-
党的十八大报告指出:“科技创新是提高社会生产力和综合国力的战略支撑,必须摆在国家发展全局的核心位置。”创新就是要建立一种新的生产函数,将生产要素和生产条件重新组合,并在生产体系中应用;而企业家的职能主要体现在实现创新过程中对生产要素和生产条件组合的建立与配置(Schumpeter,1911)。这表明创新投入和创新管理是影响企业创新的两个重要因素,创新管理具有重要的推动作用。从理论层面来看,有效的创新管理能够提高企业研发效率,促使企业不断增加创新投入;而在创新管理中发生的研发团队核心成员和高管的变更或缺位、管理制度不健全等情况,则会造成管理失效、信息不对称或盈余操纵等问题,从而抑制企业创新。因此,企业管理活动会对企业创新要素的投入产生影响,进而影响企业整体创新目标的实现。
在市场经济环境下,高管是企业创新的重要主体,也是实施企业创新的主要管理者,更是企业创新决策和战略的制定者。在企业持续经营过程中,股权结构变化、控制权变更、投资与经营业绩低劣、高层任期届满、高管离退休以及高管个人原因等会引发公司高管变更(吴良海,2014)。从代理人视角,高管变更可分为强制变更与非强制变更两种类型,不同变更类型对企业绩效(Andrus等,2019)、盈余质量(吴良海,2014)和技术创新(程晨,2016)等方面的影响不同:强制变更比非强制变更的影响程度更大,会大幅降低企业团队稳定性和资源配置效率,对企业创新与经营业绩造成的负面影响更为深远。因此,如何有效降低高管强制变更对企业创新的负面影响具有较高的研究价值和现实意义,同时高管变更对企业创新的负面影响本质上源于高管强制变更行为,这也是目前相关研究忽视的一个问题。
从现有研究成果来看,部分学者基于公司治理环境与治理机制视角,研究了市场结构和行业集中度(寇宗来和高琼,2013)、金融环境和融资模式(Hsu等,2014;Hao和Li,2016;马红和王元月,2017)、企业环境和管理行为(颉茂华等,2014;袁建国等,2015;肖利平,2016)等内外部因素对企业创新的影响。基于委托代理理论和信息不对称理论,也有学者从高管行为(Galasso和Simcoe,2010;Hirshleifer等,2012)、分析师行为(徐欣和唐清泉,2010;余明桂等,2017)等视角研究了盈余管理动机和信息不对称对企业创新投入的影响。然而,现有研究较少关注影响企业创新投入内外部因素之间的交互作用。高管强制变更和分析师跟踪分别属于影响企业创新投入的内部和外部因素,高管强制变更会导致企业技术创新投入显著降低(程晨,2016),而分析师对企业创新活动的跟踪,能够显著降低企业研发过程中的信息不对称程度,提高企业研发项目的市场认可度(徐欣和唐清泉,2010;刘柏和徐小欢,2019)。那么,分析师跟踪是否能够在一定程度上缓解高管强制变更对企业创新的负面影响,其作用机制又有哪些特征?这是本文拟要解决的主要问题。
立足于影响企业创新内外部因素的交互作用,本文理论分析并实证检验了高管强制变更对企业创新投入的影响以及分析师跟踪的调节作用。依据2010−2017年中国沪深两市A股上市公司创新投入数据,本文研究发现,高管强制变更与企业创新投入呈现显著负相关关系,这种负相关关系主要是由高管强制变更导致的高管短视行为和高管团队稳定性降低造成的。研究还发现,分析师跟踪能够弱化高管强制变更对企业创新投入的抑制作用,而这种抑制作用主要存在于高盈余管理和国有企业样本中,说明信息质量和企业产权性质会影响该抑制作用的发挥。从作用机制上看,分析师跟踪能够降低投资者与高管之间的信息不对称程度,缓解创新活动中的委托代理问题,从而减少企业高管的短视行为,提升企业高管团队的稳定性,进而弱化高管强制变更对企业创新投入的抑制作用。因此,分析师跟踪通过缓解信息不对称和委托代理问题来发挥其调节功能。
本文的主要贡献如下:首先,拓展了高管变更和企业创新研究的内容。现有研究主要集中于外部因素(市场条件和环境条件等)和内部因素(企业环境和管理行为等)对企业创新的影响,较少涉及外部因素与内部因素的交互影响。本文创新性地研究了分析师跟踪在高管强制变更抑制企业创新投入过程中发挥的调节作用。其次,丰富了高管变更研究领域的成果。已有研究主要关注不同类型高管变更对公司绩效、盈余管理等的影响及其市场反应,本文研究高管强制变更对企业创新投入的影响,并关注其作用机制与负面效应缓解,是对高管变更研究成果的有益补充。最后,从分析师跟踪视角,就如何弱化高管强制变更对企业创新投入的抑制效应提供了启示。研究发现,分析师跟踪能够弱化高管强制变更对企业创新投入的抑制作用,这在一定程度上表明分析师跟踪对企业创新具有现实意义,从而为公司治理中保持高管团队的相对稳定性,建立健全公司高管素质、道德与能力的评价机制,降低高管强制变更带来的负面影响,提高创新投入全程管理水平等方面提供机制借鉴,为完善和加强分析师等市场中介队伍建设提供理论支撑。
-
管理短视(Managerial Myopia)出现于20世纪80年代,又称短期投资行为。从20世纪90年代开始,短视行为理论普遍用于解释上市公司管理层在面临短期绩效压力时往往选择降低企业研发费用、技术创新投入或长期投资,以实现短期经营绩效目标的公司治理现象。Porter(1992)研究发现,企业追求短期经营绩效会加大短期投资,减少企业长期研发投入。Bhojraj和Libby(2005)指出,企业对研发、广告与员工培训投入不足,虽然会提升企业的短期经营绩效,但也会增加管理层的经营压力。结合中国资本市场的发展状况,国有企业高管一般以行政任命形式获得管理权,而当前职业经理人市场发展还未能满足中国非国有上市企业的公司治理需求。因此,股东追求利益最大化时更加注重短期经营绩效,并将该思想传导至企业管理层,导致高管短视行为。相关研究表明,短视行为理论是解释中国上市公司低效率投资、创新投入不足等现象的理论依据之一(程晨,2016)。
从高管短视行为视角来看,当高管发生频繁变更时,继任高管往往会形成较高的更换预期,企业经营管理难度和缺陷会增加继任高管的压力。企业高管强制变更带来的影响是全面性和长期性的,企业内部的管理团队不仅要适应继任高管的管理方式和组织规则,还需要重新参与和适应继任高管所带来的资源关系网络。高管强制变更往往还会导致企业技术研究与技术创新战略的调整,从而对现有的技术研发项目和创新投入项目产生外部干扰。为避免因短期业绩恶化而遭解雇,继任高管会重新评估现有技术研发项目和创新投入项目,降低开展高风险技术投资活动的意愿。
