上市公司殼資源溢價率影響因素的多維度實證剖析

上市公司殼資源溢價率影響因素的多維度實證剖析一、引言1.1研究背景與意義在我國證券市場中，殼資源交易一直是資本市場活動的重要組成部分，近年來愈發活躍。殼資源，即上市公司的上市資格，由于上市審批嚴格，上市資格成為一種稀缺資源，一些經營業績不佳、資產質量較差但擁有上市資格的公司便成為了殼資源的提供者。據相關數據顯示，僅在2023-2025年間，就有大量上市公司發生控制權變更或涉及殼資源交易，交易金額累計達到數千億元，涉及行業廣泛，從傳統制造業到新興的信息技術、生物醫藥等領域均有涵蓋。例如，在2025年上半年，就有超過50起上市公司控股權變更事件被披露，部分公司在控制權變更后迅速進行資產注入和業務重組，市場對這些公司的關注度和股價表現也隨之大幅波動。殼資源交易的活躍對我國資本市場產生了多方面的影響。對于有上市需求的企業而言，借殼上市可以繞過繁瑣漫長的首次公開發行（IPO）程序，節省大量時間和成本，快速進入資本市場融資。這有助于企業抓住市場機遇，擴大生產規模、進行技術研發或拓展業務領域。如一些新興的科技企業，由于發展初期盈利指標可能無法滿足IPO要求，但通過借殼上市能夠迅速獲得資金支持，加速企業發展，實現彎道超車。從資源配置角度來看，殼資源交易能夠促使資產從低效企業流向高效企業，實現資源的優化配置。經營不善的上市公司通過賣殼，將殼資源轉讓給更有實力和發展前景的企業，使優質資產得以進入上市公司平臺，提高了上市公司整體質量，推動產業結構調整和升級。在傳統制造業中，一些產能過剩、業績下滑的企業將殼資源出售給具有創新能力和發展潛力的新興產業企業，實現了產業的轉型和升級，提高了經濟運行效率。研究殼資源溢價率影響因素具有重要的理論與現實意義。對于投資者來說，深入了解殼資源溢價率的影響因素，能夠幫助他們更加準確地評估殼資源的投資價值，制定科學合理的投資策略。在進行投資決策時，投資者可以根據公司的財務狀況、行業前景、股權結構等因素，對殼資源的潛在價值進行分析和判斷，從而選擇具有投資潛力的殼資源，提高投資收益，降低投資風險。對于企業而言，掌握殼資源溢價率影響因素有助于企業在借殼上市或參與殼資源交易時做出更明智的決策。企業可以根據自身情況，合理選擇目標殼公司，制定合適的收購價格和交易方案，確保借殼上市的成功實施，并在交易后實現企業價值的最大化。在選擇殼公司時，企業可以考慮殼公司的債務狀況、資產質量、市場聲譽等因素，避免因收購不良殼資源而帶來的財務風險和經營困境。對于監管部門來說，研究殼資源溢價率影響因素能夠為監管政策的制定提供有力依據，加強對殼資源交易市場的監管，規范市場秩序，保護投資者合法權益，防范市場風險。監管部門可以根據研究結果，制定相應的政策法規，加強對殼資源交易的信息披露要求、交易行為監管等，防止市場操縱、內幕交易等違法違規行為的發生，維護資本市場的公平、公正和透明。1.2研究目標與創新點本研究旨在深入、精準地識別影響殼資源溢價率的關鍵因素，通過全面系統的分析，構建起科學合理的殼資源溢價率影響因素模型。從理論層面出發，本研究致力于豐富和完善殼資源價值評估的理論體系。當前學術界對于殼資源價值評估的研究雖有一定成果，但仍存在諸多不足，尤其是在影響因素的全面性和深度分析上有所欠缺。本研究將綜合考慮多種因素，如公司財務狀況、市場環境、行業特征以及政策法規等，深入剖析它們對殼資源溢價率的影響機制，為殼資源價值評估理論的進一步發展提供新的視角和實證依據，填補現有理論研究的空白，使殼資源價值評估理論更加完善和系統。在實踐應用方面，本研究成果將為投資者、企業以及監管部門提供具有高度參考價值的決策依據。對于投資者而言，準確了解殼資源溢價率的影響因素，能夠幫助他們更加精準地評估殼資源的投資價值，有效識別潛在的投資風險，制定出更加科學合理的投資策略，從而在殼資源投資中獲得更高的收益。對于企業來說，掌握殼資源溢價率影響因素有助于企業在借殼上市或參與殼資源交易時，能夠更加理性地選擇目標殼公司，合理制定收購價格和交易方案，確保借殼上市的順利實施，實現企業價值的最大化。對于監管部門而言，本研究結果可以為監管政策的制定提供有力的數據支持和理論依據，加強對殼資源交易市場的監管力度，規范市場秩序，有效防范市場風險，保護投資者的合法權益，促進資本市場的健康穩定發展。在研究過程中，本研究在多個方面展現出創新性。在數據選取上，突破了以往研究數據樣本單一、時間跨度較短的局限，選取了近10年（2015-2025年）滬深兩市所有涉及殼資源交易的上市公司作為研究樣本，數據樣本數量超過500個，涵蓋了不同行業、不同規模、不同地區的上市公司，確保了數據的廣泛性和代表性。同時，不僅收集了公司財務報表數據，還納入了市場交易數據、行業動態數據以及宏觀經濟數據等多維度數據，從多個角度全面反映殼資源交易的實際情況，為研究提供了更加豐富和全面的數據基礎。在模型構建方面，本研究創新性地引入了機器學習算法中的隨機森林模型，結合傳統的多元線性回歸模型，構建了混合模型來分析殼資源溢價率的影響因素。隨機森林模型具有處理高維數據、避免過擬合以及能夠自動評估變量重要性的優勢，能夠有效彌補傳統多元線性回歸模型在處理復雜數據關系時的不足。通過將兩種模型相結合，充分發揮各自的優勢，能夠更加準確地捕捉各影響因素與殼資源溢價率之間的非線性關系，提高模型的預測精度和解釋能力，為研究殼資源溢價率影響因素提供了新的方法和思路。1.3研究方法與技術路線本研究主要采用實證研究方法，通過多步驟深入分析殼資源溢價率影響因素，具體如下：數據收集：從權威金融數據庫（如Wind、CSMAR）以及上市公司年報、公告等渠道，全面收集2015-2025年滬深兩市涉及殼資源交易的上市公司數據。數據涵蓋公司財務指標（如資產規模、盈利能力、負債水平等）、市場交易數據（股價、成交量、換手率等）、行業屬性以及宏觀經濟數據（GDP增長率、利率、通貨膨脹率等）。變量選取與定義：確定被解釋變量為殼資源溢價率，通過殼公司交易價格與公司凈資產或市場估值的差值計算得出。解釋變量包括公司規模（總資產對數衡量）、盈利能力（凈利潤率、凈資產收益率）、負債水平（資產負債率）、股權結構（第一大股東持股比例）、行業競爭程度（行業集中度指標）以及宏觀經濟指標（GDP增長率代表經濟周期、利率水平反映資金成本）等。模型構建：構建多元線性回歸模型初步分析各因素與殼資源溢價率的線性關系，模型設定為：殼資源溢價率=β0+β1×公司規模+β2×盈利能力+β3×負債水平+β4×股權結構+β5×行業競爭程度+β6×宏觀經濟指標+ε，其中β0-β6為回歸系數，ε為隨機誤差項。同時，為更準確捕捉變量間復雜關系，引入隨機森林模型，該模型能夠處理非線性關系、克服多重共線性問題，且能給出各變量對殼資源溢價率的重要性排序。實證檢驗與結果分析：運用統計軟件（如Stata、R）對數據進行描述性統計分析，了解變量基本特征與分布情況；進行相關性分析，檢驗變量間是否存在嚴重多重共線性；對多元線性回歸模型進行估計與檢驗，通過t檢驗、F檢驗判斷各解釋變量對被解釋變量影響的顯著性，并利用調整R2評估模型擬合優度；運用隨機森林模型進行訓練與預測，分析各變量重要性，對比兩種模型結果，深入剖析影響殼資源溢價率的關鍵因素。穩健性檢驗：采用多種方法進行穩健性檢驗，如替換變量度量方式（以營業收入替代總資產衡量公司規模）、改變樣本區間（選取不同時間段數據）、排除異常值影響等，確保研究結果的可靠性與穩定性。在技術路線上，首先明確研究問題與目標，即探究殼資源溢價率影響因素；接著進行理論分析，梳理相關理論與文獻，為研究提供理論支撐；隨后開展數據收集與整理工作，確保數據質量與完整性；構建模型并進行實證檢驗，得出初步研究結果；通過穩健性檢驗驗證結果可靠性；最后根據研究結果提出針對性建議，并對研究進行總結與展望。