負債融資是企業創新與企業價值的中介變量嗎？
——基于信息傳輸、軟件與技術服務行業的面板數據

上海大學管理學院 戴書松 朱晨星

負債融資是企業創新與企業價值的中介變量嗎？
——基于信息傳輸、軟件與技術服務行業的面板數據

上海大學管理學院 戴書松 朱晨星

本文以信息傳輸、軟件與技術服務行業為研究對象，將負債融資引入到企業創新投入、產出對企業價值影響的研究中去。研究表明：創新投入、產出均與企業價值正相關，但影響路徑不同；企業創新投入與負債融資負相關，而創新產出與負債融資正相關。此外，信息傳輸、軟件與技術服務行業的負債融資強度有待提升，該變量是創新產出與企業價值的中介變量。本文研究了典型輕資產行業“創新投入產出——融資結構——企業價值”之間的關系，以期為企業利益相關者的決策提供參考。

創新投入 創新產出 負債融資 企業價值

一、引言

十三五規劃提出我國對產業信息化需求迫切，信息傳輸、軟件和技術服務業儼然已成為驅動我國經濟轉型的核心行業之一。此外，近年來由麥肯錫公司率先提出的“輕資產運營模式”受到學術界的廣泛關注，信息傳輸、軟件與技術服務行業相比于制造行業，重在研發、創新，且對自然資源依賴程度輕，具有相對輕固定資產、重無形資產的特征，因此筆者認為該行業屬于“輕資產運營行業”，該行業的企業價值決定邏輯值得深入探討。國內外學者雖然有諸多關于企業價值、企業創新以及融資結構的研究，然而甚少有學者基于該行業的特征將三者的內在邏輯關系理清。不同于大部分文獻將企業創新作為一個整體進行研究，本文將企業創新活動細化為創新投入與創新產出，研究創新投入、產出通過不同路徑與負債融資、企業價值之間的關系。其次，本文的創新點還在于分析企業的負債融資強度在創新產出與企業價值之間是否存在部分中介作用。本文沿著“企業創新——融資結構——企業價值”這一主線，嘗試打開信息傳輸、軟件與技術服務行業的企業價值邏輯關系黑匣子。由本文的結論可以看出，信息傳輸、軟件與技術服務行業的企業創新投入與產出均能夠促進企業內在價值的提升，且負債融資強度與企業價值顯著正相關。此外，企業創新投入越高，負債融資強度越低；而企業創新產出越高，負債融資強度越高。本文另一發現是企業負債融資強度在企業創新產出與企業價值之間充當部分中介變量。

二、理論分析與研究假設

（一）企業創新投入、產出與企業價值 許多文獻在研究創新與企業價值之間的關系時往往不區分創新投入與創新產出，筆者認為企業創新投入與產出由不同的路徑影響企業內在價值。首先針對創新投入與企業價值的關系：Johnsonetc.（1993）；Tsang,EricW.Ketc.（2008）；Pindadoetc（2015）利用不同國家的數據，均證明R&D投入有利于企業價值的提升。Vithessonthietc.（2016）區分企業價值與企業績效，證明企業對新知識能力的投資有利于企業長期績效，不利于短期績效，但與公司價值始終正相關。國外學者在研究兩者間關系時也引入政府干預、代理問題、國內國際市場化進程差異等調節變量。我國學者徐欣、唐清泉（2010）；周艷、曾靜（2011）；王征、潘陽陽（2012）實證證明企業的創新投入與企業價值正相關，孫維峰（2012）則認為兩者正相關關系僅存在于小企業中，在大企業中不成立。其次，針對企業創新產出與企業價值的關系：Sangjoon Lee（2009）提出企業創新產出（專利的數量以及專利引用的持續時間）比創新投入（R&D）更能夠有效帶動企業未來現金流量。Sorescuetc（2008）定義了突破式創新與漸進式創新，認為創新突破成果能帶來超額利潤而漸進式創新成果只能帶來正常利潤。Gao,Wenlianetc.（2015）；Hsiao,Shu-Hua（2014）認為技術轉化效率在創新投入和企業價值之間有顯著的調節作用。Belenzonetc（2013）探討了企業價值和專利指標之間的關系，他認為歐洲專利局的專利可作為創新活動的主要衡量指標，而美國專利商標局專利對公司價值沒有影響。Ming-Yeu Wang（2015）證明專利資產和企業價值的關系是基于專利檢查持續時間的倒U形調節關系。劉小青、陳向東（2010），徐欣、唐清泉（2010），王征、潘陽陽（2012）發現高科技行業中創新產出對企業價值的貢獻更顯著，且創新程度最高的發明專利對企業價值的貢獻最為顯著。李常洪等（2013）認為創新投入對創新產出有顯著的正向影響，創新產出對企業績效也有顯著的正向影響。所以，本文提出假設1。

假設1：信息傳輸、軟件與技術服務行業中，企業創新投入、企業創新產出與企業價值均正相關

（二）企業創新投入、產出與企業負債融資強度 關于創新投入、產出與企業負債融資強度的文獻大多關于企業的融資結構如何影響企業對于研發的支持力度，而從對立面思考的文獻較少。基于企業創新投入對于負債融資強度影響，主要有以下三種理論：第一，企業的創新投入具有高度不確定性，因此債權人對于風險將索取更高的報酬率；此外，銀行貸款審核需利用企業信用評級及擔保抵押，我國企業創新投入資本化程度低，因此不利于企業向銀行融資。Jakusonoka（2016）；GANEA,Vi ct ori aet c.（2015）認為創新投入的不確定性導致創新型中小企業融資效率不高。第二，BAVIèRE,CH RISTOPH E（2015）；Brancati,Emanuele（2015）；Bel i t z,H ei ke（2016）認為信息傳輸、軟件與技術服務行業需要充足的現金流來保證研發投入的運行。由于股權融資相對于債務融資能給企業帶來更穩定的現金保障，而債務融資往往具有資金使用限制條例，并需要定期支付利息，因此企業更傾向于低的債務融資強度。第三，王亮亮（2015）提出創新投入具有非債務稅盾效應，從而降低企業負債水平。當企業的研發投入增加時，可以抵減企業對于債務稅盾的需求，從而減少負債融資強度。Bryce Cam podoni co（2016）認為企業可以通過轉移定價等方式，產生非債務稅盾，而非債務稅盾可以降低企業的負債水平。創新產出與企業負債融資強度相關關系的理論主要基于信號傳播假說。筆者認為企業的專利強項是具備創新能力的有力表現，從而給債權人積極信號使得企業能夠獲得債務 融 資 。Mann（2005）；Contietc.（2013）；GREENBERG（2013）；Hottenrottetc.（2016）；Correia（2014）的實證結果均支持以上理論。周艷菊等（2014）實證得出高新技術企業的專利授權量（公開量）與負債水平正相關，而研發資金投入與負債水平負相關。因此，提出假設2。

假設2：信息傳輸、軟件與技術服務行業中，企業創新投入與負債融資強度負相關；企業創新產出與企業負債融資強度正相關

（三）企業負債融資強度與企業價值 Modigliani and Miller（1958）提出M M理論：在完美市場前提下，企業融資方式與企業內在價值無關；并于1963年提出修正的MM模型：在所得稅環境下，企業的負債越多，企業價值越大。Lelandand Pyle（1977）提出企業會利用自己的融資結構向投資者發出有利自己的信號（信號傳遞理論）。Myersand Majluf（1984）提出企業優序融資理論，企業融資順序優先內部融資，再負債融資，最后債權融資。許多學者表示針對不同的行業特征，企業的負債融資情況對企業價值的影響具有差異性。周守華等（2013）提出我國資本市場一定程度上滿足企業優序融資理論。企業存在某一最優融資結構以達到企業價值最大化，而在實際融資過程中，由于信息不對稱等問題的存在，很難觀測到最優資本結構。信息傳輸、軟件與技術服務行業2011-2015年的平均資產負債率31.43%，其中資產負債率超過60%的僅占6.72%，超過50%占18.2%。絕大部分企業的資產負債率未超過50%，而國際與國內諸多學者認為合理的資產負債率應在60%左右較為合適。張原、薛清梅（2016）認為信息技術行業的在債務融資中處于劣勢，低于全國上市公司的平均負債融資水平。基于以上理論分析，得出假設3。

假設3：信息傳輸、軟件與技術服務行業中，企業負債融資強度與企業價值正相關

（四）中介效應 溫忠鱗等（2012）：當自變量X通過另一變量M來影響應變量Y時，M即為X與Y之間的中介變量。從前文的假設看出，由于企業創新投入與負債融資強度負相關，而負債融資強度與企業價值正相關，因此可不進行負債融資強度對于創新投入與企業價值的中介效應檢驗，直接將其否決。目前還沒有文獻研究負債融資強度發揮企業創新產出與企業價值中介效應，本文基于前文的理論加上邏輯推導，認為企業的創新產出能夠有效得提升信息傳輸、軟件與技術服務行業現階段負債融資強度，從而提升企業內在價值。因此，提出假設4。

假設4：信息傳輸、軟件與技術服務行業中，負債融資強度是企業創新產出與企業內在價值的部分中介變量

三、研究設計

（一）樣本選取與數據來源 本文選取我國證監會新行業分類（2012年）中信息傳輸、軟件與技術服務行業所有上市公司為初始研究樣本。初始統計數據為研究樣本于2011-2015年財務報表以及國泰安EVA數據庫、專利數據庫中的數據，缺失數據由筆者手工搜集。在此基礎上進行如下處理：剔除ST或者PT類公司（這類公司的財務狀況并不穩定）；剔除財務數據缺失的公司；對數據做wi nsori ze處理，使小于1%分位數和大于99%分位數的連續變量分別等于1%和99%分位數。最終選取95家企業，共計有效數據4750個。本文的數據均來源于國泰安CSM AR數據庫。

