学者型独立董事影响企业投资效率吗？——来自中国上市公司的经验证据

黎来芳 薛 菲 许少山

1 引 言

为了完善上市公司治理结构，规范上市公司经营运作，我国证监会在颁布的《关于在上市公司建立独立董事制度的指导意见》中明确规定，担任上市公司独立董事的人员不仅应具备足够的独立性，还需要熟悉上市公司运作的基本知识、相关法律、行政法规、规章及规则。高等院校和科研院所的学者们由于精通相应专业知识，理论基础扎实，受到上市公司的青睐，大量的专家学者被聘请担任上市公司的独立董事（本文称之为学者型独立董事，简称为学者独董）。据笔者统计，截止2020年末，我国存在学者独董的上市公司比例已接近90%。在此背景下，探究学者独董能否对企业财务行为履行有效的监督和咨询作用具有重要的理论和实践意义。

投资行为作为企业最为重要的财务活动之一，与企业的经营发展乃至宏观经济的资源配置效率都密切相关。尽管我国政府陆续出台了多项产业政策为上市公司营造有利的投资环境，但是在现实中，上市公司依旧会呈现出投资不足或过度投资的非效率投资现象（姜付秀等，2009[1]；王克敏等，2017[2]），极大地损害了公司价值。现有研究发现，宏观环境、产业政策和企业特征等多个层面的因素均会对企业投资效率产生影响。在微观企业内部，独立董事对公司日常的重大决策发挥着监督和建议的作用，是公司治理机制设计中的重要组成部分。但现有文献对于独立董事在企业投资决策活动中的作用莫衷一是（Klein, 1998[3]；Adams和Ferreira，2007[4]；李维安和姜涛，2008[5]；陈运森和谢德仁2011[6]），其主要原因在于没有考虑独董群体内部特征的异质性，即具有不同背景的独立董事是否能发挥同样的治理职能。现有研究发现，来自高校和科研机构的学者独董具有较强的监督和咨询作用（沈艺峰等，2016[7]），他们在任职公司之前往往受过严格的高等教育训练，具有较高的专业能力和文化素养。强大的知识储备和道德感使他们相对于其他类型的独立董事更容易保持客观的见解和判断（向锐和宋聪敏，2019[8]；杭健，2017[9]；许荣和李从刚，2019[10]），这为学者独董在企业投资行为上有效发挥监督和咨询职能提供了优于其他董事的前提条件。故而，本文试图从独立董事的学术背景角度出发对独立董事进行区分，探究学者型独立董事是否对提高企业投资效率发挥了有效作用。

基于此，本文以2002-2019年我国上市公司数据为样本，研究了学者型独立董事比例与企业投资效率的关系。研究发现，学者型独立董事比例越高，企业的投资效率越高。具体地，本文区分了非效率投资的类型并进行了机制检验，发现学者型独立董事能够通过缓解企业融资约束改善企业投资不足的现象，同时也能通过降低管理层委托代理问题和提高公司信息披露质量抑制企业的过度投资水平。进一步研究发现，当公司财务背景学者独董占比高、技术背景学者独董占比高和高学历学者独董占比高时，学者独董能更好地发挥自身职能；当学者独董在公司的已任职时间更长或者在公司外的其它公司兼职数量更多时，学者独董更能有效发挥其职能，提高公司的投资效率。最后，从学者独董发挥监督作用的必要性来看，当公司受到分析师关注更少或公司融资环境更为严峻时，学者独董的存在对于公司投资效率的提升作用更为明显。

本文的创新和贡献主要体现在以下三点：第一，本文拓展了有关学者型独立董事对企业行为影响的相关研究。以往文献从企业并购活动（Francis等，2015[11]）、业绩表现（马如静和唐雪松，2016[12]）、盈余质量（向锐和宋聪敏，2019[8]）等角度探讨了学者独董的影响，但忽略了学者独董在企业投资行为方面的作用。投资作为企业最重要的财务决策之一，对企业经营发展与资源配置都至关重要。本文着眼于企业的投资效率，揭示了学者型独立董事在企业投资活动中可能发挥的作用，有助于厘清学者独董在公司日常决策中的角色。第二，本文为企业投资效率影响因素方面的研究提供了新的视角。已有诸多研究探究了企业投资效率的影响因素，虽然部分学者已关注到企业的独立董事，但现有文献还停留于独立董事的比例（Morck，2004[13]）、异地特征（曹春方和林雁，2017[14]）等方面。更为重要的是，目前关于独立董事对企业投资效率影响的结论存在较大争议，这很可能是因为先前研究对于独董群体内部的异质性考察不足。本文引入了独立董事的学术背景这一新的视角，研究了学者型与非学者型独立董事在企业投资行为方面所发挥作用的差异，补充了相关文献的不足。第三，本文进一步丰富了独立董事制度与治理职能方面的研究。现有研究对于独立董事在公司治理方面的作用存在巨大争议（唐雪松等，2010[15]；叶康涛等，2011[16]；黄海杰等，2016[17]），其重要原因在于不同类别的独立董事在职能发挥上存在一定的差异。本文按照学术背景对独立董事群体进行区分，证明了具有学术背景的独立董事有助于约束企业不同类型的非效率行为，并进一步厘清了学者型独立董事对企业投资效率的影响路径，同时也从学者独董个人特征和任职特征的角度完善了独立董事领域的相关文献，为独立董事在公司治理领域的研究文献形成有益补充。

