分析師關注對企業全要素生產率的影響研究

摘 要：加快發展新質生產力，扎實推進高質量發展已成為社會關注的重要議題。本文基于2008—2022年A股上市企業樣本數據，研究分析師關注對企業全要素增長率的影響及其作用機制。研究發現，分析師關注對企業全要素生產率具有正向影響。通過機制檢驗發現，分析師關注通過促進企業創新、緩解融資約束和降低信息不對稱顯著提升企業全要素生產率。本文揭示了分析師關注對企業全要素生產率的影響，為促進企業增長、增強綜合實力、進一步推動高質量發展提供了理論依據與實踐指導。

關鍵詞：分析師關注；企業全要素生產率；技術創新；融資約束；信息不對稱

中圖分類號：F270.3 文獻標識碼：A 文章編號：2096-0298（2025）05（a）--04

1 引言

2023年12月召開的中央經濟工作會議強調，“必須把堅持高質量發展作為新時代的硬道理，完整、準確、全面貫徹新發展理念，推動經濟實現質的有效提升和量的合理增長”，要“聚焦經濟建設這一中心工作和高質量發展這一首要任務”。企業全要素生產率（Total Factor Productivity， TFP）指的是企業的生產效率、資源配置效率。然而，在所有權與經營權分離的環境下，信息不對稱所產生的代理問題，成為制約企業實現高質量發展的潛在風險因素。生產力系統是一個與其外部環境密切聯系、交互作用的開放系統，也是動態發展的系統。優化生產力系統與外部環境的關系，促進生產力系統功能由低級到高級動態演進，對于提升生產力系統的整體功能和可持續發展能力至關重要。

證券分析師是專業化的資本市場信息中介，通過發布研究報告提供更多與企業有關的增量信息，緩解投資者與企業之間的信息不對稱[1]。已有研究表明，分析師的存在對于緩解市場參與者之間的信息不對稱問題起到了積極作用。不僅可以提升企業的投資效率、優化融資水平及合理引導資源配置效率，還能作為管理層的外部監督者，為企業穩健發展提供有力支持[2]。也有學者認為，分析師通過盈余預測、股票推薦等手段，可能會將投資者的注意力過度聚焦于企業的短期利潤上，這無形中為企業設置了外部業績標桿，管理層可能會為了迎合市場短期的業績預期，而放棄那些對企業長遠發展具有戰略價值的投資項目。因此，分析師關注如何影響TFP？其中的內在作用機制如何？如何更好地發揮分析師關注對TFP的促進作用？這些問題亟待深入探究。

2 理論分析與研究假設

2.1 分析師關注與企業全要素生產率

分析師關注是一把“雙刃劍”。一方面，由于我國的資本市場尚處于發展的初級階段，企業和投資者之間存在信息不匹配問題。此外，企業所有權和經營權分離等委托代理問題使得信息不對稱問題更加嚴重，容易誘發道德風險，導致管理層為追求自身利益最大化而做出不利于公司價值最大化的決策[3]。而分析師能夠在一定程度上緩解信息不對稱問題，提高信息透明度，降低管理層利己主義的行為[4]。由此，提出以下假設：

H1a：在其他條件不變的情況下，分析師關注對TFP有正向影響。

另一方面，分析師所撰寫的研究報告大多聚焦于公司的即時或短期財務表現。如果分析師因為公司短期業績不佳而下調對公司的評級，管理層會面臨較大的短期業績壓力，這很可能引發公司管理層的短視效應，使其為了迎合市場的預期而做出犧牲企業長期獲益的決策，不利于企業長期發展[1]。由此，提出以下假設：

H1b：在其他條件不變的情況下，分析師關注對TFP有負向影響。

2.2 分析師關注影響企業全要素生產率的機制分析

2.2.1 技術創新的中介機制分析

TFP體現了企業的綜合實力與長期競爭能力，涵蓋技術、管理、資源配置等多方面因素，在這些因素中，技術進步起著舉足輕重的作用。然而，在企業實際運營過程中，管理層可能因個人利益驅動或任期限制等因素，對研發投資持謹慎態度。此時，分析師作為外部監督力量，能夠迅速將企業的研發進展傳達給市場和企業所有者，在客觀上促使管理層增加對研發活動的投入。基于中國資本市場的實證研究發現，分析師關注能夠顯著促進企業研發投入和創新績效[5]。創新活動為企業的長遠發展注入了強大動力，促進TFP的提升[6]。基于此，提出以下假設：

