前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇古詩集范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

古詩集范文第1篇

關鍵詞：唐汝諤；《古詩解》；古詩選本

唐汝諤，字士雅，明末松江府華亭人。華亭又名華亭谷，在今上海松江縣西。其弟唐汝詢著有《唐詩解》五十卷，暢行于世，唐汝諤繼作《古詩解》二十四卷。又有《詩經微言合參》八卷。《四庫全書總目提要》稱其著述《古詩解》:“其兄汝詢有《唐詩解》，故此以古詩配之。其注釋體例略同。惟《唐詩解》以五七言分古近體，此則分為五類：曰古歌謠辭、曰古逸雜篇、曰漢歌謠辭、曰樂府、曰詩。其訓詁字義頗為簡略，所發明作意亦皆敷衍。又樂府之類聲詞合寫者，汝諤不究其源，一一強為之說，尤多牽強。”機山錢龍錫在《古詩解敘》中說:“吾鄉士雅唐君，少為諸生即博雅嗜古，與其弟仲言裒采漢唐諸詩而分解之。仲言《唐詩解》先成梓以行世，士雅方婆娑帖括，未遑竣業。及以明經振鐸海虞，始出生平所著述詮次之，得若干卷，為歌謠樂府者十之五，為五言古詩者十之四，為四言、雜言、七言者十之一，總名《古詩解》。”

一、《古詩解》的選詩情況

《古詩解》二十四卷，共選詩近八百七十首，入選作家從帝王、公卿到方外異人、無名氏、閨秀、宮人計一百八十四人。具體分卷安排如下：卷一、二為古歌謠辭，共錄八十首；卷三為古逸雜篇，錄詩七十七首；卷四、五為漢歌謠辭，錄詩六十四首；卷六至卷十三為古樂府詩，共錄二百四十七首，其中，漢樂府三卷錄詩八十八首，魏樂府二卷錄三十五首，晉樂府一卷錄詩四十六首，宋樂府三十首，齊樂府十首，梁樂府二十六首，陳、北魏、北齊、隋三朝合錄樂府詩十二首；卷十四為四言詩，總錄七十八首；卷十五至卷二十三錄五言詩，漢、魏、晉、宋、齊、梁、陳、隋八代共錄三百零六首；錄六言古詩八首，七言古詩九首。

從所錄樂府詩來看，漢樂府詩最多，共八十八首；其次為晉樂府，共四十六首。顯然唐汝諤認為這兩個朝代樂府詩成就最高，均屬“體裁古雅、辭意悠長”者。就所錄五言古詩而言，晉詩錄八十一首居第一，宋詩五十七首居其次。如果按錄詩數量多少統計詩人，樂府詩類魏武帝和陳思王植各十一首，并列首位；齊鮑照八首，位居第二。四言古詩類共錄詩歌七十八首，其中陶潛二十六首，占全部四言詩數量的33.3%。五言古詩類錄詩數量第一位是陶潛（三十首），占全部晉詩數量的37%。其次為謝靈運（二十三首）。僅就四言詩和五言詩而言，共計384首，陶潛兩類詩歌共錄56首，占整個漢魏六朝古詩的14.6%，可見陶潛（淵明）在唐汝諤心中的地位，同時符合漢魏六朝詩歌在明末詩壇實際接受情況。（詳見附表）

附表

《古詩解》錄詩數量統計

二、《古詩解》的選錄標準

唐汝諤的《古詩解》的選錄古詩標準是什么呢？“是編所選，大都主體裁古雅、辭意悠長，而原本性情有關風化，但不失古人溫柔敦厚之旨，即亟為收錄。惟樂府自晉宋迄齊梁，半為男女唱和之作，亦其風使然，不得一切刪去，姑去其甚者，存其雅者，庶幾亦十三國風不刪鄭衛之意云。”（《古詩解?凡例》）依照唐汝諤劃定的標準，符合以下幾條標準方可入選：一要“體裁古雅”，二要“辭意悠長”，三是“原本性情有關風化，但不失古人溫柔敦厚之旨”，四是樂府中“男女唱和之作”中的“雅者”，根本標準是儒家“溫柔敦厚”之說。 轉貼于

