分析师行业专长对企业研发投入的影响研究

王鑫斌 郭 菲 彭效冉

一、引 言

党的十九大报告提出“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”，科技创新被提升到了国家战略的高度。研发投入作为持续开展创新活动的基本保证，对推动科技创新至关重要。据国家统计局、科技部和财政部联合发布的统计公报显示，2020年我国研发经费投入总量达到24393.1亿元，其中企业研发经费为18673.8亿元，占全国研发经费总量的76.6%，可见，企业已经成为国家创新体系的核心环节。然而，与世界主要创新经济体相比，我国多数企业的研发投入仍处于较低水平，2021年全球企业研发投资TOP50中，美国、德国、日本分别有19家、9家、8家企业上榜，而我国仅有华为等4家企业上榜。近年来，学术界对于制约企业研发投入的影响因素进行了大量研究。相关研究表明，由于研发活动具有较大不确定性，加之保密或竞争的缘故，企业对外披露的研发信息相对较少，导致企业与外部投资者、管理层与股东、大股东与小股东之间出现了信息不对称问题。一方面，信息不对称会提高企业的融资难度和融资成本，造成融资约束，导致研发投入不足；另一方面，信息不对称也会引发代理问题，如管理层或大股东凭借信息优势挪用或挤占研发资金，导致企业研发投入减少。

作为资本市场的信息中介，证券分析师（以下简称分析师）能够对企业研发投入产生重要影响。本文基于我国资本市场的研究发现，分析师的“信息解读”作用能够有效降低企业信息不对称程度（谢华，2020）[1]，从而缓解融资约束和代理问题（陈钦源等，2017）[2]，提升企业研发投入水平（刘东博等，2017）[3]。然而，上述研究考察的是分析师整体，并未考虑分析师的个体差异。我国证券分析师队伍的发展历史较短，分析师的个体能力还存在较大差异（张宗新和杨万成，2016）[4]，因此分析师的信息解读水平参差不齐。《Institutional Investor》杂志的调查问卷显示，行业专长被认为是分析师最重要的职业能力，是其经过对某行业的长期关注而形成的一种对行业信息的把握能力。已有研究发现，拥有较高行业专长的分析师盈余预测更准确（刘永泽和高嵩，2014）[5]。由此产生了一个值得我们思考的问题：较高的行业专长是否有助于分析师更好地履行“信息解读”职能，进而在促进企业研发投入方面发挥更大的作用？对于该问题，现有文献并未给予应有关注。

鉴于此，本文基于2007-2020年沪深A股上市公司的数据，实证检验分析师行业专长对企业研发投入的影响及其影响路径。本文可能的贡献包括：第一，丰富了分析师行业专长经济后果的研究。已有文献检验了分析师行业专长对其预测准确性以及市场反应等方面的影响，而本文考察分析师行业专长对企业研发投入的影响，对分析师行业专长经济后果相关文献形成了有益补充。第二，拓展了分析师关注对企业研发投入影响的研究范围。现有文献研究了分析师跟踪人数对企业研发投入的影响，而本文从分析师能力，即行业专长的视角考察其对企业研发投入的影响。第三，揭示了分析师行业专长促进企业研发投入的影响路径。本文深入探究了分析师行业专长促进企业研发投入的影响路径，更为全面地揭示了分析师行业专长的重要作用，将为企业增加研发投入，提升创新能力提供一定的经验证据。

二、文献回顾与研究假设

与一般投资活动相比，企业的研发活动具有投资周期长、未来结果不确定的特征（Holmstrom，1989）[6]，这使得企业与外部投资者之间存在较严重的信息不对称问题。一般而言，信息不对称会对企业研发投入产生抑制作用。一方面，为规避风险和损失，处于信息劣势的潜在投资者往往会缩减资金供给规模，提高必要报酬率，导致企业外部融资难度加大，外源融资成本增加，引发融资约束，使企业的研发投入减少；另一方面，信息不对称也会诱发代理问题。凭借信息优势，管理者或大股东有动机和能力将原本用于研发活动的资金挪作他用，甚至用于个人消费等，这也会减少企业的研发投入。

