同行企業描述性創新信息披露的溢出效應

摘 要：探討同行企業描述性創新信息披露能否通過改善目標企業信息環境，產生促進目標企業創新績效的溢出效應。基于機器學習和文本分析方法構建披露指標，結果發現，同行描述性創新信息披露水平提高能夠顯著促進目標企業創新產出“數量”與“質量”提升。信息披露語調越積極、可讀性和前瞻性越強，信息披露溢出效應越顯著。機制檢驗發現，拓展目標企業信息獲取渠道、加強管理層機會主義行為治理是信息披露溢出效應產生的主要機制。進一步研究發現，相較于“言行不符”的信息披露，“言行一致”的信息披露更能促進目標企業創新績效提升。通過提高企業創新績效，同行描述性創新信息披露有助于目標企業長期經營業績提升。

關鍵詞：同行企業；描述性創新信息；溢出效應；企業創新；機器學習

DOIDOI：10.6049/kjjbydc.2023090336

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號中圖分類號：F271.5

文獻標識碼：A

文章編號文章編號：1001-7348（2024）15-0022-11

0 引言

內生經濟增長理論認為，創新不僅是塑造企業競爭優勢的關鍵，也是國家經濟可持續增長的根本動力。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確提出，堅持創新在我國現代化建設全局中的核心地位，實施創新驅動發展戰略。在此背景下，探討如何增強企業自主創新意愿、優化創新資源配置，進而推動實質性創新能力提升具有理論意義和現實價值。

創新是吸收和利用既有信息以創造新信息的過程[1]。充分的信息獲取有利于企業甄別創新項目、獲取創新知識、評估創新價值，良好的信息環境是企業創新的必要條件[2]。同群效應研究表明，由于面臨相似的經濟條件和市場環境，同行信息是企業制定決策的重要參考。企業能夠利用同行信息制定適合自身發展情況的財務決策[3]。已有文獻基于財務信息視角研究發現，同行企業信息披露會影響企業投資[4]、信息披露[5-6]和投資者行為[7]。現有非財務信息披露研究主要關注企業年報“管理層討論與分析”（以下簡稱“MDamp;A”）章節語調的溢出效應，結果發現，同行積極語調能夠促進企業創新投入[8-9]。然而，鮮有文獻基于信息內容視角探討非財務信息披露的溢出效應，對與創新密切相關的描述性創新信息關注不足。

中國股票市場于2023年2月全面實行注冊制改革，企業年報中以文本為載體、具有信息含量的描述性創新信息披露水平不斷提高，成為影響企業市場估值的重要因素。為了獲得更高的估值，上市企業會積極披露未來研發方向、在研項目進展、專利授權情況、成果市場前景等描述性創新信息，以此彌補研發支出等會計信息無法反映企業創新全貌的不足，從而改善企業創新信息環境。鑒于信息環境對企業創新的重要意義，本文關注同行企業描述性創新信息披露對企業創新績效的溢出效應及作用機制，并進一步考察上述信息的文本特征對溢出效應的影響。

本文研究貢獻如下：第一，將非財務信息披露內容引入信息披露溢出效應研究領域。與現有文獻不同，本文關注同行描述性創新信息及其文本特征對目標企業創新績效的影響，響應Leuz＆Wysocki[10]的研究呼吁（關注信息披露溢出效應對實體經濟發展的影響）。第二，深化對描述性創新信息披露經濟后果的理解。現有描述性創新信息披露研究主要關注相關影響因素[11-12]，結果發現，描述性創新信息披露能夠提高分析師預測表現[13]、降低股價同步性[14]。需要指出的是，鮮有文獻基于同行企業視角考察這類信息溢出對目標企業創新的影響。本文結論有助于深化對描述性創新信息披露經濟后果的理解。第三，通過構建語調、前瞻性、可讀性等特征變量，揭示文本特征差異的調節效應。本文通過提取年報描述性創新語句，探討描述性創新信息披露語調、可讀性和前瞻性的調節效應，證實文本特征對非財務信息披露的經濟后果具有重要影響。

1 文獻綜述與研究假設

1.1 同行企業信息披露的溢出效應

由于面臨相似的宏觀政策和市場環境，同行企業商業模式和主營業務相似，彼此間信息披露具有較強的相關性。同行私有信息和公開信息披露均可能影響企業決策，產生同群效應。已有文獻基于財務信息披露視角發現，當企業董事會或管理層人員存在交集時，企業在避稅[15]、盈余預測[16]和資本投資[17]方面存在同群效應。

企業可參考同行上市公司財務信息制定決策。現有研究發現，同行企業盈余預測能夠傳遞私有信息，降低目標企業對市場需求預測的不確定性，進而促進投資效率[3]和管理層盈余預測頻率[5]提升。同行企業強制性財務信息披露能夠傳遞系統性行業信息，與目標企業自愿性信息披露存在替代關系[6]。此外，同行企業財務造假會導致企業高估市場需求，進而降低企業決策效率[18]。在市場反應上，同行財務信息披露會提升目標企業股票流動性[19]，進而降低資本成本[20]。當同行企業發生財務重述時，目標企業股價也會降低[7]。現有研究考察了非財務信息披露特征的影響，結果發現，同行企業年報MDamp;A章節積極或消極語調會導致企業增加或減少資本支出與創新投資[8-9，21]。然而，對于非財務信息披露內容是否存在溢出效應這一問題，現有文獻尚未形成統一結論。

