一、引 言
降低信息不对称是提高资本市场效率的主要途径,而媒体在降低信息不对称方面发挥着重要作用(卢文彬等,2014)。现有文献一般将媒体分为官方媒体和非官方媒体,这里的“官方”是指政府(叶杰,2019)。而基于企业信息披露的文献将企业微博称为“企业官方微博”。为了避免对“官方”一词理解上的混淆,本文将信息披露渠道分为正式和非正式两类。正式信息传递机制包括资本市场监管机构指定的信息披露媒介,如交易所网站、证监会指定的网站和报刊等,还包括公司为传递非强制披露的信息而选择的官方媒体,如企业家接受官方媒体采访、通过企业官方微博发布信息等。非正式信息传递机制则是指上述信息传递方式以外的信息传递渠道。在自媒体时代,微信、个人微博等都是比较典型的非正式信息传递机制。
根据Williams(2006)的社会资本理论,社会资本可分为结合型社会资本和桥接型社会资本。比如,微信是结合型社会资本网络,微博则是桥接型社会资本网络。微信基于用户已有的社会联系,在微信上联络的人很多是现实社会中的熟人。微博则不同,微博的“关注”或“粉丝”很多是陌生人。基于 Granovetter(1973)提出的弱连带优势理论,在扩散网络中,弱势链在传播信息方面具有相对优势,而微博正属于“弱关系”社交网络。本文聚焦于企业家个人微博这一非正式的信息传递机制对企业权益融资成本的影响。
作为企业重要的决策人和掌舵者,企业家个人的一举一动会对企业产生重要的影响。传统意义上,企业家通过制定公司战略、强化内部管理等后台行为影响企业绩效。而在互联网时代,企业的经营管理环境正在发生巨大改变,从门户网站、搜索引擎到社交化网络,再到移动互联网融入生活,移动社交平台已然成为人们沟通联络和传递信息的主要媒介。根据《2018年中国社交媒体影响报告》,当下的社交媒体完全改变了人们传递信息和获取信息的方式,如抖音、微店等。在信息技术快速发展的大背景下,企业家是否会有效利用社交媒体来传递信息?这些信息是否会对投资者产生影响?
移动互联网的发展使社交媒体成为最便捷、成本最低、影响力最大的传播方式。微博为个人发表见解、分享经历和经验以及传递信息提供了一个非常便利的平台。而要保持较大的影响力,需要花费较多的时间和精力进行维护。忙碌的企业家愿意花时间开通并维护个人微博,除了个人偏好外,更可能是出于增加企业知名度、降低信息不对称和提高企业投融资或管理效率的考虑。作为正式信息传递机制的补充,企业家微博相对自由,不像企业定期财报或公告那样受到时间、形式、内容等的限制。企业家微博可以传递更加多元化的信息,也可以用更加个性化、通俗化、丰富化的语言阐述其经营管理理念,使公众更多地了解企业及企业家的情况。另外,企业家和企业在很大程度上是一个整体。在微博上,即使企业家发布的信息与企业无关,也可以拉近与公众的心理距离,增加信任感和认同感,进而将这份信任和认同传递到所经营的企业中(Elliott等,2018)。企业家微博是数字化时代下企业可选择的非正式信息传递机制,本文预期这一机制能够有效降低企业的权益融资成本。
市场环境和信息环境会对企业融资产生重要影响。制度经济学指出,在法律环境或市场环境相对完善的情况下,交易可以通过正式契约达成。在法律环境或市场环境相对缺失、正式制度无法起到应有的作用时,交易需要更多地依赖于非正式制度,如声誉、文化、“关系”或商业信任等。而非正式制度具有一定的社群效应。我国市场发展不均衡,在市场化程度低的地区,企业“融资难”“融资贵”等问题更加突出(陈道富,2015)。外部信息环境对企业融资具有重要影响(梁上坤,2017)。如果缺乏正式的信息传播渠道,如官方媒体、分析师跟踪等,企业会倾向于选择非正式的渠道进行弥补。企业家微博为投资者了解企业和企业家个性及管理风格等提供了重要的非正式信息渠道。本文预期,企业家微博在市场化程度低的地区以及外部信息环境薄弱的情况下对企业权益融资成本的影响更大。
本文以2010−2017年A股上市公司为样本,对上述推断进行了检验。本文的贡献主要体现在:首先,结合自媒体时代的信息传递渠道和内容特征,将信息传递机制区分为正式和非正式两类。非正式信息传递机制是指官方渠道或具有官方特征以外的信息传递方式,如个人微博、微信等。在自媒体迅速发展的环境下,这种分类可以更清晰地界定信息传递方式,为后续相关研究提供一个基本的概念框架。其次,在“互联网+大数据”时代,新媒体给企业家提供了更加多元且便捷的信息传递渠道。与传统媒体相比,微博的信息传递具有非正式、高频化和个性化的特征。非正式信息不够权威,但可能更具有润物细无声的效果。那么,微博这种非正式的信息传递方式是否有效?本文发现企业家微博发布可以显著降低企业的融资成本。本文的研究拓展了媒体信息传递的文献,并丰富了企业家行为经济后果的研究。最后,本文的发现对于企业家应如何利用新媒体具有重要启示。在市场化程度低或企业外部信息环境薄弱的情况下,新媒体的信息传递作用更加重要。此外,企业家圈粉以获得更多转发或主动艾特(@)他人也能提高信息传递效率。
二、理论分析与研究假说
本文将信息传递机制分为正式和非正式两种类型。现有文献主要聚焦于正式信息传递机制,发现传统媒体发挥着公司治理和信息传播的双重作用(Dyck等,2008;卢文彬等,2014)。李培功和徐淑美(2013)指出,新媒体(特别是社交网络)的公司治理作用是值得关注的焦点,原因在于新媒体(如微博、微信等)传播迅速且覆盖面广,容易在短期内形成巨大舆论压力,从而与传统媒体在监督动机和方式以及作用机制上存在较大差异。但基于互联网的新媒体如何发挥作用,相关研究还处于起步阶段。政府或企业开通的自媒体官方账号通常会传递与公司有关的正式信息,本文将其归为正式的信息传递机制。
本文关注新媒体中的非正式信息传递机制。企业家个人微博是典型的非正式信息传递机制。企业家微博的非正式性体现在两个方面:一是个人微博显然没有正式信息传递机制所具有的“官方”色彩;二是个人微博的内容可以包罗万象,不像官方媒体那样有明确的规范和边界,也不像官方媒体那样要经过必要的审核。正因如此,企业家可通过微博更加方便地从多个维度来展示自己和企业。
