官员下台对上市公司企业绩效影响研究

　　中国的特殊“关系”文化一直是学术界关注的话题，“关系”的产生是由于分工的不发达和市场的不发达，“关系”成了市场缺失的替代。比如在分工仍然十分落后的农村，村民之间的交易没有采取货币而是互相帮忙，这就是“关系”；再比如中国古时候，缺乏专业性的市场，地主和佃农的关系就是跨越农产品市场、劳动力市场和信贷市场的一种特殊的市场。身处于一个关系型社会，市场中的微观个体也会格外注重发展社会关系以便获取资源，而其中政治关系作为一种非常重要又特别的“关系”更是吸引着学者们不断研究的热点问题。

　　xxxx召开到xxxx期间，据紫光阁党媒数据披露：经xxxx批准立案审查的省军级以上党员干部及其他中管干部440人。全国纪检监察机关处分153.7万人，其中厅局级干部8900余人，县处级干部6.3万人，涉嫌犯罪被移送司法机关处理5.8万人。在这批下台官员中，从中选取因为xxxx违纪下台同时层级为省部级及以上的官员作为本文研究的对象。

　　而这批下台官员背后，有着不少与之相关联的上市公司，综合国内外对于政治关联的研究，大致可以将上市公司的政治关联分为两个大类，一种是上市公司现任高管或是曾任董事高管，现在或是曾经在中央或是地方（包括军队）担任XX官员；另一种是上市公司通过构建私人朋友圈、第三方持股、捐赠等方式与官员建立“关系”，以求得官员作为保护伞获得政策及资源上的便利。而在这批因为xxxx受贿而下台的官员背后，小部分是该官员曾经就职或现职的上市公司，但更主要的是主动耗费资金与该官员建立政治关系的上市公司，通过同花顺的不完全统计和官媒报道寻找到下台官员所牵连到的上市公司，将其作为本文研究的样本，这批上市公司是通过与该官员建立政治关系以求获得XX的扶持，当官员因为xxxx违纪下台，那失去这层关系对于上市公司将带来何种冲击，是本文实证研究的内容。

　　之前研究政治关联对企业影响的文章，大都缺乏下台官员的样本，基于xxxx以来对腐败xxxx问题的重视，大批下台的官员组成了数量可观的样本，同时披露出的材料和数据一举解决我们研究官员下台联系上市公司问题中的关键。在2015年，有刘畅通过事件研究法计算CAR的变化情况论证了关于官员落马对于公司股价波动的影响。股价是企业短期绩效衡量的指标，现如今数据已经有了一定的积累，本文将从企业长期绩效来论证官员因为xxxx违纪下台这一事件对于与其相关联的上市公司企业绩效的影响。也希望本文能为中共xxxx的反腐倡廉工作在上市公司方面提供理论上的依据。

　　全球范围内，企业有政治关系都是件十分普遍的现象，因此政治关联这一概念自提出以来就成为了国内外研究的热点问题。对于政治关系的界定，学术界尚未有统一意见，Faccio（2006）认为“如果企业董事高管在XX或是国会等部门担任职务，或是说董事高管与某高官有亲密的关系，那么可以认定该企业有政治关系”；Fan Wong（2007）补充“企业董事高管与军队的联系也归属于政治关联”；而王利伟（2010）指出“上市公司对公共事业的捐赠和私人朋友圈的构建和完善也体现出上市公司的政治关联”。

　　企业建立的政治关系有许多学者的研究都证实是一种珍贵的资源，杜兴强（2009）指出“在中国转轨经济的制度背景和崇尚隐性关系的文化背景下，政治联系对企业的生存和发展显得尤为重要”。杜兴强（2012）又指出“政治联系对企业业绩或价值存在一定的影响”。李健等（2013）研究发现“企业家中央政治关联与地方政治关联都能正向显著影响企业价值”。国外学者Allen（2004）发现“企业作为行业的掌控者和参与者，拥有极强的寻租动机”，Faccio（2006）研究表明“企业的政治关系可以给企业带来融资上的便利，带来税收上的优惠”。同年，Feiien（2006）指出“在产权环境不明朗，缺乏对产权立法保护的地区，上市公司会通过建立政治联系来进行自我保护”。此外亦有徐业坤（2013）发现“面临政治不确定性时,企业的投资支出会明显下降,政治关联企业投资支出受政治不确定性的影响程度更大,但在不确定性消除之后，企业投资支出明显上升”。

