王麗穎 李雪萊 藍穎杰

[摘 要]本文基于中國深圳證券交易所A股上市非金融企業(yè)的機構實地調(diào)研數(shù)據(jù)，采用混合最小二乘回歸分析法對機構實地調(diào)研與企業(yè)研發(fā)支出的關系進行了實證研究，并分析了企業(yè)股權集中度和信息不對稱程度對主假設的中介作用。研究發(fā)現(xiàn)機構實地調(diào)研頻次顯著促進企業(yè)增加研發(fā)開支，過高的股權集中度會弱化機構實地調(diào)研對非國有企業(yè)研發(fā)支出的增強作用，國有企業(yè)信息不對稱程度越高，機構實地調(diào)研對其研發(fā)支出的增強作用就越明顯。研發(fā)結論為我國投資者以及企業(yè)更加有效地理解和利用調(diào)研信息進行研發(fā)投資決策提供了有效借鑒。

[關鍵詞]機構調(diào)研;研發(fā)支出;信息不對稱;股權集中度

[中圖分類號]中圖分類號F273.1[文獻標志碼]A [文章編號]1672-4917（2019）02-0107-09

一、引言

2018 年，中國在全球創(chuàng)新指數(shù)排行榜排名第 17 位，在建設創(chuàng)新型國家的進程中持續(xù)穩(wěn)步邁進。創(chuàng)新型國家戰(zhàn)略規(guī)劃的落實，離不開企業(yè)的支撐，研發(fā)行為作為創(chuàng)新活動的重要載體，已成為社會各界關注的焦點。2000年至2017年，我國研發(fā)支出占 GDP 的比重從 0.9%提高到 2.15%。企業(yè)對研發(fā)投入的影響因素已引起我國學者的廣泛關注，陳林（Lin C）等（2010年）[1]、李春濤、宋敏（2010年）[2]、陳爽英等（2010年）[3]、黃俊、陳信元（2011年）[4]、溫軍、馮根福（2012年）[5]、鞠曉生等（2013年）[6]、潘越（2015年）[7]、余明桂等（2017年）[8]研究結果表明，產(chǎn)業(yè)政策、企業(yè)所有權、融資渠道、機構投資者持股、股權集中度、高管薪酬激勵、地區(qū)保護程度、知識產(chǎn)權保護機制、管理者權力、內(nèi)部控制信息披露質(zhì)量和信息不對稱程度等因素都會影響中國企業(yè)對研發(fā)的投入。現(xiàn)有研究在探討企業(yè)研發(fā)支出的影響因素時，較少有學者以機構投資者調(diào)研活動為出發(fā)點進行研究。

以何杰和田軒（He J & Tian X）（2013年）[9]和阿奇翁（Aghion）等（2013年）[10]為代表的“業(yè)績壓力假說”基于對美國市場的研究認為，公司經(jīng)理層會因擔心敵意收購等因素非常關注股價。因賣方分析師重點關注短期業(yè)績，經(jīng)理層在投資回收期長、風險高的研發(fā)項目時會承擔更高的市場壓力，迫于市場壓力，經(jīng)理層可能會因自利行為做出減少研發(fā)投入的短期決策。但該理論針對的是股權結構高度分散的美國市場，中國資本市場有以下不同：第一，不同于股權高度分散的美國市場，中國企業(yè)往往由大股東持股，被敵意收購的風險較小;第二，中國資本市場以散戶持股為主，機構投資者持股占比較低，造成的短期壓力更難施壓于經(jīng)理層;第三，國企占上市公司比重高，薪酬激勵體制不同，聲譽給經(jīng)理層帶來的業(yè)績壓力更小。另一方面，以戴瑞恩和凱斯克（Derrien & Kecskes）（2013年）[11]為代表的“信息揭示假說”認為機構分析師可能會通過對研發(fā)項目進行充分解讀，以減少股東、管理層和外部投資者間的信息不對稱問題，降低資本成本。當市場對投入的研發(fā)項目價值有更好的理解時，對經(jīng)理層的施壓機制就會變小，公司會加大研發(fā)投入。潘越等（2011年）[12]研究發(fā)現(xiàn)由于我國對投資者保護的制度環(huán)境較弱，分析師關注度較高的上市公司，其經(jīng)營情況會被更全面和多維度地揭示，提高了信息透明度。中國資本市場與股權高度分散、流動性更高的成熟市場相比不同，存在其特殊性，對信息揭示假說和業(yè)績壓力假說的適用性不同，本文承襲大多數(shù)文獻對A股市場的研究結論，基于信息揭示假說分析論證機構調(diào)研與企業(yè)研發(fā)支出的關系。

