描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響
——基于分析師跟蹤的調(diào)節(jié)效應(yīng)

周 明，許 言，徐國慶

（東華理工大學(xué)，江西 南昌 330013）

一、引言

創(chuàng)新是引領(lǐng)發(fā)展的第一動力，是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐。習(xí)近平強調(diào)要把創(chuàng)新驅(qū)動發(fā)展作為面向未來的一項重大戰(zhàn)略實施好，“十四五”規(guī)劃也強調(diào)要堅持創(chuàng)新在我國現(xiàn)代化建設(shè)全局中的核心地位。創(chuàng)新作為一種高風(fēng)險的投資活動，具有資金需求量大、投入周期長、收益滯后等特點。在創(chuàng)新信息缺失的情形下，資本市場信息不對稱程度進(jìn)一步提高，鑒于創(chuàng)新投資的不確定性，投資者的投資熱情會降低，進(jìn)而增加了企業(yè)的融資成本；同時，在信息不對稱的情況下，企業(yè)管理層由于自利動機的存在也會更注重任職期間的短期收益，致使需進(jìn)行長期研發(fā)的創(chuàng)新項目不受青睞。創(chuàng)新信息作為企業(yè)的關(guān)鍵信息，是企業(yè)創(chuàng)新推動力研究中不可忽視的內(nèi)容之一。大量研究表明，企業(yè)創(chuàng)新信息已經(jīng)超越盈利、股利分配、項目投資、收購重組等信息，成為投資者決策最重要的依據(jù)[1]。描述性創(chuàng)新信息披露是以文本信息的形式披露企業(yè)相關(guān)創(chuàng)新信息，有助于投資者更準(zhǔn)確地判斷企業(yè)的研發(fā)現(xiàn)狀，特別是在我國高語境傳播環(huán)境中，文本信息具有更高的研究價值[2-3]。

結(jié)合當(dāng)前的研究現(xiàn)狀來看，學(xué)界對企業(yè)創(chuàng)新信息披露的研究主要集中于會計信息質(zhì)量、環(huán)境信息披露水平等方面，創(chuàng)新文本信息的影響力在一定意義上說被忽略了。關(guān)于描述性創(chuàng)新信息披露的影響力學(xué)界目前主要存在兩種看法：一種認(rèn)為其作為外部投資者了解企業(yè)創(chuàng)新情況的重要渠道，能降低信息不對稱程度，增強投資者對創(chuàng)新項目的信心，降低企業(yè)融資成本；另一種則認(rèn)為企業(yè)的描述性創(chuàng)新信息披露也存在一定的專有性成本，即創(chuàng)新文本信息中包含較多潛在內(nèi)容，披露行為很可能對競爭對手決策產(chǎn)生影響，從而使企業(yè)競爭劣勢成本增加，對企業(yè)創(chuàng)新產(chǎn)生負(fù)面影響。因此，描述性創(chuàng)新信息披露是否會對企業(yè)創(chuàng)新產(chǎn)生影響以及產(chǎn)生何種影響值得進(jìn)一步研究。同時，由于文本信息的非直觀性以及閱讀者的理解差異性，分析師作為信息中介的重要組成，能有效幫助投資者解讀信息。有研究表明，分析師跟蹤能夠降低信息不對稱程度，提升被跟蹤企業(yè)的創(chuàng)新績效[4]，因而研究分析師跟蹤是否會對描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新的關(guān)系產(chǎn)生作用以及產(chǎn)生何種作用具有一定的現(xiàn)實意義。

基于此，本文在對描述性創(chuàng)新信息披露可能對企業(yè)創(chuàng)新產(chǎn)生的正面影響與負(fù)面影響進(jìn)行全面考量的基礎(chǔ)上，基于我國滬深兩市A股上市公司的經(jīng)驗證據(jù)，研究描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響，并考察分析師跟蹤對二者關(guān)系的調(diào)節(jié)作用。本文可能的邊際貢獻(xiàn)在于：一是豐富了非財務(wù)信息披露的研究，對暫存的研究缺口稍作補充。當(dāng)前對于企業(yè)創(chuàng)新推動力的研究較少考慮創(chuàng)新文本信息因素，本文對二者關(guān)系進(jìn)行檢驗，確定描述性創(chuàng)新信息披露的影響。二是采用文本分析法對創(chuàng)新文本信息進(jìn)行測度，突破了人工評分法的小樣本困境，擴(kuò)大了研究對象樣本量。三是豐富了關(guān)于分析師跟蹤影響的研究，有助于明確分析師在資本市場的作用原理。

