李樹斌，何 云，郭明晶

（1.武漢東湖學(xué)院 管理學(xué)院，武漢 430212；2.中南財經(jīng)政法大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，武漢 430073；3.中國地質(zhì)大學(xué)（武漢） 經(jīng)濟(jì)管理學(xué)院，武漢 430074）

0 引言

2015年，中國GDP跌破7%的增長速度大關(guān)，中國經(jīng)濟(jì)正經(jīng)歷著經(jīng)濟(jì)增長的“新常態(tài)”，經(jīng)濟(jì)增長呈現(xiàn)明顯的下行趨勢。在這種經(jīng)濟(jì)增長背景下，國家主席習(xí)近平在2015年11月10日的中共財經(jīng)領(lǐng)導(dǎo)小組第十一次會議上第一次提出了“供給側(cè)改革”，明確指出“在適度擴(kuò)大總需求的同時，著力加強(qiáng)供給側(cè)的結(jié)構(gòu)性改革，著力提高供給體系的質(zhì)量和效率，增強(qiáng)經(jīng)濟(jì)持續(xù)增長動力”[1]，從而推動我國經(jīng)濟(jì)發(fā)展模式從“要素驅(qū)動型”向“創(chuàng)新驅(qū)動型”轉(zhuǎn)變。

企業(yè)創(chuàng)新是國家創(chuàng)新的主體。企業(yè)研發(fā)活動具有風(fēng)險高、投入周期長、資金消耗量大、信息不對稱等特性，使得企業(yè)研發(fā)活動相比企業(yè)其他活動更容易陷入融資困境。研究發(fā)現(xiàn)，若企業(yè)加強(qiáng)信息質(zhì)量的披露，企業(yè)進(jìn)行研發(fā)活動的融資約束問題也會得到緩解[2]。因此，本文以融資約束為銜接點(diǎn)，分析企業(yè)信息披露質(zhì)量、融資約束與企業(yè)R&D投入的關(guān)系，對促進(jìn)企業(yè)自愿提高信息披露質(zhì)量，解決企業(yè)融資約束問題，促進(jìn)企業(yè)R&D投入具有重要的理論和現(xiàn)實(shí)意義。

1 研究方法

1.1 模型設(shè)定

目前大多數(shù)研究都沒有考慮到企業(yè)研發(fā)投入存在一定的“慣性”，而且是個連續(xù)的過程，企業(yè)R&D投資不僅受到當(dāng)期各種因素的影響，而且受到前期自身研發(fā)投入水平的影響。因此，本文在模型中把滯后一期企業(yè)R&D投資作為自變量之一。此外，本文認(rèn)為滯后一期的信息披露質(zhì)量情況以及企業(yè)當(dāng)期的融資約束情況對企業(yè)研發(fā)投入更可能產(chǎn)生一定影響。因此，本文采用滯后一期的信息披露變量和當(dāng)期的融資約束變量作為解釋變量。

研究企業(yè)信息披露質(zhì)量對企業(yè)研發(fā)投入的影響，模型的設(shè)定如式（1）所示：

對式（1）分別采用OLS估計、固定效應(yīng)模型估計和系統(tǒng)GMM估計可以得到模型（1-1）、模型（1-2）和模型（1-3）估計結(jié)果。

研究企業(yè)融資約束對企業(yè)研發(fā)投入的影響，模型的設(shè)定如式（2）所示：

同樣，對式（2）分別采用OLS估計、固定效應(yīng)模型估計和系統(tǒng)GMM估計可以得到模型（2-1）、模型（2-2）和模型（2-3）估計結(jié)果。

在同時考慮了企業(yè)信息披露質(zhì)量、企業(yè)融資約束對企業(yè)研發(fā)投入的影響后，模型設(shè)定如式（3）所示：

對式（3）采用系統(tǒng)GMM估計可以得到模型（3）估計結(jié)果。

企業(yè)信息披露質(zhì)量對企業(yè)的融資約束可能存在一定的影響，并且認(rèn)為企業(yè)融資約束情況可能也存在一定的慣性，設(shè)定式（4）進(jìn)行驗(yàn)證：

