經(jīng)濟(jì)政策不確定性對(duì)企業(yè)技術(shù)創(chuàng)新的影響一直是有待研究的問(wèn)題。本文以2009～2016年中國(guó)創(chuàng)業(yè)板所有具有VC/PE投資背景的上市公司為研究樣本，采用面板固定效應(yīng)模型實(shí)證分析經(jīng)濟(jì)政策不確定性對(duì)企業(yè)創(chuàng)新的影響。實(shí)證發(fā)現(xiàn)：經(jīng)濟(jì)政策不確定性對(duì)企業(yè)研發(fā)投入和企業(yè)創(chuàng)新產(chǎn)出均具有顯著的促進(jìn)效果;相比于具有IVC投資背景的企業(yè)，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)技術(shù)創(chuàng)新的促進(jìn)作用在具有CVC投資背景的企業(yè)顯得更加顯著。

　　關(guān)鍵詞：經(jīng)濟(jì)政策不確定性;技術(shù)創(chuàng)新;公司創(chuàng)業(yè)投資

　　一、引言

　　創(chuàng)新是一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展的源動(dòng)力。黨的十九大提出創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力，并且出臺(tái)一系列例如“一帶一路”、“四萬(wàn)億”等重大經(jīng)濟(jì)政策，在貨幣政策中不斷切換“穩(wěn)健”、“從緊”、“適度寬松”等方式。雖然這些經(jīng)濟(jì)政策保證我國(guó)經(jīng)濟(jì)能夠平穩(wěn)發(fā)展，但也增強(qiáng)企業(yè)面對(duì)的經(jīng)濟(jì)政策不確定性。由于投資目標(biāo)不同，風(fēng)險(xiǎn)投資分為獨(dú)立創(chuàng)業(yè)投資和公司創(chuàng)業(yè)投資。獨(dú)立創(chuàng)業(yè)投資，就是通常所指的傳統(tǒng)風(fēng)險(xiǎn)投資，占到風(fēng)險(xiǎn)投資的絕大多數(shù)，一般采取有限合伙制形式，如個(gè)人、金融機(jī)構(gòu)、政府機(jī)構(gòu)等。公司創(chuàng)業(yè)投資，簡(jiǎn)稱為公司創(chuàng)投，是傳統(tǒng)風(fēng)險(xiǎn)投資行業(yè)進(jìn)一步衍生而來(lái)，其主營(yíng)業(yè)務(wù)是非金融類的企業(yè)所進(jìn)行的風(fēng)險(xiǎn)投資活動(dòng)，通常是由其下屬部門或成立的子公司來(lái)完成對(duì)被投資企業(yè)的股權(quán)投資。因此，IVC的特點(diǎn)是具有一定的“代理”性質(zhì)，而利益最大化的退出方式———成功上市(IPO)是其看重的最主要的退出選擇。CVC投資機(jī)構(gòu)秉承母公司的戰(zhàn)略優(yōu)先原則，能夠?qū)Ρ煌顿Y企業(yè)的技術(shù)創(chuàng)新產(chǎn)生一定的失敗容忍度，并不一定要求被投資企業(yè)速成�；�于此，本文試圖研究經(jīng)濟(jì)政策不確定性是否會(huì)對(duì)企業(yè)技術(shù)創(chuàng)新產(chǎn)生影響，并且進(jìn)一步研究，CVC被投資企業(yè)是否比IVC投資企業(yè)受影響程度更深。

　　二、研究設(shè)計(jì)

