“投资者付费”模式能改善评级市场的信息质量吗？——基于中债资信评级的实证研究

阮永锋 徐晓萍 刘音露

(上海财经大学金融学院，上海 200433)

引言

金融危机爆发后，国际主要评级机构因其给予结构化金融产品虚高的评级而饱受质疑。在分析评级机构行为背后的原因时，业界和学术界普遍认为，“发行人付费”模式内生的利益冲突是导致评级虚高的根源。在“发行人付费”模式下，发行人可以自主选择评级机构，并支付评级费用，这意味着发行人可以进行“评级选购”(Skreta和Veldkamp，2009)[11]；同时，评级机构作为营利性组织，也存在迎合发行人诉求以获得业务的经济激励(Griffin et al.2013；Kraft，2015)[7][9]。因此，“发行人付费”模式可能会降低评级机构的独立性，从而减弱信用评级的风险揭示作用。与“发行人付费”模式相比，在“投资者付费”模式下，评级机构与发行人之间不存在直接的利益关系，因而它们能够相对独立、客观、公正地对发行人进行评级，同时也能够促使“发行人付费”机构更加重视声誉(Xia，2014)[13]，从而使评级市场的总体信息质量上升。基于以上原因，监管部门开始鼓励“投资者付费”模式的发展，期望“投资者付费”机构能够改善整体行业的公信力。

虽然金融危机对我国资本市场的直接冲击较小，但危机产生的一系列负面经济后果使我国监管部门意识到，完善信用评级制度对于防范系统性金融风险具有重要作用。2010年，中债资信评估有限责任公司成立1，成为国内首家实行“投资者付费”模式的信用评级公司。在“投资者付费”模式下，中债资信不必通过迎合发行人的诉求以获得业务，使其评级保持相对的客观和公正。同时，投资者可以利用中债评级对其他评级结果进行检验，一定程度上能够促使其他机构更加注重声誉的积累，提高评级的准确性。我们的问题是，在中债评级普遍低于其他评级的背景下，其他机构是否会出于维护声誉的考虑，而提高其评级质量？这是本文研究的第一个问题。

商业银行、保险公司等机构投资者是我国债券市场的主要参与者，具有较强的专业分析能力，能够根据市场信息对债券定价进行调整。根据监管规定，评级机构一般需要公开披露信用评级报告，故而机构投资者能够较为便利地获取不同机构的评级报告。在实践中，“发行人付费”机构评级报告一般包含在债券发行文件中，因而投资者往往先接触到此类机构的评级报告，并将其视为投资依据。那么，在中债资信与其他机构覆盖同一受评对象的情况下，中债评级能否为投资者提供增量信息，进而影响到投资者对债券的定价？这是本文研究的第二个问题。

基于上述背景，本文利用2008～2016年发债企业主体评级和债券发行数据，考察了中债评级对评级市场信息质量的影响。研究发现，中债评级是否覆盖同一受评对象对其他评级高低并无影响，说明目前“投资者付费”模式尚未改善“发行人付费”机构的评级质量。但是，中债评级释放了其他机构评级质量的信号：在中债评级与其他机构评级存在较大差异的情况下，投资者会利用中债评级对债券定价进行调整；而在两类机构评级差异较小时，投资者并未利用中债评级对债券定价进行调整。本文的贡献在于：第一，Xia(2014)[13]、林晚发等(2017)[16]、孟庆斌等(2018)[18]发现，在“投资者付费”模式的压力下，“发行人付费”评级机构会降低其信用等级。但是，本文结合我国评级市场的现实情况，在全面考察了中债评级对其他评级的影响后，得出与国内外现有文献不同的结论，这进一步丰富了评级付费模式的相关文献；第二，本文从信息披露质量视角，考察了中债评级对其他评级降低信用利差效果的影响及其作用机理，这对于理解中债资信在评级市场中的作用具有重要的参考价值。

文献综述与研究假设

金融危机爆发后，国内外文献从多个视角研究了造成评级虚高的因素。一般认为，“发行人付费”模式会导致利益冲突，从而降低评级质量。Jiang et al.(2012)[8]研究了收费模式转变(从“投资者付费”模式转变为“发行人付费”模式)对标准普尔评级质量的影响。他们发现，以穆迪公司(实行“发行人付费”模式)的评级作为基准，在收费模式转变之前，标准普尔的评级通常低于穆迪的评级；而在收费模式转变之后，两家机构的评级并没有显著差异。Strobl和Xia(2012)[12]发现，与实行“投资者付费”模式的EJR (Egan-Jones Rating Company)相比，实行“发行人付费”模式的标准普尔的评级更高。并且在利益冲突严重的情况下，两者之间的评级差异更大，这意味着“发行人付费”模式可能会导致评级虚高。在评级机构实行“发行人付费”模式的情况下，评级市场竞争(Becker和Milbourn，2011；Bolton et al.，2012；Cohen和Manuszak，2013)[2][4][5]、受评对象复杂度(Mathis et al.，2009)[10]等因素都可能加剧评级虚高问题，从而降低评级质量。

