-
科创板致力于为具备创新能力与成长潜力的企业提供资金支持和市场平台,其注册制下独特的上市标准和审核机制吸引了众多高新技术企业。然而,这一创新举措在便利科创型企业上市的同时,也对监管提出了挑战,尤其体现在如何确保发行人创新能力信息披露的客观真实,以及研发费用数据的可靠与准确。已有研究发现,注册制下部分企业为提高IPO过会率,存在研发粉饰、美化财务报表并夸大研发能力现象(巩亚林等,2021;龙小宁和张靖,2021;左璇和章卫东,2023)。2024年5月,上海证券交易所(下文简称“上交所”)对大连科利德半导体材料股份有限公司(下文简称“科利德”)就研发粉饰及相关中介机构未勤勉尽责问题予以通报批评,通报指出,科利德在科创板申报过程中,科创属性指标相关信息披露不准确,且未充分说明成本核算的准确性。
1 IPO企业此类行为不仅违背了会计准则的公允性要求,还会误导投资者与监管机构的价值判断,损害资本市场的公平与效率。研发粉饰问题由来已久。在核准制下,企业研发粉饰主要为满足盈余管理需要(D’Souza等,2000;Dinh等,2016);而在注册制下,其动机发生了转变,由塑造盈利形象转向营造科技形象。我国设立科创板旨在支持科技创新型企业发展,其多元上市标准降低了企业上市门槛,以更包容的姿态接纳符合科创定位但尚未盈利的企业。注册制下的IPO审核问询制度要求每轮审核问询内容向市场公开,既有助于投资者打破信息壁垒,也为IPO企业提供了展示研发实力与形象的重要平台。随着注册制的稳步推进,科创板对IPO企业科技创新能力的评价标准日益清晰,部分企业甚至在申报材料中表现出“迎合”科创属性审核要求的倾向(沈振宇和沈宇秀,2024)。学者们从多个角度探究应对之策,发现良好的法治环境(王兰芳等,2019)、高质量ESG表现(耀友福和黄嫣,2023)以及数字化转型(耀友福和何相亿,2023)均有助于抑制企业研发粉饰。然而,对于注册制下IPO审核问询能否抑制科创板企业为满足科创属性认定等进行的研发粉饰行为,尚缺乏深入探讨。
IPO审核问询是注册制下的重要监管机制。交易所等监管机构通过多轮问询,对发行人信息披露的真实性、准确性和完整性进行核查(姜永宏等,2023),其目的在于确保信息披露质量,保护投资者利益,提高市场透明度与公信力,促进资本市场健康发展。基于此,本文选取科创板IPO企业作为研究样本,实证检验IPO审核问询对企业IPO前研发粉饰行为的影响及作用路径。
与已有文献相比,本文的边际贡献主要体现在以下三个方面:
第一,研究视角创新。立足科创板注册制重科创属性的制度背景,本文从IPO审核问询视角考察其对企业IPO前研发粉饰行为的治理效应,揭示注册制下企业IPO机会主义行为由盈余粉饰向研发粉饰转变的新特征。区别于已有文献聚焦审核问询对研发粉饰的整体识别能力或单一维度的抑制效应,本文进一步探究审核问询究竟“如何问”“问什么”,才能问出真企业、遏制伪科创,系统解析IPO审核问询强度梯度的差异化监管效应,丰富了注册制改革与企业创新行为领域的研究。
第二,机制识别创新。突破既有研究仅检验净效应的局限,本文从信息披露质量与市场监督双渠道打开监管作用“黑箱”,证实IPO审核问询通过提升回复函可读性和增强机构投资者调研强度两条路径抑制研发粉饰,为理解注册制问询制度的有效性提供了微观传导证据。
第三,研究设计与结论创新。(1)本文构建低、中、高三个强度的问询指标,发现仅针对研发的精准问询具有显著治理效果,回答了“如何问询更有效”的关键问题;(2)本文从公司治理、会计师声誉、保荐机构声誉三个维度,揭示了异质性治理差异;(3)本文证实研发粉饰会削弱问询对IPO超募的治理效果、加剧资本错配,为科创板精准监管、分类审核、压实中介机构“看门人”责任提供了可落地的经验证据。
-
科创板注册制改革始于一系列相互衔接的基础制度构建。2019年,上交所颁布《上海证券交易所科创板股票发行上市审核规则》(上证发〔2019〕18号),确立了以信息披露为核心的IPO审核问询制度。该制度旨在推动资本市场由“重审批”向“重披露”转型,监管机构的角色也从核准制下决定企业能否上市的“决策者”,转变为IPO审核问询制下对企业信息披露质量的“监督者”。通过公开透明的多轮问询,监管机构重点审核发行人的财务真实性、科创属性及持续经营能力等关键信息,督促企业真实、准确、完整地披露相关信息;信息披露质量的把关与监督责任则由保荐机构、会计师事务所等中介机构承担,进一步压实了中介机构的责任,以此推动构建市场化的企业质量筛选机制。
科创板注册制改革的基础制度框架并非静态,而是围绕“严把入口关”与“提升包容性”的双重目标持续推进,呈现清晰的逐步深化特征。2019年为制度构建期,以《科创板首次公开发行股票注册管理办法(试行)》(中国证券监督管理委员会令第153号)、《上海证券交易所科创板股票发行上市审核规则》(上证发〔2019〕18号)等规则的颁布为标志,确立了注册制下以信息披露为核心的审核基本框架。2022−2023年进入逐步深化期,其核心是通过出台《科创属性评价指引(试行)》(中国证券监督管理委员会公告〔2021〕21号),并配套《上海证券交易所科创板企业发行上市申报及推荐暂行规定》(上证发〔2020〕21号)等细则,首次系统构建并持续细化科创板“硬科技”属性的具体评价与核查标准,推动审核问询聚焦技术创新的实质性。2024年以来为完善改革期,改革重点转向提升制度的包容性与系统性:一方面,《上海证券交易所科创板企业发行上市申报及推荐暂行规定(2024年4月修订)》(上证发〔2024〕54号)进一步收紧行业准入;另一方面,2025年以《关于在科创板设置科创成长层 增强制度包容性适应性的意见》为纲领,配套推出涵盖预先审阅、扩大第五套上市标准适用范围等在内的“1+6”政策组合,标志着改革从强化定位迈向构建支持企业全生命周期的动态服务与监管生态。综上,从框架建立、特色聚焦到系统完善的制度演进路径,为研究后续市场效应与政策内涵奠定了关键的制度基础。
-
核准制下企业IPO的硬性标准之一是利润指标。为顺利通过IPO审核,企业倾向于通过盈余管理方式粉饰利润,以实现成功上市。已有研究表明,IPO企业利用研发活动的不确定性和复杂性特征,通过操控会计处理中研发支出资本化或费用化的划分标准,进行盈余管理或传递私有信息(Prencipe等,2008;Dinh等,2016;章卫东等,2017)。盈余管理一直是我国资本市场的痼疾,误导投资者决策并严重损害资源配置效率。监管部门高度重视IPO企业的盈余管理行为,采取监管问询等多种手段对其加以约束。已有研究表明,作为非行政处罚性监管手段,年报问询函制度在抑制上市公司盈余管理方面发挥重要作用。刘柏和卢家锐(2019)研究发现,上市公司收到年报问询函的概率与应计盈余管理程度正相关,年报问询函不仅能治理应计盈余管理,也能有效识别并抑制更为隐蔽的真实盈余管理;上市公司前一年年报或当年季报(半年报)收到的问询函总数越多,或同一财务报告被问询次数越多,其当年盈余管理程度越低(陈运森等,2019)。此外,年报问询函还有助于提升内部控制水平。当年报问询函中要求审计师对内部控制发表专项意见时,迫于回复压力,审计师会更审慎地发表意见,进而降低上市公司盈余管理程度(耀友福和薛爽,2020)。科创板的注册制改革进一步强化了信息透明度和市场机制,且上市标准更多元和包容,允许尚未盈利但具有发展潜力的企业上市。因此,科创板IPO企业的盈余管理行为已从核准制下满足盈利要求,转变为展示其科创属性与科技创新能力而进行的研发粉饰。为获得上市资格,部分IPO企业通过研发粉饰提高上市审核通过率,这一行为的隐蔽性较强,市场难以有效识别,加剧了市场与投资者间的信息不对称,对市场绩效和股价稳定产生了负面影响(王兰芳等,2019),从而导致较高的IPO抑价率(Ritter和Welch,2002;左璇和章卫东,2023)。
在科创板注册制IPO审核问询阶段,交易所对IPO企业的问询重点之一即为企业科创属性认定。研究发现,在监管机构对科创属性认定标准日益细化的背景下,
2 IPO企业申报资料中表现出明显的“凑指标”倾向(沈振宇和沈宇秀,2024)。上交所在对科利德进行现场督导时发现,其申请过程中存在研发人员数量和研发投入金额披露不准确,且未充分说明成本核算准确性的问题。具体如下:首先,科利德通过重签劳动合同、随意调岗等方式,将非研发岗位改为研发岗位,伪造研发人员数量及研发薪酬;其次,科利德未按工时分摊研发薪酬,并通过虚增研发原料用量等手段伪造研发投入金额;最后,成本测算显示,公司内部系统领料数少于车间实际投放数,领料成本低于理论成本,导致成本核算不准确。在扣除上述伪造数据后,科利德已不再符合科创板上市要求的科创属性指标。因此,科利德的会计核算行为已严重违反科创板上市申请的真实性要求。可见,建立并完善外部监督机制,抑制企业IPO前的研发粉饰行为刻不容缓。IPO审核问询作为企业上市阶段的重要监管机制,通过“交易所问询−企业回答”的互动模式,重点审查研发投入等关键财务指标,以严格的信息披露要求与审核流程提升IPO企业信息透明度,进而缓解信息不对称。研究发现,IPO审核问询能够有效规范企业上市行为,推动企业提升信息披露质量和透明度(胡志强和王雅格,2021)。一方面,交易所审核问询的强度越大,IPO企业信息披露的质量越高,上市审核的时间越长(Lowry等,2020);对于具有炒作股价动机的公司,严格的IPO审核问询能够有效抑制其发行价格(Li和Liu,2017)。另一方面,发行人在回复审核问询时,风险因素披露越详细,IPO抑价水平越低(张光利等,2023);发行人回复问询质量越高,其发行债券价差越小(佟岩和李鑫,2024)。通过回复监管机构的问询,IPO企业也可以向公众展示自身良好声誉,如公司的创新价值能力(张宗新和叶润,2024)、环保治理水平(刘慧芬等,2024)等,从而增强市场对IPO企业的了解和信任,提升企业形象和长短期市场表现。
根据信号传递理论,IPO审核问询强度通常被视为一种信号机制。交易所的高强度问询(如多轮次、同一问题反复问询等)会引发投资者关注,使IPO企业处于监管的“聚光灯”之下。这种关注压力加剧了企业通过研发粉饰提升科技创新水平的风险,包括被监管机构识别、受市场质疑、发行成本增加乃至可能承担的法律后果等。为避免发行失败风险,IPO企业会主动或被动调整自身的信息披露行为,更加注重合规性与审慎性,减少不必要的研发粉饰,特别是那些容易被审核发现的研发投入费用调整行为。
基于上述分析,IPO企业所经历的IPO审核问询强度可视为其信息披露质量的重要衡量指标。随着IPO审核问询强度及针对性的提升,IPO企业面临的压力也随之增大,其进行研发粉饰的操纵空间逐渐缩小,研发粉饰水平也随之降低。据此,本文提出如下研究假说1:科创板高强度IPO审核问询能有效抑制企业IPO前的研发粉饰行为,且IPO审核问询强度越大,粉饰水平越低。
-
本文以国泰安(CSMAR)数据库中2019年7月22日−2023年12月31日在科创板上市的IPO公司为研究样本(568家IPO样本公司)。为保证研究样本的有效性与数据可得性,本文剔除已退市企业2家、转板上市企业1家以及关键文本数据无法获取的企业1家,最终保留564家IPO公司样本。
3 本文收集了IPO样本公司上市前三年的数据,在构建被解释变量时,剔除94个缺失值后,得到1598个“企业−年度”样本。同时,本文基于上交所官网的科创板股票审核信息披露专栏,下载并整理了IPO样本公司的各轮问询及回复函,手工提取并整理了IPO审核问询函的总轮数、总页数、总问题数和研发问题数。其他数据来自CSMAR、Wind数据库。为缓解极端值对检验结果的影响,本文对所有连续变量进行上下5%分位的缩尾处理,数据分析采用Stata17.0软件。 -
本文在构建被解释变量时,主要基于以下三方面的考量:第一,现行方法的可行性。既有研究对研发粉饰水平的度量大多采用Gunny(2010)的经典方法。本文关注企业IPO前的研发粉饰水平,鉴于Gunny(2010)模型中衡量企业市场价值的数据难以获取,本文借鉴Jones(1991)、陈艳利等(2024)识别、分离和计量企业应计盈余管理的思路,采用企业研发投入偏离正常水平的“异常”程度衡量研发粉饰水平(即通过估计模型,识别企业正常研发投入水平,并将实际研发投入与正常研发水平的偏离度作为研发粉饰水平的代理变量)。第二,模型构建的合理性。根据Jones(1991)衡量应计盈余管理的思路,企业研发决策主要由其经济基本面驱动,任何无法用经济基本面解释的“异常”研发支出,都可能源自管理层机会主义粉饰动机。第三,缓解模型估计偏误。IPO企业上市前研发粉饰的估计模型旨在剔除由企业经济基本面驱动的“正常”研发投入,进而提取研发“异常”部分,故样本选择不应局限于科创板企业。若仅采用科创板公司样本估计正常研发投入,则估计基准本身可能因科创板公司普遍存在的IPO粉饰动机而受到“污染”,导致残差项难以有效捕捉真正的研发“异常”。为缓解IPO企业样本本身存在的研发粉饰带来的估计偏误,本文采用全市场高科技上市公司样本估计正常研发投入,从而使残差项能够更精准地捕捉企业IPO前的机会主义操纵成分。
综上,本文参考Jones(1991)、成力为和戴小勇(2012)的研究,选取A股市场的高科技行业公司(包括主板、创业板和科创板)的相关数据,共5946个观测样本,构建IPO企业上市前研发粉饰水平变量(ABRD)。具体地,本文构建如下模型(1)对全样本进行回归:
$$\begin{split} {RD} _{ {i,t} } {/} {Revenue} _{ {i,t} } =&{\beta } _{ {0} } + {\beta } _{ {1} } {Size} + {\beta } _{ {2} } {Profit} _{ {i,t} } + {\beta } _{ {3} } {Growth} _{ {i,t} } + {\beta } _{ {4} } {LEV} _{ {i,t} } \\&+{\beta } _{ {5} } {Cash} _{ {i,t} } + {\beta } _{ {6} } {Age} _{ {i,t} } + {\beta } _{ {7} } {Captical} _{ {i,t} } + {\beta } _{ {8} } {HII} _{ {i,t} } + {\beta } _{ {9} } {Fis} _{ {i,t} } \\& +{\beta } _{ {10} } {Bank} _{ {i,t} } + {Ind} + {Year} + {\epsilon } _{ {i,t} }\end{split} $$ (1) 其中,RD/Revenue为研发强度,以研发支出与营业收入的比值衡量;Size为公司规模,取总资产的自然对数;Profit为盈利能力,以总资产收益率衡量;Growth为公司成长性,以营业收入增长率衡量;LEV为财务杠杆,以资产负债率衡量;Cash为现金持有水平,以持有货币资金与总资产的比值衡量;Age为公司年龄(公司从成立到当年的年数);Captical为资本密集程度,以固定资产总额与雇员总数的比值衡量;HII为行业竞争程度,HII=∑(每家厂商营业收入/行业总营业收入)2;Fis为财政资金支持,以各省财政科技支出占GDP的比重衡量;Bank为银行信贷支持,以各省银行贷款占GDP比重衡量;Ind、Year分别表示行业、年份固定效应。回归所得残差项(ε)即为“异常”研发支出,代表企业IPO前的研发粉饰水平(ABRD),反映企业实际研发强度与基于经济基本面预测的正常研发强度之间的偏差。
-
借鉴蒋尧明等(2022)、邓瑶等(2023)的研究,本文选取IPO审核问询函页数、问询轮次以及问题数,构建以下三个不同层次的指标:第一层次为低强度IPO审核问询指标(Count),采用每轮问题数衡量,反映监管机构在每一轮审核问询中提出问题的频率与数量;第二层次为中强度IPO审核问询指标(Que),采用问询函总问题数衡量,反映问询函中问题密集度以及监管机构对特定领域的关注度;第三层次为高强度IPO审核问询指标(RDQ),采用研发问题数衡量,直接反映监管机构对研发活动的关注度与核查力度。三个层次的指标层层递进,表明对IPO企业研发能力的审核问询强度逐渐加深。
-
参考蒋尧明等(2022)、邓瑶等(2023)、田增瑞等(2024)的研究,本文选取上市标准(Sta)、过审前天数(IPOtime)、发行前天数(IPOlength)、发行总费用(Offerfee)、保荐机构规模(Sponsor)、审计机构规模(Auditor)、募集金额(Proceeds)、两职合一(Dual)、董事会规模(Board)、公司年龄(Age)、第一大股东持股比例(Topone)、股权性质(State)、盈利能力(ROA)、负债水平(LEV)、经营水平(TOA)、行业经济(Market)、投资者情绪(Sent)作为控制变量。具体变量定义见表1。
表 1 变量定义
变量 名称 定义 ABRD 企业IPO前研发粉饰水平 企业实际研发强度与基于经济基本面预测的正常研发强度的偏差 Count 低强度IPO审核问询 每轮问题数=总问题数的自然对数/总轮数的自然对数 Que 中强度IPO审核问询 总问题数=总问题数的自然对数/总页数的自然对数 RDQ 高强度IPO审核问询 研发问题数=研发问题数的自然对数/总页数的自然对数 Read IPO回复函可读性 IPO回复函中每千字的常用字字数取自然对数 Vist 机构投资者调研强度 机构投资者实地走访时参与调研人数取自然对数 Sta 上市标准 1为市值估计10亿元标准,2为市值估计15亿元标准,3为市值估计20亿元标准,4为市值估计30亿元标准,5为市值估计40亿元标准,6为市值估计50亿元标准,7为市值估计100亿元标准 IPOtime 过审前天数 IPO从受理到审核通过的天数取自然对数 IPOlength 发行前天数 IPO审核通过到上市的天数取自然对数 Offerfee 发行总费用 IPO企业上市的实际发行总费用/上市前三年资产平均数 Sponsor 保荐机构规模 承销券商在中国证券业统计的承销收入排名位列前10,取值为1,否则为0 Auditor 审计机构规模 公司聘请的会计师事务所,在中国注册会计师协会统计的综合评价中位列前10,取值为1,否则为0 Proceeds 募集金额 IPO企业上市募集资金总额/上市前三年资产平均数 Dual 两职合一 董事长由总经理兼任,取值为1,否则为0 Board 董事会规模 董事会成员数量 Age 公司年龄 上市时间减去成立时间后取自然对数 Topone 第一大股东持股比例 最大股东持有的股票数量占总股本的比例 State 股权性质 1为中外合资,2为国营或国有控股,3为外商独资,4为民营 ROA 盈利能力 总资产收益率=净利润/平均资产总额 LEV 负债水平 资产负债率=负债总额/资产总额 TOA 经营水平 总资产周转率=营业收入/平均资产总额 Market 行业经济 考虑现金红利再投资的月市场回报率(流通市值加权平均法) Sent 投资者情绪 网上超额认购倍数取自然对数 -
本文构建模型(2)检验假说1,即考察IPO审核问询对企业IPO前研发粉饰水平的治理效应。本文主要关注变量Inquiry的系数(c1)大小及符号,若c1显著为负,说明IPO审核问询强度的增加有效抑制了企业IPO前的研发粉饰水平。
$$ {ABRD} _{ {i,t} } = {\gamma } _{ {1} } + {c} _{ {1} } {\times } {Inquiry} _{ {i,t} } + {\sum Controls} + {Year} + {Ind} + {\epsilon } _{ {1} } $$ (2) -
表2列示了本文变量的描述性统计结果。结果显示,ABRD的均值为0.035,最小值为−0.506,最大值为0.782,标准差为0.157,表明在2019年7月22日至2023年12月31日期间,成功上市的企业IPO前研发粉饰水平存在较大差异,部分企业存在明显的正向粉饰行为。第一层次低强度IPO审核问询指标(Count)的均值为3.169,最小值为2.124,最大值为4.262,标准差为0.390。Count的均值偏高,表明大部分样本公司在上市过程中经历了多轮次问询,且各公司间问询次数和问题数存在差异。第二层次中强度IPO审核问询指标(Que)的均值为0.605,最小值为0.464,最大值为0.782,标准差为0.056,说明不同样本公司问询函的问题深度与问题密集程度高度接近,整体分布较为集中,表明监管问询作为一种标准化审核程序,不同企业间问询函文本信息密度具有较高的一致性。第三层次高强度IPO审核问询指标(RDQ)的均值为0.309,最小值为0.104,最大值为0.479,标准差为0.067,表明问询中虽涉及研发问题较多,但样本公司间的差异较小,分布较为集中。综上,在科创板企业的IPO审核问询中,监管机构对各类企业研发能力的关注程度并无明显差异,这一点或可为未来IPO审核问询工作的细化与完善提供参考。
表 2 描述性统计
变量 样本量 均值 中位数 标准差 最小值 最大值 ABRD 1598 0.035 0.009 0.157 −0.506 0.782 Count 1598 3.169 3.155 0.390 2.124 4.262 Que 1598 0.605 0.601 0.056 0.464 0.782 RDQ 1598 0.309 0.310 0.067 0.104 0.479 Sta 1598 1.563 1 1.291 1 7 IPOtime 1598 5.052 5.069 0.336 4.159 5.793 IPOlength 1598 3.857 3.871 0.885 1.386 5.864 Offerfee 1598 0.156 0.118 0.137 0.004 1.087 Sponsor 1598 0.670 1 0.471 0 1 Auditor 1598 0.714 1 0.452 0 1 Proceeds 1598 1.850 1.249 2.640 0.068 47.800 Dual 1598 0.417 0 0.493 0 1 Board 1598 8.323 9 1.520 5 16 Age 1598 2.597 2.639 0.414 1.609 3.497 Topone 1598 0.304 0.277 0.141 0.018 0.829 State 1598 3.088 4 1.296 1 4 ROA 1598 0.072 0.086 0.152 −0.913 0.339 LEV 1598 0.408 0.380 0.188 0.072 0.923 TOA 1598 0.638 0.614 0.323 0.004 1.834 Market 1598 −0.003 −0.018 0.081 −0.152 0.207 Sent 1598 7.887 7.922 0.296 6.505 8.319 -
核心变量的相关性分析结果(限于篇幅未予报告,资料备索)显示,衡量IPO审核问询强度的三层次指标均与企业IPO前研发粉饰水平负相关,但不显著。可能的原因在于,相关性分析仅反映变量间的简单关联,未控制其他因素,因此该负相关关系有待后续通过回归分析进一步检验。
此外,第一、第二层次变量的相关系数(0.336)偏高,属于正常现象。整理数据显示,多数企业经历2−3轮问询,且每轮平均页数相对稳定,即第一、第二层次变量的变化趋势相对一致。第二、第三层次变量的相关系数(0.627)也较高,原因是研发问题数为总问题数的子集,且第二、第三层次变量间存在倍数关系,两者变化趋势相对一致,亦属正常。多数控制变量均与IPO前研发粉饰水平(ABRD)具有显著相关性,且变量间的相关系数均在合理范围之内,表明模型不存在严重的多重共线性问题,设置合理。
-
本文采用模型(2)检验假说1,表3列示了IPO审核问询强度的三个层次指标对企业IPO前研发粉饰行为的影响。列(1)至列(3)分别报告了IPO审核问询强度的第一、第二、第三层次指标对企业IPO前研发粉饰水平的影响。结果显示,第一层次低强度IPO审核问询指标(Count)无显著影响;第二层次中强度IPO审核问询指标(Que)的系数虽也未通过显著性检验,但符号为负;第三层次高强度IPO审核问询指标(RDQ)反映监管机构对研发活动直接关注的“研发问题数”,对企业IPO前研发粉饰行为具有显著的抑制作用(系数为−0.186,t值为−2.789,通过了1%水平的显著性检验)。结果表明,交易所IPO审核问询强度的逐层递增,尤其对涉及研发问题的直接关注与问询,显著压缩了IPO企业上市前研发粉饰的空间,抑制了企业IPO前的研发粉饰行为。列(4)报告了将三个层次指标同时纳入模型对企业IPO前研发粉饰水平的影响,结果显示,高强度IPO审核问询指标(RDQ)的系数仍在1%的水平上显著为负。本文假说1得到支持。
表 3 IPO审核问询强度对企业IPO前研发粉饰行为的影响
变量 ABRD
(1)ABRD
(2)ABRD
(3)ABRD
(4)Count 0.031 −0.108 (0.551) (−1.469) Que −0.036 −0.126** (−0.388) (−2.067) RDQ −0.186*** −0.290*** (−2.789) (−3.438) Sta 0.022*** 0.022*** 0.022*** 0.022*** (5.450) (5.463) (5.539) (5.540) IPOtime −0.044*** −0.043*** −0.057*** −0.056*** (−3.445) (−3.273) (−4.181) (−4.093) IPOlength 0.001 0.070 0.002 0.003 (0.191) (0.129) (0.457) (0.484) Offerfee 0.127*** 0.126*** 0.134*** 0.138*** (2.918) (2.904) (3.095) (3.179) Sponsor 0.015* 0.015* 0.015* 0.014 (1.782) (1.772) (1.762) (1.624) Auditor 0.009 0.009 0.008 0.008 (1.019) (1.015) (0.935) (0.959) Proceeds −0.002 0.001 0.002 0.012 (−0.009) (0.005) (0.010) (0.059) Dual 0.004 0.004 0.004 0.004 (0.498) (0.478) (0.492) (0.453) Board 0.001 0.001 0.001 0.002 (0.451) (0.481) (0.486) (0.594) Age 0.007 0.008 0.007 0.009 (0.712) (0.748) (0.720) (0.888) Topone −0.025 −0.025 −0.021 −0.020 (−0.863) (−0.855) (−0.719) (−0.686) State −0.009*** −0.009*** −0.009*** −0.009*** (−2.872) (−2.849) (−2.882) (−2.828) ROA −0.031 −0.031 −0.033 −0.035 (−0.941) (−0.953) (−1.000) (−1.079) LEV −0.065*** −0.063*** −0.069*** −0.060*** (−2.866) (−2.753) (−3.062) (−2.622) TOA −0.081*** −0.081*** −0.080*** −0.082*** (−5.753) (−5.733) (−5.736) (−5.841) Market −0.021 −0.019 −0.026 −0.031 (−0.407) (−0.381) (−0.515) (−0.605) Sent 0.014 0.015 0.017 0.017 (0.836) (0.853) (0.988) (1.022) Constant 0.129 0.129 0.547** 0.785*** (0.82) (0.82) (2.52) (3.18) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 1598 1598 1598 1598 Adj-R2 0.093 0.093 0.098 0.099 F 4.572 4.568 4.757 4.656 注:***、**、*分别表示在1%、5%、10%的统计水平上显著,括号内为t值。下同。 从上述实证结果可以看出,泛泛而问的审核问询难以抑制企业研发粉饰行为,唯有直接聚焦IPO企业研发问题的问询,方能对企业研发粉饰行为发挥威慑作用。因此,注册制下审核问询中的“如何问”以及“问什么”,可能是决定IPO审核问询效率的关键因素。
