CEO 研发经历与企业实质性创新行为——基于数字金融和企业金融化视角

刘庆龄 杨晓晓 张芳芳

（1.安徽财经大学，安徽 蚌埠 233030； 2.浙江财经大学，浙江 杭州 310018）

一、引言

高层阶梯理论认为高管的特质和经历部分地影响其价值观和认知基础，从而反映在组织行为之中[2]。受此启发， 学术界开展了大量以高层阶梯理论为基础的高管背景与企业创新之间的研究， 相关研究主要分为以下三个方面：第一，基于人口统计特征，高管接受的教育以及他们的年龄和性别一直是许多研究的主题。 教育背景方面，不同教育背景的高管对创新性事物的态度、认知和观点存在差异，会影响其创新战略的实施。 年龄方面，随着CEO 年龄的增长，其对风险的态度也会随之改变，从而影响企业创新。 性别方面， 学者们以女性CEO 为切入点研究发现，女性CEO 对企业渐进式创新和激进式创新都具有显著的促进作用，但是，也有学者发现这种促进作用仅在女性高管达到一定临界值时才显著。 第二，基于高管人格特质角度， 学者发现过度自信或人格特征自恋的CEO 更相信自己的能力，还可能会高估预期收益， 更倾向于加大创新投入， 从而获得更多创新产出。 第三，基于高管早期经历，国内外学者主要基于单一早期经历和复合早期经历两个角度开展研究。从单一早期经历出发，研究发现高管学术经历、海外经历等能够促进企业创新，而从军经历、财务经历等对企业创新具有抑制作用； 也有学者从复合早期经历出发， 研究发现具有复合型经历的高管能够显著提升企业创新水平。

尽管已有大量文献表明高管的特质和经历与企业创新密切相关， 但是只有少量学者关注到高管研发经历与企业创新之间的关系。Haneda 等[2]利用日本国家统计局的企业面板数据研究发现拥有研发背景的高管与企业产品创新显著正相关。 郝盼盼等[3]研究发现CEO 研发经历能够促进企业增加研发投资，提高创新产出。 通过梳理相关国内外文献可以发现，现有文献关于CEO 研发经历与企业创新的关系的研究还较为单一， 两者之间的作用关系及其机制还有待深入探讨。 因此，本文基于数字金融和企业金融化视角研究了CEO 研发经历对企业实质性创新行为的影响效应及其作用机理， 拓展了企业实质性创新行为的影响因素研究，并识别出CEO 研发经历影响企业实质性创新的内在作用机理，打开CEO 创新战略决策过程的“黑箱”，丰富了管理者特质和企业创新的相关研究，为企业管理层团队体系建设，促进我国企业实现更高质量创新提供重要参考。

二、理论分析与研究假设

（一）CEO 研发经历与企业实质性创新

高层阶梯理论认为， 管理层的特征和经历会对其认知基础和价值观产生影响， 当面临复杂的战略决策情形时， 管理层的认知基础和价值观会充当决策所要处理信息的“过滤器”，从而在受约束的感知中做作出决策[1]。 CEO 是企业重大战略的决策者，不仅包括主要市场进入和退出， 还涵盖创新和资源分配，进而对企业的业绩和创新水平产生重大影响。 相比其他生产经营活动， 创新的各个环节都更具不可预见性、风险性和长期性。 传统代理理论认为理性的管理者通常会为了维护自身利益而规避创新活动所带来的风险， 而高层阶梯理论和烙印理论认为高管的早年经历会影响其认知水平和价值观， 不同的经历会为高管打上不同的“烙印”，从而影响其决策。

高质量创新是企业长久发展的“驱动器”，投资于创新就相当于拥有了未来的选择权。 基于资源效应视角，具有研发经历的CEO 会更加知悉研发活动对于企业市场竞争优势的重要性，同时，相比其他没有研发经历的高管，他们更加熟悉研发活动的流程，拥有更加专业的知识， 并且对行业技术趋势有更加深入的了解， 能够更好地把握研发活动的高收益与高风险[2]，在此基础之上，他们将更愿意进行有风险但有价值的实质性创新。 其次，相比具有金融和法律经历的高管基于财务视角评估技术研发活动， 拥有研发经历的CEO 更加关注投资于产品创新和工艺技术所带来的长期影响， 从而缓解了管理层出于短期业绩考虑而投资短视的问题。 第三，创新活动具有不可预见性、风险性和长期性，创新活动的开展需要企业承担较高的失败风险， 管理层对未知风险的偏好影响其对创新活动的积极性。 早年的研发经历为CEO 打上了较高风险承担能力和抗压能力的 “烙印”，使其具有更高的风险偏好，从而更倾向于开展创新活动。

