分析師跟蹤、會計信息可比性與融資約束

米蕊

【摘要】要實現企業高質量發展， 就必須緩解企業面臨的融資約束問題?；?010 ～ 2021年我國滬深A股上市公司數據， 實證檢驗分析師跟蹤與融資約束之間的關系及其影響機制， 結果顯示， 分析師跟蹤能夠顯著降低融資約束。作用機制檢驗發現， 會計信息可比性具有中介效應， 分析師跟蹤通過提高會計信息可比性緩解融資約束。異質性檢驗發現， 機構投資者持股、 內部控制質量在分析師跟蹤緩解融資約束中均表現為替代效應， 即高持股比例機構投資者、 高質量內部控制弱化了分析師跟蹤對融資約束的緩解效應。研究結論不僅拓展了分析師跟蹤影響融資約束的作用機制， 還為充分發揮企業內外部治理機制的邊際效應提供了經驗證據。

【關鍵詞】分析師跟蹤；會計信息可比性；融資約束；機構投資者；內部控制

【中圖分類號】 F275.1? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）09-0082-8

一、 引言

黨的二十大報告多次強調高質量發展， 實現經濟高質量發展必須落實到企業微觀層面， 實現企業高質量發展。融資約束制約企業創新投入（張璇等，2017）， 抑制全要素生產率的提升（任曙明和呂鐲，2014）， 已成為企業高質量發展的掣肘因素和瓶頸問題。如何緩解融資約束， 推動企業高質量發展成為學術界關注的重點。企業面臨的融資約束不僅受到內部治理機制的影響， 同時也受到外部治理機制的影響。作為“信息中介”的證券分析師， 是資本市場重要的外部監督機制， 分析師跟蹤會對企業的內外部環境造成影響， 也會影響企業的融資約束， 因此， 關注分析師跟蹤對企業融資約束的影響至關重要。

以往文獻對分析師跟蹤行為的經濟后果進行了廣泛研究， 但目前尚未達成一致觀點。一些學者認為， 分析師跟蹤具有信息效應和監督效應， 不僅能夠降低企業的信息不對稱和代理成本（譚雪，2016）， 改善市場信息環境， 提高投資—股價敏感性（黃宇漩等，2023）， 還能夠抑制企業的金融化行為（秦建文等，2022）， 促進技術創新（趙奇鋒和鞠曉生，2021）， 最終提升企業價值（譚春枝等，2021）。然而， 也有一些學者認為， 分析師跟蹤會產生壓力效應， 加劇管理層代理成本（嚴若森和葉云龍，2017）， 加大股價崩盤風險（韓艷錦等，2021）， 加重過度投資問題（王玉和王建忠，2016）， 特別是當分析師跟蹤人數超過一定數量后， 會對企業技術并購決策和技術創新產生負向影響（黃志宏等，2022）， 不利于企業高質量發展。對于分析師跟蹤與企業融資之間的關系， 學者們從債務融資（范云蕊和李辰穎，2019）、 股權融資（李祎等，2016）、 商業信用融資（黃波和王滿，2018）等視角展開相關研究。與以往文獻不同， 本文基于會計信息可比性的視角， 考察了分析師跟蹤對融資約束的影響， 并驗證了機構投資者持股與內部控制在兩者之間所起的作用。具體是以2010 ～ 2021年我國滬深A股上市公司為研究對象， 檢驗了分析師跟蹤對融資約束的影響。實證結果表明， 分析師跟蹤對融資約束具有顯著緩解效應， 會計信息可比性在分析師跟蹤影響融資約束的過程中起到了部分中介作用； 異質性檢驗發現， 在緩解融資約束方面， 分析師跟蹤與機構投資者持股、 內部控制質量之間均存在替代關系， 無論是高持股比例機構投資者還是高質量內部控制， 均會弱化分析師跟蹤對融資約束的緩解效應。

二、 理論分析與研究假設

（一）分析師跟蹤與融資約束

信息不對稱和代理問題是影響企業融資約束的主要因素。分析師作為企業外部治理的重要組成部分， 具有信息傳遞功能和監督功能， 能夠減輕企業的信息不對稱程度以及股東與管理層之間的代理沖突， 從而減少可能產生的信息風險和代理風險， 降低投資者要求的報酬率， 緩解企業融資約束。

