描述性创新信息披露对企业创新的影响
——基于分析师跟踪的调节效应

周 明，许 言，徐国庆

（东华理工大学，江西 南昌 330013）

一、引言

创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。习近平强调要把创新驱动发展作为面向未来的一项重大战略实施好，“十四五”规划也强调要坚持创新在我国现代化建设全局中的核心地位。创新作为一种高风险的投资活动，具有资金需求量大、投入周期长、收益滞后等特点。在创新信息缺失的情形下，资本市场信息不对称程度进一步提高，鉴于创新投资的不确定性，投资者的投资热情会降低，进而增加了企业的融资成本；同时，在信息不对称的情况下，企业管理层由于自利动机的存在也会更注重任职期间的短期收益，致使需进行长期研发的创新项目不受青睐。创新信息作为企业的关键信息，是企业创新推动力研究中不可忽视的内容之一。大量研究表明，企业创新信息已经超越盈利、股利分配、项目投资、收购重组等信息，成为投资者决策最重要的依据[1]。描述性创新信息披露是以文本信息的形式披露企业相关创新信息，有助于投资者更准确地判断企业的研发现状，特别是在我国高语境传播环境中，文本信息具有更高的研究价值[2-3]。

结合当前的研究现状来看，学界对企业创新信息披露的研究主要集中于会计信息质量、环境信息披露水平等方面，创新文本信息的影响力在一定意义上说被忽略了。关于描述性创新信息披露的影响力学界目前主要存在两种看法：一种认为其作为外部投资者了解企业创新情况的重要渠道，能降低信息不对称程度，增强投资者对创新项目的信心，降低企业融资成本；另一种则认为企业的描述性创新信息披露也存在一定的专有性成本，即创新文本信息中包含较多潜在内容，披露行为很可能对竞争对手决策产生影响，从而使企业竞争劣势成本增加，对企业创新产生负面影响。因此，描述性创新信息披露是否会对企业创新产生影响以及产生何种影响值得进一步研究。同时，由于文本信息的非直观性以及阅读者的理解差异性，分析师作为信息中介的重要组成，能有效帮助投资者解读信息。有研究表明，分析师跟踪能够降低信息不对称程度，提升被跟踪企业的创新绩效[4]，因而研究分析师跟踪是否会对描述性创新信息披露与企业创新的关系产生作用以及产生何种作用具有一定的现实意义。

基于此，本文在对描述性创新信息披露可能对企业创新产生的正面影响与负面影响进行全面考量的基础上，基于我国沪深两市A股上市公司的经验证据，研究描述性创新信息披露对企业创新的影响，并考察分析师跟踪对二者关系的调节作用。本文可能的边际贡献在于：一是丰富了非财务信息披露的研究，对暂存的研究缺口稍作补充。当前对于企业创新推动力的研究较少考虑创新文本信息因素，本文对二者关系进行检验，确定描述性创新信息披露的影响。二是采用文本分析法对创新文本信息进行测度，突破了人工评分法的小样本困境，扩大了研究对象样本量。三是丰富了关于分析师跟踪影响的研究，有助于明确分析师在资本市场的作用原理。

二、文献简述与研究假说

（一）文献简述

学界对于企业创新信息披露的研究是从其披露动机开始的，Allen[5]最早提出存在竞争关系的企业会出于长期利益考虑而进行创新信息披露，以节约知识保护成本。国外大量研究表明在现实市场环境中，有多种因素会促进或抑制企业的自愿性创新信息披露。从促进的视角来看，企业内部管理者与外部投资者存在严重的信息不对称，企业研发信息披露可以降低这种不对称程度，向市场传递积极信号[1]，市场往往会对其作出正面回应[6]。从抑制的视角来看，企业创新相关信息主要为企业在研信息及关键技术突破等敏感信息，披露可能会泄露机密，带来潜在风险[7]。国内关于这方面的研究起步稍晚，对创新信息披露经济后果的研究相对较多。从正面影响来看，有学者认为创新信息披露能强化投资者价值认同，产生积极的市场反应[8-9]。随着研究的深入，有研究表明高质量的研发信息披露可以降低信息获取成本，减少管理层现金流侵占，进而对企业创新效率产生正面影响[10]。从负面影响来看，根据已有研究可知，对于电子信息制造业企业而言，创新信息披露会对企业创新绩效产生负面影响[11]。因而，创新信息披露究竟能否对企业创新产生影响以及产生何种影响，还有待进一步检验。