因此，基于上述分析，本文提出：

假设1：CEO 研发经历能够显著提升企业实质性创新。

（4）园林设计软件采用完全自主知识产权的三维CAD平台，包括了三维园林景观设计、二维施工图绘制、植物数据库、三维真实感渲染、二维着色表现与图像处理五大基本模块，具有三维场地设计及分析、建筑造型、种植设计、景观设计、地形数据及植物数据分析等功能。

（二）数字金融、CEO 研发经历与企业实质性创新

数字金融是金融数字化时代影响CEO 研发经历对企业实质性创新作用的重要外部治理因素之一。一方面，数字金融具有资源效应。企业的创新活动是一个资源消耗的过程，充足的资金储备是研发的各个阶段能够顺利进行的关键，而且研发不仅要着眼于当前的技术升级，还要将资金用于下一代研发投资，中途研发资金一旦无法支撑，前期投资将无法收回，因此，CEO 进行创新战略决策会着重考虑企业的融资能力。传统金融体系对中小微企业提供金融服务存在诸多限制性门槛，从而抑制了企业的创新能力，而数字金融基于金融服务与信息技术的融合有效降低了企业融资门槛和融资成本，极大地提高了企业创新层面的融资能力[4]。 另一方面，数字金融具有信息效应。创新活动具有高度不确定性，CEO 创新决策需要掌握足够多的信息以降低决策风险。 数字金融集合了包括区块链、大数据在内的多种现代技术模式， 这些新兴技术能够低成本、高效率地进行信息的收集与处理，可以有效将创新项目相关信息传递给CEO， 从而降低CEO 创新决策风险，提高决策的合理性。此外，数字金融通过降低信息不对称性缓解逆向选择和道德风险问题，可以显著抑制CEO 投机决策，增强创新活动的积极性。

因此，综上分析，本文提出：

假设2： 数字金融能够强化CEO 研发经历对企业实质性创新的正向作用。

三、研究设计

（一）样本选择与数据来源

本文以 2008—2017 年中国全部A 股上市公司为初始样本，为使数据更具代表性，按照下列条件进行样本筛选：1. 剔除金融行业的上市公司样本；2.剔除ST 和*ST 上市公司；3.剔除资不抵债的公司样本；4.剔除部分关键数据缺失的样本。经过样本筛选后获取2,815 家公司的18,841 个观测值。 本文主要数据均来源于国泰安数据库。 为了避免极端值对研究结论的影响，本文对模型中的部分变量进行上下1%的缩尾处理。 数据处理与分析使用Stata 16 完成。

（二）变量选取与说明

1.被解释变量。发明专利作为一种重要的突破式创新，其研发难度和市场价值都要高于增量式创新，更能体现企业实质性创新水平。 因此，本文参考黎文靖和郑曼妮(2016)[5]、Lin 等(2020)[6]学者的做法，采用发明专利申请数加1 取自然对数(Inv)衡量企业实质性创新。 此外，在描述性统计中本文加入未经处理的发明专利申请数(IN)。

2.解释变量。 本文主要参考郝盼盼等（2019)[3]的研究，CEO 研发经历（PreCEO_RD）仅包括具有研发经历而非设计或生产经历的CEO， 数据主要搜集整理于国泰安上市公司人物特征数据库， 部分缺失数据手工搜集CEO 个人简历补充。当CEO 具有研发经历时，PreCEO_RD 取值为1，否则取值为0。

3.控制变量。 本文参考 Chen 等（2015)[7]、郝盼盼等（2019)[3]等学者的研究，选取以下控制变量：销售收入（Sales)、企业成长性（Growth)、企业规模（Size)、托宾Q 值（Tobinq)、资产负债率（Lev) 、资产收益率（ROA)、企业现金流（Cash)、资产密集度（Tangible)、CEO 年龄（Age)、CEO 任期（Tenure)、独立董事占比（Indep)、董事会规模 （Board)、 监事会规模 （Sup)、 企业年龄（Fage)，以及年度（Year）和行业效应（Ind)。

4.调节变量。 根据前文分析，本文的调节变量为数字金融（DIFI)。 参考万佳彧等（2020)[8]的研究， 采用北京大学数字普惠金融指数作为数字金融（DIFI）的衡量指标。

本文主要变量定义和说明见表1。

表1 变量定义和说明

（三）模型设定

为了检验本文假设，构建下列模型，同时考虑到企业实质性创新的滞后性， 将解释变量和所有控制变量滞后一期处理：

其中，i 代表企业，t 代表年份；Inv 为被解释变量，Inv 表示企业的实质性创新水平；PreCEO_RD 为解释变量，表示CEO 是否具有研发经历，有则取1，否则取0；DIFI 代表数字金融水平，Ctrls 为所有的控制变量，Year 表示年份固定效应，Ind 表示行业固定效应，ε 表示残差项。

