科技金融网络对企业技术创新的影响——基于企业生命周期视角

李媛媛，刘思羽

(河北工业大学经济管理学院，天津 300400)

0 引言

2020年中关村建设国家首个科技金融创新中心，努力实现资本与科技的有效对接，力图通过多渠道的科技金融服务来保持资金链的通畅，使得资金活水源源不断流入科技型企业中。此时可以考虑联系更为紧密的网络结构，引入科技金融网络，以网络的方式链接各类主体，可以帮助成员企业更便捷的获取外部信息、资金和社会支持，发挥出网络结构洞的信息枢纽作用，帮助科技型企业缓解创新活动中的融资约束问题，解决信息不对称造成的机会主义，更好地建立起自身的竞争力。处于不同生命周期的企业，在不同的阶段现金流、资金需求与研发需求方面存在差异，科技金融网络特征对企业技术创新的影响效应也不尽相同，可能存在较大差异。因此，构建科技金融网络模型，发掘网络特征对提升科技型企业技术创新能力的影响机理，在划分企业生命周期后，探究在不同发展阶段下科技金融网络特征对科技型企业技术创新影响的差异性，实现科技金融网络优化与企业技术创新能力提升的良性互动，成为当前研究紧迫而重要的内容。

1 文献综述

1.1 科技金融网络与企业技术创新

本文所研究的企业都不是完全独立的个体，它们或多或少都会受外界所在的社会网络影响[1]，企业受在网络中所处的位置以及与其他个体之间的关系的影响，获取资源的方式与能力会产生差异，影响企业的技术创新能力。因此外界网络是企业技术创新的重要影响因素，目前学术界关于社会网络对企业技术创新的影响主要从网络结构特征[2-3]与网络关系特征[4-5]两个角度展开。网络结构和网络关系反映了处于网络中的主体资金互动、信息交流、协同合作的动态行为和联系程度。

目前科技金融网络对企业技术创新的影响研究有待深入，现有研究主要是从科技金融这一视角入手，从科技金融政策、科技金融投入等维度研究其与企业创新之间的关系。苑泽明等[6]、蔺鹏等[7]从科技金融政策入手，认为目前科技金融资源配置效率低且力度不足，对科技型中小企业创新存在差异性影响。赵婧等[8]从金融支持角度实证检验了区域金融支持对技术创新效率提升的影响。但目前学界探讨关于科技金融网络对企业技术创新的影响较少，仅有吴悦平等[9]基于科技型中小企业问卷调查结果，实证得出科技金融网络的网络密度、强度、居间性和互惠性4个结构特征变量都与科技型中小企业技术创新绩效存在显著的正相关关系。

1.2 企业生命周期、科技金融网络与企业技术创新

“生命周期”这一概念由Haire[10]提出，他认为企业与生物学具有相似之处。Greiner[11]于1972年首次提出 “企业生命周期”这一概念，根据企业生命周期理论，科技型企业的组织结构、资源配置和创新战略决策等会随着企业生命周期进程而不断变化[12]。在以往研究中，学者通过对企业生命周期的划分，来研究科技金融不同维度对企业技术创新的影响效应。不同生命周期企业具有不同的融资结构，融资结构对创新效率的影响具有差异性，内源融资、债权融资和股权融资在企业不同生命周期下对企业创新效率所产生的影响有所不同[13]。从政府补助角度，朱永明等[14]研究政府补助对于企业创新的影响，结果显示政府补助在成熟期对企业自主创新的激励作用更加显著。陈红等[15]在此基础上将企业创新分为开发性创新和探索性创新，得出在企业成长期，政府补助对企业开发性创新活动影响效果更显著，在成熟期，政府补助对企业探索性创新活动影响效应更显著。从股权融资方面看，杜金岷等[16]从企业股票流动性这一角度，研究发现初创期与成熟期的企业在高股票流动性下更容易提高科技创新产出，而成熟期的股票流动性不利于企业进行技术创新，反而会产生负向影响。从银行贷款方面看，王旭等[17]基于银行债权融资视角，认为银行债权契约治理能够显著促进成长期企业的创新绩效，关系治理的促进作用主要集中在成熟期。

