EN中文

经济地理 >

2020 , Vol. 40 >Issue 4: 65 - 74

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.04.008

区域经济与理论方法

地理溢出效应对中国上市企业投资决策影响的实证研究

  • 金龙 , 1 ,
  • 丁志国 1 ,
  • 丁垣竹 2 ,
  • 张宇晴 2
展开
  • 1.吉林大学 数量经济研究中心，中国吉林 长春 130012
  • 2.吉林大学 商学院，中国吉林 长春 130012

金龙（1988—），男，吉林长春人，博士，助理研究员。主要研究方向为金融地理、公司金融等。E-mail:。

收稿日期: 2019-01-17

  修回日期: 2019-12-29

  网络出版日期: 2025-04-08

基金资助

国家社会科学基金一般项目(17BJY183)

收起

The Impact of Geographic Spillovers on Investment Decisions of Chinese Listed Enterprises: An Empirical Study

  • JIN Long , 1 ,
  • DING Zhiguo 1 ,
  • DING Yuanzhu 2 ,
  • ZHANG Yuqing 2
Expand
  • 1. Center of Quantitative Economics Research，Jilin University，Changchun 130012，Jilin，China
  • 2. Business School，Jilin University，Changchun 130012，Jilin，China

Received date: 2019-01-17

  Revised date: 2019-12-29

  Online published: 2025-04-08

Fold

摘要

利用2003—2018年中国A股上市公司数据，考察了地理溢出效应是否以及如何对企业的投资决策质量和投资决策相似度产生影响。研究发现，地理溢出效应会提高投资决策质量，但这种影响仅在过度投资的企业中有效；地理溢出效应会增加投资决策相似度，并且这种影响对于过度投资和投资不足的企业均能表现出显著的作用。进一步研究表明，在对投资决策质量的影响方面，同地区不同行业溢出效应的作用更强，在对投资决策相似度的影响方面，同地区同行业与同地区不同行业两种溢出效应的作用相近。最后，不同地区特征下地理溢出效应对投资决策的影响存在显著差异，地理溢出效应对企业投资决策的影响主要存在于经济发达地区和制度环境较好地区。

关键词： 地理溢出效应; 投资决策质量; 投资决策相似度; 地缘网络; 知识外部性; 制度环境; 上市公司

本文引用格式

金龙 , 丁志国 , 丁垣竹 , 张宇晴 . 地理溢出效应对中国上市企业投资决策影响的实证研究[J]. 经济地理, 2020 , 40(4) : 65 -74 . DOI: 10.15957/j.cnki.jjdl.2020.04.008

Abstract

Utilizing data from Chinese A-share listed companies from 2003 to 2018,this paper investigates whether and how the geographic spillover effect affects the quality and similarity of investment decisions. It is found that geographic spillovers can improve investment decision quality,but this effect is only effective in the overinvestment,geographic spillovers will increase investment decision similarity,and this effect can have a significant effect on the overinvestment and underinvestment. Further research shows that geographic spillovers from different industries in the same region have a stronger impact on investment decision quality,and that spillovers from the same industry in the same region and different industries in the same region have similar effects on investment decisions similarity. Finally,there are significant differences in the impact of geographic spillovers on investment decisions under different regional characteristics. Geographical spillovers mainly exist in developed regions and the better institutional environment regions.

Key words： geographic spillovers; investment decision quality; investment decision similarity; geopolitical network; knowledge externality; institutional environment; listed companies

空间依赖性指地理空间上距离相近的事物之间存在相似性特征，进而产生了空间自相关的现象，每个事物的变化都会对相邻近的其他事物产生影响[1]。这种空间依赖性同样存在于企业集群之中，任何企业都会受到来自邻近企业的影响，这使得地理邻近性成为了空间经济学和新经济地理学关注的核心问题。学者们纷纷从地理邻近与知识溢出、交互学习等角度对企业集群的空间依赖性特征进行了探究。Caniels、Audretsch等发现地理距离会限制知识的流动和吸收，使得知识溢出强度表现出随主体间距离增大而衰减的特征[2-3]。Boschma指出地理邻近既不是交互学习的必要条件，也不是充分条件，而是通过强化其他邻近维度来促进交互学习[4]。那么对于企业而言，由于地理邻近能够促进企业之间的社会学习行为和知识溢出效应，因此地理邻近企业之间能够形成空间自相关的集群，本文将这种地缘网络中知识的外部性和溢出效应定义为地理溢出效应。
企业投资决策作为影响企业生存和发展的重要经济行为，是管理者通过利用私人信息和公共信息对未来宏观经济形势进行预测，进而作出的顺应行业和总体经济发展趋势的经济决策。其中，私人信息具有隐性知识的特征，其共享过程会产生较大的经济成本，因而难以实现对私人信息的有效传递；公共信息虽具有显性知识的特征，但流动性和传递效率受限于地理距离的影响，这令企业管理者在既有的信息条件下作出最优投资决策变得十分困难。然而，经济主体的地理邻近性则为彼此间的沟通和交流提供了更多的可能性，降低了获取信息的成本，促进了信息的共享和知识的传递，使得原本具有隐性知识属性的私人信息能够实现向公共信息的转化。那么地理溢出效应是否会对企业投资决策产生影响呢?
本文以2003—2018年沪深两市A股上市公司为样本，基于企业决策会受到地理范围内信息流影响的理论，通过构建地理溢出效应强度的衡量指标，考察地理溢出效应对投资决策质量和投资决策相似度的影响。此外，为了探究地理溢出效应对企业投资决策的影响不仅仅是行业内竞争或模仿的结果，进一步将地理溢出效应按行业特征进行分解，测度同地区同行业与同地区不同行业两种溢出效应的影响程度。最后，考虑到知识溢出和信息传递会受到地区经济发展和制度环境的影响，判别不同地区特征下地理溢出效应对企业投资决策影响的差异性。

