基于学习行为的资本结构同伴效应实证研究

张天宇，钟田丽

东北大学 工商管理学院，沈阳 110169

引言

资本结构决策是企业财务理论的核心问题，自M&M理论后，国内外学者提出了权衡理论、委托代理理论和融资优序等多种理论。但是这些传统财务学观点大多遵循M&M理论的逻辑框架，从企业自身寻找资本结构决策的影响因素，认为税盾收益、破产成本和代理成本等企业个体因素足以解释最优资本结构决策，忽略了同伴企业行为决策。但GRAHAM et al.[1]通过对392名CFO调查发现，财务经理进行财务决策时很大程度上参考和借鉴其他相似企业的决策行为。国外学者也利用企业数据，为同伴效应存在提供了实证证据。

导致同伴效应的一个重要理论机制是对于同伴企业的学习行为。随着中国市场经济不断发展，企业间的竞争越来越激烈，企业决策时仅从自身历史经验中自学习已不能应对竞争带来的生存压力[2]。学习对象包括竞争对手和战略合作伙伴等同伴企业畅销的产品、先进的生产技术和高效的管理模式等，能够帮助企业以较少的成本和较短的时间得到相对较优的决策[3]。向同伴的学习使企业之间决策相互依赖程度越来越高，从而导致同伴效应。但是，已有国内外对于学习机制是否产生同伴效应的实证证据较少。

鉴于此，本研究采用中国上市企业面板数据，实证检验中国企业资本结构决策是否存在同伴效应，并进一步针对已有国外研究对资本结构决策同伴效应产生机制研究较缺乏这一现状，借鉴社会学习理论模型[4-5]，通过检验同伴效应异质性，检验上述资本结构决策同伴效应是否由学习行为导致。

1 相关研究评述

1.1 同伴效应

同伴效应是指某一个体(又称焦点企业)的决策受到包含该个体的参照组内其他成员(同伴)行为的影响[6]，是个体主动采取行动的内生过程。同伴效应不仅从企业微观层面弥补现有资本结构影响因素理论研究的不足，还从宏观上提出了乘数效应概念[7]。由于乘数效应，个体企业负债的波动加倍向外扩散，从而导致参照组层面(行业、市场)负债的剧烈波动。

同伴效应一词最初产生于社会学领域。EISENSTADT[8]认为，社会参照组对位于其中个体的行为、态度和信念都会产生重要影响。早期同伴效应的实证研究主要在教育学领域内展开，HOXBY[9]以自然形成班级中的学生成绩为研究对象，利用工具变量法发现同伴成绩与个体成绩之间存在显著正相关；SACERDOTE[10]利用随机分配寝室控制自选择问题，用结构方程模型得到相同结论。乘数效应的概念由GLAESER et al.[7]首次提出，其实质是个体微小的行动变化在同伴效应的作用下被扩大，导致群体剧烈变化。除了教育学，社会学家试图用同伴效应解释一些社会问题，如青少年吸毒、酗酒[11-12]和怀孕行为[13]等。近几年，中国学者也开始关注社会学领域的同伴效应研究，杨钋[14]利用“小升初”电脑随机派位构建自然实验，研究同伴能力对个体成绩的影响，发现中国初中生的学习成绩并不存在显著同伴效应。随后，同伴效应如何影响社会网络内学生的成绩[15]、农村青少年体重[16]和参与股市行为[17]等问题的实证研究也陆续展开。

财务学领域开展企业财务决策行为同伴效应的实证研究始于近几年，且主要集中于验证同伴效应是否存在。KAUSTIA et al.[18]利用工具变量法发现，当企业观察到同伴企业进行股票拆分决策获得一定收益时，也同样选择进行股票拆分，即表现出同伴效应，但该行为并不能带来期望的收益；FAULKENDER et al.[19]证实企业经理人薪酬决策中存在与其他相似同行企业进行同伴对标的现象；AMORE[20]以同地区其他企业作为同伴企业，发现意大利家族企业任用非家族企业董事的决策受到邻近企业的影响，但是该影响随空间距离的增加而降低。中国关于企业决策同伴效应(或称同群效应)的研究刚刚起步，赵颖[21]利用中国上市企业数据，采用倾向得分匹配法识别同伴企业，实证发现中国企业之间的高管薪酬存在显著同伴效应，且该同伴效应具有异质性，有助于企业创造价值；傅超等[22]研究发现创业板企业并购商誉溢价的决定因素之一就是同伴效应，并研究同伴效应的异质性；石桂峰[23]以地区为参照组，发现企业新增投资受到同一地区不同行业企业平均新增投资的影响。

