产能过剩、信息成本与分析师盈余预测——来自A股上市公司的经验证据

颜恩点，李上智,孙安其

(1.上海大学 管理学院，上海 200444；2.上海证劵交易所 上市公司监管一部，上海 200120)

一、引言

近年来，产能过剩问题已成为影响我国经济转型的突出难题。2019年3月5日，习近平主席在第十三届全国人民代表大会第二次会议上提出扎实推进供给侧结构性改革，以“破、立、降”为主攻方向，打通去产能的制度梗阻，促进产能过剩有效化解和产业优化重组，持续改善供给结构，使发展质量效益稳步提升。化解产能过剩是供给侧结构性改革中的关键所在，也是新常态下经济实现持续稳定增长的必然要求。现有研究主要从宏观层面深入探讨了产能过剩的发生机制和治理对策[1-3]，产能过剩虽是宏观经济难题，但企业自身才是解决问题的关键[4]，鲜有文献从微观层面对产能过剩问题进行研究。基于中国经济转型升级的背景，产能过剩的诱因和经济后果等问题，亟待学术界的研究和解答。

分析师伴随着资本市场的发展而诞生。在西方成熟的资本市场和发展中国家新兴的资本市场，分析师都已成为不可或缺的组成部分[5-6]，其盈余预测被视为资本市场中重要的信息来源，有利于减少信息不对称，改善投资者对企业的态度，减少公司的资本成本，进而提高整个证券市场的有效性[7-8]。因此，分析师盈余预测的准确性就变得至关重要。目前，影响分析师盈余预测准确性的因素不仅成为投资者和其他业界人士普遍关注的问题，也成为了学术界研究的热点。现有文献主要关注了分析师个人特征、公司特征以及信息的可获得性与分析师盈余预测准确性之间的关系[9-13]，但忽略了公司产能过剩对分析师盈余预测行为的影响，那么，分析师会不会对产能过剩企业予以更多关注，产能过剩是否会降低分析师盈余预预测的准确性，这些都是学术界需要探讨的问题，对我们更好地理解分析师对市场的影响具有重要的理论和现实意义。

根据工业和信息化部(以下简称“工信部”)2009—2015年公布的各地区分行业淘汰落后和过剩产能的企业名单，以中国A股上市公司为样本，文章考察了产能过剩对分析师盈余预测准确性的影响。为了化解产能过剩，工信部按年度下达各地区分行业淘汰落后和过剩产能的指标，并对各年度各地区去产能指标的完成情况进行通报。在政府行政主导下，企业能否完成去产能指标是不确定性高的外生事件，这有助于我们在考察产能过剩与分析师盈余预测准确性之间的关系时避免内生性问题的困扰。研究发现，和非产能过剩公司相比，产能过剩公司的证券分析师盈余预测准确性更低。进一步的分析显示，产能过剩与分析师盈余预测准确性的负相关关系在国有企业、有政商关联的企业、机构投资者持股比例高的企业中更加显著。在稳健性检验中，文章替换了解释变量和被解释变量指标，并检验了产能过剩和分析师预测准确度之间的影响路径，研究结论依然稳健。文章的研究表明，产能过剩企业的经营、财务等风险上升，同时真实盈余管理水平增加，给分析师带来更高的信息获取成本和更复杂的分析工作，进而导致预测误差率上升，准确度下降。

文章的研究贡献体现在以下三个方面：第一，文章拓展了产能过剩经济后果的研究。产能过剩是当前学术界高度关注的热点话题，文章以我国上市公司为样本，在微观层面探讨了产能过剩对分析师盈余预测准确性的影响，有助于学术界加深对产能过剩成因、经济后果以及应对举措的研究认知。第二，文章拓展了分析师盈余预测准确性影响因素的相关研究。研究发现，产能过剩会降低分析师盈余预测的准确性，这增加了我们对于公司经营风险、信息成本与产能过剩之间关系的理解，为分析师加强对产能过剩公司的关注，警惕此类公司会计信息真实性提供了新的经验证据。第三，文章的研究结果给政府的供给侧改革、去产能政策提供了理论支撑。产能过剩不仅影响了分析师盈余预测行为而且导致了一系列经济后果，阻碍市场经济的健康发展。政府确实应该大力推进去产能工作，采取合理的方式治理产能过剩问题。外部监管部门应该加强对产能过剩企业的监督和管理，约束公司管理层盈余管理行为，让外部监管发挥作用。

