基于促进科技成果转化的需要以及激发大众创业万众创新活力的目的,改革开放以来我国持续推进科研人员离岗创业的相关政策。从具象的表现与发展来看,20世纪90年代初,大批高校教师、科研工作者等技术人员纷纷从行政事业单位离职投身自主创业,形成我国经济发展中特有的“文人下海”现象。在此期间涌现的诸多企业家如刘永好、郭广昌①等都曾有过高校任教的经历。随着经济体制改革的进一步深化,2015年国务院印发的《关于进一步做好新形势下就业创业工作的意见》中指出,要充分调动科研人员积极性,探索高校、科研院所等事业单位专业技术人员在职创业、离岗创业的有关政策。该意见的提出鼓励了科研工作者参与到企业的经营管理当中,加速了学者向商者的角色转变过程。近年来,越来越多的上市公司更倾向于聘请具有学术经历的人担任CEO、董事长等重要职位。根据本文统计,2008—2017年间我国上市公司具有学术经历的高管平均占比达43.9%,分年度呈现出逐年上升的态势:由2008年的23.21%攀升至2017年的42.74%。由此引发学术界思考:具有学术经历的高管如此受青睐的原因何在?研究发现,学术经历塑造了高管较强的思辨能力、创新意识、责任感与自律性(周楷唐等,2017;张晓亮等,2019),有助于提升企业社会责任表现(Cho等,2017),对降低审计收费(沈华玉等,2018)、提升创新水平(张晓亮等,2019)与公司业绩等起到助推之效。
创新活动是推动我国经济内生增长的不竭动力,在宏观经济运行中有助于优化资源配置,实现产业结构转型升级。对微观主体而言,创新是提升企业竞争优势的核心。研发是企业创新活动的核心保障,囿于自身专业性(黄亮华和谢德仁,2014)以及新会计准则处理界限不明晰②(王亮亮,2016)等原因,企业研发与外界存在严重信息壁垒,由此增加监管成本的同时给予企业一定的可操纵空间(万源星和许永斌,2019)。事实上,企业研发的真实性与准确性对创新绩效的提升具有重要影响(万源星和许永斌,2019),投机性地操纵研发活动会导致会计盈余可靠性降低(黄亮华和谢德仁,2014),扭曲了研发投入与产出的关系,并向外界传递有偏的会计信息进而误导利益相关者做出错误判断(孙刚等,2016)。然而,对管理层而言,研发操纵却成为其迎合投资者业绩期望(黄亮华和谢德仁,2014)或满足自身薪酬辩护需求的有利工具(谢德仁等,2014)。由此引发思考,高管的学术经历对企业研发操纵有何影响?尚未有研究对此进行回答。
学术领域对于真理的求索性与商业领域推崇的利益至上存在一定冲突(黄攸立等,2013)。基于角色认同理论的分析框架,学者在“弃文从商”的身份变迁过程中,不得不面对由道德至上到利益至上的价值观转换,导致具有学术经历的高管对企业研发操纵的处理可能存在矛盾:一方面,曾经的学术经历给高管留下“学为人师,行为世范”的身份烙印,基于研发操纵的高声誉成本与稽查风险考量(文雯等,2019),为维护在社会群体中所塑造的个人形象,具有学术经历的高管进行研发操纵的意愿可能更低。另一方面,当学术经历高管在面对职业生涯变迁时,在新领域谋求自我发展的过程中伴随着价值观与相关属性的改变,当学术规范标准受到商业化侵蚀时,先前的学术角色受到威胁,具有学术经历的高管可能通过研发操纵等行为迎合激烈的市场竞争以实现个人职业发展(黄攸立等,2013)。那么,具有学术经历的高管在面对职业转换时会选择“坚守本心”还是“随波逐流”?本文拟以研发操纵的视角对该问题进行探讨。进一步地,高管决策制定可能是受内外部治理环境影响做出的非自愿性选择。与严格的监管环境相比,宽松的监管环境易于滋生企业的不良投机行为,此时,在研发操纵所带来的利益驱使下,具有学术经历的高管是否会“倒戈”?基于此,本文嵌入内外部治理环境作为“试金石”,通过考察在较低的税收征管强度与内部治理水平下学术经历高管与研发操纵二者间关系,检验具有学术经历的高管其行为决策是否“内化于心,外化于行”。
基于以上逻辑框架,本文选择了2008—2017年我国A股上市公司为研究样本,实证检验了高管学术经历对企业研发操纵的影响。本文的研究结果显示:(1)高管学术经历与企业研发操纵水平显著负相关。(2)高管学术经历对研发操纵的抑制作用在税收征管力度较弱的地区以及企业内部控制质量较差时更为显著。(3)高管学术经历能够通过削弱研发操纵提升企业创新效率。
本文可能的边际贡献主要体现在以下几个方面:第一,本文从高管职业背景的角度拓展了影响研发操纵的治理角色。以往文献大多从审计师(楚有为,2018)、机构投资者(李昊洋和程小可,2018)等企业外部层面探讨研发操纵的治理主体,而忽视了企业内部治理要素,本文则将研究视域落脚于企业高管层面,以行为学理论为基础探讨具有学术经历的高管这一特殊群体对研发操纵的治理作用,对现有研究提供有益增补。第二,本文从研发操纵的角度丰富了高管学术经历的经济后果研究。现有关于高管学术经历的文献主要从债务融资成本(周楷唐等,2017)、审计费用(沈华玉等,2018)、税收规避(文雯等,2019)、慈善捐赠(姜付秀等,2019)以及创新水平(黄灿等,2019;张晓亮等,2019)等视角展开研究,而对其如何干预企业经营活动中不当行为的讨论较为少见。本文则将研究视角锁定于隐蔽性较高的研发异象即研发操纵活动进行研究,并深入考察了高管学术经历与内外部治理环境的互补作用,对高管学术经历的相关研究在理论层面进行了深化。第三,本文基于创新效率的视角进一步考察了高管学术经历在抑制企业研发操纵后能否为企业带来积极影响,为高管学术经历提升企业创新水平的路径研究提供了新思路,对如何有效提升企业创新质量增加了理论依据。第四,本文为政府加快推进人才发展体制机制改革,促进科技成果转化以及激发创新创业活力提供了微观企业层面的经验证据。本文以研发操纵这一微观经济行为检验了高管学术经历的治理效果,为我国所颁布的支持科研工作者创业或入股企业等政策提供了理论支持。
余文结构安排如下:第二部分为文献综述与研究假说;第三部分为研究设计;第四部分为实证结果与分析;第五部分为进一步研究;最后是文章的结论与政策启示。
二、文献综述与研究假说(一)文献综述
1. 高管学术经历
现有研究主要基于企业微观视角探讨了高管学术经历的信息效应与约束效应。从信息效应看,一方面,前期的学术经历给高管留下了“为人师表”的身份烙印(黄攸立等,2013;黄灿等,2019),“师者”身份所表征的更高道德水平与社会责任感有助于缓解企业与投资者之间的信息不对称(周楷唐等,2017;沈华玉等,2018;黄灿等,2019),进而对创新水平(周楷唐等,2017;张晓亮等,2019)与财务绩效的提升具有关键作用。另一方面,前期工作经历所培养的缜密、审慎的特质使学术经历高管更偏好于保守型财务政策(Ozkan和Ozkan,2004),对于会计信息质量的要求与风险的把控更为严格,提高会计信息可信度从而间接降低了信息不对称水平(沈华玉等,2018)。