首先， 分析師的信息傳遞效應能夠降低企業的信息不對稱程度。信息不對稱程度越高， 企業內外部融資成本差異就越大， 面臨的融資約束就越嚴重（Myers和Majluf，1984）。企業外部信息環境的改善有助于降低信息不對稱程度和資金成本（張純和呂偉，2009）。作為資本市場重要信息媒介的分析師具有改善企業外部信息環境的作用， 他們通過挖掘、 傳遞信息提升企業的信息披露水平， 為企業與投資者等利益相關者之間搭建信息溝通橋梁， 進而影響資本成本。

由于分析師受過專業訓練， 擁有資源優勢、 知識優勢以及敏銳的信息搜集處理能力， 可以通過較多的渠道挖掘企業的一些非公開信息， 同時利用自身的專業知識對公開信息進行深度解讀剖析， 并將搜集整理分析后的信息傳遞給投資者， 提供對決策更為有用的信息和評價， 彌補投資者獲取信息的片面和不足， 降低企業信息不對稱程度。分析師發揮的信息傳遞作用能夠加深外界對企業經營發展情況的了解程度， 吸引更多的潛在投資者， 也使得投資者能夠降低信息搜集成本、 提升信心、 降低風險溢價要求， 從而降低企業資本成本， 緩解企業面臨的融資約束。

其次， 分析師的監督效應能夠減輕企業的代理問題。所有權和經營權分離的現代企業普遍存在委托代理關系及代理問題， 相較于股東， 管理層處于信息優勢地位， 當兩者之間存在利益沖突時， 管理層出于自利動機可能存在在職消費、 “帝國構建”等機會主義行為， 通過謀取個人私利而損害股東和企業的利益。代理問題越嚴重， 產生的代理成本越高， 企業價值損害就越嚴重， 為了彌補可能承擔的潛在風險和損失， 投資者會要求更高的報酬率， 從而加劇企業面臨的融資約束。

分析師在資本市場除了擔任信息解讀和信息補充的角色， 還擔任著外部監督的角色， 能夠通過信息披露間接發揮對企業的監督治理效應。相較于普通投資者， 分析師擁有較優的專業素養和信息搜集方面的專業優勢， 更容易洞察管理層自利行為以及隱藏的負面信息， 并且分析師披露壞消息帶來的損失大于管理層主動披露帶來的損失（Hong等，2000）， 因此分析師跟蹤的威懾作用會抑制管理層的機會主義行為。已有研究對此提供了證據支持， 如： 分析師跟蹤能夠約束高管在職消費和超額消費（郭建鸞和簡曉彤，2021）， 抑制企業的盈余管理行為（張宗新和周嘉嘉，2019）， 降低財務錯報發生概率（劉柏和琚濤，2021）， 減少上市企業違規行為（袁芳英和朱晴，2022）。

另外， 分析師具有注意力吸聚能力（劉柏和琚濤，2021）， 分析師跟蹤會增強媒體（王曉艷和郝文靜，2022）、 投資者（林鐘高和楊雨馨，2017）等市場主體以及監管部門對企業的關注程度， 分析師跟蹤人數越多， 外界對企業的關注程度就越高， 管理層的自利動機就越弱。現有研究也證實了分析師跟蹤具有治理效應， 能夠降低管理層代理成本（譚雪，2016）。分析師跟蹤對代理問題的治理效應， 能夠減少企業的代理成本和代理風險， 降低投資者要求的風險溢價， 緩釋企業融資約束。

綜上所述， 本文認為分析師跟蹤有助于緩解信息不對稱， 提升信息披露質量， 約束管理層的機會主義行為， 降低股權融資成本（李祎等， 2016）和債務融資成本（范云蕊和李辰穎， 2019）， 從而減輕企業面臨的融資約束。據此， 本文提出H1： 若其他條件不變， 分析師跟蹤能夠緩解融資約束。

