摘要：創(chuàng)新是中小企業(yè)保持競爭力、適應市場變化和實現可持續(xù)發(fā)展的關鍵?；?016-2022年創(chuàng)業(yè)板中小企業(yè)相關數據，運用三階段DEA分析、面板Tobit模型回歸、二元Logistic回歸等方法，探究供應鏈金融對中小企業(yè)Ramp;D投資效率的影響。結果表明，供應鏈金融能夠顯著提高中小企業(yè)Ramp;D投資效率，融資約束在二者間發(fā)揮遮掩效應。進一步分析發(fā)現，上述效應對供應鏈集中度較高的企業(yè)更為顯著。結論可為發(fā)揮供應鏈金融籌資優(yōu)勢，促進供應鏈生態(tài)系統(tǒng)資源互補、信息共享的協(xié)同創(chuàng)新網絡形成，進而支持中小企業(yè)創(chuàng)新活動提供理論支持。

關鍵詞：供應鏈金融；Ramp;D投資效率；三階段DEA；面板Tobit模型；遮掩效應

中圖分類號：F273.1"""文獻標識碼：A"""文章編號：1001-7348（2025）01-0102-11

0 引言

創(chuàng)新活動有助于中小企業(yè)降低成本、提高效率，提升產品與服務質量，抓住新的商業(yè)機會，實現多元化經營與可持續(xù)發(fā)展。然而，中小企業(yè)創(chuàng)新活動在資金與機制方面存在短板：一方面，創(chuàng)新活動具有周期性、風險性特點^[1]，研究開發(fā)能否成功、研究成果能否順利轉化存在不確定性，企業(yè)完全依靠自有資金開展創(chuàng)新活動的難度較大。另一方面，中小企業(yè)自主創(chuàng)新意識不強、創(chuàng)新動力不足、創(chuàng)新能力較弱^[2]，技術創(chuàng)新激勵機制^[3]、科技成果轉化機制有待完善^[4]，在技術創(chuàng)新活動中的主觀能動性較差。因此，如何助力中小企業(yè)紓解融資約束、提升技術創(chuàng)新能力，成為亟需解決的現實問題。

隨著大數據、區(qū)塊鏈及人工智能等技術發(fā)展，由核心企業(yè)、供應鏈節(jié)點企業(yè)、金融機構及物流機構共同構建的實時化、數字化、定制化、去中心化供應鏈金融生態(tài)體系逐步形成^[5]。供應鏈金融業(yè)態(tài)對中小企業(yè)發(fā)展具有推動作用，不僅能夠提升中小企業(yè)融資及時性、便利性，而且可以通過資源互補、信息共享、組織協(xié)調等方式整合商流、物流、信息流以及資金流，有助于供應鏈上的中小企業(yè)創(chuàng)造協(xié)同價值^[6]。在中小企業(yè)創(chuàng)新活動過程中，供應鏈金融發(fā)揮著重要作用：一方面，供應鏈金融業(yè)務有助于中小企業(yè)獲得低成本資金，進而緩解融資約束，以維持長期穩(wěn)定的研發(fā)資金投入^[7]；另一方面，供應鏈金融生態(tài)網絡中形成的密切伙伴關系能夠促進鏈中企業(yè)業(yè)務往來、技術交流以及信息共享，進而加速中小企業(yè)協(xié)同創(chuàng)新網絡形成，促進其研發(fā)活動順利開展、研發(fā)成果成功轉化^[8]。作為評價創(chuàng)新績效的關鍵指標，Ramp;D投資效率通常用于衡量企業(yè)創(chuàng)新活動投入能否有效轉化為創(chuàng)新成果或其它商業(yè)價值。供應鏈金融能否提高中小企業(yè)Ramp;D投資效率？其對企業(yè)Ramp;D投資效率的作用機制如何？受到何種因素影響？對上述問題的解答將有助于拓展企業(yè)Ramp;D投資效率前因研究，為中小企業(yè)創(chuàng)新發(fā)展提供參考。

本文以創(chuàng)業(yè)板上市中小企業(yè)為樣本，對供應鏈金融與中小企業(yè)Ramp;D投資效率間的傳導機制進行深入探究，主要創(chuàng)新貢獻如下：第一，區(qū)別于以往研究僅關注創(chuàng)新投入或創(chuàng)新產出^[9-10]，本文運用三階段DEA對Ramp;D投資效率進行測度，得到的效率值能夠同時反映企業(yè)研發(fā)資源投入與經濟效益產出情況。第二，基于面板Tobit模型驗證供應鏈金融對Ramp;D投資效率的直接效應，通過二元Logistic回歸構建融資約束指數（FC），進一步揭示融資約束在二者間的遮掩效應。第三，探討供應鏈集中度、客戶集中度對供應鏈金融與Ramp;D投資效率關系的外部調節(jié)效應，以期豐富影響供應鏈金融與企業(yè)創(chuàng)新發(fā)展關系鏈條的外部因素，指導中小企業(yè)更好地嵌入供應鏈金融業(yè)務，緩解資金壓力、構建供應鏈協(xié)作關系，從而實現高質量發(fā)展。

1 文獻綜述與研究假設

1.1 供應鏈金融與企業(yè)Ramp;D投資效率

隨著產業(yè)結構優(yōu)化、信息技術發(fā)展，市場競爭逐步由企業(yè)間的價格競爭轉變?yōu)楣滈g的創(chuàng)新競爭^[11]。知識經濟時代，產品及技術生命周期日益縮短，新技術擴散效應日益顯著，中小企業(yè)研發(fā)能力較弱、可用資源有限，協(xié)同創(chuàng)新成為其發(fā)展壯大的必由之路^[12]。供應鏈金融可為中小企業(yè)創(chuàng)新活動發(fā)揮積極作用：一方面，在緩解企業(yè)融資困境的同時，供應鏈金融能夠強化鏈中企業(yè)合作關系，通過促進核心技術突破組織邊界、在鏈中實現共享，進而構建供應鏈協(xié)同創(chuàng)新體系，形成供應鏈品牌效應^[13]。另一方面，供應鏈金融能夠推動鏈中各主體在風險共擔、需求共贏的共識下開展價值共創(chuàng)活動，進而形成資源互補、信息共享的共同經營機制與協(xié)同效應。這種協(xié)同不僅表現在資金融通、資源共享方面，而且體現在企業(yè)知識技術力外溢、供應鏈外部技術共同引進等方面^[14]。

