论文标题：Regulatory Fragmentation
中文标题：监管碎片化
原文来源：Kalmenovitz J, Lowry M, Volkova E. Regulatory fragmentation[J]. The Journal of Finance, 2025, 80(2): 1081-1126.
供稿：王乾坤
封面图片来源：Pexels
原文出处：Kalmenovitz J, Lowry M, Volkova E. Regulatory fragmentation[J]. The Journal of Finance, 2025, 80(2): 1081-1126.
一、引言
美国联邦政府是最具影响力的经济行为体之一，长期以来，监管对企业造成的负担已引发广泛关注。现有文献多聚焦于具体规则的合规成本，而本文则首次系统研究了“监管碎片化”现象，即同一议题被多个联邦机构共同监管的情况。政府问责署（GAO）和美国商业圆桌会议均指出，监管碎片化对企业运营和经济活力构成挑战。
本文利用《联邦公报》（Federal Register, FR）作为数据来源，采用机器学习方法（LDA）将1994年以来的政府活动划分为100个议题，并衡量每个议题在联邦机构之间的分布情况。结合企业10-K年报中对各议题的关注度，本文构建出企业层面的监管碎片化指数，用以衡量企业所涉及议题被多少监管机构共同管理。
实证结果显示，监管碎片化程度越高的公司，管理费用越高、生产效率越低、盈利能力和增长速度也显著下降。这种负面影响主要源于重复、冲突的监管要求及合规不确定性，而非企业从中“择优监管”获益。相关性检验也表明，高碎片化公司更频繁被多个监管机构提及，验证了指数的有效性。
尽管研究缺乏外生冲击作为因果识别手段，但本文通过多种稳健性检验尽可能缓解内生性问题。这一研究填补了以往忽视政府“产业组织结构”视角的空白，表明企业所承受的监管负担不仅在于规则本身，还在于机构之间的分工与协调问题。整体而言，本文的结论更倾向于支持公共选择理论，即监管本身存在内在的制度性成本，并可能对企业和经济产生实质性负面影响，为未来进一步研究监管执行碎片化等问题提供了新方向。
二、数据
（一）《联邦公报》与《联邦法规汇编》
本文主要使用 《联邦公报》（Federal Register, FR）作为核心数据来源，它系统记录了联邦机构发布的规则草案、最终规则、通知、听证与执法行动，反映了监管活动的全过程。本文运用 LDA 主题模型 将FR文本划分为 100 个监管议题，并统计每个议题由多少联邦机构参与监管，以衡量“监管碎片化”程度。此外，研究还参考了 《联邦法规汇编》（CFR） 来辅助验证政府在各议题上的正式规则发布密度。
（二）样本
公司层面样本来自美国上市公司的10-K年报。通过文本分析，本文计算企业在每个议题上的关注程度（即年报中相关内容的占比），并将其与该议题的碎片化程度加权整合，构建出企业级“监管碎片化指标”。研究样本涵盖1994–2021 年，并控制了企业规模、多元化、投资机会等因素，排除了重大资产波动或行业转换的公司，以保证识别的稳健性。图1显示，截至2016年，所有三个系列（通知、拟议规则和规则）都呈上升趋势，然后从2017年开始显著下降，即唐纳德·特朗普总统任期的开始。
-图1- 联邦公报（FR）中年度总词数
注：本图展示了 1995年至2019年期间，《联邦公报》中三类最常见文献类型的年度总词数变化情况：规则（rules）、拟议规则（proposed rules）、通知（notices）样本总计包含 783,950份文档，均来自 FR 官方服务器。每份文档中仅统计符合 Grady Ward 英语词典的英文词汇数量，用于排除噪音字符和无意义内容。该图反映了联邦政府监管活动的总体密度和动态变化，揭示不同年份监管发布的“强度”或“体量”变化趋势。
三、实证方案和描述性统计
