研发操纵、融资约束与上市公司创新效率

杨宗翰，雷良海，张一纯

（1.上海理工大学管理学院，上海 200093；2.桂林航天工业学院广西航空物流研究中心，广西桂林 541004)

近10年来，我国在科技创新方面取得的成果有目共睹，创新成果数量增长迅猛。根据《中国科技统计年鉴》，截止到2017年，我国的有效发明专利数量为122.7万件，仅次于日本的164.4万件和美国的138.6万件。然而相对于我国庞大的专利总数，人均发明专利数量却远远落后于日本和美国，只能达到每万人8.9件，在世界上排名只能排到第9位，这说明我国的创新效率不高。创新效率的高低受多种原因影响，其中创新造假和研发操纵是影响创新效率的重要因素；此外，现有研究已经对研发操纵的税收、补贴等动机展开了研究，作为影响创新活动的重要因素——融资约束，也有可能是企业进行研发操纵的动机。鉴于此，本文对研发操纵、融资约束与上市公司创新效率展开研究，希望研究结论有助于厘清研发操纵、融资约束与公司创新效率之间的因果关系和影响机制。本文可能的3个方面主要贡献为：第一，拓展了研发操纵动机研究结论，现有的文献认为研发操纵动机分别为政企关系管理动机、税收优惠动机和研发补贴动机，本文研究实证了上市公司进行研发操纵的动机还包括融资约束动机；第二，在研发操纵的判断方法上进行创新，首次使用断点回归的方法对研发操纵行为进行统计分析，给出较以往研究更可靠和精准的结论；第三，对上市公司创新效率进行数据包络分析（DEA）模型分解，并通过研发操纵与创新效率的研究发现，在研发操纵门槛之上的非研发操纵公司存在创新效率低下的现象，这很可能是创新资源冗余造成的，借鉴管理学中的“资源诅咒”理论，可以把这类上市公司存在的创新效率低下现象称之为“创新资源诅咒”［1］。

1 文献回顾与研究假设

1.1 研发操纵

国外研究研发操纵的文献较少，这可能与国外的法律和制度有关，专利造假的违法成本很高，另外带来的利益也没有那么大；然而国内企业通过研发操纵可以带来“良好”的政企关系以及迎合监管需求［2］，除此之外，还能带来税收优惠、政府补贴等诸多好处［3-4］，因此相比国外，国内的企业具有强烈的研发操纵动机。判断是否存在研发操纵行为，现有研究主要使用两种方法：其一是通过正态分布函数拟合研发支出区间的企业分布［5］，企业的数量分布不符合正态分布则被认为存在研发操纵现象；其二是使用特定变量的均值对研发操作进行估计，例如使用企业研发支出或者废弃专利的行业均值进行衡量。研发支出行业均值的衡量方法需要计算每一年每个行业的研发支出均值，研发支出高出均值的被认为是研发操纵［6］。严格来说，后一种方法并没有检验研发操纵的存在性，只是对企业研发支出的异常现象进行了粗略地估计。现有的研究并没有对研发支出的存在性进行严格的实证，鉴于企业进行研发操纵的明显动机，因此，本文提出以下研究假设：

H1：满足高新技术门槛标准的企业在创新活动中存在显著的研发操纵现象。

1.2 研发操纵动机

国内企业进行研发操纵的主要动机包括税收优惠动机、财政补贴动机和政企关系管理动机［7］，这些因素对企业的创新活动都有重要影响，其中税收激励和财政补贴企业在一定程度上能明显促进企业创新行为［8］。除上述因素之外，融资约束对企业创新行为有重要影响［9］，融资约束可能抑制企业的创新产出，这主要因为缺乏资金会直接导致研发投入减少［10］；此外融资约束也可能激发团队的潜力，从而促使企业在有限资源条件下进行拼凑式创新［11］。鉴于融资约束对企业创新活动的重要影响，融资约束有可能成为企业研发操纵的动机之一，因此，本文提出以下研究假设：