本文剩余部分安排如下：第二部分梳理回顾了投资效率和独立董事制度的相关文献并提出本文研究假设；第三部分是本文实证研究设计；第四部分是本文主要实证结果和分析；第五部分进行了机制检验；第六部分开展了进一步研究；第七部分是稳健性检验；最后总结了本文结论。

2 文献综述和研究假设

2.1 文献综述

（1）企业非效率投资

非效率投资现象在企业实际投资活动中普遍存在，其主要表现形式为过度投资或投资不足。其中，过度投资会导致企业积聚过剩产能，造成生产资源和要素的浪费，而投资不足则会导致企业资源与生产要素闲置，使得企业难以实现快速成长。鉴于过度投资和投资不足均会严重损害企业价值，学者们针对这两类非效率投资的产生原因和治理方式进行了探讨。

对于企业过度投资现象，学者们主要从委托代理问题、行为金融和管理层团队特征等角度出发进行了探究。委托代理理论认为，管理者为了满足个人利益，如构建商业帝国、提高薪酬和政绩表现等因素，会进行大量的过度投资（Jensen，1986[18]；Bates，2005[19]；辛清泉等，2007[20]），尤其是当企业拥有较为充足的自由现金流时，过度投资程度会更高（Richardson，2006[21]；刘银国等，2015[22]）。也有学者从行为金融的角度出发，认为管理者存在的自我归因效应使其容易产生过度自信等心理偏差，导致了过度投资的发生（Malmendier和Tate，2005[23]；吕兆德和徐晓薇，2016[24]）。此外，姜付秀等（2009）[1]基于高层梯队理论从管理层团队特征的角度出发，发现高管团队的平均年龄或平均教育水平与过度投资存在着显著的负相关关系。

而对于企业投资不足现象，现有研究则主要从融资约束、经济政策不确定性等方面进行了探究。Myers和Majluf（1984）[25]的研究认为，企业管理层和外部投资者之间存在的信息不对称会迫使投资者要求企业提供较高的风险报酬率，当企业难以接受这一融资成本时，会导致内部资金匮乏，使得企业实际投资水平低于最优投资水平。与之类似的是，国内学者张宗益和郑志丹（2012）[26]也发现信息不对称使得部分上市公司存在融资约束导致其无法获得最优的投资资金，进而降低了企业有效投资水平。刘慧龙等（2012）[27]发现，大股东资金占用等利益输送手段会造成企业资金缺乏，使得投资效率下降。同时，也有学者从经济政策不确定性的角度，将实物期权的思想引入企业投资决策研究中，探究企业投资不足的起因。研究发现，随着经济政策不确定性升高，企业管理层对未来经济政策形势判断难度不断增加，这将明显影响其对经济政策的预期，使得管理层在投资时更为谨慎，最终导致投资不足（李凤羽和杨墨竹，2015[28]；饶品贵等，2017[29]）。

（2）学者型独立董事

学者型独立董事是指在高校和科研院所从事教育和科研工作的独立董事。他们具有知识理论丰富、专业水平性强、逻辑思维严密、判断能力独立、不易受到外界干扰、社会责任标准较高等典型特征，能够完善公司的治理水平。现有文献发现学者型独立董事能够很好地发挥咨询和监督功能，提高公司绩效。例如Francis等（2015）[11]研究发现，学术董事的存在与更高的收购绩效、更多的专利及其引用数量、更高的股价信息性、更低的可操控性应计利润、更低的首席执行官（CEO）薪酬和更高的CEO强制离职-绩效敏感性有关。沈艺峰等（2016）[7]研究发现，学者型独立董事可以发挥监督和咨询作用，其数量与企业研发投入存在正相关关系。Cho等（2017）[30]发现相比于没有学者董事的公司，有学者董事的公司具有更高的企业社会责任表现。向锐和宋聪敏（2019）[8]研究发现，学者独董的存在能够有效提升公司盈余质量，且这一影响在民营企业中更为明显。Xiang和Zhu（2020）[31]发现学者独董可以有效抑制公司的违规欺诈行为，而且当学者独董具有法律或者财会背景时，抑制作用更为明显。Pang等（2020）[32]发现当学者型独立董事被要求强制离职时，公司股票将平均下跌1.39%，换言之，资本市场认为学者独董可以为企业创造价值。

（3）独立董事制度与企业非效率投资

理论上，独立董事肩负监督和咨询职能，对于规范企业财务行为具有重要作用。然而在现有研究中，独立董事制度对企业投资效率影响并未得到一致意见。

一方面，部分学者认为独立董事既不“独立”，也不“懂事”，难以在公司治理中发挥相应作用。例如，Klein（1998）[3]的研究表明，独立董事难以对管理层进行有效监督，容易引起机会主义行为，导致过度投资。李维安和姜涛（2008）[5]研究认为，我国独立董事所占比例较小且缺乏独立性，不能对上市公司的投资决策产生影响，因此独立董事与过度投资水平之间并无显著的相关关系。刘慧龙等（2012）[27]研究认为，在我国上市公司中，独立董事难以发挥自身监督职能，不能有效减少因管理者代理问题而产生的过度投资行为。曹春方和林雁（2017）[14]从异地独董的角度出发，证明了异地独董反而导致公司过度投资水平更高。

