楊靈 唐曉華 馮榮凱

內(nèi)容提要：研發(fā)投資是企業(yè)自主技術創(chuàng)新的重要保障，其平滑性或波動性調(diào)整是研究企業(yè)研發(fā)行為的前提。本文以1990-2017年間1968家中國A股（非金融類）上市公司的非平衡面板數(shù)據(jù)為對象，通過考察目標研發(fā)水平來估算研發(fā)投資調(diào)整速度。證據(jù)表明，企業(yè)確實在追求目標研發(fā)投資水平，并根據(jù)內(nèi)外部環(huán)境的變化而進行動態(tài)調(diào)整。這些結(jié)論無論是在公司規(guī)模、時間跨度還是在不同時間段上都具有穩(wěn)健性，并且表明固定效應的部分調(diào)整模型與數(shù)據(jù)非常吻合。

關鍵詞：研發(fā)投資;研發(fā)平滑性;研發(fā)波動性;動態(tài)調(diào)整模型

中圖分類號：F062.5 ?文獻標識碼：A ?文章編號：1001-148X（2020）04-0111-10

企業(yè)是研發(fā)投資的主導力量，在當前技術變革加快和企業(yè)競爭加劇的背景下，經(jīng)濟增長方式轉(zhuǎn)變與企業(yè)可持續(xù)發(fā)展的深層動力都來自于技術創(chuàng)新，而研發(fā)投資正是提高自主技術創(chuàng)新能力的重要保障。因此，考察研發(fā)投資的平滑性或波動性并識別最優(yōu)研發(fā)投資對于提升我國技術創(chuàng)新能力、建立創(chuàng)新型國家以及轉(zhuǎn)變經(jīng)濟增長方式具有重要意義。

一、文獻綜述

有關研發(fā)投資調(diào)整的研究，主要有兩大類，一是關于研發(fā)投資平滑性的研究，這一類的文獻占據(jù)了研發(fā)投資的較大比例，特別是國內(nèi)文獻，通過將研發(fā)投資與營運資本、現(xiàn)金持有以及杠桿率等單獨財務指標結(jié)合起來研究，認為這些財務指標對研發(fā)投資具有顯著的平滑作用。另一類則是關于研發(fā)投資波動性的研究，這一類的研究主要見著于國外文獻，特別是近兩年的研究，開始出現(xiàn)將資本投資與研發(fā)投資進行比對性研究，并得出了研發(fā)投資具有波動性的確定結(jié)論。關于研發(fā)投資波動性的研究集中于目標研發(fā)投資值（最優(yōu)水平）的存在以及向目標值調(diào)整行為的分析，且越來越集中于研發(fā)投資動態(tài)調(diào)整行為的計量研究。

（一）研發(fā)投資的靜態(tài)平滑性

有關研發(fā)投資靜態(tài)平滑觀點起源于傳統(tǒng)的新古典理論中關于企業(yè)利潤最大化的假設，Jorgenson（1963）就提出企業(yè)研發(fā)投資在任何時候不會偏離其理想中的最優(yōu)水平太遠[1]，而且研發(fā)投資的最優(yōu)水平是由企業(yè)條件和環(huán)境決定的[2-5]。影響企業(yè)研發(fā)投資的內(nèi)部因素主要有公司規(guī)模、現(xiàn)金流和經(jīng)營多樣化等[2]，外部因素主要是市場競爭和技術機會[6]。這也就意味著當企業(yè)理想投資水平變化或者由于外部原因偏離其最優(yōu)水平，在調(diào)整成本忽略不計的條件下，企業(yè)會將其研發(fā)投資固定在最優(yōu)水平上，即研發(fā)投資趨向于維持在原有的水平上。

有關研發(fā)投資靜態(tài)平滑的理論論據(jù)主要有三類。第一類是認為研發(fā)活動高度依賴于研發(fā)人員和具有公司特色的知識儲備，因此先天有著較高的調(diào)整成本。當減少以人力資源為基礎的研發(fā)活動時，會導致累積的科技研發(fā)知識的喪失，甚至會流入到競爭對手中[7]。同時，新雇傭的研發(fā)人員需要相當?shù)臅r間來學習和適應公司特有的研發(fā)項目。Bernstein and Nadiri（1989）就發(fā)現(xiàn)研發(fā)投資的邊際調(diào)整成本要遠遠高于實物投資[8]。第二類論據(jù)是研發(fā)投資伴隨著非常高的沉沒成本。如果一個研發(fā)項目在取得實際成果之前被中斷，先前投入的資金是不可能被有效回收的。因此，企業(yè)有著強烈的動機去堅持已經(jīng)投入的研發(fā)項目，直到有切實的成果出現(xiàn)為止。最后，研發(fā)投資具有時間壓縮的不經(jīng)濟性，這種不經(jīng)濟性類似于企業(yè)生產(chǎn)的范圍經(jīng)濟性，長期一致性投資的效率會優(yōu)于短期投資的加總。換句話說，企業(yè)在某一段時間內(nèi)的知識積累要優(yōu)于在一半時間內(nèi)一倍資金的投入。

