管理者行为、分析师预测与非效率投资.pdf

会 计 之 友 2023 年 第 21 期一、引言2021 年 3 月，“十四五”规划提出要优化投资结构，提高投资效率，保持投资合理增长。2023 年 1 月，习近平总书记在中共中央政治局第二次集体学习时强调要完善扩大投资机制，拓展有效投资空间。投资作为必不可少的经济活动，无疑在市场深度融合、推动产业结构转型乃至经济动能转换中起着至关重要的作用。但由于委托代理和信息不对称等因素的存在，管理者的非效率投资现象普遍存在，严重制约资本市场的发展。管理者作为企业投资决策的主要执行者，其行为直接影响投资决策质量和投资效率。根据管家理论和代理理论，管理者行为分为代理行为和非理性行为，管理者过度自信则是典型的非理性行为1。探究管理者行为对非效率投资的影响，对规范管理者行为，抑制非效率投资具有重要意义。分析师作为外部资本市场中新兴崛起的信息传递者，凭借信息情报网络和声誉业绩激励，可向市场提供预测报告，有助于抑制管理者由于信息不对称导致的非效率投资。对于管理者行为与非效率投资的作用机理，学者多从内部治理机制展开2，少有文献从分析师预测等外部影响因素加以研究。而分析师预测会影响管理者行为与非效率投资间的作用，因此论文将分析师预测按照数量和质量划分并论述其在管理者代理行为和管理者过度自信两种管理者行为与非效率投资关系中的外部治理作用。在分析师预测数量方面考察分析师关注度，从分析师预测质量角度考察分析师预测准确度和分析师预测分歧度，研究分析师预测对管理者行为与非效率投资关系的差异影响，旨在为改善管理者行为导致的非效率投资状况提供理论依据和经验借鉴。本研究的主要贡献在于：第一，拓展了非效率投资外部治理机制的研究。探寻了资本市场中分析师对企业非效率投资的影响，有助于深入理解分析师预测的外部治理作用。第二，丰富了分析师预测的数量和质量调节作用差异性相关文献。就分析师关注度、分析师预测准确度和分析师预测分歧度研究分析师预测对管理者代理行为和管理者过度自信组成的管理者行为与非效率投资关系间的影响差异，丰富分析师预测在管理者行为和非效率投资之间作用机理的研究。第三，延伸了分析师预测分歧度对管理者过度自信影响的理论研究空间，扩展了分析师预测的研究范围。结合我国市场分析师预测分歧度的特征和认知心理学相关理论，拓宽了分析师预测分歧度对管理者过度自信与非效率投资间发挥治理作用的路径。二、文献分析与研究假设（一）管理者行为与非效率投资关于管理者代理行为与非效率投资的影响机理，学者们主要从委托代理和行为金融视角展开研究。基于委托代【摘要】文章基于管理者行为与非效率投资的关系，研究了分析师预测的数量和质量在管理者行为与非效率投资间的作用机理，探寻分析师关注度、分析师预测准确度、分析师预测分歧度在管理者过度自信和代理行为组成的管理者行为与非效率投资间调节作用的差异。研究结果表明：管理者行为会导致非效率投资；分析师关注度对管理者行为导致的非效率投资有抑制作用；分析师预测准确度会减少管理者行为导致的非效率投资；分析师预测分歧度会加剧管理者代理行为引发的非效率投资，但可削弱管理者过度自信导致的非效率投资。该研究对强化分析师在资本市场中的地位、提高外部治理水平和企业投资效率具有重要的实践指导意义。【关键词】管理者代理行为；管理者过度自信；非效率投资；分析师预测【中图分类号】F275.5；F272【文献标识码】A【文章编号】1004-5937（2023）21-0132-10侯巧铭1杨蕾1陈子卉1石一涵21.沈阳工业大学管理学院2.国药控股沈阳有限公司【基金项目】辽宁省社会科学规划基金项目（L23BGL012）【作者简介】侯巧铭（1978），男，辽宁义县人，博士，沈阳工业大学管理学院副教授、博士生导师，研究方向：财务管理与资本运作；杨蕾（1995），女，河北邢台人，沈阳工业大学管理学院博士研究生，研究方向：优化及决策理论与方法；陈子卉（2001），女，辽宁沈阳人，沈阳工业大学管理学院硕士研究生，研究方向：财务管理与资本运作；石一涵（1996），女，辽宁鞍山人，国药控股沈阳有限公司财务专员，研究方向：财务管理与资本运作132理理论，企业的经营权与所有权分离，股东与管理层追求的利益不同。股东更倾向于实现价值最大化，以获得更多股利，管理者可能会为了个人利益利用职权谋取私利，二者利益诉求不一致导致非效率投资3。韩志丽等4认为代理行为下，管理者与所有者之间信息不对称，加剧管理者投机行为的发生。