不同融资路径对我国高技术产业多阶段创新的影响研究

王千红， 汪依静

(东华大学 旭日工商管理学院，上海 200051)

一、引言

我国将国民经济行业中R&D投入强度相对较高的制造业行业划分为高技术产业，包括：医药制造业，航空、航天器及设备制造业，电子及通信设备制造业，计算机及办公设备制造业，医疗仪器设备及仪器仪表制造业，信息化学品制造业等六大行业。这些行业有着较高的技术密集度，是我国自主创新能力建设的重要主体。作为创新活动的重要生产要素，研发投入对创新产出有着直接的影响作用，在部分研究中，研发投入被用以衡量一个产业或一个国家的创新水平。我国高技术产业的研发经费投入在1995年为17.85亿元，2019年投入额为3 077.76亿元①，在24年间翻了173倍，规模上有比较大的增长。与其他国家相比，我国的研发经费投入虽然在规模上处于比较领先的地位，但研发经费投入强度与发达国家还有很大的差距。

由于创新行为的复杂性，存在较多因素会影响研发投入，进一步影响创新水平的提升，融资约束是阻碍研发投入的一大影响因素。刘政等[1](P84-92)研究发现当企业拥有更多的融资渠道和更分散的融资结构时，其创新能力也相对较强。鞠晓生[2](P138-159)、杨蓉等[3](P41-51)发现银行信贷融资、股票市场权益融资在增加企业研发投入中有积极作用。解维敏等[4](P171-183)以我国上市公司2002—2006年的数据为样本，实证分析发现通过增加资金供给、降低信息成本、改进公司治理等渠道可以缓解企业的外部融资约束，从而增加研发投入。Brown等[5](P151-185)研究了美国高科技企业研发投入与融资的关系，指出股票市场权益融资有利于改善企业研发投入。张一林等[6](P65-80)认为银行信贷融资和股权融资在促进企业创新方面存在不同机制。Hsu等[7](P116-135)以1976—2006年34个发达国家和新兴市场国家为研究对象，发现股票市场的发展显著促进了创新生产率的提高。贾俊生等[8](P99-113)以2006—2010年沪深A股上市公司的数据为样本进行实证分析，指出在我国银行信贷融资比权益融资更能有效缓解企业的融资约束，从而提升专利申请量。马微等[9](P75-87)认为银行信贷融资更多地支持了风险较低的模仿创新；股票市场权益融资适合风险更高的自主创新。这些学者们的研究成果为考察融资路径和产业创新之间的关系提供了重要的参考。在衡量创新水平时，既有文献多选择研发投入或创新产出进行研究；在样本选取上，既有文献多以整个A股上市公司为研究对象，忽略了不同行业的研发投入和融资情况存在较大的异质性。鉴于此，本文以研发投入强度较高的高技术产业为研究对象，将银行信贷融资和股票市场权益融资、研发投入、创新产出纳入同一研究框架，以融资指标与研发投入指标的交互项作为解释变量，创新产出指标为被解释变量，衡量产业创新水平，分析银行信贷融资和股票市场权益融资对高技术产业创新水平的作用机制。同时，由于整个创新链包括技术成果产出和成果转化产出，两者的表现形式以及对经济社会的意义有所不同，因此在实证上区分创新的2个阶段：研发阶段与商业化阶段，分别考察银行信贷融资和股票市场权益融资对高技术产业自主创新的影响效应。

二、文献回顾与理论分析

(一)创新投入与创新水平的衡量

由于创新过程的复杂性，既有研究成果对创新投入和创新水平的关系关注较多。创新是一个需要长期积累的过程，企业当期的创新投入以前期获得的成果为基础。Hitt等[10](P767-798)、Duysters等[11](P347-356)、Baysinger等[12](P310-332)、Hall[13](P85-135)等学者认为，创新投入可以很好地说明企业的研发努力程度，并作为当期的创新绩效来衡量企业的创新水平；创新投入作为企业在开展创新活动时的生产要素，包括人力资本、资金、生产设备等，这些投入要素是取得创新成果的保障。在研究中用于衡量投入水平的指标主要包括：R&D人员数量、R&D经费支出、R&D强度等。