企业家微博是企业正式信息传递机制的重要补充,能够有效缓解投资者与企业之间的信息不对称。与传统媒体相比,企业家微博对于信息传播有更大的主动权,如发布什么信息、什么时候发布、如何措辞等。同时,微博具有双向性,不仅可以将信息无衰减、无扭曲地迅速扩散到粉丝以外的群体中,还可以接收来自不同用户的评论反馈。企业融资成本是投资者让渡资金使用权并承担回收风险而要求的必要补偿,风险主要来自融资项目本身的风险和融资后企业经营的不确定性。信息不对称所带来的风险是不可分散的(Easley和O’Hara,2004),投资者会通过提高资金价格(即企业融资成本)进行自我保护。企业家开通微博可以降低信息不对称:首先,企业家在微博中会涉及所在企业的一些信息。虽然这些信息可能只是官方披露信息的重复,但是企业家在自己的微博中发布等于增加了其个人对信息的背书。企业家也会用更加个性化、通俗化、丰富化的语言对官方信息做一些解读,便于投资者更加准确地判断公司未来的经营情况,降低其感受到的不确定性。比如,重庆长安汽车股份有限公司在推出新车型时,公司总裁朱华荣在其微博中写道,“长安汽车今天推出CS55后,长安SUV已自成体系,SUV成为销量的绝对主打。CS55是一款性价比优势明显的车,具有许多高品质车的配置。尤其360度视频窃以为应该成为今后所有车的标配。长安CS55红火上市,号称年轻人的首购SUV”。其次,企业家微博可以发布一些不便于通过官方渠道公布的信息。由于官方渠道更正式,受到更多的限制,很多“隐性”信息无法传递,企业家微博则提供了传递的可能。企业家个人微博内容具有混合和非重大的特点,但看似“非重大”的信息可能具有重要的信息含量。例如,江苏宏图高科技股份有限公司副总裁花贵侃在其微博中艾特(@)了很多人:“@三胞集团 袁总是老朋友了。@HouseofFraser东方福来德 @哈姆雷斯官方微博 Hamleys 我也不是第一次来了。@英国大使吴百纳 第一次来,点赞两个英国老牌商业落地中国……。”这条看似简单的状态分享,却传递了企业家拥有的社会网络关系。投资者会解读这类非正式的“隐性”信息,从而做出投资判断。再次,即使企业家微博发布的是与公司毫无关系的个人信息,也能有效缓解企业与投资者之间的信息不对称。具体来说,发布的个人信息(如兴趣爱好、时事评价等)有助于投资者了解企业掌舵者的个人特征,如风险偏好、性格特点等,使投资者对企业家的战略方向与投资决策有更深刻的认知,增强对企业家的信任(Batjargal和Liu,2004),从而降低资本成本。最后,媒体报道对投资者有重要影响。Fang和Peress(2009)的研究表明,未被媒体报道或报道少的股票信息透明度更低,投资者面对更严重的信息不对称,从而要求更高的风险溢价作为补偿。互联网本身就是媒体,企业家微博能够增加媒体曝光度,减少投资者的信息搜寻成本与加工成本。基于上述分析,本文提出以下假说:
假说1:企业家微博有利于降低企业权益融资成本。
交易方式内生于制度环境约束,是交易成本最小化的结果。我国是一个发展不均衡的国家,各地区的市场化程度明显不同(夏立军和陈信元,2007)。首先,在市场化程度较高的地区,融资成本较低。市场化程度较低的地区则存在较多的政府管制和关系型交易以及较少的信息传递渠道,融资成本相对较高,信息不对称程度较大。其次,市场化程度低的地区更需要成本低且易获取的信息渠道来降低信息不对称,自媒体的出现恰好满足了这一需求。最后,Young和Tsai(2008)指出,在法律制度不完善的国家或地区,非正式机制将发挥积极的替代作用。在市场化进程缓慢的地区,为了获得正式制度中无法得到的支持与保障,企业家更愿意花费精力和成本来维护微博,通过微博与粉丝或外部中小投资者进行互动,增加信任感与认同感,从而有效缓解正式制度的缺失(贾凡胜等,2017)。基于上述分析,本文提出以下假说:
假说2:在市场化程度低的地区,企业家微博对企业权益融资成本的影响更加显著。
当然,可能存在与假说2相反的结果。我国地区间发展不均衡,在市场化程度高的地区,现代媒体的利用率高,人们利用媒体的意识强,从而企业家微博的受众面广。此时,企业家利用微博来披露非强制性信息的可能性大,缓解信息不对称的作用强。而在市场化程度低的地区,自媒体的使用率低,企业家微博的影响力和关注度小,对企业融资成本的影响也小。因此,市场化进程对企业家微博与企业融资成本关系的影响是一个实证问题。
企业家微博降低信息不对称性的作用受到公司自身信息环境的影响。如果公司已向市场披露了大量信息,信息不对称程度较低,非正式信息传递机制的作用就会被削弱(李慧云和刘镝,2016)。Diamond和Verrecchia(1991)发现,提高公司信息披露水平和透明度能够显著降低权益资本成本。我国学者曾颖和陆正飞(2006)也有类似发现。当信息环境较好时,企业利用非正式渠道传递信息的需求较小,正式信息传递机制已可以在较大程度上满足投资者的需求。当信息环境较差时,为了缓解与投资者之间的信息不对称,企业使用非正式信息传递机制,如利用微博等自媒体的动机较强。梁上坤(2017)认为,当公司的内外部信息环境较好时,管理层的行为较为透明,媒体关注的增量作用并不明显。而当公司的信息环境较差时,媒体的信息传播作用会变得比较显著。基于上述分析,本提出以下假说:
假说3:在企业外部信息环境薄弱的情况下,企业家微博对企业权益融资成本的影响更加显著。
三、研究设计
(一)样本选择与数据来源
本文的初始样本为2010−2017年沪深A股上市公司,剔除了ST和*ST、金融保险行业以及数据缺失的公司,最终得到39 375个样本观测值。企业家姓名信息参考了CSMAR、锐思和Wind三个数据库,利用python爬虫技术从新浪微博网站获取了企业家微博相关信息。本文剔除了部分账号清空微博或者没有发布任何信息的微博,得到企业家微博账号246个,共386 465条企业家微博数据。为了保证数据的有效性并消除异常值的影响,本文对主要的连续变量进行了上下1%的缩尾(Winsorize)处理。
(二)变量定义
1. 权益融资成本
权益融资成本的估计有事前与事后两种方法。毛新述等(2012)的研究表明,权益资本成本的事前测度指标优于事后测度指标。本文借鉴冯来强等(2017)的研究,采用事前估计法。具体地,选用PEG模型、MPEG模型和OJN模型对资本成本进行估计,将三种方法下估计值的均值作为权益融资成本的代理变量。不失一般性,权益融资成本的合理范围是(0,1),超过该范围的估计值设置为缺省值。
PEG模型:
${{R}_{e}} = \sqrt {(EP{S_{t + 2}} - EP{S_{t + 1}})/{P_t}} $ |
MPEG模型:
${{R}_{e}} = \sqrt {(EP{S_{t + 2}} + {R_{e}} \times DP{S_{t + 1}} - EP{S_{t + 1}})/{P_t}} $ |
OJN模型:
$ {R_e} = A + \sqrt {{A^2} + \dfrac{{EP{S_{t + 1}}}}{{{P_t}}} \times \left[ {\dfrac{{EP{S_{t + 2}} - EP{S_{t + 1}}}}{{EP{S_{t + 1}}}} - \left( {{R_e} - 1} \right)} \right]} , \;\; A = \left({g_p} + \dfrac{{DP{S_{t + 1}}}}{{{P_t}}}\right)\Big{/}2 $ |