H2：研发操纵能够显著缓解企业的融资约束状况。

1.3 上市公司创新效率

创新是充满不确定性的长期过程，因此影响企业创新效率的因素也是多样化的［12］。在创新过程中人力资源投入很重要，具有完备知识的管理者有利于促进企业对先进技术和管理手段的吸收和应用［13］。然而部分研究发现，研发人员的投入对技术创新产出贡献不明显［14］，这可能是研发人员冗余、创新成本上升所导致的结果［1］。因此可以推断，由研发操纵所带来的创新资源有可能形成冗余，进而导致创新效率下降，因此，本文提出以下研究假设：

H3a：融资约束能够促进企业的创新效率提高，融资约束与创新效率呈现负相关关系。

H3b：研发操纵不能提高企业的创新效率。

H3c：获得认定的高新技术企业由于获得过多的创新资源导致创新效率低下。

2 数据、变量与模型

2.1 数据收集与样本筛选

本文根据财政部和科技部联合发布的《高新技术企业认定管理办法》（2008年版和2016年修订版，以下分别简称“《办法》2008年版”和“《办法》2016年版”），选取2008—2016年期间的我国上市公司作为研究样本，并按照研究变量的设定对样本进行筛选。受到研发支出资本化、专利申请和授权数量等关键指标的限制，本文最终确定用于研究的观测值为3 633个，数据来源于3个数据库，分别是北大色诺芬数据库、国泰安公司研究数据库和万得资讯（Wind）上市公司数据库，涵盖主板和创业板的上市公司。

2.2 变量界定与选取

2.2.1 研发操纵

本研究参考杨国超［15］对于研发操纵行为的界定，使用企业研发支出占营业收入比重（以下简称“研发支出占比”）的指标对企业研发操纵行为进行估计。依据《办法》2008年版，营业额为5 000万元以下的企业，研发支出占比必须达到6%；营业额为5 000万元至2亿元的企业（不含2亿元），研发支出占比要达到4%；营业额大于等于2亿元的企业，研发支出占比要达到3%。借鉴前人的研究结果，本文通过设定研发操纵的区间来判断样本上市公司的研发操纵行为，具体如表1所示。

表1 变量及其定义

2.2.2 融资约束

现有对融资约束的衡量方法通常有两种类型：一种是单一指标法，主要使用流动性比率、股利支付率和公司规模等财务指标来判断企业面临的融资约束；另外一种是多元指标法［17-19］，例如Kaplan等［16］在研究中构建了KZ融资约束指数，通过使用Logit模型对公司融资约束有关变量进行回归估计，最终得出融资约束指数的表达式，通过表达式可以计算每一家公司面临的融资约束。然而上市公司的融资渠道是多元化的，例如股权质押、一般银行贷款、增发新股和发行公司债，因此单一指标的衡量不能很好地反映公司面临的融资约束情形，使用综合性的融资约束指标可以更好地衡量公司面临的融资约束。借鉴黎文靖等［20］的研究中对我国上市公司融资约束方程的估计，本文使用模型1如式（1）对样本上市公司的融资约束程度进行计算，其中变量的具体含义如表1所示。

2.2.3 创新效率

创新效率研究主要有两种计量方法，一种是DEA方法,另外一种是随机前沿分析（SFA），两种方法各有优劣，但是DEA方法能够对多维度产出效率进行分析，鉴于创新效率存在多维度的判别指标，本文选择采用DEA方法。借鉴Chen等［21］的研究思路，本文使用SBM-DEA模型测算样本上市公司的创新效率，设定的投入变量包括：当期已成功获批专利数量、当期研发支出、当期研发人员数量3个指标，产出变量分别是滞后2期的专利申请总数、发明专利申请数量、授权专利总数、发明专利授权数量和研发支出资本化金额5个指标。

2.2.4 控制变量

借鉴江诗松等［2］的研究，本文控制了公司治理对模型的影响，具体变量包括管理层规模、大股东持股和高管薪酬；鉴于外部审计与监管会影响上市公司的研发操纵行为，还控制了公司的外部审计质量；此外，国有企业和民营企业在经营过程中受到的约束和监督强度不同，因此进一步控制了公司的产权性质；最后，参照一般的研究惯例对公司的特征进行控制，具体包括公司规模、销售收入和盈利情况等。

