政府會計監督的微觀溢出效應研究
——來自會計信息質量隨機檢查的證據

王竹泉（博士生導師），陳任霖，李 洋

一、引言

經濟高質量發展對新時代財會監督提出了更高要求。2023 年2 月中共中央辦公廳、國務院辦公廳印發的《關于進一步加強財會監督工作的意見》（簡稱《意見》）中指出，新時代財會監督不是財政監督、財務監督和會計監督的簡單加總，而是三者的有機融合和凝練升華。科學的財會監督體系是優化資源配置、維護市場統一、促進社會公平、實現國家長治久安的制度保障。《意見》中指出，要強化財會監督縱橫貫通機制，統籌各類監督資源，切實推進新時代財會監督高質量發展。會計信息質量隨機檢查是財政部履行財會監督義務、強化財會活動監管效果的重要手段。然而，在我國財會監督主體多元化的背景下，會計信息質量隨機檢查制度尚未受到充分關注。

目前，關于新時代財會監督的相關討論局限于理論探討，學術研究以規范研究為主，缺乏基于可靠數據的經驗驗證。換言之，現有研究的結論缺乏普適性，無法回答新時代財會監督“是什么”和“為什么”的科學問題。僅有的實證研究主要關注會計信息質量隨機檢查對被查企業的影響效果。例如，柳光強和王迪（2021）基于我國A 股上市公司樣本研究發現，會計信息質量隨機檢查能夠有效降低企業盈余管理水平。王敏和徐玉德（2023）發現，會計信息質量隨機檢查導致被查企業的融資約束加劇。祝繼高等（2023）發現，會計信息質量隨機檢查通過強化外部監督，能夠有效提升銀行的財務績效。然而，未被會計信息質量隨機檢查選中的企業是否和如何受到新時代財會監督的影響呢？

財會監督如何響應國家治理能力現代化的要求，提升會計信息質量，優化會計信息環境，實現各方利益關系的協調，是會計理論界和實務界共同關注的重要時代命題。為契合《意見》要求，在財會監督主體多元化的基礎上，推動形成有機貫通、相互協調、常態長效的監督合力，本文針對會計信息質量隨機檢查對未被查企業融資約束的政策溢出效應做出評估，具有較高的學術價值和現實意義。本文從信息中介視角構建綜合指標，綜合反映會計信息環境，有利于學界更好地理解政策在經濟高質量發展背景下的廣泛影響，為新時代財會監督改革提供理論支持，維護資本市場公平和投資者利益。

本文手工收集和整理了財政部第26 ～40號會計信息質量檢查公告，以非金融業首次聯合檢查作為政策效果評估起點，選取2008 ～2019 年作為多時點雙重差分模型的樣本區間。本文研究表明，政府會計監督能夠顯著緩解同業企業的融資約束。進一步研究發現，會計信息質量隨機檢查通過改善信息中介的信息傳遞，優化會計信息環境，緩解同業企業融資約束。值得注意的是，政府會計監督顯著降低了民營企業的同業融資約束，而對國有企業沒有產生顯著影響。政府會計監督對連帶會計師事務所被罰的同業企業、多次被查的同業企業以及目標企業被罰的同業企業，其治理溢出效應有所降低。

本文的研究貢獻主要體現在以下四個方面：一是立足于新時代政府財會監督改革的溢出效應，將微觀企業視角拓展至中觀行業視角，豐富了政府會計監督的政策效果研究，為財會監督制度改革提供了理論和經驗層面的支持。二是在驗證會計隨機檢查對同業融資約束影響的同時，深入探討了作用機制，從審計師、分析師、媒體三個重要的信息中介出發構建會計信息環境綜合指標，豐富了政府會計監督的作用機制研究，為會計信息環境指數構建提供了新思路。三是關注連接資金需求端和資金供給端的信息中介維度對于融資約束的影響，豐富和完善了融資約束的影響因素研究，為實踐中融資約束的緩解提供了思路和借鑒。四是關注財會監督聯動機制和財政部雙向延伸檢查制度，得出的研究結論對構建現代化財會監督體系、實現財會監督和其他監督的協同聯動具有啟示作用。

二、制度背景和研究假設

（一）制度背景

為切實履行《會計法》和《注冊會計師法》賦予財政部門的會計監督職責，優化會計信息環境，助力經濟高質量發展，財政部于1999 年建立了以會計信息質量隨機檢查為核心的政府會計監督制度。截至2023年12月，財政部陸續發布了第1 ～44 號會計信息質量檢查公告。財政部會計信息質量隨機檢查緊跟中央重大決策和國家宏觀調控政策，秉承“雙隨機、一公開”的原則，監督對象從企業、專業機構到行政事業單位，涵蓋傳統產業和新興行業，監督范圍和督查力度向縱深推進。在財政部統一安排下，會計信息質量隨機檢查在全國范圍內開展，由財政部駐各省、自治區、直轄市、計劃單列市的財政監察專員辦事處（簡稱“專員辦”）及地方各級財政部門具體組織實施。“雙隨機、一公開”制度天然的外生性為評估監督效果提供了實驗場景支持。

