队建设也具有启示意义。
余文安排如下:第二部分为理论分析与研究假说;第三部分为研究设计;第四部分为实证结果分析;第五部分为稳健性检验;最后总结全文。
二、理论分析与研究假说 (一) 高管从军经历与上市公司股价崩盘风险股价崩盘是指坏消息集中爆发导致的上市公司股价急剧下跌的现象,会导致上市公司倒闭、投资者利益受损、金融市场动荡等系列恶劣后果。管理层信息隐藏假说是目前学术界普遍认可的股价崩盘的核心诱因,具体来说,管理层往往出于晋升和薪酬(Graham等,2005;LaFond和Watts,2008)、维护短期期权价格(Kim等,2011a)、对职业生涯的考虑(Kothari等,2009)、避税(Kim等,2011b)等自利动机而暂时不对外公布负面消息,直至累积的负面消息隐藏成本过高而集中释放,最终导致公司股价崩盘。高管在公司会计信息披露方面具有自有裁量权,高管的个人特质、生活工作经历会不同程度地影响其经营行为及披露决策(Hambrick和Mason,1984),进而导致不同公司的股价崩盘风险存在差异。具有从军经历的高管在中国上市公司中占据一定比例,一方面,从军经历对高管的价值观、道德作风等有正面塑造作用,削弱高管主观上隐藏坏消息的动机;另一方面,从军经历也可能使高管过度自信与行为激进,这又可能导致股价崩盘风险上升。所以,高管从军经历究竟如何影响上市公司股价崩盘风险,本文将从以下两方面进行分析论证。
首先,从军经历具有烙印效应,对个人价值观起到正面塑造作用。军队通过价值观、行为作风、道德、团队精神、思想政治等方面的教育塑造(张劲,2001),对军人的利益偏好和精神思想进行规范和优化(陈俨和杨建军,1996),严格的纪律标准培养了较高的道德水准(Daboub等,1995),因此,军人往往拥有更强的荣誉感与责任感,更加提倡诚信和自律(Duffy,2006)。根据烙印理论(Hambrick和Mason,1984),深刻的部队生活、行事经历与忠诚正直、服从规则的意识倾向会持续地影响高管的决策行为。强劲的作风与异于常人的毅力有助于提高从军高管的经营管理水平(石秀印,1998),实现较高的经营与投资效率。有从军经历的高管在信息披露(Bamber等,2010)方面更为稳健、财务重述与财务舞弊(Benmelech和Frydman,2015)发生概率更低、避税动机和盈余操纵动机更弱(Law和Mills,2017;王元芳和徐业坤,2020)、公司内部控制质量更好(廖方楠等,2018;权小锋等,2018)、利己主义行为发生概率较小(Koch-Bayram和Wernicke,2018),公司表现为更好的盈余质量。因此,过往从军经历会对高管为追求私利而故意隐藏负面消息、违背市场规则等有损于公司及股东的行为具有明显的抑制作用。不仅如此,更强的荣誉感与责任感,会让有从军经历的高管更加注重自己的声誉与集体公共利益,信息隐瞒的短期收益远远小于在声誉机制(Fama,1980)制约下的长期损失。因此,他们更可能倾向于及时向市场披露坏消息而降低公司股价崩盘风险。由此提出假说H1a:
H1a:从军经历高管所在公司的股价崩盘风险更低
其次,从军经历也可能导致公司股价崩盘风险上升。心理学研究表明,军旅生涯会使人的行事方式变得更加冒险和激进(Berkowitz和Lepage,1967;Wansink等,2008;Killgore等,2008),相应地,从军高管在企业经营管理中体现出偏好高风险的特征,具体表现为:从军高管所在公司的负债水平更高、债务期限更短、现金持有水平更低(赖黎等,2016;Malmendier等,2011);他们更加偏好并购且并购风险更高(赖黎等,2017)、公司创新产出更多(权小锋等,2019)。高杠杆和低现金持有的经营模式增加了企业资金周转不灵、陷入财务困境的可能性,而并购支出的增加和并购风险的上升会改变企业原有战略布局,提高企业经营风险,财务风险和经营风险双双上升将使企业产生更多的负面消息和风险信息。此外,Malmendier等(2011)用从军经历作为过度自信的代理变量,表明过度自信是从军高管的关键特征,而过度自信的个体通常会高估自身能力(Larwood和Whittaker,1977),他们相信自己有能力应对不利事件的发生(Griffin和Tversky,1992),体现在信息披露决策方面,当负面消息产生时,过度自信使高管坚信自己能够“化险为夷”而认为没有必要及时向市场公开坏消息。总体而言,高风险的经营模式会给企业带来更多的负面消息,同时从军高管不愿及时披露坏消息的心理将会增加坏消息的累积,最终导致股价崩盘风险上升。由此提出假说H1b:
H1b:从军经历高管所在公司的股价崩盘风险更高。
(二) 高管从军经历、审计师与股价崩盘风险股价崩盘反映了股东与管理层之间的代理冲突,而大股东持股比例的增加(王化成等,2015)、独立董事比例及其独立性的提高(梁权熙和曾海舰,2016)、内控信息披露水平的改善(叶康涛等,2015)等公司内部治理安排的完善,以及审计师行业专长的运用(江轩宇和伊志宏,2013)、媒体报道的增加(罗进辉和杜兴强,2014)等外部治理机制的强化,均有助于缓解代理冲突,改善公司信息环境,进而降低股价崩盘发生的概率。其中,审计作为重要的外部监督机制,其作用机理在于:客户公司的股价崩盘作为一种负面事件,会对审计师声誉产生不利影响,为避免由此引发的客户流失和“准租”丧失,审计师会加强对上市公司信息披露的监督(DeAngelo,1981)。特别是享有较高声誉的“前十大”事务所,其监督动机和谈判水平都远远强于小所,因此客户公司整体信息披露水平较高、股价崩盘风险较低,高管个人特征对信息披露水平和股价崩盘风险的影响较小。对应地,当公司由小所负责审计时,信息披露裁量权更多地掌握在高管手中,此时,高管自我约束的重要性凸显,相较于没有从军经历的高管,烙印效应会使从军高管更加主动、及时地向市场公布负面信息,因此公司的股价崩盘风险处于较低水平。由此提出假说H2:
H2:当上市公司由“非前十大”审计时,高管从军经历与股价崩盘风险之间的负相关关系更加显著。
