王崇锋 王世杰
（青岛大学商学院，青岛 266000）
引 言提升投资效率，是公司成长的直接因素，也是我国宏观经济增长的微观基础。国家统计局在2022年的国民经济运行情况新闻发布会上指出，在投资快速回升的同时，要注重提高投资效率，防止无效和低效投资。随着我国经济的平稳增长，企业投资水平的快速回升，投资效率较低仍然是我国企业面临的普遍问题。其中，投资不足与过度投资是我国企业投资效率较低的两种表现形式。前者主要源于企业与资本市场间的信息不对称，而后者主要源于企业内部经理人与股东间的利益冲突[1]。同年5月，国务院总理李克强进一步指出，要拓宽社会投资渠道、扩大有效投资。因此，如何有效提升企业投资效率成为学术界与实务界共同关注的重点问题。
社会网络理论认为，个体的行为是嵌入在网络中的，企业的决策通常也会依靠从网络中获取的信息[2]。在提升企业投资效率过程中，仅从企业自身角度考虑是不够的，还应当考虑企业所嵌入的网络。因此，基于网络视角探讨如何提升企业投资效率逐渐受到了学术界的广泛关注。陈运森和谢德仁[3]认为，如果在多家其他企业存在任职关系，独立董事不仅能够抑制投资过度，还能够缓解企业的投资不足。目前，学术界研究也主要聚焦于独立董事网络位置特征的作用，如探究中心度和结构洞对企业投资效率的影响[3-5]，并得出了丰富的研究结论[6-9]。其中，独立董事网络指的是以企业为网络节点，以独立董事在不同企业间同时任职为网络联结所构建的网络。然而，现有研究大都基于独立董事网络中企业间的信息传递效率是无差异的假设，即假设网络中所有存在联结的企业间在进行投资决策时依赖的信息是相同的，鲜有研究考虑到独立董事网络中存在联结的企业间的信息传递效率会受到地理距离影响而存在差异。Coval和Moskowitz[10]就曾研究指出，企业间的相对地理距离是影响信息传递效率的重要因素，地理距离会增加企业的信息搜寻成本，较远的地理距离甚至会导致信息失真，影响信息传递效率。 Kang 和 Kim[11]、Mian[12]也认为较远的地理距离可能会导致信息传递失真。陈克兢等[13]提出地理距离造成了企业间的信息鸿沟，导致企业间的信息不对称问题，影响了企业决策时的信息传递效率。学术界在地理邻近性对信息传递效率的影响方面始终颇具争议[14-19]。其中，地理邻近性是指组织在空间或物理距离上的接近程度，是学术界最早和最常被研究的维度[20]。因此，本文将从信息传递效率角度探讨地理邻近性在独立董事网络结构特征影响企业投资效率过程中所起的调节效应，以期丰富和完善该领域的研究。
1 理论分析与实证研究假设1.1 独立董事网络结构特征对投资效率的影响独立董事在公司治理结构中发挥的作用主要体现在监督和咨询。根据委托代理理论，独立董事在公司治理中获取的声誉和席位越丰富，发挥监督职能越积极；独立董事在公司治理中获取的信息越丰富，发挥咨询职能越积极。独立董事在公司治理中积极发挥监督和咨询两大职能，可以有效提升企业的投资效率。
从独立董事积极行使监督职能来看，如果企业在独立董事网络中的中心度较高，则意味着其独立董事在多家其他企业中存在任职关系。基于声誉假说，此时独立董事具有较高的社会声誉。声誉是独立董事在公司治理活动中行动和发挥作用的重要激励因素和制约因素。现有的声誉越高，独立董事就越会重视和珍惜这种声誉，这使得独立董事的监督动机得到增强，对管理层的投资行为进行更积极的监督[21，22]；另外，在多家其他企业存在任职关系，独立董事能够获得的席位较多，此时他们不必过分担心失去现有的董事席位，从而能够大胆地监督管理层的各项决策[23]，特别是投资决策，不容易沦为 “花瓶董事”，进而有利于提升投资效率。
从独立董事积极行使咨询职能来看，在多家其他企业存在任职关系，使得独立董事拥有较多获取信息的渠道，能够更加及时、准确地获取所需的信息，从而在投资决策中提供准确、可靠的建议，有利于提升投资效率；另外，在多家其他企业存在任职关系，独立董事通常都掌握较完备的投融资理论，同时大量的投资决策实践有助于独立董事更好地将理论与实践相结合，帮助独立董事在投资决策中为企业做出投资与否的正确判断[24]。如独立董事的专业分析可以避免由于管理层高估回报而导致的过度投资，或者独立董事积极发挥咨询职能，增加企业管理层的投资信心，及时将资金投资于净现值为正的项目，减少投资不足。基于此，本文提出如下假设：
