随着我国社会主义市场经济的持续发展和企业改革的不断深入,企业在这场变革中取得良好效果的同时也暴露出许多问题。尤其是中共十八大以来,我国反腐败力度不断加大,企业的高管腐败问题也越来越受到社会各界的关注。对于企业而言,高管腐败的丑闻曝光后,将会面临严重的声誉受损并承担因声誉受损引发的巨大负面影响(曹伟等,2016)。例如,2018年4月,上市公司“天圣制药”曝出高管腐败案,其股价在两个月内缩水近78%,并在2019年被*ST,成为A股历史上最快由上市到退市边缘的公司。在声誉机制的实践中,负面事件的曝光不仅会使企业丧失良好声誉所带来的租金收益(Pfarrer等,2008;雷宇,2013),还会进一步遭受市场的惩罚,使其融资渠道受阻,增加其陷入财务危机、破产清算、成为被收购对象的可能性,降低公司价值(Paunov,2016),甚至产生“连坐效应”,使其他关联企业“无辜”遭受损失(潘红波和周颖,2018),政府和监管机构也可能因此成为公众指责的对象并为此承担责任(醋卫华,2011)。为了挽回声誉,重新赢得利益相关者的信任,企业需要向外界传递其恢复声誉的信号。
众多研究和实践案例表明,公司治理机制薄弱是企业发生高管腐败的重要原因之一。如中石油系列腐败案、一汽腐败违纪案、天圣制药腐败案等,都体现了公司治理机制的失败。为了改善公司治理,避免此类违法违规事件的再次发生,2008年证监会连同银保监会、审计署共同制定了《企业内部控制基本规范》,2012年中央也出台了“八项规定、六项禁令”,2018年出台《中华人民共和国监察法》等,这些法律法规的出台无不体现着我国逐渐将反腐败行动引向制度化、法治化、规范化,加强反腐败体制的创新和制度保障,健全惩治和预防腐败体系,形成科学有效的权力制约和协调机制的决心。诚然,完善法规监管的确是抑制腐败的重要方面,但是当企业高管腐败普遍存在并逐渐演变成一种群体行为时,企业自身也需要加强治理。既然高管腐败本质上是一种权力的滥用,那么作为企业内部权力配置的公司治理机制又是否会对腐败曝光后的企业产生影响?这既是腐败曝光企业的困惑,也是关乎企业持续健康发展的重要问题。既然现有文献肯定了改善公司内部的制度安排如董事会特征、管理层激励等,这些单一维度或多维度的公司治理机制特征在腐败发生前的防御作用(徐细雄和刘星,2013;周美华等,2016),那么本文关注的改善公司治理机制(包括董事会特征层面、管理层激励层面和其他治理特征层面)是否会成为腐败曝光企业重塑良好形象的重要手段?这种声誉恢复行为能否获得市场认可?为了回答以上问题,本文基于企业高管腐败的事实及我国反腐工作不断推进的制度背景,将企业高管腐败曝光作为最直观判断其声誉受损的证据,研究腐败曝光后,企业是否会改善公司治理机制,并从资本市场和产品市场两个层面观察市场对此声誉恢复行为的认可程度,进而了解公司治理机制改善与市场认可度提升对企业价值的影响。
为此,本文以手工搜集的2003−2015年间高管腐败曝光上市公司为样本,首先对样本公司治理机制的三个层面共九个指标做出了具体分析,检验腐败曝光后,因腐败曝光而声誉受损的公司更倾向于对公司治理的哪种指标进行积极的改善。为解决可能存在的遗漏变量和样本选择偏差问题,采用1:1近邻匹配、半径匹配、核匹配三种倾向评分匹配法构建了腐败曝光的实验组和非腐败曝光的配对组,基于PSM配对的腐败公司与非腐败公司治理机制改善行为差异的检验结果表明,发生高管腐败的公司确实在公司治理机制上存在一定的缺陷,然而高管腐败的丑闻曝光后的声誉受损企业较腐败未曝光的企业在治理机制上作出了更多的积极改善。接着,本文从资本市场中的机构投资者持股、分析师跟踪以及产品市场中的商业信用三个维度,分别做了横截面回归,观察高管腐败曝光后声誉受损企业对治理机制进行积极改善的声誉恢复行为的市场认可情况,研究发现高管腐败曝光后对治理机制进行积极改善的声誉恢复行为能够使机构投资者比例上升、分析师跟踪数量增加、商业信用融资规模扩大,而其中商业信用规模的变化存在滞后效应。最后,本文观察了投资者对高管腐败曝光后公司治理改善以及市场认知情况的反应,结果表明高管腐败曝光后其对治理机制进行积极改善的声誉恢复行为能够提升公司价值。为进一步深入分析,本文从垄断程度、企业信息披露透明度等方面观察腐败曝光公司在公司治理机制改善后的经济效应是否存在差异。通过使用多期DID检验、PSM方法控制内生性以及替换治理机制变量等稳健性检验,检验的结果没有改变本文的主要研究结论。
本文的贡献在于:(1)本文从公司治理机制视角探究了腐败曝光后企业的声誉恢复行为,以“声誉受损—声誉恢复行为—经济效应”为逻辑主线,探究了声誉受损后企业的声誉恢复行为及其效果,验证了我国资本市场和产品市场中声誉治理价值的存在,丰富了声誉机制的相关文献。(2)从静态和动态角度观察了基于公司治理视角的声誉恢复行为及其经济效应。在使用PSM结合多期DID检验高管腐败公司声誉恢复行为的基础上,进而观察了公司声誉恢复行为的市场认可情况及对公司价值的影响,为中国情境下的公司治理价值提供了新的经验证据,也为习近平总书记强调的“要加强对权力运行的制约和监督,把权力关进制度的笼子”的指示提供了理论依据。
二、文献综述 (一) 高管腐败的经济后果及其根源腐败作为权力的异化,是传统社会向现代社会转型过程中的常见现象。一方面,高管腐败这种权力寻租行为会破坏企业内部资产配置效率,削弱企业竞争优势,降低企业价值(Xuan,2009);另一方面,高管腐败丑闻一旦曝光,除了企业会面临监管机构调查及法律诉讼风险之外,更严重的是企业、市场、政府及监管机构的声誉也会受到破坏(曹伟等,2016)。从经济学角度来看,声誉建立在历史行为的基础上,声誉投资越多,丧失声誉的机会成本也就越高,对行为主体造成的损失也就越大,因此,声誉具有路径依赖性,参与人对自身声誉投资越多,就越关注自身声誉,愿意为维持和扩大声誉做出进一步的声誉投资(Whitmeyer,2000),这就形成了企业良好声誉的“自循环系统”。而良好的声誉可以为企业带来诸多租金收益,帮助企业降低外部融资成本和交易成本,缓解代理冲突(雷宇,2013),降低经营风险及内部道德风险(Roberts和Dowling,2002),吸引各方面素质较高的员工(Joseph,2002),制定更高的产品销售价格……最终,将有效提升企业财务业绩和公司价值。而这一切收益都可能在丑闻曝光后丧失(Pfarrer等,2008)。声誉机制的“威力”还不仅如此。有学者发现,声誉受损还会产生进一步的惩罚作用,具体体现在以下两方面:从微观层面上看,声誉受损可能会减少企业未来在市场上的融资机会,增加其被收购的概率,影响企业价值,甚至产生“连坐效应”,使得其他“无辜”利益相关者受到质疑,遭受损失(张学勇和张秋月,2018);从宏观层面上看,腐败公司的声誉受损可能使投资者对资本市场丧失信心,导致证券价格波动和交易量萎缩,致使经济资源得不到合理配置,政府和监管机构也会成为公众指责的对象并为此承担责任(叶康涛等,2010)。
鉴于高管腐败曝光后声誉受损对公司及其利益相关者产生的巨大负面影响,实务界和学术界纷纷探寻高管腐败的根源,希望以此为切入点进行整改,避免腐败的再次发生。现有研究大多把企业高管腐败的诱因与公司治理结合起来,从高管个体特征、企业特征、宏观环境三个层面进行探讨。从高管个体特征层面来看,企业高管腐败与管理层自身的道德水平及领导风格具有相关关系,特别是国有企业官僚性的领导风格为腐败创造了先天的“有利条件”(Huang和Kisgen,2013);从企业特征层面来看,企业高管腐败受企业自身文化(Levendis和Waters,2009)、薪酬契约效率低下、公司治理机制薄弱(杨德明和赵璨,2014)等因素的影响;从宏观环境层面来看,制度环境、地区竞争程度(陈信元等,2009)、经理人市场以及公众媒体(孙烨和张晶,2017)都对高管腐败程度具有一定的影响。那么,腐败曝光后的企业是否会通过完善公司治理向外界传递企业努力整改的积极信号,是我们需要思考的问题。
