葉 莉 王亞麗 孟祥生

一、引 言

確立企業(yè)科研主體地位、引導創(chuàng)新要素企業(yè)聚集，是我國“十二五”科學技術發(fā)展規(guī)劃的重要內(nèi)容，亦是修補當前創(chuàng)新“短板”所面臨的艱巨任務?？萍夹椭行∑髽I(yè)以全國65%,的專利發(fā)明量、75%,的企業(yè)技術創(chuàng)新以及80%,以上的新產(chǎn)品開發(fā)占比(張靖霞，2012)，為推動技術升級做出突出貢獻，是科技創(chuàng)新當之無愧的“中流砥柱”。作為創(chuàng)新養(yǎng)料的直接“供應商”，我國科技金融對中小科企的資金供給并非盡如人意，現(xiàn)行科技金融的完善升級可謂迫在眉睫。究竟如何有針對性的引流創(chuàng)新活動資金供給，優(yōu)化科技資源配置效率，不同資金來源的創(chuàng)新效用探討就顯得尤為重要，相異融資渠道的科技支持效能無疑是首要議題。

就現(xiàn)有研究來講，西方國家“科技”與“金融”本具有相當?shù)默F(xiàn)實嵌合度，故理論上“科技金融”的獨立完整范疇并未形成，相關討論亦多集中于一國宏觀金融對創(chuàng)新產(chǎn)出的作用效果。Saint-Paul(1992)通過多假設模型討論，發(fā)現(xiàn)市場化金融可通過風險分散緩解資金主體“惜貸”與科研高風險之間固有矛盾，促成高創(chuàng)新度科研項目實施，繼而推動技術進步。King 和Levine(1993)將Frank Knight(1951)的模型予以拓展，深入探討了完善金融市場對技術創(chuàng)新的積極影響，并進一步將其作用途徑具化為以下四種：最優(yōu)創(chuàng)新項目的自發(fā)選擇、科技研發(fā)的資金輸送、項目風險的轉(zhuǎn)移分散以及創(chuàng)新潛在收益的系統(tǒng)揭示?；诮鹑谑袌龌町?，Tadesse(2002)將銀行主導型金融中加入市場主導型，通過對比分析發(fā)現(xiàn)金融部門發(fā)展程度對金融科技效率的決定作用——國家金融機構職能完善時，市場主導型金融對科技創(chuàng)新有絕對優(yōu)勢，反之銀行主導型金融更有裨益。依照相似思路，Atanassov 等(2005)借助1974—2000 年美國上市公司數(shù)據(jù)，采用實證方法得出市場主導型金融對高創(chuàng)新度科技研發(fā)優(yōu)勢顯著，而銀行主導型金融對低新穎度創(chuàng)新支持效果略勝一籌的論斷。Benfratello 等(2008)則通過對意大利眾多企業(yè)實證考察得到對立主張，強調(diào)一國銀行發(fā)展程度對企業(yè)創(chuàng)新進程的巨大影響，并指出尤其對依賴外部融資的科技型中小企業(yè)而言，銀行業(yè)發(fā)展將削弱企業(yè)對固定投資現(xiàn)金流支出的敏感度，繼而提升企業(yè)創(chuàng)新活動積極性，促進科技產(chǎn)出。

相較國外研究多集中金融視角，國內(nèi)學者則多立足宏觀層面，對科技金融做一整體探討。自1993 年我國頒布的《中華人民共和國科學技術進步法》首次提出“科技金融”一詞以來，普遍認為趙昌文等(2009)首次對其理論意義予以界定：科技金融是指促進科技開發(fā)、成果轉(zhuǎn)化和高新技術產(chǎn)業(yè)發(fā)展的一系列金融工具、金融制度、金融政策與金融服務的系統(tǒng)性、創(chuàng)新性安排，是由向科學與技術創(chuàng)新活動提供融資源的政府、企業(yè)、市場、社會中介機構等各種主體及其在科技創(chuàng)新融資過程中的行為活動共同組成的一個體系，是國家科技創(chuàng)新體系和金融體系的重要組成部分。此后，我國學者大多將研究聚焦于科技金融的產(chǎn)業(yè)層面，形成了比較豐富的研究文獻。段世德和徐璇(2011)將科技金融看作促進科技創(chuàng)新和推動成果產(chǎn)業(yè)化的重要力量，系統(tǒng)闡述了將同質(zhì)金融資源與異質(zhì)科技創(chuàng)新相結合，以推動我國戰(zhàn)略性新興產(chǎn)業(yè)快速發(fā)展的方向方法，并突出強調(diào)了其中科技金融舉足輕重的作用。同樣立足高新技術產(chǎn)業(yè)，趙稚薇(2012)將科技金融按資金來源劃分為三類：政策性科技投入、市場性科技貸款與創(chuàng)業(yè)風險投資，采用數(shù)據(jù)包絡法對其創(chuàng)新支持效果進行了實證考察，并得出以下結論：政策性科技投入對技術創(chuàng)新的作用效率顯著為正，金融科技貸款具有推動作用但并非顯著，創(chuàng)業(yè)風險投資則表現(xiàn)為強烈的抑制作用。借助相似思路，崔艷娟和趙霞(2013)將科技金融替代指標簡化為政策性資助與市場性貸款兩類，在生產(chǎn)函數(shù)模型基礎上對其科技支持效率予以檢驗，印證了“政策性科技金融有助于技術創(chuàng)新，金融性貸款波動不利于科技發(fā)展”的論斷，為科技金融體系的完善升級提供思路。

