为深入实施创新驱动发展战略,国务院于2018年9月出台《关于推动创新创业高质量发展打造“双创”升级版的意见》,进一步激发了市场活力和社会创造力。科技型中小企业凭其经营理念新、活力强,已成为国家创新驱动发展战略实施的中坚力量,也是推动经济高质量发展的创新引擎。然而,科技型中小企业具有“高风险、高投入、高成长、轻资产”等特征,为在市场上获得生存空间,必须以技术创新谋求发展。但技术创新的投资专用性、过程及未来收益不确定性[1],使得科技型中小企业比大型企业更难获得外源性融资。同时,技术创新专业性强、机密性高等特征又会引发公司内外信息不对称,导致在创新活动中产生诸如管理层短视、机会主义行为等代理问题[2]。外部融资约束和内部代理问题是制约企业技术创新的重要因素,缓解二者对技术创新的不利影响,需要高效资本市场和良好内部控制的支持。
分析师作为资本市场的重要组成部分,是缓解信息不对称与代理问题的重要外部治理机制[3],具有市场信息中介功能,既是公司信息使用者,又向外部投资者传递公司相关信息,通过降低信息不对称程度,有效缓解代理问题[4]。作为“题材股”,科技创新型企业是市场关注热点,因而可能更容易受到分析师跟踪活动的影响。分析师跟踪企业技术创新活动,并向市场提供经过缜密分析和深度挖掘后的有关企业创新活动的深层次信息,有利于公司技术创新未来价值获得资本市场中的投资者认可[5],进而弱化融资约束和代理问题对技术创新的负面影响。但分析师也会有自利动机,倾向于发布乐观的盈利预测信息,而公司管理层往往依此设定公司业绩目标,加剧了管理层的短视行为,进而抑制企业创新[6]。
内部控制作为企业极为重要的一项内部治理机制,是一种重要的约束、制衡和激励管理层行为的制度安排,关系到企业资金利用和风险控制,影响着外部投资者对企业技术创新活动的评估。良好的内部控制能有效抑制管理层操控利润等有损企业长期价值的行为,缓解公司投资活动中的代理问题[7],且高水平的内部控制有利于提升企业创新效率[8]。然而,过于严格的内部控制会使高管产生自利动机,诱发风险控制行为,抑制公司技术创新活动。
综上可知,分析师跟踪、内部控制有效性均会影响企业技术创新。那么,分析师跟踪与内部控制二者之间是否有关系?有怎样的关系?如何影响科技型中小企业技术创新?为回答上述问题,本文实证检验分析师跟踪、内部控制有效性与科技型中小企业技术创新之间的关系。
外部融资约束和内部代理问题是制约企业技术创新的重要因素,这在以往研究中已达成共识。缓解融资约束的重要途径之一是提高信息披露程度[9],因为低信息透明度增加了外部监控难度,使管理层机会主义行为成为可能,从而使企业融资变得更加困难;良好的信息披露有助于更好地监督管理层活动,投资者更容易获得企业特质信息,降低选择的不确定性。代理问题产生的关键原因在于,所有权与经营权分离导致委托代理双方信息不对称[10],以及基于不完全契约的管理层无法参与剩余收益分配。资本市场中的信息中介机构通过发布企业增量信息,拓宽企业信息披露渠道,能在一定程度上监督上市公司行为。良好的内部控制能有效约束、制衡管理层的自利行为,并对管理层形成有效激励,进而缓解公司代理问题。因此,资本市场中的信息中介、良好的内部控制,能缓解融资约束、代理问题对企业技术创新的不利影响。
分析师作为资本市场信息中介的重要组成部分,其跟踪活动能降低公司内外部信息不对称程度,进而对公司技术创新行为产生影响。He&Tian [6]基于美国市场上市公司数据,首次探讨了分析师跟踪对企业创新的影响,发现分析师跟踪人数与公司专利产出数量负相关。其原因在于,技术创新是一种高风险、长期性、难以预测的投资,回报具有不确定性,公司管理层往往出于自利动机,为实现或超过分析师乐观的业绩预测目标,减少企业对长期创新项目的投资,从而降低企业创新绩效。进一步地,分析师既可以通过降低创新型企业信息不对称程度发挥积极作用,也可以通过对管理层施加短期业绩压力而对企业创新产生不利影响,但前者由后者主导[6]。国内学者基于中国A股上市公司数据进行实证检验,余明桂等[11]发现分析师关注程度越高,公司创新绩效越好;伊志宏等[12]指出,分析师跟踪的人数越多,公司创新水平越高,而分析师的乐观偏差抑制了企业创新。可见,分析师跟踪在不同的制度环境和市场环境中,对企业创新活动的影响具有异质性,体现为分析师跟踪对企业技术创新的双重影响:一方面,分析师跟踪通过向资本市场提供增量信息,降低信息不对称程度,缓解公司融资约束,抑制管理层机会主义和短视行为,进而促进公司技术创新;另一方面,分析师盈余预测会在一定程度上对管理层形成业绩压力,进而影响管理层薪酬、增加其被解雇风险,抑制公司创新。
当前,中国市场中的科技型中小企业整体信息披露不够,不同于西方成熟资本市场中的企业及中国发展较为成熟的大型企业,具有以下显著特征:①规模较小、成长性高。大部分是处于初创或成长阶段的中小型企业,内部治理水平有待提升;②高创新性。大多是技术创新型企业,创新能力较强;③高风险性。科技型中小企业经营资源相对短缺,面临的未知风险更多。此外,科技型中小企业也具有创新优势。一方面,科技型中小企业的“高成长性、高创新性”特征更易受市场投资者关注;另一方面,科技型中小企业大多由股东共同创立,股权高度集中,高管大多是基于创始人的高管团队,很少有因业绩压力而离职的担忧和被解雇的风险,这都会减少科技型中小企业管理层抑制技术创新的动机。同时,活跃在资本市场中的分析师利用其丰富的专业知识,从各种渠道搜寻和加工关注的企业信息,评估其市场表现,向市场提供经分析和挖掘后有关企业创新活动的深层次信息[5]。分析师跟踪的人数越多,公司相应披露给外部投资者的信息就越多[4],进而有利于提高公司信息透明度,减轻融资压力,缓解代理问题,促进公司对技术创新活动持续有效地投入人、财、物等资源,最终提升企业技术创新能力。
综上,本文认为对于资本市场中的科技型中小企业大多处于成长期,技术创新面临外源性融资难、投资风险高等问题,加之内部控制不完善,难以对技术创新资源进行有效配置。分析师跟踪作为一种重要的公司外部治理机制能缓解以上问题,优化企业创新资源配置,因而分析师跟踪对科技型中小企业技术创新的影响更多表现为促进效应。据此,本文提出以下假设:
H1:分析师跟踪人数与科技型中小企业技术创新绩效正相关。
相对于发达国家,中国公司管理层信息披露的诉讼风险较小,致使公司管理层自愿披露信息的动机较弱,且存在信息自选择、信息不实等问题,导致上市公司的信息透明度整体不高。信息透明度降低会引发代理冲突等一系列公司内部治理问题,而较低的公司信息透明度增加了对分析师跟进提供信息的需求。分析师作为外部治理机制中的一个重要角色,不仅具有财务、金融等知识,还具有相关企业所在行业的专业知识,通过择股关注、追踪分析、盈余预测、推荐投资等一系列行为,提供被关注企业的增量信息,进而提升投资者对公司认知的广度和深度,缓解上市公司与投资者间的信息不对称,有助于投资者准确评价公司的经营行为,更好地监督公司管理层和控股股东,进而抑制管理层和控股股东的利益侵占行为。虽然分析师的监督作用不能解决公司内部治理问题,但具有修正效应。如Chung&Jo[13]研究发现,分析师跟进人数与公司管理层的机会主义行为负相关,分析师跟踪可减少公司管理层操纵行为[14]、缓解公司代理问题。因此,分析师关注度的提高意味着企业曝光度增加,同时也意味着企业的不规范行为更难被掩饰,促使公司认识到自身内控缺陷,从而采取相应改进措施,提升内部控制水平。据此,本文提出如下假设:
H2:分析师跟踪人数与内部控制有效性正相关。
企业内部控制作为一种重要的约束、制衡和激励管理层行为的制度安排,贯穿于企业经营活动全过程。就内部控制对企业创新的影响,以往文献有两种不同的观点:一种观点认为,有效的内部控制通过提升信息披露程度、缓解融资约束及减弱内部代理冲突,促进公司技术创新,即内部控制对技术创新存在促进效应。基于融资约束视角,有研究认为,有效的企业内部控制可降低信息不对称程度、使债权人放宽债务契约条件,为技术创新提供资金支持,进而缓解技术创新融资约束。相反,内部控制质量较低的公司,其面临的融资约束程度更大、外源性融资成本更高。创新活动较多的行业更容易产生盈余管理行为[15],盈余管理大多是由委托代理关系引起的管理层机会主义行为。上市公司出于盈余管理动机,减少研发投入,进而降低创新产出[16]。高质量内部控制能缓解信息不对称程度,抑制公司盈余管理行为发生[17],从而缓解管理层与股东之间的代理冲突,最终提升企业技术创新产出。另一方面,过于严格的内部控制会抑制公司创新能力,即内部控制对技术创新存在抑制效应。有效的内部控制会加强创新风险控制,降低技术创新过程中的不确定性,进而提升技术创新绩效,但过于严格的风险控制要求又会弱化高管积极支持公司创新行为的动机[18];对公司创新活动过程管理过于严格的制度化内部控制,也会阻碍创新进程[19]。因此,过于严格的内部控制不利于企业技术创新。
本文认为,对于科技型中小企业,内部控制规范化仍处于形成阶段,内部控制治理水平仍较低,因而有效的内部控制对科技型中小企业技术创新的影响更多表现为促进效应,即良好的内部控制能缓解企业融资约束、代理冲突等问题,进而促进技术创新。基于此,本文提出以下假设:
H3:内部控制有效性与科技型中小企业技术创新绩效正相关。
基于当前科技型中小企业发展实际分析可知,内部控制和分析师跟踪都是促进企业技术创新的重要因素。在企业创新活动中,分析师跟踪作为市场信息中介,通过对信息进行解读、释放,降低了信息不对称程度,强化了企业管理层创新动机,进而发挥出公司治理效应。然而,分析师不具有公司治理权,而企业创新的关键影响因素是内部控制[20],因而分析师跟踪活动对企业技术创新的推动作用需要借助内部控制的有效实施才能显现出来。具体而言,内部控制有效性在分析师跟踪与企业技术创新之间可能发挥传导作用,即分析师跟踪活动有助于企业内部控制水平提升,而有效的内部控制能提升企业创新绩效。基于以上分析,本文提出如下假设:
H4:内部控制有效性在分析师跟踪人数与科技型中小企业技术创新绩效的关系中发挥中介作用。
进一步地,科技型中小企业具有高风险、高投入特征,融资是其首要难题。创新活动周期长,需要持续的资金投入,因而受到融资约束的影响更显著,即融资约束会显著抑制创新[21]。分析师的监督功能有助于改善企业内部控制,进而有效缓解企业面临的融资约束问题;提升企业信息披露质量,而信息披露质量评级越高对企业创新促进作用越强[22]。这是因为,信息透明度增加,既抑制了公司内部管理层的机会主义行为,又能提升外部投资者的信任感,缓解外源性融资约束。然而,当企业技术创新的资金压力较小,内部控制有效性提升对企业技术创新能力的促进作用也可能相应较小。据此,本文提出如下假设:
H5:相对于融资约束程度较低的企业,内部控制有效性在分析师跟踪人数与科技型中小企业技术创新的关系中起到部分中介作用,且在融资约束程度较高的企业中更为显著。
基于以上分析,构建理论分析框架如图1所示。
图1 理论分析框架
科技型中小企业一般是指以技术创新为核心、科技成果产业化为主要内容的知识密集型中小规模公司,其成长潜力与风险并存。中国创业板上市公司大多为科技创新型企业且规模不大,是科技型中小企业的典型代表。因此,本文选取2009—2017年创业板上市公司作为研究样本,并作如下处理:剔除影视制作、仓储等非科技型公司;考虑到专利产出的滞后性,剔除上市时间少于3年的公司;剔除没有分析师跟踪的公司;剔除数据缺失的公司。最终获得317家科技型中小企业共计2 097个观察样本。另外,迪博·中国上市公司内部控制指数来源于DIB内部控制数据库,机构投资者持股数据来自于Wind数据库,其它变量数据均来自于CSMAR数据库。
(1)技术创新绩效(IPApply)。专利作为一个创新产出变量,更能反映出企业自主创新效率。专利有利于提高公司生产效率及市场价值,且预示着公司将来的超额收益,是体现公司创新能力的主要衡量指标。相比之下,研发投入仅是可观察的量化投入,且受制于会计准则,对于一些研发投入,是将其列为资本化还是费用化项目具有较强的主观性。另外,还有一些企业基于享受政府补贴和减税优惠的目的,操纵研发投入[23]。因此,采用研发投入衡量创新绩效会有偏差。与实用新型、外观设计专利相比,发明专利技术要求较高,更能显示出企业技术创新能力[24]。鉴于此,本文中用发明专利产出衡量企业技术创新绩效。