促進財會監督主體多元化，協同聯動運轉構建監督體系已然成為新時代推動國家治理體系現代化建設的重要課題。首先，會計信息質量隨機檢查實現了組織內部的有效銜接和協同配合。2012 年，財政部首次針對非金融業展開聯合檢查，充分調動各省、自治區、直轄市、計劃單列市的財政專員辦，針對在全國范圍內開設分公司、子公司的企業開展全面調查，有效整合了檢查力量。其次，會計信息質量隨機檢查聯動了中介機構、行業自律組織等其他外部監管力量，可充分發揮中介機構執業監督作用和行業自律的監管效力。會計信息質量隨機檢查確保各個中介機構獨立、客觀、公正、規范執業，借助新聞媒體和網絡等方式，將檢查的名單、重點、目的、內容等向社會公開，增大懲戒力度，完善應對輿論質疑的處理機制，推動提升財會業務規范化水平。最后，會計信息質量隨機檢查通過對企業和專業機構執業質量的雙向延伸檢查，充分利用會計師事務所等機構向外輻射，加大了財政部會計信息質量檢查公告的影響范圍和力度，形成高效銜接、運轉有序的工作機制，有助于構建全方位、多層次、立體化的財會監督工作格局。

（二）研究假設

信號傳遞理論認為，政府會計監督可以向資本市場傳遞積極信號，削弱投資者的不確定性感知，從而緩解同業企業的融資約束。企業是持續學習的組織，為了滿足合法性要求，獲得環境合法性的戰略資源，企業管理層會向同業企業學習經驗、吸取教訓（于連超等，2019）。在不確定性環境中，企業學習同業企業經驗、改善學習曲線是更為經濟的經營戰術。一方面，會計信息質量隨機檢查可以使企業在獲取有效信息的同時降低同業企業信息的獲取成本，提高同業企業的信息效率，及時了解監管機構會計信息要求及其動向，吸引利益相關者投資。總體來看，學習同行信息在幫助企業獲得合法性的同時，還可降低信息的獲取和處理成本，緩解信息不對稱性，從而降低同業企業的融資約束。

另一方面，會計信息質量隨機檢查的連續性和隨機性能夠充分釋放上市公司私有信息，促進會計信息環境的公開和透明，減弱外部投資者的決策不確定性和風險感知，使其更愿意向被查企業的同業企業提供資金支持。具體來看，政府會計監督能夠增加分析師跟蹤、提高審計質量、促進媒體關注從而優化會計信息環境，改善被查企業同業企業的融資處境。其一，政府會計監督能夠提升審計質量，充分發揮外部審計的治理作用。上市公司外審服務形成的天然的三方審計關系，對審計的獨立性提出較高的要求。而財政部會計信息質量隨機檢查的監督對象涵蓋企業、會計師事務所等專業機構及行政事業單位，監督會計師事務所本身質量檢查的同時，也充分利用會計師事務所的連帶能力，對會計師事務所和企業發揮雙向治理效應，從整體層面提升了審計質量。其二，政府會計監督有助于吸引分析師跟蹤，向市場釋放更多私有信息。目前對于分析師行為的研究主要分為分析師跟蹤人數、盈余預測質量、分析師實地調研等。信息不對稱程度更高的上市公司往往具備更多的非公開信息，會吸引更多分析師跟蹤和關注。分析師提供的增量信息能夠在極大程度上提升資本市場的運作效率，緩解企業的融資約束。此外，公司規模大、有較強的盈利能力和成長潛力、信息披露質量高的企業往往會引致更多的分析師關注（郭陽生等，2018）。財政部會計信息質量隨機檢查緊跟國家熱點話題，對與宏觀調控和資本市場運行息息相關的企業和會計師事務所展開調查，可大大改善會計信息質量、肅清會計信息環境，為證券分析師錨定了跟蹤方向。其三，政府會計監督會引導媒體關注，實現信息的傳播和滲透。相較于正面信息，媒體更容易被負面信息吸引并對此加以傳播和發酵。財政部在全國范圍開展會計信息質量隨機檢查的出發點在于優化會計信息環境、整治會計失真問題、引導資源優化配置。為充分發揮政府會計監督的治理和震懾效應，目前會計信息質量隨機檢查的結果以負面為主，這恰恰有助于吸引媒體關注，從而借助媒體力量實現信息的溢出和治理效果向外輻射。