實證論據(jù)方面，主要是在內(nèi)外部環(huán)境不斷變化的條件下，企業(yè)會盡量減少研發(fā)投資的變化，以形成研發(fā)投資的平滑。內(nèi)部環(huán)境中，現(xiàn)金持有就能夠被用來很好地平滑研發(fā)投資。經(jīng)濟衰退期，研發(fā)融資的成本非常高，公司內(nèi)部累積的現(xiàn)金持有可用于研發(fā)投資的持續(xù);而在經(jīng)濟擴張期則可擴大其他方面的投資。Brown和Petersen（2011）發(fā)現(xiàn)75%的新創(chuàng)公司在1998-2002年美國股市低迷期間利用現(xiàn)金持有來平滑研發(fā)投資[9]。劉端等（2015）通過80家滬深兩市高科技行業(yè)上市公司的數(shù)據(jù)驗證了現(xiàn)金持有能很好地平滑企業(yè)研發(fā)投資[10]。Shin和Kim（2011）發(fā)現(xiàn)[11]，與以成本核算的研發(fā)投資相比較，以資產(chǎn)核算的研發(fā)投資有著更高的調(diào)整成本，所以企業(yè)更加偏向于利用現(xiàn)金持有去平滑那些以資產(chǎn)核算的研發(fā)投資。

外部環(huán)境的不同，對于平滑研發(fā)投資的激勵效果也不同。Woerter（2014）證明市場競爭程度的不同會導致對研發(fā)投資平滑性的激勵不同[12]，當行業(yè)當中有6-10個主要競爭對手時，市場競爭對于平滑研發(fā)投資的激勵效應最強，相對而言，行業(yè)中的主要競爭對手如果超過了50個，市場競爭的激勵效應最弱。楊興全等（2016）也利用中國上市公司2007-2013的數(shù)據(jù)證明只有在市場競爭程度激烈的情況下[13]，現(xiàn)金持有才對研發(fā)投資有著顯著性的激勵效應。

不確定性也會對平穩(wěn)研發(fā)投資產(chǎn)生影響。Bloom（2007）分析了二者之間的關系[14]，發(fā)現(xiàn)不確定性越高，對研發(fā)投資平滑性的激勵效應越強。這大概是因為在不確定的情況下，企業(yè)會因為謹慎而去維持原有水平的研發(fā)投資。由此可以看到，內(nèi)外部環(huán)境的變化都會對研發(fā)投資的持續(xù)性產(chǎn)生影響，相比較而言，內(nèi)部因素的影響是有限的，更主要的來自于外部環(huán)境的變化。

（二）研發(fā)投資的動態(tài)波動性

有關研發(fā)投資的動態(tài)波動性起源于對資本市場不完善的思考，Bloom等（2007）認識到資本市場的不完善一定會對研發(fā)投資決定產(chǎn)生影響[15]，從而形成研發(fā)投資的動態(tài)波動性。理論上，當理想的研發(fā)投資水平改變時，企業(yè)勢必會向最優(yōu)水平調(diào)整，但這種調(diào)整不太容易在當期完成，在調(diào)整充分之前有一個時滯期，使得最初的調(diào)整只是部分調(diào)整。而且同樣是關于調(diào)整成本與收益的研究，有人得出了與研發(fā)投資平滑性相反的觀點，相比于內(nèi)部融資，外部融資的高風險和信息不對稱導致企業(yè)對外部沖擊非常敏感，從而迫使企業(yè)通過內(nèi)部融資進行動態(tài)調(diào)整，并發(fā)現(xiàn)顯著的企業(yè)研發(fā)投資調(diào)整行為。李萬福和杜靜（2016）發(fā)現(xiàn)[16]，在單位資本調(diào)整成本位于臨界值0.012之內(nèi)的時候，稅收優(yōu)惠對研發(fā)投資存在明顯的激勵效應。李華（2018）也給出了類似的結(jié)論[17]。Taewon Kang等（2017）認為[18]，是公司技術能力的異質(zhì)性導致了研發(fā)投資文獻中的矛盾性結(jié)論，并發(fā)現(xiàn)由于技術能力放大了現(xiàn)金流效應，當有正向沖擊時，隨著銷售額的增長，技術能力會放大研發(fā)投資的波動性，而當有負向沖擊時，技術能力會抵消研發(fā)投資的波動性，表現(xiàn)出持續(xù)性。劉波等（2017）說明由于融資摩擦的存在[19]，當“資助效應”在決策中占主導地位時，現(xiàn)金流不確定性的增加會刺激企業(yè)加大研發(fā)投入，而當“預防效應”占主導地位時，現(xiàn)金流不確定性的增加會抑制企業(yè)研發(fā)投入的調(diào)整。Beata Coldbeck等（2018）采用部分調(diào)整模型[20]，對美國公司2002-2016年間研發(fā)投資與資本投資行為進行了比較研究，發(fā)現(xiàn)無論是在資本投資還是在研發(fā)投資中，都存在向目標投資（最優(yōu)水平）的調(diào)整行為，而且資本投資的調(diào)整速度明顯快于研發(fā)投資的調(diào)整。