(2)分析师跟踪人数(Afnum)。使用一年内跟踪某公司的分析师(如是一个团队,在数量上仍视为1)人数衡量。
(3)内部控制有效性(ICE)。借鉴逯东等[25]的做法,采用迪博·中国上市公司内部控制指数衡量科技型中小企业内部控制有效性,该指数值越大表明企业内部控制有效性越强。
(4)融资约束(FC)。参考以往文献,采用Hadlock & Pierce[26]的SA指数计算方法,测度企业的融资约束程度。SA指数不包含具有内生性特征的金融变量,因而较为稳健[27],SA指数值越大表明科技型中小企业受融资约束程度越高。另外,测度公司融资约束较有代表性的方法是Kaplan & Zingales(1997)的KZ指数,但其在度量计算时含有一些内生性变量,可能会与结果互相影响。因此,本文选取SA指数衡量科技型中小企业融资约束程度。
(5)控制变量(Controls)。参考以往有关公司创新影响因素的文献,本文控制了可能影响科技型中小企业技术创新产出的其它变量,包括公司规模Size(期末总资产的自然对数)、盈利能力ROA(息税前利润/期末总资产)、托宾Q值TBQ;是否两职兼任Dual(董事长与总经理是否兼任)、股权集中度指标Top1(第一大股东持股比例)、财务杠杆LEV(资产负债率)、机构投资者持股比例总和InstiHold。此外,还控制了行业(Industry)和年度(Year)固定效应。
(6)其它变量。PApply为企业专利申请总数,Reportnum为分析师发布的研报总数。
变量具体定义见表1。
表1 主要变量定义与度量
变量名称变量定义IPApply发明专利产出,企业发明专利申请数(发明专利申请数+1)的自然对数PApply专利产出,企业专利申请总数(发明+实用新型+外观设计+1)的自然对数Afnum分析师跟踪人数,一年内对某公司进行过跟踪的分析师总人数的自然对数Report-num跟踪公司的研报数,一年内分析师对某公司发布的研报总数的自然对数ICE内部控制有效性,迪博·中国上市公司内部控制指数值的自然对数FC融资约束,SA指数Dual两职合一,若董事长与总经理由同一人担任,则取值为1,否则为0InstiHold机构投资者持股比例,机构投资者持股比例总和Size公司规模,期末总资产的自然对数ROA总资产报酬率,息税前利润/期末总资产TBQ托宾Q值,公司市值/期末总资产Top1第一大股东持股比例LEV资产负债率,总负债/总资产Industry行业虚拟变量Year年度虚拟变量
本文借鉴温忠麟等[28]总结的中介效应检验方法,分为四步检验分析师跟踪对创新绩效的影响及内部控制有效性的中介作用。构建中介效应检验模型(1)-(4),分别对应H1-H4。然后,使用Bootstrap法、Stata13.0软件,再次进行中介效应检验。考虑到专利相对于公司创新投入具有时间上的滞后性,借鉴Mukherjee等[29]的研究,本文分别检验分析师跟踪人数、内部控制有效性对企业未来第一年、第二年发明专利产出的影响。
IPApply(i,t+1;i,t+2)=α+β1Afnumi,t+∑γiContri,t+∑Industry+∑Year+ε
(1)
ICEi,t=α+β1Afnumi,t+∑γiContri,t+∑Industry+∑Year+ε
(2)
IPApply(i,t+1;i,t+2)=α+β1ICEi,t+∑γiContri,t+∑Industry+∑Year+ε
(3)
IPApply(i,t+1;i,t+2)=α+β1Afnumi,t+β2ICEi,t+∑γiContri,t+∑Industry+∑Year+ε
(4)
描述性统计结果如表2、3所示。从表2可以看出,样本公司发明专利产出对数IPApply均值为1.964 9,最小值和最大值分别为0和5.840 6,说明科技型中小企业间技术创新能力差别较大;分析师跟踪人数对数Afnum均值为2.156 8,最小值与最大值分别为0.693 1和3.951 2,表明不同的科技型中小企业受到分析师跟踪关注程度具有明显差异;内部控制有效性对数ICE均值为6.487 1,最小值与最大值分别为5.43 9和6.665 8,表明科技型中小企业内部治理水平存在明显差异。从表3可以看出,根据分析师跟踪数量的中位数,将其分为高分析师跟踪租和低分析师跟踪组。其中,高分析师跟踪组的企业发明专利产出均值和中位数均高于低分析师跟踪组,均值检验T值为4.542 5,在1%水平上显著;中位数秩和检验的Z值为4.183,在1%水平上显著,一定程度上支持了H1。
表2 主要变量描述性统计结果
变量样本量均值标准差最小值中位数最大值 IPApply2 0971.964 91.192 001.945 95.840 6Afnum2 0972.156 80.756 10.693 12.197 23.951 2ICE2 0976.487 10.099 25.439 06.508 56.665 8Size2 09721.231 90.744 919.543 421.142 224.544 0ROA2 0970.062 80.048 5-0.594 70.061 80.310 5TBQ2 0973.388 02.296 40.490 62.819 524.940 5Top12 09731.414 912.613 54.378 529.623 969.363 4LEV2 0970.264 20.163 30.011 00.232 10.842 5Dual2 0970.442 10.496 8001InstiHold2 09727.306 820.030 20.003 123.381 793.523 4
表3 主要变量差异性检验结果