关于资本结构决策同伴效应，仅有LEARY et al.[24]利用工具变量法，实证发现美国上市企业的资本结构决策受到同行业同伴企业资本结构决策的影响，且检验了该同伴效应的异质性特征。中国尚未开展对该问题的研究。

1.2 同伴效应产生机制

一些学者通过实验或准实验方法，通过对随机创造的实验组和对照组施加控制研究投资决策同伴效应的产生机制。BURSZTYN et al.[25]通过限制社会学习行为或社会影响机制，发现两种机制都导致同伴效应；进一步将全样本分成老练的投资者和市场新手两个子样本，实验发现老练投资者的同伴效应较弱，市场新手的同伴效应较强，说明同伴效应可能由学习行为产生。DUPAS[5]采用二阶段随机田野实验，发现学习行为和收入效应能够解释个体购买决策中存在的同伴影响。

还有学者利用自然生成的经济数据，采用参照组内均值模型、空间模型和工具变量法等实证计量方法识别和测量同伴效应。BROWN et al.[26]在实证检验社区个体参与股票市场决策中存在同伴效应的基础上，发现在社会交流更为密切的社区中，同伴效应更强，以此推断同伴效应很可能源于学习行为；FOUCAULT et al.[27]明确提出基于学习行为的投资决策同伴效应理论模型和研究假设，并进行实证检验，结果表明由于学习行为，企业投资决策是相互联系的。因此，对同伴的学习可能是导致企业股票拆分决策同伴效应的一个重要原因。DAHL et al.[28]通过分样本方法，发现当同伴是高级管理人员(具有更多有效信息)以及当工作环境失业风险较大(收集信息更为重要)时，同伴效应更强，据此他们推测参与项目成本和收益信息在个体决策者中的传递最终导致同伴效应。

综上，已有国外同伴效应的相关实证研究多集中于个体(企业)决策的同伴效应是否存在。虽然有学者借用经济学概念和模型，从理论上提出用学习行为模型和动态竞争模型等解释同伴效应的产生机制，但尚未发现专门研究资本结构同伴效应产生机制的相关研究。中国关于资本结构同伴效应是否存在以及影响渠道的研究尚未开展。

本研究思路和框架为，借鉴LEARY et al.[24]的研究，以股票收益波动作为工具变量，以学习行为假说、动态竞争假说和企业声誉假说为理论依据，采用中国沪深两市非金融上市企业面板数据，实证检验中国上市企业资本结构决策是否存在同伴效应；以MORETTI[4]的社会学习模型为依据，对资本结构同伴效应的学习行为产生机制进行理论分析和实证检验。

2 资本结构决策同伴效应的实证检验

2.1 研究假设

关于企业决策为何受到同伴企业决策的影响，即为什么存在同伴效应，已有经济学模型提供了3种可能的理论解释。

学习行为假说。本研究中界定的学习行为是基于社会学习理论的观察学习，当某个体通过观察同伴行为理性地获取信息，且该信息改变了其自身决策，即称发生了学习行为[29]。学习行为假说本质上即MANSKI[30]提出的期望互动机制，在传统认知学习模型先验信息和私有信息的基础上，该假说引入同伴信息，认为同伴行为及其背后的信息可通过改变个体决策者对某事件的期望进而改变其决策，即决策者对于决策收益的预期是依据其所有可获信息的最佳预测。除了先验信息外，决策者还能够观察外部环境信息并解读同伴行为，从而获取同伴信息。决策者一般是在先验信息基础上，权衡各类信息的精度后，更新旧信息，形成后验概率，并依据后验信息做出决策。当决策者认为私有信息质量较差或信息收集成本较高时，则依赖同伴信息，从而产生某个体决策者行为与其同伴行为的互动效应。

动态竞争假说。企业的主要目标是在竞争中盈利。动态竞争模型认为，企业之间的竞争是焦点企业与同伴企业(尤其是竞争者)之间长期和动态的攻击与反击行为的交替过程[31]。资本结构决策作为一种重要决策，一方面具有战略承诺作用，另一方面也为企业竞争战略提供必要的财务支持，因此资本结构的互动可能是一种企业之间竞争互动的结果[32]。与学习行为中同伴行为仅提供资本结构决策信息不同，动态竞争机制中竞争对手资本结构的调整直接改变焦点企业的收益，从而改变其决策。

企业声誉假说。SCHARFSTEIN et al.[33]较早提出声誉模型。与上述假说不同，声誉模型着眼于经理人与股东之间的代理问题。经理人，尤其是低能力的经理人，出于对其在劳动力市场上声誉的考虑，主动选择放弃自己的信念而跟随同伴(其他类似企业的经理人)的决策，以躲避被人发现其能力较低而被解雇的风险。资本结构决策直接关系到企业的财务风险和价值，也与经理人的声誉直接挂钩，因此企业管理层的声誉模型也是导致资本结构同伴效应的可能途径。

