The Spillover Effect of Peers' Narrative Innovation Information Disclosure Based on Machine Learning and Textual Analysis

Chen Yixin1, Zhang Ting2, Ma Chen1

(1. School of Economics and Management, Northwest University, Xi'an 710127, China; 2. School of Business, Nanjing University of Information Science and Technology, Nanjing 210044, China)

Abstract：Adequate information acquisition is beneficial for firms to identify innovation projects, acquire innovation knowledge, and evaluate innovation value. A rich information environment is necessary for promoting corporate innovation performance. Previous studies have shown that, due to similar economic conditions and market environments, peer firms' information disclosure is an important channel for target firms to obtain decision-making information. Firms can conduct research to formulate financial decisions suitable for their own development according to the collected peers' annual report information. Therefore, peers' information disclosure has an economic spillover effect. Will the information disclosure of peer firms affect the target firm's innovation decisions by improving the information environment? The answer to this question can not only help advance the understanding of the spillover effects of information disclosure, but is also of great significance for building an information environment conducive to corporate innovation.

To this end, this paper studies whether peer firms' narrative innovation information disclosure affects target firms' innovation performance. It takes Chinese A-share listed companies from 2006 to 2022 as the sample, covering a total of 80 industries. The data on firms' patent applications and citation frequency in this study are from the CNRDS and WinGo databases, respectively. The annual report text of listed companies is from Juchao, an information disclosure website designated by the China Securities Regulatory Commission for listed companies, and the text corpus is preprocessed using WinGo data platform tools. Other data are from the CSMAR database. The study employs machine learning and textual analysis to construct the variables of narrative innovation information disclosure and finds that the increase in the level of peers' narrative innovation information disclosure significantly promotes the quantity and quality of target firms' innovation output. Specifically, for each increase in the level of peers' narrative innovation information disclosure by one standard deviation, the total number of patent applications by the target firm in the next period will increase by 0.197, and the number of patent citations will increase by 0.092, accounting for 8.9% and 11.65% of their respective averages.

This spillover effect is more pronounced when target firms' narrative innovation disclosure has more positive tones, higher levels of readability, and is more forward-looking. Mechanism tests show that expanding the access to innovation information of target firms and enhancing the governance effect on the opportunistic behavior of target firms' management are the underlying mechanisms. In further analysis, according to the matching between the level of innovation information and the real performance of corporate innovation, this paper finds that, compared with the disclosure style of “inconsistent words and deeds”, the peers' narrative innovation information disclosure style of “consistent words and deeds” can promote the innovation performance of target firms more significantly. Finally, peers' narrative innovation information disclosure significantly promotes the long-term operating performance of target firms by improving their innovation performance.

The main findings of this paper provide empirical evidence on the effectiveness of narrative innovation information disclosure from the perspective of peer firms, expanding the research perspective on the spillover effects of non-financial information disclosure. The following policy implications are presented. First, government should value the importance of innovation information disclosure and build an institutional environment that encourages listed companies to fully and truthfully disclose innovation information. The policy-making departments should further introduce relevant standards aimed at improving the readability and forward-looking nature of narrative innovation information in annual reports and avoiding low-quality information disclosure. Second, the listed companies should pay attention to the narrative innovation information in their peers' annual reports and improve their ability to distinguish innovation information. When dealing with peers' innovation information, the listed companies should make reference to peer firms' innovation practices, focus on the information that matches practices,and select innovation directions that meet the development needs of the industry.

Key Words：Peer Firm; Narrative Innovation Information; Spillover Effect; Corporate Innovation; Machine Learning

收稿日期：2023-09-12

修回日期：2023-11-13

基金项目：国家自然科学基金青年项目(72102181)

作者简介：陈怡欣(1991—),男,陕西西安人,博士,西北大学经济管理学院讲师,研究方向为供应链会计、信息披露与企业创新;张婷(1993—),女,四川南充人,博士,南京信息工程大学商学院讲师,研究方向为财务与管理大数据、文本分析与机器学习等; 马晨(1983—),男,陕西西安人,博士,西北大学经济管理学院教授、博士生导师,研究方向为供应链会计与审计。本文通讯作者:张婷。

DOI：10.6049/kjjbydc.2023090336

开放科学(资源服务)标识码(OSID)：

中图分类号：F271.5

文献标识码：A

文章编号：1001-7348(2024)15-0022-11

0 引言

内生经济增长理论认为,创新不仅是塑造企业竞争优势的关键,也是国家经济可持续增长的根本动力。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出,坚持创新在我国现代化建设全局中的核心地位,实施创新驱动发展战略。在此背景下,探讨如何增强企业自主创新意愿、优化创新资源配置,进而推动实质性创新能力提升具有理论意义和现实价值。

