金融生態(tài)環(huán)境、自媒體信息披露與企業(yè)投資規(guī)模

黃宏斌 王文利 牛煜文

摘? ?要：本文利用多時點雙重差分等多元回歸模型，實證檢驗了自媒體信息披露對上市公司融資成本及投資規(guī)模的影響。結果發(fā)現(xiàn)：上市公司開通官方自媒體能顯著提高投資規(guī)模，融資成本的降低在其中起到了部分中介的作用;上市公司自媒體信息披露通過降低融資成本進而提升投資規(guī)模的作用在金融生態(tài)環(huán)境較好的地區(qū)更加顯著。進一步研究發(fā)現(xiàn)，自媒體信息披露能夠顯著降低上市公司的非效率投資。本文豐富了自媒體信息披露經(jīng)濟后果的研究，也為企業(yè)借助自媒體完善自身投融資行為提供了參考與借鑒。

關鍵詞：自媒體信息披露;融資成本;投資規(guī)模;中介效應;金融生態(tài)環(huán)境

中圖分類號：F832.5? ?文獻標識碼：A? 文章編號：1674-2265（2020）11-0010-11

DOI：10.19647/j.cnki.37-1462/f.2020.11.002

一、引言

隨著信息時代的到來，社會領域的一切都與信息相連。計算機與互聯(lián)網(wǎng)的發(fā)明創(chuàng)造，徹底打破了工業(yè)時代信息傳播在時間與空間上的限制，自媒體（We Media）在互聯(lián)網(wǎng)時代的大背景下應運而生。不同于電視、報紙、雜志、廣播等傳統(tǒng)新聞媒體，自媒體在及時性、廣泛性、自主性等方面有著傳統(tǒng)媒體不能比及的優(yōu)勢（宋全成，2015）[1]。自媒體借助互聯(lián)網(wǎng)技術可以在第一時間將信息傳遞給各個用戶，充分保證了信息的時效性。更重要的是，每一個自媒體用戶都可以在自媒體平臺進行留言評論，與發(fā)帖人進行交流和互動，這極大地加深了人們對某個問題的理解，降低了信息不對稱。因此，處于新的時代，企業(yè)應積極思考如何多渠道發(fā)布信息，獲得更多資源，從而幫助企業(yè)在市場競爭中贏得先機，而自媒體無疑是強有力的工具。

投資活動是企業(yè)將有限資源分配到不同的經(jīng)營領域、以謀求經(jīng)濟效益最大化的行為。經(jīng)典財務理論認為，所有的市場交易主體皆為“理性人”，信息完全自由流動，市場處于完全競爭的狀態(tài)。投資者基于市場上的充分信息做出決策，實現(xiàn)預期收益。然而在現(xiàn)實世界中，企業(yè)內部管理層總是比外部投資者更了解企業(yè)的經(jīng)營現(xiàn)狀和風險，處于信息劣勢的投資者往往面臨著非常嚴重的信息不對稱。對于缺乏資金進行投資的企業(yè)而言，投資者不了解項目優(yōu)劣，意味著不愿意配合融資或要求更高的資金成本，這無疑會加重企業(yè)面臨的融資難題，并阻礙了企業(yè)的進一步投資。因而，降低信息不對稱、打破與投資者之間的信息屏障，成為企業(yè)實現(xiàn)可持續(xù)發(fā)展需要解決的首要問題。在互聯(lián)網(wǎng)信息化時代，自媒體信息披露能否幫助企業(yè)降低與投資者之間的信息不對稱，降低對外融資成本，進而增加企業(yè)價值，是值得深入探討的重要問題。

我國的資本市場起步較晚，存在著一定問題，如市場資源效率配置較低，地區(qū)間金融發(fā)展水平差異仍然較大（周立和王子明，2002）[2]等。在金融生態(tài)環(huán)境較好的地區(qū)，其市場化程度更高，機制建設更加完備，地方政府對市場交易的行政干預較少，從而為地區(qū)內企業(yè)的成長提供了肥沃的土壤。而在金融生態(tài)環(huán)境較差的地區(qū)，更多非市場化的因素干擾著市場主體的交易決策，從而降低了地區(qū)資源配置效率。那么，在目前我國金融生態(tài)環(huán)境地區(qū)差異化仍然較大的現(xiàn)實背景下，自媒體信息披露對企業(yè)融資成本進而對投資決策會產生怎樣的調節(jié)影響，亦是值得我們進一步探討分析的問題。

本文通過爬取目前主流自媒體平臺（新浪微博和微信公眾號）數(shù)據(jù)，探究自媒體信息披露對我國上市公司投資行為產生的影響及作用機制。此外，基于目前我國金融生態(tài)環(huán)境地區(qū)差異較為顯著的現(xiàn)實背景，對其產生的調節(jié)效應進行進一步考察。本文在以下幾個方面進行了有益的拓展：（1）企業(yè)的投融資行為始終是研究的熱點，本文研究了新型的信息披露平臺——自媒體信息披露對企業(yè)投資行為的影響，并分析了其中的作用機理，即自媒體信息通過影響融資成本進而對上市公司的投資行為產生影響，豐富了企業(yè)投融資影響因素的研究。（2）自媒體平臺的興盛是對傳統(tǒng)主流媒體的有益補充，極大地延展了媒體中介功能的邊界，拓寬了上市公司信息披露的渠道。由于自媒體依托移動互聯(lián)網(wǎng)技術，形式自由多變，信息發(fā)布的時間、內容、頻次均不受約束，具備自身獨特的優(yōu)勢，通過考察自媒體信息如何影響企業(yè)融資成本及投資效率，豐富了自媒體信息披露的經(jīng)濟后果研究。（3）本文結論有助于幫助企業(yè)認識到自媒體平臺信息披露的重要作用，積極利用自媒體開展有效的信息發(fā)布，從而提高企業(yè)的投資效率，同時也對監(jiān)管部門監(jiān)督引導企業(yè)自媒體信息披露、促進市場資源的流動與有效配置提供參考與借鑒。

