分析师关注提高了企业的ESG表现吗.pdf

王雪刘清源0 5 1 现代经济探讨-2 0 2 4-0 2-财政金融分析师关注提高了企业的E S G表现吗内容提要：以2 0 1 1-2 0 2 1年中国A股非金融类上市公司数据,实证考察了分析师关注对企业E S G表现的提升效应及其影响机制,并且这一促进作用在融资约束程度高、信息透明度低和盈余管理程度高的企业中更为明显。机制分析表明,分析师外部监督作用发挥的直接效应和其信息中介作用吸引的特定投资者参与公司治理的间接效应协同发力,共同促进了企业E S G表现的提升。进一步分析发现,分析师关注在提高企业环境和治理分项得分方面的表现突出。此外,分析师调研以及调研过程中的绿色关注都对企业E S G表现有着明显的促进作用。进一步证实了证券分析师在中国资本市场上的重要作用,也为政策制定者构建企业E S G相关制度提供了决策依据。关 键 词：分析师关注 企业E S G表现 信息中介 外部监督中图分类号：F 8 3 2.5 文献标识码：A 文章编号：1 0 0 9-2 3 8 2(2 0 2 4)0 2-0 0 5 1-1 6一、引言生态文明和可持续发展日益成为全球关注的核心议题,引起了各国各界人士的广泛关注和深度参与。2 0 2 0年,习近平主席在第七十五届联合国大会上发表重要讲话指出,“中国将提高国家自主贡献力度,采取更加有力的政策和措施,二氧化碳排放力争于2 0 3 0年前达到峰值,努力争取2 0 6 0年前实现碳中和”,彰显了中国政府的大国担当,也指明了绿色低碳发展的世界潮流。国民经济和社会发展第十四个五年规划和2 0 3 5年远景目标纲要中也提出要向绿色低碳的发展模式转型,再次印证了中国政府对环境保护的决心和对可持续发展的憧憬。企业环境保护、社会责任承担和公司内部治理是实现可持续发展的有力抓手,也是投资者关切和投资的重要导向。E S G作为环境(E n v i r o n m e n t a l)、社会责任(S o c i a l)和治理(G o v e r n a n c e)三个方面表现的非财务性企业评价体系,为大众和投资者评价企业发展质量提供了新视角,也推动了企业在可持续发展的同时,从追求自身利益最大化的单一目标转向追求自身和社会利益最大化的“双赢”。积极践行E S G理念,不但能够显著提高企业的创新水平(方先明和胡丁,2 0 2 3)、降低企业融资成本(邱牧远和殷红,2 0 1 9),还能方便投资者更准确地评价企业的财务回报潜力(杨皖苏和杨善林,2 0 1 6)。与此同时,越来越多的公司声称已将E S G相关问题纳入公司战略和日常运营,但是公司E S G相关报告内容的完整性、真实性和公正性等方面却饱受质疑。E S G信息披露有效性不足不仅会导致投资者获取E S G信息的难度加大,也会使得企业的关注者无法准确地衡量企业的E S G表现,从而难以确定这些公司 的 说 法 是 否 只 是“廉 价 谈 话”(D e l m a s和B u r b a n o,2 0 1 1)。证券分析师作为资本市场的重要组成部分,在投资者和企业之间起到了重要的信息桥梁作用。一方面,分析师会跟踪和搜集那些影响企业价值的财务信息和非财务信息(陈露兰和王昱升,2 0 1 4),通过专业的知识和技能或进行实地调研,对各类信息进行解读和挖掘,并将信息释放给投资者,能够缓解信息供需矛盾,提高资源配置效率;另一方面,分析师关注也有助于减少公司“廉价谈话”,在一定程度上激励和监督企业E S G责任履行。已有文献更多 基金项目:国家自然科学基金项目“社会关系网络、信息传递与资本市场有效性研究”(编号:7 2 1 7 2 0 3 3)。0 5 2 M O DERN E C ON O M I C RESE AR CH的是研究证券分析师与企业社会责任(C S R)之间的关系,并且得到了两种不同的观点。一种观点认为分析师关注使得企业管理者更加短视,仅仅追求短期盈利表现而限制对社会责任的支出,导致企业社会责任履行下降(A d h i k a r i,2 0 1 6);但更多的研究认为分析师跟踪能够增加企业的社会责任活动(J o和H a r j o t o,2 0 1 4;H u等,2 0 2 1),使企业的发展更具长远价值。相对于企业社会责任和分析师之间较为完善的研究体系,证券分析师在新兴的E S G领域的研究尚且不足。