市场冲击与企业投资的创新效应研究——兼论去杠杆和贸易战对“中国创造”进程的潜在影响

孙 巍 董文宇

一、问题的提出

改革开放以来，中国制造业企业以模仿和复制、低成本和低价格的模式参与全球价值链过程，在短短几十年之间实现了GDP和技术水平的双重跃升；而近几年，“中国创造”逐渐成为制造业发展的主旋律，企业相继探索通过自主创新实现盈利模式转变的道路，中国政府更提出实施《中国制造2025》等一系列制造强国战略，力求推动“中国制造”向“中国创造”的历史性转变。然而，2017年12月中央经济工作会议之后，央行的一系列去杠杆举措完全改变了2017年经济好转的态势，加之2018年年初美国对华发动贸易战，直接导致制造业出口订单指数连续下降，2018年9月PMI指数更降至2017年5月以来最低水平[注]内容取自国家商务部网站。，去杠杆和贸易战的交织影响，给中国制造业的发展带来了前所未有的严峻挑战。那么我们不禁疑问，由去杠杆和贸易战所带来的市场紧缩是否会影响中国制造业转型升级的节奏？中国制造业会选择坚守“中国制造”来渡过严冬，还是选择借机实现“中国创造”的突破？

凛冬将至，中国制造业走向何方，归根结底取决于市场紧缩状态下中国制造业企业如何选择。“中国制造”和“中国创造”的本质差异，体现在企业在投资环节选择投资于产能扩张还是投资于技术创新。因此，可以通过研究市场紧缩时期企业的投资选择行为，进而得出去杠杆和贸易战如何影响中国制造业转型升级的答案。

关于市场冲击对企业投资行为的影响，经济波动领域的大量文献给出了在需求紧缩时期，相对于既有产能扩张，企业更易投资于技术创新的间接证据。Schumpeter(1939)[1]最早提出每次萧条都包含技术创新的可能；进一步地，Hall(1991)[2]提出机会成本理论，认为衰退时期坚持原有生产模式创造的价值会降低，因此衰退时期企业更易选择投资于技术创新；在其基础上，Aghion和Saint-Paul(1998)[3]、Nickell等(2001)[4]证实了市场需求紧缩时，企业会实施一系列能够改善生产率的技术创新。Kehrig(2011)[5]利用美国制造业企业数据的研究发现衰退时期的全要素生产率水平显著高于繁荣时期；邵军和徐康宁(2011)[6]利用中国省级面板数据，发现1985—2009年间中国的效率改进和技术进步在需求紧缩时期更为突出；Aghion等(2012)[7]利用法国企业数据证实了市场紧缩时企业会进行更多的创新投资；苏启林等(2016)[8]在梳理中国工业企业数据库中1999—2007年出口企业样本的过程中也发现，企业在订单增长时期的生产率水平并未高于订单递减时期，这也从侧面反映出市场需求与工业生产率之间的反向变动关系；贺小刚等(2017)[9]基于中国上市公司数据的分析发现，期望落差下的企业具有持续变革的可能性。

然而，理论和相关实证研究中也并不乏危机之下企业更偏好坚持原有生产模式的观点和证据。干中学理论(Arrow，1962[10])提出创新在生产的过程中发生，企业的生产随市场需求变化的周期性变动会导致创新的周期性特征，市场衰退时期生产活动更少，因此创新和生产率的增长水平较低；现金流效应也可能对企业的投资选择产生关键影响，现金流效应强调企业的创新行为可能部分依赖外源融资，在不完备资本市场条件下，企业的外源融资受限，投资主要依赖于收益决定的内部现金流，因此市场向下波动时不稳定的现金流会迫使企业减少创新相关投入，这一点在针对经济波动与研发投入相关的研究中得到了充分的证明。Ouyang(2011)[11]利用美国制造业年度数据发现创新投资会随需求下降而减弱，而流动性约束是创新投资顺周期的主要原因。Rafferty和Funk(2008)[12]发现现金流效应是决定企业创新投资的关键，创新投资被证实具有顺周期性。Beneito等(2015)[13]利用西班牙制造业数据的研究发现,存在融资约束时，创新投入随市场需求的降低而减弱。秦天程和张铁刚(2015)[14]基于2006—2012年上市公司面板数据发现高融资约束条件下，创新投资由逆周期转变为顺周期。胡亚茹等(2018)[15]基于2006—2015年中国上市公司面板数据发现，融资约束越强时，研发的顺周期性越强，衰退时期内部现金流减少，创新投资被迫减缓。这些研究虽然没有针对市场紧缩时期企业对投资于产能扩张以及投资于技术创新的抉择进行分析，却间接提出了紧缩时期企业投资决策的另一种可能性，也即由于现金流效应，企业很可能在紧缩时期更侧重维持既有生产能力，而非投资于技术创新。