创新是吸收和利用既有信息以创造新信息的过程[1]。充分的信息获取有利于企业甄别创新项目、获取创新知识、评估创新价值,良好的信息环境是企业创新的必要条件[2]。同群效应研究表明,由于面临相似的经济条件和市场环境,同行信息是企业制定决策的重要参考。企业能够利用同行信息制定适合自身发展情况的财务决策[3]。已有文献基于财务信息视角研究发现,同行企业信息披露会影响企业投资[4]、信息披露[5-6]和投资者行为[7]。现有非财务信息披露研究主要关注企业年报“管理层讨论与分析”(以下简称“MD&A”)章节语调的溢出效应,结果发现,同行积极语调能够促进企业创新投入[8-9]。然而,鲜有文献基于信息内容视角探讨非财务信息披露的溢出效应,对与创新密切相关的描述性创新信息关注不足。

中国股票市场于2023年2月全面实行注册制改革,企业年报中以文本为载体、具有信息含量的描述性创新信息披露水平不断提高,成为影响企业市场估值的重要因素。为了获得更高的估值,上市企业会积极披露未来研发方向、在研项目进展、专利授权情况、成果市场前景等描述性创新信息,以此弥补研发支出等会计信息无法反映企业创新全貌的不足,从而改善企业创新信息环境。鉴于信息环境对企业创新的重要意义,本文关注同行企业描述性创新信息披露对企业创新绩效的溢出效应及作用机制,并进一步考察上述信息的文本特征对溢出效应的影响。

本文研究贡献如下:第一,将非财务信息披露内容引入信息披露溢出效应研究领域。与现有文献不同,本文关注同行描述性创新信息及其文本特征对目标企业创新绩效的影响,响应Leuz&Wysocki[10]的研究呼吁(关注信息披露溢出效应对实体经济发展的影响)。第二,深化对描述性创新信息披露经济后果的理解。现有描述性创新信息披露研究主要关注相关影响因素[11-12],结果发现,描述性创新信息披露能够提高分析师预测表现[13]、降低股价同步性[14]。需要指出的是,鲜有文献基于同行企业视角考察这类信息溢出对目标企业创新的影响。本文结论有助于深化对描述性创新信息披露经济后果的理解。第三,通过构建语调、前瞻性、可读性等特征变量,揭示文本特征差异的调节效应。本文通过提取年报描述性创新语句,探讨描述性创新信息披露语调、可读性和前瞻性的调节效应,证实文本特征对非财务信息披露的经济后果具有重要影响。

1 文献综述与研究假设

1.1 同行企业信息披露的溢出效应

由于面临相似的宏观政策和市场环境,同行企业商业模式和主营业务相似,彼此间信息披露具有较强的相关性。同行私有信息和公开信息披露均可能影响企业决策,产生同群效应。已有文献基于财务信息披露视角发现,当企业董事会或管理层人员存在交集时,企业在避税[15]、盈余预测[16]和资本投资[17]方面存在同群效应。

企业可参考同行上市公司财务信息制定决策。现有研究发现,同行企业盈余预测能够传递私有信息,降低目标企业对市场需求预测的不确定性,进而促进投资效率[3]和管理层盈余预测频率[5]提升。同行企业强制性财务信息披露能够传递系统性行业信息,与目标企业自愿性信息披露存在替代关系[6]。此外,同行企业财务造假会导致企业高估市场需求,进而降低企业决策效率[18]。在市场反应上,同行财务信息披露会提升目标企业股票流动性[19],进而降低资本成本[20]。当同行企业发生财务重述时,目标企业股价也会降低[7]。现有研究考察了非财务信息披露特征的影响,结果发现,同行企业年报MD&A章节积极或消极语调会导致企业增加或减少资本支出与创新投资[8-9,21]。然而,对于非财务信息披露内容是否存在溢出效应这一问题,现有文献尚未形成统一结论。

1.2 描述性创新信息披露相关研究

现有文献更多关注以数字为载体的创新信息披露,包括企业研发支出和专利申请等,然而这类信息难以反映企业创新过程、计划和市场前景。作为对数字信息的解释与补充,描述性创新信息披露能够有效缓解与投资者信息不对称问题。在金融与科技深度融合的资本市场环境下,创新信息披露是避免企业价值被低估的重要途径。然而,创新信息属于企业专有信息,这类信息披露会产生知识溢出效应。因此,企业管理层在制定披露决策时会权衡成本与收益。

已有文献发现,知识产权保护能够降低描述性创新信息披露成本,促进披露水平提高[12]。在盈余水平较低时,企业会加强描述性创新信息披露,避免市值被低估[11]。现有相关研究发现,这类信息披露有利于减少分析师预测偏差和分歧[13],降低股价同步性[14],从而提高市场定价效率[22]。然而,已有研究较少基于同行企业财务决策视角,探讨描述性创新信息披露的溢出效应。

综上,已有文献主要聚焦各类财务信息,以及非财务信息语调的溢出效应,忽视了不同属性信息内容对目标企业决策的影响,尚未考察描述性创新信息披露对同行企业决策的影响。本文基于同行企业创新决策视角,考察年报描述性创新信息披露及其文本特征的溢出效应,是对现有相关文献的有益补充。