（一） FR中的监管主题
本节中，本文利用《联邦公报》（FR）全面捕捉美国联邦政府的监管活动，并通过LDA主题模型将1994–2021年的FR文本划分为100个监管议题。LDA 每年单独运行，使模型能够反映年度变化。每份文档根据其词汇内容被分配到一个主议题，研究者再根据关键词人工命名每个议题，部分结果以词云图形式展示于图2。与仅聚焦已颁布规则的研究不同，本文强调FR涵盖从拟议规则到通知的整个监管过程，提供了更完整的政策信息流，为后续衡量监管碎片化奠定了基础。
（二）监管碎片化主题
本文基于前面识别的100个监管议题，度量每个议题的监管碎片化程度，即：一个议题在某年内被多少个不同联邦机构共同监管。具体计算方法是使用赫芬达尔-赫希曼指数（HHI）来衡量机构集中度，指数越低表示越分散（即碎片化越高）。结果显示，不同议题之间碎片化差异明显，部分议题如“食品安全”或“住房资助”涉及大量机构，监管交叉严重。这一分析揭示出监管体制中横向协调缺失的现象，也为后续与企业层面数据匹配提供了关键变量。
表1的Panel A展示了在各机构之间监管碎片化程度最低和最高的若干议题。碎片化程度特别低的议题包括“核材料”与“航空安全：检查”，这与这些议题本身较为聚焦、主管权限清晰相符。然而，即使是这些议题，其碎片化指标仍明显高于零，通常在0.34至0.38之间。例如，这可能是由于一个机构监管了该议题的75%，而另一个机构监管了25%；或者一个机构覆盖了78%，另外两个机构各占11%。在碎片化程度最高的另一端，例如“信息自由”与“政府采购：小企业”这类议题，其碎片化指数大约为0.95。这与这些议题本身的特征一致——它们适用于多种场景，因此由多个联邦机构共同监管。
图3的Panel A 展示了“议题-年份”层面的监管碎片化程度直方图，揭示了各议题之间的显著差异。有些议题的碎片化得分低于0.25，表明其监管高度集中。然而，整体分布呈明显偏斜，大多数议题的碎片化程度相对较高。
注：Panel A展示了平均监管碎片化程度最高与最低的五个议题。监管碎片化按“议题-年份”层面计算，方式为：1减去各机构所写文字占比的平方和。该指标越高，表示某一议题被更多机构共同监管、碎片化越严重。Panel B 展示了议题分布最广泛（或最集中的）五家公司，仅包括样本中存在至少五年的公司。公司层面的议题分布度按“公司-年份”层面计算，方式为：1减去各议题在公司10-K年报中所占比例的平方和，用于衡量公司所涉议题的多样性。Panel C 展示了平均监管碎片化程度最高与最低的五家公司，同样限定为样本中连续出现五年以上的公司。该指标是公司所涉及每个议题的监管碎片化程度的加权平均，权重为公司10-K中该议题的占比。Panel D 展示了上述三项指标之间的相关性矩阵，用于分析监管碎片化、议题分布广度与公司所受监管复杂性之间的关系。
为了衡量监管碎片化对企业的具体影响，本文构建了一个企业年份级别（firm-year）的碎片化指标。这一指标综合考虑两个维度：第一，监管议题本身的碎片化程度（来自前一部分）；第二，该议题对特定企业在特定年份的重要性。企业对某议题的暴露度由其10-K年报中关于该议题的文字比例来衡量。最终，每个企业在每一年都对应一个监管碎片化值，计算方法为“企业暴露度 × 议题碎片化程度”的加权求和。本文还控制了企业规模、业务多样性、10-K 报告中话题分散度、投资机会等变量，并剔除了可能因并购或行业转移带来干扰的企业。
（四）验证检验
为了验证所构建指标的有效性，本文开展了多项检验。首先，他们利用独立数据集（Chen and Kalmenovitz, 2024）识别了在FR文档中被明确提及的上市公司名称。结果显示，监管碎片化指数较高的企业，被更多联邦机构提及，印证了其确实处于更复杂的监管环境中。其次，本文在公司10-K报告中统计企业提及具体监管机构的数量，发现企业的实际认知也与其所面临的碎片化一致，尤其是在金融行业中最为显著。此外，为测试方法的稳健性，本文还构建了一个“监管存量”版本的指标，即基于过去5年或10年的监管活动加权平均，结果与主指标一致，进一步增强了指标的可靠性。
