關系型貸款與企業創新問題的研究——基于Heckman兩階段選擇模型的分析

武力超 孫夢暄 張曉東

?

關系型貸款與企業創新問題的研究——基于Heckman兩階段選擇模型的分析

武力超1孫夢暄2張曉東3

（1．3．廈門大學經濟學院 福建廈門 361005）（2．吉林大學經濟學院 吉林長春 130012）

伴隨著產品生命周期的縮短，企業創新活動對企業市場競爭力的影響越發明顯，目前鮮有文獻關注不同來源的資金在創新決策與創新能力中所起的不同作用。關系型貸款是一種引導資金進入生產性投資的機制，本文將通過采用中國中小企業的樣本來研究關系型貸款對企業創新行為的影響，并對企業—銀行間聯系對創新決策和創新能力所產生的不同影響進行區分。結果表明關系型貸款不僅促進了企業的創新決策，而且還有助于企業創新能力的提升，而且關系型貸款對于中小型高科技企業創新選擇與創新能力都起重要作用。本文的研究對于帶動和促進我國中小型企業的產品創新和產業結構優化具有重要意義。

關系型貸款 創新 高新技術企業 Heckman兩階段選擇模型

一、問題的提出

21世紀以來，伴隨著產品生命周期的縮短，技術的突飛猛進，企業創新活動對企業市場競爭力的影響越發明顯。盡管之前諸如沙利文（Sullivan，2004）等已有理論模型分析了企業融資與創新的復雜關系，且以企業為基礎的創新調查也較為豐富，比如邁雷斯和莫嫩（Mairesse和Mohnen，2010），但卻鮮有學者從微觀經濟學的角度實證分析不同來源的資金在企業創新過程中所發揮的作用。本文試圖通過世界銀行的調查問卷探討關系型貸款對企業創新行為的影響來填補這一空白。銀行依賴與企業的長期交往來獲取企業創新過程中的專有性信息，進而對企業創新行為產生影響。企業創新行為一般分為兩個階段，即第一階段—研發階段（此階段的資金需求與企業的創新選擇相關），第二階段—產品推廣階段（此階段的資金需求與企業創新能力提升相關）。

赫雷拉和米內特（Herrera和Minetti，2007）的研究關注了銀行—企業關系存續期對企業創新能力的影響，但他們采用的實證研究方法與本文的不同，本弗拉泰羅等人（Benfratello et al.,2008）研究了企業所在地金融業發達程度（如金融分支機構的數目）對企業創新行為的影響。本文將主要關注銀行與企業間緊密借貸關系對企業創新行為的影響，通過綜合考慮是否有關系型貸款，與主要合作銀行貸款關系的存續期等因素，來研究企業負債結構對其創新能力的影響，這是本文的貢獻之一。埃爾薩斯等人（Elsas et al.,2004）指出企業和主要合作銀行的貸款關系不僅是銀行了解企業信息的渠道，同時也是銀行對企業施加影響的渠道。

從計量經濟學的角度來看，為了區分企業與銀行間的聯系對企業創新不同階段的影響，以及明確企業在不同創新階段的資金需求，本文將創新性地使用Heckman兩階段選擇模型來考察企業創新的可能性，以及使用新產品的銷售額占總銷售額的比重來判斷企業創新能力的變化。采用這種分析方法不僅可以反映與企業有貸款關系的銀行具體在創新的哪一階段對企業產生影響，還可以更好的控制由企業不可觀測的異質性特征所引起的選擇和內生性問題。此外對企業而言，將創新分為兩個階段也十分必要，因為一些企業選擇從外部引進創新，那么關系型貸款將主要作用于新產品的推廣階段。

我們的研究結果顯示，企業與銀行有關系型貸款對于中小企業的創新選擇和創新能力均有顯著的正向影響，這一結果表明關系型貸款不僅促進了企業的創新決策，而且還有助于企業創新能力的提升。關系型貸款存續期的正向系數反映了企業與銀行之間關系型貸款存續期越長，對于企業既有創新項目的持續推進、后續的技術研發和產品創新，提供了資金保障，對于企業創新行為有積極作用。因此，對于這些中小型高科技企業而言，與主要合作銀行保持長期合作關系，維持高貸款比重對企業的創新有積極作用，有助于培育一批具有中國特色的科技型中小企業，加快高新技術產業化進程，這將對我國產業和產品結構整體優化，帶動和促進國民經濟健康、穩定、快速的發展等起到積極的作用。