H2：分析師關注通過增加技術創新，提升企業的全要素生產率。

2.2.2 融資約束的中介機制分析

融資約束問題是制約企業創新研發、提高全要素生產率的重要阻力和障礙[7]。根據信息不對稱理論和委托代理理論，較高的融資成本會使企業偏離最優的資本結構，出現較為嚴重的代理問題，對企業的經營績效產生顯著的負面影響。分析師通過對公司的解讀，幫助企業向市場傳遞信號，讓投資者更加了解企業的真實情況，緩解信息不對稱，為企業提供更多更好的融資渠道，緩解企業的融資約束，為企業低成本、高效率的融資提供便利。基于此，提出以下假設：

H3：分析師關注通過緩解企業的融資約束，提升企業的全要素生產率。

2.2.3 信息不對稱的中介機制分析

信號傳遞理論認為，分析師具備專業的信息挖掘和解讀能力[8]，可通過發布研究報告向市場傳遞有價值的公司特質信息，降低公司和投資者之間的信息不對稱，使股票價格能夠反映公司特質信息，這可能吸引更多投資者關注，并基于公司特質信息進行交易，引發強烈的市場反應，降低股價同步性。股價信息含量的提高不僅能降低企業的資源獲取成本，還能形成有效的外部監督，改善企業資源使用效率、提升企業全要素生產率[9]。基于此，提出以下假設：

H4：分析師關注通過降低信息不對稱，提升企業的全要素生產率。

3 研究設計

3.1 樣本選擇與數據來源

本文以2008—2022年我國A股上市公司為初始研究樣本，進行如下處理：（1）剔除ST、PT等非正常交易類的企業；（2）剔除金融、房地產類的企業；（3）剔除存在缺失值的樣本；（4）為控制異常值的影響，在剔除缺失值的基礎上對連續變量進行上下1%的縮尾處理，最終得到15428條觀測數據。數據來自國泰安數據庫（CSMAR）和中國研究數據服務平臺（CNRDS）。

3.2 模型設計與變量選取

為檢驗本文假設，構建模型（1）進行檢驗：

TFPi，t+1=α0+α1Attentioni，t+γ∑Controlsi，t+Industryi+Yeart+εi，t（1）

其中，TFPi，t+1代表i公司t+1年的TFP，本文借鑒 Levinsohn和Petrin[10]的方法，采用LP法計算企業TFP。Attentioni，t代表企業當年的分析師關注，用跟蹤上市公司分析師數量加1取自然對數來衡量。參照邢恩澤等[11]的研究，選擇公司規模、公司年齡、職工人數、成長性、資產負債率、固定資產比率、是否兩職合一、董事會規模、機構持股、獨立董事占比作為控制變量。所有變量描述性統計如表1所示。

4 實證分析

4.1 基準回歸結果

表2匯報了分析師關注對TFP影響的回歸結果。第（1）列未加入固定效應，第（2）列增加了行業與年份固定效應。實證結果表明，無論是否含有固定效應，AnaA的估計系數均在1%水平上顯著為正，分析師關注與TFP呈正相關關系。由第（2）列可知，分析師關注度每上升1%，TFP會增加0.07%，說明分析師關注的提升能夠提高企業全要素增長率，因此，假設H1a得證。

