企業金融資產配置與創新投入
——經濟政策不確定性視角下的長短期權衡取舍

楊 肖

（中國人民銀行蘭州中心支行，甘肅 蘭州 730000）

一、引言

經濟學研究中，通常將凱恩斯發表《就業、利息和貨幣通論》作為現代宏觀經濟學建立的標志，由此開始，“無形之手”與“有形之手”，哪只手更加重要，如何協調好二者的關系等爭論從未停歇。凱恩斯學派主張政府的“有形之手”作用于失靈的市場，從而緩解現實中的失業與蕭條；以弗里德曼為代表的貨幣學派卻認為人為政策干預只能造成市場的更大波動。市場的資源配置作用并不完美，會在某些方面存在失靈，如果政府能采取恰當的政策減小經濟波動，引導產業升級轉型，將會對經濟發展起到十分積極的作用。但是，市場本身千變萬化，政策制定者無法對市場中所有信息做出準確判斷，加之政策具有滯后性，人為干預往往會扭曲市場信息。更為重要的是，頻繁的政策變化會加深這種不確定性，進而影響公眾預期和企業經營者決策。我國正處于經濟轉型時期，市場經濟發展并不成熟。面對政策的不確定性，企業家的投資決策會如何變化？是追求眼前利益，實現公司價值最大化，還是志存高遠，加大投資力度，以期在未來得到豐碩回報？微觀決策者的行為與宏觀經濟環境息息相關，宏觀經濟政策的不確定將如何影響微觀經濟主體的決策選擇，這方面的研究具有重要的現實和理論意義。

資本市場發展的不充分、壟斷的存在以及利率未充分市場化，使得我國金融資本一定程度上存在超額回報率；與此同時，房價的快速上漲使得房地產躋身高額利潤率行業。產業轉型升級過程伴隨著傳統制造業利潤的下滑，資本逐利性驅使越來越多的產業資本涌入金融業和房地產業，出現了“實體企業的金融化”現象。Wind 數據庫顯示，2018 年全年我國先后有1252 家上市公司購買過銀行理財產品，超過了上市公司總數的1/3，合計認購金額總額達到1.66萬億元，創近五年購買公司數和認購金額新高。作為傳統制造業大國，我國人口紅利和資源優勢不斷喪失，低端制造業的低廉勞動力成本優勢不再，高端制造業的發展處于技術瓶頸期，加之發達國家“再工業化”浪潮的影響和貿易保護主義的國際形勢越發明顯，我國制造業升級轉型迫在眉睫。正如熊彼特所說，企業實現創新升級是由企業家破壞性創造實現的。2003年到2017年，我國企業研發資金支出占全社會總研發支出的比重逐年增加，從60.11%提高至76.48%，并逐漸穩定在70%以上的較高水平，企業早已成為我國實現技術創新的主要力量。在看到企業不斷提高研發投入為我國經濟帶來活力的同時，也應注意到我國的基礎性研究和應用的投入仍然不足，基礎性研發投入的占比常年徘徊在5%左右，不利于形成長期的競爭優勢。

創新是企業生命之源。與其他決策行為不同，創新研發需要企業持久投入資金，如果中途間斷，已投入部分幾乎完全淪為沉沒成本，調整成本高昂（Hall，2002）[1]。同時，創新研發行為是否成功面臨較高風險且未來收益不穩定，考慮到創新研發的成果多為專利品等無形資產，很難成為抵押品，給企業帶來新的融資。一般而言，企業創新研發活動的資金來源于兩部分:一是內源融資，即企業生產經營活動所產生的現金流，大部分得益于企業生產活動所帶來的利潤（Allen et al.， 2004）[2]；二是外源融資[3]，即企業通過直接金融或間接金融獲得資金（Brown et al.，2009）[4]。金融業的發展極大地豐富了企業的融資方式，同時也給企業提供了從金融市場獲得收益的機會[5]。不少學者關注企業金融資產配置和創新投入二者的關系。一部分學者認為，金融資產的配置可以促進企業創新投入，即存在“蓄水池”作用[6]。企業將資金配置到流動性較強的金融資產，既獲得了持有期的收益，增加了企業利潤，也可以在企業資金流不足時出售金融資產，迅速補充資金，減少了融資的成本，確保了企業長期擁有較為穩定的資金流[7-8]。與此相反，另一部分學者則認為金融資產的配置會“擠出”創新投入，即二者之間是“替代品”的關系[9]。如果企業的利潤更多地依賴于金融資產的收益時，企業很可能輕視創新投入，將有限的資金投入到金融資產，這種行為必然會擠出創新研發的投入[10]。