拥有职权的管理者会将资金投资到能够给自己带来更大私利的项目中，也可能会在所有者监督不力的情况下将企业现金资源用于个人消费或挪作他用，使企业的投资效率无法达到高水平。所以管理者代理行为会导致非效率投资。基于行为金融视角，在管理者与所有者利益一致的前提下，管理者同样会因对风险收益的乐观认知而引发非效率投资。根据“狂妄假说”，过度自信的管理者有着过高估计自身能力的心理、较高的现金流敏感度和强烈的投资意向，决策时高估自身判断能力和决策能力，基于自负心理而倾向于选择高风险高收益的项目，极易造成过度投资5。孙叶萌等6也指出管理者过度自信会对项目的风险和收益带有乐观臆断，高估目标项目的收益而低估风险，在现金流充足时无法完全理性投资，极易冲动投资一些项目，导致非效率投资。因此，管理者过度自信也会造成非效率投资，据此提出假设 1。H1：管理者代理行为和管理者过度自信均会导致非效率投资。（二）分析师预测在管理者行为对非效率投资影响中的调节作用分析将分析师预测分为数量和质量两个方面，数量是分析师关注度，质量包括分析师预测准确度与分析师预测分歧度。分析师自身声誉机制的高低、私有信息掌握程度都会影响分析师预测的数量和质量，进而影响分析师对非效率投资的外部治理效果。通过讨论分析师关注度、分析师预测准确度和分析师预测分歧度在管理者行为对非效率投资影响中的调节作用，为企业借助分析师预测外部治理手段约束管理者行为，提高企业投资效率提供指导性建议。1.分析师预测数量的调节作用分析分析师预测数量用分析师关注度衡量，代表参与预测的分析师人数。翟淑萍等7认为分析师关注上市公司时需实地调研，通过与管理者直接沟通获取有用信息。实地调研的分析师越多，其对企业经营活动的了解越清晰，向市场发布的消息也越多，有助于缓解管理者基于委托代理产生的信息不对称。管理者做出投资决策时，由于代理问题的存在，会更加注重考虑自身的利益，为了私人利益损害股东权益。分析师预测能帮助利益相关者获得更多有效信息，从而约束管理者做出合理决策，减少非效率投资。郭建鸾等8指出较多的分析师数量会给管理层施压，在市场中公开发表观点，使得股东有效感知管理层的决策信息，制约管理者滥用公司资源的利己行为，使管理者谨慎决策，减少非效率投资。当分析师数量较多时，分析师通过实地调研获取公司实际经营情况，有助于缓解利益相关者的信息不对称，辨识管理者的投机行为，减少非效率投资。当分析师数量不足时，对管理者委托代理问题的制约作用并不明显，缓解管理者代理行为引发的非效率投资问题的效果不好。分析师关注度在管理者过度自信与非效率投资之间也发挥重要作用。基于市场学习假说，过度自信的管理者在做出决策时会进行市场学习，收集大量决策有用信息时会充分考虑分析师的专业建议。关注公司的分析师数量越多，越能整合市场信息，增加管理者的学习机会，从而有助于过度自信管理者降低对自己过高的心理认知9，理性决策降低非效率投资。分析师在做出预测前会投入大量的时间和精力获取与公司相关的各类信息，整理信息并进行解读10，从而发布预测报告。当管理者与较多分析师的意见不一致时，根据行为学习理论，过度自信的管理者会反思自己的行为，更加理性和谨慎地投资，从而减少非效率投资。当分析师关注的人数较少时，无法为过度自信管理者提供更多决策有用信息，抑制管理者过度自信引发的非效率投资的作用不明显。因此，较高的分析师关注度可减少管理者过度自信引发的非效率投资。理论框架如图 1a 所示，据此提出假设 2。H2a：分析师关注度越高，越能抑制管理者代理行为导致的非效率投资。H2b：分析师关注度越高，越能抑制管理者过度自信导致的非效率投资。2.分析师预测质量的调节作用分析（1）分析师预测准确度的调节作用分析分析师预测准确度是指分析师做出预测结果的准确性和公正性。陈可喜等11认为预测准确度高的分析师在公司发布财务报告后，通过专业分析工具利用历史数据进行盈利预测，这种备受关注的预测值会对管理者施加巨大市场压力，基于委托代理的管理者会重新审视自身决策行为，更加维护所有者权益，减少利益不一致，缓解管理者代理行为导致的非效率投资。He et al.12认为如果公司实际盈利水平与高准确度的分析师发布的预测值相差较大，则会导致公司股价异常波动，严重影响高管绩效考核。管理133会 计 之 友 2023 年 第 21 期图1分析师预测调节作用理论框架者为挽回利益和名声，会更倾向于综合考虑委托方和代理方的利益，自觉纠正代理行为，减少投机决策，从而更加理性投资，将投资失败与损失控制在最小范围内，缓解非效率投资。