从以往研究结论的差异来看，市场冲击对创新投资的影响实际上是实证导向的问题，以往研究的分析思路在一定程度上值得借鉴，然而这些研究或者从宏观或行业数据出发，未落实到微观个体数据，或者更侧重R&D投资或升级行为的周期性，未给出关于企业在产能扩张和创新投资之间选择的规律，因此尚不能据此得到前文提出问题的确切答案。

为研究去杠杆和贸易战对中国制造业发展的影响，也即严重的市场冲击之下中国制造业是选择坚守“中国制造”的身份还是借机实现向“中国创造”的转变，笔者选择从需求紧缩时期企业投资选择行为的角度切入，拟通过企业自身数据构建理论框架，探讨市场需求紧缩时期企业选择投资于产能扩张还是投资于技术创新的理论机制，并进一步基于上市公司财务数据展开经验研究，探索中国制造业企业在市场紧缩的冲击下更倾向投资于技术创新还是产能扩张。文章与已有研究的主要差异在于：第一，现有研究通常从非生产环节的研发和无形资产角度分析企业的创新行为，而笔者从生产环节的投资行为角度研究企业的创新；第二，在市场波动的刻画方面，未采用被经常使用的宏观及行业整体收入变动指标，而使用企业财务数据中销售收入和利润信息结合的形式来度量市场需求的冲击；第三，已有关于创新行为周期性的研究仅划分高涨期和衰退期两种状态，笔者在此基础上进一步进行细分，更易观察在市场需求波动的不同时期企业创新投资渐变趋势。文章的贡献在于：第一，从市场波动与企业投资选择之间的关系探讨去杠杆和贸易战对中国制造业转型升级的影响；第二，丰富了市场波动以及投资行为相关领域的研究；第三，阐述了市场波动影响企业投资内容选择的理论机制，并从理论上给出了企业投资选择的合理观测方法。笔者的研究不仅是对创新周期性相关研究的深入，也为理解经济波动与企业投资选择行为的关系提供了证据，同时为意外遭受市场冲击的产业的相关政策调整提供了理论支持。

文章余下的结构安排如下：第二部分阐述市场需求紧缩影响企业投资选择的理论机制；第三部分为描述性分析和计量模型设计；第四部分是实证的结果分析及稳健性检验；第五部分为研究的结论以及政策建议。

二、理论分析

(一)市场紧缩的定义及其影响机制分析

市场紧缩是市场波动状态的一种。在描述市场波动情况时，有些学者使用宏观经济数据或行业景气程度数据刻画需求变化的程度(Bresnahan，1991[16]；Kehrig，2011[5]；邵军和徐康宁，2011[6]；孙巍和赵天宇，2014[17])，其他学者则选择用企业收益数据刻画市场需求的变动(Rafferty和Funk，2008[12]；Aghion等，2012[7]；Beneito等，2015[13]；贺小刚等，2017[9]；胡亚茹等，2018[15])。考虑到企业间生产的产品存在异质性，即使在同一行业或同一市场内部，不同企业所面临的市场波动情况不会完全相同，因而在此处用整体性的指标来刻画差异个体所处的波动状态并不恰当。据此借鉴Rafferty和Funk(2008)[12]、Aghion等(2012)[7]的研究思路，使用销售收入信息初步区分市场紧缩和市场扩张状态，并结合利润信息对市场波动情况进一步细化。企业所面临的市场波动情况如表1所示。

表1 市场波动情况表

虽然文章关注的重点在于市场需求紧缩时期企业的投资选择，作为对照，笔者也将给出扩张状态下的研究结果。需要进一步说明的是，通过利润对波动程度进行细分并不会妨碍不同市场波动方向下的总体结果，却有助于观察企业在不同波动程度下投资选择行为的差别。在营业收入增长期企业更关心利润是否同步增长，而在收入紧缩期更关注是否能有进一步投入资金进行再生产的能力，因此通过利润的增长和下降对收入上升期细分，通过利润的正负水平对收入紧缩期进行细分。

