金融支持创新影响机制的三阶段递推CDM模型研究

吴翌琳，谷 彬

(1.中国人民大学中国调查与数据中心，北京 100872;2.北京大学光华管理学院，北京 100826;3.国家统计局统计科学研究所，北京 100826)

创新是国家发展进步的动力和源泉，作为基本经济单位，企业创新在国家自主创新体系中居于基础性主体地位，对于创新型国家建设发挥决定性作用。然而，企业创新是一个动态过程，历经不同阶段的分工协作，涉及多种要素的整合配置，而其中资本和金融居于主导地位，对于其他创新资源具有引领和导向作用。那么，如何通过资本和金融手段引导和支持创新要素向企业集聚?如何聚焦企业创新的关键环节，推动自主创新在企业层面取得突破?本文构建企业创新系统的三阶段递推模型，对企业创新能力的提升过程进行实证研究，考察金融服务与政策环境对企业创新的影响机制和阶段性特征，以引导创新资本流向自主创新的关键环节，通过资本的力量激活创新要素，增强企业创新动力。

一、文献综述

政府支持和金融服务在科技创新中发挥重要作用。由于创新风险、市场竞争和资金短缺等因素的影响，企业对于创新活动持非常谨慎的态度，技术创新的投资规模和支持力度可能低于社会理想水平。因此，政府通常通过直接拨款资助、金融政策支持和税收减免政策等科技激励政策工具刺激企业的创新活动，促进创新资源得到优化配置。Capron和Potterie［1］对政府的科技激励政策与企业R＆D投入关系的研究表明政府的R＆D拨款资助对企业R＆D投入有正面影响。而Mohnen［2］在其研究中证明了税收鼓励的显著激励效果。关于金融促进创新的研究，Schumpeter［3］指出良好的银行通过甄别并提供资金给那些最具有新产品开发能力的企业，以促进科技创新。国家层面，Aghion等［4］构建了金融发展与R＆D的内生增长模型，发现受信贷约束的经济体 (穷国)比发达经济体增长要慢，证实了技术创新以及经济增长率依赖金融深化的程度。企业层面，Canepa和Stoneman［5］基于欧盟创新调查数据，发现金融资金和信贷等要素促进企业创新能力的提升，这种影响在高技术企业以及中小型企业中更加明显。

国内关于资本投入与创新关系的研究，孙杨等［6］研究了政府资金、企业资金、金融机构贷款和其他方式筹资等不同资金来源对企业创新产出的影响。解维敏等［7］对政府R＆D资助与上市公司R＆D支出之间的关系进行实证研究，发现政府R＆D对企业R＆D支出具有刺激作用。刘降斌和李艳梅［8］对长江三角洲、珠江三角洲、东北老工业基地和内陆科技圈四个科技区域科技型中小企业自主创新与金融体系的长期关系和短期关系进行实证研究。安同良等［9］通过构建企业与R＆D补贴政策制定者之间的动态不对称信息博弈模型，研究企业获取R＆D补贴的策略性行为及政府R＆D补贴的激励效应。朱平芳和徐伟民［10］采用上海市行业数据，分析了科技激励政策对R＆D投入与专利产出的影响。李平等［11］基于面板数据对不同类型资本及知识产权保护对中国研发资本投入产出效率的影响进行了实证研究。

综上所述，现有文献分别研究不同类型资本对创新投入、创新产出或创新效率三个不同层次的影响。然而，企业创新是一个不断深化的系统过程，是从创新投入到创新产出、再到企业效率提升与市场竞争力增强的完整价值流程。在企业创新的不同阶段，创新资本的需求特征也不同。相对于现有文献孤立地研究不同类型资本对创新投入、创新产出或创新效率三个层次的影响，本文的重要改进是将三个层次统一到企业创新的深化进程，构建企业创新系统的三阶段递推模型，以海淀区企业为例，基于创新调查与企业财务数据的对接，分阶段考察企业创新能力的提升过程，通过引入金融政策支持变量，研究资本和金融服务对企业创新的影响机制和阶段性变化，以引导资本流向企业创新的关键环节，通过资本手段激活创新要素，增强企业创新动力，探索符合企业创新规律的金融支持路径。