除此之外，学者基于不同社会网络，研究不同企业生命周期下，网络特征对企业创新影响的差异性。蒋维平等[18]从理论方面研究不同生命周期下联盟网络特征对企业创新绩效的动态演化机理。吴绍玉等[19]从个人与团队两个方面构建海归双重社会网络，动态分析得出由于企业在不同的生命周期阶段偏向于不同的知识获取能力，从而影响企业技术创新绩效。严子淳等[20]从风险投资人社会网络角度，检验企业风险投资人社会网络中心度与企业创新绩效之间的关系，结果显示企业生命周期因素在二者之间有显著的调节效应。岳媛媛等[21]通过构建企业内部关系网络与外部关系网络，得出企业内部关系网在成长期和衰退期对创新绩效的贡献更大，企业外部网络在成熟期对企业创新绩效的驱动效应更显著。

综上，国内外学者对于科技金融、企业创新等主题的研究具有一定的广度与深度，为本研究奠定了基础，但仍有如下研究缺口：①对科技金融网络关注不足。较多学者从金融发展、科技金融以及其它社会网络视角出发，探究其对科技型企业技术创新的影响效应，而科技金融网络对企业技术创新的影响有待深入。②忽略了科技型企业生命周期动态变化。企业生命周期理论认为，企业的发展轨迹在其整个生命周期历程中始终在动态变化，在不同的阶段企业的现金流、资金需求与研发需求存在着差异，关注科技金融网络对于不同生命周期企业技术创新的影响差异，使得研究结论更加具有针对性。基于此，本文从 “资金流”与 “信息流”着手，构建科技金融网络，结合生命周期理论探究科技金融网络特征与企业技术创新之间的机理，为科技型企业技术创新提升提供行动指南。

2 理论分析与研究假设

2.1 科技金融网络特征与企业技术创新

网络密度意味着网络各主体之间平均沟通与联系的多少，是指在网络内部实际存在的联系数与总联系数的比值，企业在科技金融网络内部中与其他网络主体的联系密度越大，网络密度越大。一方面意味着企业所拥有的关系资源愈加丰富，从而促使企业与科技金融网络内部其他主体之间呈现出一种规模效应，这种规模效应可以提高企业搜集信息、利用资源的机会，提高企业对稀缺资源的获取能力，促进企业技术创新的提升；另一方面，致密的网络密度可以形成一个网络共享平台，通过网络共享平台，为网络主体选择更加优秀的合作伙伴，提高合作效率，产生边际效益递增的网络效应，从而提高企业技术创新水平。

网络中心度衡量企业所处位置与中心位置的偏离程度，对于企业自身而言，其所处的网络地位能够影响其获取资源的成本与便利性，企业在网络中处于中间位置，可以帮助企业减少获取资源的时间与资金成本，帮助企业提高创新能力以及提升生产力水平。但是随着企业越来越靠近网络中心，考虑到处于中间地位的企业，面临的信息与资金存在较高的复杂性，企业对资源进行筛选取舍时会消耗人力与物力，造成较高的管理成本，给企业创新这一过程带来较大的风险，对企业技术创新产生负面影响。

网络联系强度代表着企业与某一科技金融主体之间的合作次数，网络联系强度的值越大，意味着企业与科技金融主体之间联系的频率高，交流合作较为密切。在企业发展初期，科技型企业与网络成员之间网络联系较低时，由于企业与科技金融主体之间合作经验较少、缺乏信任与默契。此外，由于合作经验少，对合作伙伴缺乏了解，造成信息不对称问题，因此网络联系强度对企业技术创新可能会存在负向影响。随着企业与网络成员的合作不断增加，企业与科技金融主体之间建立了一个多元且稳定的网络关系，有利于网络主体之间交流与互动，提高了企业获取信息与资源的便利性，这对企业技术创新的提升具有重要的影响作用。基于此，本文提出假设1：科技金融网络密度对企业技术创新产生正向影响；科技金融网络中心度对企业技术创新存在倒U形影响；科技金融网络联系强度对企业技术创新有U形影响。