（二）會計信息可比性在分析師跟蹤與融資約束關系中的中介作用

本文認為， 分析師跟蹤能夠提高會計信息的橫向可比和縱向可比進而緩解融資約束， 即會計信息可比性具有中介作用， 具體分析如下。

首先， 分析師跟蹤能提升會計信息的橫向可比和縱向可比。一方面， 分析師跟蹤有助于提高會計信息的橫向可比?，F行會計準則下， 企業對于會計政策和估值方法具有一定的選擇權， 在外部監督較弱的環境下， 企業青睞于利用會計政策的選擇和會計估計的變更進行盈余管理， 導致會計信息可比性降低。分析師被視為管理層行為的“放大鏡”， 分析師跟蹤會增大管理層機會主義行為的成本， 有效抑制管理層的自利行為， 使其審慎選擇會計政策并進行會計估計， 降低企業的盈余管理程度（張宗新和周嘉嘉，2019）， 增強會計信息口徑的一致性， 縮小企業間相同業務的信息披露差異， 有助于投資者對比分析不同企業間的財務報告信息， 增強會計信息的橫向可比。另一方面， 分析師跟蹤有助于提高會計信息的縱向可比。分析師的長期跟蹤會對管理層機會主義行為產生震懾作用， 壓縮管理層的會計自由裁量權空間， 保持會計政策和會計估計的穩定性， 有助于投資者通過對比分析企業不同時期的財務報告信息， 更好地了解企業發展趨勢， 增強會計信息的縱向可比。

其次， 會計信息可比性有助于緩解融資約束。會計信息可比性能夠提高會計信息決策有用性， 吸引更多的投資者， 提供的增量信息使得投資者能夠降低被誤導的可能性、 決策過程中面臨的不確定性及決策風險， 降低要求的資本報酬率， 對融資約束具有緩釋作用（明澤和潘頡， 2018）。已有研究發現， 會計信息可比性不僅能夠降低企業的股權融資成本（張永杰等， 2019）、 信貸融資成本（劉亭立等， 2022）和債券信用利差（黃波， 2020）， 還能夠提高企業的商業信用融資水平（張勇， 2017）， 最終緩解企業面臨的融資約束。

綜上， 分析師跟蹤的信息中介和監督作用能通過增強會計信息的橫向可比和縱向可比， 提高會計信息質量， 吸引更多的投資者， 降低投資者要求的資本報酬率， 進而緩解企業面臨的融資約束。

三、 研究設計

（一）樣本選擇與數據來源

本文以2010 ～ 2021年滬深A股上市公司為研究對象， 在剔除金融行業上市公司、 ST類上市公司和數據缺失的樣本后， 最終共獲取14091個觀測值。同時， 為減小異常值的影響， 本文對所有連續變量進行了上下1%的縮尾處理。內部控制指數來自迪博內部控制與風險管理數據庫， 其他數據均來自國泰安數據庫。

（二）變量定義

1. 被解釋變量： 融資約束（FC）。借鑒Hadlock和Pierce（2010）、 顧雷雷等（2020）的做法， 本文用FC指數衡量企業融資約束， 計算過程如下： 首先， 根據按照年度對企業規模、 年齡和現金股利支付率三個變量進行標準化處理后的變量均值對企業進行升序排列， 大于66%分位的企業， 融資約束虛擬變量QUFC取值為0， 作為低融資約束組， 小于33%分位的企業， QUFC取值為1， 作為高融資約束組。其次， 對模型（2）進行Logit回歸， 擬合企業每一年度的融資約束發生概率P， 并將其定義為融資約束指數FC（取值在0和1之間）， FC越大， 企業的融資約束問題越嚴重。

（1）

Zi，t=α0+α1Sizei，t+α2LEVi，t+α3（? ? ? ? ? ? ? ? ? ? ? ? ? ）i，t+α4MBi，t+α5（? ? ? ? ? ? ? ? ? ? ?）i，t+α6（? ? ? ? ? ? ? ? ? ）i，t? ? （2）

模型（2）中， Cashdiv表示企業當年發放的現金股利， MB表示市場價值與賬面價值之比， NWC表示凈營運資本， EBIT表示息稅前利潤， TA表示總資產。

2. 解釋變量： 分析師跟蹤（ANC）。本文從企業是否有分析師跟蹤（ANC1）以及分析師跟蹤程度（ANC2）兩個方面對分析師跟蹤進行衡量： 如果一年內有分析師團隊對企業進行過跟蹤分析則ANC1取值為1， 否則為0； 用對企業進行過跟蹤分析的分析師團隊數量加1后的自然對數衡量分析師跟蹤程度。

3. 中介變量： 會計信息可比性（CA）。本文借鑒De Franco等（2011）、 劉亭立等（2022）的研究計算企業會計信息可比性。以目標企業i為例， 首先計算同年度同行業內企業i與其他所有企業兩兩組合的會計信息可比性值， 然后計算上述所有組合的會計信息可比性值的平均數以及可比性值最高的四對組合的平均數， 分別用變量CAIA和變量CAI4表示。該值越大， 表明企業i相對于同行業其他企業的年度會計信息可比性越高。具體計算方法與上述研究一致， 限于篇幅， 本文不再贅述。

