女性董事、产权性质对上市公司会计信息质量的影响机制与实证研究

女性董事、产权性质对上市公司会计信息质量的影响机制与实证研究一、引言1.1研究背景与意义1.1.1研究背景在资本市场中，上市公司会计信息质量至关重要。高质量的会计信息是投资者做出合理投资决策的重要依据，能够为投资者提供关于公司财务状况、经营成果和现金流量的准确信息，帮助他们评估公司的价值和风险，从而做出明智的投资选择。同时，准确的会计信息对于债权人评估企业偿债能力也起着关键作用，债权人可以通过分析会计信息来判断企业是否有能力按时偿还债务，进而决定是否提供贷款以及贷款的额度和利率。此外，对于监管机构而言，高质量的会计信息是维护资本市场秩序、促进市场公平有效运行的基础，有助于监管机构及时发现和处理市场中的违规行为，保护投资者的合法权益。近年来，随着社会对性别平等和多元化的关注度不断提高，女性在企业董事会中的参与度逐渐增加。据MSCI报告显示，全球大型和中型上市公司（MSCIACWI指数成分股）中，女性董事的比例从2023年的25.8%上升至2024年的27.3%，增长了1.5个百分点，近一半的公司（46.2%）达到了至少30%女性董事的“关键多数”标准。女性董事凭借其独特的思维方式、风险偏好和决策风格，可能会对公司治理和决策产生重要影响，进而影响会计信息质量。不同产权性质的上市公司，其公司治理结构和经营目标存在差异。国有企业通常承担着更多的社会责任，受到政府的监管力度较大，在公司治理上更加注重合规性和稳定性；而民营企业则更侧重于追求经济效益和市场竞争力，决策机制相对灵活。这些差异可能导致不同产权性质公司在会计信息质量方面表现不同。在这样的背景下，研究女性董事、产权性质与上市公司会计信息质量之间的关系具有重要的现实意义。1.1.2研究意义从理论意义来看，本研究有助于丰富公司治理和会计信息质量相关理论。当前关于公司治理对会计信息质量影响的研究，多集中于董事会结构、股权结构等方面，对女性董事这一新兴研究视角的关注相对较少。深入探究女性董事对会计信息质量的影响路径和作用机制，能够进一步完善公司治理理论，为理解董事会特征与会计信息质量的关系提供新的思路和证据。同时，结合产权性质进行研究，能够分析不同产权背景下女性董事作用的差异，拓展了公司治理理论在不同产权环境下的应用研究，使理论体系更加全面和深入。在实践意义方面，本研究可以为上市公司优化公司治理结构提供参考。通过揭示女性董事与会计信息质量之间的关系，上市公司能够认识到女性董事在提升会计信息质量方面的潜在价值，从而更加重视董事会成员的多元化，合理增加女性董事的比例，充分发挥女性董事的优势，改善公司治理效果，提高会计信息质量。对于投资者而言，研究结果有助于他们在投资决策过程中，除了关注公司的财务指标和传统治理因素外，还能将女性董事比例和产权性质等因素纳入考虑范围，更加全面地评估上市公司的投资价值和风险，做出更为科学合理的投资决策。此外，监管部门也可以根据研究结论，制定相关政策，引导上市公司完善治理结构，提高会计信息披露质量，促进资本市场的健康稳定发展。1.2研究方法与创新点1.2.1研究方法本研究综合运用了多种研究方法，以确保研究的科学性和可靠性。文献研究法：系统地收集和梳理国内外关于女性董事、产权性质与会计信息质量的相关文献。通过对大量学术论文、研究报告和专著的研读，了解该领域的研究现状、发展趋势以及存在的问题，为本文的研究提供坚实的理论基础和研究思路。例如，对公司治理理论中关于董事会结构与职能的文献进行深入分析，明确女性董事在董事会中的角色和作用；研究不同产权性质企业的治理特点和会计信息披露要求的相关文献，为后续分析产权性质对会计信息质量的影响提供依据。实证研究法：以沪深两市A股上市公司为研究样本，选取2018-2023年的数据进行实证分析。运用多元线性回归模型，构建女性董事比例、产权性质与会计信息质量之间的数量关系，通过统计软件对数据进行处理和分析，检验研究假设，探究变量之间的内在联系和影响机制。在模型构建中，控制公司规模、资产负债率、盈利能力等可能影响会计信息质量的因素，确保研究结果的准确性和可靠性。案例分析法：选取具有代表性的上市公司案例，深入剖析女性董事在公司治理中的具体行为和决策过程，以及产权性质对公司会计信息质量的实际影响。通过对案例的详细分析，进一步验证实证研究的结果，从实际案例中挖掘深层次的原因和问题，为研究结论提供更丰富的实践支持。例如，选取一家女性董事比例较高且产权性质为国有企业的公司，分析其在会计信息披露方面的特点和优势；再选取一家女性董事比例较低的民营企业，研究其会计信息质量存在的问题及与女性董事缺失的关联。1.2.2创新点本研究在以下几个方面具有一定的创新之处。多因素综合分析：以往研究大多单独考察女性董事或产权性质对会计信息质量的影响，而本文将女性董事、产权性质两个因素纳入同一研究框架，综合分析它们对会计信息质量的交互影响，能够更全面、深入地揭示上市公司会计信息质量的影响机制，为公司治理提供更具针对性的建议。拓展样本和研究视角：在研究样本上，选取了近五年沪深两市A股上市公司的数据，样本数量丰富且具有时效性，能够更好地反映当前资本市场的实际情况。在研究视角上，关注女性董事在不同产权性质企业中的作用差异，从性别多样性和产权制度两个独特视角进行研究，为公司治理和会计信息质量领域的研究提供了新的思路和视角。二、概念界定与理论基础2.1概念界定2.1.1女性董事女性董事是指在公司董事会中担任董事职务的女性。董事作为公司治理结构中的重要组成部分，承担着制定公司战略、监督管理层、保护股东利益等重要职责。女性董事以其独特的视角、经验和知识，为董事会决策注入新的活力。在参与战略决策过程中，女性董事往往展现出更为细致和全面的思考方式。例如，在市场调研和分析环节，女性董事可能更注重消费者的情感需求和潜在心理，这有助于公司挖掘新的市场机会，制定更具针对性的市场营销策略。在监督管理层方面，女性董事通常具有较强的责任心和风险意识。她们对公司的财务状况和经营活动保持密切关注，能够及时发现潜在的问题和风险，并提出合理的建议和解决方案。研究表明，女性董事比例较高的公司，在内部控制和风险管理方面往往表现更为出色，能够有效降低公司面临的财务风险和经营风险。此外，女性董事还可以在促进公司社会责任履行方面发挥积极作用。她们更关注公司对社会和环境的影响，倡导公司采取可持续发展战略，推动公司在经济、社会和环境三个方面实现协调发展。2.1.2产权性质产权性质主要分为国有产权和非国有产权。国有产权是指国家对企业以各种形式投入形成的权益、国有控股企业各种投资所形成的应享有的权益，以及依法认定为国家所有的其他权益。