總體來看，在信息傳遞過程中，分析師、媒體和審計師等市場信息中介發揮了關鍵作用（徐經長等，2022；劉景江等，2023；姜英兵，2004）。監管機構的監管往往具有溢出效應（Brown等，2018；Bozanic等，2017），財政部會計信息質量檢查公告的發布會導致或加強媒體、分析師、投資者等市場參與者的治理作用。信息中介能夠及時對企業會計信息質量做出反饋，經由信息中介的傳遞作用，降低（潛在）投資者與企業及其同業企業的信息不對稱水平，搭建“信任橋梁”，縮短信息的社會距離，降低同業融資約束。

基于以上分析，本文提出研究假設H1和H2：

H1：相較于未被查行業的企業，會計信息質量檢查公告發布后，同業企業融資約束顯著緩解。

H2：會計信息質量隨機檢查能夠改善會計信息環境，進而緩解同業企業融資約束。

圖2 理論分析框架

三、研究設計

（一）樣本說明與數據來源

本文手工收集和整理了財政部會計信息質量檢查第26 ～40 號公告，選取全部非金融業A 股上市公司為研究對象，并剔除交叉上市的企業、上市年份晚于年報發布年份的企業。特別的是，本文剔除了收集公告范圍內所有的被查上市公司樣本，以未被檢查行業的上市公司為對照組、被查上市公司的同業為實驗組，檢驗會計信息質量隨機檢查對于同業上市公司融資約束的影響，最終形成26874個“公司—年份”樣本。其中，會計信息質量隨機檢查信息來源于財政部網站，媒體關注度信息來自中國研究數據服務平臺（CNRDS）財經新聞庫，公司基本信息和財務數據均來自國泰安（CSMAR）數據庫。

本文樣本區間是2008 ～2019 年。財政部會計信息質量隨機檢查自1999年展開，截至目前已發布至第44號檢查公告，公告內容和格式也在不斷更新和完善。考慮到我國2007年會計制度改革的影響，選擇2008年及以后的樣本進行觀測。為提高檢查效率，有效整合檢查力量，自2012 年起省市縣三級財政部門聯動，針對非金融業開展會計信息質量檢查，充分調動各省、自治區、直轄市、計劃單列市的財政專員辦，針對在全國范圍內開設分公司、子公司的企業開展全面調查。因此，本文將首次針對非金融行業發動財政專員辦聯合檢查①作為第一個政策沖擊時點，并觀測政策沖擊發生的前4年的樣本情況。除此之外，為了識別會計信息質量隨機檢查對同業融資約束的凈影響，考慮到2020 年突發事件對于全球經濟的外部沖擊，本文剔除了2020年以后的樣本。

（二）變量與模型設定

本文運用多時點雙重差分（Staggered DID）模型，檢驗財政部會計信息質量隨機檢查對被查企業同業企業融資約束的治理溢出效應。信息不對稱是導致企業融資約束的主要原因，當企業受到強烈的融資約束且未來現金流不足以投資所有NPV為正的項目時，企業會被迫從現金流中提取現金，從而表現出“現金—現金流”的高敏感性。因此，本文參考Almeida等（2004）對融資約束的衡量方式，構建“現金—現金流”敏感性模型以反映會計信息質量隨機檢查對同業融資約束的影響。模型設定如下：

本文對模型（1）采用雙向固定效應模型進行回歸，控制個體（μi）和年度（λt）固定效應，并在行業維度聚類處理，以降低序列自相關和潛在的異方差帶來的影響。面臨融資約束的企業應當有正向的現金流敏感性，模型（1）中，若β2顯著為正，則意味著企業確實存在融資約束。若β1顯著為負，則表明在會計信息質量隨機檢查后，被查企業同業的融資約束程度有所緩解，即H1被證實。

其中，i代表企業，t代表年份。具體來看，以未被檢查行業的企業為控制組（treat=0）、被查企業的同業為實驗組（treat=1）。變量post為時點變量，會計信息質量隨機檢查發生當年及以后年度取值為1，以前年度取值為0。考慮到會計信息質量隨機檢查的治理溢出效應具有一定的時滯性，構建解釋變量DID為treat和post交乘項，并在此基礎上滯后一期。變量定義如表1所示。

表1 變量定義

四、實證分析

（一）描述性統計

表2 列示了主要變量的描述性統計結果。檢查行業（treat）均值為0.693，表明有69.3%的行業接受過會計信息質量隨機檢查，側面印證了財政部會計信息質量隨機檢查的范圍之廣。會計信息質量隨機檢查（DID）均值為0.483，即樣本中實驗組占比48.3%，對照組和實驗組樣本量相當。產權性質（SOE）均值為0.36，說明樣本中國有企業占比為36%。會計師事務所連帶（Audit）均值為0.188，即18.8%的樣本所處行業中企業被查后，會計師事務所被連帶審計。行業被查頻次（Freq）和上市公司被查數量（Com）均值分別為0.436、0.09，表明43.6%的樣本所處行業接受過兩次及以上的隨機檢查，樣本中9%的行業被查企業數量超過一家。各變量的分布均處于合理范圍。

