虽然国内、外的研究得出相类似的结论，但国内外的资本市场条件并不完全相同，上市公司的融资决策行为也不尽一致。国外成熟资本市场上市公司的融资行为基本符合西方财务理论的阐述，股权再融资是上市公司融资决策的最后选择，一些公司还不惜动用巨额资金回购本公司的股份，甚至使一些年份的股权融资净额为负值，也就是市场总体的回购资金大于股票发行的筹资额。中国的上市公司则显示出对SEO的极度偏好，达到配股或增发要求的公司都会尽力推出SEO方案。因此，国内、外研究得出的相似结论可能蕴含不同的原因，但现有国内研究在这方面的解释并不充分。
从现有研究选择的研究方法来说主要有两种，一种是对SEO前后上市公司的经营业绩进行对应的配对样本T检验或Z检验，以检验SEO后上市公司的经营业绩是上升还是下降。这种方法虽然较为直观和简便，但是使研究所局限的范围过窄，可能忽略一些共同的宏观因素的影响，这些因素可能造成企业经营业绩的整体性波动，而配对样本检验无法区分这些影响，并且配对检验也不能定量化的分析具体的影响因素，使深入分析受到限制。另一种分析途径是首先分离出经营业绩的主要影响因素，然后对SEO前后的经营业绩进行回归，这可以更深入的分析各种业绩影响因素及其正、负作用的大小。不过这样的分析所描述的是整体的平均趋势状况，反映的是解释变量对被解释变量条件分布的均值的影响，如果研究目标为分析样本总体的平均状况，则传统的回归方法是一种有效的分析工具。但是对处于不同分位点的业绩状况来说，各因素的影响可能是不一样的，如对处于高位和低位的样本点甚至可能具有相反的趋势，而通常采用的OLS或其它回归方法无法反应这种变化与不同，或者说无法反映在不同分位点的因素影响的异质性。
虽然按照传统的财务理论，SEO的实施预示企业未来业绩可能出现滑坡，但直到目前仍有外部投资者接受和参与这种融资，实质上也反映出一部分实施SEO的上市公司的业绩表现相对于大多数公司具有异质性。本文的研究思路是将分位回归方法引入到企业SEO前后的业绩变化分析，检验不同SEO企业业绩变化及其它影响因素的作用可能存在的异质性，以更全面的反映处于不同分位点样本经营业绩的变化，而现有这方面的研究还未见有这样的研究处理。
4.2.2分位回归分析方法
传统的回归分析方法一般遵照最小平方法准则（OLS），实际反映的是各种解释变量（自变量）的变动对于被解释变量（因变量）的均值的影响，估计的解释方程可以很好的解释因变量的条件均值，能较好的刻画因变量的总体状况，但却忽略了各个因素对被解释变量条件分布的各个分位点的不同影响。这样，当研究人员对不同分位点的样本特性——如最好或最坏情形感兴趣时，传统的OLS回归就会无法处理。分位回归分析则弥补了OLS回归的这种不足，两者的结合使用会使研究对象从整体到局部得到更全面的反映。
分位回归方法由Koenker和Bassett（1978）首先提出，他们将经典的条件均值模型扩展到条件分位数模型，重点反映局部样本点的回归特性。我们知道，对回归方程的参数估计在于使用合适的方法得出恰当的参数，以使估计值和真实值的差距尽可能的小。为避免估计误差的相互抵消，一般通过两种途径达到这样的目标：一是误差平方和最小化的最小平方法（OLS），一是误差绝对值最小化的最小一乘法（LAD），分位模型的估计采用的是后者。
4.2.3指标、模型与数据
1）指标与研究设计
