杜春明

(淮陰師范學院，江蘇 淮安 223300；東北財經大學，遼寧 大連 116025)

一、引言

不同于歐美等發(fā)達資本市場的企業(yè)，債務融資而非股權融資，是我國企業(yè)重要的資金來源之一(Allen et al.,2005)。而作為債務融資決策重要內容的債務期限結構則是企業(yè)進行一系列決策的關鍵依據(曾秋根,2006)。近年來，我國企業(yè)的債務期限錯配現象日趨嚴重，導致企業(yè)破產風險加大、企業(yè)投資能力降低、銀行不良資產激增，債務風險的“多米諾效應”已嚴重阻礙了我國經濟的增長。能否基于擬貸款客戶的信息成本和違約風險合理決定貸款期限、利率等關鍵信貸條款，降低債務期限錯配風險，不僅是判斷信貸資金配置效率的重要標準(方軍雄,2007；周業(yè)安,2005)，也是推行供給側改革、增強企業(yè)流動性和防范化解金融風險的關鍵。因此，深入探究企業(yè)債務期限結構的影響因素具有重要的理論價值和極強的現實意義。

從已有文獻來看，學者圍繞企業(yè)債務期限結構的影響因素進行了較為充分的探討，比如考察了企業(yè)規(guī)模(Barclay et al.,1995)、增長機會(Widawati et al.,2015)、資本結構(Stohs et al.,1996)、資產期限(Guedes et al.,1996)、自由現金流(Guedes et al.,1996)、公司治理(肖作平 等,2008)、財務質量(Gomariz et al.,2014)、信息不對稱程度(Flannery,1986)、實際所得稅率(Guedes et al.,1996)等對企業(yè)債務期限結構的影響。然而，上述研究大多立足企業(yè)財務的角度展開分析，結論存在一定的局限性。不同于此，本文選擇從債權人對企業(yè)信息感知的視角出發(fā)探尋債務期限結構的影響因素，主要原因在于：由于貸款契約的制定很大程度上受借款企業(yè)風險，尤其是借款企業(yè)信息環(huán)境的影響，銀行等金融機構在對借款企業(yè)進行盡職調查時，通常會著重考量企業(yè)信息環(huán)境。而分析師在獲取信息和分析信息方面擁有較強的能力，資本市場的信息使用者對分析師的專業(yè)性認可度非常高(施先旺 等,2015)。因此，深入考察分析師預測質量與企業(yè)債務期限結構的關系合理可行且是必要的。

現有研究發(fā)現，分析師預測能夠發(fā)揮資本市場信息中介的作用(廖明情,2012)，而分析師預測質量的高低主要取決于分析師預測的精確度與分歧度(王玉濤 等,2012;Chen et al.,2017)。通常，分析師預測偏差越大、分析師預測分歧度越高，說明分析師預測質量越低；反之，則說明分析師預測質量越高。分析師預測質量能夠有效反映證券市場上企業(yè)信息環(huán)境的優(yōu)劣，對企業(yè)的信息不對稱起到一定的緩解作用(Mansi et al.,2011)。對于債務契約而言，信息環(huán)境是債權人貸款決策的重要參考，那么分析師預測質量對企業(yè)信息環(huán)境的反映是否會影響債務期限結構呢?同時，作為重要外部監(jiān)督力量的審計師和機構投資者，也能夠降低企業(yè)與外部投資者的信息不對稱，反映企業(yè)的信息環(huán)境情況(林樂 等,2016)，那么外部審計師和機構投資者的監(jiān)督能否代替分析師的預測呢?

基于上述分析，本文利用分析師預測分歧度和分析師預測精確度度量分析師預測質量，考察分析師預測質量對企業(yè)債務期限結構的影響，并探討了審計質量和機構投資者持股對上述關系的調節(jié)效應。與已有研究相比，本文的貢獻主要體現在以下幾個方面：(1)立足債權人對企業(yè)信息感知的視角，以分析師預測質量為切入點，研究其對企業(yè)債務期限結構的影響，不僅能夠為債權人提升信貸決策質量和優(yōu)化資源配置提供決策支持，同時拓展了企業(yè)債務期限結構理論的相關研究；(2)基于企業(yè)債務期限結構視角驗證了分析師預測質量的信息含量，加深了對分析師預測行為信號傳遞作用的理解，為分析師在新興資本市場中所扮演的角色研究提供了理論借鑒；(3)通過考察審計質量、機構投資者持股比例對分析師預測質量的替代效應，厘清了分析師預測質量影響企業(yè)債務期限結構的邊界問題，同時豐富了審計質量與機構投資者持股經濟后果的相關研究。

