金融錯配、高管團隊學歷特征與企業專利質量

李文啟，龐文斌

（河南工業大學經濟貿易學院，河南 鄭州 450001）

創新是生產力發展的重要力量，企業增強自身的創新能力不僅能夠提升發展水平、獲得經濟效益，也提升了我國總體的科技水平。而在保證企業專利質量的同時提升企業專利研發能力，是企業發展以及國家建設知識產權強國的一項重要任務[1]。作為創新的主體，企業既是專利的研發者，也是專利的受益者。高質量的專利能夠為企業帶來豐厚的市場收益，提高企業的績效水平，提升企業的市場價值[2]。質量越高的專利對企業的正向作用越明顯。金融發展能夠促進經濟平穩增長。健全的金融系統能夠為投資者及時提供市場信息，不僅能夠使企業獲得融資，同時也能降低市場風險，促進國家儲蓄流動[3]。金融市場的發展，尤其是股票市場的發展，能夠提高企業的科技創新能力，通過優化企業融資機制提升企業專利研發速度和質量[4]。

1 文獻綜述

金融錯配源于資源配置效率理論，指資金作為一項緊缺的“資源”，在配置過程中并沒有達到帕累托最優[5]。在我國金融市場的長期發展中，金融錯配一直是我國經濟發展中一個難以回避的問題。金融錯配使得企業從事科研活動時缺少資金支持，嚴重影響了企業從事科技研發的積極性[6]。同時，有學者認為，金融錯配現象的出現與政府行為、國有企業與國有銀行的相互關聯有關。一方面，受到新冠肺炎疫情背景下全球經濟增速放緩與我國經濟結構轉型升級的雙重影響，我國目前對金融市場運行制度的規定還不夠完善，金融資源大部分仍由政府控制，即金融市場的運行仍會受到政府不合理的行政干預[7-8]。另一方面，銀行作為企業外部資金的重要來源，銀行放貸對企業創新十分重要。而國有企業與國有銀行之間存在著密切的聯系[9]，政府控制金融資源的分配權與定價權并且通過行政干預的手段將更多資源通過國有銀行分配給國有企業。國有企業因為資金和規模優勢能夠輕松從銀行獲得貸款[10]。根據財科院統計結果，民營企業存在“短貸長投”的現象，2019年，非國有企業平均融資規模為2 695萬元，而國有企業平均融資規模達到了9 738萬元，是非國有企業的3.6倍。占有大量資金資源的國有企業雖然不斷得到國家支持，但科研創新效率提升緩慢；非國有企業具有較高的科技研發水平，卻只能因為外部效應與信息不對稱的影響受到融資約束和貸款限制[11-12]。為了獲得企業運營、科技研發所需要的金融資源，非國有企業甚至通過利率更高的借貸方式或者一些非正規的投融資渠道如民間借貸等來獲取資金。非國有企業通常以短期貸款為主。2019年統計結果顯示，國有企業與非國有企業的信用利差在150～200BP之間，非國有企業仍處在融資困難的環境中。資金獲取難度的增加無形中加大了企業科技創新的成本，企業專利研發收益降低，最終使得企業專利研發進程放緩，專利質量得不到提升。企業的最終目的是為了盈利，投資專利研發是為了獲得長期收益，一旦得不到資金支持，企業就更愿意選擇能夠在短期內帶來收益的活動（尋租活動），從而“擠出”專利研發的資金[13-15]。同時，國有企業可以利用自身充足的資金以及規模優勢搶先占領市場，在占據市場份額之后進一步獲得資金支持，如此循環，最終擠壓非國有企業的生存空間，降低其科技創新能力[16]。