综上，本研究提出研究假设：中国上市企业资本结构决策可能存在同伴效应，即焦点企业的资本结构决策与同行业其他同伴企业的资本结构决策存在显著关联性。

2.2 实证设计

2.2.1 样本和变量选择

本研究样本包含2001年至2014年沪深两市除金融企业外所有上市企业的非平衡面板数据，在稳健性检验中利用可获得的更新数据重新检验，并不改变实证结果，数据量可保证结论稳健性。企业财务数据、股价信息和高管信息等均来自国泰安金融数据库(CSMAR)。按照惯例剔除数据不全的上市企业数据，考虑到异常值会造成统计结果偏差，对所有变量进行winsorize缩尾处理，去除最大1%和最小1%的样本。在样本观察期内，按行业划分，逐一以1个企业作为焦点企业、以其他企业作为同伴企业，以焦点企业的各项指标值与同伴企业各项指标的平均值构成一个企业-年观察值，最终得到10 167个企业-年观察值，每个观察值都有对应工具变量；在差分变量作为因变量时，为8 609个企业-年观察值。

(1)由于市价能够更好地测量企业真实价值，本研究以市场价值计算的资本结构与其差分(t期减(t-2)期)作为因变量，计算方法为负债账面价值与资产市场价值的比率，资产市场价值为当年收盘价×流通股股数+负债账面价值。

(2)本研究选取企业规模、成长性、盈利能力和流动比率等企业特征作为控制变量。企业规模既体现企业的综合实力，也描述企业借款的担保价值，与负债水平呈正相关，本研究用总资产的自然对数测量企业规模。根据生命周期理论，处于不同阶段的企业，其负债行为具有阶段性特征，如新生企业的负债往往较低，而成熟的大型企业的负债水平较高，本研究用每股盈余增长率描述企业成长性。根据融资优序理论，企业盈利能力直接关系到企业负债水平，企业一般先利用成本较低的内源融资，如未分配利润等，本研究用企业息税折旧及摊销前利润除以总资产测量盈利能力，该指标应与负债负相关。流动比率即流动资产与流动负债的比率，测量企业短期偿债能力，该比率作为企业短期财务风险指标，直接影响企业贷款可获性。为了控制内生性问题，本研究所有解释变量(包括后文中分样本采用的指标)均滞后1期。

2.2.2 实证模型和工具变量

根据MANSKI[6]提出的参照组内均值线性模型，有

∑uConj,i,t+∑zFirFEj+εj,i,t

(1)

(2)

其中，Di,t为在i行业内t年的全部企业数量，Indi为行业，g为包含在i行业内的同伴企业。(2)式中的“g∈Indi,g≠j”等同于“g∈-j”，为体现本研究的参照组为行业，所以采用此表达形式。资本结构同伴效应主要体现在(1)式中的估计系数J上。如果J显著不为0，说明焦点企业资本结构决策受到同伴企业资本结构的影响；若J不显著，则不存在同伴效应。

对J参数的估计存在两种内生性问题。一个是MANSKI[6]提出的反映问题，即j焦点企业的资本结构决策是除j以外同伴企业的函数；同样，同伴企业的资本结构也是j的函数。这种互为因果带来了明显的内生性问题，因此需要利用合适的工具变量予以控制。另一个潜在的内生性问题是关联效应[6]或潮涌现象[34]，即某些外部不可观测的制度、环境和特征是个体行为决策的重要影响因素，将其遗漏在残差项中而导致同伴企业与焦点企业行为表现出伪相关关系的内生性问题。由于资本结构决策存在行业特征[35]，因此同行业企业资本结构决策表现出一定的趋同现象。本研究利用固定效应工具变量法和面板数据结构进行差分处理，剔除不随时间变化不可观察的行业特征，从而部分控制资本结构决策行业特征导致的关联效应。

根据国内外已有研究[24]，股票收益波动能够较好地解释资本结构决策的波动且具有外生性，满足工具变量与内生变量相关但与残差项无关的要求。本研究采用扩展的CAPM模型计算同伴企业股票收益波动，即

(3)

2.2.3 描述性统计

表1给出焦点企业和同伴企业所有变量的当期水平和差分的描述性统计结果。焦点企业资本结构均值为0.402，基本处于合理区间，且由差分变量的均值、中值、标准差3个指标可知波动不大，较为平稳。企业规模持续增长，成长性和盈利能力逐年缓慢降低，流动比率较为稳定。为了减小变量间的共线性问题以及方便解释，本研究对所有自变量进行中心化处理。