經濟政策的不確定性會對宏觀經濟發展和微觀經濟主體產生諸多影響。Stock（2012）和Bloom（2012）將經濟衰退期間的產出下降和失業率增加歸因于經濟政策的不確定性[11-12]，Benati（2013）認為不確定性也是金融危機后經濟恢復緩慢的主要原因，這種不確定性使得企業和家庭對未來的預期不再明朗，進而表現為投資降低、消費減少，最終造成經濟復蘇緩慢。Baker 等（2016）在構建并測算經濟政策不確定性指數之后，基于美國數據分析，結果表明在控制其他影響因素之后，政策的不確定性會造成實際國內生產總值、投資和就業率的對應比例下降。宏觀經濟的表現是微觀主體決策結果的累加[3]，Julio & Yook（2012）、Gulen & Ion（2016）、Kang et al.（2014）認為企業的經營活動、投資活動受到經濟政策不確定性的極大影響，并且影響程度受到企業的資金約束、競爭程度、行業類別等因素影響[13-15]。在以往的研究成果中，通常針對某一方面的影響展開討論，或是企業的投資數量與效率（李鳳羽和楊墨竹，2015；饒品貴等，2017），或是創新投入與產出（顧夏銘等，2018），抑或是企業的現金持有水平（王紅建等，2019），幾乎沒有研究者將企業的行為決策劃分為短期和長期的權衡取舍。如何配置有限的資產，企業面臨著長短期的權衡取舍，并且這種決策受到宏觀經濟政策不確定性的影響[16-19]。是投資金融資產，短期內獲得高收益率，從而實現當前收益的最大化，還是充分利用資金，加大研發投入，掌握核心技術，以期在長期獲得競爭優勢？本文將在接下來的部分展開研究。

二、文獻梳理與研究假設

本文將從經濟政策不確定性的整體影響以及不考慮和考慮經濟政策不確定性情況下企業金融資產配置對創新投入的影響三方面梳理現有文獻研究，并提出本文的假設研究。

（一）經濟政策不確定性的整體影響

經濟政策的不確定性包含諸多方面:一是當局政府改變其經濟政策主張和立場的可能性，當某一國家采取多黨派輪流執政時，不同黨派所代表的群體不同、主張的意識形態不同，在政策選擇上自然也會產生不同，這種偏好的不同表現為選舉年份經濟政策不確定性往往高于非選舉年份（Julio & Yook，2012）[20]；二是經濟政策在執行時可能出現的不確定性，若某一政策較為保守或早有先例，受到的阻礙將會相對較小，執行時所面臨的不確定性則比較低，反之，某一項新政的推出更易受到各方阻力，并且對于將要產生的政策效果由于缺乏先驗對比，必然會伴隨著較大的不確定性（Pastor & Veronesi，2012）[21]；三是采取經濟行為的主體對經濟政策是否確定及其程度的預期，經濟主體行為會受到自身預期的影響，因此經濟政策不確定性的影響也應包含這部分內容（Feng，2001）[22]。

2008 年的金融危機，將研究經濟政策不確定性對于宏觀經濟的影響推入了新的高潮。為了應對宏觀經濟的劇烈波動，各國紛紛出臺經濟政策。隨著世界經濟的聯系日益緊密和復雜，經濟政策往往牽一發而動全身，學界出現了不少宏觀領域的研究，例如研究不確定性與經濟周期、通貨膨脹以及產出水平的關系（Bachmann et al.，2013；Fernández-Villaverde et al.，2015）[23-24]；同時，另外一些研究將視角轉向微觀，證明了更大的不確定性造成經濟主體在采取行為決策時將產生更多的預防動機，最終導致家庭消費和企業投資的下降（Gulen et al.，2016）[25]。