当前任高管能力不足时,强制解雇或强制离职更容易发生(Andrus等,2019)。相比于以退休等方式为代表的非强制性离职,在前任高管被强制变更的情况下,企业的股东、潜在投资者以及其他利益相关者均会对继任高管给予较高的期望,对继任高管的能力要求提高,改善企业经营状况以确保企业价值最大化的动机增强,致使董事会对继任高管的能力预期发生变化。总体上看,前任高管被强制变更的行为会导致继任高管承担更高的经营效益目标,而高管强制变更所导致的企业内部环境不稳定状况增加了继任高管的管理无效和潜在被解雇的可能性。基于此,继任高管需要寻求和实施短期内提升企业经营业绩的方法与措施,以满足股东及其他利益相关者的要求和预期,从而获得领导权威和管理认可。这说明继任高管追求短期效益提升的管理短视行为是维护职业声誉、降低职业风险、提高职业安全度的最优选择。创新业务本身具有难以完全披露的特点,相关信息和技术出于商业保密的考虑而不宜公开披露,信息不对称程度较高。企业创新投入越多,公司与投资者之间的信息不对称程度越高,企业权益资本成本提高和价值被低估的潜在风险越高(Zhang和Melissa,2018)。继任高管不愿意看到此种状况,倾向于降低企业创新投入。因此,高管强制变更造成的短视行为会抑制企业的创新活动。
从高管团队稳定性视角来看,主要高管(董事长、总经理)被强制变更或强制离职后,继任高管为开展工作而重新组建管理团队,通过调离、辞退等方式对前任高管的管理团队成员和相关管理层成员进行清理,进而导致企业高管个体或集体离职的现象(Virany等,1992)。继任高管一般有内部提拔和外部聘请两种产生方式,这种不确定性会提升内部高管团队成员的晋升预期。但从上市公司实际情况来看,当高管发生强制变更时,继任高管大多采用外部聘任的方式,内部高管团队成员的晋升预期落空,从而引起部分高管团队成员的不满或消极态度,甚至出现高管离职的情况,导致高管团队的稳定性降低。一个稳定有效的企业高管团队是企业有效决策的重要保障,团队成员在进行创新管理和技术研发决策时容易形成共识,进而为企业技术创新活动和创新项目的实施采取一致有效的行动,提升企业创新效率和创新成果的竞争力。相关研究成果表明,高管团队稳定性会影响企业技术创新绩效(Collewaert和Sapienza,2016;张兆国等,2018)。因此,高管强制变更会导致高管团队稳定性降低,从而影响企业创新绩效,抑制企业创新投入。
综上,高管强制变更会造成高管短视行为,降低高管团队稳定性,从而对企业创新投入产生抑制作用。据此,本文提出如下假说:
H1:高管强制变更会抑制企业创新投入。
-
信息对资本配置具有决定性作用(Hayek,1945),而市场中介可以通过信号来抵消逆向选择效应(Spence,1973)。因此,市场中介机构的存在是资本市场发展的必然结果。余明桂等(2017)研究认为,分析师作为有效的资本市场信息中介,能够提供有价值的专业信息,提升市场整体价值。从企业角度分析,企业创新是专业性较强的活动,具有较高的不确定性,但创新成果往往能给企业带来较高的效益;而从当前中国会计准则体系来看,企业的创新投入在研发阶段作为期间费用处理,在财务报告中作为当期损益而没有详细的披露信息,从而造成投资者对企业创新的相关信息了解不足,信息不对称严重。可见,信息不对称理论是解释中国资本市场中分析师跟踪上市公司创新活动的重要理论依据。
在资本市场、投资者和企业之间存在信息不对称的情况下,分析师作为资本市场和实体经济的重要信息媒介,提高了企业信息披露质量,扩大了投资者获取企业信息的来源范围,降低了各市场主体之间的信息不对称程度,并能够有效监督企业管理层的无效决策行为和机会主义行为(Jensen和Meckling,1976)。由于企业创新具有高度的专业性和技术性,市场投资者往往难以理解创新项目相关的专业信息与成果信息,而分析师中不乏具有多个专业学科背景的综合性分析师,他们对相关行业和企业的发展状况保持着长期的跟踪与关注,能够更为理性地判断和评估企业创新活动与创新项目成果的市场价值及成长价值。同时,相对于西方成熟的资本市场,中国新兴资本市场具有较高程度的信息不对称,资本市场配置资源的效率有待提高,而分析师长期的专业性跟踪能够显著改善各市场主体的有效信息环境,从而缓解市场投资者与企业高管之间的信息不对称(Shroff等,2014)。因此,分析师跟踪作为有效的外部治理与监督机制,能够在企业高管发生强制变更的情况下,降低投资者与继任高管的信息不对称,从而减少高管的短视行为,改善企业外部信息环境,缓解高管强制变更对企业创新投入的抑制作用。
企业创新活动容易产生委托代理和信息不对称问题,相对于企业管理层,分析师是专业、独立的第三方信息来源,能够及时将企业和市场信息客观有效地传递给投资者,从而缓解委托代理和信息不对称问题。投资者对分析师提供的专业信息往往具有更高的信任度,从而对企业创新活动和创新成果的价值也能够理解得更加充分、有效。因此,分析师跟踪能够显著提升投资者对企业创新活动的信息可靠程度和专业理解程度,降低企业创新活动的潜在价值被低估的风险,增强企业高管进行创新研发投入的意愿。在此基础上,分析师通过多种方式强化与企业管理层和创新团队成员的沟通和监督,抑制企业管理者的无效决策行为和机会主义行为对企业价值与未来发展可能产生的损害(Healy和Palepu,2001),他们还会投入额外的精力密切关注无形资产、研发支出等与企业未来价值高度相关的项目(Barth等,2001;徐欣和唐清泉,2010),向投资者传递更多有价值的信息,以缓解企业创新活动中的委托代理和信息不对称问题。由上述分析可知,分析师对企业创新过程中的高管行为形成监督,降低了管理者攫取私利的可能性,从而缓解代理冲突,提升高管团队稳定性,进而减弱高管强制变更对企业创新投入的抑制作用。
基于以上分析,本文提出如下假说:
H2:分析师跟踪能够弱化高管强制变更对企业创新投入的抑制作用。
-
本文选取2010−2017年中国沪深两市A股上市公司作为研究样本,解释变量、被解释变量和相关控制变量的数据来自CSMAR数据库和Wind数据库,部分数据参考巨潮资讯网进行手工整理和补充。
本文对相关数据进行如下处理:(1)剔除数据缺失的公司样本;(2)剔除金融行业和未被分析师跟踪的公司样本;(3)剔除ST、*ST公司样本。本文最终得到8,550个观测值。为避免极端值对研究结果的影响,本文对所有连续变量实施了上下1%的缩尾处理(Winsorize)。
-
