【摘要】：傳統(tǒng)研究注重可觀測變量或因子的影響和解釋力。但是,在現(xiàn)實經濟中,并不是所有的變量或因子都是可以觀測的。這些非觀測因素驅動經濟體系中不同變量協(xié)同作用,且對不同經濟個體的效應具有異質性。因而,因子模型成為分析這種非觀測影響的有效工具。Bai(2009)結合面板模型和因子模型,提出交互效應面板模型,不僅能分析量化經濟因素的影響,而且能測度非量化因素的動態(tài)效應及不同經濟個體的異質性反應,對現(xiàn)實經濟問題具有更好的解釋力。然而,目前交互效應面板模型的研究仍然停留在Bai(2009)的共同因子設定形式。在現(xiàn)實經濟中,不同經濟個體不僅受到共同因素的沖擊,還可能受次級別的組內沖擊。如不同企業(yè)個體既受宏觀因素的沖擊,同時受行業(yè)沖擊的影響。據(jù)此,Wang(2010)等提出分層因子模型,成為分析多層因素沖擊及不同沖擊之間溢出效應的重要工具。但是,Wang(2010)的分層因子模型設定中,各層內因子是平行的。而實際上,層內因子可能交叉,如不同企業(yè)個體在第二層因子上同時受行業(yè)因素和地區(qū)因素的沖擊,各行業(yè)因子是平行的,各地區(qū)因子也是平行的,但行業(yè)因子和地區(qū)因子之間卻是交叉的。然而,對分層交叉因子模型的研究尚是一片空白。在理論和方法研究方面,本文將共同因子交互效應面板模型擴展到分層因子和分層交叉因子設定形式,分別構建了分層因子和分層交叉因子交互效應面板模型,并建立了相應的IPCA估計量、CPCA估計量和GPCA估計量。首先,本文將共同因子交互效應面板模型擴展為分層因子交互效應面板模型,并建立了相應的識別機制和IPCA估計算法。蒙特卡羅仿真實驗顯示,本文提出的IPCA估計量具有良好的有限樣本性質和因子識別能力。隨著樣本容量的增大,IPCA估計量的偏誤和標準誤均顯著減小。而其他忽略因子的估計量均是有偏且非一致的。其次,考慮到層內因子的交叉特性,本文將分層因子交互效應面板模型進一步擴展為分層交叉因子設定形式,并建立了相應的CPCA估計算法和GPCA估計算法。蒙特卡羅仿真實驗表明,CPCA估計量和GPCA估計量均具有良好的有限樣本性質和因子識別能力,其估計偏誤和標準差隨著樣本容量的增大而顯著減小。同時,兩種算法的對比分析顯示,當樣本容量較小且層內因子相關性較強時,CPCA算法更優(yōu);而當樣本容量較大時,GPCA算法更優(yōu)。其他忽略因子或錯誤設定因子形式的估計量均是有偏且非一致的。在實證研究方面,本文應用分層因子和分層交叉因子交互效應面板模型,分別分析了民營制造企業(yè)經營績效和投資行為的外部約束。基于分層因子交互效應面板模型,本文主要從用工成本、宏觀稅負等方面研究了民營制造企業(yè)微觀個體資源配置、不同經營狀態(tài)下企業(yè)經營績效的外部約束。研究發(fā)現(xiàn),對于經營狀態(tài)較差的企業(yè),用工成本確實是最主要的制約因素,“機器換人”和技術創(chuàng)新是企業(yè)脫困的必要手段。但經營狀態(tài)較好的企業(yè),約束主要來自宏觀環(huán)境因素,而不是用工成本。所測得的宏觀環(huán)境因子呈現(xiàn)典型的“L”型趨勢,折點位置在2010年,其總體趨勢與宏觀稅負高度吻合,而短期波動則與企業(yè)實際稅負基本一致。因而,技術升級是中小民營制造企業(yè)維持生存的關鍵,但能否做強則主要依賴于政府的降稅減負。最后,基于分層交叉因子交互效應面板模型,本文主要從宏觀投資環(huán)境、外部監(jiān)管和企業(yè)家安全感等方面,分析了民營制造企業(yè)投資行為的外部約束。結果顯示,制造企業(yè)的宏觀投資環(huán)境呈惡化趨勢,且在民營和國有企業(yè)間不存在顯著的歧視性,但民營企業(yè)的反應靈敏性總體相對更強。同時,宏觀投資環(huán)境惡化,主要源于環(huán)保限產和對企業(yè)逃稅等失責行為的外部監(jiān)管的加強,及其所引致的企業(yè)家投資安全感下降,經濟政策不確定性的影響相對較小。且不同行業(yè)和地區(qū)的投資波動表現(xiàn)出差異化傳染效應。因而,穩(wěn)定民間投資增速和抑制資本外流,不僅需要減輕企業(yè)稅負,同時需要調節(jié)企業(yè)宏觀投資環(huán)境,增強企業(yè)家投資安全感,并充分發(fā)揮好重要行業(yè)和地區(qū)民間投資的示范作用和帶動作用。
【圖文】：