二、理論分析與研究假設

不同的債務期限結構會產生不同的融資效應，代表不同利益主體的意志，合理的債務期限有助于提高資源配置效率、推動經濟穩(wěn)步增長。但是，由于企業(yè)內部人和債權人之間的目標不盡一致，作為企業(yè)“內部人”的管理層和控股股東相較于企業(yè)“外部人”的債權人處于信息優(yōu)勢地位，他們會利用這種信息不對稱侵害債權人的利益，致使債權人在給企業(yè)貸款方面發(fā)生“逆向選擇”，從而提高負債的代理成本。并且，企業(yè)“內部人”和“外部人”之間的信息不對稱會隨著債務期限的增加而愈加嚴重(Myers,1977)。信貸契約中的債務期限被認為是具有一定的企業(yè)治理功能。對于短期債務而言，頻繁的續(xù)借可以降低借貸雙方的信息不對稱，從而有利于銀行等金融機構更加有效地監(jiān)督和控制企業(yè)的機會主義行為(肖作平,2011;Diamond,1991)，一定程度上緩解債權人和債務人的代理沖突，降低債務契約中的代理成本。因此，債權人可以通過債務期限的選擇降低自身的信貸風險(Diamond,1991;Barclay et al.,1995)，即將短期債務作為解決信息不對稱問題的重要手段之一。換言之，企業(yè)要想獲得更多的長期債務融資，就必須降低與債權人的信息不對稱(Diamond,1991)。相關研究也證實，企業(yè)與債權人的信息不對稱程度越低，銀行對企業(yè)的監(jiān)督越容易，也越傾向于發(fā)放長期貸款(鐘凱 等,2016;Armstrong et al.,2010)；而當信息不對稱程度較高時，銀行更傾向于減少長期貸款的發(fā)放，企業(yè)債務期限更短(Bharath et al.,2008)。綜上所述，債權人會根據擬出借企業(yè)的信息環(huán)境做出債務期限決策，企業(yè)信息環(huán)境的改善對債務期限的優(yōu)化起著積極的作用。

作為資本市場中重要的信息中介，分析師通過跟蹤上市公司，對外披露大量有價值的信息，向資本市場的其他參與者揭示公司的真實情況，從而在一定程度上緩解了債權人和企業(yè)之間的信息不對稱。Schipper(1991)指出，上市公司發(fā)布的公開信息是分析師進行盈余預測的重要信息來源。因此，預測的準確性與披露信息的數量和質量密切相關。一方面，披露信息量越大的上市公司，分析師對其預測的準確度越高、分歧度越小(Parkash et al.,1995)。另一方面，上市公司信息披露質量越高，信息透明度越好，分析師的預測分歧就越小，盈余預測就越準確(白曉宇,2009;Hodder et al.,2008)。也就是說，公司信息環(huán)境的好壞關乎分析師預測的準確度和分歧度，而分析師預測質量的高低也反映了公司信息環(huán)境的好壞，公司信息環(huán)境和分析師預測質量相輔相成。已有研究表明，分析師意見分歧度和預測精確度在一定程度上反映了企業(yè)信息不對稱程度(肖作平 等,2013;Krishnaswami et al.,1999)；并且，分析師意見分歧越大，準確性越低，信息不對稱程度越高(施先旺 等,2015;Zhang,2006)。由此可知，當分析師預測質量較高時，企業(yè)與債權人的信息不對稱程度較低，企業(yè)信息環(huán)境較好。進一步，良好的信息環(huán)境有助于降低債權人的信息搜集成本和長期借貸風險(鐘凱 等,2016;Armstrong et al.,2010)，促使債權人更愿意接受期限較長的債務契約?；谏鲜龇治?，本文提出：

