经济政策不确定性、部门关联与企业创新
2020-12-04吴力波徐少丹任飞州
吴力波 徐少丹 任飞州
一、引言
提高自主创新能力是我国经济增长方式转型的重要环节,1999—2018年我国国内专利申请授权量从9.2万项增长至233.5万项,平均年增速高达19.6%,这也说明创新在国民经济增长中的作用日趋重要。创新活动的开展依赖稳定的内外部环境,同时也会受到政策层面的深刻影响。2008年金融危机爆发以来,各国逐渐反思与调整自身的政治决策框架,引发全球层面的经济政策不确定性的波动,对经济运行产生深刻影响〔1〕,并对我国各部门的创新活动产生冲击。现有研究主要从融资约束理论、实物期权理论与预期理论等视角解释经济政策不确定性对创新活动的影响方向与机制,且落脚点多在于创新活动的行为主体企业或部门自身,由于企业或部门存在较大异质性,因而得到的结论也不尽相同,不利于进行准确决策。解决上述问题的重要途径在于更加精准地描述企业或部门面临的经济政策不确定性的大小,避免不同部门在讨论经济政策不确定性的创新影响时,使用相同的不确定性范畴,显然,这会忽视异质性并降低结论的精准性。针对特定部门进行经济政策不确定性测度,并将其用于该部门创新活动研究,是对研究口径一致性的必要调整,同时也对现有研究进行了补充。
此外,由于技术创新存在外部性特征,其扩散也往往经由特定渠道产生。行业间尽管存在较大生产异质性,但由于相互之间存在客观的投入产出关系,形成了创新成果传递的通道,因此考虑行业或部门相互关系的创新活动研究会更加接近经济现实。同时,将经济政策不确定性纳入这一关系框架的讨论,不仅可以细化其对创新活动影响机制的分析,并进行一定的机制说明,还可以为政策分析提供新的视角,形成从政策到不确定性,再由不确定性到决策信息的正反馈。不同的行业关系类同于不同的切入视角,对于经济政策不确定性的影响机制也会产生有差异的内涵解释。
二、文献综述
经济政策不确定性指经济主体无法确切预知政府是否、何时以及如何改变现行经济政策〔2〕,也即市场预判未来政府经济决策的困难程度,其升高意味着市场偏离预期的可能性与程度有所提高,这对于经济具有深刻影响。从宏观层面看,经济政策不确定性上升会引发关键宏观经济变量的剧烈波动,从而产生经济周期的变化〔3〕,前者的上升会对产出形成负向冲击,从而对就业产生负面影响〔4〕,同时,其也会导致实际有效汇率贬值,股票价格和房地产价格下跌,并且其主要作用机制为预期渠道〔5〕,部分研究甚至认为宏观不确定性是引发经济衰退的重要原因,且对新兴经济体影响更加明显。〔6〕同时,经济政策不确定性也会对出口与对外投资行为产生影响,出口的绝对规模在不确定性上升时会出现萎缩,对广延边际产生负面影响,但对集约边际的影响则并不明确〔7〕,甚至可能倒逼来源国内部出口企业的资源再配置,进而引发产品创新并提升企业存活率。〔8〕此外,本国经济政策不确定性上升会引发本国企业增加跨国并购,企业可能通过对外投资寻求更高的收益,而东道国不确定性上升则会导致直接投资规模下降。〔9〕并且,经济政策不确定性的波动也会在国际层面产生外溢,形成国家间的宏观经济波动的相互传导,且发展中国家和发达国家在溢出表现上各有特点。〔10〕
而从微观层面看,经济政策不确定性会影响私人投资、消费、市场情绪等多个方面。〔11〕作为最主要的市场微观主体,企业的行为也受宏观经济政策不确定性的影响。在企业财务融资决策方面,部分研究从“融资约束理论”出发,发现整体上经济政策不确定性会导致企业可获信用规模减小,同时企业能够向客户提供的商业信用也会进一步削减〔12〕,企业的融资方式和成本皆会发生改变,不确定性引发的波动越大,实物期权价值越高,企业越容易推迟融资行为,加之不确定性导致贷款人提出更高的成本和更苛刻的借款条件,导致企业外部融资难度加大,违约风险提升,进而其现金持有水平也会增加以缓冲未来借款需求。〔13〕而与本文主题更相关的则是有关企业投资的影响研究,当前学界也存在不同观点和分歧。部分研究认为经济政策不确定性可能通过提高企业投资的机会成本而抑制其活动,这一观点大多基于实物期权理论,认为在投资所涉资产不完全可逆的情况下,未来的投资机会可视作企业在当期所持有的期权,不确定性上升则会提高这一期权价值进而提高当期投资的机会成本〔14〕,另一方面,企业可以通过持有这一期权以等待更多关于未来的信息以降低决策失误的可能,进一步抑制企业投资活动。〔15〕而在这一理论下,可逆性越弱的投资受不确定性影响的程度则越甚,而随着行业资产可逆性提升,经济政策不确定性对企业固定资产投资的抑制作用被弱化。〔16〕而相比一般资产,创新投资的专有性更强,失败后成本回收的难度更大〔17〕,因而不确定性也同样会抑制创新投资,并且这一抑制作用与企业的投资可逆性、学习能力、所有权性质等特征相关〔18〕,且可从资金成本渠道和资本边际收益率渠道来进行论证。〔19〕在代理人具有“悲观信念”的假设下,企业将根据投资收益的最坏结果来进行决策,因而不确定性上升时会延长收益的左侧分布,进而抑制投资活动。〔20〕而从预防性储蓄的角度出发,需求侧在面临高不确定性时会增加持有货币的预防性动机,导致市场有效需求不足,企业投资也相应减少。〔21〕
