创新文本信息披露对企业创新绩效的影响研究——基于有调节的中介模型

周 明,许 言

(东华理工大学 经济与管理学院,江西 南昌 330013)

党的二十大报告提出,要加快实施创新驱动发展战略,强化企业科技创新主体地位,不断增强企业自主创新能力。由于创新活动投入资金高、收益风险大、回报周期长等特性,企业创新还面临着融资难、代理冲突等诸多困境。如何加强创新投资在资本市场的认可度、壮大企业创新动力、提升企业创新绩效,是亟待解决的重要课题。

创新资金的专用性与创新活动的专业性,导致了企业内外部严重的信息不对称问题,进而影响了资本市场中资源的有效配置。而企业创新文本信息披露作为利益相关者了解企业创新项目的关键窗口,在资本市场中具有重要作用。当企业创新文本信息披露水平较低时,一方面,外部投资者和债权方因信息劣势而无法合理评估创新项目价值,会增加其风险溢价,故企业创新项目融资成本将提高,创新项目资金匹配难度也将增加,企业创新绩效将受到影响;另一方面,创新文本信息披露将影响对管理层创新管理行为的监管力度,管理层易出现因自利心理而忽视创新项目长期价值的现象,创新资源配置效率将受到干扰,企业创新绩效会有所下降。所以,作为企业的重要信息,创新文本信息披露对创新绩效的影响不容低估,对其影响力与影响机制的研究具有一定的现实意义。

创新文本信息是指除定量信息以外的创新信息,在我国的语境传播环境中具有较大的研究价值[1]。现有研究多集中于创新信息披露,对创新文本信息披露的研究还有待补充。对已有关于创新信息披露的研究梳理可知,对披露动机的考察是创新信息披露研究的开端,后多集中在披露的经济后果研究。从创新信息披露动机来看,多是为了节约知识成本与缓解业绩困境[2-3]。从创新信息披露的经济后果来看,创新信息披露能提供增量信息,有助于投资者盈余预测[4];能帮助投资者正确评估企业价值,提升股票定价准确性[5];有助于市场感知企业创新行为,促进企业估值的长期溢价[6];有助于增强投资者的价值认同,引发正向的市场反应[7]。而关于创新信息披露对企业创新的影响,一方面,有研究指出,创新信息披露能提高股价信息含量,促进企业创新[8];另一方面,有研究认为,创新信息披露能强化创新活动溢出效应,降低企业研发积极性[9],但现有研究结论还未达成一致。创新文本信息作为创新信息披露的关键内容,对企业创新绩效是否会产生影响;若存在影响,其影响机制又是如何。对于该问题的研究具有一定的理论意义。

基于此,本文以创新文本信息为研究对象,使用文本分析法对其进行测度,考察创新文本信息披露对企业创新绩效的影响及其作用机制。考虑到分析师作为资本市场中具备信息解读专业能力的第三方会对信息披露效果产生一定影响,故本文将分析师跟踪这一调节因素引入研究框架,分析其对企业创新文本信息披露的影响。

本文的边际贡献可能表现在:①丰富了创新文本信息披露有关研究。现有研究多关注财务信息或定量信息,本文关注与创新活动密切相关的文本信息,并对定性信息披露研究进行了一定补充。②补充了创新文本信息披露与企业创新关系的逻辑框架。本文分析了创新文本信息披露对企业创新的影响及其作用机制,并引入分析师跟踪这一调节变量,梳理了这一调节变量对两者关系影响的全过程,为提升企业创新绩效提供了新的理论思路。③扩充了分析师跟踪市场作用的研究,深入分析了分析师跟踪对创新文本信息披露全过程的影响,明确其作用原理。

1 理论基础与研究假设

1.1 创新文本信息披露对企业创新绩效的影响

与其他投资活动不同,企业技术创新要历经基础研究、应用开发、生产、销售等多个环节,故企业创新活动具有创新资金需求大、收益风险高、回报周期长等特性。因而,在非完美资本市场下,企业创新活动会受到信息不对称程度与非理性投资人的影响,常存在较严重的资金受限与内部代理冲突等问题。这些问题会对企业创新绩效产生抑制作用,具体表现在两个方面。一方面,当创新项目的相关信息含量较低时,外部投资者的信息搜寻成本将提高,进而影响创新项目价值评估的精确度,投资者也会因信息劣势而索要风险溢价,这将提升企业对外融资成本,企业为规避资金风险会减少企业的创新资源配置[10]。另一方面,信息不对称导致企业股东对管理层的管理绩效评价效率偏低,且难以对其管理行为进行有效监督,而研发投入的风险又会使管理层有意回避风险型的创新项目,从而导致资源配置的有效性进一步降低。

