Impact of Narrative Innovation Information Disclosure on Enterprise Innovation—Moderating Effects Based on Analyst Tracking

doi:10.16716/j.cnki.65-1030/f.2022.03.006

Abstract

Abstract:

Based on the sample of Chinese A-share listed companies from 2007 to 2019, this paper uses fixed effects model and systematic GMM model to conduct empirical tests to explore the impact of descriptive innovation information disclosure on enterprise innovation level. The results show that descriptive innovation information disclosure has an "inverted U-shaped" influence on innovation effect. Further analysis shows that the "inverted U-shaped" impact of descriptive innovation information disclosure on firm innovation exists significantly in non-state-owned enterprises. Analyst tracking plays a positive moderating effect on the relationship between descriptive innovation information disclosure and firm innovation. In the future, it is of great necessity to further improve information disclosure system to protect core information, introduce innovative policies and provide multi-channel financing as well.

Key words: descriptive innovation information disclosure, enterprise innovation, analysts tracking, text analysis

摘要：

本文以2007年—2019年我国A股上市公司为样本，采用固定效应模型和系统GMM模型进行实证检验，探究企业描述性创新信息披露对企业创新的影响。研究发现，企业描述性创新信息披露对企业创新产生先促进后抑制的“倒U形”影响。进一步分析表明，描述性创新信息披露对企业创新的“倒U形”影响显著存在于非国有企业中；分析师跟踪在描述性创新信息披露与企业创新之间具有正向调节作用。今后应进一步完善信息披露制度，保护企业核心信息；同时出台创新政策，提供多渠道融资。

关键词: 描述性创新信息披露, 企业创新, 分析师跟踪, 文本分析

CLC Number:

F279.23

ZHOU Ming, XU Yan, XU Guoqing. Impact of Narrative Innovation Information Disclosure on Enterprise Innovation—Moderating Effects Based on Analyst Tracking[J]. Finance & Economics of Xinjiang, 2022, 0(3): 58-69.

周明, 许言, 徐国庆. 描述性创新信息披露对企业创新的影响——基于分析师跟踪的调节效应[J]. 新疆财经, 2022, 0(3): 58-69.

