秦建文，胡金城

(广西大学 经济学院， 广西 南宁 530004)

一、引言

委托代理理论(Principal-agent Theory)认为，在委托代理关系中，由于委托人和代理人的效用函数不一致而导致两者的利益冲突，如果公司的治理机制不能对代理人形成有效的约束，那么代理人的行为很可能将损害委托人的利益。以企业创新投资为例，一方面，委托人追求个人财富最大化，希望企业通过创新不断提高竞争力，以达到企业价值最大化的目的。另一方面，不同于企业日常生产经营活动，企业创新具有周期长、不确定性大及失败风险高的特性[1]，大部分企业代理人基于个人业绩、职业生涯发展或者个人声誉的考虑，愿意牺牲长期公司价值以实现预期的短期收益目标[2]。因此，从企业创新投资决策博弈来看，代理人更倾向于削减企业创新投资，追求个人利益最大化，但代理人这样的行为却损害了委托人的利益。那么，现代公司治理应该如何去约束代理人的行为来确保委托人的利益不受损害呢？首当其冲应从企业内部入手，通过设计有效的企业治理机制来约束代理人的行为。但是我们同样不能忽视外部治理的作用，因为对企业有效的监督是企业内部治理和外部治理共同作用的结果。

本文聚焦于外部治理途径之一——分析师关注，研究分析师关注能否促进企业创新。现有文献表明，信息不对称和代理冲突是影响企业创新的两个主要因素[3-4]。从第一类代理冲突来看，如上文所言，由于委托人与代理人的效用函数不一致，管理层为了追求个人利益最大化，更倾向于削减企业创新投资以实现短期收益的目标。也就是说，委托人与代理人之间的代理冲突是不利于企业创新的。此外，在企业创新活动中，管理层也可以利用手中的权力谋取私利，由此产生较为严重的代理问题，不利于企业创新[5]。从第二类代理冲突来看，我国上市公司股权相对集中，很多公司甚至一股独大，大股东侵害小股东利益的事件屡见不鲜。常见的手段有强占上市公司资金、关联交易、收购大股东资产、违规为大股东担保和恶意分红等，而已有研究表明大股东的“掏空”行为是不利于企业创新的[6]。从信息不对称角度来看，企业创新活动周期长、不确定性大及失败风险高的特性增加了企业内外的信息不对称程度，这导致外部投资者无法准确判断创新项目带来的收益，因而创新活动越多的企业，其价值越容易被低估，被恶意收购的风险也越高[7]。为了保护企业不被恶意收购，管理者倾向于减少对创新的投资，并将更多资金投入到周期短且回报率可以预见的日常生产经营活动中，造成“管理层短视”问题[8]。

以上分析表明，代理冲突问题的加剧或者是企业内外信息不对称程度的增加都不利于企业创新。企业可以通过完善内部的治理机制来缓解代理冲突问题，比如通过期权激励管理层的方式，缓解管理层与股东的代理冲突，从而促进企业创新[9]。除此之外，外部治理作为内部治理的补充，是现代公司治理体系中重要的一部分，特别是在当前我国证券法律制度不够完善的背景下，更应积极探讨外部治理如何影响企业运行。但是，现有研究鲜有从外部治理角度探讨其与企业创新的关系。已有研究表明，分析师关注能够降低信息不对称程度和缓解代理冲突[10]。那么，分析师关注将如何影响企业创新呢？为了探究两者因果关系，本文以2007—2019年中国A股非金融上市公司为样本，以上市公司申请专利的数量和申请专利的引用量来衡量企业创新，以企业每年受分析师关注的总人数来衡量分析师关注，实证检验两者关系。实证结果发现，分析师关注与企业创新显著正相关，即分析师关注程度越高，企业的创新产出越高。上述实证结果在进行内生性检验和稳健性分析后仍然保持稳健。进一步，本文构造了业绩压力指标，并使用断点回归方法检验了分析师关注向管理层施加的“业绩压力”是否抑制了企业创新。断点回归结果显示，两者之间的关系并不显著。本文结果表明，分析师关注与企业创新之间的正相关关系主要是“信息揭示”假说起主导作用，并没有足够证据表明“业绩压力”假说能够对两者关系起作用。

