企业房地产投资对技术创新的影响及其异质性研究

黄大禹 谢获宝 邹梦婷

摘   要：当前，在产能过剩和消费不足的双重挤压下，企业实体业务利润空间持续收窄，众多企业开始调整资金投资方向。其中，以企业投资房地产领域最为突出，“脱实向虚”的现象初现端倪。本文针对“企业房地产投资—技术创新”的框架进行研究，得出如下结论：从整体上来看，企业的房地产投资行为的确对技术创新活动起到了明显的抑制作用，且具有明显的动态叠加特征。进一步地，企业的房地产投资具有明显的差异化特征。当前针对企业房地产投资行为的治理，应遵循差异化的政策路线，才可以起到良好的实践结果。

关键词：企业房地产投资;技术创新;异质性

中图分类号：F830  文献标识码：A   文章编号：1674-2265（2021）04-0016-09

DOI：10.19647/j.cnki.37-1462/f.2021.04.003

一 、引言

企业房地产投资主要指企业将自身资源投入到房地产项目的行为，这种现象在当前经济大环境整体下行、实体部门盈利空间萎缩的大背景下变得愈加明显。企业房地产投资可以分为两种类型：第一种类型，是企业进入房地产领域成为房地产开发商，主要扮演的是房地产的卖方角色;第二种类型，是企业并不成为房地产开发商，而是购买不动产自持物业产生收益。本文所指的房地产投资主要是后者。Krippner（2011）[1]的研究中，就有企业“不务正业”从事金融投资活动，最后整个生产经营活动都被金融左右的担忧。中国企业的房地产投资活动，大多不是为了服务自用，而是关注房地产项目买卖活动中形成的高额利差。特别是在近些年，我国企业的房地产投资行为更是具有明显的投资属性而非实体商业属性。然而，国外发达国家的实践和理论文献，并不能简单作为解释中国现实的依据，需要对我国企业房地产投资行为进行系统全面的分析，特别是对企业投资房地产活动所导致的产业结构转型滞缓、技术创新活动低迷等现象引起全面重视。企业的房地产投资活动，会在很大程度上挤出企业正常的项目资源，甚至会干扰到企业正常的决策路径。如若这种现象不断深化，则会出现一定的“产业空心化”“主业空心化”特征，会在很大程度上对当前我国创新驱动转型战略的实现造成不利影响。但值得注意的是，当前针对企业房地产投资活动影响的研究尚不充分，这类问题不单有关当前企业的“脱实向虚”倾向，也与企业自身核心技术创新能力的形成有密切关联，对此进行研究有着较高的学术和实践价值。

本文研究内容集中在如下几个方面：第一，从整体上确认企业房地产投资活动对技术创新活动的影响。第二，考虑到企业多重属性差异和我国的制度背景，从异质性角度切入，充分探讨了“企业房地产投资—技术创新”范式下可能存在的差异化特征事实，并进行了稳健性检验与内生性检验，确保结论的可信性。

二   理论机制分析与研究假说提出

房地产投资蔚然成风，上市企业也难以逃脱这个“魔球”的引力，这源于房地产所具备的金融属性。伴随房价持续上涨，企业可从投资性房产中摄取巨额回报，获得超越市场平均收益的利率，能在一定程度上补充企业现金流，助力企业发展，进而有利于企业技术创新。一方面，企业持有的房产价格上涨可提升企业价值，充实企业内源资金，延展企业可用资源边界，这对企业的技术创新活动而言尤为关键（王文春和荣昭，2014）[2]。另一方面，房地产是优质抵押品，企业持有房地产将有利于在信贷资源上提高议价能力，拓展企业融资渠道和融资规模（Chaney等，2012;Bleck和Liu，2017;张杰等，2016）[3-5]。技术创新活动作为资金密集型项目，企业会经常被困在内外部融资约束困境中。房地产投资可一定程度上削弱这种负面效果，进而激励企业技术创新。

