摘 要：加快发展新质生产力，扎实推进高质量发展已成为社会关注的重要议题。本文基于2008—2022年A股上市企业样本数据，研究分析师关注对企业全要素增长率的影响及其作用机制。研究发现，分析师关注对企业全要素生产率具有正向影响。通过机制检验发现，分析师关注通过促进企业创新、缓解融资约束和降低信息不对称显著提升企业全要素生产率。本文揭示了分析师关注对企业全要素生产率的影响，为促进企业增长、增强综合实力、进一步推动高质量发展提供了理论依据与实践指导。
关键词：分析师关注；企业全要素生产率；技术创新；融资约束；信息不对称
中图分类号：F270.3 文献标识码：A 文章编号：2096-0298（2025）05（a）--04
1 引言
2023年12月召开的中央经济工作会议强调，“必须把坚持高质量发展作为新时代的硬道理，完整、准确、全面贯彻新发展理念，推动经济实现质的有效提升和量的合理增长”，要“聚焦经济建设这一中心工作和高质量发展这一首要任务”。企业全要素生产率（Total Factor Productivity， TFP）指的是企业的生产效率、资源配置效率。然而，在所有权与经营权分离的环境下，信息不对称所产生的代理问题，成为制约企业实现高质量发展的潜在风险因素。生产力系统是一个与其外部环境密切联系、交互作用的开放系统，也是动态发展的系统。优化生产力系统与外部环境的关系，促进生产力系统功能由低级到高级动态演进，对于提升生产力系统的整体功能和可持续发展能力至关重要。
证券分析师是专业化的资本市场信息中介，通过发布研究报告提供更多与企业有关的增量信息，缓解投资者与企业之间的信息不对称[1]。已有研究表明，分析师的存在对于缓解市场参与者之间的信息不对称问题起到了积极作用。不仅可以提升企业的投资效率、优化融资水平及合理引导资源配置效率，还能作为管理层的外部监督者，为企业稳健发展提供有力支持[2]。也有学者认为，分析师通过盈余预测、股票推荐等手段，可能会将投资者的注意力过度聚焦于企业的短期利润上，这无形中为企业设置了外部业绩标杆，管理层可能会为了迎合市场短期的业绩预期，而放弃那些对企业长远发展具有战略价值的投资项目。因此，分析师关注如何影响TFP？其中的内在作用机制如何？如何更好地发挥分析师关注对TFP的促进作用？这些问题亟待深入探究。
2 理论分析与研究假设
2.1 分析师关注与企业全要素生产率
分析师关注是一把“双刃剑”。一方面，由于我国的资本市场尚处于发展的初级阶段，企业和投资者之间存在信息不匹配问题。此外，企业所有权和经营权分离等委托代理问题使得信息不对称问题更加严重，容易诱发道德风险，导致管理层为追求自身利益最大化而做出不利于公司价值最大化的决策[3]。而分析师能够在一定程度上缓解信息不对称问题，提高信息透明度，降低管理层利己主义的行为[4]。由此，提出以下假设：
H1a：在其他条件不变的情况下，分析师关注对TFP有正向影响。
另一方面，分析师所撰写的研究报告大多聚焦于公司的即时或短期财务表现。如果分析师因为公司短期业绩不佳而下调对公司的评级，管理层会面临较大的短期业绩压力，这很可能引发公司管理层的短视效应，使其为了迎合市场的预期而做出牺牲企业长期获益的决策，不利于企业长期发展[1]。由此，提出以下假设：
H1b：在其他条件不变的情况下，分析师关注对TFP有负向影响。
2.2 分析师关注影响企业全要素生产率的机制分析
2.2.1 技术创新的中介机制分析
TFP体现了企业的综合实力与长期竞争能力，涵盖技术、管理、资源配置等多方面因素，在这些因素中，技术进步起着举足轻重的作用。然而，在企业实际运营过程中，管理层可能因个人利益驱动或任期限制等因素，对研发投资持谨慎态度。此时，分析师作为外部监督力量，能够迅速将企业的研发进展传达给市场和企业所有者，在客观上促使管理层增加对研发活动的投入。基于中国资本市场的实证研究发现，分析师关注能够显著促进企业研发投入和创新绩效[5]。创新活动为企业的长远发展注入了强大动力，促进TFP的提升[6]。基于此，提出以下假设：
