【摘 要】 提升企業(yè)全要素生產(chǎn)率，對經(jīng)濟高質(zhì)量增長至關(guān)重要。作為一種關(guān)鍵的外部監(jiān)督機制，分析師的關(guān)注對企業(yè)成長具有深遠影響。文章選取2010—2022年間滬深A股市場上市公司作為分析對象，旨在深入了解分析師關(guān)注對企業(yè)全要素生產(chǎn)率的作用機理。通過研究發(fā)現(xiàn)，分析師的密切關(guān)注與企業(yè)全要素生產(chǎn)率的提升呈正相關(guān)關(guān)系。特別是在國有企業(yè)和代理成本較高的企業(yè)中，這種正向效應更加明顯。機制檢驗揭示，提高企業(yè)內(nèi)控質(zhì)量是分析師關(guān)注促進企業(yè)全要素生產(chǎn)率提高的關(guān)鍵路徑。本研究不僅揭示了分析師關(guān)注如何促進企業(yè)生產(chǎn)效率的提升，也擴展了對分析師治理作用的認識，并對促進企業(yè)生產(chǎn)率提高，推動經(jīng)濟高質(zhì)量發(fā)展提供了實踐指導。

【關(guān)鍵詞】 分析師關(guān)注； 企業(yè)全要素生產(chǎn)率； 內(nèi)部控制； 產(chǎn)權(quán)性質(zhì)； 代理成本

【中圖分類號】 F270；F273；F832.51" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）09-0058-10

一、引言

分析師不僅是資本市場的信息媒介，也是外部治理的重要力量之一，在資本市場中發(fā)揮著重要的作用。分析師通過搜集上市公司信息，幫助投資者決策，緩解信息不對稱。隨著資本市場的快速發(fā)展，截至2024年底，我國A股上市公司數(shù)量已達5 300多家，而相對應的中國證券業(yè)協(xié)會已注冊的分析師人數(shù)也達5 776人。研究發(fā)現(xiàn)，分析師關(guān)注促進了企業(yè)研發(fā)投資活動，實現(xiàn)了資源的合理配置[1]，提高了企業(yè)創(chuàng)新績效[2]，約束了高管在職消費水平[3]，促進去產(chǎn)能[4]。但也有研究發(fā)現(xiàn)，分析師關(guān)注提高了企業(yè)未來股價崩盤風險[5]，增強了管理者盈余管理動機[6]，損害了公司價值[7]。從上述研究可以發(fā)現(xiàn)，分析師關(guān)注可以借助外部治理的因素，對企業(yè)的經(jīng)營管理產(chǎn)生重要的影響。而企業(yè)全要素生產(chǎn)率作為實現(xiàn)企業(yè)高質(zhì)量發(fā)展的動力，會受到內(nèi)部治理機制和外部治理機制的影響。因此，如果不從外部治理機制的角度分析，就難以打開企業(yè)全要素生產(chǎn)率發(fā)展的“黑匣子”。

本文圍繞上述問題，以2010—2022年滬深A股上市公司為研究對象，檢驗了分析師關(guān)注與企業(yè)全要素生產(chǎn)率的關(guān)系。研究發(fā)現(xiàn)，分析師關(guān)注與企業(yè)全要素生產(chǎn)率呈正相關(guān)關(guān)系，即分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高；進一步研究發(fā)現(xiàn)，在不同的產(chǎn)權(quán)性質(zhì)下，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的影響有顯著區(qū)別，即相較于非國有企業(yè)，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的提升在國有企業(yè)中更為顯著；在不同的代理成本下，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的提升在代理成本更高的企業(yè)中更為顯著；機制檢驗發(fā)現(xiàn)，內(nèi)部控制發(fā)揮著部分中介作用，即分析師關(guān)注通過提高企業(yè)內(nèi)部控制質(zhì)量，從而提高企業(yè)全要素生產(chǎn)率。

本文的貢獻可能主要有以下兩個方面：一方面，雖然之前的學者對于分析師關(guān)注與企業(yè)全要素生產(chǎn)率做過相應的研究，但是對其影響路徑的研究是缺乏的。本文挖掘了分析師關(guān)注影響企業(yè)全要素生產(chǎn)率的路徑，即分析師關(guān)注→內(nèi)部控制→企業(yè)全要素生產(chǎn)率。影響路徑的發(fā)現(xiàn)有利于揭示分析師關(guān)注影響企業(yè)全要素生產(chǎn)率更深層次的邏輯，不僅豐富了分析師關(guān)注的經(jīng)濟后果研究，還為分析師關(guān)注提升企業(yè)全要素生產(chǎn)率提供了理論解釋。另一方面，結(jié)合相關(guān)的制度背景，本文從產(chǎn)權(quán)性質(zhì)、代理成本角度對分析師與企業(yè)全要素生產(chǎn)率進行了截面分析，考慮其差異性，深化了分析師關(guān)注與企業(yè)全要素生產(chǎn)率的理論研究，為當前新質(zhì)生產(chǎn)力的提升和經(jīng)濟高質(zhì)量發(fā)展的政策完善提供了理論基礎。