本文的贡献主要有以下3个方面：首先，本文丰富和推进了外部治理视角研究企业创新的文献。本文的研究表明，分析师关注是影响企业创新的重要因素。在新兴市场国家中，除了需要不断完善公司内部治理机制外，强化分析师的市场中介作用对于加强上市公司监督、促进上市公司创新都具有重要的意义。其次，本文构建了盈余压力指标，并使用断点回归法识别了分析师关注向管理层施加的“业绩压力”是否抑制了企业创新。一方面，利用严谨的实证方法辨清了分析师关注与企业创新之间关系的“驱动力”，即分析师关注仅通过降低企业信息不对称程度作用于企业创新，而分析师关注向管理层施加的“业绩压力”并不作用于企业创新。另一方面，通过构造盈余压力指标和使用断点回归方法，可以有效地缓解内生性问题，为后续研究分析师关注如何影响公司治理提供了新的视角。最后，本文的研究为我国推进上市公司内部治理制度改革，以及进一步发展和规范以分析师为代表的市场中介，更好地发挥外部监督作用提供了理论依据。

二、理论分析和研究假设

(一)分析师关注与企业创新

从理论上说，分析师关注对企业创新有积极和消极两个方面的影响。一方面，分析师关注可以降低信息不对称程度，缓解融资约束，进而促进企业创新，通称为“信息揭示”假说；另一方面，分析师关注向公司经理人施加了短期盈余压力，进而阻碍企业创新，通称为“业绩压力”假说。

企业创新活动不同于企业日常生产活动，创新对于大多数企业都是一个挑战。创新活动需要一个很长的周期，包含着很大的不确定性、高风险性[1]。此外，企业研发活动也具有高度保密性，投资者对企业的研发活动了解不足，因此无法去评估企业创新活动未来的收益。上述企业创新活动的特征加剧了企业和投资者之间的信息不对称程度，因而创新活动越多的企业往往更容易被投资者低估[7]，使得企业面临更高的融资约束，企业管理层将更加没动力去进行创新活动。与此同时，企业管理层将会增加对收益确定、周期较短的项目的投入，造成“管理层短视”问题。根据信息不对称理论，市场上的投资者对企业创新活动掌握的信息较少，属于信息匮乏的一方，处于比较不利的地位，这也是造成企业面临融资约束的一大原因。分析师作为市场监督的重要力量，能够通过信息解读能力减轻企业和投资者之间的信息不对称程度[11]。分析师能够收集企业各种信息，分析评估他们跟踪的企业当前表现，并将其传递给外部投资者。如果分析师能够正确传递有关企业的创新信息给外部投资者，帮助他们理解这些长期投资的真实价值，投资者就更倾向于看好这些企业。对于企业来说，降低了融资成本，进而也提高了企业管理层的创新意愿。分析师通过缓解信息不对称，有效缓解企业融资约束，有利于促进企业创新，我们称之为“信息揭示”假说。

H1a：给定其他条件不变，分析师关注与企业创新正相关，即分析师关注程度更高的企业，其创新产出越高。

由于企业创新活动具有长周期性、不确定性、高风险性，难以短期获得收益，为了达到分析师盈余预测目标，企业管理层倾向于放弃企业创新投资，转而投资周期短、低风险和可预见未来收益的生产经营活动。在一份401个美国公司CFOs的调查报告中，Graham等学者发现大部分CFOs为了个人外部声誉、财富、职业生涯，愿意放弃企业的长期投资而去追求企业的短期业绩，而位列首位的就是企业的创新活动[12]。由于企业创新活动的特殊属性，往往容易造成“第一类代理冲突”，即委托人处于信息劣势，不能对代理人进行完全监督的情况下，代理人有动机为了自身利益，做出有损于委托人利益的行为。分析师的短期盈余预测向企业管理层施加了业绩压力，为了迎合分析师的盈余预测，管理层将通过削减研发费用的方式去追求企业的短期业绩，从而阻碍了企业创新。我们称之为“业绩压力”假说。