（二）企業金融資產配置對創新投入的影響

企業若進行大量的金融資產配置則有可能引起金融化，國內學者也稱之為“虛擬經濟”，具體表現為金融業及其控制者的支配權不斷增長，同時非金融公司更多地參與金融市場，導致產業重心向金融部門轉移（蔡明榮和任世馳，2014）[26]。企業進行金融資產配置最根本的原因被認為是投資實業的利潤降低和機會減少，因此企業轉而通過投資于收益率較高的金融領域，來提高利潤率（Milberg，2008；謝家智等，2014）[27-28]，其中資本密集型企業往往更具金融資產配置的能力（張慕瀕和孫亞瓊，2014）[29]。此外，企業進行金融資產配置的動因和程度還受到股東價值觀念、企業盈利方式、融資渠道等的改變以及預防性動機的影響（張思成和張步曇，2016）[30]。

一般而言，企業將資產配置于金融領域有兩種動因:一種是將資產配置到流動性較低的金融資產，以追逐較高的回報率，從而謀求套利；另一種是將資產配置到流動性較高的金融資產，以緩解突發事件出現時產生融資約束。不同動因下，企業金融化對創新投入的影響不同，宋軍和陸旸（2015）利用2007—2012 年我國A 股上市公司報表數據，剝離出金融收益后發現，公司業績與金融資產持有量之間存在U形關系，不論是高收益公司還是低收益公司，都在一定程度上減少了企業的創新投入[31]。王紅建等（2017）的研究發現我國A股非金融類上市公司整體上呈現出企業金融化與創新投入的負相關關系，不同的融資約束與這種負相關關系無顯著相關性，但是公司的套利動機卻極大地提高了這種負相關關系[32]。劉貫春（2019）指出，將金融資產配置劃分為金融資產持有份額和金融渠道獲利后發現，前者對于提高企業未來的創新投入，即存在“蓄水池”的功能，后者無論是在當期還是未來對創新投入都只具有阻礙作用，二者是“替代品”關系[33]。考慮到企業的創新投入具有周期性長、資金數量大、正溢出效應的特征，并且面臨風險、收益以及信息不對稱等問題，目前針對企業金融資產配置對創新投入影響的研究，結論莫衷一是，本文做出如下假設。

H1a:企業金融化與創新投入之間呈正相關關系。

H1b:企業金融化與創新投入之間呈負相關關系。

（三）考慮經濟政策不確定性情況下，企業金融資產配置對創新投入的影響

經濟轉型中的中國作為新興經濟體的重要組成部分，地方官員政績在晉升錦標賽制度下（周黎安，2007）[34]，表現為大規模投資拉動的省際GDP 競爭（巴曙松等，2005）[35]。由于政府的強有力，企業決策行為更易受到宏觀經濟政策的影響，因此中國經濟政策不確定性相對較高（饒品貴等，2017）[17]。經濟政策的不確定性會改變企業生產經營的外部環境，當企業無法對外部經濟環境的變化做出較為確定的預測時，行為決策將會變得保守和謹慎，一般情況下會減少或延遲相關的投資行為，直至這種不確定消失或者變得可控。實物期權理論、金融摩擦理論等通常都被用來解釋經濟政策不確定性對于企業投資的抑制作用，并且投資的不可逆性、對于政府補貼的依賴度、行業的競爭程度等都會影響抑制的程度（Gulen&Ion，2016；李鳳羽和楊墨竹，2015）[14，16]。

Bloom（2007）指出，經濟政策不確定性對企業創新投入的影響與其他方面不同[6]，Marcus（1981）也認為政策對于創新活動具有很強的指引作用，具體如何決策取決于企業自身的權衡取舍。Orhangazi（2008）用美國各州的選舉活動測度政策不確定性，發現不確定性與企業創新投入呈正相關，并且這種關系在競爭激烈、科技含量高的企業更為顯著。企業金融化和創新投入，是企業投資決策的重要方面[37]。創新投入常常面臨較多的不確定性，付出和回報可能不成正比，但是企業要謀求長遠的發展，這部分投入必不可少；與創新投入相反，金融資本的投入產生收益的期限往往短得多，股東也更偏好這種可以快速變現的收益。這兩種不同投資決策之間又會是何種關系呢？在美國、英國、墨西哥、阿根廷等國家的實證分析中，研究者發現金融化會“擠出”實業資本，投資于金融資本會較大地改變企業的資產配置，使企業的經營重心轉移，削弱創新投入[33]。但是，學界也不乏研究得出相反的結論。適度金融化可以在一定程度上推動產業發展，雖然投資金融資本是一種短期行為，但也可將其視為實體資本的“蓄水池”，采取金融手段破解企業融資難題、消除資金約束，會增加企業創新的能力（Demir，2009；Harman，2010）[38-39]；也有美國學者實證得出結論，美國高度發達的金融業以及非金融企業的金融化并未抑制美國的創新投入（Kliman&Williams，2015）[40]。本文提出如下假設。

