楊 帆，王滿倉

(西北大學經(jīng)濟管理學院，陜西 西安 710127)

0 引言與相關文獻

創(chuàng)新是經(jīng)濟增長的源泉，而中國的整體技術創(chuàng)新能力與發(fā)達國家仍有一定差距，還面臨著 “卡脖子”問題。黨的十九大報告多次強調，創(chuàng)新是建設現(xiàn)代化經(jīng)濟體系的戰(zhàn)略支撐。與此同時，以信息技術為核心的網(wǎng)絡經(jīng)濟已然成為全球化的新經(jīng)濟形態(tài)，我國信息技術的發(fā)展呈直線上升趨勢，如圖 1所示。鑒于此，黨的十八屆五中全會提出了網(wǎng)絡強國戰(zhàn)略。考慮研發(fā)創(chuàng)新活動具有投資大、周期長、風險高等特性，在當前依靠銀行體系分配金融資源的金融結構下，對于技術創(chuàng)新型企業(yè)能否得到充分有效的金融支持，尚存在許多爭議[1-3]。金融的目的是通過優(yōu)化資源配置推動主體的技術進步乃至經(jīng)濟增長，但在配置過程中信息不對稱成為一大突出問題。在這個背景下，系統(tǒng)地探究融資結構、信息技術與創(chuàng)新的邏輯關系具有重大理論和現(xiàn)實意義。

圖1 2008—2018年中國信息技術發(fā)展水平趨勢

如何提高企業(yè)的創(chuàng)新能力，一直是企業(yè)與政策制定者關注的焦點。眾多文獻從融資結構[4]、公司治理[5]、政企關系[6]等視角對企業(yè)創(chuàng)新的影響因素展開論述。學者深入探討融資與創(chuàng)新之間的內(nèi)在機理和經(jīng)驗證據(jù)，然而經(jīng)過長時間爭論仍未形成內(nèi)在一致的系統(tǒng)理論。聚焦債權融資，Stiglitz[7]很早就提出債權人需要承擔企業(yè)創(chuàng)新失敗風險，但同時卻很難享受企業(yè)創(chuàng)新成功的豐厚回報，風險與收益結構的不匹配阻礙了企業(yè)高風險的創(chuàng)新投入，類似研究還有Hall[8]、左志剛[9]。然而Jesen等[10]、鞠曉生[11]卻持有不同觀點。進一步，Berzkalne等[12]、王玉澤等[4]得出了非線性的結論。對比債權融資與股權融資，Brown等[13]提出股票市場的可進入性和投資者權益的保護都將有效提高長期研發(fā)投入，特別是小企業(yè)，但信貸市場卻不同。Hsu等[14]發(fā)現(xiàn)股票市場發(fā)展激勵技術創(chuàng)新，而信貸市場發(fā)展卻阻礙技術創(chuàng)新。

信息不對稱和交易成本至今一直是主流經(jīng)濟學和管理學所關注的重點問題，但是互聯(lián)網(wǎng)和大數(shù)據(jù)的出現(xiàn)給這些傳統(tǒng)理論帶來了新的沖擊。Kafouros[15]證實了互聯(lián)網(wǎng)與公司研發(fā)創(chuàng)新能力具有正相關關系。Glavas等[16]認為互聯(lián)網(wǎng)對企業(yè)的創(chuàng)新性和主動性均具有積極作用。Cui等[17]、Forés等[18]分別從企業(yè)和區(qū)域層面證實了信息技術對企業(yè)創(chuàng)新能力的促進影響。國內(nèi)方面，董祺[19]實證得出信息化投入顯著提高了企業(yè)的創(chuàng)新產(chǎn)出，但研發(fā)投入和信息化對企業(yè)創(chuàng)新表現(xiàn)出一定的負調節(jié)作用。楊德明等[20]通過上市公司數(shù)據(jù)發(fā)現(xiàn)互聯(lián)網(wǎng)能夠提高企業(yè)的創(chuàng)新投入，從而使企業(yè)創(chuàng)新能力得到提升。