H1b：给定其他条件不变，分析师关注与企业创新负相关，即分析师关注程度更高的企业其创新产出越低。

(二)中国资本市场上分析师的治理作用

尽管已有学者使用美国资本市场数据研究发现分析师关注不利于企业创新，但研究结果是否适用于中国资本市场还有待探讨，本文将从以下两个方面探讨：

一方面，已有研究表明，失败容忍度是企业创新的重要影响因素，失败容忍度越高，企业创新表现越好[13]。美国上市公司股权相对分散，大多数都是短期投资者，股东对于公司股价下降容忍度较低。一旦公司股价持续表现不好，管理层则有可能面临解聘的风险。相反，中国上市公司通常股权相对集中。大股东通常长期持有公司股票，大股东的利益在于未来公司价值上升，而提高企业价值的最佳方法是创新，通过创新提高公司竞争力，才能把公司做强做大，短期内公司股价下跌并不影响大股东持有公司股票，因此大股东对失败的容忍度较高。与大股东不同的是，小股东持有公司股票则是短期投资活动，他们更多的是关注公司股价的变动。虽然分析师的盈余预测会向公司管理层施加一定的压力，但是由于中国大多数上市公司股权相对集中，管理层进行创新活动即使达不到分析师盈余预测目标，其面临解聘的风险也相对较小。也就是说，“业绩压力”假说对中国上市公司职业经理人产生的作用相对比较小。

另一方面，中国上市公司的治理机制并不完善，机构投资者、独立董事和银行等市场主体提供的监督作用也有限[14]，这就为分析师发挥其资本市场信息中介的作用提供了广阔空间。大量研究表明，分析师在缓解信息不对称方面有着重要的作用。分析师可以独立对上市公司的信息进行搜集、加工、解读和传递，以缓解投资者和企业之间的信息不对称[11,15]。创新属于专业化的活动，普通投资者在理解这些专业信息时存在一定困难[16]。分析师能够利用其专业能力收集和解读有关企业创新的信息，并通过发布盈余预测报告的形式将信息传递给投资者，很大程度上降低了企业和投资者之间的信息不对称性。此外，分析师会对企业创新活动等有企业长期价值的驱动因素进行重点、持续关注，并通过自身专业的解读将相关信息传递给外部投资者。同时，分析师作为重要的市场监督力量，能够公平、客观地解读企业信息，并将其传递给投资者，帮助投资者更好地理解企业的创新活动。因此，分析师的存在避免了创新较多的企业被低估，同时提高了管理者创新投入的意愿[4]。

综上，本文认为，在中国资本市场上，“分析师关注”更多的是起到了降低信息不对称性，促进企业进行创新的作用，而“分析师关注”给上市公司管理层所带来的业绩压力相对较小。因此，本文提出如下研究假说：

H2：在中国资本市场上，分析师关注对企业创新产生作用的驱动力主要来源于分析师的“信息揭示”作用。

三、样本选择、变量和描述性统计

(一)样本选择与数据

本文以2007—2019年中国A股上市公司为研究样本，在样本筛选过程中，剔除了金融行业样本、ST上市公司样本以及存在的缺失值。为了减少离群值的影响，本文对所有连续变量进行上下1%的Winsorize处理。本文的数据来源情况：上市公司专利的申请及授权数量、申请和授权专利的被引用数量、机构持股比例、股权集中度和管理层持股比例来自于中国研究数据服务平台(CNRDS)，其他数据来自于CSMAR数据库。

(二)变量衡量

1.企业创新

企业创新指标的衡量方法主要有两种：第一，创新的投入，包括研发投入(主要使用R&D投入作为代替指标)和研发人员数量。第二，创新的产出，包括新产品开发的数目、新产品产值和企业专利的数量(主要使用企业专利申请或授权的数量，以及企业申请或授权专利的引用量)。现有研究大多采用企业申请专利的数量来衡量企业创新，因此，本文将从企业创新产出视角，选用专利申请数量和申请专利的被引用数量来测度企业创新。由于专利获批滞后等因素，以及专利的申请年度能比专利的授予年度更好地捕抓到企业的创新[17]，因此，本文借鉴He和Tian的做法，选用t+3期上市公司专利申请数量(发明专利、实用新型专利和外观设计之和)和上市公司申请专利的引用数量作为企业创新的主要指标[18]。在稳健性检验部分，也将使用t+3期上市公司专利授权数量、上市公司授权专利的引用数量作为企业创新指标进一步检验。

