分析師跟蹤網絡與企業突破性創新

白俊 李云 陳師雯

(1.石河子大學經濟與管理學院/公司治理與管理創新研究中心， 新疆 石河子 832000；2.廈門大學管理學院，福建 廈門 361005)

一、引言

社會學家Granovetter(1985)[1]認為，企業的經濟活動大多嵌入在社會網絡中。邊燕杰和丘海雄(2000)[2]發現，企業與外部建立的社會網絡能夠幫助企業獲取自身發展所需的稀缺資源，包括知識、信息、機會等。在我國，非正式制度對企業過去幾十年的快速發展產生了重要影響，而社會網絡就屬于非正式制度的一種，因此，社會網絡的研究在我國具有很強的現實意義。當前，我國處于經濟轉型發展階段，市場發展不完善，分析師作為信息中介和外部監督者，能夠有效改善資本市場信息環境，在緩解投資者信息不對稱以及抑制企業代理問題方面發揮的作用越來越重要。隨著分析師業務的不斷發展壯大，一個分析師可能同時跟蹤多家公司，企業可以通過共同分析師跟蹤形成社會網絡關系，即分析師跟蹤網絡。現有文獻對分析師跟蹤網絡的研究主要集中在其對企業融資決策[3]、并購行為[4]等方面的影響，尚未涉及到其對企業創新行為的研究。

創新不僅有利于國家實現經濟轉型發展，而且能夠幫助企業提升自身績效，建立長期競爭優勢。例如，華為公司的創新活動給企業帶來了巨大的利潤和市場份額。March(1991)[5]按照創新的技術軌道與產出之間的關系，將其劃分為突破性創新和漸進性創新。其中，突破性創新是指偏離之前的技術軌道，重新構建新的知識基礎，實現技術或產品的全新突破；而漸進性創新是指對現有技術進行完善和改進，促進技術或產品的創新。鑒于當前復雜多變的商業環境和競爭激烈的現實情況，突破性創新在提升企業創新績效方面的作用越來越重要，而漸進性創新的貢獻逐漸減弱。因此，為了契合現實環境以及突出研究重點，本文將研究問題聚焦于突破性創新。

目前，針對社會網絡與企業突破性創新之間關系的研究主要分為兩大類：第一類圍繞社會網絡的結構特征、關系特征而展開，如網絡規模[6]、中心性[7]、關系強度[8]、網絡密度[9]等；第二類主要圍繞不同類型的社會網絡而展開，如商業關系網絡[10]、董事網絡[11]、研發人員合作網絡[12]等。總結現有研究，普遍認為社會網絡給企業帶來了資源和信息，而這些資源和信息又會影響企業突破性創新。分析師作為資本市場信息中介以及外部監督者，在日常工作中需要與企業進行頻繁交流與溝通，由其構建的網絡能夠促進企業間信息的流通，為網絡內的企業帶來外界新知識、新思想，且企業間信息溢出效應的存在使得共同分析師對跟蹤公司的營運情況更加了解，發揮的監督治理效應也更強，能夠有效緩解管理層代理問題。突破性創新需要企業具備很強的知識基礎以及顛覆性的新思想，同時突破性創新具有投資期限長、風險高等特點，管理層可能不愿意從事高風險的突破性創新活動。那么，分析師跟蹤網絡存在的信息傳遞效應和監督治理效應能否影響企業突破性創新決策？分析師跟蹤網絡的作用發揮又會受到哪些因素影響？現有研究尚未對這些問題進行探討。基于此，本文探究了分析師跟蹤網絡與企業突破性創新之間的關系，并檢驗了分析師異質性、企業異質性以及外部環境異質性對兩者關系的影響。

具體來看，本文的主要貢獻在于：第一，拓展了分析師跟蹤網絡的研究范圍。現有關于分析師跟蹤網絡對企業行為決策的影響研究主要從融資、并購等角度展開，尚未涉及到其對企業創新行為的影響，本文關注分析師跟蹤網絡所發揮的信息傳遞效應及監督治理效應對企業突破性創新的影響，豐富了分析師跟蹤網絡的研究。第二，本文分別從分析師層面、企業層面和外部環境層面考察分析師跟蹤網絡對企業突破性創新影響的調節作用，全面地揭示了分析師跟蹤網絡影響企業突破性創新的邊界條件。第三，本文基于社會網絡關系和資本市場中介的視角，為企業突破性創新的影響因素研究提供了經驗證據。

