米蕊

【摘要】要實現(xiàn)企業(yè)高質(zhì)量發(fā)展， 就必須緩解企業(yè)面臨的融資約束問題。基于2010 ～ 2021年我國滬深A(yù)股上市公司數(shù)據(jù)， 實證檢驗分析師跟蹤與融資約束之間的關(guān)系及其影響機制， 結(jié)果顯示， 分析師跟蹤能夠顯著降低融資約束。作用機制檢驗發(fā)現(xiàn)， 會計信息可比性具有中介效應(yīng)， 分析師跟蹤通過提高會計信息可比性緩解融資約束。異質(zhì)性檢驗發(fā)現(xiàn)， 機構(gòu)投資者持股、 內(nèi)部控制質(zhì)量在分析師跟蹤緩解融資約束中均表現(xiàn)為替代效應(yīng)， 即高持股比例機構(gòu)投資者、 高質(zhì)量內(nèi)部控制弱化了分析師跟蹤對融資約束的緩解效應(yīng)。研究結(jié)論不僅拓展了分析師跟蹤影響融資約束的作用機制， 還為充分發(fā)揮企業(yè)內(nèi)外部治理機制的邊際效應(yīng)提供了經(jīng)驗證據(jù)。

【關(guān)鍵詞】分析師跟蹤；會計信息可比性；融資約束；機構(gòu)投資者；內(nèi)部控制

【中圖分類號】 F275.1? ? ?【文獻標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2023）09-0082-8

一、 引言

黨的二十大報告多次強調(diào)高質(zhì)量發(fā)展， 實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展必須落實到企業(yè)微觀層面， 實現(xiàn)企業(yè)高質(zhì)量發(fā)展。融資約束制約企業(yè)創(chuàng)新投入（張璇等，2017）， 抑制全要素生產(chǎn)率的提升（任曙明和呂鐲，2014）， 已成為企業(yè)高質(zhì)量發(fā)展的掣肘因素和瓶頸問題。如何緩解融資約束， 推動企業(yè)高質(zhì)量發(fā)展成為學(xué)術(shù)界關(guān)注的重點。企業(yè)面臨的融資約束不僅受到內(nèi)部治理機制的影響， 同時也受到外部治理機制的影響。作為“信息中介”的證券分析師， 是資本市場重要的外部監(jiān)督機制， 分析師跟蹤會對企業(yè)的內(nèi)外部環(huán)境造成影響， 也會影響企業(yè)的融資約束， 因此， 關(guān)注分析師跟蹤對企業(yè)融資約束的影響至關(guān)重要。

以往文獻對分析師跟蹤行為的經(jīng)濟后果進行了廣泛研究， 但目前尚未達成一致觀點。一些學(xué)者認(rèn)為， 分析師跟蹤具有信息效應(yīng)和監(jiān)督效應(yīng)， 不僅能夠降低企業(yè)的信息不對稱和代理成本（譚雪，2016）， 改善市場信息環(huán)境， 提高投資—股價敏感性（黃宇漩等，2023）， 還能夠抑制企業(yè)的金融化行為（秦建文等，2022）， 促進技術(shù)創(chuàng)新（趙奇鋒和鞠曉生，2021）， 最終提升企業(yè)價值（譚春枝等，2021）。然而， 也有一些學(xué)者認(rèn)為， 分析師跟蹤會產(chǎn)生壓力效應(yīng)， 加劇管理層代理成本（嚴(yán)若森和葉云龍，2017）， 加大股價崩盤風(fēng)險（韓艷錦等，2021）， 加重過度投資問題（王玉和王建忠，2016）， 特別是當(dāng)分析師跟蹤人數(shù)超過一定數(shù)量后， 會對企業(yè)技術(shù)并購決策和技術(shù)創(chuàng)新產(chǎn)生負(fù)向影響（黃志宏等，2022）， 不利于企業(yè)高質(zhì)量發(fā)展。對于分析師跟蹤與企業(yè)融資之間的關(guān)系， 學(xué)者們從債務(wù)融資（范云蕊和李辰穎，2019）、 股權(quán)融資（李祎等，2016）、 商業(yè)信用融資（黃波和王滿，2018）等視角展開相關(guān)研究。與以往文獻不同， 本文基于會計信息可比性的視角， 考察了分析師跟蹤對融資約束的影響， 并驗證了機構(gòu)投資者持股與內(nèi)部控制在兩者之間所起的作用。具體是以2010 ～ 2021年我國滬深A(yù)股上市公司為研究對象， 檢驗了分析師跟蹤對融資約束的影響。實證結(jié)果表明， 分析師跟蹤對融資約束具有顯著緩解效應(yīng)， 會計信息可比性在分析師跟蹤影響融資約束的過程中起到了部分中介作用； 異質(zhì)性檢驗發(fā)現(xiàn)， 在緩解融資約束方面， 分析師跟蹤與機構(gòu)投資者持股、 內(nèi)部控制質(zhì)量之間均存在替代關(guān)系， 無論是高持股比例機構(gòu)投資者還是高質(zhì)量內(nèi)部控制， 均會弱化分析師跟蹤對融資約束的緩解效應(yīng)。

二、 理論分析與研究假設(shè)

