创新是经济与社会发展的驱动力。为了激励企业成为真正的创新主体,中国各级、各地政府普遍实施了高新技术企业认定、财政补贴、税收优惠、信贷扶持等创新支持政策。然而,就微观主体的政策响应来看,部分企业倾向于进行短期能体现数量和速度的简单创新,忽视创新质量,扭曲创新动机[1],甚至将创新视为特定情境下消极的策略性行为。企业创新活动的异质性无法被精准识别,导致政府直接扶持政策失灵。
支持创新并不是创业投资的目标,企业创新活动只是创业投资谋求财务回报的媒介与依托,然而,在创新活动密集的信息技术产业和互联网行业,创业投资见证了微软、苹果、谷歌、百度、阿里巴巴、京东等瞪羚型企业的早期成长,创业投资与企业创新之间似乎存在一种天然的契合性[2]。创业投资的投后监督或增值服务假说认为,创业投资是企业价值增值的贡献者。在中国,创业投资被赋予了“支持创新创业”的科技金融功能定位,不同于“功利性的数量目标导向”的政府创新政策[3],创业投资行业的税收减免、国有创投豁免转增国家社保基金、政府引导基金等,都体现了政府通过鼓励创业投资间接地扶持创新创业的制度努力。政府主导背景下,市场化手段的创业投资是否识别并监督影响了创新的异质性?除微观层面上典型个案企业的创新与创业投资完美结合的例证外,当前亟需基于大样本数据提供有说服力的证据支持。
针对中国创业投资与微观企业创新之间关系的实证研究,受样本选择范围、变量测度差异、模型设定等因素的影响,研究结论之间并不具备完全可比性。而且,已有研究对创新的衡量主要集中在创新投入、创新产出、创新能力、创新效率或创新绩效等维度,对于企业创新活动的异质性鲜有关注。许昊等[4]提到“现存研究均只单纯探讨风险投资对研发投入或创新产出的作用,未考虑风险投资对创新质量的甄别效应”。承继此研究视角,本文主要边际贡献在于:①区分低质量的渐进式创新与高质量的突破式创新,利用创业投资哑变量进行Tobit估计和倾向得分匹配模型(PSM)检验,探讨异质性创新在两组企业样本之间的差异;②构建Tobit估计模型和Heckman两阶段模型,深入考察创业投资持股对企业异质性创新的动态影响,验证创业投资的甄别效应;③没有停留在创业投资与创新之间简单的因果关系上,进一步依据资源基础理论、吸收能力理论等,构建中介效应模型和交互效应模型,从缓解融资约束和提高吸收能力的角度,探究创业投资甄别异质性创新的作用路径和影响机制。
渐进式创新与突破式创新的二维划分[5,6],极具代表性地刻画出了企业创新活动在质量方面的异质性。渐进式创新是在现有市场需求的基础上对现有产品或技术进行的微小改进或简单调整,是相对低层次的创新;突破式创新则是相对新颖、高质量的创新,能够创造出新产品,满足潜在市场需求或创造出全新的市场需求,甚至创造新行业或新市场[7]。进行突破式创新的企业,在引致新需求、推出新产品或者创造新市场的同时,可能也在致力于对现有产品或技术的微小改进或简单调整,从事创新强度相对低的渐进式创新。也就是说,对于同一家企业,渐进式创新与突破式创新并不是完全互斥、不能并存的,企业往往一只手利用现有能力、另一只手探索新能力,体现出双手并用的组织双元性[8]。但是,过于强调短期创新数量的企业,必然会更多地从事模仿的、渐进式的创新活动,而注重长期创新质量的企业,则会更多地依托突破式创新,获取并维持企业持续竞争优势。因此,企业从事的是渐进式创新还是突破式创新,能够解释创新质量的异质性。
创业投资以实体项目为投资对象,在可承受的风险范围内追逐高额回报。企业创新活动的预期高回报,吸引创业投资向企业注入长期股权资本,为了克服信息不对称劣势,创业投资机构会通过商业计划书、熟人推荐、尽职调查等,对企业的长期成长性和增值潜力作出投资前的专业甄别和筛选。Chemmanur等[9]发现创业投资机构事先就甄选出了优秀企业,因为这些企业在创业投资参与前就拥有了更高的全要素生产率。为了避免被投资企业管理层的道德风险,创业投资机构在投资后还会履行事后监督职能,通过拥有董事会席位或利用其专业知识为企业提供专业增值服务,密切监督被投资企业的创新行为并对创新方向进行修正和调整。Croce等[10]指出,在获得创业投资第一轮投资后,企业在全要素生产率、劳动生产率、资本生产率等方面都获得了显著优势。创业投资机构的专业性,有效地保障了所投资企业在各类创新活动中的相对优势。基于此,提出如下研究假设:
H1:在其它条件一定的情况下,相对于没有创业投资参与的企业,有创业投资参与的企业从事着更多创新活动。
H1a:相对于没有创业投资参与的企业,有创业投资参与的企业的渐进式创新会更多;
H1b相对于没有创业投资参与的企业,有创业投资参与的企业的突破式创新会更多
作为一种专业的股权资本,项目的投前甄选与投后监督有效地保证了创业投资的长期价值实现。相对于突破式创新的预期高收益,渐进式创新的收益少、创新强度低,尽管短期内很容易实现创新成果,但长期却会导致企业陷入“落后—持续被动模仿—落后”的锁定。因此,偏好长期价值的创业投资,通过股权参与及其相关专业增值服务,打破了企业原有的组织惯性和能力刚性,减少了企业对原有技术路径和知识的依赖,从而弱化了被投资企业的渐进式创新,在某种程度上强化了被投资企业对现有知识进行改革和重组的突破式创新。追求长期投资回报的创业投资,显然更倾向于支持被投资企业进行突破式创新。由于传统意义上的创业投资机构对企业只是参股而非控股,属于专业的财务投资者范畴,随着创业投资在被投资企业所占股权比例的增加,基于过度投资风险与资本退出时机之间的理性权衡,创业投资股权资本对于突破式创新的影响方向可能发生根本性变化,也就是说,创业投资与企业突破式创新之间的关系可能是非线性的。考虑到创业投资参与程度对渐进式创新与突破式创新的影响方向不同,提出如下研究假设:
H2:创业投资参与程度对企业异质性创新活动发挥了甄别效应。
H2a:创业投资参与程度越高,越能抑制被投资企业的渐进式创新;
H2b:创业投资持股比例在一定范围内强化了被投资企业的突破式创新。