由于创新活动的不确定性，投入不一定带来产出，用投入水平衡量创新水平存在一定的偏差。在下述研究中采用产出来说明企业的创新水平，将资金和人力资本视为生产要素投入，作为影响创新水平的因素。在产出的指标选取上，由于整个创新阶段包含了研发产出和商业化产出，相应在研究中采用的指标包括：专利申请数[14](P160-175)、专利授权数[15](P37-53)、新产品销售收入[16](P767-792)。吴丰华等[17](P57-69)提出高技术产业在研发阶段最直接的产出是以专利形式出现的新兴科学技术，其中发明专利更能体现企业最核心、最直接的自主创新能力。本文采用发明专利申请量衡量高技术产业在研发阶段的创新水平；发明技术的最终目的是商业化实现经济价值，本文用新产品销售收入指标衡量商业化阶段的创新水平，数值越大表明高技术产业创新水平越高。研发阶段和商业化阶段的创新产出关系如图1所示。

图1 高技术产业两阶段创新产出关系

(二)高技术产业的创新与融资约束

1.高技术产业的创新特征

高技术产业是技术密集型产业，创新过程需要密集地使用知识要素，因此其对于创新的投资表现出与一般投资不一样的特征。产业组织理论认为，创新投资的特殊性在于：(1)高风险性。创新的风险来源于结果的高度不确定性，在研发阶段，企业是否能成功研制出新产品是不确定的，而且往往在新技术的研发时就面临较大的失败风险；而当新产品被成功研制出来时，其是否能被市场接受也是不确定的。(2)长周期性。创新过程的复杂性导致项目往往具有较长的周期，投资很难在短期内获得回报。(3)高调整成本。整个创新过程需要企业资源的持续投入，除了物质资源，创新还需要知识要素的长期积累，这意味着企业需要大量的人力资本投入，短暂的投入中断即可能导致技术的落后甚至创新的失败。(4)正外部性。创新的成果在短期内可能受到政策保护，从而为企业带来垄断利润，但从长期来看，市场将共享企业的创新成果，导致投资—收益大打折扣。

此外，创新企业与外部投资者之间往往会存在信息不对称问题。一方面，新技术或新产品在短期内出于保密性要求为创新企业独有，企业在这段时期会收获创新成果带来的垄断利润；另一方面，创新产品的核心技术属于无形资产，若在研发阶段被竞争对手或其他外部渠道共享，其正外部性特征会使得研发企业失去垄断地位，收益大打折扣。基于上述考虑，创新企业在进行外部融资时将选择不透露过多的创新信息给投资者，由此在企业和投资者之间产生信息不对称的问题可能导致资金无法流向更具创新性和生产性的项目，直接影响项目的开展。

2.融资约束与创新投入

创新投资的高风险性、长周期性、高调整成本和正外部性，以及存在的信息不对称问题使得创新投资的外部融资成本要高于一般投资，造成创新企业面临融资约束问题。在经验检验中，学者们普遍认为融资约束显著抑制了企业的研发投入，缓解融资约束有助于提升企业的研发投入强度。

在外部融资中，债权融资是我国高技术产业最主要的融资来源，主要包括银行信贷融资等。当企业的创新获得成功时，相较于股东，债权人没有对投资收益的剩余索取权，只有事先约定的固定收益；而如果企业创新失败，甚至进入破产清算，债权人只能得到有限补偿，还可能承担一定的损失。因此，企业能否按时还款是债权人投资考虑的首要因素。由于利益不共享，以及为了缓解信息不对称问题，债权融资的约束性更强，具体表现在：第一，在提供贷款前，债权人与企业会约定资金用途、还款期限、监督机制和违约条款等。上述约定限制了企业对资金的使用范围，同时由于创新投资的期限较长，短期内难有收益，企业出于按期还本付息的压力可能不会选择贷款。第二，给予贷款后，债权人会对项目进行严格监管，若企业没有按照约定使用资金，可能面临违约处罚。第三，为了降低风险，债权人会要求企业提供价值高于融资金额的有形资产进行抵押担保，而创新所产出的一般为无形的知识产权，难以像有形资产一样抵押出去，债权人因此也不会给予融资。

