相對資源水平對連鎖董事網絡與企業創新投入關系的影響

嚴若森,袁 婧

(武漢大學 經濟與管理學院,湖北 武漢 430072)

0 引言

創新是企業維持競爭力和創造競爭優勢的重要活動[1],具有收益不確定性、風險大、成本高等特征[2]。連鎖董事網絡作為董事會衍生的社會關系,具有操作簡單、成本低、資源和信息傳遞效率高等優點,成為企業獲取關鍵資源和信息、創造組織學習條件的最常用工具[3]。由此,學者們開始關注連鎖董事網絡能否幫助企業降低創新風險并獲得創新先決條件這一問題。已有研究就連鎖董事網絡對企業創新投入的作用機制進行了探索,但未形成統一結論。例如,余晨陽和何流[1]、王營和張光利[4]發現,企業可以通過連鎖董事網絡實現信息傳播、資源共享,進而對企業創新投入產生積極影響;嚴若森等[2]、Dalziel等[5]認為,連鎖董事網絡會強化管理者機會主義傾向,進而對企業創新投入產生消極影響。

基于代理理論與資源依賴理論檢驗連鎖董事網絡對企業創新投入的影響,實證結論卻相互矛盾[6]。代理理論是基于企業內部所有權與管理權分離情況而產生的,資源依賴理論的核心在于探討外部資源約束對企業創新的影響。事實上,企業創新同時受到內部和外部因素的影響。因此,未將代理理論與資源依賴理論整合至同一研究框架可能是導致上述問題產生的原因。

代理理論與資源依賴理論將資源視為影響組織行動及后果的關鍵因素。代理理論認為,豐富的資源會強化管理者機會主義行為,導致代理成本增加。當企業資源豐富、外部約束較小時,管理者個人利益傾向會被強化[7]。資源依賴理論認為,組織生存和發展依賴關鍵資源獲取能力,當資源受限時,管理者的利己行為沒有施展空間[8]。也就是說,企業可用資源能夠在一定程度上反映連鎖董事關系構建動機,可用資源有助于判斷連鎖董事網絡是擺脫外部資源依賴的手段還是高管道德風險催生的產物。根據連鎖董事關系的二元性特征,參考Beckman&Haunschild[9]、Tuschke等[10]、Zona等[11]、Yoshikawa等[12]的研究成果,本文將當前研究對象稱為焦點企業,將與焦點企業形成連鎖董事關系的企業稱為連鎖企業。資源受限的焦點企業與資源豐富的連鎖企業所建立的連鎖董事關系能夠促進焦點企業創新投入,契合資源依賴理論研究情境;資源豐富的焦點企業與資源受限的連鎖企業所建立的連鎖董事關系會抑制焦點企業創新投入,契合代理理論研究情境。因此,相對資源水平,即焦點企業與連鎖企業資源水平之差,是將代理理論與資源依賴理論聯系起來的重要機制[11],能夠在一定程度上解釋連鎖董事網絡與企業創新投入間的矛盾。

綜上,本文通過相對資源水平將代理理論和資源依賴理論整合至同一研究框架,引入網絡結構熵度量連鎖董事網絡,實證檢驗相對資源水平對連鎖董事網絡與企業創新投入關系的影響。

