研发投入对战略性新兴产业企业财务风险的影响——基于融资结构门限回归模型的实证检验

张昌兵 余梅丽 华丽香 王子敏南京邮电大学经济学院南京 003 南京航空航天大学经济与管理学院南京 06

引 言

目前中国正处于经济高质量发展阶段，提升新兴产业企业创新能力是加快转变经济发展方式必然路径。具有持续性的研发投入给战略性新兴产业企业的财务风险控制提出了新的要求。债权融资和股权融资是战略性新兴产业企业研发投入的重要资金来源。融资来源及其构成会影响融资的难易程度和融资成本，对企业财务风险产生重要影响。合理的融资结构有利于战略性新兴产业企业控制其财务风险。

1 文献回顾与影响的机理分析

1.1 文献回顾

关于创新研发对企业风险的影响。Merton（2013）［1］的研究表明创新本身存在风险性；Cimi⁃ni等 （2014）［2］认为研发会引起更高概率的盈余管理风险，导致公司总体风险水平提高；Mazzu⁃cato 和 Tancioni （2008）［3］研究发现创新活动会使运营指标波动从而显著影响财务风险；Comin和Mulani（2005）［4］利用内生增长模型研究了公司层面的波动性与研发创新之间的关系，得出研发投入对企业风险的影响是呈动态变化的结论。

关于研发投入对企业财务风险的影响。杜晓荣和付晓月 （2016）［5］利用面板回归方法，对研发投资与企业财务风险的关系进行实证检验，发现企业的财务风险随着研发投资的增加而增加；黄曼行等 （2014）［6］采用分位数回归方法对中小企业进行分析，发现高风险企业的财务风险随着研发投入的增加而增加，而低风险企业的财务风险随着研发投入的增加而降低；郑淑霞 （2018）［7］运用面板数据模型，对制造业企业进行实证检验，发现研发投入强度与财务绩效风险呈正线性关系，融资约束的存在会加剧研发投入对财务风险的影响；郝清民 （2020）［8］采用面板分组回归方法研究中国制造业，发现研发投入与财务风险呈U型关系，存在融资约束时会增强研发投入带来的财务风险。

关于研发投入的融资结构对企业财务风险的影响。 Baxter（1967）［9］提出的破产成本理论揭示，债务融资具有财务杠杆效应，固定债务利息会给股东带来额外的财务杠杆利益，同时也要承担相应的财务风险；Allen和 Gregory （1995）［10］发现战略性产业企业的高研发活动的产物多为无形资产，该特征会让银行等债权主体对企业设置更高的融资门槛；孙早和肖利平 （2016）［11］研究发现战略性新兴产业企业的股权融资与创新研发呈现正相关关系。岑文静和聂铭燕 （2014）［12］以索芙特股份有限公司为例，研究发现负债结构不合理会加大财务风险；Hong等 （2016）［13］研究发现高新技术企业的研发投入对企业风险存在影响，但融资的资金来源不同，其影响程度不同。尚洪涛和周丹 （2015）［14］通过研究2010～2012年创业板市场战略性新兴产业上市公司相关数据，发现资本结构对财务风险具有显著影响；孙立新等 （2013）［15］运用定量方法研究股权融资和债权融资对中小企业的财务风险影响，发现资本结构能有效控制财务风险；王玉泽等 （2019）［16］研究表明，企业融资结构具有信号传递作用，使投资向优质高效的创新项目倾斜，合适的融资结构既能够促进创新又能够分散财务风险。

综上所述可以看出，创新研发会带来企业风险，研发投入会对企业的财务风险产生影响，并且研发投入的不同融资结构会给企业的财务风险带来不同的影响。但研发投入对战略性新兴产业企业财务风险影响的研究还有待进一步深入。本文将从融资结构视角对研发投入对战略性新兴产业企业财务风险的影响进行实证检验，以期得出对相关经济主体决策具有参考价值的研究结论。