国有企业通常具有较强的政治关联和政策支持，在资源获取方面具有一定优势，如更容易获得政府的财政补贴、税收优惠以及银行贷款等。在基础设施建设、能源等领域，国有企业能够凭借其雄厚的资金实力和政策支持，承担起大型项目的建设和运营，为国家经济发展和社会稳定做出重要贡献。非国有产权则包括个人、民营企业、民营控股企业、外资企业等所拥有的产权。民营企业具有产权清晰、决策机制灵活的特点，能够快速响应市场变化，在创新和市场竞争方面表现较为突出。它们更加注重经济效益和市场竞争力的提升，通过不断创新产品和服务，优化管理流程，提高生产效率，以适应市场的需求。不同产权性质的企业在公司治理目标和方式上存在差异。国有企业在追求经济效益的同时，还需要兼顾社会效益和国家战略目标，其公司治理更加注重合规性和稳定性，受到政府的监管力度较大。民营企业则更侧重于追求股东利益最大化，决策相对灵活，能够更快地适应市场变化，但在公司治理方面可能相对薄弱，需要加强内部管理和监督机制。2.1.3会计信息质量会计信息质量是指会计信息满足明确和隐含需要能力的特征总和。它具有多个重要特征，其中可靠性是指会计信息必须真实可靠，以实际发生的交易或事项为依据进行确认、计量和报告，保证会计信息真实可靠、内容完整，不能错误引导用户的判断，不能进行虚假的误导性的陈述，也不得有重大遗漏。相关性要求会计信息应当与财务报告使用者（如投资者、债权人）的经济决策需要相关，有助于决策者对企业的过去、现在和未来情况作出评价和预测。可理解性是指企业提供的会计信息应当清晰明了，便于财务报告使用者理解和使用。可比性则保证同一企业不同时期可比和不同企业相同会计期间可比，使信息使用者能够对企业的财务状况和经营成果进行有效的比较和分析。及时性要求企业对于已经发生的交易或事项，应及时进行确认、计量和报告，不得提前或延后，确保信息的时效性，以便使用者能够及时做出决策。实质重于形式要求企业应当按照交易或事项的经济实质进行会计确认、计量和报告，不应仅以交易或事项的法律形式为依据。重要性要求企业提供的会计信息应当反映与企业财务状况、经营成果和现金流量有关的所有重要交易或事项。谨慎性要求企业对交易或事项进行会计确认、计量和报告时应当保持应有的谨慎，不应高估资产或收益、不应低估负债或费用。这些质量特征相互关联、相互制约，共同构成了高质量会计信息的基础，对于企业的利益相关者做出正确决策具有重要意义。2.2理论基础2.2.1委托代理理论委托代理理论起源于20世纪70年代，主要研究在信息不对称的情况下，委托人（Principal）和代理人（Agent）之间的关系。在这一理论框架下，委托人通常是资源的所有者或决策的发起者，而代理人则是执行具体任务或管理资源的一方。委托代理关系的核心在于，委托人将决策权委托给代理人，代理人按照委托人的利益行事，但由于双方信息不对称以及目标函数的不一致，可能会出现代理人追求自身利益而损害委托人利益的情况。在上市公司中，股东作为委托人，将公司的经营管理权委托给管理层（代理人）。股东的目标是实现公司价值最大化，从而使自身财富增加；而管理层可能更关注自身的薪酬、职位晋升、工作稳定性等个人目标。这种目标差异可能导致管理层在决策时，为了追求个人利益而牺牲股东利益，例如过度在职消费、盲目扩张规模以获取更高的薪酬和地位等。女性董事的加入可能有助于缓解股东与管理层之间的委托代理问题。一方面，女性董事通常具有更强的风险意识和道德责任感，她们更注重公司的长期稳定发展，能够对管理层的决策进行更严格的监督，减少管理层为追求短期利益而采取的冒险行为，从而降低代理成本。另一方面，女性董事的多元化视角可以为董事会决策提供更多的思路和建议，有助于制定更符合股东利益的战略决策。例如，在公司投资决策过程中，女性董事可能会更全面地评估项目的风险和收益，避免管理层因过度乐观而做出错误的投资决策。不同产权性质的公司在委托代理关系上存在差异。国有企业由于所有权归国家所有，委托代理链条较长，可能存在多层委托代理关系，导致信息传递过程中的失真和监督成本增加。同时，国有企业的管理层可能受到政府行政干预的影响，其决策目标不仅仅是追求公司利润最大化，还需要考虑社会效益等因素，这可能会进一步加剧委托代理问题。相比之下，民营企业的委托代理关系相对简单，管理层的决策目标更侧重于追求公司的经济效益，在一定程度上可以降低代理成本。然而，民营企业可能存在家族式管理的情况，内部治理结构相对薄弱，也会影响委托代理关系的有效性。2.2.2信息不对称理论信息不对称理论认为，在市场交易中，买卖双方掌握的信息存在差异，掌握信息较多的一方处于优势地位，而掌握信息较少的一方处于劣势地位。这种信息不对称可能导致市场失灵，影响资源的有效配置。信息不对称主要分为事前信息不对称和事后信息不对称，事前信息不对称会引发逆向选择问题，即掌握信息少的一方在选择交易对象时，由于无法准确判断对方的真实情况，可能会选择到质量较差的对象；事后信息不对称则会导致道德风险问题，即交易达成后，掌握信息多的一方可能会利用信息优势采取不利于对方的行为。在上市公司中，信息不对称主要表现在以下几个方面。一是管理层与股东之间的信息不对称，管理层作为公司日常经营的执行者，掌握着公司内部的详细信息，如财务状况、经营成果、发展战略等，而股东往往只能通过公司披露的财务报告等信息来了解公司情况，这种信息不对称可能导致股东无法准确评估公司的价值和管理层的经营业绩，从而影响其投资决策。二是公司与外部投资者之间的信息不对称，外部投资者对公司的了解相对有限，他们主要依赖公司披露的公开信息进行投资分析，而公司可能出于各种原因，如为了吸引投资、维护公司形象等，对信息进行选择性披露或隐瞒不利信息，这会误导投资者的决策。信息不对称对会计信息质量有着重要影响。由于管理层掌握着信息优势，他们可能会为了自身利益而操纵会计信息，如进行盈余管理、虚构财务数据等，以达到美化公司业绩、获取更高薪酬或融资等目的。这会导致会计信息失真，降低会计信息的可靠性和相关性，无法真实反映公司的财务状况和经营成果，从而误导投资者、债权人等利益相关者的决策，损害他们的利益。女性董事在减少信息不对称方面具有一定作用。女性通常具有较强的沟通能力和同理心，她们能够更好地理解不同利益相关者的需求和关注点，促进公司内部信息的有效传递和沟通。同时，女性董事更注重信息的真实性和完整性，在监督公司信息披露过程中，能够发挥积极作用，促使公司更加全面、准确地披露会计信息，减少信息不对称。例如，在公司财务报告编制和披露过程中，女性董事可以对管理层提供的信息进行仔细审查，确保信息的准确性和可靠性，及时发现并纠正可能存在的信息误导或隐瞒行为。