而另一方面，一些学者倾向于认为，独立董事制度作为提高董事会独立性和透明性的重要机制，能够有效缓解委托代理问题、降低企业信息不对称水平，提高企业投资效率。具体而言，已有研究探究了独立董事的比例对企业投资效率的影响。例如，Adams和Ferreira（2007）[4]认为，独立董事可以发挥咨询功能，为企业投资决策提供建议。Morck（2004）[13]研究发现，适当提高独董比例可以加强董事会对管理层的监督，约束管理层的行为，降低上市公司的过度投资水平。Kolasinski等（2010）[33]和Ben等（2012）[34]的研究也发现，独立董事可以有效抑制管理层的过度自信和乐观情绪，从而提高投资效率。此外，也有学者从独立董事的构成出发，探究不同背景的独立董事对企业投资效率的影响。例如，陈运森和谢德仁（2011）[6]从连锁董事社会网络角度出发，发现独立董事网络中心度越高，独立董事治理作用越好，企业投资效率越高。胡元木（2012）[35]研究发现，技术独立董事与企业的研发产出效率正相关。杭健（2017）[9]对我国A股非金融类上市公司的数据进行了实证研究，发现董事会中财务独立董事比例高的上市公司发生非效率投资的可能性更低。

（4）文献评述

总结上述文献，我们可以发现，学术界针对独立董事与上市公司投资效率的关系已进行了一些相关研究，但是目前结论存在较多争议。事实上，董事会能否发挥实际功能与董事会成员特征的异质性和多元性密切相关（Anderson等，2011[36]）。现有的一些研究从独立董事的背景特征进行展开，但目前的文献主要集中于独立董事的政府背景（Agrawal和Knoeber，2001[37]；Chizema等，2015[38]）和财务金融从业背景（Guner等，2008[39]），对于学者型独立董事的研究相对较少。鉴于当下学者型独立董事在我国上市公司独立董事中占据非常大的比例，且相较于其它董事具有更高的学术背景和个人素质，在咨询和监督方面占有特殊地位。故而本文探究学者型独立董事与企业投资效率的关系，能够帮助我们更好地理解学者独董对企业投资决策的影响机制和实现条件，为独立董事制度的发展提供更多证据指导。

2.2 研究假设

企业能否将稀缺资本配置到投资项目，将投资机会转化为有效的投资产出，不仅决定了微观企业的自身竞争能力和发展前景，而且关系着宏观经济的资源配置效率和发展质量。根据Jensen（1986）[18]的理论，企业的非效率投资主要是源于信息不对称下的经理人代理问题。我国上市公司独立董事制度设置的初衷是对公司业务活动起到监督和咨询作用，学者型独立董事由于具有丰富的经验知识以及较强的外部独立性，能够有效地在企业的投资行为上发挥这两种职能。

首先，在对企业投资行为的监督上，学者独董具有更强的监督动机和监督能力。从监督动机来看，声誉是学者独董发挥监督职能最重要的激励手段（Fama和Jensen，1983[40]；叶康涛等，2011[16]；陈运森和谢德仁，2011[6]；黄海杰等，2016[7]；许荣和李从刚，2019[10]）。作为高校和科研院所的知名专家学者，学者独董通常在学界和业界都享有较高的声誉和社会地位（Fishman等，2018[41]），一旦其任职公司因投资不当而产生负面新闻，这种监督失职会直接影响独立董事的个人声誉（许荣和李从刚，2019[10]），因而高昂的声誉成本使得学者独董具有更强的动机去监督管理层是否选择了适宜的投资项目。从监督能力来看，学者独董专业水平高、独立性强、不易受到外界干扰（马如静和唐雪松，2016[12]），一方面，对于管理层出于自利目的而进行的非效率投资行为，学者独董相对独立、客观的特性能够使其对管理层形成有效监督，直接抑制管理层的机会主义投资行为；另一方面，独立董事需要负责监督企业披露的财务信息的真实性、完整性和及时性，其自身的专业性和严谨性也能够有效减少管理层对会计信息的操纵，改善公司的信息质量（胡奕明和唐松莲，2008[42]）。这不仅可以帮助大股东更为清楚地了解公司在投资决策等方面的信息，约束管理层的过度投资行为（胡奕明和唐松莲，2008[42]），也可以向中小投资者以及债权人传递公司的经营情况，降低公司信息不对称水平，从而缓解因融资约束等所致的投资不足问题，提高企业资源配置效率（Chen等，2011[43]；Biddle和Hilary，2006[44]）。

其次，在咨询职能方面，独立董事作为上市公司聘请的专家和顾问，能够运用其知识、经验和信息协助董事会做出最优投资决策（Francis等，2015[11]；向锐和宋聪敏，2019[8]）。已有文献表明，知识水平是影响独立董事发挥建议、咨询等职能的重要因素（Coleman等，1988[45]）。学者型独立董事往往在相应的领域进行了深入研究，强大的知识储备为其帮助企业分析投资项目可行性提供了有利条件。同时，学者独董具备的专业知识能够使其站在客观、可靠的角度对企业投资项目的价值进行有效判断，降低管理层做出不利于企业发展的投资决策的概率（杭健，2017[9]）。除此之外，学者独董具有强大的信息处理、分析问题、和解决问题的能力，相对于其他人，可以提供独到的见解和判断，而非人云亦云（Adams和Ferreira，2007[4]）。例如，学者独董倾向于以不同于非学术的方式处理问题，更可能在董事会中提供不同的观点（向锐和宋聪敏，2019[8]）。故而在公司的投资决策中，学者型独立董事可以从不同角度对公司的投资项目进行评估，帮助企业优化投资决策，选择具有投资价值的项目，舍弃净现值为负或者占用资金时间较长的项目，进而提高企业的投资效率。

