企业金融资产配置与创新投入——经济政策不确定性视角下的长短期权衡取舍

杨 肖

（中国人民银行兰州中心支行，甘肃 兰州 730000）

一、引言

经济学研究中，通常将凯恩斯发表《就业、利息和货币通论》作为现代宏观经济学建立的标志，由此开始，“无形之手”与“有形之手”，哪只手更加重要，如何协调好二者的关系等争论从未停歇。凯恩斯学派主张政府的“有形之手”作用于失灵的市场，从而缓解现实中的失业与萧条；以弗里德曼为代表的货币学派却认为人为政策干预只能造成市场的更大波动。市场的资源配置作用并不完美，会在某些方面存在失灵，如果政府能采取恰当的政策减小经济波动，引导产业升级转型，将会对经济发展起到十分积极的作用。但是，市场本身千变万化，政策制定者无法对市场中所有信息做出准确判断，加之政策具有滞后性，人为干预往往会扭曲市场信息。更为重要的是，频繁的政策变化会加深这种不确定性，进而影响公众预期和企业经营者决策。我国正处于经济转型时期，市场经济发展并不成熟。面对政策的不确定性，企业家的投资决策会如何变化？是追求眼前利益，实现公司价值最大化，还是志存高远，加大投资力度，以期在未来得到丰硕回报？微观决策者的行为与宏观经济环境息息相关，宏观经济政策的不确定将如何影响微观经济主体的决策选择，这方面的研究具有重要的现实和理论意义。

资本市场发展的不充分、垄断的存在以及利率未充分市场化，使得我国金融资本一定程度上存在超额回报率；与此同时，房价的快速上涨使得房地产跻身高额利润率行业。产业转型升级过程伴随着传统制造业利润的下滑，资本逐利性驱使越来越多的产业资本涌入金融业和房地产业，出现了“实体企业的金融化”现象。Wind 数据库显示，2018 年全年我国先后有1252 家上市公司购买过银行理财产品，超过了上市公司总数的1/3，合计认购金额总额达到1.66万亿元，创近五年购买公司数和认购金额新高。作为传统制造业大国，我国人口红利和资源优势不断丧失，低端制造业的低廉劳动力成本优势不再，高端制造业的发展处于技术瓶颈期，加之发达国家“再工业化”浪潮的影响和贸易保护主义的国际形势越发明显，我国制造业升级转型迫在眉睫。正如熊彼特所说，企业实现创新升级是由企业家破坏性创造实现的。2003年到2017年，我国企业研发资金支出占全社会总研发支出的比重逐年增加，从60.11%提高至76.48%，并逐渐稳定在70%以上的较高水平，企业早已成为我国实现技术创新的主要力量。在看到企业不断提高研发投入为我国经济带来活力的同时，也应注意到我国的基础性研究和应用的投入仍然不足，基础性研发投入的占比常年徘徊在5%左右，不利于形成长期的竞争优势。

创新是企业生命之源。与其他决策行为不同，创新研发需要企业持久投入资金，如果中途间断，已投入部分几乎完全沦为沉没成本，调整成本高昂（Hall，2002）[1]。同时，创新研发行为是否成功面临较高风险且未来收益不稳定，考虑到创新研发的成果多为专利品等无形资产，很难成为抵押品，给企业带来新的融资。一般而言，企业创新研发活动的资金来源于两部分:一是内源融资，即企业生产经营活动所产生的现金流，大部分得益于企业生产活动所带来的利润（Allen et al.， 2004）[2]；二是外源融资[3]，即企业通过直接金融或间接金融获得资金（Brown et al.，2009）[4]。金融业的发展极大地丰富了企业的融资方式，同时也给企业提供了从金融市场获得收益的机会[5]。不少学者关注企业金融资产配置和创新投入二者的关系。一部分学者认为，金融资产的配置可以促进企业创新投入，即存在“蓄水池”作用[6]。企业将资金配置到流动性较强的金融资产，既获得了持有期的收益，增加了企业利润，也可以在企业资金流不足时出售金融资产，迅速补充资金，减少了融资的成本，确保了企业长期拥有较为稳定的资金流[7-8]。与此相反，另一部分学者则认为金融资产的配置会“挤出”创新投入，即二者之间是“替代品”的关系[9]。如果企业的利润更多地依赖于金融资产的收益时，企业很可能轻视创新投入，将有限的资金投入到金融资产，这种行为必然会挤出创新研发的投入[10]。