声誉是评级机构生存和发展的基础，因而声誉约束机制有助于提高评级质量。鉴于只有在能够判断评级质量的情况下，声誉机制才可能发挥作用，因而对评级结果进行有效的检验是声誉机制发挥作用的重要前提。与“发行人付费”机构相比，“投资者付费”机构的评级质量更高(Beaver et al.，2006；Berwart et al.，2016；Cornaggia和Cornaggia，2013)[1][3][6]。在两类评级机构对同一受评对象进行评级时，如果“发行人付费”机构给予的评级较高，则投资者可能质疑其是否出于利益动机而给予发行人虚高的评级，从而给“发行人付费”机构造成声誉损失。因此，“投资者付费”机构覆盖同一受评对象时，“发行人付费”机构给予的评级可能更低，其评级也更能反映信用风险，说明在“投资者付费”模式的压力下，“发行人付费”机构的评级质量会有所提高(Xia，2014)[13]。

与国外评级行业上百年的发展历程相比，我国评级行业仍处于发展初期，评级虚高问题较为严重，因而“投资者付费”模式能否发挥其改善评级市场信息质量的作用值得我们深入研究。对评级机构而言，其行为主要受到利益动机与声誉动机的影响。一方面，从利益动机角度看，近年来，评级市场竞争不断加剧(寇宗来等，2015)[15]，评级机构通过给予高评级来维持市场份额的利益动机较强。同时，伴随着债券市场的快速发展，评级业务规模快速攀升，因而评级机构拥有通过给予高评级以获得新业务的动机。另一方面，从声誉动机角度看，我国评级行业发展历程较短，评级机构的声誉尚未完全建立起来，加之刚性兑付仍未完全打破等原因，声誉机制发挥的市场约束作用相对有限。在“发行人付费”机构的利益动机较强，而声誉约束力有限的情况下，“投资者付费”模式对“发行人付费”模式评级的影响力可能较弱。基于上述分析，本文提出以下假设：

H1：中债评级是否覆盖同一受评对象不影响其他机构评级高低。

信用评级能够为投资者提供增量信息，有助于降低债券发行人与投资者之间的信息不对称，因而会影响到债券的融资成本。何平和金梦(2010)[14]发现，债项评级和主体评级均能降低发行成本，并且前者的作用更强。王安兴等(2012)[20]发现，信用评级越高，信用利差越低。沈红波和廖冠明(2014)[19]发现，评级机构的专有信息能够降低发行成本，当企业规模较小时(即信息不对称程度更严重)，专有信息的作用更显著。

投资者通过搜集、分析信息来判断投资风险。如果信息披露质量较低，投资者为保障自身利益，会要求更高的风险溢价。信用评级是揭示债券违约风险的信息，其质量会直接影响到融资成本。信用评级质量越差，其降低融资成本的作用越弱。王雄元和张春强(2013)[21]发现，信用评级具有降低融资成本的作用，但是发行前主体评级调增、较低的评级机构声誉会减弱这种作用。邢天才等(2016)[22]发现，评级市场竞争会导致评级虚高，从而减弱信用评级降低融资成本的作用。寇宗来等(2015)[15]甚至认为，我国信用评级的可信度较低，其降低融资成本的作用较弱。在其他机构评级饱受质疑的背景下，中债评级能够对其他评级结果进行检验，为投资者提供增量信息，从而影响到投资者对债券的定价。基于上述分析，本文提出以下假设：

