上市公司有關信息披露與公司業績的實證研究
——基于深圳證券交易所2014—2016年重污染行業公司的有關數據

翟洪宇

宿州學院商學院，宿州，234000

1 相關研究與問題提出

自2013年開始，我國一些地區遭遇嚴重霧霾天氣和地下水不同程度的污染，環境污染的主要成因是工業企業污染物的排放。我國作為全球污染物排放最多的國家之一，企業排放的污水、廢氣、煙塵、二氧化硫等污染物無疑使一些地區的生態環境雪上加霜。

我國證券市場尚不夠完善，整體上市公司信息披露的真實性和及時性存在很大差異，有一些上市公司認為信息披露僅僅是迎接檢查而不得不進行的一項義務，有些上市公司通過修改財務數據掩蓋自身財務問題，來逃避證監會等部門的監管和懲罰。這些不道德甚至違法行為，嚴重阻礙了信息披露的真實性和及時性，造成上市公司在信息披露上屢屢違規。信息披露造假問題，導致企業會計信息嚴重失真，公司對外傳遞的信息不真實、不規范，以致個別主體操縱股價、通過內幕交易來謀求暴利，因而造成這些公司的信譽度降低，甚至走向破產的不歸之路[1]。

國外學者研究發現，信息披露的質量與股價正相關，信息披露規范、透明度高的上市公司，容易得到外部投資者認可，公司股價相對較高[2-3]。國內學者張宗新等選取深市2002—2005年上市公司樣本，實證研究發現，信息披露的質量與公司績效存在明顯的相關關系，即信息披露越好的公司績效也越好[4]；李秀珠采用回歸分析法，以2011—2013年農業上市公司為研究樣本，實證檢驗了信息披露的質量與公司業績之間的關系，結果表明，信息披露的質量與公司業績之間呈現明顯的正相關[5]；郭敏以2011—2013年深市創業板175家公司為檢驗對象，從信息披露的角度分析了風險投資特征對公司績效波動的影響作用，當公司信息披露水平不高時，風險投資機構對業績波動的影響作用更大[6]。綜上所述，眾多國內外學者研究均發現，合理地引導企業進行有關信息披露，有助于幫助企業抬高股價、提升財務績效。

上述學者的研究僅從一般上市公司或農業上市公司角度分析信息披露與公司業績的相關關系,并未重點突出重污染行業上市公司樣本信息披露的特殊性,另外，在研究方法上,多數學者采用的是回歸分析法。本文采用因子分析法的主成分分析法對公司業績的5個維度、10個評價指標進行因子分析，然后對公司業績的綜合得分進行了兩獨立樣本t檢驗，初步驗證了信息披露水平的高低會影響公司業績。最后通過多元線性回歸對重污染行業上市公司信息披露與公司業績綜合得分之間的關系進行分析，以期豐富現有的研究成果。

2 理論與假設

信息不對稱理論認為，上市公司財務業績以及經營狀況信息在經營管理者與投資者之間存在著不對稱性，這可能導致管理者的道德風險以及投資者的逆向選擇，從而降低市場資源配置效率[7]。

信號傳遞理論顯示，高質量的信息披露有助于企業建立信息透明化，克服上市公司信息的不對稱性，幫助股東在充分獲悉企業生產經營和財務狀況的基礎上，作出正確的投資決策，增強投資者對上市公司的信任[8]。通過這種信號傳遞，可以有效解決投資者逆向選擇問題。

簡言之，在存在信息不對稱資本市場中，投資者在進行決策時，相對于公開信息的市場，會要求更高的回報用于彌補更高的投資風險，從而促使籌資成本增加，整個市場的資源配置效率也必將下降。但是，如果上市公司有著很高的信息披露水平，尤其是公司業績優秀的上市公司，通過更多、更準確、更及時地信息披露，向股東等利益相關者傳達企業真實完整的生產經營和財務狀況，增強股東對企業的信心，進而提升公司的股票價格，促使企業籌資成本降低，公司業績也會相應提升[9]。

