宋永輝 李思璇

〔內(nèi)容提要〕 本文采取了描述性統(tǒng)計(jì)分析和多元回歸分析的方法，以2009-2016年人工智能板塊上市公司為樣本，從微觀角度考察了我國(guó)資本市場(chǎng)和企業(yè)技術(shù)創(chuàng)新之間的關(guān)系。通過實(shí)證研究發(fā)現(xiàn)，相對(duì)于債務(wù)類融資，權(quán)益類融資對(duì)企業(yè)技術(shù)創(chuàng)新的影響更為顯著。

〔關(guān)鍵詞〕 權(quán)益類融資 債務(wù)類融資 技術(shù)創(chuàng)新 回歸分析

一、引言

國(guó)內(nèi)外學(xué)者對(duì)于資本市場(chǎng)與技術(shù)創(chuàng)新之間的關(guān)系一直未停止探索，例如熊彼特在1992年強(qiáng)調(diào)的創(chuàng)新在經(jīng)濟(jì)發(fā)展中起到了中流砥柱的作用；我國(guó)學(xué)者武鍶芪（2010）、張燕航（2011）認(rèn)為高新企業(yè)技術(shù)發(fā)展需要的首要因素是金融支持。雖然我國(guó)資本市場(chǎng)對(duì)我國(guó)技術(shù)創(chuàng)新的進(jìn)步起到了重要的作用，但究竟何種資本市場(chǎng)融資渠道能夠更加有效地促進(jìn)企業(yè)技術(shù)創(chuàng)新，這是本文意在討論之處。

二、實(shí)證分析

（一）模型設(shè)立和變量選取

為分析企業(yè)是通過何種方式完成融資來影響自身的技術(shù)創(chuàng)新，本文采用本弗拉泰洛等人的研究思路，構(gòu)建如下模型。

Ti=C0+C1Eqi，t+C2Dedti，t+C3Sizei，t+C4Proi，t+C5Growi，t+C6Govi，t+C7Mshi，t+εi，t （1）

其中，下標(biāo)i代表企業(yè)，t表示年月，常數(shù)項(xiàng)設(shè)為C0，其他變量系數(shù)分別用C1-C7來表示。本文的被解釋變量為企業(yè)技術(shù)創(chuàng)新指標(biāo)（Ti），用無形資產(chǎn)比營(yíng)業(yè)收入衡量；解釋變量為企業(yè)的權(quán)益類融資（Eq）和債務(wù)類融資（Dedt），分別用實(shí)收資本與資本公積之和比資產(chǎn)總計(jì)、短期借款與長(zhǎng)期借款之和比資產(chǎn)總計(jì)來衡量；企業(yè)規(guī)模（Size）、企業(yè)盈利能力（Pro）、企業(yè)的發(fā)展能力（Grow）、政府的補(bǔ)助（Gov）和管理層持股（Msh）均為控制變量，分別由企業(yè)資產(chǎn)總計(jì)的自然對(duì)數(shù)、凈利潤(rùn)比營(yíng)業(yè)收入、可持續(xù)增長(zhǎng)率、政府補(bǔ)助比總資產(chǎn)、管理層持股占比來衡量，ε為隨機(jī)擾動(dòng)項(xiàng)。

（二）實(shí)證分析及結(jié)果

本文選取2009-2016年我國(guó)人工智能板塊這一概念股作為研究樣本，將樣本數(shù)據(jù)剔除金融類、ST類和數(shù)據(jù)缺失的企業(yè)，最終獲得990組數(shù)據(jù)。本文使用的數(shù)據(jù)分別來自同花順數(shù)據(jù)庫(kù)、國(guó)泰安數(shù)據(jù)庫(kù)。表1中的數(shù)據(jù)為SPSS軟件運(yùn)行結(jié)果整理后得到的。