-
借鉴危雁麟等(2022)、苑泽明等(2022)的准自然实验思路,本文以《上海证券交易所科创板企业发行上市申报及推荐暂行规定》(上证发〔2020〕21号)作为外生事件,采用PSM-DID方法进行检验,以缓解样本选择偏误等内生性问题。上交所2020年3月27日发布的《上海证券交易所科创板企业发行上市申报及推荐暂行规定》明确要求披露研发投入、发明专利数量及营业收入等指标,对上市企业科创属性的审核更加严格规范。该政策进一步细化了科创指标,有助于压缩企业上市前研发粉饰的操作空间,降低企业IPO前研发粉饰水平。
具体来看,本文引入虚拟变量treat和post,以研发支出占营业收入的比例度量科创属性,并以全样本的30%分位数为临界值,将研发强度高于临界值的企业定义为强科创属性企业(实验组),treat取值为1;其余企业则定义为弱科创属性企业(控制组),treat取值为0。对于2020年3月27日后上市的企业,post取值为1,否则为0。其余变量定义与前文保持一致,模型设定如下:
$$ {ABRD} _{ {i,t} } = {\gamma } _{ {2} } + {c} _{ {2} } {\times } {post} _{ {i,t} } {\times } {treat} _{ {i,t} } + {\sum Controls} + {Year} + {Ind} + {\epsilon } _{ {2} } $$ (3) 本文在进行倾向得分匹配时,首先对treat变量进行匹配,选取保荐机构规模、审计机构规模、两职合一、董事会规模、第一大股东持股比例、股权性质、盈利能力和经营水平作为协变量进行Logit回归,并据此进行半径匹配。其次,表4的平衡性检验结果显示,各变量的标准化偏差均小于10%,且t检验表明实验组与控制组无系统性差异,满足平衡性假设。将匹配后的样本代入模型(3)进行回归,结果如表5列(1)所示:post×treat的系数在5%的水平上显著为负,进一步验证了高强度IPO审核问询能够抑制企业IPO前的研发粉饰行为。
表 4 匹配变量的平衡性检验结果
变量 Unmatched Mean %bias %reduct t-test Matched Treated Control |bias| t p>|t| Sponsor U 0.676 0.641 7.4 1.170 0.244 M 0.661 0.640 4.4 40.4 1.090 0.278 Auditor U 0.712 0.725 −3.0 −0.460 0.647 M 0.706 0.706 −0.1 97.7 −0.020 0.987 Dual U 0.429 0.362 13.7 2.110 0.035 M 0.408 0.377 6.3 53.8 1.560 0.119 Board U 8.312 8.369 −4.0 −0.580 0.561 M 8.302 8.368 −4.6 −15.5 −1.150 0.250 Topone U 0.302 0.314 −8.7 −1.320 0.188 M 0.305 0.304 0.7 92.0 0.180 0.858 ROA U 0.068 0.088 −15.7 −2.020 0.043 M 0.094 0.088 4.5 71.2 1.600 0.109 LEV U 0.400 0.441 −22.0 −3.370 0.001 M 0.406 0.422 −9.1 58.6 −2.340 0.019 TOA U 0.621 0.712 −27.5 −4.390 0.000 M 0.649 0.657 −2.5 91.0 −0.700 0.483 表 5 内生性检验
变量 ABRD
(1)ABRD
(2)ABRD
(3)post×treat −0.025** (−2.226) RDQ −0.156** −0.189*** (−2.283) (−3.063) Controls 控制 控制 控制 Ind 控制 控制 控制 Year 控制 控制 控制 N 1510 1212 1592 Adj-R2 0.077 0.097 0.105 -
科创板肩负着为具有科创属性的企业提供融资平台的责任。鉴于IPO企业存在国有与非国有的产权差异,且监管机构的IPO审核问询强度不同所带来的治理效果也各异,本文采用两种匹配方式:一是按产权分为国有企业与非国有企业;二是按审核问询强度的中位数分为高、低两组。匹配过程选取保荐机构规模、审计机构规模、两职合一、董事会规模、第一大股东持股比例、盈利能力和经营水平作为协变量,实施半径匹配。
4 表6、表7的平衡性检验结果显示,多数协变量的标准差偏差小于10%,且全部t检验结果均无法拒绝实验组与控制组之间无系统性差异的原假设。表5列(2)、列(3)分别报告了国有与非国有、审核问询强度高低分组的匹配结果,结果显示,无论是国有与非国有分组,还是问询强度高低分组,高强度IPO审核问询均能显著抑制企业IPO前的研发粉饰行为(至少通过5%的显著性水平检验),与前文结论保持一致。
表 6 以产权性质为匹配标准的PSM平衡性检验
变量 Unmatched Mean %bias %reduct t-test Matched Treated Control |bias| t Matched Sponsor U 0.756 0.659 21.30 2.520 0.012 M 0.756 0.760 −0.80 96.20 −0.080 0.938 Auditor U 0.679 0.718 −8.60 −1.070 0.283 M 0.679 0.692 −2.80 67.20 −0.260 0.799 Dual U 0.071 0.457 −97.20 −9.880 0.000 M 0.071 0.103 −7.90 91.90 −1.020 0.309 Board U 8.875 8.258 46.20 5.010 0.000 M 8.875 8.800 5.60 87.80 0.490 0.624 Topone U 0.407 0.292 81.70 10.230 0.000 M 0.407 0.395 8.50 89.60 0.660 0.512 ROA U 0.057 0.074 −13.60 −1.320 0.188 M 0.057 0.057 0.10 99.40 0.010 0.993 LEV U 0.509 0.396 63.00 7.540 0.000 M 0.509 0.516 −3.80 94.00 −0.320 0.749 TOA U 0.577 0.645 −21.40 −2.600 0.009 M 0.577 0.609 −10.20 52.50 −0.900 0.367 表 7 以审核问询强度为匹配标准的PSM平衡性检验
变量 Unmatched Mean %bias %reduct t-test Matched Treated Control |bias| t Matched Sponsor U 0.678 0.660 3.90 0.770 0.440 M 0.677 0.660 3.70 3.60 0.750 0.451 Auditor U 0.708 0.721 −3.00 −0.590 0.554 M 0.706 0.720 −3.00 −1.60 −0.610 0.542 Dual U 0.415 0.419 −0.70 −0.140 0.886 M 0.413 0.421 −1.70 −129.10 −0.330 0.738 Board U 8.252 8.398 −9.60 −1.910 0.056 M 8.264 8.376 −7.30 23.30 −1.540 0.125 Topone U 0.310 0.298 8.30 1.660 0.097 M 0.309 0.299 7.50 9.70 1.540 0.124 ROA U 0.075 0.069 3.90 0.780 0.433 M 0.075 0.072 1.70 57.70 0.340 0.733 LEV U 0.403 0.412 −4.80 −0.950 0.342 M 0.403 0.409 −2.70 42.80 −0.560 0.577 TOA U 0.633 0.643 −3.10 −0.620 0.539 M 0.635 0.640 −1.60 48.90 −0.320 0.747 -
已有研究发现,企业IPO前研发粉饰手段多样,如研发费用随意划分、研发人员判定混乱等(辛清泉等,2021;左璇和章卫东,2023;沈振宇和沈宇秀,2024)。本文将被解释变量替换为公司IPO前研发人员数量(RDP)和研发费用(RDF),并分别以公司上市前研发人员数量和研发费用的自然对数衡量;将解释变量替换为IPO审核问询函每轮页数(RDQ1),并以IPO审核问询函的页数与总轮数的比值衡量。表8报告了替换被解释变量与解释变量后,IPO审核问询对企业IPO前研发粉饰行为的影响。结果表明,无论是替换被解释变量还是解释变量,高强度IPO审核问询对企业IPO前研发粉饰行为均具有显著的抑制作用(至少通过5%的显著性水平检验),与前文结论保持一致。
表 8 稳健性检验:替换模型核心变量
变量 RDP
(1)RDF
(2)ABRD
(3)RDQ −1.009*** −0.649** (−3.204) (−2.342) RDQ1 −0.009*** (−3.544) Controls 控制 控制 控制 Ind 控制 控制 控制 Year 控制 控制 控制 N 1370 1598 1598 Adj-R2 0.457 0.624 0.100 F 26.026 58.732 4.875 -
为验证核心结论的可靠性,本文将因变量的观测窗口由上市前三年扩展至上市前三年及上市当年。表9列(1)的检验结果显示,核心解释变量RDQ的系数为负且在10%的水平上显著,表明在纳入上市当年数据后,高强度IPO审核问询对企业IPO前研发粉饰行为仍具有显著的治理效应,与前文结论保持一致。
表 9 稳健性检验:改变因变量测量窗口和聚类层级
变量 ABRD
(1)ABRD
(2)ABRD
(3)ABRD
(4)RDQ −0.095* −0.174** −0.174** −0.174** (−1.935) (−2.313) (−2.633) (−3.166) Controls 控制 控制 控制 控制 Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 2155 1598 1598 1598 Adj-R2 0.097 0.103 0.103 0.103 -
鉴于企业研发策略、行业成果转化周期及地区经济发展水平与创新支持力度的差异均可能影响研究结论的稳健性,本文通过改变聚类层级进行稳健性检验。表9列(2)在行业层面进行聚类;列(3)进一步扩展至地区层面,即根据公司注册地所在省份进行聚类;列(4)则在年份层面进行聚类。在上述三种不同聚类方式下,核心解释变量RDQ的系数均在5%的水平上显著为负,表明本文结论稳健。
-
本文从外部监督与信息披露两条路径,进一步考察IPO审核问询如何抑制科创板企业IPO前研发粉饰行为,具体作用机制如图1所示:(1)问询压力→企业不敢模糊披露→回复内容更直接→信息可读性提高→粉饰行为被约束;(2)问询释放风险信号→机构更重视、调研更多→外部监督增强→粉饰成本上升。
-
IPO审核问询与回复的互动过程会直接影响发行人信息披露质量。首先,从IPO审核问询目的来看,基于投资者保护立场,交易所凭借专业知识与监管经验,全面核查发行人披露信息,识别招股说明书申报稿中存在的问题和披露缺陷,以便开展针对性审查。其次,交易所IPO审核工作主要采用问询函机制,通过公开问询方式要求发行人补充披露信息(蒋尧明和张雷云,2021)。在科创板审核问询流程中,首轮问询通常覆盖招股说明书的全部内容,包括公司财务、业务技术和治理水平等。上交所特别关注信息披露的充分性、一致性和可理解性,对可能影响投资者决策而表述模糊的内容,要求发行人进一步核查并补充说明。后续多轮问询则聚焦前次回复中未解释清楚的问题,要求发行人提供更详细的补充信息(胡志强和王雅格,2021)。最后,IPO审核问询具备坚实的监管基础,通过行政
5 和法律6 手段确立其权威性,对信息披露真实性形成有效威慑。基于上述对监管者实施IPO审核问询目的、流程及可依赖的“强硬”监管基础的分析,本文提出如下逻辑推断:若发行人IPO回复函中的信息披露充分且可读性较高,则上交所的问询轮数、问题数将显著减少,表现出较低的IPO审核问询强度;反之,则审核问询强度较高。参考胡志强和王雅格(2021)的研究思路,本文选取IPO回复函可读性(Read)作为中介变量,并以回复函每千字中的常用字字数取自然对数衡量。回复函每千字中的常用字字数越多,说明在描述其研发或财务活动时使用越直接、简洁的语言表述,隐藏不利信息的空间越小,可读性越高;反之,回复函每千字中的常用字字数越少,表明回函信息越具有隐藏不利信息的空间,可读性越低。参考温忠麟和叶宝娟(2014)的中介效应模型,本文构建模型(4)、模型(5),以识别交易所IPO审核问询强度抑制企业IPO前研发粉饰行为的路径。
$$ {Read} _{ {i,t} } = {\lambda } _{ {1} } + {\alpha } _{ {1} } {\times } {RDQ} _{ {i,t} } + {\sum Controls} + {Year} + {Ind}+ {\epsilon } _{ {3} } $$ (4) $$ {ABRD} _{ {i,t} } = {\gamma } _{ {3} } + {c}'_{ {1} } {\times } {RDQ} _{ {i,t} } + {b} _{ {1} } {\times } {Read} _{ {i,t} } + {\sum Controls} + {Year} + {Ind} + {\epsilon } _{ {4} } $$ (5) 模型(4)考察高强度IPO审核问询对回复函可读性的影响;模型(5)以Read作为中介变量,考察回复函可读性的中介效应。具体检验步骤如下:第一步,采用模型(4)考察高强度IPO审核问询是否显著影响IPO回复函可读性(系数α1是否显著);第二步,采用模型(5)考察IPO回复函可读性是否显著影响企业IPO前研发粉饰水平(系数b1是否显著)。