(三) 高管从军经历、高管社会资本与股价崩盘风险国家建立了以扶持就业为主的退役士兵择业方式条例,其中,国家机关、社会团体、企事业单位都有接收安置退役士兵的义务(《退役士兵安置条例》,2011)。中发〔2016〕24号文件《关于加强新形势下优抚安置工作的意见》与退役军人部发〔2018〕27号文件《关于进一步加强有政府安排工作退役士兵就业安置工作的意见》均强调,确保由政府安排工作退役士兵安置到机关、事业单位和国有企业的比例不低于80%。改革开放以来,我国经历了五次裁军,共计约250余万人。其中,100万余名退役军人通过军转安置到中央及各级地方政府部门工作。①故为由战友关系转换成的紧密政商关系网络提供了有利条件,处于同一地域关系网络下的军人官员与军人高管,会通过共同的经历与私人交往而促成互信的社会关系(Lazarsfeld和Merton,1954),这种社会关系会对人的行为决策产生深刻的影响(Granovetter,1985)。已有研究表明社会关系具有资源效应,高管与政府官员之间紧密的社会关系能为企业带来更多政府补助(余明桂等,2010)、信贷资源(于蔚等,2012)和税收规避(李维安和徐业坤,2013)等优惠,来自政府强大的资源支持极大地提高了企业化解问题的能力;此外,社会关系网络中的信息就是可以共享与流通的(Coleman,1988),这为网络成员之间的监督和制约提供了条件,此时,若高管隐瞒坏消息而导致企业股价崩盘,则其个人信誉将不复存在,且其社会关系网络中成员的声誉亦将大打折扣。故出于紧密社会资本的监督,拥有从军经历高管所在企业的股价崩盘风险将更低,由此提出假说H3:
H3:当地方政府官员拥有从军经历时,高管从军经历与股价崩盘风险的负相关关系更加显著。
三、研究设计 (一) 数据来源本文以2008–2016年沪深A股上市公司作为研究对象,实证考察高管从军经历对于公司股价崩盘风险的影响。上市公司的财务数据与公司治理数据均来源于CSMAR数据库,高管从军经历数据通过如下方法获得:(1)从CSMAR、WIND数据库提取上市公司高管简历,通过关键词搜索(例如,部队、服役、参军等)并人工阅读高管简历判断高管是否具有从军经历;(2)结合百度搜索引擎,对高管简历信息进行补充和修正,确保数据的准确性。
本文按照如下规则进行了数据处理:(1)剔除金融行业样本;(2)剔除样本期间被ST或*ST的样本;(3)剔除关键数据缺失的样本;(4)剔除每年度交易周数不足30周的样本,以保证股价崩盘风险指标估计的准确性(Jin和
1. 被解释变量:股价崩盘风险(CRASHRISK)
参考Kim等(2011a)的研究,本文采用负收益偏态系数(NSCKEW)和股票收益上下波动比率(DUVOL)两个指标度量股价崩盘风险,具体计算过程如下:
首先,利用模型(1)计算每年度股票i的周收益率,其中
$ {R}_{i,t}=\alpha +{\beta }_{1}{R}_{m,t-2}+{\beta }_{2}{R}_{m,t-1}+{\beta }_{3}{R}_{m,t}+{\beta }_{4}{R}_{m,t+1}+{\beta }_{5}{R}_{m,t+2}+{\varepsilon }_{i,t} $ | (1) |
其次,采用模型(2)计算负偏态收益系数(NCSKEW),其中n表示股票i在第t年的交易周数。NCSKEW越大,股价崩盘风险越高。
$ {NCSKEW}_{i,t}=-[n{\left(n-1\right)}^{\frac{3}{2}}\sum {{W}^{3}}_{i,t}/(n-1\left)\right(n-2){\left(\sum {{W}^{2}}_{i,t}\right)}^{3/2} $ | (2) |
最后,采用模型(3)计算股票收益上下波动比率(DUVOL),其中
$ {DUVOL}_{i,t}=\{log\left[{(n}_{u}-1\right)\sum _{DOWN}{{W}^{2}}_{i,t}]/\left[{(n}_{d}-1\right)\sum _{UP}{{W}^{2}}_{i,t}]\} $ | (3) |
2. 解释变量:高管从军经历(ARMY)
ARMY为高管是否拥有从军经历的虚拟变量,当总经理或董事长拥有从军经历时,ARMY取值为1,否则取值为0。CEO_ARMY和CHAIR_ARMY分别为总经理和董事长各自是否拥有从军经历的虚拟变量。
(三) 模型设定为检验从军经历是否会削弱高管隐藏坏消息的动机,进而降低股价崩盘风险,本文构建如下模型进行检验:
$ {CRASHRIS\!K}_{i,t+1}={\beta }_{0}+{\beta }_{1}{ARMY}_{i,t}+{\beta }_{2}\sum {CONTROL}_{i,t}+{\beta }_{3}IND+{\beta }_{4}year+{\varepsilon }_{i,t} $ | (4) |
其中,被解释变量为CRASHRISKi, t+1,表示公司i在t+1期的股价崩盘风险,本文采用负收益偏态系数(NCSKEW)和股票收益率上下波动比率(DUVOL)两个具体指标进行测度;解释变量ARMY为总经理或董事长是否拥有从军经历的虚拟变量。参考相关文献(Kim等,2011a;王化成等,2015),本文控制了公司规模(SIZE)、资产负债率(LEV)、总资产收益率(ROA)、账面市值比(MB)、信息不对称程度(ABSACC)、公司上市时间(LNAGE)、是否由“前十大”审计(BIG10)、产权性质(SOE)、董事长与总经理是否两职兼任(DUAL)、上一期的股价崩盘风险(CRASHRISK)、个股平均收益率(RET)、个股周收益率波动率(SIGMA)、个股月平均超额换手率(DTURNOVER)等可能影响公司股价崩盘风险的变量。同时,本文还控制了高管任期(TMT_TENURE)、年龄(TMT_AGE)、性别(TMT_GENDER)等反映高管个人特征的变量。此外,模型中还加入了行业固定效应(IND)和年度固定效应(YEAR)。变量具体定义见表1。
变量名称 | 变量符号 | 变量定义 |
股价崩盘风险 | NCSKEW | 负收益偏态系数 |
DUVOL | 股票收益率上下波动比率 | |
高管从军经历 | ARMY | 高管是否具有从军经历的虚拟变量,总经理或董事长具有从军经历时取值为1,否则为0 |
董事长从军经历 | CHAIR_ARMY | 董事长是否具有从军经历的虚拟变量 |
总经理从军经历 | CEO_ARMY | 总经理是否具有从军经历的虚拟变量 |
是否为“前十大” | BIG10 | 公司的审计师为前十大会计师事务所时取1,否则取0 |
官员从军经历 | Army_gov | 上市公司注册所在地政府领导(市委书记或市长)拥有从军经历时取1,否则0 |
公司规模 | SIZE | 总资产的自然对数 |
资产负债率 | LEV | 总负债/总资产 |
盈利能力 | ROA | 净利润/总资产 |
账面市值比 | MB | 总资产的账面价值/市场价值 |