1 文献回顾

随着新经济地理学的兴起，地理位置在促进经济人或企业之间知识溢出中的重要作用获得经济学家们的充分论证和普遍认可，并最终发现了经济人之间形成地理位置联系背后的主要逻辑，即人们倾向于联系地理位置相邻和人口特征相似的人群。Krugman在经济模型中将地理因素与中心—外围模式联系了起来[5]。Audretsch等发现生物技术企业与其高校科技人员的关系存在地理邻近性，工业创新活动地理集聚现象的本质原因是知识外部性的存在[6]。Anselin等发现高校科研与技术创新活动存在局部空间外部性特征[7]。Almeida等从专利引用的角度证实了大学与企业之间的知识溢出具有高度本土化特性[8]。Keller提出了技术扩散的地理距离半衰函数，即国与国间距离每增加1 200 km，技术扩散程度减少一半[9]。随后有关地理位置邻近企业之间相互作用对彼此行为影响的研究开始逐渐涌现。Coval等指出美国的基金经理对总部设在当地的公司具有更强烈的投资偏好，并研究了地理溢出与交互方绩效之间的关系，结果发现基金经理人能够从邻近投资中赚取更多的超额收益，并且当外部获得的信息较为困难时，这种效应表现得更为明显[10-11]。Hong等指出同一城市内共同基金经理的持股和股票交易存在关联性，即使基金经理与所持有股票的公司相距较远这种关联性仍然存在[12]。Pirinsky等发现总部设立在同一地区的公司股票收益具有很强的联动性，并且这种联动性与市场因素或行业因素无关，从而得出了股票市场中的价格形成会受到当地居民交易模式显著影响的结论[13]。
然而由于地理位置上的联系所形成的企业网络中知识溢出效应过于抽象化，因此学者们还是更倾向于从社会关系的角度去研究企业网络对经济主体的影响。Cohen等发现由于信息优势的缘故，共同基金经理人会给予与其有同学关系的公司更多投资组合权重，并且这样确实会为其带来更好的投资业绩[14]。Cohen等还发现对于卖方分析师而言，与企业管理者的同学关系能够提高分析师业绩[15]。Kuhnen发现共同基金董事与咨询公司的过去业务往来会使得双方优先选择互为代理[16]。Larcker等发现董事网络的特征向量中心性越高，企业的风险调整报酬率、盈利能力和未来资产报酬率越高，分析师预测误差越小[17]。一些学者还分别从董事联结网络对企业并购活动、期权回溯以及避税策略共享的影响进行了研究[18⇓-20]。国内学者在国外研究成果的基础上，针对企业的社会网络效应展开了一系列的研究和探索。陈仕华等发现与并购方存在董事联结的公司更可能成为并购的目标公司[21]。王营等发现董事网络对企业债务融资具有促进作用[22]。李敏娜等发现以独立董事兼职构成的董事网络能够提高企业成长性，并且还可以促进连锁企业之间高管薪酬激励方式的相互模仿[23]。申宇等发现校友关系网络的广度和深度都能够提高基金业绩[24]。刘京军等发现基金之间资金流量存在溢出效应，并且这种机构羊群行为可以为基金业绩带来显著增长[25]。陈运森等发现存在董事连锁网络关系的公司之间表现出了较强的投资水平和投资变化的趋同现象[26]。
从已有研究可以看出，国内外学者普遍关注了社会关系在企业网络结构中的作用，验证了社会网络能够在企业决策过程中发挥信息集聚的作用，但少有研究关注有关地缘关系所形成的企业网络内信息流的传递对企业决策的影响。因此，地理位置邻近企业所形成的地缘网络是否以及如何影响企业决策就成为了一个值得思考和探究的问题。基于此，本文利用中国上市公司数据，基于企业投资决策视角，针对地理溢出效应对企业决策产生的影响进行深入讨论和细致分析，拓展有关企业网络的研究视角，为今后有关地理因素对企业经济行为影响的研究提供全新思路。