企业社会责任与E S G之间既有区别又存在联系,一方面,企业社会责任强调多元利益相关方,包括企业与顾客、合作商、当地社区和民间团体等,并且带有浓厚的伦理和慈善色彩,而E S G主要从资本市场的投资者角度出发,聚焦企业社会绩效与投资者回报的关系,关注点更精确,E S G作为一种非财务指标,更加注重企业在环境、社会和公司治理方面综合性的可持续发展;但另一方面,企业社会责任和E S G之间又存在紧密的联系,E S G是负责任投资理念的延伸和丰富,E S G根植于企业社会责任,两者均追求企业长期可持续发展、股东利益和社会价值的双赢。因此借助于分析师与企业社会责任研究的基础上,本文进一步探讨分析师关注能否提升企业的E S G表现?其影响机理是什么?不同样本性质下,分析师关注对企业E S G表现的影响是否存在差异。有鉴于此,本文基于2 0 1 1-2 0 2 1年中国A股非金融类上市公司数据,实证检验分析师关注对企业E S G表现的影响。研究表明分析师关注能够显著提升企业的E S G表现,该结论在使用双重差分模型、工具变量等内生性检验以及更换变量和模型设定、采用倾向得分匹配和熵平衡匹配等检验后依然稳健。影响机制分析发现,分析师关注对企业E S G表现的影响存在直接效应和间接效应两种方式,其中直接效应是分析师发挥外部监督作用直接影响与企业E S G表现有关的行为,从而提高其E S G表现;间接效应是分析师发挥信息中介的作用吸引共同机构投资者和绿色投资者加入企业,通过特定投资者参与公司治理间接提高企业E S G表现。接下来,本文通过异质性分析对两种影响机制进一步检验。首先,对分析师关注的外部监督机制进行检验,按照融资约束程度分组,发现分析师关注在融资约束程度高的企业中对E S G表现的提升作用更明显;其次,对分析师关注的信息中介机制进行检验,按照信息透明度和盈余管理程度进行分组,发现分析师关注在信息透明度低的企业和盈余管理高的企业中对E S G表现的提升作用更明显。最后,在进一步分析中,先研究了分析师关注对E S G各个维度表现的影响,发现分析师关注更多的是提高了企业在环境和公司治理方面的表现;还研究了分析师调研对企业E S G表现的影响,发现分析师调研的频率和调研过程中的绿色关注都能显著影响企业的E S G表现。本文的边际贡献在于:第一,已有关于企业E S G表现的文献更多的是关注E S G产生的经济后果(邱牧远和殷红,2 0 1 9;方先明和胡丁,2 0 2 3),而对企业E S G表现的外部影响因素研究较少,本文从影响企业E S G表现的外部因素出发,补充了影响企业E S G表现外部因素的文献;第二,分析师作为资本市场的重要组成部分,已有文献对分析师行为及其预测进行了较全面的研究(李春涛等,2 0 1 6;夏范社和何德旭,2 0 2 1),但分析师在新兴的E S G领域的相关研究还不足,因此本文从分析师的角度研究了分析师关注对企业E S G表现及其影响机理,具有一定的学术价值和现实意义;第三,本文探索了分析师关注对企业E S G表现影响的直接效应和间接效应,为企业在改善环境、履行社会责任和加强公司治理等方面提供了一定的参考。本文后续安排如下:第二部分为文献综述与研究假设;第三部分为研究设计;第四部分为实证结果分析;第五部分为影响机制与异质性分析;第六部分为进一步分析,最后总结全文提出政策建议,并指出了本文的研究不足与展望。二、文献综述与研究假设1.企业E S G表现企业社会责任履行一直是社会公众和投资者重点关注的问题。相比于已有关于企业社会责任(C S R)的全面研究,作为一个新兴的领域,针对E S G的研究并不多。已有的关于企业E S G表现影响因素的文献中,内部影响因素如柳学信等(2 0 2 2)发现企业0 5 3 现代经济探讨-2 0 2 4-0 2-财政金融党组织治理对E S G表 现 有 正 向 影 响;王 海 军 等(2 0 2 3)发现企业的数字化转型也能够改善企业的E S G表现;外部影响因素如王禹等(2 0 2 2)从税制绿色化的角度研究发现环境保护税法能够显著提升重污染企业的E S G表现;何青和庄朋涛(2 0 2 3)发现共同机构所有权也能够显著提高企业的E S G表现。分析师作为资本市场的重要组成部分,是企业外部治理的参与者之一,因此本文从分析师关注的角度,研究分析师关注对企业E S G表现的影响,以期拓展企业E S G表现影响因素的研究。2.