信息不对称程度 | ABSACC | 利用修正的琼斯模型(Dechow等,1995)分年度分行业回归,得到的可操控应计利润的绝对值 |
上市时间 | LNAGE | 公司上市年份距样本年份的自然对数 |
产权性质 | SOE | 上市公司的最终控制人为国有企业时取1,否则为0 |
两职兼任 | DUAL | 当董事长和总经理为同一人时,DUAL取值为1,否则为0 |
平均收益率 | RET | 个股i在t年的周平均收益率 |
收益波动率 | SIGMA | 个股i在t年的周收益率的标准差 |
月平均超额换手率 | DTURNOVER | 个股i在t年的月平均换手率与个股i在t-1年的月平均换手率之差 |
高管平均任期 | TMT_TENURE | 董事长和总经理两者的平均任期 |
高管平均年龄 | TMT_AGE | 董事长和总经理两者的平均年龄 |
高管中是否有女性 | TMT_GENDER | 当董事长或总经理为女性时取值为1,否则取值为0 |
表2报告了样本数据的描述性统计结果。可以看出,反映股价崩盘风险的两个指标NCSKEW和DUVOL的均值分别为−0.297和−0.199,标准差分别为0.674和0.464,表明不同公司之间的股价崩盘风险存在较大差异,与王化成等(2015)以及许年行等(2012)的研究结果基本相同。ARMY的均值为0.061,表示6%左右的高管拥有从军经历,其中拥有从军经历的总经理(CEO_ARMY)约占2.8%,拥有从军经历的董事长(CHAIR_ARMY)约占4.5%。其他控制变量的结果与前人研究基本一致。整体来看,样本数据基本符合正态分布特征并在样本区间内呈现一定的差异性。
变量 | 样本数 | 平均值 | 标准差 | p25 | 中位数 | p75 | 最小值 | 最大值 |
NCSKEW | 15887 | −0.297 | 0.674 | −0.664 | −0.251 | 0.119 | −2.386 | 1.459 |
DUVOL | 15887 | −0.199 | 0.464 | −0.503 | −0.196 | 0.114 | −1.361 | 0.938 |
ARMY | 15887 | 0.061 | 0.239 | 0 | 0 | 0 | 0 | 1 |
CEO_ARMY | 15887 | 0.028 | 0.164 | 0 | 0 | 0 | 0 | 1 |
CHAIE_ARMY | 15887 | 0.045 | 0.207 | 0 | 0 | 0 | 0 | 1 |
BIG10 | 15887 | 0.234 | 0.498 | 0 | 0 | 0 | 0 | 1 |
Army_gov | 15887 | 0.079 | 0.538 | 0 | 0 | 0 | 0 | 1 |
SIZE | 15887 | 22.061 | 1.262 | 21.144 | 21.879 | 22.787 | 19.748 | 25.928 |
LEV | 15887 | 0.447 | 0.209 | 0.282 | 0.449 | 0.612 | 0.050 | 0.879 |
ROA | 15887 | 0.040 | 0.050 | 0.014 | 0.036 | 0.064 | −0.147 | 0.189 |
MB | 15887 | 0.602 | 0.239 | 0.413 | 0.602 | 0.791 | 0.119 | 1.084 |
ABSACC | 15887 | 0.063 | 0.064 | 0.020 | 0.043 | 0.083 | 0.001 | 0.352 |
LNAGE | 15887 | 2.134 | 0.724 | 1.609 | 2.303 | 2.773 | 0.693 | 3.136 |
SOE | 15887 | 0.470 | 0.499 | 0 | 0 | 1 | 0 | 1 |
DUAL | 15887 | 0.239 | 0.427 | 0 | 0 | 0 | 0 | 1 |
RET | 15887 | 0.004 | 0.011 | −0.004 | 0.003 | 0.011 | −0.021 | 0.036 |
SIGMA | 15887 | 0.050 | 0.019 | 0.037 | 0.047 | 0.059 | 0.018 | 0.115 |
DTURNOVER | 15887 | −0.126 | 0.466 | −0.343 | −0.070 | 0.139 | −0.182 | 0.941 |
TMT_TENURE | 15887 | 3.232 | 2.727 | 1 | 2.500 | 5 | 0 | 12 |
TMT_AGE | 15887 | 50.56 | 5.010 | 47 | 50.50 | 54 | 38.50 | 64 |
TMT_GENDER | 15887 | 0.092 | 0.289 | 0 | 0 | 0 | 0 | 1 |
CEO_TENURE | 15887 | 3.167 | 3.039 | 1 | 2 | 5 | 0 | 12 |
CEO_AGE | 15887 | 48.86 | 6.533 | 45 | 49 | 53 | 29 | 65 |
CEO_GENDER | 15887 | 0.060 | 0.238 | 0 | 0 | 0 | 0 | 1 |
CHAIR_TENURE | 15887 | 3.663 | 3.203 | 1 | 3 | 6 | 0 | 13 |
CHAIR_AGE | 15887 | 52.78 | 6.817 | 48 | 52 | 57 | 37 | 71 |
CHAIR_GENDER | 15887 | 0.047 | 0.211 | 0 | 0 | 0 | 0 | 1 |
本文按照高管是否拥有从军经历(ARMY)、董事长是否拥有从军经历(CHAIR_ARMY)以及总经理是否拥有从军经历(CEO_ARMY)分别进行了均值检验和中位数检验,检验结果见表3。可以看出,拥有从军经历的高管所在公司的股价崩盘风险指标的均值和中位数更低,董事长拥有从军经历的公司的股价崩盘风险指标的均值和中位数更低,而总经理拥有从军经历的公司的股价崩盘风险与总经理没有从军经历的公司不存在显著差异。单变量分析结果初步验证了假说H1a,为进一步验证高管的从军经历是否有助于降低上市公司的股价崩盘风险,将进行多元回归分析。
Panel A:高管是否拥有从军经历 | ||||||||
变量名 | 有从军经历(N=969) | 无从军经历(N=14918) | T Test | Z Test | ||||
