沪深A股公司管理者能力研究：基于2007-2022年度数据的DEA与Tobit模型分析

本研究采用Dermerjian等人（2012）的研究框架，通过结合数据包络分析（DEA）和Tobit模型的两阶段模型来评估沪深A股公司管理者的能力。

第一阶段：基于DEA的全效率计算

在本阶段，我们分行业计算了各公司的全效率。具体地，我们将固定资产净额、无形资产净额、商誉、研发支出、营业成本、销售与管理费用等作为DEA分析的投入变量，将营业收入作为唯一的产出变量。通过DEA-solver pro 13软件，我们得出了每家企业的效率值。

第二阶段：基于Tobit模型的管理者能力分离

在得到企业效率值后，我们认识到这一数值受到企业和管理者两个层面的共同影响。为了进一步分离这两个层面的效应，我们采用了Tobit模型。在模型中，我们控制了企业层面的多个因素，包括企业规模、市场份额、自由现金流、成立年限、国际化程度和多元化程度。然而，由于Tobit模型无法完全覆盖所有影响企业运营效率的企业层面特征，因此，回归残差在一定程度上反映了管理者能力的真实水平，尽管可能存在一定的噪音干扰。

文献参考

• 何威风, 刘巍, 黄凯莉. 管理者能力与企业风险承担[J]. 中国软科学, 2016(5):107-118.
• 张路, 李金彩, 张瀚文,等. 管理者能力影响企业成本粘性吗?[J]. 会计研究, 2019(3).
• Demerjian, Peter, R, et al. Managerial Ability and Earnings Quality.[J]. Accounting Review, 2013.
  

数据处理与样本选择

• 行业标准：我们采用了2012年证监会行业分类标准，其中制造业使用二级分类（取前两位），其他行业使用一级分类。
• 研究对象：本文选取了沪深两市的A股上市公司作为研究对象。
• 数据筛选：我们剔除了金融行业的公司、当年IPO的公司、上市前的数据以及已退市的上市公司。若不需要剔除，可以相应地调整代码。
• 数据处理：对变量进行了Winsorize处理，即将小于1%分位数和大于99%分位数的变量值分别设为1%分位数和99%分位数。
  

通过这样的研究方法，我们期望能够更准确地评估沪深A股公司管理者的能力，并为企业管理和投资决策提供有价值的参考。