企业创新需要长期持续的资金投入。创新活动具有不确定性大、信息不对称性突出、资产专用性强、转换成本高等特点,导致企业难以获取足够资金满足创新需求[11],企业普遍存在研发投资现金流敏感性问题[12],融资约束已构成了企业创新的主要障碍。创业投资的参与,不仅给企业创新活动注入了稳定的现金流,消除了企业进行创新活动的资金顾虑,增加了企业研发资金投入,还可以向市场发送关于被投资企业品质的积极信号,对于企业后续融资具有信息披露和认证功能。作为专业金融中介,创业投资机构非常看重自己的声誉[13],创业投资机构的声誉为被投资企业起到了背书的认证作用,大大缓解了被投资企业后续融资的信息不对称性,带来了融资渠道拓展、融资成本降低等好处。
渐进式创新强调对现有技术、技能和范例的小幅改进,是一种相对低风险、低收益的创新活动[14],当企业面对动态多变的顾客需求和激烈的市场竞争时,囿于已有知识和技术的渐进式创新,很容易被竞争对手模仿或超越,从长期来说,渐进式创新无法保证企业产品或服务获得充分的市场认可。因此,对于从事创新程度较小、收益较低的渐进式创新的企业,创业投资一旦注资,就会通过缓解融资约束,帮助有潜力的企业克服资源转换成本高的限制,对研发方向进行调整,鼓励企业减少渐进式创新活动,对企业创新的结构调整和质量提升产生重要影响。
突破式创新侧重于打破组织惯性,偏离原来的知识和技术轨道。相对于渐进式创新,突破式创新是从根本上突破现有技术限制的创新行为,具有前瞻性、战略性的市场导向特征,对新资源和新能力的要求更高,面临的融资约束可能更加严重,需要具有高风险承受力的资金供给相匹配。创业投资着眼于企业长期回报,具有较高的风险容忍度,与突破式创新的高潜在收益、高度不确定性具有极好的适配性。与其它金融机构之间因业务往来形成的广泛的社会关系网络[15-16],使得创业投资可以凭借其网络节点优势为企业带来多元的知识和信息资源,监督企业突破式创新进展及其资金使用情况,必要时还可以采取分阶段注资的策略规避可能的非系统性风险,更能够借助关系网络和声誉机制,为企业突破式创新提供便捷、低成本的融资渠道,帮助企业缓解突破式创新面临的融资约束,保障突破式创新研发投入的持续性。综上,提出如下研究假设:
H3:创业投资通过缓解融资约束对企业异质性创新发挥质量甄别效应。
吸收能力是企业对外部资源认知、评估、内化和商业化运用的能力[17]。作为企业开放式创新动力源中的专业金融机构,创业投资直接改善了被投资企业创新资金的可获得性,为企业带来了市场、技术、人才、管理等方面的信息渠道和关系资源[18],提高了企业创新活动对于外部资源和创新知识的获取、同化和应用能力。
渐进式创新强调在现有组织惯例框架下进行存量知识的有效利用。通过股权投资和专业化增值服务,创业投资嵌入被投资企业的创新生态网络,以弱关系节点影响被投资企业非冗余性新知识的获取,增加企业可编码知识及隐性知识积累,扩大企业知识基,加速被投资企业对外部前沿性创新机会的捕捉、识别与资源利用能力,有利于克服渐进式创新在现有技术、知识和能力上的锁定,减少渐进式创新的能力刚性和技术轨道依赖[19]。
突破式创新强调从外部获取颠覆性的新知识,具有投入大、风险高的特征。基于长期竞争优势的预期与高投资回报的隐性承诺,与渐进式创新相比,企业对突破式创新失败的包容度更大,以往创新项目的成功可能使得企业盲目自信,前期失败的创新项目可能驱使企业增加后续创新投入,导致企业采取技术主导而非市场主导的激进的过度投资策略,产生创新能力陷阱[20]。创业投资机构在股权介入后,能够凭借专业的关系网络,优化被投资企业突破式创新的知识结构,提升企业在沉淀性资源上的利用效率,监督企业在突破式创新行为上冒可承担的合理风险,保障企业突破式创新的长期价值实现。据此,提出如下假设:
H4:吸收能力对于创业投资的异质性创新甄别效应发挥调节作用。
综上,本文构建概念模型如图1所示。
图1 概念模型
注:星号表示控制内生性后的稳健性;括号内符号表示平方项的影响方向
创业板服务于创新创业的定位,决定了利用创业板上市公司数据开展创业投资与企业创新之间关系研究的适用性。初始样本选自2009年创业板启动到2016年12月的所有创业板上市公司,排除终止上市、吸收并购的公司,最终得到569家企业作为研究样本。
对于创业投资,依据吴超鹏等[21]的界定标准,首先利用巨潮资讯网下载招股说明书,获取“前十大股东”的名称、经营范围和持股比例等信息,结合“私募通”数据进行核对,手工整理企业上市年度是否有创业投资及其持股比例数据;然后,利用招股说明书的附表“关于公司设立以来股本演变情况的说明”,获取企业上市前的历年创业投资参与信息;最后,利用CSMAR数据库提供的企业历年“十大股东文件”,掌握企业上市后创业投资的动态持股变化情况。
对于企业创新活动,通过佰腾网获得样本企业历年的各类专利数据,通过Wind数据库获取样本企业历年的研发投入数据,通过企业招股说明书和上市后历年财务报表,手工整理获得企业历年的研发人员数据。样本企业历年的财务数据来自CSMAR数据库,并且通过招股说明书手工整理了企业上市前两年的关键财务数据。这样,样本观测值的整体时间跨度涵盖了2007-2016年。
(1)解释变量。若公司前十大股东中有创业投资机构,创业投资哑变量VCdum取值为1,否则为0,若当前十大股东的名单中不再出现创业投资机构,就将该样本企业的创业投资哑变量作缺失值处理,不再纳入样本数据统计范畴。对应有创业投资参与的样本企业,记录创业投资持股比例VCshare具体数值,否则记为0。如果公司有多家创业投资机构联合投资,以所有创业投资机构的持股比例之和作为创业投资数值型变量的实际取值。
(2)被解释变量 。由于专利授权量可能存在未及时缴纳年费被取消的问题,而且专利授权的检测环节容易受到官僚因素影响,相比之下,专利申请受到专利机构工作效率、偏好等外部因素的影响较小[22],所以,专利申请数据在反映企业创新水平方面显得更稳定、及时和可靠。
利用佰腾网,手工获取企业历年发明专利、实用新型、外观设计等3类专利申请数。考虑不同专利之间在质量、重要性和价值方面存在的差异,借鉴钟昌标等[14]的度量标准,对于从根本上突破现有技术、探索性开发新技术和产品、创新程度较高的突破式创新,采用发明专利申请量衡量;对于提升现有产品和技术、创新程度较低的渐进式创新,则采用实用新型专利与外观设计专利申请量之和衡量。
