(重慶師范大學 重慶 40000)
2015年11月,習近平總書記在中央財經領導小組第十一次會議上首次提出“著力加強供給側結構性改革”;同年12月中央經濟工作會議將“去產能、去庫存、去杠桿、降成本、補短板”作為2016年推進供給側結構性改革的五大任務,后又正式將其寫進“十三五”規劃綱要中來。技術創新需要企業持續的大額的穩定的資金投入來進行研發,這個資金來源一般分為內部融資和外部融資,內部融資的成本較低,不需要抵押,也不容易造成財務危機,但是企業研發新產品時所需的資金往往會超過企業內部融資所能提供的資金,且因商業周期或企業經營不善的原因可能導致企業的利潤不穩定,外部融資的獲取對于緩解企業研發的資金風險是十分重要的。外部融資的是否易得也取決于金融資源是否易得,或者也可以說是金融可得性。
學界最早出現金融可得性的定義,是從信貸的可得性中延伸而來,相關指出,金融可得性[1,2]是用來衡量一個地區的微觀經濟主體以一定成本獲取正規金融服務的難易程度。其主要的研究都是關于金融可得性對就業創造、收入增長、家庭資產配置等方面的影響。本文則主要分析金融可得性對制造業技術創新的影響,并采用貝葉斯平均方法構建模型。
影響技術創新[3]的因素很多,本文主要研究金融可得性對技術創新的影響,根據現有文獻,我國目前金融可得性主要取決于傳統商業銀行以及資本市場,綜合數據的可得性,其代表性的指標變量主要為以下幾個:
銀行金融機構數(BF);各地的銀行機構營業部數量。
上市公司數(LC)&股票市值(SMV):指每個地方當年的上市公司數量以及股票市值總額。
年末存貸款余額(DL):用年末存款與年末貸款余額之和表示資金的流入和流出。
技術創新的效率(TP)主要是采用DEA[4](數據包絡法)從生產研發投入以及將其轉化為經濟效益的產出兩方面來計算,在研發生產階段,本文考慮選取了規模以上企業研究與試驗發展(R&D)人員全時當量、規模以上企業研究與試驗發展(R&D)經費內部支出、新產品開發經費以及非研發投入存量作為科技創新的投入。產出方面,本文選取專利擁有量、專利授權數、新產品銷售收入、以及工業企業出口值四個指標。
其他潛在影響因素。相關研究發現,外商直接投資(FDI)、受教育程度(EL)、開放程度(OPEN)、企業規模(ES)、市場化程度(ML)、產業集聚程度(RIA)、通訊能力(RCC)、城鎮化水平(RIU)等變量對技術創新能力也有潛在的影響;相關數據主要來源于2008-2017年的《中國統計年鑒》、《中國工業統計年鑒》、《中國科技統計年鑒》、《中國金融統計年鑒》以及各省份的統計年鑒。
在前文的內容上,構建了一個包含金融可得性以及影響企業技術創新的其他潛在解釋變量的多元回歸模型,其具體模型如下:
TPi,t=lnRICi,t+lnRISi,t+lnRCCi,t+lnRIAi,t+lnRIUi,t+lnESi,t+lnELi,t+MLi,t+OPENi,t+lnGDPi,t+lnFDIi,t+BFi,t+LCi,t+SMVi,t+DLi,t+consi,t+εi,t
其中,i代表各個省市,t代表年份,cons代表截距,ε代表誤差。
本文運用Rstudio軟件調用貝葉斯平均程序包,在BMA[5]模型中,后驗包含概率的大小表明該解釋變量包含在有效模型中的概率。概率越大,越可能包含在有效模型中。一般認為解釋變量的后驗包含概率低于0.2,若該解釋變量還不是主要分析的自變量,一般都會被剔除出模型。
本文采用MC3抽樣方法對這些模型進行抽樣,一共存在216=65 536 個備選模型,對初始的536個樣本進行預熱實驗,并將剩下的65000個抽樣作為模擬樣本,最終挑選出排行前500的模型的后驗包含概率和后驗均值,其具體計算結果如下表所示:

表1 BMA分析結果
通過BMA方法對金融配置對工業企業技術創新效率做的回歸分析中可以觀察到金融配置代表變量中銀行機構數量,上市公司數、年末存貸款余額以及上市公司股票市值的后驗包含概率分別是100%、98.5%、93.1%以及10.9%,其中前三個指標的后驗包含概率均超過90%,說明它們對企業技術創新效率的影響是十分顯著的,是強有力的解釋變量,說明而上市公司股票的后驗包含概率為10.9%,大于0.1小于0.2,說明該指標是一個非常弱的解釋變量,對企業技術創新效率的影響很有限。通過以上的分析可以看出在我國企業創新效率提高的資金投入還是極度依賴傳統的融資方式,當然公司沒有上市也會影響企業融資的便利性,但與企業上市的股票市值并沒有很大的關系,這也比較符合中國的國情。
以上研究表明,傳統的銀行金融機構、存貸款余額以及上市公司數這三個變量對技術創新效率的作用都非常顯著,而上市公司的股票市值的作用則相對不那么明顯,這說明需要進一步加強和完善證劵市場的管理以及注冊制度,加快上市公司“優勝劣汰”的進程,使資金流向效率更高的地方。