分析师凭借其掌握的专业知识，通过信息搜集和加工，以研报的形式对所关注企业的相关信息进行披露和解读，能够在一定程度上缓解信息不对称问题。因此，总体来看，分析师关注有利于促进企业研发投入（刘东博等，2017）[3]。然而，由于我国分析师队伍的发展历史较短，分析师的个体能力还存在较大差异（张宗新和杨万成，2016）[4]，因此促进企业研发投入的效果也会不同。行业专长是衡量分析师专业技能的一项重要指标（刘永泽和高嵩，2014）[5]，体现了其在特定行业所具有的专业知识和专有经验（谢光华等，2019）[7]。本文认为，拥有较高行业专长的分析师对企业研发投入的促进作用更强，其可能的影响路径如下：

第一，缓解融资约束。信息不对称是导致企业融资约束的重要原因。拥有较高行业专长的分析师能够更好地发挥“信息解读”作用，有效降低信息不对称程度，缓解企业融资约束。首先，拥有较高行业专长的分析师更有能力挖掘和解读企业的研发信息。由于会计准则或者竞争等因素的限制，企业披露的财务报告中只能部分反映其研发项目的信息。此时，由于拥有较高行业专长的分析师更专注于特定行业的分析，对该行业的宏观环境、商业条件、技术和成长机会等都较为熟悉，因此，分析师在对某一企业的研发信息进行搜集和解读时，既能够利用该企业所属行业的行业信息，又可以从行业内其他企业披露的信息中搜寻与被关注企业有关的信息，并依靠自己的专业知识对其进行加工整理，补充企业研发信息披露的不足。其次，拥有较高行业专长的分析师更有意愿客观地发布企业的研发信息。我国《新财富》杂志每年评选的各行业前3-5名“明星分析师”，就是市场对分析师行业专长的肯定，一旦被评为明星分析师，其利益回报和社会地位都将大幅提升。因此，出于职业声誉的考虑，拥有较高行业专长的分析师更有动机及时发布客观、真实的高质量分析报告。由此可见，拥有较高行业专长的分析师能够有效降低企业信息不对称程度，提升企业信息透明度，增加潜在投资者的投资意愿，使企业更容易从市场上获得资金，融资成本也会更低，从而充分利用外部资金开展研发活动。此外，企业信息不对称程度的降低，也使得外部投资者更愿意为企业的非创新项目提供资金，从而使企业可以将更多内部资金用于研发活动，更好地发挥内源资金对研发投入的支持作用。

第二，发挥监督治理作用。信息不对称也会导致第一类和第二类代理问题的发生。第一类代理问题主要指股东与管理层之间的代理问题，第二类代理问题主要是大股东与中小股东之间的代理问题。由于我国上市公司股权高度集中，大股东占据优势地位，导致第二类代理问题较为严重（左晶晶等，2013）[8]。例如，大股东为了获得控制权和私有收益，会利用其控制地位实施盗骗企业资源、操控资产转移定价等一系列损害中小股东利益的“掏空”行为（吴世飞，2016）[9]，从而挤占研发资金。此时，拥有较高行业专长的分析师，凭借自己丰富的行业经验，更有能力发现和曝光企业的这些违规行为；同时，由于拥有较高行业专长的分析师享有一定的社会声誉和威望，他们出具的研报能够引起更强烈的市场反应（刘永泽和高嵩，2015）[10]。此类负面信息一旦被披露，极有可能对大股东产生不利影响。由此，分析师行业专长起到了部分外部监督治理的作用，能够迫使大股东减少资金的挤占或挪用，减少损害中小股东利益的行为，缓解代理问题，企业因此能将更多资金投入到研发活动中去。

基于上述分析，本文提出以下假设：

H：在其他因素不变的情况下，分析师行业专长越高，企业研发投入越多。

三、研究设计

（一）样本选择与数据来源

本文以2007-2020年我国A股上市公司为研究样本。文中所需数据来源于万德数据库和国泰安数据库。根据研究需要，对初始样本进行如下筛选和处理：（1）剔除分析师预测数据缺失的样本；（2）仅保留分析师某一年对同一公司发布的最后一次预测数据；（3）剔除金融保险类上市公司样本；（4）剔除ST或PT类上市公司样本；（5）剔除变量观测值缺失的样本。最终获得17114个观测值。同时，为消除极端值的干扰，对连续变量在1%和99%分位数上进行缩尾（Winsorize）处理。