對于企業自身來說，企業高管團隊的特征也是影響企業績效的一個重要因素。高管異質性理論認為，企業團隊成員之間及企業與企業之間存在著人口背景、認知觀念、技能水平等的差異性。對高管異質性的研究源于人力資本理論，人力資本理論認為，不同勞動力因為背景不同，其勞動生產率存在不同，對企業的貢獻也就不同。因此，提升企業科技創新能力的重點就在于提高相關人員的素質[17]。高管對企業活動的影響會因企業種類的不同而不同，但對于大部分企業來說，高管內部平均學歷越高，企業的經濟效益越高[18]。高管學歷水平的異質性能夠幫助企業在復雜的市場環境中做出正確的決策，并且企業效益與策略的復雜性呈現“U”形關系[19]。Hambrick等基于高層梯隊理論認為，高管的市場認知能力和應對風險的能力可能受其學歷水平的影響，而企業的經營生產活動則受到管理者個人價值觀的影響[20-21]，進而影響企業的科技創新和企業專利質量。此外，高學歷的高級管理人員具備更高的社會關系層次以及更強的獲取信息、分析信息的能力，能夠在市場上獲得更多的科技研發信息，促進企業專利研發與專利質量升級。

梳理之前學者的研究發現，大多學者的研究都僅偏向于金融錯配對企業創新能力的影響，或者高管團隊特征對企業專利質量的影響，很少有學者將二者結合起來研究金融錯配、高管團隊特征共同對企業專利質量的影響。由于目前市場所存在的金融錯配現象，企業面臨融資約束問題進而無法將緊缺的金融資源分配到專利質量升級中，而企業高管的高學歷水平能夠促進企業專利質量的提升。本文的創新點如下：第一，針對目前上市公司所存在的金融錯配現象，系統性地總結了金融錯配對企業創新、企業專利研發的影響。第二，在分析金融錯配對企業專利質量影響的基礎上，創新性地加入了企業高管學歷水平這一中間變量，分析了金融錯配、企業高管異質性與企業專利質量之間的關系，實證研究了企業高管學歷水平異質性作為中介變量如何對金融錯配與企業專利質量之間的關系進行調節。

2 研究假設

本文以企業高管團隊的學歷水平作為中介變量，創新性地研究這一變量如何調節金融錯配與企業專利質量之間的關系。首先，判斷金融資源錯配對企業專利質量產生的影響；其次，加入中介變量——高管學歷水平，研究金融錯配對企業高管學歷水平的影響；最后，研究加入企業高管學歷水平這一變量后，金融錯配對企業專利質量的影響是否發生變化。

2.1 金融錯配對企業專利質量的影響

金融錯配是我國金融市場目前普遍存在的一種現象，其對我國經濟運行一直有著很大影響[11]。金融錯配，即金融資源不能得到有效合理的配置。就微觀主體來講，金融錯配使得企業不能及時獲得資金支持，從而錯失生產、投資機遇。金融錯配對企業專利研發活動的影響主要體現在兩個方面。一方面，金融錯配直接作用于企業專利研發與升級，通過限制企業所獲得的資金支持，增加企業投融資成本從而抑制企業專利質量升級。在以商業銀行貸款為主的融資環境下，為了防止中小企業貸款過程中因為遇到經營風險還不上貸款等問題，銀行就會更傾向于將資金配置給國有企業或者大型企業。這導致在獲取金融資源時，企業之間存在著巨大差異[22]。為了獲得足夠的金融資源，民營企業不得不增加自身獲取金融資源的成本，相應地企業可用于專利研發與升級的資金就會減少，最終使得企業專利研發能力下降，企業專利質量提升進程放緩。另一方面，金融錯配間接作用于企業專利創新。當企業遇到金融錯配時，其面臨著資金短缺、融資成本過高的問題，使企業陷入資金流動性差的困境。由于“擠出效應”的存在，企業就會將僅有的資金投資于能夠短期獲利的生產項目以保障資金流轉[23]，從而放棄專利研發與專利質量升級，抑制了企業專利質量的提升。基于上述分析，本文提出第一個假設。

