企業研發能否抑制新的僵尸企業形成

欒甫貴（博士生導師），湯佳穎

一、問題的提出

“三去一降一補”是供給側改革的重點任務，其中“去產能”是關鍵，而為僵尸企業尋找良好的解決路徑是“去產能”的首要任務[1][2]。在妥善處置現存僵尸企業的同時，也應提防新的僵尸企業形成。金屬礦產企業依賴國外先進技術在過去20多年中得以持續快速發展，但企業自身創新能力不足，產品一直集中于中低端，質量低下且不穩定。隨著經濟社會的發展，低端產品逐步被社會淘汰，產品滯銷、產能過剩成為金屬礦產企業發展道路上的阻礙，這些問題經過長時間的積累使得金屬礦產企業逐步演變為僵尸企業。因此，僵尸企業產能過剩這一大特征在金屬行業中尤為顯著：2015年《中國證券報》數據顯示，鋼鐵、鐵礦石和有色金屬等8個行業是僵尸企業的重災區，是導致生產價格指數（PPI）下降的主要因素。

目前國內外學者對僵尸企業的研究主要集中于四個方面：①僵尸企業的特征事實和外在成因，根據宏觀影響因素構建僵尸企業的識別與測量方法，準確識別僵尸企業并輔助僵尸企業選擇退出路徑[3][4][5][6][7]。這些識別方法均從僵尸企業的特征事實及宏觀影響因素出發，考慮僵尸企業的銀行信貸支持不足、政府財務援助較少、盈利能力差及償債壓力重等外在特征，構建適合企業所處國情且判斷準確的僵尸企業識別方法。②僵尸企業對正常企業、行業及國家經濟的負外部性影響[3][4][8]。已有研究表明，僵尸企業對外部的危害遠高于對自身的影響，僵尸企業會影響正常企業的投資，并具有一定的擠出效應[8]。而且僵尸企業降低了社會資源、環境資源和勞動力資源的利用效率，導致行業和國家經濟增速放緩。③僵尸企業退出路徑的選擇及方法[9][10]。這類文獻主要參照日本僵尸企業的處置路徑，從規范分析的角度提出適合本國國情的僵尸企業處置方法。④如何抑制新的僵尸企業形成[1][11][12]。這類文獻主要從微觀層面出發，識別僵尸企業的內在成因，為預防新的僵尸企業形成提供指導。

從以上文獻分析可知，如何預防新的僵尸企業形成是僵尸企業研究的新領域，目前國內外學者對此領域的研究尚處于萌芽期，研究文獻相對較少。本文將在僵尸企業僵尸指數[13]研究的基礎上，以金屬行業2010～2016年A股上市公司數據為樣本，從企業研發的行為視角探索抑制新的僵尸企業形成的可能性。厘清前述兩者之間的關系有助于辨識僵尸企業形成的內在原因，進而抑制新的僵尸企業形成，對企業防范陷入僵尸企業困境有所裨益。

二、文獻綜述與研究假設

企業研發有助于實現技術的進步和產業結構的升級[14]。企業研發對其績效有明顯的促進作用，能夠提升企業的市場經濟效益。僵尸企業最大的外部特征之一即盈利能力弱，而盈利能力是企業績效的體現。這為研究企業研發與僵尸企業形成之間的關系構建了理論基礎。企業研發投入不足、研發能力弱、產品更新換代差、新產品投放數量少是導致企業財務與市場績效下降的原因之一，而各學者均將企業盈利能力即財務績效作為僵尸企業的主要識別指標之一[15]，表明企業研發與僵尸企業的形成可能存在一定的關系。在僵尸企業僵尸指數[13]構建過程中，企業盈利能力（ROE）是主要的解釋變量之一。企業凈資產收益率越高，僵尸指數越低，企業成為僵尸企業的可能性越??；而企業凈資產收益率越低，僵尸指數越高，企業成為僵尸企業的可能性越大，這為企業研發與僵尸企業的形成之間關系的研究提供了間接的數據支撐。此外，鄂鋼股份通過創新驅動戰略，利用鐵水罐車專項技術扭虧為盈，太原鋼鐵通過企業研發生產高質量筆尖，打破外企壟斷的行業競爭格局，均為企業研發與僵尸企業形成之間的關系研究奠定了現實基礎。鑒于企業研發可以提高企業產品更新換代速度以及提升企業產品質量，進而使企業產品更符合市場需求并提高其市場占有率，提高企業績效并降低其成為僵尸企業的可能性，本文提出如下假設：

