Seminar|媒体关联董事对融资和外部治理的影响

本文推介：李婷婷，河南大学经济学院

本文编辑：王玉洁

本文审核：谢懿格

Stata&Python云端课程来啦！

       为了感谢大家长久以来的支持和信任，爬虫俱乐部为大家送福利啦！！！Stata&Python特惠课程双双上线腾讯课堂～爬虫俱乐部推出了Python编程培训课程、Stata基础课程、Stata进阶课程、Stata文本分析、正则表达式、网络爬虫、基本字符串课程。报名课程即可加入答疑群，对报名有任何疑问欢迎在公众号后台和腾讯课堂留言哦。我们在这篇推文的最后提供了每门课程的课程二维码，大家有需要的话可以直接扫描二维码查看课程详情并进行购买哦~

原文信息：Alberta Di Giuli, Paul A.Laux.The effect of media-linked directors on financing and external governance.Journal of Financial Economics,2021.

Abstract

Firms sharing a board member with a media company receive more news coverage. This in turn affects those firms' financing choices: they issue more bonds, rely less on bank loans, and have lower blockholder ownership. These findings are consistent with media coverage acting as an external governance mechanism that substitutes for monitoring by banks and equity blockholders. The effect of media-linked directors on financing is evident in panel and time series analyses and using two different instrumental variable analyses, suggesting a causal relation.

01.研究背景

公司治理方面的研究集中于董事会成员的专业知识和社交网络对公司财务政策及其结果的影响。当公司的董事会成员同时担任主要报刊的董事会成员时，媒体对该公司的新闻报道数量会显著提高，进而影响公司的融资决策（Gurun, 2020）。由媒体关联董事引起的新闻报道会至少通过两种机制影响融资：在股权方面，新闻报道可以使股票更具吸引力，帮助该公司进入公共股权和债券市场；在债务方面，新闻报道作为一种外部治理机制，可以降低公共债券融资成本。

本文研究了媒体关联董事是否通过他们产生的新闻报道来促进融资，是否对股权、所有权问题以及私人和公共债务有不同的影响，以及由媒体关联董事引起的新闻是否替代了与股权和债务融资相关的其他治理机制。

02.研究假设

这篇文章通过两个假设对媒体董事对融资的影响进行研究设计：（1）公司的知名度和熟悉度：媒体关联董事的存在增加了公司的知名度，使公司可以使用更多类型的融资形式，比如发行公共股权和公共债券。（2）治理和监督假设：媒体关联董事的存在减少了治理密集型融资的使用，比如担保贷款和定期贷款等。

利用2003-2017年超过32000个公司-年度样本，作者研究发现媒体关联董事会增加公司的新闻报道流动，新闻报道作为一种外部治理机制，使公司获得相对较少的治理密集型融资。具体而言，存在媒体关联董事的公司更倾向于公共债券市场的新融资，而不是银行债务，在股权市场中倾向于较低的大股东持股；但媒体关联董事和股权再融资之间的联系并未找到证据支持。

03.主要贡献

本文贡献有二。第一，通过将董事对新闻的影响作为治理和融资结果的一种渠道，文章补充了公司董事会角色方面的文献，董事会成员的背景可以通过对融资的影响，对监督和外部治理机制有重要的经济意义；第二，文章补充了媒体作为一种外部治理力量方面的文献。公司的媒体关联董事带来的新闻报道，作为一种外部治理力量，推动公司转向较少治理密集型的融资。

04.实证研究

Step1：媒体董事和融资变化之间的联系

实证分析的第一步研究了媒体关联董事与融资结果之间的关系。按照Gurun(2020)，作者将媒体关联董事定义为目前担任传媒行业公司董事的董事会成员，广义上包括印刷、视频和广播新闻公司，但同时也包括非报纸媒体公司。研究模型如下：

其中Financing change指公司的融资变化，文中使用六种衡量融资变化的变量，分别为公开发行的债券和票据、担保银行贷款、大股东持股比例变化、股权融资、资产负债表中银行贷款所占比例的变化、以及资产负债表中定期贷款所占比例的变化。除了大股东持股比例变化外，其它五个变量均由美元变化占上一年总资产的比例衡量。

MLD是媒体董事的变量，如果公司董事会中同时有传媒公司的董事，则等于1，否则等于0。模型控制了公司信用评级、大股东比例、总资产、公司年龄、分析师数量等融资层面和公司层面的变量，还包括了行业、年份和地理层面的固定效应。

回归结果表明，公共债券发行和媒体董事变量之间显著正相关；担保银行贷款、大股东持股比例的变化、银行贷款变化与媒体董事变量之间显著负相关，股权再融资和媒体董事变量之间的关系不显著。媒体董事对公共债券的发行的影响（22%）以及对担保贷款的变化的影响（41%）都是较大的，表明这种影响在经济意义上也很重要。文章还研究了媒体董事对融资定价的影响，但只发现媒体董事对债券利率有负向影响。