同樣，對式（4）采用OLS估計、固定效應(yīng)模型估計和系統(tǒng)GMM估計可以得到模型（4-1）、模型（4-2）和模型（4-3）估計結(jié)果

式（1）至式（4）中i、t分別表示第i個樣本企業(yè)第t時期的表現(xiàn)，β0為常數(shù)項(xiàng)，βi為待估參數(shù)，ε為殘差項(xiàng)。

1.2 估計方法

本文建立的是動態(tài)面板數(shù)據(jù)模型，即在設(shè)定的模型中引入了滯后一期的企業(yè)R&D投資以及融資約束項(xiàng)作為解釋變量，這樣導(dǎo)致了模型存在內(nèi)生性問題。如果仍舊采用傳統(tǒng)的參數(shù)估計方法，將導(dǎo)致估計結(jié)果發(fā)生很大偏差，并且無法根據(jù)參數(shù)進(jìn)行統(tǒng)計推斷[3]。

本文主要采用 Blundell和 Bond（1998）[4]提出的系統(tǒng)GMM估計方法，它是將差分GMM估計和水平GMM估計進(jìn)行結(jié)合，將水平方程和差分方程作為一個系統(tǒng)進(jìn)行GMM估計的一種估計方法，其優(yōu)點(diǎn)是即使存在內(nèi)生變量的情況下，工具變量也能使系數(shù)得到一致估計量[5]。Bond（2002）[6]研究發(fā)現(xiàn)混合OLS估計值存在著向上偏誤的滯后項(xiàng)系數(shù)，而固定效應(yīng)估計值存在著向下偏誤的滯后項(xiàng)系數(shù)。因此對于系統(tǒng)GMM估計有效性的判別，本文參照Bond（2002）[6]提出的甄別方法，即如果系統(tǒng)GMM的估計值處于混合OLS估計值和固定效應(yīng)估計值之間，就可以認(rèn)為系統(tǒng)GMM估計值是有效的。但是對于系統(tǒng)GMM估計存在模型設(shè)定和工具變量選擇是否有效的問題，需要判斷模型殘差的序列相關(guān)性和工具變量是否過渡識別，可以通過自相關(guān)檢驗(yàn)和Sargan檢驗(yàn)進(jìn)行判別[7]。

2 變量選取和數(shù)據(jù)說明

2.1 變量選取

對于企業(yè)研發(fā)投入的衡量，本文采用研發(fā)費(fèi)用與企業(yè)總資產(chǎn)之比衡量企業(yè)研發(fā)投入[8]。對于信息披露質(zhì)量，本文采用權(quán)威機(jī)構(gòu)對上市公司信息披露質(zhì)量的考核結(jié)果作為度量上市公司的信息披露質(zhì)量的指標(biāo)。計算融資約束的代表性方法有Lamont等（2001）[9]提出的融資約束KZ指數(shù)、Whited和Wu（2006）[10]提出的融資約束WW指數(shù)、Hadlock和Pierce（2010）[11]提出的融資約束SA指數(shù)。本文采用不受內(nèi)生性干擾的SA指數(shù)對企業(yè)的融資約束進(jìn)行測度，SA指數(shù)計算公式①由于無法得到企業(yè)的財務(wù)報表，根據(jù)Hadlock和Pierce（2010）[11]利用有序Probit模型計算得到得SA指數(shù)計算公式，本文直接將該公式運(yùn)用到不同樣本容量的樣本中。如下：

通過式（5），可以計算出每個企業(yè)觀測年度內(nèi)的SA指數(shù)大小，SA指數(shù)絕對值越大，企業(yè)融資約速程度越低。因此，本文將SA指數(shù)取絕對值作為融資約束的代理變量。此外，為了控制其他因素可能對研究問題造成的影響，本文選擇了企業(yè)規(guī)模、盈利水平、產(chǎn)權(quán)性質(zhì)等作為控制變量。變量具體說明如表1所示。

表1 變量選取及說明

2.2 數(shù)據(jù)來源

本文選取2011—2015年深圳證券交易所中小板上市公司為研究初始樣本，為保證數(shù)據(jù)的有效性，避免異常樣本對研究結(jié)論造成的影響，按以下原則對初始樣本進(jìn)行篩選：（1）剔除金融保險上市公司；（2）剔除被ST、ST*的上市公司；（3）剔除2011—2015年上市的公司；（4）剔除信息披露不祥和數(shù)據(jù)不全的上市公司。經(jīng)過篩選，最終得到529家樣本公司，2645條有效數(shù)據(jù)。本文的相關(guān)財務(wù)數(shù)據(jù)來自WIND數(shù)據(jù)庫和CSMAR數(shù)據(jù)庫，信息披露質(zhì)量的考核評級數(shù)據(jù)來自于深圳證券交易所網(wǎng)站。