1.2 描述性創新信息披露相關研究

現有文獻更多關注以數字為載體的創新信息披露，包括企業研發支出和專利申請等，然而這類信息難以反映企業創新過程、計劃和市場前景。作為對數字信息的解釋與補充，描述性創新信息披露能夠有效緩解與投資者信息不對稱問題。在金融與科技深度融合的資本市場環境下，創新信息披露是避免企業價值被低估的重要途徑。然而，創新信息屬于企業專有信息，這類信息披露會產生知識溢出效應。因此，企業管理層在制定披露決策時會權衡成本與收益。

已有文獻發現，知識產權保護能夠降低描述性創新信息披露成本，促進披露水平提高[12]。在盈余水平較低時，企業會加強描述性創新信息披露，避免市值被低估[11]。現有相關研究發現，這類信息披露有利于減少分析師預測偏差和分歧[13]，降低股價同步性[14]，從而提高市場定價效率[22]。然而，已有研究較少基于同行企業財務決策視角，探討描述性創新信息披露的溢出效應。

綜上，已有文獻主要聚焦各類財務信息，以及非財務信息語調的溢出效應，忽視了不同屬性信息內容對目標企業決策的影響，尚未考察描述性創新信息披露對同行企業決策的影響。本文基于同行企業創新決策視角，考察年報描述性創新信息披露及其文本特征的溢出效應，是對現有相關文獻的有益補充。

1.3 同行描述性創新信息披露與企業創新績效

中國股票市場關于描述性創新信息披露的準則規定，始見于2003年12月《公開發行證券的公司信息披露內容與格式準則第2號—年度報告的內容與格式》（以下簡稱“《準則第2號》”）。2021年6月，《準則第2號》修訂版頒布。因此，上市公司在年報中主要對以下5類創新信息進行披露：企業創新產業布局和政策背景；企業創新組織管理與研發進展；企業創新戰略方向和發展思路；企業創新經濟和社會效益；創新成果和資質認定。

相較于研發投入等財務信息，描述性創新信息有助于外界更好地評估創新成功概率、企業競爭優勢，以及行業發展方向，進一步揭示企業創新價值。基于實物期權和委托代理理論，本文提出同行描述性創新信息披露對目標企業創新績效的作用機制，即信息學習機制與信息治理機制。

（1）信息學習機制。依據實物期權理論，企業創新投資專用性特征顯著，具有不可逆性，可看作是等待執行的看漲期權。在決定是否創新時，企業需要權衡當下行權收益與未來行權收益，如果當下收益凈現值高于創新投入和等待期權價值，則會開展創新。在期權定價模型中，等待期權價值與收益不確定性正相關。不確定性水平越高，代表企業投資機會成本越高，等待未來行權的價值越高。因此，項目收益不確定性水平越高，企業越會推遲創新投資。可見，不確定性風險會抑制企業創新意愿[23]。

有效的信息獲取是降低不確定性風險，提高企業創新效率，加快創新戰略布局的關鍵舉措。Aghion＆Jaravel[1]發現，行業內知識溢出會激勵企業加強研發投入，通過強化創新能力提升自身創新績效；Kong等[2 ]發現，信息獲取在創新方案制定、技術創新研發和商業轉化階段扮演重要角色。

由于面臨相似的市場機遇與挑戰，同行企業在創新項目選擇上存在較強的技術相關性。已有文獻證明，企業會根據同行公開信息識別創新機會，從而優化項目選擇[24]。同行企業描述性創新信息有助于企業降低創新過程中的不確定性風險。首先，這類知識溢出有助于企業豐富自身信息儲備。企業可以通過信息聚合、歸納預判未來行業發展方向，識別創新機會，從而降低項目前景預測的不確定性風險。其次，同行研發進展信息有助于企業客觀評估相似項目研發難度與風險，進而減少重復性研發與資源浪費[25]。綜上，根據實物期權理論，較低的創新不確定性風險能夠增強企業創新意愿，有助于企業合理配置創新資源，從而提升自身創新績效。

（2）信息治理機制。企業創新具有高不確定性、高風險和長周期特征。在創新過程中，管理層是企業創新決策的制定者和執行者。然而，受委托代理問題的影響，“創新短視”現象普遍存在。為了最大化私有收益，管理層會削減有利于長期價值增長的研發支出，具體表現為兩個方面：一方面，管理層會將企業資源投向風險較低的項目；另一方面，股東可能將非人為因素導致的創新失敗歸咎于管理層，加大管理層被處罰甚至被解雇的風險，上述職業擔憂會弱化其創新意愿[26]。

緩解上述代理問題的關鍵在于降低股東與管理層信息不對稱。財務信息透明度（Zhong，2018）、信息披露質量（蔣藝翅，姚樹潔，2022）和會計可比性（江軒宇，2017）有助于股東對管理層創新決策進行有效監督，進而對企業創新績效產生積極影響。然而，上述研究僅關注企業自身信息披露，現實中，管理層并不具備提高信息披露質量，進而幫助股東監督自己的主觀動機。因此，股東亟需借助同行業創新信息構建評判標準。