表1 描述性统计结果Table 1 Results for Descriptive Statistics

2.3 实证结果

本研究采用固定效应工具变量法，以同伴企业股票收益波动作为工具变量控制同伴企业资本结构决策。该方法与普通固定效应模型类似，可以控制企业个体的固定效应，使回归系数J能够更好地描述各个企业资本结构决策间的互动作用，而非企业个体的一些不可见特征。工具变量模型实证结果见表2，第2列和第4列为不包含同伴企业特征的回归结果，第3列和第5列为加入同伴企业特征的回归结果。表2中的弱工具变量检验Cragg-Donald统计量主要考察工具变量是否为弱工具变量，本研究中，采用所有内生变量估计值中最大Wald统计量计算Stock-Yogo弱工具变量临界值，10%水平对应临界值为16.380。由表2可知，第2列～第5列中的统计量值均大于Stock-Yogo临界值16.380，意味着在10%水平上，可以认定以同伴企业股票收益波动作为工具变量是合理的。中心R2为在10%水平上显著，下同；固定效应工具变量模型不估计截距项；自变量均滞后1期；控制行业和时间固定效应的二阶段工具变量法所得结果与表中结果基本一致。

表2 资本结构决策同伴效应的回归结果Table 2 Regression Results for Peer Effect of Capital Structure Decision

注：表中括号内数据为经聚类处理后的标准差；***为在1%水平上显著，**为在5%水平上显著，*

表明模型设定和变量选择合理。由于进行标准化处理，模型设定中企业个体变量的方差膨胀因子VIF值均小于10，总体VIF值也仅为2.500，可认为不存在多重共线性问题。

在表2的回归结果中，本研究关注的是被工具变量控制后的同伴企业资本结构的回归系数。由表2第2列可知，当变量为水平变量时，同伴企业资本结构的回归系数为0.249，在10%水平上显著，说明同伴企业资本结构显著影响焦点企业的资本结构。第4列中利用差分变量去除行业固定效应，以部分控制关联效应，同伴企业资本结构的回归系数为0.384，在1%水平上显著。在控制关联效应的基础上，同行业企业资本结构间的显著相关性即意味着存在同伴效应。第3列和第5列中加入同伴企业的其他特征变量并没有改变上述结果，同伴企业资本结构的回归系数分别为0.289和0.418，且均通过显著性检验，说明上述同伴效应并不是外部行业某些可观察特征导致的。除第2列和第3列中焦点企业盈利能力外，同伴企业资本结构回归系数绝对值大于企业规模、成长性、盈利能力和流动比率等传统资本结构影响因素的回归系数绝对值，说明同伴企业资本结构决策是焦点企业资本结构决策的一个重要影响因素。在未报告的实证检验中，本研究发现资本结构决策存在乘数效应，而乘数效应是同伴效应所特有的属性。

综上实证结果，中国沪深两市上市企业资本结构决策存在显著同伴效应。

3 基于学习行为的资本结构同伴效应实证研究

在实证检验了中国上市企业资本结构决策存在同伴效应的基础上，考虑到在中国经济下行压力不断增加的大背景下，企业间相互学习变得越来越重要，本研究以学习机制作为切入点，进一步实证检验资本结构决策同伴效应是否由学习机制产生。本研究的检验思路如下。

其次，由于实证研究中无法获取企业资本结构调整究竟是哪一种信息所致，即先验信息、私有信息抑或观察同伴企业决策获得的同伴信息。因此，本研究思路为：先找到影响学习强度的异质性因素，然后借助理论模型，推导异质性因素如何影响同伴效应强弱(即同伴信息权重大小)的理论假设，并采用分样本[26,28]进行实证检验。若基于学习模型的异质性假设得到数据的验证，说明学习行为至少能够部分解释同伴效应，反之则说明同伴效应的本质并非学习行为。

本研究依据社会学习理论中的学习过程，寻找影响学习强度的异质性因素。社会学习理论认为学习按照信息流角度主要包含学习需求、关注以及信息处理与行为3个主要环节[36]。在学习需求阶段，企业能力强弱等企业自身特征和决策环境不确定性等外部环境特征决定其学习意愿；而根据BANDURA[36]的研究，在关注阶段，信息吸收的效率受到信息接收方焦点企业的特征(如企业对信息的吸收和整合能力)和信息释放方同伴企业的特征(如同伴企业所公布信息的真实性和可靠性)的影响；最后是各类信息在贝叶斯法则指导下形成对决策行为预期收益和成本的判断，从而指导行为的理性过程。由于本研究对象为资本结构决策，信息处理与行为阶段异质性因素主要体现在调整资本结构预期收益和预期成本的个体差异性，而两者缺少实证数据和测量方法。根据本研究学习理论模型，考虑数据可获性，最终选择焦点企业的经理人能力、外部环境不确定性、同伴信息质量和团队信息交流程度等4个因素。

