How Relative Resource Levels Affect the Relationship between Interlocking Directorate Networks and Enterprise Innovation Investment

Yan Ruosen,Yuan Jing

(Economics and Management School, Wuhan University, Wuhan 430072, China)

Abstract：How do interlocking directorate networks affect enterprise innovation investment? Agency theory and resource dependence theory are two theories to test this problem. Although many existing studies have conducted in-depth research on this topic, the empirical results based on these two different theories are contradictory. These contradictory results prove that there are unresolved problems in explaining relationship between interlocking directorate networks and enterprise innovation investment from the perspective of agency theory or resource dependence theory. The failure to integrate agency theory and resource dependence theory into the same research framework of interlocking directorate networks may be the reason for the problem. In fact, both agency theory and resource dependence theory regard resources as key factors that affect organizational actions and consequences. The former insists that rich resources will magnify managers' opportunism and cause agency costs to rise, while the latter believes that the survival and development of an organization depends on its ability to obtain key resources from the outside world. To some extent, the level of resources can confirm whether interlocking directorate relationship is a means to deal with external resource dependence or a symbol of moral hazard. Therefore, the relative resource level which is the difference between the resource level of the focal enterprise and the interlocking enterprise, is an important mechanism to combine agency theory and resource dependence theory, and it can explain the current contradictory results of the relationship between the interlocking directorate networks and enterprise innovation investment.

Thus, this paper integrates agency theory and resource dependence theory into the same research framework through relative resource levels. It innovatively introduces network structure entropy calculated by MATLAB software programming to measure the structural embeddedness of enterprise nodes in interlocking directorate networks and uses the samples of A-share listed companies on the Shanghai and Shenzhen stock markets from 2010 to 2020 to explore how relative resource levels affect the relationship between interlocking directorate networks and enterprise innovation investment. The research finds that the relative resource level has a negative impact on the relationship between interlocking directorate networks and enterprise innovation investment, i.e., when the relative resource level is low, interlocking directorate networks are conducive to promoting enterprise innovation investment, that situation is in line with resource dependence theory; when the relative resource level is high, interlocking directorate networks will weaken the innovation investment of enterprises, which is in line with agency theory. That is, with the improvement of relative resource levels, the theoretical basis fitting the management situation of the relationship between interlocking directorate networks and enterprise innovation investment has gradually changed from resource dependence theory to agency theory, thus reducing resource utilization, increasing agency costs and enhancing the negative effect of interlocking directorate networks on enterprise innovation investment.

The possible marginal contributions of the research are presented. (1) The research integrates agency theory and resource dependence theory into a research framework through relative resource levels, describes the relationship between interlocking directorate networks and enterprise innovation investment more comprehensively and accurately, and expands the scope of interlocking directorate networks research. It also provides an effective explanation for the contradictory results of how the interlocking directorate networks affect enterprise innovation investment. (2) The research supplements the applicable conditions of agency theory and resource dependence theory. Resource dependence theory is applicable to the situation of low relative resource level, and focal enterprises use the interlocking directorate relationship as a means of managing dependence when resources are constrained. Agency theory is applicable to the situation of high relative resource level, and when resources are rich, the focal enterprises establish the interlocking directorate relationship to enhance the control of managers. This discovery provides theoretical guidance for enterprises to build more reasonable interlocking directorate networks according to practical conditions. (3) Given the fact that network structure entropy measures not only the size density of nodes, but also the intermediary utility of nodes. Compared with structural holes and centrality, network structure entropy can reflect the network structure embeddedness of nodes more comprehensively. The research introduces network structure entropy to measure the interlocking directorate networks, providing reference for subsequent related research.