有關研發(fā)投資波動性的論據(jù)可分為兩類。第一類論據(jù)（同時也是主要的論據(jù)）是關于研發(fā)投資來源的。由于研發(fā)投資中存在著很強的不確定性和信息不對稱，所以在對研發(fā)項目成功可能性的評估和無形資產(chǎn)的評價方面，相比于企業(yè)內(nèi)部管理者，外部投資者都處于明顯的信息劣勢，以至于在外部研發(fā)融資方面存在著較高的交易成本。這種高交易成本會促使外部投資者要求更高的風險貼水或者更高的抵押，以此來彌補更高的交易成本，從而迫使企業(yè)更加偏向于內(nèi)部融資。而內(nèi)部融資是波動的（源于產(chǎn)品市場的競爭性和資本市場的不完善），所以研發(fā)投資存在動態(tài)波動性。另一類論據(jù)是企業(yè)的前瞻性管理，即企業(yè)的高層管理人員并不是消極等待研發(fā)項目的結(jié)果，而是實時區(qū)分好的項目與壞的項目，并將更多的資源投放到好的項目中。Mudambi和Swift（2011）通過對1997-2006年間10996家美國制造業(yè)公司的數(shù)據(jù)分析[21]，發(fā)現(xiàn)在企業(yè)前瞻性管理與研發(fā)投資波動性之間存在著較強的相關性，只有當公司高層治理失敗的時候，才會出現(xiàn)研發(fā)投資的持續(xù)性，而且對研發(fā)投資進行動態(tài)調(diào)整的公司表現(xiàn)出顯著性較強的高成長性。

許多實證研究還表明，研發(fā)投資的波動性來自于企業(yè)內(nèi)部現(xiàn)金流量的變化。Takafumi（2017）、Cincera（2016）等的研究說明了在內(nèi)部現(xiàn)金流量和研發(fā)投資之間存在著正向關系[22-23]。而且Cincera（2016）發(fā)現(xiàn)相比于年輕公司[23]，投資者更愿意投資于成熟公司，導致年輕公司研發(fā)投資的外部融資面臨更高的成本，只有更多地依賴于內(nèi)部融資，從而對現(xiàn)金流有更加強烈的敏感性。另外研發(fā)投資的波動性與研發(fā)的階段性有關，其波動幅度依賴于研發(fā)項目的階段。相比于開發(fā)階段，研究階段的風險更高，期限更長，存在著較高的不確定性和信息不對稱性，所以投資者會要求更高的風險貼水。由此，處于研究階段的研發(fā)投資往往更多地依賴于內(nèi)部融資，有著明顯的波動性。郭園園、成力為（2016）就發(fā)現(xiàn)外部融資的不同渠道對于企業(yè)研發(fā)的不同階段有著不同作用[24]，自然也就會形成研發(fā)投資的波動性。

（三）前期研究可能的局限性

從研發(fā)投資平滑性角度看，由于研發(fā)投資較高的調(diào)整成本和具有沉沒成本的特征，企業(yè)在戰(zhàn)略上保證研發(fā)投資的平滑性很重要。另一方面，從研發(fā)投資波動性的角度看，由于內(nèi)外部環(huán)境在實時變化，企業(yè)對研發(fā)投資進行積極調(diào)整就很重要了?，F(xiàn)實中，兩種現(xiàn)象都能夠被觀察到，而且前期研究也提供了分別支持二者觀點的混合經(jīng)驗論據(jù)。

我們認為，研發(fā)投資的平滑性與波動性應該分別是理想的狀態(tài)與現(xiàn)實的存在。正如當初經(jīng)濟學界探討是大公司有利于創(chuàng)新還是小公司更加有利于創(chuàng)新一樣，研發(fā)投資的平滑也好，波動也罷，是不同層面、不同角度的問題而已。如果我們施加了眾多的假設，在宏觀層面探討研發(fā)投資時，研發(fā)投資的平滑性是可能存在的，而這個平滑性不過是研發(fā)投資最優(yōu)水平的現(xiàn)實反映而已。如果我們承認理論上存在著研發(fā)投資的最優(yōu)水平，那么現(xiàn)實中就一定能在某種程度上觀察到這種現(xiàn)象。然而現(xiàn)實就是現(xiàn)實，當企業(yè)的行業(yè)不同、國別不同，規(guī)模等一系列財務和治理指標存在著千差萬別時，這個最優(yōu)水平也一定是千差萬別的，因此在個體角度，即便是存在最優(yōu)水平，這個最優(yōu)水平也是動態(tài)的。更何況當我們把現(xiàn)實中外部環(huán)境的沖擊加入模型中時，即便是企業(yè)的管理者準確預測了這個最優(yōu)水平，現(xiàn)實條件下這個理論上的這個最優(yōu)水平也只可能“遇到”，不可能刻意而為之，更不可能“維持”。探討企業(yè)研發(fā)投資的平滑與波動，就好像企業(yè)管理者追尋生產(chǎn)上“最優(yōu)水平”。既然我們已經(jīng)理解和習慣生產(chǎn)上的最優(yōu)，那就應該理解和習慣研發(fā)投資的最優(yōu)。研發(fā)投資的平滑性只不過是企業(yè)管理者對最優(yōu)水平的追求而已，這種平滑性只可“遇到”，不可“維持”，也就是說研發(fā)投資的平滑性（最優(yōu)水平）應該是瞬態(tài)，而動態(tài)調(diào)整卻是一種常態(tài)。