然而，也有学者持有相反的观点，即企业参与房地产投资会给企业技术创新能力带来一定的冲击。主要理由如下：

第一，企业参与房地产投资需要投入大量资金，对企业创新研发形成资源“挤占效应”（Bleck和Liu，2017）[4]，直接抑制企业技术创新。房地产行业属于资本密集型行业，和企业创新研发一样，需要投入大量且长期的资金，但在当前中国房地产市场发展现状下，投资房地产行业相对于企业研发创新所获的收益更加稳定和丰厚，于是企业在进行投资资产配置时会对房地产投资更加倾斜，将原本用于技术创新研发的资源转而投入到房地产行业（何珊珊，2018）[6]，创新投入的减少势必会抑制企业技术创新，特别对于存在融资约束的企业，抑制影响会更严重。

第二，企业投资房地产行业能获得比主业更高的回报率，出于资本逐利性，企业会更热衷于投资房地产行业赚取“快钱”，创新研发积极性被削弱。房地产行业较高的投资回报率會引致企业跨行业套利行为，资本竞相追逐并逃离实体经济，顾元媛和沈坤荣（2012）[7]、Miao和Wang（2012）[8]称这种由房地产行业投机性泡沫导致资本在不同生产部门之间重新分配的现象为“资源重配效应”。随着房地产泡沫持续膨胀，企业资本从房地产行业获取的“快钱”会增加，企业进行创新研发的倾向会减弱，王文春和荣昭（2014）[2]利用中国规模以上企业数据验证了房价上涨对企业开发新产品活动的负面影响效应。

第三，金融部门信贷资金偏好房地产行业，加剧了企业创新研发的资金短缺，间接抑制企业技术创新。中国当前仍是以银行业为主的间接金融市场，房地产和高新技术行业属于资本密集型行业，对银行信贷资金的依赖程度较高。由于房地产投资收益高于绝大部分的实体行业，同时其足值的抵押间接提升了银行贷后风险管理能力，银行出于对高利率的追逐会选择优先将有限的资金投入高风险承担水平的房地产行业（陆嘉玮等，2017）[9]。由此，资源错配现象加剧，实体行业创新研发所需长期资金被挤占，企业技术创新被抑制。

第四，大量资金进入房地产行业会拉高房价，消费者购买力被透支，从而减少了对高附加值产品的消费，市场对企业创新研发的需求会降低。当企业大规模资金进一步推高房价后，普通居民购房刚需支出会消耗其有限的购买力，其他产品的消费需求势必被挤占（丁攀和胡宗义，2008）[10]，高技术含量产品的需求弹性较高，首当其冲会被移出家庭消费清单，市场对高技术含量产品的需求会减少，导致“内需所引致的创新”功能失效，降低了企业的技术创新动力。

基于以上分析，本文提出如下假说：

假说1：企业的房地产投资与技术创新活动之间呈现出负向相关关系，即房地产投资不利于技术创新。

值得注意的是，上述论证仅集中在了企业房地产投资影响技术创新的全景式概括上，这很容易忽略了企业内外部属性差异所带来的异质性问题。具体来看，不同属性类别的企业，在面对房地产投资活动时有着差异性的需求，即便在持有同样规模的房地产投资时，不同企业的承受、化解乃至利用的能力也有所不同，从而会对自身的经营项目产生影响。如果忽略了对这部分问题的细化讨论，则容易使本项研究的结论陷入钝化陷阱之中。为此，本文针对企业属性差异乃至地区差异进行了异质性的讨论和分析。