(二) 公司声誉恢复行为的经济效应企业行为的最终目的是为了持续经营及提升公司价值。丑闻曝光后,公司能否及时恢复声誉且声誉恢复行为能否获得市场认可,实现公司价值提升才是声誉受损企业真正关心的问题。研究发现,声誉受损企业会根据丑闻性质,分别采取设立审计委员会,增加审计委员会的开会次数及审计委员会的人数(Farber,2005)、增加董事会中独立董事比例(醋卫华,2011)、召回问题产品(李正等,2016)、履行更多社会责任并发布经过鉴证的社会责任报告(晁罡等,2015)等多种方式来恢复声誉;声誉受损的会计师事务所会选派经验更为丰富的审计师进行审计,或通过更多的审计努力改善其审计质量,向外界传递改善事务所声誉的积极信号(方军雄,2011)。声誉恢复行为多种多样,然而,学界对于声誉恢复效果的观点却并不一致。Farber(2005)研究表明,为了改善其声誉,丑闻爆发后,公司会提高其外部董事比例、外部董事人数、审计委员会开会次数以及审计委员会中专家人数,市场也会对此改善作出积极的反映。醋卫华(2011)的研究也指出了丑闻爆发后通过增加独立董事人数的积极公司治理行为能够帮助企业重获投资者芳心。晁罡等(2015)指出企业声誉在受到影响后,若通过履行企业社会责任的公司治理行为进行弥补,可以使企业的声誉有所提升。然而,也有学者认为,一旦企业声誉受损,声誉机制的信任基础便遭到破坏,市场很难对其重拾信心,带有投机色彩的声誉恢复行为无法有效改善其接受新客户的能力,而且受多种因素的影响,企业声誉并非总能恢复(汪兴东,2013)。即使市场能够给予企业声誉恢复行为正向的反应,此过程也是十分漫长且难以直接观察的(叶凡等,2017)。
综上所述,国内外研究者已关注到腐败的诱因及其负面影响,肯定了声誉机制的租金收益和惩罚效应。尽管已有文献表明公司治理机制的薄弱是腐败发生的关键诱因,但鲜有文献从公司治理机制视角探究腐败曝光后企业声誉恢复行为的有效性,这也为本文以公司治理视角观察高管腐败曝光后企业恢复声誉行为的有效性以及经济效应提供了研究空间。
三、理论分析与研究假设本文根据信息不对称理论和信号传递理论构建了“声誉受损—声誉恢复行为—经济效应”的研究逻辑,并据此对公司高管腐败曝光、治理机制、市场认知、公司价值四者之间的内在联系进行梳理,提出三个假设。
在代理理论框架下,企业所有者通过授予管理者一定的控制权来使其更好地运用专业知识进行合理决策,但授予控制权在一定程度上增加了管理者的信息专有性,为滋生高管腐败行为创造了条件。研究表明,腐败或违规丑闻的曝光会严重损害企业声誉和创造价值的能力(Xuan,2009)。原因在于,公司高管腐败丑闻在被媒体曝光后会迅速且广泛地传播,这将严重影响公司在其利益相关者心目当中的形象,降低其可信度,增加公司签订显性契约的成本,也会影响其缔结隐性契约的能力,致使企业在经营、融资等方面成本提升,企业未来现金流减少。所以,企业有较强的经济动机通过各种整改措施修补因高管腐败丑闻曝光而受损的公司声誉。由于信息不对称,腐败曝光公司必须向外界充分表明,他们对减少腐败再次发生、恢复市场信心是足够重视且认真的。实证研究表明,公司治理较弱的企业更易发生高管违规、腐败等行为,并且高管权力越大越有可能自定薪酬,发生腐败行为(徐细雄,2012)。因而,为重塑企业良好形象,使利益相关者相信企业有能力并愿意认真履行契约,腐败曝光后声誉受损的公司有动机通过增加外部董事比例、提升董事长与总经理两职分离程度、采用“四大”事务所进行审计等更为完善的公司治理结构方式向外界传递其努力改善声誉的积极信号。此外,相比其他没有曝光腐败丑闻的公司,已曝光腐败丑闻的公司更可能面临严厉的监管和较高的法律诉讼风险,需要更快地向外界传递其努力整改的积极信号,以期挽回公众形象,缓解来自于监管机构的压力并及时止损。据此,本文提出假设H1:
H1:与未发生高管腐败曝光的公司相比,高管腐败曝光的公司会进行更多对治理机制进行积极改善的声誉恢复行为。
高管腐败曝光后,企业通过完善公司治理机制向市场传递积极信号,以期恢复企业因腐败曝光而受损的声誉。就资本市场而言,证券分析师作为资本市场上的信息中介,通过搜集公司私有信息,深入调研行业发展状况,能够较敏锐地反映市场对公司的评价;机构投资者相比一般投资者经验更丰富,投资也更专业、理性。因此,分析师与机构投资者的反应更能体现资本市场对公司的评价。企业是一系列合约的联结,倘若企业腐败事件发挥“联动效应”,则会对企业各类契约相关方产生影响(陈运森和王汝花,2014)。就产品市场而言,上下游企业之间形成的伙伴关系是最休戚相关的利益关系,也最容易产生“联动效应”,而这种关系最直接的体现就是商业信用的支持。因此,本文从资本市场的重要参与者分析师、机构投资者以及产品市场中的商业信用融资三个维度对腐败曝光后对治理机制进行积极改善的声誉恢复行为的市场认知情况作出分析。
首先,并不是所有公司都能够吸引分析师跟踪,不同公司之间的分析师跟踪数量也存在较大差异。已有研究表明,良好的公司治理结构往往会对分析师跟踪起到较大的推动作用(Bhushan,1989;徐媛媛等,2015)。公司的治理质量越高,越会及时主动地向分析师披露更多有用信息,降低分析师获取信息的难度和未来盈余预测的不确定性,以帮助其更好地掌握公司整体治理状况,从而吸引分析师的跟踪研究(Bowen等,2008)。同时,高管腐败行为曝光后,改善公司治理机制能够提升公司内部监督,减少管理者的机会主义行为,而且在严格的监督环境下,管理者对公司财务报表的扭曲、造假意愿减弱,财务信息中的水分也相对较少,从而带来更高的信息披露质量,吸引分析师跟踪。
其次,在众多的外部投资者当中,机构投资者是最关注公司治理状况者之一。研究表明,机构投资者在做出投资决策时,会把诸如独立董事比例、股权结构、投资利益保护机制等公司治理因素考虑在内(林小驰等,2007;Bushee等,2014)。由于机构投资者的投资规模庞大,换手成本较高,在大多数情况下,机构投资者更愿意进行长期投资而不是短期价差交易,这也就意味着机构投资者在进行投资决策时会更为慎重,考虑公司长期发展潜力以及决定这种长期发展潜力的公司治理状况。腐败曝光后,企业积极提升公司治理水平的行为意味着更低的监督成本和更少的代理问题,这些企业长期发展态势也较好,更容易受到理性的机构投资者的青睐。此外,机构投资者往往会雇佣分析师帮助其评价公司整体状况,所以其行为受到分析师的需求影响较大,考虑到分析师会更容易察觉到目标企业公司治理状况的变化并做出积极回应,治理水平提升的公司也更容易吸引受机构投资者的目光。
最后,产品市场中商业信用融资提供方也会为治理机制完善的公司扩大商业信用规模。商业信用体现的是一种隐形的信任,声誉是影响其合约达成的重要因素,良好的公司治理所带来的声誉资本能够作为一种积极信号,保证商业信用这种“长期重复博弈”能够稳定地执行(陈英梅等,2014)。供应商在交易过程中会充分考虑企业因公司治理水平不同而带来的风险差异,决定是否或怎样向企业提供商业信用(程新生等,2010)。高管腐败曝光后,企业积极改善公司治理机制的行为不仅可以向外界展示声誉恢复的决心,还可以提高企业的信息披露质量,增强上下游企业对企业经营利润、信用情况、现金管理等信息了解的准确度,使供应商和客户相信整改后的公司治理机制能够更好地发挥监督、制衡作用,约束契约不完备带来的潜在机会主义行为,降低企业的违约风险和信用风险,增强供应商和客户对企业的信任程度,从而愿意提供更多的商业信用。
总之,公司声誉是其过去所有行为及结果的综合体现,腐败丑闻曝光的公司本身具有较高的市场关注度,当这些公司通过积极改善公司治理机制的行为向外界传递努力整改的积极信号时,这些信号也很可能被资本市场和产品市场的参与者捕捉到,并做出积极的回应。因此,本文提出如下假设H2:
H2a:高管腐败曝光后,公司对治理机制进行积极改善的声誉恢复行为能够吸引更多分析师跟踪研究;
H2b:高管腐败曝光后,公司对治理机制进行积极改善的声誉恢复行为能够提升机构投资者持股比例;
H2c:高管腐败曝光后,公司对治理机制进行积极改善的声誉恢复行为能够扩大公司商业信用融资规模。
合理有效的公司治理机制安排有助于提高公司决策水平和效率,协调委托代理关系并降低交易成本,提高资源配置效率。白重恩等(2005)认为,改善治理结构是上市企业提升其股票市场价值的根本途径。高管腐败曝光后,公司能够通过改善治理结构,向市场传递恢复公司声誉的信号,进而提升公司价值。其理论逻辑是:一方面,公司治理结构改善会对公司高管机会主义行为进行抑制和约束,减少代理成本,从而增加公司价值。同时,声誉惩罚机制的存在显著提高了丑闻公司高管变更的概率(醋卫华,2011),而发生了高管变更的公司,其未来业绩会明显的提高(刘星等,2012)。另一方面,与声名狼藉的公司不同,声誉良好的公司往往拥有较低的经营风险及较强的公司竞争力,使良好的声誉能够作为公司的一项特殊资源,帮助公司获得投资者及消费者的信任,加强公司对外承诺的力度,为公司披露积极改善公司治理机制信息的准确性及可靠性提供保障,增强公司改善治理机制这一积极信号的作用效果,促进公司价值的提升。因而,公司通过对治理机制进行积极改善的行为会改善公司声誉促进公司价值提升。Abraham等(2008)研究表明,高声誉样本组公司的股票收益率明显高于低声誉样本组公司的股票收益率,并且,能够获得更低成本的资金、超常的经营业绩和更高的市场溢价。根据信号传递理论,倘若腐败曝光公司能够通过改善治理机制逐渐获得市场认可、恢复声誉,其公司治理机制的改善也应能够进一步提升公司价值。因此,本文提出假设H3:
H3:高管腐败曝光后,公司对治理机制进行积极改善的声誉恢复行为能够提高公司价值。
四、实证研究设计 (一) 数据来源与样本选择本文选取2003–2015年间媒体报道发生高管腐败丑闻的上市公司作为研究样本。为了更好地观察高管腐败曝光前后公司治理机制的变化,捕捉腐败丑闻曝光后企业改善公司治理机制的行为与获得市场认可、提升公司价值之间可能存在的滞后效应,本文实际研究期间涉及2001–2018年。借鉴张玮倩和方军雄(2016)的研究,本文选取腐败曝光样本公司的具体方式如下:首先,通过百度网站输入“高管腐败”“上市公司腐败”“企业腐败”“高管贪污”“高管立案调查”以及“高管犯罪”等关键词,获取上市公司高管腐败的公开媒体报道信息,根据媒体报道信息查阅被曝光上市公司年报,对两者进行比对。如果公司年报或相应处罚报告也披露了高管腐败的信息,则将该公司确定为高管腐败曝光样本。其次,通过PSM方法整理高管腐败曝光企业之外的非高管腐败曝光企业作为对照组。此外,对回归模型中连续变量进行了上下1%Winsorize处理。最终,基于以上选取及匹配标准,得到高管腐败曝光组样本195个,控制组样本(非高管腐败曝光组)195个。本文所使用的其他相关财务与治理数据通过国泰安数据库(CSMAR)和锐思数据库(RESSET)获得。
(二) 研究设计与变量说明本文参考沈艺峰等(2009)对公司治理评价体系所采用的先赋值后加总求和的方法,设立公司对治理机制进行积极改善的指标Change。本文选取了易于观察且相对有代表性的三个层面共九个指标衡量Change,具体指标包括:(1)董事会特征指标。独立董事比例(Bind)越高、董事会规模(Boardsize)越大、两职合一情况(Bpart)越少,对高管腐败越具有监督和抑制作用。(2)管理层激励特征指标。董事会成员持股比例(Bholderolder)及管理层持股比例(Mholderolder)越高,货币性薪酬(Top3mc)越低,越能将高管利益与公司利益相结合,管理层掏空成本越大,越不容易进行腐败行为,公司治理相对越好(辛清泉等,2007)。(3)其他治理特征指标。良好的股权制衡(Balance)、健全的委员会制度(Comn)可以在一定程度上保持董事会独立性,并对公司治理及企业绩效产生正向影响(严若森等,2018)。为维护自身声誉,高质量审计事务所(Audit)①会有更大动机放弃“问题客户”,外部监督能力更强,能够彰显被审计企业提供了更可靠的会计信息质量(王艳艳等,2006)。
本文认为,高管腐败曝光的公司在腐败曝光后的第一年与腐败曝光当年相比,如果其独立董事比例以及董事会规模提高,董事会或管理层持股比例上升、高管货币薪酬下降、股权制衡度增加、委员会数量增加、两职合一情况由是变成否、高质量审计事务所审计状况由否变成是,则认为其改善了治理机制。上述九个指标中,如果其中两个及两个以上指标②在腐败曝光后的第一年向好的方向发展,则认为其对治理机制进行积极改善,Change 1取值为1,否则为0。为了提高结果的可靠性,本文采用Change 2(指三个及三个以上治理指标改善)进行稳健性检验。
为检验假设1,本文基于PSM配对的高管腐败曝光公司与非高管腐败曝光公司的治理机制改善行为差异进行了平均处理效应(ATT)检验以及多期DID检验③。多期DID设计模型如下:
$\begin{aligned} Change1 =& {\beta _0} + {\beta _1}Corruption \times Post + {\beta _2}Corruption + {\beta _3}Post \\ &+ {\beta _4}\sum {Controls} + {\beta _5}\sum {Industry} + {\beta _6}\sum {Year} + {\varepsilon } \end{aligned} $ | (1) |
式(1)中,Corruption为虚拟变量,若样本期间某年公司被媒体报道存在相关高管腐败行为,则定义为1,否则为0。Post为虚拟变量,表示腐败曝光所致的声誉受损前后年度,本文将腐败曝光当年以及前一年划分为腐败曝光之前即声誉受损之前,定义为0;腐败曝光后第一年和第二年划分为腐败曝光之后即声誉受损之后,定义为1。交叉项Corruption×Post的系数β3衡量高管腐败丑闻曝光对公司治理机制改善的影响,即腐败曝光效应。Controls是由多个企业特征构成的变量集合,本文设置如下企业基本特征变量:企业规模(Size)、盈利能力(Roa)、现金流情况(CF)、杠杆水平(Lev)、委员会数量、委员会开会次数(Comt)、高质量审计(Audit)、董事会规模(Boardsize)、股权制衡度(Balance)、两职合一(Bpart)、所有权性质(Own),并控制了时间(Year)和行业(Industry)效应。同时为了使样本选择更加精准,本文采用倾向得分匹配方法PSM来控制样本选择偏误,对高管腐败曝光公司按公式(1)涉及的所有变量进行半径为0.01的一对一匹配。
为检验假设H2,本文设计如下模型:
$\begin{array}{l} \Delta Recognition = {\beta _0} + {\beta _1}Change1 + {\beta _2}\sum {Controls + {\beta _3}\sum {Industry } } + {\beta _4}\sum {Year + \varepsilon } \end{array}$ | (2) |
本文共选取三个指标来衡量公司腐败曝光后采取声誉恢复行为之后的市场认知变化(ΔRecognition),分别是高管腐败曝光后第一年与腐败当年分析师跟踪数量的变化量(ΔInst)、机构投资者持股比例的变化量(ΔAnalyst)以及商业信用融资规模变化量(ΔCredit)。为检验假设H3,本文设计如下模型:
$\begin{aligned} \Delta Tobinq = & {\beta _0} + {\beta _1}Change1 + {\beta _2}\Delta Inst + {\beta _3}Change1 \times \Delta Inst + {\beta _4}\Delta C{\rm{redit}} + {\beta _5}Change1 \times \\ & \Delta C{\rm{redit}} + {\beta _6}\Delta Analy{\rm{st}} + {\beta _7}Change1 \times \Delta Analy{\rm{st}} + {\beta _8}\sum {Contr{\rm{o}}l{\rm{s}}} + {\beta _9}\sum {Year} + \varepsilon \end{aligned} $ | (3) |
在公式(3)中,ΔTobinq表示公司价值在腐败曝光当年与腐败曝光后第一年的变化值,本文在进行实证检验时,为避免常用估计方法对标准误差的低估,本文对标准误差进行了行业和年份的聚类调整。各变量的名称、标识、计算方法如表1所示。
变量类型 | 变量标识 | 变量名称 | 变量计算方法 |
被解释变量 | Tobinq | 市账价值比 | (每股价格×股份总数+负债账面价值)/年末总资产 |
Inst | 机构投资者持股比例 | 机构投资者持股数量/总的股本数量 | |
Analyst | 分析师跟踪 | 分析师跟踪人数 | |
Credit | 商业信用融资规模 | (应付账款+应付票据+预收账款)/总资产 | |
解释变量 | Change1 | 是否进行积极治理 | 有两个以及两个以上治理指标进行积极治理为1,否则为0 |
Change2 | 是否进行积极治理 | 有三个以及三个以上治理指标进行积极治理为1,否则为0 | |
控制变量 | Mono | 是否处于垄断行业 | 处于垄断行业取1,非垄断取0 |
