王全景 溫 軍

一、引 言

2017年《國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略綱要》明確指出，創(chuàng)新是提高社會生產(chǎn)力和綜合國力的戰(zhàn)略支撐，必須擺在國家發(fā)展全局的核心位置。作為創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的主體，企業(yè)的創(chuàng)新能力受哪些因素影響，如何行之有效地提升其創(chuàng)新水平，已成為政府、企業(yè)和學(xué)術(shù)界高度關(guān)注的問題。在轉(zhuǎn)型經(jīng)濟中，政府這只“看得見的手”在資源配置方面依然具有重要作用。在財政分權(quán)及官員晉升錦標(biāo)賽制度下，地方官員有權(quán)力和動力制定相應(yīng)的政策，對企業(yè)日常經(jīng)營決策進行干預(yù)，以快速提高自己的政績(賈倩等，2013)。作為政治權(quán)力的執(zhí)行者，地方官員的變更打破企業(yè)原有的政治資源(潘越等，2015)，導(dǎo)致政策的不連續(xù)性和不確定性(楊海生等，2015)。根據(jù)實物期權(quán)理論，研發(fā)投資具有不可逆性，政策不確定性提高了企業(yè)研發(fā)投資的等待期權(quán)價值，減少了企業(yè)研發(fā)投入，抑制企業(yè)創(chuàng)新(郝威亞等，2016)。

現(xiàn)有研究多探討地方官員變更對企業(yè)投資的影響，只有部分文獻將其拓展至企業(yè)創(chuàng)新(郭華等，2016；陳德球等，2016)。研發(fā)(R ＆ D)投入是企業(yè)投資的重要組成部分。地方官員變更如何影響企業(yè)創(chuàng)新？傳導(dǎo)機制是什么？不同類型的官員變更影響程度是否一致？官員變更影響企業(yè)創(chuàng)新的作用效果是否會受到市場化程度、企業(yè)性質(zhì)及企業(yè)所處行業(yè)性質(zhì)的影響？厘清這些問題，對改善中國政策環(huán)境及推動企業(yè)創(chuàng)新有著重要意義?；诖?，本文擬利用2005—2015年間中國A股上市公司數(shù)據(jù)，實證分析地方官員變更對企業(yè)創(chuàng)新水平的作用效果，并在此基礎(chǔ)上，進一步考察這種作用效果受哪些因素影響。

與國內(nèi)已有文獻相比，本文可能的貢獻主要體現(xiàn)在以下方面:第一，在梳理相關(guān)文獻的基礎(chǔ)上，構(gòu)建了政策不確定性和地方官員變更影響企業(yè)創(chuàng)新的數(shù)理模型，理論分析了官員變更與企業(yè)創(chuàng)新的關(guān)系；第二，以往相關(guān)文獻多單一研究地方官員變更對企業(yè)創(chuàng)新的影響，本文基于異質(zhì)性視角，探索了不同類型的官員變更對企業(yè)創(chuàng)新影響程度之間的差異；第三，在已有研究的基礎(chǔ)上，本文嘗試探索了地方官員變更影響企業(yè)創(chuàng)新的傳導(dǎo)機制，并驗證了融資約束、創(chuàng)新對業(yè)績貢獻度在地方官員變更影響企業(yè)創(chuàng)新中所起到的中介作用；第四，本文還進一步考察市場化程度、產(chǎn)權(quán)性質(zhì)和管制性行業(yè)如何影響地方官員變更對企業(yè)創(chuàng)新的作用效果。

本文剩余部分安排如下:第二部分為理論分析，包括文獻的梳理、模型的推導(dǎo)和假說的提出；第三部分是研究設(shè)計，包括樣本選擇與數(shù)據(jù)來源、變量選取與定義及計量模型設(shè)定；第四部分是實證檢驗，給出了官員變更與不同類型的官員變更對企業(yè)創(chuàng)新的影響效果，并進行了穩(wěn)健性檢驗；第五部分是進一步研究，探索了地方官員變更影響企業(yè)創(chuàng)新的傳導(dǎo)機制，并進一步考察了其他變量對官員變更影響企業(yè)創(chuàng)新的調(diào)節(jié)作用；第六部分是研究結(jié)論及政策建議。

二、理論分析

（一）文獻述評

政治和經(jīng)濟間的關(guān)系備受學(xué)術(shù)界關(guān)注，政策不確定性已成為研究宏觀層面和微觀層面經(jīng)濟表現(xiàn)的一個重要因素。國外學(xué)者揭示了政策不確定性是引起近年來一些金融危機與經(jīng)濟蕭條現(xiàn)象的重要因素(Goodell和Bodey，2012；Caggiano等，2017)。國內(nèi)研究表明，中國經(jīng)濟波動呈政治周期性循環(huán)(文雁兵，2014)，政府換屆帶來的政策不確定性影響宏觀經(jīng)濟增長(楊海生等，2015；梅冬州等，2014)。在微觀層面，相關(guān)研究一致認(rèn)為政策不確定性對企業(yè)投資存在顯著的抑制作用。從政策敏感性視角出發(fā)，部分研究顯示政策不確定性提高了企業(yè)的投資風(fēng)險，提高了企業(yè)投資的政策管制和稅收成本，降低了投資者信心，企業(yè)家在制定投資決策時更為保守，減少企業(yè)投資(Kalamova等，2012；Kang等，2014)。基于實物期權(quán)理論，根據(jù) Stokey(2016)的研究，政策不確定性提高了企業(yè)投資的等待期權(quán)價值，理性的企業(yè)家會采取等待的決策，等到政策明晰后，再進行投資。Julio和 Yook(2012)研究顯示，政策不確定性顯著減少了企業(yè)家的投資項目，抑制了擴張類型的投資。國內(nèi)研究也揭示了這一現(xiàn)象。曹春方(2013)、韓國高(2014)、李鳳羽和楊墨竹(2015)實證發(fā)現(xiàn)經(jīng)濟政策的變動顯著降低了企業(yè)投資水平。

中國處于轉(zhuǎn)型期，財政分權(quán)改革后，地方“一把手”負(fù)責(zé)制凸顯了市委書記、市長在地方經(jīng)濟發(fā)展中的重要性；錦標(biāo)賽式的晉升機制激勵地方官員為了自己的仕途對轄區(qū)內(nèi)企業(yè)的日常經(jīng)營進行干預(yù)(張洪輝和王宗軍，2010)。地方官員尤其是主政領(lǐng)導(dǎo)對地方經(jīng)濟、政策環(huán)境的影響極為關(guān)鍵，黨政主官的變更對企業(yè)家的具體行為存在顯著影響(楊海生等，2015)。由于年齡、受教育程度、能力、政策偏好等情況存在異質(zhì)性，不同的官員對地區(qū)發(fā)展有著不同的導(dǎo)向。政策導(dǎo)向是企業(yè)決策的重要決定因素(陳國進和王少謙，2016)，官員更替帶來的政策不確定性必然影響企業(yè)行為(賈倩等，2013)。部分學(xué)者將地方官員變更作為衡量政策不確定性的指標(biāo)，考察地方官員變更與企業(yè)投資的關(guān)系。徐業(yè)坤、錢先航和李維安(2013)與羅黨論、廖俊平和王玨(2016)等研究指出，地方官員變更導(dǎo)致政策不確定性，提高了企業(yè)風(fēng)險，抑制了企業(yè)的投資行為。