就国有企业而言，一方面，其凭借国家信誉链条的介入和一定的垄断特权，技术创新的主观能动性存在着一定的缺陷;另一方面，国有企业可以凭借国家信誉背景，在金融市场上获取足够的金融资源，国有企业介入房地产活动，会使得金融资源进一步在房地产领域内“空转”，从而加大了企业的“脱实向虚”特征，更加严重地挤出自身的技术创新活动。相比之下，在不进则退的市场大环境中，非国有企业较之于国有企业有着更为强烈的技术创新主观意愿（何立胜，2003）[11]。但非国有企业在金融市场上往往面临着排斥，以至于其只能“另辟蹊径”来为自身筹集金融资源，此时非国有企业投资房地产项目，能够在经济大环境下行的趋势下尽可能地保有自身资源，甚至实现一定的“反哺”效应，从而在一定程度上激发非国有企业的活跃程度。基于此，本文提出了假说2a。

假说2a：相对于非国有企业而言，国有企业的房地产投资更不利于自身的技术创新活动。

就高新技术企业而言，以技术创新的手段来实现市场份额的占领是企业设立的重要核心目标。就这类企业而言，本身就承担着较为沉重的研发支出负担，针对技术创新的特殊性，还要维系企业内部可用资源的长期稳定。因此，如若高新技术企业从事房地产投资项目，则会对企业内部的可用资源形成较强的占用，从而不得不以降低研发支出等方式来满足对房地产项目的投资需求，这会对那些对资源可持续性要求较高的技术研发项目造成严重冲击。进一步地，高技术企业自身经营决策体系本身就在于研判技术创新演进走向以及相关的市场决策，而不在于如何在金融市场做出决策以摄取超额利润。因此，如若高新技术企业进入房地产投资市场，则意味着在自身的决策体系内会形成两套截然不同的机制，这必然会造成一定程度的“威廉姆森型组织不经济”状况，从而在一定程度上减损企业技术创新研发决策的有效性和科学性。相比之下，非高新技术企业的立身之本就不在技术的研发创新上，即便从事房地产投资项目，也不会对技术创新活动造成过度的挤出。因此，本文提出了假说2b。

假说2b：相对于非高新技术企业而言，高新技术企业的房地产投资更不利于自身的技术创新活动。

进一步地，本文将研究转向了“制造业—非制造业”的差异上。中国的制造业是当前产业结构乃至整个经济系统的中坚力量，其在推动技术创新上有着相当的重要性。但另一方面，当前中国制造业面临着很大的转型压力，在经济结构转型、经济增长降速换挡的大背景下，制造业的生存形势较为严峻，也面临着更为紧张的资源约束边界。因此，若制造业从事了与自身主业不相关的房地产投资，则会在很大程度上对自身的资源造成挤出，“掏空”企业内部的主业竞争力，从而形成了诸如“产业空心化”“主业空心化”等问题。缺乏实体经济项目支撑的制造业，想要在技术研发创新项目上有所突破显然有着很大难度，更不用说房地产投资项目对其造成的不利冲击了。

假说2c：相对于非制造业而言，制造业企业的房地产投资更不利于自身的技术创新活动。

大規模企业更可能在金融市场中获取足额乃至额外的资源，除了从事实体经济项目之外，还能够将冗余资源投入金融领域，最大限度地提升自身的资金使用绩效。相比之下，小规模企业本身的技术创新基础条件较弱，可用资源往往面临较强的约束边界，在金融市场上的融资活动也往往步履维艰（李华民和吴非，2015）[12]。因此，如若小规模企业将资源投入到房地产领域，势必会对其他项目造成一定的挤出。此外，小规模企业缺乏专业的金融财务人员，也不具备平滑风险的规模体量支撑，在从事金融领域的投资活动时，难以克服其中蕴藏的风险，房地产投资活动会在很大程度上有损其技术创新。综上所述，本文提出了假说2d。

假说2d：相对于大规模企业而言，小规模企业的房地产投资更不利于自身的技术创新活动。

三、研究设计

（一）数据来源与基本处理

本文采用沪深A股上市公司2007—2018年的数据进行研究。相关的企业财务变量数据来自万得数据库，企业层面的各项专利数据从国泰安数据库中的“中国上市公司与子公司专利研究数据库”中抽取。根据研究惯例，本文剔除了金融企业样本、ST类企业和期间退市的企业，剔除了在研究年限中进行IPO的企业，从而得到了18825个“企业—年度”样本观测数据。

