技術創新能改善初創企業的生存嗎
——一個理論與經驗研究

伏玉林，張玉潔（. 華東理工大學 商學院，上海 0037； . 華東理工大學 理學院，上海 0037）

一、問題提出

創新是提高企業核心競爭力、改善企業生存和發展的源動力。近年來，我國政府為鼓勵企業創新創業，大力倡導“大眾創業、萬眾創新”，各類市場主體創新創業活力競相迸發，一大批高科技企業迅速崛起。來自國家統計局數據顯示，2017年全國共有29.8萬家、占總數39.9%的企業開展了創新活動，其中工業和服務業企業創新活動占比分別達到50.6%和29.3%。創新在一定程度上已成為企業生存和發展的共同選擇。但是，創新在給企業帶來超額利潤的同時，也產生了風險和不確定性，威脅著企業的生存和發展。根據國家統計局的全部國有企業及規模以上非國有工業企業數據庫統計，1998-2011年間中國制造業企業平均生存時間約為6.64年，退出率年均17%；有科技創新活動的企業平均生存時間約為6.82年，近50%的創新企業在進入市場的前6年就退出市場，市場中存活10年的創新企業不足10%。市場高退出率是中國轉軌時期企業發展面臨的突出問題（毛其淋和盛斌，2013），而技術創新通過各種渠道影響著企業生存（Audretsch，1991；Zhang和Mohnen，2013；鮑宗客，2016a）。因此，揭示技術創新影響制造業企業的生存機理并給出中國特色的經驗證據是一個重要的研究課題。

本文旨在研究技術創新對初創企業生存的影響機制，并采用2001-2007年我國全部國有企業及規模以上非國有工業企業數據進行實證分析。研究發現，研發強度與企業生存之間遵循規模效應遞減的倒U形關系；研發強度和市場集中度對企業生存的影響是互補的，在研發強度相同情況下，高集中度產業的企業存活時間更長；創新和企業生存的關系還受到行業技術水平和產權性質的影響。本文可能的貢獻在于：構建了一個熊彼特主義競爭與創新理論模型，將研發投入的規模效應以及市場集中度納入同一分析框架，豐富了技術創新對企業生存影響的研究；由于樣本數據存在刪失（censoring）問題，大多數文獻采用Cox生存分析模型來解決，相比這種單一方法，本文采用Kaplan-Meier乘積極限、Weibull、Cox及Cloglog模型等多種生存分析方法進行比較，全面深化了這一問題的研究。本研究有助于加深理解技術創新對企業生存的影響，對貫徹落實“大眾創業、萬眾創新”等相關政策具有一定的借鑒意義。

本文剩余部分的結構安排如下：第二部分梳理既有文獻；第三部分構造理論模型與研究假說；第四部分說明并解釋數據來源、模型設定及變量說明；第五部分報告了實證結果并進行分析；第六部分是結論與啟示。

二、文獻回顧

大多數研究結果顯示，技術創新改善了企業生存。企業通過技術創新，可以提高生產率（Griliches，1979；孫曉華和王昀，2014），迅速占領市場或維持既有市場競爭優勢，強化了企業的市場勢力（Aghion等，2014），因此創新企業相對于非創新企業有更高的收益，在市場中存活更久（Audretsch，1995；張杰等，2014）。各種創新指標幾乎都證實了技術創新與企業生存之間呈顯著的正向關系，一些研究把創新傾向作為衡量指標，認為技術創新是維持企業生存的關鍵，技術創新對企業生存概率有著顯著的促進作用（陳陣等，2014；Jung等，2018），并且創新企業較非創新企業有更好的生存前景（張慧和彭璧玉，2017）。采用專利、商標、新產品或新工藝等創新產出指標（Audretsch，1991；Cefis 和Marsili，2005，2006）或者創新效率指標（Zhang和Mohnen，2013），結果都表明技術創新與企業生存之間呈現顯著的正向關系。一些文獻采用研發投資作為創新投入指標進行實證分析，如Hall（1987）采用美國制造業企業面板數據研究發現，研發強度增加了企業生存的概率；Li 等（2010）研究發現企業的研發投入可以顯著降低企業的退出概率；Pérez等（2004）采用西班牙制造業企業數據，證實了有研發投資的企業在退出風險上要比沒有研發投資的企業大約低57%。

