财务背景独立董事对会计信息质量的实证分析

　　3 财务背景独立董事对会计信息质量的实证分析

　　3.1 假设的提出。

　　在我国上市公司治理结构中，董事会是公司治理层的主要机构，但是权利制衡机制并不健全。为了完善公司的治理层结构，弥补监事会的权利不足，独立董事制度被引入。

　　如前所述独立董事是对董事会制度的制衡措施。但是独立董事只是作为外部的一个独立人士，它们并不是公司的利益相关者，独立董事起到的只是监督作用，并不会起到决定作用。况且会计作为一种信息传递的媒介，它所反映的信息只是局部的财务问题，而该类问题的根源并不在于企业的会计人员。所以，单凭财务背景独立董事来一劳永逸地解决企业的问题，是不可能也不现实的。不过，从另一方面来看，财务背景独立董事的存在对于会计信息质量的监督和公司的治理确实起到了一定积极作用。

　　会计信息是对企业的经营效果和效率以及遵守法规情况的反映，会计信息的质量高低很大程度上影响了投资者的决策。由于企业与众多投资者之间存在的信息不对称，需要一种途径来解决由于信息不对称而引起的委托代理问题，会计信息披露便由此而生。

　　但是作为一种披露手段，会计信息却是由企业内部的会计人员提供，这难免会产生信息的失真，为了减少信息的失真，一些制度和政策也相应而出。独立董事制度作为一种监督机制应运而生，但是有数据表明，我国的独立董事来自于多个行业拥有不中的职业背景，包括经济、法律、会计以及各种技术行业。《指导意见》规定，上市公司的独立董事中至少要有一名会计专业人士来担任，究其原因，可以认为对会计信息质量监督的过程中，拥有财务背景的独立董事可以利用自己的财务背景对企业操纵会计数据，滥用会计政策以及不合理的会计估计起到遏制作用。

　　目前，独立董事独立性衡量的标准主要为独立董事在董事会中所占的比例，并且Deon（1996）研究表明，独立董事比例越高越有利于摆脱董事会的控制。龚光明（2013）认为，从会计信息披露质量的角度来观察独立性，财务独立董事在董事会中所占的比重越大，则独立性越高。据此，本文提出假设 1:1H :财务背景独立董事占独立董事的比例越大，会计信息质量越高。

　　3.2 样本选取与数据来源。

　　本文以我国深市 A 股上市公司为研究对象。数据取自深市的原因在于：会计信息质量的高低需要有一个客观公正的评价，而现有的上市公司数据中很少能有代表会计信息质量的，但是深交所却有一套完整的信息评价机制，对各家上市公司的会计信息质量进行评价并分为 A、B、C、D 四个等级。因此本文的样本选自深市 234 家公司 2011-2013年的数据。

　　除此之外，样本选取的条件还包括：

　　第一，ST 和*ST 公司为不稳定的极端数据，因此将其剔除。

　　第二，对独立董事任职变动情况进行考虑，剔除 2011-2013 年有过主要变动的公司。

　　第三，由于金融保险行业财务指标具有特殊性，为了避免对研究结果的影响而将其剔除。

　　第四，剔除财务数据有缺失的公司。

　　经过筛选最终确定的样本规模数为 602 个，本文所用到的财务数据指标来源于CSMAR 数据库，会计信息质量来源于深交所信息披露考核，独立董事的背景数据为手工整理上市公司年报，其他信息来源于新浪财经、巨潮等财经网站。分析数据采用 SPSS统计软件。

　　3.3 变量与模型。

　　3.3.1 被解释变量。

　　如第二章所述，本文采用深交所对上市公司的考评等级作为衡量会计信息质量的标准。具体在模型中，将其定义为二分变量，即如果考评等级为优秀或者良好则QY=1,否则QY=0.

　　之所以选择虚拟变量是因为，二分虚拟变量代表了一件事情的两种结论，各变量之间的相关性更加充分。通过阅读相关文献发现，不少学者均采用了此种二分变量法，如李志军、王善平（2011）在《货币政策、信息披露质量与公司债务融资》一文中，将信息披露质量划分为二分变量；权小锋、吴世农（2010）同样将信息披露质量划分为二分变量。类似的还有薛祖云、黄彤（2004），他们在定义审计报告类型时也是以标准审计报告和非标准审计报告为二分变量，而不是将非标准审计报告再细分为四分变量。