当然,也有研究提出相反观点,认为不确定性上升对企业创新投资具有正向推动作用,这一观点主要来源于创新投资区别于其他常规投资的特征,创新投资自身成功的不确定性较大,因而企业倾向于提早研发以提高其成功的概率。〔22〕也有部分研究认为,企业在不确定的环境中更加偏好风险,因而会增加自身的投资规模。〔23〕而同样从期权理论出发,企业进行创新活动所获得的专利本身也可视作期权,出于未来市场竞争优势的考虑,其会在不确定环境中增加自身的创新投资。〔24〕来自政治选举的经济政策不确定性也对企业的R&D水平有正面影响,且这一影响会在竞争更激烈的市场中更为明显。〔25〕同时,经济政策不确定性对企业创新也会存在选择效应和激励效应,且整体看会正向影响上市公司的R&D投入以及专利申请数,而这主要是通过企业的调整成本这一渠道实现的。〔26〕
根据以上分析,学界关于不确定性是否抑制企业创新活动的讨论常类同于对企业一般投资的讨论,因而一般围绕投资的可能性与必要性进行展开。前者侧重投资能否得到资金支持,包括内部融资与外部融资,倾向于对融资约束问题的研究;后者则更关注企业自身的投资动机,从实物期权理论和预期理论出发对创新活动可能的未来收益进行考察,并通过相应的贴现原则进行比对。争论的症结在于创新活动与一般投资活动存在本质差异,且从影响因素看两者不仅可能存在冲突,甚至同一因素的不同方面也有所差异。同样地,不同范畴的创新活动受不确定性的影响也有所不同,本文定义的创新活动为部门层面企业活动的加总,同现有研究主要的关注问题相似,本文旨在研究经济政策不确定性之于创新活动的影响,并首先对影响的定性验证进行展开。在此,提出本文的研究假说1。
假说1:经济政策不确定性对创新行为存在抑制作用,经济政策不确定性越高,创新活动越少,并且不同类型创新活动存在差异,因而不确定性对其影响也具有异质性。
上述文献中,企业或行业一定程度上作为独立个体存在,研究侧重于考察影响本身的方向性质及直接的作用机制,而未考虑行业或企业间作为市场主体本身所具有的关系属性,这一相对独立的结论对于创新政策的启示显然是有限的。创新活动在市场主体间是相互传递的,如企业的生产率变化不仅来自于企业自身的技术进步,同样也会通过其上游行业为其供给中间品而产生技术的外溢,也即存在商品交易网络中的技术传递。〔27〕同时,创新活动一旦考虑其生产的网络性质后,便存在对外扩散的可能,有利于创新成果的传递,产生“酵母效应”。〔28〕研究表明,中国轻工业与重工业部门的技术进步演化轨迹相似,不同行业之间存在着显著的技术溢出,从而提高整体的生产率水平。〔29〕工业与非工业行业间也存在创新的相互影响,例如,外溢知识密集型服务业对本土制造业吸收外资研发外溢的积极效应有正向影响,并且这一影响主要是通过市场网络机制、创新成果流通机制和人力资本流动服务机制等产生的。〔30〕另外,现有研究已对不确定性的外溢性进行诸多讨论,并大多基于主体间的经济联系如贸易关系、产业链关系等进行说明〔31〕,但对行业间的外溢讨论鲜见,并且未有研究将其与不确定性的创新影响进行结合。由此,本文将在上述研究结论的基础上,重新考察经济政策不确定性对创新活动的影响性质,结合假说1,在考虑部门(行业)外溢性的可能下,提出假说2。
假说2:经济政策不确定性对创新行为的影响受到部门间关联关系的影响,后者异质性将对经济政策不确定性之于创新活动的效应产生影响。
三、经济政策不确定性的测度
经济政策不确定性对企业创新影响的研究,依赖于对前者的合理测度。现有测度经济政策不确定性方法大致分为事件分析法、随机宏观模型的扰动项校准、指数构建等。近年来,指数构建法因其可量化且连续的特点逐渐被学界接纳,国内外学者都对该领域有所涉及。Baker等利用对美国前十大报纸的内容分析建立了经济不确定性程度指数。而其对中国经济政策不确定性指数的构建(后称EPUBaker),是通过《南华早报》(香港媒体)新闻信息,根据是否存在“经济、政策、不确定”三个属性的相关词汇,并将满足要求的新闻数量除以总新闻数,经标准化后完成的;〔32〕也有研究利用LDA模型对前者的构建方法进行优化,对话题进行分类效率上的优化;〔33〕部分研究则利用《光明日报》与《人民日报》的新闻信息,计算了新中国成立以来的月度经济政策不确定性指数(后称EPUDavis)。〔34〕国内学者基于中文语料集构建中国财政政策不确定性指数,并细分为财政支出和税收政策不确定性指数。〔35〕