四、实证分析与检验

（一）主要变量描述性统计

表2 列示了主要变量的描述性统计。 从表2 数据结果来看，在本文样本期间，企业平均每年申请发明专利数(IN)为42.962,5，最小值仅为0，最大值达到19,340，说明样本公司之间的实质性创新水平参差不齐，而中位数仅为4，表示上市公司整体实质性创新处于比较低的水平。CEO 研发经历(PreCEO_RD)的平均值为0.228,8，说明CEO 具有研发经历的样本企业占比仅为22.88%，表明大部分企业CEO 不具有研发经历。 以上分析一定程度上反映了本文研究具有重大的实际意义。 表2 同时报告了无研发经历CEO 和有研发经历CEO 的均值差异检验结果， 结果表明CEO 具有研发经历的企业发明专利申请数高于CEO不具有研发经历的企业， 且在1%的水平上显著，初步证明了本文的假设1。

表2 主要变量描述性统计

（二）基准模型估计结果分析

表3 列示了 CEO 研发经历对企业实质性创新影响的回归分析结果。 第（1）列是不考虑除行业和年份外的控制变量的单变量回归结果， 由结果可知，PreCEO_RD 与Invt+1的回归系数为 0.208,4，且在 1%的水平上显著，表明CEO 研发经历能够显著提升企业实质性创新。 第（2）列是加入控制变量的回归结果， 由结果可知， 调整的R2显著提升，PreCEO_RD与Invt+1的回归系数为0.210,9， 且在1%的水平上显著，进一步支持了CEO 研发经历能够显著提升企业实质性创新。

表3 CEO 研发经历与企业实质性创新

（三）数字金融的调节效应检验

数字金融是现代信息技术与金融服务的结合，根据前文分析， 数字金融可能会发挥重要的资源效应和信息效应，显著影响CEO 研发经历对企业实质性创新的提升作用。 表3 的第（3）列列示了数字金融对CEO 研发经历促进企业实质性创新的调节作用，交乘项PreCEO_RD×DIFI 的系数为0.001,4，且在1%的水平上显著， 说明数字金融能够发挥资源效应和信息效应，显著强化了CEO 研发经历对企业实质性创新的正向作用，验证了本文的假设2。

五、内生性检验

CEO 研发经历与企业实质性创新可能存在以下两方面的内生性：第一，由于本文构建的模型可能遗漏某些无法观测的重要变量，而这些遗漏变量可能会影响模型的有效性。 第二，实质性创新水平更高的企业可能更注重CEO 的研发经历， 从而产生反向因果的问题。为了缓解上述内生性问题可能对研究结论的不利影响， 本文分别采用PSM-DID、 工具变量法和Heckman 两阶段模型对本文结论进行内生性检验。

（一）PSM-DID

本文借鉴朱冰等 （2018)[9]的研究思路， 以企业CEO 研发经历的变动作为外生冲击， 将由不具有研发经历CEO 变为具有研发经历CEO 的企业作为处理组， 其对照组为始终不具有研发经历CEO 的企业，同时，考虑不同企业具有研发经历CEO 变动时间的不同，参考 Beck 等（2010)[10]、Jia[11]研究，构造下列多期双重差分（DID）模型：

其中Treati是虚拟变量， 当企业CEO 由不具有研发经历变为具有研发经历时，Treati=1， 否则Treati=0。 Posti,t表示企业具有研发经历CEO 变更年份前后的虚拟变量，变更之前各期Posti,t=0，变更当期及以后各期Posti,t=1。 其他变量 （含义同模型(1)。Treati×Posti,t的系数反映CEO 研发经历对企业实质性创新的净效应，是本文关注的重点，如果CEO 研发经历确实能够显著促进企业实质性创新， 可以预期，α1将显著为正。

为了缓解处理组与对照组之间某些特征的异质性，本文首先采用倾向得分匹配法（PSM）筛选出和处理组特征相匹配的对照组样本， 同时考虑到混合匹配只是简单地将面板数据当作截面数据处理， 可能存在严重地“时间错配”问题，因此，本文采用逐期匹配法进行匹配。基于PSM 匹配后的样本，我们对模型(3)进行回归，回归结果再次验证了本文的主要结论，即CEO 研发经历能够显著提升企业实质性创新。 限于篇幅，本文未报告上述检验结果。

