不同融資路徑對我國高技術產業多階段創新的影響研究

王千紅， 汪依靜

(東華大學 旭日工商管理學院，上海 200051)

一、引言

我國將國民經濟行業中R&D投入強度相對較高的制造業行業劃分為高技術產業，包括：醫藥制造業，航空、航天器及設備制造業，電子及通信設備制造業，計算機及辦公設備制造業，醫療儀器設備及儀器儀表制造業，信息化學品制造業等六大行業。這些行業有著較高的技術密集度，是我國自主創新能力建設的重要主體。作為創新活動的重要生產要素，研發投入對創新產出有著直接的影響作用，在部分研究中，研發投入被用以衡量一個產業或一個國家的創新水平。我國高技術產業的研發經費投入在1995年為17.85億元，2019年投入額為3 077.76億元①，在24年間翻了173倍，規模上有比較大的增長。與其他國家相比，我國的研發經費投入雖然在規模上處于比較領先的地位，但研發經費投入強度與發達國家還有很大的差距。

由于創新行為的復雜性，存在較多因素會影響研發投入，進一步影響創新水平的提升，融資約束是阻礙研發投入的一大影響因素。劉政等[1](P84-92)研究發現當企業擁有更多的融資渠道和更分散的融資結構時，其創新能力也相對較強。鞠曉生[2](P138-159)、楊蓉等[3](P41-51)發現銀行信貸融資、股票市場權益融資在增加企業研發投入中有積極作用。解維敏等[4](P171-183)以我國上市公司2002—2006年的數據為樣本，實證分析發現通過增加資金供給、降低信息成本、改進公司治理等渠道可以緩解企業的外部融資約束，從而增加研發投入。Brown等[5](P151-185)研究了美國高科技企業研發投入與融資的關系，指出股票市場權益融資有利于改善企業研發投入。張一林等[6](P65-80)認為銀行信貸融資和股權融資在促進企業創新方面存在不同機制。Hsu等[7](P116-135)以1976—2006年34個發達國家和新興市場國家為研究對象，發現股票市場的發展顯著促進了創新生產率的提高。賈俊生等[8](P99-113)以2006—2010年滬深A股上市公司的數據為樣本進行實證分析，指出在我國銀行信貸融資比權益融資更能有效緩解企業的融資約束，從而提升專利申請量。馬微等[9](P75-87)認為銀行信貸融資更多地支持了風險較低的模仿創新；股票市場權益融資適合風險更高的自主創新。這些學者們的研究成果為考察融資路徑和產業創新之間的關系提供了重要的參考。在衡量創新水平時，既有文獻多選擇研發投入或創新產出進行研究；在樣本選取上，既有文獻多以整個A股上市公司為研究對象，忽略了不同行業的研發投入和融資情況存在較大的異質性。鑒于此，本文以研發投入強度較高的高技術產業為研究對象，將銀行信貸融資和股票市場權益融資、研發投入、創新產出納入同一研究框架，以融資指標與研發投入指標的交互項作為解釋變量，創新產出指標為被解釋變量，衡量產業創新水平，分析銀行信貸融資和股票市場權益融資對高技術產業創新水平的作用機制。同時，由于整個創新鏈包括技術成果產出和成果轉化產出，兩者的表現形式以及對經濟社會的意義有所不同，因此在實證上區分創新的2個階段：研發階段與商業化階段，分別考察銀行信貸融資和股票市場權益融資對高技術產業自主創新的影響效應。

二、文獻回顧與理論分析

(一)創新投入與創新水平的衡量

由于創新過程的復雜性，既有研究成果對創新投入和創新水平的關系關注較多。創新是一個需要長期積累的過程，企業當期的創新投入以前期獲得的成果為基礎。Hitt等[10](P767-798)、Duysters等[11](P347-356)、Baysinger等[12](P310-332)、Hall[13](P85-135)等學者認為，創新投入可以很好地說明企業的研發努力程度，并作為當期的創新績效來衡量企業的創新水平；創新投入作為企業在開展創新活動時的生產要素，包括人力資本、資金、生產設備等，這些投入要素是取得創新成果的保障。在研究中用于衡量投入水平的指標主要包括：R&D人員數量、R&D經費支出、R&D強度等。