企业创新文本信息披露对其创新绩效的影响存在以下几个方面。首先,针对企业外部投资者而言,创新文本信息披露能够将创新项目的投入、发展、期望等信息传递给投资者,有利于投资者评估创新活动的价值与潜力,降低逆向选择问题[11],进而有助于降低企业的融资成本,促进企业发展创新。其次,针对企业内部管理层而言,决定高创新产出的基础是选择好的研发项目[12],而选择研发项目的关键是能够量化并纳入决策的信息含量。创新文本信息披露有助于管理层识别有价值的投资项目,能够在有限的创新投资中提高资源配置的效率[13]。最后,针对企业内部股东而言,创新文本信息披露一方面有助于监督管理层的管理决策,降低管理层的机会主义行为;另一方面有利于股东对管理层的管理绩效做出合理评价,改善管理层为规避职业风险而以短期利益为目标的投资心理,提升管理层的创新意愿。基于以上分析,本文认为,在其他条件不变的情况下,企业创新文本信息披露能够对其创新绩效起到积极促进作用。因此,本文提出假设1:其他条件不变的情况下,创新文本信息披露对企业创新绩效呈正向影响。

1.2 融资约束的中介作用

企业创新投资具有资金需求量大、回报周期长、收益风险高等特性,相较于其他投资活动,信贷方、外部投资者与企业间信息不对称程度较高,企业创新面临更为严重的融资约束问题[14],显著限制了企业研发投入和创新能力的提升[15]。

创新文本信息披露能够缓解外部融资约束对企业创新的制约,提升企业创新绩效。首先,信息不对称是融资约束存在的主要原因[16]。信贷方与投资方在信息掌握有限的情况下,多认为企业隐藏的信息是利空消息,为对冲风险保证收益,会要求较高的风险溢价,从而提高了企业的融资成本[17]。创新文本信息披露能降低企业外部信息不对称程度,在信息流通充足的情况下,信贷方更愿意提供低成本的信贷服务[18]。在这种情况下,企业的债务融资成本将下降,融资约束对企业创新的负面影响也将得到抑制。其次,创新文本信息披露作为创新过程相关信息的来源,有助于投资者准确识别、评估企业创新项目的价值,降低其风险溢价,减少逆向选择风险,使有价值的项目能获得有效的外部资金支持[19],增强资本市场对创新投资的支持力度,避免创新成为无源之水。最后,根据信息传递理论可知,非财务信息披露可提升企业的声誉[20],增强投资者的投资信心,提高其投资意愿,保证企业创新资金的稳定与持续[21]。因此,创新文本信息披露通过降低企业外部信息不对称程度,能够降低企业债务融资成本与股权融资成本,避免外部融资成本过高导致原净现值为正的创新投资无利可图[10],消减融资约束对企业创新活动的抑制作用,进而提升企业的创新绩效。

综上所述,创新文本信息披露能够降低企业外部信息不对称程度,缓解企业融资约束,进而提升企业创新绩效。因此,本文提出假设2:融资约束在创新文本信息披露与企业创新绩效间发挥中介效应。

1.3 分析师跟踪的调节效应

创新文本信息披露具有大量行业专属词汇与表达,投资者对于创新文本信息的认识与判别难以达到专业水准,也就难以挖掘到信息的内在价值。作为独立的第三方,分析师在资本市场中发挥着解读信息的重要作用。

首先,从信息中介的角度来看,分析师可利用其信息分析能力和长期跟踪特定行业的经验剖析创新项目相关信息,从而降低信息不对称程度,帮助投资者认识创新项目的真正价值[22]。其次,从外部监督的角度来看,分析师能提高投资者对企业创新技术能力的认知水平,减少投资者低估创新项目价值的可能性,进而降低管理者规避技术创新的自利行为[23],提升投资者的监管能力[24]。最后,从声誉效应的角度来看,企业被越多数量的分析师跟踪,投资者对该公司越会有更好的期待,即分析师的声誉机制能吸引投资者的投资[7]。其原因在于,分析师凭借专业能力能甄别出优质公司,此时声誉效应可吸引投资者关注,进而提升投资者认知水平[25],提高投资意愿。