为分析市场紧缩可能产生的影响，假定企业只生产一种产品，其需求函数为：

Y=ζP-τ

(1)

其中ζ表示非价格需求解释变量，P为产品价格。假设企业在t+1期根据t期情况确认状态并做出投资决策。在不考虑调整成本的情况下，第t期与t-1期的利润差ΔR为：

+(wtLt-wt-1Lt-1)]

(2)

收入变化包含了企业产品需求Q的变化以及其他影响需求的因子ζ的变化。收入降低所引起的悲观预期、资金缺乏以及融资约束本身对企业的投资就有所限制(Mills等,1995[18]；罗军,2017[19])，收入下降时创新投资才能扭转企业收入下降的不利局面；而收入的增长或源于Q增加，或源于ζ增加，两种信号都会带来对既有产品需求的较好预期，促使企业扩大产能(谢军和黄志忠，2014[20]；Sun等，2017[21])，此时在第t+1期只增加资本投入能继续扩大收入，创新投资未必占据主要方面。因此，相对于市场扩张时期，市场紧缩时期可能是更适于创新投资的机会。

成本约束决定企业调整技术的动机。在市场紧缩期，利润为负数表明企业进入危险时期，根据Schumpeter(1939)[1]的经济周期理论，衰退时期会形成一种清洗机制，这种清洗机制会激发企业对自有资源的重组和创新，企业降低成本的动机也最强，因此紧缩状态越严重，企业可能越倾向于选择投资于技术创新。在市场扩张期，当收入增速快于成本增速、利润增长率为正时，继续按照原有技术水平扩大产能仍能增加利润，创新的机会成本更高，但更重要且起决定性作用的是企业在境况优渥时缺乏改变现状的动力(张远飞等，2013[22])；利润下降表明成本增速快于收入增速，企业更有动机调整技术以降低成本，并且落差状态下的企业会努力求变以改善当前处境(Bromiley，1991[23]；连燕玲等，2015[24]；贺小刚等，2017[9])，因此很可能市场扩张幅度越大，企业越倾向于选择投资于产能扩张。

(二)投资选择的识别

基于用企业在投资环节选择投资于产能扩张还是投资于技术创新来反映坚持“中国制造”与转向“中国创造”的思路，笔者以固定资产投资为企业投资行为的观察对象进行研究，那么难点就在于怎样区分企业在投资决策过程中对产能扩张投资和技术创新投资的选择。

以先进设备和生产线为技术载体的技术创新投资，在中国近几十年间的技术水平和GDP双重跃迁过程中发挥了不可替代的作用(赵志耘等，2007[25]；中国经济增长与宏观稳定课题组，2010[26]；王林辉和董直庆，2012[27]；张勇和古明明，2013[28])。在相关文献中，机器和设备度量法(Michaels，2013[29]；Acemoglu和Restrepo，2018[30])和价格指数方法(Hulten，1992[31]；Cummins等，2002[32]；赵志耘等，2007[25]；宋冬林等，2011[33])是较为常见的刻画企业技术创新投资的方法。但通过这两种方法并不能实现对产能扩张投资和技术创新投资的分离，笔者的变通做法是根据创新投资会引发技术水平变化，而产能扩张投资不会引发技术水平的变化的思路，来间接观察技术创新投资与产能扩张投资的相对水平。在度量技术水平变化时，分别选择要素配置(简泽等，2014[34]；张杰等，2016[35])和要素回报(张军等，2009[36])两个角度，不仅能反映技术进步水平，也能体现创新投资所引发的技术变化的细节，在观察技术进步水平的同时也能看到资本和劳动两种要素配比变化的方向，反映的信息更为全面，并对总结近年来中国企业技术进步特征有所帮助。

基于前面的分析，可通过投资引发的技术变化来判断技术创新投资的相对水平，有必要先分析二者之间的关系。借鉴Acemoglu和Restrepo(2018)[30]、Michaels(2013)[29]的分析框架，首先分析投资选择与要素配置变化之间的关联。假设企业产出由一系列中间品构成，总产出函数为：

(3)

其中y(v)表示第v种中间品的产出，在旧技术下使用劳动完成中间品v的生产，在新技术下使用资本完成中间品v的生产。假定任务v的一单位产出可以在旧技术下由β(v)单位劳动或新技术下由η(v)单位资本完成：