1.3 同行描述性创新信息披露与企业创新绩效

中国股票市场关于描述性创新信息披露的准则规定,始见于2003年12月《公开发行证券的公司信息披露内容与格式准则第2号—年度报告的内容与格式》(以下简称“《准则第2号》”)。2021年6月,《准则第2号》修订版颁布。因此,上市公司在年报中主要对以下5类创新信息进行披露:企业创新产业布局和政策背景;企业创新组织管理与研发进展;企业创新战略方向和发展思路;企业创新经济和社会效益;创新成果和资质认定。

相较于研发投入等财务信息,描述性创新信息有助于外界更好地评估创新成功概率、企业竞争优势,以及行业发展方向,进一步揭示企业创新价值。基于实物期权和委托代理理论,本文提出同行描述性创新信息披露对目标企业创新绩效的作用机制,即信息学习机制与信息治理机制。

(1)信息学习机制。依据实物期权理论,企业创新投资专用性特征显著,具有不可逆性,可看作是等待执行的看涨期权。在决定是否创新时,企业需要权衡当下行权收益与未来行权收益,如果当下收益净现值高于创新投入和等待期权价值,则会开展创新。在期权定价模型中,等待期权价值与收益不确定性正相关。不确定性水平越高,代表企业投资机会成本越高,等待未来行权的价值越高。因此,项目收益不确定性水平越高,企业越会推迟创新投资。可见,不确定性风险会抑制企业创新意愿[23]。

有效的信息获取是降低不确定性风险,提高企业创新效率,加快创新战略布局的关键举措。Aghion&Jaravel[1]发现,行业内知识溢出会激励企业加强研发投入,通过强化创新能力提升自身创新绩效;Kong等[2 ]发现,信息获取在创新方案制定、技术创新研发和商业转化阶段扮演重要角色。

由于面临相似的市场机遇与挑战,同行企业在创新项目选择上存在较强的技术相关性。已有文献证明,企业会根据同行公开信息识别创新机会,从而优化项目选择[24]。同行企业描述性创新信息有助于企业降低创新过程中的不确定性风险。首先,这类知识溢出有助于企业丰富自身信息储备。企业可以通过信息聚合、归纳预判未来行业发展方向,识别创新机会,从而降低项目前景预测的不确定性风险。其次,同行研发进展信息有助于企业客观评估相似项目研发难度与风险,进而减少重复性研发与资源浪费[25]。综上,根据实物期权理论,较低的创新不确定性风险能够增强企业创新意愿,有助于企业合理配置创新资源,从而提升自身创新绩效。

(2)信息治理机制。企业创新具有高不确定性、高风险和长周期特征。在创新过程中,管理层是企业创新决策的制定者和执行者。然而,受委托代理问题的影响,“创新短视”现象普遍存在。为了最大化私有收益,管理层会削减有利于长期价值增长的研发支出,具体表现为两个方面:一方面,管理层会将企业资源投向风险较低的项目;另一方面,股东可能将非人为因素导致的创新失败归咎于管理层,加大管理层被处罚甚至被解雇的风险,上述职业担忧会弱化其创新意愿[26]。

缓解上述代理问题的关键在于降低股东与管理层信息不对称。财务信息透明度(Zhong,2018)、信息披露质量(蒋艺翅,姚树洁,2022)和会计可比性(江轩宇,2017)有助于股东对管理层创新决策进行有效监督,进而对企业创新绩效产生积极影响。然而,上述研究仅关注企业自身信息披露,现实中,管理层并不具备提高信息披露质量,进而帮助股东监督自己的主观动机。因此,股东亟需借助同行业创新信息构建评判标准。

同行企业描述性创新信息能够发挥治理作用。股东通过收集同行创新信息构建管理层创新表现评价标准,以此评判管理层是否在企业创新活动中存在懈怠。股东通过获取同行描述性创新信息跟踪同行创新项目研发过程,感知项目研发难度,进而正确评估本企业创新项目成功率。在创新失败时,能够更加客观地看待并包容创新失败。综上,本文提出如下研究假设:

H1:同行描述性创新信息披露水平提高能够促进目标企业创新绩效提升。

1.4 描述性创新信息文本特征的影响

文本特征会影响非财务信息含量,以及信息使用者获取信息的难易程度。本文进一步探讨描述性创新信息语调、可读性和前瞻性的影响。

语调被广泛用于衡量自然语言的积极或消极态度,能够传递信息发布者对未来的预期。已有研究发现,企业会根据同行MD&A章节语调调整自身投资决策,文本中包含的积极词汇越多,说明行业内投资机会越多,有助于目标企业增加投资,而消极语调会抑制目标企业投资[9,21]。描述性创新信息相关研究发现,相较于消极语调,积极语调的信息披露能够揭示同行对创新项目的乐观预期,有助于目标企业强化自身学习意愿,从而识别具有前景的研发方向。此外,积极语调的信息披露可能揭示企业未来创新战略,帮助股东掌握行业创新动态,进而发挥治理效应。