表10列(1)、列(2)报告了回归结果。列(1)显示,高强度IPO审核问询对IPO回复函可读性的作用系数α1为0.096,且在1%的水平上显著,表明交易所IPO审核问询强度越大,IPO回复函每千字中的常用字字数越多,可读性越强。列(2)显示,在控制IPO审核问询后,IPO回复函可读性对企业IPO前研发粉饰水平的作用系数b1为0.131,且在5%的水平上显著;在控制IPO申报稿可读性后,高强度IPO审核问询对企业IPO前研发粉饰水平的总效应${c}'_{ {1} } $为−0.190,且在1%的水平上显著。上述结果表明,随着交易所IPO审核问询强度的增加,发行人面临的关注压力随之加大,信息披露透明度提升,企业IPO前研发粉饰水平下降。
表 10 路径检验:基于IPO回复函可读性和机构投资者调研强度
变量 Read
(1)ABRD
(2)Vist
(3)ABRD
(4)RDQ 0.096*** −0.190*** 0.019*** −0.009*** (3.141) (−3.063) (3.339) (−3.035) Read 0.131** (2.551) Vist 0.044*** (3.146) Sta 0.014*** 0.020*** 0.039*** 0.022*** (7.470) (5.217) (4.217) (4.757) IPOtime 0.011* −0.053*** 0.076** −0.028* (1.780) (−4.233) (2.544) (−1.855) IPOlength 0.002 0.001 0.022* −0.005 (0.775) (0.291) (1.889) (−0.945) Offerfee 0.106*** 0.119*** −0.449*** −0.071 (5.333) (2.928) (−2.818) (−0.899) Sponsor −0.001 0.013 0.009 0.010 (−0.198) (1.611) (0.442) (1.048) Auditor −0.006 0.007 −0.005 0.010 (−1.606) (0.929) (−0.229) (1.002) Proceeds −0.190** 0.032 0.038*** 0.020*** (−1.995) (0.168) (3.025) (3.219) Double −0.006 0.006 −0.013 −0.014 (−1.548) (0.765) (−0.732) (−1.634) Board 0.004*** 0.000 −0.002 0.002 (3.052) (0.080) (−0.287) (0.736) Age −0.001 0.009 0.024 0.004 (−0.266) (0.940) (1.024) (0.385) Topone −0.002 −0.022 0.085 −0.002 (−0.150) (−0.838) (1.353) (−0.054) State −0.004*** −0.009*** 0.002 −0.008** (−2.668) (−3.016) (0.247) (−2.326) ROA 0.041*** −0.040 0.058 −0.009 (2.757) (−1.323) (0.842) (−0.245) LEV −0.023** −0.061*** −0.137*** −0.037 (−2.263) (−2.932) (−2.713) (−1.471) TOA −0.027*** −0.070*** −0.047 −0.103*** (−4.165) (−5.422) (−1.533) (−6.754) Market 0.012 −0.024 −0.638*** 0.019 (0.532) (−0.517) (−5.744) (0.343) Sent −0.018** 0.017 0.118*** 0.032* (−2.276) (1.093) (3.223) (1.730) Constant 3.817*** 0.026 −1.583*** 0.031 (38.271) (0.094) (−4.254) (0.168) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 1595 1595 1285 1261 Adj-R2 0.184 0.106 0.097 0.141 F 8.837 5.004 4.015 5.392 -
前文理论分析表明,高强度IPO审核问询不仅能提升企业信息披露质量,还能通过信号效应吸引投资者关注,尤其是对信息敏感的机构投资者。作为资本市场的重要参与者,机构投资者不仅具有较强的信息敏感度与风险识别能力(Maffett,2012;徐虹和赵彤,2022),还具备主动获取信息、开展实地调研的能力(张勇,2020)。实地调研活动能够直接释放大量及时的非财务信息,产生信息溢出效应,从而有效约束管理层的信息披露行为(Kim等,2011),提升企业会计信息披露质量(张勇,2020)。一方面,IPO审核问询函的发布,特别是针对研发创新和财务真实性等复杂问题的精准问询,能够向市场传递风险信号。机构投资者凭借专业能力,能够迅速识别问询所揭示的信息疑点与缺口(姜涛和霍雨佳,2022)。此外,为满足决策信息精度要求,机构投资者还通过现场走访、访谈管理层及考察研发生产环节获取真实信息,以评估公司的潜在风险(徐媛媛等,2024)。另一方面,参与调研团队的规模直接反映对被调研公司的关注度与资源投入度。参与实地调研的机构及人员越多,表明核验的视角越多、质询越深入,形成的市场共识基础越广泛,从而越有助于提升IPO定价合理性与长期价值判断。高强度IPO审核问询可能被市场视为一种警示信号。尽管高强度IPO审核问询在短期内可能引起市场波动,但对于长期价值投资者而言,这也可能是筛选优质企业的契机。通过深入分析问询内容及公司回复(问询函与回复函均公开可查),并结合实地调研所见所闻,机构投资者能够更准确地评估公司真实价值,并将基于第一手信息形成的价值判断体现在询价、定价及后续交易行为中,对企业信息披露质量形成监督效能与约束力,进而压缩企业的研发粉饰空间。因此,本文选取机构投资者调研强度(Vist)作为中介变量,以机构投资者实地走访的参与人数取自然对数衡量,并基于模型(2)构建如下模型:
$$ {Vist} _{ {i,t} } {=\lambda } _{ {2} } {+\alpha } _{ {2} } {\times RDQ} _{ {i,t} } +\sum Controls+Year {+Ind} } {+\epsilon } _{ {5} } $$ (6) $$ {ABRD} _{ {i,t} } {=\gamma } _{ {4} } +c'_{ {2} } {\times RDQ} _{ {i,t} } {+b} _{ {2} } {Vist} _{ {i,t} } +\sum Controls+Year {+Ind} {+\epsilon } _{ {6} } $$ (7) 其中,模型(6)考察高强度IPO审核问询对机构投资者调研强度的影响;模型(7)以Vist作为中介变量,考察机构投资者调研强度的中介效应。具体检验步骤如下:第一步,采用模型(6)检验高强度IPO审核问询是否显著影响机构投资者调研强度(系数α2是否显著);第二步,采用模型(7)检验机构投资者调研强度是否显著影响企业IPO前研发粉饰水平(系数b2是否显著)。
表10列(3)、列(4)报告了回归结果。列(3)中,高强度IPO审核问询对机构投资者调研强度的作用系数α2为0.019,且在1%的水平上显著,表明IPO审核问询强度越高,机构投资者调研强度越强,即机构投资者实地调研人数越多。列(4)的结果显示,在控制IPO审核问询强度后,机构投资者调研强度对企业IPO前研发粉饰水平的作用系数b2为0.044,且在1%的水平上显著;在控制机构投资者调研强度后,高强度IPO审核问询对企业IPO前研发粉饰水平的总系数$c'_{ {2} } $为−0.009,且在1%的水平上显著。上述结果表明,交易所IPO审核问询促使发行人提高信息披露透明度,机构投资者通过实地调研等方式能更准确地识别发行企业的真实价值。若发现企业价值被高估,机构投资者可能采取谨慎态度,这可能增加企业发行成本与风险,倒逼发行企业降低研发粉饰水平。
-
公司治理水平是影响企业信息质量的重要因素(陈晶,2022)。良好的公司治理能够缓解管理层与股东之间的代理问题,并约束管理层的自利行为。因此,即使管理层出于短期利益考虑,试图通过研发粉饰行为操纵财务报表,完善的公司治理机制也能对其形成制约和威慑,从而降低研发粉饰水平。此外,高水平的公司治理还能提升企业信息披露透明度,缓解企业内外部利益相关者之间的信息不对称,使企业的真实价值与潜在风险更易被市场识别,从而削弱管理层通过研发粉饰行为误导投资者的动机。据此,本文进一步检验在不同公司治理水平下,IPO审核问询对企业IPO前研发粉饰水平的影响。
参考张岩和吴芳(2021)、陈晶(2022)的研究,本文选取两职合一(Dual)度量公司治理水平,若公司董事长与总经理由同一人兼任,则为兼任组,Dual取值为1;反之为非兼任组,Dual取值为0。理论分析表明,两职合一可能导致管理层权力过度集中,削弱董事会监督效能,降低公司治理效率,为管理层操纵研发信息提供空间。作为一种外部监督机制,IPO审核问询通过对研发项目的详细问询,可直接约束管理层行为。因此,本文预期高强度IPO审核问询对企业IPO前研发粉饰行为的抑制作用在兼任组中更显著。表11列(1)、列(2)报告了按公司治理水平分组的回归结果。结果显示,在兼任组中,高强度IPO审核问询与企业IPO前研发粉饰水平在1%的水平上显著负相关,表明IPO审核问询对企业IPO前研发粉饰行为的抑制效应主要体现在两职兼任组。
表 11 异质性检验
变量 ABRD ABRD ABRD Dual=1
(1)Dual=0
(2)Auditor=1
(3)Auditor=0
(4)Sponsor=1
(5)Sponsor=0
(6)RDQ −0.313*** −0.069 −0.007** −0.006 −0.012*** 0.005 (−3.691) (−0.691) (−2.334) (−1.472) (−3.757) (1.264) Sta 0.027*** 0.019*** 0.014*** 0.055*** 0.020*** 0.021** (5.115) (2.909) (3.044) (7.279) (4.633) (2.449) IPOtime −0.061*** −0.041** −0.068*** 0.028 −0.047*** −0.052** (−3.402) (−2.121) (−4.521) (1.365) (−3.152) (−2.528) IPOlength 0.004 0.002 0.005 −0.025** −0.003 0.021** (0.573) (0.214) (0.771) (−2.488) (−0.455) (2.412) Offerfee −0.098 0.185*** 0.125*** −0.018 0.088* 0.139 (−1.303) (2.876) (2.633) (−0.136) (1.744) (1.411) Sponsor 0.008 0.016 0.005 0.019 (0.786) (1.314) (0.504) (1.476) Auditor 0.024** −0.015 −0.009 0.025** (2.117) (−1.203) (−0.818) (2.165) Proceeds 0.021*** −0.002 −0.000 0.017 0.000 0.009 (3.853) (−0.700) (−0.038) (1.505) (0.078) (1.162) Double 0.011 −0.030** 0.001 −0.008 (1.175) (−2.426) (0.051) (−0.639) Board 0.002 0.002 0.002 0.008 0.003 −0.013*** (0.501) (0.545) (0.591) (1.607) (1.100) (−2.827) Age 0.028** 0.002 0.018 −0.007 −0.002 0.062*** (1.973) (0.147) (1.529) (−0.437) (−0.178) (4.167) Topone −0.006 −0.012 −0.038 0.055 −0.030 −0.026 (−0.170) (−0.271) (−1.125) (1.272) (−0.923) (−0.540) State −0.013*** −0.002 −0.012*** −0.003 −0.010*** −0.007 (−3.108) (−0.502) (−3.210) (−0.527) (−2.641) (−1.408) ROA 0.072* −0.150*** −0.086** 0.191** −0.058* 0.229*** (1.710) (−2.995) (−2.445) (2.395) (−1.676) (2.723) LEV −0.086*** −0.038 −0.059** −0.015 −0.080*** 0.097** (−2.926) (−1.161) (−2.337) (−0.333) (−3.155) (2.412) TOA −0.078*** −0.087*** −0.087*** −0.056** −0.081*** −0.083*** (−4.381) (−4.298) (−5.457) (−2.441) (−4.879) (−3.978) Market −0.076 0.104 0.043 −0.158** 0.025 −0.029 (−1.202) (1.403) (0.727) (−2.083) (0.417) (−0.411) Sent −0.012 0.029 0.007 0.033 0.041** −0.082*** (−0.461) (1.274) (0.355) (0.954) (2.031) (−2.701) Constant 0.976*** 0.176 0.364** −0.416 0.078 0.615** (3.322) (0.576) (2.102) (−1.494) (0.439) (2.295) Ind 控制 控制 控制 控制 控制 控制 Year 控制 控制 控制 控制 控制 控制 N 880 697 1123 454 1070 528 Adj-R2 0.120 0.099 0.105 0.177 0.115 0.132 F 3.737 2.735 3.932 3.378 4.145 2.954 -