Transparency | 透明度 | 以上、深交易所披露为准,信息披露透明度(又名信息披露质量评级)为“优秀”或“良好”则Transparency取1,若为“及格”或“不及格”则Transparency取0 | |
Roa | 盈利能力 | 净利润/总资产 | |
Size | 公司规模 | 期末总资产取自然对数 | |
Mve | 股权规模 | 股权的市场价值取自然对数 | |
Pb | 市净率 | 期末股价/每股净资产 | |
Lev | 资产负债率 | 负债总额/资产总额 | |
CF | 营业收入现金流 | 销售商品、提供劳务收到的现金/营业收入 | |
Eps | 盈利能力 | 每股盈余 | |
Own | 所有权性质 | 国有企业取1,非国有企业取0 | |
Growth | 成长性 | (本年营业收入−上年营业收入)/上年营业收入 | |
Liquid | 流动比率 | 流动资产/流动负债 | |
Industry | 行业哑变量 | 根据证监会2012年行业分类标准设置 | |
Year | 年度哑变量 | 根据研究期间所涉及的年度设置 |
腐败曝光样本主要变量的描述性统计列示于表2中,由表2可知ΔCredit与ΔAnalyst在高管腐败曝光后都有所下降,说明高管腐败曝光后企业声誉有所损伤或这些企业并没有做出改善行为来恢复声誉。衡量公司对治理机制进行积极改善的指标Change1的均值在腐败曝光样本中达到了65%,在稳健性检验中使用的Change2为39%,此比例也说明还有相当一部分的腐败曝光公司在腐败曝光后没有对治理机制进行积极改善。
表3列示了腐败曝光公司治理指标改善状况的统计,从表中可以看出高管腐曝光后没有或只有一个治理指标改善的公司比例达到了35.26%。这一结果也不难解释,我国上市公司本来两职合一的比例就比较低,很多公司很难在此指标方面做出进一步的改善,并且本来由“十大”审计和设立四个委员会的公司在此基础上无法进行更优的选择,大多数公司更愿意将独立董事比例维持在1/3左右且不愿过多,董事会规模也更愿意维持在9人左右,基于上述分析,本文认为腐败曝光公司对大于或等于两个以上的指标进行了改善就可以视作该公司在腐败曝光后进行了对治理机制进行积极改善的声誉恢复行为。
变量 | N | mean | min | p25 | p50 | p75 | max | std |
ΔInst | 189 | 0.0532 | −0.2957 | −0.0161 | 0.0012 | 0.0377 | 0.8143 | 0.1900 |
ΔCredit | 180 | 0.0249 | −0.4797 | −0.0141 | 0.0072 | 0.0319 | 2.3080 | 0.2041 |
ΔAnalyst | 108 | −0.1019 | −28.0000 | −5.5000 | 0.0000 | 6.5000 | 36.0000 | 10.4100 |
ΔTobinq | 170 | 0.1157 | −14.2000 | −0.2461 | 0.0178 | 0.3192 | 11.7800 | 1.7670 |
Change1 | 190 | 0.6474 | 0.0000 | 0.0000 | 1.0000 | 1.0000 | 1.0000 | 0.4791 |
Change2 | 190 | 0.3895 | 0.0000 | 0.0000 | 0.0000 | 1.0000 | 1.0000 | 0.4889 |
注:Δ表示企业高管腐败曝光之后一年减去当年的差值。 |
治理指标改善个数 | 0 | 1 | 2 | 3 | 4 |
观察值 | 22 | 45 | 49 | 39 | 21 |
百分比 | 11.58% | 23.68% | 25.79% | 20.53% | 11.05% |
累计百分比 | 11.58% | 35.26% | 61.05% | 81.58% | 92.63% |
数据来源:作者整理。 |
从表2的描述性统计和表3的改善指标统计中已经可以大致看出,腐败曝光后确实有企业对治理机制进行积极改善。本文在表4中则对公司治理机制的三个层面共九个指标做出了更为细化的检验,分析腐败曝光后,因腐败曝光而声誉受损的公司更倾向于对公司治理的哪种指标进行积极的改善。为解决可能存在的遗漏变量和样本选择偏差问题,本文采用1∶1近邻匹配、半径匹配、核匹配三种倾向评分匹配法构建了腐败曝光的实验组和非腐败曝光的配对组,以是否曝光腐败的虚拟变量为因变量做Logit回归,并计算腐败倾向得分。Δ表示后一年与前一年的变化量,表示对应指标相邻两年的变化情况。从表4可以看出,三种匹配方法的结果大致相同,从腐败发生前一年与前两年(Δt−1)的公司治理指标变化情况来看,腐败曝光样本相对于配对样本,股权制衡度(Balance)更差、两职合一(Bpart)情况更多、委员会数量(Comn)更少、董事会规模(Boardsize)更小。之后腐败曝光当年较前一年(Δt0),董事会规模(Boardsize)进一步缩小、两职合一(Bpart)情况也进一步增加,这也许正是这些公司发生高管腐败的可能原因。然而,腐败曝光后第一年与腐败当年(Δt1)相比,腐败曝光样本两职合一指标(Bpart)、委员会数量指标(Comn)方面的改善情况显著高于配对样本,并分别在在1%和5%水平上显著。并且腐败曝光当年或曝光后第一年,腐败曝光样本在股权制衡度(Balance)、董事会规模(Boardsize)、前三名高管的薪酬(Top3mc)指标方面比配对样本也做出了更多的改善但差异并不显著。总之,基于PSM配对的腐败公司与非腐败公司治理机制改善行为差异的检验结果在一定程度上支持了本文的第一个假说,即发生高管腐败的公司确实在公司治理机制上存在一定的缺陷,然而高管腐败丑闻曝光后的声誉受损企业较腐败未曝光的企业在治理机制上作出了更多的积极改善。
变量 | 时间 | 1∶1近邻匹配 | 半径匹配 | 核匹配 | ||||
ATT | t值 | ATT | t值 | ATT | t值 | |||
董事会特征 | Boardsize | Δt−1 | −0.23** | −2.23 | −0.25** | −2.49 | −0.26** | −2.54 |
Δt0 | −0.07 | −0.55 | −0.16** | −1.97 | −0.16** | −2.03 | ||
Δt1 | 0.12 | 0.90 | 0.01 | 0.06 | 0.02 | 0.24 | ||
Bind | Δt−1 | 0.01 | 1.39 | 0.01 | 0.89 | 0.01 | 1.73 | |
Δt0 | 0.00 | 0.28 | 0.00 | −1.03 | −0.01 | −1.49 | ||
Δt1 | 0.01 | 1.24 | −0.01** | −2.07 | −0.01** | −2.19 | ||
Bpart | Δt−1 | 0.05** | 2.1 | 0.03** | 2.06 | 0.03** | 2.17 | |
Δt0 | 0.07** | 1.77 | 0.05* | 1.94 | 0.05** | 1.96 | ||
Δt1 | −0.09*** | −2.91 | −0.07*** | −3.02 | −0.07*** | −3.03 | ||
高管层激励 | Bholder | Δt−1 | 0.00* | 1.88 | 0.00 *** | 5.51 | 0.00** | 8.03 |
Δt0 | 0.00 | 0.36 | 0.00** | 2.15 | 0.00** | 2.35 | ||
Δt1 | −0.02** | −2.04 | −0.01* | −1.69 | −0.01* | −1.73 | ||
Mholder | Δt−1 | 0.00 | 0.11 | 0.00 | 0.10 | 0.01 | 0.24 | |
Δt0 | −0.04 | −1.20 | 0.00 | −0.17 | 0.00 | −0.12 | ||
Δt1 | −0.02 | −0.34 | 0.03 | 0.86 | 0.03 | 0.85 | ||
Top3mc | Δt−1 | −0.02 | −0.34 | −0.04 | −1.22 | −0.04 | −0.99 | |
Δt0 | −0.08 | −1.83 | −0.11*** | −3.23 | −0.11*** | −3.28 | ||