1.2 研发投入对战略性新兴产业企业财务风险影响的机理分析

研发投入对战略性新兴产业企业财务风险影响的机理。战略性新兴产业具有战略属性和高科技属性，前者决定其追求的是战略上的价值，短期内难以取得良好经济效益；后者决定其核心技术属于前沿科技，研发活动将伴随战略性新兴产业发展全过程。研发创新过程具有持续性和阶段性，研发投入周期长会导致不确定因素增加，后续的 “产品化”和 “市场化”阶段，如果没有充足资金支持就很容易触发财务风险。战略性新兴产业企业属于新兴产业和新兴科技的结合，具有产出不确定性、收益滞后性、外溢性等特征，研发活动中的信息不对称问题、委托代理问题尤为突出，容易导致其融资约束加强，进而会制约其研发投入，成为增加其财务风险的重要因素。战略性新兴产业企业虽有很好的未来发展前景，但以创新发展为战略核心的目标要求其持续不断增加研发投入，需要额外的人力物力对其进行管理和经营，难免会产生运营风险，从而间接导致财务风险。战略性新兴产业通常会面临激烈的市场竞争，一旦竞争失败，创新研发投入将难以收回，必然会引发严重的财务风险。

研发投入对战略性新兴产业企业财务风险的影响存在融资结构的门限效应。研发投入资金的来源通常有债权融资和股权融资，通过对二者的比较，不难发现，股权融资规模具有相对稳定性，而债权融资规模可以根据资金需求状况进行灵活调整。可见，通过债权融资更符合战略性新兴产业企业对研发资金进行持续、不间断投入的需求特征。据此可以假定，战略性新兴产业企业研发投入资金的融资结构（即债权融资与股权融资之比）水平变化，主要表现为债权融资规模的变化。但债权融资具有的税盾效应、财务杠杆效应和门槛效应会对战略性新兴产业企业的财务风险产生影响。根据税盾效应，企业如果向股东支付与债权人相同的回报，则需要生产更多的利润，即税盾效应使企业通过债权融资比股权融资更便宜，更能改善企业的财务状况。而财务杠杆效应的存在，使企业的债权融资导致普通股每股收益变动率大于息税前利润变动率。当企业投资利润率大于负债利息率时，企业的权益资本利润率大于企业投资利润率，将倍数级改善企业的财务状况；但当企业投资利润率等于或小于负债利率时，负债带来的利润只能勉强或不足以弥补支付的负债利息，财务杠杆效应将会倍数级恶化企业的财务状况。门槛效应是指银行等债权主体为确保融出资金的安全而对融资企业设置的融资门槛，融资门槛越高则融资企业的财务风险越高。综上分析，可以看出，随着融资结构水平提高，税盾效应将极大改善战略性新兴企业的财务状况；但在投资边际报酬递减规律作用下，战略性新兴产业企业债权融资的投资回报率必然随着债权融资规模扩大、比率提高而递减，在财务杠杆效应作用下，战略性新兴产业企业的财务状况必然会出现倍数级下降，甚至出现负值。战略性新兴产业企业的资产更多以无形资产形式存在，信息不对称将导致其估价困难，其债权融资门槛必然随着债权融资规模扩大、融资比例提升而显著提高，导致其财务风险显著上升。此外，债权融资使企业在获得资金同时也产生了债务成本，企业若不能及时偿还，便会陷入财务困境。在股权融资中，流通股股东和非流通股股东的不同价值期望，使二者在各自利益最大化实现过程中会产生背离甚至冲突，会影响企业经营和财务活动的稳定，从而带来财务风险。总之，在税盾效应、财务杠杆效应和融资门槛效应等的综合作用下，不同的融资结构水平、研发投入对战略性新兴产业企业财务风险的影响必然呈现出不同的特点，即存在融资结构的门限效应。

2 变量选取、模型构建与数据来源

2.1 变量选择

（1）被解释变量：财务风险，本文用Z值表示，记为Risk。通过对现有文献的检索，发现衡量企业财务风险的指标主要有：股票收益波动率、财务杠杆系数（DFL）、β系数和Z值等。因前三者不能全面反映企业财务风险状况，而Z值法则是运用一组财务指标，经加权计算出判别企业综合财务风险得分即为Z值［8，15］。将Z值与临界值对比，就可以判断企业财务风险的严重程度。故本文选用Altman的Z值来衡量中国战略性新兴产业企业财务风险。