随着资本市场的发展，关于分析师跟踪对企业创新影响的研究也越来越受到学界的关注。当前的研究主要从两个不同的角度来探究分析师跟踪对企业创新的影响，最终结论也不相同。一部分学者认为分析师跟踪有助于缓解股东与经理人之间的代理问题[12]，改善信息环境[13]，降低融资成本[14]，即产生了“信息揭示”效应，从而促进企业增加创新投入。另一部分学者则认为分析师过度关注会增加管理层短期经营压力[15]，造成管理者短视，使企业创新活动受到更大阻碍，即形成了“业绩压力”效应，从而会抑制企业创新。因此，分析师跟踪在资本市场上究竟发挥了何种作用以及这种作用是否在描述性创新信息披露与企业创新之间产生交互效应，值得进行深入分析。

（二）研究假说

1.描述性创新信息披露与企业创新。在有效市场假设下，资本市场是完美的，投资项目的期望回报率与资本的机会成本决定了公司的投资水平，公司管理层的能力与所获信息是项目投资效率的决定性因素。然而现代企业制度中所有权与经营权的分离导致信息不对称问题无法解决，完美市场的假设不复存在，企业的投资行为可能会偏离企业价值最大化的目标。特别是创新项目投资具有投入大、风险高、专业性强、收益滞后等特点，导致研发投资领域的信息不对称程度更高。这种信息不对称会使企业创新在资金筹措和资金分配阶段陷入困境[16]。在资金筹措阶段，信息不对称使外部投资者对创新项目的估计风险增大，使投资者更加谨慎，对企业融资形成阻碍[17]。在资金分配阶段，由于信息不对称的存在，无法避免公司管理层的自利行为，管理层可能会出于自身利益考虑而选择放弃投入高、回报慢的创新项目投资[18]。

描述性创新信息披露对企业创新的影响主要体现在如下方面：首先，描述性创新信息披露能够有效缓解信息不对称。在资金筹措阶段，企业对外传递的描述性创新信息是外部投资者了解创新项目的最重要信息来源，是改善投资者弱势地位的重要途径，能够帮助投资者辨别项目优劣，减少估计风险，有效缓解企业创新融资约束[19]。同时，根据信号传递理论，创新信息的披露能够有效减少逆向选择，吸引更多资金投入。在资金分配阶段，描述性创新信息披露可强化投资者对企业创新行为的理解，促进公司各项监督与激励机制有效运作，抑制经理人的道德风险[16]。同时，客观、真实的创新信息披露能将创新项目的进展、面临的风险、投入的资本与人力等信息传递给股东，股东对管理者工作现状了解越客观，对管理者的激励效果越佳，经理人越能考虑企业的长期发展，从而作出合适的研发创新决策[20]。因此，可以认为描述性创新信息披露对企业创新具有一定的正面治理效应。其次，随着创新信息披露的增多，其对企业创新的内损效应不容忽视。基于专有性成本理论，当企业披露信息增多时，若竞争对手策略性地利用所披露的信息来采取不利于企业的行为，就会对披露企业产生负面影响[21]。企业创新信息披露程度的提升能够显著增强知识外溢效应，伴生企业“搭便车”等问题[22]。在知识产权未得到法律保护时，知识泄露会减少企业的创新行为[23]。由于创新活动大多涉及企业核心技术和商业机密，创新信息披露越多，竞争对手可从中窥探的商业机密就越多，使披露企业创新利益受损。因此，描述性创新信息披露可能会对企业创新产生负面影响。最后，根据“倒U形”关系作用机制，随着前因变量水平的增加，两类因素对结果变量的影响方向相反，会产生一种增减交互效应，从而形成“过犹不及”的“倒U形”关系[24]。随着创新信息披露水平的提高，创新信息披露带来的两种效应对创新绩效的影响相反，两种效应相互调节，这种交互效应影响着企业的创新绩效。

