主办: 上海立信会计金融学院

  • ISSN 2096-9554
  • CN 31-2074/F

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

分析师实地调研与企业分类转移盈余管理

翟淑萍 甦叶 袁克丽

翟淑萍, 甦叶, 袁克丽. 2022. 分析师实地调研与企业分类转移盈余管理. 会计与经济研究, 36(3): 33-53.
引用本文: 翟淑萍, 甦叶, 袁克丽. 2022. 分析师实地调研与企业分类转移盈余管理. 会计与经济研究, 36(3): 33-53.
Zhai Shuping, Su Ye, Yuan Keli. 2022. Analysts’ Site Visits and Corporate Classification Shifting Earnings Management. Accounting and Economic Research, 36(3): 33-53.
Citation: Zhai Shuping, Su Ye, Yuan Keli. 2022. Analysts’ Site Visits and Corporate Classification Shifting Earnings Management. Accounting and Economic Research, 36(3): 33-53.

分析师实地调研与企业分类转移盈余管理

基金项目: 国家自然科学基金面上项目(71972140)
详细信息
  • 摘要: 文章以2013−2018年深市A股上市公司为研究样本,实证检验了分析师实地调研对企业分类转移盈余管理的影响及其内在机理。研究发现,提高分析师实地调研强度、提升其对业绩信息挖掘的深度可以有效抑制企业分类转移盈余管理;当调研信息质量较高时,分析师实地调研对企业分类转移盈余管理的抑制作用更显著。影响机理的检验证实,分析师实地调研通过缓解管理层的迎合动机以及发挥直接与间接的监督效应对企业分类转移盈余管理产生影响。进一步研究发现,分析师实地调研对企业分类转移盈余管理的治理效应在董事会独立性较低和外部审计质量较差的企业更明显;分析师特征异质性检验发现,非关联分析师和专业能力较强的分析师实地调研更能对企业分类转移盈余管理产生抑制作用。

    Analysts’ Site Visits and Corporate Classification Shifting Earnings Management

  • 表  1  变量定义

    变量 变量名称 变量说明
    UE_CE 分类转移盈余管理程度 模型(1)分年度分行业回归估计的残差
    VISIT_N 分析师实地调研−调研强度 分析师对上市公司实地调研次数的自然对数
    VISIT_YJ 分析师实地调研−业绩信息挖掘程度 分析师实地调研对业绩信息的提及次数的自然对数
    LENGTH 调研文本信息含量 调研文本篇幅的自然对数
    ADVERSET 调研文本逻辑复杂性 调研文本中包含逆接关系连接成分的个数
    ESTIMATE 调研文本字词估计性 调研文本中包含估计成分的个数
    SIZE 公司规模 总资产的自然对数
    LEV 资产负债率 期末总负债/期末总资产
    ROA 盈利能力 净利润/期末总资产
    GROWTH 成长性 (当年主营业务收入−上年主营业务收入)/上年主营业务收入
    CF 经营活动现金流 经营活动现金流量/总资产
    MB 市账比 年个股总市值/所有者权益
    AGE 公司年龄 公司成立年限加1取自然对数
    DUAL 两职合一 当董事长与总经理两职合一时取值为1,否则为0
    BOARD 董事会规模 董事会人数
    IDRATIO 独立董事比例 独立董事比例
    TOP10 前十大股东持股比例 前十大股东持股数/年末总股数
    SOE 产权性质 当实际控股股东为国有时取值为1,否则为0
    MSH 管理层持股 当管理层持股时取值为1,否则为0
    BIG4 审计质量 当公司年报为四大会计师事务所审计时取值为1,否则为0
    HORIZON 预测期限 分析师报告发布日与公司年报报出日平均间隔天数的自然对数
    DA 应计盈余管理程度 根据Dechow等(1995)的修正琼斯模型计算
    REM 真实盈余管理程度 根据Roychowdhury(2006)的模型计算
    IND 行业哑变量 根据证监会2012年划分的行业分类设置行业虚拟变量
    YEAR 年度哑变量 年份虚拟变量,属于该年份取值为1,否则为0
    下载: 导出CSV

    表  2  主要变量的描述性统计

    变量 观测值 均值 最小值 1/4分位 中位数 3/4分位 最大值 标准差
    UE_CE 6190 0.003 −0.125 −0.009 0.004 0.016 0.081 0.028
    VISIT_N 6190 1.540 0.693 1.099 1.386 1.946 3.135 0.660
    VISIT_YJ 6190 2.031 0 1.386 2.079 2.708 5.094 0.931
    LENGTH 6190 7.094 5.403 6.709 7.115 7.501 8.487 0.604
    ADVERSET 6190 0.318 0 0 0 0 34 1.373
    ESTIMATE 6190 2.863 0 0 1 4 23 4.297
    注:限于篇幅,未报告控制变量的描述性统计结果,资料备索。
    下载: 导出CSV

    表  3  分析师实地调研与企业分类转移盈余管理

    变量 UE_CE
    (1) (2)
    VISIT_N −0.001***
    (−3.18)
    VISIT_YJ −0.001***
    (−2.92)
    LEV 0.011*** 0.011***
    (4.25) (4.48)
    SIZE −0.002*** −0.002***
    (−3.66) (−3.84)
    AGE 0.002* 0.002*
    (1.79) (1.89)
    CF −0.073*** −0.071***
    (−6.09) (−5.98)
    MB −0.001*** −0.001***
    (−5.89) (−5.86)
    ROA 0.390*** 0.386***
    (24.55) (24.41)
    GROWTH −0.008*** −0.008***
    (−6.34) (−6.27)
    DUAL −0.000 −0.000
    (−0.39) (−0.40)
    BOARD −0.000 −0.000
    (−0.02) (−0.02)
    IDRATIO −0.005 −0.005
    (−0.84) (−0.88)
    SOE 0.002* 0.002*
    (1.96) (1.90)
    TOP10 −0.008*** −0.008***
    (−3.40) (−3.56)
    MSH −0.000 −0.000
    (−0.14) (−0.08)
    BIG4 −0.003* −0.004**
    (−1.67) (−1.77)
    HORIZON −0.002** −0.001**
    (−2.38) (−2.33)
    DA 0.043*** 0.045***
    (5.59) (5.85)
    REM 0.004 0.004
    (1.40) (1.31)
    常数项 0.040*** 0.037***
    (3.67) (3.46)
    YEAR/IND 控制 控制
    N 6190 6190
    Adj. R2 0.403 0.402
      注:******分别表示在1%、5%、10%的水平上显著,括号内为t值,标准误差经过公司层面Cluster调整,下同。
    下载: 导出CSV

    表  4  文本信息含量、分析师实地调研与企业分类转移盈余管理

    变量 UE_CE
    (1) (2)
    VISIT_N −0.004**
    (−2.56)
    VISIT_N×LENGTH −0.001***
    (−2.83)
    VISIT_YJ −0.002**
    (−2.49)
    VISIT_YJ×LENGTH −0.001***
    (−4.37)
    LENGTH 0.001 −0.001
    (0.83) (−1.05)
    Controls 控制 控制
    YEAR/IND 控制 控制
    N 6190 6190
    Adj. R2 0.402 0.350
    注:限于篇幅,未报告控制变量的回归结果,资料备索,下同。
    下载: 导出CSV

    表  5  文本逻辑复杂性、分析师实地调研与企业分类转移盈余管理

    变量 UE_CE
    (1) (2)
    VISIT_N −0.001***
    (−3.31)
    VISIT_N×ADVERSET 0.001*
    (1.79)
    VISIT_YJ −0.001***
    (−2.64)
    VISIT_YJ×ADVERSET 0.001**
    (2.04)
    ADVERSET −0.001** −0.002**
    (−1.97) (−2.16)
    Controls 控制 控制
    YEAR/IND 控制 控制
    N 6190 6190
    Adj. R2 0.399 0.399
    下载: 导出CSV

    表  6  文本字词估计性、分析师实地调研与企业分类转移盈余管理

    变量 UE_CE
    (1) (2)
    VISIT_N −0.001***
    (−2.92)
    VISIT_N×ESTIMATE 0.000***
    (2.82)
    VISIT_YJ −0.001**
    (−1.98)
    VISIT_YJ×ESTIMATE 0.000**
    (2.01)
    ESTIMATE −0.001*** −0.001**
    (−3.21) (−2.54)
    Controls 控制 控制
    YEAR/IND 控制 控制
    N 6190 6190
    Adj. R2 0.401 0.402
    下载: 导出CSV

    表  7  作用机理检验: 分析师实地调研−调研强度

    变量 UE_CE
    迎合动机强
    (1)
    迎合动机弱
    (2)
    代理成本高
    (3)
    代理成本低
    (4)
    信息透明度高
    (5)
    信息透明度低
    (6)
    VISIT_N −0.001*** 0.001 −0.001*** −0.001 −0.000 −0.002***
    (−3.32) (0.90) (−2.64) (−0.95) (−0.68) (−2.90)
    Controls 控制 控制 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制 控制 控制
    N 5273 917 3098 3092 1604 4586
    Adj. R2 0.217 0.675 0.397 0.428 0.334 0.423
    下载: 导出CSV

    表  8  作用机理检验: 分析师实地调研−业绩信息挖掘程度

    变量 UE_CE
    迎合动机强
    (1)
    迎合动机弱
    (2)
    代理成本高
    (3)
    代理成本低
    (4)
    信息透明度高
    (5)
    信息透明度低
    (6)
    VISIT_YJ −0.001*** −0.001 −0.001*** −0.001 −0.000 −0.001**
    (−2.79) (1.40) (−2.65) (−1.29) (−0.80) (−2.35)
    Controls 控制 控制 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制 控制 控制
    N 5273 917 3098 3092 1604 4586
    Adj. R2 0.216 0.676 0.397 0.422 0.334 0.422
    下载: 导出CSV

