假设1b：高频率的财务报告提高了信息的不对称性
话题转向信息披露和股权成本之间的关系, 理论研究表明, 这种关系是上下相关联的。虽然早期作品,如Barry 和Brown (1985), Amihud 和 Mendelson (1986), Diamond 和 Verrecchia (1991), 和Handa 和 Linn (1993),大概地指出更多的信息披露能通过减少逆向选择和估计风险来降低成本的股本，而后来的研究则提供了不同的观点。Kim and Verrecchia (1994)设立了一模型，在这一模型中更多的自愿披露导致更大程度的私人信息采集,导致更高的权益成本。张（2001）权益成本和自愿披露之间的关系可能是积极的也可能是消极的，这取决于信息披露水平的变化原因。Hughes 等人(2007) 与 Lambert 等人 (2007) 考虑到多元化的力量, 他们的研究结果表明, 信息披露只有在他们传达非可分散风险信息时才会对权益成本产生影响。考虑到混合之前的研究发现, 财务报告频率如何影响股权成本的尚不清楚。符合不同的理论观点的是,实证证据在更频繁的信息披露和权益成本的关系上得到了综合。Botosan (1997)发现了她自建的信息披露指数和具有低水平财务分析师而非高水平分析师公司的权益成本之间有着消极的联系。Botosan 和 Plumlee (2002) 以及 Francis 等人 (2008)论述道权益成本和自愿披露之间的关系随着披露程度的不同而发生改变。尤其是，Botosan 和Plumlee (2002)发现权益成本在年度财务报告披露水平中有所下降，而在季度报披露水平中有所上升。他们的解释是,更详细的季度报告吸引投资者的注意,这些交易者的交易活动就是通过增加回报波动提高权益成本。Francis 等人 (2008) 表示，权益成本在披露的标准基于年度报告和10 - k文件时是负相关的，而在披露标准基于管理预测和电话会议以及新闻披露不再依据披露标准时则是正相关的。总之,混合理论和实证证据表明,无论是财务报告频率是否影响股权成本，这本身依旧是一个有趣的实证问题。 我们的讨论产生了以下两个假设：
假设2a：高频率的财务报告降低了权益成本 假设2b：高频率的财务报告提高了权益成本
3．信息不对称和股权成本的衡量 3.1信息不对称的衡量
我们使用了两个标准— 买卖价差和价格影响代理信息不对称。第一个标准，买卖
价差，是衡量信息不对称的一个常见标准。信息不对称程度越高，从与知情投资者所
作的交易中支出高额的预期损失的必要就越大。我们遵从穆罕默德(2005)和西尔柏(2005)的观点并且利用(买价?卖价)/((买价+卖价)/ 2)的公式来计算每日买卖价差。既然在我们的样本期间里，买卖价差可能捕获每日高价和每日低价之间的差异，我们就每个公司年度的每日绝对回报上回归到尚未成熟的延伸标准，以及在我们的实证分析中使用拦截术语。我们衡量信息不对称的第二个标准就是价格的影响，这是一个由Amihud(2002)建议使用的衡量流动性不足的标准。这种代理的目的是捕捉一个投资者在股票市场未变动价格的情况下的交易能力。在遵循Daske 等人(2008)的观点下我们计算出流动率作为Amihud(2002)非流动性标准下的每年中位数。
3.2权益成本的衡量
一般来说,有两类方法可用来估计权益成本。一个是基于分析师的预测,另一个是基于股票的回报。由于在样本期间缺乏分析师的预测数据，我们使用基础回报的标准和Francis等人 (2005)曾使用过的作为权益成本代理的收益价格比率。具体地说，我们衡量权益成本的标准包括事后权益成本已实现的回报，基于CAPM模型的预期回报，基于法玛—弗伦奇三因子模型的预期回报，以及价格收益比率。接下来我们会将其一一讨论。
3.2.1 基于已实现回报的权益成本
Gebhardt 等人(2001)表示事后已实现的回报应当是一个在某有效市场中不受关
注的权益成本的无偏估计量。我们之所以将实现的每年回报作为权益成本的代理是因为它理论上的吸引力。它在日历年上是以复利计算十二个月回报的。
3.2.2 基于CAPM模型的权益成本