二、文獻述評

近年來，各國金融體系結構的重大變革使“在企業資金來源中金融市場起何種作用”成為一個備受關注的議題。金融中介機構和股票市場在資源配置中的角色不同，銀行等金融中介在執行收集和處理信息、實施公司控制、動員儲蓄等功能方面比股票市場有優勢，而股票市場能夠提供更為豐富靈活的風險管理工具，可以根據不同的情況設計不同的金融風險產品。阿倫和蓋爾（Allen and Gale,2000）認為以銀行為基礎的金融體系結構能夠提供更有效的跨期風險分擔機制，而以金融市場為基礎的金融體系結構具有更強的跨部門風險分擔能力。在以銀行為基礎的金融體系結構中銀行與產業間的密切關聯減少了獲取有關企業信息的成本，這樣金融體系就能很容易地識別好的投資項目，進行企業控制和為有前景的企業動員儲蓄，粟勤（2011）指出在證券市場越來越發達、信息技術突飛猛進、信息透明度日益提高的背景下，銀行的信息生產優勢依然明顯，銀行的信息優勢對降低篩選錯誤和貸款成本具有重要作用。綜上所述，這兩種金融體系結構均有各自的優缺點，它們在靜態上是相互競爭的，在動態上是相互補充的，因此阿倫和蓋爾（Allen和Gale,2001）認為重要的是建立一個綜合兩種體系優點的功能健全的金融體系，從而使兩種極端體系對企業發展的阻礙作用最小化。然而近期研究表明，對于獲取軟信息與進行更具風險性的投資，金融體系對創新的促進作用十分重要，尤其是當銀行希望獲取更多的信息，卻不愿向公眾披露這些信息時，導致了一些被投資項目在質量上存在差異。

基于以上分析，微觀經濟學的理論可以幫助我們理解銀行在獲取企業創新信息方面是否具有優勢。但目前鮮有文獻就銀行信貸對創新的影響問題做出明確的解釋。在本文的分析中我們將微觀經濟學實證中經常分離的兩個方面結合起來考慮。第一方面是創新經濟，在過去的幾十年中，許多國家和國際組織完成了以企業為基礎的創新活動調查（Community Innovation Survey），霍爾和邁雷斯（Hall和Mairesse，2006）對這些以創新調查為依據的實證研究做了回顧。

另一方面是銀行—企業間的關系。費里和梅索里（Ferri和Messori，2000）發現短期貸款模式在有較多大型企業與銀行的老工業區優于關系型貸款，而在小型銀行與企業較多的其他地區，關系型貸款更具優勢。彼得森和拉揚（Petersen和Rajan，2002）把金融機構與企業之間的業務合作關系分為信貸關系和存款關系分別進行了研究，他發現隨著銀企關系持續時間的延長，中小企業在獲取貸款時提供抵押物的要求會降低，信貸可獲得性增加，但同時利率水平會上升，貸款成本提高。王芳（2007）在發展關系型借貸與解決我國中小企業融資困境研究時，提到我國“關系型社會”的文化特色有利于關系型借貸機制的運作，因為關系性貸款就是一種以社會關系網絡為基礎的準市場交易。紀曉軍（2011）在調研后發現銀企合作時間對中小企業貸款的可得性有正向影響，但影響并不明顯，合作銀行的數量與中小企業貸款的可得性有顯著的負相關關系。

然而，很少有文獻在微觀層面上研究企業的創新項目決策在多大程度上取決于籌集資金的必要性。僅有赫雷拉和米內特（Herrera和Minetti,2007）使用企業數據測度了主要合作銀行與企業貸款關系的持續時間對企業創新的影響，發現與銀行保持長期貸款關系的企業具有更強的創新能力，并且長期貸款還鼓勵了不通過內部研發獲得新技術轉而從外部購買新技術的手段。本弗拉泰羅等人（Benfratello et al,2008）運用意大利手工業的例子，說明了銀行的發達程度（以省內銀行的支行數量衡量）對產品研發階段有較大影響而對產品推廣階段的影響較小，此外他們還發現銀行業的發展弱化了融資約束對小企業的影響。國內僅有胡瀟冉（2012）在對運用關系型貸款解決中小企業融資問題進行分析時，發現企業的信貸可獲得性依賴于關系銀行資本運行的健康程度。

但迄今為止沒有文獻綜合考慮關系型貸款中一系列變量（如關系型貸款的數量與關系的緊密程度）對企業創新與產品推廣的激勵作用。

三、關系型貸款與企業創新的機制分析

關系型貸款是一種引導資金進入生產性投資的機制。銀行依賴與企業的長期交往來獲取企業創新過程中的專有性信息，進而對企業創新行為產生影響。企業創新行為一般分為兩個階段，即第一階段—研發階段（此階段的資金需求與企業的創新選擇相關），第二階段—產品推廣階段（此階段的資金需求與企業創新能力提升相關）。將創新分為兩個階段十分必要，因為一些企業選擇從外部引進創新，那么關系型貸款將主要作用于新產品的推廣階段。埃爾薩斯等人（Elsas et al.,2004）指出企業和主要合作銀行的貸款關系不僅是銀行了解企業信息的渠道，同時也是銀行對企業施加影響的渠道。

以往的研究顯示投資于研發活動與投資于物質資本是不同的。首先，研發項目不易被常人理解，且創造的大筆無形資產不可充當抵押物。其次，研發項目的預期收益是不確定且難以估計的，企業可能由于發展戰略原因較難得到外部資金。近期的研究也表明創新型企業可以通過與銀行建立穩固緊密聯系，避免信息泄露來創造更具吸引力的貸款機會。這意味著企業在低成本信貸與將信息給競爭者的高風險中面臨權衡取舍，這種權衡取舍決定了企業選擇的貸款數量與向貸款者披露的信息。

銀行通過關系型貸款除了對研發項目的數量與投資有直接影響外，還可能影響企業選擇項目的種類，內部投入的性質和創新產品的推廣，例如在產品推廣階段合作銀行可能會幫助企業選擇合適的新產品推廣渠道，正如布特（Boot,2000）指出的，合作銀行不僅提供關系型貸款，還提供其它服務，此外通過關系型貸款，企業不必擔心銀行將信息泄露給競爭者，而且銀行可與企業簽訂多期、分期合同，相比于針對一單筆業務的一次性合同，這種合同能更有效地獲取信息，在配給機制與過程中也能幫助企業將資源投入創新活動。

然而，緊密持久的貸款關系對企業也有不利影響，主要是索取高價和軟性約束問題。塔登（Thadden,1995）認為索高價問題是指銀行可能收取高額傭金，這會導致低效的投資選擇和為創新項目提供的可用資源減少，這個問題可以通過制造銀行間競爭、多方借款等方法加以解決。也就是說企業在創新項目的融資中選擇與多家小銀行而非與一家借款比重較大的主要合作銀行是最為理想的，這和埃爾薩斯等人（Elsas et al.,2004）的研究結果一致。軟性約束條件是指銀行為挽回過去投資的損失，具有再次投資一些項目的傾向，這些后續投資很可能無效。實際上當抵押物市場價值較高時，多方借款會使資產調配復雜化從而導致浪費大筆的清償報酬。

總的來說，與主要合作銀行的貸款占總貸款的比重越大，銀行獲得的信息就越寶貴，這種聯系反過來會增加企業創新項目獲得的資金。然而，如果貸款主要來自一家銀行，銀行會向企業索取高價且收取傭金。因此多方借款可以使銀行間保持良性競爭，創新型企業也可通過調整與銀行的關系來減少關系型貸款的負面影響。然而，吉索和米內特（Guiso和Minetti,2010）的研究表明企業異質性特征對企業創新行為存在顯著影響。因此在接下來的實證研究中，我們將引入企業的異質性特征說明關系型貸款對不同類型企業創新活動的影響。

四、模型的設定

（一）計量模型

本文考察的對象是中國中小企業的創新行為和關系型貸款的關系。正如大部分文獻所強調的，本研究的一個難點問題是創新型企業往往只是一部分樣本企業，如果將樣本期內沒有新產品（或生產線）引入的企業簡單地進行忽略或者剔除，將不可避免地導致估計結果的偏誤。原因在于只有當創新行為的發生是隨機時，忽略或者剔除非創新型企業才可能不會造成偏差。而事實往往并非如此，因為那些與銀行等金融機構擁有良好信貸關系、容易獲得貸款的企業更有可能進行產品（或生產線）的革新，即企業的創新決策并不是隨機事件，而是受銀行等金融機構信貸-資金狀況的影響。因此，將那些非創新型企業排除在外，僅對創新企業進行回歸是采用了一個自我選擇樣本（self － selection sample）而不是隨機樣本。這種非隨機的數據篩選本身就導致了有偏的估計。

針對估計模型的樣本選擇偏差問題，赫克曼（Heckman,1979）構造的兩階段選擇模型提供了一個較好的解決方法。應用在本文的分析中，第一階段是Probit創新選擇模型，即首先考察企業是否會選擇創新（亦稱“研發階段”），第二階段是線性回歸模型，進一步考察影響企業創新能力的因素（亦稱“推廣階段”）。

在第一階段（研發階段），我們引入一個企業是否有引進新產品（或生產線）的虛擬變量，推廣階段使用企業引入的新產品（或生產線）的銷售額在總銷售額所占的比重作為被解釋變量，科恩和克萊珀（Cohen和Klepper,1996）強調了引入新產品（或生產線）是企業創新的重要形式，因此，我們使用一個二維變量（）來表征一個企業是否有創新行為，具體形式如下：

Pr（=1）=（1）

方程（1）是Heckman第一階段的Probit創新選擇模型，其中Pr（d=1）表示企業i產品（或生產線）創新活動參與的概率，表示標準正態分布的概率密度函數，表示企業與銀行之間關系型貸款的狀況，是其他影響企業i創新的因素，是回歸系數，表示企業潛在的創新能力。

Heckman第二階段的方程是線性模型，具體模型為：

（3）

這里我們需要尋找一個與關系型貸款關系密切而且獨立于企業創新行為的變量來使用工具變量法進行估計，對于工具變量的選擇，一般而言需滿足以下兩個條件: 首先，該工具變量本身應該是外生的；其次，該工具變量與內生變量之間存在較強的相關性。遵循這一原則，我們選用的工具變量如下：

1、各企業所在地區到經常使用的（frequently-used）港口城市的距離（Dis），該數據同樣來自于世界銀行2007年的投資環境調查，一個地區到經常使用的港口城市的距離，不僅對該地區的交通運輸和通信成本有重要影響，而且一定程度上反映了該地經濟發展的繁榮程度。距離經常使用的港口城市較近，經濟活動的運輸成本較低，對外聯系的密切有助于帶動本地企業的發展，企業之間可以更好地開展專業化協作，創造資源共享的平臺，短期而言，企業需要銀行的流動性貸款或者票據融資等進行貨物儲存，隨時應付資金周轉等問題；長期而言，企業進行規模擴張、進行新的項目投資或者新產品開發等更是需要銀行的長期信貸支持或者其他形式的融資，因此在本地經濟和企業發展外在需求的推動下，本地金融業也相對發達，銀行與企業之間的互動關系更為緊密，基于此，我們認為距離經常使用的港口城市的距離對一個地區銀行和企業的關系產生重要影響，同時各個地區距離經常使用的港口城市的距離是在長期的地殼運動中形成的，因此滿足外生性條件。

2、1985年的各地公路網密度，用1985年各省區公路里程與當地的地理面積之比進行測度（單位：公里/平方公里），該數據來自1986年的《中國統計年鑒》。1985 年的公路網密度反映了歷史上各地區的基礎設施狀況（Road）。由于基礎設施建設具有一定的歷史延續性，早期基礎設施較為發達的地區，需要再建設和維護的成本都比較低，從而使當前基礎設施水平依然較高，這樣有利于當地引進外資，本地企業發展和經濟繁榮，企業資源配置，產業結構優化，生產效率的提高都離不開金融業的支持，只有成熟和發達的金融業才能更好的適應產業發展和技術進步的特殊要求。因此該變量與一個地區銀行和企業之間的關系存在較強的相關性，歷史的公路網密度與當前的企業創新活動之間的相關性較低，能較好地滿足外生性條件。

（二）變量的選擇

1、被解釋變量

第一階段Probit模型中我們使用的被解釋變量為企業是否有引入新產品（或生產線）（di）這一虛擬變量，第二階段線性回歸模型中我們使用的被解釋變量為企業引入的新產品（或生產線）銷售量占總銷售額的比重（Salei）這一指標。

2、解釋變量-關系型貸款指標

本文研究的對象是關系型貸款對于企業創新行為的影響，翁杰納和史密斯（Ongena和Smith,2001）認為關系型貸款代表著銀行通過與借款企業建立長期聯系取得企業信息的特權。衡量關系型貸款（Lendi）的指標選擇如下：（1）企業是否與銀行有關系型貸款（Loani）；（2）這一關系型貸款的存續期（Lengthi），用來描述關系型貸款的長期存續性質，這與前人普雷斯比泰羅和扎扎羅（Presbitero和Zazzaaro,2010）等的研究一致，這兩個變量會同時考量。為了將企業獲得其他資金來源的可能性考慮在內，我們引入一個虛擬變量（Financiali）來反映一個企業是否有其他類型的融資工具，如項目金融等。

3、控制變量

在赫克曼（Heckman,1979）模型中，我們除了包含主要考察的關系型貸款變量（Lendi）之外，還包含了一些影響企業創新的其它因素（Zi）作為模型中的控制變量，具體如下：

（1）企業銷售增長率（Salesgi）

因為企業創新的前期投入和成本較高，為了給具有一定風險的創新項目融資，就需要企業有較好的經濟績效表現，如較高的銷售增長率和充足的現金流。銷售增長率較高便利了企業的外部融資，從而影響企業創新計劃的推進和新產品的市場化步伐，這與莫嫩等人（Mohnen et al.,2006）的研究結果保持一致，此外，高銷售增長率反映了企業產品穩定的市場需求，有助于“市場需求推動型”的企業創新行為，且施穆克勒（Schmookler,1962）指出，企業銷售增長率這一指標來源于企業的資產負債表而不是企業的自我評估，因而更具說服力。

（2）企業異質性指標

異質性企業理論表明企業規模，年齡是企業異質性的重要表現，企業規模（Size）一般用企業員工數、銷售額或總資產來表示，為了盡可能避免變量之間的共線性，我們采用企業總資產來衡量企業的規模。企業規模越大越容易實現規模經濟，融資便利度提升，會對企業創新決策產生影響。企業年齡（Age）反映企業建立與發展的時間，一般而言，發展時間較長的企業積累的生產經驗和市場營銷經驗越豐富，與銀行等金融機構機構關系存續期較長，同樣會影響企業創新參與的概率。此外，我們還加入了企業研發密集度（R&D）和企業資本密集度（Cap）作為控制變量，研發密集度用企業的研發支出與總銷售額來表示，資本密集度是用固定資產凈值與企業的就業人數之比表示。企業為了擴大市場份額，提高利潤率，研發密集度越高，企業的自主創新活動越活躍。企業提高自身創新能力最根本的因素之一就是研究開發費用的支出。莫厄里和奧克斯利（Mowery和Oxley,1995）指出，技術開發能力能夠使企業生產出質量更高、性能更好以及成本更低的產品，從而提升企業在市場上的競爭力。我們還引入企業是否是出口企業（Export）的虛擬變量，出口企業為了打入國際市場，提高出口產品的競爭力，往往更加重視技術的研發和自主創新。