由于創新活動的不確定性，投入不一定帶來產出，用投入水平衡量創新水平存在一定的偏差。在下述研究中采用產出來說明企業的創新水平，將資金和人力資本視為生產要素投入，作為影響創新水平的因素。在產出的指標選取上，由于整個創新階段包含了研發產出和商業化產出，相應在研究中采用的指標包括：專利申請數[14](P160-175)、專利授權數[15](P37-53)、新產品銷售收入[16](P767-792)。吳豐華等[17](P57-69)提出高技術產業在研發階段最直接的產出是以專利形式出現的新興科學技術，其中發明專利更能體現企業最核心、最直接的自主創新能力。本文采用發明專利申請量衡量高技術產業在研發階段的創新水平；發明技術的最終目的是商業化實現經濟價值，本文用新產品銷售收入指標衡量商業化階段的創新水平，數值越大表明高技術產業創新水平越高。研發階段和商業化階段的創新產出關系如圖1所示。

圖1 高技術產業兩階段創新產出關系

(二)高技術產業的創新與融資約束

1.高技術產業的創新特征

高技術產業是技術密集型產業，創新過程需要密集地使用知識要素，因此其對于創新的投資表現出與一般投資不一樣的特征。產業組織理論認為，創新投資的特殊性在于：(1)高風險性。創新的風險來源于結果的高度不確定性，在研發階段，企業是否能成功研制出新產品是不確定的，而且往往在新技術的研發時就面臨較大的失敗風險；而當新產品被成功研制出來時，其是否能被市場接受也是不確定的。(2)長周期性。創新過程的復雜性導致項目往往具有較長的周期，投資很難在短期內獲得回報。(3)高調整成本。整個創新過程需要企業資源的持續投入，除了物質資源，創新還需要知識要素的長期積累，這意味著企業需要大量的人力資本投入，短暫的投入中斷即可能導致技術的落后甚至創新的失敗。(4)正外部性。創新的成果在短期內可能受到政策保護，從而為企業帶來壟斷利潤，但從長期來看，市場將共享企業的創新成果，導致投資—收益大打折扣。

此外，創新企業與外部投資者之間往往會存在信息不對稱問題。一方面，新技術或新產品在短期內出于保密性要求為創新企業獨有，企業在這段時期會收獲創新成果帶來的壟斷利潤；另一方面，創新產品的核心技術屬于無形資產，若在研發階段被競爭對手或其他外部渠道共享，其正外部性特征會使得研發企業失去壟斷地位，收益大打折扣。基于上述考慮，創新企業在進行外部融資時將選擇不透露過多的創新信息給投資者，由此在企業和投資者之間產生信息不對稱的問題可能導致資金無法流向更具創新性和生產性的項目，直接影響項目的開展。

2.融資約束與創新投入

創新投資的高風險性、長周期性、高調整成本和正外部性，以及存在的信息不對稱問題使得創新投資的外部融資成本要高于一般投資，造成創新企業面臨融資約束問題。在經驗檢驗中，學者們普遍認為融資約束顯著抑制了企業的研發投入，緩解融資約束有助于提升企業的研發投入強度。

在外部融資中，債權融資是我國高技術產業最主要的融資來源，主要包括銀行信貸融資等。當企業的創新獲得成功時，相較于股東，債權人沒有對投資收益的剩余索取權，只有事先約定的固定收益；而如果企業創新失敗，甚至進入破產清算，債權人只能得到有限補償，還可能承擔一定的損失。因此，企業能否按時還款是債權人投資考慮的首要因素。由于利益不共享，以及為了緩解信息不對稱問題，債權融資的約束性更強，具體表現在：第一，在提供貸款前，債權人與企業會約定資金用途、還款期限、監督機制和違約條款等。上述約定限制了企業對資金的使用范圍，同時由于創新投資的期限較長，短期內難有收益，企業出于按期還本付息的壓力可能不會選擇貸款。第二，給予貸款后，債權人會對項目進行嚴格監管，若企業沒有按照約定使用資金，可能面臨違約處罰。第三，為了降低風險，債權人會要求企業提供價值高于融資金額的有形資產進行抵押擔保，而創新所產出的一般為無形的知識產權，難以像有形資產一樣抵押出去，債權人因此也不會給予融資。