变量(1)(2)差异差异高分析师跟踪组低分析师跟踪组(1)-(2)(1)-(2)Variable均值中位数均值中位数均值T-stat中位数ZIPApply2.071 92.302 61.835 41.609 40.236 5***4.542 50.693 2***4.183 0
主要变量间的相关系数如表4所示,分析师跟踪人数Afnum与发明专利产出IPApply在1%水平上显著正相关,表明分析师跟踪促进了科技型中小企业技术创新,也在一定程度上支持了H1。表4中,大多数自变量的相关系数小于0.3。另外,多重共线性测试结果显示,方差膨胀因子(VIF)均值为4.06,小于经验判定临界值10,表明自变量之间不存在严重的共线性问题。
表4 主要变量间相关系数
变量IPApplyAfnumICESizeROATop1TBQLEVDualInstiHoldAfnum0.158***1ICE0.051**0.069*1Size0.286***0.179***0.0871ROA0.078***0.393***0.088***-0.0381Top1-0.015-0.0220.002-0.054**0.0321TBQ0.095***0.058**0.011-0.130***0.285***-0.0241LEV-0.127-0.071***-0.081***0.362***-0.170***0.017-0.135***1Dual-0.037-0.0220.018-0.097***0.0210.141***-0.003-0.0191InstiHold0.152***0.252***0.044*0.264***0.096***0.056**0.158***0.149***-0.054**1
为消除公司异质性与遗漏变量的影响,采用面板模型。首先,进行Hausman检验,P值为0.000 0,因而拒绝随机效应模型;然后,选择固定效应模型对本文模型(1)-模型(4)进行回归,回归时均控制了行业与年份变量。
(1)分析师跟踪与企业技术创新的关系如表5列(1)和列(5)所示。分析师跟踪人数Afnum的回归系数分别在5%和1%水平上显著为正,与前文预期一致,H1得到验证。控制变量中,企业规模Size与发明专利产出IPApply都在1%水平上显著正相关,说明企业规模越大,创新产出越多,即企业规模对技术创新产出具有显著提升作用;托宾Q值TBQ的回归系数分别在10%和5%水平上显著为正,说明发展能力强有助于企业技术创新;企业财务杠杆LEV的回归系数都在10%水平上显著为负,说明科技型中小企业中较高的债务水平会降低技术创新产出。以上检验结果表明,分析师跟踪人数对企业发明专利产出有显著正向影响,因而分析师跟踪活动能促进企业技术创新。
(2)分析师跟踪与内部控制有效性关系如表5列(2)所示。分析师跟踪人数Afnum与内部控制有效性ICE在5%水平上显著正相关,H2得到验证。企业规模Size、盈利能力ROA及投资者持股比例InstiHold均显著正向影响内部控制有效性。检验结果表明,分析师跟踪人数对企业内部控制有效性存在显著正向影响,因而分析师的跟踪活动可以提升公司内部控制水平。
(3)内部控制有效性与企业技术创新关系如表5列(3)和列(6)所示。内部控制有效性ICE的回归系数分别在10%和5%水平上显著为正,支持了H3。检验结果表明,企业内部控制有效性对企业发明专利产出有显著正向影响,因而良好的内部控制有助于企业技术创新能力提升。
(4)分析师跟踪、内部控制有效性与企业技术创新关系如表5列(4)和列(7)所示。列(4)检验结果显示,分析师跟踪人数Afnum的回归系数为0.068 9,在10%水平上显著,但比列(1)均有所下降,中介效应与总效应之比是6.65%;列(7)检验结果显示,分析师跟踪人数Afnum的回归系数为0.118 0,在5%水平上显著,但比列(5)均有所下降,中介效应与总效应之比为8.52%。检验结果初步表明,内部控制有效性在分析师跟踪人数与科技型中小企业技术创新绩效的关系之间起到了部分中介作用。进一步使用Bootstrap重复抽样1 000次,对分析师跟踪人数、内部控制有效性与企业未来第一年、第二年发明专利产出关系进行检验。结果显示,内部控制有效性的中介效应在95%的偏差校正置信区间分别为(0.003,0.015)、(0.005,0.021),均不包含0值,表明内部控制有效性在分析师跟踪人数与科技型中小企业技术创新绩效关系之间发挥中介作用。以上结论支持H4。
表5 分析师跟踪、内部控制有效性与企业技术创新关系的回归结果
变量(1) (2) (3) (4) (5) (6) (7) IPApplyt+1ICEIPApplyt+1IPApplyt+1IPApplyt+2IPApplyt+2IPApplyt+2Afnum0.082 2**0.005 6**0.068 9*0.136 7***0.118 0**(2.11)(2.05)(1.95)(3.26)(2.15)ICE0.362 3*0.423 1**0.596 5**0.480 5**(1.73)(1.99)(2.41)(1.99)Size0.535 9***0.014 0*0.565 6***0.540 7***0.525 8***0.558 0***0.533 3***(6.39)(1.80)(6.76)(6.45)(6.00)(6.31)(6.08)ROA0.666 20.203 3***0.999 20.673 50.207 10.411 20.249 3(0.91)(3.71)(1.42)(0.92)(0.29)(0.60)(0.35)TOP10.003 90.000 10.003 70.003 80.000 80.000 40.000 8(1.07)(0.48)(1.01)(1.05)(0.19)(0.09)(0.19)TBQ0.025 5*0.003 50.008 0*0.005 40.048 9**0.052 9**0.048 