分析师关注如何影响公司投资行为——基于不同投资类型的分析

赵胜民 张博超

一、引言

随着我国A股市场的不断发展，截至2018年年底在我国上市的公司数量达3 584家。相应地，我国证券分析师的人数也在不断增加，截至2019年6月底我国证券分析师人数(已注册)达3 210人。证券分析师能够挖掘行业层面(industry-level)及公司特有(firm-specific)的信息(Liu，2011[1])，他们花费大量精力，通过搜集信息，利用个人专业知识与技能撰写研究报告，发布观点并给出投资建议，在一定程度上影响着投资者行为，最终影响公司股价(孔东民等，2019[2])。此外，分析师跟踪上市公司有助于减弱公司内部管理层与外部投资者之间的信息不对称程度(Frankel和Li，2004[3])。如果将公司视为理性经济主体，并追求股东财富最大化，那么公司在进行某项活动时，不仅应考虑该项活动对公司价值带来的直接影响，还应考虑由于证券分析师的关注所带来的其他影响。而公司持续不断的投资是其长期稳健发展的前提，因此思考分析师关注如何影响公司投资行为，具有理论和实践层面的双重意义。

为研究分析师关注如何影响公司投资行为，本文从影响渠道和影响结果两个角度切入。在影响渠道方面，本文具体研究分析师关注通过何种渠道影响公司投资行为；在影响结果方面，本文具体研究分析师关注后对公司最终各类投资有何影响。本文以2007—2017年的沪深A股上市公司为样本，通过实证分析发现，分析师关注度的提高能够促进公司实物资本、研发资本与组织管理资本投资，即分析师关注能够通过信息效应(渠道)影响上述三类投资；分析师通过发布盈利预测使公司面临的业绩压力增大时，会导致公司减少组织管理资本的投资。进一步进行异质性分析发现，在国有企业样本组中，信息效应对实物资本投资的影响相对较强，在高科技行业样本组中，信息效应对无形资本投资的影响相对较强；分析师关注的压力效应在非国有样本组与非高科技行业样本组中相对更强。另外，分析师关注对公司申请的专利数量具有正向影响，说明分析师关注的信息效应促进了公司研发创新。

本文的贡献主要体现在以下几个方面：第一，更加细致地研究了分析师关注对公司投资行为的影响渠道。本文将分析师关注的影响渠道分为信息效应渠道和压力效应渠道，并检验了分析师关注通过何种渠道影响公司投资，明确了分析师关注对公司投资影响的作用方式，这一发现有助于理解分析师关注影响公司投资行为的作用机制。第二，丰富了分析师与公司投资行为的研究。本文从分析师关注的两个影响渠道入手，将公司投资分为实物资本投资和无形资本投资两大类(三个具体指标)，考察分析师关注对不同类别投资的影响是否存在异质性，这样能够更加准确地理解分析师关注的经济后果。第三，丰富了分析师与公司研发创新的研究。本文发现分析师关注能够通过信息效应促进公司研发投入，并进一步发现分析师关注对公司的专利申请数量存在正向影响，说明分析师关注促进了公司的研发创新水平，证明了分析师关注信息效应在实践中的积极意义。总体而言，本文的结论有助于理解分析师在资本市场中发挥的作用及其对公司投资行为产生的经济意义。

二、文献回顾与理论分析

关于分析师关注的研究较为丰富，本文将已有文献分为两大类，一类是关于分析师关注本身的文献，另一类是分析师关注对其他方产生影响的文献。有关分析师关注本身的文献实际上是将分析师关注视为“果”，即研究分析师预测准确性及其影响因素和影响机制等(Hirshleifer等，2019[4]；Hugon等，2016[5]；杨青等，2019[6]；罗棪心等，2018[7]；伍燕然等，2016[8])；有关分析师关注对其他方产生影响的文献实际上是将分析师关注视为“因”，即研究分析师关注对公司股价、市场等其他方的影响(He和Tian，2013[9]；伊志宏等，2019[10]；张然等，2017[11]；张宗新和杨万成，2016[12]；王菁和程博，2014[13])。这两类文献并非孤立，但本文主要讨论有关分析师关注影响公司投资行为的文献。

本文通过梳理相关文献，总结出分析师关注对公司投资行为的两种对立影响。第一种影响是分析师关注可能对公司投资具有正向影响。已有研究表明，公司与外部的信息不对称给予了分析师生存和获利的空间，增强了分析师关注该公司的动机(苏治和魏紫，2013[14])。分析师的调研行为有助于降低公司与外部投资者之间的信息不对称程度(谭松涛和崔小勇，2015[15])。而信息不对称程度的降低能提高企业的投资效率(张纯和吕伟，2009[16])，戴国强和邓文慧(2017)[17]发现分析师关注对上市公司的投资规模有促进作用。总之，分析师关注上市公司后，会通过多种方式获取其相关信息，并在解读之后对外发布，降低公司内部与外部之间的信息不对称程度，最终促进公司投资，本文将此类影响定义为分析师关注的信息效应。信息效应可分为两层含义:第一层含义是分析师关注之后能够深入挖掘原本较难从公开渠道获取的信息；第二层含义是分析师将信息搜集整理后能够提供专业细致的解读，容易被外部投资者理解。例如，公司进行某项目的投资或研发，即使公司会在年报等公告中进行说明，其传递的信息相对而言仍然是有限的，而分析师通常有能力研究分析此类客观信息，并指出项目的具体影响、意义及价值，使投资者更易于理解公司行为。因此从信息效应的角度出发，分析师关注对公司投资具有正向影响。