Key Words：Relative Resource Level; Network Structure Entropy; Interlocking Directorate Network; Enterprise Innovation Investment

收稿日期：2022-11-27

修回日期：2023-01-20

基金项目：国家社会科学基金重点项目(22AGL015)

作者简介：严若森(1971-),男,湖南华容人,博士,武汉大学经济与管理学院教授、博士生导师,研究方向为公司治理、企业理论、制度理论、战略管理;袁婧(1997-),女,湖北武汉人,武汉大学经济与管理学院硕士研究生,研究方向为公司治理与企业创新。本文通讯作者 :严若森。

DOI：10.6049/kjjbydc.2022110784

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2023)19-0065-11

0 引言

创新是企业维持竞争力和创造竞争优势的重要活动[1],具有收益不确定性、风险大、成本高等特征[2]。连锁董事网络作为董事会衍生的社会关系,具有操作简单、成本低、资源和信息传递效率高等优点,成为企业获取关键资源和信息、创造组织学习条件的最常用工具[3]。由此,学者们开始关注连锁董事网络能否帮助企业降低创新风险并获得创新先决条件这一问题。已有研究就连锁董事网络对企业创新投入的作用机制进行了探索,但未形成统一结论。例如,余晨阳和何流[1]、王营和张光利[4]发现,企业可以通过连锁董事网络实现信息传播、资源共享,进而对企业创新投入产生积极影响;严若森等[2]、Dalziel等[5]认为,连锁董事网络会强化管理者机会主义倾向,进而对企业创新投入产生消极影响。

基于代理理论与资源依赖理论检验连锁董事网络对企业创新投入的影响,实证结论却相互矛盾[6]。代理理论是基于企业内部所有权与管理权分离情况而产生的,资源依赖理论的核心在于探讨外部资源约束对企业创新的影响。事实上,企业创新同时受到内部和外部因素的影响。因此,未将代理理论与资源依赖理论整合至同一研究框架可能是导致上述问题产生的原因。

代理理论与资源依赖理论将资源视为影响组织行动及后果的关键因素。代理理论认为,丰富的资源会强化管理者机会主义行为,导致代理成本增加。当企业资源丰富、外部约束较小时,管理者个人利益倾向会被强化[7]。资源依赖理论认为,组织生存和发展依赖关键资源获取能力,当资源受限时,管理者的利己行为没有施展空间[8]。也就是说,企业可用资源能够在一定程度上反映连锁董事关系构建动机,可用资源有助于判断连锁董事网络是摆脱外部资源依赖的手段还是高管道德风险催生的产物。根据连锁董事关系的二元性特征,参考Beckman&Haunschild[9]、Tuschke等[10]、Zona等[11]、Yoshikawa等[12]的研究成果,本文将当前研究对象称为焦点企业,将与焦点企业形成连锁董事关系的企业称为连锁企业。资源受限的焦点企业与资源丰富的连锁企业所建立的连锁董事关系能够促进焦点企业创新投入,契合资源依赖理论研究情境;资源丰富的焦点企业与资源受限的连锁企业所建立的连锁董事关系会抑制焦点企业创新投入,契合代理理论研究情境。因此,相对资源水平,即焦点企业与连锁企业资源水平之差,是将代理理论与资源依赖理论联系起来的重要机制[11],能够在一定程度上解释连锁董事网络与企业创新投入间的矛盾。

综上,本文通过相对资源水平将代理理论和资源依赖理论整合至同一研究框架,引入网络结构熵度量连锁董事网络,实证检验相对资源水平对连锁董事网络与企业创新投入关系的影响。