文章之后部分的内容安排如下：第二部分回顾相关文献；第三部分是制度背景与研究假说；第四部分是研究设计；第五部分是实证分析；第六部分是稳健性检验；第七部分是文章的结论。

二、文献回顾

(一)产能过剩的研究

现有文献对于产能过剩的发生机制主要有两种观点。一方面，持“体制扭曲论”观点的学者认为，在国家的财政激励以及官员晋升体制的特殊背景下，地方政府会对市场和企业投资实施不当干预，进而扭曲了资源配置，不能使市场机制充分有效的发挥，最终引发产能过剩[14]。在解释产能过剩产生的体制原因时，现有研究认为地方政府为了政绩考核、获得谈判优势、推动城镇化与稳定就业等政治利益[15-16]，给企业的产能扩张提供了显性的政策性补贴、投资补贴、银行预算软约束以及隐性的土地支持等一系列优惠政策[15, 17]，使得企业大量成本、风险外部化[18]，更容易以低成本进行产能扩张。另一方面，提出“市场失灵论”的学者认为，发展中国家具有后发优势，在市场信息不完备的情况下，全社会对下一个有前景的产业易达成一致意见，即投资上的“潮涌现象”，从而诱发产能过剩问题[2]。

部分文献也揭示了产能过剩背后蕴藏的经济和社会风险。若产能过剩进一步加剧，可能会导致地方债务、银行信贷等问题集中性的爆发，并使经济面临“硬着陆”风险；同时产生企业之间恶性竞争加剧、效益降低、乃至大规模破产倒闭、市场秩序恶化的社会风险[19]。

综上所述，现有研究主要从宏观经济和行业政策的层面出发分析产能过剩的发生原因，以及产能过剩蕴含的经济风险和社会风险。产能过剩虽属于宏观经济问题，但微观企业才是解决问题的主体[4]。因为企业是投资的决策者，所以从微观企业的角度出发研究产能过剩问题具有重要的理论意义和政策意义，但目前关于产能过剩经济后果的研究还相对较少。基于中国经济转型的背景，产能过剩的诱因和经济后果等问题，亟待学术界研究和解答。

(二)分析师盈余预测准确性的研究

对证券分析师盈余预测活动的研究一直是国内外学术界的热点话题。分析师盈余预测准确性直接决定着信息价值和分析师行业存在的意义，因此影响分析师盈余预测准确度的因素一直是学术界不停探讨的话题。一部分的研究聚焦于公司特征与分析师盈余预测行为的关系。分析师对于规模较大、回报及盈余间的相关系数较大的公司可以给出更为准确的盈余预测[11-12, 20]。然而，公司的财务风险、经营风险和股权集中度水平越高，分析师对其盈余预测越不准确[21-22]。另一部分的研究主要关注分析师个人特征对盈余预测准确性的影响，包括分析师的从业经验、分析能力、所属机构的规模等因素[9, 22-23]。此外，还有部分学者在研究分析师预测准确性的问题时考虑到上市公司信息披露的因素，认为上市公司信息环境越透明、风险信息披露频率越高、信息披露越真实，分析师更容易进行盈余预测，预测准确度越高[23-28]。

回顾现有的关于分析师预测的研究，国内外学者对影响分析师预测准确度的因素已经有了很丰富的研究，这些成果为文章的研究奠定了坚实的理论基础。但是，目前既有文献主要探究分析师自身特征、公司特征以及上市公司的内部信息披露等因素对分析师预测有效性的影响，对于公司产能过剩这一影响分析师预测行为的因素却缺乏充分的关注和理解，也并未完整揭示产能过剩对分析师预测的作用机理。因此，文章将以产能过剩为切入点，基于分析师盈余预测视角，深入探究产能过剩对分析师盈余预测准确性的影响及作用机制。并且，文章利用工信部发布公告督促企业淘汰落后和过剩产能这一外生事件，对研究产能过剩与分析师预测准确性的关系时排除内生性因素具有积极的作用。