從既有研究成果來看，國外學者通常關注宏觀金融的科技效率差異，國內(nèi)學者則更多立足中觀產(chǎn)業(yè)，以資金創(chuàng)新支持效能為探討核心。鑒于此，本文立足科技型中小企業(yè)，一方面將“政策性基金資助”納入Atanassov 等(2005)上市企業(yè)融資模型中，將其改進為適用我國中小科企的三方三階段博弈模型，從而在“政府-企業(yè)-銀行”三方框架下，實現(xiàn)對企業(yè)科技創(chuàng)新中各方資金主體相互作用機制及不同融資方式創(chuàng)新支持差異的理論探討；另一方面，針對模型所得結果，同時借助靜態(tài)、動態(tài)面板數(shù)據(jù)模型對已得結論進行實證檢驗，繼而完成理論論斷統(tǒng)計層面的現(xiàn)實支持。

二、基本模型設定及相關命題演進

（一）模型設定

考慮我國主要科技金融渠道：創(chuàng)新基金、股權資金、債券資金與銀行貸款，按創(chuàng)新項目決策權的實際歸屬將其劃分三類——政策性融資、自主型融資與被動型融資。政策性融資指代創(chuàng)新基金資助，國家相關部門的資金決策將直接決定創(chuàng)新項目實施與否；被動型融資以銀行借款為主，銀行對項目的全程監(jiān)控及其資金的分期供給，均將削弱企業(yè)自身決策力度，致其陷入被動從屬境地；自主型融資包括股票與債券籌資方式，二者實際投資者數(shù)量眾多且相對分散，為企業(yè)掌控項目決策營造良好條件。由此涉及創(chuàng)新活動三方行為主體：政府部門、銀行機構和科技型中小企業(yè)，假定均呈風險中性。創(chuàng)新活動存在 t= 0,1,2三個關鍵時點：t =0 時企業(yè)面臨創(chuàng)新項目投資決策，且所需款項I0必須全部外部籌集；此時企業(yè)存在已有投資活動，t = 2時將產(chǎn)生確定資金流入 Y2。1. 自主型融資主導下的創(chuàng)新項目

此處雖視企業(yè)為一整體，稱股權、債券融資為“自主型”，其內(nèi)部決策目標卻迥然相異。作為股東權益的忠實代表，董事會B 以投資者利益最大化為行為準則——若某資金結構未來可使企業(yè)整體價值得到提升，相應融資方式將予以采納；經(jīng)理人M 則完全置股東收益于腦后，以最大限度放大個人私利為決策目標，諸如移用企業(yè)資源、尋求額外津貼等都是常見方式。換言之，企業(yè)管理層存在“委托代理”問題。需要指出的是，經(jīng)理人這種“自利決策”只有在股東無法監(jiān)督時才能實施，至于董事會可監(jiān)管之處，礙于行政級別與職能差異，經(jīng)理人將不得不服從董事會決議。另外，依照Hart 等人(1995)“控制權相機轉(zhuǎn)移”思想①如若還款稍有拖延，經(jīng)理人將失去包括企業(yè)現(xiàn)金流在內(nèi)的全部資產(chǎn)控制權。，此處假定經(jīng)理人并無動機拖欠銀行貸款。

自主決策情況下，項目成功率為1μ。若項目失敗，企業(yè)期末收益為0；若成功，則t= 2時項目價值上升為，其中 vl＜ vh，故 t= 0時項目期望價值為：

2. 政策性融資主導下的創(chuàng)新項目

政策性資金不單是企業(yè)強大的資金后盾，其附加的信息服務與專業(yè)培訓，甚至隨之而來的正向輿論效應，均使創(chuàng)新項目成功率 μ2陡然提升( μ2＞ μ1)。假定企業(yè)申請國家創(chuàng)新基金資助成功率為δ，與項目創(chuàng)新程度正向相關 δ′( n) ＞ 0，其中 n∈ [ 0, 1]為科技項目“新穎度”，新穎度n 越高，企業(yè)獲得國家基金支持可能性越大。由此可得到創(chuàng)新基金支持下，企業(yè) t= 0時項目期望價值(此處創(chuàng)新基金資助方式為無償，且款項金額恰為項目所需)：

3. 被動型融資主導下的創(chuàng)新項目

采取被動型融資的科技企業(yè)，銀行已相當程度上介入創(chuàng)新進程。出于風險規(guī)避固有屬性，銀行機構 t= 0時只提供期限為“1”的“短期”借款，并按照 t= 1時項目成功率的新生信號對貸款活動再次決策：若新息①即t=1 時與企業(yè)項目發(fā)展情況相關的新生信息，稱其為“新息”。顯示項目 t= 2時會順利完成，則該信號為正向信號( s+)，概率為 φ ＜ 1，即項目成功) = φ，反之銀行捕獲信號為負( s-)。不難發(fā)現(xiàn)，雖然正向信號預示著項目將會成功，負向信號的產(chǎn)生卻不僅僅源于項目失敗的可能性，銀行對項目未來走向的判斷失誤亦可能引起相同效果，故φ 可理解為銀行對“潛力”項目的正確識別率。按照Scherer(1984)觀點②銀行機構對科研項目成功率的正確判斷，很大程度上正比于對科技創(chuàng)新的熟悉度：銀行在處理相似科研項目時，新息判斷相對可靠，而對頗具開創(chuàng)性的“根本性創(chuàng)新”，其信息處理準確性將有所降低。，此處假定 (n) 0 φ′ ＜ 。若t= 1時新息不利，企業(yè)將面臨項目中斷風險，屆時相關資產(chǎn)將被折價清算，剩余價值為。其中，資本回收率β 取決于項目創(chuàng)新度n，依據(jù)Titman 與Wessels(1988)“產(chǎn)品獨特性”理論③對于某種獨特性強、創(chuàng)新度高的“產(chǎn)品”來講，其相關資產(chǎn)的其他用途亦非常有限，即新穎度對創(chuàng)新項目資產(chǎn)清算有負向影響。，有 β′ (n) ＜ 0。需要指出的是，t = 1時新息只有銀行機構可以獲取，個體投資者規(guī)模較小且能力有限，缺乏有效渠道；此外，貸款利率、銀行監(jiān)管及信息收集成本均忽略不記。因此，被動型融資主導下，企業(yè) t=0 時項目的預期價值為：