假設1：金融錯配對企業專利質量具有負向影響。

2.2 金融錯配對高管團隊整體學歷水平的影響

金融錯配一定程度上影響了企業的發展，由于缺少充足的資金支持，企業的規模減小、利潤率降低。根據Weizman所提出的利潤分享理論，當企業員工根據自身工作績效分享公司利潤時，能夠有效緩解勞資矛盾，提高企業員工的參與度，改善員工與公司之間的勞資關系[24]。在現代企業中，員工分享公司利潤的方式，就是獲得更高的薪水。企業在招聘高學歷的高管時需要支付更高的薪水，從而提升員工對公司的忠誠度，提高員工黏性[25]。而公司盈利前期一般需要外部融資的支持，金融錯配使得企業獲得外部融資的機會減少，從而降低企業盈利能力。盈利的減少使得企業招聘新的高學歷高管的欲望下降，企業整體人員流動性下降，進一步影響企業績效[26]。企業缺少新高管的進入，一些學歷相對較低、相對比較保守的公司高管可能更傾向于將貸款及盈利所得資金投入到能夠短期獲利的部門，忽視對企業的長期投資，從而降低對提升企業專利質量的投資。綜上所述，高學歷的企業高管能夠以更加長遠的眼光看待公司專利質量升級，鼓勵公司創新，注重提升公司專利質量；同時由于金融錯配，企業缺少可用來進行人力資源調整的資金，可能會對企業高管的調整及高管整體學歷水平的提升具有負向影響。基于上述分析，本文提出第二個假設。

假設2：金融錯配對企業高管整體學歷水平提升具有負向影響。

2.3 金融錯配、高管團隊學歷特征對企業專利質量的影響

金融錯配往往首先影響到中小企業，而中小企業的發展戰略多依賴于高管團隊的整體能力。金融錯配使得企業高管團隊不得不把精力更多投放到尋找資金和企業運營方面，從而降低了對企業創新能力的支持力度，不利于企業資源有效分配。專利研發與質量升級對企業而言屬于長期影響，從長遠來看，金融錯配降低了創新對企業績效的積極影響[27]。

學歷水平能夠從側面反映企業高管對企業管理的認知能力、對外部世界環境變化的分析能力和處理能力以及面對隨機風險時的應變能力，這些能力都與企業高管的學歷水平呈正相關。一部分學者認為，企業中高管的學歷越高，其越具備應對風險的能力，越會鼓勵企業進行專利研發與專利質量升級，越容易帶領企業進行改革創新[19,28-29]；也有一部分學者認為，擁有高學歷高管的企業在決策時能夠更加全面地分析企業所處的市場環境，具有更強的環境適應力[16-17]。一方面，高學歷的企業高管能夠更加敏銳地察覺到金融市場的變動，比起缺少理論知識與經驗的普通高管能夠更快地對金融錯配做出反應，在企業面臨金融錯配風險之前提出應對措施。另一方面，高學歷高管的加入也會促進企業利潤率的增加，企業有了更多的資金就可以加大對專利研發的支持力度，降低提升專利質量所需的融資成本。基于上述分析，本文提出第三個假設。

假設3：企業高管學歷水平對企業專利質量具有正向影響，并且隨著高學歷高管的加入，金融錯配對企業專利質量的負向影響得到抑制。

3 研究設計

3.1 模型與方法

本文通過使用兩階段最小二乘法（2sls）以及兩步系統GMM模型對所提出的3個假設進行驗證。參照之前眾多學者對數據回歸的處理方法，建立如式（1）所示的回歸估計模型。為了消除異方差的影響，計算之前對所有變量作取對數處理。

其中：i為上市公司；t為年份；yi，t為第i個上市公司第t年的專利質量；t-1是考慮到企業的專利創造為一個動態過程，本期的專利質量可能會對后期產出造成影響，因此選擇滯后一期的yi，t-1作為解釋變量；λi表示誤差項；c為截距；αi為變量系數；xi為自變量與控制變量。