本文可能的边际贡献如下:第一,将代理理论和资源依赖理论整合至同一研究框架,对连锁董事网络与企业创新投入的关系进行更全面、更准确的描述,拓展连锁董事网络研究范围,改变代理理论、资源依赖理论在连锁董事网络研究中割裂的现状,以期为现有连锁董事网络与企业创新投入之间的矛盾提供有效解释。第二,揭示代理理论、资源依赖理论应用边界条件。资源依赖理论能够在较低相对资源水平情景下,解释连锁董事网络对企业创新投入的作用机制。此时,资源受限企业将连锁董事关系作为管理依赖关系的手段[13]。代理理论能够在较高相对资源水平情景下,解释连锁董事网络对企业创新投入的作用机制。此时,资源丰富的企业建立连锁董事关系的主要目的是获得管理者控制权[11]。上述发现有助于企业在管理实践中依据现实条件有选择地建立连锁董事关系,从而更好地实施创新行为。第三,网络结构熵既能够衡量节点规模密度,又可以衡量节点的中介效用。相比于结构洞和中心度,网络结构熵能够更加全面地反映企业节点网络结构嵌入性。由此,本文创新性地引入网络结构熵,使用Matlab软件编程,计算连锁董事网络企业节点结构嵌入性,以此度量连锁董事网络,以期为后续相关研究提供参考。

1 文献综述与研究假设

1.1 连锁董事网络与企业创新投入

连锁董事网络是企业社会网络的重要组成部分[11,14],现有研究常用代理理论和资源依赖理论检验连锁董事网络的作用机制[11,15]。有趣的是,这两种理论对连锁董事网络的作用机制提出了相反的解释。

资源依赖理论认为,企业作为开放性系统节点嵌入于网络中,通过与其它节点交互达到控制稀缺资源、减少外部环境依赖等目的[8,16]。从资源依赖理论视角出发,学者们发现,企业能够通过连锁董事网络控制资源、减少对外部环境的依赖[11,14,17]。例如,Boyd[18]认为,连锁董事应成为董事类型的主流,因为董事会规模可能不利于企业发展,但连锁董事是有益的;Beckman & Haunschild[9]指出,连锁董事网络可以通过信息访问和资源渠道帮助企业降低环境不确定性风险并减少对外部环境的依赖;Davis[19]、Palmer等[20]指出,连锁董事网络能够增强组织学习能力;王营和张光利[4]发现,连锁董事可以通过信息传播和资源共享促进企业创新;Drees&Heugens[21]发现,现有相关研究普遍支持连锁董事网络与企业产出具有正相关关系的结论。综上,连锁董事网络既能为企业提供创新前置条件,又能降低创新风险与成本。因此,从资源依赖理论视角出发,连锁董事网络能够促进企业创新投入。

代理理论以经济人为隐含假设,假定当所有者与管理者实际利益不一致时,管理者不会以所有者利益最大化为目标行事,由此产生代理成本。从代理理论角度出发,创新具有较高的不确定性风险,高管是有限理性人并具有机会主义和风险规避倾向,不会主动实施创新行为。任兵[22]认为,连锁董事网络会促使高管阶层凝聚形成圈层,该圈层中的高管会抱团维护阶层利益,从而破坏公司治理结构;Fich &Shivdasani[23]认为,连锁董事在多家企业担任职务会分散其注意力,导致代理成本上升、公司治理结构恶化,进而对企业绩效产生负向影响;段海艳[24]发现,连锁董事会能够通过连锁董事网络优先攫取个人利益,进而对企业发展不利;Dalziel等[5]认为,连锁董事网络会诱发管理层短视行为,从而对企业创新产生抑制作用;严若森等[2]发现,连锁董事网络是阶层凝聚的桥梁,会促成董事与高管合谋,最终损害企业利益;Dalton等[25]发现,连锁董事网络会弱化董事会监督职能,导致代理成本上升、股东利益遭受侵害。综上,从代理理论视角出发,连锁董事网络会抑制企业创新行为,对企业创新投入具有抑制作用。