总的来说,分析师跟踪对创新文本信息披露和企业创新绩效之间的关系有积极影响。因此,本文提出假设3:分析师跟踪对创新文本信息披露与企业创新绩效的关系存在正向调节作用。

1.4 被调节的中介效应

综合前述分析,本文进一步推断,在创新文本信息披露过程中,分析师跟踪存在显著的调节效应。具体而言,当分析师跟踪的数目越多,分析师对创新文本信息解读的程度就越透彻,企业内外部信息的透明度就越高。因此,在我国以中小投资者为主体的资本市场中,分析师对市场投资者的引导作用不容小觑。分析师基于自身能力知识,结合公司私有信息优势对企业创新项目展开挖掘,将有用的信息传递给投资者,有助于投资者理性对待创新投资的风险,从而促进企业创新。综上所述,本文认为,分析师跟踪能够强化创新文本信息披露对融资约束的抑制作用,即增强融资约束在创新文本信息披露和企业创新绩效之间的中介作用。因此,本文提出假设4:分析师跟踪能显著增强融资约束在创新文本信息披露与企业创新中的中介作用。

2 研究设计

2.1 样本选择与数据来源

本文研究样本选取的是2007—2021年沪深两市A股上市公司,考虑到2007年中国会计准则与国际趋同,故选取2007年为样本起始点以避免会计准则差异的影响。数据来源主要为中国研究数据服务平台(CNRDS数据库)、文构财经文本数据平台(WinGo财经文本数据平台)、中国经济金融研究数据库(CSMAR数据库)。为消除极端值的影响,本文对所有连续变量进行上下5%的缩尾处理,并对样本做出如下处理:剔除经营状况异常的ST类公司观测值;考虑到行业差异,剔除金融业与保险业公司的观测值;剔除了专利数目缺失的观测值,最终获得总观测值35875个。

2.2 变量衡量

2.2.1 创新文本信息

对于创新文本信息,以往研究多采用内容分析法构建指标体系,对文本信息分指标评分,最终确定创新文本信息披露指数[7,26-28]。鉴于该方法需较高的人工成本且评分存在一定的主观性,本文使用文本分析方法对年报中的创新文本信息进行测度,以度量其披露水平。目前,文本信息测度多使用词典法,本文使用“种子词+Word2vec相似词扩充”的词频分析法来测度创新文本信息披露水平,以提高测度的精准度。指标构建的步骤如下。

①种子词集的选择

种子词集是整个创新文本信息关键词词集的最基础词汇,也是扩充词汇的参考模板。因此,种子词的选择要兼具准确性与概括性。本文参考《“十三五”国家科技创新规划》等政府文件,及胡楠等[29]、周泽将等[30]学者的做法,选用的种子词集为:技术创新、研发、开发、研究、专利、发明等。

②Word2vec相似词扩充

通过使用Word2vec模型对创新文本信息进行分析,将词汇转化为多维向量,通过计算向量间的相似度对种子词进行扩充。扩充后,人工核验并剔除重复词汇、语义歧义词汇等,确定关键词词集,最终得到420个创新文本信息披露关键词。

③最终指标认证

通过专家对关键词词集的二次检验以及年报对比的二次复检之后,计算关键词在年报文本中出现的词频比例,以此来度量创新文本信息披露水平,该比例记为Disc。

2.2.2 创新绩效

参考已有研究[31],考虑到投入端多用来反映企业的创新意愿,故本文使用创新产出端即专利申请总数衡量企业创新绩效水平,该指标记为Patent。

2.2.3 融资约束

目前的研究文献对企业融资约束进行了不同方式的度量,本文使用KZ指数作为融资约束的衡量指标,该指标记为FC。一是融资约束的衡量指标通常分为间接指标和直接指标,KZ指数作为直接指标,要优于间接指标;二是KZ指数作为指数指标能从多维度计算公司的融资约束程度,全面反映公司融资约束情况。KZ指数作为具有代表性且经典的度量方式,在文献中得到广泛应用[32-34]。