分析师关注对公司投资行为的第二种影响是负向影响，即分析师关注可能使公司减少投资，这与之前讨论的信息效应恰恰相反。这种负向影响背后的逻辑是：分析师关注上市公司后，通常会对公司未来的业绩做出预测，过于乐观的盈利预测可能使公司面临较大的业绩压力，管理者为了业绩达标可能会在会计年度内削减投资支出。在相应的文献中，有学者研究了上市公司业绩是否达到预期与其股价的关系。Chiang等(2019)[18]发现，如果上市公司的业绩达到或超过分析师的预期，则其股票能够获得更高的收益。Chen和Lee(2019)[19]发现，上市公司存在为了使业绩达标而缩减销售管理和行政费用(SG&A)的现象。Bartov等(2002)[20]发现，如果上市公司的业绩达到或超过分析师的预期，其股票收益高于其他未达标的公司。还有学者研究了分析师预期对公司投资的影响，例如，王菁和程博(2014)[13]发现资本市场对企业经营期望越高，经理人所感知的外部盈利压力越大，越倾向于投资不足。He和Tian(2013)[9]发现，分析师如果对管理层施加过多的短期业绩压力，会阻碍公司对长期创新性项目的投资。根据学者们的研究可知，一方面，上市公司业绩超过预期能够获得股价上涨的益处，而业绩不及预期则会面临股价下跌的风险；另一方面，由分析师预期带来的业绩压力可能使公司出现投资不足的现象。本文将分析师关注导致公司减少投资的现象定义为分析师关注的压力效应。

由以上分析可知，分析师关注可能对公司投资具有正向或负向影响。但由于不同类别的投资对公司而言意味着不同的收益实现方式，同时对财务业绩也有着不同影响，如果不对公司投资进行分类研究，得出的结论可能是不全面的。因此本文研究公司的两类(三种)投资行为，从更加细致的角度考察分析师关注对公司不同类别投资的影响。

本文主要研究公司的两类投资行为，分别为实物资本投资与无形资本投资，其中无形资本投资包含研发资本投资与组织管理资本投资。将公司投资如此分类的原因是，本文立足于更加广义的投资概念，将公司投资行为视为一种在当前投入资源以获取未来回报的行为。根据Peters和Taylor(2017)[21]的研究，投资除了具有传统意义的实物资本投资(厂房及机器设备等)的含义外，还包括无形资本投资。投资中包含无形资本的合理性在于这符合投资的基本含义，即它是一种当前投入资源以获得未来回报的行为(Corrado和Hulten，2010[22])。具体来说，Lev和 Sougiannis(1996)[23]将公司研发(R&D)视为一种投资，并发现研发投资能够增加公司未来的利润。Peters和Taylor(2017)[21]在研究无形资本与托宾q的关系时，亦将研发视为一种无形资本投资。因此以无形资本投资的角度看待研发支出，具有理论和实践上的合理性。另外，Eisfeldt和Papanikolaou(2014)[24]使用销售管理和行政费用(SG&A)计算组织管理资本(organization capital)，其依据是这些费用包含的大部分支出被用于白领工资、员工培训、咨询及信息技术(先进的管理系统等)，而且这部分支出是为了公司未来的经营收益而产生的。而且SG&A中除包含人力资本外，还有品牌(建立品牌的支出)、客户关系以及分销系统等无形的资本(Peters和Taylor，2017[21])。

公司投资行为本质上是一种为公司创造价值的活动。而分析师则主要关注公司投资的(或潜在的)每个项目，并对投资项目的风险收益进行研究分析，最终将这些关键信息反映在对公司的盈利预测中。通常上市公司与市场之间存在着信息不对称问题，而分析师作为上市公司与外部投资者沟通的桥梁，无论在公开(public)还是非公开(private)信息方面，相对于个人和机构投资者都拥有信息优势(Chen等,2015[25])。因此，分析师的信息挖掘、信息解读与信息传递等行为能够使外部投资者更加准确全面地理解公司投资行为。在这种情形下，公司投资行为除了受到自身经营战略的影响外，很可能还受到分析师关注的影响。从信息效应出发，分析师关注上市公司可能会促使公司增加投资力度，既包括与扩建增产相关的实物资本投资，也包括与增强研发实力、加强人才队伍建设等相关的无形资本投资。因为无论对于实物资本投资还是无形资本投资，分析师关注都有助于让外部投资者更加准确全面地理解当公司发生了新建厂房和生产线、增加研发投入、调整公司人才队伍等投资行为时最终能够为公司带来多少业绩增长，何时能够实现增长，以及这种增长是否具有可持续性等关键问题。另外，公司的实物资本与无形资本通常不是相互独立的，二者是具有一定关联度的。例如，当公司开发某项产品时，可能需要对研发、人力、管理及生产等方面的投入均有所增加。基于以上分析，本文认为分析师关注的信息效应在实物资本投资与无形资本投资方面均存在，故提出如下研究假设：