本研究認為，供應鏈金融能夠有效促進中小企業(yè)Ramp;D投資效率提升：一方面，供應鏈金融可為中小企業(yè)提供多種融資工具和渠道。相較于傳統(tǒng)銀行貸款，供應鏈金融更為靈活、便捷，有助于中小企業(yè)獲得更實惠的資金支持，緩解融資壓力^[15]。此外，供應鏈金融能夠促進供應鏈上下游金融資源流動，提高企業(yè)資金周轉效率，幫助企業(yè)利用現有資金開展研發(fā)投入，從而為創(chuàng)新活動掃清障礙^[16]。另一方面，供應鏈金融要求中小企業(yè)積極參與供應鏈上下游合作，這促進了鏈中企業(yè)業(yè)務往來、核心技術交流以及信息資源共享，有利于構建具有互信基礎的協(xié)同創(chuàng)新網絡。此外，供應鏈金融能夠通過提高信息透明度幫助中小企業(yè)獲取供應商優(yōu)勢、資金流動、風險管理等信息，從而更好地協(xié)助企業(yè)開展研發(fā)活動^[17]?；谏鲜龇治觯疚奶岢鲆韵录僭O：

H1：供應鏈金融能夠提升中小企業(yè)Ramp;D投資效率。

1.2 融資約束的路徑效應

相較于傳統(tǒng)銀行借貸融資模式，供應鏈金融具有長期穩(wěn)定性、信貸整體性、融資外包性、風險易控性等特點^[18]?，F有研究普遍認可供應鏈金融能夠緩解企業(yè)融資約束困境的觀點，如韓民等^[19]認為，供應鏈金融能夠有效緩解企業(yè)融資約束，且產業(yè)融合程度越高，緩解效應越顯著；王立清等^[20]通過研究制造業(yè)、建筑業(yè)以及批發(fā)零售業(yè)上市企業(yè)發(fā)現，供應鏈金融對企業(yè)融資約束具有顯著負向影響，上述負相關關系受產融結合、戰(zhàn)略承諾的正向調節(jié)作用；付瑋瓊等^[21]認為，供應鏈金融能夠通過降低銀企間信息不對稱程度、提高企業(yè)信用質量兩種渠道緩解企業(yè)融資約束。

供應鏈上的中小企業(yè)可以通過關系嵌入與業(yè)務閉合形成復雜的網狀結構，供應鏈中產生的信用在控制風險、降低信息不對稱程度、緩解融資約束方面存在較大優(yōu)勢^[22]：其一，金融機構在評估融資企業(yè)信用質量時，可將企業(yè)納入供應鏈關系網絡考核，向鏈中多個企業(yè)提供“批發(fā)式”信用；其二，第三方物流企業(yè)承擔向金融機構出具倉單的職能，由此進一步緩解銀企間信息摩擦；其三，核心企業(yè)的優(yōu)質信用能夠借助供應鏈傳遞，進而降低融資企業(yè)與金融機構間的逆向選擇風險^[23]。此外，隨著區(qū)塊鏈、大數據等技術應用，供應鏈金融能夠解決傳統(tǒng)銀行借貸的“信息孤島”問題，在嚴格且有效的內部信息共享機制下，中小企業(yè)融資風險得到進一步管控^[24]?；谏鲜龇治?，本文提出以下假設：

H2：供應鏈金融能夠緩解中小企業(yè)融資約束。

現有研究對企業(yè)融資約束與Ramp;D投資效率的關系存在不同觀點。一方面，部分研究認為企業(yè)融資約束與Ramp;D投資效率呈正相關關系。由于股份制企業(yè)中所有權與經營權分離，企業(yè)股東與管理層存在一定的利益沖突，后者可能通過過度投資行為實現“自利”^[25]。較為嚴重的融資約束狀況會迫使管理層選擇高回報的研發(fā)項目，進而抑制過度投資行為、提高Ramp;D投資質量^[26]。因此，融資約束像一把“雙刃劍”，在制約企業(yè)發(fā)展的同時，能夠促進Ramp;D投資效率提高。例如，范海峰等^[27]認為，當上市企業(yè)存在融資約束時，資金短缺會對其Ramp;D投入產生顯著抑制作用，但也會減少與企業(yè)專業(yè)領域相關度較低的投資決策，進而對其Ramp;D投資效率產生顯著促進作用。另一方面，部分研究認為企業(yè)融資約束與Ramp;D投資效率呈負相關關系。Ramp;D投資具有高風險、高不確定性特征且更加依賴內部融資，而融資約束不利于Ramp;D投資質量提升^[28]。進一步地，存在融資約束狀況的企業(yè)，其Ramp;D投資往往依賴于內部現金流，其現金持有行為能夠緩解現金流波動對Ramp;D投資的沖擊，從而降低調整成本^[29]。例如，雷鵬等^[30]認為，融資約束會抑制企業(yè)Ramp;D效率提升，是融資約束不利于企業(yè)貨幣薪酬激勵所致。此外，部分研究認為應辯證地看待二者關系。例如，胡海青等（2016）將Ramp;D投資效率分為投資過度與投資不足兩種情況，當投資過度時，Ramp;D投資效率與企業(yè)代理成本有關，與融資約束呈正相關關系；當投資不足時，Ramp;D投資效率受制于企業(yè)內源性融資能力，與融資約束呈負相關關系。基于上述分析，本文提出以下假設：