二、文獻回顧與理論假設

（一）自媒體信息披露與企業(yè)融資成本

自媒體改變了信息傳播的方式，提高了信息傳播速度和廣度。不同于傳統(tǒng)媒體機構化、組織化的傳播特點，自媒體充分發(fā)揮了大眾的主動性，使得信息內容更加個性化（申金霞，2012）[3]。

Tumarkin和Whitelaw（2001）[4]以Raging Bull股票論壇信息為研究樣本，發(fā)現(xiàn)在發(fā)文多的時期，市場股票交易量更高，且投資者看法的變化與股票異常收益相關。Antweiler和Frank（2004）[5]發(fā)現(xiàn)股票論壇信息數(shù)量的增加預示著股票交易量和波動率的提高，并且可以用來預測股票收益。Blankespoor等（2014）[6]對Twitter信息進行了實證分析，結果發(fā)現(xiàn)對于不夠引人注目的小公司而言，Twitter自媒體起到了很好的信息傳播作用，有效降低了信息不對稱，并且與企業(yè)的股票流動性顯著正相關。關于社交媒體對公司融資成本的影響效果，Mohamed（2016）[7]首次進行了研究，發(fā)現(xiàn)公司在使用 Twitter 時可以顯著降低融資成本。

胡軍和王甄（2015）[8]發(fā)現(xiàn)微博信息的披露與公司股價同步性顯著負相關，微博公布的非財務信息使得更多的特質信息融入股價中。胡軍等（2016）[9]實證分析了微博與分析師盈余預測的關系，發(fā)現(xiàn)分析師會將微博上的公司信息作為自己盈余預測的參考之一，并且隨著微博信息量的增加，分析師盈余預測偏差顯著降低。何賢杰等（2016）[10]對微博發(fā)布的具體內容進行了考察，結果顯示我國上市公司官方微博信息發(fā)布的內容非常廣泛，主要集中在運營類信息，而84%的微博信息之前尚未正式對外公布。王衛(wèi)星和左哲（2018）[11]將焦點集中于我國的中小板民營企業(yè)，發(fā)現(xiàn)微博信息披露可以顯著提高中小板民營企業(yè)的經(jīng)營業(yè)績。黃宏斌和郝程偉（2018）[12]、黃宏斌和毛天琴（2018）[13]以事件分析方式對中國石油和中國聯(lián)通兩家大型上市公司自媒體信息披露的影響進行了考察，結果發(fā)現(xiàn)自媒體信息含量與公司股價存在明顯的正向關系。

自媒體可以在企業(yè)與投資者之間架起一座溝通的橋梁，讓投資者更加全面深入地了解企業(yè)的真實情況，降低信息不對稱，從而降低企業(yè)的融資成本;根據(jù)有限關注理論（Aboody等，2010）[14]，投資者并不能關注市場上所有的股票，而只能將精力集中于其中一小部分，投資者對信息的處理能力也受限（Engelberg等，2010）[15]，此時自媒體轟炸式的信息發(fā)布必將引起投資者的格外關注，從而將有限注意力聚焦于該公司，進而有利于降低該公司與投資者之間的信息不對稱，并以較低的融資成本籌集資金?；诖?，我們提出以下假設：

假設1：上市公司開通官方自媒體可以顯著降低融資成本。

（二）融資成本與投資規(guī)模

信息不對稱理論認為市場并非完全，信息也不能完全自由流動，市場上擁有信息的一方會利用自己的信息優(yōu)勢從中獲益。Myers等（1984）[16]認為，經(jīng)理層比投資者更了解企業(yè)的實際價值，投資者會意識到自己相對無知，認為企業(yè)不發(fā)行股票意味著“好消息”，而發(fā)行股票傳達了糟糕的信息，或者至少是不好的消息。投資者因而產生了逆向選擇，使得企業(yè)面臨更高的融資成本，不得不放棄凈現(xiàn)值（NPV）大于零的項目，進而產生投資不足的問題。企業(yè)面臨的融資約束問題限制了企業(yè)的投資行為。俞紅海等（2010）[17]認為公司現(xiàn)金流越多越容易引起低效率的投資行為。吳超鵬等（2012）[18]研究發(fā)現(xiàn)風險投資的加入可以顯著緩解企業(yè)短期內面臨的融資約束，增加外部融資規(guī)模，緩解融資不足的問題。胡建雄和談詠梅（2015）[19]從債務異質性角度進行實證檢驗發(fā)現(xiàn)，上市公司擁有的自由現(xiàn)金流水平與其過度投資之間有顯著的正向關系。張先治和晏超（2018）[20]發(fā)現(xiàn)會計準則變革通過影響會計信息質量從而影響上市公司資本成本，最終改變企業(yè)的投資行為。于秋麗（2019）[21]、王蕾茜等（2019） [22]實證發(fā)現(xiàn)融資約束的緩解能夠顯著正向刺激中小企業(yè)的研發(fā)投資，進而提升企業(yè)績效水平。由此可見，當自媒體信息披露緩解了企業(yè)信息不對稱和代理成本時，企業(yè)面臨的外源性融資困難降低，進而提升其投資規(guī)模。基于此，我們提出以下假設：