现有连锁董事网络与企业创新投入关系研究割裂地使用代理理论与资源依赖理论,得到截然相反的结论,说明单独使用代理理论或资源依赖理论解释连锁董事网络的作用机制是不完备的,需要将代理理论与资源依赖理论整合至同一研究框架,以探讨连锁董事网络对企业创新投入的影响。资源依赖理论使用的前提是,企业所有资源都需要与外界环境交互获取,组织资源受限导致高管利己行为没有施展空间[8]。但现实情况并非如此,部分资金雄厚、规模庞大的企业受环境约束较小,高管自由裁量权较大,拥有实施机会主义行为的空间。例如,Pfeffer&Salancik[26]就对资源依赖理论应用情景能否满足严格的前提条件表示担忧。代理理论认为,随着企业资源逐渐丰富,管理者机会主义行为成为企业决策时首先需要考虑的要素,因为企业首要目标是提升自身经营质量,而管理者为了保护职业声誉,其行为实施和决策制定的出发点是改善企业绩效。此时,管理者与所有者利益高度一致[27]。随着企业发展走上正轨,企业未分配资源增加,Jensen[7]发现,企业现金流越多,高管与股东间的利益分歧越严重、代理成本越高。

1.2 相对资源水平对连锁董事网络与企业创新投入关系的影响

连锁董事是指一位董事同时在两家或以上企业董事会任职。基于企业二元性,所涉企业必然会相互作用,进而对连锁董事网络作用机制产生影响。代理理论和资源依赖理论的隐含假设都与资源密切相关,在连锁董事网络研究背景下,连锁董事网络与企业创新投入的关系不仅会受到企业自身资源的影响,而且会受到连锁企业资源的影响。

当相对资源水平较低时,焦点企业处于资源劣势,符合资源依赖理论应用的隐含前提,即由于企业资源受限导致高管利己行为没有施展空间。上述情景下,焦点企业建立连锁董事网络的目的在于缓解外部环境约束、改善企业经营状况,故管理者与所有者利益导向一致[27]。相对资源水平越低,越契合资源依赖理论描述的管理情境,焦点企业可以通过连锁董事网络获取较好的交易条件以及稳定的资源和咨询渠道[13,28-29]。

当相对资源水平较高时,焦点企业处于资源优势,丰富的资源会诱发管理者机会主义行为,进而导致代理成本上升,契合代理理论描述的管理情境:当企业资源丰富、外部约束减弱时,企业可分配资源增加,管理者个人利益动机增强,自利行为抬头。上述情景下,焦点企业建立连锁董事关系的目的是获得管理者私人利益,这种连锁董事关系会对企业利益造成损害。焦点企业管理者可以通过连锁董事关系,以企业资源为交易物,换取私人利益。例如,利用连锁董事关系渗透连锁企业董事会,将管理者权利范围扩展至外部连锁企业[13],或者利用连锁董事在两家企业的提名权、投票权弱化董事会的独立性,进而提升管理者利益集团的影响力[7]。在上述连锁董事关系中,管理者利益目标与所有者利益目标脱节,会加剧道德风险,从而抑制企业创新。

总而言之,当相对资源水平较低时,资源受限的焦点企业通过与资源丰富的连锁企业建立连锁董事关系获得资源支持,由此企业实施创新行为的先决条件更加充足,因而有利于企业创新投入;当相对资源水平较高时,资源丰富的焦点企业高管以企业可用资源为交易物,扩大权力影响范围,企业资源不再被用于经营发展,而是被用于换取管理者私利,进而对企业创新投入产生消极影响。显然,随着相对资源水平提升,无论连锁董事网络与企业创新投入的关系如何,相对资源水平都会强化连锁董事网络对企业创新投入的消极影响。也就是说,当连锁董事网络对企业创新投入的整体影响为正向时,相对资源水平会弱化这一正向影响;当连锁董事网络对企业创新投入的整体影响为负向时,相对资源水平会强化这一负向影响。据此,本文提出以下假设:

H1:相对资源水平会弱化连锁董事网络对企业创新投入的正向影响,或强化连锁董事网络对企业创新投入的负向影响。

2 研究设计

2.1 样本选择与数据来源

本文选取2010—2020年中国沪深两市A股上市企业作为初始样本,并剔除金融保险类、被ST和ST*处理以及数据不全的企业样本。鉴于相对资源水平计算要求,样本企业需要拥有至少一种连锁董事关系,故本文剔除连锁董事关系数量为0的企业样本,即连锁董事网络中的孤立节点(不考虑间接连锁董事关系)。经过上述处理,最终得到包含20 638个企业—年度观测值的非平衡面板数据。

