记念一下第一篇论文发表

博四快结束的时候终于发了第一篇论文，Journal of Banking & Finance。就用这篇文章记录一下以及介绍一下这篇论文，“Organization Capital and Executive Performance Incentives“，doi: https://doi.org/10.1016/j.jbankfin.2020.106017。SSRN上也有。

这个文章的想法来源是因为2018年的时候导师连发两篇JFQA，我看了看感觉其中一个关于organization capital（OC）和企业并购的论文挺有意思，于是就打算练练手在其基础上做点什么。我当时有个简单的想法，“go for the firm that an idiot can run”——自身运行效率高、拥有丰富组织资本的企业可能不需要很厉害的CEO，或者说一个企业如果可以依赖长期积累下来的内部知识来维持运转，那么其可能就不需要提供太多的高管激励。

本来以为是简单的想法，简单的实证，然而没想到一做就花了两年多时间才完成。中间去各地开会，结果得到牛津大学的Thomas Noe教授非常详细的改进建议，于是加入了一些数学模型。然而关于实证上的identification依然比较艰难。先投了JFQA结果被拒，转投了JBF，有幸得到R&R以及编辑详尽的修改意见和两个审稿人的指导。第二轮的revision只让把数学模型放到appendix里去，一天时间修改，再一个星期就接受了。

总的来说对这篇文章没有特别满意，主要原因就是identification上的处理不够完美，两年时间也没有解决得很好。不过除此之外写作这篇论文的过程里也学到了太多。

个人来说，除开idea方面的东西，我觉得这篇文章有两个工具/实证方法上的东西值得一提。第一是在处理robustness时候使用的specification curve analysis；第二是difference-in-differences(DID)时候混合使用PSM和dynamic DID(我们自己命名的方法)。

Specification Curve Analysis

关于specification curve，我之前写过一个介绍：

Adrian Gao：Specification Curve Analysis

在这篇论文里为了证实基准结果的robustness，我一共估计了32种不同的模型，比如说不同的关于高管激励的指标，额外的控制变量，不同的固定效应，不同的样本时间段。结果显示在全部的模型里，企业的组织资本和高管的激励都有显著的负相关。

Figure 2 from Gao, Leung and Qiu (JBF forthcoming)

这个specification curve节省口舌，一图涵盖了很多需要解释的问题。我大胆预测以后的顶刊里会越来越多的有这个图。毕竟几十个模型如果要制表的话实在太复杂了。等我提交了博士论文以后我就花点时间把做specification curve analysis的代码完善一下公开出来。

Dynamic DID

Table 6 里我们使用了一个“dynamic DID”。这个名字由来不可考了，我印象里是几年前某次我导突发奇想，于是我们就开始普遍地使用之。

在一个标准的DID模型里，我们有：

$outcome_{i,c,t}=\beta_0 + \beta_1 treatment_{i,c}\times post_{t,c} + \omega_{i,c} + \gamma_{t,c} + \epsilon_{i,c,t}$

注意这里我们用了cohort-firm fixed effect和cohort-year fixed effect，更加保守的同时absorb了 $treatment_{i,c}$ 和 $post_{t,c}$ ；另外我们没有控制同期变量，因为在treatment event之后这些控制变量可能也会收到影响，并且由于内生性影响到我们关注的outcomes（"bad control problem"）。

标准的DID是不错，不过我们还需要另外检验平行趋势假设（这一点我们已经先做了个PSM）。然而由于post-event的时间段也有3年，我们还想知道treatment effect的生效的时间。因此我们修改了标准的DID模型，把其中 $treatment_{i,c}\times post_{t,c}$ 替换为 $treatment_{i,c}\times d_{-2,t,c}$ ， $treatment_{i,c}\times d_{-1,t,c}$ ， $treatment_{i,c}\times d_{0,t,c}$ ， $treatment_{i,c}\times d_{1,t,c}$ ， $treatment_{i,c}\times d_{2,t,c}$ 。其中 $d_{-2,t,c}$ 代表的是year t在cohort c里相对于event year是-2。由此我们就可以通过这些项的系数来同时观察平行趋势和treatment effect的生效时间。

Table 6 from Gao, Leung and Qiu (JBF forthcoming)

以Table 6为例，可以看到，以event year前第三年为基准，前两年的系数都是不显著的，这说明平行趋势基本是没问题的。event year、尤其是event后的第一年系数都是非常显著的，这说明treatment event是立即生效了，而不是在event后的三年时间里累积起来显著高于event前的水平。

我个人觉得这东西也是有点意思。最近似乎土澳这边的研究里用到DID的也渐渐采用了这个方法。我曾经跟导师商量要不我们做一个methodology的文章好好地分析一下这个dynamic DID的优缺点，然后去复现一些paper看看是不是可以做个大新闻，不过导师觉得这种事还是得有大牛来做。本来可以在下一篇文章做完后跟大牛商量一下，现在我也没兴趣了。

怎么说呢，刚得知acceptance的时候还是高兴的。我导师说他博士毕业五年后才发了第一篇JBF这档的论文。然而憋了两三年才发一个JBF还是不够啊，现在job market太残酷了。我们上届一哥们手上两篇Journal of Corporate Finance，一篇Review of Corporate Finance Studies，三篇A刊，留了校去了会计系做associate lecturer；那个给了我很多改进检验的牛津教授的学生，一篇JF R&R，一篇RFS R&R，去了港大做助理教授。简直心态爆炸，感觉现在没有top3真的太艰难了……

Anyway，还是接着干活吧，愿望是抽到刻晴和把下面两篇文章送进top3……开始读博士时候说要把第一篇论文的doi纹在身上，现在我决定还是等到第一篇top3再说。狗头保命。

来源：知乎 www.zhihu.com

作者：知乎用户（登录查看详情）

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载