H2a:考慮政策不確定性后，企業金融化與創新投入之間呈正相關關系，企業注重長期發展。

H2b:考慮政策不確定性后，企業金融化與創新投入之間呈負相關關系，企業注重短期獲利。

目前對于企業金融化與創新投入的研究仍顯不足，究竟是“替代”作用顯著，還是“蓄水”效應明顯，結論莫衷一是。創新是企業的靈魂，面對外部環境的不確定性，究竟選擇投資長期，韜光養晦、厚積薄發，還是選擇短期，追逐金融化帶來的收益，增強實力、擺脫資金約束，本文將在接下來的部分展開分析。

三、研究設計

（一）模型構建

借鑒陸慶春和朱曉筱（2013）、劉貫春（2019）的研究成果[41，33]，本文基于托賓 Q 方程，構建如下模型對研究假設進行檢驗:

其中，被解釋變量為Innovation，即企業的創新投入；解釋變量為Financial，表示企業的金融化水平；EPU則為經濟政策不確定指數，考慮到經濟行為的決策者往往根據歷史數據預測未來，本文在回歸時選取滯后一期的數據。根據假設H1，回歸模型（1）中β1為主要檢驗系數，用來預測企業金融化與創新投入之間呈現何種相關關系，即存在“蓄水池”效應還是“替代品”關系；根據假設H2，回歸模型（2）中β1用來預測面對政策的不確定性，企業如何在金融化和創新投入之間做出選擇，究竟是傾向于創新投入，注重長期發展，還是傾向于短期獲利，注重短期獲利。X表示一系列控制變量。

（二）變量設置

1.被解釋變量

企業創新投入（Innovation）。考慮到我國非金融類上市公司中并非所有公司都會披露R&D 支出，且企業創新活動內涵豐富，R&D 支出未將企業的專利權、著作權、商標權等包含在內，不能全面反映企業的技術開發與消化能力，企業無形資產與企業創新投入密切相關，可以綜合地反映企業創新投入。因此本文用無形資產凈額來替代R&D 支出，通過計算無形資產凈額占總資產比重來衡量企業的創新投入。

2.解釋變量

企業金融化水平（Financial），用上市公司期末金融資產占總資產比衡量。廣義金融資產包括一部分貨幣資金、持有至到期投資、交易性金融資產、投資性房地產、可供出售的金融資產、長期股權投資、債權投資以及應收股利和應收利息等，而狹義金融資產不包含長期股權投資。針對許多上市公司購買理財產品的行為，理財產品在賬務處理中一般被確認為可供出售金融資產或交易性金融資產，金融資產的概念包含公司購買的理財產品。考慮到貨幣資金具有高流動性，一般為企業日常經營需要而持有，故將其剔除。綜上，本文采用廣義的企業金融資產范疇。

政策不確定性（EPU），本文選用“中國經濟政策不確定性指數”（Economic Policy Uncertainty Index）作為衡量經濟政策不確定性的指標。該指標由美國學者 Scott R. Baker、Nicholas Bloom 和 Steven J. Davis提出，基于新聞媒體受眾廣泛、文本豐富的特性，選取美國國內十家權威報刊，對包含經濟、政策和不確定性及其相關變體詞匯出現的頻率進行統計處理，并以此首先建立了美國經濟政策不確定指數。本文使用的“中國經濟政策不確定指數”為斯坦福大學和芝加哥大學聯合發布的官方數據，原始數據來自policy uncertainty 網站（http://www.policyuncertainty.com）。國內學者使用該數據做了大量研究，李鳳羽（2015）、饒品貴（2017）、顧夏銘（2018）、王紅建（2019）等的研究都采取該數據來表示經濟政策的不確定性。實踐證明，該指數較好地反映出中國經濟政策的波動，有效還原了經濟政策的實施時間和不確定性。