2.分析师关注

现有研究主要采用4种不同的方法衡量分析师关注，一是以每年针对目标企业发布盈余预测报告的分析师人数来衡量[19]，二是以每年针对目标企业发布盈余预测报告的券商数量之和来衡量[20]，三是以每年针对目标企业发布盈余预测报告的总数来衡量[18]，四是构造是否有分析师关注的虚拟变量[21]。分析师关注的第一种衡量方法能够准确捕抓到分析师人数变化对企业创新的影响；第二、三种方法则不能准确捕抓到分析师人数变化对于企业创新的影响，更多的是反映券商机构数量和盈余预测报告数量变化对于企业创新的影响；第四种方法侧重点在于分析师人数是否到达某一规模对企业创新的影响。本文使用企业每年受分析师关注的总人数来衡量分析师关注(Coverage)。此外，在稳健性检验部分，本文使用分析师对于目标企业发布的盈余预测报告的数量(Report)来替代原变量，发现实证结果仍保持稳健。

3.其他控制变量

借鉴有关企业创新的研究，本文控制了一系列可能影响企业未来创新产出的控制变量，包括：

第一，企业的基本性质。① 企业股权性质(SOE)。在中国，国有企业与非国有企业之间制度差异非常大，股权性质不同的企业面临不同的融资约束。国有企业因为政府隐性担保，面临融资约束较低。相较于非国有企业，国有企业容易从银行获得贷款。李春涛等的研究也验证了国有企业更具有创新性的观点[22]。该变量为虚拟变量，国有企业取1，其他企业性质为0。② 企业年龄(Age)。处于不同的年龄阶段的企业对企业创新的重视程度也不一样，一般来说年龄较小的企业相对来说更富有创新性。另外，企业的创新在生命周期不同阶段会受益于不同的聚集经济[23]，因此控制企业年龄能缓解因为不同的聚集经济而带来的估计偏误。本文采用企业年龄取自然对数进行测度。③ 企业规模(Size)。Jefferson等研究发现企业规模是影响企业创新的重要因素，规模越大的企业为了保持企业长久竞争力，更倾向于创新投资[24]。本文采用总资产取自然对数来衡量企业规模。

表1 变量定义

第二，企业的主要生产经营和财务指标。④ 资产收益率(ROA)。企业资产收益率反应企业的盈利能力，盈利能力越强，越有充裕的资金进行创新。本文采用净利润/平均资产总额*100%来衡量资产收益率。⑤ 杠杆率(Leverage)。企业的杠杆率越低，偿付能力就越高，较低的杠杆率不仅可以为企业研发投入提供保障，确保创新项目顺利推进，还可以通过并购等方式实现外部创新[25]。因此，其他条件相同情况下，杠杆率越低，创新能力越高，即企业负债率与总资产的比值。⑥ 固定资产占比(PPE)。固定资产可以作为银行贷款的抵押物，固定资产越多，企业融资能力越强，也就更容易满足企业创新项目的资金需求[18]。本文使用企业固定资产与总资产的比值来衡量固定资产占比。⑦ 现金持有比例(Cash)。现有研究表明，融资约束显著抑制企业研发投入[26]。不同的企业面临不同的融资约束，当外源融资受到限制时，企业现金持有比例越高，越有利于创新。本文使用货币资金与总资产的比值来衡量现金持有比例。⑧TobinQ。借鉴现有研究[27]，本文还控制了托宾Q值，采用企业市场价值与总资产的比值来衡量。

第三，企业的治理结构。公司治理是影响企业创新的重要因素。借鉴冯根福等的研究[28]，本文控制了以下公司治理因素：⑨ 机构投资者持股比例(InstOwn)。本文采用基金、社保、券商、QFII、保险和其他机构持股比例之和来衡量。⑩ 管理层持股比例(Manage)和前十大股东持股比例(Holder10)。

