科技金融、企业RD投入与企业创新绩效邵锦龙薛喆琦摘要：本文利用浙江省106家上市公司2011-2015年的面板数据，从企业R&D投入的角度对科技金融对企业创新绩效的影响进行实证分析。研究发现科技金融是通过企业R&D资金投入和企业R&D人力投入的中介效应对企业创新绩效产生促进作用的，且企业R&D人力投入的中介作用大于企业R&D资金投入的中介效应。关键词：科技金融；R&D资金投入；R&D人力投入；企业创新绩效在学界，科技金融愈来愈受到学者们的关注。本文从企业R&D投入的角度对科技金融对企业创新绩效的影响进行实证分析，为浙江省科技金融发展与企业技术创新发展提出建议。一、研究假设科技金融可以通过多种方式影响企业的R&D资金投入，从而影响企业创新活动。李丽青（2007）、戴晨（2011）和陈钰芬（2011）等的研究发现科技金融的实施对企业研发资金投入具有显著的促进作用，继而推动企业创新发展。基于以上研究，本文提出假设一：在其他变量保持不变的情况下，科技金融通过企业R&D资金投入对企业创新绩效产生促进作用。企业R&D人力投入也会受到科技金融的影响，同样也会促进企业的创新。娄贺统（2010）、肖鹏和黎一璇（2011）等研究优惠的有效性。研究发现，优惠对企业的创新活动具有正向的激励作用。基于以上研究本文提出假设二：在其他变量保持不变的情况下，科则应该执行项目，反之则不应该执行。通过下面的一个事例我们可以很好的理解NPV的作用。假设某一项目X会造成今天现金流出（成本）10000元，并在一年以后带来现金流入11000元（收益），那么通过直观地比较可能会认为因为10000<11000,因此这个项目能带来净利润，应该执行。但是这样的思考办法是不符合我们上述分析过程的，因为两个现金流发生在不同时期因此不能直接比较。在这里我们可以利用NPV来帮助我们决策。技金融通过企业R&D人力投入对企业创新绩效产生促进作用。企业R&D资金投入与R&D人力投入对企业创新产出都有重要意义，但是R&D资金投入能真正创造出创新成果，相反R&D人力投入可能更具有实际价值。基于以上研究，本文提出假设三：在其他变量保持不变的情况下，企业R&D人力投入的中介作用大于企业R&D资金投入的中介效应。二、实证分析（一）模型建构为了深入研究科技金融如何通过企业创新绩效的影响，本文以企业规模和营收能力作为控制变量，构建了以下模型。由于变量间数据差异较大，所以变量取对数使数据更平稳，具体模型如下：Y为创新绩效，K为R&D资金投入，L为R&D人力旦忽略会对我们的投资决策带来巨大负面影响。在这个例子中我们的情形比较简单，只包含了一笔现金流入与一笔现金流出，但是举一反三，当有多笔的现金流入与现金流出时只需要计算他们的现值并进行相应加和，需要注意现金流流出的符号应为负号。“货币的时间价值”理论作为最基本的金融理论之一，是投资行为的基础与支持，如果无法正确地理解这一理论，可能会导致许多投资决策有失偏颇。本文里面我们介绍了这一理论，希望广大投资者能更好地了解这一理论，并更好地将其利用起来，更理性地，科学地参与市场上的各类投资活动。参考文献:[1]程明.货币时间价值在理财投资中的作用.天津市经理学院学报,2008(1):13-14.[2]刘晓梅.在企业投资决策中货币时间价值的应用.太原城市职业技术学院学报,2009(9):78-79.[3]张萍香.货币时间价值在投资决策中的应用.经济与管理，2012,26(2):35-38.在上式中我们可以看出，实际上NPV的正负是与r％以及将来出现的现金流的时间节点息息相关的，我们无法单纯地通过现金流的总量的信息判断该项目是否盈利。回到我们上面的事例项目X,当r%为5%时，t为一年时可以计算NPV＝476.19>0，但是当t为两年的时候－22.68。同样的当假设t为一年时，如果r％为7%，则可以计算NPV＝280.37>0,但当r％为12%时，NPV＝－178.57<0。因此我们可以直接感受到货币的时间价值是不能忽略的，一（作者单位：合肥市第一中学）16
Copyright©博看网 www.bookan.com.cn. All Rights Reserved.投入，P为补助，O为资产总额，S为营业收入，下标i表示企业，下标t表示年份，μ为误差项。（二）数据来源与变量说明本文数据来自wind数据库，筛选了浙江省2011-2015年共107家上市公司的数据。在实证过程中，根据模型需要将所有变量都取对数。具体变量如下：1.创新绩效Y。本文选取公司专利数量作为衡量创新绩效与技术进步的指标。专利数量越多，说明该企业创新绩效高。在专利的选择上，将发明、实用新型以及外观设计综合考虑。2.R&D资本投入K。R&D资本投入是创新投入最重要的一个指标。3.R&D人力投入L。研发人员的投入是创新投入的另一个重要指标。4.补助P。由于科技金融难以量化，所以本文以补助作为替代。5.资产总额O。将企业规模作为控制变量，用资产总额的对数表示。6.营业收入S。将企业的营收能力作为控制变量，用营业收入的对数表示。（三）实证分析1.描述性统计本文研究的样本属于典型的平衡面板数据，且n大T小，属于一个短面板。首先对样本进行描述性统计分析，可以看到专利数Y的平均值为26.96，但是极小值为1，极大值为290；R&D人力投入最小值为32，最大值为7181；补助最小值为118800，最大值为1274249562。数据之间差异较大，因此本文将所有变量取对数，使数据更平稳，也有利于消除异方差问题，同时不会改变变量间的因果关系。2.相关性分析相关性分析，是分析模型中的变量之间的线性关系，即相关程度。本文在对模型进行回归之前进行简单的相关性分析，查看各变量之间的相关性。变量lnp与变量lny、变量lnk、变量lnl在5%的水平上都显著相关，相关系数分别为0.2855,0.6573,0.6097。变量lnl与变量lny和变量lnk也显著相关，相关系数为0.3705和0.7272.变量lnk与变量lny同样显著相关，相关性为0.3286。3.回归分析本文首先分别分析了科技金融对企业R&D资金投入和企业R&D人力投入的影响，发现解释变量lnp与被解释变量lnk和被解释变量lnl存在显著正相关。然后再以lny为被解释变量进一步的回归，结果显示解释变量lnp与lny基本没有显著性，在使用聚类稳健标准误的混合OLS模型中lnk与lny显著相关，相关系数为0.177，表明，企业R&D投入每增加1%，专利数增加0.177%。解释变量lnl在使用聚类稳健标准误的混合OLS和随机效应MLE检验下有显著性，相关系数为0.351和0.259。表明R&D人力投入提高1%，专利数分别增加0.351%和0.259%。因此，科技金融对通过企业R&D资金投入和R&D人力投入的中介作用对企业创新绩效产生正面作用，但是无法判断是否为完全中介作用。4.bootstrap中介效应检验与soble检验方式相比，bootstrap检验避免了因为a·b不服从正态分布而导致的第一类错误概率变大的问题，近年来被国内外广泛应用。分别检验变量lnk与变量lnl是否为变量lnp和被解释变量lny的中介变量，控制变量为lno与lns，检验结果如下：bootstrap检验进行了1000次自抽样，在95%的置信水平下，检验的结果显示：变量lnp通过变量lnk的中介作用对变量lny的产生的间接影响中没有包含0（LL-CI=0.0251707，ULCI=0.0878567），且p值为0，表明变量lnk的中介效应显著，中介效应的大小为0.0565137；同时变量lnp没有通过变量lnk的中介作用对变量lny的产生的直接影响中也没有包含0（LLCI=0.0251707，ULCI=0.0878567），且p值为0。说明企业R&D资金投入在科技金融对企业创新绩效影响中发挥了部分中介作用，中介效应占比约为29.8%。假设一得证。bootstrap中介效应检验结果表同理也可以得出变量lnl为变量lnp与解释变量lny的中介变量，中介效应的大小为0.0826711，即企业R&D人力投入在科技金融对企业创新绩效影响中发挥了部分中介作用，中介效应占比约为43.6%。并且企业R&D人力投入的中介效应要高于企业R&D资金投入。假设二、三得证。三、结论与启示本文以浙江省2011-2015年106家上市公司的数据为样本，用补助替代科技金融，来研究科技金融对企业创新绩效的影响。得出以下结论：科技金融对企业创新绩效是通过企业R&D资金投入和R&D人力投入的部分中介作用产生影响的。同时还发现，企业R&D人力投入的中介效应要高于企业R&D资金投入。因此应该有针对性地颁布相关的科技金融，为企业创新活动创造条件。由于的科技金融对企业创新绩效的促进作用是通过R&D资金投入与R&D人力投入这两个中介变量的，因此科技金融的制定应从资金与人才这两方面入手，为企业解决研发资金不足以及研发人员不足等问题提供上的支持与帮助，尤其要重视对企业R&D人力投入的激励。（作者单位：浙江师范大学）17
Copyright©博看网 www.bookan.com.cn. All Rights Reserved.