本文可能的邊際貢獻如下:第一,將代理理論和資源依賴理論整合至同一研究框架,對連鎖董事網絡與企業創新投入的關系進行更全面、更準確的描述,拓展連鎖董事網絡研究范圍,改變代理理論、資源依賴理論在連鎖董事網絡研究中割裂的現狀,以期為現有連鎖董事網絡與企業創新投入之間的矛盾提供有效解釋。第二,揭示代理理論、資源依賴理論應用邊界條件。資源依賴理論能夠在較低相對資源水平情景下,解釋連鎖董事網絡對企業創新投入的作用機制。此時,資源受限企業將連鎖董事關系作為管理依賴關系的手段[13]。代理理論能夠在較高相對資源水平情景下,解釋連鎖董事網絡對企業創新投入的作用機制。此時,資源豐富的企業建立連鎖董事關系的主要目的是獲得管理者控制權[11]。上述發現有助于企業在管理實踐中依據現實條件有選擇地建立連鎖董事關系,從而更好地實施創新行為。第三,網絡結構熵既能夠衡量節點規模密度,又可以衡量節點的中介效用。相比于結構洞和中心度,網絡結構熵能夠更加全面地反映企業節點網絡結構嵌入性。由此,本文創新性地引入網絡結構熵,使用Matlab軟件編程,計算連鎖董事網絡企業節點結構嵌入性,以此度量連鎖董事網絡,以期為后續相關研究提供參考。

1 文獻綜述與研究假設

1.1 連鎖董事網絡與企業創新投入

連鎖董事網絡是企業社會網絡的重要組成部分[11,14],現有研究常用代理理論和資源依賴理論檢驗連鎖董事網絡的作用機制[11,15]。有趣的是,這兩種理論對連鎖董事網絡的作用機制提出了相反的解釋。

資源依賴理論認為,企業作為開放性系統節點嵌入于網絡中,通過與其它節點交互達到控制稀缺資源、減少外部環境依賴等目的[8,16]。從資源依賴理論視角出發,學者們發現,企業能夠通過連鎖董事網絡控制資源、減少對外部環境的依賴[11,14,17]。例如,Boyd[18]認為,連鎖董事應成為董事類型的主流,因為董事會規模可能不利于企業發展,但連鎖董事是有益的;Beckman & Haunschild[9]指出,連鎖董事網絡可以通過信息訪問和資源渠道幫助企業降低環境不確定性風險并減少對外部環境的依賴;Davis[19]、Palmer等[20]指出,連鎖董事網絡能夠增強組織學習能力;王營和張光利[4]發現,連鎖董事可以通過信息傳播和資源共享促進企業創新;Drees&Heugens[21]發現,現有相關研究普遍支持連鎖董事網絡與企業產出具有正相關關系的結論。綜上,連鎖董事網絡既能為企業提供創新前置條件,又能降低創新風險與成本。因此,從資源依賴理論視角出發,連鎖董事網絡能夠促進企業創新投入。

代理理論以經濟人為隱含假設,假定當所有者與管理者實際利益不一致時,管理者不會以所有者利益最大化為目標行事,由此產生代理成本。從代理理論角度出發,創新具有較高的不確定性風險,高管是有限理性人并具有機會主義和風險規避傾向,不會主動實施創新行為。任兵[22]認為,連鎖董事網絡會促使高管階層凝聚形成圈層,該圈層中的高管會抱團維護階層利益,從而破壞公司治理結構;Fich &Shivdasani[23]認為,連鎖董事在多家企業擔任職務會分散其注意力,導致代理成本上升、公司治理結構惡化,進而對企業績效產生負向影響;段海艷[24]發現,連鎖董事會能夠通過連鎖董事網絡優先攫取個人利益,進而對企業發展不利;Dalziel等[5]認為,連鎖董事網絡會誘發管理層短視行為,從而對企業創新產生抑制作用;嚴若森等[2]發現,連鎖董事網絡是階層凝聚的橋梁,會促成董事與高管合謀,最終損害企業利益;Dalton等[25]發現,連鎖董事網絡會弱化董事會監督職能,導致代理成本上升、股東利益遭受侵害。綜上,從代理理論視角出發,連鎖董事網絡會抑制企業創新行為,對企業創新投入具有抑制作用。