注册制改革背景下,科创板通过降低上市门槛,以更加开放包容的姿态接纳符合条件但尚未盈利的企业、红筹企业以及特殊股权架构企业(陈松等,2023;郑国坚等,2025)。这一改革在提升市场包容性的同时,也给会计师事务所等中介机构带来新挑战:如何准确研判企业盈利前景风险、科学评估企业科技创新实力、严格审查企业合法合规性等。这对会计师事务所等中介机构提出了更高要求。
根据Tan和Libby(1997)对审计知识结构的研究,审计知识分为显性技术知识和隐性管理知识。显性技术知识主要包括会计和审计准则等标准化、结构化的“硬”知识;隐性管理知识则更为复杂,包括对特定行业或客户的深入理解、沟通协调能力等“软”技能。技术知识因其结构化特征易于通过教育来传授和学习,而隐性知识的获取则主要依赖实践经验积累。随着执业经验的积累,审计师在实践中不仅能更熟练地运用技术知识,如精准设计审计程序、识别重大错报风险等(潘临等,2019),还能逐步积累与IPO业务相关的隐性知识,如组织协调、沟通技巧等,从而提升审计服务质量(Bol等,2018;林润雨等,2024)。鉴于IPO业务的特殊性,审计师需要协调发行人、监管机构和中介机构等多方关系,因此不仅要具备扎实的专业技术知识,还需掌握丰富的隐性管理知识。拥有丰富IPO项目经验的审计师通常更熟悉特定板块和不同行业的上市要求,掌握IPO业务特有的专业知识与审计技巧,能为发行人提供更高质量的专业服务(林润雨等,2024)。实践表明,这些专业素养过硬的审计师大多选择综合实力强劲的会计师事务所作为执业平台。
7 相应地,这些会计师事务所的IPO业务质量较高、发行失败风险较低。进一步地,基于市场机制的信息认证效应,拟上市企业选择高质量审计服务有助于提振投资者信心,引发正向市场反应(Datar等,1991),且这种对高质量审计的偏好在研发强度较高的企业中尤为显著(陈松等,2023)。会计师事务所的综合实力直接关系到企业上市成败。科创板IPO企业普遍存在研发粉饰动机,为提高上市成功率,更倾向于选择综合实力较强的会计师事务所,以规范财务资料并提升信息质量。因此,本文预期高质量会计师事务所在面对高强度IPO审核问询时,能够更有效地抑制企业IPO前的研发粉饰行为。本文按会计师事务所的类型进行分组回归,采用中国注册会计师协会对会计师事务所的综合评价度量会计师事务所声誉(Auditor)。若会计师事务所位列综合评价排名前10,则定义为高声誉组,Auditor取值为1;反之为低声誉组,Auditor取值为0(王木之和李丹,2016)。表11列(3)、列(4)报告了按会计师事务所声誉分组的回归结果,高声誉组核心解释变量RDQ的系数在5%的水平上显著为负,说明高强度IPO审核问询对企业IPO前研发粉饰行为的抑制作用主要体现在高声誉会计师事务所组。
-
注册制改革引入保荐机构跟投制度,由此改变了保荐机构的盈利模式。保荐机构的收益由两部分构成:一是IPO承销的固定佣金,二是跟投锁定期满后的投资收益。后者取决于认购股票的增值情况(陈晶,2022),这使得保荐机构部分收入具有不确定性。作为理性经济主体,保荐机构需权衡确定的承销收入与不确定的投资收益(张岩和吴芳,2021),这种利益机制可能导致保荐机构存在纵容IPO企业进行研发粉饰的潜在动机。
对于保荐机构声誉治理机制与交易所审核问询机制的相互影响,学界存在两种不同的观点。第一,替代效应认为,保荐机构的声誉是获取未来业务的关键资产(Beatty和Ritter,1986),高声誉保荐机构凭借其专业能力与执业经验,可在IPO前期有效识别并抑制企业的财务操纵行为(李建军和唐松莲,2019)。第二,互补效应认为,审核问询作为一种外部监管压力,能够打破高声誉保荐机构可能存在的利益权衡困境,倒逼其运用专业能力进行深度整改。在IPO业务中,中介机构出于监管风险考虑,其行为更易受监管影响,尤其是高声誉中介机构更担心处罚会损害自身声誉。因此,当监管力度加强时,这类机构更可能主动作为,从而与监管形成互补关系(宋顺林等,2024),协同提升审核效率。
本文认为,在特定跟投制度情境下,互补效应更可能占据主导地位。高声誉保荐机构拥有更高的声誉资本,一旦其保荐的项目在审核问询中暴露出重大问题或被证实存在研发粉饰,会面临巨大的声誉折价和市场份额损失(DeAngelo,1981)。因此,当面临高强度的审核问询时,高声誉机构维护声誉的边际动机更强,更有动力对问询函中涉及的研发疑点进行核查与修正,从而强化了问询的治理效果。此外,基于信号传递视角,高强度审核问询能够向市场传递企业研发信息可能存在问题的消极信号。高声誉保荐机构为向监管主体与市场投资者传递其“尽职免责”的积极信号,以遏制消极信号的持续发酵可能引发的监管风险,倾向于采取更积极的应对策略,进而强化了审核问询对研发信息披露的抑制作用。
基于上述分析,本文选取承销商年度承销收入排名度量承销商声誉(Sponsor)。若承销商在中国证券业承销收入排名中位列前10,则定义为高声誉组,Sponsor取值为1;反之为低声誉组,Sponsor取值为0(王木之和李丹,2016)。表11列(5)、列(6)报告了按承销商声誉分组的回归结果,高声誉组核心解释变量RDQ的系数在1%的水平上显著为负,说明高强度IPO审核问询对企业IPO前研发粉饰行为的抑制作用主要体现在高声誉承销商组。
-
上市公司滥用超募资金的现象时有发生,这不仅降低了资金配置效率,也直接损害了投资者利益(张岩和吴芳,2021)。作为注册制下的重要监管工具,IPO审核问询经过公开、细致的多轮交易所问询与发行人回复,尤其是对企业科创属性、研发能力、技术优势、成长潜力等关键信息的深入挖掘,提高了发行人与投资者之间的信息透明度。问询过程有助于缓解发行人与投资者之间的信息不对称,引导投资者基于更真实、完整的企业信息进行理性估值与报价,抑制因信息失真或过度乐观情绪而导致发行价格偏离基本面,从而对IPO超募现象具有一定制约效果。然而,研发粉饰行为加剧了发行人与投资者之间的信息不对称,导致市场对企业的创新实力与成长能力形成系统性高估。在科创板以询价为主导的发行机制下,这种高估可能直接转化为投资者的乐观报价与超额认购,从而推高实际募资额,引发IPO超募现象。此外,监管机构对科创板上市公司的政策导向侧重于科创属性认定,成功通过IPO审核的企业向市场释放具备较强科创能力的信号。若IPO企业通过研发粉饰人为提升财务报表中的科创属性表现,并借此成功过会、获得“科创光环”认定,则会误导投资者对企业实际创新能力与成长潜力的判断,进而扭曲资本市场资源配置机制,导致资金向“伪创新”企业集聚。因此,本文预期企业IPO前研发粉饰扩大了IPO超募规模,造成募集资金与企业真实需求脱节,削弱了IPO审核问询对企业IPO超募的治理效果,从而加剧资本错配风险。
本文采用两种方法度量IPO超募资金水平:一是借鉴方军雄和方芳(2011)的方法,以募资净额除以预计募资额并取自然对数衡量,记为Overfund1;二是借鉴张岩等(2018)的方法,以募资净额与预计募资额之差除以预计募资额衡量,记为Overfund2。计算公式如下:
$$ \begin{split}{Overfund} _{ {i,t} } =& {\gamma } _{ {5} } + {c} _{ {3} } {\times } {RDQ} _{ {i,t} } + {μ} _{ {1} } {\times } {RDQ} _{ {i,t} } {\times } {ABRD} _{ {i,t} } + {μ} _{ {2} } {\times } {ABRD} _{ {i,t} } + {\sum Controls} \\& +{Year} + {Ind} + {\epsilon } _{ {7} } \end{split}$$ (8) 表12报告了高强度IPO审核问询对企业IPO超募影响的回归结果。高强度IPO审核问询与企业IPO超募资金水平负相关,且在1%的水平上显著,表明IPO审核问询对企业IPO超募具有显著的治理效果,IPO审核问询强度越大,企业IPO超募资金水平越低。交乘项RDQ×ABRD的回归系数在1%的水平上显著为正,表明企业IPO前研发粉饰水平削弱了IPO审核问询对企业IPO超募的治理效果,加剧了资本市场资源错配风险。
表 12 研发粉饰行为的经济后果检验
变量 Overfund1
(1)Overfund2
(2)RDQ −0.495*** −0.413*** (−3.506) (−3.164) RDQ×ABRD 2.867*** 2.885*** (3.557) (3.878) ABRD 0.765 1.259 (0.507) (0.904) Controls 控制 控制 Ind 控制 控制 Year 控制 控制 N 1598 1598 Adj-R2 0.198 0.209 F 9.189 9.804 -
本文以2019−2023年在科创板注册上市的公司为研究样本,考察IPO审核问询对企业IPO前研发粉饰行为的影响。基准回归结果显示,在控制相关影响因素后,IPO审核问询强度与企业IPO前研发粉饰水平显著负相关,即审核问询强度越高,企业研发粉饰水平越低。上述结果支持了IPO审核问询机制在改善信息披露质量、约束机会主义行为方面的积极作用。在采用PSM-DID、倾向得分匹配等方法缓解内生性问题,并通过替换核心变量、调整因变量观测窗口、变更聚类标准误层级等方式进行稳健性检验后,本文的主要结论依然稳健。机制检验表明,IPO问询回复函可读性与机构投资者调研强度在审核问询抑制研发粉饰行为中发挥了显著中介效应。异质性检验表明,审核问询对研发粉饰行为的抑制作用在公司治理水平较低、会计师事务所声誉较高以及保荐机构声誉较高的企业中更为显著。经济后果检验表明,IPO审核问询能够有效缓解IPO超募问题,发挥治理效应;但企业IPO前的研发粉饰行为会削弱该治理效应,加剧资本市场资源错配风险。
基于上述结论,本文得到如下启示:
第一,提升IPO审核问询的精准性与威慑力。研究发现,泛泛而问的审核问询难以有效抑制企业研发粉饰动机,唯有直接聚焦IPO企业研发问题的问询,才能对企业研发粉饰行为形成威慑作用。注册制改革不能仅依赖形式问询,而应强化“研发穿透式问询”,真正实现问出真企业、遏制伪科创。因此,本文建议,不仅要采取精准化、差异化的问询策略来提升IPO审核问询机制的监管效果,还应建立问询强度动态调整机制。一方面,针对研发投入异常、人员岗位调换异常的企业进行“靶向问询”,重点关注研发费用会计处理、核心技术来源和研发人员薪酬匹配性等关键问题;另一方面,对于研发粉饰风险较高或公司治理水平较低的IPO企业,应增加问询轮次并深化问询内容,确保问询函直击关键问题。
第二,优化信息披露质量的中介机制。研究发现,IPO回复函可读性与机构投资者调研强度是抑制企业IPO前研发粉饰行为的重要中介渠道。因此,企业信息披露需同时涵盖“监管需求”和“市场需求”双重维度。基于“监管需求”维度,应进一步强化以可读性为核心的信息供给侧改革。发行企业必须详细披露研发项目的投入周期、阶段成果、人员构成、风险提示及其与同行的对比情况;同时建立技术语言翻译规范,对专业术语强制要求采用“专业定义+通俗解释”的双重表述方式,减少专业术语的理解障碍,增强信息可读性。基于“市场需求”维度,推动以机构投资者为主体的需求侧引导。鼓励发行企业在问询回复中增设结构化分析模块,如提供问询内容分类表、回复修改内容对比栏和未解决问题风险提示,便于机构投资者分析研判。
第三,强化针对异质性企业的分类监管措施。对于公司治理水平较低的企业,可在问询函中增设企业内部控制自评报告、独立董事对研发数据的核查意见等内容,并将研发信息披露质量与后续再融资审核挂钩;对于高声誉中介机构保荐的项目,应进一步压实其机构责任。若申报的研发项目存在重大瑕疵,应在执业质量评价中加大扣分权重,并公开约谈相关责任人。此外,应强化行业组织的作用,推动证券业协会、注册会计师协会等提高行业标准,促进中介机构切实履行资本市场“看门人”职责,减轻监管机构压力,使其聚焦多层次资本市场建设等顶层设计问题。
-
摘要: 科创板以科创属性为核心审核导向,使得核准制下企业为IPO实施的盈余粉饰,在注册制改革下演变为针对科创能力的研发粉饰。本文选取2019−2023年科创板上市公司为研究样本,从IPO审核问询视角考察注册制问询监管对企业IPO前研发粉饰行为的治理效应及内在机制。研究发现,科创板高强度IPO审核问询能够显著抑制企业IPO前研发粉饰行为,且在经过一系列内生性处理与稳健性检验后结论依然稳健。机制检验表明,IPO审核问询主要通过提升IPO回复函可读性与增强机构投资者调研监督强度两条路径抑制研发粉饰行为。异质性分析表明,上述抑制效应在公司治理水平较低、会计师事务所声誉较高以及保荐机构声誉较高的企业中更显著。经济后果检验发现,高强度IPO审核问询能够有效降低IPO超募规模、优化资本配置,而企业IPO前研发粉饰行为会显著削弱问询的治理效果,加剧资本错配风险。本文不仅揭示了注册制下企业IPO机会主义行为由盈余操纵向研发操纵转型的新特征,也从“问询监管−信息披露−市场监督”链条验证了注册制问询制度的有效性,为科创板实施精准化、差异化审核以及压实中介机构“看门人”责任提供了经验证据。
The Impact of Listing Review Inquiry on Pre-IPO R&D Manipulation: Empirical Evidence from the Science and Technology Innovation Board