文本可读性是衡量非财务信息披露质量的重要指标,较强的可读性能够降低信息使用者对文本理解的难度,使其更好地掌握信息内涵。Chen等[27]研究发现,伴随客户企业业绩预告可读性增强,供应商投资效率提高。较强的可读性能够帮助信息使用者获取更多决策信息,从而提升决策效率。因此,当同行描述性创新信息披露的可读性较强时,目标企业管理层能够获取更多决策信息,股东可以有效治理代理问题,从而进一步促进创新绩效提升。

相较于历史信息,前瞻性信息更能传递企业创新战略以及潜在创新风险,具有更高的信息含量[11,14]。一方面,前瞻性创新信息有助于目标企业准确预测行业发展方向,进而提高创新项目甄别能力,制定有利于自身长期发展的创新战略。另一方面,相较于历史性描述,前瞻性信息有助于股东参考同行创新计划评判管理层在创新工作中的努力程度,避免管理层“创新懈怠”。股东能够通过前瞻性语句了解同行企业研发规划,感知相关项目研发难度,从而对创新失败更加包容。综上,本文提出以下研究假设:

H2a:语调越积极,同行描述性创新信息披露对目标企业创新绩效的促进作用越显著;

H2b:可读性越强,同行描述性创新信息披露对目标企业创新绩效的促进作用越显著;

H2c:前瞻性信息比重越大,同行描述性创新信息披露对目标企业创新绩效的促进作用越显著。

综上,本文构建研究概念模型如图1所示。

2 研究设计

2.1 样本选择与数据来源

本文以2006—2022年中国A股上市公司为研究样本,并对其进行如下筛选:①剔除行业代码首字母为“J”的金融业、保险业上市公司;②剔除ST、*ST或PT的公司样本;③剔除研究变量缺失样本。最终,得到40 524个公司—年度观测值。本文企业专利申请数据和被引用次数数据分别来自CNRDS、WinGo数据库,上市公司年度报告文本来自巨潮资讯网,其它数据来自CSMAR数据库。本文使用WinGo数据平台工具对文本语料进行预处理,依据《上市公司行业分类指引》(2012年修订)对行业进行划分,样本公司涉及80个行业。

2.2 变量定义

2.2.1 被解释变量

企业创新绩效(Innovation)。参考现有相关文献[2],本文采用两类专利数据衡量企业创新绩效。其中包括企业当年申请并最终授权的专利总数(PAT),它能够反映企业整体创新产出“数量”。为了反映创新“质量”,本文采用企业当年申请并在专利公开后5年内被后续专利引用次数(CIT)作为第二类绩效指标,上市公司专利被引用次数相关数据最新统计年份为2021年。为了满足被解释变量正态分布的要求,本文对上述两类变量进行自然对数处理,分别以Ln(1+PAT)和Ln(1+CIT)表示。

2.2.2 解释变量

同行描述性创新信息披露(Inno_Dis)。与传统词典法不同,本文采用“种子词集+Word2Vec相似词扩充”方法构建描述性创新信息指标。参考相关文献[11,28],对年报多次研读校验得到种子词集。相较于传统词典法,Word2Vec神经网络模型可以根据语义信息将词汇转换为多维向量,并通过计算向量的相似度得到相似词。本文采用其中的CBOW(Continuous Bag-of-words Model)模型对中文语料进行训练。描述性创新关键词如见表1所示。

在构建描述性创新关键词词集后,本文以年报中描述性创新信息的总词频/年报总词频衡量描述性创新信息披露水平。在此基础上,本文采用当年除目标企业外其余同行企业描述性创新信息披露水平的算术平均数衡量同行描述性创新信息披露水平(Inno_Dis)。

2.2.3 调节变量

本文涉及的调节变量包括描述性创新信息语调、可读性和前瞻性信息含量。参考现有文献,本文从年报文本中提取描述性创新信息相关语句,在此基础上构建描述性创新信息特征指标,具体构建方法如下:

(1)语调特征用于衡量自然语言中情感的积极性或消极性。本文采用情感词典法提取描述性创新信息的语调指标,借助金山词霸等权威工具对L&M词典中的积极词汇和消极词汇进行词集翻译并构建种子词集,再使用同义词词林工具对种子词集进行扩充,最终得到3 823个积极词汇和7 683个消极词汇。在获得积极词典和消极词典后,本文采用式(1)进行计算。

(1)

其中,Wordcnt_Pos是指年报描述性创新信息文本中的积极词汇词频,Wordcnt_Neg是指年报描述性创新信息文本中的消极词汇词频,分母加1是为了避免分母为0的情况。本文采用同行企业描述性创新信息语调的算术平均值衡量同行描述性创新信息语调(Inno_Tone)。