這里唐汝諤所說“體裁古雅”，應該是指傳統的四言詩、漢魏以來形成的五言詩及與漢樂府之后形成的歷代樂府詩，自然而然那些齊梁之后的宮體詩等作品均在刪汰之列。“辭意悠長”當指詩歌感情抒發與表達方面，要含不盡之意見于言外，余味深長。同時，許多樂府民歌中表現男女真摯愛情的歌謠，在“不失古人溫柔敦厚之旨”的前提下，得以廣為選錄和傳播。相較于唐汝諤之前的眾多古詩選本，《古詩解》顯得難能可貴。

唐汝諤在《凡例》中自稱其詩選與眾不同之處在于：“余述是編，不專步驟昭明，而以近代四家參入之。于楊（慎《五言律祖》）、左（克明《古樂府》）則加精，于李（攀龍《古今詩刪》）、鐘（惺《古詩歸》）則加博，庶幾選古之一變云。”即云不惟昭明《文選》是準，他要選出符合自己所定標準的古詩。他聲明《古詩解》所選古詩，在選目上要比楊慎《五言律祖》（9卷133詩人311首）和左克明《古樂府》（10卷）更加精當，意圖“刪汰繁蕪，使莠稗咸除，菁華畢出”（《四庫總目提要》“總集類”），同時較之李攀龍《古今詩刪》（唐前古詩9卷545首）和鐘惺《古詩歸》（15卷836首）更為博洽。那么，唐汝諤拿來對照的四部的古詩選本究竟如何呢？

明代楊慎為嘉靖初期文壇鴻儒之一，為反對前七子派“詩必盛唐”之主張，力倡六朝詩歌，并有《五言律祖》六卷、《風雅逸篇》十卷、《古今風謠》一卷等盛行于當時，且以之作為宣傳自己文學主張與反撥前七子的重要武器。楊慎在其《升庵詩話》卷一評王融《上巳詩》：“王融《上巳》詩‘粵上斯巳，惟暮之春’二句古雅。《詩評》：‘四言詩，《三百篇》之后，曹植、王融。’”唐汝諤《古詩解》推崇的古詩第一標準正是“古雅”，不能說他沒有受楊慎詩論的影響。楊慎《五言律祖》純錄六朝五言詩，較之唐汝諤《古詩解》而言，沒有《古詩解》古歌謠到古樂府，從四言詩到五言詩，“體裁古雅，辭意悠長”那么的精純，也許缺乏“古人溫柔敦厚之旨”。

元代左克明《古樂府》十卷，是繼宋代郭茂倩《樂府詩集》之后一部重要的樂府詩選本。《四庫全書總目提要》卷一百八十八：“是書錄古樂府詞，分為八類，曰古歌謠，曰鼓吹曲，曰橫吹曲，曰相和曲，曰淸商曲，曰舞曲，曰琴曲，曰雜曲。自序謂‘冠以“古歌謠”詞者，貴其發乎自然；終以“雜曲”者，著其漸流于新聲，又謂風化日移，繁音日滋，懼乎此聲之不作也。故不自量度，推本三代而上，下止陳隋，截然獨以為宗。雖獲罪世之君子，無所逃焉’云云。”“此集務溯其源，故所重在于古題古詞，而變體擬作，則去取頗慎，其用意亦迥不同也。就《古詩解》的樂府詩部分選錄而言，唐汝諤受左克明影響很大，盡管郭茂倩《樂府詩集》影響更大，但唐汝諤《古詩解》選錄樂府詩標準與左克明《古樂府》更加接近。如卷一、二大量選錄“古歌謠”詞，合計八十首，也許出于與左克明相同的標準：“貴其發乎自然”；樂府與古詩均止于陳隋，是否也如左克明在其《古樂府序》中闡明不選唐代的原因一樣：“唐人祖述尚多，非敢棄置，蓋世傳者眾，弗賴于斯。”《子夜歌》晉宋齊辭郭茂倩《樂府詩集》只錄四十二首，《古樂府》僅錄二十首，《古詩解》僅八首，從數量上來說夠精的了。