Δt1 | −0.01 | −0.37 | −0.01 | −0.27 | −0.01 | −0.28 | ||
其他治理特征 | Balance | Δt−1 | −0.02 | −0.86 | −0.02 | −0.94 | −0.04* | −1.69 |
Δt0 | 0.00 | 0.17 | −0.03 | −1.17 | −0.03 | −1.34 | ||
Δt1 | 0.03 | 0.81 | 0.03 | 1.51 | 0.02 | 1.33 | ||
Comn | Δt−1 | −0.13* | −1.77 | −0.17*** | −4.55 | −0.11*** | −3.03 | |
Δt0 | −0.04 | −0.50 | −0.06 | −1.26 | −0.05 | −0.95 | ||
Δt1 | 0.13** | 2.26 | 0.14** | 2.43 | 0.141** | 2.54 | ||
Audit | Δt−1 | −0.02 | −0.81 | −0.01 | −0.84 | −0.01 | −0.90 | |
Δt0 | 0.01 | 0.70 | 0.01 | 0.66 | 0.01 | 0.59 | ||
Δt1 | 0.00 | 0.45 | 0.00 | 0.36 | 0.00 | 0.25 | ||
注:t0是腐败曝光当年,Δt0为腐败曝光当年减腐败曝光前一年的指标变化量,以此类推,***、**、*分别表示在1%、5%、10%水平上显著。 |
表5列示了高管腐败曝光后声誉受损企业对治理机制进行积极改善的声誉恢复行为的市场认可情况。模型(1)、(2)、(3)中,腐败曝光公司对治理机制进行积极改善的声誉恢复行为的指标Change1在5%水平上和ΔInst显著正相关(系数为0.054)、在1%水平上和ΔAnalyst显著正相关(系数为5.286),说明Change1每增加(或减少)一个百分比,将使ΔInst增加(或减少)0.054%、ΔAnalyst增加(或减少)5.286%,意味着积极进行治理机制改善行为有助于提高机构投资者持股比例,增加分析师的跟踪数量,但是分析师较机构投资者对腐败曝光公司腐败曝光后第一年积极的公司治理机制改善行为更为敏感。这可能是因为分析师作为资本市场上的信息中介,能够洞察不可直接观察的投资者行动和信念,为市场提供纳入决策过程中的高质量信息。而Change1和ΔCredit之间却没有这种显著的正向关系,说明上下游企业对腐败曝光公司腐败曝光后第一年对治理机制进行积极改善的声誉恢复行为并不敏感,但也可能存在滞后效应。
(1) | (2) | (3) | (4) | (5) | (6) | |
ΔInst | ΔCredit | ΔAnalyst | ΔInst | ΔCredit | ΔAnalyst | |
Change1 | 0.054** | −0.033 | 5.286*** | 0.016 | −0.027 | 6.469*** |
(2.46) | (−1.09) | (2.74) | (0.61) | (−0.87) | (3.31) | |
Boardsize | 0.014 | 0.007 | −1.296*** | |||
(1.17) | (0.88) | (−2.67) | ||||
Bind | 0.503* | 0.360 | 3.475 | |||
(1.83) | (1.30) | (0.21) | ||||
Comn | −0.009 | 0.037** | −1.011 | |||
(−0.61) | (2.03) | (−1.07) | ||||
Top3mc | −0.008 | 0.043** | −3.186** | |||
(−0.48) | (2.20) | (−2.09) | ||||
Bholder | −1.478 | −0.550 | 128.023 | |||
(−1.26) | (−0.27) | (0.81) | ||||
Mholder | 1.413 | 1.293 | −153.893 | |||
(1.20) | (0.67) | (−0.98) | ||||
Balance | −0.003 | −0.027 | −0.235 | |||
(−0.13) | (−1.01) | (−0.16) | ||||
Audit | −0.018 | −0.034 | −0.874 | |||
(−0.75) | (−0.99) | (−0.47) | ||||
Bpart | −0.015 | 0.020 | 1.890 | |||
(−0.72) | (0.47) | (0.68) | ||||
Roa | −0.014 | −0.006 | 18.103** | −0.033 | −0.007 | 18.714** |
(−0.50) | (−1.31) | (2.30) | (−1.18) | (−1.49) | (2.16) | |
Size | 0.026** | 0.003 | −2.657** | 0.016 | −0.013 | −3.722*** |
(1.98) | (0.53) | (−2.28) | (1.14) | (−1.43) | (−2.83) | |
Lev | −0.021 | 0.191 | 13.143* | −0.002 | 0.217** | 17.513** |
(−0.45) | (1.31) | (1.87) | (−0.39) | (2.12) | (2.33) | |
Cf | 0.471*** | 1.168 | 0.526*** | −0.672 | ||
(2.80) | (0.30) | (3.28) | (−0.14) | |||
Mve | 0.010 | 0.012 | ||||
(0.63) | (0.66) | |||||
Pb | 2.290 | 4.703*** | ||||
(1.58) | (2.80) | |||||
Growth | −0.004 | −0.005 | ||||
(−0.65) | (−0.93) | |||||
Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Cons | −0.610*** | −0.608*** | −3.882 | −0.822*** | −1.157*** | 21.137 |
(−3.28) | (−3.30) | (−0.23) | (−3.49) | (−3.80) | (1.05) | |
N | 173 | 177 | 100 | 171 | 174 | 100 |
调整R2 | 0.097 | 0.312 | 0.130 | 0.116 | 0.383 | 0.189 |
注:***、**、*分别表示在1%、5%、10%水平上显著。 |
模型(4)、(5)、(6)中,Change1与ΔInst、ΔAnalyst变量的回归系数仍然为正数,并且Change1在1%水平上与ΔAnalyst显著正相关,t值达到3.31。从单个公司治理机制指标来看,独立董事比例(Bind)与ΔInst在5%水平上显著正相关,说明独立董事比例的增加有助于提高机构投资者持股比例;前三名高管薪酬(Top3mc)与ΔAnalyst在5%水平上显著负相关,说明减少前三名高管的货币薪酬有助于获得分析师的青睐;委员会数量(Comn)与ΔCredit在5%的水平上显著正相关,说明设立更健全的委员会有助于获得上下游企业的认可,增加商业信用的融资规模。综上,表5的实证检验结果部分上支持了本文的假说2,即高管腐败曝光后对治理机制进行积极改善的声誉恢复行为能够使机构投资者比例上升、分析师跟踪数量增加,至于是否对商业信用融资规模有正向作用还需要进一步地验证。
表6给出了高管腐败曝光后第一年公司治理改善情况、声誉恢复与企业价值的回归结果。模型(1)到模型(4)的结果显示,Change1的回归系数基本在5%水平上显著为正,且在引入市场认知变量和Change1的交互项后,模型(5)、(6)中Change1的回归系数仍然显著为正,说明声誉受损后对治理机制进行积极改善的声誉恢复行为确实可以提升公司价值。模型(6)、(7)中交互项Change1×ΔCredit、Change1×ΔAnalyst的回归系数显著为正,说明通过对治理机制进行积极改善的声誉恢复行为能够转化成良好的声誉,使商业信用融资规模扩大与分析师跟踪数量增加,并进一步对企业价值的提升起到促进作用。表6的实证检验结果在一定程度上支持了本文的第三个假说,即高管腐败曝光后其治理机制的积极改善的声誉恢复行为能够提升企业市场价值。