对于股权融资，得到的资金一般稳定持续地留存在企业，而且没有固定支付利息和到期偿还的压力，对资金用途的限制和抵押品也没有要求，适合创新投资长期稳定资金来源的需求，也符合创新企业有形资产少的特征。但股东与企业经营管理者间存在代理成本，股东的行为模式和财务决策会影响公司的创新活动。张瑞君等[18](P63-73)的研究发现当大股东和企业的利益一致时，大股东会促进创新；而当两者的利益相悖时，大股东就会阻碍创新。可见，当投资者不能很好地判别创新项目的价值时，可能导致资金无法流向更具创新性与生产性的项目，导致优质项目融资受限，影响创新项目的开展，进一步影响创新水平的提升。

(三)不同融资路径对创新投入的作用机制

金融体系的价值发现、资金配置、风险分散等功能对企业创新具有重要的作用，龚强等[19](P4-16)、邵宜航等[20](P29-39)、King等[21](P513-542)、Levine[22](P688-726)[23](P398-428)等的研究在理论和实证上给予了支持。作为主要的外部融资来源，银行信贷融资和股票市场权益融资在创新活动中发挥的作用存在差异。

1.银行信贷融资影响创新的机制

银行在创新活动的“事前筛选”“事中支持”和“事后监管”过程中发挥不同的功能影响资源配置效率，从而影响研发资金的可得性，最终影响企业的自主创新能力。在项目前期，相较于单个投资者较高的信息获取成本，银行利用规模经济效应进行信息的搜集、整理、筛选并传递，以掌握项目及企业信息，评估创新项目的好坏和企业还款能力的大小，决定是否为企业提供资金支持。在确定投资项目后，银行以信贷投放的形式为企业提供融资。随着创新项目的开展，银行以更新和扩展贷款的形式为企业提供分阶段融资，进而更有效地为具有发展潜力的创新项目提供长期的资金来源。为应对道德风险问题，一方面，银行在提供贷款前会与企业规定信贷资金的用途，订立违约条款并定期监督；另一方面，银行一般会要求企业提供有形资产进行抵押担保，当企业无法按期还款出现违约行为时，银行就对抵押品实行清算。

2.股票市场权益融资影响创新的机制

针对创新活动的信息不对称和高风险问题，股票市场权益融资可以起到较好的价值发现和分散风险的作用。第一，高效率的股票市场权益融资能对资产提供及时合理的定价，投资者能从这一价格信号中提取相关信息，从而降低企业与投资者之间的信息不对称，引导资金流向更具生产性的项目；第二，不同风险—收益偏好的投资者在股票市场上进行投资，按持股比例分享创新项目潜在的高额收益，投资者们有激励入股分担企业创新的不确定性。

银行信贷融资和股票市场权益融资支持企业创新的作用机制如图2所示。

图2 金融支持创新的作用机制

3.融资路径对不同阶段创新投入的影响

企业的创新需要经历研究开发、成果转化、市场扩散等一系列过程，根据成果产出形式的不同，本文将创新过程划分为研发阶段和商业化阶段(如图3所示)。对于一项创新项目而言，当其创新活动处于不同阶段时，其所要达成的创新目标存在一定的差异，因而其阶段性融资所面临的风险也存在一定的差异。那么，不同的融资方式因其对于风险容忍程度存在差异，就会形成其对于企业创新的各阶段的影响作用也有不同。

图3 创新阶段的划分

在研发阶段，企业创新的主要目标是为了发现新的科学知识以及确定这些知识在应用上的可能性，成果主要表现为知识性产出，如专利、专著、论文等。这一阶段研发失败的可能性很高，而且距离市场化还有很长的距离，基本无法产生经济效益。面对研发阶段较高的投资风险，银行出于稳健经营的原则很少为此类项目提供信贷融资。为拓展高技术产业企业的融资渠道，优化融资结构，我国积极发展多层次资本市场，如创业板和科创板，降低企业上市的规模、盈利能力等要求，通过信息披露等机制引导投资者投资于业绩不突出，但具备较高成长性的高技术产业企业或创新项目。据此，本文提出以下假设：