(4)

假定β(v)和η(v)为连续函数，并且按使用资本生产的中间品编号在前的规则对中间品进行编号并排序，且满足β(v)单调递减，而η(v)单调递增。l(v)表示生产中间品v过程中使用的劳动，k(v)表示生产中间品v过程中使用的资本。企业根据状态变化确定生产每种中间品过程中对技术的选择。

根据前文对β(v)单调递减，而η(v)单调递增的假设，β(v)/η(v)严格单调递减。因此存在唯一v*使得β(v*)/η(v*)=r/w，当vr/w，中间品v使用资本生产；当v≥v*时，β(v*)/η(v*)≤r/w，中间品v使用劳动进行生产。设中间品v的价格为p(v)，则p(v)满足：

(5)

企业的最大化问题为：

maxPY-rK-wL

(6)

其中K为生产最终产品过程中使用的资本总量，L为劳动总量，因此K和L分别满足：

(7)

结合式(1)、(3)、(6)和(7)可以解出：

(8)

定义A(v*)和B(v*)，使得：

(9)

将式(9)代入式(8)并做比值可得：

(10)

其中，v*增加表示总体技术的进步，等式左边为v*的单调递增函数，因此当要素相对价格不变时，v*与K/L变动方向一致。从投资来看，若企业进行创新投资，则v*增加，此时投资也将引起K/L的增加；若投资只改变资本存量，那么v*不会增加，投资也不会改变K/L。因此，投资与K/L之间的关系可以直观地反映出企业对创新投资的倾向程度。

进一步地，创新投资的主要目的是为了实现效率改进(Schumpeter，1934[37]；林毅夫和张鹏飞，2005[38]；傅晓霞和吴利学，2013[39])，表明企业在创新过程中将发生某种程度上的技术进步。因此，可以进一步通过观察投资与技术进步水平之间的关系佐证企业对投资于技术创新的倾向程度。结合前文对市场波动情况的分类，可以提出以下假设：

假设1：市场紧缩程度越高，投资对资本劳动比的正向影响越大。

假设2：市场紧缩程度越高，投资对技术进步水平的正向影响越大。

三、数据和研究设计

(一)描述性分析

实证研究部分采用A股制造业(2012年证监会分类)上市公司2008—2015年年度财务数据共计9 385个样本进行统计分析。数据来自CSMAR和Wind数据库中的企业财务年报和财务报表附注表，数据处理软件为Stata12.0。表2为基于企业财务数据的市场波动状态划分方法。

表2 市场波动状态具体划分方法

图1为各市场波动状态下的企业占比分布图，企业呈现的市场状态是前期经营环境的反映，2009和2013年严重紧缩状态企业骤增和大幅扩张状态企业骤减并存，表明2008和2012年制造业企业处于相对低迷的运营环境，恰好与2008年金融危机以及2012年中国经济步入新常态的经济现实相吻合，表明笔者对企业所处状态的划分相对合理可靠。并且，大幅扩张状态企业数目占比减少时，其他状态企业占比都会增加，表明大幅扩张状态下的企业可能下滑至其他更差状态；轻微扩张状态企业占比减少更易与轻微紧缩状态企业占比增加同步，表明企业更易发生轻微扩张状态向轻微紧缩状态的下滑；紧缩状态企业数目占比的减少基本与大幅扩张状态企业占比的增加同步，表明市场紧缩状态的企业更易直接向大幅扩张状态转变。

企业在各状态之间转换的规律能够初步反映出：市场紧缩状态的企业更易经过决策直接实现向最好的状态转换，而市场扩张状态下的企业更容易发生状态下滑，表明困难时期企业的技术进步更明显。

图1 各状态企业数目占比变动趋势图

表3初步统计了在不同市场波动状态下，企业对要素投入的调整情况。从严重紧缩状态到大幅扩张状态，选择增加资本和劳动的企业占比逐渐增加，并且除严重紧缩状态外，选择增加资本存量的企业都超过50%；无论何种波动状态，选择减少劳动的企业占比始终高于减少资本的企业占比，并且在市场紧缩状态下，超过半数的企业减少劳动要素的使用量，表明相对于资本，劳动的向下调整成本更低。从资本劳动比的变动情况来看，各时期提高资本劳动比的企业数目占比相近，在严重紧缩状态最低(65.08%)，在大幅扩张状态最高(75.01%)，反映出各时期选择提高资本劳动比的企业始终占据主要比例，表明各市场波动时期可能都存在一定程度的技术创新。