相较英文表达,中文在表述上更加复杂,特别在对不确定性概念的界定上尤甚①关于“不确实性”表达,英文常见“uncertain;uncertainty”等,而中文则在“不确定、不确定性”以外,还有类似“难以确定、迷茫、不明确”等表述。,仅使用《南华早报》英文新闻信息则会存在一定偏误。香港与大陆存在诸多差异,因而前者媒体所披露的新闻(尤其关于大陆的)可能存在一定失真,目前国内关于经济政策不确定性的研究常直接采用EPUBaker作为指代变量,与之对应的研究结果也可能是不稳健的。因而,使用大陆媒体中文新闻重构这一指数尤为必要。而另一方面,中文新闻集的选择也至关重要,EPUBaker所涉及的10家英文媒体存在政治左右的差异,因而也在指数的构建中体现这一方面的考虑〔36〕,而EPUDavis所选报刊媒体为《光明日报》与《人民日报》,内容上与综合新闻门户也存在差异,相比之下后者的新闻来源更广。〔37〕由此,本文通过爬虫技术抓取新闻信息构建数据集,来源为《中国新闻网》②该来源为综合类新闻门户,原创并转载其他门户,如新浪网、人民日报、新华网等媒体的文章;本文使用的新闻信息主要来源于财经板块,主题包括金融、工业、农业、财政政策、货币政策、外汇市场等。,样本包含2008年8月至2019年3月共计52万余篇财经新闻,计算方法如下:
其中下标t表示时间,由于本文相关控制变量的频度为季度,因此在计算过程中t表示为季度;Nt表示在t时期所有的新闻数量;Mt为t时期在新闻中包含“政策”和“不确定性”两类属性词汇的新闻数量。③由于选择财经类新闻,故不需包含“经济”属性。“不确定”属性词汇包括:不确定、不确定性、难以确定、不明确、难以明确、难以预料、难以预测、无法预测、无法确定、无法估量、不明朗、很难说、很难讲、徘徊、彷徨、不明晰、不清楚、不太清楚、不明晰、很难确定等;“政策”属性词汇包括:政策、法规、规则、监管、制度、地方政府、政府、中央、证监会、银监会、央行、中国银行、国务院、人民银行、发改委、部委、改革、改制、变革、内部改革、结构改革、结构转变等。前述指数构建侧重对基于不同语料集构建的指数进行比对,也即本文构建的指数与现有研究工作的差异说明,因此在构建中对标后者的研究,对总体经济政策不确定性进行了测度,图1为对比了本文构建的总体经济政策不确定性指数(CEPUTotal)与EPUBaker,并借助事件标注进行说明。
图1 2008—2019年CEPUTotal与EPUBaker指数事件对标情况
由于存在序列化处理的差异,指数绝对值水平差异讨论的意义较小,主要可关注指数的自身波动。整体看,CEPUTotal对国内事件反映更好,大多重要国内政治经济事件或政策区间皆有明确高点或高水平区间对应,而在反映国际事件上两者皆有较强的指示效果。从特定区间看,即上图阴影区间:第一个区间,即2010年前后,刺激政策导致房价快速上升,通胀压力大,CEPUTotal初显峰值并维持较高水平;第二个区间,“811”汇改及收紧资本管制,形成对人民币汇率走势及外资投资的不确定性认知,CEPUTotal整体水平也相对较高;第三个区间,即2018年3月以来,受贸易摩擦、全球经济紧缩等影响,两个指数都出现上升,但近期以来,CEPUTotal出现反常波动,反映国内可能存在舆论安抚。
总体看,CEPUTotal在事件对标上要优于EPUBaker。然而,这一指数的整体性在研究不同部门的情形下则可能成为桎梏,在分析部门创新时缺乏针对性。因此,本文通过对各部门的关键词进行提取,在总体指数构建基础上进行进一步筛选,以计算分部门经济政策不确定性指数,旨在增加其精确程度,使实证结果更加可靠和完整。具体地,在上述方法的两类属性词汇的基础上,加入是否包含各部门有关词汇的判断①按照2007年投入产出表中有关编号为2至25的部门细分行业注释,选择相关词汇进行判断,如煤炭开采和洗选业,其词汇包括:煤炭、采矿、烟煤、无烟煤、洗选、褐煤、煤矿等。尽管部分研究已基于不同领域对经济政策不确定性指数进行细分,但针对细分部门的不确定性指数仍未有公开来源,不确定性指数的整体性在研究不同部门的情形下则会成为桎梏,在反应部门实际面临的经济政策情境方面缺乏敏感性,因此,本文通过对各部门的关键词汇进行提取,在总体指数构建的基础上进行进一步筛选,计算得到分部门的经济政策不确定性指数,旨在更加精确地对不同部门所面临的经济政策不确定性进行刻画,使实证结果更加可靠和完整。具体地,在上述方法的两类属性词汇的基础上,加入是否包含各部门有关词汇的判断。在实际计算过程中,考虑到样本新闻中单一领域新闻的数量较少,存在较多同时涉及多个部门的新闻表述,其传递的不确定性强度应弱于单独报道的情形,存在高估单一类别不确定性的可能。本文通过设定权重,按照总类别数量(也即工业部门数量24),在构建总体指数的基础上额外添加关于某一部门关键词的筛选,同时判断单篇新闻中所包含的所有部门类别的数量,记作S,并调整前文总体指数计算方法的计数权重为(25-S)/24,在仅包含单部门信息时则为1,包含所有部门信息时,权重减小为1/24,则可计算相应的细分部门经济政策不确定性指数。