因此，本文認為：第一，提高信息披露質量。企業對外披露的信息越透明，越有助于減少股東投資決策信息的不確定性，公司面臨的風險和股權資本成本就會降低，從而提升公司的財務業績；第二，作為公司治理結構的重要組成部分，高質量的信息披露有助于降低信息不對稱水平，一定程度上降低兩權分離引起的委托-代理成本，提高公司治理效率和公司業績水平。

研究假設為：上市公司信息披露質量越高，其公司業績越好。

3 研究設計

3.1 樣本選取與數據來源

本文研究樣本主要取自于2014—2016年深圳證券交易所重污染行業上市公司的數據，為保證樣本的真實性與準確性，對初始樣本進行了如下處理：(1)剔除了被標識ST、*ST的企業；(2)剔除了金融類企業；(3)剔除評價指標數據缺失的企業；(4)剔除明顯異常數據。

經過以上四步處理后，最終共選取250家公司。相關數據主要來自CCER以及國泰安數據庫，信息披露質量數據來自于深交所在“誠信檔案”中公布的“信息披露考評”結果。

3.2 變量定義與指標選取

3.2.1 被解釋變量

本文以公司業績為被解釋變量，主要是利用財務效益、資產質量、償債風險、發展能力、市場表現5個維度設計的公司業績評價體系來反映，通過對10個財務指標進行因子分析，得出因子，并利用因子得分系數矩陣對每個樣本進行因子評分，采用各因子的方差貢獻率與累計方差貢獻率之比作為權數，進而計算出每個樣本的綜合因子得分，以此綜合得分來反映公司的業績。具體業績評價指標見表1。

表1 業績評價指標體系表

3.2.2 解釋變量

本文解釋變量為上市公司信息披露質量，由深交所公布的“信息披露考評”結果來替代，并對其進行賦值，為確保解釋變量的差異性以及準確性，采取如下賦值規則：對于2014—2016年“信息披露考評”結果，分別對應賦值為優秀(3)、良好(2)、合格(1)以及不合格(0)。最后，將賦值結果作為解釋變量的替代變量進行分析。

3.2.3 控制變量

本文主要從年度變量、行業分類、公司規模、公司性質、兩職分離情況、董事會規模、股權結構以及資本結構等8個角度設置控制變量。其中股權結構以第一大股東持股比例作為代表變量進行分析；用資產負債率來代表財務杠桿水平；以總資產的對數替代公司規模；公司性質通過設立國有企業(1)、非國有企業(0)來控制；本文設置行業變量防止行業差異導致的公司業績波動，按照環境保護部辦公廳印發的《上市公司環保核查行業分類管理名錄》的劃分標準，將樣本分為14個行業。

3.3 公司業績指標體系因子分析

3.3.1 因子分析適用性檢驗

在進行因子分析之前，首先應對原有變量之間是否存在相關性進行檢驗，確定其是否滿足因子分析的條件。KMO檢驗以及巴特利特球度檢驗結果顯示：KMO值為0.541，大于0.5，所以認為滿足因子分析的適用條件，可以進行因子分析，提取因子。另外，巴特利特球度檢驗統計量的觀測值為3 438.905，其相應的概率P值接近于0，在顯著性水平0.01下顯著相關，因此，認為相關系數矩陣不太可能是單位矩陣，原有變量適合通過因子分析提取因子。綜上所述，兩種方法均認為樣本數據適合進行因子分析。

3.3.2 因子提取

因子的提取主要采用主成分分析法，選取特征值大于1的特征根作為因子。在進行因子提取時，先分析公因子方差，原始變量在指定標準下提取特征值時的共同度數據都比較高，指標的提取基本在0.85以上，只有營業收入增長率和營業利潤增長率相對較低，但總體信息丟失情況相對較少，所以本次因子提取結果較為理想。