    表  9  稳健性检验

    变量 UE_CE
    改变核心盈余的衡量方式 剔除特殊的样本数据
    (1) (2) (3) (4)
    VISIT_N −0.003*** −0.002***
    (−2.81) (−3.42)
    VISIT_YJ −0.002*** −0.001***
    (−2.99) (−2.96)
    Controls 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制
    N 6190 6190 5866 5866
    Adj. R2 0.167 0.167 0.408 0.405
    下载: 导出CSV

    表  10  稳健性检验: 工具变量2SLS方法

    变量 VISIT_N UE_CE VISIT_YJ UE_CE
    第一阶段
    (1)
    第二阶段
    (2)
    第一阶段
    (3)
    第二阶段
    (4)
    GT 0.186*** 0.215***
    (10.53) (8.58)
    VISIT_N −0.007**
    (−2.35)
    VISIT_YJ −0.006**
    (−2.33)
    Controls 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制
    N 6190 6190 6190 6190
    Adj. R2 0.098 0.469 0.095 0.458
    弱工具变量检验
    Robust F-statistic(instruments) 110.918 73.234
    F-statistic P-value 0.000 0.000
    DWH检验 P-value 0.078 0.056
    下载: 导出CSV

    表  11  稳健性检验: Heckman两阶段回归方法

    变量 DVISIT UE_CE UE_CE
    第一阶段
    (1)
    第二阶段
    (2)
    第二阶段
    (3)
    VISIT_N −0.002***
    (−3.43)
    VISIT_YJ −0.001***
    (−2.89)
    IMR 0.001* 0.001*
    (1.65) (1.69)
    Controls 控制 控制 控制
    YEAR/IND 控制 控制 控制
    N 8639 6190 6190
    Adj. R2 0.755 0.459 0.459
    下载: 导出CSV

    表  12  董事会独立性的影响

    变量 UE_CE
    董事会
    独立性低
    (1)
    董事会
    独立性高
    (2)
    董事会
    独立性低
    (3)
    董事会
    独立性高
    (4)
    下载: 导出CSV

    表  13  外部审计质量的影响

    变量 UE_CE
    审计质量低
    (1)
    审计质量高
    (2)
    审计质量低
    (3)
    审计质量高
    (4)
    VISIT_N −0.001*** −0.000
    (−3.38) (−0.06)
    VISIT_YJ −0.001*** 0.001
    (−2.84) (0.95)
    Controls 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制
    N 6008 182 6008 182
    Adj. R2 0.405 0.498 0.406 0.500
    下载: 导出CSV

    表  14  分析师利益冲突的影响:承销关系

    变量 UE_CE
    承销商
    分析师
    (1)
    非承销商
    分析师
    (2)
    承销商
    分析师
    (3)
    非承销商
    分析师
    (4)
    VISIT_N −0.001 −0.001**
    (−1.36) (−2.41)
    VISIT_YJ −0.001 −0.001*
    (−1.51) (−1.95)
    Controls 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制
    N 2330 3860 2330 3860
    Adj. R2 0.383 0.418 0.383 0.416
    下载: 导出CSV

    表  15  分析师利益冲突的影响:基金股权关系

    变量 UE_CE
    股权关联
    分析师
    (1)
    非股权关联
    分析师
    (2)
    股权关联
    分析师
    (3)
    非股权关联
    分析师
    (4)
    VISIT_N −0.001 −0.001***
    (−1.51) (−2.85)
    VISIT_YJ −0.001 −0.001**
    (−1.55) (−2.33)
    Controls 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制
    N 1495 4695 1495 4695
    Adj. R2 0.452 0.469 0.460 0.469
    下载: 导出CSV

    表  16  分析师专业能力的影响:从业经验

    变量 UE_CE
    经验丰富
    (1)
    经验不足
    (2)
    经验丰富
    (3)
    经验不足
    (4)
    VISIT_N −0.001** −0.001
    (−2.42) (−1.58)
    VISIT_YJ −0.001** −0.001
    (−2.25) (−1.61)
    Controls 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制
    N 3092 3098 3092 3098
    Adj. R2 0.390 0.427 0.389 0.425
    下载: 导出CSV

    表  17  分析师专业能力的影响:券商规模

    变量 UE_CE
    券商规模大
    (1)
    券商规模小
    (2)
    券商规模大
    (3)
    券商规模小
    (4)
    VISIT_N −0.002*** −0.001
    (−2.81) (−1.42)
    VISIT_YJ −0.001*** −0.000
    (−2.94) (−0.81)
    Controls 控制 控制 控制 控制
    YEAR/IND 控制 控制 控制 控制
    N 3091 3099 3091 3099
    Adj. R2 0.388 0.424 0.389 0.423
    下载: 导出CSV
  • [1] 曹新伟, 洪剑峭, 贾琬娇. 2015. 分析师实地调研与资本市场信息效率——基于股价同步性的研究. 经济管理 (8): 141−150.
    [2] 程富, 王福胜. 2015. 基于分类转移的盈余管理研究——来自中国上市公司的经验证据. 财经研究 (7): 81−92.
    [3] 戴亦一, 肖金利, 潘越. 2016. “乡音”能否降低公司代理成本? ——基于方言视角的研究. 经济研究 (12): 147−186.
    [4] 高雨, 闫绪奇. 2014. 上市公司分类转移盈余管理研究——基于政策监管视角. 会计与经济研究 (1): 32−42.
    [5] 胡奕明, 林文雄. 2005. 信息关注深度、分析能力与分析质量——对我国证券分析师的调查分析. 金融研究 (2): 46−58.
    [6] 贾琬娇, 洪剑峭, 徐媛媛. 2015. 我国证券分析师实地调研有价值吗——基于盈余预测准确性的一项实证研究. 投资研究 (4): 96−113.
    [7] 贾巧玉, 周嘉南. 2016. 分类转移与市场定价研究——来自中国资本市场的经验证据. 证券市场导报 (8): 33−39.
    [8] 姜波, 周铭山. 2015. 参股基金公司持股与分析师乐观性. 财经研究 (1): 118−131.
    [9] 李翔, 冯峥. 2006. 会计信息披露需求: 来自证券研究机构的分析. 会计研究 (3): 63−68. doi: 10.3969/j.issn.1003-2886.2006.03.009
    [10] 李晓溪, 刘静, 王克敏. 2015. 公开增发公司分类转移与核心盈余异象研究. 会计研究 (7): 26−33. doi: 10.3969/j.issn.1003-2886.2015.07.004
    [11] 李星辰, 姜英兵. 2018. 股权激励与分类转移盈余管理——基于股权激励契约要素角度. 宏观经济研究 (2): 44−58.
    [12] 黎文靖, 潘大巍. 2018. 分析师实地调研提高了信息效率吗? ——基于年报市场反应的分析. 会计与经济研究 (1): 21−39.
    [13] 廖秋忠. 1986. 现代汉语篇章中的连接成分. 中国语文 (6): 413−427 .
    [14] 刘宝华, 罗宏, 周微. 2016. 股权激励行权限制与盈余管理优序选择. 管理世界 (11): 141−155.
    [15] 路军伟, 张珂, 于小偶. 2019. 上市公司IPO与分类转移盈余管理——来自我国A股市场的经验证据. 会计研究 (8): 25−31. doi: 10.3969/j.issn.1003-2886.2019.08.004
    [16] 路军伟, 卜小霞. 2020. 上市公司分类转移操控旨在迎合谁? ——来自A股市场的经验证据. 中南财经政法大学学报 (3): 14−24, 158−159.
    [17] 潘越, 戴亦一, 林超群. 2011. 信息不透明、分析师关注与个股暴跌风险. 金融研究 (9): 138−151.
    [18] 王克敏, 王华杰, 李栋栋, 戴杏云. 2018. 年报文本信息复杂性与管理者自利——来自中国上市公司的证据. 管理世界 (12): 120−132. doi: 10.3969/j.issn.1002-5502.2018.12.011
    [19] 徐媛媛, 洪剑峭, 曹新伟. 2015. 我国上市公司特征与证券分析师实地调研. 投资研究 (1): 121−136.
    [20] 徐沛勣. 2020. 高管薪酬、董事会治理与分类转移. 财贸经济 (3): 80−99. doi: 10.3969/j.issn.1002-8102.2020.03.007
    [21] 谢德仁, 张新一, 崔宸瑜. 2019. 经常性与非经常性损益分类操纵——来自业绩型股权激励“踩线”达标的证据. 管理世界 (7): 167−204. doi: 10.3969/j.issn.1002-5502.2019.07.014
    [22] 伊志宏, 申丹琳, 江轩宇. 2018. 分析师乐观偏差对企业创新的影响研究. 管理学报 (3): 382−391.
    [23] 伊志宏, 杨圣之, 陈钦源. 2019. 分析师能降低股价同步性吗——基于研究报告文本分析的实证研究. 中国工业经济 (1): 156−173.
    [24] 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): 175−192.
    [25] 岳思诗, 范紫莹, 董大勇. 2019. 上市公司调研信息披露质量的影响因素研究——基于我国A股市场调研信息披露的数据. 经济体制改革 (5): 113−120.
    [26] 原红旗, 黄倩茹. 2007. 承销商分析师与非承销商分析师预测评级比较研究. 中国会计评论 (3): 285−304.
    [27] 翟淑萍, 袁克丽. 2020. 分析师实地调研能缓解企业融资约束吗? 山西财经大学学报 (1): 113−126.
    [28] 周冬华, 赵玉洁. 2016. 证券分析师盈余预测乐观倾向: 利益关联还是启发式认知偏差? 管理评论 (1): 205−218.
    [29] 张友棠, 熊毅, 曾芝红. 2019. 异常审计收费与分类转移盈余管理——经济租金还是审计成本. 审计研究 (2): 82−90. doi: 10.3969/j.issn.1002-4239.2019.02.013
    [30] 张子余, 张天西. 2012. “特殊损失项目”与“核心费用”之间的归类变更盈余管理研究. 财经研究 (3): 70−80.
    [31] 张勇. 2017. 供应链关系型交易会诱发企业分类转移盈余管理行为吗? 证券市场导报 (7): 43−51.
    [32] 赵刚, 江雨佳, 马杨, 吕雅铭. 2019. 新审计准则实施改善了资本市场信息环境吗? ——基于分析师盈余预测准确性的研究. 财经研究 (9): 114−126.
    [33] Bradshaw, M. T., and R. G. Sloan. 2002. GAAP versus the street: An empirical assessment of two alternative definitions of earnings. Journal of Accounting Research 40(1): 41−66. doi: 10.1111/1475-679X.00038
    [34] Barua, A., S. Lin, and A. M. Sbaraglia. 2010. Earnings managament using discontinued operations. Accounting Review 8(5): 1185−1509.
    [35] Behn, B. K., G. Gotti, and D. Hermann. 2013. Classification shifting in an international setting: Investor protection and financial analysts monitoring. Journal of International Accounting Research 12(2): 27−50. doi: 10.2308/jiar-50439
    [36] Chen, J. V., and F. Li. 2017. Estimating the amount of estimation in accruals. SSRN Working Paper.
    [37] Cheng, Q., F. Du, X. Wang, and Y. Wang. 2016. Seeing is believing: Analysts corporate site visits. Review of Accounting Studies 21(4): 1245−1286. doi: 10.1007/s11142-016-9368-9
    [38] Cheng, Q., F. Du, and Y. Wang. 2019. Do corporate site visits impact stock prices? Contemporary Accounting Research 36(1): 359−388.
    [39] Clement, M. B. 1999. Analyst forecast accuracy: Do ability, resources and portfolio complexity matter? Journal of Accounting and Economics 27(3): 285−303.
    [40] Dechow, P. M., R. G. Sloan, and A. P. Sweeney. 1995. Detecting earnings management. The Accounting Review 70(2): 193−225.
    [41] Fan, Y., A. Barua., W. Cready, and W. Thomas. 2010. Managing earnings using classification shifting: Evidence from quarterly special items. Accounting Review 85(4): 1303−1323. doi: 10.2308/accr.2010.85.4.1303
    [42] Fan, Y., and X. Liu. 2017. Misclassifying core expenses as special items: Cost of goods sold or selling, general, and administrative expenses? Contemporary Accounting Research 34(1): 400−426.
    [43] Gu, Z., Z. Li, and Y. G. Yang. 2013. Monitors or predators: The influence of institutional investors on sell-side analysts. Accounting Review 88(1): 137−169. doi: 10.2308/accr-50263
    [44] Haw, I. M., S. M. Ho, and A. Y. Li. 2011. Corporate governance and earnings management by classification shifting. Contempora Accounting Research 28(2): 517−553. doi: 10.1111/j.1911-3846.2010.01059.x
    [45] Han, B., D. Kong, and S. Liu. 2018. Do analysts gain an informational advantage by visiting listed companies. Contemporary Accounting Research 35(4): 1843−1867. doi: 10.1111/1911-3846.12363
    [46] 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): 405−440.
    [47] Merton, R. A. 1987. Simple model of capital market equilibrium with incomplete information. Journal of Finance (7): 120−135.
    [48] McVay, S. 2006. Earnings management using classification shifting: An examination of core earnings and special items. Accounting Review 81(3): 501−531. doi: 10.2308/accr.2006.81.3.501
    [49] Roychowdhury, S. 2006. Earnings management through real activities manipulation. Journal of Accounting and Economics 42(3): 335−370.
    [50] Xu, N., K. C. Chan, X. Jiang, and Z. Yi. 2013. Do star analysts know more firm-specific information? Evidence from China. Journal of Banking & Finance 37(1): 89−102.
    [51] Zhao, F. 2018. Analyst coverage and earnings management using classification shifting. Accounting and Finance Research 3(7): 172−179.
表(17)
计量
  • 文章访问数:  415
  • HTML全文浏览量:  216
  • PDF下载量:  392
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-20
  • 网络出版日期:  2022-06-29
  • 刊出日期:  2022-06-29

