عدم اطمینان سیاسی، فساد، و دارایی های نقدی شرکت ها

خلاصه

قرار گرفتن در معرض فساد سیاسی و عدم اطمینان سیاسی به طور جداگانه پاسخ‌های مدیریت ریسک مخالف را می‌طلبد: کاهش وجه نقد برای به حداقل رساندن سلب مالکیت و افزایش وجه نقد برای پوشش ریسک سیاست. ما بررسی می‌کنیم که چگونه فساد سیاسی محلی و عدم اطمینان سیاسی در تأثیر آنها بر دارایی‌های نقدی شرکت‌ها در ایالات متحده تأثیر متقابل دارند. ما شواهد محکمی پیدا کردیم که نشان می‌دهد شرکت‌های مستقر در ایالت‌های دارای امتیاز فساد بالاتر به افزایش عدم اطمینان سیاسی محلی با افزایش دارایی‌های نقدی بیشتر از شرکت‌هایی که در محیط‌های کمتر فاسد هستند، واکنش نشان می‌دهند. این رفتار نشان می‌دهد که شرکت‌هایی که در محیط‌های فاسدتر هستند، جمع‌آوری پول نقد را برای تسهیل نفوذ مقامات در مواجهه با ریسک‌های سیاسی محلی به مصلحت می‌دانند. ما با نشان دادن اینکه شرکت‌های فعال سیاسی با افزایش پول نقد و افزایش هزینه‌ها در کمپین‌های تبلیغاتی، به اندازه‌گیری ریسک سیاسی ما پاسخ می‌دهند، از این نتیجه‌گیری حمایت بیشتری می‌کنیم. یافته‌های ما به کانالی بالقوه اشاره می‌کند که از طریق آن حوزه‌های قضایی مختلف ریشه‌دار شدن و تداوم فساد را تجربه می‌کنند.

کلید واژه ها

دارایی های نقدی

فساد محلی

نفوذ

ریسک سیاسی

کدهای JEL

D72

G32

G38

1 . معرفی

مدیریت ریسک شرکت مستلزم اطمینان از در دسترس بودن منابع احتمالی دولت برای جلوگیری از مشکلات مالی یا جلوگیری از از دست دادن فرصت‌های سرمایه‌گذاری سودآور است. ریسک بالاتر، مانند ریسک ناشی از عدم اطمینان سیاسی، معمولاً یک شرکت را وادار می کند که دارایی های نقدی و نقدی بیشتری را در اختیار داشته باشد. فساد همچنین یک شرکت را در معرض خطر قرار می دهد، با این حال، در این مورد، خرد متعارف به سیاست های مالی توصیه می کند که دسترسی به دارایی های نقدی را محدود می کند تا خطر سلب مالکیت را کاهش دهد. در این مقاله، ما این تناقض ظاهری را با مطالعه وجوه نقد موجودی شرکت‌ها در ایالات متحده (ایالات متحده) بررسی می‌کنیم. با توجه به اینکه فساد و عدم اطمینان سیاسی اغلب (اگرچه نه همیشه) ممکن است با هم وجود داشته باشند، شرکت ها چگونه به وقوع مشترک این منابع خطر واکنش نشان می دهند؟

این تصور که عدم قطعیت سیاسی مستلزم افزایش نقدینگی است، از نظریه مدیریت ریسک مبتنی بر تامین مالی خارجی پرهزینه ( فروت و همکاران، 1993 ) پیروی می‌کند و دارای اعتبار تجربی در ادبیات است ( بروگارد و دتزل، 2015 ؛ دوونگ و همکاران، 2020 ؛ گونگورای‌دین اوغلو و همکارانش . آل.، 2017 ؛ جولیو و یوک، 2012 ). به طور مشابه، این ایده که وجود فساد باعث می شود شرکت ها دارایی های نقدی خود را کاهش دهند (به ویژه پول نقد) نظری ( مایرز و راجان، 1998 ) و تجربی ( بروکمن و همکاران، 2020 ؛ کاپریو و همکاران، 2013 ؛ اسمیت، 2016 ) حمایت می کند و اسمیت (2016) از آن به عنوان “فرضیه محافظ” یاد می کند . با این حال، استدلال‌های جایگزینی که نشان می‌دهند شرکت‌ها منابع را برای کسب منافع سیاسی تخصیص می‌دهند (که اسمیت از آن به عنوان “فرضیه نقدینگی” یاد می‌کند) نیز در ادبیات ارائه شده است (به عنوان مثال، Faccio و Hsu، 2017 را ببینید ) . شواهد مرتبط نشان می‌دهد که شرکت‌هایی که از نظر سیاسی مرتبط هستند، پول نقد بیشتری را در محیط‌های فاسدتر نگهداری می‌کنند، اگرچه ارتباطات آنها باید آنها را از عدم اطمینان محافظت کند ( بوباکری و همکاران، 2013 ).

ما بررسی می‌کنیم که چگونه شرکت‌ها در محیط‌های فاسدتر با در نظر گرفتن یک فرضیه دو طرفه به عدم اطمینان سیاسی نسبت به شرکت‌هایی که در محیط‌های کمتر فاسد هستند، پاسخ می‌دهند. بر اساس فرضیه محافظ، شرکت هایی که با افزایش عدم اطمینان سیاسی در یک محیط فاسد مواجه می شوند، دارایی های نقدی (نقد) خود را بیشتر کاهش می دهند. به عبارت دیگر، اگرچه شرکت‌ها ممکن است به‌طور بهینه وجه نقد را به‌عنوان بافری برای کاهش ابهام افزایش دهند، شرکت‌هایی که در ایالت‌های به شدت فاسد قرار دارند، اگر بخواهند از پرداخت رشوه اجتناب کنند، با خطر بالاتر سلب مالکیت محدود می‌شوند. ¹

در مقابل، طبق فرضیه نقدینگی، اگر شرکت‌ها بخواهند ریسک سیاسی را با تأثیرگذاری بر سیاست‌گذاران کاهش دهند، دسترسی به پول نقد را پس از افزایش عدم اطمینان سیاسی، با نرخ بالاتری در یک محیط فاسدتر افزایش می‌دهند. مطالعات قبلی نشان می‌دهد که شرکت‌های مستقر در یک محیط بسیار استخراجی، نقدینگی را برای تونل‌زنی افزایش می‌دهند ( Pinkowitz et al., 2006 )، و از پول نقد برای پرداخت رشوه و رشوه در دوره‌های انتخاباتی برای به دست آوردن منافع دولت استفاده می‌کنند ( Mironov and Zhuravskaya، 2016 ). اگرچه معاملات رشوه‌دهی شرکت‌ها را در معرض عوارض قانونی قرار می‌دهد، شرکت در چنین فعالیت‌هایی شرکت‌ها را قادر می‌سازد تا مزایایی را به دست آورند که در غیر این صورت نمی‌توان به دست آورد (به Cheung et al., 2021 مراجعه کنید ).

از آنجایی که شرکت‌ها سیاست‌های مدیریت ریسک متناقضی را برای کاهش فساد سیاسی و عدم اطمینان سیاسی اتخاذ می‌کنند، تأثیر ترکیبی آنها بر دارایی‌های نقد آشکار نیست. در یک محیط فاسدتر، افزایش عدم اطمینان منجر به سلب مالکیت بیشتر می شود زیرا مقامات فاسد از قدرت اختیاری خود برای معرفی و اجرای سیاست های مطلوب استفاده می کنند. شرکتی که در چنین محیطی فعالیت می کند دو واکنش ممکن به عدم قطعیت دارد، از این رو ما دو فرضیه رقیب (حفاظت و نقدینگی) را بررسی می کنیم.

ما متوجه شدیم که شرکت ها در مواجهه با عدم اطمینان سیاسی بیشتر در شرایطی که در محیط های فاسدتری مستقر هستند، پول نقد بیشتری نگهداری می کنند. بنابراین ما استدلال می‌کنیم که می‌توان نتیجه گرفت که وقتی با عدم اطمینان سیاسی در یک محیط فاسد مواجه می‌شوند، شرکت‌ها دارایی‌های نقدی خود را افزایش می‌دهند تا فرآیند نفوذ بر سیاست‌گذاران را کاهش دهند. سپس با بررسی کمک‌های کمیته اقدام سیاسی (PAC) شرکت‌ها در پاسخ به سطوح مختلف فساد و عدم اطمینان سیاسی، شواهدی مطابق با این ایده پیدا می‌کنیم. وقتی شرکت‌ها پول نقد را در کنار فساد و عدم اطمینان بیشتر افزایش می‌دهند، مشارکت‌های PAC بیشتری نیز دارند.

ایالات متحده یک محیط طبیعی برای مطالعه ما فراهم می کند. اکثر مطالعات در مورد رابطه بین سیاست‌های مالی شرکت در حضور عدم اطمینان سیاسی و فساد مبتنی بر داده‌های بین‌المللی هستند، با استثنائات کمی ( فراز و فینان، 2011 ؛ خو و همکاران، 2016 ). این به طور بالقوه می تواند تفکیک بسیاری از عوامل نهادی که این نتایج را تعیین می کنند دشوار کند. با مطالعه تغییرات در سطح ایالت در ایالات متحده، کنترل برخی از عوامل و همچنین به کارگیری معیارهای عینی یا قابل مقایسه تر از فساد و عدم اطمینان و همچنین متغیرهای حسابداری آسان تر است. این به این دلیل است که تنوع قابل توجهی در شاخه های مقننه، مجریه و قضایی دولت های ایالتی وجود دارد که کیفیت نهادهای سیاسی را تعیین می کند ( Alt and Lassen, 2003 ). این به نوبه خود در تغییرات فرهنگ فساد در بین کشورها و در طول زمان منعکس می شود. علاوه بر این، همسویی سیاسی بین قوه مجریه (رئیس جمهور)، مقننه (کنگره) و شاخه های محلی دولت بر اجرای سیاست ها در سراسر ایالت ها تأثیر دارد. با توجه به اینکه درجه این همسویی به طور بالقوه می‌تواند هر دو سال یکبار تغییر کند، می‌توان یک مجموعه داده غنی برای بهره‌برداری از ناهمگونی فساد محلی و عدم اطمینان سیاسی در سراسر ایالت‌ها و در طول زمان ایجاد کرد.

معیار اصلی ما از فساد مبتنی بر محکومیت مقامات دولتی برای جرایم مرتبط با فساد است ( داس و همکاران، 2016 ؛ فیسمن و گاتی، 2002 ؛ هوانگ و یوان، 2021 ؛ اسمیت، 2016 ). این اقدام را می توان به لطف نقش دادگاه های فدرال که به احتمال زیاد یکنواخت و مستقل از نفوذ محلی هستند، عینی در نظر گرفت ( گلیزر و ساکس، 2006 ). در حالی که مطالعه ایالات متحده با داده های محکومیت های بین ایالتی خالی از انتقاد نیست، جایگزین ها به طور بالقوه مشکلات بیشتری را ایجاد می کنند: یا تلاش برای تفکیک اثرات نهادی از شاخص های هدف بین کشوری، یا تکیه صرف بر اقدامات مبتنی بر ادراک که در معرض مشکلات نمونه برداری اسمیت (2016) با ارائه نمونه هایی از پرونده های فساد و اشکال مختلف رشوه، مورد قانع کننده ای برای استفاده از محکومیت های دادگاه فدرال برای فساد (مقیاس بندی بر اساس جمعیت) به عنوان نماینده ای برای سطح فساد سیاسی محلی ایجاد می کند. شواهد بیشتر از رشوه و فساد همراه با دستاوردهای بالقوه ناشی از چنین فعالیت هایی توسط داس و همکاران، 2021 ، داس و همکاران، 2016 ارائه شده است . فاچیو و هسو (2017) .

برای اندازه گیری عدم قطعیت سیاسی در سطح ایالت، از شاخص همسویی سیاسی (PAI) توسعه یافته توسط کیم و همکاران استفاده می کنیم. (2012) ، که خاطرنشان می کند که کشورهایی که بیشتر با رئیس جمهور همسو هستند در معرض تغییرات سریع سیاست هستند. بنابراین، شرکت‌هایی در ایالت‌هایی که همسویی بیشتری با دولت فدرال حاکم دارند، نسبت به شرکت‌هایی که در ایالت‌های کمتر همسو هستند، در معرض خطرات سیاسی بالاتری قرار دارند. این معیار ریسک سیاسی در سطح ایالت به طور شهودی به پتانسیل فسادی که ما مطالعه می‌کنیم نزدیک‌تر است، زیرا با نزدیکی به سیاست‌گذاران مرتبط است. همچنین تغییر در نهادهای سیاسی را در سطوح مختلف سیستم، نسبت به یک متغیر انتخاباتی دودویی نشان می‌دهد. ما همچنین ارزیابی می‌کنیم که آیا نتایج ما هنگام استفاده از شاخص عدم قطعیت سیاست اقتصادی (EPU) معتبر است ( بیکر و همکاران، 2016 ) که توسط، در میان دیگران، Duong و همکاران به کار می‌رود. (2020) .

با استفاده از 47489 مشاهدات سالانه شرکت از 4551 شرکت منحصربه‌فرد در دوره نمونه از 1998 تا 2018، شواهد محکمی پیدا کردیم که نشان می‌دهد شرکت‌هایی در ایالت‌هایی با امتیاز فساد بالا پول نقد بیشتری را به عنوان پاسخی به افزایش عدم اطمینان سیاسی نسبت به شرکت‌هایی که در ایالت‌هایی با امتیازات فساد پایین‌تر دارند، نگهداری می‌کنند. . نتایج ما پس از کنترل عوامل کلان اقتصادی در سطح ایالتی و ملی، و همچنین پیش‌بینی‌کننده‌های خاص شرکت از نگهداری وجه نقد موجود در ادبیات، ثابت می‌ماند. به عنوان مثال، به طور متوسط، شرکت های واقع در لوئیزیانا (امتیاز فساد بالا) نسبت پول نقد به دارایی خود را 15.1٪ بیشتر از شرکت های واقع در مینه سوتا (امتیاز فساد پایین) در پاسخ به عدم اطمینان سیاسی بالاتر (چرک بالایی) افزایش می دهند.