二、文獻回顧與理論分析

(一)文獻回顧

1.分析師跟蹤網絡的研究

目前關于分析師角色的研究層出不窮，普遍認為分析師作為信息中介以及外部監督者，能夠減少投資者信息不對稱和企業代理問題。隨著研究的深入，學者們逐漸注意到企業之間共享分析師的現象，并對此進行了一些探索。現有關于分析師跟蹤網絡的研究主要從以下兩方面進行：一些研究認為，分析師通常關注某一特定領域的上市公司，通過分析師跟蹤網絡識別的企業群體成員之間在業務或技術上存在緊密關聯，能夠更好地捕捉內生互動導致的同群效應，因此可以將分析師跟蹤網絡作為識別同群公司的方法。Kaustia和Rantala(2015)[13]研究發現，分析師跟蹤網絡內的企業在股票拆分行為上具有明顯的相似性，存在同群效應；馮玲和崔靜(2019)[14]認為當同群企業會計信息質量較低時，焦點企業的會計信息質量也較低；陳慶江等(2021)[15]發現焦點公司會模仿同群公司的數字化轉型戰略。另一些研究則重點關注分析師跟蹤網絡的信息傳遞作用，發現共同分析師可以有效地將信息從一家公司轉移到另一家公司，充當信息傳遞的橋梁，進而影響企業行為決策。許汝俊等(2018)[3]、Gomes等(2017)[16]的研究發現，分析師跟蹤網絡內企業融資決策具有同伴效應的內在機制是分析師在企業間融資決策發揮了信息傳遞作用；馬慧(2019)[4]認為當并購雙方存在共同分析師時，分析師會將其掌握的目標公司信息傳遞給并購方，緩解并購過程中存在的信息不對稱，提升并購后的經營績效。由此可見，現有研究認為分析師跟蹤網絡既可以用來識別同群企業，也可以成為企業間信息傳遞的渠道，從而影響企業行為決策。

2.社會網絡對企業突破性創新的影響研究

當前企業所處的環境復雜多變，單獨一個企業在資源和能力方面難以支撐突破性創新的開展，而社會網絡為企業帶來了大量資源和信息，能夠有效促進企業開展突破性創新。目前，關于社會網絡對企業突破性創新的影響研究主要分為兩類：第一類是基于社會網絡的結構特征、關系特征展開。Erik等(2014)[6]認為企業所在的網絡規模越大，獲取的技術和知識等資源越多，突破性創新的效率也越高；劉壽先(2014)[7]研究發現，處于網絡中心的企業能夠接觸到更多背景迥異、不同行業的資源和信息，這些關鍵的資源和信息能使中心度高的企業進入和開發嶄新的技術與市場，從而推動突破性創新；蔡寧和潘松挺(2008)[8]發現弱關系能夠降低企業搜集信息的成本，并給企業突破性創新帶來了非冗余異質性的信息；施蕭蕭和張慶普(2021)[9]發現企業在密集度高的技術創新網絡中，能夠挖掘更多的異質性信息，并與已有的專業知識進行對比，進而有助于企業發現新的技術領域，促進突破性創新活動的開展。第二類是基于不同類型的社會網絡展開。劉鑫和蔣春燕(2016)[10]認為，企業能夠從非正式的商業關系網絡中獲取突破性創新所需的資源，商業關系網絡有助于企業突破性創新的開展；李小青等(2017)[11]發現CEO自身認知能力有限，而董事網絡作為“橋梁”能夠實現企業間信息傳播和知識共享，進而彌補CEO的認知局限，提升其突破性創新決策能力；付雅寧等(2018)[12]的研究證明，研發人員合作創新網絡有助于研發人員之間進行信息交流溝通，提高其異質性資源的吸收能力，進而有助于提升突破性創新績效。總體而言，現有研究大都發現社會網絡能給企業帶來更多高質量、多樣化的資源和信息，進而促進企業突破性創新。