H2：分析师关注通过增加技术创新，提升企业的全要素生产率。
2.2.2 融资约束的中介机制分析
融资约束问题是制约企业创新研发、提高全要素生产率的重要阻力和障碍[7]。根据信息不对称理论和委托代理理论，较高的融资成本会使企业偏离最优的资本结构，出现较为严重的代理问题，对企业的经营绩效产生显著的负面影响。分析师通过对公司的解读，帮助企业向市场传递信号，让投资者更加了解企业的真实情况，缓解信息不对称，为企业提供更多更好的融资渠道，缓解企业的融资约束，为企业低成本、高效率的融资提供便利。基于此，提出以下假设：
H3：分析师关注通过缓解企业的融资约束，提升企业的全要素生产率。
2.2.3 信息不对称的中介机制分析
信号传递理论认为，分析师具备专业的信息挖掘和解读能力[8]，可通过发布研究报告向市场传递有价值的公司特质信息，降低公司和投资者之间的信息不对称，使股票价格能够反映公司特质信息，这可能吸引更多投资者关注，并基于公司特质信息进行交易，引发强烈的市场反应，降低股价同步性。股价信息含量的提高不仅能降低企业的资源获取成本，还能形成有效的外部监督，改善企业资源使用效率、提升企业全要素生产率[9]。基于此，提出以下假设：
H4：分析师关注通过降低信息不对称，提升企业的全要素生产率。
3 研究设计
3.1 样本选择与数据来源
本文以2008—2022年我国A股上市公司为初始研究样本，进行如下处理：（1）剔除ST、PT等非正常交易类的企业；（2）剔除金融、房地产类的企业；（3）剔除存在缺失值的样本；（4）为控制异常值的影响，在剔除缺失值的基础上对连续变量进行上下1%的缩尾处理，最终得到15428条观测数据。数据来自国泰安数据库（CSMAR）和中国研究数据服务平台（CNRDS）。
3.2 模型设计与变量选取
为检验本文假设，构建模型（1）进行检验：
TFPi，t+1=α0+α1Attentioni，t+γ∑Controlsi，t+Industryi+Yeart+εi，t（1）
其中，TFPi，t+1代表i公司t+1年的TFP，本文借鉴 Levinsohn和Petrin[10]的方法，采用LP法计算企业TFP。Attentioni，t代表企业当年的分析师关注，用跟踪上市公司分析师数量加1取自然对数来衡量。参照邢恩泽等[11]的研究，选择公司规模、公司年龄、职工人数、成长性、资产负债率、固定资产比率、是否两职合一、董事会规模、机构持股、独立董事占比作为控制变量。所有变量描述性统计如表1所示。
4 实证分析
4.1 基准回归结果
表2汇报了分析师关注对TFP影响的回归结果。第（1）列未加入固定效应，第（2）列增加了行业与年份固定效应。实证结果表明，无论是否含有固定效应，AnaA的估计系数均在1%水平上显著为正，分析师关注与TFP呈正相关关系。由第（2）列可知，分析师关注度每上升1%，TFP会增加0.07%，说明分析师关注的提升能够提高企业全要素增长率，因此，假设H1a得证。
表2 分析师关注对TFP影响的回归结果
变量 （1） （2）
TFP_LP TFP_LP
AnaA 0.073*** 0.070***
（0.006） （0.005）
N 15428 15428
R2 0.773 0.825
Controls Yes Yes
Industry No Yes
Year No Yes
注：***plt;0.01，**plt;0.05，*plt;0.1；括号内为稳健标准误，以下各表同。
4.2 内生性检验
4.2.1 工具变量法