ما به نگرانی های درون زایی توجه کافی داریم. برای رسیدگی به این نگرانی که فساد و عدم اطمینان محلی می‌تواند با سایر عوامل غیرقابل مشاهده مرتبط باشد، درون‌زایی را با کمک دو متغیر ابزاری که با فساد در سطح دولتی مرتبط هستند کنترل می‌کنیم. برای پرداختن به مشکلات احتمالی خود گزینی ناشی از انتخاب شرکت‌ها برای مکان یابی در ایالت‌های خاص، نمونه را بر اساس یک پروکسی مبتنی بر نظرسنجی از ادراک فساد منتشر شده توسط بویلان و لانگ (2003) تقسیم کردیم و شرکت‌هایی را در ایالت‌هایی با امتیاز متوسط برای فساد کنار گذاشتیم. . ما متوجه شدیم که شرکت‌ها در ایالت‌های با فساد بالا به افزایش عدم اطمینان سیاسی با افزایش پول نقد پاسخ می‌دهند، در حالی که شرکت‌هایی که در ایالت‌های کم فاسد هستند این کار را نمی‌کنند.

ما یک سری بررسی های استحکام را انجام می دهیم. اول، ما اقدامات جایگزین فساد و عدم اطمینان را در نظر می گیریم. معیار اصلی فساد مبتنی بر محکومیت‌ها می‌تواند تحت تأثیر ماهیت مداوم فساد و نگرانی‌های اجرایی باشد، مانند زمانی که برخی از قضات فدرال توسط سیاستمداران ایالتی نامزد می‌شوند. برای پرداختن به این نگرانی‌ها، ما به طور متناوب از یک پروکسی دوگانه از داده‌های محکومیت و همچنین امتیاز فساد دولتی بویلان و لانگ (2003) استفاده می‌کنیم . به طور مشابه، ما یک ساختار جایگزین PAI را در نظر می گیریم که فقط بر اساس اعضای کنگره از ایالت است و نقش فرمانداران و مجالس ایالتی را مستثنی می کند ( Antia et al., 2013 ).

در مرحله بعد، بررسی می کنیم که آیا نتایج ما تا حد زیادی در مورد انتخابات ریاست جمهوری و فرمانداری رخ می دهد یا خیر. از آنجایی که سطح عدم اطمینان در مورد انتخابات نزدیک، عمدتاً در مورد انتخابات نزدیک فرمانداری، بالاتر است، شرکت‌ها در ایالت‌های با فاسد بالا با نگهداری وجه نقد بیشتر در سال‌های پس از چنین انتخاباتی به افزایش عدم اطمینان پاسخ می‌دهند. در نهایت، ما همچنین مشخصات جایگزین مدل پایه را بدون اثرات ثابت ثابت برای رسیدگی به نگرانی‌های بالقوه در مورد نویز در پروکسی فساد اجرا می‌کنیم.

ما عوامل زیادی را کنترل کرده‌ایم که می‌تواند منجر به افزایش نگهداری پول نقد در مواجهه با افزایش عدم اطمینان سیاسی شود، اما ایجاد مکانیسم‌ها همیشه می‌تواند چالش برانگیز باشد. به عنوان مثال، ممکن است استدلال شود که کاهش در تحقیق و توسعه یا مخارج سرمایه ای منعکس کننده افزایش نقدینگی است. با این حال، حدس ما مبنی بر اینکه پول نقد برای خرید نفوذ استفاده می‌شود، عمدتاً به شناسایی تأثیر متفاوت عدم اطمینان سیاسی در کشورهایی با امتیازات فساد بالاتر و پایین‌تر متکی است. برای بررسی بیشتر اینکه آیا می‌توانیم وزن بیشتری برای این بحث قائل شویم، همچنین بررسی می‌کنیم که آیا افزایش پول نقد احتمالاً برای تأثیرگذاری بر سیاستمداران استفاده می‌شود یا خیر. برای این منظور، ما مشارکت های کمپین را از طریق PAC های شرکت بررسی می کنیم. ما متوجه شدیم که در ایالت هایی با نمرات فساد بالا نسبت به ایالت هایی که نمرات پایینی دارند، اندازه کمک به اعضای کنگره به طور مثبت با افزایش عدم اطمینان و میزان پس انداز نقدی مرتبط است.

مقاله ما به ادبیات مربوط به تأثیر عدم اطمینان سیاسی و فساد بر سیاست‌های مالی شرکت و مهم‌تر از آن بر تعامل آنها کمک می‌کند. ما از ناهمگونی بین ایالتی در ایالات متحده استفاده می کنیم تا با استفاده از معیارهای عینی فساد بررسی کنیم که چگونه فساد سیاسی و عدم اطمینان سیاسی به طور مشترک بر دارایی های نقدی یک شرکت تأثیر می گذارند. در انجام این کار، ما سیاست های محکمی را که به پتانسیل رشد بیشتر فساد اشاره می کند، برجسته می کنیم.

به طور کلی، نتایج ما نشان می‌دهد که شرکت‌ها برای تأثیرگذاری بر مقامات دولتی در مواجهه با افزایش عدم اطمینان سیاسی، پول نقد ذخیره می‌کنند. ما یافته های اسمیت (2016) را با محاسبه تغییرات در سطح ریسک سیاسی محلی تکمیل می کنیم. ما گزارش می‌دهیم که شرکت‌هایی که در مناطق بسیار فاسد واقع شده‌اند، نه تنها در صورت مواجهه با عدم قطعیت سیاسی، دارایی‌های نقدی را افزایش می‌دهند، بلکه این کار را بیشتر از شرکت‌هایی که در محیط‌های کمتر فاسد هستند، افزایش می‌دهند. در ایالات متحده، نزدیکی ایالت ها به قدرت سیاسی ممکن است هر دو سال یکبار با انتخابات میان دوره ای تغییر کند و عدم اطمینان ناشی از مداخله بیشتر دولت، سطح سلب مالکیت را در ایالت افزایش می دهد. برای کاهش این ریسک بالای سلب مالکیت، بنگاه ها به جای کاهش دارایی های نقدی، افزایش می یابند. اگرچه اسمیت (2016) عمدتاً از فرضیه محافظ حمایت می کند، ما نشان می دهیم که چگونه قرار گرفتن در معرض ریسک سیاست می تواند فرضیه نقدینگی را وارد بازی کند.

ادامه این مقاله به شرح زیر سازماندهی شده است. بخش 2 مروری بر ادبیات مربوط به ارتباطات بین فساد، عدم اطمینان سیاسی و دارایی‌های نقدی ارائه می‌کند و سهم ما را در آن قرار می‌دهد. بخش 3 داده های مورد استفاده را تشریح می کند در حالی که بخش 4 روش اتخاذ شده را همراه با یافته های تجربی علاوه بر برخی از آزمون های استحکام مورد بحث قرار می دهد. بخش 5 مقاله را به پایان می رساند. اطلاعات تکمیلی مربوط به داده ها در پیوست گزارش شده است.

2 . بررسی ادبیات

ادبیات آکادمیک غنی و رو به رشدی در مورد تأثیرات فساد و عدم اطمینان سیاسی به طور جداگانه بر شرکت ها وجود دارد. کار نظری مایرز و راجان (1998) و استولز (2005) نشان می‌دهد که قرار گرفتن در معرض فساد سیاسی شرکت‌ها را مجبور می‌کند تا پول نقد و اوراق بهادار قابل فروش را به دارایی‌هایی هدایت کنند که به راحتی قابل استخراج نیستند، مانند دارایی، ماشین آلات و تجهیزات، و موجودی. از آنجایی که دارایی‌های نقدی را می‌توان به راحتی به منافع خصوصی تبدیل کرد ، به احتمال زیاد توسط سیاستمداران فاسد هدف قرار می‌گیرند. مک چزنی (1987) استدلال می کند که چنین سلب مالکیت می تواند در قالب مالیات هدفمند و تهدیدهای نظارتی رخ دهد.

چندین مطالعه تجربی محافظت از دارایی های نقدی را به عنوان یک استراتژی برای پاسخ به فساد مستند می کنند. به عنوان مثال، کاپریو و همکاران. (2013) ، در مطالعه‌ای بر روی 109 کشور، نشان داد که شرکت‌هایی در کشورهایی که احتمال بیشتری برای استخراج سیاسی دارند، دارایی‌های نقدی کمتری را به‌عنوان ابزاری محافظ نگهداری می‌کنند، بیشتر در دارایی‌های سخت سرمایه‌گذاری می‌کنند و سود سهام بیشتری نسبت به شرکت‌ها پرداخت می‌کنند. واقع در کشورهایی با خطر کمتر استخراج. فن و همکاران (2012) دریافتند که شرکت‌ها در کشورهای بسیار فاسد با قوانین ضعیف‌تر تمایل به استفاده از اهرم‌های بیشتری دارند، با این استدلال که این رابطه به دلیل سطح سلب مالکیت برقرار است، زیرا سلب مالکیت از دارندگان بدهی دشوارتر از دارندگان سهام است. خو و همکاران (2016) نشان می‌دهد که افزایش ریسک استخراج ناشی از اشکال خاص تغییر سیاسی، شرکت‌های چینی را وادار می‌کند تا پول نقد خود را کاهش یا پنهان کنند. اسمیت (2016) رابطه علیت بین فساد در سطح ایالت ایالات متحده و سیاست های مالی شرکت را بررسی می کند. او با استفاده از داده‌های محکومیت به‌عنوان نماینده فساد، گزارش می‌دهد که شرکت‌هایی که در ایالت‌های با فاسد بالا مستقر هستند، به‌طور قابل‌توجهی پول نقد کمتری در اختیار دارند و در مقایسه با شرکت‌هایی که در ایالت‌های کمتر فاسد هستند، اهرم بیشتری دارند.

اگرچه این خط از ادبیات به رویکرد محافظی اشاره دارد که توسط شرکت‌ها در محیطی دائماً فاسد اتخاذ شده است، شواهدی در درک چگونگی تطبیق این رویکرد با تقاضای نقدینگی در مواجهه با تغییرات در محیط سیاسی وجود ندارد.

در سال های اخیر تحقیقات گسترده ای در مورد تأثیر عدم اطمینان سیاسی بر سیاست های مالی انجام شده است. پاستور و ورونزی (2012) یک چارچوب نظری ایجاد می‌کنند که نشان می‌دهد عدم قطعیت پیرامون سیاست‌های دولت منجر به ریسک سیاسی می‌شود که به نوبه خود می‌تواند منجر به کاهش سطح سرمایه‌گذاری شود. گونگورایدین اوغلو و همکاران (2017) نشان می دهد که عدم اطمینان سیاسی محدودیت های مالی را افزایش می دهد. در چنین زمینه‌ای، آن دسته از شرکت‌هایی که در دسترسی به منابع مالی خارجی مشکل دارند ، به احتمال زیاد پول نقد ذخیره می‌کنند ( بیتس و همکاران، 2009 ؛ اپلر و همکاران، 1999 ؛ هارفورد و همکاران، 2014 ).

تعداد محدودی از مطالعات تجربی تأثیر ریسک سیاسی بر دارایی‌های نقدی را بررسی کرده‌اند. بیشتر این مطالعات از شاخص EPU توسعه یافته توسط بیکر و همکاران استفاده می کنند. (2016) به عنوان یک پروکسی. مطالعه اخیر توسط Duong و همکاران. (2020) نشان می‌دهد که رشد ذخایر نقدی در شرکت‌های آمریکایی می‌تواند تا حدی با افزایش عدم اطمینان سیاست‌ها توضیح داده شود، زیرا شرکت‌ها به دلیل انگیزه احتیاطی پول نقد احتکار می‌کنند. آنها دریافتند که افزایش عدم اطمینان منجر به افزایش نسبت وجه نقد به دارایی شرکت ها در سال بعد می شود. آنها همچنین استدلال می‌کنند که مانده‌های نقدی بالاتر تأثیر عدم قطعیت سیاست بر سرمایه‌گذاری شرکت‌ها را کاهش می‌دهد. هانکینز و همکاران (2019) تأثیر شوک‌های عدم قطعیت سیاست (با استفاده از شاخص EPU) و شوک‌های تعارض حزبی (با استفاده از شاخص تعارض حزبی توسعه‌یافته توسط آزیمونتی، 2018 ) را بر روی دارایی‌های نقدی مقایسه کرد. آن‌ها نشان می‌دهند که این دو معیار متمایز هستند و شرکت‌ها به روش‌های متفاوتی به این شوک‌ها واکنش نشان می‌دهند، و دارایی‌های نقدی را بلافاصله پس از شوک‌های سیاستی کاهش می‌دهند در حالی که دارایی‌های نقدی را پس از شوک‌های حزبی افزایش می‌دهند.

در داخل ایالات متحده، چندین نویسنده تأثیر عدم اطمینان سیاسی یا فساد را بر ارزش شرکت، سیاست‌های مالی و سرمایه‌گذاری مستند کرده‌اند ( داس و همکاران، 2016 ؛ اسمیت، 2016 ؛ هوانگ و یوان، 2021 ؛ نگوین و همکاران، 2020 ؛ دوونگ . و همکاران، 2020 ؛ جنز، 2017 ). ² ما این ادبیات را در گردآوری مجموعه داده های قابل توجهی متشکل از پراکسی های با کیفیت بالا برای فساد و عدم قطعیت دنبال می کنیم. با این حال، مقاله ما چگونگی تأثیر آنها بر سیاست‌های مالی شرکت‌ها را تحلیل می‌کند.