假設1：在其他條件不變的情況下，分析師預測質量越高，企業(yè)債務期限結構越長。

會計師事務所審計作為一項重要的公司外部治理機制，在資本市場發(fā)揮著重要的監(jiān)督作用。會計師事務所通過審核上市公司的財務報表和內部控制、經營情況等，能夠實現對企業(yè)會計信息生產過程的監(jiān)督，緩解投資者與企業(yè)之間的信息不對稱。顯然，審計作用能否有效發(fā)揮關鍵取決于審計質量的高低(Wallace,2004)。一方面，高質量的審計服務能夠向投資者傳遞企業(yè)財務信息真實可靠的信號(Chang et al.,2008)，從而有利于降低企業(yè)與外部投資者的信息不對稱；另一方面，高質量的審計服務可以降低企業(yè)發(fā)生錯報的概率，從而使得企業(yè)提供的財務報告(Willenborg,1999)更為客觀、公允。也就是說，高質量的審計能夠降低代理成本、提高盈余信息含量以及制約企業(yè)的機會主義行為(王艷艷 等,2006)，進而改善企業(yè)的信息環(huán)境。因此，本文推斷高質量的審計可能會對分析師預測質量產生替代效應，即債權人在進行貸款決策時可能會參考高質量審計所提供的信息和所傳遞的信號，從而減少對分析師預測質量的依賴?；谏鲜龇治?，本文提出：

假設2：審計質量的提高削弱了分析師預測質量與企業(yè)債務期限結構的正相關關系。

近年來，隨著我國資本市場的不斷發(fā)展，機構投資者在公司治理與信息解讀方面發(fā)揮著越來越重要的作用。一方面，機構投資者持股有助于提升公司治理水平。機構投資者可以利用投票權和股東提議權影響控股股東和管理層，執(zhí)行能夠獲利的項目或者修正管理層的無效行為(Ferreira et al.,2008)，抑制管理層的盈余管理行為(Ferreira et al.,2008)，從而提升上市公司的綜合治理水平(李維安 等，2008)。另一方面，機構投資者持股有助于降低企業(yè)與外部投資者之間的信息不對稱。與個人投資者相比，機構投資者的資金實力較為雄厚，具備強大的信息搜集和分析能力(Chung et al.,2002)；并且，機構投資者可以通過多種渠道傳播被挖掘出的信息，從而使得企業(yè)信息在資本市場加速擴散，企業(yè)信息透明度進一步提升。因此，機構投資者持股能夠有效降低企業(yè)與投資者之間的信息不對稱程度。由此，本文推斷機構投資者持股有助于改善企業(yè)信息環(huán)境，提升企業(yè)信息披露的質量，債權人在進行貸款決策時可能會參考機構投資者所提供的信息和所傳遞的信號，從而降低對分析師預測質量的依賴。也就是說，構投資者持股可能會對分析師預測質量產生替代效應?；谏鲜龇治?，本文提出：

假設3:機構投資者持股比例的提升削弱了分析師預測質量與企業(yè)債務期限結構的正相關關系。

三、研究設計

(一)樣本選擇與數據來源

考慮到2007年會計準則變更可能會對研究結論造成一定影響，本文選取2007—2018年所有A股(非ST、非*ST)上市公司作為初始研究樣本。在剔除金融類和變量數據缺失的上市公司后，最終得到16027個觀測值。此外，為避免異常值對實證結果的干擾，本文對連續(xù)型變量分別在1%和99%的位置上進行了縮尾處理。本文機構投資者持股數據來自WIND數據庫，其他數據來自CSMAR數據庫。

(二)變量定義

1.被解釋變量

本文的被解釋變量為債務期限結構(DM)。對于債務期限結構(DM)，本文參考肖作平等(2008)、楊鑫等(2018)以及Zheng et al.(2012)的做法，分別采用長期借款/總負債(DM1)、(長期借款+應付債券)/總負債(DM2)進行衡量。

2.解釋變量

本文的解釋變量為分析師預測質量(Analyst)，分別利用分析師預測分歧度(Disp)和分析師預測精確度(Accu)來度量。參考Lang et al.(1996)以及Behn et al.(2008)的做法，分析師預測分歧度(Disp)和分析師預測精確度(Accu)的計算方法如下：

Dispi,t=-Std(FEPSi,t)/PRICEi,t-1

(1)