鉴于Altman的Z值原计算公式中各项指标的权重基本能反映中国战略性新兴产业上市企业的财务特征，故直接援用而未对其进行修正。Z值的计算公式为：

X1为资产营运资金比率，即营运资金比资产总额，反映企业营运能力和资产的变现能力；X2为留存收益总资产比，反映企业盈利的累积能力；X3为总资产报酬率，即息税前利润比总资产，反映企业不考虑税收和财务杠杆因素时资产的盈利能力；X4为企业市值与总债务之比，说明企业在破产清产之前资产滑坡的空间，X4越大，表示企业破产风险越小；X5为总资产周转率，即销售额比总资产，反映企业全部资产的利用效率。Z值和财务风险呈反向关系，Z值越大，财务风险（Risk）越小。

一般来说，Z值大于2.99，说明企业的财务状况良好；Z值在1.8～2.99区间时，说明企业的财务状况不太稳定；当Z值小于1.8，意味着企业的财务状况非常不稳定，存在破产风险。

（2）解释变量：研发投入。企业的研发投入一般用研发投入占营业收入比来表示［7，17］，记为Rdi。

（3）门限变量：融资结构。本文用债权融资与股权融资之比来表示，记为Fins。

（4）控制变量：选取企业规模、企业价值、股权集中度、固定资产投资率、企业年龄5个指标作为模型的控制变量。

企业规模：企业规模扩大或缩小会引起其总资产及各类资产相应变动，从而会对财务状况产生影响。企业规模用资产总额取常用对数表示［17，18］，记为Size。

企业价值：企业价值与企业未来持续经营能力具有高度相关性［19］。企业价值高，预示企业未来成长性好，有利于吸引投资，会影响企业的财务状况。企业价值通常用托宾Q值表示，记为Tq。

股权集中度：在战略性新兴产业企业的研发创新决策中，股权结构会显著影响研发投入，从而间接影响财务风险的大小［20］。股权集中度常用前十大股东持股比例表示，记为Top10。

固定资产投资率：固定资产投资会影响企业的研发投入和财务风险［21］，因此将固定资产投资率也作为控制变量，记为Ppe。

企业年龄：企业处于生命周期的不同阶段，其财务风险是不同的，因此说企业年龄会影响其财务状况。为了使数据更具平稳性，对企业年龄取常用对数，记为Age。

各变量的具体情况，详见表1。

表1 变量的定义与符号

2.2 模型构建

（1）为检验研发投入对战略性新兴产业企业财务风险的影响程度，现在建立面板数据回归模型，记为模型1，其表达式如下：

其中，Riskit表示财务风险Z值，Rdiit表示研发投入，controlit为控制变量；下标i和t分别表示不同企业和时间变量，i（i＝1，2，…，550），t（t＝1，2，…，9）；α0、β1、θ为待估计参数，其中，α0为截距项，β1和θ为变量系数；εit为随机误差项。

为进一步检验研发投入和财务风险之间是否具有非线性关系，将研发投入的二次项作为新变量加入到模型1中建立新的回归模型，记为模型2。其表达式如下：

（2）将研发投入Rdi作为核心解释变量，财务风险Risk作为被解释变量，融资结构Fins作为门限变量，构建面板门限模型，记为模型3。其表达式如下：

其中，Finsit为门限变量融资结构水平；I（·）为指示函数，当满足括号内条件时其值取1，否则取0；α0为截距项，βn为待估计参数，γn为第n个门限值；εit为随机误差项，且εit服从独立同分布。依据残差平方和最小化原理对门限值进行估计。

面板门限回归模型需要进行门限效应检验。若门限效应检验原假设为H0：β1＝β2，则模型不存在门限效应；若备择假设为H1：β1≠β2，则模型存在门限效应。为检验模型的门限效应，Hansen（1999）构建了似然比（LR）检验统计量，计算公式如下：