現有連鎖董事網絡與企業創新投入關系研究割裂地使用代理理論與資源依賴理論,得到截然相反的結論,說明單獨使用代理理論或資源依賴理論解釋連鎖董事網絡的作用機制是不完備的,需要將代理理論與資源依賴理論整合至同一研究框架,以探討連鎖董事網絡對企業創新投入的影響。資源依賴理論使用的前提是,企業所有資源都需要與外界環境交互獲取,組織資源受限導致高管利己行為沒有施展空間[8]。但現實情況并非如此,部分資金雄厚、規模龐大的企業受環境約束較小,高管自由裁量權較大,擁有實施機會主義行為的空間。例如,Pfeffer&Salancik[26]就對資源依賴理論應用情景能否滿足嚴格的前提條件表示擔憂。代理理論認為,隨著企業資源逐漸豐富,管理者機會主義行為成為企業決策時首先需要考慮的要素,因為企業首要目標是提升自身經營質量,而管理者為了保護職業聲譽,其行為實施和決策制定的出發點是改善企業績效。此時,管理者與所有者利益高度一致[27]。隨著企業發展走上正軌,企業未分配資源增加,Jensen[7]發現,企業現金流越多,高管與股東間的利益分歧越嚴重、代理成本越高。

1.2 相對資源水平對連鎖董事網絡與企業創新投入關系的影響

連鎖董事是指一位董事同時在兩家或以上企業董事會任職。基于企業二元性,所涉企業必然會相互作用,進而對連鎖董事網絡作用機制產生影響。代理理論和資源依賴理論的隱含假設都與資源密切相關,在連鎖董事網絡研究背景下,連鎖董事網絡與企業創新投入的關系不僅會受到企業自身資源的影響,而且會受到連鎖企業資源的影響。

當相對資源水平較低時,焦點企業處于資源劣勢,符合資源依賴理論應用的隱含前提,即由于企業資源受限導致高管利己行為沒有施展空間。上述情景下,焦點企業建立連鎖董事網絡的目的在于緩解外部環境約束、改善企業經營狀況,故管理者與所有者利益導向一致[27]。相對資源水平越低,越契合資源依賴理論描述的管理情境,焦點企業可以通過連鎖董事網絡獲取較好的交易條件以及穩定的資源和咨詢渠道[13,28-29]。

當相對資源水平較高時,焦點企業處于資源優勢,豐富的資源會誘發管理者機會主義行為,進而導致代理成本上升,契合代理理論描述的管理情境:當企業資源豐富、外部約束減弱時,企業可分配資源增加,管理者個人利益動機增強,自利行為抬頭。上述情景下,焦點企業建立連鎖董事關系的目的是獲得管理者私人利益,這種連鎖董事關系會對企業利益造成損害。焦點企業管理者可以通過連鎖董事關系,以企業資源為交易物,換取私人利益。例如,利用連鎖董事關系滲透連鎖企業董事會,將管理者權利范圍擴展至外部連鎖企業[13],或者利用連鎖董事在兩家企業的提名權、投票權弱化董事會的獨立性,進而提升管理者利益集團的影響力[7]。在上述連鎖董事關系中,管理者利益目標與所有者利益目標脫節,會加劇道德風險,從而抑制企業創新。

總而言之,當相對資源水平較低時,資源受限的焦點企業通過與資源豐富的連鎖企業建立連鎖董事關系獲得資源支持,由此企業實施創新行為的先決條件更加充足,因而有利于企業創新投入;當相對資源水平較高時,資源豐富的焦點企業高管以企業可用資源為交易物,擴大權力影響范圍,企業資源不再被用于經營發展,而是被用于換取管理者私利,進而對企業創新投入產生消極影響。顯然,隨著相對資源水平提升,無論連鎖董事網絡與企業創新投入的關系如何,相對資源水平都會強化連鎖董事網絡對企業創新投入的消極影響。也就是說,當連鎖董事網絡對企業創新投入的整體影響為正向時,相對資源水平會弱化這一正向影響;當連鎖董事網絡對企業創新投入的整體影響為負向時,相對資源水平會強化這一負向影響。據此,本文提出以下假設:

H1:相對資源水平會弱化連鎖董事網絡對企業創新投入的正向影響,或強化連鎖董事網絡對企業創新投入的負向影響。

2 研究設計

2.1 樣本選擇與數據來源

本文選取2010—2020年中國滬深兩市A股上市企業作為初始樣本,并剔除金融保險類、被ST和ST*處理以及數據不全的企業樣本。鑒于相對資源水平計算要求,樣本企業需要擁有至少一種連鎖董事關系,故本文剔除連鎖董事關系數量為0的企業樣本,即連鎖董事網絡中的孤立節點(不考慮間接連鎖董事關系)。經過上述處理,最終得到包含20 638個企業—年度觀測值的非平衡面板數據。

企業研發投入數據來自萬德數據庫(WIND)和國泰安數據庫(CSMAR),其它數據來自國泰安數據庫。為了確保數據的準確性,本文隨機抽取企業財務數據、董事信息與企業年報進行比對。

此外,為了排除極端值的影響,本文對所有連續變量進行1%和99%水平上的Winsorize縮尾處理。

2.2 變量定義及度量

2.2.1 解釋變量:連鎖董事網絡(SDSE)

Granovetter[30]將社會網絡嵌入分為關系嵌入與結構嵌入。其中,關系嵌入聚焦二元關系緊密程度,將連鎖關系分為強關系與弱關系[31]。關系嵌入基于個人標準定義,以節點接觸頻數衡量,結構嵌入關注節點嵌入網絡的位置,基于位置標準定義[32]。本文研究對象為連鎖董事網絡,該網絡節點為企業,因無法準確度量一定時間內企業通過連鎖董事關系實現交互的次數,故適用于基于位置標準定義的結構嵌入性。

以往研究探討了多種度量結構嵌入性的指標,可歸納為規模密度和中介效用。但上述兩種指標忽略了不同連鎖關系對節點網絡結構嵌入性的貢獻差異。為了全面度量連鎖董事網絡企業節點結構嵌入性,本文選擇基于連接關系分布異質性為標準定義的網絡結構熵度量連鎖董事網絡。

網絡結構熵既考慮節點規模密度,使用點度中心度構建“點差異性”,又考慮節點的中介效用,使用邊分布概率構建“邊差異性”。網絡結構熵將點差異性和邊差異性綜合加權求和,以此度量節點結構嵌入性。因此,相比于過往研究常用的結構洞與中心度兩類指標[2],網絡結構熵對節點結構嵌入性的描述更加全面、準確。

本文聯合式(1)～(5),使用Matlab軟件編程計算連鎖董事網絡企業節點i在連鎖董事網絡中的位置SDSEi,SDSEi值越大,表明連鎖董事網絡企業節點結構嵌入性越高。

Si=[1-p(ki)]N

(1)

Di=ki[1-p(ki)]N

(2)

SDSEi'=αSi+βDi

(3)

(4)

(5)

2.2.2 被解釋變量:企業創新投入(Eva)

參考既有相關研究[1-2],本文采用研發支出/總資產衡量企業創新投入(Eva)。

2.2.3 調節變量:相對資源水平(Re)

借鑒Zona等[11]的做法,本文采用企業營運資本/銷售額衡量可用資源,并采用焦點企業可用資源減去所有連鎖企業可用資源的均值,由此得到相對資源水平(Re)。

2.2.4 控制變量

本文基于參考既有研究[1,7],控制企業層面、董事會層面和高管層面3類因素的影響。

企業層面的控制變量包括:①企業規模(Asset),以總資產的自然對數衡量,是最常見的控制變量,企業體量與企業研發強度相關;②企業年齡(Age),以企業上市年份與數據采集年份之差衡量,單位為年,能夠反映企業生命周期及當前運營工作的重點,與企業創新決策息息相關;③財務杠桿(L),以資產負債率衡量,與企業持續發展狀況與資金運轉有關,可能影響企業創新投入;④資產收益率(ROA),以總資產收益率衡量;⑤股權集中度(Sc),是常用的控制變量,與代理成本尤其是第二類代理成本相關,以第一大股東持股比例衡量。