（二）变量设定

1. 被解释变量组：创新变量组（Pat）。在过往的经典文献中，都偏好将企业的研发投入水平作为企业创新活跃度的测度指标。但鉴于企业研发投入只能作为企业创新活动的“中间”指标，将其作为企业创新能力的“终极”测度可能会有较大的高估风险（吴非等，2018）[13]。近年来，以技术创新投入来测度的手段，逐步被技术创新产出所替代，以企业专利创新数量作为企业创新能力测度的研究文献日益增多。本文拟借鉴这类文献的处理手法，以企业专利数量作为企业创新能力的代理变量。

进一步地，在企业专利体系中，可存在两套数据：第一类为专利申请数;第二类为专利授权数。龙小宁和林志帆（2018）[14]的研究认为，企业的专利授权数存在着极大的时滞问题，专利审批往往需要较长的审核期，企业在特定年份的专利授权，极有可能是多年前的创新研发成果。为避免核心解释变量的滞后期处理减损样本量，造成回归结果的偏误，以及由于不同类型专利授权周期不等，大一统式的滞后期处理无法体现出不同专利之间的具体差异，因此，采用企业专利的“申请数”可能较为适宜。尽管企业的专利申请数量可能也会存在一定的时滞特征，但较之于“授权数”而言，已经有了很大的改善。对此，本文采用这类数据结构进行研究。

值得一提的是，企业的专利创新也存在技术含金量上的层次差异，在我国的专利体系中，按照企业专利的技术含量，界分为三个档次：第一为发明专利创新;第二为实用新型专利创新;第三为外观设计专利创新。在黎文靖和郑曼妮（2016）[15]的研究中，则进一步对这类数据进行了处理：首先计算出企业的整体专利创新状况，进而采用分类的办法，将企业创新活动分为实质性技术创新活动与非实质性技术创新活动。其中，实质性技术创新活动以企业的发明专利创新来衡量，非实质性技术创新活动则以其他两档专利创新之和来测度。本项研究借鉴其做法，并对上述变量均采取了对数化处理。

2. 核心解释变量组：企业房地产投资（REI）。在当前背景下，许多企业在房地产领域的投资行为，已经脱离了自商用目的，而旨在套取房地产项目的增值利润。从这个角度来看，企业房地产投资行为在很大程度上已经具有了明显的“投资属性”。本文拟采用“投资性房地产净额/总资产”作为企业房地产投资行为强度的代理变量。虽然许多企业会将投资房地产的经济行为隐藏到固定资产、无形资产以及在建工程等其他科目中，单一使用投资性房地产科目并不能全面反映企业房地产投资情况，但固定资产、无形资产以及在建工程等科目余额有可能是经营用途，也有可能是投资增值用途，因而无法进行有效区分，所以本文仅使用投资性房地产科目来核算。

3. 控制变量。为了更加准确地判定“企业房地产投资—技术创新”范式之间的关系，必须尽可能地解决遗漏变量所造成的内生性问题，对此，本文进一步在回归检验中纳入了控制变量组，包括企业年龄、资产负债率、股权集中度、总资产、总收入、资本密集度、净利润增长、两职合一与审计意见等。

（三）模型建构与实证策略

为了分析企业房地产投资活动对技术创新的影响，本文设定了模型（1）以验证。

在式（1）中，被解释变量为Lnpat，以企业的专利申请数作为替代的衡量指标。REI为本项研究的核心解释变量——企业房地产投资强度。在控制变量组中，包括了前述的控制变量。?为模型随机误差项。