分析师预测准确度较高时会给管理者带来更多的市场压迫，使得管理者出于保护自身利益和声誉的目的而约束自身代理行为，降低管理者代理行为引发的非效率投资。而分析师预测准确度较低时，利益相关者对分析师的认可度较低，市场无法充分发挥分析师的作用，管理者代理行为不会面临来自分析师的市场压力，更愿意谋取私利，导致非效率投资。分析师预测准确度也会影响管理者过度自信与非效率投资的关系。何平林等13指出分析师预测与市场反应关系密切，分析师预测准确度越高，市场信息的客观性和公正性越强。为了稳固自己在资本市场上的地位和声誉，分析师拒绝迎合管理者意愿发布报告，会勇于挖掘真实情况，揭露管理者过度自信行为并披露企业现存的问题。过度自信的管理者会因对情形的乐观定位和优于他人的心理偏差而选择对外发布利好信息，披露不完整或不客观的信息。而分析师能挖掘实际运营情况并剖析，补充管理者未披露的情况或揭露其非理性的决策14。管理者不希望分析师的预测带来负面影响，为维护公司价值和提高信息披露质量，会重新审视决策的正确性，从而约束自身不合理的判断，提高投资效率。因此，分析师预测准确性可抑制管理者代理行为引发的非效率投资。理论框架如图 1b 所示，据此提出假设 3。H3a：分析师预测准确度越高，越能抑制管理者代理行为导致的非效率投资。H3b：分析师预测准确度越高，越能抑制管理者过度自信导致的非效率投资。（2）分析师预测分歧度的调节作用分析根据认知心理学，分歧度被定义为不同个体对刺激物的响应间的不一致性程度。在本文中，刺激物即为企业管理者在经营决策中的盈利表现，分析师的预测意见代表个人对企业管理者在经营决策中的盈利表现这一刺激物的响应，分析师预测分歧度即分析师对于企业盈利预测达成共识的程度，共识程度越低，预测不一致性越高。Raju15指出导致认知失调的因素有很多，当个体接收到的信息与自身原有的态度、期望等不一致，或者当面对相互关联但却存在矛盾的客体时，会感到心理冲突与紧张不安，从而希望通过态度或行为改变减少这种不一致。严重的分析师意见分歧代表公司经营很难准确预测，也表明分析师之间具有相互竞争的关系，分析师的竞争性报告影响委托代理的管理者和利益相关者对报告的反应，这种反应会随着分析师分歧的扩大而减弱。管考磊等16认为利益相关者的注意力是有限稀缺的，有分歧的分析师意见会分散他们的注意力，导致股价信息含量被减少。股价信息含量减少，无法为利益相关者和管理者的投资决策提供有效信息反馈，管理者因没有外界市场的信号反馈及信息使用者的干预，加剧代理者的机会主义行为，造成非效率投资的恶化17。因此，分析师预测分歧度较高时，会作用于资本市场，加剧管理者代理行为引发的非效率投资。分析师预测分歧度也会影响管理者过度自信与非效率投资的关系。分析师预测分歧度较高时，分析师从不同方向和程度进行预测，彼此提供的盈利预测波动性较大，不一致的评估会影响管理者的心理认知18。管理者由于获得的信息与分析师预测的信息以及分析师之间的预测结134果不一致而产生认知失调，过度自信的管理者原本对自身能力及公司项目低风险高收益高度认可，分析师不一致的预测会降低认可度，重新审视投资行为，进而通过改变自身行为缓解这种失调，过度自信的管理者会充分解读市场信息，调整认知偏差，完善投资策略，有效抑制非效率投资。因此，较高的分析师预测分歧度会降低管理者过度自信导致的非效率投资。理论分析框架如图 1c 所示，据此提出假设 4。H4a：分析师预测分歧度越高，越会加剧管理者代理行为导致的非效率投资。H4b：分析师预测分歧度越高，越能抑制管理者过度自信导致的非效率投资。三、研究设计（一）变量选取及定义1.被解释变量：效率投资借鉴 Richardson（2006）投资效率度量模型，按模型 1 回归出企业期望投资水平，得到的残差取绝对值度量非效率投资（Ine）。该数值越大，表明非效率投资问题越严重。Inet=0+1Invi,t-1+2Sizei,t-1+3Cashi,t-1+4Reti,t-1+5TobinQi,t-1+6Levi,t-1+7Agei,t-1+Year+Ind+i,t（1）其中，Inv 表示当年新增投资支出，Size表示公司规模，Cash 表示现金持有量，Ret表示股票收益率，TobinQ 表示成长机会，Lev 表示资产负债率，Age 表示 IPO 年限，Year 和 Ind 分别是年份和行业控制变量。2.解释变量：管理者行为解释变量是管理者行为，包括管理者代理行为和管理者过度自信。