1. 变量定义
(1)企业创新投入。借鉴温军和冯根福(2012)、袁建国等(2015)、田轩和孟清扬(2018)等的研究方法,本文将企业创新投入指标设定为企业研发费用总额(研发投入)的自然对数(R&D)。鉴于解释变量和控制变量对被解释变量的影响可能有滞后效应,本文以滞后一期研发投入的自然对数作为主要被解释变量。
(2)高管强制变更。目前国内外相关研究对于“高管”的范围并没有统一的界定,大多主要针对董事长和总经理。结合本文的研究主题,参考杜兴强和周泽将(2010)、林永坚等(2013)的研究,本文选取对企业经营发展战略起决定性影响的董事长和总经理作为高管变更的研究对象。从具体变更原因上看,国内外学者通常按离职原因将高管变更划分为强制(非常规、被迫)变更与非强制(常规、自愿)变更两类。在具体研究过程中,本文借鉴刘星等(2012)、吴良海(2014)、陈丽蓉等(2015)等的研究,将因健康或死亡、退休、完善公司治理结构、涉案等原因导致的高管变更定义为非强制变更,将除以上原因之外所导致的高管变更定义为强制变更。一般情况下,非强制变更是可以提前预测的,此时高管对晋升预期有限,故非强制变更对技术创新的影响往往不显著(程晨,2016)。而强制变更通常是不可预测事件,继任高管更可能是企业外部人员,这会使企业内部高管的晋升期望落空,引起内部成员对组织的不满。同时,高管强制变更大多是由企业经营状况和效益不佳所致,这会造成继任高管怀疑原管理团队的整体工作能力。因此,高管强制变更是导致高管短视行为的关键,对高管团队稳定性的影响更大。如果样本公司当年发生了董事长、总经理的强制变更,则Change赋值为1,否则为0。如果样本公司在同一会计年度内发生多次高管变更,则取首次变更作为研究样本。
(3)分析师跟踪。借鉴徐欣和唐清泉(2010)、宫义飞(2019)等的研究,本文以当年对目标公司做出盈余预测的分析师人数的自然对数(Follow)来衡量分析师跟踪。
(4)控制变量。参考徐欣和唐清泉(2010)、程晨(2016)、田轩和孟清扬(2018)等的研究,本文在模型中加入公司规模、公司年龄、公司现金流状况、公司财务杠杆、公司盈利能力、公司成长性等指标作为控制变量,还控制了年度和行业固定效应。相关变量定义见表1。
表 1 变量定义
变量 定义 R&D 企业创新投入,滞后一期的企业研发费用总额的自然对数 Change 若发生高管强制变更,赋值为1,否则为0 Follow 当年对目标企业做出盈余预测的分析师人数的自然对数 Tobin Q 当年目标企业的托宾Q值 Lev 总负债与总资产的比值 Age 企业成立年数的自然对数 Growth 营业收入增长率 Size 总资产的自然对数 Cash 货币资金的自然对数 ROA 总资产收益率 SOE 国有企业,赋值为1,否则为0 Year 年度固定效应的虚拟变量,控制影响创新投入的年度效应 Industry 年度固定效应的虚拟变量,证监会二分位行业代码 (5)分组变量。本文从产权性质和盈余质量两方面进行分组检验。在企业产权性质分组方面,本文主要依据CSMAR数据库中的终极控制人属性将样本划分为国有企业和非国有企业。若企业的终极控制人为各级政府或相关事业单位,则认定为国有企业,否则为非国有企业。在盈余信息质量分组方面,本文利用修正Jones模型衡量企业盈余管理程度,并根据盈余管理程度的均值将样本分为高盈余管理程度和低盈余管理程度两组。
2. 模型构建
为检验高管强制变更对企业创新投入的影响,本文构建如下模型:
$$R\& {D_{i,t + 1}} = \beta {}_0 + {\beta _1}Chang{e_{i,t}} + \gamma Contro{l_{i,t}} + \sum {Year} + \sum {Industry} + {\epsilon _{i,t + 1}}$$ (1) 其中,被解释变量R&D为滞后一期研发费用总额的自然对数,Change为高管强制变更的识别变量,Control为上文提到的所有控制变量,Year和Industry为年度和行业哑变量。
为检验分析师跟踪对高管强制变更影响企业创新投入的调节作用,在模型(1)的基础上,本文加入交乘项Change×Follow,构建如下模型:
$$ \begin{split} R\& {D_{i,t + 1}}=\; & {\beta _o} + {\beta _1}Chang{e_{i,t}} + {\beta _2}Follo{w_{i,t}} + {\beta _3}Chang{e_{i,t}}\times Follo{w_{i,t}}\\ &+ \gamma \;Contro{l_{i,t}} + \sum \; Year\; + \sum \; Industry\; + {\epsilon _{i,t + 1}} \end{split} $$ (2) -
表2报告了主要变量的描述性统计结果。在全样本中,发生高管强制变更(Change)的数量为1036例,高管强制变更比例的均值为11.7%。饶品贵和徐子慧(2017)的研究显示,中国上市公司高管变更比例的均值为18.5%。据此有理由推测,中国上市公司高管变更大多是强制变更,非强制变更约占高管变更的7%。高管强制变更后未来一期研发投入(R&D)的均值为17.860,标准差为1.356,说明本文对研发投入取自然对数,较好地缓解了样本公司研发投入的差异。高管强制变更当期研发投入(P_R&D)的均值为17.680,说明整体上中国A股上市公司的研发投入呈增长趋势,符合创新驱动发展的要求。分析师跟踪人数的均值为9.714,标准差为8.460,说明样本公司平均被10位分析师所关注,但不同企业的分析师跟踪人数差异较大。分析师跟踪人数的均值为9.714,略高于陈钦源等(2017)的研究结果(8.474),主要原因是本文剔除了没有分析师关注的样本。其他变量的统计值均在合理范围内,符合上市公司现实情况,此处不再赘述。
表 2 主要变量的描述性统计