與真實因子的相關系數(shù)及單個或單層因子真實值與估計值的相關系數(shù)均較大。表明，應用 IPCA 算法，各因子均得到了良好的擬合和估計。圖3.1 各估計量在有限樣本下的分布形態(tài)表3.5 全部估計因子與真實因子的相關系數(shù)( )N=50T=20N=50T=50N=100T=50N=100T=100N=200T=100N=200T=200白噪聲因子均值 0.9487 0.9764 0.9889 0.9890 0.9946 0.9945標準誤 0.0858 0.0070 0.0027 0.0018 0.0008 0.0006AR 因子均值 0.9479 0.9762 0.9888 0.9890 0.9946 0.9945標準誤 0.0896 0.0079 0.0027 0.0018 0.0008 0.0006周期因子均值 0.9516 0.9760 0.9886 0.9889 0.9945 0.9945標準誤 0.0819 0.0069 0.0027 0.0019 0.0009 0.0006斷點因子均值 0.9949 0.9761 0.9887 0.9889 0.9945 0.9945標準誤 0.0005 0.0066 0.0027 0.0019 0.0009 0.0006注： 表示全部真實因子組合， 表示全部估計因子組合。由于衡量的是因子組的相關系數(shù)，因而此處計算的是典型相關系數(shù)（下同）。

華 中 科 技 大 學 博 士 學 位 論 文 在樣本規(guī)模相對較�。ㄒ� N=100，T=50 為例）和樣本規(guī)模相對較大（以 N=200，T=200 為例）下的分布如圖 3.2、圖 3.3 所示。可以明顯看出，在樣本容量相對較小時，CPCA 估計量優(yōu)于 GPCA 估計量，優(yōu)于 GF3 估計量、GF2 估計量、G1 估計量，，OLS估計量偏誤最大。而在樣本容量相對較大時，GPCA 估計量則明顯優(yōu)于 CPCA 估計量。
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：F425

【參考文獻】

相關期刊論文 前10條

1 陳建林;;家族所有權與非控股國有股權對企業(yè)績效的交互效應研究——互補效應還是替代效應[J];中國工業(yè)經濟;2015年12期

2 楊繼生;陽建輝;吳相俊;;通脹周期、金融抑制與企業(yè)存貨的動態(tài)調整[J];中國管理科學;2015年09期

3 陳彥斌;馬嘯;劉哲希;;要素價格扭曲、企業(yè)投資與產出水平[J];世界經濟;2015年09期

4 陳東;;私營企業(yè)出資人背景、投機性投資與企業(yè)績效[J];管理世界;2015年08期

5 李鳳羽;楊墨竹;;經濟政策不確定性會抑制企業(yè)投資嗎?——基于中國經濟政策不確定指數(shù)的實證研究[J];金融研究;2015年04期

6 楊繼生;陽建輝;;行政壟斷、政治庇佑與國有企業(yè)的超額成本[J];經濟研究;2015年04期

7 張祥建;徐晉;徐龍炳;;高管精英治理模式能夠提升企業(yè)績效嗎?——基于社會連帶關系調節(jié)效應的研究[J];經濟研究;2015年03期

8 賈建鋒;唐貴瑤;李俊鵬;王文娟;單翔;;高管勝任特征與戰(zhàn)略導向的匹配對企業(yè)績效的影響[J];管理世界;2015年02期

9 于洪彥;黃曉治;曹鑫;;企業(yè)社會責任與企業(yè)績效關系中企業(yè)社會資本的調節(jié)作用[J];管理評論;2015年01期

10 龍小寧;朱艷麗;蔡偉賢;李少民;;基于空間計量模型的中國縣級政府間稅收競爭的實證分析[J];經濟研究;2014年08期

相關碩士學位論文 前1條

1 閆亞萍;基于美林“投資時鐘”視角對Black-Litterman模型資產配置的研究[D];東北財經大學;2016年

本文編號：2697275