从约束效应看,具有学术经历的高管道德自觉性更强(姜付秀等,2019),其“严于律己”的自我约束意识有助于削弱高管的盈余管理倾向(周楷唐等,2017),提升企业会计信息质量(Ma等,2019)与内部治理水平(沈华玉等,2018),对于降低企业债务融资成本(周楷唐等,2017)与审计收费(沈华玉等,2018)具有积极作用;此外,学术经历高管违规的高声誉成本也会对其短期行为产生约束效力(文雯等,2019)。
2. 研发操纵
企业的研发操纵活动主要通过以下三种方式进行:一是利用会计科目调整虚增研发投入,如将不属于研发活动的人员工资、机械设备等归集到研发活动并计入研发支出(孙刚等,2016)。二是研发资源的低效配置,如购入未投入实际运营的研发设备充当“门面”,借此虚增研发费用(杨国超等,2017)。三是利用开发支出会计政策操纵研发活动,如企业高管为通过外界融资审核或“保盈”等目的而滥用资本化条件,人为削减研发支出等(朱红军等,2016)。无论何种操纵手段,均将破坏会计信息稳健性(黄亮华和谢德仁,2014),影响企业创新产出的同时导致利益相关者出现决策偏误(孙刚等,2016)。现有研究主要从动机端与治理端对研发操纵主题展开相关研究。
从动机端看,学者们分开从政策寻租、管理层私利与业绩迎合三方面分析了企业的研发操纵动机。政策寻租动机中,攫取税收优惠是研发操纵的主要目的之一,在我国所得税法研发费用加计扣除与相关资产加速折旧政策的驱动下,企业往往利用研发操纵的低成本性与高隐蔽性攫取政策红利(王亮亮,2016;朱红军等,2016;杨国超等,2017;万源星和许永斌,2019),减轻税负压力(朱红军,2016);此外,附带的政策性资金支持是企业实施研发操纵的另一主要目的(杨国超等,2017),研究发现,为获得国家对高新技术企业给予的补贴奖励,企业通常利用研发操纵的手段达到高新技术认定门槛(杨国超等,2017)。管理层私利动机中,高管通过对研发支出金额进行调整,从而为其高额薪酬提供业绩支撑以便进行薪酬辩护(谢德仁等,2014)。业绩迎合方面,为了平滑利润实现扭亏(朱红军等,2016)或IPO等目标(黄亮华和谢德仁,2014),企业往往利用研发活动操纵业绩来满足利益相关者的要求。
从治理端看,基于研发操纵的负外部性效应,学术界分别从审计师(楚有为,2018)、机构投资者(李昊洋和程小可,2018)等外部治理角度与技术型独立董事(胡元木等,2016)等内部治理角度出发探讨其与研发操纵的关系。具体而言,从外部监管来看,行业专长水平较高的审计师风险判断与问题识别能力较强,对管理层的不当行为能够起到显著抑制作用(楚有为,2018)。类似地,投资者调研有助于挖掘决策相关增量信息,加深外部利益相关者对企业的了解,从而抑制其机会主义行为(李昊洋和程小可,2018)。从内部监管来看,技术型独立董事所具备的知识优势与天然的独立性有助于有效监督管理层的研发操纵行为(胡元木等,2016),此外,还有学者的研究发现具有技术专长的海归经理人对企业研发操纵行为具有显著抑制作用(He等,2019)。
(二)研究假说
1. 高管学术经历与企业研发操纵
高管前期学术经历所带来的身份关注会对企业研发操纵产生影响。根据身份认同理论,社群内成员个体身份属性的建立是基于社会身份关注与自我身份关注所确定的,这两种关注所产生的约束效力对抑制研发操纵活动起到重要作用。具体而言,从社会身份关注来看,长期以来社会对学者角色的道德与诚信水平保有较高期待。根据罗伊摩根研究所(Roy Morgan Research)的职业形象调查显示,半数以上民众对“大学教师”(university lectures)的德行给予了“高”或“很高”的等级评价。类似地,根据中国“拜年网”的研究发现,科研人员在近三十种职业中所具声望最高。高声誉一旦被毁损将导致更大的危机。正因如此,与普通管理层相比,具有学术经历的高管声誉成本更高(文雯等,2019)。此外,高管学术经历对于企业价值提升的作用效果会吸引更多分析师关注(Bernile等,2016;周楷唐等,2017;黄灿等,2019),一旦其不当行为被外界感知,基于受众对于负面消息的追捧情绪(Miller,2006),分析师的相关报告所带来的轰动效应会加剧高管的声誉危机。研究发现,科研工作者“志节清高”的品质使其更加爱惜自身名誉,因此对于声誉危机的敏感性更强,基于此,为维系社会形象避免在经理人市场中出现个人价值跌滑,具有学术经历的高管往往不愿进行研发操纵此类非合规活动。从自我身份关注来看,角色认同理论认为,个体会基于角色的社会意义对自我身份进行诠释以保持内外一致性与归属感。为了与社会对学者所赋予的身份内涵趋同,具有学术经历的高管将“为人师表”的社会责任感与道德意识内嵌于个人价值观内(黄攸立等,2013),形成内在的自我监督与约束机制。研发操纵所导致的会计信息失真违背了真实性原则(周楷唐等,2017),是企业失信的表现。因此,有学术经历的高管所秉持的诚信严谨的处世态度会促使其在主观意愿上减少研发操纵的发生。
此外,前期学术经历所产生的工作惯性会对企业研发操纵产生影响。惯性效应认为,当个体持续处于某种心理或行为状态时,即便外界环境发生改变仍会自觉或不自觉地遵循前期行为规则继续前行。科研工作注重过程的严谨性与结果的准确性,因此,前期学术训练培养了缜密的逻辑推断能力。在面对复杂的外界环境时,拥有学术经历的高管决策会更加稳健与保守(周楷唐等,2017),对会计信息稳健性要求更高(沈华玉等,2018)。研发操纵作为会计信息低质量的表征,会因此受到抑制。此外,与其他职业不同,学术工作较为纯粹(姜付秀等,2019),不会牵涉过多私人情感与利益冲突,加之科研工作目标具有长期性的特点(黄攸立等,2013),促使其更愿意从组织整体利益出发以长远目标为导向(张晓亮等,2019),进而降低研发操纵类短期逐利行为出现。
综上,学术经历对高管所产生的内外部约束与前期科研工作严谨性与非逐利性的特质共同促使其对企业研发操纵活动产生影响,提出本文假设1:
假设1:其他情况不变时,具有学术经历的高管与研发操纵负相关,即抑制了企业研发操纵行为。
2. 治理环境的影响
根据场域理论,个体的行动易被行动所处场域影响。诸多研究发现,当高管所处内外部监管环境较为宽松时,其行为决策更容易出现偏差,那么,在这种情况下,面对研发操纵所可能带来的短期收益与较低的被稽查风险,具有学术经历的高管是否仍然会选择坚守本心呢?其决策制定究竟是对于监管环境的应激反应还是秉于“初心”而为之呢?本文接下来将以薄弱的内外部治理环境作为“试金石”,具体而言,分别以内部控制质量与税收征管力度作为企业内外部治理水平的表征,考察具有学术经历高管的决策行为是否受治理环境影响。