其中,Re为权益资本成本,EPS为分析师预测的每股收益,P为股票收盘价,DPS为每股股利。gp为长期盈余增长率,参考Easton和Monahan(2005)的研究,取值为2%。
2. 企业家微博
本文将公司实际控制人、董事长和CEO定义为企业家。参考何贤杰等(2016)以及徐巍和陈冬华(2016)的做法,本文使用年度微博发布哑变量(Wb)进行衡量。如果企业家微博的年度发布数量大于1条,则Wb取值为1,否则取值为0。未开通企业家微博账号的也取值为0。对于开通微博的样本,本文进一步使用微博发布条数(Wb_Num)、评论条数(Comment)、转发条数(Transmit)和点赞条数(Likenum)来衡量企业家微博的信息传递程度。
数据处理过程如下:首先,从CSMAR、锐思和Wind数据库获得所有A股上市公司的实际控制人、董事长和CEO名单。然后,以企业家的名字作为关键词在新浪微博的找人页面搜索,获取大V认证的微博用户及其账号。考虑到信息的权威性,本文仅将含有上市公司名称或简称且成为微博认证的大V用户界定为开通微博的企业家。最后,由微博账号爬取用户个人信息页面,获得认证信息。根据认证信息再次审核微博用户是不是企业家的微博账号,若是则获取企业家微博的发布内容、发布时间、每条微博的评论条数、转发条数、点赞条数等信息。本文共得到246个企业家微博账户信息。
3. 市场化程度
王小鲁、樊纲和余静文在《中国分省份市场化指数报告(2016)》一书中列示了2008−2014年“各省份市场化评分和排序”,本文以该指数作为市场化程度指标(Mp)。Mp的数值越大,说明地区的市场化程度越高。
4. 企业外部信息环境
媒体报道有助于降低公司权益资本成本(卢文彬等,2014),是企业重要的外部信息环境代理指标。参考梁上坤(2017)等研究,本文根据公司名称和公司股票代码,在《中国重要报纸全文数据库》中检索得到每家公司的月度新闻报道量,加总后获得全年的新闻报道数量(Media)。Media的数值越大,说明公司外部信息环境越好。
证券分析师是资本市场上专业的信息中介,通过挖掘和分析公司相关信息,能够帮助投资者更好地理解公司战略、财务以及未来发展趋势。参考潘越等(2011)、梁上坤(2017)等研究,本文以分析师跟踪数量(Analyst)来衡量公司的外部信息环境。Analyst的数值越大,说明公司外部信息环境越好。
本文使用媒体报道和分析师跟踪数量作为公司外部信息环境的衡量指标。媒体报道越多,分析师跟踪人数越多,公司外部信息环境越好。
5. 控制变量
借鉴曾颖和陆正飞(2006)以及李慧云和刘镝(2016)的做法,本文控制了企业规模(Size)、系统性风险(Beta)、资产负债率(Lev)、账面市值比(BTM)、盈利能力(ROA)、股票流动性(LIQ)、总资产周转率(TOTA)、营业收入增长率(Growth)、机构持股比例(Institution)以及企业性质(SOE)。此外,本文还控制了企业是否有官方微博(FirmWb)。
(三)模型构建
为了检验企业家微博对企业权益融资成本的影响,本文构建了如下模型:
$\begin{aligned} Equity\_cost = & {\beta _0} + {\beta _1}Wb + {\beta _2}Size + {\beta _3}Beta + {\beta _4}Lev + {\beta _5}MTB + {\beta _6}ROA \\ & + {\beta _7}LIQ + {\beta _8}TOTA + {\beta _9}Growth + {\beta _{10}}Institution + {\beta _{11}}FirmWb \\ & + {\beta _{12}}SOE + Industry\_dummy + Year\_dummy + \varepsilon \end{aligned} $ | (1) |
根据假说1,本文预期模型(1)中β1显著为负。将模型(1)中的Wb替换为微博发布条数(Wb_Num)、评论条数(Comment)、转发条数(Transmit)或点赞条数(Likenum),预期β1仍显著为负。
为了检验市场化程度与企业外部信息环境的调节作用,本文构建了如下的两个模型:
$\begin{aligned} Equity\_cost = & {\beta _0} + {\beta _1}Wb \times Mp + {\beta _2}Mp + {\beta _3}Wb \\ & + {\beta _4}Controls + Industry\_dummy + Year\_dummy + \varepsilon \\ \end{aligned} $ | (2) |
$\begin{aligned} Equity\_cost = & {\beta _0} + {\beta _1}Wb \times Media({\text{或}}Analyst) + {\beta _2}Media({\text{或}}Analyst) + {\beta _3}Wb \\ & + {\beta _4}Controls + Industry\_dummy + Year\_dummy + \varepsilon \\ \end{aligned} $ | (3) |
根据假说2和假说3,本文重点关注模型(2)和模型(3)中的交乘项系数。当市场化进程加快或者企业外部信息环境改善时,非正式信息传递机制降低企业权益融资成本的作用会有所减小,本文预期交乘项系数显著为正。
本文所有回归都控制了行业与年度固定效应,并做了异方差与公司聚类调整。各变量定义见表1。
变量类型 | 变量名称 | 变量符号 | 变量定义 |
被解释变量 | 权益融资成本 | Equity_cost | 采用事前估计法的PEG模型、MPEG模型和OJN模型来估计权益融资成本,取三种方法下估计值的均值 |
解释变量 | 企业家微博发布 | Wb | 哑变量,企业家当年发布1条及以上微博时取值为1,否则为0 |
微博发布条数 | Wb_Num | 当年企业家累计发布的微博条数取对数 | |
评论条数 | Comment | 当年企业家微博累计的评论数量取对数 | |
转发条数 | Transmit | 当年企业家微博累计的转发数量取对数 | |
点赞条数 | Likenum | 当年企业家微博累计的点赞数量取对数 | |