（二）變量定義與模型構建 本文涉及的主要變量有企業內在價值，創新投入，創新產出，債務融資強度。企業內在價值的衡量，本文選取托賓Q與EVA，托賓Q被國內外學者廣泛應用于企業價值的評價，但托賓Q的有效性一般建立在龐大、有效、有序的資本市場中，我國的資本市場并不完全符合這一基礎，因此本文又引入EVA補充衡量企業價值，EVA表示調整后的稅后凈利潤扣除資本成本后的數值，被認為不同于傳統財務指標，能真正反映企業價值，增加實證結果的可信度。基于數據的可獲得性，本文選取企業研發投入衡量企業創新投入；針對創新產出，現有文獻常用于評價創新產出的有發明和專利申請數目以及新產品種類和數目（林煒，2013）。然而對于信息傳輸、軟件與技術服務行業的新產品產值，企業并不完全披露，因此本文采用企業有效發明、實用新型、外觀設計個數之和的自然對數（Pat ent）來衡量；此外筆者采用企業無形資產加商譽的增加率（TANGI）來補充度量企業創新產出。針對企業負債融資強度，本文選取資產負債率。控制變量有企業規模、企業自由現金流量、企業成長性以及企業非債務稅盾。本文主要的自變量、因變量以及控制變量詳見表1。

表1 變量定義

根據以上的理論分析以及變量選擇，本文采用以下模型來檢驗假設（注：以下假設均建立在信息傳輸、軟件與技術服務行業背景下）。

構建創新投入/產出與企業價值的計量模型如下：

注：模型中c1；c2；α；d1；d2；c'1；c'2；b1；b2均為回歸系數。

四、實證分析

（一）描述性統計 表2描述性統計結果表明：托賓Q的均值為3.6955，標準離差率為0.6941；EVA的均值為0.1176，標準離差率為3.1752，從兩者標準離差率的大小比較可知：相對EVA而言，使用托賓Q評價企業內在價值更具平穩性。此外，從R&D，Patent，TANGI的標準差可以看出不同企業間創新投入與創新產出差異明顯。企業平均負債融資強度為0.3143，相對較低。從控制變量企業規模、自由現金流量、成長性、非債務稅盾的數據結果中可知企業成長性較好，但現金流并不充裕。

表2 描述性統計

（二）回歸分析 本文對信息傳輸、軟件與技術服務行業面板數據進行實證檢驗，面板數據的實證步驟分以下進行：第一，平穩性檢驗：通過ADF單位根檢驗來判斷變量是否滿足平穩性要求。第二，協整檢驗：利用KAO斜積檢驗測算一組非平穩序列的線性組合是否具有穩定的均衡關系。第三，面板格蘭杰因果檢驗：檢驗自變量與應變量之間的因果關系。第四，模型形式確定：首先通過F檢驗測試模型是否為混合效應模型，若拒絕混合效應模型，則通過H ausm an檢驗決定模型是固定效應模型還是隨機效應模型。第五，多元回歸分析：確定模型形式后，進行多元線性回歸，得出模型的回歸方程并進行解釋。

（1）企業創新投入、產出與企業價值。表3中（1）與（2）顯示企業創新投入與企業價值正相關，系數分別為0.0951與0.0606，t值分別為2.65與5.62，表明在1%水平下顯著。以Pat ent衡量企業創新產出時，從表3（3）和（4）可知其系數分別為0.3274與0.0118，t值分別為1.81與4.71，前者在5%水平下顯著，后者在1%水平下顯著，與假設相符合。然而以TANGI衡量創新產出時，并沒有得到顯著的相關關系證明。由于大部分企業并不披露新產品產值的信息，筆者認為無形資產加商譽的年增長率能夠部分說明企業創新投入的轉化成果，替代創新產出。然而實證結果不理想的原因可能是因為無形資產中包含土地使用權等與創新產出并不相關的成分。綜上而言，假設1得到論證，創新投入與創新產出與企業價值均正相關。

表3 實證回歸結果（假設1）

（2）企業創新投入、產出與負債融資強度。由表4中的（1）（2）（3）可以看出R&D，Pat ent以及TANGI分別作為自變量與LEV進行固定效應回歸分析時，R&D與LEV之間系數為-0.0997（t值為-2.03），在5%的水平下顯著負相關；而Patent、Tangi與LEV之間的系數分別為0.0199（t值為1.95）以及0.0059（t值為5.46），顯著正相關。因此本文的假設2得到證明，企業的創新投入越高，企業負債融資強度越低；企業創新產出越高，企業負債融資強度越高。

