XBRL標準應用能有效提升分析師盈余預測質量嗎？——基于成本粘性的分析視角

惠麗麗 謝獲寶 魏其芳,3

（1.武漢理工大學管理學院會計系，湖北 武漢 430070；2.武漢大學經濟與管理學院會計系，湖北 武漢 430072；3.深圳市資道智能科技有限公司，廣東 深圳 518057）

前言

作為重要的財務信息供給方式，通用財務報告的目標是向現有和潛在投資者、貸款人和其他債權人提供有關報告主體的財務信息，以利于其做出向主體提供資源相關的決策(IASB《財務報告的概念框架》，2010)。2015年國際會計準則理事會(IASB)發布《財務報告概念框架(征求意見稿)》時明確指出，通用財務報告的編制從整體角度出發，未考慮特定投資者、貸款人或者其他債權人的需求，同時財務報告信息體現的僅僅是其法律形式，并不能如實反映與財務信息相關的經濟現象及交易實質。征求意見稿認為，財務報告的主體邊界應該設定成為依賴財務報表信息的現有或潛在投資者、貸款人和其他債權人，財務報告信息應當能夠如實反映主體經濟活動本質，滿足決策有用和受托責任的目標。因此鑒于其局限性，通用財務報告只能向主要使用者提供普遍、標準化財務信息，不能滿足廣義信息需求者了解與上市公司財務報表相關的宏觀和行業環境以及微觀交易實質信息的需求，無法向不同的信息使用者提供異質化交易信息。

伴隨可擴展商業報告語言(XBRL)技術推行，XBRL標準為財務報告使用者提供一個靈活的信息平臺，建立起不同報告系統之間的有效聯系，突出上市公司經營環境以及財務報告披露環境對決策者資源配置的重要影響。首先，XBRL可以通過創建一個調節層方式，改善上市公司使用各式各樣的財務信息系統所導致的人工編制、系統復雜等問題。通過運用網絡技術，在較短的時間內調解基于不同會計準則的財務報告之間的差異，為信息使用者提供更多與決策相關的信息；其次，XBRL總賬軟件可以與XBRL財務報告軟件相關聯，這種高效率的追蹤定位系統優勢幫助會計師以及審計師們確保、追蹤以及監督企業的實時交易活動，在一定程度上緩解管理層把重要信息隱藏在財務報告附注中等問題，提高財務報告的真實性。2009年起，XBRL標準在上交所和深交所推廣實施，部分學者研究發現XBRL標準化信息供給在提高上市公司會計信息質量、降低權益資本成本、緩解股價同步性、提高資本市場資源配置效率等方面發揮了積極的作用(陳宋生等，2015；李爭爭等，2013；史永和張龍平，2014；王琳和龔昕，2012；曾建光等，2013)[15][18][25][28][29]。然而現有文獻較少從實施XBRL標準有利于提供上市公司異質化信息視角，研究XBRL標準對信息使用者決策效率的影響。在經典理論中，上市公司財務報告中含有的未預期盈余信息會引發投資者對股價做出無偏反應，但是通用財務報告披露的標準化信息并不能夠滿足不同使用者的差異化需求，實現其決策有用的目標。XBRL標準使得財務報表里每一筆交易的最初記錄都可以被追蹤到最終記錄，即追蹤到上市公司財務報告數據中的原始交易記錄，能夠利用計算機系統自動發布財務報告中除報表數字之外的交易和事項，突出上市公司異質化財務信息，幫助報告使用者在系統中找到對自身決策有用的信息，提高資源配置效率，彌補財務信息使用者差異化信息的需求。在此背景下，財務分析師作為上市公司財務信息重要的搜集者，是否能夠較好利用XBRL標準，挖掘上市公司財務報告中行業層面、企業自身特質信息，識別成本粘性形成的經營風險，并進行更加準確、客觀的盈余預測呢？