（三）數據來源

本研究使用的數據來自世界銀行2007年所做的投資環境調查（Investment Climate Survey）。在中國這個具體調研是由國家統計局執行，[①]2007年調研樣本分布是31個省（包括直轄市、自治區）中的121個城市，由于本文重點關注中小企業創新行為，因此我們選取了共計4000家中小企業作為本文的分析對象。由于該調研涉及的省份既有東部地區，也有中西部地區，涉及的行業既有制造業也有服務業，涉及的企業既包括民營企業也包括國有和外資企業，在民營企業中既有上市公司也有非上市公司，因此樣本既有一定的廣泛性和代表性。

調查數據中的31個省，自治區、直轄市中的121個城市為：北京市，天津市，河北省（石家莊、唐山、秦皇島、邯鄲、保定、張家口、滄州、廊坊），山西省（太原、大同、運城），內蒙古自治區（呼和浩特、包頭），遼寧省（沈陽、大連、鞍山、撫順、本溪、錦州），吉林省（長春，吉林），黑龍江省（哈爾濱、齊齊哈爾、大慶），上海市，江蘇省（南京、無錫、徐州、常州、蘇州、南通、連云港、鹽城、揚州），浙江省（杭州、寧波、溫州、嘉興、湖州、紹興、金華、臺州），安徽省（合肥、蕪湖、安慶、滁州），福建省（福州、廈門、三明、泉州、漳州），江西省（南昌、九江、贛州、宜春、上饒），山東省（濟南、青島、淄博、煙臺、濰坊、濟寧、泰安、威海、臨沂），河南省（鄭州、洛陽、新鄉、許昌、南陽、商丘、周口），湖北省（武漢、宜昌、襄樊、荊門、孝感、荊州、黃岡），湖南省（長沙、株洲、衡陽、岳陽、常德、郴州），廣東省（廣州、深圳、珠海、汕頭、佛山、江門、茂名、惠州、東莞），廣西省（南寧、柳州、桂林），海南省（海口），重慶市，四川省（成都、德陽、綿陽、樂山、宜賓），貴州省（貴陽、遵義），云南省（昆明、曲靖、玉溪），陜西省（西安、寶雞、咸陽），甘肅省（蘭州、天水），青海省（西寧），寧夏省（銀川、吳忠），新疆省（烏魯木齊）。

企業是否有引入新產品（或生產線）指標，關系型貸款指標均直接取自該調查數據，企業引入的新產品（或生產線）銷售量占總銷售額的比重，企業銷售增長率，資本密集度，研發密集度，企業規模，企業年齡則是根據該調查數據的相關指標計算得到。主要變量的描述性統計分析如表1所示。

表1 主要變量的描述性統計分析

五、結果及分析

（一）Heckman兩階段模型回歸結果

本節的實證分析使用世界銀行2007年的中國投資環境調查數據，來考察關系型貸款對于中國中小企業創新行為的影響。我們采用Heckman兩階段選擇模型對方程（1）和方程（2）進行估計，包括第一階段的創新選擇模型，即考察企業是否會選擇進行創新活動，第二階段是線性回歸模型，進一步考察影響企業創新能力的因素，估計結果見表2。

表2 Heckman選擇模型估計結果

模型（1）模型（2）模型（3） 選擇方程回歸方程選擇方程回歸方程選擇方程回歸方程 Size0.014（0.32）0.011**（2.14）0.013（0.54）0.012**（2.08）0.016（1.01）0.019**（2.11） Age0.002（0.53）0.005（0.17）-0.003（0.48）0.006（1.02）0.004（1.39）0.007（1.01） R&D0.147***（2.36）0.247***（2.42）0.139***（3.01）0.249***（2.97）0.144***（3.15）0.252***（2.59） Cap0.359*（1.77）1.508*（1.79）0.54*（1.90）1.216**（2.01）0.58*（1.83）1.36**（2.31） Export0.278**（1.99）0.206**（2.01）0.276**（2.10）0.21**（2.25）0.258**（2.19）0.289**（1.98） Constant-9.274***（3.44）-3.401**（2.27）-9.183*（1.94）-3.417***（2.32）-9.332**（2.203）-3.394*（1.93） Dis2.214***（26.13）3.089***（28.44）3.172***（30.09） Road1.096***（19.87）2.105***（23.07）2.231***（25.47） λ3.016***（35.04）4.08***（39.41）4.630***（42.17） LR15.3218.0920.63 Ch2（0.000）（0.000）（0.000） 樣本量207412232074122320741223

注：括號中數值為對應變量估計系數的t統計值，*，**，***分別代表10%、5%和1%的顯著性水平。

表2我們通過逐步引入和企業關系型貸款相關的指標，報告了三個模型估計結果。第（1）個估計模型中加入企業是否與銀行有關系型貸款（Loan）這一指標。第（2）個估計模型在前一個的基礎上加入了企業與銀行關系型貸款的存續期（Length）指標，第（3）個估計模型則在第（2）個估計模型的基礎上，進一步添加了表征一個企業是否有其它類型融資工具的虛擬變量，由表1所列的模型估計的LR檢驗相伴概率可知，各個估計模型均在1%的顯著性水平上拒絕了“選擇方程和回歸方程相互獨立”的原假設，從而兩個方程式相關的，須同時估計。

模型（1）中，我們引入了企業是否與銀行有關系型貸款（Loan）這一解釋變量和其它的控制變量，通過觀察我們發現企業與銀行有關系型貸款對于中小企業的創新選擇和創新能力均有顯著的正向影響，這一結果表明關系型貸款不僅促進了企業的創新決策，而且還有助于企業創新能力的提升。接下來，模型（2），我們在模型（1）的基礎上進一步引入了企業與銀行之間關系型貸款的存續期（Length）這一解釋變量，正向的系數反映了企業與銀行之間的關系型貸款存續期越長，對于企業創新行為有積極作用，但正向的系數只在對企業創新能力的影響上具有統計顯著性，這與前文的分析一致，關系型貸款時間越長，對于企業既有創新項目的持續推進、后續的技術研發和產品創新，提供了資金保障，這與本弗拉泰羅等人（Benfrattello et.al., 2008）的觀點相一致。模型（3）我們繼續加入企業是否有其它類型融資工具的虛擬變量，這一變量也表現出了對于中小企業創新行為顯著正向的促進作用，佐證了內源融資對于中小企業創新活動的開展所起的重要作用。

控制變量中，企業銷售增長率指標顯著為正，表明銷售增長率較高便利了企業的外部融資，按照莫嫩等人（Mohnen et al., 2006）的觀點，這有助于企業創新計劃的推進和新產品的市場化步伐，因為企業創新的前期投入和成本較高，為了給具有一定風險的創新項目融資，就需要企業有較好的經濟績效表現，如較高的銷售增長率和充足的現金流。此外，高銷售增長率反映了企業產品穩定的市場需求，有助于“市場需求推動型”的企業創新行為。企業異質性指標，企業規模對企業創新行為有正向作用，但只在創新能力回歸方程中具有統計顯著性，這一結果支持了企業規模越大，融資便利程度提升，越容易實現規模經濟，因而對企業創新行為產生積極的影響。企業年齡對企業創新行為的影響并沒有一致的經驗證據支持。研發密集度和資本密集度指標均表現出了對于企業創新選擇和創新能力顯著的正向促進作用，反映了技術開發能力能夠使企業生產出質量更高、性能更好以及成本更低的產品，從而提升企業在市場上的競爭力，因此和前人研究的觀點一致，企業為了擴大市場份額，提高利潤率，研發密集和技術密集度高的企業自主創新活動越活躍。此外我們還引入企業是否是出口企業（Export）的虛擬變量，正向的顯著系數反映了出口企業為了打入國際市場，提高出口產品的競爭力，往往更加重視技術的研發和自主創新。

（二）區分技術密集度的回歸結果

本弗拉泰羅等人（Benfrattello et.al., 2008）指出高新技術的發展使技術系統的進化速度加快，經濟的發展與增長呈加速趨勢，經濟競爭實力越來越依賴于技術創新的因素。高新技術企業是在廣泛地利用現代科技成果的基礎上，通過高研發投入，進行知識開拓和積累，創造新的技術思路和途徑，實現技術創新成果的轉化。因此高新技術企業是一種知識、技術和人才密集型并以追求創新為其核心的企業實體。基于本弗拉泰羅等人（Benfrattello et.al., 2008）的研究，為了進一步考察不同技術密集度企業對其創新決策和創新能力的影響，因此在整體回歸的基礎上我們按照企業的技術密集度將樣本企業分為高新技術企業和一般企業兩類，重新對模型進行了回歸，回歸結果如表3所示。

表3 區分技術密集度的回歸結果

高新技術企業非高新技術企業 選擇方程回歸方程選擇方程回歸方程選擇方程回歸方程選擇方程回歸方程 Cap0.67 *（1.86）1.79 *（1.91）0.72 *（1.83）1.56 *（1.79）0.34（1.47）1.42 *（1.66）0.31 *（1.64）1.27 *（1.79） Export0.316 **（1.98）0.329 **（2.03）0.334 **（2.11）0.357 **（2.31）0.107 *（1.64）0.102 *（1.74）0.113 *（1.83）0.15 *（1.88） Dis1.705***（15.73）2.510***（17.32）3.45***（16.23）3.614***（14.87） Road0.934***（12.63）1.644***（13.16）1.713***（13.04）2.923***（16.31） λ2.540***（26.64）2.114***（22.11）3.498***（33.16）3.754***（30.25） LR38.2138.6217.3018.92 Ch2（0.000）（0.000）（0.000）（0.000） 樣本量67840067840013968231396823