کار ما همچنین مکمل شواهد بین‌المللی جولیو و یوک (2016) است، که نشان می‌دهند کاهش سرمایه‌گذاری مستقیم خارجی به دلیل عدم اطمینان سیاسی برای کشورهایی با سطوح بالای فساد آشکارتر است، در حالی که گونگورایدین اوغلو و همکاران. (2017) دریافتند که کاهش در تامین مالی خارجی شرکت ها به دلیل عدم اطمینان سیاسی با وجود نهادهای سیاسی قوی کاهش می یابد. در مطالعه حاضر افضلی و همکاران. (2021) مستقل از ما، تأثیر عدم قطعیت سیاست بر رفتار اخلاقی شرکت ها را با استفاده از داده های نظرسنجی بین المللی مطالعه می کند. مانند ما، آنها همچنین حمایت نسبی از افزایش رشوه در زمانی که عدم اطمینان سیاسی افزایش می یابد، پیدا می کنند. ما از ناهمگونی بین ایالتی در ایالات متحده استفاده می کنیم تا با استفاده از معیارهای عینی فساد بررسی کنیم که چگونه فساد سیاسی و عدم اطمینان سیاسی به طور مشترک بر دارایی های نقدی یک شرکت تأثیر می گذارند. در انجام این کار، ما سیاست های محکمی را که به پتانسیل رشد بیشتر فساد اشاره می کند، برجسته می کنیم.

مطالعه ما همچنین به کانالی برای تداوم و ریشه‌دار شدن فساد اشاره می‌کند. در حالی که ادبیات قابل توجهی در مورد رانت خواری و فساد در سراسر جهان وجود دارد، ادبیات گسترده ای نیز وجود دارد که به طور مشترک به بررسی رابطه متقابل بین بی ثباتی سیاسی و فساد و تأثیر آنها بر موضوعاتی مانند شکل گیری سیاست یا انطباق با مقررات می پردازد (به عنوان مثال، Acemoglu را ببینید . و همکاران، 2003 ؛ کامپانته و همکاران، 2009 ؛ دامنیا و همکاران، 2004 ؛ فراز و فینان، 2011 ؛ فردریکسون و سونسون، 2003 ؛ شلیفر و ویشنی، 1993 ). در مقایسه، مقاله ما بر روی سیاست های شرکت متمرکز است. بی‌ثباتی سیاسی را می‌توان در یک طیف مشاهده کرد، که افراطی‌ترین نسخه شامل تغییر رژیم از طریق خشونت است. ما بیشتر علاقه مند به ریسک سیاسی هستیم که در قالب سیاست های سریع و تغییرات نظارتی ظاهر می شود. ادبیات فوق این نوع ریسک را به عنوان ابزاری برای سیاستمداران فاسد برای استخراج رانت متمایز می کند. با این حال، ما پدیده‌ای را مستند می‌کنیم که به موجب آن شرکت‌ها می‌توانند مصلحت فساد را بر سایر گزینه‌ها انتخاب کنند. علاوه بر این، ما استراتژی سیاسی را به عنوان کانالی نشان می دهیم که از طریق آن شرکت ها از پول نقد برای تأثیرگذاری بر سیاست گذاران استفاده می کنند.

یافته‌های ما گسترشی به ادبیات استراتژی‌های سیاسی ارائه می‌دهد که مشارکت‌های کمپین مکانیسم‌هایی هستند که توسط شرکت‌ها برای تأثیرگذاری بر سیاستمداران استفاده می‌شوند. با استفاده از یک مدل نظری گروسمن و هلپمن (1992) مشارکت گروه‌های ذینفع ویژه در شکل‌گیری سیاست تجاری را توضیح می‌دهند و کار اخیر کانگ (2016) تأثیر چنین مشارکتی توسط شرکت‌ها در فعالیت‌های لابی‌گری را بر احتمالات اجرای سیاست‌ها تعیین می‌کند. یافته‌های ما این مطالعات را با ارائه شواهد روشنی از میزان تنظیم سیاست‌های مالی شرکت‌ها برای تأثیرگذاری بر سیاست‌گذاران از طریق مشارکت‌های کمپین گسترش می‌دهد. ما بر سطح فساد در مکان شرکت به عنوان عامل تعیین کننده برای رفتار آن در پاسخ به ریسک سیاسی از طریق ارتباطات سیاسی، مشابه یافته های آمور و بندسن (2013) تاکید می کنیم .

در نهایت، ما به ادبیات گسترده‌تر در مورد مطالعه سیاست‌های مالی شرکت، به‌ویژه دارایی‌های نقدی کمک می‌کنیم. این ادبیات به سیاست های مدیریت ریسک ( بیتس و همکاران، 2009 ؛ هارفورد و همکاران، 2014 ؛ اپلر و همکاران، 1999 ؛ کیو، 2019 ) و مسائل آژانس ( دیتمار و همکاران، 2003 ؛ دیتمار و ماهرت اسمیت، 2007 ؛ Pinkowitz و همکاران، 2006 ). تمرکز ما روی نگهداری وجه نقد است، زیرا پول نقد می تواند به راحتی به منافع خصوصی تبدیل شود ( مایرز و راجان، 1998 ). ما روش غیرخطی را نشان می دهیم که در آن عدم اطمینان سیاسی و فساد بر سیاست های شرکت تأثیر می گذارد. تحقیقات ما نشان می‌دهد که همزمانی فساد و عدم اطمینان خطرات جدی را حتی در میان کشورهای توسعه‌یافته با نهادهای سیاسی قوی تشدید می‌کند. با نشان دادن تأثیر متقابل بین سیاست‌های مخالف ناشی از منابع مختلف ریسک، ما امیدواریم که درک خود را از تعادل پیچیده مشوق‌هایی که شرکت‌ها هنگام تعیین سیاست‌های مالی با آن مواجه هستند، غنی‌سازی کنیم.

3 . توضیحات داده ها و متغیرها

3.1 . داده ها

نمونه شامل تمام شرکت های سهامی عام است که در ایالات متحده ثبت شده اند. ما داده های مالی تاریخی محکمی را از Datastream به دست می آوریم. مجموعه داده شامل همه شرکت‌های فعال و غیرفعال در هر یک از صرافی‌های زیر است: NYSE، NYSE MKT، بازار جهانی NASDAQ، و NYSE Arca. ما شرکت‌های بخش مالی (SIC 6000-6999) را مستثنی می‌کنیم، زیرا این شرکت‌ها نیاز به برآوردن نیاز سرمایه قانونی دارند که با شرکت‌های غیرمالی متفاوت است، و شرکت‌هایی در بخش خدمات (SIC 4900-4999) زیرا این شرکت‌ها مشمول مقررات خاص ایالتی علاوه بر این، مشاهدات سالانه شرکت با دارایی‌ها و فروش غیرمثبت، و همچنین شرکت‌هایی که دارایی‌ها و رشد فروش بیش از 100 درصد دارند، مستثنی هستند. ³ ما شرکت‌هایی را که دفتر مرکزی آنها در ناحیه کلمبیا (DC) قرار دارد را مستثنی می‌کنیم. پس از اعمال این محدودیت‌ها، کل نمونه شامل 47,489 مشاهدات است که شامل 4551 شرکت منحصر به فرد در طول دوره 1998-2018 می‌شود. ما داده‌های دفتر مرکزی شرکت تاریخی را از بسته «ادگار» R که توسط Lonare و Patil (2020) توسعه یافته است، جمع‌آوری می‌کنیم . این بسته عملکردی را برای دانلود فایل های 10-K از کمیسیون بورس و اوراق بهادار (SEC) و استخراج آدرس تجاری همه شرکت های فهرست شده در فهرست عمومی ارائه می دهد.

با پیروی از Opler و همکاران. (1999) ، متغیر وابسته برابر است با لگاریتم وجه نقد و معادل های نقدی تقسیم بر کل دارایی ها بدون نقدینگی. ما ویژگی‌های شرکت شناسایی‌شده در ادبیات موجود را کنترل می‌کنیم که عوامل تعیین‌کننده نگهداری وجه نقد را برجسته می‌کند (به عنوان مثال، Opler و همکاران، 1999 ؛ بیتس و همکاران، 2009 ). اینها شامل اندازه شرکت، اهرم، سرمایه در گردش خالص، مخارج سرمایه، سود سهام، ارزش دفتری به بازار، جریان نقدی، و مخارج تحقیق و توسعه است. این کنترل ها در پیوست 1 تعریف شده اند . دو متغیر مستقل اصلی مورد علاقه، یعنی فساد سیاسی و عدم اطمینان سیاسی، به ترتیب در 3.2 فساد سیاسی ، 3.3 عدم قطعیت سیاسی توضیح داده شده اند .

3.2 . فساد سیاسی

داده های سالانه محکومیت صادر شده توسط بخش صداقت عمومی وزارت دادگستری (DOJ) برای ساختن نماینده اصلی برای فساد استفاده می شود. وزارت دادگستری به صورت سالانه داده هایی را در مورد تعداد محکومیت های فساد مقامات دولتی برای 94 ناحیه قضایی فدرال در ایالات متحده ارائه می دهد. این داده ها شامل پرونده های فسادی است که توسط وزارت دادگستری در مورد جرایم مختلف مانند تضاد منافع، کلاهبرداری، نقض مالی کمپین ها و ممانعت از اجرای عدالت تحت تعقیب قرار می گیرد. فرض بر این است که ناحیه ای با تعداد محکومیت های بالایی دارای فرهنگ فساد است که بر عملیات شرکتی در منطقه تأثیر می گذارد ( فیسمن و گاتی، 2002 ).

ما از رویکردی مشابه داس و همکاران پیروی می کنیم. (2016) و هوانگ و یوان (2021) برای ساختن نماینده اصلی فساد. برای محاسبه نرخ سرانه محکومیت در سطح ایالت، تعداد خام سالانه پرونده های محکومیت را بر کل جمعیت سالانه ایالت (به ازای هر 100000 نفر) تقسیم می کنیم. این به ما امکان می‌دهد تا اندازه‌ای از فساد را در سراسر ایالت‌ها ایجاد کنیم. در موارد معدودی که تعداد محکومیت ها گزارش نشده است، با درون یابی بین سال قبل و سال بعد، مقداری تعیین می شود. مطابق با مطالعات قبلی، سطح فساد در ایالتی که شرکت در آن مستقر است، به عنوان معیار سطح شرکت در نظر گرفته می شود. این با تطبیق داده های دفتر مرکزی برای همه شرکت های نمونه در طول دوره نمونه به دست می آید. شکل 1 نشان می دهد که به طور متوسط لوئیزیانا، مونتانا، داکوتای جنوبی و می سی سی پی دارای نرخ محکومیت سرانه بالاتری هستند. این نرخ‌ها با مطالعاتی که از یک منبع داده استفاده می‌کنند مطابقت دارد ( داس و همکاران، 2016 ؛ هوانگ و یوان، 2021 ).

استفاده از داده های محکومیت به خوبی در ادبیات پشتیبانی شده است. یکی از مزایای اصلی این رویکرد این است که، در مقایسه با معیارهای مبتنی بر نظرسنجی که مبتنی بر عقیده هستند، داده‌های اعتقادی ساخت یک معیار قابل بحث عینی را تسهیل می‌کند. به طور خاص، داده ها استاندارد و قابل تأیید هستند. اگرچه فساد ممکن است پایدار باشد، ویژگی متغیر زمانی داده های محکومیت به ما اجازه می دهد تا آن را در یک مطالعه پانل به کار ببریم. با وجود این مزایا، انتقادات خاصی در ارتباط با داده های محکومیت وجود دارد. به عنوان مثال، تعداد کمتری از محکومیت ها ممکن است به دلیل کمبود منابع دادستانی و اجرای کم قانونی ایجاد شود. گلیزر و ساکس (2006) استدلال می‌کنند که با استفاده از اعتقادات فدرال می‌توان وضعیت را کاهش داد، زیرا در مقایسه با مقررات محلی، سیستم قضایی فدرال منزوی‌تر است و احتمالاً با همه به یک شکل رفتار می‌کند.

3.3 . عدم قطعیت سیاسی

شاخص همسویی سیاسی (PAI) که توسط کیم و همکاران تهیه شده است. (2012) به عنوان نماینده ای برای ریسک سیاسی استفاده می شود. PAI معیاری در سطح ایالتی برای همسویی با حزب رئیس جمهور است که با دادن وزن مساوی به بخش های هر یک از هیئت های ایالتی در دو اتاق کنگره که با حزب رئیس جمهور همسو هستند و برای کنترل ایالت توسط حزب رئیس جمهور ایجاد می شود. سیاست های.

این معیار بر اساس مفهوم دولت واحد در مقابل تقسیم شده ساخته شده است. مطالعات متعددی استدلال کرده اند که در یک دولت تقسیم شده، احتمال تغییر سیاست در مقایسه با یک دولت واحد کم است. فاولر (2006) و بچتل و فوس (2008) خاطرنشان می کنند که تحت یک سیاست دولتی تقسیم شده، ریسک در مقایسه با یک دولت واحد کمتر است. به این دلیل که تحت یک دولت تقسیم شده، که در آن تضاد حزبی بین قوه مجریه و مقننه وجود دارد، احتمال تغییر سیاست ها را کاهش می دهد. هنگام اتخاذ سیاست‌ها، یک دولت تقسیم شده طرفین را مجبور به مذاکره می‌کند و این دامنه تغییرات سیاستی را که در غیر این صورت در یک دولت واحد با کنترل کامل دیده می‌شود، محدود می‌کند. کیم و همکاران با گسترش این به سطح ایالتی ایالات متحده . (2012) نشان می دهد که ایالت هایی که با حزب حاکم همسوتر می شوند، در معرض عدم اطمینان سیاسی بالاتری قرار دارند، زیرا قانونگذاران در این ایالت ها از قدرت خود برای معرفی و حمایت از لوایح با سرعت بیشتری استفاده می کنند. بنابراین، نزدیکی بیشتر به قدرت سیاسی به عنوان منبع ریسک سیاست عمل می کند، بنابراین PAI بالاتر به معنای عدم اطمینان بیشتر است و بالعکس.

