“投資者付費”模式能改善評級市場的信息質量嗎？
——基于中債資信評級的實證研究

阮永鋒 徐曉萍 劉音露

(上海財經大學金融學院，上海 200433)

引言

金融危機爆發后，國際主要評級機構因其給予結構化金融產品虛高的評級而飽受質疑。在分析評級機構行為背后的原因時，業界和學術界普遍認為，“發行人付費”模式內生的利益沖突是導致評級虛高的根源。在“發行人付費”模式下，發行人可以自主選擇評級機構，并支付評級費用，這意味著發行人可以進行“評級選購”(Skreta和Veldkamp，2009)[11]；同時，評級機構作為營利性組織，也存在迎合發行人訴求以獲得業務的經濟激勵(Griffin et al.2013；Kraft，2015)[7][9]。因此，“發行人付費”模式可能會降低評級機構的獨立性，從而減弱信用評級的風險揭示作用。與“發行人付費”模式相比，在“投資者付費”模式下，評級機構與發行人之間不存在直接的利益關系，因而它們能夠相對獨立、客觀、公正地對發行人進行評級，同時也能夠促使“發行人付費”機構更加重視聲譽(Xia，2014)[13]，從而使評級市場的總體信息質量上升。基于以上原因，監管部門開始鼓勵“投資者付費”模式的發展，期望“投資者付費”機構能夠改善整體行業的公信力。

雖然金融危機對我國資本市場的直接沖擊較小，但危機產生的一系列負面經濟后果使我國監管部門意識到，完善信用評級制度對于防范系統性金融風險具有重要作用。2010年，中債資信評估有限責任公司成立1，成為國內首家實行“投資者付費”模式的信用評級公司。在“投資者付費”模式下，中債資信不必通過迎合發行人的訴求以獲得業務，使其評級保持相對的客觀和公正。同時，投資者可以利用中債評級對其他評級結果進行檢驗，一定程度上能夠促使其他機構更加注重聲譽的積累，提高評級的準確性。我們的問題是，在中債評級普遍低于其他評級的背景下，其他機構是否會出于維護聲譽的考慮，而提高其評級質量？這是本文研究的第一個問題。

商業銀行、保險公司等機構投資者是我國債券市場的主要參與者，具有較強的專業分析能力，能夠根據市場信息對債券定價進行調整。根據監管規定，評級機構一般需要公開披露信用評級報告，故而機構投資者能夠較為便利地獲取不同機構的評級報告。在實踐中，“發行人付費”機構評級報告一般包含在債券發行文件中，因而投資者往往先接觸到此類機構的評級報告，并將其視為投資依據。那么，在中債資信與其他機構覆蓋同一受評對象的情況下，中債評級能否為投資者提供增量信息，進而影響到投資者對債券的定價？這是本文研究的第二個問題。

基于上述背景，本文利用2008～2016年發債企業主體評級和債券發行數據，考察了中債評級對評級市場信息質量的影響。研究發現，中債評級是否覆蓋同一受評對象對其他評級高低并無影響，說明目前“投資者付費”模式尚未改善“發行人付費”機構的評級質量。但是，中債評級釋放了其他機構評級質量的信號：在中債評級與其他機構評級存在較大差異的情況下，投資者會利用中債評級對債券定價進行調整；而在兩類機構評級差異較小時，投資者并未利用中債評級對債券定價進行調整。本文的貢獻在于：第一，Xia(2014)[13]、林晚發等(2017)[16]、孟慶斌等(2018)[18]發現，在“投資者付費”模式的壓力下，“發行人付費”評級機構會降低其信用等級。但是，本文結合我國評級市場的現實情況，在全面考察了中債評級對其他評級的影響后，得出與國內外現有文獻不同的結論，這進一步豐富了評級付費模式的相關文獻；第二，本文從信息披露質量視角，考察了中債評級對其他評級降低信用利差效果的影響及其作用機理，這對于理解中債資信在評級市場中的作用具有重要的參考價值。