假設2：上市公司融資成本的降低會顯著擴大其投資規(guī)模。

（三）自媒體信息披露、融資成本與企業(yè)投資行為

媒體作為公司治理的外部力量，通過向外部監(jiān)管者和投資者傳遞信息，給內部治理層施壓以規(guī)范其投資行為，達到外部監(jiān)督的作用。Bushee等（2010）[23]認為媒體報道的覆蓋面越廣泛，市場信息的傳播廣度和速度也就越快，投資者可以更快更詳細地了解市場動向，從而降低信息不對稱程度。鄭建明和夏楸（2014）[24]認為媒體報道可以直接影響企業(yè)的投資效率，因為管理層出于聲譽考慮會更注重自己的投資行為，同時管理層出于避免法律風險的考量也會對未來的投資決策謹言慎行。張建勇等（2014）[25]認為，隨著媒體影響越來越廣泛，關于企業(yè)報道的增加對企業(yè)投資行為的影響越來越大。程新生等（2015）[26]通過對不同性質的媒體報道進行實證分析，發(fā)現(xiàn)正面報道與負面報道對企業(yè)投資的影響存在差異性，對投資過度與投資不足產生不同方向的影響。劉文琪和杜閃（2017）[27]、吳高波和賀芳芳（2019）[28]分別從媒體關注和媒體監(jiān)督的角度進行實證檢驗，發(fā)現(xiàn)媒體對企業(yè)投資行為具有顯著影響。Blankespoor等（2014）[6]的實證分析結果顯示，企業(yè)在傳統(tǒng)媒體上公布信息的同時，在Twitter自媒體上再次發(fā)布會顯著降低信息不對稱程度，提高股票流動性。Liu等（2016）[29]認為微博等自媒體平臺信息披露可以有效地降低投資者對企業(yè)未來的風險預期，對企業(yè)降低信息不對稱有重要作用。自媒體作為傳統(tǒng)媒體的拓展，在信息傳播的速度、廣度、深度方面都有著極大的優(yōu)勢，當發(fā)布的信息范圍更廣、數(shù)量更多時，公司的投資規(guī)模會提高。

自媒體平臺拓寬了上市公司信息披露的渠道，更多的散戶投資者可以通過微博、微信或者財經(jīng)論壇等途徑了解企業(yè)的經(jīng)營動態(tài)，從而降低對企業(yè)未來的風險預期，降低企業(yè)的融資成本。企業(yè)可以在資本市場上籌集更多更廉價的資金，當其發(fā)現(xiàn)潛在的有利項目時，就可以少受融資約束的限制進行投資?；谏鲜鰝鲗窂?，提出以下假設：

假設3：融資成本在上市公司自媒體信息披露對投資規(guī)模的影響中起到中介作用。

（四）金融生態(tài)環(huán)境、自媒體信息披露與企業(yè)投資行為

謝德仁和張高菊（2007）[30]發(fā)現(xiàn)，上市公司負債的治理效果在金融生態(tài)環(huán)境更好的地區(qū)更為明顯，在金融環(huán)境發(fā)展較差的地區(qū)更有可能出現(xiàn)債務重組。羅正英等（2011）[31]實證分析了金融生態(tài)環(huán)境對中小企業(yè)融資難問題的影響效應，發(fā)現(xiàn)優(yōu)化金融生態(tài)環(huán)境可以正向調節(jié)銀企關系對信貸融資技術的影響，從而顯著緩解中小企業(yè)面臨的融資約束。魏志華等（2012）[32]實證發(fā)現(xiàn)金融生態(tài)環(huán)境越好，企業(yè)的債務融資成本越低。魏志華等（2014）[33]研究表明，更高的金融發(fā)展水平能夠幫助上市公司獲得更多的商業(yè)信用和信貸借款，從而明顯降低上市公司面臨的融資約束程度。張敏等（2015）[34]探究了外部金融環(huán)境對我國商業(yè)性銀行盈余質量的影響，大型地區(qū)金融生態(tài)環(huán)境愈好，商業(yè)銀行利用貸款損失準備進行盈余管理的現(xiàn)象愈少。由此可見，地區(qū)金融發(fā)展水平的高低會對官方自媒體信息披露與企業(yè)投資行為之間的關系產生不同的影響效果?；诖耍岢鲆韵录僭O：

假設4：金融生態(tài)環(huán)境在上市公司自媒體信息披露與投資規(guī)模的關系中起到調節(jié)作用。

三、樣本選擇與實證設計

（一） 樣本選擇與數(shù)據(jù)來源

本文的實證檢驗以2009—2018年所有中國A 股上市公司為研究對象。由于數(shù)據(jù)處理過程中多處使用一期或二期滯后變量，因此實際樣本的數(shù)據(jù)年限為2007—2018年，并對全樣本數(shù)據(jù)進行了如下處理：（1）剔除金融、保險行業(yè)的上市公司;（2）剔除ST類上市公司;（3）剔除主要變量數(shù)據(jù)缺失以及異常的上市公司，最終篩選出8659個有效樣本。此外，為了避免極端值的影響，本文對所有連續(xù)變量進行了1%和99%分位數(shù)的縮尾處理。

本文的數(shù)據(jù)來源為：上市公司官方自媒體信息披露數(shù)據(jù)全部根據(jù)我國A股上市公司的官方微博、公眾號及網(wǎng)站信息整理得來;金融生態(tài)環(huán)境數(shù)據(jù)來自李揚和張濤（2009）[35]、劉煜輝和陳曉升（2011）[36]、王國剛和馮光華（2015）[37]編制的中國地區(qū)金融生態(tài)環(huán)境綜合指數(shù);企業(yè)投資行為、融資成本及控制變量數(shù)據(jù)均來自國泰安數(shù)據(jù)庫和萬得數(shù)據(jù)庫。