(2)可读性是指理解文本信息的难易程度。信息可读性越强,其内容表述方式越容易理解。本文采用常用字密度作为可读性的代理变量,常用字密度是指年报文本每一百字中出现的常用字个数。常用字个数采用描述性创新信息的总字数减去其中次常用字的字数表示,次常用字来自《现代汉语次常用字表》(1988)。常用字密度越大,说明描述性创新信息可读性越强,具体计算公式如下:

(2)

其中,Charcnt_Hard表示年报描述性创新信息中包含此常用字的句子数目,Charcnt_Total表示年报描述性创新信息内容的总句数。类似地,本文采用同行其余企业描述性创新信息可读性的算术平均值衡量同行描述性创新信息可读性水平(Inno_Read)。

(3)描述性创新信息不仅包括企业对过去和当前创新活动的描述,而且包括企业未来创新计划,即前瞻性内容。本文采用“种子词集+Word2Vec相似词扩充” 方法确定前瞻性关键词词集,再计算出描述性创新信息句子中包含前瞻性词汇的句子比例,具体计算公式如下:

(3)

其中,Sentcnt_Forward表示年报描述性创新信息内容中包含前瞻性词汇的句子数目,Sentcnt_Total表示年报描述性创新信息内容的总句数。类似地,本文采用同行其余企业描述性创新信息的前瞻性语句算术平均值衡量同行描述性创新信息前瞻性水平(Inno_Fwrd)。

2.2.4 控制变量

参考现有文献,本文模型控制变量包括目标企业描述性创新信息披露水平(Inno_Dis_Self)、企业规模(Size)、资产负债率(Lev,总负债与总资产的比值)、上市时间(Age,企业上市至今的年数)、盈利能力(ROA,总资产报酬率)、现金持有水平(Cash,货币资金与总资产的比值)、有形资产比例(PPE,固定资产净值与总资产的比值)、同行企业平均资产规模(Size_Peer)、资产负债率(Lev_Peer)、上市时间(Age_Peer)、盈利能力(ROA_Peer)、现金持有水平(Cash_Peer)、有形资产比例(PPE_Peer)。

2.3 模型构建

借鉴已有研究成果[9],本文建立如下模型:

Innovationi,t+1=β0+β1Inno_Disi,t+β2CVi,t+Yeart+Firmi+εi,t

(4)

Innovationi,t+1=β0+β1Inno_Disi,t+β2Xi,t+β3Inno_Disi,t×Xi,t+β4CVi,t+Yeart+Firmi+εi,t

(5)

其中,Innovationi,t+1代表企业未来一期创新绩效,Inno_Disi,t为当期同行企业描述性创新信息披露水平,CVi,t为控制变量,Xi,t为文本特征的调节变量,Yeart、Firmi分别为年度和公司固定效应,εi,t代表随机扰动项。本文对所有连续变量进行1%水平上的双边缩尾处理,对标准误进行聚类处理,并对模型(5)中的交互项进行中心化处理。

2.4 描述性统计

变量描述性统计结果如表2所示。结果显示,样本企业描述性创新信息披露(Inno_Dis_Self)的均值为0.8%,代表年报的每1 000个词组中,有8个词组包含创新信息。从企业创新产出看,企业每年平均申请并最终授权的专利总数(PAT)为40.08,标准差为96.888,表明企业样本在专利申请数量上差异较大。从专利产出质量角度,专利公开后5年内,企业专利平均被引用次数为13.913,标准差为45.698。由此说明,相较于专利产出数量,企业样本在专利质量上的差异更显著。

3 实证结果与分析

3.1 基准回归结果分析

根据模型(4)的设定,本文采用OLS回归对研究假设进行检验,结果如表3所示。列(1)中,同行描述性创新信息披露(Inno_Dis)的回归系数在1%水平上显著为正,表明同行描述性创新信息披露水平提高有助于目标企业有效专利申请总量增加。列(2)中,解释变量同样在1%水平上显著为正,说明同行描述性创新信息披露提高不仅可以促进企业创新成果数量增加,而且能够促进企业创新成果质量提升。此外,回归系数的经济意义同样显著:解释变量每提高1个标准差(0.003),下一期目标企业专利申请数量增加0.197且专利5年内被引用次数增加0.092,分别占各自均值的8.9%、11.6%。实证结果表明,同行描述性创新信息对企业创新绩效具有正向溢出效应,假设H1得到支持。

3.2 异质性检验结果分析

文本特征调节效应检验回归结果如表4所示。列(1)(2)中,同行描述性创新信息披露及其与积极语调的交互项(Inno _Dis×Inno_Tone)系数分别在5%、1%水平上显著为正,说明同行描述性创新信息语调越积极,这类信息披露对目标企业创新绩效的促进作用越显著,假设H2a得到支持。同理,列(3)(4)中,交互项(Inno _Dis×Inno_Read)系数均在1%水平上显著为正,说明较强的可读性能够降低目标企业信息获取难度,进一步强化同行创新信息披露的溢出效应,假设H2b得到支持。列(5)(6)中,交互项(Inno _Dis×Inno_ Fwrd)系数均在1%水平上显著为正,表明同行描述性创新信息中前瞻性信息占比越大,这类信息披露对目标企业创新绩效的溢出效应越显著,假设H2c得到支持。