H1a：在研发阶段，我国银行信贷融资对高技术产业企业的创新投入没有显著影响，没有进一步提升创新产出水平。

H1b：在研发阶段，我国股票市场权益融资显著促进了高技术产业企业的创新投入，进一步提升创新产出水平。

商业化阶段已实现了技术的应用，企业研发出新产品并大规模生产投入市场，成果主要表现为新产品为企业带来的盈利，如新产品销售收入、新产品销售数量等。当一款新兴产品投入市场时，可能因其制造技术、市场开拓等优势获得超额利润，企业与投资者在此时可以获得较高的回报。然而由于市场需求和竞争环境的不断变化，前期研发出的先进技术可能已不适应当前的市场环境，新产品能否被市场接受、进入市场后可以带来多大的收益都是不确定的，此时的商业化风险较高。相较于研发阶段，这一阶段的新产品向市场提供了更多的信息，我国为促进银行与科技的融合，采取了如知识产权质押、存货抵押贷款等措施，降低银行的投资风险。在将新技术应用于新产品，再实现市场化的过程中，面临较长的周期。高志[24](P118-128)指出由于存在“短视效应”，我国股票市场对更长开发周期的创新活动容忍度有限，使得其难以有效发挥融资支持与风险分散功能。据此，本文提出以下假设：

H2a：在商业化阶段，我国银行信贷融资显著促进了高技术产业企业的创新投入，进一步提升创新产出水平。

H2b：在商业化阶段，我国股票市场权益融资对高技术产业企业的创新投入没有显著影响，没有进一步提升创新产出水平。

根据上述分析可知，银行信贷融资和股票市场权益融资对创新活动的影响通过发挥价值发现、资金配置、风险管理等功能实现。具体来说，银行信贷融资通过对项目的“事前信息筛选”“事中资金支持”和“事后监督管理”来应对信息不对称和道德风险问题，并集中储蓄为企业提供融资，支持其研发投入。股票市场则通过价格信号和汇集不同风险偏好的投资者来降低信息成本和分散风险，有效配置资金。相应的，两者对于具备不同风险特征的创新研发阶段和商业化阶段的适用性也存在差异。

降低信息成本需要银行具备规模优势，配置资金和分散风险则要求银行有一定的储蓄，股票市场要有足够的投资者与流通资金，即具备一定的规模是银行信贷融资和股票市场权益融资发挥上述功能的前提。因此，在实证检验部分，本文采用金融规模来衡量两者对创新的支持。

三、实证分析

(一)计量模型设定

在建立计量模型考察银行信贷融资和股票市场权益融资对创新的影响时，本文在投入—产出模型中加入金融指标与创新投入指标的交互项作为核心解释变量。此外，企业创新投入无法立即转化为创新产出，存在一定的时滞，因此，本文将解释变量滞后一期，建立模型为

Yik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3lnpik,t-1Fink,t-1+∑β·Z+μik+

ηt+εi,t。

(1)

模型(1)中，各变量下标中的i，k，t分别表示行业、地区和年份。被解释变量Yik,t是用来测度各省份行业的创新产出的代理变量，分为研发阶段产出和商业化阶段产出，分别表示k省份的行业i在第t年的发明专利申请量和新产品销售收入。核心解释变量lnpik,t-1Fink,t-1为创新投入与金融指标的交互项。ln Fundik,t-1和ln Capacityik,t-1分别表示k省份i行业在t-1年的研发经费投入和研发人力投入。Z为控制变量集，表示其他可能影响行业创新水平的因素，同样将控制变量滞后一期。μik表示行业的虚拟变量，用来控制行业自身的差异因素(如技术水平、成长空间等因素)对创新能力的影响；ηt表示年份虚拟变量；εi,t为随机扰动项。

(二)变量选择与数据来源

以制造业中的六大高技术产业为研究对象，选取31个省市2009—2019年高技术产业数据作为计量检验的基础。其中，创新投入与产出指标的数据来源于《中国高技术产业统计年鉴》，银行信贷融资和股票市场权益融资指标的数据来源于《中国金融统计年鉴》，其余指标数据来源于《中国统计年鉴》。具体的变量说明见表1。