作為企業(yè)投資的重要組成部分，研發(fā)投資同樣受到政策不確定性的影響，且由于研發(fā)投資的高沉淀成本，這種作用效果會更明顯。已有研究支持這一論斷。根據(jù) Goel和 Ram(2001)、Kalamova等(2012)的研究，在 OECD國家，政策不確定性對 R ＆ D投資的負(fù)向影響大于對非 R ＆ D投資的影響，政策不確定性的提升顯著降低了國家專利申請數(shù)量。Bhattacharya(2015)以國家選舉刻畫政策不確定性，以專利申請數(shù)量衡量創(chuàng)新水平，發(fā)現(xiàn)政府換屆顯著降低了國家創(chuàng)新水平。國內(nèi)相關(guān)研究也證實了這一結(jié)論?；趯嵨锲跈?quán)理論，郝威亞等(2016)、郭華等(2016)發(fā)現(xiàn)政策不確定性降低企業(yè)的創(chuàng)新水平。部分學(xué)者從官員更替的角度出發(fā)，研究政策不確定性對企業(yè)創(chuàng)新的影響。根據(jù)何山和李后建(2014)、黎文飛和唐清泉(2015)的研究，官員頻繁變更誘發(fā)執(zhí)政理念短視，導(dǎo)致政策不確定性提高，從而顯著減少了各類企業(yè)的創(chuàng)新投資。吳曉飛(2015)從省級官員變更探討省委書記、省長變更對于區(qū)域創(chuàng)新的影響，發(fā)現(xiàn)省委書記變更對區(qū)域創(chuàng)新有一定的負(fù)向影響。

（二）理論推導(dǎo)與假說提出

在梳理相關(guān)文獻的基礎(chǔ)上，本文構(gòu)建了一個簡易數(shù)理模型，來分析地方官員變更帶來的政策不確定性如何影響企業(yè)創(chuàng)新。模型設(shè)定如下。

假定在一個為期兩年的模型中，存在兩個周期為 1年的投資項目，分別記為A1和A2；其中A1是基于現(xiàn)有技術(shù)水平上的正常投資項目，A2是突破性技術(shù)創(chuàng)新投資項目。企業(yè)可以在A1和A2間進行選擇。A1和A2兩個項目有成功或者失敗這兩種結(jié)果，成功記為S，獲得收益為R1，失敗了則記為F，獲得收益為R2，顯然，R1＞R2。為簡化計算，作出如下設(shè)定:R1=1，R2=0，貼現(xiàn)率為 0。A1是正常投資項目，成功概率在每年基本固定，假定其成功概率為p(p＞0)。A2是突破性的技術(shù)創(chuàng)新項目，假定其第一年成功概率為q(q＞0)，其第二年的成功概率同第一年的結(jié)果有關(guān)。作出如下合理假定:同時，假定E[q|S]＞p來消除A1嚴(yán)格優(yōu)于A2這種微小事件的影響。為了后續(xù)表達的簡便，我們定義λ和η，使得由上述假定，可以得出，0＜λ＜1，1＜η＜1/p，則有:

如果企業(yè)在兩時期都選擇A1，則其預(yù)期收益為1π:

如果企業(yè)在第一期選擇A2，且如果第一期成功，其在第二期肯定也會投資該項目，如果第一期失敗，會在第二期選擇A1，其預(yù)期價值2π為:

接下來，我們考慮政策不確定性及地方官員變更對該模型的影響。

政策不確定性意味著兩期政策有可能會發(fā)生變化。企業(yè)在第一期作投資項目選擇時，都會預(yù)期下一期政策。我們假設(shè)企業(yè)預(yù)期下一期政策保持不變的概率為，這個概率獨立于企業(yè)投資項目成功或者失敗的概率。企業(yè)基于第一期的政策選擇所投資的項目，如果第二期政策發(fā)生變化，它的投資就會有一個損失。我們用c來代表政策變化所帶來的損失。如果第二期政策發(fā)生變化，企業(yè)會在第二期選擇適合第二期政策的投資項目，即它在第二期會收到假定的收益(R1=1)。

如果企業(yè)在第一期選擇A1，那么其預(yù)期價值為:

整理得:

式(6)的前兩項即式(2)中的1π，剩下部分記為d1。

如果企業(yè)在第一期選擇A2，我們假定當(dāng)?shù)诙谡甙l(fā)生變化時第一期創(chuàng)新對第二期投資行為的價值消失。根據(jù)理性人假設(shè)，企業(yè)在第二期選擇A1的預(yù)期價值為:

整理得:

式(8)的前兩項即式(3)中的2π，剩下部分記為d2。

因為0＜θ＜1，1＜η＜1/p，λ＞0，p＞0，所以 d2-d1＞ 0。

由式(10)可以看出，在式(4)成立的情況下，當(dāng)存在政策不確定性時，A2與A1的收益之差變小，更有可能變成負(fù)數(shù)，政策不確定抑制了創(chuàng)新。

接下來，我們在模型中納入地方官員變更因素。假設(shè)人們預(yù)測官員不發(fā)生改變的概率為b，一般情況下，0＜b＜1，則預(yù)測官員變更的概率為(1-b)。人們預(yù)期更換后的地方官員施行當(dāng)期政策的概率為a，不失一般性地，作出如下合理假定:a＜θ，其中θ為不存在官員變更時人們預(yù)期政策不變的概率?？紤]地方官員變更時，人們正確預(yù)期政策的概率β為:

式(11)中的第一部分為沒有發(fā)生官員變更時政策預(yù)期正確的概率，第二部分為官員變更后政策預(yù)期正確的概率。由于0≤b≤1，a＜θ，整理式(11)，不難發(fā)現(xiàn):

存在官員變更時，企業(yè)選擇正常性投資項目A1，其預(yù)期收益為:

整理得:

式(14)中，前兩項為1π，剩下部分定義為d3。

地方官員變更時，企業(yè)選擇突破性創(chuàng)新項目A2，其預(yù)期收益為:

整理得:

式(16)中，前兩項為2π，剩下部分定義為d4。

由1＜η＜1/p，λ＞0，p＞0及式(12)可得:

則有:

由式(19)可知，面臨官員變更時，企業(yè)正確預(yù)測政策的概率變得更小，A2的收益與A1的收益之差變得比不存在官員變更時的更小，有更大可能變?yōu)樨?fù)數(shù)。因此，官員變更加劇了政策不確定性對企業(yè)技術(shù)創(chuàng)新的抑制作用?；诖耍疚奶岢雒}H1。