2.2.4 分析师跟踪

参考已有研究[7,35],分析师跟踪采用一年内分析师(团队)对该公司进行跟踪分析的数目进行衡量,该指标记为Analysts。

2.2.5 控制变量

参照现有研究成果[29,36],本文的控制变量选取包括企业层面特征(公司年龄、公司规模、营业收入增长率等)、内部治理特征(董事会规模、高管激励等),此外本文还引入了年报长度变量以控制年报其他信息的影响。具体变量及说明见表1。

表1 变量及说明

2.3 模型设计

为分析创新文本信息对企业创新绩效的影响,本文构建了计量模型进行分析:

Patenti,t=β0+β1×Disci,t-1+∑Controls+εi,t

(1)

其中,i表示企业;t表示年份;Patenti,t表示企业创新绩效,使用专利申请总数加1的自然对数进行回归;Disci,t-1表示创新文本信息披露水平,由于企业年报存在滞后性,考虑到信息披露影响也存在滞后,因此对变量进行滞后一期回归处理;Controls表示控制变量;εi,t为随机扰动项;β表示回归系数。在回归模型中使用稳健标准误代替标准误以缓解异方差问题。

为了检验融资约束在创新文本信息披露对企业创新绩效影响中的中介作用,参照温忠麟等[37]的中介效应检验法,在模型(1)的基础上,构建模型(2)、模型(3)来检验各变量的关系,验证是否存在中介效应。为检验解释变量创新文本信息披露对中介变量融资约束的影响,构建了模型(2)进行实证检验。而后,构建模型(3)分析解释变量创新文本信息披露和中介变量融资约束对被解释变量创新绩效的影响。

FCi,t=α0+α1×Disci,t-1+∑Controls+εi,t

(2)

Patenti,t=γ0+γ1Disci,t-1+γ2FCi,t+

∑Controls+εi,t

(3)

其中,FCi,t表示企业融资约束程度,使用KZ指数进行回归;Disci，t-1表示创新文本信息披露水平,由于企业年报存在滞后性,考虑到信息披露影响也存在滞后,因此对变量进行滞后一期回归处理;Patenti,t表示企业创新绩效,使用专利申请总数加1的自然对数进行回归;Controls表示控制变量;εi,t为随机扰动项;α和γ表示回归系数。在回归模型中使用稳健标准误代替标准误以缓解异方差问题。

中介效应的检验步骤如图1所示。首先,根据模型(1)中创新文本信息披露回归系数β1是否显著,判断企业创新文本信息披露对创新绩效的直接效应是否显著。其次,根据模型(2)创新文本信息披露回归系数α1的显著性判断创新文本信息披露对中介变量融资约束影响的显著性。最后,根据模型(3)中创新文本信息披露和中介变量融资约束的回归系数判断其对企业创新绩效的共同作用,若回归系数γ1不显著、γ2显著,则为完全中介效应;若回归系数γ1、γ2均显著,且回归系数γ1小于回归系数β1,则为部分中介效应。

图1 中介效应检验示意图

为验证分析师跟踪在创新文本信息披露中对企业创新影响路径的调节作用,检验有调节的中介效应,本研究根据温忠麟等[38]提出的“有调节的中介模型”分析框架,构建如下模型:

Patenti,t=c0+c1Disci,t-1+c2Analystsi,t+c3Disci,t-1×Analystsi,t+∑Controls+e1

(4)

FCi,t=a0+a1Disci,t-1+a2Analystsi,t+

a3Disci,t-1×Analystsi,t+∑Controls+e2

(5)

b2FCi,t×Analystsi,t+∑Controls+e3

(6)

其中,Analystsi, t表示分析师跟踪数目,使用一年内对该公司进行过跟踪分析的分析师(团队)数目的自然对数进行回归;FCi,t表示企业融资约束程度,使用KZ指数进行回归;Disci，t-1表示创新文本信息披露水平,由于企业年报存在滞后性,考虑到信息披露影响也存在滞后,因此,对变量进行滞后一期回归处理;Patenti,t表示企业创新绩效,使用专利申请总数加1的自然对数进行回归;Controls表示控制变量;εi,t为随机扰动项;α和γ表示回归系数。在回归模型中使用稳健标准误代替标准误以缓解异方差问题。

