融资约束、代理成本与企业研发效率——基于中国工业上市公司的实证研究<br/>

融资约束、代理成本与企业研发效率——基于中国工业上市公司的实证研究

2014-04-17黄达HUANGDa陈波CHENBo

价值工程 2014年8期

黄达 HUANG Da；陈波 CHEN Bo

（华南理工大学工商管理学院，广州 510640）

（Schoo1 of Business Administration，South China University of Techno1ogy，Guangzhou 510640，China）

1 问题提出

早在20世纪30年代，经济学家熊彼特（1934）就在《经济发展理论》一书中阐述了创新对经济增长的巨大作用。对照我国经济发展实践，在经过“刘易斯转折点”并且“人口红利”逐步消失的情况下，中国经济发展的根本出路是把经济增长转变到提高全要素生产率，特别是与技术进步有关的生产率的轨道上来（蔡昉，2013）。

然而对于企业而言，研发创新活动具有公共性、外溢性、高风险性等特点，其私人收益远小于社会收益。同时研发对资金具有长期依赖，企业对于新技术或新产品的保密要求使得企业与资金供应者之间的信息不对称加重，导致在完全竞争市场中企业研发创新活动面临融资约束问题（Ha11&Lerner，2009），且按照一般理论，与大型企业相比，中小企业的融资约束问题（Titman&Weese1s，1988）更为严重。但现实情况并非像理论预期的那样。以新药市场为例，大型制药公司的市场份额从1980年代的75%下降到近年来的35%，与此同时，小型生物制药公司的市场份额则从23%上升到65%（Munos，2009）。此外，结合我国实际情况来看，我国约66%的发明专利、74%以上的技术创新及82%以上的新产品开发都是由小企业完成的（李士萍，2006）。

另一方面，由于在现代企业中所有权与经营权相分离，企业管理者可能从自身利益出发进行投资决策，而企业研发投入属于高度不确定性、无形性且信息严重不对称的投资活动，因而这类投资存在严重的代理问题（Kumar&Langberg，2009）。企业管理者可以通过很多方式从研发投资中谋取私利或选择次优投资决策，例如管理者可以故意提高研发预算或者抽取研发中间产出的收益。已有研究表明，企业研发投资与信息不对称存在正相关关系，而且投资备受瞩目的研发项目（例如开发治疗癌症或艾滋病药物）可以提高企业CEO的社会知名度（Aboody&Lev，2000）。那么，企业面临的融资约束与代理冲突是否会对企业研发效率产生影响？如果存在影响，它们又是如何影响企业研发效率的呢？这些问题正是本文关注的重点。

目前，大部分国内外研究都集中在融资约束与企业研发投资的关系（王东，2007；解维敏，方红星，2011；Hyytinen&Toivanen，2005；Czarnitzki&Hottenrott，2011），而关于融资约束与企业研发效率的研究并不多见。有鉴于此，本文选取我国工业上市公司2004～2012年的数据，采用随机前沿模型，就融资约束、代理成本对企业研发效率的影响进行实证研究。

2 实证设计

2.1 融资约束与代理成本的度量根据以往国内外学者的研究，融资约束（FC）的度量方法主要分为两大类：一是单变量融资约束指标（如股利支付率、公司规模、利息保障倍数等）；二是多变量融资约束指数，即由多个与融资约束程度相关的变量综合而成。本文借鉴Lamont,Po1k&Saa-Requejo（2001）的方法，采用二元Logistic模型构建KZ指数对融资约束进行度量。具体做法如下：

首先，选取利息保障倍数（ICR）作为样本预分组指标（Guarig1ia,1999），对每年的样本观察值按照利息保障倍数从大到小排序，分别选取前33%的观察值作为低融资约束组、后33%的观察值作为高融资约束组，其中低融资约束组取值为y=0，高融资约束组取值为y=1，并以这两组样本作为Logistic回归样本。

其次，参照 Lamont等（2001）、李焰和张宁（2008）等相关文献，综合考虑可以反映上巿公司规模、盈利能力、现金能力、发展能力等多方面因素的财务指标以及数据可获取性，本文采用股利支付率（Div）、公司规模（Size）、经营活动产生的现金流（CF）、现金存量（CS）、财务松弛（S1ack）、资产负债率（Lev）、营业收入增长率（SG）总共7个指标作为Logistic回归的解释变量。具体模型如下：

根据式（1）估计的系数k计算融资约束指数（FC1），其中

对于代理成本的度量，本文借鉴Chae&Kim（2009）的方法，采用自由现金流量/总资产（AC1）作为代理变量。而自由现金流量的计算，本文采用通常的算法（罗斯等，2007），即自由现金流量＝息税前利润-息税前利润所得税+折旧与摊销-营运资本净支出-资本性支出。此外，本文还采用了自由现金流量/主营业务收入（AC2）作为替代变量，以确保实证结果的稳健性。