2 研究假设

地理范围内的知识溢出和信息传递对于提高投资决策质量的作用主要表现在以下几个方面：首先，企业的投资决策选择取决于管理者对经济状况概率分布的评估和预测，当管理者预测未来经济增长时，将会加大企业的投资水平。地理溢出效应能够为管理者提供较为丰富的信息来源，有助于准确地预测经济形势，从而提高了作出高质量投资决策的可能性。其次，地理溢出效应会给管理者带来较强的信息吸收和知识获取的优势，有助于准确地识别投资风险和投资价值，使得管理者不仅能够规避净现值为负的投资项目，同时还可以帮助其在净现值为正的投资项目中占得先机，提高了管理者制定的投资决策质量。再次，较高的地理溢出效应提高了信息的共享程度和知识的传递效率，这为当地管理者利用既有信息和新信息的反馈作出更好的投资决策提供了重要支持。管理者可以获取邻近企业过去和当前成功或失败的投资案例，从而通过评估分析可参照的投资案例对其制定的投资决策进行有效修正，以便实施更加合理和高效的投资决策。最后，地理溢出效应也可以作为一种约束机制，较高的地理溢出效应既能够促进地区内企业间彼此的信息传递和学习交流，同时也对当地债权人更加充分地了解企业行为提供了更多参考，由于过度投资和投资不足等次优的投资决策会给企业带来不利经济后果，这促使管理者有足够的压力作出最优的投资决策。基于上述观点，本文提出如下假设：
H1：地理溢出效应对投资决策质量具有正向影响。
由于管理者在进行投资决策选择时会充分考虑并预估未来行业的增长情况和总体经济的发展状况，地理范围内信息的共享能够令管理者对未来经济的增长预期达成一定的共识。此外，管理者的投资决策还需要运用新技术和新设备等信息进行评估，知识的高效传递有助于管理者更好地了解这些信息。因此，较高的地理溢出效应容易使管理者产生理性羊群行为，促使其作出彼此相类似的投资决策，正如Dougal等发现公司总部位于相同地区的企业，其投资行为存在较为明显的同步性和联动性[27]。从区域内动态竞争的角度来看，由于地区内企业之间存在资源竞争关系，因而导致了高溢出效应地区的企业呈现出较高的外部性。当管理者察觉邻近企业的投资意识更强时，很可能会追加更多投资，以实现赶超其他企业的目标。当管理者意识到邻近企业存在缩减投资趋势时，则会提高投资活动的审慎性，降低投资项目选择的风险偏好。另外，地区内管理者之间的沟通交流还可能对薪酬契约产生一定的潜在间接影响，管理者之间的互动与沟通必然会产生攀比心理，而外部薪酬差距会提高管理层薪酬增加的动力，使地区内企业所制定的薪酬契约表现出相似性特征。由于管理者都将会面临相似的激励政策，那么他们就很可能会作出相似的投资决策。再者，较高的地理溢出效应减少了当地银行承担的信息成本，降低了企业面临当地银行的融资约束，管理者可以在较好的资金支持下利用可获得的信息制定投资决策，使得管理者制定相似投资决策的可能性大大提高。基于上述观点，本文提出如下假设：
H2：地理溢出效应对投资决策相似度具有正向影响。

3 研究设计

3.1 样本选择与数据来源

本文以2003—2018年中国沪深两市A股上市公司为研究样本，并按照如下标准对初始样本进行了筛选：①剔除金融保险类公司；②剔除ST/PT类公司；③剔除所有者权益为负的公司；④剔除模型中所需相关数据缺失的公司年度；⑤剔除地区内样本量少于10家上市公司的地区，以保证均值计算的代表性和地区年度的一致性；⑥剔除行业内样本量少于15家上市公司的行业，以满足行业年度回归模型的样本量要求。此外，考虑到部分财务指标极端值的影响，本文对所有公司特征变量中的连续变量进行了上下1%的缩尾（winsorize）处理。通过上述对样本的选择和处理，最终得到28个省份28 522个公司年度样本观测值。其中，上市公司的财务数据和办公地址数据均来源于国泰安（CSMAR）数据库，上市公司所在地理坐标的纬度和经度来源于Google地图数据库。

3.2 模型选择与变量定义

3.2.1 模型选择

企业的实际投资可以分为预期投资和非预期投资两部分。其中，预期投资部分是管理者在理性的条件下，根据企业自身状况和投资机会所作出的经济行为，代表企业的最优投资规模，非预期投资部分则是由于管理者投资决策选择偏差，而产生的偏离最优投资规模的部分。因此，投资决策选择是产生非预期投资效应的直接原因。本文借鉴Almeida等和Balakrishnan等的做法[28-29]，通过对如下模型（1）分年度分行业回归估计得到的残差来衡量企业的非预期投资部分，即残差表示企业的实际投资规模与最优投资规模之间的差额部分，残差为正代表过度投资，残差为负代表投资不足[30-31]。具体模型如下：
I n v e s t m e n t i , t = β 0 + β 1 T o b i n Q i , t - 1 + β 2 C F O i , t + ε i , t
式中： I n v e s t m e n t i , t为i公司第t年实际投资支出，计算方法为：构建固定资产无形资产和其他长期资产支付的现金与取得子公司及其他营业单位支付的现金净额之和减去处置固定资产无形资产和其他长期资产收回的现金净额与处置子公司及其他营业单位收到的现金净额之和，再减去固定资产折旧、无形资产摊销与长期待摊费用摊销后，用期初总资产进行标准化； T o b i n Q i , t - 1为i公司第 t - 1年的公司成长性； C F O i , t为i公司第t年的经营现金流，用经营活动现金净流量与总资产的比值表示。

3.2.2 变量定义

①投资决策质量。企业的投资决策包括三个方面：投资方向、投资结构与投资规模。本文以投资规模作为研究投资决策的视角，高质量的投资决策是指管理者作出的无偏于最优投资标准的投资规模。因此，本文将最优投资看作为理想状态下投资规模的期望值，那么非预期投资则表示为投资规模实际值与预期值的偏差部分。基于方差的基本原理，将模型（1）计算的残差平方作为反映实际投资与最优投资之间偏离程度的变量，构建投资决策质量的衡量指标。由于该指标具有非负的特征，其值越大，企业的投资决策质量越低，因而在衡量投资决策质量时表现出逆向指标特征。为了便于观察研究结果，本文采用倒数转换法对其进行正向化处理，并考虑到数据分布偏态对变量的影响，又进一步采用自然对数的形式。计算公式如下：
Q u a l i t y i , t = L o g 1 ε i , t 2
式中： ε i , t表示i公司第t年的非预期投资。
表1 变量定义