2.3 描述性分析

為了更加直觀地反映2011—2015年不同信息披露質(zhì)量的中小企業(yè)融資約束和企業(yè)研發(fā)投入情況，本文對2011—2015年不同信息披露質(zhì)量考評等級的融資約束和企業(yè)研發(fā)投入進(jìn)行描述性統(tǒng)計分析，如表2所示。

表2 不同信息披露質(zhì)量融資約束、創(chuàng)新強(qiáng)度描述性分析

表2結(jié)果表明，隨著信息披露等級的降低，SA指數(shù)逐漸降低，融資約束程度逐漸變重，企業(yè)研發(fā)投入水平逐漸降低。

3 實(shí)證檢驗(yàn)

3.1 研發(fā)投入作為被解釋變量

以企業(yè)研發(fā)投入作為被解釋變量，采用混合OLS模型、固定效應(yīng)模型和動態(tài)面板系統(tǒng)GMM模型研究信息披露質(zhì)量、融資約束對企業(yè)研發(fā)投入的影響，計量模型的估計結(jié)果如表3所示。

表3 研發(fā)強(qiáng)度模型估計結(jié)果

表3結(jié)果表明，系統(tǒng)GMM估計是有效的，并且AR（1）和AR（2）檢驗(yàn)以及sargan檢驗(yàn)結(jié)果表明殘差滿足二階不相關(guān)和工具變量選擇合理。同時，研發(fā)強(qiáng)度Rd的滯后項(xiàng)通過了1%顯著性水平的原假設(shè)，表明企業(yè)的研發(fā)投入行為存在動態(tài)連續(xù)性。

模型（1-3）中，Quality的滯后項(xiàng)在5%顯著性水平下正向顯著，表明信息披露質(zhì)量的提高能顯著促進(jìn)企業(yè)后期的研發(fā)投入。模型（2-3）中，F(xiàn)CI在10%的顯著性水平下與研發(fā)投入顯著正相關(guān)，表明融資約束越弱，企業(yè)的研發(fā)強(qiáng)度越強(qiáng)。模型（3）同時考慮企業(yè)信息披露質(zhì)量、融資約束。模型結(jié)果顯示，信息披露滯后項(xiàng)回歸系數(shù)正向不顯著，但是融資約束回歸系數(shù)正向顯著，表明融資約束確實(shí)對企業(yè)研發(fā)投入具有抑制作用。對于控制變量，模型結(jié)果表明較大規(guī)模、盈利能力低、資產(chǎn)負(fù)債率高、上市時間短的中小企業(yè)研發(fā)強(qiáng)度更可能偏低。

3.2 融資約束作為被解釋變量

以融資約束作為被解釋變量，研究信息披露質(zhì)量對企業(yè)融資約束的影響。模型結(jié)果如表4所示。

表4結(jié)果表明系統(tǒng)GMM估計有效并且企業(yè)的融資約束在時間上存在一定動態(tài)連續(xù)性。信息披露質(zhì)量滯后項(xiàng)在系統(tǒng)GMM模型中通過了1%顯著性水平檢驗(yàn)，并且回歸系數(shù)為正，表明信息披露質(zhì)量對后期的融資約束具有顯著的緩解作用。對于控制變量，企業(yè)規(guī)模大、盈利能力高、上市時間短的中小企業(yè)相對于企業(yè)規(guī)模小、盈利能力差、上市時間長的中小企業(yè)的融資約束更可能弱些。

表4 融資約束模型回歸結(jié)果

3.3 中介效應(yīng)檢驗(yàn)