公司成本信息是財務分析師預測盈余的重要基礎(Banker and Chen.，2006)[4]，其粘性特征也成為影響分析師盈余預測質量的核心因素。Weiss(2010)[13]發現，在成本粘性程度較強的企業中，財務分析師的跟蹤人數少，盈余預測準確度減低，然而該研究并沒有探討成本粘性增大盈余波動性，降低財務分析師盈余預測準確程度的作用機理。本質上，成本粘性反映企業在經營過程中受到經濟周期、貨幣政策等宏觀經濟因素的影響，當收入水平發生波動時，行業特征、資產屬性以及高管決策行為等因素所形成的固化成本無法及時、有效縮減，盈余的不規則波動性增加，經營風險加大。因此在收入水平不斷波動的情形下，成本粘性引發的經營風險是增加財務分析師預測工作難度、降低其盈余預測準確程度的重要原因。基于此，本文以2005～2015年滬深A股制造業上市公司為研究樣本，驗證成本粘性與財務分析師盈余預測質量之間的關系，以及實施XBRL標準對上述關系的影響。

本文可能的貢獻在于：

第一，以往文獻多研究成本粘性的影響因素(Aderson et al.，2003；Calleja et al.，2006；江偉等，2015；孔玉生等，2007；梁上坤和張夢婷，2015；劉彥文和王玉剛，2009；劉武，2006；毛洪濤等，2015；孫崢和劉浩，2004)[2][8][16][17][19][21][22][23][26]。本文挖掘在收入波動的情形下，行業屬性、企業自身特征和高管決策行為放大經營風險，進而降低財務分析師盈余預測質量的作用機理并進行實證檢驗。本文的研究結論為成本粘性增加經營風險提供理論支撐，為重視制造業企業成本粘性對財務分析師盈余預測質量的負向影響提供啟示作用。

第二，與Weiss(2010)[13]的研究不同，本文在探討成本粘性放大制造業上市公司內部經營風險，并降低財務分析師預測質量的作用機制。同時加入XBRL標準應用于通用財務報告這一相對外生事件，檢驗異質化信息供給對成本粘性與財務分析師盈余預測質量之間關系的影響，為說明XBRL標準的應用有助于財務分析師識別行業、企業層面風險提供經驗證據。

理論分析與研究假設

財務分析師大多關注上市公司的預期收入和盈利水平，但是往往會忽略其成本特征，降低盈余預測的準確程度。Bankerand Chen(2006)[4]研究成本特征對盈余預測質量的影響時發現，加入成本粘性因素后的盈余預測模型有利于提高盈余預測準確性。成本粘性增大盈余波動性，進而降低財務分析師盈利預測的準確性(Weiss，2010)[13]。以上研究主要基于成本粘性增大盈余波動性的視角展開，但是在本質上，成本粘性效應的產生源于收入波動，因而成本粘性不僅體現成本與收入之間的非對稱性變化，還反映出當收入發生波動時，在行業屬性、資產特征以及高管決策行為等因素的共同作用下，企業經營風險被放大的過程。

根據成本粘性的定義，當企業收入下降時，約束性成本和酌量性成本并未能得到及時、有效削減，導致成本下降的幅度小于收入下降的幅度。眾多學者在此基礎上，從調整成本、代理問題和管理層決策行為三個方面驗證成本粘性的動因(Anderson et al.，2003；Banker et al.，2013；Banker et al.，2014；Chen et al.，2012)[2][5][6][9]。首先，不同行業企業的主營業務收入和成本構成不同，相比其他行業，制造業上市公司生產資源投入較大，為了節省調整成本，企業往往會選擇簽訂長期契約。當經營環境變化，長期契約使成本缺乏向下彈性，導致企業在短期內無法及時有效削減約束性成本。一旦經營環境惡化，資產使用主體和用途的改變會產生巨大的資產價值減損，成本與收入變動的非對稱性狀態加劇。其次，基于個人帝國建造動機，高管往往忽視未來宏觀經濟走勢和收入變化，不考慮企業邊界、資源約束，進行過度投資，通過維持企業的超常規模來實現薪酬、名譽等方面的個人效用最大化，導致成本出現較高的增速、處于過高的水平，降低資源配置效率和效果，削弱了企業與外部經營環境之間的適應性，加重成本粘性。除此之外，部分學者從高管決策行為的視角研究成本粘性問題并發現，外部經營環境變化不利于高管準確預估未來現金流水平，即決策風險加重了成本粘性的程度。Qin et al.(2015)[12]發現過度自信的高管樂觀估計未來銷售收入，認為銷售量下降只是源于短期經濟波動，不需要立即對資源和成本進行調整，導致成本粘性加重。