不同产权性质的公司在应对信息不对称问题上也存在差异。国有企业由于受到政府监管和社会公众的关注程度较高，在信息披露方面相对较为规范和严格，能够在一定程度上减少信息不对称。但由于其委托代理链条较长，内部信息传递效率可能较低，仍然存在信息不对称的问题。民营企业则需要更加注重自身信誉和形象的建设，通过提高信息披露质量来增强投资者的信任，减少信息不对称对公司融资和发展的影响。然而，部分民营企业可能由于治理结构不完善、缺乏规范的信息披露制度等原因，信息不对称问题较为突出。2.2.3高阶理论高阶理论（UpperEchelonsTheory）由Hambrick和Mason于1984年提出，该理论认为高管团队的特征（如年龄、性别、教育背景、工作经验等）会影响他们对企业内外部环境的认知和判断，进而影响企业的战略决策和绩效。高管团队成员的个人特征和经历会形成独特的价值观、认知模式和决策风格，这些因素共同作用于企业的决策过程，决定了企业的战略选择和发展方向。高管团队的年龄结构会影响企业的决策风格。年龄较大的高管通常具有更丰富的经验和稳健的决策风格，更注重企业的稳定性和长期发展；而年轻的高管则可能更具创新精神和冒险意识，更倾向于追求高风险高回报的战略。高管团队的教育背景和专业领域也会对企业决策产生影响。具有多元化教育背景和专业知识的高管团队，能够从不同角度思考问题，为企业提供更全面的决策建议。女性董事作为高管团队的一员，其独特的性别特征和经历会对公司决策产生影响，进而影响会计信息质量。女性在决策过程中往往更加谨慎和细致，注重风险评估和长期利益。在公司的财务决策方面，女性董事可能会对财务数据的真实性和准确性提出更高的要求，关注财务风险的控制，从而有助于提高会计信息质量。女性董事的多元化视角可以丰富公司的决策思路，促进不同观点的交流和碰撞，避免决策的片面性和局限性。在制定公司战略时，女性董事可能会考虑到更多的利益相关者，如员工、消费者、社区等，使公司的战略决策更加全面和可持续，这也有助于提升公司的整体形象和声誉，间接影响会计信息质量。不同产权性质的公司中，女性董事基于高阶理论对会计信息质量的影响可能存在差异。国有企业在决策过程中可能更注重政策导向和社会责任，女性董事的加入可以在保持国有企业特色的基础上，进一步完善决策机制，提高会计信息在反映企业社会责任履行情况等方面的质量。民营企业则更强调市场导向和经济效益，女性董事可以凭借其敏锐的市场洞察力和创新思维，为民营企业的发展提供新的思路，在促进企业发展的同时，保障会计信息能够真实反映企业的市场表现和经营成果。三、女性董事、产权性质与会计信息质量的现状分析3.1女性董事在上市公司中的现状3.1.1女性董事的比例与分布随着社会对性别平等的关注度不断提高，女性在企业中的地位逐渐上升，越来越多的女性进入上市公司董事会。然而，目前女性董事在上市公司中的占比仍相对较低。根据相关数据统计，截至2024年，沪深两市A股上市公司中，女性董事的平均占比约为18.7%，中位数为14.28%，大部分公司女性董事占比在10%-20%之间，女性董事占比在30%或以上的上市公司仅占19.06%。这表明在上市公司董事会中，女性的参与度还有很大的提升空间。从行业分布来看，女性董事的占比存在显著差异。非必需性消费行业、医疗保健业及综合企业拥有较高的女性董事比例。在非必需性消费行业，如服装、食品饮料等领域，女性消费者占比较高，女性董事凭借对女性消费心理和市场趋势的敏锐洞察力，能够为公司的产品研发、市场营销等决策提供有价值的建议，因此在这些行业中女性董事的占比较高。医疗保健业作为一个关注人类健康和生命质量的行业，对人文关怀和细致服务的要求较高，女性的温柔、耐心和同理心等特质在这个行业中具有独特的优势，使得女性董事在医疗保健业的董事会中也占据了一定的比例。相比之下，采矿业、建筑业和交通运输、仓储和邮政业等行业的女性董事比例较低。采矿业和建筑业通常被认为是传统的男性主导行业，工作环境较为艰苦，工作强度大，对体力和耐力的要求较高，这些因素可能限制了女性在这些行业中的职业发展，导致女性董事的比例相对较低。交通运输、仓储和邮政业也存在类似的情况，行业的工作特点和传统观念使得女性在进入董事会方面面临一定的困难。在企业规模方面，大型上市公司的女性董事比例相对较高。大型企业通常具有更完善的公司治理结构和多元化的发展战略，更加注重董事会成员的多元化和专业背景的互补，因此更愿意吸纳女性董事进入董事会，以提升公司的决策质量和治理水平。而小型上市公司由于资源有限、决策机制相对简单等原因，对女性董事的重视程度可能相对较低，导致女性董事的比例较低。地域分布上，东部发达地区上市公司的女性董事比例高于中西部地区。东部地区经济发达，思想观念相对开放，对性别平等的重视程度较高，企业在招聘和选拔董事时更注重人才的综合素质和能力，而不是性别因素，这为女性董事的发展提供了更有利的环境。中西部地区经济发展相对滞后，传统观念的影响相对较大，企业在董事会成员的构成上可能更倾向于传统的模式，女性董事的比例相对较低。3.1.2女性董事的背景与任职情况女性董事的教育背景普遍较高，硕士及以上学历的女性董事占比较大。在知识经济时代，高学历意味着具备更丰富的专业知识和更广阔的视野，能够为公司的决策提供更深入的分析和更全面的思考。许多女性董事毕业于知名高校的商科、法律、金融等相关专业，这些专业背景使她们在公司的战略规划、财务管理、风险控制等方面具有较强的专业能力。在专业背景方面，女性董事不仅在财务、人力资源等传统上女性较为集中的领域具有优势，在法律、市场营销、技术研发等领域也逐渐崭露头角。具有法律专业背景的女性董事能够为公司的合规运营提供专业的法律意见，有效防范法律风险；市场营销专业背景的女性董事则能更好地把握市场动态和消费者需求，推动公司的产品创新和市场拓展；技术研发背景的女性董事有助于公司在技术创新方面做出更明智的决策，提升公司的核心竞争力。从任职经历来看，部分女性董事具有丰富的企业管理经验，她们在进入董事会之前，已经在企业的中高层管理岗位上积累了多年的实践经验，对企业的运营管理流程非常熟悉，能够在董事会决策中发挥重要作用。还有一些女性董事来自高校、科研机构或政府部门，她们带来了不同领域的专业知识和丰富的社会资源，为公司的发展提供了多元化的视角和支持。然而，女性董事在董事会中的任职角色和权力地位仍存在一定的局限性。虽然女性董事的数量逐渐增加，但在一些关键职位上，如董事长、战略委员会主席等，女性的占比仍然较低。