表2 描述性統計

如表3所示，實驗組（DID=1）和控制組（DID=0）的融資約束存在明顯差異，實驗組融資約束明顯小于控制組，兩組控制變量的分布不存在明顯差異。

表3 主要變量分組描述性統計

（二）基準回歸

表4 列示了財政部會計信息質量隨機檢查對于同業企業融資約束的影響，其中列（1）和列（2）分別為基于二維雙向固定效應模型和高維雙向固定效應模型的回歸結果。經營活動現金流變動（CF）的系數顯著為正，即同業企業確實受到了融資約束。交乘項CF×DID 的系數均在1%的水平上顯著為負，表明會計信息質量隨機檢查能夠顯著降低同業企業融資約束，H1被證實。

表4 基準回歸結果

（三）穩健性檢驗

1.平行趨勢檢驗。多時點雙重差分法成立的關鍵前提假設是在政策時點前，實驗組和對照組的樣本變化趨勢一致。為保證結論的穩健性，本文選擇回歸法對基準回歸模型進行平行趨勢檢驗。表5列（3）匯報了平行趨勢檢驗的結果。結果說明實驗組在會計信息質量隨機檢查前，即pre_*各期，其變化趨勢與對照組沒有顯著差異。而在會計信息質量隨機檢查后，即las_*各期，實驗組的變化趨勢大多與對照組產生了顯著差異。綜上，基準回歸模型滿足平行趨勢假設。

表5 平行趨勢檢驗、PSM-DID回歸結果

2.PSM-DID 法。為了剝離出財政部會計信息質量隨機檢查對于同業企業融資約束的凈影響，本文采用傾向得分匹配（PSM）法匹配與實驗組相對照的控制組，從而排除時間及其他效應的混淆和干擾，緩解樣本選擇偏誤等內生性問題。如表5 所示，本文選取同年度Size（企業規模）、ROA（資產報酬率）、Changewc（營運資本變動）、Dual（兩職合一）、balance_sq（股權制衡度）、Indgrowth（行業增長率）作為控制變量，被解釋變量融資約束作為協變量，運用卡尺近鄰匹配，參數設置卡尺0.01，分別按照1∶1近鄰無放回［列（1）］、1∶2近鄰［列（2）］兩種方式為實驗組進行第一階段的樣本匹配，并基于匹配樣本重新回歸。由表5可知，不同匹配方式下CF×DID的回歸系數均在1%的水平上顯著為負，再次表明財政部會計信息質量隨機檢查能夠緩解同業企業融資約束。

3.安慰劑檢驗。為了排除其他隨機性因素的干擾，本文采用安慰劑檢驗對會計信息質量隨機檢查發揮監督效應的偶然性進行識別判斷。參考La Ferrara 等（2012）的做法，隨機抽樣500次構建“政策虛擬變量”，使用模型再次進行擬合，檢驗其系數和P值、核密度系數分布。檢驗結果見圖3，表明交互項回歸系數基本服從均值為0的正態分布，財政部會計信息質量隨機檢查對同業企業融資約束并非其他隨機性因素所致，基準回歸結果穩健可靠。

4.替換被解釋變量。首先，本文重新度量融資約束，構建融資約束KZ 指數以檢驗結果的穩健性。選擇滬深上市公司為基礎樣本，剔除金融行業和數據缺失的樣本，并借鑒Kaplan 和Zingales（1997）、譚躍和夏芳（2011）、魏志華等（2014）的方法構建KZ指數。表6給出了會計信息質量隨機檢查對同業企業融資約束影響的回歸結果，其中列（1）和列（2）基于二維雙向固定效應模型，列（3）和列（4）基于高維雙向固定效應模型，解釋變量系數均在1%的水平上顯著為負。列（2）和列（4）列示了加入控制變量后的回歸結果，系數仍在1%的水平上顯著為負。

表6 KZ指數回歸結果

其次，根據Hadlock 和Pierce（2010）的研究，SA 指數法使用完全外生的變量計算，能夠較為綜合地反映公司融資約束程度，有效避免了內生性變量引起的偏誤。通常SA指數的絕對值與公司融資約束正相關。本文參考鞠曉生等（2013）的做法，運用模型（2）計算得到SA指數，其中Size 表示企業規模，Age表示企業經營時間。如表7所示，本文使用SA 指數作為融資約束的替代變量，并應用二維雙向固定效應模型［列（1）］和高維雙向固定效應模型［列（2）］進行回歸，回歸結果表明會計信息質量隨機檢查對同業融資約束起到緩解作用，結果依舊穩健。