以上三種動因理論揭示了成本粘性的形成過程，以及當收入發生波動時，成本粘性放大企業經營風險的作用機理。具體表現為：當收入水平較高時，隨著投資活動增加，企業往往出現過度投資、投資效率低下、產能過剩等現象，但是較好的外部需求和市場前景消化了這些問題；當收入下降時，前期盲目擴張的企業規模和低效率投資并不能帶來穩定的現金流入，高昂的成本水平也不能得到及時、有效的縮減，導致企業盈利水平下降，經營風險增大。但是成本粘性現象產生的動因不同，成本與收入之間的非對稱性特征反映的經營現狀具有較大的差別。基于調整成本動因的成本粘性問題更加符合在宏觀經濟環境波動情形下，制造業企業的客觀經營狀況；而以代理問題和高管決策行為為動因的成本粘性問題則更多融入了管理層的主觀因素，放大了制造業企業自身的經營風險。在此基礎上，財務分析師對未來經濟走勢的判斷和成本粘性現象的識別，構成影響財務分析師盈余預測質量的重要因素，即如果財務分析師對成本粘性及其產生的動因不能準確識別，容易導致其盈余預測質量降低。

基于以上分析，我們初步得到成本粘性與財務分析師盈余預測質量之間的關系。當收入發生波動時，成本粘性增加盈余波動的不規則性變化，導致企業的經營風險增大，財務分析師盈余預測難度增加，盈余預測質量降低。因此，相比不存在成本粘性的制造業上市公司，有成本粘性特征使得財務分析師盈余預測的誤差更高，分歧度更大。本文提出∶

假設H1：成本粘性降低財務分析師盈余預測質量，即導致盈余預測的誤差和分歧度增大。

XBRL標準的結構體系復雜，其目標在于在成本效益原則約束下，通過便捷、高效抽取并自動轉換財務或業務信息的形式，盡可能詳細披露上市公司各項交易和事項，幫助報告使用者在系統中查找、獲取對自身決策有用的信息，增加信息提供者和使用者之間的交流。因此，XBRL標準的應用有助于財務分析師識別成本粘性形成的經營風險。具體體現在：首先，成本粘性表現為收入和成本變動程度之間的非對稱性，體現為在外部經營環境變化的情形下，收入與成本變動程度之間的關系。如果通用報告無法披露上市公司經營環境、交易事項等實質性差異化信息，收入與成本之間的非對稱性變動所形成的風險信號無法得到有效傳遞。XBRL標準的應用有利于補充披露企業自身、行業以及宏觀層面等基本面信息，并強調不同公司之間的差異化特征，有助于財務分析師結合經營環境的變化，挖掘收入與成本變化之間的關系，識別可能存在的經營風險。同時，XBRL標準支持利用軟件對不同企業的財務信息進行縱向、橫向比較，提高財務分析師信息處理能力及效率(Alles and Piechocki，2012)[1]，為其有效識別成本粘性形成的風險提供必要條件。其次，依據現有研究，相比通用財務報告，XBRL標準的應用有助于提高資本市場資源配置的有效性(鄭濟孝，2015)[31]，通過標準化信息元素，減少投資者信息收集與分析成本，降低股價同步性(Dong et al.，2016；史永和張龍平，2014)[10][25]，充分發揮信息對資源配置的引導作用，為財務分析師盈余預測提供良好的環境。因此，XBRL標準的應用有助于財務分析師挖掘上市公司信息，識別制造業上市公司的成本粘性形成的經營風險，進而相對客觀、準確的進行盈余預測。

基于以上分析，XBRL標準的應用強調上市公司披露差異化財務信息的重要性，并通過補充披露交易和事項信息，為財務分析師識別成本粘性形成經營風險提供條件和環境，有助于緩解成本粘性與財務分析師盈余預測質量之間的負相關關系。本文提出∶