3.控制變量

借鑒已有研究成果，本文選擇如下變量作為控制變量:公司規模（Size），通過公司總資產并取自然對數表示；現金流量（Cashflow），用經營性現金流與總資產的比值衡量；盈利能力（ROE），用凈資本收益率表征；杠桿率（Leverage），用負債權益比表征；資本密度（Captialdensity），用固定資產與總資產之比表示；投資機會（Q），用托賓Q 值衡量；宏觀經濟周期（GDP），用國內生產總值表示（具體見表1）。

表1 變量及其定義

（三）樣本選擇

為了充分利用經濟政策不確定性指數這一數據，更好地體現經濟政策不確定性對企業行為的影響，按照證監會2012 年對于行業分類的規定，本文選取2003 年第一季度至2018 年第四季度我國上市的制造業企業季報作為研究樣本，數據來源于CSMAR 數據庫和國家統計局網站。在剔除了不完整的公司樣本之后，最終得到了37323 個公司季度數據值作為研究樣本，并對數據進行了上下1%的Winsorize處理，以消除異常值的影響。

四、實證結果與分析

（一）描述性統計

表2 展示了本文選取樣本的描述性統計結果，分別為變量的均值、標準差、最小值、最大值、25%分位數、中位數以及75%分位數。可見:企業的創新投入（Innovation）的均值為0.0416，略大于其中位數0.0341，表明我國上市企業中的制造業擁有略高的創新投入；金融化水平（Financial）的均值為0.0535，顯著大于其中位數0.0250，分布偏右，表現出我國上市企業中的制造業擁有較高的金融資產水平，且這種水平要大于創新水平；中國經濟政策不確定性指數（EPU）的均值為214.2528，高于美國政策不確定性指數（USEPU）的均值127.5272 ，以及美國、歐洲和日本三國政策不確定性指數均值（AVEPU）的平均水平。

表2 變量的描述性統計

（二）內生性處理

本文的模型構建以托賓Q 模型為基礎，遺漏解釋變量是造成內生性的主要原因，如企業家的才能、掌握的信息、特定的外部環境以及不可觀測因素等都會影響到企業的決策行為，這些問題都有可能造成模型在估計時產生內生性。本文首先對各個解釋變量進行異方差穩健的DWH檢驗，結果發現創新投入的滯后一期項（Innovationi，t-1）、公司規模（Sizei，t）、盈利能力（ROEi，t）、資本密度（Captialdensityi，t）存在內生性。針對存在的內生性問題，采取對應變量的滯后一期作為工具變量，并且工具變量與內生變量的Shea’s partial R2較高且通過1%的顯著性檢驗，不存在弱工具變量。

本文采取靜態和動態兩種模型估計方法。至于靜態模型，考慮到企業之間存在較大異質性，影響公司金融資產配置和創新投入決策的很多因素更是無法掌握，因此分別嘗試采用固定效應模型和隨機效應模型。接下來考慮動態模型估計，模型滿足擾動項不存在自相關，因此分別采用差分GMM 和系統GMM方法進行估計。

（三）回歸結果分析

1.企業金融資產配置如何影響創新投入

表3 展示了企業金融資產配置對企業創新投入的影響。本文首先采用靜態模型中的固定效應模型，該模型可以在一定程度上減少遺漏變量帶來的不利影響，接著嘗試采用隨機效應模型，豪斯曼檢驗（Hausman，1978）結果p 值為0.0000。因此強烈拒絕使用隨機效應的原假設，即固定效應模型在本文的模擬中較為合理。不論基于何種模型，企業金融資產配置項的回歸系數都為負，并且在1%或5%的水平上顯著，說明在控制了相關企業層面微觀變量和宏觀經濟變量之后，企業金融資產的配置和創新投入之間呈負相關關系，即二者之間互為“替代品”，驗證了H1 假設。在采用差分GMM 回歸后，進行過度識別檢驗，p 值=0.0717＞0.05，因此無法拒絕“所有工具變量均有效”的原假設，嘗試采用系統GMM 法進行估計，進行過度識別檢驗的p 值=0.0538＜0.05，表明兩種模型都可以接受。也就是說，企業將資產配置在金融資產上，會減少在創新研發方面的投入。