然而，另一些研究顯示技術創新與企業生存之間呈不顯著、負相關甚至復雜關系。由于研發投資有可能增加企業風險，或構成市場進入退出的隨機生產率沖擊（Jovanovic，1982；Hopenhayn，1992；Ericson和 Pakes，1995），特別是當企業接近技術前沿時，研發項目的生產率存在規模報酬遞減趨勢（Kortum，1993）。此外，高集中度行業中的企業大研發項目的市場不確定性通常更高，更可能對企業生存形成沖擊（Gilbert，2006；Czarnitzki和Toole，2013）。如Audretsch（1995）在控制企業年齡和規模等特征后發現，小企業的技術創新對生存率沒有影響；Wilbon（2002）對美國高技術企業的研究發現，企業生存與研發支出二者之間存在負向關系。大量研究表明不同創新衡量標準對企業生存的影響也存在著差異。如Giovannetti等（2011）發現產品創新和過程創新對企業生存沒有影響；Buddelmeyer等（2010）研究表明，以專利申請作為高風險創新的衡量標準，創新導致了企業較低的生存率，采用商標權作為低風險創新的衡量標準，創新導致較高的生存率；鮑宗客（2016b）研究發現，研發強度對企業生存風險的影響呈非平穩狀態，并非創新強度越強對企業生存風險的抑制作用就越明顯。此外，不同行業的創新與企業生存的關系也存在差異。如陳陣和王雪（2014）研究發現創新與企業生存關系在紡織行業不顯著，在石油、非金屬行業顯著為正。B?ring（2015）研究表明，創新對企業生存的影響在能源、材料等產業不顯著，但在基礎產業和特殊技術產業顯著為正。Mahmood（2000）使用對數邏輯生存風險模型，將美國初創企業按行業和技術水平劃分為17個樣本，包括8個低技術產業、6個中技術產業和3個高技術產業，研究發現有11個產業的創新與企業生存關系不顯著，有4個是正向關系，2個是負向關系。綜上所述，有關創新與企業生存之間的研究結論目前仍呈現多樣性關系。

引起研究結論多樣性的可能原因在于：一是選取樣本、選擇變量或估計方法存在差異，但是這些差異并非影響創新與企業生存關系多樣性的主要原因（Ugur等，2016）。二是計量模型設定存在一定的偏誤。就模型設定而言，一方面創新風險隨研發強度增加而增大（Czarnitzki和Toole，2013），且受到所處行業創新水平的影響（Aghion等，2014），偏誤可能是由于缺乏對創新規模效應的控制；另一方面市場集中度不同會導致創新投入或產出的不同（Gilbert，2006），偏誤也可能是由于缺乏對研發強度和市場集中度交互作用的控制?；诖?，我們認為有必要控制研發強度的規模效應以及研發強度與市場集中度的交互作用，為此將研發強度的規模效應以及市場集中度的影響納入分析框架，并采用不同方法進行估計。

三、理論模型與研究假說

借鑒Aghion等（2014）分析框架，假設企業為多個生產單元或產品創新線的集合，通過一定數量的研發人員和現有的研發生產線進行創新，并以成功的創新來擴展其產品空間。創新的投入產出滿足如下恒常規模報酬的Cobb-Douglas生產函數：

其中，Zi表示創新產出，Li表示研發人員數量，ζ表示規模參數，ki表示研發生產線累積的資本存量，1/η表示創新產出對研發人員的彈性，且η＞1。當企業創新成功時，研發生產線增加到k+1。