Step2：媒体董事对新闻产出的影响

媒体董事对融资变化的影响可能与公司的新闻报道有关。在实证分析的第二步，作者研究了媒体关联董事的存在是否可以预测一家公司的新闻报道数量和新闻倾斜度。新闻数量和新闻倾斜度的定义如下：

1.新闻的数量（News count）：新闻数据来自RavenPack DowJones Edition数据库，使用机器学习文本分析的方法，对提到公司的新闻给出一个分数，表示公司与新闻报道的相关程度。0分是低相关、100分是高相关。为了确保公司在新闻中的主导地位，集中研究100分的新闻。为了研究新闻对融资的影响，文章排除了明显由债务和股权融资引起的新闻。

2.新闻倾斜指数（Slant index）：RavenPack基于专业算法为新闻计算介于0到100之间的新闻情感得分，0分为负面报道，100分为正面报道。集中研究100分的非融资新闻报道。在所有有关该公司的正面和负面新闻报道中，将符合条件的正面报道所占的比例称为新闻倾斜指数。

第二步的实证研究将媒体董事的效应分为两部分：媒体董事对新闻产出的效应、新闻产出对融资变化的效应。研究模型如下：

描述性统计显示新闻倾斜指数的均值为0.542，表明公司的正面新闻较多。回归结果表明，媒体董事的存在和新闻报道的数量是显著正相关的，但是与新闻倾斜指数的关系缺乏显著性。在进行了上述的两步回归后，作者还进行了路径分析，结果表明除股权融资外，其它类型融资变化的系数估计都具有很强的统计学意义，与之前的研究结果完全一致。

Step3：媒体董事与融资变化之间的因果关系

在面板数据中可能无法确定真正的处理效应，因为总是存在遗漏变量或反向因果等内生性问题，所以作者采取了几种方法来研究媒体关联董事和融资变化之间可能存在的因果关系。

首先，作者使用了distance和CEO-Network两个工具变量：其中，distance表示公司总部与最近的传媒公司的距离；CEO-Network表示的是公司的CEO之前任职的公司是否有过有媒体董事。这两个变量都和媒体董事相关，但自身不会影响公司的融资变化。工具变量回归结果表明，债券发行和媒体董事变量显著正相关，担保贷款、大股东持股的变化等和媒体董事变量显著负相关。其次，为了发现媒体董事的进入、退出和随后公司的融资变化之间的时间序列关系，作者对媒体董事的进入和退出对融资选择的影响进行了格兰杰因果分析，回归结果表示媒体董事和融资变化之间存在因果关系。

最后，文章进行了一系列稳健性检验，作者分别对独立董事、同时是银行家的董事、董事之前是否有过媒体公司董事的经验、董事之前或现在是否有新闻工作者的从业经验、媒体董事的这种影响是否对小公司有影响分别做稳健性检验。结果表明，之前的回归结果都没有受到太大的影响。

05.结论

本文研究了董事会成员拥有媒体背景的重要意义。媒体关联董事和公司新闻有关，新闻报道作为一种外部治理力量可以替代债权人的直接监督，减少公司的治理密集型融资。这篇文章的主要贡献在于，为公司董事会成员的背景对治理结果的重要性提供了证据。

END

最后，我们为大家揭秘雪球网(https://xueqiu.com/)最新所展示的沪深证券和港股关注人数增长Top10。

腾讯课堂课程二维码

 对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！

往期推文推荐order命令——快速改变变量顺序的利器 Ajax应用场景——以获取雪球网港股代码及公司名称为例
Meta Analysis in Stata17      
cngdf——名义GDP与实际GDP之间的摆渡船
合并，“纵”享新丝滑：frameappend & xframeappend
什么是全局配置项？|从零开始的Pyecharts（二）帮你拿下数据可视化|从零开始的Pyecharts 这十年，《金融研究》的编委和读者偏爱哪些研究话题和文章?
学好这一手，英语词典常在手 用spmap看中国空气质量
OpenCV库——轻松更换证件照背景色

关于我们 

   微信公众号“Stata and Python数据分析”分享实用的Stata、Python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。

   武汉字符串数据科技有限公司一直为广大用户提供数据采集和分析的服务工作，如果您有这方面的需求，请发邮件到[e-mail]，或者直接联系我们的数据中台总工程司海涛先生，电话：[phone]，wechat: super4ht。海涛先生曾长期在香港大学从事研究工作，现为知名985大学的博士生，爬虫俱乐部网络爬虫技术和正则表达式的课程负责人。

此外，欢迎大家踊跃投稿，介绍一些关于Stata和Python的数据处理和分析技巧。

投稿邮箱：[e-mail]投稿要求：
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。

2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。