-
改革开放以来,中国经济取得举世瞩目的成就,涌现出一批具有较强创新能力的优秀民族企业。自2008年全球经济危机以来,中国经济由高速增长转向高质量增长,进一步提升创新能力成为实现中国经济转型升级与高质量发展的必然选择(虞义华等,2018)。然而,与发达国家相比,中国的企业自主创新能力仍存在一定差距,尤其是近期不断升级的中美经贸摩擦使我们更清醒地认识到,必须加大企业创新解决关键核心技术“卡脖子”问题。党的十九大报告指出,“创新是引领发展的第一动力”。企业创新无论对企业自身还是国家发展均具有深远影响,在“十三五”规划中,创新更是被提升到国家战略的高度。因此,企业创新的影响因素是什么?如何鼓励企业进行创新?对这些问题的研究无疑具有重要的现实意义。
根据烙印理论(Imprinting Theory),在个体成长的敏感时期,成长、学习与工作经历会给其心理留下印记,这种印记(包括认知和能力)将对其职业生涯产生持续性影响(Mathias等,2015)。这种持续性影响将会使公司高管在面临不同情况时做出高度个性化的决策。从高层梯队理论来看,公司高管的个人特质会影响其行为,进而影响其管理的公司行为与绩效(Hambrick和Mason,1984)。已有文献从风险偏好(Abdel-Khalik,2014)、过度自信(Kaplan等,2012)、任期(Ali和Zhang,2015)等角度对高管个人特质与公司行为进行研究后发现,CEO作为公司战略的决策者,其个人特质会影响公司战略方向的思考与决定。本文认为,作为虚拟经济的金融活动与实体经济的经营管理存在较大差异,根据烙印理论,金融从业经历可能给高管留下深刻记忆和惯性思维,从而影响其行为决策。根据本文统计,2009−2017年中国上市公司中金融背景CEO平均占比超过4%,2017年达到6.54%。随着中国资本市场的发展壮大,一批具有金融背景的人员进入非金融行业并担任高管成为一个独特现象。
本文主要关注以下问题:CEO金融背景会对企业创新产生何种影响?与其他CEO相比,具有金融背景的CEO可能有更强的能力与更多的资源为企业获取融资,但是来自这些渠道的资金是否会用于企业创新活动,进而导致聘请金融背景CEO的公司在企业创新上与其他公司产生差异?如果存在差异,那么这种差异是否会在不同环境下有所不同?为回答上述问题,本文利用手工整理的上市公司CEO个人背景特征数据,考察CEO金融背景与企业创新的关系。实证研究发现,CEO金融背景对企业创新行为(包括创新投入与创新产出)具有显著抑制作用,且这种负向影响主要存在于大股东监督较弱、融资约束较低的企业中。机制分析发现,具有金融背景的CEO主要通过增加金融投资、减少实体投资的方式抑制企业创新,支持了CEO金融背景加剧了企业“脱实向虚”。
本文可能的边际贡献在于:第一,本文将CEO金融背景作为研究对象,丰富了管理者特质相关研究,有助于打开企业行为差异的“黑箱”,同时将生物学中的烙印理论应用到公司财务决策研究。第二,已有文献多从融资约束、公司治理、产权性质、制度环境等方面研究企业创新的影响因素,本文系统检验CEO金融背景对企业创新的影响,补充了企业创新影响因素的研究。第三,本文不仅考察了CEO金融背景对企业创新的影响,以及代理冲突和融资约束的调节作用,还深入检验了CEO金融背景影响企业创新的作用机制,有助于深化对企业创新的影响因素与机理的认识。
余文内容安排如下:第二部分是文献综述,第三部分是理论分析与研究假说,第四部分是研究设计,第五部分为实证分析,第六部分为机制分析,最后是结论与启示。
-
企业创新是近年来学术界研究的热点,国内外学者从不同角度对企业创新的影响因素进行研究。从融资约束和金融市场发展角度,Amore等(2013)发现信贷供给会影响企业研发投入;解维敏和方红星(2011)发现,银行业市场化改革和地区金融发展积极推动了中国上市公司研发投入;鞠晓生等(2013)发现营运资本对缓冲企业创新投资波动有重要作用,且这种作用与企业融资约束程度密切相关;张璇等(2019)发现银行业竞争的加剧通过缓解融资约束进而提升企业创新能力。从公司治理角度,李文贵和余明桂(2015)发现非国有股权比例与民营化企业的创新活动显著正相关;鲁桐和党印(2014)发现公司治理对劳动密集型、资本密集型和技术密集型三个不同行业的企业技术创新的影响存在差异;余明桂等(2019)发现国有企业民营化显著抑制了企业创新。此外,杨洋等(2015)、余明桂等(2016)、黄健峤等(2020)分别从政府补贴、产业政策、股票市场开放等方面对企业创新进行研究,发现宏观经济政策可以有效促进企业创新。Acharya和Subramanian(2009)、Fang等(2017)则基于破产法和知识产权保护等法律角度,发现完善企业和投资者法律保护制度可以有效促进企业创新。与本文研究相关的高管背景与企业创新关系方面,刘凤朝等(2017)、虞义华等(2018)、张晓亮等(2019)发现,高管的海外背景、发明家背景与学术经历对企业创新具有正向影响。而熊艾伦等(2019)、曾军等(2020)则发现,女性高管、高管强制变更对企业创新具有明显的抑制作用。上述研究为本文研究高管个体背景对企业创新的影响及其机制奠定了坚实基础。近年来,中国上市公司中具有金融背景的CEO越来越普遍,他们在企业创新活动中究竟是发挥促进还是抑制作用,以及作用的条件和机制是什么?对这些问题的研究有助于我们更全面地认识企业创新活动的驱动力。
-
关于高管金融背景的研究,目前主要集中在企业债务融资、金融化等方面。邓建平和曾勇(2011)研究发现,银企关联可以使民营企业获得更多长期借款,减轻民营企业融资约束,改善其债务期限结构。李卓松(2018)发现在金融发展水平较低时,具有金融工作经历的高管会在企业风险承担较高时帮助企业获得较低成本的债券融资。邓建平和陈爱华(2017)发现企业现金持有水平越低,越有动力聘请金融背景高管,且在聘请金融背景高管后企业的现金持有水平确实得到了改善。杜勇等(2019)基于企业金融化视角,发现具有金融背景的CEO偏好持有更多金融资产,加剧了企业金融化。综合已有文献发现,高管金融背景一方面可以增加企业融资,降低融资约束,提高风险承担;另一方面也加剧了企业金融化,进而影响宏观经济不确定性和企业经营风险。企业是创新活动的重要力量,本文从企业创新视角分析CEO金融背景的影响及其作用机制,有助于我们更加深入地认识金融背景高管的经济后果。
-
企业创新具有投入大、周期长、风险高等特性,且企业创新信息一般涉及商业机密,债权人很难获取具体信息。因此,外部投资者与企业管理层之间存在较严重的信息不对称,这使得债权人在向企业提供研发投资时会更加谨慎,甚至可能拒绝借款,进而导致企业研发融资约束。孙晓华等(2015)研究发现,企业研发强度与内部现金流显著正相关,说明中国企业研发活动的融资约束的确存在。同时,中国资本市场发展对企业融资约束的缓解并没有发挥明显的效果,反映了中国资本市场的融资功能不完善、尚未真正成为企业研发融资的渠道。
一方面,CEO金融背景可能对企业创新具有促进作用。首先,当正式制度尚未完全建立时,中国关系型社会的非正式制度环境有助于金融背景CEO通过自己的“关系”和“圈子”获得更多金融资源,降低企业研发融资约束。唐建新等(2011)、苏灵等(2011)发现,董事与总经理的银行背景将为企业带来更多银行贷款、更低贷款利率以及更长贷款期限。其次,具有金融背景的CEO对商业银行、投资银行等金融机构的信息需求更加了解,能降低企业与银行之间的信息不对称程度,尤其是对风险控制委员会成员关注要点的熟悉和应对,可以提高融资项目的审批通过概率,有助于达成债务契约(邓建平和曾勇,2011)。当融资约束缓解后,企业可能会加大研发投入(卢馨等,2013);由于资金较为充足和期限较长,企业可能选择高风险、高收益投资项目。同时,根据烙印理论,金融专业背景有助于CEO更好地识别与管控风险,从而提高风险承担水平(李卓松,2018),企业更可能进行高风险的创新活动。
另一方面,CEO金融背景也可能对企业创新产生抑制作用。首先,金融行业的工作经历可能加剧管理者短视行为,从而对企业研发创新产生挤出效应。根据烙印理论,在敏感时期,高管的成长、学习与工作经历均可能留下心理印记,这种印记(包括认知和能力)将对其职业生涯产生持续性影响(Mathias等,2015)。金融行业具有工作强度较大、风险较高、面对诱惑较多等特征,CEO在金融行业的工作时间则成为一个“敏感期”,使得金融工作经历可能对CEO产生持续性影响,这种持续性影响将促使公司高管在面临不同情况时做出高度个性化决策(杜勇等,2019)。而根据高层梯队理论,公司高管的个人特质会影响其行为,进而影响其管理的公司的行为与绩效(Hambrick和Mason,1984)。CEO作为公司战略决策者,其个人特质会影响战略方向的思考与决策,进而对公司行为产生显著影响。中国资本市场由于发展历史较短,投资理念尚未成熟,通过短期交易来套利的投机者较多。金融从业人员在这样的资本市场环境中成长和工作,很可能被投机的主导思维和行为模式所影响,从而养成偏好投机的个人特质,加剧管理者短视的负面影响。金融背景塑造了CEO的短期投资倾向,而创新活动属于长时期、高风险的行为,这意味着具有金融背景的CEO可能会减少创新活动。杜勇等(2019)发现,具有金融背景的CEO倾向于使企业金融化。王红建等(2017)则发现,实体企业过度金融化会抑制企业创新,且套利动机会加剧这种抑制作用。由此,本文推断金融背景CEO可能促进企业金融化,进而对研发创新活动产生挤出效应,抑制企业进行技术创新。其次,具有金融背景的CEO可能难以对企业创新管理决策提供高效的指导和建议。一般来说,公司CEO分为技术型和非技术型两类,前者具有较为丰富的技术和业务背景。具有金融背景的CEO的优势是降低企业对外融资的成本,缓解企业融资约束(邓建平和曾勇,2011),但相对于技术型管理者,具有金融背景的CEO对专业知识的掌握可能更差。这意味着,由于对行业和前沿技术的理解相对欠缺,具有金融背景的CEO可能难以对企业创新管理决策提供高效的指导和建议,容易造成无效或低效的研发资源配置,从而降低企业的研发成功率和研发效率,抑制企业创新活动。