3.3 稳健性检验

3.3.1 内生性问题处理

本文使用工具变量法处理潜在内生性问题。在同一行业内,企业在制定创新决策时会受到共同行业因素影响,这些因素也会间接影响同行企业描述性创新信息披露。为缓解不可观测遗漏变量导致的内生性问题,借鉴李姝等[9]的研究方法,本文选取滞后一期同行业企业股票特质收益率(Alpha)作为工具变量,并运用两阶段最小二乘法对研究假设进行检验。

(1)股票特质收益率能够反映企业特质性风险收益,与企业信息披露存在显著相关关系。在第一阶段回归中,当以同行描述性创新信息披露(Inno_Dis)为被解释变量,同行企业股票特质收益率(Alpha_Peer)为解释变量时,回归系数在1%水平上显著为正。F统计值为519.37,大于经验值10,说明工具变量并非弱工具变量。

(2)股票特质收益率计算过程排除了系统性因素,收益率仅与企业层面因素相关,受不可观测系统性遗漏变量干扰的可能性较小。表5列(1)和列(2)展示了第二阶段回归结果,结果显示:采用第一阶段回归拟合值作为第二阶段解释变量情景下,回归系数均在1%水平上显著为正,结果受遗漏变量影响的概率较低。

3.3.2 其它稳健性检验

(1)被解释变量滞后期数。考虑到企业创新周期较长,描述性创新信息披露对目标企业创新绩效的影响可能存在时滞性,因而对模型(4)中的被解释变量作滞后二期处理,结果见表5列(3)(4)。由此可见,结果具有稳健性。

(2)使用发明专利申请数量衡量创新绩效。将企业当年申请并最终授权的发明专利数量(INV)的自然对数作为被解释变量进行检验,表5列(5)中解释变量的回归系数在1%水平上显著为正。

(3)使用MD&A章节作为描述性创新信息披露的语料来源。以年报MD&A章节作为描述性创新信息的语料来源,构建解释变量进行检验,表5列(6)(7)中,解释变量的回归系数均在1%水平上显著为正。上述检验结果表明,研究结果具有稳健性。

4 进一步研究

4.1 影响机制检验

参考Xu(2018)的研究成果,本文采用分组回归方式进行机制检验。

4.1.1 信息学习机制

本文无法直接分辨目标企业创新决策信息来源,但可以通过揭示目标企业在不同创新知识获取难易程度情景下,同行描述性创新信息披露对创新绩效的影响差异,进而间接验证这一影响机制。若目标企业获取同行创新知识的难度较大,则管理层对于同行年报中的描述性创新信息会更加重视,同行描述性创新信息披露对企业创新绩效的促进作用更加显著。

为了衡量目标企业获取创新知识的难易程度,本文以是否被机构投资者在同行业交叉持股作为代理变量。大量研究证明,企业能够通过被交叉持股获取其它被持股企业的特质信息[29]。此时,同行描述性创新信息披露对未被交叉持股企业的影响更为显著。本文保留持股数量与流通股股数之比不低于5%的机构投资者,如果这一机构投资者在同季度对同行业其它企业持股的比例也不低于5%,则说明该企业存在机构交叉持股(NCross=0),否则未被交叉持股(NCross=1)。以5%作为统计阈值的依据如下:一是5%代表重大股权变动的警示线;二是相关文献普遍以5%作为大股东持股下限,持有5%以上股份能够对企业决策产生重大影响。表6列(1)(2)中,交互项Inno _Dis×NCross的回归系数在1%水平上显著为正。由此,实证结果支持信息学习机制。

4.1.2 信息治理机制

根据前文分析,目标企业股东能够通过参考同行描述性创新信息有效治理管理层代理问题,从而促进创新绩效提升。然而,治理效应的发挥受管理层权力的影响。在管理层权力较高时,股东对管理层“创新短视”的治理效果有限。在管理层权力较小时,信息披露对目标企业创新绩效的促进作用得到强化。参考权小锋和尹洪英(2017)的研究成果,本文使用董事长和总经理“两职合一”作为测度变量,未“两职合一”代表管理层权力较小(UnDual=1),反之代表管理层权力较高(UnDual=0)。

表6列(3)(4)中,交互项Inno _Dis×UnDual的回归系数均在1%水平上显著为正,表明较小管理层权力能够增强信息披露的创新溢出效应。原因在于,同行描述性创新信息披露的治理效应会受到管理层权力的影响,权力集中的管理层实施机会主义行为的成本较低,股东对其机会主义行为的治理效果有限。由此,实证结果支持了信息治理机制。