假設H2：XBRL標準應用提供異質化信息之后，成本粘性降低財務分析師盈余預測質量的效應得到緩解。

圖1基于上述分析及假設，展示了成本粘性影響分析師盈余預測質量，以及XBRL標準對上述關系的緩解作用。下文的研究設計及實證分析將論證三者的關系。

圖1 XBRL標準、成本粘性與盈余預測質量三者之間關系

研究設計

一、模型設定與變量定義

本文驗證成本粘性對分析師盈余預測質量的影響，因此從預測誤差和預測分歧度兩個方面模型設定。針對前文假設，本文構建以下模型：

模型(1)-(4)中的被解釋變量分別是財務分析師盈余預測誤差(Ferror)和預測分歧度(Fdisp)，具體計算方式如下：

其中，FEPSi,j,t為財務分析師預測盈余，EPSi,t為真實盈余。

模型(1)中的解釋變量是成本粘性(dumcs)。根據成本粘性的定義，在有成本粘性的企業中，隨著營業收入上升，成本水平上升；當營業收入下降時，成本水平不會立即下降或者下降的幅度很小。因此本文參考Andersonand Lane(2007)[3]的做法，將成本的變動率定義為當期和上一期的成本隨收入變動幅度之差，同時設定當期營業收入是否低于上一期營業收入(Drev)、成本變動率(Dcost)是否大于零兩個條件來區分有成本粘性企業和無成本粘性企業(包含成本粘性程度為零和反粘性企業)，以此量化成本粘性程度CS變量，并設置dumcs啞變量，成本粘性程度CS大于零時dumcs為1，小于等于零時dumcs取0。

其中，Drev和Dcost是啞變量，當時，Drev取1，否則取0。當cost_radio＞0時，Dcost取1，否則取0。

模型(2)和模型(3)中的XBBL變量指代政策實施時間啞變量。本文把2010年作為XBRL實施推廣時間的原因在于，根據XBRL在我國的推廣進程，2008年11月，我國財政部牽頭并聯合銀監會、證監會、保監會、國資委、審計署、人民銀行、稅務總局等部門成立了會計信息化委員會暨XBRL中國地區組織。2010年10月財政部起草《企業會計準則通用分類標準》，并發布《基于企業會計準則的可擴展商業報告語言(XBRL)通用分類標準(征求意見稿)》征求意見的通知。此后XBRL在我國資本市場得到全面推廣。

同時，本文根據Brown(2001)、Kim and Prather-Kinsey(2010)、Weiss(2010)和[7][11][13]的研究，在模型中控制企業利潤、市值、投資機會、收入波動等公司層面控制變量，以及財務分析師預測報告距離年報披露日天數、跟蹤同行業企業數量、分析師排名等分析師層面控制變量。具體變量定義見表1。

表1 變量定義

二、研究樣本與數據來源

本文選取2005～2015年A股制造業企業上市公司及跟蹤的分析師預測數據為樣本，所有數據來自CSMAR數據庫。本文剔除了沒有發布每股收益預測以及無法用手工補充財務數據的觀測值，對所有連續變量進行1%和99%分位縮尾處理。經過樣本篩選，得到分析師層面17692個觀測值，公司年度觀測值8610個。

實證結果與分析

一、描述性統計

表2為本文主要變量的描述性統計，表明自變量dumcs的均值為0.1056，表明約有10.56%的樣本有成本粘性特征。本文用財務分析師個體層面數據，盈余預測誤差和分歧度均值與中位數之間的差異較大，表明不同分析師之間的預測數據差異較大。財務分析師盈余預測誤差，市值變量mv，投資機會變量tobinq和收入波動變量vsale基本符合正態分布。

二、相關系數分析

表3是本文主要變量的相關系數表，可以看到，財務分析師盈余預測誤差Ferror與分歧度Fdisp之間的相關系數為0.971，表明財務分析師盈余預測誤差越大，盈余預測的分歧度越大。成本粘性變量dumcs與財務分析師盈余預測誤差Ferror、分歧度Fdisp之間的相關系數分別為0.180和0.185，表明成本粘性與財務分析師盈余預測誤差，分歧度之間存在顯著的相關關系。其他變量之間的相關系數都小于0.5。