表7 SA指數回歸結果

五、進一步研究

（一）機制檢驗

本文參考江艇（2022）的建議，在“X→M→Y”的因果鏈條中，采用實證方法識別“X→M”的影響效果，通過文獻梳理或理論分析的方式說明“M→Y”的影響效果。

證券分析師作為資本市場上專業的咨詢分析人員，相較于非職業投資者具有更廣泛的信息收集途徑和更專業的信息處理能力，為資本市場各參與主體提供了理性反映企業價值的價格信息，有助于減弱證券市場價格非理性偏離，提高價格信息有效性。在成熟的資本市場中，分析師能夠作為信息中介，實現上市公司和投資者的有效連接（張龑等，2021）。分析師跟蹤人數是公司信息環境的指示器（Mark等，2003），能夠有效代理私有信息的獲取情況，反映市場對于企業的關注度。目前學界對于分析師與會計信息環境關系開展研究的主流觀點依托于信息不對稱理論，認為分析師的關注和跟蹤能夠在一定程度上緩解信息不對稱的問題，優化上市公司的會計信息環境（張龑等，2021；蔡貴龍等，2022）。進一步地，分析師對盈余的預測質量與債務融資成本呈現顯著負相關關系（黃波等，2018），分析師跟蹤能夠降低信息風險，有助于信息使用者正確理解風險信息，促進直接融資（李穎等，2020）。

審計師在審計財務報告時，一方面會通過審計調整來矯正企業的不恰當披露，確保披露滿足監管部門的需要；另一方面，對未按要求調整審計的企業，審計師通過出具非標準意見的方式將企業信息披露中出現的問題傳遞給投資者，以維護投資者利益。高質量審計通過提高會計信息質量，顯著增強了高管薪酬業績敏感度，優化了高管薪酬激勵（王永妍和周瑩瑩，2023）。審計作為重要的外部監管方式，能夠提升企業財務透明性和合規安全性，及時發現風險隱患，從而促進企業高質量發展（蔣園園和吳琰琰，2023）。較高的審計質量能夠更好地保護投資者利益，因此審計質量也是衡量會計信息環境質量的重要指標之一。

媒體關注對上市公司信息披露發揮了外部治理作用。媒體通過揭露曝光企業的違規行為，降低了監管部門的信息不對稱程度，從而引發監管關注（王云等，2017）。媒體關注通過吸引投資者的注意，傳遞相關的決策信息，從而降低（潛在）投資者與管理層之間的信息不對稱程度，提高會計信息透明度，進而改善會計信息環境（孫蕾，2017；孫蕾和劉笑霞，2016）。

為了綜合反映會計信息環境質量，本文從分析師、審計師和媒體三個角度，使用熵值法建立會計信息環境指數。分析師跟蹤（Follow）指的是企業當年的分析師跟蹤人數。參考張純和呂偉（2009）的做法，從國泰安CSMAR數據庫獲取數據，通過手工整理剔除分析師多次分析的重復數據，加1 后取自然對數。審計費用作為審計質量（Auditquality）的代理變量，包括直接支付給會計師事務所的費用和間接費用等。媒體關注（Media）數據來源于CNRDS 財經新聞庫。參考王福勝等（2021）、余艷等（2023）的做法，按交易時間量化網絡新聞、財經新聞報道數量，計算標題中出現該公司的新聞年度總和，加1后取自然對數。為了綜合反映信息中介在信息傳遞中的作用，本文根據熵值法確定各個信息中介的權重，生成會計信息環境變量（Entropy）。一般地，媒體關注度越高，分析師跟蹤人數越多，審計質量越高，表明企業所處的信息環境越好。因此，三個指標的系數均同向為正。

如表8 所示，列（1）報告了政府會計監督對會計信息環境影響的檢驗結果，DID的回歸系數在1%的水平上顯著為正，說明會計信息質量隨機檢查顯著改善了會計信息環境，H2得證。說明會計信息環境的優化的確是政府會計監督緩解同業企業融資約束的有力路徑。即會計信息質量隨機檢查通過改善會計信息環境，緩解了同業企業融資約束，改善了同業企業的融資處境。為了進一步說明三個重要信息中介發揮的中介效應，本文對媒體、分析師、審計的治理作用進行單獨回歸。表8 列（2）、（3）、（4）分別為審計質量、媒體關注和分析師跟蹤的中介回歸結果，審計和媒體治理的系數均在1%的水平上顯著，分析師治理的系數在10%的水平上顯著，結果仍然穩健。