4.2 信息披露可靠性的影响

描述性创新信息既可能是企业创新活动的真实写照,也可能是企业出于市值管理考虑的策略性炒作。不同披露动机下,信息披露的可靠性存在较大差异。

按照信息披露与企业真实创新活动是否匹配,本文将披露行为分为“言行一致”型和“言行不符”型。对于“言行一致”的信息披露,目标企业管理层能够从中获取更多真实信息,对指导创新实践具有积极意义。相反地,若管理层出于某种目的进行“言不符实”的描述性创新信息披露,信息披露不可靠,则会导致目标企业缺乏使用这类信息指导创新实践的意愿。本文认为,相较于“言行不符”的信息披露,“言行一致”的信息披露更能促进目标企业创新绩效提升。

为了检验上述推论,本文以企业研发支出强度(研发支出与总资产比值)作为“行”的衡量,以描述性创新信息披露反映“言”。本文按照年度、行业对两类变量三等分,若“行”和“言”同属于相同等分区间,则判定为“言行一致”,否则为“言行不符”。当仅保留行业内“言行一致”企业时,计算行业内企业描述性创新信息披露水平的平均值,以此作为衡量同行描述性创新信息披露水平的变量(Inno_Dis_True);当仅保留“言行不符”企业时,以当年行业描述性创新信息披露水平均值作为衡量同行描述性创新信息披露水平的变量(Inno_Dis_False)。将上述两类变量代入模型(4)进行检验,回归结果见表7。结果显示,当同行描述性创新信息披露“言行一致”时,这类信息对目标企业创新绩效的促进作用在1%水平上显著。相反,“言行不符”型信息披露未能显著促进目标企业创新绩效提升。

4.3 经济后果检验

实证检验结果显示,同行描述性创新信息披露对目标企业创新绩效具有积极影响,能够显著提高目标企业专利产出“数量”与“质量”。由此,本文提出以下推论:目标企业长期经营业绩得到显著提高。参考Kim等[30]的研究成果,本文采用两阶段最小二乘法对上述推论进行检验。在一阶段模型中,通过模型(4)估计被解释变量创新绩效的估计值被解释变量的估计值能够体现目标企业创新绩效变化情况。在二阶段模型中,以两类变量的估计值作为解释变量,以企业经营绩效为被解释变量,其余控制变量不变。企业长期经营绩效分别以企业未来3年和5年总资产回报率的均值(ROA3、ROA5)表示。由于一阶段模型与模型(4)完全一致,此处仅列示二阶段回归结果。表8显示,当以基于一阶段模型拟合值得到的目标企业创新绩效作为解释变量时,回归系数均在1%水平上显著为正。上述结果说明,同行描述性创新信息披露能够通过提高目标企业创新绩效促进其长期经营业绩提升。

5 结语

5.1 主要结论

本文研究发现,描述性创新信息披露水平提高能够显著促进目标企业专利产出“数量”和“质量”提升。在一系列稳健性检验后,上述结论依然成立。当信息披露的语调积极、文本可读性水平与前瞻性水平较高时,同行描述性创新信息披露的影响更加显著。作用机制检验结果表明,拓宽企业信息学习渠道和加强股东治理是信息披露促进目标企业创新绩效提升的重要作用机制。进一步研究发现,相较于“言行不符”信息披露,“言行一致”信息披露的可靠性更强,更能促进目标企业创新绩效提升。在经济后果方面,通过提升创新绩效,目标企业长期经营业绩得以显著改善。

5.2 理论贡献

本文为我国A股市场描述性创新信息披露的有效性提供了经验证据。在现有文献的基础上[8-9,21],本文基于内容属性视角,深化了非财务信息披露溢出效应研究,揭示了描述性创新信息文本特征的调节效应,通过匹配“披露”与“实践”相关变量衡量了非财务信息披露的可靠性,为未来研究提供了借鉴,也响应了Roychowdhury等(2019)的研究呼吁(对专有信息披露的溢出效应进行深入探讨)。

5.3 研究启示

(1)政府应重视创新信息披露的重要性,通过加强知识产权保护等途径鼓励上市企业高质量地披露创新信息。

(2)政府应进一步出台企业年报描述性创新信息披露质量相关准则,增强信息披露的可读性和前瞻性。

(3)上市企业应积极关注同行信息,提高信息甄别能力,了解同行其它企业创新进展、创新战略和项目价值等关键信息,从而提升自身决策效率。

5.4 不足与展望

本文存在以下不足:第一,由于文本分析方法的局限,未能对描述性创新信息披露内容进行分类,未来可进一步考察不同内容属性的创新信息披露能否引发异质性经济后果。第二,企业年报中非财务信息较多,本文仅对其中的描述性创新信息进行研究,未涉及风险因素和企业战略等其它类型非财务信息,未来可进一步探讨其它类型非财务信息披露的溢出效应。第三,仅从企业创新视角开展分析,未来可从企业融资、信息披露、战略转型等视角进一步探讨同行信息披露的溢出效应。

参考文献：

[1] AGHION P, JARAVEL X. Knowledge spillovers, innovation and growth [J].The Economic Journal,2015, 125(583): 533-573.

[2] KONG D, LIN C, WEI L, et al. Information accessibility and corporate innovation [J].Management Science,2022, 68(11): 7837-7860.

