金融错配、高管团队学历特征与企业专利质量

李文启，庞文斌

（河南工业大学经济贸易学院，河南 郑州 450001）

创新是生产力发展的重要力量，企业增强自身的创新能力不仅能够提升发展水平、获得经济效益，也提升了我国总体的科技水平。而在保证企业专利质量的同时提升企业专利研发能力，是企业发展以及国家建设知识产权强国的一项重要任务[1]。作为创新的主体，企业既是专利的研发者，也是专利的受益者。高质量的专利能够为企业带来丰厚的市场收益，提高企业的绩效水平，提升企业的市场价值[2]。质量越高的专利对企业的正向作用越明显。金融发展能够促进经济平稳增长。健全的金融系统能够为投资者及时提供市场信息，不仅能够使企业获得融资，同时也能降低市场风险，促进国家储蓄流动[3]。金融市场的发展，尤其是股票市场的发展，能够提高企业的科技创新能力，通过优化企业融资机制提升企业专利研发速度和质量[4]。

1 文献综述

金融错配源于资源配置效率理论，指资金作为一项紧缺的“资源”，在配置过程中并没有达到帕累托最优[5]。在我国金融市场的长期发展中，金融错配一直是我国经济发展中一个难以回避的问题。金融错配使得企业从事科研活动时缺少资金支持，严重影响了企业从事科技研发的积极性[6]。同时，有学者认为，金融错配现象的出现与政府行为、国有企业与国有银行的相互关联有关。一方面，受到新冠肺炎疫情背景下全球经济增速放缓与我国经济结构转型升级的双重影响，我国目前对金融市场运行制度的规定还不够完善，金融资源大部分仍由政府控制，即金融市场的运行仍会受到政府不合理的行政干预[7-8]。另一方面，银行作为企业外部资金的重要来源，银行放贷对企业创新十分重要。而国有企业与国有银行之间存在着密切的联系[9]，政府控制金融资源的分配权与定价权并且通过行政干预的手段将更多资源通过国有银行分配给国有企业。国有企业因为资金和规模优势能够轻松从银行获得贷款[10]。根据财科院统计结果，民营企业存在“短贷长投”的现象，2019年，非国有企业平均融资规模为2 695万元，而国有企业平均融资规模达到了9 738万元，是非国有企业的3.6倍。占有大量资金资源的国有企业虽然不断得到国家支持，但科研创新效率提升缓慢；非国有企业具有较高的科技研发水平，却只能因为外部效应与信息不对称的影响受到融资约束和贷款限制[11-12]。为了获得企业运营、科技研发所需要的金融资源，非国有企业甚至通过利率更高的借贷方式或者一些非正规的投融资渠道如民间借贷等来获取资金。非国有企业通常以短期贷款为主。2019年统计结果显示，国有企业与非国有企业的信用利差在150～200BP之间，非国有企业仍处在融资困难的环境中。资金获取难度的增加无形中加大了企业科技创新的成本，企业专利研发收益降低，最终使得企业专利研发进程放缓，专利质量得不到提升。企业的最终目的是为了盈利，投资专利研发是为了获得长期收益，一旦得不到资金支持，企业就更愿意选择能够在短期内带来收益的活动（寻租活动），从而“挤出”专利研发的资金[13-15]。同时，国有企业可以利用自身充足的资金以及规模优势抢先占领市场，在占据市场份额之后进一步获得资金支持，如此循环，最终挤压非国有企业的生存空间，降低其科技创新能力[16]。

对于企业自身来说，企业高管团队的特征也是影响企业绩效的一个重要因素。高管异质性理论认为，企业团队成员之间及企业与企业之间存在着人口背景、认知观念、技能水平等的差异性。对高管异质性的研究源于人力资本理论，人力资本理论认为，不同劳动力因为背景不同，其劳动生产率存在不同，对企业的贡献也就不同。因此，提升企业科技创新能力的重点就在于提高相关人员的素质[17]。高管对企业活动的影响会因企业种类的不同而不同，但对于大部分企业来说，高管内部平均学历越高，企业的经济效益越高[18]。高管学历水平的异质性能够帮助企业在复杂的市场环境中做出正确的决策，并且企业效益与策略的复杂性呈现“U”形关系[19]。Hambrick等基于高层梯队理论认为，高管的市场认知能力和应对风险的能力可能受其学历水平的影响，而企业的经营生产活动则受到管理者个人价值观的影响[20-21]，进而影响企业的科技创新和企业专利质量。此外，高学历的高级管理人员具备更高的社会关系层次以及更强的获取信息、分析信息的能力，能够在市场上获得更多的科技研发信息，促进企业专利研发与专利质量升级。