H2：中债评级是否覆盖同一受评对象会影响信用利差。

研究设计

一、数据来源与样本选择

本文以2008～2016年获得其他机构主体评级(包括发行时主体评级和跟踪评级)的企业作为样本，按照以下标准对数据进行处理：(1)由于金融类企业与其他行业企业区别较大，因此剔除金融类企业样本；(2)删除评级数量过少的评级机构(上海远东和东方金诚)所对应的样本；(3)删除其他机构主体评级低于A-的样本。原因在于，企业的主体评级基本上都在A-及以上，因而当主体评级低于A-时，可能意味着企业资质严重下滑，评级机构将会持续降低企业的主体评级，从而干扰到对中债评级影响的研究2；(4)企业在一年内可能拥有多次其他评级数据，为避免重复，本文仅保留一次其他评级数据。在样本筛选方面，若存在被中债评级覆盖(具体见下文Coverage的定义)的其他评级样本，则保留年内最后一次被中债评级覆盖的其他评级样本；若不存在被中债评级覆盖的其他评级样本，则保留年内最后一次的其他评级样本；(5)删除变量缺失样本。本文数据来自Wind资讯。为控制极端值的影响，本文对所有连续变量在1%和99%分位上进行winsorize处理。

二、模型构建与变量定义

模型(1)是本文的主要回归模型，具体变量定义如下：

被解释变量：模型(1)中的被解释变量Rating为其他机构主体评级。我们根据信用等级高低对评级符号进行赋值：A-=1、A=2、A+=3、AA-=4、AA=5、AA+=6、AAA=7。由于被解释变量为多元有序变量，现有文献通常采用OLS或Ordered Logit进行研究，为使结论更加稳健，本文同时采用OLS和Ordered Logit对模型进行估计。

解释变量：Xia(2014)[13]以“发行人付费”评级日期是否在“投资者付费”机构首次覆盖之后作为解释变量，能够直接衡量“投资者付费”模式对“发行人付费”模式评级的影响，本文主要以此为参考构造解释变量3。对于同一受评对象，在其他评级报告发布之前，市场上已经有中债评级报告，则中债评级才可能对其他评级产生影响。由于评级报告的有效期一般为一年，因此我们对解释变量Coverage的定义如下：如果在其他评级发布日期前365天内，受评对象被中债评级覆盖(即受评对象拥有中债评级)，那么Coverage取值为1，否则为0。

控制变量：在样本期内未被中债评级覆盖企业的其他评级均值为4.853，而在样本期内被中债评级覆盖企业的其他评级均值为5.587，两者的差异在1%的水平下显著，说明被中债评级覆盖企业的资质更好。对此，本文加入是否有中债评级变量以控制这种偏差。我们还参考沈红波和廖冠民(2014)[19]、马榕和石晓军(2015)[17]等文献，选取企业规模、负债水平、盈利能力、成长性、资产周转率、是否上市企业、是否国有企业等指标作为控制变量，并控制了行业和年度差异。变量定义见表1。

表1 变量定义

表2 变量描述性统计结果

实证结果与分析

一、描述性分析

表2报告了主要变量的描述性统计结果。Rating的均值为5.153，标准差为1.062，说明发债企业主体评级主要集中于AA和AA+。Coverage的均值为0.146，说明同时被中债资信与其他机构覆盖的样本量仍较小。Treated的均值为0.409，说明40.9%的样本对应的企业在样本期内至少获得过一次中债评级。对于其他控制变量，Size的均值为23.573；Lev的均值为0.564；ROA的均值为0.028；Growth的均值为0.234；Asturn的均值为0.476；List的均值为0.207；SOE的均值为0.797。

二、不同收费模式评级的差异性比较

我们先对中债评级和其他评级的差异进行统计分析。表3为同时拥有中债评级和其他评级的样本(即Coverage=1的样本)的分析结果。鉴于中债评级的分布范围较广，我们对中债评级进行如下赋值：对于69个低于A-的中债评级，我们将其赋值为0；对于AAA-和AAA+的中债评级(其他评级无AAA+评级，基本上没有AAA-评级)，我们将其赋值为7；其他中债评级的赋值方式与上文相同。鉴于2011年的样本量仅为7，不具有代表性，我们仅对2012～2016年的统计结果进行分析。表3数据显示，对于同一受评对象，中债评级普遍低于其他评级，两者差异的均值基本上都在1.7个等级以上，并且在1%的水平下显著。

如果其他机构受到中债资信的影响，并出于维护声誉的考虑而提高其评级质量，我们应该看到中债评级与其他评级之间的差异会随时间的推移而逐渐趋小。但从表3的结果来看，评级差异并未发生这样的变化，反而在2016年急剧增大。这个事实说明，伴随着中债资信对市场的影响力逐渐增大，其他机构并未因中债评级覆盖同一受评对象而收紧评级标准，反映出中债评级对其他评级的影响力较弱。