Accui,t=-Abs[Mean(FEPSi,t)-MEPSi,t]/PRICEi,t-1

(2)

其中，Std(FEPSi,t)代表所有分析師對公司i上一年盈余公告日后至下一年盈余公告日前基于t-1年的財務報表數據對于t年每股盈余做出的預測值標準差，PRICEi,t-1代表盈余公告日(t-1年)當月月初的股票價格，Mean(FEPSi,t)代表所有分析師對公司i上一年盈余公告日后至下一年盈余公告日前基于t-1年的財務數據對于t年每股盈余做出預測的平均值，MEPSi,t代表公司i第t年的實際每股盈余。Dispi,t值越大，說明分析師預測分歧度越?。籄ccui,t值越大，說明分析師預測精確度越高。

3.調節(jié)變量

本文包括兩個調節(jié)變量，分別是審計質量(Big4)和機構投資者持股比例(Inst)。其中：對于審計質量(Big4)的衡量，本文參考雒敏等(2011)和楊鑫等(2018)的做法，以事務所規(guī)模(是否為“四大”)來反映，當年是“四大”審計取值為1，否則取值為0；對于機構投資者持股比例(Inst)的衡量，本文參考石美娟等(2009)的做法，用年末機構投資者持股占流通股比例來反映。

4.控制變量

參考肖作平等(2008)、楊鑫等(2018)以及Zheng et al.(2012)的做法，本文控制了實際所得稅率(ETR)、所有權性質(Soe)、盈利能力(Roa)、第一大股東持股比例(CR1)、自由現金流量(CFO)、資產有形性(Tang)、成長性(Grow)、財務杠桿(Lev)、企業(yè)規(guī)模(Size)等因素。此外，本文還控制了行業(yè)(Ind)和年度(Year)效應可能的影響。

變量說明見表1。

表1 變量說明

(三)模型構建

為檢驗分析師預測質量對企業(yè)債務期限的影響，本文構建了模型(3)：

DMi,t=α0+α1Analysti,t-1+α2Sizei,t-1+α3Levi,t-1+α4Growi,t-1+α5Tangi,t-1+α6CFOi,t-1+

α7CR1i,t-1+α8Roai,t-1+α9Soei,t-1+α10ETRi,t-1+∑Ind+∑Year+εi,t

(3)

其中：Analysti,t-1表示上市公司i第t-1期的分析師預測質量，包括分析師預測分歧度(Dispi,t-1)與分析師預測精確度(Accui,t-1)；DMi,t表示上市公司t期債務期限結構，包括DM1i,t和DM2i,t。

為檢驗審計質量和機構投資者持股對分析師預測質量與企業(yè)債務期限結構關系的影響，本文分別構建了模型(4)和(5)：

DMi,t=α0+α1Analysti,t-1+α2Analysti,t-1×Big4i,t-1+α3Big4i,t-1+α4Sizei,t-1+

α5Levi,t-1+α6Growi,t-1+α7Tangi,t-1+α8CFOi,t-1+α9CR1i,t-1+

α10Roai,t-1+α11Soei,t-1+α12ETRi,t-1+∑Ind+∑Year+εi,t

(4)

DMi,t=α0+α1Analysti,t-1+α2Analysti,t-1×Inst4i,t-1+α3Insti,t-1+α4Sizei,t-1+

α5Levi,t-1+α6Growi,t-1+α7Tangi,t-1+α8CFOi,t-1+α9CR1i,t-1+

α10Roai,t-1+α11Soei,t-1+α12ETRi,t-1+∑Ind+∑Year+εi,t

(5)

四、實證結果

(一)描述性統計分析

表2列示了主要研究變量的描述性統計結果。DM1的均值和中位數分別為0.095和0.024，DM2的均值和中位數分別為0.132和0.051，均值和中位數的差異較大，說明債務期限的分布不均勻，且長期債務融資的比重偏低；DM1和DM2的最小值都為0，說明長期負債(長期借款或長期借款與應付債券之和)占總負債的比重最小值為0。分析師預測分歧度(Disp)的均值為-0.025，標準差為0.026，說明分析師之間的盈余預測存在差別；分析師預測精確度(Accu)的均值為-0.039，標準差為0.059，說明分析師對不同上市公司盈余預測的精準度差異較大。審計質量(Big4)的均值為0.072，說明平均有7.2%的樣本公司由“四大”審計。機構投資者持股比例(Inst)的均值為0.288，說明構投資者在資本市場上扮演著十分重要的角色。