2.2 成长期下科技金融网络特征对企业技术创新的影响

不同生命周期下企业面临的内外部环境不同，企业的业务特点与创新需求不同[22]，科技金融网络特征对企业技术创新的影响也会产生差异。

企业处于成长期时，具有以下特点：①在企业经营方面，企业此时的目标是扩大生产力与销售额，迅速占领市场，但是企业内部目前企业盈利较少，或者没有盈利，缺少稳定的现金流，能够从经营中获得的资金比较少。企业外部由于处于成长期，企业还未建立良好的市场声誉，对外融资难度大且成本高。企业在这一阶段的首要任务是将资金用于固定资产的购置，创新研发风险大、周期长、投入高，具有较大的不确定性，企业不会将大量资金投入到研发活动中去。②在技术创新上，企业研发经验少，成功率低，企业还未在市场立足，对消费者需求不明确，对市场走向缺乏了解，同时缺少核心研发团队，进行研发成功的概率较低。

如若此时科技型企业可以和科技金融机构建立新的联系与交流，提高网络密度，拓宽融资渠道，可以为企业技术创新活动提供充足的资金，因此网络密度对成长期企业具有正向的促进作用。企业通过与网络成员建立联系，逐步向网络中央转移，以位置优势来提高信息与资源获取的便利度，由于目前处于企业发展初期，资金与信息的复杂性较低，网络中心度的提高对企业技术创新的提升起到正向的促进作用。但是目前企业与其他网络成员的合作还处于初级阶段，对合作伙伴和合作方式等缺乏细致的了解，容易造成信息不对称问题，因此本文认为在成长期网络联系强度对企业技术创新可能存在负面的影响。基于此，本文提出假设2：在成长期，科技金融网络密度、网络中心度对企业技术创新有正向影响，网络联系强度对企业技术创新有负向影响。

2.3 成熟期下科技金融网络特征对企业技术创新的影响

企业处于成熟期时，具有以下特点：①在企业经营方面，企业处于平稳发展阶段，企业规模、盈利能力、风险承担能力达到稳定状态，创新活动意愿与能力均处于较高水平。企业建立了良好的声誉，网络其他成员基于对企业发展前景良好预期，愿意提供资金。成熟期企业融资成本低且便利度高，技术水平和盈利能力均得到大幅提升。②在企业技术创新上，基于前期对市场走向的摸索、消费者需求的考察以及研发经验的积累，企业在研发创新活动中奠定了坚实的基础，失败风险会显著降低[23]。为了不断扩大市场份额，进一步巩固行业地位，建立企业核心竞争力，成熟期企业有能力且有意愿进行自主创新，因此成熟期企业创新意愿与创新成功率均高于成长期。

此时企业与网络内部其他个体的联系也增多，并且趋于稳定，致密的网络密度已经达到了规模效应，网络共享平台已经逐步建立，网络密度对企业技术创新有着重要的促进作用。企业发展稳定，比上一阶段更加接近中心位置，考虑到由于处于中心位置存在的成本与风险，网络中心度对企业技术创新可能存在着倒U形影响，当企业中心性超过某一临界值后，会产生负向的作用。与成长期企业相比，成熟期企业网络联系强度较高，企业与其他科技金融机构已形成一个稳定的网络关系，建立网络联系的红利已凸显，随着网络联系强度的增加，网络联系强度对企业技术创新的负向影响应逐步过渡到正向影响，网络联系强度对企业技术创新有着U形影响。据此本文提出假设3：在成熟期，科技金融网络密度对企业有正向影响，网络中心度对企业技术创新有倒U形影响。网络联系强度对企业技术创新有U形影响。

2.4 衰退期下科技金融网络特征对企业技术创新的影响

企业处于衰退期时，具有以下特点：①从企业经营方面看，企业内部由于市场占有率的减少导致企业盈利下降，缺乏稳定的现金流，企业可能会面临重组、清算甚至破产。企业外部一部分投资者预期企业会转型成功或通过并购重组后重新焕发企业活力，一部分投资者持消极态度，担心企业转型与重组并购的风险不愿意为其提供资金。由于内部盈余下降，衰退期企业面对融资融券会异常小心，担心由于财务杠杆风险致使企业资金链断裂，不过基于国家对科技型企业的政策支持，政府补贴会在一定程度上缓解企业目前的状况，此时企业的经营策略会趋向于保守，主要的目标是 “求生存”。②在技术创新上，衰退期企业囿于资金不足，无法购置最新设备，往往生产设备与生产技术趋于老化，在薪酬方面容易导致核心创新团队的流失，造成创新成功率低、科技成果转换率低等后果。