检验步骤如下:检验模型(4)中的回归系数c1和c3是否显著,验证分析师跟踪是否调节创新文本信息披露与企业创新绩效之间的关系,即直接效应是否被分析师跟踪变量调节;检验模型(5)中的回归系数a1和a3是否显著,同时也对模型(6)中的系数b1和b2进行显著性检验,若a1b2、a3b1、a3b2这三组至少有一组显著,则可判定中介模型受到调节。具体而言,如果a1≠0且b2≠0,则调节变量调节中介效应的后半路径;如果a3≠0或b1≠0,则调节变量调节中介效应的前半路径;如果a3≠0且b2≠0,则调节变量调节中介效应的前后路径。

2.4 创新文本信息披露与企业创新绩效水平分析

2.4.1 时间趋势图

根据对样本企业每年创新文本信息披露水平均值和创新绩效水平均值进行分析,得出创新文本信息披露水平和企业创新绩效水平的时间趋势变化图(图2)。从相关关系来看,创新文本信息披露水平与企业创新绩效水平变化趋势相似,有一定的相关性;从变化趋势来看,随时间的推移,两者水平都逐步提升。其中,2012年是创新文本信息披露水平提升较高的一个年份,其主要原因可能是2011年对《公开发行证券的公司信息披露内容与格式的准则》进行了修订,此次修订对创新文本信息披露内容提出了更高要求,故2012年创新文本信息披露水平有较大提升。而从2019年以后,创新文本信息披露水平与创新绩效水平都出现了较大的下滑,可能原因是新冠疫情暴发,企业运营等各方面受到了不同程度的影响进而导致创新进程受阻,使创新文本信息披露水平和创新绩效水平有所降低。

图2 创新文本信息披露水平与创新绩效水平的时间趋势变化

2.4.2 创新文本信息披露指标的有效性检验

效标效度检验主要是为了观察不同测算方式之间的相关性[39]。为检验本文创新文本信息披露指标的有效性,本文使用内容分析法对创新文本信息进行测度,并检验其与文本分析法测度结果的相关性。

考虑到内容分析法涉及的工作量较大,而创业板公司作为创新属性较高的企业,其创新文本信息披露内容涉及较为全面复杂,因此本文选用创业板470家公司为样本,以2015—2019年为研究年限,参考已有研究[7,27],构建指标评价体系对创新文本信息披露细分指标进行评分,最后根据不同得分加总的方式得到两个创新文本信息披露指标:使用变异系数法得到的总指标为Disc_1,使用直接加总法得到的总指标为Disc_2。通过对两种测度方式结果的相关性检验可知(表2),本文使用文本分析法得到的创新文本信息披露指标与内容分析法得到的创新文本信息披露指标显著正相关,验证了本文创新文本信息披露指标的效标效度。

表2 效标效度检验

3 实证结果与分析

3.1 描述性统计分析

表3是关于模型中主要变量平均值、标准差、最大值、最小值的描述性统计结果。根据结果可知,解释变量创新文本信息披露(Disc)均值为0.567,说明年报中每100个词中含有0.567个创新文本信息关键词;最大值与最小值之间相差较大,说明企业间创新文本信息披露水平差异较大。被解释变量企业创新绩效(Patent)即专利申请总数均值为1.937,由最大值与最小值的相差幅度可知,企业之间的创新绩效水平有所差异。未见中介变量(FC)、调节变量(Analysts)与其余控制变量的描述性统计结果有所异常。

表3 各变量的描述性统计结果

3.2 创新文本信息披露对企业创新绩效的影响及其机制分析

通过豪斯曼检验和F检验可知,样本数据适用固定效应模型进行回归检验,回归结果见表4。根据表4的结果可知,模型(1)回归结果显示,在控制年份和行业的影响下,创新文本信息披露指标回归系数显著为正(β=1.085,p<0.01),假设1得到验证,即创新文本信息披露对企业创新绩效呈正向影响。

