第30卷第9期2012年9月
文章编号:1003-2053(2012)09-1370-08
科学学研究StudiesinScienceofScienceVol.30No.9Sep.2012
资本市场促进了高新技术企业研发投入吗
———基于中国上市公司动态面板数据的证据
夏冠军,陆根尧
(浙江理工大学经济管理学院,浙江杭州310018)
摘
要:企业研发投入需要大量资金长期持续性的投入,外部股权融资的获取是影响企业研发投入的关键因
素。本文首先就资本市场对企业研发投入的影响进行了理论分析,然后基于中国高新技术上市公司动态面板数据,用系统GMM方法实证检验了外部股权融资对企业研发投入的影响。研究发现,资本市场提供的外部股权融资促进了高新技术上市公司的研发投入,并且这种正向影响对规模小的企业更为明显。因此,应鼓励研发密集型中小企业上市,以促进企业研发投入。关键词:资本市场;外部股权融资;企业研发投入中图分类号:F281.5
文献标识码:A
近年来,特别是2008年次贷危机引发全球经济
危机以来,鼓励企业提高研发投入水平以增强我国自主创新能力、加快经济增长方式转变,已成为学界和的共识以及的关注重心。然而,从国家统计局、科学技术部和财政部历年公布的《全国科技经费投入统计公报》来看,中国企业R&D经费投入强度都远远低于发达国家3%~5%的比例①。这个现象的存在使得我们亟需要研究的一个问题是为何我国企业研发投入强度较低。
影响企业研发投入的因素很多,既包括国家层面的社会文化价值、补贴、制度环境、税收和知识产权保护水平,也包括行业层面的竞争程度和市场势力,以及企业层面的公司治理和企业规模等方面的原因
[1-3]
金融体系的发展和改革解决企业R&D投入融资来
源问题,这会造成对企业创新的支撑无效。因此,如何构建一个能够有效激励中国企业R&D有效投入以及促进中国企业可持续成长的金融支持体系,一直是决策者要重点解决的战略性改革任务之一。
中国股票市场经过二十多年的发展,股市融集的资本量迅速增加。据统计显示,包括IPO、增发、配股在内,从2002年至2011年,股权融资金额高达3.83万亿元。作为新兴加转轨并由主导发展的资本市场,外部股权融资的获取是否解决了企业研发投入的资金来源以推动企业研发投入,进而通过提高自主创新能力促进经济发展呢?本文试图从微观公司层面探究资本市场的信息生产和信息甄别功能是否缓解了高新技术企业融资约束,进而促进企业研发投入。
本文的主要贡献在于:(1)为理解企业R&D投入的影响因素提供了一个新的重要视角,不仅有利于加深对企业R&D投入行为的理解,也对如何构建
。融资约束程度也是影响企业研发投
入的一个重要因素。如果企业不能筹集到足够资
金,就有可能导致R&D活动中断甚至半途而
[4][5]
。尽管财政补贴和税收优惠是支持企业废
R&D投入的外部融资渠道[6],但是如果忽略了通过
《2010年全国科技经费投入统计公报》国家统计局、科学技术部和财政部在2011年公布的显示,我国R&D经费投入强度(与主营业务收入之比)最高的行业是专用设备制造业,为2.04%。投入强度在1.5%-2%的有4个行业,分别是医药制造业(1.82%)、通用设备制造业
①
(1.59%)、电气机械及器材制造业(1.59%)和仪器仪表及文化、办公用机械制造业(1.50%)。
收稿日期:2012-03-07;修回日期:2012-05-28
基金项目:国家自然科学基金面上资助项目(71173250);教育部人文社会科学基金项目(10YJA630078)作者简介:夏冠军(1971-),男,湖南益阳人,副教授,上海财经大学金融学院博士生,研究方向为资本市场。
陆根尧(1952-),男,浙江慈溪人,研究员,博士,研究方向为产业经济学。
第9期夏冠军陆根尧:资本市场促进了高新技术企业研发投入吗
·1371·
一个支持企业研发投入的金融体系提供了决策依据。(2)本文提供了资本市场影响经济增长的新的微观证据:股票市场的资金配置功能引起高新技术企业融资渠道增加,减少了研发密集型企业的股权融资约束,促进了研发投入。(3)本文用GMM估计规避变量内生性引起的模型估计偏差,使实证结果具有更高的可信度。1
相关文献与理论分析
Hall[4]指出,和实物类投资相比,研发投入需要大量资金的长期投入,研发活动的结果作为一种原型是很难用做抵押的无形产品;且投资创新项目风险较大,一旦失败则损失较大。由此推测,企业研发创新投入受到的融资约束与实物投资相比更大。Gorodnichenko和Schnitzer[7]通过对企业问卷调查
证实了融资约束影数据的研究给出了直接的证据,
响企业研发投入。一些学者研究发现年轻、高科技和小规模企业的研发投入主要来自企业利润和注册
资本增加等类型的内源融资,但成熟和大规模企业的研发投入来源中并不存在这种现象