二、文獻(xiàn)簡述與研究假說

（一）文獻(xiàn)簡述

學(xué)界對于企業(yè)創(chuàng)新信息披露的研究是從其披露動機開始的，Allen[5]最早提出存在競爭關(guān)系的企業(yè)會出于長期利益考慮而進(jìn)行創(chuàng)新信息披露，以節(jié)約知識保護(hù)成本。國外大量研究表明在現(xiàn)實市場環(huán)境中，有多種因素會促進(jìn)或抑制企業(yè)的自愿性創(chuàng)新信息披露。從促進(jìn)的視角來看，企業(yè)內(nèi)部管理者與外部投資者存在嚴(yán)重的信息不對稱，企業(yè)研發(fā)信息披露可以降低這種不對稱程度，向市場傳遞積極信號[1]，市場往往會對其作出正面回應(yīng)[6]。從抑制的視角來看，企業(yè)創(chuàng)新相關(guān)信息主要為企業(yè)在研信息及關(guān)鍵技術(shù)突破等敏感信息，披露可能會泄露機密，帶來潛在風(fēng)險[7]。國內(nèi)關(guān)于這方面的研究起步稍晚，對創(chuàng)新信息披露經(jīng)濟(jì)后果的研究相對較多。從正面影響來看，有學(xué)者認(rèn)為創(chuàng)新信息披露能強化投資者價值認(rèn)同，產(chǎn)生積極的市場反應(yīng)[8-9]。隨著研究的深入，有研究表明高質(zhì)量的研發(fā)信息披露可以降低信息獲取成本，減少管理層現(xiàn)金流侵占，進(jìn)而對企業(yè)創(chuàng)新效率產(chǎn)生正面影響[10]。從負(fù)面影響來看，根據(jù)已有研究可知，對于電子信息制造業(yè)企業(yè)而言，創(chuàng)新信息披露會對企業(yè)創(chuàng)新績效產(chǎn)生負(fù)面影響[11]。因而，創(chuàng)新信息披露究竟能否對企業(yè)創(chuàng)新產(chǎn)生影響以及產(chǎn)生何種影響，還有待進(jìn)一步檢驗。

隨著資本市場的發(fā)展，關(guān)于分析師跟蹤對企業(yè)創(chuàng)新影響的研究也越來越受到學(xué)界的關(guān)注。當(dāng)前的研究主要從兩個不同的角度來探究分析師跟蹤對企業(yè)創(chuàng)新的影響，最終結(jié)論也不相同。一部分學(xué)者認(rèn)為分析師跟蹤有助于緩解股東與經(jīng)理人之間的代理問題[12]，改善信息環(huán)境[13]，降低融資成本[14]，即產(chǎn)生了“信息揭示”效應(yīng)，從而促進(jìn)企業(yè)增加創(chuàng)新投入。另一部分學(xué)者則認(rèn)為分析師過度關(guān)注會增加管理層短期經(jīng)營壓力[15]，造成管理者短視，使企業(yè)創(chuàng)新活動受到更大阻礙，即形成了“業(yè)績壓力”效應(yīng)，從而會抑制企業(yè)創(chuàng)新。因此，分析師跟蹤在資本市場上究竟發(fā)揮了何種作用以及這種作用是否在描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新之間產(chǎn)生交互效應(yīng)，值得進(jìn)行深入分析。

（二）研究假說

1.描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新。在有效市場假設(shè)下，資本市場是完美的，投資項目的期望回報率與資本的機會成本決定了公司的投資水平，公司管理層的能力與所獲信息是項目投資效率的決定性因素。然而現(xiàn)代企業(yè)制度中所有權(quán)與經(jīng)營權(quán)的分離導(dǎo)致信息不對稱問題無法解決，完美市場的假設(shè)不復(fù)存在，企業(yè)的投資行為可能會偏離企業(yè)價值最大化的目標(biāo)。特別是創(chuàng)新項目投資具有投入大、風(fēng)險高、專業(yè)性強、收益滯后等特點，導(dǎo)致研發(fā)投資領(lǐng)域的信息不對稱程度更高。這種信息不對稱會使企業(yè)創(chuàng)新在資金籌措和資金分配階段陷入困境[16]。在資金籌措階段，信息不對稱使外部投資者對創(chuàng)新項目的估計風(fēng)險增大，使投資者更加謹(jǐn)慎，對企業(yè)融資形成阻礙[17]。在資金分配階段，由于信息不對稱的存在，無法避免公司管理層的自利行為，管理層可能會出于自身利益考慮而選擇放棄投入高、回報慢的創(chuàng)新項目投資[18]。