调节变量 | 市场化进程 | Mp | 《中国分省份市场化指数报告(2016)》中 “各省份市场化评分和排序”数据 |
媒体报道数量 | Media | 当年企业的媒体报道数量加1后取对数 | |
分析师跟踪数量 | Analyst | 当年分析师(或团队)跟踪数量 | |
控制变量 | 企业规模 | Size | 期末总资产取对数 |
系统性风险 | Beta | 根据资本资产定价模型,使用上一年的日交易数据计算得到 | |
资产负债率 | Lev | 总负债/总资产 | |
账面市值比 | MTB | 账面价值/股东权益的流通市值 | |
盈利能力 | ROA | 净利润/总资产 | |
股票流动性 | LIQ | 股票当年的日平均换手率 | |
总资产周转率 | TOTA | 销售收入/总资产 | |
营业收入增长率 | Growth | (当年主营业务收入−上一年主营业务收入)/上一年主营业务收入 | |
机构持股比例 | Institution | 机构投资者持股占企业全部A股的比例 | |
企业官方微博 | FirmWb | 哑变量,企业有官方微博时取值为1,否则为0 | |
企业性质 | SOE | 哑变量,国有企业取值为1,否则为0 |
(四)描述性统计
本文主要变量的描述性统计结果见表2。全样本中权益融资成本的均值为9.6%,其中企业家发布微博样本的均值为8.4%,显著低于未发布微博样本的9.7%。企业家微博发布的均值为0.016,说明样本中有1.6%的企业家发布微博。企业家微博发布条数、评论条数、转发条数和点赞条数(取对数后)的均值分别为4.000、3.923、3.909和2.625,不同企业家之间存在一定差异。此外,在企业家发布微博的样本中,地区市场化程度更高,媒体报道与分析师跟踪数量更多。
(1)全样本(N=39375) | (2)Wb=0样本(N=38745) | (3)Wb=1样本(N=630) | (2)—(3) | ||
均值 | 标准差 | 均值 | 均值 | 均值差异 | |
Equity_cost | 0.096 | 0.068 | 0.097 | 0.084 | 0.013*** |
Wb | 0.016 | 0.127 | 0 | 1 | |
Wb_Num | 4.000 | 2.209 | 3.951 | ||
Comment | 3.923 | 3.353 | 3.923 | ||
Transmit | 3.909 | 3.598 | 3.909 | ||
Likenum | 2.625 | 2.918 | 2.625 | ||
Mp | 7.440 | 1.451 | 7.432 | 7.817 | −0.384*** |
Media | 6.412 | 10.362 | 6.388 | 7.854 | −1.466* |
Analyst | 19.258 | 22.530 | 19.110 | 28.354 | −9.244*** |
注:*、**和***分别表示在10%、5%和1%的水平上显著(双尾检验)。 |
四、实证结果分析
(一)企业家微博与企业权益融资成本
由于企业家发布微博的样本比例较低,为了避免计量偏差并缓解自选择问题,本文使用倾向得分匹配(PSM)方法进行分析。参考卢文彬等(2014)以及李慧云和刘镝(2016)的研究,影响我国企业权益融资成本的因素主要有:(1)系统性风险(Beta)。(2)财务风险。过高的负债水平会增大财务风险,提高权益资本成本。本文采用资产负债率(Lev)来衡量财务风险。(3)股票流动性(LIQ)。股票流动性越强,权益融资成本越低。此外,本文还使用账面市值比(MTB)、总资产自然对数(Size)和上市年限(List)来控制公司股价、规模和上市时间等基本面情况。本文进一步考虑了企业官方微博变量(FirmWb),以排除企业层面信息披露的影响。本文倾向得分匹配(PSM)使用的是Probit模型,在控制年份效应和行业效应的影响后进行1∶1配对形成对照组。匹配后所有变量均通过了平行性检验。
表3列示了企业家微博对企业权益融资成本的回归结果。列(1)为模型(1)的全样本回归结果。Wb的系数为−0.003,在10%的水平上显著,说明企业家发布微博能够降低企业权益融资成本。列(2)为基于PSM匹配样本的回归结果。Wb的系数为−0.004,在10%的水平上显著。这说明在控制其他影响因素的情况下,企业家发布微博比未发布微博的企业权益融资成本低0.4个百分点。列(3)—列(6)只关注了企业家发布微博的样本。结果显示,企业家微博发布条数(Wb_Num)、评论条数(Comment)、转发条数(Transmit)和点赞条数(Likenum)的系数均为负。除了点赞条数外,其他变量的系数均在10%的水平上显著。这说明企业家微博的使用程度及传播与关注度越高,企业权益成本下降越明显。列(3)中Wb_Num的系数为−0.003,在经济意义上,控制其他影响因素后,微博发布数量(取对数后)增加一个标准差,企业权益融资成本下降约0.66%(=2.209×0.003)。上述结果说明,无论在统计意义还是经济意义上,企业家微博能够显著降低企业的权益融资成本。假说1得到验证。
Equity_cost | ||||||
(1) | (2) | (3) | (4) | (5) | (6) | |
Constant | 0.084*** | 0.005 | −0.017 | 0.537 | 0.532 | 0.470 |
(3.95) | (0.11) | (−0.17) | (1.12) | (1.09) | (0.96) | |
Wb | −0.003* | −0.004* | ||||
(−1.71) | (−1.93) | |||||
Wb_Num | −0.003* | |||||
(−1.73) | ||||||
Comment | −0.003* | |||||
(−1.68) | ||||||
Transmit | −0.005* | |||||
(−1.88) | ||||||
Likenum | −0.003 | |||||
(−0.95) | ||||||
Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Industry effect | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Year effect | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Obs. | 39375 | 1260 | 630 | 630 | 630 | 630 |
