余得生 楊禮華

（華東交通大學經(jīng)濟管理學院，江西 南昌 330013）

一、引言

經(jīng)濟政策不確定性是指經(jīng)濟政策從制定到實施過程中的不可預知性，以及政策實施對經(jīng)濟效益影響的不確定性（Gulen和Ion，2016）[1]。其不確定性主要表現(xiàn)在以下三個方面：一是政策制定的不確定性，主要指政策制定者的不確定性以及政策具體內(nèi)容的不確定性；二是政策實施的不確定性，主要指政策如何實施、何時實施以及實施效果的不確定性；三是影響經(jīng)濟運行的其他非政策問題的不確定性，如自然災害、政局變動等都會加劇政策的不確定性（杜江和劉詩園，2020）[2]。隨著供給側(cè)結構性改革的貫徹落實，我國政府不斷出臺相關政策來調(diào)整經(jīng)濟結構，尤其是新冠肺炎疫情暴發(fā)以來，為了保證經(jīng)濟正常運行以及盡快復工復產(chǎn)，政府制定了“一籃子”激勵政策，雖然可以滿足經(jīng)濟正常需求，減少經(jīng)濟波動，穩(wěn)定經(jīng)濟發(fā)展，但是也增加了外部環(huán)境的不確定性，給企業(yè)投資決策增加了困難。另外，政策的變動在一定程度上還會使資本配置偏離最優(yōu)狀態(tài)，形成資本要素價格的扭曲（陳永偉和胡偉民，2011）[3]。從短期來看，一定的要素價格扭曲可能有利于企業(yè)充分及時地調(diào)動資源，集中力量辦大事；但是從長期來看，可能阻礙經(jīng)濟正常發(fā)展，降低經(jīng)濟效益，引起資本的過度使用，不利于企業(yè)經(jīng)營決策（劉汶榮，2021）[4]，同時，持續(xù)性的資本扭曲可能會削弱企業(yè)的創(chuàng)新活力，影響企業(yè)創(chuàng)新水平。而技術創(chuàng)新作為促進經(jīng)濟增長的主要因素，其水平的高低直接影響到國家經(jīng)濟能否持續(xù)穩(wěn)定增長。同時，新發(fā)展理念更是將創(chuàng)新置于國家發(fā)展的首要位置，可見創(chuàng)新已經(jīng)逐步成為實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的動力源泉（Zhu 等，2020）[5]?！度騽?chuàng)新指數(shù)報告》指出，中國的總體創(chuàng)新能力不斷增強，2021年在全球經(jīng)濟體系中排名第12 位，但是與其他經(jīng)濟體相比，依然存在一定的差距。制度創(chuàng)新理論認為，企業(yè)創(chuàng)新水平的高低除了與研發(fā)投入強度相關，還與外部環(huán)境，如金融市場環(huán)境、宏觀經(jīng)濟環(huán)境等息息相關。因此，探究宏觀政策環(huán)境與企業(yè)創(chuàng)新的關系及作用機制具有一定的現(xiàn)實意義?；谝陨戏治?，本文采用2008—2019年企業(yè)微觀數(shù)據(jù)和宏觀政策不確定性指數(shù)來考察經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的影響，并引入要素價格扭曲與融資約束變量進行調(diào)節(jié)效應檢驗，為企業(yè)和金融機構有效應對經(jīng)濟政策不確定性、實施創(chuàng)新戰(zhàn)略提供參考和借鑒。

本文主要的邊際貢獻體現(xiàn)在：第一，部分學者從融資結構、部門關聯(lián)、金融發(fā)展等層面研究了政策不確定性對企業(yè)創(chuàng)新的影響，但是鮮有學者考慮資本市場環(huán)境在其中的作用，因此，本文以要素價格扭曲為調(diào)節(jié)變量展開研究，豐富了要素價格扭曲的應用領域，為經(jīng)濟政策不確定性影響企業(yè)創(chuàng)新提供了新的經(jīng)驗證據(jù)，有助于企業(yè)合理制定相關的策略來應對經(jīng)濟政策不確定性帶來的沖擊；第二，大部分研究將經(jīng)濟政策不確定性和融資約束等變量置于同一層面進行分析，易引起“生態(tài)謬誤”，鮮有學者關注不同層次數(shù)據(jù)的影響，而本文采用多層線性模型，可以有效解決變量的組內(nèi)同質(zhì)或組間同質(zhì)問題，避免“生態(tài)謬誤”的產(chǎn)生。

二、文獻回顧與假設提出

（一）經(jīng)濟政策不確定性與企業(yè)創(chuàng)新

目前，學術界對經(jīng)濟政策不確定性與企業(yè)創(chuàng)新的關系存在兩種不同的觀點。部分學者認為經(jīng)濟政策不確定性不利于企業(yè)創(chuàng)新，即存在“擠出”效應。這種觀點最早可以追溯到熊彼特以及內(nèi)生增長理論，其將政策不確定性歸納為不利于企業(yè)創(chuàng)新的因素，隨后的《世界經(jīng)濟展望》同樣指出經(jīng)濟政策不確定性的提高會顯著地引起投資、消費和就業(yè)水平的降低。之后，Bloom（2009）[6]、曲麗娜和劉鈞霆（2022）[7]、鄧江花和張中華（2021）[8]以實物期權理論為基礎來研究政策不確定性和企業(yè)創(chuàng)新的關系，認為政策的不確定性會導致企業(yè)無法對投資項目風險進行精準評估，加劇了投資風險，由于企業(yè)管理者大多屬于風險厭惡者，因此，出于安全考慮，企業(yè)可能偏向于延緩研發(fā)投資。陳娟娟等（2021）[9]指出經(jīng)濟政策不確定性的提高使得企業(yè)與金融機構之間的信息不對稱更加嚴重，導致違約成本增加，從而不利于企業(yè)創(chuàng)新活動的開展。同時，還有一些學者指出政策不確定性可能通過影響企業(yè)投資成本和決策時機等來削弱企業(yè)的投資能力，抑制企業(yè)創(chuàng)新（李佳霖等，2019；Kang 等，2014；郭田勇和孫光宇，2021）[10-12]。朱巧玲和杞如福（2022）[13]認為經(jīng)濟政策不確定性與企業(yè)專利申請總數(shù)、發(fā)明專利數(shù)目等存在負相關關系。

另一部分學者認為經(jīng)濟政策不確定性對企業(yè)創(chuàng)新具有積極的促進作用。Avner Bar-Ilan（1999）[14]將不確定性分為兩種，認為好的不確定性有利于增加企業(yè)營業(yè)收入，提高創(chuàng)新水平，而壞的不確定性則會增加企業(yè)投融資成本。邊志強等（2021）[15]認為宏觀政策的不確定性會導致市場前景不明確，企業(yè)收益率下降，而管理者為了保證企業(yè)正常發(fā)展，會加強技術創(chuàng)新。嚴復雷和史依銘（2021）[16]采用制造業(yè)數(shù)據(jù)進行研究，發(fā)現(xiàn)經(jīng)濟政策不確定性可以顯著促進制造業(yè)研發(fā)創(chuàng)新，但是過度的金融發(fā)展會抑制經(jīng)濟政策不確定性對制造業(yè)企業(yè)研發(fā)創(chuàng)新的激勵作用。席龍勝和張欣（2021）[17]以增長期權理論為基礎分析了經(jīng)濟政策不確定性與企業(yè)研發(fā)投入之間的關系及影響機制，發(fā)現(xiàn)經(jīng)濟政策不確定性的增加有助于激發(fā)企業(yè)創(chuàng)新意識，增加研發(fā)投入，并且這一效果在具有高管薪酬激勵與高管持股的企業(yè)中更加明顯。因此，本文提出：

假設1a：經(jīng)濟政策不確定性對企業(yè)創(chuàng)新具有“擠出”效應。

假設1b：經(jīng)濟政策不確定性對企業(yè)創(chuàng)新具有“激勵”效應。

（二）經(jīng)濟政策不確定性、要素價格扭曲與企業(yè)創(chuàng)新

政策的變動作為一種宏觀經(jīng)濟現(xiàn)象，通常會影響到經(jīng)濟體系的各個層面，也勢必會影響到金融市場，而金融市場作為企業(yè)開展投資活動的重要載體，其中的投融資環(huán)境的變動將直接影響到企業(yè)投資決策。田杰等（2021）[18]認為，適當?shù)囊嘏でㄟ^降低投資成本增加了瀕臨破產(chǎn)的企業(yè)存活的可能性，但是過度的要素扭曲會使得要素價格較低，反而可能削弱企業(yè)的創(chuàng)新動力；宋大強和皮建才（2020）[19]同樣認為要素扭曲有助于加快生產(chǎn)要素的流動和最大限度地發(fā)揮經(jīng)濟體系的創(chuàng)新活力。此外，羅知等（2018）[20]指出，當發(fā)生要素的負向扭曲時，企業(yè)傾向于更多地使用這種要素，從而獲取更多的收益，增加了可用研發(fā)資金，有利于企業(yè)創(chuàng)新。部分學者認為要素價格扭曲對企業(yè)創(chuàng)新存在“倒逼”效應，如果企業(yè)在某種要素獲取方面處于劣勢，那么企業(yè)為了防止在市場競爭中被淘汰，就會加強員工技能培訓，通過提高人力資本水平或引進創(chuàng)新的途徑來達到提升創(chuàng)新水平的目的（李德山和鄧翔，2018；笪遠瑤和王葉軍，2022）[21，22]。因此，本文提出：

假設2a：要素價格扭曲會弱化經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的“擠出”效應。

假設2b：要素價格扭曲會強化經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的“激勵”效應。

（三）經(jīng)濟政策不確定性、融資約束與企業(yè)創(chuàng)新

融資約束一直以來都是阻礙企業(yè)創(chuàng)新活動的主要因素。企業(yè)面臨的融資約束主要體現(xiàn)在以下方面：一是融資成本的約束，主要是指企業(yè)進行投資決策時，由于交易雙方信息不對稱，外部融資成本遠遠高于內(nèi)部融資成本；二是融資規(guī)模的約束，當政策不確定性較強時，金融機構難以對企業(yè)投資風險、違約風險等進行準確評估，此時，企業(yè)通常會以抵押貸款的方式獲取所需的資金，但是抵押物的價值可能因政策不確定性而出現(xiàn)縮水，從而導致企業(yè)面臨更加嚴峻的融資約束（Poncet等，2010）[23]，不利于企業(yè)創(chuàng)新活動的開展。進一步地，企業(yè)面臨的融資約束越強，意味著從外部獲取資金的可能性就越小，加之外部融資程序較為嚴格且煩瑣，獲取的資金有限，故企業(yè)為了保證資產(chǎn)的流動性，可能偏向于增加現(xiàn)金和金融資產(chǎn)的持有，減少研發(fā)投入（趙萌等，2020）[24]。顧海峰和朱慧萍（2021）[25]認為在經(jīng)濟劇烈波動時期，信貸機構可能偏向于對財務狀況良好或者資信優(yōu)越的企業(yè)進行授信，也可能附加限制性條款，規(guī)定資金用途，從而削弱企業(yè)創(chuàng)新意愿。薛龍等（2022）[26]指出經(jīng)濟政策不確定性的提高會對整個社會的經(jīng)營環(huán)境帶來消極影響，增加企業(yè)的經(jīng)營風險，不利于企業(yè)創(chuàng)新。因此，本文提出：

假設3a：融資約束會強化經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的“擠出”效應。

假設3b：融資約束會弱化經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的“激勵”效應。

三、研究設計

（一）模型選擇與數(shù)據(jù)來源

企業(yè)創(chuàng)新水平會受到企業(yè)自身特征和區(qū)域金融環(huán)境的雙重影響，從而導致數(shù)據(jù)具有嵌套特征，即企業(yè)嵌套于國家之中，倘若直接采用OLS進行分析，可能會高估國家層面因素的影響，導致“生態(tài)謬誤”，因此，本文采用多層模型進行分析。限于數(shù)據(jù)可得性，本文選取我國A股上市公司2008—2019年研發(fā)投入和專利情況為初始研究對象，并引入經(jīng)濟政策不確定性指數(shù)（Baker 等，2016）[27]來考察我國經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的影響。在實證分析前，按照以下標準對原始數(shù)據(jù)進行處理：（1）刪除在研究期間內(nèi)ST、*ST 以及財務數(shù)據(jù)存在異?；驀乐厝笔У钠髽I(yè)；（2）刪除銀行等金融類企業(yè)；（3）刪除在研究期間內(nèi)新成立或上市的企業(yè)；（4）為了消除異常值的影響，對所有連續(xù)變量進行了1%和99%分位的雙側(cè)縮尾處理。企業(yè)財務數(shù)據(jù)來自國泰安數(shù)據(jù)庫、中國研究數(shù)據(jù)服務平臺以及企業(yè)年報，中國經(jīng)濟政策不確定性指數(shù)數(shù)據(jù)來自經(jīng)濟政策不確定性指數(shù)官網(wǎng)。

（二）變量選取

1.被解釋變量。企業(yè)創(chuàng)新（innovation），分別從研發(fā)投入（rd）和創(chuàng)新產(chǎn)出（g）兩個維度來刻畫。其中，研發(fā)投入?yún)⒖缄惱龋?022）[28]，采用當年研發(fā)投入占企業(yè)年末營業(yè)總收入的比例來衡量；創(chuàng)新產(chǎn)出參考余得生和楊禮華（2021）[29]，采用企業(yè)當年專利授權總數(shù)加一的自然對數(shù)來衡量，由于專利可細分為發(fā)明專利、實用新型專利和外觀設計專利，因此，實證檢驗中還分別考察了經(jīng)濟政策不確定性對這三類專利的影響。

2.核心解釋變量。經(jīng)濟政策不確定性（lnepu），用Baker等（2016）[27]創(chuàng)建的中國經(jīng)濟政策不確定性指數(shù)衡量。該指數(shù)主要以《南華早報》為基礎，通過對其進行文本分析，將與經(jīng)濟政策不確定性相關的文章出現(xiàn)次數(shù)、每年失效的稅法條目數(shù)以及金融機構對重要經(jīng)濟指標的預測偏差三個指標加權平均得到。目前該指數(shù)已經(jīng)得到國內(nèi)外學者的認可，具有一定的影響力和公信力，可以比較客觀地反映我國經(jīng)濟政策不確定性的實際情況，該指數(shù)值越大，說明經(jīng)濟政策不確定性越強。由于該指數(shù)為月度數(shù)據(jù)，在具體的回歸分析中，本文先將月度數(shù)據(jù)取算數(shù)平均值得到年度數(shù)據(jù)，再對年度數(shù)據(jù)進行自然對數(shù)處理，以降低量綱的影響。

3.控制變量。本文參考國內(nèi)外相關文獻，從企業(yè)層面選取了7 個控制變量，分別是資產(chǎn)負債率（alr）、凈資產(chǎn)收益率（roe）、托賓q（q）、股權集中度（oc）、現(xiàn)金流水平（cf）、管理層持股比例（mbo）和固定資產(chǎn)比率（pf）。

4.調(diào)節(jié)變量：要素價格扭曲（zbcp）與融資約束（sa）。參考陳永偉和胡偉民（2011）[3]的研究，用以下公式來測算各地區(qū)的相對要素價格扭曲程度指數(shù)：

其中，Cit/Ct反映的是i地區(qū)實際使用的資本與整個經(jīng)濟體系總資本的比值，μit則表示i地區(qū)的產(chǎn)出量在整個經(jīng)濟體系實際產(chǎn)出中所占的份額，表示用各地區(qū)產(chǎn)出水平加權后的資本貢獻值，則表示i地區(qū)在資本有效配置的情況下使用資本的理論比例。zbcp可以反映出i地區(qū)實際使用資本數(shù)量與資本有效配置情況下資本使用數(shù)量的偏差，偏差越大，說明要素價格扭曲越嚴重。本文對測算的要素價格扭曲程度指數(shù)進行了取絕對值處理。

融資約束的衡量方式主要包括現(xiàn)金流法、kz 指數(shù)、ww 指數(shù)和sa 指數(shù)等，由于前三種方法都會導致較強的內(nèi)生性問題，而sa指數(shù)較好地緩解了內(nèi)生性問題，因此，采用sa指數(shù)來衡量企業(yè)面臨的融資約束：

其中，size表示企業(yè)規(guī)模，用企業(yè)總資產(chǎn)的對數(shù)來衡量；age表示企業(yè)成立年限。sa指數(shù)為負，分析時對其進行了取絕對值處理，絕對值越大，說明企業(yè)面臨的融資約束越嚴重。

（三）企業(yè)創(chuàng)新的組內(nèi)及組間變異成分驗證

本文采用零模型，驗證是否需要建立多層統(tǒng)計模型以及企業(yè)創(chuàng)新在組間是否存在顯著差異或非獨立情況。

通常來說，ICC 值小于0.059 說明存在低度組內(nèi)相關，大于0.059 且小于0.138 說明存在中度組內(nèi)相關，大于0.138 則說明存在高度組內(nèi)相關。從表1 可以看出，無論是從全樣本還是分樣本來看，ICC 值最小為7.34%，說明存在較強的組內(nèi)相關；Wald-Z 值對應的P 值均顯著，說明區(qū)域?qū)用嬉蛩貙ζ髽I(yè)創(chuàng)新具有重要影響。因此，構建HLM模型是必要的。

（四）模型的構建

本文參考Andrew 和Kelvyn（2015）[30]構建HLM模型，首先，為了檢驗經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的影響，設定如下回歸方程：

其中，innovationi,j,t表示j省企業(yè)i在t年的創(chuàng)新能力，φi,j,t-1表示企業(yè)層面的控制變量，β0j是Level 2層面截距項，lneput-1代表經(jīng)濟政策不確定性指數(shù)，γ01是經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的作用效果，γ00是總體截距，rij和μ0j分別是Level 1和Level 2層面的隨機誤差項。

其次，為了檢驗要素價格扭曲的調(diào)節(jié)效應，構建以下模型：

其中，zbcpj,t-1指要素價格扭曲，γ02表示要素價格扭曲對企業(yè)創(chuàng)新的影響，γ03是要素價格扭曲與經(jīng)濟政策不確定性的交互項系數(shù)。

最后，為了檢驗融資約束的調(diào)節(jié)效應，設定以下模型：

其中，SAi,j,t-1表示融資約束水平，β1j表示融資約束對企業(yè)創(chuàng)新的作用效果，γ11是融資約束與經(jīng)濟政策不確定性的交互項系數(shù)。

四、實證分析

（一）描述性統(tǒng)計

描述性統(tǒng)計結果見表2。從被解釋變量來看，研發(fā)投入強度均值為3.865，大于中位數(shù)3.490，說明大部分樣本企業(yè)研發(fā)投入水平不夠高，對創(chuàng)新不夠重視，最大值和最小值分別為16.640 和0.030，說明樣本企業(yè)研發(fā)投入可能存在兩極分化的特征；而創(chuàng)新產(chǎn)出最大值為6.946，最小值為0，說明樣本企業(yè)創(chuàng)新產(chǎn)出存在明顯差異，均值和中位數(shù)分別為2.692 和2.833，說明大部分企業(yè)的專利產(chǎn)出比較理想。從解釋變量來看，經(jīng)濟政策不確定性均值為4.946，略大于中位數(shù)4.944，標準差為0.091，說明近一半時間內(nèi)我國政策不確定性處于相對穩(wěn)定水平，波動相對較小。從調(diào)節(jié)變量來看，要素價格扭曲最大值為1.471，最小值為0.014，說明要素價格扭曲的波動性較強；融資約束標準差為0.252，同樣說明樣本企業(yè)的融資約束存在明顯差異。

表1：企業(yè)創(chuàng)新變異的方差分解結果

表2：描述性統(tǒng)計

（二）經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的影響

表3 匯報了經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的作用結果。在創(chuàng)新產(chǎn)出方面，經(jīng)濟政策不確定性對專利總數(shù)的估計系數(shù)為-5.7498，在5%的水平上顯著，說明經(jīng)濟政策不確定性增加對專利總產(chǎn)出具有顯著的“擠出”效應；從控制變量來看，資產(chǎn)負債率、凈資產(chǎn)收益率、股權集中度、現(xiàn)金流水平、管理層持股比率的系數(shù)均顯著為正，說明負債水平較高、盈利能力強、股權集中、管理層持股較多、現(xiàn)金流充裕的企業(yè)，其創(chuàng)新產(chǎn)出也相對較多。由于企業(yè)創(chuàng)新的特點主要表現(xiàn)為高風險、高投資、高收益，因此，盈利能力強、現(xiàn)金流充裕的企業(yè)通?？梢猿袚叩难邪l(fā)成本。而固定資產(chǎn)比率的回歸系數(shù)顯著為負，說明對于創(chuàng)新產(chǎn)出來說，固定資產(chǎn)不是越多越好；托賓q 值的系數(shù)顯著為負，說明托賓q 的上升不利于企業(yè)的創(chuàng)新產(chǎn)出。另外，經(jīng)濟政策不確定性對發(fā)明專利、實用新型專利、外觀設計專利的估計系數(shù)分別為-4.2990、-5.1761、-2.7872，均在不同程度統(tǒng)計水平上顯著，說明經(jīng)濟政策不確定性對三種專利產(chǎn)出均表現(xiàn)為抑制作用，與專利總數(shù)效果一致。具體來看，對實用新型專利產(chǎn)出的抑制作用最強，對外觀設計專利產(chǎn)出的抑制作用最弱。

在研發(fā)投入方面，可以看出，在不考慮內(nèi)生性的前提下，經(jīng)濟政策不確定性的增加能顯著降低企業(yè)研發(fā)投入強度，邊際效用為-3.7640，在1%統(tǒng)計水平上顯著，說明我國經(jīng)濟政策不確定性每增加一個單位，企業(yè)的研發(fā)投入平均會降低3.764 個單位，這與經(jīng)濟政策不確定性對創(chuàng)新產(chǎn)出的影響效果一致。在控制變量方面，托賓q、管理層持股比率等的提高會激發(fā)企業(yè)投資意愿，促進企業(yè)增加研發(fā)投入，而資產(chǎn)負債率、凈資產(chǎn)收益率、固定資產(chǎn)比率、股權集中度等的提高反而會引起研發(fā)投入的降低，現(xiàn)金流水平對研發(fā)投入強度的影響效果并不顯著。綜上，假設1a得證。

表3：經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的影響

（三）穩(wěn)健性檢驗

1.減少樣本誤差的穩(wěn)健性檢驗。北京、上海等地區(qū)經(jīng)濟實力較強，資源比較充裕，制度環(huán)境相對完善，當?shù)仄髽I(yè)的創(chuàng)新水平也會偏高，這可能會影響研究結果，因此，本文剔除北京、上海、廣東三個地區(qū)的樣本后，再次進行回歸分析，檢驗結果見表4。結果顯示：在1%的統(tǒng)計水平上，經(jīng)濟政策不確定性對企業(yè)研發(fā)投入強度、專利總數(shù)、發(fā)明專利和實用新型專利產(chǎn)出依舊具有顯著的“擠出”效應；在10%的統(tǒng)計水平上，經(jīng)濟政策不確定性對外觀設計專利產(chǎn)出仍然存在抑制作用，與前文基準回歸結果基本一致。同時，控制變量的作用效果也基本未發(fā)生變化，證明了結論的穩(wěn)健性。

表4：減少樣本誤差的穩(wěn)健性檢驗

2.內(nèi)生性檢驗。由于多層統(tǒng)計模型將回歸系數(shù)分為固定系數(shù)與隨機系數(shù)，而最終得到的估計系數(shù)是已經(jīng)將隨機系數(shù)（受內(nèi)生性影響部分）排除之后的固定系數(shù)，因此，即使變量可能存在內(nèi)生性問題，研究模型受內(nèi)生性影響也較小。但是為了進一步減少內(nèi)生性和遺漏變量帶來的影響，本文參照林煜恩等（2021）[31]的處理方式，采用企業(yè)固定效應模型進行分析，分析結果見表5。在控制企業(yè)層面固定效應之后，雖然經(jīng)濟政策不確定性對創(chuàng)新產(chǎn)出和研發(fā)投入的系數(shù)發(fā)生了較大的變化，但是依舊顯著為負，與前文研究結果一致?？梢钥闯?，HLM 回歸、減少樣本誤差、內(nèi)生性處理等的研究結果均支持假設1a。

（四）調(diào)節(jié)效應分析

1.要素價格扭曲的調(diào)節(jié)效應。從創(chuàng)新產(chǎn)出來看，對專利總數(shù)、發(fā)明專利以及外觀設計專利來說，交互項zbcp×lnepu的估計系數(shù)為正，且至少在10%的水平上顯著，說明要素價格扭曲程度的增加會緩解經(jīng)濟政策不確定性對企業(yè)專利產(chǎn)出的“擠出”效應?？赡茉蚴牵旱谝?，在適宜的要素扭曲情況下，資本的價格與市場均衡價格更為接近，可以更好地發(fā)揮資本的價值，提高資本利用效率，增加了落后企業(yè)存活的可能性；第二，過度的要素扭曲會倒逼企業(yè)通過提高人力資本水平或引進新技術來提高創(chuàng)新水平。而要素價格扭曲在經(jīng)濟政策不確定性對企業(yè)實用新型專利的影響中的調(diào)節(jié)效應并不顯著。從研發(fā)投入來看，交互項的系數(shù)在10%的統(tǒng)計水平上顯著為正，說明要素價格扭曲削弱了經(jīng)濟政策不確定性對研發(fā)投入的負向影響，這與要素價格扭曲對創(chuàng)新產(chǎn)出的影響類似。綜上，假設2a得證。

表5：經(jīng)濟政策不確定性對企業(yè)創(chuàng)新的影響（企業(yè)固定效應）

表6：要素價格扭曲的調(diào)節(jié)效應

2.融資約束的調(diào)節(jié)效應。表7 匯報的結果表明，除外觀設計專利外，跨層交互項sa×lnepu 對其他變量的估計系數(shù)均為負，且在不同統(tǒng)計水平上通過了顯著性檢驗，說明融資約束的增強會導致經(jīng)濟政策不確定性對創(chuàng)新產(chǎn)出和研發(fā)投入表現(xiàn)出更強的抑制效果，即企業(yè)面臨的融資約束越強，經(jīng)濟政策不確定性對研發(fā)投入、專利總數(shù)、發(fā)明專利和實用新型專利產(chǎn)出的抑制作用就越強。融資約束的增強意味著企業(yè)外部融資成本的提高，從而使得企業(yè)可用資金減少，同時政策不確定性的增加還會引起企業(yè)現(xiàn)金流的不確定性，進一步加大了企業(yè)面臨的融資約束。由于大部分企業(yè)的決策者都屬于風險厭惡者，考慮到投資風險的存在，企業(yè)決策者的創(chuàng)新意愿勢必會下降。綜上，假設3a得證。另外，除外觀設計專利外，融資約束與其他創(chuàng)新產(chǎn)出和研發(fā)投入的系數(shù)均在1%的統(tǒng)計水平上顯著為負，也說明融資約束越大，企業(yè)創(chuàng)新能力就越弱。

表7：融資約束的調(diào)節(jié)效應

五、進一步分析

本文將從企業(yè)性質(zhì)、負債率兩個角度出發(fā)，深入探究在不同的條件下經(jīng)濟政策不確定性對企業(yè)專利產(chǎn)出和研發(fā)投入的影響是否存在差異。由于篇幅的限制，并且考慮到相比于其他專利，發(fā)明專利具有更高的潛在價值，以下的研究僅匯報了政策不確定性對專利總數(shù)、發(fā)明專利和研發(fā)投入的影響的分析結果。

（一）企業(yè)性質(zhì)對經(jīng)濟政策不確定性與企業(yè)創(chuàng)新關系的影響

國有企業(yè)與非國有企業(yè)的經(jīng)營模式、組織形式、外部環(huán)境等都可能存在一定的差異，因此，經(jīng)濟政策不確定性對不同所有制類型企業(yè)創(chuàng)新的作用效果可能不同。本文按產(chǎn)權性質(zhì)將所有樣本分為國有企業(yè)和非國有企業(yè)兩組，進行回歸分析，結果見表8。結果顯示：從專利產(chǎn)出來看，經(jīng)濟政策不確定性對國有企業(yè)專利總數(shù)產(chǎn)出的抑制效果不顯著，對非國有企業(yè)專利總數(shù)、發(fā)明專利和國有企業(yè)發(fā)明專利產(chǎn)出依舊存在“擠出”效應，其中，對國有企業(yè)發(fā)明專利產(chǎn)出的抑制作用更強。這可能是由于國有企業(yè)由國家控制大部分股權甚至全部股權，對政策的出臺與變動更加敏銳，而非國有企業(yè)的表現(xiàn)則相對遲鈍。從研發(fā)投入來看，在國有企業(yè)樣本中，經(jīng)濟政策不確定性對研發(fā)投入的回歸系數(shù)雖然為正但不顯著；在非國有企業(yè)樣本中，經(jīng)濟政策不確定性對研發(fā)投入的回歸系數(shù)為負且在1%的統(tǒng)計水平上顯著，說明政策的劇烈波動不利于企業(yè)的研發(fā)投入。