描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響主要體現(xiàn)在如下方面：首先，描述性創(chuàng)新信息披露能夠有效緩解信息不對稱。在資金籌措階段，企業(yè)對外傳遞的描述性創(chuàng)新信息是外部投資者了解創(chuàng)新項目的最重要信息來源，是改善投資者弱勢地位的重要途徑，能夠幫助投資者辨別項目優(yōu)劣，減少估計風(fēng)險，有效緩解企業(yè)創(chuàng)新融資約束[19]。同時，根據(jù)信號傳遞理論，創(chuàng)新信息的披露能夠有效減少逆向選擇，吸引更多資金投入。在資金分配階段，描述性創(chuàng)新信息披露可強化投資者對企業(yè)創(chuàng)新行為的理解，促進(jìn)公司各項監(jiān)督與激勵機制有效運作，抑制經(jīng)理人的道德風(fēng)險[16]。同時，客觀、真實的創(chuàng)新信息披露能將創(chuàng)新項目的進(jìn)展、面臨的風(fēng)險、投入的資本與人力等信息傳遞給股東，股東對管理者工作現(xiàn)狀了解越客觀，對管理者的激勵效果越佳，經(jīng)理人越能考慮企業(yè)的長期發(fā)展，從而作出合適的研發(fā)創(chuàng)新決策[20]。因此，可以認(rèn)為描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新具有一定的正面治理效應(yīng)。其次，隨著創(chuàng)新信息披露的增多，其對企業(yè)創(chuàng)新的內(nèi)損效應(yīng)不容忽視?；趯Ｓ行猿杀纠碚?，當(dāng)企業(yè)披露信息增多時，若競爭對手策略性地利用所披露的信息來采取不利于企業(yè)的行為，就會對披露企業(yè)產(chǎn)生負(fù)面影響[21]。企業(yè)創(chuàng)新信息披露程度的提升能夠顯著增強知識外溢效應(yīng)，伴生企業(yè)“搭便車”等問題[22]。在知識產(chǎn)權(quán)未得到法律保護(hù)時，知識泄露會減少企業(yè)的創(chuàng)新行為[23]。由于創(chuàng)新活動大多涉及企業(yè)核心技術(shù)和商業(yè)機密，創(chuàng)新信息披露越多，競爭對手可從中窺探的商業(yè)機密就越多，使披露企業(yè)創(chuàng)新利益受損。因此，描述性創(chuàng)新信息披露可能會對企業(yè)創(chuàng)新產(chǎn)生負(fù)面影響。最后，根據(jù)“倒U形”關(guān)系作用機制，隨著前因變量水平的增加，兩類因素對結(jié)果變量的影響方向相反，會產(chǎn)生一種增減交互效應(yīng)，從而形成“過猶不及”的“倒U形”關(guān)系[24]。隨著創(chuàng)新信息披露水平的提高，創(chuàng)新信息披露帶來的兩種效應(yīng)對創(chuàng)新績效的影響相反，兩種效應(yīng)相互調(diào)節(jié)，這種交互效應(yīng)影響著企業(yè)的創(chuàng)新績效。

綜上，從描述性創(chuàng)新信息披露帶來的治理效應(yīng)和內(nèi)損效應(yīng)來看，描述性創(chuàng)新信息披露水平提高很可能會對企業(yè)創(chuàng)新產(chǎn)生先促進(jìn)后抑制的作用。據(jù)此本文提出研究假說1，描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響呈“倒U形”，即描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響是先促進(jìn)后抑制。

2.分析師跟蹤的調(diào)節(jié)效應(yīng)。投資者雖密切關(guān)注著企業(yè)的創(chuàng)新信息披露，但由于創(chuàng)新信息專業(yè)性強、理解難度大，投資者很難直接透過信息掌握其中蘊含的價值。在資本市場信息中介中，分析師作為獨立的第三方，在投資者和管理層之間發(fā)揮著重要作用。首先，從正面效應(yīng)來看，分析師通過自身具備的信息優(yōu)勢、較強的信息分析能力和專業(yè)知識，能夠?qū)⒒逎y懂的創(chuàng)新信息清晰、簡明地傳遞給投資者，緩解信息不對稱[4]，幫助投資者更好地識別企業(yè)的創(chuàng)新實力，提高對創(chuàng)新項目的認(rèn)知水平。同時，分析師跟蹤能起到外部監(jiān)督作用，有利于監(jiān)督和約束管理層的自利行為，進(jìn)而降低管理層因擔(dān)心自身利益受損而規(guī)避技術(shù)創(chuàng)新的意愿。從這方面來看，分析師跟蹤會增強描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的積極影響。其次，從負(fù)面效應(yīng)來看，分析師跟蹤所發(fā)揮的監(jiān)督作用雖然有助于抑制管理層自利行為，但不能從根本上消除其自利動機，甚至可能誘發(fā)新的更隱蔽的且難以監(jiān)管的代理問題[25]。隨著跟蹤企業(yè)的分析師數(shù)量的增多，不同特質(zhì)的分析師所持觀點更多元，無法避免個別分析師過度注重短期經(jīng)營業(yè)績的問題。未達(dá)到分析師盈余預(yù)期的企業(yè)為確保自身利益，會傾向于放棄投資期限長且風(fēng)險大的創(chuàng)新項目，導(dǎo)致企業(yè)創(chuàng)新投資無法實現(xiàn)最優(yōu)配置[26]，同時分析師對于創(chuàng)新信息的解讀可能使企業(yè)核心信息外泄的風(fēng)險增大。從這方面來看，分析師跟蹤會增強描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的負(fù)面影響。