R2 | 0.25 | 0.35 | 0.25 | 0.24 | 0.25 | 0.24 |
注:所有回归都做了异方差与公司聚类调整,括号内为t值。*、**和***分别表示在10%、5%和1%的水平上显著(双尾检验)。 |
本文进一步检验了企业融资环境与外部信息环境是否会影响企业家微博与企业权益融资成本之间的关系。在模型(1)的基础上分别引入交乘项Wb×Mp、Wb×Media和Wb×Analyst,得到模型(2)和模型(3)。回归结果如表4所示。列(1)为模型(2)的回归结果,交乘项Wb×Mp的系数为0.009,在5%的水平上显著。这说明企业所在地区的市场化程度越高,融资环境越好,企业家微博降低权益融资成本的作用越不明显。换言之,在市场化程度低的地区,企业家微博降低权益融资成本的作用更加明显。列(2)和列(3)为模型(3)的回归结果。列(2)中交乘项Wb×Media的系数为0.001,在1%的水平上显著;列(3)中交乘项Wb×Analyst的系数为0.001,在5%的水平上显著。这说明企业外部信息环境越好,企业家微博降低权益融资成本的作用越不显著;而当企业外部信息环境薄弱时,企业家微博更有助于降低企业权益融资成本。上述结果说明,企业家微博这一非正式信息传递机制对改善信息环境起到显著作用。假说2和假说3得到验证。
Equity_cost | |||
(1) | (2) | (3) | |
Constant | −0.002 | 0.104 | −0.028 |
(−0.03) | (1.28) | (−0.36) | |
交乘项 | 0.009** | 0.001*** | 0.001** |
(2.30) | (3.68) | (2.13) | |
Wb | −0.073** | −0.003 | −0.012 |
(−2.37) | (−0.61) | (−1.64) | |
Mp | 0.001 | ||
(0.43) | |||
Media | −0.001*** | ||
(−2.85) | |||
Analyst | −0.000 | ||
(−1.64) | |||
Controls | 控制 | 控制 | 控制 |
Industry effect | 控制 | 控制 | 控制 |
Year effect | 控制 | 控制 | 控制 |
Obs. | 1260 | 1260 | 1260 |
R2 | 0.22 | 0.22 | 0.19 |
注:所有回归都做了异方差与公司聚类调整,括号内为t值。*、**和***分别表示在10%、5%和1%的水平上显著(双尾检验)。 |
(二)企业家微博内容特征与企业权益融资成本
本文从三个维度来刻画企业家微博的内容特征:一是根据信息内容是否与企业相关,划分为“披露式微博”和“个性化微博”;二是根据微博中是否传递企业家拥有的社会关系,划分为包含艾特(@)的微博和不包含艾特(@)的微博;三是根据信息内容的语调及用词,划分为正面情感倾向的微博和负面情感倾向的微博。
第一,参考徐巍与陈冬华(2016)的做法,本文对企业家微博发布的内容进行文本分析,将包含企业日常经营管理信息的微博定义为披露式微博,如新产品推广、重要事件公告等;其他则定义为个性化微博,如涉及个人兴趣爱好、心情感悟等内容。本文设置了业务类(如“签约”“投资”)、财务类(如“收入”“业绩”)、研发类(如“研发”“开发”)和声誉类(如“荣誉”“喜获”)共102个与企业相关的关键词,由此判断企业家微博信息是否与企业相关。
表5 列示了不同微博内容对权益融资成本的影响。Person为当年企业家发布的个性化微博条数取对数,Company为当年企业家发布的披露式微博条数取对数,Person(%)为个性化微博条数占微博总条数的比例。列(1)中Person的系数为−0.004,在10%的水平上显著,说明个性化微博发布越多,越有利于降低权益成本。列(2)中Company的系数为−0.003,在10%的水平上显著,说明披露式微博发布越多,越有利于降低权益成本。列(3)中Person(%)的系数为−0.028,在10%的水平上显著,说明个性化微博比例越高,权益成本下降越明显。综上分析,企业家微博中的个性化微博和披露式微博都会降低企业权益融资成本,但个性化微博比例越高,权益成本下降越明显。深入分析可知,与企业正式的信息传递机制类似,披露式微博会传递企业相关信息,而这些信息仅通过企业家微博而不通过正式渠道披露的可能性较小(徐巍和陈冬华,2016)。披露式微博发布的可能大多是已经公开披露的重复性信息,但这些信息经过企业家更加生动而详细的加工与解读后,仍然会影响投资者的判断。而个性化微博与企业官方微博不同,传递的更多是与企业家个人特征相关的信息,有利于投资者了解企业掌舵者的特征。当企业家微博发布更多的个性化信息时,外界对其个人的认知会更多,有些人还会成为其微博粉丝。企业家通过微博与粉丝互动,拉近双方的心理距离,人格化形象凸显,信任度会增加(Elliott等,2018),从而有利于降低权益成本。
Equity_cost | |||
(1) | (2) | (3) | |
Constant | 0.049** | 0.042* | −0.012 |
(2.11) | (1.76) | (−0.12) | |
Person | −0.004* | ||
(−1.85) | |||
Company | −0.003* | ||
(−1.66) | |||
Person(%) | −0.028* | ||
(−1.68) | |||
Controls | 控制 | 控制 | 控制 |
Industry effect | 控制 | 控制 | 控制 |
Year effect | 控制 | 控制 | 控制 |
Obs. | 592 | 538 | 630 |
R2 | 0.23 | 0.23 | 0.25 |
注:所有回归都做了异方差与公司聚类调整,括号内为t值。*、**和***分别表示在10%、5%和1%的水平上显著(双尾检验)。 |
第二,企业家社会资本是企业发展过程中的重要资源。在中国,“关系”被认为是影响企业价值的重要变量。Peng和Luo(2000)指出,在正式制度缺位的情况下,企业家人际关系网络这一非正式替代机制可以有效减少企业运营的不确定性,增强竞争优势。企业家每条微博都可以艾特(@)其他用户,这一行为本身就具有信息含量,即向外部信息使用者传递企业家与艾特(@)用户之间存在某种联系或关系,即企业家的社会关系信息。艾特(@)微博越多,说明企业家定向传递信息的意愿越强。
