高铁开通对企业成本粘性的影响分析

葛紫薇

（暨南大学管理学院，广东 广州 510632）

一、文献回顾与研究假设

在企业日常生产经营决策中，成本管理与资本要素的流动与配置密不可分。高铁开通加快了资本要素的流动，改善了企业间的资本要素配置，对沿途企业的技术进步和效率改进发挥了积极作用，进而提高了企业生产率（李欣泽等 ，2017；施震凯等，2018）。高铁开通直接影响了企业的物流成本和人力资本成本。高铁开通提高了高铁线路的货运能力，此外高铁开通对客运和货运施行分线运输，使得原有铁路干线的货运能力得到极大释放，原有铁路货运能力紧张的情况得到有效缓解。这表明高铁开通会在一定程度上促进货物周转和降低物流成本（饶品贵等，2019）；高铁开通给所在地城市带来了人力资本红利，会在不同程度上吸引人才就业（何洋，2018）。因此本文认为高铁开通通过促进生产要素的跨区域流动，降低企业物流运输成本和人力资本成本，进而影响这些相关成本的调整成本，从而削弱了企业的成本粘性。

高铁开通改善了企业的信息环境，高铁作为一种方便快捷的交通出行方式，打破了地理上的限制，缩小了时空距离，从而降低了信息交流成本（龙玉等，2017），加快了信息流转，提升了信息的时间价值；此外，高铁出行的便捷高效性，方便了信息需求者进行实地考察，获得更多更有质量的信息，使得企业的信息透明度得到提高（洪媛，2019）。由于地理因素的阻碍，证券分析师很难对上市公司进行面对面的交流与考察，进而限制了分析师获取私有信息（杨青等，2019），而高铁开通为证券分析师对上市公司进行实地调研、与管理层进行私下沟通提供了便利，突破原有的信息限制，使得上市公司受到分析师关注和监督的程度更高，进而抑制管理层的自利行为。因此，本文认为高铁开通通过降低股东与管理层之间的信息不对称和证券分析师获取上市公司的信息成本，改善了企业的代理问题，进而抑制了管理层的自利行为，从而弱化了企业的成本粘性。

基于上述两种路径分析，本文提出以下假设：

H1：在其他条件相同的情况下，相比于注册地所在城市没有开通高铁的上市公司，高铁开通削弱了注册地所在城市开通高铁的上市公司的成本粘性。

二、研究设计

1.样本选取与数据来源

本文采用多期双重差分法研究高铁开通对上市公司成本粘性的影响。研究样本为2008年～2018年沪深两市A股上市公司，依据上市公司注册地所在地级市是否开通高铁将研究样本分为处理组与对照组。在样本筛选过程中，借鉴江伟等（2017）的做法对数据进行下列处理：（1）剔除金融业公司；（2）剔除ST公司、*ST公司；（3）剔除有明显错误的样本观测值，比如当年的总资产、营业成本、营业收入的数值小于等于零；（4）剔除资产负债率大于1的样本观测值；（5）剔除当年营业收入小于营业成本的样本观测值；（6）参考龙玉等（2017）和杨青等（2019）的做法，剔除位于北京、上海、广州和深圳的上市公司，因为北上广深四大城市会因为其自身的重要性影响高铁网络规划本身，存在非随机问题，从而导致内生性问题。最终样本包含26231个“公司—年度”观测值，涉及全国范围内222个城市的2471家A股上市公司。为避免极端值与异常值的影响，本文对所有连续性变量在1%与99%水平上进行缩尾调整。

本文样本公司所有财务数据和产权性质数据均来自CSMAR数据库，分省份GDP增长率来自国家统计局网站，高铁站点、开通时间和所在城市等信息均来自中国国家铁路集团有限公司官网。

2.变量定义

（1）被解释变量

Cost Change表示公司营业成本的变动，用公司当年营业成本与上年营业成本的比值的对数来计量。

（2）解释变量

Revenue Change表示公司营业收入的变动，用公司当年营业收入与上年营业收入的比值的对数来计量。Decrease_Dummy为哑变量，表示公司当年营业收入是否相对于上一年出现下降，如果与上一年相比，公司当年营业收入出现了下降，取值为1，反之为0。HSRi,t为高铁开通虚拟变量，是分期虚拟变量与分组虚拟变量的交乘项，当上市公司i注册地所在地级市在t年开通高铁则取值为1，否则为0。

（3）控制变量

EconomicVar为经济变量，参考Anderson等（2003）的做法，引入下面四个经济变量，包括：企业营业收入是否连续两年下降（SD），SD为哑变量，如果企业连续两年出现了营业收入下降的情况，取值为 1，否则为0；地区经济增长率（Growth），用各年度各省份GDP增长率来表示；企业资产密集度（Log[AI]），用企业总资产与营业收入的比值的对数来计量；企业员工密集度（Log[EI]），用企业员工数量与营业收入的比值的对数来计量。Controls表示除上述经济变量以外的其他控制变量。包括：盈利能力（ROA），即企业的总资产净利率，等于企业净利润/平均总资产；公司规模（Size），为公司总资产的对数；产权性质（SOE），SOE为哑变量，当企业产权性质为国有企业时，取值为1，反之为0；独董比例（IDratio），等于独立董事人数/董事人数；第一大股东持股比例（Top1share），等于第一大股东持有股数/公司总股数。此外，本文所有计量模型均控制了行业固定效应（Industry）与年份固定效应（Year）。

3.模型构建

参考Anderson等（2003），江伟等（2017）的研究，基于多期双重差分模型，本文采用以下基准回归模型来检验高铁开通对企业成本粘性的影响：

模型（1）中β0代表常数项， β1表示企业营业收入每增加1%时的营业成本变化率。β1+β2表示企业营业收入每下降1%时的营业成本变化率，如果β2显著为负，则表明相比于营业收入上升时营业成本上升的变化率，营业收入下降时营业成本下降的变化率显著更低，即企业存在了明显的成本粘性现象。

β1+β2+β3表示高铁开通后企业营业收入下降时的营业成本边际变化率，其中高铁开通与成本粘性的交乘项回归系数β3是本文重点关注的回归系数。如果假设H1成立，β3应该显著为正，即高铁开通显著弱化了企业的成本粘性。

三、基于双重差分模型的基准回归结果

本文构建多期双重差分模型来研究高铁开通前后企业成本粘性的变化情况，其中高铁开通与成本粘性的交乘项回归系数β3表示高铁开通对企业成本粘性的影响作用。

表1汇报了本文的基准回归结果。列（1）回归中仅包括被解释变量，解释变量、经济变量与成本粘性的交乘项，其中的参数估计值为0.996，且在1%的显著性水平上显著为正，的参数估计值为－0.331，且在1%的显著性水平上显著为负，该结果与Anderson等（2003）以及江伟等（2017）研究结果基本一致，表明我国上市公司总体上存在成本粘性现象，营业收入每增加1%，营业成本增加0.996%，而营业收入每下降1%，营业成本仅下降0.665%。

表1 双重差分模型的基准回归结果

列（2）回归中加入了高铁开通与成本粘性的交乘项，但未加入其他控制变量，回归结果显示的参数估计值为0.049，且在5%的显著性水平下显著为正，表明高铁开通明显抑制了企业成本粘性；列（3）回归中继续加入其他控制变量与成本粘性的交乘项以及解释变量，经济变量与其他控制变量，回归结果显示的参数估计值为0.061，且在1%的显著性水平下显著为正，这一结果验证了本文提出的假设H1，表明在控制了公司层面的相关变量后，相对于所在地没有开通高铁的上市公司，高铁开通明显削弱了上市公司的成本粘性。