同行企業描述性創新信息能夠發揮治理作用。股東通過收集同行創新信息構建管理層創新表現評價標準，以此評判管理層是否在企業創新活動中存在懈怠。股東通過獲取同行描述性創新信息跟蹤同行創新項目研發過程，感知項目研發難度，進而正確評估本企業創新項目成功率。在創新失敗時，能夠更加客觀地看待并包容創新失敗。綜上，本文提出如下研究假設：

H1：同行描述性創新信息披露水平提高能夠促進目標企業創新績效提升。

1.4 描述性創新信息文本特征的影響

文本特征會影響非財務信息含量，以及信息使用者獲取信息的難易程度。本文進一步探討描述性創新信息語調、可讀性和前瞻性的影響。

語調被廣泛用于衡量自然語言的積極或消極態度，能夠傳遞信息發布者對未來的預期。已有研究發現，企業會根據同行MDamp;A章節語調調整自身投資決策，文本中包含的積極詞匯越多，說明行業內投資機會越多，有助于目標企業增加投資，而消極語調會抑制目標企業投資[9，21]。描述性創新信息相關研究發現，相較于消極語調，積極語調的信息披露能夠揭示同行對創新項目的樂觀預期，有助于目標企業強化自身學習意愿，從而識別具有前景的研發方向。此外，積極語調的信息披露可能揭示企業未來創新戰略，幫助股東掌握行業創新動態，進而發揮治理效應。

文本可讀性是衡量非財務信息披露質量的重要指標，較強的可讀性能夠降低信息使用者對文本理解的難度，使其更好地掌握信息內涵。Chen等[27]研究發現，伴隨客戶企業業績預告可讀性增強，供應商投資效率提高。較強的可讀性能夠幫助信息使用者獲取更多決策信息，從而提升決策效率。因此，當同行描述性創新信息披露的可讀性較強時，目標企業管理層能夠獲取更多決策信息，股東可以有效治理代理問題，從而進一步促進創新績效提升。

相較于歷史信息，前瞻性信息更能傳遞企業創新戰略以及潛在創新風險，具有更高的信息含量[11，14]。一方面，前瞻性創新信息有助于目標企業準確預測行業發展方向，進而提高創新項目甄別能力，制定有利于自身長期發展的創新戰略。另一方面，相較于歷史性描述，前瞻性信息有助于股東參考同行創新計劃評判管理層在創新工作中的努力程度，避免管理層“創新懈怠”。股東能夠通過前瞻性語句了解同行企業研發規劃，感知相關項目研發難度，從而對創新失敗更加包容。綜上，本文提出以下研究假設：

H2a：語調越積極，同行描述性創新信息披露對目標企業創新績效的促進作用越顯著；

H2b：可讀性越強，同行描述性創新信息披露對目標企業創新績效的促進作用越顯著；

H2c：前瞻性信息比重越大，同行描述性創新信息披露對目標企業創新績效的促進作用越顯著。

綜上，本文構建研究概念模型如圖1所示。

2 研究設計

2.1 樣本選擇與數據來源

本文以2006—2022年中國A股上市公司為研究樣本，并對其進行如下篩選：①剔除行業代碼首字母為“J”的金融業、保險業上市公司；②剔除ST、*ST或PT的公司樣本；③剔除研究變量缺失樣本。最終，得到40 524個公司—年度觀測值。本文企業專利申請數據和被引用次數數據分別來自CNRDS、WinGo數據庫，上市公司年度報告文本來自巨潮資訊網，其它數據來自CSMAR數據庫。本文使用WinGo數據平臺工具對文本語料進行預處理，依據《上市公司行業分類指引》（2012年修訂）對行業進行劃分，樣本公司涉及80個行業。

2.2 變量定義

2.2.1 被解釋變量

企業創新績效（Innovation）。參考現有相關文獻[2]，本文采用兩類專利數據衡量企業創新績效。其中包括企業當年申請并最終授權的專利總數（PAT），它能夠反映企業整體創新產出“數量”。為了反映創新“質量”，本文采用企業當年申請并在專利公開后5年內被后續專利引用次數（CIT）作為第二類績效指標，上市公司專利被引用次數相關數據最新統計年份為2021年。為了滿足被解釋變量正態分布的要求，本文對上述兩類變量進行自然對數處理，分別以Ln（1+PAT）和Ln（1+CIT）表示。

2.2.2 解釋變量

同行描述性創新信息披露（Inno_Dis）。與傳統詞典法不同，本文采用“種子詞集+Word2Vec相似詞擴充”方法構建描述性創新信息指標。參考相關文獻[11，28]，對年報多次研讀校驗得到種子詞集。相較于傳統詞典法，Word2Vec神經網絡模型可以根據語義信息將詞匯轉換為多維向量，并通過計算向量的相似度得到相似詞。本文采用其中的CBOW（Continuous Bag-of-words Model）模型對中文語料進行訓練。描述性創新關鍵詞如見表1所示。