注：括號中數值為對應變量估計系數的t統計值，*，**，***分別代表10%、5%和1%的顯著性水平。

在表3的分組回歸結果證實了不同企業類型對于企業創新決策和創新能力的顯著影響，具體而言，可以得到如下結論：

關系型貸款指標（Loan）對于高新技術企業創新決策和創新能力均具有顯著的正向影響，而非高新技術企業關系型貸款指標只在對企業創新能力的影響上具有10%顯著性的正向影響，且影響系數較高新技術企業而言大為減弱，這反映了高新技術企業作為技術和人才密集型企業，與銀行有穩定的貸款關系為企業創新項目融資和創新活動的持續推進提供了資金保障，有助于創新活動的開展，加快高新技術企業科技成果的轉化，這與本弗拉泰羅等人“高新技術企業更容易獲得銀行創新融資支持”的觀點一致，而與銀行關系型貸款的存續期（Length）越長對于高新技術企業進行知識開拓，產生新的技術思路，實現技術創新成果的轉化越有利，在非高新技術企業的回歸中，與銀行關系型貸款存續期只對其創新能力有10%顯著性的影響，且銀行關系型貸款的存續期這一指標對于高新技術企業的影響程度要大于對非法高新技術企業的影響，由于創新活動前期投入較高，且具有一定的風險，因此與銀行有穩定的貸款關系有助于培育一批具有中國特色的科技型中小企業，加快高新技術產業化進程，必將對我國產業和產品結構整體優化，帶動和促進國民經濟健康、穩定、快速的發展等起到積極的作用。模型估計的LR檢驗相伴概率可知，各個估計模型均在1%的顯著性水平上拒絕了“選擇方程和回歸方程相互獨立”的原假設，從而兩個方程式相關的，須同時估計。

控制變量中，企業銷售增長率對于高新技術企業創新行為的影響系數要大于非高新技術企業，反映了進行技術研發創新和高新技術企業良好的經營績效有助于其“市場需求型”的企業創新計劃的推進和新產品的推廣，企業異質性指標中，企業規模指標對于高新技術企業和非高新技術企業均有正向作用，但只在創新能力回歸方程中具有統計顯著性，這一結果反映了不同技術密集度的企業中，企業規模越大，融資便利度提升，越容易實現規模經濟，企業年齡對于企業創新行為的影響仍沒有一致的經驗證據的支持。研發密集度和資本密集度指標均表現出了對于企業創新選擇和創新能力顯著的促進作用，反映了技術開發能力的增加，有助于企業生產出高質量的產品，提升其市場份額，且出口高新技術企業為了打入國際市場，自主創新活動更加活躍，對企業創新能力提升影響更大。

六、結 論

進入21世紀以來，伴隨著產品生命周期的縮短，技術的突飛猛進，企業創新活動對企業市場競爭力的影響越發明顯，關系型貸款是一種引導資金進入生產性投資的機制，與銀行緊密持久的貸款關系有助于企業創新項目的融資和新產品的推廣

本文通過采用中國中小企業的樣本來研究關系型貸款對企業創新行為的影響，并對企業—銀行間聯系對創新決策和創新能力所產生的不同影響進行區分。熊彼特在他的早期著作中也曾探討過微觀經濟中的創新，他認為在創新的進程中，銀行不僅僅作為將資本由儲蓄者導向企業的資本流通渠道，而是在實際創新中起到更為關鍵的作用。盡管目前基于企業的創新研究較為豐富，但鮮有微觀經濟學文獻關注不同來源的資金在創新決策與創新能力中所起的不同作用。然而，在宏觀經濟層面有較多文獻關注了不同金融體系（以銀行為基礎的金融體系與以股票市場為基礎的金融體系）對創新與技術的作用。實證結果表明，企業與銀行有關系型貸款對于中小企業的創新選擇和創新能力均有顯著的正向影響，這一結果表明關系型貸款不僅促進了企業的創新決策，而且還有助于企業創新能力的提升。關系型貸款存續期（Length）的正向系數反映了企業與銀行之間的關系型貸款存續期越長，對于企業既有創新項目的持續推進、后續的技術研發和產品創新，提供了資金保障，對于企業創新行為有積極作用，但正向的系數只在對企業創新能力的影響上具有統計顯著性，這與本弗拉泰羅等人的觀點相一致。目前中國的銀行為金融約束的企業提供傳統的金融投資，這意味著與主要合作銀行的長期貸款聯系對中小型企業的創新能力有一定的積極影響。對于中小型高新技術企業，與銀行有穩定的貸款關系有助于培育一批具有中國特色的科技型中小企業，加快高新技術產業化進程，這將對我國產業和產品結構整體優化，帶動和促進國民經濟健康、穩定、快速的發展等起到積極的作用。

