浙江高院称网上拍卖汽车不受《拍卖法》约束

核心提示:7月,浙江高级法院与淘宝网合作开通的“司法拍卖平台”完成“首拍”,所拍轿车分别以33.09万与6.7万成交。中拍协发表声明称,此次拍卖活动不符合拍卖相关法律法规。浙江高院回应,法院司法拍卖属于司法强制手段,不同于商业拍卖,并不受《拍卖法》调整。

■《宁波两法院淘宝网上“开店”》后续

最近一段时间,浙江省法院在宁波尝试通过淘宝网自行组织强制拍卖的做法,引来各界的争论。有叫好的,也招致拍卖行业人士的诸多质疑。对于法院可否自行拍卖以及与委托拍卖相较孰优孰劣等问题,昨天浙江省高院作出回应,法院司法拍卖属于司法强制手段,不同于商业拍卖,司法强制拍卖并不受《拍卖法》调整。

司法强制拍卖不受《拍卖法》调整

浙江省高院表示,司法强制拍卖是指人民法院在执行程序中,对已被查封、扣押、冻结的执行标的依照法定程序公开变价的执行措施。依照《民事诉讼法》的规定,人民法院享有拍卖权,当无疑问。

其次,司法强制拍卖的公法行为特性决定人民法院在拍卖中居于主导地位。

作为公力救济主体的人民法院在执行程序中依法实施强制拍卖的行为,其本身是司法活动的一种,充分体现国家意志,不以当事人意志为转移,不受其他机构的约束,是一种公法行为,或者说是公法在执行领域的自然延伸。这一性质决定了司法强制拍卖受《民事诉讼法》而不是《拍卖法》调整。

省高院强调,司法强制拍卖本应由法院独立完成,只有在法院不能完成或者不能独立完成情况下,才可要求拍卖机构协助完成,是否需要他人协助执行的主动性在于法院。

法院拍卖比委托拍卖成本低

浙江省高院认为,法院自行拍卖和委托拍卖相比,具有无可比拟的优势。由法院实施拍卖,有利于降低执行成本,最大限度保护当事人的利益。

法律之所以确立拍卖优先原则,目的是通过公开竞价实现拍卖标的价值最大化,以充分保护债权人的利益。

而委托拍卖中,拍卖机构需按比例从拍卖款中提取佣金,在一定程度上损害了债权人和债务人的利益。

而法院拍卖,不存在佣金,既能最大限度提高债权人的受偿比例,又能使债务人的利益受到最小程度的损害,同时还能减少买受人的负担。与委托拍卖相比,孰优孰劣,显而易见。

网络拍卖是今后的趋势

同时省高院认为,网络是最好的一种自行拍卖途径,通过淘宝司法强制拍卖,是探索和创新。

与传统的现场拍卖相比,网络司法强制拍卖的长处显而易见,一是受众广、人气足、成本低,有利于提高执行效率。

同时,还可以节约广告费用和场地租赁费用,特别是买受人无需支付佣金,同等价格下更能促成拍卖标的及时变现,从而有利于提高执行效率,符合强制执行制度的根本目的。

 

 

二是切实做到拍卖过程公开透明,杜绝违法拍卖情形存在。传统现场拍卖不可避免存在竞买人之间相互串通压价导致拍卖标的高值低卖以及被执行人阻挠拍卖等情形,通过网络拍卖,这些违法手段将无“用武之地”。

最重要的一点是,在诸多网民“围观”监督之下,违法拍卖、暗箱操作等情形也将无处遁形。

省高院认为,在司法资源可以承受、违规行为能够避免等条件下,司法强制拍卖的方式应当优先选择法院自行拍卖。从委托拍卖到自行拍卖,绝不是“历史的退步”,而是回归本源。网络司法强制拍卖,一定程度上预示着今后司法强制拍卖的趋势,大家不妨对其多一份宽容,多一份呵护。

 