表3 中债评级和其他评级的差异及其年度变化

三、中债评级覆盖与信用评级高低

为考察中债评级覆盖对其他评级的影响，本文对模型(1)进行回归。表4报告了中债评级覆盖与其他评级高低的回归结果。列(1)结果显示，Coverage的回归系数不显著，说明中债评级是否覆盖同一受评对象对其他评级高低没有影响，假设1得以成立。在列(2)中，Coverage的回归系数仍不显著，进一步支持了假设1。这个结论与Xia(2014)[13]的不同，原因可能在于，“投资者付费”模式评级发挥声誉约束作用，需要良好的外部环境作为支撑。现阶段，实行“投资者付费”模式的中债资信，较少与“发行人付费”机构展开直接竞争。因此，对“发行人付费”机构而言，其最优竞争策略主要取决于其他“发行人付费”机构的策略。在评级市场“级别竞争”严重的情况下，“发行人付费”机构提高评级准确性以维护声誉的行为，很可能会导致其市场份额下降。在评级市场规模快速发展的背景下，维护声誉行为所产生的长期收益很可能无法覆盖其所造成的短期损失。因此，目前我国“发行人付费”机构更多地还是在努力提高各自的市场份额，而对声誉的重视程度不足，致使它们对中债评级的反应不足。

表4 中债评级覆盖与信用评级高低

表4显示控制变量中，是否拥有中债评级(Treated)、企业规模(Size)、营利能力(ROA)、资产周转率(Asturn)、是否上市公司(List)和是否国有企业(SOE)与信用评级显著正相关，而负债水平(Lev)和成长性(Growth)与信用评级显著负相关，这些控制变量的回归结果基本符合预期。此外，adjR2和pseudo R2的数值较大，说明本文变量选取较为合理，能够较好地解释影响信用评级高低的因素。

四、信用评级、中债评级与信用利差

在中债评级是否覆盖同一受评对象并不影响其他机构评级高低的情况下，投资者是否会利用中债评级信息，对债券价格进行调整呢？为考察中债评级对信用利差的作用，我们利用2008～2016年债券发行数据进行研究。样本按照以下标准进行选取：(1)从Wind资讯获得上文样本企业在2008～2016年发行的企业债、公司债、中期票据、短期融资券和定向工具(PPN)数据；(2)对一年内多次发行债券的样本企业，若存在被中债评级覆盖(具体见下文Coverage的定义)的样本，则保留年内最后一次被中债评级覆盖的样本；否则保留年内最后一次的样本。

这里我们考察的是中债评级对信用利差的作用，因此变量的定义与上文有所区别。具体区别如下：(1)信用利差(Spread)为债券发行利率与发行日同期限国债收益率的差值(%)；(2)Coverage的定义与上文不同。如果在债券发行日前365天内，发债企业被中债评级覆盖，那么Coverage取值为1，否则为0；(3)为控制债券特征，本文增加了债券存续期限(Term)、是否有担保(Guarantee)和债券类型虚拟变量。其他变量定义与上文相同。为控制极端值的影响，我们对所有连续变量在1%和99%分位上进行winsorize处理。

在“发行人付费”机构评级普遍偏高的背景下，中债评级和其他评级之间的差异越大，越可能释放其他评级质量较差的信号。为进一步考察投资者是否会利用中债评级信息，我们还对Coverage等于1的子样本(即同时拥有中债评级和其他评级的样本)进行深入研究。我们构造了评级差异变量Distance，定义为发行时主体评级和发行日前最近一次中债评级的差值。数据显示，Distance的取值范围为0～6。

表5中列(1)报告了信用评级、中债评级覆盖与信用利差的全样本回归结果。Coverage的回归系数为0.065，在1%的水平下显著，说明中债评级是否覆盖同一受评对象对信用利差有正向影响。列(2)报告了信用评级、评级差异与信用利差的回归结果。Distance的回归系数为0.195，在1%的水平下显著，说明中债评级与其他评级的差异越大，则投资者要求的回报越高，即投资者利用了中债评级信息，对债券定价进行了调整。以上结果说明，总体上，中债评级是否覆盖同一受评对象会影响信用利差，假设2得以成立。

