制造業金融化、高管團隊特征與創新效率研究

王謙 劉嫣然

【基金項目】遼寧省社會科學規劃基金，支持遼寧裝備制造業發展的金融創新研究（No.L18AJY001）。

【作者簡介】王謙（1971-），女，遼寧鞍山人，教授，研究方向：績效評價、風險管理。

【通訊作者】劉嫣然（1996-），女，吉林省吉林市人，助理會計師，研究方向：績效評價、風險管理。

【摘? 要】論文選取2014-2019年滬深兩市782家制造業上市公司為樣本，實證研究制造業金融化與創新效率的關系，重點關注高管團隊特征對二者關系的調節作用。研究表明，制造業金融化與創新效率負相關；高管團隊平均年齡越大、女性比例越高，制造業金融化對創新效率的抑制作用越明顯，高管團隊較高的受教育程度及研發背景削弱了制造業金融化對創新效率的抑制作用。

【關鍵詞】制造業金融化；高管團隊特征；創新效率

【中圖分類號】F272.91；F273.1；F832? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2024）03-0073-04

1 引言

制造業金融化不僅會對企業自身發展造成沖擊，更會影響國家的創新能力[1]。2014-2019年，制造業金融資產增幅遠大于創新研發投入?；谝陨媳尘?，本文選取制造業創新產出變量衡量創新效率，探討金融化對創新效率的影響。高層梯隊理論認為，高管團隊性別、年齡等群體特征使其具備不同的管理風格，影響企業戰略決策與經濟效益[2]，繼而影響制造業金融化與創新效率的關系。因此，本文選取高管團隊年齡、性別、平均受教育程度、研發背景等變量，探究高管團隊特征在制造業金融化與創新效率之間的調節機制。

2 理論分析與研究假設

金融資產的高回報及創新活動周期較長、風險較高等特征使制造業企業在進行資源配置時，逐漸向金融領域延伸，創新投資被擠占，創新效率下降。因此，制造業金融化程度的加深會抑制制造業創新投入，限制其創新效率。基于以上認識，本文提出假設H1：

H1：制造業金融化對創新效率產生替代作用，抑制企業創新效率。

本文將高管團隊平均年齡、性別比例、受教育程度、研發背景作為衡量高管團隊特征的變量，分析其對制造業金融化與創新效率之間關系的調節作用。

首先，高管年齡反映其閱歷及風險偏好[3]；其次，女性高管規避風險意識較強[4]；再次，高學歷水平的高管樂于尋找機遇進行變革[5]；最后，具有研發背景的高管能推動企業研發投入的提升[6]。因此，本文提出以下假設：

H2：高管團隊年齡越大，制造業金融化對創新效率的抑制作用越明顯。

H3：高管團隊女性比例越高，制造業金融化對創新效率的抑制作用越明顯。

H4：高管團隊受教育程度越高，制造業金融化對創新效率的抑制作用越弱。

H5：高管團隊擁有研發背景的高管人數越多，制造業金融化對創新效率的抑制作用越弱。

3 研究設計

3.1 樣本選取與數據來源

本文選擇2014-2019年滬深兩市制造業上市公司作為研究對象，以面板數據為樣本數據，剔除樣本內ST或*ST上市公司、相關數據嚴重缺失或明顯有誤的公司及高管特征數據不完整或不披露的樣本，最終得到782家上市公司4 692個有效觀測值，使用Frontier 4.1軟件計算創新效率，借助Stata 15.0軟件進行實證分析。

3.2 變量選取

①被解釋變量：創新效率（IEff）。本文采用隨機前沿方法（SFA）測算創新效率。依據肖文等[7]的研究，構建模型（1）：

lnYt= β0+β1ln （Ki） +β2ln （Li） +（νi-ui）? ? ? ? ? ? ? ? （1）

式中，Yt表示制造業企業i公司在t年份的創新產出；Ki、Li表示資本和人力的投入，采用研發費用和研發人員數衡量；β0表示截距項；β1、β2、γ表示待估計參數；νi表示隨機誤差項，代表無法控制的外在因素造成的誤差且服從正態分布；ui表示無效率項，即影響制造業企業創新效率的隨機因素且服從單邊分布。

②解釋變量：制造業金融化（Fin）。本文采用制造業金融資產與總資產的比值作為衡量金融化的指標，進一步將金融資產劃分為貨幣性金融資產（Fin1）和非貨幣性金融資產（Fin2）兩類。

③調節變量：本文選取高管團隊平均年齡（Age）、性別比例（Dgm）、平均受教育程度（Edu）、研發背景（Afunc）等高管團隊特征作為調節變量來實證檢驗各高管團隊特征的調節作用。

④控制變量。本文根據已有的研究[8]，選擇企業規模（Size）、企業年齡（lnage）、盈利能力（Roa）、財務杠桿率（Lev）、企業成長性（Growth）、經營性現金流（Cfo）、企業資本密集度（Fixed）、股權集中度（Cn）作為控制變量，以此提高模型的擬合程度。