對于股權融資，得到的資金一般穩定持續地留存在企業，而且沒有固定支付利息和到期償還的壓力，對資金用途的限制和抵押品也沒有要求，適合創新投資長期穩定資金來源的需求，也符合創新企業有形資產少的特征。但股東與企業經營管理者間存在代理成本，股東的行為模式和財務決策會影響公司的創新活動。張瑞君等[18](P63-73)的研究發現當大股東和企業的利益一致時，大股東會促進創新；而當兩者的利益相悖時，大股東就會阻礙創新。可見，當投資者不能很好地判別創新項目的價值時，可能導致資金無法流向更具創新性與生產性的項目，導致優質項目融資受限，影響創新項目的開展，進一步影響創新水平的提升。

(三)不同融資路徑對創新投入的作用機制

金融體系的價值發現、資金配置、風險分散等功能對企業創新具有重要的作用，龔強等[19](P4-16)、邵宜航等[20](P29-39)、King等[21](P513-542)、Levine[22](P688-726)[23](P398-428)等的研究在理論和實證上給予了支持。作為主要的外部融資來源，銀行信貸融資和股票市場權益融資在創新活動中發揮的作用存在差異。

1.銀行信貸融資影響創新的機制

銀行在創新活動的“事前篩選”“事中支持”和“事后監管”過程中發揮不同的功能影響資源配置效率，從而影響研發資金的可得性，最終影響企業的自主創新能力。在項目前期，相較于單個投資者較高的信息獲取成本，銀行利用規模經濟效應進行信息的搜集、整理、篩選并傳遞，以掌握項目及企業信息，評估創新項目的好壞和企業還款能力的大小，決定是否為企業提供資金支持。在確定投資項目后，銀行以信貸投放的形式為企業提供融資。隨著創新項目的開展，銀行以更新和擴展貸款的形式為企業提供分階段融資，進而更有效地為具有發展潛力的創新項目提供長期的資金來源。為應對道德風險問題，一方面，銀行在提供貸款前會與企業規定信貸資金的用途，訂立違約條款并定期監督；另一方面，銀行一般會要求企業提供有形資產進行抵押擔保，當企業無法按期還款出現違約行為時，銀行就對抵押品實行清算。

2.股票市場權益融資影響創新的機制

針對創新活動的信息不對稱和高風險問題，股票市場權益融資可以起到較好的價值發現和分散風險的作用。第一，高效率的股票市場權益融資能對資產提供及時合理的定價，投資者能從這一價格信號中提取相關信息，從而降低企業與投資者之間的信息不對稱，引導資金流向更具生產性的項目；第二，不同風險—收益偏好的投資者在股票市場上進行投資，按持股比例分享創新項目潛在的高額收益，投資者們有激勵入股分擔企業創新的不確定性。

銀行信貸融資和股票市場權益融資支持企業創新的作用機制如圖2所示。

圖2 金融支持創新的作用機制

3.融資路徑對不同階段創新投入的影響

企業的創新需要經歷研究開發、成果轉化、市場擴散等一系列過程，根據成果產出形式的不同，本文將創新過程劃分為研發階段和商業化階段(如圖3所示)。對于一項創新項目而言，當其創新活動處于不同階段時，其所要達成的創新目標存在一定的差異，因而其階段性融資所面臨的風險也存在一定的差異。那么，不同的融資方式因其對于風險容忍程度存在差異，就會形成其對于企業創新的各階段的影響作用也有不同。

圖3 創新階段的劃分

在研發階段，企業創新的主要目標是為了發現新的科學知識以及確定這些知識在應用上的可能性，成果主要表現為知識性產出，如專利、專著、論文等。這一階段研發失敗的可能性很高，而且距離市場化還有很長的距離，基本無法產生經濟效益。面對研發階段較高的投資風險，銀行出于穩健經營的原則很少為此類項目提供信貸融資。為拓展高技術產業企業的融資渠道，優化融資結構，我國積極發展多層次資本市場，如創業板和科創板，降低企業上市的規模、盈利能力等要求，通過信息披露等機制引導投資者投資于業績不突出，但具備較高成長性的高技術產業企業或創新項目。據此，本文提出以下假設：

