投资效率(Richardson模型)

字段字典

• Symbol [股票代码] — 股票代码
• StkName [证券简称] — 证券简称
• Year [年度] — 年度
• Province [省份] — 公司注册所在省份
• ProvinceCode [省份代码] — 省份行政区划代码(6位)
• City [城市] — 公司注册所在城市
• CityCode [城市代码] — 城市行政区划代码(6位)
• County [区县] — 公司注册所在区县
• CountyCode [区县代码] — 区县行政区划代码(6位)
• IndustryCode [行业代码] — 中上协行业分类代码
• IndustryName [行业名称] — 中上协行业分类名称
• Investment [新增投资] — 新增投资 = (固定资产+长期投资+无形资产变化) / 总资产。单位：比例
• ExpectedInv [预期投资] — Richardson模型预期投资。单位：比例
• AbnormalInv [异常投资] — 异常投资 = 实际投资 - 预期投资。单位：比例
• OverInvestment [过度投资] — 过度投资(异常投资>0时的值)。单位：比例
• UnderInvestment [投资不足] — 投资不足(异常投资<0时的绝对值)。单位：比例
• InvEfficiency [投资效率] — 投资效率 = |异常投资|。单位：比例
• TobinsQ [托宾Q值] — 计算公式为：(总市值*10000+负债合计)/资产合计，总市值单位为万元需乘以10000转为元
• Leverage [资产负债率] — 账面杠杆率，计算公式为：总负债 / 总资产。单位：比例
• CashHolding [现金持有比例] — 参考Opler, Pinkowitz, Stulz & Williamson (1999, JFE)的方法，计算公式为：货币资金/总资产，用作研究变量，越大代表现金持有水平越高。单位：比例
• FirmAge [企业年龄] — 企业年龄。单位：年

常见问题

「投资效率(Richardson模型)」是什么数据集？

投资效率(Richardson模型)，隶属资本结构。衡量企业投资决策偏离最优水平的程度。

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：新增投资、预期投资、异常投资、过度投资、投资不足、投资效率、托宾Q值、资产负债率、现金持有比例、企业年龄。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，上市公司层级。

样本量有多大？

约 84,240 条观测。

数据是如何测算/获取的？

指标定义与计算方法 本数据集基于Richardson(2006)提出的模型，用于测度中国上市公司的投资效率。该模型的核心思想是将企业的新增总投资分解为预期投资（由企业成长机会、融资约束、财务状况等基本面因素决定）和异常投资两部分。异常投资（AbnormalInv）反映了企业偏离最优投资水平的程度，其绝对值（InvEfficiency）被广泛用作衡量投资效率的代理变量，数值越大，表明投资效率越低。根据异常投资的正负，可以进一步识别过度投资（OverInvestment）和投资不足（UnderInvestment）。 首先，计算被解释变量——新增总投资（Investment）。其定义为企业在t年度对长期资产的净投资额，计算公式为： $$Investmentt = \frac{\Delta PPEt + \Delta Intangiblet + \Delta LongTermInvestt}{A{t-1}}$$ 其中，$\Delta PPEt$为t年度固定资产净额的变化值，$\Delta Intangiblet$为t年度无形资产净额的变化值，$\Delta LongTermInvestt$为t年度长期投资净额的变化值，$A{t-1}$为t-1年末（即t年初）的总资产，用于标准化。 其次，构建Richardson(2006)模型以估计预期投资（ExpectedInv）。该模型通过以下横截面回归方程，分年度、按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组进行估计： $$\begin{aligned}Investment{i,t} = {} & \alpha + \beta1 TobinsQ{i,t-1} + \beta2 Leverage{i,t-1} + \beta3 CashHolding{i,t-1} + \beta4 FirmAge{i,t-1} \\ & + \beta5 Investment{i,t-1} + \beta6 Size{i,t-1} + \beta7 StockReturn{i,t-1} + \sum Year + \epsilon{i,t}\end{aligned}$$ 其中，$TobinsQ{t-1}$为t-1年末的托宾Q值，衡量企业成长机会，计算公式为$TobinsQ = (总市值 + 负债合计) / 资产合计$；$Leverage{t-1}$为t-1年末的资产负债率，计算公式为$总负债 / 总资产$；$CashHolding{t-1}$为t-1年末的现金持有比例，参考Opler等(1999)的方法，计算公式为$货币资金 / 总资产$；$FirmAge{t-1}$为截至t-1年末的企业年龄；$Investment{t-1}$为t-1年度的新增投资；$Size{t-1}$为t-1年末总资产的自然对数；$StockReturn{t-1}$为t-1年度的股票年度收益率；$\sum Year$为年度固定效应。利用该模型估计出的拟合值即为预期投资$ExpectedInv{i,t}$。 核心指标异常投资$AbnormalInv{i,t}$为实际投资与模型预期投资之差： $$AbnormalInv{i,t} = Investment{i,t} - ExpectedInv{i,t}$$ 若$AbnormalInv{i,t} 0$，则定义为过度投资$OverInvestment{i,t} = AbnormalInv{i,t}$；若$AbnormalInv{i,t} < 0$，则定义为投资不足$UnderInvestment{i,t} = |AbnormalInv{i,t}|$。投资效率指标$InvEfficiency{i,t}$为异常投资的绝对值，即$|AbnormalInv{i,t}|$。 补充说明 - 为估计预期投资模型，要求每个年度-行业分组内的有效观测数不少于15个。 - 在计算托宾Q值时，总市值已统一转换为以“元”为单位的数值进行计算。 - 所有连续变量在模型估计前均进行了1%和99%分位数的缩尾处理，以控制极端值的影响。 参考文献 - Richardson S. Over-investment of free cash flow[J]. Review of Accounting Studies, 2006, 11(2-3): 159-189. - Opler T, Pinkowitz L, Stulz R, et al. The determinants and implications of corporate cash holdings[J]. Journal of Financial Economics, 1999, 52(1): 3-46.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。