分析师关注与企业E S G表现作为上市公司和投资者之间的信息桥梁,证券分析师需要搜集和解读上市公司的信息,企业社会责任信息的披露提高了企业的透明度,缓解了信息不对称,是增强外部投资者对企业了解的重要途径。有研究表明,证券分析师会跟踪和关注上市公司的企业社会责任信息,并且分析师的关注也有助于中国资本市场对企业社会责任信息内在价值的认同(陈露兰和王昱升,2 0 1 4)。已有的关于分析师和社会责任的研究中,少数研究认为分析师关注让管理者更加注重短期,从而限制企业对社会责任的支出,导致企业社会责任履行下降(A d h i k a r i,2 0 1 6)。但大多数观点认为分析师关注与企业社会责任之间存在正相关关系,比如王攀娜和徐博韬(2 0 1 7)发现企业社会责任与分析师关注正相关,并且在重污染行业和财务透明度低的公司中这种正相关关系更为显著。Z h a n g等(2 0 1 5)研究结果表明,被更多分析师跟踪的公司参与的慈善活动更多,并且声誉管理会进一步激励企业参与社会责任。H u等(2 0 2 1)发现分析师关注通过增加机构投资者实地访问和改善企业内部控制显著提高了企业社会责任参与。企业社会责任和E S G的核心内涵都是在为股东创造价值、赚取利润的同时,引导企业在经济利润之外关注环境绩效和社会绩效。企业社会责任概念虽然不断完善,但仍然带有伦理和慈善的色彩,在实证研究上指标之间的差异较大、可比性较差。而E S G更加聚焦于企业社会绩效和投资者之间的关系,注重企业在环境、社会和公司治理的可持续发展,在实证指标上更清晰、可量化、可比较。但从一定意义上说,E S G是负责任投资理念的延伸和丰富,E S G根植于企业社会责任。因此本文在企业社会责任研究的基础上,进一步探究分析师关注与企业E S G之间的关系。分析师能够显著影响企业战略决策(B e n n e r和R a n g a n a t h a n,2 0 1 2),并且分析师越来越看好社会责任表现好的企业(I o a n n o u和S e r a f e i m,2 0 1 5),因此认为分析师关注倾向于提高企业的E S G表现。总的来说,分析师发挥其信息中介、外部监督的职能,并对企业施加一定的外部压力,有助于增加企业透明度、规范企业行为以及提高企业自身表现。因此,本文预期分析师关注度更高的上市公司有更好的E S G表现,据此提出:假设1:分析师关注度越高,企业的E S G表现越好。3.分析师关注对企业E S G表现的影响机制分析师的存在很大程度上是为了解决企业内部人和外部投资者之间的信息不对称问题,分析师利用其专业财务知识和能力准确地解读公司财务报告等公开甚至非公开的信息,缓解企业与投资者之间的信息不对称,此外分析师跟踪也会对企业形成一定的外部监督和压力效应,因此,分析师逐渐成为企业外部治理的重要参与者(C h e n等,2 0 1 5)。一方面,分析师扮演着外部监督的角色。分析师在对企业跟踪分析的过程中能及时发现企业存在的问题,对企业违规行为的监督效果等同于审计师,而且能有效约束企业的的违规行为(B r a d l e y等,2 0 1 7)。分析师关注能提高企业的现金持有价值和并购资产质量,降低高管的薪酬激励和盈余管理水平(C h e n等,2 0 1 5;B r a d l e y等,2 0 1 7)。分析师关注也会对企业形成一定的外部压力。在分析师关注下,企业为了避免向市场传递不良信息往往将盈余管理从隐蔽性较差的应计盈余管理转移到真实盈余关系上(李春涛等,2 0 1 6),这种情况会诱发企业的机会主义行为。但另一方面,压力就是动力,分析师关注具有传染性,会引起投资者、媒体甚至是监管机构的关注,关注度的提高会减少管理层或大股东利己行为的可能性,进一步推动其他市场参与者的治理作用(游家兴和张哲远,2 0 1 6)。因此社会压力假说认为,分析师的外部监督给公司带来了公众压 0 5 4 M O DERN E C ON O M I C RESE AR CH力,从 而 导 致 企 业 社 会 责 任 绩 效 的 提 高(J o和H a r j o t o,2 0 1 4),同时他们认为,分析师的监督作为一种外部公司治理机制,批判性地质疑公司关于公司社会责任参与水平的决策,并提供额外的社会压力,可以减少社会责任问题。分析师关注具有监督和激励的双重效应,能够督促那些参与社会责任意愿不足的企业积极履行其社会责任。因此本文预期分析师关注会发挥其外部监督作用,促进企业提升自身E S G表现,据此提出:假设2:分析师关注发挥外部监督的职能,对企业进行相关治理是提升企业E S G表现的直接效应。