本文统计了企业家微博中是否包含艾特(@)。At为包含艾特(@)的微博条数取对数,At(person)为个性化微博中包含艾特(@)的微博条数取对数,At(company)为披露式微博中包含艾特(@)的微博条数取对数。本文考察了企业家社会资本对权益融资成本的影响。表6列(1)中At的系数为−0.008,在10%的水平上显著,说明企业家微博中包含艾特(@)的条数越多,权益融资成本下降越明显。在列(2)和列(3)中,无论是个性化微博还是披露式微博,包含艾特(@)的条数越多,越有利于降低权益成本。上述结果表明,企业家微博定向的信息传递更有利于降低权益融资成本。
Equity_cost | |||
(1) | (2) | (3) | |
Constant | 0.245 | 0.168 | 0.215 |
(0.78) | (0.51) | (0.65) | |
At | −0.008* | ||
(−1.73) | |||
At(person) | −0.008* | ||
(−1.66) | |||
At(company) | −0.010* | ||
(−1.76) | |||
Controls | 控制 | 控制 | 控制 |
Industry effect | 控制 | 控制 | 控制 |
Year effect | 控制 | 控制 | 控制 |
Obs. | 630 | 592 | 538 |
R2 | 0.31 | 0.26 | 0.25 |
注:所有回归都做了异方差与公司聚类调整,括号内为t值。*、**和***分别表示在10%、5%和1%的水平上显著(双尾检验)。由于并非所有微博都同时存在个性化微博与披露式微博,列(2)和列(3)的样本量有所减少。 |
第三,企业家微博是企业家形象的展示窗口。参考Jenders等(2013)的做法,本文利用自然语言处理技术来划分个性化微博,检验不同情感的信息传递对融资成本的影响。为了保证数据的客观性和可验证性,本文使用百度AI开放平台中的“情感倾向分析”接口,对企业家微博的情感倾向进行评分,“正向”概率大于“负向”概率时定义为正面情感倾向(占比为62.8%),反之则为负面情感倾向(占比为37.2%)。Positive和Negative分别为正面情感倾向微博条数取对数和负面情感倾向微博条数取对数,Positive(%)为正面情感倾向微博条数占比。表7列(1)中Positive的系数为−0.012,在5%的水平上显著;列(2)中Negative的系数为−0.009,在10%的水平上显著。这些结果说明,无论是正面情感倾向信息还是负面情感倾向信息,都会显著降低企业的权益融资成本。这一结果在意料之外,但也在情理之中。微博传递的是关于企业家的信息,一个完美的企业家形象固然好,但一个有哭有笑、有血有肉的企业家形象也能获得公众的认同。列(3)中Positive(%)的系数为−0.091,在5%的水平上显著。这说明虽然正面与负面情感都能降低权益融资成本,但传递更多的正能量信息更有利于获得投资者认可。
Equity_cost | |||
(1) | (2) | (3) | |
Constant | 0.514 | 0.091 | −0.009 |
(1.28) | (0.19) | (−0.01) | |
Positive | −0.012** | ||
(−2.24) | |||
Negative | −0.009* | ||
(−1.74) | |||
Positive(%) | −0.091** | ||
(−2.35) | |||
Controls | 控制 | 控制 | 控制 |
Industry effect | 控制 | 控制 | 控制 |
Year effect | 控制 | 控制 | 控制 |
Obs. | 630 | 630 | 630 |
R2 | 0.25 | 0.25 | 0.39 |
注:所有回归都做了异方差与公司聚类调整,括号内为t值。*、**和***分别表示在10%、5%和1%的水平上显著(双尾检验)。 |
五、稳健性检验
(一)权益资本成本的不同衡量方法
上文中的权益融资成本使用的是PEG模型、MPEG模型和OJN模型计算的融资成本的均值。这里,本文分别对这三种模型计算得到的权益成本进行回归分析,以避免可能存在的计量偏差。结果与上文保持一致。
(二)内生性问题
1. 遗漏变量问题
企业家是否开通微博可能受到自身特征和企业特征的共同影响,上文已控制了企业层面的影响因素。这里将增加企业家层面的影响因素,控制企业家的个体特征。余明桂等(2013)指出,企业家的个人特征变量主要有性别、年龄和受教育程度,这三个变量可以在一定程度上反映企业家的个人能力和心理特征(Schrand和Zechman,2012;Huang和Kisgen,2013;江伟,2010)。本文加入性别(Male,哑变量,0表示女性,1表示男性)、年龄(Age,企业家当年年龄)和受教育程度(Education,中专=1,高中=2,大专=3,本科=4,硕士=5,博士=6)三个变量后重新进行了检验,结果见表8中列(1)。本文的主要结论依然稳健。
Equity_cost | ||||
(1) | (2) | (3) | (4) | |
Constant | 0.108 | 0.004 | 0.107 | 0.102 |
(1.47) | (0.09) | (1.43) | (0.70) | |
Wb/IV | −0.007* | −0.492* | ||
(−1.71) | (−1.84) | |||
Treated | −0.001 | |||
(−0.13) | ||||
Treated×After | −0.002* | |||
(−1.75) | ||||
Wb_Num | −0.004* | |||
(−1.79) | ||||
Male | 0.000 | |||
(0.04) | ||||
Age | −0.001 | |||
(−1.48) | ||||
Education | 0.003 | |||
(0.71) | ||||
Controls | 控制 | 控制 | 控制 | 控制 |
Industry & Year effect | 控制 | 控制 | 控制 | 控制 |
Obs. | 1260 | 7902 | 1452 | 630 |
R2 | 0.21 | 0.16 | 0.27 | 0.52 |
注:所有回归都做了异方差与公司聚类调整,括号内为t值。*、**和***分别表示在10%、5%和1%的水平上显著(双尾检验)。列(1)使用上文PSM匹配样本,列(2)使用全样本,列(3)使用基于是否开通微博的PSM匹配样本,列(4)仅使用有微博发布的样本。 |