在構建描述性創新關鍵詞詞集后，本文以年報中描述性創新信息的總詞頻/年報總詞頻衡量描述性創新信息披露水平。在此基礎上，本文采用當年除目標企業外其余同行企業描述性創新信息披露水平的算術平均數衡量同行描述性創新信息披露水平（Inno_Dis）。

2.2.3 調節變量

本文涉及的調節變量包括描述性創新信息語調、可讀性和前瞻性信息含量。參考現有文獻，本文從年報文本中提取描述性創新信息相關語句，在此基礎上構建描述性創新信息特征指標，具體構建方法如下：

（1）語調特征用于衡量自然語言中情感的積極性或消極性。本文采用情感詞典法提取描述性創新信息的語調指標，借助金山詞霸等權威工具對Lamp;M詞典中的積極詞匯和消極詞匯進行詞集翻譯并構建種子詞集，再使用同義詞詞林工具對種子詞集進行擴充，最終得到3 823個積極詞匯和7 683個消極詞匯。在獲得積極詞典和消極詞典后，本文采用式（1）進行計算。

Tone_Inno=Wordcnt_Pos－Wordcnt_NegWordcnt_Pos+Wordcnt_Neg+1（1）

其中，Wordcnt_Pos是指年報描述性創新信息文本中的積極詞匯詞頻，Wordcnt_Neg是指年報描述性創新信息文本中的消極詞匯詞頻，分母加1是為了避免分母為0的情況。本文采用同行企業描述性創新信息語調的算術平均值衡量同行描述性創新信息語調（Inno_Tone）。

（2）可讀性是指理解文本信息的難易程度。信息可讀性越強，其內容表述方式越容易理解。本文采用常用字密度作為可讀性的代理變量，常用字密度是指年報文本每一百字中出現的常用字個數。常用字個數采用描述性創新信息的總字數減去其中次常用字的字數表示，次常用字來自《現代漢語次常用字表》（1988）。常用字密度越大，說明描述性創新信息可讀性越強，具體計算公式如下：

Read_Inno=100×（1－Charcnt_HardCharcnt_Total）（2）

其中，Charcnt_Hard表示年報描述性創新信息中包含此常用字的句子數目，Charcnt_Total表示年報描述性創新信息內容的總句數。類似地，本文采用同行其余企業描述性創新信息可讀性的算術平均值衡量同行描述性創新信息可讀性水平（Inno_Read）。

（3）描述性創新信息不僅包括企業對過去和當前創新活動的描述，而且包括企業未來創新計劃，即前瞻性內容。本文采用“種子詞集+Word2Vec相似詞擴充” 方法確定前瞻性關鍵詞詞集，再計算出描述性創新信息句子中包含前瞻性詞匯的句子比例，具體計算公式如下：

Forward_Inno=Sentcnt_ForwardSentcnt_Total（3）

其中，Sentcnt_Forward表示年報描述性創新信息內容中包含前瞻性詞匯的句子數目，Sentcnt_Total表示年報描述性創新信息內容的總句數。類似地，本文采用同行其余企業描述性創新信息的前瞻性語句算術平均值衡量同行描述性創新信息前瞻性水平（Inno_Fwrd）。

2.2.4 控制變量

參考現有文獻，本文模型控制變量包括目標企業描述性創新信息披露水平（Inno_Dis_Self）、企業規模（Size）、資產負債率（Lev，總負債與總資產的比值）、上市時間（Age，企業上市至今的年數）、盈利能力（ROA，總資產報酬率）、現金持有水平（Cash，貨幣資金與總資產的比值）、有形資產比例（PPE，固定資產凈值與總資產的比值）、同行企業平均資產規模（Size_Peer）、資產負債率（Lev_Peer）、上市時間（Age_Peer）、盈利能力（ROA_Peer）、現金持有水平（Cash_Peer）、有形資產比例（PPE_Peer）。

2.3 模型構建

借鑒已有研究成果[9]，本文建立如下模型：

Innovationi，t+1=β0+β1Inno_Disi，t+β2CVi，t+Yeart+Firmi+εi，t（4）

Innovationi，t+1=β0+β1Inno_Disi，t+β2Xi，t+β3Inno_Disi，t×Xi，t+β4CVi，t+Yeart+Firmi+εi，t（5）

其中，Innovationi，t+1代表企業未來一期創新績效，Inno_Disi，t為當期同行企業描述性創新信息披露水平，CVi，t為控制變量，Xi，t為文本特征的調節變量，Yeart、Firmi分別為年度和公司固定效應，εi，t代表隨機擾動項。本文對所有連續變量進行1%水平上的雙邊縮尾處理，對標準誤進行聚類處理，并對模型（5）中的交互項進行中心化處理。

2.4 描述性統計

變量描述性統計結果如表2所示。結果顯示，樣本企業描述性創新信息披露（Inno_Dis_Self）的均值為0.8%，代表年報的每1 000個詞組中，有8個詞組包含創新信息。從企業創新產出看，企業每年平均申請并最終授權的專利總數（PAT）為40.08，標準差為96.888，表明企業樣本在專利申請數量上差異較大。從專利產出質量角度，專利公開后5年內，企業專利平均被引用次數為13.913，標準差為45.698。由此說明，相較于專利產出數量，企業樣本在專利質量上的差異更顯著。