H1:地方官員變更抑制了企業(yè)創(chuàng)新行為。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選取 2005—2015年間全部 A股上市企業(yè)為原始樣本，并且按照下述標(biāo)準(zhǔn)進行剔除、篩選:(1)剔除金融行業(yè)上市企業(yè)；(2)剔除樣本期間 ST或*ST的企業(yè)；(3)剔除未披露企業(yè)專利申請數(shù)量、研發(fā)投入等數(shù)據(jù)的樣本。最終得到的非平衡面板數(shù)據(jù)包括 1120家企業(yè)，共包含 7644個觀測樣本。為了消除異常值的影響，對被解釋變量進行了上下 1%的縮尾處理。本文使用的上市公司的財務(wù)數(shù)據(jù)來源于 CCER、CSMAR和Wind數(shù)據(jù)庫。企業(yè)專利申請數(shù)量是手工搜集上市公司每年年報整理而得；地方官員變更數(shù)據(jù)是手工搜集歷年各地級市的市長和市委書記數(shù)據(jù)整理而得。本文將上述數(shù)據(jù)根據(jù)企業(yè)股票代碼、所在城市及年份進行匹配。

（二）變量選取及定義

1.創(chuàng)新指標(biāo)

現(xiàn)有文獻從創(chuàng)新產(chǎn)出及創(chuàng)新投入兩方面研究企業(yè)創(chuàng)新。創(chuàng)新產(chǎn)出主要采用以下指標(biāo):一是企業(yè)的新產(chǎn)品數(shù)量(郝威亞等，2016)；二是專利申請量或授權(quán)量(溫軍和馮根福，2012)。本文借鑒溫軍和馮根福(2012)的做法，選擇專利申請數(shù)表示企業(yè)的創(chuàng)新產(chǎn)出，記為 Patent。創(chuàng)新投入主要采用以下指標(biāo):一是R ＆ D投入占營業(yè)收入或者R ＆ D投入占銷售收入的比重(馮根福和溫軍，2008；Szczygielski等，2017)；二是人均R ＆ D投入量(Wu和 Tu，2007)。本文借鑒馮根福和溫軍(2008)的做法，選擇R ＆ D投入占營業(yè)收入的比重來衡量企業(yè)的創(chuàng)新投入強度，記為Yfb。

2.政策不確定指標(biāo)

地方官員在經(jīng)濟決策的制定和執(zhí)行過程中扮演著重要角色，中國地市級官員變更頻率很高，其變更導(dǎo)致政策不確定性。本文選取地方官員變更作為政策不確定性的度量指標(biāo)，并從市委書記變更、市長變更和兩者任一變更三個方面來考慮。本文借鑒Julio和 Yook(2012)、張軍和高遠(yuǎn)(2007)的處理方法，若變更發(fā)生在上半年，則把當(dāng)年定義為變更年，若變更發(fā)生在下半年，則把下一年定義為變更年。

在黨政主官分工方面，市委書記主要負(fù)責(zé)地方的黨政建設(shè)，市長主要負(fù)責(zé)地區(qū)經(jīng)濟決策和日常事務(wù)。企業(yè)對市長的變動更加敏感，這一結(jié)論也得到了現(xiàn)有文獻的支持(Zheng等，2013)。基于此，本文從以下三個方面刻畫了地方官員變更的類型:(1)新任市長是否異地調(diào)任(External)。借鑒王賢彬和徐現(xiàn)祥(2008)的做法，若新任市長在本地工作不超過一年，則視為異地調(diào)任，External＝1；否則，External＝0。(2)市長和省長、省委書記是否同鄉(xiāng)(Born)。市長和省長或省委書記出生地相同，Born＝1；否則，Born＝0。(3)原市長是否升遷(Promotion)。根據(jù)Li和Zhou(2005)的做法，若原市長的下一個職務(wù)在省級單位以上任職，則認(rèn)為其升遷，Promotion＝1；否則，Promotion＝0。

3.控制變量

(1) 市場特征變量:市場化水平(Market)，這一指數(shù)來源于樊綱、王小魯和朱恒鵬(2011)編寫的《中國市場化指數(shù):各地區(qū)市場化相對進程報告》。這一指標(biāo)分值越高，表示區(qū)域市場化程度越高，企業(yè)所處的制度環(huán)境越好。由于報告中的市場化指數(shù)只到2009年，后續(xù)數(shù)據(jù)是根據(jù)趨勢插值而得。

(2) 行業(yè)特征變量:①為控制行業(yè)差異對企業(yè)創(chuàng)新的影響，本文利用證監(jiān)會的CSRC行業(yè)編碼，采用行業(yè)總資產(chǎn)報酬率(IndROA)、行業(yè)總資產(chǎn)負(fù)債率(IndLEV)來控制行業(yè)的影響。②不同行業(yè)的競爭程度存在顯著差異，產(chǎn)品更新?lián)Q代、技術(shù)升級速度也不盡相同，導(dǎo)致企業(yè)的創(chuàng)新能力存在明顯不同，市場競爭度越高的行業(yè)，創(chuàng)新對企業(yè)的生存及其長期成長有著重要的意義。因此，本文采取市場競爭度HHI來控制不同市場競爭度對企業(yè)的影響。

(3) 企業(yè)特征變量:①企業(yè)規(guī)模。企業(yè)規(guī)模是影響企業(yè)創(chuàng)新的重要因素，本文以公司總資產(chǎn)的對數(shù)度量企業(yè)規(guī)模，記為 Size。②企業(yè)內(nèi)部治理結(jié)構(gòu)。本文采取前十大股東股權(quán)集中度Cr衡量企業(yè)的公司治理水平。③企業(yè)成長性。本文采用托賓Q值及主營業(yè)務(wù)收入增長率衡量企業(yè)的長期成長和短期成長能力，分別記為 TobinQ、GMP。④企業(yè)盈利能力。企業(yè)盈利能力越高，其進行創(chuàng)新的投入也越多。本文采用凈資產(chǎn)收益率衡量企業(yè)的盈利能力，記為 ROE。⑤資本結(jié)構(gòu)。本文用公司的資產(chǎn)負(fù)債率來衡量企業(yè)的資本結(jié)構(gòu)，記為 LEV。⑥償債能力。本文用企業(yè)的流動比率來衡量企業(yè)的償債能力，記為Ldr。⑦企業(yè)性質(zhì)。溫軍(2011)、李春濤和宋敏(2010)發(fā)現(xiàn)企業(yè)的國有或民營性質(zhì)對企業(yè)創(chuàng)新有著顯著影響。本文根據(jù)實際控制人性質(zhì)來判斷企業(yè)的屬性(Nature)。

