金融体系特征、风险特性与企业创新
金融体系特征、风险特性与企业创新*陈陶然 谭之博
[提 要] 本文基于中国工业企业库和专利数据库，利用2006—2008年中国证券市场资本化总额占比的快速上升和企业风险特性的差异，探讨了金融结构和金融发展对企业创新的影响。实证结果表明，市场主导程度更高的金融结构，而非更大的金融市场总体规模，通过缓解外部融资依赖程度更高行业中的私有企业的融资约束，显著促进了高风险私有企业的创新。以上实证结果并非由金融体系特征变化前的时间趋势所驱动，并对遗漏变量等问题保持稳健。本文对于深入理解转型升级，构建支持企业创新的金融体系具有重要政策含义。
[关键词] 金融结构；风险；企业创新
一、引言
目前，中国经济正面临着从高速增长转为中高速增长的“新常态”。随着劳动力等要素价格水平迅速上升，中国具有竞争优势的劳动密集产业和传统制造业部门的成本优势日益削弱。只有促进企业及时将生产活动升级到附加价值较高的活动，将经济增长从要素驱动、投资驱动转向创新驱动，才能不断提升竞争优势，实现经济健康发展。在这样的背景下，研究企业的创新行为，尤其是促进企业创新的制度环境，对于中国经济实现结构优化、产业升级和可持续发展具有重要的理论和现实意义。
一些文献已经对创新的影响因素进行了实证研究，但这些文献或强调市场规模(Acemoglu & Linn,2004)、要素相对价格变化(Hicks,1932;Acemoglu,2007)、市场竞争(Aghion et al.,2005)、司法体系(潘越等，2015)、外商直接投资(Xu,2000)对于创新的影响，或集中讨论企业特质(Mairesse & Mohnen,2010)、公司治理因素(温军和冯根福，2012)，并没有将金融结构和金融发展置于一个统一的框架内，探讨它们对于企业创新的作用。另外，基于发展中国家企业的深入研究，尤其是中国工业企业专利数据的系统研究非常少见。
本文在控制现有文献所揭示的影响创新的因素的基础上，运用中国工业企业数据库和专利数据库的匹配数据，实证检验金融结构和金融发展对于企业创新的影响。基本的识别思路为利用2006—2008年间中国证券市场资本化总额占GDP比重的快速上升和各企业风险特性的差异。陈陶然和谭之博(2018)讨论了银行融资(间接融资)和市场融资(直接融资)的权衡取舍，指出市场融资与风险较高的行业兼容，可以较好地分散风险，缓解这些行业的融资约束，而银行融资对于风险行业比较保守。因此，当金融结构变得市场主导程度更高时，风险较高的行业可以得到更多的融资支持，开展原本由于融资约束而无法进行的创新活动，缓解创新投入不足的问题，获得更高的创新产出。而金融发展(证券市场规模与银行信贷规模之和)可能对企业创新产生正反两方面的作用。类似于Rajan & Zingales(1998)的思路，本文以中国对应行业的外部融资依赖度刻画一个行业的外部融资依赖特性，探讨金融体系的影响机制。Rajan & Zingales(1998)指出，美国的金融市场与法治环境较为完善，企业面临的外部融资困难较小。因此，美国的行业特征主要反映这个行业的技术特征，在回归分析中是外生的。另外，金融体系特征在企业控制之外，在企业层面展开回归分析，较好地解决了反向因果和共生性(simultaneity)问题。金融体系特征与行业特性的交互项能够更好地识别金融体系分散风险、缓解融资约束的作用，减弱内生性问题的影响。
本文的实证结果表明，市场主导程度更高的金融结构而非金融发展(绝对的金融市场规模)显著促进了高风险私有企业的创新(这些企业的人均发明专利数量更多)。这一模式对于规模更小的企业表现得更为明显。经过对时间趋势进行系统检验，全面地控制行业、省份与年份层面的影响因素后，上述结果保持稳健。
本文的贡献主要体现在以下几个方面：第一，本文将金融结构与金融发展置于一个统一的框架下，探讨了金融体系特征对于各个类型企业创新产出的影响，推进了对于企业创新(尤其是专利)推动力量(尤其是促进企业创新的金融环境)的研究。第二，在中国经济处于新常态的背景下，本文对于理解中国的转型升级，有的放矢地推进金融市场改革，构建有利于企业创新的金融体系具有重要启示。
本文的后续部分安排如下：第二部分系统梳理相关文献，比较本文与它们的异同；第三部分介绍数据、实证策略与变量构建；第四部分汇报基准实证结果；第五部分进行稳健性检验；第六部分是结论。
二、文献综述
与本文相关的文献主要有以下几个方面，下面分别展开评述，并指出本文与它们的差异。