作為一種更為直接的獲取上市公司私有信息的方法，機構實地調(diào)研對上市公司在選擇上更具有主動性，在信息獲取上更具有及時性，能夠更準確地判斷企業(yè)披露的財務信息、經(jīng)營信息是否值得信賴，更有效地輔助投資者進行決策。國內(nèi)外學者對機構調(diào)研的已有研究表明，機構調(diào)研會影響分析師預測精度，對市場造成影響以及影響投資者行為。曹新偉等（2015年）[13]和程強（Cheng Q）等（2016年）[14]的研究顯示，機構調(diào)研能夠深度挖掘公司私有信息，提高預測精度和行業(yè)溢出效應。而譚松濤、崔小勇（2015年）[15]的研究則認為機構調(diào)研引發(fā)了羊群效應，增大了分析師的預測樂觀度，降低了分析師預測精度。曹新偉等（2015年）[13]認為分析師實地調(diào)研能夠降低股價同步性，提高資本市場信息效率。布希（Bushee）等（2018年）[16]研究發(fā)現(xiàn)，投資者與管理層私下會見有助于投資者做出更多知情交易決策。機構調(diào)研活動被認為屬于“投資者關系活動”的一種，國內(nèi)深圳證券交易所（以下簡稱深交所）自2012年8月開始規(guī)范“投資者關系活動”，要求上市公司將調(diào)研的時間、地點、參與方、問答情況等所有涉及“投資者關系活動”的信息都應以公告的形式披露在官方平臺“互動易”上。自此，我國的機構調(diào)研活動逐漸完善為可觀測的機構關注指標。機構調(diào)研活動的參與主體包括買方機構（私募基金、公募基金、資管公司、保險公司和銀行）和賣方機構（證券公司、財務公司和信托公司），兩類參與主體的實地調(diào)研活動有很大相關性。已有初步研究證實了券商分析能夠影響企業(yè)增加研發(fā)投入（謝震等，2014年[17];余明桂等，2017年[8]）。

此外，企業(yè)的股權集中度也是影響企業(yè)投資長期研發(fā)項目的重要因素，目前，國內(nèi)外學者對股權結構與企業(yè)研發(fā)投入關系的觀點有很大分歧，一些學者認為股權集中度與研發(fā)投入正相關[弗朗西斯和史密斯（Francis&Smith），1995年[18];李尚勛（Lee S.），2012年[19]]，另有大部分學者認為股權集中度越高越不利于企業(yè)的研發(fā)投入[杰基迪維托（Jackie Di Vito）等，2010年[20]; 文紅星和夏葵（Wen H & Xia K），2016年[21];林筠、張瑤，2017年[22]]。另一方面，巴斯（Bath）等（2001年）[23]的研究顯示高度的信息不對稱會抑制企業(yè)研發(fā)投入，但機構會通過實地調(diào)研等手段來降低企業(yè)與外部間的信息不對稱程度。因此，本文還將分析股權集中度和信息不對稱程度對主假設的中介影響作用。

據(jù)此，本文以深交所A股上市的非金融企業(yè)2014—2016年的數(shù)據(jù)為樣本，研究了包括賣方機構在內(nèi)的機構實地調(diào)研對企業(yè)研發(fā)支出行為決策的影響。研究發(fā)現(xiàn)，兩者存在顯著正相關關系，機構通過實地調(diào)研會促進企業(yè)的研發(fā)投資支出行為。進一步將股權集中度和信息不對稱程度作為中介變量，將樣本分別進行研究后發(fā)現(xiàn)，機構實地調(diào)研活動對非國企研發(fā)支出的增強作用與企業(yè)股權集中度呈顯著負相關，此外，機構實地調(diào)研緩解了信息不對稱對國有企業(yè)研發(fā)支出的負向作用。上述結論在進行了一系列穩(wěn)健性檢驗后依然成立。