(1) | (2) | (3) | (4) | (5) | (6) | (7) | |
ΔTobinq | ΔTobinq | ΔTobinq | ΔTobinq | ΔTobinq | ΔTobinq | ΔTobinq | |
Change1 | 0.622** | 0.499* | 0.680** | 0.702** | 0.592* | 0.557* | 0.342 |
(2.01) | (1.68) | (1.99) | (2.12) | (1.90) | (1.76) | (0.84) | |
ΔInst | 0.218 | 1.086 | |||||
(0.37) | (1.06) | ||||||
Change1×ΔInst | −1.006 | ||||||
(−0.89) | |||||||
ΔCredit | −0.781 | 1.099 | |||||
(−0.30) | (0.57) | ||||||
Change1×ΔCredit | 18.834* | ||||||
(1.93) | |||||||
ΔAnalyst | −0.037 | −0.063 | |||||
(−1.44) | (−1.51) | ||||||
Change1×ΔAnalyst | 0.059* | ||||||
(1.68) | |||||||
Controls | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Industry | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Year | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
Cons | 4.247** | 5.018 | 5.396 | 5.427 | 4.447 | 5.711* | 4.551 |
(2.10) | (1.34) | (1.48) | (1.39) | (1.31) | (1.71) | (1.26) | |
N | 130 | 130 | 124 | 91 | 130 | 124 | 91 |
调整R2 | 0.233 | 0.242 | 0.263 | 0.319 | 0.217 | 0.273 | 0.345 |
注:***、**、*分别表示在1%、5%、10%水平上显著。 |
1. 商业信用融资规模对声誉恢复行为的滞后效应检验
为了验证腐败曝光公司声誉受损后,企业对治理机制进行积极改善的声誉恢复行为,对于商业信用融资的提供方而言是否存在滞后效应,我们采用相同的时间间隔进一步考察了腐败曝光后对治理机制进行积极改善的声誉恢复行为对企业商业信用融资规模的影响。表7中,t0表示腐败曝光当年、t1表示腐败曝光后第一年,t−1表示腐败曝光前一年,以此类推。模型(1)、(2)、(3)表示积极改善公司治理机制的声誉恢复行为与间隔两年的商业信用融资规模变化量的回归结果,模型(4)则表示间隔一年即腐败曝光后第三年与第二年商业信用融资规模变化量的回归结果。表7结果显示,尽管在腐败曝光后第二年,公司对治理机制进行积极改善的声誉恢复行为Change1与商业信用融资规模变化量Δ2Credit(t2−t0)显著负相关。但是在腐败曝光后第三年,Change1与Δ2Credit(t3−t1)的回归系数0.054、Change1与Δ2Credit(t3−t2)的回归系数0.088均显著为正。可能的原因是:从技术层面来看,相比专业的机构投资者和分析师,上下游企业获得腐败曝光公司信息的渠道较少,对其公司治理机制的改善行为察觉较为缓慢从而表现为决策滞后;从经济层面来看,相对于资金实力雄厚的机构投资者和作为市场信息中介的分析师,商业信用融资的提供方需要牺牲短期的流动性,提前支付或推后收回“真金白银”,因此,商业信用融资的提供方往往对于往来企业的赊销决策更为谨慎,短期内对治理机制进行积极改善的声誉恢复行为并不能帮助其重获供应商或客户的芳心,他们需要借助较长时间内的观察重新建立其对企业的信心,从而增大其商业信用融资规模。
(1)t1−t−1 | (2)t2−t0 | (3)t3−t1 | (4)t3−t2 | |
Δ2Credit | Δ2Credit | Δ2Credit | ΔCredit | |
Change1 | −0.014 | −0.072** | 0.054* | 0.088* |
(−0.50) | (−2.43) | (1.67) | (1.91) | |
Controls | 控制 | 控制 | 控制 | 控制 |
Industry | 控制 | 控制 | 控制 | 控制 |
Year | 控制 | 控制 | 控制 | 控制 |
Cons | −0.073 | −0.271 | −0.355* | −0.574*** |
(−0.40) | (−1.39) | (−1.98) | (−2.63) | |
N | 164 | 156 | 128 | 133 |
调整R2 | 0.356 | 0.311 | 0.177 | 0.120 |
注:t1表示腐败曝光后第一年、t−1表示腐败曝光前一年,t1−t−1表示腐败曝光后第一年与腐败曝光前一年的变化量,以此类推。***、**、*分别表示在1%、5%、10%水平上显著。 |
2. 企业声誉恢复行为的经济效应的异质性检验
本文从垄断程度观察腐败曝光公司在公司治理机制改善后的经济效应方面是否存在差异。本文借鉴陈小悦和徐晓东(2001)的研究,把以下行业划分为垄断行业:采掘业,电力、煤气及水的生产和供应业、石油、化工、橡胶和塑料、公用事业,其余的则为非垄断性行业,如果该公司处于垄断性行业,则Mono取值为1,否则Mono为0。表8中模型(1)、(3)、(4)结果显示,Change1与ΔInst、ΔAnalyst、ΔTobinq有显著的正相关关系,说明对治理机制进行积极改善的声誉恢复行为有利于恢复公司的市场认知并提升公司价值;Mono与ΔInst、ΔTobinq显著正相关,说明垄断企业更受机构投资者青睐且公司价值较高;模型(1)中Change1×Mono的回归系数−0.185在5%水平上显著为负,模型(4)Change1×Mono的回归系数−0.923在10%水平上显著为负,说明企业的垄断性质不利于企业对治理机制进行积极改善的声誉恢复行为提高机构投资者持股比例、提升企业价值,这也与现实相符。垄断企业大多为国有企业,国有企业相比民营企业更具有资源优势,腐败曝光后资源输送不会立即阻断。且垄断企业的特有属性使得消费者不太会因其声誉部分毁损而改变选择,所以垄断企业对声誉的重视程度并不像处于充分竞争市场上的非国有企业。
(1) | (2) | (3) | (4) | |
ΔInst | ΔCredit | ΔAnalyst | ΔTobinq | |
Change1 | 0.070** | −0.005 | 6.189** | 0.775** |
(2.37) | (−0.44) | (2.61) | (2.04) | |
Mono | 0.146* | −0.018* | −3.640 | 0.985* |
(1.76) | (−1.68) | (−0.88) | (1.81) | |
Change1×Mono | −0.185** | 0.017 | 1.126 | −0.923* |
(−2.01) | (0.85) | (0.23) | (−1.67) | |
Controls | 控制 | 控制 | 控制 | 控制 |
Industry | 控制 | 控制 | 控制 | 控制 |
Year | 控制 | 控制 | 控制 | 控制 |
Cons | −0.962*** | −0.174** | 25.617 | 6.415* |
(−3.65) | (−2.40) | (1.15) | (1.88) | |
N | 171 | 171 | 100 | 130 |
调整R2 | 0.149 | 0.193 | 0.121 | 0.237 |
注:***、**、*分别表示在1%、5%、10%水平上显著。 |
1. 高管腐败曝光前后公司积极的治理机制改善行为的多期DID检验