　　而关于企业绩效的研究，现如今学者们对企业绩效的研究主要集中于动机、影响因素以及经济后果这三个角度来进行探究。除了上述三个视角，随着越来越多的学者投身对企业绩效的研究，企业绩效的研究进一步扩大到了公司治理和外部环境等等。在这些延伸领域的研究中，学者们的视角往往关注于上市公司的股权架构和董事会的组成，亦或是更多地关注高管变更与企业绩效的关系。而对于政治关系与企业绩效，国内外尚无多少学者致力于此研究。当上市公司建立起的政治关系因为官员xxxx违纪而失去效用的时候，上市公司的企业绩效会受到多大的冲击，本文研究的主题之一是，考察官员下台对企业绩效的影响。

　　在进行政治关联对企业绩效研究时，需要对不同性质的企业进行区分对待。Bertrand（2006）指出“国有企业股价架构简单、董事会结构单一、高管更多关注的是行政职级，一般的股权激励很难起到监督的作用，同时国有企业往往是采取空降领导的方式来管理公司，XX是对国有企业进行政治干预，一定程度上对企业绩效带来的是掠夺之手的作用”。与之相反的是，余明桂、潘洪波（2008）指出“非国有企业往往以利润最大化为企业目标，与XX建立政治关联寻求的是融资便利、税收优惠、XX补贴等利益”。

　　同时，张军（1995）指出“在一些管制行业，市场存在着天然壁垒，有政治关系的企业会比没有政治关系的企业更加容易进入”。后来又有学者罗党论（2009）研究表明“政治关系越强，对于管制行业的上市公司得到的效益越大”。所以本文将按照证监会2012年行业分类，将其中属于煤炭、矿产、有色金属、电力、石油、燃气等管制行业和其他行业进行分组研究。

　　基于上述的理论分析，由于政治关系对我国上市公司是一种宝贵的资源，那么官员因为xxxx违纪下台之后，企业会受到一定的影响，为了进一步研究官员下台对上市公司企业绩效的影响，初步提出以下两个假设：

　　假设一：官员因为xxxx违纪下台后，上市公司企业绩效会明显下降。

　　假设二；上市公司发生企业绩效下降程度与其所有行业性质制有关，属于管制行业的上市公司企业绩效下降更大。

　　1.数据来源

　　表1xxxx以来省部级及以上落马官员统计表

　　年份、级别名单人数

　　2017年中央鲁炜、莫建成、孙政才、王三运、杨家才、陈传书、张化为、项俊波、孙怀山、窦玉沛、李立国11

　　2017年地方张杰辉、刘强、刘善桥、周春雨、虞海燕、杨崇勇、李文科、魏民洲、陈旭、刘新齐、王世江11

　　2016年中央卢恩光、田修思、王保安、龚清概4

　　2016年地方陈树隆、杨振超、李嘉、刘志庚、赖德荣、孔令中、张力夫、张越、吴天君、陈雪枫、贺家铁、张文雄、李云峰、刘礼祖、郑玉焯、苏宏章、王阳、王珉、杨鲁豫、李成云、魏宏、黄兴国、尹海林、卢子跃24

　　2015年中央姚刚、杨栋梁、张力军、奚晓明、肖天、郭伯雄、徐建一、马建8

　　2015年地方吕锡文、苏树林、徐钢、陆武成、刘志勇、余远辉、周本顺、景春华、盖如垠、苑世军、谷春立、许爱民、赵黎平、韩志然、白雪山、颜世元、孙清云、艾宝俊、乐大克、栗智、曹建方、仇和、斯鑫良23