渐进式创新与突破式创新在质量上具有明显的异质性,如果解释变量创业投资能够在一定程度上促进高质量的突破式创新,并且能够抑制低质量的渐进式创新,就认为创业投资发挥了质量甄别效应。此外,由于各类创新产出变量均存在零值,数据呈右偏态分布,为了消除异方差使样本接近正态分布,对所有专利申请变量进行加1后再取对数的处理。表1提供了主要变量定义的具体说明。
(3)其它变量。参照黎文靖等[1]、齐绍洲等[22]的研究进行控制变量选取,将影响创新的企业规模、负债水平、两职合一、总资产周转率、盈利水平等个体特征,以及企业研发所需的经费、人员等要素投入一并作为控制变量。在政府主导资源配置的经济转型期,企业为了寻求某种利益或好处,会主动与政府建立某种政治关系纽带,以期获得在银行信贷额度、股权再融资机会、税收优惠、政府补贴等政策扶持上的便利,缓解企业创新活动面临的融资约束。借鉴Fan等[23]、袁建国等[24]的评价方法,以企业董事长或总经理是否具有政治身份作为政企关系的衡量指标,如果董事长或总经理在各级人大或政协有任职,取值为1,否则为0。同时,借鉴袁建国等[24]对市场竞争程度与企业创新之间关系的分析,将市场集中度指标也作为影响创新产出的外部关系控制变量。
对于中介变量融资约束,借鉴Hadlock&Pierce[25]构建的SA指数进行测度。采纳SA指数,是由于SA指数由完全外生的Size和Age变量构成,不包括内生性变量,计算方法简便,得到的融资约束评价结论相对稳健,在基于中国情境的研究中运用广泛。此外,借鉴Cohen等对吸收能力采用研发强度衡量的经典方法,以及刘运国等(2007)基于收入存在的盈余操纵可能性的考虑,选用总资产作为研发支出的分母测度研发强度,又结合创业投资作为核心解释变量的情境,利用研发强度与创业投资持股比例的交乘项衡量吸收能力的调节效应。
表1报告了根据569家创业板上市企业组成的3 418个面板数据观测值。在专利申请数量上,渐进式创新数量明显超过了突破式创新的平均数,反映了创新难度大的突破式创新在数量上明显不占优。然而,根据创新产出的专利申请结构来看,60.04%的样本企业从事了相对稳健的渐进式创新,67.06%的样本企业涉及相对高风险的突破式创新,致力于新技术实现的突破式创新占多数。
表1中,创业投资哑变量的均值为0.394 4,说明39.44%的样本企业在前十大股东中出现了创业投资机构。创业投资持股比例的均值为3.94%,标准差为7.581 4,不同个体之间创业投资参与程度的差异很大,其中,创业投资持股比例的最大值出现在股票代码300381企业中,上市前创业投资机构处于65%的绝对控股地位,上市后创业投资持股比例逐渐减少,2016年12月仍保持在36.07%的相对控股上。由于中介变量融资约束SA指数均为负值,说明普遍存在融资约束,为了使其估计系数更具解释性,表1中对该指标进行了取绝对值处理。
表1 主要变量定义及描述性统计结果
变量名变量说明观测值均值标准差最小值最大值Lpatent整体创新水平。ln(国内各类专利的申请总量+1)3 4181.773 71.310 60 5.937 5Lpatent23渐进式创新。ln(国内非发明专利的申请总量+1)3 4181.223 71.235 305.834 8Lpatent1突破式创新。ln(国内发明专利的申请总量+1)3 4181.178 81.098 805.937 5被解释变量InnovationLpatent23d渐进式创新的哑变量。若存在非发明类专利成果,取值为1,否则取值为03 4180.600 40.489 901Lpatent1d突破式创新的哑变量。若存在发明专利成果,取值为1,否则取值为03 4180.670 60.470 101解释变量VCVCdum是否存在创业投资参与的哑变量。若前十大股东中有创业投资机构,在持股期内取值为1,退出的按缺失值处理,否则为03 4180.394 40.488 801VCshare创业投资持股比例合计,%3 4183.936 37.581 4065中介变量SA融资约束的SA指数,按公式SA=-0.737×Size+0.043×Size2-0.04×Age计算,再取绝对值2 3063.155 90.126 82.810 73.443 1
资源来源:利用Stata软件计算整理而得。下同
表2是对企业异质性创新进行的交叉列表分析。观察期内未从事任何类型创新的企业样本仅占22.94%,也就是说,77.06%的样本企业涉及不同程度的创新活动,表明创新已成为企业的常态性活动。观察期内,同时进行突破式创新和渐进式创新的样本占50.03%,一半左右的企业进行着双元创新,说明创新活动的异质性普遍存在。
表2 异质性创新交叉列表分析结果
渐进式创新的哑变量(Lpatent23d)01Total突破式创新的哑0784 (22.94)342 (10.01)1126(32.94)变量(Lpatent1d)1582 (17.03)1710(50.03)2292(67.06)Total1366(39.96)2052(60.04)3418(100)
注:括号内是发生频率,单位%
为了检验创业投资对于企业创新的影响,同时为了避免企业创新活动的时变性和地域差异性,控制年度和地区的固定效应,构建如下基准回归模型:
Innovationi,t=β0+β1VCi,t+β2Controlsi,t+β3∑Year+β4∑Region+εi,t
(1)
其中,i表示企业,t表示年份,Innovation表示创新活动的指标,分别采用企业整体创新(Lpatent)、渐进式创新(Lpatent23)、突破式创新(Lpatent1)度量,VC是衡量创业投资参与情况的指标,分别采用创业投资哑变量(VCdum)、创业投资持股比例(VCshare)以及创业投资持股比例的平方项(VCshare2)衡量。此外,Controls为模型的控制变量向量,包括反映企业特征的规模(Size)、负债水平(Lev)、两职合一(Dual)、总资产周转率(TO)和盈利水平(ROA),反映创新投入的研发经费支出(RD)和研发人员配置(RS)、反映外部关系的政治关联(PC)和市场竞争程度(HHI),以及表示年度、地区固定效应的Year和Region。