H3：融資約束在供應鏈金融與中小企業(yè)Ramp;D投資效率間發(fā)揮中介效應。

H4：融資約束在供應鏈金融與中小企業(yè)Ramp;D投資效率間發(fā)揮遮掩效應。

1.3 供應鏈集中度的調節(jié)效應

供應鏈金融對中小企業(yè)Ramp;D投資效率的影響不單體現在緩解研發(fā)資金約束方面，實際上，基于供應鏈合作關系的協(xié)同創(chuàng)新系統(tǒng)能夠促使鏈中各主體在特定運作模式下，圍繞共同目標以實現整體利益最大化，在風險共擔、需求共贏的驅動下，構建資源互補與信息共享的共同經營機制。通過梳理現有研究發(fā)現，在眾多企業(yè)創(chuàng)新影響因素中，企業(yè)、供應商以及客戶三者間的供應鏈關系發(fā)揮重要作用。供應商與客戶通常持有與企業(yè)優(yōu)勢互補的資源，是企業(yè)創(chuàng)新資源的重要來源，有助于創(chuàng)新活動開展。現有研究指出，企業(yè)能否從供應鏈合作伙伴處獲取外部資源支持，往往受供應商集中度與客戶集中度的影響^[31]。一方面，供應鏈內部合作能夠推動資源與信息共享，為企業(yè)創(chuàng)新活動提供知識基礎；另一方面，供應鏈合作關系情景下，供應商與客戶能夠發(fā)揮支持、監(jiān)督以及治理作用，從而降低企業(yè)創(chuàng)新風險^[32]?；谏鲜龇治?，本文提出以下假設：

H5：供應商集中度越高，供應鏈金融對中小企業(yè)Ramp;D投資效率的促進效應越顯著。

H6：客戶集中度越高，供應鏈金融對中小企業(yè)Ramp;D投資效率的促進效應越顯著。

2 研究設計

2.1 數據來源

本文以2016-2022年創(chuàng)業(yè)板上市中小企業(yè)作為研究樣本，財務數據來源于CSMAR數據庫，省級數據來源于《中國統(tǒng)計年鑒》以及《中國科技統(tǒng)計年鑒》。為確保樣本完整性以及實證結果的穩(wěn)健性，本文對樣本進行如下篩選：第一，剔除金融及保險類公司；第二，剔除樣本期間ST和*ST的樣本企業(yè)；第三，剔除財務數據缺失及異常的樣本企業(yè)。最終，得到2016-2022年109家創(chuàng)業(yè)板上市企業(yè)平衡面板數據。在測算樣本企業(yè)Ramp;D投資效率時，本文采用Deap 2.1軟件進行第一及第三階段DEA步驟，采用Frontier 4.1軟件進行第二階段隨機前沿分析。此外，本文使用Excel對數據進行預處理，采用SPSS 26、Stata16對數據進行實證分析。本文樣本企業(yè)行業(yè)分布情況如表1所示。

2.2 變量選取

2.2.1 被解釋變量

本文采用三階段DEA方法測算綜合效率（TE），具體如下：

（1）第一階段：傳統(tǒng)DEA模型。CCR和BCC是DEA常用模型，相較于前者，后者更具優(yōu)勢：首先，BCC模型考慮各決策單元間的差異性，允許其輸入和輸出比率不同，因而更能準確反映實際情況。其次，BCC模型采用投入和產出的分配系數對輸入與輸出進行約束，評估結果更加準確。最后，BCC模型能夠更好地適應復雜的生產環(huán)境，在實踐中更具有應用價值。同時，中小企業(yè)規(guī)模普遍較小、風險抵御能力較弱，相較于產出指標，投入指標更易控制和改變。綜上所述，本文采用投入導向型的DEA-BCC模型測度樣本企業(yè)Ramp;D投資效率，構建模型如下：

Min［θ－ε（∑mi=1S－i+∑sr=1S+r）］=νd（ε）s.t.∑nj=1λjxij+S－i=θxi0，i=1，2，3…m∑nj=1λjyrj－S+r=yr0，r=1，2，3…s∑nj=1λj=1，j=1，2，3…nS－≥0，S+≥0，λj≥0（1）

其中，n代表決策單元個數，m、s分別代表投入與產出指標個數，S－i代表第i個投入指標的松弛變量，S+r代表第r個產出指標的松弛變量，xij代表第j個決策單元的第i個投入指標，yrj代表第j個決策單元的第r個產出指標，ε代表非阿基米德無窮小，λ代表權重。θ代表決策單元的技術效率值，取值介于0～1之間：當θ=1時，該決策單元處于DEA有效狀態(tài)；當0≤θlt;1時，該決策單元處于非DEA有效狀態(tài)。第一階段DEA可求得初始效率值以及投入指標的松弛變量。松弛變量代表實際投入與基于最優(yōu)效率投入的差值，其中包括管理無效率、環(huán)境因素以及統(tǒng)計噪聲等因素帶來的偏差。

（2）第二階段：SFA回歸。第二階段采用隨機前沿分析方法對導致效率低下的影響因素進行分解，利用第一階段得到的松弛變量對環(huán)境因素及混合誤差進行回歸，將所有決策單元調整至同一環(huán)境，僅保留管理無效率所帶來的影響，構建模型如下：

Sij=f（Zj，βi）+Vij+Uij，i=1，2，3…m，j=1，2，3…n（2）

x*ij=xij+［maxj{Zkβ^i}－Zkβ^i］+［maxj{V^ij}－V^ij］，i=1，2，3…m，j=1，2，3…n（3）

式（2）中，Sij代表第j個決策單元的第i個投入指標的松弛變量，Zj=（Z1j，Z2j，Z3j…Zpj）代表p個可觀測的外部環(huán)境變量，βi代表外部環(huán)境變量的待估系數，Vij代表隨機干擾項，Uij≥0代表管理無效率所帶來的影響。Vij+Uij代表混合誤差項，SFA中假定Vij服從正態(tài)分布N（0，σ2iv），Uij服從截斷正態(tài)分布N+（ui，σ2iu），Vij與Uij的分布相互獨立且不相關。引入回歸參數γ=σ2iu/（σ2iu+σ2iv）∈［0，1］，代表管理無效率方差占總方差的比重。γ值越趨近1，說明管理無效率對企業(yè)總效率的影響越顯著，應采取最大似然估計進行SFA回歸；γ值越趨近0，說明隨機偶然因素對企業(yè)總效率的影響越顯著，可采用OLS估計。

式（3）中，x*ij代表調整后的投入變量，xij代表初始投入變量。第二階段SFA回歸后，得到經過調整后的投入數據，上述數據剔除了外部環(huán)境與隨機因素的影響，較第一階段所使用的原始投入數據更具真實性。

（3）第三階段：調整后的DEA模型。將調整后的投入變量x*ij與原始產出變量yrj代入BCC模型，重新對效率值進行測算，得到最終效率值。

綜上所述，本文中Ramp;D投入效率測度步驟如圖1所示。

遵循科學性、代表性、數據可得性、完備性等原則，結合創(chuàng)業(yè)板上市企業(yè)特點，本文選取相關指標測度Ramp;D投資效率如表2所示。

根據我國會計準則，上市公司在年報中披露的研發(fā)支出費用及人員均為流量指標而非存量指標，不符合DEA模型要求。因此，本文采用永續(xù)盤存法將其轉化為存量指標，計算公式如下：

