葛紫薇

（暨南大學管理學院，廣東 廣州 510632）

一、文獻回顧與研究假設

在企業(yè)日常生產(chǎn)經(jīng)營決策中，成本管理與資本要素的流動與配置密不可分。高鐵開通加快了資本要素的流動，改善了企業(yè)間的資本要素配置，對沿途企業(yè)的技術進步和效率改進發(fā)揮了積極作用，進而提高了企業(yè)生產(chǎn)率（李欣澤等 ，2017；施震凱等，2018）。高鐵開通直接影響了企業(yè)的物流成本和人力資本成本。高鐵開通提高了高鐵線路的貨運能力，此外高鐵開通對客運和貨運施行分線運輸，使得原有鐵路干線的貨運能力得到極大釋放，原有鐵路貨運能力緊張的情況得到有效緩解。這表明高鐵開通會在一定程度上促進貨物周轉和降低物流成本（饒品貴等，2019）；高鐵開通給所在地城市帶來了人力資本紅利，會在不同程度上吸引人才就業(yè)（何洋，2018）。因此本文認為高鐵開通通過促進生產(chǎn)要素的跨區(qū)域流動，降低企業(yè)物流運輸成本和人力資本成本，進而影響這些相關成本的調整成本，從而削弱了企業(yè)的成本粘性。

高鐵開通改善了企業(yè)的信息環(huán)境，高鐵作為一種方便快捷的交通出行方式，打破了地理上的限制，縮小了時空距離，從而降低了信息交流成本（龍玉等，2017），加快了信息流轉，提升了信息的時間價值；此外，高鐵出行的便捷高效性，方便了信息需求者進行實地考察，獲得更多更有質量的信息，使得企業(yè)的信息透明度得到提高（洪媛，2019）。由于地理因素的阻礙，證券分析師很難對上市公司進行面對面的交流與考察，進而限制了分析師獲取私有信息（楊青等，2019），而高鐵開通為證券分析師對上市公司進行實地調研、與管理層進行私下溝通提供了便利，突破原有的信息限制，使得上市公司受到分析師關注和監(jiān)督的程度更高，進而抑制管理層的自利行為。因此，本文認為高鐵開通通過降低股東與管理層之間的信息不對稱和證券分析師獲取上市公司的信息成本，改善了企業(yè)的代理問題，進而抑制了管理層的自利行為，從而弱化了企業(yè)的成本粘性。

基于上述兩種路徑分析，本文提出以下假設：

H1：在其他條件相同的情況下，相比于注冊地所在城市沒有開通高鐵的上市公司，高鐵開通削弱了注冊地所在城市開通高鐵的上市公司的成本粘性。

二、研究設計

1.樣本選取與數(shù)據(jù)來源

本文采用多期雙重差分法研究高鐵開通對上市公司成本粘性的影響。研究樣本為2008年～2018年滬深兩市A股上市公司，依據(jù)上市公司注冊地所在地級市是否開通高鐵將研究樣本分為處理組與對照組。在樣本篩選過程中，借鑒江偉等（2017）的做法對數(shù)據(jù)進行下列處理：（1）剔除金融業(yè)公司；（2）剔除ST公司、*ST公司；（3）剔除有明顯錯誤的樣本觀測值，比如當年的總資產(chǎn)、營業(yè)成本、營業(yè)收入的數(shù)值小于等于零；（4）剔除資產(chǎn)負債率大于1的樣本觀測值；（5）剔除當年營業(yè)收入小于營業(yè)成本的樣本觀測值；（6）參考龍玉等（2017）和楊青等（2019）的做法，剔除位于北京、上海、廣州和深圳的上市公司，因為北上廣深四大城市會因為其自身的重要性影響高鐵網(wǎng)絡規(guī)劃本身，存在非隨機問題，從而導致內(nèi)生性問題。最終樣本包含26231個“公司—年度”觀測值，涉及全國范圍內(nèi)222個城市的2471家A股上市公司。為避免極端值與異常值的影響，本文對所有連續(xù)性變量在1%與99%水平上進行縮尾調整。

本文樣本公司所有財務數(shù)據(jù)和產(chǎn)權性質數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫，分省份GDP增長率來自國家統(tǒng)計局網(wǎng)站，高鐵站點、開通時間和所在城市等信息均來自中國國家鐵路集團有限公司官網(wǎng)。