2.3 模型设定

上市公司是否存在研发操纵现象，需要通过严格的计量工具进行检验，在本研究中，通过使用断点回归的方法判断在国家行政部门规定的研发支出门槛附近是否存在数据断点，从而给出样本上市公司是否进行研发操纵的结论。首先假设研发支出区间与公司在特定区间的分布数量之间存在如式（2）的模型2的函数关系，研发支出区间为自变量，特定区间的公司分布数量为因变量，令处理变量为。自变量可以在3%处分为两组，从而可以对相应的公司分布数量进行断点回归估计。式（2）中：为截距项；分别为解释变量、处理变量和交乘项的系数；为误差项；为具体的研发区间。

在设定了研发操纵的检验模型之后，本文进一步设定用于检验研发操纵与融资约束之间的关系的模型。考虑到黎文靖等［20］研究的结论，国内上市公司的创新行为可以使得公司获得更多的税收和补贴资源，同样的，公司在创新方面“包装”和“粉饰”可能会带来融资方面的便利，因此模型中因变量使用融资约束指数作为代理变量，自变量为研发操纵。参考前人的研究［4，7］，进一步设定模型的控制变量，主要从公司治理、财务状况和外部监督3个维度设置控制变量。最后为了控制样本上市公司的行业效应和时间效应，本文对时间和公司所属行业设定虚拟变量，以控制随着时间或者行业而变动的遗漏变量。如式（3）的模型3中： 为各主要解释变量和控制变量的系数；为公司个体；为具体的年度；为误差项。

最后设定用于检验研发操纵、融资约束与创新效率的模型4如式（4），创新效率通过DEA模型计算分解得出3个主要指标分别是综合效率（TES）、纯技术效率(PTES)和规模效率(SES)，在具体研究过程中将分别研究研发操纵和融资约束对3种创新效率的具体影响。式（4）中：为各解释变量的系数；代表的含义与式（3）相同。

3 实证检验

3.1 描述性统计

对本研究涉及的相关变量进行描述性统计，观测样本数量共有3 633个。如表2所示， KZ指数本质上反映了公司投资需求与现金持有之间的矛盾，该变量最小值是负数，这代表这类公司持有现金非常宽裕，超出了公司投资需求；其他的变量如公司销售收入、公司资产规模等原始数值较大，在进行回归分析过程中将对其去量纲化处理；有关创新效率的3个指标是0～1之间的连续变量，数值越大表示创新效率越高；MRD(0.5)和Normal(0.5)分别代表0.5%窗宽的研发操纵行为和正常研发投资行为，MRD(1)和Normal(1)分别代表窗宽为1%的研发操纵和正常研发投资行为。

表2 样本观测指标的描述性统计结果

表2 （续）

3.2 研发操纵现象检验

本文首先对样本上市公司是否存在研发操纵行为进行初步的判断，将观测样本按照《高新技术企业认定管理办法》划分为两组，分别为销售收入低于2亿元和销售收入大于等于2亿元的公司。从图1中可以看出，在3 539家销售收入在2亿元以上（含2亿元）的公司中，研发支出占比在3%门槛附近的达到1 415家，占分组样本总数40%；在94家销售收入低于2亿元的公司中，研发支出占比在4%门槛附近的达到75家，占分组样本总数80%。因此可以初步判定样本上市公司存在研发操纵现象。

图1 样本上市公司的研发支出占比频数分布

从频数分布分析只能大致地判断上市公司可能存在研发操纵的现象，最终的结论需要严格的统计检验支撑。根据本文提出的研究假设，如果上市公司存在为达到高新技术企业认定资质而操纵公司研发支出行为，则公司在操纵研发支出过程中为了节省成本，应当使得研发支出占比恰好在资格认定门槛附近，因此《高新技术企业认定管理办法》规定的研发支出占比门槛会显著影响公司的分布数量。这个假设可以通过断点回归很好地予以检验出来。首先设定研发支出占比的划分区间跨度为0.1%，如果假设成立则在［2.9%～3.0%］和［3.0%～3.1%］这2个区间会形成明显的数据断点；然后对在不同研发区间的公司数量进行统计，结果如表3所示（因篇幅所限仅列出部分统计结果）。表3中研发操纵门槛为哑变量（取0和1两个值），公司研发支出小于3%则数值取0，研发支出大于等于3%数值取1。

表3 特定研发支出区间的样本上市公司数量分布

表3 （续）

根据式（2）的设定，对因变量和自变量进行断点回归，检验是否因为处理变量的存在导致因变量存在明显的数据断点。检验结果如表4所示，局部沃尔德估计（Local Wald Test）值为正，而且P值小于1%，这说明《高新技术企业认定管理办法》规定的研发支出门槛在3%的断点处显著地影响了样本上市公司的分布数量，表明本文的样本上市公司中存在明显的操纵研发支出现象。

表4 样本上市公司操纵研发支出行为判断的断点回归结果

从图2中可以看出，在3%的研发支出占比附近的公司数量存在一个明显的跳跃，左边拟合曲线很短，右边点状拟合曲线在纵坐标的取值明显高于左边的拟合曲线，因此我们判断，高新技术企业资格认定的确引发了样本上市公司对研发支出的操纵，回归结果验证了本文的假设H1。

图2 特定研发支出区间的样本上市公司数量断点回归分布

3.3 研发操纵对融资约束影响检验

根据以上对研发操纵检验结果以及研发操纵变量的设定，本文进一步研究研发操纵对融资约束的影响。由于上市公司的研发与创新数据披露不规范，因此整个样本观测数据无法形成平衡的面板数据，本文使用混合截面数据的方法对变量关系进行检验。参考连玉君等［22］和文雯等［23］的研究，考虑到样本上市公司中同一家公司在回归方程中的误差项存在自相关，因此本文在进行OLS估计时使用公司水平的聚类标准差，分别使用KZit+1和KZit作为因变量来检验研发操纵对融资约束的当期效应和滞后效应。如表5所示，分别以模型3为基础进行拓展，针对不同的研发操纵窗宽（MRD（0.5）和MRD（1））和不同的融资约束时期进行检验，回归结果表明研发操纵对当期的融资约束有显著影响，而对滞后1期的融资约束影响不显著。其中，在不同窗宽下的回归结果是一致，均表明研发操纵对公司融资约束具有缓解作用，这增加了研究结果的稳健性。回归结果验证了本文提出的假设H2。

3.4 研发操纵、融资约束与公司创新效率检验

根据模型4的设定，本文通过DEA模型对样本上市公司的创新效率进行分解，可以分别得到公司创新的综合效率、纯技术效率和规模效率，其中创新综合效率是由纯技术效率和规模效率和规模效率共同构成的。通过分解创新效率可以打开样本上市公司创新行为的“黑箱”，探索研发操纵行为与公司融资约束如何影响公司的创新活动。如表6所示，分别在模型4的基础上拓展，检验在不同的研发操纵窗宽（MRD（0.5）和MRD（1））下样本上市公司创新的综合效率、纯效率和规模效率是如何被影响的。

首先回归结果表明融资约束对创新效率具有正向的影响。这意味着在控制其他变量的前提下，融资约束越强，公司创新效率越高，这与我们通常的经济直觉相悖。根据创新效率分解指标，融资约束具体影响了公司创新的纯技术效率，而对公司创新的规模效率没有影响。公司创新纯技术效率的提升更依赖于现有的技术和知识的突破，而公司创新规模效率主要依赖于公司原有的知识资产和创新投入的规模，因此可以推断，融资约束是通过促进公司的技术和知识突破而提升创新效率的，这验证了本文提出的假设H3a。此外，分别在1%和0.5%的研发操纵窗宽条件下，融资约束对公司创新效率的影响结果是一致的，这增加了本文研究结果的稳健性。