綜上，分析師跟蹤對描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新關(guān)系的影響可能存在正向調(diào)節(jié)作用。據(jù)此本文提出研究假說2，即分析師跟蹤能夠正向調(diào)節(jié)描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新的關(guān)系。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文以2007年—2019年我國滬深兩市A股上市公司為研究樣本，因2007年是我國會計準(zhǔn)則國際趨同的時間點，為避免會計準(zhǔn)則差異的影響，故選取2007年為起始時間。描述性創(chuàng)新信息關(guān)鍵詞詞集來源于WinGo財經(jīng)文本數(shù)據(jù)平臺，企業(yè)專利數(shù)據(jù)來自CNRDS數(shù)據(jù)庫，其他變量數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫。為消除極端值對研究結(jié)論可能造成的影響，對所有連續(xù)變量進(jìn)行上下1%的縮尾處理。

同時，考慮到數(shù)據(jù)的可比性，對樣本數(shù)據(jù)進(jìn)行如下處理：一是通過巨潮資訊網(wǎng)下載2007年—2019年我國滬深兩市A股上市公司年度財務(wù)報告，利用python中的正則表達(dá)式去除原數(shù)據(jù)集中的非文字符號、空格及日期等文本，使用JIEBA分詞工具結(jié)合哈工大停用詞表對文本進(jìn)行中文分詞，去除停用詞等文本；二是計算描述性創(chuàng)新信息披露指標(biāo)對應(yīng)關(guān)鍵詞詞集的詞頻；三是剔除金融類公司、ST類公司以及專利數(shù)據(jù)缺失的觀測值。經(jīng)上述處理，最終得到3266家公司的數(shù)據(jù)，總觀測值為23833個。

（二）變量衡量

1.描述性創(chuàng)新信息披露。描述性創(chuàng)新信息披露是指企業(yè)以文本信息形式披露創(chuàng)新活動相關(guān)信息，這里的創(chuàng)新一般指狹義上的創(chuàng)新即技術(shù)創(chuàng)新。目前對描述性創(chuàng)新信息披露的衡量主要是以通過構(gòu)建指標(biāo)體系進(jìn)行人工評分的內(nèi)容分析法為主，該方法通常需要較高的人工成本且高度依賴研究人員的經(jīng)驗判斷，往往存在樣本量小、普適性低、可復(fù)制性弱等問題[27]。

隨著機器學(xué)習(xí)的發(fā)展，國內(nèi)外眾多學(xué)者開始采用文本分析方法來探析上市公司信息披露中蘊藏的價值[27-28]。根據(jù)語料庫語言學(xué)中“共現(xiàn)頻率”這一概念可知，通用率越高的詞語搭配，其使用頻率越高，結(jié)合信息披露研究，相關(guān)關(guān)鍵詞出現(xiàn)的頻率越高，說明企業(yè)通過文本信息的披露意愿越強[29]。因此，在文本分析領(lǐng)域，詞頻不僅是度量概念的常見方式，還代表了文本對詞匯的重視程度[30]。目前常用的文本分析方法為詞典法，其具有易復(fù)制、理解性強等特點。區(qū)別于傳統(tǒng)詞典法，本文采用種子詞集＋Word2vec相似詞擴(kuò)充的詞頻分析法對企業(yè)描述性創(chuàng)新信息披露水平進(jìn)行度量，具體步驟如下：

一是確定種子詞集。根據(jù)《“十三五”國家科技創(chuàng)新規(guī)劃》以及相關(guān)政策及會議文件，結(jié)合相關(guān)文獻(xiàn)[31]和上市公司年報，提取與企業(yè)創(chuàng)新相關(guān)的關(guān)鍵詞，并參考胡楠的做法①詳見第十七屆中國實證會計國際研討會報告論文《描述性創(chuàng)新，真實創(chuàng)新活動和盈余持續(xù)性——基于文本分析和機器學(xué)習(xí)》。，綜合考慮種子詞的準(zhǔn)確性與概括性，確定種子詞集為技術(shù)創(chuàng)新、研發(fā)、開發(fā)、研究、專利、發(fā)明。二是相似詞擴(kuò)充。在信息披露中，對于同一概念或事物，通常會使用多個相似的詞語進(jìn)行描述。因此，還需在種子詞集的基礎(chǔ)上進(jìn)行相似詞擴(kuò)充。本文采用基于神經(jīng)網(wǎng)絡(luò)Word Embedding方法的Word2vec機器學(xué)習(xí)技術(shù)，根據(jù)上下文語義信息將詞匯表示為多維向量，計算向量間相似度以獲得相似詞。三是確定關(guān)鍵詞詞集。由4名專業(yè)研究人員和學(xué)術(shù)界專家對詞匯進(jìn)行篩選和檢驗，最終確定420個描述性創(chuàng)新信息披露關(guān)鍵詞，計算關(guān)鍵詞在年報文本中出現(xiàn)的詞頻比例，構(gòu)建描述性創(chuàng)新信息披露指標(biāo)Disc?？紤]到信息披露的滯后性，研究中將描述性創(chuàng)新信息披露指標(biāo)作滯后一期處理。