表8 機制檢驗回歸結果

（二）異質性分析

1.產權性質。政府財會監督可以發揮區分不同企業質量的篩選作用。相比國有企業，民營企業普遍存在更加嚴重的信息不對稱問題，國有企業和民營企業在融資環境上存在天然差異。由于利益關聯，國有企業有充分的動機向政府要求稅收優惠、信貸優惠、行業準入等各種補償。在績效考評壓力下，當地政府有強烈的動機干預銀行決策，進而促使國有企業獲取更多的銀行貸款（陶然等，2022）。相對民營上市公司，國有上市公司能獲得更多的長期債務融資（江偉和李斌，2006）。從混合所有制改革視角來看，國有資本參股能夠通過擴大民營企業債務融資規模、降低債務融資成本、提升民營企業政府補貼等方式為民營企業提供資金支持，從而緩解民營企業的融資約束（曾敏，2023）。

政府財會監督通過官方財務信息背書，可以向銀行等金融機構傳遞企業信用狀況的積極信號，緩解企業的融資約束。而國有企業信用風險本就較低，政府財會監督行為的信號價值有限，難以進一步緩解其融資約束。因此，本文以產權性質（SOE）為依據，對樣本進行回歸。表9中列（1）產權性質異質性回歸結果表明，相較于國有企業，財政部會計信息質量隨機檢查對民營企業的同業企業融資約束的緩解作用更強。

表9 異質性回歸結果

2.連帶會計師事務所檢查的同業企業。為進一步健全財會監督體系，切實履行財會監督職責，財政部會計信息質量隨機檢查監管范圍不斷擴大，監管力度持續加大，呈現出傳統行業與新興產業檢查相結合、會計主體的會計信息質量檢查和會計師事務所的執業質量檢查相結合、企業和行政事業單位會計信息質量檢查相結合的特點。在會計信息質量檢查公告第10號中提到了會計師事務所延伸檢查的案例，當公司存在重大錯報且財政部認為會計師事務所沒有勤勉盡責時，財政部可以合理延伸檢查至會計師事務所。

根據信號傳遞理論，政府財會監督若發現企業會計信息質量存在重大問題，且根據會計師事務所開展延伸檢查，那么將向外傳遞連帶企業的會計信息質量可能存在問題的負面信號，對連帶企業的融資能力造成事實損害，從而加劇連帶企業的融資約束。對非連帶企業而言，融資約束得到相對緩解。信息加工理論提供了不同的分析視角。銀行等金融機構面對大量信息，基于有限理性假設可能會簡化風險識別程序，懲罰連帶企業，造成連帶企業融資約束加劇。此時，資本的逐利本性驅使資金運動，促使銀行等金融機構轉向為非連帶企業配置更多資源，緩解非連帶企業的融資約束。由于會計師事務所和企業間存在綜合實力相當的正向匹配（張淑惠等，2021），因此政府會計監督可以借助會計師事務所的執業質量檢查向外輻射至多個企業，進而擴大隨機檢查的影響范圍和影響效力。

本文手工收集了第26 ～40號會計信息質量檢查公告中各行業首次被查時被連帶審計的企業數量，構建連帶審計虛擬變量（Audit）。當行業首次被查連帶會計師事務所時，將Audit賦值為1，否則賦值為0。表9中列（2）的回歸結果表明，相較于連帶會計師事務所檢查的同業企業，沒有被連帶會計師事務所檢查的同業企業融資約束受影響的程度更高，緩解作用更強。

3.行業連續被查。本文的基準回歸采用多時點雙重差分模型，默認在政策發生首次及以后年份均受到政策實施的影響，即認為政策實施是“一錘定音”“影響深遠”的。實際上，財政部每年都在開展會計信息質量隨機檢查，被檢查過的行業并不一定能夠連續被查。本文認為政府財會監督若多次檢查同一行業，會向外界傳遞該行業存在普遍且嚴重的會計信息問題的負面信號，對該行業內的所有企業聲譽產生潛在危害，加劇多次被查行業同業企業的融資約束。而單次檢查的信號更加針對被抽查企業自身，溢出效應有限。

因此，為了識別出連續被查行業在政策效果上的差異性，本文手工收集了第26 ～40 號會計信息質量檢查公告中各行業被查上市公司數量，構建行業被查數量虛擬變量（Freq）。當行業被查次數小于等于1時，將Freq賦值為0，否則賦值為1。表9中列（3）行業被查次數回歸結果表明，財政部會計信息質量隨機檢查對行業多次被查的同業企業融資約束的緩解作用更弱。

4.上市公司被查的同業企業。產業組織理論認為，上市公司占比越高，行業聲譽對政府財會監督的敏感度越高。銀行等金融機構可能因結構性偏差而縮減對上市公司占比較高行業的資金供給。這形成了對上市公司占比較高的行業同業企業的融資歧視，進而加劇融資約束。

為了進一步檢驗財政部會計信息質量隨機檢查的監管力度，本文手工收集了第26 ～40 號會計信息質量檢查公告中各行業被查上市公司數量，構建上市公司被查數量虛擬變量（Com）。當行業被查上市公司小于等于1時，將Com賦值為0，否則賦值為1，從而構建分組。表9中列（4）上市公司被查數量回歸結果表明，財政部會計信息質量隨機檢查對上市公司被查的同業企業融資約束的緩解作用更弱。