Abstract: With a core focus on sci-tech attributes, the science and technology innovation board (STAR Market) has transformed traditional earnings management under the approval-based system into R&D manipulation targeting innovation capabilities under the registration-based reform. Using a sample of firms listed on the STAR Market between 2019 and 2023, this study examines the governance effect and underlying mechanisms of inquiry-based regulation under the registration-based system on pre-IPO R&D manipulation from the perspective of IPO review inquiry. The findings reveal that high-intensity IPO review inquiry significantly suppresses pre-IPO R&D manipulation, and these conclusions remain robust after addressing endogeneity concerns and conducting rigorous robustness tests. Mechanism analysis indicates that IPO review inquiry primarily mitigates R&D manipulation by enhancing the readability of IPO response letters and strengthening oversight through institutional investor visits. Heterogeneity tests reveal that the suppressive effect is more pronounced in firms with lower corporate governance quality, as well as those audited by high-reputation accounting firms or sponsored by reputable underwriters. Further economic consequence analyses indicate that high-intensity IPO review inquiry effectively reduces IPO overfunding and optimizes capital allocation, whereas pre-IPO R&D manipulation significantly weakens the governance effectiveness of inquiry and exacerbates capital misallocation risks. This study not only uncovers a new trend in IPO opportunism—shifting from earnings manipulation to R&D manipulation under the registration-based system—but also validates the effectiveness of the inquiry system through the chain of regulatory inquiry–disclosure–market monitoring. It provides empirical support for implementing targeted and differentiated review mechanisms on the STAR Market and for reinforcing the gatekeeping responsibilities of intermediary institutions. -
表 1 变量定义
变量 名称 定义 ABRD 企业IPO前研发粉饰水平 企业实际研发强度与基于经济基本面预测的正常研发强度的偏差 Count 低强度IPO审核问询 每轮问题数=总问题数的自然对数/总轮数的自然对数 Que 中强度IPO审核问询 总问题数=总问题数的自然对数/总页数的自然对数 RDQ 高强度IPO审核问询 研发问题数=研发问题数的自然对数/总页数的自然对数 Read IPO回复函可读性 IPO回复函中每千字的常用字字数取自然对数 Vist 机构投资者调研强度 机构投资者实地走访时参与调研人数取自然对数 Sta 上市标准 1为市值估计10亿元标准,2为市值估计15亿元标准,3为市值估计20亿元标准,4为市值估计30亿元标准,5为市值估计40亿元标准,6为市值估计50亿元标准,7为市值估计100亿元标准 IPOtime 过审前天数 IPO从受理到审核通过的天数取自然对数 IPOlength 发行前天数 IPO审核通过到上市的天数取自然对数 Offerfee 发行总费用 IPO企业上市的实际发行总费用/上市前三年资产平均数 Sponsor 保荐机构规模 承销券商在中国证券业统计的承销收入排名位列前10,取值为1,否则为0 Auditor 审计机构规模 公司聘请的会计师事务所,在中国注册会计师协会统计的综合评价中位列前10,取值为1,否则为0 Proceeds 募集金额 IPO企业上市募集资金总额/上市前三年资产平均数 Dual 两职合一 董事长由总经理兼任,取值为1,否则为0 Board 董事会规模 董事会成员数量 Age 公司年龄 上市时间减去成立时间后取自然对数 Topone 第一大股东持股比例 最大股东持有的股票数量占总股本的比例 State 股权性质 1为中外合资,2为国营或国有控股,3为外商独资,4为民营 ROA 盈利能力 总资产收益率=净利润/平均资产总额 LEV 负债水平 资产负债率=负债总额/资产总额 TOA 经营水平 总资产周转率=营业收入/平均资产总额 Market 行业经济 考虑现金红利再投资的月市场回报率(流通市值加权平均法) Sent 投资者情绪 网上超额认购倍数取自然对数 表 2 描述性统计
变量 样本量 均值 中位数 标准差 最小值 最大值 ABRD 1598 0.035 0.009 0.157 −0.506 0.782 Count 1598 3.169 3.155 0.390 2.124 4.262 Que 1598 0.605 0.601 0.056 0.464 0.782 RDQ 1598 0.309 0.310 0.067 0.104 0.479 Sta 1598 1.563 1 1.291 1 7 IPOtime 1598 5.052 5.069 0.336 4.159 5.793 IPOlength 1598 3.857 3.871 0.885 1.386 5.864 Offerfee 1598 0.156 0.118 0.137 0.004 1.087 Sponsor 1598 0.670 1 0.471 0 1 Auditor 1598 0.714 1 0.452 0 1 Proceeds 1598 1.850 1.249 2.640 0.068 47.800 Dual 1598 0.417 0 0.493 0 1 Board 1598 8.323 9 1.520 5 16 Age 1598 2.597 2.639 0.414 1.609 3.497 Topone 1598 0.304 0.277 0.141 0.018 0.829 State 1598 3.088 4 1.296 1 4 ROA 1598 0.072 0.086 0.152 −0.913 0.339 LEV 1598 0.408 0.380 0.188 0.072 0.923 TOA 1598 0.638 0.614 0.323 0.004 1.834 Market 1598 −0.003 −0.018 0.081 −0.152 0.207 Sent 1598 7.887 7.922 0.296 6.505 8.319 表 3 IPO审核问询强度对企业IPO前研发粉饰行为的影响
变量 ABRD
(1)ABRD
(2)ABRD
(3)ABRD
(4)Count 0.031 −0.108 (0.551) (−1.469) Que −0.036 −0.126** (−0.388) (−2.067) RDQ −0.186*** −0.290*** (−2.789) (−3.438) Sta 0.022*** 0.022*** 0.022*** 0.022*** (5.450) (5.463) (5.539) (5.540) IPOtime −0.044*** −0.043*** −0.057*** −0.056*** (−3.445) (−3.273) (−4.181) (−4.093) IPOlength 0.001 0.070 0.002 0.003 (0.191) (0.129) (0.457) (0.484) Offerfee 0.127*** 0.126*** 0.134*** 0.138*** (2.918) (2.904) (3.095) (3.179) Sponsor 0.015* 0.015* 0.015* 0.014 (1.782) (1.772) (1.762) (1.624) Auditor 0.009 0.009 0.008 0.008 (1.019) (1.015) (0.935) (0.959) Proceeds −0.002 0.001 0.002 0.012 (−0.009) (0.005) (0.010) (0.059) Dual 0.004 0.004 0.004 0.004 (0.498) (0.478) (0.492) (0.453) Board 0.001 0.001 0.001 0.002 (0.451) (0.481) (0.486) (0.594) Age 0.007 0.008 0.007 0.009 (0.712) (0.748) (0.720) (0.888) Topone −0.025 −0.025 −0.021 −0.020 (−0.863) (−0.855) (−0.719) (−0.686) State −0.009*** −0.009*** −0.009*** −0.009*** (−2.872) (−2.849) (−2.882) (−2.828) ROA −0.031 −0.031 −0.033 −0.035 (−0.941) (−0.953) (−1.000) (−1.079) LEV −0.065*** −0.063*** −0.069*** −0.060*** (−2.866) (−2.753) (−3.062) (−2.622) TOA −0.081*** −0.081*** −0.080*** −0.082*** (−5.753) (−5.733) (−5.736) (−5.841) Market −0.021 −0.019 −0.026 −0.031 (−0.407) (−0.381) (−0.515) (−0.605) Sent 0.014 0.015 0.017 0.017 (0.836) (0.853) (0.988) (1.022) Constant 0.129 0.129 0.547** 0.785*** (0.82) (0.82) (2.52) (3.18) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 1598 1598 1598 1598 Adj-R2 0.093 0.093 0.098 0.099 F 4.572 4.568 4.757 4.656 注:***、**、*分别表示在1%、5%、10%的统计水平上显著,括号内为t值。下同。 表 4 匹配变量的平衡性检验结果
变量 Unmatched Mean %bias %reduct t-test Matched Treated Control |bias| t p>|t| Sponsor U 0.676 0.641 7.4 1.170 0.244 M 0.661 0.640 4.4 40.4 1.090 0.278 Auditor U 0.712 0.725 −3.0 −0.460 0.647 M 0.706 0.706 −0.1 97.7 −0.020 0.987 Dual U 0.429 0.362 13.7 2.110 0.035 M 0.408 0.377 6.3 53.8 1.560 0.119 Board U 8.312 8.369 −4.0 −0.580 0.561 M 8.302 8.368 −4.6 −15.5 −1.150 0.250 Topone U 0.302 0.314 −8.7 −1.320 0.188 M 0.305 0.304 0.7 92.0 0.180 0.858 ROA U 0.068 0.088 −15.7 −2.020 0.043 M 0.094 0.088 4.5 71.2 1.600 0.109 LEV U 0.400 0.441 −22.0 −3.370 0.001 M 0.406 0.422 −9.1 58.6 −2.340 0.019 TOA U 0.621 0.712 −27.5 −4.390 0.000 M 0.649 0.657 −2.5 91.0 −0.700 0.483 表 5 内生性检验
变量 ABRD
(1)ABRD
(2)ABRD
(3)post×treat −0.025** (−2.226) RDQ −0.156** −0.189*** (−2.283) (−3.063) Controls 控制 控制 控制 Ind 控制 控制 控制 Year 控制 控制 控制 N 1510 1212 1592 Adj-R2 0.077 0.097 0.105 表 6 以产权性质为匹配标准的PSM平衡性检验