已实现的回报之所以作为权益成本的一个潜在的杂音标准，那是因为，根据Vuolteenaho(2002)的观点，它们是受到不可预期的现金流和折现率的影响。要减少这种杂音，我们使用了基于CAPM模型的预期回报，基于法玛—弗伦奇三因子模型的预期回报作为衡量权益成本的标准。
我们通过运行以下回归计算基于CAPM模型的权益成本：rt =α+βrM,t +εt,rM,t表示市场回报率和rt表示股票回报。基于每个公司年度的观察，参数α和β用来估计在过去的一年中使用的日常数据。我们使用价值加权CRSP回报作为市场回报的代理。在参数作出估计后，我们通过加入时间t内产生的市场回报来取得估计的预期回报值rt，它就是我们估测的权益成本。
3.2.3 基于法玛—弗伦奇三因子模型的权益成本
法玛—弗伦奇三因子模型讨论的是预期回报是由三个风险因子决定的：市场回
报，公司规模和账面值对市值比率。我们的回归模型被指定为rt =α+β1rM,t +β2SMBt +β3HMLt +εt,rt表明股票回报,rM,t表示市场回报,SMBt和HMLt分别表示与公司规模相关的风险溢价和与账面值对市值比率有关的风险溢价。我们使用上面的模型来估计过去一年中使用的日常数据因子α,β1,β2 和β3的载荷。在估计参数后，我们在上面提到的回归中加入市场回报和t时间里德复合年度风险因子来估计权益成本。
3.2.4收益价格比率
Dechow 和 Dichev (2002), Francis 等人 (2005), 以及 Liu 等人 (2002)表示更高的市盈率意味着较低的股权成本。我们遵循弗朗西斯等人的观点并且使用收益价格比率作为一种衡量股权成本的标准。因为联系到弗朗西斯等人的观点，消极的EP比率是很难解释，我们需要的收益要是正面的,因此这一比率对非经营性公司则不复存在。
4. 样品形成和描述性统计
分析的起点是Butler 等人(2007)的文献中曾描述过的公司级的报告频率数据。
他们对于1951 - 1973年期间公司如何决定多久出具一次财务报告问题解决的主要来源是依据年度版的穆迪工业新闻报道里的指标数。以下公司则排除在他们的样本之列：没有列示NYSE 或AMEX的公司；缺乏或CRSP或Compustat数据得公司；以及那些具有独特披露要求的工业企业(如公用事业、金融服务、保险和房地产公司,铁路和其他交通运输公司)。为了我们的回归分析，我们需要进一步使得所有包含在2SLS程序中的第一阶段和第二阶段回归里的变量不消失，除了EP比率和基于法玛—弗伦奇三因子模型的权益成本衡量标准。我们的样本包括从1951 到 1973年这段时期的7654个公司年观测点。
表1报告的是依据报告制度的频率分布。在1951 - 1954年期间，只要求出具年度报告时，我们的样本中有24.09%的公司每半年报告一次，68.98%的公司每季度报告一次。1955至1969年期间,虽然只要求半年报告一次,有86.97%的样本公司每季度公布一次。1970年之后，所有公司都出具季度报告。平均年度报告频率从年度报告制度下的3.36增加到半年度报告制度下的3.77再到季度报告制度下的4。我们的
样本期间在报告频率上提供了显著的变化情况和为我们的调查提供了一个理想化的设定。
表1：报告制度下报告的频率分布的。（表略）
样本包括了1951 - 1973年期间里对7654个公司的年度数据观测。报告频率数据是从穆迪工业新闻报道上手工收集来的。下面类型的企业并不在样本之列：公用事业、金融、保险、房地产铁路和其他交通运输业以及主要SIC代码始于9的一些公司。频率= 1(%)表示公司每年报告的百分比。频率= 2(%)表示公司报告每半年的百分比。频率= 3(%)表示公司每年报告三次的百分比。频率= 4(%)表示公司公布每季度报告的百分比。平均频率是报告频率的平均值。频率多少是由SEC要求的。
表2提供了描述性统计的样本。在面板A中提供了对所有样本的描述性统计。买卖价差和价格影响的平均价值分别是1.393和3.266。基于事后回报的COE标准的平均值是12.960%，但是基于CAPM模型和法玛—弗伦奇三因子模型时，COE标准的平均值分别为8.663%和8.024%。规模的平均值和中位数值的大小分别是17.660和17.539。营业额和波动性的日平均值分别是6.786和3.748。β的平均值和中位数的值分别是1.108和1.019。市值比率的日账面值的平均值为-0.464，中位值为-0.398。增长的日平均值是0.102。杠杆效益应的平均值为37.2%。 表2：描述性统计。（表略）