H1a：在研發階段，我國銀行信貸融資對高技術產業企業的創新投入沒有顯著影響，沒有進一步提升創新產出水平。

H1b：在研發階段，我國股票市場權益融資顯著促進了高技術產業企業的創新投入，進一步提升創新產出水平。

商業化階段已實現了技術的應用，企業研發出新產品并大規模生產投入市場，成果主要表現為新產品為企業帶來的盈利，如新產品銷售收入、新產品銷售數量等。當一款新興產品投入市場時，可能因其制造技術、市場開拓等優勢獲得超額利潤，企業與投資者在此時可以獲得較高的回報。然而由于市場需求和競爭環境的不斷變化，前期研發出的先進技術可能已不適應當前的市場環境，新產品能否被市場接受、進入市場后可以帶來多大的收益都是不確定的，此時的商業化風險較高。相較于研發階段，這一階段的新產品向市場提供了更多的信息，我國為促進銀行與科技的融合，采取了如知識產權質押、存貨抵押貸款等措施，降低銀行的投資風險。在將新技術應用于新產品，再實現市場化的過程中，面臨較長的周期。高志[24](P118-128)指出由于存在“短視效應”，我國股票市場對更長開發周期的創新活動容忍度有限，使得其難以有效發揮融資支持與風險分散功能。據此，本文提出以下假設：

H2a：在商業化階段，我國銀行信貸融資顯著促進了高技術產業企業的創新投入，進一步提升創新產出水平。

H2b：在商業化階段，我國股票市場權益融資對高技術產業企業的創新投入沒有顯著影響，沒有進一步提升創新產出水平。

根據上述分析可知，銀行信貸融資和股票市場權益融資對創新活動的影響通過發揮價值發現、資金配置、風險管理等功能實現。具體來說，銀行信貸融資通過對項目的“事前信息篩選”“事中資金支持”和“事后監督管理”來應對信息不對稱和道德風險問題，并集中儲蓄為企業提供融資，支持其研發投入。股票市場則通過價格信號和匯集不同風險偏好的投資者來降低信息成本和分散風險，有效配置資金。相應的，兩者對于具備不同風險特征的創新研發階段和商業化階段的適用性也存在差異。

降低信息成本需要銀行具備規模優勢，配置資金和分散風險則要求銀行有一定的儲蓄，股票市場要有足夠的投資者與流通資金，即具備一定的規模是銀行信貸融資和股票市場權益融資發揮上述功能的前提。因此，在實證檢驗部分，本文采用金融規模來衡量兩者對創新的支持。

三、實證分析

(一)計量模型設定

在建立計量模型考察銀行信貸融資和股票市場權益融資對創新的影響時，本文在投入—產出模型中加入金融指標與創新投入指標的交互項作為核心解釋變量。此外，企業創新投入無法立即轉化為創新產出，存在一定的時滯，因此，本文將解釋變量滯后一期，建立模型為

Yik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3lnpik,t-1Fink,t-1+∑β·Z+μik+

ηt+εi,t。

(1)

模型(1)中，各變量下標中的i，k，t分別表示行業、地區和年份。被解釋變量Yik,t是用來測度各省份行業的創新產出的代理變量，分為研發階段產出和商業化階段產出，分別表示k省份的行業i在第t年的發明專利申請量和新產品銷售收入。核心解釋變量lnpik,t-1Fink,t-1為創新投入與金融指標的交互項。ln Fundik,t-1和ln Capacityik,t-1分別表示k省份i行業在t-1年的研發經費投入和研發人力投入。Z為控制變量集，表示其他可能影響行業創新水平的因素，同樣將控制變量滯后一期。μik表示行業的虛擬變量，用來控制行業自身的差異因素(如技術水平、成長空間等因素)對創新能力的影響；ηt表示年份虛擬變量；εi,t為隨機擾動項。

(二)變量選擇與數據來源

以制造業中的六大高技術產業為研究對象，選取31個省市2009—2019年高技術產業數據作為計量檢驗的基礎。其中，創新投入與產出指標的數據來源于《中國高技術產業統計年鑒》，銀行信貸融資和股票市場權益融資指標的數據來源于《中國金融統計年鑒》，其余指標數據來源于《中國統計年鑒》。具體的變量說明見表1。