表1 主要变量说明

1.被解释变量和解释变量

被解释变量包括发明专利申请量和新产品销售收入。解释变量中的金融因素分别采用金融机构人民币贷款余额与GDP的比值、股市市值与GDP的比值衡量。

2.控制变量

模型中的控制变量为其他可能影响行业研发创新水平的因素，参考戴魁早等[25](P4-16)、康淑娟[26](P7-12)、张杰等[27](P43-57)、庄毓敏等[28](P11-30)的做法，选取样本行业在不同年份的平均总资产和竞争水平来控制行业自身差异对创新活动的影响效应；选取样本行业在不同年份的政府补贴总额与行业R&D总支出的比值来控制政府扶持政策差异对创新活动的影响效应；选取样本行业出口额和销售收入比值，以控制我国对外开放及出口行为对创新活动的影响；选取各省市经济发展水平、工业化程度和外商投资水平，以控制地区发展差异对行业创新的影响。

(三)变量的描述性统计与相关性分析

各变量的描述性统计特征见表2，绝对值变量为取对数之后的结果，采用比重计算的变量则为比值结果。由表2可以看到，ln Patent的最小值为0，说明在各地区高技术产业申请专利的年份中，最少的申请量为1件。有些年份也存在专利申请量为0件的情况，在数据处理过程中将这些年份的数据加上1再进行计算。ln Patent的最大值为10.48，为广东的电子及通信设备制造业在2019年申请发明专利65 932件。ln Capacity、CreditCapacity和StockCapacity的最小值为负数，这是由于2015年青海的信息化学品制造业的R&D人员折合当时全量只有0.7人年，数据取对数后出现负值。StockFund和StockCapacity的标准差较大，说明股市市场在各地区间的支持程度存在较大的差异。

表2 变量的描述性统计特征(观测值为781)

图4至图7为被解释变量和核心解释变量的散点图统计情况。可以比较直观地看到，解释变量CreditFund和CreditCapacity与两个阶段的创新水平指标都呈现出正向相关的关系，解释变量StockFund和StockCapacity与两个阶段创新水平指标间的关系未能从散点图中有较清晰的观察，对变量间进行相关系数分析，结果见表3。

图4 被解释变量与核心解释变量(CreditFund)的散点图分析

图5 被解释变量与核心解释变量(StockFund)的散点图分析

图6 被解释变量与核心解释变量(CreditCapacity)的散点图分析

图7 被解释变量与核心解释变量(StockCapacity)的散点图分析

表3 被解释变量与核心解释变量的相关系数分析

表3的结果显示，解释变量CreditFund和CreditCapacity与研发阶段的创新水平指标ln Patent以及商业化阶段的创新水平指标ln NewR的相关系数均大于0.4，且在1%的显著性水平下通过了双尾检验，表明解释变量和被解释变量间的相关性较强。解释变量StockFund和StockCapacity与创新水平指标ln Patent和ln NewR间的相关系数低于0.3，通过了1%显著性水平的检验，表明尽管两者相关度较弱但相关性关系仍然显著。

(四)计量方法选择

使用短面板数据，在面板数据模型的选择上有随机效应模型和固定效应模型，两类模型的差异在于对个体效应(μi)与解释变量(xit，zi)是否相关的假设不同。使用不适合的模型估计同一组数据会得到有偏差的估计量，因此，为了使分析结果更具可信性，在进行回归前有必要对面板数据进行检验，以选择合适的检验模型。采用Hausman检验来选择使用固定效应还是随机效应模型。Hausman检验的原假设是个体效应与所有的解释变量均不相关，即随机效应模型为正确模型；如果拒绝原假设，则采用固定效应模型。由于传统的Hausman检验在数据存在异方差的情况下有失效的风险，因此有必要先对数据进行异方差检验。