4. 控制變量。借鑒現有的文獻， 本文采用的控制變量包括： 盈利能力（ROA）、 企業規模（Size）、 資產負債率（Lev）、 獨董占比（INDP）、 兩職合一（Two）、 成長性（Growth）、 董事會規模（Board）、 股權集中度（Top1）、 機構投資者持股（IIS）、 現金持有（Cash）、 上市年限（Age）。同時， 本文控制了行業固定效應和年度固定效應。

上述變量具體定義如表1所示。

（三）模型設定

為了驗證分析師跟蹤對企業融資約束的影響， 本文構建模型（3）對此進行檢驗：

FCi，t=β0+β1ANCi，t+βkControlsi，t+εi，t （3）

其中： FC為被解釋變量， 表示融資約束； ANC包括ANC1和ANC2， 表示分析師跟蹤； Controls為前文所述的控制變量； ε為隨機擾動項。除特殊說明外， 本文均采用穩健標準誤對模型進行回歸。

四、 實證結果與分析

（一）描述性統計和相關性分析

表2列示了主要變量的描述性統計結果。由表2可知， 融資約束（FC）的均值、 最小值和最大值分別為0.398、 0.005和0.894， 說明樣本企業之間的融資約束程度存在較大差異。是否有分析師跟蹤（ANC1）的均值為0.744， 分析師跟蹤程度（ANC2）的均值、 最小值和最大值分別為1.532、 0和3.807， 說明樣本中74.4%的企業存在分析師跟蹤， 且不同企業被分析師跟蹤的團隊數量存在較大差異。會計信息可比性（CAIA）的均值、 最小值和最大值分別為-0.012、 -0.041、 -0.004， 會計信息可比性（CAI4）的均值、 最小值和最大值分別為

-0.004、 -0.025、 -0.001， 說明樣本企業之間的會計信息可比性存在差異。

通過對主要變量的Spearson和Pearson相關性分析（限于篇幅， 表略）， 可以得到分析師跟蹤（ANC1）與融資約束（FC）的相關系數分別為-0.252和-0.253， 均在1%的水平上顯著， 分析師跟蹤（ANC2）與融資約束（FC）的相關系數分別為-0.342和-0.341， 均在1%的水平上顯著， 初步驗證了分析師跟蹤與融資約束之間的負相關關系， 符合本文的研究預期。自變量之間的相關系數絕對值均不超過0.61， 方差膨脹因子的最大值和均值分別為2.08和1.53， 表明自變量之間不存在嚴重的多重共線性問題。

（二）單變量分析

按照是否有分析師跟蹤（ANC1）進行分組后融資約束（FC）的T/Z檢驗（限于篇幅， 表略）。由結果可知， 存在分析師跟蹤的企業， 無論是融資約束的均值還是中位數均顯著低于不存在分析師跟蹤的企業， 即存在分析師跟蹤的企業面臨的融資約束程度較低， 支持了本文H1。

（三）回歸結果分析

1. 分析師跟蹤對融資約束的影響。表3列示了分析師跟蹤對融資約束影響的回歸結果。列（1）、 列（2）為僅控制年度和行業固定效應的回歸結果。結果顯示， 分析師跟蹤（ANC1、 ANC2）與融資約束（FC）的回歸系數均在1%的水平上顯著為負， 表明分析師跟蹤能夠降低企業的融資約束程度。列（3）、 列（4）為加入所有控制變量后的回歸結果， 此時分析師跟蹤（ANC1、 ANC2）與融資約束（FC）的回歸系數分別為-0.0296、

-0.0157， 同樣在1%的水平上顯著。說明在控制了其他可能的影響因素后， 分析師跟蹤仍然對企業的融資約束具有緩釋效應。表3的回歸結果支持了H1， 表明分析師跟蹤具有治理效應， 能夠幫助企業緩解融資約束。

2. 分析師跟蹤影響融資約束的作用機制檢驗。上述實證結果表明分析師跟蹤能夠顯著緩解企業的融資約束， 但分析師跟蹤緩解企業融資約束的機制是什么？正如前文所述， 本文認為分析師跟蹤能夠通過促進提高會計信息可比性（CA）來降低企業的融資約束（FC）。對此， 本文借鑒溫忠麟和葉寶娟（2014）的思路， 構建遞歸模型（4）和模型（5）， 用中介效應分析方法驗證這一影響機制。