3 實證結果與分析

3.1 基準回歸結果分析

根據模型（4）的設定，本文采用OLS回歸對研究假設進行檢驗，結果如表3所示。列（1）中，同行描述性創新信息披露（Inno_Dis）的回歸系數在1%水平上顯著為正，表明同行描述性創新信息披露水平提高有助于目標企業有效專利申請總量增加。列（2）中，解釋變量同樣在1%水平上顯著為正，說明同行描述性創新信息披露提高不僅可以促進企業創新成果數量增加，而且能夠促進企業創新成果質量提升。此外，回歸系數的經濟意義同樣顯著：解釋變量每提高1個標準差（0.003），下一期目標企業專利申請數量增加0.197且專利5年內被引用次數增加0.092，分別占各自均值的8.9%、11.6%。實證結果表明，同行描述性創新信息對企業創新績效具有正向溢出效應，假設H1得到支持。

3.2 異質性檢驗結果分析

文本特征調節效應檢驗回歸結果如表4所示。列（1）（2）中，同行描述性創新信息披露及其與積極語調的交互項（Inno _Dis×Inno_Tone）系數分別在5%、1%水平上顯著為正，說明同行描述性創新信息語調越積極，這類信息披露對目標企業創新績效的促進作用越顯著，假設H2a得到支持。同理，列（3）（4）中，交互項（Inno _Dis×Inno_Read）系數均在1%水平上顯著為正，說明較強的可讀性能夠降低目標企業信息獲取難度，進一步強化同行創新信息披露的溢出效應，假設H2b得到支持。列（5）（6）中，交互項（Inno _Dis×Inno_ Fwrd）系數均在1%水平上顯著為正，表明同行描述性創新信息中前瞻性信息占比越大，這類信息披露對目標企業創新績效的溢出效應越顯著，假設H2c得到支持。

3.3 穩健性檢驗

3.3.1 內生性問題處理

本文使用工具變量法處理潛在內生性問題。在同一行業內，企業在制定創新決策時會受到共同行業因素影響，這些因素也會間接影響同行企業描述性創新信息披露。為緩解不可觀測遺漏變量導致的內生性問題，借鑒李姝等[9]的研究方法，本文選取滯后一期同行業企業股票特質收益率（Alpha）作為工具變量，并運用兩階段最小二乘法對研究假設進行檢驗。

（1）股票特質收益率能夠反映企業特質性風險收益，與企業信息披露存在顯著相關關系。在第一階段回歸中，當以同行描述性創新信息披露（Inno_Dis）為被解釋變量，同行企業股票特質收益率（Alpha_Peer）為解釋變量時，回歸系數在1%水平上顯著為正。F統計值為519.37，大于經驗值10，說明工具變量并非弱工具變量。

（2）股票特質收益率計算過程排除了系統性因素，收益率僅與企業層面因素相關，受不可觀測系統性遺漏變量干擾的可能性較小。表5列（1）和列（2）展示了第二階段回歸結果，結果顯示：采用第一階段回歸擬合值作為第二階段解釋變量情景下，回歸系數均在1%水平上顯著為正，結果受遺漏變量影響的概率較低。

3.3.2 其它穩健性檢驗

（1）被解釋變量滯后期數。考慮到企業創新周期較長，描述性創新信息披露對目標企業創新績效的影響可能存在時滯性，因而對模型（4）中的被解釋變量作滯后二期處理，結果見表5列（3）（4）。由此可見，結果具有穩健性。

（2）使用發明專利申請數量衡量創新績效。將企業當年申請并最終授權的發明專利數量（INV）的自然對數作為被解釋變量進行檢驗，表5列（5）中解釋變量的回歸系數在1%水平上顯著為正。

（3）使用MDamp;A章節作為描述性創新信息披露的語料來源。以年報MDamp;A章節作為描述性創新信息的語料來源，構建解釋變量進行檢驗，表5列（6）（7）中，解釋變量的回歸系數均在1%水平上顯著為正。上述檢驗結果表明，研究結果具有穩健性。

4 進一步研究

4.1 影響機制檢驗

參考Xu（2018）的研究成果，本文采用分組回歸方式進行機制檢驗。

4.1.1 信息學習機制

本文無法直接分辨目標企業創新決策信息來源，但可以通過揭示目標企業在不同創新知識獲取難易程度情景下，同行描述性創新信息披露對創新績效的影響差異，進而間接驗證這一影響機制。若目標企業獲取同行創新知識的難度較大，則管理層對于同行年報中的描述性創新信息會更加重視，同行描述性創新信息披露對企業創新績效的促進作用更加顯著。

為了衡量目標企業獲取創新知識的難易程度，本文以是否被機構投資者在同行業交叉持股作為代理變量。大量研究證明，企業能夠通過被交叉持股獲取其它被持股企業的特質信息[29]。此時，同行描述性創新信息披露對未被交叉持股企業的影響更為顯著。本文保留持股數量與流通股股數之比不低于5%的機構投資者，如果這一機構投資者在同季度對同行業其它企業持股的比例也不低于5%，則說明該企業存在機構交叉持股（NCross=0），否則未被交叉持股（NCross=1）。以5%作為統計閾值的依據如下：一是5%代表重大股權變動的警示線；二是相關文獻普遍以5%作為大股東持股下限，持有5%以上股份能夠對企業決策產生重大影響。表6列（1）（2）中，交互項Inno _Dis×NCross的回歸系數在1%水平上顯著為正。由此，實證結果支持信息學習機制。