（一）分析師跟蹤與融資約束

信息不對稱和代理問題是影響企業(yè)融資約束的主要因素。分析師作為企業(yè)外部治理的重要組成部分， 具有信息傳遞功能和監(jiān)督功能， 能夠減輕企業(yè)的信息不對稱程度以及股東與管理層之間的代理沖突， 從而減少可能產(chǎn)生的信息風(fēng)險和代理風(fēng)險， 降低投資者要求的報酬率， 緩解企業(yè)融資約束。

首先， 分析師的信息傳遞效應(yīng)能夠降低企業(yè)的信息不對稱程度。信息不對稱程度越高， 企業(yè)內(nèi)外部融資成本差異就越大， 面臨的融資約束就越嚴(yán)重（Myers和Majluf，1984）。企業(yè)外部信息環(huán)境的改善有助于降低信息不對稱程度和資金成本（張純和呂偉，2009）。作為資本市場重要信息媒介的分析師具有改善企業(yè)外部信息環(huán)境的作用， 他們通過挖掘、 傳遞信息提升企業(yè)的信息披露水平， 為企業(yè)與投資者等利益相關(guān)者之間搭建信息溝通橋梁， 進而影響資本成本。

由于分析師受過專業(yè)訓(xùn)練， 擁有資源優(yōu)勢、 知識優(yōu)勢以及敏銳的信息搜集處理能力， 可以通過較多的渠道挖掘企業(yè)的一些非公開信息， 同時利用自身的專業(yè)知識對公開信息進行深度解讀剖析， 并將搜集整理分析后的信息傳遞給投資者， 提供對決策更為有用的信息和評價， 彌補投資者獲取信息的片面和不足， 降低企業(yè)信息不對稱程度。分析師發(fā)揮的信息傳遞作用能夠加深外界對企業(yè)經(jīng)營發(fā)展情況的了解程度， 吸引更多的潛在投資者， 也使得投資者能夠降低信息搜集成本、 提升信心、 降低風(fēng)險溢價要求， 從而降低企業(yè)資本成本， 緩解企業(yè)面臨的融資約束。

其次， 分析師的監(jiān)督效應(yīng)能夠減輕企業(yè)的代理問題。所有權(quán)和經(jīng)營權(quán)分離的現(xiàn)代企業(yè)普遍存在委托代理關(guān)系及代理問題， 相較于股東， 管理層處于信息優(yōu)勢地位， 當(dāng)兩者之間存在利益沖突時， 管理層出于自利動機可能存在在職消費、 “帝國構(gòu)建”等機會主義行為， 通過謀取個人私利而損害股東和企業(yè)的利益。代理問題越嚴(yán)重， 產(chǎn)生的代理成本越高， 企業(yè)價值損害就越嚴(yán)重， 為了彌補可能承擔(dān)的潛在風(fēng)險和損失， 投資者會要求更高的報酬率， 從而加劇企業(yè)面臨的融資約束。

分析師在資本市場除了擔(dān)任信息解讀和信息補充的角色， 還擔(dān)任著外部監(jiān)督的角色， 能夠通過信息披露間接發(fā)揮對企業(yè)的監(jiān)督治理效應(yīng)。相較于普通投資者， 分析師擁有較優(yōu)的專業(yè)素養(yǎng)和信息搜集方面的專業(yè)優(yōu)勢， 更容易洞察管理層自利行為以及隱藏的負(fù)面信息， 并且分析師披露壞消息帶來的損失大于管理層主動披露帶來的損失（Hong等，2000）， 因此分析師跟蹤的威懾作用會抑制管理層的機會主義行為。已有研究對此提供了證據(jù)支持， 如： 分析師跟蹤能夠約束高管在職消費和超額消費（郭建鸞和簡曉彤，2021）， 抑制企業(yè)的盈余管理行為（張宗新和周嘉嘉，2019）， 降低財務(wù)錯報發(fā)生概率（劉柏和琚濤，2021）， 減少上市企業(yè)違規(guī)行為（袁芳英和朱晴，2022）。

另外， 分析師具有注意力吸聚能力（劉柏和琚濤，2021）， 分析師跟蹤會增強媒體（王曉艷和郝文靜，2022）、 投資者（林鐘高和楊雨馨，2017）等市場主體以及監(jiān)管部門對企業(yè)的關(guān)注程度， 分析師跟蹤人數(shù)越多， 外界對企業(yè)的關(guān)注程度就越高， 管理層的自利動機就越弱?，F(xiàn)有研究也證實了分析師跟蹤具有治理效應(yīng)， 能夠降低管理層代理成本（譚雪，2016）。分析師跟蹤對代理問題的治理效應(yīng)， 能夠減少企業(yè)的代理成本和代理風(fēng)險， 降低投資者要求的風(fēng)險溢價， 緩釋企業(yè)融資約束。

綜上所述， 本文認(rèn)為分析師跟蹤有助于緩解信息不對稱， 提升信息披露質(zhì)量， 約束管理層的機會主義行為， 降低股權(quán)融資成本（李祎等， 2016）和債務(wù)融資成本（范云蕊和李辰穎， 2019）， 從而減輕企業(yè)面臨的融資約束。據(jù)此， 本文提出H1： 若其他條件不變， 分析師跟蹤能夠緩解融資約束。