二、研究假設

全要素生產(chǎn)率是宏觀經(jīng)濟學一個重要的概念，同時也是政府制定可持續(xù)發(fā)展政策的重要理論依據(jù)[8]。技術(shù)的進步、效率的提高是影響企業(yè)全要素生產(chǎn)率的主要原因[9]。而企業(yè)技術(shù)的進步、效率的提高離不開資本市場的支持。分析師不僅是公司外部治理重要的力量之一，還是資本市場信息重要的媒介之一。那么，隨著分析師在資本市場發(fā)揮的作用越來越大，分析師關(guān)注對企業(yè)全要素生產(chǎn)率是發(fā)揮促進作用還是阻礙作用，需要做進一步的檢驗。

（一）信息揭示假說

企業(yè)全要素生產(chǎn)率的提升離不開創(chuàng)新活動。缺乏核心技術(shù)是制約經(jīng)濟發(fā)展和產(chǎn)業(yè)轉(zhuǎn)型升級的重要因素。研發(fā)投入對企業(yè)全要素生產(chǎn)率有顯著的促進作用[10]。而上市公司的研發(fā)行為受到多種因素的影響，如政治關(guān)聯(lián)[11]、股權(quán)結(jié)構(gòu)[12]、內(nèi)部控制[13]。信息不對稱以及代理問題是影響企業(yè)研發(fā)創(chuàng)新的兩個重要因素。

從信息揭示假說來看，分析師能夠準確判斷企業(yè)創(chuàng)新活動的價值，緩解信息不對稱，降低企業(yè)的融資成本，促進企業(yè)創(chuàng)新，從而提高企業(yè)全要素生產(chǎn)率。由于創(chuàng)新活動不確定性大、成本高，這在一定程度上增強了信息不對稱，導致投資者難以準確判斷企業(yè)的價值。同時，這又會降低企業(yè)管理層進行創(chuàng)新的意愿。信息的不對稱增強了分析師關(guān)注的動機[14]，而分析師通過實地調(diào)研、搜集信息，對信息進行解讀、分析并形成研究報告，降低了投資者收集信息的成本，大大降低了投資者對錯誤信息解讀的概率[15]。分析師關(guān)注緩解了公司內(nèi)部與外部的信息不對稱，降低了代理成本，有利于監(jiān)督管理層。分析師監(jiān)督作用的進一步擴大，降低了管理者的機會主義行為對企業(yè)價值的損害。同時，分析師對企業(yè)的無形資產(chǎn)、研發(fā)支出等項目會格外關(guān)注，并對這些項目進行跟蹤。因此，在企業(yè)技術(shù)創(chuàng)新的過程中，分析師會對管理者的創(chuàng)新行為進行監(jiān)督，這在一定程度上降低了管理者謀取私利的動機，有利于緩解代理成本對企業(yè)技術(shù)創(chuàng)新的影響。

基于上述分析，分析師關(guān)注降低了企業(yè)內(nèi)外部的信息不對稱程度，有利于投資者充分了解企業(yè)的創(chuàng)新活動，促進技術(shù)的進步，從而提高企業(yè)的全要素生產(chǎn)率；據(jù)此，本文提出假設1a。

H1a：在相同條件下，企業(yè)受到的分析師關(guān)注度與其全要素生產(chǎn)率成正比關(guān)系，即分析師關(guān)注度增加時，企業(yè)的全要素生產(chǎn)率亦提升。

（二）業(yè)績壓力假說

分析師關(guān)注可能會抑制企業(yè)全生產(chǎn)要素的提升。分析師作為資本市場的信息中介，盈余預測是分析師的職能之一，分析師的預測往往會受到投資者的關(guān)注，這增加了企業(yè)管理者的短視行為[16]。當分析師的盈余預測與企業(yè)實際情況不一致時，特別是實際盈余低于分析師預測盈余時，會引發(fā)一系列不良后果，如降低薪酬、管理者離職?；跇I(yè)績壓力假說，當分析師過于關(guān)注某家企業(yè)時，會給管理者造成業(yè)績上的壓力，從而可能迫使管理者出現(xiàn)短視行為。一旦管理者選擇短視行為，會進一步引發(fā)委托代理沖突，不利于企業(yè)的技術(shù)創(chuàng)新，從而阻礙企業(yè)全要素生產(chǎn)率的提升。當企業(yè)存在嚴重的代理沖突問題以及信息不對稱時，管理者往往會面臨巨大的短期業(yè)績壓力，從而放棄可能潛在的投資與企業(yè)技術(shù)創(chuàng)新活動，進而損害企業(yè)的長期利益與價值，不利于企業(yè)全要素生產(chǎn)率的提升。基于上述分析，本文提出假設1b。