（3）企業負債融資強度與企業價值。本文用負債總額與資產總額的比值表示企業負債融資強度，數值越高代表企業越傾向于負債融資，因此兩者應保持正向關系才符合假設。表4中的（4）（5）中LEV與TobinQ以及LEV與EVA的相關系數分別是6.6396以及0.1233；t值分別是12.54與5.18，可見在1%水平下兩者顯著正相關，符合假設3。

（4）中介效應分析。根據中介效應的定義，現令企業創新產出為X，企業價值為Y，負債融資強度為M。未加入變量M時，令X對Y的影響路徑為C；加入變量M后，X對M的影響路徑為A，M對Y的影響路徑為B，X對Y的影響路徑為C'。由于以TANGI為代理變量時，路徑C與C'系數均不顯著，因此下文分析中介效應時采取的指標是Patent。綜合表3（3）（4），表4（2），表5（1）（2）可知：路徑C中，指標Tobin Q與Patent回歸系數為c1=0.3274（t=1.18），指標EVA與Patent回歸系數為c2=0.0118（t=4.71）說明企業創新產出對企業價值影響顯著。在路徑A的檢驗中，企業創新產出與負債融資的系數為0.0199（t=1.95），說明創新產出能夠提升企業負債融資強度。在路徑C'中，c'1=0.2521（t=1.99），b1=6.6012（t=2.15）；c'2=0.0081（t=3.81），b2=0.7375（t=2.89）。以上的數據分析結合中介效應的定義，c'1絕對值小于c1，c'2絕對值小于c2，由此可以得出結論：負債融資強度在創新產出與企業價值之間充當部分中介變量。此外，中介效應大小衡量公式為ab/（ab+c'），得到的結果為0.3434（Tobin Q條件下）以及0.0195（EVA條件下），雖然中介效應并不大，但仍存在中介效應。

表4 實證回歸結果（假設2&假設3）

表5 實證回歸結果（假設4）

五、結論

本文研究2011-2015年證監會新行業分類下信息傳輸、軟件與技術服務行業中企業創新投入、產出，負債融資強度以及企業價值的內在邏輯關系。證明企業創新投入、產出，負債融資強度與企業價值均正相關；創新投入與創新產出從不同的路徑影響負債融資強度，創新投入與負債融資負相關，而創新產出與負債融資正相關。此外，本文論證了負債融資在創新產出與企業價值之間發揮部分中介效應關系。信息傳輸、軟件與技術服務行業作為十三五規劃中被重點關注的輕資產行業代表，本文將該行業企業價值的邏輯勾結關系理順，對于投資者、企業管理層以及債權人的經濟活動均有重要借鑒意義，也有利于行業資本結構的完善以及利益相關者對企業創新的重視。

［1］李常洪等：《創新投入、創新產出與企業績效：基于CDM模型的實證研究》，《華東經濟管理》2013年第5期。

［2］李莉、閆斌、顧春霞：《知識產權保護、信息不對稱與高科技企業資本結構》，《管理世界》2014年第11期。

［3］劉小青、陳向東：《專利活動對企業績效的影響》，《科學學研究》2010年第1期。

［4］王亮亮、王躍堂：《企業研發投入與資本結構選擇》，《管理世界》2015年第11期。

［5］張原、薛青梅：《市場化進程對企業資本結構的影響研究》，《北京交通大學學報》2016年第4期。

［6］鐘田麗等：《企業創新投入要素與融資結構選擇》《會計研究》2014年第4期。

［7］周艷菊等：《盈利能力、技術創新能力與資本結構》，《科研管理》2014年第1期。

［8］Belitz,Heike.Financing Patterns of R&Din Small and Medium-sized Enterpri sesand the Perception of Innovation Barriers in Germ any,Science&Public Policy（SPP）,2016.

［9］Bryce Campodonico,Luis A.Tax Policy and the Financing of Innovation,Journalof Public Economics,2016.

［10］Correia,Ricardo,Howell,Sydney,Duck,Peter Patent now or Later？Corporate Financing Decisions,Agency Costsand Social Benefits,European Journalof Finance,2014.

［11］Gao,Wenlian,Chou,Julia.Innovation Efficiency, Global Diversi fication,and Firm Value,Journal of Corporate Finance,2015.

［12］Hottenrott,Hanna,Hall,Bronwyn H.Czarnitzki,Dirk. Patents as Quality Signals?The Implicationsf or Financing Constrai nts on R&D,Economics of Innovation & New Technology,2016.

［13］Simeth,Markus,Cincera,Michele.Corporate Science, Innovation,and FirmValue,Management Science,2016.

（編輯 梁 恒）