2.企業(yè)創(chuàng)新。本文對企業(yè)創(chuàng)新的度量側(cè)重于企業(yè)技術(shù)創(chuàng)新水平。創(chuàng)新投入指標(biāo)雖可衡量企業(yè)的創(chuàng)新意愿與潛力，但其能否完全轉(zhuǎn)換為產(chǎn)出的不確定性較高。本文選擇以創(chuàng)新產(chǎn)出指標(biāo)衡量企業(yè)創(chuàng)新能力，采用企業(yè)專利申請數(shù)Patent1和專利授權(quán)數(shù)Patent2來衡量企業(yè)創(chuàng)新產(chǎn)出，考慮到部分企業(yè)專利申請數(shù)為0以及專利數(shù)量呈右偏分布，故對企業(yè)專利申請數(shù)和專利授權(quán)數(shù)進(jìn)行對數(shù)化處理。

3.分析師跟蹤。本文采用一年內(nèi)對樣本企業(yè)進(jìn)行跟蹤分析的分析師（團(tuán)隊）數(shù)目衡量分析師跟蹤。考慮到模型中變量可能會受到量綱的影響，因此取分析師（團(tuán)隊）跟蹤數(shù)目加1的自然對數(shù)作為分析師跟蹤的代理變量。

4.控制變量。參考既有研究[20，32]，本文選取的控制變量包括企業(yè)規(guī)模Size、企業(yè)年齡Age、有形資產(chǎn)比Capint、現(xiàn)金資產(chǎn)比Cash、營業(yè)收入增長率Growth、董事會規(guī)模Board、高管激勵Pay等。同時為控制年報信息含量的影響，加入年報文本總字?jǐn)?shù)即年報長度Length為控制變量。具體變量定義見表1。

表1 變量定義表

（三）模型設(shè)計

本文通過構(gòu)建以下計量模型來定量分析描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響：

式（1）中，i和t分別表示企業(yè)和年份。Patent(1,2)i,t表示企業(yè)創(chuàng)新，回歸中分別用專利申請數(shù)和專利授權(quán)數(shù)表示；Disci,t-1表示企業(yè)描述性創(chuàng)新信息披露，Disc2i,t-1為其平方項，考慮到信息披露的滯后性，在回歸中滯后一期；Controls表示控制變量；Year和Industry分別表示年份和行業(yè)的固定效應(yīng)；εi,t為隨機擾動項?？紤]到異方差的存在，使用穩(wěn)健標(biāo)準(zhǔn)誤替代標(biāo)準(zhǔn)誤。

同時，考慮到創(chuàng)新產(chǎn)出可能受到慣性影響，故將解釋變量的滯后項引入模型。動態(tài)面板模型能夠避免普通面板模型可能存在的結(jié)果偏差，克服模型的內(nèi)生性，故構(gòu)建動態(tài)面板模型如下：

為檢驗其他條件不變的情況下分析師跟蹤對描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新關(guān)系的調(diào)節(jié)作用，構(gòu)建模型如下：

式（3）中，Disci,t×Analystsi,t、Disc2i,t×Analystsi,t表示調(diào)節(jié)交乘項，其他變量含義與模型（1）相同。

（四）描述性創(chuàng)新信息披露指標(biāo)分析及有效性檢驗

1.描述性創(chuàng)新信息披露的時間趨勢?？傮w上看，描述性創(chuàng)新信息披露指標(biāo)和企業(yè)創(chuàng)新指標(biāo)都隨時間呈上升趨勢，說明近年來企業(yè)的創(chuàng)新水平處于增長階段；同時，二者的變化趨勢一致性較高。2012年證監(jiān)會對《公開發(fā)行證券的公司信息披露內(nèi)容與格式準(zhǔn)則》進(jìn)行了修訂，對企業(yè)自愿性信息披露提出了更高要求，故2012年描述性創(chuàng)新信息披露指標(biāo)有較大提升（限于篇幅未列示）。

2.描述性創(chuàng)新信息披露指標(biāo)的有效性檢驗。為檢驗描述性創(chuàng)新信息披露指標(biāo)的有效性，本文采用不同方式衡量描述性創(chuàng)新信息披露指標(biāo)，并與關(guān)鍵詞詞頻法結(jié)果進(jìn)行對比，來驗證詞頻法的有效性。選取2015年—2019年創(chuàng)業(yè)板470家公司為樣本，先采用內(nèi)容分析法，借鑒已有文獻(xiàn)[9，33]構(gòu)建相應(yīng)指標(biāo)體系并對樣本進(jìn)行打分處理，采用變異系數(shù)法加總各指標(biāo)分?jǐn)?shù)最終確定描述性創(chuàng)新信息披露指標(biāo)Disc_b。然后利用自然語言處理技術(shù)，通過文本向量化計算創(chuàng)新文本信息的信息含量Inf，信息含量越高，描述性創(chuàng)新信息披露水平越高。