H1b：在相同條件下，企業(yè)受到的分析師關(guān)注度與其全要素生產(chǎn)率成反比關(guān)系，即隨著分析師關(guān)注度的增加，企業(yè)的全要素生產(chǎn)率反而會降低。

三、研究設計

（一）數(shù)據(jù)來源與樣本選擇

本文以2010—2022年間滬深A股上市公司為初始樣本，對原始數(shù)據(jù)進行了如下處理，確保研究數(shù)據(jù)的準確性和可靠性：（1）剔除了金融行業(yè)的上市公司；（2）剔除數(shù)據(jù)缺失的樣本；（3）剔除ST或*ST的企業(yè)。最終得到15 334個公司-年度觀測值。分析師關(guān)注數(shù)據(jù)及相關(guān)財務數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫并結(jié)合上市公司年報、巨潮資訊網(wǎng)等網(wǎng)站進行補充與核對，企業(yè)全要素生產(chǎn)率通過相關(guān)財務數(shù)據(jù)計算得出。為了消除異常值的影響，本文對連續(xù)變量在1%和99%分位數(shù)進行了Winsorize處理。

（二）變量定義

1.被解釋變量

現(xiàn)有研究對企業(yè)全要素生產(chǎn)率的計算方法主要包括普通最小二乘法（OLS）、Olley-Pakes法（OP法）、Levinsohn-Petrin法（LP法）和GMM估計法等[17]。本文采用基于一致半?yún)?shù)估計值方法計算全要素生產(chǎn)率，相較于OP法，LP法可以解決因樣本不符合要求而造成樣本缺失問題。同時，LP法通過引入中間投入作為工具變量，可以有效降低估計偏差。因此本文借鑒冀云陽等[18]的做法，采用LP法計算企業(yè)全要素生產(chǎn)率。

2.解釋變量

本文借鑒劉星等[19]的做法，采用跟蹤一家公司的分析師（團隊）的人數(shù)衡量。在穩(wěn)健性檢驗中，本文使用研究報告數(shù)量衡量分析師關(guān)注。本文分別對分析師人數(shù)、研報數(shù)量加1取自然對數(shù)衡量。

3.控制變量

參照鄭寶紅等[20]的研究，選取企業(yè)規(guī)模（Ln size）、固定資產(chǎn)占比（Fix）、資產(chǎn)負債率（Lev）、資產(chǎn)收益率（Roa）、成長性（Growth）、產(chǎn)權(quán)性質(zhì)（Soe）等財務特征的控制變量，并選取兩職合一（Dual）、董事會規(guī)模（Board）、獨立董事比例（Inp）、第一大股東持股比例（Top）等公司治理特征的控制變量。另外還控制了行業(yè)（Ind）和年份（Year）固定效應，且在公司層面進行了聚類調(diào)整（Cluster）以控制潛在的異方差及組內(nèi)序列相關(guān)引起的偏誤。