對(duì)于解釋變量，權(quán)益類融資率系數(shù)為正且在1%上顯性，這說明企業(yè)的技術(shù)創(chuàng)新與權(quán)益類融資具有很高的正相關(guān)性，即權(quán)益類融資對(duì)于企業(yè)技術(shù)創(chuàng)新有著明顯的積極作用；債務(wù)類融資的系數(shù)為正，說明債務(wù)類融資也會(huì)影響企業(yè)的技術(shù)創(chuàng)新，但該系數(shù)比權(quán)益類融資率系數(shù)小，這說明相對(duì)于債務(wù)類融資，權(quán)益類融資對(duì)于企業(yè)技術(shù)創(chuàng)新有更高促進(jìn)作用。這可以解釋為：企業(yè)的技術(shù)創(chuàng)新是一種高風(fēng)險(xiǎn)、周期長(zhǎng)的行為，債務(wù)類融資往往會(huì)規(guī)避這種風(fēng)險(xiǎn)。因此，企業(yè)雖然可以通過向銀行業(yè)貸款的方式進(jìn)行融資，但融資金額將受到企業(yè)資質(zhì)高低、信息披露程度等影響，故權(quán)益類融資是企業(yè)的技術(shù)創(chuàng)新最有力的資金支持。

對(duì)于控制變量，我們也可以看出企業(yè)自身發(fā)展的特點(diǎn)都影響著企業(yè)的技術(shù)創(chuàng)新，包括企業(yè)的規(guī)模，企業(yè)的盈利水平，企業(yè)的發(fā)展能力。政府補(bǔ)助亦與公司技術(shù)創(chuàng)新行為呈正相關(guān)，說明企業(yè)汲取政府補(bǔ)助越多越有利于企業(yè)技術(shù)創(chuàng)新的發(fā)展。管理層持股情況在模型中回歸系數(shù)不大且不顯著。因此，我們可以認(rèn)為管理層持股數(shù)與企業(yè)技術(shù)創(chuàng)新無明顯對(duì)應(yīng)關(guān)系。

（三）回歸模型的檢驗(yàn)

本文基于SPSS軟件的多元線性回歸模型進(jìn)行如下檢驗(yàn)，其中包括獨(dú)立性檢驗(yàn)、殘差方差齊性檢驗(yàn)、共線性檢驗(yàn)（內(nèi)生性檢驗(yàn)）。

1.獨(dú)立性。被解釋變量取值相互獨(dú)立，即各個(gè)殘差之間應(yīng)該沒有相關(guān)性。我們使用SPSS軟件線性回歸模塊中的DW檢驗(yàn)。模型3-1的DW檢驗(yàn)值為0.1851，接近2，說明被解釋變量之間取值相互獨(dú)立，可以使用回歸模型。

2.殘差方差齊性。標(biāo)準(zhǔn)化殘差的大小不隨變量取值的改變而改變。從圖1中我們看出，技術(shù)創(chuàng)新標(biāo)準(zhǔn)化估計(jì)值與殘差標(biāo)準(zhǔn)化值各散點(diǎn)隨機(jī)分布在e=0為中心的橫帶中，無相關(guān)性，證明了該模型是適合的。

3.共線性檢驗(yàn)。除了政府補(bǔ)助以外，其他變量的特征值都大于1，且條件索引判據(jù)不大，說明除政府補(bǔ)助外，其他變量之間不存在共線性。政府補(bǔ)助變量的特征值也接近1，共線性不大，其存在共線性的原因?yàn)椋阂话阏?cái)政補(bǔ)助的企業(yè)，其發(fā)展前景、盈利水平都較高，反映在本文的Grow與Pro上，呈現(xiàn)一定的共線性。

綜上判斷，我們可以認(rèn)為回歸模型（1）具備統(tǒng)計(jì)學(xué)參考價(jià)值。

三、結(jié)論與對(duì)策

通過研究得出結(jié)論：相對(duì)于債務(wù)類融資，權(quán)益類融資對(duì)企業(yè)技術(shù)創(chuàng)新的影響更為顯著。企業(yè)的規(guī)模，盈利能力，發(fā)展能力，政府的補(bǔ)助和企業(yè)的技術(shù)創(chuàng)新都存在正向相關(guān)，管理層持股和企業(yè)技術(shù)創(chuàng)新之間沒有太大關(guān)系。由此，本文認(rèn)為中小銀行業(yè)應(yīng)適當(dāng)調(diào)整中大型成熟企業(yè)的投資份額，更加支持中小新生企業(yè)的發(fā)展，從而對(duì)中小企業(yè)直接融資形成有益的補(bǔ)充，更好地服務(wù)于實(shí)體經(jīng)濟(jì)的發(fā)展；政府也應(yīng)加大對(duì)企業(yè)技術(shù)創(chuàng)新的支持力度。

（作者單位：沈陽(yáng)工業(yè)大學(xué)經(jīng)濟(jì)學(xué)院）

責(zé)任編輯：宋 爽