其中，表達式前一項是銀行收到正向信號(s+)時的期望收益，后一項是負向信號(s-)出現(xiàn)時項目中途清算可得收益。

綜上，企業(yè)創(chuàng)新項目的融資選擇及實施過程可由圖1 表示。

圖1 創(chuàng)新項目的融資選擇與資金運作

（二）模型均衡與結論假說

1.“委托-代理”與債務融資

談到企業(yè)自主決策，其內(nèi)部“委托-代理”問題無疑需首要剖析。依照前文假定，項目終止日 t= 2時，若最終現(xiàn)金流流入及成本花費較難準確衡量，則為經(jīng)理人M 挪用θ ＞ 0部分現(xiàn)金流私用提供可能，“委托-代理”問題隨即出現(xiàn)。因此，經(jīng)理人為增大期末現(xiàn)金總流入，總有實施項目的決策傾向。與此同時，經(jīng)理人毫無拖延銀行貸款動機，意味著銀行貸款風險利率為0 的情況下，企業(yè)貸款越多，期末經(jīng)理人可轉(zhuǎn)移現(xiàn)金流越少。故若企業(yè)在 t= 2時總現(xiàn)金流入為，無銀行貸款條件下，經(jīng)理人轉(zhuǎn)移使用后，投資者實際占有數(shù)目為；而若企業(yè)有銀行債務，股東與債權人總期望資產(chǎn)可達：

顯而易見，償還銀行貸款削減了經(jīng)理人可挪用資金量，故于董事會而言，最優(yōu)融資決策即與銀行機構“統(tǒng)一戰(zhàn)線”，將企業(yè)負債最大化，最大限度遏制委托代理問題。

2. 企業(yè)創(chuàng)新與最優(yōu)融資方式

在決策主體利益分歧與行為牽制得以闡明的基礎上，本部分以企業(yè)固有的逐利屬性將其創(chuàng)新活動與融資方式巧妙聯(lián)系，得到與創(chuàng)新價值最大化所對應的最優(yōu)融資方式。

(a)(b)命題的內(nèi)在邏輯并不繁復——當項目創(chuàng)新度較低時，銀行信息質(zhì)量與項目資金回收率相對較高，故采取被動型融資，將項目決策權交由銀行可謂最佳選擇；當項目創(chuàng)新度不斷提高，銀行信息質(zhì)量與項目終止資產(chǎn)回收率均會相應下降，銀行決策則失去優(yōu)勢。此外，與自主型融資相比，企業(yè)對政策性融資的唯一顧慮是項目初始否決風險，而隨項目創(chuàng)新度逐步上升，直至達到甚至超過國家創(chuàng)新基金批準標準時，該風險則得以有效抑制，此時政策性融資將以其無償優(yōu)勢為企業(yè)帶來最大福祉。由此可見，隨著科技活動創(chuàng)新度提高，自主型與政策性融資將保證更優(yōu)創(chuàng)新產(chǎn)出。

3. 引入證券市場準入費用與創(chuàng)新基金申請成本假設

上述分析忽略了證券市場準入費用與創(chuàng)新基金申請成本，作為創(chuàng)新產(chǎn)出量m 的引入橋梁，現(xiàn)將兩者納入分析框架。一方面，若考慮市場準入成本，對首次發(fā)行證券企業(yè)而言，機構評估等前期費用將帶來一筆很大的固定支出，故通常意義上講，尋求證券融資的企業(yè)在未來仍會繼續(xù)經(jīng)由資本市場籌集資金。因此，假定市場準入費用為F，企業(yè)未來預期證券融資m 次(即企業(yè)創(chuàng)新活動預期數(shù))，每次融資費用記為 f ( m)，且f ′( m) ＜ 0；另一方面，科技型企業(yè)在首次申請國家創(chuàng)新基金時，相關資料(企業(yè)營業(yè)執(zhí)照、國稅地稅登記證及公司章程等)的在線注冊及書面郵寄同樣耗費企業(yè)相當時間與財力，此固定花費不容忽視。故此處假定基金申報成本為E，且企業(yè)有意繼續(xù)申請政府資助，預計次數(shù)與企業(yè)未來預期創(chuàng)新數(shù)m 一致。因此，企業(yè)單次基金申請成本可表示為 e( m)，且 e′ ( m) ＜ 0。

基于上述假定，企業(yè)采取政策性融資、自主型融資時，創(chuàng)新項目 t=0 時的期望價值分別變換為公式(5)：和公式(6)：。此處要求與成立。將這兩種融資方式分別與被動型融資比較，即可判斷考慮固定籌資成本后，政策性融資、自主型融資相較被動型融資的創(chuàng)新效率優(yōu)劣。