(三)描述性统计

表2列出了经过缩尾处理后各变量的描述性统计。样本中，企业专利申请(Patent3)和企业申请专利的引用数量(Citation3)的平均值分别为16.9和25.3，说明样本中上市公司平均每年申请的专利总数为16.9，申请专利的引用数量达到25.3次，但申请专利总数和申请专利的引用数量的标准差分别达到53.7和73.3，说明我国上市公司创新水平差异较大。分析师关注(Coverage)的均值为7.76，说明样本中的公司平均受到约8个分析师关注，但分析师关注(Coverage)的最大和最小值相差较大，最小值为0，中位数为5，因此不同的上市公司受到分析师关注的差异也较大。除了上述一些主要变量的统计外，其他控制变量的描述性统计也较为合理，未有异常统计量。

表2 变量描述性统计

在实证分析之前，我们也通过使用T检验比较了有无分析师关注在主要变量之间的差异。检验结果如表3所示，表3中第(1)列和第(2)列分别为无分析师和有分析师关注时主要变量的均值，第(3)列为均值差异，并在均值差异值后附上了T检验显著性程度。检验结果显示，无分析师关注组t+3期企业申请专利的数量(Patent3)均值为5.011，而有分析师关注组则高达19.95，均值差异为14.938，且T检验在1%水平上显著；无分析师关注组t+3期企业申请专利的被引用数量(Citation3)均值为10.07，而有分析师关注组则高达28.322，均值差异为18.252，且T检验在1%水平上显著。检验结果说明企业创新情况在有无分析师之间存在显著性差异，有分析师关注组的企业创新均值显著高于无分析师关注组，初步证明了分析师与企业创新之间的正相关关系。

表3 主要变量有无分析师关注的均值差异T检验

四、实证结果与分析

(一)基准回归结果

为了检验本文的理论假设1，建立模型如下：

LnPatent3i,t+3(LnCitation3i,t+3)=α0+α1LnCoveragei,t+γControli,t+Year+Ind+εi,t

(1)

其中，i表示企业，t表示年份。被解释变量为企业创新，由企业申请专利数量(LnPatent3)和企业申请专利的引用数量(LnCitation3)来衡量，由于企业创新所花费时间较长，参照现有文献的做法，本文的被解释变量选用t+3期的申请专利及其被引用数量。主要解释变量为分析师关注(LnCoverage)，以第t期对目标企业发布盈余预测报告的分析师人数，加1并取对数来衡量。Control为可能影响企业创新的一系列控制变量，包括企业和行业层面上的变量，具体变量定义及计算在上文中已经详细介绍。另外，Year代表年度固定效应，Ind代表行业固定效应。

表4列出了分析师关注与企业创新的实证分析结果。表4第(1)列和第(2)列被解释变量为t+3期的企业专利申请数量(LnPatent3)，第(3)列和第(4)列被解释变量为t+3期企业申请专利的被引用数量(LnCitation3)，其中，表4第(1)列和第(3)列使用OLS方法，表4第(2)列和第(4)列在OLS的基础上采用了聚类到公司层面上的稳健标准误，表4(1)～(4)列都控制了年度和行业固定效应。当被解释变量为LnPatent3时，LnCoverage的回归系数为0.221，且均在1%水平上显著。经济意义方面(表4第(2)列)，LnCoverage每增加一个标准差，LnPatent3将大约增加0.248(1.12×0.221)，这相当于样本均值的19.375%(0.248/1.28)；当被解释变量为LnCitation3时，LnCoverage的回归系数为0.176，同样均在1%水平上显著。经济意义方面(表4第(4)列)，LnCoverage每增加一个标准差，LnPatent3将大约增加0.197(1.12×0.176)，这相当于样本均值的10.591%(0.197/1.86)。总的来说，以上发现与本文假设H1a是一致的，即给定其他条件不变，分析师关注与企业创新产出正相关，即分析师关注程度越高的企业，其创新水平越高。

表4 分析师关注与企业创新

(二)内生性问题

基准回归中存在一定的内生性问题。可能的内生性问题有：分析师的选择性偏误，即分析师不是随机地选择上市公司进行关注，而是有选择性地去关注那些资产规模较大、创新水平较高的公司。此外，基准回归中也可能遗漏了一些可能影响企业创新的控制变量。基于此，本文选择使用工具变量法缓解内生性问题。