CAi，t=γ0+γ1ANCi，t+γkControlsi，t+εi，t （4）

FCi，t=φ0+φ1ANCi，t+φ2CAi，t+φkControlsi，t+εi，t （5）

其中， CA表示會計信息可比性系列變量， 包括變量CAIA和變量CAI4。其他變量的含義和計算方法與模型（3）相同。檢驗結果見表4。

第一步， 對模型（4）進行回歸， 結果如列（1）所示。結果顯示， 是否有分析師跟蹤（ANC1）與會計信息可比性（CAIA）的回歸系數0.001在1%的回歸水平上顯著為正， 表明分析師跟蹤顯著提高了企業的會計信息可比性。

第二步， 對模型（5）進行回歸， 結果如列（2）所示。結果顯示， 會計信息可比性（CAIA）與融資約束（FC）的回歸系數-0.7567在1%的水平上顯著為負， 表明企業會計信息可比性的提高能夠顯著緩解融資約束。是否有分析師跟蹤（ANC1）與融資約束（FC）的回歸系數

-0.0289仍在1%的水平上顯著為負， 且回歸系數絕對值小于表3列（3）中的回歸系數絕對值。

第三步， 將模型（4）中變量ANC1的回歸系數與模型（5）中變量CAIA的回歸系數相乘， 并將乘積符號與模型（5）中變量ANC1的回歸系數相比， 發現符號相同， 均為負， 表明會計信息可比性在分析師跟蹤影響企業融資約束的過程中發揮了部分中介效應。

按照上述分析步驟， 本文對分析師跟蹤（ANC1）、 會計信息可比性（CAI4）， 以及分析師跟蹤（ANC2）、 會計信息可比性（CAIA、CAI4）的相關回歸結果分別進行了分析。分析結果均表明， 在分析師跟蹤影響企業融資約束的過程中， 會計信息可比性發揮了部分中介效應， 分析師跟蹤能夠通過促進會計信息可比性緩解企業融資約束的作用路徑得到了驗證。

（四）穩健性檢驗

1. 控制個體固定效應。為了解決企業層面不隨時間變化的相關遺漏變量可能引起的內生性問題， 本文在控制年度固定效應和行業固定效應的基礎上， 進一步控制了企業層面固定效應， 重新對模型（3）進行回歸， 回歸結果如表5中列（1）和列（2）所示。分析師跟蹤（ANC1、ANC2）和融資約束（FC）的回歸系數分別為-0.0145、 -0.0068， 均在1%的水平上顯著為負， 表明控制個體固定效應后， 回歸結果與前文結論保持一致。

2. 反向因果檢驗。分析師跟蹤與融資約束之間的關系可能并不是分析師跟蹤導致企業融資約束程度降低， 而是融資約束程度低的企業更容易吸引分析師跟蹤， 即反向因果關系。為此， 本文分別使用分析師跟蹤的滯后一期（L_ANC1、L_ANC2）和分析師跟蹤的滯后兩期（L2_ANC1、 L2_ANC2）替代同期分析師跟蹤（ANC1、 ANC2）變量， 重新對模型（3）進行回歸， 回歸結果如表5中的列（3） ～ （6）所示。變量L_ANC1、 L_ANC2、 L2_ANC1、 L2_ANC2的回歸系數分別為

-0.0261、 -0.0133、 -0.0244和-0.0117， 且均在1%的水平上顯著為負， 與前文相比， 回歸結果未發生實質性變化， 這表明在充分考慮反向因果關系后， 本文結論仍然得到支持。

3. 替換解釋變量。為了解決解釋變量測量誤差可能引起的內生性問題， 本文用一年內分析師對上市公司出具的研報總數量加1取自然對數作為分析師跟蹤的衡量指標（ANC3）， 代入模型（3）后進行回歸， 回歸結果如表6中的列（1）所示。結果顯示， 變量ANC3的回歸系數為-0.0129， 在1%的水平上顯著， 說明替換分析師跟蹤的衡量指標后， 分析師跟蹤與融資約束之間仍然呈顯著負相關關系。

4. 替換被解釋變量。為保證估計結果的穩定性， 本文借鑒Whited和Wu（2006）、 劉莉亞等（2015）的做法， 構建WW指數衡量融資約束， 具體計算方法如模型（6）所示。

