-
2008年《企业内部控制基本规范》的出台标志着中国内部控制系统工程的全面建立,2012年《企业内部控制基本规范配套指引》的实施推进中国步入内部控制信息强制披露时代,这两个文件要求上市公司披露内部控制缺陷,然而披露不充分情况却一直存在。证监会2013—2019年连续七年在《上市公司年报会计监管报告》中指出,企业瞒报内控缺陷的现象十分严重。国资委于2019年11月颁布《关于加强中央企业内部控制体系建设与监督工作的实施意见》,提出了为世界一流企业适配内部管控机制的目标。然而,大规模内控缺陷瞒报成为中国企业内控体系高质量建设的阻碍。
企业回避披露内控缺陷是有原因的。企业通常认为内控缺陷是典型的“坏消息”,会招致负面后果,如股价崩盘。股价崩盘是指股价突然大幅下降,如2020年瑞幸咖啡财务造假丑闻曝光后一个交易日内盘中触发六次熔断,2014年、2017年和2019年獐子岛“扇贝跑了”系列事件发酵后股价均一路跌停。Lobo等[1]和宫义飞[2]分别使用美国和中国数据,实证发现内控缺陷与股价崩盘风险正相关。然而,他们的研究实际上是探讨“内控缺陷存在且披露”这一联合事件对股价崩盘风险的影响,忽略了更多“内控缺陷存在但未披露”的样本公司,样本偏差会伤害结论的严谨性。事实上,内控缺陷相关研究很少区分内控缺陷的存在与披露,这种研究范式不够准确,会误导读者无视“内控缺陷存在”的前提而将研究结果片面地解读为“内控缺陷的披露导致了股价崩盘”。企业瞒报内控缺陷很大程度也是出于这种心理,认为只要隐瞒坏消息就能规避负面后果,却忽略了真正提升企业风险防控能力,这与中国全面建设内控体系的大背景不符,与证券监管部门的期望相悖。鉴于此,厘清内控缺陷的存在与披露具有重要的现实意义。
本文的贡献在于:(1)不同于以往文献通常混淆内控缺陷的存在与披露,本文分辨了二者对股价崩盘风险的不同效应,深化了内控缺陷经济后果的相关研究。发现存在内控缺陷的公司更容易遭遇未来股价崩盘,但内控缺陷的披露并不会导致股价崩盘风险的剧烈波动。区别于以往研究大多给出相关性的实证结果,使用双重差分设计也使结果更具因果性,有助于企业正确理解内部控制的功能和内控缺陷披露策略的作用。(2)以坏消息的聚集和释放为视角考察了内控缺陷影响股价崩盘风险的过程,充实了股价崩盘影响因素的相关研究。目前鲜少有文献涉猎内部控制与股价崩盘风险的关系,从内控缺陷角度展开的研究更是匮乏。本文结果意味着股价崩盘现象的根本原因来自于存在内控缺陷而折射出的公司经营、财务、投资等方面的内在风险因素,而披露内控缺陷这一坏消息并未达到能够影响股价崩盘风险的量级。(3)通过进一步考察信息透明度的中介效应,有助于深入理解内控缺陷的存在影响股价崩盘风险的作用路径和影响机制。
-
已有研究从多个角度探讨了股价崩盘的影响因素和形成机制。公司特质方面,控股股东股权质押、高管集中减持等都会对公司层面的股价崩盘风险造成影响[3-4];中介行为方面,审计师任期、分析师羊群效应也与个股股价波动有关[5-6];制度环境方面,以沪港通开通为标志的资本市场开放度变化[7],以股权分置改革为标志的股票流通性变化[8]等,都降低了金融市场平均风险;投资者情绪方面,强烈波动的投资者情绪会明显提升市场层面和公司层面股价崩盘风险,其中机构投资者的影响更为显著[9]。
内部控制经济后果的研究集中在内部控制对财务报告质量和经营效率的影响[10-11],也有研究讨论了内部控制在研发活动方面的溢出效应[12],近年来,延伸至资本市场、探究内部控制与股价崩盘的研究开始兴起。美国于2002年颁布了强调内部控制重要性的萨班斯法案(Sarbanes-Oxley Act,SOX),其中302条款要求管理层出具对企业内部控制情况的说明,404条款要求审计师对企业内部控制有效性发表意见。以美国市场为研究对象,Kim等[13]发现,SOX404背景下存在重大缺陷的公司具有更高的股价崩盘风险,但Lobo等[1]发现,重大缺陷与股价崩盘风险的正相关关系仅能在SOX302背景下观察到,SOX404背景下二者并不显著相关。SOX302要求管理层出具内部控制自我评价报告,其中应披露已发现的内控缺陷;而SOX404要求公司聘请会计师事务所对内部控制有效性进行鉴证。相较于审计师,管理层通常会低估内控缺陷的严重程度[14],因此SOX302和SOX404背景下公司披露的内控缺陷情况就会出现差异。
中国自2008年《企业内部控制基本规范》颁布以来,监管部门就要求上市公司随年报同时披露管理层出具的内部控制评价报告和会计师事务所出具的内部控制审计报告。实际操作中,两类报告内容具有高度相似性。因此中国在内控规范要求方面更近似于SOX404。但是,中国中介市场成熟度与发达国家存在差距,审计师不够严苛,最终报告的内控缺陷很可能更倾斜于管理层意见,因此中国在内控规范实施方面更近似于SOX302。基于中国独特的制度环境,国外研究结论很难直接移植到中国语境。总的来说,目前关于内部控制对股价崩盘影响的文献还较少,从内控缺陷存在与披露角度开展的研究更是匮乏。
-
Jin和Myers[15]认为,公司倾向于向外界隐瞒负面消息,信息透明度越低的公司隐藏的坏消息越多,但公司内部容量是有上限的,一旦坏消息累积过多、达到阈值,内部人将放弃继续隐瞒。当囤积的坏消息被集中释放到市场上,就会引起股价动荡甚至崩盘。可见,股价崩盘的成因可以分解为两个过程:坏消息的聚集和坏消息的释放。
-
内部控制本身起源于风险管理框架,对抑制风险敞口、提升公司风险管控能力有着重要作用。方红星和陈作华[16]发现内部控制对公司特质风险和系统风险均有影响,内部控制越有效的公司抵御风险的能力也越强。股价崩盘风险本质上仍然是一种风险,理论上内部控制对股价崩盘风险具有直接效应。
Kothari等[17]实证发现,面对坏消息时,管理层会选择推迟披露,造成一定时间段内坏消息的囤积。内部控制本质上是一种权利约束的制度安排,健康的内控系统能够制约管理层的机会主义行为。而内控缺陷的存在则意味着内控系统有效性不足,管理层凌驾内控系统的可能性就会增强。因此本文认为,存在内控缺陷的公司更可能发生坏消息的囤积,从而加剧未来股价崩盘风险。
同时,无效的内控系统也降低了管理层机会主义行为被发现的可能。存在内控缺陷的公司盈余管理程度更高、信息透明度更差[18]。信息不对称阻碍了利益相关者对公司真实经营情况的感知,为管理层隐瞒坏消息提供了空间,从而增加了坏消息聚集的程度,导致股价崩盘风险上升。基于以上分析,本文提出如下假设:
H1.内控存在缺陷的公司股价崩盘风险更高。
-
信息不对称是每个资本市场都无法完全规避的问题。为了稳定和推高股价,管理层往往会对信息进行筛选和择时,造成披露信息有偏和不及时,将公司信息环境推向不透明,绝大多数情况下造成了坏消息的囤积[2]38。而当坏消息的累积量和严重性超过公司内部能够消化的程度,管理层将无力继续隐瞒或经过权衡后放弃隐瞒。而此时投资者还处于之前管理层发布有偏信息而营造的虚假繁荣中[15]271-272,一旦接收大量和严重的坏消息,投资者或者承受巨大的心理落差理性调整对公司价值的预期,或者出于恐慌心理抛售股票,最终引发股价崩盘[19]。
