真实盈余管理不同操纵方式对投资效率的影响研究——基于A股房地产行业的实证研究

doi:10.12677/sd.2024.1410274

期刊菜单

真实盈余管理不同操纵方式对投资效率的影响研究——基于A股房地产行业的实证研究
Study on the Influence of Different Manipulation Modes of Real Earnings Management on Investment Efficiency—Empirical Research Based on A-Share Real Estate Industry

DOI: 10.12677/sd.2024.1410274, PDF, HTML, XML,
作者: 王若茜：青海民族大学经济与管理学院，青海西宁
关键词: 投资效率；真实盈余管理；信息不对称；委托代理问题；Investment Efficiency； Real Earnings Management； Information Asymmetry； Principal-Agent Problem

摘要: 由于信息不对称及委托代理问题，使真实盈余管理的不同操纵方式对投资效率产生不同程度的影响。该研究以我国房地产行业为研究对象，利用stata17软件对我国房地产行业2003~2022年的真实盈余管理不同指标和投资效率进行实证研究。实证研究结果表明：真实盈余管理与投资效率呈负向相关，且不同操纵方式对投资效率影响程度不同。

Abstract: Because of information asymmetry and principal-agent problems, different manipulation methods of real earnings management have different degrees of influence on investment efficiency. This study takes China’s real estate industry as the research object, and uses stata17 software to conduct empirical research on different indicators of real earnings management and investment efficiency of China’s real estate industry from 2003 to 2022. The empirical results show that real earnings management is negatively correlated with investment efficiency, and different manipulation methods have different effects on investment efficiency.

文章引用：王若茜. 真实盈余管理不同操纵方式对投资效率的影响研究——基于A股房地产行业的实证研究[J]. 可持续发展, 2024, 14(10): 2417-2431. https://doi.org/10.12677/sd.2024.1410274

1. 引言

委托代理理论和信息不对称问题可能导致真实盈余管理对企业投资效率产生不利影响。真实盈余管理的操纵方式多种多样，包括销售操纵、生产操纵和酌量性费用操纵等，且不同操纵方式对投资效率的影响程度不同，该研究以A股房地产行业为例，分别研究销售操纵、生产操纵和酌量性费用操纵与企业投资效率的关系，并通过实证分析结果进一步提出相应的解决措施，为提高企业投资效率提出建议。

2. 理论分析与研究假设

2.1. 委托代理理论

委托代理理论在公司治理结构和股东与经理层之间的相互关系中具有基础性的意义。委托代理关系普遍存在于各种组织形式中，不仅限于公司制企业，也广泛存在于合伙企业、非盈利组织甚至政府机构中。该理念倡导企业所有者与管理者之间的职能分离开来，意味着所有者继续持有对利润的要求，而将日常管理职责委托给其他个体。研究聚焦于委托代理关系，涉及的是根据明文或默认的协议，一方或多方委托另一方或多方提供服务，并授权给对方一定的决策权力，并根据对方的服务成效来支付其报酬。在这个场景中，委托方即授权者，代理方即被授权者。特别是在公开交易的公司中，委托代理的矛盾极为突出，管理层没有受到有效的监管，这常常导致其为追求私人利益而操纵公司的投资决策[1]。

2.2. 信息不对称理论

信息不对称理论是微观经济学中的一个核心概念，它揭示了在大多数经济交易中，信息的不完整性是如何导致市场参与者之间出现不平等的。这种不平等通常表现为一方拥有比另一方更多或更准确的信息，从而在决策过程中占据优势。信息不对称的存在可以在多个经济场景中观察到，包括商品市场、劳动力市场、金融市场以及保险市场等。信息不对称理论说明了在经济交往中，各方对关键信息的认知和控制水平是不一样的。这一理论指出，在市场中，卖家往往比买家对商品的了解更为深入；在买方和卖方之间，处于信息劣势的一方会努力获取来自信息优势一方的信息；信息不对称可能导致投资者遭遇道德风险和逆向选择的问题，进而增加市场的整体成本。由于盈余管理导致的信息不确定性，可能会使投资者出现恐慌或过度反应，影响市场稳定；由于盈余管理导致的信息不可信，可能会使投资者失去信心或信任，损害市场声誉等[2]。