（二）會計信息可比性在分析師跟蹤與融資約束關(guān)系中的中介作用

本文認(rèn)為， 分析師跟蹤能夠提高會計信息的橫向可比和縱向可比進而緩解融資約束， 即會計信息可比性具有中介作用， 具體分析如下。

首先， 分析師跟蹤能提升會計信息的橫向可比和縱向可比。一方面， 分析師跟蹤有助于提高會計信息的橫向可比?，F(xiàn)行會計準(zhǔn)則下， 企業(yè)對于會計政策和估值方法具有一定的選擇權(quán)， 在外部監(jiān)督較弱的環(huán)境下， 企業(yè)青睞于利用會計政策的選擇和會計估計的變更進行盈余管理， 導(dǎo)致會計信息可比性降低。分析師被視為管理層行為的“放大鏡”， 分析師跟蹤會增大管理層機會主義行為的成本， 有效抑制管理層的自利行為， 使其審慎選擇會計政策并進行會計估計， 降低企業(yè)的盈余管理程度（張宗新和周嘉嘉，2019）， 增強會計信息口徑的一致性， 縮小企業(yè)間相同業(yè)務(wù)的信息披露差異， 有助于投資者對比分析不同企業(yè)間的財務(wù)報告信息， 增強會計信息的橫向可比。另一方面， 分析師跟蹤有助于提高會計信息的縱向可比。分析師的長期跟蹤會對管理層機會主義行為產(chǎn)生震懾作用， 壓縮管理層的會計自由裁量權(quán)空間， 保持會計政策和會計估計的穩(wěn)定性， 有助于投資者通過對比分析企業(yè)不同時期的財務(wù)報告信息， 更好地了解企業(yè)發(fā)展趨勢， 增強會計信息的縱向可比。

其次， 會計信息可比性有助于緩解融資約束。會計信息可比性能夠提高會計信息決策有用性， 吸引更多的投資者， 提供的增量信息使得投資者能夠降低被誤導(dǎo)的可能性、 決策過程中面臨的不確定性及決策風(fēng)險， 降低要求的資本報酬率， 對融資約束具有緩釋作用（明澤和潘頡， 2018）。已有研究發(fā)現(xiàn)， 會計信息可比性不僅能夠降低企業(yè)的股權(quán)融資成本（張永杰等， 2019）、 信貸融資成本（劉亭立等， 2022）和債券信用利差（黃波， 2020）， 還能夠提高企業(yè)的商業(yè)信用融資水平（張勇， 2017）， 最終緩解企業(yè)面臨的融資約束。

綜上， 分析師跟蹤的信息中介和監(jiān)督作用能通過增強會計信息的橫向可比和縱向可比， 提高會計信息質(zhì)量， 吸引更多的投資者， 降低投資者要求的資本報酬率， 進而緩解企業(yè)面臨的融資約束。

三、 研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文以2010 ～ 2021年滬深A(yù)股上市公司為研究對象， 在剔除金融行業(yè)上市公司、 ST類上市公司和數(shù)據(jù)缺失的樣本后， 最終共獲取14091個觀測值。同時， 為減小異常值的影響， 本文對所有連續(xù)變量進行了上下1%的縮尾處理。內(nèi)部控制指數(shù)來自迪博內(nèi)部控制與風(fēng)險管理數(shù)據(jù)庫， 其他數(shù)據(jù)均來自國泰安數(shù)據(jù)庫。

（二）變量定義

1. 被解釋變量： 融資約束（FC）。借鑒Hadlock和Pierce（2010）、 顧雷雷等（2020）的做法， 本文用FC指數(shù)衡量企業(yè)融資約束， 計算過程如下： 首先， 根據(jù)按照年度對企業(yè)規(guī)模、 年齡和現(xiàn)金股利支付率三個變量進行標(biāo)準(zhǔn)化處理后的變量均值對企業(yè)進行升序排列， 大于66%分位的企業(yè)， 融資約束虛擬變量QUFC取值為0， 作為低融資約束組， 小于33%分位的企業(yè)， QUFC取值為1， 作為高融資約束組。其次， 對模型（2）進行Logit回歸， 擬合企業(yè)每一年度的融資約束發(fā)生概率P， 并將其定義為融資約束指數(shù)FC（取值在0和1之間）， FC越大， 企業(yè)的融資約束問題越嚴(yán)重。

（1）

Zi，t=α0+α1Sizei，t+α2LEVi，t+α3（? ? ? ? ? ? ? ? ? ? ? ? ? ）i，t+α4MBi，t+α5（? ? ? ? ? ? ? ? ? ? ?）i，t+α6（? ? ? ? ? ? ? ? ? ）i，t? ? （2）

模型（2）中， Cashdiv表示企業(yè)當(dāng)年發(fā)放的現(xiàn)金股利， MB表示市場價值與賬面價值之比， NWC表示凈營運資本， EBIT表示息稅前利潤， TA表示總資產(chǎn)。

2. 解釋變量： 分析師跟蹤（ANC）。本文從企業(yè)是否有分析師跟蹤（ANC1）以及分析師跟蹤程度（ANC2）兩個方面對分析師跟蹤進行衡量： 如果一年內(nèi)有分析師團隊對企業(yè)進行過跟蹤分析則ANC1取值為1， 否則為0； 用對企業(yè)進行過跟蹤分析的分析師團隊數(shù)量加1后的自然對數(shù)衡量分析師跟蹤程度。

3. 中介變量： 會計信息可比性（CA）。本文借鑒De Franco等（2011）、 劉亭立等（2022）的研究計算企業(yè)會計信息可比性。以目標(biāo)企業(yè)i為例， 首先計算同年度同行業(yè)內(nèi)企業(yè)i與其他所有企業(yè)兩兩組合的會計信息可比性值， 然后計算上述所有組合的會計信息可比性值的平均數(shù)以及可比性值最高的四對組合的平均數(shù)， 分別用變量CAIA和變量CAI4表示。該值越大， 表明企業(yè)i相對于同行業(yè)其他企業(yè)的年度會計信息可比性越高。具體計算方法與上述研究一致， 限于篇幅， 本文不再贅述。