Jin和Myers[15]认为,坏消息的集中爆发是股价崩盘的诱因。内控缺陷是坏消息,但披露内控缺陷能否达到影响股价崩盘风险的量级是不确定的。一方面,内控缺陷的披露会引起负面后果。杨清香等[20]发现披露内控缺陷后股价下跌。根据信号理论,企业披露内控缺陷向市场传递了内部治理状况不佳、投资风险较高的信号,投资者会对此做出反应,修正之前对企业价值的估计,出于对被“套牢”的厌恶而抛售股票,从而导致股价下挫甚至崩盘。
但另一方面,内控缺陷的披露可能会通过提高信息透明度而降低股价崩盘风险。Kim 等[13]9-10认为披露内控缺陷可以从三类途径实现公司信息透明度的快速提升。第一,投资者会对披露内控缺陷的公司进行更严格的审查,会有意愿从更多渠道了解公司信息,从而增大信息接受度。第二,出于对公司持续经营和资本增值的考量,董事会有动机对管理层施加额外监督压力,促使管理层规范行为,从而加强信息输出效率。第三,为避免内控缺陷披露的负面后果(如融资成本攀升[21]、市场关注降低[22]等),防止下一财年再度披露缺陷,管理层会积极整改缺陷,从而提高信息披露质量。除此之外,企业披露内控缺陷具有一定的预警作用,会缓和投资者面对更多坏消息时受到的冲击,有助于投资者调整对公司的认知和期望,从而调整投资策略。从这一角度出发,披露内控缺陷会导致短时间内的股价下跌,但从长期看,披露内控缺陷通过释放一定量坏消息而抑制了更多坏消息的聚集,进而降低股价崩盘风险。基于以上分析,本文提出如下竞争性假设:
H2a.披露内控缺陷会提高股价崩盘风险;
H2b.披露内控缺陷会降低股价崩盘风险。
本文的两个主要假设的逻辑关系如图1所示。H1讨论“存在内控缺陷”这一单一事件与股价崩盘风险的关系。存在内控缺陷后公司面临披露和不披露两种选择,H2关注披露策略下“披露内控缺陷”的行为本身是否导致股价崩盘风险的变化。
-
选取2008—2019年沪深主板上市公司为初始样本,以存在内控缺陷的公司为实验组,以不存在内控缺陷的公司为控制组。首先确定哪些公司存在内控缺陷。Gordon和 Wilford[23]认为,内控缺陷在被披露前已经长期存在。内控缺陷被发现、被调查、被确认、被披露都需要时间,参考文献[13],本文认为在披露的前一年内控缺陷已经存在。2008年中国发布《企业内部控制基本规范》后各公司才陆续披露内控缺陷,因此样本时间开始于2008年。以内控缺陷的披露为事件冲击,选取披露内控缺陷的公司构建实验组。若有公司在多个年份披露了内控缺陷,仅保留首次披露的记录,此时实验组包含434家公司。保留披露当年的434个观测值,同时保留披露前一年的434个观测值,分别构成实验组处理后(缺陷披露期)和实验组处理前(缺陷未披露期,即缺陷存在期)样本。
按照如下规则确定不存在内控缺陷的公司(即内控有效的公司)作为控制组。已有文献通常将未披露内控缺陷的公司视为内控有效的公司(如Kim等[13]10),但公司存在隐瞒内控缺陷的行为[14]820-831,单凭是否披露内控缺陷界定内控是否有效是不严谨的。内部控制的目标包括保证财务报告可靠性和保证对适用法律法规的遵循,因此本文认为涉及审计意见不清洁、诉讼、违规的公司内控存在缺陷的可能性极大。选取2008—2019年连续存续且从未披露内控缺陷、从未被出具非标审计意见、从未被诉讼和监管处罚的公司作为控制组。此时控制组包含1 980个观测值。
另外,为计算股价崩盘风险的衡量指标,参考Jin和Myers[15]273,删除一年内交易周数少于30周的样本;同时删除金融行业和数据缺失的样本;最终得到368个实验组数据(192个披露当年观测值和176个披露前一年观测值)和1 290个控制组数据,共1 658个观测值。
为缓解可能的内生性问题,还构建了倾向得分匹配法(Propensity Score Matching,PSM)样本。披露内控缺陷的公司与内控有效的公司存在特质性差异,而这类特质性差异可能同时影响披露行为和股价崩盘风险,采用PSM法纠正内生性引发的估计偏误。参考Doyle[24],选取资产规模、上市年限、营业收入增长率、是否并购重组、审计师是否为四大、存货规模、是否更换审计师为协变量,进行k临近1:1匹配。PSM为192个披露了内控缺陷的实验组观测值匹配了192个控制组观测值,共384个观测值;再分别加入实验组和控制组在处理年前一年的数据,得到共768个观测值;删除控制变量缺失样本后,最终得到PSM样本共694个观测值,其中实验组处理前176个观测值、处理后192个观测值,控制组处理前134个观测值、处理后192个观测值。
本文使用的内控缺陷数据来源于DIB数据库,换手率数据来源于RESSET数据库,其他数据来源于CSMAR数据库。所有连续变量进行了1%和99%分位数的缩尾处理,使用Stata对样本数据进行处理。
-
为检验内控缺陷的存在与股价崩盘的关系,构建模型
$${\rm{Cras}}{{\rm{h}}_{t + 1}} = {\alpha _0} + {\alpha _1}{\rm{MWS}}{{\rm{D}}_t} + {\sum {\alpha {\rm{Controls}}} _t} + {\rm{F}}{{\rm{E}}_1} + {\varepsilon _1}$$ (1) 其中,Crash代表股价崩盘风险,在回归中分别以股票负收益偏态系数(Ncskew)和股票涨跌波动比(Duvol)代替,并根据惯例取滞后一期值;MWSD为虚拟变量,若公司存在内控缺陷则取值为1,若内控有效则取值为0;Controls代表一系列控制变量;FE代表行业和年度固定效应;ε为随机扰动项。若MWSD系数显著为正,说明存在内控缺陷的公司具有更高的未来股价崩盘风险。表1对各变量定义进行了详细说明。
表 1变量定义表
变量 变量定义与说明 被解释变量: Ncskewt+1 滞后一期股票负收益偏态系数,用以衡量未来股价崩盘风险 Duvolt+1 滞后一期股票涨跌波动比,用以衡量未来股价崩盘风险 解释变量: MWSDt 虚拟变量。若公司披露重大或重要缺陷,则认为披露前一年公司存在内控缺陷,取值为1;若公司在2008—2019年从未披露重大或重要缺陷、从未发生诉讼、从未受到监管处罚、从未收到非标审计意见,则定义该公司为内控有效的公司,取值为0 Treatt 虚拟变量。若公司属于内控缺陷组(处理组),取值为1;属于内控有效组(控制组),取值为0 Postt 虚拟变量。披露重大或重要缺陷的当年取1;披露重大或重要缺陷的前一年取0 控制变量: Ncskewt 股票负收益偏态系数 DTurnt 月均超额换手率 Sigmat 股票经市场调整后周收益率W的标准差 Rett 股票平均回报率,年度内股票各周持有收益率的均值 Sizet 总资产的自然对数 BMt 账市比 LEVt 资产负债率=负债总额/资产总额 ROAt 资产收益率=利润总额/资产总额 absDAt 信息不透明度,参考文献[2],使用操纵性应计利润衡量信息不透明度 -