假设1：分析师关注能够通过信息效应影响公司的实物资本投资、研发资本投资与组织管理资本投资。

分析师关注的压力效应主要来源于分析师对公司较高的盈利预期。当公司面临较大的业绩压力时，公司可能通过减少投资来达到分析师的盈利预期。然而，由于实物资本投资、研发资本投资与组织管理资本投资在发生时分别在不同的会计科目进行计量，并且这些科目对会计利润(或公司业绩)的影响不尽相同，因此分析师关注通过压力效应对上述三类投资的影响可能也是不同的。对于实物资本投资，其属于传统意义上的公司投资行为，主要包括公司对房屋建筑、机器设备及运输工具等有形资产的投资。当公司以升级换代或扩建增产为目的发生这类投资行为时，其主要影响资产负债表项目(如固定资产等)，虽然当年会通过计提折旧(减少利润)以及创造收入(增加利润)的方式影响会计利润，但总体相对而言对当年财务业绩的影响较小。对于研发投资，我国会计准则规定，部分研发支出在满足一定条件的情况下可资本化，不满足资本化条件的则必须费用化，在发生的全部研发支出中，应资本化或费用化的部分主要受研发具体情况(或进度)的影响。由于费用化的部分直接影响当期损益，而资本化的部分对当期损益影响相对较小，这部分主要通过未来逐期摊销的方式影响损益，因此研发支出对当期财务业绩的影响存在相对较大的波动性。对于组织管理资本，这部分主要涉及人力、品牌及管理等方面的支出，属于公司积累的无形资本，例如为员工培训职业技能、高薪聘请核心技术人员、打造品牌形象及建立高效的管理系统等。这些支出在发生时通常计入销售费用或管理费用科目中，对当期财务业绩具有直接影响。

结合上述三类投资不同的会计属性来看，当公司面临较大的分析师关注压力时(业绩预期压力)，公司相对而言更可能减少组织管理资本投资以实现使当期业绩“达标”的目的，那么理论上在组织管理资本投资中，分析师关注的压力效应较为明显。虽然减少费用化的研发资本投资也能在一定程度上减轻业绩压力，但研发活动通常是公司对未来规划后的产物，具有长期性，因此公司未必会因短期业绩压力而缩减这部分投入，那么理论上在研发资本投资中，分析师关注的压力效应可能不如在组织管理资本投资中明显。对于实物资本，减少实物资本投资对当期业绩的影响有限，那么理论上在实物资本投资中分析师关注的压力效应相对最不明显。综上，本文提出如下研究假设：

假设2：相对而言，分析师关注的压力效应对组织管理资本投资的影响最明显，对研发资本投资的影响较弱，而对实物资本投资的影响最弱。

三、研究设计

(一)样本数据

本文以2007—2017年的沪深A股上市公司为样本，数据结构为非平衡面板数据。文中使用的数据均来自国泰安数据库。由于我国2006年颁布了新的企业会计准则，并于2007年1月1日起在上市公司范围内实施，该准则对上市公司每股收益的披露要求进行了相应调整，同时有关无形资产的会计准则也发生了一定的变化，因此本文使用的数据起始于2007年。对于原始数据，本文剔除了金融类上市公司样本以及数据缺失的样本，并对所有连续变量做了1%的缩尾(winsorizing)处理。

(二)变量选择与度量

1.公司投资变量。

本文从实物资本与无形资本两个角度研究公司投资行为，其中无形资本包含研发资本和组织管理资本，因此度量公司投资的变量共3个。

(1)实物资本投资。本文采用财务报表附注中的固定资产本期增加值(净值)除以资产总额度量公司的实物资本投资。固定资产本期增加值反映的是在剔除折旧及减值准备因素后公司本期新增固定资产的情况。与采用连续两年固定资产数据差值计算固定资产投资相比，该方法能够避免因需要连续两年数据而导致的样本量减少的问题。而且，与采用现金流量表中的购买固定资产、无形资产和其他长期资产支付的现金计算相比，该方法能够更加精确地度量有关固定资产投资的支出，既不受购买无形资产和其他长期资产支出的干扰，还包括了以非现金方式购入的固定资产。由于以上优越性的存在，本文采用这种方法度量公司的实物资本投资情况。