　　具体规定：

　　3.3.2 解释变量。

　　一般认为，拥有财务背景的独立董事可以监督公司的控股股东并且保护利益相关者的权益不受损害，可以提高公司财务报表的可靠性。为了避免多重共线性问题，本文以前文理论分析和假设为基础选择了财务背景独立董事比例（IN ）为解释变量，其计算公式为：

　　财务背景独立董事比例（IN ）=财务背景独立董事人数/独立董事人数3.3.3 控制变量。

　　除了上述因素影响外，其他一些财务指标也对会计信息质量起到了一定的作用。已有文献表明，资产负债率、第一大股东持股比例、总资产净利率、企业规模和董事会规模等因素与之相关。据此，本文将资产负债率、总资产净利率、股权集中度、公司规模、董事会规模几个变量定义为控制变量，来提高模型的拟合优度。

　　资产负债率（DBET ）：资产负债率反映了一个企业的资本结构，资产负债率的高低对企业各方面影响都很大，尤其是对于企业的融资方面。当一个企业的负债率很高时，如果想要得到更多资金，企业必须要反映出一个良好的经营效果。此时企业可能会由于融资方面的压力而进行会计信息操控。

　　总资产净利率（ROA）：该指标代表着企业的盈利能力，一般认为，ROA 越高企业的盈利水平越好，从而没有必要进行会计信息造假，会计信息质量越高。

　　股权集中度（SHARE）：股本结构的构成直接决定了公司的治理层和管理层。当权利不受制约股权过度集中的时候，企业可能会产生"一股独大"、"内部人控制"等问题，从而影响会计信息质量。

　　公司规模（SIZE ）：如果一个企业的规模越大，那么它的利益相关者也会越多，人们对它的关注也会越多，这无形中形成了一种监督机制。在这种环境中，企业不论自身的内部控制制度，还是外部监管机构的监管都比较健全，所以会计信息质量相对来说较高。

　　董事会规模（BOARD ）：董事的人数越多，公司的治理层也就越大，这对公司做出重大的集体决策可能起到积极作用，也对内部人控制起到一定的抑制作用，因此会计信息质量相对较高。上述各控制变量定义如上表 3.1.

　　3.3.4 模型设计。

　　为了研究上市公司财务背景独立董事对会计信息质量影响，本文建立多元回归模型.

　　3.4 实证分析结果。

　　3.4.1 描述性统计结果。

　　各个变量的描述性统计结果，该表反映了财务背景独立董事和会计信息披露质量的分布和离散度。

　　会计信息披露质量（QY）均值为 0.6545,标准差为 0.4763,可见各个公司的平均会计信息披露质量达到了 0.65.由之前的定义可以看出，当会计信息披露质量为优秀或者良好时候赋值 1 为合格或者不合格时赋值为 0,均值为 0.65 说明研究的样本平均会计信息披露质量超过了合格水平，高质量的会计信息占到了大多数。

　　财务背景独立董事所占独立董事的比例（IN ）最大值为 1,最小值为 0,均值为0.3731,由最大值和最小值可见，比例为 1 的公司说明了独立董事全部为有财务背景的独立董事，而最小比例为 0.1667 即所有样本公司均有财务独立董事，符合指标选取规则。

　　从均值来看，有财务背景的独立董事大概占到了独立董事的 1/3 之上，这表明大部分的上市公司还是遵循了证监会的规定。

　　在控制变量中，资产负债率（DBET ）的最小值为 0.0749,最大值为 1.5559,标准差为 0.2343.可见各家公司的资产负债率变动较大，说明各家公司的资本结构存在较大的差异。而均值为 0.5430,表明我国上市公司的平均负债水平较高，超过了所拥有的净资产。虽然较高的负债对公司利用财务杠杆经营有较好的效果，但必须注意财务杠杆是一把双刃剑。总资产收益率（ROA）的最小值为-0.2617,最大值为 0.37,表明样本上市公司的利润差别较大。股权集中度（SHARE）的均值为 15.85%,可见第一大股东持股比例平均已经可以达到 15.85%,这对于规模较大的上市公司来说几乎可以达到控制的水平，这种情况下有可能形成内部人控制。董事会规模（BOARD ）的最小值为 5,最大值为 18,均值为 9,说明上市公司董事会规模因公司不同而不同，并且平均董事会有 9名成员。公司规模（SIZE ）的标准差为 1.5081,表明各家公司的资产规模变动并不是很大，数据的可比性较高。