مزیت متمایز استفاده از PAI به عنوان نماینده این است که عدم قطعیت ناشی از نفوذ بازیگران سیاسی محلی در سیاست گذاری در لایه های مختلف سیستم سیاسی را که فراتر از چرخه های انتخاباتی است، نشان می دهد (چولاک و همکاران، 2021 ) . . بنابراین PAI در مقایسه با پروکسی های انتخاباتی باینری جامع تر است. PAI به طور گسترده ای به عنوان یک نماینده برای ریسک سیاست در سطح دولتی استفاده شده است. بردلی و همکاران (2016) و Aabo و همکاران. (2020) به ترتیب شواهدی در مورد تأثیر نزدیکی دولت به قدرت سیاسی بر هزینه بدهی و مزیت اطلاعاتی سرمایه گذاران نهادی ارائه می دهد.

PAI برای هر ایالت هر دو سال با استفاده از فرمول زیر محاسبه می شود. ⁴(1) $PAI = (1 / 4) \times SENATORS + (1 / 4) \times REPRESENTATIVES + (1 / 4) \times GOVERNORS + (1 / 4) \times [(1 / 2) \times STATE SENATORS + (1 / 2) \times STATE REPRESENTATIVES]$ که در آن SENATORS درصدی از دو سناتور ایالت در کنگره است که به حزب رئیس جمهور تعلق دارند. RERESENATIVES درصدی از مجلس نمایندگان ایالت در کنگره است که به حزب رئیس جمهور تعلق دارند. اگر فرماندار متعلق به همان حزب رئیس جمهور باشد، GOVERNOR نشانگر برابر با 1 و در غیر این صورت 0 است. اگر درصد اعضای سنای ایالتی متعلق به حزب رئیس جمهور بیش از 50% باشد، شاخصی برابر با 1 و در غیر این صورت 0 است . و اگر درصد نمایندگان ایالتی در مجلس ایالتی متعلق به حزب رئیس جمهور بیش از 50 درصد باشد، شاخصی برابر با 1 و در غیر این صورت 0 است .

پایگاه داده های مختلفی برای به دست آوردن داده های لازم برای ساخت PAI استفاده می شود. اطلاعات ایدئولوژیک اعضا در دو اتاق کنگره از Voteview به دست آمده است: پایگاه داده فراخوانی کنگره . ⁵ داده‌های وابستگی به حزب فرماندار، داده‌های ایدئولوژی سنای ایالتی و مجلس نمایندگان از داده‌های تعادل حزبی ایالتی استخراج شده است. ⁶ شکل 2 نشان می دهد که چگونه PAI در ایالت ها هر دو سال یکبار تغییر می کند.

در مجموع، شکل 1 و شکل 2 ناهمگونی بین ایالت های ایالات متحده در فساد و تغییر هر دو سال در عدم اطمینان سیاسی را به تصویر می کشد.

3.4 . آمار خلاصه

جدول 1 شامل آمار خلاصه و ضرایب همبستگی با توجه به متغیرهای مورد استفاده در تحلیل اصلی است. بر اساس پنل A، میانگین نسبت وجه نقد به دارایی خالص از وجه نقد 46 درصد است. میانگین اندازه ثبت شرکت 6.18، نسبت اهرمی 23 درصد، نسبت سرمایه به کل دارایی ها 5 درصد و نسبت دفتری به بازار 2.15 است. شاخص اصلی فساد نشان می دهد که به طور متوسط سالانه 0.29 محکومیت به ازای هر 100000 نفر در سطح ایالتی وجود دارد. هوانگ و یوان (2021) نرخ مشابهی را گزارش کردند. میانگین PAI 0.50 است. پانل B، که همبستگی بین همه متغیرها را گزارش می‌کند، نشان می‌دهد که فساد دارای همبستگی منفی (معنی‌دار در سطح 1٪) و عدم اطمینان سیاسی به طور مثبت (معنادار در سطح 1٪) با نگهداری وجه نقد، که با ادبیات قبلی سازگار است، همبستگی دارد. فساد و عدم اطمینان سیاسی همبستگی منفی دارند، به این معنی که در کشورهای با فاسد بالا به طور متوسط عدم اطمینان سیاسی کمتری وجود دارد.

جدول 1 . آمار توصیفی و ضرایب همبستگی.

پانل A: آمار توصیفی
آمار	منظور داشتن	SD	PCTl (25)	میانه	PCTl (75)
CORR	0.29	0.18	0.18	0.25	0.37
PAI	0.50	0.31	0.22	0.47	0.79
پول نقد	0.46	1.02	0.04	0.13	0.39
logCASH	−2.14	1.76	-3.32	−2.06	0.94-
اندازه	6.18	2.08	4.71	6.20	7.62
LEV	0.23	0.23	0.02	0.19	0.35
CAPEX	0.05	0.05	0.02	0.03	0.06
DIV	0.38	0.49	0.00	0.00	1.00
NWC	0.07	0.19	−0.04	0.06	0.18
BM	2.15	1.69	1.17	1.59	2.42
CFLOW	0.02	0.22	0.02	0.07	0.11
تحقیق و توسعه	0.05	0.10	0.00	0.00	0.06

پانل B: ضرایب همبستگی
سلول خالی	CORR	PAI	پول نقد	اندازه	LEV	CAPEX	DIV	NWC	BM	CFLOW	تحقیق و توسعه
CORR	1
PAI	−0.06	1
پول نقد	−0.12	0.02	1
اندازه	0.04	0	0.29-	1
LEV	0.07	−0.02	-0.49	0.35	1
CAPEX	0.04	−0.04	-0.22	0.12	0.1	1
DIV	0.06	−0.01	-0.24	0.39	0.12	0.09	1
NWC	0.05	0.01	−0.2	−0.11	−0.14	−0.06	0.06	1
BM	−0.05	0.01	0.33	−0.03	-0.18	0.02	0	-0.21	1
CFLOW	0.04	0	-0.13	0.19	-0.08	0.31	0.1	0.14	0.22	1
تحقیق و توسعه	−0.14	0.02	0.49	-0.23	−0.3	-0.21	-0.22	−0.05	0.29	-0.18	1

این جدول آمار توصیفی (پانل A) و ضرایب همبستگی (پانل B) را برای متغیرهای اصلی مورد استفاده در تحلیل گزارش می کند. نمونه شامل 47489 مشاهدات سالانه شرکت از 4551 شرکت آمریکایی در دوره 1998 تا 2018 است. همه متغیرهای شرکت در سطوح 1% و 99% winsorized شده‌اند تا اثر عوامل پرت را به حداقل برسانند. تعاریف متغیر در پیوست 1 ارائه شده است .

4 . نتایج

4.1 . نتایج پایه

ما در مقدمه یک فرضیه دو طرفه واضح را شناسایی کرده ایم. در یک دولت به شدت فاسد، وقتی با ریسک سیاسی بالا مواجه می‌شوند، شرکت‌ها نیاز به افزایش پول نقد را در مقابل خطر سلب مالکیت معاوضه می‌کنند و بنابراین پول نقد کمتری نسبت به همتایان خود (در یک محیط کم فساد) جمع‌آوری می‌کنند. از طرف دیگر، شرکت‌هایی که در ایالت‌های دارای فاسد بالا هستند، می‌توانند بیشتر از همتایان خود (در محیط‌های کم فساد) به منظور مدیریت ریسک سیاسی از طریق نفوذ سیاسی، پول نقد جمع کنند. در این بخش، ما تأثیر فساد و عدم اطمینان سیاسی را بر دارایی‌های نقدی آزمایش می‌کنیم. ما رگرسیون زیر را تخمین می زنیم که i نشان دهنده یک شرکت، s یک حالت و t نشان دهنده زمان (سال) است:(2) $log {CASH}_{i, t + 1} = α_{0} + β_{1} {PAI}_{s, t} + β_{2} {CORR}_{s, t} + β_{3} {PAI}_{s, t} * {CORR}_{s, t} + γFirm Controls + α_{i} + α_{t} + ε_{i, t + 1}$

متغیر وابسته گزارش وجوه نقد و معادل های نقدی است که بر اساس کل دارایی ها بدون نقدینگی مقیاس بندی شده است. متغیرهای توضیحی اصلی عبارتند از PAI که شاخص همسویی سیاسی است و CORR که نرخ محکومیت فساد سرانه است. ما مجموعه‌ای از کنترل‌های شرکت را به دنبال Opler و همکارانش شامل می‌کنیم. (1999) و بیتس و همکاران. (2009) ، یعنی SIZE، LEV، CAPEX، DIV، NWC، BM، CFLOW و R& D. توضیحات متغیر برای ویژگی های شرکت را می توان در پیوست 1 یافت . اثرات ثابت شرکت و سال برای محاسبه تغییرات شرکت و روندهای کلان اقتصادی گنجانده شده است.

جدول 2 نتایج را برای مدل پایه ما گزارش می کند. ستون 1 فقط شامل متغیرهای اصلی بهره و اثرات ثابت شرکت و سال است. از آنجایی که اثر خالص نگهداری وجه نقد شرکت ها به تعامل هر دو متغیر بستگی دارد، باید ضریب ترم تعامل بین PAI و CORR را در نظر بگیریم که مثبت 0.303 و در سطح 5٪ معنی دار است. در ستون 2 ما متغیرهای کنترل شرکت را در نظر می گیریم و ضریب مدت تعامل در سطح 5٪ مثبت و معنادار باقی می ماند. نتایج متغیرهای کنترل با ادبیات قبلی مطابقت دارد (به عنوان مثال، Opler و همکاران، 1999 ). اندازه شرکت، اهرم، مخارج سرمایه، مخارج تحقیق و توسعه و سرمایه در گردش خالص به طور منفی با نسبت نقدی مرتبط است در حالی که نسبت دفتری به بازار به طور مثبت با نسبت نقدی مرتبط است.

جدول 2 . نتایج رگرسیون پایه

سلول خالی	متغیر وابسته: logCASH (t + 1)			سلول خالی
سلول خالی	(1)	(2)	(3)	(4)
PAI	−0.092**	−0.086**	−0.082**	−0.191***
سلول خالی	(0.037)	(0.036)	(0.037)	(0.036)
CORR	0.071-	−0.017	0.020-	−0.122*
سلول خالی	(0.079)	(0.076)	(0.075)	(0.074)
PAI*CORR	0.303**	0.246**	0.238**	0.501***
سلول خالی	(0.120)	(0.115)	(0.115)	(0.113)
اندازه		−0.211***	−0.212***	−0.209***
سلول خالی		(0.020)	(0.020)	(0.020)
LEV		−1.075***	−1.075***	−1.141***
سلول خالی		(0.065)	(0.065)	(0.064)
CAPEX		−2.223***	−2.234***	−2.425***
سلول خالی		(0.199)	(0.199)	(0.198)
DIV		0.035-	0.036-	−0.050*
سلول خالی		(0.028)	(0.028)	(0.028)
NWC		−0.576***	−0.578***	−0.619***
سلول خالی		(0.093)	(0.093)	(0.092)
BM		0.078***	0.077***	0.070***
سلول خالی		(0.006)	(0.006)	(0.006)
CFLOW		−0.125***	−0.126***	−0.153***
سلول خالی		(0.047)	(0.047)	(0.047)
تحقیق و توسعه		−0.371**	−0.371**	−0.391**
سلول خالی		(0.167)	(0.168)	(0.169)
UNMP			−0.018*	0.049***
سلول خالی			(0.011)	(0.004)
تولید ناخالص ملی			0.175	−1.223***
سلول خالی			(0.300)	(0.209)
PI			0.084	1.120***
سلول خالی			(0.230)	(0.102)
MIN_WAGE			0.004-	−0.042***
سلول خالی			(0.015)	(0.013)
EPU				0.008
سلول خالی				(0.023)
اثر محکم	آره	آره	آره	آره
اثر سال	آره	آره	آره	خیر
مشاهدات	47,489	47,489	47,489	47,489
^R2 تنظیم شده	0.727	0.742	0.742	0.737

این جدول تخمین حداقل مربعات معمولی را از مدل پایه ارائه می دهد. متغیر وابسته، logCASH (t + 1) گزارش وجه نقد به دارایی خالص از نسبت وجه نقد در سال بعد است. PAI شاخص همسویی سیاسی ایالت ها در زمان t است. CORR نرخ محکومیت سرانه ایالت ها در زمان t است . همه متغیرهای شرکت با 1% winsorized شده‌اند و این متغیرها و کنترل‌های حالت در پیوست 1 تعریف شده‌اند . خطاهای استاندارد در سطح شرکت خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

در جدول 2 ، ستون 3، شرایط اقتصادی محلی را با اضافه کردن متغیرهای سطح دولتی که نشان دهنده ویژگی های اقتصادی یا چرخه تجاری هستند، بیشتر کنترل می کنیم . اینها عبارتند از نرخ بیکاری (UNEMP)، نرخ رشد تولید ناخالص داخلی (GDP)، گزارش درآمد شخصی (PI) و حداقل دستمزد (MIN_WAGE). این نشان می دهد که حتی پس از کنترل شرایط اقتصادی در سطح دولتی، نتایج ما ثابت می ماند.