三、多元回歸分析

表2 描述性統計結果

表3 相關系數檢驗結果

首先，本文對模型(1)和(2)進行檢驗。表4中，第2列和第4列是普通最小二乘法的回歸結果，第3列和第5列是固定效應的回歸結果。第2列和第3列檢驗了成本粘性對財務分析師盈余預測誤差的影響。結果顯示，第2列dumcs變量的回歸系數為1.888(t=6.91)，在1%水平上顯著為正值，說明在有成本粘性的樣本中，財務分析師盈余預測誤差更大；第3列固定效應模型中dumcs變量的回歸系數為1.664(t=6.39)，檢驗結果與普通最小二乘法的檢驗結果一致，表明成本粘性使得財務分析師盈余預測誤差顯著增加，準確度降低。第4列和第5列檢驗了成本粘性對財務分析師盈余預測分歧度的影響。第4列dumcs變量的回歸系數為1.331(t=7.87)，在1%水平上顯著為正值，說明在有成本粘性的樣本中，財務分析師盈余預測分歧度更大；第5列固定效應模型中dumcs變量的回歸系數為1.058(t=6.62)，檢驗結果與普通最小二乘法的檢驗結果一致，說明成本粘性使得財務分析師盈余預測分歧度顯著增大。本文假設H1成立。

表4 成本粘性與財務分析師盈余預測質量的檢驗結果

其次，本文對模型(3)和(4)進行檢驗。表5中，第2列和第4列是雙重差分的回歸結果，第3列和第5列是加入固定效應后的回歸結果。第2列和第3列檢驗了XBRL標準實施后，成本粘性對財務分析師盈余預測誤差的影響。結果顯示，第2列dumcs變量與XBRL變量交互項的回歸系數為-3.875(t=-5.86)，在1%水平上顯著為負值，說明XBRL標準應用之后，成本粘性增大財務分析師盈余預測誤差的效應顯著被抑制；第3列固定效應模型中dumcs變量與XBRL變量交互項的回歸系數為-2.563(t=-4.22)，檢驗結果與第2列的檢驗結果一致，表明XBRL緩解了成本粘性與財務分析師盈余預測誤差之間的正相關關系，即XBRL標準的實施有利于財務分析師識別成本粘性問題。第4列和第5列檢驗了XBRL標準應用之后，成本粘性對財務分析師盈余預測分歧度的影響。結果顯示，第4列dumcs變量與XBRL變量交互項的回歸系數為-2.453(t=-6.00)，在1%水平上顯著為負值，說明XBRL實施后，成本粘性增加財務分析師盈余預測分歧度的效應顯著被抑制；第5列固定效應模型中dumcs變量與XBRL變量交互項的回歸系數為-1.401(t=-3.75)，檢驗結果與第4列的檢驗結果一致，表明XBRL標準緩解了成本粘性與財務分析師盈余預測分歧度之間的正相關關系，有利于財務分析師識別成本粘性形成的風險，其他控制變量的回歸結果與模型(1)和(2)基本一致。表5的檢驗結果表明，XBRL標準的應用增加了上市公司信息透明度，有利于財務分析師識別制造業企業的成本粘性問題，進而提高盈余預測準確程度。本文假設H2成立。

表5 XBRL標準，成本粘性與財務分析師盈余預測質量的檢驗

四、機制檢驗

企業規模與資源要素的配置水平密切相關，反映勞動力、生產資料和產品的集中程度。企業規模越大，生產成本形成的經營風險越不容易被財務分析師識別。首先，相比小規模企業，大規模企業在規模經濟、風險承擔和融資渠道等方面具有比較優勢，有利于提高生產率(王良舉和陳甬軍，2013；張禮卿和孫俊新，2010)[27][30]。也有研究發現，企業形成的規模經濟效應對提升生產率和降低生產成本的影響并不是線性的，當企業規模擴張到一定程度時，投入與產出之間的關系由正向變成負向，甚至沒有顯著關系(柴俊武和萬迪昉，2003；聶輝華等，2008)[14][24]，因此，規模是影響企業資源配置效率和投入產出比例的重要因素，有可能導致成本與收入變化之間的非對稱性增加、成本粘性問題加重，并進而影響財務分析師盈余預測質量。其次，企業規模越大導致其成本水平和增速往往更高。當外部經濟環境發生變化時，企業面臨調整成本越多，越容易使成本偏離資源配置的最佳狀態，因而企業規模越大，源于調整成本形成的成本粘性問題越嚴重，對財務分析師盈余預測質量的影響也越大。XBRL標準的應用有助于財務分析師從報表數字追蹤到實際交易事項，并對同行業企業進行有效對比，有助于財務分析師有效識別企業的經營風險，緩解成本粘性對財務分析師盈余預測質量的負向作用。因此在規模較大的企業中，XBRL標準的應用更加有可能通過異質化信息的披露，緩解企業成本粘性與財務分析師盈余預測質量之間的負相關關系。