Kit=（1－δ）Ki，t－1+Ei，t－1（4）

其中，K表示Ramp;D資本存量，E代表Ramp;D支出，δ為Ramp;D資本存量折舊率。由于Ramp;D支出的滯后結構難以量化，現有研究通常假設平均滯后期為1年，取折舊率δ為15%。在計算樣本企業(yè)Ramp;D資本存量K時，需確定基期Ramp;D資本存量K0，假設K與E的平均增長率均為g，K1=（1+g）K0，基期Ramp;D本存量K0=E0/（g+δ）。取g為樣本期間所有企業(yè)Ramp;D經費支出增長率的算術平均值，將投入指標數據轉化為存量數據。

由于Ramp;D投入具有滯后性（1～2年），本文選取樣本企業(yè)2016-2021年投入指標數據以及環(huán)境變量數據、2017—2022年產出指標數據對2016—2021年Ramp;D投資效率進行測度。同時，由于產出指標均為比率型指標，可能出現負值或零值的情況，為了避免投入與產出指標量綱不一致導致的問題，本文對投入與產出數據均采取無量綱化處理。經過處理，所有數據均處于[0.1，1]，滿足DEA的要求。對本文投入—產出指標分別進行相關性分析，結果顯示，各變量間相關系數均小于0.7，即不存在顯著相關性。

2.2.2 解釋變量

現有研究采用以下方法測度供應鏈金融：其一，設置虛擬變量表示供應鏈金融業(yè)務開展情況，若業(yè)務開展則取值為1，反之則取值為0^[33]。其二，選取財務指標測度供應鏈金融，常用指標有應付票據、短期借款等^[34]。其三，將供應鏈金融分為金融導向與供應鏈導向兩個維度，基于不同側重點衡量供應鏈金融開展情況。

本文基于創(chuàng)業(yè)板中小企業(yè)視角，選擇采用財務數據構建微觀指標。考慮到樣本數據的可得性，僅考慮“應付票據”“短期借款”時數據零值、缺失值較多，因而加入“應收賬款”這一指標，原因如下：中小企業(yè)將應收賬款單據質押給銀行并獲得融資，雖然這一行為在財務報表中體現為短期借款變動，但對于資金缺口較大的中小企業(yè)而言，應收賬款增加代表融資傾向。只有在經營過程中產生了應收賬款，企業(yè)才有機會參與供應鏈金融應收賬款融資業(yè)務。因此，應收賬款變動能夠反映中小企業(yè)參與供應鏈金融業(yè)務的可能性?；谏鲜龇治觯疚牟捎檬剑?）測度中小企業(yè)供應鏈金融（SCF）。

SCF=（應付票據+短期借款+應收賬款）/期末資產總計 （5）

2.2.3 路徑變量

本文基于二元Logistic回歸構建融資約束指數（FC），具體做法如下：將樣本分別按照股利支付率、企業(yè)規(guī)模進行分組，以同時位于股利支付率序列、企業(yè)規(guī)模序列前50%的觀測值作為低融資約束組，以同時位于股利支付率序列、企業(yè)規(guī)模序列后50%的觀測值作為高融資約束組。由此得到174個低融資約束觀測值、204個高融資約束觀測值。選取流通股占比、每股股利變化、現金流量、營業(yè)凈利率、流動比率、托賓Q值等6個指標，分別代表企業(yè)股本結構、股本獲利能力、現金能力、盈利能力、償債能力以及發(fā)展能力等。對上述指標進行獨立樣本t檢驗，結果顯示，所有指標均值在兩組樣本間存在5%水平上的顯著差異，說明上述指標能夠顯著區(qū)分不同組別樣本狀態(tài)。對各指標進行VIF檢驗，結果表明，各變量的VIF值均未超過10，由此斷定變量間不存在嚴重的多重共線性問題。對模型進行Wald檢驗，結果顯示，模型中各解釋變量與融資約束指數間存在5%水平上的顯著線性相關關系。采用HL檢驗、ROC曲線對模型擬合優(yōu)度進行評判，結果顯示，HL檢驗的P值為0.485gt;0.05，可認為擬合模型與真實模型基本不存在偏差；ROC曲線下面積為0.754 6gt;0.5，說明模型準確度較高、解釋力較強?；诖?，本文構建融資約束指數如下：

FC=0.385-0.396Ratio-0.885ΔPR+2.590CF+1.109NOI－0.050LR+0.334TobinQ（6）

根據上述定義式，該指數值越大，表明企業(yè)融資約束程度越高。

2.2.4 控制變量

借鑒現有研究成果，本文從現金能力、盈利能力、償債能力、營運能力、發(fā)展能力以及企業(yè)自身情況出發(fā)，選取7個控制變量。所有變量定義如表3所示。

2.3 模型構建

考慮到被解釋變量（TE）的數值介于0～1之間，本文結合Hausman檢驗結果，分別采用隨機面板Tobit回歸與固定效應回歸，構建模型如下：

TE=α0+α1SCFi，t+∑6j=2αjControli，t+εi，t（7）

FC=α0+α1SCFi，t+∑6j=2αjControli，t+εi，t（8）

TE=α0+α1SCFi，t+α2FCi，t+∑7j=3αjControli，t+εi，t（9）

式（7）中，若系數α1方向為正，則認為供應鏈金融能夠促進中小企業(yè)Ramp;D投資效率提高。式（8）中，若系數α1方向為負，則認為供應鏈金融可以緩解企業(yè)融資約束。式（9）中，若系數α1與系數α2同時顯著，則表明融資約束在供應鏈金融對Ramp;D投資效率影響過程中發(fā)揮部分中介或遮掩作用；若α1不顯著、α2顯著，則表明融資約束在供應鏈金融對企業(yè)Ramp;D投資效率影響過程中發(fā)揮完全中介或遮掩作用。