從成本收益角度考慮，預期創(chuàng)新數(shù)(即未來融資次數(shù))增加會稀釋單次籌資成本，繼而使自主型、政策性融資創(chuàng)新價值相對提升。

4. t =0 時的最優(yōu)資產(chǎn)結構選擇

基于企業(yè)融資選擇，可對其資金結構做進一步討論。限于篇幅，此處直接給出命題2①詳細證明可通過掃描本文二維碼，到本刊官網(wǎng)“附錄”中查看。：董事會在t =0 時將以如下原則確定企業(yè)資產(chǎn)結構：

簡言之，(a)部分表述了被動型融資主導下，銀行機構如何通過資金借貸控制創(chuàng)新進程，繼而實現(xiàn)創(chuàng)新項目期望價值最大化的情形。其核心在于，無論 t=1 時項目相關新息是正是負，銀行均可借助貸款量掌控創(chuàng)新活動進一步走向——既保證在消極新息產(chǎn)生時收回已有借款，又確保在積極新息出現(xiàn)時項目順利進行。(b)部分充分體現(xiàn)了董事會最大限度借助債券融資，以削弱經(jīng)理人對企業(yè)現(xiàn)金流獨裁控制的利益分歧現(xiàn)象。(c)部分則對政府資助提升企業(yè)價值，進而加大股票發(fā)行籌碼的狀況予以描述。

命題3 以命題2 為基礎，后者闡釋了不同融資方式下相異資產(chǎn)結構的形成機理：相較自主型融資，銀行機構將項目終止的潛在價值予以考慮，故企業(yè)在 t=0 時所獲銀行貸款數(shù)大于債券融資額；也正是考慮到創(chuàng)新項目中途清算的可能性，銀行控制下的股票融資較企業(yè)自行決策時數(shù)量較少。因此銀行主導項目決策時將導致較低的權益負債比。政策性融資則潛在增加了企業(yè)創(chuàng)新項目價值，權益負債比隨之增大。再結合自主型、政策性融資的創(chuàng)新優(yōu)勢特點，不難得到企業(yè)權益負債比隨創(chuàng)新項目新穎度與創(chuàng)新期望數(shù)增加而提升的結論，即命題3。

至此，基于效用最大化原則，立足創(chuàng)新結果對關鍵科技金融方式創(chuàng)新效果的理論探討已基本完成。從融資構成角度出發(fā)不難發(fā)現(xiàn)，相對于被動型融資，自主型、政策性融資對應更多數(shù)量、更高質(zhì)量的科技產(chǎn)出，尤其政策性資金與高新穎度創(chuàng)新成果表現(xiàn)出極強的契合度。鑒于此，本文從科技創(chuàng)新的二維屬性出發(fā)，分別基于“數(shù)量”和“質(zhì)量”兩層面對自主型、政策性融資于科技創(chuàng)新的正向關系進行驗證。具體實證中，本文沿用Atanassov 等人(2005)研究方法，統(tǒng)一以創(chuàng)新產(chǎn)出作為因變量，一方面便于同時檢驗各關鍵融資變量與創(chuàng)新成果的內(nèi)在關系，另一方面亦使各主要融資工具的科技創(chuàng)新效果得以考察。然而不能否認的是，這很可能引致不容忽視的內(nèi)生性問題，對此本文將在實證模型的選擇運用中予以有效修正。依據(jù)前文結論，本文作出如下實證假設：

假設1：其他條件一定時，獲得政府創(chuàng)新基金支持、采取較多自主型融資的科技型中小企業(yè)，所對應的創(chuàng)新產(chǎn)出數(shù)量更多。

假設2：其他條件一定時，獲得政府創(chuàng)新基金支持、采取較多自主型融資的科技型中小企業(yè)，所對應的科技成果更具創(chuàng)新價值。

三、實證模型設計與相關數(shù)據(jù)獲取

（一）計量方法與變量選擇

基于前文假定，本文基本模型設定如下：

其中，因變量反映企業(yè)創(chuàng)新能力，依據(jù)科技產(chǎn)出“數(shù)量”與“質(zhì)量”的二維屬性，此處分別用企業(yè)年專利申請授權數(shù) Pait(Shyama，2002；Guan，2005)及其年專利被引數(shù) C Pait(Trajtenberg，1990；Albert，1991))具體衡量。Fit表示自主型、政策性融資工具變量序列，鑒于前文假定，主要包括普通股、企業(yè)債融資額(自主型)與創(chuàng)新基金資助情況描述變量(政策性)，以企業(yè)股權價值比、債券價值比(Atanassov，2005)以及是否獲得政策資金的二值指示變量 GFit分別替代。具體說來，E、P 各自指代企業(yè)股票及發(fā)行債券的賬面金額，A 表示企業(yè)資產(chǎn)總值；對于虛擬變量 GFit，企業(yè)獲得政府資金支持時取值為1，反之取0。Zit是外生控制變量向量，遵循Hall 等(2001)的研究思路，此處引入企業(yè)科研投入RD 和產(chǎn)品銷售額S，并分別以其自然對數(shù)ln( RD )it、ln( S )it作為企業(yè)規(guī)?？刂谱兞?。此外，本文亦將企業(yè)年齡(Age)、經(jīng)營現(xiàn)金流、利潤總額、留存收益及有形資產(chǎn)價值()等其他控制指標納入模型，以消除由企業(yè)自身差異引致的創(chuàng)新產(chǎn)出分化。其中，R、Cash 與T 分別代表企業(yè)留存收益、經(jīng)營現(xiàn)金及有形資產(chǎn)賬面價值。另外，δt表示時間非觀測效應，反映除 Fit外其他隨時間變化因素對企業(yè)創(chuàng)新產(chǎn)出的影響，ηi表示地區(qū)非觀測效應，用以描述企業(yè)研發(fā)能力的地域差異。