第一方面文献实证研究了创新的影响因素。具体而言，强调市场规模的文献认为，广阔的市场、巨大的需求对于创新具有正向影响。比如Acemoglu & Linn(2004)识别了市场规模对创新的正向影响。Hu & Jefferson(2009)指出中国R&D投入和专利数目的增长在很大程度上由对技术密集型产品的需求所驱动。但他们没有探讨金融体系的作用，也没有讨论企业层面的专利状况，本文在这方面做出了新的探索。
从要素相对价格变动的视角探讨企业创新的文献主要包括引致性创新(induced innovation)理论和定向技术变迁(directed technical change)理论。Hicks(1932)率先指出，生产要素的相对价格变动本身就是对创新的刺激，更贵的要素激发人们进行节省这种要素的创新。Hayami & Ruttan(1970)运用这一理论讨论了日本和美国不同的农业发展路径。Acemoglu(2002；2007)运用严格的理论模型，证明了要素供给或要素价格变化会影响技术进步方向。
从市场竞争的视角研究企业创新的代表性文献包括Aghion et al.(2005)、Hashmi(2013)等论文。Aghion et al.(2005)基于英国企业的数据发现，产品市场竞争程度与企业创新呈现倒U型关系。Hashmi(2013)基于美国企业数据的研究表明，竞争与创新呈现负向关系。
还有一些文献关注司法环境对企业创新的影响，比如潘越等(2015)。与这些文献不同，本文在控制各地司法环境差异的基础上，重点讨论金融体系特征对于企业创新的影响。[注]作为稳健性检验，本文控制了省份×行业虚拟变量和省份×年份虚拟变量，这一设定可以捕捉各地司法保护主义的差异。
另一些文献关注FDI溢出效应对创新和质量升级的作用，但没有得到一致的结论。比如，一些研究发现，外国投资不仅具有技术溢出效应，还能带来国际分工，促进市场竞争，因而有效促进了东道国的技术创新和产品质量的提升(Xu,2000；Cheung & Lin,2004；Hatani,2009)。也有一些研究发现，FDI溢出效应和技术引进的效果并不非常显著。如平新乔等(2007)，Hale & Long(2011)，Hu & Jefferson(2002)。但是，以上文献并没有实证检验金融体系的作用，也没有探讨中国企业的专利状况。本文在控制FDI因素的基础上，在这些方面进行了探索。
还有一些文献将视角集中于企业特质，比如Crepon et al.(1998)，Mairesse & Mohnen(2010)，李春涛和宋敏(2010)，邓可斌和丁重(2010)，周亚虹等(2012)，温军和冯根福(2012)，吴延兵(2012)。这些文献探讨了企业层面创新活动及创新绩效的决定因素，比如企业规模、年龄、不同类型的机构投资者、对CEO的薪酬激励、所有制、研发投入、所处区位等。这些文献没有讨论金融体系的作用，但他们的研究有利于我们排除企业特质对于创新活动的影响，聚焦于金融体系特征这一因素。
与本文相关的第二方面文献为有关金融发展和金融结构的文献。陈陶然和谭之博(2018)对这些文献进行了总结。从金融视角探讨企业创新的文献包括Ayyagari et al.(2012)、左志刚(2012)、Hsu et al.(2014)等。Ayyagari et al.(2012)基于47个国家的数据研究了企业创新活动的决定因素，发现可以得到外部融资的企业更有创造力，并且这一关系对私有企业更加明显，而对国有企业并不显著。以上研究并没有考察金融结构和金融发展的作用。左志刚(2012)运用32个国家10年的面板数据实证检验了金融结构对国家创新能力的影响。该研究在国家层面展开，并没有探讨企业的创新行为。Hsu et al.(2014)基于32个发展中国家和发达国家的数据，发现资本市场越发达，企业的创新状况越好，而信贷市场越发达，企业创新情况反而更差。这项研究讨论了金融市场发展的绝对水平对企业创新的影响，并没有探讨金融结构的作用，也没有探讨金融结构对不同风险类型企业的影响。本文将金融结构与金融发展纳入一个框架，讨论了金融市场的不同特征对不同风险类型企业的影响。
最后一方面文献为理解本文的实证结果奠定了理论基础。陈陶然和谭之博(2018)对这方面文献进行了讨论，分析了银行融资(间接融资)和市场融资(直接融资)的权衡取舍，有助于理解为什么市场主导的金融结构与风险较高的行业兼容，可以较好地分散风险，缓解这些行业的融资约束。较低的融资约束有利于行业的发展(Rajan & Zingales,1998)，增加了企业投入R&D的概率，获得更多的创新产出。这些文献虽然为本文的发现奠定了扎实的微观基础，但并没有讨论金融结构与金融发展对于企业创新的影响，本文在这一方面进行了新的探索。
三、数据、实证策略与变量构建