綜上所述，現有關于分析師跟蹤網絡對企業行為的影響研究較少，且主要關注分析師跟蹤網絡的信息傳遞作用，但是分析師跟蹤網絡不僅具有社會網絡的特征，作為外部監督者，分析師構建的跟蹤網絡還具有很強的監督治理效應；而針對突破性創新的影響因素，現有文獻已經從社會網絡的角度進行了探索，但是卻忽略了分析師這個重要的資本市場中介形成的網絡。基于此，本文從分析師跟蹤網絡的視角，探究其可能存在的信息傳遞效應和監督治理效應對企業突破性創新產生的影響。

(二)理論分析與研究假設

1.分析師跟蹤網絡與企業突破性創新：信息傳遞效應

企業進行突破性創新需要具備很強的知識積累及新思想的交叉融合，由于企業內部人員的思維模式在既有的環境中逐漸被同質化，趨向于在現有的技術范式下從事漸進性創新，企業想要打開突破性創新的機會窗口，應該加強與外部企業的交流溝通，進而促進新知識、新思想的交叉融合。Urban和Von-hippel(1998)[17]研究發現，客戶對市場需求有較早的感知，企業可以根據市場需求預先研發新產品，因此企業應該加強與客戶的聯系，及時捕捉市場潛在需求信息，抓住突破性創新的機會。王娟茹等(2010)[18]基于資源基礎理論認為，企業向同行和非同行企業跨界搜索能夠獲取有價值的新知識，促進新創意的產生，從而有利于突破性創新。分析師跟蹤網絡能夠將不同領域的企業通過共同分析師連接在一起，加強企業之間的交流溝通，為企業帶來豐富的外界信息。許汝俊等(2018)[3]發現，分析師跟蹤網絡可以將不同企業的信息連接在一起，營造一種共同的信息環境，為企業的融資決策提供更多參考。馬慧(2019)[4]認為，當并購雙方享有共同分析師時，共同分析師能夠促進并購方與被并購方的信息交流，進而提高并購績效。分析師作為專業人士在發布研究報告時，需要對跟蹤公司的創新能力、正在研究的創新項目與現有產品的區別以及創新產品的潛在應用價值等內容進行詳細介紹，掌握了大量跟蹤公司的創新信息[19]。由此可以推斷，企業通過共同分析師構建的分析師跟蹤網絡能夠傳遞與創新相關的信息，有利于企業獲取新知識、新思想，進而促進企業突破性創新。

2.分析師跟蹤網絡與企業突破性創新：監督治理效應

突破性創新的投資周期長、風險高、不確定因素多，管理層可能為了規避風險、貪圖享受而放棄高風險的創新項目[20]。Robeson和O’Connor(2007)[21]基于委托代理理論研究發現，董事會成員擁有不同的背景以及積極參與公司決策制定均有利于企業突破性創新。林鐘高和張天宇(2018)[22]發現，董事會行為越積極，企業越有可能進行突破性創新，且內部控制在其中起到正向調節作用。分析師對企業的長期關注，能夠發揮外部監督作用，約束管理層機會主義行為。陳欽源等(2017)[23]發現，分析師關注能夠降低創新活動資金使用中存在的代理問題，進而提升創新績效。楊道廣等(2019)[24]發現，分析師能夠發揮監督功能，打破管理層的“平靜生活”，使其更重視企業長期價值，降低“短視主義”，從而提高企業風險承擔能力。由共同分析師構建的分析師跟蹤網絡同樣能夠發揮監督治理效應，并且考慮到企業間的信息溢出效應可以使共同分析師對跟蹤公司的營運情況更加了解，發揮的監督治理效應也更強，能夠有效抑制管理層的代理問題，從而有利于企業突破性創新。