目录

    分析师实地调研与企业分类转移盈余管理

      基金项目:  国家自然科学基金面上项目(71972140)
      作者简介:

      翟淑萍(通讯作者),博士,天津财经大学会计学院教授,zhaishuping2008@163.com

      甦叶,天津财经大学会计学院博士研究生,suyesuye1234@163.com

      袁克丽,博士,天津中医药大学管理学院讲师,yuankelikuaiji@126.com

    • 中图分类号: F275.2

    摘要: 文章以2013−2018年深市A股上市公司为研究样本,实证检验了分析师实地调研对企业分类转移盈余管理的影响及其内在机理。研究发现,提高分析师实地调研强度、提升其对业绩信息挖掘的深度可以有效抑制企业分类转移盈余管理;当调研信息质量较高时,分析师实地调研对企业分类转移盈余管理的抑制作用更显著。影响机理的检验证实,分析师实地调研通过缓解管理层的迎合动机以及发挥直接与间接的监督效应对企业分类转移盈余管理产生影响。进一步研究发现,分析师实地调研对企业分类转移盈余管理的治理效应在董事会独立性较低和外部审计质量较差的企业更明显;分析师特征异质性检验发现,非关联分析师和专业能力较强的分析师实地调研更能对企业分类转移盈余管理产生抑制作用。

    English Abstract

    翟淑萍, 甦叶, 袁克丽. 2022. 分析师实地调研与企业分类转移盈余管理. 会计与经济研究, 36(3): 33-53.
    引用本文: 翟淑萍, 甦叶, 袁克丽. 2022. 分析师实地调研与企业分类转移盈余管理. 会计与经济研究, 36(3): 33-53.
    Zhai Shuping, Su Ye, Yuan Keli. 2022. Analysts’ Site Visits and Corporate Classification Shifting Earnings Management. Accounting and Economic Research, 36(3): 33-53.
    Citation: Zhai Shuping, Su Ye, Yuan Keli. 2022. Analysts’ Site Visits and Corporate Classification Shifting Earnings Management. Accounting and Economic Research, 36(3): 33-53.
      • 核心盈余与企业真实经营活动、潜在发展能力密切相关,既是股东考核高管工作绩效的主要指标、利益相关者评估企业价值的最佳依据,也是监管者考察企业业绩的重要参数。尤其在中国证监会逐步出台一系列规定后,随着扣除非经常性损益后的净利润成为上市公司IPO、增发新股、特别处理以及恢复上市的主要监管指标,企业的核心盈余也随之成为监管部门持续关注的重点问题。已有研究表明,公司管理层具有强烈的动机为迎合利益相关者预期、满足监管部门要求或为实现薪酬利益最大化而通过分类转移盈余管理的手段操控核心盈余(McVay,2006Fan等,2010张子余和张天西,2012徐沛勣,2020)。然而,管理层对分类转移盈余管理的独特偏好,不仅会导致核心盈余异象(李晓溪等,2015),还会扭曲市场资源配置。因此,研究企业分类转移盈余管理的治理机制具有较强现实意义。

        已有研究指出,董事会独立性(程富和王福胜,2015)、机构投资者持股(贾巧玉和周嘉南,2016)以及审计质量(张友棠等,2019)等均会对企业分类转移盈余管理产生影响。近期,也有学者开始关注分析师与企业分类转移盈余管理之间的关系。Behn等(2013)研究发现,分析师跟踪能够有效发挥监督作用,抑制企业分类转移盈余管理;相反,Zhao(2018)研究发现,当分析师跟踪人数增加时,更为严格的外界监管会对企业的应计盈余管理和真实盈余管理产生显著抑制效应,极大程度上压缩了操纵空间,因此,分类转移盈余管理作为一种成本低、风险小、隐蔽性更强的盈余管理方式得到了更多管理者的青睐。不难发现,学者们关于分析师对企业分类转移盈余管理的影响存在较大争议,而问题的焦点在于,分析师能否深入了解企业实际经营情况,以及能否深刻辨析企业的核心盈余及其操控动机。遗憾的是,现有文献主要从跟踪人数角度考察分析师对分类转移盈余管理存在性的影响,而对于分析师能否通过深入调研获取更为真实、可靠的信息进而影响企业分类转移盈余管理,以及如何影响企业分类转移盈余管理程度,知之甚少。实地调研为分析师提供了亲自前往上市公司总部进行参观考察并与管理层展开有效沟通的机会,是分析师深度挖掘上市公司信息的重要途径(曹新伟等,2015翟淑萍和袁克丽,2020)。分析师能够通过实地调研获得大量详细、可靠的一手信息,并借此信息优势更为清晰地了解企业真实状况,以发布更为准确的盈余预测(贾琬娇等,2015)。那么,分析师实地调研能否对企业分类转移盈余管理产生治理效应?其调研信息质量是否影响分析师实地调研治理效应的发挥?