與明代李攀龍《古今詩刪》和鐘惺、譚元春的《古詩歸》相比，唐汝諤《古詩解》在當時的影響要小得多。但是，選錄八百六十九首古詩的規模要遠遠超過前兩部書。《四庫全書總目提要》卷一百八十九評李攀龍《古今詩刪》：“是編為所錄歷代之詩，毎代各自分體，始于古逸，次以漢魏南北朝，次以唐。唐以后繼以明，多錄同時諸人之作，而不及宋、元。蓋自李夢陽倡不讀唐以后書之說，前后七子率以此論相尚。攀龍是選，猶是志也。”“熏蕕互異，此直門戸之見。入主出奴，不緣真有限斷。厥后摹擬剽竊流弊萬端，遂與公安、竟陵同受后人之詬厲。豈非高談盛氣有以激之，遂至出爾反爾乎？然明季論詩之黨，判于七子。七子論詩之旨，不外此編錄而存之。亦足以見風會變遷之故。是非蜂起之由，未可廢也。”作為前七子派的領軍人物，李攀龍無理論綱領性宣言，此詩歌選本不錄唐大歷以后及宋元詩歌的做法，成為反復古派攻擊的口實。雖然古詩與樂府詩部分受人詬病較少，唐汝諤的《古詩解》選詩面要比《古今詩刪》廣得多。《四庫全書總目提要》卷一百九十三評鐘惺、譚元春《詩歸》：“是書凡古詩十五卷，唐詩三十六卷。大旨以纖詭幽渺為宗，點逗一二新雋字句，矜為玄妙。又力排選詩惜群之說，于連篇之詩隨意割裂，古來詩法于是盡亡。至于古詩字句，多隨意竄改。”實際上，《詩歸》在當時非常流行，幾乎家置一編，洛陽為之紙貴。就選詩數量與特點而言，二書最為接近。就古詩而言，《古詩歸》錄詩八百三十六首，《古詩解》錄詩八百六十九首，相差僅三十三首；《古詩歸》錄詩最多的詩人是陶潛，共五十二首，其次是謝靈運，二十六首；第三是謝朓，錄二十二首。而《古詩解》錄詩最多的是陶潛，共五十六首；其次是謝靈運，錄二十三首；第三是謝朓，共十一首。二書非常接近，說明《古詩解》受《古詩歸》影響很大。

與前述四種古詩選本相比較，唐汝諤的《古詩解》有詳細的文字訓詁，配以串講式的評解，對每首詩的思想性和藝術性均有精到的分析與鑒賞，是其獨特的價值所在。有的評解參照詩人生平遭際，詩的本事背景對詩篇融會貫通，評解真義；有的評解通俗地串釋詩意，補足空白，使其語意貫通，明白曉暢。當然，限于唐汝諤對詩歌藝術的理解，也有其不足一面，即局限于傳統的“言志”“緣情”說。對于深刻反映現實，有著豐富內涵的現實主義詩篇，僅從儒家“溫柔敦厚”的“發乎情，止于禮義”的角度去理解，就不能得其全貌。

參考文獻

[1]明人傳記資料索引[M].臺灣中央圖書館編，中華書局，1987年版.

[2]四庫全書存目叢書[M].齊魯書社，1997年版.

[3]張廷玉等撰.明史[M].中華書局，1974年版.

古詩集范文第2篇

我叔叔家的小弟弟，叫旭陽，他今年四歲了，上幼兒園中班，他長得烏黑的頭發，微高的鼻子，大大的嘴巴，一雙大眼睛顯得非常精神。

他非常淘氣，可也很可愛，他愛好畫畫，所以我的作業本常常被他描得五顏六色。他特別愛搞一些惡作劇，記得一次，他找來一條繩子，一頭套在狗頭上，另一頭系在小板凳上，讓狗拉著板凳跑，狗一跑，板凳一蹦，又打在狗的屁股上，狗又加速跑，直到最后狗跑不動了。記得還有一次，叔叔奶奶都不在家，我到他家去玩，遠遠地就感覺一股燒火的氣味，我連忙跑到廚房一看，弟弟一只鴿子裝進籠子里，放到爐子上，我問他為什么，他蠻有道理地說：“今天我當廚師，給你們紅燒鴿子吃。”搞得我哈哈大笑！

瞧，這就是我那淘氣的弟弟。

古詩集范文第3篇

嘆問蒼天幾何時？恨無羽翼雙飛去！嘆，嘆，嘆！嘆聞野烏孤啼去。

仰望蒼穹深幾許？念無銳眼斜穿去！恨，恨，恨！恨居幽夜漫老去。

天凈沙 秋思

秋水襲沙空自去，沙宿湖底戀流水!尋思暗問水中物,只是相望不相識.