此时网络密度增加，可以为企业优化网络主体间的沟通与联系，缩短信息与资金流通时间与成本，对企业创新有着积极的作用。与上一阶段相比，处于衰退期的企业经济实力与风险承担能力较低，过高的中心性带来的成本与风险对企业会带来较大的影响，因此网络中心度对企业技术创新可能存在倒U形效应。衰退期企业由于面临生存困境，科技金融机构对于企业处于观望状态，能否与 “熟悉”的科技金融机构继续保持联系，与 “新”科技金融机构建立新的联系，都有着较大的不确定性，科技金融网络联系强度对企业技术创新仍起着U形影响效应。基于以上分析，本文提出假设3：在衰退期，科技金融网络密度对企业技术创新有正向影响，网络中心度对企业技术创新有倒U形影响。网络联系强度对企业技术创新存在U形影响。

综上分析，本文的基本概念模型如图1所示。

图1 基本概念模型

3 数据来源与模型设定

3.1 数据来源与样本选取

在我国，创业板是为不满足主板上市条件的一些科技型企业所提供的融资平台，是企业开展创新活动、谋求更好发展的重要场所。本文选取我国创业板2010—2019年科技型企业作为初始研究数据，并做出如下剔除：①剔除样本中金融行业上市公司样本；②剔除样本中数据遗漏、不全的公司样本；③剔除样本中经营情况异常的公司样本。最后，选取2010—2019年10年的数据，筛选得到418家上市公司，2783组样本数据，具体包括政府补贴、银行贷款、股权融资等主要信息，见表1。

表1 网络构建指标

政府补贴项目是根据上市公司政府补贴项目的进行分类，银行贷款根据实际的贷款银行进行分类，股权融资根据认股份额大于1%的股东类别进行分类，如果企业A接受了B项目的资金，那么A与B二者之间即存在资金流动。

假如A企业与B项目在本年存在一次资金流动，取值为1，如果存在两次资金流动，则取值为2，依此类推，从而形成一个多值矩阵。通过筛选分类得到企业与科技金融机构之间的关系矩阵，将该矩阵各列取平均值作为临界值，若得到的关系值高于该列临界值，则记为1，意味着该企业对该列项目具有显著关联关系，若关系值低于该列临界值，则记为0，表示该企业对该列项目不存在显著关联关系，从而得到0-1关系矩阵。在此基础上，利用Ucinet对科技金融网络特征进行测算。

3.2 变量设定与计量

企业技术创新 (inno)是模型的被解释变量，本文采用企业专利数据进行衡量。由于不同类型的专利所能创造的经济价值存在显著差异，因此本文采用因子分析法，将发明专利、实用新型和外观专利合成为一个具体指标，用以更全面地衡量企业技术创新。

解释变量为网络密度 (ND)、网络中心度 (NC)与网络联系强度 (NI)。网络密度，网络中各主体之间联系的紧密程度。节点之间的相互联系越多，节点之间边的连接越稠密，密度越大，企业与科技金融主体之间的资金流动性越大。网络中心度，本文采用中介中心度来代表网络中心度，中介中心数越大，该企业就更处于网络的中心。网络联系强度代表某一节点与其他节点的联结次数，反映该节点与其他节点联结的频次高低。考虑到其他因素对企业技术创新的影响，参考现有文献的做法，从企业特征和企业治理层面选取相关控制变量，具体设定和说明见表2。

表2 变量选取

3.3 模型设定

本文将采用面板回归模型对样本进行分析。为了检验上文中提出的假设，本文构建相应的模型 (1)～ (5)如下：

innoit=α0+α1NDit+α2ageit+α3sizeit+α4levit+α5roait+δ+εit

(1)

innoit=α0+α1NCit+α2ageit+α3sizeit+α4levit+α5roait+δ+εit

(2)

(3)

innoit=α0+α1NIit+α2ageit+α3sizeit+α4levit+α5roait+δ+εit

(4)

(5)

其中，innoit表示企业创新能力，NDit、NCit和NIit分别表示科技金融网络密度、网络中心度和网络联系强度。ageit、sizeit、levit、roait为4个控制变量，a0为回归模型的横截距，δi表示不随时间变化的固定效应，εit表示扰动项。