均值 | 中位数 | 均值 | 中位数 | 差异 | t值 | 差异 | z值 | |
NCSKEW | −0.349 | −0.284 | −0.290 | −0.247 | −0.059** | 2.561 | −0.037** | 2.230 |
DUVOL | −0.239 | −0.260 | −0.192 | −0.188 | −0.047*** | 3.020 | −0.072*** | 2.943 |
Panel B:董事长是否拥有从军经历 | ||||||||
变量名 | 有从军经历(N=710) | 无从军经历(N=15177) | T Test | Z Test | ||||
均值 | 中位数 | 均值 | 中位数 | 差异 | t值 | 差异 | z值 | |
NCSKEW | −0.370 | −0.286 | −0.290 | −0.247 | −0.080*** | 3.010 | −0.039** | 2.536 |
DUVOL | −0.251 | −0.280 | −0.192 | −0.188 | −0.059*** | 3.253 | −0.092*** | 3.207 |
Panel C:总经理是否拥有从军经历 | ||||||||
变量名 | 有从军经历(N=438) | 无从军经历(N=15449) | T Test | Z Test | ||||
均值 | 中位数 | 均值 | 中位数 | 差异 | t值 | 差异 | z值 | |
NCSKEW | −0.297 | −0.280 | −0.294 | −0.248 | −0.003 | 0.093 | −0.032 | 0.315 |
DUVOL | −0.209 | −0.212 | −0.194 | −0.192 | −0.015 | 0.640 | −0.020 | 0.593 |
表4报告了高管从军经历与股价崩盘风险的多元回归结果。从表4的第(1)列和第(2)列可以看出,NCSKEW和DUVOL的估计系数为−0.061和−0.046,分别在5%和1%的水平上显著负相关,表明高管的从军经历能够显著降低上市公司的股价崩盘风险。控制变量中,ROA、DUAL和RET的估计系数与股价崩盘风险指标显著正相关,MB和LNAGE与股价崩盘风险指标显著负相关,与现有文献的结论保持一致(Kim等,2011a)。表4的第(3)列和第(4)列报告了董事长的从军经历与股价崩盘风险的回归结果,NCSKEW和DUVOL的估计系数为−0.084和−0.057,并在1%的水平上显著。表4的第(5)列和第(6)列报告了总经理的从军经历与股价崩盘风险的回归结果,NCSKEW和DUVOL的估计系数均不显著。
董事长&总经理 | 董事长 | 总经理 | ||||
变量名 | (1) | (2) | (3) | (4) | (5) | (6) |
$ { {NCSKEW}_{i,t+1} }$
|
$ { {DUVOL}_{t+1} }$
|
$ { {NCSKEW}_{i,t+1} }$
|
$ { {DUVOL}_{t+1} }$
|
$ { {NCSKEW}_{i,t+1} }$
|
$ { {DUVOL}_{t+1} }$
|
|
ARMY | −0.061** | −0.046*** | ||||
(−2.28) | (−2.75) | |||||
CHAIR_ARMY | −0.084*** | −0.057*** | ||||
(−2.67) | (−2.94) | |||||
CEO_ARMY | −0.024 | −0.028 | ||||
(−0.61) | (−1.08) | |||||
NCSKEW | 0.067*** | 0.067*** | 0.068*** | |||
(8.12) | (8.14) | (8.21) | ||||
DUVOL | 0.069*** | 0.069*** | 0.069*** | |||
(8.30) | (8.31) | (8.37) | ||||
SIZE | −0.001 | −0.014*** | −0.001 | −0.014*** | −0.003 | −0.014*** |
(−0.20) | (−2.85) | (−0.20) | (−2.88) | (−0.38) | (−2.99) | |
LEV | 0.020 | 0.014 | 0.022 | 0.014 | 0.025 | 0.016 |
(0.52) | (0.52) | (0.55) | (0.54) | (0.64) | (0.60) | |
ROA | 0.199* | 0.098 | 0.196* | 0.097 | 0.202* | 0.101 |
(1.93) | (1.29) | (1.90) | (1.28) | (1.95) | (1.33) | |
MB | −0.287*** | −0.175*** | −0.288*** | −0.175*** | −0.285*** | −0.174*** |
(−6.99) | (−6.46) | (−7.02) | (−6.47) | (−6.92) | (−6.41) | |
ABSACC | 0.116 | 0.069 | 0.118 | 0.071 | 0.118 | 0.068 |
(1.28) | (1.17) | (1.30) | (1.21) | (1.30) | (1.14) | |
LNAGE | −0.083*** | −0.066*** | −0.082*** | −0.066*** | −0.082*** | −0.065*** |
(−7.37) | (−9.10) | (−7.33) | (−9.10) | (−7.30) | (−9.02) | |
BIG10 | −0.009 | −0.000 | −0.009 | −0.000 | −0.009 | −0.000 |
(−0.72) | (−0.04) | (−0.73) | (−0.05) | (−0.73) | (−0.05) | |
SOE | −0.005 | −0.004 | −0.008 | −0.005 | −0.008 | −0.005 |
(−0.34) | (−0.42) | (−0.56) | (−0.54) | (−0.54) | (−0.56) | |
DUAL | 0.033** | 0.014 | 0.031** | 0.014 | 0.036** | 0.016* |