经济政策的不确定性会对宏观经济发展和微观经济主体产生诸多影响。Stock（2012）和Bloom（2012）将经济衰退期间的产出下降和失业率增加归因于经济政策的不确定性[11-12]，Benati（2013）认为不确定性也是金融危机后经济恢复缓慢的主要原因，这种不确定性使得企业和家庭对未来的预期不再明朗，进而表现为投资降低、消费减少，最终造成经济复苏缓慢。Baker 等（2016）在构建并测算经济政策不确定性指数之后，基于美国数据分析，结果表明在控制其他影响因素之后，政策的不确定性会造成实际国内生产总值、投资和就业率的对应比例下降。宏观经济的表现是微观主体决策结果的累加[3]，Julio & Yook（2012）、Gulen & Ion（2016）、Kang et al.（2014）认为企业的经营活动、投资活动受到经济政策不确定性的极大影响，并且影响程度受到企业的资金约束、竞争程度、行业类别等因素影响[13-15]。在以往的研究成果中，通常针对某一方面的影响展开讨论，或是企业的投资数量与效率（李凤羽和杨墨竹，2015；饶品贵等，2017），或是创新投入与产出（顾夏铭等，2018），抑或是企业的现金持有水平（王红建等，2019），几乎没有研究者将企业的行为决策划分为短期和长期的权衡取舍。如何配置有限的资产，企业面临着长短期的权衡取舍，并且这种决策受到宏观经济政策不确定性的影响[16-19]。是投资金融资产，短期内获得高收益率，从而实现当前收益的最大化，还是充分利用资金，加大研发投入，掌握核心技术，以期在长期获得竞争优势？本文将在接下来的部分展开研究。

二、文献梳理与研究假设

本文将从经济政策不确定性的整体影响以及不考虑和考虑经济政策不确定性情况下企业金融资产配置对创新投入的影响三方面梳理现有文献研究，并提出本文的假设研究。

（一）经济政策不确定性的整体影响

经济政策的不确定性包含诸多方面:一是当局政府改变其经济政策主张和立场的可能性，当某一国家采取多党派轮流执政时，不同党派所代表的群体不同、主张的意识形态不同，在政策选择上自然也会产生不同，这种偏好的不同表现为选举年份经济政策不确定性往往高于非选举年份（Julio & Yook，2012）[20]；二是经济政策在执行时可能出现的不确定性，若某一政策较为保守或早有先例，受到的阻碍将会相对较小，执行时所面临的不确定性则比较低，反之，某一项新政的推出更易受到各方阻力，并且对于将要产生的政策效果由于缺乏先验对比，必然会伴随着较大的不确定性（Pastor & Veronesi，2012）[21]；三是采取经济行为的主体对经济政策是否确定及其程度的预期，经济主体行为会受到自身预期的影响，因此经济政策不确定性的影响也应包含这部分内容（Feng，2001）[22]。

2008 年的金融危机，将研究经济政策不确定性对于宏观经济的影响推入了新的高潮。为了应对宏观经济的剧烈波动，各国纷纷出台经济政策。随着世界经济的联系日益紧密和复杂，经济政策往往牵一发而动全身，学界出现了不少宏观领域的研究，例如研究不确定性与经济周期、通货膨胀以及产出水平的关系（Bachmann et al.，2013；Fernández-Villaverde et al.，2015）[23-24]；同时，另外一些研究将视角转向微观，证明了更大的不确定性造成经济主体在采取行为决策时将产生更多的预防动机，最终导致家庭消费和企业投资的下降（Gulen et al.，2016）[25]。

