宋永辉 李思璇
〔内容提要〕 本文采取了描述性统计分析和多元回归分析的方法,以2009-2016年人工智能板块上市公司为样本,从微观角度考察了我国资本市场和企业技术创新之间的关系。通过实证研究发现,相对于债务类融资,权益类融资对企业技术创新的影响更为显著。
〔关键词〕 权益类融资 债务类融资 技术创新 回归分析
一、引言
国内外学者对于资本市场与技术创新之间的关系一直未停止探索,例如熊彼特在1992年强调的创新在经济发展中起到了中流砥柱的作用;我国学者武锶芪(2010)、张燕航(2011)认为高新企业技术发展需要的首要因素是金融支持。虽然我国资本市场对我国技术创新的进步起到了重要的作用,但究竟何种资本市场融资渠道能够更加有效地促进企业技术创新,这是本文意在讨论之处。
二、实证分析
(一)模型设立和变量选取
为分析企业是通过何种方式完成融资来影响自身的技术创新,本文采用本弗拉泰洛等人的研究思路,构建如下模型。
Ti=C0+C1Eqi,t+C2Dedti,t+C3Sizei,t+C4Proi,t+C5Growi,t+C6Govi,t+C7Mshi,t+εi,t (1)
其中,下标i代表企业,t表示年月,常数项设为C0,其他变量系数分别用C1-C7来表示。本文的被解释变量为企业技术创新指标(Ti),用无形资产比营业收入衡量;解释变量为企业的权益类融资(Eq)和债务类融资(Dedt),分别用实收资本与资本公积之和比资产总计、短期借款与长期借款之和比资产总计来衡量;企业规模(Size)、企业盈利能力(Pro)、企业的发展能力(Grow)、政府的补助(Gov)和管理层持股(Msh)均为控制变量,分别由企业资产总计的自然对数、净利润比营业收入、可持续增长率、政府补助比总资产、管理层持股占比来衡量,ε为随机扰动项。
(二)实证分析及结果
本文选取2009-2016年我国人工智能板块这一概念股作为研究样本,将样本数据剔除金融类、ST类和数据缺失的企业,最终获得990组数据。本文使用的数据分别来自同花顺数据库、国泰安数据库。表1中的数据为SPSS软件运行结果整理后得到的。
对于解释变量,权益类融资率系数为正且在1%上显性,这说明企业的技术创新与权益类融资具有很高的正相关性,即权益类融资对于企业技术创新有着明显的积极作用;债务类融资的系数为正,说明债务类融资也会影响企业的技术创新,但该系数比权益类融资率系数小,这说明相对于债务类融资,权益类融资对于企业技术创新有更高促进作用。这可以解释为:企业的技术创新是一种高风险、周期长的行为,债务类融资往往会规避这种风险。因此,企业虽然可以通过向银行业贷款的方式进行融资,但融资金额将受到企业资质高低、信息披露程度等影响,故权益类融资是企业的技术创新最有力的资金支持。
对于控制变量,我们也可以看出企业自身发展的特点都影响着企业的技术创新,包括企业的规模,企业的盈利水平,企业的发展能力。政府补助亦与公司技术创新行为呈正相关,说明企业汲取政府补助越多越有利于企业技术创新的发展。管理层持股情况在模型中回归系数不大且不显著。因此,我们可以认为管理层持股数与企业技术创新无明显对应关系。
(三)回归模型的检验
本文基于SPSS软件的多元线性回归模型进行如下检验,其中包括独立性检验、残差方差齐性检验、共线性检验(内生性检验)。
1.独立性。被解释变量取值相互独立,即各个残差之间应该没有相关性。我们使用SPSS软件线性回归模块中的DW检验。模型3-1的DW检验值为0.1851,接近2,说明被解释变量之间取值相互独立,可以使用回归模型。
2.残差方差齐性。标准化残差的大小不随变量取值的改变而改变。从图1中我们看出,技术创新标准化估计值与残差标准化值各散点随机分布在e=0为中心的横带中,无相关性,证明了该模型是适合的。
3.共线性檢验。除了政府补助以外,其他变量的特征值都大于1,且条件索引判据不大,说明除政府补助外,其他变量之间不存在共线性。政府补助变量的特征值也接近1,共线性不大,其存在共线性的原因为:一般政府财政补助的企业,其发展前景、盈利水平都较高,反映在本文的Grow与Pro上,呈现一定的共线性。
综上判断,我们可以认为回归模型(1)具备统计学参考价值。
三、结论与对策
通过研究得出结论:相对于债务类融资,权益类融资对企业技术创新的影响更为显著。企业的规模,盈利能力,发展能力,政府的补助和企业的技术创新都存在正向相关,管理层持股和企业技术创新之间没有太大关系。由此,本文认为中小银行业应适当调整中大型成熟企业的投资份额,更加支持中小新生企业的发展,从而对中小企业直接融资形成有益的补充,更好地服务于实体经济的发展;政府也应加大对企业技术创新的支持力度。
(作者单位:沈阳工业大学经济学院)
责任编辑:宋 爽