由于影响投资效率的根本原因在于委托代理问题和信息不对称，所以基于此，该研究提出如下假设：

H1：真实盈余管理水平越高，企业投资效率越低。

H2：真实盈余管理不同操纵水平对投资效率影响不同。

3. 研究设计

3.1. 样本选取与数据来源

该研究从国泰安(CSMAR)数据库中选取沪深A股2003~2022年数据作为初始观测值，并对数据进行如下筛选以避免异常数据对文章实证结果的影响：剔除ST企业；剔除主要研究变量数据缺失样本[3]，最终筛选出73个企业。

3.2. 变量设计

选取的模型及相应变量见表1、表2：

Table 1. Names and definitions of variables in the investment efficiency model

表1. 投资效率模型中变量的名称及其定义

变量名称	变量含义	变量定义
ABI	投资效率	为Richardson模型残差绝对值
Growth	企业成长性	(本年营业总收入 − 上一年营业总收入)/上一年主营业务收入
Lev	资产负债率	总负债/总资产
Age	公司上市年限	截止2022年公司上市年限
Size	企业规模	总资产的自然对数
EPS	每股收益	净利润/净资产
Invest	新增投资	(构建固定资产、无形资产等支付的现金 − 处置固定资产、无形资产等回收的现金)/年初总资产
Cash	现金持有量	货币资金/总资产

Table 2. Names and definitions of variables in the model of the impact of real earnings management on investment efficiency

表2. 真实盈余管理对投资效率的影响模型中变量的名称及其定义

变量类型	变量符号	变量名称	变量定义
被解释变量	Abeinv	投资效率	投资期望模型回归残差取绝对值，值越大，投资效率越低
解释变量	Abecf	销售操控指标	异常经营现金流(ecfo)取绝对值，ecfo < 0为正向真实盈余管理，ecfo > 0为负向真实盈余管理
	Abepr	生产操控指标	异常生产成本(eprod)取绝对值，eprod > 0为正向真实盈余管理，eprod < 0为负向真实盈余管理
	Abedi	酌量性费用操控指标	异常酌量性费用(edisexp)取绝对值，edisexp < 0为正向真实盈余管理，edisexp > 0为负向真实盈余管理
	Abrem	真实盈余管理总量指标	rem取绝对值，rem > 0为正向真实盈余管理，rem < 0为负向真实盈余管理
控制变量	Top	股权集中度	用第一大股东持股比例表示
	Tat	资产周转率	营业收入/期末资产总额
	Fcf	自由现金流量	企业自由现金流/期末资产总额
	Lev	资产负债率	期末负债总额/期末总资产
	Size	资产规模	年末总资产取自然对数
	Occupy	大股东占款	其他应收款/期末总资产
	Soe	股权性质	国有公司赋值1，非国有公司赋值0
	Year	年度	年度虚拟变量

3.3. 模型设计

3.3.1. 投资效率的模型设计

为分析近二十年房地产企业投资效率情况，该研究采用Richardson模型[4]，用每股收益代替企业的股票年收益率，模型如下：

$I n v e s t_{t} = b_{0} + b_{1} G r o w t h_{t}_{－ 1} + b_{2} L e v_{t}_{－ 1} + b_{3} C a s h_{t}_{－ 1} + b_{4} A g e_{t}_{－ 1} + b_{5} S i z e_{t}_{－ 1} + b_{6} E P S_{t}_{－ 1} + b_{7} I n v e s t_{t}_{－ 1} + ε_{t}$ (1)

3.3.2. 真实盈余管理对投资效率影响的模型设计

$\begin{matrix} A b e i n v_{i, t} = b_{0} + b_{1} T e m_{i, t - 1} + b_{2} T o p 1_{i, t - 1} + b_{3} T a t_{i, t - 1} + b_{4} F c f_{i, t - 1} + b_{5} L e v_{i, t - 1} + b_{6} S i z e_{i, t - 1} + b_{7} O c c u p y_{i, t - 1} + \\ b_{8} S o e_{i, t - 1} + Σ Y e a r + ε_{i, t} \end{matrix}$ (2)

模型中，解释变量Tem表示不同的真实盈余管理操控方式，具体有销售操控指标(Abecf)、生产操控指标(Abepr)和酌量性费用操控指标(Abedi)及真实盈余管理总量指标(Aberm)。