ممکن است اثراتی که در سطح دولتی می بینیم به نوعی ناشی از عدم قطعیت سیاست های اقتصادی گسترده تر در سطح ملی باشد. برای کنترل این امکان، ما همچنین شاخص EPU توسعه یافته توسط Baker و همکاران را در نظر می گیریم. (2016) در جدول 2 ، ستون 4. ⁷ EPU ماهانه بر اساس فراوانی مقالات روزنامه محاسبه می شود که طیف وسیعی از عدم قطعیت ها را در مورد سیاست های پولی و مالی، تغییرات نظارتی و انتخابات پوشش می دهد. ما میانگین EPU را در یک دوره 12 ماهه در هر سال مالی t محاسبه می کنیم و آن را به هر شرکت در سال t اختصاص می دهیم. جدول 2 ستون 4 نشان می دهد که کنترل عدم قطعیت خط مشی گسترده، میزان تأثیر ترکیبی فساد سیاسی محلی و عدم اطمینان را بر دارایی های نقدی تغییر نمی دهد. ^{مشخص نیست} که چرا EPU از نظر آماری معنادار نیست، اگرچه تعامل آن با CORR (که در تجزیه و تحلیل‌های بعدی گزارش شده است) تأثیری بر نگهداری وجه نقد مطابق با نتایج ما با استفاده از PAI دارد. به طور کلی، این یافته‌ها نشان می‌دهد که افزایش عدم اطمینان سیاسی در ایالت‌های فاسدتر با سطوح بالاتر نگهداری وجه نقد در سال بعد مرتبط است.

نتایج ما از نظر اقتصادی قابل توجه است. به عنوان مثال، با استفاده از ضریب ترم تعامل PAI*CORR در ستون 3، در زمان عدم اطمینان سیاسی بالا، یک شرکت واقع در لوئیزیانا (فاسد بالا) نسبت نقدینگی 15.1 درصد بیشتر از یک شرکت در مینه سوتا (فساد پایین) دارد. ⁹

4.2 . بررسی های استحکام

در این بخش فرعی، ما پنج بررسی استحکام را انجام می‌دهیم تا به موضوعاتی از درون‌زایی بالقوه گرفته تا اقدامات جایگزین فساد، نقش چرخه‌های مختلف انتخابات، و نگرانی‌های احتمالی در مورد مشخصات اثرات ثابت شرکت به دلیل سروصدا در معیار فساد رسیدگی کنیم.

4.2.1 . تجزیه و تحلیل متغیر ابزاری (IV).

علیرغم کنترل ویژگی های منطقه ای، این احتمال وجود دارد که نتایج ما تحت تأثیر درون زایی قرار گیرند. سطح فساد در ایالتی که شرکت در آن واقع شده است و دارایی های نقدی شرکت می تواند با سایر متغیرهای غیرقابل مشاهده به دلیل سوگیری متغیر حذف شده احتمالی مرتبط باشد. برای پرداختن به این موضوع درون زایی، ما یک رویکرد IV را اتخاذ می کنیم . با پیروی از جانسون و همکاران. (2011) و داس و همکاران. (2016) ما از دو ابزار برای فساد در سطح دولتی استفاده می کنیم. اولین ابزار، تعداد روزهایی است که یک فرد باید قبل از واجد شرایط رای دادن در یک ایالت، در سال 1970 اقامت داشته باشد (RESIDENT_VOTE). اگر یک شهروند برای واجد شرایط بودن برای رای دادن باید مدت بیشتری صبر کند، این نشان می دهد که دولت آنها را از قدرتی برای پاسخگویی سیاستمداران محروم می کند. عدم پاسخگویی سیاسی به طور مثبت با فساد مرتبط است.

ابزار دوم، CONSTITUTION_AGE، سن قانون اساسی فعلی ایالت است که از سال 1970 اندازه گیری می شود. قانون اساسی مجموعه قوانین حاکم بر سیاست ایالت را مشخص می کند. برای سازگاری با تغییرات در عوامل اجتماعی-فرهنگی، یک دولت می تواند قوانین موجود را اصلاح کند یا قانون اساسی جدیدی را تصویب کند. مورد دوم نگرانی هایی را در مورد کیفیت قوانین حاکم بر ایالت ایجاد می کند زیرا قوانین جدید ممکن است در مقایسه با قانون اساسی قدیمی مسائل جدیدی را به همراه داشته باشد. بنابراین، قانون اساسی با کیفیت بالاتر باید بتواند سطح فساد را کاهش دهد. از این رو، قانون اساسی قدیمی تر به احتمال زیاد با فساد همبستگی منفی دارد. هر دو متغیر ابزار معتبری هستند زیرا به فساد در سطح دولتی مربوط می‌شوند، اما تأثیر مستقیمی بر دارایی‌های نقدی شرکت ندارند.

ما معادله را مجدداً برآورد می کنیم. (2) با جایگزینی متغیر وابسته با فساد سطح دولتی (CORR) در مرحله اول تحلیل. از نتایج جدول 3 ستون 1 می توان دریافت که ضرایب در هر دو ابزار در سطح 1٪ معنی دار است، که تأیید می کند که RESIDENT_VOTE همبستگی مثبت و CONSTITUTION_AGE با فساد همبستگی منفی دارد. در مرحله دوم با استفاده از مقدار پیش بینی شده فساد، ضریب عبارت تعامل (PAI*CORR) در سطح 1 درصد مثبت و معنادار است. ستون 2 تشخیص IV را نشان می دهد، که نشان می دهد فرضیه صفر برای ابزار ضعیف و برون زایی را می توان رد کرد، و تایید می کند که نتایج ما پس از تصحیح درون زایی قوی هستند.

جدول 3 . تجزیه و تحلیل حداقل مربعات دو مرحله ای (2SLS).

سلول خالی	مرحله اول	مرحله دوم
سلول خالی	CORR (1)	logCASH (t + 1) (2)
RESIDENT_VOTE	0.001***
سلول خالی	(0.000)
CONSTITUTION_AGE	−0.001***
سلول خالی	(0.000)
CORR		−2.795***
سلول خالی		(0.271)
PAI		−1.095***
سلول خالی		(0.122)
PAI*CORR		3.907***
سلول خالی		(0.428)
کنترل های پایه	آره	آره
اثر سال	آره	آره
تست IV ضعیف	854.15***
تست وو هاسمن		64.54***
مشاهدات	47,489	47,489
^R2 تنظیم شده		0.383

این جدول نتایج رگرسیون را از تحلیل حداقل مربعات دو مرحله ای (2SLS) گزارش می کند. ستون 1 نتایج حاصل از رگرسیون مرحله اول را با در نظر گرفتن CORR به عنوان متغیر وابسته نشان می دهد. ستون 2 نتایج مرحله دوم را گزارش می دهد که در آن logCASH (t + 1) متغیر وابسته است. ضرایب در CORR و CORR*PAI با استفاده از مقادیر پیش‌بینی‌شده CORR از مرحله اول برآورد می‌شوند. دو ابزار فساد RESIDENT_VOTE و CONSTITUTION_AGE هستند. تمام کنترل های شرکت از مدل پایه در رگرسیون گنجانده شده است و ضرایب برای اختصار گزارش نشده است. همه متغیرهای شرکت با 1% winsorized شده‌اند و اینها در پیوست 1 تعریف شده‌اند . خطاهای استاندارد بر اساس سال خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

4.2.2 . رگرسیون های زیر نمونه

یک شرکت می تواند انتخاب کند که در ایالتی با سطح بالایی از فساد تأسیس شود تا با پرداخت رشوه، نفوذ قابل توجهی بر قانونگذاران داشته باشد. در مقابل، اگر شرکتی بخواهد از پرداخت رشوه اجتناب کند، ممکن است در یک وضعیت کم فساد قرار بگیرد. اگرچه این تنها مورد توجه در انتخاب مکان نیست، توانایی یک شرکت برای انتخاب محل استقرار دفتر مرکزی خود این نگرانی را ایجاد می‌کند که تأثیر فساد بر سیاست‌های مالی شرکت ممکن است درونزا باشد. برای بررسی اینکه آیا خودانتخابی نقشی در یافته‌های ما دارد یا خیر، نمونه را تقسیم کرده و رگرسیون‌های جداگانه‌ای را برای شرکت‌های دارای فساد بالا و پایین اجرا می‌کنیم.

برای به دست آوردن شهرت یک ایالت به دلیل فاسد بودن، که عاملی است که بر مکان تأثیر می گذارد، از معیار مبتنی بر نظرسنجی بویلان و لانگ (2003) استفاده می کنیم ، زیرا بر اساس تصورات اولیه در دوره نمونه ما و یک نامزد خوب برای مدتی است. -شاخص ثابت فساد این نظرسنجی توسط بویلان و لانگ (2003) در میان خبرنگاران مجلس ایالتی برای مقایسه فساد در ایالت ها انجام شد . یکی از هشت سوال این نظرسنجی از خبرنگاران می‌خواهد که وضعیت خود را در سطح کلی فساد از مقیاس 1 (کمترین فساد) تا 7 (فاسدترین) رتبه‌بندی کنند. نویسندگان با در نظر گرفتن میانگین همه پاسخ ها، برای هر حالت یک امتیاز می سازند. ما از این امتیاز برای ساخت معیار نظرسنجی، CORR_SURVEY استفاده می کنیم. اندازه گیری از نظر تئوری می تواند مقادیری بین 1 و 7 داشته باشد، اما میانه در نمونه ما 3.5، حداکثر 5.5 و حداقل 1.5 است. در نتیجه، ما همه ایالت‌های دارای امتیاز کمتر از 3 را به عنوان فاسد پایین و آن‌هایی که امتیاز بالاتر از 4 دارند به عنوان فاسد بالا طبقه‌بندی می‌کنیم.

در جدول 4 ، نتایج دو رگرسیون فرعی را بر اساس معادله گزارش می‌کنیم. (2) . در نمونه فاسد پایین PAI از نظر آماری معنادار نیست، در حالی که در نمونه با فاسد بالا مثبت و معنادار است (در سطح 5٪)، در نتیجه با نتایج اصلی ما سازگار است.

جدول 4 . رگرسیون های زیر نمونه

سلول خالی	فاسد بالا	فاسد کم
سلول خالی	(1)	(2)
PAI	0.091**	0.087-
سلول خالی	(0.046)	(0.069)
کنترل های پایه	آره	آره
کنترل های دولتی	آره	آره
اثر محکم	آره	آره
اثر سال	آره	آره
مشاهدات	10,669	7283
^R2 تنظیم شده	0.714	0.709

این جدول نتایج رگرسیون را بر روی یک نمونه فرعی از شرکت‌ها در ایالت‌های با فساد بالا و کم فساد نشان می‌دهد. نمونه فرعی فاسد بالا شامل مشاهدات سال شرکت است که در آن مقدار CORR_SURVEY بالای 4 است و نمونه فرعی فاسد پایین شامل مشاهدات سال شرکت است که مقدار CORR_SURVEY زیر 3 است. PAI شاخص همسویی سیاسی ایالت ها در زمان t است . متغیر وابسته، logCASH (t + 1) گزارش وجه نقد به دارایی خالص از نسبت وجه نقد در سال بعد است. تمام کنترل های شرکت از مدل پایه در رگرسیون گنجانده شده است و ضرایب برای اختصار گزارش نشده است. همه متغیرهای شرکت با 1% winsorized شده‌اند و اینها در پیوست 1 تعریف شده‌اند . خطاهای استاندارد در سطح شرکت خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

4.2.3 . اقدامات جایگزین فساد و عدم اطمینان سیاسی

استفاده از میزان محکومیت قضایی مقامات دولتی یک معیار ثابت شده برای فساد است. با این حال، استفاده از داده‌های محکومیت علیرغم فایده آن به لحاظ عینی بودن آن مورد انتقاد قرار گرفته است. بویلان و لانگ (2003) استدلال می کنند که بین جرم و محکومیت یک فاصله زمانی وجود دارد، بنابراین تغییر سالانه در میزان محکومیت لزوماً منعکس کننده نوسانات در سطح فساد در یک منطقه نیست. علاوه بر این، این احتمال وجود دارد که فاسدترین کشورها به دلیل کمبود منابع دادستانی، میزان محکومیت کمتری داشته باشند. اگرچه داده‌های وزارت دادگستری شامل محکومیت‌ها در سطح فدرال است و باید تغییرات اجرایی را کاهش دهد، ما با استفاده از اقدامات جایگزین فساد به این نگرانی‌ها بیشتر رسیدگی می‌کنیم.

ابتدا، برای در نظر گرفتن فاصله زمانی احتمالی بین جرایم و محکومیت‌ها، با استفاده از داده‌های محکومیت، معیاری ایجاد می‌کنیم که در آن CORR_LEVEL برابر با یک است اگر شرکت در ایالتی با نرخ محکومیت بالاتر از بالاترین سطح سال قرار دارد و در غیر این صورت صفر است. در مرحله بعد، برای پرداختن به نگرانی‌های اجرایی احتمالی، از سنجش مبتنی بر نظرسنجی بویلان و لانگ (2003) ، CORR_SURVEY به عنوان دومین اقدام جایگزین فساد استفاده می‌کنیم .

جدول 5 یافته های حاصل از اقدامات جایگزین فساد را گزارش می کند. ستون 1 نشان می دهد که ضریب ترم تعامل با استفاده از CORR_LEVEL 0.082 است که بسیار کمتر از ضریب مدل پایه است، اما در 5٪ مثبت و معنادار باقی می ماند. این نشان می‌دهد که افزایش عدم اطمینان سیاسی در کشورهای فاسدتر، با در نظر گرفتن اشتباهات احتمالی اندازه‌گیری در داده‌های محکومیت، تأثیر مثبت قابل‌توجهی بر سطح نگهداری وجه نقد شرکت‌ها دارد. ستون 2 نتایج را با استفاده از CORR_SURVEY نشان می دهد. تعداد مشاهدات در این آزمون به دلیل در دسترس نبودن داده های نظرسنجی از سه ایالت، یعنی ماساچوست، نیوهمپشایر و نیوجرسی محدود شده است. ضریب ترم تعامل 073/0 است و در سطح 5 درصد معنی‌دار است و نشان می‌دهد که حتی با استفاده از اقدامات فساد مبتنی بر ادراک، افزایش عدم اطمینان محلی منجر به افزایش بیشتر نگهداری وجه نقد در کشورهای فاسدتر می‌شود.