在进行模型检验前，本文进行了如下的技术处理：第一，对所有数据进行1%和99%分位数的Winsor缩尾处理，并对所有非比值型变量进行了加1并对数化处理;第二，企业技术创新是长期的过程，企业任何经营决策想要影响到企业技术创新产出，必须要经过较长时间方能实现，对此，本文对核心解释变量进行了滞后一期处理;第三，为了尽可能消除不随时间变化却又无法观测的某些特征，本文通过固定效应模型进行了剔除，并进一步控制了相关的时间趋势，二者合并即为“双向固定效应模型”;第四，为减轻异方差干扰，本文采用了聚类稳健标准误的方式进行了调整。

如前文所述，简单就企业房地产投资如何影响技术创新活动进行全覆盖式的回归检验，会在很大程度上抹杀企业必然存在的差异化特征。对此，基于企业属性差异的检验，可能是导出精准导向的政策建议的重要一环，对此，本文设定了公式（2）进行研究。

在公式（2）中，采用交互项的方式提炼出异质性特征下的创新产出差异效果，即通过企业属性虚拟变量与企业房地产投资变量的交互项进行处理。针对企业的内部属性差异进行了划分，考察“国有企业—非国有企业”“制造业—非制造业”“高技术企业—非高技术企业”“大规模企业—小规模企业”。

四、实证结果与经济解释

（一）基准回归结果：企业房地产投资与技术创新

在表3中，本文对“企业房地产投资—技术创新”的基本范式进行了检验。模型（1）—（3）中，仅控制了时间和行业固定效应;模型（4）—（6）中，进一步纳入了相关的控制变量。

从实证结果来看，无论是没有纳入控制变量的回归模型，抑或是纳入了控制变量的回归模型，都展现出了高度一致的回归结果：房地产投资的回归系数为负且高度显著。在纳入了控制变量后，L.REI的回归系数有所缩小，这可能是因为在考虑了多种控制变量因素后，L.REI的影响在一定程度上被吸收了。即便如此，相关的实证结论依旧保持着高度的稳健，企业的房地产投资活动越多，则会对技术创新活动产生明显的抑制作用，为假说1提供了经验证据支持。

在表3的控制变量回归组别中，传递出了一些有趣的实证结果。其中，企业的杠杆率水平（LEV）对企业各层次的技术创新活动都产生了一定的负面作用。本文认为，企业的杠杆率越高，则意味着内部的现金流充裕程度越低，会在一定程度上对企业内部资源造成挤出效果。企业内部的股权集中度（Equity）越高，在一股独大的情况下，可能难以做出对企业技术创新活动有利的生产决策。企业的总资产规模（Lnasset）越高，则意味着企业可能会有足够的资源用以支撑企业的技术创新活动。然而，企业的营业收入水平却展现出了一定的负面效果。本文认为，企业的营业收入越高，则企业可能存在一定的动机将资源集中在多快好省的经济项目中，以便在后续的时间序列中获取更多的收入，这在一定程度上降低了企业长期投资活动的关注力。如若企业的财务报告被出具了非标意见，则多意味着企业的财务状况出现了一定未知的风险，这很可能会在一定程度上降低企业的技术创新活力。在回归检验中，Opin的回归系数均为负值且至少通过了5%的显著性检验便是明证。

为进一步考察企业房地产投资对技术创新的负面作用的可持续性，本文分析了企业房地产投资变量的滞后2期、3期、4期对企业三种层次的技术创新活动的影响，结果见表4。实证结果发现，滞后2期的企业房地产投资对企业三种层次技术创新活动的影响均为负值，且均通过了1%的显著性检验，滞后3期和滞后4期的指标结果均与之类似。由此可见，房地产投资活动对技术创新活动的影响是负面且持久的，在較长的时间序列中有着明显的叠加效应，房地产投资活动对于企业技术创新活动的损害是非常明显的。从表3滞后1期回归结果，到表4动态效应的回归结果，REI回归系数的绝对值随着滞后期增加而逐步增大，更是确证了上述结论，这也从侧面为本文的研究假说1提供了进一步的实证支持。