本文各研究變量的定義如下表1。

表1 變量定義表

續(xù)表1

（三）模型設(shè)定

本文模型設(shè)定包括兩部分:一是企業(yè)專利申請數(shù)對地方官員變更的回歸；二是企業(yè)研發(fā)投入對地方官員變更的回歸。

1.創(chuàng)新產(chǎn)出對地方官員變更的回歸

企業(yè)申請專利的數(shù)據(jù)比較符合泊松分布的假設(shè)，計數(shù)模型對于取非負(fù)整數(shù)值的專利申請數(shù)等變量，具有非常好的擬合效果。本文使用的是面板數(shù)據(jù)，混合計數(shù)模型的效果不如固定效應(yīng)計數(shù)模型(FECM)，且 Hausman檢驗表明固定效應(yīng)模型更為合適。因此，本文采用極大似然法來估計固定效應(yīng)計數(shù)模型，計數(shù)模型形式為:

式(20)表示嚴(yán)格外生假定下 HHG 模型，在給定xit和ci的情況下，被解釋變量yit服從均值為 cim (xit,β0)的泊松分布，即:

假定 ci= exp(αi) ，由于專利申請有一定時滯性，本文的模型如式(22)所設(shè):

上式中，Patent表示企業(yè)專利申請數(shù)量，i代表企業(yè)個體，t代表年份，M表示地方官員變更變量，分別為任一變更(Change)、書記變更(Change1)、市長變更(Change2)、異地市長變更(External)、市長與省級領(lǐng)導(dǎo)同鄉(xiāng)(Born)、前任市長升遷(Promotion)變量。

固定效應(yīng)計數(shù)模型的前提假設(shè)是被解釋變量均等分布，即期望和方差相等。如果存在過度分布，固定效應(yīng)計數(shù)模型的回歸結(jié)果會存在偏差。為避免模型設(shè)定失誤，本文同時考慮采用面板負(fù)二項回歸來對企業(yè)申請專利數(shù)進行回歸。

2.研發(fā)投入對地方官員變更的回歸

在選擇計量方法時，本文作了如下處理:首先，采用冗余固定效應(yīng)檢驗來檢驗數(shù)據(jù)是否存在個體固定效應(yīng)，檢驗結(jié)果表明數(shù)據(jù)存在個體效應(yīng)。接下來，采用豪斯曼檢驗來決定使用固定效應(yīng)還是隨機效應(yīng)，結(jié)果表明，固定效應(yīng)更為合適。因此，本文模型設(shè)定如下:

上式中，Yfb為企業(yè)創(chuàng)新投入變量，M 為地方官員變更變量，分別為任一變更(Change)、書記變更(Change1)、市長變更(Change2)、異地市長變更(External)、市長與省級領(lǐng)導(dǎo)同鄉(xiāng)(Born)、前任市長升遷(Promotion)變量。φ'X表示控制變量與其回歸系數(shù)的乘積，i代表企業(yè)個體，t代表年份，tμ代表時間固定效應(yīng)，iμ代表個體效應(yīng)，itμ為隨機擾動項。

四、實證檢驗

（一）描述性統(tǒng)計

表2為2005—2015年中國各市市長和市委書記變更分布統(tǒng)計表。從表2可以看出，在2005—2015年間，樣本所涉及到的306個城市共發(fā)生了1978次官員變更，其中包含 1152次市委書記變更，1305次市長變更，479次市委書記和市長同時變更。此外，從表2中每一年官員變更的分布情況可以發(fā)現(xiàn)，2008年、2011年和2013年發(fā)生官員變更的城市較多，分別占當(dāng)年的 53.9%、60.1%和 51.3%，這主要是由 2007年和2012年中央政府換屆所致。2005—2015年間，市長異地變更的比例在 20.2%左右，2008年、2011年和2013年更是高達30%，表明在中央政府換屆期間，官員變更涉及的空間更廣；新上任地方官員與省級“一把手”同鄉(xiāng)比例較低，僅占 7.8%。本文關(guān)于地方官員變更的分布統(tǒng)計情況和羅黨論等(2016)的發(fā)現(xiàn)一致。

各研究變量的描述性統(tǒng)計如表3所示。企業(yè)專利申請數(shù) Patent的觀測值僅有3104個，較為有限，均值為 87.22，中位數(shù)為 12，標(biāo)準(zhǔn)差為 442，最小值為 0，最大值為7631，這意味著不同公司的專利申請數(shù)量差異巨大。企業(yè)創(chuàng)新投入強度 Yfb的觀測值為7644個，均值為0.05，中位數(shù)為0.04，標(biāo)準(zhǔn)差為0.06，不同公司創(chuàng)新投入強度之間差距不是很明顯；最小值為0，最大值為1.37，最大值出現(xiàn)在彩虹股份公司，在2014年取得。其他變量見表3，不再一一贅述。

表2 2005—2015年地市官員變更分布統(tǒng)計表

表3 變量描述性統(tǒng)計

（二）地方官員變更對企業(yè)創(chuàng)新水平的作用

1.地方官員變更對創(chuàng)新產(chǎn)出的影響

表4是基于固定效應(yīng)計數(shù)模型，滯后一期的專利申請數(shù)量對地方官員變更變量的回歸結(jié)果?；貧w(一)考察了官員變更對企業(yè)創(chuàng)新的影響，回歸(二)用來分析不同類型的市長變更對企業(yè)創(chuàng)新的影響。

回歸(一)中，被解釋變量均為專利申請數(shù)量 Patent(t＋1)，表示創(chuàng)新產(chǎn)出的一期滯后。解釋變量分別為Change、Change1和Change2。根據(jù)前文設(shè)定的三種官員變更，我們得到了任一變更、市委書記變更和市長變更三組回歸結(jié)果。從回歸結(jié)果可以看出，在控制相關(guān)變量、行業(yè)、年份以及個體變量之后，第(1)列 Change、第(2)列 Change1、第(3)列Change2的回歸系數(shù)在1%的水平上顯著為負(fù)，支持了命題H1，即地方官員變更抑制了當(dāng)?shù)仄髽I(yè)的創(chuàng)新行為。同時比較 Change1、Change2的回歸系數(shù)，可以發(fā)現(xiàn)Change2回歸系數(shù)絕對值大于 Change1回歸系數(shù)絕對值，這是因為在我國，書記主要負(fù)責(zé)地區(qū)的黨政建設(shè)工作，企業(yè)對書記的變更并不如對市長的變更敏感。