其次，回归结果表明研发操纵对公司创新效率没有显著影响；此外，在1%窗宽下正常研发投入企业的创新效率显著高于研发操纵企业，在0.5%窗宽下得出的研究结论相同，正常研发投入企业的创新效率更高。表明了在控制其他变量的情况下，达到高新技术企业资格认定门槛的研发操纵的公司创新效率并没有显著改变，而达到高新技术企业资格认定门槛的非研发操纵公司的创新效率和其他公司相比有显著差异。这说明为研发操纵公司所配套的行政和经济资源并没有发挥应有的作用，研发操纵不能促进公司的创新效率提高，这验证了本文提出的假设H3b。

再次，变量Normal（1）和Normal（0.5）对公司创新效率的影响显著为负。这说明达到高新技术企业资格认定门槛的非研发操纵的公司创新效率反而比一般公司更低。这一实证结果与我们通常的经济直觉和政策初衷相悖，该现象的存在可能是由于达到高新技术企业资格认定门槛的公司创新资源过于丰裕，导致了单位创新要素的边际效率递减。这验证了本文提出的假设H3c。

最后，引入交乘项（KZ×MRD）的回归结果显示检验结果不显著。说明公司研发操纵行为所导致的融资约束放宽并未促进公司效率的提升，综合地说，无论是研发操纵对创新效率的直接效应，还是通过融资约束对创新作用的间接效应都是不显著的，公司通过研发操纵所获得的资源不能促进创新效率提升，或者这类公司并没有将相关资源投入到创新活动中从而导致了创新效率低下。

表6 样本上市公司研发操纵、融资约束与创新效率关系的检验结果

3.5 稳健性检验

3.5.1 研发操纵稳健性检验

本文的上述研究结论认为，在3%的研发支出门槛附近存在样本上市公司操纵研发支出的现象，但是3%的研发支出门槛也有可能恰好就是样本上市公司研发支出的平均值。假如3%恰好是样本上市公司研发支出的平均值，那么在不同年度的样本上市公司的研发支出均值应该都是3%附近，因此本文对样本上市公司数量比较集中的年份进行统计分析。2008年是《高新技术企业认定管理办法》开始实施的年份，距2008年较近的2011、2010年的公司研发投入均值在研发操纵区间附近，之后的2012—2015年之间公司的研发均值显著高于研发操纵区间（如表7），这说明3%并不是样本上市公司的研发支出均值，因此，本文得出的样本上市公司存在研发操纵行为的研究结论是稳健的。

表7 2010—2015年样本上市公司研发投入占比均值

3.5.2 融资约束稳健性检验

融资约束指数包含了部分具有相关性的指标，在测度的时候各指标之间可能存在干扰，为了检验融资约束对样本上市公司创新影响的稳健性，本文借鉴Hadlock等［24］在研究中提出的融资约束测度方法（SA指数），使用SA指数代替KZ指数进行检验。SA指数选取了企业规模和企业上市年限作为衡量公司融资约束的指标，这2个指标是外生变量，2个变量之间没有相关性影响问题。如表8所示，分别在模型1的基础上拓展，通过替换融资约束的测度变量检验融模型1的稳健性，结果表明在1%和0.5%的窗宽下研发操纵对融资约束的SA指数影响均显著，这说明前文用KZ指数测量得出的结论是稳健的。

表8 样本上市公司融资约束稳健性检验结果

3.5.3 创新效率稳健性检验

考虑到表6的估计模型可能存在遗漏变量的内生性问题，因此，本文在稳健性检验中选择不同时期的KZ指数进行回归分析。如表9所示，在模型4-1至模型4-6的基础上拓展，使用前1期的KZ指数考察回归结果是否改变，结果表明替换模型核心自变量的数据期间不影响模型4的回归结果，在不同的研发操纵窗宽下，融资约束主要对上市公司创新的纯技术效率起影响作用，此外，非研发操纵的上市公司显著抑制了公司的创新效率。