進一步考慮因變量數(shù)據(jù)特點不難發(fā)現(xiàn)，企業(yè)年專利數(shù)及其后續(xù)被引量均屬計數(shù)型，故使用線性回歸模型會引致計量偏誤，因此本文借鑒Hausman 等(1984)的研究思路，引入泊松模型對自主型、政策性金融工具創(chuàng)新推動效果進行驗證，具體形式表述如式(8)：

根據(jù)泊松分布特點，有：

換言之，樣本方差與其均值一致是該分布成立前提。事實上，由于不確定性等非觀測效應存在，樣本條件方差往往遠超過其條件均值，表現(xiàn)為過度離散。此時泊松假定不再成立，負二項回歸模型成為其最合適的替代模型，具體形式為：

可以看到，當過度分布附屬參數(shù)θ 為零時，二項分布則退化為泊松分布。

一般而言，運用固定效應法雖能一定程度上去除靜態(tài)面板模型中的個體異質(zhì)性，但產(chǎn)生于聯(lián)立性、遺漏變量與測量誤差的內(nèi)生性問題卻仍舊存在。因此，本文引入動態(tài)面板數(shù)據(jù)模型，對內(nèi)生性問題予以緩解。回歸模型進一步修正為：

（二）樣本選取與數(shù)據(jù)來源

有鑒于模型設定與變量選擇，本文數(shù)據(jù)主要涉及我國科技型中小企業(yè)的專利申請數(shù)量及其后續(xù)被引次數(shù)、企業(yè)普通股與債券融資數(shù)額以及創(chuàng)新項目政府基金資助情況，同時囊括企業(yè)自身屬性相關描述，諸如企業(yè)年齡、科研投入、經(jīng)營現(xiàn)金流、留存收益以及有形資產(chǎn)價值等指標均不可或缺。參照《科學技術部、財政部關于科技型中小企業(yè)技術創(chuàng)新基金的暫行規(guī)定》(1999)、《中小企業(yè)標準暫行規(guī)定》(2003)中科技型中小企業(yè)相關界定②科技型中小企業(yè)為：主要從事高新技術產(chǎn)品研制、開發(fā)、生產(chǎn)和服務業(yè)務，企業(yè)負責人具有較強創(chuàng)新意識、較高市場開拓能力及經(jīng)營管理水平，通過創(chuàng)新產(chǎn)品生存并成長起來的創(chuàng)新型中小企業(yè)。企業(yè)職工中具有大專以上學歷的科技人員占職工總數(shù)比例應不低于30%，企業(yè)每年用于高新技術產(chǎn)品研究的開發(fā)經(jīng)費當不低于銷售額的3%，直接從事研究開發(fā)的科技人員亦應達到職工總數(shù)的10%以上。，本文遴選我國深圳交易所中小板、創(chuàng)業(yè)板上市，基本符合標準的科技型企業(yè)322 家(中小板企業(yè)173 家，創(chuàng)業(yè)板企業(yè)149 家)，同時考慮到企業(yè)年齡因素限制與數(shù)據(jù)資料完整性制約，將研究時間跨度確定為2006—2014 年。數(shù)據(jù)具體來源于《中國知識產(chǎn)權年鑒》、SooPAT 專利搜索網(wǎng)以及和訊網(wǎng)相關企業(yè)年度報告。

四、實證檢驗與結果分析

（一）描述性分析

表1 簡要列出了關鍵變量的描述性統(tǒng)計結果及其相關系數(shù)。其中，Panel A 反映了樣本期獲得專利企業(yè)與未獲專利企業(yè)的屬性差異，其均值差別在5%,,水平下表現(xiàn)顯著?？梢钥吹?，就資產(chǎn)結構來講，無論普通股的資產(chǎn)占比，亦或公司債的價值份額，專利企業(yè)均呈較大數(shù)額，表現(xiàn)為更高的“自主型”籌資量，其政府基金資助額亦以年均419.2 萬元的差值高于無專利企業(yè)。前理論假設已得到統(tǒng)計結果初步支持。除此之外，有創(chuàng)新成果企業(yè)往往具有更大規(guī)模，正如表1 所示，諸如有形資產(chǎn)、銷售收入等企業(yè)規(guī)模屬性變量，專利企業(yè)均無一例外處于更高水平，顯示出科技創(chuàng)新能力與企業(yè)物質(zhì)設施及市場經(jīng)驗的正向關系。值得一提的是，科技產(chǎn)出最為直接的影響因子——科研投入，在兩類企業(yè)間表現(xiàn)出最大程度差異：專利企業(yè)創(chuàng)新投入較非專利企業(yè)三倍有余，這不僅與科研資金強力創(chuàng)新支持作用的主流觀點(Demirel 等，2001；何慶豐等，2009)一致，亦符合投入產(chǎn)出正相關的經(jīng)濟直覺與預期。