注：本文设计了一项验证性分析，来检验主要监管碎片化指标的外部有效性：首先，本文计算每家企业在《联邦公报》（Federal Register, FR）中被提及的联邦机构数量，以及这些提及的分布离散度。同时，本文也计算企业在其10-K年报中主动提及的联邦机构数量，以及这些提及的分布情况。具体内容包括：Panel A：展示上述四个变量的分布情况。Panel B：列出在FR中被最多机构提及的公司，以及在10-K中最常被公司提及的机构。Panel C：展示企业在FR和10-K中提及机构的一致性（即重合程度）。Panel D：回归分析，以提及的离散度指标为因变量，以监管碎片化主变量为核心自变量。控制变量滞后一期，标准误按 Fama-French 48行聚类处理。
四、政府活动随时间推移的演变及其个案研究
首先从宏观角度描述了联邦政府监管活动的演变趋势。本文基于《联邦公报》（Federal Register）中的长期数据发现：虽然整体监管碎片化程度在过去几十年中略有下降，但并非所有议题都呈现这一趋势。一些特定主题，如“住房与社区发展补助”（Grants: Housing and Community Development），在多个机构之间的碎片化程度却显著上升。这说明监管协调的改善并不均衡，存在议题间的结构性分化。图4展示了监管碎片化的时间趋势。
接着，本文通过一个具体企业的案例——Sunrise Assisted Living——进行深入分析。该公司所涉及的议题“住房与社区发展”随着时间推移变得更加碎片化，而公司自身所面临的监管复杂度也随之上升。这个个案突出了企业与特定议题之间的紧密联系，以及政策结构变化如何在微观层面对企业产生实际影响。
此外，本文还指出，不同行业的监管碎片化状况差异显著。比如金融行业虽然集中于少数议题，但这些议题往往由多个监管机构共同管理，因此整体碎片化程度较高。这一部分的分析为后文实证检验碎片化对企业绩效的影响提供了政策背景和现实动因。
五、监管碎片化对经济活动的影响
（一）实证设计
在展开核心回归分析之前，本文首先通过表3对企业特征进行了描述性统计，将样本中的所有公司按“议题分散度”和“监管碎片化程度”分别划分为五个五分位组。结果显示，这两个变量在统计特征上彼此独立，说明它们反映的是企业所面临监管环境的不同方面。进一步分析发现，这两个变量与企业规模（以销售额衡量）并无显著相关性，但与销售、管理和行政费用（SG&A）均呈正相关，暗示企业在面对更多议题或更复杂的监管结构时需承担更高的运营成本。此外，企业的增长表现呈现出分化：涉猎议题更多的公司增长较快，而如果这些议题受到多个监管机构管辖，则其增长反而受到抑制。随后，本文将通过回归分析来系统检验监管碎片化对企业绩效的影响，并在模型中引入丰富的控制变量和固定效应，以增强结果的稳健性。该实证策略旨在验证监管碎片化究竟是加重企业负担还是带来某种优势。
注：本表基于 1995–2019 年间的 60,573 个公司-年度观测值，样本来自 CRSP/Compustat 数据库，所有公司需具备完整的 10-K 报告（来自 SEC EDGAR 系统）。Panel A：将样本按公司内部的议题分散度（即公司年报中涉及多少不同议题）划分为五个五分位组，并列出每组的平均企业特征，如销售额、SG&A 成本、资产增长率等。Panel B：按照公司面临的监管碎片化程度（即公司所涉议题被多少监管机构共同监管）进行五分位划分，并报告相应的企业特征。该表用于揭示企业在议题广度和监管复杂性上的差异如何与成本和增长等核心财务变量相关联，是后续回归分析的基础。
