研发费用加计扣除、融资约束与创业企业研发投入强度：基于中国新能源行业的研究

彭华涛，吴 瑶

(1.武汉理工大学 管理学院；2.武汉理工大学 创业学院，湖北 武汉 430070)

0 引言

创新活动对创业企业营收增长和核心竞争力获取具有至关重要的作用[1]。同时，创新活动具有高风险性、负外部性、溢出性等诸多不确定性特征，使得创业企业研发投入存在持续投入力度不足、配置效率不高、资金结构不合理等问题[2,3]。从创业企业研发活动过程视角来看，其资金决策特别是融资决策在技术开发、市场化和市场渗透等阶段尤为重要[4]。而融资市场的信息不对称、制度不完善、工具不匹配造成创业企业融资障碍，严重影响企业研发活动的开展[5]。

在“大众创业、万众创新”背景下，中国政府为缓解融资约束困境，采取了有效的市场干预手段，即多元科技政策，通过营造良好的政策环境鼓励企业开展研发活动[6,7]，实现创新成果溢出效应共享[7]。其中，作为重要组成部分的研发费用加计扣除政策，对研发活动、优惠主体等适用范围以及核算管理等进行了调整。2013-2015年，在政策试点后将扣除范围逐步扩大到全国，并降低了企业享受税收优惠政策的门槛。为保证税收优惠政策的贯彻实施，政府于2017年将科技型中小企业研发费用加计扣除比例由50%调整至75%，并在此基础上于2018年进一步放宽受惠范围至所有企业。

从研发投资视角出发，国内外学者广泛讨论科技政策的需求空间释放，以及研发费用加计扣除政策作为税收优惠政策对企业研发刺激的有效性[8]。以Kao[9]和Alvarez-Ayuso[10]为代表的学者从税收优惠政策实施目标和效果匹配度出发，研究发现旨在鼓励企业研发的研发费用加计扣除政策有效发挥了积极的刺激作用。基于研发费用加计扣除的刺激效应，学者们进一步研究了税收优惠政策激励作用全路径。冯泽[11]等以中国上市企业为样本，从创新链产出端开展研究，发现研发费用加计扣除政策虽然显著增加企业研发投入强度，但在研发产出强度方面没有表现出显著促进作用；袁业虎等[12]将现金流敏感性等融资决策影响因素纳入研究框架，发现研发费用加计扣除政策通过降杠杆影响融资决策，同时促进企业研发投入增长。与上述研究结论有所差异的是，潘孝珍(2019)以管理层持股、股权集中度等股权结构门槛变量为突破口，研究发现研发费用加计扣除政策处于不同股权门槛区域时，其研发投入激励效应呈现较大差异。由此可见，大多数学者认同研发费用加计扣除政策对研发投入强度的激励效应，且现有研究主要分析优惠政策对企业研发投入强度的单向作用路径[13-14]。虽然少数研究者提及融资和股权等影响因素，但研发费用加计扣除政策对研发投入强度的刺激作用路径全过程，以及融资约束、股权过度集中问题未得到充分探讨，仍有待进一步研究。

综合考虑现有研究成果和不足，本文利用2014-2019年新能源行业数据，试图从行业视角找到创业企业在研发费用加计扣除政策刺激下作出的研发投入强度反应。此外，本文从融资角度作进一步分析，重点考察融资约束条件下研发费用加计扣除政策对研发投入强度的促进作用是否仍有效，并分析在此促进作用中股权集中度的调节效应，以弥补该领域的研究不足。

1 理论基础与研究假设

1.1 融资约束与创业企业研发投入强度

研发活动是经济增长、企业快速成长的动力[15]。对创业企业而言，增加研发投入是提升核心竞争力并稳抓市场机遇的核心环节[16]，但是，研发投资强度受到融资结构和资金支配的制约。基于优序融资理论[17]，由于研发活动具有风险大、回报不确定、周期长等特点，创业企业偏好采用内源融资等风险性较低的融资方式，企业融资结构因而受到限制。同时，由于市场失灵、信息不对称和委托代理等不确定性因素，使得创业企业谨慎考虑研发投入与产出，导致研发投资行为低效能[7]。