　　3.4.2 相关性分析。

　　变量间相关性分析结果。

　　由表 3.3 可知，财务背景独立董事人数所占的比例（IN ）、资产负债率（DBET ）、董事会规模（BOARD ）和公司规模（SIZE ）的 P 值均小于 0.005,说明上述指标与会计信息质量在 1%的水平上存在着显着的相关关系。董事会规模和公司规模的相关系数较大，表明在控制变量中，这两个指标对会计信息质量的影响程度较高。财务背景独立董事所占比的系数为正，这表明该指标与会计信息质量存在正相关关系。总资产净利率（ROA ）和第一大股东持股比例（SHARE ）与会计信息质量的显着性水平较低，但是这种总体上的不显着可能是由于各个变量之间互相作用的效果，具体是否相关要根据回归结果判定。另外，各变量之间的相关系数都比较小，说明变量之间不存在着较严重的多重共线性问题。

　　通过相关性系数的检验可知，以资产负债率、董事会规模、资产规模为控制变量，以财务背景独立董事人数所占比例为自变量，对被解释变量会计信息质量进行回归分析是合理的。

　　3.4.3 回归分析结果。

　　采用前文建立的多元线性回归模型，以会计信息质量为被解释变量，财务背景独立董事所占独立董事的比例为解释变量，资产负债率、股权集中度、总资产收益率、公司规模以及董事会规模为控 制变量进行多元回归分析。

　　由分析结果可得，回归方程的 P 检验值为 0.000,F 统计量为 16.134,表明该方程中的自变量与因变量之间有较强的线性相关关系。回归方程的 R2为 0.140 调整后的 R2为 0.131.纵观国内外有关的研究发现，有关信息披露的模型中调整的 R2并不是很高，程新生等（2008）指出一般调整的 R2在 0.1-0.25 左右。王怀明、张慧（2008）的研究中做出的R2为0.1135,同样陈国辉、韩海文（2009）的研究数据结果中调整的R2为0.1340.

　　但是回归结果却显示模型高度相关，这说明在选择的变量中存在着一部分变量对模型有着较强的解释能力。

　　下面为对各个变量的具体分析：

　　财务背景独立董事所占独立董事的比例（IN ）P 值为 0.000,IN 在100%的水平上显着，表明该变量与会计信息质量存在着显着的相关关系，假设 1 得到了验证。同时可以发现自变量与因变量的相关系数为 0.392 与预期符号相同，表明财务背景独立董事对企业会计信息质量的提高有很大的帮助。这点也证明了证监会当初引入会计独立董事的规定是一个正确的选择，财务背景独立董事的存在确实对企业监督以及企业出具真实的会计信息起到了积极的作用，对保护投资者的利益至关重要。

　　在控制变量中，资产负债率（DBET ）的系数为-0.290,与预期的符号相同，P 值为 0.001,表明企业的资产负债率与会计信息显着相关，并在很大程度上对会计信息质量起到了反作用。资产负债率很高的企业会想方设法的改善自己的会计报表，以向外界传递出这样一个信息：虽然我的负债率很高，但是我的业绩却很好。只有这样，高负债的企业才能获得更多的融资避免资金链的断裂，保证企业的正常运转。所以负债率高的企业可能会违反会计准则，出具虚假的财务报告。

　　总资产收益率（ROA）的系数 0.461,表明资产收益率影响企业的会计信息质量，这一点也证实了之前的预期。但是显着性检验 P 值为 0.135,表明总资产收益率对会计信息质量影响相关程度较低，只在 10%的水平上弱相关。尽管如此，还是可以认为当企业的盈利水平越高时，公司面临的压力会随之降低，企业更愿意主动披露自己的会计信息来向投资者传递企业良好的经营业绩，避免出现"劣币驱逐良币"的现象。

　　股权集中度（SHARE ）的系数为 0.033,与预期符号相反，P 值为 0.782,表明与会计信息质量之间不相关。但系数为正说明还存在着一定的积极作用，上文分析指出，如果股权过度集中或许会产生内部人控制的问题，但是却忽略了股权集中度高的正面效应：股权集中度越高，越有利于提高决策速度，即快速对市场做出反应；而且股权集中到少数人手中时，他们可能会更加用心经营自己的企业，这也促使盈利水平提高，会计信息质量随之增强。

　　董事会规模（BOARD ）和公司规模（SIZE ）均与会计信息质量成正相关，并且 P值两个变量都通过了 1%显着性水平检验。董事会规模的符号与预期相同，说明董事的人数增多确实对公司的经营起到积极的作用，从而提高了公司的会计信息质量。对于公司规模而言，在存在信息不对称的情况下，规模大的企业倾向于主动披露会计信息，从而消除利益相关者由于信息不对称而低估公司的股票价值，避免"价值折价".