Дипломная работа: Прозрачность компании и ее влияние на рыночную стоимость компании

Поскольку переменные для тестирования гипотез 1.1, 1.2 и гипотезы 2 разнятся, то описательная статистика будет представлена дважды для каждого списка контрольных переменных. Более подробно она приведена в таблице №3 и таблице №4.

Таблица №3. Описательная статистика для оценки влияния прозрачности на рыночную стоимость компании (тестирование гипотез 1.1 и 1.2).

Таблица №4. Описательная статистика для оценки зависимости прозрачности от прочих характеристик компании (тестирование гипотез 1.1 и 1.2).

3.2 Результаты тестирования регрессионных моделей

В данной работе для исследования используется выборка панельных данных, поэтому регрессия может быть трех типов: сквозная (Pooled), с фиксированными эффектами (Fixed effect model, далее FE), со случайными эффектами (Random effects, далее RE). Необходимо выбрать наиболее подходящую спецификацию модели. Для этого проводятся 3 теста:

· Тест Вальда (Сравнивает Pooled и FE),

· Тест Бройша-Пагана (Сравнивает RE и Pooled),

· Тест Хаусмана (Сравнивает RЕ и FE).

Тестирование гипотезы 1.1.

В первую очередь проводим тест Вальда, который помогает выбрать между моделей Pooled и FE. В случае, если P-Value>0.01 и основная гипотеза отвергается, то лучшей спецификацией является сквозная регрессия. Для модели №1 согласно результатам теста наилучшей является модель FE.

Далее сравним модели RE и Pooled при помощи теста Бройша-Пагана. Если P-Value <0.01, то модель RE лучше, чем модель Pooled. Проведя этот тест на выборке использованной для тестирования гипотезы 1.1, можно сделать вывод, что лучшей спецификацией в данном случае является RE.

На заключительном этапе выбора спецификации модели необходимо сравнить RE (является наилучшим по тесту Бройша-Пагана) и FE (наилучший по тесту Вальда). Для этого проводится тест Хаусмана. Согласно его результатам, модель RE лучше, поскольку P-Value>0.01, значит для дальнейшего анализа будет использована именно эта модель.

Далее проверяем регрессию на мультиколлинеарность и гетероскедастичность. Проверка на мультиколлинеарность проводится при помощи оценки показателя VIF и коэффициентов парной корреляции.

корпоративный прозрачность тестирование регрессионный

Видно, что матрица корреляций имеет адекватные значения, однако значения фактора VIF превышают норму. Такое уже наблюдалось в исследовании S. Banerjee, R. Masulis, S. Pal (2015). Их работа также проводилась на выборке российских компаний и в ней была установлена проблема с автокорреляцией.

Теперь необходимо избавиться от возможной гетероскедастичности в регрессионной модели. Для этого был применен метод робастных ошибок. Спецификация RE, скорректированная на робастность стала итоговой версией модели. Именно из нее получены результирующие коэффициенты, приведенные в таблице №5.

Как можно заметить из проведенного анализа, единственной значимой переменной оказывающей влияние на показатель рыночной стоимости в виде Tobin's Q является Asset Tangibility. Интересно, что индекс прозрачности и размер имеют отрицательные, незначимые коэффициенты. Полученный результат идет вразрез с большинством ранее проведенных исследований о влиянии прозрачности на рыночную стоимость. Однако это может быть обосновано особенностями российских данных. Так в статье Banerjee S., Masulis R., Pal S. (2015) уже упоминавшейся в этой главе, были получены аналогичные результаты. Причиной тому может выступать агентский конфликт. Менеджеры, управляющие рисковым активом раскрывают информацию осторожно, поскольку знают, что участники рынка способны ее рационально оценить и увидеть дополнительные опасности вложения. В связи с этим появляется вероятность неслучайности коэффициентов раскрытия, что в свою очередь вызывает смещение эффектов, которое объясняет и незначимость результатов, и наличие автокорреляции в данных. Таким образом благоприятное воздействие роста прозрачности стирается из-за нарастания уровня агентского конфликта.

Таблица №5. Результаты тестирования гипотезы 1.1.

Тестирование гипотезы 1.2.

Аналогичный алгоритм используется для проверки результатов регрессии, проведенной согласно модели №2.