回歸(二)中，被解釋變量均為 Patent(t＋1)，表示專利申請量的一期滯后。解釋變量分別為 External、Born、Promotion三個市長變更類型變量，我們得到了異地、同鄉(xiāng)和升遷三組回歸結(jié)果。在控制相關(guān)變量、行業(yè)、年份以及個體變量之后，從第(4)列不難看出，External的系數(shù)為-0.259，在 1%水平上顯著為負(fù)，且絕對值大于 Change2回歸系數(shù)的絕對值，表明當(dāng)新任市長是異地調(diào)任時，地方官員變更對企業(yè)創(chuàng)新的負(fù)向影響更大；在第(5)列中，Born的系數(shù)為-0.096，在 1%的水平上顯著為負(fù)，且絕對值小于Change2回歸系數(shù)的絕對值，表明當(dāng)新任市長和省長或省委書記是同鄉(xiāng)時，官員變更對企業(yè)創(chuàng)新的影響程度較??；Promotion的系數(shù)為-0.108，在 1%的水平上顯著為負(fù)，且絕對值小于 Change2回歸系數(shù)的絕對值，表明當(dāng)原市長升遷時，地方官變更對當(dāng)?shù)仄髽I(yè)創(chuàng)新的負(fù)向影響程度較小。

本文同時采用負(fù)二項回歸對該模型進行回歸，結(jié)果一致①因篇幅原因，未列出相應(yīng)結(jié)果。如有需要，作者可提供負(fù)二項回歸結(jié)果。。

表4 基于固定效應(yīng)計數(shù)模型，滯后一期專利申請數(shù)量的回歸結(jié)果

續(xù)表4

2.地方官員變更對企業(yè)創(chuàng)新投入的影響

表5是基于固定效應(yīng)多元線性回歸模型，企業(yè)創(chuàng)新投入對地方官員變更變量的回歸結(jié)果。回歸(一)考察了官員變更對企業(yè)創(chuàng)新投入的影響；回歸(二)探討了不同類型市長變更對企業(yè)創(chuàng)新投入的影響。

回歸(一)中，被解釋變量均為創(chuàng)新投入強度 Yfb，解釋變量分別為 Change、Change1和 Change2。根據(jù)前文設(shè)定的三種官員變更，我們得到了任一變更、市委書記變更和市長變更三組回歸結(jié)果。從回歸結(jié)果可以看出，在控制相關(guān)變量、行業(yè)、年份以及個體變量之后，第(1)列Change和第(3)列Change2的回歸系數(shù)在5%的水平上顯著為負(fù)，驗證了命題 H1，即地方官員變更抑制了當(dāng)?shù)仄髽I(yè)的創(chuàng)新水平；第(2)列 Change1的回歸系數(shù)雖然為負(fù)，但在10%水平上并不顯著。該回歸結(jié)果也與表4的結(jié)果一致。

回歸(二)中，被解釋變量均為 Yfb，解釋變量分別為 External、Born、Promotion三個市長變更類型變量，我們得到了異地、同鄉(xiāng)和升遷三組回歸結(jié)果。在控制相關(guān)變量、行業(yè)、年份以及個體變量之后，第(4)列中，External的系數(shù)為-0.052，在 5%水平上顯著為負(fù)，且絕對值大于 Change2回歸系數(shù)的絕對值。這表明新任市長是異地調(diào)任時，會在一定程度上加劇地方官員變更對企業(yè)創(chuàng)新的抑制作用。第(5)列的回歸結(jié)果表明，Born的系數(shù)為-0.021，在10%水平上顯著為負(fù)，且絕對值小于Change2回歸系數(shù)的絕對值。這表明，當(dāng)新任市長和省長或省委書記是同鄉(xiāng)時，會在一定程度上減弱地方官員變更對企業(yè)創(chuàng)新的負(fù)向作用。第(6)列的回歸結(jié)果表明，在控制相關(guān)變量、行業(yè)以及年份變量之后，Promotion的系數(shù)為-0.035，在 5%水平上顯著為負(fù)，且絕對值小于Change2回歸系數(shù)的絕對值。這表明，當(dāng)原市長升遷時，地方官變更對當(dāng)?shù)仄髽I(yè)創(chuàng)新的負(fù)向影響程度較小。

表5 地方官員變更與企業(yè)創(chuàng)新投入強度的回歸結(jié)果

續(xù)表5

（三）穩(wěn)健性檢驗

在前文的回歸模型設(shè)定中，解釋變量為地方官員變更，屬于政策層面的宏觀變量，而被解釋變量則為企業(yè)層面的研發(fā)投入和專利申請，屬于微觀變量。企業(yè)的創(chuàng)新行為并不能對地方官員變更產(chǎn)生顯著影響，故本文的穩(wěn)健性檢驗不涉及內(nèi)生性檢驗。本文考慮以下方法對回歸結(jié)果進行穩(wěn)健性檢驗:首先，借鑒王賢彬和徐現(xiàn)祥(2008)以及徐業(yè)坤等(2013)的做法，更改官員變更的度量方法，不考慮官員變更的具體月份，只要當(dāng)年發(fā)生官員變更，則把當(dāng)年記為變更年。對前述模型進行重新回歸，回歸結(jié)果見表6和表7，與前文表4和表5結(jié)果基本一致。

表6 官員變更衡量方法改變后，滯后一期的專利申請數(shù)量對地方官員變更的回歸結(jié)果

續(xù)表6

表7 官員變更衡量方法改變后，創(chuàng)新投入強度對地方官員變更的回歸結(jié)果

續(xù)表7

其次，鑒于公司專利申請數(shù)量0值較多，是截斷數(shù)據(jù)，為避免固定效應(yīng)計數(shù)模型所導(dǎo)致的回歸誤差，本文進一步改變計量方法，采用面板 Tobit模型進行回歸，左截斷點設(shè)為 0；為保證回歸結(jié)果的可靠性，在面板Tobit模型中引入專利申請數(shù)量的滯后兩期和滯后三期變量，作為被解釋變量①感謝匿名審稿人提出的建設(shè)性意見，限于篇幅，文中沒有匯報在面板 Tobit模型下不同類型官員變更對企業(yè)創(chuàng)新的作用效果。?；貧w結(jié)果見表8，其回歸結(jié)果同樣支持了前述結(jié)論。

表8 基于面板Tobit模型，滯后兩期和滯后三期專利申請數(shù)量對地方官員變更的回歸結(jié)果

續(xù)表8

五、進一步研究

（一）地方官員變更影響企業(yè)創(chuàng)新水平的傳導(dǎo)途徑

1.融資約束

于蔚等(2012)指出，政治關(guān)聯(lián)能夠通過信息效應(yīng)和資源效應(yīng)來緩解企業(yè)的融資約束。地方官員變更時，當(dāng)?shù)仄髽I(yè)建立的政治關(guān)聯(lián)會被削弱，這在一定程度上增加了企業(yè)的融資約束。面臨嚴(yán)峻的融資約束時，企業(yè)的經(jīng)營決策和研發(fā)決策會受到影響，企業(yè)會將有限的資本優(yōu)先用于日常運營活動和短期盈利性好的項目中，從而會減少用于研究和開發(fā)的資金量，一定程度上降低了企業(yè)的技術(shù)創(chuàng)新水平。度量企業(yè)融資約束的指標(biāo)有KZ指數(shù)、SA指數(shù)和WW指數(shù)。KZ指數(shù)和WW指數(shù)包含了內(nèi)生性較強的變量，而計算SA指數(shù)所用的變量是企業(yè)規(guī)模和企業(yè)年齡，內(nèi)生性較弱，用企業(yè)規(guī)模和企業(yè)年齡來計算融資約束簡潔明了，這一計算融資約束的方法也得到了學(xué)者的廣泛認(rèn)可(Hadlock和 Pierce，2010)?；诖?，本文使用 SA指數(shù)度量企業(yè)的融資約束。SA指數(shù)的計算公式為:SA＝-0.737Size＋0.043Size2-0.040Age。該式中，Size是用企業(yè)總資產(chǎn)的對數(shù)值表示的企業(yè)規(guī)模，Age是企業(yè)年齡。SA指數(shù)越大，企業(yè)所面臨的融資約束越小。