假设1：企业在独立董事网络的中心度越高，投资效率越高。
如果企业在独立董事网络中的结构洞较高，则意味着其独立董事在多家不存在相同独立董事的其他企业中存在任职关系。这将给企业带来信息优势，通过迅速获取企业管理层所需的大量异质性的具有投资价值的信息，有利于提升企业投资效率。
从信息优势来看，根据结构洞理论[25]，独立董事网络是以企业为网络节点，以独立董事在不同企业间同时任职为网络联结所构建的网络。由于存在着独立董事没有同时任职的现象，使得这两家企业之间没有连接线。结构洞便以第三方的角色丰富了网络中企业间的联系，促进了网络中企业间异质性信息的传递，加快了这些异质性的信息在网络中流动的速度，有助于独立董事在企业的投资决策中获取大量异质性的具有投资价值的信息，提升企业投资效率。
基于以上分析，独立董事网络结构洞可以凭借其信息优势，帮助企业筛选出异质性的有价值的信息，进而帮助企业做出正确的决策，提高企业的投资效率。基于此，本文提出如下假设：
假设2：企业在独立董事网络的结构洞越高，投资效率越高。
1.2 地理邻近性的调节作用地理邻近性在独立董事网络中心度影响企业投资效率过程中所起的调节作用，主要体现在降低代理成本和治理成本。
地理邻近性有助于减少代理成本，降低企业内部信息不对称的程度[26]。企业在治理过程中通常都具有高度的信息不对称。尽管在网络中具有较高中心度的企业能够获取较多的信息，但由于企业内部存在高度的信息不对称，在实际进行投资决策时企业内部人员往往并不能都有效利用这些信息。但当企业间的地理距离相对较近时，独立董事可以获得更多有关经理人员和投资决策等的信息，此时信息不对称程度较小，独立董事能够有效利用企业所获取到的信息，在投资决策活动中积极发挥监督和咨询的职能，提升企业投资效率。
另外，地理邻近性还有助于降低独立董事参与公司治理的成本。由于网络中较高中心度的企业与其他企业存在较多的连接关系，独立董事在企业治理活动中，往往需要花费大量的时间和精力与其他企业家团队进行交流，在此期间承担着大量的人力、物力成本用来搜寻信息[27]。因此，在同等条件下，地理邻近性能够有效降低独立董事参与公司治理的成本，有助于投资效率提升。基于此，本文提出以下假设：
假设3：地理邻近性在独立董事网络中心度影响投资效率过程中起正向调节作用。
然而，地理邻近性在独立董事网络结构特征影响企业投资效率过程中所起的调节作用并非总是积极的。由于区域对信息的承载能力有限，同一区域的企业往往具有相似的法律法规、区域常态、市场状况和竞争格局等特征。这些相似的特征使得独立董事在其工作中不断加强对以往成功经验的依赖，形成路径依赖，使得接受新颖信息变得困难[28]；另外，对于在同一区域的多家企业工作的独立董事而言，企业所提供的信息趋于同质化，大大降低了独立董事网络的信息多样性[29]。
对于网络结构洞较高的企业来说，虽然其能够从独立董事网络获取及时、新颖的信息，但如果网络中的企业都来自同一地区，信息同质化现象比较严重，结构洞位置在获取及时、新颖信息中的信息优势可能无从谈起，信息传递效率变差，独立董事获取到具有投资价值的信息得不到增多，阻碍了投资效率提升。基于此，本文提出以下假设：
假设4：地理邻近性在独立董事网络结构洞影响投资效率过程中起负向调节作用。
图1 研究设计
2 实证设计2.1 样本选择和数据来源本文使用2002～2021年我国沪深两市A股上市公司作为研究样本，之所以选择2002年作为起始点，是因为2002年是我国建立独立董事制度的第1年。本文使用的所有数据全部来源于CSMAR数据库。同时为了提高实证结果的可信度和稳定性，本文对所获取的所有数据进行了如下筛选[3]：（1）剔除金融业的公司样本，主要原因是金融业属于比较特殊的行业，金融业采用的会计准则与其他行业有很大不同； （2）剔除ST、*ST和PT的公司样本，主要原因是ST、*ST和PT上市公司属于财务或经营已经存在问题的公司；（3）剔除独立董事信息严重缺失的公司样本，主要原因是对自变量计算独立董事网络结构特征指标时，需要用到独立董事信息。除此之外，考虑到新冠肺炎疫情影响，2020年和2021年我国企业投资效率出现一定波动。但由于中央及地方政府及时出台财政政策、货币政策和产业政策，新冠肺炎疫情对我国企业投资效率的影响并不明显，故不对2020年和2021年的数据进行特别处理。
2.2 网络构建本文借鉴陈运森和谢德仁[3]、万良勇和郑小玲[30]的研究，选择使用独立董事的兼任为联结构建网络。
2.2.1 独立董事网络
独立董事网络的构建，主要用于计算中心度和结构洞指标，并验证独立董事网络结构特征对投资效率的直接影响，具体构建过程如下所示：
（1）获取在上市公司中兼任的独立董事数据。本文从CSMAR下载并筛选出仅包含 “证券代码”和 “人员ID”两列的独立董事数据，共计136123条。其中，“人员ID”是CSMAR为每位上市公司人员提供的编号，具有唯一性，避免了因为同名而导致的数据处理误差。
（2）构建独立董事网络。本文参考赵昕等[4]学者的研究构建以公司为节点的 “上市公司-上市公司”的一模网络，使用Python软件从数据集中整理出每位独立董事及所任职的上市公司，并对每位独立董事所任职的上市公司进行两两配对，剔除掉重复的上市公司，最终构建出所需要的“对偶模型”[31]。将对偶模型输入到Ucinet软件，用以建立独立董事网络。构建独立董事网络的总体流程如图2所示。
图2 独立董事网络的构建过程
（3）计算上市公司的网络指标。本文使用Ucinet软件计算上市公司的网络中心度和结构洞指标。
表1举例描述了独立董事网络。从中可以看出，虽然2002年是我国建立独立董事制度的第1年，但网络中的连接数也已高达1088，在这一年中形成的独立董事网络已经初具规模。直到2020年独立董事网络的连接数已高达9930，独立董事网络的规模不断扩大。
表1 独立董事网络描述举例
2.2.2 地理邻近网络
地理邻近网络的构建，用于计算地理邻近性视角下的上市公司的中心度和结构洞指标，并用于验证地理邻近性在独立董事网络结构特征影响企业投资效率过程中所起到的调节作用。本文借鉴国内学者 Liang 和 Liu[32]、曾德明等[33]构建邻近网络的方式，将上市公司的地理位置赋予到公司之间的联结上，构建地理邻近性网络。具体构建过程如图3所示。
图3 地理邻近性下的独立董事网络构建过程示例
最后，计算网络指标。
表2举例描述了地理邻近性视角下的独立董事网络。从中可以看出，在考虑地理邻近性的情况下，独立董事网络在2002年的连接数从1088减少到398，直到2020年独立董事网络的连接数从9930减少到5162，地理邻近性的影响效能不断增强。
表2 地理邻近网络描述举例
2.3 变量定义2.3.1 投资效率
本文借鉴赵娜等[34]的研究，运用Richardson模型测算投资效率，并且使用差值的绝对值来表示企业的投资效率水平，绝对值越大，说明企业投资效率越低。具体模型形式如下：
其中，Invi，t代表新增投资支出，根据公司i第t年的固定资产净额、在建工程净额、无形资产净额和长期投资净额总和除以平均总资产计算得出；Tobinqi，t-1代表托宾Q值，根据公司i第t-1年的股票总市值与总债务的总和除以年初总资产计算得出；Levi，t-1代表资产负债率，根据公司i第t-1年的期末负债除以期末资产计算得出；Cashi，t-1代表现金持有量，根据公司i第t-1年的货币资本除以年初总资产计算得出；Agei，t-1代表企业年龄，根据第t-1年减去公司i的上市年份计算得出；Sizei，t-1代表企业规模，根据公司i第t-1年的年底总资产的自然对数计算得出；Reti，t-1代表股价回报，根据公司i第t-1年的股价回报率得出。另外，设定年份和产业变量作为虚拟变量，以控制年度（Year）和产业特性（Industry）对我国企业投资效率的影响。
图4 独立董事网络与地理邻近网络对比图
2.3.2 独立董事网络结构特征