其中，SSR∗为原假设下模型残差平方和，SSR（＾γ）为存在门限效应时模型的残差平方和，＾σ2为原假设下模型残差方差估计值。由于LR统计量的分布是非标准的，因此无法通过查表的方式获得LR统计量的临界值进行假设判断，需要通过 “自抽样法”，即Bootstrap方法获得LR统计量得到LR门限检验值的经验分布，分别获得在10%、5%、1%的显著性水平下的检验临界值。

如果存在门限效应，则仍需进行门限估计值无偏性检验，即对门限值的真实性进行检验，进一步确定门限值的置信区间。假设检验的原假设为H0：γ＝γ0，备选假设H1：γ≠γ0。 Hansen （2000）构建似然比检验统计量LR1进行门限值检验，LR1计算公式如下：

其中，SSR（γ）是原假设为H0：γ＝γ0成立时门限模型的残差平方和。LR1也是一个非标准的分布，Hansen（1999）提出一个判断是否拒绝原假设的统计量C（α），计算公式如下：

其中，α是显著性水平，如果LR1＞C（α）时，可以认为在α显著性水平上拒绝γ＝γ0的原假设，则认为门限值不存在。

一般从3个门限值情形开始进行面板门限模型回归，如果模型检验不通过时，再考虑2个门限值和1个门限值的情况。

2.3 数据来源

本文选取2012～2020年的沪深A股中的战略性新兴产业企业为研究对象。剔除ST、SST、∗ST、PT（连续3年亏损，暂停上市的股票）以及连续多年出现财务异常的公司，剔除研发投入信息没有披露的公司，最后得到550家战略性新兴产业企业。再根据第一主营业务内容，将收集到的550家企业细分为7大产业类型，分别是节能环保行业（记为C1，57家）、新一代信息技术行业（记为C2，114家）、高端装备制造业（记为C3，91家）、新能源汽车行业（记为C4，50家），新能源行业（记为C5，48家）、新材料行业（记为C6，99家）、生物产业行业（记为C7，91家）。本文数据均来自国泰安数据库。

为了进一步清晰观察选取的550家战略性新兴产业企业的相关变量数据，现对所有变量进行描述性统计，从均值、标准差、最大值、最小值4个方面观察各变量特征。数据描述性统计结果如表2所示。

表2 描述性统计结果

从表2可以看出，财务风险Risk的均值为8.4353，大于2.99，说明战略性新兴产业企业总体财务状况良好。研发投入Rdi均值为0.0663，说明战略性新兴产业企业比较注重研发创新；融资结构Fins均值为0.4998，说明整体上看，战略性新兴产业企业的债权融资与股权融资二者比较平衡。

3 研发投入对战略性新兴产业企业的财务风险影响的实证检验

3.1 平稳性检验

面板数据的平稳性检验的目的是防止 “伪回归”，其方法主要有LLC检验和IPS检验等。LLC检验一般适用于平衡面板数据变量的平稳性检验，而IPS检验一般适用于动态面板数据变量的平稳性检验。本文数据属于平衡面板数据，因此采用LLC检验进行平稳性检验。检验结果详见表3。

表3 平稳性检验结果

表3显示所有变量都通过1%的显著性水平检验，说明所有变量都具有平稳性。

3.2 非线性关系检验

因经豪斯曼检验的P值均远小于0，故面板数据的模型1和模型2都选择固定效应模型进行检验。检验结果如表4所示。

表4 固定效应模型估计结果

从表4可以看出，在模型1和模型2中，模型的相关系数均通过了1%显著性水平检验。在模型1中，研发投入Rdi和财务风险Risk之间具有线性关系，且Rdi系数是正值，表示研发投入的增加会降低财务风险。在模型2中，研发投入一次项系数是正值，二次项系数为负值，且都通过1%的显著性检验，说明研发投入Rdi与财务风险Risk之间存在非线性关系，且呈现倒 “U”型关系。

3.3 门限回归模型检验

为进一步分析战略性新兴产业企业的研发投入与财务风险之间的非线性关系，建立以融资结构为门限变量，以研发投入为核心解释变量，以财务风险为被解释变量的门限模型并对其进行实证检验。