因为所选行业为房地产行业，所以将模型中最后控制变量中行业虚拟变量Ind删除，未考虑行业这一控制变量。

Table 3. Richardson model regression results

表3. Richardson模型回归结果

变量	系数	标准误	T值	P值
Growth_t₋₁	−0.0048664^*^	0.0002377	−20.47	0.000
Lev_t₋₁	1.734857^***	0.0684775	25.33	0.000
Cash_t₋₁	3.046598^***	0.3306596	9.21	0.000
Age_t₋₁	−0.2185128^**	0.0962631	−2.27	0.023
Size_t₋₁	−0.0904038^***	0.0307767	−2.94	0.003
EPS_t₋₁	0.3619542^***	0.0558678	6.48	0.000
Inv_t₋₁	0.0664953^*^	0.0160951	4.13	0.000
_cons	0.1264937^***	0.037408	3.38	0.001
N = 73 F = 383.67 P = 0.000 R-squared = 0.6743

注：^***表示在1%的水平下显著，^**表示在5%的水平下显著，^*表示在10%的水平下显著(下同)。

采用Richardson模型计算投资效率，模型回归结果见表3结果显示。

上期的新增投资对当期新增投资具有显著正向影响，新增投资具有一定的持续性；上期企业成长机会和企业规模均对当期新增投资具有显著的负向影响；上期企业资产负债率、现金持有量和每股收益均具有显著的正向影响；企业上市时间对新增投资的影响并不是十分显著，但是回归结果基本符合预期。

通过回归结果计算模型残差即可得到投资效率，其在不同年份的分布结果如表4所示：

Table 4. Investment efficiency by year

表4. 不同年份投资效率情况

年份	N	投资效率	投资情况
2003	64	−0.017923793	投资不足
2004	62	−0.004944264	投资不足
2005	61	−0.010932464	投资不足
2006	57	−0.019675353	投资不足
2007	56	−0.032581135	投资不足
2008	55	−0.056693509	投资不足
2009	54	−0.055838751	投资不足
2010	61	−0.051865613	投资不足
2011	66	−0.016131481	投资不足
2012	66	−0.005495261	投资不足
2013	69	−0.006270229	投资不足
2014	67	−0.014409028	投资不足
2015	67	−0.013542375	投资不足
2016	63	0.001414479	投资过度
2017	61	0.0297081	投资过度
2018	60	0.024768298	投资过度
2019	64	0.015512355	投资过度
2020	68	0.015770259	投资过度
2021	69	0.023081284	投资过度
2022	71	0.031457796	投资过度
总计	1261	−0.006992779	投资不足

注：上表中如果残差数值为负，那么则表明出现了投资不足的状况：而如果残差数值为正，那么则表明出现了投资过度的状况；通常情况下来说，如果残差绝对值越小，那么实际的投资效率就会越高。

由表4可知，2003~2015年非效率投资均为投资不足，2016~2022年均为投资过度。说明应计盈余管理导致企业非效率投资情况，这也验证了近年来国家统计局发布的数据，房地产行业开发投资有一定程度的增加。

4. 真实盈余管理对投资效率影响的实证结果与分析

4.1. 真实盈余管理行为与投资效率的描述性统计分析

选取的模型及其变量如表5所示：

Table 5. Names and definitions of variables in the model of the impact of real earnings management on investment efficiency

表5. 真实盈余管理对投资效率的影响模型中变量的名称及其定义

变量类型	变量符号	变量名称	变量定义
被解释变量	ABI	投资效率	投资期望模型回归残差取绝对值，值越大，投资效率越低
解释变量	Abecf	销售操控指标	异常经营现金流(ecfo)取绝对值，ecfo < 0为正向真实盈余管理，ecfo > 0为负向真实盈余管理
	Abepr	生产操控指标	异常生产成本(eprod)取绝对值，eprod > 0为正向真实盈余管理，eprod < 0为负向真实盈余管理
	Abedi	酌量性费用操控指标	异常酌量性费用(edisexp)取绝对值，edisexp < 0为正向真实盈余管理，edisexp > 0为负向真实盈余管理
	Abrem	真实盈余管理总量指标	rem取绝对值，rem > 0为正向真实盈余管理，rem < 0为负向真实盈余管理
控制变量	Top	股权集中度	用第一大股东持股比例表示
	Tat	资产周转率	营业收入/期末资产总额
	Fcf	自由现金流量	企业自由现金流/期末资产总额
	Lev	资产负债率	期末负债总额/期末总资产
	Size	资产规模	年末总资产取自然对数
	Occupy	大股东占款	其他应收款/期末总资产
	Soe	股权性质	国有公司赋值1，非国有公司赋值0
	Year	年度	年度虚拟变量