4. 控制變量。借鑒現(xiàn)有的文獻， 本文采用的控制變量包括： 盈利能力（ROA）、 企業(yè)規(guī)模（Size）、 資產(chǎn)負(fù)債率（Lev）、 獨董占比（INDP）、 兩職合一（Two）、 成長性（Growth）、 董事會規(guī)模（Board）、 股權(quán)集中度（Top1）、 機構(gòu)投資者持股（IIS）、 現(xiàn)金持有（Cash）、 上市年限（Age）。同時， 本文控制了行業(yè)固定效應(yīng)和年度固定效應(yīng)。

上述變量具體定義如表1所示。

（三）模型設(shè)定

為了驗證分析師跟蹤對企業(yè)融資約束的影響， 本文構(gòu)建模型（3）對此進行檢驗：

FCi，t=β0+β1ANCi，t+βkControlsi，t+εi，t （3）

其中： FC為被解釋變量， 表示融資約束； ANC包括ANC1和ANC2， 表示分析師跟蹤； Controls為前文所述的控制變量； ε為隨機擾動項。除特殊說明外， 本文均采用穩(wěn)健標(biāo)準(zhǔn)誤對模型進行回歸。

四、 實證結(jié)果與分析

（一）描述性統(tǒng)計和相關(guān)性分析

表2列示了主要變量的描述性統(tǒng)計結(jié)果。由表2可知， 融資約束（FC）的均值、 最小值和最大值分別為0.398、 0.005和0.894， 說明樣本企業(yè)之間的融資約束程度存在較大差異。是否有分析師跟蹤（ANC1）的均值為0.744， 分析師跟蹤程度（ANC2）的均值、 最小值和最大值分別為1.532、 0和3.807， 說明樣本中74.4%的企業(yè)存在分析師跟蹤， 且不同企業(yè)被分析師跟蹤的團隊數(shù)量存在較大差異。會計信息可比性（CAIA）的均值、 最小值和最大值分別為-0.012、 -0.041、 -0.004， 會計信息可比性（CAI4）的均值、 最小值和最大值分別為

-0.004、 -0.025、 -0.001， 說明樣本企業(yè)之間的會計信息可比性存在差異。

通過對主要變量的Spearson和Pearson相關(guān)性分析（限于篇幅， 表略）， 可以得到分析師跟蹤（ANC1）與融資約束（FC）的相關(guān)系數(shù)分別為-0.252和-0.253， 均在1%的水平上顯著， 分析師跟蹤（ANC2）與融資約束（FC）的相關(guān)系數(shù)分別為-0.342和-0.341， 均在1%的水平上顯著， 初步驗證了分析師跟蹤與融資約束之間的負(fù)相關(guān)關(guān)系， 符合本文的研究預(yù)期。自變量之間的相關(guān)系數(shù)絕對值均不超過0.61， 方差膨脹因子的最大值和均值分別為2.08和1.53， 表明自變量之間不存在嚴(yán)重的多重共線性問題。

（二）單變量分析

按照是否有分析師跟蹤（ANC1）進行分組后融資約束（FC）的T/Z檢驗（限于篇幅， 表略）。由結(jié)果可知， 存在分析師跟蹤的企業(yè)， 無論是融資約束的均值還是中位數(shù)均顯著低于不存在分析師跟蹤的企業(yè)， 即存在分析師跟蹤的企業(yè)面臨的融資約束程度較低， 支持了本文H1。

（三）回歸結(jié)果分析

1. 分析師跟蹤對融資約束的影響。表3列示了分析師跟蹤對融資約束影響的回歸結(jié)果。列（1）、 列（2）為僅控制年度和行業(yè)固定效應(yīng)的回歸結(jié)果。結(jié)果顯示， 分析師跟蹤（ANC1、 ANC2）與融資約束（FC）的回歸系數(shù)均在1%的水平上顯著為負(fù)， 表明分析師跟蹤能夠降低企業(yè)的融資約束程度。列（3）、 列（4）為加入所有控制變量后的回歸結(jié)果， 此時分析師跟蹤（ANC1、 ANC2）與融資約束（FC）的回歸系數(shù)分別為-0.0296、

-0.0157， 同樣在1%的水平上顯著。說明在控制了其他可能的影響因素后， 分析師跟蹤仍然對企業(yè)的融資約束具有緩釋效應(yīng)。表3的回歸結(jié)果支持了H1， 表明分析師跟蹤具有治理效應(yīng)， 能夠幫助企業(yè)緩解融資約束。

2. 分析師跟蹤影響融資約束的作用機制檢驗。上述實證結(jié)果表明分析師跟蹤能夠顯著緩解企業(yè)的融資約束， 但分析師跟蹤緩解企業(yè)融資約束的機制是什么？正如前文所述， 本文認(rèn)為分析師跟蹤能夠通過促進提高會計信息可比性（CA）來降低企業(yè)的融資約束（FC）。對此， 本文借鑒溫忠麟和葉寶娟（2014）的思路， 構(gòu)建遞歸模型（4）和模型（5）， 用中介效應(yīng)分析方法驗證這一影響機制。