H1：企業研發可以抑制新的僵尸企業形成，兩者之間呈負相關關系。

投資效率是指投資活動所獲得的成果與所耗費的資源之間的差額。當企業投資效率較高時，被投資項目的高額回報會增加企業價值，提升企業的財務績效與市場績效，反之，較低的投資效率會對企業造成負面影響。僵尸企業由于投資不足，表現出較為明顯的非效率投資行為[2]，同時融資約束是導致非效率投資的關鍵[16]。財務困境為僵尸企業特有的外部特征[1][15]。在我國當前這種背景下，這些企業大多依靠政府補助生存，在非行政干預下較難獲得銀行信貸支持，表現出融資約束較大的特征，進一步表明僵尸企業存在因投資不足導致非效率投資的可能性。正常企業較容易獲得銀行貸款，從而有充足的資金投資于高效率的項目，表現出較高的投資效率。而僵尸企業因財務困境表現出的融資約束較難獲得銀行貸款，從而存在非效率投資行為。由此，本文提出如下假設：

H2：投資效率越高的企業，企業研發抑制新的僵尸企業形成的可能性越大。

三、研究設計

（一）樣本選擇與數據來源

本文以2010～2016年金屬行業A股上市公司為研究樣本，數據來源于CSMAR、CCES、WIND數據庫及巨潮資訊網。在數據處理過程中，剔除了觀測值缺失的樣本。為消除極端值的影響，本文對主要連續變量按上下1%的比例進行縮尾處理。數據處理使用軟件STATA 13.1。

（二）變量定義

1.被解釋變量——僵尸指數（Zombie）。借用僵尸企業僵尸指數[13]度量方法，從企業盈利能力、償債能力、營運能力、發展能力、輸血程度和時間維度六個方面，通過Logit模型為僵尸企業僵化程度確定具體數值，以定值的方式衡量企業的僵化程度及演變為僵尸企業的可能性，具體計算模型如下：

其中：當P大于0.5即僵尸指數Zombiei，j大于0時，企業i在j年判定為僵尸企業，反之為非僵尸企業，同時當Zombie值越大時，表明僵尸企業僵化程度越高，而非僵尸企業Zombie值越接近于0，表明該企業演變為僵尸企業的可能性越大；Roei，j為企業盈利能力指標，用企業i在j年的凈資產收益率衡量；Levi，j為企業償債能力指標，用企業i在j年的資產負債率衡量；Arbi，j為企業營運能力指標，用企業i在j年的應收賬款周轉率衡量；Igai，j為企業的發展能力指標，用企業i在j年的營業收入增長率衡量；Sxli，j衡量企業輸血率，用企業i在j年借款總額與政府補助之和占經營活動現金流出的比率衡量；Eiri，j衡量企業的超額利息支付率，用企業i在j年實際利息與最優利息之差與全年平均實際利率及最優利息的比率衡量；Lnpi，j從時間維度衡量企業連續虧損年限，要求企業i在j年扣除非經常性損益后的凈利潤已連續三年小于0；Lnfbi，j從時間維度衡量企業累計吸血年限，要求企業i在j年扣除非經常性損益后的凈利潤小于0的情況下，扣除非經常性損益后的凈利潤與政府補助之和連續三年大于0。同時在計算過程中控制行業與年度變量。本文按照模型（1）具體衡量企業i在j年的僵化程度，即僵尸指數，以此來判斷企業陷入僵尸企業困境的可能性。