Table 6. Descriptive statistics of the full sample

表6. 全样本描述性统计

variable	N	min	max	mean	sd	p25	p50	p75
ABI	1336	0	0.927	0.0500	0.0780	0.0130	0.0260	0.0550
Abrem	1336	−0.955	3.157	−0.0160	0.399	−0.188	−0.0280	0.148
Abecf	1336	−1.865	0.578	−0.0490	0.191	−0.101	−0.00500	0.0580
Abepr	1336	−2.152	3.010	−0.0160	0.317	−0.130	−0.0180	0.0890
Abedi	1336	−0.158	0.239	−0.0130	0.0330	−0.0150	−0.00600	0.00200
Size	1334	18.62	28.29	22.96	1.424	21.94	22.86	23.82
Lev	1334	0.0230	0.979	0.620	0.176	0.508	0.646	0.750
Soe	1334	0	1	0.693	0.462	0	1	1
Top	1336	7.850	82.45	40.34	16.39	27.90	39.28	52.10
Tat	1336	0.00100	5.417	0.282	0.311	0.149	0.218	0.330
Fcf	1334	−0.544	0.617	0.0100	0.108	−0.0500	0.0160	0.0740
Occupy	1334	0	0.699	0.0390	0.0680	0.00500	0.0150	0.0430

由表6可知：

1) 真实盈余管理水平样本量共1336个，均值和中位数分别为−0.0160和−0.0280，并且盈余管理水平取值范围在−0.955~3.757，说明大部分样本盈余管理水平低于均值水平。

2) ABI表示投资效率，共1336个样本。投资效率均值为0.0500，中位数为0.0260，说明研究样本中有一半样本投资效率在0.0260以上。投资效率取值范围在0~0.927，相较于盈余管理水平，投资效率取值相对较高。

3) 分析真实盈余管理的三种操纵方式可以看出，销售操控均值的绝对值大于生产操控和酌量性费用操控的均值，反映出我国房地产行业可能更倾向于利用销售操控进行真实盈余管理。

Table 7. Descriptive statistics of real earnings management by year

表7. 真实盈余管理的各年度描述统计

Year	Abecf		Abepr		Abedi		Abrem
Year	Mean	Sd	Mean	Sd	Mean	Sd	Mean	Sd
2003	−0.044285	0.213539	0.006620	0.588088	−0.011849	0.037470	0.062754	0.693343
2004	−0.009146	0.213452	−0.005917	0.588087	−0.008941	0.037476	0.012170	0.693308
2005	−0.006611	0.213442	0.014994	0.588104	−0.006730	0.037489	0.028335	0.693315
2006	−0.012380	0.213428	0.041003	0.587907	−0.012454	0.037499	0.065837	0.693195
2007	−0.041928	0.213387	0.095534	0.587886	−0.002900	0.037504	0.140362	0.693158
2008	−0.025322	0.213372	0.087272	0.587870	−0.008216	0.037517	0.120810	0.693121
2009	−0.080303	0.213372	0.442875	0.587730	−0.004031	0.037526	0.527208	0.692958
2010	−0.008227	0.213364	0.049400	0.587707	−0.006703	0.037532	0.064330	0.692934
2011	0.015813	0.213346	0.042984	0.587707	−0.006907	0.037541	0.034078	0.692929
2012	0.008169	0.213344	−0.008081	0.587707	−0.004385	0.037548	−0.011865	0.692929
2013	0.003694	0.213341	0.005347	0.587712	−0.003921	0.037551	0.005574	0.692932
2014	0.000521	0.213318	−0.007575	0.587701	−0.005233	0.037559	−0.002863	0.692897
2015	−0.012079	0.213320	0.094082	0.587658	−0.003997	0.037568	0.110158	0.692858
2016	0.007851	0.213321	0.018124	0.587653	−0.004548	0.037573	0.014821	0.692854
2017	0.003504	0.213308	−0.002261	0.587655	−0.005183	0.037582	−0.000582	0.692853
2018	−0.011027	0.213315	−0.005510	0.587678	−0.001733	0.037589	0.007250	0.692883
2019	−0.016390	0.213450	0.003987	0.587701	−0.000983	0.037590	0.021360	0.693008
2020	0.008514	0.213450	−0.003399	0.587724	−0.001762	0.037591	−0.010151	0.693025
2021	−0.000021	0.213436	0.007084	0.587681	−0.002473	0.037588	0.009579	0.692975
2022	0.002368	0.213421	−0.002400	0.587639	−0.001968	0.037587	−0.002800	0.692926
Total	−0.009788	0.212599	0.040016	0.585024	−0.005123	0.037415	0.054927	0.689848