六、結論與啟示

會計信息質量隨機檢查作為政府會計監督的重要手段，通過加大監管力度，賦能會計信息環境，對同業企業有效發揮治理作用，緩解了同業企業的融資約束。從作用機制來看，本文從審計師、分析師和媒體三個重要的信息中介主體出發，構建會計信息環境綜合指標，發現政府會計監督能夠通過優化會計信息環境，進而緩解同業企業的融資約束。政府會計監督的治理溢出效應在非國有企業中表現得更為顯著，這主要是由國有企業和民營企業天然融資環境差異所致。對于未連帶會計師事務所被罰的同業企業、未連續被查的同業企業以及行業上市公司沒有被罰的同業企業，其融資約束的緩解更為顯著。

基于以上結論，本文提出以下政策性建議：

第一，統籌多元化財會監督力量，合理高效安排各類監督資源。財政部作為財會監督的主責人，要從頂層設計層面優化財會監督資源配置，充分整合各類財會監督資源。其一，實現財政部內部資源高效利用，聯動省市縣多級聯合查處的同時，打破財政專員辦地區壁壘，按隨機檢查工作量調配財會監督資源，確保整體的工作進度。其二，縱向鏈接財會監督力量，加強與中國證監會、媒體、分析師等行業自治組織和中介機構的協同合作。借助多方合作實現優勢互補，避免重復檢查造成的財會監督資源的浪費，并且通過多主體合力加大隨機檢查力度，增加隨機檢查的影響力和震懾力。其三，在連帶會計師事務所檢查的基礎上完善雙向檢查機制，謹慎借助會計師事務所和企業間的雙向輻射作用，良性利用信息質量會計隨機檢查的溢出效應。

第二，推進“隨機性”制度優勢和治理效能的協同提升，實現財會監督向會計決策賦能。目前財政部會計信息質量隨機檢查遵循的“雙隨機、一公開”指的是檢查人員的隨機、抽查企業隨機以及以公告形式面向公眾公開。一方面，進一步發揮“隨機性”制度優勢，完善和構建雙向檢查機制，從企業延伸至會計師事務所的同時，增加從會計師事務所客戶中隨機抽取企業的流程，形成企業與會計師事務所間會計信息質量的雙向交互影響，從而充分激發會計信息質量隨機檢查雙向輻射的治理效應。另一方面，提升公告相關信息的透明度，規范公告格式和公示發布行為，切實為會計信息決策注入政府力量。抽查行業和企業的隨機過程并未向社會公眾公開，且每個會計年度公布的形式不一，在公告內容、形式和公告發布時間上規范性不強。為消除醫藥行業藥價虛高的頑疾，2019年財政部聯合國家醫保局針對77家醫藥企業開展會計信息質量隨機檢查，而2021年發布的第40號會計信息質量檢查公告僅公開了被處罰的19 家企業，未對其余企業做出說明。隨機過程的不透明性、隨機結果的半透明化、公告發布時間的任意性等減弱了財會監督的信息活化和信息賦能，不利于與投資者間的互動溝通，進而阻礙檢查公告發揮長效治理作用。

第三，建立健全系統化查后反饋機制、回訪機制和互動機制，重視會計信息質量隨機檢查制度在中觀行業層面的溢出效應。首先，實現會計信息質量隨機檢查制度的全面化、流程化，對被查處企業的整改情況進行實地考核，并通過多平臺與投資者等利益相關者互動，確保被查處企業對問題整改落地。其次，構建被查回訪機制和查后評估體系，對以前年份處罰力度大、影響范圍廣等企業定期回訪，從而延伸財政部隨機檢查的時效性。最后，重視會計信息質量隨機檢查制度的中觀溢出效應，抽查被查企業的同業企業，擴大制度在行業層面的治理效應。

【注 釋】

①財政部會計信息質量檢查公告（第二十六號），詳見網頁https://jdjc.mof.gov.cn/gongzuodongtai/201312/t20131227_1030261.htm。

【 主要參考文獻】

蔡貴龍，張亞楠，徐悅等.投資者—上市公司互動與資本市場資源配置效率——基于權益資本成本的經驗證據［J］.管理世界，2022（8）：199 ～217.

郭陽生，沈烈，郭枚香.滬港通改善了上市公司信息環境嗎？——基于分析師關注度的視角［J］.證券市場導報，2018（10）：35 ～43+50.

黃波，王滿，于浩洋.分析師預測質量影響了債務融資成本嗎？——來自我國上市公司的經驗證據［J］.金融評論，2018（2）：56 ～72+124.

江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100 ～120.

江偉，李斌.制度環境、國有產權與銀行差別貸款［J］.金融研究，2006（11）：116 ～126.