本文使用中国专利数据库与工业企业数据库的匹配数据开展实证研究。本文专利数据的来源为中国专利数据库。该数据库包含了企业、个人和研究机构向中国国家知识产权局申请且最后得到授权的专利。由于专利是现代经济保护和鼓励创新最重要的手段之一，所以这个数据库为研究创新提供了很好的基础。下面对这个数据库进行简要介绍。
中国的专利分为三类，分别是发明专利、实用新型和外观设计专利，其中发明专利的技术含量最高。根据《专利法》，发明是指对产品、方法或者其改进所提出的新的技术方案；实用新型是指对产品的形状、构造或者其结合所提出的适于实用的新的技术方案；外观设计是指对产品的形状、图案或者其结合以及色彩与形状、图案的结合所做出的富有美感并适于工业应用的新设计。
专利数据库中的每一条专利数据包括申请号、专利名称、主分类号、专利分类号[注]主分类号与专利分类号是专利局按照《国际专利分类表》对发明专利与实用新型的一个分类编号；而外观设计专利是按照《国际外观设计分类表》进行分类的。一个专利可以有多个分类号，最重要的分类号就是主分类号。、申请人、发明人[注]专利的申请人与发明人不同。申请人是实际拥有此专利的主体，可以是企业、机构或者个人，而发明人必须是个人。专利法所称发明人是指对发明创造的实质性特点做出创造性贡献的人。、申请日期、申请人地址、公开日期(授权日期)[注]申请日期是指申请人提交申请专利的日期。只有发明专利才有公开日期。发明专利先要经过初步审查，然后公开，再通过实质审查，才能得到授权。实用新型和外观专利则没有实质审查阶段，通过了初步审查则直接授权，所以没有公开日期，只有授权日期。、公开号、代理机构、代理人、国省代码等信息。由于每一条专利有申请人信息，如企业名称，但是没有企业的财务信息，因此要做深入研究必须将专利数据库与其他数据库匹配起来。
笔者通过企业名称将专利数据库与中国工业企业数据库匹配起来。中国工业企业数据库只包含规模以上的制造业企业，不包含服务业和规模以下制造业企业。
为了识别金融体系对于企业创新的作用，本文主要利用2006—2008年中国证券市场资本化总额的快速上升(从而导致金融结构和金融发展指标出现了较大变化)和企业风险特性的差异。由于单个企业并不能影响整个证券市场的发展，这一事件可以被视为一个外生冲击。[注]稳健性检验部分对此进行了深入讨论。企业的风险特性也并不相同，证券市场的发展对于不同风险的企业的作用不尽相同。根据陈陶然和谭之博(2018)对相关文献的总结，市场主导程度更高的金融结构而非更大的银行信贷规模与高风险企业的融资需求更为匹配，可以更好地分散风险，因此，市场主导的金融结构应该对高风险企业的作用更强。[注]2006年，国务院出台《关于实施〈国家中长期科学和技术发展规划纲要(2006—2020年)〉若干配套政策的通知》，但这些措施主要针对高新技术企业(高新技术企业的划分依据其科研人员比重、研发投入、研发成果等指标)，而非不同风险类型的企业，也没有对国有企业和私有企业进行区分。该项政策并不会对不同风险、不同所有制企业产生不同影响，因此并不能解释本文的实证结果。笔者用风险特征划分不同类型的企业(高风险企业相当于处理组，而低风险企业相当于对照组)，通过对比它们在事件前后的变化识别金融体系的作用。为了保证处理年限与对照年限的对称，笔者取2003—2008年为基准分析的样本。[注]由于采用滞后解释变量的设定，基准分析的样本为2004—2009年，金融体系特征的取值为2003—2008年。比如，2009年的专利受到2008年金融体系特征的影响。稳健性检验部分，笔者检验是否在1998—2005年间，不同风险的企业在创新产出方面就已存在系统差异。
具体而言，本文的计量设定为：
yijt=γ1Riski×FSt-1+γ2Riski×FDt-1
+γ3RZj×FSt-1+γ4RZj×FDt-1+β1Pkt
+β2Ijt+β3Fijt+νi+ηt+εijt
(1)
式中，下脚标i,j与t分别代表企业、行业与年份；γ1,γ2,γ3,γ4,β1,β2,β3是待估参数；νi与ηt是企业与时间固定效应；ε是误差项；y为被解释变量。本文以企业得以授权[注]得以授权，表明专利的质量较高。由于申请专利和得到授权之间还存在时间间隔，笔者将授权的年份倒推至申请年份。此时，企业已经拥有了该项创新产出。比如一项专利在2009年授权，但企业在2007年即拥有了该项专利产出，此项专利记在2007年。的人均发明专利数刻画创新产出，因为发明专利的技术含量更高，更能反映企业的创新能力。[注]以人均实用新型和外观设计专利数量为被解释变量的实证结果类似。限于篇幅，后文只报告有关发明专利的实证结果。数据来源为中国专利数据库。Risk刻画了一个企业的风险程度。笔者以每个企业样本期内历年销售收入对数的标准差作为风险的度量。一个企业各年销售收入的波动越大，它的风险水平就越高。