那么這里仍然有著一個疑問，就是為什么關于研發(fā)投資平滑性與動態(tài)性的經(jīng)驗證據(jù)都大量存在呢？我們認為有兩個主要原因，其中之一是，與資本投資相比較，研發(fā)投資有著不同的特點。相比于資本投資，信息不對稱在研發(fā)投資中更加顯著。內(nèi)外部投資者之間嚴重的信息不對稱導致研發(fā)投資有著更高的調(diào)整成本，所以與資本投資相比，研發(fā)投資的波動幅度不大，調(diào)整行為不明顯，沒有適當?shù)哪Ｐ途筒蝗菀妆话l(fā)現(xiàn)。另外一個原因是前期的實證研究，對于企業(yè)規(guī)模、行業(yè)分類和研發(fā)階段，都是假設同一組內(nèi)是同質(zhì)的，也就是說當內(nèi)外部條件變化時，同一組內(nèi)的公司會有著相同的投資行為，忽略了個體效應。而研發(fā)投資不同于資本投資，本來其變化幅度就不大，在忽略了個體效應的情況下就難以觀察到其動態(tài)調(diào)整行為了。

二、理論分析

本文的研究建立在研發(fā)投資動態(tài)調(diào)整理論的基礎上，即在企業(yè)層次存在最優(yōu)的研發(fā)投資水平，而且這個最優(yōu)研發(fā)投資水平是依照時間和條件而變化的，只不過在現(xiàn)實世界中，會出現(xiàn)與最優(yōu)水平的偏離。不管是有意還是無意，企業(yè)會向著這個最優(yōu)水平進行調(diào)整，而且這種調(diào)整不是一步到位的，正如企業(yè)資本結(jié)構(gòu)的部分調(diào)整一樣，企業(yè)也在進行著研發(fā)投資水平的部分調(diào)整，這種部分調(diào)整的特征依賴于外界條件和企業(yè)的個體特征。接下來我們就提供研發(fā)投資部分調(diào)整模型的理論基礎，并用中國上市公司的數(shù)據(jù)來進行驗證。

（一）靜態(tài)投資模型

需要注意的是，（4）式的平滑部分調(diào)整可能只是代表性企業(yè)實際調(diào)整過程的一個近似而已，實際調(diào)整過程中，調(diào)整成本可能大于消除偏差所帶來的調(diào)整收益，會給人一種均值回復或恒定投資的印象，所以一個合理的替代模型將允許小偏差的持續(xù)存在。圖1和圖2就顯示出均值改變遠遠大于中位數(shù)，這個現(xiàn)象同樣出現(xiàn)在以往的企業(yè)資本結(jié)構(gòu)調(diào)整過程中。

圖1的橫軸是代表性企業(yè)研發(fā)投資與目標偏離程度，縱軸是下一年其研發(fā)投資的改變，從初步的直觀圖形上我們可以確認存在著向目標值的動態(tài)調(diào)整過程。圖2的橫軸是研發(fā)投資水平，縱軸是其研發(fā)投資的改變，圖2的存在說明研發(fā)投資均值回復現(xiàn)象也是存在的。而均值回復現(xiàn)象和權衡理論下的動態(tài)調(diào)整過程并不一致，但在隨后的內(nèi)容中，我們會證明企業(yè)研發(fā)投資的動態(tài)調(diào)整是顯著存在的，而且經(jīng)受了各種穩(wěn)健性的檢驗。

三、實證分析

（一）數(shù)據(jù)

考慮到數(shù)據(jù)的代表性，選取了1990-2017年間中國上市公司作為研究對象。按照以往文獻的研究慣例，去除了金融類公司和行業(yè)內(nèi)數(shù)量少于10的企業(yè)，同時去除了缺失連續(xù)兩年數(shù)據(jù)的企業(yè)。

研發(fā)投資水平變量RDR選取了研發(fā)投入與企業(yè)所有者權益總計的比率。由于中國上市公司2007年以前研發(fā)投入的數(shù)據(jù)缺失較多，本文通過資產(chǎn)負債率TD_TA、總資產(chǎn)收益率ROA、每股稅前現(xiàn)金股利percasdis、每股稅后現(xiàn)金股利taxdivdis、市場價值與賬面價值之比MTB以及營業(yè)收入與所有者權益總計之比OPRE對研發(fā)投入進行了樣本外預測，從而對部分缺失數(shù)據(jù)進行了補全。

解釋變量選取的是市場投資機會托賓Q、現(xiàn)金流量與所有者權益總計之比CASH、息稅前利潤與所有者權益之比EBITT、營業(yè)收入與所有者權益總計之比OPRE以及代表行業(yè)特征的行業(yè)中位數(shù)。盡管研究對象選取的是所有中國上市公司，但是滿足所有變量的平衡面板的樣本不足100，所以本文的樣本數(shù)據(jù)選取的是非平衡面板。

為了捕捉?jīng)]有衡量到的因素對企業(yè)研發(fā)投資的影響，除了上面影響目標研發(fā)投資率的常規(guī)變量外，我們采用了未被觀察到的個體效應μi，并發(fā)現(xiàn)在沒有取代企業(yè)特有特征變量χi，t的前提下，這些沒有觀察到的個體效應在很大程度上解釋了研發(fā)投資率截面變化（方差）。

（二）動態(tài)調(diào)整模型估計方法的比較

表2展現(xiàn)的是運用各種方法對（4）式的估計結(jié)果。第一列采用的是Fama和French（2002年）推薦的FM（Fama和MacBeth）方法，這種方法主要是能夠避免低估系數(shù)的標準誤。RDR滯后一期的系數(shù)意味著企業(yè)向目標研發(fā)投資率的調(diào)整速度接近于30.1%（=1-0.699）。按照這個速度，大約需要3年左右的時間調(diào)整到位。