表5中列(1)和列(2)的结果表明，从整体上看，中债评级覆盖同一受评对象会提高信用利差，并且评级差异越大，信用利差越高。然而，以上结果并未清晰地说明中债评级在其中的作用机理，特别是在中债评级与其他评级相同的时候，中债评级对信用利差到底有怎样的影响？对此，我们从理论上提出两种可能性。第一种可能性是：在评级差异较小的情况下，中债评级对其他评级具有认证作用，即中债评级提高了投资者对其他评级的认可度，进而降低了信用利差。伴随着评级差异的扩大，中债评级对其他评级的认证作用消失，甚至还会释放其他评级质量较差的信号，从而提高了信用利差；第二种可能性是：在评级差异较小的情况下，投资者并未利用中债评级对债券定价进行调整。但伴随着评级差异的扩大，中债评级释放了其他评级质量较差的信号，投资者据此信息，要求更高的投资回报。

表5 信用评级、中债评级与信用利差

为检验以上两种可能性，我们将未被中债评级覆盖样本(即Coverage=0样本)和评级差异相同的样本(即Distance分别为0～6时的样本)合并作为子样本，重新进行回归。如果第一种可能性成立，我们应该看到当Distance较小时，子样本回归结果中Coverage的系数应显著为负；如果第二种可能性成立，则我们应该看到当Distance较小时，子样本回归结果中Coverage的系数应不显著。回归结果显示，当Distance分别为0～2时，Coverage的系数均不显著；而当Distance分别为3～6时，Coverage的系数均在1%的水平下显著为正。由此可见，第二种可能性成立。由于篇幅所限，本文仅分别列出Distance≤2和Distance＞2时，子样本的回归结果。

综合以上分析，我们发现，投资者对中债资信与其他机构是否覆盖了同一受评对象并不关注，他们关注的是中债评级与其他评级之间的差异是否足够大。在两者之间的差异较小时，投资者并不依据前者对债券定价进行调整；而当两者存在较大差异时，中债评级实际上释放了其他评级质量较差的信号，投资者会利用此信息对债券定价进行调整，即他们要求更高的投资回报。

五、进一步的研究：中债评级覆盖对不同“发行人付费”机构的评级均无影响吗？

“投资者付费”模式评级发挥声誉约束作用的基础在于声誉受损会给“发行人付费”机构造成较大损失，而不同评级机构之间声誉资本迥异，那么，中债评级覆盖对不同机构的评级均不产生影响吗？为回答这个问题，我们进一步分组考察了中债评级覆盖对不同机构评级的影响。在数据处理方面，我们将关联公司视为同一家机构，包括以下两组：中诚信国际信用评级有限责任公司和中诚信证券评估有限公司、联合资信评估有限公司和联合信用评级有限公司。表6报告了采用OLS方法得到的中债评级覆盖与信用评级高低的分组回归结果。在列(2)和列(3)中，Coverage的回归系数仅在10%的水平下显著，在列(1)、列(4)和列(5)中，Coverage的回归系数均不显著。同时，在采用Ordered Logit方法得到的中债评级覆盖与信用评级高低的分组回归结果中(结果未列出)，Coverage的回归系数均不显著。总体上看，中债评级是否覆盖同一受评对象对不同机构的评级均无影响。原因可能在于，我国评级行业“级别竞争”严重，评级机构在与发行人博弈中处于弱势地位。如果一家评级机构因中债评级覆盖同一受评对象而担心声誉受损，收紧了评级标准，则发行人可能转而委托另一家评级机构进行评级，从而导致该评级机构丢失业务。因此，在市场竞争压力下，各评级机构对中债评级覆盖均不做反应。

六、稳健性检验

表6 中债评级覆盖与信用评级高低(分组结果)

表7 中债评级次数与信用评级高低

为进一步证实结论的可靠性，我们参考林晚发等(2017)[16]的方法，构造变量CBR_num，并把它定义为发债主体上年度受到中债资信评级的次数。表7结果显示，CBR_num的回归系数均不显著，说明中债评级次数不影响其他机构评级高低，进一步支持了本文的基本结论4。