        基于此,本文以深市上市公司2013−2018年数据为样本,探讨分析师实地调研对企业分类转移盈余管理的影响及其内在机理。研究发现,随着分析师实地调研强度的提高和对业绩信息挖掘程度的加深,企业分类转移盈余管理程度降低;高质量的调研信息能够有效增强分析师实地调研对企业分类转移盈余管理的治理效应。在采用2SLS和Heckman两阶段方法控制内生性影响后,上述结论依然成立。作用机制检验发现,分析师实地调研通过缓解管理层迎合动机以及发挥直接和间接监督效应抑制企业分类转移盈余管理。进一步研究发现,分析师实地调研与企业分类转移盈余管理程度的负相关关系在董事会独立性较低、审计质量较差的企业样本中,以及非关联分析师和专业能力较强的分析师样本中更为显著。

        本文的贡献主要体现在:第一,本文从分析师实地调研这一重要的非公开信息获取渠道视角,利用文本分析方法,考察分析师实地调研内容和调研信息质量等深层次文本信息对企业分类转移盈余管理程度的影响,深化了分类转移盈余管理影响因素的现有研究。第二,现有文献聚焦于分析师实地调研对其预测准确性、资本市场信息效率及融资约束的影响,本文关注分析师实地调研对管理层分类转移盈余管理行为产生的抑制作用,拓展了对分析师实地调研经济后果的认识。第三,本文不仅剖析了分析师实地调研与企业分类转移盈余管理之间关系的内在机理,还分别从董事会独立性、外部审计质量、利益冲突和专业能力角度深入考察了企业内外部治理水平与分析师个体特征的异质性对企业分类转移盈余管理的影响,有利于进一步深化对研究结论的理解。

      • 已有关于分析师实地调研经济后果的研究发现,在预测准确性方面,相比于其他分析师,实地调研分析师可以参观上市公司的生产经营活动场所,了解企业真实的经营状况和研发活动,因而具有绝对的信息优势,会发布准确性更高的预测信息(贾琬娇等,2015Cheng等,2016Han等,2018)。在市场反应方面,分析师实地调研越频繁,越可以向市场传递更多公司特有信息,降低股价同步性(曹新伟等,2015);此时,每一单位增量的未预期盈余均具有高度可信性,会引发更强烈的年报市场反应(黎文靖和潘大巍,2018),这表明分析师实地调研提供的增量信息对资本市场的效率提升发挥了重要作用。此外,分析师增加实地调研次数、深入挖掘调研内容,能够有效缓解企业融资约束(翟淑萍和袁克丽,2020)。

      • 目前关于企业分类转移盈余管理的研究主要集中在以下两个方面:一方面是分类转移盈余管理的动机。动机一是迎合市场预期。盈余项目之间存在质量差异,相比于非经常性损益项目,企业的核心盈余更具持续性,蕴含更丰富的信息,成为分析师评估企业价值的主要依据(Bradshaw和Sloan,2002)。因此,上市公司为迎合分析师的业绩预测,会倾向于进行更多的分类转移盈余管理(McVay,2006Barua等,2010Fan等,2010Haw等,2011)。同时,其他利益相关者对核心盈余的关注也对企业分类转移盈余管理行为形成激励,如张勇(2017)发现,为迎合主要供应商、客户的投资预期,高度依赖供应链型交易模式的企业,对分类转移盈余管理的偏好也越强烈。动机二是满足监管要求。高雨和闫绪奇(2014)发现,证监会要求披露“扣除非经常性损益后的净利润”这一政策会引发管理层的分类转移盈余管理行为。此外,为达到公开增发业绩门槛(李晓溪等,2015)、IPO业绩门槛(路军伟等,2019),企业也会以分类转移方式虚增核心盈余。动机三是实现薪酬利益最大化。由于契约的不完备性和高管与股东之间的信息不对称,管理层为最大化自身利益,倾向于选择操纵风险和成本更低的分类转移盈余管理方式以增加货币薪酬的绝对数额(徐沛勣,2020),达到股权激励计划的行权条件(刘宝华等,2016李星辰和姜英兵,2018)。

        另一方面是分类转移盈余管理的治理机制。从公司内部治理视角的相关研究看,大股东具有强烈意愿监督管理层,以获取控制权私人收益,最终抑制企业分类转移盈余管理;较高的独立董事比例能够达到增强董事会监督效果的目的,显著抑制分类转移盈余管理(程富和王福胜,2015)。从公司外部治理视角的相关研究看,由于具备“规模经济”和“信息优势”,机构投资者更能看穿企业的分类转移行为(贾巧玉和周嘉南,2016);高质量的外部审计可以有效遏制管理层从事分类转移活动(张友棠等,2019)。另外,Behn等(2013)研究发现投资者保护程度的加强以及分析师跟踪人数的增加有助于减少企业分类转移盈余管理行为的发生。

      • 综上所述,首先,分析师实地调研不仅会产生强烈的市场反应,也能够提高其预测准确性,这均基于分析师通过实地调研获取了大量私有信息,了解了企业真实经营状况,那么,对于分析师能否通过实地调研有效判断企业的盈余结构并准确评价其盈余质量,以及是否能够抑制企业的分类转移盈余管理程度,当前文献并未给予足够关注。其次,分类转移盈余管理的影响因素研究已经取得一定进展,学者们从机构投资者持股、董事会独立性以及外部审计等角度展开分析。但是,关于分析师与企业分类转移盈余管理之间关系的研究,一方面仅以分析师跟踪人数作为唯一出发点,而分析师跟踪人数既无法直接准确地评价分析师非公开信息收集活动的效率(曹新伟等,2015),也无法客观、有效反映分析师对企业核心盈余的关注程度;另一方面,当前文献仅探讨了分析师对企业分类转移盈余管理行为存在性的影响,尚未关注分析师是否以及如何影响企业分类转移盈余管理的程度,更未关注分析师实地调研信息质量在该过程中发挥的作用。为此,本文深入挖掘分析师调研信息的内容及质量,研究分析师实地调研与分类转移盈余管理之间的关系及影响路径,以期丰富分析师实地调研的治理效应及企业分类转移盈余管理影响因素的相关文献。

      • 分类转移是一项重要的盈余管理策略,企业为迎合市场预期和满足监管需求进行分类转移盈余管理,而分析师实地调研能够通过以下两条路径抑制企业分类转移盈余管理。

        首先,分析师实地调研可以有效缓解管理层迎合动机,从而抑制企业分类转移盈余管理。根据展望理论,有限理性的投资者会将分析师盈余预测作为衡量自身得失的参照依赖,这时如果企业报告低于该参考点的盈余水平,投资者便会对企业盈余极度不满并集中抛售股票,从而致使企业面临股价暴跌的风险。为避免资本市场的负面反应和可能给利益相关者带来的心理落差,管理层会尽可能地使业绩符合分析师之前的盈余预期(余明桂等,2017)。由此可见,如果分析师给出带有乐观性偏差的盈余预测信息,足以促使管理层产生强烈的迎合动机。相比于其他分析师,调研分析师往往能够在挖掘、判别被调研企业增量信息的同时,丰富行业知识并提高分析专长,最终使其盈余预测更为精准(贾琬娇等,2015)。随着盈余预测准确性的提高,管理层的迎合动机逐渐减弱,不必再过分关注企业短期收益目标,因此,企业的分类转移盈余管理行为可能会减少。

        其次,分析师实地调研可以通过发挥监督效应,抑制企业分类转移盈余管理,主要体现在两方面:其一,分析师实地调研具有直接监督作用,即分析师实地调研能够有效监督管理层,缓解管理层与投资者之间的代理冲突,进而抑制企业分类转移盈余管理。分析师对企业的日常监督是缓解由于信息不对称产生代理问题的有效手段(Healy和Palepu,2001)。而实地调研促使分析师对企业的主动监督成为一项常态化工作,高频次的检查调查、深层次的对话沟通均能够有效规范企业的生产经营活动,约束管理层的盈余管理行为。当企业的定期公告无法满足投资者信息需求时,分析师实地调研可以获取实时、动态、前瞻的信息,在一定程度上减少市场中财务以及非财务信息的不确定性,进一步抑制管理层的私利动机(贾琬娇等,2015)。此外,由于利润表项目类别的划分具有主观性、隐蔽性,普通投资者往往难以识别企业的分类转移行为,其监督管理者的动力及能力十分有限(贾巧玉和周嘉南,2016)。相比之下,分析师作为专业的机构投资者,可以通过实地调研的方式直接监督管理层,敦促管理层致力于提升企业长期价值(Healy和Palepu,2001)。其二,分析师实地调研具有间接监督作用,即分析师实地调研能够有效改善被调研企业的信息环境,节约利益相关者获取、评估和处理信息的成本,使企业面临更广泛、更深入的监督,进而降低企业分类转移盈余管理的可能。Merton(1987)认为,信息的完全性难以满足,即便是资深市场投资人也无法知晓各项资产的完整信息。分析师通过实地调研可以获取市场上未公开的、有价值的信息(贾琬娇等,2015Cheng等,2016),充分利用自身行业专长、发挥独特信息优势对企业信息进行筛选和剖析,在缩减信息传递时间的同时保证信息可信度,在扩大信息受众范围的同时提高受众参与度,使外部监督力量更易接触企业各项有效信息,从而合力构建全方位、多维度的监管模式,抑制企业分类转移盈余管理。

        然而,分析师实地调研的效果取决于调研的强度、内容等方面。因此,企业的分类转移盈余管理行为既会受到分析师实地调研强度的影响,也会受到分析师实地调研内容的影响。从调研强度来看,分析师增加调研次数,为分析师和管理层的交流提供了更多的机会和场景。分析师与公司管理层的高频互动、主动沟通,能够极大限度地降低公司公开信息中的不确定性和私有信息中的不对称性,有利于分析师精准判断公司真实盈余情况,有效识别管理层的核心盈余操纵行为。因此,分析师实地调研次数越多,其盈余信息优势越明显,对管理层的监督力度越大,越能有效抑制企业分类转移盈余管理。基于此,本文提出假说H1a:

        H1a:分析师实地调研强度的增加可以抑制企业分类转移盈余管理。

        从调研内容来看,业绩信息与企业核心盈余的核算最为相关,其既是管理层进行分类转移行为的主要对象,又对分析师盈余预测的行为和结果具有重要影响。Fan和Liu(2017)发现,管理层会通过将营业成本或期间费用转移至特殊项目的方法增加企业核心盈余,从而粉饰业绩结构,这表明业绩信息基本上反映了企业核心盈余的形成过程,与分类转移盈余管理休戚相关,具有较高的信息含量;同时,在与上市公司相关的诸多信息中,业绩信息因包含关于公司业绩实时性、客观性、甚至前瞻性的内容,不仅成为了分析师撰写研报的首要信息源,而且也高度契合了利益相关者的信息需求。李翔和冯峥(2006)在评估信息获取途径的重要性时发现,“公开披露信息”和“管理层沟通”占有核心地位。因此,对于实地调研分析师而言,当企业公开披露的财务信息不能满足其使用和评价时,分析师会主动围绕企业业绩相关内容与管理层展开交流以获得增量信息,并发挥自身专业特长,分析和解读有效信息,为市场提供更有价值和富有针对性的分析报告。可见,业绩主题调研信息的收集能够帮助分析师及时掌握企业盈余结构信息,有效改善企业信息环境,从而抑制企业分类转移盈余管理。基于此,本文提出假说H1b:

        H1b:分析师实地调研对业绩信息挖掘程度的加深可以抑制企业分类转移盈余管理。

      • 调研信息质量有可能对分析师实地调研与企业分类转移盈余管理之间的关系产生影响。一方面,分析师实地调研获取的信息质量越高,越能有效提高分析师的盈余预测准确度,越能抑制管理层为符合预期水平而操纵核心盈余的动机;另一方面,分析师实地调研获取的信息质量越高,越有利于投资者知悉企业真实的生产经营情况,明晰企业核心盈余的客观形成依据,加强对管理层核心盈余操纵行为的监督。此外,分析师实地调研传递的信息质量越高,投资者解读信息的成本越低,越容易识别管理层可能隐藏的“坏消息”,从而更好地发挥监督作用,抑制企业分类转移盈余管理。基于此,本文提出假说H2:

        H2:当调研信息质量较高时,分析师实地调研对企业分类转移盈余管理的抑制作用更为显著。

      • 考虑到只有深圳证券交易所强制要求上市公司披露投资者调研情况,且在其网站“互动易”中的“投资者关系”平台能够查询到的上市公司实地调研数据最早年份是2012年,但该年披露的样本量较少,故本文选取2013−2018年深市A股上市公司作为初始研究样本,并按以下步骤对样本进行处理:(1)剔除ST、*ST的公司样本;(2)剔除金融保险行业的公司样本;(3)剔除数据缺失样本;(4)参考翟淑萍和袁克丽(2020)的做法,将分析师实地调研定义为分析师前往公司办公楼和厂房等日常生产经营场所,故剔除如电话沟通、书面询问、投资策略会、业绩说明会、路演活动和在线沟通等调研形式样本。本文最终获得6190个样本观测值。本文使用Python结巴分词模块对分析师实地调研文本的具体内容进行分词,并进行词频统计,其余数据处理均采用Stata15.0完成。数据主要来自国泰安数据库。为消除极端值的影响,本文对所有连续变量在1%和99%分位上进行了Winsorize处理。

      • 1.被解释变量

        分类转移盈余管理程度。本文参照McVay(2006)刘宝华等(2016)的核心盈余预测模型建立模型(1),使用非预期核心盈余(UE_CE)衡量分类转移盈余管理程度。

        $$ CE_{t} = \alpha_{0}+\alpha_{1}CE_{t-1}+\alpha_{2}ATO_{t}+\alpha_{3}Accrual_{t-1}+\alpha_{4}Accrual_{t}+\alpha_{5}ΔSales_{t}+\alpha_{6}NEG \times ΔSales_{t}+\varepsilon_{1} $$ (1)

        其中,CE为核心盈余(等于扣除非经常性损益的净利润除以资产总额);ATO为净经营资产周转率;Accrual为应计利润(等于核心盈余与经营现金净流量的差值除以资产总额);ΔSales为营业收入增长率;NEG为营业收入减少虚拟变量。本文分年度、分行业对模型(1)进行回归,估计的残差ε1代表企业的非预期核心盈余(UE_CE)。

        2.解释变量

        分析师实地调研(VISIT)。本文解释变量衡量分析师对上市公司的实地调研行为,具体包括如下指标:其一,分析师实地调研−调研强度(VISIT_N)。借鉴曹新伟等(2015)的研究,采用分析师对上市公司实地调研次数的自然对数。其二,分析师实地调研−业绩信息挖掘程度(VISIT_YJ)。采用分析师实地调研对业绩信息提及次数的自然对数。企业业绩信息被提及的次数越多,表明分析师对业绩信息的挖掘程度越深。

        3.调节变量

        分析师实地调研的信息质量(QUALITY)。考虑到信息质量会反映在文本信息的多个方面,本文从调研文本信息含量、逻辑复杂性和字词估计性三个角度考察分析师实地调研的信息质量。其一,调研文本信息含量(LENGTH)。借鉴岳思诗等(2019)的研究,采用文本信息含量作为调研信息质量的代理变量,具体为调研文本篇幅的自然对数。LENGTH值越大,表示调研文本信息含量越高,调研信息质量越高。其二,调研文本逻辑复杂性(ADVERSET)。根据廖秋忠(1986)的研究,文本中逆接成分(“然而”“但是”“即使”等)越多,句子、段落间描述事件的协调性越差或与本质相去愈远。基于此,本文借鉴王克敏等(2018)的研究,采用调研文本逻辑复杂性表示逆接成分密度,具体为调研文本中包含逆接关系连接成分的个数。ADVERSET值越大,表示调研文本逻辑复杂性越高,调研信息质量越低。其三,调研文本字词估计性(ESTIMATE)。借鉴Chen和Li(2017)对文本信息估计程度的度量,本文设计调研文本字词估计性,具体为调研文本中估计成分(“大概”“可能”“也许”等)的个数,ESTIMATE值越大,表示调研文本字词估计性越高,调研信息质量越低。

        4.控制变量

        借鉴李星辰和姜英兵(2018)路军伟和卜小霞(2020)的研究,本文选取如下控制变量:公司规模、资产负债率、盈利能力、成长性、经营活动现金流、市账比、公司年龄、两职合一、董事会规模、独立董事比例、前十大股东持股比例、产权性质、管理层持股、审计质量、预测期限、应计盈余管理程度、真实盈余管理程度等。此外,本文还考虑了行业、年份对企业分类转移盈余管理的影响。变量定义如表1所示:

        表 1  变量定义

        变量 变量名称 变量说明
        UE_CE 分类转移盈余管理程度 模型(1)分年度分行业回归估计的残差
        VISIT_N 分析师实地调研−调研强度 分析师对上市公司实地调研次数的自然对数
        VISIT_YJ 分析师实地调研−业绩信息挖掘程度 分析师实地调研对业绩信息的提及次数的自然对数
        LENGTH 调研文本信息含量 调研文本篇幅的自然对数
        ADVERSET 调研文本逻辑复杂性 调研文本中包含逆接关系连接成分的个数
        ESTIMATE 调研文本字词估计性 调研文本中包含估计成分的个数
        SIZE 公司规模 总资产的自然对数
        LEV 资产负债率 期末总负债/期末总资产
        ROA 盈利能力 净利润/期末总资产
        GROWTH 成长性 (当年主营业务收入−上年主营业务收入)/上年主营业务收入
        CF 经营活动现金流 经营活动现金流量/总资产
        MB 市账比 年个股总市值/所有者权益
        AGE 公司年龄 公司成立年限加1取自然对数
        DUAL 两职合一 当董事长与总经理两职合一时取值为1,否则为0
        BOARD 董事会规模 董事会人数
        IDRATIO 独立董事比例 独立董事比例
        TOP10 前十大股东持股比例 前十大股东持股数/年末总股数
        SOE 产权性质 当实际控股股东为国有时取值为1,否则为0
        MSH 管理层持股 当管理层持股时取值为1,否则为0
        BIG4 审计质量 当公司年报为四大会计师事务所审计时取值为1,否则为0
        HORIZON 预测期限 分析师报告发布日与公司年报报出日平均间隔天数的自然对数
        DA 应计盈余管理程度 根据Dechow等(1995)的修正琼斯模型计算
        REM 真实盈余管理程度 根据Roychowdhury(2006)的模型计算
        IND 行业哑变量 根据证监会2012年划分的行业分类设置行业虚拟变量
        YEAR 年度哑变量 年份虚拟变量,属于该年份取值为1,否则为0
      • 为检验分析师实地调研对企业分类转移盈余管理程度的影响,本文构建实证模型(2)。根据假说H1a和假说H1b,若β1显著为负,表明分析师实地调研可以抑制企业分类转移盈余管理。

        $$ UE\_CE_{i,t}=β_{0}+β_{1}VISIT_{i,t}+∑β_{k}Controls+ε_{i,t} $$ (2)