本文按照公司規模的中位數把樣本分組，進行相關檢驗。回歸結果如表6所示，在大規模分樣本中，模型(3)和(4)的交互項dumcs*XBRL變量系數分別為-12.972和-1.733(t=-3.12；-1.81)，在1%和10%的水平上顯著，表明XBRL標準的應用有利于財務分析師識別制造業企業的成本粘性問題，提高盈余預測準確程度。但是在小規模分樣本中，模型(3)和(4)的交互項dumcs*XBRL變量系數分別為3.338和0.277(t=2.07；0.57)，表明XBRL報告的實施未減輕成本粘性與財務分析師盈余預測質量之間的負相關關系。對比兩組分樣本回歸結果，公司規模越大，XBRL標準的應用越有利于緩解成本粘性與財務分析師盈余預測質量之間的負相關關系，即公司規模是影響XBRL、成本粘性與財務分析師盈余預測質量之間作用機制的重要變量。

表6 XBRL標準，成本粘性與財務分析師盈余預測質量的機制檢驗

表7 穩健性檢驗

五、穩健性檢驗

為了增強前文實證檢驗的可靠性。本文在穩健性檢驗中用傾向得分匹配法(PSM-DID)和替換成本粘性變量的方法進行穩健性檢驗。

1.傾向得分匹配檢驗

本文把有成本粘性的制造業企業設置為實驗組，根據其XBRL標準應用前一年的二級行業、盈利水平、市值、規模等指標，通過最鄰近匹配尋找到與實驗組匹配的對照組樣本。最終，本文共獲得7360個樣本進行回歸。檢驗結果如表7第2-5列所示，模型(1)dumcs變量的系數為1.272(t=3.96)，在1%水平上顯著，表明成本粘性顯著增加財務分析師盈余預測誤差；模型(2)dumcs變量的系數為0.900(t=4.53)，在1%水平上顯著，表明成本粘性顯著增加財務分析師盈余預測分歧度；模型(3)中交互項dumcs*XBRL變量的系數為-4.844(t=-2.80)，在1%水平上顯著，表明XBRL標準應用后，成本粘性與財務分析師盈余預測誤差之間的負相關關系顯著緩解；模型(4)中交互項dumcs*XBRL變量的系數為-3.271(t=-3.06)，在1%水平上顯著，表明XBRL報告實施后，成本粘性與財務分析師盈余預測分歧度之間的負相關關系顯著緩解。檢驗結果與前文實證結果一致。

2.替換成本粘性的度量方式

在前文中本文借鑒Anderson and Lane (2007)[3]的方法度量成本粘性，在穩健性檢驗中，本文參考Weiss(2010)[13]的方法，找到一年中距離年末最近的營業收入下降和上升的季度，將其營業收入和營業成本帶入下列公式(9)計算成本粘性，再進行模型檢驗。由于這種方法在計算成本粘性時只考慮收入下降時成本降低相對于收入上升時成本上升的變化程度，因此結果包含成本粘性和反成本粘性。本文計算的成本粘性CS的描述性統計為：均值為0.0363，標準差為0.5902，中位數為-0.0001，最大值為2.2506，最小值為-1.9687，其中，均值水平高于Weiss(2010)[13]計算的美國上市公司成本粘性均值水平(-0.0174)，低于梁上坤(2016)[20]計算的我國央企成本粘性水平(0.1396)，計算結果在一定程度上說明，除去樣本期限的偏差，我國制造業上市公司成本粘性水平高于美國上市公司成本粘性水平，并且我國央企成本粘性水平更高。