為了驗證企業高管異質性如何通過中介效應在金融錯配對企業專利質量的影響中發揮作用，本文在式（1）的基礎上，運用中介效應模型，分析高管團隊學歷水平的作用機制。其具體步驟為：第一步，研究金融錯配對企業專利質量的影響；第二步，研究金融錯配對企業高管團隊學歷水平的影響；第三步，研究金融錯配、企業高管團隊學歷水平共同作用對企業專利質量的影響。具體如式（2）—（4）所示。

式（2）是以FM為自變量、其余為控制變量對PA-Q所做的回歸分析。其中：PA-Q為企業專利質量；FM為金融錯配指數；Profit為企業利潤率；Age為企業年齡（從企業股票上市日期開始計算）；Size為企業規模；Develop為企業發展水平；λi表示誤差項；c為截距。

式（3）是以FM為自變量、其余為控制變量對Education所做的回歸分析。其中，Education為上市公司高管學歷水平，其余變量解釋同上。

在分析完金融錯配對企業專利質量的影響以及金融錯配對企業高管學歷水平的影響之后，將高管學歷水平作為中介變量并考慮其對金融錯配與企業專利質量關系的影響。具體如式（4）所示。

式（4）是以FM、Education為自變量，其余為控制變量對PA-Q所做的回歸分析,變量解釋同上。

3.2 變量選擇與定義

3.2.1 被解釋變量。本文被解釋變量為企業專利質量（PA-Q）。參考之前學者研究專利質量的方式，采用企業專利知識寬度指標衡量企業專利質量[30]。具體如式（5）所示：

其中：α表示專利分類號中各專利大組分類所占比重。

3.2.2 解釋變量。考慮到中介效應的傳導作用，本文解釋變量的選擇分為兩個方面：首先，參考之前學者對金融錯配的處理方式，通過衡量企業負債、利息支出與所在行業平均利率水平之間的偏離來定義企業金融錯配程度[31]，將金融錯配指數（FM）作為自變量。其次，在引入高管團隊學歷水平這一中介變量后，將高管學歷水平（Education）也作為自變量進行研究。衡量高管團隊學歷水平主要通過爬取所研究公司數據中的高管學歷水平，將大專及以下賦值為1，本科賦值為2，碩士研究生賦值為3，博士研究生及以上賦值為4，賦值越高表明高管學歷水平越高。

3.2.3 控制變量。參考之前學者研究金融錯配與企業專利質量關系所使用的方法[32]，控制變量主要包括企業利潤率（Profit）、企業年齡（Age）、企業規模（Size）、企業發展水平（Develop）。

各變量定義如表1所示。

表1 變量定義

3.3 樣本選擇與數據來源

本文選擇2003—2020年A股市場上市公司的面板數據進行研究，并按之前學者處理上市公司數據的原則進行篩選：首先，剔除金融類與ST、PT公司；其次，剔除樣本數據中存在過多缺失值或者數據不全的公司[13]；再次，為減少樣本數據中連續變量的極端值的影響，對連續變量進行1%的縮尾處理；最終獲得297家上市公司的5 049個觀測值。本文模型中所使用的上市公司的專利數據、高管特征、財務數據等均來源于CSMAR（國泰安數據庫），專利質量、金融錯配指數由手動計算整理得到，統計分析工具為Eviews 8.0與Stata 16.0統計軟件。

4 實證分析結果

4.1 描述性統計

變量描述性統計結果如表2所示。根據表中數據可知：專利質量指數（PA-Q）的最大值為0.886，標準差為0.273；高管學歷水平（Education）的平均值為3.233；金融錯配指數（FM）的平均值為0.571，其中最大值為66.815，最小值為0.001，說明公司之間可能存在金融錯配差異較大的現象。在其他控制變量中：企業年齡（Age）平均在23年左右；企業利潤率（Profit）與企業發展能力（Develop）之間也存在個體差異較大的現象。