Azqueta-Gavaldón,“Developing News-based Economic Policy Uncertainty Index With Unsupervised Machine Learning,”Economics Letters,vol.158,(2017),pp.47-50;Davis S.J.,Liu D.,Sheng X.S.,“Economic Policy Uncertainty in China since 1949:The View from Mainland Newspapers,”Working Paper,2019,pp.1-35;Huang Y.,Luk P.,“Measuring Economic Policy Uncertainty in China,”China Economic Review,vol.59,no.101367(2020),pp.1-18;朱军:《中国财政政策不确定性的指数构建、特征与诱因》,《财贸经济》,2017年第10期。,可计算相应的细分部门经济政策不确定性指数。
四、实证设计与结果分析
(一)基本模型设定
已有诸多研究就经济政策不确定对于企业创新的影响进行讨论和验证,但结论尚且不一。同样,本文首先考察这一定性影响。而具体指数计算过程中,针对新闻源本身的综合性特点,本文进一步使用关键词筛选方法对分部门指数进行了计算,旨在精确刻画各部门所面临的经济政策不确定性程度。在模型设定上,构建基准回归,形式如下:
其中Innovation表示创新能力,以专利数量进行指代,EPU表示经济政策不确定性,下标i和t分别表示不同部门和时间,下标c则表示不确定性指数种类,包括CEPUTotal、分部门经济政策不确定性指数 (CEPUSector),EPUBaker和 EPUDavis;〔38〕 x为控制变量,包括部门规模、盈利水平等,μi和γt则表示部门和时间固定效应项。对企业而言,当期创新活动决策取决于前一期经济表现,故整个行业也应呈现这一特点,并且出于内生性问题考虑,对解释变量取滞后一阶,以保证模型可解释性。
(二)数据与指标
1.专利数据
本文使用已授权专利数量代表创新能力。其中,2008—2009年的专利数据来自现有研究的专利数据库〔39〕,2010—2013年的专利数据则来自Google Patent的公开信息,并对相关公告日、申请日等信息进行补足。由于研究对象为部门,故首先对各专利归属企业的行业类别进行判断,本文将专利数据中的企业名称信息与2008—2013年工业企业数据库中的相关信息进行匹配,并确定行业代码。同时,为了后续部门关联研究的便利,对上述行业按2007年中国投入产出表汇总至与工业相关的2至25部门,最终按照24个工业部门对专利数量进行汇总。与此同时,本文使用各部门中每家企业的平均专利数来表示创新能力,以减少部门规模差异的影响。各期企业单位数则来源于国家统计局公布的行业内企业单位数①企业单位数由国家统计局根据其构建的工业企业数据库获得,作者也基于这一数据库进行了核对。,按部门加总后与部门专利总数相除以获得平均专利数量。
从专利类型来看,目前专利主要包括发明专利、实用新型专利和外观设计专利等三类,总体而言发明专利授权难度最高,实用新型次之,外观设计则较易。本文采用2008—2013年专利数据,其中2010—2013年缺少外观设计分类的记录,因此本文仅考虑发明专利和实用新型专利两类。结合外观设计类别专利技术难度相对较低的特点,这一类别去除应对结果影响不明显。同时,在实际专利数据使用过程中,为去除单位影响,进行取对数处理。②极个别部门可能存在当季度专利数为0的情形,因此取对数前进行原值加1处理。
2.经济政策不确定性指数
由于部门统计频度限制,尤其在2010年前,大多部门数据为季度公开,因此本文实证部分所使用的CEPUTotal也按照季度进行计算,对齐时间频度;而由于比对需要,EPUBaker和EPUDavis为月度频度,对其按照季度进行算术平均。由于EPUBaker指数构建中使用多个新闻来源,并且时间跨度与本文不一致,因此在指数绝对大小上存在差异,本文按CEPUTotal均值为标准(为去除标度影响,对上述标准除以100,也即转化为新闻比例),对其他指数进行调整,因仅涉及原始数据的同比例增减,并不影响实证系数方向。综上,实证部分最终使用的经济政策不确定性指数包括四类:季度CEPUTotal、季度CEPUSector、季度EPUBaker和季度EPUDavis,其中前两者为本文基于中文新闻信息自行计算。此外,由于本文所使用的新闻时间跨度从2008年8月开始,因此最终经由匹配得到的数据为2008年第四季度至2013年第四季度,包括24个工业部门的平衡面板数据。