整個技術路線環環相扣，旨在全面、深入、準確地揭示殼資源溢價率影響因素，為資本市場參與者提供科學決策依據。二、理論基礎與文獻綜述2.1相關概念界定2.1.1殼資源的定義與特性殼資源是指上市公司的上市交易資格，擁有殼資源的上市公司被稱為殼公司。在資本市場中，上市資格是一種稀缺資源，由于上市審批嚴格，企業需要滿足一系列財務、治理等方面的條件才能獲得上市資格，這使得上市資格具有較高的價值。一些經營業績不佳、資產質量較差甚至處于虧損狀態的上市公司，盡管自身主營業務表現不佳，但因其擁有上市資格，依然成為其他企業關注的對象，這些公司便構成了殼資源的主體。殼資源具有多種特性。稀缺性是其重要特性之一，在我國證券市場存在準入制度的情況下，上市資格成為政府授予的壟斷權力，擁有這種資格即可獲得壟斷收益。由于上市門檻高，每年新上市的公司數量有限，相對于眾多渴望上市融資的企業來說，殼資源的數量遠遠不能滿足需求，導致其稀缺性凸顯。在2025年，申請上市的企業數量達到數千家，而實際成功上市的企業僅占一小部分，使得殼資源成為眾多企業競相追逐的對象。價值不確定性也是殼資源的顯著特性。殼資源的價值并非固定不變，它受到多種因素的影響，如市場環境、行業前景、公司自身狀況以及政策法規等。在不同的市場行情下，殼資源的價值會發生較大波動。在牛市中，市場對殼資源的需求旺盛，其價值往往會被高估；而在熊市中，市場對殼資源的需求下降，其價值可能會大幅縮水。行業前景也對殼資源價值有重要影響，處于新興、高增長行業的殼資源，由于未來發展潛力較大，往往具有更高的價值；而處于夕陽行業的殼資源，價值則相對較低。虛擬性與再生性也是殼資源的特性。虛擬性是指殼公司因其擁有上市資格而產生的價值，并不與現實生產中的生產要素相對應，而與特定的制度安排有關。其再生性在于一般的資源經過使用，通常是被消耗掉或發生價值轉移，而殼資源在利用過程中卻會產生巨大的遠遠超過其自身價值的價值增值。一家業績不佳的殼公司，通過資產重組，注入優質資產后，公司的價值可能會大幅提升，實現再生。2.1.2殼資源溢價率的內涵殼資源溢價率是指殼公司交易價格超出其內在價值的比例，它反映了市場對殼資源潛在價值的預期和認可程度。在殼資源交易中，收購方通常會支付高于殼公司賬面價值或市場估值的價格，這一溢價部分體現了殼資源所具有的上市資格、融資渠道、品牌效應等潛在價值。殼資源溢價率的計算方式通常是：（殼公司交易價格-殼公司內在價值）/殼公司內在價值×100%。其中，殼公司內在價值的評估較為復雜，常用的評估方法包括資產基礎法、收益法和市場法等。資產基礎法是通過對殼公司各項資產和負債進行評估，以確定其凈資產價值；收益法是基于殼公司未來的盈利能力和現金流預測來評估其價值；市場法則是參考市場上類似殼公司的交易價格來確定其價值。由于殼資源價值的不確定性，不同的評估方法可能會得出不同的結果，因此在計算殼資源溢價率時，需要綜合考慮多種因素，并選擇合適的評估方法。例如，在某殼資源交易中，殼公司的賬面價值為5億元，通過收益法評估其內在價值為8億元，最終交易價格為12億元，則該殼資源的溢價率為（12-8）/8×100%=50%。殼資源溢價率的高低不僅影響著收購方的成本和收益，也反映了市場對殼資源的供求關系和投資熱度，對于研究殼資源交易具有重要意義。2.2理論基礎2.2.1并購理論并購理論為殼資源交易提供了重要的理論支撐，不同的并購理論從不同角度解釋了殼資源交易的動機和影響。協同效應理論認為，并購可以使企業在生產、經營、管理等方面實現協同，從而提高企業的整體效益。在殼資源交易中，收購方通過獲取殼公司的上市資格，能夠與自身業務產生協同效應。一方面，收購方可以利用殼公司的上市平臺，更便捷地進行融資，拓寬資金來源渠道，降低融資成本，為企業的發展提供充足的資金支持。另一方面，收購方可以將自身的優質資產注入殼公司，實現資源的優化配置，提升殼公司的資產質量和盈利能力，進而實現雙方在業務、技術、市場等方面的協同發展，提高企業的市場競爭力。以某科技企業借殼傳統制造業上市公司為例，科技企業注入先進的技術和創新的商業模式，與傳統制造業上市公司的生產制造能力相結合，實現了技術與生產的協同，拓展了市場份額，提升了企業的整體價值。代理成本理論則關注企業所有者與經營者之間的委托-代理關系。在現代企業中，由于所有權與經營權分離，經營者可能會追求自身利益最大化，而忽視所有者的利益，從而產生代理成本。殼資源交易可以作為一種降低代理成本的方式，通過并購，新的控股股東可以對殼公司的管理層進行調整和監督，優化公司治理結構，減少經營者的機會主義行為，降低代理成本，提高企業的運營效率和價值。當一家經營不善的殼公司被收購后，收購方會派入新的管理團隊，加強對公司的內部控制和管理，規范公司的決策流程，從而減少管理層的私利行為，使公司的運營更加符合股東的利益。市場勢力理論認為，并購可以通過減少競爭對手，提高企業的市場占有率，從而增強企業的市場勢力，獲得更多的壟斷利潤。在殼資源交易中，收購方通過收購殼公司，進入新的市場或行業，擴大企業規模，增強在市場中的話語權和定價能力，從而獲得競爭優勢。一家在行業內具有一定規模的企業通過收購殼公司，快速進入另一個相關行業，整合資源，形成規模經濟，排擠競爭對手，提高市場份額，實現對市場的更強控制。價值低估理論認為，并購活動的發生主要是因為目標企業的價值被低估。在殼資源交易中，一些殼公司由于經營不善、市場環境不佳等原因，其市場價值低于其內在價值，收購方認為這些殼公司具有潛在的投資價值，通過收購并對其進行重組和整合，可以提升殼公司的價值，實現盈利。一些處于行業低谷的殼公司，雖然當前業績不佳，但擁有優質的資產或品牌等潛在價值，收購方通過收購這些殼公司，進行資產優化和業務調整，待市場環境好轉時，殼公司的價值將得到提升。2.2.2價值評估理論價值評估理論對于準確評估殼資源的價值至關重要，不同的評估方法從不同角度對殼資源價值進行衡量。現金流折現法是一種基于未來現金流量預測的價值評估方法，它通過預測殼公司未來的現金流量，并將其按照一定的折現率折現到當前，以確定殼公司的價值。在應用現金流折現法評估殼資源價值時，需要對殼公司未來的盈利能力、市場環境、行業發展趨勢等因素進行全面分析和預測。如果殼公司所處行業具有良好的發展前景，未來有望通過資產重組或業務轉型實現盈利增長，那么其未來現金流量的預測值就會較高，相應的殼資源價值也會較高。現金流折現法的優點是考慮了資金的時間價值和殼公司未來的盈利能力，能夠較為全面地反映殼資源的內在價值。但該方法也存在一定的局限性，如對未來現金流量的預測具有較大的主觀性，折現率的選擇也會對評估結果產生較大影響。市盈率法是一種相對簡單直觀的價值評估方法，它通過將殼公司的每股收益與同行業可比公司的市盈率相乘，來估算殼公司的價值。在使用市盈率法時，選擇合適的可比公司至關重要，需要考慮可比公司的行業屬性、經營規模、盈利水平等因素。如果殼公司與可比公司在各方面具有相似性，那么采用可比公司的市盈率來評估殼資源價值具有一定的合理性。市盈率法的優點是計算簡便，易于理解和應用，能夠快速估算殼資源的價值。但該方法也存在一些缺點，如沒有考慮殼公司的獨特性和未來發展潛力，可能會導致評估結果不夠準確。資產基礎法是從殼公司的資產和負債角度出發，對殼公司的各項資產和負債進行評估，以確定其凈資產價值，從而評估殼資源的價值。在運用資產基礎法時，需要對殼公司的固定資產、無形資產、流動資產等進行詳細的清查和評估，確定其真實價值。對于一些擁有大量優質固定資產或無形資產的殼公司，資產基礎法能夠較為準確地反映其資產價值。資產基礎法的優點是評估結果較為客觀、可靠，能夠反映殼公司的現有資產狀況。但該方法也存在局限性，它忽視了殼公司的未來盈利能力和市場價值，可能會低估殼資源的價值。