二、企业创新系统的三阶段递推CDM模型

(一)理论模型

三阶段递推CDM模型源于熊彼特的创新思想以及Pakes和 Griliches［12］提出的知识生产函数模型。在此基础上，Crépon等［13］提出分析创新投入和生产率关系的模型框架，将企业R＆D投入和生产率的关系分为创新投入、创新产出、创新对生产率的影响三个阶段，即三阶段递推CDM模型。CDM模型在以往创新与企业效率研究的基础上，提出了研究企业创新过程的“黑箱”方法，兼容和适用性更高，同时将所有样本都纳入研究框架，避免了以往研究只注重创新样本而导致有偏的问题。

CDM模型以其独特创新理念和模型优势，不仅在英国、法国、德国、意大利、荷兰、瑞典、挪威和芬兰等发达国家得到广泛应用，也被广泛应用于智利、坦桑尼亚和爱沙尼亚等许多发展中国家。相对而言，此模型在中国的应用尚处于起步阶段，虽有少量研究案例，如Hu等［14］和Jefferson等［15］，但其并未对资本金融要素对于企业创新的重要影响给予足够关注。因此，本文引入资本和金融要素对传统CDM模型进行改进，结合企业创新的具体国情及现实数据状况，构建企业创新系统的三阶段递推CDM模型，其理论框架如图1所示。

图1 中国企业创新系统发展三阶段模型

根据以上分析框架，构建如下方程，以待实证检验。

第一阶段:创新投入方程。第一阶段是企业创新的起步阶段，通过加大创新投入以实现创新效果是企业普遍的发展模式。在此阶段，政府、金融、财政和税务部门通常会给予支持，扶持企业由一般生产型企业进入创新型企业行列。

第二阶段:创新产出方程。在此阶段，企业开始取得前期创新投入的成果，推出新产品并以市场需求为导向促进创新活动的进一步深化。金融服务和政策支持在此阶段继续发挥作用，但更为主要的是企业经营管理对创新的影响。

第三阶段:创新—生产率方程。此阶段是创新效果充分显现的阶段，新产品的产出为企业带来的不只是企业利润，还有劳动生产率的提升，促进企业从劳动密集型逐步转向知识密集型，实现企业产业的全面升级转型，从而达到建设创新型国家的目的。

(二)变量设置

根据上述分析，本文采用的实证模型具体变量设置如表1所示。

表1 变量设置表

1.因变量

三阶段的因变量设置如下:第一阶段因变量为创新投入 (INI)，具体表现为企业研究开发支出占销售收入比重，反映企业创新的资本投资幅度。第二阶段因变量为创新产出 (INO)，表现为企业新产品产值比重，反映企业创新的直接效果。第三阶段因变量为劳动生产率 (PRT)，用人均总产值表示，反映企业效率。

2.自变量 (影响因素)

从上述分析可知，企业创新的多阶段过程受到多个因素的制约和影响，而本文主要考察政府政策支持、企业金融、企业管理、固定资产、工资福利以及员工素质等六方面对企业创新及其效果的影响机制，各个方面具体的自变量设置如下:

(1)政策支持 (POL)。政策支持是指政府鼓励创新的金融财税政策和直接的创新资金支持，主要包括以下三方面:第一，金融支持政策(FSP)是创新调查中的虚拟变量，反映金融支持政策对企业创新的影响。第二，税收减免政策(TRP)是创新调查中的虚拟变量，反映税收减免政策对企业创新的影响。第三，政府资金支持(GFS)是企业创新资金中政府资金的比重，反映政府对企业创新的资金支持。

(2)企业金融 (EFM)。企业金融是指企业在政府之外通过金融融资获取创新资金，以及将自有资金用于创新活动，主要包括以下三方面:第一，金融机构贷款比重 (FIL)是企业创新资金中金融机构贷款的比重，反映企业创新对金融融资的依赖程度。第二，自有资金比重 (SFS)是企业创新资金中自有资金比重，反映企业自身对创新活动的支持 (投资)力度。第三，企业现金流 (CFL)是企业现金流占流动资产比重，作为企业创新最直接的资金来源，企业现金流反映企业对创新资金的管理能力。

(3)企业管理 (EME)。企业管理主要通过企业财务指标考察经营管理对企业创新的影响，主要包括以下三方面:第一，资产负债率 (ALR)用于考察企业财务状况是否稳定，反映企业资金管理水平。第二，成本收入比 (CRR)是考察企业盈利能力和成本控制的综合性指标。第三，办公低效性 (MIE)是办公费和差旅费之和占销售收入比重，体现企业的办公效率和管理能力。