变量 Unmatched Mean %bias %reduct t-test Matched Treated Control |bias| t Matched Sponsor U 0.756 0.659 21.30 2.520 0.012 M 0.756 0.760 −0.80 96.20 −0.080 0.938 Auditor U 0.679 0.718 −8.60 −1.070 0.283 M 0.679 0.692 −2.80 67.20 −0.260 0.799 Dual U 0.071 0.457 −97.20 −9.880 0.000 M 0.071 0.103 −7.90 91.90 −1.020 0.309 Board U 8.875 8.258 46.20 5.010 0.000 M 8.875 8.800 5.60 87.80 0.490 0.624 Topone U 0.407 0.292 81.70 10.230 0.000 M 0.407 0.395 8.50 89.60 0.660 0.512 ROA U 0.057 0.074 −13.60 −1.320 0.188 M 0.057 0.057 0.10 99.40 0.010 0.993 LEV U 0.509 0.396 63.00 7.540 0.000 M 0.509 0.516 −3.80 94.00 −0.320 0.749 TOA U 0.577 0.645 −21.40 −2.600 0.009 M 0.577 0.609 −10.20 52.50 −0.900 0.367 表 7 以审核问询强度为匹配标准的PSM平衡性检验
变量 Unmatched Mean %bias %reduct t-test Matched Treated Control |bias| t Matched Sponsor U 0.678 0.660 3.90 0.770 0.440 M 0.677 0.660 3.70 3.60 0.750 0.451 Auditor U 0.708 0.721 −3.00 −0.590 0.554 M 0.706 0.720 −3.00 −1.60 −0.610 0.542 Dual U 0.415 0.419 −0.70 −0.140 0.886 M 0.413 0.421 −1.70 −129.10 −0.330 0.738 Board U 8.252 8.398 −9.60 −1.910 0.056 M 8.264 8.376 −7.30 23.30 −1.540 0.125 Topone U 0.310 0.298 8.30 1.660 0.097 M 0.309 0.299 7.50 9.70 1.540 0.124 ROA U 0.075 0.069 3.90 0.780 0.433 M 0.075 0.072 1.70 57.70 0.340 0.733 LEV U 0.403 0.412 −4.80 −0.950 0.342 M 0.403 0.409 −2.70 42.80 −0.560 0.577 TOA U 0.633 0.643 −3.10 −0.620 0.539 M 0.635 0.640 −1.60 48.90 −0.320 0.747 表 8 稳健性检验:替换模型核心变量
变量 RDP
(1)RDF
(2)ABRD
(3)RDQ −1.009*** −0.649** (−3.204) (−2.342) RDQ1 −0.009*** (−3.544) Controls 控制 控制 控制 Ind 控制 控制 控制 Year 控制 控制 控制 N 1370 1598 1598 Adj-R2 0.457 0.624 0.100 F 26.026 58.732 4.875 表 9 稳健性检验:改变因变量测量窗口和聚类层级
变量 ABRD
(1)ABRD
(2)ABRD
(3)ABRD
(4)RDQ −0.095* −0.174** −0.174** −0.174** (−1.935) (−2.313) (−2.633) (−3.166) Controls 控制 控制 控制 控制 Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 2155 1598 1598 1598 Adj-R2 0.097 0.103 0.103 0.103 表 10 路径检验:基于IPO回复函可读性和机构投资者调研强度
变量 Read
(1)ABRD
(2)Vist
(3)ABRD
(4)RDQ 0.096*** −0.190*** 0.019*** −0.009*** (3.141) (−3.063) (3.339) (−3.035) Read 0.131** (2.551) Vist 0.044*** (3.146) Sta 0.014*** 0.020*** 0.039*** 0.022*** (7.470) (5.217) (4.217) (4.757) IPOtime 0.011* −0.053*** 0.076** −0.028* (1.780) (−4.233) (2.544) (−1.855) IPOlength 0.002 0.001 0.022* −0.005 (0.775) (0.291) (1.889) (−0.945) Offerfee 0.106*** 0.119*** −0.449*** −0.071 (5.333) (2.928) (−2.818) (−0.899) Sponsor −0.001 0.013 0.009 0.010 (−0.198) (1.611) (0.442) (1.048) Auditor −0.006 0.007 −0.005 0.010 (−1.606) (0.929) (−0.229) (1.002) Proceeds −0.190** 0.032 0.038*** 0.020*** (−1.995) (0.168) (3.025) (3.219) Double −0.006 0.006 −0.013 −0.014 (−1.548) (0.765) (−0.732) (−1.634) Board 0.004*** 0.000 −0.002 0.002 (3.052) (0.080) (−0.287) (0.736) Age −0.001 0.009 0.024 0.004 (−0.266) (0.940) (1.024) (0.385) Topone −0.002 −0.022 0.085 −0.002 (−0.150) (−0.838) (1.353) (−0.054) State −0.004*** −0.009*** 0.002 −0.008** (−2.668) (−3.016) (0.247) (−2.326) ROA 0.041*** −0.040 0.058 −0.009 (2.757) (−1.323) (0.842) (−0.245) LEV −0.023** −0.061*** −0.137*** −0.037 (−2.263) (−2.932) (−2.713) (−1.471) TOA −0.027*** −0.070*** −0.047 −0.103*** (−4.165) (−5.422) (−1.533) (−6.754) Market 0.012 −0.024 −0.638*** 0.019 (0.532) (−0.517) (−5.744) (0.343) Sent −0.018** 0.017 0.118*** 0.032* (−2.276) (1.093) (3.223) (1.730) Constant 3.817*** 0.026 −1.583*** 0.031 (38.271) (0.094) (−4.254) (0.168) Ind 控制 控制 控制 控制 Year 控制 控制 控制 控制 N 1595 1595 1285 1261 Adj-R2 0.184 0.106 0.097 0.141 F 8.837 5.004 4.015 5.392 表 11 异质性检验
变量 ABRD ABRD ABRD Dual=1
(1)Dual=0
(2)Auditor=1
(3)Auditor=0
(4)Sponsor=1
(5)Sponsor=0
(6)RDQ −0.313*** −0.069 −0.007** −0.006 −0.012*** 0.005 (−3.691) (−0.691) (−2.334) (−1.472) (−3.757) (1.264) Sta 0.027*** 0.019*** 0.014*** 0.055*** 0.020*** 0.021** (5.115) (2.909) (3.044) (7.279) (4.633) (2.449) IPOtime −0.061*** −0.041** −0.068*** 0.028 −0.047*** −0.052** (−3.402) (−2.121) (−4.521) (1.365) (−3.152) (−2.528) IPOlength 0.004 0.002 0.005 −0.025** −0.003 0.021** (0.573) (0.214) (0.771) (−2.488) (−0.455) (2.412) Offerfee −0.098 0.185*** 0.125*** −0.018 0.088* 0.139 (−1.303) (2.876) (2.633) (−0.136) (1.744) (1.411) Sponsor 0.008 0.016 0.005 0.019 (0.786) (1.314) (0.504) (1.476) Auditor 0.024** −0.015 −0.009 0.025** (2.117) (−1.203) (−0.818) (2.165) Proceeds 0.021*** −0.002 −0.000 0.017 0.000 0.009 (3.853) (−0.700) (−0.038) (1.505) (0.078) (1.162) Double 0.011 −0.030** 0.001 −0.008 (1.175) (−2.426) (0.051) (−0.639) Board 0.002 0.002 0.002 0.008 0.003 −0.013*** (0.501) (0.545) (0.591) (1.607) (1.100) (−2.827) Age 0.028** 0.002 0.018 −0.007 −0.002 0.062*** (1.973) (0.147) (1.529) (−0.437) (−0.178) (4.167) Topone −0.006 −0.012 −0.038 0.055 −0.030 −0.026 (−0.170) (−0.271) (−1.125) (1.272) (−0.923) (−0.540) State −0.013*** −0.002 −0.012*** −0.003 −0.010*** −0.007 (−3.108) (−0.502) (−3.210) (−0.527) (−2.641) (−1.408) ROA 0.072* −0.150*** −0.086** 0.191** −0.058* 0.229*** (1.710) (−2.995) (−2.445) (2.395) (−1.676) (2.723) LEV −0.086*** −0.038 −0.059** −0.015 −0.080*** 0.097** (−2.926) (−1.161) (−2.337) (−0.333) (−3.155) (2.412) TOA −0.078*** −0.087*** −0.087*** −0.056** −0.081*** −0.083*** (−4.381) (−4.298) (−5.457) (−2.441) (−4.879) (−3.978) Market −0.076 0.104 0.043 −0.158** 0.025 −0.029 (−1.202) (1.403) (0.727) (−2.083) (0.417) (−0.411) Sent −0.012 0.029 0.007 0.033 0.041** −0.082*** (−0.461) (1.274) (0.355) (0.954) (2.031) (−2.701) Constant 0.976*** 0.176 0.364** −0.416 0.078 0.615** (3.322) (0.576) (2.102) (−1.494) (0.439) (2.295) Ind 控制 控制 控制 控制 控制 控制 Year 控制 控制 控制 控制 控制 控制 N 880 697 1123 454 1070 528 Adj-R2 0.120 0.099 0.105 0.177 0.115 0.132 F 3.737 2.735 3.932 3.378 4.145 2.954 表 12 研发粉饰行为的经济后果检验
变量 Overfund1
(1)Overfund2
(2)RDQ −0.495*** −0.413*** (−3.506) (−3.164) RDQ×ABRD 2.867*** 2.885*** (3.557) (3.878) ABRD 0.765 1.259 (0.507) (0.904) Controls 控制 控制 Ind 控制 控制 Year 控制 控制 N 1598 1598 Adj-R2 0.198 0.209 F 9.189 9.804 -