念無痕，似無情。孤孤老去，待到湖空自成珍。

破陣子 夏雨

珠落珠滴珠無淚，淚風淚雨淚成恨。珠下濺落誰人心，唯有淚先知。

古詩集范文第4篇

郭登峰聲稱她是從1990年介入股市的，如屬實，那她的確趕上了深圳股價如神話般狂飆的突進年代：當年3月，以深發展大比例送配及拆細為契機，深圳所有5家股票告別了此前長達幾年低位徘徊與溫和攀升階段，開始如火山般噴發。當時深發展的具體方案是：每股派現金0.5元，5送1派發紅股，并按10比1配股；另外，又將每股20元的面值拆細為1元，即變為20股。如此豐厚的“大禮包”，立刻使眾多股東一躍成為腰纏十幾萬元、幾十萬元的富翁。這在當時“萬元戶”仍非常稀罕的時代可是不得了的奇跡。也正是由于這一夜暴富的示范效應，使人們發現買股票原來是實現快速致富的捷徑。

大量資金潮水般涌入股市，令股價如脫韁的野馬般見天瘋漲。根據統計，僅5月25日至6月17日短短20天間，深發展的股價就翻了一番！然而這還不是最多的，奪升幅之冠的是萬科與安達――同達380％！政府當局坐不住了，幾次三番推出限價令――由5月底的升幅不得高于頭一日的10％，到6月底的只能升1％，仍舊難以遏阻股價一路狂奔的牛步。那時的股民真是幸福無比：每天早晨一睜眼自己的股票賬戶就又增值了10％或者1％；直到11月20日再將漲停板上限調低至0.5％后，終于在12月迎來了牛轉熊的拐點。期間深發展最高曾沖至140多元，年內漲幅約20倍；而黑市價格據說竟曾有炒到了320元/股的紀錄！

綜上所述的市況，郭登峰由幾萬炒成幾百萬并非絕對不可能，但前提是必須年初以最低價買到原始股，然后一直捂到年末以最高價拋出，期間不可能“炒”――即高拋低吸，因為以當時的情況，買賣股票相當困難，不能隨心所欲，賣了就買不回來了，除非她參與黑市交易。但即使如此也難以在幾個月幾萬炒成幾百萬。理論上的可能性畢竟不等于現實性，概率是相當低的，就算她運氣特別好，但炒到一、兩百萬則是有可能的，筆者身邊的一位朋友，就由于當初買了深發展的2000原始股捂到90年代初，躍入二百萬元戶級行列。

“八”完郭登峰的話題后不由撫膺長嘆：A股早年的美好時代是多么令人懷念啊！但這樣的黃金歲月已一去不復返了，無論其后有過怎樣輝煌的大牛市，都絕無可能與彼時俯拾即富的市道相比。這一現代版的聚寶盆只能產自股票供不應求的特殊年代，這一空前絕后的超級牛市也只能出自那不可復制的歷史背景中。

追昔撫今，現在的股民顯然沒有當年股市拓荒者的那么幸運。打自闊別6124點尤其是從3478點滑落之后，他們已有多年不知牛肉的滋味了。雖然創業板、中小板不乏熊掌可供享用，但那只是少數人的專利，并不惠及投資大眾。究其原因，并非中國經濟或公司業績遠遜當年，而是股價不能承受連續多年高速擴容之重。遺憾的是：對此管理層至今缺乏足夠的清醒的認識，而從某些主流報刊近期的輿論導向來看，不以為非，反以為是，完全否認近年股市的低迷不振與高速擴容有關，仍然迷信單憑機構的有限擴展便可化解股市高速擴容的巨大壓力，并無視市場規模的發展必須與其承受能力相適應的客觀規律，進而顛覆供求決定價格的經濟學基本原理。