（二）變量定義

1. 自媒體信息披露。本文實證檢驗中使用的自媒體信息披露數(shù)據(jù)僅包括上市公司官方微博和官方微信公眾號數(shù)據(jù)。具體而言，是根據(jù)上市公司的名稱、簡稱、曾用名和公司代碼，借助互聯(lián)網(wǎng)爬蟲搜索技術，最終搜索并整理成自媒體是否開通虛擬變量（Tdum）以及自媒體信息發(fā)布數(shù)量（TALL）。圖1和圖2是2009—2018年我國A股上市公司自媒體（微博和微信公眾號）開通的數(shù)量及累計數(shù)量分布，可以看到共有13家上市公司在2009年開通了新浪微博，之后開通微博的公司數(shù)量呈現(xiàn)井噴式增長，于2011年達到最大值，隨著2012年微信的出現(xiàn)及盛行，搶占了部分微博流量，新開通微博的上市公司數(shù)量逐步下降。截至2018年底，共有2275家上市公司開通了官方微信公眾號，1436家上市公司開通了官方微博（見圖2）。

此外，本文還將自媒體信息按照發(fā)布方式進行歸類整理，分為原創(chuàng)信息（Tyc）和轉發(fā)信息（Tzf），最終整理得到1210526條上市公司官方自媒體信息披露數(shù)據(jù)。

2. 企業(yè)投資行為（Invsize）。借鑒張成思和張步曇（2016）[38]、王宇偉等（2019）[39]的研究，使用現(xiàn)金流量表中“本期構建固定資產、無形資產和其他長期資產支付的現(xiàn)金”，再除以其總資產，以衡量企業(yè)的投資規(guī)模。

3. 融資成本（KOJ、Netfint_deb）。融資成本是企業(yè)籌集資金過程必須付出的代價，是資金出借方對可能面臨的風險所要求的必要報酬率。本文借鑒王小君（2018）[40]、魏卉和姚迎迎（2019）[41]的研究，使用OJN模型（Ohlson和Juettner-Nauroth，2005）[42]來估算上市公司權益資本成本，具體公式如下：

其中，KOJ表示OJN模型估計的權益資本成本;[DT+1]表示上市公司第T+1期的每股現(xiàn)金股利;[PT]代表基期第T期全年12個月股票價格的平均數(shù)，以此避免短期價格異常波動對整體價格的影響;[epsT+1]、[epsT+2]分別代表第T+1期、第T+2期證券分析師預測的每股收益;[y-1]表示企業(yè)的長期盈余增長率，參考魏卉和姚迎迎（2019）[41]的研究，以各年的通貨膨脹率來代替。

關于信貸融資成本的衡量，本文借鑒李廣子和劉力（2009）[43]的研究，使用利息支出及手續(xù)費支出之和與企業(yè)總負債額的比值作為信貸融資成本變量（Netfint_deb）。

4. 金融生態(tài)環(huán)境（FINE）。關于金融生態(tài)環(huán)境的衡量，本文主要借鑒羅正英等（2011）[31]以及魏志華等（2014）[33]的研究，使用中國社會科學院金融研究所出版的《中國地區(qū)金融生態(tài)環(huán)境評價》中編制的評價指數(shù)。

5. 控制變量。借鑒Botosan和Plumleeb（2005）[44]、曾穎和陸正飛（2006）[45]、何熙瓊等（2016）[46]、王宇偉等（2019）[39]的研究，選取市場風險水平（beta）、權益凈利率（roe）、企業(yè)成長能力（growth）、杠桿水平（lev）、營業(yè)利潤率（profit）和可抵押資產（assetstruc）6個指標作為本文控制變量。

詳盡的變量定義及計算公式見表1。

（三）模型設定

1. 假設1的模型設定。為證明自媒體開通是否會影響上市公司的權益融資成本和信貸融資成本（假設1），本文構建了多時點雙重差分模型（1），被解釋變量為權益融資成本（KOJ）或信貸融資成本（Netfint_deb），解釋變量是樣本公司是否開通官方自媒體的虛擬變量（Tdum）與開通自媒體的日期變量（Tpost）的交乘項（Tdum[×]Tpost），其余為控制變量。

為證明自媒體信息披露的數(shù)量對上市公司的權益融資成本和信貸融資成本的影響效果，本文構建多元回歸模型（2），被解釋變量為權益融資成本（KOJ）或信貸融資成本（Netfint_deb），解釋變量是上市公司官方自媒體信息發(fā)布數(shù)量（lnTALL），其余變量均為控制變量。

為進一步檢驗上市公司官方自媒體信息發(fā)布方式對融資成本的不同影響，本文構建多元回歸模型（3），被解釋變量為權益融資成本（KOJ），解釋變量是上市公司官方自媒體信息原創(chuàng)發(fā)布量（lnTyc）或轉發(fā)量（lnTzf）。

2. 假設2的模型設定。為了證明前文提出的假設2，即融資成本對于企業(yè)投資行為的影響效果，構建了模型（4）。其中被解釋變量為企業(yè)投資行為（Invsize），主要解釋變量是權益融資成本（KOJ），其余均為控制變量。

3. 假設3及假設4的模型設定。為證明官方自媒體信息披露對上市公司投資行為的影響，構建模型（5），被解釋變量為企業(yè)投資行為（Invsize），解釋變量是上市公司官方自媒體信息披露（lnTALL）。進一步地，為探究自媒體不同的發(fā)布方式對企業(yè)投資行為的影響，將模型（5）的解釋變量替換為上市公司官方自媒體信息原創(chuàng)發(fā)文量（lnTyc）或轉發(fā)量（lnTzf），得到模型（6）。

模型（7）是對假設3中中介效應的路徑檢驗。被解釋變量仍然是上市公司的投資行為（Invsize），解釋變量為上市公司官方自媒體信息披露（lnTALL）以及公司的權益融資成本（KOJ），其余均為控制變量。根據(jù)理論分析，初步預測lnTALL的系數(shù)應顯著為正，而KOJ的系數(shù)應顯著為負，二者均顯著，證明中介效應成立。