WWi，t=-0.091CFi，t-0.062DIVi，t+0.021LEVi，t

-0.044Sizei，t+0.102ISGi，t-0.035Growthi，t? ? ?（6）

模型（6）中： WW為融資約束； CF為經營活動產生的現金流量凈額/總資產； DIV為現金股利支付， 當期如果派發現金股利取值為1， 否則為0； ISG為行業平均銷售增長率； 其他變量的含義及計算方法與模型（3）中的相同。

將變量WW替換模型（3）中的變量FC后進行回歸， 回歸結果如表6中的列（2）和列（3）所示。分析師跟蹤（ANC1、ANC2）與融資約束（WW）的回歸系數分別為-0.0047、 -0.0016， 均在1%的水平上顯著， 說明替換融資約束變量后， 分析師跟蹤對企業融資約束仍具有降低效應， 與前文結論保持一致。

5. 企業層面的聚類回歸。本文進一步使用聚類到企業層面的穩健標準誤對模型（3）進行回歸， 回歸結果如表6中的列（4）和列（5）所示。結果顯示， 進行企業層面的聚類回歸后， 變量ANC1和ANC2的回歸系數仍在1%的水平上顯著為負， 與基準回歸結果無實質性差異， 增強了本文研究結論的可信性。

（五）分析師跟蹤影響融資約束的異質性檢驗

分析師跟蹤對企業融資約束的影響可能會受到機構投資者持股、 內部控制質量等內外部治理因素的影響， 對此， 本文在模型（3）的基礎上通過引入交乘項的方式進行檢驗。

1. 外部治理監督： 機構投資者持股的調節作用。相較于個人投資者， 機構投資者具有資產優勢、 專業優勢和信息優勢， 機構投資者持股比例越高， 在企業擁有的話語權越大， 參與公司治理的積極性也就越高， 通過發揮積極治理效應和信息中介效應， 促進企業信息傳遞， 降低信息不對稱程度， 抑制管理層自利行為， 降低代理成本， 進而緩解企業融資約束（甄紅線和王謹樂， 2016）。然而， 對于分析師與機構投資者的共同治理效應， 學者們存在不同的看法。有學者認為， 機構投資者持股會對分析師產生壓力效應， 影響其獨立性， 進而弱化分析師的治理效果， 具有替代治理效果（李祎等， 2016）。也有學者認為， 機構投資者持股會對分析師產生監督效應， 提升分析師盈余預測和評級報告的質量， 具有補充治理效果（黃波和王滿， 2018）。根據前文的回歸結果已知， 分析師跟蹤對融資約束具有緩解效應， 那么， 機構投資者持股與分析師跟蹤對企業融資約束的交互影響發揮的是互補效應還是替代效應？厘清這一問題對于如何將兩者有機結合起來， 更好地發揮企業外部治理機制、 改善外部治理環境具有重要意義。

為了檢驗機構投資者持股對分析師跟蹤緩解融資約束效果的影響， 本文在模型（3）中引入分析師跟蹤與機構投資者持股的交乘項（ANC1×IIS、 ANC2×IIS）后進行回歸， 回歸結果如表7中的列（1）和列（2）所示。結果顯示， 交乘項（ANC1×IIS、 ANC2×IIS）的回歸系數均為0.0004 ， 且在1%的水平上顯著。這表明， 機構投資者持股與分析師跟蹤對融資約束的影響存在替代效應， 而不是互補效應， 即高持股比例的機構投資者會弱化分析師跟蹤對融資約束的緩解效應。

2. 內部治理問題： 內部控制質量的調節作用。內部控制作為企業治理結構中的重要組成部分， 會對企業的融資約束產生影響。高質量的內部控制能夠顯著抑制企業的盈余管理（賈麗， 2022）， 降低代理成本（彭桃英和汲德雅， 2014）， 進而緩解融資約束（樊后裕， 2016）。而企業內部控制存在缺陷則會加劇融資約束（顧奮玲和解角羊， 2018）。然而， 有關分析師與內部控制的共同治理效應， 學者們存在不同的看法。有學者認為， 內部控制與分析師跟蹤之間存在替代效應， 在內部控制質量較差的企業， 分析師跟蹤緩解融資約束的邊際效應更明顯（范云蕊和李辰穎， 2019）。也有學者認為， 內部控制與分析師跟蹤之間存在協同效應， 高質量的內部控制能夠降低分析師跟蹤對真實盈余管理的刺激作用（左志剛和石方志， 2021）。前文的回歸結果已經驗證了分析師跟蹤對融資約束的抑制效應， 那么， 內部控制與分析師跟蹤在緩解融資約束方面是存在互補關系還是替代關系？