جدول 5 . اقدامات جایگزین فساد و عدم اطمینان سیاسی.

سلول خالی	متغیر وابسته: logCASH (t + 1)
سلول خالی	(1)	(2)	(3)	(4)	(5)
PAI	−0.044**	−0.284***
سلول خالی	(0.022)	(0.095)
CORR_LEVEL	0.033-
سلول خالی	(0.027)
PAI*CORR_LEVEL	0.082 **
سلول خالی	(0.041)
CORR_SURVEY		−0.017	0.007-
سلول خالی		(0.051)	(0.051)
PAI*CORR_SURVEY		0.073***
سلول خالی		(0.026)
Modified_PAI			−0.223**
سلول خالی			(0.104)
Modified_PAI *CORR_SURVEY			0.051*
سلول خالی			(0.028)
CORR				−1.326**	−1.339***
سلول خالی				(0.517)	(0.519)
EPU*CORR				0.301***	0.283**
سلول خالی				(0.110)	(0.111)
PAI*CORR					0.207*
سلول خالی					(0.116)
کنترل های پایه	آره	آره	آره	آره	آره
کنترل های کلان اقتصادی	خیر	خیر	خیر	آره	آره
اثر محکم	آره	آره	آره	آره	آره
اثر سال	آره	آره	آره	آره	آره
مشاهدات	47,489	42,820	42,820	47,489	47,489
^R2 تنظیم شده	0.742	0.739	0.739	0.742	0.742

این جدول برآوردهای حداقل مربعات معمولی را از مدل پایه با استفاده از سه گزینه جایگزین برای فساد ارائه می‌کند: CORR_LEVEL و CORR_SURVEY، و معیار عدم قطعیت سیاسی جایگزین، Modified_PAI. متغیر وابسته، logCASH (t + 1) گزارش وجه نقد به دارایی خالص از نسبت وجه نقد در سال بعد است. PAI شاخص همسویی سیاسی ایالت ها در زمان t است . CORR_LEVEL یک متغیر ساختگی است که در صورتی که شرکت در وضعیتی با نرخ محکومیت بالاتر از حد فاصل سال قرار داشته باشد برابر با 1 و در غیر این صورت 0 است. CORR_SURVEY امتیاز فساد دولتی از Boylan and Long (2003) است . Modified_PAI شاخص همسویی سیاسی ایالت ها در زمان t است. تمام کنترل های شرکت از مدل پایه در رگرسیون گنجانده شده است و ضرایب برای اختصار گزارش نشده است. همه متغیرهای شرکت با 1% winsorized شده‌اند و اینها در پیوست 1 تعریف شده‌اند . خطاهای استاندارد در سطح شرکت خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

بیشتر عدم قطعیت های مربوط به PAI در سطح محلی در نتیجه فعالیت های کنگره ناشی می شود. این در درجه اول به دلیل حجم لوایحی است که توسط مقامات ایالتی به نمایندگی از سنا و مجلس نمایندگان از ایالت هایی که بیشتر با رئیس جمهور هماهنگ هستند، معرفی و تصویب شده است. با این حال، تعداد لوایحی که در نهایت به قانون تصویب می شوند بسیار کمتر است ( برادلی و همکاران، 2016 ). از سوی دیگر، مجالس ایالتی و فرمانداران تأثیری در ارائه لوایح ندارند، بلکه نقش بسزایی در اجرای مقررات در داخل یک ایالت دارند. بنابراین، همسویی بیشتر مقامات ایالتی که نمایندگان دو مجلس کنگره با دولت حاکم هستند، بیشتر از فرمانداران و مجالس قانونگذار ایالتی باعث ایجاد عدم اطمینان می شود.

به منظور آزمایش اینکه آیا عدم قطعیت از طریق نمایندگی فدرال به تنهایی می تواند تأثیر فساد بر پول نقد را نشان دهد یا خیر، ما یک PAI اصلاح شده با استثناء مجالس ایالتی و فرمانداران ایجاد می کنیم. ما به مقامات ایالتی که نمایندگان دو مجلس کنگره هستند (مشابه آنتیا و همکاران، 2013 )، وزن های مساوی را به شرح زیر اختصاص می دهیم:(3) $Modified PAI = {(1 / 2)}^{*} SENATORS + {(1 / 2)}^{*} REPRESENTATIVES$

در ستون 3 جدول 5 ، مدل پایه را با تعامل Modified_PAI با پروکسی فساد جایگزین بر اساس نتایج نظرسنجی، CORR_SURVEY، مجدداً برآورد می‌کنیم. نتایج نشان می دهد که مدت تعامل در سطح 10 درصد معنادار است.

همچنین ممکن است شرکت ها به جای عدم اطمینان سیاسی محلی، به شرایط ملی واکنش نشان دهند. برای پرداختن به این موضوع، از EPU به عنوان نماینده ای برای ریسک سیاسی در ستون 4 جدول 5 استفاده می کنیم، و سپس هر دو PAI و EPU را در ستون 5 قرار می دهیم. تعامل بین EPU و CORR مثبت و قابل توجه است، و همچنین تعامل بین PAI نیز وجود دارد. و CORR. این نشان می‌دهد که این دو معیار بر روی یافته‌های اصلی همخوانی دارند، اما به نظر می‌رسد که جنبه‌های مختلف ریسک و عدم قطعیت سیاسی را در بر می‌گیرند، و PAI معیار ترجیحی ما به دلیل ارتباط مستقیم آن با نقش سیاست‌گذاران است.

4.2.4 . عدم اطمینان در سطح ایالت در مورد چرخه های انتخاباتی

پس از پرداختن به پیامدهای درون‌زایی در یافته‌های خود، در مرحله بعد سعی می‌کنیم اعتبار تنوع در سطح دولتی در عدم قطعیت سیاسی را با آزمایش اینکه آیا واکنش شرکت‌ها در چرخه‌های انتخابات ریاست‌جمهوری و فرمانداری متفاوت است، افزایش دهیم.

جولیو و یوک، 2012 ، جولیو و یوک، 2016 استدلال می‌کنند که شرکت‌ها تصمیمات سرمایه‌گذاری را بر اساس زمان‌بندی انتخابات ملی تنظیم می‌کنند. در ایالات متحده، انتخابات ریاست جمهوری از پیش تعیین شده است، بنابراین زمان برگزاری انتخابات به شرایط اقتصادی محلی بستگی ندارد. نتیجه یک انتخابات می تواند بر مقررات و سیاست های فدرال و ایالتی تأثیر بگذارد که به نوبه خود می تواند بر سیاست های مالی شرکت تأثیر بگذارد. با توجه به اینکه تغییرات عمده در نقشه سیاسی همانطور که در شکل 2 نشان داده شده است در حول و حوش انتخابات ریاست جمهوری رخ می دهد، ما بررسی می کنیم که آیا نتایج ما در این دوره های انتخاباتی قوی تر است یا خیر. یک متغیر ساختگی GEN_ELEC ایجاد می کنیم که برای سال های انتخاباتی برابر با 1 و در غیر این صورت صفر است.

انتخابات فرمانداری هر چهار سال یکبار برگزار می شود و هر سال حداقل دو انتخابات در ایالت های مختلف برگزار می شود. از آنجایی که این موارد در سراسر ایالت‌ها متلاشی شده‌اند، به حداقل رساندن ریسکی که بر رفتار شرکت تأثیر می‌گذارد، دشوار است. بسیاری از مطالعات از انتخابات فرمانداری به عنوان منبع عدم قطعیت سیاسی استفاده کرده‌اند و به این نتیجه رسیده‌اند که بر تصمیم‌های IPO شرکت‌ها ( چولاک و همکاران، 2017 ) و تصمیمات سرمایه‌گذاری ( Jens, 2017 ) تأثیر می‌گذارد. بر اساس این فرض، یک متغیر ساختگی به نام GUB_ELEC ایجاد می کنیم که در صورتی که یک شرکت در ایالتی با سال انتخابات فرمانداری واقع شده باشد برابر با 1 و در غیر این صورت صفر است.

اگرچه انتخابات نوعی عدم اطمینان ایجاد می کند، اما اگر بتوان نتیجه انتخابات را از قبل پیش بینی کرد، باید کمتر باشد. بنابراین، پیش‌بینی می‌کنیم که سال‌های نزدیک انتخابات نسبت به سال‌های غیرانتخابی، عدم اطمینان بیشتری ایجاد می‌کند و متعاقباً شرکت‌ها باید در آن سال‌ها وجه نقد بیشتری جذب کنند. برای تعیین سطح نزدیکی در یک انتخابات، ما از رویکردی مشابه با Jens (2017) پیروی می کنیم . ابتدا اختلاف درصد آرای نامزدهای اول و دوم را در نظر می گیریم. ¹⁰ اگر اختلاف رای در کمترین سه‌شکل تفاضل آرای نمونه باشد، آن را به عنوان یک انتخابات نزدیک در نظر می‌گیریم. با اعمال این رویکرد برای انتخابات ریاست جمهوری و فرمانداری، دو متغیر ساختگی ایجاد می کنیم، GEN_ELEC_CLOSE و GUB_ELEC_CLOSE.

جدول 6 نتایج حاصل از شرایط تعامل سه گانه را خلاصه می کند. ما تنها در حوالی انتخابات نزدیک فرمانداری تأثیر قابل توجهی بر نسبت نقدینگی مشاهده می کنیم. این نشان می‌دهد که در ایالت‌های با فاسد بالا، تغییر نقشه سیاسی حول انتخابات نزدیک فرمانداری نسبت به شرکت‌هایی که در ایالت‌های کم فاسد هستند، عدم اطمینان بیشتری ایجاد می‌کند.

جدول 6 . نتایج پیرامون انتخابات ریاست جمهوری و فرمانداری.

سلول خالی	متغیر وابسته: logCASH (t + 1)
سلول خالی	(1)	(2)	(3)	(4)
PAICORRGEN_ELEC	0.210-
سلول خالی	(0.222)
PAICORRGEN_CLOSE_ELEC		0.104
سلول خالی		(0.572)
PAICORRGUB_ELEC			0.134-
سلول خالی			(0.203)
PAICORRGUB_CLOSE_ELEC				1.731***
سلول خالی				(0.536)
کنترل های پایه	آره	آره	آره	آره
اثر محکم	آره	آره	آره	آره
اثر سال	آره	آره	آره	آره
مشاهدات	47,489	11,314	47,489	13613
^R2 تنظیم شده	0.742	0.707	0.742	0.707

این جدول برآوردهای معمولی حداقل مربعات را در مورد انتخابات ریاست جمهوری و فرمانداری گزارش می کند. GEN_ELEC یک متغیر ساختگی است که برابر با 1 برای سالهای انتخابات عمومی است و 0 در غیر این صورت. GEN_CLOSE_ELEC یک متغیر ساختگی است که برابر با 1 برای سال‌های انتخاباتی نزدیک و 0 برای سال‌های انتخاباتی غیرمنتظره است. GUB_ELEC یک متغیر ساختگی است که برای سالهای انتخابات فرمانداری برابر با 1 و در غیر این صورت 0 است. GUB_CLOSE_ELEC یک متغیر ساختگی است که برابر با 1 برای سال‌های انتخابات فرمانداری نزدیک و 0 برای سال‌های انتخابات فرمانداری غیر نزدیک برابر است. نزدیکی انتخابات با اختلاف آرا مشخص می شود (اگر اختلاف درصد آرای دریافتی نامزدهای رتبه اول و دوم در پایین ترین ترسیل اختلاف آرای نمونه باشد). متغیر وابسته، logCASH (t + 1) گزارش نسبت پول نقد به خالص دارایی ها در سال بعد است. تمام کنترل های شرکت از مدل پایه در رگرسیون گنجانده شده است و ضرایب برای اختصار گزارش نشده است. همه متغیرهای شرکت با 1% winsorized شده‌اند و اینها در پیوست 1 تعریف شده‌اند . خطاهای استاندارد در سطح شرکت خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

4.2.5 . نتایج پایه با اثرات ثابت صنعت

برخی از نویسندگان (مثلاً به پانوشت 10 در Huang and Yuan، 2021 مراجعه کنید) به دلیل وجود خطای احتمالی اندازه گیری در پروکسی فساد، در مورد استفاده از اثرات ثابت ثابت هشدار می دهند. آنها معتقدند که این احتمال وجود دارد که سر و صدا در پروکسی فساد با استفاده از اثرات ثابت ثابت تاکید شود. در عوض، آن‌ها پیشنهاد می‌کنند که تغییرات سطح دولتی مربوطه با استفاده از اثرات ثابت صنعت به‌طور قابل‌اطمینان‌تری ثبت می‌شود. بنابراین، ما مدل پایه خود را بدون اثرات ثابت ثابت دوباره تخمین می زنیم. جدول 7 نشان می دهد که نتایج ما با مشخصات جایگزین با اثرات ثابت صنعت و سال مطابقت دارد.

جدول 7 . نتایج پایه با اثر ثابت صنعت.