<think>嗯,用户想研究诉讼风险与企业雇佣关系,需要使用工具变量法(IV估计)。首先,我需要理解工具变量的基本要求:工具变量必须与内生解释变量(诉讼风险)高度相关,同时满足排他性约束,即工具变量只能通过影响内生变量来影响被解释变量(雇佣关系),能有其他路径。 用户提到的可能工具变量有涉诉金额、总资产的自然对数、员工数量等。需要逐一分析这些变量是否符合工具变量的条件。比如,涉诉金额可能与诉讼风险相关,但需要确保它直接影响员工数量,可能存在问题,比如涉诉金额高的企业可能因为声誉影响招聘,这会导致排他性约束满足。总资产的自然对数可能反映企业规模,规模大的企业可能有更多资源应对诉讼,但同样需要排除其对雇佣关系的直接影响。员工数量可能适合作为工具变量,因为它本身可能就是被解释变量的一部分。 接下来,用户可能需要寻找外生的工具变量。例如,同行业其他企业的平均诉讼风险,或者地理因素如企业所在地的法院诉讼效率,这些可能与企业自身诉讼风险相关,但会直接影响其雇佣情况。另外,历史数据中的滞后变量,如过去的诉讼情况,也可能作为工具变量,但要确保它们通过其他途径影响当前雇佣。 在稳健性检验方面,需要做过度识别检验(如Sargan检验)、弱工具变量检验(Cragg-Donald统计量),以及更换同工具变量进行比较,确保结果的一致性。引用[2]提到工具变量法的参数设置,比如使用滞后项作为工具变量,可能需要考虑maxldep(q)来指定最大滞后阶数,还有twostep选项提高估计效率。 用户可能还关心如何在实际操作中应用这些工具变量,比如在Stata中使用ivregress命令,或者参考类似文献中的做法。比如中国工业经济或管理世界上的相关研究可能提供了可行的工具变量选择,可以引用这些研究作为支持。 最后,要确保回答结构清晰,分点说明工具变量选择原则、具体建议、操作步骤和稳健性检验方法,并引用提供的参考文献,特别是引用[2]中关于GMM和工具变量的设置,以及引用[1]中提到的验证方法,如使用模型检查答案的准确性,可能适用于结果验证阶段。</think>### 工具变量法在诉讼风险与企业雇佣关系研究中的应用指南 #### 一、工具变量选择原则 1. **相关性要求**:工具变量需与内生变量(诉讼风险)高度相关。例如: - 使用$Z_1$(行业平均诉讼风险)作为工具变量时,需验证$Cov(Z_1,X) \neq 0$ - 若采用$Z_2$(地区法院结案效率),需通过第一阶段回归检验显著性[^2] 2. **排他性约束**:工具变量只能通过内生变量影响被解释变量(雇佣关系)。例如: $$Y = \beta_0 + \beta_1X + \epsilon$$ $$X = \gamma_0 + \gamma_1Z + u$$ 需确保$Cov(Z,\epsilon)=0$ #### 二、具体工具变量建议 1. **行业/区域层面工具变量** - 同行业其他企业平均涉诉金额(需排除研究企业自身数据) - 企业注册地法院案件积压率(反映司法效率的外生冲击) - 行业政策变化虚拟变量(如特定年份劳动法修订) 2. **历史数据工具变量** - 滞后三期以上的涉诉金额$ln(涉诉金额)_{t-3}$(需通过AR检验排除自相关) - 企业成立初期诉讼历史(与当前雇佣决策无直接关联) 3. **地理特征工具变量**(需制作空间权重矩阵) - 100公里范围内同类企业数量 - 区域律师密度(每万人执业律师数) #### 三、IV估计操作建议 1. **模型设定参考** ```stata ivregress 2sls 员工数量 (诉讼风险 = 工具变量) 控制变量, vce(robust) ``` 建议加入`twostep`选项提高估计效率,使用`vce(robust)`处理异方差 2. **控制变量选择** - 必须包含:企业规模($ln(总资产)$)、盈利能力(ROA)、行业虚拟变量 - 建议加入:区域GDP增长率、人力成本指数 #### 四、稳健性检验方案 1. **弱工具变量检验** - 要求第一阶段F统计量>10,Cragg-Donald统计量超过Stock-Yogo临界值 - 若使用多个工具变量,需进行过度识别检验(Sargan-Hansen检验) 2. **替换检验方法** - 比较OLS、LIML、GMM估计结果差异 - 使用Qwen2.5-Max模型验证经济显著性(参考金融文本验证方法[^1]) 3. **经济意义检验** - 通过改变工具变量定义半径(如50/150公里范围) - 分样本回归(按企业规模、所有制类型分组) #### 五、文献应用参考 1. 可参考《中国工业经济》2021年第8期"司法改革与企业用工决策"的IV设计 2. 《管理世界》2020年刊载的"诉讼风险与劳动力结构调整"使用企业所在城市到省高院距离作为工具变量
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值