表3 不同市场波动状态下企业对要素投入的调整情况

(二)模型和变量

为验证假设1，考查是否市场紧缩程度越高，投资对资本劳动比的正向影响越大，设定模型1：

klratioi, t=a+α1investi, t+α2×I×investi, t

(11)

其中I×invest表示状态与投资的交互项，controls表示控制变量，ε为随机扰动项。在考虑控制变量时，结合理论分析部分的结论，首先应对要素价格进行控制，因此引入工资w和利率r；其次，为了控制个体差异、行业差异以及宏观经济环境的作用，分别引入公司规模、劳动力收入份额、行业虚拟变量以及时间虚拟变量后进行总体回归。

进一步地，为验证假设2,需要考察是否市场紧缩程度越高，投资对技术进步水平的正向影响越大。考虑到中国企业处于非完全竞争的市场，而当期投资影响下一期资本回报率对于绝大多数非完全竞争市场中的企业而言均是成立的(Bloom，2014[40]；罗知和徐现祥，2017[41])，并且由于投资实现产出需要一定的时间，滞后一期投资对资本回报率可能具有更为显著的影响。同时，由于投资在会计年度内分散发生，当期投资对资本回报率的影响很可能得不到完全确定的结论。为更好地分析企业创新投资选择规律，主要观察两期投资与状态乘积交互项的系数。因此，设定模型2：

roai, t=a+α1×investi, t-1+α2×It-1×investi, t-1

+α3investi, t+α4×It×investi, t

(12)

除前一期和当期投资外，劳动要素投入、企业规模、产品市场和要素市场相对价格的变化、要素价格、市场状态、宏观环境、所处行业也会影响资本回报率，为排除这些因素的影响，分别引入劳动要素投入水平labor、企业规模size、表征产品市场和要素市场相对价格变化的指标price、要素价格w和r、企业的市场状态state，以及反映宏观环境的年度虚拟变量和反映所处行业的行业虚拟变量进行控制。

在刻画主要变量时，对于投资，考虑到生产过程中固定资产投资带有更强的技术属性，同时为使企业间投资具有可比性，进一步采取相对值的刻画方法，使用年度固定资产投资与年初固定资产存量净值的比值来刻画；在描述要素配置变化时，由于资本和劳动量级差异过大，因此使用年平均总资产与年平均员工人数比值的对数刻画；对于企业的技术进步水平，全要素生产率(张勋和徐建国，2016[42]；苏启林等，2016[8])和要素回报(张军等，2009[36])都是经常被使用的度量方法，考虑到在可获得数据下资本回报率最易实现且能够在很大程度上反映技术进步的水平，笔者使用主营业务收入与年末固定资产余额比值取对数后两年的差值来刻画。其他变量说明见表4。

表4 变量描述

表5是主要研究变量的描述性统计，表中最大值和最小值为winsor处理前的结果。其中invest和klratio统计当期结果，roa统计第二期结果。从严重紧缩状态到大幅扩张状态，变量invest的均值、四分位数以及标准差均递增；变量klratio的均值和四分位数均表现为先下降后上升的情况，标准差则逐渐递减；变量roa的均值和四分位数均表现为下降的总体趋势，标准差表现为递减趋势。总体来看，klratio与invest呈现反向变动关系，而roa与invest呈现同向变动关系，从统计上初步佐证了笔者的假设。

表5 主要变量的描述统计结果

四、实证结果

在实证检验时，首先剔除了财务数据缺失的样本，其次为避免极端数值的影响，对所有指标winsorize分位数进行缩尾处理。两个模型的实证通过了F检验和Housman检验，确定使用固定效应方法估计模型参数。

(一)市场波动状态影响制造业企业投资选择机制检验——要素配置视角

模型1的参数估计结果如表6所示。为确认区分市场波动状态和加入控制变量的合理性，分别设定回归模型1.1～1.4：模型1.1为不区分市场波动状态，不考虑控制变量的回归；模型1.2为不区分状态，考虑控制变量的回归；模型1.3为区分状态，不考虑控制变量的回归；模型1.4为区分状态，考虑控制变量的回归。表6报告的结果显示，对于模型1.1，不考虑状态和控制变量时，估计系数并不显著，但可以初步看出变量invest对因变量具有总体上的正向影响；对于模型1.2，在控制了控制变量和年度效应的影响后，变量invest的估计系数为0.120，并且在1%置信水平上显著，表明总体上投资对技术水平存在显著的正向影响；模型1.3的估计结果显示，在未对控制变量和年度效应进行控制时回归系数不显著并且拟合程度相对较低，但已初步展现状态越差、创新投资越多的趋势；对于模型1.4，各系数的回归结果比较显著，加入控制变量后模型拟合程度显著提升，表明在区分状态的同时加入控制变量是必要的。