(4)固定资产 (CAP)。第三阶段创新效果方程的本质是生产函数，因此，企业固定资产投入作为生产效率的重要影响因素被引入模型。

(5)工资福利 (WAW)。工资福利反映企业的薪酬水平对员工积极性和创新能力的影响，主要包括以下两方面:第一，工资水平 (WPC)即企业员工人均工资。第二，员工福利 (IHA)包括员工人均保险和住房补助。

(6)员工素质 (EQA)。本科以上员工比重，反映员工素质和人力资本对于企业创新的支持。

3.控制变量

为了排除其他可控因素的影响，使模型估计达到更高的精度，本文还设置关于企业规模、企业产权特征以及企业所在的行业特征三方面的控制变量，这些变量的具体设置如下:

(1)企业规模 (SCALE)，计算方法为企业劳动力人数取对数。①这是在很多研究中常用的方法，国外的研究并不像中国把企业分成大中小型，而是直接使用该连续变量来体现企业规模，方便与各种研究进行比较，也便于直接放入生产函数方程。

(2)产权特征 (TYPE)。企业产权特征采用一组所有制虚拟变量反映产权特征对企业创新的影响。与现有研究不同的是，本文并未按照企业登记注册类型分类，而是依据不同类型资本在总实收资本中的比重，以超过50%为限确定企业类型，DSCC、DCIC、DHKMTF分别表示企业资本中国有和集体资本、法人和私人资本、港澳台和外商资本超过50%的企业。这是因为企业的资本状况在登记注册之后始终处于变化状态，如果仅以注册时的企业类型判断企业属性可能造成数据失真。因为这里研究的是企业的金融资金状况与创新的关系，而我们知道，企业资本结构在登记注册之后时时刻刻在改变，所以直接观察各种资本的比率来定义企业类型要比使用其原始的注册类型更能真实地反映企业资本结构的现状，更能准确地反映各类资本主导下的企业不同创新模式。

(3)行业特征 (IND)。企业行业特征反映行业差异对企业创新的影响。根据数据分析，尽管海淀区创新调查样本涵盖制造业和服务业34个行业，但主要分布在化学原料及化学制品制造业，通用设备制造业，专用设备制造业，通信设备、计算机及其他电子设备制造业，仪器仪表及文化、办公用机械制造业五个行业，其企业数量占总体比重达68.2%。为分离行业差异对企业创新的影响，本文针对五个主体行业设置虚拟变量，参照组为其他行业企业，以考察不同行业的创新特征。

(三)基础数据

关于数据选用，现有研究主要从行业和地区层面展开，缺乏企业层面的微观证据。2007年，国家统计局以欧盟创新调查 (CIS4)为基础，开展第一次全国工业企业创新调查，为深入研究中国企业创新状况提供了第一手材料。海淀区创新实力雄厚，创新要素密集，作为中关村国家自主创新示范区核心区，其创新研究具有重要的示范意义。因此，本文数据选用全国企业创新调查的海淀区企业样本，主要关注企业在2004—2006年是否进行创新及创新投入产出的数量和结构特征，共计638个企业样本。同时，为满足进一步细化研究的需要，本文将创新调查数据与企业财务数据进行对接，得到524个有效样本，涉及科技投入、政府支持、金融融资和经营管理等方面的详细信息，从而扩展了分析研究的维度和深度。

本文样本涵盖海淀区制造业、服务业各个行业，按照创新投入强度在0—10%、10%—30%、30%以上三个区间，将样本分为较低创新投入企业、中等创新投入企业和高创新投入企业三个层次对应的创新产出强度、政府支持、金融支持以及管理效率的水平。基本数据情况如表2所示，从相应的主要指标可以看出，低中高三类创新企业在创新产出强度上差异不明显，以中等投入的企业产出效率较高，政府和金融机构以及税收政策都倾向于支持创新投入强度较低的企业，旨在帮助其提高创新投入，而相对地，较高创新投入的企业同样得益于相对较高的管理效率。

表2 企业创新与外部政府金融支持和内部管理效率描述分析 单位:%

三、实证结果分析

本文采用STATA软件对模型进行估计，剔除部分不显著变量，最终估计结果如表3所示。

表3 模型估计结果

具体估计方法为:对第一阶段——创新投入方程进行估计，得到创新投入的估价值，代入第二阶段——创新产出方程，得到创新产出的估计值，代入第三阶段——创新—生产率方程，从而完成三阶段递推CDM方程的总体估计。

