语言学论文哪里有？笔者认为在不同的未来时态语言表达可以作为一种单独的影响因素，通过影响个人的思维模式及行为习惯，继而影响企业资产负债结构偏好。在影响方向上，弱FTR语言与企业杠杆率存在负相关的关系，即在使用语言中不含未来时态的国家的企业一般拥有更低的企业杠杆率。
1 绪论
1.4 论文主要难点与创新点
本研究难点主要在数据处理复杂以及计量模型较多两个方面： 首先，本研究的数据来源复杂、数据样本量庞大、数据处理过程繁杂。研究数据将涵盖多个不同语种国家的财务数据，由于各个国家资本市场发展状况有差异，且信息披露要求存在区别，本研究在数据收集和数据清洗方面需要较大的工作量。此外，由于本文将香港作为典型案例进行单独研究，因此需要对1997年前后香港上市公司的财务数据、宏观环境数据、行业数据等进行分类对比收集，并研究语言在其中的作用因素，在数据的可得性、可进行对照的案例确定等方面有较大的难度。
其次，本文为排除遗漏变量和内生因素干扰，将使用的计量方法种类多。行业、国家政策、宗教等外部影响因素有可能会干扰语言对公司融资行为的影响，在研究过程中应当探究如何应用计量方法控制这些因素值得探讨。
本研究的创新点在于将语言作为考虑因素来探究其对公司融资行为的影响。一般而言，在这一方面的研究主要将视线着眼于公司财务数据、宏观条件、企业管理人素质等方面，很少有研究关注语言、文化等较为“软”的因素，而本研究将对语言对于融资行为的影响情况进行探讨，为公司融资行为研究提供新的证据。此外，该类研究是在近几年来才逐渐得到重视，且在国内鲜有学者进行研究，本研究将填补这一方面的空白。
3 理论分析与研究假说
3.1 相关概念和理论基础
3.1.1 未来时态表达（FTR）
未来时态表达（FTR，Future Time Reference）指的是语言在语法上对于未来事件的标记。语言的不同之处可以用它们是否要求说话者在语法上标记未来的事件来体现。例如，德语使用者表述对于下雨的预测时一般以现在时态：“Morgen regnet es”，翻译成“It rains tomorrow”。相比之下，英语需要使用将来标记，如“will”或“is going to”，如：“It will rain tomorrow”。因此，英语要求说话者对现在和将来的事件进行编码，而德语则不需要，这便是不同语言之间在时态语法上的差异。
语言在如何和何时要求说话者发出他们正在谈论主题的信号这两个方面存在广泛的表达差异。例如，英语主要使用“will be”或“be going to”来标明未来，而“past”则用于标明过去。在英语结构中，“过去”和“未来”之间有明显的区别。在中文中，“过去”是指“之前”，而“未来”是指“之后”，可以看出，汉语在表达时间上的逻辑是模糊的，汉语和英语之间存在明显的差异（姜菲菲，2019）。有些语言甚至有更复杂、更多样的结构。Bittner（2005）指出，Kallalisut（西格林兰语）至少有28个不同的语言结构用于标志未来的时间：19个动词扩展后缀词、4个动词词根、1个名词扩展后缀、1个de-normal动词形成后缀词以及3个语气变化词。
5 实证检验
5.1 基准回归结果
未来语言时态（FTR）与公司资本情况的回归分析结果显示，弱FTR国家的企业杠杆率较低，相关系数为负，即FTR对企业杠杆率产生负向影响。
应变量是总负债/总资产（lev），自变量为FTR。下表5-1显示了基准回归结果。表5-1中的第（1）列中，是控制了公司和年份固定效应之后唯一的解释变量，模型对年份进行了标准误聚类调整。回归结果显示，FTR的点估计结果为-0.29，表示所在国家使用包含未来时态语言的企业一般相较于所在国家使用语言不包含未来时态语言的企业而言，企业杠杆率通常会更高，该结果符合前期理论分析得出的结果。此外，P值小于0.01，结果显著，即数据结果验证了此前讨论的强FTR及弱FTR企业的无条件差异结果。
由于此模型的一个关注点是，弱FTR语言国家和强FTR语言国家可能具有不同的产业结构。例如，一个国家的语言可以部分解释该国创建了哪些产业，而该产业又可能与边际收益和成本相关。因此，研究在表5-1第（1）列的基础上增加了基于3位数SIC代码的行业固定效应进行了第（2）列的检验。研究发现，行业差异的固定效应增加了解释力，实证结果相较没有固定效应的结果更加显著，并且能够在一定程度上解释语言结构效应带来的差异。FTR的点估计的大小相较控制行业变量并进行聚类之前，有一定差异，指标由-0.29变为了-0.21。