表6 模型1估计结果

模型1的回归结果表明：第一，市场紧缩时期invest的回归系数显著高于市场扩张时期；第二，市场紧缩程度越高，invest的回归系数越高，投资对资本劳动比的正向影响越大；第三，在市场严重紧缩时期，invest的回归系数为大幅扩张时期的3.37倍，表明与繁荣时期相比，当企业受到严重的市场冲击时更加倾向于技术创新投资。使用可重复抽样方法重新估计模型系数，发现上述结果仍稳健存在，假设1得到初步证实。

进一步地，考虑到其他变量可能也受市场波动状态影响，按照状态分组重新进行模型估计，以验证不同时期invest对klratio的作用是否仍然与初步回归的判断相同。检验分为以下步骤：第一，检验市场紧缩和市场扩张时期的回归系数差异；第二，分别检验不同程度市场紧缩和不同程度市场扩张时期的回归系数差异；第三，检验极端状态之间的系数差异，也即严重紧缩和大幅扩张两种状态下的系数差异。在检验系数差异时，考虑到对于各组样本中干扰项和衡量组间系数差异的统计量分布未知，因此采用对二者不做限制的费舍尔组合检验(Fisher’s Permutation test)的方法，通过对现有样本进行1 000次重复抽样(bootstrap)获得经验样本，进而构建统计差异的经验分布并最终得到经验P值，分组检验结果如表7所示。

表7 模型1分组稳健性检验结果

注：经验P值来自可重复抽样结果。

从分组回归结果来看，各变量的回归系数均在1%的置信水平上显著，并且与实证分析部分结论基本相同，假设1仍然成立。第一，在市场紧缩时期invest的估计系数较高(为0.388)，在市场扩张时期系数较低(为0.190)，且两者之间的差异在1%的置信水平上具有统计显著性。第二，在市场紧缩时期和市场扩张时期内部，存在状态越差，invest的估计系数越高的微弱趋势，但差异并不显著；严重紧缩时期invest的估计系数显著高于大幅扩张时期。

(二)市场波动状态影响制造业企业投资选择机制检验——技术水平视角

对于假设2，估计步骤与上一部分相同，为确认区分市场波动状态和加入控制变量的合理性，分别设定回归模型2.1～2.4：模型2.1为不区分状态，不考虑控制变量的回归；模型2.2为不区分状态，考虑控制变量的回归；模型2.3为区分状态，不考虑控制变量的回归；模型2.4为区分状态，考虑控制变量的回归。

表8报告了模型2的估计结果。对于模型2.1，不考虑市场波动状态和控制变量时能够得到显著的估计系数，滞后一期投资对当期资本回报率具有显著正向影响，而当期投资对资本回报率具有显著负向影响。对于模型2.2，加入控制变量后，并未改变两个主要解释变量的系数符号以及显著性，并且提高了模型的解释能力。对于模型2.3，缺乏控制变量的划分状态回归并未得到显著的系数估计结果，并且模型的拟合程度相对较低。对于模型2.4，各系数的回归结果比较显著，加入控制变量后模型拟合程度显著提升，表明在区分状态的同时加入控制变量进行回归是必要的。

表8 模型2估计结果

模型2的估计结果表明：第一，investt-1的回归系数为正，investt回归系数为负，表明上一期投资对当期资本回报存在正向影响，而当期投资对当期资本回报存在负向影响。第二，市场波动状态与investt-1交互项得到显著的估计系数，且从严重紧缩状态到大幅扩张状态，investt-1的回归系数不断下降，并且严重紧缩时期investt-1回归系数是大幅扩张时期的5倍左右，表明市场紧缩程度越高，投资对下一期资本回报率的正向作用越大，且严重市场冲击对企业投资于技术创新的激励作用显著高于市场扩张的影响。第三，状态与investt交互项并未得到完全显著的估计系数。回归系数的不显著，可能是因为投资对当期资本回报率并未直接受到当期状态的影响，但仍然可以看到随着状态转危为安，investt的回归系数不断下降，表明市场紧缩更有助于降低投资对当期资本回报的负向影响，并未否定假设2的结论，也即市场紧缩程度越高，投资对技术进步水平的正面作用越大。