2. 工具变量法
Angrist和Pischke(2008)认为,解决内生性的最佳方法是通过构造随机试验来获取变量之间的因果关系,其中工具变量法(IV)被认为是最接近随机试验的研究设计方法之一。为了解决遗漏变量所带来的内生性问题,需要找到一个外生工具变量。本文使用“微博用户使用数量”作为工具变量,数据来自新浪微博数据中心历年发布的《微博用户发展报告》中披露的“微博月活跃人数”,使用两阶段最小二乘法(2SLS)进行回归。回归中使用的控制变量与上文保持一致。表8中列(2)列示了2SLS第二阶段的回归结果,本文结论依然稳健。
3. PSM+DID方法
企业家开通微博不是随机的,存在自选择问题。上文已运用PSM方法进行初步解决。为了验证结果的稳健性,本文使用PSM+DID方法做进一步检验。PSM方法与上文一致,在此基础上运用双重差分检验,设置变量Treated为企业家是否开通微博,开通微博取值为1,未开通微博取值为0。After为开通微博时间前后变量,微博开通前取值为0,微博开通后取值为1。表8中列(3)结果显示,交乘项Treated×After的系数为−0.002,在10%的水平上显著。这说明与未开通微博的对照组相比,开通微博的实验组权益融资成本下降更加显著。
4. 微信的冲击
2011年1月,腾讯公司推出微信。随着版本的更新与功能的增加,到2012年3月,微信用户数突破1亿,这标志着微信的迅速崛起。微信对微博产生了巨大冲击,许多用户从微博转向微信。本文将样本期间缩短为2013−2017年,检验主要结论在微信的外生冲击下是否仍然成立。表8中列(4)结果表明,在微信的冲击下,微博发布降低权益资本成本的作用依然显著。微博仍是外部投资者获取信息的重要来源,因为微博是公开化的,而微信是私密化的,只能成为好友后才能看到个人发布的朋友圈。
六、结论与启示
本文根据传递媒介是否具有官方特征,将信息传递机制划分为正式和非正式两种类型。以往关于媒体作用的研究文献主要聚焦于正式的信息传递机制,本文则基于企业家微博数据,探究了非正式信息传递机制的影响及路径。本文以2010—2017年A股上市公司为样本,利用爬虫技术获取并手工核对企业家微博数据,实证检验了企业家微博这一非正式信息传递机制对企业权益融资成本的影响,并分析了地区市场化程度和企业外部信息环境对上述关系的调节作用。研究结果表明,企业家微博有助于降低企业权益融资成本,发布微博条数、评论条数和转发条数越多,这种作用越明显。在市场化程度低的地区,企业家微博与权益融资成本之间的负相关关系更加显著。这表明非正式信息传递机制可能是对市场发展水平失衡的一种应对,为解决中小企业融资难问题提供了新的思路。本文还发现企业家微博降低权益融资成本的作用在企业外部信息环境薄弱的情况下更加显著。本文研究表明,非正式信息传递是一种有效机制。企业家微博并不只是单纯的个人行为,其承担着重要的组织目的,企业家的一言一行会传导到所在的企业。
本文将信息传递机制划分为正式和非正式两类,并从信息传递角度对企业家行为理论进行了拓展。同时,本文的研究结论可以为企业家的行为决策提供重要参考。当然,企业家微博作为企业获取资源的非正式机制,其运作是存在成本的,包括开发、维护所需花费的金钱、时间、精力和情感等。更重要的是,企业家通过开通个人微博来展示企业的行为本身也承担着巨大的声誉绑定成本。因此,企业家是否开通微博取决于成本与收益的权衡。
* 文章还受到高等学校学科创新引智计划和浙江万里学院科研创新团队资助。
[1] | 陈道富. 我国融资难融资贵的机制根源探究与应对[J]. 金融研究, 2015(2): 45–52. |
[2] | 冯来强, 孔祥婷, 曹慧娟. 董事高管责任保险与权益资本成本——来自信息质量渠道的实证研究证据[J]. 会计研究, 2017(11): 65–71. DOI:10.3969/j.issn.1003-2886.2017.11.012 |
[3] | 何贤杰, 王孝钰, 赵海龙, 等. 上市公司网络新媒体信息披露研究: 基于微博的实证分析[J]. 财经研究, 2016(3): 16–27. |
[4] | 贾凡胜, 张一林, 李广众. 非正式制度的有限激励作用: 基于地区信任环境对高管薪酬激励影响的实证研究[J]. 南开管理评论, 2017(6): 116–128. DOI:10.3969/j.issn.1008-3448.2017.06.012 |
[5] | 江伟. 董事长过度自信对上市公司融资偏好行为的影响[J]. 经济管理, 2010(2): 112–122. |
[6] | 李慧云, 刘镝. 市场化进程、自愿性信息披露和权益资本成本[J]. 会计研究, 2016(1): 71–78. DOI:10.3969/j.issn.1003-2886.2016.01.010 |
[7] | 李培功, 徐淑美. 媒体的公司治理作用——共识与分歧[J]. 金融研究, 2013(4): 196–206. |
[8] | 梁上坤. 媒体关注、信息环境与公司费用粘性[J]. 中国工业经济, 2017(2): 154–173. |
[9] | 卢文彬, 官峰, 张佩佩, 等. 媒体曝光度、信息披露环境与权益资本成本[J]. 会计研究, 2014(12): 66–71. DOI:10.3969/j.issn.1003-2886.2014.12.010 |
[10] | 毛新述, 叶康涛, 张頔. 上市公司权益资本成本的测度与评价——基于我国证券市场的经验检验[J]. 会计研究, 2012(11): 12–22. DOI:10.3969/j.issn.1003-2886.2012.11.003 |
[11] | 潘越, 戴亦一, 林超群. 信息不透明、分析师关注与个股暴跌风险[J]. 金融研究, 2011(9): 138–151. |
[12] | 王小鲁, 樊纲, 余静文. 中国分省份市场化指数报告(2016)[M]. 北京: 社会科学文献出版社, 2017. |
[13] | 夏立军, 陈信元. 市场化进程、国企改革策略与公司治理结构的内生决定[J]. 经济研究, 2007(7): 82–95. |
[14] | 徐巍, 陈冬华. 自媒体披露的信息作用——来自新浪微博的实证证据[J]. 金融研究, 2016(3): 157–173. |
[15] | 叶杰. 非官方媒体使用对制度自信的影响机制——以网民为分析对象的实证研究[J]. 经济社会体制比较, 2019(1): 70–82. |