（二）企业金融资产配置对创新投入的影响

企业若进行大量的金融资产配置则有可能引起金融化，国内学者也称之为“虚拟经济”，具体表现为金融业及其控制者的支配权不断增长，同时非金融公司更多地参与金融市场，导致产业重心向金融部门转移（蔡明荣和任世驰，2014）[26]。企业进行金融资产配置最根本的原因被认为是投资实业的利润降低和机会减少，因此企业转而通过投资于收益率较高的金融领域，来提高利润率（Milberg，2008；谢家智等，2014）[27-28]，其中资本密集型企业往往更具金融资产配置的能力（张慕濒和孙亚琼，2014）[29]。此外，企业进行金融资产配置的动因和程度还受到股东价值观念、企业盈利方式、融资渠道等的改变以及预防性动机的影响（张思成和张步昙，2016）[30]。

一般而言，企业将资产配置于金融领域有两种动因:一种是将资产配置到流动性较低的金融资产，以追逐较高的回报率，从而谋求套利；另一种是将资产配置到流动性较高的金融资产，以缓解突发事件出现时产生融资约束。不同动因下，企业金融化对创新投入的影响不同，宋军和陆旸（2015）利用2007—2012 年我国A 股上市公司报表数据，剥离出金融收益后发现，公司业绩与金融资产持有量之间存在U形关系，不论是高收益公司还是低收益公司，都在一定程度上减少了企业的创新投入[31]。王红建等（2017）的研究发现我国A股非金融类上市公司整体上呈现出企业金融化与创新投入的负相关关系，不同的融资约束与这种负相关关系无显著相关性，但是公司的套利动机却极大地提高了这种负相关关系[32]。刘贯春（2019）指出，将金融资产配置划分为金融资产持有份额和金融渠道获利后发现，前者对于提高企业未来的创新投入，即存在“蓄水池”的功能，后者无论是在当期还是未来对创新投入都只具有阻碍作用，二者是“替代品”关系[33]。考虑到企业的创新投入具有周期性长、资金数量大、正溢出效应的特征，并且面临风险、收益以及信息不对称等问题，目前针对企业金融资产配置对创新投入影响的研究，结论莫衷一是，本文做出如下假设。

H1a:企业金融化与创新投入之间呈正相关关系。

H1b:企业金融化与创新投入之间呈负相关关系。

（三）考虑经济政策不确定性情况下，企业金融资产配置对创新投入的影响

经济转型中的中国作为新兴经济体的重要组成部分，地方官员政绩在晋升锦标赛制度下（周黎安，2007）[34]，表现为大规模投资拉动的省际GDP 竞争（巴曙松等，2005）[35]。由于政府的强有力，企业决策行为更易受到宏观经济政策的影响，因此中国经济政策不确定性相对较高（饶品贵等，2017）[17]。经济政策的不确定性会改变企业生产经营的外部环境，当企业无法对外部经济环境的变化做出较为确定的预测时，行为决策将会变得保守和谨慎，一般情况下会减少或延迟相关的投资行为，直至这种不确定消失或者变得可控。实物期权理论、金融摩擦理论等通常都被用来解释经济政策不确定性对于企业投资的抑制作用，并且投资的不可逆性、对于政府补贴的依赖度、行业的竞争程度等都会影响抑制的程度（Gulen&Ion，2016；李凤羽和杨墨竹，2015）[14，16]。

Bloom（2007）指出，经济政策不确定性对企业创新投入的影响与其他方面不同[6]，Marcus（1981）也认为政策对于创新活动具有很强的指引作用，具体如何决策取决于企业自身的权衡取舍。Orhangazi（2008）用美国各州的选举活动测度政策不确定性，发现不确定性与企业创新投入呈正相关，并且这种关系在竞争激烈、科技含量高的企业更为显著。企业金融化和创新投入，是企业投资决策的重要方面[37]。创新投入常常面临较多的不确定性，付出和回报可能不成正比，但是企业要谋求长远的发展，这部分投入必不可少；与创新投入相反，金融资本的投入产生收益的期限往往短得多，股东也更偏好这种可以快速变现的收益。这两种不同投资决策之间又会是何种关系呢？在美国、英国、墨西哥、阿根廷等国家的实证分析中，研究者发现金融化会“挤出”实业资本，投资于金融资本会较大地改变企业的资产配置，使企业的经营重心转移，削弱创新投入[33]。但是，学界也不乏研究得出相反的结论。适度金融化可以在一定程度上推动产业发展，虽然投资金融资本是一种短期行为，但也可将其视为实体资本的“蓄水池”，采取金融手段破解企业融资难题、消除资金约束，会增加企业创新的能力（Demir，2009；Harman，2010）[38-39]；也有美国学者实证得出结论，美国高度发达的金融业以及非金融企业的金融化并未抑制美国的创新投入（Kliman&Williams，2015）[40]。本文提出如下假设。