FM方法沒有考慮企業(yè)的個體特征，主要關注樣本數(shù)據(jù)的整體趨勢，第2列則是考慮了個體特征的固定效應模型，經(jīng)驗而言，在資本結(jié)構(gòu)調(diào)整中這個調(diào)整速度會更加明顯，所以理論上在研發(fā)投資中也應該如此。表2中的結(jié)果表明確實如此，第一列的FM模型所估計的速度通常代表了以往研發(fā)投資的調(diào)整速度①，要比我們這里所估計的速度慢了20%左右。

第3列是進行組內(nèi)去芯然后再進行OLS的估計，理論上這個結(jié)果應該接近于固定效應。第4列是加入年度效應的固定效應模型。第5列應用的是工具變量法，將被解釋變量的滯后一期作為工具變量。

第6、7列主要是樣本數(shù)據(jù)的變化，為了證明研發(fā)投資動態(tài)權衡過程的存在而非僅僅是均值回復過程，這里截取了研發(fā)投資率中間50%樣本進行估計。如果僅僅是均值回復過程，這個估計結(jié)果應該是不顯著的，說明整體樣本的估計只不過是把均值回復現(xiàn)象誤以為動態(tài)調(diào)整。然而實際估計結(jié)果與整體樣本表現(xiàn)出非常接近的調(diào)整速度，這也就充分證明了在企業(yè)研發(fā)投資中確實存在著動態(tài)調(diào)整過程。

（三）向目標值的收斂

如果表2的回歸分析是真實有效的，我們就應當能夠發(fā)現(xiàn)企業(yè)確實是向目標值（最優(yōu)研發(fā)投資水平）調(diào)整的。圖1說明企業(yè)會依據(jù)其與目標值（估計出的）的偏離程度而改變下一年度的研發(fā)投資。本文是將1990-2017年的所有上市公司，每一年根據(jù)其與目標值的偏離程度（RDR*-RDR）等分四組，圖1的水平軸顯示，第1組的實際研發(fā)投資率比目標值高了4.1%，第4組的實際投資比目標值低了4.9%。圖1的縱軸描述的是下一年研發(fā)投資的變化，第1組在下一年減少了3%，第4組增加了3.5%，中間兩組也是在向目標值調(diào)整，只不過程度非常小而已，所有這些都明確地顯示企業(yè)是在向目標值調(diào)整。

盡管圖1所顯示的結(jié)果與動態(tài)調(diào)整行為是一致的，但也可能僅僅是一種均值回復行為，即當研發(fā)投資率相對較高或者較低的時候，會自然地向均值移動。圖2顯示了這種趨勢。圖2的水平軸是對上一年的研發(fā)投資率進行分組（不是偏離程度），而縱軸是下一年的改變。從中可以看到，當年研發(fā)投資率相對較高的時候，下一年就會減少投資;而當研發(fā)投資率相對較低的時候，下一年就會提高投資。在以往研究資本結(jié)構(gòu)的文獻中，要么是專門是從均值回復角度來研究，要么是從動態(tài)調(diào)整的角度來研究②。例如Leary等（2005）就通過對風險函數(shù)估計指出均值回復現(xiàn)象的存在[25]，而絕大多數(shù)則是從動態(tài)調(diào)整角度來研究。 但Mark J.Flannery等（2006）在研究資本結(jié)構(gòu)的動態(tài)調(diào)整中[26]，用圖形分析指出了均值回復現(xiàn)象的存在，但是并沒有進行進一步的分析，而是僅僅指出而已，接著就又進行動態(tài)調(diào)整行為的分析。我們認為均值回復和動態(tài)調(diào)整并不矛盾，而且均值回復是動態(tài)調(diào)整的前提，也就是說，只有在存在均值回復的基礎上，才可能有動態(tài)調(diào)整，即有均值回復不一定有動態(tài)調(diào)整，但有動態(tài)調(diào)整就一定會存在均值回復。

理論上均值回復現(xiàn)象只發(fā)生在研發(fā)投資相對較高或者較低的時候，而動態(tài)調(diào)整則應該是存在于研發(fā)投資的各個層次上。為了驗證說明動態(tài)調(diào)整的存在，在將研發(fā)投資率分為四組的基礎上，在每一組的內(nèi)部又根據(jù)其與目標值的偏離分為四組，并以圖3顯示。從圖3可以看到，研發(fā)投資率的各個組別都存在著均值回復，說明動態(tài)調(diào)整行為的存在，因為如果不存在動態(tài)調(diào)整，中間組別是不應該存在均值回復的，所以圖3進一步證明了企業(yè)在進行研發(fā)投資時是存在動態(tài)調(diào)整行為的。

（四）動態(tài)調(diào)整模型的比較

在眾多研究資本結(jié)構(gòu)的文獻中，有多種對于目標值的估計方法，本文前面（4）式的部分調(diào)整模型只是其中一種，既然我們是借鑒資本結(jié)構(gòu)的部分調(diào)整模型來探究研發(fā)投資的動態(tài)調(diào)整，這里我們同樣也對估計研發(fā)投資目標值的不同模型進行比較。表3報告了對同樣面板數(shù)據(jù)的五種不同估計方法，具體模型如①-⑤式所示：