3.1 基于信息的企业资本结构决策基础模型

3.1.1 基于先验信息和外部私有信息的资本结构调整决策模型

根据MORRIS et al.[37]的条件期望计算方法，得出企业基于先验信息和私有信息的资本结构调整决策的条件期望收益，即

(4)

3.1.2 基于包括同伴信息(社会学习)的资本结构调整决策模型

假设企业能够通过财务报表等观察同伴企业是否进行了资本结构调整，并且能够追踪其调整资本结构后的表现，以推测其调整的收益。根据MORETTI[4]的社会学习模型中同伴信息的最优估计参数，结合j焦点企业观察的i行业内选择进行资本结构调整的同伴企业数量、收益和l决策者能观察到所有同伴企业的数量，可得最大似然估计方程。当该似然方程的一阶导数为0时，可计算得到最优的同伴信息，与先验信息和私有信息相似，最优的同伴信息提供关于资本结构调整平均收益和方差的信息。根据Fisher信息集，可估算得到同伴信息的质量，即

(5)

基于全部信息的焦点企业调整资本结构期望收益为

(6)

其中，Peej,l为同伴信息，ωj1为j焦点企业先验信息的权重，ωj2为j焦点企业私有信息的权重，ωj3为j焦点企业同伴信息的权重。权重确定方法与(4)式中相同。

理论上，可以通过ωj3判断企业资本结构的调整是否是基于同伴信息的学习行为产生。当该权重较大时，表示基于学习的同伴信息对焦点企业资本结构决策的影响较大，先验信息和私有信息的权重相应降低(ωj>ωj1；1-ωj>ωj2)。但是在实证研究中，一般无法获取企业资本结构调整究竟是由哪一种信息所致，因而也无法计算同伴信息的权重。

如上文所述，本研究选择经理人能力、外部环境不确定性、同伴信息质量和团队信息交流程度作为影响学习强度的主要影响因素。本研究推导上述4个因素如何影响同伴效应强弱(信息权重大小)，并分别建立研究假设，对此进行实证检验，以判断焦点企业资本结构的调整是否由向同伴学习产生。

3.2 理论分析和研究假设

3.2.1 经理人能力与同伴效应

H1若经理人能力较强，会选择根据私有信息进行资本结构决策，同伴信息的权重较小，同伴效应较弱；反之，若经理人能力较弱，其更加依赖同伴信息做出决策，同伴效应较强。

3.2.2 外部环境不确定性与同伴效应

由于同伴信息权重是一个复杂函数，很难通过求导直接进行分析。因此，关于外部环境不确定性如何影响企业同伴信息权重，本研究仅考虑外部环境不确定性为0和外部环境不确定性无穷大两种特殊情况，通过比较两种情况下同伴信息权重的大小判断外部环境不确定性对同伴信息的影响。

根据zj,l的表达式，同伴信息质量的表达式中只有c是m的函数((5)式中的c是ωj的函数，由(4)式可知，ωj是h和kj,l的函数，而h是m的函数)。因此，比较的关键在于比较两种情况下的参数c。

H2在一定条件下，当外部环境不确定性较大时，企业资本结构调整决策愿意借鉴学习同伴企业行为，同伴信息的权重和影响较大，同伴效应也较强；当外部环境不确定性小时，同伴信息对焦点企业资本结构影响较弱。

3.2.3 同伴信息质量与同伴效应

除经理人能力和外部环境不确定性外，同伴信息质量也会影响同伴信息权重。在(6)式基础上加入信息质量参数，得到考虑信息质量时企业资本结构决策的拓展模型，即

(7)

H3当同伴企业信息质量高时，同伴信息在全部信息中的权重就越高，同伴企业对焦点企业资本结构决策的影响越强；反之则较弱。

3.2.4 团队信息交流程度与同伴效应

上述模型仅是个人学习决策模型，在现实情况下，高管团队之间的信息交流也会影响上述3种信息中的同伴信息权重。在其他参数不变的情况下，当团队之间的信息交流程度越高时，焦点企业能够观察到的同伴企业的数量也越多。根据(5)式，Ni,j,l独立于h和kj,l，Ni,j,l的增加直接提高了同伴信息的质量，从而提高了同伴信息的权重；当高管团队信息沟通程度低时，能够观察到的同伴企业数并未显著增加，因此同伴信息质量的增加并不明显，同伴信息的权重也相对较低。因此，本研究提出假设。