表2 主要變量的描述性統計

(二)相關性分析

表3報告了主要變量之間的相關系數。由表3可見，雖然DM1和DM2，以及Disp和Accu的相關系數較高，但是在實證分析的過程中DM1和DM2，以及Disp和Accu都是分別被放入模型進行回歸的。除此之外，其他變量之間的相關系數均低于0.5。并且，VIF值平均為1.31，最高為1.89，遠低于10。因此，模型不存在嚴重的多重共線性問題。

從表3還可以看出，Disp與DM1和DM2分別在5%和1%的水平上顯著正相關，說明分析師盈余預測質量越好(分析師預測分歧度越小)，債務期限越長；Accu與DM1和DM2分別在5%和1%顯著性水平上正相關，說明分析師盈余預測質量越好(分析師預測精確度越高)，債務期限越長，初步驗證了本文的假設1。此外，控制變量與企業(yè)債務期限結構的關系與已有研究基本一致，不再贅述。

表3 相關性分析結果

(三)單變量分析

表4為單變量組間差異分析的結果。本文參考褚劍等(2019)的做法，首先分別按分析師預測分歧度與分析師預測精確度是否大于樣本中位數將樣本分為高低兩組，然后對債務期限結構(DM1和DM2)進行均值和中位數組間差異比較。表4中Panel A的結果顯示，債務期限(DM1和DM2)在高低組間均值和中位數差異檢驗的t值和z值均在1%水平上顯著為負，說明債務期限結構在分析師預測精確度高低組存在顯著差異，分析師預測分歧度高組的債務期限結構顯著小于分析師預測分歧度低組的債務期限結構。表4中Panel B的結果顯示，債務期限(DM1和DM2)在高低組間均值和中位數差異檢驗的t值和z值均在1%水平上顯著為正，說明債務期限結構在分析師預測精確度高低組存在顯著差異，分析師預測精確度高組的債務期限結構顯著大于分析師預測分歧度低組的債務期限結構。以上結果表明，分析師預測質量越高(分析師預測分歧度越小、分析師預測精確度越高)，債務期限越長，這也初步驗證了本文的假設1。

表4 單變量組間差異分析

(四)多元回歸結果

1.分析師預測質量與企業(yè)債務期限結構的回歸分析

表5為使用模型(3)進行多元回歸的結果。其中，列(1)和列(3)報告了分析師預測分歧度(Disp)對債務期限結構(DM1和DM2)的影響，從中可見，分析師預測分歧度(Disp)的估計系數均在1%的水平上顯著為正；列(2)和列(4)報告了分析師預測精確度(Accu)對債務期限結構(DM1和DM2)的影響，從中可見，分析師預測精確度(Accu)的估計系數也均在1%的水平上顯著為正。從經濟顯著性來看，分析師預測分歧度(Disp)每增加一個標準差，債務期限結構DM1和DM2的數值分別增加4.13%和2.76%；同理，分析師預測精確度(Accu)每增加一個標準差，債務期限結構DM1和DM2的數值分別增加5.10%和5.45%。上述回歸分析結果表明，分析師預測質量越高，債務期限結構越長。由此，本文的假設1得到驗證。

表5 分析師預測質量與企業(yè)債務期限結構

從控制變量結果來看，企業(yè)規(guī)模(Size)、資產有形性(Tang)的估計系數均顯著為正，說明企業(yè)規(guī)模越大、固定資產比率越高，企業(yè)債務期限結構的數值也越大，即債權人傾向于給予此類企業(yè)更多的長期貸款。其他控制變量的回歸結果也基本符合理論預期，且與肖作平等(2008)和楊鑫等(2018)等相關研究基本一致。