4.1.2 信息治理機制

根據前文分析，目標企業股東能夠通過參考同行描述性創新信息有效治理管理層代理問題，從而促進創新績效提升。然而，治理效應的發揮受管理層權力的影響。在管理層權力較高時，股東對管理層“創新短視”的治理效果有限。在管理層權力較小時，信息披露對目標企業創新績效的促進作用得到強化。參考權小鋒和尹洪英（2017）的研究成果，本文使用董事長和總經理“兩職合一”作為測度變量，未“兩職合一”代表管理層權力較小（UnDual=1），反之代表管理層權力較高（UnDual=0）。

表6列（3）（4）中，交互項Inno _Dis×UnDual的回歸系數均在1%水平上顯著為正，表明較小管理層權力能夠增強信息披露的創新溢出效應。原因在于，同行描述性創新信息披露的治理效應會受到管理層權力的影響，權力集中的管理層實施機會主義行為的成本較低，股東對其機會主義行為的治理效果有限。由此，實證結果支持了信息治理機制。

4.2 信息披露可靠性的影響

描述性創新信息既可能是企業創新活動的真實寫照，也可能是企業出于市值管理考慮的策略性炒作。不同披露動機下，信息披露的可靠性存在較大差異。

按照信息披露與企業真實創新活動是否匹配，本文將披露行為分為“言行一致”型和“言行不符”型。對于“言行一致”的信息披露，目標企業管理層能夠從中獲取更多真實信息，對指導創新實踐具有積極意義。相反地，若管理層出于某種目的進行“言不符實”的描述性創新信息披露，信息披露不可靠，則會導致目標企業缺乏使用這類信息指導創新實踐的意愿。本文認為，相較于“言行不符”的信息披露，“言行一致”的信息披露更能促進目標企業創新績效提升。

為了檢驗上述推論，本文以企業研發支出強度（研發支出與總資產比值）作為“行”的衡量，以描述性創新信息披露反映“言”。本文按照年度、行業對兩類變量三等分，若“行”和“言”同屬于相同等分區間，則判定為“言行一致”，否則為“言行不符”。當僅保留行業內“言行一致”企業時，計算行業內企業描述性創新信息披露水平的平均值，以此作為衡量同行描述性創新信息披露水平的變量（Inno_Dis_True）；當僅保留“言行不符”企業時，以當年行業描述性創新信息披露水平均值作為衡量同行描述性創新信息披露水平的變量（Inno_Dis_False）。將上述兩類變量代入模型（4）進行檢驗，回歸結果見表7。結果顯示，當同行描述性創新信息披露“言行一致”時，這類信息對目標企業創新績效的促進作用在1%水平上顯著。相反，“言行不符”型信息披露未能顯著促進目標企業創新績效提升。

4.3 經濟后果檢驗

實證檢驗結果顯示，同行描述性創新信息披露對目標企業創新績效具有積極影響，能夠顯著提高目標企業專利產出“數量”與“質量”。由此，本文提出以下推論：目標企業長期經營業績得到顯著提高。參考Kim等[30]的研究成果，本文采用兩階段最小二乘法對上述推論進行檢驗。在一階段模型中，通過模型（4）估計被解釋變量創新績效的估計值（Ln（1+Pat）︿Ln（1+CIT）︿）。被解釋變量的估計值能夠體現目標企業創新績效變化情況。在二階段模型中，以兩類變量的估計值作為解釋變量，以企業經營績效為被解釋變量，其余控制變量不變。企業長期經營績效分別以企業未來3年和5年總資產回報率的均值（ROA3、ROA5）表示。由于一階段模型與模型（4）完全一致，此處僅列示二階段回歸結果。表8顯示，當以基于一階段模型擬合值得到的目標企業創新績效作為解釋變量時，回歸系數均在1%水平上顯著為正。上述結果說明，同行描述性創新信息披露能夠通過提高目標企業創新績效促進其長期經營業績提升。

5 結語

5.1 主要結論

本文研究發現，描述性創新信息披露水平提高能夠顯著促進目標企業專利產出“數量”和“質量”提升。在一系列穩健性檢驗后，上述結論依然成立。當信息披露的語調積極、文本可讀性水平與前瞻性水平較高時，同行描述性創新信息披露的影響更加顯著。作用機制檢驗結果表明，拓寬企業信息學習渠道和加強股東治理是信息披露促進目標企業創新績效提升的重要作用機制。進一步研究發現，相較于“言行不符”信息披露，“言行一致”信息披露的可靠性更強，更能促進目標企業創新績效提升。在經濟后果方面，通過提升創新績效，目標企業長期經營業績得以顯著改善。