(2)研发资本投资。本文采用财务报表附注中的研发支出本期增加值除以资产总额度量公司的研发资本投资。虽然无形资产的变化值可以反映研发投入情况，但这样计算仅包含研发投入的资本化部分，不够全面。如某年公司的研发支出不符合资本化条件而费用化处理，那么无形资产就无法反映这部分费用化的研发支出，这将低估公司的研发投入。而本文的方法不受上述会计准则方面的影响，能够更加准确地反映公司当期对研发的实际投入。

(3)组织管理资本投资。本文借鉴Eisfeldt和Papanikolaou(2014)[24]、Peters和Taylor(2017)[21]的做法，选择销售费用和管理费用的30%度量组织管理资本投资。该方法的合理性在于，虽然销售费用和管理费用属于公司日常运营过程中发生的费用类支出，但其中的部分支出仍然是具有资本(投资)属性的，可以为公司创造价值。如销售费用中公司营销方面的支出，能够帮助公司建立品牌(形象)及分销渠道等，再如管理费用中包含的员工培训费、核心员工工资等，上述支出在财务报表中虽然仅影响当期损益，但实际上这些支出创造的无形资本通常能够在当期及未来多期为公司创造价值。在稳健性检验部分，本文还选择了10%、50%、70%及90%作为计算组织管理资本投资的比例，计算该因变量并进行回归。

2.分析师关注变量。

(1)分析师关注度。在分析师关注对公司投资影响的实证分析中，本文采用一加当年关注该公司的分析师人数(团队)之和取对数来衡量分析师关注度。如果当年关注该公司的分析师越多，那么说明分析师对该公司的关注度越高。

(2)分析师乐观度。为进一步明确分析师关注通过何种效应影响公司投资行为，本文借鉴许年行等(2012)[26]的做法，采用分析师乐观度作为分析师关注导致的公司业绩压力的代理变量。在分析师发布的研究报告中，最核心的信息是盈余预测和投资评级(张然等，2017[11])，故基于公司盈余信息，首先计算乐观偏差opt_prei,j,t指标，具体计算公式如下：

opt_prei,j,t=(Fi,j,t-Ai,t)/Pi

(1)

式(1)中，opt_prei,j,t是分析师j在第t年对公司i每股收益预测的乐观偏差，Fi,j,t是分析师j当年对公司i每股收益的预测值，Ai,t是公司i当年的实际每股收益，Pi是公司i在分析师预测前一个交易日的股票收盘价格。选择股价Pi进行平滑而非盈余Ai,t，能够避免盈余为负时对指标的影响。与现有文献不同的是，本文并未将opt_prei,j,t为正值的占比作为分析师乐观度的代理变量，而是将opt_prei,j,t第t年对于公司i的平均值作为本文的解释变量(记为optimismavgi,t)，具体计算方法如下：

optimismavgi,t=opt_prei,j,t/j

(2)

选择平均值而非正值占比来计算该变量的原因有：首先，本文计算了基于opt_prei,j,t的正值占比得到的变量，发现大约一半的观测值取值为100%，即对于某些样本而言，所有分析师的预测均大于实际盈余，如果使用此变量，那么大量样本无法表现出分析师预测对公司造成的业绩压力的不同。其次，本文的研究中使用这一变量的目的是体现分析师预测对公司造成的业绩压力，如果该变量与盈余直接挂钩，则能够更好地反映预测结果对公司产生的业绩压力，而opt_prei,j,t的平均值本质上反映的是分析师的一致性预期对于公司实际盈余的偏离程度，如果分析师的一致性预期正向偏离公司实际盈余越多，那么公司面临的业绩压力越大。因此，本文采用该变量度量分析师关注带来的公司业绩压力。

3.控制变量。

本文采用的控制变量包括：公司规模、上市年限、净资产收益率、资产负债率、有形资产比率、管理层持股比例、董事长与总经理兼任情况哑变量(兼任取1，否则取0)、前十大股东持股比例、机构持股比例、分析师经验特征、是否有明星分析师关注、托宾q、现金流以及营收增长率。各变量的具体说明见表1。

表1 变量定义

(三)模型设定

本文采用式(3)检验分析师关注对公司投资行为的影响：

invi,t=β0+β1analystsi,t-1+γControlVariablesi,t-1

+υt+ηind+εi,t

(3)

其中，invi,t表示不同类别的投资，实证中将分别代入前文定义的实物资本投资、研发资本投资以及组织管理资本投资；analystsi,t-1表示与分析师关注有关的变量，实证中将分别代入前文定义的分析师关注度及分析师乐观度变量；ControlVariablesi,t-1包含前文定义的控制变量；υt为年度固定效应，ηind为行业固定效应；εi,t为残差项。另外，如未特别注明，本文回归模型中使用的解释变量及控制变量均滞后一期。