8**(1.80)(0.96)(1.87)(0.29)(2.07)(2.32)(2.06)LEV-0.129 8*-0.011 5-0.125 9-0.141 4*-0.098 9*0.108 0-0.087 5*(-1.79)(-0.67)(-0.47)(-1.82)(-1.91)(0.36)(-1.85)Dual0.053 2-0.001 90.057 90.052 60.027 90.031 10.026 2(0.78)(-0.37)(0.85)(0.77)(0.35)(0.39)(0.33)InstiHold0.000 10.000 2***0.000 50.000 10.001 60.001 90.001 5(0.09)(2.62)(0.39)(0.05)(1.05)(1.26)(1.02)Constant-10.241***6.729***-13.085***-12.420***-9.746***-14.021***-12.981***(-5.79)(61.60)(-5.76)(-5.46)(-5.25)(-5.50)(-5.20)IndustrycontrolcontrolcontrolcontrolcontrolcontrolcontrolYearcontrolcontrolcontrolcontrolcontrolcontrolcontrolR-squared0.174 40.060 20.171 00.177 50.165 50.153 40.169 1N2 0972 0972 0972 0972 0972 0972 097
注:***、**、*分别表示在1%、5%、10%水平下显著,括号内的T值为稳健标准误T值,下同
另外,本文依据衡量企业融资约束程度指标FC的中位数,将样本分为高融资约束组和低融资约束组,使用模型(1)-(4)进行回归检验。低融资约束组的回归结果如表6所示,列(4)中,分析师跟踪人数Afnum的回归系数为0.091 7,在10%水平上显著,与列(1)相比,回归系数值下降,但内部控制有效性ICE的回归系数不显著,表明内部控制有效性没有中介效应。在列(7)中,分析师跟踪人数Afnum的回归系数为0.124 9,在10%水平上显著,与列(5)相比回归系数值和显著水平T值均下降,但内部控制有效性ICE的回归系数不显著,表明内部控制有效性没有在分析师跟踪人数与企业技术创新绩效关系之间发挥中介作用。综上,内部控制有效性的中介效应在低融资约束组内未得到验证。
表6 低融资约束组——分析师跟踪、内部控制有效性与企业技术创新关系的回归结果
变量(1)(2)(3)(4)(5)(6)(7)IPApplyt+1ICEIPApplyt+1IPApplyt+1IPApplyt+2IPApplyt+2IPApplyt+2Afnum0.112 8*0.003 90.091 7*0.136 2**0.124 9*(1.95)(1.05)(1.69)(2.19)(1.89)ICE0.198 20.203 20.439 40.518 5(0.65)(0.86)(1.32)(1.66)ROA0.678 00.186 5***0.041 90.674 41.143 6-1.139 01.220 7(0.56)(3.66)(0.05)(0.55)(1.00)(-1.02)(1.07)TOP1-0.000 4-0.000 00.000 30.001 30.002 10.002 90.004 0(-0.09)(-0.02)(0.53)(0.30)(0.38)(0.54)(0.74)TBQ0.038 0*0.001 50.025 20.028 10.041 30.042 2*0.037 9(1.68)(1.50)(1.15)(1.25)(1.51)(1.75)(1.36)LEV-0.140 5-0.024 1-0.438 5-0.505 4-0.144 1-0.306 5-0.241 0(-0.33)(-1.09)(-1.00)(-1.17)(-0.26)(-0.51)(-0.40)Dual0.056 2-0.000 60.054 30.058 6-0.100 7-0.076 0-0.091 9(0.58)(-0.12)(0.56)(0.60)(-0.90)(-0.68)(-0.80)InstiHold-0.002 70.000 1-0.002 5-0.003 20.001 40.000 80.000 4(-1.40)(0.77)(-1.34)(-1.60)(0.54)(0.31)(0.17)Constant0.662 6**6.486***-7.768**-7.054*0.729 5*-9.271*-7.670*(2.06)(46.65)(-1.99)(-1.83)(1.78)(-1.88)(-1.81)IndustrycontrolcontrolcontrolcontrolcontrolcontrolcontrolYearcontrolcontrolcontrolcontrolcontrolcontrolcontrolR-squared0.062 80.018 60.073 70.080 60.049 40.055 60.065 3N1 0491 0491 0491 0491 0491 0491 049
在高融资约束组内,表7检验结果显示,列(4)中分析师跟踪人数Afnum的回归系数为0.132 4,在10%水平下显著,但与列(1)相比回归系数值和显著水平T值均下降,中介效应与总效应之比为7.87%;列(7)中分析师跟踪人数Afnum的回归系数为0.201 2,在5%水平下显著,但与列(5)相比回归系数值和显著水平T值均下降,中介效应与总效应之比为8.92%。初步表明内控有效性在分析师跟踪人数与科技型中小企业技术创新绩效关系之间起到了部分中介作用。使用Bootstrap重复抽样1 000次,对分析师跟踪人数、内部控制有效性与企业未来第一年、第二年发明专利产出的关系检验结果显示,内部控制有效性的中介效应在95%的偏差校正置信区间分别为(0.006,0.027)、(0.005,0.032),均不包含0值,表明内部控制有效性在分析师跟踪人数与科技型中小企业技术创新绩效关系之间起到了中介作用。