另一方面,分析师的工作是收集、处理和传递他们所关注的公司的信息,从而可以发挥信息中介作用。当企业的信息环境较差时,外界对企业未来风险的预测难度增加,投资者也面临着高度的信息不对称,导致他们的投资意愿较低。此时分析师可以通过解读公司公告、媒体报道、参加电话会议和实地调研等线下与公司管理层接触的方式获取更多的公司经营信息(谭松涛和崔小勇,2 0 1 5),通过形成分析师研究报告向投资者释放信息。此外,分析师和机构投资者存在一定的利益关系(逯东等,2 0 2 0),机构投资者倾向于采用与分析师评级相一致的投资策略,因此当分析师对某一公司的关注增加时往往会吸引特定投资者投资公司,参与公司经营决策,如共同机构投资者等。一般来说,共同机构投资者持有公司的股票份额较多,他们为了获得持续稳定的投资回报,会积极参与公司的经营决策(杜勇等,2 0 2 1),促使企业战略性地增加E S G投入,提高企业的E S G表现(何青和庄朋涛,2 0 2 3)。因此,本文认为分析关注会发挥其信息中介作用,吸引特定投资者加入企业并参与公司治理,从而促进企业提升E S G表现,据此提出:假设3:分析师关注通过吸引特定投资者参与公司治理是提升企业E S G表现的间接效应。三、研究设计1.样本选择与数据来源根据商道纵横发布的A股上市公司2 0 2 0年度E S G信息披露统计研究报告,中国上市公司E S G报告发布数量从2 0 1 1年开始持续增长,E S G相关数据逐渐丰富,因此本文选取2 0 1 1-2 0 2 1年中国A股非金融类上市公司作为研究对象,研究分析师关注对企业E S G表现的影响。本文使用的华证E S G评级和商道融绿E S G评级均来自W I N D数据库,分析师关注的数据来自C S MA R数据库中的“被研报关注度”,企业层面的控制变量来自C S MA R数据库。本文在进行数据处理时首先剔除了S T、*S T公司和金融行业公司,其次剔除了上市公司上市当年的数据,并删除了公司数据缺失严重的样本,最终得到了1 6 5 3 6个样本观测值。为了防止异常值对实证结果造成的影响,本文对连续变量在上下1%水平上进行了缩尾处理。2.模型设计为检验分析师关注对企业E S G表现的影响,本文建立如下基准回归模型:E S Git=0+1A n a l y s ti,t-1+2C o n t r o lt-1+F i r m+Y e a r+i t(1)其中,被解释变量是企业E S G表现(E S G),解释变量是分析师关注(A n a l y s t)。C o n t r o l为企业层面的控制变量,包括企业规模(S i z e)、资产负债率(L e v)、资产收益率(R o a)、机构投资者持股(I n s t i t u t i o n)、股权集中度(T o p1)、销售收入增长(G r o w t h)、管理层持股(M g t)、独立董事比例(I n d r)以及现金流量(C f)。为了尽量避免因果倒置而产生的内生性问题,模型中将解释变量和控制变量全部滞后1期。此外,为了控制企业个体和年度因素的影响,模型还加入了个体固定效应(F i r m)和时间固定效应(Y e a r),i t是随机误差项。方程中1的大小、符号和显著性能直观反映分析师关注对企业E S G表现的影响结果。3.变量选取(1)被解释变量企业E S G表现(E S G)。已有的文献多采用华证E S G评级来度量企业的E S G表现(柳学信等,2 0 2 2;方先明和胡丁,2 0 2 3)。华证E S G评级覆盖A股公司更广,追溯时间更久,构建了三级指标全面评价企业E S G表现,同时包含了乡村振兴等指标,更贴近中国市场,因此本文选择华证指数E S G评级(E S G)作为本文的企业E S G表现的代理变量,同时使用商道融绿的E S G评分(S y n T a o)进行稳健性检验。(2)解释变量分析师关注(A n a l y s t)。借鉴夏范0 5 5 现代经济探讨-2 0 2 4-0 2-财政金融社和何德旭(2 0 2 1)的方法,本文使用一年内跟踪企业的分析师发布的研报数量加1取自然对数作为分析师关注的度量指标。(3)控制变量。