對于控制變量而言，公司規模、杠桿率、現金流和資本密度與企業創新投入呈現顯著的正相關關系。在資本市場上，較大規模的公司一般擁有較強的融資能力，在日常的生產經營中擁有較為充足的現金流，也使得企業可以利用高杠桿獲取資金，這些條件都使得企業可以壓低融資成本，表現為將更多的企業創新投入。企業的托賓Q值衡量了企業的投資機會，這種投資機會也在一定程度上表征了企業的成長性，投資機會大的企業成長空間也大，這樣的企業在市場上擁有較好的發展前景，也更愿意加大對于產品創新的資金投入。反之，企業的盈利能力對企業創新投入的影響為負，企業盈利能力對于創新投入存在兩種相反的作用，一方面高盈利能力產生更多利潤，可以充實企業資金，用于增加創新投入，但是較高的盈利能力說明企業目前產品擁有較好的市場前景，在沒有明確的改進方向或者新的產品研發時，企業的創新投入可能會減少，在本文的樣本中，這種不利的影響超過了有利影響，因此表現為負相關關系。考慮到控制變量的估計結果基本相當，因此在下文中不再重復解釋。

表3 企業金融資產配置對創新投入的影響

2.面對經濟政策不確定性，企業金融化如何影響企業創新投入

本文的假設H2想要探究，面對經濟政策的不確定性，企業將如何進行資產的配置，是傾向于投資金融產品，還是注重創新投入？二者之間又將會是何種關系？表4 展示了在考慮經濟政策不確定性情況下，企業金融資產配置對創新投入的影響。同樣，基于不同的模型，企業金融資產配置項的系數均為負，說明假設H2b成立，即面對政策的不確定性，若企業金融資產配置與創新投入之間成負相關關系，則證明企業傾向于短期獲利。但是，將經濟政策的不確定性納入解釋變量后，除差分GMM 模型外，企業金融資產配置項的系數變小，意味著金融資產配置的增加對企業創新投入的抑制程度加深。對于宏觀經濟的控制變量——經濟政策不確定性指數而言，它與企業的創新投入呈正相關關系，并在1%的水平上顯著，即經濟政策的不確定性越大，企業的創新投入越多。這是因為經濟政策的不確定性對于金融資產價格會產生不確定的影響，并且由于金融資產的杠桿性，這種不確定性會放大，企業更傾向于將資金配置在創新投入上，這樣更有利于企業的長期發展。

表4 經濟政策不確定情況下，企業金融資產配置對創新投入的影響

（四）穩健性檢驗

為了驗證前文結論的可靠性，本文通過改變模型的設定形式、以交互形式引入分組回歸時采用的企業特征變量及采用工具變量的形式三種方式進行穩健性檢驗。具體結果在表5 中展示，由于篇幅所限，僅展示考慮經濟政策不確定性情況下的系統GMM估計結果。

表5 穩健性檢驗結果

第一，基于歐拉方程的估計。本文模型的設定基于托賓Q 方程，也有學者基于歐拉方程設定模型（Brown and Petersen，2011；謝家智，2014），采用GMM 方法進行估計，將企業創新投入滯后一期項的平方引入回歸方程，利用歐拉方程的凸性來展現企業的創新投入過程。表5 中（1）列展示了回歸的結果。可以看出，表5中（1）列的估計結果與表4類似，企業金融資產配置項系數均為負，并且在5%和10%的水平上顯著，說明企業考慮經濟政策不確定性的情況下，金融資產的配置會擠出創新投入，呈現出較為短期的行為。

第二，引入企業特征交互項的估計。在進一步的分析中，本文選擇三種角度將樣本分為兩個子樣本，在對不同子樣本進行分別回歸后，發現有些子樣本的系數無法從統計意義上識別二者是否具有差異，故用PD、QD、SD 的虛擬變量分別表示企業所有權、成長性和規模的子樣本組別，在模型中引入虛擬變量和企業金融資產配置的交互項，結果如表5 中（2）、（3）、（4）所示，除虛擬變量為 PD 時，Financiali，t項系數不顯著之外，其他兩種情況下，金融資產配置與創新投入的相關關系都顯著為負，這個結果與后文的分組回歸一致。