变量 观测值 均值 标准差 最小值 中位数 最大值 R&D 8,550 17.860 1.356 13.530 17.820 21.430 Change 8,550 0.117 0.321 0.000 0.000 1.000 Follow 8,550 9.714 8.460 1.000 7.000 65.000 Tobin Q 8,550 2.990 2.505 0.237 2.227 13.210 Age 8,550 2.531 0.466 1.099 2.639 3.332 Size 8,550 21.960 1.241 19.900 21.750 25.850 Lev 8,550 0.371 0.201 0.046 0.352 0.857 ROA 8,550 0.051 0.046 -0.133 0.048 0.188 Growth 8,550 0.176 0.359 -0.432 0.103 2.258 Cash 8,550 20.230 1.186 17.440 20.100 23.920 SOE 8,550 0.287 0.452 0.000 0.000 1.000 P_R&D 8,550 17.680 1.361 13.530 17.640 21.430 注:P_R&D为当期研发费用总额的自然对数。 -
为验证本文的两个假说,本文分别对模型(1)、模型(2)进行回归,回归结果如表3所示。表3列(1)和列(2)的结果显示,Change的系数为负,且分别在5%、1%水平上显著,说明高管强制变更与企业创新投入显著负相关,表明高管强制变更会降低企业研发投入,抑制企业创新活动。本文的假说H1得到验证。
表 3 高管强制变更、分析师跟踪与企业创新投入
变量 R&D (1) (2) (3) (4) Change −0.103** −0.102*** −0.276*** −0.220*** (−2.347) (−2.818) (−3.247) (−2.904) Follow 0.125*** 0.145*** (8.559) (11.434) Change×Follow 0.113*** 0.081** (2.718) (2.231) Tobin Q 0.049*** 0.019*** 0.048*** 0.012** (9.764) (3.182) (9.675) (2.119) Age −0.105*** −0.101*** −0.074*** −0.087*** (−3.977) (−4.300) (−2.786) (−3.730) Size 0.577*** 0.706*** 0.544*** 0.650*** (23.372) (30.717) (22.015) (28.053) Lev 0.120 0.039 0.158* 0.082 (1.254) (0.469) (1.675) (0.986) ROA 2.561*** 3.736*** 1.459*** 2.598*** (7.945) (12.963) (4.211) (8.565) Growth 0.133*** 0.117*** 0.126*** 0.111*** (3.513) (3.689) (3.352) (3.578) Cash 0.139*** 0.069*** 0.124*** 0.063*** (6.827) (3.860) (6.136) (3.543) Cons −0.189*** −0.017 −0.155*** 0.028 (−5.229) (−0.557) (−4.315) (0.913) 年度/行业 No Yes No Yes N 8,550 8,550 8,550 8,550 Adj_R2 0.330 0.534 0.338 0.543 注:*、**、***分别表示在10%、5%和1%水平上显著,括号内为t值。 表3列(3)和列(4)报告了分析师跟踪的调节作用的回归结果。结果显示,Change×Follow的系数均显著为正,表明分析师跟踪能够弱化高管强制变更对企业创新投入的抑制作用。本文的假说H2得到验证。
-
企业创新活动具有高度的专业性和保密性,结果存在较大的不确定性,未来收益和发展前景难以判断,这也造成投资者往往采取谨慎性原则而对创新活动较多的企业价值有所低估,从而对企业高管形成负向的激励效果。创新活动的专业性和不确定性特征增加了股东的监督成本,导致企业创新过程中容易产生代理问题,难以评价管理者的努力程度。基于上述因素,当创新项目未达到预期效果时,市场难以判断具体原因是项目自身风险,抑或是管理者工作不善。分析师作为专业性的独立第三方,可以有效缓解投资者和企业之间的信息不对称和委托代理问题。在涉及创新活动等容易产生代理问题的事项上,投资者更信任分析师提供的信息。
分析师通过传递信息和对企业持续关注来缓解企业创新活动中的信息不对称和委托代理问题,进而增强继任高管进行创新投入的意愿和动机。本文检验了分析师跟踪缓解高管强制变更对企业创新投入抑制作用的调节机制,运用应计盈余管理程度衡量信息不对称程度,运用是否为国有企业衡量企业委托代理问题。若企业本身具有较高的信息透明度,委托代理问题的可能性较低,则分析师跟踪人数的变化所产生的边际影响较小;而在相反情况下,每增加一位分析师都可能显著改善企业信息透明度和缓解委托代理问题,从而缓解高管强制变更对创新投入的抑制作用。
本文运用修正Jones模型计算的盈余管理程度将样本分为高盈余管理程度和低盈余管理程度两组,对模型(2)进行分组检验,回归结果如表4列(1)、列(2)所示。在高盈余管理程度组,Change×Follow的系数在1%水平上显著为正;在低盈余管理程度组,Change×Follow的系数不显著。结果表明,分析师跟踪可以减缓企业应计盈余管理程度,降低投资者与高管之间的信息不对称程度,减少高管的管理短视行为,从而弱化高管强制变更对企业创新投入的抑制作用。
表 4 分析师跟踪调节作用的机制与路径检验
变量 高盈余管理程度 低盈余管理程度 国有企业 非国有企业 (1) (2) (3) (4) Change −0.336*** −0.003 −0.273** −0.183* (−3.243) (−0.038) (−2.259) (−1.889) Follow 0.144*** 0.132*** 0.142*** 0.139*** (8.269) (7.346) (4.896) (10.379) Change×Follow 0.140*** −0.020 0.126** 0.045 (2.874) (−0.413) (2.203) (0.986) Controls Yes Yes Yes Yes 年度/行业 Yes Yes Yes Yes N 4,887 3,663 2,454 6,096 Adj _R2 0.515 0.578 0.563 0.542 注:*、**、***分别表示在10%、5%和1%水平上显著,括号内为t值;限于篇幅,未报告控制变量的回归结果,相关资料备索。 与国有企业相比,非国有企业高管的市场化遴选和考核评价机制特征显著,高管的创新意愿较强,获取资金支持的难度较高,创新资金的使用效率较高。国有企业由于所有者缺位,难以对高管实行有效监督,委托代理问题较为明显。本文运用是否为国有企业衡量委托代理冲突,将样本分为国有企业和非国有企业两组,对模型(2)进行分组回归,结果如表4列(3)、列(4)所示。在国有企业组,Change×Follow的系数在5%水平上显著为正;在非国有企业组,Change×Follow的系数不显著。结果表明,分析师跟踪可以缓解国有企业创新活动中的委托代理问题,提升高管团队稳定性,从而弱化高管强制变更对企业创新投入的抑制作用。