总体而言，企业创新具有明显的阶段性特征，各阶段之间的联系愈加紧密。在第二、第三阶段的方程估计中，创新投入对创新产出、创新产出对劳动生产率的影响系数分别为2.395、5.200，两阶段系数差距明显并具有较高的显著性，表明企业创新是一个渐进的过程，阶段性特征较强，而三阶段递推CDM模型较好的拟合性适应了这一特征。

1.金融支持聚焦创新投入阶段，引导创新要素的流向与聚集

金融服务和政策支持变量主要在第一阶段——创新投入方程的估计中表现显著，而在第二、第三阶段的方程估计中并不显著，表明金融服务和政策支持主要在创新投入阶段发挥作用，对于企业初始创新能力培育具有重要影响。其中，在政策支持方面，税收减免影响系数为0.038，大于金融政策支持、政府创新补贴的影响系数，表明相对于后两者直接的政策支持而言，税收减免给予企业创新更多的空间和自由度，对创新促进作用更大。在企业金融方面，企业现金流影响系数为0.003，大于金融机构贷款和企业自有资金的影响系数，这是因为相对于金融融资和企业自有资金而言，创新资金流的高效管理对于企业创新能力的提高更为直接有效。需要指出的是，尽管金融服务和政策支持的作用主要发生在创新投入阶段，但却通过创新产出方程、创新—生产率方程对创新产出及企业效率发挥重要的间接作用和潜在影响，因此，如果金融政策支持不力，不仅会造成创新初期的创新倦怠和积极性不高，也会对企业长远效率和竞争力的提高造成不利影响。

2.管理要素贯穿创新始终，是创新能力提升的基础和依据

企业管理等内部要素的影响贯穿企业创新能力提升的全过程。企业管理、固定资产、工资福利和员工素质等企业内部要素在三阶段模型的估计中均表现显著，且影响强度随创新进程呈加强趋势。具体而言，资产负债率对创新投入和创新产出正影响，对企业效率负影响，表明负债经营可以增加企业流动资金，在一定程度上促进创新投入和创新产出的提高。同时，过度负债又会对企业经营造成负面影响，阻碍企业效率的提升。成本收入比及办公低效性两项逆指标对创新投入、创新产出和企业效率均有负向影响，且影响强度不断加强，显示随创新进程的推进优化企业经营管理的意义愈加重要。作为生产函数的基本构成要素，固定资产的弹性为0.299，表明海淀区企业仍以劳动密集型为主。工资福利对创新投入负影响，对创新产出和企业效率正影响，而员工素质在三阶段始终为正影响。这是因为工资福利作为企业经营成本，会在第一阶段与企业创新投入竞争部分资金，而同时又激发了员工生产和创新的积极性，带来更高的创新产出和企业效率。工资福利和员工素质变量共同验证了提高企业薪酬福利水平、吸引高素质人才聚集是企业提升自主创新能力的重要途径。

3.企业创新遵从行业规律，金融支持应符合行业技术特征

本文引入行业特征、企业规模和产权特征三个控制变量，其显著性依次递减，表明企业创新特征更多服从于行业特有规律，而所有制和规模因素影响较弱。因此，金融服务和政策支持应首先考虑具体行业的技术特征，其次才是规模和所有制因素，金融服务和政策支持中小企业创新发展的重要依据是具体行业的技术特征，而所有制因素的参考意义则相对有限。具体到行业层面，行业虚拟变量在第一、第二阶段为正影响，显示相对于其他行业而言，五大行业技术含量更高，因而保持较高的创新投入和产出水平。而在第三阶段，行业虚拟变量为负向影响，显示相对于其他行业，五大行业的效率优势并不明显，一个可能的解释是其他行业更符合当前阶段的比较优势。Jefferson等［15］也有类似的发现:在不考虑行业因素时，外资企业和港澳台合资企业的创新投入强度相对较高，在考虑行业因素后便不再显著。这是由于企业创新的产权特征弱于行业规律，将两者同时引入模型，创新特征则被行业因素充分分离，而在产权方面表现不再显著。