在实际决策过程中，女性董事的意见有时可能得不到充分的重视和采纳，其在公司治理中的影响力有待进一步提升。3.2上市公司产权性质的现状3.2.1国有上市公司的特点与发展国有上市公司在我国经济体系中占据重要地位，是国民经济的重要支柱。它们大多分布在关系国家安全和国民经济命脉的关键领域，如能源、电力、通信、交通运输等。以能源领域为例，中国石油天然气股份有限公司、中国石油化工股份有限公司等国有上市公司，在国内石油和天然气的勘探、开采、炼制及销售等环节发挥着主导作用，保障了国家的能源供应安全。在通信领域，中国移动通信集团有限公司、中国联合网络通信集团有限公司等国有上市公司，构建了覆盖全国的通信网络，推动了我国通信行业的快速发展，为经济社会的信息化进程提供了坚实支撑。近年来，国有上市公司在公司治理方面不断完善，积极推进现代企业制度建设。通过建立健全董事会、监事会等治理机构，加强内部监督和制衡机制，提高公司治理的科学性和有效性。许多国有上市公司引入了外部独立董事，优化董事会结构，提升董事会决策的独立性和专业性。在会计信息披露方面，国有上市公司受到政府和监管部门的严格监管，通常具有较高的规范性和透明度。它们严格按照相关会计准则和法规的要求，定期披露财务报告和重大事项，确保股东和社会公众能够及时、准确地了解公司的财务状况和经营成果。国有上市公司在社会责任履行方面也表现突出，积极参与公益事业、环境保护、扶贫帮困等活动，为社会和谐发展做出贡献。在脱贫攻坚时期，不少国有上市公司发挥自身资源优势，通过产业扶贫、就业扶贫、教育扶贫等多种方式，助力贫困地区脱贫致富，推动了区域经济的协调发展。然而，国有上市公司也面临一些挑战，如部分企业存在委托代理链条较长、行政干预较多等问题，可能影响公司的决策效率和市场竞争力。在市场竞争日益激烈的环境下，国有上市公司需要进一步深化改革，创新经营管理模式，提高自身的核心竞争力，以实现可持续发展。3.2.2非国有上市公司的特点与发展非国有上市公司在我国经济中发展迅速，已成为推动经济增长、促进创新、增加就业的重要力量。它们广泛分布于各个行业，尤其是制造业、信息技术、互联网、消费等领域，展现出较强的市场活力和创新能力。在制造业领域，比亚迪股份有限公司作为非国有上市公司的代表，在新能源汽车、电池等方面取得了显著成就，其自主研发的新能源汽车技术处于国内领先水平，产品畅销国内外市场，推动了我国新能源汽车产业的发展。在信息技术和互联网领域，阿里巴巴集团控股有限公司、腾讯控股有限公司等非国有上市公司，凭借创新的商业模式和先进的技术，在电子商务、社交网络、数字支付等领域占据重要地位，改变了人们的生活和消费方式，为我国数字经济的发展做出了巨大贡献。非国有上市公司具有产权清晰、决策机制灵活的优势，能够快速响应市场变化，抓住发展机遇。民营企业的所有者往往对企业的经营管理具有高度的控制权和决策权，决策过程相对简单高效，能够迅速调整经营策略，适应市场需求的变化。在市场竞争中，非国有上市公司更加注重产品创新和服务质量的提升，通过不断投入研发，推出具有竞争力的产品和服务，提高市场份额。小米科技有限责任公司通过持续的技术创新，推出了一系列高性能、高性价比的智能手机和智能硬件产品，受到消费者的广泛欢迎，在全球智能手机市场中占据了一席之地。在会计信息质量方面，非国有上市公司整体上也在不断提升。随着市场竞争的加剧和监管要求的提高，非国有上市公司逐渐认识到高质量会计信息的重要性，加强了内部控制和财务管理，提高了会计信息的准确性和可靠性。一些规模较大、治理结构完善的非国有上市公司，在会计信息披露方面已经达到了较高的水平，能够及时、准确地向投资者和社会公众披露公司的财务状况和经营成果。然而，部分非国有上市公司由于治理结构不完善、管理层素质参差不齐等原因，在会计信息质量方面仍存在一些问题，如信息披露不及时、不准确，甚至存在财务造假等违法行为。这些问题不仅损害了投资者的利益，也影响了非国有上市公司的整体形象和市场信誉。因此，非国有上市公司需要进一步加强公司治理，完善内部控制制度，提高管理层的诚信意识和专业素养，以提升会计信息质量，促进企业的健康发展。3.3上市公司会计信息质量的现状3.3.1会计信息质量的衡量指标与方法在衡量上市公司会计信息质量时，应计质量是一个重要的指标。应计项目是指那些不涉及现金收付但影响当期利润的项目，如应收账款、应付账款、折旧等。高质量的应计质量意味着应计项目能够准确反映企业的经济业务实质，其计量和确认遵循会计准则，并且具有较高的可靠性和可预测性。Dechow和Dichev（2002）提出了DD模型，通过构建应计利润与经营活动现金流量之间的关系来衡量应计质量。该模型认为，应计利润与经营活动现金流量之间存在一定的关联，如果两者之间的关系不稳定或出现异常，可能意味着应计质量存在问题。例如，当企业的应收账款大幅增加，而经营活动现金流量却没有相应增加时，可能表明企业对应收账款的确认和计量存在不合理之处，从而影响应计质量。盈余管理程度也是衡量会计信息质量的关键指标。盈余管理是指企业管理层在遵循会计准则的基础上，通过对企业对外报告的会计收益信息进行控制或调整，以达到自身利益最大化的行为。适度的盈余管理可以帮助企业平滑利润、传递信号，但过度的盈余管理则会导致会计信息失真，降低会计信息质量。Jones模型是常用的衡量盈余管理程度的方法之一，该模型通过估计非操控性应计利润，进而计算出操控性应计利润来衡量盈余管理程度。如果企业的操控性应计利润较高，说明企业可能存在较大程度的盈余管理行为，会计信息质量可能受到影响。在评估会计信息质量的方法中，财务比率分析是一种常用的方法。通过计算偿债能力比率（如资产负债率、流动比率等）、盈利能力比率（如净资产收益率、毛利率等）和运营能力比率（如存货周转率、应收账款周转率等），可以从不同角度评估企业的财务状况和经营成果，进而推断会计信息质量。如果企业的资产负债率过高，而盈利能力却较低，可能暗示企业的财务风险较大，会计信息在反映企业真实财务状况方面可能存在问题。趋势分析则通过对企业不同时期财务数据的比较，分析会计信息质量的变化趋势。观察企业多年来的营业收入、净利润等指标的变化情况，如果发现这些指标出现异常波动，如突然大幅增长或下降，且没有合理的业务解释，可能意味着会计信息质量存在不稳定因素。同行比较是将企业的会计信息与同行业其他企业进行对比，评估其质量水平。在同一行业中，企业面临的市场环境和经营特点具有相似性，如果某企业的财务指标与行业平均水平存在较大差异，可能需要进一步分析其会计信息是否准确反映了企业的实际情况。一家企业的毛利率远高于同行业平均水平，可能需要关注其成本核算是否准确，是否存在虚增收入或隐瞒成本的情况。