綜上所述，分析師跟蹤網絡能夠發揮信息傳遞效應和監督治理效應，給企業帶來新知識、新思想以及抑制管理層代理問題，進而促進企業突破性創新。基于此，本文提出以下假設。

H1在其他條件不變的情況下，分析師跟蹤網絡能夠促進企業突破性創新。

三、研究設計

(一)樣本選擇與數據來源

本文以2010-2020年A股上市公司為樣本，剔除金融業、ST、PT、資產負債率大于1和主要財務數據缺失的樣本，最終得到17 101個樣本。利用國際專利分類號(IPC)來測度企業突破性創新，其中，專利分類號數據來自于CNRDS數據庫，其他數據均來自CSMAR數據庫。本文對所有連續變量進行上下1%的Winsor處理以消除極端值的影響。

(二)變量定義

1.被解釋變量

被解釋變量為企業突破性創新(Breark)。借鑒曾德明等(2016)[27]的做法，本文利用國際專利分類號(IPC)來測度。專利類別依據IPC前4位確定，專利影響的時間一般為5年，因此，判斷某一專利是否屬于突破性創新，可以看該專利分類號是否與企業近5年來已有的專利分類號不同。具體計算如下：企業該年申請某專利的分類號IPC前4位在過去5年未曾出現，則計IPCi為1，否則為0，突破性創新為IPCi的計數和。

2.核心解釋變量

核心解釋變量為分析師跟蹤網絡(Network)。參考黃燦和蔣青嬗(2021)[25]關于股東關系網絡的衡量，按照以下方法來判斷企業間是否存在連接關系：當兩個企業之間存在一個或多個共同分析師時，即認為這兩個企業具有連接關系，否則認為它們沒有連接關系。本文首先搜集了上市公司分析師跟蹤的數據，并將“分析師—公司”二模矩陣轉化為“公司—公司”一模矩陣，然后用UCINET軟件計算相應的社會網絡指標。借鑒黃燦和李善民(2019)[26]的做法，本文使用標準化的特征向量中心度來衡量分析師跟蹤網絡的特征，選擇該指標的原因是可以在網絡總體結構的基礎上找到最居于核心的行動者，更適合衡量大型社會網絡。具體計算方法為：Eigenvectori=∑jbijEj/λ，通過求解標準的“特征值—特征向量”方程(BE=Eλ)來獲得。其中，Eigenvectori是公司i的特征向量中心度，bij是鄰接矩陣，如果公司i與公司j存在共同分析師取值為1，否則為0；λ是B的最大特征值，Ej為公司j中心度的特征值，同時為了使不同年份的值具有可比性，將其進行標準化處理得到標準化的特征向量中心度(Network)。

3.控制變量

根據現有研究，本文選擇以下控制變量：企業規模(Size)、杠桿率(Lev)、成長性(Growth)、盈利能力(Roa)、經營現金流(Cfo)、企業年齡(Age)、產權性質(Soe)、兩職合一(Dual)、高管薪酬(Pay)、董事會規模(Board)。此外，模型中還加入了年度和行業固定效應。具體變量定義見表1。

表1 變量說明

(三)模型設計

為檢驗假設1，構建模型(1)

Breaki,t+1=β0+β1Networki,t+∑Controlsi,t+Year+Industry+εi,t

(1)

其中，因變量為t+1年企業突破性創新，自變量為t年分析師跟蹤網絡的標準化特征向量中心度。預期Network的回歸系數β1顯著為正，即說明分析師跟蹤網絡能夠促進企業突破性創新。

四、實證結果與分析

(一)描述性統計分析

表2為變量的統計特征。企業突破性創新(Break)的均值為3.70，最大值為26，標準差為5.16，表明我國上市公司在突破性創新方面還處于較低水平，且各公司之間的突破性創新水平差異很大。分析師跟蹤網絡(Network)的均值為2.33，標準差為2.07，表明上市公司所處的網絡豐富程度存在較大差異。其余變量與現有研究基本保持一致。

表2 描述性統計

(二)差異性檢驗

表3是差異性檢驗結果。本文按照網絡中心度的中位數將樣本分為高低兩組，發現網絡中心度高的企業突破性創新均值為4.54(中值為3)，在1%的水平上顯著高于網絡中心度低的企業突破性創新均值2.87(中值1)，這說明企業所處分析師跟蹤網絡的中心度越高，突破性創新水平越高，初步驗證了本文的研究假設1。