Figures/Tables 9

References 35

[1]	Narayanan V K, Pinches G E, Kelm K M, Lander D M. The Influence of Voluntarily Disclosed Qualitative Information[J]. Strategic Management Journal, 2000(7):707-722.
[2]	曾庆生, 周波, 张程, 陈信元. 年报语调与内部人交易:“表里如一”还是“口是心非”?[J]. 管理世界, 2018(9): 143-160.
[3]	张娟, 黄志忠. 公司盈余、研发文本信息披露与市场反应——基于我国创业板上市公司的实证分析[J]. 山西财经大学学报, 2020(6):112-126.
[4]	陈钦源, 马黎珺, 伊志宏. 分析师跟踪与企业创新绩效——中国的逻辑[J]. 南开管理评论, 2017(3):15-27.
[5]	Allen R C. Collective Invention[J]. Journal of Economic Behavior & Organization, 1983(1):1-24.
[6]	Hong J, Chung Y. The Effect of Voluntary Patent Disclosures[J]. International Proceedings of Economics Development ＆ Research, 2012(13):64-68.
[7]	Vergauwen P, Alem F V. Annual Report IC Disclosures in The Netherlands,France and Germany[J]. Journal of Inte- llectual Capital, 2005(1):89-104.
[8]	韩鹏, 岳园园. 企业创新行为信息披露的经济后果研究——来自创业板的经验证据[J]. 会计研究, 2016(1): 49-55+95.
[9]	程新生, 郑海埃, 程昱. 创新信息披露、分析师跟踪与市场反应研究[J]. 科研管理, 2020(1):161-173.
[10]	何瑞卿. 研发信息披露、股价信息含量与上市公司技术创新效率研究[D]. 厦门: 厦门大学, 2018.
[11]	周明. 创新信息披露对创新绩效的影响研究——基于电子信息制造企业的面板数据[J]. 技术经济与管理研究, 2021(12):48-52.
[12]	Dyck A, Morse A, Zingales L. Who Blows the Whistle on Corporate Fraud?[J]. Journal of Finance, 2010(6):2213- 2253.
[13]	余桂明, 钟慧洁, 范蕊. 分析师关注与企业创新——来自中国资本市场的经验证据[J]. 经济管理, 2017(3): 177-192.
[14]	王菁, 徐小琴, 孙元欣. 期望绩效差距对公司研发行为的影响——基于中国上市公司的实证分析[J]. 经济经纬, 2016(1):120-125.
[15]	Jie H, Xuan T. The Dark Side of Analyst Coverage:The Case of Innovation[J]. Journal of Financial Economics, 2013(3):856-878.
[16]	李慧云, 刘倩颖, 欧倩, 符少燕. 产品市场竞争视角下信息披露与企业创新[J]. 统计研究, 2020(7):80-92.
[17]	钟凯, 程小可, 肖翔, 郑立东. 宏观经济政策影响企业创新投资吗——基于融资约束与融资来源视角的分析[J]. 南开管理评论, 2017(6):4-14+63.
[18]	李春涛, 宋敏. 中国制造业企业的创新活动:所有制和CEO激励的作用[J]. 经济研究, 2010(5):55-67.
[19]	程新生, 谭有超, 刘建梅. 非财务信息、外部融资与投资效率——基于外部制度约束的研究[J]. 管理世界, 2012(7):137-150+188.
[20]	王健忠. “能说就要说”还是“能不说就不说”——自愿性信息披露与企业创新[J]. 北京社会科学, 2018(1):40-56.
[21]	Darrough M N, Stoughton N M. Financial Disclosure Policy in An Entry Game[J]. Journal of Accounting and Economics, 1990(1-3):219-243.
[22]	程小可, 张慧慧, 李昊洋, 王景. 研发信息披露对研发活动溢出效应的影响——来自创业板的经验数据[J]. 科技进步与对策, 2018(11):18-26.
[23]	Bhattacharya S, Guriev S. Patents vs Trade Secrets:Knowledge Licensing and Spillover[J]. Journal of The European Economic Association, 2006(6):1112-1147.
[24]	邢璐, 孙健敏, 尹奎, 王震. “过犹不及”效应及其作用机制[J]. 心理科学进展, 2018(4):719-730. DOI
[25]	韩美妮, 王福胜, 林翰. 分析师跟踪会促进企业技术创新吗?——以中小板企业为例[J]. 审计与经济研究, 2021(4):90-97.
[26]	Fuller J, Jensen M C. Just Say No to Wall Street:Putting a Stop to the Earnings Game[J]. Journal of Applied Corporate Finance, 2010(1):41-46.
[27]	王克敏, 王华杰, 李栋栋, 戴杏云. 年报文本信息复杂性与管理者自利——来自中国上市公司的证据[J]. 管理世界, 2018(12):120-132+194.
[28]	Loughran T, McDonald B. Textual Analysis in Finance and Accounting:A Survey[J]. Journal of Accounting Re- search, 2016(4):1187-1230.
[29]	王华, 刘慧芬. 产品市场竞争、代理成本与研发信息披露[J]. 广东财经大学学报, 2018(3):52-64.
[30]	仝自强, 李鹏翔, 杨磊, 王晟锴. 商业模式创新与技术创新匹配性对后发企业绩效的影响——来自年报文本分析的实证研究[J]. 科技进步与对策, 2022(11):84-93.
[31]	Merkley K J. Narrative Disclosure and Earnings Performance:Evidence from R&D Disclosures[J]. Social Science Electronic Publishing, 2014(2):725-757.
[32]	冯根福, 郑明波, 温军, 张存炳. 究竟哪些因素决定了中国企业的技术创新——基于九大中文经济学权威期刊和A股上市公司数据的再实证[J]. 中国工业经济, 2021(1):17-35.
[33]	李慧云, 李鹏森, 符少燕. 上市公司创新行为信息披露指标体系的构建[J]. 统计与决策, 2019(15):172-175.
[34]	何雨晴, 丁红燕. 清晰抑或模糊:企业创新行为的披露策略——基于高新技术上市公司的研究[J]. 山西财经大学学报, 2021(4):63-75.
[35]	李春涛, 张计宝, 张璇. 年报可读性与企业创新[J]. 经济管理, 2020(10):156-173.