根據上述創新生產函數，得到企業創新的總成本為：C(zi,k)=ζωkzηi。其中，ω表示工資率，定義zi≡Zi/k為企業的創新強度。則每條生產線的成本為：C(zi)=ζωzηi。顯然，總成本和平均成本是工資率和創新強度的增函數。進一步，定義企業的價值方程為：Vt(k)=kYtv。其中，Vt(k)表示企業t時期的市場價值，Yt表示該時期的最終品產出。每條創新線的平均價值為：v=Vt(k)/kYt，它內生決定于企業和行業的特征：

其中，π為每條創新線的利潤，πA為扣除創新成本后的利潤，ρ為貼現率，x為行業創造性破壞的比率。企業通過選擇創新強度zi實現平均價值v的最大化。從式（2）可以看出，創新強度zi對企業價值v的影響是非線性的。企業的市場價值近似等于Vt(k)，假定企業市場價值為零時退出市場，而企業在位時市場價值的變化遵循維納過程（McDonald和Siegel，1985），由此得到企業的價值方程是一個關于時間的對數正態分布函數：

其中，V0表示企業的初始價值，μ和σ分別表示漂移和波動率參數。對式（3）取對數及數學期望，得到如下企業生存時間的期望值：

從式（4）可以看出，研發強度zi對E[t]影響是非線性的。式（4）的一階最優條件為：

由σ＜2μ可知：2μ-2σ2＞0，因此，ρ+1x-zi=π-ξwizηi，即v=ρ+x-zii=ηξwzηi-1?？梢钥闯?，當企業平均價值等于研發強度的邊際成本時，企業生存時間的極值可表示為研發強度的函數。

為了研究E[t]與zi之間的非線性關系，式（4）關于zi的二階偏導為：

由于π-ξwzηi=πA，v=ηξwzηi-1，得到：

為判斷式（7）的符號，對中括號部分乘以π2A并化簡得到：

由1/η＜1可知：(η-1)v-1πA＞0，因此式（8）小于0，即生存時間E[t]關于zi的二階偏導數為負。因此，研發強度與企業生存之間呈倒U形關系?；谝陨戏治?，本文提出第一個待檢驗假設：

假設1：研發強度與企業生存時間之間存在規模效應遞減的倒U形關系。即研發強度存在一個最優水平，在達到最優水平之前，生存時間隨研發強度提高而增加，達到最優水平之后，生存時間隨研發強度提高而減少。

生存時間E[t]關于研發強度zi和總利潤π的混合偏導數為：

根據上文，可以判定式（9）為正。這表明企業生存時間隨利潤的增加而增加，即研發強度與利潤是互補的。理論和經驗研究均表明，不同產業間的企業利潤與市場集中度呈正相關關系（Bain，1951；Berger，1995；Slade，2004），參考Ugur等（2016），我們以市場集中度作為利潤的代理變量?；谝陨戏治?，本文提出第二個待檢驗假設：

假設2：研發強度和市場集中度對企業生存時間的影響是互補的，高集中度產業的企業生存時間更長。

四、數據、模型及變量

（一）樣本選取與數據來源

本文采用2001-2007年我國全部國有企業及規模以上非國有工業企業數據庫數據進行計量研究，該數據庫是基于國家統計局進行的500萬元以上規模工業企業和國有企業統計報表統計整理得到，包含企業代碼、行業代碼、企業注冊類型、聯系方式和地理位置等基本信息以及資產、負債、利潤、中間投入和現金流等主要的財務指標。定義企業生存時間為企業從注冊成立到退出所持續的時間。如果企業在樣本期內某年份退出市場，那么將此事件定義為“失?。╢ailure）”，若失敗事件發生，則failure取值為1，否則為0。考慮久期數據（Duration Data）的特征，由于觀測不到2001年前在位企業是否發生過失敗事件，這會引起統計的生存時間是有偏的，從而導致左刪失（left censoring）問題，因此我們選取2001-2007年間初創企業數據來解決此問題。同樣，由于無法觀測到樣本期最后一年仍存活的企業之后是否退出，從而導致右刪失（right censoring）問題，因此我們選取生存風險模型來解決此問題，在失敗事件取值中，將截尾數據即右刪失的樣本數據取值為0。此外，為確保數據的可靠性，本文首先刪除樣本中存在的異常值以及統計中錯誤記錄和不符合財務會計原則的樣本（李玉紅等，2008）：第一，工業增加值或中間投入大于工業總產值；第二，總資產為負值；第三，固定資產原值小于固定資產凈值；第四，各項投入為負值。其次，刪除利潤總額與銷售收入之比、研究開發費與總資產之比大于1等明顯不符合邏輯的樣本。最終得到的企業數量為201 494，樣本觀測值數為462 050。

