融资结构、信息技术与创新能力：数理分析与实证检验

杨 帆，王满仓

(西北大学经济管理学院，陕西 西安 710127)

0 引言与相关文献

创新是经济增长的源泉，而中国的整体技术创新能力与发达国家仍有一定差距，还面临着 “卡脖子”问题。党的十九大报告多次强调，创新是建设现代化经济体系的战略支撑。与此同时，以信息技术为核心的网络经济已然成为全球化的新经济形态，我国信息技术的发展呈直线上升趋势，如图 1所示。鉴于此，党的十八届五中全会提出了网络强国战略。考虑研发创新活动具有投资大、周期长、风险高等特性，在当前依靠银行体系分配金融资源的金融结构下，对于技术创新型企业能否得到充分有效的金融支持，尚存在许多争议[1-3]。金融的目的是通过优化资源配置推动主体的技术进步乃至经济增长，但在配置过程中信息不对称成为一大突出问题。在这个背景下，系统地探究融资结构、信息技术与创新的逻辑关系具有重大理论和现实意义。

图1 2008—2018年中国信息技术发展水平趋势

如何提高企业的创新能力，一直是企业与政策制定者关注的焦点。众多文献从融资结构[4]、公司治理[5]、政企关系[6]等视角对企业创新的影响因素展开论述。学者深入探讨融资与创新之间的内在机理和经验证据，然而经过长时间争论仍未形成内在一致的系统理论。聚焦债权融资，Stiglitz[7]很早就提出债权人需要承担企业创新失败风险，但同时却很难享受企业创新成功的丰厚回报，风险与收益结构的不匹配阻碍了企业高风险的创新投入，类似研究还有Hall[8]、左志刚[9]。然而Jesen等[10]、鞠晓生[11]却持有不同观点。进一步，Berzkalne等[12]、王玉泽等[4]得出了非线性的结论。对比债权融资与股权融资，Brown等[13]提出股票市场的可进入性和投资者权益的保护都将有效提高长期研发投入，特别是小企业，但信贷市场却不同。Hsu等[14]发现股票市场发展激励技术创新，而信贷市场发展却阻碍技术创新。

信息不对称和交易成本至今一直是主流经济学和管理学所关注的重点问题，但是互联网和大数据的出现给这些传统理论带来了新的冲击。Kafouros[15]证实了互联网与公司研发创新能力具有正相关关系。Glavas等[16]认为互联网对企业的创新性和主动性均具有积极作用。Cui等[17]、Forés等[18]分别从企业和区域层面证实了信息技术对企业创新能力的促进影响。国内方面，董祺[19]实证得出信息化投入显著提高了企业的创新产出，但研发投入和信息化对企业创新表现出一定的负调节作用。杨德明等[20]通过上市公司数据发现互联网能够提高企业的创新投入，从而使企业创新能力得到提升。

学术界关于融资结构、信息技术分别与创新之间关系的研究取得了丰硕成果，但也存在进一步深化的空间。一方面，宏观信息技术水平的提高对创新的微观影响及异质性略显单薄；另一方面，融资结构与信息技术的有机结合怎样影响创新有待探究。本文的边际贡献主要体现在3个方面：①基于龚强等、张一林等的数理模型，从债权融资与股权融资对创新风险的不同 “态度”出发，构建融资结构、信息技术与研发投入和创新产出关系的两阶段数理模型。②基于信息技术水平指数的重构，实证了我国企业融资结构、信息技术对创新产出的中介效应和交互效应，拓展了企业融资与创新的相关文献研究。③在基准模型的基础上进一步探讨所有制与产业技术的异质性影响。

1 理论分析与研究假说

假设市场是由企业和投资者构成的完全竞争市场，所有市场参与主体均为风险中性。企业融资渠道只能为债务融资或股权融资。借鉴龚强等[3]、张一林等[21]的研究思路，依次阐述企业的投融资的决策过程、研发风险和信用风险，随后通过数理建模分析融资结构、信息技术对创新产出的影响。

1.1 融资时序及研发风险与信用风险

t=0期，企业的总投资额为I。如果企业选择债务融资，企业到期需要归还本金和利息R；如果选择股权融资，并且企业拥有的股份比重为s(0

t=1期，债权人会关注企业项目的经营状况，如果企业经营不理想，则其可以进行清算处理，此时债权方获得担保C，企业无剩余。

t=2期，由于技术的不确定性，则企业的项目成功与否是个随机变量。

具体融资过程如图2所示。

图2 融资时序

企业在经营中通常需要面对研发风险和信用风险。

(1)研发风险。企业研发风险与收益情况如图3所示。

图3 研发风险与收益

假定项目分为高风险H和低风险L。在第1期，H不产生盈利，L存在一定收益。在第2期，高L成功概率为PL，盈利πL>I；H成功概率PHπL。为了简单起见，假设项目失败均无收益。

假设项目从第0期开始为高风险的概率为θ，与研发密度与科技含量正相关，如高新技术产业中的企业，这些企业的高风险概率θ较大。相对而言，较成熟产业的技术往往以模仿式改进为主，其θ一般较低。

(2)信用风险。投资者与企业之间普遍存在信息不对称问题，由此会带来信用风险问题。从企业信用的好坏层面可以将企业分为好企业与坏企业。从第0期开始，坏企业与好企业可以以同样的方式进入市场。在第1期，两类企业均具有先前分析相同的市场表现。在第2期，坏企业只会失败。

令v为好企业所占比例，其在一定程度上反映了信用风险。如果坏企业知道自己会被清算，那么坏企业将不具有动力进入市场。相对而言，股权融资不具备此种功能。通常情况下，债权人会在第1期清算不产生收益的项目，致使好企业与坏企业被债务区分。但与此同时，由于项目风险的不确定性，好企业如果选择债务融资将面对一定的清算风险。好企业和坏企业在市场上的比例见表1。需要说明的是，企业好坏与项目风险相互独立。

表1 不同企业在市场中的比例

1.2 债权融资和股权融资可得性关于研发投入的数理分析

基于上述理论框架，考察企业担保价值、研发风险和信用风险与债权融资和股权融资可得性的关系。保持理论框架的假定，且简化无风险利率为0。为了简单起见，进行如下假设。

a.低风险项目在第2期一定成功，即PL=1。

b.债权收益、初始投资与担保价值存在R>I>C的关系。

c.债权投资人的风险偏好低于股权投资人，即在心理账户层面债权人偏好于低风险项目，而股权投资者偏好于高风险项目。

d.研发投入函数RD=RD(θ)。

f.高风险项目成功意味着创新成功。

(1)债权融资。在第1期，债权人虽然无法区分高风险项目和坏企业，但可以明确识别低风险项目的情况。由于R>I>C，并且根据假设a低风险项目一定成功,因此债权人在理性权衡下不会清算低风险项目。

在假设c的情况下，债权人通常出于保全收益R的考虑 (由于高风险项目与坏企业在未来存在无限的不确定性)会降低自身的风险程度，清算高风险项目与坏企业，这意味着随着高风险项目概率的增加，企业清算的概率越大，因此理性企业一般权衡考虑会降低研发投入，即∂RD/∂θ<0，将资金投向更稳健的项目以匹配债权人的风险偏好。好的结果是，坏企业由于清算机制将没有激励进入市场。此时，因为坏企业已经被淘汰出局，企业关于债权融资的目标函数为：

s.t.(1-θ)R+θC≥I

R≤πL

清算制度实现了坏企业的市场淘汰机制。由于坏企业在市场中的比例降低，有助于降低信息不对称导致的融资成本过高问题，提升企业的盈利水平。

根据上述最优化问题，提出第一个命题：存在一个最低抵押价值[I-(1-θ)R]/θ，使得企业选择当R为 (I-θC)/ (1-θ)时的最优期望收益 (1-θ)πL-I；否则债权人放弃投资。

由于∂RD/∂θ<0，结合上述结论∂R/∂θ>0，可推出∂RD/∂R<0，考虑到高负债通常伴随着高融资成本，可以提出假说H1：债权融资对研发投入的影响呈现抑制作用。

(2)股权融资。虽然股权融资无法区分好企业与坏企业，由于其具有长期性，一般在中途不会清算好企业具有发展潜力的项目，而这一点对于研发周期长，项目风险大的创新企业至关重要。

按照先前的设定，企业拥有的股份比重为s(0

s.t.v(1-s)[θ(PHπH-(1-PH)δC)+(1-θ)πL]+ (1-v)δC≥I

通过与债权融资同样的思路分析，未发现股权融资与最优期望收益或研发投入的关联关系，有待后面的实证验证。

1.3 研发投入、信息技术与创新产出

2 研究设计

2.1 数据来源

考虑到数据的可得性和连续性，选取2008—2018年A股全部上市公司为研究样本。为了使数据具有可比性，在对变量处理时均使用相对比率或对数值。本文原始数据来自国泰安数据库与Wind数据库，保证了数据的一致性。由于少数省份个别数据存在缺失，因此对其进行插值处理。考虑到样本中异常值对估计结果准确性的影响，对连续型变量进行了[1%，99%]的缩尾处理。

2.2 模型设定与变量设计

为了验证企业融资结构、信息技术对创新产出的影响机制，基于Baron 等提出的中介效应模型，借鉴温忠麟等的思想，构建如下面板模型:

patentijt=β0+β1FINijt+β2ITjt+β3CONTROLijt+ui+vt+wj+εijt

(1)

patentijt=β0+β1FINijt+β2ITjt+β3RDijt+β4CONTROLijt+ui+vt+wj+εijt

(2)

RDijt=β0+β1FINijt+β2ITjt+β3CONTROLijt+ui+vt+wj+εijt

(3)

由于公司层面专利个数具有计数属性，且样本数据 “过度分散”，因此模型 (1) (2)选用面板负二项回归模型，其使用条件极大似然估计能有效提高估计效率。其中，下标i代表公司，j代表省份，t代表年份，εijt是随机扰动项，同时控制了个体效应ui、时间效应vt和地区效应wj。核心被解释变量为企业创新产出 (patent)，解释变量为融资结构 (FIN)和信息技术水平指数 (IT)。控制变量 (CONTROL)主要反映企业的基本特征和企业所处的宏观经济环境，模型各主要变量的含义如下。

(1)被解释变量：虽然专利并不能完全代表创新产出，但其数据容易获取并且具有可比性，所以目前仍然是衡量创新产出的主要代理变量[25]。由于发明型专利相比实用新型专利和外观设计专利具有更高的含金量，因此同时考察了发明专利授权数 (invention)作为高质量创新产出对比分析。这里选取公司国内外专利授权数 (patent)衡量企业的创新产出。

(2)中介变量：研发投入是创新投入的主要贡献，选取R&D投入强度 (RDspend)作为研发投入指标。

(3)解释变量：①融资结构。其中，单向指标有股权融资和债权融资。股权融资 (equityf)，指企业利用股权交易方式融通资金；债权融资 (debtf)是反映通过银行或非银行金融机构贷款或发行债券等方式融通资金的方式，包括来自银行的短期借款和长期借款，以及企业发行的债券。复合指标有债股比 (debtrequity)，用债权融资量比股权融资量来衡量。②信息技术水平 (IT)。由于目前官方缺乏关于信息技术的综合指数，如 《中国信息年鉴》中的信息化发展总指数 (II)仅有2005—2012年的跨度数据，导致多数学者采用CN域名数、互联网普及率、网站数等单一指标作为替代[26]。实际上，信息技术是一个复杂的技术体系，这里结合中国信息技术发展实际并参考韩先锋[27]的选取，设计的一级指标体系涵盖信息技术普及、信息技术硬件发展和信息技术软件发展3个维度构造省际信息技术水平指数，具体指标体系见表2。

表2 信息技术水平指数

根据上述综合指标测度体系，本文基于主成分分析法构造中国省际信息技术水平指数。为了使数据具有可比性，对邮电业务总量、软件业收入与GDP进行比值处理。为了消除量纲差异的影

响，对原始指标数据进行标准化处理。同时进行主成分分析KMO检验，其整体值为0.80，比对kaiser的经验法则与先前结果保持一致。通过分析结果和碎石图，发现第一主成分占比高达66%，因此最终选取第一主成分得分作为信息技术水平指数。为了便于后续研究方便，这里按照以下计算公式，将测算所得的互联网综合得分数据标准化到[0，1]区间内，即为省际互联网综合发展水平指数：

式中，S为省份j在t年份的互联网综合水平得分，max (·)和min (·)分别为对应综合水平得分的最大值和最小值。主要变量设置与说明见表3。

表3 变量设置与说明

2.3 变量的描述性统计

主要变量的描述性统计分析结果见表4。在样本期内各企业研发投入具有显著差异，且不同省份的信息技术发展水平差距较大，其余变量的统计结果也基本符合预期。

表4 主要变量的描述性统计

3 实证分析

3.1 基准效应检验

由于混合回归的聚类稳健标准误与普通标准误相差不大，因此传统的hausman检验是适用的。结果显示，hausman检验的p值通过了固定效应模型，在控制了公司效应、地区效应与时间效应的同时，使用聚类稳健标准误以消除组内自相关影响。

第一阶段模型融资结构、信息技术对企业研发投入的回归结果见表5。其中，列 (1) (2)分别为融资结构单向指标和债股比双向指标的对比。列 (1)结果显示，债权融资的回归系数是 -1.287，在10%的水平上通过显著性检验，表明债权融资对研发投入存在较显著的抑制作用。相比较，股权融资与信息技术均未通过显著性检验。列 (2)债股比的回归系数同样在5%的显著性水平上为负，而信息技术不显著。由此验证了假说H1，且在债股比方面存在同样效应。在控制变量方面，政府补贴系数显著为正，说明了政府补贴能使企业腾出资金空间进行创新研发。并且，高管薪酬比例系数也显著为正，这体现出管理人才激励水平与研发投入的同步性。相比较，其余控制变量的影响在统计上均不显著。

表5 融资结构、信息技术对创新投入的影响

中介效应的第二阶段回归结果见表6。列 (1) (2)与 (3) (4)分别为专利授权与发明专利授权的考察。在专利方面，R&D投入的回归系数均在1%的水平上显著为正。较股权融资系数的不显著，债权融资及债股比均在负向影响呈现一定显著性。对于信息技术，其回归系数分别在1%的水平为1.429和1.489，其在负二项回归中表示当信息技术水平提升一个微小量时，专利授权数的平均将分别增加1.429与1.489，因此验证了H3a。在控制变量方面，第一大股东持股表现出明显的促进作用，可能的解释是企业可以通过集中决策提高创新能力。但总经理持股与管理层薪酬比例均表现了抑制作用，侧面反映了管理人员的激励可能挤出研发人员的激励水平，从而有损创新产出水平。托宾Q的结果说明公司市场价值与创新产出的正相关性，其余控制变量均不显著。

表6 创新投入、融资结构、信息技术对创新产出的影响

在发明专利方面，不同的是研发投入的影响并不显著，这意味着直接的研发投入可能并不能有效增进专利质量。一般情况下，高质量创新成功的不确定性更强，往往建立在强大的基础研究前提上，而不是研发投入所能够一蹴而就的。虽然债权融资系数不显著，但发现股权融资系数在5%的显著性上达到0.571，意味着股权融资对高质量创新具有一定的正向作用。究其原因，股权融资才能不断负担高质量创新过程中连续的试错成本。相同的是，债股比对发明专利亦存在显著的抑制作用。信息技术系数结果表明其同样对高质量创新产生了显著促进作用。

直接效应结果见表7。可以看出，其结果的正负性与显著性与之前保持一致，未发生实质性变化。这里借鉴温忠麟等的思想可以总结，债权融资及债股比通过研发投入抑制了创新产出，表现出部分中介效应，从而验证了H2。

表7 融资结构、信息技术对创新产出的影响

3.2 稳健性检验

(1)内生性问题。考虑到固定资产与现金流水平的滞后性，本文将企业固定资产净值滞后一期、资产负债率、现金流滞后一期和营业利润增长率作为融资的工具变量以求降低内生性偏误。对于信息技术的发展，其可能受宏观政策等多元因素影响，由于本文模型从宏微观层面尽可能控制了相关变量，因此已在一定程度上弱化了其内生性问题。初步检验结果显示，两阶段的Kleibergen-Paap rk LM统计量p值均为0，Cragg-Donald Wald F统计值也分别超过统计临界，结果表明基本不存在不可识别和弱工具变量问题。其Hansen J统计量的p值分别为0.73和0.34，表明基本排除了过度识别问题，否定了工具变量与扰动项相关的原假设。内生性处理的结果见表8。加入了工具变量之后，弱化了计量模型的内生性问题。结果显示，主要变量系数和显著性与之前相比均无实质变化，结合负二项面板模型的结果，进一步验证了相关结论。

表8 内生性处理

(2)调整变量定义。为了进一步检验债权融资的融资属性，将债务融资的定义由 (短期借款+长期借款+应付债券)/总资产扩大为 (短期借款+长期借款+应付债券+商业信用融资)/总资产，其中商业信用融资包括应付账款、应付票据和预收款项。结果显示，在替换变量后，基准模型变量的系数符号和显著性均基本保持一致，从而验证了模型的稳定性。

(3)分样本检验。考虑样本的时间跨度是2008—2018年，其时恰逢2008年全球性金融危机，为稳健起见这里选取2010年以后进行分样本检验。其结果显示主要变量估计结果的系数符号和显著性基本未发生实质性变化，表明其估计结果具有良好的稳健性，研究结论也是可靠的。

3.3 信息技术的调节效应

融资结构对创新产出关于信息技术的调节作用见表9。模型 (1)为专利方面的影响效应，其中信息技术与债权融资的交互项系数显著为正。而模型 (2)为发明专利方面的影响效应，其中信息技术与股权融资的交互项系数显著为正。以上结果表明，信息技术能够缓解债权融资对创新产出的抑制作用，并且正向调节股权融资对高质量创新的促进作用，H3b得以验证。