本文在实证回归中设定企业未来一期的结果变量由其当前所面临的监管碎片化程度决定。模型中引入了年份固定效应、行业固定效应与企业固定效应，以控制时间和行业层面的系统性差异。本文使用年份与行业的交互固定效应，进一步剔除行业趋势，仅关注同一行业内部不同企业间的变化。回归中还控制了一系列企业特征变量，包括10-K 报告长度（取对数）、固定资产占比（PP&E/总资产）、盈利能力（EBITDA/总资产）、销售额（取对数）、Tobin’s Q 指标、企业议题分散度以及监管文本数量。所有解释变量均滞后一期间纳入模型，并将标准误聚类到 Fama-French 的48个行业分类层级。为便于解释，所有变量都进行了标准化处理，回归系数反映变量变化一个标准差时对企业结果变量的影响。该设定为实证检验提供了稳健的识别策略。
（二）SG&A费用
本文首先在表 IV 中考察了企业面临的监管碎片化程度与其销售、管理和行政费用（SG&A）之间的关系。结果显示，监管碎片化越高，企业的 SG&A 占资产比重越高。具体而言，当监管碎片化程度上升一个标准差时，SG&A/资产的比值增加约 4.3% 的标准差。即企业在涉及的议题被更多监管机构分管时，会产生更高的管理成本。
（三）公司盈利能力和生产率
在此基础上，本文进一步分析了监管碎片化与企业生产率（TFP）和盈利能力（ROA）之间的关系。在控制了监管文本数量、议题分散度和一系列公司特征后，监管碎片化与 TFP 呈显著负相关。
本文考察了盈利能力（ROA）是否也受到影响。结果同样支持监管碎片化带来负面后果：表明更高的管理成本和更低的生产效率确实最终转化为利润下滑。
值得注意的是，监管“数量”这一变量在多个模型中并不显著，有时甚至出现与预期相反的符号。本文指出，出现这一现象的原因有两个：首先，监管数量与 10-K 报告的篇幅高度相关（相关系数为0.50），如果不将10-K长度作为控制变量，监管数量对ROA的影响就变得显著负向；其次，监管碎片化与监管数量对小企业的影响大于大企业。例如，监管碎片化每上升一个标准差，小企业的 ROA 将下降约 7.8% 的标准差，而大企业下降约 4.4%。同样，监管数量的增加也更显著地压缩了小企业的盈利空间。
注：样本范围：1995–2019 年，共计 60,573 个公司-年度观测值。核心解释变量：Regulatory Fragmentation（监管碎片化）：衡量企业所涉及议题分属多少联邦监管机构。被解释变量：SGA/AT：SG&A费用占总资产的比例，衡量公司运营成本。TFP（Total Factor Productivity）：全要素生产率，衡量单位投入产出的效率，计算方法参考 Imrohoroglu 和 Tüzel（2014）。ROA（Return on Assets）：资产收益率，表示公司盈利能力（普通利润/总资产 × 100）。回归设定说明：所有解释变量 滞后一期使用，以避免反向因果。标准误聚类至 Fama-French 的48个行业分类水平。所有变量已标准化，系数表示变量变动一个标准差对因变量的影响。
（四）公司增长
本文在本节探讨了监管碎片化是否会抑制企业增长。表5的分析结果支持这一假设。实证显示，监管碎片化对企业销售增长和资产增长都有显著负面影响。
（五）机制检验
本节探讨监管碎片化为何会导致企业成本上升与绩效下滑，重点关注一个关键生产要素：劳动力。从理论上看，监管碎片化可能通过两种机制影响就业：一方面，它可能抑制企业增长，从而减少新员工招聘；另一方面，为满足更复杂的监管要求，企业可能需要额外雇佣员工以专门应对合规事务。根据表5第 (6) 列的回归结果，实证发现支持第二种机制：监管碎片化越高，企业雇佣的员工数量越多。这一结果意味着，虽然企业整体增长受限，但仍必须投入更多人力处理监管事务。