H4在团队信息交流程度越高的高管团队中，成员之间信息分享度越高，同伴信息对焦点企业资本结构决策的影响越大；反之，则同伴信息的影响越弱。

3.3 实证结果和分析

在全样本数据的基础上，本研究采用分样本方法验证上述研究假设。在进行每个异质性分样本检验时，由于分样本调节变量数据的缺失，导致分样本数据量的不同。分样本是根据假设验证需要而构建，分样本之间不存在关联性，关键在于对比不同分样本中所得同伴企业资本结构的回归系数。

若分类指标是连续变量时进行分组处理。以高管平均学历为例，首先将所有企业的高管平均学历按照行业和年份进行排序。将所有样本分为3组，并将平均学历排前三分之一的样本定义为低学历组，将平均学历排后三分之一的样本定义为高学历组。为了突出学历的影响，本研究仅对高、低学历样本组进行实证分析。若分类指标是0-1哑变量时，则将全样本分为有和无两类。并且，将所有分类指标滞后1期，以降低人为分样本带来的潜在内生性问题。

3.3.1 H1的实证检验结果

参考卫旭华等[38]的研究，本研究界定的高管主要包括董事长、总经理、副总经理、财务总监、董事会秘书以及其他各部门的负责人等。采用企业高管团队的平均学历以及会计学和金融学等学科的专业背景两类指标测量经理人的能力。当学历为中专及以下时取值为1，学历为大专时取值为2，学历为本科时取值为3，学历为硕士研究生时取值为4，学历为博士研究生时取值为5；高管团队中至少有1位高管具有专业背景，该哑变量取值为1，否则取值为0。在此基础上，采用固定效应工具变量模型，分别对平均学历低子样本和平均学历高子样本以及高管无专业背景子样本和高管有专业背景子样本进行实证分析，以检验H1，实证结果见表3。表3中，平均学历低子样本量为1 291，平均学历高子样本量为899，高管无专业背景子样本量为6 930，高管有专业背景子样本量为1 523。需要指出的是，分样本是在某行业、某年内对平均学历水平滞后1期值排序的基础上得到的。上述过程中行业三级标准的选择和数据缺失等导致分样本数据量并不是完全平均三等分。

表3 H1的回归结果Table 3 Regression Results for H1

注：考虑到差分法能够去除行业固定效应，从而控制关联效应，表3中的变量均为差分，下同；为节省篇幅，后文仅报告同伴企业资本结构的回归值。

根据表3的回归结果，在高管平均学历低的子样本中，同伴企业资本结构变量的回归系数为0.734，且在5%水平上显著，同时该系数估计值大于其他传统资本结构解释变量的估计系数，说明在平均学历低的焦点企业样本中，同伴企业对焦点企业资本结构决策的影响较强。但当高管平均学历较高时，焦点企业资本结构不仅与同伴企业资本结构关系较弱(-0.057)，与同伴企业其他特征变量(如规模、盈利能力等)也未表现出显著相关性，焦点企业资本结构仅是自身盈利能力和规模等的函数。

同样地，在没有专业背景的子样本中，焦点企业资本结构的回归系数为0.446，在1%水平上显著，意味着正向同伴效应显著存在，说明焦点企业在资本结构决策时表现出对同伴信息较强的依赖。而在具有专业背景的子样本中，同伴企业资本结构的回归系数为0.137，说明其在资本结构决策时表现出较强的独立性，向同伴学习所产生的影响较弱。H1得到验证。

3.3.2 H2的实证检验结果

将外部环境不确定性分为中观行业经营风险和宏观系统性风险两个方面。对于中观的行业经营风险，先将行业内所有企业的税息折旧及摊销前利润(Ebi)进行加总，然后根据前4年行业Ebi的标准差和均值计算变异系数，并将其作为测量指标，所得行业经营风险低和高子样本量分别为2 649和2 453；对于宏观的金融系统性风险，本研究参考王贞洁等[39]的研究，将金融危机期间设定为2008年至2010年。考虑到中国上市企业中出口企业直接受到金融危机的影响强于非出口企业所受到的影响，引入万德数据库中的出口数据库，将金融危机期间全样本分为出口企业和非出口企业两个子样本，出口企业的主营业务收入部分来源于国外市场，非出口企业的主营业务收入来自中国市场的非出口企业子样本，金融危机期间全样本的样本量为2 295，出口企业子样本量为1 359，非出口企业子样本量为936。对各分样本采用固定效应工具变量模型检验H2，回归结果见表4。