考虑融资偏好异质性，学者们从内外源融资视角探究不同融资方式对创业企业研发投入强度的影响。从内源融资约束视角来看，现金持有量往往作为内源融资约束程度的替代变量，内部现金持有量缺乏对创业企业研发投入强度的限制性作用更强[18]。从外源融资约束视角来看，以银行为主的金融机构与企业之间的主体关系构成了外部融资约束链条[19]，对于高风险的研发投入行为而言，外源融资使得资金来源更广泛并有利于持续加大研发投入强度，而融资约束带来的研发投入强度不足可能导致创业企业成长增速放缓，从而对技术进步和产品创新以及核心竞争力提升产生滞缓影响[20]。Zhang等[21]认为这种负面影响在能源行业更明显，对于资金、知识和技术密集的能源型创业企业而言，融资约束带来的创新投资障碍加剧了创业过程中融资与研发的紧张关系。基于上述分析，提出如下假设：

H1：融资约束对创业企业研发投入强度有负向影响。

1.2 研发费用加计扣除的调节效应

作为具有针对性的投入驱动型政策[13]，研发费用加计扣除政策为企业加大研发投入强度提供了良好的创新环境，以鼓励创业企业开展研发活动并增加创新投入[15]。在创新创业相关支持政策的引导下，技术密集型创业企业面临的外部市场和融资环境逐渐转好。基于信号传递理论[22]，创业企业对研发费用加计扣除政策的积极反应向外部融资者释放有利的创新导向信号，实现对外部资源获取和技术开发的高附加效应。具体而言，享受研发优惠政策的创业企业向外部市场释放企业技术研发、产品升级等方面的有利信号，缓解外部投资者对研发项目风险的预期估算，吸引多渠道研发投资。但是，从长期效应视角来看，研发税收抵免额度的增加并不能确保总研发投资额相应增加，反而作为补充措施引导企业投资更高质量研发项目[10]。

金融资源有效获取对研发投资决策具有重要作用，而创业企业缺乏研发活动资助资金，表现出较低的研发意向和创新热情，阻碍其创新发展[7]。内部融资资源有限性、外部融资获取难度和资金不恰当支配，导致创业企业在风险压力下选择保守的研发计划。因此，如何降低融资约束对创业企业研发投入的消极影响成为迫切需要解决的问题[5]。Zhang等[23]认为，明确的、积极的政策信息可以通过降低企业研发投资信息不对称，减少融资对创新活动的阻碍。而政府出台的研发费用加计扣除政策传递出积极信号，降低投资者对研发投资边际收益的消极预期，进而在一定程度上削弱财务约束的影响，推动创业企业积极开展研发活动以实现创新目标[24]。基于上述分析，提出如下假设：

H2：研发费用加计扣除削弱融资约束与创业企业研发投入强度之间的消极关系。

1.3 研发费用加计扣除与创业企业研发投入强度

研发费用加计扣除实际上是政府对企业研发行为和创新成果的事后奖励[25]。研发投入在一定程度上影响企业抵抗风险的能力，政府通过研发层面财政补贴或税收优惠政策为其承担一定的研发风险。考虑新技术成果溢出效应和税收优惠政策对研发的引致效应，政府有效采取税收抵免[26]。对符合加计扣除条件的企业及其研发费用支出项目提供税收抵免，能够有效矫正企业研发外部性，实现对其研发投入强度的激励。