（二）企業生存時間統計分析

表1報告了樣本期內初創企業的生存時間統計。（1）所有企業的平均生存時間比較短，僅為4.15年，7.90%的企業在進入市場當年即退出，存活時間少于5年的企業數量占到55.19%，存活時間滿7年的僅占12.28%，遠低于發達國家的平均水平。從比例上來看，大多數企業在進入市場后的第3-5年退出的概率比較高。（2）按是否有研發投入把所有企業分為創新和非創新兩類，創新企業平均生存時間要高于非創新企業。此外，有創新活動的新建企業在第一年內退出概率為5.70%，低于非創新企業的8.10%；生存時間滿7年的創新企業占比為16.04%，高于非創新企業的11.93%。這表明對于初創企業而言，創新活動確實提高了企業的生存時間。

表 1 樣本期企業生存時間分布

為深入研究企業創新與其生存的關系，本文從技術水平和產權性質兩個角度展開討論。參考既有文獻劃分方法（伏玉林和蘇暢，2013），以行業研發銷售比高于或低于全部制造業均值作為劃分行業技術水平的現實分類標準，將兩位碼制造業劃分為高技術行業和非高技術行業。按照企業注冊實收資本占總實收資本比重，將企業產權性質區分為國有、集體、獨立法人、私營、外商投資、港澳臺6種產權類型。

表 2 不同類型企業生存時間描述性統計

表2報告了不同類型企業的平均生存時間。總體上看，創新企業平均生存時間要高于非創新企業；高技術行業的企業平均生存時間為5.17年，高于非高技術行業的企業平均生存時間（4.80年）；外商和港澳臺企業的平均生存時間高于其他所有制企業。

（三）企業生存風險估計

在久期數據的生存分析中，通常采用生存函數（生存率）或風險函數（風險率）來描述生存時間的分布特征（Ejermo和Xiao，2014；Prentice和Zhao，2016）。這些方法既不需要對數據的概率分布作先驗假設，也不需要估計參數，并且可以顯示生存時間的分布規律?；诖?，我們選取生存分析常用的乘積極限法（Product-limit）（Kaplan和Meier，1958）來估計企業的生存分布特征。乘積極限法又稱Kaplan-Meier法，其估計量為：

其中，t 為生存時間，j為 時期， Nj表 示面臨風險的企業數， Dj表 示退出的企業數。根據企業生存率及其標準誤繪制生存曲線，表示企業在全部觀測期內的生存狀況。其中，圖1和圖2分別反映了企業的生存率和退出風險率，橫坐標均為觀測期內企業生存時間。

圖 1 Kaplan-Meier生存曲線

圖 2 風險函數曲線

圖1 顯示：（1）創新企業的生存概率高于非創新企業；（2）創新企業和非創新企業的生存概率均隨著生存時間增加而降低，但非創新企業的生存概率下降幅度更大；（3）創新企業和非創新企業生存概率的差值隨生存時間的增加而越來越大，這意味著隨著時間的增加，創新企業存活概率越來越大于非創新企業。圖2顯示：（1）兩類企業的風險函數曲線都大致呈倒U形，但非創新企業退出風險高于創新企業，與假設1相符；（2）兩類企業的退出風險率在第2-5年時比較高，在退出風險率遞增階段，相對于創新企業，非創新企業退出風險率增加得更快，兩者差值逐漸增大。因此，非創新企業面臨更高的退出風險，而創新企業有更強的抵御風險能力。