（1）中心度（Degree）。中心度在学术界的衡量方式通常是计算网络中企业与其他企业直接联系的数量。本文的中心度衡量是在以企业为节点，以独立董事在不同企业间同时任职为联结所构建的网络中，计算该企业与其他企业直接联系的数量。计算公式如式 （2）所示：
其中，i为所测算的企业；j为独立董事网络内除了企业i的其他企业；Xi，j表示企业j与企业i之间是否有联结，若企业j与企业i有至少1个同时任职的独立董事，则Xi，j为1，否则为0。
（2） 结构洞（Structure Holes）。 根据 Burt[25]的研究，节点i的限制度越高，那么他跨越的结构洞就越少，所处的网络就是越封闭的状态。由于本文研究的限制度介于0～2之间，遵循国外学者Wang等[35]的研究，本文在测算结构洞时使用2减去限制度的方法来测算。计算公式如式 （3）、（4） 所示：
其中，Ci，j为企业i到j的限制度，q为企业i的另一家联结企业，piq是在企业i的全部关系中与企业q关系所占的比重。
2.3.3 控制变量
本文参考陈运森[36]、赵昕等[4]学者的研究，选取了如下控制变量：两权分离度（Sep）、公司规模（Size）、注册资本（ZCZB）。具体测量方式如下：（1）两权分离度，即最终控制人的控制权与现金流权的差值；（2）注册资本，即企业注册资本的自然对数；（3）企业规模，即资产合计数的对数，由于资产合计数的数量量级远大于其他变量，因此本文对资产合计数进行了对数处理。
本文提及的所有变量的名称、符号和定义，如表3所示。
表3 主要变量定义
2.4 模型设计2.4.1 主效应检验模型
为了检验独立董事网络结构特征对投资效率的直接影响，本文构建了以下实证模型 （5）、（6）。另外，本文借鉴国内学者夏秀芳等[37]的研究，对投资效率采用T＋1期用以检验独立董事网络结构特征影响的滞后性。
其中，INVi，t＋1是企业i第t＋1 年的投资效率，Degreei，t是企业i第t年的独立董事网络中的中心度，StructuralHolesi，t是企业i第t年的独立董事网络结构洞，Controlsi，t是企业i第t年的控制变量。
为减轻内生性影响，模型中因变量使用t＋1期的值。
2.4.2 调节效应检验模型
由于调节变量为独立董事网络中连线的属性，而且为虚拟变量，自变量为独立董事网络中企业节点的属性，难以将两者直接交叉相乘，为了检验地理邻近性的调节效应，本文借鉴杨俊等[38]的研究方法，以调节变量为基础对自变量再次进行回归，然后比较回归结果的自变量系数。
本文研究中用于检验调节效应的模型，如式（7）、（8） 所示：
其中，Degree_Gproximityi，t指的是企业i在第t年的地理邻近网络中心度；StructuralHoles_Gproximityi，t指的是企业i在第t年的地理邻近网络结构洞。
为减轻内生性影响，模型中因变量使用t＋1期的值。
3 实证结果及分析3.1 描述性统计及相关性分析本文对所有变量进行了描述性统计及相关性分析，分析结果如表4所示。此外，大多数变量之间的相关系数都低于0.5，并且VIF检验后发现均值是1.71，因此多重共线性不是本文研究中需要考虑的问题。独立董事网络和邻近网络中上市公司的中心度和结构洞对非效率投资行为的影响基本上都是负的，这说明独立董事网络和邻近网络中上市公司中心度和结构洞的提高，会对投资效率产生有利的影响。
表4 描述性统计及相关性分析结果
3.2 回归结果分析表5显示了通过OLS多元线性回归模型得到的结果。模型1只包含控制变量，模型2在模型1中添加了独立董事网络的中心度，模型3～模型5是在模型1中添加了邻近网络的中心度。
表5 独立董事网络、地理邻近性和企业投资效率的回归结果
模型2中Degree的系数显着为负（β＝-0.0137，p＜0.01）；模型3中Degree_Gproximity的系数也显着为负（β＝-0.0137，p＜0.01）。 这表明网络中心度的提高能够降低企业的非效率投资，提升企业投资效率。因此，验证了假设1。