（1）门限效应的显著性检验。采用LR统计量临界值比较法来对战略性新兴产业企业研发投入与财务风险之间存在融资结构门限效应进行检验。从检验结果（表略）可知，单一门限和双重门限的F值皆通过1%的显著性水平检验，而三重门限没有通过显著性水平检验，表明战略性新兴产业企业的研发投入对其财务风险的影响存在融资结构的双重门限效应。

（2）门限值的真实性检验。选择模型的残差平方和最小时的门限值，并估计门限值的置信区间。由门限估计结果（表略）可知，以融资结构为门限变量时，单一门限值为0.0021，双重门限值为0.1049。

为对门限值的真实性进行检验，进一步采用似然比估计，并绘制门限值检验的LR图形（图略），曲线落入虚线即参考线以下，表明存在门限值，即门限估计值通过无偏性检验。曲线最低点对应的横坐标即为门限值的数值。

（3）双重门限模型的回归检验。为进一步分析不同融资结构水平下战略性新兴产业企业的研发投入对其财务风险影响的门限特征，对双重门限模型进行回归检验，检验结果详见表5。

表5 门限回归模型系数估计的结果

由表5可知，当融资结构Fins值低于第一门限值0.0021时，Rdi系数为70.3834且通过1%显著性水平检验，说明研发投入增大会显著降低财务风险；当融资结构Fins值介于第一门限值0.0021和第二门限值0.1049区间时，Rdi系数为22.3467且通过1%显著性水平检验，说明增加研发投入同样会显著降低财务风险；当融资结构Fins值大于0.1049时，Rdi系数为-9.1065且通过5%的显著性水平检验，说明财务风险会随着研发投入增加而显著增大。总体来说，在融资结构Fins值低于第二门限值0.1049时，研发投入的增加能显著降低财务风险，但降低效应会随着融资结构水平提高而显著减弱，一旦融资结构水平突破第二门限值，财务风险会随着研发投入的增加而显著上升。

3.4 稳健性检验

考虑到模型的内生性问题，本文采用变量替换法和滞后1期法对战略性新兴产业企业研发投入对财务风险的融资结构门限效应进行稳健性检验。

（1）替换变量检验

本文用研发投入占总资产比重来替换研发投入占营业收入比重，以此来检验估计结果的稳健性。门限效应检验结果如表6所示，门限值估计和置信区间估计结果如表7所示。

表6 Rdi指标变换后模型的门限效应检验结果

表7 Rdi指标变换后模型门限值估计结果

由表6可知，研发投入Rdi指标经替换变量后，单一门限F值通过1%显著性水平检验，双重门限F值通过5%显著性水平检验，说明战略性新兴产业企业的研发投入对其财务风险依然存在双重门限效应。

由表7可知，单一门限估计值为0.0021，双重门限估计值为0.0555。通过构造门限值检验LR图对两个门限估计值的真实性进行检验。

由研发投入指标变换后门限盾检验LR图（略）可知，双重门限模型第1个门限值与第2个门限值的LR图像均与图中虚线即参考线有交点，所以两门限值真实性通过了显著性水平检验。

研发投入Rdi指标变换后的融资结构双重门限回归模型检验结果，参见表8。由表8可知，当融资结构Fins值低于第一门限值0.0021时，研发投入与财务风险显著负相关；当融资结构Fins值处于第一门限值0.0021和第二门限值0.0555区间时，研发投入与财务风险也显著负相关，但研发投入Rdi对财务风险Risk的降低效应随着融资结构Fins值的增大而显著减弱。当融资结构Fins值大于0.0555时，研发投入与财务风险显著正相关。

表8 研发投入指标变换后的门限回归模型系数估计结果

（2）研发投入滞后1期检验

考虑到研发投入对财务风险的影响具有滞后性，故选择研发投入滞后1期作为核心解释变量，建立门限回归模型并进行检验，可知F值皆通过1%的显著性水平检验，研发投入滞后1期对财务风险依然存在融资结构双重门限效应。单一门限估计值为0.0025，双重门限估计值为0.1187。

现构造门限值检验LR图，对两个门限估计值真实性进行检验（图略），双重门限模型第1个门限值与第2个门限值的LR图像均与参考线即图中虚线有交点，所以两个门限值真实性通过了显著性水平检验。