        为探究分析师实地调研信息质量的作用,本文在模型(2)的基础上加入调研信息质量(具体分为调研文本信息含量LENGTH、调研文本逻辑复杂性ADVERSET与调研文本字词估计性ESTIMATE),构建模型(3)进行回归。根据假说H2,若交乘项VISIT×LENGTH的系数β3显著为负、VISIT×ESTIMATEVISIT×ADVERSET的系数β3显著为正,表明分析师实地调研对企业分类转移盈余管理的治理作用随调研信息质量的提高而增强,分析师挖掘并传递的调研信息越丰富、越简明易懂,越可能抑制企业机会主义行为。

        $$ UE\_CE_{i,t}=β_{0}+β_{1}VISIT_{i,t}+β_{2}QUALITY_{i,t}+β_{3}VISIT_{i,t}\times QUALITY_{i,t}+∑β_{k}Controls+ε_{i,t} $$ (3)
      • 表2是主要变量的描述性统计结果。非预期核心盈余(UE_CE)的均值为0.003,中位数为0.004,标准差为0.028,说明样本中各企业普遍存在分类转移盈余管理行为。分析师实地调研−调研强度(VISIT_N)的最小值为0.693,最大值为3.135;分析师实地调研−业绩信息挖掘程度(VISIT_YJ)的最小值为0,最大值为5.094,说明不同企业的分析师实地调研情况存在较大差异。从调研信息质量来看,文本逻辑复杂性(ADVERSET)的均值为0.318,文本字词估计性(ESTIMATE)的均值为2.863,说明调研文本中存在较多逻辑复杂的句子与段落,且包含较多估计性内容,增加了分析师的解读成本和投资者的理解难度。自变量之间的相关性分析结果(未报告,备索)显示,解释变量与控制变量之间相关系数均小于0.5,表明不存在明显的多重共线性问题。

        表 2  主要变量的描述性统计

        变量 观测值 均值 最小值 1/4分位 中位数 3/4分位 最大值 标准差
        UE_CE 6190 0.003 −0.125 −0.009 0.004 0.016 0.081 0.028
        VISIT_N 6190 1.540 0.693 1.099 1.386 1.946 3.135 0.660
        VISIT_YJ 6190 2.031 0 1.386 2.079 2.708 5.094 0.931
        LENGTH 6190 7.094 5.403 6.709 7.115 7.501 8.487 0.604
        ADVERSET 6190 0.318 0 0 0 0 34 1.373
        ESTIMATE 6190 2.863 0 0 1 4 23 4.297
        注:限于篇幅,未报告控制变量的描述性统计结果,资料备索。
      • 表3报告了分析师实地调研与企业分类转移盈余管理的OLS回归结果。其中,列(1)分析师实地调研强度与企业分类转移盈余管理的回归结果显示,VISIT_N的回归系数在1%的水平上显著为负,说明随着实地调研强度的增加,企业分类转移盈余管理程度逐渐降低,验证了假说H1a;列(2)分析师实地调研业绩信息的挖掘程度与企业分类转移盈余管理的回归结果显示,VISIT_YJ的回归系数在1%的水平上显著为负,说明随着实地调研业绩信息挖掘程度的加深,企业分类转移盈余管理程度逐渐降低,验证了假说H1b。

        表 3  分析师实地调研与企业分类转移盈余管理

        变量 UE_CE
        (1) (2)
        VISIT_N −0.001***
        (−3.18)
        VISIT_YJ −0.001***
        (−2.92)
        LEV 0.011*** 0.011***
        (4.25) (4.48)
        SIZE −0.002*** −0.002***
        (−3.66) (−3.84)
        AGE 0.002* 0.002*
        (1.79) (1.89)
        CF −0.073*** −0.071***
        (−6.09) (−5.98)
        MB −0.001*** −0.001***
        (−5.89) (−5.86)
        ROA 0.390*** 0.386***
        (24.55) (24.41)
        GROWTH −0.008*** −0.008***
        (−6.34) (−6.27)
        DUAL −0.000 −0.000
        (−0.39) (−0.40)
        BOARD −0.000 −0.000
        (−0.02) (−0.02)
        IDRATIO −0.005 −0.005
        (−0.84) (−0.88)
        SOE 0.002* 0.002*
        (1.96) (1.90)
        TOP10 −0.008*** −0.008***
        (−3.40) (−3.56)
        MSH −0.000 −0.000
        (−0.14) (−0.08)
        BIG4 −0.003* −0.004**
        (−1.67) (−1.77)
        HORIZON −0.002** −0.001**
        (−2.38) (−2.33)
        DA 0.043*** 0.045***
        (5.59) (5.85)
        REM 0.004 0.004
        (1.40) (1.31)
        常数项 0.040*** 0.037***
        (3.67) (3.46)
        YEAR/IND 控制 控制
        N 6190 6190
        Adj. R2 0.403 0.402
          注:******分别表示在1%、5%、10%的水平上显著,括号内为t值,标准误差经过公司层面Cluster调整,下同。
      • 表4报告了文本信息含量对分析师实地调研与企业分类转移盈余管理关系调节作用的回归结果。VISIT_N×LENGTHVISIT_YJ×LENGTH的回归系数均在1%的水平上显著为负,表明丰富的文本信息在一定程度上增强了分析师实地调研对企业分类转移盈余管理的抑制作用,支持了假说H2。

        表 4  文本信息含量、分析师实地调研与企业分类转移盈余管理

        变量 UE_CE
        (1) (2)
        VISIT_N −0.004**
        (−2.56)
        VISIT_N×LENGTH −0.001***
        (−2.83)
        VISIT_YJ −0.002**
        (−2.49)
        VISIT_YJ×LENGTH −0.001***
        (−4.37)
        LENGTH 0.001 −0.001
        (0.83) (−1.05)
        Controls 控制 控制
        YEAR/IND 控制 控制
        N 6190 6190
        Adj. R2 0.402 0.350
        注:限于篇幅,未报告控制变量的回归结果,资料备索,下同。
      • 表5报告了文本逻辑复杂性对分析师实地调研与企业分类转移盈余管理关系调节作用的回归结果。VISIT_N×ADVERSET、VISIT_YJ×ADVERSET的回归系数分别在10%和5%的水平上显著为正,表明文本逻辑复杂性在一定程度上减弱了分析师实地调研对企业分类转移盈余管理的抑制作用,支持了假说H2。

        表 5  文本逻辑复杂性、分析师实地调研与企业分类转移盈余管理

        变量 UE_CE
        (1) (2)
        VISIT_N −0.001***
        (−3.31)
        VISIT_N×ADVERSET 0.001*
        (1.79)
        VISIT_YJ −0.001***
        (−2.64)
        VISIT_YJ×ADVERSET 0.001**
        (2.04)
        ADVERSET −0.001** −0.002**
        (−1.97) (−2.16)
        Controls 控制 控制
        YEAR/IND 控制 控制
        N 6190 6190
        Adj. R2 0.399 0.399
      • 表6报告了文本字词估计性对分析师实地调研与企业分类转移盈余管理关系调节作用的回归结果。VISIT_N×ESTIMATE、VISIT_YJ×ESTIMATE的系数分别在1%和5%的水平上显著为正,表明文本字词估计性削弱了分析师实地调研对企业分类转移盈余管理的治理效应,支持了假说H2。

        表 6  文本字词估计性、分析师实地调研与企业分类转移盈余管理

        变量 UE_CE
        (1) (2)
        VISIT_N −0.001***
        (−2.92)
        VISIT_N×ESTIMATE 0.000***
        (2.82)
        VISIT_YJ −0.001**
        (−1.98)
        VISIT_YJ×ESTIMATE 0.000**
        (2.01)
        ESTIMATE −0.001*** −0.001**
        (−3.21) (−2.54)
        Controls 控制 控制
        YEAR/IND 控制 控制
        N 6190 6190
        Adj. R2 0.401 0.402
      • 迎合分析师对核心盈余的过高预期,是企业分类转移盈余管理的重要动因。当分析师发布带有乐观性偏差的盈余预测信息时,管理层的机会主义行为较严重,因此,对这类企业而言,分析师实地调研能够有效抑制管理层因迎合动机较强而导致的分类转移行为增多。而当迎合动机较弱时,管理层不必再过分关注企业短期收益目标,分析师实地调研通过提高盈余预测准确性抑制企业分类转移盈余管理的治理作用较小。参考伊志宏等(2018)赵刚等(2019)的做法,本文采用分析师盈余预测误差(FERR)衡量预测精确度,选取每家预测机构发布的最后一次预测值并取平均数作为分析师的每股盈余预测值。FERR=(FEPSAEPS)/|AEPS|。其中,AEPS为公司实际每股盈余,FEPS为分析师预测每股盈余。FERR大于0表示分析师对公司的盈余预测整体上是乐观的,数值越大表示乐观程度越高,管理层迎合动机越强。本文以盈余预测误差是否大于0进行分组,即当FERR大于0时,为管理层迎合动机强组,反之为管理层迎合动机弱组。

        表7列(1)、列(2)的结果显示,在管理层迎合动机强的样本组中,VISIT_N的回归系数在1%的水平上显著为负,而在管理层迎合动机弱的样本组中,其回归系数并不显著;表8列(1)、列(2)的结果显示,在管理层迎合动机强的样本组中,VISIT_YJ的回归系数在1%的水平上显著为负,而在管理层迎合动机弱的样本组中,其回归系数并不显著。以上结果表明,分析师实地调研能够通过提高盈余预测准确性,削弱管理层迎合动机,进而抑制企业分类转移盈余管理。

        表 7  作用机理检验: 分析师实地调研−调研强度

        变量 UE_CE
        迎合动机强
        (1)
        迎合动机弱
        (2)
        代理成本高
        (3)
        代理成本低
        (4)
        信息透明度高
        (5)
        信息透明度低
        (6)
        VISIT_N −0.001*** 0.001 −0.001*** −0.001 −0.000 −0.002***
        (−3.32) (0.90) (−2.64) (−0.95) (−0.68) (−2.90)
        Controls 控制 控制 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制 控制 控制
        N 5273 917 3098 3092 1604 4586
        Adj. R2 0.217 0.675 0.397 0.428 0.334 0.423