（二）主要变量定义

1．被解释变量：企业研发投入（Lnrd）。参考刘惠好和焦文妞（2021）[11]的做法，用研发支出总额的自然对数来衡量企业研发投入水平。考虑到分析师行业专长对企业研发投入的影响具有滞后性，因此，回归时使用未来一年的研发投入数据。

2．解释变量：分析师行业专长（Spec），本文指公司层面的分析师行业专长。首先，借鉴刘永泽和高嵩（2014）[5]的研究，构造分析师m第t年对J行业的行业专长，即：SpecJ,m,t=分析师m在第t年跟踪J行业的公司数/分析师m在第t年跟踪的公司总数。然后，对第t年跟踪J行业中的i公司的所有分析师的行业专长取平均数，得到i公司第t年的分析师行业专长Speci,t。其中，行业的划分采用证监会2012年的行业分类标准，除制造业采用门类和大类分类外，其他行业均采用门类分类。

3．控制变量：参考现有文献，本文还控制了公司规模（Size）、财务杠杆（Lev）等影响企业研发投入的其他变量，见表1。此外，为控制年度和行业固定效应，加入了年度和行业哑变量。

各主要变量的定义及计算方法如表1所示。

表1 主要变量定义

（三）实证模型

为检验分析师行业专长对企业研发投入的影响，本文构建如下实证模型（1）：

其中，Lnrdi,t+1为i公司第t+1年的研发投入；Speci,t为i公司第t年的分析师行业专长；Controls为控制变量；ε为扰动项。

四、实证结果与分析

（一）描述性统计

表2报告了主要变量的描述性统计结果。从中可见，被解释变量Lnrd的均值为17.965，中位数为17.944，标准差为1.560，最大值和最小值分别为23.809和6.908，说明不同上市公司之间的研发投入水平存在较大差异。解释变量Spec的均值为0.656，中位数为0.726，标准差为0.251，最大值和最小值分别为1和0.007，表明公司层面的分析师行业专长存在一定差异。

表2 主要变量的描述性统计结果

（二）基本回归结果

表3报告了分析师行业专长与企业研发投入的回归结果。其中，第（1）列仅控制了行业和年度固定效应，结果显示，分析师行业专长（Spec）的回归系数为0.780，t值为14.85，在1%的水平上显著为正；在第（1）列的基础上，第（2）列加入了公司特征变量，包括公司规模（Size）、财务杠杆（Lev）、盈利能力（Roa）、公司年龄（Firmage）和成长性（Tobinq）。此时，Spec的回归系数为0.204，t值为4.97，在1%的水平上显著为正；在第（2）列的基础上，第（3）列加入了公司治理变量，包括董事会规模（Board）、两职合一（Dual）、第一大股东持股比例（Top1）、机构投资者持股比例（Inst）和分析师关注度（Lnanalyst）。此时，Spec的回归系数为0.173，t值为4.27，在1%的水平上显著为正。

综合表3列示的回归结果可知，在其他因素不变的情况下，分析师行业专长越高，企业研发投入越多，从而验证了本文提出的假设。

表3 分析师行业专长与企业研发投入回归结果

（三）稳健性检验

1．内生性检验

（1）Heckman两阶段检验。本方法可以有效缓解样本选择偏差造成的估计偏误。在第一阶段，构建一个Probit回归，被解释变量为分析师行业专长哑变量Dummy_Spec，当分析师行业专长高于行业中位数时取1，否则取0，得到逆米尔斯比（Invmr）。在第二阶段，将第一阶段得出的Invmr代入模型（1）进行拟合。回归结果如表4的第（1）列和第（2）列所示，结果显示，Invmr的系数显著为正，表明样本存在选择偏差，而分析师行业专长的系数仍在1%的水平上显著为正，说明在控制了样本选择偏差后，结论保持不变。