综上,本文提出如下竞争性假说:
H1a:其他条件不变,CEO金融背景促进了企业创新。
H1b:其他条件不变,CEO金融背景抑制了企业创新。
-
具有金融背景的CEO虽然带来了额外的融资,但由于更倾向于短期的投机行为,可能不愿将资金投入创新或研发等长期活动。同时,大股东由于持有较高比例的股份,会期望CEO进行更多的创新投资以增加公司价值(Hill和Snell,1988)。根据股东积极主义理论,当大股东对企业管理和运营结果不满意时,将通过积极参与和影响来改变企业现状以满足自身长远利益(Tirole,2006)。首先,大股东可以通过控制权优势,促使CEO和董事会进行战略和业务改革;其次,Faccio等(2011)研究发现,大股东参与会影响管理层的风险承担,进而影响企业创新活动。综上,大股东既有动机也有能力监督CEO的投机行为,促使其更多地开展创新或研发活动,以实现公司价值最大化。由此,本文提出如下假说:
H2:其他条件不变,大股东监督越强,CEO金融背景对企业创新的负向效应越弱。
-
企业创新需要大量持续性资金投入,且周期长,这导致企业创新活动需要引入外部投资。然而,由于信息不对称以及抵押品缺乏,企业研发活动常常面临较高的外部融资约束(Hall和Lerner,2010)。首先,创新活动的风险一般难以确定,这使得外部投资者难以分辨项目的优劣,从而产生逆向选择;其次,研发活动中大量的支出用于支付研发人员的薪酬,难以成为银行贷款的抵押品(Savignac,2008);最后,虽然信息披露能够有效缓解信息不对称,但是管理层出于对竞争对手保密的考虑,可能不愿过多披露创新信息,这将进一步加剧企业创新活动的融资约束。
中国传统的“关系”文化在资本市场也发挥非正式机制的作用,关系融资成为中国企业为保证经营在制度之外探索的一条渠道。已有研究发现,通过建立银企关联,如企业聘请具有银行从业背景的高管或企业实际控制人具有银行等金融机构背景,可以有效缓解企业与银行之间的信息不对称,进而降低企业融资约束(程小可等,2013)。因此,聘请具有金融背景的CEO主要在于帮助企业获取外部融资,缓解企业融资约束。当融资约束较强时,企业倾向于将获得的外部融资用于正常途径(如经营和创新活动),降低企业研发融资约束的作用更加明显,从而更好地促进企业创新。相反,当融资约束较小时,外部融资可以被视为一种自由现金流,企业倾向于将这部分资金用于非正常活动(如进行非必要的金融投资),从而加剧金融背景CEO对企业创新的负向效应。综上,本文提出如下假说:
H3:其他条件不变,企业受到的融资约束越强,CEO金融背景对企业创新的负向效应越弱。
-
本文选取2009−2017年中国沪深A股上市公司为初始样本①,并按照如下步骤对样本进行筛选:第一,剔除CEO任期不满一年以及在一年中存在两个及以上不同背景CEO的公司样本;第二,参照杜勇等(2019),剔除金融和房地产行业公司样本;第三,剔除样本期间被ST的公司样本;第四,剔除变量缺失的公司样本。最终,本文得到15923个“公司−年度”观测样本。具体样本筛选过程如表1所示。
表 1 样本筛选
筛选过程 观测值 2009−2017年我国沪深A股上市公司初始样本 26292 剔除CEO任期不满一年以及在一年中存在两个及以上不同背景CEO的公司样本 20421 剔除金融和房地产行业公司样本 19092 剔除样本期间被ST的公司样本 18449 剔除变量缺失的公司样本 15923 本文所需企业研发费用与专利申请数据来自国泰安(CSMAR)数据库中的“上市公司研发创新”与“上市公司与子公司专利”子数据库;CEO金融背景信息主要来自CSMAR数据库中的“上市公司人物特征”子数据库,并根据上市公司高管简历进行校对与补充;上市公司财务、股价等其他数据主要来自CSMAR和Wind数据库。
为缓解极端值的影响,本文对所有连续变量进行上下1%的缩尾处理。同时,在回归分析中对标准误进行公司和年度层面的聚类(Cluster)调整。
-
借鉴Chang等(2015)、田轩和孟清扬(2018)等的研究,本文构建如下模型检验CEO金融背景对企业创新的影响:
$$ Innovation_{i,t}=α_{0}+α_{1}FC_{i,t}+γΣControls+ΣIndustry+ΣYear+ε_{i,t} $$ (1) 模型中,因变量Innovation为企业创新,本文分别从企业创新投入和创新产出两个维度进行衡量。具体地,参照刘运国和刘雯(2007)、倪骁然和朱玉杰(2016)以及张玉娟和汤湘希(2018)的方法,企业创新投入分别用研发费用占营业收入的比例(R&D)和企业研发费用占总资产的比例(R&DA)度量。创新产出则借鉴田轩和孟清扬(2018)、刘宝华和王雷(2018)的方法,分别用企业及其子公司的专利申请数(Patent)、发明专利申请数(Patenti)和非发明专利申请数(Patentud)加1取自然对数来度量。此外,参考田轩和孟清扬(2018)的做法,本文将创新投入和创新产出的缺失值替换为0。考虑到约有三分之一的企业创新投入和创新产出数据为0,本文采用Tobit模型进行回归分析②。
核心解释变量FC为CEO金融背景虚拟变量,当CEO曾在监管部门、政策性银行、商业银行、保险公司、证券公司、基金管理公司、证券登记结算公司、期货公司、投资银行、信托公司、投资管理公司、交易所以及其他金融机构就职时取值为1,否则为0。参考已有文献(田轩和孟清扬,2018;虞义华等,2018),本文在模型中控制了如下变量:公司规模(Size),等于总资产的自然对数;长期资产比率(LT),等于非流动资产除以总资产;企业成长性(Growth),用营业收入增长率表示;企业年龄(Age),等于上市年限加1取自然对数;总资产收益率(ROA),等于净利润除以平均总资产;资产负债率(Lev),等于负债总额除以总资产;两职合一(Dual),当公司董事长与CEO为同一人担任时取值为1,否则为0;独立董事比例(IndDir),等于独立董事人数除以董事总人数;托宾Q值(TobinQ),等于企业总市值除以账面价值;地区生产总值(GDP),等于公司所在省份GDP的自然对数。此外,本文还控制了行业(Industry)和年度(Year)固定效应。当因变量为创新产出时,本文在模型中控制了创新投入(R&D)。
为检验假说H2和假说H3,本文分别根据大股东监督和企业融资约束进行分组,对模型(1)进行回归检验。其中,本文用第一大股东持股比例(Top1)衡量大股东监督,该指标反映了大股东参与公司治理的程度(周仁俊和高开娟,2012)。考虑到股东持股比例高于50%表明该股东处于绝对控股地位,对股东大会提案拥有一票否决权(孙光国等,2015;马连福等,2015),本文依据大股东持股比例是否高于50%,将样本划分为“大股东监督弱”和“大股东监督强”两组。企业融资约束采用SA指数衡量,该指数数值越大,表示企业面临的融资约束越高。参考Hadlock和Pierce(2010)、刘莉亚等(2015)的研究,SA指数计算如下:SA=−0.737×Size+0.043×Size2−0.04×Age。本文根据SA指数的中位数将样本划分为“融资约束低”和“融资约束高”两组。
-
表2报告了主要变量的描述性统计结果。研发费用比例R&D(R&DA)的均值为3%(1.5%),最小值为0.000(0.000),最大值为22.9%(8.6%),表明不同企业之间的创新投入差异较大。专利申请Patent的均值约为45件,其中发明专利申请Patenti和非发明专利申请Patentud的均值分别约为19件和26件,标准差约为均值的2.5倍,最大值约为均值的20倍,说明企业创新产出差异比较明显。CEO金融背景FC的均值为4.8%,表明样本中金融背景CEO仅占4.8%,大部分上市公司的CEO没有金融背景。控制变量的分布特征与已有研究文献基本类似,不再赘述。
表 2 主要变量的描述性统计
变量 N Mean Std. Min Median Max R&D 15923 0.030 0.040 0.000 0.019 0.229 R&DA 15923 0.015 0.017 0.000 0.010 0.086 Patent 15923 45.149 117.512 0.000 10.000 859.000 Patenti 15923 18.574 50.556 0.000 3.000 377.000 Patentud 15923 26.121 70.704 0.000 5.000 519.000 FC 15923 0.048 0.215 0.000 0.000 1.000 注:Patent、Patenti、Patentud报告的是取自然对数前的原值;限于篇幅,未报告控制变量的描述性统计结果,资料备索。 表3报告了主要变量的相关系数。研发投入R&D与专利申请Patent的Pearson相关系数为0.259,在1%水平上显著,说明企业的创新产出与研发投入紧密相关。企业创新(R&D、Patent)与核心解释变量CEO金融背景(FC)均在1%水平上显著为负,表明CEO金融背景对企业创新产生了抑制作用,这为本文假说H1b提供了初步证据。此外,核心解释变量FC与其他变量之间的相关系数均小于0.1,说明变量间不存在严重的多重共线性问题。
表 3 主要变量的相关系数
变量 R&D Patent FC R&D 0.414*** −0.055*** Patent 0.259*** −0.066*** FC −0.032*** −0.063*** 注:左下(右上)角列示的分别是Pearson、Spearman相关系数;*、**和***分别表示在10%、5%和1%水平上显著;限于篇幅,未报告控制变量的相关系数,资料备索。 -