表1 主要變量說明

1.被解釋變量和解釋變量

被解釋變量包括發明專利申請量和新產品銷售收入。解釋變量中的金融因素分別采用金融機構人民幣貸款余額與GDP的比值、股市市值與GDP的比值衡量。

2.控制變量

模型中的控制變量為其他可能影響行業研發創新水平的因素，參考戴魁早等[25](P4-16)、康淑娟[26](P7-12)、張杰等[27](P43-57)、莊毓敏等[28](P11-30)的做法，選取樣本行業在不同年份的平均總資產和競爭水平來控制行業自身差異對創新活動的影響效應；選取樣本行業在不同年份的政府補貼總額與行業R&D總支出的比值來控制政府扶持政策差異對創新活動的影響效應；選取樣本行業出口額和銷售收入比值，以控制我國對外開放及出口行為對創新活動的影響；選取各省市經濟發展水平、工業化程度和外商投資水平，以控制地區發展差異對行業創新的影響。

(三)變量的描述性統計與相關性分析

各變量的描述性統計特征見表2，絕對值變量為取對數之后的結果，采用比重計算的變量則為比值結果。由表2可以看到，ln Patent的最小值為0，說明在各地區高技術產業申請專利的年份中，最少的申請量為1件。有些年份也存在專利申請量為0件的情況，在數據處理過程中將這些年份的數據加上1再進行計算。ln Patent的最大值為10.48，為廣東的電子及通信設備制造業在2019年申請發明專利65 932件。ln Capacity、CreditCapacity和StockCapacity的最小值為負數，這是由于2015年青海的信息化學品制造業的R&D人員折合當時全量只有0.7人年，數據取對數后出現負值。StockFund和StockCapacity的標準差較大，說明股市市場在各地區間的支持程度存在較大的差異。

表2 變量的描述性統計特征(觀測值為781)

圖4至圖7為被解釋變量和核心解釋變量的散點圖統計情況。可以比較直觀地看到，解釋變量CreditFund和CreditCapacity與兩個階段的創新水平指標都呈現出正向相關的關系，解釋變量StockFund和StockCapacity與兩個階段創新水平指標間的關系未能從散點圖中有較清晰的觀察，對變量間進行相關系數分析，結果見表3。

圖4 被解釋變量與核心解釋變量(CreditFund)的散點圖分析

圖5 被解釋變量與核心解釋變量(StockFund)的散點圖分析

圖6 被解釋變量與核心解釋變量(CreditCapacity)的散點圖分析

圖7 被解釋變量與核心解釋變量(StockCapacity)的散點圖分析

表3 被解釋變量與核心解釋變量的相關系數分析

表3的結果顯示，解釋變量CreditFund和CreditCapacity與研發階段的創新水平指標ln Patent以及商業化階段的創新水平指標ln NewR的相關系數均大于0.4，且在1%的顯著性水平下通過了雙尾檢驗，表明解釋變量和被解釋變量間的相關性較強。解釋變量StockFund和StockCapacity與創新水平指標ln Patent和ln NewR間的相關系數低于0.3，通過了1%顯著性水平的檢驗，表明盡管兩者相關度較弱但相關性關系仍然顯著。

(四)計量方法選擇

使用短面板數據，在面板數據模型的選擇上有隨機效應模型和固定效應模型，兩類模型的差異在于對個體效應(μi)與解釋變量(xit，zi)是否相關的假設不同。使用不適合的模型估計同一組數據會得到有偏差的估計量，因此，為了使分析結果更具可信性，在進行回歸前有必要對面板數據進行檢驗，以選擇合適的檢驗模型。采用Hausman檢驗來選擇使用固定效應還是隨機效應模型。Hausman檢驗的原假設是個體效應與所有的解釋變量均不相關，即隨機效應模型為正確模型；如果拒絕原假設，則采用固定效應模型。由于傳統的Hausman檢驗在數據存在異方差的情況下有失效的風險，因此有必要先對數據進行異方差檢驗。