CAi，t=γ0+γ1ANCi，t+γkControlsi，t+εi，t （4）

FCi，t=φ0+φ1ANCi，t+φ2CAi，t+φkControlsi，t+εi，t （5）

其中， CA表示會計信息可比性系列變量， 包括變量CAIA和變量CAI4。其他變量的含義和計算方法與模型（3）相同。檢驗結(jié)果見表4。

第一步， 對模型（4）進行回歸， 結(jié)果如列（1）所示。結(jié)果顯示， 是否有分析師跟蹤（ANC1）與會計信息可比性（CAIA）的回歸系數(shù)0.001在1%的回歸水平上顯著為正， 表明分析師跟蹤顯著提高了企業(yè)的會計信息可比性。

第二步， 對模型（5）進行回歸， 結(jié)果如列（2）所示。結(jié)果顯示， 會計信息可比性（CAIA）與融資約束（FC）的回歸系數(shù)-0.7567在1%的水平上顯著為負(fù)， 表明企業(yè)會計信息可比性的提高能夠顯著緩解融資約束。是否有分析師跟蹤（ANC1）與融資約束（FC）的回歸系數(shù)

-0.0289仍在1%的水平上顯著為負(fù)， 且回歸系數(shù)絕對值小于表3列（3）中的回歸系數(shù)絕對值。

第三步， 將模型（4）中變量ANC1的回歸系數(shù)與模型（5）中變量CAIA的回歸系數(shù)相乘， 并將乘積符號與模型（5）中變量ANC1的回歸系數(shù)相比， 發(fā)現(xiàn)符號相同， 均為負(fù)， 表明會計信息可比性在分析師跟蹤影響企業(yè)融資約束的過程中發(fā)揮了部分中介效應(yīng)。

按照上述分析步驟， 本文對分析師跟蹤（ANC1）、 會計信息可比性（CAI4）， 以及分析師跟蹤（ANC2）、 會計信息可比性（CAIA、CAI4）的相關(guān)回歸結(jié)果分別進行了分析。分析結(jié)果均表明， 在分析師跟蹤影響企業(yè)融資約束的過程中， 會計信息可比性發(fā)揮了部分中介效應(yīng)， 分析師跟蹤能夠通過促進會計信息可比性緩解企業(yè)融資約束的作用路徑得到了驗證。

（四）穩(wěn)健性檢驗

1. 控制個體固定效應(yīng)。為了解決企業(yè)層面不隨時間變化的相關(guān)遺漏變量可能引起的內(nèi)生性問題， 本文在控制年度固定效應(yīng)和行業(yè)固定效應(yīng)的基礎(chǔ)上， 進一步控制了企業(yè)層面固定效應(yīng)， 重新對模型（3）進行回歸， 回歸結(jié)果如表5中列（1）和列（2）所示。分析師跟蹤（ANC1、ANC2）和融資約束（FC）的回歸系數(shù)分別為-0.0145、 -0.0068， 均在1%的水平上顯著為負(fù)， 表明控制個體固定效應(yīng)后， 回歸結(jié)果與前文結(jié)論保持一致。

2. 反向因果檢驗。分析師跟蹤與融資約束之間的關(guān)系可能并不是分析師跟蹤導(dǎo)致企業(yè)融資約束程度降低， 而是融資約束程度低的企業(yè)更容易吸引分析師跟蹤， 即反向因果關(guān)系。為此， 本文分別使用分析師跟蹤的滯后一期（L_ANC1、L_ANC2）和分析師跟蹤的滯后兩期（L2_ANC1、 L2_ANC2）替代同期分析師跟蹤（ANC1、 ANC2）變量， 重新對模型（3）進行回歸， 回歸結(jié)果如表5中的列（3） ～ （6）所示。變量L_ANC1、 L_ANC2、 L2_ANC1、 L2_ANC2的回歸系數(shù)分別為

-0.0261、 -0.0133、 -0.0244和-0.0117， 且均在1%的水平上顯著為負(fù)， 與前文相比， 回歸結(jié)果未發(fā)生實質(zhì)性變化， 這表明在充分考慮反向因果關(guān)系后， 本文結(jié)論仍然得到支持。

3. 替換解釋變量。為了解決解釋變量測量誤差可能引起的內(nèi)生性問題， 本文用一年內(nèi)分析師對上市公司出具的研報總數(shù)量加1取自然對數(shù)作為分析師跟蹤的衡量指標(biāo)（ANC3）， 代入模型（3）后進行回歸， 回歸結(jié)果如表6中的列（1）所示。結(jié)果顯示， 變量ANC3的回歸系數(shù)為-0.0129， 在1%的水平上顯著， 說明替換分析師跟蹤的衡量指標(biāo)后， 分析師跟蹤與融資約束之間仍然呈顯著負(fù)相關(guān)關(guān)系。

4. 替換被解釋變量。為保證估計結(jié)果的穩(wěn)定性， 本文借鑒Whited和Wu（2006）、 劉莉亞等（2015）的做法， 構(gòu)建WW指數(shù)衡量融資約束， 具體計算方法如模型（6）所示。

WWi，t=-0.091CFi，t-0.062DIVi，t+0.021LEVi，t

-0.044Sizei，t+0.102ISGi，t-0.035Growthi，t? ? ?（6）

模型（6）中： WW為融資約束； CF為經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額/總資產(chǎn)； DIV為現(xiàn)金股利支付， 當(dāng)期如果派發(fā)現(xiàn)金股利取值為1， 否則為0； ISG為行業(yè)平均銷售增長率； 其他變量的含義及計算方法與模型（3）中的相同。