-
本文采用倾向得分匹配法(PSM)对发生高管强制变更(处理组)和没有发生高管强制变更(控制组)的公司进行匹配检验,以缓解内生性问题。本文采用一对一有放回匹配和半径匹配的方法分别对处理组和控制组进行倾向得分匹配,回归结果如表5所示。结果表明,无论采用哪种匹配方法,发生高管强制变更的公司,其创新投入显著低于没有发生高管强制变更的公司。
表 5 稳健性检验:倾向得分匹配法(PSM)
匹配方法 Treat Control ATT Std.Err t值 一对一匹配 1,000 7,550 −0.119 0.046 −2.254 半径匹配 1,000 7,550 −0.114 0.044 −2.268 -
本文对高管强制变更的时间进行调整,采用调整后的高管强制变更(Adchange)作为解释变量进行稳健性检验,具体是将公司i在t年6月份以前(后)的高管强制变更视为t(t+1)
年实际发生的高管强制变更。当t年发生高管强制变更时,Adchange赋值为1,否则为0。本文用调整后的高管强制变更(Adchange)作为解释变量对模型(1)、模型(2)进行回归,结果如表6列(1)、列(2)所示。Adchange的系数至少在5%水平上显著为负,说明高管强制变更会抑制企业创新投入;Adchange×Follow与企业创新投入显著正相关,与上文回归结果一致。 表 6 稳健性检验:高管强制变更、企业创新投入的替代变量
变量 调整后的高管强制变更 研发投入占总资产的比重 (1) (2) (3) (4) Adchange −0.094** −0.215*** (−2.449) (−2.863) Change −0.001** −0.002** (−1.965) (−2.428) Follow 0.144*** 0.002*** (11.513) (8.432) Adchange×Follow 0.087** (2.438) Change×Follow 0.001** (1.794) Controls Yes Yes Yes Yes 年度/行业 Yes Yes Yes Yes N 8,550 8,550 8,550 8,550 Adj_R2 0.533 0.543 0.298 0.305 注:*、**、***分别表示在10%、5%和1%水平上显著,括号内为t值;限于篇幅,未报告控制变量的回归结果,相关资料备索。 -
企业规模对企业创新投入具有较大影响(Koeller,2005;吴延兵,2007)。本文参考解维敏和方红星(2011)、黄艺翔和姚铮(2015)等的研究,用研发投入占总资产的比重衡量企业创新投入,重新对模型(1)、模型(2)进行回归,结果如表6列(3)、列(4)所示。结果表明,高管强制变更与企业创新投入显著负相关,Change×Follow与企业创新投入显著正相关,与上文回归结果一致。
-
本文以2010−2017年中国沪深两市A股上市公司为样本,研究发现高管强制变更与企业创新投入呈显著负相关关系,从而验证了高管强制变更对企业创新投入的抑制作用。进一步研究发现,分析师跟踪可以缓解高管强制变更对企业创新投入的抑制作用,且分析师跟踪的调节功能在高盈余管理程度和国有企业样本组中更显著,说明盈余信息质量和产权性质会影响分析师跟踪调节作用的发挥。具体来看,分析师跟踪能够降低投资者与高管之间的信息不对称程度,缓解创新活动中的委托代理问题,从而减少高管短视行为,提升高管团队的稳定性,弱化高管强制变更对企业创新投入的抑制作用。
基于上述结论,本文得到如下启示:(1)高管频繁变更会抑制企业创新投入,企业应当保持高管团队的相对稳定性,以增强高管团队的决策凝聚力和提高高管团队的决策效率,进而提升企业创新投入效能;(2)企业应建立健全高管素质、道德与能力的评价机制,降低高管职业压力,增强责任感与风险防范意识,提高创新投入全过程管理水平;(3)企业实施更加严格的投资决策程序,确保技术创新活动不受内外部环境变化的影响;(4)政府在实施“建设创新型国家”发展战略的同时,应完善和加强分析师等市场中介队伍的建设,以持续增进企业创新投入的长远效益。
-
摘要: 文章以2010−2017年中国沪深两市A股上市公司为样本,实证考察了高管强制变更对企业创新投入的影响以及分析师跟踪的调节作用。研究发现,高管强制变更与企业创新投入呈显著负相关关系,分析师跟踪可以减少企业高管短视行为,提升企业高管团队的稳定性,从而缓解高管强制变更对企业创新投入的抑制作用。进一步研究发现,盈余信息质量和产权性质会影响分析师跟踪调节作用的发挥,从而证实分析师通过缓解企业信息不对称程度和委托代理问题来发挥其调节功能。
Executive Mandatory Change, Analyst Tracking and Corporate Innovation Investment