表4报告了假说H1的检验结果。其中,列(1)为采用创新投入R&D衡量企业创新的回归结果,FC的系数为−0.007,在1%水平上显著。这表明,较之于CEO不具有金融背景的公司,聘用具有金融背景CEO的公司的研发费用比例将下降0.7%,约占平均研发投入强度的23%(0.007/0.030)。列(3)为采用创新产出Patent衡量企业创新的回归结果,FC的系数为−0.173,在5%水平上显著为负,说明聘用具有金融背景的CEO将促使公司专利申请总数下降17.3%。上述结果表明,无论从创新投入还是创新产出角度,CEO金融背景均对企业创新产生了抑制效应,且该抑制效应在统计意义和经济意义上均显著,支持了假说H1b。
表 4 CEO金融背景与企业创新
变量 R&D
(1)R&DA
(2)Patent
(3)Patenti
(4)Patentud
(5)FC −0.007*** −0.005*** −0.173** −0.112* −0.163** (−4.123) (−6.351) (−2.522) (−1.660) (−2.141) R&D 9.222*** 11.332*** 4.917*** (21.478) (26.763) (10.061) Size 0.003*** 0.001*** 0.761 0.767 0.702 (7.145) (2.620) (47.311) (48.358) (39.970) LT −0.017*** −0.014*** −1.315*** −1.184*** −1.227*** (−7.671) (−14.875) (−14.945) (−14.130) (−12.836) Growth −0.004*** −0.001** −0.040 −0.005 −0.031 (−3.503) (−2.342) (−0.981) (−0.127) (−0.706) Age −0.014*** −0.005*** −0.112*** −0.056*** −0.119*** (−25.071) (−20.129) (−5.401) (−2.754) (−5.065) ROA −0.061*** 0.039*** 3.249*** 2.814*** 2.975*** (−6.216) (9.886) (9.898) (8.824) (7.983) Lev −0.056*** −0.006*** 0.163* 0.137 0.260** (−21.551) (−6.025) (1.771) (1.549) (2.528) Dual 0.005*** 0.001 0.029 0.031 −0.031 (5.625) (1.590) (0.999) (1.044) (−0.915) InDir 0.006 0.001 0.231 0.032 0.645** (0.954) (0.423) (0.929) (0.131) (2.381) TobinQ 0.003*** 0.001*** −0.021* 0.016 −0.046*** (8.758) (6.985) (−1.653) (1.267) (−3.182) GDP 0.003*** 0.003*** 0.323*** 0.275*** 0.329*** (5.111) (12.015) (15.617) (13.734) (14.158) Constant −0.143*** −0.091*** −24.467*** −24.057*** −24.307*** (−8.135) (−11.813) (−35.940) (−36.000) (−31.611) Industry/Year 控制 控制 控制 控制 控制 N 15923 15923 15923 15923 15923 Pseudo R2 −0.523 −0.260 0.177 0.173 0.159 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著。 为增强上述研究结论的可靠性,本文采用其他变量衡量企业创新。首先,在创新投入方面,改用研发费用占总资产比例(R&DA)衡量。列(2)结果显示,FC的系数为−0.005,在1%水平上显著。其次,在创新产出方面,将专利申请进一步区分为发明专利申请(Patenti)和非发明专利申请(Patentud)。列(4)、列(5)结果显示,FC的系数均显著为负,表明CEO金融背景对不同类型专利申请均存在明显的抑制作用。
从控制变量来看,以列(2)为例,Size、ROA、TobinQ和GDP的系数显著为正,说明资产规模越大、盈利能力越强、托宾Q值越高以及当地GDP越高的企业,研发投入和专利产出越高。而Age和LT的系数显著为负,意味着公司成立年限越长、长期资产比率越高,研发投入和专利产出越低。上述控制变量的回归结果基本符合理论预期,且与已有研究结论一致。
-
前文结果表明,CEO金融背景对企业创新产生了抑制效应。本文进一步探讨这一抑制效应能否被有效的公司治理机制所弱化?由于中国独特的转轨经济特征,上市公司股权集中度较高,本文以大股东监督反映公司治理③,表5报告了分组检验结果。在列(1)和列(3)的“大股东监督弱”组,FC的系数分别−0.007和−0.203,且均在1%水平上显著;而在列(2)和列(4)的“大股东监督强”组,FC的系数虽然为负但均不显著④。上述结果表明,大股东治理作为内部治理的一种方式可以有效监督并抑制CEO投机行为,促使其更多地进行企业创新活动,大股东监督能够显著弱化CEO金融背景对企业创新的负向效应。本文假说H2得到支持。
表 5 CEO金融背景、大股东监督与企业创新
变量 R&D
大股东监督弱
(1)R&D
大股东监督强
(2)Patent
大股东监督弱
(3)Patent
大股东监督强
(4)FC −0.007*** −0.006 −0.203*** −0.063 (−3.649) (−1.434) (−2.718) (−0.375) R&D 8.980*** 12.258*** (19.877) (9.028) Size 0.005*** 0.0001 0.731 0.873*** (9.005) (0.124) (39.119) (24.555) LT −0.017*** −0.019*** −1.463*** −0.433* (−6.790) (−4.329) (−15.595) (−1.814) Growth −0.005*** 0.0001 −0.029 −0.017 (−4.370) (0.052) (−0.641) (−0.173) Age −0.015*** −0.009*** −0.085*** −0.224*** (−23.970) (−8.821) (−3.643) (−4.590) ROA −0.060*** −0.073*** 3.524*** 2.676*** (−5.381) (−3.804) (9.957) (3.115) Lev −0.060*** −0.039*** 0.243** −0.304 (−20.746) (−7.208) (2.464) (−1.228) Dual 0.004*** 0.009*** 0.012 0.114 (4.022) (4.671) (0.376) (1.364) InDir 0.015** −0.008 0.268 −0.224 (2.089) (−0.699) (0.967) (−0.394) TobinQ 0.004*** 0.004*** −0.023 −0.025 (8.315) (5.410) (−1.637) (−0.713) GDP 0.002*** 0.004*** 0.361*** 0.130** (3.514) (4.231) (16.233) (2.425) Constant −0.163*** −0.116*** −24.693*** −22.451*** (−8.039) (−3.818) (−33.480) (−12.938) Industry/Year 控制 控制 控制 控制 N 13098 2825 13098 2825 Pseudo R2 −0.504 −0.607 0.176 0.195 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著。 本文进一步考察CEO金融背景对企业创新的影响在公司面临不同融资约束环境时是否存在差异。表6报告了按照SA指数衡量企业融资约束分组的检验结果。在列(1)和列(3)的“融资约束低”组,FC的系数分别为−0.011和−0.377,均在1%水平上显著;而在列(2)和列(4)的“融资约束高”组,FC的系数均不显著。上述结果表明,当企业资金充裕、面临的融资约束较低时,金融背景CEO受自身的烙印效应影响,倾向于将资金用于“短平快”的投资(如金融资产),从而对企业创新产生挤出效应;相反,当企业面临的融资约束较高时,具有金融背景的CEO更可能将获取的外部融资用于正常的经营投资(包括创新活动)。本文假说H3得到支持。
表 6 CEO金融背景、融资约束与企业创新
变量 R&D
融资约束低
(1)R&D
融资约束高
(2)Patent
融资约束低
(3)Patent
融资约束高