(2.33) | (1.50) | (2.20) | (1.43) | (2.48) | (1.70) | |
RET | 5.647*** | 3.779*** | 5.667*** | 3.788*** | 5.662*** | 3.786*** |
(5.73) | (5.66) | (5.76) | (5.68) | (5.75) | (5.67) | |
SIGMA | 0.235 | −0.141 | 0.236 | −0.130 | 0.255 | −0.139 |
(0.48) | (−0.43) | (0.48) | (−0.40) | (0.52) | (−0.43) | |
DTURNOVER | −0.000 | −0.000 | −0.000 | −0.000 | −0.000 | −0.000 |
(−0.97) | (−0.19) | (−0.94) | (−0.21) | (−0.99) | (−0.20) | |
TMT_TENURE | 0.001 | −0.000 | ||||
(0.32) | (−0.23) | |||||
TMT_AGE | −0.003** | −0.001 | ||||
(−2.07) | (−1.29) | |||||
TMT_GENDER | −0.014 | −0.003 | ||||
(−0.68) | (−0.21) | |||||
CHAIR_TENURE | −0.000 | −0.000 | ||||
(−0.10) | (−0.02) | |||||
CHAIR_AGE | −0.001 | −0.001 | ||||
(−1.53) | (−0.89) | |||||
CHAIR_GENDER | −0.024 | −0.024 | ||||
(−0.82) | (−1.26) | |||||
CEO_TENURE | 0.000 | −0.001 | ||||
(0.06) | (−0.63) | |||||
CEO_AGE | −0.000 | −0.000 | ||||
(−0.44) | (−0.15) | |||||
CEO_GENDER | −0.008 | 0.008 | ||||
(−0.33) | (0.45) | |||||
Constant | 0.155 | 0.318*** | 0.101 | 0.295*** | 0.062 | 0.275*** |
(0.99) | (2.98) | (0.66) | (2.82) | (0.41) | (2.65) | |
IND/YEAR | YES | YES | YES | YES | YES | YES |
Obs. | 15,887 | 15,887 | 15,887 | 15,887 | 15,887 | 15,887 |
R2 | 0.0830 | 0.0946 | 0.0830 | 0.0948 | 0.0822 | 0.0941 |
注:表中括号内为p值,*、**、***分别表示在10%、5%、1%的水平上显著。 |
上述结果表明,从军高管所在公司的股价崩盘风险更低,假说H1a得到验证。这意味着,军旅生涯对个人有强大的塑造作用,并且从军时培养的诚实、正直等优秀品质会在他们转业从商时得以延续,这些优秀品质的力量远远大于激进、过度自信等负面心理的效应,加强高管的自我约束意识,使高管能够及时、准确地向市场公开信息,维护公司股价稳定。在对董事长和总经理的从军经历分别回归时,我们发现只有董事长的从军经历能降低股价崩盘风险,而总经理的从军经历对股价崩盘风险不产生显著影响,可能源于在我国的公司治理体系中,董事长才是真正的企业家,通常在企业中占据最关键的位置(宋德舜,2004),在决定公司是否及时披露坏消息方面掌握了更多的话语权。
表5的第(1)列至第(4)列为按照公司是否由“前十大”负责审计的分组回归结果,当审计师属于“前十大”时(Big10=1),高管从军经历与股价崩盘风险不存在显著相关关系,而当审计师不属于“前十大”时(Big10=0),高管从军经历与股价崩盘风险至少在5%的水平上存在显著负相关关系。上述结果表明,外部监督治理机制的加强能够有效约束管理层的信息披露行为,降低坏消息突然爆发导致公司股价崩盘的可能性,管理层个人特征对信息披露质量的影响不明显,然而当外部治理机制无法对管理层行为形成充足的制约时,非从军高管更可能隐瞒坏消息追求自身利益,而从军高管依然保持充分、及时的信息披露,公司股价崩盘风险呈现较低水平。因此,在公司治理环境相对较差,对高管监督不足的情形下,高管从军经历能够发挥替代公司治理机制的作用。
变量 | Big10=1 | Big10=0 | Army_gov=1 | Army_gov =0 | ||||
(1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | |
$ { {NCSKEW}_{i,t+1} }$
|
$ { {DUVOL}_{t+1} }$
|
$ { {NCSKEW}_{i,t+1} }$
|
$ { {DUVOL}_{t+1} }$
|
$ { {NCSKEW}_{i,t+1} }$
|
$ { {DUVOL}_{t+1} }$
|
$ { {NCSKEW}_{i,t+1} }$
|
$ { {DUVOL}_{t+1} }$
|
|
ARMY | −0.010 | −0.033 | −0.118*** | −0.062** | −0.106*** | −0.069*** | −0.008 | −0.019 |
(−0.27) | (−1.42) | (−2.96) | (−2.49) | (−2.96) | (−3.02) | (−0.20) | (−0.73) | |
Constant | 0.313 | 0.445*** | −0.026 | 0.154 | −0.088 | 0.196 | 0.302 | 0.383** |
(1.49) | (3.09) | (−0.11) | (0.94) | (−0.39) | (1.27) | (1.30) | (2.45) | |
Control | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes |
IND/YEAR | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes |
Obs. | 3,860 | 3,860 | 12,027 | 12,027 | 1,254 | 1,254 | 14,633 | 14,633 |
R2 | 0.0888 | 0.1013 | 0.0809 | 0.0921 | 0.0871 | 0.0971 | 0.0841 | 0.1001 |
注:表中括号内为p值,*、**、***分别表示在10%、5%、1%的水平上显著。 |
表5的第(5)列至第(8)列为按照公司注册所在地的政府领导是否拥有从军经历的分组回归结果,当地方政府领导拥有从军经历时(Army_gov=1),高管从军经历与股价崩盘风险在1%的水平上显著负相关;当地方政府领导无从军经历时(Army_gov=1),高管从军经历与股价崩盘风险之间不存在显著相关关系。上述结果表明,与从军官员共同构建的社会关系网络是从军高管的专有资产与独特优势,从军高管所在企业的生存发展有赖于从军官员的资源支持,其所在公司治理水平的提高需要从军官员的监督,换言之,从军官员的存在是高管从军经历发挥降低股价崩盘风险作用的重要外部条件。
五、稳健性检验 (一) 倾向得分匹配(PSM)通过基本分析我们发现从军经历有助于降低股价崩盘风险,然而高管聘任并非随机过程,而是董事会结合公司特征从经理人市场谨慎选拔的结果,因此无从军经历的高管所在公司与有从军经历高管所在公司很可能在基本面上存在显著差异,导致股价崩盘风险的不同并非高管从军经历作用的结果。本文将通过倾向得分匹配(PSM)解决上述内生性问题,我们选取了公司规模(SIZE)、资产负债率(LEV)、总资产收益率(ROA)、信息透明程度(ABSACC)、账面市值比(MB)等可能影响公司高管聘任的变量进行1:1无放回的倾向得分匹配,将配对好的样本重新进行回归,检验结果见表6的第(1)列和第(2)列,可以看出,高管从军经历与股价崩盘风险仍然至少在5%的水平上存在显著负相关关系,本文的研究结论依然成立。
PSM | Heckman两阶段回归 | 更换变量 | ||||
(1) | (2) | (3) | (4) | (5) | (6) | |
一阶段 | 两阶段 | 两阶段 | ||||
$ { NCSKE{W_{i,t + 1}}}$
|
$ { DUVO{L_{t + 1}}}$
|
ARMY |
$ { NCSKE{W_{i,t + 1}}}$
|
$ { DUVO{L_{t + 1}}}$
|
$ { CRAS{H_{i,t + 1}}}$
|
|
ARMY | −0.083** | −0.080*** | −0.065*** | −0.049*** | −0.138** | |
(−2.41) | (−3.56) | (−2.64) | (−3.05) | (−2.29) | ||
AREA_ARMY | 0.032*** | |||||
(3.20) | ||||||
IMR | −0.359*** | −0.206** | ||||
(−2.76) | (−2.40) | |||||
Constant | −0.289 | 0.317 | −2.346*** | 1.124*** | 0.896*** | −0.885** |
(−0.72) | (1.16) | (−6.26) | (3.17) | (3.81) | (−2.17) | |
Control | YES | YES | YES | YES | YES | YES |
IND /YEAR | YES | YES | YES | YES | YES | YES |
Obs. | 1,938 | 1,938 | 15,887 | 15,887 | 15,887 | 15,887 |
R2/Pseudo R2 | 0.1170 | 0.1256 | 0.0380 | 0.0795 | 0.0910 | 0.0372 |
注:表中括号内为p值,*、**、***分别表示在10%、5%、1%的水平上显著。 |
本文可能存在一个内生性问题:高管的性格特征、家庭背景等未纳入模型的因素会同时影响高管的从军选择和所在公司的股价崩盘风险,导致本文发现的从军经历与股价崩盘风险之间只是一种伪相关关系。为此,本文采用Heckman两阶段回归解决上述遗漏变量带来的内生性问题,首先,参考权小锋等(2018)的研究,本文将地区从军氛围(AREA_ARMY)及公司规模(SIZE)、资产负债率(LEV)、总资产收益率(ROA)等其他影响高管聘任决策的因素作为自变量,将高管是否拥有从军经历(ARMY)作为因变量进行回归,在此基础上计算逆米尔斯比数(IMR)。其中地区从军氛围(AREA_ARMY)的具体定义为各地区在1955年新中国首次授衔的将帅加权数量的自然对数,其中(元帅:上将:大将:中将:少将)的权重分别为(5:4:3:2:1)。地区授衔的将帅数量越多,对青年从军的激励作用越强,但是与公司股价崩盘风险无关,满足相关性和外生性要求。其次,我们将上一步得到的IMR加入模型重新回归。回归结果见表6的第(3)列,可以看出,地区从军氛围(AREA_ARMY)与高管从军经历(ARMY)的回归系数在1%的水平上显著为正,即地区从军氛围越浓厚,高管从军的概率越高;从表6的第(4)列和第(5)列可以看出,控制了IMR之后高管从军经历与股价崩盘风险仍然在1%的水平上存在显著负相关关系,我们的结论未发生改变。
(三) 更换股价崩盘风险度量指标为了进一步保证研究结果的稳健性,本文参考Kim等(2011a)的研究,将虚拟变量CRASH作为股价崩盘风险的测度指标重新回归,CRASH具体定义为当上市公司在一年内至少有一次个股周收益率低于个股年平均周收益率的3.2个标准差之下,即
保证金融市场健康有序运行始终是国家经济发展中的重要任务,特别是在全球新型冠状肺炎疫情蔓延的特殊时期,维护金融市场平稳运行对助力实体经济发展、保护投资者信心的重要性更加凸显,这也使得对于公司股价崩盘的学术研究也更具现实意义。本文立足微观企业层面,从高管人力资本与社会资本两个角度研究高管个人从军经历对于公司股价崩盘风险的影响,研究发现:(1)相对于没有从军经历的高管,有从军经历高管所在公司的股价崩盘风险更低,表明从军经历有助于抑制高管隐瞒坏消息的动机;(2)当公司聘请“非前十大”作为审计师时,高管从军经历与对股价崩盘风险的降低效应更加显著,表明在抑制公司股价崩盘风险方面高管从军经历与公司正式治理机制呈替代关系;(3)当地方政府官员拥有从军经历时,高管从军经历与股价崩盘风险的负向关系更加显著,表明基于共同经历构建的社会关系网络对高管行为具有资源效应和监督效应。