本研究貢獻主要體現(xiàn)為：（1）新的研究視角：以往文獻多是從分析師關注、分析師推薦的角度進行研究，更關注賣方機構對上市公司的推薦和評級報告，本研究擴展到買方視角，從機構視角的新出發(fā)點探討了對企業(yè)研發(fā)支出行為的影響，為相關研究提供來自微觀層面的經(jīng)驗證據(jù)。（2）新的數(shù)據(jù)來源：企業(yè)研發(fā)投入水平關乎中國建設創(chuàng)新型國家戰(zhàn)略的成敗，如何提高研發(fā)投入水平與效率成為當前亟待解決的議題，機構調(diào)研數(shù)據(jù)作為一個較新的研究指標，自深交所發(fā)布《信息披露業(yè)務備忘錄第41號—投資者關系管理及其信息披露》后，2013年才開始收錄于東方財富網(wǎng)的Choice金融數(shù)據(jù)庫，以機構為視角的研究剛剛起步，本研究可為企業(yè)如何合理制定研發(fā)決策提供理論依據(jù)。（3）新的研究拓展：本文首次研究了被調(diào)研企業(yè)的股權集中度和信息不對稱程度對主效應的中介作用，基于我國股票市場特色，進行了國有企業(yè)和非國有企業(yè)分組探究，有助于更好地理解機構行為對公司研發(fā)決策的影響。

二、研究設計

（一）研究假設

基于前文分析，本文假設的整體邏輯為：機構實地調(diào)研活動能夠緩解市場的信息不對稱，通過揭示企業(yè)研發(fā)活動的價值，降低融資成本進而促進企業(yè)研發(fā)，且這種增強效應受到公司股權集中度和信息不對稱程度的中介作用。

假設H1：以控制其他對研發(fā)支出有影響的因素為前提，買方機構和賣方機構實地調(diào)研活動強度可以增強企業(yè)的研發(fā)支出水平。

H1.1：上市公司受到買方機構和賣方機構調(diào)研的頻次越高，研發(fā)支出水平越高。

H1.2：上市公司受到買方機構調(diào)研的頻次越高，研發(fā)支出水平越高。

H1.3：上市公司受到賣方機構調(diào)研的頻次越高，研發(fā)支出水平越高。

H1.4：與買方機構相比，賣方機構的實地調(diào)研活動對被調(diào)研公司的研發(fā)支出的增強作用更強。

假設H2：企業(yè)股權集中度會削弱機構調(diào)研活動對企業(yè)研發(fā)支出的增強作用。

假設H3：企業(yè)信息不對稱程度會增強機構調(diào)研活動對企業(yè)研發(fā)支出的增強作用。

（二）樣本數(shù)據(jù)收集

本文選取深交所A股上市的2096家公司，研究期限為2014年1月1日至2016年12月31日①。為確保樣本選取的合理性和研究結果的科學性，本文剔除了以下樣本：（1）因金融行業(yè)公司財務報表的特殊性，將包含銀行、證券公司、保險等金融類上市公司排除在外;（2）剔除ST和*ST公司;（3）剔除了研究變量存在缺失值的公司。最終得到1409家深交所A股上市的公司為本文的研究樣本。本文自變量數(shù)據(jù)來源于Choice金融數(shù)據(jù)庫，因變量、中介變量和控制變量數(shù)據(jù)均來自WIND和CSMAR數(shù)據(jù)庫。

（三）變量設計

1.因變量：研發(fā)支出指標

本研究從WIND提取自變量選取時間段的未來一年，也即2015—2016年研發(fā)支出總額與營業(yè)收入的比值（RD）作為研發(fā)支出衡量指標。

2.自變量：機構實地調(diào)研強度指標

本文參照曹新偉等（2015年）[13]和程強（Cheng Q）等（2016年）[14]的文獻，選取機構對其跟蹤公司的實地調(diào)研頻次來代表機構實地調(diào)研的強度。本文選取的自變量是2014—2015年機構對上市公司進行的實地調(diào)研強度，用年度統(tǒng)計的實地調(diào)研頻次代表，并選用三個維度的統(tǒng)計量：買方機構和賣方機構年度統(tǒng)計的實地調(diào)研頻次之和（Visit）、買方機構年度統(tǒng)計的實地調(diào)研頻次（Buyvisit）以及賣方機構年度統(tǒng)計的實地調(diào)研頻次（Sellvisit）、買方機構調(diào)研頻次與賣方機構調(diào)研頻次之比（BSratio）：