（四）模型設定與變量說明

生存風險模型較好地解決了久期數據的右刪失問題，常用的生存分布包括指數分布、Weibull分布、Log-normal分布、Gamma分布和Gompertz分布等，這類參數方法的主要優點是通過最大似然法很容易估計參數向量。接下來，我們采用參數回歸法，建立Weibull風險模型（Howell，2015；Dzhumashev等，2016），研究創新對企業生存時間的影響，同時引入Cox比例風險模型進行比較。

t時期企業在影響因素x條件下的生存風險函數為：

其中，λ0(t)表示基準風險，x為協變量，β為風險估計參數。對式（11）兩邊取對數，且令基準風險為λ0(t)=ptp-1eβ0，得到Weibull生存模型的對數形式：

其中，p＞0,γ=eβ0+xβ＞0。如果p＞1，則風險函數λ(t)單調遞增，即企業生存時間越長，其退出的概率越高；反之，如果p＜1，則風險函數λ(t)單調遞減，即企業生存時間越長，其退出的概率越低。式（12）將非線性回歸模型轉化為線性回歸模型，可以通過最大似然估計得到協變量的β系數?；谑剑?2），我們設定如下計量模型：

變量說明如下：（1）被解釋變量lnλ(t|x)表示企業的生存風險率。（2）解釋變量：一是研發強度（lnrd）；二是研發強度和市場集中度交互項（lnrd×HHI），用以檢驗市場集中度對研發強度與企業生存關系的影響，我們對該交互項進行去中心化處理。為了研究創新與企業生存的非線性關系，引入研發強度平方項（ln2rd）。（3）X為一組控制變量，包括市場集中度（HHI）及其平方項（HHI2）、企業規模（lnsize）及其平方項（ln2size）、企業年齡（lnage）及其平方項（ln2age）、全要素生產率對數值（lnTFP）、銷售利潤率（profit）、資本密度（lncapital）、人力資本（resource）、廣告投入（advert）、出口強度（export）、資產負債率（debt）、所有制結構（ownership）、行業虛擬變量（indus）、年份虛擬變量（year）、省份虛擬變量（prov）。εit為 擾動項，下標 s代表產業，i代表企業，t代表時期。企業規模（lnsize）包括三種測度方式：銷售收入（lnsale）、職工人數（lnemploy）和資產總額（lnasset），主要變量定義、測度及統計特征見表3。

表 3 主要變量描述性統計

五、實證結果與分析

（一）基準回歸

表4報告了Weibull生存分析模型的檢驗結果。模型（1）的解釋變量僅有研發強度（lnrd），模型（2）引入了研發強度的平方項（ln2rd），模型（3）引入了研發強度和市場集中度的交互項（lnrd×HHI），模型（4）采用的是Cox生存分析模型以便于比較。

表 4 Weibull模型檢驗結果

模型（1）中研發強度（lnrd）的系數為正但不顯著，表明企業研發強度與生存風險率不存在顯著線性關系，證實了研發強度與企業生存的非線性關系，因此有必要控制研發強度的規模效應。模型（2）顯示，研發強度（lnrd）及其平方項（ln2rd）的系數都顯著為正，表明研發強度與企業生存風險率呈U形關系，即研發強度和企業生存時間之間遵循規模效應遞減的倒U形關系，假設1得到驗證。模型（3）中lnrd×HHI的系數顯著為負，表明研發強度和市場集中度對企業生存的影響是互補的，高集中度產業中的企業存活時間更長，假設2得到驗證。模型（4）為Cox回歸結果，與Weibull回歸結果一致。