以上检验结果表明内部控制有效性在分析师跟踪人数与企业技术创新绩效关系中的部分中介作用在融资约束程度较高的企业中更为显著,H5通过验证。所得结论表明,对于融资约束程度较高的科技型中小企业而言,创新活动受融资约束影响更大,分析师跟踪活动可以有效降低企业技术创新活动中的信息不对称,有助于投资者正确评价企业创新项目的未来价值,进而吸引外部投资者的投资,降低企业融资约束程度,从而强化企业管理层创新动机,进一步改进企业内部控制以提升技术创新绩效。
已有研究文献表明,分析师跟踪人数与公司的某些特征有关,如公司规模、盈利能力、机构持股情况等。且科技型中小企业是政府当前重视、市场上受关注较多的“题材股”,更可能被分析师跟踪研究,创新绩效越好的上市公司越容易被分析师关注[5]。上述情况可能导致内生性问题,故本文采用改变分析师跟踪人数的衡量方式进行检验。
(1)分析师溢出跟踪人数。本文借鉴Yu [30]的检验方法,进行如下验证。为控制公司规模、盈利能力、机构持股等因素对分析师跟踪的影响,建立以下模型进行检验。
Afnumi,t=α+β1Sizei,t+β2ROAi,t+β3TBQi,t+β4InstiHoldi,t+β5LEVi,t+ε
(5)
上述模型回归得到的残差ε,表示除企业规模、盈利能力等影响因素外,由其它因素决定的分析师跟踪人数,在此称为分析师溢出跟踪人数OverAfnum。本文在模型(1)中用OverAfnum替代Afnum进行回归检验,回归结果见表8列(1)-(2)所示,分析师溢出跟踪人数OverAfnum的回归系数分别在1%、5%水平上显著为正,表明分析师跟踪人数多的企业,未来发明专利产出更多。
表7 高融资约束组——分析师跟踪、内部控制有效性与企业技术创新关系的回归结果
(1)(2)(3)(4)(5)(6)(7)变量IPApplyt+1ICEIPApplyt+1IPApplyt+1IPApplyt+2IPApplyt+2IPApplyt+2Afnum0.155 8**0.010 3**0.132 4*0.220 7***0.201 2**(2.46)(1.97)(1.90)(3.21)(2.25)ICE0.578 8*0.599 2*0.720 8*0.944 5**(1.87)(1.95)(1.68)(2.28)ROA2.142 0*0.246 6**1.805 5*1.342 91.359 10.740 1*0.456 7(1.95)(2.55)(1.67)(1.21)(1.25)(1.88)(0.42)TOP10.005 70.000 30.007 20.007 3-0.000 8-0.000 20.000 4(1.07)(1.01)(1.41)(1.40)(-0.15)(-0.04)(0.06)TBQ0.028 40.001 60.026 00.026 10.002 1*0.062 1*0.054 0*(-0.92)(0.92)(0.78)(0.80)(1.82)(1.71)(1.85)LEV-0.578 8-0.004 1-0.122 0-0.160 5*-0.603 5-0.129 6-0.131 0*(-1.62)(-0.21)(-0.35)(-1.87)(-1.51)(-0.32)(-1.79)Dual0.048 5-0.005 20.098 90.094 50.072 20.092 30.095 4(0.42)(-0.72)(0.89)(0.86)(0.54)(0.70)(0.73)InstiHold0.001 3*0.000 5***0.001 30.000 3*0.003 40.003 3*0.002 5*(1.71)(3.05)(0.66)(1.85)(1.31)(1.92)(1.81)Constant0.986*6.424 1***-17.255***-17.239***1.512*-19.922***-18.828***(1.77)(36.25)(-4.56)(-4.62)(1.79)(-4.41)(-4.26)IndustrycontrolcontrolcontrolcontrolcontrolcontrolcontrolYearcontrolcontrolcontrolcontrolcontrolcontrolcontrolR-squared0.083 30.066 00.157 00.174 60.105 90.157 70.192 9N1 0481 0481 0481 0481 0481 0481 048
(2)预期分析师跟踪人数。借鉴Yu [30]的方法,构建一个工具变量,预期分析师跟踪人数,并使用两阶段最小二乘法(2SLS)检验。本文构建分析师跟踪的工具变量ExpAfnum(预期跟踪分析某企业的分析师数量),替代实际跟踪的分析师数量,计算方法如下所示:
ExpAfnumi,j,t=Stosizej,t/Stosizej,0×Afnumi,j,0
(6)
(7)
上式中,0代表基期(本文定为2017年,因2017年的样本量最大,可减少计算ExpAfnum值时的缺失值)。ExpAfnumi,j,t表示企业i在第t年受到证券商j的分析师跟踪的数量;Stosizej,t与Stosizej,0分别表示证券商j在t年和基期拥有的分析师总人数;Afnumi,j,0表示企业i在基期受到证券商j的分析师跟踪的数量;ExpAfnumi,t表示企业i在t年受到分析师跟踪的总数量。
2SLS法的回归结果见表8列(3)-(6)所示,在列(3)中,预期跟踪某企业的分析师人数ExpAfnum对某企业实际分析师跟踪人数Afnum的回归结果显示,ExpAfnum的回归系数显著为正,表明ExpAfnum与Afnum之间高度正相关,说明工具变量的选择是可行的;在列(4)中,将列(3)回归结果中得到的分析师跟踪人数的拟合值FAfnum,用于2SLS第二阶段的回归,结果如列(4所)示,FAfnum的回归系数在5%水平上显著为正,表明分析师跟踪人数越多,企业发明专利产出也越多,这与前述验证结果一致。进一步地,在列(5)和列(6)中,考察对企业未来第二年发明专利产出的影响,结果仍同前文基本一致。