注：ecfo < 0，eprod > 0，edisexp < 0和rem > 0时，为正向真实盈余管理，反之则为负向真实盈余管理。

从表7中可以看出，真实盈余管理总量指标均值波动幅度较大，其中2009年达到最大值其值超过0.5，2017年达到最小值；但标准差均保持在0.69左右，相对比较大，说明样本公司之间的真实盈余管理程度差异大。通过分析各个年度真是盈余管理的各种操控方式可以看出，酌量性费用操控均为负值，即edisexp < 0为正向真实盈余管理。

4.2. 相关性分析

根据表8显示，真实盈余管理水平与投资效率ABI的相关系数不显著，与预期不符，可能由于相关性分析只包括了某些因素，结果较为片面，可能还受到其他因素影响。

Table 8. Correlation analysis

表8. 相关性分析

	ABI	Abrem	Abecf	Abepr	Abedi	Size	Lev
ABI	1
Abrem	0.0290	1
Abecf	−0.106^***	−0.061^**	1
Abepr	0.0240	0.936^***	0.163^***	1
Abedi	−0.126^***	0.327^***	0.499^***	0.388^***	1
Size	−0.197^***	0.0290	−0.0450	0.0300	−0.0300	1
Lev	−0.089^***	0.098^***	−0.083^***	0.097^***	−0.00900	0.448^***	1
Soe	0.0320	0.051^*	−0.0270	0.0430	0.00800	0.047^*	0.0160
Top	0.0130	0.0330	0.051^*	0.0440	−0.0270	0.051^*	−0.0210
Tat	0.0140	−0.129^***	0.081^***	−0.117^***	0.156^***	−0.308^***	−0.069^**
Fcf	0.0140	−0.452^***	0.580^***	−0.222^***	0.0150	−0.0340	−0.093^***
Occupy	0.113^***	−0.066^**	−0.113^***	−0.092^***	−0.080^***	−0.109^***	0.0450
	Soe	Top	Tat	Fcf	Occupy
Soe	1
Top	0.127^***	1
Tat	−0.046^*	−0.055^**	1
Fcf	−0.048^*	0.00300	0.147^***	1
Occupy	−0.0330	−0.106^***	0.0380	−0.088^***	1

4.3. 回归分析

表9中分别对比了(1)不加入控制变量和(2)加入控制变量的回归结果：(R2增加，说明拟合效果更好)

1) 不加入控制变量：这种分析可以帮助研究者了解在没有其他变量干扰的情况下，自变量对因变量的基本影响。由表中数据可以看出：

真实盈余管理水平回归系数为−0.027，回归系数通过了1%显著性水平的T检验，表明真实盈余管理越高对投资效率具有显著的负向影响，回归系数大小能够在一定程度上表明真实盈余管理水平每提高一个单位，那么投资效率就会下降0.027个单位。

2) 加入控制变量后：希望控制其他可能影响因变量的变量时，会加入控制变量，这样可以更准确地估计自变量对因变量的影响，减少遗漏变量偏误，由表中数据可以看出：

真实盈余管理水平回归系数为−0.048，其绝对值略大于不加入控制变量的回归系数，说明控制变量也对投资效率有较小的影响。

资产周转率对投资效率在1%显著性水平下具有显著的负向影响，说明资产周转率的增加会降低投资效率；自由现金流量对投资效率在5%显著性水平下具有较为显著的正向影响。说明自由现金流量的增加会提高投资效率。