从税收征管力度来看,地区税收征管作为外部监管机制会对企业的研发操纵活动产生影响。已有研究发现,研发操纵的主要动机之一是攫取税收政策红利(朱红军等,2016;杨国超等,2017;万源星和许永斌,2019)。当企业处于税收征管力度较强的地区时,无论高管是否具有学术经历,基于研发操纵税务稽查风险的提升所导致的高额操纵成本考量,管理层的操纵动机会因此弱化,税收征管起到外部治理之效。反之,当企业所处地区税收征管力度较为薄弱时,与没有学术经历的高管相比,具有学术经历高管内在的道德约束与严谨审慎的工作态度在此时更能有效发挥治理作用,从而抑制企业研发操纵行为。
从内部控制质量来看,内部控制制度的主要目的之一是确保企业遵循相应规定提供高质量会计信息。研发操纵行为违背了会计信息的真实性与可靠性(周楷唐等,2017),因此,当企业内部控制制度较为完善、内控质量较高时,与是否聘任具有学术经历的高管相比,制度层面对研发操纵所发挥的监管作用更加占据主导地位。然而,当企业内控水平较差时,与没有学术经历的高管相比,具有学术经历的高管对会计信息稳健性的高要求弥补了内控缺失所导致的信息失真。此外,具有学术经历的高管内嵌于心的社会责任感也会要求其保持学术本心。两方面共同作用外化于行动从而抑制企业研发操纵行为。
基于以上分析,提出本文的假设2与假设3:
假设2:当企业所处地区税收征管力度较弱时,具有学术经历的高管对研发操纵的负向影响更为显著。
假设3:当企业内部控制质量水平较差时,具有学术经历的高管对研发操纵的负向影响更为显著。
三、研究设计(一)样本选择与数据来源
根据高管学术经历与企业研发数据的可获得性,本文选取我国2008—2017年沪深A股上市公司作为研究对象,其中高管学术经历、研发数据与各项基础财务指标来自CSMAR数据库,产权性质、行业属性数据来自WIND数据库。借鉴已有研究做法对初始样本进行如下处理:(1)剔除所属行业为金融、保险业的上市公司。(2)剔除观测期间出现ST、*ST、PT的上市公司。(3)剔除存在关键变量缺失或异常的样本。最终得到10 503个观测值,为消除极端值影响,对文中连续型变量进行1%到99%的Winsorize处理,使用Stata 13.0对数据进行处理和分析。
(二)变量说明与模型设计
1. 变量界定
被解释变量ABNORMAL_RD为企业研发操纵水平,借鉴Gunny(2010)与朱红军等(2016)的研究运用下列模型进行估计:
$\begin{aligned} \frac{{R{D_{{{i}},t}}}}{{T{A_{i,t - 1}}}} = & \beta _0 + \beta {_1 \times }\frac{1}{{T{A_{i,t - 1}}}} + \beta {_2 \times }M{V_{{{i}},t}} + \beta {_3 \times }TB{Q_{{{i}},t}} + \beta_4 \times \frac{{IN{T_{{{i}},t}}}}{{T{A_{i,t - 1}}}} + \\ & \beta_5 \times \frac{{R{D_{i,t - 1}}}}{{T{A_{i,t - 1}}}} + {\varepsilon _{{{i}},t}} \end{aligned}$ | (1) |
$\begin{aligned} {{\mathop{ NORMAL}\nolimits} _ - }R{D_{i,t}} =& \hat \beta_0 + \hat \beta {_1 \times }\frac{1}{{T{A_{i,t - 1}}}} + {\hat \beta_2} \times M{V_{i,t}} + \hat \beta_3 \times TB{Q_{i,t}} + {\hat \beta_4} \times \frac{{IN{T_{i,t}}}}{{T{A_{i,t - 1}}}} + \\ & \hat \beta_5 \times \frac{{R{D_{i,t - 1}}}}{{T{A_{i,t - 1}}}} \end{aligned}$ | (2) |
$ ABNORMA{L_ - }R{D_{{{i}},t}} = \frac{{R{D_{{{i}},t}}}}{{T{A_{{{i}},t - 1}}}} - NORMA{L_ - }R{D_{{{i}},t}} $ | (3) |
在上述模型中,RD为当年研发支出,MV为企业市值取自然对数,INT为营业利润,TA为总资产,NORMAL_RD是根据模型(1)和(2)估计出来的正常研发支出,ABNORAML_RD则为公司的异常研发支出即研发操纵金额,此外,本文主要考察高管学术经历对研发操纵程度的影响,而根据上述模型所计算异常研发支出金额有正负之分,因此为了统计研发操纵程度,本文对异常研发支出金额(ABNORMAL_RD)取绝对值处理,最后为了消除各变量间数量级差异较大的问题,参照李四海等(2016)研究的做法对该绝对值进行了乘以100的处理,该变量数值越大表明企业研发操纵程度越强。
解释变量ACADEMIC为虚拟变量,当公司高管团队内部成员具有曾在高校的教学科研任职、曾在科研机构以及非盈利性学术团体组织任职的经历则为1,否则为0(姜付秀等,2019),其中,高管团队成员指职务类别为“CEO、董事长、总经理、CFO、财务总监、财务负责人”的高级管理人员(周楷唐等,2017)。此外,为保证实证结果的稳健,考虑到作为企业的关键管理人员,董事长与CEO对研发操纵决策更具影响作用。因此,参考黄灿等(2019)的研究,本文将高管职务限定为“董事长、CEO”在稳健性检验中做进一步验证。
情境变量分别为地区税收征管力度(TE)与企业内部控制质量(ICQ)。地区税收征管力度(TE)的衡量借鉴Mertens(2003)的研究,首先构建模型(4)估计地区税收负担,其中,TAX为地区税收收入,GDPP为地区人均国内生产总值,Industry_1、Industry_2为地区第一、第二产业占国内生产总值的比重,下标i、t分别表示地区与年份。将估计出来的税收负担按中位数进行划分,当企业处于低于中位数的地区定义TE=0,即所处地区税收征管力度较弱;当企业处于高于中位数的地区定义TE=1,即所处地区税收征管力度较强。内部控制质量(ICQ)选自迪博(DIB)内部控制与风险管理数据库中内部控制指数进行衡量,并按照样本中位数进行组别划分,高于中位数组ICQ=1,即企业内控质量较高;低于中位数组ICQ=0,即企业内控质量较低。
$\frac{{TAX_{{i,t}}}}{{GDP_{i,t}}} = \mu _0 + \mu _1 \times GDPP_{i,t} + \mu _2 \times Industry\_1_{i,t} + \mu _3 \times Industry\_2_{i,t} + \varepsilon _{i,t} $ | (4) |