2.創(chuàng)新對業(yè)績的貢獻度

企業(yè)進行新產(chǎn)品研發(fā)和技術(shù)創(chuàng)新的目的是提升自身績效和提高收入水平。若企業(yè)的創(chuàng)新產(chǎn)出能得到更好的保護，創(chuàng)新對企業(yè)業(yè)績的貢獻度也就更高，其進行技術(shù)創(chuàng)新的動力更大，反之，則會降低企業(yè)的創(chuàng)新水平。目前，我國知識產(chǎn)權(quán)保護制度尚不完善，政治關(guān)聯(lián)作為一種補償機制，可以對企業(yè)的產(chǎn)權(quán)和創(chuàng)新產(chǎn)出予以保護(田利輝和張偉，2013)。當(dāng)?shù)胤焦賳T發(fā)生變更時，企業(yè)的政治關(guān)聯(lián)減弱甚至消失，這種保護制度也會隨之消失，從而削弱企業(yè)進行研發(fā)的動機?；诖?，本文構(gòu)建創(chuàng)新對業(yè)績貢獻度這一指標(biāo)(Contribute)，定義Contribute＝Gmp/Patent，其中，Gmp為企業(yè)主營業(yè)務(wù)收入增長率，Patent為企業(yè)的創(chuàng)新產(chǎn)出，Contribute越大，表明企業(yè)創(chuàng)新產(chǎn)出對業(yè)績的貢獻越大。鑒于不同行業(yè)對新產(chǎn)品的依賴程度不同，為消除行業(yè)差異，本文根據(jù)證監(jiān)會行業(yè)分類代碼，以企業(yè)主營業(yè)務(wù)收入為權(quán)重對其進行加權(quán)平均，求出行業(yè)平均貢獻度。用去均值化后的 Contribute作為被解釋變量，來考察地方官員變更是否會影響創(chuàng)新對企業(yè)業(yè)績的貢獻，進而降低企業(yè)的創(chuàng)新水平。顯然，創(chuàng)新對業(yè)績的貢獻度越大，企業(yè)創(chuàng)新動機越強，創(chuàng)新水平也會隨之提高。

3.傳導(dǎo)機制檢驗

考察融資約束和創(chuàng)新對業(yè)績貢獻度在地方官員變更影響企業(yè)創(chuàng)新中的中介作用，具體檢驗步驟可以分為兩步:第一，以企業(yè)融資約束(SA)和創(chuàng)新對業(yè)績貢獻度(Contribute)為被解釋變量，地方官員變更為解釋變量，檢驗地方官員變更如何影響企業(yè)融資約束和創(chuàng)新對業(yè)績貢獻度。第二，以企業(yè)滯后一期的專利申請量為被解釋變量，企業(yè)融資約束或創(chuàng)新對業(yè)績貢獻度為解釋變量，考察融資約束和創(chuàng)新對業(yè)績貢獻度如何影響企業(yè)創(chuàng)新。模型設(shè)定如下:

式(24)中，E表示地方官員變更變量，分別為任一變更(Change)、書記變更(Change1)、市長變更(Change2)變量；ω是控制變量對中介變量的回歸系數(shù)；ρ是控制變量對被解釋變量的回歸系數(shù)。式(24)和式(25)中其他變量定義同式(22)一致。如果中介效應(yīng)成立，預(yù)期φ顯著為負(fù)而η顯著為正，對應(yīng)的中介效應(yīng)為φη，即地方官員變更通過提升企業(yè)融資約束或降低創(chuàng)新對業(yè)績貢獻度，從而降低了企業(yè)創(chuàng)新水平。值得說明的是，為保證結(jié)果的準(zhǔn)確性，同時采用固定效應(yīng)計數(shù)模型、負(fù)二項回歸模型和面板Tobit模型對模型(25)進行回歸；而模型(24)中解釋變量的度量方式有三種，在一定程度上說明了回歸結(jié)果的可信性，故只采用雙向固定效應(yīng)模型對模型(24)進行回歸。

表9是雙項固定效應(yīng)模型下，地方官員變更對企業(yè)融資約束和創(chuàng)新對業(yè)績貢獻度的影響結(jié)果，分別從任一變更、市委書記變更和市長變更三個類型來考察?；貧w(一)中，被解釋變量為融資約束(SA)，由列(1)的回歸結(jié)果可以看出，Change的系數(shù)為-0.173，在 1%的水平上顯著為負(fù)，這說明地方官員發(fā)生變更時，SA指數(shù)下降，企業(yè)融資約束上升。列(2)和列(3)中Change1和Change2的系數(shù)同樣在1%的水平上顯著為負(fù)，支持上述結(jié)論?；貧w(二)中，被解釋變量為創(chuàng)新對業(yè)績貢獻度(Contribute)，由列(4)的回歸結(jié)果可以看出，Change的系數(shù)為-0.195，在 1%的水平上顯著為負(fù)，意味著地方官員發(fā)生變更時，創(chuàng)新對業(yè)績的貢獻度下降。列(6)中Change2的系數(shù)同樣在10%的水平上顯著為負(fù)，同樣支持上述結(jié)論。列(5)中Change1的系數(shù)雖然在10%的水平上并不顯著，但其符號為負(fù)，在一定程度上證實了上述結(jié)論的可信性。造成這一現(xiàn)象的原因是企業(yè)對市委書記的變更不如對市長的變更敏感。

表9 地方官員變更影響企業(yè)融資約束、創(chuàng)新對業(yè)績貢獻度的回歸結(jié)果

① 由于SA指數(shù)中包含企業(yè)規(guī)模(Size)，為避免回歸偏誤，故回歸(一)中未再單獨控制Size。

表10是基于固定效應(yīng)計數(shù)模型、負(fù)二項模型和面板 Tobit模型，融資約束(SA)和創(chuàng)新對業(yè)績貢獻度(Contribute)影響企業(yè)創(chuàng)新產(chǎn)出的回歸結(jié)果。被解釋變量均為滯后一期的專利申請數(shù)量(Patent(t＋1))，回歸(一)中解釋變量為SA，回歸(二)中解釋變量為Contribute。表10列(1)中SA的系數(shù)為0.259，在1%的水平上顯著為正，表明SA指數(shù)越大，融資約束越小，企業(yè)創(chuàng)新水平越高。列(2)和列(3)的回歸結(jié)果同樣說明了這一現(xiàn)象。列(4)中Contribute的系數(shù)為0.084，在1%的水平上顯著為正，意味著創(chuàng)新對業(yè)績貢獻度越大，企業(yè)創(chuàng)新水平越高。列(5)和列(6)中的回歸結(jié)果同樣證實了這一結(jié)論。