综上，从描述性创新信息披露带来的治理效应和内损效应来看，描述性创新信息披露水平提高很可能会对企业创新产生先促进后抑制的作用。据此本文提出研究假说1，描述性创新信息披露对企业创新的影响呈“倒U形”，即描述性创新信息披露对企业创新的影响是先促进后抑制。

2.分析师跟踪的调节效应。投资者虽密切关注着企业的创新信息披露，但由于创新信息专业性强、理解难度大，投资者很难直接透过信息掌握其中蕴含的价值。在资本市场信息中介中，分析师作为独立的第三方，在投资者和管理层之间发挥着重要作用。首先，从正面效应来看，分析师通过自身具备的信息优势、较强的信息分析能力和专业知识，能够将晦涩难懂的创新信息清晰、简明地传递给投资者，缓解信息不对称[4]，帮助投资者更好地识别企业的创新实力，提高对创新项目的认知水平。同时，分析师跟踪能起到外部监督作用，有利于监督和约束管理层的自利行为，进而降低管理层因担心自身利益受损而规避技术创新的意愿。从这方面来看，分析师跟踪会增强描述性创新信息披露对企业创新的积极影响。其次，从负面效应来看，分析师跟踪所发挥的监督作用虽然有助于抑制管理层自利行为，但不能从根本上消除其自利动机，甚至可能诱发新的更隐蔽的且难以监管的代理问题[25]。随着跟踪企业的分析师数量的增多，不同特质的分析师所持观点更多元，无法避免个别分析师过度注重短期经营业绩的问题。未达到分析师盈余预期的企业为确保自身利益，会倾向于放弃投资期限长且风险大的创新项目，导致企业创新投资无法实现最优配置[26]，同时分析师对于创新信息的解读可能使企业核心信息外泄的风险增大。从这方面来看，分析师跟踪会增强描述性创新信息披露对企业创新的负面影响。

综上，分析师跟踪对描述性创新信息披露与企业创新关系的影响可能存在正向调节作用。据此本文提出研究假说2，即分析师跟踪能够正向调节描述性创新信息披露与企业创新的关系。

三、研究设计

（一）样本选择与数据来源

本文以2007年—2019年我国沪深两市A股上市公司为研究样本，因2007年是我国会计准则国际趋同的时间点，为避免会计准则差异的影响，故选取2007年为起始时间。描述性创新信息关键词词集来源于WinGo财经文本数据平台，企业专利数据来自CNRDS数据库，其他变量数据均来自CSMAR数据库。为消除极端值对研究结论可能造成的影响，对所有连续变量进行上下1%的缩尾处理。

同时，考虑到数据的可比性，对样本数据进行如下处理：一是通过巨潮资讯网下载2007年—2019年我国沪深两市A股上市公司年度财务报告，利用python中的正则表达式去除原数据集中的非文字符号、空格及日期等文本，使用JIEBA分词工具结合哈工大停用词表对文本进行中文分词，去除停用词等文本；二是计算描述性创新信息披露指标对应关键词词集的词频；三是剔除金融类公司、ST类公司以及专利数据缺失的观测值。经上述处理，最终得到3266家公司的数据，总观测值为23833个。

（二）变量衡量

1.描述性创新信息披露。描述性创新信息披露是指企业以文本信息形式披露创新活动相关信息，这里的创新一般指狭义上的创新即技术创新。目前对描述性创新信息披露的衡量主要是以通过构建指标体系进行人工评分的内容分析法为主，该方法通常需要较高的人工成本且高度依赖研究人员的经验判断，往往存在样本量小、普适性低、可复制性弱等问题[27]。