企业研发投入数据来自万德数据库(WIND)和国泰安数据库(CSMAR),其它数据来自国泰安数据库。为了确保数据的准确性,本文随机抽取企业财务数据、董事信息与企业年报进行比对。

此外,为了排除极端值的影响,本文对所有连续变量进行1%和99%水平上的Winsorize缩尾处理。

2.2 变量定义及度量

2.2.1 解释变量:连锁董事网络(SDSE)

Granovetter [30]将社会网络嵌入分为关系嵌入与结构嵌入。其中,关系嵌入聚焦二元关系紧密程度,将连锁关系分为强关系与弱关系[31]。关系嵌入基于个人标准定义,以节点接触频数衡量,结构嵌入关注节点嵌入网络的位置,基于位置标准定义[32]。本文研究对象为连锁董事网络,该网络节点为企业,因无法准确度量一定时间内企业通过连锁董事关系实现交互的次数,故适用于基于位置标准定义的结构嵌入性。

以往研究探讨了多种度量结构嵌入性的指标,可归纳为规模密度和中介效用。但上述两种指标忽略了不同连锁关系对节点网络结构嵌入性的贡献差异。为了全面度量连锁董事网络企业节点结构嵌入性,本文选择基于连接关系分布异质性为标准定义的网络结构熵度量连锁董事网络。

网络结构熵既考虑节点规模密度,使用点度中心度构建“点差异性”,又考虑节点的中介效用,使用边分布概率构建“边差异性”。网络结构熵将点差异性和边差异性综合加权求和,以此度量节点结构嵌入性。因此,相比于过往研究常用的结构洞与中心度两类指标[2],网络结构熵对节点结构嵌入性的描述更加全面、准确。

本文联合式(1)～(5),使用Matlab软件编程计算连锁董事网络企业节点i在连锁董事网络中的位置SDSEi,SDSEi值越大,表明连锁董事网络企业节点结构嵌入性越高。

Si=[1-p(ki)]N

(1)

Di=ki[1-p(ki)]N

(2)

SDSEi'=αSi+βDi

(3)

(4)

(5)

具体计算步骤如下:首先,对企业董事原始信息进行处理(国泰安数据库赋予每位董事独一无二的编码),判断焦点企业是否存在连锁董事及具体连锁企业。例如,设某年共有N家企业,整理得到一个N×N的邻接矩阵,若董事同时任职于企业i和企业j,则对第i行第j列以及第j行第i列赋值为1,否则为0。其次,使用式(1)计算节点的点差异性,使用式(2)计算节点的边差异性,使用式(3)计算节点重要度(未归一化)。其中,ki为节点i的连锁董事数量,即节点i的度,p(ki)为网络中度为ki的分布,α、β分别为点差异性和边差异性的权重,α+β=1。本文设定点差异性和边差异性的权重为α=0.4,β=0.6。再次,使用式(5)将节点重要度归一化,式(5)由式(4)化简得到。其中,是一个无穷极小量,引入Δ是为了避免当p(ki)=1时出现数学计算无意义的情况,引入Δ并不影响网络结构熵的计算结果。

2.2.2 被解释变量:企业创新投入(Eva)

参考既有相关研究[1-2],本文采用研发支出/总资产衡量企业创新投入(Eva)。

2.2.3 调节变量:相对资源水平(Re)