2.審計質量對分析師預測質量與企業(yè)債務期限結構關系的影響

表6匯報了審計質量在分析師預測質量對企業(yè)債務期限結構影響中的調節(jié)效應。在列(1)和列(3)中，Disp×Big4的估計系數均在5%的水平上顯著為負；在列(2)和列(4)中，Accu ×Big4的估計系數均在5%的水平上顯著為負。這表明審計質量負向調節(jié)了分析師預測質量對債務期限結構的影響，原因是：貸款人在進行信貸期限決策時也可能會根據審計質量了解企業(yè)信息環(huán)境，從而對分析師預測質量的參考有所降低，即審計質量對分析師預測質量存在替代效應，結果導致分析師預測質量對企業(yè)債務期限結構的影響被削弱,假設2得到驗證。

表6 審計質量的調節(jié)作用

3.機構投資者持股比例對分析師預測質量與企業(yè)債務期限結構的影響

表7匯報了機構投資者持股比例在分析師預測質量對企業(yè)債務期限結構影響中的調節(jié)效應。在列(1)和列(3)中，Disp×Inst的估計系數均在5%的水平上顯著為負；在列(2)和列(4)中，Accu×Inst的估計系數均在5%的水平上顯著為負。上述回歸結果表明，機構投資者持股比例負向調節(jié)了分析師預測質量對企業(yè)債務期限結構的影響，這是因為：貸款人在進行信貸期限決策時也可能會根據機構投資者持股比例了解企業(yè)的信息環(huán)境，從而對分析師預測質量的參考有所降低，即機構投資者持股比例對分析師預測質量存在替代作用，結果導致分析師預測質量對企業(yè)債務期限結構的影響被弱化,假設3得到驗證。

表7 機構投資者持股比例的調節(jié)作用

五、拓展性研究

(一)影響機制分析

結合前文的分析可知，分析師預測質量高低能夠直接反映企業(yè)信息環(huán)境的好壞。當分析師預測質量高時，說明企業(yè)與債權人的信息不對稱程度低，企業(yè)信息環(huán)境好，銀行等正規(guī)金融機構對這類企業(yè)有著較為準確的了解，借貸風險較低，因此他們更愿意向這類企業(yè)提供期限較長的貸款。也就是說，分析師預測質量可能會通過影響企業(yè)與債權人之間的信息不對稱，進而對企業(yè)的債務期限結構產生作用。接下來，我們對信息不對稱的中介效應進行檢驗。信息不對稱的代理變量信息環(huán)境主要參考王蕾等(2019)的做法，采用我國A股上市公司股票年周轉率(IA)衡量，股票年周轉率(IA)越高，說明公司信息環(huán)境越好，信息不對稱程度越低。根據溫忠麟等(2014)的中介效應檢驗步驟，通過構建中介效應模型來檢驗信息環(huán)境在分析師預測質量和企業(yè)債務期限結構關系中的中介作用。具體步驟為：第一步，做因變量債務期限結構(DM1和DM2)對解釋變量分析師預測分歧度(Disp)和分析師預測精確度(Accu)的回歸，上文模型(3)已經進行了驗證(見表5)；第二步，做中介變量信息環(huán)境(IA)對解釋變量分析師預測分歧度(Disp)和分析師預測精確度(Accu)的回歸，采用以下模型(6)來檢驗；第三步，做因變量債務期限結構(DM1和DM2)對解釋變量分析師預測分歧度(Disp)、分析師預測精確度(Accu)和中介變量信息環(huán)境(IA)的回歸，采用以下模型(7)來檢驗。

IAi,t=α0+α1Analysti,t+α2Sizei,t+α3Levi,t+α4Growi,t+α5Tangi,t+α6CFOi,t+

α7CR1i,t+α8Roai,t+α9Soei,t+α10ETRi,t+∑Ind+∑Year+εi,t

(6)

DMi,t=α0+α1Analysti,t-1+α2IAi,t-1+α3Sizei,t-1+α4Levi,t-1+α5Growi,t-1+α6Tangi,t-1+

α7CFOi,t-1+α8CR1i,t-1+α9Roai,t-1+α10Soei,t-1+α11ETRi,t-1+∑Ind+∑Year+εi,t

(7)