這里的RDR是研發(fā)投資率，滯后期的“X”變量決定了企業(yè)的長期研發(fā)投資率，具體包括：息稅前利潤與所有者權益合計之比EBITT;營業(yè)收入與所有者權益合計之比OPRE;市場機會托賓Q;現(xiàn)金流與所有者權益合計之比CASH;現(xiàn)金股利與所有者權益合計之比DIV;總資產(chǎn)對數(shù)lnsize;行業(yè)中位數(shù)Ind_meadian。而L3RDR和TDROLS則分別是滯后3期的平均值和1）式的擬合值。這里所有的回歸都包含年度虛擬變量。

表3中第一列給出了典型的截面回歸，主要是用來發(fā)現(xiàn)影響研發(fā)投資的決定因素?？梢钥吹?，EBITT、OPRE以及托賓Q的上升降低了研發(fā)投資率，DIV的增加提高了研發(fā)投資率，另外隨著公司規(guī)模的擴大，研發(fā)投資率是在降低。值得注意的是現(xiàn)金流（CASH）一項并不顯著，這是與國外文獻（Beata Coldbeck等，2018）明顯不同的地方。

表3中第1列的模型是將滯后一期研發(fā)投資率RDR的系數(shù)限制為0，這也就意味著觀察到的研發(fā)投資率RDR就是目標研發(fā)投資率。但是第2列模型給出的結(jié)果顯著地拒絕了這個假設，當我們將因變量的滯后一期加入模型中時，它的系數(shù)（0.722）具有非常高的顯著性。由此也就說明模型1遺漏了重要變量，但模型2也由于排除了固定效應而失去了合理性。在固定效應和隨機效應的選擇上，由于Hausman檢驗以極高的顯著性拒絕了隨機效應，所以模型3的固定效應模型應該是一個可靠的模型，而模型3就是我們前面的部分調(diào)整模型。第3列與第1列比較而言，托賓Q的系數(shù)由負轉(zhuǎn)正，說明市場機會的增加促進了研發(fā)投資率的提升;而DIV的系數(shù)由正轉(zhuǎn)負，說明現(xiàn)金股利的增加限制了研發(fā)投資率的提升，同時現(xiàn)金流一項依然不顯著。由此可以看出，第1列中的遺漏變量對主要系數(shù)的估計產(chǎn)生了重大影響。

盡管表3中第1列遺漏了重要變量，但是像第1列這樣的回歸在資本結(jié)構(gòu)調(diào)整模型中會用于生成目標投資率的代理變量，基于這樣代理變量的兩階段估計模型在很大程度上形成了關于目標投資調(diào)整的傳統(tǒng)觀點，即企業(yè)向目標投資的調(diào)整都是緩慢的。表3中的第4列展現(xiàn)了基于第1列目標研發(fā)投資率（（TDROLSi）的部分調(diào)整模型，這個調(diào)整速度（0.292）與第2列的調(diào)整速度0.278基本一致，因為二者都是沒有固定效應的動態(tài)調(diào)整模型，所以理論上也應該如此。而第5列則是用連續(xù)三年RDR的平均值作為代理變量，估計出的調(diào)整速度是0.378，要比模型（2）和（4）有所改善，但是與第（4）還是有一定差距，如果將固定效應加入模型（5），估計速度則要稍微高于模型（3），說明盡管模型（3）相對準確地衡量了研發(fā)投資的調(diào)整速度，但是模型中解釋變量的選取還是有提高的空間，一組更有解釋力的解釋變量應該是存在的。

（六）穩(wěn)健性檢驗

前面我們通過模型比較和估計方法的比較，發(fā)現(xiàn)加入固定效應的部分調(diào)整模型給出比較合理的目標研發(fā)投資率和調(diào)整速度，接下來我們將分別通過時間跨度、樣本跨度和不同時間段的選取進行模型與結(jié)論穩(wěn)健性的檢驗。

1.不同時間跨度的檢驗

標準的部分調(diào)整模型只是對公司研發(fā)投資行為的一個近似，在這個過程中，并沒有對實證估計的時間跨度做出特殊要求。單純就理論上而言，時間跨度越長調(diào)整應該越充分，這也是我們的一個合理假設。因此，我們分別在一年到五年時間跨度內(nèi)重新估計（4）式，得到表5。

表5中一年的調(diào)整速度是0.533，一個幾何下降應該使得兩年期的系數(shù)為0.782（=1-（1-0.533）2），如果模型估計合理的話，兩年期的實際調(diào)整應該在0.782上下，而表2中兩年期的實際調(diào)整是與目標值差距的0.707（=1-0.293），比較接近于理論上的調(diào)整水平。在更長的時期內(nèi)，3年、4年和5年的理論調(diào)整值分別是0.898、0.952、0.978，而我們估計的實際調(diào)整分別是0.852、0.948、0.978，理論值和估計值之間的緊密對應關系進一步支持了這樣的假設，即我們的部分調(diào)整模型還是比較準備地捕獲了研發(fā)投資數(shù)據(jù)的變化。