2.解釋變量——企業研發（Rd）。目前學者們對企業研發的衡量主要從研發投入和研發產出兩方面展開，其中研發投入的衡量變量主要是研發強度，即研發投入資金占營業收入的比例；而研發產出的衡量變量有企業專利數量和新產品數量。本文主要研究抑制僵尸企業形成的關鍵研發因子，因此要比較不同的企業研發衡量變量對僵尸指數的影響程度。此外，已有研究表明，企業研發對企業績效的正向促進作用存在一定的滯后性，因此本文對所有解釋變量滯后一至兩期，衡量企業研發在不同年度對僵尸指數的抑制性影響。

3.控制變量。本文的控制變量主要包括企業規模（Size）、企業年齡（Age）、資本密集度（Capdex）、企業稅負（Tax）和前五大股東持股比例（Top5）。由于企業成長性（Growth）和企業杠桿（Lev）均是被解釋變量（Zombie）計算中的主要解釋變量，考慮多重共線性的影響，本文在多元回歸分析中將其剔除。同時，本文控制了年度和行業變量。變量的選擇和具體定義詳見表1。

（三）模型構建

本文構建模型（2）來驗證H1，衡量不同的企業研發變量對僵尸指數的影響。通過比較其系數大小篩選影響僵尸指數的關鍵研發因子，并通過比較不同年度的系數大小研究該影響的變化趨勢。

表1 變量的選擇與定義

為驗證H2，本文借鑒Richardson[17]的模型估計企業的投資效率，具體如下：

其中：Invest為新增投資，Invest=（資本支出+并購支出-出售長期資產收入-折舊攤銷）/總資產，用企業i在j年購建固定資產、無形資產及其他長期資產的支出衡量企業的資本支出，取得子公司及其他營業單位支付的現金凈額衡量企業的并購支出，處置固定資產、無形資產和其他長期資產收回的現金衡量企業出售長期資產收入，折舊攤銷取自現金流量表中的固定資產折舊、無形資產攤銷等科目；為公司i在 j年的投資機會，用企業 j-1期營業收入增長率衡量；表示企業i在j-1年的資產負債率，等于負債總額除以總資產；表示企業i在j-1年的自由現金流，用企業現金及現金等價物除以總資產衡量；為企業i的上市年限，用企業上市年限加1的自然對數衡量表示企業規模，使用企業i在j-1年總資產的自然對數衡量；表示企業i在j-1年的股票年度回報，使用考慮現金紅利再投資的年個股回報率衡量。此外，還控制了年度和行業變量。模型（3）估計的殘差（ε）的絕對值即為企業i在j年的投資效率指標，該值越大表明企業i在j年的非效率投資水平越高，投資效率水平越低。

依據模型（3）計算企業的投資效率，并根據行業年度中位數對樣本進行分組，當企業i在j年的投資效率低于同行業同年度中位數時，取值為1，表明企業投資效率高；反之為0，表明企業投資效率低，并采用分組回歸和Suest檢驗驗證H2。

四、實證分析

（一）描述性統計

主要變量的描述性統計分析結果如表2所示。其中，被解釋變量Zombie的最小值為-78.5905，最大值為11.6427，表現出較大的波動性。解釋變量企業研發強度、專利數量與新產品數量表現出較大的波動性，表明僵尸企業和非僵尸企業間企業研發投入確實存在差異，這可能是導致其演變為僵尸企業的原因?？刂谱兞科髽I規模（Size）、企業年齡（Age）和企業稅負（Tax）的均值和中位數比較接近，基本符合正態分布。

表2 主要變量的描述性統計

（二）相關性檢驗

表3報告了主要變量之間的相關性分析結果。被解釋變量僵尸指數（Zombie）與解釋變量企業研發強度（Rd1）在滯后一期和兩期時均在5%的水平上顯著負相關，與解釋變量企業當年授權的專利數量（Rd2）負相關但不顯著，與解釋變量企業當年新產品數量（Rd3）滯后一期時在5%的水平上顯著負相關，在滯后兩期時負相關但不顯著，驗證了本文提出的H1。