對于本文提出的假設4，即不同金融生態(tài)環(huán)境下官方自媒體信息披露的不同影響，本文按照分行業(yè)分年份金融生態(tài)環(huán)境的均值對樣本進行分組，在模型（5）的基礎上進行多元回歸檢驗。初步預測官方自媒體信息應該在金融生態(tài)環(huán)境相對較好的地區(qū)更為顯著，而在較差的地區(qū)不顯著。

四、實證分析

（一）描述性統(tǒng)計

表2是主要回歸變量的描述性統(tǒng)計。其中，企業(yè)投資規(guī)模（Invsize）的最小值為0，說明部分企業(yè)并未進行投資，最大值為0.3847，說明部分企業(yè)熱衷規(guī)模投資，不同企業(yè)之間的投資行為存在比較明顯的差異?；贠JN模型估計的權益融資成本（KOJ）的最小值、最大值分別為-0.0101和4.5162，標準差為1.2087，信貸融資成本的標準差為0.0137，表明我國上市公司融資成本差異較大。自媒體開通啞變量（Tdum）的均值為0.7874，說明在本文的回歸樣本中，有78.74%的企業(yè)開通了官方微博或者微信自媒體平臺。而自媒體信息發(fā)布數(shù)量（lnTALL）的均值為1.5885，最小值為0，最大值為9.8466，標準差為2.4805，說明不同上市公司的官方自媒體信息發(fā)布量存在比較大的差異。在所有的自媒體發(fā)布信息中，原創(chuàng)類信息發(fā)布量均值為1.5140，轉發(fā)類信息數(shù)量均值為0.7710，說明原創(chuàng)類信息在總樣本中占比更高。另外，地區(qū)金融生態(tài)環(huán)境指數(shù)（FINE）的最小值為0.1160，最大值為0.7430，標準差為0.1227，說明目前我國金融生態(tài)環(huán)境狀況仍然存在比較明顯的地區(qū)差異。

（二）多元回歸分析

1. 自媒體開通及其信息披露與企業(yè)融資成本。表3是自媒體開通及其信息披露與企業(yè)融資成本的多元回歸結果，第（1）、（2）列為上市公司是否開通自媒體對融資成本影響的多元回歸結果，其中第（1）列交乘項Tdum[×]Tpost在5%水平上顯著為負，說明開通微博可以顯著降低上市公司的權益融資成本;而第（2）列交乘項并不顯著，說明自媒體開通與否并不會影響企業(yè)的信貸融資成本。第（3）、（4）列為上市公司自媒體發(fā)布數(shù)量指標對融資成本影響的多元回歸結果，其中對權益資本成本的影響系數(shù)在1%的水平上顯著為負，而對信貸融資成本的影響系數(shù)在統(tǒng)計意義上不顯著，說明自媒體的發(fā)布量可以顯著降低企業(yè)權益融資成本，但不會影響信貸融資成本。

為了進一步探究兩類自媒體發(fā)布方式對權益資本成本影響的差異，分別用原創(chuàng)發(fā)文量和轉發(fā)量對權益融資成本進行回歸，第（5）、（6）列為回歸結果，其中原創(chuàng)發(fā)文量（lnTyc）和轉發(fā)量（lnTzf）的系數(shù)在1%水平上顯著為負，說明無論是原創(chuàng)還是轉發(fā)，都會對企業(yè)權益融資成本有顯著的負向影響。自媒體信息發(fā)布并不會對企業(yè)債務融資成本產生影響的原因在于企業(yè)的債務融資大部分來源于銀行信貸，而銀行作為資深的債權人多參考企業(yè)的財務報表和現(xiàn)金流狀況，可能對企業(yè)自媒體信息關注并不多。

2. 自媒體信息披露、融資成本與企業(yè)投資行為。表4是自媒體信息披露、融資成本與企業(yè)投資行為的多元回歸結果。從第（1）列可以看出權益融資成本（KOJ）的系數(shù)在5%的水平上顯著為負，說明權益融資成本與企業(yè)的投資規(guī)模呈現(xiàn)反向相關關系，即企業(yè)的權益融資成本越低，越能獲得足夠的發(fā)展資金以擴大投資。從第（2）列可以看出自媒體信息發(fā)布數(shù)量（lnTALL）的系數(shù)在1%水平上顯著為正，說明自媒體平臺發(fā)布更多的信息有利于企業(yè)擴大投資。第（3）、（4）列進一步檢驗了原創(chuàng)發(fā)文量（lnTyc）和轉發(fā)量（lnTzf）對上市公司投資行為的影響，結果顯示二者系數(shù)均在1%水平上顯著為正，說明原創(chuàng)發(fā)文量和轉發(fā)量對企業(yè)投資行為都存在十分顯著的正向激勵作用。

本文基于深層次的路徑和機理分析，以融資成本作為中介變量進行了實證檢驗，回歸結果見表4第（5）列，其中自媒體信息發(fā)布數(shù)量（lnTALL）的系數(shù)在1%水平上顯著為正，而中介變量——融資成本（KOJ）的系數(shù)在5%水平上顯著為負。根據(jù)溫忠麟等（2004）[47]所使用的中介效應檢驗步驟，結合前文假設1、假設2的實證檢驗結果發(fā)現(xiàn)：上市公司開通自媒體以及自媒體信息發(fā)布量越多，其權益融資成本越低;融資成本越低，上市公司越容易擴大投資規(guī)模，即二者存在顯著的反向關系;上市公司自媒體信息發(fā)布量與投資行為有著顯著的正向關系，即自媒體發(fā)布量越多，企業(yè)投資規(guī)模越大。

由此可以說明，融資成本在自媒體信息披露與企業(yè)投資行為之間的中介效應是非常顯著的，由于自媒體平臺拓展了市場上信息傳播的渠道，有效地降低了企業(yè)與投資者之間的信息不對稱，進而使得投資者更多地了解企業(yè)的實際運營信息，降低了可能面臨的不確定性，最終企業(yè)能夠以更低的成本獲得進行投資所必需的現(xiàn)金流。此外，在加入中介變量后自媒體信息發(fā)布數(shù)量（lnTALL）的系數(shù)由0.00082縮小為0.00080，說明該中介效應為部分中介效應，融資成本僅僅是自媒體信息披露影響企業(yè)投資行為的傳導變量之一。