文獻綜述與研究假設

金融危機爆發后，國內外文獻從多個視角研究了造成評級虛高的因素。一般認為，“發行人付費”模式會導致利益沖突，從而降低評級質量。Jiang et al.(2012)[8]研究了收費模式轉變(從“投資者付費”模式轉變為“發行人付費”模式)對標準普爾評級質量的影響。他們發現，以穆迪公司(實行“發行人付費”模式)的評級作為基準，在收費模式轉變之前，標準普爾的評級通常低于穆迪的評級；而在收費模式轉變之后，兩家機構的評級并沒有顯著差異。Strobl和Xia(2012)[12]發現，與實行“投資者付費”模式的EJR (Egan-Jones Rating Company)相比，實行“發行人付費”模式的標準普爾的評級更高。并且在利益沖突嚴重的情況下，兩者之間的評級差異更大，這意味著“發行人付費”模式可能會導致評級虛高。在評級機構實行“發行人付費”模式的情況下，評級市場競爭(Becker和Milbourn，2011；Bolton et al.，2012；Cohen和Manuszak，2013)[2][4][5]、受評對象復雜度(Mathis et al.，2009)[10]等因素都可能加劇評級虛高問題，從而降低評級質量。

聲譽是評級機構生存和發展的基礎，因而聲譽約束機制有助于提高評級質量。鑒于只有在能夠判斷評級質量的情況下，聲譽機制才可能發揮作用，因而對評級結果進行有效的檢驗是聲譽機制發揮作用的重要前提。與“發行人付費”機構相比，“投資者付費”機構的評級質量更高(Beaver et al.，2006；Berwart et al.，2016；Cornaggia和Cornaggia，2013)[1][3][6]。在兩類評級機構對同一受評對象進行評級時，如果“發行人付費”機構給予的評級較高，則投資者可能質疑其是否出于利益動機而給予發行人虛高的評級，從而給“發行人付費”機構造成聲譽損失。因此，“投資者付費”機構覆蓋同一受評對象時，“發行人付費”機構給予的評級可能更低，其評級也更能反映信用風險，說明在“投資者付費”模式的壓力下，“發行人付費”機構的評級質量會有所提高(Xia，2014)[13]。

與國外評級行業上百年的發展歷程相比，我國評級行業仍處于發展初期，評級虛高問題較為嚴重，因而“投資者付費”模式能否發揮其改善評級市場信息質量的作用值得我們深入研究。對評級機構而言，其行為主要受到利益動機與聲譽動機的影響。一方面，從利益動機角度看，近年來，評級市場競爭不斷加劇(寇宗來等，2015)[15]，評級機構通過給予高評級來維持市場份額的利益動機較強。同時，伴隨著債券市場的快速發展，評級業務規模快速攀升，因而評級機構擁有通過給予高評級以獲得新業務的動機。另一方面，從聲譽動機角度看，我國評級行業發展歷程較短，評級機構的聲譽尚未完全建立起來，加之剛性兌付仍未完全打破等原因，聲譽機制發揮的市場約束作用相對有限。在“發行人付費”機構的利益動機較強，而聲譽約束力有限的情況下，“投資者付費”模式對“發行人付費”模式評級的影響力可能較弱。基于上述分析，本文提出以下假設：

H1：中債評級是否覆蓋同一受評對象不影響其他機構評級高低。

信用評級能夠為投資者提供增量信息，有助于降低債券發行人與投資者之間的信息不對稱，因而會影響到債券的融資成本。何平和金夢(2010)[14]發現，債項評級和主體評級均能降低發行成本，并且前者的作用更強。王安興等(2012)[20]發現，信用評級越高，信用利差越低。沈紅波和廖冠明(2014)[19]發現，評級機構的專有信息能夠降低發行成本，當企業規模較小時(即信息不對稱程度更嚴重)，專有信息的作用更顯著。