董事會層面的控制變量包括:①董事會規模(Bs),以董事會總人數衡量,與企業連鎖董事關系密切相關;②兩職合一(D),判斷董事長與總經理是否由同一人擔任,與高管在董事會中的權力相關;③獨立董事比例(Bi),由于不涉及企業內部事務,獨立董事的監督效果可能更好。

高管層面的控制變量包括:①高管貨幣薪酬(Se),以高管薪酬前3名之和的自然對數衡量;②高管持股比例(Sm),以高管持股數/企業總股數衡量,高管激勵類指標能夠有效抑制高管短視自利行為,從而促進企業創新。

此外,本文控制了行業(Industry)、年份(Year)和地區(Area)。其中,以證監會2012年制定的分類標準設置行業虛擬變量;樣本時間跨度為11年,故設置11個年份虛擬變量;參考劉運國與劉雯(2007)的研究成果,設置中部、西部、東部3個地區虛擬變量。

本文所涉變量如表1所示。

表1 變量說明Tab.1 Variable description

2.3 模型構建

根據研究假設,本文構建固定年份、行業和地區效應的模型(6),并使用最小二乘OLS方法進行回歸。

Evai,t=a0+a1SDSEi,t+a2Rei,t+a3SDSEi,t×Rei,t+∑jbjControlsj,it+εi,t

(6)

在模型(6)中,i、t分別代表企業和年份,a0為截距項,a1為解釋變量系數,a2為調節變量系數。a3為調節變量和解釋變量的交互項系數,表示相對資源水平對連鎖董事網絡與企業創新投入關系的調節作用。b為控制變量的系數,Controls表示控制變量,j為控制變量個數,εi,t為隨機擾動項。若a3顯著為負,則本文假設H1成立。

3 實證結果與分析

3.1 描述性統計

本文主要變量描述性統計結果如表2所示。由于計算得到的網絡結構熵原始值過小,為了顯示方便,本文將其放大1 000倍。

表2 變量描述性統計結果(N=20 638)Tab. 2 Variable descriptive statistics(N=20 638)

(1)企業創新投入(Eva)的變異系數接近1,屬于強變異,說明離散程度較高,不同樣本企業創新投入水平存在較大差別。企業創新投入(Eva)的均值為0.022,說明樣本企業研發投入占總資產的比值較小。

(2)連鎖董事網絡(SDSE)的變異系數為0.345,離散程度不高,說明在連鎖董事網絡中,樣本企業地位具有一定差別,但未達到強離散程度。

(3)相對資源水平(Re)的變異系數非常大,達到30,而最小值為-8.220,最大值為4.824,說明焦點企業可用資源與連鎖企業可用資源存在較大差距。因此,有必要考慮連鎖董事關系異質性。

3.2 相關性分析

表3為主要變量Pearson相關系數。結果顯示,解釋變量與被解釋變量的Pearson相關系數為負且在1%水平上顯著,但需要加入控制變量作進一步探討。被解釋變量與控制變量的Pearson相關系數在1%水平上顯著,證明本文選取控制變量是有必要的。所有變量間相關系數的絕對值均小于0.6,說明各變量間的共線性問題并不嚴重。

表3 變量相關系數(N=20 638)Tab.3 Correlation coefficients of variables (N=20 638)