（二）負債率對經(jīng)濟政策不確定性與企業(yè)創(chuàng)新關系的影響

本文將所有樣本按照負債水平進行分組，將負債率大于樣本中位數(shù)的企業(yè)認定為高負債企業(yè)，反之為低負債企業(yè)，回歸結果見表9。從專利產(chǎn)出來看，經(jīng)濟政策不確定性對高負債企業(yè)專利總數(shù)和發(fā)明專利產(chǎn)出的“擠出”效應顯著，而對低負債企業(yè)的抑制效果不顯著?？赡茉蚴牵哓搨实钠髽I(yè)負債較多，資金鏈不穩(wěn)定，資金來源比較單一，導致債務難以及時償還，同時高負債還使企業(yè)投資、融資成本增加，考慮到資金的充足性，企業(yè)容易放棄一些投資機會，從而引起專利產(chǎn)出的降低。但是從研發(fā)投入來看，在高負債率的企業(yè)樣本中，經(jīng)濟政策不確定性對企業(yè)研發(fā)投入的“擠出”效應反而更弱。可能原因是，高負債企業(yè)的總資產(chǎn)大部分來自貸款，自有資金比較少，當企業(yè)面臨投資決策時，出于對債權人利益的保障，表現(xiàn)出更加謹慎的態(tài)度，從而會降低企業(yè)的研發(fā)投入。

六、結論與啟示

黨的十九大報告指出，創(chuàng)新是引領發(fā)展的第一動力，是建設現(xiàn)代化經(jīng)濟體系的戰(zhàn)略支撐。創(chuàng)新已經(jīng)逐步成為提高企業(yè)競爭力、實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的持續(xù)動力。本文從理論上梳理了經(jīng)濟政策不確定性與企業(yè)創(chuàng)新之間的關系以及要素價格扭曲和融資約束在其中發(fā)揮的作用，利用2008—2019年A股上市公司的創(chuàng)新數(shù)據(jù)以及中國經(jīng)濟政策不確定性指數(shù)構建多層線性模型進行實證檢驗，得出以下結論：第一，經(jīng)濟政策不確定性對企業(yè)研發(fā)投入強度和創(chuàng)新產(chǎn)出具有顯著的“擠出”效應，該結論經(jīng)過減少樣本誤差和內(nèi)生性處理的穩(wěn)健性檢驗后依然成立；第二，異質(zhì)性分析表明，這一效應會受到企業(yè)性質(zhì)、負債率等因素的影響；第三，調(diào)節(jié)效應結果表明，要素價格扭曲會削弱經(jīng)濟政策不確定性對專利總數(shù)、發(fā)明專利、外觀專利產(chǎn)出和研發(fā)投入的抑制效果，而融資約束則會進一步擴大這一效果。

表8：企業(yè)性質(zhì)對經(jīng)濟政策不確定性與企業(yè)創(chuàng)新關系的影響

表9：負債率對經(jīng)濟政策不確定性與企業(yè)創(chuàng)新關系的影響

綜合上述結論，本文得出以下啟示：首先，降低政府行為的不確定性，穩(wěn)定市場預期。一方面，政府在制定和實施相關激勵政策時，應當注重政策的連續(xù)性，加大政策的解讀力度，提高政策的透明度；另一方面，優(yōu)化官員的考核制度，防止官員為追求考核指標而出臺一系列短視政策。其次，拓展融資渠道，建立健全信用擔保體系。降低金融服務的門檻，讓更多中小企業(yè)享受金融服務；建立完善征信和融資擔保體系，挑選出資信較好但是面臨融資約束的企業(yè)，為其提供擔保，增加其可用資金，從而提高企業(yè)創(chuàng)新的積極性。同時，企業(yè)可以通過積極主動地披露與征信相關的信息，吸引外部資金的投入，也可以采取多元化的融資方式，增加資金鏈的穩(wěn)定性，更好地開展創(chuàng)新活動。最后，促進資本的最優(yōu)配置，有效發(fā)揮金融市場的資源配置功能。在推動要素市場大改革的背景下，政府應逐步降低對信貸活動的無效率干預，引導金融機構以市場供需為基礎，有效地發(fā)揮金融市場的最優(yōu)資源配置功能，確保要素價格處于合理的水平。同時，金融機構要充分了解市場行情，為企業(yè)研發(fā)活動的開展提供便利，提高對企業(yè)創(chuàng)新的支持力度，促進更多的資本要素流入創(chuàng)新領域，推動企業(yè)創(chuàng)新。