根據(jù)前文的分析，信息披露質(zhì)量的提高、融資約束的降低都有助于增強(qiáng)企業(yè)的研發(fā)投入水平，并且信息質(zhì)量的提高也有助于降低企業(yè)的融資約束，信息披露是否可以通過降低企業(yè)的融資約束進(jìn)而促進(jìn)企業(yè)研發(fā)強(qiáng)度的提高，即融資約束是否關(guān)于信息披露質(zhì)量對企業(yè)研發(fā)強(qiáng)度的影響具有中介作用？對此，本文借鑒溫忠麟等（2004）[12]提出的中介效應(yīng)檢驗(yàn)程序?qū)θ谫Y約束的中介效應(yīng)進(jìn)行檢驗(yàn)，檢驗(yàn)程序見圖1所示：

圖1 中介效應(yīng)檢驗(yàn)程序

根據(jù)圖1的中介效應(yīng)檢驗(yàn)程序，構(gòu)建中介效應(yīng)檢驗(yàn)?zāi)Ｐ偷玫较禂?shù)c顯著，系數(shù)a顯著，系數(shù)b不顯著，構(gòu)建Sobel檢驗(yàn)統(tǒng)計量：

Sobel檢驗(yàn)的Z統(tǒng)計量對應(yīng)的P=0.0023，根據(jù)Sobel檢驗(yàn)程序，可知融資約束具有顯著的中介效應(yīng)。

4 結(jié)論

本文利用中小板上市公司信息披露相關(guān)數(shù)據(jù)，采用了動態(tài)面板系統(tǒng)GMM模型、中介效應(yīng)檢驗(yàn)等分析方法對我國中小板上市公司的信息披露質(zhì)量、融資約束與企業(yè)研發(fā)投入三者之間的關(guān)系進(jìn)行了研究。研究結(jié)果表明，信息披露質(zhì)量高的中小板上市公司的融資約束程度較低，并且研發(fā)強(qiáng)度也較強(qiáng)；在控制內(nèi)生性問題后，信息披露質(zhì)量、融資約束均對企業(yè)研發(fā)強(qiáng)度具有顯著的正向影響，即信息披露質(zhì)量的提高、融資約束程度的降低有助于提高企業(yè)的研發(fā)強(qiáng)度。進(jìn)一步研究發(fā)現(xiàn)，信息披露質(zhì)量的提高是通過降低企業(yè)的融資約束進(jìn)而促進(jìn)企業(yè)研發(fā)強(qiáng)度的增強(qiáng)，即融資約束關(guān)于信息披露質(zhì)量對企業(yè)研發(fā)強(qiáng)度的影響具有一定的中介作用。

[1]齊傲雪.解讀供給側(cè)改革[J].企業(yè)改革與管理,2016,9（10）.

[2]方勇.信息披露質(zhì)量對研發(fā)投入強(qiáng)度的影響研究[D].合肥：安徽大學(xué),2016.

[3]龍瑩,張世銀.動態(tài)面板數(shù)據(jù)模型的理論和應(yīng)用研究綜述[J].科技與管理,2010,12（2）.

[4]Blundell R,Bond S.Initial Conditions and Moment Restrictions in Dy?namic Panel Data Models[J].Journal of Econometics,1998,87（2）.

[5]李群峰.動態(tài)面板數(shù)據(jù)模型的GMM估計及其應(yīng)用[J].統(tǒng)計與決策,2010,10（16）.

[6]Bond S.Panel Data Estimation.Dynamic Panel Data Models:A Guide to Micro Data Methods and Practice[J].Portuguese Economic,2002,1（3）.

[7]白仲林.面板數(shù)據(jù)的計量經(jīng)濟(jì)分析[M].天津：南開大學(xué)出版社,2008.

[8]尹士.企業(yè)社會責(zé)任信息披露與R&D投資[J].科學(xué)決策,2014,8（6）.

[9]Lamont O,Polk C,Saa-Requejo J.Financial Constraints on and Stock Return[J].Review of Financial Studies,2001,14（2）.

[10]Whited T M,Wu G J.Financial Constraints Risk[J].Review of Finan?cial Studies,2006,19（2）.

[11]Hadlock C J,Pierce J R.New Evidence on Measuring Financial Con?straints:Moving Beyond the KZ Index[J].Review of Financial Stud?ies,2010,23（5）.

[12]溫忠麟,張雷,侯杰泰等.中介效應(yīng)檢驗(yàn)程序及其應(yīng)用[J].心理學(xué)報,2004,36（5）.