表3 差異性檢驗結果

(三)基本回歸分析

表4報告了分析師跟蹤網絡與企業突破性創新的基本回歸結果。列(1)沒有控制年度和行業固定效應，結果顯示，分析師跟蹤網絡與企業突破性創新的系數為0.36，且在1%的水平上顯著；列(2)進一步控制年度和行業固定效應，分析師跟蹤網絡與企業突破性創新的系數為0.15，仍然在1%的水平上顯著。以上結果表明，分析師跟蹤網絡能夠發揮信息傳遞效應和監督治理效應，使得網絡中心度高的企業存在更多突破性創新，本文假說1得到驗證。

表4 基本回歸結果

續表4

(四)穩健性檢驗

1.內生性問題

上文發現分析師跟蹤網絡會促進企業突破性創新，然而也可能是因為突破性創新多的企業更容易受到分析師的青睞，并由此導致網絡中心度高，因此本文可能存在反向因果的內生性問題。為緩解內生性問題的影響，進行了如下檢驗：第一，傾向得分匹配法(PSM)。本文首先構建虛擬變量Network_75，如果Network高于樣本的75百分位取值為l，否則為0；然后將Network_75為1的樣本作為處理組，Network_75為0的樣本作為控制組，并按照1∶2最近鄰匹配法進行匹配，匹配協變量選擇企業規模、杠桿率、成長性、盈利能力、企業年齡和產權性質，得到配對樣本9 517個，匹配協變量平衡性檢驗結果見表5。匹配前，各協變量的均值在處理組和控制組存在顯著差異；匹配后，則不存在顯著差異，表明匹配結果滿足平衡性假設。最后，根據PSM配對后的樣本重新檢驗分析師跟蹤網絡與企業突破性創新之間的關系，結果見表6列(1)，分析師跟蹤網絡的系數仍然顯著為正，結果穩健。第二，工具變量法。本文借鑒現有研究，用企業所在省份的年度特征向量中心度均值(Network_mean)和提前兩期特征向量中心度(Network2)作為工具變量進行兩階段回歸，回歸結果見表6列(2)(3)。第一階段表6列(2)結果表明，Network_mean和Network2的系數均顯著為正；工具變量的不可識別檢驗Anderson LM統計量為643.01，p值為0.00，小于0.1，通過不可識別檢驗；弱工具變量檢驗Cragg-Donald Wald F統計量為338.16，遠大于10，通過弱工具變量檢驗；過度識別檢驗Sargan統計量為1.81，p值為0.18，大于0.1，通過過度識別檢驗，說明選取的工具變量有效。第二階段表6列(3)回歸結果表明，分析師跟蹤網絡與企業突破性創新的系數仍在1%的水平上顯著正相關，說明本文的結果是穩健的。

表5 PSM匹配協變量平衡性檢驗結果

表6 內生性檢驗結果

續表6

2.其他穩健性檢驗

第一，替換被解釋變量。借鑒蔣艷輝等(2018)[28]、Zhang等(2017)[29]的做法，本文分別采用創新程度較高的發明專利申請數量(Invention)以及專利被引次數(Cite，剔除自引用的各年累計被引用次數的自然對數)來衡量企業突破性創新，結果列示于表7列(1)(2)，分析師跟蹤網絡的系數依然顯著為正，結果未發生改變。第二，替換解釋變量。本文分別使用程度中心度(Degree)、接近中心度(Closs)以及中介中心度(Between)重新回歸，結果列示于表7列(3)-(5)，分析師跟蹤網絡的系數顯著為正，結果未發生改變。第三，替換模型。本文采用固定效應模型重新進行回歸，結果列示于表7列(6)，結論保持不變。第四，排除其他解釋。除了分析師跟蹤網絡，企業之間還存在其他各種各樣的網絡，股東網絡就是其中一種，且通過股東網絡傳遞信息要比分析師跟蹤網絡更直接。為了排除分析師跟蹤網絡內的企業是通過股東網絡而提高企業突破性創新的可能，參考王營和張光利(2018)[30]的研究，本文在模型(1)的基礎上進一步控制了股東網絡的特征向量中心度(Network_Share)，結果見表7列(7)。回歸結果顯示，股東網絡中心度的系數顯著為正，說明股東網絡確實可以提高企業突破性創新；而分析師跟蹤網絡的系數仍然顯著為正，說明在控制了股東網絡的情況下，分析師跟蹤網絡依然能夠發揮信息傳遞效應和監督治理效應，提高企業突破性創新。