為了檢驗內部控制質量對分析師跟蹤緩解融資約束效果的影響， 本文首先采用迪博的內部控制指數加1取自然對數的值進行衡量， 該值越大， 表示內部控制質量越高。其次在模型（3）中引入內部控制質量（Index）以及分析師跟蹤與內部控制質量的交乘項（ANC1×Index、 ANC2×Index）后進行回歸， 回歸結果如表7中的列（3）和列（4）所示。結果顯示， 交乘項（ANC1×Index、 ANC2×Index）的回歸系數分別為0.0411、 0.0326 ， 且在10%和1%的水平上顯著。這表明， 內部控制質量與分析師跟蹤在緩解融資約束方面存在替代關系， 而不是互補關系， 即高質量內部控制弱化了分析師跟蹤對融資約束的緩解效應。

五、 研究結論與啟示

（一）研究結論

本文選取2010 ～ 2021年我國滬深A股上市公司的數據， 檢驗了分析師跟蹤對融資約束的影響， 探析了分析師跟蹤緩解融資約束的內在機理， 并分別從機構投資者持股和內部控制質量兩個方面展開了進一步研究。研究發現： 分析師跟蹤對融資約束具有顯著緩解效應， 而會計信息可比性在兩者之間具有部分中介作用， 即分析師跟蹤通過促進提升會計信息可比性進而緩解了融資約束。機構投資者持股與分析師跟蹤在緩解融資約束方面存在替代關系， 高持股比例的機構投資者會弱化分析師跟蹤對融資約束的緩解效應。內部控制與分析師跟蹤在緩解融資約束方面也存在替代關系， 高質量內部控制會弱化分析師跟蹤對融資約束的緩解效應。

（二）啟示

本文的研究結論具有如下政策啟示： 第一， 政府有關部門應加強對證券分析師行業的監管， 提高分析師的覆蓋率及專業勝任能力， 降低資本市場存在的信息不對稱程度和代理成本， 提高企業的會計信息可比性， 緩解融資約束， 促進企業高質量發展。同時， 應鼓勵和引導分析師重點關注機構投資者持股比例較低、 內部控制質量較差的企業， 促使邊際治理效應最大化。第二， 上市公司應將內外部治理機制有機結合， 最大限度地發揮其治理作用。在機構投資者持股比例較低、 內部控制質量較差的企業， 應考慮分析師跟蹤對機構投資者和內部控制的影響， 充分發揮分析師跟蹤的監督效應和信息效應， 改善外部環境， 有效緩解企業面臨的融資約束。第三， 投資者可以結合分析師跟蹤、 機構投資者持股、 內部控制等多方面的信息進行綜合評價， 從而做出最優決策。