[8][9]
[16]
人力资本和无形资产,导致缺乏融资担保物。因
提高关系型债务在企业总债务中的比例可能增此,
加企业研发投入。温军等人的研究发现:关系型债务提高了企业研发投入,而且关系型债务对中小企业研发投入的重要性要显著高于大型企业。Car-penter,Bruce和Petersen[17]发现,相对债权融资,内部和外部股权融资对年轻的高新技术企业有如下优点:股权融资不都需要担保、不会放大财务困境、内部股权融资不会产生逆向选择问题。作为资本社会化和集聚社会各种资金资源的主要途径,股票市场的信息甄别和信息揭示功能不但给投资者提供了更高的流动性和更多的信息,最重要的是为具备高成长性的创新企业提供了新的融资渠道和各种社会资
打破了高新技术企业对银行的依赖,可以使企业源,
获得研发投入所需要的长期资金。理论上,资本市场至少可以通过以下渠道影响企业研发投入:首先,资本市场作为信息生产和信息甄别装置,为企业的研发投入项目提供了外部股权融资平台,使得研发投入所需要的长期资金增加。资本市场的一个基本功能是可以生产出关于公司未来投资项目的前瞻性信息,并通过交易把这种信息传递到市场中去,从而前瞻性地引导资本投资于最有发展前景
推动R&D项目的投资。的领域,
其次,股市乐观情绪导致的泡沫缓解了融资约
Farhi束,为研发投入提供了长期资金。Caballero,和Hammour
建立了一个经济总量模型,发现投资[19]
性泡沫缓解了融资约束。Jermann和Quadrini在
[18]
[2]
。创新企
外源融业不可能只依赖内源融资为研发投入融资,资的获取对于缓解企业创新投入的资金风险相当重
[10][5]
要。Hall和Lerner发现,外部融资约束的存在导致企业研发创新的投资不足。Rajan和Zin-gales[11]提出金融深化和好的金融制度可以有效缓解企业融资约束问题,从而促进了外部融资依赖型
[12]
行业和企业的成长。解维敏和方红星的研究发现,中国银行业市场化改革的推进、地区金融发展能扩大企业融资资源的获取渠道,从而积极地推动了上市公司的R&D投入。
然而,与企业的一般投资(例如资本投入)不同,以下几个原因加大了高科技企业获得负债融资的困难:其一,研发投入的回报和收益具有不确定性
[13]
和波动性,这种特征不适合债务合约的结构。其由于研发投入内生的高风险性,这就会导致高新二,
[14]
技术企业的逆向选择问题更加严重。其三,由于高新技术企业在获得债务融资后,比较容易用高风险项目代替低风险项目,所以高新技术企业更容易由于高新技术企业的市出现道德风险问题。其四,场价值取决于未来的成长性,而一旦遇到融资困境,项目就有中断风险,因此财务困境随着财务杠杆迅
[15]
。最后,速上升由于企业研发投入主要集中于
具有融资摩擦的一般均衡模型下解释了美国20世
纪90年代美国经济和股市繁荣的原因,发现股市乐观情绪引起的资产泡沫缓解了融资约束从而提高了生产率,促进了经济发展。偏离基本面的股价改变了股权融资成本和外部股权融资供给曲线,从而缓解了股权融资约束,使企业可以获得研发投入所需要的长期资金。大企业和成熟企业自由现金比较充足,外部股权融资的增加并不影响资金的那边成本,因而不会影响研发投入。但年轻的小高新技术企业由于自身累积有限,因而我们预测年轻的小高新技术企业的研发投入对外部股权融资更敏感。
由此提出本文研究假设:股票市场提供的融资使得渠道缓解了创新型企业的外源股权融资约束,
企业有更多的募集资金渠道,推动企业R&D投入。尤其是那些依赖外部股权融资为研发投入融资的企业,或者研发投入受限于外部股权融资约束的企业,
·1372·
科学学研究第30卷
则从股票市场中得益更多。22.1
研究设计、变量选择与估计方法
计量模型设定的理论背景从现有文献看,投资经验模型运用最为广泛的
2
rdj,t=γt+fj+c+β1rdj,t-1+β2rdj,t-1+β3cfj,t-1+β4cfj,t+β5salej,t-1+β6salej,t+β7equij,t-1+β8equij,t+εj,(2)t
当期现金流cfj,由于销售t用来测量内源融资,收入与企业自由现金流之间的关系,所以把当期销售收入salej,t作为一个控制变量,避免由于可能的遗漏变量对cfj,t的系数造成影响。遵循Bond,Ste-phen和Meghir[20]的做法,我们把股权融资额加入了回归方程,用于衡量公司的外部股权融资能力,反映资本市场的股权融资功能对企业研发投入的影响。由于托宾Q被常用来衡量企业成长性的重要指标,能反映资本市场的信息生产和信息甄别功能。因此,在稳健性检验部份,我们把托宾Q加入回归方
以反映资本市场的信息生产和信息甄别功能对程,
企业研发投入的影响。其他变量定义如下:
(1)企业R&D投入强度:国内外现有文献中关于研发投入的度量主要采用五种方式:研发投入分
资本支出、主营业务收入、员工数、市别除以总资产、
场价值。投资的欧拉方程都是把企业成长机会和资
本调整成本当作资本存量的函数,考虑到较难度量累积研发投入存量,因此本文选取研发投入与总资
而不是用研发投入与主营业务收入之产存量之比,
比,作为企业R&D投入强度的代理变量。
(2)cf现金流的定义通常为扣除非经常项目和折旧前的收入减去现金股利,限于数据可得性,本文用年度企业经营活动产生的净现金流量代替。(3)equi为股权融资增加额,定义为本期股本和资本公积金增加数。对于现金流和股权融资额均除以期初总资产,以消除企业规模的影响。
(4)融资约束。尽管融资约束的定义是很明确的,但由于企业融资约束程度是不可观察的,融资约束的度量方法是公司金融领域仍在争论的重要问题。考虑到其他融资约束度量与企业研发投入是内生决定的,本文用公司规模的自然对数(size)作为融资约束的工具变量。2.3
估计方法
尽管动态面板模型(2)引入被解释变量的滞后项作为部份遗漏变量的代理变量,但仍然无法解决解释变量的内生性问题。这是因为,企业研发投入
这些因素通常因为难以完全控受其他因素的影响,
制而被包含在不可观测的个体效应和误差项中,这些都会使得进入面板模型的滞后因变量和个体效应并且这种相关性并不随着截以及异质性冲击相关,
是托宾Q模型和欧拉方程的投资实证模型。企业
投资行为本质上是动态的调整过程,投资托宾Q模型忽略了投资的动态滞后特征和投资的调整成本。Bond,Stephen和Meghir[20]在用欧拉方程刻画动态最优投资行为模型中指出,投资的调整成本是投资的凸函数,由于过去投资与当期现金流相关,这意味着投资托宾Q模型丢掉了前期投资的平方项这一
[21]
重要解释变量。Brown,Fazzari和Petersen用欧拉方程刻画企业研发投入行为,但不是用累积研发
这是因为:其一,研发投入投入存量作为解释变量,
存量是很难量化的;其二,很难决定研发投入等无形
资产的折旧率是多少。因此他们用总资产存量对研发投入进行去规模化处理。由于企业研发投入可能
[10][22]
,有比较高的调整成本这种调整成本可能比实物资本的调整成本更高,因此他们把研发投入的
滞后项和平方项纳入回归模型。2.2
模型设定与变量定义
基于投资的欧拉方程和前面的分析,如果不考虑企业研发投入面临的融资约束,反映企业研发投入行为的基准模型设定如下:
2
rdj,t=γt+fj+c+β1rdj,t-1+β2rdj,t-1+β3cfj,t-1+
(1)β4salej,t-1+εj,t其中γt是时间虚拟变量,既可反映各企业共同
面对的随时变的扰动(如经济周期和宏观经济的扰动),也可控制资本调整成本和税率的影[20]
响。时间虚拟变量和固定效应虚拟变量可用来控制行业层面技术机会的变化对企业研发投入的影
fj是个体效应,响。用来处理遗漏掉的不随时变的公司特征带来的内生性问题;rdj,t-1既作为部分遗漏变量的代理变量,也反映rdj的持续影响;εjt异质性冲击。如果企业利用t-1期及以前的信息形成理性预期,εjt服从同分布。然而如果企业偏离理性预期,εjt将会是一个随机漂移过程,在回归分析中可用较长的滞后工具变量解决这个问题。为了研究股权融资对企业研发投入的影响,我们把反映企业内源和外源融资加入模型(1),得到如下计量回归模型:
第9期夏冠军陆根尧:资本市场促进了高新技术企业研发投入吗
·1373·
面样本数量的增加而减少,从而产生动态面板偏误。其次,虽然可以通过方程的组内转换来消除异质效但组内转换后的模型中滞后因变量与异质性冲应,
击相关。标准的固定或随机效应模型要求解释变量与扰动项不相关,混合OLS估计结果将造成自回归系数的估计值较真实值上偏,固定效应估计方法将造成自回归系数的估计值较真实值下偏。如果应用面板数据的随机效应或者固定效应对模型进行估
得到的参数估计值将是一个有偏的、非一致的估计,
计量,从而使得根据估计参数进行的统计推断无效,所推导出的经济含义也是扭曲的。鉴于模型涉及解释变量内生和本文数据具有宽截面且时段较短的特点,我们使用系统GMM估计方法解决内生性问题。为了避免用一阶差分消除个体效应增加不平衡面板数据的缺失值,我们用向前正交离差转换方法消除个体效应。
2.4样本选择与数据来源
本文根据如下步骤选择样本:(1)根据2008年科技部、财政部、国家税务总局联合制订的《国家重,点支持的高新技术领域》高新技术企业主要分布在信息技术(行业代码G)和制造业大类行业中的机器设备仪表(C7)、电子(C5)和医药生物制品(C8)子类行业中,且这几个行业的研发投入披露相对规范。因此,本文选取上述行业上市公司作为本
PT类。(3)剔除2009年文初选样本。(2)剔除ST、
以后才上市以及相关财务数据缺失的公司。