　　2014年中央孙鸿志、令计划、何家成、白恩培、周永康、徐才厚、苏荣、申维辰8

　　2014年地方韩先聪、朱明国、万庆良、谭力、冀文林、梁滨、秦玉海、韩学键、隋凤富、阳宝华、赵少麟、赵智勇、姚木根、沈培平、陈铁新、潘逸阳、毛小兵、王敏、任润厚、白云、聂春玉、陈川平、令政策、杜善学、金道铭、祝作利、杨金山、武长顺、张田欣、谭栖伟30

　　2013年中央杨刚、李东生、蒋洁敏、刘铁男4

　　2013年地方倪发科、李达球、廖少华、郭有明、陈柏槐、童名谦、季建业、陈安众、王素毅、李崇禧、郭永祥11

　　2012年地方李春城1

　　合计135

　　注：表1记录日期从2012年11月开始，到2017年12月截止

　　截止2017年5月25日，根据中国经济网地方党政领导人物库资料统计显示，字2012年xxxx召开以来，省部级及以上落马官员共计135人，涉及31个省份，统计情况如表1所示。

　　对表1数据依据时间序列排序，并按照中央和地方进行的初步分类，再将与其对应的上市公司进行初步筛选，筛选条件如下，否则删除：

　　（1）中共xxxx于2012年11月8日召开，故选取的开始统计时间为2012年11月8日。在2012年到2017年曾发生过官员下台并受到波及的上市公司是本文的研究对象。

　　（2）上市公司是在上海交易所或者深圳交易所上市，香港上市或是X上市不在本文研究范围内。并且只研究主板上市公司的数据，中小板或是创业板数据具有极大的不稳定性，专注于主板上市公司有利于增强研究样本间的可比性和研究结论的说服力。

　　（3）考虑到市场接收到消息时已经经过了内部时滞，为了确保尽可能的及时，以接收到这一消息时间为准，例如根据各大经济网站首次报道时间为准；若各大网站都未找到准确的首次报道时间，则予以剔除。

　　（4）若一个公司内出现连续官员落马情形，两次的首次报道时间间隔至少三日，避免交叉影响。满足三日及以上的两次落马情形，可计为不同的事件，否则只算做一次官员落马事件，并取其中最先的首次报道时间为准。涉及两个以上的官员落马事件也适用。

　　表2根据案发年份与上市交易所情况划分的样本分布

　　官员下台年份公司数量上市交易所划分

　　上海深圳

　　2014 69 43 26

　　2015 33 23 10

　　2016 10 4 6

　　合计112 70 42

　　注：①曹建方、刘志勇、颜世元由于在各大经济网站找不到准确的首次报道时间，故予以剔除。

　　最终得到落马官员的对应的上市公司样本为112个，表2是根据官员下台年份不同进行分类汇总的样本数据。从表2中可以看出反腐自xxxx以来一直都得到了持久的贯彻，其中特别是2014年，反腐力度空前强大，下台官员人数相对最多。

　　2.数据描述与统计分析

　　对落马官员涉及上市公司的数量进行统计，并对上市公司的性质和行业进行分类，相关结果如下：

　　考虑到上市公司的性质不同可能受到的影响不一样，本文将上市公司分为国有企业和民营企业分别考虑。在选取的上市公司样本数据中，国有企业占48%，民营企业占52%。国有企业中的“一把手”由于是由中组部直接任免，且行政级别为副部级，难免会与XX有各种各样的政治关联，特别在业务承揽、招投标、物资采购、销售等环节，官商勾结严重，相互之间通过利益输送、金融套利等，形成路径依赖和特殊利益团，获取了大量的非法所得，例如三峡集团的案例：“中央巡视组对中国长江三峡集团公司巡视时发现，有领导人员亲友插手工程建设，一些招投标暗箱操作，工程建设项目分包现象比较普遍”。考虑到国有企业和XX的特殊关系，故选择和民营企业分开对比分析。