為檢驗不同測度方式之間的相關(guān)性，使用2015年—2019年470家樣本公司的面板數(shù)據(jù)進(jìn)行簡單回歸，以檢驗指標(biāo)之間的相互解釋力。具體形式如下：

指標(biāo)有效性檢驗結(jié)果顯示，不同度量方式之間具有顯著的正相關(guān)關(guān)系（限于篇幅未列示），這驗證了本文使用的基于種子詞集＋Word2vec相似詞擴(kuò)充的詞頻分析法的效標(biāo)效度。

四、實證結(jié)果分析與檢驗

（一）描述性統(tǒng)計分析

表2為主要變量的描述性統(tǒng)計結(jié)果。由表2可知，描述性創(chuàng)新信息披露指標(biāo)的均值為0.601，說明上市公司年報每100個詞中有0.601個描述性創(chuàng)新信息關(guān)鍵詞。企業(yè)專利申請數(shù)和專利授權(quán)數(shù)的均值分別為2.178、1.273，說明研究期內(nèi)樣本公司的平均專利申請數(shù)、平均專利授權(quán)數(shù)分別為7.829個、2.572個；標(biāo)準(zhǔn)差分別為1.742、1.459，數(shù)據(jù)的波動性較大，說明各樣本企業(yè)之間的創(chuàng)新產(chǎn)出差異較大，這也與已有研究結(jié)果基本一致[34]。分析師跟蹤的均值為1.533，說明樣本企業(yè)平均約有4位分析師進(jìn)行跟蹤分析，分析師跟蹤數(shù)目的最小值為0，最大值為3.761（即約為42位分析師），標(biāo)準(zhǔn)差為1.176，說明樣本企業(yè)的分析師跟蹤數(shù)目差異較大?？刂谱兞康拿枋鲂越y(tǒng)計結(jié)果未發(fā)現(xiàn)異常現(xiàn)象。

表2 描述性統(tǒng)計結(jié)果

（二）描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響分析

首先，本文對模型（1）進(jìn)行LM檢驗和Hausman檢驗，結(jié)果顯示固定效應(yīng)模型為最優(yōu)。其次，對于動態(tài)面板模型（2），使用兩步系統(tǒng)GMM估計方法進(jìn)行檢驗。模型（1）、模型（2）的回歸結(jié)果如表3所示，第（1）、（2）列結(jié)果顯示，對于專利申請數(shù)和專利授權(quán)數(shù)而言，Disc的回歸系數(shù)顯著為正，而Disc2的回歸系數(shù)顯著為負(fù)，說明其對企業(yè)創(chuàng)新呈“倒U形”影響。第（3）、（4）列結(jié)果顯示通過了自相關(guān)檢驗且Sargan檢驗的P值均大于0.1，即通過了“工具變量聯(lián)合有效“的假設(shè)，說明工具變量有效，同時回歸結(jié)果也表明描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響呈“倒U形”。

表3 全樣本主回歸結(jié)果

描述性創(chuàng)新信息披露水平的提高能夠緩解資金籌措與配置階段的信息不對稱問題，進(jìn)一步降低企業(yè)融資成本并緩解股東與經(jīng)理人之間的代理問題，此時信息披露帶來的治理效應(yīng)大于內(nèi)損效應(yīng)，有助于提升企業(yè)創(chuàng)新水平。但當(dāng)描述性創(chuàng)新信息披露量超出一定范圍后，競爭對手獲取企業(yè)商業(yè)機密的機會成本降低，核心技術(shù)外泄的可能性增加，且過多的創(chuàng)新信息披露可能會使投資者、股東等相關(guān)利益者認(rèn)為管理者是出于“印象管理”或者因自身利益而披露不實創(chuàng)新信息，負(fù)面效應(yīng)超過其在資本市場上帶來的正面效應(yīng)，對企業(yè)創(chuàng)新帶來負(fù)面影響。綜上，研究假說1得到驗證。

（三）異質(zhì)性分析

考慮到企業(yè)自身的異質(zhì)性會對描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新的關(guān)系產(chǎn)生差異性影響，因此本文進(jìn)一步考察企業(yè)不同所有制形式對上述描述性創(chuàng)新信息披露效應(yīng)的影響，以更為深入地把握描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的具體影響。為此，本文將樣本企業(yè)按照所有制形式分為國有企業(yè)和非國有企業(yè)兩個子樣本，并分別對各樣本描述性創(chuàng)新信息披露效應(yīng)進(jìn)行檢驗。企業(yè)所有制形式異質(zhì)性檢驗結(jié)果見表4。