三、制度背景和研究假说

产能过剩一直是中国经济发展的绊脚石。从统计数据来看，目前我国部分行业产能过剩矛盾突出。例如，2018年三季度，全国采矿业产能利用率只有71.1%，其中煤炭开采和洗选业产能利用率仅为70.1%。缘于经济发展阶段、市场环境和制度环境等多重因素，愈加突出的产能过剩矛盾已成为制约中国产业转型和经济发展的严重桎梏。近年来，不仅传统工业行业被产能过剩问题所困扰，就连部分战略性新兴产业也出现了产能过剩、效益下滑和发展停滞等现象，致使我国产能过剩的矛盾进一步加剧。

在这一经济形势下，我国政府积极研究化解产能过剩的应对策略，相继颁布了数个政策文件来遏制产能过剩。例如，2010年，国务院下发了《关于进一步加强淘汰落后产能工作的通知》，要求煤炭、钢铁、水泥等重点产能过剩行业按期淘汰落后产能。2013年10月6日，国务院发布《关于化解产能严重过剩矛盾的指导意见》，量化淘汰任务目标和时间要求，提出根据行业特点分业施策。2014年7月11日，工信部发文《关于做好部分产能严重过剩行业产能置换工作的通知》，提出就部分产能严重过剩行业实施产能置换，颁布了产能置换指标交易细则。2016年年底，中央经济工作会议提出2017年经济工作的“三去一降一补”五大任务，首要任务就是去产能，推动供给侧改革；2018年，中央经济工作会议继续强调供给侧结构性改革的重要性，以去产能工作为首抓好“三去一降一补”。虽然我国的产能过剩问题是经济发展的顽疾，但是政府一直努力尝试提出各种治理方法。在我国特殊的制度背景下，政府管理部门的宏观调控和干预既可能是导致产能过剩的重要原因，也可以是化解过剩产能的主要推动力。

在上述产能过剩的制度背景下，聚焦微观企业个体，第一，产能过剩公司的经营风险上升[29]，处于产能过剩行业的企业，因供过于求，产品销量和收入下滑，同时由于应收账款无法收回、存货积压等问题，企业永续经营的会计假设受到更多质疑，企业的经营风险徒然增加，不仅如此，在我国政府严厉去产能的宏观调控和干预下，处于产能过剩行业的公司，被兼并重组的可能性增加，经营风险进一步扩大。第二，产能过剩加剧了企业融资约束，债务融资成本和股权融资成本不断提高，公司信贷违约的财务风险增加，即使政府加强了对产能过剩企业的补助，但因为公司主营业务持续经营性存疑，面临巨大的政策风险，也很难减轻公司财务压力[29-30]。第三，产能过剩引起的经营、政策、财务风险使企业业绩下滑，为获取高额薪酬和迎合市场的盈利预期等，公司管理层更有动机粉饰财务报告，进行机会主义操纵[31]。这些因素加大了分析师的工作难度和获取有效信息的成本，使得盈余预测准确性下降。由此，我们提出文章的第一个假说。

假说1：与非产能过剩企业相比，分析师对产能过剩企业盈余预测的准确性更低。

政商关联会对企业的信息环境产生影响，进而影响信息传递效率，增加了分析师获取信息的难度和成本[32]。究其原因，主要是因为存在政商关系的企业有主动避免在财务报告中披露与政商关系有关收益的倾向[33]。一方面，政治关联可以为企业在市场竞争中带来一定额外收益，如税收优惠、转型升级、融资便利等[34]，帮助企业在竞争中获得优势和资源，披露政商关联使企业在建立和维护政商关系时面临更多的竞争，易导致关系破裂，危及企业核心竞争优势，另外，企业利用政商关系进行寻租的利益交换行为存在合法性问题，政商关系的公开披露可能会面临市场处罚，因此，政商关联企业有较低的披露政商关系的动机，这无疑提高了分析师获取和分析企业信息的难度和门槛；另一方面，政府官员需要通过关联企业的经营活动来实现特定的政治和社会目标，帮助其提升业绩、寻求晋升机会[35]，但是，双方之间的利益交换往往滋生官员腐败问题，公开披露会增加官员的政治成本，甚至会引起刑事诉讼。因此，官员和企业均不愿将政商关系这类信息呈现给投资者，分析师难以从公开渠道获取相关信息，给分析、预测工作增加了难度，进而使盈余预测准确性下降[36-37]。基于上述分析，我们提出文章的第二个假说。