不同的價值評估理論和方法在殼資源價值評估中各有優劣，在實際應用中需要綜合考慮多種因素，選擇合適的評估方法，以準確評估殼資源的價值。2.3文獻綜述2.3.1殼資源溢價率的早期研究早期對殼資源溢價現象的關注主要源于資本市場中企業借殼上市行為的興起。學者們開始注意到，在借殼上市交易中，收購方往往愿意支付高于殼公司賬面價值的價格。國外學者在研究資本市場并購活動時，雖未直接提及殼資源溢價，但對上市公司并購溢價現象的探討為后續殼資源溢價研究奠定了基礎。Roll在1986年提出的“自大假說”認為，收購方管理層可能由于過度自信，在并購交易中支付過高的價格，這一理論在一定程度上可以解釋殼資源交易中溢價的產生。國內對于殼資源溢價率的早期研究始于20世紀90年代末，隨著我國證券市場的發展，借殼上市案例逐漸增多。陳信元、張田余（1999）在對我國上市公司資產重組績效的研究中，涉及到了殼資源價值的討論，他們發現通過資產重組實現借殼上市的企業，在重組后股價往往有較大波動，這暗示了殼資源存在一定的溢價。當時的研究主要基于案例分析，通過對個別典型借殼上市案例的剖析，初步探討了殼資源溢價的形成原因，認為上市資格的稀缺性是導致殼資源溢價的關鍵因素。由于我國證券市場實行嚴格的上市審批制度，企業上市難度大，使得上市資格成為一種稀缺資源，收購方為獲取上市資格愿意支付較高的溢價。在一些早期的借殼上市案例中，如“延中實業”被“寶安集團”收購，市場對這一事件反應強烈，股價大幅上漲，體現了殼資源的稀缺價值以及由此產生的溢價。但早期研究在方法上相對單一，缺乏系統的實證分析，對殼資源溢價率的量化研究較少。2.3.2影響因素的分類研究隨著研究的深入，學者們開始從多個角度對殼資源溢價率的影響因素進行分類研究。在內部財務因素方面，許多研究表明殼公司的資產負債狀況、盈利能力等對殼資源溢價率有顯著影響。殼公司負債水平較低、資產質量較好時，收購方在收購后承擔的債務風險較小，更愿意為其支付較高的溢價。吳世農、盧賢義（2001）通過對上市公司財務困境預測的研究發現，資產負債率、流動比率等財務指標與公司的經營狀況密切相關，進而影響殼資源的價值和溢價率。盈利能力也是重要因素，殼公司盈利能力越強，說明其經營基礎較好，未來發展潛力可能更大，收購方可能愿意支付更高的溢價。凈利潤率、凈資產收益率等指標常被用于衡量殼公司的盈利能力。從外部市場制度角度來看，市場行情對殼資源溢價率影響顯著。在牛市行情下，市場整體估值較高，投資者對殼資源的未來預期也更為樂觀，愿意為殼資源支付更高的價格，導致殼資源溢價率上升；而在熊市行情中，市場情緒低落，投資者對殼資源的需求下降，殼資源溢價率往往降低。監管政策的變化同樣對殼資源溢價率產生重要影響。當監管政策對借殼上市條件放寬時，殼資源的吸引力增加，溢價率可能上升；反之，當監管政策趨嚴，借殼上市難度加大，殼資源溢價率可能下降。2016年證監會發布的《上市公司重大資產重組管理辦法》對借殼上市標準進行了嚴格規范，此后殼資源交易熱度下降，溢價率也隨之降低。行業特征也是影響殼資源溢價率的重要因素。處于新興、高增長行業的殼資源，由于其未來發展空間廣闊，具有更高的投資價值，收購方通常愿意支付更高的溢價。信息技術、生物醫藥等行業的殼資源往往比傳統制造業的殼資源溢價率更高。趙宇龍、王志臺（1999）在對我國上市公司行業效應的研究中指出，不同行業的上市公司在市場表現、盈利能力等方面存在顯著差異，這種差異也會反映在殼資源的溢價率上。2.3.3現有研究的不足與展望現有研究在殼資源溢價率影響因素方面取得了一定成果，但仍存在一些不足之處。在影響因素選取上，部分研究存在局限性，未能全面考慮各種潛在因素。一些研究僅關注公司財務指標和市場行情等常見因素，而對宏觀經濟環境、行業競爭格局等因素的研究相對較少。宏觀經濟環境的變化，如經濟增長率、通貨膨脹率等，會影響企業的經營狀況和市場預期，進而對殼資源溢價率產生影響。行業競爭格局的變化也可能改變殼資源的價值，如行業內競爭加劇可能導致殼資源的吸引力下降，溢價率降低。在模型構建方面，傳統研究大多采用線性回歸模型，難以準確捕捉各因素與殼資源溢價率之間的復雜非線性關系。殼資源溢價率的影響因素眾多，且這些因素之間可能存在相互作用，線性回歸模型無法充分反映這種復雜關系，導致模型的解釋能力和預測精度有限。在研究殼公司的資產負債狀況、盈利能力、市場行情等因素對殼資源溢價率的影響時，這些因素之間可能存在交互效應，線性回歸模型難以準確刻畫。未來研究可以在以下幾個方向展開。一是進一步拓展影響因素的研究范圍，綜合考慮宏觀經濟、行業動態、企業戰略等多方面因素，全面深入地分析它們對殼資源溢價率的影響機制。可以研究宏觀經濟政策調整，如貨幣政策、財政政策對殼資源溢價率的影響，以及企業戰略轉型對殼資源價值和溢價率的作用。二是引入更先進的研究方法和模型，如機器學習算法中的神經網絡模型、支持向量機等，這些模型能夠更好地處理非線性關系，提高對殼資源溢價率影響因素的分析精度和預測能力。通過運用這些模型，可以更準確地挖掘各因素與殼資源溢價率之間的復雜關系，為投資者和企業提供更有價值的決策參考。還可以加強對不同市場環境和行業背景下殼資源溢價率影響因素的對比研究，深入分析影響因素的差異和變化規律，為不同市場和行業的殼資源交易提供針對性的指導。三、影響因素的理論分析與研究假設3.1內部因素3.1.1財務狀況殼公司的財務狀況是影響殼資源溢價率的重要內部因素，其中資產負債率、凈資產收益率和每股凈資產等財務指標尤為關鍵。資產負債率反映了公司的負債水平和償債能力。當殼公司資產負債率較低時，意味著公司的債務負擔較輕，財務風險相對較小。收購方在收購此類殼公司后，無需承擔過重的債務壓力，整合成本相對較低，能夠更順利地對殼公司進行資產重組和業務調整，實現協同發展。因此，資產負債率低的殼公司對收購方具有更大的吸引力，收購方愿意為其支付較高的溢價。相反，若殼公司資產負債率過高，收購方可能面臨巨大的債務風險，甚至可能因債務問題導致收購后的整合失敗，從而降低對該殼公司的興趣和出價意愿。基于此，提出假設H1：殼公司資產負債率與殼資源溢價率呈負相關關系。凈資產收益率體現了公司的盈利能力和股東權益回報水平。凈資產收益率高的殼公司，表明其在現有資產規模下能夠創造較高的利潤，經營效率較高，未來發展潛力較大。收購方收購這類殼公司后，可以借助其良好的盈利能力，快速提升自身的業績表現，實現資源的優化配置和價值增值。因此，凈資產收益率高的殼公司更容易吸引收購方，收購方為獲取其優質資產和盈利能力，往往愿意支付較高的溢價。反之，凈資產收益率低的殼公司，盈利能力差，對收購方的吸引力較弱，溢價率也相對較低。由此，提出假設H2：殼公司凈資產收益率與殼資源溢價率呈正相關關系。每股凈資產反映了公司每股股票所代表的實際資產價值，是衡量公司內在價值的重要指標。每股凈資產較高的殼公司，說明其資產質量較好，擁有較多的凈資產可供收購方利用。在收購過程中，收購方可以基于殼公司較高的每股凈資產，對其進行更有價值的重組和整合，提升公司的市場競爭力和價值。因此，每股凈資產高的殼公司通常能獲得較高的溢價率。而每股凈資產低的殼公司，資產質量相對較差，收購方可能需要投入更多的資源進行改造和提升，其溢價率相應較低。據此，提出假設H3：殼公司每股凈資產與殼資源溢價率呈正相關關系。3.1.2股權結構股權結構對殼資源的吸引力和溢價率有著重要影響，其中股權集中度和流通股比例是關鍵因素。股權集中度反映了公司股權在少數股東手中的集中程度。當殼公司股權集中度較高時，第一大股東或前幾大股東對公司擁有較強的控制權。在殼資源交易中，收購方只需與少數大股東進行談判和交易，就能夠相對容易地獲取公司的控制權，交易成本較低，交易過程也更為便捷。這種情況下，殼公司對收購方具有較大的吸引力，收購方愿意為獲取控制權支付較高的溢價。