[1] 陈晶. 2022. 跟投制度、承销费用与IPO盈余管理. 证券市场导报 (9): 37−48. [2] 陈松, 张科, 王红建. 2023. 科创板IPO、企业审计师选择与首发抑价. 审计研究 (5): 107−119. [3] 陈艳利, 刘亚, 蒋琪. 2024. 中国式融资融券制度能够抑制研发操纵吗? ——基于“准自然实验”的经验证据. 审计与经济研究 (2): 85−95. [4] 陈运森, 邓祎璐, 李哲. 2019. 证券交易所一线监管的有效性研究: 基于财务报告问询函的证据. 管理世界 (3): 169−185. [5] 成力为, 戴小勇. 2012. 研发投入分布特征与研发投资强度影响因素的分析——基于我国30万个工业企业面板数据. 中国软科学 (8): 152−165. doi: 10.3969/j.issn.1002-9753.2012.08.014 [6] 邓瑶, 郭玉梅, 曾皓, 荣莉. 2023. 科创板审核问询的增量信息与IPO定价效率. 中国注册会计师 (10): 42−49. [7] 方军雄, 方芳. 2011. IPO超募与资金滥用研究. 证券市场导报 (9): 37−42, 50. [8] 巩亚林, 廖成赟, 陈实. 2021. 企业上市、专利突击与经营绩效——基于创业板上市公司的经验证据. 当代财经 (4): 78−89. [9] 胡志强, 王雅格. 2021. 审核问询、信息披露更新与IPO市场表现——科创板企业招股说明书的文本分析. 经济管理 (4): 155−172. [10] 姜涛, 霍雨佳. 2022. 分红动因识别、机构持股与信号传递. 南开管理评论 (8): 142−156. doi: 10.3969/j.issn.1008-3448.2022.04.015 [11] 姜永宏, 林树哲, 穆金旗. 2023. 证券交易所一线监管与会计稳健性——基于年报问询函的证据. 南京审计大学学报 (1): 68−78. [12] 蒋尧明, 杨嘉逸, 邓瑶. 2022. 科创板审核问询函要求回应媒体质疑能提升IPO定价效率吗. 当代财经 (8): 124−137. doi: 10.13676/j.cnki.cn36-1030/f.2022.08.011 [13] 蒋尧明, 张雷云. 2021. 科创板审核问询函能提升关键事项信息披露水平吗. 当代财经 (9): 126−136. doi: 10.13676/j.cnki.cn36-1030/f.2021.09.012 [14] 李建军, 唐松莲. 2019. 保荐机构、风险资本声誉与公司IPO前后盈余信息质量. 华东理工大学学报(社会科学版) (3): 51−62. [15] 林润雨, 王梦凯, 李英. 2024. 发行人会为高质量审计服务买单吗? ——基于审计师IPO项目经验的视角. 审计研究 (3): 50−62. doi: 10.3969/j.issn.1002-4239.2024.03.007 [16] 刘柏, 卢家锐. 2019. 交易所一线监管能甄别资本市场风险吗? ——基于年报问询函的证据. 财经研究 (7): 45−58. doi: 10.16538/j.cnki.jfe.2019.07.004 [17] 刘慧芬, 王智敏, 王建业. 2024. IPO环保问询提升了企业ESG责任吗? 产业经济评论 (3): 95−115. [18] 龙小宁, 张靖. 2021. IPO与专利管理: 基于中国企业的实证研究. 经济研究 (8): 127−142. [19] 潘临, 郝莉莉, 张龙平. 2019. 签字会计师执业经验与会计信息可比性——来自中国证券市场的经验证据. 审计与经济研究 (4): 44−56. doi: 10.3969/j.issn.1004-4833.2019.04.005 [20] 沈振宇, 沈宇秀. 2024. 科创板科创属性审核制度变迁及迎合效应研究. 西南金融 (7): 49−64. [21] 宋顺林, 刘翔宇, 李继峥, 王彦超. 2024. IPO现场检查与新股质量提升. 管理世界 (2): 212−231. doi: 10.3969/j.issn.1002-5502.2024.02.012 [22] 田增瑞, 李心茹, 李梦. 2024. 注册制改革下审核问询与信息披露——基于科创板的证据. 经济体制改革 (1): 193−200. [23] 佟岩, 李鑫. 2024. 公司债券发行上市审核与发行定价——基于证券交易所审核反馈意见函的文本分析. 管理世界 (1): 180−201. [24] 王兰芳, 王悦, 侯青川. 2019. 法制环境、研发“粉饰”行为与绩效. 南开管理评论 (2): 128−141, 185. [25] 王木之, 李丹. 2016. 资本市场中的媒体公关: 来自我国企业IPO的经验证据. 管理世界 (7): 121−136. [26] 危雁麟, 张俊瑞, 汪方军, 程茂勇. 2022. 数据资产信息披露与分析师盈余预测关系研究——基于文本分析的经验证据. 管理工程学报 (5): 130−141. [27] 温忠麟, 叶宝娟. 2014. 中介效应分析: 方法和模型发展. 心理科学进展 (5): 731−745. [28] 辛清泉, 李瑞涛, 夏立军. 2021. 证券准入监管与会计政策选择——来自IPO公司研发支出资本化的证据. 会计研究 (9): 48−64. doi: 10.3969/j.issn.1003-2886.2021.09.004 [29] 徐虹, 赵彤. 2022. 风险投资介入时机对创业板企业IPO抑价的影响研究——“春风化雨”还是“揠苗助长”? 会计与经济研究 (2): 72−93. doi: 10.16314/j.cnki.31-2074/f.2022.02.003 [30] 徐媛媛, 洪剑峭, 贾琬娇. 2024. 分析师实地调研决策与价值发现. 会计与经济研究 (2): 71−95. [31] 耀友福, 何相亿. 2023. 企业数字化转型与研发粉饰行为表现. 会计之友 (16): 81−88. [32] 耀友福, 黄嫣. 2023. 企业ESG表现与研发粉饰行为. 财会月刊 (3): 49−56. [33] 耀友福, 薛爽. 2020. 年报问询压力与内部控制意见购买. 会计研究 (5): 147−165. [34] 苑泽明, 于翔, 李萌. 2022. 数据资产信息披露、机构投资者异质性与企业价值. 现代财经(天津财经大学学报) (11): 32−47. [35] 张光利, 秦丽华, 王营. 2023. IPO风险因素审核问询的信息价值分析. 当代经济科学 (6): 110−122. doi: 10.20069/j.cnki.DJKX.202306009 [36] 章卫东, 黄一松, 李斯蕾, 鄢翔. 2017. 信息不对称、研发支出与关联股东认购定向增发股份——来自中国证券市场的经验数据. 会计研究 (1): 68−74. doi: 10.3969/j.issn.1003-2886.2017.01.010 [37] 张岩, 吴芳. 2021. 跟投制度与IPO定价——来自科创板的经验证据. 经济管理 (6): 84−99. [38] 张岩, 吴芳, 吴晓晖. 2018. IPO募资双重管制与资源配置——基于自然实验的经验证据. 管理科学学报 (11): 76−91. [39] 张勇. 2020. 投资者实地调研能够影响供应商的授信决策行为吗? ——基于商业信用的视角. 金融评论 (1): 69−93. [40] 张宗新, 叶润. 2024. 创新价值审核与资本市场定价效率——基于科创板IPO审核问询的经验证据. 经济管理 (10): 167−187. [41] 郑国坚, 刘潋, 蔡贵龙. 2025. 上市标准与IPO财务操纵策略——基于科创板的经验证据. 南开管理评论 (8): 111−122. [42] 左璇, 章卫东. 2023. 科创板注册制、研发“粉饰”与IPO定价效率. 当代财经 (9): 135−146. [43] Beatty, R. P., and J. R. Ritter. 1986. Investment banking, reputation, and the underpricing of initial public offerings. Journal of Financial Economics 15(1-2): 213−232. [44] Bol, J. C., C. Estep, F. Moers, and M. E. Peecher. 2018. The role of tacit knowledge in auditor expertise and human capital development. Journal of Accounting Research 56(4): 1205−1252. [45] Datar, S. M., G. A. Feltham, and J. S. Hughes. 1991. The role of audits and audit quality in valuing new issues. Journal of Accounting and Economics 14(1): 3−49. [46] DeAngelo, L. E. 1981. Auditor size and audit quality. Journal of Accounting and Economics 3(3): 183−199. doi: 10.1016/0165-4101(81)90002-1 [47] Dinh, T., H. Kang, and W. Schultze. 2016. Capitalizing research & development: Signaling or earnings management? European Accounting Review 25(2): 373−401. [48] D’Souza, J., J. Jacob, and K. Ramesh. 2000. The use of accounting flexibility to reduce labor renegotiation costs and manage earnings. Journal of Accounting and Economics 30(2): 187−208. doi: 10.1016/S0165-4101(01)00004-0 [49] Gunny, K. A. 2010. The relation between earnings management using real activities manipulation and future performance: Evidence from meeting earnings benchmarks. Contemporary Accounting Research 27(3): 855−888. doi: 10.1111/j.1911-3846.2010.01029.x [50] Jones, J. J. 1991. Earnings management during import relief investigations. Journal of Accounting Research 29(2): 193−228. doi: 10.2307/2491047 [51] Kim, J. B., Y. Li, and L. Zhang. 2011. Corporate tax avoidance and stock price crash risk: Firm-level analysis. Journal of Financial Economics 100(3): 639−662. doi: 10.1016/j.jfineco.2010.07.007 [52] Li, B., and Z. Liu. 2017. The oversight role of regulators: Evidence from SEC comment letters in the IPO process. Review of Accounting Studies 22(3): 1229−1260. doi: 10.1007/s11142-017-9406-2 [53] Lowry, M., R. Michaely, and E. Volkova. 2020. Information revealed through the regulatory process: Interactions between the SEC and companies ahead of their IPO. The Review of Financial Studies 33(12): 5510−5554. doi: 10.1093/rfs/hhaa007 [54] Maffett, M. 2012. Financial reporting opacity and informed trading by international institutional investors. Journal of Accounting and Economics 54(2-3): 201−220. doi: 10.1016/j.jacceco.2012.09.002 [55] Prencipe, A., G. Markarian, and L. Pozza. 2008. Earnings management in family firms: Evidence from R&D cost capitalization in Italy. Family Business Review 21(1): 71−88. doi: 10.1111/j.1741-6248.2007.00112.x [56] Ritter, J. R., and I. Welch. 2002. A review of IPO activity, pricing, and allocations. The Journal of Finance 57(4): 1795−1828. doi: 10.1111/1540-6261.00478 [57] Tan, H. T., and R. Libby. 1997. Tacit managerial versus technical knowledge as determinants of audit expertise in the field. Journal of Accounting Research 35(1): 97−113. doi: 10.2307/2491469

下载: