下载掌阅APP，畅读海量书库
立即打开
1.公司财务数据
本文使用2016—2021年中国上市公司样本。公司的季度、年度等财务数据均来自CSMAR数据库，剔除公司中异常、缺失和不连续的数据，并剔除金融行业和ST上市公司数据，最终样本包括31302个公司—季度观测值，其中包括33.47%的国有控股上市公司样本和66.53%的非国有控股上市公司样本。除此之外，本文还设置了控制组和处理组进行检验，将没有受到党委审计委员会召开会议影响的公司设为控制组（1797家公司），将其他受到党委审计委员会召开会议影响的公司设为处理组（2100家公司）。本文对主要连续变量在1%水平上进行缩尾处理，以排除极端值的影响。
2.党委审计委员会相关数据
其一，本文利用大数据系统，以“省级党委审计委员会”“市级党委审计委员会”“自治区党委审计委员会”等为关键词，采用网络Web 爬虫技术，通过“锐研中文新闻数据库”中官方媒体新闻信息，并从“今日头条”“百度搜索”手动整理获取相关信息，以完整爬取各级地方机构党委审计委员会的设立及会议召开情况。党委审计委员会相关文本信息从2018年开始，截至2022年，共计11500条党委审计委员会会议召开信息。其二，本文利用文本分析技术，通过编码对爬取文本进行清洗、筛选和统计分析，确定会议召开时间、会议的行政级别（省级、市级或县级），并统计会议召开次数及具体内容。对于无法从媒体信息中确定省市县等级别的，将根据新闻内容、报纸所在地、参会领导履职信息，人工收集、判断党委审计委员会所召开会议的行政层级。
1.被解释变量
为了衡量公司盈余质量，本文计算企业季度操控性应计盈余管理水平（DA i,t ）。DA反映企业的盈余操纵情况，其数值越小，表明企业盈余质量越高。
本文借鉴魏涛等（2007）的做法估计非操控性应计利润。本文采用修正Jones横截面模型，分行业估计操控性应计利润，同时借鉴Jeter and Shivakumar（1999）研究季度盈余管理计量模型的成果，考虑经营活动现金流量对应计利润的影响。另外，考虑到应计利润可能表现出季节性特征，本文还在模型中加入季度虚拟变量。综上，本文用于计算非操控性应计利润的模型为：
其中，NDA i,t 是公司i第t季度的非操控性应计利润，ΔREV i,t 是公司i第t季度的主营业务收入增加额，ΔREC i,t 是公司i第t季度的应收账款增加额，PPE i,t 是公司i第t季度的固定资产，OCF i,t 是公司i第t季度的经营活动产生的净现金流量，QT 1 、QT 2 、QT 3 分别为第1、2和3季度的虚拟变量。参数值β 0 -β 6 由以下模型回归得到：
最后，操控性应计利润 DA i,t = |TA i,t -NDA i,t |，取绝对值表示盈余管理水平。
除此之外，本文还用操控性应计利润前后两期的绝对值之差（DA i,t+1 -DA i,t ）反映企业在遇到党委审计委员会召开会议事件的激励之后其盈余管理行为的变化。
2.解释变量
（1）本文用Treat i ×Post t 表示上市公司i在本年第t季度是否受到本地党委审计委员会召开会议的影响。通过手工整理2018—2021年各地级市党委审计委员会召开会议时间并与所属地区上市公司匹配，从而得到上市公司每年每季度受本地党委审计委员会召开会议冲击的情况。
由于党委审计委员会在每个地级市的召开时间不一致，有先后顺序，因此这里将本年度先受到党委审计委员会召开会议的政策冲击的地级市所在上市公司设为实验组，后受到党委审计委员会召开会议的政策冲击的地级市所在上市公司设为对照组，考察两者的政策冲击差异；并以受到会议的政策冲击的本季度和下季度作为时间先后差异（这里做了简化处理，不考虑政策冲击的叠加效应，若公司本季度首次受到本地党委审计委员会会议冲击，则令本季度及下季度为1，否则令本季度及下季度为0），构建多期双重差分模型，求出本年当季度党委审计委员会召开会议对上市公司季度盈余管理水平的净效应。其中，Treat i 为分组虚拟变量，本季度首次受到党委审计委员会召开会议影响的企业取值为1，没有受到党委审计委员会召开会议影响的企业取值为0。Post t 为政策效应虚拟变量，若企业当年、当季度首次受到党委审计委员会召开会议的影响至下季度取值为1，否则当季度及下季度取值为0。Treat i ×Post t 的含义为：若上市公司当年、当季度受到本地党委审计委员会召开会议的影响，则令本季度及下季度取值为1，否则取值为0。
（2）对于党委审计委员会召开会议的响应速度（Speed），本文手工整理了2018年开始各地级市党委审计委员会第一次召开会议时间距离中央审计委员会召开第一次会议时间之差值（除以1000），差值越小表明会议召开时间越早，响应速度越快，说明地方政府对党委审计委员会越重视。
（3）对于党委审计委员会召开会议的响应内容（Details），本文对各地级市党委审计委员会每年每次召开会议的内容进行文本分析，计算情感分数，对会议内容进行打分，分值越高表明会议内容越丰富，质量越高，说明地方政府对党委审计委员会越重视。
3.调节变量
本文的调节变量主要有媒体关注（Media）和市场关注（Market）。
（1）媒体报道影响力得分（Media_Force），影响力=广度级别×强度级别×深度级别。
一是广度级别，用Alexa日均独立IP 访问量衡量，分为5个级别：1级为Alexa日均IP访问量低于1万，2级为Alexa日均IP访问量不低于1万，3级为Alexa日均IP访问量不低于10万，4级为Alexa日均IP 访问量不低于100万，5级为Alexa日均IP访问量不低于1000万。
二是强度级别，用发布的媒体行政级别或影响力大小衡量，分为5个级别：1级为大学官网、企业官网、个人博客、其他网站，2级为县区级机关、县区级门户，3级为地市级机关、地市级门户、地市级协会，4级为省级机关、省级门户、省级专业网站、省级协会，5级为国家级机关、全国性综合门户、全国性垂直门户、面向全国的知名专业网站、全国性协会等。
三是深度级别，用文章篇幅长短衡量，分为5个级别：1级字数少于500,2级字数为500—1000,3级字数为1000—3000,4级字数为3000—6000,5级字数在6000以上。
（2）本文用各地级市党委审计委员会每次召开会议时媒体对此的报道次数（Media_Time），作为媒体关注的调节变量进行稳健性检验。
（3）参考权小锋等（2010）的做法，市场关注使用盈余公告前30个交易日的平均换手率（Market_Ia）来衡量。
（4）参考张继德等（2014）、陈植元等（2016）的做法，利用衡量投资者情绪和股票关注度的百度指数数据（百度指数绝对值/1000000），构建市场关注度（Market_Index）变量，作为市场关注的调节变量进行稳健性检验。
4.控制变量
为控制可能对企业盈余质量产生影响的其他因素，本文参考于忠泊等（2012）和孙健等（2016）的研究，引入相关控制变量（Controls）。一是季度数据层面：企业规模（Size），等于季度总资产的自然对数；资产负债率（Lev），等于季度总负债与总资产的比值；营业收入增长率（Mbrg），本季度增加的营业收入与上季度营业收入之比。二是年度数据层面：盈利能力（Roe），等于年末净利润与总资产的比值；独董比例（Idr），等于独立董事人数与董事会总人数的比值；营业周期（Bc）和员工人数（Stuff）等。此外，本文还控制了季度层面的时间固定效应和个体固定效应。
5.分组变量
由于国有企业可能与党和政府有更直接的联系（Li,2008），因此国有企业和民营企业受到党委审计委员会的影响可能不同，本文按企业产权性质（Soe）对样本进行分组并进行均值差异和回归分析。
具体变量定义如表1所示。
表1 变量定义
续表
本文将本年度先受到党委审计委员会召开会议的政策冲击的地级市所在上市公司设为实验组，后受到党委审计委员会召开会议的政策冲击的地级市所在上市公司设为对照组，考察两者的政策冲击差异，并以受到政策冲击的本季度和下季度作为时间先后差异，构建多期双重差分模型，求出本年当季度党委审计委员会召开会议对上市公司季度盈余管理水平的净效应。
其中，Treat i ×Post t 是指示变量，其含义为：若上市公司当年、当季度受到本地区党委审计委员会召开会议的影响，则令本季度及下季度等于1，否则等于0。DA i,t+1 是企业下季度盈余管理水平，预计党委审计委员会召开会议的监督治理效应具有滞后性。如果公司i在党委审计委员会召开会议之后盈余管理水平下降，则表示其操纵盈余管理行为受到抑制，预计DA的系数显著为负。