稳健性检验部分，笔者也使用企业的盈利波动率刻画企业风险。[注]所得回归结果类似。限于篇幅，不再单独列表报出。RZ为Rajan-Zingales指数，刻画了一个行业的外部融资依赖程度，具体构建方法如Rajan & Zingales(1998)、陈陶然和谭之博(2018)所述。FS和FD表示中国历年的金融结构与金融发展，具体构建方法如Beck & Levine(2002)、陈陶然和谭之博(2018)所述。Risk与FS，FD的交互项是笔者重点关注的内容。显著为正的γ1(γ2)表明金融结构越偏向于市场主导(金融发展水平越高)，风险更高企业的人均发明专利数量越多。RZ与FS，FD的交互项揭示了重要的影响机制。显著为正的γ3(γ4)表明市场主导的金融结构(更高的金融发展水平)通过缓解外部融资约束更高行业中企业的融资约束，促进了它们创新产出的提升。考虑到创新是一个长期过程，本文采用核心解释变量的滞后值，以允许制度变量影响的延续性。
为了进一步识别金融体系的作用，笔者在私有企业与国有企业样本中分别进行回归。吴延兵(2012)指出，已有国有企业改革措施并不能实现创新中的剩余索取权与剩余控制权的匹配，因而无法改善国有企业的创新效率。国有企业的创新效率损失大于生产效率损失。另外，私有企业受到的补贴远小于国有企业，受到的融资约束更强(Song et al.,2011)，由于资金成本更为敏感，金融体系对其创新活动的影响应该更为强烈。笔者以登记注册类型定义私有企业(私营独资企业、私营合伙企业、私营有限责任公司、私营股份有限公司)与国有企业。若以实收资本最高份额的资本金来源方定义私有企业与国有企业，实证结果类似。
式(1)中的P，I，F分别代表省份、行业与企业层面的一系列控制变量。所有回归均采用在行业—年份层面聚类(clustered at the industry-year level)的异方差、序列相关稳健标准误，以允许同一行业—年份中的企业拥有某些共同特征。
P与I包括一系列省级和行业层面的宏观经济变量。参照阮建青等(2010)的研究，P与I包括人均GDP的对数、人口密度、城市人口比重、人均外商直接投资的对数、第二产业产值占总产值的比重、国有企业职工占全部职工的比重、市场集中度(以某省某个行业前三大企业的销售额占该省该行业销售总额的比重衡量)，以分离经济发展水平、市场需求、城市化、外商直接投资的外溢作用、产业结构、所有制形式、市场竞争对创新的影响。这些指标的数据来源为《中国统计年鉴》，市场集中度指标从工业企业数据库中计算得到。
参照Crepon et al.(1998)、Mairesse & Mohnen(2010)对于企业创新的研究，F包括一系列影响企业创新的因素，比如企业规模、年龄、固定资产占总资产的比重、杠杆率、营业利润占总资产的比重。第一个变量以总资产的对数值刻画，用以分离企业规模对于创新的影响。一方面，大企业具有更充分的人力、物力与财力进行创新；另一方面，大企业的成长空间有限，可能面临创新动力不足的问题。因此，企业规模对创新的影响并不确定，需要进行实证检验。与此类似，企业年龄对于创新也可能存在正反两方面的影响。第三个变量用以刻画企业资产的有形性。一方面，它衡量了企业抵押品的价值，反映了信息不对称的程度。拥有更多有形资产的企业可以进行更多的抵押，信息不对称程度更低，更有利于为创新活动融到资金。另一方面，过多的固定资产反映了资产的流动性较差，难以满足创新活动较高的不确定性对于流动性的要求，因此该变量也可能对创新产生负面影响。杠杆率为企业负债占总资产的比重。[注]作为同一硬币的两面，杠杆率也在一定程度上反映了企业内部资金的积累。如果用营运资本的变化占总资本的比重作为控制变量，回归结果保持稳健。Myers(1977)指出，高负债率的企业存在债务积欠(debt overhang)问题，更有可能丧失有利可图的投资机会，这会对创新活动产生不利影响。营业利润占总资产的比重用以分离企业的盈利性对于创新的影响。以上指标的数据来源都为中国工业企业数据库。
四、基本实证结果
笔者首先考察证券市场资本化总额的变化趋势，以说明使用2006—2008年金融结构指标的跳升识别金融结构对不同类型企业创新的影响具有合理性。根据WIND数据库提供的数据，中国证券市场资本化总额占GDP的比重从2006年起经历了快速上升。2003—2005年，中国证券市场资本化总额占GDP的比重分别为35.01%，34.88%与32.15%。2006年，这一比重首次接近60%，升至59.74%。而在2007年和2008年更高达125.23%和110.05%。二级市场的繁荣伴随着一级市场的繁荣。在牛市中，更多的企业可以通过证券市场融资，IPO和增发企业的数目越多，融资量越大。比如，2006年，新股发行(IPO或增发)集资规模为2 729.96亿元，远大于2005年的322.09亿元、2004年的527.09亿元、2003年的552.65亿元。