Panel B 基于樣本期專利企業(yè)，以專利年均被引數(shù)(中位數(shù)4)對觀測值進一步劃分，相關結果與Panel A 如出一轍?？傮w而言，相對低專利引用企業(yè)，被引數(shù)高于均值水平的企業(yè)通常表現(xiàn)為更大的企業(yè)規(guī)模與更高的創(chuàng)新投入，其融資結構中自主型、政策性的資金占比亦明顯高于前者，同樣與先前假設不謀而合，此處不再詳述。Panel C 報告了關鍵解釋變量的相關性檢驗結果。從各相關系數(shù)可以看出，本文自變量間并不存在多重共線性，模型設定相對合理。細察各融資工具變量，一方面，企業(yè)股票融資與債券融資的相關系數(shù)很小且為負(-0.029)，反映出自主型融資方式內(nèi)部的輕微替代性；另一方面，政策性資金與自主型資金關系卻相對復雜：系數(shù)0.033、-0.028 分別顯示出政府資金支持與企業(yè)股票融資間細微的促進效應，及其與企業(yè)債券融資間微弱的抑制作用。對此，可能的解釋是，創(chuàng)新基金獲批可理解為政府對科研項目的一種肯定，由此引致的正向社會輿論效應將無形中衍化成企業(yè)股票的利好信息，繼而推動股價上行，企業(yè)股票籌資額隨之增加，債券融資額相對下滑。加之企業(yè)既已在股票市場獲得充盈資金，其債券發(fā)行絕對量亦將減少，進而企業(yè)債券融資占比進一步走低?？傊颂巸H初步顯示了描述性統(tǒng)計結果，下文將以專利產(chǎn)出作為關注焦點，就融資特點與創(chuàng)新成果的對應關系進行驗證，并在此基礎上進一步考察融資工具的創(chuàng)新支持效果，即科技金融效率。

表1 樣本的統(tǒng)計描述與變量的相關系數(shù)Panel A：基于專利數(shù)差異的企業(yè)屬性

Panel B：基于專利被引數(shù)差異的企業(yè)屬性

Panel C：主要變量相關系數(shù)

（二）回歸分析

1. 專利數(shù)量回歸結果

表2 前三列給出科技金融專利產(chǎn)出數(shù)的靜態(tài)面板數(shù)據(jù)模型(對應式(5)、式(6)與式(8))回歸結果①對式(5)對應的隨機效應模型進行Hausman 檢驗，檢驗結果接受固定效應模型，故此處未提供隨機效應相關結果。。可以看到，線性回歸、泊松回歸及負二項回歸模型中，政策性融資與自主型融資變量系數(shù)均顯著為正，對科技產(chǎn)出數(shù)的正向關系得到初步印證。事實上，各系數(shù)值進一步反映了融資工具的創(chuàng)新推動效果。以列(3)為例②專利數(shù)描述性統(tǒng)計結果顯示：均值為12.018，標準差為31.976，將近前者三倍，故此處負二項分布模型較泊松分布模型更為合適。，普通股、企業(yè)債資產(chǎn)占比每增加10%，將分別引致專利產(chǎn)量提升2.16%與3.09%，政府資助企業(yè)專利產(chǎn)出數(shù)亦超過其他企業(yè)40.5%。其他兩列經(jīng)濟解釋基本類同。

如前所述，受內(nèi)生性問題影響，上述結果極可能有偏且非一致，故表2 后五列引入專利數(shù)一階滯后項，運用動態(tài)面板數(shù)據(jù)模型(式(9))對原假設進一步考察。不難發(fā)現(xiàn)，各列滯后項系數(shù)始終顯著為正，揭示出創(chuàng)新活動的連續(xù)性與積累性，亦側(cè)面印證了動態(tài)模型設定的必要性。列(4)針對關鍵融資變量回歸，其系數(shù)無一不正向顯著，政策性、自主型融資于專利產(chǎn)出的積極效應不言自明。為檢驗結果穩(wěn)健性，現(xiàn)將控制變量納入模型，回歸結果于表2 后四列呈現(xiàn)。顯然，無論單一融資工具，亦或融資工具組合，其回歸系數(shù)均為正且表現(xiàn)顯著，一方面印證了與創(chuàng)新產(chǎn)出的正向關系，另一方面亦衡量了科技金融的創(chuàng)新效果。正如列(8)所示，企業(yè)普通股系數(shù)在5%,,水平下顯著為正，表明股票籌資占比每擴張1 單位，即期專利數(shù)相應提升0.118，長期增長量將至0.263(0.118/(1-0.552))；同理可得債券融資對專利產(chǎn)出的長期效應為0.310(0.139/(1-

0.552))；此外，較未獲政府支持企業(yè)，受資助企業(yè)長期專利產(chǎn)量將超過前者0.417(0.187/(1-0.552))，創(chuàng)新基金的巨大科技效能表現(xiàn)無遺。另外，科研投入、有形資產(chǎn)、銷售收入及息稅前利潤的資產(chǎn)占比均顯著為正，與Caves(1998)、Atanassov(2005)等學者結論基本一致，亦符合通常意義的經(jīng)濟直覺。可以認為，自主型與政策性融資工具與專利產(chǎn)出的正向關系已無可厚非，對科技創(chuàng)新的支持效力亦清晰可見，假設1 得到有力佐證。表2 底部給出了Hansen 檢驗與序列相關性檢驗結果，工具變量選擇的有效性與GMM 估計量的一致性得以驗證。

表2 面板數(shù)據(jù)回歸結果(專利數(shù))

2. 專利引用次數(shù)回歸結果

本部分將企業(yè)專利平均引用數(shù)納入分析框架，用類似方法考察融資方式與創(chuàng)新價值的對應關系，并在此基礎上就其專利質(zhì)量作用效率予以挖掘，相關結果如表3 所示。

表3 面板數(shù)據(jù)回歸結果(專利引用數(shù))