3 實證結果及分析

3.1 DEA結果分析

本文對樣本企業(yè)2016-2021年Ramp;D投資的綜合效率（TE）、純技術效率（PTE）以及規(guī)模效率（SE）進行分年度測算，結果如表4所示。

在DEA分析中，TE是對各決策單元資源配置、使用效率的測度與評價，PTE為受企業(yè)管理及技術水平影響的生產效率，SE為受企業(yè)規(guī)模層次影響的生產效率。若TE=1，則認為該決策單元投入實現了100%轉化，即同時達到技術有效與規(guī)模有效；若PTE=1，則表示在當前管理和技術水平不變的前提下，企業(yè)所有投入資源的使用是有效的，未達到綜合有效的根本原因在于其規(guī)模無效。表4顯示，TE達到1的企業(yè)僅占所有樣本的10%，說明大多數企業(yè)Ramp;D投入未能完全轉化為經濟效益，存在資源損耗較大、轉化效率較低等問題。各年份SE均值普遍高于PTE均值，說明偏低的TE主要是由于PTE偏低所致。上述結果一定程度上反映出中小企業(yè)普遍存在的問題，即可用資源有限、市場競爭激烈，加上企業(yè)管理者短視、知識與經驗不足等不利因素，導致企業(yè)短期內無法將關鍵資源用于提升管理水平，因而不利于其可持續(xù)發(fā)展。

計算投入指標原始值與投入指標目標值間的差值，該差值即為松弛變量。松弛變量越大，代表原始投入的資源浪費情況越嚴重。本文對各投入指標松弛變量與環(huán)境變量進行SFA回歸，結果如表5所示。

從模型設定的可靠性檢驗結果看，投入松弛變量的單邊似然比檢驗統(tǒng)計量LR均通過1%水平上的顯著性檢驗，表明模型估計結果可被接受，可以進行第二階段SFA回歸。Ramp;D費用總額松弛變量、研發(fā)人員數量松弛變量模型的δ2、γ均在1%水平上顯著且大于0.9，表明相較于隨機誤差，管理無效率對兩個投入松弛變量的影響更顯著。因此，有必要采用SFA回歸對管理無效率進行剝離。

對調整后的投入指標數據、原始產出數據進行第三階段DEA測算，結果如圖2所示。圖2顯示，大多數樣本企業(yè)綜合效率值在調整后有所提升，說明環(huán)境中的隨機誤差因素對企業(yè)Ramp;D投資效率產生了不同程度的影響，經過調整得到的新效率值更能有效反映企業(yè)研發(fā)活動情況。由此可見，受環(huán)境因素影響，創(chuàng)業(yè)板企業(yè)Ramp;D投資效率或多或少存在被低估的情況，其所處經濟、政治環(huán)境以及企業(yè)規(guī)模、所處生命周期對其創(chuàng)新績效存在不同程度的影響，政策環(huán)境改善、管理水平提高對企業(yè)Ramp;D投資效率具有重要影響。

3.2 傳導路徑分析

3.2.1 描述性統(tǒng)計

本文對變量進行描述性統(tǒng)計分析，結果如表6所示。企業(yè)Ramp;D投資綜合效率（TE）的均值為0.843，標準差為0.122，說明大多數樣本企業(yè)能夠高效地將Ramp;D資源投入轉化為實際經濟效益產出，這符合我國創(chuàng)業(yè)板企業(yè)管理科學、前景良好、潛力巨大的特點。供應鏈金融（SCF）的均值為0.170，標準差為0.135，說明樣本中小企業(yè)參與供應鏈金融業(yè)務的深度及廣度差異不大。這可能是受自身條件限制，中小企業(yè)在供應鏈中只能扮演上游供貨商或下游經銷商的角色所致。融資約束指數（FC）的均值為1.006，標準差為0.535，說明樣本中小企業(yè)融資約束情況差異不大，這可能與其參與供應鏈金融業(yè)務，進而盤活了存量資金存在一定關聯。

3.2.2 相關性分析

本文對所有變量進行相關性檢驗，結果如表7所示。

由表7可知，各變量間相關系數均小于0.7且大部分系數在5%水平上顯著，說明本文變量間不存在嚴重的共線性問題。進一步地，對各變量進行方差膨脹因子檢驗，結果顯示，各變量的VIF值均未超過10，由此可斷定變量間不存在多重共線問題。

3.2.3 回歸分析

本文對所有變量進行回歸分析，結果如表8所示。

表8顯示，路徑SCF→TE中SCF的擬合系數為0.111且在5%水平上顯著，表明供應鏈金融能夠促進中小企業(yè)Ramp;D投資效率提升，H1得到驗證。路徑SCF→FC中SCF的回歸系數為-0.137且在10%水平上顯著，說明供應鏈金融能夠緩解中小企業(yè)融資約束困境，H2得到驗證。路徑SCF→FC→TE中SCF的擬合系數為0.113且在5%水平上顯著，FC的擬合系數為0.016且在5%水平上顯著，說明供應鏈金融能夠通過緩解中小企業(yè)融資約束提升Ramp;D投資效率。直接效應與間接效應的符號相反，說明融資約束在供應鏈金融對中小企業(yè)Ramp;D投資效率影響過程中發(fā)揮遮掩效應，H4得到驗證。

3.3 調節(jié)效應分析

本文采用供應商集中度、客戶集中度作為分組變量，計算方式如下：前五大供應商采購額占總采購額比率的平方和、前五大客戶銷售額占總銷售額比率的平方和。按照供應鏈集中度對樣本企業(yè)進行分組，高于均值的觀測值劃分為高供應商集中度組，低于均值的觀測值劃分為低供應商集中度組，基于客戶集中度的分組情況與之相同。分組回歸結果顯示，供應商集中度、客戶集中度在供應鏈金融對中小企業(yè)Ramp;D投資效率影響過程中發(fā)揮調節(jié)作用，結果如表9所示。

表9顯示，高供應商集中度組中，SCF的系數為0.115且在10%水平上顯著；低組中SCF的系數為0.106且不顯著。高客戶集中度組中，SCF的系數為0.149且在1%水平上顯著；低組中SCF的系數為0.070且不顯著。上述結果說明，對于供應商集中度、客戶集中度較高的企業(yè)而言，供應鏈金融對Ramp;D投資效率的促進作用更為顯著，假設H5、H6得到驗證。結合現實情況看，供應鏈集中度是中小企業(yè)縱向協(xié)同創(chuàng)新效應的表征，供應鏈集中度越高，供應商企業(yè)、客戶企業(yè)對中小企業(yè)的掌控能力越強，對其研發(fā)活動的參與度越高。上下游企業(yè)可能通過核心技術外溢、資金鏈條延伸降低其與中小企業(yè)合作成本，最終促進供應鏈整體競爭力提升。