关于研发费用加计扣除政策对创业企业研发投入强度的干预效率，学者们做了大量研究。Crespi等[27]从企业创新投资成本视角研究发现，研发税收优惠政策吸引有应税利润基础的企业加大研发投入强度，部分弥补了整体研发投入资金缺口；Fernández-Sastre等[28]从需求和供给视角研究创新支持政策有效性，发现研发费用加计扣除类创新政策的积极作用在创业企业拥有一定技术能力且与市场之间进行知识交流时得以体现。由于研发费用加计扣除所表现的积极作用，许多研究着眼于创业企业研发过程：一是突破研发调整成本的制约，增强决策制定者对于研发活动利益获得的看好心理，从而追加研发投资[27]；二是优化资源要素配置，研发费用加计扣除政策促使企业对生产要素和研发要素进行优化组合，反过来推动创业企业沿着产品创新路径展开技术创新，在研发投入上更加开放[2]。研发费用加计扣除的高附加值效应在研发导向的技术密集型企业更加显著，且对创业企业提出了更高的研发要求[6]。基于上述分析，提出如下假设：

H3：研发费用加计扣除政策对创业企业加大研发投入强度具有促进作用。

1.4 股权集中度的调节效应

基于委托代理理论，“经营权与控制权相分离”[29]以及管理内外部“信息不对称”[7]等代理问题普遍存在于企业发展中，而股权结构是实现管理激励、经理层监督和代理成本控制的重要制度安排。股东之间的利益目标、风险偏好、创新意愿存在差异，股权集中度高低往往影响企业经营决策的制定，其中包括研发投入强度选择。关于股权集中度，学者们主要从代替性指标综合分析、其与企业绩效之间的关系、股权制衡对企业决策的影响等方面展开研究[30]。其中，股权集中度广泛使用第一大股东持股比例作为表征指标进行测度[31]。Martins等[32]研究不同股权集中度对研发决策的影响，发现股权集中度作为反映大股东对企业控制程度的指标，其水平高低决定大股东对创业企业行为决策的权衡和监管，尤其对研发行为产生一定影响。

在同等研发税收优惠条件下，创业企业股权集中度差异导致研发政策激励效应不尽相同。Ting等[33]研究认为股权集中度没有对科技政策响应起到积极作用，反而弱化研发费用加计扣除政策对研发投入强度的刺激作用。即创业企业受到研发费用加计扣除政策的刺激效应，倾向于加大研发投入强度以加快创新进度，但是，企业大股东所有权的高度集中使其受利益驱动而不愿加大企业研发投入强度。从大股东与小股东之间的第二类代理问题来看，股权集中度提升易导致创业企业利用资金占用等方式弱化研发费用加计扣除对研发活动的支持和刺激作用，增加管理者对研发活动的高风险预期，从而影响研发资金投入强度[34]。基于上述分析，提出如下假设：

H4：股权集中度负向调节研发费用加计扣除与研发投入强度之间的关系。

根据以上理论分析和假设，本文构建研究框架如图1所示。

图1 研究框架

2 研究设计

2.1 样本选择及数据来源

本文采用行业面板数据进行分析，以我国新能源行业上市公司为研究对象，选取2014-2019年相关数据作为样本进行实证研究。本文选择新能源上市企业作为研究样本，主要原因在于：新能源企业创新需求和研发能力较强，由于对技术进步和产品升级的高要求，需要持续加大研发资金和人才投入强度，在不断的创新活动中表现出二次创业或习惯性创业行为[35]；新能源企业由于研发项目资本密集、投资回收期长、规模大等特性而受到较强的融资约束影响[21]，往往需要利用相关财政政策支持，削弱融资约束的不利影响；资质认定结果显示，所选取的新能源行业上市公司属于高新技术企业，在2014-2019年研究时间范围内享受研发费用加计扣除优惠政策，在政策导向下研发行为意愿愈发强烈。