控制變量的回歸結果顯示：（1）市場集中度HHI與企業生存概率之間存在顯著的U形關系?？茏趤砗透攮偅?013）的研究也表明兩者之間存在非線性關系。（2）以職工人數（lnemploy）表示的企業規模（lnsize）與企業生存概率呈倒U形關系。小規模企業的風險承受能力較低，隨著企業規模的不斷擴大，生產水平、企業競爭力和市場占有率不斷提高，風險承受能力也隨之增強。但是，當企業規模超過一定水平時，企業的技術進步呈現邊際遞減趨勢，盈利水平有可能低于成本消耗，這時企業將面臨較高的市場退出風險（王淼薇和郝前進，2012）。（3）企業年齡與企業生存呈倒U形關系。（4）全要素生產率（lnTFP）對企業的生存概率有著正向影響。企業可以通過生產率的提高彌補其高昂的勞動成本，從而提高企業利潤率，增強企業的存活能力。（5）銷售利潤率（profit）的系數為負，說明企業的利潤率與退出風險率呈負相關關系，企業利潤率越高，競爭力越強，從而降低了企業的退出風險，企業通過持續的利潤積累提高企業的生存概率（鮑宗客，2016a）。（6）資本密度（lncapital）、人力資本（resource）、廣告投入（advert）和出口強度（export）對企業的生存概率具有促進作用。不同行業的規模、競爭強度以及資本密度是不同的，導致不同行業內的企業生存狀況也存在差異；企業的人力資本支出與廣告投入均會提高企業的創新能力，進而提升企業的生存概率；出口企業面臨激烈的國際競爭，創新意識強于非出口企業，因此生存概率更大（于嬌等，2015）。（7）企業資產負債率（debt）是反映企業償債能力的綜合性指標，企業負債經營有利于企業抓住市場機會，帶來豐厚的利潤，從而有利于企業生存。（8）所有制（ownership）的系數為正，國有企業較非國有企業有更高的生存風險率，說明國有企業的創新活動不利于企業生存。

（二）不同技術水平的回歸結果

以研發強度作為劃分高技術行業和非高技術行業的現實分類標準（伏玉林和蘇暢，2013），將兩位碼制造業分為高技術和非高技術兩類。其中，樣本期內高技術行業包括醫藥制造業、專用設備制造業、交通運輸設備制造業、電氣機械及器材制造業、通信設備計算機及其他電子設備制造業、儀器儀表及文化辦公用機械制造業。不同技術水平的回歸結果如表5所示。

表 5 不同技術水平的回歸結果

續表 5 不同技術水平的回歸結果

從表5中可以看出，無論是高技術行業還是非高技術行業，研發強度和企業生存概率之間的關系均呈倒U形關系，但是二者之間存在顯著差異。模型（1）、（3）、（5）報告了無控制變量下，全樣本、高技術產業和非高技術產業的研發強度對企業生存概率的影響，通過計算這三個模型的研發強度最優水平來確定最長生存時間。高技術行業的企業研發強度最優水平高于非高技術行業企業，高技術行業的企業最長生存時間約為5.58年，高于非高技術行業的企業最大生存時間5.33年。圖3顯示了高技術行業和非高技術行業的企業研發強度最優水平及生存時間最大值。結果表明：高研發強度更有利于高技術行業的企業生存，這是因為高技術行業具有更好的技術機會和創新獨占性，更容易獲取高額創新利潤，從而降低了生存風險率。但從總體回歸結果來看，高技術行業和非高技術行業企業的研發投入均能改善企業生存。

圖 3 不同技術水平下研發強度與企業生存時間曲線圖（Matlab制圖）

（三）不同產權性質的回歸結果

根據表2的統計分析可知，同樣是創新企業，由于產權性質不同，其存續時間明顯不同。不同產權性質的企業由于技術條件、融資約束、退出壁壘以及生產率等差異，在開展技術創新時會面臨不同的風險或不確定性，從而對企業生存的影響可能存在明顯的差異。如采用中關村海淀園全樣本數據研究發現，國有高技術企業的生存概率高于非國有高技術企業（馬玉琪等，2018）。因此，本文接下來劃分產權性質實證分析創新對企業生存的影響。

表6報告了國有企業、民營企業和外資企業的技術創新對企業生存的回歸結果?？梢钥闯?，國有企業和私營企業的研發強度與企業生存均呈倒U形關系，外商投資企業的研發強度與企業生存關系不顯著。通過計算模型（1）、（3）和（5）研發強度最優水平來確定企業的最長生存時間，我們發現最優研發強度從大到小排序依次是私營企業、國有企業、外資企業，而最長生存時間從大到小排序依次是外資企業、私營企業、國有企業。