續(xù)表3

根據(jù)表3，引用次數(shù)回歸結果與專利數(shù)量統(tǒng)計結論可謂不謀而合。靜態(tài)面板數(shù)據(jù)模型(列(1)～(3))結果顯示，自主型與政策性融資變量系數(shù)均顯著為正，揭示出普通股、企業(yè)債及創(chuàng)新基金與專利價值的強烈正相關?？紤]變量間內(nèi)生性而將專利引用數(shù)一階滯后項引入模型后，當期專利被引數(shù)受前期被引數(shù)影響顯著，顯然創(chuàng)新產(chǎn)出質(zhì)量亦是一連續(xù)調(diào)整過程。類似專利數(shù)分析思路，列(4)～(8)分別對應僅有關鍵融資變量、囊括單一融資工具及融資工具組合的動態(tài)面板數(shù)據(jù)模型。就自主型、政策性融資變量表現(xiàn)顯著的正向系數(shù)來看，其專利價值的促進作用已不言而喻——仍以列(8)具體分析：普通股、企業(yè)債及創(chuàng)新基金對專利引用量的短期效應可由系數(shù)直接得到，分別為0.136、0.161 與0.238，依照前文述及方法亦可算得三者的長期效應：0.284、0.336 及0.497。值得注意的是，相對表2，表3 中各融資變量系數(shù)均不約而同的表現(xiàn)為更大數(shù)值，反映出關鍵資金渠道與創(chuàng)新質(zhì)量間更為緊密的相關關系。以創(chuàng)新基金為例，后者長期作用超過前者8 個百分點，暗示著政策性資金對提升專利被引數(shù)的更大貢獻度。類似規(guī)律在普通股及企業(yè)債融資工具上同樣清晰可見。究其原因，確切觀點尚未形成，而專利被引數(shù)本就建立在專利成果數(shù)之上，繼而產(chǎn)生一定“疊加效應”不失為一種可能解釋?？傊瑢＠脭?shù)經(jīng)驗結果顯示，普通股、企業(yè)債及政府基金均與專利被引量顯著正相關，昭示著自主型、政策性融資方式對提升專利價值的巨大推動作用，本文預測2 得以印證。

五、主要結論

作為創(chuàng)新活動的主要實踐者，科技型中小企業(yè)可謂當之無愧的“創(chuàng)新生力軍”。隨著其“科技馬達”帶動力的日趨強勁，企業(yè)視角的科技金融效率研究必將引起國內(nèi)外學者的廣泛關注。本文立足我國科技型中小企業(yè)，分別基于“政府-企業(yè)-銀行”三方三階段博弈模型與靜、動態(tài)面板數(shù)據(jù)模型，以科技金融方式與創(chuàng)新產(chǎn)出的關系論證為跳板，從理論和實證兩個層面對企業(yè)主要融資工具的相異科技產(chǎn)出效率進行探討，對其關鍵融資渠道的創(chuàng)新支持效能差異予以揭示。具體結論如下：

首先，相較被動型融資，自主型、政策性融資的創(chuàng)新價值優(yōu)勢與企業(yè)期望創(chuàng)新數(shù)成正比，即企業(yè)創(chuàng)新產(chǎn)出預期數(shù)愈多，被動型融資主導的科研項目總價值愈受局限，自主型、政策性融資創(chuàng)造更高創(chuàng)新價值的可能性愈大。換言之，唯有自主型、政策性融資才能實現(xiàn)高創(chuàng)新產(chǎn)出企業(yè)的價值最大化，因而對應于更高數(shù)量的創(chuàng)新產(chǎn)出。事實上，融資方式的高產(chǎn)亦是創(chuàng)新實際決策權的高效，由此，“企業(yè)自主決策、政府輔助支持”的科研模式無疑大有裨益。針對銀行資金的決策干預，可通過金融工具創(chuàng)新，于“被動型”貸款工具中逐步引入“自主型”因素，適度放松銀行機構對科技項目的監(jiān)督控制，實現(xiàn)創(chuàng)新決策從“被動”向“主動”的積極轉(zhuǎn)變。

其次，相較被動型融資，自主型、政策性融資的創(chuàng)新價值優(yōu)勢與創(chuàng)新成果價值含量成正比，即企業(yè)科技產(chǎn)出新穎度越高，被動型融資引致的科研項目總價值越有限，自主型、政策性融資越有可能帶來更高的創(chuàng)新價值。從融資構成角度講，即相對銀行借貸，普通股、企業(yè)債及創(chuàng)新基金對應更高質(zhì)量的科技產(chǎn)出。究其根源，科技項目新穎度愈欠缺，銀行機構相關信息掌控就愈準確，被動型融資所發(fā)揮的創(chuàng)新支持作用愈重要；隨著項目新穎度逐步提升，銀行機構新息辨別力愈漸下滑，自主型、政策性融資工具的高支持效能則愈發(fā)顯現(xiàn)，尤其當其新穎度達到某一水平時，政策性融資的創(chuàng)新推動效力將表現(xiàn)出絕對優(yōu)勢。這一方面揭示出政府基金對高創(chuàng)新度項目的強大助力，強調(diào)了適度加大政策性科研投入的必要性；另一方面亦反映出銀行機構信息判斷“短板”對高新科技產(chǎn)出的相對阻滯作用，為我國金融部門信息系統(tǒng)的強化升級敲響警鐘。