为了缓解内生性问题，提高实证结果的稳健性，本文借鉴李春涛和Yu等的做法[10,20]，使用上市公司是否进入每年沪深300成分股名单(Hs300)作为原解释变量(LnCoverage)的工具变量，重新检验基准回归模型。工具变量的具体构造方法为：以每年最后一次公布的沪深300成分股名单为准，如果上市公司在沪深300成分股名单当中，则记Hs300=1，其他情况记Hs300=0。

沪深300指数成分股选样主要以规模和流动性作为标准，并且流动性占更大的权重，上市公司是否进入成分股名单与其创新能力并没有直接关系。由于沪深300成分股选自沪深两市具有一定规模且具有流动性和代表性的股票，是买方市场主要追逐的目标。因此，上市公司一旦进入沪深300成分股名单，将会吸引更多分析师关注该公司。相反，如果上市公司掉出沪深300成分股名单，那么它的“吸引力”将会下降，券商也将会减少分析师对其进行关注。综上，上市公司是否进入成分股，将直接影响关注该公司的分析师数人数，同时，其又与公司创新无直接关系，是一个较为合理的工具变量。

工具变量法的实证结果如表5所示，表5第(1)列和第(3)列为工具变量第一阶段结果，表5第(2)列和第(4)列分别为被解释变量为t+3期企业申请专利的数量(LnPatent3)和t+3期企业申请专利的被引用数量(LnCitation3)的工具变量回归结果。表5第(1)-(4)列都采用了聚类到公司层面上的稳健标准误，并且控制了年度和行业固定效应。表5第(1)列和第(3)列第一阶段的结果显示，Hs300在1%水平上与LnCoverage显著正相关，说明相比于没进入沪深300成分股名单的上市公司，进入名单的上市公司有更多的分析师关注。表5第(2)列和第(4)列第二阶段的结果显示，不管被解释变量是上市公司申请专利的数量还是上市公司申请专利的被引用数量，分析师关注(LnCoverage)依然在1%显著水平上与其正相关，实证结果依然稳健。

续表(表5)

(三)其他稳健性检验

本文基准回归中使用的是最小二乘法(OLS)，由于企业专利数量计数变量的特点，同时被解释变量中的大部分观测值都为0，符合截尾数据的特征。基于因变量的分布特点，这里将使用面板Tobit模型和固定效应计数模型重新对基准回归进行检验。实证结果如表6，表6第(1)列和第(2)列为使用Tobit模型后的回归结果，表6第(3)列和第(4)列为使用固定效应计数模型后的回归结果，结果显示，当使用Tobit模型时，LnCoverage的回归系数分别为0.221和0.176，且在1%水平上显著；当使用固定效应计数模型时，LnCoverage的回归系数分别为0.178和0.100，同样在1%水平上显著。以上结果说明变换不同模型后实证结果仍保持稳健。

表6 变换模型后分析师关注与企业创新

续表(表6)

五、进一步研究

本文研究发现分析师关注显著地促进企业创新，与He和Tian使用美国数据所得的结果刚好相反[18]。那么在中国的资本市场上，分析师关注与企业创新之间的关系到底是“信息解释”假说和“业绩压力”假说共同作用下的结果，还是仅有“信息揭示”假说发生作用而“业绩压力”假说并不发生作用呢？目前，国内相关研究证实了分析师关注的“信息揭示”假说在中国资本市场的适用性，而“业绩压力”假说则更多地停留在理论分析层面上。基于此，本文尝试使用新数据来提供进一步的经验证据，以期厘清分析师关注影响企业创新的机制。

(一)检验“业绩压力”假说

根据“业绩压力”假说，为了迎合分析师的盈余预测目标，管理层愿意放弃高风险、周期长和不确定性高的研发项目，转而将更多资金投入到周期短和收益可预见的项目。因此，分析师盈余预测目标与企业业绩之间的差值越大，管理层面临来自分析师的“业绩压力”也越大。在这种情况下，管理层将削减高风险、周期长和不确定性高的研发项目，也就是说，管理层面临的“业绩压力”越大，企业创新越低。本文构建盈余压力指标(Press)重新检验基准模型。指标的构建方法为：使用第T期分析师对上市公司发布盈余预测报告的所有预测值取均值，再减去上市公司T-1期每股盈余。如果盈余压力指标小于0，说明分析师预测T年的每股盈余低于T-1年的实际每股盈余，此时管理层业绩压力较小。相反，如果盈余压力指标大于0，则说明T年的每股盈余预测大于T-1年实际每股盈余，管理层为了能达到分析师预测目标，就需要更加努力提升公司业绩，这无形中给管理层施加了压力。