(4)FC −0.011*** −0.004 −0.377*** 0.062 (−5.035) (−1.415) (−3.672) (0.684) R&D 13.986*** 7.132*** (14.378) (15.264) Size 0.006*** 0.001 0.793*** 0.656*** (9.263) (0.950) (30.298) (31.229) LT −0.017*** −0.010*** −1.855*** −0.864*** (−6.186) (−2.935) (−14.447) (−7.138) Growth −0.006*** −0.0001 −0.130** 0.032 (−4.541) (−0.063) (−2.078) (0.610) Age −0.023*** −0.006*** −0.357*** 0.076** (−13.242) (−6.078) (−4.894) (2.171) ROA −0.009 −0.092*** 2.595*** 4.082*** (−0.684) (−6.229) (5.161) (9.203) Lev −0.029*** −0.076*** −0.086 0.334*** (−8.902) (−19.613) (−0.614) (2.721) Dual 0.002 0.005*** −0.076 0.099*** (1.544) (4.983) (−1.452) (2.880) InDir 0.010 0.014 0.055 0.530* (1.106) (1.633) (0.131) (1.776) TobinQ 0.004*** 0.003*** −0.014 −0.081*** (6.508) (5.471) (−0.665) (−4.762) GDP 0.003*** 0.0004 0.343*** 0.248*** (5.164) (0.519) (11.065) (9.022) Constant −0.240*** −0.028 −24.947*** −20.466*** (−10.119) (−0.993) (−23.597) (−22.763) Industry/Year 控制 控制 控制 控制 N 7962 7961 7962 7961 Pseudo R2 −0.818 −0.291 0.192 0.162 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著。 -
为缓解样本选择性偏误,本文采用倾向得分匹配法(PSM)进行配对。具体方法如下:首先,选择CEO变更后具有金融背景当年及该CEO任职期间的企业样本作为处理组,并选择从未聘请过金融背景CEO的企业样本为备选控制组;其次,以FC为被解释变量、模型(1)的控制变量为解释变量进行Logit回归,并计算倾向得分值;最后,根据倾向得分值,按照最近邻匹配1比1的方式从备选控制组中选择配对样本⑤。表7报告了PSM检验结果,其中Panel A和Panel B分别报告了以R&D和Patent为因变量的回归结果。FC的系数整体上仍在1%水平上显著为负,而在大股东监督较强、企业融资约束较高时,FC的系数不再显著为负。这表明,CEO金融背景对企业创新具有负向效应,但当大股东监督较强、企业融资约束较高时,这一负向效应被削弱,与前文结论一致。
表 7 PSM检验
Panel A:以R&D为因变量 变量 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FC −0.009 *** −0.009 *** 0.004 −0.015 *** −0.002 (−3.619) (−3.432) (0.738) (−5.221) (−0.431) Controls 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 1523 1284 239 840 683 Pseudo R2 −0.670 −0.611 −1.356 −1.064 −0.358 Panel B:以Patent为因变量 变量 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FC −0.287 *** −0.390 *** 0.295 −0.607 *** 0.094 (−2.986) (−3.820) (1.086) (−4.285) (0.737) Controls 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 1513 1256 257 834 679 Pseudo R2 0.186 0.188 0.252 0.224 0.153 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
公司聘请具有金融背景的CEO可能不是外生决定的,也有可能受到其他因素的影响。为缓解可能的内生性问题,本文选取上市公司所在地附近300公里以内开设金融财务专业“211”高校的数量(NumUniv)作为CEO金融背景的工具变量⑥,并采用Heckman两阶段法,构建处理效应模型进行检验⑦。一般来说,“211”高校的毕业生由于学校在本地或附近的知名度与就业率较高,选择就近就业的概率较大,并且企业考虑到招聘成本会偏好就近招聘(杜勇等,2019),因此附近金融财务高校的数量与企业具有金融背景CEO的概率正相关。与此同时,附近金融财务高校的数量并不直接影响企业创新活动,满足外生性条件。
具体地,第一阶段选择模型以FC为因变量,以NumUniv为工具变量,同时加入模型(1)的控制变量为解释变量进行Probit回归,计算得到逆米尔斯比率(IMR)。第二阶段,在模型(1)的基础上加入IMR重新进行Tobit回归。检验结果如表8所示,列(1)为第一阶段回归结果,NumUniv的系数为0.005,且在1%水平上显著,与预期一致。列(2)和列(3)为第二阶段回归结果,IMR的系数显著为正,说明模型存在一定的自选择问题;FC的系数仍在5%和1%水平上显著为负,表明在控制样本自选择偏差后本文结论依然成立。
表 8 Heckman两阶段检验
变量 FC
(1)R&D
(2)Patent
(3)FC −0.042** −2.464*** (−2.419) (−3.692) IMR 0.016** 1.069*** (2.022) (3.463) NumUniv 0.005*** (2.650) Controls 控制 控制 控制 Industry/Year 控制 控制 控制 N 15914 15914 15914 Pseudo R2 0.056 −0.524 0.177 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
企业创新周期较长,企业从开始研发到向专利局提出申请需要一定时间,因而专利申请可能具有滞后性。为此,在以专利产出衡量企业创新时,本文将解释变量与控制变量均滞后一期重新进行回归。表9结果显示,整体上,FCt−1的系数依然在1%水平上显著为负,支持了前文假说H1b;在大股东监督较强、企业融资约束较高时,FCt−1的系数变得不显著,表明较强的大股东监督和较高的企业融资约束可以削弱CEO金融背景对企业创新的负向效应,支持了假说H2和假说H3。
表 9 稳健性检验:改用滞后变量
变量 Patent 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FCt−1 −0.228*** −0.250*** −0.127 −0.468*** 0.082 (−2.668) (−2.624) (−0.710) (−3.739) (0.704) Controlst−1 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 11398 9467 1931 6006 5392 Pseudo R2 0.175 0.175 0.195 0.189 0.161 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
为更加全面地描述企业创新产出,本文使用上市公司及其子公司的专利授权(PatentGrant)作为企业创新产出的替代变量,对主要假说重新进行检验。考虑到专利从申请到授权需要一定时间,回归时对所有解释变量做滞后一期处理。表10报告了 相应的检验结果,与预期一致,改用专利授权衡量企业创新产出后,本文假说仍然成立。此外,未列示的结果显示,进一步区分发明专利授权和非发明专利授权,CEO金融背景对二者的影响与前文一致。
表 10 稳健性检验:改用专利授权
变量 PatentGrant 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FCt−1 −0.208*** −0.225*** −0.205 −0.339*** −0.007 (−2.634) (−2.588) (−1.108) (−3.081) (−0.062) Controlst−1 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 11398 9467 1931 6006 5392 Pseudo R2 0.180 0.174 0.199 0.195 0.169 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
已有研究发现,企业金融化将对企业创新产生挤出效应,降低企业研发投入(王红建等,2017);而杜勇等(2019)则发现,CEO金融背景将通过提高CEO自信程度和缓解融资约束来加剧企业金融化。结合前文的理论逻辑,CEO金融背景虽然既可通过融资约束效应也可通过烙印效应加剧企业金融化,但是二者对企业创新的影响存在差异。如果企业金融化主要是由CEO金融背景的融资约束效应引致,本文预期这种企业金融化的提升将促进企业创新;如果企业金融化主要是由CEO金融背景的烙印效应引致,本文预期这种企业金融化的提升将抑制企业创新。由此,本文通过直接检验企业金融化这一潜在的CEO金融背景影响企业创新的作用机制来进一步验证本文的逻辑。为检验该机制,本文用金融资产占总资产比例衡量企业金融化(Finratio),并作为中介变量,构建以下模型进行回归检验:
$$ Finratio_{i,t}=γ_{0}+γ_{1}FC_{i,t}+λΣControls+ΣIndustry+ΣYear+ε_{i,t} $$ (2) $$ Innovation_{i,t}=μ_{0}+μ_{1}FC_{i,t}+μ_{2} Finratio_{i,t}+λΣControls+ΣIndustry+ΣYear+ε_{i,t} $$ (3) 具体步骤如下:第一步,对模型(1)(被解释变量Innovation、解释变量FC)进行回归。表4的结果显示,CEO金融背景显著抑制企业创新。第二步,对模型(2)(被解释变量Finratio、解释变量FC)进行回归。第三步,对模型(3)(被解释变量Innovation、解释变量FC和Finratio)进行回归。若模型(2)中的系数γ1、模型(3)中的系数μ2同时显著,则表明存在中介效应。若模型(3)中的系数μ1不显著,则为完全中介效应,否则为部分中介效应。
表11报告了机制检验结果。列(1)中,FC的系数为0.012,在1%水平上显著,说明CEO金融背景促使企业更倾向于金融化,这与杜勇等(2019)的研究发现一致。列(2)和列(3)中,Finratio的系数均在1%水平上显著为负,表明企业金融化主要是由CEO金融背景的烙印效应引致,进一步支持了本文假说H1b。同时,FC的系数分别在1%、5%水平上显著为负,且数值有所下降。中介效应Sobel检验显示,对应的Z统计量分别为−2.07、−2.75,分别在5%、1%水平上显著。结果表明,CEO金融背景通过增加金融投资而减少研发投入,进而降低创新产出,企业金融化在CEO金融背景与企业创新之间发挥了部分中介效应。综上,表11的结果支持了“CEO金融背景→加剧企业金融化→抑制企业创新”的影响机制。
表 11 机制检验:企业金融化
变量 Finratio
(1)R&D
(2)Patent
(3)FC 0.012*** −0.007*** −0.164** (4.897) (−3.982) (−2.376) Finratio −0.019** −0.914*** (−2.507) (−3.051) Controls 控制 控制 控制 Industry/Year 控制 控制 控制 N 15923 15923 15923 Adj/Pseudo R2 0.165 −0.524 0.177 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
在中国经济发展新常态的背景下,与虚拟经济相比,实体经济呈现回报率低、资金回笼速度慢等特点。在资本逐利动机的驱使下,企业倾向于将大量资金配置于“短平快”的金融资产项目,导致产业“脱实向虚”现象日趋严重,实体经济与虚拟经济出现结构性失衡(胡宁等,2019)。此外,企业的实体资产配置也可以作为企业研发的“蓄水池”。张嘉望等(2019)研究发现,企业实体资产配置显著促进了企业研发投资,体现了企业实体资产的“蓄水池”效应。由此本文推测,CEO金融背景可能加剧企业“脱实向虚”的倾向,在增加企业金融投资的同时,也将减少实体投资,进而对企业创新产生抑制作用。为检验上述推测,本文采用企业固定资产原值的变化占总资产比例衡量企业实体投资(SE)⑧。本文将模型(2)和模型(3)中的Finratio替换为SE进行回归检验,结果如表12所示。列(1)中,FC的系数在5%水平上显著为负,说明 CEO金融背景显著降低了企业进行实体投资的倾向。列(2)和列(3)中,SE的系数均在1%水平上显著为正,而FC的系数则分别在1%和5%水平上显著为负;且Sobel检验对应的Z统计量分别为−1.98和−1.84,至少在10%水平上显著。上述结果表明,具有金融背景的CEO通过减少实体投资,进而对企业创新活动产生抑制作用,实体投资的下降发挥了部分中介效应,从而支持了“CEO金融背景→减少实体投资→抑制企业创新”的影响机制。
表 12 机制检验:企业实体投资
变量 SE
(1)R&D
(2)Patent
(3)FC −0.008** −0.007*** −0.163** (−2.379) (−3.537) (−2.297) SE 0.020*** 0.460*** (4.592) (2.662) Controls 控制 控制 控制 Industry/Year 控制 控制 控制 N 14275 14275 14275 Adj/Pseudo R2 0.211 −0.545 0.176 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
正如杜勇等(2019)指出,不同金融机构拥有不同的业务范围和行事规则,这可能塑造出不同的CEO个人特质。较之于银行工作经历,具有非银行金融机构工作经历的CEO曾处于较高风险和较复杂的工作环境,对风险与投资的认知烙印、对金融信息处理与风险组合的能力烙印可能较强。这种认知与能力烙印的差异会反映在金融投资方面,使得非银行金融背景的CEO更倾向于进行金融资产投资,从而对研发投入的挤出效应更明显。
本文将CEO金融背景进一步细分为银行金融背景(BFC)和非银行金融背景(NBFC),检验结果如表13所示。NBFC的系数分别为−0.009和−0.184,且分别在1%和5%水平上显著,而BFC的系数虽然为负但不显著,表明CEO的非银行金融背景对企业创新的抑制作用更明显。
表 13 CEO金融背景类型与企业创新
变量 R&D
(1)Patent
(2)BFC −0.0001 −0.085 (−0.038) (−0.617) NBFC −0.009*** −0.184** (−3.923) (−2.259) Controls 控制 控制 Industry/Year 控制 控制 N 15923 15923 Pseudo R2 −0.523 0.177 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
当前,中国仍处在经济转型的关键时期,实体经济对中国经济腾飞发挥举足轻重的作用。创新是企业不断发展的动力,探究企业创新的驱动因素有助于中国创新战略的制定。本文基于烙印理论和高层梯队理论,以2009−2017年中国A股上市公司为样本,实证考察了CEO金融背景对企业创新的影响及作用机制。研究发现,CEO金融背景对企业创新(创新投入和创新产出)具有显著抑制作用,且这种负向影响主要存在于大股东监督较弱、融资约束较低的企业中。机制检验发现,具有金融背景的CEO主要通过增加金融投资、减少实体投资的途径来抑制企业创新,这意味着CEO的金融背景加剧了实体企业“脱实向虚”的趋势。进一步区分银行和非银行金融背景后发现,CEO非银行金融背景对企业创新的抑制作用更明显。
基于上述研究结论,本文获得如下启示:第一,烙印机制使得公司管理层容易被过往经验所误导,因而管理层应该谨慎看待自己过往的经验,多进行自我反思,让自己的经历成为助力而不是阻碍。第二,企业应注意高管背景的多样性,构建更加多元化的管理层,以最大限度地发挥烙印机制的正面效应。第三,企业应完善治理机制,利用大股东治理、董事会治理等内外部治理机制来约束管理层的短视、自利行为。第四,政府应该加强资本市场治理,发挥其在市场中的作用、抑制其投机的负面影响,缓解资本市场金融人员偏向投机的烙印。
-
摘要: 面对近期“卡脖子”技术频繁出现带来的挑战,如何促进企业创新和核心关键技术的突破,是实现中国经济高质量发展的关键一环。文章基于烙印理论,考察CEO金融背景是否以及如何影响企业创新。研究发现,CEO金融背景对企业创新具有显著负向影响,且这种负向影响主要存在于大股东监督较弱、企业融资约束较低样本中。机制检验发现,具有金融背景的CEO主要通过增加金融投资、减少实体投资的方式抑制企业创新,表明CEO金融背景加剧了企业“脱实向虚”。进一步区分银行和非银行金融背景后发现,CEO非银行金融背景对企业创新的抑制作用更明显。
CEO’s Financial Background and the Enterprise Innovation: Promotion or Inhibition?
Abstract: Under the challenges brought by “neck sticking” technology with high frequency, how to promote enterprise innovation and the breakthrough of core technologies is vital to realize high-quality and sustainable development of Chinese economy. From the perspective of micro enterprises, this paper examines whether and how CEO’s financial background influence enterprise innovation. The results show that CEO’s financial background has a significantly negative impact on enterprise innovation, and the negative effects mainly exist in enterprises with weaker supervision of large shareholders and lower financing constraints. The above conclusions are valid in the endogenous test and a series of robustness tests. Further mechanism test shows that CEOs with financial background mainly inhibit enterprise innovation by increasing financial investment and reducing entity investment, which confirms the existence of enterprise financialization. Further, this paper divides CEO’s background into bank and non-bank financial background, and finds that CEO’s non-bank financial background has a more significant inhibitory impact on enterprise innovation.-