表8報告了信息不對稱的中介效應檢驗結果。從表8列(5)和列(6)可以看出，信息環(huán)境(IA)對分析師預測分歧度(Disp)和分析師預測精確度(Accu)的回歸系數均在5%水平上顯著為正，說明分析師預測質量越高，股票年周轉率越高。即分析師預測質量越高，企業(yè)的信息不對稱程度越低。從表8列(1)～(4)的回歸結果可以看出，債務期限結構(DM1和DM2)對信息環(huán)境(IA)的回歸系數均在1%水平上顯著為正，債務期限結構(DM1和DM2)對分析師預測分歧度(Disp)和分析師預測精確度(Accu)的回歸系數分別在1%和5%水平上顯著為正，且分別低于表5列(1)～(4)中債務期限結構(DM1和DM2)對分析師預測分歧度(Disp)和分析師預測精確度(Accu )的系數值及顯著性，說明信息環(huán)境(IA)在分析師預測質量影響企業(yè)債務期限結構的過程中起部分中介作用。

表8 信息不對稱的中介效應檢驗結果

(二)基于需求因素的分析

前文主要是從債權人的角度出發(fā)考察分析師預測質量對企業(yè)債務期限結構的影響，而未排除企業(yè)作為信貸需求方，也可能會結合自身特點選擇相應的債務期限結構。那么，債務期限結構的變化是否內生于企業(yè)基于信貸需求的自發(fā)調整呢？接下來，本文在考慮流動性壓力、資產期限結構等信貸需求方因素影響的情況下檢驗分析師預測質量對企業(yè)債務期限結構的影響。

1.流動性需求的影響

企業(yè)有可能主動進行流動負債融資以緩解流動性壓力。當企業(yè)無法按時償付應付賬款時，企業(yè)可能會主動進行流動負債融資。為了排除企業(yè)流動性需求的影響，本文參考鐘凱等(2016)的做法，根據應付賬款占資產比重的中位數將全樣本劃分為應付賬款占資產比重高、低兩組，再檢驗分析師預測質量對企業(yè)債務期限結構的影響。表9匯報了分組檢驗的結果，從中可見，不論是在應付賬款占資產比重高組還是低組，分析師預測質量(Disp和Accu)與企業(yè)債務期限結構(DM1和DM2)均在1%的水平上顯著正相關。進一步，結合兩兩系數的Surtest檢驗P值來看，Disp和Accu的系數在兩類樣本企業(yè)間不存在顯著差異。因此，可以排除企業(yè)主動進行流動負債融資對本文主要結論的影響。

表9 按應付賬款占資產比重分組檢驗分析師預測質量與企業(yè)債務期限結構

2.資產期限結構的影響

資產期限在代理理論中起著重要作用。由于資產和債務期限的匹配能夠有效緩解債務到期時沒有足夠現金來償還本金的風險以及缺少債務支付所需的現金流風險(Diamond,1991)，企業(yè)也可能會結合資產期限對債務期限結構進行調整，而不完全受分析師預測質量的影響。參考鐘凱等(2016)的做法，本文先根據固定資產與存貨占總資產比重(Tang)的中位數將全樣本劃分為有形資產占比高、低兩組，然后檢驗分析師預測質量與企業(yè)債務期限結構的關系。表10匯報了分組檢驗的結果，從中可見：在有形資產占比高組和低組，分析師預測質量(Disp和Accu)與企業(yè)債務期限結構(DM1和DM2)均在1%的水平上顯著為正；進一步，結合兩兩系數的Surtest檢驗P值來看，Disp和Accu的估計系數在兩類樣本企業(yè)間不存在顯著差異，因此可以排除企業(yè)結合資產期限對債務期限結構進行調整對本文主要結論的影響。

表10 按資產有形性分組檢驗分析師預測質量與債務期限結構

六、穩(wěn)健性檢驗

(一)工具變量法

分析師預測質量與企業(yè)債務期限結構之間可能存在反向因果、遺漏變量和測量誤差而導致的內生性問題。借鑒施先旺等(2015)的做法，本文選用分析師預測提前時間(Horizon)和分析師跟蹤人數(Intensity)作為工具變量進行兩階段最小二乘(2SLS)估計。對工具變量選取的合理性進行Sargan檢驗，結果顯示：分析師預測離散度(Disp)的結果為0.21(p=0.64>0.10)，分析師預測準確度(Accu)的結果為0.20(p=0.65>0.10)，表明不存在過度識別問題；弱工具變量檢驗的F值均大于10，分別為81.77和192.37，調整的偏R2為0.19，最小特征統計量分別為104.93和276.50，大于15%的臨界值11.59，說明工具變量不是弱工具變量。由此可知，本文選取的工具變量合理有效。表11報告了工具變量法的回歸結果。其中：列(1)和列(4)為2SLS第一階段的回歸結果，說明工具變量和內生解釋變量是相關的；列(2)、列(3)、列(5)、列(6)為分析師預測質量與企業(yè)債務期限結構的回歸結果，從中可見，Disp和Accu的估計系數均在1%的水平上顯著為正。綜上所述，在考慮內生性問題后，本文主要研究結論依然成立。