3. 金融生態(tài)環(huán)境、自媒體信息披露與企業(yè)投資行為。表5是金融生態(tài)環(huán)境、自媒體信息披露與企業(yè)投資行為的多元回歸結果，本文將分行業(yè)分年份的金融環(huán)境指數(shù)均值作為分組變量?；貧w結果顯示，在金融生態(tài)環(huán)境指數(shù)大于均值（FINE_dum=1）的組別中，自媒體信息發(fā)布數(shù)量（lnTALL）的系數(shù)在10%水平上顯著為正，而在FINE_dum=0的組別中，該系數(shù)均不顯著。這說明了上市公司自媒體信息發(fā)布量對其投資行為的正向影響僅在金融生態(tài)環(huán)境更好的地區(qū)顯著。

五、穩(wěn)健性檢驗

（一）基于逐年傾向得分匹配的雙重差分估計（PSM-DID）

為克服可能存在的樣本選擇偏誤帶來的內生性問題，本文通過逐年PSM-DID對假設1進行驗證?；貧w結果見表6，其中權益融資成本下交乘項Tdum[×]Tpost的系數(shù)在5%的水平上顯著為負，信貸融資成本下交乘項Tdum[×]Tpost的系數(shù)不顯著，說明上市公司開通自媒體這一行為能夠顯著降低企業(yè)的權益融資成本，對信貸資本成本沒有顯著影響，結論與前文一致。

（二）處理效應模型（Treatment-effects model）檢驗

本文借鑒Maddala（1983）[48]的處理效應模型，使用處理效應兩步法以期解決實證檢驗過程中可能存在的內生性問題。具體而言，在公司特征變量方面，參考何賢杰等（2016）[10]的研究，選擇負債水平（lev）、盈利能力（roe）、 成長能力（growth）以及公司年齡，即公司成立年限的自然對數(shù)值（Lnage_est）4個指標。在高管特征變量方面，本文選取高管平均年齡（age）、高管學歷水平虛擬變量（edu）和高管中的女性高管比例（female）三個指標，其中，高管平均年齡是全部高管人員的平均年齡，并取對數(shù);高管學歷水平虛擬變量是指，若過半數(shù)高管人員的學歷在本科及本科以上，則age取1，否則取0;女性高管比例是女性高管人數(shù)與高管總人數(shù)的比值。從處理效應的檢驗及回歸結果，自選擇系數(shù)hazard lambda在1%的水平上顯著，說明企業(yè)是否開通官方自媒體具有自選擇的問題。處理了該自選擇問題之后，Tdum的系數(shù)在1%水平上顯著為正，與前文回歸檢驗結論一致。

（三）工具變量法（IV）

本文使用同行業(yè)同年度的官方自媒體發(fā)文均值（lnTALL_inddyear）作為自媒體信息披露（lnTALL）的工具變量（IV），并進行兩階段最小二乘法（2SLS）回歸（見表7）。第一階段回歸結果中，工具變量lnTALL_inddyear的系數(shù)在1%水平上顯著，且F值等于77.0000，大于經(jīng)驗值10，說明工具變量具有較好的解釋力。第二階段的回歸結果中，官方自媒體信息發(fā)布數(shù)量（lnTALL）在1%水平上顯著為正，說明上市公司官方自媒體的信息發(fā)布數(shù)量依然顯著正向影響其投資行為，與前文的結論相一致。為了保證回歸結果的可靠性，進一步進行了弱工具變量檢驗，結果亦顯示不存在弱工具變量的問題。

六、進一步研究

投資效率可以理解為企業(yè)資源配置的一種狀態(tài)。由于信息不對稱及代理成本問題，管理層與股東的矛盾往往難以調和，導致企業(yè)產生非效率投資，具體表現(xiàn)為將有限的資源投向NPV小于零的項目，即形成投資過度;抑或是保守經(jīng)營，放棄NPV大于零的優(yōu)良項目，即造成投資不足（Stein，2001）[49]。

由于Richardson模型能夠較好地量化企業(yè)的非效率投資，本文借鑒該模型的基本思路對我國上市公司的非效率投資水平進行估算。具體指標處理中，本文借鑒王彥超（2009）[50]、劉慧龍等（2014）[51]的研究，通過以下模型對非效率投資進行估算：

其中，Invest表示企業(yè)當期的投資支出，Invest=（資本支出+并購支出-出售長期資產收入-折舊）/總資產，資本支出、并購支出、出售長期資產收入和折舊分別是現(xiàn)金流量表的對應項目;Growth是營業(yè)收入增長率;Lev表示企業(yè)資產負債率;Cash是現(xiàn)金及現(xiàn)金等價物;Age表示企業(yè)的成立年限取對數(shù)值;Size等于總資產取對數(shù)值;Return表示考慮現(xiàn)金股利再投資的個股回報率;回歸模型控制了行業(yè)與年度效應。本文將回歸得到的殘差取絕對值，得到非效率投資衡量指標Tabsinveff，該指標數(shù)值越大，非效率投資程度越深。

表8是自媒體信息披露與樣本企業(yè)非效率投資的回歸結果，可以看出lnTALL的系數(shù)在5%的水平上顯著為負，說明上市公司自媒體信息披露的程度會顯著抑制企業(yè)的非效率投資，改善投資水平。接下來，再按照金融生態(tài)環(huán)境指標分行業(yè)分年份的均值來分組回歸，分析自媒體信息披露對非效率投資的影響差異（見表9）。在金融生態(tài)環(huán)境更好（FINE_dum=1）的組別中，自媒體信息披露（lnTALL）的系數(shù)是顯著為負的;而在金融生態(tài)環(huán)境比較差（FINE_dum=0）的組別中，lnTALL的系數(shù)并不顯著。說明上市公司官方自媒體信息披露對企業(yè)投資行為的影響主要存在于金融環(huán)境更好、市場制度更加完善的地區(qū)。