在可重复抽样方法下，上述结果仍然稳健存在。进一步使用更换被解释变量的方法进一步验证结论的稳健性，替换变量roa1为主营业务收入/年末总资产并取对数后与上一年的差值；替换变量roa2为主营业务收入/年末总资产与上一年的差值；替换变量roa3为主营业务收入/年末固定资产余额与上一年的差值。改变被解释变量度量方式后主要变量系数的估计结果与原有结果对比如表9所示。

表9 模型2稳健性检验结果

续前表

变量名roaroa1roa2roa3固定效应YesYesNoYes常数项-0.750∗∗∗(-3.00)1.836∗∗∗(8.23)1.019∗∗∗(7.42)-1.379∗∗(-2.22)观测值9 3389 3399 3399 338F检验统计量175.3339.2732.4079.10R20.4840.1760.1640.411调整R20.4820.1730.1610.409

表9的结果显示，虽然更换被解释变量后并未在所有状态都得到显著的估计系数，但仍可以看出市场波动状态发生变化时，investt-1与investt的估计系数的变化规律与原结果保持一致，也即市场紧缩程度越高，投资对技术进步水平的正向影响越大，假设2仍然成立。这佐证了市场的紧缩并不会阻碍企业投资于技术创新的整体趋势，反而起到比繁荣时期更为显著的激励作用。

五、结论与启示

受去杠杆和贸易战的交织影响，2018年起中国制造业将不可避免地应对需求严重紧缩型市场冲击带来的巨大挑战，为了探究其对中国制造业转型升级可能产生的后果，笔者以市场紧缩状态下中国制造业企业投资选择为视角，结合企业创新投资决策的理论分析框架，利用2008—2015年1 609家A股制造业上市公司财务数据，通过结合市场状态的投资与要素配置、投资与资本回报率关系的面板固定效应模型，对凛冬将至之时中国制造业会选择坚守“中国制造”还是会选择向“中国创造”转变给出判断。

研究所得出的结论是：(1)市场的紧缩能够加速投资推动资本替代劳动的进程，同时强化投资对资本回报率的正向影响，而且结果在不同的检验方法下具有一定的稳健性，负面市场冲击更能促使企业选择投资于技术创新；(2)对于要素配置水平，市场严重紧缩时期投资的回归系数为市场大幅扩张时期的3.37倍，资本回报率为4.13倍，意味着严重的负面市场冲击对企业投资于技术创新的激励作用远远高于市场繁荣时期。研究结论表明，对于中国制造业企业，需求紧缩并不会阻碍其转型升级的进程，因此可以推断即便去杠杆和贸易战会在短期内带来市场紧缩的不利影响，但仍然不会阻止中国制造业由“中国制造”向“中国创造”的转变。即便如此，在涉及制造业转型升级相关政策制定的过程中仍然需要注意以下几个方面：

第一，虽然市场紧缩时期企业更易投资于技术创新，而紧缩时期往往也是企业资金相对匮乏的时期，此时企业不得不降低投资水平，甚至难以实施创新和转型，因此在经济增速下滑以及市场需求下探时期应强化企业创新和转型相关融资体系和融资保障渠道的建设，降低有潜力企业的融资难度以确保其顺利实施创新投资和技术转型，甚至针对有潜力的企业给与针对性的创新补贴和政策扶持。

第二，应该在把握市场机制下企业投资规律的基础上制定产业政策，研究发现负面市场冲击更能促使企业投资于技术创新，归根结底起作用的是危机因素，而危机因素在市场繁荣时期相对匮乏，有必要在此时通过进一步推动市场化改革和对外开放，保证国内市场的充分竞争，通过竞争带来的危机感激发企业加大技术创新相关投入。

第三，市场扩张更易诱导产能的扩张而非技术创新，因此应在市场快速扩张和爆发的时期加强引导创新投资的鼓励性政策，完善创新相关的奖励机制和创新投资相关税收优惠，保障创新发展战略在市场繁荣时期也能得到很好的贯彻落实。