具體變量定義如表1所示。

（三）模型設計

為檢驗分析師關(guān)注如何作用于企業(yè)全要素生產(chǎn)率，本研究建立以下回歸分析模型：

Ln tfpi，t=α0+α1Analysti，t+α2Ln sizei，t+α3Levi，t+

α4Roai，t+α5Growthi，t+α6Fixi，t+α7Duali，t+α8Inpi，t+α9Top1i，t+

α10Boardi，t+α11Soei，t+∑Ind+∑Year+εi，t" "（1）

四、實證結(jié)果與分析

（一）描述性統(tǒng)計

本文主要變量的描述性統(tǒng)計結(jié)果如表2所示。企業(yè)全要素生產(chǎn)率的均值為8.269，最小值為6.079，最大值為10.830，說明樣本公司的企業(yè)全要素生產(chǎn)率差別較大。分析師關(guān)注的均值為2.026，中位數(shù)為2.079，說明在資本市場中，多數(shù)上市公司存在被分析師關(guān)注的情況；標準差為0.896，最小值為0.000，最大值為4.331，說明不同企業(yè)之間，分析師關(guān)注度存在較大的差異，這與翟勝寶等[21]的研究結(jié)論基本一致。在財務特征方面，資產(chǎn)負債率的均值為0.425，中位數(shù)為0.420，說明樣本公司的財務杠桿處在一個適中的水平，而其最小值為0.053，最大值為0.884，說明不同企業(yè)間的財務杠桿水平差別還是挺大。資產(chǎn)收益率的均值為0.047，中位數(shù)為0.043，說明樣本公司的盈利水平處在一個正常的水平，而其最小值為-0.225，最大值為0.191，說明不同的公司，其盈利水平存在顯著的差距。企業(yè)成長性的均值為0.214，最小值為-0.510，最大值為2.612，說明企業(yè)之間的營業(yè)收入增長存在差異，企業(yè)間成長的速度不同。兩職合一的均值為0.266，說明約有27%的上市公司的董事長與總經(jīng)理是同一人擔任。第一大股東持股比例的最小值為8.800，最大值為74.820，說明不同企業(yè)之間，其第一大股東的持股比例存在較大差異。產(chǎn)權(quán)性質(zhì)的均值為0.370，說明約有37%的上市公司為國有上市公司，這與實際情況是一致的。

（二）單變量分析

本文進行了均值差異t檢驗和Wilcoxon秩和檢驗，旨在對比有無分析師關(guān)注的樣本公司間的變量差異，以驗證這兩類樣本中變量特性的不同。表3列示了單變量分析的結(jié)果。以分析師關(guān)注的中位數(shù)劃分為高分析師關(guān)注組與低分析師關(guān)注組。從表3 Panel A可以看出，高分析師關(guān)注組的樣本公司其全要素生產(chǎn)率顯著大于低分析師關(guān)注組的樣本公司，這初步驗證了H1a，即分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高。在控制變量方面，高分析師關(guān)注度組的上市公司大多顯著大于低分析師關(guān)注度組的上市公司。

進一步的，從表3 Panel B可以看出，有分析師關(guān)注的上市公司其全要素生產(chǎn)率的均值大于無分析師關(guān)注的上市公司全要素生產(chǎn)率，且在1%的水平上顯著，這為驗證H1a提供了先驗基礎。在控制變量方面，有分析師關(guān)注的上市公司大多顯著大于無分析師關(guān)注的上市公司。

（三）相關(guān)性分析

為了檢驗分析師關(guān)注、各控制變量與企業(yè)全要素生產(chǎn)率之間的關(guān)系，本文對主要變量進行了相關(guān)性分析。表4是主要變量的Pearson相關(guān)系數(shù)表。從表4可以看出，在不考慮其他變量的情況下，分析師關(guān)注與企業(yè)全要素生產(chǎn)率的相關(guān)系數(shù)為0.311，且在1%的水平上顯著相關(guān)，表明分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高。初步驗證了H1a。同時，可以發(fā)現(xiàn)，絕大多數(shù)變量間的相關(guān)系數(shù)均小于0.5。為了排除多重共線性的可能性，本文進行了多重共線性測試。測試結(jié)果表明，最高的方差膨脹因子（VIF）僅為2.56，這一數(shù)值明顯低于10的常規(guī)閾值，從而證明了模型中各變量之間未出現(xiàn)顯著的多重共線性問題。

（四）基準回歸結(jié)果

表5詳細列示了分析師關(guān)注對企業(yè)全要素生產(chǎn)率影響的基準回歸結(jié)果。表5列（1）是未考慮任何控制變量情況下進行的回歸分析結(jié)果，分析師關(guān)注的回歸系數(shù)達到了0.368，并且這一關(guān)系在1%的顯著性水平上表現(xiàn)為正相關(guān)。這表明分析師的關(guān)注程度與企業(yè)的全要素生產(chǎn)率正相關(guān)，即隨著分析師關(guān)注度的增加，企業(yè)的全要素生產(chǎn)率也會相應提升。表5列（2）是引入控制變量后的回歸結(jié)果，仍然支持了分析師關(guān)注對企業(yè)全要素生產(chǎn)率有正向影響的關(guān)系，從而驗證了H1a。

（五）穩(wěn)健性檢驗

1.替換分析師關(guān)注衡量方式

為了驗證基準回歸結(jié)果的準確性，本文借鑒劉柏等[22]的做法，以研究報告數(shù)量衡量分析師關(guān)注?；貧w結(jié)果如表6所示。從表6列（1）可以看出，在未考慮控制變量的情況下，分析師關(guān)注（Ra）的回歸系數(shù)為0.289，在1%的水平上顯著正相關(guān)，說明分析師關(guān)注提升了企業(yè)全要素生產(chǎn)率；從列（2）可以看出，在加入控制變量的情況下，分析師關(guān)注的回歸系數(shù)為0.017，且在5%的水平上顯著正相關(guān)，驗證了H1a，即分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高?？刂谱兞康幕貧w結(jié)果與前文基本一致。