因為當賣方機構實地調(diào)研頻次為 0 時，買方機構實地調(diào)研頻次也通常為 0，所以若Sellvisit為0，則Bsratio取值為1。

3.中介變量

（1）股權集中度（First），選取第一大股東的持股比例作為股權集中度的衡量指標。（2）信息不對稱程度（IA），采用股票非流動性指標來衡量信息不對稱程度，該指標的意義在于市場中的交易者分為知情交易者和普通交易者，普通交易者為了彌補其缺乏信息而要承擔風險的劣勢會要求相應的溢價，該溢價可以用來衡量信息不對稱的程度，即：

4.控制變量

綜合已有研究，選取公司規(guī)模（Size）、政府補助（Sub）、企業(yè)成立年限（Age）、資產(chǎn)收益率（ROA）、機構持股比例（Ins）、公司杠桿率（Lever）、現(xiàn)金流（Cashratio）、董事會規(guī)模（Board）、固定資產(chǎn)比例（PPE）、成長能力（MB）和管理層持股比例（Tophold）11項作為控制變量。

變量名稱及定義如表1所示。

（四）模型構建

根據(jù)研究假設和變量設計，構建回歸模型如下：

1.假設1模型設計

該模型采用了公司規(guī)模（Size）等11個控制變量，并控制年份效應和行業(yè)效應，以解釋機構關注度對研發(fā)支出的影響。解釋變量Visit為買方加賣方機構調(diào)研頻次之和，并分別對賣方機構調(diào)研數(shù)Buyvisit和賣方機構調(diào)研數(shù)Sellvisit進行回歸分析。為了檢驗買方和賣方機構的實地調(diào)研活動對被調(diào)研企業(yè)研發(fā)支出增強程度的差別，在模型中加入二者的比值BSratio，并與Visit一并回歸。

三、實證分析

（一）描述性統(tǒng)計

在1409家樣本上市公司中，研發(fā)支出占營業(yè)收入比均值為4.43%，標準差為 125.9，不同公司的研發(fā)投入力度具有顯著差異。從解釋變量調(diào)研次數(shù)來看，上市公司平均被調(diào)研次數(shù)為31 次，公司個體之間差異明顯，說明機構對不同上市公司關注程度截然不同。機構持股比例均值為 36.6%，遠低于美國市場，機構持股比例最高為94%，最低為0%，可見構投資者篩選投資標的時存在抱團持股的現(xiàn)象。股權集中度均值為34.1%，最高可達89.4%，這進一步驗證了我國資本市場股權集中度較高。本文對所有假設模型回歸時做對應1%水平下的Winsorize處理來增加穩(wěn)健性。

（二）相關性分析

為驗證研發(fā)支出、機構調(diào)研強度和控制變量之間的關系，對各變量進行Pearson相關性分析，機構實地調(diào)研活動總頻次與買方機構實地調(diào)研頻次和賣方機構實地調(diào)研頻次存在很高相關性，均大于0.8，買方機構實地調(diào)研活動與賣方機構實地調(diào)研活動的相關性為 0.893，聯(lián)動程度很高，說明買方持有的上市公司通常也會受到更多賣方的關注，賣方推薦的上市公司也會調(diào)動買方去調(diào)研。其他變量間相關系數(shù)不高。

（三）模型檢驗分析

本文通過VIF檢驗來檢測是否存在多重共線性問題。所有變量的VIF均小于2.8，因此認為模型不存在多重共線性問題。White 異方差檢驗計算出p值為 0，表明數(shù)據(jù)存在異方差問題。為消除數(shù)據(jù)可能存在的自相關問題對回歸結果的影響，在進行Stata 回歸時，使用了經(jīng)過cluster 命令修正后的對異方差和組內(nèi)自相關均穩(wěn)健的標準誤。