Key words:
- CEO’s financial background /
- enterprise innovation /
- imprinting theory /
- echelon theory
-
表 1 样本筛选
筛选过程 观测值 2009−2017年我国沪深A股上市公司初始样本 26292 剔除CEO任期不满一年以及在一年中存在两个及以上不同背景CEO的公司样本 20421 剔除金融和房地产行业公司样本 19092 剔除样本期间被ST的公司样本 18449 剔除变量缺失的公司样本 15923 表 2 主要变量的描述性统计
变量 N Mean Std. Min Median Max R&D 15923 0.030 0.040 0.000 0.019 0.229 R&DA 15923 0.015 0.017 0.000 0.010 0.086 Patent 15923 45.149 117.512 0.000 10.000 859.000 Patenti 15923 18.574 50.556 0.000 3.000 377.000 Patentud 15923 26.121 70.704 0.000 5.000 519.000 FC 15923 0.048 0.215 0.000 0.000 1.000 注:Patent、Patenti、Patentud报告的是取自然对数前的原值;限于篇幅,未报告控制变量的描述性统计结果,资料备索。 表 3 主要变量的相关系数
变量 R&D Patent FC R&D 0.414*** −0.055*** Patent 0.259*** −0.066*** FC −0.032*** −0.063*** 注:左下(右上)角列示的分别是Pearson、Spearman相关系数;*、**和***分别表示在10%、5%和1%水平上显著;限于篇幅,未报告控制变量的相关系数,资料备索。 表 4 CEO金融背景与企业创新
变量 R&D
(1)R&DA
(2)Patent
(3)Patenti
(4)Patentud
(5)FC −0.007*** −0.005*** −0.173** −0.112* −0.163** (−4.123) (−6.351) (−2.522) (−1.660) (−2.141) R&D 9.222*** 11.332*** 4.917*** (21.478) (26.763) (10.061) Size 0.003*** 0.001*** 0.761 0.767 0.702 (7.145) (2.620) (47.311) (48.358) (39.970) LT −0.017*** −0.014*** −1.315*** −1.184*** −1.227*** (−7.671) (−14.875) (−14.945) (−14.130) (−12.836) Growth −0.004*** −0.001** −0.040 −0.005 −0.031 (−3.503) (−2.342) (−0.981) (−0.127) (−0.706) Age −0.014*** −0.005*** −0.112*** −0.056*** −0.119*** (−25.071) (−20.129) (−5.401) (−2.754) (−5.065) ROA −0.061*** 0.039*** 3.249*** 2.814*** 2.975*** (−6.216) (9.886) (9.898) (8.824) (7.983) Lev −0.056*** −0.006*** 0.163* 0.137 0.260** (−21.551) (−6.025) (1.771) (1.549) (2.528) Dual 0.005*** 0.001 0.029 0.031 −0.031 (5.625) (1.590) (0.999) (1.044) (−0.915) InDir 0.006 0.001 0.231 0.032 0.645** (0.954) (0.423) (0.929) (0.131) (2.381) TobinQ 0.003*** 0.001*** −0.021* 0.016 −0.046*** (8.758) (6.985) (−1.653) (1.267) (−3.182) GDP 0.003*** 0.003*** 0.323*** 0.275*** 0.329*** (5.111) (12.015) (15.617) (13.734) (14.158) Constant −0.143*** −0.091*** −24.467*** −24.057*** −24.307*** (−8.135) (−11.813) (−35.940) (−36.000) (−31.611) Industry/Year 控制 控制 控制 控制 控制 N 15923 15923 15923 15923 15923 Pseudo R2 −0.523 −0.260 0.177 0.173 0.159 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著。 表 5 CEO金融背景、大股东监督与企业创新
变量 R&D
大股东监督弱
(1)R&D
大股东监督强
(2)Patent
大股东监督弱
(3)Patent
大股东监督强
(4)FC −0.007*** −0.006 −0.203*** −0.063 (−3.649) (−1.434) (−2.718) (−0.375) R&D 8.980*** 12.258*** (19.877) (9.028) Size 0.005*** 0.0001 0.731 0.873*** (9.005) (0.124) (39.119) (24.555) LT −0.017*** −0.019*** −1.463*** −0.433* (−6.790) (−4.329) (−15.595) (−1.814) Growth −0.005*** 0.0001 −0.029 −0.017 (−4.370) (0.052) (−0.641) (−0.173) Age −0.015*** −0.009*** −0.085*** −0.224*** (−23.970) (−8.821) (−3.643) (−4.590) ROA −0.060*** −0.073*** 3.524*** 2.676*** (−5.381) (−3.804) (9.957) (3.115) Lev −0.060*** −0.039*** 0.243** −0.304 (−20.746) (−7.208) (2.464) (−1.228) Dual 0.004*** 0.009*** 0.012 0.114 (4.022) (4.671) (0.376) (1.364) InDir 0.015** −0.008 0.268 −0.224 (2.089) (−0.699) (0.967) (−0.394) TobinQ 0.004*** 0.004*** −0.023 −0.025 (8.315) (5.410) (−1.637) (−0.713) GDP 0.002*** 0.004*** 0.361*** 0.130** (3.514) (4.231) (16.233) (2.425) Constant −0.163*** −0.116*** −24.693*** −22.451*** (−8.039) (−3.818) (−33.480) (−12.938) Industry/Year 控制 控制 控制 控制 N 13098 2825 13098 2825 Pseudo R2 −0.504 −0.607 0.176 0.195 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著。 表 6 CEO金融背景、融资约束与企业创新
变量 R&D
融资约束低
(1)R&D
融资约束高
(2)Patent
融资约束低
(3)Patent
融资约束高