四、实证分析

(一)描述性统计

表2报告了本文主要变量的描述性统计结果，可以看出：对于不同类别的投资，公司之间存在一定程度的差异，其中实物资本投资的差异更加明显。从均值来看，实物资本投资iphy的均值较大，说明公司对实物资本投资的比重相对较高。对于分析师关注度anaatt而言，可以看出不同公司之间分析师的关注程度存在较大差异。分析师乐观度optimismavg则反映出，分析师预测具有乐观倾向(伍燕然等，2016[8])。需要说明的是，iphy变量的部分观测值出现负值，其原因是固定资产本期增加值来源于公司的财务报表附注，而部分公司在披露数据时未完整披露“本期增加”或“本期减少”项，而只披露“期初余额”与“期末余额”，这种情况下数据库依据“期初余额”与“期末余额”倒挤出“本期增加”值，以确立勾稽关系，因此当“期末余额”小于“期初余额”时，该值取负数，而这依然能反映出公司投资的减少，不影响该变量的准确性。

(二)分析师关注对公司投资的影响：基准模型

表3报告了基准模型的回归结果，回归分别使用实物资本投资、研发资本投资及组织管理资本投资作为因变量进行，为尽可能避免反向因果导致的内生性问题，表中列(1)、列(3)和列(5)的解释变量均为各变量的滞后一期项，列(2)、列(4)和列(6)的解释变量均为各变量的滞后两期项。从结果来看，分析师关注度anaatt的系数均为正，并且在1%的显著性水平上显著，说明分析师关注对于公司各类别投资的影响均是正向的，即分析师关注具有信息效应，能够促进公司投资。但该结果还不足以回答分析师关注是否存在压力效应。因为此处使用的分析师关注度变量anaatt是通过关注某家上市公司的分析师团队数量计算得到的，该变量无法将分析师关注为公司带来的业绩压力分离出来，故存在一种可能：分析师关注对公司同时具有信息效应和压力效应，但信息效应更强，这使得分析师关注后最终表现出信息效应的特征。因此，压力效应有待进一步检验。

表2 描述性统计

表3 分析师关注对公司投资的影响——基准模型

(三)分析师关注对公司投资的影响：压力效应

为进一步检验分析师关注对公司产生的压力效应，本文将解释变量分析师关注度anaatt替换为分析师乐观度optimismavg，因为分析师乐观度变量更能体现分析师关注所导致的公司业绩压力。同时，为明确业绩压力对公司投资行为产生的影响，本文在前文基础上构造2个被解释变量用于本小节回归分析。第1个变量i_deltai,t衡量投资的变化，第2个变量i_dumi,t则是衡量投资强度变化的哑变量。这样处理的原因是：本小节本质上是在研究当分析师的盈利预测给管理层造成业绩压力时，管理层对这种压力做出的反应、调整及其行为上的变化，而对投资取一阶差分相当于使用的是当年投资与上年投资相比的变化量，相比原始变量能够更好地反映变量的变化。不取差分的原始变量则无法达到这种效果。另外，这种处理方式在Guo等(2019)的研究中也有应用。

i_deltai,t=ii,t-ii,t-1

(4)

式(4)等号左侧代表投资的变化，右侧的i计算时分别代入前文的实物资本投资、研发资本投资及组织管理资本投资，i_deltai,t等于各类投资变量的一阶差分值。i_dumi,t哑变量在i_deltai,t为负时取1，否则取0，因此该变量取1时表示公司出现投资强度减弱的现象。在实证分析中，当i_deltai,t做被解释变量时使用OLS回归；当i_dumi,t做被解释变量时使用Logit回归，并且所有回归均控制年度效应与行业效应，标准误均经过公司层面聚类调整。

表4报告了检验分析师关注压力效应的回归结果。从分析师乐观度变量optimismavg的系数来看，在实物资本投资的回归中(列(1)与列(2))不显著，说明分析师关注所致的业绩压力对实物资本投资的相对变化及减弱投资强度的倾向影响均不明显。在研发资本投资的回归中(列(3)与列(4))，分析师关注的压力效应对研发资本投资强度的变化影响不明显，但增加了公司减少研发资本投资的倾向。在组织管理资本投资的回归中，当投资的变化值为被解释变量时(列(5))，分析师乐观度变量optimismavg的系数显著为负，说明业绩压力增加会减少公司的组织管理资本投资；当代表公司是否存在减弱投资强度行为的哑变量为被解释变量时(列(6))，分析师乐观度变量optimismavg的系数显著为正，说明业绩压力的增加导致公司减弱投资强度的倾向有所增加。整体而言，分析师关注的压力效应相对而言对组织管理资本投资的影响最显著，对研发资本投资的影响次之，对实物资本投资的影响最弱。这些结果验证了本文的研究假设2。公司的实物资本投资通常计入资产负债表，对当期损益影响有限；研发投资较为特殊，视情况可能费用化也可能资本化，若费用化则影响当期损益，若资本化则对当期损益影响有限，但无论资本化还是费用化，研发支出都有相应的税前加计扣除(摊销)政策，因此研发支出对净利润的影响适中；组织管理资本投资由于被计入损益类科目，直接影响当期业绩，故该类投资对公司业绩(每股收益)的影响相对较大，如果公司希望业绩达标，调整此类支出也是最能达到目的的方式。因此，分析师关注的压力效应在实物资本投资中不明显，在研发资本投资中有一定程度的体现，在组织管理资本投资中最为明显，这一发现具有实践意义上的合理性。