管理者代理行为用管理费用率作为替代变量，管理者过度自信参考侯巧铭等1用自利归因度量方法衡量，通过语句分析上市公司业绩预告原因来度量。字母 I 代表内部归因，E 代表外部归因，P 代表绩优变动，N 代表绩差变动。依据“IP-EP+EN-IN”的正负方向判断管理者对于绩优或绩差变动是倾向归功于自身努力还是倾向归罪于外部不可控因素。3.调节变量：分析师预测调节变量分析师预测，包括分析师预测数量和分析师预测质量。分析师预测数量用分析师关注度（Analyst）作为替代变量，参照 Yu19采用第 t年跟踪公司 i 的分析师人数加 1 再取自然对数度量。分析师预测质量包括分析师预测准确度和分析师预测分歧度，根据 Mansi et al.20用实际每股收益与分析师预测每股收益之间差异的绝对值和当期股价的比例的负数度量分析师预测准确度（Accuracy）。依据曲晓辉等21用分析师收益预测的标准偏差除以当期股价度量分析师预测分歧度（Dispersion）。三个变量如模型 2模型 4 所示。Analysti,t=Ln（1+分析师人数）（2）Accuracyi,t+1=（Mean（ForecastedEPSi,t+1）-ActualEPSi,t+1）Pricei,t（3）Dispersioni,t+1=1n-11n（ForecastedEPSi,t+1-Mean（ForecastedEPSi,t+1）2姨Pricei,t（4）4.控制变量基于非效率投资相关研究以及研究需要，本文控制变量为资产负债率、公司规模、自由现金流量、两职合一、独立董事比例、股权集中度、股权性质等。5.工具变量：可持续增长率考虑到管理者行为与非效率投资可能存在内生性问题，选取可持续增长率这一工具变量，该变量与非效率投资的随机误差项并无直接关系，并且和内生变量不具有强相关性。数值越大，表明企业发展速度较快，引发管理者过度自信的概率越高。综上，变量定义如表 1 所示。（二）模型构建为确定管理者行为对非效率投资的影响，构建模型 5。Inet=0+1Expensei,t+2Oci,t+Control+Year+Ind+i,t（5）如果 1和 2为正，则管理者代理行为和管理者过度自信均会导致非效率投资，与 H1 一致。其次，为检验分析师预测在管理者行为与非效率投资之间的调节作用，建立模型 2。Inet=0+1Expensei,t+2Oci,t+3Analysti,t+4Accuracyi,t+5Dispersioni,t+6Expensei,tAnalysti,t+7Oci,tAnalysti,t+8Expensei,tAccuracyi,t+9Oci,tAccuracyi,t+10Expensei,tDispersioni,t+11Oci,tDispersioni,t+Control+Year+Ind+i,t（6）根据 H2 至 H4，分析师预测关注度和分析师预测准确度可削弱管理者行为引发的非效率投资，预期 69均为负。但分析师预测分歧度会增强代理行为与非效率投资的关系，削弱过度自信与非效率投资的关系，预期 10为正，11为负。135会 计 之 友 2023 年 第 21 期表1变量定义变量类型变量名称变量符号变量说明被解释变量非效率投资IneRichardson（2006）模型回归残差绝对值解释变量管理费用率Expense管理费用/主营业务收入管理者过度自信 OcIP-EP+EN-IN0，Oc取该值，IP-EP+EN-IN0，Oc 取0调节变量分析师关注度AnalystLn（1+分析师数量）分析师预测准确度Accuracy分析师预测每股收益-实际每股收益收益/当期期初股价（-1）分析师预测分歧度Dispersion分析师预测每股收益的标准差/当期期初股价（-1）控制变量资产负债率Lev期末总负债/期末总资产独立董事比例Inde独立董事人数/董事人数股权集中度Top第一大股东持股比例股权性质State地方国有经济、中央国有经济、集体经济赋值1，其余赋值0年度控制变量Year20162020年行业控制变量Ind根据证监会2012 版行业分类工具变量可持续增长率Sgr净资产收益率收益留存率/（1-净资产收益率收益留存率）公司规模Size期末总资产的自然对数自由现金流Fcf经营活动现金净流量/期初总资产两职合一Dual总经理与董事长兼任为1，否则为0（三）样本选择与数据来源选取 20162020 年 A 股上市公司为研究样本，剔除金融业、ST和*ST、数据不全及异常的公司，最终确定 4 101家公司。