梳理之前学者的研究发现，大多学者的研究都仅偏向于金融错配对企业创新能力的影响，或者高管团队特征对企业专利质量的影响，很少有学者将二者结合起来研究金融错配、高管团队特征共同对企业专利质量的影响。由于目前市场所存在的金融错配现象，企业面临融资约束问题进而无法将紧缺的金融资源分配到专利质量升级中，而企业高管的高学历水平能够促进企业专利质量的提升。本文的创新点如下：第一，针对目前上市公司所存在的金融错配现象，系统性地总结了金融错配对企业创新、企业专利研发的影响。第二，在分析金融错配对企业专利质量影响的基础上，创新性地加入了企业高管学历水平这一中间变量，分析了金融错配、企业高管异质性与企业专利质量之间的关系，实证研究了企业高管学历水平异质性作为中介变量如何对金融错配与企业专利质量之间的关系进行调节。

2 研究假设

本文以企业高管团队的学历水平作为中介变量，创新性地研究这一变量如何调节金融错配与企业专利质量之间的关系。首先，判断金融资源错配对企业专利质量产生的影响；其次，加入中介变量——高管学历水平，研究金融错配对企业高管学历水平的影响；最后，研究加入企业高管学历水平这一变量后，金融错配对企业专利质量的影响是否发生变化。

2.1 金融错配对企业专利质量的影响

金融错配是我国金融市场目前普遍存在的一种现象，其对我国经济运行一直有着很大影响[11]。金融错配，即金融资源不能得到有效合理的配置。就微观主体来讲，金融错配使得企业不能及时获得资金支持，从而错失生产、投资机遇。金融错配对企业专利研发活动的影响主要体现在两个方面。一方面，金融错配直接作用于企业专利研发与升级，通过限制企业所获得的资金支持，增加企业投融资成本从而抑制企业专利质量升级。在以商业银行贷款为主的融资环境下，为了防止中小企业贷款过程中因为遇到经营风险还不上贷款等问题，银行就会更倾向于将资金配置给国有企业或者大型企业。这导致在获取金融资源时，企业之间存在着巨大差异[22]。为了获得足够的金融资源，民营企业不得不增加自身获取金融资源的成本，相应地企业可用于专利研发与升级的资金就会减少，最终使得企业专利研发能力下降，企业专利质量提升进程放缓。另一方面，金融错配间接作用于企业专利创新。当企业遇到金融错配时，其面临着资金短缺、融资成本过高的问题，使企业陷入资金流动性差的困境。由于“挤出效应”的存在，企业就会将仅有的资金投资于能够短期获利的生产项目以保障资金流转[23]，从而放弃专利研发与专利质量升级，抑制了企业专利质量的提升。基于上述分析，本文提出第一个假设。

假设1：金融错配对企业专利质量具有负向影响。

2.2 金融错配对高管团队整体学历水平的影响

金融错配一定程度上影响了企业的发展，由于缺少充足的资金支持，企业的规模减小、利润率降低。根据Weizman所提出的利润分享理论，当企业员工根据自身工作绩效分享公司利润时，能够有效缓解劳资矛盾，提高企业员工的参与度，改善员工与公司之间的劳资关系[24]。在现代企业中，员工分享公司利润的方式，就是获得更高的薪水。企业在招聘高学历的高管时需要支付更高的薪水，从而提升员工对公司的忠诚度，提高员工黏性[25]。而公司盈利前期一般需要外部融资的支持，金融错配使得企业获得外部融资的机会减少，从而降低企业盈利能力。盈利的减少使得企业招聘新的高学历高管的欲望下降，企业整体人员流动性下降，进一步影响企业绩效[26]。企业缺少新高管的进入，一些学历相对较低、相对比较保守的公司高管可能更倾向于将贷款及盈利所得资金投入到能够短期获利的部门，忽视对企业的长期投资，从而降低对提升企业专利质量的投资。综上所述，高学历的企业高管能够以更加长远的眼光看待公司专利质量升级，鼓励公司创新，注重提升公司专利质量；同时由于金融错配，企业缺少可用来进行人力资源调整的资金，可能会对企业高管的调整及高管整体学历水平的提升具有负向影响。基于上述分析，本文提出第二个假设。