5.2 异质性分析
由于实证检验结果存在可能忽略了一些反映了各国之间与经济增长和金融市场摩擦有关的重要经济差异的变量，继而忽略了企业资产负债结构相关的边际收益和成本相关问题。考虑到语言结构异质性变量可能会与此前的模型没有控制的变量有关联关系，在这个部分，研究对于研究设计中的第二个模型进行了回归分析，模型中交叉项为研究中可能的机制传输渠道，包括国家法律起源、法律公平性指标、公司管理集中度水平、宗教等指标，用以探究语言对于企业融资行为的影响机制情况。
下表5-2是控制了几个国家差异之后，显示的语言结构差异与企业资产负债结构之间的关系，回归主要控制了国家宏观经济的几个重要变量。对于该模型的回归分析处理包括了前文提到的公司层面以及行业的控制变量措施，回归分析控制了行业变量及企业相关各类变量，并对行业进行标准误聚类调整，由于篇幅限制，这部分控制变量在下表的结果中没有完整展示出来。
首先，本部分研究控制了国家相关的GDP发展变量。不同的未来时态语言表达因素与一国的GDP增长可能会有一定的相关关系，上一部分的研究已经在一定程度上体现了分析的样本国家之间经济发展的异质性。可以观察到的是，在世界上最大的新兴经济体中“金砖国家（BRICS）中”，既包括了强FTR语言国家，如巴西，也包括了弱FTR语言国家，如中国等。因此，从这一例子中可以猜测，经济发展与语言结构相关性并不明显。表5-2第（1）列展示了控制国家经济发展变量，即GDP增长指数的回归情况。第（1）列、第（3）列及第（4）列结果显示，控制国家之间的GDP发展指标、GDP、外商直接投资指标等指标并控制国家固定效应，结果没有明显差异。在第（1）列中，ftr指标的点估计结果为-0.03，不同的未来时态语言表达与企业资产负债结构为负相关关系，且p值小于0.01，具有统计学意义。
6 结论与展望
6.1 研究结果总结
语言可能影响决策的观点在跨学科研究中由来已久（Campbell,2003），Darwin（1859）将语言描述为一种制度化的“记忆”的形式，它以“类似基因组的模式”存储有关一个国家文化的历史特征的信息。具体而言，一种语言的语法结构可能会影响说话者对现实理解的表达（Whorf et al,1956 ；Boroditsky,2003），这类研究为语言对人类决策的影响提供了新的证据（Chen,2013 ；Sutter et al.2015）。本研究的一个重要目标是通过将语言学假设引入企业研究中来，扩展不同的未来时态语言表达对企业决策的差异影响这一研究。
在本文的研究中，作者主要将重点放在企业资产负债结构决策研究方面，即企业进行举债程度倾向。根据各类文献研究，语言不仅影响个体层面的经济行为，而且这种语言效应会影响企业层面的行为。例如，Chen（2017）在研究中提出，个人储蓄倾向和企业储蓄倾向之间存在着强烈的正相关关系。在个人储蓄比例更大的国家，公司平均持有的现金要多得多收入。这种现象可能是由于各国储蓄文化的差异，不同的未来时态语言表达在一定程度上导致了个人和企业储蓄行为的差异。虽然文化对人类行为的影响研究目前是经济学中一个较为受到关注的研究方向（Alesina& Giuliano，2015 ；Guiso et al，2016），但这样的分析伴随着一系列实证研究挑战。
本研究通过大量的实证检验，来研究不同的未来时态语言表达对于企业资本决策带来的影响情况。首先，在实证检验方面，本文章首先对研究中设计的大量数据统计进行了基准模型回归统计结果报告，在这个部分，着重解决了包括：i）通过对企业数据的匹配、缩尾处理，以及将各类指标以比率的形式实现，解决了不通企业之间货币单位不同、弱FTR国家数量名校相较强FTR国家数量较少等问题；ii）通过控制行业、企业以及国家层面的异质性消除其他因素的影响，以及iii）通过控制国家文化层面的国民信任指标、国家腐败指标以及国家治理情况等指标对国家文化异质性进行了控制变量处理。
参考文献（略）