[3] FOUCAULT T, FRESARD L. Learning from peers' stock prices and corporate investment [J]. Journal of Financial Economics, 2014, 111(3):554-577.

[4] BEATTY A, LIAO S, YU J. The spillover effect of fraudulent financial reporting on peer firms' investments [J]. Journal of Accounting and Economics, 2013, 55 (2-3): 183-205.

[5] SEO H. Peer effects in corporate disclosure decisions[J]. Journal of Accounting and Economics, 2021, 71(1): 101364.

[6] BREUER M, HOMBACH K, MULLER M A. When you talk, I remain silent: spillover effects of peers' mandatory disclosures on firms' voluntary disclosures[J]. The Accounting Review, 2022, 97(4): 155-186.

[7] GLEASON C A, JENKINS N T, JOHNSON W B. The contagion effects of accounting restatements[J]. The Accounting Review, 2008, 83 (1): 83-110.

[8] DURNEV A,MANGEN C.The spillover effects of MD&A disclosures for real investment: the role of industry competition [J].Journal of Accounting and Economics, 2020, 70(1): 101-299.

[9] 李姝,杜亚光,张晓哲.同行MD&A语调对企业创新投资的溢出效应[J].中国工业经济,2021,38(3):137-155.

[10] LEUZ C, WYSOCKI P D. The economics of disclosure and financial reporting regulation: evidence and suggestions for future research [J]. Journal of Accounting Research, 2016,54(2): 525-622.

[11] MERKLEY K J. Narrative disclosure and earnings performance: evidence from R&D disclosures [J].The Accounting Review,2014, 89(2): 725-757.

[12] HUANG R, LI L, LU L Y, et al. The impact of the leahy-smith America invents act on firms' R&D disclosure [J].European Accounting Review, 2021, 30(5): 1067-1104.

[13] 李岩琼,姚颐.研发文本信息:真的多说无益吗——基于分析师预测的文本分析[J].会计研究,2020, 41(2):26-42.

[14] 巫岑,饶品贵,岳衡.注册制的溢出效应:基于股价同步性的研究[J].管理世界,2022, 38(12):177-202.

[15] BROWN J L, DRAKE K D. Network ties among low-tax firms [J]. The Accounting Review, 2014, 89(2): 483-510.

[16] CAI Y, DHALIWAL D S, KIM Y, et al. Board interlocks and the diffusion of disclosure policy [J]. Review of Accounting Studies, 2014, 19(3): 1086-1119.

[17] FRACASSI C. Corporate finance policies and social networks [J]. Management Science, 2017, 63(8): 2420-2438.

[18] LI V. Do false financial statements distort peer firms' decisions [J]. The Accounting Review, 2016, 91(1): 251-278.

[19] KIM J H, LJUNGQVIST A. Information externalities among listed firms[EB/OL]. (2021-12-06) [2023-08-01]. https://www.aeaweb.org/conference/2022/preliminary/paper/dtAKRQAR.

[20] SHROFF N, VERDI R S, YOST B P. When does the peer information environment matter [J]. Journal of Accounting and Economics, 2017, 64(2-3): 183-214.

[21] CHO H, MUSLU V. How do firms change investments based on MD&A disclosures of peer firms [J]. The Accounting Review, 2021, 96(2): 177-204.

[22] 韦琳,肖梦瑶.描述性创新信息能提高资本市场定价效率吗——基于股价同步性的分析[J].财经论丛,2022, 37(8):58-68.

[23] 刘贯春,张军,刘媛媛.宏观经济环境、风险感知与政策不确定性[J].世界经济,2022, 45(8):30-56.

[24] CHIRCOP J, COLLINS D W, HASS L H, et al. Accounting comparability and corporate innovative efficiency[J]. The Accounting Review, 2020, 95(4): 127-151.

[25] KRIEGER J L. Trials and terminations: learning from competitors' R&D failures [J]. Management Science, 2021, 67(9): 5525-5548.

[26] AGHION P, VAN REENEN J, ZINGALES L. Innovation and institutional ownership [J]. American Economic Review, 2013, 103(1): 277-304.

[27] CHEN C, KIM J, WEI M, et al. Linguistic information quality in customers' forward-looking disclosures and suppliers' investment decisions[J]. Contemporary Accounting Research, 2019, 36(3):1751-1783.

[28] BELLSTAM G, BHAGAT S, COOKSON J A. A text-based analysis of corporate innovation [J]. Management Science, 2021, 67(7): 4004-4031.

[29] HE J, HUANG J. Product market competition in a world of cross-ownership: evidence from institutional blockholdings[J]. Review of Financial Studies, 2017, 30 (8): 2674-2718.

[30] KIM Y, SU L, WANG Z, et al. The effect of trade secrets law on stock price synchronicity: evidence from the inevitable disclosure doctrine[J]. The Accounting Review, 2021, 96(1): 325-348.

(责任编辑：张 悦)