　　表3根据企业性质划分样本分布表

　　分类标准子类别样本数目百分比

　　企业性质国企54 48.21%

　　私企58 51.79%

　　合计112 100%

　　上市公司行业分类上，可以看到大部分涉及到官员下台的上市公司都集中在采矿和制造业，这里的比重就占去了60%。这里要把管制行业和非管制行业进行分组，管制行业大多涉及能源，如：煤炭、矿产、有色金属、电力、石油、燃气，管制行业大多涉及能源领域。这是因为我国能源领域仍然处于垄断经营，重要能源资源由国有企业掌握并垄断，由于能源项目投资数额大、审批项目多、审批权力集中等，这是腐败xxxx的最肥沃的土壤，在这片土地上，官商相互输送养分。在xxxx这次反腐倡廉活动中，就有能源系统腐败窝案，暴露出了能源项目审批环节中权力寻租、灰色利益链等深层问题。

　　表4根据行业划分样本分布表

　　子类别样本数目百分比

　　采矿业13 11.61%

　　制造业54 48.21%

　　电力、热力、燃气及水生产和供应业8 7.14%

　　建筑业5 4.46%

　　批发和零售业3 2.68%

　　交通、仓储和邮政业7 6.25%

　　信息传输、软件和信息技术服务业7 6.25%

　　金融业8 7.14%

　　房地产业4 3.57%

　　租赁和商务服务业2 1.79%

　　文化、体育和娱乐业1 0.89%

　　合计112 100%

　　对因为xxxx违纪下台的官员涉及公司的企业绩效盈利能力、发展能力、股东获利能力三方面选取了11个财务指标，（见表5）来考察官员落马后企业绩效的变化情况，一个企业最基本目的就是为了盈利，而企业的未来看重的就是发展能力，至于股东获利情况则是代表了企业能为所有者带来的效益，所以本文从盈利能力、发展能力、股东获利能力多角度全方位衡量企业财务绩。在选取指标的时候要保证来源的统一，本文的财务指标选取都来自CSMAR数据库，如果一项指标有多个选择，并统一选择指标类A类的选项。同时为了保证指标选取的可靠和全面，在三个维度视角下都要选取不下于3个指标来进行衡量。通过对11个指标进行统计学上的分析，选出其中影响显著的指标，进行下一步研究分析。

　　表5企业绩效指标

　　指标类型指标名称指标符号指标说明

　　盈利能力总资产净利率ROA净利润／总资产余额

　　净资产收益率ROE净利润／股东权益余额

　　营业利润率YYLR营业利润／营业收入

　　营业净利率XSJLL净利润／营业收入

　　息税前利润XL净利润+所得税费用+财务费用

　　资产报酬率ZB（利润总额＋财务费用）／资产总额

　　成长能力总资产增长率ZZ（资产总计本期期末值—资产总计本期期初值）/（资产总计本期期初值）

　　净资产增长率JZZ（本期单季度净资产收益率—上一个单季度净资产收益率）/上一个单季度净资产收益率

　　利润总额增长率LZ（利润总额本年本期单季度金额—利润总额上一个单季度金额）/（利润总额上一个单季度金额）

　　净利润增长率JLZ（净利润本年本期单季度金额—净利润上一个单季度金额）/（净利润上一个单季度金额）

　　营业收入增长率YSZ（营业收入本年本期单季度金额—营业收入上一个单季度金额）/（营业收入上一个单季度金额）

　　营业净利润增长率YJZ（营业利润本年本期单季度金额—营业利润上一个单季度金额）/（营业利润上一个单季度金额）

　　股利能力每股净资产BV所有者权益合计期末值/实收资本本期期末值

　　每股收益EPS净利润本期值/实收资本本期期末值

　　每股营业利润EPYS（营业利润）TTM/实收资本本期期末值

　　托宾Q TQ市值A/资产总计

　　市盈率PE今收盘价当期值/（净利润上年年报值/实收资本本期期末值）

　　为进一步实证分析因为xxxx违纪官员下台对企业绩效的变化情况，本文将构建回归模型，表6是有关回归模型中的变量定义。

　　表6变量描述

　　变量名称变量定义

　　PE表示公司业绩，具体指标将从表5企业绩效指标中选取

　　GOV表示公司是否发生相关联官员因xxxx违纪下台，如果是取1，否则取0.