为了进一步检验在不同生命周期下科技金融网络特征对企业技术创新的差异性作用，将样本企业分为成长期、成熟期和衰退期3个阶段。借鉴Dickinson的做法[24]，采用现金流组合法对企业生命周期进行划分，具体划分方法见表3。其中，成长期有1548个样本，成熟期有846个样本，衰退期有389个样本，据此分组对模型 (1)～ (5)进行分组验证。

表3 不同生命周期企业现金流特征

4 实证检验与结果分析

4.1 变量的描述性统计

本文采用面板数据进行实证，各变量描述性统计见表4。由表4可知，网络中心度均值较高，且标准差较低，说明科技金融网络中心度分布较为集中且向网络中心靠拢。我国科技金融网络密度有待提升，网络联系较为松弛。网络联系强度均值为3.743，标准差为2.557，最小值为0，最大值为10，说明研究样本内的企业联系强度整体水平并不高，且分布较为分散，不同企业之间存在着明显差别。不同生命周期下主要变量的描述性统计见表5。由表5可以看出成长期科技金融网络结构各项水平较高，说明在成长期企业与企业科技金融机构已经开始逐步建立多元的网络关系，成熟期次之，在成熟期，企业已具有相对成熟的管理经验与生产水平，与外部网络环境联系也较为复杂。衰退期发展较为缓慢，各项指标发展水平较低，需要进一步提升。

表4 各变量数据描述性统计

表5 不同生命周期企业主要变量描述性统计结果

4.2 实证分析

首先通过F检验可以判断出本文所采用的的面板数据模型是非混合效应模型，其次采用Hausman检验得出本文所采用的面板模型采用固定效应模型进行回归估计更加有效，科技金融网络特征对企业技术创新影响的实证结果见表6。

表6 全样本实证结果

模型 (1)中，网络密度对企业技术创新的影响在1%的显著性水平下为正，说明网络密度对于企业技术创新有显著的促进作用。网络密度越大，企业技术创新水平越高。模型 (2)与模型 (3)结果显示：网络中心度对企业技术创新有显著的正向影响。在模型 (2)中，一次项系数显著为正，系数为1.307。模型 (3)中加入了网络中心度的平方项，一次项系数为正，系数为3.941二次项系数为负，系数为-2.356。实证结果表明，当企业与其他科技金融主体的合作广度达到一个 “极值点”后，会阻碍企业技术创新的提升，及囿于企业资源与能力有限，无法顾及各个主体，在资源与信息的复杂性过高同时，会造成较高的管理成本与风险。由模型 (4)与模型 (5)的结果可以看出，网络联系强度对企业技术创新有U形影响，网络联系强度的平方项系数为0.004，网络联系强度的一次项系数为正，系数为0.071，并在1%的显著性水平上显著。这表明了网络联系强度对于科技型企业技术创新产生U形影响，假设1得到验证。

从控制变量看，企业规模对企业能力的影响不总是相关的，存在这一现象的原因可能是科技型企业普遍为轻资产运营，所以企业资产规模对于企业技术创新的影响并不显著。但是，年份越久的企业，由于其自身的研发积累与资本积累，企业技术创新会越强。资本结构对于企业技术创新的影响显著为负，这说明了企业如果存在较高的负债水平时，一般不会投入资金进行研发与创新，即不会选择进行债务融资。企业资产回报率与企业技术创新不总相关，证明随着企业资产回报率的改变，髙技术企业不会改变对创新的重视程度。

