《表3 匹配前的回归和匹配后的回归》

  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

《银行干预与企业风险转移——来自创新活动的经验证据》

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

注：***、**、*分别表示在1%、5%、10%的显著性水平显著，下表同。

据统计，2007-2018年间银行债务违约诉讼数据有256个，“债务违约发生”变量值为1的数据有141个。为防止选择性偏误问题，从有显著银行贷款，即银行借款总额占企业总资产的比重超过行业中位数，但未有违约诉讼记录的企业中选择控制组。在倾向值匹配中，采用probit模型对银行债务违约发生前一年的数据进行匹配。匹配模型中的控制变量除了包含表1所示的控制变量外，还增加了企业3年期专利申请增长率变量（patentgrowth），即3年期内的发明型专利和实用新型专利申请之和的增长率，该变量主要用于进一步增强双重差分模型的平行趋势。另外，模型还考虑年度固定效应和行业固定效应。模型回归结果如表3第（1）列所示，根据分析可知资产报酬率、固定资产比重、资产负债率、资本性支出、托宾Q、企业年龄、权益比等都显著影响企业债务违约，且伪R2为28.6%，这表示模型解释能力较强。在倾向得分基础上，本文选择1∶3最近邻匹配方法为银行债务违约企业匹配控制组企业。经过处理后，债务违约发生值为1有141个数据，控制组有385个数据。