控制变量的选取借鉴了黄亮华和谢德仁(2014)、王亮亮(2016)研究,具体变量设定如表1所示:
变量类型 | 变量名称 | 变量符号 | 变量描述 |
解释变量 | 高管学术经历 | ACADEMIC | 若高管团队成员曾有学术经历为1,否则为0 |
被解释变量 | 研发操纵 | ABNORMAL_RD | 异常研发支出取绝对值乘以100 |
控制变量 | 企业规模 | SIZE | 总资产取自然对数 |
负债水平 | LEV | 负债与总资产比例 | |
托宾Q | TBQ | 总资产市场价值与账面价值之比 | |
董事会规模 | BOARD | 董事会人数 | |
两职合一 | PLU | 若董事长与总经理存在两职合一为1,否则为0 | |
第一大股东持股比例 | SHR | 第一大股东持股占比 | |
企业年龄 | AGE | 上市公司成立年数取自然对数 | |
董事会独立性 | BI | 独立董事比例 | |
是否十大事务所 | BIG4 | 若报表审计事务所为四大会计师事务所则为1,否则为0 | |
研发强度 | RD | 研发支出与营业收入之比 | |
管理层薪酬激励 | COMP | 前三名高管薪酬总和取自然对数 | |
资产收益率 | ROA | 净利润与资产总额之比 | |
产权性质 | SOE | 国有控股上市公司为1,否则为0 | |
行业 | IND | 行业虚拟变量 | |
年份 | YEAR | 年份虚拟变量 | |
情境变量 | 税收征管力度 | TE | 若地区税收征管力度较强则TE=1,否则为0 |
内部控制质量 | ICQ | 若企业内控质量较高则ICQ=1,否则为0 |
2. 模型设计
参考谢德仁等(2014)、王亮亮(2016)、朱红军等(2016)的研究,本文构造模型(5)通过OLS回归检验高管学术经历与企业研发操纵的关系,并在后续检验中利用Tobit模型进行稳健性测试:
$ \begin{aligned} ABNORMAL\_RD_{i,t} = & \alpha _0 + \alpha _1 \times ACADEMIC_{i,t} + \alpha _2 \times BIG4_{i,t} + \alpha _3 \times PLU_{i,t} + \\ & \alpha _4 \times RD_{i,t} + \alpha _5 \times BI_{i,t} + \alpha _6 \times COMP_{i,t} + \alpha _7 \times BOARD_{i,t} + \\ &\alpha _8 \times TBQ_{i,t} + \alpha _9 \times SHR_{i,t} + \alpha _{10} \times SIZE_{i,t} + \alpha _{11} \times ROA_{i,t} +\\ &\alpha _{12} \times LEV_{i,t} + \alpha _{13} \times AGE_{i,t} + \alpha _{14} \times SOE_{i,t} + \alpha _{1{\rm{5}}} \times TE_{i,t} +\\ & \alpha _{1{\rm{6}}} \times ICQ_{i,t} +\sum {{{IND}} + } \sum {{{YEAR}} + \xi } _{i,t} \end{aligned} $ | (5) |
(一)主要变量的描述性统计
表2为主要变量的描述性统计分析。根据Panel A全样本统计结果显示,研发操纵(ANBNORMAL_RD)的最大值为6.690,最小值为0,说明不同企业间研发操纵水平差异较大;高管学术经历(ACADEMIC)的均值为0.456,表明聘任了学术经历高管的企业样本占总样本的45.6%,具有学术经历的高管较受企业青睐。
VARIABLE | N | MIN | MAX | MEAN | P50 | SD |
ABNORMAL_RD | 10 503 | 0.000 | 6.690 | 0.730 | 0.456 | 0.988 |
ACADEMIC | 10 503 | 0.000 | 1.000 | 0.456 | 0.000 | 0.496 |
BIG4 | 10 503 | 0.000 | 1.000 | 0.0457 | 0.000 | 0.209 |
PLU | 10 503 | 0.000 | 1.000 | 0.286 | 0.000 | 0.452 |
RD | 10 503 | 0.000 | 0.352 | 0.045 | 0.035 | 0.047 |
BI | 10 503 | 0.300 | 0.600 | 0.373 | 0.333 | 0.054 |
COMP | 10 503 | 0.000 | 16.360 | 14.19 | 14.21 | 1.014 |
BOARD | 10 503 | 5.000 | 15.000 | 8.607 | 9.000 | 1.636 |
TBQ | 10 503 | 0.195 | 12.550 | 2.471 | 1.925 | 1.977 |
SOE | 10 503 | 0.000 | 1.000 | 0.310 | 0.000 | 0.462 |
SHR | 10 503 | 7.310 | 77.070 | 34.77 | 33.210 | 14.540 |
SIZE | 10 503 | 19.77 | 26.430 | 22.00 | 21.810 | 1.238 |
ROA | 10 503 | −0.199 | 0.213 | 0.0424 | 0.0387 | 0.052 |
LEV | 10 503 | 0.0330 | 0.908 | 0.391 | 0.377 | 0.201 |
AGE | 10 503 | 2.197 | 3.526 | 2.920 | 2.944 | 0.243 |
TE | 10 503 | 0.000 | 1.000 | 0.516 | 1.000 | 0.500 |
ICQ | 10 503 | 0.000 | 1.000 | 0.501 | 1.000 | 0.500 |
Panel B 单变量检验 | ||||||
VARIABLE | ACADEMIC=1 | ACADEMIC=0 | T(Z)-TEST | |||
MEAN | 0.693 | 0.730 | 4.105*** | |||
P50 | 0.441 | 0.476 | 8.299*** | |||
N | 4788 | 5715 | − | |||
Panel C 不同分组的组间均值检验 | ||||||