综上,分析师跟踪人数与科技型中小企业技术创新绩效正相关的研究结论在考虑可能的内生性以后依然成立。
考虑主要变量的替代。首先使用跟踪分析公司研报数Reportnum替代分析师跟踪人数Afnum进行检验;其次,用专利产出PApply作为企业技术创新绩效的替代变量进行检验。此外,因样本中部分企业的发明专利申请数为0,采用面板Tobit回归。均采用模型(1)检验,结果依然支持上述结论。限于篇幅,未报告检验结果。
本文基于信息不对称理论和代理理论,研究转轨经济和创新驱动发展战略背景下,分析师跟踪、内部控制有效性对科技型中小企业技术创新的影响机理。研究结果表明:分析师跟踪促进了企业技术创新,表现为专利产出数量增加,说明分析师跟踪活动有效发挥了信息解读作用,降低了信息不对称,进而能够吸引更多资本市场资源支持企业的技术创新;分析师通过发挥信息解读和监督作用提升了内部控制性有效性,而内部控制有效性的提高又能够提升企业技术创新绩效,并在分析师跟踪与企业技术创新之间发挥部分中介效应;分析师跟踪、内部控制有效性与企业技术创新之间的传导关系在融资约束程度较高的企业中更为显著。研究结论对当下改善资本市场信息披露环境、提升企业内部治理水平以促进企业技术创新有一定的启示作用。
表8 内生性检验结果
内生性检验1内生性检验2(1)(2)(3)(4)(5)(6)变量IPApplyt+1IPApplyt+2 AfnumIPApplyt+1 AfnumIPApplyt+2OverAfnum0.126 4***0.114 3**(2.98)(2.45)ExpAfnum0.811 6***0.826 5***(4.96)(5.12)FAfnum0.120 8**0.126 7**(2.25)(2.03)Size0.649 3***0.632 2***0.036 6**0.636 5***0.046 7***0.698 7***(11.90)(10.47)(2.58)(8.56)(2.92)(8.33)ROA1.551 3**1.224 00.411 2**0.592 50.755 6***0.369 6(2.14)(1.55)(2.38)(0.76)(2.77)(0.52)TOP10.000 6-0.000 7-0.000 50.002 10.000 1-0.001 6(0.29)(-0.29)(-0.12)(0.71)(0.35)(-0.61)TBQ0.033 4*0.065 5***0.006 7**0.038 9*0.006 20.080 9***(1.96)(3.48)(2.36)(1.85)(1.28)(2.85)LEV-0.359 6*-0.095 9-0.065 1-0.261 2-0.075 6-0.152 1(-1.73)(-0.40)(-1.26)(-1.18)(-1.66)(-0.56)Dual0.007 50.010 3-0.012 2-0.008 2-0.021 8-0.006 5(0.14)(0.17)(-0.85)(-0.17)(-0.95)(-0.12)InstiHold0.001 30.002 20.001 1**-0.000 30.001 1**-0.000 3(0.97)(1.39)(2.39)(-0.14)(2.36)(-0.17)Constant-12.955***-12.066***-0.318-12.235***-0.519-11.665***(-10.76)(-9.14)(-1.17)(-7.85)(-1.62)(-6.58)IndustrycontrolcontrolcontrolcontrolcontrolcontrolYearcontrolcontrolcontrolcontrolcontrolcontrolR-squared0.181 50.156 90.895 60.152 60.892 70.145 6N2 0972 0972 0462 0462 0462 046
当前资本市场信息披露仍不规范,科技型中小企业内部治理水平仍较低,都构成对企业进行技术创新活动的障碍,而分析师的跟踪活动、内部控制有效性的提高及二者有效配合均可提升企业技术创新能力。基于此,提出以下政策建议:
(1)优化企业信息披露制度,引导企业增加自愿性信息披露,改善整体信息环境,让投资者获取更多真实信息,降低投资者的逆向选择行为,从而保护投资者利益。
(2)加强对市场信息中介的诚信制度建设,对分析师队伍进行必要的监督,让信誉抑制自利行为,从而更好地发挥分析师的监督作用,使其成为公司治理良好的外部约束机制。
(3)引导分析师加强自身专业能力培养,以科学、客观地提供增量信息,更好地帮助投资者理解公司内在价值及创新的未来价值,从而减少企业管理层的创新阻力。
(4)要求科技型中小企业进一步规范优化内部控制,提升内部控制有效性,尤其是内部激励机制,以减少管理层自利行为,提升管理层创新动机。
首先,分析师在跟踪及提供公司研究报告过程中,往往受到诸如利益冲突、独立性、认知偏差等因素的影响,进而对科技型中小企业技术创新活动发挥间接作用。然而,本文并没有考察这些影响因素对分析师跟踪与科技型中小企业技术创新的作用。因此,未来研究可综合考虑这些因素的作用机制;其次,本文采用的内部控制有效性衡量指标,未必能客观、全面地反映公司内部控制情况,未来研究应进一步探索内部控制有效性测度指标及方法,以更客观地考察企业内部控制有效性对技术创新的影响效应。
[1] BELLOC F. Corporate governance and innovation: a survey[J].Journal of Economic Surveys,2012,26(5): 835-864.