综上所述，我们认为学者型独立董事拥有较高的专业性和独立性，能够更好地在企业履行监督和咨询职能，抑制企业的非效率投资行为。基于此，本文提出如下的研究假设：

假设H1：学者独董的比例越高，上市公司的投资效率越高。

3 研究设计

3.1 样本来源

我国证监会在2001年发布了《关于在上市公司建立独立董事制度的指导意见》的通知，要求上市公司在2002年建立独立董事制度，因此本文选取所有A股上市公司2002-2019年的数据作为研究样本。参照以往研究惯例，本文对数据进行了如下处理：（1）剔除金融行业公司；（2）剔除被ST公司；（3）剔除数据残缺不全的公司，最终得到29006个“公司-年度”样本。本文相关的财务数据来源于CSMAR数据库，学者型独立董事的特征信息主要通过CSMAR数据库获得，缺失信息通过上市公司年报、Wind数据库、新浪财经网、东方财富网、百度等平台手工搜索获得。为了避免数据异常值对回归结果造成的影响，我们将连续型变量在1%和99%的水平上进行了缩尾处理。

3.2 变量设定

（1）被解释变量：投资效率

本文参考Richardson（2006）[21]、刘慧龙等（2012）[27]、陈运森和黄健峤（2019）[46]的研究，采用模型（1）来衡量企业的投资效率：

模型（1）中，Invest表示企业当年的实际投资水平，计算方法为：（购建固定资产、无形资产及其他长期资产的支出+取得子公司及其他营业单位支付的现金净额－处置固定资产、无形资产和其他长期资产收回的现金净额－固定资产折旧、油气资产折耗、生产性生物资产折旧）/总资产。控制变量包括企业的营业收入增长率Growth、杠杆水平Lev、年末现金及现金等价物余额占总资产的比重Cash、企业的上市年限Age、年末总资产规模Size、企业股票年度回报率Return，此外，我们也对行业固定效应Industry和年度固定效应Year进行了控制。通过对模型（1）进行回归，所得残差即为企业的投资效率水平。若残差小于0，则代表投资不足，若残差大于0，则代表过度投资。残差的绝对值越大说明投资效率越低。

（2）解释变量：学者型独立董事占比

本文参考周楷唐等（2017）[47]、姜付秀等（2019）[48]、沈艺峰等（2016）[7]、向锐和宋聪敏（2019）[8]的研究，将学者型独立董事定义为当年或曾经具有大专及大专以上水平的院校、科研院所等单位任职经历的独立董事。科研院所主要是指非营利性科研机构或学术性组织，例如中国科学院兰州近代物理研究所、中国科学院长春应用化学研究所、国家地震局地球物理研究所、卫生部中国医学科学院等（姜付秀等，2019[48]）。鉴于学者型独立董事二值变量的设定方式较为宽泛，为了更为准确地衡量学者型独立董事在企业投资决策中的作用，本文借鉴曹春方和林雁（2017）[14]、向锐和宋聪敏（2019）[8]的研究，使用学者型独立董事人数与独立董事总人数的比值衡量学者独董在上市公司中发挥作用大小。

（3）控制变量

本文参考曹春方和林雁（2017）[14]、陈运森和黄健峤（2019）[46]、许荣和李从刚（2019）[10]等研究，对企业的基本特征，包括企业规模、企业财务杠杆、企业年龄、企业成长性、企业绩效表现、董事会规模、董事独立性、二职合一、董事长或CEO是否具有财务背景、高管持股比例、高管薪酬、机构投资者持股比例、第一大股东持股比例、股权集中度、企业性质、企业现金流水平等变量予以控制。所有变量定义见表1。

表1 变量定义

3.3 模型构建

为了研究学者独董占比对企业投资效率的影响，本文建立模型（2）对假设进行检验：

模型（2）中，我们主要关注企业学者独董占比Academic的系数，该系数衡量了企业学者独董占比对企业投资效率的影响。根据假设1的推断，预期显著为负，即企业学者独董占比越高的企业，非效率投资水平越低。

4 实证结果和分析

4.1 描述性统计

表2报告了学者型独立董事样本的分布情况。从分年度的统计情况可以发现，自2002年独立董事制度实施后，我国上市公司中学者独董平均数量以及占独立董事的比例不断上升。2002年，上市公司中学者独董平均数量为0.81，占独立董事的比例为35%。而后学者独董数量逐渐增加，并在2012年达到了历史新高2.01。2013-2019年，上市公司中学者独董平均数量保持在1.9上下，占比始终在50%以上。该统计结果说明上市公司中学者独董普遍存在且这一现象愈发明显，因而探究学者独董对企业投资效率的影响具有较强的实践意义。从分行业统计情况可以发现，各行业中学者独董平均数量分布较为均衡，整体差异较小，基本分布在1.85的均值左右。其中信息传输、软件和信息技术服务业中学者独董平均数量最高，为1.89；综合行业中学者独董平均数量最低，为1.78。学者独董占独立董事的比例也在45%-65%的范围内波动。分行业统计结果表明本文的研究不存在样本分布的选择性偏差问题。