参考Kim等[13]11-13,使用股票负收益偏态系数(negative conditional return skewness)和股票涨跌波动比(down-to-up volatility ratio)衡量股价崩盘风险。
根据模型(2)计算股票的周特有回报率
$${R_{{i,s}}} = {\varphi _i} + {\delta _{1s}}{R_{{m,s - 2}}} + {\delta _2}_s{R_{{m,s - 1}}} + {\delta _3}_s{R_{m,s}} + {\delta _{4s}}{R_{m,s + 1}} + {\delta _5}_s{R_{{m,s + 2}}} + {\varepsilon _{i,s}}$$ (2) 其中,
${R_{_{i,s}}}$ 为股票i在第s周的考虑现金红利再投资的个股回报率;${R_{_{m,s}}}$ 为市场在第s周考虑现金红利再投资的市场回报率,模型中同时包含了市场回报率的提前和滞后项;估计得出的残差${\varepsilon _{i,s}}$ 捕捉了个股回报率中不能被市场回报率所解释的部分。定义${W_{_{i,s}}} = \ln (1 + {\varepsilon _{i,s}})$ 为股票的周特有回报率。根据模型(3)计算负收益偏态系数(
${\rm{Ncskew}}$ )。其中,n是股票i在t年内参与交易的周数。${\rm{Ncskew}}$ 越大,股票股价崩盘风险越大。$${\rm{Ncske}}{{\rm{w}}_{{i,t}}} = - \left[ {n{{(n - 1)}^{ {\frac{3}{2}}}}\sum {W_{i,s}^3} } \right]\big/\left[ {(n - 1)(n - 2){{(\sum {W_{i,s}^2} )}^{ {\frac{3}{2}}}}} \right]$$ (3) 根据模型(4)计算股票涨跌波动比(
${\rm Duvol}$ )。将各股票每年各周按回报率分为高于平均值组和低于平均值组,${n_u}$ 是股票i的周回报率高于当年平均回报率的周数,${n_d}$ 是股票i的周回报率低于当年平均回报率的周数。${\rm{Duvol}}$ 越大,股价崩盘风险越大。$${\rm{Duvo}}{{\rm{l}}_{{i,t}}} = \ln \left[ {({n_u} - 1)\sum\nolimits_{\rm down} W _{i,s}^2/({n_d} - 1)\sum\nolimits_{\rm up} {W_{i,s}^2} } \right]$$ (4) -
模型(1)以是否存在内控缺陷(MWSD)为解释变量。内控缺陷包括重大缺陷、重要缺陷和一般缺陷,严重程度依次降低。已有文献通常只关注重大缺陷(如Cheng等[24]),但证监会注意到中国市场存在降格认定情况,《2017年上市公司年报会计监管报告》指出“部分上市公司存在已经达到其内控重大缺陷认定标准的缺陷,但未予以披露”。王俊和吴溪[25]指出公司会利用自由裁量权更改内控缺陷认定标准,Bedard和Graham[11]发现管理层倾向于低估内控缺陷的严重性。因此,我们认为披露重要缺陷也意味着公司内控系统存在较大风险。如果公司披露重大或重要缺陷,则认为披露前一年公司已经存在内控缺陷,MWSD赋值为1,否则为0。结合本文样本选取过程举例说明:全新好(股票代码000007)于2014年首次披露了重要缺陷,则认为2013年该公司已经存在严重的内控缺陷,2013年MWSD取值为1,对应被解释变量为2014年的股价崩盘风险。检验H1的样本为存在内控缺陷的样本(处理组)和内控有效的样本(控制组)。在前文样本选取部分已经说明:处理组披露内控缺陷前一年共176个观测值,控制组共1 290个观测值,因此H1全样本共包含1 466个观测值;H1的PSM样本包含176个存在内控缺陷的样本和与之匹配的134个内控有效样本,共310个观测值。
-
为控制其他因素对股价崩盘风险的影响,参考Kim等[13]和夏常源和贾凡胜[3]169,选取以下控制变量:股票当期负收益偏态系数(Ncskew)、月均超额换手率(DTurn)、股票周特有回报率W的标准差(Sigma)、股票平均回报率(Ret)、资产规模(Size)、账市比(BM)、资产负债率(LEV)、资产收益率(ROA)、信息不透明度(absDA)。具体变量定义如表1所示。
-
为检验内控缺陷的披露与股价崩盘的关系,构建双重差分(Difference In Difference,DID)模型
$${\rm{Cras}}{{\rm{h}}_{t + 1}} = {\beta _0} + {\beta _1}{\rm{Trea}}{{\rm{t}}_t} + {\beta _2}{\rm{Post}} + {\beta _3}{\rm{Trea}}{{\rm{t}}_t} \times {\rm{Post}} + {\sum {\beta {\rm{Controls}}} _t} + {\rm{F}}{{\rm{E}}_2} + {\varepsilon _2}$$ (5) 其中,Crash代表股价崩盘风险,在回归中分别以股票负收益偏态系数(Ncskew)和股票涨跌波动比(Duvol)代替,并根据惯例取滞后一期值;Treat为虚拟变量,当公司属于处理组时取1,否则为0;Post为虚拟变量,处理组公司披露内控缺陷当年取1,披露前一年取0。参考文献[13],对控制组公司随机选取一年作为处理年,在处理年后取1,否则取0。前文样本选取部分已经说明:处理组披露内控缺陷当年共192个观测值,披露前一年共176个观测值,控制组共1290个观测值,因此H2全样本共包含1 658个观测值;H2的PSM样本包含处理组处理前176个观测值、处理后192个观测值,控制组处理前134个观测值、处理后192个观测值,共694个观测值。若交乘项Treat×Post系数显著为正,说明内控缺陷披露期的未来股价崩盘风险高于内控缺陷存在期,即内控缺陷的披露加剧了股价崩盘风险;若Treat×Post系数显著未负,说明披露内控缺陷会降低股价崩盘风险。
-
表2报告了主要变量的描述性统计结果。Ncskewt+1和Duvolt+1均值分别为−0.385和−0.070,与文献[4]结果接近;标准差分别为0.990和0.793,说明不同公司不同时期的股价崩盘风险存在较大差异。MWSDt均值为0.120,说明12%的样本公司存在内控缺陷。控制变量的描述性统计结果与已有研究[4]差异不大。整体来说,本文使用变量的分布与现有研究保持一致。