古詩集范文第5篇

上市公司股利問題一直是國內外研究者關注的一個焦點。Fuller and Goldstein（2011）研究發現，在熊市中股利的重要性要大于股利在牛市中的重要性。相比牛市，熊市中支付股利的上市公司的股價每個月表現要強于不支付上市公司1%到2%，而且在熊市增加股利發放比起牛市增加股利更加重要。那么上市公司是否會在不同股票市場狀態下采取不同的股利政策？在不同市場狀態下，股權集中度對上市公司股利政策的影響是否一致？前人研究極大的豐富了股利政策的相關理論，其中包括各種解釋“股利之謎”的理論以及在不同國家中，因持股對象性質及持股比例不同而對股利政策產生了不一致的影響。但很少有學者研究在股市不同狀態下股權集中對于股利政策的影響。因此本文在結合前人研究的成果上區分了股市狀態，并且考察了在股市不同狀態下股權集中對于股利政策的影響。本文采用面板數據的Tobit模型與面板數據的Logit模型分析了牛市與牛熊中股權集中度與現金股利政策的關系。

二、研究設計

（一）研究假設 首先根據成本理論，（Claessens and Fan，2003）當上市公司股權集度比較低的時候，委托問題就存在于全體股東與公司管理層之間。當公司不存在絕對控股股東時，管理層出于自身利益的考慮都會傾向于少分配或者不分配現金股利。當上市公司股權集中度比較高時就出現了控股股東，控股股東可以憑借其對公司的控制力，實現對上市公司管理層的控制，所以此時的委托問題轉變為控股股東與非控股股東的利益沖突問題。由于信息的不對稱，控股股東有可能通過各種手段比如關聯交易侵占非控股股東的利益。在股權高度集中的中國，這就演變為大股東與小股東之間的利益沖突，具體表現為大股東憑借其控制權地位進行侵害小股東利益的“掏空”行為（Shleifer and Vishny，1997）。但在不同的市場狀態下，大股東的“掏空”行為并不一致。控股股東的收益來自來四個方面：資本利得，股利收益，侵占收益，發放股利帶來的溢價。一方面，根據迎合理論，由于市場投資者對支付股利公司的投機性需求，導致支付股利公司與不支付股利公司的價值產生差異（又稱為股利溢價），而理性的公司經理人可以洞察到這種時變的股利溢價。為了追求公司短期價值的最大化，經理人將制定相應的股利政策去迎合市場投資者的這種需求，以提升公司的股價。Fuller and Goldstein（2011）認為股票市場在不同狀態下，支付股利公司與不支付股利公司的價值產生差異存在區別，在熊市中的這種股票溢價大于牛市中的股票溢價。另一方面，股利分配的信號理論認為公司會通過股利向投資者傳遞公司的未來盈利可以穩定增長的信號。而傳遞這種信號的終于目標就是為了獲得投資者的投資。在牛市中，個股普遍都會有比較大的漲幅，個股的價值與價格已經存在很大差距，在這種情況投資所獲得的資本利得已經遠遠大于股票的現金股利，所以在這時候發放現金股利對上市公司來說，傳遞穩定增長信號的作用不明顯。在熊市中，在難以獲得正的資本利得情況下現金股利變得尤為重要，此時發放現金股利傳遞公司穩定增長信號的作用更為明顯。所以對上市公司來說牛市中發放股利帶來的效用小于熊市中股利帶來的效用。這也更進一步證實了熊市中股票溢價大于牛市中的股票溢價。假設控股股東效用函數為Max U（Rd，Ru），約束條件為cxRd + cyRu≤ I，其中Rd≥0 ，Ru≥0。其中Rd是指控股股東獲得的股利收益以及股利溢價，Ru是指控股股東通過控制公司所獲得的其他收益。為了獲得相應收益，控股股東必須付出一定成本，如購買上市公司股權所需要的資金、技術，攫取私人收益時應對法律起訴的成本及聲譽損失等，同時終極股東掌握的資源是有限的，因此設他所投入的全部資源為I，為取得Rd和Ru而付出的單位成本分別為cx和cy。由圖（1）所示，效用曲線和約束線的切點E代表終極控制股東在一定的資源約束下所能達到的最優效用均衡點，其中橫坐標表示股東收益Rd的數量，縱坐標代表股東收益Ru的數量。