3.3.2会计信息质量的总体水平与问题当前，上市公司会计信息质量总体上呈现出逐步提升的趋势。随着资本市场的不断发展和完善，监管机构对上市公司的监管力度不断加强，会计准则和信息披露制度日益健全，促使上市公司更加重视会计信息质量。许多上市公司加强了内部控制体系建设，提高了财务人员的专业素质，采用先进的财务管理软件和技术，这些措施都有助于提高会计信息的准确性、完整性和及时性。然而，部分上市公司仍然存在会计信息质量问题。信息失真是较为突出的问题之一，一些企业为了达到特定目的，如满足上市条件、获取融资、提升股价、避免退市等，故意虚构收入、隐瞒费用、操纵利润，导致会计信息无法真实反映企业的财务状况和经营成果。曾经震惊资本市场的安然公司财务造假事件，安然公司通过特殊目的实体（SPE）进行复杂的财务操作，虚构利润，隐瞒债务，最终导致公司破产，给投资者带来了巨大损失。在国内，也有诸如康美药业等公司的财务造假案例，康美药业通过虚增营业收入、货币资金等手段，严重误导了投资者的决策。信息披露不及时也是常见问题。一些上市公司未能按照规定的时间和要求及时披露重要的会计信息，导致投资者无法及时获取决策所需的信息，影响了市场的公平性和有效性。在企业发生重大资产重组、业绩大幅变动等情况时，如果未能及时披露相关信息，投资者可能在不知情的情况下做出错误的投资决策。此外，会计信息披露不充分也影响了会计信息质量。部分上市公司在披露信息时，对一些关键信息的披露过于简略或含糊不清，缺乏必要的细节和解释，使投资者难以全面了解企业的真实情况。在披露关联交易信息时，没有详细说明交易的性质、金额、定价政策等关键信息，投资者无法准确评估关联交易对企业财务状况和经营成果的影响。会计信息的可比性也存在一定问题。不同企业在会计政策选择和会计估计运用上存在差异，导致同一行业内不同企业的会计信息难以直接比较。有的企业采用直线法计提折旧，而有的企业采用加速折旧法，这使得在比较不同企业的固定资产折旧费用和利润时，需要进行复杂的调整，增加了投资者分析和决策的难度。四、女性董事对上市公司会计信息质量的影响4.1理论分析与研究假设4.1.1女性董事的决策风格与监督作用从心理学角度来看，女性在决策过程中往往表现出与男性不同的风险偏好和决策风格。心理学研究表明，女性通常具有更强的风险规避倾向。在面对风险决策时，女性会更加谨慎地评估各种可能性，充分考虑潜在的风险和损失，从而做出相对保守的决策。在投资决策中，女性可能会更倾向于选择风险较低、收益相对稳定的投资项目，而男性可能更愿意冒险追求高收益。行为经济学的前景理论也为解释女性的决策行为提供了理论支持。前景理论认为，人们在决策时不仅关注结果的绝对价值，还会考虑结果相对于参考点的变化。女性在决策时，往往对损失更为敏感，更注重避免损失，这种损失厌恶的特征使得她们在决策中更加谨慎。在面对会计信息披露决策时，女性董事可能会更加注重信息的准确性和完整性，避免因信息不实或遗漏而给公司带来潜在的法律风险和声誉损失。在公司治理中，董事会的监督职能对于保证会计信息质量至关重要。女性董事的风险规避和谨慎决策风格使其在监督管理层时能够发挥独特的作用。她们会对公司的财务报表和会计信息披露进行更细致的审查，关注财务数据的真实性和合规性，及时发现并纠正可能存在的问题。女性董事较强的责任心和道德意识，也促使她们更积极地履行监督职责，维护股东的利益。基于以上分析，提出假设H1：女性董事比例与上市公司会计信息质量正相关，即女性董事比例越高，上市公司的会计信息质量越高。4.1.2女性董事的社会资本与资源整合能力女性董事往往拥有丰富的社会关系网络，这是她们重要的社会资本。这些社会关系网络涵盖了不同的行业、领域和层次，为公司提供了多元化的信息渠道和资源获取途径。通过与各界人士的交往，女性董事可以获取到关于市场动态、行业趋势、政策法规等方面的最新信息，这些信息对于公司的战略决策和经营管理具有重要价值。女性董事在资源整合方面具有较强的能力。她们能够充分利用自身的社会关系网络，整合各种资源，为公司的发展提供支持。在融资方面，女性董事可以凭借其广泛的人脉关系，为公司争取到更多的融资渠道和更优惠的融资条件；在技术创新方面，她们可以通过与科研机构、高校等的合作，为公司引入先进的技术和创新理念。这些丰富的社会资本和资源整合能力有助于提升上市公司的会计信息质量。及时准确的市场信息和行业动态，能够帮助公司更准确地进行财务预测和业绩评估，从而提高会计信息的相关性和可靠性。优质的资源整合能够促进公司的业务发展和业绩提升，使得会计信息能够更真实地反映公司的财务状况和经营成果。基于上述分析，提出假设H2：女性董事的社会资本与上市公司会计信息质量正相关，即女性董事的社会资本越丰富，上市公司的会计信息质量越高。4.2实证研究设计4.2.1样本选择与数据来源本研究选取2018-2023年沪深两市A股上市公司作为研究样本。在样本筛选过程中，遵循以下原则：首先，剔除金融行业上市公司，因为金融行业的业务特点、监管要求和会计核算方法与其他行业存在显著差异，其会计信息质量的影响因素和衡量标准也具有独特性，将其纳入研究样本可能会干扰研究结果的准确性和可比性。其次，剔除ST、*ST类上市公司，这类公司通常财务状况异常，面临较大的经营风险和财务困境，其会计信息质量可能受到特殊因素的影响，与正常经营的公司不具有可比性，若不剔除可能会对研究结果产生偏差。然后，剔除数据缺失严重的公司，数据的完整性是保证实证研究可靠性的基础，缺失大量关键数据的公司无法准确反映研究变量之间的关系，会降低研究结果的可信度。经过上述筛选，最终得到了[X]个有效样本。本研究的数据来源主要包括Wind数据库、CSMAR数据库以及上市公司年报。Wind数据库和CSMAR数据库提供了丰富的金融和经济数据，涵盖了上市公司的财务指标、公司治理结构、行业分类等多方面信息，这些数据经过专业机构的整理和验证，具有较高的准确性和可靠性。上市公司年报则是获取公司详细信息的重要来源，包括公司的财务报表、董事会成员信息、重大事项披露等，通过对年报的研读，可以补充和核实数据库中的数据，确保研究数据的全面性和真实性。对于一些在数据库中缺失或不准确的数据，通过手工查阅上市公司年报、官方公告等方式进行补充和修正，以保证数据质量。4.2.2变量定义与模型构建被解释变量：会计信息质量（AQ），采用修正的琼斯模型（ModifiedJonesModel）计算的可操纵应计利润的绝对值（|DA|）来衡量。可操纵应计利润是指企业管理层通过会计政策选择、会计估计变更等手段人为操纵的应计利润部分，其绝对值越大，说明企业进行盈余管理的程度越高，会计信息质量越低。