表7 其他穩健性檢驗結果

五、進一步分析

根據前文的理論分析和實證檢驗發現，分析師跟蹤網絡能夠發揮信息傳遞效應和監督治理效應，給企業帶來了新知識、新信息，抑制了管理層代理問題，促進了突破性創新。接下來，本文將從分析師個體特征、企業特征和外部宏觀環境三個方面加強對這一結論的佐證。

(一)分析師異質性檢驗

由于先天稟賦和后天努力等因素造成分析師的個人能力存在差異，而分析師個人能力差異會影響其跟蹤網絡信息傳遞效應和監督治理效應的發揮，進而對突破性創新產生不同的影響。本文從分析師的工作經驗和學歷兩個方面考察異質性的分析師跟蹤網絡對企業突破性創新的影響。

1.分析師的工作經驗

分析師通過長期工作能夠積累人脈關系，拓寬信息獲取渠道，從而獲取更多私有信息。Clement(1999)[31]、肖作平和曲佳莉(2013)[32]研究發現，分析師的工作經驗越豐富，盈余預測準確性越高，能夠顯著降低信息不對稱，使得企業權益融資成本大幅下降。不同工作經驗的分析師跟蹤網絡對企業突破性創新的影響可能是不同的，經驗豐富的分析師擁有更多獲取信息的渠道，通過廣泛的信息獲取渠道可以使其掌握更多的私有信息，從而對跟蹤公司更加了解，能夠更好地發揮監督作用。同時，隨著工作經驗的增加，分析師與企業管理層的接觸也更多，溝通交流更頻繁，促使其跟蹤網絡內的信息傳遞效率更高，進而為企業突破性創新提供更多信息。而缺乏經驗的分析師可能沒有辦法獲得更多的私有信息，為企業提供新信息以及監督管理層的能力有限。因此，經驗豐富的分析師跟蹤網絡對企業突破性創新的促進作用更為顯著。本文將從業年限高于年度內其他分析師從業年限中位數的分析師作為經驗豐富的分析師，并計算出當年跟蹤公司的分析師中屬于經驗豐富的人數，然后按照該值的中位數將樣本分為高低兩組，并設置虛擬變量Experience，若樣本處于高經驗的組中，取值為1，否則為0。相關檢驗結果見表8列(1)，Network×Experience的交乘項系數為0.13，在1%的水平上顯著為正。結果表明，相較于缺乏經驗的分析師跟蹤網絡，經驗豐富的分析師跟蹤網絡更能促進企業突破性創新。

表8 分析師異質性檢驗結果

2.分析師的學歷

“學歷”雖不能反映某個人的全面能力，但至少是接受教育水平的代名詞，而不同教育水平的分析師在對信息的理解和掌握程度方面可能存在差異，分析師受教育程度越高，其盈余預測越準確[33]。學歷高的分析師能夠接觸到同等學歷的社會資源，并利用這些社會資源獲得更多私有信息。同時，學歷高的分析師通過長期學習積累了大量知識，對信息的挖掘、理解及領悟能力更強，能夠更好地發揮外部監督作用。因此，相比于低學歷分析師跟蹤網絡，高學歷分析師跟蹤網絡能為企業提供更多高質量的信息且發揮更強的監督治理效應，進而對突破性創新的促進作用更強。本文將教育背景為碩士研究生及以上的分析師作為高學歷分析師，并計算出當年跟蹤公司的分析師中擁有高學歷的人數，然后按照該值的中位數將樣本分為高低兩組，并設置虛擬變量Education，若樣本處于學歷高的組中，取值為1，否則為0。相關檢驗結果見表8列(2)，Network×Education的交乘項系數為0.15，在1%的水平上顯著為正。結果表明，相較于低學歷分析師跟蹤網絡，高學歷分析師跟蹤網絡對企業突破性創新的促進作用更強。