首先对企业特征进行控制,参考已有文献,企业规模(S i z e)、资产负债率(L e v)、资产收益率(R o a)、机构投资者持股(I n s t i t u t i o n)、股权集中度(T o p1)、销售收入增长(G r o w t h)、管理层持股(M g t)、独立董事比例(I n d r)以及现金流量(C f)等都会对企业社会责任履行产生影响(柳学信等,2 0 2 2;何青和庄朋涛,2 0 2 3),因此本文加入上述变量作为控制变量,同时控制个体虚拟变量(F i r m)和时间虚拟变量(Y e a r),变量的详细说明见表1。表1 变量说明变量名称变量定义被解释变量企业E S G表现(E S G)华证指数E S G评级,由低到高赋值1-9解释变量分析师关注(A n a l y s t)一年内跟踪该企业的研报数量加1,取自然对数控制变量企业规模(S i z e)公司年末总资产,取自然对数资产负债率(L e v)负债总额/资产总额资产收益率(R o a)净利润/(期初总资产+期末总资产)/2机构投资者持股(I s t i t u t i o n)机构持股数/公司流通股股数股权集中度(T o p1)第一大股东持股占比销售收入增长(G r o w t h)本年与上年营业收入之差/上年营业收入管理层持股(M g t)管理层持股数/公司流通股股数独立董事比例(I n d r)独立董事人数占董事会人数比例现金流量(C f)年末现金持有量/年末总资产年份(Y e a r)时间固定效应个体(F i r m)个体固定效应四、实证结果分析1.描述性统计表2展示了主要变量的描述性统计结果。企业E S G得分最大为9,最小为1,均值为6.6 6,标准差为1.1 6,与何青和庄朋涛(2 0 2 3)的结果相似,表明样本E S G的整体表现处于中上水平,但不同企业的E S G表现差别较大;以分析师报告数量衡量的分析师关注最大值为4.8 0,最小值为0.6 9,均值为2.5 2,标准差为1.1 4,说明分析师对上市公司的跟踪具有一定的选择性,并且存在一定的分析师聚集现象,这也为本文的研究创造了基础。表2最后一列报告了主要变量与E S G表现之间的相关系数,发现A n a l y s t与E S G之间的相关系数为0.2,并在1%统计水平上显著,可以初步推断分析师关注与企业E S G表现之间存在正相关关系,即分析师关注能够提高企业的E S G表现,与研究假设的预期相一致。2.基准回归结果分析表3报告了分析师关注对企业E S G表现的影响结果,列(1)报告了当方程中只有分析师关注(A n a l y s t)与企业E S G得分,并控制了个体固定效应和时间固定效应的情况,分析师关注的系数为0.0 9 5,并在1%统计水平上显著,说明两者之间有显著的正相关关系。列(2)中加入了控制变量后分析师关注的系数为0.0 4 4,并在1%统计水平上显著,分析师关注和企业E S G表现方面仍存在正向显著的关系,但影响程度有所下降。具体来说,分析师关注每提高1%,企业的E S G得分提高0.0 0 0 4 4个单位,由于样本期间企业E S G表现整体处于中上水平且单个企业的E S G得分波动较小,因此这一边际效应较小。考虑这一系 0 5 6 M O DERN E C ON O M I C RESE AR CH表2 描述性统计变量名称NM e a np 2 5p 5 0p 7 5S DM i nM a x与E S G的相关系数E S G1 6 5 3 66.6 66.0 06.0 08.0 01.1 61.0 09.0 0A n a l y s t1 6 5 3 62.5 21.6 12.5 63.4 31.1 40.6 94.8 00.2 0*S i z e1 6 5 3 62 2.4 52 1.5 12 2.2 62 3.2 11.3 11 9.9 32 6.2 50.3 7*L e v1 6 5 3 60.4 20.2 60.4 20.5 70.2 00.0 50.8 70.1 1*R o a1 6 5 3 60.0 50.0 20.0 50.0 80.0 5-0.1 90.2 10.1 7*I n s t i t u t i o n1 6 5 3 64 5.7 42 4.2 04 8.8 26 5.9 62 5.0 10.3 19 0.7 10.2 6*T o p11 6 5 3 63 5.1 42 3.2 53 3.2 74 5.2 31 5.0 48.7 77 4.8 20.1 5*G r o w t h1 6 5 3 60.2 000.1 20.2 80.4 0-0.5 52.5 70.0 1M g t1 6 5 3 61 3.7 000.9 22 5.7 91 9.5 306 7.5 7-0.1 7*I n d r1 6 5 3 63 7.4 63 3.3 33 3.3 34 2.8 65.3 53 3.3 35 7.1 4-0.0 1C f1 6 5 3 60.1 60.0 80.1 30.2 10.1 20.0 10.5 90.0 4*注:*表示在1%的统计水平上显著。