將變量WW替換模型（3）中的變量FC后進行回歸， 回歸結(jié)果如表6中的列（2）和列（3）所示。分析師跟蹤（ANC1、ANC2）與融資約束（WW）的回歸系數(shù)分別為-0.0047、 -0.0016， 均在1%的水平上顯著， 說明替換融資約束變量后， 分析師跟蹤對企業(yè)融資約束仍具有降低效應(yīng)， 與前文結(jié)論保持一致。

5. 企業(yè)層面的聚類回歸。本文進一步使用聚類到企業(yè)層面的穩(wěn)健標(biāo)準(zhǔn)誤對模型（3）進行回歸， 回歸結(jié)果如表6中的列（4）和列（5）所示。結(jié)果顯示， 進行企業(yè)層面的聚類回歸后， 變量ANC1和ANC2的回歸系數(shù)仍在1%的水平上顯著為負(fù)， 與基準(zhǔn)回歸結(jié)果無實質(zhì)性差異， 增強了本文研究結(jié)論的可信性。

（五）分析師跟蹤影響融資約束的異質(zhì)性檢驗

分析師跟蹤對企業(yè)融資約束的影響可能會受到機構(gòu)投資者持股、 內(nèi)部控制質(zhì)量等內(nèi)外部治理因素的影響， 對此， 本文在模型（3）的基礎(chǔ)上通過引入交乘項的方式進行檢驗。

1. 外部治理監(jiān)督： 機構(gòu)投資者持股的調(diào)節(jié)作用。相較于個人投資者， 機構(gòu)投資者具有資產(chǎn)優(yōu)勢、 專業(yè)優(yōu)勢和信息優(yōu)勢， 機構(gòu)投資者持股比例越高， 在企業(yè)擁有的話語權(quán)越大， 參與公司治理的積極性也就越高， 通過發(fā)揮積極治理效應(yīng)和信息中介效應(yīng)， 促進企業(yè)信息傳遞， 降低信息不對稱程度， 抑制管理層自利行為， 降低代理成本， 進而緩解企業(yè)融資約束（甄紅線和王謹(jǐn)樂， 2016）。然而， 對于分析師與機構(gòu)投資者的共同治理效應(yīng)， 學(xué)者們存在不同的看法。有學(xué)者認(rèn)為， 機構(gòu)投資者持股會對分析師產(chǎn)生壓力效應(yīng)， 影響其獨立性， 進而弱化分析師的治理效果， 具有替代治理效果（李祎等， 2016）。也有學(xué)者認(rèn)為， 機構(gòu)投資者持股會對分析師產(chǎn)生監(jiān)督效應(yīng)， 提升分析師盈余預(yù)測和評級報告的質(zhì)量， 具有補充治理效果（黃波和王滿， 2018）。根據(jù)前文的回歸結(jié)果已知， 分析師跟蹤對融資約束具有緩解效應(yīng)， 那么， 機構(gòu)投資者持股與分析師跟蹤對企業(yè)融資約束的交互影響發(fā)揮的是互補效應(yīng)還是替代效應(yīng)？厘清這一問題對于如何將兩者有機結(jié)合起來， 更好地發(fā)揮企業(yè)外部治理機制、 改善外部治理環(huán)境具有重要意義。

為了檢驗機構(gòu)投資者持股對分析師跟蹤緩解融資約束效果的影響， 本文在模型（3）中引入分析師跟蹤與機構(gòu)投資者持股的交乘項（ANC1×IIS、 ANC2×IIS）后進行回歸， 回歸結(jié)果如表7中的列（1）和列（2）所示。結(jié)果顯示， 交乘項（ANC1×IIS、 ANC2×IIS）的回歸系數(shù)均為0.0004 ， 且在1%的水平上顯著。這表明， 機構(gòu)投資者持股與分析師跟蹤對融資約束的影響存在替代效應(yīng)， 而不是互補效應(yīng)， 即高持股比例的機構(gòu)投資者會弱化分析師跟蹤對融資約束的緩解效應(yīng)。

2. 內(nèi)部治理問題： 內(nèi)部控制質(zhì)量的調(diào)節(jié)作用。內(nèi)部控制作為企業(yè)治理結(jié)構(gòu)中的重要組成部分， 會對企業(yè)的融資約束產(chǎn)生影響。高質(zhì)量的內(nèi)部控制能夠顯著抑制企業(yè)的盈余管理（賈麗， 2022）， 降低代理成本（彭桃英和汲德雅， 2014）， 進而緩解融資約束（樊后裕， 2016）。而企業(yè)內(nèi)部控制存在缺陷則會加劇融資約束（顧奮玲和解角羊， 2018）。然而， 有關(guān)分析師與內(nèi)部控制的共同治理效應(yīng)， 學(xué)者們存在不同的看法。有學(xué)者認(rèn)為， 內(nèi)部控制與分析師跟蹤之間存在替代效應(yīng)， 在內(nèi)部控制質(zhì)量較差的企業(yè)， 分析師跟蹤緩解融資約束的邊際效應(yīng)更明顯（范云蕊和李辰穎， 2019）。也有學(xué)者認(rèn)為， 內(nèi)部控制與分析師跟蹤之間存在協(xié)同效應(yīng)， 高質(zhì)量的內(nèi)部控制能夠降低分析師跟蹤對真實盈余管理的刺激作用（左志剛和石方志， 2021）。前文的回歸結(jié)果已經(jīng)驗證了分析師跟蹤對融資約束的抑制效應(yīng)， 那么， 內(nèi)部控制與分析師跟蹤在緩解融資約束方面是存在互補關(guān)系還是替代關(guān)系？