(二)企業異質性檢驗

分析師跟蹤網絡對企業突破性創新的影響可能隨著公司特征不同有所差異，本文從企業的吸收能力和所屬行業的性質兩個方面進行研究。

1.吸收能力

吸收能力是企業識別、評估和消化外部知識的能力。雖然企業可以通過分析師跟蹤網絡獲取大量信息，但是其中可能存在一些冗余信息，需要從中識別出對自身有用的信息，并加以萃取，吸收能力強的企業能夠更高效地將外部信息轉化為內部創新產品[34]。此外，企業的吸收能力越強，對信息的敏感性也越高，能夠準確抓住分析師跟蹤網絡帶來的有利于突破性創新決策的機會。因此，在企業吸收能力強的情境下，分析師跟蹤網絡對于企業突破性創新有更強的促進作用；而當企業吸收能力較弱時，分析師跟蹤網絡對于企業突破性創新的正面影響則被弱化。本文參考Wang等(2014)[35]的研究，用研發投入來衡量吸收能力，將樣本企業按照研發投入的中位數分為高低兩組，并設置虛擬變量Absorb，若企業處于吸收能力高的組中，取值為1，否則為0。相關檢驗結果見表9列(1)，分析師跟蹤網絡與企業吸收能力的交乘項系數為0.14，在1%的水平上顯著為正。這說明，相較于吸收能力弱的企業，在吸收能力強的企業中，分析師跟蹤網絡對突破性創新的促進作用更強。

2.所屬行業性質

在現實情境下，不同行業性質的企業在選擇創新類型時可能存在差異，如非高新技術企業可能傾向于選擇漸進性創新，而高新技術企業由于面臨的風險高，競爭激烈，其生產和發展更加依賴于突破性創新。高新技術企業為了快速實現突破性創新，需要獲取更多新知識、新信息，同時也更需要對管理層享受平靜生活的風險規避行為進行監督，利用分析師跟蹤網絡的信息傳遞效應和監督治理效應的迫切性更強，效率更高。因此，相比于非高新技術企業，分析師跟蹤網絡對突破性創新的促進作用在高新技術企業中更顯著。本文借鑒陳欽源等(2017)[23]的做法，將部分制造業(代碼C2、C3、C4)、信息傳輸、軟件和信息技術服務業(代碼I)、科學研究和技術服務業(代碼M)定義為高新技術行業，其他行業為非高新技術行業，并設置虛擬變量Tech，若企業屬于高新技術行業，取值為1，否則為0。相關檢驗結果見表9列(2)，分析師跟蹤網絡與企業所屬行業性質的交乘項系數為0.19，在1%的水平上顯著為正。這表明，相比于非高新技術企業，分析師跟蹤網絡對突破性創新的促進作用在高新技術企業中更顯著。

表9 企業異質性檢驗結果

(三)外部環境異質性檢驗

宏觀環境的變化會影響分析師跟蹤網絡信息傳遞效應和監督治理效應的發揮，本文從經濟政策不確定性和市場化程度兩個方面考察外部環境差異對分析師跟蹤網絡與企業突破性創新之間關系的影響。