學術界關于融資結構、信息技術分別與創(chuàng)新之間關系的研究取得了豐碩成果，但也存在進一步深化的空間。一方面，宏觀信息技術水平的提高對創(chuàng)新的微觀影響及異質性略顯單?。涣硪环矫?，融資結構與信息技術的有機結合怎樣影響創(chuàng)新有待探究。本文的邊際貢獻主要體現(xiàn)在3個方面：①基于龔強等、張一林等的數(shù)理模型，從債權融資與股權融資對創(chuàng)新風險的不同 “態(tài)度”出發(fā)，構建融資結構、信息技術與研發(fā)投入和創(chuàng)新產(chǎn)出關系的兩階段數(shù)理模型。②基于信息技術水平指數(shù)的重構，實證了我國企業(yè)融資結構、信息技術對創(chuàng)新產(chǎn)出的中介效應和交互效應，拓展了企業(yè)融資與創(chuàng)新的相關文獻研究。③在基準模型的基礎上進一步探討所有制與產(chǎn)業(yè)技術的異質性影響。

1 理論分析與研究假說

假設市場是由企業(yè)和投資者構成的完全競爭市場，所有市場參與主體均為風險中性。企業(yè)融資渠道只能為債務融資或股權融資。借鑒龔強等[3]、張一林等[21]的研究思路，依次闡述企業(yè)的投融資的決策過程、研發(fā)風險和信用風險，隨后通過數(shù)理建模分析融資結構、信息技術對創(chuàng)新產(chǎn)出的影響。

1.1 融資時序及研發(fā)風險與信用風險

t=0期，企業(yè)的總投資額為I。如果企業(yè)選擇債務融資，企業(yè)到期需要歸還本金和利息R；如果選擇股權融資，并且企業(yè)擁有的股份比重為s(0

t=1期，債權人會關注企業(yè)項目的經(jīng)營狀況，如果企業(yè)經(jīng)營不理想，則其可以進行清算處理，此時債權方獲得擔保C，企業(yè)無剩余。

t=2期，由于技術的不確定性，則企業(yè)的項目成功與否是個隨機變量。

具體融資過程如圖2所示。

圖2 融資時序

企業(yè)在經(jīng)營中通常需要面對研發(fā)風險和信用風險。

(1)研發(fā)風險。企業(yè)研發(fā)風險與收益情況如圖3所示。

圖3 研發(fā)風險與收益

假定項目分為高風險H和低風險L。在第1期，H不產(chǎn)生盈利，L存在一定收益。在第2期，高L成功概率為PL，盈利πL>I；H成功概率PHπL。為了簡單起見，假設項目失敗均無收益。

假設項目從第0期開始為高風險的概率為θ，與研發(fā)密度與科技含量正相關，如高新技術產(chǎn)業(yè)中的企業(yè)，這些企業(yè)的高風險概率θ較大。相對而言，較成熟產(chǎn)業(yè)的技術往往以模仿式改進為主，其θ一般較低。

(2)信用風險。投資者與企業(yè)之間普遍存在信息不對稱問題，由此會帶來信用風險問題。從企業(yè)信用的好壞層面可以將企業(yè)分為好企業(yè)與壞企業(yè)。從第0期開始，壞企業(yè)與好企業(yè)可以以同樣的方式進入市場。在第1期，兩類企業(yè)均具有先前分析相同的市場表現(xiàn)。在第2期，壞企業(yè)只會失敗。

令v為好企業(yè)所占比例，其在一定程度上反映了信用風險。如果壞企業(yè)知道自己會被清算，那么壞企業(yè)將不具有動力進入市場。相對而言，股權融資不具備此種功能。通常情況下，債權人會在第1期清算不產(chǎn)生收益的項目，致使好企業(yè)與壞企業(yè)被債務區(qū)分。但與此同時，由于項目風險的不確定性，好企業(yè)如果選擇債務融資將面對一定的清算風險。好企業(yè)和壞企業(yè)在市場上的比例見表1。需要說明的是，企業(yè)好壞與項目風險相互獨立。

表1 不同企業(yè)在市場中的比例

1.2 債權融資和股權融資可得性關于研發(fā)投入的數(shù)理分析

基于上述理論框架，考察企業(yè)擔保價值、研發(fā)風險和信用風險與債權融資和股權融資可得性的關系。保持理論框架的假定，且簡化無風險利率為0。為了簡單起見，進行如下假設。

a.低風險項目在第2期一定成功，即PL=1。

b.債權收益、初始投資與擔保價值存在R>I>C的關系。

c.債權投資人的風險偏好低于股權投資人，即在心理賬戶層面?zhèn)鶛嗳似糜诘惋L險項目，而股權投資者偏好于高風險項目。

d.研發(fā)投入函數(shù)RD=RD(θ)。

f.高風險項目成功意味著創(chuàng)新成功。

(1)債權融資。在第1期，債權人雖然無法區(qū)分高風險項目和壞企業(yè)，但可以明確識別低風險項目的情況。由于R>I>C，并且根據(jù)假設a低風險項目一定成功,因此債權人在理性權衡下不會清算低風險項目。

在假設c的情況下，債權人通常出于保全收益R的考慮 (由于高風險項目與壞企業(yè)在未來存在無限的不確定性)會降低自身的風險程度，清算高風險項目與壞企業(yè)，這意味著隨著高風險項目概率的增加，企業(yè)清算的概率越大，因此理性企業(yè)一般權衡考慮會降低研發(fā)投入，即?RD/?θ<0，將資金投向更穩(wěn)健的項目以匹配債權人的風險偏好。好的結果是，壞企業(yè)由于清算機制將沒有激勵進入市場。此時，因為壞企業(yè)已經(jīng)被淘汰出局，企業(yè)關于債權融資的目標函數(shù)為：

s.t.(1-θ)R+θC≥I

R≤πL

清算制度實現(xiàn)了壞企業(yè)的市場淘汰機制。由于壞企業(yè)在市場中的比例降低，有助于降低信息不對稱導致的融資成本過高問題，提升企業(yè)的盈利水平。

根據(jù)上述最優(yōu)化問題，提出第一個命題：存在一個最低抵押價值[I-(1-θ)R]/θ，使得企業(yè)選擇當R為 (I-θC)/ (1-θ)時的最優(yōu)期望收益 (1-θ)πL-I；否則債權人放棄投資。

由于?RD/?θ<0，結合上述結論?R/?θ>0，可推出?RD/?R<0，考慮到高負債通常伴隨著高融資成本，可以提出假說H1：債權融資對研發(fā)投入的影響呈現(xiàn)抑制作用。

(2)股權融資。雖然股權融資無法區(qū)分好企業(yè)與壞企業(yè)，由于其具有長期性，一般在中途不會清算好企業(yè)具有發(fā)展?jié)摿Φ捻椖?，而這一點對于研發(fā)周期長，項目風險大的創(chuàng)新企業(yè)至關重要。

按照先前的設定，企業(yè)擁有的股份比重為s(0

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

通過與債權融資同樣的思路分析，未發(fā)現(xiàn)股權融資與最優(yōu)期望收益或研發(fā)投入的關聯(lián)關系，有待后面的實證驗證。

1.3 研發(fā)投入、信息技術與創(chuàng)新產(chǎn)出

2 研究設計

2.1 數(shù)據(jù)來源

考慮到數(shù)據(jù)的可得性和連續(xù)性，選取2008—2018年A股全部上市公司為研究樣本。為了使數(shù)據(jù)具有可比性，在對變量處理時均使用相對比率或對數(shù)值。本文原始數(shù)據(jù)來自國泰安數(shù)據(jù)庫與Wind數(shù)據(jù)庫，保證了數(shù)據(jù)的一致性。由于少數(shù)省份個別數(shù)據(jù)存在缺失，因此對其進行插值處理?？紤]到樣本中異常值對估計結果準確性的影響，對連續(xù)型變量進行了[1%，99%]的縮尾處理。

2.2 模型設定與變量設計

為了驗證企業(yè)融資結構、信息技術對創(chuàng)新產(chǎn)出的影響機制，基于Baron 等提出的中介效應模型，借鑒溫忠麟等的思想，構建如下面板模型:

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)

由于公司層面專利個數(shù)具有計數(shù)屬性，且樣本數(shù)據(jù) “過度分散”，因此模型 (1) (2)選用面板負二項回歸模型，其使用條件極大似然估計能有效提高估計效率。其中，下標i代表公司，j代表省份，t代表年份，εijt是隨機擾動項，同時控制了個體效應ui、時間效應vt和地區(qū)效應wj。核心被解釋變量為企業(yè)創(chuàng)新產(chǎn)出 (patent)，解釋變量為融資結構 (FIN)和信息技術水平指數(shù) (IT)?？刂谱兞?(CONTROL)主要反映企業(yè)的基本特征和企業(yè)所處的宏觀經(jīng)濟環(huán)境，模型各主要變量的含義如下。

(1)被解釋變量：雖然專利并不能完全代表創(chuàng)新產(chǎn)出，但其數(shù)據(jù)容易獲取并且具有可比性，所以目前仍然是衡量創(chuàng)新產(chǎn)出的主要代理變量[25]。由于發(fā)明型專利相比實用新型專利和外觀設計專利具有更高的含金量，因此同時考察了發(fā)明專利授權數(shù) (invention)作為高質量創(chuàng)新產(chǎn)出對比分析。這里選取公司國內(nèi)外專利授權數(shù) (patent)衡量企業(yè)的創(chuàng)新產(chǎn)出。

(2)中介變量：研發(fā)投入是創(chuàng)新投入的主要貢獻，選取R&D投入強度 (RDspend)作為研發(fā)投入指標。

(3)解釋變量：①融資結構。其中，單向指標有股權融資和債權融資。股權融資 (equityf)，指企業(yè)利用股權交易方式融通資金；債權融資 (debtf)是反映通過銀行或非銀行金融機構貸款或發(fā)行債券等方式融通資金的方式，包括來自銀行的短期借款和長期借款，以及企業(yè)發(fā)行的債券。復合指標有債股比 (debtrequity)，用債權融資量比股權融資量來衡量。②信息技術水平 (IT)。由于目前官方缺乏關于信息技術的綜合指數(shù)，如 《中國信息年鑒》中的信息化發(fā)展總指數(shù) (II)僅有2005—2012年的跨度數(shù)據(jù)，導致多數(shù)學者采用CN域名數(shù)、互聯(lián)網(wǎng)普及率、網(wǎng)站數(shù)等單一指標作為替代[26]。實際上，信息技術是一個復雜的技術體系，這里結合中國信息技術發(fā)展實際并參考韓先鋒[27]的選取，設計的一級指標體系涵蓋信息技術普及、信息技術硬件發(fā)展和信息技術軟件發(fā)展3個維度構造省際信息技術水平指數(shù)，具體指標體系見表2。

表2 信息技術水平指數(shù)

根據(jù)上述綜合指標測度體系，本文基于主成分分析法構造中國省際信息技術水平指數(shù)。為了使數(shù)據(jù)具有可比性，對郵電業(yè)務總量、軟件業(yè)收入與GDP進行比值處理。為了消除量綱差異的影

響，對原始指標數(shù)據(jù)進行標準化處理。同時進行主成分分析KMO檢驗，其整體值為0.80，比對kaiser的經(jīng)驗法則與先前結果保持一致。通過分析結果和碎石圖，發(fā)現(xiàn)第一主成分占比高達66%，因此最終選取第一主成分得分作為信息技術水平指數(shù)。為了便于后續(xù)研究方便，這里按照以下計算公式，將測算所得的互聯(lián)網(wǎng)綜合得分數(shù)據(jù)標準化到[0，1]區(qū)間內(nèi)，即為省際互聯(lián)網(wǎng)綜合發(fā)展水平指數(shù)：

式中，S為省份j在t年份的互聯(lián)網(wǎng)綜合水平得分，max (·)和min (·)分別為對應綜合水平得分的最大值和最小值。主要變量設置與說明見表3。

表3 變量設置與說明

2.3 變量的描述性統(tǒng)計

主要變量的描述性統(tǒng)計分析結果見表4。在樣本期內(nèi)各企業(yè)研發(fā)投入具有顯著差異，且不同省份的信息技術發(fā)展水平差距較大，其余變量的統(tǒng)計結果也基本符合預期。

表4 主要變量的描述性統(tǒng)計

3 實證分析

3.1 基準效應檢驗

由于混合回歸的聚類穩(wěn)健標準誤與普通標準誤相差不大，因此傳統(tǒng)的hausman檢驗是適用的。結果顯示，hausman檢驗的p值通過了固定效應模型，在控制了公司效應、地區(qū)效應與時間效應的同時，使用聚類穩(wěn)健標準誤以消除組內(nèi)自相關影響。

第一階段模型融資結構、信息技術對企業(yè)研發(fā)投入的回歸結果見表5。其中，列 (1) (2)分別為融資結構單向指標和債股比雙向指標的對比。列 (1)結果顯示，債權融資的回歸系數(shù)是 -1.287，在10%的水平上通過顯著性檢驗，表明債權融資對研發(fā)投入存在較顯著的抑制作用。相比較，股權融資與信息技術均未通過顯著性檢驗。列 (2)債股比的回歸系數(shù)同樣在5%的顯著性水平上為負，而信息技術不顯著。由此驗證了假說H1，且在債股比方面存在同樣效應。在控制變量方面，政府補貼系數(shù)顯著為正，說明了政府補貼能使企業(yè)騰出資金空間進行創(chuàng)新研發(fā)。并且，高管薪酬比例系數(shù)也顯著為正，這體現(xiàn)出管理人才激勵水平與研發(fā)投入的同步性。相比較，其余控制變量的影響在統(tǒng)計上均不顯著。

表5 融資結構、信息技術對創(chuàng)新投入的影響

中介效應的第二階段回歸結果見表6。列 (1) (2)與 (3) (4)分別為專利授權與發(fā)明專利授權的考察。在專利方面，R&D投入的回歸系數(shù)均在1%的水平上顯著為正。較股權融資系數(shù)的不顯著，債權融資及債股比均在負向影響呈現(xiàn)一定顯著性。對于信息技術，其回歸系數(shù)分別在1%的水平為1.429和1.489，其在負二項回歸中表示當信息技術水平提升一個微小量時，專利授權數(shù)的平均將分別增加1.429與1.489，因此驗證了H3a。在控制變量方面，第一大股東持股表現(xiàn)出明顯的促進作用，可能的解釋是企業(yè)可以通過集中決策提高創(chuàng)新能力。但總經(jīng)理持股與管理層薪酬比例均表現(xiàn)了抑制作用，側面反映了管理人員的激勵可能擠出研發(fā)人員的激勵水平，從而有損創(chuàng)新產(chǎn)出水平。托賓Q的結果說明公司市場價值與創(chuàng)新產(chǎn)出的正相關性，其余控制變量均不顯著。

表6 創(chuàng)新投入、融資結構、信息技術對創(chuàng)新產(chǎn)出的影響

在發(fā)明專利方面，不同的是研發(fā)投入的影響并不顯著，這意味著直接的研發(fā)投入可能并不能有效增進專利質量。一般情況下，高質量創(chuàng)新成功的不確定性更強，往往建立在強大的基礎研究前提上，而不是研發(fā)投入所能夠一蹴而就的。雖然債權融資系數(shù)不顯著，但發(fā)現(xiàn)股權融資系數(shù)在5%的顯著性上達到0.571，意味著股權融資對高質量創(chuàng)新具有一定的正向作用。究其原因，股權融資才能不斷負擔高質量創(chuàng)新過程中連續(xù)的試錯成本。相同的是，債股比對發(fā)明專利亦存在顯著的抑制作用。信息技術系數(shù)結果表明其同樣對高質量創(chuàng)新產(chǎn)生了顯著促進作用。

直接效應結果見表7?？梢钥闯觯浣Y果的正負性與顯著性與之前保持一致，未發(fā)生實質性變化。這里借鑒溫忠麟等的思想可以總結，債權融資及債股比通過研發(fā)投入抑制了創(chuàng)新產(chǎn)出，表現(xiàn)出部分中介效應，從而驗證了H2。

表7 融資結構、信息技術對創(chuàng)新產(chǎn)出的影響

3.2 穩(wěn)健性檢驗

(1)內(nèi)生性問題?？紤]到固定資產(chǎn)與現(xiàn)金流水平的滯后性，本文將企業(yè)固定資產(chǎn)凈值滯后一期、資產(chǎn)負債率、現(xiàn)金流滯后一期和營業(yè)利潤增長率作為融資的工具變量以求降低內(nèi)生性偏誤。對于信息技術的發(fā)展，其可能受宏觀政策等多元因素影響，由于本文模型從宏微觀層面盡可能控制了相關變量，因此已在一定程度上弱化了其內(nèi)生性問題。初步檢驗結果顯示，兩階段的Kleibergen-Paap rk LM統(tǒng)計量p值均為0，Cragg-Donald Wald F統(tǒng)計值也分別超過統(tǒng)計臨界，結果表明基本不存在不可識別和弱工具變量問題。其Hansen J統(tǒng)計量的p值分別為0.73和0.34，表明基本排除了過度識別問題，否定了工具變量與擾動項相關的原假設。內(nèi)生性處理的結果見表8。加入了工具變量之后，弱化了計量模型的內(nèi)生性問題。結果顯示，主要變量系數(shù)和顯著性與之前相比均無實質變化，結合負二項面板模型的結果，進一步驗證了相關結論。

表8 內(nèi)生性處理

(2)調整變量定義。為了進一步檢驗債權融資的融資屬性，將債務融資的定義由 (短期借款+長期借款+應付債券)/總資產(chǎn)擴大為 (短期借款+長期借款+應付債券+商業(yè)信用融資)/總資產(chǎn)，其中商業(yè)信用融資包括應付賬款、應付票據(jù)和預收款項。結果顯示，在替換變量后，基準模型變量的系數(shù)符號和顯著性均基本保持一致，從而驗證了模型的穩(wěn)定性。

(3)分樣本檢驗。考慮樣本的時間跨度是2008—2018年，其時恰逢2008年全球性金融危機，為穩(wěn)健起見這里選取2010年以后進行分樣本檢驗。其結果顯示主要變量估計結果的系數(shù)符號和顯著性基本未發(fā)生實質性變化，表明其估計結果具有良好的穩(wěn)健性，研究結論也是可靠的。

3.3 信息技術的調節(jié)效應

融資結構對創(chuàng)新產(chǎn)出關于信息技術的調節(jié)作用見表9。模型 (1)為專利方面的影響效應，其中信息技術與債權融資的交互項系數(shù)顯著為正。而模型 (2)為發(fā)明專利方面的影響效應，其中信息技術與股權融資的交互項系數(shù)顯著為正。以上結果表明，信息技術能夠緩解債權融資對創(chuàng)新產(chǎn)出的抑制作用，并且正向調節(jié)股權融資對高質量創(chuàng)新的促進作用，H3b得以驗證。

表9 信息技術的調節(jié)效應

3.4 所有制異質性檢驗

在基準效應模型基礎上進行關于企業(yè)所有制差異的分組回歸，見表10～表12。整體上，民企與全樣本結果保持一致。然而，國企的債權融資并未明顯制約其創(chuàng)新能力。究其原因，政府對國有企業(yè)經(jīng)營的直接參與可以極大地改善其與金融機構、政府部門等之間的信息不對稱，同時能降低彼此間的交易成本，進而無形中提升企業(yè)的市場待遇[28-29]。相較國企，民營企業(yè)則不具備這些優(yōu)勢。

表10 所有制差異第一階段

在股權融資與信息技術影響方面，民企的表現(xiàn)優(yōu)于國企。國有企業(yè)的天然屬性決定了其所有者缺位的特點，這會帶來企業(yè)代理鏈和決策鏈過長的問題，從而加大企業(yè)營運成本并使企業(yè)的資金損耗更加嚴重。與此同時，政府往往會直接干預國有企業(yè)生產(chǎn)經(jīng)營，常常使得企業(yè)需要負擔一些社會行政職能，如促進就業(yè)等，這無形中會導致了國企的低效率[30]。比較而言，民營企業(yè)沒有太多受這些復雜問題的干擾，加上民營企業(yè)較為扁平的組織結構和較短決策鏈條，其資金使用效率也較高。

表11 所有制差異第二階段

表12 所有制差異總效應

3.5 產(chǎn)業(yè)技術異質性檢驗

借鑒王玉澤等[4]的做法，將樣本按照企業(yè)技術特質的不同進行分組研究，見表13～表15。依照國家統(tǒng)計局高技術企業(yè)分類標準，結合企業(yè)對研發(fā)的依賴度，最終選取電器機械及器材制造業(yè)，互聯(lián)網(wǎng)和相關服務，化學纖維制造業(yè)，化學原料及化學制品制造業(yè)，計算機、通信及其他電子設備制造業(yè)，汽車制造業(yè)，軟件和信息技術服務業(yè)，鐵路、船舶、航空航天和其他運輸設備制造業(yè)，醫(yī)藥制造業(yè)，專用設備制造業(yè)，通用設備制造業(yè)，專業(yè)技術服務業(yè)，儀器儀表制造業(yè)，研究和試驗發(fā)展這14個產(chǎn)業(yè)的企業(yè)作為高技術企業(yè)樣本，將除此之外的企業(yè)劃為非高技術行業(yè)，分組探討融資結構、信息技術與企業(yè)創(chuàng)新產(chǎn)出之間的關系。比較而言，高技術產(chǎn)業(yè)更不善于利用債權融資進行創(chuàng)新。從行業(yè)性質上看，高技術行業(yè)的企業(yè)更需要更寬松的資金運用自由量裁權。同時，高技術樣本的信息技術對創(chuàng)新產(chǎn)出的回歸系數(shù)并不顯著，表現(xiàn)出一定的局限性。對于高技術行業(yè)的企業(yè)，企業(yè)創(chuàng)新的成功往往建立在先進的前沿技術和復雜的科學理論的根基上，為保證技術壟斷利潤，其中很多前沿技術的相關信息成為商業(yè)機密，很難在互聯(lián)網(wǎng)上形成有效傳播。

表13 技術差異第一階段

表14 技術差異第二階段

表15 技術差異總效應

4 結論與啟示

隨著我國勞動力成本逐漸上升與產(chǎn)能過剩問題的暴露，創(chuàng)新驅動發(fā)展戰(zhàn)略成為經(jīng)濟持續(xù)增長的動力源。為了加強政策指引，本文在統(tǒng)一的分析框架下，構建了融資結構、信息技術與創(chuàng)新能力 (研發(fā)投入和創(chuàng)新產(chǎn)出)關系的兩階段數(shù)理模型。并基于2008—2018年中國上市公司面板數(shù)據(jù)，利用負二項面板中介效應模型進行了實證檢驗，且進一步分析了所有制及產(chǎn)業(yè)技術的異質性影響。研究表明：債權融資及債股比通過研發(fā)投入抑制了創(chuàng)新產(chǎn)出，表現(xiàn)出了部分中介效應，其中高技術企業(yè)更不善于利用債權融資進行創(chuàng)新。與之不同，股權融資對高質量創(chuàng)新具有一定正向作用。此外，國企和民企分別在債權和股權中表現(xiàn)出各自的優(yōu)勢。信息技術水平的提升能有效促進創(chuàng)新產(chǎn)出，但在高技術企業(yè)中存在一定局限性。同時，信息技術能緩解債權融資對創(chuàng)新產(chǎn)出的抑制作用，并且強化股權融資對高質量創(chuàng)新的促進作用。

本文的啟示主要有以下3個方面：①股權融資比債權融資更適合支持企業(yè)創(chuàng)新。股權與債權的本質決定技術創(chuàng)新的關鍵因素是發(fā)展股權融資市場，包括主板、中小板、創(chuàng)業(yè)板、科創(chuàng)板、區(qū)域性股權交易中心等，進而充分發(fā)揮股權融資的比較優(yōu)勢；②加快信息化建設以促進信息技術與技術創(chuàng)新深度融合，大力發(fā)展移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈和人工智能等新興業(yè)態(tài)，提前研究和部署，力爭掌握新領域發(fā)展主動權和主導權，從而實現(xiàn)知識的快速共享。同時，也要客觀充分地認識到信息技術對高技術產(chǎn)業(yè)發(fā)展的局限性，積極在基礎教育等方面探索高質量創(chuàng)新路徑。③充分權衡國有企業(yè)與民營企業(yè)各自的優(yōu)勢，大力推動國有企業(yè)在做強做優(yōu)做大的同時，支持民營企業(yè)不斷發(fā)展壯大，構建國有資本與民營資本良性互動的競爭格局，從而實現(xiàn)資金配置效率的不斷提升。