Tab.1 Variable definition

变量类型 变量代码 变量名称 变量说明
被解释变量 Quality 投资决策质量 见公式（2）
Similarity 投资决策相似度 见公式（3）
解释变量 Spillover 地理溢出效应 见公式（4）
控制变量 Size 公司规模 总资产的自然对数
LEV 财务杠杆 资产负债率，总负债/总资产
TobinQ 公司成长性 托宾Q值，（总市值+负债账面价值）/总资产
ROA 盈利能力 总资产收益率，净利润/总资产
CFO 经营现金流 经营活动现金净流量/总资产
REQ 地区产业集聚 地区企业数量的自然对数
GDPG 宏观经济增长 实际GDP增速
②投资决策相似度。为了研究地区内企业之间的知识溢出是否导致投资决策表现出彼此相类似的现象，并考虑到地区内企业总体的投资决策选择能够反映出地区内企业投资决策的整体状况和内在特征，故本文将投资决策相似度界定为企业的投资决策与地区内企业总体的投资决策相似程度，构建投资决策相似度的衡量指标。其中，地区内企业的投资决策选择采用所有企业非预期投资的均值衡量。参照公式（2）的基本思想，将企业个体的非预期投资看作为实际值，将地区内企业总体的非预期投资平均水平看作为期望值。因此，实际值与期望值之间的差距即反映企业个体投资决策与地区企业总体投资决策的偏离程度。计算公式如下：
S i m i l a r i t y i , t = L o g 1 ε i , t - ε ¯ m , t 2
式中： ε ¯ m , t表示m地区（按省份划分）第t年所有企业的非预期投资平均水平。
③地理溢出效应。地理溢出效应是指地理范围内企业集群产生的知识外部性和知识溢出效应。由于本文研究的知识溢出主体为企业，而在一个地区内企业之间间隔的距离越小，员工之间沟通的机会和频率就越多，这使得企业之间的知识溢出同样遵循空间距离衰减特征。除了与企业之间的空间分布情况相关之外，企业的数量也会影响知识溢出效应强度。当地区内企业数量越多时，对于每个企业个体而言，其所受到来自于其他企业的知识溢出也随之增加，使得企业受到的知识溢出效应强度增大。另外，规模越大的企业通常所涉及利益相关者种类和数量也越多，这增加了企业之间沟通的频率和学习的途径，扩大了知识溢出对其他企业的影响。综合上述分析，本文借鉴Karlsson等的知识溢出计量模型[32]，同时考虑地区内企业之间空间距离和数量两方面因素的基础上，进一步将公司规模作为知识溢出强度的乘数因子，最终得到刻画地理溢出效应的衡量指标。考虑到该指标在数据分布上可能存在偏态性，因而对其进行了对数化处理，为了避免解释变量与被解释变量数量级差距过大，还对该指标进行了除以1 000的降低计量单位处理。对于地理范围的界定标准，考虑到人文环境和经济政策在不同省份之间存在异质性，但在省内呈现出相似性，故以省份的边界作为地理范围的划分标准。计算公式如下：
S p i l l o v e r i t = 1 1000 · L o g ∑ k = 1 N m , t - 1 e x p - D I S i , j , t × M V j , t
式中： N m , t表示m地区（按省份划分）第t年的公司数量； M V j , t表示与i公司相邻近的j公司第t年的公司规模，用市场价值表示； D I S i , j , t表示i公司与j公司第t年的地理距离，用公司总部办公地址对应的经纬度计算的大圆距离表示。由公式（4）可知，地理溢出效应强度随相邻企业的公司规模和公司数量的增加而增强，随地理距离的增大而减弱。

3.3 实证模型设计

为了研究地理溢出效应对企业投资决策的影响，本文构建了如下回归模型：
D e c i s i o n i , t = γ 0 + γ 1 S p i l l o v e r i , t + λ C o n t r o l s i , t + ∑ I n d u s t r y + ∑ Y e a r + ε i , t
式中： D e c i s i o n i , t表示i公司第t年的投资决策特征，分别用上文所述的投资决策相似度Similarityi，t和投资决策质量Qualityi，t表示； S p i l l o v e r i , t表示i公司第t年的地理溢出效应；在控制变量的选择方面，本文除采用公司规模、财务杠杆、公司成长性、盈利能力和经营活动现金流等代表公司特征的变量外，还加入了地区产业集聚和宏观经济因素的影响。这里需要注意的是，本文之所以没有对模型控制地区和公司固定效应的影响，一方面是因为本文所提出的研究假设是建立在地区之间知识溢出效应的差异性基础上的，将不同地区之间知识溢出强度看作为企业决策变化的外在驱动力，而如果加入地区固定效应的影响将削弱所有变量在地区层面的差异性。另一方面是如果在回归模型设计中加入地区固定效应，则会将实证分析的重点落在比较历史观测值与当前观测值之间差异，而非地区之间知识溢出效应强度的差异，那么控制公司固定效应同理可知。因此，本文仅对年度和行业的固定效应进行了控制。

4 实证结果与分析

4.1 描述性统计

表2为主要变量的描述性统计。从表2中结果可以看出，投资决策质量Quality和投资决策相似度Similarity的均值与中位数较为接近，但最小值与最大值却相差较大，这表明虽然上市公司投资决策质量和投资决策相似度的整体分布较为对称，但仍表现出较为明显的多样性特征。地理溢出效应Spillover的最小值和最大值分别为-0.115和0.026，这表明地理溢出效应具有很大的变异性，不同上市公司受到地理溢出效应强度的影响存在很大差异。
表2 主要变量的描述性统计

Tab.2 Description of the variables

变量 样本量 均值 标准差 最小值 中位数 最大值
Similarity 28 522 6.986 2.556 1.703 6.773 14.980
Quality 28 522 6.518 2.182 1.903 6.174 14.210
Spillover 28 522 0.014 0.022 -0.115 0.021 0.026
Size 28 522 21.980 1.250 19.670 21.810 25.910
LEV 28 522 0.449 0.202 0.056 0.453 0.879
TobinQ 28 522 2.368 1.645 0.848 1.829 10.120
ROA 28 522 0.035 0.056 -0.217 0.034 0.187
CFO 28 522 0.044 0.081 -1.938 0.044 1.019
REQ 28 522 4.620 0.974 2.303 4.710 6.304
GDPG 28 522 0.037 0.035 -0.014 0.025 0.103