最后，立足企業(yè)融資結構，被動型、自主型及政策性融資方式的權益?zhèn)鶆毡?股票價值/債務價值)依次增大。驅(qū)使于逐利性本質(zhì)屬性，隨創(chuàng)新成果數(shù)量、質(zhì)量提升，銀行貸款將逐步退出融資范圍，企業(yè)權益?zhèn)鶆毡认鄳噬?。換個角度講，高權益融資占比對應大數(shù)量、高質(zhì)量的創(chuàng)新產(chǎn)出，股票融資的科技支持效率可見一斑。由此可為我國金融市場的進一步優(yōu)化提供思路：就增強創(chuàng)新推動力、提升自主研發(fā)水平而言，合理降低資本市場準入門檻、確?？萍计髽I(yè)普通股順利發(fā)行，不僅滿足了企業(yè)權益?zhèn)鶆毡鹊南鄳嵘?，亦為其最大限度享有?chuàng)新決策權提供了條件，可謂“一石二鳥，一箭雙雕”。

［1］ 崔艷娟，趙 霞. 科技金融與中小高新技術企業(yè)發(fā)展的實證分析[J]. 經(jīng)濟與管理，2013(10)：82-85.

［2］ 柴國俊. 地方政府為何熱衷拆遷？——基于動態(tài)面板數(shù)據(jù)的實證研究[J]. 中國軟科學，2014(12)：27-37.

［3］ 段世德，徐 璇. 科技金融支撐戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展研究[J]. 科技進步與對策，2011(14)：66-69.

［4］ 何慶豐，陳 武，王學軍. 直接人力資本投入、R&D 投入與創(chuàng)新績效的關系——基于我國科技活動面板數(shù)據(jù)的實證研究[J]. 技術經(jīng)濟，2009(4)：1-9.

［5］ 張靖霞. 科技創(chuàng)新型中小企業(yè)成長的政策性金融支持機理分析及體系構建[J]. 改革與戰(zhàn)略，2012(7)：129-131.

［6］ 趙昌文，陳春發(fā)，唐英凱. 科技金融 [M]. 北京：科學出版社，2009.

［7］ 趙稚薇. 科技金融對技術創(chuàng)新的作用效率研究[J]. 金融經(jīng)濟，2012(20)：67-69.

［8］ Arellano，Manuel，Stephen Bond. Some Tests of Specification for Panel Data：Monte Carlo Evidence and an Application to Employment Equations [J]. Review of Economic Studies，1991，58(2)：227-97.

［9］ Atanassov Julian，Nanda Vikram，Amit Seru. Finance and Innovation：The Case of Publicly Traded Firms [R]. Ross School of Business Working Paper，2005，No. 970.

［10］ Benfratello Luigi，F(xiàn)abio Schiantarelli，Alessandro Sembenelli. Banks and Innovation：Microeconometric Evidence on Italian Firms [J]. Journal of Financial Economics，2008，90(2)：197-217.

［11］ Blundell，Richard，Stephen Bond. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models [J]. Journal of Econometrics，1998，87(1)：115-43.

［12］ Caves Richard E. Industrial Organization and New Findings on the Turnover and Mobility of Firms[J]. Journal of Economic Literature，1998，36：1947-82.

［13］ Guan Jiancheng，Liu Shunzhong. Comparing Regional Innovative Capacities of PR China-Based on Date Analysis of the National Patents [J]. International Journal of Technology Management，2005，32(3)：225-45.

［14］ Hall Bronwyn H.，Jaffe Adam，Manuel Trajtenberg. Market Value and Patent Citations [J].RAND Journal of Economics，2005，36：16-38.

［15］ Hall Bronwyn H.，Ziedonis Rosemarie. The Determinants of Patenting in the U. S. Semiconductor Industry，1980—1994[J]. RAND Journal of Economics，2001，32：101-28.

［16］ Hart O. D. Firm，Contracts and Financial Structure [M]. Oxford：Oxford University Press，1995.

［17］ Hausman Jerry，Bronwyn H. Hall，Zvi Griliches. Econometric Models for Count Data with an Application to the Patents-R&D Relationship [J]. Econometrica，1984，52(4)：909-38.

［18］ King Robert G.，Ross Levine. Finance，Entrepreneurship，and Growth：Theory and Evidence[J]. Journal of Monetary Economics，1993，32：513-42.

［19］ Albert，M. B. D. Avery，F(xiàn). Narin，P. McAllister. Direct Validation of Citation Counts as Indicators of Industrially Important Patents [J]. Research Policy，1991，20：251-59.

［20］ Pelin Demirel，Mariana Mazzucato. Does Market Selection Reward Innovatiors?[J]. The Open University，2001，7：1-26.

［21］ Saint-Paul Gilles. Technological Choice，F(xiàn)inancial Markets and Economic Development [J].European Economic Review，1992，36：763-81.

［22］ Scherer K R，Paul Ekman. Approaches to Emotion [M]. Hillsdale，N. J：Lawrence Erlbaum，1984.

［23］ Shyama V. Ramani，Marie-Angele De Looze. Using Patent Statistics as Knowledge Base Indicatiors in the Biotechnology Sectors：An Application to France，Germany and U. K [J]. Scientometrics，2002，54(3)：319-46.

［24］ Tadesse Solomon. Financial Architecture and Economic Performance：International Evidence [J].Journal of Financial Intermediation，2002，11：429-54.

［25］ Titman Sheridan，Roberto Wessels. The Determinants of Capital Structure Choice [J]. Journal of Finance，1988，43：1-19.

［26］ Trajtenberg Manuel. A Penny For Your Quotes：Patent Citations and the Value of Information [J].RAND Journal of Economics，1990，21：325-42.