（四）回歸分析

表2為利用混合最小二乘法（OLS）對主模型進行多元回歸的結果，第一列至第四列報告了機構調(diào)研強度與研發(fā)支出的回歸結果?？梢园l(fā)現(xiàn)，機構調(diào)研強度指標Visit、ExcessVisit、Buyvisit 和SellVisit與研發(fā)支出在1%水平上呈正相關關系，證明機構實地調(diào)研的確對被調(diào)研公司企業(yè)投入下一年的研發(fā)支出有顯著的增強作用，H1.1-H1.3得到驗證。說明機構在對上市公司進行實地調(diào)研的過程中，得到了大量及時并且有效的公司研發(fā)項目信息，更好地理解了研發(fā)項目的價值，并減少管理層短期業(yè)績壓力，促進企業(yè)投入更多的研發(fā)支出。第五列結果顯示，加入BSratio變量后，Visit的回歸系數(shù)依然顯著為負，而BSRatio的回歸系數(shù)不顯著，這說明買方機構與賣方機構實地調(diào)研對企業(yè)研發(fā)支出的影響無顯著差別，因此拒絕原假設H1.4。在控制變量方面，政府補助（Sub）、現(xiàn)金流（Cashratio）、成長能力（MB）、管理層持股比例（Tophold）都與企業(yè)研發(fā)支出在 1%的水平上正向顯著，與現(xiàn)有研究結論一致。資產(chǎn)收益率（ROA）、公司杠桿率（Lever）、固定資產(chǎn)比例（PPE）與企業(yè)研發(fā)支出在 1%的水平上負相關，企業(yè)年限（Age）與企業(yè)研發(fā)支出在 5%的水平上負相關。除了資產(chǎn)收益率（ROA）以外，其他控制變量的結果與現(xiàn)有研究結果一致，表明在當年公司回報率不高時，公司管理層會加大下一年度的研發(fā)支出。企業(yè)規(guī)模（Size）、機構持股比例（Ins）、董事會規(guī)模（Board）對企業(yè)研發(fā)支出的影響不顯著，說明A 股企業(yè)研發(fā)支出和這3個因素的關系不大。

表3為將股權集中度作為中介變量，以交叉項形式加入模型的回歸結果，結果顯示全樣本交叉項顯著，H2得到驗證。隨后將國有企業(yè)組和非國有企業(yè)組分開檢驗，發(fā)現(xiàn)國有企業(yè)樣本組交叉項并不顯著，在非國企樣本中Visit×First交互項顯著為負，且First與因變量RD顯著負相關。說明當目標企業(yè)是非國企性質(zhì)且股權越集中時，機構調(diào)研對企業(yè)加大研發(fā)支出的增強作用會被削弱，說明過于集中的股權導致大股東對管理者實行過度監(jiān)控，出于風險規(guī)避，管理層會降低投入研發(fā)的力度。在國有企業(yè)樣本組中介作用并不顯著，說明不同的產(chǎn)權性質(zhì)使得公司面臨的激勵約束不同，國有企業(yè)組的委托代理關系更為復雜，融資渠道更為豐富，研發(fā)風險更為分散，管理層面臨的壓力相對較小。

表4報告了將衡量信息不對稱程度的非流動性指標IA作為機構實地調(diào)研和企業(yè)研發(fā)支出之間的中介變量，以交叉項的形式分別加入模型進行回歸的結果?？梢钥闯?，全樣本回歸時IA*Visit系數(shù)不顯著，將樣本分為國企組和非國企組回歸時，國有企業(yè)樣本組的非流動性指標（IA）系數(shù)顯著為負，表明當國有企業(yè)股票非流動性越大，信息不對稱程度越高時，下一年投入的研發(fā)支出越低。而機構實地調(diào)研與非流動性指標的交叉項（Visit*IA）的系數(shù)顯著為正，這表明機構的實地調(diào)研有效緩解了信息不對稱對國有企業(yè)投入研發(fā)支出的負向作用，進一步支持了“信息揭示假說”。在非國有企業(yè)樣本組里面，機構實地調(diào)研與非流動性指標的交叉項（Visit*IA）的系數(shù)并不顯著，證明機構實地調(diào)研能夠更好地緩解國有企業(yè)在投入研發(fā)支出上面臨的信息不對稱。