1.异方差检验

采用Wald检验方法得到表4的结果。从表4可以看到，各方程的数据都存在异方差的问题，因此需要采用其他方法对模型进行检验。

表4 异方差检验结果

2.稳健Hausman检验

由于数据存在异方差，本文采用稳健Hausman检验，结果见表5，可以看到所有方程的检验结果都拒绝原假设，即选择固定效应模型。

表5 Hausman检验结果

面板数据固定效应模型又分为个体固定效应模型、时间固定效应模型、个体与时间双向固定效应模型。在个体固定效应模型中，只要个体特征与解释变量相关，即使存在不随时间改变的遗漏变量也可以得到无偏一致的估计。该模型的缺陷在于没有对不同时期、不同地区的残差相关性进行考虑，从而导致估计结果出现偏误，并且这种偏误会在时间效应的影响下逐渐增大。同样，时间固定效应模型无法估计不随个体变化的变量带来的影响。因此，为了避免模型选择偏误，本文采用兼具个体固定效应和时间固定效应的双向固定效应模型对我国高技术产业创新水平与金融支持的关系进行实证研究；同时，为应对异方差问题，模型估计采用聚类标准误的做法。

(五)实证结果分析

1.基于专利申请量的检验

首先就创新研发阶段进行分析，在研发阶段，企业的创新主要是知识性的产出，表现为专利的增加。本部分用发明专利申请数来衡量企业创新水平，根据模型(1)，代入研发阶段的金融指标与创新投入指标，建立模型(2)至模型(5)。核心解释变量为银行信贷融资、股票市场权益融资与创新投入指标(研发经费投入、研发人力投入)的交互项。解释变量与控制变量均滞后一期。

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(2)

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(3)

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(4)

ln Patentik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(5)

模型(2)至模型(5)的估计结果见表6。列(2)和列(4)的回归结果显示，交互项CreditFund、CreditCapacity的回归系数均在1%的显著性水平上显著为正，这表明无论是对研发经费投入还是研发人力投入，我国各省份地区银行信贷融资对高技术产业的发明专利活动产生了显著的正向影响。在那些银行信贷融资规模越大的省份地区，行业的发明专利申请量越多，说明信贷市场发展对研发阶段的创新产生了促进效应。虽然不少理论研究都主张银行信贷融资在支持高风险自主创新活动中的天然劣势，但林毅夫等[29](P4-17)的研究表明，银行信贷融资和股票市场权益融资何种金融服务更有利于技术创新和产业发展取决于经济体的发展阶段。龚强等[30](P4-16)认为我国当前的产业结构更匹配以银行为主导的金融结构，对于风险更高的创新产业，股票市场对其支持作用需要以良好的市场环境为前提。由于股票市场制度的不完善，银行将更有利于产业发展。

表6 金融对创新研发阶段的影响效应

列(3)和列(5)的回归结果显示，交互项StockFund的回归系数不显著，交互项StockCapacity的回归系数在10%的显著性水平上显著为正，说明我国股票市场权益融资对研发阶段创新的促进效应主要通过增加研发人力投入产生，对研发经费的影响并不明显。在已有研究的理论分析中，股票市场更适合高风险创新活动的前提为市场是有效的。由于投资者在股票市场上难以像银行通过抵押、清算等措施约束企业的道德风险，因此需要完善的市场制度保障自己的权益。但我国的股票市场发展尚未达到技术发达国家的水平，贾俊生等[8](P99-113)以资本市场融资规模衡量资本市场可得，实证结果证明资本市场未对企业创新有显著的影响作用，进一步得出结论：由于当前我国股票市场尚不成熟，其融资功能不完善，没有通过影响研发经费投入支持企业创新。另一方面，段海艳[31](P32-37)、姜英兵等[32](P42-54)认为股票市场对研发人力具有影响效应：一是融资规模的扩大可以增加研发人力的投入规模；二是通过对核心技术员工的股权激励等措施可以促进人力资本价值的发挥效率，从而提升创新产出的水平。

2.基于新产品销售收入的检验

在商业化阶段，企业完成了产品的研发与试生产，进入规模生产与市场销售阶段，这一阶段的创新产出水平表现为企业的新产品销售收入。因此，本部分采用新产品销售收入指标来衡量企业在商业化阶段的创新水平。根据模型(1)，代入商业化阶段的金融指标与创新投入指标，建立模型(6)至模型(9)，核心解释变量为银行信贷融资、股票市场权益融资和创新投入指标(研发经费投入、研发人力投入)的交互项。