模型4中StructuralHoles的系数显着为负（β＝-0.121，p＜0.01）； 模型 5中StructuralHoles_Gproximity的系数也显着为负（β＝-0.0099，p＜0.01）。这表明网络结构洞的提高能够降低企业的非效率投资，提升企业投资效率。因此，验证了假设2。
模型3中Degree_Gproximity的系数为-0.0153，明显小于Degree的系数-0.0137。这充分说明了地理邻近性在上市公司中心度影响投资效率过程中起正向调节作用。因此，验证了假设3。
模型5中StructuralHoles_Gproximity的系数为-0.0099，明显大于StructuralHoles的系数-0.121。这充分说明了地理邻近性在上市公司结构洞影响投资效率过程中起负向调节作用。因此，验证了假设4。
3.3 稳健性检验考虑到独立董事相关政策的发布会对独立董事网络结构产生一个非常大的影响。2013年10月19日，中组部发出通知，印发 《关于进一步规范党政领导干部在企业兼职（任职）问题的意见》，其中强调了现职和不担任现职的党政领导干部，如果没有办理退（离）休手续，一律不得在企业中兼职（任职）。这直接导致了大规模的独立董事辞职潮，在2014年和2015出现了大量的独立董事辞职公告，其中2014年的辞职公告数量更是接近1000条。
独立董事辞职潮的存在导致了我国独立董事网络结构产生了比较大的变化，这可能会对本文的研究结果造成影响。因此，本文采用不包括2014年和2015年的样本数据再次进行实证分析，对研究假设进行检验，结果如表6所示。最终结果与假设依旧一致，这在一定程度上保证了研究结果的稳定性。
表6 稳健性检验结果
4 研究结论与政策建议4.1 研究结论本文基于2002～2021年我国沪深两市A股上市公司的相关数据，实证检验了独立董事网络结构特征对投资效率的直接影响，并引入地理邻近性作为调节变量，从地理邻近性的维度来分析独立董事网络结构特征对投资效率的影响，得到了以下结论：
（1）在独立董事网络结构特征对投资效率影响方面，中心度和结构洞都可以提高投资效率。独立董事凭借能够掌握丰富的、异质性的信息，在公司治理中更加积极地发挥监督和咨询职能，提高投资决策的有效性，从而提高企业的投资效率。
（2）地理邻近性在独立董事网络中心度影响投资效率过程中具有正向调节作用。本文认为地理邻近性能够有效降低代理成本和治理成本，在独立董事网络中心度影响投资效率过程中起积极作用。
（3）地理邻近性在独立董事网络结构洞影响投资效率过程中具有负向调节作用。本文认为地理邻近性降低了独立董事网络的信息多样性，限制了结构洞带来的信息优势，在独立董事网络结构洞影响投资效率过程中起到消极作用。
4.2 政策建议（1）聘请能够提升网络结构特征的独立董事。本文的研究结论为我国的上市公司在聘请独立董事时提供了一个新的考虑角度，即聘请能够提升公司网络结构特征的独立董事。网络中心位置的独立董事凭借声誉提升，网络结构洞位置的独立董事凭借信息优势，有利于获得更多的席位，提升公司在网络中的位置。因此，上市公司可以聘请能够提升网络结构特征的独立董事，通过独立董事网络中获取的信息为公司进行投资决策时建言献策，减少做出非效率投资的行为，从而提升投资效率。
（2）聘请独立董事时考虑企业间地理邻近性的影响。本文的研究结论有力支持了在聘请独立董事时，上市公司还应考虑地理邻近性的影响。根据本文的实证部分可知，地理邻近性在中心度影响投资效率过程中起正向调节作用，因此，网络中心度较高的企业在聘请独立董事时，应该考虑与地理位置相似的企业聘用相同的独立董事。但地理邻近性在结构洞影响投资效率过程中起负向调节作用，因此，网络结构洞较高的企业在聘请独立董事时，应该考虑避免与地理位置相似的企业聘请相同的独立董事。
4.3 不足与展望本文依旧存在以下局限：（1）本文研究主要关注了独立董事网络结构特征对投资效率的影响，除投资效率外，企业绩效也是近几年学者们关注的重点领域，未来研究也许可以扩展至探讨对企业绩效的影响；（2）在独立董事网络结构特征方面，本文着重探讨了网络静态结构特征（中心度、结构洞）对企业投资效率的影响，未来研究也许可以扩展至探讨网络动态结构特征（网络稳定性）对企业投资效率的影响。