3.其他数据指标及数据来源
其他指标主要包括影响部门专利数量的解释变量。本文考虑该因素可能包括部门规模、盈利水平、杠杆率等,因此选择部门内企业的平均资产规模、资产收益率(ROA)、资产负债率(DTA)、部门内部亏损企业比例(Loss_ratio)作为实证模型的控制变量,数据来源于国家统计局公布的月度行业数据(2010年前按季度公布),并处理为季度变量,为去除变量标度的影响,对平均资产规模取对数处理(lnAsset)。
表1 经济政策不确定性对部门平均专利数的影响
(三)基本模型结果与分析
首先对部门平均专利数进行分析,考察经济政策不确定性对其的影响。所有解释变量皆取一阶滞后项以保证可解释性。在具体经济政策不确定性指标的选择上,首先单独加入CEPUSector和CEPUTotal进行回归(模型1和2),考虑到分行业不确定性与整体不确定性所指代的经济事实可能存在差异,前者侧重部门视角,后者则刻画宏观经济整体运行的非线性和复杂特征,因此在无较强共线性情况下可同时加入回归(模型3);作为比对,本文也将EPUBaker和EPUDavis纳入回归模型替换CEPUTotal(模型4至7)。经Hausman检验,应采用双重固定效应模型,表1为相应回归结果。
在表1中,CEPUSector对应系数皆通过1%置信水平检验,也即对平均专利数存在显著负向影响,且这一结果在加入不同整体经济政策不确定性指数后仍保持相同方向和显著性(模型1、3、5、7),因而存在稳定影响,也即验证假说1所述内容。因而整体看,对部门而言,经济政策不确定性对其创新活动存在一定抑制作用,其原因同现有研究相一致,也即经济政策不确定性上升时,部门内企业面临更高的融资成本,同时也提高了对贴现率的预期,因此企业倾向于减少外部融资,同时将创新项目投资进行适当地推迟。另一方面,本文构建的CEPUTotal尽管在单独加入回归模型时(模型2)呈负显著,但当其与CEPUSector同时加入时则变得不再显著,一定程度上也说明构建细分部门指数的必要性,两者在反映敏感性上存在差异,而作为比对的EPUBaker,解释能力则较差,即使单独参与回归也不显著,因而对专利,或换言之企业创新问题的研究中,基于中文新闻所构建的总体指数存在更好的表现。此外,同样基于中文新闻计算的EPUDavis具有和CEPUTotal相同的方向和显著性,进一步说明选择中文新闻源是必要的。上述不确定性对创新活动存在抑制作用的结论与部分基于上市公司公开信息的研究存在不同〔40〕,原因在于本文关注部门层面的创新活动,而后者则使用上市公司数据进行研究,总体而言上市公司具备更强的创新条件和能力,其规模与资金获取能力一般强于非上市企业,同时基于投资者关系维护和公司股价的考虑,上市公司也更有动力从事创新活动,同时部分研究直接使用EPUBaker指数,以及对其进行月度、季度或年度①这与上市公司信息披露的频度基本一致。的算数平均的做法,也可能存在降低不确定性波动的问题。
表2 经济政策不确定性对部门平均发明专利数的影响
上述结果仍需进一步稳健性说明,后文对专利类型进行区分,并按前述模型设定,将平均专利数量依次替换为发明专利和实用新型专利,进一步考察不确定性对其影响,并比对不同指数对部门专利数量的解释力度。同样使用固定效应模型进行研究,回归结果如表2所示。
从发明专利看,分部门经济政策不确定性对创新仍呈现一定抑制作用,与前文结论基本一致。但值得关注的是,CEPUTotal在任一模型下都不再显著,结合发明专利自身特点,可能存在以下几个原因:首先,相比其他专利类型,发明专利在平均意义上实施周期更长,从季度视角对其进行研究可能存在将较长期行为放在短期考察的偏误,因而短期敏感性较差的因素,如整体不确定性对其影响是相对较小的,从而出现季度数据情形下显著性下降的情况,这同分部门经济政策不确定性显著性的变化也是一致的。其次,发明专利在难度上相对较高,因此更依赖于部门本身的生产特点,包括技术水平、固定资产比例等,而此类信息进入模型所设固定效应项中,也产生各变量解释性削弱的可能,无论从系数绝对值和显著性来看,都出现了不同程度的下降。上述回归结果进一步对假说1进行了验证,也即不同创新活动受到经济政策不确定性的影响具有异质性。其他解释变量的方向与显著性则与前面基本一致,因而其影响逻辑也基本同前文所述相似。
表3 经济政策不确定性对部门平均实用新型专利数的影响
考虑实用新型专利类型,可以看到,经济政策不确定性指标的方向与未考虑专利类型时完全一致,而结合前面发明专利的结果,可以说明在考虑专利异质性的情况下,本文所得到的结论仍然是稳健的,也即经济政策不确定性,尤其是分部门的经济政策不确定性对该部门的创新活动存在抑制作用,相比英文语料集下所计算的经济政策不确定性,中文语料集显然传递了更多关于国内经济事实的信息,因此对创新活动的解释说明能力更强。