数的经济意义:当分析师关注提高1个标准差时,企业E S G得分会提高0.0 4 3个标准差(0.0 4 41.1 4/1.1 6),与E S G得分1.1 6的标准差相比,这一数字也具有一定的经济意义,分析师关注会提高企业E S G得分水平,与H u(2 0 2 1)的研究结果相一致。在控制变量方面,企业规模和资产收益率与E S G表现之间有显著的正向关系且影响程度较大,这也与现实情况相符合,企业承担社会责任会增加企业额外的开支,因而规模越大、盈利能力越强的企业越有能力去履行社会责任。表3的结果进一步说明分析师关注和企业E S G表现存在正相关关系,即分析师关注能显著提高企业的E S G表现,实证结果支持了假设1。表3 分析师关注对企业E S G表现影响的结果变量(1)(2)E S GE S GA n a l y s t0.0 9 5*0.0 4 4*(0.0 1 0)(0.0 1 1)S i z e0.0 9 4*(0.0 3 0)L e v-0.2 2 1*(0.1 0 6)R o a1.9 2 1*(0.2 4 5)(续表)变量(1)(2)E S GE S GI n s t i t u t i o n0.0 0 2*(0.0 0 1)T o p10.0 0 1(0.0 0 2)G r o w t h-0.0 1 5(0.0 1 8)M g t0.0 0 5*(0.0 0 1)I n d r-0.0 0 2(0.0 0 2)C f0.2 1 6*(0.0 9 7)常数项6.4 3 5*4.2 7 2*(0.0 2 5)(0.6 7 0)F i r mF EY e sY e sY e a rF EY e sY e sN1 7 0 0 81 6 5 3 6A d j.R20.6 5 70.6 6 3 注:*、*、*分别表示在1%、5%和1 0%的统计水平上显著;括号内为聚类到企业层面的稳健标准误。下同。3.内生性检验(1)双重差分法及安慰剂检验。为了使研究结0 5 7 现代经济探讨-2 0 2 4-0 2-财政金融论更加稳健,借鉴C h e n等(2 0 1 5)的方法,利用券商关闭或合并事件作为外生冲击,使用双重差分(D I D)的研究方法进一步研究分析师关注对企业E S G表现的影响。券商的关闭或合并更多的是来自券商自身的因素,与所跟踪的企业无关,但券商的关闭或合并会导致跟踪上市公司的分析师人数减少,因此券商的关闭或合并对分析师关注来说是一个理想的外生冲击。为了识别券商的关闭或合并,从C N R D S数据库中获取了2 0 1 1-2 0 2 1年各家企业每年的分析师研究报告,从中可以获得跟踪每家企业的分析师信息,通过比较不同年份发布研报券商的列表以及网络查询相关报道,最终在样本期间确定了4个符合条件的券商合并事件。把样本限定于合并前两家券商分析师都同时关注的上市公司,则券商合并会导致分析师关注减少这一外生冲击。由于券商合并时间不一致,因此构造多时点双重差分模型:E S Git=0+1T r e a tiP o s tt+2C o n t r o lt-1+F i r m+Y e a r+i t(2)其中,T r e a ti为虚拟变量,若合并前两家券商的分析师都关注了同一家公司,则T r e a ti等于1,否则等于0。P o s tt为表示券商合并时间的虚拟变量,券商合并当年及之后的年度P o s tt等于1,否则等于0。其余变量定义同模型(1)一致。回归结果如表4的列(1)所示,交乘项的系数为-0.1 1 2,并在1 0%统计水平上显著,表明券商合并导致分析师关注减少时,企业的E S G表现出现了明显的下降。为了避免遗漏变量等因素的影响,进行安慰剂检验。具体做法是对于上述受到券商合并影响的企业,分别假定券商合并的时间提前1年或滞后1年,再根据模型(2)进行回归,检验分析师关注和企业E S G表现之间的相关性,结果如表4的列(2)列(3)所示。在假定券商的合并提前或滞后1年后,交乘项的系数在各个结果中都不再显著。