四、穩(wěn)健性檢驗

為進一步驗證研究結論的穩(wěn)健性，本研究進行了內(nèi)生性和子樣本回歸穩(wěn)健性檢驗。

（一）內(nèi)生性

模型回歸結果顯示機構實地調(diào)研與企業(yè)研發(fā)支出顯著正相關，但有可能存在內(nèi)生性問題。為了解決可能造成的內(nèi)生性問題，采用 2015年相比 2014年機構調(diào)研次數(shù)的變化與2016 年相比2015年企業(yè)研發(fā)支出的變化來進行回歸，以此回歸來降低內(nèi)生性的影響?；貧w模型如下：

不管是機構實地調(diào)研總頻次（Visit）還是買方（BuyVisit）與賣方（SellVisit）的調(diào)研分別進行回歸，結果都是在10%的水平下顯著，說明在考慮內(nèi)生性后，與OLS回歸系數(shù)符號結果相同。

（二）子樣本回歸

為排除未受機構調(diào)研上市公司的影響，篩選出更加受機構青睞的上市公司，能為結論提供更好的支持。據(jù)此，縮小樣本范圍作為子樣本，選取2014—2015年兩年內(nèi)每年都至少被調(diào)研一次的上市公司（篩選后為 1149家），進行穩(wěn)定性檢驗。子樣本的回歸顯示，不管是對機構實地調(diào)研總量（Visit）還是對買方機構實地調(diào)研（BuyVisit）與賣方機構實地調(diào)研（SellVisit）分別進行回歸，結果都是在 1%的水平下顯著，說明用子樣本還是能得到與前文一致的實證結果。

五、研究結論

作為投資者與管理層直接的溝通方式，機構調(diào)研會向資本市場傳遞更加及時有效的增量信息，以上信息會對公司研發(fā)行為產(chǎn)生何種影響是本研究的關注點。本文以深圳A股2014—2016年數(shù)據(jù)為樣本，實證檢驗了機構調(diào)研對企業(yè)研發(fā)支出行為的影響。研究發(fā)現(xiàn)：第一，機構實地調(diào)研活動程度越高，越能緩解市場中的信息不對稱，幫助市場更好地理解上市公司研發(fā)項目的價值，促進企業(yè)增加研發(fā)開支。此結論支持并驗證了“信息揭示假說”，即機構實地調(diào)研與企業(yè)研發(fā)支出呈正相關。第二，機構實地調(diào)研活動對非國有企業(yè)研發(fā)支出的增強作用，受到企業(yè)股權集中度情況的中介影響。由于非國有企業(yè)面臨的激勵約束與國有企業(yè)不同，非國有企業(yè)的股權集中度越高、大股東現(xiàn)象越嚴重，會削弱機構實地調(diào)研對企業(yè)投入研發(fā)的增強作用。第三，機構實地調(diào)研活動對國有企業(yè)研發(fā)支出行為的增強作用，會受到信息不對稱情況的中介影響。由于國有企業(yè)的信息不對稱情況更為突出，對于信息不對稱情況更嚴重的公司，機構實地調(diào)研對國有企業(yè)投入研發(fā)支出的增強作用更明顯。

本文基于機構調(diào)研視角，豐富了研發(fā)支出影響因素的相關研究文獻，并且通過我國特有的上市公司機構調(diào)研數(shù)據(jù)，檢驗了機構調(diào)研對公司研發(fā)行為的影響，拓展了機構調(diào)研經(jīng)濟后果的相關研究。同時也為我國投資者以及同行業(yè)公司更加有效地理解和利用調(diào)研信息進行決策，以及監(jiān)管機構如何進一步完善上市公司信息披露規(guī)定、保護股東權益提供了有效的經(jīng)驗證據(jù)。

[參考文獻]

[1]Lin C， Lin P， Song F.：“Property rights protection and corporate R&D： Evidence from China”， Journal of Development Economics，Vol. 93，No1，2010，pp. 49-62.