(4)FC −0.011*** −0.004 −0.377*** 0.062 (−5.035) (−1.415) (−3.672) (0.684) R&D 13.986*** 7.132*** (14.378) (15.264) Size 0.006*** 0.001 0.793*** 0.656*** (9.263) (0.950) (30.298) (31.229) LT −0.017*** −0.010*** −1.855*** −0.864*** (−6.186) (−2.935) (−14.447) (−7.138) Growth −0.006*** −0.0001 −0.130** 0.032 (−4.541) (−0.063) (−2.078) (0.610) Age −0.023*** −0.006*** −0.357*** 0.076** (−13.242) (−6.078) (−4.894) (2.171) ROA −0.009 −0.092*** 2.595*** 4.082*** (−0.684) (−6.229) (5.161) (9.203) Lev −0.029*** −0.076*** −0.086 0.334*** (−8.902) (−19.613) (−0.614) (2.721) Dual 0.002 0.005*** −0.076 0.099*** (1.544) (4.983) (−1.452) (2.880) InDir 0.010 0.014 0.055 0.530* (1.106) (1.633) (0.131) (1.776) TobinQ 0.004*** 0.003*** −0.014 −0.081*** (6.508) (5.471) (−0.665) (−4.762) GDP 0.003*** 0.0004 0.343*** 0.248*** (5.164) (0.519) (11.065) (9.022) Constant −0.240*** −0.028 −24.947*** −20.466*** (−10.119) (−0.993) (−23.597) (−22.763) Industry/Year 控制 控制 控制 控制 N 7962 7961 7962 7961 Pseudo R2 −0.818 −0.291 0.192 0.162 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著。 表 7 PSM检验
Panel A:以R&D为因变量 变量 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FC −0.009 *** −0.009 *** 0.004 −0.015 *** −0.002 (−3.619) (−3.432) (0.738) (−5.221) (−0.431) Controls 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 1523 1284 239 840 683 Pseudo R2 −0.670 −0.611 −1.356 −1.064 −0.358 Panel B:以Patent为因变量 变量 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FC −0.287 *** −0.390 *** 0.295 −0.607 *** 0.094 (−2.986) (−3.820) (1.086) (−4.285) (0.737) Controls 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 1513 1256 257 834 679 Pseudo R2 0.186 0.188 0.252 0.224 0.153 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 表 8 Heckman两阶段检验
变量 FC
(1)R&D
(2)Patent
(3)FC −0.042** −2.464*** (−2.419) (−3.692) IMR 0.016** 1.069*** (2.022) (3.463) NumUniv 0.005*** (2.650) Controls 控制 控制 控制 Industry/Year 控制 控制 控制 N 15914 15914 15914 Pseudo R2 0.056 −0.524 0.177 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 表 9 稳健性检验:改用滞后变量
变量 Patent 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FCt−1 −0.228*** −0.250*** −0.127 −0.468*** 0.082 (−2.668) (−2.624) (−0.710) (−3.739) (0.704) Controlst−1 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 11398 9467 1931 6006 5392 Pseudo R2 0.175 0.175 0.195 0.189 0.161 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 表 10 稳健性检验:改用专利授权
变量 PatentGrant 全样本
(1)大股东监督弱
(2)大股东监督强
(3)融资约束低
(4)融资约束高
(5)FCt−1 −0.208*** −0.225*** −0.205 −0.339*** −0.007 (−2.634) (−2.588) (−1.108) (−3.081) (−0.062) Controlst−1 控制 控制 控制 控制 控制 Industry/Year 控制 控制 控制 控制 控制 N 11398 9467 1931 6006 5392 Pseudo R2 0.180 0.174 0.199 0.195 0.169 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 表 11 机制检验:企业金融化
变量 Finratio
(1)R&D
(2)Patent
(3)FC 0.012*** −0.007*** −0.164** (4.897) (−3.982) (−2.376) Finratio −0.019** −0.914*** (−2.507) (−3.051) Controls 控制 控制 控制 Industry/Year 控制 控制 控制 N 15923 15923 15923 Adj/Pseudo R2 0.165 −0.524 0.177 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 表 12 机制检验:企业实体投资
变量 SE
(1)R&D
(2)Patent
(3)FC −0.008** −0.007*** −0.163** (−2.379) (−3.537) (−2.297) SE 0.020*** 0.460*** (4.592) (2.662) Controls 控制 控制 控制 Industry/Year 控制 控制 控制 N 14275 14275 14275 Adj/Pseudo R2 0.211 −0.545 0.176 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 表 13 CEO金融背景类型与企业创新
变量 R&D
(1)Patent
(2)BFC −0.0001 −0.085 (−0.038) (−0.617) NBFC −0.009*** −0.184** (−3.923) (−2.259) Controls 控制 控制 Industry/Year 控制 控制 N 15923 15923 Pseudo R2 −0.523 0.177 注:括号内为经聚类调整的t统计量,*、**和***分别表示在10%、5%和1%水平上统计显著;限于篇幅,未报告控制变量回归结果,资料备索。 -
[1] 程小可,杨程程,姚立杰. 2013. 内部控制、银企关联与融资约束——来自中国上市公司的经验证据. 审计研究 (5): 80−86. [2] 邓建平,曾勇. 2011. 金融生态环境、银行关联与债务融资——基于我国民营企业的实证研究. 会计研究 (12): 33−40. doi: 10.3969/j.issn.1003-2886.2011.12.006 [3] 邓建平,陈爱华. 2017. 高管金融背景与企业现金持有——基于产业政策视角的实证研究. 经济与管理研究 (3): 133−144. [4] 杜勇,谢瑾,陈建英. 2019. CEO金融背景与实体企业金融化. 中国工业经济 (5): 136−154. [5] 胡宁,王雪方,孙莲珂,靳庆鲁. 2019. 房产限购政策有助于实体企业“脱虚返实”吗——基于双重差分研究设计. 南开管理评论 (4): 20−31. doi: 10.3969/j.issn.1008-3448.2019.04.003 [6] 黄健峤,王雅琪,邓祎璐,陈运森. 2020. 股票市场开放提高企业创新产出水平了吗? ——基于陆港通的准自然实验. 会计与经济研究 (1): 21−37. [7] 鞠晓生,卢荻,虞义华. 2013. 融资约束、营运资本管理与企业创新可持续性. 经济研究 (1): 4−16. [8] 李文贵,余明桂. 2015. 民营化企业的股权结构与企业创新. 管理世界 (4): 112−125. [9] 李卓松. 2018. 企业风险承担、高管金融背景与债券融资成本. 金融评论 (2): 73−84. [10] 刘宝华,王雷. 2018. 业绩型股权激励、行权限制与企业创新. 南开管理评论 (1): 17−27. [11] 刘凤朝,默佳鑫,马荣康. 2017. 高管团队海外背景对企业创新绩效的影响研究. 管理评论 (7): 135−147. [12] 刘莉亚,何彦林,王照飞,程天笑. 2015. 融资约束会影响中国企业对外直接投资吗?——基于微观视角的理论和实证分析. 金融研究 (8): 124−140. [13] 刘运国,刘雯. 2007. 我国上市公司的高管任期与R&D支出. 管理世界 (1): 128−136. [14] 卢馨,郑阳飞,李建明. 2013. 