假说2：与没有政商关联的企业相比，分析师对有政商关联的产能过剩企业盈余预测准确性更低。

在市场机制不完善、基础不牢靠、机构投资者不成熟的背景下，机构投资者持股使管理层盈余管理水平增加，财务报告的错报风险上升，公开披露的会计信息质量下降，进而削弱了分析师盈余预测准确性[38-39]。一方面，为了迎合机构投资者，管理层有调增盈余的动机，由于机构投资者以盈余来判断他们投资的谨慎性和有效性，频繁的业绩评估使得他们倾向于投资经营更安全、业绩更优良的上市公司，因此对于需要再融资以及有股票期权计划的公司，特别是管理层薪酬与公司目标盈余挂钩的公司，管理层有可能为了避免盈余没有达到目标水平造成股价被暂时性低估而采取盈余管理行为[38,40]；另一方面，财务报表错报风险主要依赖于会计操作层面的保障，能够反映管理层盈余管理情况，管理层盈余管理程度越高，财务报告可靠性越低，报表错报风险越高[38]。由此可见，机构投资者持股会加大管理层盈余管理程度，增加公司的信息风险，分析师获取、分析相关信息的成本和难度也会相应增加，盈余预测准确性随之下降。基于上述分析，我们提出文章的第三个假说。

假说3：与机构投资者持股比例低的企业相比，分析师对机构投资者持股比例高的产能过剩企业盈余预测准确性更低。

国有企业的产能过剩程度普遍较民营企业更为严重，经营风险以及盈余管理水平更高，这些因素增加了分析师的信息成本，进而降低了盈余预测准确性[15, 18]。首先，导致国有企业产能过剩程度高的原因可能是：国有产权约束使其在经营过程中承担了更多的政策和社会性负担，例如企业职工需要更妥善的安置，因此相对于民营企业，国有企业淘汰落后和过剩产能更加缓慢和困难。其次，虽然国有企业存在地方政府的隐性担保，但在当前产能过剩矛盾突出的经济形势下，淘汰落后和过剩产能成为中央和地方政府一项强有力的经济政策，为了迅速化解过剩产能，由政府控制的不同国有企业间的合并重组成为一种可行方式，此时产能过剩的国有企业永续经营的会计假设受到质疑，经营风险高。最后，为了弥补经营风险导致的业绩下滑，迎合市场的盈利预期，完成绩效考核目标，获取高额薪酬，国有企业管理层更有动机进行盈余管理[31]。由此可见，产能过剩对民营企业与国有企业造成的负面影响程度是不同的，对后者的影响程度更深，使分析师搜集信息的成本以及分析工作的难度均增加，进而导致最终的盈余预测准确性降低。基于上述分析，我们提出文章的第四个假说。

假说4：与民营企业相比，分析师对国有产能过剩企业盈余预测准确性更低。

四、样本数据和研究设计

(一)样本选择和数据来源

为探究产能过剩对分析师盈余预测行为的影响，文章选取2009—2015年中国A股非金融类上市公司为研究样本。产能过剩数据主要是通过手工收集得到的，来源于工信部产业政策司网站的“淘汰落后”栏目。从2009年起，工信部每年都会下发当年度各省份分行业淘汰落后和过剩产能指标，并于下一年收集所有省份完成情况，所以文章的样本区间是从2009年开始的。但是在2015年以后，工信部并未更新此类文件，所以样本区间截至2015年。工信部作为国务院直属部门，主要负责拟订实施行业规划、产业政策和标准等工作，我们有理由相信其对我国产能过剩行业的划分是可靠的，同时各省份去产能年度任务的完成额度可以衡量各地区相关行业产能过剩的相对严重程度。文章对产能过剩行业进行划分主要是借鉴工信部所发布的行政规定，该文件具有外生事件的性质，有利于文章在探究产能过剩对分析师盈余预测准确性的影响中排除内生性。