（三）回歸分析

表4報告了企業研發在滯后一期和滯后兩期時對僵尸指數產生影響的回歸分析結果。在表4第（1）列中，滯后一期的企業研發強度與僵尸指數的回歸系數在10%的水平上顯著為負，同時在表4第（2）列中，滯后兩期的企業研發強度與僵尸指數的回歸系數在5%的水平上顯著為負，表明企業研發投入越多，則越不會演變為僵尸企業；在表4第（3）列中，滯后一期的企業專利數量與僵尸指數的回歸系數為負但不顯著，同時在表4第（4）列中，滯后兩期的企業專利數量與僵尸指數負相關但不顯著，表明企業專利數量雖然可以抑制新的僵尸企業形成，但作用不明顯，存在較大的偏差；在表4第（5）列中，滯后一期的企業新產品數量與僵尸指數的回歸系數在1%的水平上顯著為負，同時在表4第（6）列中，滯后兩期的企業新產品數量與僵尸指數的回歸系數在1%的水平上顯著為負，表明企業新產品數量越多，演變為僵尸企業的概率越小。各回歸結果表明，H1得到驗證，即企業研發可以抑制新的僵尸企業形成，兩者之間表現出較為明顯的負相關關系。

通過比較表4第（1）、（3）、（5）列企業研發的回歸系數可知，在滯后一期時，企業新產品數量與僵尸指數的回歸系數為-0.487且在1%的水平上顯著，其絕對值大于企業研發強度與僵尸指數回歸系數（-0.390）的絕對值，兩者的絕對值均顯著大于企業專利數量與僵尸指數的回歸系數（-0.041）的絕對值。這表明在滯后一期時，企業新產品數量對僵尸企業的抑制作用更強，其次為企業研發強度，最后為企業專利數量。

通過比較表4第（1）、（2）列企業研發強度的回歸系數可知，企業研發強度在滯后一期時與僵尸指數的回歸系數為-0.390，其絕對值大于滯后兩期時的回歸系數（-0.169）的絕對值，表明企業研發強度在滯后一期時對僵尸企業的抑制作用更強，在滯后兩期時該影響有所減弱。通過比較表4第（5）、（6）列企業新產品數量與僵尸指數的回歸系數可以得到同樣的結論。

綜上，本文得出如下結論：企業研發可以抑制新的僵尸企業形成，即H1成立，而企業新產品數量對僵尸企業形成的抑制作用更強，其次為企業研發強度，最后為企業專利數量，且該影響隨著時間的推移逐漸減弱，在滯后一期時抑制性影響作用最強。

表5報告了按照企業投資效率分組后，企業新產品數量對僵尸指數產生影響的回歸結果，其中企業投資效率按照模型（3）計算得出。當企業新產品數量滯后一期時，從表5第（1）列可知，在企業投資效率高的組，企業新產品數量與僵尸指數的回歸系數為-0.718，且在5%的水平上顯著。而在企業投資效率低的組，企業新產品數量與僵尸指數的回歸系數為-0.158，說明兩者負相關但不顯著。同時，本文通過Suest檢驗分析結果可知，兩組之間的回歸系數在10%的水平上存在顯著差異，初步驗證了H2。

表4 模型（2）回歸結果

當企業新產品數量滯后兩期時，從表5第（3）列可知，在投資效率高組，企業新產品數量和僵尸指數的回歸系數為-0.465，且在1%的水平上顯著。而在投資效率低組，企業新產品數量與僵尸指數的回歸系數為0.019，表明兩者正相關且不顯著，與本文預期相反。可能的原因在于：在投資效率低組，企業新產品數量在兩年后對僵尸企業的抑制性作用已完全消失。通過Suest檢驗分析結果可知，兩組之間的回歸系數在1%的水平上存在顯著差異，進一步驗證了H2。