模型檢驗結果如表7第6-9列所示，模型(1)CS變量的系數為1.260(t=7.35)，在1%水平上顯著，表明成本粘性顯著增加財務分析師盈余預測誤差；模型(2)CS變量的系數為0.675(t=6.40)，在1%水平上顯著，表明成本粘性顯著增加財務分析師盈余預測分歧度；模型(3)中交互項CS*XBRL變量的系數為-2.009(t=-2.00)，在5%水平上顯著，表明XBRL標準應用后，成本粘性與財務分析師盈余預測誤差之間的負相關關系顯著緩解；模型(4)中交互項CS*XBRL變量的系數為-2.346(t=-3.25)，在1%水平上顯著，表明XBRL報告實施后，成本粘性與財務分析師盈余預測分歧度之間的負相關關系顯著緩解。檢驗結果與前文實證結果一致。

3.動態時間效應檢驗

根據XBRL在我國的推廣進程，本文把2010年作為XBRL實施推廣的時間。由于政策的實施具有學習效應，部分上市公司會推遲實施時間，因此本文驗證其形成的動態時間效應，即檢驗XBRL全面推廣后的第二年(2011年)、第三年(2012年)、第四年(2013年)和第五年(2014年)對成本粘性與分析師盈余預測質量之間關系的影響。檢驗結果如表8所示，在XBRL實施后的第二年，模型(3)中交互項dumcs*XBRL變量的系數為-2.525(t=-4.01)，在1%水平上顯著；模型(4)中交互項dumcs*XBRL變量的系數為-1.674(t=-4.24)，在1%水平上顯著；在XBRL實施后的第三年，模型(3)中交互項dumcs*XBRL變量的系數為-3.555(t=-5.73)，在1%水平上顯著；模型(4)中交互項dumcs*XBRL變量的系數為-2.090(t=-5.43)，在1%水平上顯著；在XBRL實施后的第四年，模型(3)中交互項dumcs*XBRL變量的系數為-3.311(t=-6.47)，在1%水平上顯著；模型(4)中交互項dumcs*XBRL變量的系數為-1.555(t=-4.89)，在1%水平上顯著；在XBRL實施后的第五年，模型(3)中交互項dumcs*XBRL變量的系數為-1.157(t=-2.08)，在1%水平上顯著；模型(4)中交互項dumcs*XBRL變量的系數為-0.902(t=-2.61)，在1%水平上顯著。從回歸系數上看，回歸系數從第二年到第三年有增大的趨勢，說明XBRL的實施存在學習效應。

表8 時間動態效應檢驗

研究結論與建議

本文以2005～2015年滬深A股制造業上市公司數據為樣本，研究成本粘性增加企業的經營風險、降低財務分析師盈余預測質量的作用機理，以及實施XBRL標準對上述關系的緩解作用。研究結果表明，成本粘性降低財務分析師盈余預測質量，增加盈余預測誤差和預測分歧度；XBRL標準應用之后，成本粘性增加財務分析師盈余預測誤差和分歧度的效應減弱。同時公司規模越大，XBRL標準的應用緩解成本粘性與財務分析師盈余預測質量之間負相關關系的效應越顯著。本文的研究結論為XBRL標準幫助財務分析師識別企業風險、提高盈余預測質量提供經驗證據。誠然，本文并沒有驗證XBRL標準的應用在多大程度上為財務分析師等財務報告使用者提供異質化信息。不同上市公司對財務報告以外的、反映公司經營環境和交易事項等實質性差異化信息的補充披露質量參差不齊，影響了XBRL標準的實施效果。因此，XBRL標準的應用能在多大程度保證異質化信息供給，這一隱含條件可能存在偏頗，有待未來進一步研究。基于上述研究結論，本文分別向監管部門(含滬深交易所)、財務分析師、財務報告使用人、上市公司提出以下建議：

第一，監管部門(含滬深交易所)應進一步深化XBRL信息披露要求，為市場提供更豐富的異質化信息，增加個股特質信息，提高市場有效性，降低股價同步性，提高市場資源優化配置能力。

第二，財務分析師應關注上市公司的成本粘性特征，善用XBRL工具挖掘成本粘性信息，提供更有說服力的盈余預測報告。

第三，財務報告使用者(含潛在投資人、債權人)應多維度審視公司收入增長、成本粘性及分析師預測報告之間的辯證關系，提高決策有效性。

第四，上市公司，特別是規模較大的制造業上市公司，應重視XBRL提供信息的深度和廣度，關注成本粘性的影響，抑制管理層過于自信的決策沖動，降低企業的代理成本。