表2 變量描述性統計

4.2 實證分析結果

在進行回歸操作之前，還需要選擇數據處理方式。由于本文的研究前提為假定研究結果的方向與效應大小基本相同，即各獨立研究結果趨于一致，因此，只研究各變量在本文特定范圍內的交互作用。根據回歸結果選擇固定效應模型進行研究。

4.2.1 基礎回歸。通過二階段最小二乘法（2sls）對表3中的模型一進行估計。在只考慮金融錯配對企業專利質量影響的情況下，金融錯配對專利質量存在負向影響，且在10%的水平上顯著，此時估計系數為-0.052。而如模型二所示，金融錯配、企業利潤率、企業年齡、企業規模等均通過了顯著性檢驗。當同時考慮控制變量對企業專利質量的影響時，金融錯配仍對專利質量存在負向影響，且這一負向影響隨著加入企業利潤率、企業年齡、企業規模等控制變量而變得更加明顯（此時估計系數為-0.077）。

表3 金融錯配對專利質量的影響

此時，表3中金融錯配與控制變量對企業專利質量的影響就可以由式（2）具體轉化為式（6）來說明：

式（6）的結果說明了金融錯配與企業專利質量之間存在負向影響。隨著金融錯配程度的不斷加深，其會導致企業專利質量的逐步下降，即金融錯配會抑制企業專利研發的水平。市場中所存在的金融錯配現象使得企業無法通過有效的信息篩選來判斷投資信息，金融市場無法將資金有效地分配給真正需要的企業，以提升企業專利研發的試錯能力、推動企業創新。金融錯配使得企業的資金使用成本提高，企業需要擠壓投入專利研發、提升專利質量的資金；同時由于資本的逐利性，融資困難導致企業更愿意使用資金進行套利，將更多資源投入到能夠快速獲得回報的部門[13]，從而就對專利研發產生了“擠出效應”，這也印證了之前提出的第一個假設。

由于同時加入了控制變量，從式（6）中還可以看出，企業的利潤率、年齡、規模對企業專利質量都具有正向影響。相比之下，金融錯配對企業專利質量的負向影響更為顯著，這也說明了當利潤率較高、規模較大、存在時間較長的企業存在金融錯配的現象時，資金若不能及時被用于企業專利的研發與升級，就更容易被企業家用來進行投資獲利活動。這也印證了眾多學者所提出的觀點：相較于更具有科研創新能力的非國有企業，那些收益更高、規模更大的國有企業卻擁有較低的產出效率，金融錯配使得國有企業被過度投資而非國有企業只能面臨投資不足的困境[12]。

4.2.2 中介效應檢驗。在研究金融錯配對企業專利質量的影響后，引入中間變量——高管學歷水平。回歸結果如表4所示：模型一表示未引入高管學歷水平時，金融錯配對企業專利影響的回歸估計；模型二表示當把高管學歷水平作為中介變量時，金融錯配對企業高管學歷水平的影響；模型三進一步說明了加入高管學歷水平這一變量后，金融錯配、高管學歷水平共同對企業專利質量的影響；在模型三加入中介變量之后，對其進行Sobel檢驗，檢驗中介效應是否顯著，結果顯示，加入中介變量后，模型在1%的置信區間內顯著，表明本文所使用的中介變量有效。

表4 高管學歷水平的中介效應

如表4所示：模型一、二、三中的關鍵變量（金融錯配、高管學歷水平）均通過了顯著性檢驗；作為控制變量，企業利潤率、企業年齡、企業規模也均通過了顯著性檢驗；企業發展水平未通過顯著性檢驗。