2.固定效應模型

為了保證研究結(jié)論的可靠性，本文使用固定效應模型重新進行了回歸?；貧w結(jié)果如表7所示。從列（1）可以看出，在未加入控制變量的情況下，分析師關(guān)注的回歸系數(shù)為0.143，且在1%的水平上顯著正相關(guān)；從列（2）可以看出，在加入控制變量的情況下，分析師關(guān)注的回歸系數(shù)為0.031，且在1%的水平上顯著正相關(guān)，說明分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高，驗證了前文的結(jié)論，說明主回歸的結(jié)果是穩(wěn)健的。

3.解釋變量滯后一期

為了緩解可能因反向因果等內(nèi)生性問題對回歸結(jié)果產(chǎn)生偏差，本文將分析師關(guān)注這一變量滯后一期進行回歸?；貧w結(jié)果如表7所示。從列（3）可以看出，在未考慮控制變量的情況下，分析師關(guān)注的回歸系數(shù)為0.356，在1%的水平上顯著正相關(guān)，說明分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高；從列（4）可以看出，在加入控制變量的情況下，分析師關(guān)注的回歸系數(shù)為0.028，且在1%的水平上顯著正相關(guān)，驗證了H1a，即分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高?？刂谱兞康幕貧w結(jié)果與前文基本一致。

4.考慮行業(yè)差異

本文涉及了21個行業(yè)，其中包括建筑業(yè)、制造業(yè)等，不同的行業(yè)可能對企業(yè)全要素生產(chǎn)率會產(chǎn)生不同的影響。為了緩解因行業(yè)不同而對企業(yè)全要素生產(chǎn)率產(chǎn)生的影響，本文將各上市公司的全要素生產(chǎn)率減去該指標按年度按行業(yè)計算的均值，最后得到被解釋變量?；貧w結(jié)果如表7所示。從列（5）可以看出，在不加入控制變量的情況下，分析師關(guān)注的回歸系數(shù)為0.365，且在1%的水平上顯著正相關(guān)；從列（6）可以看出，在加入控制變量的情況下，分析師關(guān)注的回歸系數(shù)為0.026，且在1%的水平上顯著正相關(guān)，說明分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高。驗證了H1a，說明結(jié)論是穩(wěn)健的。

5.工具變量法

在考察分析師關(guān)注對企業(yè)全要素生產(chǎn)率的影響時，可能存在內(nèi)生性問題。分析師關(guān)注與企業(yè)全要素生產(chǎn)率可能存在反向因果關(guān)系。因此，采用工具變量法來緩解潛在的內(nèi)生性問題。選擇同年度同行業(yè)其他上市公司分析師關(guān)注的均值作為工具變量。對工具變量進行弱工具檢驗，結(jié)果發(fā)現(xiàn)F值為319.58，P值為0.000，遠大于10，拒絕了存在弱工具變量的原假設，說明不存在弱工具變量問題。篇幅所限，表略。

本文采用兩階段最小二乘法（2SLS）進行回歸?；貧w結(jié)果如表8所示，列（1）是第一階段的回歸結(jié)果，工具變量Analyst_m的回歸系數(shù)在1%的水平上顯著為正，說明工具變量能夠較好地解釋內(nèi)生變量。列（2）是第二階段的回歸結(jié)果，分析師關(guān)注的回歸系數(shù)為0.310，且在1%的水平上顯著正相關(guān)，說明在控制內(nèi)生性問題后，分析師關(guān)注與企業(yè)全要素生產(chǎn)率仍然顯著正相關(guān)，進一步支持了H1a，說明結(jié)果是穩(wěn)健的。

五、進一步分析

（一）分析師與企業(yè)全要素生產(chǎn)率：產(chǎn)權(quán)性質(zhì)差異的影響

企業(yè)根據(jù)產(chǎn)權(quán)性質(zhì)一般分為國有企業(yè)與非國有企業(yè)。國有企業(yè)與非國有企業(yè)在資源稟賦、企業(yè)目標等方面存在差異。因此，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的影響可能與企業(yè)的產(chǎn)權(quán)性質(zhì)相關(guān)。一方面，對于國有企業(yè)來說，企業(yè)金字塔的治理結(jié)構(gòu)決定了其內(nèi)部存在嚴重的“內(nèi)部人控制”問題[23]，這在一定程度上加大了對國有企業(yè)管理者的監(jiān)督。分析師是企業(yè)外部治理的重要力量之一，對企業(yè)實現(xiàn)高質(zhì)量發(fā)展起著關(guān)鍵作用。因此，分析師對國有企業(yè)的關(guān)注，可以有效緩解國有企業(yè)“內(nèi)部人控制”問題，加大對國有企業(yè)的監(jiān)督，改善公司治理水平，有利于企業(yè)作出科學合理的投資決策，進而提高企業(yè)全要素生產(chǎn)率。另一方面，國有企業(yè)在實現(xiàn)企業(yè)利潤目標的同時，還承擔慈善捐贈、保障就業(yè)等社會責任。因此國有企業(yè)擁有較高的信息披露水平與意愿，這在一定程度上有利于分析師獲取更多關(guān)于企業(yè)的信息，從而幫助投資者作出決策，提高公司的治理水平。而較高的治理水平有利于企業(yè)緩解融資約束[24]。企業(yè)只有解決了融資問題，才能實現(xiàn)最優(yōu)的資本配置，從而提升企業(yè)全要素生產(chǎn)率。對于非國有企業(yè)而言，并不存在“內(nèi)部人控制”問題，同時披露信息水平更低，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的提升效果并不顯著。