研发投入滞后1期的融资结构双重门限回归模型检验结果，参见表9。

表9 研发投入滞后1期的门限回归模型系数结果

由表9可知，当融资结构Fins值低于0.0025时，研发投入滞后1期与财务风险显著负相关；当融资结构Fins值处于0.0025～0.1187区间时，研发投入滞后1期与财务风险也显著负相关，但研发投入滞后1期对财务风险的降低效应随着融资结构水平上升而显著减弱；当融资结构Fins值大于0.1187时，研发投入滞后1期与财务风险显著正相关。

4 异质性检验

4.1 分行业门限回归检验

为分析战略性新兴产业不同行业企业的研发投入对财务风险影响的差异性，现对战略性新兴产业中的节能环保（C1）、新一代信息技术（C2）、高端装备制造业（C3）、新能源汽车（C4）、新能源（C5）、 新材料（C6）、 生物产业（C7）等行业分别构建门限模型。分行业的门限效应检验如表10所示，门限值估计和置信区间估计结果表略。

表10 分行业的门限效应检验

从表10可知，在战略性新兴产业七大行业中，研发投入与财务风险之间均存在融资结构门限效应。其中节能环保（C1）、高端装备制造业（C3）、 新材料（C6）、 生物产业（C7）四大行业企业的研发投入与财务风险之间存在融资结构双重门限效应；而新一代信息技术（C2）、新能源汽车（C4）、新能源（C5）三大行业企业的研发投入与财务风险之间存在融资结构单一门限效应。

各行业的门限值及其置信区间估计值，并且门限值的真实性都通过了显著性水平检验。

为分析各行业企业研发投入对其财务风险影响的融资结构门限特征，构建各行业企业的门限回归模型并进行检验。检验结果见表11。

表11 分行业门限回归模型系数估计的结果

从表11可知，当融资结构Fins值小于第一门限值时，节能环保行业（C1）、新一代信息技术（C2）、 高端装备制造业（C3）、 新能源汽车（C4）、新能源（C5）、 新材料（C6）和生物产业（C7）七大行业企业的研发投入对其财务风险的影响，都通过了1%显著性水平检验，且Rdi系数皆为正值，说明战略性新兴产业七大行业企业的研发投入增加都能显著改善其财务状况，但各行业的财务改善效应存在显著差异。当融资结构Fins值介于第一门限值和第二门限值之间时，仅新一代信息技术（C2）、 高端装备制造业（C3）和新材料（C6）3个行业通过了显著性水平（10%或1%）检验，且Rdi系数皆为正值，说明这3个行业企业的研发投入增加能显著改善其财务状况，但3个行业企业的财务改善效应存在明显差异。其中，高端装备制造业（C3）行业企业的研发投入增加能显著改善其财务状况，并且与前一阶段相比，具有显著递增特征；而新一代信息技术（C2）和新材料（C6）行业企业的研发投入增加能显著改善其财务状况，但与前一阶段相比，具有显著递减特征。当融资结构Fins值大于第二门限值时，仅节能环保（C1）和生物产业（C7）通过了1%显著性水平检验，且研发投入系数皆为负值。说明此时这两个行业企业的研发投入增加会显著增加其财务风险，其中生物产业（C7）更加显著。

4.2 分地区门限回归检验

为进一步分析位于不同地区的战略性新兴产业企业研发投入对其财务风险影响的融资结构门限效应的异质性特征，按东、中、西的地理位置对战略性新兴产业企业进行分类，其中东部企业395家，中部企业100家，西部企业55家。分别建立门限模型并进行门限效应检验，检验结果如表12所示，门限值估计结果表略。

表12 分地区的门限效应检验结果

续 表

由表12可知，东部地区和中部地区样本企业研发投入对其财务风险的影响，通过了双重门限效应的显著性水平检验，而西部地区样本企业仅通过单一门限效应显著性水平检验。由表18可知，东部地区，单一门限值为0.0020，双重门限值为0.1037；中部地区，单一门限值为0.0011，双重门限值为0.0822；西部地区，单一门限值为0.0015。3个地区门限值真实性都通过显著性水平检验。