[16] | 余明桂, 李文贵, 潘红波. 管理者过度自信与企业风险承担[J]. 金融研究, 2013(1): 149–163. |
[17] | 曾颖, 陆正飞. 信息披露质量与股权融资成本[J]. 经济研究, 2006(2): 69–79. |
[18] | Angrist J D, Pischke J S. Mostly harmless econometrics: An empiricist’s companion[M]. Princeton University Press, 2008. |
[19] | Batjargal B, Liu M N. Entrepreneurs’ access to private equity in China: The role of social capital[J]. Organization Science, 2004, 15(2): 159–172. DOI:10.1287/orsc.1030.0044 |
[20] | Diamond D W, Verrecchia R E. Disclosure, liquidity, and the cost of capital[J]. The Journal of Finance, 1991, 46(4): 1325–1359. DOI:10.1111/j.1540-6261.1991.tb04620.x |
[21] | Dyck A, Volchkova N, Zingales L. The corporate governance role of the media: Evidence from Russia[J]. The Journal of Finance, 2008, 63(3): 1093–1135. DOI:10.1111/j.1540-6261.2008.01353.x |
[22] | Easley D, O’Hara M. Information and the cost of capital[J]. The Journal of Finance, 2004, 59(4): 1553–1583. DOI:10.1111/j.1540-6261.2004.00672.x |
[23] | Easton P D, Monahan S J. An evaluation of accounting-based measures of expected returns[J]. The Accounting Review, 2005, 80(2): 501–538. DOI:10.2308/accr.2005.80.2.501 |
[24] | Elliott W B, Grant S M, Hodge F D. Negative news and investor trust: The role of $Firm and #CEO Twitter use[J]. Journal of Accounting Research, 2018, 56(5): 1483–1519. DOI:10.1111/1475-679X.12217 |
[25] | Fang L, Peress J. Media coverage and the cross-section of stock returns[J]. The Journal of Finance, 2009, 64(5): 2023–2052. DOI:10.1111/j.1540-6261.2009.01493.x |
[26] | Granovetter M S. The strength of weak ties[J]. American Journal of Sociology, 1973, 78(6): 1360–1380. DOI:10.1086/225469 |
[27] | Huang J, Kisgen D J. Gender and corporate finance: Are male executives overconfident relative to female executives?[J]. Social Science Electronic Publishing, 2013, 108(3): 822–839. |
[28] | Jenders M, Kasneci G, Naumann F. Analyzing and predicting viral tweets[A]. Proceedings of the 22nd International Conference on World Wide Web[C]. Rio de Janeiro: ACM, 2013. |
[29] | Peng M W, Luo Y D. Managerial ties and firm performance in a transition economy: The nature of a micro-macro link[J]. Academy of Management Journal, 2000, 43(3): 486–501. |
[30] | Schrand C M, Zechman S L C. Executive overconfidence and the slippery slope to financial misreporting[J]. Journal of Accounting and Economics, 2012, 53(1−2): 311–329. DOI:10.1016/j.jacceco.2011.09.001 |
[31] | Williams D. On and off the ’net: Scales for social capital in an online era[J]. Journal of Computer-Mediated Communi- cation, 2006, 11(2): 593–628. DOI:10.1111/j.1083-6101.2006.00029.x |
[32] | Young C S, Tsai L C. The sensitivity of compensation to social capital: Family CEOs vs. Nonfamily CEOs in the family business groups[J]. Journal of Business Research, 2008, 61(4): 363–374. DOI:10.1016/j.jbusres.2007.07.022 |