本研究样本数据来源主要为国泰安数据库(CSMAR)，其中，部分企业研发投入强度等缺失数据通过在巨潮资讯网获取的年报中手动查找获得。根据研究目的，在新能源行业涉及的太阳能、风能、光伏等领域收集上市公司信息，初步得到247个新能源企业样本，并据此样本收集所需数据。基于样本有效性考虑，本研究对于初步获取的样本数据进行筛选，主要包括：为保证样本数据可靠性，剔除财务数据有异常以及有退市风险的ST和ST*企业；剔除2014-2019年研究数据严重缺失的企业；对连续变量进行1%上下水平的缩尾(Winsorize)处理，以消除样本极端值的不利影响。经过数据筛选，本研究最终获得有效样本企业164家，共计8 220个有效观测值。对最终样本数据使用Excel进行预处理，整理形成符合分析软件要求的面板数据格式，并结合stata16进行实证分析。

2.2 变量定义及测度

参考Wu[16]和Bai[35]在变量定义方面的思路，本研究从因变量、自变量、调节变量以及控制变量4个层面进行测度。

2.2.1 因变量

研发政策支持效果、融资状况，都会一定程度上体现在对企业研发投入强度的影响上，因此，本文以研发投入强度作为因变量。关于研发投入强度，学者们通常认可基于收入、资产以及人员的研发密度计量方式[36]。参考Zhu[37]衡量企业研发投入强度的指标选取做法，采用研发支出/资产总额的值反映创业企业研发投入强度。

2.2.2 自变量

(1)融资约束。关于企业融资约束的变量测度，已有研究主要采用单指标或多指标进行衡量。单指标的运用主要包括股利支付率、净资产负债率、利息保障倍数等影响企业融资的单个财务指标，但考虑到单个指标对企业整体融资状况描述的制约，国内外学者构造并发展其替代性指标即SA指数、KZ指数以及WW指数等[38]，并广泛用于融资约束与金融发展情况描述。本文为避免企业流动资金、财务杠杆等金融指标的内生性影响，参考 Zhang[23]和鞠晓生[39]的融资约束衡量方法，使用受到广泛认可的SA指数描述企业融资约束程度。计算公式如下：

SA=0.043×size2-0.737×size-0.04×age

其中，size为以百万元为单位计数的企业资产总额的自然对数值，age为企业注册至当期的年限。刘莉亚等[40]研究发现，SA指数均为负数，且SA取值越大表明企业受到的融资约束程度越高。

(2)研发费用加计扣除。针对研发费用加计扣除，学者主要采用绝对数或相对数进行测量。考虑绝对数指标即研发费用加计扣除金额受到企业规模和行业异质性影响，本研究参考Bai等[35]的做法，从激励效应强度视角对研发费用加计扣除进行量化，即采用研发费用加计扣除优惠强度作为核心变量研究其对研发投入强度的直接与间接作用。为在一定程度上避免内生性问题，以滞后一期数据作为当年研究变量，即以上年研发支出为基础数据，与上年所享受加计扣除税率以及企业所得税率的乘积作为当期研发费用加计扣除的绝对值，而研发费用加计扣除优惠强度(Ded)记为研发费用加计扣除绝对值与资产总额的比值。

2.2.3 调节变量

由于决策制定过程受到多因素影响，本研究参考Majid[31]和Zhang[7]对股权结构的变量测度方法，将股权集中度作为调节变量，并选用第一大股东持股比例作为股权集中度的替代性指标。这一指标越大，表明企业所有权越集中。

2.2.4 控制变量

基于数据可获得性和可靠性考虑，本文选取以下可能影响研发投入强度的指标作为控制变量[16,41]：①托宾Q值(TQ)。托宾Q值衡量企业成长绩效和生产扩张能力，将其加入模型主要是基于创业企业市场价值和成长绩效对创新决策的影响；②营业收入增长率(Growth)。营业收入增长率一定程度体现企业成长性，而创业企业为了实现可持续性成长，往往进行研发活动，因而控制营业收入增长率对研发投入强度的影响；③资产负债率(Lev)。资产负债率综合反映企业负债水平，在以往研究中常常将资产负债率作为衡量融资水平的关键指标，因而使用资产负债率作为控制变量；④净资产收益率(ROE)。净资产收益率越高，说明企业投资收益越大，进而为决策者提供了研发投资利好信号，使其对研发投入持乐观态度，因而在控制变量中加入净资产收益率。回归模型具体变量划分以及定义说明如表1所示。

