顶刊RFS：公司金融实证研究P值操纵与补救

来自美国杨百翰大学的学者Todd Mitton于2021年在金融顶级期刊The Review of Financial Studies发表论文《Methodological Variation in Empirical Corporate Finance》，文章回顾顶级金融期刊上公司金融领域诸多的实证方法，探讨了统计显著性与经济显著性的权衡。针对方法上的多样性可能带来的p值操纵问题，文章展开详细讨论并提出一些应对措施供以参考。

Todd Mitton, Methodological Variation in Empirical Corporate Finance, The Review of Financial Studies, Volume 35, Issue 2, February 2022, Pages 527–575

注：想要获得此文章的PDF文档请在公众号后台回复关键词 “ 金融实证 ”。更多与社科因果推断、文本、音像、网络结构数据挖掘、机器学习、网络爬虫相关的学术资源交流，请关注“社科学术汇”公众号，后台回复“社群”添加

在研究过程中，具有统计显著性的结果在研究人员和出版商两个方面通常都具有发表优势。第一个方面，研究人员更希望得到统计上显著的结果，从而认为这是可信的、有意义的、重大的研究发现，这种做法被Harvey（2017）称为“p-hacking”（P-hacking 最早由美国宾夕法尼亚大学的Simmons和他的团队提出，指统计分析数据时采用不同的方法直到P<0.05，很容易引起假阳性结果）。第二个方面，出版商可能会对统计上显著的结果，即具有“重大发现”的论文存在偏好。

作者收集了2000年至2018年间发表在Journal of Finance, Journal of Financial Economics和Review of Financial Studies三本顶级金融期刊上的604篇文章、954个回归，研究调查发现，最常见的6个被解释变量分别是：盈利能力、公司价值、杠杆率、投资、支出和现金持有（profitability, firm value, leverage, investment, payouts, or cash holdings）。这六类回归在2000年到2018年期间大幅增加，数量从8个增加到89个，即使按照期刊发表论文总数进行调整，这些回归出现的概率也增加了7倍多。

以这六类回归作为调查样本，发现公司金融文献在实证方法上存在很大差异，关键来源为：被解释变量的选择缺乏共识、控制变量的使用几乎没有一致性、文献对大多数实证设定中没有达成共识的趋势（如排除金融业、异常值处理、滞后变量、连续/离散变量）。

这种方法的多样性是否与统计显著性之间有关系吗？作者检验了不同设定方式的选择对于回归系数显著性的影响。文章的模拟结果表明，显著性可以通过变化方法来实现，至少有很大可能得到1颗星，也就是可以通过方法改变操纵P值，比如：

1） 寻找更多被解释变量的代理变量

2） 替换或增减控制变量

3） 剔除部分行业，如金融业

4）（被）解释变量用对数值

5） 解释变量从连续型转成离散型

6） 解释变量使用滞后值

7） 缩尾、截尾或保留异常值

8） 从1%缩尾改变成5%缩尾

9） 比例型被解释变量换分子或分母

针对实证设定的多样性可能带来的p-hacking问题，本文从三个方面提出了补救措施：

第一，稳健性检验——通过设定其他方法来证明结果的稳健性；

第二，规范检查——对所有可能的设定方式进行回归并报告结果；

第三，关注经济意义——作者对统计显著在传统实证研究中的重要地位（“p-hacking”）提出了挑战，指出我们应当更加强调和注重经济意义。

其实类似的争论已经持续多年，学者们通常具有两种态度——放弃p值或谨慎使用p值。显然第一条道路过于激进且困难重重，对第二条道路的探索是更加合理的。可以说这篇文章为我们提供了一个谨慎对待p值的思路。作者向我们表明具有统计显著的实证结果并不足以证明其是重要的（Statistical significance is not sufficient to establish that an empirical result is important）。同时，未来学者在公司金融实证研究中，应当更加注重评价经济显著性，在统计意义与经济意义二者之间取得平衡。