为了对金融结构对于企业创新的影响获得一个直观的认识，笔者先将全样本以金融结构的样本中位数划分为市场主导组(大于样本中位数)和银行主导组(小于样本中位数)，以风险的样本中位数划分为高风险组(大于样本中位数)和低风险组(小于样本中位数)，在每组中计算每万名员工拥有发明专利数的均值，并使用t检验进行均值比较。所得结果如表1所示。
表1 各个组别的每万名员工拥有发明专利数
说明：***表示在1%的显著性水平下显著。
由表1可见，对于高风险企业而言，市场主导金融体系的每万名员工拥有的发明专利数量大于银行主导体系的每万名员工拥有的发明专利数，两者的差为1.237，且在1%的显著性水平下显著。而对于低风险行业而言，两者之差为1.140，在1%的显著性水平下显著。重要的是，双重差分(difference-in-differences)为0.097，且在1%的显著性水平下显著，即市场主导的金融结构显著提高了高风险企业的人均发明专利数目。
表1汇报的是无条件均值，并没有控制其他因素对于企业创新的影响。笔者接下来加入控制变量，在表2中汇报基于式(1)的回归结果。表2的回归分析基于私有企业样本。表2的第(1)列～第(3)列不控制RZ与金融体系特征的交互项，逐步增加控制变量。表2的第(4)列～第(6)列控制RZ与金融体系特征的交互项。
由表2可见，对于私有企业而言，无论采取何组控制变量，风险与金融结构的交互项始终显著为正，而风险与金融发展的交互项并不显著。即市场主导程度更高的金融结构，而非更高的金融发展水平(金融市场的绝对规模)显著提高了高风险企业的人均专利数。
金融结构与金融发展(金融市场的绝对规模)对于企业创新的影响表现出不同的模式，主要源于证券市场和银行对于不同风险类型的企业的支持力度存在较大差异(陈陶然和谭之博，2018)。由于金融发展指标包含了证券市场和银行的绝对规模，其对于高风险行业中企业的影响可能正负相抵，在总体上并不显著。
当加入RZ指数与金融体系特征的交互项后，上述机制得到了印证。如果市场融资可以更好地缓解私有企业的融资约束，促进企业创新，这一效果应该对外部融资依赖程度更高行业中的企业更加明显。由表2的第(4)列～第(6)列可见，RZ与金融结构的交互项显著为正，而与金融发展的交互项并不显著。市场主导程度更高的金融结构通过缓解处于更依赖于外部融资行业中的企业的融资约束，更好满足高风险企业的融资需求，促进这些企业的创新。
就其他始终显著的控制变量而言，人口密度对人均专利产生了正向影响。这与强调市场规模的文献(Hu & Jefferson,2009)结论一致，更广阔的市场有利于促进企业创新。人均FDI对数的系数显著为正，表明外商直接投资对私有企业创新产生了正向的外溢作用，与Xu(2000)，Cheung & Lin(2004)，Hatani(2009)等的发现一致。更高的第二产业比重对企业创新产生了负向影响，一定程度上表明了产业升级转型对于提升创新能力的重要性。另外，规模更大、年龄更长的企业人均专利数目更多。这些企业具有更多的人力、物力、财力及累积经验去进行创新。
表2 金融体系特征、风险特性与企业专利：私有企业
说明：括号中汇报的是在行业×年份层面聚类的稳健标准误。所有回归控制了企业与年份固定效应。*，**，***表示在10%，5%，1%的显著性水平下显著，下表同。
根据表2的估计结果，笔者计算了金融结构对专利的影响幅度。对于一个风险程度处于75%分位点的私有企业，金融结构每增加一个标准差，人均发明专利的数量增加47.9%，而对于一个风险程度处于25%分位点的私有企业，这一影响为17.1%。金融结构越偏向于市场主导，高风险企业的人均发明专利数量越多。
笔者接下来在国有企业样本中进行与表2类似的分析，考察金融结构对于企业的影响是否存在异质性。所得回归结果如表3所示。
表3 金融体系特征、风险特性与企业专利：国有企业
说明：各列中的控制变量与表2中对应列完全相同，限于篇幅，其结果没有报出。
由表3可见，在各组控制变量下，无论是金融结构还是金融发展，其与风险的交互项都不显著，其与RZ指数的交互项也不显著。金融体系特征并没有对国有企业产生显著的影响。国有企业长期受到政府的补贴，无论是银行贷款还是证券市场直接融资，都获得了较多的支持(Song et al.,2011)。因此，其受到的融资约束较小，金融结构的变化或金融市场规模的扩大对其影响有限。
五、稳健性检验
笔者在本部分进行一系列稳健性检验，以确认基准回归所得的结论具有较高的稳健性。