相反，若殼公司股權過于分散，股東之間的意見難以統一，收購方在獲取控制權時可能面臨較大的阻力，需要花費更多的時間和成本與眾多股東進行溝通和協商，這會降低殼公司對收購方的吸引力，從而導致溢價率降低。基于上述分析，提出假設H4：殼公司股權集中度與殼資源溢價率呈正相關關系。流通股比例是指公司流通股在總股本中所占的比重。流通股比例高的殼公司，股票的流動性較好，市場交易較為活躍。收購方在收購這類殼公司后，可以更方便地在二級市場上買賣股票，實現資產的快速變現和資金的靈活調配。良好的流動性降低了收購方的投資風險，使其更愿意為這類殼公司支付較高的溢價。而流通股比例低的殼公司，股票流動性較差，收購方在交易過程中可能面臨較大的困難，如難以找到合適的交易對手、交易價格波動較大等，這會增加收購方的交易成本和風險，從而降低其對殼公司的出價意愿。因此，提出假設H5：殼公司流通股比例與殼資源溢價率呈正相關關系。3.1.3公司規模公司規模是影響殼資源溢價率的另一個重要內部因素，主要通過公司市值和營業收入規模來體現。公司市值反映了市場對公司整體價值的評估。一般來說，市值較小的殼公司，收購成本相對較低，對于一些資金實力有限但又渴望上市的企業來說，具有較大的吸引力。這些企業可以通過收購市值較小的殼公司，以較低的成本實現上市目標，然后再通過資產重組和業務發展來提升公司價值。因此，市值較小的殼公司在殼資源交易市場中往往更受歡迎，收購方愿意為其支付較高的溢價。相反，市值較大的殼公司，收購成本較高，對收購方的資金實力要求也更高，這會限制一部分潛在收購方的參與，從而降低其溢價率。基于此，提出假設H6：殼公司市值與殼資源溢價率呈負相關關系。營業收入規模體現了公司的經營規模和市場地位。營業收入規模較大的殼公司，通常在行業內具有一定的知名度和市場份額，擁有相對穩定的客戶群體和業務渠道。收購方收購這類殼公司后，可以借助其現有的業務基礎和市場資源，快速拓展自身業務，實現協同效應和規模經濟。因此，營業收入規模大的殼公司對收購方具有較大的吸引力，收購方愿意為獲取其業務資源和市場優勢支付較高的溢價。而營業收入規模較小的殼公司，業務基礎相對薄弱，市場競爭力較弱，對收購方的吸引力也較小，溢價率相應較低。由此，提出假設H7：殼公司營業收入規模與殼資源溢價率呈正相關關系。3.2外部因素3.2.1IPO制度IPO制度對殼資源溢價率有著重要影響，不同的IPO制度下，企業上市的難度和周期存在差異，進而影響殼資源的供需關系和溢價率。在核準制下，IPO審核過程較為嚴格，監管部門不僅對企業的財務狀況、盈利能力等進行嚴格審查，還會對企業的發展前景、行業地位等進行綜合評估。企業需要滿足一系列復雜的財務指標和合規要求，如連續多年盈利、資產規模達標等。這使得許多企業難以在短時間內通過IPO實現上市，上市周期往往較長，可能需要數年時間。在這種情況下，借殼上市成為一些企業進入資本市場的重要選擇。借殼上市可以繞過IPO的嚴格審核程序，節省大量時間成本，使企業能夠快速獲得上市資格。因此，核準制下，殼資源的需求相對旺盛，而供給相對有限，導致殼資源的稀缺性增加，溢價率也相應提高。隨著資本市場改革的推進，注冊制逐漸在我國部分板塊試點并推廣。注冊制下，IPO審核更加注重信息披露的真實性和完整性，企業的上市條件相對寬松，審核周期大幅縮短。企業只要按照規定充分披露信息，符合基本的上市條件，就有較大機會通過注冊制實現上市。這使得更多企業能夠通過正常的IPO途徑進入資本市場，殼資源的可替代性增強。注冊制下，殼資源的需求會減少，市場上殼資源的供給相對增加，從而降低殼資源的稀缺性，導致殼資源溢價率下降。基于以上分析，提出假設H8：IPO制度的嚴格程度與殼資源溢價率呈正相關關系，即核準制下殼資源溢價率高于注冊制下殼資源溢價率。3.2.2退市制度退市制度的嚴格程度對殼資源的稀缺性和溢價率有著顯著影響。當退市制度較為寬松時，一些經營不善、業績長期虧損的上市公司難以被及時清理出市場，這些公司繼續占據著上市資格，導致殼資源的供給相對充足。在這種情況下，殼資源的稀缺性降低，收購方有更多的選擇空間，對殼資源的出價也會更加謹慎，從而使得殼資源溢價率下降。一些連續多年虧損、資不抵債的公司，由于退市制度寬松，依然能夠保留上市資格，市場上可供交易的殼資源增多，競爭加劇，導致殼資源的價格難以提升。相反，當退市制度嚴格執行時，不符合上市標準的公司將被迅速強制退市。退市標準可能包括財務指標不達標（如連續虧損、凈資產為負等）、信息披露違規、重大違法違規行為等。嚴格的退市制度使得殼資源的供給減少，那些經營不善的公司無法再依靠寬松的退市制度繼續保留上市資格。殼資源的稀缺性增加，收購方為獲取稀缺的殼資源，愿意支付更高的價格，從而推動殼資源溢價率上升。近年來，我國不斷完善退市制度，加強對上市公司的監管，對一些財務造假、嚴重違規的公司實施強制退市，這使得殼資源的稀缺性有所提高，部分殼資源的溢價率也出現了波動。基于此，提出假設H9：退市制度的嚴格程度與殼資源溢價率呈正相關關系，即退市制度越嚴格，殼資源溢價率越高。3.2.3市場流動性市場流動性是影響殼資源溢價率的重要外部因素之一，它與殼資源并購交易活躍度和溢價率密切相關。市場流動性反映了市場中資金的充裕程度和交易的活躍程度。當市場流動性充足時，資金較為充裕，投資者參與市場交易的積極性較高，市場上的買賣交易頻繁，資產的變現能力較強。在殼資源交易市場中，充足的市場流動性使得殼資源的并購交易更加活躍。一方面，收購方更容易籌集到足夠的資金來完成殼資源的收購交易，降低了資金籌集的難度和成本。銀行貸款、股權融資等渠道相對暢通，收購方可以較為便捷地獲取所需資金。另一方面，由于市場交易活躍，殼資源的買賣雙方更容易找到合適的交易對手，交易的達成效率提高。在這種情況下，殼資源的需求增加，推動殼資源價格上升，從而使得殼資源溢價率提高。相反，當市場流動性不足時，資金相對緊張，投資者參與市場交易的意愿降低，市場交易活躍度下降。在殼資源交易市場中，流動性不足會導致并購交易難度加大。收購方可能面臨資金籌集困難的問題，融資渠道受限，融資成本上升。由于市場交易清淡，殼資源的買賣雙方難以找到合適的交易對手，交易的達成時間延長，甚至可能導致交易無法完成。殼資源的需求減少，價格下跌，殼資源溢價率也隨之降低。在市場流動性緊張時期，一些殼資源的交易價格明顯下降，溢價率大幅縮水。基于以上分析，提出假設H10：市場流動性與殼資源溢價率呈正相關關系，即市場流動性越高，殼資源溢價率越高。四、研究設計4.1樣本選取與數據來源為深入探究殼資源溢價率的影響因素，本研究選取2015-2025年這11年間滬深兩市所有涉及殼資源交易的案例作為樣本。在樣本篩選過程中，嚴格遵循以下標準：首先，明確殼資源交易的界定，將上市公司控制權發生轉移，且收購方后續有明確的資產重組、業務轉型計劃，旨在獲取上市資格并借助上市公司平臺實現發展的交易視為殼資源交易。對于一些僅涉及少量股權交易，且不涉及控制權變更和實質性資產重組的案例予以排除。在數據收集方面，充分利用多個權威渠道，確保數據的全面性與準確性。公司財務數據主要來源于Wind金融數據庫和CSMAR數據庫，這些數據庫收錄了滬深兩市上市公司詳細的財務報表信息，包括資產負債表、利潤表、現金流量表等，能夠提供如資產負債率、凈資產收益率、每股凈資產等關鍵財務指標的數據。市場交易數據，如股票價格、成交量、換手率等，同樣取自Wind金融數據庫，該數據庫實時更新市場交易信息，為研究市場流動性、股價波動等對殼資源溢價率的影響提供了可靠的數據支持。公司年報也是重要的數據來源之一。通過研讀上市公司年報，能夠獲取公司的經營策略、股權結構變化、重大事項等詳細信息，這些信息有助于深入了解殼公司的內部情況和發展動態，補充數據庫數據的不足。上市公司公告則提供了殼資源交易的具體細節，如交易價格、交易方式、交易雙方背景等關鍵信息，為準確計算殼資源溢價率和分析交易特征提供了直接依據。對于宏觀經濟數據，如GDP增長率、通貨膨脹率、利率水平等，主要來源于國家統計局官網和中國人民銀行官網。這些官方網站發布的數據具有權威性和準確性，能夠真實反映我國宏觀經濟的運行狀況，為研究宏觀經濟環境對殼資源溢價率的影響提供了有力的數據支撐。通過多渠道的數據收集和整理，本研究構建了一個涵蓋公司財務、市場交易、宏觀經濟等多方面信息的數據集，為后續的實證分析奠定了堅實的數據基礎。4.2變量定義與度量4.2.1被解釋變量殼資源溢價率（Premium）是本研究的被解釋變量，它反映了殼資源交易中價格超出其內在價值的程度，是衡量殼資源價值增值的關鍵指標。本研究采用市場法中的可比公司法來計算殼資源溢價率。具體計算方式為：首先，選取與殼公司在行業、規模、經營狀況等方面具有相似性的可比上市公司，獲取其市場估值（如市盈率、市凈率等）。然后，根據殼公司的財務數據（如凈利潤、凈資產等），運用可比上市公司的估值倍數，估算出殼公司的理論市場價值。殼資源溢價率=（殼公司實際交易價格-殼公司理論市場價值）/殼公司理論市場價值×100%。例如，某殼公司的凈利潤為5000萬元，選取的可比上市公司平均市盈率為20倍，則該殼公司的理論市場價值=5000×20=10億元。若該殼公司的實際交易價格為15億元，則其殼資源溢價率=（15-10）/10×100%=50%。通過這種方式計算殼資源溢價率，能夠充分考慮市場因素對殼資源價值的影響，較為準確地反映殼資源在交易中的溢價情況。4.2.2解釋變量本研究的解釋變量涵蓋了內部因素和外部因素所涉及的多個變量，具體如下：資產負債率（Lev）：反映殼公司的負債水平，用總負債與總資產的比值來度量。資產負債率越高，表明公司負債越多，財務風險越大，可能會降低殼資源的吸引力和溢價率。計算公式為：Lev=總負債/總資產。凈資產收益率（Roe）：體現殼公司的盈利能力，用凈利潤與凈資產的比值來度量。凈資產收益率越高，說明公司盈利能力越強，對收購方的吸引力越大，殼資源溢價率可能越高。計算公式為：Roe=凈利潤/凈資產。每股凈資產（Bps）：衡量殼公司每股股票所代表的實際資產價值，用凈資產與總股本的比值來度量。每股凈資產越高，殼公司資產質量越好，殼資源溢價率可能越高。計算公式為：Bps=凈資產/總股本。股權集中度（Top1）：表示殼公司股權的集中程度，用第一大股東持股比例來度量。股權集中度越高，收購方獲取控制權的難度可能越小，殼資源溢價率可能越高。流通股比例（Float）：反映殼公司股票的流動性，用流通股股數與總股本的比值來度量。流通股比例越高，股票流動性越好，殼資源溢價率可能越高。計算公式為：Float=流通股股數/總股本。公司市值（Size）：體現殼公司的規模大小，用公司股票總市值來度量。公司市值越大，收購成本越高，殼資源溢價率可能越低。計算公式為：Size=每股股價×總股本。營業收入規模（Revenue）：衡量殼公司的經營規模，用公司營業收入來度量。營業收入規模越大，殼公司經營狀況可能越好，殼資源溢價率可能越高。IPO制度（IPO_reg）：虛擬變量，用于反映IPO制度的嚴格程度。在核準制下，IPO_reg取值為1；在注冊制下，IPO_reg取值為0。預計核準制下殼資源溢價率高于注冊制下殼資源溢價率。退市制度（Delist_reg）：虛擬變量，用于衡量退市制度的嚴格程度。當退市制度嚴格時，Delist_reg取值為1；當退市制度寬松時，Delist_reg取值為0。預計退市制度越嚴格，殼資源溢價率越高。市場流動性（Liquidity）：用市場換手率來度量，反映市場交易的活躍程度。市場換手率越高，市場流動性越好，殼資源溢價率可能越高。計算公式為：Liquidity=一定時期內的總成交量/流通股總數。4.2.3控制變量為了更準確地研究解釋變量對殼資源溢價率的影響，本研究選取了以下控制變量：公司年齡（Age）：公司自成立以來的年限，用當前年份減去公司成立年份來度量。公司年齡可能會影響殼資源溢價率，成立時間較長的公司可能具有更穩定的客戶群體、品牌知名度和行業經驗，對殼資源溢價率產生影響。計算公式為：Age=當前年份-公司成立年份。行業（Industry）：虛擬變量，用于控制不同行業對殼資源溢價率的影響。根據證監會行業分類標準，將樣本公司分為多個行業，設置相應的虛擬變量。不同行業的市場競爭程度、發展前景、盈利模式等存在差異，會對殼資源的價值和溢價率產生影響。例如，新興行業的殼資源可能由于其未來發展潛力大，溢價率相對較高；而傳統行業的殼資源溢價率可能相對較低。宏觀經濟環境（GDP_growth）：用國內生產總值（GDP）增長率來度量，反映宏觀經濟的整體運行狀況。宏觀經濟環境對殼資源交易有重要影響，在經濟增長較快時期，企業投資意愿增強，殼資源需求可能增加，溢價率可能上升；在經濟增長放緩時期，殼資源需求可能減少，溢價率可能下降。4.3模型構建為了深入探究殼資源溢價率與各影響因素之間的關系，本研究構建了多元線性回歸模型。該模型旨在通過量化分析，揭示內部因素（如財務狀況、股權結構、公司規模）和外部因素（如IPO制度、退市制度、市場流動性）對殼資源溢價率的具體影響程度。多元線性回歸模型的基本形式為：Premium=\beta_0+\beta_1Lev+\beta_2Roe+\beta_3Bps+\beta_4Top1+\beta_5Float+\beta_6Size+\beta_7Revenue+\beta_8IPO\_reg+\beta_9Delist\_reg+\beta_{10}Liquidity+\beta_{11}Age+\sum_{i=1}^{n}\beta_{11+i}Industry_i+\beta_{11+n+1}GDP\_growth+\varepsilon在上述模型中，Premium表示殼資源溢價率，是模型的被解釋變量，其數值變化反映了殼資源在交易過程中價格超出內在價值的程度，是本研究重點關注的核心指標。\beta_0為常數項，代表在所有解釋變量取值為0時殼資源溢價率的基準水平。\beta_1-\beta_{11+n+1}為各解釋變量和控制變量的回歸系數，它們衡量了每個變量對殼資源溢價率的影響方向和程度。當回歸系數為正時，表明該變量與殼資源溢價率呈正相關關系，即變量值增加會導致殼資源溢價率上升；當回歸系數為負時，則表明該變量與殼資源溢價率呈負相關關系，變量值增加會使殼資源溢價率下降。\varepsilon為隨機誤差項，用于捕捉模型中未考慮到的其他隨機因素對殼資源溢價率的影響，這些因素可能包括一些難以量化的微觀層面的公司特定事件、市場突發情況等。各解釋變量與被解釋變量之間存在著緊密的邏輯聯系。資產負債率（Lev）作為衡量殼公司負債水平的關鍵指標，過高的資產負債率意味著公司面臨較大的財務風險，收購方在接手后可能需要承擔沉重的債務負擔，這會降低殼公司的吸引力，從而對殼資源溢價率產生負面影響，因此預期\beta_1為負。凈資產收益率（Roe）體現了殼公司的盈利能力，盈利能力強的殼公司往往更具投資價值，收購方愿意為其支付更高的價格，進而提高殼資源溢價率，所以預期\beta_2為正。每股凈資產（Bps）反映了殼公司每股股票所代表的實際資產價值，較高的每股凈資產表明殼公司資產質量較好，對收購方更具吸引力，殼資源溢價率可能相應提高，預期\beta_3為正。股權集中度（Top1）方面，較高的股權集中度使得收購方獲取控制權的難度相對較小，交易成本降低，這會增加殼公司對收購方的吸引力，推動殼資源溢價率上升，預期\beta_4為正。流通股比例（Float）反映了殼公司股票的流動性，流通股比例高意味著股票在市場上的交易更為活躍，收購方在收購后可以更方便地進行股票交易，降低投資風險，因此愿意為這類殼公司支付更高的溢價，預期\beta_5為正。