[2]李春濤、 宋敏：《中國制造業(yè)企業(yè)的創(chuàng)新活動：所有制和 CEO 激勵的作用》，《經(jīng)濟研究》2010年第5期。

[3]陳爽英、井潤田、龍小寧、邵云飛：《民營企業(yè)家社會關系資本對研發(fā)投資決策影響的實證研究》，《管理世界》2010年第1期。

[4]黃俊、陳信元：《集團化經(jīng)營與企業(yè)研發(fā)投資——基于知識溢出與內(nèi)部資本市場視角的分析》，《經(jīng)濟研究》2011年第6期。

[5]溫軍、馮根福：《異質(zhì)機構、企業(yè)性質(zhì)與自主創(chuàng)新》，《經(jīng)濟研究》2012年第3期。

[6]鞠曉生、盧荻、虞義華：《融資約束、營運資本管理與企業(yè)創(chuàng)新可持續(xù)性》，《經(jīng)濟研究》2013年第1期。

[7]潘越、潘健平、戴亦一：《公司訴訟風險、司法地方保護主義與企業(yè)創(chuàng)新》，《經(jīng)濟研究》2015年第3期。

[8]余明桂、鐘慧潔、范蕊：《分析師關注與企業(yè)創(chuàng)新——來自中國資本市場的經(jīng)驗證據(jù)》，《經(jīng)濟管理》2017年第3期。

[9]He J， Tian X.：“The dark side of analyst coverage： The case of innovation”， Social Science Electronic Publishing，Vol.109，No3，2013，pp. 856-878.

[10]Aghion P， Reenen J V， Zingales L.：“Innovation and Institutional Ownership”， American Economic Review，Vol.103，No1，2013，pp. 277-304.

[11]Derrien F， Kecskes A：“The Real Effects of Financial Shocks： Evidence from Exogenous Changes in Analyst Coverage”， Journal of Finance，Vol.68，No4，2013，pp. 1407-1440.

[12]潘越、戴亦一、劉思超：《我國承銷商利用分析師報告托市了嗎？》，《經(jīng)濟研究》2011年第3期。

[13]曹新偉、洪劍峭、賈琬嬌：《分析師實地調(diào)研與資本市場信息效率——基于股價同步性的研究》，《經(jīng)濟管理》2015年第8期。

[14]Cheng Q， Du F， Wang X.：“Seeing is believing：analysts corporate site visits”， Review of Accounting Studies，Vol. 21，No4，2016， pp.1245-1286.

[15]譚松濤、崔小勇：《上市公司調(diào)研能否提高分析師預測精度》，《世界經(jīng)濟》2015年第4期。

[16]Brian J. Bushee， Joseph Gerakos， Lian Fen Lee.：“Corporate jets and private meetings with investors”， Journal of Accounting and Economics，Vol. 65，No2-3，2018，pp. 358-379.

[17]謝震、艾春榮：《分析師關注與公司研發(fā)投入：基于中國創(chuàng)業(yè)板公司的分析》，《財經(jīng)研究》2014年第2期。

[18]Francis J，Smith A.：“ Agency costs and innovation some empirical evidence”，Journal of Accounting and Economics，Vol.19，No2，1995，pp. 383-409.

[19]Lee S.：“Financial determinants of corporate R&D investment in Korea”， Asian Economic Journal，Vol.26，No2，2012，pp. 119-135.

[20]Jackie Di Vito，Claude Laurin，Yves Bozec.：“R&D activity in Canada：Does corporate ownership structure matter？”，Canadian Journal of Administrative Sciences，Vol.27，No2，2010，pp. 107-121.

[21]Wen H，Xia K.： “Venture Capita， Ownership Concentration and Enterprise R&D Investment”， Procedia Computer Science，Vol.91，2016，pp. 519-525.

[22]林筠、張瑤：《股權結構、研發(fā)投入與創(chuàng)新績效——基于創(chuàng)業(yè)板的數(shù)據(jù)分析》，《生產(chǎn)力研究》2017年第9期。

[23]Barth M E， Kasznik R， Mcnichols M F.：“Analyst Coverage and Intangible Assets”， Journal of Accounting Research，Vol.39，No1，2001， pp.1-34.