因此，為進一步檢驗分析師關(guān)注與企業(yè)全要素生產(chǎn)率的關(guān)系是否會因為產(chǎn)權(quán)性質(zhì)的不同而不同，本文進行了國有企業(yè)與非國有企業(yè)的分樣本檢驗。表9是不同產(chǎn)權(quán)性質(zhì)下分析師關(guān)注與企業(yè)全要素生產(chǎn)率的回歸結(jié)果。從列（1）可以看出，在國有企業(yè)樣本中，分析師關(guān)注的回歸系數(shù)為0.035，且在5%的水平上顯著正相關(guān)；從列（2）可以看出，在非國有企業(yè)樣本中，分析師關(guān)注的回歸系數(shù)為0.017，但不顯著。說明在國有企業(yè)樣本中，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的正向影響更為顯著。在此基礎上，對這兩個系數(shù)進行了Bootstrap組間系數(shù)差異檢驗，結(jié)果顯示經(jīng)驗P值為0.035，在5%的水平上顯著。也就是說，相對于非國有企業(yè)，分析師關(guān)注對國有企業(yè)全要素生產(chǎn)率的正向影響更為顯著。

（二）分析師關(guān)注與企業(yè)全要素生產(chǎn)率：代理成本的影響

如前文所述，分析師通過實地調(diào)研、搜集信息，對信息進行解讀、分析并形成研究報告，這降低了投資者收集信息的成本，大大降低了投資者對錯誤信息解讀的概率。同時，分析師關(guān)注緩解了公司內(nèi)部與外部的信息不對稱，降低了代理成本，有利于監(jiān)督管理層。隨著分析師監(jiān)督作用的進一步擴大，降低了管理者的機會主義行為對企業(yè)價值的損害。為進一步檢驗分析師關(guān)注與企業(yè)全要素生產(chǎn)率的關(guān)系是否會因為代理成本程度的不同而不同，本文進行了代理成本程度的分樣本檢驗。本文借鑒袁蓉麗等（2018）的做法，用管理費用率衡量企業(yè)的代理成本，管理費用率是管理費用與銷售費用之和占營業(yè)收入的比重。按照年度行業(yè)計算代理成本的中位數(shù)，當高于代理成本中位數(shù)時，定義為高代理成本組；當?shù)陀诖沓杀窘M時，定義為低代理成本組。

表9是不同代理成本程度下分析師關(guān)注與企業(yè)全要素生產(chǎn)率的回歸結(jié)果。從列（3）可以看出，在高代理成本的企業(yè)中，分析師關(guān)注的回歸系數(shù)為0.082，且在1%的水平上顯著正相關(guān)；從列（4）可以看出，在低代理成本企業(yè)中，分析師關(guān)注的回歸系數(shù)為0.018，但不顯著。說明在高代理成本企業(yè)中，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的正向影響更為顯著。在此基礎上，對這兩個系數(shù)進行了Bootstrap組間系數(shù)差異檢驗，結(jié)果顯示經(jīng)驗P值為0.000，在1%的水平上顯著。也就是說，相對于低代理成本的企業(yè)，分析師關(guān)注對高代理成本的企業(yè)全要素生產(chǎn)率的正向影響更為顯著。

六、機制檢驗

分析師作為外部治理機制的重要角色之一，通過跟蹤、盈余預測等行為，提供被關(guān)注公司的信息，幫助廣大投資者進一步了解企業(yè)，獲取企業(yè)更深層次的信息，作出正確的投資決策，這緩解了公司與投資者之間的信息不對稱，有利于監(jiān)督管理者，減少其機會主義行為，防止侵害股東的利益。分析師并不具有公司治理權(quán)，高質(zhì)量的內(nèi)部控制是企業(yè)進行創(chuàng)新的關(guān)鍵因素。而高質(zhì)量的內(nèi)部控制有利于抑制企業(yè)的盈余管理行為，降低代理沖突，從而提高技術(shù)創(chuàng)新水平，提高企業(yè)全要素生產(chǎn)率。因此，內(nèi)部控制可能在分析師關(guān)注與企業(yè)全要素生產(chǎn)率之間發(fā)揮著中介作用。即分析師關(guān)注提高了企業(yè)內(nèi)部控制水平，內(nèi)部控制水平的提高促進了企業(yè)創(chuàng)新，提升了企業(yè)全要素生產(chǎn)率。