为了进一步检验分地区企业的研发投入对其财务风险影响的融资结构门限效应特征，构建了相应的门限回归模型并进行了检验。检验结果见表13。

表13 分地区的门限回归模型系数估计结果

由表13可知，当融资结构Fins值小于第一门限值时，东、中和西部地区样本企业的研发投入对其财务风险的影响都通过了1%显著性水平检验，且Rdi系数皆为正值。说明研发投入的增加能非常显著改善企业的财务状况，并且呈现由东到中到西显著递增的特征。当融资结构Fins值介于第一门限值与第二门限值区间时，仅东部地区样本企业通过1%显著性水平检验，Rdi系数为正值。表明研发投入的增加能显著改善企业的财务状况，但较前一阶段，呈显著递减特征。当融资结构Fins值大于第二门限值时，东部和中部地区样本企业都通过了1%显著性水平检验且Rdi系数为负值，说明研发投入增加会显著增加其财务风险，但中部地区尤为显著。

5 结论和建议

5.1 结论

本文基于2012～2020年面板数据对战略性新兴产业企业研发投入对其财务风险的影响进行了实证检验。固定效应模型检验发现，研发投入与财务风险之间存在非线性关系。门限效应模型检验发现，研发投入对财务风险存在融资结构双重门限效应。当融资结构水平低于第一门限值和介于两个门限值之间时，研发投入和财务风险显著负相关，即研发投入增加会显著降低财务风险，但其降低效应随着融资结构水平上升而显著递减。当融资结构水平大于第二门限值时，研发投入和财务风险显著正相关，即研发投入增加会显著增加其财务风险。稳定性检验表明，双门限回归模型检验的结论依然成立。

在异质性检验中发现，从分行业角度看，节能环保、高端装备制造业、新材料、生物产业四大行业企业研发投入对其财务风险存在融资结构的双重门限效应；而新一代信息技术、新能源汽车、新能源三大行业企业研发投入对其财务风险存在融资结构的单一门限效应。在不同融资结构水平下，不同行业企业研发投入增加对其财务风险的影响也有显著性差异。从分地区角度看，东部地区和中部地区样本企业的研发投入对其财务风险的影响存在融资结构双重门限效应，而西部地区样本企业的研发投入对其财务风险的影响仅存在融资结构单一门限效应。在不同融资结构水平下，不同地区样本企业研发投入增加对其财务风险的影响存在显著异质性特征。

5.2 建议

为控制好战略性新兴产业企业的财务风险，基于以上研究结论，提出以下建议：（1）控制好融资结构水平。对战略性新兴产业企业来说，研发投入对其健康发展至关重要，但研发投入对其财务风险会产生影响。一般来说，只要融资结构水平不超过第二门限值，研发投入的增加非但不会恶化其财务状况，相反还能显著改善其财务状况。但是一旦融资结构水平越过第二门限值，研发投入的增加就会显著恶化其财务状况；（2）区别对待不同行业企业的融资结构水平。对研发投入与财务风险之间存在融资结构双重门限效应的行业，如节能环保、高端装备制造业、新材料、生物产业，只要其融资结构水平控制在第二门限值以内；对研发投入与财务风险之间存在融资结构单一门限效应的行业，如新一代信息技术、新能源汽车、新能源行业，只要其融资结构水平控制在第一门限值以内，研发投入的增加都能够显著改善企业财务状况；（3）区别对待不同地区企业的融资结构水平。对东部地区的战略性新兴产业企业来说，只要融资结构水平控制在第二门限值以内，研发投入的增加不会带来财务风险，相反还会显著改善企业财务状况。但对中部地区和西部地区的战略性新兴产业企业来说，融资结构水平必须控制在第一门限值以内，否则，研发投入的增加就会给企业带来显著的财务风险； （4）国家在完善股权融资制度同时，应重视以市场化为导向来完善债权融资体系（包括加强企业债券市场建设），拓宽战略性新兴产业企业债权融资渠道，以便其更好平衡研发投入的融资结构，以降低其财务风险，实现战略性新兴产业企业高质量发展。