表 2描述性统计
变量 样本量 平均值 中位数 最小值 最大值 标准差 Ncskewt+1 1466 −0.385 −0.351 −4.527 4.788 0.990 Duvolt+1 1466 −0.070 −0.093 −2.915 3.808 0.793 MWSDt 1466 0.120 0.000 0.000 1.000 0.325 Ncskewt 1466 −0.195 −0.192 −3.159 2.434 0.912 DTurnt 1466 −1.746 −1.799 −64.150 67.150 20.540 Sigmat 1466 0.047 0.043 0.020 0.131 0.018 Rett 1466 −0.002 −0.002 −0.020 0.024 0.006 Sizet 1466 23.020 22.900 19.120 27.990 1.394 BMt 1466 0.710 0.727 0.107 1.105 0.246 LEVt 1466 0.493 0.498 0.078 0.955 0.180 ROAt 1466 0.045 0.038 −0.216 0.195 0.047 absDAt 1466 0.061 0.040 0.001 0.612 0.077 表3报告了主要变量之间的Pearson相关系数。Ncskewt+1和Duvolt+1的相关系数达到0.786,并在1%水平显著,说明两个衡量股价崩盘风险的指标高度正相关,这与文献[13]结果也保持一致。MWSDt与Ncskewt+1和Duvolt+1均在1%水平显著正相关,初步验证了H1。
表 3Pearson相关系数表
变量 Ncskewt+1 Duvolt+1 MWSDt Ncskewt DTurnt Sigmat Rett Ncskewt+1 1 Duvolt+1 0.786*** 1 MWSDt 0.115*** 0.111*** 1 Ncskewt −0.015 −0.044* 0.024 1 DTurnt −0.011 −0.088*** −0.029 −0.184*** 1 Sigmat 0.054** −0.006 0.035 −0.209*** 0.393*** 1 Rett 0.131*** 0.115*** −0.059** −0.538*** 0.182*** 0.385*** 1 Sizet −0.003 −0.040 −0.088*** −0.051* 0.003 −0.267*** −0.095*** BMt −0.166*** −0.164*** −0.098*** 0.053** −0.159*** −0.339*** −0.217*** LEVt −0.029 −0.033 0.061** −0.027 0.013 0.058** −0.022 ROAt 0.070*** 0.019 −0.127*** −0.004 −0.020 −0.073*** 0.133*** absDAt 0.061** 0.017 0.023 −0.021 0.008 0.170*** 0.071*** 变量 Sizet BMt LEVt ROAt absDAt Sizet 1 BMt 0.565*** 1 LEVt 0.364*** 0.393*** 1 ROAt −0.049* −0.367*** −0.467*** 1 absDAt −0.075*** −0.086*** 0.088*** −0.019 1 注:*、**和***分别表示在10%、5%水和1%平上显著。 -
将样本划分为实验组(存在内控缺陷的公司)和控制组(不存在内控缺陷的公司),表4列示了单变量分析结果。表4第(1)列显示,内控缺陷披露前,Ncskewt+1的实验组均值(−0.896)远高于控制组均值(−1.261),且均值差异在1%水平显著,说明存在内控缺陷的公司具有更高的未来股价崩盘风险。在内控缺陷披露以后,实验组的Ncskewt+1从−0.896变化至−0.937,控制组的Ncskewt+1从−1.261变化至−1.202,但两组Ncskewt+1的变化并没有显著差异(双重差分值为−0.099,t值为0.823,不存在统计意义上的显著性),意味着实验组和控制组在内控缺陷披露后的股价崩盘风险变化幅度没有显著差异,即内控缺陷的披露行为对股价崩盘风险影响微弱。第(2)列结果与第(1)列类似,不再赘述。
表 4单变量分析
组别 (1) Ncskewt+1 (2) Duvolt+1 均值 t值 均值 t值 内控缺陷披露前: 控制组(C) −1.261 −0.889 实验组(T) −0.896 −0.604 差分(T−C) 0.364 4.100*** 0.284 3.934*** 内控缺陷披露后: 控制组(C) −1.202 −0.793 实验组(T) −0.937 −0.584 差分(T−C) 0.266 3.141*** 0.206 2.992*** 双重差分 −0.099 0.823 −0.079 0.421 注:*、**和***分别表示在10%、5%和1%水平上显著。 -
表5列示了H1检验结果,第(1)列和第(2)列是在H1全样本下分别以Ncskew和Duvol为被解释变量的回归结果,第(3)列和第(4)列是在H1的PSM样本下分别以Ncskew和Duvol为被解释变量的回归结果。在控制了行业、年度固定效应并进行聚类稳健标准误差校正后,MWSD的系数始终在1%和5%水平显著为正,说明存在内控缺陷的公司的未来股价崩盘风险更高,实证结果支持H1。同时,实证结果也显示,平均股票回报率越高、规模越大、账市比越低、资产收益率越差、信息越不透明的公司越可能遭遇未来股价崩盘。
表 5内控缺陷的存在与股价崩盘风险
变量 (1) Ncskewt+1 (2) Duvolt+1 (3) Ncskewt+1 (4) Duvolt+1 MWSDt 0.341*** 0.197*** 0.372*** 0.194** (3.534) (2.886) (3.066) (2.365) Ncskewt 0.040 0.040 −0.001 0.037 (1.175) (1.365) (−0.010) (0.795) DTurnt 0.002 0.000 0.003 0.002 (0.919) (0.217) (1.147) (0.850) Sigmat −0.694 0.681 −3.894 −1.359 (−0.351) (0.448) (−0.927) (−0.442) Rett 24.162*** 18.295*** 16.636 15.345* (4.600) (4.489) (1.582) (1.899) Sizet 0.125*** 0.061*** 0.149*** 0.081* (4.180) (2.929) (2.621) (1.856) BMt −0.911*** −0.749*** −0.916*** −0.668** (−4.620) (−4.891) (−2.596) (−2.392) LEVt −0.119 −0.095 −0.114 −0.128 (−0.625) (−0.662) (−0.319) (−0.507) ROAt −0.786 −1.208** −0.630 −1.079 (−1.223) (−2.218) (−0.571) (−1.313) absDAt 0.529** −0.089 1.130* 0.394 (1.984) (−0.376) (1.856) (0.885) 行业/年度 控制 控制 控制 控制 N 1466 1466 310 310 AdjR2 0.098 0.122 0.097 0.170 注:*、**和***分别表示在10%、5%水和1%平上显著;括号内为t值。 -