随着机器学习的发展，国内外众多学者开始采用文本分析方法来探析上市公司信息披露中蕴藏的价值[27-28]。根据语料库语言学中“共现频率”这一概念可知，通用率越高的词语搭配，其使用频率越高，结合信息披露研究，相关关键词出现的频率越高，说明企业通过文本信息的披露意愿越强[29]。因此，在文本分析领域，词频不仅是度量概念的常见方式，还代表了文本对词汇的重视程度[30]。目前常用的文本分析方法为词典法，其具有易复制、理解性强等特点。区别于传统词典法，本文采用种子词集＋Word2vec相似词扩充的词频分析法对企业描述性创新信息披露水平进行度量，具体步骤如下：

一是确定种子词集。根据《“十三五”国家科技创新规划》以及相关政策及会议文件，结合相关文献[31]和上市公司年报，提取与企业创新相关的关键词，并参考胡楠的做法①详见第十七届中国实证会计国际研讨会报告论文《描述性创新，真实创新活动和盈余持续性——基于文本分析和机器学习》。，综合考虑种子词的准确性与概括性，确定种子词集为技术创新、研发、开发、研究、专利、发明。二是相似词扩充。在信息披露中，对于同一概念或事物，通常会使用多个相似的词语进行描述。因此，还需在种子词集的基础上进行相似词扩充。本文采用基于神经网络Word Embedding方法的Word2vec机器学习技术，根据上下文语义信息将词汇表示为多维向量，计算向量间相似度以获得相似词。三是确定关键词词集。由4名专业研究人员和学术界专家对词汇进行筛选和检验，最终确定420个描述性创新信息披露关键词，计算关键词在年报文本中出现的词频比例，构建描述性创新信息披露指标Disc。考虑到信息披露的滞后性，研究中将描述性创新信息披露指标作滞后一期处理。

2.企业创新。本文对企业创新的度量侧重于企业技术创新水平。创新投入指标虽可衡量企业的创新意愿与潜力，但其能否完全转换为产出的不确定性较高。本文选择以创新产出指标衡量企业创新能力，采用企业专利申请数Patent1和专利授权数Patent2来衡量企业创新产出，考虑到部分企业专利申请数为0以及专利数量呈右偏分布，故对企业专利申请数和专利授权数进行对数化处理。

3.分析师跟踪。本文采用一年内对样本企业进行跟踪分析的分析师（团队）数目衡量分析师跟踪。考虑到模型中变量可能会受到量纲的影响，因此取分析师（团队）跟踪数目加1的自然对数作为分析师跟踪的代理变量。

4.控制变量。参考既有研究[20，32]，本文选取的控制变量包括企业规模Size、企业年龄Age、有形资产比Capint、现金资产比Cash、营业收入增长率Growth、董事会规模Board、高管激励Pay等。同时为控制年报信息含量的影响，加入年报文本总字数即年报长度Length为控制变量。具体变量定义见表1。

表1 变量定义表

（三）模型设计

本文通过构建以下计量模型来定量分析描述性创新信息披露对企业创新的影响：

式（1）中，i和t分别表示企业和年份。Patent(1,2)i,t表示企业创新，回归中分别用专利申请数和专利授权数表示；Disci,t-1表示企业描述性创新信息披露，Disc2i,t-1为其平方项，考虑到信息披露的滞后性，在回归中滞后一期；Controls表示控制变量；Year和Industry分别表示年份和行业的固定效应；εi,t为随机扰动项。考虑到异方差的存在，使用稳健标准误替代标准误。

同时，考虑到创新产出可能受到惯性影响，故将解释变量的滞后项引入模型。动态面板模型能够避免普通面板模型可能存在的结果偏差，克服模型的内生性，故构建动态面板模型如下：