为了更好地识别分析师关注给管理层施加的业绩压力与企业创新的因果关系，本文使用断点回归来验证两者关系。具体做法是，以盈余压力指标的0点为断点，盈余压力指标大于0的是实验组(有业绩压力)，盈余压力指标小于0的是控制组(无业绩压力)。近年来，断点回归方法被认为是识别因果关系的各种方法中最“干净”的计量方法[29]，本文使用断点回归法可以大大缓解内生性问题，准确识别到业绩压力和企业创新的因果关系。模型如下：

(2)

其中，Press是配置变量，即盈余压力指标。D为处理变量，当Press大于0取1，其他为0。处理变量D前的系数(δ)便是我们关注的重点，如果该系数并不显著，就有证据相信分析师关注给管理层施加的业绩压力不会对企业创新产生影响。在实证之前，我们首先观察盈余压力与企业创新(配置变量与结果变量)之间的关系图，即图1，中间线条为拟合线，上下两条线代表上下置信区间。由图1可知，不管结果变量是LnPatent3还是LnCitation3，在断点处均没有发生明显的跳跃，即位于盈余压力突变点即断点值附近的企业在创新产出方面均不存在显著的跳跃。结果初步说明了业绩压力对企业创新不产生影响，但更严谨的结果需要进一步进行实证分析。

图1 盈余压力与企业创新断点

接着，本文使用了非参数方法检验两者关系。具体做法是，采用数据驱动的方式选择最优带宽，并同时考虑Uniform、Triangular和Epanechnikov三种核函数的检验结果。实证结果报告于表7，Panel A为盈余压力与企业创新(LnPatent3)的非参数断点回归结果，Panel B为盈余压力与企业创新(LnCitation3)的非参数断点回归结果。回归结果表明，无论被解释变量是申请专利数量还是申请专利的被引用数量，以及无论采用何种核函数为权重计算方式，处理变量的系数都为负，但都不显著。以上结果说明，没有足够的证据表明分析师关注给管理层施加的业绩压力会影响企业创新，即“业绩压力”假说不成立。

表7 盈余压力与企业创新

(二)检验“信息揭示”假说

为了考察分析师关注是否通过缓解信息不对称促进企业创新，本文将信息披露质量(Information)作为中介变量，即使用上交所和深交所每年对上市公司信息披露质量做的评价衡量企业信息披露质量。2010年以前，上交所和深交所对上市公司信息披露质量评价为“优秀、良好、合格、不合格”，之后采用“ABCD”，本文将该评价量化为1到4，分别代表不合格(D)、合格(C)、良好(B)、优秀(A)，在本文定义下该指标数值越大表示信息披露质量越好。本文构建如下模型检验信息披露质量的中介作用：用模型(3)检验分析师关注对企业创新的影响，若系数α1显著，则可以用模型(4)检验分析师关注(LnCoverage)对中介变量(Information)的影响；若δ1显著，则用模型(5)同时纳入分析师关注(LnCoverage)与中介变量(Information)进行分析。εi,t为随机扰动项，解释变量、被解释变量和控制变量与上文基准模型相同，同时控制年度和行业固定效应。中介效应由δ×γ2衡量，δ1、γ2全部显著表明中介效应显著，至少一个不显著则需进行Sobel检验，若Sobel检验显著则表明中介效应显著。

LnPatent3i,t+3(LnCitation3i,t+3)=α0+α1LnCoveragei,t+α2Controli,t+Year+Ind+εi,t

(3)

Informationi,t=δ0+δ1LnCoveragei,t+δ2Controli,t+Year+Ind+εi,t

(4)

LnPatent3i,t+3(LnCitation3i,t+3)=γ0+γ1LnCoveragei,t+γ2Informationi,t+γ3Controli,t+Year+Ind+εi,t