[2] XU C, YAN M. Radical or incremental innovations: R&D investment around CEO retirement[J].Journal of Accounting, Auditing & Finance, 2014, 29(4):547-576.
[3] GILLAN S L . Recent developments in corporate governance: an overview [J].Journal of Corporate Finance, 2006, 12(3):381-402.
[4] BUSHMAN R M, PIOTROSKI J D, SMITH A J. What determines corporate transparency[J].Journal of Accounting Research, 2004, 42(2):207-252.
[5] 徐欣,唐清泉. 财务分析师跟踪与企业R&D活动——来自中国证券市场的研究[J].金融研究,2010(12): 173-189.
[6] HE J , TIAN X . The dark side of analyst coverage: the case of innovation[J].Journal of Financial Economics, 2013, 109(3):856-878.
[7] 李万福,林斌,宋璐. 内部控制在公司投资中的角色:效率促进还是抑制[J].管理世界,2011(2):81-99.
[8] 王运陈,逯东,宫义飞.企业内部控制提高了R&D效率吗[J].证券市场导报,2015(1):39-45.
[9] BALAKRISHNAN K , CORE J E , VERDI R S . The relation between reporting quality and financing and investment: evidence from changes in financing capacity[J].Journal of Accounting Research, 2014, 52(1):1-36.
[10] JENSEN M C, MECKLING W H. Theory of the firm:managerial behavior,agency costs and ownership structure[J].Journal of Financial Economics,1976,3(4):305-360.
[11] 余明桂,钟慧洁,范蕊.分析师关注与企业创新——来自中国资本市场的经验证据[J].经济管理,2017(3): 175-192.
[12] 伊志宏,申丹琳,江轩宇.分析师乐观偏差对企业创新的影响研究[J].管理学报,2018,15(3): 382-391.
[13] CHUNG K H , JO H . The impact of security analysts’ monitoring and marketing functions on the market value of firms[J].The Journal of Financial and Quantitative Analysis, 1996, 31(4):493-512.
[14] 李春涛,宋敏,张璇.分析师跟踪与企业盈余管理——来自中国上市公司的证据[J].金融研究,2014(7): 124-139.
[15] SHUST E. Does research and development activity increase accrual-based earnings management[J]. Journal of Accounting, Auditing&Finance,2015,30(3):373-401.
[16] 朱红军,王迪,李挺.真实盈余管理动机下的研发投资决策后果——基于创新和税收的分析视角[J].南开管理评论,2016,19(4): 36-48.
[17] 方红星, 金玉娜. 高质量内部控制能抑制盈余管理吗?——基于自愿性内部控制鉴证报告的经验研究[J].会计研究,2011(8):53-60.
[18] ZHANG I X . Economic consequences of the sarbanes-Oxley Act of 2002[J].Journal of Accounting and Economics, 2007, 44(1):74-115.
[19] KAPLAN R S, NORTON D P. The balanced scorecard: translating strategy into action[M].Harvard Business Press,1996.
[20] O"SULLIVAN M. The innovative enterprise and corporate governance[J].Cambridge Journal of Economics, 2000, 24(4):393-416.
[21] 邓翔, 李双强, 李德山.政府采购、融资约束与企业创新[J].科技进步与对策,2018,35(12):92-98.
[22] 张文菲,金祥义.信息披露如何影响企业创新:事实与机制——基于深交所上市公司微观数据分析[J].世界经济文汇,2018(6): 102-119.
[23] 杨国超,刘静,廉鹏,等.减税激励、研发操纵与研发绩效[J].经济研究,2017(8): 110-124.
[24] 余明桂,钟慧洁,范蕊.业绩考核制度可以促进央企创新吗?[J].经济研究,2016(12): 104-117.
[25] 逯东,王运陈,付鹏. CEO激励提高了内部控制有效性吗——来自国有上市公司的经验证据[J].会计研究,2014(6):66-72.
[26] HADLOCK C J , PIERCE J R . New evidence on measuring financial constraints: moving beyond the KZ index[J].Review of Financial Studies, 2010, 23(5):1909-1940.
[27] 鞠晓生,卢荻,虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究,2013(1): 4-16.
[28] 温忠麟,张雷,侯杰泰,等. 中介效应检验程序及其应用[J].心理学报,2004,36(5):614-620.
[29] MUKHERJEE A, SINGH M, ŽALDOKAS A. Do corporate taxes hinder innovation[J].Journal of Financial Economics, 2017,124 (1):195-221.
[30] YU F. Analyst coverage and earnings management[J].Journal of Financial Economics,2008, 88(2):245-271.