表4 分析师关注对公司投资的影响——压力效应

(四)分析师关注对公司投资的影响：异质性分析

1.按照产权性质分组的异质性分析。

按照产权性质分组，主要是考虑到国有企业与非国有企业的经营目标存在差异。(1)本文异质性分析的内容主要受到匿名审稿人的启发，在此衷心感谢匿名审稿人的宝贵建议。政府对国有企业设立、经营等方面的管制使得国有企业成为政府领导下的附属机构，国有企业因此失去了企业的独立自主、自负盈亏的重要性质，这使得国有企业相比非国有企业经营目标更加注重社会和政治目标(方军雄，2007[27])，如保增长、促就业等。而非国有企业通常以股东财富最大化为目标。因此，与国有相比，非国有企业与市场“互动”的需求相对而言较为明显，分析师关注对两类企业投资行为的影响也可能存在差异。

首先使用本文的基准模型，以分析师关注度anaatt作为关键解释变量进行回归，结果如表5所示。整体来看，无论是国有企业还是非国有企业，分析师关注对实物资本投资iphy、研发资本投资rd以及组织管理资本投资iorgc的影响均为正向，表现为分析师关注的信息效应。对于研发资本投资rd和组织管理资本投资iorgc而言，分析师关注度anaatt的系数在非国有样本组中相对更大(0.003 6>0.003 3,0.006 8>0.003 5)，且系数差异性检验显著(2)在进行组间系数差异检验时，考虑到传统的Chow检验有较强的假设条件，Wald检验可能存在小样本偏误问题，本文借鉴连玉君等(2010)[28]的做法，采用Bootstrap自助法进行1 000次的模拟抽样检验(谭小芬和张文婧，2017[29])。，说明分析师关注的信息效应在非国有样本组中相对更强，非国有企业的分析师关注度增加后，其更多的通过增加研发资本投资rd和组织管理资本投资iorgc来向市场传递积极信号。对于实物资本投资iphy，分析师关注度anaatt的系数在国有样本组中略大(0.004 8>0.004 0)，且系数差异性检验显著，可能有如下原因：一是与国有企业的社会和政治目标有关，因为保增长、促就业等目标通常伴随着实物资本投资的增加；二是国资委等部门制订的关于国有企业的考核标准要求国有资产保值增值。在考核细则中，资产负债率与总资产增长率等与资产挂钩的指标均属于评价指标的一部分。这些因素可能导致国有企业本身的实物资本投资水平较高。

表5 分析师关注度的影响——按照产权性质分组

接下来以分析师乐观度optimismavg作为关键解释变量来检验分析师关注压力效应的异质性。当被解释变量为投资变化(一阶差分)时，使用固定效应模型(表6)。当被解释变量为投资水平是否较上期减少的虚拟变量(减少取1)时，使用Logit模型(表7)。从表6和表7的结果来看，分析师关注的压力效应主要在非国有样本组中有所体现，国有企业的投资行为对分析师盈利预测“施加”的业绩压力不敏感。前文的回归结果(全样本回归)已知压力效应主要在组织管理资本投资iorgc中表现明显，而从表6的结果来看，压力效应导致组织管理资本投资iorgc减少的现象主要体现在非国有样本组中。此外，分析师关注带来的业绩压力，使非国有企业在实物资本投资iphy方面呈现减少的趋势，这可能是由于非国有企业通过这种方式降低折旧费用，来实现业绩“达标”的目的。表7的结果显示，分析师关注的压力效应在国有样本组中表现不明显，在非国有样本组中主要表现为增加了非国有企业减少实物资本投资iphy、研发资本投资rd以及组织管理资本投资iorgc的倾向。总体来看，分析师关注的压力效应在非国有样本组中更加明显，存在产权性质方面的异质性。上述结果与国有企业和非国有企业在经营、社会及政治目标方面的差异性有一定的关联性。