为检验其他条件不变的情况下分析师跟踪对描述性创新信息披露与企业创新关系的调节作用，构建模型如下：

式（3）中，Disci,t×Analystsi,t、Disc2i,t×Analystsi,t表示调节交乘项，其他变量含义与模型（1）相同。

（四）描述性创新信息披露指标分析及有效性检验

1.描述性创新信息披露的时间趋势。总体上看，描述性创新信息披露指标和企业创新指标都随时间呈上升趋势，说明近年来企业的创新水平处于增长阶段；同时，二者的变化趋势一致性较高。2012年证监会对《公开发行证券的公司信息披露内容与格式准则》进行了修订，对企业自愿性信息披露提出了更高要求，故2012年描述性创新信息披露指标有较大提升（限于篇幅未列示）。

2.描述性创新信息披露指标的有效性检验。为检验描述性创新信息披露指标的有效性，本文采用不同方式衡量描述性创新信息披露指标，并与关键词词频法结果进行对比，来验证词频法的有效性。选取2015年—2019年创业板470家公司为样本，先采用内容分析法，借鉴已有文献[9，33]构建相应指标体系并对样本进行打分处理，采用变异系数法加总各指标分数最终确定描述性创新信息披露指标Disc_b。然后利用自然语言处理技术，通过文本向量化计算创新文本信息的信息含量Inf，信息含量越高，描述性创新信息披露水平越高。

为检验不同测度方式之间的相关性，使用2015年—2019年470家样本公司的面板数据进行简单回归，以检验指标之间的相互解释力。具体形式如下：

指标有效性检验结果显示，不同度量方式之间具有显著的正相关关系（限于篇幅未列示），这验证了本文使用的基于种子词集＋Word2vec相似词扩充的词频分析法的效标效度。

四、实证结果分析与检验

（一）描述性统计分析

表2为主要变量的描述性统计结果。由表2可知，描述性创新信息披露指标的均值为0.601，说明上市公司年报每100个词中有0.601个描述性创新信息关键词。企业专利申请数和专利授权数的均值分别为2.178、1.273，说明研究期内样本公司的平均专利申请数、平均专利授权数分别为7.829个、2.572个；标准差分别为1.742、1.459，数据的波动性较大，说明各样本企业之间的创新产出差异较大，这也与已有研究结果基本一致[34]。分析师跟踪的均值为1.533，说明样本企业平均约有4位分析师进行跟踪分析，分析师跟踪数目的最小值为0，最大值为3.761（即约为42位分析师），标准差为1.176，说明样本企业的分析师跟踪数目差异较大。控制变量的描述性统计结果未发现异常现象。

表2 描述性统计结果

（二）描述性创新信息披露对企业创新的影响分析

首先，本文对模型（1）进行LM检验和Hausman检验，结果显示固定效应模型为最优。其次，对于动态面板模型（2），使用两步系统GMM估计方法进行检验。模型（1）、模型（2）的回归结果如表3所示，第（1）、（2）列结果显示，对于专利申请数和专利授权数而言，Disc的回归系数显著为正，而Disc2的回归系数显著为负，说明其对企业创新呈“倒U形”影响。第（3）、（4）列结果显示通过了自相关检验且Sargan检验的P值均大于0.1，即通过了“工具变量联合有效“的假设，说明工具变量有效，同时回归结果也表明描述性创新信息披露对企业创新的影响呈“倒U形”。

表3 全样本主回归结果

描述性创新信息披露水平的提高能够缓解资金筹措与配置阶段的信息不对称问题，进一步降低企业融资成本并缓解股东与经理人之间的代理问题，此时信息披露带来的治理效应大于内损效应，有助于提升企业创新水平。但当描述性创新信息披露量超出一定范围后，竞争对手获取企业商业机密的机会成本降低，核心技术外泄的可能性增加，且过多的创新信息披露可能会使投资者、股东等相关利益者认为管理者是出于“印象管理”或者因自身利益而披露不实创新信息，负面效应超过其在资本市场上带来的正面效应，对企业创新带来负面影响。综上，研究假说1得到验证。