上市公司经营范围和主营业务数据、分析师盈余预测数据以及公司财务指标分别来自万得(Wind)数据库与国泰安数据库，在删除已经缺失的样本以及盈余预测绝对误差大于2的公司样本后，最后留下的样本数量达到8305个。文章对所有连续变量进行了1%的Winsorize处理以消除极端值的影响。

(二)变量定义和模型研究

1.被解释变量

被解释变量(Ferror)为分析师预测误差率，对同一家公司而言，在会计年度内已做出预测的分析师可能会更改以前的预测，新的证券分析师也可能会加入预测行列。因此，文章选取了公司实际盈余公布前每个预测机构的最终净利润预测值，再取算术平均值作为分析师预测净利润值，见式(1)。其中Fnetpro表示的是预测净利润值，Netpro代表的是实际利润值。误差率与预测准确度呈反向关系，即预测误差率越大，预测准确性越低。

(1)

2.解释变量

文章的解释变量包括两个产能过剩的度量指标，即CapI和CapF。我们先根据工信部每年公布的分行业分地区淘汰落后和过剩产能文件确定当年的产能过剩行业或产品，然后将产能过剩行业或产品与上市公司当年的经营范围和主营业务进行匹配，如果上市公司的经营范围和主营业务中出现相关产能过剩行业或产品，则CapI为1，否则为0。由于各省份的经济结构和发展水平等不同，不同省份间同一行业的产能利用程度也存在差异，因而工信部每年公布的分行业分地区淘汰落后和过剩产能文件中包括了各省份当年各行业去产能指标的不同完成额度，这有利于我们通过地区来进一步细化产能过剩度量指标，即当上市公司的经营范围和主营业务中出现相关产能过剩行业或产品且所在省份当年该行业或产品的去产能额度大于0，则CapF为1，否则为0[31]。

3.控制变量和调节变量

为确保研究结论的稳健性，参考现有文献[11-12, 20, 22, 24-25, 31, 41]，将其他影响分析师预测的主要因素作为文章研究模型的控制变量，包括：公司规模(Size)、股权集中度(Cri)、盈余波动性(Volatility)、盈余水平与市场回报的相关系数(Return-earning)以及机构更新预测的频率(Update)等。变量的具体定义和度量见表1。

4.研究模型

借鉴现有的分析师预测的文献[11, 36, 42]，我们构造了如下回归模型对假说1进行实证检验。

Ferror=α+β1CapacityI/CapacityF+β2Size+β3Cri+β4Roe+β5Volatility+β6Tobin’Q+β7Update+β8Return-earning+β9Leverage+∑Year+∑Industry+ε

(2)

表1 变量定义与度量

文章同样利用模型(1)对假说2-假说4进行检验，我们按照产权性质、有无政商关联、机构投资者持股比例进行分组，预期组间系数存在显著差异。

五、实证分析

(一)描述性统计

表2为主要变量的描述性统计。由表2可以看出，按产能过剩行业或产品匹配的产能过剩指标CapI均值为0.100，表明有约10%的样本处于产能过剩行业。按产能过剩行业或产品以及地区匹配的产能过剩指标CapF均值为0.049，表明约5%的样本处于产能过剩行业。CapF与CapI的均值相差近一倍，说明我国各省份同一行业的产能利用程度存在较大差异，部分行业的产能过剩程度在某些省份可能尤其严重。分析师预测误差率Ferror均值为0.441，表明分析师平均预测误差为公司实际净利润Netpro的0.441倍。