假设2：金融错配对企业高管整体学历水平提升具有负向影响。

2.3 金融错配、高管团队学历特征对企业专利质量的影响

金融错配往往首先影响到中小企业，而中小企业的发展战略多依赖于高管团队的整体能力。金融错配使得企业高管团队不得不把精力更多投放到寻找资金和企业运营方面，从而降低了对企业创新能力的支持力度，不利于企业资源有效分配。专利研发与质量升级对企业而言属于长期影响，从长远来看，金融错配降低了创新对企业绩效的积极影响[27]。

学历水平能够从侧面反映企业高管对企业管理的认知能力、对外部世界环境变化的分析能力和处理能力以及面对随机风险时的应变能力，这些能力都与企业高管的学历水平呈正相关。一部分学者认为，企业中高管的学历越高，其越具备应对风险的能力，越会鼓励企业进行专利研发与专利质量升级，越容易带领企业进行改革创新[19,28-29]；也有一部分学者认为，拥有高学历高管的企业在决策时能够更加全面地分析企业所处的市场环境，具有更强的环境适应力[16-17]。一方面，高学历的企业高管能够更加敏锐地察觉到金融市场的变动，比起缺少理论知识与经验的普通高管能够更快地对金融错配做出反应，在企业面临金融错配风险之前提出应对措施。另一方面，高学历高管的加入也会促进企业利润率的增加，企业有了更多的资金就可以加大对专利研发的支持力度，降低提升专利质量所需的融资成本。基于上述分析，本文提出第三个假设。

假设3：企业高管学历水平对企业专利质量具有正向影响，并且随着高学历高管的加入，金融错配对企业专利质量的负向影响得到抑制。

3 研究设计

3.1 模型与方法

本文通过使用两阶段最小二乘法（2sls）以及两步系统GMM模型对所提出的3个假设进行验证。参照之前众多学者对数据回归的处理方法，建立如式（1）所示的回归估计模型。为了消除异方差的影响，计算之前对所有变量作取对数处理。

其中：i为上市公司；t为年份；yi，t为第i个上市公司第t年的专利质量；t-1是考虑到企业的专利创造为一个动态过程，本期的专利质量可能会对后期产出造成影响，因此选择滞后一期的yi，t-1作为解释变量；λi表示误差项；c为截距；αi为变量系数；xi为自变量与控制变量。

为了验证企业高管异质性如何通过中介效应在金融错配对企业专利质量的影响中发挥作用，本文在式（1）的基础上，运用中介效应模型，分析高管团队学历水平的作用机制。其具体步骤为：第一步，研究金融错配对企业专利质量的影响；第二步，研究金融错配对企业高管团队学历水平的影响；第三步，研究金融错配、企业高管团队学历水平共同作用对企业专利质量的影响。具体如式（2）—（4）所示。

式（2）是以FM为自变量、其余为控制变量对PA-Q所做的回归分析。其中：PA-Q为企业专利质量；FM为金融错配指数；Profit为企业利润率；Age为企业年龄（从企业股票上市日期开始计算）；Size为企业规模；Develop为企业发展水平；λi表示误差项；c为截距。

式（3）是以FM为自变量、其余为控制变量对Education所做的回归分析。其中，Education为上市公司高管学历水平，其余变量解释同上。

在分析完金融错配对企业专利质量的影响以及金融错配对企业高管学历水平的影响之后，将高管学历水平作为中介变量并考虑其对金融错配与企业专利质量关系的影响。具体如式（4）所示。

式（4）是以FM、Education为自变量，其余为控制变量对PA-Q所做的回归分析,变量解释同上。

3.2 变量选择与定义

3.2.1 被解释变量。本文被解释变量为企业专利质量（PA-Q）。参考之前学者研究专利质量的方式，采用企业专利知识宽度指标衡量企业专利质量[30]。具体如式（5）所示：

其中：α表示专利分类号中各专利大组分类所占比重。

3.2.2 解释变量。考虑到中介效应的传导作用，本文解释变量的选择分为两个方面：首先，参考之前学者对金融错配的处理方式，通过衡量企业负债、利息支出与所在行业平均利率水平之间的偏离来定义企业金融错配程度[31]，将金融错配指数（FM）作为自变量。其次，在引入高管团队学历水平这一中介变量后，将高管学历水平（Education）也作为自变量进行研究。衡量高管团队学历水平主要通过爬取所研究公司数据中的高管学历水平，将大专及以下赋值为1，本科赋值为2，硕士研究生赋值为3，博士研究生及以上赋值为4，赋值越高表明高管学历水平越高。