表2 分析師關注對TFP影響的回歸結果

變量 （1） （2）

TFP_LP TFP_LP

AnaA 0.073*** 0.070***

（0.006） （0.005）

N 15428 15428

R2 0.773 0.825

Controls Yes Yes

Industry No Yes

Year No Yes

注：***plt;0.01，**plt;0.05，*plt;0.1；括號內為穩健標準誤，以下各表同。

4.2 內生性檢驗

4.2.1 工具變量法

分析師關注會促進TFP提高，然而，TFP較高時，也可能會吸引更多的分析師關注，即存在互為因果的內生性問題。盡管本文已采用解釋變量滯后一階處理辦法，但仍進行了工具變量檢驗，以緩解內生性問題。參考席龍勝等[12]的做法，本文選用同年份同行業同省份分析師關注的均值AnaA_iv作為工具變量對分析師關注進行2SLS回歸。企業同年份同行業同省份分析師關注對本企業分析師關注有影響，但不對本公司下一年全要素生產率產生影響。結果表明，第一階段中，AnaA_iv對AnaA的回歸系數是0.793，且工具變量在1%水平上顯著；第二階段中，AnaA對TFP_LP的回歸系數是0.068，且在1%水平上顯著，表明分析師關注與TFP顯著正相關。Wald檢驗F值在1%水平上顯著。以上檢驗均通過弱工具變量檢驗，工具變量法回歸結果與基準回歸結論相同，說明實證結果較為穩健。

4.2.2 傾向評分匹配法

為進一步提高實證結果的穩健性，本文參考王雪和劉清源[13]的做法，采用傾向得分匹配（PSM）的方法， 按分析師關注的中位數進行分組，高于中位數的樣本作為實驗組，低于中位數的樣本作為對照組，按一對一的最近鄰匹配進行傾向評分匹配，并以公司規模、公司年齡、職工人數、成長性等控制變量作為協變量使用半徑匹配方法進行匹配。結果顯示，AnaA對TFP_LP的回歸系數是0.060，且在1%水平上顯著，分析師關注對TFP影響的顯著性與方向均未發生改變，增強了文章檢驗結果的可靠性。

5 進一步分析

分析師關注會促進企業全要素生產率提高。那么，分析師關注影響企業全要素生產率的傳導機制是什么？本文以創新、融資約束和信息不對稱程度作為中介，進行分析師關注與企業全要素生產率的中介效應檢驗。

首先，陳欽源等[14]研究發現，分析師跟蹤能夠顯著提高企業的創新績效。同時，研發創新對企業全要素生產率的提高至關重要，是實現企業增長的關鍵因素。本文驗證技術創新的提高在分析師關注對TFP的影響中發揮著中介作用。借鑒余宜珂等[15]的做法，使用研發投入加一取自然對數（RDE）作為創新的代理變量。結果顯示，AnaA對RDE的回歸系數為0.186，且在1%水平上顯著為正，說明分析師關注對技術創新的回歸結果顯著，且分析師關注和技術創新呈顯著的正相關關系，分析師關注能夠顯著提高企業的技術創新能力。同時，AnaA對TFP_LP的回歸系數為0.050，RDE對TFP_LP的回歸系數為0.082，且在1%水平上顯著為正，即分析師關注和技術創新的系數在1%水平上顯著為正，本文進行了Sobel檢驗并通過，表明分析師關注對TFP的影響機制在于提高企業的技術創新能力，驗證了假設H2。

其次，對于衡量企業融資約束的指標，采用KZ指數作為融資約束的代理變量。結果表明，AnaA對KZ的回歸系數為-0.195，且在1%水平上顯著為負，即分析師關注AnaA對融資約束KZ的回歸結果顯著，且分析師關注和融資約束呈顯著的負相關關系，說明分析師關注可以緩解企業面臨的融資約束。同時，AnaA對TFP_LP的回歸系數為0.063，且在1%水平上顯著為正，即分析師關注的回歸系數在1%水平上顯著為正，KZ對TFP_LP的回歸系數為-0.035，且在1%水平上顯著為負，可知分析師關注可以通過緩解融資約束的途徑來提高TFP，驗證了假設H3。

最后，根據信號傳遞理論，分析師關注增加會使信號傳遞更充分，降低信息不對稱，進而提高企業全要素生產率。本文采用股價同步性指數（SYN）作為信息不對稱程度的代理變量。股價同步性的中介效應分析結果顯示，AnaA對SYN的回歸系數為-0.029，且在1%水平上顯著為負，即分析師關注對股價同步性的回歸結果顯著，且分析師關注和股價同步性呈顯著的負相關關系，說明分析師關注可以降低股價同步性。同時，AnaA對TFP_LP的回歸系數為0.068，且在1%水平上顯著為正，SYN的回歸系數為-0.057，且在1%水平上顯著為負，驗證了假設H4。