第三，采用不同工具變量的估計。本文采用無形資產凈額占總資產的比重來衡量企業創新投入，由于我國上市企業自2007 年后開始披露企業R&D投入數據，故本文用企業R&D 投入數據作為工具變量進行回歸估計。另外，借鑒許罡（2018）等的做法，采用美國經濟不確定性指數（USEPU）以及美國、歐盟和日本經濟不確定性指數的平均值（AVEPU）作為CNEPU 的工具變量，對原方程進行回歸。結果見表5中（5）、（6）和（7）列，Financiali，t項的系數均為負，除用USEPU 作為工具變量外，均通過5%的顯著性水平檢驗。

五、進一步擴展

在全面考察企業金融資產配置對創新投入的影響基礎上，有必要將企業按照個體特征區分，不少研究也證明這些特征影響企業的行為（王紅建等，2017；申慧慧等，2012；陸慶春和朱曉筱，2013）[32，36，41]。首先，企業所有權的不同可能會對企業金融資產配置和創新投入之間的關系產生影響。國有企業承擔較多的社會責任，例如穩增長、保就業等，這就要求其對資產的配置具有相對固定的要求，受到外界影響較少。再者，國有企業可以比較容易獲得成本較低的融資，因此沒有很強的動機去尋找較大收益的金融資產進行配置，相對較低的融資成本使得金融資產的配置并不會對企業的創新投入產生較大的影響。基于上述分析，本文提出如下假設。

H3:國有企業金融資產配置對創新投入的負面影響比非國有企業小，并且這種負面影響在考慮經濟政策的不確定性時依然存在。

表6 不同企業所有權情況下的子樣本回歸結果分析

表6 呈現了對樣本按照所有權的不同進行劃分后分組回歸的結果:在不考慮經濟政策不確定性的情況下，國有企業金融資產配置對創新投入的影響是-0.0146，而非國有企業則達到-0.0984；在考慮經濟政策不確定性時，國有企業金融資產配置對創新投入的影響為-0.0140，此時非國有企業為-0.0985，并且都在1%的水平下顯著。在兩種情況下，不同所有權企業的Financial系數差異檢驗的p 值均為0，即在1%的置信水平上拒絕二者不存在差異的原假設，說明在統計意義上，不同所有權企業的金融資產配置對創新投入的影響存在差異，驗證了假設H3。

其次，企業規模的大小可能會對企業金融資產配置和創新投入之間的關系產生影響。較大規模的企業通常資金更為充足，充足的資金使得企業在金融資產選擇時，有較強的議價權，并且有能力進行資產組合，增加收益減少風險；但同時大企業充足的資金要求更高的回報，更需要在短期的金融資產獲益與長期而持續的創新投入之間做好權衡取舍。因此，企業的規模越大，金融資產配置對創新投入的影響更大。基于上述分析，本文提出如下假設。

H4:企業規模越大，其金融資產配置對創新投入的負面影響越大；相反，企業規模越小，其金融資產配置對創新投入的負面影響越小，并且這種負面影響在考慮經濟政策的不確定性時依然存在。

表7 不同企業規模情況下的子樣本回歸結果分析

表7 呈現了對樣本按規模大小進行劃分后分組回歸的結果:無論是否考慮經濟政策的不確定性，大規模企業金融資產配置對創新投入的影響是-0.0211，而小規模企業為-0.0168，并且系數都在1%的水平下顯著。但是兩種情況下，不同規模大小企業的Financial 系數差異檢驗的 p 值為 0.03298 和 0.3302，不能拒絕二者不存在差異的原假設，說明在統計意義上，不同規模大小的企業金融資產配置對創新投入的影響并不存在差異。

再次，企業的投資機會可能會對企業金融資產配置和創新投入之間的關系產生影響。企業的投資機會在一定程度上表示了企業的成長性。投資機會多的企業通常擁有較好的成長性，這類企業注重創新研發的投入，不斷加大創新投入，以此使得企業在長期可以適應變化發展的市場；而投資機會少的企業往往成長性較差，這類企業不太注重企業的長期發展，若金融資產的收益較高，則傾向于將資產配置于此。基于上述分析，本文提出如下假設。

H5:企業的投資機會越少，其金融資產配置對創新投入的負面影響越大；相反，投資機會越多，其金融資產配置對創新投入的負面影響越小，并且這種負面影響在考慮經濟政策的不確定性時依然存在。