對共同度數據進行簡單分析，通過對原有方差解釋情況的了解，分析變量特征值、方差貢獻率以及累計方差貢獻率才能更好的提取因子。

由表2可以看出，提取的5個因子的累計貢獻率達到84.757%，說明原有變量信息在提取過程中丟失較少。同時因子碎石圖也顯示，前5個因子的特征值均大于1，對解釋原有變量有較大貢獻，所以最終確定選擇5個因子，分別設為F1、F2、F3、F4、F5，然后結合因子載荷矩陣對這5個因子進行命名解釋。根據因子載荷矩陣，可寫出本文中因子分析模型如下：

a=0.788F1+0.168F2-0.169F3+0.314F4-0.393F5

b=0.822F1+0.068F2-0.092F3+0.250F4-0.424F5

c=0.178F1+0.662F2+0.618F3-0.156F4-0.007F5

d=0.062F1+0.759F2+0.511F3-0.165F4-0.061F5

e=0.233F1-0.767F2+0.495F3+0.122F4+0.065F5

f=0.320F1-0.671F2+0.591F3+0.084F4+0.014F5

g=0.319F1+0.305F2+0.106F3+0.432F4+0.488F5

h=0.324F1+0.166F2-0.157F3+0.441F4+0.567F5

i=0.696F1+0.016F2-0.256F3-0.514F4+0.230F5

j=0.652F1-0.186F2-0.064F3-0.602F4+0.222F5

表2 解釋的總方差

由因子載荷矩陣可知，5個因子的實際含義相對模糊，不便于后面的因子命名解釋，所以要想進行因子命名解釋，只能對因子載荷矩陣進行轉換，根據旋轉后的因子載荷矩陣得出5個因子的實際含義。

3.3.3 因子命名解釋

本文采用最大方差法對原有因子載荷矩陣進行正交轉換，從而使因子更加具有命名解釋性，得出旋轉后的因子載荷矩陣，表明流動比率與速動比率在第1個因子上的載荷相對較高，成分含量分別為0.935、0.947，所以可將F1命名為償債因子；凈資產收益率與資產報酬率在第2個因子上的載荷相對較高，成分含量分別為0.941、0.937，所以可將F2命名為效益因子；資產周轉率與流動資產周轉率在第3個因子上載荷相對較高，成分含量分別為0.930、0.914，所以可將F3命名為質量因子；市凈率與托賓Q值在第4個因子上載荷相對較高，成分含量分別為0.899、0.912，所以可將F4命名為市場因子；營業收入增長率與營業利潤增長率在第5個因子上的載荷相對較高，成分含量分別為0.760、0.806，所以可將F5命名為成長因子。

3.3.4 因子得分

在計算因子得分時，首先通過回歸法得出因子成分得分系數矩陣，然后根據因子成分得分系數矩陣，寫出5個因子的得分函數如下：

F1=-0.049×a+0.014×b+0.098×c+0.001×d+0.513×e+0.532×f+0.059×g-0.020×h-0.103×i+0.039×j

F2=0.559×a+0.554×b-0.031×c-0.016×d-0.037×e-0.000×f-0.073×g-0.091×h-0.063×i-0.127×j

F3=-0.032×a-0.010×b+0.545×c+0.520×d+0.004×e+0.094×f+0.061×g-0.119×h-0.023×i+0.026×j

F4=-0.107×a-0.080×b+0.016×c-0.011×d-0.038×e-0.030×f-0.047×g+0.016×h+0.560×i+0.578×j

F5=-0.039×a-0.099×b-0.008×c-0.052×d+0.036×e-0.002×f-0.617×g+0.675×h+0.025×i-0.051×j

通過以上5個因子的得分函數，結合各樣本相應指標的具體數據，即可得出各樣本的各因子得分。

3.3.5 公司業績綜合得分

本文以公司業績整體作為被解釋變量，通過將現有的10個財務指標進行因子分析，得出每個樣本在各個因子上的得分后，采用加權平均分確定每個樣本的公司業績綜合得分，以此來反映公司的業績。本文權數采用各因子旋轉后的方差貢獻率除以累計方差貢獻率求得，所以各因子所占權重如表3。因此，結合因子及其對應權數，可以得出公司業績綜合得分函數公式。

F=0.219 1×F1+0.218 1×F2+0.210 3×F3+0.201 5×F4+0.151 0×F5

根據以上函數，結合求得的各因子得分，即可計算出各樣本的公司業績綜合得分，通過此綜合得分來反映公司的業績水平。

表3 各因子及其所占權重

3.4 研究模型的構建

本研究建立多元回歸模型，因變量為公司業績，自變量為上市公司信息披露質量。為了增加回歸模型的解釋能力，再加入年度變量、公司規模、公司性質、兩職分離情況、董事會規模、股權結構、資本結構和行業變量作為控制變量，回歸模型為：