样本包括了1951 - 1973年期间里对7654个公司的年度观测数据。面板A报告了在表3、表4、表5和表6中用到的所有样本以及面板B提供了表7中用到的匹配控制样本的描述性统计数据。所有的变量都是基于日历年的。IASpread是基于CRSP文件的每日绝对回报的公司年度日回归差距的一个小片段。IAPI 是年Amihud(2002) 非流动性标准的中值。COERET是基于在一年内实现回报的权益成本标准。COECAPM是权益成本的横量标准，它是基于被修改的CAPM模型且从前一年日常数据估计具有风险载荷。COEFF3则是基于法玛—弗伦奇三因子模型下的权益成本标准且从前一年日常数据中估计具有风险载荷。法玛—弗伦奇的日常因素分析从1963年7月1日开始，从而降低了样品的大小，为6083。COEEP在计算出来后作为收益且被归结为一个会计年度在结束四个月后的月末价格。规模是平均市场股票价值在开始和日历年度结束前的标志。β是由在前一年中每个公司日回报与市场日回报之间的回归中计算出来的。日志(BM)是财年结束四个月后，计算出来作为日志的账面值对市值比率。为了实证的目的，IASpread，IAPI,COERET,COECAPM,COEFF3和COEEP的值都放大了100倍。
表2的面板B提供了些描述性的信息，这些信息则与我们匹配性样本分析中的观测数据有关。我们的对策样本包括了在报告频率改变前后三年中的1525个样本观测点，而我们的控制样本包括了在工业类型、年度和规模限制条件下与决策样本观测点相匹配的观测点。
面板B显示变量的分布，与决策样本和控制样本的类似，这意味着匹配的成功。 到目前为止，我们报告的结果都是基于信息不对称/股权成本测量标准的原始值。这些原始值可能出现时序模式，而这是由于在股票交易中微观经济条件的变化或技术改进。此外，该报告频率自从前些年SEC提出增加强制性报告频率以来，就与过去的时间相互关联。如果我们回归报告频率的原始值，系数报告频率可能仅仅捕获时间序列趋势的股权成本/信息不对称。为缓解这一问题，我们降低信息不对称/股权成本的衡量标准，并且在我们此后的分析中使用这些降低的趋势值。
表3报告皮尔逊和斯皮尔曼变量的相关系数。系数在5%的显著水平是的大胆的。我们发现报告频率与这两个代理信息不对称和四个代理权益成本之间具有显著的负相关性，这表明更高的报告频率与降低信息不对称/股权成本有关。此外,报告频率与公司规模、营业额波动,β,增长和杠杆呈正相关。我们的三个回报基础上的权益成本衡量标准都是彼此呈正相关。
表3 选择变量下的皮尔森和斯皮尔曼相关系数。（表略）
样本包括了1951 - 1973年期间的7654个公司年观察点。所有的变量都是基于一个日历年。频率是公司每年的财务报告公司问题的次数。IASpread是基于CRSP文件的每日绝对回报的公司年度日回归差距的一个小片段。IAPI 是年Amihud(2002) 非流动性标准的中值。COERET是基于在一年内实现回报的权益成本标准。COERET是基于在一年内实现回报的权益成本标准。COECAPM是权益成本的横量标准，它是基于被修改的CAPM模型且从前一年日常数据估计具有风险载荷。COEFF3则是基于法玛—弗伦奇三因子模型下的权益成本标准且从前一年日常数据中估计具有风险载荷。法玛—弗伦奇的日常因素分析从1963年7月1日开始，从而降低了样品的大小，为6083。COEEP在计算出来后作为收益且被归结为一个会计年度在结束四个月后的月末价格。收益被要求必须是积极正当的,从而降低了样本的规模，为6925。规模是平均市场股票价值在开始和日历年度结束前的标志。β是根据前一年里每个公司日回报与市场日回报之间的回归关系计算出来的。日志(BM)是财年结束四个月后，计算出来作为日志的账面值对市值比率。为了实证的目的，IASpread，IAPI,COERET,COECAPM,COEFF3
和COEEP的值都放大了100倍。相关系数显著水平在5%或更低的皆处于加粗状态。