《表4 航空枢纽距离的分组回归》
本文采用高、中、低分组回归方法,依次检验航空枢纽距离(HUBDIS)对不同解释变量的调节作用。如表4所示,对于分析师预测偏误(ERR)分组回归,航空枢纽距离越低的组别,回归系数越大,且显著性更强。在低距离组,回归系数为0.324,显著性水平为5%;在中距离组,回归系数减小到0.218,显著性水平下降到10%;而在高距离组,回归系数为0.045且无法通过显著性检验。(3)和(4)分别是三因子异质波动度(IVOL_3F)及五因子异质波动度(IVOL_5F)的分组回归结果。对其而言,虽然低距离组、中距离组和高距离组回归系数的显著性水平均为1%,但回归系数都是从低组到高组越来越小。这说明,潜在目标公司距离航空枢纽越远,信息透明度对目标选择的负向影响越弱。以上结果总体上验证了假设H3,公司总部的航空枢纽距离减弱了上市公司信息透明度对并购目标选择的负向影响。
图表编号 | XD00134133900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.05 |
作者 | 孙烨、王天童 |
绘制单位 | 吉林大学商学院 |
更多格式 | 高清、无水印(增值服务) |