表1 变量说明

2.3 模型构建

为研究融资约束与创业企业研发投入强度之间的关系，即验证假设H1，构建如下回归模型：

RDIi,t=α0+α1*SAi,t+α2*Controlsi,t+εi,t

(1)

其中，controls表示控制变量集合，包括托宾Q值(TQ)、营业收入增长率(Growth)、资产负债率(Lev)和净资产收益率(ROE)，以控制其它因素对研发投入强度的影响；i表示给定行业的企业；t表示时间点；εi,t表示随机误差项。

为研究研发费用加计扣除对创业企业研发投入强度是否存在直接激励作用，在融资约束与研发投入强度之间是否存在调节作用，即验证假设H2、H3，构建模型(2)和(3)：

RDIi,t=β0+β1*Dedi,t+β2*Controlsi,t+εi,t

(2)

RDIi,t=γ0+γ1*SAi,t+γ2*Dedi,t+γ3*SAi,t*Dedi,t+γ4*Controlsi,t+εi,t

(3)

其中，SAi,t*Dedi,t为融资约束SA指数和研发费用加计扣除优惠强度中心化后的交互项，验证研发费用加计扣除的调节效应是否显著。

为验证股权集中度在研发费用加计扣除与创业企业研发投入强度之间的调节作用，即验证假设H4，构建模型如下：

RDIi,t=δ0+δ1*Dedi,t+δ2*ECi,t+δ3*Dedi,t*ECi.t+δ4*Controlsi,t+εi,t

(4)

其中，Dedi,t*ECi.t表示自变量研发费用加计扣除强度与调节变量股权集中度中心化处理后的交互项。

3 检验结果及分析

3.1 描述性统计

样本数据中主要变量描述性统计分析结果如表2所示，测度样本企业融资约束程度的SA指数平均值为-3.794 4，最小值为-4.534 7，最大值为-2.960 3。从统计结果来看，新能源上市企业面临严重的融资约束且其约束程度存在较大差异。研发费用加计扣除优惠强度(Ded)统计结果显示，其平均值为0.157 4，最小值为0.000 5，最大值为0.690 6，说明新能源行业创业企业研发费用加计扣除程度存在较大差异。从研发投入指标来看，研发投入强度(RDI)平均值为1.647 7，最小值为0.005 5，最大值为5.011 8，纵向数据表明，同一行业不同领域创业企业研发投入强度表现出明显差异。调节变量股权集中度(EC)平均值为33.094 7，最小值与最大值差异幅度较大，分别为8.448 0和71.240 0，这与企业异质性特征有密切关系。观察托宾Q、营业收入增长率等控制变量描述统计结果发现，新能源创业企业的成长能力、举债经营能力以及资本收益能力差异较大。

表2 主要变量描述性统计结果

3.2 Pearson相关性分析

为初步判断变量之间是否存在多重共线性，首先进行Pearson相关性检验，得出各变量间相关系数如表3所示。结果发现：融资约束替代性指标SA指数与研发投入强度之间为负相关关系，而研发费用加计扣除优惠强度与研发投入强度相关系数为0.777，表现出显著正相关性，这一结果初步验证了研发费用加计扣除、融资约束与研发投入强度之间的关系。股权集中度与研发费用加计扣除、研发投入强度均存在较为显著的负相关性，其中，与研发费用加计扣除相关系数为-0.120，与研发投入强度相关系数为-0.097。研发投入强度与托宾Q值具有显著正相关性，相关系数为0.108，而与资产负债率等表现出显著负相关性，相关系数为-0.113。由表3可知，主要变量(除因变量外)之间的相关系数均小于0.4。同时,为确保研究数据及结果有效性，对变量进行方差膨胀因子VIF检验，结果显示其VIF值均小于10，说明变量之间不存在严重多重共线性问题。因此，可以进行相关模型回归分析。