Y=β0+β1×x1+β2×x2+β3×x3+β4×x4+β5×x5+β6×x6+β7×x7+Σγi×x8+Σγj×x9+εi,j

其中，Y表示公司業績，x1表示信息披露質量，x2表示公司規模，x3表示公司性質，x4表示兩職分離情況，x5表示董事會規模，x6表示股權結構，x7表示資本結構，x8表示行業變量，x9表示年度變量。

4 檢驗結果與討論

4.1 兩獨立樣本t檢驗

利用現有信息披露質量得分以及公司業績綜合得分，來對比兩獨立樣本公司業績的均值是否有顯著性差異，即信息披露質量較好的公司是否比信息披露質量較差的公司業績顯著更好。在進行獨立性檢驗時，由于需要確立兩個獨立樣本，因此，本文將優秀和良好等級得分賦值為“較好”，將合格與不合格等級得分賦值為“較差”，采用兩獨立樣本t檢驗的方法進行檢驗，結果見表4。

表4 兩類信息披露質量下公司業績的綜合得分統計

由表4可知：信息披露質量較好的公司業績均值為1.112，信息披露質量較差的公司業績均值為0.970，信息披露質量高的公司業績更好，但這一現象是否顯著，還需進一步檢驗。

兩獨立樣本t檢驗過程分為兩步：第一步，進行兩總體方差是否相等的F檢驗。統計值為4.98，對應P值為0.02，說明兩獨立總體的方差不相等；第二步，進行兩獨立總體均值的t檢驗。根據第一步的結果可知，兩總體方差不相等，所以應按照表5檢驗結果的第二行進行分析，t統計值為4.12，對應P值為0.00，因此認為兩總體均值存在顯著性差異，即信息披露質量較好的公司業績要明顯好于信息披露質量較差的公司。

表5 兩獨立樣本t檢驗結果

4.2 多元線性回歸分析

4.2.1 相關性檢驗

進行回歸分析之前，首先對自變量與因變量進行相關性檢驗。信息披露得分與業績綜合得分的相關系數為0.117，在0.01的顯著性水平下正相關，與假設一致。

4.2.2 回歸分析

在進行回歸分析時，對國有企業取1，非國有企業取0；對年份共設立兩個虛擬變量，即年份1和年份2，年份1對2014年數據取1，對2015和2016年數據取0，年份2對2015年的數據取1，另外兩年取0，則可知剔除2014和2015年的取1的數據后，剩下的便是2016年的年份數據。為了消除自變量間多重共線性可能帶來的影響，在回歸分析之前，先進行共線性檢驗，結果如表6。

表6 多元線性回歸系數

注：**表示P<0.01。

由表6可知，各自變量方差膨脹因子均接近于1，說明自變量間存在較弱的共線性，對回歸方程影響不大。

在控制變量方面，資產負債率與公司業績呈負相關關系。自變量信息披露與因變量公司業績在0.001的顯著性水平下正相關。回歸模型調整R2是0.695，回歸擬合度比較好。模型的F值為16.708，P值接近0，回歸模型具有統計意義。研究表明：重污染行業信息披露與公司業績存在正相關關系，驗證了本文假設。

5 結 語

本文基于深交所250家重污染行業上市公司數據，研究了上市公司信息披露與公司業績的關系，發現我國重污染行業上市公司信息披露質量越高，公司業績越好。信息披露質量的提高對公司業績有正面影響，可幫助上市公司更好地得到市場的認可，有利于減輕資本市場的信息不對稱問題，進一步促進上市公司信息披露的完善。本文的研究意義在于：結合理論分析和實證研究，明確信息披露質量是否能顯著影響公司業績的問題。研究證明，高質量的信息披露會促進公司業績的提升，進而激發上市公司提高信息披露的主動性。進一步研究方向可以從重污染行業上市公司信息披露的特點出發,分析環境信息披露對公司業績的影響以及政府的干預對信息披露質量的影響等，以期豐富現有的研究成果。