表4的结果表明确实是由于分析师关注的减少导致企业E S G表现降低,支持了假设1。(2)工具变量法。由于企业E S G表现变好也会吸引更多分析师关注(王攀娜和徐博韬,2 0 1 7),为解决可能存在的因果倒置而产生的内生性问题,一方面,本文借鉴相关学者(李春涛等,2 0 1 6;夏范社和何表4 券商合并的双重差分及安慰剂检验结果变量(1)(2)券商合并提前1年(3)券商合并滞后1年E S GE S GE S GT r e a tP o s t-0.1 1 2*-0.0 6 7-0.0 0 7(0.0 5 8)(0.0 5 9)(0.0 4 3)S i z e0.1 4 5*0.1 4 3*0.1 4 2*(0.0 3 0)(0.0 3 0)(0.0 3 0)L e v-0.2 0 7*-0.2 0 7*-0.2 0 6*(0.1 0 7)(0.1 0 7)(0.1 0 7)R o a1.7 2 8*1.7 3 0*1.7 2 8*(0.2 5 0)(0.2 5 0)(0.2 5 0)I n s t i t u t i o n0.0 0 3*0.0 0 3*0.0 0 3*(0.0 0 1)(0.0 0 1)(0.0 0 1)T o p10.0 0 10.0 0 10.0 0 1(0.0 0 2)(0.0 0 2)(0.0 0 2)G r o w t h-0.0 3 3*-0.0 3 3*-0.0 3 3*(0.0 1 9)(0.0 1 9)(0.0 1 9)M g t0.0 0 6*0.0 0 6*0.0 0 6*(0.0 0 1)(0.0 0 1)(0.0 0 1)I n d r-0.0 0 1-0.0 0 1-0.0 0 1(0.0 0 2)(0.0 0 2)(0.0 0 2)C f0.1 3 40.1 3 70.1 3 9(0.0 9 7)(0.0 9 7)(0.0 9 7)常数项3.1 9 0*3.2 1 4*3.2 3 1*(0.6 6 0)(0.6 6 0)(0.6 6 0)F i r mF EY e sY e sY e sY e a rF EY e sY e sY e sN1 6 1 2 31 6 1 2 31 6 1 2 3A d j.R20.6 6 40.6 6 40.6 6 4德旭,2 0 2 1)的方法,使用企业股票当年是否为沪深3 0 0成分股(H S3 0 0)作为分析师关注的工具变量。这是因为上市公司能否成为沪深3 0 0指数成分股取决于其在行业中的影响力、交易量和流动性等,但与其E S G表现没有直接关系,但是一旦一家公司被选为沪深3 0 0成分股就会吸引更多的分析师跟踪,这些公司的分析师关注度会上升。另一方面,一个理想的工具变量应该有助于捕捉分析师关注的变化,这是影响企业E S G表现的外生因素,借鉴Y u(2 0 0 8)的方法,本文使用分析师期望关 0 5 8 M O DERN E C ON O M I C RESE AR CH注(E x p c o v e r)作为分析师关注的另一个工具变量,它反映出证券公司的规模变化。这是因为证券公司的规模变化通常取决于公司的收入和利润,而与企业的E S G表现没有直接关系,因此由证券公司规模变化而引起的分析师关注的变化是一个理想的外生变化,有助于进一步确定分析师关注和企业E S G表现之间的因果关系。借鉴Y u(2 0 0 8)的方法,本文构造分析师期望关注(E x p c o v e r)的过程如下:E x p c o v e ri,t,j=(B r o k e r s i z et,j/B r o k e r s i z e0,j)C o v e r a g ei,0,j(3)E x p c o v e ri,t=nj=1E x p c o v e ri,t,j(4)其中,E x p c o v e ri,t,j为证券公司j对公司i在t年的分析师期望关注数,B r o k e r s i z e0,j和B r o k e r s i z et,j分别是证券公司j在基年和第t年的公司规模(用C S MA R数据库中公司当年的活动分析师数量衡量),C o v e r a g ei,0,j为证券公司j在基年对公司i的分析师关注数(即跟踪公司的分析师人数),E x p c o v e ri,t为公司i在t年的分析师期望关注总和。基于本文的样本区间,本文使用2 0 1 1年作为基年,要求证券公司在样本期间每年都至少有一名分析师,每家公司也至少有一名分析师跟踪。