Abstract: Using the data of Shanghai’s and Shenzhen’s A-share listed companies from 2010 to 2017, this paper empirically examines the impact of executive mandatory change on corporate innovation investment and the moderating effect of analyst tracking in this process. The result shows that there is a significantly negative correlation between executive mandatory change and corporate innovation investment, and that analyst tracking can reduce the short-sighted behavior of corporate executives and improve the stability of corporate executive team thereby mitigating the impact of mandatory executive changes on corporate innovation intervention. Further study shows that the quality of earning information and the state ownership affect the performance of analyst tracking, thus confirming that the analyst tracking exerts his/her regulating function by alleviating information asymmetry and principal-agent problems in companies. -
表 1 变量定义
变量 定义 R&D 企业创新投入,滞后一期的企业研发费用总额的自然对数 Change 若发生高管强制变更,赋值为1,否则为0 Follow 当年对目标企业做出盈余预测的分析师人数的自然对数 Tobin Q 当年目标企业的托宾Q值 Lev 总负债与总资产的比值 Age 企业成立年数的自然对数 Growth 营业收入增长率 Size 总资产的自然对数 Cash 货币资金的自然对数 ROA 总资产收益率 SOE 国有企业,赋值为1,否则为0 Year 年度固定效应的虚拟变量,控制影响创新投入的年度效应 Industry 年度固定效应的虚拟变量,证监会二分位行业代码 表 2 主要变量的描述性统计
变量 观测值 均值 标准差 最小值 中位数 最大值 R&D 8,550 17.860 1.356 13.530 17.820 21.430 Change 8,550 0.117 0.321 0.000 0.000 1.000 Follow 8,550 9.714 8.460 1.000 7.000 65.000 Tobin Q 8,550 2.990 2.505 0.237 2.227 13.210 Age 8,550 2.531 0.466 1.099 2.639 3.332 Size 8,550 21.960 1.241 19.900 21.750 25.850 Lev 8,550 0.371 0.201 0.046 0.352 0.857 ROA 8,550 0.051 0.046 -0.133 0.048 0.188 Growth 8,550 0.176 0.359 -0.432 0.103 2.258 Cash 8,550 20.230 1.186 17.440 20.100 23.920 SOE 8,550 0.287 0.452 0.000 0.000 1.000 P_R&D 8,550 17.680 1.361 13.530 17.640 21.430 注:P_R&D为当期研发费用总额的自然对数。 表 3 高管强制变更、分析师跟踪与企业创新投入
变量 R&D (1) (2) (3) (4) Change −0.103** −0.102*** −0.276*** −0.220*** (−2.347) (−2.818) (−3.247) (−2.904) Follow 0.125*** 0.145*** (8.559) (11.434) Change×Follow 0.113*** 0.081** (2.718) (2.231) Tobin Q 0.049*** 0.019*** 0.048*** 0.012** (9.764) (3.182) (9.675) (2.119) Age −0.105*** −0.101*** −0.074*** −0.087*** (−3.977) (−4.300) (−2.786) (−3.730) Size 0.577*** 0.706*** 0.544*** 0.650*** (23.372) (30.717) (22.015) (28.053) Lev 0.120 0.039 0.158* 0.082 (1.254) (0.469) (1.675) (0.986) ROA 2.561*** 3.736*** 1.459*** 2.598*** (7.945) (12.963) (4.211) (8.565) Growth 0.133*** 0.117*** 0.126*** 0.111*** (3.513) (3.689) (3.352) (3.578) Cash 0.139*** 0.069*** 0.124*** 0.063*** (6.827) (3.860) (6.136) (3.543) Cons −0.189*** −0.017 −0.155*** 0.028 (−5.229) (−0.557) (−4.315) (0.913) 年度/行业 No Yes No Yes N 8,550 8,550 8,550 8,550 Adj_R2 0.330 0.534 0.338 0.543 注:*、**、***分别表示在10%、5%和1%水平上显著,括号内为t值。 表 4 分析师跟踪调节作用的机制与路径检验
变量 高盈余管理程度 低盈余管理程度 国有企业 非国有企业 (1) (2) (3) (4) Change −0.336*** −0.003 −0.273** −0.183* (−3.243) (−0.038) (−2.259) (−1.889) Follow 0.144*** 0.132*** 0.142*** 0.139*** (8.269) (7.346) (4.896) (10.379) Change×Follow 0.140*** −0.020 0.126** 0.045 (2.874) (−0.413) (2.203) (0.986) Controls Yes Yes Yes Yes 年度/行业 Yes Yes Yes Yes N 4,887 3,663 2,454 6,096 Adj _R2 0.515 0.578 0.563 0.542 注:*、**、***分别表示在10%、5%和1%水平上显著,括号内为t值;限于篇幅,未报告控制变量的回归结果,相关资料备索。 表 5 稳健性检验:倾向得分匹配法(PSM)