3.2.3 控制变量。参考之前学者研究金融错配与企业专利质量关系所使用的方法[32]，控制变量主要包括企业利润率（Profit）、企业年龄（Age）、企业规模（Size）、企业发展水平（Develop）。

各变量定义如表1所示。

表1 变量定义

3.3 样本选择与数据来源

本文选择2003—2020年A股市场上市公司的面板数据进行研究，并按之前学者处理上市公司数据的原则进行筛选：首先，剔除金融类与ST、PT公司；其次，剔除样本数据中存在过多缺失值或者数据不全的公司[13]；再次，为减少样本数据中连续变量的极端值的影响，对连续变量进行1%的缩尾处理；最终获得297家上市公司的5 049个观测值。本文模型中所使用的上市公司的专利数据、高管特征、财务数据等均来源于CSMAR（国泰安数据库），专利质量、金融错配指数由手动计算整理得到，统计分析工具为Eviews 8.0与Stata 16.0统计软件。

4 实证分析结果

4.1 描述性统计

变量描述性统计结果如表2所示。根据表中数据可知：专利质量指数（PA-Q）的最大值为0.886，标准差为0.273；高管学历水平（Education）的平均值为3.233；金融错配指数（FM）的平均值为0.571，其中最大值为66.815，最小值为0.001，说明公司之间可能存在金融错配差异较大的现象。在其他控制变量中：企业年龄（Age）平均在23年左右；企业利润率（Profit）与企业发展能力（Develop）之间也存在个体差异较大的现象。

表2 变量描述性统计

4.2 实证分析结果

在进行回归操作之前，还需要选择数据处理方式。由于本文的研究前提为假定研究结果的方向与效应大小基本相同，即各独立研究结果趋于一致，因此，只研究各变量在本文特定范围内的交互作用。根据回归结果选择固定效应模型进行研究。

4.2.1 基础回归。通过二阶段最小二乘法（2sls）对表3中的模型一进行估计。在只考虑金融错配对企业专利质量影响的情况下，金融错配对专利质量存在负向影响，且在10%的水平上显著，此时估计系数为-0.052。而如模型二所示，金融错配、企业利润率、企业年龄、企业规模等均通过了显著性检验。当同时考虑控制变量对企业专利质量的影响时，金融错配仍对专利质量存在负向影响，且这一负向影响随着加入企业利润率、企业年龄、企业规模等控制变量而变得更加明显（此时估计系数为-0.077）。

表3 金融错配对专利质量的影响

此时，表3中金融错配与控制变量对企业专利质量的影响就可以由式（2）具体转化为式（6）来说明：

式（6）的结果说明了金融错配与企业专利质量之间存在负向影响。随着金融错配程度的不断加深，其会导致企业专利质量的逐步下降，即金融错配会抑制企业专利研发的水平。市场中所存在的金融错配现象使得企业无法通过有效的信息筛选来判断投资信息，金融市场无法将资金有效地分配给真正需要的企业，以提升企业专利研发的试错能力、推动企业创新。金融错配使得企业的资金使用成本提高，企业需要挤压投入专利研发、提升专利质量的资金；同时由于资本的逐利性，融资困难导致企业更愿意使用资金进行套利，将更多资源投入到能够快速获得回报的部门[13]，从而就对专利研发产生了“挤出效应”，这也印证了之前提出的第一个假设。

由于同时加入了控制变量，从式（6）中还可以看出，企业的利润率、年龄、规模对企业专利质量都具有正向影响。相比之下，金融错配对企业专利质量的负向影响更为显著，这也说明了当利润率较高、规模较大、存在时间较长的企业存在金融错配的现象时，资金若不能及时被用于企业专利的研发与升级，就更容易被企业家用来进行投资获利活动。这也印证了众多学者所提出的观点：相较于更具有科研创新能力的非国有企业，那些收益更高、规模更大的国有企业却拥有较低的产出效率，金融错配使得国有企业被过度投资而非国有企业只能面临投资不足的困境[12]。