Тест Вальда:

В результате проведения этого теста основная гипотеза отвергается, поскольку P-Value> 0.01. Таким образом модель Pooled лучше, чем модель с фиксированными эффектами (FE). Тест Бройша-Пагана.

Модель Pooled лучше, чем RE, поскольку P-Value> 0.01.

Тест Хаусмана:

Согласно результатам данного теста основная гипотеза не отвергается (P-Value>0.01), а значит модель RE лучше модели FE.

Таким образом, на основе полученных выводов можно сделать однозначный выбор в пользу использования модели Pooled. Правильность спецификации подтверждает модель Рамсея.

Далее проводится проверка модели на мультиколлинеарность. На этом шаге используются показатель VIF и матрица корреляции. Оба инструмента показывают отсутствие проблемы мультиколлинеарности в регрессии.

На следующем этапе проводится проверка результатов на гетероскедастичность, при помощи теста Кука-Вайсберга. Согласно последнему основной гипотезой является отсутствие неоднородности наблюдений в модели. Если она подтверждается, значит проблема не имеет места быть. В результате, поскольку P-Value <0.01, основная гипотеза подтверждается, что доказывает отсутствие гетероскедастичности.

Таким образом, коэффициенты, полученные в результате проведения регрессионного анализа, представлены в таблице №6. Они совпадают со значениями, полученными при тестировании предыдущей гипотезы, что влечет за собой выводы аналогичные выводам, полученным по модели №1.

Подводя итоги, можно отметить, что обе гипотезы о влиянии прозрачности на рыночную стоимость не подтвердились. Коэффициент транспарентности не оказывает значимого влияния ни на такой показатель как MTBV, ни на Tobin's Q.

Таблица №6. Результаты тестирования гипотезы 1.2.

Тестирование гипотезы 2.

Поскольку в отличие от прошлых регрессий, в модели №3 зависимой переменной будет выступать прозрачность, то изменится и список контрольных переменных. Обновленный список объясняющих факторов был представлен в таблице №4. Важно отметить, что в модели переменная Total Assets будет использована в виде логарифма, поскольку изначально она была смещена в сторону экспоненциального распределения.

Выборка представлена в формате панельных данных, в связи с чем проводим те же тесты, которые были использованы при тестировании гипотез 1.1 и 1.2.

Тест Вальда:

Поскольку P-Value >0.01, можно утверждать, что основная гипотеза не отвергается и предпочтительнее использовать спецификацию Pooled, чем FE.

Тест Хаусмана:

Поскольку P-Value <0.01, то модель FE лучше, чем RE

Тест Бройша-Пагана:

Согласно результатам тестирования Бройша-Пагана, P-Value> 0.01. Значит в регрессии наиболее точные результаты даст применение формата Pooled, а не RE.

Далее проводится проверка на мультиколлинеарность и гетероскедастичность. В первую очередь устанавливается, что проблема автокорреляции отсутствует. Об этом свидетельствует нормальный уровень показателя VIF.

Возвращаясь к проблеме гетероскедастичности. Проверяем ее наличие при помощи теста Кука-Вайсберга. В нем основная гипотеза - отсутствие неоднородности наблюдений в модели. Поскольку P-Value <0.01, основная гипотеза подтверждается, что доказывает отсутствие гетероскедастичности.

Таким образом, коэффициенты, полученные в результате проведения регрессионного анализа, принимают вид, описанный в таблице №7. Как можно увидеть из нее единственным значимым фактором, из использованных в регрессии является Total Assets. Он имеет положительное влияние на прозрачность, что согласуется с предыдущими исследованиями, которые утверждали о зависимости финансового положения компании и ее транспарентности. Полученные результаты подтверждают, что, если фирма осуществляет успешную деятельность и это подтверждено объективными показателями, например такими как рост активов, она охотнее будет раскрывать информацию о своей работе. Однако регрессионный анализ не выявил государственного влияния на прозрачность. Выдвинутая гипотеза не подтвердилась. Полученные коэффициенты говорят, что российским компаниям гораздо важнее раскрывать положительную информацию о своей деятельности, чем увеличивать уровень раскрытия под давлением государства.

Таблица №7. Результаты тестирования гипотезы 2.