表4第2列和3列结果表明，行业经营风险高的样本中，同伴企业资本结构的回归系数为0.571，在5%水平上显著，说明资本结构决策受同伴信息的影响；在行业经营风险低的样本中，同伴企业的决策并没有显著影响焦点企业的资本结构决策，回归系数为0.176且不显著；在金融系统风险方面，如第4列所示，对于2008年至2010年间全样本而言，同伴效应估计参数并不显著(p值为0.172)。但当将样本进一步分为出口企业和非出口企业子样本，并对子样本分别检验时，却得到了差异化的结果。受到金融危机不确定性影响大的出口焦点企业样本表现出显著的同伴效应，回归系数为0.417，在10%水平上显著；而受到金融危机不确定性影响较弱的非出口焦点企业的资本结构决策与同伴决策关系则不显著，回归系数为-0.246。H2基本得到验证。

3.3.3 H3的实证检验

根据SHROPSHIRE[40]和韩洁等[41]的研究，以关联董事为媒介的口头传播同样是获取同伴企业高质量信息的一种重要途径，促进了企业间的决策学习模仿。因此，本研究采用财务信息披露质量指数、审计意见类型和是否具有关联董事作为测量同伴企业信息质量的指标。深圳证券交易所将在深圳股票市场中的所有上市企业财务信息披露质量划分为优秀、良好、合格和不合格(A～D)4个等级。依据(2)式可计算同伴企业的披露质量指数指标，由此得到同伴企业披露质量低和高的子样本，对应的样本量分别为1 626和1 796。由审计意见的描述性统计可知，绝大部分企业都得到了标准无保留意见，仅8.840%的样本值对应的企业得到了非标审计意见。为此本研究定义仅当所有同伴企业的审计意见都为标准意见时，将同伴企业审计意见视为无保留，否则视为非无保留，无保留子样本量为4 654，非无保留子样本量为3 656。最后利用固定效应工具变量法进行实证检验，对H3进行验证，回归结果见表5。表5的第6列和第7列中回归系数的计算分别采用没有关联董事和有关联董事的焦点企业子样本，样本量为4 979和3 353。

表4 H2的回归结果Table 4 Regression Results for H2

表5 H3的回归结果Table 5 Regression Results for H3

表5回归结果表明，①在同伴企业信息披露质量较高的子样本中，同伴企业资本结构的回归系数为0.455，在10%水平上显著，说明焦点企业资本结构决策受同伴企业信息的影响较强。而在同伴企业信息披露质量较低的样本中，同伴企业决策并没有显著影响焦点企业的决策，回归系数为0.220；②第4列和第5列结果加强了上述结论，即当审计机构给同伴企业出具了标准无保留意见，焦点企业资本结构与同伴企业资本结构在1%水平上显著相关，回归系数为0.504；而当审计机构给同伴企业出具非无保留审计意见时，并不存在显著相关性，回归系数为0.135；③在具有关联董事的焦点企业子样本中，回归系数为0.587，在1%水平上显著，说明同伴信息的影响显著。而在不具有关联董事的焦点企业子样本中，回归系数为0.197，同伴影响不显著。H3得到验证。

3.3.4 H4的实证检验

参考李维安等[42]的研究，本研究采用两个指标测量高管团队的信息交流程度，一是高管团队的平均任期，平均任期越长，团队凝聚力和信息分享程度越高；二是团队成员之间任期的差异性(任期异质性)，即任期标准差除以任期均值。成员之间任期差异性越大，团队成员信息互补，交流程度越高；如果成员之间任期越趋于一致，则会产生“自满”和“僵化”，从而阻碍了信息的有效交流。

将全样本分为平均任期短(样本量为1 969)和平均任期长(样本量为3 033)、任期异质性小(样本量为2 916)和任期异质性大(样本量为2 052)子样本，利用工具变量法对H4进行实证检验，回归结果见表6。

表6 H4的回归结果Table 6 Regression Results for H4

表6第2列和第3列的结果表明，对高管团队成员平均任期较长的子样本，焦点企业表现出显著的同伴效应，同伴企业资本结构的回归系数为0.339；反之，高管团队平均任期较短的子样本，同伴效应则并不显著，回归系数为0.236。同时，任期变异系数的大小也显著影响同伴信息的强弱，第4列结果表明，由不同任期成员组成的高管团队样本企业表现出的同伴效应在10%水平上显著，回归系数为0.431；而第5列，该结果在任期异质性较小的样本中并不存在，回归系数为0.284。H4得到验证。

综上，本研究采用固定效应工具变量模型，根据理论假设，对中国沪深两市上市企业数据进行分样本检验，实证结果表明，经理人能力、外部环境不确定性、同伴企业信息质量和高管团队信息交流程度4个因素影响同伴企业对焦点企业资本结构决策影响的强弱，结论符合理论模型推断的上述4个因素影响同伴信息权重大小的研究假设。据此可以得到，焦点企业资本结构调整决策是由向同伴企业学习产生，是一种基于学习行为产生的资本结构同伴效应。