本文的研究价值在于:首先,区别于以往从公司内部正式治理机制和外部监管机制研究股价崩盘风险的文献,本文分析了高管从军经历对其“捂盘”动机的影响,丰富了高管个人特征对股价崩盘风险影响方面的研究,具有一定的理论价值。其次,本文研究表明高管从军经历可以作为公司正式治理机制的一种替代,这为企业改善公司治理环境提供了一个新的思路,即当公司正式治理机制欠缺、外部监督不足时,可以通过优化高管团队结构、聘请自我约束能力更强的高管以降低代理成本,值得注意的是,本文涉及的从军高管虽然在信息披露方面具有优势,但是可能引发其他方面的代理问题,公司需要根据自身特征及发展需要匹配合适的高管。最后,我们研究发现只有当地方政府官员同时具有从军经历时,高管从军经历才能发挥降低股价崩盘风险的作用,这表明我国“关系型”社会中,“圈子”对于企业发展和公司治理都十分重要,对企业所在“圈子”的关注也有利于监管机构效率的提升。
① 央广网,http://www.cnr.cn/。
[1] | 陈冬华, 祝娟, 俞俊利. 盈余管理行为中的经理人惯性——一种基于个人道德角度的解释与实证[J].南开管理评论,2017(3). |
[2] | 陈俨, 杨建军. 关于军人行为的经济学分析及若干政策启示[J].经济研究,1996(2). |
[3] | 陈震红, Wang S J, 董俊武. 民间信仰影响战略决策吗? ——基于超自然信念及中国企业高管的两层面研究[J].管理世界,2014(7). |
[4] | 戴亦一, 余威, 宁博, 等. 民营企业董事长的党员身份与公司财务违规[J].会计研究,2017(6). |
[5] | 江轩宇, 伊志宏. 审计行业专长与股价崩盘风险[J].中国会计评论,2013(2). |
[6] | 赖黎, 巩亚林, 马永强. 管理者从军经历、融资偏好与经营业绩[J].管理世界,2016(8). |
[7] | 赖黎, 巩亚林, 夏晓兰, 等. 管理者从军经历与企业并购[J].世界经济,2017(12). |
[8] | 李维安, 徐业坤. 政治身份的避税效应[J].金融研究,2013(3). |
[9] | 李增泉. 关系型交易的会计治理——关于中国会计研究国际化的范式探析[J].财经研究,2017(2). |
[10] | 梁权熙, 曾海舰. 独立董事制度改革、独立董事的独立性与股价崩盘风险[J].管理世界,2016(3). |
[11] | 廖方楠, 韩洪灵, 陈丽蓉. 高管从军经历提升了内部控制质量吗? ——来自我国上市公司的经验证据[J].审计研究,2018(6). |
[12] | 罗进辉, 杜兴强. 媒体报道、制度环境与股价崩盘风险[J].会计研究,2014(9). |
[13] | 权小锋, 醋卫华, 尹洪英. 高管从军经历、管理风格与公司创新[J].南开管理评论,2019(6). |
[14] | 权小锋, 徐星美, 蔡卫华. 高管从军经历影响审计费用吗? ——基于组织文化的新视角[J].审计研究,2018(2). |
[15] | 石秀印. 中国企业家成功的社会网络基础[J].管理世界,1998(6). |
[16] | 宋德舜. 国有控股、最高决策者激励与公司绩效[J].中国工业经济,2004(3). |
[17] | 王化成, 曹丰, 叶康涛. 监督还是掏空: 大股东持股比例与股价崩盘风险[J].管理世界,2015(2). |
[18] | 王元芳, 徐业坤. 高管从军经历影响公司治理吗? ——来自中国上市公司的经验证据[J].管理评论,2020(1). |
[19] | 许年行, 江轩宇, 伊志宏, 等. 分析师利益冲突、乐观偏差与股价崩盘风险[J].经济研究,2012(7). |
[20] | 叶康涛, 曹丰, 王化成. 内部控制信息披露能够降低股价崩盘风险吗?[J].金融研究,2015(2). |
[21] | 于蔚, 汪淼军, 金祥荣. 政治关联和融资约束: 信息效应与资源效应[J].经济研究,2012(9). |
[22] | 余明桂, 回雅甫, 潘红波. 政治联系、寻租与地方政府财政补贴有效性[J].经济研究,2010(3). |
[23] | 张劲. 略论美国军队的思想政治教育[J].南京政治学院学报,2001(5). |
[24] | Bamber L S, Jiang J, Petroni K R, et al. Comprehensive income: Who's afraid of performance reporting?[J].The Accounting Review,2010,85(1):97–126. |
[25] | Benmelech E, Frydman C. Military CEOs[J].Journal of Financial Economics,2015,117(1):43–59. |
[26] | Berkowitz L, Lepage A. Weapons as aggression-eliciting stimuli[J].Journal of Personality and Social Psychology,1967,7(2):202–207. |
[27] | Coleman J S. Social capital in the creation of human capital[J].American Journal of Sociology,1988,94:S95–S120. |
[28] | Daboub A J, Rasheed A M A, Priem R L, et al. Top management team characteristics and corporate illegal activity[J].Academy of Management Review,1995,20(1):138–170. |
[29] | DeAngelo L E. Auditor size and audit quality[J].Journal of Accounting and Economics,1981,3(3):183–199. |
[30] | Dechow P M, Sweeney S A P. Detecting earnings management[J]. Accounting Review,1995,70(2):193–225. |
[31] | Duffy T. Military experience and CEOs: Is there a link? [R]. Korn/Ferry International Report, 2006. |