真实盈余管理水平回归系数均为负值，说明真实盈余管理与投资效率呈负向关系，且真实盈余管理水平越高，会加剧非效率投资的状况。

Table 9. Regression analysis

表9. 回归分析

	(1)	(2)
VARIABLES	ABI	ABI
Abrem	−0.027^***	−0.048^***
	(−3.00)	(−3.27)
Size		−0.004
		(−0.72)
Lev		0.017
		(0.68)
Soe		−0.002
		(−0.21)
Top		0.000
		(0.41)
Fcf		−0.104^***
		(−2.82)
Occupy		−0.004
		(−0.08)
Tat		−0.023^***
		(−3.30)
Constant	0.048^***	0.125
	(23.92)	(1.18)
Observations	1237	1237
R-squared	0.300	0.323
ID FE	YES	YES
YEAR FE	YES	YES

4.4. 三种操控方式回归分析

回归分析结果如表10~12所示：

Table 10. Regression analysis of sales manipulation

表10. 销售操控回归分析

	(1)	(2)
VARIABLES	ABI	ABI
Abecf	−0.113^***	−0.274^***
	(−4.53)	(−4.22)
Size		−0.008^*
		(−1.69)
Lev		0.008
		(0.37)
Soe		−0.000
		(−0.01)
Top		0.000
		(0.72)
Fcf		0.309^***
		(4.10)
Occupy		0.047
		(0.85)
Tat		−0.020^***
		(−3.16)
Constant	0.045^***	0.214^**
	(28.61)	(2.13)
Observations	1237	1237
R-squared	0.337	0.408
ID FE	YES	YES
YEAR FE	YES	YES

Table 11. Regression analysis of production control

表11. 生产操控回归分析

	(1)	(2)
VARIABLES	ABI	ABI
Abepr	−0.032^***	−0.041^***
	(−2.81)	(−2.87)
Size		−0.004
		(−0.84)
Lev		0.016
		(0.64)
Soe		−0.002
		(−0.22)
Top		0.000
		(0.49)
Fcf		−0.043^*
		(−1.72)
Occupy		0.004
		(0.09)
Tat		−0.023^***
		(−3.17)
Constant	0.048^***	0.139
	(24.26)	(1.28)

Observations	1237	1237
R-squared	0.299	0.310
ID FE	YES	YES
YEAR FE	YES	YES

Table 12. Regression analysis of discretionary cost manipulation

表12. 酌量性费用操控回归分析

	(1)	(2)
VARIABLES	ABI	ABI
Abedi	−0.778^***	−0.782^***
	(−3.92)	(−3.85)
Size		−0.007
		(−1.53)
Lev		0.008
		(0.36)
Soe		0.003
		(0.27)
Top		0.000
		(0.72)
Fcf		−0.018
		(−0.84)
Occupy		0.019
		(0.43)
Tat		−0.005
		(−0.74)
Constant	0.042^***	0.200^*
	(23.02)	(1.91)
Observations	1237	1237
R-squared	0.343	0.346
ID FE	YES	YES
YEAR FE	YES	YES

4.5. 稳健性检验

Table 13. Robustness test

表13. 稳健性检验

	(1)
VARIABLES	ABI
Abrem	−0.049^***
	(−3.27)
Size	−0.003
	(−0.49)
Lev	0.020
	(0.67)
Soe	−0.008
	(−0.63)
Top	0.000
	(0.51)
Fcf	−0.109^***
	(−2.87)
Occupy	−0.011
	(−0.25)
Tat	−0.022^***
	(−3.01)
Constant	0.111
	(0.92)
Observations	1098
R-squared	0.328
ID FE	YES
YEAR FE	YES

为验证上述所得结论是否稳健，该研究排除了疫情期间的影响，删除了2020，2021及2022年数据，将在2019年以前的数据进行稳健性检验，结果如表13所示：结果显示，盈余管理确实对投资效率具有显著的负向影响，在投资过度和投资不足时均成立；所得结论与上文内容保持一致，这能够充分证实该结论具备一定的稳健性。假设H₁得以验证。

4.6. 三种操控方式稳健性检验

为验证上述所得结论是否稳健，该研究排除了疫情期间的影响，删除了2020，2021及2022年数据，将在2019年以前的数据进行稳健性检验，结果如表14~16所示：结果显示，盈余管理确实对投资效率具有显著的负向影响，在投资过度和投资不足时均成立;所得结论与上文内容保持一致，这能够充分证实该结论具备一定的稳健性。所以假设H₂得以验证。

Table 14. Robustness test of sales control

表14. 销售操控稳健性检验

	(1)
VARIABLES	ABI
Abecf	−0.274^***
	(−4.16)
Size	−0.008
	(−1.40)
Lev	0.013
	(0.52)
Soe	−0.005
	(−0.46)
Top	0.000
	(0.84)
Fcf	0.308^***
	(3.99)
Occupy	0.043
	(0.74)
Tat	−0.018^***
	(−2.84)
Constant	0.205^*
	(1.79)