表3将创业投资哑变量取值为1的企业作为处理组,取值为0的企业作为对照组,针对被解释变量与中介变量,列示了有无创业投资参与的差异。企业整体创新水平的差异为0.198 3,突破式创新的差异为0.204 4,渐进式创新的差异为0.0814。T检验的t值表明,相对于没有创业投资参与的企业,有创业投资参与的企业,其整体创新与突破式创新都在1%水平上显著为正,渐进式创新则在10%水平显著为正,初步证明了假设H1、H1a、H1b,说明企业创新在有无创业投资参与的两组样本之间具有显著性差异。
表3中,处理组企业融资约束的平均值明显小于对照组企业融资约束的平均值,二者在1%水平上具有显著性差异,说明创业投资的参与缓解了企业融资约束,初步证明了研究假设H3。
表3 创业投资参与和不参与情况对比
处理组对照组Difft值Lpatent1.893 81.695 5 0.198 3*** 4.334 1被解释变量Lpatent231.273 11.191 60.081 4*1.884 6Lpatent11.302 51.098 10.204 4***5.336 0中介变量SA3.133 03.169 1-0.036 1***-6.653 6
注:*、**、***分别表示10%、5%、1%水平上显著。下同
(1)创业投资哑变量影响企业创新的Tobit模型估计。单变量分析初步反映创新产出与融资约束在两组企业样本之间具有显著性差异,为了准确揭示因果关系,还需要进行回归分析。由表2可知,样本观察期内,占32.94%的样本在突破式创新上取值为0,占39.96%的样本在渐进式创新上取值为0,还有22.94%的样本没有任何类型的创新,这种情况下,被解释变量是截取数据,被解释变量的概率分布是一个离散点与一个连续分布所组成的联合分布,无法保证OLS估计的一致性和无偏性,故采用Tobit模型进行估计,以反映创业投资参与对企业创新活动的影响。
表4 创业投资哑变量影响企业创新的Tobit估计
变量LpatentLpatent23Lpatent1(1)(2)(3)VCdum0.250 2***0.064 0***0.319 2***(15.240 8)(3.200 0)(20.650 7)ControlsYYYYear/RegionYYY_cons-12.995 0***-9.854 6***-15.866 5***(-5.5e+02)(-3.4e+02)(-7.2e+02)N2 6342 6342 634
注:*、**和***分别代表10%、5%和1%的显著性水平,括号内为t值;为节省篇幅,将所有控制变量用Controls代替,下同
表4列示了以创业投资哑变量作为核心解释变量的Tobit估计结果。第(1)列、第(2)列和第(3)列,创业投资哑变量的估计系数都在1%水平上显著为正,无论是对于企业整体创新水平,还是对于渐进式创新或突破式创新,创业投资的参与都具有激励作用。有创业投资参与的企业明显比没有创业投资参与的企业创新水平更高,研究假设H1、H1a、H1b都得到了验证。创业投资哑变量对渐进式创新的影响系数为0.064 0,对突破式创新的影响系数为0.319 2,表明创业投资的参与对企业突破式创新影响更大。
(2)解决内生性的PSM模型检验。考虑到创业投资会选择创新基础较好的企业进行投资,即企业创新吸引了创业投资参与,为了避免这种反向因果所导致的样本选择偏差,在估计创业投资的激励效应时,需要对获得创业投资支持的企业创新,分离出哪些是企业自身的创新产出决策,哪些是创业投资支持带来的激励效果。倾向得分匹配(Propensity Score Matching,PSM),是一种常用的解决样本选择偏差内生性问题的非参数估计方法,按照Rosenbaum与Rubin(1983)提出的倾向得分概率的匹配方法,以现有对照组为基础,构造与处理组(创业投资哑变量为1的企业样本)特征最为相近的新对照组,使得处理组与新对照组只在是否有创业投资参与这一点上有差异,其它控制变量都尽量接近。为了确保实证分析结果的稳健性,分别采用核匹配、卡尺匹配与最近邻匹配法进行样本匹配。
表5报告了以创业投资哑变量作为处理变量进行的PSM检验结果。通过模拟自然实验,估计得到了创业投资参与的企业在假设未获得创业投资支持情形下的“自然”创新产出。当以企业整体创新水平作为结果变量时,无论采用哪种匹配方法,处理组平均处理效应(ATT)的结果均在1%的水平上显著,当以突破式创新作为结果变量时,按照不同方法进行匹配,ATT的结果仍保持在1%水平上显著。控制内生性问题后,ATT结果的显著性反映出创业投资参与对于企业整体创新水平与突破式创新都具有显著的额外激励效应,研究假设H1与H1b仍旧成立。然而,当渐进式创新作为结果变量时,ATT的值为正但不显著,说明在剔除样本偏差的影响后,根据是否有创业投资判断企业渐进式创新的表现并不具备统计意义上的稳健性,研究假设H1a不能得到完全充分的证明,初步说明创业投资对异质性创新活动的响应存在差异。
表5 PSM检验的ATT结果与匹配样本
变量核匹配卡尺匹配最邻近匹配LpatentLpatent23Lpatent1LpatentLpatent23Lpatent1LpatentLpatent23Lpatent1ATT0.177 8***0.035 40.226 1***0.176 9***0.034 70.225 0***0.134 1*0.014 90.161 7**T-stat3.320.684.923.300.674.901.840.212.57匹配样本统计:未支持组1 5951 5951 5951 5951 5951 5951 5951 5951 595支持组1 0211 0211 0211 0211 0211 0211 0211 0211 021匹配总数2 6162 6162 6162 6162 6162 6162 6162 6162 616