投資者通過搜集、分析信息來判斷投資風險。如果信息披露質量較低，投資者為保障自身利益，會要求更高的風險溢價。信用評級是揭示債券違約風險的信息，其質量會直接影響到融資成本。信用評級質量越差，其降低融資成本的作用越弱。王雄元和張春強(2013)[21]發現，信用評級具有降低融資成本的作用，但是發行前主體評級調增、較低的評級機構聲譽會減弱這種作用。邢天才等(2016)[22]發現，評級市場競爭會導致評級虛高，從而減弱信用評級降低融資成本的作用。寇宗來等(2015)[15]甚至認為，我國信用評級的可信度較低，其降低融資成本的作用較弱。在其他機構評級飽受質疑的背景下，中債評級能夠對其他評級結果進行檢驗，為投資者提供增量信息，從而影響到投資者對債券的定價。基于上述分析，本文提出以下假設：

H2：中債評級是否覆蓋同一受評對象會影響信用利差。

研究設計

一、數據來源與樣本選擇

本文以2008～2016年獲得其他機構主體評級(包括發行時主體評級和跟蹤評級)的企業作為樣本，按照以下標準對數據進行處理：(1)由于金融類企業與其他行業企業區別較大，因此剔除金融類企業樣本；(2)刪除評級數量過少的評級機構(上海遠東和東方金誠)所對應的樣本；(3)刪除其他機構主體評級低于A-的樣本。原因在于，企業的主體評級基本上都在A-及以上，因而當主體評級低于A-時，可能意味著企業資質嚴重下滑，評級機構將會持續降低企業的主體評級，從而干擾到對中債評級影響的研究2；(4)企業在一年內可能擁有多次其他評級數據，為避免重復，本文僅保留一次其他評級數據。在樣本篩選方面，若存在被中債評級覆蓋(具體見下文Coverage的定義)的其他評級樣本，則保留年內最后一次被中債評級覆蓋的其他評級樣本；若不存在被中債評級覆蓋的其他評級樣本，則保留年內最后一次的其他評級樣本；(5)刪除變量缺失樣本。本文數據來自Wind資訊。為控制極端值的影響，本文對所有連續變量在1%和99%分位上進行winsorize處理。

二、模型構建與變量定義

模型(1)是本文的主要回歸模型，具體變量定義如下：

被解釋變量：模型(1)中的被解釋變量Rating為其他機構主體評級。我們根據信用等級高低對評級符號進行賦值：A-=1、A=2、A+=3、AA-=4、AA=5、AA+=6、AAA=7。由于被解釋變量為多元有序變量，現有文獻通常采用OLS或Ordered Logit進行研究，為使結論更加穩健，本文同時采用OLS和Ordered Logit對模型進行估計。

解釋變量：Xia(2014)[13]以“發行人付費”評級日期是否在“投資者付費”機構首次覆蓋之后作為解釋變量，能夠直接衡量“投資者付費”模式對“發行人付費”模式評級的影響，本文主要以此為參考構造解釋變量3。對于同一受評對象，在其他評級報告發布之前，市場上已經有中債評級報告，則中債評級才可能對其他評級產生影響。由于評級報告的有效期一般為一年，因此我們對解釋變量Coverage的定義如下：如果在其他評級發布日期前365天內，受評對象被中債評級覆蓋(即受評對象擁有中債評級)，那么Coverage取值為1，否則為0。

控制變量：在樣本期內未被中債評級覆蓋企業的其他評級均值為4.853，而在樣本期內被中債評級覆蓋企業的其他評級均值為5.587，兩者的差異在1%的水平下顯著，說明被中債評級覆蓋企業的資質更好。對此，本文加入是否有中債評級變量以控制這種偏差。我們還參考沈紅波和廖冠民(2014)[19]、馬榕和石曉軍(2015)[17]等文獻，選取企業規模、負債水平、盈利能力、成長性、資產周轉率、是否上市企業、是否國有企業等指標作為控制變量，并控制了行業和年度差異。變量定義見表1。