        表 8  作用机理检验: 分析师实地调研−业绩信息挖掘程度

        变量 UE_CE
        迎合动机强
        (1)
        迎合动机弱
        (2)
        代理成本高
        (3)
        代理成本低
        (4)
        信息透明度高
        (5)
        信息透明度低
        (6)
        VISIT_YJ −0.001*** −0.001 −0.001*** −0.001 −0.000 −0.001**
        (−2.79) (1.40) (−2.65) (−1.29) (−0.80) (−2.35)
        Controls 控制 控制 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制 控制 控制
        N 5273 917 3098 3092 1604 4586
        Adj. R2 0.216 0.676 0.397 0.422 0.334 0.422
      • (1)直接监督效应

        严重的代理问题是引发企业盈余管理行为的重要因素。对监督不足的企业而言,分析师实地调研能够有效抑制企业因代理成本较高而导致的分类转移盈余管理。而当企业代理成本较低时,分析师实地调研通过直接监督管理层抑制企业分类转移盈余管理的治理作用较小。

        参考戴亦一等(2016)的做法,本文采用总资产周转率TURNOVER(等于营业收入除以平均总资产)衡量代理成本,并以代理成本的中位数将样本分为代理成本低组和代理成本高组。表7列(3)、列(4)的结果显示,在代理成本高的样本组中,VISIT_N的回归系数在1%的水平上显著为负,而在代理成本低的样本组中,其回归系数并不显著;表8列(3)、列(4)的结果显示,在代理成本高的样本组中,VISIT_YJ的回归系数在1%的水平上显著为负,而在代理成本低的样本组中,其回归系数并不显著。以上结果表明,分析师实地调研通过直接监督管理层,降低代理成本,进而抑制企业分类转移盈余管理。

        (2)间接监督效应

        企业信息环境的差异会影响分析师实地调研提供增量信息的效率(黎文靖和潘大巍,2018),进而影响分析师实地调研对企业分类转移盈余管理的间接监督力度。当企业信息环境较差时,实地调研分析师凭借其信息优势,能够使外部监督力量及时获得企业有效信息,提高信息获取活动的边际效益。对这类企业而言,分析师实地调研能够有效抑制企业因信息环境较差而引发的机会主义行为增多。而当企业信息透明度较高时,分析师实地调研通过间接监督管理层抑制企业分类转移盈余管理的治理作用可能并不明显。

        参考曹新伟等(2015)的做法,本文采用信息披露质量评级衡量企业信息透明度。如果信息披露质量考核结果为“优秀”,那么该企业属于信息透明度高组样本;如果信息披露质量考核结果为“良好”“及格”“不及格”,那么该企业属于信息透明度低组样本。表7列(5)、列(6)的结果显示,在信息透明度低的样本组中,VISIT_N的回归系数在1%的水平上显著为负,而在信息透明度高的样本组中,其回归系数并不显著;表8列(5)、列(6)的结果显示,在信息透明度低的样本组中,VISIT_YJ的回归系数在5%的水平上显著为负,而在信息透明度高的样本组中,其回归系数并不显著。以上结果表明,分析师实地调研通过发挥间接监督效应,改善信息环境,进而抑制企业分类转移盈余管理。

      • 参考程富和王福胜(2015)贾巧玉和周嘉南(2016)的研究,本文将核心盈余定义为“营业收入−营业成本−期间费用”,利用模型(1)重新计算非预期核心盈余UE_CE1,并作为企业分类转移盈余管理程度的代理变量,重新对模型(2)进行检验。回归结果如表9列(1)、列(2)所示,VISIT_NVISIT_YJ的回归系数均在1%的水平上显著为负,表明替换核心盈余的衡量方式后,结论基本保持不变。

        表 9  稳健性检验

        变量 UE_CE
        改变核心盈余的衡量方式 剔除特殊的样本数据
        (1) (2) (3) (4)
        VISIT_N −0.003*** −0.002***
        (−2.81) (−3.42)
        VISIT_YJ −0.002*** −0.001***
        (−2.99) (−2.96)
        Controls 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制
        N 6190 6190 5866 5866
        Adj. R2 0.167 0.167 0.408 0.405
      • 当企业有市场再融资需求时,其盈余管理策略与业绩门槛的变化高度相关(李晓溪等,2015路军伟等,2019),管理层操纵核心盈余的动机也显著异于其他企业(高雨和闫绪奇,2014)。这些样本可能会对前文结论产生影响。因此,本文将当年有再融资行为(增发、配股、发行可转债)的样本数据剔除,对剩余样本重新进行检验。回归结果如表9列(3)、列(4)所示,VISIT_NVISIT_YJ的回归系数均在1%的水平上显著为负,表明有再融资需求的这一类特殊样本并未对研究结论产生实质性影响。

      • (1)反向因果问题

        企业信息披露质量与分析师实地调研的决策行为可能存在正相关关系(徐媛媛等,2015),即分析师为了提高研究报告的信息含量,在选择走访调研对象时可能倾向于信息透明度高的上市公司。而信息透明度高的企业存在较少的盈余管理问题(潘越等,2011)。为更好解决因果互逆可能带来的内生性问题,参考翟淑萍和袁克丽(2020)的做法,本文使用上市公司所在地是否开通高铁(GT)作为工具变量,进行两阶段最小二乘(2SLS)回归分析。表10列示了2SLS的相关检验与回归结果。首先,本文进行异方差稳健的DWH检验,P值分别为0.078和0.056,均在10%的水平上拒绝了分析师实地调研变量外生的原假设。进一步进行弱工具变量检验,F值分别为110.918和73.234,P值均为0.000,拒绝了存在弱工具变量的原假设。2SLS的回归结果显示,第一阶段高铁开通显著促进了分析师实地调研强度和业绩信息挖掘程度的增加,第二阶段VISIT_NVISIT_YJ的系数均在5%的水平上显著为负,表明分析师实地调研确实抑制了企业分类转移盈余管理,研究结论保持不变。

        表 10  稳健性检验: 工具变量2SLS方法

        变量 VISIT_N UE_CE VISIT_YJ UE_CE
        第一阶段
        (1)
        第二阶段
        (2)
        第一阶段
        (3)
        第二阶段
        (4)
        GT 0.186*** 0.215***
        (10.53) (8.58)
        VISIT_N −0.007**
        (−2.35)
        VISIT_YJ −0.006**
        (−2.33)
        Controls 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制
        N 6190 6190 6190 6190
        Adj. R2 0.098 0.469 0.095 0.458
        弱工具变量检验
        Robust F-statistic(instruments) 110.918 73.234
        F-statistic P-value 0.000 0.000
        DWH检验 P-value 0.078 0.056

        (2)样本选择问题

        资本市场中并非所有的上市公司均有分析师对其进行实地调研,对于没有分析师参与实地调研的企业,无法观测到分析师实地调研对企业分类转移盈余管理的影响。因此,仅选择有分析师实地调研的样本检验分析师实地调研与企业分类转移盈余管理之间的关系,可能存在样本选择问题。为解决潜在的样本选择偏差,本文借鉴Cheng等(2019)的做法,采用Heckman两阶段回归方法进行实证分析。在第一阶段回归中,以是否有分析师实地调研的虚拟变量(DVISIT)作为因变量进行Probit回归,并利用系数估计值计算逆米尔斯比(IMR),除现有控制变量外,本文参考Cheng等(2019)的做法,加入了可能影响分析师调研决策的多项指标,包括是否为制造业企业(MANU)、是否盈利(PROFIT)、市场份额(MSHARE)、机构投资者持股比例(INST)、信息质量(RATE)、地区宏观经济环境(GDP)和地区上市公司数量(NUMFIRM)等;在第二阶段中,将估计的逆米尔斯比(IMR)引入主回归模型作为控制变量,以检验和控制样本选择偏差问题。两阶段具体模型如下:

        $$\begin{split} Pr(DVISIT_{i,t}=1)=&β_{0}+β_{1}MANU_{i,t}+β_{2}PROFIT_{i,t}+β_{3}MSHARE_{i,t}+β_{4}INST_{i,t}\\& +β_{5}RATE_{i,t}+β_{6}GDP_{i,t} +β_{7}NUMFIRM_{i,t}+∑β_{k}Controls+ε_{i,t} \end{split} $$ (4)
        $$ UE\_CE_{i,t}=β_{0}+β_{1}VISIT_{i,t}+β_{2}IMR+∑β_{k}Controls+ε_{i,t} $$ (5)

        Heckman两阶段的回归结果如表11所示,IMR的回归系数均显著区别于0,VISIT_NVISIT_YJ的系数均在1%的水平上显著为负,说明在排除样本选择偏误的干扰后,分析师实地调研仍然具有显著抑制企业分类转移盈余管理的治理作用。

        表 11  稳健性检验: Heckman两阶段回归方法

        变量 DVISIT UE_CE UE_CE
        第一阶段
        (1)
        第二阶段
        (2)
        第二阶段
        (3)
        VISIT_N −0.002***
        (−3.43)
        VISIT_YJ −0.001***
        (−2.89)
        IMR 0.001* 0.001*
        (1.65) (1.69)
        Controls 控制 控制 控制
        YEAR/IND 控制 控制 控制
        N 8639 6190 6190
        Adj. R2 0.755 0.459 0.459
      • 为更好地理解实证结论,本文进一步考察在企业内外部治理水平与分析师个体特征不同的情形下,实地调研对企业分类转移盈余管理影响的差异。