表2 主要变量的描述性统计

(二)相关性分析

表3是变量的Pearson相关系数。由表3可以看出，分析师预测误差率指标(Ferror)与两个产能过剩指标(CapI和CapF)显著正相关，说明上市公司产能过剩会导致分析师预测误差率上升，准确性下降，虽尚待进一步的实证检验，但初步符合文章的假说。由表3我们还能够得知，公司规模(Size)越大，股权集中度(Cri)水平越高、盈利能力(Roe)越强、上市公司回报及盈余间的相关系数(Return-earning)越大、券商更新预测的频率(Update)越快，分析师预测准确度就越高。相反，较大的盈余波动性(Volatility)和资产负债率(Leverage)会降低分析师预测准确性。

(三)多元回归模型检验

1.产能过剩和分析师预测误差率

表4是假说1的检验结果，第(1)和(2)列分别列示的是变量CapI、CapF的实证结果。可以看出，产能过剩变量CapI的系数为0.043，与分析师预测误差率Ferror的系数在1%水平上显著；变量CapF的系数为0.073，与分析师预测误差率Ferror在1%水平上显著。回归结果表明，对于非产能过剩行业的公司，产能过剩行业的公司导致分析师盈余预测的准确性更低。究其原因，可能是由于产能过剩，公司面临更高的经营、财务等风险，公司管理层更有动机实施真实盈余管理，使得分析师预测误差率上升、准确度下降。验证了文章的假说1。其他变量的回归结果均与已有文献保持一致[11, 22, 24]。

2.政商关联、产能过剩与分析师预测误差率

文章进一步探究政商关联对企业产能过剩与分析师预测误差率关系的影响，按上市公司董事长或总经理是否曾担任人大代表、政协委员以及在中央、地方各级政府或军队等部门任职，将上市公司分为有政商关联组和无政商关联组，具体回归结果如表5所示。从表5的第(1)和(2)列可以看到，在有政商关联组中CapI的系数为0.087，与Ferror在1%水平上显著，但是在无政商关联组中CapI系数不显著，这说明政商关联加强了产能过剩和分析师预测准确性之间的负相关关系。我们进一步对CapI的系数在两组样本间的差异进行了Suest检验，从表5中可以看到，组间系数在5%的水平上存在显著差异，说明与没有政商关联的企业相比，分析师对有政商关联的产能过剩企业盈余预测准确性更低。表5的第(3)和(4)列是产能过剩变量CapF的检验结果，结果显示，在有政商关联组中CapF的系数为0.112，在1%水平上显著，而在无政商关联组中CapF系数不显著，且在10%的水平上，CapF系数在两组之间的差异显著。对比CapI的检验结果与上述结果，我们可以得出相同的结论，相对于无政商关联的企业，有政商关联的产能过剩企业导致分析师预测误差率更高，准确度更低。产生上述结果的原因可能是，有政商关联的企业在主观上有隐藏关联交易信息的动机，降低了企业信息环境透明度，增加了分析师获取和分析企业相关信息的难度，使预测准确性下降。假说2得以验证。

表3 变量的Pearson相关系数

注：***、**和*分别代表在1%、5%和10%统计水平上显著。

表4 产能过剩与分析师预测误差率

注：括号内的数值为t值；***、**和*分别代表在1%、5%和10%统计水平上显著。

3.机构持股比例、产能过剩与分析师预测误差率

文章进一步探究机构持股比例对企业产能过剩与分析师预测误差率关系的影响，按照机构投资者持股比例的高低把样本分为持股比例高组和持股比例低组，具体回归结果如表6所示。从表6的第(1)和(2)列可以看到，在持股比例高组中CapI的系数为0.070，与Ferror在1%水平上显著，但是在持股比例低组中CapI系数不显著，这说明机构持股比例高加强了产能过剩和分析师预测准确性的负相关关系。我们进一步对CapI的系数在两组样本间的差异进行了Suest检验，从表6中可以看到，组间系数在10%的水平上存在显著差异，说明与机构投资者持股比例低的企业相比，分析师对机构投资者持股比例高的产能过剩企业盈余预测准确性更低。表6的第(3)和(4)列是产能过剩变量CapF的检验结果，结果显示，在持股比例高组中CapF的系数为0.118，在1%水平上显著，而在持股比例低组中CapF系数不显著，且在1%的水平上，CapF系数在两组之间的差异显著。对比CapI的检验结果与上述结果，我们可以得出相同的结论，即相对于机构投资者持股比例低的企业，机构投资者持股比例高的产能过剩企业导致分析师预测误差率更高，准确度更低。产生上述结果的原因可能是，机构投资者为获取较大的投资利益，往往诱导公司管理层操纵盈余，企业信息风险增加，使分析师预测工作更复杂、获取信息的成本更高，从而导致预测准确性下降。假说3得以验证。