（2）变化值模型。为排除可能存在的反向因果关系造成的影响，本文利用变化值代替水平值进行回归。具体地，被解释变量ΔLnrd为企业研发投入本期值与上期值之差，解释变量ΔSpec为分析师行业专长本期值与上期值之差，回归结果如表4的第（3）列所示。结果显示，ΔSpec的系数在5%的水平上显著为正，说明在排除了反向因果可能性后，结论保持不变。

表4 Heckman两阶段、变化值模型检验结果

2．其他稳健性检验

第一，替换被解释变量。参考严荣等（2022）[12]的研究，利用研发支出与总资产的比值（Rd_Asset）来衡量企业研发投入。第二，替换解释变量。参考刘永泽和高嵩（2014）[5]的做法，利用《新财富》杂志评选出的行业明星分析师（Lnstar）作为行业专长的替代变量。第三，改用Tobit模型。表5中列（1）-列（3）的回归结果显示，Spec/Lnstar的系数均在1%的水平上显著为正，结论保持不变。

表5 Heckman两阶段、变化值模型检验结果

五、中介效应检验

为验证分析师行业专长对企业研发投入的影响路径，本文借鉴温忠麟等（2004）[13]做法，构建中介效应模型（2）-（5），分别检验缓解融资约束和监督治理在分析师行业专长促进企业研发投入中发挥的中介效应。参考刘莉亚等（2015）[14]的研究，构建“SA指数”作为融资约束的衡量指标；参考吴国鼎（2021）[15]的研究，选取“大股东占款率（Accrt）”衡量监督治理的效果。

表6中第（2）列显示，Spec的回归系数在1%的水平下显著为正，SA指数的回归系数在1%的水平下显著为负，表明缓解融资约束在分析师行业专长促进企业研发投入中发挥了中介效应，且为部分中介效应。表6第（4）列显示，Spec的回归系数在1%的水平下显著为正，Accrt的回归系数在10%的水平下显著为负，表明监督治理在分析师行业专长促进企业研发投入中发挥了中介效应，且为部分中介效应。

表6 中介效应检验结果

六、进一步研究

为检验在何种情形下分析师行业专长对企业研发投入的促进作用更大，本文分别从产权性质、行业属性以及企业信息透明度三个方面进行异质性分析。第一，产权性质方面，将样本划分为非国有企业组和国有企业组。第二，行业属性方面，将样本划分为高技术企业组和非高技术企业组。第三，企业信息透明度方面，借鉴辛清泉等（2014）[16]的研究，构造企业信息透明度综合指标（Trans），按照Trans的中位数将样本划分为信息透明度低组和信息透明度高组。然后分别对模型（1）进行回归，如表7所示。表7的回归结果显示，在非国有企业、高技术企业以及企业信息透明度较低的情形下，分析师行业专长对企业研发投入的促进作用更大。

表7 异质性检验结果

七、结论与启示

（一）结论

作为资本市场的信息中介，分析师关注对企业研发投入具有重要影响。区别于以往文献，本文从分析师行业知识和行业经验的视角出发，实证检验了分析师行业专长是否以及如何影响企业研发投入。研究发现，关注某一企业的分析师行业专长越高，该企业的研发投入水平越高。中介效应检验表明，缓解融资约束和监督治理在分析师行业专长促进企业研发投入中发挥了部分中介效应。进一步基于产权性质、行业属性以及企业信息透明度异质性的研究发现，在非国有企业、高技术企业以及信息透明度较低的企业中，分析师行业专长对企业研发投入的促进作用更大。

（二）启示

基于本文的研究结论，笔者提出以下建议：第一，从分析师角度来讲，分析师应结合自身专业知识重点关注少数几个行业，不要贪多求全，要对所关注行业深耕细作，不断提升自身的行业专长水平，向资本市场提供更客观、准确的行业和企业信息。第二，从研发企业来讲，要不断提高自身信息披露质量，增强信息透明度，降低信息不对称程度，不断提升企业的融资能力和研发水平。第三，从监管部门角度来讲，首先要加强对分析师等资本市场信息中介的规范和引导，使其更好地发挥信息解读职能；其次是要加强对上市公司信息披露的监督与管理，使其为投资者提供高质量的决策参考信息。