表11 工具變量兩階段最小二乘估計

(二)變化模型檢驗

變化模型檢驗有助于消除不變的未觀察到的公司特征對企業(yè)債務期限結構的影響。如果分析師預測分歧度(Disp)和精確度(Accu)的增加(或降低)能夠對債務期限結構的變化產生增量影響，則表明結果更為穩(wěn)健。為此，本文采用債務期限的變化值(ΔDM1和ΔDM2)來衡量債務期限結構，重新回歸的結果如表12所示。由表12可見，解釋變量債務期限的變化值(ΔDisp和ΔAccu)的估計系數均在1%水平上顯著為正，進一步說明本文結論是穩(wěn)健可靠的。

表12 變化模型檢驗結果

(三)控制可能的遺漏變量

已有研究表明，審計質量(楊鑫 等，2018)、機構投資者持股比例(程書強，2006)、盈余質量(朱志標，2016)都能反映公司信息環(huán)境的好壞，而且也會影響企業(yè)債務期限結構。為了避免遺漏這些因素可能對研究結果造成影響，本文在模型(3)中增加了三個控制變量：審計質量(Big4)、機構投資者持股比例(Inst)和盈余質量(ABSDA)。其中，盈余質量(ABSDA)是用分年度和行業(yè)修正的瓊斯模型來測算。再次進行回歸分析的結果列于表13。表13的結果顯示，解釋變量分析師預測質量(Disp和Accu)的估計系數均在1%的水平上顯著為正，說明在控制審計質量(Big4)、機構投資者持股比例(Inst)和盈余質量(ABSDA)的影響之后，本文主要結論依然穩(wěn)健。

表13 控制可能的遺漏變量檢驗結果

七、結論與啟示

本文采用滬深A股上市公司2007—2018年度的財務數據，實證檢驗了分析師預測質量對企業(yè)債務期限結構的影響，以及審計質量和機構投資者對二者關系的調節(jié)作用。研究發(fā)現：分析師預測質量越高，企業(yè)債務期限結構越長；審計質量和機構投資者持股比例的提高均能夠在一定程度上削弱分析師預測質量對企業(yè)債務期限結構的正向影響。作用機制檢驗表明，信息不對稱在分析師預測質量與企業(yè)債務期限結構之間起部分中介作用。拓展性分析發(fā)現，可以排除企業(yè)信貸需求潛在干擾因素對本文主要研究結論的影響。

本文研究結論對于管理實踐的啟示主要體現在：首先，對于債權人的貸款期限決策具有重要的啟發(fā)意義。分析師作為資本市場信息中介，在信貸資源配置中發(fā)揮著重要的信息傳遞作用，分析師預測質量的信號傳遞作用能夠有效緩解企業(yè)與債權人的信息不對稱，從而為信貸資源配置提供關鍵的決策依據。因此，債權人應該高度重視分析師預測質量的作用，尤其是當貸款企業(yè)的審計質量較差、機構投資者持股比例較低時。其次，對于緩解債務人的債務期限約束具有重要的參考價值。企業(yè)信息環(huán)境在債權人信貸資源配置效率中發(fā)揮著重要作用，因此企業(yè)要著力優(yōu)化信息環(huán)境，為銀行等正規(guī)金融機構全面準確地了解企業(yè)的實際經營情況提供便利，從而實現貸款期限的合理配置。最后，為未來的監(jiān)管改進和完善提供重要的經驗證據。監(jiān)管部門與交易所可以借助分析師預測質量的高低對企業(yè)進行分類、分層、分級監(jiān)管，比如對分析師預測質量低的公司，要加強監(jiān)管，督促其依法及時、準確地披露信息。