表4 企業(yè)所有制形式異質(zhì)性檢驗結(jié)果

表4的回歸結(jié)果顯示：在非國有企業(yè)子樣本中，Disc的系數(shù)顯著為正，Disc2的系數(shù)顯著為負(fù)，其影響仍為“倒U形”；在國有企業(yè)子樣本中，Disc的系數(shù)顯著為正，但Disc2的系數(shù)皆不顯著，“倒U形”影響不成立?？赡苁且驗閲衅髽I(yè)擁有較多的創(chuàng)新資源和創(chuàng)新優(yōu)勢，非國有企業(yè)的創(chuàng)新收益更難得到保證，因此非國有企業(yè)中描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新呈“倒U形”影響。

（四）分析師跟蹤的調(diào)節(jié)效應(yīng)

表5報告了模型（3）的回歸結(jié)果，第（1）、（2）列分別列示了分析師跟蹤對描述性創(chuàng)新信息披露與企業(yè)專利申請數(shù)、專利授權(quán)數(shù)關(guān)系的調(diào)節(jié)作用結(jié)果。回歸結(jié)果顯示Disc的系數(shù)顯著為正，Disc2的系數(shù)顯著為負(fù)，加入交互項后，描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的“倒U形”影響不變。描述性創(chuàng)新信息披露與分析師跟蹤數(shù)目交互項（Disc×Analysts）的回歸系數(shù)分別在1%和5%水平上顯著為正，描述性創(chuàng)新信息披露平方項與分析師跟蹤數(shù)目交互項（Disc2×Analysts）的回歸系數(shù)分別在10%和5%水平上顯著為負(fù)，與未加入交互項時核心解釋變量的回歸系數(shù)符號一致，表明分析師跟蹤增強了描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響，研究假說2得到驗證。

表5 分析師跟蹤的調(diào)節(jié)效應(yīng)

進(jìn)一步地，本文分別以低于和高于調(diào)節(jié)變量分析師跟蹤數(shù)目均值的一個標(biāo)準(zhǔn)差作為低點和高點，分析分析師跟蹤數(shù)目對描述性創(chuàng)新信息披露與企業(yè)專利申請數(shù)、專利授權(quán)數(shù)關(guān)系的調(diào)節(jié)效應(yīng)。在分析師跟蹤數(shù)目不同的條件下，描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新之間的關(guān)系見圖1、圖2。

圖1 分析師跟蹤數(shù)目對描述性創(chuàng)新信息披露與企業(yè)專利申請數(shù)關(guān)系的調(diào)節(jié)效應(yīng)

圖2 分析師跟蹤數(shù)目對描述性創(chuàng)新信息披露與企業(yè)專利授權(quán)數(shù)關(guān)系的調(diào)節(jié)效應(yīng)

由圖1、圖2可知：當(dāng)分析師跟蹤數(shù)目較多時，描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新之間的“倒U形”曲線相對陡峭，且拐點左移；當(dāng)分析師跟蹤數(shù)目較少時，描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新之間的“倒U形”曲線相對平緩，說明分析師跟蹤能強化描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新之間的“倒U形”關(guān)系。以上結(jié)論再次驗證了研究假說2?；谏鲜鼋Y(jié)果可知，分析師跟蹤增強了描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的正面效應(yīng)與負(fù)面效應(yīng)。這主要是因為分析師的信息解讀和外部監(jiān)督能夠有效減少管理層與投資者之間、經(jīng)理層與管理層之間的信息不對稱問題，加強描述性創(chuàng)新信息披露的正向治理效應(yīng)。而隨著描述性創(chuàng)新信息披露內(nèi)容的增多，分析師跟蹤對于信息的解讀使企業(yè)機密外泄的可能性增大，競爭對手獲得有利信息的成本降低。同時，分析師過多也可能會增加更隱蔽的代理問題，隨之增強了描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的負(fù)面效應(yīng)。

（五）內(nèi)生性檢驗

1.工具變量法?？紤]到模型中可能存在遺漏變量及描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新潛在的互為因果關(guān)系等問題，本文借鑒已有研究[16，35]，選取兩個工具變量來弱化內(nèi)生性問題：一是同年度同行業(yè)其他上市企業(yè)的描述性創(chuàng)新信息披露均值Disc_A。因為相同行業(yè)在同一年度所處的經(jīng)濟(jì)環(huán)境相似，受到相同政策的影響且主營業(yè)務(wù)相近，在描述性創(chuàng)新信息披露方面具有一定的相關(guān)性，但其他企業(yè)的描述性創(chuàng)新信息披露對本企業(yè)創(chuàng)新的影響很小。二是信息披露的滯后四期值Discl4。因為同年企業(yè)的創(chuàng)新狀況很可能影響到本期的創(chuàng)新信息披露情況，但不會對之前年度的創(chuàng)新信息披露產(chǎn)生影響。

表6為內(nèi)生性檢驗結(jié)果。由表6可知，兩階段最小二乘法（2SLS）第一階段的回歸結(jié)果顯示，工具變量的估計結(jié)果皆顯著，滿足相關(guān)性條件。第二階段的回歸結(jié)果顯示，識別不足檢驗在1%水平上被拒絕；弱工具變量檢驗結(jié)果顯示，F(xiàn)統(tǒng)計量大于10，拒絕弱工具變量假設(shè)；過度識別檢驗結(jié)果中Sargan的P值均大于0.1，表明工具變量外生。第二階段回歸結(jié)果與前文結(jié)論一致，進(jìn)一步驗證了本文結(jié)論的可靠性。