　　SIZE表示公司规模

　　LNSIZE表示对公司规模取对数

　　TDR表示公司的资产负债率

　　SOE表示公司是否为国企，当企业为国企时候取1，否则取0。

　　Industry表示公司的行业属性，如果公司来着资源类行业（金属，煤炭，电力，燃气，石油等），则industry取1，否则取0。

　　本文在研究官员落马后企业绩效时，首先釆用配对样本t检验法来对官员因为xxxx违纪下台前后其关联上升公司的相关绩效指标进行对比分析，以考察公司绩效的变化情况。具体的分析对比如下：

　　在对比官员落马前后企业长期财务绩效是否有发生显著变化，考虑到以下两方面原因，将主要的对比窗口设定为官员落马后一年与落马当年：一是，如果官员落马之后，对企业经营发展起到消极的作用，使企业长期财务绩效得到明显下降，由于考虑到官员落马起到的消极作用本身是有不少前摇的，官员落马已经会有不少风声走漏，故而官员落马当年，企业受到的冲击最大的。二是，考虑到样本量的问题，首先2018年数据还没有披露，2017年的上市公司财务数据要到2018年4月才会披露，如果将官员下台的后一年作为样本组，将官员下台前一年作为对照组，那必然会使得样本量减少29条。从上述两条原因来考虑，本文选择官员下台前一年作为对照组，选择官员下台当年作为实验组。还会列出官员下台后一年和后两年的数据，来检验结果的长期性。本文将官员落马当年设定为0，官员落马前1年设定为-1，官员落马前2年设定为-2，官员落马后一年设定为1，官员落马后2年设定为2。

　　在配对T检验分析完后，选择其中影响显著的指标，通过构建模型来研究官员因为xxxx违纪下台对相关联上市公司企业绩效的影响。

　　表7分年企业绩效指标表

　　盈利能力-2-1 0 1 2

　　总资产净利率0.0278755 0.0328975 0.0271553 0.0209845 0.0260881

　　净资产收益率0.0616706 0.066039 0.0595878 0.0243008 0.058319

　　营业利润率0.2297034 0.6351918 0.3277288 0.3496926 0.1356789

　　营业净利率0.200133 0.5242184 0.2586868 0.2889335 0.1187099

　　息税前利润8.41E+09 9.10E+09 8.03E+09 6.05E+09 3.59E+09

　　资产报酬率0.0481534 0.0485366 0.0369218 0.0292167 0.0330041

　　成长能力

　　ROA增长率0.1690165 0.1171614 0.1180381 0.0923521 0.0977525

　　ROE增长率0.1154972 0.0956851-8.563964-0.7760092-0.4341627

　　利润总额增长率0.4609713 17.48644 13.35876 0.345788-2.251556

　　净利润增长率0.0895363-95.47614-6.107965 9.992378-2.107181

　　营业收入增长率0.1564282 19.82073 0.2953225 0.2195968 0.5127661

　　营业净利润增长率0.2171477 0.1493416 0.9834588 8.075533-0.208948

　　股利能力

　　每股净资产5.021888 5.072069 5.167995 5.10126 5.356751

　　每股收益0.4089827 0.4278055 0.3409391 0.2274618 0.3140262

　　每股营业利润0.485562 0.4982533 0.3871656 0.2676492 0.3604536

　　托宾Q 1.093667 1.250519 1.520694 1.933791 1.553494

　　市盈率65.01388-82.58865 49.28452 116.8071 96.12353

　　从表7可以很清楚的看到官员落马当年的财务绩效与落马前一年来对比，无论是从盈利能力、成长能力还是股利能力，选取的各项财务指标大体上都出现了不同程度的恶化。特别是官员下台前一年对比官员下台当年，下降幅度最为巨大。