对面板数据进行 1%和 99%分位的双侧缩尾（Winsorize）处理以降低极端值对回归结果的影响。样本来源于 CSMAR 数据库，经 Excel 手工整理，在 Stata15 中进行数据合并和回归分析。四、实证分析（一）描述性统计对变量进行描述性统计，结果如表 2 所示。非效率投资均值为 0.031，比中位数略大，最大值为 0.255，表明非效率投资普遍存在且个别公司较严重；管理费用率均值为0.094，最大值达 1.311，揭示公司普遍存在以在职消费等为表现的管理者代理行为；管理者过度自信最小值和最大值分别为 0 和 6，标准差为 1.320，表明不同公司管理者过度自信程度差异较大。分析师预测方面，分析师关注度的均值为 1.718，最小值为 0，说明总体而言分析师人数较多，但部分公司没有分析师跟踪；分析师预测准确度的均值为-0.040，标准差为 0.063，说明样本公司中分析师发布的预测报告有误差，且准确度在不同公司间差异不大；分析师预测分歧度均值为 0.022，标准差为 0.030，表明分析136样本数均值最小值最大值P50标准差Ine41010.0310.0000.2550.0220.030Expense41010.0940.0011.3110.0740.084Oc41011.4040.0006.0001.0001.320Analyst41011.7180.0003.8921.7921.110Accuracy4101-0.040-0.456-0.000-0.0180.063Dispersion41010.0220.0000.4240.0140.030Lev41010.4270.0590.8860.4240.196Size410122.44420.21826.25022.2431.267Fcf41010.070-0.2570.4900.0610.107Dual41010.2980.0001.0000.0000.458Inde41010.3800.2000.7500.3640.057Top41010.3150.0300.8600.2950.143State41010.2060.0001.0000.0000.405表2变量描述性统计师预测公司未来盈余指标时意见不一致，且不同公司间分歧度差距不大。（二）回归分析为考察管理者行为对非效率投资的影响，将数据带入模型 5 逐步回归，检验结果见表 3 中列（1）至列（3）。其中，管理者代理行为与非效率投资在 1%水平上显著正相关，表明管理者代理行为可引发非效率投资；管理者过度自信在 1%水平上与非效率投资显著正相关，说明管理者过度自信会导致非效率投资；解释变量管理者代理行为和管理者过度自信与被解释变量非效率投资的偏回归系数分别为 0.090 和 0.002，且在 1%水平上显著，表明管理者代理行为和管理者过度自信都会导致非效率投资。列（1）列（3）的 VIF 值均在 5 以下，说明变量间无多重共线性。验证 H1。为检验分析师预测的调节作用，以及其数量和质量对两种管理者行为与非效率投资关系中调节作用的差异性，论文将数据带入模型 6 进行逐步回归，检验结果见表 3 中列（4）列（7）。由表 3 中列（4）可知，分析师关注度与管理者代理行为的交乘项系数是-0.016，且通过显著性检验，说明分析师关注度可缓解信息不对称，对管理者代理行为引发的非效率投资具有抑制作用。分析师关注度与管理者过度自信的交乘项在 1%水平上显著，说明分析师关注度较高时，会有更多的分析师进行市场解读，从而抑制管理者过度自信带来的非效率投资。验证 H2a、H2b。由表 3 中列（5）可知，分析师预测准确度与代理行为的交乘项系数为-0.278且在 1%水平上显著，故分析师预测准确度越高时，会刺激备受压力的管理者减少机会主义行为，缓解非效率投资的发生。分析师预测准确度与过度自信的交乘项系数为-0.010 且通过显著性检验，说明分析师的精准预测可约束管理者不合理的判断，抑制非效率投资。验证H3a、H3b。由表 3 中列（6）可知，分析师预测分歧度与代理行为的交乘项偏回归系数是0.531 且在 1%的水平上显著。说明较高的分析师分歧度会分散信息使用者的注意力并会抵消股票特质信息的市场反应，加剧管理者代理成本和机会主义行为的发生，造成非效率投资。分析师预测分歧度与过度自信的交乘项偏回归系数为-0.031 且显著相关，说明高分析师分歧度会导致管理者认知失调，过度自信管理者为减少失调会充分解读市场信息，从而抑制非效率投资。