分析师关注会促进TFP提高，然而，TFP较高时，也可能会吸引更多的分析师关注，即存在互为因果的内生性问题。尽管本文已采用解释变量滞后一阶处理办法，但仍进行了工具变量检验，以缓解内生性问题。参考席龙胜等[12]的做法，本文选用同年份同行业同省份分析师关注的均值AnaA_iv作为工具变量对分析师关注进行2SLS回归。企业同年份同行业同省份分析师关注对本企业分析师关注有影响，但不对本公司下一年全要素生产率产生影响。结果表明，第一阶段中，AnaA_iv对AnaA的回归系数是0.793，且工具变量在1%水平上显著；第二阶段中，AnaA对TFP_LP的回归系数是0.068，且在1%水平上显著，表明分析师关注与TFP显著正相关。Wald检验F值在1%水平上显著。以上检验均通过弱工具变量检验，工具变量法回归结果与基准回归结论相同，说明实证结果较为稳健。
4.2.2 倾向评分匹配法
为进一步提高实证结果的稳健性，本文参考王雪和刘清源[13]的做法，采用倾向得分匹配（PSM）的方法， 按分析师关注的中位数进行分组，高于中位数的样本作为实验组，低于中位数的样本作为对照组，按一对一的最近邻匹配进行倾向评分匹配，并以公司规模、公司年龄、职工人数、成长性等控制变量作为协变量使用半径匹配方法进行匹配。结果显示，AnaA对TFP_LP的回归系数是0.060，且在1%水平上显著，分析师关注对TFP影响的显著性与方向均未发生改变，增强了文章检验结果的可靠性。
5 进一步分析
分析师关注会促进企业全要素生产率提高。那么，分析师关注影响企业全要素生产率的传导机制是什么？本文以创新、融资约束和信息不对称程度作为中介，进行分析师关注与企业全要素生产率的中介效应检验。
首先，陈钦源等[14]研究发现，分析师跟踪能够显著提高企业的创新绩效。同时，研发创新对企业全要素生产率的提高至关重要，是实现企业增长的关键因素。本文验证技术创新的提高在分析师关注对TFP的影响中发挥着中介作用。借鉴余宜珂等[15]的做法，使用研发投入加一取自然对数（RDE）作为创新的代理变量。结果显示，AnaA对RDE的回归系数为0.186，且在1%水平上显著为正，说明分析师关注对技术创新的回归结果显著，且分析师关注和技术创新呈显著的正相关关系，分析师关注能够显著提高企业的技术创新能力。同时，AnaA对TFP_LP的回归系数为0.050，RDE对TFP_LP的回归系数为0.082，且在1%水平上显著为正，即分析师关注和技术创新的系数在1%水平上显著为正，本文进行了Sobel检验并通过，表明分析师关注对TFP的影响机制在于提高企业的技术创新能力，验证了假设H2。
其次，对于衡量企业融资约束的指标，采用KZ指数作为融资约束的代理变量。结果表明，AnaA对KZ的回归系数为-0.195，且在1%水平上显著为负，即分析师关注AnaA对融资约束KZ的回归结果显著，且分析师关注和融资约束呈显著的负相关关系，说明分析师关注可以缓解企业面临的融资约束。同时，AnaA对TFP_LP的回归系数为0.063，且在1%水平上显著为正，即分析师关注的回归系数在1%水平上显著为正，KZ对TFP_LP的回归系数为-0.035，且在1%水平上显著为负，可知分析师关注可以通过缓解融资约束的途径来提高TFP，验证了假设H3。
最后，根据信号传递理论，分析师关注增加会使信号传递更充分，降低信息不对称，进而提高企业全要素生产率。本文采用股价同步性指数（SYN）作为信息不对称程度的代理变量。股价同步性的中介效应分析结果显示，AnaA对SYN的回归系数为-0.029，且在1%水平上显著为负，即分析师关注对股价同步性的回归结果显著，且分析师关注和股价同步性呈显著的负相关关系，说明分析师关注可以降低股价同步性。同时，AnaA对TFP_LP的回归系数为0.068，且在1%水平上显著为正，SYN的回归系数为-0.057，且在1%水平上显著为负，验证了假设H4。
6 结论与建议
本文选取2008—2022年A股上市企业作为研究样本，实证检验了分析师关注与TFP之间的关系及其作用机制。研究发现：分析师关注与TFP呈现显著正相关关系；技术创新、融资约束和信息不对称是分析师关注与TFP的中介变量。
