綜合以上兩方麵的檢驗結果，可以得出結論：產品市場競爭可以通過改善企業的信息不對稱來緩解企業投資不足。因此，假設6-4得到了證實。Panel B的模型3的結果顯示，PMC在納入ASY後依然顯著為負，因此，信息不對稱在競爭與投資不足的關係中起到了部分中介的作用。
從Panel A各模型的公司治理變量對信息不對稱的影響來看，①第一大股東持股比例（Top1）越高，經營者與外部投資者之間的信息不對稱程度就越低。②董事會規模（Lnbod）則與信息不對稱正相關（模型1不顯著），這表明較大的董事會規模將加劇企業的信息不對稱程度。③獨立董事比例（Outdir）與信息不對稱顯著負相關，說明獨立董事在改善企業信息不對稱方麵起到了積極的作用：盡管對於企業的負向盈餘管理無能為力但可以有效地抑製正向盈餘管理，而且對於促進企業增加自願披露有著積極的作用。④非管理層董事持股激勵（Bod_inc）力度越大，越有利於改善企業的信息不對稱。⑤與不持股CEO相比，持股CEO公司的信息不對稱更嚴重，這可能是因為持股CEO隱瞞利潤的動機強於自願披露的動機。
Panel A各模型中其他控製變量的估計結果顯示：①負債率（Lev）與信息不對稱顯著負相關的可能原因是：盡管高負債企業更可能進行盈餘管理，但也會促使經營者進行更多的自願披露，因此，總體而言，較高的杠杆水平有助於改善企業的信息不對稱。②再融資動機（Refin）與信息不對稱顯著負相關表明，盡管有再融資動機的企業更多地進行盈餘管理，但這些企業為了補償由此帶來的負麵影響會積極地進行自願披露，而且在配股和增發過程中還需要按規定進行一係列的信息披露，這些都有助於改善企業與投資者之間的信息不對稱。③股票收益波動率（Retu_sd）與ASY顯著正相關，換手率、流通股比例和流通股市值均與ASY顯著負相關，這些發現與斯托爾（Stoll，1978），格洛斯騰和哈裏斯（1988）以及洛伊茨和韋雷基亞（2000）的發現一致。
5.各路徑模型質量的綜合評價
各回歸模型的估計結果表明，相當於OLS回歸模型F統計量的Chi2統計量均在1%的水平顯著，說明這些模型的設計都是有效的。除Panel B的模型1外，其他模型的解釋變量按混合截麵數據OLS回歸計算的VIF值最大的也在6以下，大多為2左右，加之所采用的麵板數據本身就可以減輕解釋變量間的共線性，因此，模型的多重共線性均較輕。由於根據異方差和自相關的檢驗結果對回歸模型的異方差和自相關進行了相應的控製，因此，各模型估計結果均較少受到這兩個問題的影響。
為了更直觀地了解競爭影響企業投資不足的路徑，可以計算得到競爭通過信息不對稱對過度投資的間接影響程度為-0.00618[-0.087×0.071]。盡管影響程度較小，但如果一方麵強化產品市場競爭，另一方麵有關部門加強對強製信息披露的監管，鼓勵和引導上市公司增加自願信息披露，雙管齊下，預期可以大大地緩解企業的投資不足問題。
6.3.3 穩健性檢驗
為了檢驗上述結論的穩健性，在本節首先對競爭與信息不對稱是否偽相關的問題進行了分析，然後通過分別變更盈餘管理估計方法和變更回歸方法對前述相關回歸結果作進一步的檢驗。
1.產品市場競爭與信息不對稱偽相關嗎
第5章的研究表明，公司治理內生於競爭等因素，而已有的理論和實證研究表明，公司治理機製的好壞會影響到企業的信息披露質量，進而影響到其信息不對稱，因此，競爭、公司治理與信息不對稱三者之間可能的關係，即PMC可能是CG與ASY的共同影響因素，CG可能是PMC與ASY的中介變量。但本章在實證檢驗PMC與ASY的關係時未如第5章那樣以CG模型的預測值進入信息不對稱模型，而是將公司治理變量作為外生的控製變量進入ASY模型，這樣做的目的是避免因多個內生變量的預測值與共同的外生影響因素之間的嚴重多重共線性影響主要路徑模型回歸結果的準確性。現在的問題是，如此處理是否會影響到本章主要研究路徑“競爭→信息不對稱→投資不足”檢驗結果的準確性呢？