第一，笔者在回归中控制省份×年份虚拟变量，以允许省际间的固有差异随年份而发生变化，进一步剔除宏观层面的变量对于企业创新的影响。[注]由于基准回归控制了企业的固定效应，因省份而异的行业差别可以被较好地控制。笔者也尝试了不控制企业固定效应，而加入省份×行业的交互项，基准结果保持稳健。虽然基准回归控制了常见的宏观变量，但仍可能面临遗漏变量的威胁，比如各个省份在各年份的投资机会不同，或创新的市场前景不同，或是企业上市的配额不同，或扶持企业创新的科技财税政策有所不同。控制省份×年份虚拟变量，可以较好地排除这些因素的影响。[注]由于使用交互项识别金融体系的作用，遗漏变量只有对不同风险类型和所有制类型的企业专利产生不同的影响，才会对基准结果构成威胁。控制省份×年份虚拟变量之后的回归结果列于表4。
由表4可见，控制了因年份而异的各省差异后，基准结果保持稳健。对于私有企业而言，风险与金融结构的交互项依然显著为正，而风险与金融发展的交互项依旧不显著。RZ与金融结构的交互项显著为正，与金融发展的交互项不显著。而对于国有企业而言，四组交互项都不显著。市场主导程度更高的金融结构，而非金融市场的绝对规模，通过缓解外部融资依赖度更高行业中的私有企业的融资约束，显著提高了高风险私有企业的人均专利数量。
表4 金融体系特征、风险特性与企业专利：稳健性检验
说明：括号中汇报的是在行业×年份层面聚类的稳健标准误。所有回归控制了企业与省份×年份固定效应。其他控制变量与表2中对应列相同，限于篇幅，没有报出。
第二，2004年之后，工资水平出现了较快的上涨。劳动力成本的上升可能诱发企业进行创新，替代劳动。为了分离这一因素对于企业创新的影响，笔者在基准回归中加入行业资本密集度与各省工资水平增长率的水平项及其交互项发现，劳动密集行业面临更快的工资上涨压力时，企业具有更强的动力进行创新，替代成本上涨的劳动。在控制这一因素的影响后，基准回归结果依然稳健。限于篇幅，这些结果省略。
第三，笔者更换一些控制变量的测度指标。笔者采用Aghion et al.(2005)的方法衡量竞争程度：先计算每个企业营业利润占销售收入的比重li，再根据式计算出行业j的竞争指数。其中i代表企业，j代表行业，Nj是样本中j行业的企业个数。一个行业竞争越激烈，企业的利润率会越低，因此竞争指数会越大。笔者采用员工总数的对数值或营业收入的对数值衡量企业规模，以流动负债占总资产比重替换杠杆率，以流动资产占总资产比重替换固定资产占总资产比重进行回归。基准回归结果依然保持稳健。限于篇幅，这些结果省略。
第四，笔者以企业拥有的发明专利数量为被解释变量，使用计数模型估计回归方程。似然比检验拒绝泊松计数模型与负二项分布计数模型不存在差异的原假设，因此笔者使用负二项分布计数模型。考虑到许多企业的专利个数是0，笔者也采用零值膨胀负二项分布模型(zero inflated negative binomial model)进行了回归分析。基准回归结果对于计数模型也保持稳健。限于篇幅，这些结果省略。
第五，笔者对证券市场资本化总额快速上升之前不同风险类型企业的专利趋势进行了检验。如果不同风险类型的企业在这之前就已存在专利数量的系统差异，那么基准结果识别的可能并不是金融体系的作用，而是其他遗漏因素的效果。由于工业企业数据起始于1998年，基准回归的年份跨度为2003—2008年，笔者将样本限制在1998—2002年(基准回归之前的年份)，或1998—2005年(证券市场资本化总额快速上升之前的年份)，重新进行与基准回归相同的回归。[注]篇幅所限，回归结果不再列表报出，感兴趣的读者可向笔者索取。
回归结果表明，无论是在1998—2002年还是在1998—2005年，风险与金融结构或金融发展的交互项都不显著。即在证券市场资本化总额快速上升之前，金融结构或金融发展并没有系统影响不同风险类型企业的人均专利数量。换言之，不同风险类型企业的专利数量在金融体系特征变化之前并不因金融体系特征而异，基准回归识别的是金融体系对于企业创新的影响，而非其早已存在的系统差异。
另外，作为稳健性检验，笔者也使用加入年份虚拟变量与风险交互项的方法，直接考察2006—2008年(2003—2005年)相对于2003—2005年(2000—2002年)(取间隔相等的年份)不同风险类型企业的人均专利数量是否存在显著差异。即在2003—2008年的基准回归分析中，笔者定义虚拟变量2006—2008年，该变量在2006—2008年取1，在2003—2005年取0，加入该变量与风险的交互项。在2000—2005年的趋势性检验中，定义虚拟变量2003—2005年，该变量在2003—2005年取1，在2000—2002年取0，加入该变量与风险的交互项。[注]篇幅所限，回归结果不再列表报出，感兴趣的读者可向笔者索取。