七、研究結論與政策建議

（一）研究結論

本文對上市公司自媒體信息披露對投資行為的影響進行了實證研究，并以融資成本為中介變量對自媒體的影響路徑進行了分析;還針對目前我國金融生態(tài)環(huán)境地區(qū)差異比較顯著的現(xiàn)實背景，對其產生的調節(jié)效應進行了研究。結果發(fā)現(xiàn)：（1）上市公司開通官方自媒體可以顯著降低權益融資成本，但對信貸融資成本的影響不顯著，上市公司原創(chuàng)發(fā)文量和轉發(fā)量均與權益融資成本顯著負相關。（2）上市公司融資成本與其投資規(guī)模存在顯著的負向關系，融資成本越低，企業(yè)管理層受到的融資約束越少，越能擴大投資規(guī)模。（3）上市公司官方自媒體信息發(fā)布量可以顯著提高公司的投資規(guī)模，其中原創(chuàng)發(fā)文量和轉發(fā)量均與投資規(guī)模顯著正相關。以權益融資成本為中介變量進行進一步檢驗后顯示，權益融資成本確實在自媒體信息披露與企業(yè)投資規(guī)模的關系中起到部分中介作用，說明自媒體信息披露有效地降低了信息不對稱程度，進而降低了投資者的風險預期，使得上市公司的融資成本更低，進一步緩解了融資約束，擴大了投資規(guī)模。（4）在金融生態(tài)環(huán)境較好的地區(qū)，自媒體信息披露對企業(yè)投資行為的正向效應更加明顯。（5）自媒體信息披露能夠顯著降低上市公司的非效率投資。

（二）政策建議

對上市公司而言，首先，應重視自媒體這一新興的信息披露平臺，積極主動開通并維護官方微博和微信公眾號;其次，公司應定時在自媒體平臺發(fā)布經(jīng)營動態(tài)、投融資戰(zhàn)略、公司榮譽、節(jié)日問候等各類信息，以吸引投資者的注意力，使得投資者關注和追蹤上市公司;最后，上市公司應該充分利用自媒體強大的留言板功能，回答投資者提出的問題或及時主動進行自問自答式的消息解讀，與市場上的投資者進行積極互動，增加投資者對公司的了解，展示開放包容的公司形象，進而降低融資成本，提高公司投資效率。

對相關政府部門而言，應該更多地發(fā)揮引導作用和監(jiān)管作用。一方面，相關部門應該鼓勵上市公司開通自媒體平臺，加強與投資者之間的交流，降低市場信息的不對稱程度;另一方面，相關部門應該加強自媒體信息的監(jiān)管，對上市公司在自媒體發(fā)布的虛假、夸大、不符合實際的信息及時予以糾正，讓投資者獲得更多的真實有效信息，促進資本市場信息質量的提高。

參考文獻：

[1]宋全成.論自媒體的特征、挑戰(zhàn)及其綜合管制問題 [J].南京社會科學，2015，（3）.

[2]周立，王子明.中國各地區(qū)金融發(fā)展與經(jīng)濟增長實證分析：1978—2000 [J].金融研究，2002，（10）.

[3]申金霞.自媒體的信息傳播特點探析 [J].今傳媒，2012，20（9）.

[4]Tumarkin R，Whitelaw R F. 2001. News or Noise？ Internet Postings and Stock Prices [J].Financial Analysts Journal，57（3）.

[5]Antweiler W，F(xiàn)rank M Z. 2004. Is All that Talk Just Noise？The Information Content of Internet Stock Message Boards [J].The Journal of Finance，59（3）.

[6]Blankespoor E，GSMiller，H Dwhite. 2014. The Role of Dissemination in Market Liquidity：Evidence from Firms Use of Twitter [J].The Accounting Review，89（1）.

[7]Al Guindy Mohamed. 2016. Corporate Twitter Use and Cost of Capital [J].SSRN working paper.

[8]胡軍，王甄.微博、特質性信息披露與股價同步性[J].金融研究，2015，（11）.

[9]胡軍，王甄，陶瑩，鄒雋奇.微博、信息披露與分析師盈余預測 [J].財經(jīng)研究，2016，42（5）.

[10]何賢杰，王孝鈺，趙海龍，陳信元.上市公司網(wǎng)絡新媒體信息披露研究：基于微博的實證分析 [J].財經(jīng)研究，2016，42（3）.

[11]王衛(wèi)星，左哲.網(wǎng)絡新媒體信息披露對民營企業(yè)經(jīng)營績效的影響研究——基于中小板民營上市公司的實證分析 [J].湖南師范大學社會科學學報，2018，47（1）.

[12]黃宏斌，郝程偉.基于公司治理視角的國有上市公司自媒體信息披露——以中石化微信公眾號為例 [J].財會月刊，2018，（19）.

[13]黃宏斌，毛天琴.上市公司微信公眾號信息披露的內容及其經(jīng)濟后果：基于中國聯(lián)通的案例研究 [J].金融發(fā)展研究，2018，（8）.

[14]Aboody，David，Lehavy，Reuven，Trueman，Brett. 2010. Limited Attention and the Earnings Announcement Returns of Past Stock Market Winners [J].Review of Accounting Studies，15（2）.

[15]Engelberg，Joseph，Sasseville，Caroline，Williams，Jared. Market Madness？ The Case of Mad Money[J]. SSRN Electronic Journal，2010.