H2a:考虑政策不确定性后，企业金融化与创新投入之间呈正相关关系，企业注重长期发展。

H2b:考虑政策不确定性后，企业金融化与创新投入之间呈负相关关系，企业注重短期获利。

目前对于企业金融化与创新投入的研究仍显不足，究竟是“替代”作用显著，还是“蓄水”效应明显，结论莫衷一是。创新是企业的灵魂，面对外部环境的不确定性，究竟选择投资长期，韬光养晦、厚积薄发，还是选择短期，追逐金融化带来的收益，增强实力、摆脱资金约束，本文将在接下来的部分展开分析。

三、研究设计

（一）模型构建

借鉴陆庆春和朱晓筱（2013）、刘贯春（2019）的研究成果[41，33]，本文基于托宾 Q 方程，构建如下模型对研究假设进行检验:

其中，被解释变量为Innovation，即企业的创新投入；解释变量为Financial，表示企业的金融化水平；EPU则为经济政策不确定指数，考虑到经济行为的决策者往往根据历史数据预测未来，本文在回归时选取滞后一期的数据。根据假设H1，回归模型（1）中β1为主要检验系数，用来预测企业金融化与创新投入之间呈现何种相关关系，即存在“蓄水池”效应还是“替代品”关系；根据假设H2，回归模型（2）中β1用来预测面对政策的不确定性，企业如何在金融化和创新投入之间做出选择，究竟是倾向于创新投入，注重长期发展，还是倾向于短期获利，注重短期获利。X表示一系列控制变量。

（二）变量设置

1.被解释变量

企业创新投入（Innovation）。考虑到我国非金融类上市公司中并非所有公司都会披露R&D 支出，且企业创新活动内涵丰富，R&D 支出未将企业的专利权、著作权、商标权等包含在内，不能全面反映企业的技术开发与消化能力，企业无形资产与企业创新投入密切相关，可以综合地反映企业创新投入。因此本文用无形资产净额来替代R&D 支出，通过计算无形资产净额占总资产比重来衡量企业的创新投入。

2.解释变量

企业金融化水平（Financial），用上市公司期末金融资产占总资产比衡量。广义金融资产包括一部分货币资金、持有至到期投资、交易性金融资产、投资性房地产、可供出售的金融资产、长期股权投资、债权投资以及应收股利和应收利息等，而狭义金融资产不包含长期股权投资。针对许多上市公司购买理财产品的行为，理财产品在账务处理中一般被确认为可供出售金融资产或交易性金融资产，金融资产的概念包含公司购买的理财产品。考虑到货币资金具有高流动性，一般为企业日常经营需要而持有，故将其剔除。综上，本文采用广义的企业金融资产范畴。

政策不确定性（EPU），本文选用“中国经济政策不确定性指数”（Economic Policy Uncertainty Index）作为衡量经济政策不确定性的指标。该指标由美国学者 Scott R. Baker、Nicholas Bloom 和 Steven J. Davis提出，基于新闻媒体受众广泛、文本丰富的特性，选取美国国内十家权威报刊，对包含经济、政策和不确定性及其相关变体词汇出现的频率进行统计处理，并以此首先建立了美国经济政策不确定指数。本文使用的“中国经济政策不确定指数”为斯坦福大学和芝加哥大学联合发布的官方数据，原始数据来自policy uncertainty 网站（http://www.policyuncertainty.com）。国内学者使用该数据做了大量研究，李凤羽（2015）、饶品贵（2017）、顾夏铭（2018）、王红建（2019）等的研究都采取该数据来表示经济政策的不确定性。实践证明，该指数较好地反映出中国经济政策的波动，有效还原了经济政策的实施时间和不确定性。