5.2 理論貢獻

本文為我國A股市場描述性創新信息披露的有效性提供了經驗證據。在現有文獻的基礎上[8-9，21]，本文基于內容屬性視角，深化了非財務信息披露溢出效應研究，揭示了描述性創新信息文本特征的調節效應，通過匹配“披露”與“實踐”相關變量衡量了非財務信息披露的可靠性，為未來研究提供了借鑒，也響應了Roychowdhury等（2019）的研究呼吁（對專有信息披露的溢出效應進行深入探討）。

5.3 研究啟示

（1）政府應重視創新信息披露的重要性，通過加強知識產權保護等途徑鼓勵上市企業高質量地披露創新信息。

（2）政府應進一步出臺企業年報描述性創新信息披露質量相關準則，增強信息披露的可讀性和前瞻性。

（3）上市企業應積極關注同行信息，提高信息甄別能力，了解同行其它企業創新進展、創新戰略和項目價值等關鍵信息，從而提升自身決策效率。

5.4 不足與展望

本文存在以下不足：第一，由于文本分析方法的局限，未能對描述性創新信息披露內容進行分類，未來可進一步考察不同內容屬性的創新信息披露能否引發異質性經濟后果。第二，企業年報中非財務信息較多，本文僅對其中的描述性創新信息進行研究，未涉及風險因素和企業戰略等其它類型非財務信息，未來可進一步探討其它類型非財務信息披露的溢出效應。第三，僅從企業創新視角開展分析，未來可從企業融資、信息披露、戰略轉型等視角進一步探討同行信息披露的溢出效應。

參考文獻參考文獻：

[1] AGHION P， JARAVEL X. Knowledge spillovers， innovation and growth [J].The Economic Journal，2015， 125（583）： 533-573.

[2] KONG D， LIN C， WEI L， et al. Information accessibility and corporate innovation [J].Management Science，2022， 68（11）： 7837-7860.

[3] FOUCAULT T， FRESARD L. Learning from peers' stock prices and corporate investment [J]. Journal of Financial Economics， 2014， 111（3）：554-577.

[4] BEATTY A， LIAO S， YU J. The spillover effect of fraudulent financial reporting on peer firms' investments [J]. Journal of Accounting and Economics， 2013， 55 （2-3）： 183-205.

[5] SEO H. Peer effects in corporate disclosure decisions[J]. Journal of Accounting and Economics， 2021， 71（1）： 101364.

[6] BREUER M， HOMBACH K， MULLER M A. When you talk， I remain silent： spillover effects of peers' mandatory disclosures on firms' voluntary disclosures[J]. The Accounting Review， 2022， 97（4）： 155-186.

[7] GLEASON C A， JENKINS N T， JOHNSON W B. The contagion effects of accounting restatements[J]. The Accounting Review， 2008， 83 （1）： 83-110.

[8] DURNEV A，MANGEN C.The spillover effects of MDamp;A disclosures for real investment： the role of industry competition [J].Journal of Accounting and Economics， 2020， 70（1）： 101-299.

[9] 李姝，杜亞光，張曉哲.同行MDamp;A語調對企業創新投資的溢出效應[J].中國工業經濟，2021，38（3）：137-155.

[10] LEUZ C， WYSOCKI P D. The economics of disclosure and financial reporting regulation： evidence and suggestions for future research [J]. Journal of Accounting Research， 2016，54（2）： 525-622.

[11] MERKLEY K J. Narrative disclosure and earnings performance： evidence from Ramp;D disclosures [J].The Accounting Review，2014， 89（2）： 725-757.

[12] HUANG R， LI L， LU L Y， et al. The impact of the leahy-smith America invents act on firms' Ramp;D disclosure [J].European Accounting Review， 2021， 30（5）： 1067-1104.

[13] 李巖瓊，姚頤.研發文本信息：真的多說無益嗎——基于分析師預測的文本分析[J].會計研究，2020， 41（2）：26-42.

[14] 巫岑，饒品貴，岳衡.注冊制的溢出效應：基于股價同步性的研究[J].管理世界，2022， 38（12）：177-202.

[15] BROWN J L， DRAKE K D. Network ties among low-tax firms [J]. The Accounting Review， 2014， 89（2）： 483-510.

[16] CAI Y， DHALIWAL D S， KIM Y， et al. Board interlocks and the diffusion of disclosure policy [J]. Review of Accounting Studies， 2014， 19（3）： 1086-1119.

[17] FRACASSI C. Corporate finance policies and social networks [J]. Management Science， 2017， 63（8）： 2420-2438.

[18] LI V. Do 1 financial statements distort peer firms' decisions [J]. The Accounting Review， 2016， 91（1）： 251-278.

[19] KIM J H， LJUNGQVIST A. Information externalities among listed firms[EB/OL]. （2021-12-06） [2023-08-01]. https：//www.aeaweb.org/conference/2022/preliminary/paper/dtAKRQAR.

[20] SHROFF N， VERDI R S， YOST B P. When does the peer information environment matter [J]. Journal of Accounting and Economics， 2017， 64（2-3）： 183-214.

[21] CHO H， MUSLU V. How do firms change investments based on MDamp;A disclosures of peer firms [J]. The Accounting Review， 2021， 96（2）： 177-204.

[22] 韋琳，肖夢瑤.描述性創新信息能提高資本市場定價效率嗎——基于股價同步性的分析[J].財經論叢，2022， 37（8）：58-68.