VARIABLE | TE=1 | TE=0 | T-TEST | ICQ=1 | ICQ=0 | T-TEST |
ABNORMAL_RD | 0.675 | 0.721 | 2.854*** | 0.676 | 0.723 | 2.925*** |
N | 5 412 | 5 091 | − | 5 224 | 5 279 | − |
注:***、**、*分别代表1%、5%和10%水平上显著。 |
根据Panel B单变量检验结果显示,在均值T检验中,高管有学术经历组研发操纵的均值为0.693,比无学术经历组均值低0.037,组间差异在1%水平上显著;在Wilcoxon秩和检验中,研发操纵中位数两组间差异情况在1%水平上显著。由此可见,单变量检验结果初步验证了学术经历高管对企业研发操纵的抑制作用;根据Panel C不同分组的组间均值检验显示,税收征管力度较强的地区研发操纵程度略低于税收征管力度较弱的地区,内控质量水平较高的企业研发操纵程度略低于内控质量水平较低的企业,且各变量的组间差异检验t值均显著,为后文的分组检验提供了基础依据。
(二)回归结果分析
利用模型(5)进行回归,结果如表3所示。第(1)列结果显示,高管学术经历与企业研发操纵水平的相关系数为−0.087且在1%水平上显著,表明高管学术经历能够有效抑制企业研发操纵活动,假设1得到验证;第(2)至(3)列结果显示,在税收征管力度较弱的地区(TE=0),有学术经历的高管与企业研发操纵活动在5%水平上显著为负,而在税收征管力度较强的地区(TE=1),二者的负向关系并不显著;第(4)至(5)列结果显示,有学术经历的高管对研发操纵的抑制作用在企业内部控制质量较差时(ICQ=0)更为显著。由此可见,当企业所处内外部环境监管水平较为薄弱时,学术经历高管对研发操纵的治理效果更为凸显,假设2、3得到验证,即在“试金石”的考验下,具有学术经历的高管仍能坚守“本心”并发挥治理作用。
(1) | (2) | (3) | (4) | (5) | |
ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | |
MODEL | TE=1 | TE=0 | ICQ=1 | ICQ=0 | |
ACADEMIC | −0.087*** | −0.004 | −0.057** | 0.030 | −0.089*** |
(−4.47) | (−0.19) | (−2.42) | (1.49) | (−3.54) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −1.746*** | −0.818** | −1.672*** | −0.922*** | −1.366*** |
(−4.28) | (−2.14) | (−3.18) | (−2.67) | (−2.70) | |
N | 10 503 | 5 412 | 5 091 | 5 224 | 5 279 |
adj. R2 | 0.130 | 0.168 | 0.133 | 0.179 | 0.136 |
注:括号内为T统计量,***、**、*分别代表1%、5%和10%水平上显著,以下同。 |
(三)内生性与稳健性检验
1. 内生性检验
由于是否聘请具有学术经历高管的上市公司存在初始条件不完全一致的情况,故可能存在样本选择偏差的内生性问题,因此本文采用倾向得分匹配法(PSM)以解决内生性问题。借鉴周楷唐等(2017)的研究,以高管是否具有学术经历作为哑变量对所有控制变量进行回归得到观测值,并基于该观测值对学术经历高管进行匹配从而得到匹配后的样本。以匹配后样本为基准进行OLS回归,所得结果如表4所示,匹配后高管学术经历与企业研发操纵仍在1%水平上显著为负,当企业内外部治理环境较差时,高管学术经历的治理作用仍然成立。
(1) | (2) | (3) | (4) | (5) | |
ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | |
MODEL | TE=1 | TE=0 | ICQ=1 | ICQ=0 | |
ACADEMIC | −0.085*** | −0.056 | −0.112*** | 0.017 | −0.073** |
(−3.08) | (−1.46) | (−2.82) | (0.61) | (−2.00) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −2.540*** | −1.985** | −3.647*** | −1.042** | −2.263*** |
(−3.88) | (−2.03) | (−3.81) | (−2.22) | (−2.86) | |
N | 5 336 | 2 753 | 2 583 | 2 678 | 2 658 |
adj. R2 | 0.122 | 0.129 | 0.112 | 0.176 | 0.129 |
2. 稳健性检验
(1)变换估计方法。考虑到研发操纵数据采取了绝对值处理导致该变量在0处存在截尾现象,基于此考虑借鉴王亮亮(2016)的研究在稳健性检验中使用Tobit模型重新进行估计,所得结果如表5所示。可以看出,具有学术经历的高管与研发操纵的关系在1%水平上仍显著为负,且高管学术经历的治理效果仍然显著,表明在变更估计方法后本文的结果依然稳健。
(2)高管学术经历指标的替换。前文对于解释变量(ACADEMIC)的度量主要考察高管团队内成员是否具有学术经历,而作为企业的关键管理人员,董事长与CEO对研发操纵决策更具影响作用。因此,参考黄灿等(2019)的研究,本文将高管职务限定为“董事长、CEO”,并分别以ACADEMIC_KEY(董事长或CEO具有学术经历取1,否则取0)、ACADEMIC_CHAIRMAN(仅董事长具有学术经历取1,否则取0)、ACADEMIC_CEO(仅CEO具有学术经历取1,否则取0)进行稳健性检验,所得结果如表6所示,可见,在替换高管学术经历指标的测算方法后本文的结论仍然稳健。
(1) | (2) | (3) | (4) | (5) | |
ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | |
MODEL | TE=1 | TE=0 | ICQ=1 | ICQ=0 | |
ACADEMIC | −0.088*** | −0.004 | −0.058** | 0.030 | −0.089*** |
(−4.64) | (−0.21) | (−2.46) | (1.50) | (−3.75) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −1.752*** | −0.818** | −1.671*** | −0.922*** | −1.364*** |