公司市值（Size）越大，收購成本通常越高，這會限制部分收購方的參與，從而降低殼資源溢價率，預期\beta_6為負。營業收入規模（Revenue）體現了殼公司的經營規模和市場地位，較大的營業收入規模說明殼公司在行業內具有一定的競爭力和市場份額，對收購方具有吸引力，殼資源溢價率可能較高，預期\beta_7為正。IPO制度（IPO\_reg）作為虛擬變量，核準制下上市難度較大，殼資源的稀缺性增加，需求相對旺盛，導致殼資源溢價率較高；而注冊制下上市條件相對寬松，殼資源的可替代性增強，溢價率可能下降，所以在核準制下IPO\_reg=1，注冊制下IPO\_reg=0，預期\beta_8為正。退市制度（Delist\_reg）同樣為虛擬變量，嚴格的退市制度會減少殼資源的供給，使其稀缺性提高，收購方為獲取稀缺的殼資源愿意支付更高的價格，從而提高殼資源溢價率，當退市制度嚴格時Delist\_reg=1，寬松時Delist\_reg=0，預期\beta_9為正。市場流動性（Liquidity）用市場換手率來度量，市場換手率越高，市場交易越活躍，殼資源的并購交易也會更加活躍，需求增加推動殼資源溢價率上升，預期\beta_{10}為正。控制變量公司年齡（Age）可能會對殼資源溢價率產生影響，成立時間較長的公司可能具有更豐富的行業經驗、穩定的客戶群體和品牌知名度，這些因素可能會影響殼資源的價值和溢價率。行業（Industry）作為虛擬變量，不同行業的市場競爭程度、發展前景、盈利模式等存在差異，會對殼資源的價值和溢價率產生影響，通過設置多個行業虛擬變量，可以控制行業因素對殼資源溢價率的影響。宏觀經濟環境（GDP\_growth）用國內生產總值（GDP）增長率來度量，宏觀經濟狀況會影響企業的經營狀況和市場預期，在經濟增長較快時期，企業投資意愿增強，殼資源需求可能增加，溢價率可能上升；在經濟增長放緩時期，殼資源需求可能減少，溢價率可能下降。通過構建上述多元線性回歸模型，能夠全面、系統地分析各因素對殼資源溢價率的影響，為深入研究殼資源交易市場提供有力的工具和方法。五、實證結果與分析5.1描述性統計對收集到的樣本數據進行描述性統計分析，結果如表1所示。從表中可以看出，殼資源溢價率（Premium）的均值為35.68%，表明樣本中殼資源交易平均溢價水平較高，反映出市場對殼資源的潛在價值有一定的認可和預期。其最大值達到156.32%，最小值為-20.56%，說明殼資源溢價率在不同交易案例中存在較大差異，部分殼資源受到市場高度追捧，溢價幅度較大，而少數案例可能由于各種原因出現了負溢價，即交易價格低于殼公司的理論市場價值。在內部因素相關變量方面，資產負債率（Lev）均值為48.37%，說明樣本殼公司整體負債水平處于中等狀態，但最大值達到89.65%，最小值僅為12.43%，表明不同殼公司之間負債水平差異明顯，負債風險參差不齊。凈資產收益率（Roe）均值為3.25%，最大值為28.67%，最小值為-35.46%，反映出殼公司盈利能力分化嚴重，部分公司盈利能力較強，但也有不少公司處于虧損狀態，盈利能力亟待提升。每股凈資產（Bps）均值為2.65元，最大值為8.76元，最小值為-1.58元，體現了殼公司資產質量的差異，部分殼公司資產質量較好，而一些公司存在資不抵債的情況。股權集中度（Top1）均值為32.56%，表明樣本殼公司第一大股東持股比例相對較高，公司股權相對集中，但最大值達到68.43%，最小值為10.25%，說明不同殼公司股權集中度存在較大差距。流通股比例（Float）均值為65.48%，最大值為98.56%，最小值為20.34%，反映出殼公司股票流動性存在差異，部分殼公司股票流動性較好，交易相對活躍。公司市值（Size）均值為56.87億元，最大值為286.45億元，最小值為12.34億元，體現了殼公司規模大小不一。營業收入規模（Revenue）均值為28.46億元，最大值為186.78億元，最小值為1.25億元，表明殼公司經營規模差異較大。在外部因素相關變量方面，IPO制度（IPO_reg）取值為1（核準制）的樣本占比為60%，取值為0（注冊制）的樣本占比為40%，反映了樣本期間內核準制和注冊制并存的情況。退市制度（Delist_reg）取值為1（嚴格退市制度）的樣本占比為45%，取值為0（寬松退市制度）的樣本占比為55%。市場流動性（Liquidity）均值為2.56%，最大值為15.68%，最小值為0.34%，說明市場交易活躍程度在不同時期存在差異。控制變量中，公司年齡（Age）均值為12.68年，反映了樣本殼公司平均成立年限。行業（Industry）虛擬變量涵蓋了多個行業，體現了不同行業殼資源的情況。宏觀經濟環境（GDP_growth）均值為6.25%，反映了樣本期間內我國宏觀經濟的平均增長水平。通過對各變量的描述性統計分析，初步了解了樣本數據的基本特征和分布情況，為后續的相關性分析和回歸分析奠定了基礎。表1：描述性統計結果變量觀測值均值標準差最小值最大值Premium25035.68%28.45%-20.56%156.32%Lev25048.37%18.46%12.43%89.65%Roe2503.25%12.68%-35.46%28.67%Bps2502.651.84-1.588.76Top125032.56%15.43%10.25%68.43%Float25065.48%22.36%20.34%98.56%Size25056.8745.6812.34286.45Revenue25028.4635.671.25186.78IPO_reg2500.600.4901Delist_reg2500.450.5001Liquidity2502.56%3.24%0.34%15.68%Age25012.684.56525GDP_growth2506.25%1.56%3.24%9.87%5.2相關性分析為了初步了解各變量之間的關系，并檢驗是否存在嚴重的多重共線性問題，對樣本數據進行相關性分析，結果如表2所示。從表中可以看出，殼資源溢價率（Premium）與資產負債率（Lev）的相關系數為-0.325，呈顯著負相關，這與假設H1一致，表明殼公司資產負債率越高，殼資源溢價率越低，資產負債率較高的殼公司，其財務風險較大，對收購方的吸引力降低，從而導致溢價率下降。殼資源溢價率與凈資產收益率（Roe）的相關系數為0.286，呈顯著正相關，支持假設H2，說明殼公司凈資產收益率越高，盈利能力越強，殼資源溢價率越高，盈利能力強的殼公司更受收購方青睞，愿意支付更高的溢價。殼資源溢價率與每股凈資產（Bps）的相關系數為0.254，呈正相關，與假設H3相符，表明每股凈資產越高，殼公司資產質量越好，殼資源溢價率越高。股權集中度（Top1）與殼資源溢價率的相關系數為0.213，呈正相關，支持假設H4，說明股權集中度越高，收購方獲取控制權相對容易，殼資源溢價率越高。流通股比例（Float）與殼資源溢價率的相關系數為0.198，呈正相關，符合假設H5，表明流通股比例越高，股票流動性越好，殼資源溢價率越高。公司市值（Size）與殼資源溢價率的相關系數為-0.236，呈負相關，與假設H6一致，說明公司市值越大，收購成本越高，殼資源溢價率越低。營業收入規模（Revenue）與殼資源溢價率的相關系數為0.205，呈正相關，支持假設H7，表明營業收入規模越大，殼公司經營狀況越好，殼資源溢價率越高。IPO制度（IPO_reg）與殼資源溢價率的相關系數為0.185，呈正相關，與假設H8相符，說明核準制下殼資源溢價率高于注冊制下殼資源溢價率，IPO制度的嚴格程度影響殼資源的稀缺性和溢價率。退市制度（Delist_reg）與殼資源溢價率的相關系數為0.176，呈正相關，支持假設H9，表明退市制度越嚴格，殼資源溢價率越高，嚴格的退市制度減少了殼資源供給，使其稀缺性增加，溢價率上升。市場流動性（Liquidity）與殼資源溢價率的相關系數為0.224，呈正相關，與假設H10一致，說明市場流動性越高，殼資源并購交易越活躍，殼資源溢價率越高。在各解釋變量之間，資產負債率與凈資產收益率的相關系數為-0.456，呈現較強的負相關關系，表明資產負債率較高的殼公司，其盈利能力往往較弱。資產負債率與每股凈資產的相關系數為-0.384，也呈負相關，說明資產負債率高的殼公司，資產質量可能較差。公司市值與營業收入規模的相關系數為0.568，相關性較強，這是因為一般情況下，營業收入規模大的公司，其市場份額和影響力較大，公司市值也相對較高。雖然部分變量之間存在一定相關性，但相關系數均未超過0.8，初步判斷不存在嚴重的多重共線性問題，但仍需在后續回歸分析中進一步檢驗。控制變量公司年齡（Age）與殼資源溢價率的相關系數為-0.085，相關性較弱。行業（Industry）虛擬變量與殼資源溢價率的相關性在不同行業中有所差異，需要在回歸分析中進一步控制行業因素的影響。宏觀經濟環境（GDP_growth）與殼資源溢價率的相關系數為0.126，呈正相關，說明宏觀經濟增長較快時，殼資源溢價率有上升趨勢。通過相關性分析，初步驗證了部分研究假設，同時了解了各變量之間的相關關系，為后續的回歸分析奠定了基礎。表2：相關性分析結果變量PremiumLevRoeBpsTop1FloatSizeRevenueIPO_regDelist_regLiquidityAgeGDP_growthPremium1Lev-0.325**1Roe0.286**-0.456**1Bps0.254**-0.384**0.327**1Top10.213**0.156-0.0850.1121Float0.198**0.0960.1250.1080.1341Size-0.236**-0.1850.1050.146-0.205-0.1181Revenue0.205**-0.1680.1760.1340.1860.1540.568**1IPO_reg0.185**0.102-0.0760.0840.1150.098-0.124-0.1051Delist_reg0.176**0.085-0.0680.0760.1080.086-0.116-0.0980.1351Liquidity0.224**0.1280.1360.1150.1480.165-0.135-0.1260.1120.1051Age-0.0850.115-0.0920.0780.0650.0840.1250.106-0.096-0.088-0.0761GDP_growth0.126-0.0850.0960.0840.0750.068-0.095-0.0860.1050.0980.114-0.0741注：**表示在1%水平上顯著相關5.3回歸結果分析對構建的多元線性回歸模型進行估計，回歸結果如表3所示。從整體模型的顯著性來看，F統計量的值為10.25，對應的P值小于0.01，表明模型整體在1%的水平上顯著，即所選取的解釋變量和控制變量能夠有效地解釋殼資源溢價率的變化。調整R2為0.326，說明模型對殼資源溢價率的解釋能力為32.6%，雖然不是很高，但考慮到殼資源溢價率的影響因素較為復雜，存在一些難以量化的因素，該模型仍具有一定的解釋力。在內部因素方面，資產負債率（Lev）的回歸系數為-0.285，在1%的水平上顯著為負，與假設H1一致，表明殼公司資產負債率每增加1%，殼資源溢價率平均下降0.285個百分點，資產負債率較高的殼公司財務風險較大，收購方愿意支付的溢價較低。凈資產收益率（Roe）的回歸系數為0.186，在5%的水平上顯著為正，支持假設H2，說明殼公司凈資產收益率每提高1%，殼資源溢價率平均上升0.186個百分點，盈利能力強的殼公司更受收購方歡迎，溢價率更高。每股凈資產（Bps）的回歸系數為0.154，在5%的水平上顯著為正，與假設H3相符，表明每股凈資產每增加1元，殼資源溢價率平均上升0.154個百分點，資產質量好的殼公司具有更高的溢價率。股權集中度（Top1）的回歸系數為0.125，在10%的水平上顯著為正，支持假設H4，說明股權集中度每提高1%，殼資源溢價率平均上升0.125個百分點，股權集中度高有利于收購方獲取控制權，從而提高殼資源溢價率。流通股比例（Float）的回歸系數為0.118，在10%的水平上顯著為正，符合假設H5，表明流通股比例每增加1%，殼資源溢價率平均上升0.118個百分點，股票流動性好能吸引收購方，提高溢價率。公司市值（Size）的回歸系數為-0.168，在1%的水平上顯著為負，與假設H6一致，說明公司市值每增加1億元，殼資源溢價率平均下降0.168個百分點，公司市值大導致收購成本高，溢價率降低。營業收入規模（Revenue）的回歸系數為0.136，在5%的水平上顯著為正，支持假設H7，表明營業收入規模每增加1億元，殼資源溢價率平均上升0.136個百分點，經營規模大的殼公司對收購方更具吸引力，溢價率更高。在外部因素方面，IPO制度（IPO_reg）的回歸系數為0.105，在5%的水平上顯著為正，與假設H8相符，說明在核準制下，殼資源溢價率比注冊制下平均高出0.105個百分點，IPO制度的嚴格程度影響殼資源的稀缺性和溢價率。退市制度（Delist_reg）的回歸系數為0.098，在5%的水平上顯著為正，支持假設H9，表明退市制度嚴格時，殼資源溢價率比寬松時平均高出0.098個百分點，嚴格的退市制度減少殼資源供給，提高溢價率。市場流動性（Liquidity）的回歸系數為0.145，在1%的水平上顯著為正，與假設H10一致，說明市場換手率每提高1%，殼資源溢價率平均上升0.145個百分點，市場流動性越高，殼資源并購交易越活躍，溢價率越高。控制變量中，公司年齡（Age）的回歸系數不顯著，說明公司年齡對殼資源溢價率的影響不明顯。不同行業（Industry）虛擬變量的回歸系數在部分行業顯著，表明不同行業對殼資源溢價率存在影響，如信息技術行業的殼資源溢價率相對較高，而傳統制造業的殼資源溢價率相對較低。宏觀經濟環境（GDP_growth）的回歸系數為0.086，在5%的水平上顯著為正，說明宏觀經濟增長率每提高1%，殼資源溢價率平均上升0.086個百分點，宏觀經濟環境向好時，殼資源溢價率上升。通過回歸結果分析，驗證了大部分研究假設，明確了各因素對殼資源溢價率的影響方向和程度，為進一步理解殼資源交易市場提供了實證依據。表3：回歸結果變量系數標準誤t值P值[95%置信區間]Lev-0.285***0.056-5.090.000-0.395，-0.175Roe0.186**0.0782.380.0180.032，0.340Bps0.154**0.0652.370.0190.026，0.282Top10.125*0.0681.840.0660.002，0.248Float0.118*0.0691.710.0880.002，0.234Size-0.168***0.045-3.730.000-0.257，-0.079Revenue0.136**0.0552.470.0140.028，0.244IPO_reg0.105**0.0452.330.0200.017，0.193Delist_reg0.098**0.0432.280.0230.014，0.182Liquidity0.145***0.0423.450.0010.062，0.228Age-0.0250.035-0.710.478-0.093，0.043Industry10.085*0.0451.890.0600.001，0.169Industry2-0.0760.046-1.650.100-0.166，0.014..................GDP_growth0.086**0.0372.320.0210.013，0.159_cons0.1250.1560.800.424-0.182，0.432注：*、、*分別表示在1%、5%、10%的水平上顯著5.4穩健性檢驗為確保研究結果的可靠性和穩定性，本研究采用多種方法進行穩健性檢驗。