表10 融資約束、創(chuàng)新對業(yè)績貢獻度對創(chuàng)新產(chǎn)出的影響

① 由于SA指數(shù)中包含企業(yè)規(guī)模(Size)，為避免回歸偏誤，故回歸(一)中未再單獨控制Size。

綜合表9和表10的回歸結(jié)果，可以發(fā)現(xiàn)，地方官員變更通過提高企業(yè)融資約束、降低創(chuàng)新對業(yè)績貢獻度，從而降低了企業(yè)創(chuàng)新水平。且進一步計算兩者中介效應(yīng)的大小，官員變更通過融資約束降低企業(yè)創(chuàng)新的作用效果約為 0.045；而通過創(chuàng)新對業(yè)績貢獻度的作用效果約為 0.016，作為地方官員變更影響企業(yè)創(chuàng)新的核心作用機制，融資約束的中介作用要強于創(chuàng)新對業(yè)績貢獻度。

4.中介效應(yīng)再檢驗

在地方官員變更影響企業(yè)創(chuàng)新的傳導(dǎo)機制中，為檢驗融資約束和創(chuàng)新對業(yè)績貢獻度是否為完全中介變量及是否存在直接效應(yīng)，本文進一步將地方官員變更與融資約束及創(chuàng)新對業(yè)績貢獻度納入同一模型中，以檢驗融資約束和創(chuàng)新對業(yè)績貢獻度的中介效應(yīng)及官員變更對企業(yè)創(chuàng)新的直接作用。模型設(shè)定如下:

如果地方官員變更對企業(yè)創(chuàng)新存在直接效應(yīng)，預(yù)期式(26)中β1系數(shù)為負(fù)，ξ系數(shù)為正，且式(26)中β1系數(shù)的絕對值小于式(22)中β1系數(shù)的絕對值，則融資約束與創(chuàng)新對業(yè)績貢獻度是部分中介變量。如果式(26)中β1系數(shù)并不顯著，則融資約束與創(chuàng)新對業(yè)績貢獻度可視為完全中介變量。為方便與式(22)的回歸結(jié)果進行比較，運用固定效應(yīng)計數(shù)模型對式(26)進行回歸，回歸結(jié)果見表11。

表11 融資約束與創(chuàng)新對業(yè)績貢獻度的中介效應(yīng)檢驗

① 由于SA指數(shù)中包含企業(yè)規(guī)模(Size)，為避免回歸偏誤，故回歸(一)中未再單獨控制Size。

① 由于SA指數(shù)中包含企業(yè)規(guī)模(Size)，為避免回歸偏誤，故回歸(一)中未再單獨控制Size。

從表11中可以看出，當(dāng)?shù)胤焦賳T變更納入回歸模型后，融資約束和創(chuàng)新對業(yè)績貢獻度的系數(shù)在 1%水平上仍顯著為正；而地方官員變更變量，除書記變更 Change1外，任一變更Change和市長變更Change2的回歸系數(shù)在1%水平上顯著為負(fù)，且其絕對值小于表4中各自的回歸系數(shù)。這表明地方官員變更對企業(yè)創(chuàng)新存在直接作用，同時融資約束與創(chuàng)新對業(yè)績貢獻度均屬于部分中介變量。

（二）其他變量對地方官員變更影響企業(yè)創(chuàng)新的調(diào)節(jié)作用

上述結(jié)果表明，官員變更降低了當(dāng)?shù)仄髽I(yè)的創(chuàng)新水平。進一步考慮官員變更類型時，發(fā)現(xiàn)當(dāng)新任官員是異地調(diào)任時，官員變更對地區(qū)企業(yè)創(chuàng)新水平的抑制作用更大，而當(dāng)新任市長和省級領(lǐng)導(dǎo)是同鄉(xiāng)或者原市長升遷時，地方官員變更對地區(qū)企業(yè)創(chuàng)新水平的負(fù)向作用有所減弱。

政策不確定性對當(dāng)?shù)仄髽I(yè)日常行為的作用還受到其他因素的影響。程哲和白云霞(2015)、郝威亞等(2016)與潘越等(2015)分別指出政策不確定性對地區(qū)企業(yè)行為的作用會受到市場化程度、企業(yè)性質(zhì)和行業(yè)性質(zhì)等因素影響。針對這些內(nèi)容，本部分將做進一步研究。

1.市場化程度

靳光輝等(2016)以戰(zhàn)略性新興產(chǎn)業(yè)為研究對象，實證發(fā)現(xiàn)在市場化程度高的地區(qū)，政策不確定性對企業(yè)投資水平的抑制作用較低。一個完善、有效的市場體系為企業(yè)的生存與發(fā)展創(chuàng)造了良好的環(huán)境，降低了企業(yè)的融資難度；同時，市場化程度的提高有利于產(chǎn)權(quán)保護，增強企業(yè)進行創(chuàng)新的動力。此外，完善的市場體制有利于降低政策信息的獲取成本，提升政策信息的傳遞效率，進而降低了地方官員變更帶來的政策不確定程度。因此，市場化程度越高的地區(qū)，地方政府官員變更對企業(yè)創(chuàng)新的抑制作用越弱。表12中列(1)表明，“Change?市場化程度”的回歸系數(shù)為0.012，在1%的水平上顯著為正，說明發(fā)生地方官員變更時，企業(yè)所在地區(qū)的市場化程度越高，官員變更對企業(yè)創(chuàng)新的抑制作用越弱。

2.產(chǎn)權(quán)性質(zhì)

相較于民營企業(yè)，國有企業(yè)擁有更多的政治資源稟賦，容易獲得政府支持和保護，融資約束較小，創(chuàng)新產(chǎn)品能受到更好的保護。無論是新任官員還是往屆官員在任期內(nèi)都會關(guān)注國有企業(yè)的發(fā)展。對于民營企業(yè)來講，一方面在官員變更時期，政策不確定性的提高會加大民營企業(yè)外部融資的困難，減少企業(yè)創(chuàng)新活動；另一方面，當(dāng)?shù)刂饕賳T的變更會改變當(dāng)?shù)氐恼胃窬郑髽I(yè)擁有的政治資源會發(fā)生巨大變動。民營企業(yè)在這一“空檔期”，會將更多精力放在如何獲取新任政府的信任上，以便在政府資源博弈中取得優(yōu)勢，而不關(guān)注投入大、見效慢的創(chuàng)新。相較民營企業(yè)，在國企里，地方官員變更對創(chuàng)新的抑制作用較弱。吳一平和尹華(2016)以中央政府換屆來衡量政策不確定性，得出政策不確定性對投資的抑制作用僅存在于非國有企業(yè)，在國有企業(yè)中并沒有明顯作用。表12中列(2)顯示，“Change?產(chǎn)權(quán)性質(zhì)”的回歸系數(shù)為 0.035，在 5%的水平上顯著為正，說明地方官員變更對國有企業(yè)創(chuàng)新的抑制作用較弱。