(−5.26) | (−2.20) | (−3.34) | (−2.66) | (−3.12) | |
N | 10 503 | 5 412 | 5 091 | 5 224 | 5 279 |
PSEUDO.R2 | 0.0510 | 0.0801 | 0.0593 | 0.0895 | 0.0591 |
Panel A ACADEMIC_KEY结果 | |||||
(1) | (2) | (3) | (4) | (5) | |
ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | |
MODEL | TE=1 | TE=0 | ICQ=1 | ICQ=0 | |
ACADEMIC_KEY | −0.094*** | 0.004 | −0.053** | 0.015 | −0.081*** |
(−4.84) | (0.20) | (−2.23) | (1.59) | (−3.24) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −1.748*** | −0.813** | −1.668*** | −0.916*** | −1.359*** |
(−4.29) | (−2.13) | (−3.17) | (−2.65) | (−2.68) | |
N | 10 503 | 5 412 | 5 091 | 5 224 | 5 279 |
adj. R2 | 0.131 | 0.168 | 0.133 | 0.179 | 0.136 |
Panel B ACADEMIC_CHARIMAN结果 | |||||
ACADEMIC_CHARIMAN | −0.070*** | −0.008 | −0.055** | 0.014 | −0.083*** |
(−3.61) | (0.34) | (−2.31) | (1.58) | (−3.40) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −1.734*** | −0.811** | −1.661*** | −0.918*** | −1.355*** |
(−4.26) | (−2.13) | (−3.17) | (−2.66) | (−2.68) | |
N | 10 503 | 5 412 | 5 091 | 5 224 | 5 279 |
adj. R2 | 0.130 | 0.168 | 0.133 | 0.180 | 0.136 |
Panel C ACADEMIC_CEO结果 | |||||
ACADEMIC_CEO | −0.039** | 0.013 | −0.042* | 0.014 | −0.072*** |
(−2.05) | (0.57) | (−1.77) | (1.58) | (−2.87) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −1.717*** | −0.808** | −1.661*** | −0.912*** | −1.356*** |
(−4.22) | (−2.12) | (−3.16) | (−2.64) | (−2.68) | |
N | 10 503 | 5 412 | 5 091 | 5 224 | 5 279 |
adj. R2 | 0.129 | 0.168 | 0.132 | 0.180 | 0.135 |
(3)学术经历高管治理效果的滞后性。考虑到学术经历高管对研发操纵的治理效果可能存在滞后性,本文将研发操纵与相关控制变量取t+1期进行稳健性检验,所得结果如表7所示。可以看出,在研发操纵的治理作用在滞后一期后,具有学术经历的高管仍能够对其起到显著抑制效果,前文结论仍然稳健。
(1) | (2) | (3) | (4) | (5) | |
ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | |
MODEL | TE=1 | TE=0 | ICQ=1 | ICQ=0 | |
ACADEMIC | −0.078*** | −0.017 | −0.042* | 0.037 | −0.090*** |
(−3.51) | (−0.61) | (−1.79) | (1.53) | (−3.35) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −1.992*** | −1.277** | −1.780*** | −1.322*** | −1.530*** |
(−4.09) | (−2.53) | (−4.07) | (−3.21) | (−2.96) | |
N | 7 845 | 4 533 | 3 312 | 4 012 | 3 656 |
adj. R2 | 0.169 | 0.178 | 0.156 | 0.170 | 0.174 |
(4)对高管学术经历样本进行筛选。前文将学术经历划分为曾在高校的教学科研岗任职、曾在科研机构以及非盈利性学术团体组织任职。基于上述划分标准,“曾在科研机构以及非盈利性学术团体组织任职”这一指标可能存在职务为行政岗位而非科学研究岗位的问题,导致实证结果有偏。鉴于此,本文分别采取两种方法进行稳健性检验。方法一为对“科研机构任职与非盈利性学术团体组织任职”样本进行筛选。对于“科研机构任职”样本,根据国泰安(CSMAR)高管特征数据库,剔除曾在科研机构任职但职业背景为管理型样本(管理型职业背景包括:管理、人力资源、市场、财务与法律)。对于“非盈利性学术团体组织任职”样本,参考张晓亮等(2019)的研究,通过手工浏览公司主页、新浪财经、百度百科以及知网等网站,对该部分样本结合“是否有代表性学术论文发表、学术著作出版或参与课题科研项目”的判别标准进行筛选。方法二为将“科研机构任职与非盈利性学术团体组织任职”样本全部剔除进行稳健性检验,所得结果如表8所示。
Panel A:对“科研机构任职与非盈利性学术团体组织任职”样本进行筛选 | |||||
(1) | (2) | (3) | (4) | (5) | |
ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | ABNORMAL_RD | |
MODEL | TE=1 | TE=0 | ICQ=1 | ICQ=0 | |
ACADEMIC | −0.087*** | −0.004 | −0.055** | 0.027 | −0.085*** |