验证 H4a、H4b。由表 3 中（7）列可知，分析师关注度与管理者代理行为、过度自信的交乘项显著负相关，说明分析师关注度可抑制非效率投资；分析师预测准确度与管理者代理行为、过度自信的交乘项系数分别为-0.111 和-0.020 且显著，表明分析师预测准确度会抑制非效率投资；分析师预测分歧度与管理者代理行为、过度自信的交乘项均在 1%的水平上显著，偏回归系数分别是 0.385 和-0.057，说明分析师分歧度会加剧管理者代理行为引发的非效率投资，抑制管理者过度自信导致的非效率投资。表 3 列（4）列（7）VIF值均在合理范围内，可以看出变量间无多重共线性。验证 H2H4。（三）稳健性检验为保证研究结论的可靠性，本文对上述结果采用如下三个方法做稳健性测试。137会 计 之 友 2023 年 第 21 期（1）（2）（3）（4）（5）（6）（7）IneIneIneIneIneIneIneExpense0.088*（8.405）0.090*（8.590）0.068*（7.372）0.024*（3.334）0.022*（3.006）0.033*（3.100）Oc0.002*（3.081）0.002*（3.551）0.003*（5.303）0.001*（2.729）0.002*（5.155）0.003*（4.560）Analyst0.004*（5.005）0.004*（4.257）ExpenseAnalyst-0.016*（-2.916）-0.011*（-1.977）OcAnalyst-0.001*（-3.741）-0.001*（-2.798）Accuracy0.022*（1.887）0.034*（2.487）ExpenseAccuracy-0.278*（-5.306）-0.111*（-1.775）OcAccuracy-0.010*（-1.986）-0.020*（-3.391）Dispersion0.076*（2.976）0.120*（4.126）ExpenseDispersion0.531*（4.940）0.385*（3.034）OcDispersion-0.031*（-2.378）-0.057*（-3.915）Lev0.011*（2.137）0.008（1.530）0.011*（2.216）0.003（0.893）0.001（0.480）0.001（0.194）0.001（0.200）Size-0.002*（-2.338）-0.004*（-4.466）-0.002*（-2.480）-0.002*（-2.922）-0.001*（-2.023）-0.001*（-2.761）-0.002*（-3.872）Fcf0.081*（10.718）0.075*（9.824）0.080*（10.534）0.038*（8.449）0.040*（8.999）0.039*（8.937）0.036*（8.258）Dual0.002（1.140）0.002（1.081）0.002（0.946）0.002（1.601）0.002*（1.971）0.002*（1.882）0.002*（1.861）Inde0.031*（2.275）0.039*（2.788）0.032*（2.308）0.016*（1.946）0.014*（1.787）0.015*（1.873）0.013*（1.655）Top-0.001（-0.198）-0.005（-0.828）-0.001（-0.221）0.003（0.826）0.004（1.229）0.004（1.267）0.004（1.129）State-0.007*（-2.981）-0.006*（-2.557）-0.006*（-2.833）-0.005*（-3.718）-0.005*（-3.890）-0.005*（-4.124）-0.005*（-3.843）_Cons0.065*（3.077）0.112*（5.383）0.066*（3.088）0.050*（3.828）0.047*（3.799）0.053*（4.297）0.065*（4.998）YearYesYesYesYesYesYesYesIndYesYesYesYesYesYesYesN41014 101410141014 10141014101F5.8705.0835.9647.9608.1809.0108.980VIF3.2703.2603.2403.4003.2703.3303.470Adj.R20.0930.0790.0950.1330.1360.1500.158表3管理者行为、分析师预测与非效率投资回归结果注：*p0.1，*p0.05，*p0.01。