表6是PSM检验的变量平衡表的结果,采用多种匹配方法后,两组样本在各项协变量上的偏差值都小于10,T检验的t值表明协变量都不存在显著性差异,处理组与新对照组除了有无创业投资的差异外,在协变量上都是同质的,满足了倾向得分匹配方法可靠性的条件独立假设,说明倾向得分匹配的结果是有效的。PSM模型在剔除了样本偏差影响的条件下,不能充分证明假设H1a,却能够完全证实假设H1b,说明创业投资对企业异质性创新有特定偏好,创业投资对于企业突破式创新表现出显著的激励效应,体现了创业投资对于突破式创新的青睐。
(1)创业投资数值型变量影响异质性创新的Tobit模型估计。表7报告了按持股比例衡量的创业投资对企业异质性创新的影响。表7的第(1)列反映了创业投资持股比例对于渐进式创新的回归结果,创业投资持股比例的估计系数在1%的水平上显著为负,说明创业投资追求长期价值与渐进式创新追求短期收益之间不能兼容,创业投资的参与抑制了企业渐进式创新。表7第(2)列加入平方项后,二次项的系数也在1%的水平上显著为负,说明创业投资与渐进式创新之间是显著的负向线性关系,随着创业投资持股比例增加,低质量的渐进式创新受到抑制,结论与研究假设H2a相一致。
表6 PSM检验的变量平衡结果
变量核匹配卡尺匹配最邻近匹配Size-1.3-1.52.6(-0.30)(-0.35)(0.57)Lev1.21.2-1.7(0.26)(0.27)(-0.37)Dual-0.1-0.02.8(-0.02)(-0.01)(0.62)TO2.72.7-3.4(0.66)(0.68)(-0.82)ROA2.52.6-0.6(0.57)(0.58)(-0.14)RD5.25.60.6(1.16)(1.23)(0.13)RS0.60.53.4(0.13)(0.13)(0.75)PC-0.00.12.1(-0.01)(0.02)(0.47)HHI-1.2-1.2-3.0(-0.26)(-0.27)(-0.68)Year/RegionYYY
注:匹配后处理组与控制组的均值偏差率(%);括号内表示对应的T检验的t值
表7 创业投资持股比例影响异质性创新的Tobit估计
变量Lpatent23Lpatent1(1)(2)(3)(4)VCshare-0.011 6***-0.003 1*0.009 1***0.020 5***(-11.024 0)(-1.694 0)(11.450 8)(17.087 0)VCshare2-0.000 3***-0.000 4***(-6.186 3)(-12.961 8)ControlsYYYYYear/RegionYYYY_cons-9.643 8***-9.656 5***-15.786 7***-15.836 1***(-3.3e+02)(-3.4e+02)(-7.1e+02)(-7.2e+02)N2 6342 6342 6342 634
表7的第(3)列是以突破式创新作为被解释变量进行的Tobit模型估计结果,创业投资持股比例VCshare的估计系数在1%的水平上显著为正,说明创业投资激发了企业突破原有路径依赖进行突破式创新的活力。为了进一步考察创业投资持股比例与企业突破式创新之间的非线性关系,在表7第(4)列加入二次项VCshare2,由于一次项的估计系数显著为正,二次型的估计系数显著为负,说明创业投资持股比例与突破式创新之间呈现出统计意义上的“倒U型”关系。如果创业投资持股比例持续增加,超越创业投资机构作为财务投资者冒可承受风险的理性限度后,过度投资导致的资源冗余以及机构投资者的风险规避倾向等,反而会对突破式创新构成阻碍。所以,创业投资的股权参与在一定范围内促进了被投资企业的突破式创新,与研究假设H2b相一致。
表7中创业投资数值型变量对于渐进式创新和突破式创新两类创新的不同估计结果,显示出创业投资对创新质量的甄别效应,印证了研究假设H2。创业投资的长期价值投资属性,与短期的、低强度、相对低质量和低预期收益的渐进式创新不匹配,却与突破式创新的长期性、高强度、高质量以及蕴含的高收益相契合。作为积极财务投资者的创业投资机构,在非控股范围内的股权参与能够抑制企业渐进式创新,激励企业的突破式创新,对于企业异质性创新具有甄别效应。
(2)解决内生性的Heckman两阶段模型检验。为了克服创业投资选择创新密集企业的反向因果导致的样本选择性偏差等内生性问题,采用Heckman两阶段模型,将创业投资影响企业异质性创新的参数估计分解为两步:第一步,对比企业两类创新的中位数,构建创新活动密集程度哑变量zi,以其作为被解释变量构建选择模型,进行Probit估计,获得逆米尔斯比率Millsi;第二步,将逆米尔斯比率Millsi作为解释变量,加入创业投资影响异质性创新的估计方程,进行Tobit估计。模型如下:
Pr(zi=1|Innovationi,t>Median)=Φ(VCi,t,Controlsi,t,∑Year,∑Region)
(2)
Innovationi,t=θ0+θ1VCi,t+θ2Controlsi,t+θ3Millsi,t+θ4∑Year+θ5∑Region+εi,t
(3)
其中,模型(2)是Heckman第一阶段的样本选择模型,用以估计企业异质性创新强度高低的概率;模型(3)是Heckman第二阶段的影响模型,用来考察纠正样本选择性偏误后创业投资介入对企业创新资源配置的影响。
表8报告了创业投资影响企业异质性创新的Heckman两阶段估计结果。第(1)列是以企业渐进式创新密集程度的哑变量作为被解释变量的第一阶段Probit估计结果,创业投资持股比例的估计系数在1%水平上显著为负,说明创业投资持股显著降低了企业进行更密集的渐进式创新的可能性。第(2)列与第(3)列是以渐进式创新作为被解释变量进行的第二阶段Tobit估计结果,逆米尔斯比率Mills的估计系数均在1%水平上显著,按照Wooldridge(2010)界定的标准,说明确实存在样本选择性偏误,由于创业投资持股比例的估计系数都在1%水平上显著为负,表明在控制样本选择性偏误后,创业投资持股比例越高,企业渐进式创新越少,证明了研究假设H2a。