4.3 进一步讨论

将样本企业进行分组回归，检验企业不同生命周期科技金融网络特征对企业技术创新的影响，本文将企业分为成长期、成熟期与衰退期，实证结果见表7～表9。

表7 成长期科技金融网络特征对企业技术创新的影响

表9 衰退期科技金融网络特征对企业技术创新的影响

由表7可知，企业处于成长期时，网络密度对企业技术创新在5%的显著性水平下系数为正。网络中心度对企业技术创新具有显著的提升作用，系数为1.881，网络中心度平方项对企业技术创新的影响为负，但在统计上并不显著。这说明网络中心度对企业技术创新的倒U形影响并不显著，但是网络中心度对企业技术创新的正向促进作用是显著的。这一回归结果表明，处于成长期的科技金融网络中，企业靠近网络中心的程度并没有达到倒U形关系中的底部 “极值点”，成长期企业仍处于网络边缘，企业努力靠近中心位置可以提高自身创新能力。网络联系强度对企业技术创新有负向作用，在1%的水平上显著，这与假设2相符，在加入网络联系强度的平方项后，平方项没有通过显著性检验，这说明在成长期网络联系强度对企业技术创新的U形影响并不显著，企业目前与外部网络环境建立的联系较少，网络联系不紧密。在成长期，企业资产回报率对企业技术创新影响显著，系数为正，说明在成长期，企业创新受资金限制较大，随着资产回报率的提高，企业经济能力好转，企业技术创新能力也会增强。

由表8可知，在成熟期，科技金融网络密度对企业技术创新的1%的显著性水平下，有正向的促进作用，回归系数为1.796。网络中心度对企业技术创新起到正向的作用，回归系数为0.673，网络中心度的平方项对企业技术创新有倒U形影响，与假设3相符。网络联系强度对企业技术创新起到正向的促进作用，回归系数为 0.112，在1%的显著性水平上显著。在模型 (5)中，加入网络联系强度的二次项，二次项系数为0.002且在5%的水平上显著，说明在成熟期，企业已达到U形的临界点，网络联系强度对企业技术创新有U形影响，与假设3一致。此外，在成熟期，企业资本结构对企业技术创新的影响不显著，这说明在成熟期，企业盈利稳定，负债水平对于企业技术创新不会产生影响。

由表9可知，在衰退期，科技金融网络密度增加有助于提升企业技术创新水平，回归系数为0.189，在1%的显著性水平上显著。网络中心度对企业技术创新有着提升作用，网络中心度的平方项对企业技术创新有显著的影响，系数为 -3.087，说明在衰退期，部分企业已超过临界值，由于成本与风险的原因，过于接近网络中心反而会对其技术创新能力产生负面影响。网络联系强度对衰退期企业具有促进，回归系数是0.093，且在1%的水平上显著。加入二次项后，网络联系强度对企业技术创新有U形影响关系，与假设4一致。

5 结论与建议

本文以我国2010—2019年创业板上市公司作为研究样本，构建科技金融网络，实证检验科技型企业科技金融网络特征对企业技术创新的非线性影响，以及不同生命周期阶段下，科技金融网络特征对企业技术创新影响的差异性。实证结果显示：①科技金融网络结构对企业技术创新存在显著影响，其中网络密度对企业技术创新有积极的促进作用，网络中心度对企业技术创新产生倒U形影响，网络联系强度对企业技术创新有U形影响。②企业在不同的生命周期阶段，科技金融网络特征对企业技术创新的影响存在差异性。企业处于成长期，网络密度、网络中心度对企业技术创新有正向影响，网络联系强度对企业技术创新具有负向影响；企业处于成熟期，网络密度对企业技术创新有积极的促进作用，网络中心度对企业技术创新有倒U形影响，网络联系强度对企业技术创新有U形影响。企业处于衰退期，网络密度对企业技术创新有正向作用，网络中心度对企业技术创新产生倒U形影响，网络联系强度对企业技术创新有U形影响效应。

根据以上结果，本文提出如下建议：①总体看，科技金融网络对企业技术创新具有显著的影响，因此，完善科技金融环境，优化科技金融网络至关重要。一方面加大各类金融机构对于企业发展的支撑作用，对于朝阳产业和高技术产业予以支持，对于发展困难的中小企业予以信贷优惠与信贷支持，建立专门的扶持规定，稳定企业的现金流与资金链；另一方面，政府加大对高技术企业的研发投入力度，鼓励企业坚持自主创新，对科技创新的领军企业进行宣传与奖励，扶持高技术企业发展。②企业在不同的生命周期，科技金融网络结构对其技术创新的影响具有差异性，因此科技型企业应该根据自身所处的生命周期阶段、创新意愿和资金实力，适量的选择合作伙伴。在与科技金融机构建立联系时，应提前做好融资规划，按照规划使用资金并及时调整。企业自身建立监督机制，避免资金滥用，保证企业在创新研发、成果转换等环节的资金需求，从而提高创新能力，实现技术跨越，构建核心竞争力。