下同。138（1）（2）（3）（4）（5）OcIneIneIneIneSgr0.376*（4.502）Expense-0.831*（-2.948）0.082*（7.625）0.032*（3.705）0.031*（3.513）0.043*（3.436）Y_hat0.018*（3.238）0.010*（1.862）0.012*（2.478）0.015*（2.226）Analyst0.008*（3.757）0.006*（2.923）ExpenseAnalyst-0.018*（-3.202）-0.012*（-2.210）Y_hatAnalyst-0.004*（-2.766）-0.003*（-1.993）Accuracy0.066*（2.225）0.082*（2.315）ExpenseAccuracy-0.310*（-5.655）-0.185*（-2.772）Y_hatAccuracy-0.038*（-1.954）-0.046*（-1.988）Dispersion0.159*（2.257）0.288*（3.599）ExpenseDispersion0.505*（4.477）0.253*（1.868）Y_hatDispersion-0.083*（-1.762）-0.156*（-2.939）Lev-0.126（-0.930）0.005（1.552）0.001（0.382）0.001（0.438）0.002（0.710）Size0.051*（2.260）-0.002*（-3.745）-0.002*（-2.807）-0.002*（-3.359）-0.003*（-4.248）Fcf0.569*（2.785）0.031*（5.725）0.033*（6.015）0.033*（6.119）0.033*（5.951）Dual0.166*（3.573）-0.000（-0.027）0.000（0.278）0.000（0.349）0.001（0.589）Inde-0.220（-0.597）0.017*（2.064）0.017*（2.091）0.017*（2.092）0.015*（1.840）Top0.028（0.179）0.003（0.773）0.003（0.991）0.004（1.136）0.004（1.130）State-0.151*（-2.581）-0.003*（-1.973）-0.003*（-2.228）-0.004*（-2.581）-0.004*（-2.354）_Cons0.031（0.055）0.047*（3.512）0.050*（4.013）0.052*（4.235）0.062*（4.561）N410141014 1014 1014 101F3.1737.7348.0318.7338.550VIF3.6404.0703.9303.9903.990Adj.R20.0440.1280.1330.1440.150表4管理者行为、分析师预测与非效率投资工具变量法检验1.工具变量法为控制管理者过度自信对非效率投资影响的内生性问题，选取可持续增长率（Sgr）作为工具变量，对模型进行两阶段回归，并进行弱工具变量检验。检验后发现核心变量的偏回归系数和显著性与前文并无较大出入，验证实证结果是可靠稳健的，回归结果如表 4 所示。2.倾向匹配得分法为了控制分析师预测数量可能存在的自选择偏差问题，借鉴刘笑霞等22采用倾向匹配得分法，依照分析师跟踪数是否大于中位数定义高分析师关注度组（Analyst=1），按照资产规模、上市年数、ROA 和销售增长率对高分析师关注度组进行 PSM 配对，建立分析师关注度影响因素的Logistic 模型，采用最近距离法得到配对后样本，重新检验处理组和对照组。平衡性检验和匹配结果如表 5 和图 2 所示。由表 5 可知，经过倾向得分匹配后 t 检验的 p 值都大于 10%，说明匹配前和匹配后的变量在对照组和处理组之间存在显著的差异。所以对模型 6 再次分组回归，验证分析师预测关注度的外部治理作用。PSM 配对后样本回归结果如表6 所示，研究结果表明，考虑分析师关注度的自选择问题后，分析师关注度在管理者行为与非效率投资之间仍具有调节作用，与前文结论一致。3.