(四)考虑“空间”外溢的影响
1.讨论:使用空间杜宾模型的必要性
上述模型在设定时皆隐含部门间无相互影响的假设,而这在实际经济中往往无法满足,也即部门创新活动可能存在某种关联而产生正向或负向的外溢。尽管未考虑外溢的模型中已验证部门经济政策不确定性对企业创新活动存在显著负向作用,但若放松前述假定,则这一结论的稳健性仍有待检验。考虑关联关系,两者存在显著关联一般存在两种机制,结合本文所讨论的问题:一方面,不同部门间的创新活动本身存在关联,而诸如分部门经济政策不确定性的因素会首先通过影响本部门的创新活动,并通过部门间的联结关系影响到其他部门,从而产生外溢;而另一方面,本部门的经济政策不确定性同样可被其他部门获知,因而改变后者关于行业经济形势的判断,因而也会存在影响。
此外,考察创新活动的部门溢出,需要界定部门间存在何种联结关系,而这也是所有讨论的出发点。投入产出关系作为部门间最重要的联结关系之一,已被应用于诸多问题的讨论,而本文也将以这一关系为基础,将经济政策不确定性对于创新活动的影响置于其中进行研究。从实证设计角度看,传统计量面板回归分析缺乏对截面自相关问题的处理,因而后文将采用空间计量模型对上述问题进行处理。具体地,结合前文所分析的创新活动关联可能的两种机制,此处采用空间杜宾模型(SDM)进行研究,模型设定如下:
其中wi为空间权重矩阵的第i行所对应元素组成的向量,在此用以表示不同部门间的联结关系;Innovation为部门创新活动,以部门专利数量进行指代;ρ为空间权重矩阵系数,显著为正则说明存在部门创新活动的正向外溢,采用常系数进行估计;X和β为解释变量及相应参数,包含分部门经济政策不确定性及控制变量,按照前文设定,对各变量取一阶滞后;θ表示在考虑解释变量空间相关条件下对创新活动的影响;ε为误差项向量,且ε~N(0,σ2In)。μi和γt则分别表示部门和时间固定效应。
上述模型设定下,部门创新将表达为主要三个部分的加总,第一部分来自部门创新活动的直接外溢(右边第一项),这一现象类似一般以地理权重矩阵设定下的区域间外溢,但在本文中这一边界相对更加抽象,为部门间边界;第二部分来自由于受到其他部门影响创新活动的相关经济变量的影响而产生的影响的累积(右边第二项);第三部分则来自自身经济变量对创新活动的直接影响,也即可将面板回归模型中的影响因素嵌入其中。
2.投入产出系数与空间权重矩阵
使用空间计量模型需选择空间权重矩阵,而在选择过程中,由于经济距离矩阵(也即本文中部门间的联结关系)存在一定的设定主观性,因而本文也通过引入不同的空间权重矩阵进行交叉的稳健性说明。从部门间的投入产出关系出发,为区分不同关系类型,本文通过计算直接消耗系数和直接分配系数①未使用完全消耗系数和完全分配系数的原因在于,生产者更关注自身在生产过程中实际投入的要素数量,而在生产决策过程中直接的上下游部门的生产情况会更加重要,因此本文采用直接系数进行研究。进行指代,前者侧重于反映部门间的技术联系,其变化反映技术的变化,后者则侧重于说明经济联系,其变化则更反映产品替代变化的情况,两者在写为矩阵后对角线相同。系数的计算方法如下式:
其中Xij为中间投入的数量,Xj和Xi表示j部门和i部门的总产出,全部直接消耗系数组成的矩阵为直接消耗系数矩阵,令对角线为0后,记作Wr;相似地,全部直接分配系数组成直接分配系数矩阵,令对角线为0,记作Wh;因此Wr和Wh分别刻画了部门间的技术联系与经济联系,反映部门联结关系的不同方面,因而,上述空间杜宾模型可依据不同空间权重矩阵的选择分成两大类。
具体数据选择上,由于我国每五年公布一次官方投入产出表,而本文所研究的专利数据跨度为2008—2013年,并按照季度频度进行研究,因此可以选择2007年或2012年的投入产出表信息,考虑在本文研究中部门间关系类似外生给定,因而在样本前期这一变量便应确定,因而使用2007年且加总至42部门的投入产出表,并选择其中第2部门至第25部门(工业部门)共计24个部门进行研究。其他控制变量按照投入产出表的部门分类进行加总,由于面板回归模型中已证实整体经济政策不确定性指数对部门专利数量的解释能力较差,因而在这一部分的实证设计中仅考虑部门经济政策不确定性指数的影响。其他指标选择和样本频度的处理和前文面板回归模型中基本一致,故不再赘述。
3.模型的检验与选择
对模型进行参数估计前,需进行空间相关性检验及模型形式的选择。考虑空间序列,基于空间自相关的复杂性,常用度量方法包括Moran’s I、Geary’s C、Getis-Ord G等,后两类要求0/1矩阵,而无论是直接消耗系数还是直接分配系数,皆为小于1的连续变量,故采用第一种方法,根据表4 Moran’I统计量信息,需采用空间计量模型进行研究。