進一步地,本文對變量進行方差膨脹因子(VIF)檢驗,結果顯示,變量的VIF均值為1.47,遠遠小于經典門限值10,說明本文構建的模型不存在嚴重多重共線性問題。

3.3 假設檢驗結果

表4為假設檢驗結果。其中,模型1為基準模型,僅納入控制變量;模型2在基準模型的基礎上加入連鎖董事網絡(SDSE);模型3在基準模型的基礎上加入連鎖董事網絡(SDSE)和相對資源水平(Re);模型4在基準模型的基礎上加入連鎖董事網絡(SDSE)、相對資源水平(Re)和二者交互項(已作中心化處理)。表4模型2結果顯示,連鎖董事網絡(SDSE)系數為負且在1%水平上顯著,說明連鎖董事網絡對企業創新投入的整體影響是負向的;表4模型4結果顯示,連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數為負且在5%水平上顯著。上述結果表明,相對資源水平會強化連鎖董事網絡對企業創新投入的負向影響,假設H1得到驗證。由此證明,隨著相對資源水平提升,契合實際管理情境的主要理論基礎由資源依賴理論逐漸轉變為代理理論,構建連鎖董事關系對企業創新投入越來越不利。

表4 回歸結果(N=20 638)Tab.4 Regression results(N=20 638)

根據表4檢驗結果,本文繪制相對資源水平調節效應示意圖(見圖1)。圖1顯示,低相對資源水平為相對資源水平的均值減去一個標準差,高相對資源水平為相對資源水平的均值加上一個標準差,同理得到低網絡結構熵和高網絡結構熵。由圖1可知,當相對資源水平較低時,連鎖董事網絡有利于企業創新投入;當相對資源水平較高時,連鎖董事網絡會抑制企業創新投入。隨著相對資源水平提升,連鎖董事網絡對企業創新投入的消極影響得到強化,再次驗證了假設H1。

圖1 相對資源水平調節效應示意圖Fig. 1 Mediating effects of relative resource levels

3.4 穩健性檢驗

3.4.1 替換面板固定效應模型

本文研究數據為面板非平衡數據,故在此更換模型,使用面板固定效應模型進行回歸(Fixed Effects,以下簡稱FE),步驟如下:首先通過Hausman檢驗判斷是選取固定效應模型還是隨機效應模型,Hausman檢驗的p值為0.000 0,小于0.05。因此,本文選取面板固定效應模型進行回歸。表5模型1結果顯示,相對資源水平(Re)與連鎖董事網絡(SDSE)的交互項系數為負且在1%水平上顯著。由此,假設H1成立,說明前文結果穩健。

表5 面板固定效應及IV-2SLS檢驗結果Tab.5 Panel fixed effects andIV-2SLS test results

3.4.2 工具變量法

為了避免內生性問題,本文使用Hausman檢驗OLS和IV的回歸結果,Hausman檢驗的p值為0.000 4,說明解釋變量存在內生性問題。為此,本文選取焦點企業所屬行業所有企業網絡結構熵的均值作為工具變量1,選取焦點企業網絡結構熵滯后一期值作為工具變量2,以此進行2SLS檢驗。其中,表5模型2結果顯示(工具變量1),連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數為負且在1%水平上顯著;表5模型3顯示(工具變量2),連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數為負且在5%水平上顯著。由此,假設H1再次得到支持,說明前文結果穩健。

3.4.3 替換變量

本文使用網絡結構熵度量連鎖董事網絡(SDSE)。前文計算時,點差異性權重α取0.4,邊差異性權重β取0.6。現更改二者權重如下:設點差異性權重α和邊差異性權重β均為0.5,計算結果為SDSE1;設點差異性權重α為0.6,邊差異性權重β為0.4,計算結果為SDSE2。分別將SDSE1和SDSE2代入模型進行回歸,結果見表6模型1和模型2。其中,表6模型1結果顯示,連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數為負且在5%水平上顯著;表6模型2結果顯示,連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數為負且在5%水平上顯著。由此,假設H1成立,說明前文結果穩健。

表6 穩健性檢驗結果Tab. 6 Robustness test results

3.4.4 其它穩健性檢驗

前述分析中,本文剔除了連鎖董事關系數量為0的企業樣本,現加入這部分企業樣本(設其相對資源水平為0)進行回歸,結果見表6模型3。結果顯示,連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數為負且在5%水平上顯著。由此,假設H1成立,說明前文結果穩健。