表9列示了高管腐败曝光公司声誉受损后,对治理机制进行积极改善的声誉恢复行为的检验结果。由于Change1为0-1变量,所以模型(1)、(2)为采用Logit回归的DID结果,试图说明高管腐败曝光后声誉受损公司是否会进行积极的公司治理机制改善行为。结果显示,无论是否控制年度和行业效应,Corruption×Post的回归系数均显著为正,且模型(2)中控制年度和行业效应后,Corruption×Post的回归系数更显著,意味着声誉受损后,腐败曝光企业相对于非腐败曝光企业会对治理机制进行积极改善的声誉恢复行为。此结果与假设1的预期一致。
(1) | (2) | |
Change1 | Change1 | |
Corruption×Post | 0.402* | 0.445* |
(1.70) | (1.79) | |
Post | 0.122 | −0.135 |
(0.72) | (−0.72) | |
Corruption | −0.158 | −0.128 |
(−0.91) | (−0.68) | |
Controls | 控制 | 控制 |
Industry | 控制 | |
Year | 控制 | |
Cons | −1.619 | −1.053 |
(−1.62) | (−0.73) | |
N | 1346 | 1346 |
注:***、**、*分别表示在1%、5%、10%水平上显著。 |
2. 基于PSM的高管腐败曝光后公司治理机制改善的效果检验
本文在检验腐败曝光公司声誉受损后对治理机制进行积极改善的声誉恢复行为的经济效应时可能存在一些样本自选择的内生性问题,本文采用倾向得分匹配法(PSM方法),通过在腐败曝光样本内部中挑选倾向得分值相近的积极改善治理机制的处理组和未积极改善治理机制的对照组,来达到处理组与对照组在某些特征变量上的同质性,从而更加准确检验积极的声誉恢复行为与公司提升市场认知和公司价值之间的因果效应。表10给出了使用PSM方法重新确定样本之后声誉恢复的经济效应回归结果。总体来看,表10的结果与OLS回归方法下声誉恢复的经济效应检验结果(表5和表6)基本一致,腐败曝光后,为恢复声誉,积极改善公司治理机制的腐败曝光公司比未对治理机制进行积极改善的声誉恢复行为的腐败曝光公司更能够获得资本市场认可,提高了机构投资者持股比例及分析师跟踪数量,提升公司价值,这也是腐败曝光后企业对治理机制进行积极改善的声誉恢复行为的动机之一。而产品市场对此反应并不明显,可能仍然存在滞后效应。
(1) | (2) | (3) | (4) | |
ΔInst | ΔCredit | ΔAnalyst | ΔTobinq | |
Change1 | 0.059** | −0.060 | 5.582* | 0.708** |
(2.02) | (−1.45) | (1.89) | (2.01) | |
Controls | 控制 | 控制 | 控制 | 控制 |
Industry | 控制 | 控制 | 控制 | 控制 |
Year | 控制 | 控制 | 控制 | 控制 |
Cons | −0.858** | −1.180** | 92.588** | −0.764 |
(−2.01) | (−2.01) | (2.51) | (−0.22) | |
N | 90 | 91 | 48 | 42 |
调整R2 | 0.082 | 0.514 | 0.039 | 0.508 |
注:***、**、*分别表示在1%、5%、10%水平上显著。 |
为了提高结果的稳健性,本文用Change2来代替Change1对假设2、假设3进行了稳健性检验,结果表明,腐败曝光后第一年积极的公司治理改善声誉恢复行为Change2能够帮助企业提升声誉获得市场的积极认可并提升企业价值。
本文还进一步行业竞争程度、垄断性行业分类等变量进行替代进行稳健性检验,这些结果并没有改变本文的结论。
六、结论与讨论 (一) 研究结论本文基于反腐败的制度背景,从高管腐败后的声誉恢复这一基本命题出发,以高管腐败曝光的上市公司为研究样本,检验了腐败曝光后,声誉受损企业积极的公司治理机制改善行为对市场认知和公司价值的影响。研究发现:(1)上市公司高管腐败曝光后,声誉受损企业在腐败曝光后第一年会对治理机制进行积极改善,并且这种声誉恢复行为能够获得市场认可。其中,资本市场对于这种声誉恢复行为的反应较为敏感;产品市场中腐败曝光企业的上下游企业对于这种声誉恢复行为则较为谨慎,反应存在滞后。(2)声誉受损后企业对治理机制进行积极改善的声誉恢复行为能够提升公司价值,也能够通过提升市场认知进一步提升公司价值。因此,通过改善公司治理结构进行声誉恢复是有效的。(3)进一步拓展研究发现,处于非垄断行业的腐败曝光公司,在声誉受损后对治理机制进行积极改善的声誉恢复行为更能获得市场认可,提升企业价值。即使是信息披露程度较低的声誉受损企业也能通过开展对治理机制进行积极改善的声誉恢复行为达到声誉恢复的目的。
(二) 实践启示本文将公司治理结构引入到腐败曝光公司事后的声誉恢复研究当中,分析了声誉受损后的公司治理机制改善行为与市场认知及公司价值之间的关系,具有一定的参考价值。
(1)建立良好的腐败治理体系和声誉管理体系势在必行。监督与制衡体系的失效是腐败发生的关键诱因,而腐败曝光后积极改善公司治理结构的声誉恢复行为却能够帮助企业再次获得市场认可、提升公司价值。可见,制度建设和声誉管理十分重要。
(2)中国情境下的公司治理在诸多领域都存在实践价值。针对腐败曝光这一事件,从事前预防来看,公司治理的薄弱是产生“问题高管”的根源,企业整体的公司治理水平越高,高管腐败发生的可能性就越低。从事后补救来看,涵盖监督、制衡、激励的公司治理,能够作为缓解代理冲突和信息不对称问题、提高信息质量、传递信号的重要声誉恢复手段,在企业的声誉恢复过程中发挥着重要的置信作用,使声誉受损企业能够再次获得资本市场和产品市场的认可。
(3)优化证券投资及商业信用融资的良好环境。一方面,为促进资本市场发展,应积极发展资本市场的中介力量。另一方面,企业与政府应合力创造商业信用融资的良好环境。企业应努力提高自身能力,不断完善商业信用质量保障体系,探索更多与市场沟通交流的信息渠道,向产品市场提供更多有效的信息,努力提高企业在市场中的公信力,赢得市场的信任。
(三) 局限性与展望本文研究也存在一定的局限性:其一,本文研究的195个高管腐败样本均来自于手工搜集,样本数据偏少,因而可能不足以完全证实变量之间的因果关系,后续研究可以尝试使用数据挖掘的方式获得更多的样本进行分析。其二,在公司治理结构的改善方向方面,个别指标还存在争议,可能会在一定程度上影响结论的可靠性。例如两职合一指标,朱滔和丁友刚(2016)认为两职合一能够提高企业的决策效率从而提升企业绩效,而白重恩等(2005)则认为两职合一的存在不利于权力的约束和公司价值的提升。其三,本文将改善公司治理机制作为腐败曝光后企业的声誉恢复行为进行研究,而公司的声誉恢复的行为可能不仅仅是公司治理结构的改善,社会责任的履行、会计信息质量的提升等也是积极的信号,可能会影响市场的认可和公司价值,这些因素的作用机制还有待进一步深入探索,这也是研究者未来可以继续深入探讨的问题。
① 本文对于高质量审计事务所(Audit)的界定是根据中注协发布的《年度业务收入前100家会计师事务所信息》资料,选取该年度收入排名前十位的会计师事为该年度的高质量审计事务所。
② 选取两个以及两个以上的公司治理指标作为积极的公司治理机制改善行为的具体原因,见下文中表3高管腐败治理改善状况统计的分析。
③ 多期DID检验结果具体见稳健性检验的表8。
[1] | 白重恩, 刘俏, 陆洲, 等. 中国上市公司治理结构的实证研究[J].经济研究,2005(2). |
[2] | 曹伟, 杨德明, 赵璨. 政治晋升预期与高管腐败——来自国有上市公司的经验证据[J].经济学动态,2016(2). |
[3] | 晁罡, 石杜丽, 申传泉, 等. 新媒体时代企业社会责任对声誉修复的影响研究[J].管理学报,2015(11). |
[4] | 陈小悦, 徐晓东. 股权结构、企业绩效与投资者利益保护[J].经济研究,2001(11). |
[5] | 陈信元, 陈冬华, 万华林, 等. 地区差异、薪酬管制与高管腐败[J].管理世界,2009(11). |
[6] | 陈英梅, 邓同钰, 张彩虹. 企业信息披露、外部市场环境与商业信用[J].会计与经济研究,2014(6). |