表6 內(nèi)生性檢驗結(jié)果

2.Heckman兩階段法?？紤]到樣本企業(yè)中不包含未進(jìn)行專利申請的企業(yè)，且部分企業(yè)年度專利產(chǎn)出數(shù)量為0，為減少潛在的樣本選擇偏差，使用Heckman兩階段模型進(jìn)行分析。先對企業(yè)是否進(jìn)行專利申請構(gòu)建Probit模型，得到逆米爾斯比率（IMR）；再將其作為控制變量加入描述性創(chuàng)新信息披露與企業(yè)創(chuàng)新的模型中進(jìn)行修正。由表6內(nèi)生性檢驗結(jié)果可知，在考慮樣本選擇偏差后，結(jié)論不變。

（六）穩(wěn)健性檢驗

1.替換被解釋變量。專利可分為發(fā)明專利、實用新型和外觀設(shè)計3種類型。其中發(fā)明專利的創(chuàng)新技術(shù)含量更高，對企業(yè)的核心競爭力影響更大[35]，更能反映企業(yè)的真實創(chuàng)新水平。因此，本文用企業(yè)發(fā)明專利申請數(shù)的自然對數(shù)（Patent3）來衡量企業(yè)創(chuàng)新水平，回歸結(jié)果與前文一致，詳見表7。

表7 穩(wěn)健性檢驗結(jié)果

2.更換回歸模型?？紤]到企業(yè)專利數(shù)目為計數(shù)變量，且方差大于期望值，具有過度分散的特點，因而本文運用面板負(fù)二項模型進(jìn)行穩(wěn)健性檢驗，回歸結(jié)果詳見表7。模型得出的結(jié)論與前文一致，說明本文的基本結(jié)論是穩(wěn)健的。

3.刪去2012年之前的數(shù)據(jù)。考慮到2008年全球金融危機會對企業(yè)的資金投入以及技術(shù)創(chuàng)新造成持續(xù)影響，且2012年信息披露準(zhǔn)則修訂使描述性創(chuàng)新信息披露指標(biāo)出現(xiàn)一定增幅，因而本文選擇使用2012年—2019年數(shù)據(jù)，考察樣本子區(qū)間的模型估計效果，回歸結(jié)果見表7，可知估計結(jié)果與前文保持一致，體現(xiàn)了本文結(jié)論的穩(wěn)健性。

五、結(jié)論與建議

本文以2007年—2019年我國滬深兩市A股上市公司為樣本，使用種子詞集+Word2vec相似詞擴(kuò)充法測度描述性創(chuàng)新信息披露指標(biāo)，實證檢驗描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的影響。結(jié)果表明：描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新呈先促進(jìn)后抑制的“倒U形”影響，且這種“倒U形”影響顯著存在于非國有企業(yè)中；分析師跟蹤數(shù)目的上升會增強描述性創(chuàng)新信息披露對企業(yè)創(chuàng)新的非線性影響，即當(dāng)創(chuàng)新文本信息披露在一定規(guī)模內(nèi)時，分析師跟蹤的信息揭示效應(yīng)更強，能進(jìn)一步降低信息不對稱程度，緩解企業(yè)融資約束，提升企業(yè)創(chuàng)新產(chǎn)出水平；當(dāng)分析師跟蹤數(shù)目超過一定規(guī)模后，分析師跟蹤可能會增大企業(yè)核心機密外泄的可能性，增強其負(fù)面影響。

基于上述結(jié)論，本文認(rèn)為描述性創(chuàng)新信息披露如同一把“雙刃劍”，提升披露水平是降低信息不對稱的關(guān)鍵，是資本市場良性運作的基本保障，但也存在披露內(nèi)容過多帶來核心信息外泄的風(fēng)險，因而如何在提升信息披露水平的同時促進(jìn)企業(yè)創(chuàng)新是待解決的關(guān)鍵問題。對此，本文提出如下建議：一是完善創(chuàng)新信息披露制度，保護(hù)企業(yè)核心信息。對于企業(yè)年報的信息披露應(yīng)當(dāng)建立合理有效的規(guī)則保護(hù)創(chuàng)新項目的核心信息，制定系統(tǒng)且完善的知識產(chǎn)權(quán)保護(hù)措施，降低機密信息被竊讀造成的負(fù)面影響。二是出臺創(chuàng)新政策，助企紓困解難。在規(guī)范年報信息披露的同時，可出臺相關(guān)政策，幫助企業(yè)解決創(chuàng)新過程中可能遇到的難題，如當(dāng)創(chuàng)新投資不足逐漸成為制約企業(yè)創(chuàng)新水平提升的主要瓶頸時，可建立多層次資本市場體系，提供多渠道融資。