3.控制变量

借鉴已有研究成果，本文选择如下变量作为控制变量:公司规模（Size），通过公司总资产并取自然对数表示；现金流量（Cashflow），用经营性现金流与总资产的比值衡量；盈利能力（ROE），用净资本收益率表征；杠杆率（Leverage），用负债权益比表征；资本密度（Captialdensity），用固定资产与总资产之比表示；投资机会（Q），用托宾Q 值衡量；宏观经济周期（GDP），用国内生产总值表示（具体见表1）。

表1 变量及其定义

（三）样本选择

为了充分利用经济政策不确定性指数这一数据，更好地体现经济政策不确定性对企业行为的影响，按照证监会2012 年对于行业分类的规定，本文选取2003 年第一季度至2018 年第四季度我国上市的制造业企业季报作为研究样本，数据来源于CSMAR 数据库和国家统计局网站。在剔除了不完整的公司样本之后，最终得到了37323 个公司季度数据值作为研究样本，并对数据进行了上下1%的Winsorize处理，以消除异常值的影响。

四、实证结果与分析

（一）描述性统计

表2 展示了本文选取样本的描述性统计结果，分别为变量的均值、标准差、最小值、最大值、25%分位数、中位数以及75%分位数。可见:企业的创新投入（Innovation）的均值为0.0416，略大于其中位数0.0341，表明我国上市企业中的制造业拥有略高的创新投入；金融化水平（Financial）的均值为0.0535，显著大于其中位数0.0250，分布偏右，表现出我国上市企业中的制造业拥有较高的金融资产水平，且这种水平要大于创新水平；中国经济政策不确定性指数（EPU）的均值为214.2528，高于美国政策不确定性指数（USEPU）的均值127.5272 ，以及美国、欧洲和日本三国政策不确定性指数均值（AVEPU）的平均水平。

表2 变量的描述性统计

（二）内生性处理

本文的模型构建以托宾Q 模型为基础，遗漏解释变量是造成内生性的主要原因，如企业家的才能、掌握的信息、特定的外部环境以及不可观测因素等都会影响到企业的决策行为，这些问题都有可能造成模型在估计时产生内生性。本文首先对各个解释变量进行异方差稳健的DWH检验，结果发现创新投入的滞后一期项（Innovationi，t-1）、公司规模（Sizei，t）、盈利能力（ROEi，t）、资本密度（Captialdensityi，t）存在内生性。针对存在的内生性问题，采取对应变量的滞后一期作为工具变量，并且工具变量与内生变量的Shea’s partial R2较高且通过1%的显著性检验，不存在弱工具变量。

本文采取静态和动态两种模型估计方法。至于静态模型，考虑到企业之间存在较大异质性，影响公司金融资产配置和创新投入决策的很多因素更是无法掌握，因此分别尝试采用固定效应模型和随机效应模型。接下来考虑动态模型估计，模型满足扰动项不存在自相关，因此分别采用差分GMM 和系统GMM方法进行估计。

（三）回归结果分析

1.企业金融资产配置如何影响创新投入

表3 展示了企业金融资产配置对企业创新投入的影响。本文首先采用静态模型中的固定效应模型，该模型可以在一定程度上减少遗漏变量带来的不利影响，接着尝试采用随机效应模型，豪斯曼检验（Hausman，1978）结果p 值为0.0000。因此强烈拒绝使用随机效应的原假设，即固定效应模型在本文的模拟中较为合理。不论基于何种模型，企业金融资产配置项的回归系数都为负，并且在1%或5%的水平上显著，说明在控制了相关企业层面微观变量和宏观经济变量之后，企业金融资产的配置和创新投入之间呈负相关关系，即二者之间互为“替代品”，验证了H1 假设。在采用差分GMM 回归后，进行过度识别检验，p 值=0.0717＞0.05，因此无法拒绝“所有工具变量均有效”的原假设，尝试采用系统GMM 法进行估计，进行过度识别检验的p 值=0.0538＜0.05，表明两种模型都可以接受。也就是说，企业将资产配置在金融资产上，会减少在创新研发方面的投入。

对于控制变量而言，公司规模、杠杆率、现金流和资本密度与企业创新投入呈现显著的正相关关系。在资本市场上，较大规模的公司一般拥有较强的融资能力，在日常的生产经营中拥有较为充足的现金流，也使得企业可以利用高杠杆获取资金，这些条件都使得企业可以压低融资成本，表现为将更多的企业创新投入。企业的托宾Q值衡量了企业的投资机会，这种投资机会也在一定程度上表征了企业的成长性，投资机会大的企业成长空间也大，这样的企业在市场上拥有较好的发展前景，也更愿意加大对于产品创新的资金投入。反之，企业的盈利能力对企业创新投入的影响为负，企业盈利能力对于创新投入存在两种相反的作用，一方面高盈利能力产生更多利润，可以充实企业资金，用于增加创新投入，但是较高的盈利能力说明企业目前产品拥有较好的市场前景，在没有明确的改进方向或者新的产品研发时，企业的创新投入可能会减少，在本文的样本中，这种不利的影响超过了有利影响，因此表现为负相关关系。考虑到控制变量的估计结果基本相当，因此在下文中不再重复解释。

表3 企业金融资产配置对创新投入的影响

2.面对经济政策不确定性，企业金融化如何影响企业创新投入

本文的假设H2想要探究，面对经济政策的不确定性，企业将如何进行资产的配置，是倾向于投资金融产品，还是注重创新投入？二者之间又将会是何种关系？表4 展示了在考虑经济政策不确定性情况下，企业金融资产配置对创新投入的影响。同样，基于不同的模型，企业金融资产配置项的系数均为负，说明假设H2b成立，即面对政策的不确定性，若企业金融资产配置与创新投入之间成负相关关系，则证明企业倾向于短期获利。但是，将经济政策的不确定性纳入解释变量后，除差分GMM 模型外，企业金融资产配置项的系数变小，意味着金融资产配置的增加对企业创新投入的抑制程度加深。对于宏观经济的控制变量——经济政策不确定性指数而言，它与企业的创新投入呈正相关关系，并在1%的水平上显著，即经济政策的不确定性越大，企业的创新投入越多。这是因为经济政策的不确定性对于金融资产价格会产生不确定的影响，并且由于金融资产的杠杆性，这种不确定性会放大，企业更倾向于将资金配置在创新投入上，这样更有利于企业的长期发展。

表4 经济政策不确定情况下，企业金融资产配置对创新投入的影响

（四）稳健性检验

为了验证前文结论的可靠性，本文通过改变模型的设定形式、以交互形式引入分组回归时采用的企业特征变量及采用工具变量的形式三种方式进行稳健性检验。具体结果在表5 中展示，由于篇幅所限，仅展示考虑经济政策不确定性情况下的系统GMM估计结果。

表5 稳健性检验结果

第一，基于欧拉方程的估计。本文模型的设定基于托宾Q 方程，也有学者基于欧拉方程设定模型（Brown and Petersen，2011；谢家智，2014），采用GMM 方法进行估计，将企业创新投入滞后一期项的平方引入回归方程，利用欧拉方程的凸性来展现企业的创新投入过程。表5 中（1）列展示了回归的结果。可以看出，表5中（1）列的估计结果与表4类似，企业金融资产配置项系数均为负，并且在5%和10%的水平上显著，说明企业考虑经济政策不确定性的情况下，金融资产的配置会挤出创新投入，呈现出较为短期的行为。

第二，引入企业特征交互项的估计。在进一步的分析中，本文选择三种角度将样本分为两个子样本，在对不同子样本进行分别回归后，发现有些子样本的系数无法从统计意义上识别二者是否具有差异，故用PD、QD、SD 的虚拟变量分别表示企业所有权、成长性和规模的子样本组别，在模型中引入虚拟变量和企业金融资产配置的交互项，结果如表5 中（2）、（3）、（4）所示，除虚拟变量为 PD 时，Financiali，t项系数不显著之外，其他两种情况下，金融资产配置与创新投入的相关关系都显著为负，这个结果与后文的分组回归一致。

第三，采用不同工具变量的估计。本文采用无形资产净额占总资产的比重来衡量企业创新投入，由于我国上市企业自2007 年后开始披露企业R&D投入数据，故本文用企业R&D 投入数据作为工具变量进行回归估计。另外，借鉴许罡（2018）等的做法，采用美国经济不确定性指数（USEPU）以及美国、欧盟和日本经济不确定性指数的平均值（AVEPU）作为CNEPU 的工具变量，对原方程进行回归。结果见表5中（5）、（6）和（7）列，Financiali，t项的系数均为负，除用USEPU 作为工具变量外，均通过5%的显著性水平检验。

五、进一步扩展

在全面考察企业金融资产配置对创新投入的影响基础上，有必要将企业按照个体特征区分，不少研究也证明这些特征影响企业的行为（王红建等，2017；申慧慧等，2012；陆庆春和朱晓筱，2013）[32，36，41]。首先，企业所有权的不同可能会对企业金融资产配置和创新投入之间的关系产生影响。国有企业承担较多的社会责任，例如稳增长、保就业等，这就要求其对资产的配置具有相对固定的要求，受到外界影响较少。再者，国有企业可以比较容易获得成本较低的融资，因此没有很强的动机去寻找较大收益的金融资产进行配置，相对较低的融资成本使得金融资产的配置并不会对企业的创新投入产生较大的影响。基于上述分析，本文提出如下假设。

H3:国有企业金融资产配置对创新投入的负面影响比非国有企业小，并且这种负面影响在考虑经济政策的不确定性时依然存在。

表6 不同企业所有权情况下的子样本回归结果分析

表6 呈现了对样本按照所有权的不同进行划分后分组回归的结果:在不考虑经济政策不确定性的情况下，国有企业金融资产配置对创新投入的影响是-0.0146，而非国有企业则达到-0.0984；在考虑经济政策不确定性时，国有企业金融资产配置对创新投入的影响为-0.0140，此时非国有企业为-0.0985，并且都在1%的水平下显著。在两种情况下，不同所有权企业的Financial系数差异检验的p 值均为0，即在1%的置信水平上拒绝二者不存在差异的原假设，说明在统计意义上，不同所有权企业的金融资产配置对创新投入的影响存在差异，验证了假设H3。

其次，企业规模的大小可能会对企业金融资产配置和创新投入之间的关系产生影响。较大规模的企业通常资金更为充足，充足的资金使得企业在金融资产选择时，有较强的议价权，并且有能力进行资产组合，增加收益减少风险；但同时大企业充足的资金要求更高的回报，更需要在短期的金融资产获益与长期而持续的创新投入之间做好权衡取舍。因此，企业的规模越大，金融资产配置对创新投入的影响更大。基于上述分析，本文提出如下假设。

H4:企业规模越大，其金融资产配置对创新投入的负面影响越大；相反，企业规模越小，其金融资产配置对创新投入的负面影响越小，并且这种负面影响在考虑经济政策的不确定性时依然存在。

表7 不同企业规模情况下的子样本回归结果分析

表7 呈现了对样本按规模大小进行划分后分组回归的结果:无论是否考虑经济政策的不确定性，大规模企业金融资产配置对创新投入的影响是-0.0211，而小规模企业为-0.0168，并且系数都在1%的水平下显著。但是两种情况下，不同规模大小企业的Financial 系数差异检验的 p 值为 0.03298 和 0.3302，不能拒绝二者不存在差异的原假设，说明在统计意义上，不同规模大小的企业金融资产配置对创新投入的影响并不存在差异。

再次，企业的投资机会可能会对企业金融资产配置和创新投入之间的关系产生影响。企业的投资机会在一定程度上表示了企业的成长性。投资机会多的企业通常拥有较好的成长性，这类企业注重创新研发的投入，不断加大创新投入，以此使得企业在长期可以适应变化发展的市场；而投资机会少的企业往往成长性较差，这类企业不太注重企业的长期发展，若金融资产的收益较高，则倾向于将资产配置于此。基于上述分析，本文提出如下假设。

H5:企业的投资机会越少，其金融资产配置对创新投入的负面影响越大；相反，投资机会越多，其金融资产配置对创新投入的负面影响越小，并且这种负面影响在考虑经济政策的不确定性时依然存在。