表4 模型选择统计检验结果
在模型选择上,从SDM模型开始②由于存在两种空间权重矩阵,并且需要对专利类型进行区分,因而本文共有6个空间杜宾模型,模型选择流程相同,且中间过程的统计量已在表4中进行了说明。,经豪斯曼检验发现应采用部门时点双向固定效应模型。而在不同权重矩阵与因变量组合下,LM统计量均拒绝不存在空间滞后及空间误差自相关的假设,提示应选择SDM模型对模型解释能力进行优化;另外,由于SDM模型设定嵌套了空间误差模型(SEM)和空间自回归模型(SAR),因此需通过Wald和LR检验来保证前者不会在参数估计中出现退化。根据上表显示,本文所用SDM模型是适宜的。
4.实证结果分析:基于技术联系的不确定性影响分析
按照前述实证设计,对模型进行参数估计。而对SDM在使用极大似然估计方法进行估计时,需采用稳健聚类标准误,采用两阶段思路〔41〕,由似然函数先对固定效应项进行求偏导,并求解,代入原似然函数后求解数值解。首先对基于直接消耗系数矩阵的空间权重设定进行分析,也即考虑基于技术联系的不确定性影响分析,整体估计结果如表5所示。
上述结果表明,在各模型16、17和18中,空间自相关系数ρ并不显著,提示基于技术联系,部门间的创新活动并不存在直接的相互依赖,但这一情况从某种程度上去除了“迭代”的反馈效应,反而会使后续的效应分解的讨论更加明确。考虑到不同部门间固有的技术、工艺差异,直接的跨部门创新外溢发生的可能性较低,特定部门的技术难以直接在另一部门进行推广或学习,因而空间相关系数并不显著反而与真实的创新现实更加一致。当然,需要对相关的解释变量进行进一步分析,在SDM模型下,对解释变量参数的整体估计结果解释意义不大,而侧重于其直接效应与间接效应的分解,而这也能够为揭示解释变量对部门创新活动的影响机制提供良好的尝试。表6给出效应分解的结果,就本文而言,可主要关注CEPUSector的系数情况。
表5 空间杜宾模型回归结果(基于直接消耗系数的权重矩阵)
表6 效应分解结果(基于直接消耗系数的权重矩阵)
整体而言,考虑不同专利类别的情况下,各变量参数的方向未出现差异,仅在显著性层面产生一定变化,且总效应系数同面板回归模型的方向基本一致。为分析便利,以模型16为例,重点考察部门不确定性指数CEPUSector,可以看到,部门的不确定性对于部门专利数量的直接效应尽管为正,但不显著异于0,因此其作用方向仍待进一步检验,这同面板回归模型中的结果有所差异,但考虑其他类似研究中得到的不确定性对专利数存在正向影响的结论,这一结果反而显得并不突兀。
间接效应方面,特定部门的不确定性会通过技术联系对其他部门的创新活动产生抑制作用,由于该部分以直接消耗系数指代部门联结关系,赋予其一定的方向性,本文应表现为后向的投入产出关系①前文以技术联系指称,意在避免同影响力系数与感应系数等概念相混淆,在本文中直接消耗系数矩阵作为空间权重矩阵的选择,也正是因为其在部门关联上存在的“单一”方向性;这对于问题的讨论会有所简化。,即i部门的产出大致表现为其他部门产出与直接消耗系数矩阵第i行加权求和的概念,因而i部门此时为其他部门的投入方,即处于生产关系的相对上游。因此,当相对下游(即中间品需求部门)部门的经济政策不确定性上升时,会引致相对上游(即中间品供给部门)部门创新活动的减弱,专利数量减少。来自需求侧的不确定性上升时,自然会减少生产扩张或创新的动机,因而会减少其创新活动的强度和数量;而当上下游关系(即中间品的供给与需求关系)发生置换时,对特定部门而言,其创新活动会同时受到其他部门的经济政策不确定性影响,而这一影响在本文的实证设计中被验证为负,综合其自身不确定性的直接影响,间接影响的强度甚至要超过前者,从而表现为整体总效应显著为负的情况,而这一结论又回归到了面板回归模型的结果。而结合经济政策不确定性的创新影响机制,来自需求侧的不确定性上升将更侧重通过融资约束对创新活动产生影响,在需求侧不确定时,部门内企业对其客户的订单、资金回收都会下调预期,最终影响对未来现金流的估计,企业内部融资能力下降,因此从预防性需求出发,整个部门更倾向于推迟创新活动的开展。而从实物期权角度看,由于创新投资的产出具备一定的期权属性,也即在未来某个时点转化为企业自身竞争优势的能力,但在需求侧不确定上升时,整个部门对于自身客户侧的真实需求存在波动的可能,在认知上也需要一定过程,当期开发的新技术极有可能由于需求侧的改变而不再具备优势,因而这一期权在未来的收益不确定性也极大提高,降低了其价值,因而企业也会减少对这一期权的投资,也即减少或推迟创新活动。尽管空间相关系数并不显著,但间接效应的存在也证明不确定性可通过技术联系将下游部门的需求萎缩转化为上游部门的创新行为改变,这对于现有研究的结论具有较强的补充。
5.实证结果分析:基于经济联系的不确定性影响分析