本文认为，尽管当前的房地产投资活动有着明显的“脱实向虚”偏向，甚至被赋予一定的“金融化”特征，但其实践操作与金融化业务又稍有不同，以至于房地产投资有着更为明显的负面效果。具体来看，一方面，房地产投资是一项长周期的投资活动，其投资周期基本都在1年以上，由于其特殊的产权性质，企业所投资的房地产项目想要迅速变现十分困难，而一般类型的金融化项目，都可以实现快速变现，以至于企业在出现经营困难，或是创新项目亟须新的现金流补充时，这类金融化投资项目能够及时实现补充。另一方面，一般类型的金融化业务，投资规模具有较高的灵活性，而房地产投资项目一般对资金规模的需求较大，这种大规模的资金投资项目，势必会对企业的正常项目产生更大的挤占效应。

（二）企业房地产投资与技术创新：企业属性异质性视角

在表5中，本文基于企业的产权属性差异进行了异质性检验。研究发现，国有企业相对于非国有企业而言，能够更好地运用房地产投资活动来辅助企业的技术创新活动。L.REI×L.State的回归系数均为正值，且均通过了1%的显著性检验。这与本文“国有企业房地产投资更不利于技术创新活动”的研究假说有所不符。本文认为，国有企业历经长期改革，其内在的治理机制和模式已经得到了较大的改善，具有相当的规模经济和范围经济，也有着专业的投资人员来配置现有的投资活动。在这种情况下，国有企业较之非国有企业，能够更好地调配自身的资源用于激发技术创新的活力。非国有企业因技术研发基础薄弱，且不具备足够的风险化解基础条件和金融人才配置，无法有效地利用这类投资业务实现“反哺”。

在表6中，本文基于企业的科技属性进行了异质性检验。为了更加全面地刻画这种异质性效应，本文采取了两种不同的划分方法，一是将企业划分为战略性新兴产业（SEI）;二是划分为高科技产业（HT）。研究发现，无论是战略性新兴产业抑或是高科技产业，其同房地产投资变量的交互项均为负且高度显著，基本确证了本文的假说3b，即高技术企业的房地产投资活动更不利于企业技术创新活动。

在表7中，本文基于企业的制造业属性进行了异质性检验。研究发现，L.REI×L.Manuf系数在三种层次的专利创新活动中都为负值，且均通过了1%的显著性检验，验证了假说3c，说明制造业企业房地产投资活动会显著地抑制自身的技术创新活动。

在表8中，本文基于企业的规模属性进行了异质性检验。研究发现，大规模企业的房地产投资有着一定助益企业技术创新活动的特征：L.REI×L.Large的回归系数均为正值且显著，而小规模企业房地产投资则严重降低了企业的创新产出水平。由此，不同规模企业对房地产投资的运用效果产生了明显差异，这很可能归因为大规模企业有着更大的规模经济，能够在一定程度上化解房地产投资活动的风险，并能够充分调配相关资源用以补充技术创新活动的资源缺口，而小规模企业由于规模体量的限制无法达到上述要求，由此确证了本文的假说3d。

五、稳健性检验

（一）被解释变量的口径变更——考虑专利数据中子公司、联营、合营的情形

前述回归中的被解释变量，均以上市公司自身的专利数为企业创新能力的代理变量。但就具体实践来看，上市公司普遍具有子公司、联营、合营公司等各种形式。一方面，子公司、联营、合营公司自身也有着技术创新活动;另一方面，母公司的房地产投资活动势必也会对这些公司产生一定的影响。对此，在本小节的稳健性检验中，本文着重变更了原有被解释变量的统计口径，将子公司、联营、合营公司的专利数一并纳入，从而得到了全新的专利数据，并重新按照本文的基准回归进行再检验，详见表9。