3.4 稳健性检验

首先，考虑到其他遗漏变量可能导致内生性问题，从而使统计结果有偏，本研究在模型设定中加入焦点企业和同伴企业的其他指标，如资产有型性、托宾Q值等。上述结果并无本质变化。

其次，上文中均采用除焦点企业外同伴企业的各指标均值作为同伴企业资本结构决策和其他特征的测量指标。根据MANSKI[6]的研究，也可用中值测量同伴特征。因此，本研究计算同伴企业各变量中值，替换上文中的均值指标。中值的具体计算方法为：先将各变量从小到大进行排序。若某一年，某一行业除去j焦点企业后的同伴企业数为奇数，则取“中间”企业的值作为同伴企业的值；若总数为偶数，则取中间两家企业变量的平均数作为中值。弱工具变量检验Cragg-Donald统计量表明，同伴企业股票收益波动仍是较强的工具变量。以中值指标所得的实证结果与上文所述结果基本一致。

最后，本研究从两方面对文中分样本处理方法进行稳健性检验。一方面，对各子样本的各变量进行t检验，结果并不存在显著差异；另一方面，采用交互项的方法重新进行实证检验。具体做法为：按照各相关变量进行排序，生成对应的分类变量。以该分类变量与同伴企业资本结构的乘积作为内生变量，并用该分类变量与工具变量(同伴企业股票收益波动)的乘积予以控制。采用交互项所得结果与本研究上述结果基本吻合，但加入交互项之后，弱工具变量检验Cragg-Donald统计量下降。

4 结论

本研究以中国上市企业数据，利用参照组内均值线性模型，以同伴企业股票收益波动作为工具变量，实证检验发现，中国上市企业资本结构决策显著受同伴企业资本结构决策影响，即存在同伴效应。

本研究进一步研究学习行为能否解释上述同伴效应。为此，将同伴企业决策行为以同伴信息的形式引入企业期望函数中，构建考虑同伴学习的决策模型，并推导了焦点企业经理人能力、外部环境不确定性、同伴企业信息质量和高管团队信息交流程度4种因素如何影响同伴效应强弱，并分样本进行实证检验，所得结果如下。

(1)以高管平均学历和专业背景作为经理人能力测量指标的实证检验发现，若经理人能力较低，向同伴企业学习的欲望则较强，同伴企业信息对其资本结构决策影响的程度也较强；反之同伴影响则较弱。

(2)以行业经营风险和系统性风险作为外部环境不确定性测量指标的实证检验发现，面临外部环境不确定性较大的企业，易受同伴信息的影响，由于学习行为，其资本结构决策与同伴决策的相关性也较强；反之两者相关性则较弱。

(3)以财务信息披露质量指数、审计意见类型和是否具有关联董事作为同伴企业信息质量测量指标的实证检验发现，当焦点企业能够获得较高质量的同伴信息时，焦点企业资本结构决策对学习产生的同伴信息依赖程度越高，同伴效应也越强；反之则较弱。

(4)以高管团队平均任期和任期异质性作为其信息交流程度测量指标的实证检验发现，焦点企业高管团队交流程度越高，学习所获同伴信息越多，基于学习行为的同伴效应则越强；而当团队交流程度弱时，同伴信息不足以支撑资本结构决策的学习行为，从而导致同伴效应较弱。

上述结论表明，中国上市企业资本结构决策同伴效应存在异质性，即焦点企业对同伴企业的反应是两者自身特点的函数，这也说明内生同伴效应并不同于外部行业特征等导致的关联效应[6]，是一种复杂的自发行为。更重要的是上述同伴效应的异质性满足基于信息的社会学习模型提出的研究假设，据此可以推断同伴企业资本结构决策间的显著关联关系本质上可能是一种学习行为。

本研究对解释中国企业资本结构决策具有重要意义，本研究发现资本结构的制定并不仅仅依赖企业自身的特征，还与同行业内的同伴企业决策息息相关，并且该关联关系可能是通过观察学习等方式得以实现的。本研究结果对监管上市企业财务风险具有一定指导意义，由于内生的同伴效应具有乘数效应，即可能将个体行动扩散至行业，甚至市场中的其他企业，从而引发系统性波动。本研究对企业其他财务决策，如投资、股利分配决策同伴效应的研究具有借鉴意义。

本研究存在以下局限性，①本研究采用企业层面数据，但企业数据的影响因素较多，噪音也较多，存在ANGRIST[43]提出的测量误差问题。在今后研究中可以采用调查问卷或者准实验等方法，利用决策者个体层面的数据更直接地探究决策制定过程中的学习行为；②本研究仅探索同伴效应是否存在及其理论机制，但由于受到方法的限制，并未考察学习行为的效率，即该学习行为对企业的财务绩效和经营效率产生何种影响。