表8的第(4)列第一阶段Probit回归中,创业投资持股比例的估计系数在1%水平上显著为正,说明创业投资持股比例显著增加了企业进行更密集的突破式创新的可能性。在第(5)列和第(6)列以突破式创新作为被解释变量的第二阶段估计中,逆米尔斯比率Mills的系数在1%水平上显著为负,说明Heckman两阶段估计模型较好地纠正了样本选择性偏差问题。表8第(6)列中,创业投资持股比例一次项的系数显著为正,二次型的系数显著为负,创业投资与突破式创新之间表现出明显的“倒U型”关系,与表7基准回归模型的回归结果一致,表明选择效应的存在并没有干扰创业投资影响突破式创新的态势,证明了研究假设H2b。
表8 创业投资持股比例影响异质性创新的Heckman两阶段检验
变量(1)(2)(3)(4)(5)(6)zLpatent23Lpatent23zLpatent1Lpatent1VCshare-0.009 1**-0.007 8***-0.002 70.008 2**-0.017 0***0.051 4***(-2.559 6)(-7.234 5)(-1.448 7)(2.357 6)(-21.276 3)(42.659 2)VCshare2-0.000 3***-0.000 3***(-5.939 6)(-10.419 3)Mills-0.649 0***-0.122 0***-5.122 0***-5.637 8***(-19.408 0)(-3.642 5)(-2.2e+02)(-2.2e+02)ControlsYYYYYYYear/RegionYYYYYY_cons1.001 1-9.559 1***-9.641 9***-5.582 8***5.878 0***-15.100 1***(1.005 9)(-3.2e+02)(-3.3e+02)(-5.6648)(259.8590)(-6.7e+02)N2 6312 6342 6342 6312 6342 634
注:列(1)、(4)是第一阶段选择模型的估计。列(2)、(3)、(5)、(6)是第二阶段影响模型的估计
对于企业基于现有技术和知识进行的低水平改进、预期低收益的渐进式创新,创业投资的股权参与起到了显著抑制作用,然而,对于企业克服原有路径依赖进行的突破式创新,创业投资能在参股程度较低且处于非战略投资者范畴内,显著促进企业突破式创新,并且随着持股比例的增加,创业投资不再促进企业突破式创新活动。控制样本选择性偏误后,创业投资对于企业异质性创新仍旧发挥出明显的甄别效应,研究假设H2得到证实。
(3)更多的稳健性检验。为了进一步检验创业投资对异质性创新的甄别效应,先加入企业税收等更多控制变量,进行Tobit估计、PSM模型估计与Heckman两阶段模型估计,关键解释变量的估计系数显著性没有改变。再对所有连续型变量进行上下1%的缩尾处理,结论仍旧稳健。接下来,改变渐进式创新的指标衡量范围,将实用新型专利排除在外,只用外观设计专利指标进行测度,发现结论仍旧稳健。最后,依据创业投资持股比例高低,分组进行子样本回归,创业投资持股比例的估计系数的显著性完全能对应上加入二次项前后的基准回归结果。受篇幅所限,未在正文中报告。所有这些处理,都充分证实了研究假设H1、H1a、H1b、H2、H2a、H2b的稳健性。
创业投资在一定程度上促进了高质量的突破式创新,并且抑制了低质量的渐进式创新,发挥了对于企业异质性创新的甄别效应。但是,创业投资怎样影响不同质量的企业创新甄别,还有待进一步探究。在式(1)的基准回归基础上,式(4)和式(5)是构建的中介效应模型,式(6)是构建的调节效应模型。其中,Innovation指企业异质性创新的度量指标,VCshare是用创业投资持股比例衡量的解释变量,SA是中介变量融资约束,RD#VC是吸收能力,采用中心化处理的创业投资与研发强度的交乘项表示。
SAi,t=α0+α1VCsharei,t+α2Controlsi,t+α3∑Year+α4∑Region+εi,t
(4)
Innovationi,t=γ0+γ1VCsharei,t+γ2SAi,t+γ3Controlsi,t+γ4∑Year+γ5∑Region+εi,t
(5)
Innovationi,t=δ0+δ1VCsharei,t+δ2RD#VC+δ3Controlsi,t+δ4∑Year+δ5∑Region+εi,t
(6)
表9的第(1)列、第(2)列和第(3)列,报告了创业投资参股通过缓解融资约束影响企业异质性创新的中介效应模型检验结果。对应式(4),第(1)列是以企业融资约束作为被解释变量的OLS回归结果,解释变量创业投资持股比例的估计系数α1在1%水平上显著为负,表明创业投资提供的资金扶持显著缓解了企业面临的创新融资约束。对应式(5),第(2)列是以渐进式创新作为被解释变量、第(3)列是以突破式创新作为被解释变量,同时对中介变量和解释变量进行的回归,估计结果均显示作为中介变量的融资约束的系数γ2显著,分别在10%和1%的水平上显著为负。将式(4)代入式(5),可以得到符号为正的中介效应α1γ2,说明尽管融资约束不利于企业创新,创业投资却通过缓解融资约束,为激励企业减少渐进式创新、增加突破式创新提供了资源保障。表9第(2)列与第(3)列中的解释变量创业投资持股比例的估计系数γ1均不再显著,表示融资约束的完全中介效应显著。创业投资持股通过缓解企业创新融资约束,改善企业创新的融资便利性或可得性,使得企业有动力和能力减少低水平、低质量的渐进式创新,增加周期长、预期收益高的突破式创新活动。创业投资通过缓解融资约束影响了企业异质性创新的质量提升和结构调整,支持了研究假设H3的观点。