3.4 穩(wěn)健性檢驗

本文通過如下方式進行穩(wěn)健性檢驗：第一，將供應鏈金融的測度方式替換為（應付票據+短期借款）/期末總資產，以此重新檢驗H1、H4；第二，將融資約束的測度方式替換為CSMAR數據庫提供的SA指數、FC指數，以此重新檢驗H2、H4；第三，同時替換供應鏈金融與融資約束的測度方式，以此重新檢驗H4；第四，將供應商集中度的測度方式替換為前五大供應商采購額占年度總采購額的比值，將客戶集中度的測度方式替換為前五大客戶銷售額占年度總銷售額的比值，以此重新檢驗H5、H6。由上述穩(wěn)健性檢驗結果可知，本文所有假設均通過檢驗。由此說明，本文實證結果具有一定的穩(wěn)健性。

4 結語

4.1 結論

本文基于2016-2022年109家創(chuàng)業(yè)板上市企業(yè)數據，通過三階段DEA方法對企業(yè)Ramp;D投資效率進行測度，構建面板Tobit回歸模型探究供應鏈金融對Ramp;D投資效率的影響，驗證了融資約束在其中發(fā)揮的遮掩效應，以及供應商集中度、客戶集中度對二者關系的調節(jié)效應，得到以下主要結論：

（1）供應鏈金融能夠顯著提升中小企業(yè)Ramp;D投資效率，融資約束在二者間發(fā)揮遮掩效應（在控制融資約束的前提下，供應鏈金融對企業(yè)Ramp;D投資效率的影響更顯著）。

（2）在供應商集中度、客戶集中度較高的企業(yè)中，供應鏈金融對Ramp;D投資效率的促進作用更為顯著。

4.2 理論貢獻

（1） 在企業(yè)創(chuàng)新績效測度時，引入“效率”的概念，通過三階段DEA對“創(chuàng)新資源注入—創(chuàng)新成果孵化—變現與商業(yè)化”的創(chuàng)新活動全流程進行了追蹤與刻畫，相較于現有創(chuàng)新績效測度研究更加全面。此外，三階段DEA克服了傳統(tǒng)DEA的不足，能夠真實還原Ramp;D投資效率情況，為全面評估中小企業(yè)創(chuàng)新績效提供了指導。

（2） 揭示了供應鏈金融與Ramp;D投資效率的關系，驗證了融資約束的遮掩效應以及供應鏈集中度的調節(jié)效應，為進一步挖掘供應鏈金融與Ramp;D投資效率間的中介變量以及調節(jié)變量奠定了基礎。本文選取的融資約束、供應鏈集中度變量對應供應鏈金融發(fā)展的兩個重要方向：一是加強對中小企業(yè)資金融通的支持，二是構建供應鏈金融生態(tài)圈，促使中小企業(yè)嵌入與供應商企業(yè)、客戶企業(yè)價值共創(chuàng)、風險共擔的協(xié)同系統(tǒng)。本文結論可為供應鏈金融發(fā)揮籌資優(yōu)勢和協(xié)同創(chuàng)新優(yōu)勢，進而為中小企業(yè)創(chuàng)新活動提供資金和技術的雙重支持提供支撐。

4.3 政策建議

4.3.1 中小企業(yè)層面

（1） 加快自身數字化轉型進程，積極嵌入數字供應鏈金融業(yè)務，精準評估供應鏈金融工具使用效果，從而提高融資便利性與資金融通效率。

（2） 積極與上下游供應商企業(yè)、客戶企業(yè)共建資源互補、信息共享的戰(zhàn)略合作聯盟，學習新技術、新工藝，縮短產品研發(fā)周期、降低市場開拓成本，識別商業(yè)機遇、掌握行業(yè)發(fā)展趨勢，從而提高協(xié)同創(chuàng)新能力、擴大協(xié)同創(chuàng)新范圍。

（3） 積極與科研機構、高等學校構建產學研合作對接機制，依托后者的人才、技術優(yōu)勢降低研發(fā)活動風險，從而實現高質量創(chuàng)新。

4.3.2 金融機構層面

（1） 加快發(fā)展供應鏈金融業(yè)務，積極推進數字化改革，精準掌握中小企業(yè)交易歷史、資信情況及行為偏好等信息，提高客戶篩選能力、降低客戶搜尋成本，進而提高融資服務的精準度。

（2）加快垂直化、細分化發(fā)展，通過提供相對獨立的供應鏈金融服務降低產品同質化風險，維持供應鏈金融業(yè)務創(chuàng)新動力與活力。在此基礎上，牽頭構建供應鏈金融生態(tài)圈，助力中小企業(yè)高質量發(fā)展。

4.3.3 政府部門層面

（1）加大對中小企業(yè)創(chuàng)新活動的支持力度，對從事研發(fā)創(chuàng)新的中小企業(yè)給予一定的稅收優(yōu)惠，提高其融資回報率。

（2）設立供應鏈金融專項基金，向中小企業(yè)提供低息貸款或貼息政策，鼓勵其利用供應鏈金融工具。同時，積極探索供應鏈金融生態(tài)圈發(fā)展計劃，通過制定相關法律法規(guī)規(guī)范主體行為、協(xié)調主體關系，嚴控各業(yè)務環(huán)節(jié)的潛在風險。

4.4 不足與展望

本文的局限性如下：第一，研究對象選擇的局限性。受限于數據可得性，本文以2016-2022年109家創(chuàng)業(yè)板上市企業(yè)作為研究樣本，未來可以考慮通過調研與訪談擴充研究對象，以提升結論的普適性。第二，傳導路徑分析的局限性。本文證實了供應鏈金融能夠促進中小企業(yè)Ramp;D投資效率提升，同時揭示了融資約束在其中發(fā)揮的遮掩效應。由實證結果看，在供應鏈金融對企業(yè)Ramp;D投資效率的作用路徑中還存在其它中介變量，未來需要對此作進一步探究。第三，供應鏈金融測度方式的局限性。本文中供應鏈金融衡量指標是基于財務報表數據構建的，未來可以通過設置虛擬變量、文本分析等方式對該變量進行測度。

參考文獻：

[1] 郭玥. 政府創(chuàng)新補助的信號傳遞機制與企業(yè)創(chuàng)新[J]. 中國工業(yè)經濟，2018，35（9）：98-116.