4.2.2 中介效应检验。在研究金融错配对企业专利质量的影响后，引入中间变量——高管学历水平。回归结果如表4所示：模型一表示未引入高管学历水平时，金融错配对企业专利影响的回归估计；模型二表示当把高管学历水平作为中介变量时，金融错配对企业高管学历水平的影响；模型三进一步说明了加入高管学历水平这一变量后，金融错配、高管学历水平共同对企业专利质量的影响；在模型三加入中介变量之后，对其进行Sobel检验，检验中介效应是否显著，结果显示，加入中介变量后，模型在1%的置信区间内显著，表明本文所使用的中介变量有效。

表4 高管学历水平的中介效应

如表4所示：模型一、二、三中的关键变量（金融错配、高管学历水平）均通过了显著性检验；作为控制变量，企业利润率、企业年龄、企业规模也均通过了显著性检验；企业发展水平未通过显著性检验。

表4中金融错配对高管学历水平的影响可以由式（3）具体转化为式（7）来说明，式（5）具体转化为式（8）来说明：

式（7）表明金融错配对企业高管的学历水平具有负向影响。当企业存在金融错配现象时，一方面要考虑外部因素如市场环境、政策变动对企业融资的影响，企业从外部获得的融资减少，就会进一步削减对人力资本的投入；另一方面要考虑企业内部因素如企业中高管的决策失误或缺少相关知识储备与应对经验，使得企业产生金融错配现象，而金融错配又通过影响企业的利润水平、企业规模扩张的速度进而影响引进企业高管的政策，最终抑制了企业高管的流动速度，并对企业高管学历水平产生抑制性作用。这也印证了本文所提出的第二个假设。公司将盈利的一部分用来对高管团队进行股权激励与薪酬激励，能够使高管将个人利益与公司利益紧密连接；越是提高高管的归属感，高管就越会做出有利于公司发展的决策，提升企业的创新能力[29]。

式（8）检验在加入高管学历水平这一中介变量后，金融错配对企业专利质量的影响。对比式（6）与式（8）可以发现，当加入了高管学历水平这一变量后，金融错配对企业专利质量的抑制作用减弱，即高管学历水平对企业专利质量具有正向促进作用。拥有高学历的高管进入企业后，能够根据自身丰富的理论知识与实践经验对市场行情与金融政策做出敏锐的判断，并根据外部金融政策的调整对公司金融资本运作模式进行完善；在面对金融错配现象时也能够及时提出风险规避的方案，降低金融错配对公司创新能力的影响，从而降低金融错配对企业专利质量的影响。这印证了本文所提出的第三个假设。

同时，在加入高管学历水平之后，企业利润率、企业规模、企业年龄对企业专利质量的正向影响更加明显。企业中拥有高学历的高管占比越高，其对企业发展的正向作用越明显。信息传递理论提出，高管团队的学历水平一定程度上能够反映个人偏好，具有高学历的高管成员其思维更加灵敏、思考问题更加全面，在进行决策时可以考虑诸多因素，做出对提升企业总体效益最有利的决策，进而增加企业收益、扩大企业规模。企业利润率的提升、企业规模的扩大又会进一步推动资本在企业中的有效配置，使得企业的专利研发部门能够获得足够的资金，支撑企业专利的研发与质量升级。

4.2.3 稳健性检验。在研究高管学历水平的中介效应后，本文进一步对回归结果进行稳健性检验。首先，通过对变量分组进行两步系统GMM回归方法修正，观察个体异质性问题，检验高管团队学历水平这一变量的加入是否存在测量误差，以及是否具有潜在内生性的问题；其次，通过替换核心变量的方式进行稳健性检验，在替换核心变量时，将主要解释变量金融错配（FM）与被解释变量企业专利质量（PA-Q）分别滞后一阶。

第一步结果如表5所示，在进行GMM稳健性检验时，模型一与模型二都通过了三阶AR检验和Hansen检验，表明两个模型设定都是有效的。从模型一的检验结果来看，金融错配在1%的水平上对企业专利质量具有显著的负向影响（系数为-0.069），即印证了上述假设与中介效应的估计结果，金融错配确实对企业专利质量具有抑制作用。从模型二的结果来看，在加入了企业高管团队学历水平后，金融错配仍然在5%的水平上对企业专利质量具有显著的负向影响（系数为-0.059），同时高管学历水平在1%的水平上对企业专利质量具有显著的正向影响（系数为0.112）。这也印证了本文所提出的假设3：高管学历水平的提升，抑制了金融错配对企业专利质量的负向影响。

