《表6 股价崩盘风险与分析师关注的回归分析-PSM》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《股价崩盘风险与分析师关注：“趋之若鹜”还是“退避三舍”》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

1.PSM配对回归分析。由于股价崩盘风险高与低的公司不是随机产生的，它们之间可能有本质的区别。为了解决自选择偏误问题，本文采用倾向评分匹配（PSM）方法，在低股价崩盘风险的公司当中，选取一组与高股价崩盘风险的公司在其他特征上相似的公司来构建对照组进行分析。这一方法的具体做法如下：第一步，按照NCSKEW、DUVOL是否高于年度、行业中位数生成相应的哑变量；第二步，进行logistic回归得到每个观测值的倾向性评分，回归的因变量为第一步生成的哑变量，自变量为本文基准模型中的控制变量；第三步，按照最相邻匹配法，从低股价崩盘风险组的公司选择倾向得分最接近的样本，作为高股价崩盘风险组公司的匹配样本；最后一步，用匹配出的新样本重新实证分析。表6的Panel A是对匹配后的新样本继续按照NCSKEW与DUVOL是否大于年度、行业中位数分两组，分组后对各变量进行均值差异检验的结果。由Panel A可见，在高股价崩盘风险组中，分析师人数Analyst的均值仍显著大于低股价崩盘风险组，与表4结果保持一致，支持假设H1a。匹配后的控制变量Big4、Vsales、Lev组间的差异不再显著，而控制变量Size、Roe、Mb组间的差异虽然仍然显著但与表4中差异的结果是完全相反的。（1）表6 Panel B是匹配后的新样本回归的结果，从中发现在解决自选择偏误问题之后，股价崩盘风险仍在1%的显著性水平上正向影响分析师关注，本文结论不发生改变。