替换调节变量通过替换分析师预测准确度和分析师预测分歧度，借鉴王玉涛等23将分析师预测准确度的度量替换为实际每股盈利（EPS）与证券分析师预测每股收益差的绝对值除以实际EPS。借鉴刘佳伟等24的方法替换分139会 计 之 友 2023 年 第 21 期协变量未匹配U匹配M处理组控制组%偏差t 值p值SizeU22.80922.08859.718.8400.000M22.80922.822-1.0-0.3000.763RoaU0.0530.00746.014.5900.000M0.0530.0521.80.7100.475GrowthU0.4560.3065.31.6700.095M0.4560.532-2.7-0.8700.382AgeU10.66411.066-5.6-1.7700.076M10.66410.583-1.10.3700.708表5平衡性检验图2匹配结果析师预测分歧度，用分析师收益预测的标准偏差除以实际EPS 表示。本文对模型 6 重新回归，核心变量的偏回归系数和显著性与前文结论一致，验证结果的稳健性。限于篇幅，结果未列示。五、结语本文以沪深 A 股上市公司为样本，研究分析师关注度、分析师预测准确度和分析师预测分歧度在管理者行为对非效率投资影响中的调节作用。结果表明，管理者代理行为和管理者过度自信均能导致非效率投资；分析师关注度缓解管理者行为引发的非效率投资，分析师预测准确度有效弱化管理者行为与非效率投资的影响关系，分析师预测分歧度对管理者代理行为导致的非效率投资起到加剧作用，对管理者过度自信导致的非效率投资起到抑制作用。本文基于上述结论提出以下政策建议：第一，相关监管部门应优化完善上市公司的信息管理制度，缓解资本市场与上市公司间的信息不对称，加强法制监管和外部监督，完善投资机制。第二，上市公司应建立健全内部控制，有效抑制管理者代理行为和认知偏差，减少非效率投资。第三，借助分析师营造良好投融资环境，增加分析师关注度，提高分析师的专业水平和预测能力，强化其对管理者行为导致的非效率投资的外部治理作用。结论及建议有助于加强公司内部治理和分析师外部监督，对于抑制非效率投资具有一定实践意义。【参考文献】1侯巧铭，宋力，蒋亚朋.管理者行为、企业生命周期与非效率投资 J.会计研究，2017（3）：61-67，95.2王晓亮，王进.董事会断裂带与企业投资效率 J.华东经济管理，2021，35（8）：116-128.3JOHNSTON A，BELINGA R，SEGRESTIN B.Gov-erning institutional investor engagement：from activismto stewardship to custodianship?J.Journal of Corpo-rate Law Studies，2022，22（1）：45-82.4韩志丽，邵军，陈敏，等.企业非效率投资：基于行为经济学的解释 J.会计与经济研究，2014，28（6）：72-80.5王丽娟，茹意.环境不确定性、会计稳健性和非效率投资基于过度自信视角的研究 J.财经理论研究，2021（3）：63-79.6孙叶萌，张桂铜.管理者过度自信、企业财务柔性与过度投资关系的检验 J.统计与决策，2020，36（6）：178-181.7翟淑萍，袁克丽.分析师实地调研能缓解企业融资约束吗 J.山西财经大学学报，2020，42（1）：113-126.8郭建鸾，简晓彤.分析师的外部监督效应来自企业高管在职消费的证据 J.中央财经大学学报，2021（2）：73-88.9周卉，谭跃.股票市场只是实体经济主旋律的一个插140（1）（2）（3）IneIneIneExpense0.058*（6.771）0.106*（6.772）0.046*（2.362）Oc0.001*（2.608）0.004*（3.955）0.003*（2.794）Analyst0.005*（4.498）0.003*（3.193）ExpenseAnalyst-0.026*（-3.601）-0.015*（-1.902）OcAnalyst-0.001*（-3.136）-0.001*（-2.222）Accuracy0.073*（3.447）ExpenseAccuracy-0.296*（-2.575）OcAccuracy-0.036*（-4.277）Dispersion0.022（0.503）ExpenseDispersion1.010*（4.447）OcDispersion-0.053*（-2.904）Lev0.004（