6 結論與建議

本文選取2008—2022年A股上市企業作為研究樣本，實證檢驗了分析師關注與TFP之間的關系及其作用機制。研究發現：分析師關注與TFP呈現顯著正相關關系；技術創新、融資約束和信息不對稱是分析師關注與TFP的中介變量。

基于以上研究結論，本文提出如下政策建議：

（1）提升分析師關注度與信息透明度。鼓勵資本市場發展更多專業、獨立的分析師團隊，以提高整體分析師關注度。政府或行業協會可以通過設立相關獎項、提供培訓等方式，激勵分析師提升專業素養和職業道德水平。

（2）提升上市公司信息披露的時效性和精確度至關重要。管理層應認識到分析師影響力的重要性，并將焦點放在企業的長遠規劃上。全要素生產率的增長不僅是驅動我國經濟高質量發展的核心要素，也是增強企業長期競爭優勢的關鍵所在。因此，管理層在做出決策時，應充分考慮資本市場的動態變化以及分析師的意見，重視企業的可持續發展，通過優化資源配置和提升組織管理能力，實現全要素生產率的提高。

（3）優化融資環境和市場結構。政府應繼續深化金融改革，優化融資環境，降低企業融資成本，特別是針對中小企業和民營企業，應提供更多的融資渠道和優惠政策。鼓勵市場競爭，打破行業壁壘，降低市場準入門檻，使更多企業能夠參與市場競爭，進而提高市場效率。同時，加強反壟斷執法，防止市場壟斷行為。

參考文獻

楊道廣，王金妹，龔子良，等.分析師在企業風險承擔中的作用：治理抑或壓力[J].北京工商大學學報（社會科學版），2019，34 （1）： 20-30.

王雪，劉清源.分析師關注提高了企業的ESG表現嗎[J].現代經濟探討，2024（2）：51-66.

尹林輝，段忠悅.證券分析師對企業杠桿操縱的治理： 基于信息中介和市場壓力的雙重效應[J].上海金融，2023（7）：29-44.

吳迪，趙奇鋒.資本市場動態博弈、信息不對稱與企業創新： 基于分析師預測視角[J].南開經濟研究，2023（2）：140-160.

余明桂， 鐘慧潔， 范蕊.分析師關注與企業創新： 來自中國資本市場的經驗證據[J].經濟管理，2017，39（3）：175-192.

王三興，王子明.企業ESG表現、創新與全要素生產率[J].宏觀經濟研究，2023（11）：62-74.

張藝.數字化轉型與企業全要素生產率： 內部控制與融資約束的雙重視角[J].現代管理科學，2024（3）：196-206.

Huang， Chia-Hui. Tax Credits and Total Factor Productivity： Firm-level Evidence From Taiwan[J]. The Journal of Technology Transfer， 2015， 40（6）：932-947.

任燦燦，郭澤光，田智文.資本市場開放、股價信息含量與企業全要素生產率： 基于“滬深港通”的準自然實驗[J].國際商務（對外經濟貿易大學學報），2021（2）：141-156.

Levinsohn， J.， A. Petrin. Estimating Production Functions Using Inputs to Control for Unobservables[J]. Review of Economic Studies， 2010，70（2）：317-341.

邢恩澤，鄧玉萍，袁禮，等.信息披露質量與企業全要素生產率[J].中國軟科學，2023（7）：114-126.

席龍勝，趙輝.企業ESG表現影響盈余持續性的作用機理和數據檢驗[J].管理評論，2022，34（9）：313-326.

王雪，劉清源.分析師關注提高了企業的ESG表現嗎[J].現代經濟探討，2024（2）：51-66.

陳欽源，馬黎珺，伊志宏.分析師跟蹤與企業創新績效： 中國的邏輯[J].南開管理評論，2017，20（3）：15-27.

余宜珂，陳鵬宇，姚文軒.分析師跟蹤對企業研發創新的影響[J].統計與決策，2023，39（6）：172-177.