　　表8官员下台企业指标变动表

　　指标类型指标名称均值T值P值

　　盈利能力总资产净利率-0.0057422-3.4512 0.0007

　　净资产收益率-0.0064512-3.6752 0.0003

　　营业利润率-0.307463-0.5634 0.5737

　　营业净利率-0.2655316-0.6013 0.5482

　　息税前利润-1070000000-0.2627 0.7930

　　资产报酬率-0.0116148-3.9894 0.0001

　　成长能力总资产增长率0.0008767 4.2134 0.0000

　　净资产增长率-8.6596491 1.5545 0.1225

　　利润总额增长率-4.12768 0.1940 0,8463

　　净利润增长率89.368175 1.0580 0.2924

　　营业收入增长率-19.5254075-0.9948 0.3208

　　营业净利润增长率0.8341172 0.2635 0.7909

　　股利能力每股净资产0.095926 0.2784 0.7810

　　每股收益-0.0868664-3.0878 0.0024

　　每股营业利润-0.1110877-3.0535 0.0027

　　托宾Q 0.270175 3.2389 0.0015

　　市盈率131.87317 1.2743 0.2043

　　通过对官员下台当年和前一年进行配对T检验，从表8发现：总资质净利率，净资产收益率、资产报酬率以及每股收益、每股营业利润和托宾Q在官员下台当年比前一年有了明显下滑，并且下滑差异通过了1%显著水平的显著性检验，从统计的角度看出官员因为xxxx违纪下台确实对公司在盈利能力和股利能力上带来了负面效应，但是在成长能力上，并未有显著的下降，说明官员的下台，对上市公司确实造成的绩效冲击主要是从盈利能力和股利上体现的。

　　表9变量的描述性统计结果

　　变量样本数均值标准差最小值最大值

　　GOV 224 0.5 0.5017 0 1

　　ROA 224 0.0344 0.0417-0.0885 0.1987

　　EPS 224 0.4919 0.5102-1.2606 2.8001

　　SIZE 224 3.66E+11 1.86E+12 2.22E+08 1.60E+13

　　LNSIZE 224 23.4864 2.0827 19.2169 30.40199

　　TDR 224 4.92E-01 2.21E-01 8.16E+07 3.25E+11

　　SOE 224 0.4795 0.5013 0 1

　　INDUSTRY 224 0.4109 0.4937 0 1

　　表9中描述了样本各个变量的均值，标准差和最大最小值，其中ROA和EPS最大值和最小值存在明显差异，表明不同企业的财务绩效指标存在极大差距，同时表中还给出了其他变量的描述性统计。

　　表10报告了主要变量之间的Pearson相关系数，其中企业有官员因为xxxx下台和ROA和EPS的相关系数显著为负，初步表明，官员因为xxxx下台对关联上市公司的企业绩效造成负面效应。同时数据表明ROA和EPS与行业性质分类显著相关，证明本文的分组是切实有效的。Pearson相关系数还发现，企业绩效（包括ROA和EPS）与SIZE无显著相关，而与LNSIZE呈现显著相关，说明LNSIZE变量设定相对科学。进行相关性分析并不能证明我们的假设，下面本文将进行回归分析。