(5)

表8报告了作用机制“分析师关注→信息不对称→企业创新”的结果。其中，表8(1)～(3)列报告了被解释变量为企业申请专利的数量(LnPatent3)的中介效应检验结果，表8(3)～(6)列报告了被解释变量为企业申请专利的被引用数量(LnCitation3)的中介效应检验结果。在表8第(1)列中，LnCoverage的估计系数约为0.195，且在1%的水平上显著为正；表8第(2)列考察了分析师关注(LnCoverage)对中介变量(Information)的影响，LnCoverage的估计系数约为0.083，且在1%的水平上显著为正，这说明分析师关注能够提高企业信息披露质量；表8第(3)列中同时加入分析师关注(LnCoverage)和中介变量(Information)，中介变量的估计系数在1%水平上显著为正，LnCoverage的估计系数依然保持在1%的水平上显著为正，且LnCoverage的估计系数有所下降(0.179<0.195)，这说明信息不对称在分析师关注与企业创新之间起到部分中介作用，即分析师关注通过影响信息不对称程度进而影响企业创新，本文的结果支持了“分析师关注→信息不对称→企业创新”这条路径。表8(3)～(6)列的中介效应检验结果同样支持了上述路径，此处不再赘述。上述结果验证了分析师的信息揭示作用，支持了“信息揭示”假说，支持了研究假设2。

表8 分析师关注、信息不对称和企业创新

续表(表8)

六、结论与政策建议

(一)结论

本文利用2007—2019年中国A股非金融上市公司数据检验了分析师关注能否促进企业创新，研究发现分析师关注与企业创新显著正相关，具体表现为企业被分析师关注程度越高，其申请专利数量、申请专利的被引用数量越高。在使用工具变量法和变换了计量模型的稳健性检验后，本文的主要研究结果依然保持稳健。进一步，本文研究发现分析师关注主要通过缓解企业内外信息不对称来促进企业创新，而分析师关注给管理层施加的业绩压力对企业创新没有产生显著的影响。本文的结论支持了“信息揭示”假说占主导的观点。

(二)政策建议

实体企业是创新的重要主体，为进一步激发我国实体企业创新能力，提高我国自主创新能力，建设创新型国家，本文提出如下政策建议：

第一，完善公司外部治理机制。我国公司治理机制仍有许多待完善的地方，外部治理作为公司内部治理的重要补充，需要进一步重视外部治理的作用。本文通过研究发现，分析师关注有利于促进企业创新，证实了分析师所发挥的外部监督的力量，对于约束管理层行为和促进企业创新起到显著的正向作用。因此，应构建一个全面和系统的外部治理体系，重点发展分析师、媒体和行业监管等外部监督力量，建立公司内部治理和外部治理的连接机制，实现公司内部治理和外部治理有效联动，充分保护投资者利益，同时也有利于我国建设创新型国家。

第二，完善公司内部治理机制。从本文分析来看，管理层与股东之间利益冲突导致的管理层不作为，或者是企业内外信息不对称背景下大股东侵占小股东利益，都是抑制企业创新的重要原因。因此，从公司层面看，需要尽快完善公司内部制度，特别是对管理层的监督，同时完善公司关于管理层的聘请、管理、奖励和惩罚机制。从政府层面看，证监会或其他相关部门应进一步完善上市公司信息披露管理办法，重点针对大股东强占资金、关联交易和上市公司违规担保等大股东“掏空”上市公司的行为，探讨如何打击和惩治此类行为，并尽快颁布相关管理办法。

第三，建立企业创新的激励机制。现有的管理层激励机制大多与公司业绩挂钩，本文研究表明：这容易导致管理层短视问题，即管理层只关注公司短期业绩和股价，把资金都投资在周期短且收益可预见的日常生产经营活动中，从而忽略企业创新投资。事实上，企业创新不仅关乎企业竞争力与长期价值，更是一个国家创新的重要主体。为保障企业的健康发展，高管激励机制亟待完善[30]。应大胆探索企业创新的激励机制，把创新与管理层的薪酬挂钩，激励管理层更多地进行创新投资。