4.2 回归结果分析

表3为地理溢出效应与投资决策质量的回归结果。由全样本回归结果可以发现，地理溢出效应Spillover的回归系数在1%统计水平上显著为正，表明地理溢出效应对投资决策质量具有正向影响，即地理溢出效应可以提高投资决策质量，从而验证了本文假设H1的结论。进一步观察分组回归的结果发现，在过度投资组回归中，地理溢出效应Spillover的回归系数为2.757，且在1%统计水平上显著，而在投资不足组回归中，地理溢出效应Spillover的回归系数为0.283，但未能统计水平上显著，这表明地理溢出效应仅能够提高过度投资组企业的投资决策质量。
表3 地理溢出效应与投资决策质量

Tab.3 Geographic spillovers and investment decision quality

全样本 过度投资组 投资不足组
Spillover 1.932*** 2.757*** 0.283
（2.74） （2.90） （0.30）
Size 0.003 -0.008 0.097***
（0.18） （-0.34） （4.23）
LEV -0.409*** -0.581*** -0.231*
（-4.17） （-4.12） （-1.80）
TobinQ -0.187*** -0.175*** -0.064***
（-14.76） （-11.38） （-2.90）
ROA -3.632*** -5.806*** 2.183***
（-11.86） （-11.36） （5.62）
CFO -1.083*** -0.052 -2.709***
（-4.98） （-0.17） （-9.13）
REQ -0.044** -0.063** 0.079***
（-2.46） （-2.57） （3.32）
GDPG -10.212*** -11.447*** -2.715
（-5.12） （-3.57） （-1.18）
Constant 8.078*** 8.098*** 5.078***
（20.03） （14.70） （9.26）
Industry Yes Yes Yes
Year Yes Yes Yes
N 28 522 16 811 11 711
Adj.R2 0.055 0.064 0.076

注：*、**、***分别表示在10%、5%、1%统计水平上显著；括号内为经White异方差调整后的t值。下同。

表4为地理溢出效应与投资决策相似度的回归结果。由全样本回归结果可以发现，地理溢出效应Spillover的回归系数在1%统计水平上显著为正，表明地理溢出效应对投资相似度具有正向影响，即地理溢出效应能够增加投资决策相似度，验证了本文假设H2的结论。进一步将样本按非效率投资类型分组进行回归。在过度投资组的回归中，地理溢出效应Spillover的回归系数为2.342，且在5%统计水平上显著，在投资不足组的回归中，地理溢出效应Spillover的回归系数为1.999，且在1%统计水平上显著。组间系数似无相关检验结果的卡方值为0.09（P值为0.769），这表明不论对于过度投资的企业还是投资不足的企业，地理溢出效应均能增加投资决策相似度，并且作用程度不存在显著性差异。
表4 地理溢出效应与投资决策相似度

Tab.4 Geographic spillovers and investment decision similarity

全样本 过度投资组 投资不足组
Spillover 2.120*** 2.342** 1.999***
（3.34） （2.45） （2.96）
Size 0.047*** -0.009 0.106***
（3.19） （-0.38） （7.28）
LEV -0.671*** -0.821*** -0.390***
（-7.95） （-6.08） （-4.83）
TobinQ -0.080*** -0.136*** -0.024**
（-7.15） （-8.98） （-2.02）
ROA 0.841*** -2.369*** 0.562**
（3.18） （-4.85） （2.31）
CFO -1.225*** -0.222 -1.563***
（-6.60） （-0.78） （-8.10）
REQ -0.120*** -0.059** -0.271***
（-7.48） （-2.46） （-15.22）
GDPG -7.241*** -11.268*** -7.123***
（-4.05） （-3.73） （-3.51）
Constant 6.833*** 8.557*** 5.750***
（19.16） （15.79） （15.64）
Industry Yes Yes Yes
Year Yes Yes Yes
N 28 522 16 811 11 711
Adj.R2 0.026 0.027 0.164

4.3 进一步研究

为了探究地理溢出效应对企业投资决策的影响并非是单纯意义上同地区同行业企业作用的结果（行业内竞争或模仿）。因此，本文进一步将地理溢出效应变量分解为由同地区同行业企业产生的地理溢出效应 S p i l l o v e r I n d u s t r y，以及由同地区不同行业企业产生的地理溢出效应 S p i l l o v e r N o n - I n d u s t r y，构建出如下回归模型：
D e c i s i o n i , t = γ 0 + γ 1 S p i l l o v e r i , t I n d u s t r y + γ 2 S p i l l o v e r i , t N o n - I n d u s t r y + λ C o n t r o l s i , t + ∑ I n d u s t r y + ∑ Y e a r + ε i , t
式中： S p i l l o v e r I n d u s t r y和SpilloverNon-Industry计算方法为依据公式（4），并分别考虑地区内同行业和不同行业企业计算获得。
表5为将溢出效应分解后的地理溢出效应与投资决策质量的回归结果。在第（1）列的回归结果中，同地区同行业地理溢出效应 S p i l l o v e r I n d u s t r y的回归系数为1.080，且在1%统计水平上显著；在第（2）列的回归结果中，同地区不同行业地理溢出效应SpilloverNon-Industry的回归系数为2.539，且在1%统计水平上显著；在第（3）列的回归结果中，同地区同行业地理溢出效应 S p i l l o v e r I n d u s t r y的回归系数为0.754，同地区不同行业地理溢出效应SpilloverNon-Industry的回归系数为2.284，且均在5%统计水平上显著，Wald系数检验的结果显示，F统计量为4.36（P值为0.025）。综合上述回归结果可知，同地区不同行业地理溢出效应能够提高投资决策质量，并且其作用程度要远大于同地区同行业地理溢出效应，其原因可能是不同行业传递的异质性信息具有对同行业同质性信息的补充和纠正作用，因而使得同地区不同行业的地理溢出效应对于提高投资决策质量产生了更强的作用。
表5 地理溢出效应与投资决策质量：溢出效应分解的检验结果