中国上市公司自2002年开始在年报中批露研发投入数据,但没有强制要求对外系统披露其R&D投入的详细信息,企业研发投入有三种最主要的披露方式:董事会报告、现金流量表附注和研发支出。我们通过如下方式获取上市公司研发投入数据:(1)在2007-2010年,上市公司实行了2006年版新
“研发支出”会计准则,增设科目核算企业内部研究和开发阶段的支出,故在“财务报表附注支出”科目
详细披露研发支出,我们从国泰安数据库上市公司财务报表附注中获取财务会计报表附注中研发支出的本期增加数,包括资本化支出和费用化支出的总额。(2)对于2002-2006年以及2007-2010间没有在财务报表附注披露研发支出的公司,由于研发不统一,造成了研究中研发投入投入披露的不规范、
数据获得口径的不一致。为了统一研究口径,我们
“支付的其他与经营活动有关的现在财务报告附注
金流量”栏目中的技术开发费、研发支出、研发费
用、科研试验费、科研经费、科研开发费等项目,通过手工搜集整理所得。年报数据主要来自于巨潮资讯网,其他财务数据均来自于国泰安公司研究数据库。变量的描述性统计和模型的回归分析在软件Sta-ta12.0中完成。为了减轻异常值的影响,我们用winsorize方法对所有变量在1%水平的极端值进行了缩尾处理。
表1
变量rd_Ard_S(%)SizeQMiscfEqui/Adebt/A营业收入固定资产投资
均值0.01411.88621.4222.0930.1810.06380.44290.51590.0190.0713
描述性分析结果
中位数0.00710.94321.31.90.1990.05520.41350.49940.0090.0479
最大值0.097415.7124.6568.5701.4650.38051.23651.43100.160.4235
最小值0.00010.00919.5680.862-0.734
标准差0.01852.6151.0011.3700.519
-0.16240.08520.09990.07130.0000.000
0.19830.25560.00260.0773
注:(1)为了便于比较,我们在表中列出了反映融资来源的股权融资Equi/A、债务融资debt/A(总负债/总资产)、销售收入(营业收入/总资产)和企业现金量;(2)Q和Mis分别代表企业成长机会和偏离基本面的股价。
表1报告了变量的描述性统计分析结果,为了便于对比,我们把研发支出占主营业务收入的比例也列在表1中。高新技术上市企业研发强度平均来
研发支出占总资产的比例平均值只有说比较低,
1.41%,中位数为0.71%。我们的统计结果显著高于解维敏和方红星统计的均值0.5%和中位数
0.315%。导致这一现象的主要原因可能有二个,一是我们把样本区间从2002-2006年延伸到了2002-2010年,二是我们统计的样本是高新技术企业。研发支出占营业收入的比例只有1.886%,中位数为0.943%,与国家统计局、科学技术部和财政部历年公布的统计表公报接近,但远远低于发达国家①。固定资产投资的均值和中位数都比R&D投入强度大,这也从另一个侧面反映了中国的企业重固定资
[11]
Hall和Oriani[23]的研究显示,4.5%,4.比如,美国、德国、法国企业(19-1998)的R&D强度(R&D支出/销售收入)分别为4.2%,
9%,意大利和英国相对比较低,但也分别达到3.3%和2.9%。
①
·1374·
科学学研究第30卷
产投入,轻研发投入。33.1
实证结果分析单变量检验
和高融资约束组(第1个四分位)的研发投入占总
资产比例的均值(中位数)分别为0.013(0.007)和0.017(0.009),且二者的差异在1%水平上显著。高融资约束组公司的托宾Q和未来成长机会均值分别为2.329和0.752,在1%水平上显著高于低融资约束组公司,中位数的检验也类似。这说明小公司(高融资约束公司)有更好的投资机会。低融资约束组的股权融资额的均值和中位数均低于高融资
这说明小企业的资金来源更多的来自股权约束组,
融资。这个结论在分组统计债权融资的均值和中位
数得到了验证,从表2中发现高融资约束组的债务融资额的均值和中位数均显著低于低融资约束组。这从一个侧面证明了,股权融资缓解了高新技术小企业的融资约束。由于单变量检验没有控制其他因素,因此我们应该慎重看待这些检验结果。
在正式回归分析之前,我们先进行单因素分析,
以便初步判断不同融资约束程度下企业R&D投入和公司特征变量的差异性。在表2中,我们将样本
进而统计关键变量按融资约束程度分成四个区间,
研发投入强度、托宾Q、公司规模以及企业现金流量