修正的琼斯模型在传统琼斯模型的基础上，考虑了应收账款的变动对非操控性应计利润的影响，能够更准确地分离出可操纵应计利润，从而更有效地衡量会计信息质量。解释变量：女性董事比例（WDR），用董事会中女性董事人数占董事会总人数的比例来表示，该指标反映了女性在董事会中的参与程度，比例越高，说明女性在董事会中的影响力可能越大。女性董事人数（WDN），直接统计董事会中女性董事的数量，用于进一步分析女性董事数量对会计信息质量的影响。控制变量：公司规模（Size），以年末总资产的自然对数衡量，公司规模越大，其经济实力和资源越丰富，可能在内部控制、财务规范等方面具有优势，从而影响会计信息质量。资产负债率（Lev），用总负债除以总资产计算得出，反映公司的偿债能力和财务风险，较高的资产负债率可能导致公司面临较大的财务压力，增加管理层操纵会计信息的动机。盈利能力（ROA），即总资产收益率，等于净利润除以平均总资产，衡量公司运用全部资产获取利润的能力，盈利能力强的公司可能更注重自身形象和声誉，有动力提供高质量的会计信息。独立董事比例（Indep），指独立董事人数占董事会总人数的比例，独立董事具有独立性和专业性，能够对公司的决策和经营活动进行监督，有助于提高会计信息质量。股权集中度（Top1），用第一大股东持股比例表示，股权集中度越高，大股东对公司的控制能力越强，可能会对会计信息质量产生不同的影响，一方面大股东可能有更强的动机监督管理层，提高会计信息质量；另一方面，大股东也可能为了自身利益操纵会计信息。年度虚拟变量（Year）和行业虚拟变量（Industry），用于控制年度和行业因素对会计信息质量的影响，不同年份和行业的经济环境、市场竞争状况、监管政策等存在差异，这些因素可能会对会计信息质量产生影响。构建如下回归模型来检验假设H1：|DA|_{i,t}=\beta_0+\beta_1WDR_{i,t}+\sum_{j=2}^{n}\beta_jControl_{j,i,t}+\sum_{k=1}^{m}\gamma_kYear_k+\sum_{l=1}^{s}\delta_lIndustry_l+\epsilon_{i,t}其中，|DA|_{i,t}表示第i家公司在第t年的可操纵应计利润的绝对值，即会计信息质量；WDR_{i,t}表示第i家公司在第t年的女性董事比例；Control_{j,i,t}表示第j个控制变量在第i家公司第t年的值；\beta_0为常数项，\beta_1、\beta_j、\gamma_k、\delta_l为回归系数；\epsilon_{i,t}为随机误差项。为了检验假设H2，需要对女性董事的社会资本进行量化。由于社会资本难以直接衡量，采用替代变量进行近似衡量。构建女性董事社会资本指标（SC），从女性董事的行业任职经历多样性、政治关联程度、社会荣誉等方面进行综合考量。行业任职经历多样性通过计算女性董事在不同行业任职的数量来衡量，任职行业越多，说明其行业资源越丰富；政治关联程度通过判断女性董事是否曾在政府部门任职或与政府官员有密切联系来确定，有政治关联的赋值为1，否则为0；社会荣誉根据女性董事是否获得过重要的社会奖项、荣誉称号等来衡量，获得荣誉的赋值为1，否则为0。将这些因素进行加权综合，得到女性董事社会资本指标。构建回归模型检验假设H2：|DA|_{i,t}=\alpha_0+\alpha_1SC_{i,t}+\sum_{j=2}^{n}\alpha_jControl_{j,i,t}+\sum_{k=1}^{m}\lambda_kYear_k+\sum_{l=1}^{s}\mu_lIndustry_l+\nu_{i,t}其中，SC_{i,t}表示第i家公司在第t年的女性董事社会资本指标，\alpha_0为常数项，\alpha_1、\alpha_j、\lambda_k、\mu_l为回归系数，\nu_{i,t}为随机误差项，其他变量定义与假设H1检验模型相同。4.3实证结果与分析4.3.1描述性统计对样本数据进行描述性统计，结果如表1所示：变量观测值均值标准差最小值最大值AQ（会计信息质量）[X]0.0540.0380.0050.206WDR（女性董事比例）[X]0.1870.0860.0000.500WDN（女性董事人数）[X]1.2540.78605Size（公司规模）[X]22.3561.23420.12325.678Lev（资产负债率）[X]0.4560.1540.1020.856ROA（盈利能力）[X]0.0450.032-0.1020.156Indep（独立董事比例）[X]0.3780.0560.3330.500Top1（股权集中度）[X]0.3240.1050.0860.654从表1可以看出，会计信息质量（AQ）的均值为0.054，标准差为0.038，说明样本中上市公司的会计信息质量存在一定差异，部分公司的会计信息质量有待提高。女性董事比例（WDR）的均值为0.187，表明女性董事在董事会中的平均占比较低，中位数为14.28%，大部分公司女性董事占比在10%-20%之间，女性董事占比在30%或以上的上市公司仅占19.06%，这与前文关于女性董事在上市公司中现状分析的结果一致。女性董事人数（WDN）的均值为1.254，说明平均每家公司的女性董事人数较少。公司规模（Size）的均值为22.356，反映出样本公司的规模总体处于中等水平，但不同公司之间规模差异较大。资产负债率（Lev）均值为0.456，表明样本公司的负债水平适中，但也有部分公司的资产负债率较高，面临一定的财务风险。盈利能力（ROA）均值为0.045，说明样本公司整体盈利能力一般，部分公司的盈利能力较弱。独立董事比例（Indep）均值为0.378，符合监管要求的独立董事占比不低于三分之一的标准，但仍有提升空间。股权集中度（Top1）均值为0.324，说明样本公司的股权相对集中，大股东对公司的控制能力较强。4.3.2相关性分析对各变量进行Pearson相关性分析，结果如表2所示：变量AQWDRWDNSizeLevROAIndepTop1AQ1WDR-0.254***1WDN-0.231***0.876***1Size-0.186***0.154***0.123**1Lev0.213***-0.105**-0.098*-0.087*1ROA-0.325***0.224***0.201***0.167***-0.456***1Indep-0.145***0.096**0.085*0.078*-0.0650.0561Top10.112**-0.075*-0.068-0.0540.345***-0.256***-0.0451注：*、、*分别表示在1%、5%、10%的水平上显著。