表9 样本上市公司创新效率的稳健性检验结果

综上分析表明，本文研究得出的研发操纵、融资约束与公司创新效率关系结果是稳健的。

4 结论与启示

4.1 主要研究结论

本文通过收集我国上市公司2008—2016年间的数据，利用政府在2008年颁布实施《高新技术企业认定管理办法》的时间窗口，对公司研发操纵及其影响后果进行了一项准自然实验。研究主要得出了以下3方面的结论：

首先，通过使用断点回归的分析方法检验出在2008年我国实施高新技术企业资格认定办法之后，样本上市公司的确存在研发操纵的行为，在3%的研发支出门槛附近公司分布数量的回归拟合曲线形成了明显的断点。这充分说明高新技术企业资格对上市公司吸引力巨大，大量公司为了获得该资格而对公司的研发活动进行了操纵，使得公司研发支出占比超过3%的资格门槛。相比现有的研究，本文所使用的断点回归方法提供了统计学上更为严格的检验，此外也为上市公司研发操纵现象与高新技术企业资格认定政策之间的因果关系提供了可靠的实证结论。

其次，通过检验融资约束和研发操纵的关系得出研发操纵行为显著改善了样本上市公司当期的融资约束状况，并且这个结论在不同的研发操纵区间下（1%和0.5%）是一致的，这说明融资约束是上市公司进行研发操纵的重要动机；此外还发现，样本上市公司研发操纵行为对其当期的融资约束有影响，对滞后1期的融资约束没有影响，但具体原因需要进一步探索。现有研究所发现的公司研发操纵动机主要包括政企关系管理动机和税收激励和补贴动机［2-3，7］，本文的研究检验了新的研发操纵动机——融资约束，公司采取研发操纵行为明显与融资约束的压力有关。

最后，关于公司创新效率的研究发现，样本上市公司的融资约束越高，其创新效率越高，并且融资约束主要作用于上市公司创新的纯技术效率，对创新规模效率影响不显著。此外，进行研发操纵的公司创新效率并没有显著提高，说明这类公司通过操纵研发支出从政府获得的各类经济资源并没有发挥效用；而达到研发门槛以上的非研发操纵的公司创新效率明显较低，说明这类公司存在“创新资源诅咒”现象，过多的冗余资源导致了公司创新效率低下。相比现有研究对公司创新绩效的衡量一般使用专利数量或者随机前沿效率［4，9，25］，本文通过DEA模型对创新效率进行估计和分解，揭示了“创新资源诅咒”的新观点。本文的研究结论与以往的研究有显著差异，如孙刚等［25］的研究认为取得高新技术企业资质认定能有效提升企业创新效率，存在差异的原因主要是本文的研究关注创新资源的投入产出比，而以往研究单纯用专利数量来衡量，没有考虑创新要素的投入产出比问题。

4.2 启示

根据以上研究结论，本文可以得出以下3方面启示：

第一，我国上市公司的研发操纵现象确实存在，而且比较严重，否则不可能在样本中具有显著的统计学表征，这意味着现有的高新技术企业认定办法存在政策缺失。政策制定的初衷是为了鼓励企业创新，然而部分企业利用政策寻租导致了行政资源浪费。因此，政府应该加强对高新技术企业资质认定的监管，增加寻租企业的研发操纵成本，可以考虑从税收监督、审计监督以及专利核定3个方面完善相关法规制度。

第二，采取研发操纵行为的公司创新效率没有显著提升，这表明我国上市公司存在创新资源投入浪费。政府可以考虑建立长效监督评估机制，重点监控研发操纵可疑公司、评估其创新研发活动是否真实有效，对于长期进行无效创新活动的企业及时取消其高新技术企业资格。

第三，在高新技术企业资格认定门槛之上的非研发操纵的上市公司被发现创新效率低下，这部分企业可能存在创新资源过度投入问题。政府有关部门可以考虑建立相应的事后评估机制，对创新成果与企业绩效之间关系进行评估，对于创新活动与企业绩效之间形成良性互动的投入更多资源，反之则减少创新资源的投入。