表4中金融錯配對高管學歷水平的影響可以由式（3）具體轉化為式（7）來說明，式（5）具體轉化為式（8）來說明：

式（7）表明金融錯配對企業高管的學歷水平具有負向影響。當企業存在金融錯配現象時，一方面要考慮外部因素如市場環境、政策變動對企業融資的影響，企業從外部獲得的融資減少，就會進一步削減對人力資本的投入；另一方面要考慮企業內部因素如企業中高管的決策失誤或缺少相關知識儲備與應對經驗，使得企業產生金融錯配現象，而金融錯配又通過影響企業的利潤水平、企業規模擴張的速度進而影響引進企業高管的政策，最終抑制了企業高管的流動速度，并對企業高管學歷水平產生抑制性作用。這也印證了本文所提出的第二個假設。公司將盈利的一部分用來對高管團隊進行股權激勵與薪酬激勵，能夠使高管將個人利益與公司利益緊密連接；越是提高高管的歸屬感，高管就越會做出有利于公司發展的決策，提升企業的創新能力[29]。

式（8）檢驗在加入高管學歷水平這一中介變量后，金融錯配對企業專利質量的影響。對比式（6）與式（8）可以發現，當加入了高管學歷水平這一變量后，金融錯配對企業專利質量的抑制作用減弱，即高管學歷水平對企業專利質量具有正向促進作用。擁有高學歷的高管進入企業后，能夠根據自身豐富的理論知識與實踐經驗對市場行情與金融政策做出敏銳的判斷，并根據外部金融政策的調整對公司金融資本運作模式進行完善；在面對金融錯配現象時也能夠及時提出風險規避的方案，降低金融錯配對公司創新能力的影響，從而降低金融錯配對企業專利質量的影響。這印證了本文所提出的第三個假設。

同時，在加入高管學歷水平之后，企業利潤率、企業規模、企業年齡對企業專利質量的正向影響更加明顯。企業中擁有高學歷的高管占比越高，其對企業發展的正向作用越明顯。信息傳遞理論提出，高管團隊的學歷水平一定程度上能夠反映個人偏好，具有高學歷的高管成員其思維更加靈敏、思考問題更加全面，在進行決策時可以考慮諸多因素，做出對提升企業總體效益最有利的決策，進而增加企業收益、擴大企業規模。企業利潤率的提升、企業規模的擴大又會進一步推動資本在企業中的有效配置，使得企業的專利研發部門能夠獲得足夠的資金，支撐企業專利的研發與質量升級。

4.2.3 穩健性檢驗。在研究高管學歷水平的中介效應后，本文進一步對回歸結果進行穩健性檢驗。首先，通過對變量分組進行兩步系統GMM回歸方法修正，觀察個體異質性問題，檢驗高管團隊學歷水平這一變量的加入是否存在測量誤差，以及是否具有潛在內生性的問題；其次，通過替換核心變量的方式進行穩健性檢驗，在替換核心變量時，將主要解釋變量金融錯配（FM）與被解釋變量企業專利質量（PA-Q）分別滯后一階。

第一步結果如表5所示，在進行GMM穩健性檢驗時，模型一與模型二都通過了三階AR檢驗和Hansen檢驗，表明兩個模型設定都是有效的。從模型一的檢驗結果來看，金融錯配在1%的水平上對企業專利質量具有顯著的負向影響（系數為-0.069），即印證了上述假設與中介效應的估計結果，金融錯配確實對企業專利質量具有抑制作用。從模型二的結果來看，在加入了企業高管團隊學歷水平后，金融錯配仍然在5%的水平上對企業專利質量具有顯著的負向影響（系數為-0.059），同時高管學歷水平在1%的水平上對企業專利質量具有顯著的正向影響（系數為0.112）。這也印證了本文所提出的假設3：高管學歷水平的提升，抑制了金融錯配對企業專利質量的負向影響。

表5 二步系統GMM分組檢驗

第二步結果如表6所示，模型一與模型二的第一列均表示原始回歸結果，模型一第二列表示金融錯配滯后一階（L.lnFM）對企業專利質量的影響；模型二第二列表示數字普惠金融對企業專利質量滯后一階（L.lnPA-Q）的影響，并且將當期企業專利質量作為解釋變量，對滯后期企業專利質量進行回歸。結果表明，雖然替換了核心解釋變量與被解釋變量，金融錯配對企業專利質量的影響仍呈現負向作用。在模型一中，金融錯配滯后期的負向影響大于當期金融錯配；在模型二中，金融錯配對滯后期企業專利質量的負向影響也大于當期，值得關注的是，此時，當期專利質量在1%的水平上對后期的專利質量產生顯著的正向促進作用。

通過二步系統GMM對模型一、模型二進行了回歸檢驗以及替換變量進行了穩健性檢驗。結果如表5、表6所示，各模型主要自變量估計系數的正負性與顯著性并未發生變化，模型也沒有出現嚴重的誤差與潛在內生性。由此可以說明，通過中介效應測度金融錯配、高管學歷水平對企業專利質量的影響具有可靠性。

表6 替換變量的穩健性檢驗

5 結論與啟示

本文以297家上市公司為研究樣本，以我國金融市場目前依舊存在的金融錯配問題為出發點，從理論與實證兩個方面比較分析了金融錯配對企業專利質量的影響；之后引入中介變量——企業高管學歷水平，研究企業高管團隊學歷水平在金融錯配與企業專利質量之間發揮的中介效應。研究結果表明：首先，金融錯配對于企業專利質量的提升具有顯著的負向影響；在回歸結果中，金融錯配使得企業可能面臨融資約束、資金短缺的情況，企業高管中具有高學歷的人員占比會受到金融錯配的負向影響，以致企業無法及時調整人力資源。其次，企業高管的學歷水平對企業專利質量具有正向影響。最后，企業高管的高學歷水平對調節金融錯配對企業專利質量產生的負向影響有抑制作用，并且這種中介作用會隨著企業經營績效的提升而長期存在。以上結論對于優化企業資金往專利研發與質量提升的投入、調整高管人員學歷構成、引進高學歷人才及提升企業整體專利質量等具有積極的啟示作用。

第一，發揮市場在資源配置中的主導作用，減少政府對金融配置的干預。政府應該推動國有銀行的市場化驅動機制改革，鼓勵金融資本流向具有發展潛力且急需資金投入專利研發與升級的中小企業，健全企業資金使用的保障制度；同時增加對中小企業專利研發等科研活動的財政補貼，針對不同類型的專利研發制定不同的補貼標準；對接受補貼的企業及時追蹤調查，建立相應數據庫，統計企業專利產出與質量情況；加強商業銀行與非國有企業之間的金融聯系，拓寬企業融資渠道，減輕信息不對稱所帶來的融資約束，提高企業科研創新能力。

第二，企業要提升自身專利質量，完善自身人才結構。一方面，企業要完善對創新人才的引進制度，通過人員激勵機制，提高專利研發人才的待遇，激發人才留在企業繼續從事研發工作的積極性；另一方面，企業可以與高校、研發機構建立聯系，定向培養專業人才，為企業專利研發與質量提升注入活力。此外，注重企業高管對企業整體運行的作用。企業要想提高自身研發水平，就需要提升高管的學歷水平和專業能力，更多地選擇具有高學歷及專業知識能力的高管人員，縮小企業高管的異質性。

第三，企業應提升自身吸納外部資金的能力。目前由于受到新冠肺炎疫情的影響，中小企業的生存環境更為嚴峻，吸納外部資金更加困難。一方面，企業要優化內部資金使用情況，對于專利研發與升級部門給予一定的資金傾斜，構建自身信用體系，及時公布企業資金使用明細；另一方面，企業要積極將內部資金投向專利研發，保證將年度利潤中的一部分用于專利研究與人員激勵，同時積極與當地銀行等金融機構進行溝通，以獲得資金支持和貸款利率優惠上的支持。

本文在研究中還存在一些不足之處，比如：通過CSMAR能夠獲取到的上市公司數據資料有限；在高管異質性的指標選取上可以更加細化；在行業范圍、時間跨度、研究角度等方面也可以做進一步的優化和擴展。