盈余管理方向与企业投资效率(2)

　　根据以上分析，提出本文的第一个研究假设：轻微的正向盈余管理，能够缓解企业的投资不足，即与企业投资不足负相关；过度的正向盈余管理，则会加剧企业的投资不足，即与企业投资不足正相关。

　　2.盈余管理、巨额冲销与投资不足

　　巨额冲销是企业进行负向盈余管理的主要手段之一。巨额冲销也称利润大清洗，是指在企业无法通过会计手段使得当期利润为正的情况下，通过尽可能多地确认成本和费用、推迟确认收入的方法，使得当期的报告盈余大幅度下降，为后期的报告盈余扭亏为盈增加空间。上市公司由于经济周期性波动、企业经营不力或者遭遇自然灾害而陷入财务困境时，往往会选择巨额冲销。一般人们认为企业在亏损的时候会想方设法使企业盈利为正，从而使陷入财务困境的企业在报告盈余上能有所改观。但研究发现，大量公司在陷入财务困境时，既不会粉饰业绩，也不会规避亏损，甚至会特意选择会导致盈利大幅下滑的会计方法，其目的就是为了在来年可以扭亏为盈以保住上市公司的挂牌资格。由于管理层进行巨额冲销的目的就是增加当期的亏损，因此为了不引起监管部门的注意，即使有些项目的净现值为正，也不会进行投资。这样当企业出于巨额冲销的动机而进行负向盈余管理时，往往伴随产生投资不足的问题，并且负向盈余管理的程度越大，投资不足的问题也就越严重；投资不足问题越严重，投资效率越低。

　　根据以上分析，提出本文的第二个研究假设：负向盈余管理与投资不足正相关。

　　三、研究设计

　　1.样本选择与数据来源

　　以2008—2010年在沪深两市的全部A股上市公司为研究样本，并对初选样本进行适当筛选：（1）鉴于银行、保险、证券类公司的特殊性，剔除此类公司；（2）剔除在样本期间内变量数据缺失的上市公司；（3）剔除ST、*ST和PT公司；（4）剔除净资产为负的公司；（5）对连续型变量进行缩尾（winsorized）处理，即剔除连续型变量中最低1%和最高1%的极端值数据。经上述处理后，最终得到的上市公司数为1083家。研究中所用数据主要来自于CCER经济金融研究数据库，部分缺失数据或明显存在错误数据的更正均来自于公司年报。

　　2.变量选择与衡量

　　（1）投资效率的衡量

　　首先利用回归分析法估计出模型（1）中的所有回归系数α，然后将α回代到模型（1）中，计算出各年度每个样本企业的回归预测值，再用其各年度对应的实际值减去回归预测值，就可得出企业异常投资水平值，并用符号ABI表示。当ABI>0时，说明企业存在过度投资行为；而当ABI<0时，说明企业存在投资不足行为；ABI的绝对值越大，说明企业的投资效率越低。

　　（2）盈余管理程度的衡量

　　文献中普遍采用操控性应计利润来衡量企业的盈余管理程度，并用修正的Jones模型来计量操控性应计利润，本文也不例外。该计量模型如下：

　　（3）控制变量

　　影响企业投资效率的因素很多，根据以往的研究，本文在回归模型中引入以下6个控制变量：

　　——总资产报酬率（ROA）。Markarian等（2008）认为公司的盈利水平提高时，投资水平也会提升。本文以总资产收益率来衡量盈利水平，并且通过引入这一控制变量来区分盈余数量和盈余质量对投资效率的不同影响。总资产报酬率用净利润除以平均总资产衡量。

　　——总资产周转率（TAT）。研究表明，代理成本将会影响企业的投资效率，而现有实证研究中对于企业代理成本的衡量，常用的一个指标便是总资产周转率（李明辉，2009）。提高总资产周转率可以有效降低企业的代理成本，进而提高企业的投资效率。因此本文引入总资产周转率这一控制变量，用主营业务收入除以平均总资产衡量。

　　——产权性质（State）。鉴于国有控股企业和非国有控股企业在诸多方面均存在着较大差别，其投资效率可能会明显不同，因此根据上市公司的控股股东性质将其区分为国有控股公司和非国有控股公司。为此本文设置产权性质虚拟变量，如果公司属于国有控股，则State为1，否则State为0。

　　——第一大股东持股比例（Share1）。考虑到我国上市公司股权集中度高，并且实证检验中关于股权集中度对公司投资效率影响的研究结果并不一致，设置控制变量第一大股东持股比例，以控制股权集中度对投资效率的影响。

　　——行业和年度。Industry和Year分别表示行业和年度虚拟变量，目的是控制行业效应和年度效应对企业投资效率的影响。

　　3.模型设定

　　根据前面的分析，为了检验盈余管理的不同方向对企业投资效率的影响，本文建立如下多元线性回归模型：

　　四、实证结果及分析

　　1.被解释变量和解释变量的估算结果

　　首先，由模型（1）算出衡量投资效率的指标ABI，并用ABI的绝对值作为模型（3）中的被解释变量，考察盈余管理对投资效率的影响。ABI的绝对值越大，说明企业的异常投资越大，而投资效率越低。表1是模型的回归结果。AdjR2为0.222，DW值为2.032，F值为33.629，并且在1%的水平上显著，这说明模型的拟合度较好，能在一定程度上反映公司的预期投资水平。资产增长率、货币资金持有量、上市时间、股票收益率和上期投资规模都与当期投资规模显著相关，说明上述变量均对当期投资水平产生显著影响。所有变量的方差膨胀因子VIF均远小于10，说明变量之间不存在严重的多重共线性问题。

　　再由模型（2）进行多元线性回归，求得a0、a1、a2、a3的估计值（见表2），并回代模型中，求得非操控性应计利润，再用总体应计利润减去非操控性应计利润，得到操控性应计利润DA。由表2可知，AdjR2为0.406，DW为1.98，F值为740.38，并且在1%水平上显著，说明模型拟合度较好，能在一定程度上度量企业的盈余管理程度。由于所有容忍度均远大于0.1，方差膨胀系数均远小于10，故变量之间不存在严重的多重共线性问题。更重要的是，各个变量的系数均在1%水平上显著，说明修正的Jones模型能很好地计量企业的非操控性应计利润，进而求得的操控性应计利润能很好地作为盈余管理程度的代理变量。

　　2.描述性统计及分析

　　由表3可知，非效率投资的代理变量ABI的均值为-0.0409，中位数为-0.0300，说明大部分上市公司存在着投资不足的问题；操控性应计利润DA的均值为0.0427，中位数为0.0303，说明大部分上市公司存在正向盈余管理。

　　由表4可知，从投资效率来看，大部分上市公司存在着投资不足的问题，占全部样本的72.08%；从盈余管理来看，进行正向盈余管理的上市公司占全部样本的59.06%。而从投资效率和盈余管理两方面来看，投资不足且进行正向盈余管理的上市公司所占的比重最大，占全部上市公司的40.8%；其次是投资不足且进行负向盈余管理的上市公司，占全部上市公司的31.3%。