表6列示了H2检验结果,第(1)列和第(2)列是在H2全样本下分别以Ncskew和Duvol为被解释变量的回归结果,第(3)列和第(4)列是在H2的PSM样本下分别以Ncskew和Duvol为被解释变量的回归结果。可以看到,第(2)列和(4)列,交乘项Treat×Post系数为正,且在10%水平显著,但在第(1)列和(3)列则不显著。该结果说明,内控缺陷的披露会加剧未来股价崩盘风险,但影响程度十分有限。Kim等[13]9-10发现披露内控缺陷能够显著降低股价崩盘风险,认为披露内控缺陷的公司会积极整改缺陷,查缺补漏,梳理和更正已存在的财报问题,从而提高了公司信息透明度,进而降低股价崩盘风险。这一理论成立的前提是美国成熟的证券市场和SOX的严格监管促使公司有更正缺陷的强烈动机。与发达市场相比,中国证券市场的监管强度、投资者保护力度、中介市场成熟度都相对较弱[25],导致公司修正缺陷的进度迟缓,进而导致投资者不相信披露缺陷的公司能及时整改缺陷,也不认为信息透明度能得到提升,因此,在中国市场上没有观察到个股披露内控缺陷后股价崩盘风险降低。这可能是本文结果与文献[13]相左的原因。
表 6内控缺陷披露与股价崩盘风险
变量 (1) Ncskewt+1 (2) Duvolt+1 (3) Ncskewt+1 (4) Duvolt+1 Treat 0.093 −0.073 0.094 −0.083 (0.497) (−0.559) (0.414) (−0.517) Post −0.293 −0.318** −0.337 −0.318* (−1.444) (−2.256) (−1.325) (−1.825) Treat×Post 0.281 0.296* 0.366 0.334* (1.205) (1.758) (1.294) (1.662) 控制变量 控制 控制 控制 控制 行业/年度 控制 控制 控制 控制 N 1 658 1 658 694 694 AdjR2 0.100 0.128 0.091 0.156 注:*、**和***分别表示在10%、5%水和1%平上显著;括号内为t值。 -
前文发现,内控缺陷的存在与股价崩盘风险正相关。“管理层捂盘假说”认为,不透明的信息环境会帮助企业隐瞒坏消息,那么,存在缺陷的内控系统是否通过加深信息不透明进而加剧了股价崩盘风险呢?接下来,遵循Baron和Kenny[26]逐步法检验信息透明度的中介作用。检验过程如下:第一步,考察内控缺陷的存在对股价崩盘风险的影响,检验模型(1)中
${\alpha _1}$ ,如果显著则进行下一步。第二步,考察内控缺陷的存在对信息透明度的影响,检验模型(6)中${\beta _1}$ ,如果显著则进行下一步。第三步,考察信息透明度对股价崩盘风险的影响,检验模型(7)中${\gamma _1}$ ,如果显著则进行下一步。第四步,同时考察内控缺陷的存在与信息透明度对股价崩盘风险的影响,检验模型(8)中${\lambda _1}$ 和${\lambda _2}$ ,如果${\lambda _1}$ 不显著、${\lambda _2}$ 显著则说明直接效应不显著、只存在中介效应;如果${\lambda _1}$ 、${\lambda _2}$ 均显著,继续比较${\lambda _1}$ 和${\beta _1} \times {\gamma _1}$ ,如果同号则中介效应为部分中介效应,否则为遮掩效应。$${\rm{absD}}{{\rm{A}}_t} = {\beta _0} + {\beta _1}{\rm{MWS}}{{\rm{D}}_t} + {\sum {\beta {\rm{Controls}}} _t} + {\rm{FE}} + \varepsilon $$ (6) $${\rm{Cras}}{{\rm{h}}_{t + 1}} = {\gamma _0} + {\gamma _1}{\rm{absD}}{{\rm{A}}_t} + {\sum {\gamma {\rm{Controls}}} _t} + {\rm{FE}} + \varepsilon $$ (7) $${\rm{Cras}}{{\rm{h}}_{t + 1}} = {\lambda _0} + {\lambda _1}{\rm{MWS}}{{\rm{D}}_t} + {\lambda _2}{\operatorname{absDA} _t} + {\sum {\lambda {\rm{Controls}}} _t} + {\rm{FE}} + \varepsilon $$ (8) 其中,Crash为股价崩盘风险,使用Ncskew代替;absDA为信息透明度,参考夏常源和贾凡胜[3]169,使用应计质量衡量信息透明度,应计质量通过修正琼斯模型计算得出,absDA越大,信息透明度越低;MWSD为虚拟变量,若公司存在内控缺陷则取值为1,若内控有效则取值为0。回归结果如表7所示。第(1)列显示
${\alpha _1}$ 显著为正,说明存在内控缺陷的公司股价崩盘风险更高,第(2)列显示${\beta _1}$ 显著为正,说明存在内控缺陷的公司信息透明度更低,第(3)列显示${\gamma _1}$ 显著为正,说明信息透明度低的公司股价崩盘风险更高,第(4)列显示${\lambda _1}$ 、${\lambda _2}$ 均显著,且${\lambda _1}$ 和${\beta _1} \times {\gamma _1}$ 同号,说明信息透明度发挥的是部分中介效应,即内控缺陷的存在可以通过降低信息透明度提高股价崩盘风险。表 7内控缺陷的存在、信息透明度与股价崩盘风险