首先，替換變量度量方式。在原有模型中，公司規模使用公司市值（Size）衡量，為進一步驗證結果的穩健性，本研究以營業收入（Revenue）的對數來重新度量公司規模（Size_new）。營業收入是公司經營活動的重要成果，能夠反映公司的經營規模和市場地位，與公司市值一樣，從不同角度體現了公司規模大小。將新的公司規模變量代入原回歸模型進行估計，回歸結果如表4所示。從表4可以看出，調整后的模型F統計量為9.86，對應的P值小于0.01，表明模型整體依然顯著。大部分解釋變量的符號和顯著性與原回歸結果基本一致。資產負債率（Lev）的回歸系數仍在1%的水平上顯著為負，凈資產收益率（Roe）、每股凈資產（Bps）、股權集中度（Top1）、流通股比例（Float）、營業收入規模（Revenue）、IPO制度（IPO_reg）、退市制度（Delist_reg）和市場流動性（Liquidity）的回歸系數也分別在相應水平上顯著，且符號與原結果一致。這說明即使替換了公司規模的度量方式，各因素對殼資源溢價率的影響方向和程度依然穩定，原回歸結果具有一定的穩健性。其次，改變樣本區間。原樣本選取了2015-2025年的數據，為檢驗樣本區間對結果的影響，本研究將樣本區間縮短為2018-2022年，重新進行回歸分析，結果如表5所示。在新的樣本區間下，模型F統計量為10.12，P值小于0.01，模型整體顯著。各解釋變量的回歸結果與原樣本區間的回歸結果相比，大部分變量的符號和顯著性保持穩定。資產負債率（Lev）、凈資產收益率（Roe）、每股凈資產（Bps）、股權集中度（Top1）、流通股比例（Float）、公司市值（Size）、營業收入規模（Revenue）、IPO制度（IPO_reg）、退市制度（Delist_reg）和市場流動性（Liquidity）的回歸系數符號與原結果一致，且在相應水平上顯著。這表明在不同的樣本區間下，各因素對殼資源溢價率的影響依然穩定，原回歸結果不受樣本區間選擇的影響，具有穩健性。最后，排除異常值影響。在原樣本中，可能存在一些異常值對回歸結果產生干擾。本研究采用1%水平的雙邊縮尾處理方法，對所有連續變量進行處理，剔除異常值后重新進行回歸分析，結果如表6所示。經過縮尾處理后，模型F統計量為10.38，P值小于0.01，模型整體依然顯著。各解釋變量的回歸結果與原回歸結果基本一致，大部分變量的符號和顯著性未發生改變。資產負債率（Lev）、凈資產收益率（Roe）、每股凈資產（Bps）、股權集中度（Top1）、流通股比例（Float）、公司市值（Size）、營業收入規模（Revenue）、IPO制度（IPO_reg）、退市制度（Delist_reg）和市場流動性（Liquidity）的回歸系數在相應水平上顯著，且符號與原結果一致。這說明排除異常值后，各因素對殼資源溢價率的影響依然穩定，原回歸結果具有穩健性。通過以上多種穩健性檢驗方法，結果均表明原回歸結果具有較高的可靠性和穩定性，各因素對殼資源溢價率的影響結論是可信的。表4：替換變量度量方式的回歸結果變量系數標準誤t值P值[95%置信區間]Lev-0.278***0.058-4.800.000-0.392，-0.164Roe0.182**0.0802.280.0230.025，0.339Bps0.150**0.0672.240.0260.018，0.282Top10.120*0.0701.710.0880.002，0.238Float0.114*0.0711.610.1080.001，0.227Size_new0.105**0.0442.390.0170.019，0.191Revenue0.132**0.0572.320.0210.020，0.244IPO_reg0.102**0.0462.220.0270.012，0.192Delist_reg0.095**0.0442.160.0310.010，0.180Liquidity0.142***0.0433.300.0010.058，0.226Age-0.0230.036-0.640.522-0.094，0.048Industry10.082*0.0461.780.0750.001，0.163Industry2-0.0730.047-1.550.122-0.165，0.019..................GDP_growth0.083**0.0382.180.0300.009，0.157_cons-0.0850.162-0.520.603-0.404，0.234注：*、、*分別表示在1%、5%、10%的水平上顯著表5：改變樣本區間的回歸結果變量系數標準誤t值P值[95%置信區間]Lev-0.280***0.055-5.090.000-0.389，-0.171Roe0.184**0.0762.420.0160.035，0.333Bps0.152**0.0632.410.0170.029，0.275Top10.123*0.0661.860.0630.005，0.241Float0.116*0.0671.730.0840.003，0.229Size-0.165***0.043-3.840.000-0.250，-0.080Revenue0.134**0.0532.530.0120.030，0.238IPO_reg0.103**0.0432.400.0170.018，0.188Delist_reg0.096**0.0412.340.0200.015，0.177Liquidity0.143***0.0403.580.0000.064，0.222Age-0.0240.034-0.710.477-0.091，0.043Industry10.084*0.0441.910.0570.003，0.165Industry2-0.0750.045-1.670.096-0.164，0.014..................GDP_growth0.085**0.0352.430.0160.016，0.154_cons0.1200.1500.800.424-0.176，0.416注：*、、*分別表示在1%、5%、10%的水平上顯著表6：排除異常值影響的回歸結果變量系數標準誤t值P值[95%置信區間]Lev-0.288***0.054-5.330.000-0.394，-0.182Roe0.188**0.0752.510.0120.040，0.336Bps0.156**0.0622.520.0120.033，0.279Top10.127*0.0651.950.0510.008，0.246Float0.120*0.0661.820.0690.004，0.236Size-0.170***0.042-4.050.000-0.253，-0.087Revenue0.138**0.0522.650.0080.036，0.240IPO_reg0.107**0.0422.550.0110.024，0.190Delist_reg0.099**0.0402.480.0130.020，0.178Liquidity0.147***0.0393.770.0000.070，0.224Age-0.0260.033-0.790.430-0.091，0.039Industry10.086*0.0431.990.0470.005，0.167Industry