通過比較表5第（1）和第（3）列、第（2）和第（4）列結果可知，企業新產品數量對僵尸指數的抑制性影響隨著時間的推移逐漸減弱，與表4得到的結果一致，進一步驗證了H1。

（四）穩健性檢驗

通過表4中對H1的驗證可以得知企業新產品數量是影響僵尸企業形成因素中最主要的研發因素，且該影響隨著時間的推移逐步減弱。接下來本文將針對企業新產品數量與僵尸指數之間的關系做穩健性檢驗。

表5 模型（2）分組回歸結果

1.改變解釋變量。在實證結果分析中為使回歸結果更具線性關系，解釋變量Rd3采用當年新產品數量加1的自然對數衡量，本部分直接使用企業新產品數量作為解釋變量Rd3，并驗證其在滯后一期和滯后兩期時對僵尸指數影響的不同。

2.子回歸分析——鋼鐵行業子樣本。2016年中國人民大學國家發展與戰略研究院發布的報告顯示，鋼鐵行業中僵尸企業占比為51.43%，遠高于其他行業?；诖?，本文對鋼鐵行業子樣本進行回歸分析，同時驗證新產品數量在滯后一期和滯后兩期時對僵尸指數影響的不同。

3.子回歸分析——高外部援助子樣本。國內僵尸企業形成的外部原因與國外相比有較大差異，國內企業外部援助在銀行信貸的基礎上，還有政府對其的財務支持。基于此，本文對樣本進行分類，當企業i在j年政府補助與營業收入的比例大于同行業同年度中位數時，取值為1，表明該企業更可能是僵尸企業，反之為0。通過對高外部援助樣本組企業新產品數量對僵尸指數影響的回歸分析，進一步驗證研究結果的穩健性。

表6 穩健性檢驗回歸結果

表6報告了穩健性檢驗的回歸結果。表6第（1）列為替換解釋變量新產品數量Rd3后企業新產品數量在滯后一期后對僵尸指數影響的回歸結果，從表6第（1）列可知，該回歸系數為-0.024，且在1%的水平上顯著；表6第（2）列為替換解釋變量新產品數量Rd3后企業新產品數量在滯后兩期后對僵尸指數影響的回歸結果，從表6第（2）列可知，該回歸系數為-0.005，且在5%的水平上顯著。比較回歸系數可知，企業新產品數量對僵尸指數的抑制作用隨著時間的推移逐步減弱。與前文回歸分析結果一致，說明本文的回歸結果是穩健的。

表6第（3）列為鋼鐵行業子樣本企業新產品數量滯后一期對僵尸指數影響的回歸結果，從表6第（3）列可知，該回歸系數為-0.756且在1%的水平上顯著；表6第（4）列為鋼鐵行業子樣本企業新產品數量滯后兩期對僵尸指數影響的回歸結果，從表6第（4）列可知，該回歸系數為-0.400，且在5%的水平上顯著。比較回歸系數可知，在鋼鐵行業子樣本中，企業新產品數量對僵尸指數的抑制作用隨著時間的推移逐步減弱。進一步驗證了回歸結果的穩健性。

表6第（5）列為高外部援助子樣本企業新產品數量滯后一期對僵尸指數影響的回歸結果，從表6第（5）列可知，該回歸系數為-0.465且在1%的水平上顯著；表6第（6）列報告了高外部援助子樣本企業新產品數量滯后兩期對僵尸指數影響的回歸結果，從表6第（6）列可知該回歸系數為-0.212但不顯著。比較回歸系數可知，在高外部援助子樣本中，企業新產品數量對僵尸指數的抑制作用隨著時間的推移逐步減弱。進一步驗證了回歸結果的穩健性。