　　(一)樣本選擇和數(shù)據(jù)來(lái)源。本文選取了2009～2016年中國(guó)所有創(chuàng)業(yè)板上市公司為研究樣本，本文采用初創(chuàng)企業(yè)上市年份的數(shù)據(jù)觀察是否具有VC支持，留用其后1年，未來(lái)兩期的創(chuàng)新投入和產(chǎn)出。因而，本文的樣本選取截至2016年，留有2017年和2018年觀察未來(lái)一二期的創(chuàng)新投入和創(chuàng)新產(chǎn)出。截至2016年12月31日，在我國(guó)創(chuàng)業(yè)板上市公司上市的企業(yè)共有571家，其中具有VC/PE支持IPO共計(jì)357家。本文將VC根據(jù)其組織形式劃分為CVC與IVC兩類。根據(jù)清科數(shù)據(jù)庫(kù)中對(duì)VC的描述，對(duì)于每一個(gè)可能的CVC，我們找出其母公司，并根據(jù)其母公司必須是非金融機(jī)構(gòu)才能定義為CVC。本文定義，如果投資到初創(chuàng)企業(yè)的VC至少有一個(gè)是CVC，則企業(yè)定義為CVC被投資企業(yè)，否則為IVC被投資企業(yè)。其中發(fā)明類專利授權(quán)數(shù)量來(lái)自中國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局，創(chuàng)新研發(fā)投入指標(biāo)來(lái)自色諾芬經(jīng)濟(jì)金融研究數(shù)據(jù)庫(kù)，其余數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)。對(duì)原始數(shù)據(jù)進(jìn)行如下處理：剔除ST、ST*、資產(chǎn)負(fù)債率超過(guò)100%以及財(cái)務(wù)數(shù)據(jù)嚴(yán)重缺失的公司樣本。為有效避免出現(xiàn)反向因果關(guān)系，所有解釋變量均滯后于被解釋變量一期。最終得到349家初創(chuàng)企業(yè)的數(shù)據(jù)。(二)變量定義1、被解釋變量。企業(yè)的科技創(chuàng)新活動(dòng)可劃分為投入階段和產(chǎn)出階段，本文選用了研發(fā)費(fèi)用占主營(yíng)收入之比衡量創(chuàng)新投入。參考主流文獻(xiàn)，本文選用發(fā)明專利申請(qǐng)數(shù)(Patent)作為創(chuàng)新產(chǎn)出的代理變量，并將其加1取自然對(duì)數(shù)。2、解釋變量。經(jīng)濟(jì)政策不確定性(EPU)。采用Baker等(2016)構(gòu)建的月度經(jīng)濟(jì)政策不確定性指數(shù)，并用算術(shù)平均法將其轉(zhuǎn)化為年度變量。3、控制變量。模型中的控制變量選擇參考了顧夏銘(2018)、孟慶斌和師倩(2017)等的做法，選取股權(quán)集中度、資產(chǎn)收益率、總資產(chǎn)、資本支出等衡量公司盈利能力和抵抗風(fēng)險(xiǎn)能力，并控制了年度固定效應(yīng)和行業(yè)固定效應(yīng)。各變量定義見(jiàn)表1。(表1)(三)回歸模型構(gòu)建。本文以企業(yè)研發(fā)投入(RD)和發(fā)明專利申請(qǐng)數(shù)(Patent)為被解釋變量，以經(jīng)濟(jì)政策不確定性(EPU)為解釋變量，以股權(quán)集中度(Cr)、資產(chǎn)收益率(ROA)、總資產(chǎn)(Size)、資本支出(Capital)指標(biāo)為控制變量，并控制年度固定效應(yīng)和行業(yè)固定效應(yīng)，構(gòu)建計(jì)量模型�；貧w模型的具體形式如下：RD/Patent=墜0+墜1EPU+墜2Cr+墜3roa+墜4size+墜5captial+墜6year+墜7industry+著上述回歸模型主要用于經(jīng)濟(jì)政策不確定性(EPU)與被投資企業(yè)創(chuàng)新績(jī)效之間的關(guān)系，其中RD/Patent分別表示為被投資企業(yè)創(chuàng)新投入(R&D)和創(chuàng)新產(chǎn)出(Patent)。以上回歸模型的數(shù)據(jù)分析均基于非平衡面板數(shù)據(jù)，采用計(jì)量軟件Stata14來(lái)進(jìn)行統(tǒng)計(jì)分析。