表1 變量定義

表2 變量描述性統計結果

實證結果與分析

一、描述性分析

表2報告了主要變量的描述性統計結果。Rating的均值為5.153，標準差為1.062，說明發債企業主體評級主要集中于AA和AA+。Coverage的均值為0.146，說明同時被中債資信與其他機構覆蓋的樣本量仍較小。Treated的均值為0.409，說明40.9%的樣本對應的企業在樣本期內至少獲得過一次中債評級。對于其他控制變量，Size的均值為23.573；Lev的均值為0.564；ROA的均值為0.028；Growth的均值為0.234；Asturn的均值為0.476；List的均值為0.207；SOE的均值為0.797。

二、不同收費模式評級的差異性比較

我們先對中債評級和其他評級的差異進行統計分析。表3為同時擁有中債評級和其他評級的樣本(即Coverage=1的樣本)的分析結果。鑒于中債評級的分布范圍較廣，我們對中債評級進行如下賦值：對于69個低于A-的中債評級，我們將其賦值為0；對于AAA-和AAA+的中債評級(其他評級無AAA+評級，基本上沒有AAA-評級)，我們將其賦值為7；其他中債評級的賦值方式與上文相同。鑒于2011年的樣本量僅為7，不具有代表性，我們僅對2012～2016年的統計結果進行分析。表3數據顯示，對于同一受評對象，中債評級普遍低于其他評級，兩者差異的均值基本上都在1.7個等級以上，并且在1%的水平下顯著。

如果其他機構受到中債資信的影響，并出于維護聲譽的考慮而提高其評級質量，我們應該看到中債評級與其他評級之間的差異會隨時間的推移而逐漸趨小。但從表3的結果來看，評級差異并未發生這樣的變化，反而在2016年急劇增大。這個事實說明，伴隨著中債資信對市場的影響力逐漸增大，其他機構并未因中債評級覆蓋同一受評對象而收緊評級標準，反映出中債評級對其他評級的影響力較弱。

表3 中債評級和其他評級的差異及其年度變化

三、中債評級覆蓋與信用評級高低

為考察中債評級覆蓋對其他評級的影響，本文對模型(1)進行回歸。表4報告了中債評級覆蓋與其他評級高低的回歸結果。列(1)結果顯示，Coverage的回歸系數不顯著，說明中債評級是否覆蓋同一受評對象對其他評級高低沒有影響，假設1得以成立。在列(2)中，Coverage的回歸系數仍不顯著，進一步支持了假設1。這個結論與Xia(2014)[13]的不同，原因可能在于，“投資者付費”模式評級發揮聲譽約束作用，需要良好的外部環境作為支撐。現階段，實行“投資者付費”模式的中債資信，較少與“發行人付費”機構展開直接競爭。因此，對“發行人付費”機構而言，其最優競爭策略主要取決于其他“發行人付費”機構的策略。在評級市場“級別競爭”嚴重的情況下，“發行人付費”機構提高評級準確性以維護聲譽的行為，很可能會導致其市場份額下降。在評級市場規模快速發展的背景下，維護聲譽行為所產生的長期收益很可能無法覆蓋其所造成的短期損失。因此，目前我國“發行人付費”機構更多地還是在努力提高各自的市場份額，而對聲譽的重視程度不足，致使它們對中債評級的反應不足。

表4 中債評級覆蓋與信用評級高低

表4顯示控制變量中，是否擁有中債評級(Treated)、企業規模(Size)、營利能力(ROA)、資產周轉率(Asturn)、是否上市公司(List)和是否國有企業(SOE)與信用評級顯著正相關，而負債水平(Lev)和成長性(Growth)與信用評級顯著負相關，這些控制變量的回歸結果基本符合預期。此外，adjR2和pseudo R2的數值較大，說明本文變量選取較為合理，能夠較好地解釋影響信用評級高低的因素。

