【经管大课堂·经济统计】15家银行中期分红比例提升：资本市场统计与股东回报

案例背景

据每日经济新闻统计，目前已有15家A股上市银行披露中期分红方案，分红比例较去年普遍提升，国有大行与优质股份行成为现金分红主力。中期分红在A股并非新鲜事物，但近两年在强化股东回报的政策引导下迅速普及，成为衡量上市公司治理质量与回报意识的重要观测点。“普遍提升”四个字听起来清晰明确，但从统计学角度看，它其实是一个含糊的表述：提升了多少？是所有银行都提升，还是多数提升？提升幅度是否足以被称为“显著”？哪些银行提升最多？本案例将讨论如何用描述性统计、配对检验与因果推断方法，把一组公司分红比例的变化刻画清楚并审慎解读。

核心分析

一、描述性统计与分布刻画：不止看“普遍提升”

15家银行构成一个小样本。小样本分析的第一原则是充分展示分布，而非只报一个平均数。集中趋势方面，均值与中位数应同时报告：均值利用全部信息但对极端值敏感，中位数稳健却丢失了尾部信息，两者差距本身就在提示分布的偏斜方向。离散程度方面，极差给出跨度，标准差给出平均偏离幅度，变异系数（标准差除以均值）则用于消除量纲、便于跨组比较。分布形态方面，可用偏度系数判断是否存在少数银行大幅提升拉动均值的情形，也可用四分位距与箱线图识别异常值。

把“普遍提升”落实为可度量的统计量，至少应给出三项：一是提升家数占比，这是一个比例指标，应在点估计之外给出置信区间——样本仅15家时区间会相当宽，贸然断言“行业趋势”并不可靠；二是平均提升的百分点，即效应量，它回答的是“提升了多少”而非“是否提升”；三是最大值与最小值，呈现两极分化程度。若发现国有大行的提升幅度明显小于股份行，或城商行内部差异极大，那么笼统的“普遍提升”就掩盖了真实的结构分化。

二、跨期比较的正确姿势：配对设计与效应量

比较“今年分红比例”与“去年分红比例”，数据来自同一批银行的两个时点，属于配对样本，而非两个独立样本。若误用独立样本t检验，会忽略银行个体之间在盈利模式、资本约束、监管要求上的系统性差异，把个体异质性混入误差项，导致检验功效下降。正确做法是采用配对样本t检验（在差值近似正态时）或Wilcoxon符号秩检验（对分布无要求、小样本更为稳健），其核心都是先计算每家银行的跨期差值，再检验这些差值的中心位置是否为零。

统计显著不等于经济显著，因此必须同时报告效应量，如平均提升的百分点或标准化效应量。此外还有两个易被忽视的问题：一是多重比较，若同时检验国有大行、股份行、城商行、农商行四个子组并分别宣称“显著”，需进行Bonferroni或错误发现率校正，否则假阳性会累积；二是样本选择偏差，已披露中期分红方案的15家银行，其盈利能力与资本充足状况很可能系统性优于尚未披露的同行，据此推断“全行业分红意愿提升”存在外推风险，应说明样本覆盖的市值或资产占比，并讨论未披露银行的可能特征。

三、分红比例与估值的关联：相关、因果与内生性

进一步的问题是：分红比例提升能否带来估值改善？最朴素的做法是计算横截面相关系数，考察分红比例与股息率、市净率、净资产收益率之间的Pearson或Spearman相关系数。但相关绝不等于因果：盈利能力强的银行既有能力高分红，也自然享有更高估值，盈利能力在这里是一个典型的混杂变量；若不作控制，分红与估值的正相关可能完全是第三因素驱动的表象。

更严谨的路径有三层。其一是多元回归控制混杂因素，纳入资产规模对数、净资产收益率、不良贷款率、资本充足率、利润增速等变量，观察分红比例系数的方向与显著性；其二是应对内生性，分红决策本身包含管理层对未来盈利的信号传递，存在反向因果与遗漏变量偏误，可沿用面板数据固定效应模型控制不随时间变化的银行特征，或用差分法、工具变量法缓解识别困难；其三是政策效应评估，强化分红监管的相关规则构成一次外部冲击，可采用双重差分设计，以受约束更强的公司为处理组、其余为对照组，其前置条件是平行趋势假设成立，并配合安慰剂检验与动态效应检验。此外，分红比例是“分红总额／净利润”，其上升既可能来自分子扩大，也可能来自分母（利润）增速放缓，实务中应做分子效应与分母效应的分解，避免把利润承压误读为回报提升。

管理启示

本案例的方法论价值远超银行业本身。其一，描述性统计是分析的起点而非终点，均值掩盖结构，中位数、离散度与分位数同样重要，切忌用一句话概括一组数据。其二，小样本分析必须同时报告不确定性与效应量，只报“显著提升”而不报区间与幅度，是常见的解读误导。其三，配对数据必须用配对方法，识别数据结构是选择统计方法的前提。其四，相关不等于因果，识别策略应先于回归跑数——先想清楚对照组在哪里、混杂变量有哪些，再谈结论。企业做同业对标时同样如此：应先按行业、规模、周期阶段筛选可比对象，再做统计比较，否则对标结果只是数字游戏。

其他思考

1. 若已披露中期分红方案的银行在盈利能力上系统性优于未披露者，这种样本选择偏差会如何影响我们对“行业分红趋势”的判断？有哪些统计方法可用于检验或校正？
2. 分红比例提升究竟应归因于股东回报意识增强、监管引导，还是利润增速放缓带来的分母效应？你会如何设计分解方案来区分这三条路径？
3. 在非金融行业中，长期稳定的高分红是否一定优于把利润留存再投资？从企业生命周期与投资机会的角度，管理者应如何确定最优分红比例？

关键词：中期分红；描述性统计；配对检验；效应量；内生性；双重差分
来源：每日经济新闻/财新网 | 整理：经管大课堂