表5 政商关联、产能过剩与分析师预测误差率

注：括号内的数值为t值；***、**和*分别代表在1%、5%和10%统计水平上显著。

表6 机构持股比例、产能过剩与分析师预测误差率

注：括号内的数值为t值；***、**和*分别代表在1%、5%和10%统计水平上显著。

4.产权性质、产能过剩与分析师预测误差率

文章进一步探究产权性质对企业产能过剩与分析师预测误差率关系的影响，按照产权性质将上市公司分为国有企业组和民营企业组，具体回归结果如表7所示。从表7的第(1)和(2)列可以看到，在国有企业组中CapI的系数为0.067，与Ferror在1%水平上显著，但是民营企业组中CapI系数不显著，这说明国有的产权性质加强了产能过剩和分析师预测准确性的负相关关系。我们进一步对CapI的系数在两组样本间的差异进行了Suest检验，从表7中可以看到，组间系数在5%的水平上存在显著差异，说明相对于民营企业，国有企业产能过剩导致分析师预测误差率更高，准确度更低。表7的第(3)和(4)列是产能过剩变量CapF的检验结果，结果显示，在国有企业组中CapF的系数为0.103，在1%水平上显著，而民营企业组中CapF系数不显著，且在5%的水平上，CapF系数在两组之间的差异显著。对比CapI的检验结果与上述结果，我们可以得出相同的结论，相对于民营企业，国有企业产能过剩导致分析师预测误差率更高，准确度更低。产生上述结果的原因可能是，产能过剩的国有企业有更高的财务、信息成本和经营风险，管理层更有因业绩下滑操纵利润的动机，这无论是给分析师的信息收集还是预测分析都增加了困难性，导致预测准确性下降。假说4得以验证。

表7 产权性质、产能过剩与分析师预测误差率

注：括号内的数值为t值；***、**和*分别代表在1%、5%和10%统计水平上显著。

六、稳健性检验

为了检验研究结果的稳健性，我们从以下3个方面进行了稳健性检验。

(一)被解释变量敏感性测试

文章进行了被解释变量的敏感性测试。文章用分析师预测分歧度(Dispersion)替换了被解释变量，检验变量的不同衡量方法对实证结果稳健性的影响。分析师之间预测的分歧度作为上市公司盈余不确定性的替代变量，分歧度越大，预测准确性越低[22]。文章用所有券商对某公司某会计年度内净利润最新一次预测的标准差来表示分析师预测分歧度(Dispersion)，见式(3)。解释变量和控制变量与上文保持一致。

(3)

表8的第(1)和(2)列是分析师预测分歧度(Dispersion)替换后的回归结果，可以看出CapI和CapF的系数均在1%统计水平上显著为正。上述结果表明，产能过剩会加大分析师预测分歧度，降低预测准确性，与主回归结果相同，说明了文章结论的稳健性。

表8 产能过剩与分析师预测分歧度

注：括号内的数值为t值；***、**和*分别代表在1%、5%和10%统计水平上显著。

(二)解释变量敏感性测试

文章更换了解释变量的度量方式进行敏感性测试。我国各省份的产业结构和发展水平不同，不同省份间各个行业的去产能情况也存在差异，样本研究年度内，工信部分地区分行业公布淘汰落后和去产能年度完成额度。为了进一步排除内生性，我们使用同年度同行业同地区的去产能额度(即当年某省份某一行业去产能指标的完成情况)Cap-area来度量企业的产能过剩，可以看出这一指标具有较强的外生性，其等于当年上市公司所在省份该行业去产能额度占全国去产能总额度的比例。表9列示了地区去产能比例(Cap-area)与分析师盈余预测误差率(Ferror)的检验结果。我们能够得知，Cap-area的系数在5%统计水平上显著为正。这进一步验证了文章的假说，表明分析师对产能过剩公司盈余预测的准确性差。文章结论依旧稳健。