為了檢驗內(nèi)部控制質(zhì)量對分析師跟蹤緩解融資約束效果的影響， 本文首先采用迪博的內(nèi)部控制指數(shù)加1取自然對數(shù)的值進行衡量， 該值越大， 表示內(nèi)部控制質(zhì)量越高。其次在模型（3）中引入內(nèi)部控制質(zhì)量（Index）以及分析師跟蹤與內(nèi)部控制質(zhì)量的交乘項（ANC1×Index、 ANC2×Index）后進行回歸， 回歸結(jié)果如表7中的列（3）和列（4）所示。結(jié)果顯示， 交乘項（ANC1×Index、 ANC2×Index）的回歸系數(shù)分別為0.0411、 0.0326 ， 且在10%和1%的水平上顯著。這表明， 內(nèi)部控制質(zhì)量與分析師跟蹤在緩解融資約束方面存在替代關(guān)系， 而不是互補關(guān)系， 即高質(zhì)量內(nèi)部控制弱化了分析師跟蹤對融資約束的緩解效應(yīng)。

五、 研究結(jié)論與啟示

（一）研究結(jié)論

本文選取2010 ～ 2021年我國滬深A(yù)股上市公司的數(shù)據(jù)， 檢驗了分析師跟蹤對融資約束的影響， 探析了分析師跟蹤緩解融資約束的內(nèi)在機理， 并分別從機構(gòu)投資者持股和內(nèi)部控制質(zhì)量兩個方面展開了進一步研究。研究發(fā)現(xiàn)： 分析師跟蹤對融資約束具有顯著緩解效應(yīng)， 而會計信息可比性在兩者之間具有部分中介作用， 即分析師跟蹤通過促進提升會計信息可比性進而緩解了融資約束。機構(gòu)投資者持股與分析師跟蹤在緩解融資約束方面存在替代關(guān)系， 高持股比例的機構(gòu)投資者會弱化分析師跟蹤對融資約束的緩解效應(yīng)。內(nèi)部控制與分析師跟蹤在緩解融資約束方面也存在替代關(guān)系， 高質(zhì)量內(nèi)部控制會弱化分析師跟蹤對融資約束的緩解效應(yīng)。

（二）啟示

本文的研究結(jié)論具有如下政策啟示： 第一， 政府有關(guān)部門應(yīng)加強對證券分析師行業(yè)的監(jiān)管， 提高分析師的覆蓋率及專業(yè)勝任能力， 降低資本市場存在的信息不對稱程度和代理成本， 提高企業(yè)的會計信息可比性， 緩解融資約束， 促進企業(yè)高質(zhì)量發(fā)展。同時， 應(yīng)鼓勵和引導(dǎo)分析師重點關(guān)注機構(gòu)投資者持股比例較低、 內(nèi)部控制質(zhì)量較差的企業(yè)， 促使邊際治理效應(yīng)最大化。第二， 上市公司應(yīng)將內(nèi)外部治理機制有機結(jié)合， 最大限度地發(fā)揮其治理作用。在機構(gòu)投資者持股比例較低、 內(nèi)部控制質(zhì)量較差的企業(yè)， 應(yīng)考慮分析師跟蹤對機構(gòu)投資者和內(nèi)部控制的影響， 充分發(fā)揮分析師跟蹤的監(jiān)督效應(yīng)和信息效應(yīng)， 改善外部環(huán)境， 有效緩解企業(yè)面臨的融資約束。第三， 投資者可以結(jié)合分析師跟蹤、 機構(gòu)投資者持股、 內(nèi)部控制等多方面的信息進行綜合評價， 從而做出最優(yōu)決策。

【 主 要 參 考 文 獻 】

范云蕊，李辰穎．分析師關(guān)注、內(nèi)部控制與企業(yè)債務(wù)融資約束［ J］．金融與經(jīng)濟，2019（10）：25 ～ 30．

顧奮玲，解角羊．內(nèi)部控制缺陷、審計師意見與企業(yè)融資約束——基于中國A 股主板上市公司的經(jīng)驗數(shù)據(jù)［ J］．會計研究，2018（12）：77 ～ 84．

郭建鸞，簡曉彤．分析師的外部監(jiān)督效應(yīng)——來自企業(yè)高管在職消費的證據(jù)［ J］．中央財經(jīng)大學(xué)學(xué)報，2021（2）：73 ～ 88．

顧雷雷，郭建鸞，王鴻宇．企業(yè)社會責(zé)任、融資約束與企業(yè)金融化［ J］．金融研究，2020（2）：109 ～ 127．

韓艷錦，馮曉晴，宋建波．基于信息生成環(huán)節(jié)的分析師關(guān)注與股價崩盤風(fēng)險［ J］．管理學(xué)報，2021（2）：279 ～ 286．

黃波．法制環(huán)境、會計信息可比性與債券信用利差［ J］．財經(jīng)論叢，2020（3）：78 ～ 86．

黃波，王滿．分析師跟蹤影響了商業(yè)信用融資嗎——基于我國上市公司的實證分析［ J］．山西財經(jīng)大學(xué)學(xué)報，2018（8）：42 ～ 55．