考慮到企業創新是需要持續資源投入的活動,故當年企業創新投入與之前企業創新投入相關。由此,被解釋變量企業創新投入存在顯著自相關性。本文將被解釋變量滯后一期項(L1.Eva)和滯后二期項(L2.Eva)作為控制變量加入模型進行回歸,結果見表6模型4。結果顯示,被解釋變量滯后一期項和滯后二期項與被解釋變量均顯著正相關,連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數為負且在10%水平上顯著。由此,假設H1成立,說明前文結果穩健。

3.5 異質性分析

3.5.1 產權性質異質性檢驗

在國有企業和非國有企業中,相對資源水平對連鎖董事網絡與企業創新投入關系的調節作用存在差異。根據產權性質,本文將樣本企業劃分為國有企業和非國有企業,使用模型(6)檢驗產權異質性的影響,結果見表7。表7模型1和模型2顯示,相對資源水平對連鎖董事網絡與企業創新投入關系的調節作用只在非國有企業樣本存在:模型1中連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數不顯著,模型2中連鎖董事網絡(SDSE)與相對資源水平(Re)的交互項系數在1%水平上顯著為負。組間差異檢驗結果顯示,p值在1%水平上顯著,說明相對資源水平對連鎖董事網絡與企業創新投入關系的調節作用在國有企業和非國有企業存在顯著差異。原因可能在于,產權性質能夠決定企業在資源配置與治理結構上的差異,以及社會資本與政治資本的干預程度,以上因素均會對連鎖董事網絡的作用效果產生影響[2]。具體而言,非國有企業治理結構與經營情況緊密相關,受政府干預較少[33],國有企業資源配置模式固定,能夠得到更多政府扶持,因而對連鎖董事網絡等非正式社會關系的依賴程度較低[34]。因此,相對資源水平僅在非國有企業發揮調節作用。

表7 產權性質與制度環境異質性檢驗結果Tab.7 Nature of property right and institutional environment heterogeneity test results

3.5.2 制度環境異質性檢驗

制度環境是影響連鎖董事網絡治理效果的重要因素。在不同市場環境與制度體系中,政府干預程度、企業自主性、外部控制等因素會對企業決策與創新活動產生約束。在制度較完善的地區,企業面臨的環境不確定性風險較小,合作雙方可以根據制度規定開展交易,不需要建立非正式關系,因而對連鎖董事網絡等非正式社會關系的依賴程度較低。參考王小魯等[35]研究成果,本文根據市場化指數中位數將企業樣本分為地區制度不完善組和地區制度完善組,使用模型(6)檢驗制度環境異質性的影響,結果見表7。表7模型3和模型4顯示,組間系數差異檢驗的p值不顯著,說明相對資源水平的影響不隨企業所處制度環境變化而改變。

3.5.3 多元化水平異質性檢驗

多元化水平能夠在一定程度上決定企業決策傾向及風險偏好,因而對企業管理者提出了更高的要求。從戰略選擇視角看,采用多元化戰略,企業必須具備動態視角,并能夠靈活配置資源。因此,企業對非正式社會關系更加重視。多元化擴張會提高企業決策復雜程度。擁有較多的市場經驗并與多個企業具有相關聯系,這會給企業管理者更多形成利益集團的機會,從而導致企業監管成本增加。為此,本文選取多元化水平對樣本企業進行分組,探究相對資源水平的調節作用是否受多元化戰略的影響。借鑒曾春華和楊興全[36]的做法,本文采用收入熵指數衡量企業多元化水平,該指數越大,多元化水平越高。從萬得數據庫(WIND)搜集企業j按行業構成的主營業務收入,根據式(7)計算收入熵指數Dyh_entroj。

(7)

其中,pi為企業j第i個行業業務收入占企業j總收入的比值。計算所有企業收入熵指數的中位數,設置變量Dyh,若企業收入熵指數大于中位數,則Dyh=1,屬于高多元化水平組,反之Dyh=0,屬于低多元化水平組。本文使用模型(6)檢驗多元化水平異質性的影響,結果見表8。表8模型1和模型2顯示,組間系數差異檢驗的p值不顯著,說明相對資源水平的影響不會隨企業多元化戰略變化而改變。