同样,将上述空间权重替换为直接分配系数,此时所表征的部门间联结关系发生转向,分析范式同前一部分类同。回归结果如下所示。
表7 空间杜宾模型回归结果(基于直接分配系数的权重矩阵)
在上述结果中,空间自相关系数同样是不显著的,同直接消耗系数下的情形一样,侧重对解释变量的分析,解释变量的效应分解结果如下表。
表8 效应分解结果(基于直接分配系数的权重矩阵)
同样,不同专利分类下系数的方向并未发生改变,仅存在显著性的差别;考察部门不确定性指数CEPUSector可发现,其直接效应显著为负,这一结果同面板模型中的结果是相同的,同时前一部分中为正数但不显著,因而两者间也不存在冲突。
间接效应方面,整体系数出现完全转变,也即从负向影响变为正向影响。考虑空间权重所代表的经济含义,直接分配系数表示一个部门对另一个部门的支出,也即中间品需求部门对供给部门的分配比例,因而这一模型所刻画的是相对上游部门经济政策不确定性上升对相对下游部门的影响,从回归结果看,这一影响显著为正。其经济机制是明晰的:对特定部门而言,当中间品供给不确定性上升时,部门生产者会有意识地降低该类中间品的使用,并以其他要素进行替代,如创新活动所引致的人力资本、技术条件等,显然在正常生产条件下会使得创新活动增加,申请专利活动也增多。而从现有机制来看,供给侧的不确定性更多影响了下游部门企业的创新投资动机,对企业而言,可能出现行业整体要素提前进行结构升级予以应对,如增加创新投资以取得在技术和经验上的先发优势,将极大增强企业在同部门竞争的未来优势。而从风险规避的角度看,通过自我创新投资,在自身的要素结构中增加技术、工艺等的比例,将使得部门内企业减少对上游原材料、中间品等的依赖程度,在后者的供给具有不确定性的情况下,将直接减小面临的风险敞口,降低自身的经营风险。综合来看,直接效应为负,间接效应为正,总效应在回归结果来看并不显著异于0,这对于经济政策影响方向的判断是存在一定阻碍的,然而这也更加接近在现有文献中出现不同结论的研究事实。
上述基于空间杜宾模型所得到的效应分解,对于假设2所述内容进行了验证,总体来看,尽管部门间的创新活动本身不存在直接相关,但经济政策不确定性确实可以通过不同类型的部门间联系产生方向相反的作用。具体而言,上游部门的经济政策不确定性对下游部门创新活动存在正向推动作用,而相反,下游部门的不确定性上升会引致上游部门减少自身的创新行为,从而实现了经济政策不确定性对创新活动产生影响的机制分解。整体看,经济政策不确定性的创新作用机制仍然需要建立在部门预期的基础上,无论是基于技术还是经济联系,起作用的前提仍然是部门内企业预期未来在要素的供给与产品的需求方面存在不确定的可能,而这一预期的大小则很大程度上会改变不确定性对创新活动的影响程度。
五、结论与政策建议
本文基于中文新闻文本信息构建了整体与分部门的宏观经济政策不确定性指数,旨在反映我国宏观经济运行与部门产业发展所面临的真实经济政策不确定情况。从指数情况看,对比基于英文语料构建的不确定性指数,本文所使用指数能够更好地反映国内经济运行变化的现实;而进一步细分,本文也计算了分部门的不确定性指数,并研究其对部门创新活动的影响。总体来看,各部门所面临的经济政策不确定性会抑制部门创新活动,降低其专利发明数量。而考虑部门间的技术与经济联结关系,本文利用投入产出分析方法,分别计算直接消耗与分配系数,以此刻画部门间的不同联系,借助空间杜宾模型将这一联系抽象化为对应的空间权重矩阵,并用以研究不同部门特征对其他部门创新活动的影响;结果表明,相对上游部门的经济政策不确定性上升,会由于生产要素替代等原因对下游部门创新活动产生刺激作用;相反,相对下游部门经济政策不确定性上升,则会产生对其上游部门进行发明创造行为的抑制,从而降低下一期申请专利的数量,同时,考虑部门间相互影响后,不确定性对于创新活动的影响大致仍呈现负相关关系。
从实际出发,经济政策不确定性不仅来自政策本身的制定与执行方案,同样依赖于公众对于前者的认知和判断,因而鼓励企业创新不仅需要坚守政策方向,同时培育更加一致的预期以降低经济政策不确定性,也将对企业创新活动产生显著的正向刺激,合理的舆论引导将同前述政策耦合,达到理想的实施效果;由于通过媒体表征的经济政策不确定性存在高频、实时的获取特征,因而对决策层动态实时捕捉市场信息存在裨益,本文在实证部分验证了中文语料与更宽泛的新闻领域将在表达经济事实方面存在更强的解释能力和预测性质,因而上述工作显然是有效的,可进一步扩大信息的来源和领域的细分程度以适应精准决策的需要。
同时,相关经济政策制定也不可忽视其所处的投入产出关系,其他部门的经济政策不确定性变化也会影响到目标部门的创新活动,因而在政策仿真或情景模拟中不可忽视这一相互关系的影响,这对于政策制定初期的成本收益法分析将产生重大影响,将部门间的联结特征纳入政策制定与执行,以及相关信号选择工作的考察是必要且有效的。