(−4.36) | (−0.17) | (−2.29) | (1.33) | (−3.34) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −1.710*** | −0.797** | −1.754*** | −0.839** | −1.507*** |
(−4.09) | (−2.05) | (−3.29) | (−2.39) | (−2.90) | |
N | 10 083 | 5 203 | 4 880 | 4 997 | 5 086 |
adj. R2 | 0.131 | 0.166 | 0.132 | 0.181 | 0.133 |
Panel B:对“科研机构任职与非盈利性学术团体组织任职”样本进行剔除 | |||||
ACADEMIC | −0.091*** | −0.005 | −0.050* | 0.015 | −0.098*** |
(−4.30) | (−0.21) | (−1.95) | (1.55) | (−3.56) | |
CONTROL | YES | YES | YES | YES | YES |
_CONS | −2.008*** | −0.930** | −1.393** | −1.088*** | −1.310** |
(−4.54) | (−2.26) | (−2.22) | (−2.96) | (−2.37) | |
N | 9 167 | 4 676 | 4 491 | 4 561 | 4 606 |
adj. R2 | 0.124 | 0.171 | 0.122 | 0.180 | 0.128 |
前文已基于研发操纵的视角检验出具有学术经历的高管能够有效抑制企业的研发操纵行为,且其治理效果并不会随内外部监管的放松而弱化。那么,在企业层面高管学术经历对研发操纵的约束作用能否在产出端得到回报呢?已有研究发现,无论是研发费用的错误归集抑或创新资源的低效配置均会阻碍企业技术创新效率的提升(万源星和许永斌,2019)。那么,考虑学术经历高管对研发操纵的治理效果可以推断,具有学术经历的高管会通过抑制研发操纵从而提升企业创新效率。为检验该理论预期,本文接下来将以创新效率这一经济后果作为检验对象,考察具有学术经历的高管在抑制企业研发操纵后能否为企业带来积极影响。
借鉴姚立杰和周颖(2018)等学者的做法,以专利申请量与研发支出当年及前两年之和的比值(IE)衡量企业创新效率,并借鉴Baron和Kenny(1986)的方法构建中介效应检验模型(6)至(8)进行分析。当模型(6)中学术经历高管与创新效率的相关系数a1显著时,进一步考察模型(7)中的β1,即解释变量高管学术经历对中介变量研发操纵的作用效果,若β1显著则对模型(8)中的λ1与λ2进行检验,若二者均显著表明存在部分中介,若λ1不显著和λ2显著,则表明存在完全中介。
$ \begin{aligned} {I{E_{i,t}}} = & {\eta _0} + {\eta _1} \times ACADEMI{C_{i,t}} + {\eta _2} \times BIG{4_{i,t}} + {\eta _3} \times PL{U_{i,t}} + {\eta _4} \times R{D_{i,t}} + \\ &{\eta _5} \times B{I_{i,t}} + {\eta _6} \times COM{P_{i,t}} + {\eta _7} \times BOAR{D_{i,t}} + {\eta _8} \times TB{Q_{i,t}} + {\eta _9} \times SH{R_{i,t}} +\\ & {\eta _{10}} \times SIZ{E_{i,t}} + {\eta _{11}} \times RO{A_{i,t}} + {\eta _{12}} \times LE{V_{i,t}} + {\eta _{13}} \times AG{E_{i,t}} + {\eta _{14}} \times SO{E_{i,t}} +\\ & \sum {{{IND}} + } \sum {{{YEAR}} + {\xi _{i,t}}} \end{aligned}\\ $ | (6) |
$ \begin{aligned} ABNORMAL\_RD_{i,t} = & \varphi _0 + \varphi _1 \times ACADEMIC_{i,t} + \varphi _2 \times BIG4_{i,t} + \varphi _3 \times PLU_{i,t} +\\ & \varphi _4 \times RD_{i,t} + \varphi _5 \times BI_{i,t} + \varphi _6 \times COMP_{i,t} + \varphi _7 \times BOARD_{i,t} + \\ &\varphi _8 \times TBQ_{i,t} + \varphi _9 \times SHR_{i,t} + \varphi _{10} \times SIZE_{i,t} + \varphi _{11} \times ROA_{i,t} + \\ &\varphi _{12} \times LEV_{i,t} +\varphi _{13} \times AGE_{i,t} + \varphi _{14} \times SOE_{i,t} + \\ &\sum {{{IND}} + } \sum {{{YEAR}} + \xi } _{i,t} \end{aligned} $ | (7) |
$ \begin{aligned} IE_{i,t} = & \lambda _0 + \lambda _{\rm{1}} \times ACADEMIC_{i,t} + \lambda _{\rm{2}} \times ABNORMAL\_RD + \lambda _{\rm{3}} \times BIG4_{i,t} + \\ & \lambda _{\rm{4}} \times PLU_{i,t} + \lambda _{\rm{5}} \times RD_{i,t} + \lambda _{\rm{6}} \times BI_{i,t} + \lambda _{\rm{7}} \times COMP_{i,t} + \\ &\lambda _{\rm{8}} \times BOARD_{i,t} + \lambda _{\rm{9}} \times TBQ_{i,t} + \lambda _{\rm{10}} \times SHR_{i,t} + \lambda _{\rm{11}} \times SIZE_{i,t} +\\ & \lambda _{\rm{12}} \times ROA_{i,t} + \lambda _{13} \times LEV_{i,t} + \lambda _{14} \times AGE_{i,t} + \lambda _{15} \times SOE_{i,t} +\\ & \sum {{{IND}} + } \sum {{{YEAR}} + \xi } _{i,t} \end{aligned} $ | (8) |