（二）工具变量法

为了进一步缓解内生性问题对本文结论的影响，我们还采用了工具变量法(2SLS)进行检验。 本文选取企业注册地所在省份设立的高校数量取自然对数(Universities)作为工具变量。 高校的科研资源丰富，是培养研发人才的重要机构。 一方面，高校在办学地具有更强的知名度和认可度，企业考虑到招聘研发人才的成本，更倾向于在本地高校招聘研发人才，而高校研发人才考虑到就业优势，也更愿意在本地就业。 因此，企业注册地所在省份设立的高校数量越多，企业聘请具有研发经历CEO 的可能性也就越大，满足工具变量的相关性。 另一方面，企业实质性创新并不会受到企业注册地所在省份设立的高校数量直接影响，满足工具变量的外生性。 由第一阶段结果可知，Universities 与PreCEO_RDi,t在1%的显著性水平上正相关，与理论预期相符，且F 统计量远高于10，说明不存在弱工具变量问题。 由第二阶段结果可知，PreCEO_RD 的回归系数仍然在1%的水平上显著为正， 证明了本文结论具有稳健性。 即于篇幅，较未报告上述检验结果。

（三）其他稳健性检验

第一， 改变计量模型。 使用 Heckman Tobit 模型、负二项回归模型和固定效应模型进行回归。 第二，所有自变量进一步滞后至两期、三期。 第三，缩小样本区间。 剔除原样本2008-2010 年的数据后再次进行检验。 通过上述方法进行检验后，本文研究结论依然成立， 表明本文结论通过了稳健性检验，限于篇幅，文章未报告上述稳健性检验结果。

六、进一步研究

根据烙印理论，个体在经历了短暂的“敏感过渡期”后会发展出反映环境特征的“印记”，即使随后环境变化，这些强烈的“印记”也依然存在。 已有研究表明CEO 金融经历、从军经历、贫困经历等会促进企业金融化，而学术经历等将会抑制企业金融化。 由此可见，CEO 经历异质性对企业金融化具有显著影响。早年的研发经历使CEO 决策更加理性和专业， 不会为了获取短期超额利润而盲目金融化，从而抑制了企业将大量资金投资于金融资产。 而且早期研发经历为CEO 打上“研发烙印”，对研发活动和行业技术趋势更加了解，具备更加专业的研发知识， 能够更好地把握研发活动的高收益与高风险，对潜在的创新机会具有更高的敏感性，倾向于将有限的资源用于对企业长远价值更有利的高质量创新，从而抑制金融投资对创新活动的“挤出效应”。因此，本文引入企业金融化（Fin）作为中介变量进行检验，借鉴杜勇等（2019)[12]研究，采用企业金融资产占总资产的比重衡量企业金融化。 为了检验企业金融化中介效应， 本文采用中介效应检验逐步法，设定下列模型：

其中Fini,t为中介变量， 表示i 企业第t 年的企业金融化水平，其余变量含义同模型(1)。

表4 报告了企业金融化中介效应的检验结果。由第(2)列检验结果可知，系数 β1(-0.0076)显著为负，表明具有研发经历的CEO 更倾向于将资金用于创新投资而非金融资产， 能够抑制企业金融化水。第(3)列结果显示，系数 γ1(0.2058)和 γ2（-0.6662）均显著，γ1（0.2058）相较于 α1（0.2109）有所下降，且 γ1（0.2058）与 β1(-0.0076)×γ2（-0.6662）同号，说明企业金融化在CEO 研发经历与企业实质性创新之间具有中介效应， 即CEO 研发经历可以通过抑制企业金融化对企业实质性创新的“挤出效应”，进而促进企业实质性创新。 同时，表 4 报告了 Sobel 法和 Bootstrap 法的中介效应检验结果， 进一步证明了企业金融化在CEO 研发经历与企业实质性创新之间存在中介效应。

表4 中介效应模型检验结果

七、研究结论与启示

基于构建创新型强国的时代背景和企业实质性创新有待改善的现实需求，区别于以往关于管理层特质经济后果的研究， 本文重点关注CEO 研发经历与企业实质性创新之间的关系，以2008-2017 年中国A股上市公司面板数据为样本， 研究了CEO 研发经历对企业实质性创新行为的影响效应及其作用机理。研究发现，CEO 研发经历能够显著提升企业实质性创新，数字金融发挥外部资源效应和信息效应，强化了这种提升作用。 在控制可能存在的内生性问题后，本文研究结论依然成立。 进一步研究表明，CEO 研发经历通过抑制企业金融化对企业实质性创新的“挤出效应”，进而提升企业实质性创新。

基于本文研究结论， 我们可以得出如下启示：首先，有关部门应加强研发人才队伍建设，同时，积极推进不同地区的金融服务与信息技术的有机结合，提升数字金融的覆盖区域和应用深度，更好地发挥数字金融在推动企业实质性创新方面的积极效应。 其次，企业应当健全研发人才的培育和选拔机制，更加注重CEO 在研发方面的经历，促使企业形成浓厚的创新氛围。