（二）回归技术的更替——基于归并数据与计数特征的回归

应当说，专利数量同传统的财务变量之间稍有差异。第一，这类专利数量有着明显的非负整数特征。除了进行对数化处理之外，还可以采用泊松回归的方法。对此，本文采用了“负二项回归”重新进行了实证检验，详见表10。第二，这类数据有着十分明显的左侧截断特征，对于这类典型的归并数据，传统的OLS回归可能会造成一定的偏误。对此，本文采用tobit模型进行重新检验，详见表11。最后，为了尽可能地对原有主线实证进行充分检验，在表12中，本文还同时考虑了“Tobit模型+双向固定效应+专利变量测度更替”的方法进行检验。

（三）固定效应模式的更替

Nunn和Qian（2014）[16]提出了另一种固定效应控制办法，其将样本中的亚非国家界分为6大板块区域，并控制了区域和年度的联合固定效应以规避遗漏偏误造成的干扰，旨在控制区域中某些要素变化的时间趋势。Moser和Voena（2012）[17]则从“时间—行业”的微观联合固定效应出发进行研究。对此，本文在表12中采用了“时间—行业”“时间—省份”的联合固定效应检验，以尽可能地消除内生性的干扰。

将表9到12的实证检验同前文进行对比发现，企业房地产投资变量依旧显著为负，其方向和显著性没有发生变化，因此，本文的研究结论是稳健的。

（四）内生性处理

在前述的实证检验中，针对回归模型中的内生性处理有一定的涉及：第一，在回归时，对核心解释变量进行了滞后一期处理，而被解释变量保持当期的数据结构。这么处理的意义在于，在实践上，考虑到了企业房地产投资活动从发生进而传递至企业的技术创新活动所需要的时滞;在实证技术上，又能适当减轻反向因果问题的扰动。第二，采用了 “双向固定效应”模型，控制了“时间—行业”，并进一步控制了“时间—行业联合固定效应”“时间—省份联合固定效应”，从而尽可能地剔除内生性的干扰。但仍必须注意到：第一，反向因果干扰仅是内生性问题的一种。其中，遗漏变量问题的存在乃是内生性中更普遍和突出的问题。如果某些变量同企业的房地产投资行为有關，又与企业技术创新活动有关，而这类变量出于种种考虑被遗漏，那么此时的内生性问题是较为严重的。尽管在前文中本文参照经典文献对许多变量进行了控制，但依旧没有办法穷尽所有的相关因素。因此，内生性问题需要进一步解决。对此，本小节采用了工具变量法和倾向得分匹配来克服回归中的内生性问题。

1. 2SLS工具变量法。选取“特定行业中除本行业之外所有企业的房地产投资强度的均值”作为工具变量。这么处理的原因在于：第一，相关性，特定企业的房地产投资在同行业内具有较高的关联度。第二，外生性，行业外的企业的房地产投资行为，无法影响本企业内部的技术创新活动，符合工具变量外生性的要求。从表13来看，Kleibergen-Paap rk LM统计量均大于10，从而拒绝了“工具变量和内生变量无关”的原假设，相关性条件得到满足。

结果表明，“企业房地产投资—技术创新”之间的负相关依旧显著成立，说明经过工具变量的调整，在剔除了内生性干扰后，相关的研究结论依旧稳健。当然，从另一个角度来看，进行了工具变量调整后，L.REI的回归系数大幅增加，这可能表明经过内生性校准后，实际的房地产投资活动负面冲击的真实效应可能被低估了。

2. 倾向得分匹配法。房地产投资活动强度是一个连续变量，需要降维成虚拟变量才能实现相应的PSM配对处理。对此，本文将房地产投资活动高于均值的企业设定为treat=1，否则为0。为了避免样本选择偏误，本文采用了倾向性得分匹配来筛选、平衡全样本。根据Logit模型估计了样本中的倾向得分数据后，采用了半径匹配法进行配对。在配对完成之后，检验高房地产投资组和控制组企业各变量在匹配前后的差异，可以发现，经过匹配后的数据基本都是“平行”的，两个组别之间的差异大多不具备统计学显著特征，表明本文的匹配状况较好。

由表14可知，在经过有效匹配控制了样本选择的偏误影响后，发现了一致性较高的实证结果。由实证结果可知，样本无论是否经过匹配，其平均处理效应均为负值，且这种差异均得到了t检验的支撑。上述结果表明，企业的房地产投资活动显著地降低了企业技术创新产出效果。综上，在通过了稳健性检验和内生性处理之后，本文的结论稳健、可靠。

六、结论与政策建议

当前，企业投资呈现出了明显的“脱实向虚”偏向，在很大程度上造成了“产业结构空心化”等现象。本文借助上市企业2007—2018年的数据，针对“企业房地产投资—技术创新”范式进行了初步的检验，考察二者的整体影响效应以及异质性差异。

研究结果发现，企业房地产投资严重抑制了企业的技术创新活动，并且这种抑制效应在一个较长的时间序列中都存在，有着明显的动态叠加特征。上述研究结论在历经多重稳健性检验和内生性处理后依旧成立，说明本项研究的核心结论是稳健的。进一步地，就异质性来看，不同企业属性差异下的企业，在房地产投资的创新抑制效应上有所差异。本文的研究一方面确证了企业房地产投资行为存在的不利影响;另一方面指出了针对企业房地产投资行为的治理，应精准制定政策，不能以一套政策治理体系来针对所有类别的企业。

必须指出的是，本文主要就“企业房地产投资—技术创新”的范式进行了一个整体判断，但二者之间的具体影响机制尚未得到梳理和证明，需要更深入的讨论。

参考文献：

[1]Krippner G R. 2011. Capitalizing On Crisis [M]. Harvard University Press.

[2]王文春，荣昭.房价上涨对工业企业创新的抑制影响研究 [J].经济学（季刊），2014，13（2）.

[3]Chaney T，Sraer D，Thesmar D. 2012. The Collateral Channel：How Real Estate Shocks Affect Corporate Investment [J].The American Economic Review，102（6）.

[4]Bleck A，Liu X. 2017. Credit Expansion and Credit Misallocation [J].Journal of Monetary Economics，94（9）.

[5]张杰，杨连星，新夫.房地产阻碍了中国创新么？——基于金融体系贷款期限结构的解释 [J].管理世界，2016，（5）.

[6]何珊珊.非房地产企业进入房地产行业对其全要素生产率的负面影响——基于中国 A股上市公司数据的实证研究 [J].当代财经，2018，（2）.

[7]顾元媛，沈坤荣.地方政府行为与企业研发投入——基于中国省级面板数据的实证分析 [J].中国工业经济， 2012，（10）.

[8]Miao J，Wang P. 2014. Sectoral Bubbles，Misallocation & Endogenous Growth [J].Journal of Mathematical Economics，53（8）.

[9]陆嘉玮，陈文强，贾生华.信贷配置偏好、贷后债务治理与房地产企业投资 [J].金融经济学研究，2017，32（6）.

[10]丁攀，胡宗义.股价与房价波動对居民消费影响的动态研究 [J].统计与决策，2008，（15）.

[11]何立胜.国有企业与民营企业制度创新比较研究[J].经济经纬，2003，（3）

[12]李华民，吴非.谁在为小微企业融资：一个经济解释 [J].财贸经济，2015，（5）.

[13]吴非，杜金岷，杨贤宏.财政R&D补贴，地方政府行为与企业创新 [J].国际金融研究，2018，（5）.

[14]龙小宁，林志帆.中国制造业企业的研发创新：基本事实、常见误区与合适计量方法讨论 [J].中国经济问题，2018，（2）.

[15]黎文靖，郑曼妮.实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响 [J].经济研究，2016，51（4）.

[16]Nunn N，Qian N. 2014. Us Food Aid and Civil Conflict [J].American Economic Review，104（6）.

[17]Moser P，Voena A. 2012. Compulsory Licensing： Evidence From the Trading With the Enemy Act [J].American Economic Review，102（1）.