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(6)

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockFundk,t-1+∑β·Z+μik+

ηt+εi,t。

(7)

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3CreditCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(8)

ln NewRik,t=β0+β1ln Fundik,t-1+β2ln Capacityik,t-1+

β3StockCapacityk,t-1+∑β·Z+

μik+ηt+εi,t。

(9)

模型(6)至模型(9)的估计结果见表7。列(6)和列(9)的回归结果显示，交互项CreditFund和CreditCapacity的回归系数均在10%的显著性水平上显著为正，这表明无论是对研发经费投入还是研发人力投入，我国各省市银行信贷融资对高技术产业的新产品销售产生了显著的正向影响，在那些银行信贷融资规模越大的省市，行业的新产品销售收入越高，说明信贷市场发展对商业化阶段的创新产生了促进效应。

表7 金融对创新商业化阶段的影响效应

列(7)和列(9)的回归结果显示，StockFund和StockCapacity的回归系数均不显著，表明我国各省市股票市场权益融资的发展并未通过影响创新投入对高技术产业的新产品销售收入产生显著的影响，说明我国股票市场权益融资未对商业化阶段的创新产生支持效应。对此，有学者得出了相同的结论。高志[24](P118-128)指出由于我国股票市场对长期投资的容忍度不高，股票市场未能通过完善的融资与风险分散功能为具有更长周期的商业化阶段创新提供支持；同时，由于我国股票市场机构投资者平均持股比例低、周期短，未能很好地发挥外部治理功能，难以抑制上市公司管理者的“平静生活偏好”。上述两方面原因导致股票市场未能有效激励企业将技术转化为生产力。

四、研究结论

首先在理论上讨论了银行信贷融资和股票市场权益融资对产业自主创新能力的不同作用。针对创新项目投资所存在的信息不对称和不确定性风险问题，这两类融资路径通过不同的作用机制有助于缓解创新项目融资约束，通过改善创新研发投入，最终影响创新水平的提升。其次，分析研发经费来源可知，产业中企业创新经费主要由内部积累，外部资金支持非常有限，这使得很多中小企业以及内部资金不足的企业受限于融资不足问题。在实证分析部分，建立创新研发阶段和商业化阶段静态面板模型，检验了银行信贷融资和股票市场权益融资对高技术产业自主创新能力的影响，研究结论如下。

第一，在不同的创新阶段，银行信贷融资和股票市场权益融资发挥的创新支持作用存在差异。具体来说，在创新研发阶段，银行信贷融资和股票市场权益融资都对研发投入产生了正向的影响作用，从而促进了创新产出的增加；在商业化阶段，银行信贷融资依然显著促进了创新产出，但股票市场权益融资的作用不显著，这说明我国金融支持高技术产业主要在基础研究阶段，对商业化阶段的支持不足。

第二，不同市场主体对高技术产业自主创新能力的影响存在差异。具体来说，银行信贷融资可以显著促进研发经费和研发人力投入，从而促进创新水平的提升；股票市场权益融资在创新研发阶段对人力投入有促进作用，但对研发经费投入和商业化阶段的经费、人力投入没有发挥作用。这说明我国对高技术产业的金融支持以银行信贷融资为主，股票市场权益融资发挥的作用较小。

本研究进一步论证了我国当前加快金融改革的必要性，为提升高技术产业自主创新的能力，一方面，由于创新项目的最终目标是实现经济价值，因此在关注企业创新初期的融资需求的同时，更要关注商业化阶段的需求情况；另一方面，需要进一步扩大金融机构服务规模，发展多层次的资本市场，使其更符合高技术企业的创新特征，丰富企业融资模式。

注 释：

①研发经费投入的数据来源于EPS数据库—中国高技术产业数据库(年度数据)-R&D经费内部支出。由于1995年的数据统计口径为大中型高技术产业企业，为保持一致，2019年的研发经费投入数据同样使用大中型高技术产业企业R&D经费内部支出指标。