从表2可以看出，女性董事比例（WDR）和女性董事人数（WDN）与会计信息质量（AQ）均在1%的水平上显著负相关，初步支持了假设H1，即女性董事比例越高，上市公司的会计信息质量越高。公司规模（Size）、盈利能力（ROA）和独立董事比例（Indep）与会计信息质量（AQ）也呈显著负相关，说明公司规模越大、盈利能力越强、独立董事比例越高，会计信息质量越高。资产负债率（Lev）和股权集中度（Top1）与会计信息质量（AQ）呈显著正相关，表明资产负债率越高、股权集中度越高，会计信息质量越低。各变量之间的相关性系数绝对值大多小于0.5，说明不存在严重的多重共线性问题，但为了进一步确保回归结果的准确性，在后续回归分析中仍将进行多重共线性检验。4.3.3回归结果分析对模型（1）进行多元线性回归，结果如表3所示：|变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||WDR|-0.156***|0.032|-4.875|0.000|[-0.219,-0.093]||Size|-0.084***|0.021|-4.000|0.000|[-0.125,-0.043]||Lev|0.126***|0.035|3.600|0.000|[0.057,0.195]||ROA|-0.213***|0.045|-4.733|0.000|[-0.302,-0.124]||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||WDR|-0.156***|0.032|-4.875|0.000|[-0.219,-0.093]||Size|-0.084***|0.021|-4.000|0.000|[-0.125,-0.043]||Lev|0.126***|0.035|3.600|0.000|[0.057,0.195]||ROA|-0.213***|0.045|-4.733|0.000|[-0.302,-0.124]||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||----|----|----|----|----|----||WDR|-0.156***|0.032|-4.875|0.000|[-0.219,-0.093]||Size|-0.084***|0.021|-4.000|0.000|[-0.125,-0.043]||Lev|0.126***|0.035|3.600|0.000|[0.057,0.195]||ROA|-0.213***|0.045|-4.733|0.000|[-0.302,-0.124]||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||WDR|-0.156***|0.032|-4.875|0.000|[-0.219,-0.093]||Size|-0.084***|0.021|-4.000|0.000|[-0.125,-0.043]||Lev|0.126***|0.035|3.600|0.000|[0.057,0.195]||ROA|-0.213***|0.045|-4.733|0.000|[-0.302,-0.124]||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||Size|-0.084***|0.021|-4.000|0.000|[-0.125,-0.043]||Lev|0.126***|0.035|3.600|0.000|[0.057,0.195]||ROA|-0.213***|0.045|-4.733|0.000|[-0.302,-0.124]||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||Lev|0.126***|0.035|3.600|0.000|[0.057,0.195]||ROA|-0.213***|0.045|-4.733|0.000|[-0.302,-0.124]||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||ROA|-0.213***|0.045|-4.733|0.000|[-0.302,-0.124]||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||Indep|-0.068**|0.030|-2.267|0.024|[-0.127,-0.009]||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||Top1|0.075**|0.033|2.273|0.023|[0.010,0.140]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||Year/Industry|控制|控制|控制|控制|控制||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||Cons|1.356***|0.256|5.297|0.000|[0.853,1.859]||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||R-squared|0.356||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||AdjustedR-squared|0.334||||||F-statistic|16.182***||||||F-statistic|16.182***|||||注：*、、*分别表示在1%、5%、10%的水平上显著。从表3的回归结果来看，女性董事比例（WDR）的系数为-0.156，在1%的水平上显著，说明女性董事比例与会计信息质量呈显著负相关，即女性董事比例越高，可操纵应计利润的绝对值越小，会计信息质量越高，假设H1得到验证。这表明女性董事凭借其独特的决策风格和监督作用，能够有效抑制管理层的盈余管理行为，提高上市公司的会计信息质量。公司规模（Size）的系数为-0.084，在1%的水平上显著，说明公司规模与会计信息质量呈负相关，公司规模越大，会计信息质量越高。