3.管制性行業(yè)

陳國進和王少謙(2016)指出，不同行業(yè)在資產(chǎn)結(jié)構(gòu)、經(jīng)營范圍和政策依賴度上存在差異，政策不確定性對處于不同行業(yè)的企業(yè)投資的影響程度不盡相同。管制程度較高的行業(yè)，政策依賴度較高，對政策的變化更為敏感。同時，處于管制性行業(yè)的企業(yè)面臨更多政策限制，企業(yè)若處在管制性行業(yè)之中，地方官員變更對其日常經(jīng)營決策的影響更加明顯。徐業(yè)坤等(2013)實證發(fā)現(xiàn)，在管制性行業(yè)中，地方官員變更引發(fā)的政策不確定性對企業(yè)投資水平的負(fù)向影響更加明顯。仿照羅黨論等(2016)的做法①羅黨論等(2016)根據(jù)證監(jiān)會頒布的《上市公司行業(yè)分類指引》，將以下行業(yè)定義為管制性行業(yè):采掘業(yè)(B)，石油、化學(xué)、塑膠、塑料(C4)，金屬、非金屬(C6)，電力、煤氣及水的生產(chǎn)和供應(yīng)(D)，交通運輸、倉儲(F)，信息技術(shù)(G)，房地產(chǎn)(J)和傳媒(L)。，將涉及國家安全、自然壟斷、提供公共服務(wù)的行業(yè)及高新技術(shù)產(chǎn)業(yè)定義為管制性行業(yè)，取值為1，否則為 0。表12中列(3)表明，“Change?管制性行業(yè)”的回歸系數(shù)為-0.241，在1%的水平上顯著為負(fù)，即企業(yè)所處行業(yè)為管制性行業(yè)時，地方官員變更對企業(yè)創(chuàng)新的抑制作用更強。

表12 基于不同市場化程度、產(chǎn)權(quán)性質(zhì)和不同行業(yè)性質(zhì)的回歸結(jié)果

六、研究結(jié)論及政策啟示

在財政分權(quán)和錦標(biāo)賽式的官員晉升機制背景下，地方官員有權(quán)力和動力干預(yù)地方企業(yè)的日常經(jīng)營行為，用手中的政治權(quán)力去換取政績的提高和自身的提升。市級官員是當(dāng)?shù)卣叩闹贫ㄕ吆屯菩姓撸胤秸賳T的變更導(dǎo)致政策不確定性進行影響企業(yè)的日常經(jīng)營決策和創(chuàng)新行為。

基于此，本文考察了地方官員變更對當(dāng)?shù)仄髽I(yè)創(chuàng)新水平的影響。具體來說，在構(gòu)建數(shù)理模型和理論分析地方官員變更與企業(yè)創(chuàng)新之間關(guān)系的基礎(chǔ)上，本文以2005—2015年間在中國滬、深兩市上市的 7644個企業(yè)年觀測值為研究樣本，以市長變更、市委書記變更或兩者任一變更刻畫地方官員變更，并從新任市長來源、市長是否和省級領(lǐng)導(dǎo)同鄉(xiāng)、原市長是否升遷三個方面區(qū)分官員變更的類型；以專利申請數(shù)和研發(fā)投入強度度量企業(yè)創(chuàng)新水平；基于固定效應(yīng)計數(shù)模型、負(fù)二項模型、面板 Tobit模型及雙向固定效應(yīng)多元線性模型，構(gòu)建了地方官員變更影響企業(yè)創(chuàng)新水平的計量模型，實證分析了地方官員變更對企業(yè)創(chuàng)新水平的影響。研究結(jié)論如下:(1)地方官員變更顯著降低了企業(yè)的創(chuàng)新水平。(2)不同類型的官員變更對企業(yè)創(chuàng)新的作用效果不盡相同。新任市長是異地調(diào)任時，地方官員變更對企業(yè)創(chuàng)新水平的抑制作用較大；新任市長和省級領(lǐng)導(dǎo)是同鄉(xiāng)時，地方官員變更對企業(yè)創(chuàng)新水平的負(fù)向作用較弱；原市長升遷時，地方官員變更對企業(yè)創(chuàng)新水平的負(fù)向影響較小。(3)地方官員變更通過提高企業(yè)融資約束、降低創(chuàng)新對業(yè)績貢獻度的中介作用，抑制了企業(yè)創(chuàng)新行為。(4)此外，在基準(zhǔn)模型中納入三個交互項，研究發(fā)現(xiàn):企業(yè)所在地區(qū)的市場化程度越高，企業(yè)創(chuàng)新水平受地方官員變更影響的程度越??；相較于國有企業(yè)，地方官員變更對企業(yè)創(chuàng)新水平的抑制作用在民營企業(yè)中表現(xiàn)得更明顯；當(dāng)企業(yè)處于管制性行業(yè)時，企業(yè)創(chuàng)新水平受地方官員變更影響的程度更大。

本文的研究揭示了地方官員變更顯著降低了企業(yè)的創(chuàng)新水平這一現(xiàn)象，將宏觀的政策因素與微觀的企業(yè)創(chuàng)新水平聯(lián)系了起來。同時也啟示我們在研究企業(yè)創(chuàng)新時，不能忽略宏觀層面的政策因素。為了提升中國上市公司的創(chuàng)新能力，有必要從以下幾個方面進一步完善國內(nèi)的政策環(huán)境:一是地方官員變更帶來的政策不確定性顯著降低了企業(yè)創(chuàng)新水平。應(yīng)增強政府行為的可預(yù)測性，穩(wěn)定市場主體對政策的預(yù)期。二是增強政府換屆期間政策的連續(xù)性，在新政策出臺前提供充足的緩沖期。三是地方官員變更通過提高企業(yè)融資約束，降低了企業(yè)創(chuàng)新水平。政府應(yīng)推進完善金融市場制度，為企業(yè)融資提供便利，減少政府對金融市場的干預(yù)。四是完善產(chǎn)權(quán)保護制度。國有企業(yè)應(yīng)對政府不確定性的能力顯著高于民營企業(yè)，應(yīng)加大對不同產(chǎn)權(quán)的保護力度，提高民營企業(yè)應(yīng)對政策不確定性的能力。五是針對不同行業(yè)的特性，制定相應(yīng)的產(chǎn)業(yè)政策推動各行業(yè)進行更多創(chuàng)新。