3.3 模型構建

3.3.1 制造業金融化與創新效率的回歸模型

本文參考王紅建等[9]、黨建民等[10]的研究成果，構建多元回歸模型（2），實證檢驗制造業金融化對創新效率的影響。

IEff=β0+β1Fin+？鄣1Size+？鄣2lnage+？鄣3Roa+？鄣4Lev+？鄣5Growth+？鄣6 Cfo+？鄣7Fixed+？鄣8Cn? ? ? ?（2）

式中，β1表示創新效率與金融化的相關系數；？鄣1～？鄣8分別表示創新效率與企業規模、企業年齡、盈利能力、財務杠桿率、企業成長性、經營性現金流、企業資本密集度、股權集中度的相關系數；β0表示常數項。

3.3.2 高管團隊特征調節變量的回歸模型

本文參考溫忠麟等[11]的研究，在模型中添加高管團隊平均年齡、性別比例、平均受教育程度、研發背景變量，構建調節效應回歸模型（3）～（6），檢驗各高管團隊特征對制造業金融化與創新效率關系的調節作用。

IEff=β0+β1Fin+β2Age+β3Fin×Age+？鄣1Size+？鄣2lnage+？鄣3Roa+

？鄣4Lev+？鄣5Growth+？鄣6Cfo+？鄣7Fixed+？鄣8Cn? ? ? （3）

IEff=β0+β1Fin+β4Dgm+β5Fin×Dgm+？鄣1Size+？鄣2lnage+？鄣3Roa+

？鄣4Lev+？鄣5Growth+？鄣6Cfo+？鄣7Fixed+？鄣8Cn? ? ? ? ? ?（4）

IEff=β0+β1Fin+β6Edu+β7Fin×Edu+？鄣1Size+？鄣2lnage+？鄣3Roa+

？鄣4Lev+？鄣5Growth+？鄣6Cfo+？鄣7Fixed+？鄣8Cn? ? ? ?（5）

IEff=β0+β1Fin+β8Afunc+β9Fin×Afunc+？鄣1Size+？鄣2lnage+？鄣3Roa+？鄣4Lev+？鄣5Growth+？鄣6Cfo+？鄣7Fixed+？鄣8Cn? ? ? ? （6）

式中，β3、β5、β7、β9分別表示創新效率與交互項的調節系數，其正負表示為調節方向。模型中交互項系數的顯著性代表高管團隊特征對制造業金融化與創新效率關系的調節效應的顯著性，即觀察β3、β5、β7、β9是否顯著。

4 實證分析

4.1 回歸分析

為驗證制造業金融化對創新效率的影響，本文對模型（2）進行回歸檢驗，采用平衡面板數據和固態效應模型，設定相關企業和年度的虛擬變量。表1的回歸結果顯示，所有回歸的F值均在1%的水平上顯著，R2值均大于0.3，模型有效。

表1? OLS回歸結果

注：***、**、*分別表示在1%、5%、10%水平上顯著，括號內為T值。下同。

表1顯示，制造業金融化與創新效率負相關且在5%的水平上顯著，表明制造業金融化對其創新效率起到了抑制作用；貨幣性金融資產（Fin1）與企業創新效率之間在1%的水平上顯著負相關，充分印證了假設H1。

在控制變量方面，企業規模與制造業企業創新效率在5%的水平上顯著正相關，說明企業規模越大，創新效率越高；企業年齡與創新效率在1%的水平上顯著負相關，說明企業年齡越大，研發積極性越低；財務杠桿率、資本密集度與創新效率負相關，說明企業資本越密集、財務杠桿率越高，對創新活動的抑制作用越明顯；企業成長性、經營性現金流與創新效率正相關且在5%的水平上顯著，說明企業成長性越好、獲取現金能力越強，創新效率越高；股權集中度與創新效率在1%的水平上顯著負相關，說明企業股權越集中，對創新效率越不利。

4.2 高管團隊特征調節作用的回歸分析

表2是添加高管團隊特征后，對模型（3）～（6）的檢驗結果?；貧w結果表明，模型中F值均在1%的水平上顯著，R2值均大于0.3，制造業金融化的回歸系數符號未發生改變且均在10%的水平上顯著負相關。

表2? 調節效應回歸結果

模型（3）的結果顯示，高管團隊年齡對創新效率具有顯著負向影響，其和制造業金融化的交互項Fin×Age與創新效率在5%的水平上顯著負相關，說明年齡較高的高管創新動力不足，增強了金融化對創新效率的替代效應，假設H2成立。

模型（4）的結果顯示，高管團隊的女性比例與制造業創新效率負相關且在1%的水平上顯著，其和制造業金融化的交互項Fin×Dgm與創新效率在5%的水平上顯著負相關，說明女性高管比例越高，金融化對創新效率的抑制作用越大，假設H3成立。

模型（5）的結果顯示，高管團隊平均受教育程度與制造業創新效率在1%的水平上正相關，其和制造業金融化的交互項Fin×Edu與創新效率在5%的水平上顯著正相關，說明高管團隊受教育程度越高，創新效率越高，削弱了金融化對創新效率的影響，假設H4成立。

模型（6）的結果顯示，高管團隊研發背景與制造業創新效率在1%的水平上顯著正相關，其和制造業金融化的交互項Fin×Afunc與創新效率在5%的水平上顯著正相關，說明高管團隊中擁有研發背景的高管人數越多，創新效率越高，削弱了金融化對創新效率的影響，假設H5成立。

5 研究結論與建議

5.1 研究結論

第一，制造業金融化抑制企業的創新效率。制造業金融化與創新效率顯著負相關，制造業企業在投資決策時更傾向于配置金融資產而不是創新投資，阻礙了創新效率的提升。本文得出結論：制造業金融化抑制了創新效率的提升。

第二，高管團隊年齡及性別特征加劇了金融化對創新效率的抑制作用。高管團隊的年齡特征、性別特征與制造業金融化的交乘項均與創新效率顯著負相關，年齡大的高管難以捕捉創新信息，女性高管的避險傾向使其偏好配置金融資產，二者均加劇了金融化對創新效率的擠占。

第三，高管團隊受教育程度及研發背景會削弱金融化對創新效率的抑制作用。高管團隊受教育程度、研發背景和制造業金融化的交乘項均與創新效率顯著正相關，受教育程度高和具有研發背景的高管團隊的資源配置更傾向于創新領域，這促進了創新效率的提高，兩者均會反向調節制造業金融化對創新效率的抑制作用。

5.2 建議

第一，加大政府宏觀調控力度，營造穩定的市場環境。制造業創新活動具有周期長、產出結果不確定等風險，強有力的宏觀調控有助于防范金融化和政策不確定性對創新活動的影響，促進創新升級。因此，政府應加強宏觀調控，為提高創新效率營造穩定的市場環境。

第二，完善金融市場體系，引導金融服務實體經濟。制造業企業配置金融資產應以優化投資結構、緩解融資約束為目標。當金融資產配置影響主業發展時，政府應加強對金融市場的監管，完善金融市場體系，充分發揮金融服務實體經濟的價值，抑制過度金融化，為創新活動提供資金支持，促進創新效率的提高。

第三，完善治理體系，塑造創新型企業文化。制造業企業的委托代理問題及股權過度集中會抑制創新活動，管理者薪資報酬與金融資產短期利益耦合互動，削弱了制造業的創新活力。制造業企業應完善治理體系，將決策權、薪酬機制與企業長期利益結合，使資源分配更有助于提高創新動力與創新效率。

第四，合理構建高管團隊，激發創新熱情。高管團隊的不同特征在調節制造業金融化對創新效率影響上存在差異，年齡大的高管更有經驗，女性高管具有溝通優勢，高學歷和研發背景的高管更傾向于開展創新活動。因此，構建多元化的高管團隊有利于維持金融資產與創新活動的平衡，提升創新效率。

【參考文獻】

【1】Greta R. Krippner.Capitalizing on Crisis： The Political Origins of the Rise of Finance[M].Boston：Harvard University Press，2011.

【2】Donald C. Hambrick，P. A. Manson.Upper Echelons： The Organization As a Reflection of Its Top Managers[J].Academy of Management Proceedings，1984，9（2）：193-206.

【3】王瑞陽，金宇，苑澤明.高管團隊特征對政府補助、企業RD的調節效應[J].會計之友，2015（20）：55-61.

【4】李井林，陽鎮.董事會性別多元化、企業社會責任與企業技術創新——基于中國上市公司的實證研究[J].科學學與科學技術管理，2019，40（5）：34-51.

【5】孫凱，劉祥，謝波.高管團隊特征、薪酬差距與創業企業績效[J].科研管理，2019，40（2）：116-125.

【6】余恕蓮，王藤燕.高管專業技術背景與企業研發投入相關性研究[J].經濟與管理研究，2014（5）：14-22.

【7】肖文，林高榜.政府支持、研發管理與技術創新效率——基于中國工業行業的實證分析[J].管理世界，2014（4）：71-80.

【8】潘海英，王春鳳.實體企業金融化抑制了企業創新嗎？——基于高質量發展背景下企業創新雙元視角[J].南京審計大學學報，2020，17（2）：49-58.

【9】王紅建，曹瑜強，楊慶，等.實體企業金融化促進還是抑制了企業創新——基于中國制造業上市公司的經驗研究[J].南開管理評論，2017，

20（1）：155-166.

【10】黨建民，李強，鄒鴻輝.高管特征、企業異質性與企業技術創新績效——來自風電產業上市公司的經驗數據[J].工業技術經濟，2017，36（10）：117-124.

【11】溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.