四、结论与建议

本文构建企业创新系统的三阶段递推CDM模型，以海淀区为例，对企业创新能力的提升过程进行实证研究，考察金融服务对企业创新能力提升的影响机制和阶段性变化。研究发现:不同的资金投入渠道对企业创新具有不同的作用，金融服务和政策支持主要在创新投入阶段发挥作用，通过引导创新要素的流向与集聚，提高企业自主创新的动力;管理要素在企业创新深化阶段发挥重要作用，是企业创新能力提升的基础和保证;企业创新更多服从于行业规律，金融服务和政策支持应主要依据具体行业的技术特征，而企业规模和产权类型不宜作为政府甄选资助对象的考核标准。

总体而言，企业创新从最初创新决策到初创实施、再到技术成熟形成市场竞争力的阶段性成长过程中，由于企业的规模、盈利能力、发展目标、技术创新成熟程度和活跃程度以及抵御市场风险能力都不相同，企业的创新资本需求特征和资金筹措能力等也存在较大的差异。因此，在整个企业成长过程中，需要与之相适应的、多元化、多层次的金融支持系统提供融资服务，支持企业创新的深入发展，即建立一个支持创新型企业从小到大的连续的金融服务动态机制。中国企业的创新初期需要政府和金融机构的资金支持，通过金融手段与政策环境，引导各类创新要素在企业层面集聚，培育创新的初始条件，增强企业创新动力。同时，伴随企业创新向纵深发展，自主创新的关键环节应向管理要素转变，增强企业创新稳健发展的内生机制。只有构建多层次的金融支持体系，充分整合多方资本优势，才能化解创新风险，推动我国科技创新的持续发展。

［1］Capron，H.，Potterie，B.V.P.Issues in Measuring the Relationship between Government and Private R＆D［M］.Miméo:Université Libre de Bruxelles，1997.

［2］Mohnen，P.R＆D Tax Incentives:Issues and Evidence［M］.Miméo:Universitédu Québec àMontréal and Cirano ，1997.

［3］Schumpeter，J.A.Theorie der Wirtschaftlichen Entwicklung(English Translation:The Theory of Economic Development，1934)［M］.Cambridge:Harvard University Press，1912.

［4］Aghion，P.，Howitt，P.，Mayer－ Foulkes，D.The Effect of Financial Development on Convergence:Theory and Evidence［J］.Quarterly Journal of Economics，2005，120(1):173－222.

［5］Canepa，A.，Stoneman，P.Financial Constraints to Innovation in the UK:Evidence from CIS2 and CIS3［R］.Oxford Economic Papers，2008.

［6］孙杨，许承明，夏锐.研发资金投入渠道的差异对科技创新的影响分析——基于偏最小二乘法的实证研究［J］.金融研究，2009，(9):165－174.

［7］解维敏，唐清泉，陆珊珊.政府R＆D资助、企业R＆D支出与自主创新［J］.金融研究，2009，(6):86－99.

［8］刘降斌，李艳梅.区域科技型中小企业自主创新金融支撑体系研究——基于面板数据单位根和协整的分析［J］.金融研究，2008，(12):193－206.

［9］安同良，周绍东，皮建才.R＆D补贴对中国企业自主创新的激励效应［J］.经济研究，2009，(10):87－98.

［10］朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R＆D投入及其专利产出的影响——上海市的实证研究［J］. 经济研究，2003，(6):56－71.

［11］李平，崔喜君，刘建.中国自主创新中研发资本投入产出绩效分析［J］.中国社会科学，2007，(2):32－42.

［12］Pakes，A.，Griliches，Z.Patents and R and D at the Firm Level:A First Look［R］.NBER Working Paper，No.W0561，1980.

［13］Crépon，B.E.，Duguet，J.，Mairesse，J.Research，Innovation，and Productivity:An Econometric Analysis at the Firm Level［J］.Economics of Innovation and New Technology，1998，7(1):115－156.

［14］Hu，A.G.Z.，Jefferson，G.，Qian，J.R＆D and Technology Transfer:Firm Level Evidence from Chinese Industry［J］.Review of Economics and Statistics，2005，87(4):780－786.

［15］Jefferson，G.，Bai，H.，Guan，X.，Yu，X.R and D Performance in Chinese Industry［J］.Economics of Innovation and New Technology，2006，15(4/5):345－366.

［16］Mohnen，P.，Mairesse，J.，Dagenais，M.Innovativity:A Comparison across Seven European Countries［J］.Economics of Innovation and New Technologies，2006，15(4/5):391－413.

［17］Masso，J.，Vahter，P.Technological Innovation and Productivity in Later Transition Estonia:Econometric Evidence from Innovation Surveys［Z］.University of Tartu Faculty of Economics and Business Administration，2008.