表8 不同投资机会情况下的子样本回归结果分析

表8呈现了对样本按照不同投资机会进行划分后分组回归的结果:在不考虑经济政策不确定性的情况下，较少投资机会的企业，金融资产配置对创新投入的影响是-0.0286，而投资机会多的企业则为-0.0006；在考虑经济政策不确定性时，较少投资机会的企业，金融资产配置对创新投入的影响是-0.0276，而投资机会多的企业则为-0.0006，并且较少投资机会的企业，系数在1%的水平下显著。在两种情况下，不同投资机会企业的Financial 系数差异检验的p 值均为0，即在1%的置信水平上拒绝二者不存在差异的原假设，说明在统计意义上，不同投资机会企业的金融资产配置对创新投入的影响存在差异，验证了假设H5。

最后，有学者将2008 年金融危机作为划分样本的依据，考察对企业金融资产配置和创新投入之间的关系产生影响。2008 年金融危机开始于次贷危机，引发金融业发生剧烈波动，随后扩展至实体经济，带来了经济低迷。不少国家都纷纷出台了刺激计划，Pastor and Veronesi（2013）指出，投资者在经济衰退时会产生政府将采取行动干预经济的预期，因此政府改变现行的经济政策往往只需承担较低的政治成本，企业也将更加关注经济政策的不确定性，以期从中获得收益[42]。金融危机造成金融资产价格波动，势必会对企业的资产配置行为产生影响。故本文提出如下假说。

H6:企业金融资产配置对企业创新投入的抑制作用在2008年金融危机前后表现程度不同。

表9 将2008年作为时间断点的子样本回归结果分析

本文以2008 年为界，将样本按时期划分为金融危机发生前（2003 年第一季度—2008 年第四季度）和金融危机发生后（2009 年第一季度—2018 年第四季度）两个阶段，并分别进行回归（见表9）。无论是否考虑经济政策的不确定性，金融危机发生之前，企业金融资产配置对创新投入的影响是-0.0187，而危机发生之后则变为-0.0142，系数分别在1%的水平下显著。表明在金融危机之后，企业的金融资产配置对创新投入的负向影响有所减小，企业更加注重长期的发展。在两种情况下，不同时期企业的Financial 系数差异检验均未通过显著性水平，说明在该样本下，2008 年金融危机前后，企业的金融资产配置对创新投入的影响并未存在差异。

六、主要结论

本文采用2003 年第一季度—2018 年第四季度我国上市制造业企业中共计37323 个公司季度数据作为研究样本，基于拓展的托宾Q方程，探究了在是否考虑经济政策不确定性的两种情况下，企业金融资产配置与创新投入之间的关系。结果表明:无论是否考虑经济政策的不确定性，企业金融资产配置的增加都会挤出创新投入，则证明企业倾向于短期获利，将经济政策的不确定性考虑进来则会加大这种挤出作用。除此之外，本文还将企业的异质性纳入考虑范围，得出以下三点结论:（1）国有企业金融资产配置对创新投入的负面影响比非国有企业小；（2）企业规模越大，其金融资产配置对创新投入的负面影响越大；（3）企业的投资机会越少，其金融资产配置对创新投入的负面影响越大。并且上述的负面影响在考虑经济政策的不确定性时依然存在。同时，本文还将样本按时间划分，考察2008 年金融危机前后这种抑制作用的程度，发现并不存在统计意义上的差别。

基于上述结论，本文得出几点政策建议。

第一，企业金融资产的配置在一定程度上挤出了创新投入，并且经济政策的不确定会加重这种负面影响，因此在目前投资拉动型经济增长方式下，政府应尽力避免经济政策的不确定性波动，提高公信度，降低企业对政府行为的过度依赖，注重自身的抗风险能力建设，做好长短期权衡取舍，实现可持续发展。

第二，考虑到小规模企业的金融资产配置对创新投入的负面影响更大，加之这类企业往往更易受到政策不确定性的影响，这也显现了国家对于中小企业重视的必要性，这就要求在把握住风险底线的前提下，一方面加大对中小企业的支持，使之避免政策的不利影响，另一方面加强金融服务，健全金融体制，降低中小企业的融资难度，扩展融资约束。

第三，不同所有制企业金融资产配置对于创新投入的负向作用存在明显区别，因此建议加快国有企业改革，扭转资源错配，促进要素自由流动与合理配置。