表4 创新文本信息披露对企业创新绩效影响的回归结果

中介检验回归结果如表4第3、第4列所示。首先,模型(2)中创新文本信息披露对融资约束关系显著,成负相关关系,说明创新文本信息披露水平的提高,能够有效缓解企业资金紧缺问题,降低企业融资成本(β=-1.071,p<0.01)。其次,进一步检验解释变量、中介变量对被解释变量的共同影响。模型(3)的回归结果显示,一方面,中介变量融资约束与企业创新绩效之间成显著负相关关系(β=-0.044,p<0.01),即融资成本越低,越能提高企业创新绩效;另一方面,创新文本信息披露仍能显著提高企业的创新绩效,但其促进作用呈减弱状态(β=1.030,p<0.01),说明存在部分中介作用,即融资约束在创新文本信息披露与企业创新的绩效关系中起部分中介作用。此外,本文采用Bootstrap法再次验证中介效应的存在性(表5)。结果表明,中介变量融资约束在创新文本信息披露与企业创新绩效之间的中介效应值为0.045,在95%置信区间内不包含0(置信区间为[0.0358,0.0541]),中介效应成立,进一步验证了假设2 ,即创新文本信息披露可通过缓解企业融资约束提升企业创新绩效。

表5 Bootstrap中介效应检验

3.3 有调节的中介模型检验

为避免调节变量交互项受到多重共线性的影响,在回归中进行了相关变量中心化处理。首先,检验创新文本信息披露对企业创新的直接效应是否受到分析师跟踪变量的调节作用。根据回归结果(表6),由模型(4)可知,创新文本信息披露与分析师跟踪的交互项与企业创新绩效显著正相关,说明分析师跟踪对创新文本信息披露与企业创新绩效之间的关系具有显著的正向调节效应,即分析师跟踪数目的提高,能加强企业创新文本信息披露对创新绩效的正向影响,假设3得到验证。由模型(5)可知,创新文本信息披露与分析师跟踪的交互项与融资约束负相关,说明分析师跟踪显著正向调节创新文本信息披露与融资约束的关系,即分析师跟踪能加强创新文本信息披露对企业融资约束的负向影响。在模型(6)中,当创新文本信息披露、分析师跟踪、融资约束、融资约束与分析师跟踪的交互项共同进入模型中时,融资约束与分析师跟踪的交互项对企业创新绩效无显著影响,而融资约束与企业创新显著负相关。根据温忠麟等[38]对“有调节的中介模型”路径的检验,由于模型(5)中创新文本信息披露与分析师跟踪的交互项对融资约束的作用显著,即a3≠0,而模型(6)中融资约束对企业创新绩效存在显著的负向影响,即b1≠0,所以分析师跟踪调节了“创新文本信息披露—融资约束—创新绩效”的前半路径(图3)。因此,“有调节的中介模型”成立,假设4得到验证。

图3 有调节的中介模型

表6 有调节的中介效应检验

3.4 内生性检验

3.4.1 工具变量法

虽然本文考虑到主回归可能存在的反向因果关系,将解释变量进行了滞后期处理,但模型中仍可能存在遗漏变量等内生性问题,鉴于此,本文选取工具变量以弱化内生性问题。根据已有研究[40-41],选取的两个工具变量为:同行业同年度其他企业的创新文本信息披露均值(记为M1),同规模同年度其他企业的创新文本信息披露均值(记为M2)。这是因为,在相同时间内,同行业、同规模的企业的经营模式存在相关性,在创新文本信息披露内容的选择上会存在一定的相似度,但是企业的创新绩效很难受到同行业、同规模其他企业创新文本信息披露的影响。通过使用两阶段最小二乘法(2SLS)可知(表7):第一阶段回归结果显示工具变量满足相关性条件,拒绝弱工具变量假设(弱工具变量检验F统计量远大于10),并通过了工具变量均外生的原假设(Sargan检验P值>0.1);第二阶段回归结果显示创新文本信息披露对企业创新绩效呈显著正向影响,进一步论证了前文结论的稳健性。

表7 内生性检验

3.4.2 动态面板模型估计

考虑到创新产出发明专利申请数可能受到惯性影响,即上一年的专利申请量很可能影响当年的专利申请量,故将被解释变量滞后一期项和滞后两期项加入模型中,构建动态面板模型,以克服原静态模型可能存在的内生性问题。模型构建如下:

Patenti,t=φ0+φ1×Patenti,t-1+φ2×

Patenti,t-2+φ3×Disci,t-1+∑Controls+εi,t

(7)