四、信用評級、中債評級與信用利差

在中債評級是否覆蓋同一受評對象并不影響其他機構評級高低的情況下，投資者是否會利用中債評級信息，對債券價格進行調整呢？為考察中債評級對信用利差的作用，我們利用2008～2016年債券發行數據進行研究。樣本按照以下標準進行選取：(1)從Wind資訊獲得上文樣本企業在2008～2016年發行的企業債、公司債、中期票據、短期融資券和定向工具(PPN)數據；(2)對一年內多次發行債券的樣本企業，若存在被中債評級覆蓋(具體見下文Coverage的定義)的樣本，則保留年內最后一次被中債評級覆蓋的樣本；否則保留年內最后一次的樣本。

這里我們考察的是中債評級對信用利差的作用，因此變量的定義與上文有所區別。具體區別如下：(1)信用利差(Spread)為債券發行利率與發行日同期限國債收益率的差值(%)；(2)Coverage的定義與上文不同。如果在債券發行日前365天內，發債企業被中債評級覆蓋，那么Coverage取值為1，否則為0；(3)為控制債券特征，本文增加了債券存續期限(Term)、是否有擔保(Guarantee)和債券類型虛擬變量。其他變量定義與上文相同。為控制極端值的影響，我們對所有連續變量在1%和99%分位上進行winsorize處理。

在“發行人付費”機構評級普遍偏高的背景下，中債評級和其他評級之間的差異越大，越可能釋放其他評級質量較差的信號。為進一步考察投資者是否會利用中債評級信息，我們還對Coverage等于1的子樣本(即同時擁有中債評級和其他評級的樣本)進行深入研究。我們構造了評級差異變量Distance，定義為發行時主體評級和發行日前最近一次中債評級的差值。數據顯示，Distance的取值范圍為0～6。

表5中列(1)報告了信用評級、中債評級覆蓋與信用利差的全樣本回歸結果。Coverage的回歸系數為0.065，在1%的水平下顯著，說明中債評級是否覆蓋同一受評對象對信用利差有正向影響。列(2)報告了信用評級、評級差異與信用利差的回歸結果。Distance的回歸系數為0.195，在1%的水平下顯著，說明中債評級與其他評級的差異越大，則投資者要求的回報越高，即投資者利用了中債評級信息，對債券定價進行了調整。以上結果說明，總體上，中債評級是否覆蓋同一受評對象會影響信用利差，假設2得以成立。

表5中列(1)和列(2)的結果表明，從整體上看，中債評級覆蓋同一受評對象會提高信用利差，并且評級差異越大，信用利差越高。然而，以上結果并未清晰地說明中債評級在其中的作用機理，特別是在中債評級與其他評級相同的時候，中債評級對信用利差到底有怎樣的影響？對此，我們從理論上提出兩種可能性。第一種可能性是：在評級差異較小的情況下，中債評級對其他評級具有認證作用，即中債評級提高了投資者對其他評級的認可度，進而降低了信用利差。伴隨著評級差異的擴大，中債評級對其他評級的認證作用消失，甚至還會釋放其他評級質量較差的信號，從而提高了信用利差；第二種可能性是：在評級差異較小的情況下，投資者并未利用中債評級對債券定價進行調整。但伴隨著評級差異的擴大，中債評級釋放了其他評級質量較差的信號，投資者據此信息，要求更高的投資回報。

表5 信用評級、中債評級與信用利差

為檢驗以上兩種可能性，我們將未被中債評級覆蓋樣本(即Coverage=0樣本)和評級差異相同的樣本(即Distance分別為0～6時的樣本)合并作為子樣本，重新進行回歸。如果第一種可能性成立，我們應該看到當Distance較小時，子樣本回歸結果中Coverage的系數應顯著為負；如果第二種可能性成立，則我們應該看到當Distance較小時，子樣本回歸結果中Coverage的系數應不顯著。回歸結果顯示，當Distance分別為0～2時，Coverage的系數均不顯著；而當Distance分別為3～6時，Coverage的系數均在1%的水平下顯著為正。由此可見，第二種可能性成立。由于篇幅所限，本文僅分別列出Distance≤2和Distance＞2時，子樣本的回歸結果。

綜合以上分析，我們發現，投資者對中債資信與其他機構是否覆蓋了同一受評對象并不關注，他們關注的是中債評級與其他評級之間的差異是否足夠大。在兩者之間的差異較小時，投資者并不依據前者對債券定價進行調整；而當兩者存在較大差異時，中債評級實際上釋放了其他評級質量較差的信號，投資者會利用此信息對債券定價進行調整，即他們要求更高的投資回報。

五、進一步的研究：中債評級覆蓋對不同“發行人付費”機構的評級均無影響嗎？

“投資者付費”模式評級發揮聲譽約束作用的基礎在于聲譽受損會給“發行人付費”機構造成較大損失，而不同評級機構之間聲譽資本迥異，那么，中債評級覆蓋對不同機構的評級均不產生影響嗎？為回答這個問題，我們進一步分組考察了中債評級覆蓋對不同機構評級的影響。在數據處理方面，我們將關聯公司視為同一家機構，包括以下兩組：中誠信國際信用評級有限責任公司和中誠信證券評估有限公司、聯合資信評估有限公司和聯合信用評級有限公司。表6報告了采用OLS方法得到的中債評級覆蓋與信用評級高低的分組回歸結果。在列(2)和列(3)中，Coverage的回歸系數僅在10%的水平下顯著，在列(1)、列(4)和列(5)中，Coverage的回歸系數均不顯著。同時，在采用Ordered Logit方法得到的中債評級覆蓋與信用評級高低的分組回歸結果中(結果未列出)，Coverage的回歸系數均不顯著。總體上看，中債評級是否覆蓋同一受評對象對不同機構的評級均無影響。原因可能在于，我國評級行業“級別競爭”嚴重，評級機構在與發行人博弈中處于弱勢地位。如果一家評級機構因中債評級覆蓋同一受評對象而擔心聲譽受損，收緊了評級標準，則發行人可能轉而委托另一家評級機構進行評級，從而導致該評級機構丟失業務。因此，在市場競爭壓力下，各評級機構對中債評級覆蓋均不做反應。

六、穩健性檢驗

表6 中債評級覆蓋與信用評級高低(分組結果)

表7 中債評級次數與信用評級高低

為進一步證實結論的可靠性，我們參考林晚發等(2017)[16]的方法，構造變量CBR_num，并把它定義為發債主體上年度受到中債資信評級的次數。表7結果顯示，CBR_num的回歸系數均不顯著，說明中債評級次數不影響其他機構評級高低，進一步支持了本文的基本結論4。

另外，為解決選擇性偏差問題，本文還采用傾向得分匹配法(PSM)與雙重差分法(DID)進行穩健性檢驗。首先，為確保在中債評級對其他評級有影響時，中債評級的影響足夠大，以及使得研究設計簡單明了，我們以2012年首次擁有中債評級、并且在2013～2016年間至少2個年度擁有中債評級的企業作為處理組企業；其次，我們將樣本期內未獲得過中債評級的企業作為控制組企業；再次，根據2011年末控制變量(具體包括：Size、Lev、ROA、Growth、Asturn、List、SOE和行業)，我們用PSM方法，將處理組企業與控制組企業進行一對一不重復匹配，進而獲得匹配后的企業在樣本期內的數據；最后，2012年為處理組企業首次獲得中債評級的年份，考慮到中債評級日期與其他評級日期分布于全年，兩者之間沒有明確的先后順序，因而難以清晰地考察當年度中債評級對其他評級的影響。同時，為滿足DID方法對時間節點的要求，我們刪除了所有企業的2012年樣本。最終我們篩選出1516個樣本。出于研究需要，本文對Post做如下定義：如果其他評級日期所屬年份在2012年后，Post取值為1，否則為0。表8報告了PSM與DID方法的回歸結果。Treated×Post的回歸系數不顯著，說明中債評級是否覆蓋同一受評對象確實不影響其他機構的評級高低，進一步支持了本文的基本結論。