那么基于迎合理論以及信號理論的分析，在牛市的時候，控股股東的侵占收益大于股利收益以及股利溢價之和， 因此大股東會選擇進行侵占小股東利益，而少發放現金股利。這時控股股東選擇的均衡點為E點。在熊市的時候，大股東的股利收益以及股利溢價之和大于侵占收益，因此控股股東會選擇多發放股利，同時加大侵占活動。這時股東花費相同的成本卻能獲得更多的收益Rd，約束線由原來的GI變成了GH，新的均衡點為F點。因此在牛市中，股權集中度對股利政策沒有影響。但是在熊市中，隨著控股股東股權集中度的提高其對公司控制權的加強，為了維護自身利益控股股東會更加熱衷于發放現金紅利，因此本文提出假設：

假設1：在牛市中，在A股上市公司中股權集中度與公司現金股利政策不存在顯著的關系；

假設2：在熊市中，在A股上市公司中股權集中度與公司現金股利政策存在顯著的正相關關系

（二）樣本選取和數據來源 本文以在深圳證券交易所主板上市的483家A股公司為研究的初始樣本，為了保證數據的有效性，根據以下選擇標準對原始樣本進行了嚴格的篩選。原始數據來自國泰安數據庫（CSMAR）。本文全部分析通過Stata10和excel統計軟件實現。（1）由于會計準則和市場環境的差異會對股利政策的選擇帶來影響，因此本文研究中只包含僅發行A股的上市公司，不包括同時發行A股、B股或H股的公司。（2）為了消除行業特殊性對股利政策的影響，研究排除了金融業的上市公司。（3）為了考察正常經營公司的股利政策，排除ST、PT的公司。（4）剔除資料不全的公司，并且剔除一些存在異常值的公司。最終得到符合上述條件的有效樣本為2003-2011年間358家上市公司的3214個觀測值。

（三）變量定義 本文選取如下變量：（1）因變量：在國內一些學者的研究中衡量股利政策的替代變量多選取上市公司派發的股利這一定量指標。本文為了克服以上缺陷，以現金股利發放的相對量和是否發放現金股利兩個方面為出發點，構造了上市公司現金紅利占總資產的比重（Div_to_a）、上市公司現金紅利占凈利潤的比重（Div_to_np）和上市公司是否分配現金紅利（Div-Dum）作為股利政策的替代變量。其中Div-Dum是虛擬變量，1表示支付了現金股利，0表示沒有支付現金股利。（2）自變量。關于股權集中度，本文選取了上市公司第一大股東持股占總股本比重（Pones）和前十大股東持股占總股本的比重（Ptens）作為考察股權集中的變量。（3）控制變量。本文選取了公司規模、財務杠桿、盈利能力、股利信號以及行業虛擬變量作為控制變量。公司成長性用公司總資產的增長率來衡量以及營運能力用流動資產的增長率來衡量。其中股利信號使用因變量的滯后值來表示，所以Di的取值分別是D1、D2和D3。在原始數據中有6個行業的分類，本文在刪除金融行業以后建立了4個行業虛擬變量，分別是Industry1房地產，Industry2綜合，Industry3工業，Industry4商業。具體的變量設計情況見表（1）。

（四）模型建立 由于面板數據不但能提供大量數據、增加自由度、減輕共線性和提高估計的有效性，而且可以控制個體的異質性，減少誤差偏差，所以本文使用面板數據進行建模。在模型選擇上，由于衡量股利政策的變量一定不會是負值，而且因變量的許多觀測值都為零，因變量為截取數據時，使用一般的估計方法會存在偏差，因此本文借鑒了Singhania et al.（2012）等學者的研究成果，使用面板數據的Tobit模型來來研究股利決策中關于股利占比的變量。另外本文借鑒Fama and French（2001）運用Logit回歸模型來研究公司是否支付股利。根據研究假設，本文面板數據的Tobit模型以及Logit模型如下：

Divit*=β0+β1Ponesit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk） +εit；Divit=max（0， Divit*） （1）

Divit*=β0+β1Ptensit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk）+εit；Divit=max（0， Divit*） （2）

Pr（Div-Dum=1）=logit（β0+β1Ponesit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk）+εit （3）

Pr（Div-Dum=1）=logit（β0+β1Ptensit+β2Divit-1+β3Lnmcit+β4ROAit+β5LTAit+β6Runit+β7Growthit+■βj（Industryk）+εit （4）