其中,Disci,t-1表示创新文本信息披露水平,由于企业年报存在滞后性,考虑信息披露影响也存在滞后,因此对变量进行滞后一期回归处理;Patenti,t表示企业创新绩效,使用专利申请总数加1的自然对数进行回归;Patenti,t-1和Patenti,t-2分别代表对企业创新绩效进行滞后一期与滞后两期的处理;Controls表示控制变量;εi,t为随机扰动项;α和γ表示回归系数。在回归模型中使用稳健标准误代替标准误以缓解异方差问题。

对于动态面板模型,本文使用差分GMM估计法,其回归结果见表7。由检验结果可知:一方面,模型的自相关检验通过;另一方面,通过“工具变量均有效”的原假设(Sargan检验p值>0.1),表明可以进行差分GMM估计。根据回归结果,创新文本信息披露对企业创新绩效的正向影响显著,与前文结论保持一致。

3.5 稳健性检验

3.5.1 更换解释变量

从2014年开始,管理层讨论与分析作为企业年报中独立报告的一个章节,受到学者广泛关注。而管理层讨论与分析中管理层回顾和展望的这两部分内容,也被认为是公司创新文本信息披露的主要来源之一[42]。因此,参照已有研究[43],本文对管理层讨论与分析部分的信息披露涉及的创新关键词词集进行计算,得出类似的创新文本信息披露指标(记为Disc_md),并将其替换为自变量进行回归检验,发现回归结果与更换变量前的保持一致,验证了结论的稳健性。回归结果见表8。

表8 稳健性检验

3.5.2 更换被解释变量

参考已有研究[44],考虑到专利申请中发明专利的技术含量更高,能够有效反映企业真实的创新绩效,本文使用发明专利申请数加1的自然对数作为被解释变量的替代变量(记为Patent1),重新进行检验(表8)。结果表明,改变企业创新绩效衡量方式后,假设1仍成立。

3.5.3 剔除2020年和2021年的数据

新冠疫情对企业经营造成了一定的影响,其影响存在时间维度,即近两年企业的创新进程受到了一定的干扰。故本文剔除2020年和2021年的数据,以检验其结论的稳健性。由表8可知,回归结果与前文保持一致,即创新文本信息披露能促进企业创新绩效的提升,结果证明了结论的稳健性。

4 结论与建议

研究以2007—2021年沪深两市A股上市公司为样本,使用文本分析法对创新文本信息披露进行测度,使用词频分析法计算创新信息关键词词频以测度创新文本信息披露指标。基于此,分析了企业创新文本信息披露对企业创新绩效的影响及作用机制。研究结论如下:创新文本信息披露对企业创新绩效存在正向促进作用;作用机制分析表明,创新文本信息披露水平的提高能够缓解企业融资约束,进而提升企业创新绩效;分析师跟踪能够正向调节创新文本信息披露与企业创新绩效的关系,即分析师跟踪数目的增加能够加强创新文本信息披露对企业创新绩效的正向影响,且能够调节“创新文本信息—融资约束—企业创新绩效”这一中介路径的前半段路径,即分析师跟踪数目的提升能够加强创新文本信息对融资约束的负向影响,从而说明该中介路径是被调节的、为有调节的中介模型。

基于上述结论,本文认为,创新文本信息披露有利于缓解创新活动在资本市场遇到的资金受限问题,有助于提升企业创新绩效。而企业的融资约束问题是解决企业创新困境的重要突破口之一,同时应注意分析师在资本市场上的重要信息传递作用。对此,本文提出3条具体建议。一是完善披露制度,规范披露要求。制定具体详细的信息披露规则提升企业创新文本信息披露水平,避免创新文本信息披露的模式化、模糊化与失焦化,以增强资本市场对创新的支持作用。二是出台帮扶政策,助企纾困解难。缓解融资约束是创新文本信息披露促进企业创新产出的重要路径,为打破创新活动资金受限的僵局,可建立多层次的资本市场体系,提供多种融资渠道。三是加深市场认识,合理引导分析师。分析师跟踪能够帮助投资者解读创新信息,增强信息治理效应,因此有必要加深市场对分析师作用的进一步认识,优化资源配置。