风险视角下企业治理结构和研发创新
风险视角下企业治理结构和研发创新——基于委托代理模型的研究
韩 松 习媛杰
[提 要] 本文基于委托代理模型，从风险的视角研究企业治理结构对研发创新能力的影响。本文构建了一个包含创新活动的委托代理模型进行理论分析，利用动态DEA模型测算创新能力，并使用2015-2018年我国上市制造业企业数据进行实证检验。实证部分检验了理论结论：委托代理问题不利于企业提升研发创新能力，且客观风险和主观风险厌恶会加剧该负面影响。基于此，本文认为上市企业应根据企业自身研发活动特点有针对性地改善企业治理结构，提出了适当延长代理人任期、推动股权激励计划、提升代理人的风险承担能力等建议。
[关键词] 企业研发创新；治理结构；委托代理；风险；动态DEA
一、引言
创新是现代企业持续发展的动力和源泉。党的十八大以来，以习近平同志为核心的党中央着眼全局、面向未来，作出必须把创新作为引领发展的第一动力的重大战略抉择，实施创新驱动发展战略，加快建设创新型国家。习近平主席在2019年“创新经济论坛”上指出：创新是当今时代的一个重大命题。随着我国在经济发展新常态下对供给侧结构性改革的不断推进，创新也显得愈发重要。从企业的角度看，创新在企业的长远发展中起到关键性作用，尤其是研发环节，率先获得同类新技术的专利可以获得同行业的领先地位。从国家的角度看，目前我国经济发展面临重要转折，从过多地依赖资源和环境的消耗来保持经济增长向依靠技术创新推动经济和社会的全面、健康、可持续发展转变。
关注创新投入或产出的同时，亦需要注重创新能力的提升。在我国创新驱动发展战略的推进下，我国的创新投入和产出不断增多，研发环节作为创新中上游的关键一环同样值得关注。相关数据显示，我国2019年全社会R&D支出2.21万亿元，居世界第二位，R&D人员总量达到450万人年左右，居世界第一，且发明专利申请量和授权量均居世界首位，但创新能力世界排名仅第14。[注]全国R&D经费数据来自《2019年全国科技经费投入统计公报》；R&D人员总量数据来自2020年5月19日国务院新闻办公室举办的新闻发布会上科技部部长王志刚的发言；创新能力排名来自世界知识产权组织等发布的《2020年全球创新指数报告》。创新能力和投入、产出量存在一定程度的不匹配。实际上，人类创新活动进行至今，创新难度不断加大(Bloom et al.，2020)，研发创新活动更是如此。企业是我国研发创新活动的重要主体，本文以上市制造业企业为研究对象，从风险视角出发，基于委托代理模型，寻找影响企业研发创新能力的制度原因。
目前关于企业创新影响因素的研究主要分为两类：一是创新环境、国家创新制度等企业外部或宏观因素，二是企业内部结构。本文的研究属于后者。
企业内部结构影响创新，激励和监督是两个最重要的渠道，二者均可缓解委托代理问题。Holmström(1989)从这两个途径入手，分析了如何对企业委托人和代理人在创新活动上因利益不一致而产生的问题进行协调。创新活动具备不同于一般生产性活动的特征：风险高、不可预测性、周期长、人力资本密集、异质性。首先，风险高和不可预测性不仅意味着代理人需要承担比一般生产性活动更高的风险，同时对于委托人而言，在监督上也很难分清楚创新项目失败究竟是因为代理人不够努力，还是项目本身风险过高。其次，就目前大多数企业偏向短期绩效的考核制度而言，周期长的特点无形中增加了代理人的机会成本。最后，人力资本密集和异质性的特征增加了创新活动的监督难度，提高了监督成本。这些特征要求企业在创新活动上应确立不同于一般生产性活动的激励和监督机制。类似的观点还见于吴延兵(2012)和Manso(2011)的研究。根据汪昌云和钟腾(2018)的研究，影响创新的委托代理问题主要分为两类，第一类常见于委托人和代理人之间，相较于企业所有者，代理人在执行决策时更多考虑自身利益，而周期长、风险高的创新活动，会让其尽量避之。第二类委托代理问题常见于大股东和小股东之间，掌握控制权的大股东往往为了谋取自身利益转移企业资源而牺牲中小股东的利益。这两类委托代理问题中都存在利益冲突和信息不对称，而良好的企业治理机制有助于缓解该类问题，使委托人和代理人在创新活动上的利益尽量一致，提高企业创新水平。
经验研究方面，上述两个渠道也常见于我国企业创新活动的相关研究中。激励方面，刘运国和刘雯(2007)认为可通过实施股权激励、延长经理人的任期来提高经理人的创新积极性和主动性；赵奇锋和王永中(2019)则基于锦标赛模型提出了薪酬差距对创新的正向激励作用。同样认同薪酬激励或股权激励作用的研究还有李春涛和宋敏(2010)、Chang et al.(2015)、尹美群等(2018)。监督方面，吴延兵(2012)认为国有企业因产权属性特点，存在所有者缺失的问题，无法很好地对代理人进行监督，因此存在创新效率损失问题；朱冰等(2018)则提出，多个大股东的股权结构安排一方面可以降低经理人的代理问题，另一方面会造成过度监督，从而抑制企业创新，而独立董事的安排可以缓解这一类过度监督问题而有助于创新。除此之外，李文贵和余明桂(2015)认为民营企业的股权结构对创新的影响是通过经理人，也就是激励和监督渠道。还有学者认为，代理人自身的特点也会影响企业创新，例如刘运国和刘雯(2007)提到了年龄特征；崔也光等(2018)提到了独立董事的科研、银行业等背景，这些代理人特点本身也是一种内在的自我激励，如年轻人更有冒险精神特点，倾向于进行风险高的创新活动，因此这种代理人的自身特点也可算作激励或监督的问题。
对相关的企业治理结构研究进行总结，可以得到以下四类：(1)董事及管理层安排(刘运国和刘雯，2007；张洪辉等，2010；崔也光等，2018)。不仅治理结构的安排如管理层的任期、董事和管理层的职位交叉会影响其对创新的态度和投入，同时董事和经理的年龄、学历背景、工作经历等自身因素也会引发不同程度的委托代理问题。(2)股权结构(冯根福和温军，2008；朱冰等，2018)。一方面合理的股权安排方式如股权分配、期权分配等，有助于降低经理的代理问题，另一方面股权结构具有复杂性，安排不当可能会衍生出诸如利用职权便利攫取利益等其他委托代理问题。(3)产权性质(吴延兵，2012；Boubakri et al.，2013；李文贵和余明桂，2015)。一方面由于国企存在所有者缺失、市场化程度低等问题，国有企业研发效率会低于民营企业；另一方面，国有企业因其更完善的支撑体系而有助于创新。(4)薪资配置(Firth et al.，2015；尹美群等，2018；赵奇锋和王永中，2019)。一方面管理层的薪酬本身是对代理人的激励，另一方面薪酬差距也会影响创新活动。
本文从风险视角研究企业治理结构对研发创新能力的影响。企业的治理结构会影响企业的研发创新，那么对于创新风险更高的企业，这种影响会如何变化？企业管理者的风险承担能力又有何影响？以及应如何安排治理结构以提高管理者的风险承担能力，从而提升自主创新能力，这些都是本文研究的主要问题。
关于创新能力的测算，本文使用动态DEA模型。目前DEA方法已成为衡量创新能力的一种重要方法。现有利用DEA方法计算企业创新能力(或效率)的文献中，主要有三类模型：(1)经典的CCR或BCC模型，此类研究不考虑创新过程的内在结构，只考虑从创新投入到创新产出的效率(官建成和陈凯华，2009)。(2)两阶段网络DEA模型，此类研究将创新活动分为研发和商业化两阶段，计算整体的创新效率(庞瑞芝和李鹏，2011)。(3)跨期动态DEA模型，此类研究同时纳入创新活动的投入和产出，并考虑创新知识(或专利)的积累性，加入结转变量(Chen et al.，2018)，较为全面地衡量了创新能力。研发创新是一个从研发投入到产出的过程，具有“站在巨人肩膀上”的特征，体现了明显的累积性和持续性。故本文使用动态DEA模型来进行创新评估，引入以专利为代表的知识结转变量，充分考虑研发过程的动态性。
综上，本文有三个边际贡献：(1)理论模型从风险视角出发，在委托代理模型中考虑企业的创新活动，纳入创新活动的折现能力、风险偏好等因素，分析了委托代理问题对创新能力提升的影响。虽然有些文献认为企业管理者的风险容忍度会影响企业的创新活动(Manso，2011；Francis et al.，2011)，但综合从风险角度分析企业治理结构对其研发创新能力的文献却不多。(2)利用动态DEA模型计算研发创新效率值，用来表示企业的创新能力。现有研究大多使用单一变量作为创新的代理变量，如研销比(冯根福和温军，2008；盛丰，2012)，或研发支出比例(李文贵和余明桂，2015)。还有一些研究直接选择创新产出(专利数)或者创新投入(研发支出)作为创新代理变量(张洪辉等，2010；Chemmanur et al.，2014)。而本文研究的是企业治理结构对企业创新能力的影响，故以上代理变量都不太合适。(3)利用2015—2018年中国制造业上市企业数据，以动态DEA模型计算得到的创新效率值作为企业研发创新能力的代理变量，围绕委托代理问题，以风险视角切入对企业治理结构与其创新能力的关系进行实证分析，以此检验理论分析结果。
二、理论模型
借鉴李富强和李斌(2003)的研究，本文在委托代理模型中纳入创新活动，即将投入分为两部分，并考虑创新活动的折现能力。本文将这种折现能力称为客观风险程度。[注]在李富强和李斌(2003)的模型中，经营者往往只从目前的经营活动中获得回报，并不考虑创新活动。
(一)模型假设
A1 代理人的投入决策分为经营类和创新类两种，同时代理人和委托人决策的目的是最大化自身收益。
这里将投入决策分为两类，是因为创新活动区别于其他活动，具有高成本、高失败容忍度等特征(Holmström，1989；Manso，2011)，这样的分类方式也与本文的研究问题相契合。代理人和委托人最大化自身收益的做法与经典的委托代理模型(Harris & Holmström, 1982；Holmström, 1989；李富强和李斌，2003；丁永健等，2013)相同。
A2 创新活动产出折现的能力对于代理人和委托人有差异。
一般而言，创新活动的收益产生在未来，这种收益对于代理人和委托人是存在差异的，体现在折现因子上，分别以系数q1和q2表示，其中假定q1<1,q1<q2，即创新活动对于委托人有更强的现金流生产效应。
创新活动对于两类人群的折现能力不同，这个设定主要源于二者任期不同，以及目前上市企业主要以短期绩效作为考核依据的事实。本文使用的数据显示，2018年我国上市企业中总经理的在职平均任期为3.85年，董事长的平均任期为4.93年，而企业的创新活动尤其是研发创新活动，要产生实际收益，周期较长。另外，根据Jensen & Meckling(1976)、尹美群等(2018)的研究，由于经理人在企业中的收益主要来源于短期薪酬回报，而薪酬回报又取决于其短期经营业绩。同时，任期内能否从研发创新活动中获得更多的收益，与产品的创新周期也相关。因此，代理人作为企业的决策者，为创新付出努力而获得的收益相对委托人更少，也就是此处的q1<q2。
A3 为了简化分析，假设代理人和委托人的收益与投入均为线性关系，同时委托人和代理人的契约是线性的。
(二)模型设定
1. 代理人净收益函数。该函数P1由代理人的预期收益w(y1)与成本c(a)决定，在线性契约下收益w(y1)与企业的产出y1成正比，[注]y1也可称为代理人对企业的贡献。即：
w(y1)=s+by1
(1)
式中s为固定工资；b为产出的边际工资；y1的表达式为：
y1=N+q1(a-N)+ε
(2)
式中，a为代理人在任期内的总投入；N为经营活动投入；(a-N)为创新活动投入；q1为代理人创新收益的折现因子，q1<1，ε～N(0,σ2)。关于y1以及w(y1)的形式，主要考虑代理人的研发活动在其任期内带给企业的价值，即q1(a-N)为代理人在其任期内通过研发活动为企业创造的价值，并且委托人给予代理人报酬的依据也是其在任期内创造的价值。
进一步可得到代理人的净收益函数P1，如式(3)，其中c(a)为其成本，与总投入a有关。易知，在最优行动下，Var(P1)=b2σ2。
P1=w(y1)-c(a)=s+b
+bε-c(a)
(3)
2. 委托人净收益函数：P2。委托人的预期收益y2=N+q2(a-N)+ε。a和N同上，q1<q2，即创新活动的价值对于委托人更高。同时，委托人还需支付给代理人一笔代理费用w(y1)，因此P2如下：
P2=y2-w(y1)=N+q2(a-N)-s
实证检验时，表示委托代理问题的变量，一类可以考虑代理人和委托人不同的情况，另一类可以考虑企业控制权和所有权的分布情况。本文分别使用总经理兼任董事情况、两权分离度作为代理变量，这两个变量可以在一定程度上体现利益冲突和信息不对称问题。
(4)
3. 最优化问题：如式(5)～式(7)。委托人需要确定最优线性契约，即选择s和b以最大化自身净收益，如式(5)。而代理人需要选择总投入a和本期经营活动投入N以达到自身期望净收益溢价最大化，如式(6)，并且要高于其保留净收益溢价width=32,height=20,dpi=110如式(7)。
width=78,height=26,dpi=110N+q2(a-N)-s-b[N
+q1(a-N)]
(5)
width=108,height=23,dpi=110s+b
width=102,height=35,dpi=110
(6)
width=293,height=35,dpi=110
(7)
注意到该优化问题考虑了代理人的风险偏好情况，令效用函数为U(x)=-e-rx，x～N(0,v)，可得到确定性等价CE(EU=U(CE))，其中r为风险偏好系数，r>0表示厌恶风险。
对于代理人而言，如式(6)，分别对a和N求偏导。沿用以往的设定，c′(a)>0，c″(a)≥0，不妨设c(a)=a2/2。[注]该设定与李富强和李斌(2003)的研究一致。则：
width=41,height=35,dpi=110=b-bq1>0
width=41,height=32,dpi=110=bq1-c′(a)=0⟹a*=bq1
每一个公民为城邦的持续稳定发展而努力时，城邦也为人们提供了塑造强健体魄和至善德性的公共场所，为人的身心发展奠定了物质基础。体育馆、摔跤场、竞技场成为人参与体育运动的公共场所,“没有一个城邦没有练习场，练身场成为系列城邦的标记之一”。每一个人、每一个城邦都崇尚体育运动，在体育中将人之潜能展现得淋漓尽致。人对城邦的高度认同感和归属感成为一股隐形的力量，指引着人积极参与公共生活，与希腊人独特的宗教信仰一起建构起古代奥运会的社会基础，创造出影响人类社会几千年之久的奥林匹克运动。体育运动将人最原始的野蛮暴力转化为激发身体潜能的合理行为，将人塑造成智慧、勇敢、正义和节制的意义生命体。
width=301,height=26,dpi=110
+λCE(s,b)
(8)
可解得[注]式(8)中委托人要使自身净收益最大化，式(7)应该取等号，即λ>0，且λ取任何值均满足，可直接令λ=1。：
width=196,height=58,dpi=110
(三)模型结论
令r>0，代理人厌恶风险。[注]Aghion et al.(2013)和Luong et al.(2017)等均设定代理人风险厌恶，本文承袭这种做法。假定q2保持不变，只考虑代理人任期内创新活动的折现能力q1和风险厌恶程度r，可得到以下结论：
C1 若q1<1，无论r和q1如何变化，委托代理问题不利于企业创新能力的提高。此时代理人将尽可能多地增加任期内经营活动的投入。
C2 若q1减少，委托代理问题对创新能力的负面影响更强。此时不仅代理人更倾向于在经营活动付出更多努力，而且激励效应减弱，a*减小，使得企业增长能力变弱，正常经营活动扩张能力下降，不利于创新活动的进一步提升。
C3 若r增加，委托代理问题对创新能力的负面影响也更强。此时代理人主观的风险厌恶程度增加，越厌恶风险，a*减小，激励的作用下降，带来的影响类似于C2。
同样可以联立式(5)和式(7)，可得到式(8)：
关于q1，其定义为代理人为创新活动付出的努力所创造价值折现到其任期内收益的能力，不仅与代理人的任期、企业对代理人的长期激励措施相关，也与行业的研发周期的激励有关。因此本文分别使用高管任期、管理层持股数量和高技术行业哑变量作为这三类因素的代理变量。由于这里陈述的前两类因素与企业的治理结构直接相关，最后一类与创新活动本身相关，故这里将q1称为代理人面临的客观风险程度，客观风险越大，q1越小。
r表示代理人厌恶风险的程度，本文使用企业的资产负债率作为代理变量。资产负债率是高管的一种惯性行为，其大小可以反映其愿意接受的风险程度。由于r主要由代理人自身决定，因此这里将r称为主观风险程度，代理人主观上越厌恶风险，r越大。
三、研发创新效率的测算模型及简要分析
(一)动态DEA模型
本文使用动态DEA模型对企业的研发创新效率进行测算，它是一类跨期的DEA模型。自Charnes et al.(1978)提出第一个DEA模型——CCR模型后，DEA模型被大量应用于各类活动的效率评估，动态DEA模型则考虑了创新活动的累积性和持续性。研发往往是基于已有的研究成果进一步进行的，不仅需要前期知识成果的支撑，同时也需要投入新的人力物力。本文将企业的研发创新活动总结为图1所示的动态过程。[注]本文度量企业的研发创新能力时，研发创新过程如图1所示。专利作为一类知识既是产出也是投入，因此是一类结转变量，即图1中的Z和X为研发投入，需要注意到式(9)中的Y为不进入下一阶段的中间产出，而本文所考虑的研发创新活动不含中间产出，因此图1不含Y。其中Z表示上一年的知识成果，X表示当年新加入的人力物力，在这两类投入的基础上，产出新一年的研究(知识)成果Z。
本文的动态DEA模型主要参考 Chen et al.
width=655,height=77,dpi=110
图1 企业研发创新的动态过程
(2018)的做法，如式(9)，创新过程中企业上一期的产出是下一期的投入，对下一期的活动产生跨期影响。其中width=26,height=17,dpi=110表示投入，width=23,height=17,dpi=110表示产出，width=23,height=17,dpi=110表示结转变量，Ek表示总效率。
Ek=
width=328,height=55,dpi=110
(9)
width=328,height=190,dpi=110
模型(9)还可以计算阶段内t时期的效率width=32,height=17,dpi=110和t时期对总阶段的贡献值width=43,height=17,dpi=110由式(10)、式(11)表示：
width=269,height=52,dpi=110
(10)
width=55,height=17,dpi=110
width=290,height=55,dpi=110
(11)
模型中的投入产出指标借鉴了官建成和陈凯华(2009)、庞瑞芝和李鹏(2011)、Chen et al.(2018)的做法(见表1)，申请专利数目是“最新知识”的代理指标，当年研发人员和当年研发支出以及上一年申请专利为当年研发创新活动的投入，同时产出当年的“最新知识”——申请的专利。表1的变量可以对应图1，Applypatent对应Z，RDSpendSum和RDPerson对应X。由于部分企业的一些年份的专利申请数为0，为了方便处理，对变量加1并取对数，同时为了方便计算效率，并保证DEA模型的有效性，研发支出和人员数量做了同样处理。
表1 企业研发能力中变量定义及说明
width=745,height=111,dpi=110
(二)测算结果
本文的样本为2015—2018年中国上市企业中的制造业企业。[注]具体样本的选取和数据预处理见第四部分。计算结果表明，2015—2018年大部分企业的研发创新效率整体偏低，我国的整体研发创新能力有待进一步提升。就2015—2018年整体来看，处于有效前沿面上的企业仅有3家，2015年3家，2016年4家，2017年3家，2018年4家。表2对样本整体的效率进行了简单的分析。[注]由于企业数量较多，此处不再附录说明，若有需要，可向笔者索取，结果保留四位小数。
从整体来看，2015—2018年企业的研发效率总体呈下降水平，尽管2016—2017年由0.450上升至0.478，但其余年份均在下降，尤其在2018年下降至0.344。从波动情况来看，标准差在不断提高，说明企业研发能力的差异在逐渐增大。
表2 2015—2018年全样本研发创新效率比较
width=375,height=170,dpi=110
表3和表4为根据本文的关键解释变量(总经理兼任情况和两权分离度)进行分组的研发创新效率分析。
表3将总样本根据总经理是否兼任董事进行了分类。纵向来看，总体呈下降趋势，尽管2016—2017年，两组企业的研发创新效率有所提高，但其余时段均下降，且两组的组内差异均在不断拉大。横向来看，总经理兼任董事企业的研发创新效率尽管在2015—2016年有较大幅度下降，但其研发创新效率始终要高于未兼任企业。另外，总经理兼任董事的企业数量相对较少，每年约占总企业数量的27%。
表3 2015—2018年总经理是/否兼任董事下企业研发创新效率的比较
width=745,height=310,dpi=110
表4 2015—2018年两权分离度高/低下企业研发创新效率的比较
width=745,height=310,dpi=110
表4将总样本根据两权分离度的高低程度进行了分类，高低是相对当年的平均值而言。纵向来看，结果类似于表3，整体呈效率下降趋势，但在2016—2017年，两类企业的研发创新效率有所上升，且两组的组内差异均不断拉大。横向来看，两权分离度较高组别的企业研发创新效率要高于分离度较低企业。另外，两权分离度较高的企业数量相对较少，每年约占总企业数量的30%。
从平均值分析来看，总经理兼任董事、两权分离度较高的企业研发创新能力相对更高。另外值得注意的是，相比过去许多文献中的国有企业创新效率低于民营企业，本文发现2015—2018年我国制造业上市企业中，有国有股权参与的企业研发创新效率平均高于其他企业(篇幅所限，此处不再展示)，不仅2015—2018年的整体效率更高，同时每一年的效率也更高。当然，企业的上述治理结构是否真的与其研发效率相关还有待检验。
四、实证分析
(一)模型设定
1. 样本选择。本文的研究对象为2015—2018年中国的上市制造业企业。[注]企业的研发创新数据来源于中国研究数据服务平台(CNRDS)创新专利研究(CIRD)，研发人员数量在2015年之后才披露，因此本文使用数据的起点为2015年。研发创新活动中需要上一年的专利作为投入，因此专利数据跨度为2014—2018年。企业的治理结构、财务信息数据来自国泰安CSMAR数据库。首先进行数据预处理：
(1)剔除ST和*ST类企业。
(2)剔除有效数据缺失年份超过3年(含)以上的企业。
(3)对于少量缺失的数据，采取移动平均方法进行补全。
在测算研发创新能力时，动态DEA模型已直接剔除了研发活动异常的企业。最后得到2015—2018年950个企业的平衡面板数据，共3 800条有效数据，包括国有、民营、外资等不同所有制企业，同时涵盖非金属矿物制品业，计算机、通信和其他电子设备制造业，汽车制造业等29个制造业下属行业。
2. 基准模型。为了验证企业治理结构对企业创新的影响，本文使用双向固定效应模型，即：
Eit=β0+β1×Explainit+β2×UnExplainit
+∑βk×Controlit+λi+τt+νit
(12)
式中，i表示企业；t表示年份；被解释变量Eit为动态DEA模型计算得到的创新效率。结合理论模型部分，本文的解释变量(Explainit)为总经理兼任情况(Unsameit)、实际控制人的两权分离度(Seperationit)，以表示委托代理问题，具体含义见下文。控制变量使用了企业其他治理结构变量(UnExplainit)和财务特征变量(Controlit)，νit为随机误差项，该模型同时控制住年份固定效应(τt)和企业层面不随时间变化的固定效应(λi)。由于企业所属行业在2015—2018年并未发生改变，因此该模型自动控制住了行业固定效应，最后使用异方差稳健标准误进行调整。
3. 变量说明。实证分析中各类变量的定义如下：
(1)Explainit。本文选择两个表示委托代理问题的变量：总经理兼任情况(Unsameit)和实际控制人的两权分离度(Seperationit)。若总经理不是董事，或实际控制人拥有的控制权和所有权相差较大，则代理人(总经理或企业控制人)和委托人(董事或企业所有人)之间的信息不对称或利益冲突等问题会加重，进而加重理论模型中的委托代理问题，不利于创新能力的提高。[注]这里的实际控制人拥有上市公司控制权，又称为表决权，直接使用了国泰安CSMAR中的数据，其对该指标的计算方式为：“实际控制人与上市公司股权关系链或若干股权关系链中最弱的一层或最弱的一层的总和。”
(2)UnExplainit。除了解释变量中选择的两个治理结构方面的变量会影响企业的创新外，企业的股权性质、绝对控股情况、分散控股情况、独立董事等均会影响企业创新(冯根福和温军，2008；沈国兵和袁征宇，2020)。正如引言部分所述，这些治理结构会通过激励、监督等渠道影响企业的创新活动，因此将这些变量作为控制变量纳入模型中。
(3)Controlit。借鉴已有研究，企业的规模(周黎安和罗凯，2005)、负债率和资产回报率(朱冰等，2018)、成立时间(李春涛和宋敏，2010)、行业分类(盛丰，2012)也会影响创新，因此将这一类变量也控制起来。同时考虑到企业规模对企业研发创新的影响可能不是线性的(冯根福和温军，2008)，本文还加入了指标LnAsset2，具体见表5。
表5 基准模型的变量定义及说明
width=745,height=363,dpi=110
(二)实证结果
实证分析逻辑如图2。首先直接通过基准模型检验企业委托代理问题对研发创新能力的影响，进行基本回归分析，以检验C1。其次，将样本分组回归，并以此得到客观风险和主观风险对C1影响的调节作用，以检验C2～C3。最后，分别进行内生性处理、稳健性分析和影响机制分析。
width=346,height=148,dpi=110
图2 本文的验证逻辑
1. 基本回归分析。如表6，其中列(1)和列(2)以总经理兼任情况(Unsameit)作为解释变量；列(3)和列(4)以两权分离度(Seperationit)作为解释变量。其中列(1)、列(3)未控制企业的其他治理结构变量UnExplainit，列(2)、列(4)进行了相应的控制，且均控制了个体固定效应和年份固定效应。
回归结果表明，总经理不兼任董事，将会造成企业在研发创新效率上0.028左右的损失，该损失在10%的水平上显著。总经理不兼任董事，即代理人不是所有者，存在信息不对称和利益冲突问题，委托代理问题不利于企业创新能力的提高。两权分离度的系数尽管为正，但无论控制住其他治理结构变量与否，该系数在10%的水平上均不显著。反观数据，实际控制人大部分是企业本身、团体或者多个自然人，一方面，两权分离带来的信息不对称等问题会造成第一类委托代理问题；另一方面，正因为控制人是“群体”，很难为了“一己私利”而勾结行动，第二类委托代理问题有所缓解。但从这个结果来看，C1基本得到了验证：委托代理问题会对企业的研发创新能力带来负面影响。
除此之外，仅有企业成立时间与企业的研发创新能力有显著的关系，在1%的水平上存在负面影响。
2. 分样本回归分析。表7和表8针对不同程度的高管任期、股权激励、行业周期、风险偏好程度进行了分组回归，以验证C2～C3。其中，任期、股权激励和风险偏好的分组根据的是企业管理者(代理人)当年任期、股权激励以及风险偏好程度与整个行业平均水平的相对值。由于不同行业的研发周期、研发风险等均不同，在分组时需要考虑各个行业的具体情况，行业周期的高低则直接根据企业是否属于高技术行业进行分类。另外，任期数据为企业当年卸任高管的平均任期，股权激励数据为管理层当年持股数量；风险偏好程度则参考了Faccio et al.(2011)以及周泽将等(2018)的研究，使用了企业的资产负债率，高管愿意接受的资产负债率越高，说明其越偏好风险。该变量在基本回归中与被解释变量不相关，可作为分组依据。
表6 基本回归分析
width=744,height=598,dpi=110
注：括号中的为稳健标准误，***，** 和*分别表示在1%，5%和10%水平上显著。下表同。
在表7中，按照任期分组后，任期短的组别中Unsame的系数为-0.047，并在10%的水平上显著，即任期短，委托代理问题对企业研发创新能力的负面影响增加了。相反，在任期长的企业中Unsame的系数变成正数，并且在10%水平上不显著。相对于整个行业而言，任期短的代理人，其为创新活动付出的努力折现到其任期内的能力更低，即q1越小，委托代理问题的负面影响加剧，C2得到验证。
按照股权激励情况分组后，代理人股权激励少的组别中，Unsame的系数为-0.038，并在10%的显著性水平上显著，即长期激励少的企业中，委托代理问题对企业研发创新能力的负面影响增强了。相反，在长期激励较多的企业中由基本回归中的-0.029提高到-0.023，且在10%的水平上都不显著。股权激励作为一类长期激励措施，其越少，代理人为创新活动付出的努力折现到其任期内的能力也更低，即q1越小，委托代理问题的负面影响加剧，C2同样得到验证。
表7 不同客观风险程度下委托代理问题对企业创新能力的影响分析
width=744,height=404,dpi=110
最后，按照行业周期进行分组，Unsame的系数在高技术行业和非高技术行业均不显著，尽管从逻辑上来看，行业周期越长，q1越小，委托代理问题对创新的负面影响会加剧。但笔者认为，高技术行业的q1不一定更小，一方面国家统计局对高技术行业的定义为研发投入强度相对高，与周期长的特点有一定出入；另一方面，高技术行业的投入产生的收益是否足够高，以至于可以抵消其高失败率的特点，这两个方面的问题还有待检验。但本文在此处不进行验证。
综上，三个分组回归结果均可验证C2。
另外，在其他治理结构变量中，有两个值得关注。一是Dumequity，在高管任期相对短以及所属非高技术行业的企业中，含国有所有权对研发创新效率的影响在1%的显著性水平上为负；而在高管任期相对长、高技术行业以及按股权激励分类的两个组别中，该显著的负面影响消失了。就这个结果来看，侧面上说明，含国有股权的企业中，也存在委托代理问题，一方面由于所有者缺失，第一类委托代理问题加重；另一方面，尽管国有资本的参与可以为企业争取到某些隐形福利，如融资便利、政府补贴等，而在高管任期普遍较短的情况下，代理人可能不会将这些便利用在创新上，此时国有所有权反而不利于创新。同时，按股权激励分类的两组Dumequity的系数均不显著，可能与国有股权较高的企业中的晋升激励制度有关。值得注意的是，高技术行业组、高管任期相对长的组别中的结果侧面可以说明国有所有权在这类企业中的重要角色。另一个值得关注的是Dumlar，绝对控股在任期短组别中对创新能力存在负向影响，以及在任期长组别中存在正向影响，在一定程度上表明，高管在短任期内更容易倾向于利用自身的信息优势和控制权优势获取自己的利益。此外，非高技术行业中，国有所有权也存在1%显著性水平的负面影响，由于在之前的回归中，高技术行业似乎并不符合周期长的特点，这里也不再说明。
表8则根据代理人的风险偏好情况进行分组。结果表明，高管风险偏好低的企业中，Unsame的系数为-0.042，并在10%的水平上显著，即高管越厌恶风险，委托代理问题对企业研发创新能力的负面影响更严重。相反，在风险偏好高的企业中由基本回归中的-0.029提高到-0.015，且在10%显著水平上不显著。高管越厌恶风险，即风险偏好低，r越大，委托代理问题对创新的负面影响加剧，C3得到验证。
表8 不同主观风险程度下委托代理问题对企业创新能力的影响分析
width=375,height=410,dpi=110
类似于表7中列(1)，表8中列(1)高管风险偏好低的组别中，国有所有权对企业研发活动也存在负面影响。尽管国有所有权会给企业的创新活动带来类似于融资便利、政府补贴等的隐形福利，但若代理人厌恶风险，将这些福利“据为己有”，此时国有所有权反而不利于研发创新能力的提升。
3. 内生性处理。实际上，企业本身研发活动不同，其企业治理安排也会有所不同，在回归中可能存在反向因果关系。此处引进工具变量以解决该问题：前一年同一行业的平均值(Krolikowski & Yuan，2017；赵奇锋和王永中，2019)。[注]该处没有取同行业其他企业的均值，因为样本中有些行业企业数量较少，剔除本企业的值偏误较大，行业分类根据为中国证券监督管理委员会2012年上市企业行业分类标准。一方面，企业在安排其治理结构时会参考同行业的企业；另一方面，同行业企业的治理结构对本企业的研发创新能力影响较小，较符合工具变量的选取标准。由于解释变量中存在虚拟变量，第一步回归系数大小可理解为同行业其他企业的治理结构影响其安排的概率大小。如表9，列(1)、列(2)分别为第一阶段、第二阶段的回归结果。
表9 工具变量回归结果
width=375,height=463,dpi=110
由表9易知，面板工具变量无论是在第一阶段，还是在第二阶段，都表现良好。一方面说明同行业的治理结构可以显著影响本企业的治理结构安排；另一方面，也支持本文的上述结论，企业的治理结构安排确实会影响企业的研发创新能力。尤其是第二阶段中Unsame的系数变为-0.740，且在5%的水平上显著，更加说明企业中委托代理问题对研发创新活动造成的负面作用。
4. 稳健性分析。考虑到研发效率在0～1之间，将固定效应模型更改为面板Tobit模型进行回归，并进一步将表示企业治理结构的解释变量和控制变量滞后一期，进行类似的回归，得到的结论与前文相同，回归结果由于篇幅所限不再列出。
5. 影响机制分析。在理论模型部分，委托代理问题在不同的r和q1即代理人主观风险和企业客观风险下，会影响创新活动相关的投入a*，这衍生出一个问题：影响研发创新效率的究竟只是研发投入，还是研发活动相关的“隐形投入”——如代理人的努力程度、管理方式、经营理念等。为了回答该问题，本部分将被解释变量换成研发活动的投入和产出，探究企业治理结构的影响，表10中，被解释变量分别为申请专利数目、研发人员数量、研发支出，解释变量为总经理兼任情况，使用固定效应模型回归的结果。
表10 被解释变量分别取研发投入和研发支出的面板回归结果
width=375,height=428,dpi=110
可见，Unsame在10%的显著性水平上负面影响申请专利数目，系数为-0.126，但对研发投入——研发支出和研发人员数量的影响均不显著，且对研发人员投入的系数为0.009。侧面说明，合理的治理结构可以通过影响治理人的“隐形投入”而影响企业的研发能力。因此，为了进一步提高企业的研发创新能力，进一步改善企业治理结构十分必要。
五、结论与建议
基于理论和实证研究，本文得到以下结论：(1)我国制造业上市企业的研发创新能力有待提升。就样本来看，无论是单一年份，还是2015—2018年整体，在研发创新活动上处于前沿面上的企业是少数，大部分企业的研发能力有待进一步提升。(2)委托代理问题对研发创新能力存在负面影响。实证发现，总经理不兼任董事，企业的研发创新能力下降。(3)委托代理问题对企业研发创新能力的负面影响在高客观风险和高主观风险情况下会加重，具体而言，高管任期越短，股权激励相对越少，代理人越厌恶风险，这个负面影响会加剧。(4)国有所有权在高管任期短、高管相对更厌恶风险的企业中不利于企业的研发创新能力的提升。(5)委托代理问题对研发创新的负面影响，主要是因为代理人减少了“隐形投入”，而非减少研发投入。
针对上述结论，为了提高企业的研发创新能力，从企业治理结构角度出发，本文建议：(1)企业为了实现长远发展，要注意调整其治理结构以适应自身发展目标。企业必须重视治理结构对研发创新能力的影响，适当安排委托人和代理人的角色。(2)在不同风险程度下，企业委托代理问题对研发创新能力的影响不同，企业应该适当增加代理人的任期，提高代理人的主观风险承担能力，加快实施长期激励计划如股权激励，建立新的适应创新需求的激励机制，如与未来创新绩效挂钩的期权奖励等，以缓解委托代理问题对创新能力的负面影响。(3)国有股权的参与对于某些企业是必要的，尤其在技术密度高或者创新风险高的企业中，需要充分发挥国有股份的积极作用，更好地确定我国企业改革的方向。(4)为了进一步提升企业的创新研发能力，除了需要关注创新相关的实际物质，如专利、研发支出和研发人员等，还需要对创新活动相关的管理方式、管理理念等进行关注和监督。
与以往的相关研究相比，本文不仅在创新能力的测算上考虑了活动的动态性，使用了动态DEA模型，同时将创新活动纳入委托代理模型中来，从风险视角，围绕委托代理问题，在理论和实证上分析企业治理结构对研发创新能力的影响，并提出了相应的结论和建议。我国企业要长远发展，需要不断提高研发创新能力，既要企业自身努力、技术整体进步，同时也需要完善治理结构，提供更优良的制度环境。
参考文献
崔也光、王肇、周畅，2018：《独立董事背景特征影响企业研发强度吗?——基于企业生命周期视角》，《经济与管理研究》第12期。
丁永健、王倩、刘培阳，2013： 《红利上缴与国有企业经理人激励——基于多任务委托代理的研究》，《中国工业经济》第1期。
冯根福、温军，2008：《中国上市公司治理与企业技术创新关系的实证分析》，《中国工业经济》第7期。
官建成、陈凯华，2009：《我国高技术产业技术创新效率的测度》，《数量经济技术经济研究》第10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。
李富强、李斌，2003：《委托代理模型与激励机制分析》，《数量经济技术经济研究》第9期。
李文贵、余明桂，2015：《民营化企业的股权结构与企业创新》，《管理世界》第4期。
刘运国、刘雯，2007：《我国上市公司的高管任期与R&D支出》，《管理世界》第1期。
庞瑞芝、李鹏，2011：《中国工业创新:过程、效率与模式——基于2001—2008年大中型工业企业的数据》，《产业经济研究》第2期。
沈国兵、袁征宇，2020，《企业互联网化对中国企业创新及出口的影响》，《经济研究》第1期。
盛丰，2012：《生产效率、创新效率与国企改革——微观企业数据的经验分析》，《产业经济研究》第4期。
汪昌云、钟腾，2018：《构建促进科技创新的现代公司治理体系》，《群言》第9期。
吴延兵，2012：《国有企业双重效率损失研究》，《经济研究》第3期。
尹美群、盛磊、李文博，2018： 《高管激励、创新投入与公司绩效——基于内生性视角的分行业实证研究》，《南开管理评论》第1期。
张洪辉、夏天、王宗军，2010：《公司治理对我国企业创新效率影响实证研究》，《研究与发展管理》第3期。
赵奇锋、王永中，2019:《薪酬差距、发明家晋升与企业技术创新》，《世界经济》第7期。
周黎安、罗凯,2005：《企业规模与创新:来自中国省级水平的经验证据》，《经济学(季刊)》第2期。
周泽将、马静、胡刘芬，2018： 《高管薪酬激励体系设计中的风险补偿效应研究》，《中国工业经济》第12期。
朱冰、张晓亮、郑晓佳，2018：《多个大股东与企业创新》，《管理世界》第7期。
Aghion, P., J. Van Reenen, and L. Zingales, 2013, “Innovation and Institutional Ownership”, American Economic Review, 103(1): 277-304.
Bloom, N., C. I. Jones, J. Van Reenen, and M. Webb, 2020, “Are Ideas Getting Harder to Find?”, American Economic Review,110(4): 1104-1144.
Boubakri, N., J.C. Cosset, and W. Saffar, 2013, “The Role of State and Foreign Owners in Corporate Risk-taking: Evidence from Privatization”, Journal of Financial Economics, 108(3): 641-658.
Chang, X., K. Fu, A. Low, and W. Zhang, 2015, “Non-executive Employee Stock Options and Corporate Innovation”, Journal of Financial Economics, 115(1): 168-188.
Charnes, A., W. W. Cooper, and E. Rhodes, 1978, “Measuring the Efficiency of Decision Making Units”, European Journal of Operational Research, 2(6): 429-444.
Chemmanur, T. J., E. Loutskina, and X. Tian, 2014, “Corporate Venture Capital, Value Creation, and Innovation”, Review of Financial Studies, 27(8): 2434-2473.
Chen, K., M. Kou, and X. Fu, 2018, “Evaluation of Multi-period Regional R&D Efficiency: An Application of Dynamic DEA to China’s Regional R&D Systems”, Omega, 74(1): 103-114.
Faccio, M., M.T. Marchica, and R. Mura, 2011, “Large Shareholder Diversification and Corporate Risk-taking”, Review of Financial Studies, 24(11): 3601-3641.
Firth, M., T. Y. Leung, O. M. Rui, and C. Na, 2015, “Relative Pay and Its Effects on Firm Efficiency in a Transitional Economy”, Journal of Economic Behavior & Organization, 110(2): 59-77.
Francis, B. B., I. Hasan, and Z. Sharma, 2011, “Incentives and Innovation: Evidence from CEO Compensation Contracts”, Bank of Finland Research Discussion Paper.
Harris, M., and B. Holmström, 1982, “A Theory of Wage Dynamics”, Review of Economic Studies, 49(3): 315-333.
Holmström, B., 1989, “Agency Costs and Innovation”, Journal of Economic Behavior & Organization, 12(3): 305-327.
Jensen, M. C., and W. H. Meckling, 1976, “Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure”, Journal of Financial Economics, 3(4): 305-360.
Krolikowski, M., and X. Yuan, 2017, “Friend or Foe: Customer-supplier Relationships and Innovation”, Journal of Business Research, 78(9): 53-68.
Luong, H., F. Moshirian, L. Nguyen, X. Tian, and B. Zhang, 2017, “How Do Foreign Institutional Investors Enhance Firm Innovation?”, Journal of Financial and Quantitative Analysis, 52(4): 1449-1490.
Manso, G., 2011, “Motivating Innovation”, Journal of Finance, 66(5): 1823-1860.
CORPORATE GOVERNANCE STRUCTURE AND R&D INNOVATION FROM THE PERSPECTIVE OF RISK
——A Study Based on Principal-agent Model
HAN Song XI Yuan-jie
(School of Economics, Renmin University of China)
Abstract: This paper studies the impact of corporate governance structure on R&D and innovation capabilities from the perspective of risk based on the principal-agent model. This article constructs a principal-agent model with innovative activities for theoretical analysis, then calculates the innovation efficiency of manufacturing listed companies in China from 2015 to 2018 using the dynamic DEA model, and conducts the empirical test on the relationship between R&D innovation efficiency and corporate governance structure. The empirical results validates the analytical results of the theoretical model: the principal-agent problem is not conducive to the improvement of the company’s R&D and innovation capabilities, and objective risks and subjective risk aversion will exacerbate the problem. Based on the results, this article proposes that companies should improve their corporate governance structure according to the characteristics of their own R&D activities, extend agents’ tenure, promote equity incentive plans and enhance the risk-bearing ability of agents.
Key words: R&D capabilities; corporate governance; principal-agent; risk; dynamic DEA
页:
[1]