表2 上市公司中学者独董的分布情况

续表

表3列示了本文主要变量的描述性统计结果，非效率投资水平Ineffinv的均值是0.053，标准差为0.056，最小值为0.001，最大值为0.302，这与以往研究基本保持一致（王克敏等，2017[2]；陈运森和黄健峤，2019[46]）。学者型独立董事占比Academic的均值是0.576，中位数是0.667，说明我国上市公司聘请的独立董事中，超过半数为学者独董，这也在一定程度上证明了该研究具有重要意义。同时Academic的标准差为0.321，说明不同上市公司之间学者独董占比存在较大差异，保证了充分的变异性。通过将本文的其它控制变量与现有文献的统计结果进行对比，发现其统计结果与现有文献基本一致，均在合理的范围内分布。

表3 主要变量描述性统计

4.2 回归分析

本文的主回归检验了学者独董占比对企业投资效率的影响，被解释变量为企业投资效率，解释变量为学者独董占比，回归结果如表4所示。在第（1）列中，企业学者独董占比指标Academic的系数为-0.007，在1%的统计水平上显著。第（2）列加入了控制变量，和第（3）列在第（2）列的基础上进行异方差稳健标准误处理，Academic系数一直保持显著，表明企业学者独董占比越高，非效率投资水平越低。以第（3）列为基准，Academic的系数为-0.002，结合Academic和Ineffinv的标准差0.321与0.056，可知企业学者独董占比每提高1个标准差，其非效率投资水平将下降1.15%个标准差。由此可见，从统计显著性和经济显著性来看，学者独董占比越高的企业有着显著更高的投资效率，验证了本文的主要假设。

表4 学者独董占比对企业非效率投资水平：基本回归

续表

5 机制检验

5.1 区分非效率投资类型

如前所述，学者独董能对企业非效率投资水平产生有效的抑制作用。鉴于企业过度投资和投资不足行为的成因存在差异，为了进一步探究学者独董对企业投资效率的影响机制，我们首先对企业的非效率投资进行了区分，按照非投资效率的类型将样本分成过度投资组和投资不足组a通过模型（1）计算出的残差进行判断。若该残差大于0说明企业存在过度投资情况，该值越大，说明过度投资水平越高；而当残差小于0，则说明企业存在投资不足现象，该值越小，说明投资不足水平越高。本文中为了便于解释，在残差小于0（即企业投资不足时），将残差取绝对值处理，因而该绝对值越大，则投资不足水平越高。，并分别进行了回归，回归结果见表5的第（1）列和第（2）列。从第（1）列过度投资的检验结果来看，Academic的系数为-0.003，且在5%的统计水平上显著；在第（2）列投资不足的回归结果中，Academic的系数为-0.001，在5%的统计水平上显著，说明学者独董不仅能有效约束管理层的过度投资行为，也能缓解企业的投资不足现象，提高企业整体的资源配置效率。

表5 学者独董占比对企业非效率投资水平：基本回归

续表

5.2 学者独董与企业过度投资的机制检验

研究假设中提到，学者独董可以通过直接缓解管理层的委托代理问题和提高企业信息披露质量抑制管理层的过度投资行为。接下来，我们直接检验这两种作用机制是否成立。当管理层存在委托代理问题时，管理层往往会投资于净现值小于0的项目以便掌控更多的公司资源，享受更多在职消费，获得更为丰厚的报酬等（Jensen，1986[18]）。参照Ang等（2000）[49]、江轩宇和许年行（2015）[50]的研究，本文使用管理费用与主营业务收入的比值衡量管理层委托代理问题并使用Sobel（1987）[51]提出的中介效应模型进行检验，回归结果见表6。从第（1）列可以看出，Academic的系数为-0.008且在1%的统计水平上显著。从第（2）列可以看出，委托代理问题变量Agencyproblem的系数为0.026且在1%的统计水平上显著，Academic的系数仍在10%的统计水平上负显著。第（1）列和第（2）列的结果表明管理层出于自利动机会发生过度投资行为，而学者独董可以有效抑制因管理层委托代理问题所导致的过度投资现象。此外，我们的结果也通过了Sobel检验（P值=0.005）。

在公司信息披露质量方面，我们借鉴Hutton等（2009）[52]、陈运森和黄健峤（2019）[46]的研究，使用了经修正琼斯模型计算的操控性应计的绝对值（Absdacc）进行衡量。回归结果见表6。从第（3）列可以看出，Absdacc的系数为-0.149且在1%的统计水平上显著。从第（4）列可以看出，信息披露质量Absdacc的系数在5%的统计水平上显著，Academic的系数仍在10%的统计水平上显著。本文结果也通过了Sobel检验（P值=0.06）。回归结果说明信息披露质量越差，公司过度投资现象会更为突出，而学者独董可以通过提高公司信息披露质量从而抑制过度投资行为。

表6 学者独董占比对企业过度投资：机制检验

续表

5.3 学者独董与企业投资不足的机制检验

为了检验学者型独立董事对企业投资不足行为的影响，我们从企业融资约束的角度进行分析。刘慧龙等（2012）[27]发现，独立董事可以减少企业因大股东资金占用等利益输送手段而造成的资金缺乏问题，在此本文使用其他应收款占总资产的比例衡量股东通过拖欠不还等手段直接占用的公司资金（Jiang等，2010[53]）。回归结果见表7。从第（1）列可以看出，Academic的系数为-0.002且在10%的统计水平上显著，说明学者独董能够抑制大股东资金占用行为。从第（2）列可以看出，大股东占款变量Othrec的系数在1%的统计水平上显著，Academic的系数仍在10%的统计水平上负显著，说明学者独董可以通过降低大股东的资金占用从而缓解企业的投资不足问题。此外，我们的结果也通过了Sobel检验（P值=0.06）。