2.變量定義

（1）被解釋變量

Cost Change表示公司營業(yè)成本的變動，用公司當年營業(yè)成本與上年營業(yè)成本的比值的對數(shù)來計量。

（2）解釋變量

Revenue Change表示公司營業(yè)收入的變動，用公司當年營業(yè)收入與上年營業(yè)收入的比值的對數(shù)來計量。Decrease_Dummy為啞變量，表示公司當年營業(yè)收入是否相對于上一年出現(xiàn)下降，如果與上一年相比，公司當年營業(yè)收入出現(xiàn)了下降，取值為1，反之為0。HSRi,t為高鐵開通虛擬變量，是分期虛擬變量與分組虛擬變量的交乘項，當上市公司i注冊地所在地級市在t年開通高鐵則取值為1，否則為0。

（3）控制變量

EconomicVar為經(jīng)濟變量，參考Anderson等（2003）的做法，引入下面四個經(jīng)濟變量，包括：企業(yè)營業(yè)收入是否連續(xù)兩年下降（SD），SD為啞變量，如果企業(yè)連續(xù)兩年出現(xiàn)了營業(yè)收入下降的情況，取值為 1，否則為0；地區(qū)經(jīng)濟增長率（Growth），用各年度各省份GDP增長率來表示；企業(yè)資產(chǎn)密集度（Log[AI]），用企業(yè)總資產(chǎn)與營業(yè)收入的比值的對數(shù)來計量；企業(yè)員工密集度（Log[EI]），用企業(yè)員工數(shù)量與營業(yè)收入的比值的對數(shù)來計量。Controls表示除上述經(jīng)濟變量以外的其他控制變量。包括：盈利能力（ROA），即企業(yè)的總資產(chǎn)凈利率，等于企業(yè)凈利潤/平均總資產(chǎn)；公司規(guī)模（Size），為公司總資產(chǎn)的對數(shù)；產(chǎn)權性質（SOE），SOE為啞變量，當企業(yè)產(chǎn)權性質為國有企業(yè)時，取值為1，反之為0；獨董比例（IDratio），等于獨立董事人數(shù)/董事人數(shù)；第一大股東持股比例（Top1share），等于第一大股東持有股數(shù)/公司總股數(shù)。此外，本文所有計量模型均控制了行業(yè)固定效應（Industry）與年份固定效應（Year）。

3.模型構建

參考Anderson等（2003），江偉等（2017）的研究，基于多期雙重差分模型，本文采用以下基準回歸模型來檢驗高鐵開通對企業(yè)成本粘性的影響：

模型（1）中β0代表常數(shù)項， β1表示企業(yè)營業(yè)收入每增加1%時的營業(yè)成本變化率。β1+β2表示企業(yè)營業(yè)收入每下降1%時的營業(yè)成本變化率，如果β2顯著為負，則表明相比于營業(yè)收入上升時營業(yè)成本上升的變化率，營業(yè)收入下降時營業(yè)成本下降的變化率顯著更低，即企業(yè)存在了明顯的成本粘性現(xiàn)象。

β1+β2+β3表示高鐵開通后企業(yè)營業(yè)收入下降時的營業(yè)成本邊際變化率，其中高鐵開通與成本粘性的交乘項回歸系數(shù)β3是本文重點關注的回歸系數(shù)。如果假設H1成立，β3應該顯著為正，即高鐵開通顯著弱化了企業(yè)的成本粘性。

三、基于雙重差分模型的基準回歸結果

本文構建多期雙重差分模型來研究高鐵開通前后企業(yè)成本粘性的變化情況，其中高鐵開通與成本粘性的交乘項回歸系數(shù)β3表示高鐵開通對企業(yè)成本粘性的影響作用。

表1匯報了本文的基準回歸結果。列（1）回歸中僅包括被解釋變量，解釋變量、經(jīng)濟變量與成本粘性的交乘項，其中的參數(shù)估計值為0.996，且在1%的顯著性水平上顯著為正，的參數(shù)估計值為－0.331，且在1%的顯著性水平上顯著為負，該結果與Anderson等（2003）以及江偉等（2017）研究結果基本一致，表明我國上市公司總體上存在成本粘性現(xiàn)象，營業(yè)收入每增加1%，營業(yè)成本增加0.996%，而營業(yè)收入每下降1%，營業(yè)成本僅下降0.665%。

表1 雙重差分模型的基準回歸結果

列（2）回歸中加入了高鐵開通與成本粘性的交乘項，但未加入其他控制變量，回歸結果顯示的參數(shù)估計值為0.049，且在5%的顯著性水平下顯著為正，表明高鐵開通明顯抑制了企業(yè)成本粘性；列（3）回歸中繼續(xù)加入其他控制變量與成本粘性的交乘項以及解釋變量，經(jīng)濟變量與其他控制變量，回歸結果顯示的參數(shù)估計值為0.061，且在1%的顯著性水平下顯著為正，這一結果驗證了本文提出的假設H1，表明在控制了公司層面的相關變量后，相對于所在地沒有開通高鐵的上市公司，高鐵開通明顯削弱了上市公司的成本粘性。