متغیر وابسته:	logCASH (t + 1)
سلول خالی	(1)	(2)	(3)	(4)
PAI	−0.260***	−0.186***	−0.161***	−0.296***
	(0.055)	(0.046)	(0.048)	(0.046)
CORR	−1.066***	−0.511***	−0.354***	−0.545***
	(0.127)	(0.105)	(0.103)	(0.102)
PAI*CORR	0.868***	0.522***	0.447***	0.801***
	(0.183)	(0.154)	(0.153)	(0.148)
اندازه		−0.048***	−0.052***	−0.054***
		(0.009)	(0.009)	(0.009)
LEV		−2.243***	−2.199***	−2.249***
		(0.074)	(0.074)	(0.074)
CAPEX		−3.361***	−3.257***	−3.253***
		(0.275)	(0.273)	(0.270)
DIV		−0.235***	−0.202***	−0.225***
		(0.032)	(0.032)	(0.032)
NWC		−2.014***	−1.973***	−2.011***
		(0.097)	(0.097)	(0.097)
BM		0.157***	0.155***	0.148***
		(0.008)	(0.007)	(0.007)
CFLOW		0.097-	0.093-	−0.107*
		(0.060)	(0.060)	(0.060)
تحقیق و توسعه		3.247***	3.033***	3.102***
		(0.174)	(0.172)	(0.173)
UNMP			0.050***	0.054***
			(0.013)	(0.005)
تولید ناخالص ملی			1.340***	0.342-
			(0.429)	(0.292)
PI			0.540***	0.383***
			(0.134)	(0.102)
MIN_WAGE			0.098***	0.041**
			(0.017)	(0.015)
EPU				−0.065**
				(0.028)
اثر صنعت	آره	آره	آره	آره
اثر سال	آره	آره	آره	خیر
مشاهدات	47,489	47,489	47,489	47,489
^R2 تنظیم شده	0.248	0.463	0.469	0.462

این جدول برآوردهای حداقل مربعات معمولی را از مدل پایه با اثرات صنعت و سال ارائه می دهد. متغیر وابسته logCASH (t + 1) گزارش نسبت پول نقد به خالص دارایی ها در سال بعد است. PAI شاخص همسویی سیاسی ایالت ها در زمان t است. CORR نرخ محکومیت سرانه ایالت ها در زمان t است. همه متغیرهای شرکت با 1% winsorized شده‌اند و این متغیرها و کنترل‌های حالت در پیوست 1 تعریف شده‌اند . خطاهای استاندارد در سطح شرکت خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

4.3 . تحلیل بیشتر: نفوذ سیاسی

پس از اثبات استدلال خود مبنی بر اینکه شرکت‌ها در ایالت‌های دارای فاسد بالا پول نقد را برای تغییر سیاست‌های سریع افزایش می‌دهند، سپس به کانال احتمالی که از طریق آن فساد رخ می‌دهد نگاه می‌کنیم. اگر شرکت‌هایی در محیط فاسدتر از پول نقد برای تسریع روند سیاست‌گذاری که به دلیل تغییر جغرافیای سیاسی تحت تأثیر قرار می‌گیرد استفاده می‌کنند، چنین شرکت‌هایی باید پول نقد بیشتری ذخیره کنند تا این فرآیند تسهیل شود. برای آزمایش نظریه خود، از نمونه‌ای از شرکت‌هایی استفاده می‌کنیم که در کمک‌های تبلیغاتی انتخاباتی فعالیت می‌کنند.

Zingales (2017) استدلال می‌کند که شرکت‌های قدرتمند آمریکایی از کمک‌های مالی کمپین، لابی‌گری و رشوه‌های صریح برای تأثیرگذاری بر سیاستمداران در فرآیند نظارتی استفاده می‌کنند. ¹¹ چنین شرکت‌هایی نتایج مطلوبی را در قالب بازده سهام آتی بالاتر به دست می‌آورند ( کوپر و همکاران، 2010 )، وجوه دولتی بیشتری را تضمین می‌کنند ( دوچین و سوسیورا، 2012 ؛ آدلینو و دینک، 2014 ) و کاهش اجرای مقررات را دریافت می‌کنند ( هیتز و همکاران. ، 2019 ). از این رو، به منظور مشارکت در کمک های مالی کمپین و سایر اشکال ارتباط با مقامات دولتی، شرکت ها باید پول نقد بیشتری جمع کنند ( اسمیت، 2016 ). برای این منظور، ما شواهدی را در سطح بین‌المللی پیدا می‌کنیم. بوبکری و همکاران (2013) گزارش می دهد که شرکت های مرتبط سیاسی در مقایسه با شرکت های غیر مرتبط پول نقد بیشتری دارند و این را با حکمرانی ضعیف مرتبط می دانند. خو و همکاران (2016) شواهد مشابهی را در سطح ملی یافتند، جایی که شرکت‌های مرتبط سیاسی در شهرهای چین که تغییر رهبری را تجربه می‌کنند، پول نقد بیشتری نسبت به شرکت‌های غیرمتصل دارند (آنها استدلال می‌کنند که شرکت‌های متصل در معرض خطر کم سلب مالکیت هستند).

استدلال ما برای نفوذ سیاسی به شرح زیر است. اگر پول نقد برای تأثیرگذاری بر سیاستمداران افزایش می‌یابد، آنگاه مقداری که شرکت‌ها برای این فعالیت‌ها خرج می‌کنند باید با مقدار پول نقد ذخیره شده توسط این شرکت‌ها ارتباط مثبت داشته باشد. بر اساس این فرض، مدل را در معادله تخمین می زنیم. (4) که در آن ΔCASH به عنوان نماینده ای برای تمایل شرکت به پس انداز پول نقد استفاده می شود. ¹²(4) $Pol_{Influence}_{i, t} = α_{i} + β_{1} {PAI}_{s, t} + β_{2} {CORR}_{s, t} + β_{3} ∆ {CASH}_{i, t} + β_{4} {PAI}_{s, t} * {CORR}_{s, t} + β_{5} {CORR}_{s, t} * ∆ {CASH}_{i, t} + β_{6} {PAI}_{s, t} * ∆ {CASH}_{i, t} + β_{7} {CORR}_{s, t} * {PAI}_{s, t} * ∆ {CASH}_{i, t} + γControls + α_{i} + α_{t} + ε_{i, t}$

ما از دو متغیر وابسته استفاده می کنیم. PAC _i,t اهدایی سالانه مبارزات انتخاباتی توسط PAC شرکت به نامزدهای کنگره است که بر اساس مجموع دارایی ها مقیاس بندی می شود. PACIncumbent _i،t مجموع کمک‌های سالانه مبارزات انتخاباتی یک شرکت PAC به نامزدهای فعلی کنگره است که بر اساس کل دارایی‌ها تقسیم می‌شود. داده های مالی کمپین از مرکز سیاست پاسخگو (CRP) جمع آوری شده است. CORR _s,t میزان محکومیت سرانه ایالت ها در زمان t است . PAI سطح عدم اطمینان سیاسی در ایالت ها در زمان t است .

به دنبال مطالعات قبلی ( کوپر و همکاران، 2010 ؛ ولمن، 2017 ؛ فام، 2019 )، عوامل تعیین کننده ارتباطات سیاسی به عنوان متغیرهای کنترل اضافه می شوند. این شامل سه کنترل شرکت است. SIZE، BM و CFLOW (از آنجایی که اندازه و منابع شرکت بر ظرفیت شرکت برای مشارکت در فعالیت های سیاسی تأثیر می گذارد). علاوه بر این، دو کنترل صنعتی به مدل اضافه می‌شود، زیرا انگیزه شرکت برای مشارکت در فعالیت‌های سیاسی می‌تواند ناشی از فعالیت‌های همتایان آن در صنعت باشد. از این رو، ما MKT_SHARE (مقیاس فروش شرکت بر اساس کل فروش صنعت برای یک سال معین) و N_IND_ACTIVE (تعداد شرکت های فعال سیاسی در صنعت یک شرکت با مشارکت PAC برای یک سال معین) را شامل می شود.

متغیر اصلی مورد علاقه ضریب عبارت تعامل CORR*PAI*ΔCASH است. ما انتظار داریم که این رابطه مثبت با متغیرهای وابسته باشد. این به این معنی است که در زمان عدم اطمینان بالا، پس‌انداز نقدی یک شرکت در یک سال معین در ایالت‌های دارای فاسد بالا بر میزان پولی که برای فعالیت‌های سیاسی خرج می‌کند تأثیر می‌گذارد.

جدول 8 ستون 1 و 2 نشان می دهد که عبارت تعامل سه گانه به طور مثبت با کمک های مالی PAC به همه نامزدهای کنگره و نامزدهای فعلی مرتبط است (5٪ قابل توجه است).

جدول 8 . استفاده از پول نقد برای نفوذ سیاسی

متغیر وابسته:	PAC	PAC متصدی
سلول خالی	(1)	(2)
CORR* PAI * ΔCASHt	0.0001**	0.0001**
	(0.000)	(0.000)
کنترل های شرکت و صنعت	آره	آره
اثر محکم	آره	آره
اثر سال	آره	آره
مشاهدات	7192	7130
^R2 تنظیم شده	0.638	0.650

این جدول برآوردهای معمولی حداقل مربعات تحلیل استراتژی های سیاسی را ارائه می دهد. نفوذ سیاسی در سطح شرکت با استفاده از دو متغیر وابسته اندازه‌گیری می‌شود: PAC و PAC Incumbent کمک‌های سالانه کمپین‌های کمپین کمیته‌های اقدام سیاسی شرکت (PACs) به نامزدهای کنگره و نامزدهای فعلی کنگره با مقیاس کل دارایی‌ها هستند. CORR نرخ محکومیت سرانه ایالت ها در زمان t است . PAI شاخص همسویی سیاسی ایالت ها در زمان t است . ΔCASH تفاوت در وجه نقد در زمان t و t-1 است که بر اساس کل دارایی ها در زمان t مقیاس می شود. کنترل های شرکت و صنعت در رگرسیون گنجانده شده و ضرایب برای اختصار گزارش نشده است. کنترل های شرکت شامل SIZE، BM و CFLOW هستند. همه متغیرهای شرکت با 1% winsorized شده‌اند و اینها در پیوست 1 تعریف شده‌اند . کنترل‌های صنعتی شامل MKT_SHARE و N_IND_ACTIVE هستند. MKT_SHARE میزان فروش شرکت بر اساس کل فروش صنعت برای یک سال معین است. N_IND_ACTIVE تعداد شرکت‌های فعال سیاسی در صنعت یک شرکت با مشارکت PAC برای یک سال معین است. خطاهای استاندارد در سطح شرکت خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

به طور کلی، این یافته‌ها حاکی از آن است که مشارکت در کمپین‌های سیاسی مکانیسم احتمالی است که از طریق آن شرکت‌ها عدم اطمینان سیاست را در یک محیط فاسد هدایت می‌کنند.

4.4 . کانال های افزایش پول نقد

از یافته‌های تاکنون آشکار است که شرکت‌هایی که در محیط فاسدتر قرار دارند، هنگام مواجهه با عدم اطمینان فزاینده برای پرداخت هزینه‌های سیاسی، پول نقد بیشتری نگهداری می‌کنند. سپس مکانیسمی را آزمایش می کنیم که از طریق آن شرکت ها وجه نقد را افزایش می دهند. اگر شرکت‌ها با افزایش سطح نقدینگی به فساد و عدم اطمینان پاسخ دهند، انتظار داریم که شرکت‌ها یا با حفظ سود، پرداخت سود سهام را کاهش دهند، سرمایه‌گذاری‌ها را تا رفع ابهام به تاخیر بیاندازند، یا محافظه‌کارتر شوند و سطوح اهرمی پایین‌تری را هدف قرار دهند. در مواجهه با افزایش عدم اطمینان سیاسی، مطالعات قبلی نشان می‌دهد که شرکت‌ها سرمایه‌گذاری‌ها را کاهش می‌دهند ( گولن و یون، 2016 ؛ جولیو و یوک، 2012 )، کاهش ادغام و تملک ( Nguyen and Phan، 2017 )، افزایش پرداخت سود سهام ( Atig et al., 2021 ) و کاهش اهرم ( Gungoraydinoglu et al., 2017 ).

برای بررسی اینکه کدام یک از این مکانیسم‌ها تحت تأثیر فساد و عدم اطمینان قرار می‌گیرند، تأثیر آن‌ها بر سرمایه‌گذاری، پرداخت سود سهام و اهرم را در سه مدل جداگانه کاهش می‌دهیم. جدول 9 یافته‌ها را گزارش می‌کند که هزینه‌های سرمایه نسبتاً منفی‌تر به عدم اطمینان سیاسی در کشورهای با فاسد بالا نسبت به دولت‌های کم فاسد واکنش نشان می‌دهد. این نشان می دهد که کاهش مخارج سرمایه ممکن است حداقل بخشی از مکانیسم هایی باشد که از طریق آن شرکت ها وجه نقد بیشتری در چنین شرایطی نگهداری می کنند.

جدول 9 . کانال های افزایش پول نقد

متغیر وابسته	CAPEX (t + 1)	LEV (t + 1)	پرداخت DIV (t + 1)
سلول خالی	(1)	(2)	(3)
PAI	0.035	0.039-	−0.0002
	(0.027)	(0.045)	(0.001)
CORR	0.070	0.022	0.0011
	(0.049)	(0.070)	(0.001)
PAI*CORR	−0.146*	0.133	−2.78e-5
	(0.078)	(0.126)	(0.002)
اندازه	−0.127***	0.225***	0.0001
	(0.013)	(0.026)	(0.000)
LEV	−0.465***
	(0.047)
BM	0.135***	−0.044***	0.0006***
	(0.005)	(0.011)	(0.000)
CFLOW	0.553***
	(0.039)
ROA		−0.688***	0.0081***
		(0.099)	(0.001)
پول نقد		−1.691***	0.0102***
		(0.124)	(0.001)
چرخه زندگی		−0.098***	0.0001
		(0.013)	(0.000)
کنترل های دولتی	آره	آره	آره
اثر محکم	آره	آره	آره
اثر سال	آره	آره	آره
مشاهدات	45,349	37,452	47,192
^R2 تنظیم شده	0.657	0.587	0.543

این جدول برآوردهای تأثیر فساد و عدم قطعیت بر مؤلفه‌های سطح نقدی را ارائه می‌کند. متغیرهای وابسته عبارتند از مقادیر اصلی گزارش هزینه‌های سرمایه‌ای که بر اساس کل دارایی‌ها (ستون 1)، فهرست کل بدهی مقیاس‌بندی شده بر اساس کل دارایی‌ها (ستون 2)، و سود سهام مقیاس‌بندی شده بر اساس کل دارایی‌ها (ستون 3) مقیاس‌بندی شده‌اند. همه متغیرهای شرکت با 1% winsorized شده‌اند و اینها در پیوست 1 تعریف شده‌اند . خطاهای استاندارد در سطح شرکت خوشه بندی می شوند. *،**،*** به ترتیب در سطح 10%، 5% و 1% معنی دار آماری را نشان می دهد.