表5 二步系统GMM分组检验

第二步结果如表6所示，模型一与模型二的第一列均表示原始回归结果，模型一第二列表示金融错配滞后一阶（L.lnFM）对企业专利质量的影响；模型二第二列表示数字普惠金融对企业专利质量滞后一阶（L.lnPA-Q）的影响，并且将当期企业专利质量作为解释变量，对滞后期企业专利质量进行回归。结果表明，虽然替换了核心解释变量与被解释变量，金融错配对企业专利质量的影响仍呈现负向作用。在模型一中，金融错配滞后期的负向影响大于当期金融错配；在模型二中，金融错配对滞后期企业专利质量的负向影响也大于当期，值得关注的是，此时，当期专利质量在1%的水平上对后期的专利质量产生显著的正向促进作用。

通过二步系统GMM对模型一、模型二进行了回归检验以及替换变量进行了稳健性检验。结果如表5、表6所示，各模型主要自变量估计系数的正负性与显著性并未发生变化，模型也没有出现严重的误差与潜在内生性。由此可以说明，通过中介效应测度金融错配、高管学历水平对企业专利质量的影响具有可靠性。

表6 替换变量的稳健性检验

5 结论与启示

本文以297家上市公司为研究样本，以我国金融市场目前依旧存在的金融错配问题为出发点，从理论与实证两个方面比较分析了金融错配对企业专利质量的影响；之后引入中介变量——企业高管学历水平，研究企业高管团队学历水平在金融错配与企业专利质量之间发挥的中介效应。研究结果表明：首先，金融错配对于企业专利质量的提升具有显著的负向影响；在回归结果中，金融错配使得企业可能面临融资约束、资金短缺的情况，企业高管中具有高学历的人员占比会受到金融错配的负向影响，以致企业无法及时调整人力资源。其次，企业高管的学历水平对企业专利质量具有正向影响。最后，企业高管的高学历水平对调节金融错配对企业专利质量产生的负向影响有抑制作用，并且这种中介作用会随着企业经营绩效的提升而长期存在。以上结论对于优化企业资金往专利研发与质量提升的投入、调整高管人员学历构成、引进高学历人才及提升企业整体专利质量等具有积极的启示作用。

第一，发挥市场在资源配置中的主导作用，减少政府对金融配置的干预。政府应该推动国有银行的市场化驱动机制改革，鼓励金融资本流向具有发展潜力且急需资金投入专利研发与升级的中小企业，健全企业资金使用的保障制度；同时增加对中小企业专利研发等科研活动的财政补贴，针对不同类型的专利研发制定不同的补贴标准；对接受补贴的企业及时追踪调查，建立相应数据库，统计企业专利产出与质量情况；加强商业银行与非国有企业之间的金融联系，拓宽企业融资渠道，减轻信息不对称所带来的融资约束，提高企业科研创新能力。

第二，企业要提升自身专利质量，完善自身人才结构。一方面，企业要完善对创新人才的引进制度，通过人员激励机制，提高专利研发人才的待遇，激发人才留在企业继续从事研发工作的积极性；另一方面，企业可以与高校、研发机构建立联系，定向培养专业人才，为企业专利研发与质量提升注入活力。此外，注重企业高管对企业整体运行的作用。企业要想提高自身研发水平，就需要提升高管的学历水平和专业能力，更多地选择具有高学历及专业知识能力的高管人员，缩小企业高管的异质性。

第三，企业应提升自身吸纳外部资金的能力。目前由于受到新冠肺炎疫情的影响，中小企业的生存环境更为严峻，吸纳外部资金更加困难。一方面，企业要优化内部资金使用情况，对于专利研发与升级部门给予一定的资金倾斜，构建自身信用体系，及时公布企业资金使用明细；另一方面，企业要积极将内部资金投向专利研发，保证将年度利润中的一部分用于专利研究与人员激励，同时积极与当地银行等金融机构进行沟通，以获得资金支持和贷款利率优惠上的支持。

本文在研究中还存在一些不足之处，比如：通过CSMAR能够获取到的上市公司数据资料有限；在高管异质性的指标选取上可以更加细化；在行业范围、时间跨度、研究角度等方面也可以做进一步的优化和扩展。