1.異方差檢驗

采用Wald檢驗方法得到表4的結果。從表4可以看到，各方程的數據都存在異方差的問題，因此需要采用其他方法對模型進行檢驗。

表4 異方差檢驗結果

2.穩健Hausman檢驗

由于數據存在異方差，本文采用穩健Hausman檢驗，結果見表5，可以看到所有方程的檢驗結果都拒絕原假設，即選擇固定效應模型。

表5 Hausman檢驗結果

面板數據固定效應模型又分為個體固定效應模型、時間固定效應模型、個體與時間雙向固定效應模型。在個體固定效應模型中，只要個體特征與解釋變量相關，即使存在不隨時間改變的遺漏變量也可以得到無偏一致的估計。該模型的缺陷在于沒有對不同時期、不同地區的殘差相關性進行考慮，從而導致估計結果出現偏誤，并且這種偏誤會在時間效應的影響下逐漸增大。同樣，時間固定效應模型無法估計不隨個體變化的變量帶來的影響。因此，為了避免模型選擇偏誤，本文采用兼具個體固定效應和時間固定效應的雙向固定效應模型對我國高技術產業創新水平與金融支持的關系進行實證研究；同時，為應對異方差問題，模型估計采用聚類標準誤的做法。

(五)實證結果分析

1.基于專利申請量的檢驗

首先就創新研發階段進行分析，在研發階段，企業的創新主要是知識性的產出，表現為專利的增加。本部分用發明專利申請數來衡量企業創新水平，根據模型(1)，代入研發階段的金融指標與創新投入指標，建立模型(2)至模型(5)。核心解釋變量為銀行信貸融資、股票市場權益融資與創新投入指標(研發經費投入、研發人力投入)的交互項。解釋變量與控制變量均滯后一期。

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(2)

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(3)

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(4)

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(5)

模型(2)至模型(5)的估計結果見表6。列(2)和列(4)的回歸結果顯示，交互項CreditFund、CreditCapacity的回歸系數均在1%的顯著性水平上顯著為正，這表明無論是對研發經費投入還是研發人力投入，我國各省份地區銀行信貸融資對高技術產業的發明專利活動產生了顯著的正向影響。在那些銀行信貸融資規模越大的省份地區，行業的發明專利申請量越多，說明信貸市場發展對研發階段的創新產生了促進效應。雖然不少理論研究都主張銀行信貸融資在支持高風險自主創新活動中的天然劣勢，但林毅夫等[29](P4-17)的研究表明，銀行信貸融資和股票市場權益融資何種金融服務更有利于技術創新和產業發展取決于經濟體的發展階段。龔強等[30](P4-16)認為我國當前的產業結構更匹配以銀行為主導的金融結構，對于風險更高的創新產業，股票市場對其支持作用需要以良好的市場環境為前提。由于股票市場制度的不完善，銀行將更有利于產業發展。

表6 金融對創新研發階段的影響效應

列(3)和列(5)的回歸結果顯示，交互項StockFund的回歸系數不顯著，交互項StockCapacity的回歸系數在10%的顯著性水平上顯著為正，說明我國股票市場權益融資對研發階段創新的促進效應主要通過增加研發人力投入產生，對研發經費的影響并不明顯。在已有研究的理論分析中，股票市場更適合高風險創新活動的前提為市場是有效的。由于投資者在股票市場上難以像銀行通過抵押、清算等措施約束企業的道德風險，因此需要完善的市場制度保障自己的權益。但我國的股票市場發展尚未達到技術發達國家的水平，賈俊生等[8](P99-113)以資本市場融資規模衡量資本市場可得，實證結果證明資本市場未對企業創新有顯著的影響作用，進一步得出結論：由于當前我國股票市場尚不成熟，其融資功能不完善，沒有通過影響研發經費投入支持企業創新。另一方面，段海艷[31](P32-37)、姜英兵等[32](P42-54)認為股票市場對研發人力具有影響效應：一是融資規模的擴大可以增加研發人力的投入規模；二是通過對核心技術員工的股權激勵等措施可以促進人力資本價值的發揮效率，從而提升創新產出的水平。