注：本表的样本包含 1995 年至 2019 年间的 60,573 个公司-年度观测值。主要解释变量为 Regulatory Fragmentation（监管碎片化）。被解释变量包括：Sales Growth（销售增长）：销售额的百分比变化（乘以 100）；Asset Growth（资产增长）：总资产的百分比变化（乘以 100）；Emp/AT（员工密度）：雇员人数除以总资产，用于衡量企业雇佣强度。标准误按 Fama-French 的48个行业分类进行聚类。
（六）监管活动的替代阶段、流量与存量法规
本节探讨了不同阶段的监管活动如何影响企业成本与表现。本文借助《联邦公报》（FR）的文献结构区分监管阶段。FR 中的“规则”（rules）代表新规的制定过程，而“通知”（notices）则反映了法规开发初期、现行法规实施过程及未来规则动向。实证结果（表6-A）显示，无论是通知阶段还是最终规则阶段，监管碎片化都会显著提高企业的间接成本，降低生产率、盈利能力和增长。尤其是过去研究忽视的“通知”阶段，其碎片化对企业的负面影响非常显著。而企业新增雇员的主要反应则出现在新规则制定阶段，表明企业为应对新规确实需要扩充人力资源。
进一步地，本文区分了新规制定（新 RIN）与规则修改（已有 RIN）的影响，发现二者对企业经营都有显著作用（表6-B）。
最后，本文比较了“流量型”（flow-based）与“存量型”（stock-based）监管碎片化指标。流量型指标强调当前和近期的监管活动，能更有效预测当期或下一年度的企业表现。与此同时，本文也构建了一个五年加权的存量指标来反映历史监管积累（表6-C），发现它同样具有预测能力，与主模型结果一致。
综上所述，无论是从法规生命周期的不同阶段，还是从短期动态与长期积累角度来看，监管碎片化都会对企业成本结构、增长潜力和运营效率带来实质性冲击。
-表6- 联邦公报（FR）中不同部分的监管碎片化
注：本文使用与表6 和表5 中第（4）至第（6）列类似的回归设定，但引入了不同的监管碎片化测量方式：Panel A：本文分别根据 FR 中的两个部分——“通知（notices）”和“最终规则（final rules）”——重新计算监管碎片化指标。Panel B：本文将监管文件按是否引入新规则（具有新的 RIN 标识符）或是否是对既有规则的修改（使用旧 RIN 标识符）进行分类，并分别计算监管碎片化。Panel C：本文构建了一个以 FR 文件为基础的 五年滚动平均指标，其中年份 t–1 的权重为 1，t–2 为 1/2，t–3 为 1/3，依此类推，t–5 的权重为 1/5。
（七）内生性和稳健型检验
首先，本文担心结果可能是由于企业经营变化而非监管主题在不同机构间碎片化所致。为此，他们进行两类测试。第一类是排除重大经营变动的企业年份，结果依然稳健，与主分析一致。
第二类是安慰剂（placebo）测试，结果证明原结论不是随机误差导致。
此外，本文采用 Oster (2019) 提出的系数稳定性方法，发现加入或移除控制变量后，监管碎片化的系数依然稳定。
最后，本文还验证了不同处理方式下的稳健性：包括使用 10-K 不同部分重新计算碎片化指标，以及改变主题总数，这些处理下结果依然一致。
-表7- 稳健性检验
注：本表报告了类似于表6和表 5 中第 (1) 至 (3) 列的回归结果，但对样本进行了不同的限制。本文分别在每组的第 (1) 列中限制样本为企业在相邻年份中 Hoberg-Philips 500 行业分类不变；在第 (2) 列中限制为企业的 业务部门数量未发生变化；在第 (3) 列中限制为企业 资产的绝对变动幅度小于 20%。
-图7- 安慰剂测试
（八）行业结构
本节探讨监管碎片化对行业结构的影响。借助 Hoberg 和 Phillips（2016）的产品市场相似度指标，利用 TNIC-3 数据库来识别企业的竞争对手群体。在回归分析中，研究者将监管碎片化作为主要自变量，考察其对企业所在市场“进入”和“退出”动态的影响。