据表9的回归结果显示,第(1)列中高管学术经历对企业创新效率的系数为0.144且在1%水平上显著为正,说明中介效应的基础成立;进一步地,第(2)列中学术经历高管与研发操纵的关系显著为负,第(3)列中学术经历高管与研发操纵对创新效率的影响均在1%水平上显著,由此说明研发操纵在学术经历高管与企业创新效率之间存在部分中介作用。可见,具有学术经历高管通过抑制企业的研发操纵行为能够在一定程度上发挥积极效果提高企业创新效率。
(1) | (2) | (3) | |
MODEL | IE | ABNORMAL_RD | IE |
ACADEMIC | 0.060*** | −0.086*** | 0.061*** |
(3.35) | (−4.22) | (3.36) | |
ABNORMAL_RD | − | − | −0.069** |
− | − | (−2.40) | |
CONTROL | YES | YES | YES |
_CONS | 1.253*** | −1.607*** | 1.256*** |
(4.67) | (−3.62) | (4.65) | |
N | 9 484 | 9 484 | 9 484 |
adj. R2 | 0.029 | 0.129 | 0.029 |
(一)研究结论
基于我国“文人下海”的独特现象,本文探究了高管学术经历与企业研发操纵的关系。研究结果表明,高管学术经历能够显著抑制研发操纵活动,且当外部税收征管力度薄弱以及企业内控质量水平较低时,具有学术经历的高管对研发操纵的治理效果更为突出;进一步研究发现,高管学术经历通过缓解研发操纵进而对创新效率的提升起到显著作用。
(二)研究启示
本文的研究启示主要从政府、上市公司与投资者三个方面进行探讨。就政府部门而言,要对促进学者角色转变进而推动企业创新发展提供有效政策支持,以此推动人才发展体制机制改革,完善支持科研工作者与企业建立战略合作伙伴或参与企业经营管理的激励机制以及离岗创业相关政策。
就上市公司而言,要制定合理的人才遴选机制,在关注其学历、能力以及专业技术背景以外也应充分了解前期任职经历,进而在提升学术型人力资本、增强组织活力的同时为加强公司治理提供有效支持。
就投资者而言,在进行投资决策制定过程中,除了利用公开渠道获取企业常规财务信息外,还要将管理层教育背景、性格特质、工作经历等“软信息”纳入到考量和评价范围内,从而为判断企业财务报告信息的真实性和有用性以及预测未来经营业绩提供重要参考价值。
① 刘永好,新希望集团董事长,创业前是四川省机械工业管理干部学校老师;郭广昌,上海复星集团实业有限公司董事长,创业前是复旦大学教师。
② 准则规定:研究阶段发生的支出,计入“费用化支出”;开发阶段发生的支出,符合资本化条件的部分,计入“资本化支出”。其中,对于开发支出是否符合资本化的五个条件并未进行量化界定,因此高度依赖企业的主观判断。
[1] | 黄灿, 年荣伟, 蒋青嬗, 等. “文人下海”会促进企业创新吗?[J]. 财经研究, 2019(5): 111–124. |
[2] | 姜付秀, 张晓亮, 郑晓佳. 学者型CEO更富有社会责任感吗——基于企业慈善捐赠的研究[J]. 经济理论与经济管理, 2019(4): 35–51. |
[3] | 李昊洋, 程小可. 投资者调研与创业板公司研发资本化选择[J]. 财贸研究, 2018(3): 90–99. |
[4] | 李四海, 陈旋, 宋献中. 穷人的慷慨: 一个战略性动机的研究[J]. 管理世界, 2016(5): 116–127, 140. |
[5] | 沈华玉, 张军, 余应敏. 高管学术经历、外部治理水平与审计费用[J]. 审计研究, 2018(4): 86–94. |
[6] | 万源星, 许永斌. 高新认定办法、研发操纵与企业技术创新效率[J]. 科研管理, 2019(4): 54–62. |
[7] | 杨国超, 刘静, 廉鹏, 等. 减税激励、研发操纵与研发绩效[J]. 经济研究, 2017(8): 110–124. |
[8] | 姚立杰, 周颖. 管理层能力、创新水平与创新效率[J]. 会计研究, 2018(6): 70–77. |
[9] | 张晓亮, 杨海龙, 唐小飞. CEO学术经历与企业创新[J]. 科研管理, 2019(2): 154–163. |
[10] | 周楷唐, 麻志明, 吴联生. 高管学术经历与公司债务融资成本[J]. 经济研究, 2017(7): 169–183. |
[11] | Bereskin F L, Hsu P H, Rotenberg W. The real effects of real earnings management: Evidence from innovation[J]. Contemporary Accounting Research, 2018, 35(1): 525–557. |
[12] | Bernile G, Bhagwat V, Rau P R. What doesn’t kill you will only make you more risk-loving: Early-life disasters and CEO behavior[J]. The Journal of Finance, 2016, 72(1): 167–206. |
[13] | Cho C H, Jung J H, Kwak B, et al. Professors on the board: Do they contribute to society outside the classroom?[J]. Journal of Business Ethics, 2017, 141(2): 393–409. |
[14] | Ma Z M, Novoselov K E, Zhou K T, et al. Managerial academic experience, external monitoring and financial reporting quality[J]. Journal of Business Finance & Accounting, 2019, 46(7-8): 843–878. |