表9 信息技术的调节效应

3.4 所有制异质性检验

在基准效应模型基础上进行关于企业所有制差异的分组回归，见表10～表12。整体上，民企与全样本结果保持一致。然而，国企的债权融资并未明显制约其创新能力。究其原因，政府对国有企业经营的直接参与可以极大地改善其与金融机构、政府部门等之间的信息不对称，同时能降低彼此间的交易成本，进而无形中提升企业的市场待遇[28-29]。相较国企，民营企业则不具备这些优势。

表10 所有制差异第一阶段

在股权融资与信息技术影响方面，民企的表现优于国企。国有企业的天然属性决定了其所有者缺位的特点，这会带来企业代理链和决策链过长的问题，从而加大企业营运成本并使企业的资金损耗更加严重。与此同时，政府往往会直接干预国有企业生产经营，常常使得企业需要负担一些社会行政职能，如促进就业等，这无形中会导致了国企的低效率[30]。比较而言，民营企业没有太多受这些复杂问题的干扰，加上民营企业较为扁平的组织结构和较短决策链条，其资金使用效率也较高。

表11 所有制差异第二阶段

表12 所有制差异总效应

3.5 产业技术异质性检验

借鉴王玉泽等[4]的做法，将样本按照企业技术特质的不同进行分组研究，见表13～表15。依照国家统计局高技术企业分类标准，结合企业对研发的依赖度，最终选取电器机械及器材制造业，互联网和相关服务，化学纤维制造业，化学原料及化学制品制造业，计算机、通信及其他电子设备制造业，汽车制造业，软件和信息技术服务业，铁路、船舶、航空航天和其他运输设备制造业，医药制造业，专用设备制造业，通用设备制造业，专业技术服务业，仪器仪表制造业，研究和试验发展这14个产业的企业作为高技术企业样本，将除此之外的企业划为非高技术行业，分组探讨融资结构、信息技术与企业创新产出之间的关系。比较而言，高技术产业更不善于利用债权融资进行创新。从行业性质上看，高技术行业的企业更需要更宽松的资金运用自由量裁权。同时，高技术样本的信息技术对创新产出的回归系数并不显著，表现出一定的局限性。对于高技术行业的企业，企业创新的成功往往建立在先进的前沿技术和复杂的科学理论的根基上，为保证技术垄断利润，其中很多前沿技术的相关信息成为商业机密，很难在互联网上形成有效传播。

表13 技术差异第一阶段

表14 技术差异第二阶段

表15 技术差异总效应

4 结论与启示

随着我国劳动力成本逐渐上升与产能过剩问题的暴露，创新驱动发展战略成为经济持续增长的动力源。为了加强政策指引，本文在统一的分析框架下，构建了融资结构、信息技术与创新能力 (研发投入和创新产出)关系的两阶段数理模型。并基于2008—2018年中国上市公司面板数据，利用负二项面板中介效应模型进行了实证检验，且进一步分析了所有制及产业技术的异质性影响。研究表明：债权融资及债股比通过研发投入抑制了创新产出，表现出了部分中介效应，其中高技术企业更不善于利用债权融资进行创新。与之不同，股权融资对高质量创新具有一定正向作用。此外，国企和民企分别在债权和股权中表现出各自的优势。信息技术水平的提升能有效促进创新产出，但在高技术企业中存在一定局限性。同时，信息技术能缓解债权融资对创新产出的抑制作用，并且强化股权融资对高质量创新的促进作用。

本文的启示主要有以下3个方面：①股权融资比债权融资更适合支持企业创新。股权与债权的本质决定技术创新的关键因素是发展股权融资市场，包括主板、中小板、创业板、科创板、区域性股权交易中心等，进而充分发挥股权融资的比较优势；②加快信息化建设以促进信息技术与技术创新深度融合，大力发展移动互联网、大数据、云计算、物联网、区块链和人工智能等新兴业态，提前研究和部署，力争掌握新领域发展主动权和主导权，从而实现知识的快速共享。同时，也要客观充分地认识到信息技术对高技术产业发展的局限性，积极在基础教育等方面探索高质量创新路径。③充分权衡国有企业与民营企业各自的优势，大力推动国有企业在做强做优做大的同时，支持民营企业不断发展壮大，构建国有资本与民营资本良性互动的竞争格局，从而实现资金配置效率的不断提升。