　　三、實(shí)證結(jié)果與分析

　　(一)描述性統(tǒng)計(jì)與相關(guān)性分析。表2列出了描述性統(tǒng)計(jì)結(jié)果。數(shù)據(jù)表明，經(jīng)濟(jì)政策不確定最大值為3.6483，最小值為0.9889，標(biāo)準(zhǔn)差為0.8759，總體而言趨于穩(wěn)定。創(chuàng)新投入最大值為0.7562，最小值為0，標(biāo)準(zhǔn)差為0.0704，差異并不大。(表2)本文解釋變量、被解釋變量、控制變量的相關(guān)系數(shù)以及顯著性結(jié)果顯示：經(jīng)濟(jì)政策不確定性和創(chuàng)新投入在5%的水平上顯著正相關(guān)，經(jīng)濟(jì)政策不確定性和創(chuàng)新產(chǎn)出在10%的水平上顯著正相關(guān)，這說(shuō)明經(jīng)濟(jì)政策不確定性均能顯著促進(jìn)企業(yè)創(chuàng)新投入和企業(yè)創(chuàng)新產(chǎn)出，證明假設(shè)1是正確的。但由于Person相關(guān)性分析沒(méi)有考慮其他控制變量對(duì)創(chuàng)新投入和創(chuàng)新產(chǎn)出的影響，因此需要通過(guò)多元回歸分析進(jìn)行進(jìn)一步的檢驗(yàn)。(二)回歸結(jié)果分析。對(duì)模型進(jìn)行ols回歸，并控制行業(yè)和年份固定效應(yīng)，結(jié)果見(jiàn)表3。(表3)根據(jù)表4中經(jīng)濟(jì)政策不確定性與企業(yè)技術(shù)創(chuàng)新回歸結(jié)果，當(dāng)被解釋變量為企業(yè)創(chuàng)新投入時(shí)，經(jīng)濟(jì)政策不確定性的系數(shù)在5%的水平上顯著為正;當(dāng)被解釋變量為企業(yè)創(chuàng)新產(chǎn)出時(shí)，經(jīng)濟(jì)政策不確定性的系數(shù)在5%的水平上顯著為正;說(shuō)明當(dāng)企業(yè)在面臨經(jīng)濟(jì)政策不確定性時(shí)，會(huì)促進(jìn)技術(shù)創(chuàng)新能力。按CVC和IVC分組回歸后，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)技術(shù)創(chuàng)新的回歸結(jié)果如表4所示，經(jīng)濟(jì)政策不確定性與企業(yè)創(chuàng)新投入在CVC被投資企業(yè)中在1%的水平上顯著為正，而在IVC被投資企業(yè)中不顯著相關(guān);經(jīng)濟(jì)政策不確定性與企業(yè)創(chuàng)新產(chǎn)出在CVC被投資企業(yè)在5%的水平上顯著為正，而在IVC被投資企業(yè)中不顯著相關(guān)。這說(shuō)明相對(duì)于IVC被投資企業(yè)，經(jīng)濟(jì)政策不確定性對(duì)CVC被投資企業(yè)的技術(shù)創(chuàng)新促進(jìn)能力更顯著。(表4)(三)穩(wěn)健性檢驗(yàn)。為了保證回歸結(jié)果的穩(wěn)健性，本文使用發(fā)明專利申請(qǐng)、發(fā)明專利與實(shí)用新型專利申請(qǐng)量之和兩個(gè)更具有創(chuàng)新性的指標(biāo)來(lái)衡量創(chuàng)新產(chǎn)出，重復(fù)上述步驟進(jìn)行回歸分析，結(jié)論基本一致，說(shuō)明結(jié)果是穩(wěn)健的。

　　四、結(jié)論

　　本文主要研究經(jīng)濟(jì)政策不確定性對(duì)企業(yè)技術(shù)創(chuàng)新的作用，并比較分析這一作用在CVC與IVC被投資企業(yè)之間的差異。得出結(jié)論：第一，經(jīng)濟(jì)政策不確定性對(duì)企業(yè)技術(shù)創(chuàng)新具有顯著的促進(jìn)作用;第二，無(wú)論從創(chuàng)新投入(研發(fā)投入)還是從創(chuàng)新產(chǎn)出(專利數(shù)量)上來(lái)看，由CVC支持的初創(chuàng)企業(yè)在面對(duì)經(jīng)濟(jì)政策不確定性時(shí)創(chuàng)新上的表現(xiàn)要顯著好于由IVC支持的初創(chuàng)企業(yè)。本文研究對(duì)我國(guó)的CVC投資實(shí)踐具有一定的借鑒意義。

　　主要參考文獻(xiàn)：

　　[1]SolowRM.TechnicalChangeandtheAggregatePro-ductionFunction[J].ReviewofEconomics&Statistics，1957.39(3).

　　[2]葛曉藝.經(jīng)濟(jì)政策不確定性、現(xiàn)金持有與企業(yè)創(chuàng)新投入[J].當(dāng)代經(jīng)濟(jì)，2019.495(3).

　　[3]王新文.我國(guó)風(fēng)險(xiǎn)投資對(duì)被投資企業(yè)的支持———基于IVC與CVC的分析[J].現(xiàn)代商業(yè)，2018(6).

　　《經(jīng)濟(jì)政策對(duì)企業(yè)技術(shù)創(chuàng)新的影響》來(lái)源：《合作經(jīng)濟(jì)與科技》，作者：余青如

轉(zhuǎn)載請(qǐng)注明來(lái)自：http://www.jinnzone.com/jingjixuelw/69718.html