2.2 模型构建与变量说明目前，效率前沿方法是测度研发效率的一类主流方法，主要包括数据包络分析（DEA）和随机前沿分析（SFA）。鉴于企业研发属于知识生产过程（Brown&Svenson，1998），学者们对研发过程的各个阶段都有一定的共识，故本文认为描述研发过程的生产前沿函数一般不会出现误设的问题，SFA通过计量方法对前沿生产函数进行估计与推断，不仅可以测算每个个体的技术效率，而且可以同时考察多个影响因素对个体效率及其差异的具体效应。因此本文采用Battese&Coe11i（1995）提出的可融入多个影响因素的SFA模型研究融资约束和代理成本对企业研发效率的影响。具体模型构建如下：

其中，下标i、t分别表示企业个体和时期。在式（3）中，Patentsit为企业专利申请数或专利授权数，代表企业的研发产出；Exit，Emit分别为研发经费和研发技术人员，代表企业的研发投入；v为随机误差项且符合正态分布，u（＞0）为非效率项且符合半正态分布，而效率值由e-u计算得到。在式（4）中Contro1s表示控制变量，本文选取了是否属于国有控股（SO）、研发强度（RDS）作为控制变量，Zits是本文主要关注的相关变量，即融资约束（FC）和代理成本（AC）。另外需要说明的是，由于企业研发活动相对于企业研发融资有一定滞后期，因此本文的融资约束指数是取上一期的数据。

由于涉及的变量相对较多，本文将相关的变量说明总结在表1中。

2.3 样本数据筛选及描述性统计本文采用的数据为我国工业上市公司2004～2012年的数据。本文划分工业行业的参照标准为国家统计局出台的三次产业划分规定，即《国民经济行业分类》（GB/T 4754—2011）。企业研发投入数据主要来源于上市公司年报中披露的数据，其中研发经费数据通过在年报中查找“研发费用”、“研发支出”、“研究开发支出”、“研究与开发费用”或“支付的其他与经营活动有关的现金”得到，研发人员则是年报中查找“技术人员”或“研发及相关人员”得到。而企业专利信息是通过从中国知识产权局“专利检索与服务系统”中通过输入上市公司的名称查询得到。需要说明的是，为了方便数据处理中的对数取值，由于部分上市公司有研发投入信息的披露，但查找到的专利申请数为0时，本文则将其设置为0.5，而查找到的专利授权数为0时，如果专利申请数不为0，则专利授权数设置为0.5，如果专利申请数为0，则专利授权数设置为0.1。其余数据主要来源于国泰安（GTA）数据库和聚源（ILDATA）数据库，部分数据来自上市公司年报。最后得到2004～2012年1052家企业的非平衡面板数据，总共2721个样本观测值，此外，主要变量的描述性统计在表2中给出。

表1 变量说明

表2 主要变量的描述性统计

3 实证结果分析

本文采用软件SPSS17.0对融资约束指数FC1进行测算，式（1）的Logistic回归结果在表3给出。Cox&Sne11 R2值和 Nage1kerke R2值分别达到 0.45和 0.60，Hosmer-Lemeshow检验卡方值为20.605，p值为0.008，说明回归的拟合程度较高。而且解释变量中除了现金存量CS以外，其余变量的系数都显著不为零。另外，模型预测准确性相对较高，达到83%（见表4）。因此根据式（2），融资约束指数FC1计算表达式如下：

表3 融资约束指数（FC1）Logistic回归结果

表4 融资约束指数（FC1）Logistic回归错判矩阵

接下来，本文采用软件Frontier4.1进行随机前沿分析，首先，就控制变量而言，当研发产出变量为专利申请数时，是否属于国有控股企业（SO）和研发强度（RDS）的系数都显著为正①，而当研发产出变量为专利授权数时，它们的系数均为正数，但均不显著。这也在一定程度上说明国有控股企业的研发效率低于非国有控股企业，和以往大多数研究的结果一致，而研发强度的系数为正说明我国上市公司的研发活动并未出现规模效应。

从表5来看，分别以专利申请数和专利授权数为研发产出变量的分析结果中，融资约束指数（FC1）的系数分别在0.01水平上显著为负，且系数大小分别在-0.12和-0.20左右，说明融资约束对企业研发效率有显著的正向作用，而且对以专利授权数为产出变量的研发效率的正向影响更加明显。这也从一定程度上反映当企业面临融资约束时，企业更加倾向于投资具有专利产出保障的研发项目，此时融资约束高的企业的研发效率反而更高。而代理成本变量（AC1和AC2）的系数都是在0.01水平上显著为正，同样，系数的大小也出现了以专利授权数为产出变量的效率绝对值大于以专利申请数为产出变量的效率绝对值。说明企业的代理成本会对企业研发投资效率有负向影响。

表5 融资约束、代理成本对企业研发效率影响的实证结果

考虑到企业融资约束和代理成本的共同作用，本文在随机前沿模型中加入了交互项，即FC1×AC1、FC1×AC2，结果是它们的系数都显著为负。这说明企业的融资约束可以缓解企业代理成本对企业研发效率的负向作用，即高融资约束企业外部融资成本相对较高，企业研发投资更加倾向于内部融资，甚至是股权融资（Mü11er&Zimmermann，2009），而在这种情况下企业的内部现金在一定程度上减少，进而由代理问题引起的无效研发投资也会减少。在高融资约束企业中内部融资和外部融资成本差异不大，企业融资相对较容易，此时企业的内部现金也较为充裕，管理层在进行研发投资活动时容易从中谋取私利（Aboody&Lev，2000）。