姜英兵.會計準則執行框架構建［J］.管理世界，2004（11）：150 ～151.

蔣園園，吳琰琰.審計質量、企業聲譽與企業高質量發展［J］.科學決策，2023（8）：98 ～112.

鞠曉生，盧荻，虞義華.融資約束、營運資本管理與企業創新可持續性［J］.經濟研究，2013（1）：4 ～16.

李穎，王曉艷，伊志宏.分析師跟蹤與企業去產能——基于成本粘性視角的研究［J］.宏觀經濟研究，2020（5）：145 ～165.

劉景江，鄭暢然，洪永淼.機器學習如何賦能管理學研究？——國內外前沿綜述和未來展望［J］.管理世界，2023（9）：191 ～216.

柳光強，王迪.政府會計監督如何影響盈余管理——基于財政部會計信息質量隨機檢查的準自然實驗［J］.管理世界，2021（5）：157 ～169+12.

孫蕾.媒體監督、制度環境與信息透明度——基于我國資本市場的數據［J］.財會通訊，2017（3）：17 ～19.

譚躍，夏芳.股價與中國上市公司投資——盈余管理與投資者情緒的交叉研究［J］.會計研究，2011（8）：30 ～39+95.

陶然，石昕，劉峰.誰遭遇了“信貸歧視”？——基于中國資本市場特征的經驗證據［J］.管理評論，2022（11）：42 ～53.

王福勝，王也，劉仕煜.網絡媒體報道對盈余管理的影響研究——基于投資者異常關注視角的考察［J］.南開管理評論，2021（5）：116 ～129.

王敏，徐玉德.會計信息質量檢查與上市公司融資約束［J］.會計與經濟研究，2023（1）：81 ～98.

王永妍，周瑩瑩.高質量審計如何影響高管薪酬業績敏感度？［J］.科學決策，2023（10）：205 ～229.

王云，李延喜，馬壯等.媒體關注、環境規制與企業環保投資［J］.南開管理評論，2017（6）：83 ～94.

魏志華，曾愛民，李博.金融生態環境與企業融資約束——基于中國上市公司的實證研究［J］.會計研究，2014（5）：73 ～80+95.

徐經長，柯劭婧，何樂偉.新收入準則能否提高會計信息質量？——基于分析師預測視角的研究［J］.會計研究，2022（9）：3 ～20.

于連超，張衛國，畢茜.環境稅對企業綠色轉型的倒逼效應研究［J］.中國人口·資源與環境，2019（7）：112 ～120.

曾敏.國有資本參股對民營企業研發創新的影響及其作用機制研究［J］.經濟學家，2023（12）：66 ～76.

張純，呂偉.信息披露、信息中介與企業過度投資［J］.會計研究，2009（1）：60 ～65+97.

張淑惠，龐笛，祝丹楓.會計師事務所與客戶的雙邊匹配［J］.南京審計大學學報，2021（4）：12 ～21.

張龑，王竹泉，程六兵.生產網絡信息溢出效應研究：分析師視角［J］.財經研究，2021（9）：63 ～77.

祝繼高，朱佳信，李天時等.政府會計監督與銀行信貸行為研究——基于財政部會計信息質量隨機檢查的證據［J］.管理世界，2023（1）：157 ～176+189+177～179.

Charles J.Hadlock，Joshua R.Pierce.New Evidence on Measuring Financial Constraints：Moving Beyond the KZ Index［J］.Review of Financial Studies，2010（23）：1909 ～1940.

Eliana La Ferrara，Alberto Chong，Suzanne Duryea.Soap Operas and Fertility：Evidence from Brazil［J］.American Economic Journal：Applied Economics，2012（4）：1 ～31.

Heitor Almeida，Murillo Campello，Michael S.Weisbach.The Cash Flow Sensitivity of Cash［J］.The Journal of Finance，2004（59）：1777 ～1804.

Mark H.Lang，Karl V.Lins，Darius P.Miller.ADRs，Analysts，and Accuracy：Does Cross Listing in the United States Improve a Firm's Information Environment and Increase Market Value？［J］.Journal of Accounting Research，2003（41）：317 ～345.

S.N.Kaplan，L.Zingales.Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints？［J］.The Quarterly Journal of Economics，1997（112）：169 ～215.

Stephen V.Brown，Xiaoli（Shaolee）Tian，Jennifer Wu Tucker.The Spillover Effect of SEC Comment Letters on Qualitative Corporate Disclosure：Evidence from the Risk Factor Disclosure［J］.Contemporary Accounting Research，2018（35）：622 ～656.

Zahn Bozanic，J.Richard Dietrich，Bret A.Johnson.SEC Comment Letters and Firm Disclosure［J］.Journal of Accounting and Public Policy，2017（36）：337 ～357.