表 6 不同產權性質企業的回歸結果

（四）穩健性檢驗

首先，分別采用銷售收入和資產總額作為企業規模的衡量指標進行穩健性檢驗，并且分別用工業品出廠價格指數和固定資產投資價格指數對兩個指標進行平減。表7顯示的回歸結果與基準回歸結果一致。采用Logit、Probit和Cloglog模型的回歸結果仍與Weibull生存分析模型的回歸結果一致。

其次，上述估計結果的可信性是建立在企業生存不影響創新行為基礎之上的?，F實中企業生存風險的增加也可能迫使企業加大創新投入力度，因此有必要采用工具變量（IV）法解決可能的內生性問題。本文選取房價作為工具變量，這是因為：一是房價上漲會刺激企業將稀缺資源配置于投資回報率較高的房地產投資，同時高房價會導致創新人才從當地流出，從而不利于當地企業的技術創新（余泳澤和張少輝，2017；孔東民等，2018）；二是城市的房價并不會直接影響企業生存，但房價的普遍上漲可能會引起勞動力成本的上漲，從而間接影響企業生存，因此我們把人均工資作為控制變量納入計量模型。本文的房價數據來自CEIC數據庫的全國287個地級市商品房銷售價格，在實證分析中采用兩階段最小二乘法（2SLS）進行估計，Hausman檢驗也證明了研發強度的內生性。

表 7 技術創新與企業生存：穩健性檢驗（1）

回歸結果如表8所示：模型（1）是面板數據的OLS回歸結果；模型（2）是工具變量下的2SLS回歸結果，系數符號與OLS結果一致。為驗證工具變量選取的合理性，引入弱工具變量檢驗，即模型（3），回歸結果與模型（2）非常接近，表明不存在弱工具變量；模型（4）是工具變量固定效應的估計結果，符號仍與之前一致。因此，本文的結論依然是穩健的。

表 8 技術創新與企業生存：穩健性檢驗（2）

六、結論與啟示

技術創新是影響企業生存的重要因素。本文通過構建熊彼特主義競爭與創新理論模型，采用國家統計局的全部國有及規模以上非國有工業企業數據庫數據，選取Kaplan-Meier乘積極限法及Weibull生存風險模型，實證研究了創新對初創企業生存的影響。研究發現：（1）研發強度與企業生存之間呈規模效應遞減的倒U形關系，即研發強度存在一個最優水平，在達到最優水平之前，生存時間隨研發強度的提高而增加，達到最優水平之后，生存時間隨研發強度的提高而減少。（2）研發強度和市場集中度對企業生存時間的影響是互補的，高集中度產業的企業存活時間更長。（3）創新和企業生存的關系還受到行業技術水平和產權性質的影響。高技術產業的企業生存風險率更低；國有企業的研發水平較高，但其生存風險率卻高于非國有企業。此外，其他變量如企業年齡、企業規模、全要素生產率、銷售利潤率、資產負債率的影響，與既有文獻研究結論基本一致。

本文的啟示在于：一方面，其他條件不變的情況下，實現初創企業生存時間最大化存在一個最優的研發強度水平，但這個最優水平可能會受行業技術水平、企業產權性質等影響。如何決定研發強度最優水平是企業管理者必須思考的問題。從長遠發展看，企業應當把創新作為發展的主戰略，努力提高技術創新水平，通過創新活動提高核心競爭力，從而延長企業存活時間。另一方面，政府在大力倡導“大眾創業、萬眾創新”的同時，應關注初創企業的生存問題，建立初創企業生存率的檢測體系，特別要注意不同行業技術水平和產權結構的企業存活的差異，對初創階段的非高技術行業的企業和私營企業經營風險進行輔導，或者在必要時候能夠提供適當支持，以促進初創企業的生存與發展。