Observations	1098
R-squared	0.413
ID FE	YES
YEAR FE	YES

Table 15. Robustness test of production control

表15. 生产操控稳健性检验

	(1)
VARIABLES	ABI
Abepr	−0.041^***
	(−2.83)
Size	−0.004
	(−0.63)
Lev	0.019
	(0.65)
Soe	−0.008
	(−0.63)
Top	0.000
	(0.60)
Fcf	−0.047^*
	(−1.78)
Occupy	−0.003
	(−0.06)
Tat	−0.021^***
	(−2.87)
Constant	0.127
	(1.03)
Observations	1,098
R-squared	0.314
ID FE	YES
YEAR FE	YES

Table 16. Discretionary expense control robustness test

表16. 酌量性费用操控稳健性检验

	(1)
VARIABLES	ABI
Abedi	−0.825^***
	(−3.75)
Size	−0.008
	(−1.47)
Lev	0.011
	(0.40)
Soe	0.000
	(0.00)
Top	0.000
	(0.88)
Fcf	−0.028
	(−1.19)
Occupy	0.014
	(0.30)
Tat	−0.003
	(−0.50)
Constant	0.218^*
	(1.81)
Observations	1098
R-squared	0.353
ID FE	YES
YEAR FE	YES

5. 结语

研究以A股房地产行业为例，深入研究了销售操纵、生产操纵和酌量性费用操纵与企业投资效率之间的关系。通过实证分析发现，这些操纵方式对投资效率的影响程度各不相同。销售操纵可能会导致企业过分关注短期收益，而忽视长期投资；生产操纵可能会影响企业资产的准确反映，还可能误导投资者关于企业真实运营状况的判断；酌量性费用操纵可能会减少企业的研发投入和创新活动，对企业的长期发展和投资效率产生不利影响。

为了应对这些问题，可以采取以下解决措施：加强内部控制和审计[5]，强化内部控制机制，对财务报告的编制和披露进行严格审核，确保财务报告的真实性和透明度[6]；完善激励机制，设计合理的经理人激励机制，将经理人的薪酬与其长期业绩和对投资者利益的贡献挂钩，以此引导经理人做出符合股东利益的战略决策；提高信息披露质量，增强企业的信息披露，特别是关于投资项目和费用发生的详细信息，以减少信息不对称，帮助投资者更准确地评估企业的投资价值和潜在风险；强化监管处罚，对于盈余管理行为，监管部门应当实施严格的处罚措施，提高违规成本，从而抑制企业进行真实盈余管理的动机；增强市场压力，通过增强市场对企业的监督和评价，提高企业对声誉的重视，从而减少盈余管理行为。这可以通过媒体、分析师、评级机构等多方面的市场参与者来实现。

通过实施这些措施，企业可以减少真实盈余管理行为，提升长期投资效率，为投资者创造更大的价值。同时，这也有助于提升整个资本市场的效率和稳定性。在房地产行业这样一个高度竞争和复杂的市场环境中，这些措施尤为重要，有助于促进行业的健康发展。

参考文献

[1]	孙涵, 张劲松. 真实盈余管理对投资效率的影响研究——基于高管激励的调节效应[J]. 生产力研究, 2021(12): 108-112.
[2]	章文文, 陈楸蕗, 陈海燕, 等. 环境不确定性、真实盈余管理与投资效率[J]. 阜阳师范大学学报(自然科学版), 2021, 38(3): 100-107.
[3]	罗晓光, 付洋. 真实盈余管理对企业非效率投资的影响[J]. 科技与管理, 2017, 19(4): 78-83.
[4]	Roychowdhury, S. (2006) Earnings Management through Real Activities Manipulation. Journal of Accounting and Economics, 42, 335-370. https://doi.org/10.1016/j.jacceco.2006.01.002
[5]	全红香. 真实盈余管理、审计师行业专长与投资效率[D]: [硕士学位论文]. 重庆: 西南大学, 2019.
[6]	徐学盼, 姚晶晶. 审计师行业专长、盈余管理与投资效率关系研究[J]. 中国物价, 2023(3): 119-121.

为你推荐

友情链接