因此，本文使用中介效應檢驗分析師關(guān)注對企業(yè)全要素生產(chǎn)率影響的機制，構(gòu)建了如下中介效應檢驗的模型：

ICi，t=β0+β1Analysti，t+β2Ln sizei，t+β3Levi，t+β4Roai，t+

β5Growthi，t+β6Fixi，t+β7Duali，t+β8Inpi，t+β9Top1i，t+β10

Boardi，t+β11Soei，t+∑Ind+∑Year+εi，t" " （2）

Ln tfpi，t=γ0+γ1Analysti，t+γ2ICi，t+γ3Ln sizei，t+γ4Levi，t+

γ5Roai，t+γ6Growthi，t+γ7Fixi，t+γ8Duali，t+γ9Inpi，t+γ10Top1i，t+

γ11Boardi，t+γ12Soei，t+∑Ind+∑Year+εi，t" "（3）

本文借鑒溫忠麟等（2014）中介效應檢驗的方法。第一步，驗證分析師關(guān)注與企業(yè)全要素生產(chǎn)率的關(guān)系，考察模型1中α1的系數(shù)，若中α1的系數(shù)顯著，則繼續(xù)檢驗，否則停止中介效應檢驗。第二步，考察模型2、模型3中β1、γ2的系數(shù)，如果β1、γ2都顯著，說明存在中介效應。第三步，考察模型3中γ1的系數(shù)，如果γ1的系數(shù)不顯著，則是完全中介效應。第四步，比較β1×γ2與γ1的符號，如果同號，說明內(nèi)部控制是部分中介效應，中介效應占比是β1×γ2 /α1；如果異號，則說明存在遮掩效應，這時中介效應占直接效應的比例是β1×γ2 /γ1。

中介效應檢驗結(jié)果如表10所示。從前文以及表10可以看出，模型1的系數(shù)α1，模型2的系數(shù)β1，模型3的系數(shù)γ1、γ2均顯著不為0，故無須再進行Sobel檢驗。說明內(nèi)部控制起到部分中介效應，內(nèi)部控制的中介效應占總效應的比例為4.17%。

七、研究結(jié)論與政策建議

（一）研究結(jié)論

本文基于我國實現(xiàn)資本要素市場化配置、促進經(jīng)濟高質(zhì)量發(fā)展的背景，以2010—2022年滬深A股上市公司為研究樣本，探究了分析師關(guān)注與企業(yè)全要素生產(chǎn)率之間的關(guān)系與作用路徑。研究發(fā)現(xiàn)，分析師關(guān)注人數(shù)越多，企業(yè)全要素生產(chǎn)率越高；進一步研究發(fā)現(xiàn)，分析師關(guān)注對企業(yè)全要素生產(chǎn)率的正向影響在國有企業(yè)、代理成本高的企業(yè)中更為顯著；機制檢驗發(fā)現(xiàn)，分析師關(guān)注通過提高企業(yè)內(nèi)部控制質(zhì)量提升企業(yè)全要素生產(chǎn)率。本文提供了分析師如何影響企業(yè)全要素生產(chǎn)率的經(jīng)驗證據(jù)，拓寬了分析師關(guān)注的治理效應研究范圍，同時對如何提升企業(yè)全要素生產(chǎn)率，實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展也具有一定的實際意義。

（二）政策建議

基于前文的研究結(jié)果，本文提出以下兩點建議：一是充分發(fā)揮證券分析師的外部治理作用，促進資本要素實現(xiàn)市場化配置，實現(xiàn)高質(zhì)量發(fā)展。鼓勵分析師對上市公司的跟蹤與關(guān)注，特別是在國有企業(yè)、代理成本高的企業(yè)中。充分發(fā)揮分析師在提高內(nèi)部控制、提高創(chuàng)新水平等方面的作用。二是證券分析師不僅是公司外部治理的重要力量之一，更是信息的媒介之一，因此，分析師不僅需要具備豐富的專業(yè)知識，更應該提高職業(yè)素養(yǎng)，搜集更為準確、對投資者更有益的信息，更好地促進高質(zhì)量發(fā)展。

【參考文獻】

［1］ 徐欣，唐清泉.財務分析師跟蹤與企業(yè)Ramp;D活動——來自中國證券市場的研究［J］.金融研究，2010（12）：173-189.