Tab.5 Geographic spillovers and investment decision quality：test result of spillovers decomposition

（1） （2） （3）
SpilloverIndustry 1.080*** 0.754**
（3.37） （2.25）
SpilloverNon-Industry 2.539*** 2.284***
（4.31） （3.43）
Size 0.007 0.009 0.007
（0.41） （0.52） （0.40）
LEV -0.418*** -0.425*** -0.422***
（-4.25） （-4.33） （-4.29）
TobinQ -0.186*** -0.186*** -0.187***
（-14.69） （-14.74） （-14.77）
ROA -3.486*** -3.500*** -3.498***
（-11.34） （-11.37） （-11.37）
CFO -1.501*** -1.484*** -1.478***
（-6.76） （-6.68） （-6.65）
REQ -0.045** -0.055*** -0.059***
（-2.51） （-3.02） （-3.23）
GDPG -9.950*** -9.675*** -9.812***
（-4.97） （-4.83） （-4.90）
Constant 8.242*** 8.170*** 8.286***
（20.22） （20.17） （20.33）
Industry Yes Yes Yes
Year Yes Yes Yes
N 28 522 28 522 28 522
Adj.R2 0.055 0.056 0.056
表6为将溢出效应分解后的地理溢出效应与投资决策相似度的回归结果。在第（1）列的回归结果中，同地区同行业地理溢出效应SpilloverIndustry的回归系数为1.080，且在1%统计水平上显著；在第（2）列的回归结果中，同地区不同行业地理溢出效应SpilloverNon-Industry的回归系数为1.731，且在1%统计水平上显著；在第（3）列的回归结果中，同地区同行业地理溢出效应SpilloverIndustry的回归系数为0.701，同地区不同行业地理溢出效应SpilloverNon-Industry的回归系数为1.494，且均在5%统计水平上显著，Wald系数检验的结果显示，F统计量为2.58（P值为0.108）。综合上述回归结果可知，同地区不同行业的地理溢出效应能够增大投资决策相似度，并且其作用程度与同地区同行业地理溢出效应相近。
表6 地理溢出效应与投资决策相似度：溢出效应分解的检验结果

Tab.6 Geographic spillovers and investment decision similarity： test result of spillovers decomposition

（1） （2） （3）
SpilloverIndustry 1.080*** 0.701**
（3.86） (2.40)
SpilloverNon-Industry 1.731*** 1.494***
（5.57） (4.61)
Size 0.051*** 0.053*** 0.051***
（3.49） （3.61） (3.47)
LEV -0.665*** -0.673*** -0.670***
（-7.91） （-8.01） (-7.97)
TobinQ -0.078*** -0.079*** -0.079***
（-7.06） （-7.11） (-7.15)
ROA 0.983*** 0.967*** 0.969***
（3.75） （3.69） (3.69)
CFO -1.598*** -1.577*** -1.570***
（-8.41） （-8.29） (-8.26)
REQ -0.117*** -0.129*** -0.133***
（-7.34） （-8.00） (-8.19)
GDPG -7.154*** -6.865*** -6.993***
（-4.02） （-3.87） (-3.94)
Constant 6.855*** 6.798*** 6.907***
（19.12） （19.12） (19.26)
Industry Yes Yes Yes
Year Yes Yes Yes
N 28 522 28 522 28 522
Adj.R2 0.026 0.027 0.027

4.4 稳健性检验

为了增加研究结论的可靠性，本文还进行了如下的稳健性检验：首先，上文中投资决策质量和投资决策相似度在构建时主要依据投资效率模型估计的残差计算获得，为了避免由于投资效率模型选择而导致的变量测试误差，本文采用Richardson的投资效率模型[30]作为估计非预期投资的替代模型，重新计算投资决策质量和投资决策相似度，并对回归模型进行重新估计。其次，考虑到地理溢出效应对企业投资决策的影响可能存在滞后效应，本文采用地理溢出效应的滞后一期值替代当期值对回归模型进行重新估计。最后，由于投资决策质量和投资决策相似度还可能会受到管理层监督和管理层激励的影响，考虑到遗漏变量会导致回归结果产生偏误问题，本文将董事长与总经理两职是否合一、独立董事比例、管理层货币薪酬和管理层持股比例加入到回归模型中进行重新估计。经过上述稳健性测试，假设H1和假设H2的结果依然成立。

5 拓展性研究

由于经济发达地区的劳动力通常具有较高的流动性和较强的学习能力，这提高了地区内信息的共享程度和知识的传递效率，而较好的社会经济制度环境有利于人才和劳动力的沟通和交流，进而促进知识溢出和口碑传播效率。因此，不同地区特征下地理溢出效应对企业投资决策应该存在差异性。本文采用地区人均实际GDP作为衡量地区经济发展的指标，依据各地区年度人均实际GDP的中位数将样本分为经济发达地区和经济欠发达地区。而对于地区制度环境的划分，由于中国各地区制度发展水平具有明显的地区分布特征，本文将东南沿海地区设置为制度环境较好地区，中西部内陆地区设置为制度环境较差地区，然后分别对不同分类标准的样本进行回归分析。
表7为基于不同地区特征下地理溢出效应与投资决策质量的回归结果。由表7中回归结果可以发现，地理溢出效应Spillover的回归系数在经济发达地区组和制度环境较好地区组均在1%统计水平上显著为正，而对于经济欠发达地区组，地理溢出效应Spillover的回归系数未能在统计水平上显著，对于制度环境较差地区组，地理溢出效应Spillover的回归系数则明显低于制度环境较好地区组，这表明不同地区特征下地理溢出效应对投资决策质量的影响存在显著差异。
表7 地理溢出效应与投资决策质量：不同地区的检验结果