匹配方法 Treat Control ATT Std.Err t值 一对一匹配 1,000 7,550 −0.119 0.046 −2.254 半径匹配 1,000 7,550 −0.114 0.044 −2.268 表 6 稳健性检验:高管强制变更、企业创新投入的替代变量
变量 调整后的高管强制变更 研发投入占总资产的比重 (1) (2) (3) (4) Adchange −0.094** −0.215*** (−2.449) (−2.863) Change −0.001** −0.002** (−1.965) (−2.428) Follow 0.144*** 0.002*** (11.513) (8.432) Adchange×Follow 0.087** (2.438) Change×Follow 0.001** (1.794) Controls Yes Yes Yes Yes 年度/行业 Yes Yes Yes Yes N 8,550 8,550 8,550 8,550 Adj_R2 0.533 0.543 0.298 0.305 注:*、**、***分别表示在10%、5%和1%水平上显著,括号内为t值;限于篇幅,未报告控制变量的回归结果,相关资料备索。 -
[1] 陈丽蓉, 韩彬, 杨兴龙. 2015. 企业社会责任与高管变更交互影响研究——基于A股上市公司的经验证据. 会计研究 (8): 59−66. [2] 陈钦源, 马黎珺, 伊志宏. 2017. 分析师跟踪与企业创新绩效——中国的逻辑. 南开管理评论 (3): 15−27. doi: 10.3969/j.issn.1008-3448.2017.03.003 [3] 程晨. 2016. 制度背景、高管变更与企业技术创新. 武汉: 华中科技大学. [4] 杜兴强, 周泽将. 2010. 高管变更、继任来源与盈余管理. 当代经济科学 (1): 23−33. doi: 10.3969/j.issn.1002-2848.2010.01.004 [5] 宫义飞. 2019. 分析师跟踪在资本市场中的作用. 北京: 科学出版社. [6] 黄艺翔, 姚铮. 2015. 风险投资对上市公司研发投入的影响——基于政府专项研发补助的视角. 科学学研究 (5): 674−682. doi: 10.3969/j.issn.1003-2053.2015.05.005 [7] 颉茂华, 王瑾, 刘冬梅. 2014. 环境规制、技术创新与企业经营绩效. 南开管理评论 (6): 108−115. [8] 寇宗来, 高琼. 2013. 市场结构、市场绩效与企业的创新行为——基于中国工业企业层面的面板数据分析. 产业经济研究 (3): 1−11. doi: 10.3969/j.issn.1671-9301.2013.03.001 [9] 林永坚, 王志强, 李茂良. 2013. 高管变更与盈余管理——基于应计项目操控与真实活动操控的实证研究. 南开管理评论 (1): 6−16. [10] 刘柏, 徐小欢. 2019. 信息透明度影响企业研发创新吗? 外国经济与管理 (10): 1−13. [11] 刘星, 代彬, 郝颖. 2012. 高管权力与公司治理效率——基于国有上市公司高管变更的视角. 管理工程学报 (1): 5−16. [12] 马红, 王元月. 2017. 金融环境、产融结合与我国企业成长. 财经科学 (1): 59−71. [13] 饶品贵, 徐子慧. 2017. 经济政策不确定性影响了企业高管变更吗? 管理世界 (1): 145−157. [14] 田轩, 孟清扬. 2018. 股权激励计划能促进企业创新吗? 南开管理评论 (3): 178−192. [15] 温军, 冯根福. 2012. 异质机构、企业性质与自主创新. 经济研究 (3): 54−65. [16] 吴良海. 2014. 高管变更、投资行为与公司绩效. 北京: 经济科学出版社. [17] 吴延兵. 2007. 企业规模、市场力量与创新: 一个文献综述. 经济研究 (5): 125−138. [18] 肖利平. 2016. 政府干预、产学联盟与企业技术创新. 科学学与科学技术管理 (3): 23−32. [19] 解维敏, 方红星. 2011. 金融发展、融资约束与企业研发投入. 金融研究 (5): 175−187. [20] 徐欣, 唐清泉. 2010. 财务分析师跟踪与企业R&D活动——来自中国证券市场的研究. 金融研究 (12): 177−193. [21] 余明桂, 钟慧洁, 范蕊. 2017. 分析师关注与企业创新——来自中国资本市场的经验证据. 经济管理 (3): 177−194. [22] 袁建国, 后青松, 程晨. 2015. 企业政治资源的诅咒效应——基于政治关联与企业技术创新的考察. 管理世界 (1): 139−155. [23] 张兆国, 曹丹婷, 张弛. 2018. 高管团队稳定性会影响企业技术创新绩效吗——基于薪酬激励和社会关系的调节作用研究. 会计研究 (12): 49−56. [24] Andrus, J. L., M. C. Withers, S. H. Courtright, and S. Boivie. 2019. Go your own way: Exploring the causes of top executive turnover. Strategic Management Journal 40(7): 1151−1168. doi: 10.1002/smj.3020 [25] Barth, M. E., R. Kasznik, and M. F. McNichols. 2001. Analyst coverage and intangible assets. Journal of Accounting Research 39(1): 1−34. doi: 10.1111/1475-679X.00001 [26] Bhojraj, S., and R. Libby. 