回归结果表明，对于私有企业而言，证券市场资本化总额快速上升之后，高风险企业的人均专利数出现了显著上升。[注]笔者也尝试了分别加入每一年的虚拟变量与风险的交互项。2007年、2008年的交互项显著为正，且交互项的系数逐渐增大。考虑到资金投入到产生专利的滞后效应，且2007年证券市场资本化总额的占比最大，这为基准回归结果提供了进一步支持。而1999—2005年(1998年为参照组)的交互项系数并不显著，表明平行假设是成立的。而在这一变化出现之前，不同风险类型企业的人均专利数并不存在显著差异。对于国有企业，由于其在银行贷款和证券市场融资方面都受到较多的青睐，受到的融资抑制较小，证券市场资本化总额的快速上升对其影响并不显著。换言之，由于融资约束始终较小，约束条件放松之后，它们并不受到显著的影响。
最后，为了进一步验证金融体系特征的影响，笔者考察基准结果是否在不同规模的企业中表现出不同的模式。由于大企业面临的信息不对称程度较低，抵押品也更为充足，无论是银行贷款还是证券市场融资，都比较青睐于大型企业。换言之，大企业无论在何种金融体系下都比较容易获得外部融资，金融体系特征发生变化后，对其影响较小。因此，笔者以员工总数的中位值将样本划分为小企业样本(员工总数小于样本中位值)与大企业样本(员工总数大于样本中位值)。[注]以总资产或营业收入对数的中位值划分样本，所得结果类似。在子样本中进行基准回归分析，所得结果列于表5。
表5 金融体系特征、风险特性与企业专利：基于企业规模分样本分析
说明：所有回归的控制变量与表2第(6)列的控制变量相同，限于篇幅，其结果没有报出。
由表5可见，风险与金融结构的交互项以及RZ与金融结构的交互项在小型私有企业样本中显著为正。金融结构的影响对于小型私有企业最为明显。由于这类企业受到的融资约束最紧，以上结果为金融结构的作用提供了进一步支持。
六、结论
本文利用2006—2008年中国证券市场资本化总额占GDP比重的快速上升以及企业风险特性的差异，探讨了金融体系特征对于企业创新的影响。实证分析结果表明，市场主导程度更高的金融结构，而非金融发展(金融市场的总体规模)，通过缓解外部融资依赖程度更高行业中的私有企业的融资约束，显著提高了高风险私有企业的人均发明专利数量。这一模式对于小型私有企业表现得更加明显。而金融体系特征对于国有企业的创新影响较弱。在仔细检验金融体系特征发生变化之前不同类型企业专利数量的时间趋势，考虑了潜在的遗漏变量问题之后，上述发现依然保持稳健。
本文从金融体系特征的角度探讨了影响企业创新的重要制度环境。现有文献强调市场规模、竞争、企业特质等因素对于企业创新的影响。本文在控制这些因素的基础上，基于系统的中国专利数据，提供了市场主导的金融结构如何分散风险，缓解企业的融资约束，进而影响企业创新的系统经验证据，有助于思考什么样的金融体系更有利于提升企业的创新能力。
参考文献
陈陶然、谭之博，2018：《金融市场特征、行业特性与出口国内附加值》，《世界经济研究》第9期。
邓可斌、丁重，2010:《中国为什么缺乏创造性破坏》,《经济研究》第6期。
李春涛、宋敏，2010：《中国制造业企业的创新活动：所有制和CEO激励的作用》,《经济研究》第5期。
潘越、潘建平、戴亦一，2015：《公司诉讼风险、司法地方保护主义与企业创新》,《经济研究》第3期。
平新乔、关晓静、邓永昶、李胤、梁爽、陈工文、章椹元、周艺艺，2007：《外国直接投资对中国企业的溢出效应分析:来自中国第一次全国经济普查数据的报告》,《世界经济》第8期。
阮建青、张晓波、卫龙宝，2010：《危机与制造业产业集群的质量升级》,《管理世界》第2期。
温军、冯根福，2012：《异质机构、企业性质与自主创新》,《经济研究》第3期。
吴延兵，2012：《国有企业双重效率损失研究》,《经济研究》第3期。
周亚虹、贺小丹、沈瑶，2012：《中国工业企业自主创新的影响因素和产出绩效研究》,《经济研究》第5期。
左志刚，2012：《金融结构与国家创新能力提升:影响机理与经验证据》,《财经研究》第6期。
Acemoglu,D.,2002,“Directed Technical Change”,Review of Economic Studies, 69(4):781-809.
Acemoglu,D.,and J.Linn,2004,“Market Size in Innovation:Theory and Evidence from the Pharmaceutical Industry”,Quarterly Journal of Economics,119(3):1049-1090.