表9的第(4)列、第(5)列、第(6)列和第(7)列,对应公式(6),加入了吸收能力的交互变量,报告了创业投资与研发投入共同作用下的吸收能力对于企业异质性创新的检验结果。根据第(4)列和第(5)列以渐进式创新作为被解释变量的估计结果,创业投资持股比例一次项和二次项的系数显著为负,表示创业投资与渐进式创新呈现负向线性关系,再次证实了假设H2a,吸收能力的估计系数显著为正,表示吸收能力正向调节了创业投资对于渐进式创新的抑制关系。根据第(6)列和第(7)列以突破式创新作为被解释变量的估计结果,创业投资一次项的系数都显著为正,二次项的系数显著为负,创业投资持股与突破式创新之间仍旧是非线性的“倒U型”关系,证实了假设H2b,创业投资持股与研发强度共同作用下的吸收能力的估计系数显著为负,表明交互效应显著,吸收能力负向调节了创业投资对突破式创新的促进关系。可见,吸收能力对于创业投资的创新甄别效应起到了平滑的调节作用,有助于克服渐进式创新的锁定效应,避免突破式创新的能力陷阱,证明了研究假设H4。
表9 影响创业投资对异质性创新发挥甄别效应的作用机制
变量(1)SA(2)Lpatent23(3)Lpatent1(4)Lpatent23(5)Lpatent23(6)Lpatent1(7)Lpatent1VCshare-0.001 6***-0.003 50.002 8-0.018 4***-0.009 1***0.013 3***0.021 9***(-7.040 2)(-0.752 3)(0.784 4)(-11.036 0)(-4.044 1)(11.141 3)(14.412 7)SA-0.840 5*-1.447 5***(-1.752 8)(-3.362 9)VCshare2-0.000 4***-0.000 4***(-6.449 8)(-8.912 5)RD#VC0.001 7***0.002 4***-0.001 0***-0.000 5*(5.504 6)(5.812 4)(-4.948 3)(-1.862 6)RD-0.001 2-0.071 2***0.110 8***-0.120 7***-0.124 2***0.101 7***0.098 3***(-0.937 9)(-3.692 1)(5.037 9)(-22.227 8)-0.143 7***(25.603 6)0.312 3***ControlsYYYYYYYYear/RegionYYYYYYY_cons0.003 9-0.573 5-7.167 4***-9.606 5***-9.608 8***-15.800 6***-15.835 0***(0.058 3)(-0.496 0)(-6.667 7)(-3.3e+02)(-3.3e+02)(-7.2e+02)(-7.2e+02)N1 9861 9861 9862 6342 6342 6342 634
微观主体对于政府创新扶持政策的响应,存在“求量不求质”的短视性投机现象。本文运用大样本数据进行一系列统计分析,发现政府主导下按照市场规则运作的创业投资,虽不以支持创新为目标,却在投后监督中识别了异质性创新,对企业创新发挥了甄别效应,为企业创新的提质增效提供了有效的外部激励。就这一点来说,创业投资作为科技金融工具的有效性值得肯定。因此,配合政府创新扶持政策由“数量目标导向”到“质量目标导向”的调整,应该使创业投资成为政府进行创新资源配置的重要媒介和抓手,政府可以更多地通过规范创业投资的参股行为实现支持创新的制度目标。
创业投资对异质性创新的甄别效应体现在:①企业是否有创业投资的参与,对于企业的创新产出具有显著性差异,有创业投资参与的处理组企业在创新产出上明显多于没有创业投资参与的控制组企业。由于样本仅限于创业板上市公司,在控制反向因果关系与样本选择性偏差的影响后,仍可以发现创业投资对于突破式创新具有额外的激励效应;②对于企业基于现有技术和知识进行的低水平改进的渐进式创新,创业投资的股权参与起到了显著抑制作用,然而,对于企业克服原有路径依赖进行的突破式创新,创业投资能在财务投资者的范畴内显著促进企业突破式创新,随着创业投资持股比例的逐渐增加,承担合理风险的创业投资作用于企业突破式创新的方向会发生根本性变化。同样,在控制样本选择性偏误后,创业投资与渐进式创新仍旧是负线性关系,与突破式创新仍旧是“倒U型”关系。所以,创业投资对于企业异质性创新发挥了显著甄别效应。
创业投资甄别企业异质性创新的作用路径主要体现在:①在中介效应上,创业投资的股权参与,缓解了企业创新的融资约束,改进了创新活动的融资可得性,使得企业有动力和意愿减少短期的、低水平、低质量的渐进式创新,增加周期长、强度大、预期收益高的突破式创新活动。可见,缓解融资约束,对于创业投资影响企业异质性创新起到了完全中介作用;②在调节效应上,创业投资与研发投入强度共同作用下的吸收能力,提高了企业创新资源获取和利用效率,有助于克服渐进式创新的路径锁定、避免突破式创新的能力陷阱。对于创业投资的创新质量甄别,吸收能力发挥了平滑的调节作用。
本文对创业投资与企业创新关系的深入探索,提供了关于创业投资的投后监督或增值服务假说的实证素材,丰富了关于企业创新异质性及其影响因素的研究,也拓展了创业投资影响创新的作用机制探究。研究发现中国创业投资与突破式创新之间存在“倒U型”关系,与Pere[26]基于西班牙创业投资样本以及胡振兴等[27]基于新能源企业样本的研究结论相吻合。
需要特别说明的是,受大样本数据搜集困难的限制,本文仅仅围绕创业投资的资金流向,从被投资企业的融资约束、吸收能力等角度,进行了创业投资影响异质性创新作用机制检验,然而,创业投资机构自身的声誉、投资动机、拥有的关系资源、所处的社会关系网络等对于被投资企业异质性创新行为的影响,也是非常有意义的研究主题。此外,对于客观存在的异质性创新,本文只是采纳典型的二分法,将其划分为依托现有知识和技术进行小幅调整的渐进式创新,以及捕捉新机会、探索新技术、创造新市场的突破式创新,鉴于大样本数据的可得性,按照创新的专利产出成果分别进行了相应的指标界定。实际上,对创新过程而非创新成果进行异质性度量,可能会更加严谨,但是,当前已有的相关研究主要利用自设问卷进行数据搜集,权威性与研究的可重复性往往不尽人意。后续可以围绕异质性创新的分类维度、指标测度、理论基础等,进行更多探索和研究。
[1] 黎文靖,郑曼妮.实质性创新还是策略性创新?——宏观产业政策对微观企业创新的影响[J].经济研究,2016(4):60-73.