[2] 沈小平，陳葉，張克聽. 中小企業(yè)自主創(chuàng)新行為選擇與政策激勵傳導機制分析——基于復制動態(tài)演化博弈視角[J]. 經濟理論與經濟管理，2019，39（7）：89-102.

[3] 肖龍飛，謝宜璋，趙國成. 區(qū)域視角下中小企業(yè)高質量專利產出的困境及變革路徑——基于湖南省懷化市企業(yè)高質量專利申請實踐[J]. 科技管理研究，2021，41（19）：155-160.

[4] 洪小娟，蔣妍. 面向2035年促進科技型中小企業(yè)創(chuàng)新能力建設的路徑和措施[J]. 中國科技論壇，2021，37（6）：9-11.

[5] 余東華，李云漢. 數字經濟時代的產業(yè)組織創(chuàng)新——以數字技術驅動的產業(yè)鏈群生態(tài)體系為例[J]. 改革，2021，33（7）：24-43.

[6] 李娟，聶勇. 供應鏈金融價值創(chuàng)造協(xié)同機理研究——基于扎根理論[J]. 財會月刊，2022，43（2）：123-129.

[7] 韋施威，杜金岷. 供應鏈金融如何影響企業(yè)創(chuàng)新[J]. 經濟社會體制比較，2023，39（2）：62-74.

[8] 楊琦峰，王瑩瑩. 經濟轉型期線上供應鏈金融協(xié)同創(chuàng)新的路徑和對策研究[J]. 蘇州大學學報（哲學社會科學版），2018，39（3）：111-116.

[9] YI X， SHENG K， YU T， et al. Ramp;D investment and financing efficiency in Chinese environmental protection enterprises： perspectives of COVID-19 and supply chain financial regulation[J]. International Journal of Logistics Research and Applications， 2022， 25（4-5）： 569-590.

[10] 凌潤澤，潘愛玲，李彬. 供應鏈金融能否提升企業(yè)創(chuàng)新水平[J]. 財經研究，2021，47（2）：64-78.

[11] MIN S， ZACHARIA Z G， SMITH C D. Defining supply chain management： in the past， present， and future[J]. Journal of Business Logistics， 2019， 40（1）： 44-55.

[12] 周適. 中小企業(yè)發(fā)展面臨的趨勢、問題與支持戰(zhàn)略研究[J]. 宏觀經濟研究，2022，44（7）：163-175.

[13] 宋華. 中國供應鏈金融的發(fā)展趨勢[J]. 中國流通經濟，2019，33（3）：3-9.

[14] SHAN H， LI Y， SHI J. Influence of supply chain collaborative innovation on sustainable development of supply chain： a study on Chinese enterprises[J]. Sustainability， 2020， 12（7）： 2978.

[15] ZHU Y， ZHOU L， XIE C， et al. Forecasting SMEs' credit risk in supply chain finance with an enhanced hybrid ensemble machine learning approach[J]. International Journal of Production Economics， 2019， 211（9）： 22-33.

[16] WANG Z， WANG Q， LAI Y， et al. Drivers and outcomes of supply chain finance adoption： an empirical investigation in China[J]. International Journal of Production Economics， 2020， 220（17）： 107453.

[17] WANG C， HU Q. Knowledge sharing in supply chain networks： effects of collaborative innovation activities and capability on innovation performance[J]. Technovation， 2020， 94（6）：102010.

[18] 夏泰鳳，金雪軍. 供應鏈金融解困中小企業(yè)融資難的優(yōu)勢分析[J]. 商業(yè)研究， 2011，54（6）： 128-133.

[19] 韓民，高戌煦. 供應鏈金融對企業(yè)融資約束的緩解作用——產融企業(yè)與非產融企業(yè)的對比分析[J]. 金融經濟學研究，2017，32（4）：59-69.

[20] 王立清，胡瀅. 供應鏈金融與企業(yè)融資約束改善——基于產融結合與戰(zhàn)略承諾的調節(jié)作用分析[J]. 中國流通經濟，2018，32（6）：122-128.

[21] 付瑋瓊，白世貞. 供應鏈金融對中小農業(yè)企業(yè)的融資約束緩解效應[J]. 西北農林科技大學學報（社會科學版），2021，21（2）：140-151.

[22] 宋華，盧強，喻開. 供應鏈金融與銀行借貸影響中小企業(yè)融資績效的對比研究[J]. 管理學報，2017，14（6）： 897-907.

[23] 周卉，譚躍，鄢波. 供應鏈金融與企業(yè)融資約束：效果？作用機理及調節(jié)因素[J]. 商業(yè)研究，2017，60（9）：163-169.

[24] DU M， CHEN Q， XIAO J， et al. Supply chain finance innovation using blockchain[J]. IEEE Transactions on Engineering Management， 2020， 67（4）： 1045-1058.

[25] 劉桂春，葉陳剛. 內部控制視角下融資約束與研發(fā)效率關系研究[J]. 科技進步與對策，2017，34（15）：20-26.

[26] 朱永明，黃德宇. 內部控制、融資約束與企業(yè)研發(fā)效率[J]. 財會月刊，2016，37（20）：3-7.

[27] 范海峰，周小春. 管理層持股對創(chuàng)新績效的影響機理研究——基于融資約束的中介作用[J]. 科研管理，2020，41（3）：52-60.

[28] 劉勝強，林志軍，孫芳城，等. 融資約束、代理成本對企業(yè)Ramp;D投資的影響——基于我國上市公司的經驗證據[J]. 會計研究，2015，36（11）：62-68，97.

[29] 王展祥，龔廣祥，鄭婷婷. 融資約束及不確定性對非上市制造業(yè)Ramp;D投資效率的影響——基于異質性隨機前沿函數的實證研究[J]. 中央財經大學學報，2017，37（11）：27-37.

[30] 雷鵬，梁彤纓，陳修德. 融資約束視角下管理層激勵對企業(yè)研發(fā)效率的影響研究[J]. 外國經濟與管理，2016，38（10）：60-75.