的均值和中位数。单变量检验结果如表2所示,其中,左边是平均值的比较,右边是中位数的比较。我们以公司年末总资产的自然对数值来衡量企业规模,按公司规模划分融资约束组别。从按企业总资产规模分类看,低融资约束组(第4个四分位)
表2
变量rd_Ard_SCFQMisgrowthSizesaleequidebt
1/40.0170.0280.0622.6090.2480.76020.2560.0280.5530.371
2/40.0140.0200.0602.0980.1040.62421.0250.0200.46670.476
按融资约束程度分类企业各变量的均值和中位数
4/40.0130.0130.0721.6990.2000.32722.70.0130.3340.668
T值5.36
***
3/40.0120.0150.0611.9720.1700.50721.6530.0150.4190.9
1/40.0090.0130.0561.9240.3200.75020.3080.0130.5350.355
2/40.0080.0120.0561.60.1220.62921.0370.0120.427.0471
3/40.0060.0080.01.6360.2040.51721.60.0080.30.534
4/40.0070.0070.0551.4110.2020.33922.5240.0070.3120.1
Z值5.25***8.95**0.2519.5*-0.9526.58*-34.1*3.69*5.36*6.21*
6.21**-0.91827.97*-1.2223.3*-23.28*4.*6.23*8.56*
z值为第4四分位与第1四分位差异显著性的检验值。(3)均值的差异用双侧配对参注:(1)以公司总资产的自然对数衡量企业规模;(2)t值、
***
0.05、0.10。**、分别表示显著性水平0.01、数检验的t统计量进行比较;中位数的差异用Wilcoxon符号与秩检验进行比较。(4)*、
3.2基于欧拉方程投资模型的多变量回归分析Bond对于系统GMM估计量是否有效可行,
[24]
xtabond2命令进行系统GMM估计提出了其适用性和估计细节。因此,我们将严格按照Rood-[26]
man[25]提出的建议,详细阐释系统GMM的设置
提出了一种简单的办法,即将GMM估计值分别与混合OLS估计值和固定效应估计值比较。如果GMM估计值介于两者之间,则GMM估计是可靠有效的。因此,我们首先分别用固定效应、混合OLS估计模型和系统GMM方法进行了估计,估计结果列于表3中第(1)、第(2)和第(3)列。从各个解释变量的估计系数来看,系统GMM估计系数确实处于其他两个估计值之间。
鉴于系统GMM估计的严格假设和复杂程序容Roodman易使人怀疑估计结果的可靠性,
[24]
细节和统计检验。模型假设检验涉及模型设定偏差、工具变量有效和工具变量外生三方面。在表3中第(3)列,我们首先报告了Arellano-Bond残差项序列相关检验统计量的p值,以检验是否存在
则说明模型误设,模型误设。如果能拒绝AR(2),
补救措施是增加被解释变量的滞后期。结果显AR(1)的p值等于0.004,AR(2)的p值等于示,
0.335,表明差分残差项存在一阶自相关,但不能拒绝不存在二阶自相关的原假设,说明不存在模
对使用
第9期夏冠军陆根尧:资本市场促进了高新技术企业研发投入吗
·1375·
型设定偏差①。
工具变量最小滞后期的选取都遵循Roodman所给出的传统法则,最大滞后期选择的原则是工具既
[25]
定和工具变量的选择都不存在问题,即系统GMM
有效地处理了内生性问题。三种估计方法得到的估计系数在符号方向和参数估计值大小均存在差异,这表明OLS估计结果受到了解释变量内生性的较大影响。因此,接下来的分析将以系统GMM估计结果为准。表3中第(3)列回归结果显示,企业的研发投入具有动态效应,本期研发投入会对下一期
2的研发投入产生显著影响;rdj,这表t-1估计值为负,
要尽可能少又要有效,这样才能够获得可靠的Han-sen-overid检验。如果残差序列是随机漫步过程,工具变量至少要滞后三期;如果残差序列服从同分
布,工具变量滞后二期就是有效的。因此,我们选择滞后三到四期。汉森J统计量的p值等于0.278(显
表明系统GMM估计中没有证据拒绝工著大于0.1),
具变量的有效性。此外,在系统GMM估计中,额外工具变量的有效性取决于工具变量的变化与固定效应
无关。因此,在表3中我们报告了判断额外工具变量是否有效的统计量的p值,不能拒绝代入原始方程的所有工具变量和固定效应不相关的原假设。
从上述系统GMM的各种假设检验发现,模型设
表3
解释变量rdj,t-1rd2j,t-1cfj,tcfj,t-1salej,t-1salej,tQj,t-1Q2j,t-1Size*Qj,t-1