[23] 劉貫春，張軍，劉媛媛.宏觀經濟環境、風險感知與政策不確定性[J].世界經濟，2022， 45（8）：30-56.

[24] CHIRCOP J， COLLINS D W， HASS L H， et al. Accounting comparability and corporate innovative efficiency[J]. The Accounting Review， 2020， 95（4）： 127-151.

[25] KRIEGER J L. Trials and terminations： learning from competitors' Ramp;D failures [J]. Management Science， 2021， 67（9）： 5525-5548.

[26] AGHION P， VAN REENEN J， ZINGALES L. Innovation and institutional ownership [J]. American Economic Review， 2013， 103（1）： 277-304.

[27] CHEN C， KIM J， WEI M， et al. Linguistic information quality in customers' forward-looking disclosures and suppliers' investment decisions[J]. Contemporary Accounting Research， 2019， 36（3）：1751-1783.

[28] BELLSTAM G， BHAGAT S， COOKSON J A. A text-based analysis of corporate innovation [J]. Management Science， 2021， 67（7）： 4004-4031.

[29] HE J， HUANG J. Product market competition in a world of cross-ownership： evidence from institutional blockholdings[J]. Review of Financial Studies， 2017， 30 （8）： 2674-2718.

[30] KIM Y， SU L， WANG Z， et al. The effect of trade secrets law on stock price synchronicity： evidence from the inevitable disclosure doctrine[J]. The Accounting Review， 2021， 96（1）： 325-348.

責任編輯（責任編輯：張 悅）

英文標題The Spillover Effect of Peers' Narrative Innovation Information DisclosureBased on Machine Learning and Textual Analysis

英文作者Chen Yixin1， Zhang Ting2， Ma Chen1

英文作者單位（1. School of Economics and Management， Northwest University， Xi'an 710127， China;

2. School of Business， Nanjing University of Information Science and Technology， Nanjing 210044， China）

摘要Abstract：Adequate information acquisition is beneficial for firms to identify innovation projects， acquire innovation knowledge， and evaluate innovation value. A rich information environment is necessary for promoting corporate innovation performance. Previous studies have shown that， due to similar economic conditions and market environments， peer firms' information disclosure is an important channel for target firms to obtain decision-making information. Firms can conduct research to formulate financial decisions suitable for their own development according to the collected peers' annual report information. Therefore， peers' information disclosure has an economic spillover effect. Will the information disclosure of peer firms affect the target firm's innovation decisions by improving the information environment？ The answer to this question can not only help advance the understanding of the spillover effects of information disclosure， but is also of great significance for building an information environment conducive to corporate innovation.

To this end， this paper studies whether peer firms' narrative innovation information disclosure affects target firms' innovation performance. It takes Chinese A-share listed companies from 2006 to 2022 as the sample， covering a total of 80 industries. The data on firms' patent applications and citation frequency in this study are from the CNRDS and WinGo databases， respectively. The annual report text of listed companies is from Juchao， an information disclosure website designated by the China Securities Regulatory Commission for listed companies， and the text corpus is preprocessed using WinGo data platform tools. Other data are from the CSMAR database. The study employs machine learning and textual analysis to construct the variables of narrative innovation information disclosure and finds that the increase in the level of peers' narrative innovation information disclosure significantly promotes the quantity and quality of target firms' innovation output. Specifically， for each increase in the level of peers' narrative innovation information disclosure by one standard deviation， the total number of patent applications by the target firm in the next period will increase by 0.197， and the number of patent citations will increase by 0.092， accounting for 8.9% and 11.65% of their respective averages.

This spillover effect is more pronounced when target firms' narrative innovation disclosure has more positive tones， higher levels of readability， and is more forward-looking. Mechanism tests show that expanding the access to innovation information of target firms and enhancing the governance effect on the opportunistic behavior of target firms' management are the underlying mechanisms. In further analysis， according to the matching between the level of innovation information and the real performance of corporate innovation， this paper finds that， compared with the disclosure style of “inconsistent words and deeds”， the peers' narrative innovation information disclosure style of “consistent words and deeds” can promote the innovation performance of target firms more significantly. Finally， peers' narrative innovation information disclosure significantly promotes the long-term operating performance of target firms by improving their innovation performance.

The main findings of this paper provide empirical evidence on the effectiveness of narrative innovation information disclosure from the perspective of peer firms， expanding the research perspective on the spillover effects of non-financial information disclosure. The following policy implications are presented. First， government should value the importance of innovation information disclosure and build an institutional environment that encourages listed companies to fully and truthfully disclose innovation information. The policy-making departments should further introduce relevant standards aimed at improving the readability and forward-looking nature of narrative innovation information in annual reports and avoiding low-quality information disclosure. Second， the listed companies should pay attention to the narrative innovation information in their peers' annual reports and improve their ability to distinguish innovation information. When dealing with peers' innovation information， the listed companies should make reference to peer firms' innovation practices， focus on the information that matches practices，and select innovation directions that meet the development needs of the industry.

關鍵詞Key Words：Peer Firm; Narrative Innovation Information; Spillover Effect; Corporate Innovation; Machine Learning