变量 (1) Ncskewt+1 (2) absDAt (3) Ncskewt+1 (4) Ncskewt+1 MWSDt 0.342*** 0.011* 0.343*** (3.530) (1.703) (3.547) absDAt 0.388*** 0.394*** (2.917) (3.015) 控制变量 控制 控制 控制 控制 行业/年度 控制 控制 控制 控制 N 1 466 1 466 1 466 1 466 AdjR2 0.097 0.100 0.088 0.098 注:*、**和***分别表示在10%、5%和1%水平上显著;括号内为t值。 -
本文进行了多种稳健性检验。第一,将兴趣变量缩小为仅关注重大缺陷。定义虚拟变量MW,当公司披露重大缺陷的前一年认为公司已经存在重大缺陷,MW取1,否则为0。定义虚拟变量Treat2,若公司披露重大缺陷则定义公司属于实验组,Treat2取1,若公司属于控制组,则Treat2取0。定义虚拟变量Post2,公司披露重大缺陷的当年取1,披露重大缺陷的前一年取0。重新估计本文主要模型,结果如表8所示。MW系数显著为正,Treat2与Post2交乘项系数不显著,再次说明内控缺陷的存在显著影响股价崩盘风险,内控缺陷的披露对股价崩盘风险影响微弱。
表 8稳健性检验:仅关注重大缺陷
变量 (1) Ncskewt+1 (2) Duvolt+1 (3) Ncskewt+1 (4) Duvolt+1 MW 0.441*** 0.243*** (4.587) (3.333) Treat2 0.513* 0.129 (1.793) (0.802) Post2 0.070 −0.177 (0.239) (−1.037) Treat2×Post2 −0.089 0.083 (−0.257) (0.388) N 1 322 1322 1 480 1480 AdjR2 0.111 0.135 0.110 0.135 注:*、**和***分别表示在10%、5%水和1%平上显著;括号内为t值。 第二,由于股票负收益偏态系数和股票涨跌波动比的计算过程中需要个股回报率数据,前文使用了考虑现金红利再投资的个股回报率,稳健性检验中使用不考虑现金红利再投资的个股回报率重新计算股价崩盘风险的两个指标,重新代入回归,结果几乎没有变化。
第三,由于H2控制组样本实际上并未披露内控缺陷,因此为H2控制组随机选取处理年重复1 000次并重新估计模型,结果未发生实质性变化。
-
以2008—2019年主板上市公司为研究样本,考察了内控缺陷如何影响股价崩盘风险。研究发现:(1)内控缺陷的存在与股价崩盘风险正相关。(2)内控缺陷的披露不会显著影响股价崩盘风险。(3)内控缺陷的存在会通过降低信息透明度进而加剧股价崩盘风险。
根据本文结论,得到以下启示:(1)存在内控缺陷的公司股价崩盘风险更高,反之,内控有效的公司股价崩盘风险较低。本文研究结果说明有效的内部控制是抵御股价崩盘的重要制度安排,企业应正视内部控制的重要性,不断加强内控制度建设。(2)内控缺陷的存在与股价崩盘风险正相关,这说明即使管理层未披露内控缺陷,但内控缺陷的存在仍然会被投资者感知,隐瞒坏消息并不能长久地蒙蔽投资者,企业为了短期利益而进行选择性信息披露并无实质性意义。如实披露缺陷、更正弥补漏洞、维持内控有效才是企业长存之道。(3)企业如实披露内控缺陷并不会招致股价崩盘,市场对少量坏消息具备容忍度,投资者越发趋向于价值投资,企业和投资者都不必对坏消息“谈虎色变”。此外,本文研究也未发现内控缺陷披露可以降低崩盘风险的证据,说明投资者对披露内控缺陷的公司能够及时整改内控缺陷并不抱有正面期待,内控缺陷的披露不能起到增强投资者持股信心的作用。可见,监管部门和中介机构对披露内控缺陷的公司及时给予政策和技术支持,促使公司积极整改缺陷,对增强投资者信心十分必要。
The Effects of Internal Control Deficiencies’ Existence and Disclosure on Stock Price Crash Risk
-
摘要:为探究内控缺陷如何影响股价崩盘风险,从坏消息的聚集和释放这一视角进行理论分析,将影响机制分解为内控缺陷的存在与披露两个过程分别讨论。以2008—2019年沪深主板上市公司为初始研究对象,筛选出内控有效的公司和内控具有严重问题的公司构建研究样本,采用多元回归分析、倾向得分匹配、双重差分等多种研究方法,实证结果发现:相较于内控有效的公司,存在内控缺陷的公司股价崩盘风险更高;内控缺陷的披露对股价崩盘风险影响微弱。进一步分析表明,信息透明度在内控缺陷的存在与股价崩盘风险的关系中具有部分中介作用。Abstract:In order to explore how internal control deficiencies affect stock price crash risk, this paper makes a theoretical analysis from the perspective of gathering and releasing negative news and discusses the influence mechanism from two processes: the existence and disclosure of internal control deficiencies (ICDs). Taking A-share companies listed on mainboard from 2008 to 2019 as the initial study objectives, this paper selects companies with effective internal control and companies with serious internal control deficiencies to build the sample. By adopting methodology including multiple regression analysis, propensity score matching and difference-in-difference method, the results show that: (1) compared to companies with effective internal control, companies with ICDs are more likely to experience stock price crash; (2) the disclosure of ICDs only has marginal effect on future stock price crash risk; and (3) transparency has a partial mediating effect on the relationship between ICDs existence and stock price crash risk.