“在SEM（結構方程）中，這種中介變量的遺漏是經常發生的，因為無法將所有對後果變量有影響的變量皆加入模型中”。通常從一個方程中將中介變量遺漏掉並不是相當有害的。因此，本書認為，前述處理對a）中路徑c的檢驗結果影響較小，因為前文並未將CG這個中介變量完全忽略掉，而是將其以外生控製變量的形式進入信息不對稱模型中。但研究者指出，“共同因的遺漏就不像中介變量的遺漏那麼幸運，它的影響效果就嚴重得多了”。所謂“共同因”就是共同影響兩個變量的因素，“共同因”PMC的遺漏可能導致CG與ASY的關係為完全或部分偽相關（spurious relations）。在ASY模型納入了“共同因”PMC，因此路徑b的檢驗結果的準確性不會受到明顯的影響。公司治理機製與信息不對稱變量的相關關係大多與已有實證發現相符的事實也證明了這一點。
如果存在（b）中所假設的共同影響PMC和ASY的因素“X”，而在實證檢驗時將其遺漏，則研究所獲得的PMC與ASY的關係將為偽相關。但第5章的穩健性檢驗部分的分析表明，產品市場競爭基本上可視為外生變量，因此應該不存在這樣一個同時影響PMC和ASY的“共同因”。這進一步表明，將CG作為外生變量進入ASY模型不會影響PMC與ASY的真實相關關係。
2.變更盈餘管理的估計方法
在前文根據夏立軍（2003）的建議采用以基本瓊斯模型分行業估計企業的盈餘管理程度，然而，雷光勇和劉慧龍（2006）認為分行業得到的數據未必比按總體得到的數據更可靠。為了檢驗關於競爭通過盈餘管理影響投資不足假設的估計結果是否受到所采用的盈餘管理估計方法的影響，在此采用雷光勇和劉慧龍（2006）的方法，即以修正的瓊斯模型的橫截麵模型按總體來估計總體特征參數。估計步驟與前文基本相同，隻是在此以模型（6-3）按總體而不是分行業估計得到參數，然後，按修正的瓊斯模型的橫截麵模型[即式（6-4）]計算得到各公司年度的正常應計利潤（NDA），最後以線下項目前總應計（GA）減去NDA即得各公司操控性應計利潤DA，同樣以DA的絕對值作為盈餘管理程度EM_rbs的度量。
以EM_rbs代替前文的EM重做前述“競爭→盈餘管理→投資不足”路徑的檢驗，PMC在各個模型中均與盈餘管理顯著負相關，而Panel B中除模型3中EM_rbs不顯著外，模型1和模型2的EM_rbs也都如預期的與投資不足顯著正相關，在納入EM_rbs後，PMC與投資不足依然顯著負相關。各模型的控製變量也與前文的回歸結果沒有顯著差異。因此，可以認為，關於競爭通過降低盈餘管理程度進而緩解投資不足的結論在不同的盈餘管理估計方法下是成立的。
3.變更估計方法
前文采用的回歸方法是可以控製異方差和自相關的可行廣義最小二乘法，在此，采用另一種既可以控製異方差、自相關，又可以控製固定效應、適用於“大N小T”型麵板數據的截麵相關穩健標準誤估計方法（SCC）重做了上述全部回歸以考察本書的結果是否對不同的回歸方法穩健。為簡潔起見，將主要影響路徑的參數估計彙總於。競爭與盈餘管理和信息不對稱顯著負相關，與自願披露顯著正相關，與前文的實證結果完全相同。從Panel B所列示的各模型估計結果可看出，采用兩階段SCC回歸時，EM、ASY與投資不足均顯著正相關，VDI與投資不足顯著負相關，這與前文的實證結果也完全相同。在將EM、VDI和ASY視為外生變量的模型2中，除EM與前文結果在顯著水平上有差異以外，VDI、ASY的係數符號與顯著性均與前文相同。盡管個別變量的顯著性水平略有變化，但回歸方法的改變並不影響前述基本結論的成立，說明本書的結論對於不同的估計方法是比較穩健的。
上述各項穩健性檢驗結果表明，本章的主要結論——產品市場競爭通過改善企業的信息不對稱來緩解企業投資不足——在多種設定下都是成立的，因而比較穩健。