研究结果显示，监管碎片化显著降低了同行业的IPO数量和跨行业进入企业数量，即碎片化抑制了市场新进入者。进一步分析发现，其对小型企业的负面影响尤为明显：监管碎片化越高，小型企业的退出概率越大；相反，大型企业的退出概率则有所下降。
-表8- 行业结构
注：企业的产品市场竞争者依据 Hoberg 和 Phillips (2016) 的方法确定。具体来看：列 (1) 的因变量是新进入的同行企业数量（上一年为私人公司，通过 IPO 上市）。列 (2) 的因变量是上一年已上市但转入该行业的新竞争者数量。列 (3) 和 (4) 分别考察小型和大型竞争者的退出率（即仍在交易但不再是同行企业的比例）。列 (5) 则衡量同行企业总数，反映净进入效果。控制变量回归系数被省略，标准误按 Fama-French 48 行业分组聚类。
六、监管碎片化带来的负面来源
（一）重复与不一致的监管要求
本文通过实证分析探索监管碎片化成本的具体来源，首先聚焦于重复性和不一致性这两种可能的机制。当多个机构共同监管一个议题时，重复监管可能表现为冗余要求，这虽有助于提升合规率，但也会增加企业成本。更具挑战性的是监管不一致性，如不同机构使用不同度量单位，可能增加合规复杂度与不确定性。两者并非互斥，可能共同加重企业负担。
为验证这两种机制的影响，研究比较了由多个机构联合发布的法规与单独机构制定的法规。在联合发布的文件中，机构间更可能协调一致，因此不一致性的风险较低。研究构造了一个衡量企业是否高度暴露于“联合监管议题”的变量（CoAuthored），并将其与监管碎片化变量进行交互回归分析。结果表明：在高“联合监管”暴露的情况下，监管碎片化对企业的不利影响明显减弱。
-表9- 单机构发布与多机构联合发布文件
注：企业的产品市场竞争者依据 Hoberg 和 Phillips (2016) 的方法确定。具体来看：列 (1) 的因变量是新进入的同行企业数量（上一年为私人公司，通过 IPO 上市）。列 (2) 的因变量是上一年已上市但转入该行业的新竞争者数量。列 (3) 和 (4) 分别考察小型和大型竞争者的退出率（即仍在交易但不再是同行企业的比例）。列 (5) 则衡量同行企业总数，反映净进入效果。
（二）监管俘获
监管俘获指企业通过游说等方式影响监管者的能力。理论上，监管碎片化可能降低俘获概率，因为监管分散会使企业难以明确游说对象，影响力也更分散。但也可能促使企业加强游说来对抗不利影响。
本文以游说支出作为企业“监管俘获”努力的代理变量，采用与前文相同的回归框架进行分析。表10的结果显示：无论是以对数还是实际金额衡量，监管碎片化与企业游说支出显著负相关。
-表10- 监管碎片化与游说支出
注：因变量为游说支出（单位为百万美元）或其对数变换形式（log(1 +支出)）。在第（1）和（2）列的回归中，本文控制了公司和年份固定效应；第（3）和（4）列进一步加入了“行业×年份”固定效应。
七、监管碎片化的决定因素
监管碎片化对企业具有显著成本，因此有必要探讨其成因。文中提出三大驱动因素。首先，来自监管机构内部的激励问题可能导致碎片化。第二，监管碎片化也可能源于维护公共利益的动机。第三，碎片化也可能是不经意的产物。不过，文中通过表11的分析指出，仅靠“无意行为”无法解释监管碎片化及其负面影响。即便是由多个机构合作制定的规则，依然带来较高成本和较低生产率、利润及增长。
为了进一步探究是否存在“机构型动机”，本文利用信息公开法获取了75个政府机构的员工晋升和薪酬数据。研究发现，员工更积极制定新规章，可能是因为晋升与“写更多规则”有关。通过员工级别的回归模型，控制了职位、职业类别等变量后，得到了一个代表“异常晋升活动”的代理变量。
接着，本文将该变量与机构在《联邦公报》中撰写通知和规则的字数进行回归分析，发现监管活动越频繁，晋升可能性越大。不过，是否导致碎片化还需看所涉议题是否与其他机构重叠。