2.不同組別（規(guī)模）的比較

截至目前，我們都是將對包含全部企業(yè)的整體樣本進行估計，但是在文獻分析中我們發(fā)現(xiàn)，大企業(yè)和小企業(yè)的投資調(diào)整行為會有一定差別。單就交易成本而言，大企業(yè)在進行研發(fā)投資調(diào)整時會遇到更大交易成本的阻礙，所以其調(diào)整速度可能會偏慢。而規(guī)模較小企業(yè)的高成長性可能會減少它們的調(diào)整成本。為了評估（4）式回歸估計的穩(wěn)健性，在各個年度上按照企業(yè)規(guī)模分成10個組別，第1組是規(guī)模最大的組別，第10組是規(guī)模最小的組別。表6的結(jié)果顯示，在四組的子樣本中，解釋變量χ的系數(shù)估計值基本上是一致的，部分幅度不大的變化應該是不同組別中樣本差別的反應。表6也反映出（4）式的部分調(diào)整模型對所有組別中的樣本都進行了合理的估計。值得注意的是最大規(guī)模組企業(yè)的調(diào)整速度是最慢的，這大概是由于大企業(yè)更多地依靠外部融資，面臨更大的調(diào)整成本，所以相對低調(diào)整成本的小規(guī)模企業(yè)也就有了更快的調(diào)整速度。

3.不同時期的檢驗

表7報告了1990-2017年間四個時期（1990-2000，2000-2007，2007-2012，2012-2017）的估計結(jié)果。我們發(fā)現(xiàn)不同時期的調(diào)整速度基本上是一致的。1990-2000年的調(diào)整速度最慢，其中的原因可以從兩方面來理解，一方面是2000年之前的中國資本市場相對而言是不完善的，研發(fā)投資的調(diào)整成本綜合來講一定是偏大的，所以企業(yè)的調(diào)整速度偏低，另一方面這段時期內(nèi)，研發(fā)投資的數(shù)據(jù)缺失比較嚴重，所以也有樣本方面的原因。與其相對的是2012-2017年間的調(diào)整速度最快，這也可以從中國最近幾年資本市場不斷完善的角度來理解，隨著外部融資約束的降低，企業(yè)更愿意進行外部融資，研發(fā)調(diào)整成本有降低的趨勢，從而產(chǎn)生更快的調(diào)整速度。比較有趣的是金融危機前后幾年的變化不大，調(diào)整速度基本上沒有變。這與理論設想和其他學者的研究相對一致，Taewon kang等（2017）就發(fā)現(xiàn)企業(yè)的研發(fā)投資對于外部正向沖擊和負向沖擊的表現(xiàn)是不一樣。當有負向沖擊時，企業(yè)的研發(fā)投資更容易表現(xiàn)出平滑性，從另一個角度也可以理解為原有調(diào)整速度的維持，即并沒有因為沖擊而放慢調(diào)整步伐。

表7中解釋變量中托賓Q和現(xiàn)金流量的系數(shù)有著方向性的變化，其中托賓Q在最后一期的符號由負轉(zhuǎn)正，而且高度顯著，盡管具體的數(shù)值非常小，但說明問題。如果企業(yè)的治理結(jié)構(gòu)比較成熟而且資本市場比較完善的話，這個系數(shù)值應該是正的，也就是說隨著企業(yè)市場機會的增加，企業(yè)更加依賴研發(fā)投資來實現(xiàn)市場機會的價值，從另一個方面也能夠反映出，在整體水平上，企業(yè)的技術創(chuàng)新水平越來越高，而且是越來越依賴于自主技術創(chuàng)新來開拓和實現(xiàn)市場機會。現(xiàn)金流量的符號也是在最后一期由負轉(zhuǎn)正，這應該是整體企業(yè)發(fā)展階段的反映，隨著企業(yè)的發(fā)展壯大，現(xiàn)金流對研發(fā)投資作用由制約轉(zhuǎn)變?yōu)榇龠M，只有當企業(yè)發(fā)展到一定層次，這種促進作用才有可能顯現(xiàn)，這也符合理論推理和實踐經(jīng)驗。

四、結(jié)論

本文運用加入了固定效應的部分動態(tài)調(diào)整模型，以中國1990-2017年1968家上市公司（非金融類）的非平衡面板數(shù)據(jù)為對象， 通過關注目標研發(fā)投資水平來估算研發(fā)投資調(diào)整速度。證據(jù)表明，非金融類公司確實在追求目標研發(fā)投資水平并隨著內(nèi)外部環(huán)境的變化而進行動態(tài)調(diào)整。而且這些證據(jù)在公司規(guī)模、時間跨度和時間段上都是同樣有力的，并且表明固定效應的部分調(diào)整模型與數(shù)據(jù)非常吻合。正如以往的研究結(jié)論，目標研發(fā)投資（最優(yōu)水平）取決于一些被廣泛接受的企業(yè)特征。通過這些企業(yè)特征，研發(fā)投資偏低或過高的公司很快就會調(diào)整研發(fā)投資率，以抵消所觀察到的缺口。與最近的一些研究不同，在我們的估計中，當企業(yè)偏離目標研發(fā)投資率時，他們會相對更快地恢復到目標值。平均而言，樣本公司會采取行動，以每年50%左右的速度縮小其與目標研發(fā)投資率的差距。人們可能會疑惑50%的年度調(diào)整速度是“慢了”還是“快了”，但不容置疑的是這個速度肯定不是零。

注釋：

① Beata Coldbeck等（2017）對美國公司的估計，無論是在危機之前還是危機之后，這個系數(shù)都是在0.7以上。

② 對于資本結(jié)構(gòu)動態(tài)調(diào)整的研究，主要是基于三種理論，即權衡理論、啄食理論以及市場擇時理論。而均值回復理論否認了動態(tài)調(diào)整行為的存在，認為只不過均值回復現(xiàn)象而已。

參考文獻：

[1] Dale W. Jorgenson. Capital Theory and Investment Behavior. The American Economic Review， 1963，53. Papers and Proceedings of the Seventy-Fifth Annul Meeting of the American Economic Association，1963（5）：247-259.