表8 多元化水平與行業競爭異質性檢驗結果Tab. 8 Diversity levels and industry competition heterogeneity test results

3.5.4 行業競爭程度異質性檢驗

行業競爭程度是影響連鎖董事網絡治理效果的重要因素,能夠決定企業所屬產業結構與競爭策略。當行業集中度高、壟斷比較嚴重時,企業所屬產業結構較為簡單、行業競爭不激烈。因此,企業受外界資源的約束較小。本文使用赫芬達爾指數判斷企業所處行業環境,赫芬達爾指數越大、行業集中度越高,代表行業企業數量越少、競爭程度越低、企業所屬產業結構越簡單。根據本文企業樣本篩選出其所屬行業,然后計算每個行業赫芬達爾指數,最后得到所有行業赫芬達爾指數的中位數。本文設置變量HHI,若行業赫芬達爾指數大于中位數,則HHI=1,行業企業屬于高行業集中度組,反之HHI=0,行業企業屬于低行業集中度組。本文使用模型(6)檢驗行業競爭程度異質性的影響,結果見表8。表8模型3和模型4顯示,組間系數差異檢驗的p值不顯著,說明相對資源水平的影響不隨企業所處行業環境變化而改變。

4 結語

4.1 研究結論

本文重點探討相對資源水平對連鎖董事網絡與企業創新投入關系的影響,引入網絡結構熵度量連鎖董事網絡,并采用2010—2020年中國滬深兩市A股上市企業樣本進行實證檢驗,得到以下主要結論:

(1)相對資源水平強化連鎖董事網絡對企業創新投入的負向影響。隨著相對資源水平提升,契合連鎖董事網絡與企業創新投入關系研究情境的理論基礎逐漸從資源依賴理論轉變為代理理論,企業資源利用率下降、代理成本上升,導致連鎖董事網絡對企業創新投入的消極影響被強化。

(2)就產權性質而言,相對資源水平對連鎖董事網絡與企業創新投入關系的調節作用在國有企業和非國有企業存在顯著差異。

(3)就制度環境、多元化水平和行業競爭程度看,相對資源水平的影響不會隨著上述3因素的變化而改變。

4.2 管理啟示

(1)焦點企業需要優先與具有資源優勢的企業建立連鎖董事關系,并確保所建立的連鎖董事關系處于較低的相對資源水平。如果焦點企業與連鎖企業之間的可用資源差距較大,則焦點企業需要提高警惕,重新審視現有連鎖董事關系,探究連鎖董事網絡建立動機是否與高管個人利益相關。如果存在上述現象,則焦點企業應調整治理結構,解除此類連鎖董事關系。

(2)利益相關者可以通過比較焦點企業與連鎖企業間的資源狀況判斷連鎖董事網絡效果,考察企業建立連鎖董事網絡的真實目的。如果焦點企業與連鎖企業的相對資源水平較高,則意味著代理問題較為嚴重,連鎖董事網絡可能無法發揮預期作用。此時,利益相關者需要重新評估其專用性資產投資風險。

4.3 不足與展望

(1)缺少跨國樣本數據,未來研究可以基于跨國樣本驗證本文結論的適用性。

(2)未探究焦點企業與連鎖企業借助連鎖董事關系進行利益交換的具體方式,未來可以對此進行詳細研究。例如,企業高管是否會利用并購活動、輸送技術知識和關鍵稀缺資源等方式,以損害所有者利益為代價謀取私利。

(3)僅對企業社會網絡維度下的連鎖董事網絡進行了研究,而社會網絡包括連鎖高管網絡、戰略聯盟網絡等,未來可以驗證在其它社會網絡中本文理論框架是否適用,以及其它社會網絡作用機制與連鎖董事網絡作用機制的異同。