表8 中債評級覆蓋與信用評級高低(PSM與DID)

研究結論

評級市場信息質量是關系防范金融風險的大事，在政府加大金融風險防范力度的背景下，考察這一問題愈發重要。本文利用2008～2016年發債企業主體評級和債券發行數據，分析考察了實行“投資者付費”模式的中債資信對評級市場信息質量的改善作用。我們發現：第一，中債評級是否覆蓋同一受評對象對其他機構評級高低并無影響，說明目前“投資者付費”模式尚未改善“發行人付費”機構的評級質量，評級市場聲譽機制的建立尚需時日；第二，總體上，中債評級是否覆蓋同一受評對象會影響信用利差，即投資者會利用中債評級對債券定價進行調整。但在中債評級與其他評級差異較小的情況下，中債評級不會影響信用利差；第三，進一步的研究發現，中債評級是否覆蓋同一受評對象對不同“發行人付費”機構的評級高低均不產生影響。本文的研究結論表明，“投資者付費”模式能夠為投資者提供增量信息，有助于改善評級市場信息效率。但是，由于缺少良好的外部環境，目前“投資者付費”模式尚未發揮改善“發行人付費”模式評級質量的作用。為完善信用評級制度，監管部門應采取加大違規評級行為的處罰力度、有序打破剛性兌付等措施提高“發行人付費”機構的聲譽損失成本。

注釋

1.下文簡稱為中債資信。下文中，除中債資信以外的評級機構均稱為“其他機構”。與之相對應，中債資信給予的評級稱為“中債評級”；其他機構給予的評級均稱為“其他評級”。

2.感謝審稿專家的意見。我們還將A-以下的評級樣本納入原樣本后重新進行檢驗，結果顯示，本文的結論仍然穩健。

3.在考察“投資者付費”模式對“發行人付費”模式評級的影響時，林晚發等(2017)[16]、孟慶斌等(2018)[18]還采用其他的解釋變量進行研究。林晚發等(2017)[16]以發債企業上年度受到中債資信評級的次數作為解釋變量。我們認為，只有在中債評級與其他評級存在較大差異的情況下，中債資信才可能給其他機構造成較大的壓力，即評級差異才是“投資者付費”模式發揮作用的關鍵條件。鑒于主體評級具有相對穩定性，一般在一年內保持不變，故而在發債企業受到中債資信評級的前提下，中債評級次數多寡很可能不會對其他評級產生影響。因此，我們認為，中債評級次數可能不是一個很恰當的指標。孟慶斌(2018)[18]借鑒Becker和Milbourn(2011)[2]的方法，以中債資信在各行業的市場份額作為解釋變量。但是，Becker和Milbourn(2011)[2]是以惠譽在各行業的市場份額作為解釋變量，考察“發行人付費”機構之間的競爭對評級質量的影響。而中債資信較少與其他機構展開直接競爭，加之中債資信對其他機構的影響更可能是通過聲譽機制實現的，故而中債資信在各行業的市場份額可能也不是一個很恰當的指標。此外，以中債資信在各行業的市場份額作為解釋變量，其隱含的假設應該是中債評級對下一年同一行業企業的“發行人付費”評級都具有影響，即中債評級對其未覆蓋到的企業的“發行人付費”評級也會產生影響，這可能是不恰當的。

4.我們還試圖復制林晚發等(2017)[16]的論文，但是未得到林文相應的結果，這可能是由數據來源、數據處理的細節差異造成的。以下僅列幾處差異較大的地方。在樣本量方面，林文的樣本量為1179，而我們按照同樣的方法，篩選出的樣本量為1385。對于解釋變量中債評級次數，林文的均值為0.182，而我們得到的均值為0.085。在控制變量方面，林文將流動資產比例定義為現金與期末資產的比率，該變量的最小值為-0.216(應為非負，疑有誤)，而我們得到的最小值為0.012。