变量类型	变量名称	变量符号	变量说明
解释变量	滞后一期创新信息披露	Disc	（创新披露关键词词集／年报词数）×100
被解释变量	企业创新	Patent1	当年申请专利数加1的自然对数
被解释变量	企业创新	Patent2	当年授权专利数加1的自然对数
调节变量	分析师跟踪	Analysts	分析师团队跟踪数目加1的自然对数
控制变量	企业规模	Size	公司年末总资产的自然对数
	企业年龄	Age	公司成立年份到统计年份加1的自然对数
	有形资产比	Capint	（固定资产净额＋存货净额）／资产总额
	现金资产比	Cash	现金及现金等价物总额／资产总额
	托宾Q值	TobinQ	市值／资产总额
	营业收入增长率	Growth	（本年本期金额－上年同期金额）／上年同期金额
	董事会规模	Board	董事会人数加1的自然对数
	高管激励	Pay	前三大高管薪酬的自然对数
	年报长度	Length	年报文本总字数加1的自然对数

变量类型	变量名称	变量符号	变量说明
解释变量	滞后一期创新信息披露	Disc	（创新披露关键词词集／年报词数）×100
被解释变量	企业创新	Patent1	当年申请专利数加1的自然对数
被解释变量	企业创新	Patent2	当年授权专利数加1的自然对数
调节变量	分析师跟踪	Analysts	分析师团队跟踪数目加1的自然对数
控制变量	企业规模	Size	公司年末总资产的自然对数
	企业年龄	Age	公司成立年份到统计年份加1的自然对数
	有形资产比	Capint	（固定资产净额＋存货净额）／资产总额
	现金资产比	Cash	现金及现金等价物总额／资产总额
	托宾Q值	TobinQ	市值／资产总额
	营业收入增长率	Growth	（本年本期金额－上年同期金额）／上年同期金额
	董事会规模	Board	董事会人数加1的自然对数
	高管激励	Pay	前三大高管薪酬的自然对数
	年报长度	Length	年报文本总字数加1的自然对数

变量名称	观测值个数	平均值	标准差	最小值	最大值
Patent1	23833	2.178	1.742	0.000	6.516
Patent2	23833	1.273	1.459	0.000	5.541
Disc	23833	0.601	0.291	0.011	2.513
Analysts	23833	1.533	1.176	0.000	3.761
Size	23833	22.173	1.297	19.652	26.075
Capint	23833	0.382	0.182	0.022	0.809
Length	23833	10.047	0.292	9.349	10.721
Pay	23833	14.382	0.728	12.430	16.367
Cash	23833	0.117	0.117	0.000	0.637
TobinQ	23833	2.426	1.708	0.871	11.211
Growth	23833	0.186	0.436	-0.522	3.073
Age	23833	2.802	0.362	1.386	3.434
Board	23833	2.258	0.179	1.792	2.773

变量名称	观测值个数	平均值	标准差	最小值	最大值
Patent1	23833	2.178	1.742	0.000	6.516
Patent2	23833	1.273	1.459	0.000	5.541
Disc	23833	0.601	0.291	0.011	2.513
Analysts	23833	1.533	1.176	0.000	3.761
Size	23833	22.173	1.297	19.652	26.075
Capint	23833	0.382	0.182	0.022	0.809
Length	23833	10.047	0.292	9.349	10.721
Pay	23833	14.382	0.728	12.430	16.367
Cash	23833	0.117	0.117	0.000	0.637
TobinQ	23833	2.426	1.708	0.871	11.211
Growth	23833	0.186	0.436	-0.522	3.073
Age	23833	2.802	0.362	1.386	3.434
Board	23833	2.258	0.179	1.792	2.773

变量	静态FE		System-GMM回归
变量	Patent1（1）	Patent2（2）	Patent1（3）	Patent2（4）
Disc	0.890^*** （5.98）	0.429^*** （3.38）	0.393^*** （6.32）	0.360^*** （8.63）
Disc²	-0.316^*** （-3.71）	-0.140^* （-1.85）	-0.075^** （-2.04）	-0.109^*** （-4.32）
L.Patent1			0.483^*** （102.74）
L2.Patent1			0.166^*** （41.69）
L.Patent2				0.560^*** （152.06）
L2.Patent2				0.208^*** （66.41）
控制变量	YES	YES	YES	YES
行业、年份	YES	YES	YES	YES
AR（1）			0.0000	0.0000
AR（2）			0.2666	0.6594
Sargan			0.1276	0.8214
R²	0.246	0.036
观测值	23833	23833	20163	20163