1.經濟政策不確定性

經濟政策不確定性是由于國家宏觀經濟政策變動頻繁，且在政策實施過程中存在很大變數而導致的[36]。由于信息不對稱普遍存在，作為宏觀經濟政策的接受者，企業難以及時、準確地解讀出國家政策的變動方向以及帶來的影響，導致在經濟政策不確定性高的情況下，缺乏足夠的信息來評估經濟政策變化對突破性創新決策造成的干擾。在這種情況下，企業為獲取突破性創新決策所需信息需要付出更多的努力，而分析師跟蹤網絡這一信息溝通渠道可以給企業帶來更多的外部信息，為企業突破性創新的實施提供有益支持。因此，當經濟政策不確定程度較高時，企業在制定創新決策時的信息需求更高，更依賴分析師跟蹤網絡傳遞的信息，故分析師跟蹤網絡對企業突破性創新的促進作用更加明顯。本文采用Baker等(2016)[37]編制的中國經濟政策不確定性指數來衡量經濟政策不確定性，并使用算術平均法將月度數據轉化為年度數據，然后按照該指數的中位數將樣本分為高低兩組，并設置虛擬變量EPU，若樣本處于高的組取值為1，否則為0。相關檢驗結果見表10列(1)，分析師跟蹤網絡與經濟政策不確定性的交乘項系數為0.10，在1%的水上顯著為正。上述結果表明，在經濟政策不確定高的情況下，分析師跟蹤網絡的信息傳遞作用會更加凸顯，即經濟政策不確定性提高了分析師跟蹤網絡對企業突破性創新的正向作用。

2.市場化程度

目前我國正處于經濟轉型發展階段，各地區的市場化程度存在較大差異。在市場化程度高的地區，制度環境較為完善，信息透明度高，企業獲取外界信息的成本低、渠道多，且管理層的機會主義行為在很大程度上受到了約束；而在市場化程度低的地區，法律制度不完善，信息環境較差，企業之間信息交流不暢，管理層代理問題嚴重。朱秀梅和李明芳(2011)[38]研究發現，在低制度環境下，企業可以通過社會網絡獲取外部信息，進而彌補正式制度缺失造成的不良影響。因此，在市場化程度低的地區，分析師跟蹤網絡能為企業提供更多與突破性創新有關的信息，并在更大程度上減少管理層的代理問題，進而顯著提高企業突破性創新。本文按照樊綱等(2011)[39]計算的市場化指數來衡量市場化程度，將樣本按照該指數的中位數分為高低兩組，并設置虛擬變量Market，若樣本處于市場化程度低的組中，取值為1，否則為0。相關檢驗結果見表10列(2)，分析師跟蹤網絡與市場化程度的交乘項系數為0.07，在5%的水平上顯著為正。由此可見，在市場化程度低的地區，分析師跟蹤網絡的信息傳遞效應和監督治理效應更加凸顯，即市場化進程越低，分析師跟蹤網絡對企業突破性創新的促進作用越強。

表10 外部環境異質性檢驗結果

六、研究結論與啟示

本文基于社會網絡的視角，實證檢驗了分析師跟蹤網絡對企業突破性創新的影響。結果顯示，分析師跟蹤網絡與企業突破性創新顯著正相關，且經過一系列穩健性檢驗之后，結果仍然不變。進一步研究表明，根據分析師異質性特征檢驗發現，相比于缺乏工作經驗、低學歷分析師跟蹤網絡，經驗豐富以及高學歷分析師跟蹤網絡對企業突破性創新的促進作用更強。根據企業異質性特征檢驗發現，相比于吸收能力弱、非高新技術行業的企業，分析師跟蹤網絡對突破性創新的促進作用在吸收能力強、高新技術行業的企業更顯著。根據外部環境異質性檢驗發現，在經濟政策不確定性高、市場化程度低的情況下，分析師跟蹤網絡對企業突破性創新的促進作用更強。

根據本文的結論提出如下政策建議：第一，企業應充分認識到分析師跟蹤網絡在創新決策中的重要作用，利用分析師跟蹤網絡帶來的新知識、新思想以及發揮的監督治理效應，積極推動突破性創新活動的開展，同時也要根據企業自身特征和所處的外界環境，辨別分析師跟蹤網絡發揮作用的邊界條件。第二，分析師要不斷提升信息挖掘及監督治理能力，在工作中不斷積累經驗，提高自身學歷教育，為企業突破性創新的開展提供幫助，充分發揮信息中介及外部監督者的職責。第三，鑒于資本市場信息中介能夠對實體經濟發展產生重要影響，政府應該加強資本市場信息中介的建設，規范分析師的行為，推動分析師職業向前發展的同時也能夠促進國家創新型經濟轉型發展。