Acemoglu,D.,2007,“Equilibrium Bias of Technology”,Econometrica, 75(5):1371-1409.
Aghion,P.,N.Bloom,R.Blundell,R.Griffith,and P.Howitt,2005,“Competition and Innovation:An Inverted-U Relationship”,Quarterly Journal of Economics, 120(2):701-728.
Ayyagari,M.,A.Demirgüç-Kunt,and V.Maksimovic,2012,“Firm Innovation in Emerging Markets:The Role of Finance,Governance,and Competition”,Journal of Financial and Quantitative Analysis,46(6):1545-1580.
Beck,T.,and R.Levine,2002,“Industry Growth and Capital Allocation:Does Having a Market or Bank-based System Matter?”,Journal of Financial Economics, 64:147-180.
Cheung,K.,and P.Lin,2004,“Spillover Effects of FDI on Innovation in China:Evidence from the Provincial Data”,China Economic Review,15(1):25-44.
Crepon,B.,E.Duguet,and J.Mairessec,1998,“Research,Innovation and Productivity:An Econometric Analysis at the Firm Level”,Economics of Innovation and New Technology, 7(2):115-158.
Hale,G.,and C.Long,2011,“Are There Productivity Spillovers from Foreign Direct Investment in China?”,Pacific Economic Review,16(2):135-153.
Hashmi,A.,2013,“Competition and Innovation:The Inverted-U Relationship Revisited”,Review of Economics and Statistics, 95(5):1653-1668.
Hatani,F.,2009,“The Logic of Spillover Interception:The Impact of Global Supply Chains in China”,Journal of World Business, 44(2):158-166.
Hayami,Y.,and V.W.Ruttan,1970,“Factor Prices and Technical Change in Agricultural Development:The United States and Japan,1880-1960”,Journal of Political Economy, 78(5):1115-1141.
Hicks,J.R.,1932,The Theory of Wages,New York:Macmillan.
Hsu,P.H.,X.Tian,and Y.Xu,2014,“Financial Development and Innovation:Cross-country Evidence”,Journal of Financial Economics, 112(1):116-135.
Hu,A.G.,and G.H.Jefferson,2002,“FDI Impact and Spillover:Evidence from China’s Electronic and Textile Industries”,The World Economy, 25(8):1063-1076.
Hu,A.G.,and G.H.Jefferson,2009,“A Great Wall of Patents:What Is Behind China’s Recent Patent Explosion?”,Journal of Development Economics, 90(1):57-68.
Mairesse,J.,and P.Mohnen,2010,“Using Innovations Surveys for Econometric Analysis”,NBER Working Paper No.15857.
Myers,S.,1977,“Determinants of Corporate Borrowing”,Journal of Financial Economics,5(2):147-175.
Rajan,R.G.,and L.Zingales,1998,“Financial Dependence and Growth”,American Economic Review, 88(3):559-586.
Song,Z.,K.Storesletten,and F.Zilibotti,2011,“Growing Like China”,American Economic Review, 101(1):196-233.
Xu,B.,2000,“Multinational Enterprises,Technology Diffusion,and Host Country Productivity Growth”,Journal of Development Economics, 62(2):477-493.
FINANCIAL SYSTEMS, RISK FEATURES AND CORPORATE INNOVATIONS
CHEN Tao-ran1 TAN Zhi-bo2
(1. Institute of World Economy, Shanghai Academy of Social Sciences;2. School of Economics, Fudan University)
Abstract:Based on the Annual Survey of Manufacturing Firms and the Patents Dataset of China, this paper employs the rapid increase of stock market capitalization ratio during 2006—2008 and the diversity in risk features of different firms to investigate the impact of financial structure and financial development on corporate innovations. Empirical results demonstrate that a more market-based financial structure, rather than the overall scale of the financial market, boosts the innovation of risky private firms and firms in industries with a greater dependence on external finance. Such results are not driven by the pre-treatment trend and are robust to the omitted-variable problems. This paper contributes to the understandings of industrial upgrading and has rich policy implications for the construction of a financial system which will promote the corporate innovation capabilities.
Key words:financial structure; risk feature; corporate innovations
*陈陶然，上海社会科学院世界经济研究所，上海WTO事务咨询中心；谭之博(通讯作者)，复旦大学经济学院，邮政编码：200433，电子信箱：tzb0905@fudan.edu.cn。本文得到国家自然科学基金青年科学基金项目“促进企业创新的金融市场特征研究：基于金融结构与互联网金融发展的视角”(71603057)、教育部人文社会科学重点研究基地重大项目“垂直专业化视角下中国贸易发展的世界效应研究”(16JJD790010)、复旦大学理论经济学I类高峰计划学术前沿系列“贸易冲击与企业创新研究”的资助。感谢匿名审稿人提出的修改意见，笔者已做了相应修改，本文文责自负。
(责任编辑：刘舫舸)
页:
[1]