基于以上研究结论，本文提出如下政策建议：
（1）提升分析师关注度与信息透明度。鼓励资本市场发展更多专业、独立的分析师团队，以提高整体分析师关注度。政府或行业协会可以通过设立相关奖项、提供培训等方式，激励分析师提升专业素养和职业道德水平。
（2）提升上市公司信息披露的时效性和精确度至关重要。管理层应认识到分析师影响力的重要性，并将焦点放在企业的长远规划上。全要素生产率的增长不仅是驱动我国经济高质量发展的核心要素，也是增强企业长期竞争优势的关键所在。因此，管理层在做出决策时，应充分考虑资本市场的动态变化以及分析师的意见，重视企业的可持续发展，通过优化资源配置和提升组织管理能力，实现全要素生产率的提高。
（3）优化融资环境和市场结构。政府应继续深化金融改革，优化融资环境，降低企业融资成本，特别是针对中小企业和民营企业，应提供更多的融资渠道和优惠政策。鼓励市场竞争，打破行业壁垒，降低市场准入门槛，使更多企业能够参与市场竞争，进而提高市场效率。同时，加强反垄断执法，防止市场垄断行为。
参考文献
杨道广，王金妹，龚子良，等.分析师在企业风险承担中的作用：治理抑或压力[J].北京工商大学学报（社会科学版），2019，34 （1）： 20-30.
王雪，刘清源.分析师关注提高了企业的ESG表现吗[J].现代经济探讨，2024（2）：51-66.
尹林辉，段忠悦.证券分析师对企业杠杆操纵的治理： 基于信息中介和市场压力的双重效应[J].上海金融，2023（7）：29-44.
吴迪，赵奇锋.资本市场动态博弈、信息不对称与企业创新： 基于分析师预测视角[J].南开经济研究，2023（2）：140-160.
余明桂， 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，2017，39（3）：175-192.
王三兴，王子明.企业ESG表现、创新与全要素生产率[J].宏观经济研究，2023（11）：62-74.
张艺.数字化转型与企业全要素生产率： 内部控制与融资约束的双重视角[J].现代管理科学，2024（3）：196-206.
Huang， Chia-Hui. Tax Credits and Total Factor Productivity： Firm-level Evidence From Taiwan[J]. The Journal of Technology Transfer， 2015， 40（6）：932-947.
任灿灿，郭泽光，田智文.资本市场开放、股价信息含量与企业全要素生产率： 基于“沪深港通”的准自然实验[J].国际商务（对外经济贸易大学学报），2021（2）：141-156.
Levinsohn， J.， A. Petrin. Estimating Production Functions Using Inputs to Control for Unobservables[J]. Review of Economic Studies， 2010，70（2）：317-341.
邢恩泽，邓玉萍，袁礼，等.信息披露质量与企业全要素生产率[J].中国软科学，2023（7）：114-126.
席龙胜，赵辉.企业ESG表现影响盈余持续性的作用机理和数据检验[J].管理评论，2022，34（9）：313-326.
王雪，刘清源.分析师关注提高了企业的ESG表现吗[J].现代经济探讨，2024（2）：51-66.
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，2017，20（3）：15-27.
余宜珂，陈鹏宇，姚文轩.分析师跟踪对企业研发创新的影响[J].统计与决策，2023，39（6）：172-177.