此外，为了更为直观地考察学者独董对于企业融资约束的缓解作用，我们直接使用KZ指数a参考魏志华等（2012）的研究，KZ指数的计算步骤为：第一，对全样本各个年度按经营性净现金流/上期总资产、现金股利/上期总资产、现金持有/上期总资产、资产负债率和托宾Q进行分类。前三个变量如果低于中位数则取1，否则取0；后两个变量如果高于中位数则取1，否则取0。第二，计算五个二值变量之和KZ指数。第三，采用排序逻辑回归将KZ指数作为因变量对五个变量进行回归，估计出各变量的回归系数。第四，运用上述回归模型的估计结果可计算出每一家上市公司融资约束程度的KZ指数。衡量企业的融资约束（魏志华等，2012[54]），KZ指数越大，意味着上市公司面临的融资约束程度越高。回归结果见表7。从第（3）列可以看出，Academic的系数为-0.068且在5%的统计水平上显著，说明学者独董能够缓解企业的融资约束。从第（4）列可以看出，KZ指数的系数为在1%的统计水平上显著，Academic的系数仍在10%的统计水平上负显著，说明学者独董可以直接缓解企业的融资约束从而提高企业的投资效率。此外，我们的结果也通过了Sobel检验（P值=0.04）。

表7 学者独董占比对企业投资不足：机制检验

续表

6 进一步研究

6.1 学者独董个人特征的异质性检验

（1）区分学者独董专业背景和学历背景

鉴于学者独董的职能发挥很可能受到其个人经历和个人特征的影响，在此我们首先检验了不同专业背景的学者独董对企业投资效率的影响。公司重要的投票议案往往涉及投融资等决策，这些重要事项的决策大多涉及财务知识，故而财务背景独立董事能够更好地发挥监督作用和咨询作用。已有研究也充分证实了这一观点，例如胡奕明和唐松莲（2008）[42]发现财务背景的独立董事可以降低公司的盈余管理水平，提高公司的信息披露质量；DeFond等（2005）[55]发现市场对于公司聘任具有财务背景的独立董事具有更高的市场反应。基于此，我们计算了企业财务背景学者独董占独立董事总数的比例，然后按照财务背景学者独董占比的“年度-行业”中位数将样本分成两组，并分组进行了检验。表8第（1）列和第（2）列的研究结果发现，当财务背景学者独董占比高时，Academic的系数为-0.003，在1%的统计水平上显著，而当公司财务背景学者独董占比低时，Academic的系数不显著。我们参照Cleary（1999）[56]、连玉君等（2010）[57]的研究，采用自助法（Bootstrap）对组间系数差异进行了检验。检验结果通过了组间系数差异检验（经验P值= 0.044），说明财务背景学者独董能够更为有效的发挥监督和咨询职能，提高公司投资效率。此外，由于企业投资活动，特别是技术投资具有较强的专业性和复杂性，需要准确评估投资机会和风险。已有研究表明技术型独立董事具有高超的技术才能，能够为企业引入专业的知识、技术和资源，帮助管理层发掘前景良好的投资机会，监督管理层的自利行为，因而在公司治理中具有重要作用（胡元木，2012[58]；刘中燕和周泽将，2020[59]），因而我们检验了作为行业专家的技术背景学者独董对企业投资效率的影响。参考胡元木等（2016）[60]、刘中燕和周泽将（2020）[59]的研究，技术背景学者独董的筛选标准如下：首先应当具有生产、研发、设计等职业背景，其次应当具有技术性较强的专业（如计算机、工程、生物制药等）的学习和工作经历、或者拥有工程师等技术类相关职称。我们计算了技术背景学者独董占独立董事总数的比例，然后按照“年度-行业”中位数将样本分成两组，并分组进行了检验。表8第（3）列和第（4）列的研究结果发现，当技术背景学者独董占比高时，Academic的系数为-0.004，在5%的统计水平上显著，而当公司技术背景学者独董占比低时，Academic的系数不显著。检验结果也通过了组间系数差异检验（经验P值= 0.046），说明技术背景学者独董能够依靠自身的专业特长提高企业投资效率。

学历是指人们在教育机构中接受科学文化教育和技能训练的学习经历。根据高层梯队理论，高管的能力和价值观会受到其教育背景和工作经历等个人异质特征的影响（姜付秀等，2019[48]）。当受教育个体的学历越高时，其知识水平和专业技能往往越高（王珏和祝继高，2018[61]）。鉴于此，我们计算了企业中学者独董平均学历a本文按照学历高低对其进行赋值：1=中专及中专以下，2=大专，3=本科，4=硕士研究生，5=博士研究生。，然后按照该值的“年度-行业”中位数将样本分成两组，并进行了分组检验。表8的研究结果发现，当公司学者独董平均学历高时，Academic的系数为-0.003，在1%的统计水平上显著，而当公司学者独董平均学历低时，Academic的系数不显著。基于自助法（Bootstrap）的组间系数差异检验结果表明两组存在显著差异（经验P值=0.005）。这说明学历更高的学者独董能更好地提高公司投资效率。

续表

（2）区分学者独董任职时长和兼职数量

考虑到学者独董不同的任职状态也可能会使其在发挥监督职能和咨询职能上产生差异，我们从学者独董在公司的任职时长以及兼职公司数量出发，考察在不同任职状态下学者独董对公司投资效率的影响差异。