[31] 吉利，陶存杰. 供應鏈合作伙伴可以提高企業(yè)創(chuàng)新業(yè)績嗎——基于供應商、客戶集中度的分析[J]. 中南財經政法大學學報，2019，62（1）：38-46，65.

[32] 曹偉，姚振曄，趙璨. 供應鏈關系變動與企業(yè)創(chuàng)新績效——基于中國上市公司的經驗證據[J]. 會計與經濟研究，2019，33（6）：31-54.

[33] 潘愛玲，凌潤澤，李彬. 供應鏈金融如何服務實體經濟——基于資本結構調整的微觀證據[J]. 經濟管理，2021，43（8）：41-55.

[34] 姚王信，夏娟，孫婷婷. 供應鏈金融視角下科技型中小企業(yè)融資約束及其緩解研究[J]. 科技進步與對策，2017，34（4）：105-110.

（責任編輯：張 悅）

英文標題The Impact of Supply Chain Finance on Ramp;D Investment Efficiency in SMEs： The Perspective of Financial Constraints

英文作者Hu Haiqing， Yuan Minqian， Xue Meng

英文作者單位（School of Economics and Administration，Xi'an University of Technology，Xi'an 710054，China）

英文摘要Abstract：Innovation can help SMEs reduce costs， improve efficiency， and enhance the quality of their products and services， bringing long-term growth. However， due to their own financial and technological constraints， SMEs generally have certain barriers to innovation. How to help SMEs ease financing constraints and enhance technological innovation capability has become an urgent issue to be addressed. Supply chain finance plays an important role in stimulating the innovation activities of SMEs. On the one hand， the adoption of supply chain finance can make it easier for SMEs to obtain lower-cost funds， thus alleviating their financing constraints. On the other hand， close partnerships based on supply chain finance ecological networks can promote business dealing and core technology sharing in the chain， thus accelerating the formation of collaborative innovation networks， which is conducive to improving the innovation capability of SMEs. Existing studies have verified that supply chain finance can alleviate financing constraints， while financing constraints can affect firms' Ramp;D investment efficiency. However， the logical link between supply chain finance， financing constraints， and Ramp;D investment efficiency has not yet been established.

Given the above research deficiencies， this paper aims to explore the effect of supply chain finance on the Ramp;D investment efficiency of SMEs. It focuses on the external influence mechanism as well as the internal conduction path and verifies the role that financing constraints play between supply chain finance and Ramp;D investment efficiency. The data of 109 GEM-listed SMEs from 2016 to 2022 is selected for empirical analysis. Firstly， the original data are subjected to descriptive analysis， a correlation test， and a variance inflation factor test to eliminate interfering factors. Subsequently， the data is analyzed based on three-stage DEA analysis， binary logistic regression， multiple linear model regression， and panel Tobit model regression to verify the suppressing effect and moderating effect among the variables. Finally， key variables were replaced for robustness testing to ensure the accuracy of the findings. The results show that supply chain finance can significantly enhance the Ramp;D investment efficiency of SMEs， and financing constraints play a suppressing effect between the two （i.e.， by controlling for the factor of financing constraints， the effect of supply chain finance on the Ramp;D investment efficiency will be more enhanced）. Further， in firms with higher supplier concentration and customer concentration， the enhancement effect of supply chain finance on Ramp;D investment efficiency is more significant.

This study makes a contribution in two ways. First， it introduces the concept of \"efficiency\" in measuring firms' innovation performance. Through the three-stage DEA method， the whole process of \"injection of innovation resources\"， \"incubation of innovation results\"， \"realization and commercialization\" is tracked， which is more comprehensive than other innovation performance measurement methods. In addition， three-phase DEA overcomes the disadvantages of traditional DEA， which ignores the environmental impact and cannot be adjusted. It is able to measure more realistic Ramp;D investment efficiency， which provides a basis and guidance for the comprehensive assessment of SMEs' innovation performance and the long-term development of innovation activities. Secondly， it confirms the direct effect between supply chain finance and Ramp;D investment efficiency， and verifies the suppressing effect of financing constraints and the moderating effect of supply chain concentration. This lays the foundation for further exploring the internal mediating variables and external moderating variables of the relationship between supply chain finance and Ramp;D investment efficiency. The financing constraints and supply chain concentration variables selected in this paper can highly correspond to two important directions for the development of supply chain finance business： one is to continue to strengthen the role of support for SMEs' financing， and the other is to build a supply chain finance ecosystem that promotes SMEs to be embedded in the synergistic system of value co-creating and risk-sharing with supplier firms and customer firms. The research on suppressing and moderating effects in this study responds to the call of reality， and the conclusions are conducive to giving full play to the advantages of supply chain financing and collaborative innovation， so as to provide dual support for SMEs' innovation activities in terms of both finance and technology.

英文關鍵詞Key Words：Supply Chain Finance; Ramp;D Investment Efficiency;Three-stage DEA; Panel Tobit Model; Suppressing Effect

基金項目：國家自然科學基金項目（72072144，71672144，71372173，70972053）；陜西省創(chuàng)新能力支撐計劃軟科學研究計劃重點項目（2019KRZ007）；西安市科技局軟科學研究計劃重點項目（23RKYJ0001，21RKYJ0009）；陜西省哲學社會科學研究專項（2023HZ1036，2022HZ1824，2022HZ1581）；陜西省發(fā)改委重點項目（SJ-2019-000046-4）；陜西省創(chuàng)新能力支撐計劃軟科學研究計劃項目（2021KRM183，2022KRM129，2022KRM097）；陜西省哲學社會科學研究專項項目（2023QN1145）；西安市社會科學規(guī)劃基金項目（23JX101）；西安理工大學博士啟動基金項目（105-451122001）

作者簡介：胡海青（1971-），男，陜西西安人，博士，西安理工大學經濟與管理學院院長、教授、博士生導師，研究方向為創(chuàng)業(yè)管理與中小企業(yè)發(fā)展；原敏倩（1998-），女，陜西咸陽人，西安理工大學經濟與管理學院博士研究生，研究方向為供應鏈管理；薛萌（1989-），女，陜西西安人，博士，西安理工大學經濟與管理學院講師，研究方向為供應鏈管理。本文通訊作者：原敏倩。