黃志宏，李善民，王彩萍等．分析師跟蹤對企業(yè)技術(shù)并購決策的影響研究［ J］．會計研究，2022（1）：129 ～ 143．

李祎，劉啟亮，李洪．IFRS、財務(wù)分析師、機構(gòu)投資者和權(quán)益資本成本——基于信息治理觀視角［ J］．會計研究，2016（10）：26 ～ 33．

林鐘高，楊雨馨．風(fēng)險提示信息、分析師跟進與機構(gòu)投資者持股［ J］．財經(jīng)理論與實踐，2017（5）：64 ～ 72．

劉柏，琚濤．“事前震懾”與“事后糾偏”：分析師關(guān)注對財務(wù)錯報和重述的跨期監(jiān)管研究［ J］．南開管理評論，2021（1）：50 ～ 61．

劉莉亞，何彥林，王照飛等．融資約束會影響中國企業(yè)對外直接投資嗎？——基于微觀視角的理論和實證分析［ J］．金融研究，2015（8）：124 ～ 140．

劉亭立，王妍，石倩倩．高質(zhì)量的信息披露是否有助于降低企業(yè)信貸融資成本？——基于會計信息可比性的研究［ J］．投資研究，2022（6）：59 ～ 75．

明澤，潘頡．企業(yè)生命周期、會計信息可比性與融資約束［ J］．財經(jīng)問題研究，2018（9）：114 ～ 121．

秦建文，胡金城，操應(yīng)翔．分析師關(guān)注與實體企業(yè)金融化［ J］．技術(shù)經(jīng)濟，2022（3）：139 ～ 152．

任曙明，呂鐲．融資約束、政府補貼與全要素生產(chǎn)率——來自中國裝備制造企業(yè)的實證研究［ J］．管理世界，2014（11）：10 ～ 23．

譚春枝，張敏，聞岳春．基于內(nèi)生性與異質(zhì)性的分析師跟蹤對公司價值的影響研究［ J］．上海金融，2021（3）：60 ～ 69．

譚雪．分析師關(guān)注的治理功用研究——基于兩類代理成本的考察［ J］．證券市場導(dǎo)報，2016（12）：37 ～ 45．

王玉，王建忠．分析師關(guān)注度，會計穩(wěn)健性與過度投資［ J］．投資研究，2016（12）：79 ～ 91．

王曉艷，郝文靜．分析師關(guān)注度對企業(yè)信用評級的影響——基于媒體報道的中介效應(yīng)研究［ J］．金融理論與實踐，2022（2）：78 ～ 87．

溫忠麟，葉寶娟．中介效應(yīng)分析：方法和模型發(fā)展［ J］．心理科學(xué)進展，2014（5）：731 ～ 745．

嚴(yán)若森，葉云龍．證券分析師跟蹤與企業(yè)雙重代理成本——基于中國A股上市公司的經(jīng)驗證據(jù)［ J］．中國軟科學(xué)，2017（10）：173 ～ 183．

袁芳英，朱晴．分析師關(guān)注會減少上市公司違規(guī)行為嗎？——基于信息透明度的中介效應(yīng)［ J］．湖南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2022（1）：80 ～ 88．

張純，呂偉．信息環(huán)境、融資約束與現(xiàn)金股利［ J］．金融研究，2009（7）：81 ～ 94．

張永杰，尹林輝，酒莉莉．會計信息可比性降低了股權(quán)融資成本嗎［ J］．國際商務(wù)（對外經(jīng)濟貿(mào)易大學(xué)學(xué)報），2019（6）：135 ～ 152．

張宗新，周嘉嘉．分析師關(guān)注能否提高上市公司信息透明度？——基于盈余管理的視角［ J］．財經(jīng)問題研究，2019（12）：49 ～ 57．

趙奇鋒，鞠曉生．證券分析師關(guān)注抑制了技術(shù)創(chuàng)新嗎？——來自中國上市企業(yè)的證據(jù)［ J］．產(chǎn)業(yè)經(jīng)濟評論，2021（4）：139 ～ 162．

De Franco G.， Kothari S. P.， Verdi R. S.. The Benefits of Financial Statement Comparability［ J］． Journal of Accounting Research，2011（4）：895 ～ 931．

Hadlock C. J.， Pierce J. R.. New Evidence on Measuring Financial Constraints： Moving Beyond the KZ Index［ J］． Review of Financial Studies，2010（5）：1909 ～ 1940．

Hong H.， Lim T.， Stein J. C.. Bad News Travels Slowly： Size， Analyst Coverage， and the Profitability of Momentum Strategies［ J］． The Journal of Finance，2000（1）：265 ～ 295．

Myers S. C.， Majluf N. S.. Corporate Financing and Investment Decisions When Firms Have Information That Investors Do Not Have［ J］． Journal of Financial Economics，1984（2）：187 ～ 221．

Whited T. M.， Wu G.. Financial Constraints Risk［ J］． Review of Financial Studies，2006（2）：531 ～ 559．

【基金項目】 河南省重點研發(fā)與推廣專項（軟科學(xué)研究）項目“基于政府會計制度改革的高校基建并賬工作研究”（項目編號：212400410569）；河南省哲學(xué)社會科學(xué)規(guī)劃項目“無實際控制人對企業(yè)投融資的影響機制研究”（項目編號：2022BJJ024）

【作者單位】河南財政金融學(xué)院會計學(xué)院， 鄭州 450046