从独董的任职时长来看，现有研究表明，独立董事同公司高管的关系在任职初期较为陌生且此时独董掌握较少的公司信息，因而难以发挥有效的监督和咨询职能；而随着独立董事任期的延长，独立董事对于公司的相关信息掌握将变得更为充分，对其负责的业务胜任能力也更强，更容易有效发挥监督和咨询职能（Kim等，2014[62]），这也被称之为独立董事任职的“学习效应”，独立董事的有效性通常会随着这种“学习效应”不断提高（陈冬华和相加凤，2017[63]；许荣和李从刚，2019[10]）。基于此，我们按照“年度-行业”中位数的方式将学者独董任期分成两组，并进行了分组检验。表9中第（1）和第（2）列的研究结果发现，在学者独董任职时间长的组中，Academic的系数为-0.002，且在5%的统计水平上显著，而在学者独董任职时间短的组，学者独董Academic的系数并不显著。基于自助法（Bootstrap）的组间系数差异检验结果表明两组存在显著差异（经验P值=0.049）。这说明学者独董群体中存在着“学习效应”，只有在任职时间较长时学者独董的治理作用才能充分发挥，提高上市公司投资效率。

从独董兼职其它公司的情况来看，现有研究关于独立董事兼职公司数量对其发挥自身职能的影响存在争议。一方面，部分学者认为当独立董事兼职数量越多时，独立董事精力有限，难以对其任职的每个公司高管的行为进行有效监督，阻碍了自身职能的有效发挥（Fich和Shidasani，2007[64]）；另一方面，部分学者则认为当独立董事兼职数量越多时，其在不同企业兼职的工作经历能产生溢出效应，能够为其提供更多的工作经验，而且身兼多家公司的独立董事能够充分利用董事网络所提供的资源发挥自身职能（陈运森和谢德仁，2011[6]）。鉴于此，本文也考察了学者独董兼职对企业投资效率提升作用的影响情况。我们按照“年度-行业”中位数的方式将学者独董兼职公司数量分成两组，并进行了分组检验。表9中第（3）、（4）列的研究结果发现，当学者独董兼职公司的数量越多时，Academic的系数为-0.003，在1%的统计水平上显著，而当学者独董兼职公司的数量越少时，学者独董Academic的系数不显著。基于自助法（Bootstrap）的组间系数差异检验结果表明两组存在显著差异（经验P值=0.01）。这说明对于学者型独立董事而言，兼职对学者独董经验的溢出效应高于对其精力的损耗，最终促进了学者独董职能的有效发挥。

表9 学者独董占比对企业投资效率：区分学者独董任职时长和兼职数量

续表

6.2 学者独董职能发挥的异质性检验

从学者独董的监督职能来看，无论是出于监督动机还是出于监督能力，理论上学者独董均能够有效发挥监督职能。但学者独董的监督效果会直接受到公司原本被监督力度的影响，因而本文从分析师关注的角度出发进行了分析。从企业外部监督力量来看，分析师是市场上最重要的信息中介之一。一方面分析师能够挖掘、解读企业信息并向资本市场传递信息，有效降低公司的信息不对称水平（Frankel和Li，2004[65]；Kothari等，2016[66]），另一方面分析师更是能够对公司管理层进行有效监督，防范委托代理问题的发生（张纯和吕伟，2009[67]）。故而当企业受分析师关注度比较高时，管理层更难为满足个人利益而发生非效率投资，此时学者独董进行监督的边际作用较小，反之当分析师关注度比较低时，学者独董的存在更加有必要，能够大大弥补外部对管理层监督、约束的不足。鉴于此，本文借鉴Lang等（2003）[68]和孟庆斌等（2018）[69]的研究，采用当年研报发布数量衡量分析师关注程度，并按照“年度-行业”中位数的方式分成两组。表10的检验结果发现，在分析师关注度少的组，Academic的系数显著为负，而在分析师关注度多的组，Academic的系数不显著。基于自助法（Bootstrap）的组间系数差异检验结果表明两组存在显著差异（经验P值=0.08）。进一步支持了研究假设部分的分析。

从学者独董缓解企业融资约束的作用来看，由于目前银行信贷是上市公司最主要的融资途径，中央银行实施的货币政策对企业的银行融资有着直接的影响（陆正飞和杨德明，2011[70]）。当中央银行实施紧缩性的货币政策时，社会资金量有限，所有企业的融资难度都将变高。此时学者独董职能的发挥更有利于缓解企业的融资约束，进而改善企业投资不足状况。基于此，本文借鉴索彦峰和范从来（2007）[71]、陆正飞和杨德明（2011）[70]的做法，先计算每年（M2增长率－GDP增长率－CPI增长率）的值，然后使用一阶滤波法剔除时间趋势的影响来衡量当年货币政策的松紧程度。我们按照年度中位数对样本进行分组检验，回归结果见表10的第（3）列和第（4）列。可以看到，当货币政策紧缩时，Academic的系数显著为负，而当货币政策宽松时，Academic的系数不显著。基于自助法（Bootstrap）的组间系数差异检验结果表明两组存在显著差异（经验P值=0.09）。表明在获取外部资金受限、融资难度更高时，学者独董可以通过帮助企业获取投资所需的资金进而缓解投资不足问题。