表3 Pearson相关性分析结果

3.3 回归结果分析

为验证融资约束、研发费用加计扣除与研发投入强度之间的关系，对新能源行业上市创业企业2014-2019年面板数据进行回归分析。首先对样本数据进行Hausman检验，得出P值低于0.05，表明该数据更适合采用固定效应模型进行回归分析。为了避免调节效应多重共线性问题，对调节变量和自变量进行中心化处理，并生成对应的交互项进行回归分析。

(1)融资约束对研发投入强度的影响及研发费用加计扣除的调节效应。以融资约束为自变量，研发投入强度为因变量，研发费用加计扣除优惠强度为调节变量，逐步回归分析结果如表4所示，融资约束与研发投入强度的主效应以及研发费用加计扣除在两者关系之间的调节效应都在1%水平上显著。从单个模型进行分析，将自变量、调节变量以及自变量与调节变量的交互项逐步加入模型进行回归，其系数结果呈现差异性。

表4 融资约束与研发投入的主效应及调节效应

模型(1)-模型(4)报告了融资约束对研发投入强度的影响以及研发费用加计扣除在两者关系中的调节作用。模型(1)中融资约束的回归系数为-2.770 9，在1%水平上显著为负。融资约束SA指数取值越大表明融资约束程度越高，其回归结果说明融资约束对创业企业研发投入强度有显著负向影响，即融资约束程度越高，企业对研发活动投入强度越小，这与假设H1一致。在模型(2)中加入研发费用加计扣除优惠强度变量，模型(3)在此基础上加入融资约束与研发费用加计扣除优惠强度的交互项(SA*Ded)，旨在分析研发费用加计扣除能否调节融资约束对企业研发投入强度的制约作用。模型(2)中SA指数回归系数为-2.038 9，与模型(1)相比系数变化值大于0，表明研发费用加计扣除强度直接作用于融资约束与研发投入强度之间的关系，且效果显著。模型(3)调节效应结果显示，SA和Ded的系数均在1%水平上显著，分别为-2.038 0和1.172 2，但SA*Ded系数不显著，为-1.088 3，表明滞后一期的研发费用加计扣除强度正向调节作用不显著。考虑税收优惠政策激励效应的时滞性特质，将调节变量再滞后一期形成Ded_lag，中心化后与自变量SA指标组成交互项SA*Ded_lag进行回归分析。结果显示，交互项回归系数为-1.526 6，在10%水平上显著为负，说明滞后两期的研发费用加计扣除优惠强度的间接作用显著，在融资约束和研发投入强度中具有正向调节作用，能有效削弱融资约束对研发投入强度的负向影响，验证了假设H2。这一结果可能是由于研发税收优惠政策的刺激作用存在滞后性，当年研发投入强度对融资约束的反应因为受到前两年研发费用加计扣除强度的影响而更加强烈。

(2)研发费用加计扣除对研发投入强度的影响及股权集中度的调节效应。研发费用加计扣除优惠强度为解释变量，以股权集中度为调节变量，验证研发税收优惠政策对创业企业研发投入强度的积极影响以及股权集中度在两者关系中的调节作用，实证分析结果如表5所示。

表5 研发费用加计扣除与研发投入的主效应及调节效应

研发费用加计扣除与研发投入强度关系模型验证结果系数均在1%水平上显著为正，初步验证了研发费用加计扣除与创业企业研发投入强度之间的显著关系，与已有研究结论基本保持一致。