表8 不同投資機會情況下的子樣本回歸結果分析

表8呈現了對樣本按照不同投資機會進行劃分后分組回歸的結果:在不考慮經濟政策不確定性的情況下，較少投資機會的企業，金融資產配置對創新投入的影響是-0.0286，而投資機會多的企業則為-0.0006；在考慮經濟政策不確定性時，較少投資機會的企業，金融資產配置對創新投入的影響是-0.0276，而投資機會多的企業則為-0.0006，并且較少投資機會的企業，系數在1%的水平下顯著。在兩種情況下，不同投資機會企業的Financial 系數差異檢驗的p 值均為0，即在1%的置信水平上拒絕二者不存在差異的原假設，說明在統計意義上，不同投資機會企業的金融資產配置對創新投入的影響存在差異，驗證了假設H5。

最后，有學者將2008 年金融危機作為劃分樣本的依據，考察對企業金融資產配置和創新投入之間的關系產生影響。2008 年金融危機開始于次貸危機，引發金融業發生劇烈波動，隨后擴展至實體經濟，帶來了經濟低迷。不少國家都紛紛出臺了刺激計劃，Pastor and Veronesi（2013）指出，投資者在經濟衰退時會產生政府將采取行動干預經濟的預期，因此政府改變現行的經濟政策往往只需承擔較低的政治成本，企業也將更加關注經濟政策的不確定性，以期從中獲得收益[42]。金融危機造成金融資產價格波動，勢必會對企業的資產配置行為產生影響。故本文提出如下假說。

H6:企業金融資產配置對企業創新投入的抑制作用在2008年金融危機前后表現程度不同。

表9 將2008年作為時間斷點的子樣本回歸結果分析

本文以2008 年為界，將樣本按時期劃分為金融危機發生前（2003 年第一季度—2008 年第四季度）和金融危機發生后（2009 年第一季度—2018 年第四季度）兩個階段，并分別進行回歸（見表9）。無論是否考慮經濟政策的不確定性，金融危機發生之前，企業金融資產配置對創新投入的影響是-0.0187，而危機發生之后則變為-0.0142，系數分別在1%的水平下顯著。表明在金融危機之后，企業的金融資產配置對創新投入的負向影響有所減小，企業更加注重長期的發展。在兩種情況下，不同時期企業的Financial 系數差異檢驗均未通過顯著性水平，說明在該樣本下，2008 年金融危機前后，企業的金融資產配置對創新投入的影響并未存在差異。

六、主要結論

本文采用2003 年第一季度—2018 年第四季度我國上市制造業企業中共計37323 個公司季度數據作為研究樣本，基于拓展的托賓Q方程，探究了在是否考慮經濟政策不確定性的兩種情況下，企業金融資產配置與創新投入之間的關系。結果表明:無論是否考慮經濟政策的不確定性，企業金融資產配置的增加都會擠出創新投入，則證明企業傾向于短期獲利，將經濟政策的不確定性考慮進來則會加大這種擠出作用。除此之外，本文還將企業的異質性納入考慮范圍，得出以下三點結論:（1）國有企業金融資產配置對創新投入的負面影響比非國有企業小；（2）企業規模越大，其金融資產配置對創新投入的負面影響越大；（3）企業的投資機會越少，其金融資產配置對創新投入的負面影響越大。并且上述的負面影響在考慮經濟政策的不確定性時依然存在。同時，本文還將樣本按時間劃分，考察2008 年金融危機前后這種抑制作用的程度，發現并不存在統計意義上的差別。

基于上述結論，本文得出幾點政策建議。

第一，企業金融資產的配置在一定程度上擠出了創新投入，并且經濟政策的不確定會加重這種負面影響，因此在目前投資拉動型經濟增長方式下，政府應盡力避免經濟政策的不確定性波動，提高公信度，降低企業對政府行為的過度依賴，注重自身的抗風險能力建設，做好長短期權衡取舍，實現可持續發展。

第二，考慮到小規模企業的金融資產配置對創新投入的負面影響更大，加之這類企業往往更易受到政策不確定性的影響，這也顯現了國家對于中小企業重視的必要性，這就要求在把握住風險底線的前提下，一方面加大對中小企業的支持，使之避免政策的不利影響，另一方面加強金融服務，健全金融體制，降低中小企業的融資難度，擴展融資約束。

第三，不同所有制企業金融資產配置對于創新投入的負向作用存在明顯區別，因此建議加快國有企業改革，扭轉資源錯配，促進要素自由流動與合理配置。