表6 分析师关注的压力效应(固定效应模型)——按照产权性质分组

表7 分析师关注的压力效应(Logit模型)——按照产权性质分组

2.按照是否属于高科技行业分组的异质性分析。

本文感兴趣的另一个问题是分析师关注对投资的影响在高科技行业与其他行业之间是否存在差异，因此本文将样本按照是否属于高科技行业(3)本文选择的高科技行业具体包括：医药制造业，汽车制造业，铁路、船舶、航空航天和其他运输设备制造业，电气机械和器材制造业，信息传输、软件和信息技术服务业，电信、广播电视和卫星传输服务、互联网和相关服务、软件和信息技术服务业，计算机、通信和其他电子设备制造业，研究和试验发展、专业技术服务业及科技推广和应用服务业。另将不属于上述行业的其他行业定义为非高科技行业。分为两组，进行异质性分析。

首先使用本文的基准模型，以分析师关注度anaatt作为关键解释变量进行回归，结果如表8所示。整体来看，无论是高科技行业样本组还是非高科技行业样本组，分析师关注对实物资本投资iphy、研发资本投资rd以及组织管理资本投资iorgc的影响均为正向，分析师关注表现为信息效应。对于实物资本iphy(列(1)与列(2))，分析师关注度anaatt的系数在高科技行业样本组中相对较小(0.002 5<0.005 4)，且系数差异性检验显著，说明分析师关注对于实物资本投资的信息效应在高科技行业样本组中相对较弱。对于研发资本投资rd(列(3)与列(4))，分析师关注度anaatt的系数在高科技行业样本组中相对较大(0.004 3>0.002 2)，且系数差异性检验显著，说明分析师关注对于研发资本投资的信息效应在高科技行业样本组中相对较强。对于组织管理资本投资iorgc(列(5)与列(6))，分析师关注度anaatt的系数在高科技行业样本组中相对较大(0.005 6>0.004 6)，且系数差异性检验显著，说明分析师关注对于组织管理资本投资的信息效应，在高科技行业样本组中相对较强。这一结果的合理性在于，通常知识产权与专利技术等无形资本是高科技行业公司赖以生存的关键，与实物资本相比，无形资本相对而言更为重要。核心技术与知识产权的优势和市场前景，以及持续不断的研发创新能力，很大程度上影响着一个高科技行业公司的未来。组织管理资本投资一定程度上代表着公司对人力资本的投入，而关键员工对于高科技行业公司的经营与发展有着至关重要的影响，尤其是核心技术人员。因此，高科技行业公司“重”无形资本，“轻”实物资本的特点，能够解释上述异质性分析的结果。

表8 分析师关注度的影响——按照是否属于高科技行业分组

接下来以分析师乐观度optimismavg作为关键解释变量来检验分析师关注压力效应的异质性。当被解释变量为投资变化(一阶差分)时，使用固定效应模型(表9)。当被解释变量为投资水平是否较上期减少的虚拟变量(减少取1)时，使用Logit模型(表10)。从表9的回归结果来看，分析师关注的压力效应仅体现在非高科技行业的组织管理资本投资iorgc中。表10的回归结果显示，分析师关注的压力效应增加了非高科技行业公司减少研发资本投资rd与组织管理资本投资iorgc的倾向。这些结果说明分析师关注的压力效应在高科技行业公司中不存在，即高科技行业公司在面对分析师关注带来的业绩压力时，几乎不会通过减少实物资本投资iphy、研发资本投资rd以及组织管理资本投资iorgc来调节会计业绩。而非高科技行业则会减少组织管理资本投资iorgc，并且增加了减少研发资本投资rd的倾向。因此，上述结果不仅体现了分析师关注对高科技行业与其他行业公司投资影响的异质性，也在一定程度上体现了分析师在市场中信息挖掘、信息解读与信息传递的作用。

表9 分析师关注的压力效应(固定效应模型)——按照是否属于高科技行业分组

表1 0分析师关注的压力效应(Logit模型)——按照是否属于高科技行业分组

(五)分析师关注对公司创新的影响：进一步分析

基于前文的实证结果可知，分析师关注对公司研发投资具有促进作用，并且业绩压力对公司研发投资的负向影响不明显。既然分析师关注能够促进公司投资，那么这种影响是否能够改善公司获取专利的情况是值得思考的。为明确该问题的结论，本文将公司申请的专利数量作为因变量。其具体构造过程是：根据公司年报披露的有关专利情况的信息，统计每个样本当年在国内外申请的专利合计数，再将合计数加一取对数值得到回归使用的因变量(记为innov)。回归方法与前文保持一致，考虑年度效应与行业效应。同时，考虑到研发创新成果的滞后性，分别将解释变量滞后一期、滞后两期及滞后三期进行回归，回归结果如表11所示。分析师关注度变量anaatt的系数均显著为正，说明分析师关注有助于提高公司专利的申请数量，符合理论部分有关分析师关注的信息效应的假说，同时也证明分析师关注能够促进公司的创新绩效。该结论与陈钦源等(2017)[30]、Guo等(2019)[31]的结论一致。