2005. Capital market pressure, disclosure frequency-induced earnings/cash flow conflict, and managerial myopia. The Accounting Review 80(1): 1−20. doi: 10.2308/accr.2005.80.1.1 [27] Collewaert, V., and H. J. Sapienza. 2016. How does angel investor–entrepreneur conflict affect venture innovation? It depends. Entrepreneurship Theory and Practice 40(3): 573−579. [28] Galasso, A., and T. S. Simcoe. 2010. CEO overconfidence and innovation. Management Science 57(8): 1469−1484. [29] Hao, Q., and K. Li. 2016. The bright side of discretionary accruals: Evidence from finance and innovation. European Financial Management 22(4): 540−575. doi: 10.1111/eufm.12068 [30] Hayek, F. A. 1945. The use of knowledge in society. American Economic Review 35(4): 519−530. [31] Healy, P. M., and K. G. Palepu. 2001. Information asymmetry, corporate disclosure, and the capital markets: A review of the empirical disclosure literature. Journal of Accounting and Economics 31(1-3): 405−440. [32] Hirshleifer, D., A. Low, and S. H. Teoh. 2012. Are overconfident CEOs better innovators? The Journal of Finance 67(4): 1457−1498. doi: 10.1111/j.1540-6261.2012.01753.x [33] Hsu, P. H., X. Tian, and Y. Xu. 2014. Financial development and innovation: Cross-country evidence. Journal of Financial Economics 112(1): 116−135. doi: 10.1016/j.jfineco.2013.12.002 [34] Jensen, M. C., and W. H. Meckling. 1976. Theory of the firm: Managerial behavior, agency costs, and ownership structure. Journal of Financial Economics 3(4): 305−360. [35] Koeller, C. T. 2005. Technological opportunity and the relationship between innovation output and market structure. Managerial and Decision Economics 26(3): 209−222. doi: 10.1002/mde.1205 [36] Porter, M. E. 1992. Capital choices: Changing the way America invests in industry. Journal of Applied Corporate Finance 5(2): 4−16. doi: 10.1111/j.1745-6622.1992.tb00485.x [37] Schumpeter, J. A. 1911. The theory of economic development. Journal of Political Economy 1(2): 170−172. [38] Shroff, N., R. S. Verdi, and G. Yu. 2014. Information environment and the investment decisions of multinational corporations. The Accounting Review 89(2): 759−790. doi: 10.2308/accr-50643 [39] Spence, M. 1973. Job market signaling. The Quarterly Journal of Economics 87(3): 355−374. doi: 10.2307/1882010 [40] Virany, B., M. L. Tushman, and E. Romanelli. 1992. Executive succession and organization outcomes in turbulent environments: An organization learning approach. Organization Science 3(1): 72−91. doi: 10.1287/orsc.3.1.72 [41] Zhang, L. Y., and T. Melissa. 2018. The information environment of the firm and the market valuation of R&D. Journal of Business Finance & Accounting 45(9-10): 1051−1081.
点击查看大图
计量
- 文章访问数: 7254
- HTML全文浏览量: 442
- PDF下载量: 4816
- 被引次数: 0

下载: 