[16]Myers，Stewart C，Majluf，Nicolás S. 1984. Corporate Financing and Investment Decisions when Firms Have Information that Investors Do Not Have [J].Journal of Financial Economics，13（2）.

[17]俞紅海，徐龍炳，陳百助.終極控股股東控制權與自由現(xiàn)金流過度投資 [J].經(jīng)濟研究，2010，45（8）.

[18]吳超鵬，吳世農，程靜雅，王璐.風險投資對上市公司投融資行為影響的實證研究 [J].經(jīng)濟研究，2012，（1）.

[19]胡建雄，談詠梅. 企業(yè)自由現(xiàn)金流、債務異質性與過度投資——來自中國上市公司的經(jīng)驗證據(jù) [J]. 山西財經(jīng)大學學報，2015，（9）.

[20]張先治，晏超.會計準則變革、資本成本與企業(yè)投資行為——基于資本資產定價模型的理論分析 [J].管理評論，2018，30（4）.

[21]于秋麗.多元化融資能力、研發(fā)投資與中小企業(yè)績效 [J].財會通訊，2019，（33）.

[22]王蕾茜，鄒輝文，林兢.賣空機制、融資約束與企業(yè)研發(fā)投資 [J].軟科學，2019，（12）.

[23]Bushee B J，Core J E，Guay W，et al. 2010. The Role of the Business Press as an Information Intermediary[J].Journal of Accounting Research，48（1）.

[24]鄭建明，夏楸.媒體報道、融資約束與投資效率 [J].財政研究，2014，（9）.

[25]張建勇，葛少靜，趙經(jīng)緯.媒體報道與投資效率 [J].會計研究，2014，（10）.

[26]程新生，劉建梅，王子璇.媒體關注能提高公司投資效率嗎？ [J].財經(jīng)論叢，2015，（4）.

[27]劉文琪，杜閃.媒體關注、資產誤定價與非效率投資 [J].中國注冊會計師，2017，（6）.

[28]吳高波，賀芳芳.媒體監(jiān)督、產權性質與非效率投資 [J].財會通訊，2019，（30）.

[29]Liu Z，Zhai Q，Zhai Q，et al. 2016. Self-disclosure in Chinese Micro-blogging [J].Information&Management，53（1）.

[30]謝德仁，張高菊.金融生態(tài)環(huán)境、負債的治理效應與債務重組：經(jīng)驗證據(jù) [J].會計研究，2007，（12）.

[31]羅正英，周中勝，王志斌.金融生態(tài)環(huán)境、銀行結構與銀企關系的貸款效應——基于中小企業(yè)的實證研究 [J].金融評論，2011，3（2）.

[32]魏志華，王貞潔，吳育輝，李常青.金融生態(tài)環(huán)境、審計意見與債務融資成本 [J].審計研究，2012，（3）.

[33]魏志華，曾愛民，李博.金融生態(tài)環(huán)境與企業(yè)融資約束——基于中國上市公司的實證研究 [J].會計研究，2014，（5）.

[34]張敏，謝露，馬黎珺.金融生態(tài)環(huán)境與商業(yè)銀行的盈余質量——基于我國商業(yè)銀行的經(jīng)驗證據(jù) [J].金融研究，2015，（5）.

[35]李揚，張濤.中國地區(qū)金融生態(tài)環(huán)境評價（2008—2009） [M].北京：中國金融出版社，2009.

[36]劉煜輝，陳曉升.中國地區(qū)金融生態(tài)環(huán)境評價（2009—2010） [M].北京：社會科學文獻出版社，2011.

[37]王國剛，馮光華.中國地區(qū)金融生態(tài)環(huán)境評價（2009—2010） [M].北京：社會科學文獻出版社，2015.

[38]張成思，張步曇.中國實業(yè)投資率下降之謎：經(jīng)濟金融化視角 [J]. 經(jīng)濟研究，2016，（12）.

[39]王宇偉，周耿，吳曈，范從來.央行的言辭溝通、實際行動與企業(yè)投資行為 [J].中國工業(yè)經(jīng)濟，2019，（5）.

[40]王小君.上市公司股權融資成本影響因素分析[J].合作經(jīng)濟與科技，2018，（7）.

[41]魏卉，姚迎迎.金融生態(tài)環(huán)境、財務冗余與權益資本成本——基于經(jīng)營風險的中介效應 [J].財會月刊，2019，（22）.

[42]Ohlson，Juettner-Nauroth. 2005. Expected EPS and EPS Growth as Determinants of Value.Review of Accounting Studies. Jun/Sep 2005，Vol.10 Issue 2/3.

[43]李廣子，劉力.債務融資成本與民營信貸歧視 [J].金融研究，2009，（12）.

[44]Botosan C A，Plumlee M A. 2005. Assessing Alternative Proxies for the Expected Risk Premium[J]. Accounting Review，80（1）.

[45]曾穎，陸正飛.信息披露質量與股權融資成本 [J].經(jīng)濟研究，2006，（2）.

[46]何熙瓊，尹長萍，毛洪濤.產業(yè)政策對企業(yè)投資效率的影響及其作用機制研究——基于銀行信貸的中介作用與市場競爭的調節(jié)作用 [J].南開管理評論，2016，19（5）.

[47]溫忠麟.張雷，侯杰泰，劉紅云.中介效應檢驗程序及其應用 [J].心理學報，2004，（5）.

[48]Maddala G. 1983. Limited-Dependent and Qualitative Variables inEconometrics.Cambridge，England：Cambridge University Press.

[49]Stein J C. 2001. Agency，Information and Corporate Investment. Working paper.NBER.

[50]王彥超. 融資約束、現(xiàn)金持有與過度投資 [J].金融研究，2009，（7）.

[51]劉慧龍，王成方，吳聯(lián)生.決策權配置、盈余管理與投資效率 [J].經(jīng)濟研究，2014，（8）.