其中β是回歸系數，i是指樣本公司的序號，k是行業代碼，t是指公歷的年份，ε是指誤差項，Divit包括等于Div_to_ait和Div_to_npit 兩種情況。

三、實證檢驗分析

（一）股市狀態的確立 我國股票市場發展時間短、波動也較成熟股市頻繁， 為了使判別標準更適用于診斷我國股市的牛、熊市周期， 在借鑒的基礎上Pagan and Sossounov（2003）牛、熊市判別標準作了適當的調整。股市年度價格水平用 Pt表示。如果Pt是一個寬度為 3年的價格窗口中的最大值即lnPt-1lnPt+1 ，那么時刻t對應著一個波峰。如果Pt是一個寬度為 3年的價格窗口中的最小值即lnPt-1>lnPt

（二）描述性統計 根據本文的假設，給出不同市場狀態中各個變量的統計性描述，從表（2）統計性描述中可以看到熊市中Div以及Div_to_a的均值略微小于牛市，但是Div_to_np卻大于牛市。熊市中個被解釋變量的最大值均大于牛市。熊市中的股權集中率高于牛市。從簡單的樣本統計量難以看出不同市場中股權集中度對于現金股利政策的影響，因此需要采用其他方法繼續分析。

（三）牛市面板數據回歸分析 如表（3）所示本文對牛市運行時間即2006年、2007年和2009年的面板數據建立了6個模型，即模型（1）到模型（6）。本文從兩方面考察股權集中度對現金股利政策的影響。一方面通過面板數據的Tobit模型檢驗第一大股東持股率以及前十大股東持股率對發放現金股利的相對量的影響，從模型（1）（2）（4）（5）中可以得出股權集中對于現金股利政策的影響是不顯著的，在四個模型當中，股權集中度變量都沒有通過10%顯著水平下的假設檢驗。另一方面通過構造面板數據的Logit模型，檢驗股權集中度對于上市公司是否發放現金股利的影響，從模型（3）和（6）中可以得到第一大股東的持股率對于上市公司股利政策的決定沒有影響，十大股東持股率對于上市公司股利政策的決定具有微弱的影響，其變量通過了10%的顯著性檢驗。所以總的來說，根據對于牛市數據的建模可以得出股權集中度對于上市公司現金股利政策市不存在顯著的影響。另外各個控制變量的顯著性水平也比較高，大多數都通過1%的顯著性檢驗。另外，財務杠杠與成長性指標與股利政策存在負相關關系，盈利性指標、經營能力指標和公司規模指標與股利政策存在正的相關的關系，符合前人研究的成果。通過面板數據的模型分析，證實了假設1，即在牛市中，在A股上市公司中股權集中度與公司現金股利政策不存在顯著關系。

（四）熊市面板數據回歸分析 本文對熊市運行時間即2003年、2004年、2005年、2008年、2010年和2011年的面板數據建立了6個模型，即模型（7）到模型（12）（如表4所示）。從Tobit模型（7）（8）（10）（11）中可以得出股權集中對于現金股利政策的影響是顯著的，在四個模型當中，除了（7）中的第一大股東持股率的參數只通過了5%的顯著性檢驗外，其他模型中股權集中度的指標都通過1%的顯著性檢驗。并且從參數的符號可以得出，股權集中度對于現金股利政策具有正的影響，即股權集中度越高，上市越傾向于發放相對更多的現金股利。另一方面從Logit模型（9）和（12）中可以得到第一大股東的持股率對于上市公司股利政策的決定具有顯著的影響，其參數都通過了1%的顯著性檢驗。并且股權集中度與上市公司是否發放股利存在正相關的關系。所以總的來說，根據對于熊市數據的建模可以得出股權集中度對于上市公司現金股利政策市存在顯著的影響，并且股權集中度與現金股利政策存在正相關的關系。

另外各個控制變量的顯著性水平也比較高，大多數都通過1%的顯著性檢驗。另外，財務杠杠與成長性指標與股利政策存在負相關關系，盈利性指標、經營能力指標和公司規模指標與股利政策存在正的相關的關系，符合本文的預期。綜上所述，通過面板數據的模型分析，證實了假設2，在熊市中，在A股上市公司中股權集中度與公司現金股利政策存在顯著的正相關關系。