（三）异质性分析

考虑到企业自身的异质性会对描述性创新信息披露与企业创新的关系产生差异性影响，因此本文进一步考察企业不同所有制形式对上述描述性创新信息披露效应的影响，以更为深入地把握描述性创新信息披露对企业创新的具体影响。为此，本文将样本企业按照所有制形式分为国有企业和非国有企业两个子样本，并分别对各样本描述性创新信息披露效应进行检验。企业所有制形式异质性检验结果见表4。

表4 企业所有制形式异质性检验结果

表4的回归结果显示：在非国有企业子样本中，Disc的系数显著为正，Disc2的系数显著为负，其影响仍为“倒U形”；在国有企业子样本中，Disc的系数显著为正，但Disc2的系数皆不显著，“倒U形”影响不成立。可能是因为国有企业拥有较多的创新资源和创新优势，非国有企业的创新收益更难得到保证，因此非国有企业中描述性创新信息披露对企业创新呈“倒U形”影响。

（四）分析师跟踪的调节效应

表5报告了模型（3）的回归结果，第（1）、（2）列分别列示了分析师跟踪对描述性创新信息披露与企业专利申请数、专利授权数关系的调节作用结果。回归结果显示Disc的系数显著为正，Disc2的系数显著为负，加入交互项后，描述性创新信息披露对企业创新的“倒U形”影响不变。描述性创新信息披露与分析师跟踪数目交互项（Disc×Analysts）的回归系数分别在1%和5%水平上显著为正，描述性创新信息披露平方项与分析师跟踪数目交互项（Disc2×Analysts）的回归系数分别在10%和5%水平上显著为负，与未加入交互项时核心解释变量的回归系数符号一致，表明分析师跟踪增强了描述性创新信息披露对企业创新的影响，研究假说2得到验证。

表5 分析师跟踪的调节效应

进一步地，本文分别以低于和高于调节变量分析师跟踪数目均值的一个标准差作为低点和高点，分析分析师跟踪数目对描述性创新信息披露与企业专利申请数、专利授权数关系的调节效应。在分析师跟踪数目不同的条件下，描述性创新信息披露与企业创新之间的关系见图1、图2。

图1 分析师跟踪数目对描述性创新信息披露与企业专利申请数关系的调节效应

图2 分析师跟踪数目对描述性创新信息披露与企业专利授权数关系的调节效应

由图1、图2可知：当分析师跟踪数目较多时，描述性创新信息披露与企业创新之间的“倒U形”曲线相对陡峭，且拐点左移；当分析师跟踪数目较少时，描述性创新信息披露与企业创新之间的“倒U形”曲线相对平缓，说明分析师跟踪能强化描述性创新信息披露与企业创新之间的“倒U形”关系。以上结论再次验证了研究假说2。基于上述结果可知，分析师跟踪增强了描述性创新信息披露对企业创新的正面效应与负面效应。这主要是因为分析师的信息解读和外部监督能够有效减少管理层与投资者之间、经理层与管理层之间的信息不对称问题，加强描述性创新信息披露的正向治理效应。而随着描述性创新信息披露内容的增多，分析师跟踪对于信息的解读使企业机密外泄的可能性增大，竞争对手获得有利信息的成本降低。同时，分析师过多也可能会增加更隐蔽的代理问题，随之增强了描述性创新信息披露对企业创新的负面效应。

（五）内生性检验

1.工具变量法。考虑到模型中可能存在遗漏变量及描述性创新信息披露与企业创新潜在的互为因果关系等问题，本文借鉴已有研究[16，35]，选取两个工具变量来弱化内生性问题：一是同年度同行业其他上市企业的描述性创新信息披露均值Disc_A。因为相同行业在同一年度所处的经济环境相似，受到相同政策的影响且主营业务相近，在描述性创新信息披露方面具有一定的相关性，但其他企业的描述性创新信息披露对本企业创新的影响很小。二是信息披露的滞后四期值Discl4。因为同年企业的创新状况很可能影响到本期的创新信息披露情况，但不会对之前年度的创新信息披露产生影响。