5 . نتیجه

ما دیدگاه جدیدی را در مورد تعامل بین فساد و عدم اطمینان سیاسی با نگاه کردن به رفتار شرکت (دارای پول نقد) ارائه می‌کنیم. استفاده ما از تغییرات سطح ایالتی در ایالات متحده امکان تجزیه و تحلیل تمیز و واضح را با استفاده از معیارهای نسبتاً عینی تری نسبت به آنچه در غیر این صورت ممکن است به دلیل عوامل اجتماعی-اقتصادی که مطالعات بین کشوری را آلوده می کند، می دهد. ما شواهد محکمی پیدا کردیم که نشان می‌دهد شرکت‌های مستقر در ایالت‌های دارای فساد بالاتر، در پاسخ به افزایش ریسک سیاسی، دارایی‌های نقدی بیشتری را افزایش می‌دهند.

با استفاده از داده‌های محکومیت به‌عنوان نماینده‌ای برای فساد و همسویی سیاسی به‌عنوان نماینده عدم قطعیت، متوجه می‌شویم که شرکت‌ها در ایالت‌های فاسدتر وقتی با عدم اطمینان بالا مواجه می‌شوند، سطح نقدینگی را به میزان بیشتری نسبت به شرکت‌هایی در کشورهای کمتر فاسد افزایش می‌دهند. یافته‌ها پس از کنترل عدم قطعیت سیاست‌های اقتصادی (سطح ملی)، عوامل اجتماعی-اقتصادی در سطح دولتی و تحلیل متغیر ابزاری با استفاده از دو ابزار مرتبط با فساد در سطح دولتی، ثابت می‌مانند. ما همچنین از پروکسی‌های جایگزین برای فساد و عدم اطمینان استفاده می‌کنیم و در همه موارد از نظر کیفی نتایج یکسانی را در رابطه با تعامل بین فساد و ریسک سیاسی می‌یابیم. به عنوان یک استراتژی شناسایی قوی بیشتر، ما نتایج را در مورد انتخابات بررسی می‌کنیم و متوجه می‌شویم که انجمن‌ها در مورد انتخابات نزدیک فرمانداری مهم هستند. در نهایت، ما از این پیشنهاد حمایت می‌کنیم که شرکت‌ها از افزایش نگهداری وجه نقد در دوره‌های عدم قطعیت سیاسی بالا برای تأثیرگذاری بر سیاستمداران (به شکل مشارکت‌های PAC بالاتر) استفاده می‌کنند.

به طور کلی، کار ما از چندین جهت مکمل ادبیات است. علاوه بر فرضیه محافظ که در اسمیت (2016) تاکید شده است، از “فرضیه نقدینگی” پشتیبانی می کند . در انجام این کار، ما ملاحظات ظریفی را که شرکت ها در تعیین ساختار مالی خود ارزیابی می کنند، برجسته می کنیم. ما نشان می‌دهیم که ریسک سیاسی یک کانال احتمالی است که از طریق آن فساد بر سیاست‌های مالی شرکت‌ها تأثیر می‌گذارد . ما شواهدی را یافتیم که با رفتار قاطعانه سازگار است که می‌تواند کانالی برای ریشه‌دار شدن فساد باشد، و در نتیجه تا حدی به بستن حلقه‌ای که اغلب در ادبیات بی‌ثباتی سیاسی و فساد اشاره می‌شود، کمک می‌کند.

تصدیق

این مقاله از پیشنهادات هیتور آلمیدا (ویراستار) و یک داور ناشناس بسیار بهره برده است. همچنین از امانوئل باجو، هاچمی بن عامر، گونول چولاک، احمد فرهاد، ژان ایو گنابو، تیموتی کینگ، ماریا دل پیلار ریورا فرانکو، آناستازیا شمشور، آمینه تارازی، هالوک اونال، استیلیانوس آسیماکوپولوس و تانوس وروسیس سپاسگزاریم. برای نظرات دقیق و/یا پیشنهادات مفید و به شرکت کنندگان کنفرانس در کنفرانس IYFS (ژوئیه 2021)، سمپوزیوم دکتری IAF (سپتامبر 2021)، کنفرانس ICMAIF (ژوئن 2022)، کنفرانس FEBS (ژوئن 2022)، FMARC قبرس کنفرانس (ژوئن 2022)، و به شرکت کنندگان سمینار در مدرسه بازرگانی کنت (مه 2021) و دانشگاه لیموژ (دسامبر 2021).

پیوست 1 . کدهای داده و توضیحات متغیر

کد	متغیر	شرح
متغیرهای سطح شرکت
پول نقد	نسبت وجه نقد به دارایی	وجه نقد و معادل های نقدی تقسیم بر کل دارایی ها بدون نقدینگی
ΔCASH	تمایل به پس انداز پول نقد	تفاوت در وجه نقد در زمان t و t-1، با مقیاس کل دارایی ها در زمان t
اندازه	اندازه شرکت	لگاریتم طبیعی کل دارایی ها
LEV	نسبت اهرمی	مجموع بدهی های کوتاه مدت و بدهی های بلندمدت با مقیاس کل دارایی ها
NWC	نسبت خالص سرمایه در گردش	سرمایه در گردش خالص از وجه نقد و معادل های نقدی به تفکیک کل دارایی ها.
CAPEX	مخارج سرمایه ای	مخارج سرمایه بر اساس کل دارایی ها مقیاس بندی شده است
DIV	سود سهام	متغیر ساختگی که در صورت پرداخت سود توسط شرکت در یک سال معین برابر با یک و در غیر این صورت صفر است.
پرداخت DIV	پرداخت سود سهام	سود پرداختی تقسیم بر کل دارایی ها
BM	کتاب به بازار	کل دارایی ها منهای کل حقوق صاحبان سهام به اضافه ارزش بازار، مقیاس بندی شده بر اساس کل دارایی ها.
CFLOW	جریان نقدی	EBITDA منهای بهره، مالیات و سود سهام، مقیاس بندی شده بر اساس کل دارایی ها
تحقیق و توسعه	نسبت تحقیق و توسعه	هزینه‌های تحقیق و توسعه بر اساس دارایی‌ها
ROA	بازگشت دارایی	درآمد عملیاتی تقسیم بر کل دارایی ها
چرخه زندگی	چرخه زندگی شرکت	سود انباشته تقسیم بر کل حقوق صاحبان سهام
PAC	کمک های مالی PAC	کمک‌های مالی کمیته‌های اقدام سیاسی شرکت (PAC) به نامزدهای کنگره در سال t با مقیاس کل دارایی‌ها در سال t
PAC متصدی	کمک های مالی PAC به متصدیان فعلی	کمک‌های مالی کمیته‌های اقدام سیاسی شرکت به نامزدهای کنونی کنگره در سال t با مقیاس کل دارایی‌ها در سال t
MKT_SHARE	سهم بازار	میزان فروش شرکت بر اساس کل فروش صنعت برای یک سال معین
N_IND_ACTIVE	شرکت های فعال سیاسی در صنعت	تعداد شرکت‌های فعال سیاسی در صنعت یک شرکت با مشارکت PAC برای یک سال معین.

متغیرهای سطح ایالت
CORR	فساد	داده های محکومیت در سطح ایالت از بخش صداقت عمومی وزارت دادگستری، مقیاس بندی شده توسط داده های جمعیت سطح ایالت از اداره سرشماری ایالات متحده
CORR_LEVEL	سطح فساد بالا	یک متغیر ساختگی برابر با 1 است اگر شرکت در وضعیتی قرار دارد که نرخ محکومیت آن بالاتر از بالاترین سطح سال باشد و در غیر این صورت صفر است.
CORR_SURVEY	بررسی فساد اداری	امتیاز فساد بر اساس سوال شماره 6 از نظرسنجی بویلان و لانگ (2003) محاسبه شد.
PAI	عدم قطعیت سیاسی	شاخص همسویی سیاسی بر اساس کیم و همکاران محاسبه شده است. (2012) . رجوع به معادله شود (1)
Modified_PAI	عدم قطعیت سیاسی جایگزین	شاخص همسویی سیاسی اصلاح شده بر اساس آنتیا و همکاران محاسبه شده است. (2013) . رجوع به معادله شود (3)
UNMP	بیکاری	نرخ بیکاری سالانه از اداره آمار کار
تولید ناخالص ملی	تولید ناخالص داخلی	نرخ رشد سالانه تولید ناخالص داخلی بر اساس داده های دفتر تحلیل اقتصادی محاسبه شده است
PI	درآمد شخصی	لگاریتم طبیعی درآمد سرانه شخصی سالانه از دفتر تحلیل اقتصادی
MIN_WAGE	حداقل دستمزد	حداقل دستمزد سالانه از اداره آمار کار
RESIDENT_VOTE	اقامت قبل از رای دادن	تعداد روزهایی که یک شهروند باید منتظر بماند تا واجد شرایط رای باشد همانطور که در سال 1970 از کتاب ایالات اندازه گیری شد.
CONSTITUTION_AGE	عصر مشروطه عصر	تعداد سالهای اقامت در ایالتی با قانون اساسی مشابه که در سال 1970 از کتاب ایالات اندازه گیری شد.
GUB_ELEC	انتخابات فرمانداری	یک متغیر ساختگی برابر با 1 است اگر شرکت در ایالتی با انتخاب فرماندار واقع شده باشد و در غیر این صورت صفر است.
GUB_ELEC_CLOSE	تعطیلی انتخابات فرمانداری	یک متغیر ساختگی برابر است با 1 برای سالهای انتخابات فرمانداری نزدیک و 0 برای سالهای انتخابات فرمانداری غیر نزدیک. نزدیکی انتخابات با اختلاف آرا مشخص می شود (اگر اختلاف درصد آرای دریافتی نامزدهای رتبه اول و دوم در پایین ترین ترسیل اختلاف آرای نمونه باشد).

متغیر سطح ملی
EPU	عدم قطعیت سیاست اقتصادی	لگاریتم طبیعی میانگین شاخص EPU (توسعه یافته توسط بیکر و همکاران، 2016 ) در دوره 12 ماهه. داده های EPU در https://www.policyuncertainty.com/ موجود است
GEN_ELEC	انتخابات عمومی	یک متغیر ساختگی برای سال های انتخابات برابر با 1 و در غیر این صورت صفر است.
GEN_ELEC_CLOSE	تعطیلی انتخابات عمومی	یک متغیر ساختگی برابر است با 1 برای سالهای انتخاباتی نزدیک و 0 برای سالهای انتخابات غیر بسته. نزدیکی انتخابات با اختلاف آرا مشخص می شود (اگر اختلاف درصد آرای دریافتی نامزدهای رتبه اول و دوم در پایین ترین ترسیل اختلاف آرای نمونه باشد).

پیوست 2 . توزیع دولتی

کد دولتی	حالت	میانگین CORR	میانگین PAI	کل سال شرکت
AK	آلاسکا	0.69	0.51	44
AL	آلاباما	0.48	0.46	228
AR	آرکانزاس	0.31	0.46	270
AZ	آریزونا	0.28	0.43	632
CA	کالیفرنیا	0.19	0.51	8365
CO	کلرادو	0.13	0.60	1256
سی تی	کانکتیکات	0.23	0.58	1171
DE	دلاور	0.41	0.57	160
FL	فلوریدا	0.41	0.48	1931
GA	گرجستان	0.29	0.49	1218
سلام	هاوایی	0.26	0.59	105
IA	آیووا	0.14	0.47	268
شناسه	آیداهو	0.25	0.49	117
IL	ایلینوی	0.36	0.47	2150
که در	ایندیانا	0.22	0.43	579
KS	کانزاس	0.16	0.42	235
KY	کنتاکی	0.59	0.58	318
لس آنجلس	لوئیزیانا	0.83	0.34	285
MA	ماساچوست	0.29	0.53	2616
MD	مریلند	0.43	0.56	784
من	مین	0.23	0.38	64
MI	میشیگان	0.22	0.44	904
MN	مینه سوتا	0.12	0.53	1573
MO	میسوری	0.30	0.60	783
ام‌اس	می سی سی پی	0.66	0.44	86
MT	مونتانا	0.82	0.47	54
NC	کارولینای شمالی	0.17	0.43	883
ND	داکوتای شمالی	0.51	0.44	25
NE	نبراسکا	0.16	0.38	249
NH	نیوهمپشایر	0.10	0.62	176
NJ	نیوجرسی	0.44	0.41	1877
NM	نیومکزیکو	0.20	0.52	32
NV	نوادا	0.17	0.52	317
NY	نیویورک	0.31	0.56	3885
اوه	اوهایو	0.38	0.52	1880
خوب	اوکلاهما	0.42	0.38	424
یا	اورگان	0.09	0.53	502
PA	پنسیلوانیا	0.40	0.48	1892
RI	رود آیلند	0.28	0.57	162
SC	کارولینای جنوبی	0.14	0.46	196
SD	داکوتای جنوبی	0.61	0.44	49
TN	تنسی	0.39	0.38	833
TX	تگزاس	0.31	0.49	4431
UT	یوتا	0.11	0.46	505
VA	ویرجینیا	0.51	0.55	1156
VT	ورمونت	0.27	0.49	45
WA	واشنگتن	0.14	0.44	928
WI	ویسکانسین	0.19	0.43	786
WV	ویرجینیای غربی	0.41	0.41	46
WY	وایومینگ	0.32	0.36	14