equij,tequij,t-1AR(1)p值AR(2)p值Hansen-overid(p值)LevelHansen(exg)LevelDifference(exg)
工具滞后期工具变量数截面数(公司数量)
观测值
3881303
3881303
0.005**(0.002)-0.007***(0.002)
0.17***(0.002)-0.019***(0.002)
(1)
0.424***(0.061)-0.962**(0.52)0.14***(0.002)-0.001(0.003)-0.179***(0.026)0.61***(0.013)
明,如果将rdj,t-1看作是企业投资调整成本代理变
量的话,那么估计结果表明,研发投资的调整成本是研发投入的一个凸函数,这与传统的理论假设一致。rd2与理论预期并不一致,j,t-1的估计系数并不显著,这是由于投资的欧拉方程假定资本市场是完美的,企业不存在融资约束。salej,t的估计结果显著为正,这与投资加速理论的预期一致。
2
融资渠道与企业研发投入的动态回归结果
(2)
0.803***(0.057)-0.752**(0.602)0.20***(0.004)-0.007(0.003)-0.443***(0.036)0.67***(0.029)
(3)
0.535***(0.156)-0.766(0.968)0.17*(0.010)-0.002(0.004)-0.129(0.069)0.65***(0.06)
(4)
0.477***(0.138)-0.811(0.866)0.180*(0.010)-0.004(0.004)-0.245***(0.069)0.65***(0.06)0.015***(0.006)-0.007**(0.003)
0.138**(0.005)-0.010(0.003)
0.0040.3550.2780.440.15[2,3][3,4]
1553881303
0.01180.3460.3210.2790.47[2,3][3,4]
1383881303
0.0010.26103000.6570.21[2,3][3,4]
1553881303(5)
0.518***(0.128)-0.832(0.839)0.22**(0.010)-0.006(0.004)-0.267***(0.525)0.***(0.052)0.012*(0.007)-0.000(0.000)-0.006**(0.000)
***
“xtabond2”5%、10%水平上显著,注:(1)系统GMM估计是在stata12.0中嵌入程序进行的;(2)*、**、分别表示参数估计量在1%、系数
下方括号内的数字是异方差稳健标准差;(3)由于本文使用的是非平衡面板数据,因此使用了前向正交离差变换(forwardorthogonaldeviations)2006);(4)消除个体效应,而不是使用一阶差分消除个体效应,这样就可以最大化参与估计的样本数,从而提高估计系数的有效性(Roodman,Arelleno-Bond一阶、二阶序列相关检验AR(1)和AR(2)报告的是z统计量对应的p值;(5)Hansenoverid报告的是Hansen过度识别检验统计量chi2对应的p值;(6)L-Hansen(eg)和L-Difference是针对所有GMM变量的Hansen-in-Difference检验,报告的都是p值;(7)工具变量滞后期的第一个区间表示滞后因变量的工具变量滞后范围,第二个区间针对内生解释变量。(8)控制变量和常数项反映的是行业层面因素、宏观经济因素和经济的综合影响,不是关注变量,限于篇幅未列出。(9)在GMM回归中,除了时间虚拟变量外,我们把所有解释变量当作内生变量来处理。
①残差项序列可以存在一阶自相关,但不能拒绝AR(2)。如果能拒绝AR(2),则说明模型误设。因此,不存在二阶自相关是一致性检验的必要条件。
·1376·
科学学研究第30卷
现在转向我们所关注的反映研发投入资金来源的内源股权融资cfj,t和外源股权融资equij,t的估计cfj,这表明高系数。t和equij,t的系数估计显著为正,新技术上市公司的研发投入对其内源资金和外部资金来源是敏感的,企业经营活动现金流和股权融资是企业研发投入的一个重要资金来源,企业大约把股权融资的13.8%用于研发投入。下面我们来分析其经济含义:在表1的变量描述性统计中,股权融
企业现金流的标准差为资额的标准差为0.1983,
0.085。股权融资额的一个标准差偏离冲击对研发投入的影响是0.1983*0.138=0.027,企业当期现金流的一个标准差冲击对研发投入强度的影响为
0.17*0.085=0.014。与研发投入强度的均值0.014和中位数0.007比,现金流和股权融资额的冲击对研发投入强度的影响是比较大的。因此,资本主要是因为资本市场之所以推动了企业R&D投入,
市场提供的股权融资渠道使得企业可以获得研发投入所需要的长期资金。由此我们证明了融资约束程度高、更依赖外部融资的企业,会从股权融资中获益更多。这一结论支持了前面的理论假说。3.3
稳健性检验
为了克服可能的模型设定偏差和增强模型结果
本文采用如下方法进行稳健性检验。首的稳定性,
先,考虑未来潜在投资机会可能影响企业研发投入,
加入反映未来投资机会的托宾Q,用Q来控制研发也表示了资本市场的信息甄别功能投入需求预期,
对研发投入的影响。从理论上来说,与成熟企业相比,小企业和年轻企业融资约束程度会更高,因此小企业的研发投入对托宾Q的敏感程度比大企业可能更高,所以这里进一步分析托宾Q对企业R&D投入的影响是否随企业规模变化,我们把托宾Q和企业规模的交互项加入了基准回归方程(2)。托宾Q在这个方程里是一个内生变量,表3的第4列报告了加入未来投资机会。托宾Q的回归结果。从中可见,反映企业未来成长机会的托宾Q的估计系数显著为正。托宾Q与企业规模(融资约束程度)的交互项Size*Qj,这意味着,t-1估计系数显著为负,在其他条件不变的情况下,企业规模越小即企业融资约束程度越高,企业研发投入对托宾Q越敏感。其次,考虑不同公司有不同的生产技术,因而公司投资对未来成长机会的敏感程度可能不是线性关系。因此,在回归方程中加入托宾Q的平方项来解决这个问题。表3第(5)列报告了估计结果,我们可以
看出托宾Q的平方项系数为负,但不显著,而且托
宾Q及其他解释变量的估计系数并没有出现较大对系数估计值的显著性也没有任何影响。的变化,4
结论及启示
如何提升企业研发投入水平和自主创新能力,
一直是决策者和学界关注的焦点问题之一。不同于已有研究,本文以中国高新技术上市公司2002-2010年数据为样本,实证考察了中国资本市场对资本市场的资金企业R&D投入的影响。研究发现,
推动了配置功能缓解了高新技术企业的融资约束,资本市场对高新技术企业的R&D投入。并且发现,
R&D投入的积极影响,对那些缺乏资金的小企业来说是更为显著的。本文通过考察资本市场对企业R&D投入的影响,为理解转轨经济背景下的中国企业R&D投入影响因素提供了新的证据,也为理解金融发展与经济增长之间关系的微观机理提供了新的经验证据。
本文的研究结论具有重要的含义:首先,由于高新技术企业研发投资具有高度的资产专用性、高风险性和收益的弱相关性,因此,应当为高新技术企业构建良好的融资平台和金融工具创新、提供多种融资渠道和金融工具。其次,不同规模的企业由于信息不对称程度和融资约束程序不同,股票市场的信息甄别和信息揭示功能,不但能解决企业信息不对称问题,而且也能提供企业研发投入所需要的长期。因此,应让更多的研发密集型中小企业上市。参考文献:
[1]王燕妮.高管激励对研发投入的影响研究-基于我
.科学学研究,国制造业上市公司的实证检验[J]2011,(7):1071-1078.
[2]温军,冯根福,刘志勇.异质债务、企业规模与R&D
J].金融研究,2011,(1):167-181.投入[
[3]李春涛,宋敏.中国制造业企业的创新活动:所有制和
CEO激励的作用[J].经济研究,2010,(5):55-67.
[4]HallBH.Investmentandresearchanddevelopmentat
thefirmlevel:doesthesourceoffinancingmatter[R].NBERWorkingPaper1992,4096.
[5]HallBH,LernerJ.ThefinancingofR&Dandinnova-tion[A].BronwynH.Hall,NathanRosenberg.Hand-bookoftheEconomicsofInnovation[C].Elsevier-NorthHolland,2010.
第9期夏冠军陆根尧:资本市场促进了高新技术企业研发投入吗
·1377·
[6]王俊.R&D资助与企业R&D投入的产出效率
J].数量经济技术经济研究,2011,6:93-106.比较[
[7]GorodnichenkoY.Schnitzer.Financialconstraintsand
tcatchup[R].innovation:whypoorcountriesdon’NBERWorkingPaper,2010,(15792).
[8]CzarnitzkiD,BinzHL.R&Dinvestmentandfinancing
R].Cen-constraintsofsmallandmedium-sizedfirms[
treforEuropeanEconomicResearchDiscussionPaper,2008,08-047.
[9]BrownJR,MartinssonG,PetersonBC.Dofinancing
constraintsmatterforR&D?newtestsandevidence[R].ASSAannualmeetingpaper,2011.
[10]HimmelbergCP,PetersenBC.R&Dandinternalfi-nance:apanelstudyofsmallfirmsinhigh-techindus-tries[J].ReviewofEconomicsandStatistics,1994,(76):38-51.
[11]RajanRG,LuigiZingales.Financialdependenceand
growth,AmericanEconomicReview,1998,(88):559-586.
[12]解维敏,方红星.金融发展、融资约束与企业研发投
J].金融研究,2011,(5),171-183.入[
[13]StiglitzJE.Creditmarketsandcapitalcontrol,Journal
ofMoney,CreditandBanking[J].1985,(17):133-152.
[14]Stiglitz,JE,WeissA.Creditrationinginmarketswith
J].AmericanEconomicReview,imperfectinformation[1981,(71):393-410.
[15]CornellB,ShapiroAC.Financingcorporategrowth
[J].JournalofAppliedCorporateFinance,1988,(1):6-22.
[16]HallBH,LernerJ.ThefinancingofR&Dandinnova-tion,NBERWorkingPaper,2009.
[17]CarpenterRE,PetersenBC.Capitalmarketimperfec-
tions,high-techinvestment,andnewequityfinancing[J].EconomicJournal,2002,(112):-72.
[18]CaballeroRJ,Farhi,Emmanuel,Hammour,Mohamad
L.Speculativegrowth:hintsfromtheU.S.Economy[J].AmericanEconomicReview,2006,96(9):1159-1192.
[19]JermannUJ,QuadriniV.Stockmarketboomandthe
productivitygainsofthe1990s[J].JournalofMonetaryEconomics,2007,(3):413-432.
[20]BondS,CostasMeghir.Dynamicinvestmentmodelsand
thefirm’sfinancialpolicy[J].ReviewofEconomicStudies1994,(61):197-222.
[21]BrownJR,FazzariSM,PetersenBC.Financinginno-vationandgrowth:cashflow,externalequityandthe1990sR&Dboom[J].JournalofFinance,2009,():151-185.
[22]HallBH.Thefinancingofresearchanddevelopment
[J].OxfordReviewofEconomicPolicy,2002,(18):35-51.
[23]HallBH,RaffaeleOriani.DoesthemarketvalueR&D
investmentbyEuropeanfirms?evidencefromapanelofmanufacturingfirmsinFrance,Germany,andItaly[J].JournalofIndustrialOrganization,2006,24(5):971-993.
[24]BondS.Dynamicpaneldatamodels:aguidetomicro
.WorkingPaper09/02,datamethodsandpractice[R]
2005,InstituteforFiscalStudies,London.
[25]RoodmanD.Howtodoxtabond2:anIntroductionto
‘difference’and‘system’gmminStata[R].CenterforGlobalDevelopmentworkingpaper,2006.103.
[26]RoodmanD.Anoteonthethemeoftoomanyinstru-ments[J].OxfordBulletinofEconomicsandStatistics,2009,71(1):135-158.
Capitalmarket,financialconstraintsandhigh-techenterprises’R&Dexpenditure:evidencefromChina’listedfirmsdynamicpaneldatamodelwithGMMestimation
XIAGuan-jun,LUGen-yao
(InstituteofFinance,ZhejiangSci-techUniversity,Hangzhou310018,China)
Abstract:DuetorequirementamassiveandsustainedinfluxoffundingoveralongperiodoftimeforFirms’R&Dinvestment,exter-nalequityfinancingresourceforfirms’R&Dinvestmentisakeyfactoraffecting.Inthispaperweatfirsttheoreticallyanalysestheim-pactofcapitalmarketonfirms’R&Dinvestment.Subsequently,UsingthedynamicpanelDataonChina’high-techlistedfirmswithGMMEstimation;weempiricallyinvestigateexternalequityfinancing’sinfluenceonhigh-techfirms’R&Dinvestment.Thestudyfindsthatexternalequityfinancingofferedbycapitalmarkethasapositiveeffectonthefirms’R&Dinvestment,particularlyforsmallfirms.ThisarticlegivesnewempiricalevidenceforitandinsightsintothemicrocosmicmechanismoftheeffectofChinesecapitalmar-ketontherealeconomy.
Keywords:capitalmarket;externalequityfinancing;firms’R&Dinvestment
因篇幅问题不能全部显示,请点此查看更多更全内容
Copyright © 2019- huatuo0.com 版权所有 湘ICP备2023021991号-1
违法及侵权请联系:TEL:199 1889 7713 E-MAIL:2724546146@qq.com
本站由北京市万商天勤律师事务所王兴未律师提供法律服务