从单个模型回归系数来看，以研发投入强度为被解释变量的模型(5)-(7)回归结果与假设基本一致。模型(5)中，研发费用加计扣除优惠强度Ded的回归系数为1.553 7，在1%水平上显著为正，这与假设H3一致，表明研发费用加计扣除推动创业企业加大研发资金投入强度的作用显著。模型(6)和模型(7)分别在研发费用加计扣除与研发投入强度主效应模型上，加入调节变量股权集中度及其与研发费用加计扣除的交互项，股权集中度的系数均为负，但没有表现出显著性，表明股权集中度在研发费用加计扣除条件下对研发投入强度的直接抵消作用不显著。进一步比较分析发现，在模型(7)中，研发费用加计扣除与股权集中度的交互项(Ded*EC)回归系数为-0.032 4，且在5%水平上显著，验证假设H4。该结果说明股权集中度负向调节研发费用加计扣除对创业企业研发投入强度的促进作用，即股权越集中，创业企业利用研发税收优惠政策利好信号加大研发投入强度的效用越弱。

综合分析控制变量在各模型中的回归结果，发现托宾Q值(TQ)能够显著促进创业企业增加研发投入强度；净资产收益率(ROE)、资产负债率(Lev)和营业收入增长率(Growth)在研发费用加计扣除影响下对研发投入强度均表现出显著正向作用。

3.4 稳健性检验

考虑研发“投入-产出”反应滞后，将研发投入强度N+1期作为因变量进行回归分析，结果显示主效应和调节效应变量回归系数的正负与显著性没有明显变化，因此，上述结论成立。由于篇幅限制，本文只报告调节效应回归结果，如表6所示。

表6 稳健性检验结果

4 结论与讨论

4.1 理论贡献与实践启示

本文分别以融资约束和研发费用加计扣除为解释变量，探讨融资约束、研发费用加计扣除与创业企业研发投入强度之间的关系，依据其主效应和调节效应回归结果，揭示创业企业如何在融资约束下利用研发费用加计扣除优惠政策进行研发投入强度选择。利用新能源行业上市企业2014-2019年相关数据，控制托宾Q值、营业收入增长率、资产负债率以及净资产负债率等因素的影响进行回归分析，得出以下结论与启示：

(1)融资约束与创业企业研发投入强度显著负相关，即融资约束在一定程度上降低企业研发投入强度。基于优序融资理论，内源融资单一资金来源难以满足创业企业尤其是研发导向的创业企业融资需求，外源融资渠道开发对研发水平提升亦尤为重要。但由于市场信息不对称以及交易成本过高等问题，企业投融资往往低于最优水平，而企业内部研发决策过分依赖资金来源和分配使用，在研发投入强度决策上选择“量入而出”。以新能源行业为代表的资本密集型和技术密集型创业企业，通常开发大型研发项目且投资回收期长，高管对创新行为趋于保守，会减少研发投资。本文从融资约束视角出发，深度探究内外部融资约束条件下创业企业研发投入强度变化，从研发投入来源看，融资约束对其研发投入强度的制约作用主要归因于研发项目资金需求大，导致外源融资成本显著高于内源融资成本，创业企业权衡利益与成本后选择保守型研发投入强度。

新能源行业创业企业数据分析结果表明，由于所面临融资约束和资金获取困境，其研发投入强度受到严重制约，研发成果转化亦面临较大阻碍。因而，新能源领域的创业企业在开展创新活动时，应充分考虑金融市场和企业自身能力限制，从多渠道获取资金支持。考虑到绿色研发绩效对新能源创业企业获取行业竞争力的重要作用，应健全并完善基于新能源行业特性发展起来的多元化融资渠道和金融环境监管制度，有效解决研发活动中的财务约束，降低创业企业创新投资中面临的信息不对称，推动新能源行业可持续增长。