2.基于新產品銷售收入的檢驗

在商業化階段，企業完成了產品的研發與試生產，進入規模生產與市場銷售階段，這一階段的創新產出水平表現為企業的新產品銷售收入。因此，本部分采用新產品銷售收入指標來衡量企業在商業化階段的創新水平。根據模型(1)，代入商業化階段的金融指標與創新投入指標，建立模型(6)至模型(9)，核心解釋變量為銀行信貸融資、股票市場權益融資和創新投入指標(研發經費投入、研發人力投入)的交互項。

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(6)

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(7)

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(8)

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(9)

模型(6)至模型(9)的估計結果見表7。列(6)和列(9)的回歸結果顯示，交互項CreditFund和CreditCapacity的回歸系數均在10%的顯著性水平上顯著為正，這表明無論是對研發經費投入還是研發人力投入，我國各省市銀行信貸融資對高技術產業的新產品銷售產生了顯著的正向影響，在那些銀行信貸融資規模越大的省市，行業的新產品銷售收入越高，說明信貸市場發展對商業化階段的創新產生了促進效應。

表7 金融對創新商業化階段的影響效應

列(7)和列(9)的回歸結果顯示，StockFund和StockCapacity的回歸系數均不顯著，表明我國各省市股票市場權益融資的發展并未通過影響創新投入對高技術產業的新產品銷售收入產生顯著的影響，說明我國股票市場權益融資未對商業化階段的創新產生支持效應。對此，有學者得出了相同的結論。高志[24](P118-128)指出由于我國股票市場對長期投資的容忍度不高，股票市場未能通過完善的融資與風險分散功能為具有更長周期的商業化階段創新提供支持；同時，由于我國股票市場機構投資者平均持股比例低、周期短，未能很好地發揮外部治理功能，難以抑制上市公司管理者的“平靜生活偏好”。上述兩方面原因導致股票市場未能有效激勵企業將技術轉化為生產力。

四、研究結論

首先在理論上討論了銀行信貸融資和股票市場權益融資對產業自主創新能力的不同作用。針對創新項目投資所存在的信息不對稱和不確定性風險問題，這兩類融資路徑通過不同的作用機制有助于緩解創新項目融資約束，通過改善創新研發投入，最終影響創新水平的提升。其次，分析研發經費來源可知，產業中企業創新經費主要由內部積累，外部資金支持非常有限，這使得很多中小企業以及內部資金不足的企業受限于融資不足問題。在實證分析部分，建立創新研發階段和商業化階段靜態面板模型，檢驗了銀行信貸融資和股票市場權益融資對高技術產業自主創新能力的影響，研究結論如下。

第一，在不同的創新階段，銀行信貸融資和股票市場權益融資發揮的創新支持作用存在差異。具體來說，在創新研發階段，銀行信貸融資和股票市場權益融資都對研發投入產生了正向的影響作用，從而促進了創新產出的增加；在商業化階段，銀行信貸融資依然顯著促進了創新產出，但股票市場權益融資的作用不顯著，這說明我國金融支持高技術產業主要在基礎研究階段，對商業化階段的支持不足。

第二，不同市場主體對高技術產業自主創新能力的影響存在差異。具體來說，銀行信貸融資可以顯著促進研發經費和研發人力投入，從而促進創新水平的提升；股票市場權益融資在創新研發階段對人力投入有促進作用，但對研發經費投入和商業化階段的經費、人力投入沒有發揮作用。這說明我國對高技術產業的金融支持以銀行信貸融資為主，股票市場權益融資發揮的作用較小。

本研究進一步論證了我國當前加快金融改革的必要性，為提升高技術產業自主創新的能力，一方面，由于創新項目的最終目標是實現經濟價值，因此在關注企業創新初期的融資需求的同時，更要關注商業化階段的需求情況；另一方面，需要進一步擴大金融機構服務規模，發展多層次的資本市場，使其更符合高技術企業的創新特征，豐富企業融資模式。

注 釋：

①研發經費投入的數據來源于EPS數據庫—中國高技術產業數據庫(年度數據)-R&D經費內部支出。由于1995年的數據統計口徑為大中型高技術產業企業，為保持一致，2019年的研發經費投入數據同樣使用大中型高技術產業企業R&D經費內部支出指標。