Tab.7 Geographic spillovers and investment decision quality：test results of different region

经济欠发
达地区		 经济发达
地区		 制度环境
较差地区		 制度环境
较好地区
Spillover -1.177 6.986*** 1.499* 5.497***
（-1.24） （6.44） （1.94） （3.21）
Size -0.050 0.017 -0.053** 0.065**
（-1.44） （0.86） （-2.35） （2.56）
LEV -0.355* -0.430*** -0.346** -0.456***
（-1.82） （-3.76） （-2.54） （-3.21）
TobinQ -0.202*** -0.186*** -0.187*** -0.187***
（-8.23） （-12.50） （-10.86） （-9.96）
ROA -4.025*** -3.398*** -3.326*** -3.979***
（-6.88） （-9.36） （-8.00） （-8.72）
CFO -1.159** -1.026*** -1.265*** -0.789***
（-2.57） （-4.14） （-4.17） （-2.59）
REQ -0.064 -0.086*** -0.042 -0.008
（-1.17） （-3.47） （-1.47） （-0.23）
GDPG -13.924*** -9.593*** -13.638*** -4.820
（-3.67） （-3.98） （-5.12） （-1.54）
Constant 9.750*** 7.945*** 9.732*** 5.883***
（11.58） （16.40） （18.31） （9.10）
Industry Yes Yes Yes Yes
Year Yes Yes Yes Yes
N 7 132 21 390 14 829 13 693
Adj.R2 0.054 0.057 0.058 0.057
表8为基于不同地区特征下地理溢出效应与投资决策相似度的回归结果。由表8中回归结果可以发现，地理溢出效应Spillover的回归系数在经济发达地区和制度环境较好地区均在1%统计水平上显著为正，而在经济欠发达地区和制度环境较差地区则未能在统计水平上显著，这表明不同地区特征下地理溢出效应对投资决策相似度的影响同样存在显著差异。
表8 地理溢出效应与投资决策相似度：不同地区的检验结果

Tab.8 Geographic spillovers and investment decision similarity：test results of different region

经济欠发
达地区		 经济发
达地区		 制度环境
较差地区		 制度环境
较好地区
Spillover -0.649 6.030*** 0.961 7.479***
（-0.77） （6.49） （1.39） （4.99）
Size 0.047 0.047*** 0.049** 0.056***
（1.48） （2.82） （2.41） （2.60）
LEV -0.765*** -0.625*** -0.685*** -0.608***
（-4.28） （-6.54） （-5.73） （-5.17）
TobinQ -0.077*** -0.084*** -0.073*** -0.075***
（-3.32） （-6.65） （-4.72） （-4.74）
ROA 0.231 1.151*** 0.540 1.202***
（0.44） （3.79） （1.47） （3.25）
CFO -1.343*** -1.187*** -1.215*** -1.155***
（-3.37） （-5.67） （-4.70） （-4.39）
REQ -0.120** -0.123*** -0.134*** -0.143***
（-2.33） （-5.65） （-5.32） （-4.29）
GDPG -20.497*** -2.359 -16.130*** 1.715
（-5.96） （-1.11） （-6.81） （0.61）
Constant 7.799*** 6.438*** 7.492*** 6.042***
（9.99） （15.34） （15.75） （10.59）
Industry Yes Yes Yes Yes
Year Yes Yes Yes Yes
N 7 132 21 390 14 829 13 693
Adj.R2 0.033 0.028 0.030 0.035

6 研究结论

本文以2003—2018年中国A股上市公司为样本，通过构建地理溢出效应的衡量指标，实证考察了地理溢出效应对投资决策质量和投资决策相似度的影响。本文的主要贡献在于，从地缘关系形成的企业网络角度，探究了地理范围内信息流的传递对企业投资决策的影响，为有关地理因素对企业经济行为影响的相关研究提供了全新的视角，拓展了经济地理与公司金融的交叉、边缘性研究成果。具体的研究结论与启示如下：
第一，地理溢出效应对投资决策质量具有正向影响，但这种影响仅在过度投资的企业中有效，这说明地理溢出效应能够改善过度投资现象，但无法缓解融资约束导致的投资不足问题，政策制定部门应对此类企业实施一定的信贷支持、财政补贴和税收优惠等措施，解决融资约束企业的资金紧缺问题。此外，地理溢出效应对投资决策相似度具有正向影响，并且这种影响对于过度投资与投资不足的企业均能够表现出显著的作用，这说明地理溢出效应能够提高企业投资决策的同步性和联动性，监管部门应注意地区企业的投资潮涌和投资萎缩现象，实现地区经济的稳定和发展。
第二，同地区同行业和同地区不同行业的地理溢出效应均能够对企业投资决策产生影响。在对投资决策质量的影响方面，同地区不同行业的地理溢出效应作用更强，这说明相比于产业内的专业化溢出，不同产业间的多样性溢出对于提高企业的投资决策质量具有更好的效果，政策制定部门应发挥对产业多样性的协调和引导作用，以促进信息共享和知识传递，实现报酬递增和经济增长。在对投资决策相似度的影响方面，两种地理溢出效应的作用相接近，这说明企业投资决策的同伴效应并不仅仅是行业内企业竞争和模仿作用的结果，行业间知识的外部性对企业投资决策选择同样具有重要影响。
第三，不同地区特征下地理溢出效应对投资决策的影响存在差异性，地理溢出效应对企业投资决策的影响主要存在于经济发达地区和制度环境较好地区。这说明地理溢出效应作为影响企业投资决策的外在机制会因地区经济发展和制度环境的不同而表现出差异性。因此，对于经济欠发达地区，监管部门应积极组织企业高级管理人员研讨，促进企业间相互交流和学习，并针对地区内企业的地缘网络特征制定相应的监管策略，降低监管成本，优化监管措施。另外，对于制度环境较差地区，政策制定部门应加大市场化改革的力度，改善地区制度环境，为知识溢出的地理媒介提供更多支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Tobler W R. Cellular geography[J]. Theory & Decision Library, 1979, 20:379-386.