(2)研发费用加计扣除不仅直接刺激创业企业加大研发投入强度，而且通过间接削弱融资约束的限制作用推动研发活动。本文以研发投入强度为被解释变量，从多视角验证了研发费用加计扣除对研发投入强度的影响。其直接促进作用主要表现在弥补研发资金短缺[35]、风险规避[42]、创新意愿培养[43]等方面，对于自由化的新能源市场，竞争迫使创业企业利用研发费用加计扣除政策加大研发投入强度。融资约束视角下创业企业研发投入强度相关研究主要从政治联系、高管持股、政府补贴等方面展开[7]，本研究以支持性政策导向为视角，引入研发费用加计扣除优惠强度，强调创业企业通过享受研发费用加计扣除一定程度上抵消融资约束对研发投入强度的消极影响。这一调节效应实现路径与Hao[5]的研究相一致，其作用路径具体表现为创业企业在满足研发费用加计扣除政策条件下，一定程度上弥补技术研发资金缺口，还向外部投资者传递出企业发展利好信号，吸引外源融资改善企业融资结构、摆脱融资困境，进而降低外源融资成本，增强创业企业创新意愿，提升研发投入强度。

基于研发费用加计扣除的直接促进作用，考虑税收优惠政策导向对融资约束的弱化效果，政府应进一步规范和完善研发费用加计扣除等研发驱动型政策，营造良好的研发环境和融资环境，支持创业企业研发活动。新能源行业创业和创新处于探索阶段，当前税收优惠政策还无法为新能源行业创业企业提供更具竞争力和保障性的创新环境，本研究为新能源行业研发税制改革提供了有益参考。同时，创业企业需要完善内部研发资金分配机制，避免研发投入强度增加导致拥挤现象出现。

(3)股权集中度作为调节变量，负向调节研发费用加计扣除与创业企业研发投入强度之间的关系。以第一大股东持股比例测度股权集中度，反映创业企业股权分布状态和股权制衡情况[7]。股权集中程度越高的企业在面临研发费用加计扣除政策时，往往比股权集中度低的企业表现出低研发投入意愿，这一结论与Martins[32]等的观点一致。从决策信息不对称性来看，第一大股东和小股东分别关注自身利益相关信息，在企业复杂的决策网里，重要研发信息容易被趋利主义的股东隐藏，导致研发费用加计扣除政策刺激效应缺乏。从成果产出不确定性来看，研发活动具有可持续性和风险性，决策者需要在成本与收益之间进行权衡，股权集中度高的企业加大研发投入强度时容易受到大股东个人倾向的影响。从风险规避可能性来看，研发活动具有高成本、高风险特征，随着企业股权相对集中，大股东考虑企业长期发展和自身利益，减少研发投资，进而削弱研发费用加计扣除优惠政策对研发投入强度的平滑作用。

过高的股权集中度容易导致创业企业内部权力制衡失效，大股东基于趋利原则倾向于保守的研发决策。近年来，中国政府已经为新能源行业可持续发展制定了大量支持性政策，鼓励绿色创新。但在自由化和竞争性的市场上，政策导向下新能源领域创业企业预期创新绩效的实现效果并不显著。因此，为实现创业企业尤其是新能源行业创业企业长期可持续性发展，应优化调整股权结构，使得高层管理者合理考虑研发活动风险性和收益性权衡，在研发鼓励政策引导下选择最恰当的研发决策。

4.2 研究局限与展望

本文研究结论为创业企业应对融资约束及时调整融资渠道和方式，以及政府部门进一步完善研发费用加计扣除等相关政策提供了数据支撑和决策参考。但是，本研究仍然存在一定局限性，首先，主要聚焦于研发费用加计扣除对创业企业增加研发投入强度的直接影响，及其在削弱融资约束对研发投入强度产生消极效应过程中的间接影响。但是，这种影响路径可能受到许多其它因素的影响，例如产权性质、创业阶段等公司基础特征以及创业所面临的整体经济发展环境因素。其次，在对研究样本进行选择时，仅涉及新能源行业上市企业相关数据，未与其它行业创业企业进行横向对比，缺乏行业差异性研究，所得结论是否适用于其它行业创业企业仍需相关数据支持。因此，未来研究可以进一步从多视角探索内外部因素对不同行业创业企业研发投入强度的影响机制，使该领域研究更加完整。