[2] 刘冰,罗超亮,符正平.风险投资和创业企业总是完美一对吗[J].南开管理评论,2016,19(1):179-192.
[3] 毛昊,尹志锋,张锦.中国创新能够摆脱“实用新型专利制度使用陷阱”吗[J].中国工业经济,2018(3):98-115.
[4] 许昊,万迪昉,徐晋.风险投资、区域创新与创新质量甄别[J].科研管理,2017,38(8):27-35.
[5] SONG J,SHIN J. The paradox of technological capabilities: a study of knowledge sourcing from host countries of overseas R&D operations [J]. Journal of International Business Studies, 2008, 39(2):291-303.
[6] 党兴华,魏龙,闫海.技术创新网络组织惯性对双元创新的影响研究[J].科学学研究,2016,34(9):1432-1440.
[7] 李妹,高山行.环境不确定性对渐进式创新和突破式创新的影响研究[J].华东经济管理,2014(7):131-136.
[8] DUNCAN R B. The ambidextrous organization: designing dual structures for innovation[J].The Management of Organization,1976(1):167-188.
[9] CHEMMANUR T J, KRISHNAN K, NANDY D K. How does venture capital financing improve efficiency in private firms? a look beneath the surface[J]. Review of Financial Studies, 2011, 24(12):4037-4090.
[10] CROCE A, MARTI J, MURTINU S. The impact of venture capital on the productivity growth of European entrepreneurial firms: 'screening' or 'value added' effect[J].Journal of Business Venturing, 2013,28(4):489-510.
[11] HALL B H, LERNER J. The financing of R&D and innovation[J].Handbook of the Economics of Innovation,2010(1): 609-639.
[12] 顾群,翟淑萍.融资约束、研发投资与资金来源——基于研发投资异质性的视角[J].科学学与科学技术管理,2014,35(3):15-22.
[13] MEGGINSON W L, WEISS K A. Venture capitalist certification in initial public offerings[J].The Journal of Finance,1991,46(3):879-903.
[14] 钟昌标,黄远浙,刘伟.新兴经济体海外研发对母公司创新影响的研究——基于渐进式创新和颠覆式创新视角[J]. 南开经济研究,2014(6): 91-104.
[15] BARRY C B, MUSCARELLA C J, LII J W P,et al. The role of venture capital in the creation of public companies: evidence from the going-public process[J]. Journal of Financial Economics, 1990,27(2):447-471.
[16] HOCHBERG Y V, LJUNGQVIST A, LU Y. Whom you know matters: venture capital networks and investment performance[J]. The Journal of Finance, 2007, 62(1):251-301.
[17] COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1):128-152.
[18] STAM W, ELFRING T. Entrepreneurial orientation and new venture performance: the moderating role of intra and extra industry social capital[J].Academy of Management Journal, 2008,51(1):97-111.
[19] ZANG J J, ZHANG C L, YANG P P, et al. How open search strategies align with firms′ radical and incremental innovation: evidence from China[J].Technology Analysis & Strategic Management,2014,26(7):781-795.
[20] HAMEL G. Competition for competence and inter-partner learning within international strategic alliances[J]. Strategic Management Journal, 1991, 12(4): 83-103.
[21] 吴超鹏,吴世农,程静雅,等.风险投资对上市投融资行为影响的实证研究[J]. 经济研究,2012(1):105-119,160.
[22] 齐绍洲,张倩,王班班.新能源企业创新的市场化激励——基于风险投资和企业专利数据的研究[J].中国工业经济,2017(12):95-112.
[23] FAN J P H, WONG T J, ZHANG T. Politically connected CEOs, corporate governance and post-IPO performance of China′s newly partially privatized firms[J]. Journal of Applied Corporate Finance, 2014, 26(3):85-95.
[24] 袁建国,后青松,程晨.企业政治资源的诅咒效应——基于政治关联与企业技术创新的考察[J].管理世界,2015(1):139-155.
[25] HADLOCK C J, PIERCE J R. New evidence on measuring financial constraints: moving beyond the KZ index[J].Review of Financial Studies,2010,23(5):1909-1940.
[26] PERE ARQUÉ-CASTELLS. How venture capitalists spur invention in Spain: evidence from patent trajectories[J]. Research Policy, 2012, 41(5):897-912.
[27] 胡振兴,王阿娇.创业投资对新能源技术创新效率的撬动效应研究[J].科技进步与对策,2018,35(23):82-91.