-
表 1变量定义表
变量 变量定义与说明 被解释变量: Ncskewt+1 滞后一期股票负收益偏态系数,用以衡量未来股价崩盘风险 Duvolt+1 滞后一期股票涨跌波动比,用以衡量未来股价崩盘风险 解释变量: MWSDt 虚拟变量。若公司披露重大或重要缺陷,则认为披露前一年公司存在内控缺陷,取值为1;若公司在2008—2019年从未披露重大或重要缺陷、从未发生诉讼、从未受到监管处罚、从未收到非标审计意见,则定义该公司为内控有效的公司,取值为0 Treatt 虚拟变量。若公司属于内控缺陷组(处理组),取值为1;属于内控有效组(控制组),取值为0 Postt 虚拟变量。披露重大或重要缺陷的当年取1;披露重大或重要缺陷的前一年取0 控制变量: Ncskewt 股票负收益偏态系数 DTurnt 月均超额换手率 Sigmat 股票经市场调整后周收益率W的标准差 Rett 股票平均回报率,年度内股票各周持有收益率的均值 Sizet 总资产的自然对数 BMt 账市比 LEVt 资产负债率=负债总额/资产总额 ROAt 资产收益率=利润总额/资产总额 absDAt 信息不透明度,参考文献[2],使用操纵性应计利润衡量信息不透明度 表 2描述性统计
变量 样本量 平均值 中位数 最小值 最大值 标准差 Ncskewt+1 1466 −0.385 −0.351 −4.527 4.788 0.990 Duvolt+1 1466 −0.070 −0.093 −2.915 3.808 0.793 MWSDt 1466 0.120 0.000 0.000 1.000 0.325 Ncskewt 1466 −0.195 −0.192 −3.159 2.434 0.912 DTurnt 1466 −1.746 −1.799 −64.150 67.150 20.540 Sigmat 1466 0.047 0.043 0.020 0.131 0.018 Rett 1466 −0.002 −0.002 −0.020 0.024 0.006 Sizet 1466 23.020 22.900 19.120 27.990 1.394 BMt 1466 0.710 0.727 0.107 1.105 0.246 LEVt 1466 0.493 0.498 0.078 0.955 0.180 ROAt 1466 0.045 0.038 −0.216 0.195 0.047 absDAt 1466 0.061 0.040 0.001 0.612 0.077 表 3Pearson相关系数表
变量 Ncskewt+1 Duvolt+1 MWSDt Ncskewt DTurnt Sigmat Rett Ncskewt+1 1 Duvolt+1 0.786*** 1 MWSDt 0.115*** 0.111*** 1 Ncskewt −0.015 −0.044* 0.024 1 DTurnt −0.011 −0.088*** −0.029 −0.184*** 1 Sigmat 0.054** −0.006 0.035 −0.209*** 0.393*** 1 Rett 0.131*** 0.115*** −0.059** −0.538*** 0.182*** 0.385*** 1 Sizet −0.003 −0.040 −0.088*** −0.051* 0.003 −0.267*** −0.095*** BMt −0.166*** −0.164*** −0.098*** 0.053** −0.159*** −0.339*** −0.217*** LEVt −0.029 −0.033 0.061** −0.027 0.013 0.058** −0.022 ROAt 0.070*** 0.019 −0.127*** −0.004 −0.020 −0.073*** 0.133*** absDAt 0.061** 0.017 0.023 −0.021 0.008 0.170*** 0.071*** 变量 Sizet BMt LEVt ROAt absDAt Sizet 1 BMt 0.565*** 1 LEVt 0.364*** 0.393*** 1 ROAt −0.049* −0.367*** −0.467*** 1 absDAt −0.075*** −0.086*** 0.088*** −0.019 1 注:*、**和***分别表示在10%、5%水和1%平上显著。 表 4单变量分析
组别 (1) Ncskewt+1 (2) Duvolt+1 均值 t值 均值 t值 内控缺陷披露前: 控制组(C) −1.261 −0.889 实验组(T) −0.896 −0.604 差分(T−C) 0.364 4.100*** 0.284 3.934*** 内控缺陷披露后: 控制组(C) −1.202 −0.793 实验组(T) −0.937 −0.584 差分(T−C) 0.266 3.141*** 0.206 2.992*** 双重差分 −0.099 0.823 −0.079 0.421 注:*、**和***分别表示在10%、5%和1%水平上显著。 表 5内控缺陷的存在与股价崩盘风险
变量 (1) Ncskewt+1 (2) Duvolt+1 (3) Ncskewt+1 (4) Duvolt+1 MWSDt 0.341*** 0.197*** 0.372*** 0.194** (3.534) (2.886) (3.066) (2.365) Ncskewt 0.040 0.040 −0.001 0.037 (1.175) (1.365) (−0.010) (0.795) DTurnt 0.002 0.000 0.003 0.002 (0.919) (0.217) (1.147) (0.850) Sigmat −0.694 0.681 −3.894 −1.359 (−0.351) (0.448) (−0.927) (−0.442) Rett 24.162*** 18.295*** 16.636 15.345* (4.600) (4.489) (1.582) (1.899) Sizet 0.125*** 0.061*** 0.149*** 0.081* (4.180) (2.929) (2.621) (1.856) BMt −0.911*** −0.749*** −0.916*** −0.668** (−4.620) (−4.891) (−2.596) (−2.392) LEVt −0.119 −0.095 −0.114 −0.128 (−0.625) (−0.662) (−0.319) (−0.507) ROAt −0.786 −1.208** −0.630 −1.079 (−1.223) (−2.218) (−0.571) (−1.313) absDAt 0.529** −0.089 1.130* 0.394 (1.984) (−0.376) (1.856) (0.885) 行业/年度 控制 控制 控制 控制 N 1466 1466 310 310 AdjR2 0.098 0.122 0.097 0.170 注:*、**和***分别表示在10%、5%水和1%平上显著;括号内为t值。 表 6内控缺陷披露与股价崩盘风险
变量 (1) Ncskewt+1 (2) Duvolt+1 (3) Ncskewt+1 (4) Duvolt+1 Treat 0.093 −0.073 0.094 −0.083 (0.497) (−0.559) (0.414) (−0.517) Post −0.293 −0.318** −0.337 −0.318* (−1.444) (−2.256) (−1.325) (−1.825) Treat×Post 0.281 0.296* 0.366 0.334* (1.205) (1.758) (1.294) (1.662) 控制变量 控制 控制 控制 控制 行业/年度 控制 控制 控制 控制 N 1 658 1 658 694 694 AdjR2 0.100 0.128 0.091 0.156 注:*、**和***分别表示在10%、5%水和1%平上显著;括号内为t值。 表 7内控缺陷的存在、信息透明度与股价崩盘风险
变量 (1) Ncskewt+1 (2) absDAt (3) Ncskewt+1 (4) Ncskewt+1 MWSDt 0.342*** 0.011* 0.343*** (3.530) (1.703) (3.547) absDAt 0.388*** 0.394*** (2.917) (3.015) 控制变量 控制 控制 控制 控制 行业/年度 控制 控制 控制 控制 N 1 466 1 466 1 466 1 466 AdjR2 0.097 0.100 0.088 0.098 注:*、**和***分别表示在10%、5%和1%水平上显著;括号内为t值。 表 8稳健性检验:仅关注重大缺陷
变量 (1) Ncskewt+1 (2) Duvolt+1 (3) Ncskewt+1 (4) Duvolt+1 MW 0.441*** 0.243*** (4.587) (3.333) Treat2 0.513* 0.129 (1.793) (0.802) Post2 0.070 −0.177 (0.239) (−1.037) Treat2×Post2 −0.089 0.083 (−0.257) (0.388) N 1 322 1322 1 480 1480 AdjR2 0.111 0.135 0.110 0.135 注:*、**和***分别表示在10%、5%水和1%平上显著;括号内为t值。 -