另外，为解决选择性偏差问题，本文还采用倾向得分匹配法(PSM)与双重差分法(DID)进行稳健性检验。首先，为确保在中债评级对其他评级有影响时，中债评级的影响足够大，以及使得研究设计简单明了，我们以2012年首次拥有中债评级、并且在2013～2016年间至少2个年度拥有中债评级的企业作为处理组企业；其次，我们将样本期内未获得过中债评级的企业作为控制组企业；再次，根据2011年末控制变量(具体包括：Size、Lev、ROA、Growth、Asturn、List、SOE和行业)，我们用PSM方法，将处理组企业与控制组企业进行一对一不重复匹配，进而获得匹配后的企业在样本期内的数据；最后，2012年为处理组企业首次获得中债评级的年份，考虑到中债评级日期与其他评级日期分布于全年，两者之间没有明确的先后顺序，因而难以清晰地考察当年度中债评级对其他评级的影响。同时，为满足DID方法对时间节点的要求，我们删除了所有企业的2012年样本。最终我们筛选出1516个样本。出于研究需要，本文对Post做如下定义：如果其他评级日期所属年份在2012年后，Post取值为1，否则为0。表8报告了PSM与DID方法的回归结果。Treated×Post的回归系数不显著，说明中债评级是否覆盖同一受评对象确实不影响其他机构的评级高低，进一步支持了本文的基本结论。

表8 中债评级覆盖与信用评级高低(PSM与DID)

研究结论

评级市场信息质量是关系防范金融风险的大事，在政府加大金融风险防范力度的背景下，考察这一问题愈发重要。本文利用2008～2016年发债企业主体评级和债券发行数据，分析考察了实行“投资者付费”模式的中债资信对评级市场信息质量的改善作用。我们发现：第一，中债评级是否覆盖同一受评对象对其他机构评级高低并无影响，说明目前“投资者付费”模式尚未改善“发行人付费”机构的评级质量，评级市场声誉机制的建立尚需时日；第二，总体上，中债评级是否覆盖同一受评对象会影响信用利差，即投资者会利用中债评级对债券定价进行调整。但在中债评级与其他评级差异较小的情况下，中债评级不会影响信用利差；第三，进一步的研究发现，中债评级是否覆盖同一受评对象对不同“发行人付费”机构的评级高低均不产生影响。本文的研究结论表明，“投资者付费”模式能够为投资者提供增量信息，有助于改善评级市场信息效率。但是，由于缺少良好的外部环境，目前“投资者付费”模式尚未发挥改善“发行人付费”模式评级质量的作用。为完善信用评级制度，监管部门应采取加大违规评级行为的处罚力度、有序打破刚性兑付等措施提高“发行人付费”机构的声誉损失成本。

注释

1.下文简称为中债资信。下文中，除中债资信以外的评级机构均称为“其他机构”。与之相对应，中债资信给予的评级称为“中债评级”；其他机构给予的评级均称为“其他评级”。

2.感谢审稿专家的意见。我们还将A-以下的评级样本纳入原样本后重新进行检验，结果显示，本文的结论仍然稳健。

3.在考察“投资者付费”模式对“发行人付费”模式评级的影响时，林晚发等(2017)[16]、孟庆斌等(2018)[18]还采用其他的解释变量进行研究。林晚发等(2017)[16]以发债企业上年度受到中债资信评级的次数作为解释变量。我们认为，只有在中债评级与其他评级存在较大差异的情况下，中债资信才可能给其他机构造成较大的压力，即评级差异才是“投资者付费”模式发挥作用的关键条件。鉴于主体评级具有相对稳定性，一般在一年内保持不变，故而在发债企业受到中债资信评级的前提下，中债评级次数多寡很可能不会对其他评级产生影响。因此，我们认为，中债评级次数可能不是一个很恰当的指标。孟庆斌(2018)[18]借鉴Becker和Milbourn(2011)[2]的方法，以中债资信在各行业的市场份额作为解释变量。但是，Becker和Milbourn(2011)[2]是以惠誉在各行业的市场份额作为解释变量，考察“发行人付费”机构之间的竞争对评级质量的影响。而中债资信较少与其他机构展开直接竞争，加之中债资信对其他机构的影响更可能是通过声誉机制实现的，故而中债资信在各行业的市场份额可能也不是一个很恰当的指标。此外，以中债资信在各行业的市场份额作为解释变量，其隐含的假设应该是中债评级对下一年同一行业企业的“发行人付费”评级都具有影响，即中债评级对其未覆盖到的企业的“发行人付费”评级也会产生影响，这可能是不恰当的。

4.我们还试图复制林晚发等(2017)[16]的论文，但是未得到林文相应的结果，这可能是由数据来源、数据处理的细节差异造成的。以下仅列几处差异较大的地方。在样本量方面，林文的样本量为1179，而我们按照同样的方法，筛选出的样本量为1385。对于解释变量中债评级次数，林文的均值为0.182，而我们得到的均值为0.085。在控制变量方面，林文将流动资产比例定义为现金与期末资产的比率，该变量的最小值为-0.216(应为非负，疑有误)，而我们得到的最小值为0.012。