表1 1分析师关注对公司专利申请的影响：进一步分析

(六)稳健性检验

本文使用如下方式进行了稳健性检验(4)篇幅所限，相应的结果未报告，留存备索。：

1.使用工具变量。

为检验结论的稳健性，克服内生性问题，本文使用两阶段最小二乘法，并选择预期关注度anaatt_IV作为分析师关注度的工具变量进行回归。预期关注度变量参考Yu(2008)[32]的研究，具体计算方法为如下：

ExpCovereagei,j,t=(Brokersizej,t/Brokersizej,0)

×Covereagei,0

(a)

(b)

式中下标i、j、t分别表示公司、券商以及年度。首先计算公司i在t年券商j的预期关注度ExpCovereagei,j,t，具体是使用t年券商j的活动分析师人数(该券商发布研报的分析师总数)除以该券商基期的活动分析师人数，再乘以基期关注公司i的分析师人数。再将公司i在t年券商j的预期关注度ExpCovereagei,j,t在券商维度上进行加总，得到公司i在t年的预期关注度anaatt_IVi,t。其中基期以样本时间跨度的中间年度为准，本文的基期为2012年。通过以上计算公式可以看出，在给定基期的情况下，公司的预期关注度会随着券商分析师人数的变化而变化。一方面，券商的分析师总人数(规模)与关注该公司的分析师人数存在相关性，因为、券商研究所规模的变化会影响关注某行业某公司的分析师数量；另一方面，券商研究所规模的变化通常与公司投资不存在相关性。因此，使用该变量作为工具变量满足两个基本假设。使用工具变量进行的两阶段最小二乘法(2SLS)回归结果显示，工具变量有效，并且支持前文结论。

2.替换分析师关注度变量。

本文将前文的分析师关注度变量替换为研报关注度变量(repatt)，然后使用与前文相同的回归模型进行回归。研报关注度即以研报为统计对象，其数值上等于市场上某年内关于某家上市公司的研究报告数量。回归结果支持前文结论。

3.使用PSM方法。

本文使用PSM方法检验结论的稳健性。首先使用总资产对数值、上市年限对数值、营业收入与总资产的比值、经营性现金净流量与总资产的比值、营业收入增长率、托宾q、机构持股比例以及公司所在省份的GDP对数值作为协变量，将有分析师关注的样本作为处理组，没有分析师关注的样本作为对照组，按照1∶1的比例进行近邻有放回匹配。选择上述变量作为倾向匹配得分的协变量，原因是分析师是否关注某家公司，可能与公司的规模、上市年限、经营业绩及成长能力有关，而上述变量能够反映公司在这几方面的特征。本文使用非参数 K 密度方法(Kernel Density)，对有分析师关注的处理组和没有分析师关注的对照组的倾向得分分布进行近似，匹配效果较为理想(陈思等，2017[33])。最后对匹配后的样本进行回归，结果基本支持前文结论。

4.调整确认为组织管理资本的费用比例。

在前文的实证分析中，本文参考其他学者的做法，将管理费用和销售费用的30%视为对组织管理资本的投资，为了避免实证分析仅选择30%作为计算比例导致的主观性问题，本文选择10%、50%、70%及90%作为比例计算组织管理资本投资，再分别构造出表示组织管理资本投资变化的变量iorgc_deltai,t，以及表示是否减少了组织管理资本投资的哑变量iorgc_dumi,t，进一步检验分析师关注所致压力效应的结果是否稳健。按照上述方式处理后进行回归，结果依然支持前文结论。

五、研究结论

本文以2007—2017年的沪深A股上市公司为样本，通过实证分析发现，分析师关注度的提高能够促进公司实物资本、研发资本与组织管理资本投资，即分析师关注能够通过信息效应(渠道)影响上述三类投资；分析师通过发布盈利预测使公司面临的业绩压力增大时会导致公司减少组织管理资本的投资。进一步进行异质性分析发现，无论按照产权性质还是按照是否属于高科技行业将样本公司分组，分析师关注的信息效应均存在，但在国有企业样本组中，信息效应对实物资本投资的影响相对较强，在高科技行业样本组中，信息效应对无形资本投资的影响相对较强；分析师关注对的压力效应在非国有样本组与非高科技行业样本组中相对更强。另外，分析师关注对公司申请的专利数量具有正向影响，说明分析师关注的信息效应促进了公司研发创新。

虽然证券分析师在资本市场中的价值存在争议，但本文的结论有助于客观理解分析师在市场中的作用和意义。尽管分析师偏向乐观的盈余预测会对公司造成一定的业绩压力，但总体而言分析师关注能够通过信息效应促进公司各类别的投资，并且对公司研发创新具有正面影响。因此，一方面，分析师除应当具备优秀的专业素质外，还应勤勉尽责，将公司真实准确的信息及时解读并传递给市场；另一方面，监管部门应保持惩治分析师违法行为的高压态势，强化分析师的职业道德素养，为分析师更好地发挥市场信息中介作用而努力。