根据陆正飞（2006）、张祥建（2005）等的研究，中国的上市公司为获得SEO（包括配股、增发新股及发行可转债）资格存在盈余管理行为，并认为这是上市公司SEO后以一般市场业绩指标度量的企业业绩下降的一个重要原因。这样的结论实际也反映出净利润、净资产收益率、总资产收益率等传统业绩衡量指标容易被上市公司所操纵，使企业的业绩显示失真。McLaughin、Safieddine和Vasudevan（1998）的研究认为总资产经营活动收益率（OPA，总资产经营活动收益率=营业利润/总资产）可以排除非经营性项目及不同税收政策的影响，对业绩的反映更稳建，更不容易被操纵，因此本研究选用该指标度量上市公司的经营业绩，以期反映上市公司SEO前后真实业绩的变化。国内外的研究表明一些共同的因素可能影响到上市公司的经营业绩，并且这些因素也是不断变化的，因此在分析上市公司SEO前后的业绩变化时，必须分离出这些因素的影响，综合这方面的研究，本文认为企业规模及资产负债率是其中最重要的两个因素，并将其引入到模型，作为分析的控制变量。
这里我们的研究目的主要是分析上市公司SEO前后的业绩变化及SEO公司和非SEO公司的业绩差别与对比，控制变量引入的目的正如前述，主要是为了分离共同因素的影响。现有的多数研究通过直接对比上市公司SEO前后的业绩指标来反映这种变化，它的缺点是无法区分是这些因素的影响，还是SEO行为的影响，虽然杜沔（2006）通过选择相同数量的未实施SEO的上市公司作为配比公司进行对比研究，但仍然仅是通过图示或直接观察的直观对比，同时配比公司的选择也无法排除过度主观性的影响。
本文的处理方式是在引入共同因素作为控制变量的基础上，把是否实施SEO行为作为虚拟变量引入回归模型，设定实施SEO的上市公司为1，否则为0，如此虚拟变量的系数将更真实的反映出排除共同影响因素后SEO行为对上市公司经营业绩的影响及与非SEO上市公司的业绩差别，即该系数实际反映的是SEO上市公司相对于未SEO上市公司，它们的业绩低于（或高于）后者的程度。
2）样本数据说明
研究数据均来自于深圳国泰安信息技术有限公司开发的CSMAR资本市场数据库，数据区间为1999年——2006年，样本中上市公司实施SEO的年份为2000年，包括配股及增发新股。许多研究采用一段区间（如1998—2000年）SEO公司作为研究对象以增加研究的样本容量，然后使用诸如-1、0、1等数字来标识SEO及前后年份，这对于配比检验来说有一定的合理性，但仍然可能遗漏不同年份数据的固有差异性。同时我们的研究样本不仅包含SEO公司，还包含未实施SEO的上市公司，并且为保证研究期样本数据不受其它SEO行为影响，要求未SEO的上市公司在研究期内均没有SEO行为。这样，如果在一定区间选定SEO样本，按照样本取舍原则将要损失许多样本，因此，这里将实施SEO的行为设定在2000年，并且这样也有利于考察经营业绩可能存在的年度差异。
本研究以2000年在沪、深A股市场上市的全部1061家公司为基础选择样本，存在下列情况之一的上市公司数据将全部被剔除：（1）除2000年SEO公司外，其它任何在1999、2001—2006年份有SEO行为的公司；（2）至2006年前已经退市的公司；（3）存在缺失数据的公司；（4）1999、2000年上市的公司；（5）净资产出现过负值的公司；（6）金融类公司。这样共得到453家符合要求的上市公司，其中163家公司在2000年实施了SEO，其它公司在此期间未有任何SEO行为，样本数共计3624个。
从样本公司的行业分布情况看，制造业所占的比例最高，其次为批发和零售贸易业以及综合类。样本基本反映了现有A股上市公司的行业分布状况，2000年SEO公司在各行业均有分布，总体来说，样本具有较好的代表性。
4.2.4实证分析
1）样本公司总体业绩的一般分析
分析上市公司SEO前后的业绩变化，不能脱离包括未实施SEO公司在内的样本公司整体的业绩状况及变化。
在整个观察期内，无论是均值还是中位数都显示样本公司整体的经营业绩水平从1999年起呈下降趋势，而1999年正是我们选定的上市公司实施SEO的前一年。中位数显示的趋势更为平稳一些，而均值显示的业绩趋势的波动更大一些。这样的趋势显然与一些公开的信息有些出入，因为来自资本市场的消息，至少2006年全部上市公司的业绩比前期有了较大的提高。产生这种出入的原因有两方面：一是上市公司发布的业绩信息是以净利润为基础的，这其中包含了大量的非经营利润，其中股权分置问题的解决使许多上市公司获得大量投资收益；另一个原因是大多数业绩优良的蓝筹公司是在2000年以后上市的，这样样本中就不可能包含这些公司。这两方面的原因显著地影响了市场的整体业绩。而我们所设定的业绩指标并不包含非经营利润，以期反映企业的真实经营状况，并且选择的样本公司为2000年实施SEO及可对比的未实施SEO的上市公司。因此，这并不妨碍对本文所提出的问题的研究。
现有研究上市公司SEO前后业绩变化时，大多将SEO时间选定在1998—2001年间，对比业绩变化的时间一般在2005年之前，之所以这样，一方面这期间有大量的实施SEO的公司样本，另一方面从2002年至2005年由于股市的整体低迷，实施SEO的上市公司数量非常有限，研究基础不足。这期间不仅实施SEO的上市公司经营业绩显著下降，而且市场总体的经营业绩均有较为明显的下降。因此，仅仅依据实施SEO的上市公司样本研究SEO前后上市公司业绩的变化，而不考虑可比的未实施SEO的上市公司业绩状况，那么所得出的结论可能缺乏足够的说服力，这也是现有许多研究存在的一个缺陷。而本文的研究样本包含这两类公司，而样本的选择是在全部上市公司中，根据研究对样本的要求，排除所有不符合研究要求的样本而得到，并依据是否实施SEO将全部样本区分为两类，这样将两类公司纳入同一模型，从而可以更好的对比研究SEO前后上市公司经营业绩的变化。
时间T分别固定在1999至2006年间的某一年，即分别使用年度横截面数据进行普通OLS回归以观察两类公司因SEO行为而出现的经营业绩的年度差异。由虚拟变量SEO的含义，可以分别得到2000年实施SEO的上市公司和在整个研究期内未有SEO行为的上市公司经营业绩的均值函数。
实施SEO上市公司经营业绩的均值函数，为没有SEO行为的上市公司经营业绩的均值函数。对比两个均值函数，可以发现SEO公司的均值函数较之未SEO公司多增加一个系数，也就是回归模型中虚拟变量SEO的系数。因此，SEO的回归系数实际上反映了特定年度SEO（2000年）上市公司的经营业绩高于（或低于）非SEO公司的程度。
使用各年截面数据的回归结果表明，各年回归方程总体及包括虚拟变量在内的各解释变量系数均至少在5%的显著性水平下显著。SEO公司与其它公司的业绩差距的变化，图中的0轴实际是将未实施SEO的上市公司的各年业绩作为对比的基准。有SEO行为的上市公司在SEO前一年即1999年的经营业绩显著优于未SEO的上市公司，其后这种优势逐渐缩小，2003年以后开始低于后者，但下降的趋势有所减缓。结合前述对于样本公司整体业绩变化的描述，实际反映了有SEO行为的上市公司业绩下降幅度要远远快于未实施SEO上市公司业绩的下降幅度，这与经典财务理论的假设结论相一致，即在信息不对称条件下，上市公司的SEO行为预示了管理层并不看好企业的未来发展前景。
2）分位回归分析
上述OLS分析反映的是上市公司的总体趋势状况，而使用分位回归分析，更多的在于关注处于不同分位点的样本公司趋势状况是否具有差异性。显然，目前的资本市场中，SEO仍然是上市公司一种重要的融资方式，虽然不断的研究显示SEO行为总体上预示了公司发展前景的不乐观，但这也反映出对于外部投资者来说这样的结论并不完全是一个确定的信息。因此，本文提出假设。
假设：处于不同分位点的SEO上市公司的业绩变化具有异质性。
由于我们关注的是上市公司SEO前后的经营业绩变化，在经营业绩与资产负债率及资产规模（自然对数）具有线性关系的假设前提下，可以将基本模型变型为（仍然引入SEO作为虚拟变量）。