产权性质、资本结构与企业创新

奥鹏网院作业

产权性质、资本结构与企业创新*
张 超 许 岑

[提 要] 本文以2008—2018年A股非金融上市企业的面板数据为研究样本，探究了资本结构和产权性质对企业创新的影响机制和效果。研究发现，企业存在最优的非经营性杠杆率区间，且资本结构对企业创新的作用会因产权性质不同而存在差异性，即最优区间内，企业增加非经营性杠杆率可以在不影响创新投入和创新风险的情况下提高创新产出，而非国有企业更适合增加杠杆率，并会对创新产出有显著的促进作用。据此，本文提出优化企业资本结构、提高国有企业信贷资源的配置效率和切实缓解民营企业融资约束等政策建议。

[关键词] 资本结构；产权性质；企业创新；静态面板门槛模型

一、引言
党的十九大报告指出，我国经济已由高速增长阶段转向高质量发展阶段。随着国内劳动力和资本等生产要素价格的急剧增长，传统产业的成本优势正在不断缩小(陈陶然和谭之博，2019)。为了应对经济增速放缓和结构优化等挑战，必须将增长动力从要素驱动转换为创新驱动，通过提质增效实现经济的良性循环，建设现代化经济体系。企业是创新的“排头兵”，因而研究企业的创新行为、影响因素及作用机制，对于提高供给体系质量、转变发展方式和促进经济高质量发展具有重要意义。

研发支出是影响企业创新能力的最主要因素(刘波等，2017)。然而，研发活动除了前期投入大、持续周期长，在商业化阶段还必须面临产业化和市场营销等风险，企业仅靠自有资金难以满足各环节需求。在我国以间接融资为主要融资模式的市场环境中，企业必须借助债务的杠杆效应为研发活动增加资金支持。然而，债务在缓解融资约束的同时，也使企业背负了偿还压力，不仅降低了财务稳定性，还可能加剧代理问题、损害商业信用，转而限制企业的创新活动。与此同时，企业债务过高的问题深受各界关注，杠杆治理已经成为供给侧结构性改革的主要任务之一。可见，国内企业似乎面临着两难局面：一方面创新资金不足，需要利用财务杠杆撬动更多资源；另一方面债务率偏高，需要调整资本结构，降低财务风险。

目前，已有文献关于资本结构对企业创新的影响并未得出一个十分明确的结论。部分学者认为资本杠杆会促进企业创新，如张璇等(2017)对2005年世界银行中国企业调查数据的研究发现，银行授信对企业创新的参与度有显著的正向影响；王靖宇和张宏亮(2020)基于2007年《物权法》自然实验的研究表明，债务融资提高了国内上市企业的创新效率，且提高作用在非国有企业中更加显著；杨松令等(2020)以2007-2017年上市企业为研究对象，发现企业拥有的金融性营运资本越多，越倾向于增加创新投入。学者认为杠杆率的提升会抑制企业创新，如肖海莲等(2014)对A股上市公司的研究证实了负债比例与创新投入之间存在显著的负向关系。那么，资本结构如何影响企业的创新能力，是促进还是抑制，又或是存在区间效应？作用效果是否会因产权性质不同而存在差异？企业能否在利用杠杆提高创新能力的同时控制财务风险？这些是学界和业界面临的共同困惑，也是本文重点研究的问题。

本文以762家A股非金融上市企业的数据为样本，实证研究资本结构对企业创新的影响机制，并特别关注了产权性质在其中的作用。相比于现有文献，本文的贡献可能在于：(1)本文首次研究了资本结构对企业创新的影响在不同产权性质企业(即国有企业和非国有企业)中的差异；(2)本文基于2008—2018年A股非金融上市企业的面板数据，从创新投入、创新产出和创新风险三个维度定量考察了资本结构对企业创新能力的影响，发现存在显著的门槛效应，并非简单的线性关系，丰富了这一领域的研究成果，拓宽了人们对企业创新的认识；(3)基于现代企业财务管理理论，改进了资本结构的度量方法。

本文的后续安排如下：第二部分是文献综述，回顾有关资本结构测算和企业创新领域的相关研究成果；第三部分是理论分析和研究假设；第四部分是研究设计，包括模型设定、变量说明和样本选择；第五部分实证分析资本结构对企业创新的作用效果，并从产权性质的角度进行异质性分析；第六部分是结论和政策建议。

二、文献综述
(一)资本结构与企业创新
自熊彼特提出创新理论后，企业资本结构与创新能力的关系逐渐成为理论界关注的重要问题，许多学者进行了有益的探索，但并未就影响机制和影响效果达成一致意见。按照“资本结构对企业创新的作用效果”，现有文献可以分为三类：促进论、抑制论和非线性论。赞同促进论的学者认为债务会从以下几个方面对企业创新产生积极影响：首先，引入债务使企业能够控制较大的现金流，有利于为研发活动创造稳定的资金环境(张璇等，2017)；其次，债务融资有助于约束管理层，降低权益代理成本；再次，企业可以运用债务利息的“税盾”效应节约财务开支，降低综合融资成本(樊勇和王蔚，2014)；最后，从融资机会的角度来说，银行信贷机制有利于缓解企业与资本市场间的信息不对称问题(Laeven & Valencia，2012)，缩小金融摩擦。持抑制论的学者认为债权融资不是研发活动的理想融资模式：首先，债务的财务代价较为明确，但创新活动以长周期和高风险为特征，在研发期间难以稳定输出现金流，债务的低风险偏好与研发活动的高风险特性相矛盾；其次，高杠杆带来了沉重的偿还压力，提高了财务困境风险，会挤出创新活动。在上述两种观点的基础上，有学者指出，杠杆对企业创新兼具正、负两种影响，各种效应会随着杠杆率的高低变化而此消彼长，二者之间存在倒“U”型的非线性关系(罗能生等，2018；王玉泽等，2019)。

(二)产权性质与企业创新
企业所有制对创新能力的影响同样是焦点问题，众多学者从公司治理结构和高管激励机制等方面进行了探讨。现有研究成果按照“国有企业的创新能力是否高于非国有企业”可以被划分为肯定论、否定论、非线性论和其他。持肯定论的学者认为国有企业较非国有企业在创新领域表现更为出色，不管以投入强度还是创新成果为绩效指标，国有企业都更具创造性(李春涛和宋敏，2010；李政和陆寅宏，2014)。持否定论的学者认为，国有企业的控制权和收益索取权分离，企业内部缺乏有效的激励和监督机制，因而科研投入不足，研发成功率和成果转化率均偏低(肖仁桥等，2015)，与非国有企业相比竞争力缺失；另一种解释是国有企业的寻租行为损害了其创新效率，进而对企业整体经营效率造成负面影响(董晓庆等，2014)。部分学者将产权性质以国有控股比例衡量，发现该比例与企业创新绩效之间呈倒“U”型的非线性关系，即随着国有控股比例的上升，企业会显著提高其创新绩效；当控股比例达到一定水平后，国有企业持续增持会降低企业创新能力(林莞娟等，2016)。还有部分学者认为，产权性质对企业创新的影响因产业类型(孙早等，2017)、企业规模(陈林等，2019)和项目利润率(李勇，2017)等因素而分化，应当在不同的条件下具体分析。

(三)资本结构的度量方法
非金融企业杠杆率的定义包括宏观和微观两个层面。在宏观层面，业界和学界都以非金融企业部门债务总额占GDP的比重(债务率)衡量一国(地区)的杠杆率和债务风险，并将其作为通用指标用于跨国比较。在这一指标下，国内非金融企业杠杆率从2007年末的96.1%跃升为2019年末的151.3%(1)数据来源：国家金融与发展实验室。，远高于“90%警戒线”的数值和较快的攀升速度引发了各界的广泛关注。然而，债务本身并不必然代表债务风险。金融深化理论和债务通缩理论分别支持了信贷对经济发展的促进作用(McKinnon，1973； Levine，2005)和对金融危机的推动作用(Fisher，1933；Tobin，1975；Minsky，1986；Bernanke et al.，1999)。可见，债务率上升可能是金融深化的产物，也可能是金融泡沫化的反映。有学者指出，由于债务率指标忽视了与偿债能力相关的有效资产(刘晓光和刘元春，2018)，忽视了资产收益率和经济周期的影响(胡迪和莫璇，2018)，不能作为企业部门债务风险的唯一度量指标。此外，各国经济发展阶段不同，风险结构不同，以债务率衡量部门的债务风险既无横向可比性，也无纵向可比性，因而更不可取。事实上，欧盟的60%警戒值和90%的公共债务阈值标准，并不以一般性的债务率为分析对象(Reinhart & Rogoff，2010)，警戒线的适用性有待考证；现实中存在大量债务率超过警戒线但仍未爆发危机的国家；中国以债务率为指标主要是宏观资产负债表缺乏导致的资产面数据不可得，转而采用GDP作为替代指标。综合上述分析不难看出，以债务率作为非金融企业资本结构的量化指标在学理上存在漏洞，在实践上是退而求其次的权宜之计。因此，债务率不能合理评估非金融企业的宏观债务风险。

在微观层面，国内学者普遍以资产负债率作为度量指标。这一方法易于理解，数据可得性强，但可能存在一定的错估问题。首先，根据企业资本结构理论，资本结构指债权资本与股权资本间的比例关系。在企业负债中，只有通过金融市场借入的资金才属于“资本”范畴，如各类银行信贷和公司债券等，也被称为金融性负债；通过运用商业信用占用的资金没有融资成本，也不必提供抵押物，不属于“资本”范畴，被称为经营性负债或营业性负债，包括应付账款、应付票据、预收账款、应付职工薪酬和应交税费。从数值上看，企业的债权资本等于总负债与经营性负债的差额；企业资本等于总资产与经营性负债的差额。因此，以资产负债率度量资本结构，实际高估了企业的杠杆水平和财务风险(王贞洁和王竹泉，2018；王贞洁等，2019)。其次，根据财务契约理论，企业是股东和债权人为了实现价值增值而建立的组织，也是为了创造和分配财富达成的契约，投资者与企业之间形成“投资”关系；资本是投资者为企业经营活动垫支的投资，企业需要以股息、红利和利息等方式提供回报。经营性负债的出资人与企业形成“交易”关系，如供应商、客户、员工和政府，企业对其没有提供回报的义务。从关系上看，将经营性负债纳入“资本”范畴泛化了投资者概念，不能准确体现债权和股权间的比例关系(见图1)。

width=343,height=121,dpi=110
图1 企业资产结构、资本结构示意图

综上所述：首先，国内对资本结构与企业创新之间关系的实证研究较少，且尚未达成一致意见，相关观点需要进一步验证；其次，企业创新领域的研究主要从投入和产出两个方面进行绩效评价，从风险角度考察创新能力的文献较少；再次，现有文献在分析资本结构与企业创新的关系时，对产权性质的关注度不高；最后，债务率和资产负债率均不能准确度量企业的资本结构，反映其债务风险。因此，本文基于资本结构理论，在资产负债率的基础上改进了计算方法，创建了新的度量指标；从创新投入、创新产出和创新风险三个维度定量考察了资本结构对企业创新的影响路径和影响效果；在产权异质性条件下，对资本结构如何影响企业创新进行了深入探讨。

三、理论分析与研究假设
创新是引领发展的第一动力，也是影响企业竞争优势和市场价值的重要因素。本部分将在理论层面分析资本结构对企业创新的影响机制和产权性质对二者关系的影响，进而提出研究假设。

(一)资本结构对企业创新的影响机制
现有文献关于资本结构对企业创新的影响尚无定论。促进论、抑制论和非线性论共存的事实说明二者间可能并非单一的线性关系；在不同的杠杆水平下，最终作用效果可能存在差异。本文将分别从促进作用和抑制作用两方面剖析影响机制。

债务资本可能对企业创新存在促进作用，原因如下：(1)增加研发支出。创新活动的高投入、长周期特点令企业仅靠自有资金难以支持。以财务杠杆撬动较大规模的资本，有利于保证创新项目顺利推进，降低因资金不足而“流产”的风险。(2)降低综合融资成本。优序融资理论认为，债权融资成本低于股权融资成本，因而当资金短缺时，企业应当优先采用债权融资，在缓解资金紧张的同时，最小化财务成本。(3)减少税收支出。在现代税法下，企业不必为债务利息缴纳企业所得税，因而借入债务可以减少税收支出，降低借贷成本，从而保留更多可用资金。(4)缓解信息不对称。信息不对称理论和信号理论认为，为借入债务披露的信息直接缩小了企业与资本市场间的信息差，有利于降低逆向选择风险，提高融资效率；优质企业可以通过加大杠杆的策略吸引投资。(5)降低代理成本。根据代理成本理论和自由现金流假说，增加债务有利于限制管理层自利行为，使其聚焦于优质项目和有效工作，优化内部治理，从而提高研发效率。

债务资本也可能抑制企业创新，原因如下：(1)增加财务成本。虽然债务的“税盾”效应可以抵减融资费用，但拥有较多负债意味着较大的偿还压力，企业会倾向于削减创新投入或中止研发项目，减轻财务负担。(2)增加财务困境风险。除了还本付息的财务代价外，高负债会损害企业的商业信用(周勤和盛巧燕，2004)，降低企业经营绩效，升级财务危机，从而迫使企业暂停研发活动。(3)加剧代理问题。根据动态权衡理论和债务悬置效应，当企业债务过重时，股东会专注于既有利益的分配，以减少投资、支付超额股利等策略侵害债权人利益；代理成本理论认为高债务会鼓励管理层偏好周期短、成本低和收益安全的项目，搁置或放弃创新项目。

基于上述理论分析，提出假设1：

H1 资本结构对企业创新的影响效应存在不确定性。

(二)产权性质与企业创新
产权性质可能从以下几个方面对资本结构和创新能力产生影响：(1)融资约束。一方面，国有企业的银企关系更为密切，时间跨度长、空间交叉程度深，减少了金融摩擦(Brandt & Li，2003)，进而降低了融资成本(Zhang et al.，2015)；另一方面，国有企业规模更大，固定资产更多(苟琴等，2014)，抵押物更充足，在获取银行授信方面拥有优势，易于获得信贷资金。(2)政治关联。政治关联对企业创新的影响尚无定论。首先，国有企业承担着稳定经济、调控市场、保证就业等政治责任，发挥着一定的非市场功能(Shleifer & Vishny，1994)，因而拥有政府的隐性担保。当其陷入财务困境时，政府可能出于“血缘”关系给予支持(肖泽忠和邹宏，2008)；商业银行可能根据此预期，认为国有企业的违约风险更低，出于风险规避的理性动机，愿意为其提供贷款。因此，国有企业的预算约束相对较“软”。其次，与非国有企业相比，国有企业在一定程度上享受着政府的支持和保护，部分企业拥有垄断权，对市场需求变化和研发投资的兴趣较低。最后，国有企业的战略决策、投资行为和资本配置可能受到政府干预，企业决策不能完全以股东财富最大化为目标，可能因政策性任务压缩或挤出发展性投资。(3)经营业绩。当企业的经营业绩高于期望水平而处于相对富有状态时，国有企业和非国有企业的创新策略不同，因而创新活动受到的影响不同(叶永卫等，2018)。(4)公司治理。学界普遍认同公司治理会影响企业的创新表现，但对国有股权的影响持有两种对立的看法：一方面，国有控股企业在知识、人才等方面资源充足，融资约束较弱，企业规模较大，多元化程度高，抗风险能力更强，研发环境更为优越，提高国有股权比例对企业的创新绩效有显著的正向效应(孙早等，2017)；另一方面，国有股权的政治色彩可能在审批环节以“政策需求”替代“市场需求”，国有企业的治理特征可能僵化管理制度、降低管理效率和削弱管理层激励，进而导致国有股权对企业创新表现为侵蚀效应。(5)产业结构。我国经济存在突出的纵向产业特征：民营企业集中于产业链中下游，国有企业则聚集于产业链上游，为民营企业提供生产资料(Chang et al.，2016)。产业链位置和行业属性导致企业的资本结构分化(汪勇等，2018)，也影响了企业对创新的需求，因而国有企业和非国有企业的创新能力存在差异。(6)政策冲击。国有企业和非国有企业对政策的反应不完全一致，如扩张性财政支出会抬高上游企业杠杆率，压低下游企业杠杆率(吕炜等，2016)；紧缩性货币政策会使信贷资金更多地流向国有企业(战明华，2015)，非国有企业则陷入更强的融资约束困境；非国有企业的创新产出对税收优惠政策响应更加显著(刘兰剑和李洄旭，2019)。可见，即使市场环境和制度背景相同，两类企业也会表现出不同的资本结构和创新能力，如图2所示。

width=347,height=139,dpi=110
图2 产权性质、资产结构与企业创新

基于上述分析，提出假设2：

H2 资本结构对企业创新的影响效应存在产权异质性。

四、研究设计
(一)模型设计及变量说明
如前文所述，资本结构对创新能力的影响需要从促进作用和抑制作用两个方面来考虑，因而实际作用效果不确定，二者间可能呈现区间线性。鉴于门槛模型内生性划分数据结构的特点，本文采用Hansen(1999)提出的面板门槛模型进行实证研究，构建模型如式(1)～式(3)：

iniit=μi+θxit+β1levitI(levit≤γ)

+β2levitI(levit>γ)+eit

(1)

inoit=μi+θxit-2+β1levit-2I(levit-2≤γ)

+β2levit-2I(levit-2>γ)+eit

(2)

inrit=μi+θxit+β1levitI(levit≤γ)

+β2levitI(levit>γ)+eit

(3)

上述模型假设只存在单一门槛。从理论和计量统计的角度看，可能存在多个门槛的情形。以双重门槛面板模型为例，模型设定如式(4)～式(6)：

iniit=μi+θxit+β1levitI(levit≤γ1)

+β2levitI(γ1<levit≤γ2)

+β3levitI(levit>γ2)+eit

(4)

inoit=μi+θxit-2+β1levit-2I(levit-2≤γ1)

+β2levit-2I(γ1<levit-2≤γ2)

+β3levit-2I(levit-2>γ2)+eit

(5)

inrit=μi+θxit+β1levitI(levit≤γ1)

+β2levitI(γ1<levit≤γ2)

+β3levitI(levit>γ2)+eit

(6)

其中，i表示公司，t表示年份，iniit，inoit和inrit分别表示被解释变量创新投入、创新产出和创新风险；levit表示核心解释变量和门槛变量非经营性杠杆率；xit为控制变量；θ为控制变量的系数向量；γ为特定的门槛参数；I(·)为指示函数；μi为企业的个体固定效应；eit是随机误差项。模型中使用的变量及其含义如下。

1.被解释变量。本文分别从创新投入、创新产出和创新风险三个维度选取指标。

创新投入(Ini)：创新投入是指企业为创新项目投入的资金、设备和员工(2)包括但不限于技术员工。等，在会计上包括前期准备阶段的费用化支出和开发阶段的资本化支出。本文以企业当年研发支出金额加1的自然对数为创新投入的量化指标。

创新产出(Ino)：现有文献一般默认，创新产出指企业投入资源进行研发活动后带来的技术进步和竞争优势。本文参考Tan et al.(2015)和郭玥(2018)的思路，以企业年度发明专利申请量加1的自然对数为创新产出的量化指标。此外，考虑到研发活动的周期较长，与创新投入相比，创新产出受到的影响存在滞后效应，故将解释变量和控制变量滞后两期。

创新风险(Inr)：现有文献对创新风险的实证分析较少，目前只有罗能生等(2018)和王玉泽等(2019)提出度量方法，以研发支出能否显著改善企业经营绩效作为创新风险存在与否的判断标准，构建虚拟变量：当研发支出增长率高于后一期净利润增长率时，认为存在创新风险，取值为1，否则取值为0。本文参考这一思路并做出改进：净利润包含营业外收入和营业外支出，这两项收支具有偶然性和不确定性，企业对其控制力较弱，因而本文选用营业利润增长率作为比较标准；考虑到企业研发和商业化周期较长，本文计算营业利润增长率时滞后两期。具体计算公式如式(7)～式(8)：

研发支出增长率=(第二年研发支出-初期研发支出)/初期研发支出×100%

(7)

营业利润增长率=(第三年营业利润-初期营业利润)/初期营业利润×100%

(8)

2.解释变量。非经营性杠杆率(lev)。本文根据企业资本结构理论的分析框架，参考王贞洁等(2019)的研究成果，在资产负债率的基础上剔除经营性负债的干扰，改进企业资本结构的量化指标。为了不引起混淆，本文将新指标命名为非经营性杠杆率，具体计算方法如式(9)：

非经营性杠杆率width=114,height=38,dpi=110

width=176,height=35,dpi=110
width=328,height=38,dpi=110
(9)

3.控制变量。在现有文献的基础上，本文尽力控制所有可能影响企业创新的因素，选取的控制变量可分为以下几类：

(1)企业特质。1)企业规模(Size & Staff)。分别以企业年末资产总额和当年员工总数的自然对数作为度量指标。2)企业成熟度。以企业成立之初至当年年份数的自然对数作为企业年龄(Age)。3)企业成长性。以企业营业收入增长率(Grouth)为度量指标。4)潜在资金需求。以企业盈利能力为衡量依据，以当年资产收益率(Roa)度量。

(2)公司治理水平。本文选取高管持股比例(Exestr)、第一大股东持股比例(Exe)和前三名高管薪酬总额(Payment)作为公司治理水平的代理变量。

(3)政策支持。本文选择政府补助(Gov)和税收优惠政策(Tax)作为控制变量。在政府补助方面，以企业当年实际收到的政府补助总额的自然对数衡量；在税收优惠政策方面，参考王延明(2003)、雷根强和孙红莉(2019)的方法，以企业实际所得税税率衡量。

(4)市场信号。1)资本集中度。以固定资产率(Fix)作为衡量指标。2)市场关注度。以分析师关注度(Anst)作为衡量指标。

(5)行业和时间固定效应。为了控制行业特征对企业创新的影响，本文按样本所属行业进行分类，生成行业虚拟变量；(3)CSMAR数据库的行业分类标准仅更新至《国民经济行业分类》(GB/T 4754-2012)，与最新分类标准稍有出入。本文依据国家统计局发布的《国民经济行业分类新旧类目对照表》(GB/T 4754-2017)与(GB/T 4754-2011)进行了调整，生成了67个行业虚拟变量。为了控制年度规模效应可能造成的影响，本文设置了时间虚拟变量。本文的变量设置详见表1。

表1 代理变量的定义方法

width=745,height=551,dpi=110
(二)样本选择与数据来源
考虑到数据的可得性，兼顾研究的时效性和价值性，本文采用2008—2018年沪深A股上市公司为研究样本，并对数据进行筛选和处理，具体步骤如下：

1.剔除核心变量披露不足五年或连续披露不足四年的上市公司(由于连续多年披露研发支出数据的企业较少，故样本量在此步骤减少较多)；

2.考虑到ST类和width=31,height=14,dpi=110类上市公司的财务数据存在一定特殊性，本文剔除在样本期内经过ST和width=31,height=14,dpi=110等特殊处理和退市的公司；

3.金融类上市公司的财务报表编制原则与实业公司不同，本文剔除了金融类上市公司；

4.剔除自上市以来发明专利申请数量小于1的公司；

5.剔除财务状况异常的公司；

6.将数据整理为符合面板门槛模型要求的平衡面板。此外，为了消除极端值的影响，对公司财务相关变量使用箱线图探测其离群程度，并对离群值进行缩尾(winsorize)处理。(4) 各变量离散程度不同。为了最大限度地保证数据真实，缩尾处理时根据变量的具体情况选择不同的缩尾水平。

最终，本文选取了2008年前上市的762家企业作为研究对象，样本量共6 096个。年度数据来源于CSMAR上市公司数据库和Wind数据库，缺失部分由笔者查阅企业财务报告手工补全。数据分析在STATA16.0软件中完成。

五、实证结果
(一)描述性统计
表2给出了变量的描述性统计结果。由表2可知，创新投入的均值为17.714 3，对应的研发投入为4 934.27万元；最大值为23.683 4，对应支出1 930 000.00万元，为中国石油天然气股份有限公司(证券代码601875)2015年数据；1.81的标准差说明企业创新投入的差异度较高。创新产出的均值为2.292 9，申请量9件；最大值为8.787 5，申请量6 551件，为中兴通讯股份有限公司(证券代码000063)2016年数据；标准差为1.62，可见企业的创新产出存在较大差异。创新风险的均值为0.548 2，说明样本的创新投入未能较好地改善经营绩效，创新风险较大。非经营性杠杆率的均值为35.44%。

表2 变量描述性统计

width=745,height=498,dpi=110
说明：杠杆率、固定资产率、实际所得税率和成长性指标的描述性统计对象为经过winsorize处理后的数据，以尾缀_w示意，下同。

资料来源：国泰安数据库；wind数据库；东方财富网。

(二)资本结构与企业创新
1.门槛效应检验。

为了确定非经营性杠杆率对创新投入、创新产出和创新风险的影响是否具有门槛效应，首先需要判断门槛个数；其次检验门槛估计值及其置信区间。由表3可知，对创新投入来说，单一门槛和双重门槛显著性最高，都在5%的水平上显著；对创新产出而言，单一门槛在1%的水平上显著，双重门槛和三重门槛均在5%的显著性水平通过检验；对创新风险来说，单一门槛在5%的显著性水平上通过检验，双重门槛和三重门槛在10%的水平上显著。因此，创新投入的回归分析选择双重面板门槛模型，创新产出和创新风险选择单一面板门槛模型。表4列示了在上述门槛个数的设定下，各被解释变量的门槛估计值。(5)限于篇幅，未列示借助stata16绘制的门槛参数似然比函数图。

表3 全样本门槛效果自抽样检验

width=375,height=164,dpi=110
注：***，**，*分别为在1%，5%，10%水平下显著；下同。

说明：P值和F值均为采用自抽样法(Bootstrap)反复抽样300次得到的结果；下同。

表4 全样本门槛估计值和置信区间

width=375,height=170,dpi=110
2.门槛模型回归结果。

对创新投入、创新产出和创新风险的面板门槛模型进行参数估计，结果如表5所示。(6)限于篇幅，未列示以资产负债率为门槛变量计算的回归结果。

对创新投入来说，当lev < 0.456时，其系数并不显著，表明在此区间非经营性杠杆对企业创新投入的影响不明显。但随着杠杆率的上升，非经营性杠杆对企业创新投入的影响开始显现，在0.456≤lev≤0.544时，提升非经营性杠杆率对企业创新投入表现出了显著的抑制作用，其原因可能包括：企业财务压力的增加使得企业对新项目的投资决策趋于谨慎，减少创新投资，同时偏好于短期利润的获取；代理成本提高，股东会更专注于既有利益的分配，从而减少创新投入；高负债还会对企业的经营能力和商业信誉产生负面影响，从而迫使企业暂停研发活动；债权投资者往往是风险规避型的，债权人在承担企业创新失败风险的同时，却不能享受企业创新成功的回报，风险与收益结构的不匹配阻碍了企业的创新投资(Stiglitz，1985；张一林等，2016)；此外，债权融资合约条款较为严格，一方面会限制企业进行创新投资，另一方面还会要求企业披露创新项目的信息，而技术信息的保密对新兴产业创新能否成功起到关键作用。有研究表明，债权人有条件也有意识地将这些信息输送给其他客户以赚取信息费用，这将削减企业的创新动力(Rajan，1992)。当非经营性杠杆率达到更高的水平时(lev≥0.544)，其系数有所回落，表明其对企业创新投入的抑制程度有所减轻，其原因可能在于：当企业的资产结构以负债为主体甚至资不抵债时，企业股东和债权人之间将产生巨大的利益冲突，过重的债务负担会诱使股东寻求利己的策略，使得企业偏向于投资高风险高收益的创新项目等(Jensen & Meckling，1976)，进而导致非经营性杠杆率对企业创新投入的抑制效应减弱。

表5 全样本门槛模型的回归结果

width=375,height=750,dpi=110
说明：(1)lev_w_1，lev_w_2，lev_w_3分别为门槛值从小到大的杠杆率；

(2)由于年份虚拟变量个数较多，仅列示其最高P值，下同。

对创新产出来说，当lev < 0.247时，非经营性杠杆率的提升对创新产出有显著的促进作用；当lev≥0.247时，这一作用大幅减弱。总体来说，非经营性杠杆率的提升始终具有显著的正面作用。出现这种现象的原因可能在于，对于专项融资来说，商业银行、基金和风险投资等债权人对研发进度等信息有知情权，监督机制有助于降低企业的代理成本，提高研发效率和成功率，进而对创新产出发挥促进作用；当杠杆率达到较高水平时，由于需要承担较大的还债压力，企业可能更倾向于短期利润，因而减少部分创新投入，搁置或放弃获利周期长的创新项目，削弱了债权融资对创新产出的正向影响。

对创新风险来说，企业非经营性杠杆率水平对全样本创新风险的影响并不显著。由后文的分析可以得知，非经营性杠杆率的提升对国有企业和非国有企业创新风险的作用方向恰好相反。因此，如果不对企业的产权性质加以区分，分析非经营性杠杆率水平对创新风险影响的意义不大。

综合对企业创新三个维度的实证结果和分析可以发现，不同的非经营性杠杆对企业的创新能力会产生不同方向和不同程度的影响：当非经营性杠杆率小于45.6%时，企业非经营性杠杆率对创新投入与创新风险的影响不显著，对创新产出的影响表现出显著的促进作用；当非经营性杠杆率超出这一水平时，无法同时保障上述三个目标的实现。因此，非经营性杠杆率最优区间为(0.000，0.456)，假设1得到验证。

本文对原始数据按上述研究结论进行分类统计，结果如表6和表7所示。由统计结果可知：有4 020个观测值处于(0.000，0.456)的非经营性杠杆率区间，即有34.06%的观测值非经营性杠杆率偏高，无法有效发挥债务对企业创新的促进作用；当企业的非经营性杠杆率适度时，企业的创新投入、创新产出均较高，创新风险则处于较低的水平。

面板门槛模型对其他控制变量的回归结果显示：企业规模、员工人数、经营绩效、企业成长性指标、资本密集度、股权激励指标均能显著增加企业创新投入，企业年龄则对企业创新投入有抑制效应；企业规模、员工人数、经营绩效、政府补助、股权激励和薪资水平对创新产出具有积极作用，但股权集中度会削弱这种作用；企业年龄、成长率和资本集中度能有效控制风险，但企业规模、员工人数和股权集中度均会抬高风险。

表6 企业处于不同非经营性杠杆率区间内的次数

width=375,height=105,dpi=110
表7 不同非经营性杠杆率区间内企业的创新能力

width=375,height=129,dpi=110
说明：此处列示数据为各变量的均值，下同。

(三)产权异质性分析
1.门槛效应检验。

门槛效应的自抽样检验结果如表8所示。从创新投入模型来看，国有企业样本的双重门槛和三重门槛检验结果显著性最高且一致，非国有企业样本单一门槛和三重门槛检验结果显著性最高且一致；从创新产出模型来看，国有企业和非国有企业样本的三种门槛检验结果显著性相同；从创新风险模型来看，国有企业样本双重门槛通过检验，非国有企业样本单一门槛和双重门槛检验结果显著性最高且一致。因此，本文对分组样本的创新投入和创新产出模型选择三重面板门槛模型，创新风险模型选择双重门槛面板模型。基于企业产权性质分组下三类模型的门槛估计值及相应的95%置信区间见表9。(7)限于篇幅，未列示借助stata16绘制的门槛参数似然比函数图。

3.门槛参数回归结果。

基于产权性质分组的参数回归结果列示于表10。由回归结果可知，对国有企业来说，随着债务资本率提高(0.484≤lev≤0.585)，创新投入的回归系数变得显著且为负数，说明该区间的债务资本率对企业创新投入的抑制作用较大；但是，当非经营性杠杆率达到更高的水平时，抑制效应减弱。非经营性杠杆率也对创新产出产生了抑制效应，随着杠杆率的提高，在不同的门槛区间内，这种边际效果逐渐减弱。当非经营性杠杆率处于(0.272，0.291)时，企业引入债务资本可以显著降低自身创新风险；但当非经营性杠杆率超出这一范围时，持续提高债务资本比率不再对创新风险产生显著影响。对非国有企业来说，企业的创新投入对非经营性杠杆率不敏感。非经营性杠杆率与企业创新产出的关系表现出与国有企业完全相反的现象：当非经营性杠杆率低于0.590时，各门槛区间内均显示出明显的促进效应，即企业提高非经营性杠杆率有助于提高创新产出，且在非经营性杠杆率小于0.245时促进效应最为显著；促进效应的强度呈现为先下降后上升的U型趋势。从创新风险来看，非国有企业的非经营性杠杆率仅在一定区间内(0.255≤lev≤0.299)会显著提高企业的创新风险，而在其他情况下对创新风险的影响不显著。

表8 基于产权性质分组的门槛效果自抽样检验

width=375,height=393,dpi=110
表9 基于产权性质分组的门槛参数估计结果

width=375,height=504,dpi=110
总体来说，引进债务资本将减少国有企业的创新投入、创新产出以及创新风险，提高非国有企业的创新产出和创新风险，对两类企业的作用方向基本相反。由此可见，在资本结构与企业创新的关系中，产权异质性非常明显，证实了假设2。造成这种现象的原因可能在于：

(1)决策动机不同。我国国有企业的高级管理层一般由国务院或地方政府直接委派，企业决策机制也相对复杂，管理层进行高风险创新活动的意愿并不高(刘运国和刘雯，2007)；同时，国有企业担负着较高的经济增长任务，其经营目标往往受到其产权性质的影响。因而，当面临较高债务时，国有企业管理层可能倾向于减少创新投入，转向短期投资以实现经营目标，创新产出则随之下降。对于非国有企业而言，负债融资可能是一种硬约束，在背负较多债务时，一方面由于资金有限，必须提升创新投入的效率；另一方面为了降低破产风险，必须提高企业经营效率。因而，负债融资在一定程度上能够激励非国有企业管理层提升企业管理水平，提高创新产出。

表10 基于产权性质分组的门槛参数估计结果

width=745,height=903,dpi=110
(2)资源禀赋不同。首先，在杠杆效应、调节成本效应和“税盾”效应三重作用下，国有企业引入的资源增加，在项目筛选、审批、研发和商业化等环节的经营水平得到提升，从而能够显著提高企业的经济效益，抵御创新风险；其次，银行信贷资金向国有企业倾斜，国有企业面临的融资约束较小、贷款成本低(余明桂等，2019)，更容易获得充裕的资金，降低了创新项目中止、撤销或未达到预期经济目标的风险；最后，国有企业在产生负债压力时，国家及地方政府会以财政补贴、土地优惠和价格支持等方式帮助和扶持其发展，对创新活动的风险进行补偿(王玉泽等，2019)。而对于非国有企业来说，企业面临沉重债务又无法融入新的资金时，偿债压力将会迫使企业放弃已有项目以清偿债务，压缩企业经济效益；此外，债权人和管理层之间的代理冲突可能导致企业的研发环境恶化，进一步增加企业的创新风险。

比较来看，非国有企业更适合增加杠杆率；在面临负债时，能够表现出更强的激励效应。当非经营性杠杆率处于(0.000，0.255)和(0.299，0.590)的区间范围时，非经营性杠杆率的提升对创新产出有显著的促进作用，同时不会恶化企业的创新投入及创新风险。

本文对非国有企业样本的原始数据按实证结果进行了区间统计，结果如表11和表12所示。非国有企业有2 208次处于适度区间，即有18.34%的非国有企业存在非经营性杠杆过低或过高的问题。当非经营性杠杆适度时，非国有企业的创新投入和创新产出均高于非经营性杠杆偏低或偏高时的情况，创新风险则较低，与实证结果一致。

表11 非国有企业处于不同非经营性杠杆率区间内的次数

width=375,height=117,dpi=110
3.稳健性检验。

为了增加研究结论的可靠性，本文从以下三个方面进行稳健性检验：(1)替换解释变量度量方法。本文提出的非经营性杠杆率已经剔除了经营性负债的干扰，但是经营性负债有可能对企业创新能力也产生影响。因此，将非经营性杠杆率(Lev)替换为传统的资产负债率(Tlev =总负债/总资产)，对全样本、国有企业样本及非国有企业样本分别进行门槛效应回归，作为稳健性检验1。(2)替换被解释变量度量方法。本文采用的创新风险指标是在罗能生等(2018)研究的基础上，为增强指标稳定性而选用营业利润增长率替代净利润增长率，但净利润增长率可能对企业创新能力也产生影响，因此，以罗能生等(2018)的原始研究作为稳健性检验2。(3)替换被解释变量衡量方式。创新风险也有多种衡量指标，为检验本文所改进的创新风险指标的可靠性，以专利被引用量构建创新质量指标以衡量创新风险作为稳健性检验3(何欢浪等，2021；施建军和栗晓云，2021)，该指标数值与创新风险的大小负相关，即专利被引用量越高，企业创新质量越高，创新风险越低。通过对全样本、国有企业样本及非国有企业样本分别进行门槛效应回归，在三种稳健性检验下，检验结果与前文结果基本一致，进一步支持了本文的研究假设，证明了本文研究结论的可靠性。

表12 非国有企业处于不同非经营性杠杆率区间内的创新能力

width=375,height=146,dpi=110
六、结论和政策建议
我国经济已迈上更高质量的发展之路，提高企业自主创新能力具有重要意义。本文以762家在沪深A股上市的非金融企业为样本，基于其2008—2018年的相关数据，借助静态面板门槛模型，从创新投入、创新产出和创新风险三个维度探究企业的资本结构和产权性质对其创新能力的作用机制，并实证其作用效果。研究发现，首先，企业存在最优非经营性杠杆率区间：当非经营性杠杆率低于45.6%时，企业增加非经营性杠杆率可以在不影响创新投入、创新风险的条件下提高创新产出；但有34.06%的企业非经营性杠杆率过高，无法充分享受债权资本的有利影响。第二，资本结构对企业创新的作用会因产权性质不同存在差异性：比较来看，非国有企业更适合增加杠杆率，其非经营性杠杆率的最优区间为(0.000，0.255)以及(0.299，0.590)。在这两个区间内，提升非经营性杠杆率对非国有企业的创新产出有显著的促进作用；同时，企业不会降低创新投入，也不会增加创新风险。

本文的政策建议主要有以下四个方面：一是测算企业的最优资本结构。在不同产业、规模和所有制等条件下测算企业的最优杠杆率区间，划定安全边际，为企业合理利用债权资本提供科学依据，也为政策制定和监管部门提供参考。二是优化企业资本结构。根据测算结果，为处于最优区间内的企业提供融资支持，鼓励其适当增加杠杆，推动创新发展；降低高杠杆企业的负债水平，释放被占用的资金，降低企业的财务风险。三是提高国有企业信贷资源的配置效率。考虑到国有企业靠前的产业链位置和重要的市场地位，应加快淘汰落后产能，合理整合资源，提高信贷资源的配置效率，引导其流向创新意识强、创新效率高的优质企业，进而创造更多经济效益，提高社会生产率。四是关注民营企业融资难问题。从研究结果来看，非国有企业似乎更适合增加杠杆率，应进一步缓解民营企业融资约束，破解融资难、融资贵的问题。

参考文献

陈林、万攀兵、许莹盈，2019：《混合所有制企业的股权结构与创新行为——基于自然实验与断点回归的实证检验》，《管理世界》第10期。

陈陶然、谭之博，2019：《金融体系特征、风险特性与企业创新》，《经济理论与经济管理》第7期。

董晓庆、赵坚、袁朋伟，2014：《国有企业创新效率损失研究》，《中国工业经济》第2期。

樊勇、王蔚，2014：《市场化程度与企业债务税盾效应——来自中国上市公司的经验证据》，《财贸经济》第2期。

苟琴、黄益平、刘晓光，2014：《银行信贷配置真的存在所有制歧视吗?》，《管理世界》第1期。

郭玥，2018：《政府创新补助的信号传递机制与企业创新》，《中国工业经济》第9期。

何欢浪、蔡琦晟、章韬，2021：《进口贸易自由化与中国企业创新——基于企业专利数量和质量的证据》，《经济学(季刊)》第2期。

胡迪、莫璇，2018：《中国宏微观杠杆率背离之谜研究——基于资产收益率的视角》，《金融论坛》第11期。

雷根强、孙红莉，2019：《产业政策、税收优惠与企业技术创新——基于我国“十大产业振兴规划”自然实验的经验研究》，《税务研究》第8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。

李勇，2017：《国有企业真的抑制了自主创新吗?》，《中南财经政法大学学报》第4期。

李政、陆寅宏，2014：《国有企业真的缺乏创新能力吗——基于上市公司所有权性质与创新绩效的实证分析与比较》，《经济理论与经济管理》第2期。

林莞娟、王辉、韩涛，2016：《股权分置改革对国有控股比例以及企业绩效影响的研究》，《金融研究》第1期。

刘波、李志生、王泓力、杨金强，2017：《现金流不确定性与企业创新》，《经济研究》第3期。

刘兰剑、李洄旭，2019：《政策效应是否等同?——基于所有制的比较分析》，《科研管理》第10期。

刘晓光、刘元春，2018：《杠杆率重估与债务风险再探讨》，《金融研究》第8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。

罗能生、刘文彬、王玉泽，2018：《杠杆率、企业规模与企业创新》，《财经理论与实践》第6期。

吕炜、高帅雄、周潮，2016：《投资建设性支出还是保障性支出——去杠杆背景下的财政政策实施研究》，《中国工业经济》第8期。

施建军、栗晓云, 2021：《政府补助与企业创新能力:一个新的实证发现》,《经济管理》第3期。

孙早、肖利平、刘李华，2017：《产业所有制结构变化与产业创新绩效改善——国有企业为主的产业所有制结构就一定不利于产业创新吗?》，《南开经济研究》第6期。

汪勇、马新彬、周俊仰，2018：《货币政策与异质性企业杠杆率——基于纵向产业结构的视角》，《金融研究》第5期。

王靖宇、张宏亮，2020：《债务融资与企业创新效率——基于《物权法》自然实验的经验证据》，《中国软科学》第4期。

王延明，2003：《上市公司所得税负担研究——来自规模、地区和行业的经验证据》，《管理世界》第1期。

王玉泽、罗能生、刘文彬，2019：《什么样的杠杆率有利于企业创新》，《中国工业经济》第3期。

王贞洁、王竹泉，2018：《我国上市公司杠杆错估及其关联效应——对“去杠杆”政策的思考》，《经济管理》第4期。

王贞洁、王竹泉、苏昕卉，2019：《我国上市公司杠杆错估误导了银行信贷决策吗》，《南开管理评论》第4期。

肖海莲、唐清泉、周美华，2014：《负债对企业创新投资模式的影响——基于R&D异质性的实证研究》，《科研管理》第10期。

肖仁桥、王宗军、钱丽，2015：《我国不同性质企业技术创新效率及其影响因素研究:基于两阶段价值链的视角》，《管理工程学报》第2期。

肖泽忠、邹宏，2008：《中国上市公司资本结构的影响因素和股权融资偏好》，《经济研究》第6期。

杨松令、杜晓玲、刘亭立，2020：《营运资本结构、分析师跟进与企业创新投入》，《统计与决策》第7期。

叶永卫、李增福、骆欣怡，2018：《经营业绩、产权性质与企业创新投资》，《华东经济管理》第12期。

余明桂、钟慧洁、范蕊，2019：《民营化、融资约束与企业创新——来自中国工业企业的证据》，《金融研究》第4期。

战明华，2015：《金融摩擦、货币政策银行信贷渠道与信贷资源的产业间错配》，《金融研究》第5期。

张璇、刘贝贝、汪婷、李春涛，2017：《信贷寻租、融资约束与企业创新》，《经济研究》第5期。

张一林、龚强、荣昭，2016：《技术创新、股权融资与金融结构转型》，《管理世界》第11期。

周勤、盛巧燕，2004：《企业破产成本的研究综述》，《经济学动态》第6期。

Bernanke, B. S., M. Gertler, and S. Gilchrist,1999, “The Financial Accelerator in a Quantitative Business Cycle Framework”, in Handbook of Macroeconomics, edited by J.B. Taylor and M. Woodford, Amsterdam: North Holland.

Brandt, L. and H.B. Li, 2003，“Bank Discrimination in Transition Economies: Ideology, Information, or Incentives?”, Journal of Comparation Economics,31(3):387-413.

Chang, C., K. Chen, D. F. Waggoner, and T. Zha,2016, “Trends and Cycles in China’s Macroeconomy”, NBER Macroeconomics Annual, 30(1):1-84.

Fisher, I.,1933, “The Debt-deflation Theory of Great Depressions”, Econometrica, 1(4): 337-357.

Hansen, B. E.,1999, “Threshold Effects in Non-dynamic Panels: Estimation, Testing, and Inference”, Journal of econometrics, 93(2):345-368.

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.

Laeven, L. ,and F. Valencia,2012, “The Use of Blanket Guarantees in Banking Crises”, Journal of International Money and Finance, 31(5):1220-1248.

Levine, R.,2005, “Finance and Growth: Theory and Evidence”, in Handbook of Economic Growth, edited by P. Aghion and S.N.Durlauf, Amsterdam: North Holland.5(1):865-934.

McKinnon, R. I.,1973, Money and Capital in Economic Development, Washington D.C.: Brookings Institution Press.

Minsky, H. P.,1986, Stabilizing an Unstable Economy, New Haven: Yale University Press.

Rajan, R. G.,1992, “Insiders and Outsiders: The Choice between Informed and Arm’s‐Length Debt”, Journal of Finance, 47(4):1367-1400.

Reinhart, C. M.,and K. S. Rogoff,2010, “Growth in a Time of Debt”, American Economic Review, 100(2):573-578.

Shleifer, A. ，and R. W. Vishny,1994, “Politicians and Firms”, Quarterly Journal of Economics, 109(4):995-1025.

Stiglitz, J.E. ,1985, “Credit Markets and the Control of Capital”,Journal of Money, Credit and Banking, 17(2): 133-152.

Tan, Y., X. Tan, X. D. Zhang, and H. L. Zhao,2015, “The Real Effects of Privatization: Evidence from China’s Split Share Structure Reform”, SSRN Working Paper No.2433824.

Tobin, J.,1975, “Keynesian Models of Recession and Depression”, American Economic Review, 65(2):195-202.

Zhang, W., G. Han, B. Ng,and S. W.-W. Chan,2015, “Corporate Leverage in China: Why Has It Increased Fast in Recent Years and Where Do the Risks Lie?”, HKIMR Working Paper No.10/2015.

NATURE OF PROPERTY RIGHTS，CAPITAL STRUCTURE AND ENTERPRISE INNOVATION
ZHANG Chao XU Cen

(School of Finance，Anhui University of Finance and Economics)

Abstract： This paper explores the impact mechanism and effect of capital structure and property right on enterprise innovation，using the panel data of Chinese non-financial listed enterprises from 2008 to 2018 as the research sample.It is found that there is an optimal range of non-operating leverage，and the effect of capital structure on enterprise innovation is different due to the nature of property rights.That is，in the optimal range，increasing non-operating leverage can improve innovation output without affecting innovation investment and innovation risk，while non-state-owned enterprises are more suitable to increase leverage and significantly improve innovation output.Therefore，this paper puts forward some policy suggestions，such as optimizing the capital structure of enterprises，improving the allocation efficiency of credit resources of state-owned enterprises and effectively alleviating the financing constraints of private enterprises.

Key words： capital structure； nature of property rights； enterprise innovation； threshold model of static panel

* 张超、许岑(通讯作者)，安徽财经大学金融学院，邮政编码：233030，电子信箱：120081731@aufe.edu.cn。本文得到安徽省哲学社会科学规划项目“金融摩擦、企业融资分化与杠杆治理——基于DSGE模型的实证研究”(AHSKY2019D044)和安徽省高校优秀青年人才支持计划重点项目(GXYQZD2021011)的资助。感谢匿名评审人提出的修改意见，笔者已做了相应修改，本文文责自负。

(责任编辑：付 敏)