本文通過實證分析表明與合作銀行的融資基于低不確定性且可以將體現為固定資產的產品作為抵押等原因在產品的創新中能夠獲得更好的成效。進一步的研究可以從貸款人的角度出發，采用包含不同銀行特征的數據庫來關注關系型貸款變量與企業創新行為的關系。

1. 胡瀟冉：《運用關系型貸款解決中小企業融資問題》[J]，《金融實務》2012年第6期。

2. 紀曉君：《關系型貸款與中小企業信貸可得性關系實證研究》[D],暨南大學碩士論文，2011年。

3. 粟勤、田秀娟：《近20年海外銀行中小企業貸款研究及新發展》[J]，《浙江大學學報》2011年第2期。

4. 王芳：《發展關系型借貸與解決我國中小企業融資困境研究》[J]，《山東財政學院學報》2007年第6期。

5. Allen ，F., Gale, D.，2001,“Comparing Financial Systems”，Published by MIT Press.

6. Allen, F., Gale, D. 2000, “Financial Contagion”[J]，Vol.108(1), pp.1-33.

7. Benfratello, Schiantarelli, F., and A. Sembenelli, A., 2008,“Banks and Innovation: Micro Econometric Evidence on Italian Firms,”[J]，, Vol.90, pp.197–217.

8. Boot, A., 2000, “Relationship Banking: What Do We Know?”[J]，, Vol.9, pp.7–25.

9. Cohen，W. M. and Klepper, S.1996,“Firm Size and the Nature of Innovation within Industries: The Case of Process and Product R&D,”[J]，Vol.78,pp.232–43.

10. Elsas, R., Heinemann, F. and Tyrell, M., 2004,“Multiple but Asymmetric Bank Financing: The Case of Relationship Lending”[D], CESifo Working Paper Series,No.1251.

11. Ferri, G. and Messori, M., 2000, “Bank-firm Relationships and Allocative Efficiency in Northeastern and Central Italy and in the South,”[J],, Vol.24,pp.1067–1095.

12. Guiso, L. and Minetti, R., 2010, “The Structure of Multiple Credit Relationships: Evidence from U.S. Firms,” [J],, Vol.42, pp.1037–1071.

13. Hall ，B. and Mairesse, J.，2006, “Empirical Studies of Innovation in the Knowledge-driven Economy”[J],Vol.15, pp.289–299.

14. Heckman, James, J.,1979, "Sample Selection Bias as a Specification Error." [J], Econometrica:, pp.153-161.

15. Herrera，A. M. and Minetti ，R., 2007,“Informed Finance and Technological Change: Evidence from Credit Relationships”[J],Vol.83,pp.223–269.

16. Mairesse, J. and Mohnen, P., 2010, “Using Innovations Surveys for Econometric Analysis”[R], National Bureau of Economic Research，No.15857.

17. Mohnen, P., Mairesse, J. and Dagenais, M., 2006, “Innovativity: A Comparison Across Seven European Countries,” [J],Vol.15, pp.391–413.

18. Mowery, DC., Oxley, J E.,1995, “Inward Technology Transfer and Competitiveness: The Role of National Innovation Systems”[J]，Cambridge Journal of Economics, Vol.19(1),pp.67-93.

19. Ongena, S. and Smith, D. C., 2001,“The Duration of Bank Relationships,”[J],, Vol.61, pp. 449–475.

20. Petersen, M A, Rajan, R G., 2002, “ Does Distance Still Matter? The Information Revolution in Small Business Lending”[J],, Vol.57(6)，pp.2533-2570.

21. Presbitero, A. F. and Zazzaro, A., 2010,“Competition and Relationship Lending: Friends or Foes?” [J],,Vol.20,pp.387–413

22. Raymond, W., Mohen, P., Palm, F. and Schim, S., 2010, “The Behavior of the Maximum Likelihood Estimator of Dynamic Panel Data Sample Selection Models,”[J],Vol.92, pp. 495–504.

23. Schmookler, J., 1962, “Economic Sources of Inventive Activity”[J],Vol.22,pp.1–20.

24. Sullivan, M., 2004, “Finance and Innovation,” In Handbook of Innovation,” Eds by Fagerberg J., D. Mowery and R. Nelson, pp. 240–265.

25. Von Thadden， E., 1995, “Long-term Contracts, Short-term Investment and Monitoring,”[J], Review of Economic Studies, Vol.62,pp. 557–575.

（L）

*本文獲得教育部哲學社會科學研究重大課題攻關項目“要素成本上升背景下我國外貿中長期發展趨勢研究”的資助（項目批準號：13JZD010），福建省社科規劃項目“我省積極穩妥推進城鎮化戰略研究”（項目批準號：2013C076）的資助，中央高校基本科研業務費專項資金資助（項目編號：T2013221016）（Supported by the Fundamental Research Funds for the Central Universities）。感謝廈門大學經濟學院國際經濟與貿易系引進人才科研啟動經費的支持。