[1] LOBO G, WANG C, YU X, ZHAO Y. Material weakness in internal controls and stock price crash risk[J]. Journal of Accounting, Auditing & Finance, 2020, 35(1): 106-138. [2] 宫义飞. 内部控制缺陷及整改对股价崩盘风险的影响[J]. 中南财经政法大学学报, 2020, (1): 37-45.doi:10.3969/j.issn.1003-5230.2020.01.004 [3] 夏常源, 贾凡胜. 控股股东股权质押与股价崩盘: “实际伤害”还是“情绪宣泄”[J]. 南开管理评论, 2019, 22(5): 165-177.doi:10.3969/j.issn.1008-3448.2019.05.015 [4] 易志高, 李心丹, 潘子成, 茅宁. 公司高管减持同伴效应与股价崩盘风险研究[J]. 经济研究, 2019, 54(11): 54-70. [5] 吴伟荣, 李晶晶. 注册会计师超长累计任期与股价崩盘风险研究[J]. 管理学报, 2019, 16(7): 1097-1106.doi:10.3969/j.issn.1672-884x.2019.07.017 [6] XU N, JIANG X, CHAN K C, et al. Analyst herding and stock price crash risk: evidence from China[J]. Journal of International Financial Management & Accounting, 2017, 28(3): 88-107. [7] 李沁洋, 许年行. 资本市场对外开放与股价崩盘风险: 来自沪港通的证据[J]. 管理科学学报, 2019, 22(8): 108-126.doi:10.3969/j.issn.1007-9807.2019.08.009 [8] LIANG Q, LI D, GAO W. Ultimate ownership, crash risk, and split share structure reform in China[J]. Journal of Banking and Finance, 2020, 113(6): 66-87. [9] 李昊洋, 程小可, 郑立东. 投资者情绪对股价崩盘风险的影响研究[J]. 软科学, 2017, 31(7): 98-102. [10] ALTAMURO J, BEATTY A. How does internal control regulation affect financial reporting?[J]. Journal of Accounting and Economics, 2010, 49(1): 58-74. [11] FENG M, LI C, MCVAY S E, et al. Does ineffective internal control over financial reporting affect a firm's operations? evidence from firms' inventory management[J]. The Accounting Review, 2015, (2): 529-557. [12] 孙自愿, 王玲, 李秀枝, 等. 研发投入与企业绩效的动态关系研究: 基于内部控制有效性的调节效应[J]. 软科学, 2019, 33(7): 51-57. [13] KIM J B, YEUNG I, ZHOU J. Stock price crash risk and internal control weakness: presence vs. disclosure effect[J]. Accounting & Finance, 2019, 59(2): 1197-1233. [14] BEDARD J C, GRAHAM L. Detection and severity classifications of sarbanes-oxley section 404 internal control deficiencies[J]. The Accounting Review, 2011, 86(3): 825-855.doi:10.2308/accr.00000036 [15] Jin L, Myers S C. R2平方? around the world: new theory and new tests[J]. Journal of Financial Economics, 2006, 79(2): 257-292.doi:10.1016/j.jfineco.2004.11.003 [16] 方红星, 陈作华. 高质量内部控制能有效应对特质风险和系统风险吗?[J]. 会计研究, 2015, (4): 70-77+96.doi:10.3969/j.issn.1003-2886.2015.04.010 [17] KOTHARI S P, SHU S, WYSOCKI P D. Do managers withhold bad news?[J]. Journal of Accounting Research, 2009, 47(1): 241-276.doi:10.1111/j.1475-679X.2008.00318.x [18] DOYLE J T, GE W, MCVAY S. Accruals quality and internal control over financial reporting[J]. The Accounting Review, 2007, 82(5): 1141-1170.doi:10.2308/accr.2007.82.5.1141 [19] HUTTON A P, MARCUS A J, TEHRANIAN H. Opaque financial reports,R2, and crash risk[J]. Journal of Financial Economics, 2009, 94(1): 67-86.doi:10.1016/j.jfineco.2008.10.003 [20] 杨清香, 俞麟, 宋丽. 内部控制信息披露与市场反应研究: 来自中国沪市上市公司的经验证据[J]. 南开管理评论, 2012, 15(1): 123-130.doi:10.3969/j.issn.1008-3448.2012.01.014 [21] GAO X, JIA Y. The role of internal control in the equity issue market: evidence from seasoned equity offerings[J]. Journal of Accounting, Auditing & Finance, 2017, 32(3): 303-328. [22] CLINTON S B, PINELLO A S, SKAIFE H A. The implications of ineffective internal control and SOX 404 reporting for financial analysts[J]. Journal of Accounting and Public Policy, 2014, 33(4): 303-327.doi:10.1016/j.jaccpubpol.2014.04.005 [23] WILFORD A L. An analysis of multiple consecutive years of material weaknesses in internal control[J]. Accounting Review, 87(6): 2027-2060. [24] DOYLE J, GE W, MCVAY S. Determinants of weaknesses in internal control over financial reporting[J]. Journal of Accounting and Economics, 2007, 44(1): 193-223. [25] KE B, LENNOX C S, XIN Q. The effect of China's weak institutional environment on the quality of Big 4 Audits[J]. The Accounting Review, 2015, 90(4): 1591-1619.doi:10.2308/accr-50943 [26] BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173-1182.doi:10.1037/0022-3514.51.6.1173 -