五、擴展性檢驗

企業研發對企業全要素生產率（TFP）、利潤率的正向促進作用可能存在雙向因果的關系[14]，而低產能、負利潤是僵尸企業重要的外部特征，企業研發通過對全要素生產率和利潤率的正向促進來抑制新的僵尸企業形成。基于此，企業研發和僵尸指數之間的負向影響也可能存在雙向因果關系，OLS回歸結果可能難以準確衡量企業研發對新的僵尸企業形成的抑制性作用。因此，本文基于傾向得分匹配（PSM）法來進一步驗證回歸結果的準確性。PSM方法通過引入更多的控制變量來驗證企業研發抑制新的僵尸企業形成的可能性，可以更好地解決樣本的選擇性偏差，使OLS回歸結果更具說服力。

傾向得分匹配（PSM）是一個Logit模型，將Logit回歸結果作為傾向得分值，按照傾向得分值的近似程度為實驗組匹配對照組。因此，實驗組變量Rd必須為0、1虛擬變量是進行傾向得分匹配的前提。參考李萬福等[18]對樣本的處理方法，本文對新產品數量Rd3進行修正，并以Rd表示修正后的企業新產品數量。參照仇云杰、魏煒[14]的模型為實驗組樣本進行一對一匹配，具體模型如下：

根據模型（4）一對一匹配后的結果計算實驗組和對照組僵尸指數的均值差，在此基礎上估計整個樣本僵尸指數的均值差（ATE），并通過T檢驗的方式來驗證樣本結果的均值差是否在統計上存在顯著差異，以此來驗證企業研發與新的僵尸企業形成之間是否存在較強的雙向因果關系。

表7報告了經過模型（4）PSM匹配后實驗組與對照組樣本間僵尸指數的差異，同時報告了未匹配前的樣本差異值（OLS）。從OLS行可以看出，最小二乘法估計的結果顯示有新產品產出的企業組（即實驗組）與沒有新產品產出的企業組（即對照組）僵尸指數差異為-1.1182，實驗組的僵尸指數比對照組要低100.25%左右；經PSM匹配后，這一效應大概為94.94%。這表明內生性的存在會使普通最小二乘法得到的結果被高估。但該影響只有6%左右，而企業研發造成的實驗組和對照組之間僵尸指數的差異約為100%，表明兩者間并不存在較強的雙向因果關系，進一步驗證了本文回歸結果的準確性。

表7 傾向得分匹配的處理效應——Zombie

六、結論

在妥善解決現存僵尸企業的同時，抑制新的僵尸企業形成是經濟新常態下社會發展面臨的重要問題。如何預防新的僵尸企業形成是僵尸企業研究的新領域。本文基于2010～2016年金屬行業A股上市公司數據，分析了企業研發與僵尸指數之間的負向關系，發現企業研發投入可以抑制新的僵尸企業形成，降低現存僵尸企業的僵化程度。首先，通過對企業研發強度、企業專利數量和新產品數量的分路徑回歸，發現企業新產品數量對抑制僵尸企業形成、降低僵尸企業僵化程度的影響效應更大，并且這種影響隨著時間的推移逐漸減弱。其次，通過對企業投資效率的分組回歸證實企業投資效率對此影響有促進作用，投資效率更高的企業組，企業新產品數量抑制新的僵尸企業形成的可能性更大并更能降低現存僵尸企業的僵化程度。最后，通過PSM傾向得分匹配進一步驗證企業研發可以抑制新的僵尸企業形成，并且兩者之間不存在較強的雙向因果關系。

研究結果啟示如下：第一，創新驅動發展戰略是解決當下僵尸企業負外部性影響的最有力方式，政府應鼓勵傳統制造業開發新產品、生產迎合市場需求的創新產品；第二，政府應嚴格把控企業援助資金的流向，通過政府補助支持企業的創新性行為，盡可能減少經營性政府補助，以防范新的僵尸企業產生；第三，對于現存的僵尸企業，新產品數量也可以降低其僵化程度，因此應學習鄂鋼股份的發展戰略，盡可能通過研發適銷對路的新產品使企業“脫僵”，減少僵尸企業數量并降低其負外部性影響。