      • 董事会独立性较高的企业,其代理成本较低,内部监督也更加有效,管理层为一己私利而分类操纵核心盈余的难度加大。并且,董事会独立性较高的企业,原有的公司治理体系相对完备,因而相比于董事会独立性较低的企业,分析师实地调研对董事会独立性较高企业发挥监督作用的边际效果不会太明显。为检验分析师实地调研对企业分类转移盈余管理的影响是否因董事会独立性不同而存在差异,本文按年度企业独立董事比例(IDRATIO)的中位数将样本分为两组,并重新对模型(2)进行回归,回归结果如表12所示。在董事会独立性低的样本组中,VISIT_NVISIT_YJ的回归系数分别在1%和5%的水平上显著为负,而在董事会独立性高的样本组中,其回归系数并不显著。以上结果表明,分析师实地调研作为一种外部治理机制,将对董事会独立性较低企业的分类转移盈余管理产生更明显的抑制作用。

        表 12  董事会独立性的影响

        变量 UE_CE
        董事会
        独立性低
        (1)
        董事会
        独立性高
        (2)
        董事会
        独立性低
        (3)
        董事会
        独立性高
        (4)
      • 由于分类操纵核心盈余的隐蔽性,专业胜任能力较弱或独立性较低的审计师可能无法发现并纠正公司非经常性损失科目中的“猫腻”,进而难以对管理层的核心盈余违规操纵行为形成约束(谢德仁等,2019)。同时,外部审计质量较差的企业,一般缺少有效的监督机制,但此时分析师通过实地调研,不仅能获得真实、准确的财务信息以制衡管理层在盈余结构上的话语权,还能够凭借收集到的大量非财务信息弥补由审计质量较低带来的外部监督不足。为检验分析师实地调研对企业分类转移盈余管理的影响是否因外部审计质量不同而存在差异,本文根据是否为四大会计师事务所审计将样本分为两组,并重新对模型(2)进行回归,回归结果如表13所示。在审计质量低的样本组中,VISIT_NVISIT_YJ的回归系数均在1%的水平上显著为负,而在审计质量高的样本组中,其回归系数并不显著。以上结果表明,分析师实地调研对企业分类转移盈余管理的治理作用主要体现在外部审计质量较低的企业中。

        表 13  外部审计质量的影响

        变量 UE_CE
        审计质量低
        (1)
        审计质量高
        (2)
        审计质量低
        (3)
        审计质量高
        (4)
        VISIT_N −0.001*** −0.000
        (−3.38) (−0.06)
        VISIT_YJ −0.001*** 0.001
        (−2.84) (0.95)
        Controls 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制
        N 6008 182 6008 182
        Adj. R2 0.405 0.498 0.406 0.500
      • 已有文献认为,出于职业生涯、关系维护、佣金分仓等各方面因素考虑,承销商分析师会倾向于推荐自身所属券商承销的股票,甚至在调研过程中回避对敏感信息的提问与挖掘(周冬华和赵玉洁,2016);基金股权关联分析师会倾向于减少研报中基金重仓股的负面信息,以促成所属券商和基金公司捆绑利益的双赢(Gu等,2013姜波和周铭山,2015)。这表明,利益冲突会损害分析师的独立性与客观性,进而降低调研信息的完整性与真实性,从而不仅无法抑制管理层迎合动机,更无法对管理层的核心盈余操纵行为进行实质性监督。

        为检验实地调研对企业分类转移盈余管理的影响是否因分析师利益关系的不同而存在差异,首先,本文借鉴原红旗和黄倩茹(2007)的研究,根据实地调研分析师所属券商是否为上市公司承销商将样本分为两组,并重新对模型(2)进行回归,结果如表14所示。在非承销商分析师样本组中,VISIT_NVISIT_YJ的回归系数分别在5%和10%的水平上显著为负,而在承销商分析师样本组中,其回归系数并不显著。其次,本文借鉴伊志宏等(2018)的做法,如果实地调研分析师所属券商是基金公司股东,基金公司旗下基金在t−1年重仓持股上市公司股票,则定义该分析师为基金股权关联分析师,否则为非基金股权关联分析师,并重新对模型(2)进行回归,结果如表15所示。在非基金股权关联分析师样本组中,VISIT_NVISIT_YJ的回归系数分别在1%和5%的水平上显著为负,而在基金股权关联分析师样本组中,其回归系数并不显著。综上,当分析师不存在利益冲突时,实地调研抑制企业分类转移盈余管理的效果更显著。

        表 14  分析师利益冲突的影响:承销关系

        变量 UE_CE
        承销商
        分析师
        (1)
        非承销商
        分析师
        (2)
        承销商
        分析师
        (3)
        非承销商
        分析师
        (4)
        VISIT_N −0.001 −0.001**
        (−1.36) (−2.41)
        VISIT_YJ −0.001 −0.001*
        (−1.51) (−1.95)
        Controls 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制
        N 2330 3860 2330 3860
        Adj. R2 0.383 0.418 0.383 0.416

        表 15  分析师利益冲突的影响:基金股权关系

        变量 UE_CE
        股权关联
        分析师
        (1)
        非股权关联
        分析师
        (2)
        股权关联
        分析师
        (3)
        非股权关联
        分析师
        (4)
        VISIT_N −0.001 −0.001***
        (−1.51) (−2.85)
        VISIT_YJ −0.001 −0.001**
        (−1.55) (−2.33)
        Controls 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制
        N 1495 4695 1495 4695
        Adj. R2 0.452 0.469 0.460 0.469
      • 相比于初入职场的新人,经验丰富的分析师往往对企业及其所处行业的发展阶段、运行态势有着更深刻的了解(胡奕明和林文雄,2005),在实地调研中能够根据企业的实际运营情况、重要项目的实施进度与管理层进行沟通。这意味着资深分析师对企业的私有信息具有及时跟进分析的能力,有助于提高盈余预测准确性,并对管理层机会主义行为形成约束。因此,本文参考Xu等(2013)的研究,以分析师第一次发布研报的年份到第t年的时间间隔作为分析师从业经验的代理变量,再按照从业经验将分析师分为两组,并重新对模型(2)进行回归。回归结果如表16所示,在经验丰富的分析师样本组中,VISIT_NVISIT_YJ的回归系数均在5%的水平上显著为负,而在经验不足的分析师样本组中,其回归系数并不显著。

        表 16  分析师专业能力的影响:从业经验

        变量 UE_CE
        经验丰富
        (1)
        经验不足
        (2)
        经验丰富
        (3)
        经验不足
        (4)
        VISIT_N −0.001** −0.001
        (−2.42) (−1.58)
        VISIT_YJ −0.001** −0.001
        (−2.25) (−1.61)
        Controls 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制
        N 3092 3098 3092 3098
        Adj. R2 0.390 0.427 0.389 0.425

        此外,Clement(1999)认为衡量分析师是否拥有良好的专业能力,不仅要关注其个人特质,还要看其所在券商是否具备一定的实力,这一实力可根据券商规模来决定。不同规模的券商在激励机制、资金支持及信息渠道等方面不尽相同,而这些因素均会影响分析师的信息敏感度及信息解读分析能力,进而影响其实地调研的效果。因此,本文参考伊志宏等(2019)的研究,按照分析师所在券商的活跃分析师数量将券商按规模分为两组,并重新对模型(2)进行回归。回归结果如表17所示,在券商规模大的分析师样本组中,VISIT_NVISIT_YJ的回归系数均在1%的水平上显著为负,而在券商规模小的分析师样本组中,其回归系数并不显著。以上结果表明,当分析师的专业能力更强时,实地调研抑制企业分类转移盈余管理的效果会更加显著。

        表 17  分析师专业能力的影响:券商规模

        变量 UE_CE
        券商规模大
        (1)
        券商规模小
        (2)
        券商规模大
        (3)
        券商规模小
        (4)
        VISIT_N −0.002*** −0.001
        (−2.81) (−1.42)
        VISIT_YJ −0.001*** −0.000
        (−2.94) (−0.81)
        Controls 控制 控制 控制 控制
        YEAR/IND 控制 控制 控制 控制
        N 3091 3099 3091 3099
        Adj. R2 0.388 0.424 0.389 0.423
      • 本文利用2013−2018年深市A股上市公司作为研究样本,探讨了分析师实地调研对企业分类转移盈余管理的影响。研究发现,分析师实地调研强度和对业绩信息挖掘程度的提高均能够提高对企业分类转移盈余管理的治理效应,尤其是当调研信息质量越高,即当文本信息含量越丰富,文本逻辑复杂性和文本字词估计性越低时,分析师实地调研对企业分类转移盈余管理的治理效应越显著。作用机理检验发现,分析师实地调研通过削弱管理层迎合动机以及发挥直接和间接监督效应对企业分类转移盈余管理产生抑制作用。进一步研究发现,分析师实地调研与企业分类转移盈余管理程度的负相关关系在董事会独立性较低、审计质量较差的企业,以及非关联分析师和专业能力较强的分析师样本中更为显著。

        基于以上研究结论,本文得到如下启示:

        第一,本文结论表明分析师实地调研在资本市场中发挥了积极的治理作用,为鼓励更多证券分析师参与实地调研活动提供了理论与经验依据,也为监管机构进一步规范和发展投资者关系管理活动提供了证据支持。

        第二,分析师实地调研是一项重要的外部监督机制,能够有效弥补上市公司内外部治理机制的不足。因此,鼓励分析师对上市公司进行实地调研,这为完善公司治理体系以及约束管理层的核心盈余操纵行为提供了实践参考。

        第三,监管机构有必要在引导分析师提升专业能力的同时加强对券商的监管,并督促券商健全内部治理与激励机制,以规范证券分析师队伍的建设,助力实地调研发挥更大价值。

    参考文献 (51)

    目录

      /

      返回文章
      返回