　　表10变量的相关性系数

　　GOV ROA EPS SIZE LNSIZE TDR SOE INDUSTRY

　　GOV 1

　　ROA-0.2716***1

　　-0.0009

　　EPS-0.2138***0.7180***1

　　0.0096 0.0000

　　SIZE 0.0090-0.0728 0.1163 1

　　0.9139 0.3826 0.1620

　　LNSIZE 0.0283-0.1418*0.2535***0.2982***1

　　0.7349 0.0877 0.0020 0.0003

　　TDR-0.0017-0.3981***-0.0158 0.0324 0.6329***1

　　0.9838 0.0000 0.8501 0.6976 0.0000

　　SOE 0.0000-0.0045 0.0766 0.0843 0.1081 0.0330 1

　　1.0000 0.9574 0.3580 0.3116 0.1939 0.6927

　　INDUSTRY 0.0000-0.2674***-0.1519*-0.696 0.2230***0.0734 0.4245***1

　　1.0000 0.0011 0.0672 0.4036 0.0068 0.3789 0.0000

　　注：*、**和***和分别表示在10%、5%和1%的水平上显著。

　　从表11可以看出企业绩效（包括ROA和EPS）和企业发生关联官员因xxxx违纪下台事件是在1%水平上是显著负相关的，和假设1吻合，说明这批下台官员相关联的企业构建政治关系是为了获得XX扶植，这层政治关系是一种宝贵的资源，一旦官员因为xxxx违纪下台而失去这层耗费资金建立的关系，会对上市公司企业绩效造成极大的负面冲击。同时回归发现企业绩效与资产负债率成显著负相关，与行业性质也成1%水平上的显著负相关。

　　对于假设二，通过把企业的行业性质分为管制行业和非管制行业，分组看不同行业性质的上市公司绩效对于各个变量之间的回归分析。对比管制行业和非管制行业的ROA对GOV的回归系数，会发现管制行业在1%水平上显著负相关而非管制行业是在5%水平上显著负相关；再比对EPS，会发现管制企业在5%水平上显著负相关而非管制企业不显著。这一结果证明了假设二，即官员因为xxxx违纪下台对于关联上市公司的企业绩效冲击中，属于管制行业的上市公司企业绩效下降更大。上市公司具有政治关系确实有助于消除行业壁垒，从而进入资源这一类管制行业，所以管制行业的上市公司与官员的联系会更为紧密，当官员因为xxxx违纪下台时，管制行业上市公司反应会更强烈。

　　本文通过对2012年到2017年在沪深两地上市的与因为xxxx违纪的部级官员关联企业中，针对该上市公司的企业绩效进行实证分析，无论是从哪个维度去评价，都可以很明显的发现，官员因为xxxx违纪下台对关联公司的企业绩效带来了极大的负面效应，特别是在盈利能力和股利能力上，都出现了明显的下滑。哪怕再多延后看官员下台的过后两年的绩效指标，也会发现这次事件的负面冲击都没有消退，企业绩效指标没有回复到官员在位时的状态。

　　从这次官员下台对关联上市公司企业绩效的研究结果表明，企业与官员主动建立的政治关系是一项非常宝贵的资源，当官员因为xxxx违纪下台，对于、企业造成了损失，企业的绩效指标就会连带出现明显下滑。进一步对比分析管制行业中企业和非管制行业的企业在官员下台情况的企业绩效指标变动，会发现管制行业的企业波动更为剧烈，说明在管制行业中，企业的政治关系更为重要，可以帮助企业抵消行业壁垒，快速发展企业。

　　通过本文的研究，发现因为xxxx下台的官员，背后有着上市公司通过利益输送、行业寻租、第三方金融机构代持等方式与该官员建立政治联系。企业为了资源为了垄断为了通行证不得不寻求XX，官员为了金钱和权益而放其便利，这是一种不稳定的政治关系，通过这些方式建立的政治关联有着极大的政治不确定性，当官员因为xxxx违纪下台的时候，企业为搭建政治关系所耗费的资金将都变为沉没成本，对于公司的企业绩效会带来极大的冲击。除了通过修订《中国xxxx纪律处分条例》，使得监察法和监察体制改革成果实现纪法更顺畅衔接、把一些新的违纪问题纳入条例，扩大纪律约束的范围，实现纪律监督的全覆盖。更需要的是加快简政放权，要彻底的将XX的职权进一步下放，促进XX转变职能，解放更多的市场，让无形的手充分发挥功效。

　　进一步研究发现在管制行业，企业的政治关联更为重要，官商发生xxxx腐败对于企业的影响也更为剧烈，在煤炭、矿产、有色金属、电力、石油、燃气等管制行业中，腐败窝案丛生，纪委要特别关注，防患于未然。对于企业要大力发展自身业务、加强科技创新、不断增强自身在市场上的竞争力，只有自身做大做强，XX主动与企业建立联系才是最好的政治关系。

　　[1]陈艳艳,罗党论.地方官员更替与企业投资[J].经济研究,2012,47(S2):18-30.