[32] | Fama E F. Agency problems and the theory of the firm[J].Journal of Political Economy,1980,88(2):288–307. |
[33] | Graham J R, Harvey C R, Rajgopal S. The economic implications of corporate financial reporting[J].Journal of Accounting and Economics,2005,40(1-3):3–73. |
[34] | Granovetter M. Economic action and social structure: The problem of embeddedness[J].American Journal of Sociology,1985,91(3):481–510. |
[35] | Griffin D, Tversky A. The weighing of evidence and the determinants of confidence[J].Cognitive Psychology,1992,24(3):411–435. |
[36] | Hambrick D C, Mason P A. Upper echelons: The organization as a reflection of its top managers[J].Academy of Management Review,1984,9(2):193–206. |
[37] | Hutton A P, Marcus A J, Tehranian H. Opaque financial reports, R2, and crash risk [J].Journal of Financial Economics,2009,94(1):67–86. |
[38] | Jin L, Myers S C. R2 around the world: New theory and new tests [J]. Journal of Financial Economics,2009,79(2):257–292. |
[39] | Killgore W D S, Cotting D I, Thomas J L, et al. Post-combat invincibility: Violent combat experiences are associated with increased risk-taking propensity following deployment[J].Journal of Psychiatric Research,2008,42(13):1112–1121. |
[40] | Kim J B, Li Y H, Zhang L D. CFOs versus CEOs: Equity incentives and crashes[J].Journal of Financial Economics,2011a,101(3):713–730. |
[41] | Kim J B, Li Y H, Zhang L D. Corporate tax avoidance and stock price crash risk: Firm-level analysis[J].Journal of Financial Economics,2011b,100(3):639–662. |
[42] | Koch-Bayram I F, Wernicke G. Drilled to obey? Ex-military CEOs and financial misconduct[J].Strategic Management Journal,2018,39(11):2943–2964. |
[43] | Kothari S P, Shu S S, Wysocki P D. Do managers withhold bad news?[J].Journal of Accounting Research,2009,47(1):241–276. |
[44] | LaFond R, Watts R L. The information role of conservatism[J].The Accounting Review,2008,83(2):447–478. |
[45] | Larwood L, Whittaker W. Managerial myopia: Self-serving biases in organizational planning[J].Journal of Applied Psychology,1977,62(2):194–198. |
[46] | Law K K F, Mills L F. Military experience and corporate tax avoidance[J].Review of Accounting Studies,2017,22(1):141–184. |
[47] | Lazarsfeld P F, Merton R K. Friendship as a social process: A substantive and methodological analysis[J]. Freedom and Control in Modern Society,1954,18(1):18–66. |
[48] | Malmendier U, Tate G, Yan J. Overconfidence and early-life experiences: The effect of managerial traits on corporate financial policies[J].The Journal of Finance,2011,66(5):1687–1733. |
[49] | Wansink B, Payne C R, Van Ittersum K. Profiling the heroic leader: Empirical lessons from combat-decorated veterans of World War II[J].The Leadership Quarterly,2008,19(5):547–555. |