表6为内生性检验结果。由表6可知，两阶段最小二乘法（2SLS）第一阶段的回归结果显示，工具变量的估计结果皆显著，满足相关性条件。第二阶段的回归结果显示，识别不足检验在1%水平上被拒绝；弱工具变量检验结果显示，F统计量大于10，拒绝弱工具变量假设；过度识别检验结果中Sargan的P值均大于0.1，表明工具变量外生。第二阶段回归结果与前文结论一致，进一步验证了本文结论的可靠性。

表6 内生性检验结果

2.Heckman两阶段法。考虑到样本企业中不包含未进行专利申请的企业，且部分企业年度专利产出数量为0，为减少潜在的样本选择偏差，使用Heckman两阶段模型进行分析。先对企业是否进行专利申请构建Probit模型，得到逆米尔斯比率（IMR）；再将其作为控制变量加入描述性创新信息披露与企业创新的模型中进行修正。由表6内生性检验结果可知，在考虑样本选择偏差后，结论不变。

（六）稳健性检验

1.替换被解释变量。专利可分为发明专利、实用新型和外观设计3种类型。其中发明专利的创新技术含量更高，对企业的核心竞争力影响更大[35]，更能反映企业的真实创新水平。因此，本文用企业发明专利申请数的自然对数（Patent3）来衡量企业创新水平，回归结果与前文一致，详见表7。

表7 稳健性检验结果

2.更换回归模型。考虑到企业专利数目为计数变量，且方差大于期望值，具有过度分散的特点，因而本文运用面板负二项模型进行稳健性检验，回归结果详见表7。模型得出的结论与前文一致，说明本文的基本结论是稳健的。

3.删去2012年之前的数据。考虑到2008年全球金融危机会对企业的资金投入以及技术创新造成持续影响，且2012年信息披露准则修订使描述性创新信息披露指标出现一定增幅，因而本文选择使用2012年—2019年数据，考察样本子区间的模型估计效果，回归结果见表7，可知估计结果与前文保持一致，体现了本文结论的稳健性。

五、结论与建议

本文以2007年—2019年我国沪深两市A股上市公司为样本，使用种子词集+Word2vec相似词扩充法测度描述性创新信息披露指标，实证检验描述性创新信息披露对企业创新的影响。结果表明：描述性创新信息披露对企业创新呈先促进后抑制的“倒U形”影响，且这种“倒U形”影响显著存在于非国有企业中；分析师跟踪数目的上升会增强描述性创新信息披露对企业创新的非线性影响，即当创新文本信息披露在一定规模内时，分析师跟踪的信息揭示效应更强，能进一步降低信息不对称程度，缓解企业融资约束，提升企业创新产出水平；当分析师跟踪数目超过一定规模后，分析师跟踪可能会增大企业核心机密外泄的可能性，增强其负面影响。

基于上述结论，本文认为描述性创新信息披露如同一把“双刃剑”，提升披露水平是降低信息不对称的关键，是资本市场良性运作的基本保障，但也存在披露内容过多带来核心信息外泄的风险，因而如何在提升信息披露水平的同时促进企业创新是待解决的关键问题。对此，本文提出如下建议：一是完善创新信息披露制度，保护企业核心信息。对于企业年报的信息披露应当建立合理有效的规则保护创新项目的核心信息，制定系统且完善的知识产权保护措施，降低机密信息被窃读造成的负面影响。二是出台创新政策，助企纾困解难。在规范年报信息披露的同时，可出台相关政策，帮助企业解决创新过程中可能遇到的难题，如当创新投资不足逐渐成为制约企业创新水平提升的主要瓶颈时，可建立多层次资本市场体系，提供多渠道融资。