表9 地区去产能比例与分析师预测误差率

(三)产能过剩对分析师预测准确性影响机制的检验

文章的推导路径是：产能过剩会引起企业财务等风险增加，真实盈余管理水平上升,进而导致分析师盈余预测准确性下降。下面我们将对文章解释变量与被解释变量之间的影响机制进行检验。

1.市场风险程度检验

文章检验了产能过剩与企业市场风险(Risk)的关系，表10列示了回归结果，第(1)和(2)列分别列示的是变量CapI、CapF的实证结果。可以看出，产能过剩变量CapI和CapF的系数分别在5%、10%水平上显著为正。上述结果说明，产能过剩会导致企业市场风险变大，这给分析师预测工作增加了难度，进而降低了预测准确性。

表10 产能过剩与市场风险程度

注：括号内的数值为t值；***、**和*分别代表在1%、5%和10%统计水平上显著。

2.真实盈余管理水平检验

文章检验了产能过剩与真实盈余管理水平(Rem)的关系，表11列示了回归结果，第(1)和(2)列分别列示的是变量CapI、CapF的实证结果。可以看出，产能过剩变量CapI的系数为0.019，在1%水平上显著；产能过剩变量CapF系数为0.014，在10%水平上显著。上述结果说明，产能过剩会导致企业的真实盈余管理水平增加。这可能因为产能过剩使企业市场风险变大，管理层有操纵利润的动机，这些因素使分析师的预测工作变得更加复杂和困难，进而降低了预测准确性。

表11 产能过剩与真实盈余管理水平

注：括号内的数值为t值；***、**和*分别代表在1%、5%和10%统计水平上显著。

七、研究结论

如何有效治理产能过剩和推动供给侧结构性改革的顺利开展是当前政府各部门关注的重大问题。文章选取2009—2015年中国A股非金融类上市公司为研究样本，基于工信部产业政策司网站发布的各地区各行业年度去产能指标和完成情况数据，考察了产能过剩对分析师盈余预测准确性的影响。研究发现：和非产能过剩公司相比，产能过剩公司的证券分析师盈余预测准确性更低。究其原因，产能过剩企业的经营、财务和信息等风险上升，同时真实盈余管理水平增加，给分析师带来更高的信息获取成本和更复杂的分析工作，进而导致预测误差率上升，准确度下降。

文章的研究具有理论和现实意义。第一，文章丰富了产能过剩经济后果及影响机制的研究。现有文献主要从宏观层面深入探讨其发生机制和治理对策，少有文献从微观层面对产能过剩导致的经济后果进行研究。文章基于A股上市公司的经验证据，检验了企业产能过剩对分析师预测行为的影响，拓展了既有文献仅局限于产能过剩发生原因及缓解方法的研究。第二，文章拓展了分析师盈余预测准确性影响因素的研究。现有研究忽略了产能过剩对分析师盈余预测准确性的影响，文章研究发现，产能过剩会降低分析师盈余预测的准确性。低质量的盈余预测信息更易导致外部投资者决策失败，有鉴于此，分析师应该加强对产能过剩企业的关注，增加收集信息的渠道，警惕财务信息的真实性、可靠性，提高盈余预测质量，约束公司管理层盈余管理行为，从而更好地发挥分析师预测服务在化解过剩产能、缓解信息不对称、提高资本市场资源配置效率、防范金融风险等方面的积极作用。第三，文章的研究结果给政府的供给侧改革、去产能政策提供了理论支撑。产能过剩会导致资本市场信息流通不畅、资源配置效率低下等问题，严重阻碍了市场经济的健康发展，带来一系列的经济后果。因此，化解产能过剩不仅是经济新常态下供给侧改革的重要任务，而且是我国调整经济结构、优化发展方式、实现经济高速发展的必然选择。