[7] | 陈运森, 王汝花. 产品市场竞争、公司违规与商业信用[J].会计与经济研究,2014(5). |
[8] | 程新生, 宋文洋, 游晓颖, 等. 信用风险管理: 从内部绩效评价到客户公司治理风险评价——基于LS公司信用风险管理系统的案例研究[J].会计研究,2010(12). |
[9] | 醋卫华. 公司丑闻、声誉机制与高管变更[J].经济管理,2011(1). |
[10] | 方军雄. 转型经济中声誉机制有效性研究——来自中国审计市场的证据[J].财经研究,2011(12). |
[11] | 雷宇. 制度环境、声誉机制与会计稳健性[J].财贸研究,2013(3). |
[12] | 李正, 官峰, 郑碎环, 等. 中国产品召回事件的经济后果研究——以食品和药品召回事件为例[J].会计研究,2016(11). |
[13] | 林小驰, 欧阳婧, 岳衡. 谁吸引了海外证券分析师的关注[J].金融研究,2007(1). |
[14] | 刘星, 代彬, 郝颖. 高管权力与公司治理效率——基于国有上市公司高管变更的视角[J].管理工程学报,2012(1). |
[15] | 潘红波, 周颖. 企业集团成员声誉受损的“连坐”效应研究——来自银行贷款成本的经验证据[J].厦门大学学报(哲学社会科学版),2018(5). |
[16] | 沈艺峰, 肖珉, 林涛. 投资者保护与上市公司资本结构[J].经济研究,2009(7). |
[17] | 孙烨, 张晶. 制度环境对高管腐败作用的边界条件研究[J].山东社会科学,2017(7). |
[18] | 汪兴东. 产品伤害危机中修复策略适配性对品牌形象评价的影响——时间距离与企业声誉的调节作用[J].经济管理,2013(11). |
[19] | 王艳艳, 陈汉文, 于李胜. 代理冲突与高质量审计需求——来自中国上市公司的经验数据[J].经济科学,2006(2). |
[20] | 辛清泉, 林斌, 王彦超. 政府控制、经理薪酬与资本投资[J].经济研究,2007(8). |
[21] | 徐细雄. 企业高管腐败研究前沿探析[J].外国经济与管理,2012(4). |
[22] | 徐细雄, 刘星. 放权改革、薪酬管制与企业高管腐败[J].管理世界,2013(3). |
[23] | 徐媛媛, 洪剑峭, 曹新伟. 我国上市公司特征与证券分析师实地调研[J].投资研究,2015(1). |
[24] | 严若森, 钱晶晶, 祁浩. 公司治理水平、媒体关注与企业税收激进[J].经济管理,2018(7). |
[25] | 杨德明, 赵璨. 国有企业高管为什么会滋生隐性腐败?[J].经济管理,2014(10). |
[26] | 叶凡, 方卉, 于东, 等. 审计师规模与审计质量: 声誉视角[J].会计研究,2017(3). |
[27] | 叶康涛, 张然, 徐浩萍. 声誉、制度环境与债务融资——基于中国民营上市公司的证据[J].金融研究,2010(8). |
[28] | 张玮倩, 方军雄. 地区腐败、企业性质与高管腐败[J].会计与经济研究,2016(3). |
[29] | 张学勇, 张秋月. 券商声誉损失与公司IPO市场表现——来自中国上市公司IPO造假的新证据[J].金融研究,2018(10). |
[30] | 周美华, 林斌, 林东杰. 管理层权力、内部控制与腐败治理[J].会计研究,2016(3). |
[31] | 朱滔, 丁友刚. 产权性质、领导权结构变化与公司业绩[J].会计研究,2016(5). |
[32] | Abraham S E, Friedman B A, Khan R H, et al. Is publication of the reputation quotient(RQ)sufficient to move stock prices?[J].Corporate Reputation Review,2008,11(4):308–319. |
[33] | Bhushan R. Firm characteristics and analyst following[J].Journal of Accounting and Economics,1989,11(2-3):255–274. |
[34] | Bowen R M, Chen X, Cheng Q. Analyst coverage and the cost of raising equity capital: Evidence from underpricing of seasoned equity offerings[J].Contemporary Accounting Research,2008,25(3):657–700. |
[35] | Bushee B J, Carter M E, Gerakos J. Institutional investor preferences for corporate governance mechanisms[J].Journal of Management Accounting Research,2014,26(2):123–149. |
[36] | Farber D B. Restoring trust after fraud: Does corporate governance matter?[J].The Accounting Review,2005,80(2):539–561. |
[37] | Huang J K, Kisgen D J. Gender and corporate finance: Are male executives overconfident relative to female executives?[J].Journal of Financial Economics,2013,108(3):822–839. |
[38] | Joseph E. Promoting corporate social responsibility: Is market-based regulation sufficient?[J].New Economy,2002,9(2):96–101. |
[39] | Levendis J, Waters G. Corporate corruption and chaos: A formal recursive model[J]. International Journal of Business and Management Science,2009,2(2):177–192. |
[40] | Paunov C. Corruption's asymmetric impacts on firm innovation[J].Journal of Development Economics,2016,118:216–231. |
[41] | Pfarrer M D, Smith K G, Bartol K M, et al. Coming forward: The effects of social and regulatory forces on the voluntary restatement of earnings subsequent to wrongdoing[J].Organization Science,2008,19(3):386–403. |
[42] | Roberts P W, Dowling G R. Corporate reputation and sustained superior financial performance[J].Strategic Management Journal,2002,23(12):1077–1093. |
[43] | Whitmeyer J M. Effects of positive reputation systems[J].Social Science Research,2000,29(2):188–207. |
[44] | Xuan Y H. Empire-building or bridge-building? Evidence from new CEOs' internal capital allocation decisions[J].The Review of Financial Studies,2009,22(12):4919–4948. |