　　[2]郭剑花，杜兴强.政治联系、预算软约束与XX补助的配置效率[J].金融研究,2011,(2):114-128.

　　[3]杜兴强,曾泉,杜颖洁.政治联系、过度投资与公司价值——基于国有上市公司的经验证据[J].金融研究.2011,(08):93-110.

　　[4]杜兴强,郭剑花,雷宇.政治联系方式与民营上市公司业绩：“XX干预”抑或“关系”[J].金融研究,2009,(11):158-173.

　　[5]李健,陈传明,孙俊华.企业家政治关联、竞争战略选择与企业价值——基于上市公司动态面板数据的实证研究[J].金融研究,2013,(03).

　　[6]刘慧龙,张敏,王亚平.政治关联、薪酬激励与员工配置效率[J].经济研究,2010,(9):109-136.

　　[7]逯东,王运陈,王春国,等.政治联系与民营上市公司的内部控制执行中国工业经济[J].金融研究,2013,(11):96-108.

　　[8]唐松,胡威,孙铮.政治关系、制度环境与股票价格的信息含量——来自我国民营上市公司股价同步性的经验证据[J].金融研究,2011(07):182-195.

　　[9]徐业坤,钱先航,李维安.政治不确定性、政治关联与民营企业投资——来自市委XX更替的证据[J].管理世界,2013,(5):116-116.

　　[10]余明桂,回雅甫,潘红波.政治联系、寻租与地方XX财政补贴有效性[J].经济研究,2010,45(03):65-77.

　　[11]王利平,高伟,张学勇.民营企业政治关联:一个多视角的分析[J].商业经济与管理,2010(12):18-23.

　　[12]杜小青.我国上市公司高管增持与企业绩效的实证研究[D].西南财经大学,2014.

　　[13]刘畅.官员落马对与其关联的上市公司股价影响研究[D].清华大学,2015.

　　[14]黄晔.政治关联、高管薪酬与财务重述[D].浙江财经大学,2016.

　　[15]Franklin Allen,Jun Qian,Meijun Qian.Law,finance,and economic growth in China[J].Journal of Financial Economics,2004,77(1).

　　[16]Faccio Masulis,John Mcconnell.Political Connections and Corporate Bailouts[J].Journal of Finance.2006,61(6).

　　[17]Stijn Claessens,Erik Feijen,Luc Laeven.Political connections and preferential access to finance:The role of campaign contributions[J].Journal of Financial Economics,2006,88(3).

　　[18]Joseph P.H.Fan,T.J.Wong,Tianyu Zhang.Politically connected CEOs,corporate governance,and Post-IPO performance of China's newly partially privatized firms[J].Journal of Financial Economics,2006,84(2).

　　[19]Qigui Liu,Jinghua Tang,Gary Gang Tian.Does political capital create value in the IPO market?Evidence from China[J].Journal of Corporate Finance,2013,23.

　　最后要感谢在整个论文写作过程中帮忙过我的每一位人。首先，也是最主要感谢的是我的指导老师，鲁海帆老师。鲁老师在写作过程给了我莫大的助力，在论文开题的时候，她首先肯定了我的题目大方向，但是同时又帮我具体分析自变量和因变量的种种关联，使我最后选择了官员下台对企业绩效的研究方向，让我在写作时十分得心应手，不会处处受制。在论文假设制定时，我的思路不是很清晰，经过鲁老师的帮忙，让我具体提出假设及假设证明方法上思路顿时清晰。在完成初稿后，鲁老师认真查看了我的文章，指出了我存在的很多格式上存在的问题。在此十分感谢鲁海帆老师的细心指导，才能让我顺利完成毕业论文。