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] 。

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。

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。

选取的模型及相应变量见 表1 、 表2 ：

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

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：

$Inves{t}_t=b_0+b_{1}Growt{h}_t{}_{－1}+b_{2}Le{v}_t{}_{－1}+b_{3}Cas{h}_t{}_{－1}+b_{4}Ag{e}_t{}_{－1}+b_{5}Siz{e}_t{}_{－1}+b_{6}EP{S}_t{}_{－1}+b_{7}Inves{t}_t{}_{－1}+{\epsilon }_t$ (1)

$\begin{array}{c}Abein{v}_{i,t}=b_0+b_{1}Te{m}_{i,t-1}+b_{2}Top{1}_{i,t-1}+b_{3}Ta{t}_{i,t-1}+b_{4}Fc{f}_{i,t-1}+b_{5}Le{v}_{i,t-1}+b_{6}Siz{e}_{i,t-1}+b_{7}Occup{y}_{i,t-1}+\\ b_{8}So{e}_{i,t-1}+\Sigma Year+{\epsilon }_{i,t}\end{array}$ (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。

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：

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。

选取的模型及其变量如 表5 所示：

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。

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。

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。

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。

回归分析结果如 表10~12 所示：

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。

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。