表10 学者独董占比对企业投资效率：区分分析师关注度和货币政策松紧度

续表

7 稳健性检验

7.1 关键变量敏感性测试

（1）替换解释变量

为了保证结论的可靠性，本文对解释变量进行了稳健性处理。首先，本文借鉴许荣和李从刚（2019）[10]的研究，使用学者独董二值变量Academic_dummy进行了检验，当企业存在学者独董时，Academic_dummy为1，否则为0。回归结果见表11。从第（1）列可以看出，Academic_dummy的系数为-0.002，且在5%的统计水平上显著。其次，本文使用学者独董数量占董事会总人数的比重衡量学者独董占比，回归结果见表11的第（2）列。从回归结果可以看出，学者独董占比Academic_ratio的系数为-0.006，仍在1%的统计水平上显著，证实本文结果较为稳健。

（2）替换被解释变量

为了避免投资效率的衡量偏误对本文结果的影响，本文参考Biddle等（2009）[72]、陈运森和黄健峤（2019）[46]的研究，使用模型（3）进行检验：

使用模型（3）中得到的残差并取绝对值作为企业非效率投资水平进行重新回归，回归结果见表11的第（3）列。从回归结果可以看出，Academic的系数仍在5%的统计水平上显著，证实了本文所使用的企业投资效率指标的稳健性。

表11 稳健性检验：关键变量敏感性测试

续表

7.2 差分模型

尽管本文已经控制了很多影响企业投资效率的变量，但仍可能存在遗漏变量问题，尤其是一些无法量化的企业因素，例如企业文化等。为了排除来自企业层面的遗漏变量干扰，本文将所有变量取一阶差分后对主回归重新进行检验，回归结果见表12。从结果可以看出，在排除公司固定特征后，dAcademic的回归系数为-0.004，在5%的统计水平上显著为正，说明本文的回归结果的稳健性。

表12 稳健性检验：差分模型

7.3 内生性问题

本文的主要目的是考察学者独董对企业投资效率的影响，但可能存在内生性问题。例如，内部治理完善的上市公司吸引了学者独董的加盟。为了保证结果的稳健性，本文借鉴曹春方和林雁（2017）[14]、王化成等（2018）[73]的研究，使用同一省份且同一行业内其他公司学者独董比例的均值作为工具变量。从工具变量的相关性和外生性特征来看，同一省份且同一行业的公司在聘请学者独董上可能具有同群效应和模仿效应，但是其他公司聘请的学者独董数不会直接对本公司的投资决策产生影响。结果在表13中展示，在第一阶段中，工具变量与学者独董Academic显著正相关，验证了本文选取的工具变量满足相关性要求；第二阶段中Academic系数为-0.012，在1%的水平上显著，说明在控制了潜在内生性后结果依旧不变。此外，在弱工具变量检验中，F值为4883.44，强烈拒绝了弱工具变量的假设。

表13 稳健性检验：工具变量法

续表

8 研究结论

企业投资行为作为企业最为重要的财务活动之一，对于企业的经营发展至关重要。在我国上市公司聘请的独立董事中，具有学术背景的学者型独董已占据了较高的比例，且相比于其它独董，学者独董具有专业性强、独立性高等特征，能够更好地发挥监督和咨询职能。本文以2002-2019年A股上市公司数据为样本，检验了学者型独立董事比例与企业投资效率的关系。研究结果发现，学者型独立董事比例越高，企业的非效率投资水平越低。在机制检验中，我们发现学者型独立董事既能够通过缓解企业融资约束降低投资不足，同时也能通过减少委托代理问题、提高信息披露质量抑制企业的过度投资。进一步地，通过区分学者型独立董事个人特征的异质性和职能发挥效果的异质性，我们发现当公司财务背景学者独董占比高、技术背景学者独董占比高和高学历学者独董占比高时，学者独董能更好地发挥自身职能。从任职状态来看，当学者独董在公司的已任职时间更长或者在公司外兼职其它公司数量更多时，学者独董更能有效发挥其职能，提高公司的投资效率；而从学者独董发挥监督的必要性来看，当公司受到分析师关注更少或者公司融资环境更为严峻时，学者独董的存在对于公司投资效率的提升作用更为明显。

在实践方面，本文对不同市场主体也具有一定的启示意义。对于政策制定者而言，当下我国上市公司中学者型独立董事普遍存在，本文的发现为学者独董的价值和作用提供了清晰的证据，对于监管机构指导上市公司的独立董事人事任命决策提供了参考和依据。对于企业而言，本文的研究结论充分证实了学者独董在公司治理中的作用，为进一步地完善我国上市公司治理结构提供了可靠的经验证据。同时，上市公司应认识到学者独董发挥监督和咨询职能的条件，通过促成学者型独立董事的“学习效应”等来为学者独董提供良好的环境支持，以充分发挥和调动学者独董的积极性和有效性，提高企业运行效率。

当然，本文也存在以下不足需要进一步研究。第一，我国上市公司独立董事制度设置的目的是发挥独立董事公司的监督职能和咨询职能，虽然在文章中检验了学者独董与企业投资效率的影响机制，利用分析师关注度证明了学者独董所发挥的监督职能，但对于学者独董的咨询职能检验较为间接，后续可以结合学者独董参与公司活动时的相关资料，例如对发言记录进行文本分析，直接检验和证明学者独董的咨询职能。第二，学者独董提高企业投资效率的具体路径可能存在多条，本文检验的路径可能仅为其中几条，后续可以从不同维度探讨学者独董对企业投资效率的影响机制。第三，限于研究主题，本文仅检验了学者独董对企业投资效率的作用，尚未考察学者独董在其他公司治理方面的作用。后续研究可以从其他公司治理维度出发检验学者独董的功能和作用。