最后，本文检验了员工是否因专注于机构核心议题而获得更多奖励。结果发现：员工并未因聚焦核心话题而受奖，反而在“扩展至非核心领域”时获得正向激励。这表明，监管者有动力将监管活动延伸至其他领域，从而增加整体碎片化。
-表11- 推动监管碎片化的机构因素作用
注：被解释变量是次年（t+1）的异常晋升数（Unexpected Promotions），其计算方法如下：第一步，在员工个体层面进行回归，因变量是员工是否在该年获得晋升的指示变量（是=1，否=0）；自变量包括员工在机构的任职年限、机构×职级固定效应，以及职位类别的固定效应。第二步，将上述回归的残差在“机构×年度”层面取平均，得到该机构该年的“异常晋升”指标。在主回归中，核心解释变量包括：WordsNotices：该机构在t年度在《联邦公报》中发布的“通知”类文件中的字数；WordsRules：同年“规则”类文件的字数；并且，这两个变量分别与WordsCoreTopic进行交互。WordsCoreTopic表示机构在其前十大核心议题上的发文比例。
八、结论
本研究关注美国联邦政府对企业的广泛影响，突破以往仅研究个别现行监管规定的局限。本文提出了一项新的方法，系统测量整个联邦政府的活动。通过分析《联邦公报》（FR）中每日发布的大量官方文件，使用机器学习将其划分为100个监管议题，并按经济主题加以标注。
研究发现，同一监管议题通常由多个联邦机构共同监管，且重大宏观事件往往引发监管职责的重组。本文结合FR议题与公司10-K文件，构建了一个公司层面的“监管碎片化”指标，衡量企业受到多少不同监管机构的管辖。该指标是基于公司涉足的监管议题以及每个议题被多少机构监管所构建的，是具有时变特性的微观衡量方式。
实证结果显示，监管碎片化程度越高，公司在销售与管理费用（SG&A）上支出越多，生产效率（TFP）和盈利能力（ROA）越低，增长速度也显著减缓。即便控制了其他监管强度与复杂性的因素，这一结果依然稳健。
文章最后强调，本研究拓展了对“监管如何影响经济活动”的理解，特别是首次从“政府工业组织”的角度分析了监管碎片化的结构性问题。
ABSTRACT：Regulatory fragmentation occurs when multiple federal agencies oversee a single issue. Using the full text of the Federal Register, the government’s official daily publication, we provide the first systematic evidence on the extent and costs of regulatory fragmentation. Fragmentation increases the firm’s costs while lowering its productivity, profitability, and growth. Moreover, it deters entry into an industry and increases the propensity of small firms to exit. These effects arise from redundancy and, more prominently, from inconsistencies between government agencies. Our results uncover a new source of regulatory burden, and we show that agency costs among regulators contribute to this burden.
原文地址：https://doi.org/10.1111/jofi.13423