［2］ 陳欽源，伊志宏.分析師跟蹤與企業(yè)創(chuàng)新績效——中國的邏輯［J］.南開管理評論，2017，20（3）：15-27.

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

［4］ 李穎，王曉艷，伊志宏.分析師跟蹤與企業(yè)去產(chǎn)能——基于成本粘性視角的研究［J］.宏觀經(jīng)濟研究，2020（5）：145-165.

［5］ 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)注與股價崩盤風險［J］.管理學報，2021，18（2）：279-286.

［6］ 于忠泊，葉瓊燕，田高良.外部監(jiān)督與盈余管理——針對媒體關(guān)注、機構(gòu)投資者與分析師的考察［J］.山西財經(jīng)大學學報，2011，33（9）：90-99.

［7］ FULLER J，JENSEN" M C.Just say no to wall street： putting a stop to the earnings game［J］.Journal of Applied Corporate Finance，2010，22（1）：41-46.

［8］ 薛天航，肖文，唐楠.人口老齡化背景下勞動力成本與全要素生產(chǎn)率：基于企業(yè)所有制類型的視角［J］.浙江大學學報（人文社會科學版），2023，53（6）：71-84.

［9］ 盛明泉，蔣世戰(zhàn).高管股權(quán)激勵、技術(shù)創(chuàng)新與企業(yè)全要素生產(chǎn)率——基于制造業(yè)企業(yè)的實證分析［J］.貴州財經(jīng)大學學報，2019（2）：70-76.

［10］ 岳樹民，肖春明，陳曉光.增值稅稅率下調(diào)，融資約束與企業(yè)全要素生產(chǎn)率——理論模型與上市公司實證證據(jù)［J］.經(jīng)濟理論與經(jīng)濟管理，2023，43（6）：13-26.

［11］ 徐慧華，李碧珍.民營企業(yè)政治關(guān)聯(lián)，企業(yè)家精神與全要素生產(chǎn)率增長［J］.金融與經(jīng)濟，2019（11）：74-80.

［12］ 郭于瑋，馬弘.混合所有制中的股權(quán)結(jié)構(gòu)與企業(yè)全要素生產(chǎn)率［J］.經(jīng)濟學報，2016（2）：90-109.

［13］ 盛明泉，吳少敏，張婭楠.探索式創(chuàng)新與企業(yè)全要素生產(chǎn)率［J］.產(chǎn)業(yè)經(jīng)濟研究，2020（1）：28-41.

［14］ 郭慧婷，黃程蘭子.持股結(jié)構(gòu)、分析師關(guān)注與股價崩盤風險［J］.會計之友，2021（9）：91-99.

［15］ 胡韜，李丹，郭紫明.披露子公司財務信息對投資者有用嗎？——來自權(quán)益資本成本視角的證據(jù)［J］.會計與經(jīng)濟研究，2022，36（2）：22-39.

［16］ 黃慶成.風險投資能夠抑制管理者短視主義嗎？——來自年報文本分析的證據(jù)［J］.企業(yè)經(jīng)濟，2023（11）：69-80.

［17］ 魯曉東，連玉君.中國工業(yè)企業(yè)全要素生產(chǎn)率估計：1999—2007［J］.經(jīng)濟學（季刊），2012，11（2）：541-558.

［18］ 冀云陽，高躍.稅收治理現(xiàn)代化與企業(yè)全要素生產(chǎn)率——基于企業(yè)納稅信用評級準自然實驗的研究［J］.2021（2020-12）：49-63.

［19］ 劉星，陳西嬋.證監(jiān)會處罰、分析師跟蹤與公司銀行債務融資——來自信息披露違規(guī)的經(jīng)驗證據(jù)［J］.會計研究，2018（1）：60-67.

［20］ 鄭寶紅，張兆國.企業(yè)所得稅率降低會影響全要素生產(chǎn)率嗎？——來自我國上市公司的經(jīng)驗證據(jù)［J］.會計研究，2018（5）：13-20.

［21］ 翟勝寶，張雯，曹源，等.分析師跟蹤與審計意見購買［J］.會計研究，2016（6）：86-93，95.

［22］ 劉柏，琚濤.“事前震懾”與“事后糾偏”：分析師關(guān)注對財務錯報和重述的跨期監(jiān)管研究［J］.南開管理評論，2021，24（1）：50-61，96.

［23］ 鄭志剛.國企改革：與其“并”，不如“混”［J］.企業(yè)觀察家，2019（6）：16-17.

［24］ 甄紅線，王謹樂.機構(gòu)投資者能夠緩解融資約束嗎？——基于現(xiàn)金價值的視角［J］.會計研究，2016（12）：51-57.