根据上文的构造方式,基年的分析师期望关注都为1,因此删除2 0 1 1年的所有观测值。虽然现实中证券公司会对不同上市公司有选择地关注,这样会带来潜在的选择偏差问题,但证券公司的选择只会影响实际的分析师关注,并不会影响期望分析师关注,因为预期关注衡量了在证券公司实际决定跟踪哪些公司之前保持关注的趋势(Y u,2 0 0 8)。表5报告了使用两阶段最小二乘法(2 S L S)的回归结果,其中第一阶段的结果显示是否为沪深3 0 0指数(H S3 0 0)、期望分析师关注(E x p c o v e r)都与分析师关注(A n a l y s t)显著正相关,是分析师关注理想的工具变量。第二阶段的结果显示分析师关注的系数为正,并且在5%的水平上显著,进一步支持了假设1。此外H a n s e nJ的统计量为0.6 5 3,p值为0.4 1 9,无法拒绝所有工具变量都是外生的原假设,这意味着本文的工具变量都是外生的且不存在过度识别的情况,K l e i b e r g e n-P a a p r kL M的统计量为5 0.0 4 5,p值为0.0 0 0,拒绝了工具变量识别不足的原假设,并且C r a g g-D o n a l dW a l dF和K l e i b e r g e n-P a a pr kW a l dF统计量分别为4 7.5 6 4、3 0.4 9 3,均大于临界值1 9.9 3 0,也均通过了弱工具变量的检验。表5 工具变量回归结果变量(1)第一阶段(2)第二阶段A n a l y s tE S GH S3 0 00.2 6 6*(0.0 3 9)E x p c o v e r0.0 1 1*(0.0 0 3)A n a l y s t0.3 2 4*(0.1 6 4)S i z e0.4 0 7*-0.0 7 4(0.0 4 0)(0.0 8 5)L e v0.0 9 2-0.1 5 3(0.1 3 8)(0.1 4 5)R o a5.9 0 0*0.4 4 4(0.3 0 3)(1.0 2 3)I n s t i t u t i o n0.0 1 7*-0.0 0 2(0.0 0 2)(0.0 0 3)T o p1-0.0 1 1*0.0 0 5(0.0 0 2)(0.0 0 3)G r o w t h0.0 6 7*-0.0 1 9(0.0 2 7)(0.0 2 7)M g t0.0 1 2*0.0 0 3(0.0 0 2)(0.0 0 3)I n d r0.0 0 2-0.0 0 0(0.0 0 3)(0.0 0 3)C f-0.0 1 20.2 4 0*(0.1 3 8)(0.1 4 0)F i r mF EY e sY e sY e a rF EY e sY e sN1 0 5 8 41 0 5 8 4H a n s e nJ0.6 5 30.4 1 9K l e i b e r g e n-P a a pr kL M5 0.0 4 50.0 0 0C r a g g-D o n a l dW a l dF4 7.5 6 41 9.9 3 0K l e i b e r g e n-P a a pr kW a l dF3 0.4 9 31 9.9 3 0 注:()内是聚类到企业层面的稳健标准误,内是p值,内是S t o c k-Y o g o检验1 0%水平上的临界值。0 5 9 现代经济探讨-2 0 2 4-0 2-财政金融4.稳健性检验(1)更换模型设定。为了论证实证结果的稳健性,首先采用变量更替法进行稳健性检验。使用商道融绿的E S G评级作为企业的E S G表现的度量重新进行基准回归,结果如表6列(1)所示。其次,在基准回归中只控制了个体固定效应和时间固定效应,而一些行业层面和地区层面的不可观测因素也可能影响实证结果,为了排除这些因素的影响,在模型中依次加入了行业固定效应和省份固定效应,回归结果如表6列(2)列(3)所示。同时,考虑到时间因素,又在模型中加入了行业和时间的交互固定效应以及省份和时间的交互固定效应,来控制行业层面和省份层面的一些时变因素,回归结果如列(4)所示。此外,考虑到企业E S G活动也会受到经济发展、政府规制等宏观因素的影响,从C S MA R数据库获取各地区人均国内生产总值的数据,并参考陈诗一和陈登科(2 0 1 8)的方法手工搜集各地市政府工作报告,将工作报告中与环境相