[2] Wesley M. Cohen.， Steven Klepper. The anatomy of industry R&D intensity distributions[J].American Economic Review，1992，82（4）：773-799.

[3] Del Canto， J.， Gonzalez， L. A resource-based analysis of the factors determining a firms R&D activities[J].Research policy，1999，28（8）：891-905.

[4] Lee， C.A simple theory and evidence on the determinants of firm R&D[J].Economics of Innovation and New Technology，2003，12（5）：385-395.

[5] 李端生，王曉燕.高管團隊異質(zhì)性、激勵機制與企業(yè)研發(fā)投資行為——來自創(chuàng)業(yè)板上市公司的經(jīng)驗數(shù)據(jù)[J].經(jīng)濟問題，2019（2）：56-68.

[6] Levin， R.， W.， Mowery， D. R&D appropriability， opportunity， and market structure： new evidence on some Schumpeterian hypotheses[J].American Economic Review， 1985，75（2）：20-24.

[7] Pakes， A.， Nitzan， S. Optimum contracts for research personnel， research employment， and the establishment of rival enterprises. J. Labor Econ.，1983，1（4）：345-365.

[8] Bemstern， J.， Nadiri， M. Rates of return on physical and R&D capital and structure of the production process： cross section and time series evidence. In： Raj， B.（Ed.）， Advances in Econometrics and Modelling. Springer， Amsterdam， 1989：169-187.

[9] Brown， J.， Petersen， B. Cash holdings and R&D smoothing[J].Journal of Corporate Finance，2011，17（3）：694-709.

[10]劉端，薛靜蕓，羅勇，等. 現(xiàn)金持有、研發(fā)投資平滑和產(chǎn)品市場競爭績效——基于中國高科技行業(yè)上市公司的實證[J]. 系統(tǒng)管理學報，2015，24（5）：717-726.

[11]Shin， M.， Kim， S. The effects of cash holdings on R&D smoothing： evidence from Korean[J].Journal of Finance Account，2011，6：1-19.

[12]Martin， Woerter. Competition and Persistence of R&D[J].Economics of Innovation and New Technology，2014，23（5-6）：469-489.

[13]楊興全，李萬利，韓建強. 產(chǎn)品市場競爭與現(xiàn)金持有創(chuàng)新平滑效應——基于融資約束和產(chǎn)權性質(zhì)視角的實證研究[J]. 軟科學，2016，30（5）：82-86.

[14]Nick Bloom. Uncertainty and the dynamics of R&D[J].American Economic Review，2007，97（2）：250-255.

[15]Nick Bloom， Stephen Bond， John Van Reenen. Uncertainty and Investment Dynamics[J].The Review of Economic Studies，2007，74（2）：391-415.

[16]李萬福，杜靜. 稅收優(yōu)惠、調(diào)整成本與R&D投資[J]. 會計研究，2016（12）：58-63，96.

[17]李華. 稅收優(yōu)惠與調(diào)整成本對企業(yè)研發(fā)投入行為的影響研究[J]. 當代財經(jīng)，2018（7）：25-34.

[18] Taewon Kang， Chulwoo Baek， Jeong-Dong Lee. The persistency and volatility of the firm R&D investment： Revisited from the perspective of technological capability[J].Research Policy，2017，46：1570-1579.

[19]劉波，李志生，王泓力，等. 現(xiàn)金流不確定性與企業(yè)創(chuàng)新[J]. 經(jīng)濟研究，2017，52（3）：166-180.

[20]Beata Coldbeck， Aydin Ozkan. Comparison of adjustment speeds in target research and development and capital investment： what did the financial crisis of 2007 change？[J].Journal of Business Research，2018，84：1-10.

[21]Ram Mudambi， Tim Swift. Proactive R&D management and firm growth： a punctuated equilibrium model[J].Research Policy，2011，40：429-440.

[22]Takafumi Sasaki. Financial cash flows and research and development investment[J].Pacific-Basin Finance Journal，2016，39：1-15.

[23]Michele Cincera， Julien Ravet， Reinhilde Veugelers. The sensitivity of R&D investments to cash flows： comparing young and old EU and US leading innovators[J].Economics of Innovation and New technology，2016，25（3）：304-320.

[24]郭園園，成力為. 外部融資渠道與企業(yè)異質(zhì)性R&D投資[J].科學學研究，2016，34（6）：887-895.

[25]Leary W， Roberts M. Do firms rebalance their capital structure？[J].Journal of Finance，2005，60（6）：2575-2619.

[26]Mark J. Flannery， Kasturi P.Rangan. Partial adjustment toward target capital structures[J].Journal of Financial Economics，2006，79：469-506.

（責任編輯：周正）