融资约束对企业R&D投资的影响研究——来自中国高新技术上市公司的经验证据. 会计研究 (5): 51−58. doi: 10.3969/j.issn.1003-2886.2013.05.007 [15] 鲁桐,党印. 2014. 公司治理与技术创新:分行业比较. 经济研究 (6): 115−128. [16] 马连福,王丽丽,张琦. 2015. 混合所有制的优序选择:市场的逻辑. 中国工业经济 (7): 5−20. [17] 倪骁然,朱玉杰. 2016. 劳动保护、劳动密集度与企业创新——来自2008年《劳动合同法》实施的证据. 管理世界 (7): 154−167. [18] 苏灵,王永海,余明桂. 2011. 董事的银行背景、企业特征与债务融资. 管理世界 (10): 176−177. [19] 孙光国,刘爽,赵健宇. 2015. 大股东控制、机构投资者持股与盈余管理. 南开管理评论 (5): 75−84. doi: 10.3969/j.issn.1008-3448.2015.05.008 [20] 孙晓华,王昀,徐冉. 2015. 金融发展、融资约束缓解与企业研发投资. 科研管理 (5): 47−54. [21] 唐建新,卢剑龙,余明桂. 2011. 银行关系、政治联系与民营企业贷款——来自中国民营上市公司的经验证据. 经济评论 (3): 51−58. [22] 田轩,孟清扬. 2018. 股权激励计划能促进企业创新吗. 南开管理评论 (3): 176−190. doi: 10.3969/j.issn.1008-3448.2018.03.017 [23] 王红建,曹瑜强,杨庆,杨筝. 2017. 实体企业金融化促进还是抑制了企业创新——基于中国制造业上市公司的经验研究. 南开管理评论 (1): 155−166. doi: 10.3969/j.issn.1008-3448.2017.01.014 [24] 解维敏,方红星. 2011. 金融发展、融资约束与企业研发投入. 金融研究 (5): 171−183. [25] 熊艾伦,蒲勇健,王睿. 2019. 女性高管对企业创新决策的影响. 管理工程学报 (1): 30−36. [26] 杨洋,魏江,罗来军. 2015. 谁在利用政府补贴进行创新?——所有制和要素市场扭曲的联合调节效应. 管理世界 (1): 75−86. [27] 余明桂,范蕊,钟慧洁. 2016. 中国产业政策与企业技术创新. 中国工业经济 (12): 5−22. [28] 余明桂,钟慧洁,范蕊. 2019. 民营化、融资约束与企业创新——来自中国工业企业的证据. 金融研究 (4): 75−91. [29] 虞义华,赵奇锋,鞠晓生. 2018. 发明家高管与企业创新. 中国工业经济 (3): 136−154. [30] 曾军,董博,陈红. 2020. 高管强制变更、分析师跟踪与企业创新投入. 会计与经济研究 (1): 38−51. [31] 张嘉望,彭晖,李博阳. 2019. 实体资产配置、研发补贴与企业研发支出. 软科学 (12): 80−85. [32] 张晓亮,杨海龙,唐小飞. 2019. CEO学术经历与企业创新. 科研管理 (2): 154−163. [33] 张璇,李子健,李春涛. 2019. 银行业竞争、融资约束与企业创新——中国工业企业的经验证据. 金融研究 (10): 98−116. [34] 张玉娟,汤湘希. 2018. 股权结构、高管激励与企业创新——基于不同产权性质A股上市公司的数据. 山西财经大学学报 (9): 76−93. [35] 周仁俊,高开娟. 2012. 大股东控制权对股权激励效果的影响. 会计研究 (5): 50−58. doi: 10.3969/j.issn.1003-2886.2012.05.008 [36] Abdel-Khalik, A. R. 2014. CEO risk preference and investing in R&D. Abacus 50(3): 245−278. doi: 10.1111/abac.12029 [37] Acharya, V. V., and K. Subramanian. 2009. Bankruptcy codes and innovation. Review of Financial Studies 22(12): 4949−4988. doi: 10.1093/rfs/hhp019 [38] Ali, A., and W. Zhang. 2015. CEO tenure and earnings’ management. Journal of Accounting and Economics 59(1): 60−79. doi: 10.1016/j.jacceco.2014.11.004 [39] Amore, M. D., C. Schneider, and A. Žaldokas. 2013. Credit supply and corporate innovation. Journal of Financial Economics 109(3): 835−855. doi: 10.1016/j.jfineco.2013.04.006 [40] Chang, X., K. Fu, A. Low, and W. Zhang. 2015. Non-executive employee stock options and corporate innovation. Journal of Financial Economics 115(1): 168−188. doi: 10.1016/j.jfineco.2014.09.002 [41] Faccio, M., M. Marchica, and R. Mura. 2011. Large shareholder diversification and corporate risk-taking. Review of Financial Studies 24(11): 3601−3641. doi: 10.1093/rfs/hhr065 [42] Fang, L. H., J. Lerner, and C. Wu. 2017. Intellectual property rights protection, ownership, and innovation: Evidence from China. Review of Financial Studies 30(7): 2446−2477. doi: 10.1093/rfs/hhx023 [43] Hadlock, C. J., and J. R. Pierce. 2010. New evidence on measuring financial constraints: Moving beyond the KZ Index. Review of Financial Studies 23(5): 1909−1940. doi: 10.1093/rfs/hhq009 [44] Hall, B. H., and J. Lerner. 2010. The financing of R&D and innovation. In: Handbook of the Economics of Innovation : 609−639. [45] Hambrick, D. C., and P. A. Mason. 1984. Upper echelons: The organization as a reflection of its top managers. Journal of Business Venturing 9(2): 193−206. [46] Hill, C. W. L., and S. A. Snell. 1988. External control, corporate strategy, and firm performance in research-intensive industries. Strategic Management Journal 9(6): 577−590. doi: 10.1002/smj.4250090605 [47] Kaplan, S. N., M. M. Klebanov, and M. Sorensen. 2012. Which CEO characteristics and abilities matter? Journal of Finance 67(3): 973−1007. [48] Mathias, B. D., D. W. Williams, and A. R. Smith. 2015. Entrepreneurial inception: The role of imprinting in entrepreneurial action. Journal of Business Venturing 30(1): 11−28. doi: 10.1016/j.jbusvent.2014.07.004 [49] Savignac, F. 2008. Impact of financial constraints on innovation: What can be learned from a direct measure. Economics of Innovation and New Technology 17(6): 553−569. doi: 10.1080/10438590701538432 [50] Tirole, J. 2006. The theory of corporate finance. Princeton University Press.
点击查看大图
计量
- 文章访问数: 246
- HTML全文浏览量: 224
- PDF下载量: 503
- 被引次数: 0

下载: 