[2]
Caniëls M C J, Verspagen B. Barriers to knowledge spillovers and regional convergence in an evolutionary model[J]. Journal of Evolutionary Economics, 2001, 11(3):307-329.

[3]
Audretsch D B, Feldman M P. R&D spillovers and the geography of innovation and production[J]. The American Economic Review, 1996, 86(3):630-640.

[4]
Boschma R. Proximity and innovation:a critical assessment[J]. Regional Studies, 2005, 39(1):61-74.

[5]
Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3):483-499.

[6]
Audretsch D B, Feldman M P. Knowledge spillovers and the geography of innovation[J]. Handbook of Regional and Urban Economics, 2004(4):2713-2739.

[7]
Anselin L, Varga A, Acs Z. Local geographic spillovers between university research and high technology innovations[J]. Journal of Urban Economics, 1997, 42(3):422-448.

[8]
Almeida P, Kogut B. Localization of knowledge and the mobility of engineers in regional networks[J]. Management Science, 45(7):905-917.

[9]
Keller W. Knowledge spillovers at the world's technology frontier[R]. CEPR Working Paper, 2001.

[10]
Coval J D, Moskowitz T J. Home bias at home:local equity preference in domestic portfolios[J]. The Journal of Finance, 1999, 54(6):2045-2073.

[11]
Coval J D, Moskowitz T J. The geography of investment:informed trading and asset prices[J]. Journal of Political Economy, 2001, 109(4):811-841.

[12]
Hong H, Kubik J D, Stein J C. Thy neighbor's portfolio:word-of-mouth effects in the holdings and trades of money managers[J]. The Journal of Finance, 2005, 60(6):2801-2824.

[13]
Pirinsky C, Wang Q. Does corporate headquarters location matter for stock returns?[J]. Journal of Finance, 2006, 61(4):1991-2015.

[14]
Cohen L, Frazzini A, Malloy C. Sell‐side school ties[J]. The Journal of Finance, 2010, 65(4):1409-1437.

[15]
Cohen L, Frazzini A, Malloy C. The small world of investing:board connections and mutual fund returns[J]. Journal of Political Economy, 2008, 116(5):951-979.

[16]
Kuhnen C M. Business networks,corporate governance,and contracting in the mutual fund industry[J]. The Journal of Finance, 2009, 64(5):2185-2220.

[17]
Larcker D F, So E C, Wang C C Y. Boardroom centrality and firm performance[J]. Journal of Accounting and Economics, 2013, 55(2):225-250.

[18]
Haunschild P R. Interorganizational imitation:the impact of interlocks on corporate acquisition activity[J]. Administrative Science Quarterly, 1993:564-592.

[19]
Bizjak J, Lemmon M, Whitby R. Option backdating and board interlocks[J]. The Review of Financial Studies, 2009, 22(11):4821-4847.

[20]
Brown J L, Drake K D. Network ties among low-tax firms[J]. The Accounting Review, 2013, 89(2):483-510.

[21]
陈仕华, 姜广省, 卢昌崇. 董事联结,目标公司选择与并购绩效——基于并购双方之间信息不对称的研究视角[J]. 管理世界, 2013(12):117-132.

[22]
王营, 曹廷求. 董事网络增进企业债务融资的作用机理研究[J]. 金融研究, 2014(7):189-206.

[23]
李敏娜, 王铁男. 董事网络,高管薪酬激励与公司成长性[J]. 中国软科学, 2014(4):138-148.

[24]
申宇, 赵静梅, 何欣. 校友关系网络,基金投资业绩与 “小圈子” 效应[J]. 经济学(季刊), 2015(4):403-428.

[25]
刘京军, 苏楚林. 传染的资金:基于网络结构的基金资金流量及业绩影响研究[J]. 管理世界, 2016(1):54-65.

[26]
陈运森, 郑登津. 董事网络关系,信息桥与投资趋同[J]. 南开管理评论, 2017(3):159-171.

[27]
Dougal C, Parsons C A, Titman S. Urban vibrancy and corporate growth[J]. The Journal of Finance, 2015, 70(1):163-210.

[28]
Almeida H, Campello M. Financial constraints,asset tangibility,and corporate investment[J]. The Review of Financial Studies, 2007, 20(5):1429-1460.

[29]
Balakrishnan K, Core J E, Verdi R S. The relation between reporting quality and financing and investment:evidence from changes in financing capacity[J]. Journal of Accounting Research, 2014, 52(1):1-36.

[30]
Richardson S. Over-investment of free cash flow[J]. Review of Accounting Studies, 2006, 11(2-3):159-189.

[31]
Biddle G C, Hilary G, Verdi R S. How does financial reporting quality relate to investment efficiency?[J]. Journal of Accounting and Economics, 2009, 48(2):112-131.

[32]
Karlsson C, Manduchi A. Knowledge spillovers in a spatial context-a critical review and assessment[C]// Knowledge,Complexity and Innovation Systems. Springer Berlin Heidelberg, 2001:101-123.

Options
文章导航

/

〈 〉