【 主 要 參 考 文 獻 】

范云蕊，李辰穎．分析師關注、內部控制與企業債務融資約束［ J］．金融與經濟，2019（10）：25 ～ 30．

顧奮玲，解角羊．內部控制缺陷、審計師意見與企業融資約束——基于中國A 股主板上市公司的經驗數據［ J］．會計研究，2018（12）：77 ～ 84．

郭建鸞，簡曉彤．分析師的外部監督效應——來自企業高管在職消費的證據［ J］．中央財經大學學報，2021（2）：73 ～ 88．

顧雷雷，郭建鸞，王鴻宇．企業社會責任、融資約束與企業金融化［ J］．金融研究，2020（2）：109 ～ 127．

韓艷錦，馮曉晴，宋建波．基于信息生成環節的分析師關注與股價崩盤風險［ J］．管理學報，2021（2）：279 ～ 286．

黃波．法制環境、會計信息可比性與債券信用利差［ J］．財經論叢，2020（3）：78 ～ 86．

黃波，王滿．分析師跟蹤影響了商業信用融資嗎——基于我國上市公司的實證分析［ J］．山西財經大學學報，2018（8）：42 ～ 55．

黃志宏，李善民，王彩萍等．分析師跟蹤對企業技術并購決策的影響研究［ J］．會計研究，2022（1）：129 ～ 143．

李祎，劉啟亮，李洪．IFRS、財務分析師、機構投資者和權益資本成本——基于信息治理觀視角［ J］．會計研究，2016（10）：26 ～ 33．

林鐘高，楊雨馨．風險提示信息、分析師跟進與機構投資者持股［ J］．財經理論與實踐，2017（5）：64 ～ 72．

劉柏，琚濤．“事前震懾”與“事后糾偏”：分析師關注對財務錯報和重述的跨期監管研究［ J］．南開管理評論，2021（1）：50 ～ 61．

劉莉亞，何彥林，王照飛等．融資約束會影響中國企業對外直接投資嗎？——基于微觀視角的理論和實證分析［ J］．金融研究，2015（8）：124 ～ 140．

劉亭立，王妍，石倩倩．高質量的信息披露是否有助于降低企業信貸融資成本？——基于會計信息可比性的研究［ J］．投資研究，2022（6）：59 ～ 75．

明澤，潘頡．企業生命周期、會計信息可比性與融資約束［ J］．財經問題研究，2018（9）：114 ～ 121．

秦建文，胡金城，操應翔．分析師關注與實體企業金融化［ J］．技術經濟，2022（3）：139 ～ 152．

任曙明，呂鐲．融資約束、政府補貼與全要素生產率——來自中國裝備制造企業的實證研究［ J］．管理世界，2014（11）：10 ～ 23．

譚春枝，張敏，聞岳春．基于內生性與異質性的分析師跟蹤對公司價值的影響研究［ J］．上海金融，2021（3）：60 ～ 69．

譚雪．分析師關注的治理功用研究——基于兩類代理成本的考察［ J］．證券市場導報，2016（12）：37 ～ 45．

王玉，王建忠．分析師關注度，會計穩健性與過度投資［ J］．投資研究，2016（12）：79 ～ 91．

王曉艷，郝文靜．分析師關注度對企業信用評級的影響——基于媒體報道的中介效應研究［ J］．金融理論與實踐，2022（2）：78 ～ 87．

溫忠麟，葉寶娟．中介效應分析：方法和模型發展［ J］．心理科學進展，2014（5）：731 ～ 745．

嚴若森，葉云龍．證券分析師跟蹤與企業雙重代理成本——基于中國A股上市公司的經驗證據［ J］．中國軟科學，2017（10）：173 ～ 183．

袁芳英，朱晴．分析師關注會減少上市公司違規行為嗎？——基于信息透明度的中介效應［ J］．湖南農業大學學報（社會科學版），2022（1）：80 ～ 88．

張純，呂偉．信息環境、融資約束與現金股利［ J］．金融研究，2009（7）：81 ～ 94．

張永杰，尹林輝，酒莉莉．會計信息可比性降低了股權融資成本嗎［ J］．國際商務（對外經濟貿易大學學報），2019（6）：135 ～ 152．

張宗新，周嘉嘉．分析師關注能否提高上市公司信息透明度？——基于盈余管理的視角［ J］．財經問題研究，2019（12）：49 ～ 57．

趙奇鋒，鞠曉生．證券分析師關注抑制了技術創新嗎？——來自中國上市企業的證據［ J］．產業經濟評論，2021（4）：139 ～ 162．

De Franco G.， Kothari S. P.， Verdi R. S.. The Benefits of Financial Statement Comparability［ J］． Journal of Accounting Research，2011（4）：895 ～ 931．

Hadlock C. J.， Pierce J. R.. New Evidence on Measuring Financial Constraints： Moving Beyond the KZ Index［ J］． Review of Financial Studies，2010（5）：1909 ～ 1940．

Hong H.， Lim T.， Stein J. C.. Bad News Travels Slowly： Size， Analyst Coverage， and the Profitability of Momentum Strategies［ J］． The Journal of Finance，2000（1）：265 ～ 295．

Myers S. C.， Majluf N. S.. Corporate Financing and Investment Decisions When Firms Have Information That Investors Do Not Have［ J］． Journal of Financial Economics，1984（2）：187 ～ 221．

Whited T. M.， Wu G.. Financial Constraints Risk［ J］． Review of Financial Studies，2006（2）：531 ～ 559．

【基金項目】 河南省重點研發與推廣專項（軟科學研究）項目“基于政府會計制度改革的高?；ú①~工作研究”（項目編號：212400410569）；河南省哲學社會科學規劃項目“無實際控制人對企業投融資的影響機制研究”（項目編號：2022BJJ024）

【作者單位】河南財政金融學院會計學院， 鄭州 450046