这可能是因为规模较大的公司通常具有更完善的内部控制制度和更专业的财务团队，能够更好地保证会计信息的真实性和准确性。资产负债率（Lev）的系数为0.126，在1%的水平上显著，表明资产负债率与会计信息质量呈正相关，资产负债率越高，会计信息质量越低。这可能是因为高负债水平会给公司带来较大的财务压力，管理层为了避免违约风险，可能会有动机操纵会计信息，从而降低会计信息质量。盈利能力（ROA）的系数为-0.213，在1%的水平上显著，说明盈利能力与会计信息质量呈负相关，盈利能力越强，会计信息质量越高。盈利能力强的公司通常经营状况良好，管理层更注重维护公司的声誉和形象，有动力提供高质量的会计信息。独立董事比例（Indep）的系数为-0.068，在5%的水平上显著，表明独立董事比例与会计信息质量呈负相关，独立董事比例越高，会计信息质量越高。独立董事能够发挥独立监督的作用，对管理层的行为进行约束，有助于提高会计信息质量。股权集中度（Top1）的系数为0.075，在5%的水平上显著，说明股权集中度与会计信息质量呈正相关，股权集中度越高，会计信息质量越低。这可能是因为股权高度集中时，大股东可能会为了自身利益而操纵会计信息，损害中小股东的利益。模型的R-squared为0.356，AdjustedR-squared为0.334，说明模型的拟合优度较好，能够解释会计信息质量33.4%的变异。F-statistic为16.182，在1%的水平上显著，表明模型整体是显著的。为了进一步检验假设H2，对模型（2）进行回归，结果如表4所示：|变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||SC|-0.123***|0.028|-4.393|0.000|[-0.178,-0.068]||Size|-0.076***|0.020|-3.800|0.000|[-0.115,-0.037]||Lev|0.118***|0.033|3.576|0.000|[0.053,0.183]||ROA|-0.205***|0.043|-4.767|0.000|[-0.290,-0.120]||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||SC|-0.123***|0.028|-4.393|0.000|[-0.178,-0.068]||Size|-0.076***|0.020|-3.800|0.000|[-0.115,-0.037]||Lev|0.118***|0.033|3.576|0.000|[0.053,0.183]||ROA|-0.205***|0.043|-4.767|0.000|[-0.290,-0.120]||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||----|----|----|----|----|----||SC|-0.123***|0.028|-4.393|0.000|[-0.178,-0.068]||Size|-0.076***|0.020|-3.800|0.000|[-0.115,-0.037]||Lev|0.118***|0.033|3.576|0.000|[0.053,0.183]||ROA|-0.205***|0.043|-4.767|0.000|[-0.290,-0.120]||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||SC|-0.123***|0.028|-4.393|0.000|[-0.178,-0.068]||Size|-0.076***|0.020|-3.800|0.000|[-0.115,-0.037]||Lev|0.118***|0.033|3.576|0.000|[0.053,0.183]||ROA|-0.205***|0.043|-4.767|0.000|[-0.290,-0.120]||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||Size|-0.076***|0.020|-3.800|0.000|[-0.115,-0.037]||Lev|0.118***|0.033|3.576|0.000|[0.053,0.183]||ROA|-0.205***|0.043|-4.767|0.000|[-0.290,-0.120]||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||Lev|0.118***|0.033|3.576|0.000|[0.053,0.183]||ROA|-0.205***|0.043|-4.767|0.000|[-0.290,-0.120]||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||ROA|-0.205***|0.043|-4.767|0.000|[-0.290,-0.120]||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||Indep|-0.062**|0.028|-2.214|0.027|[-0.117,-0.007]||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||Top1|0.068**|0.031|2.194|0.028|[0.007,0.129]||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||Year/Industry|控制|控制|控制|控制|控制||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||Cons|1.287***|0.234|5.500|0.000|[0.829,1.745]||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||R-squared|0.332||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||AdjustedR-squared|0.310||||||F-statistic|15.091***||||||F-statistic|15.091***|||||注：*、、*分别表示在