借鉴Zona等[11]的做法,本文采用企业营运资本/销售额衡量可用资源,并采用焦点企业可用资源减去所有连锁企业可用资源的均值,由此得到相对资源水平(Re)。

2.2.4 控制变量

本文基于参考既有研究[1,7],控制企业层面、董事会层面和高管层面3类因素的影响。

企业层面的控制变量包括:①企业规模(Asset),以总资产的自然对数衡量,是最常见的控制变量,企业体量与企业研发强度相关;②企业年龄(Age),以企业上市年份与数据采集年份之差衡量,单位为年,能够反映企业生命周期及当前运营工作的重点,与企业创新决策息息相关;③财务杠杆(L),以资产负债率衡量,与企业持续发展状况与资金运转有关,可能影响企业创新投入;④资产收益率(ROA),以总资产收益率衡量;⑤股权集中度(Sc),是常用的控制变量,与代理成本尤其是第二类代理成本相关,以第一大股东持股比例衡量。

董事会层面的控制变量包括:①董事会规模(Bs),以董事会总人数衡量,与企业连锁董事关系密切相关;②两职合一(D),判断董事长与总经理是否由同一人担任,与高管在董事会中的权力相关;③独立董事比例(Bi),由于不涉及企业内部事务,独立董事的监督效果可能更好。

高管层面的控制变量包括:①高管货币薪酬(Se),以高管薪酬前3名之和的自然对数衡量;②高管持股比例(Sm),以高管持股数/企业总股数衡量,高管激励类指标能够有效抑制高管短视自利行为,从而促进企业创新。

此外,本文控制了行业(Industry)、年份(Year)和地区(Area)。其中,以证监会2012年制定的分类标准设置行业虚拟变量;样本时间跨度为11年,故设置11个年份虚拟变量;参考刘运国与刘雯(2007)的研究成果,设置中部、西部、东部3个地区虚拟变量。

本文所涉变量如表1所示。

2.3 模型构建

根据研究假设,本文构建固定年份、行业和地区效应的模型(6),并使用最小二乘OLS方法进行回归。

Evai,t=a0+a1SDSEi,t+a2Rei,t+a3SDSEi,t×Rei,t+∑jbjControlsj,it+εi,t

(6)

在模型(6)中,i、t分别代表企业和年份,a0为截距项,a1为解释变量系数,a2为调节变量系数。a3为调节变量和解释变量的交互项系数,表示相对资源水平对连锁董事网络与企业创新投入关系的调节作用。b为控制变量的系数,Controls表示控制变量,j为控制变量个数,εi,t为随机扰动项。若a3显著为负,则本文假设H1成立。

3 实证结果与分析

3.1 描述性统计

本文主要变量描述性统计结果如表2所示。由于计算得到的网络结构熵原始值过小,为了显示方便,本文将其放大1 000倍。

(1)企业创新投入(Eva)的变异系数接近1,属于强变异,说明离散程度较高,不同样本企业创新投入水平存在较大差别。企业创新投入(Eva)的均值为0.022,说明样本企业研发投入占总资产的比值较小。

(2)连锁董事网络(SDSE)的变异系数为0.345,离散程度不高,说明在连锁董事网络中,样本企业地位具有一定差别,但未达到强离散程度。

(3)相对资源水平(Re)的变异系数非常大,达到30,而最小值为-8.220,最大值为4.824,说明焦点企业可用资源与连锁企业可用资源存在较大差距。因此,有必要考虑连锁董事关系异质性。

3.2 相关性分析

表3为主要变量Pearson相关系数。结果显示,解释变量与被解释变量的Pearson相关系数为负且在1%水平上显著,但需要加入控制变量作进一步探讨。被解释变量与控制变量的Pearson相关系数在1%水平上显著,证明本文选取控制变量是有必要的。所有变量间相关系数的绝对值均小于0.6,说明各变量间的共线性问题并不严重。

进一步地,本文对变量进行方差膨胀因子(VIF)检验,结果显示,变量的VIF均值为1.47,远远小于经典门限值10,说明本文构建的模型不存在严重多重共线性问题。

3.3 假设检验结果

表4为假设检验结果。其中,模型1为基准模型,仅纳入控制变量;模型2在基准模型的基础上加入连锁董事网络(SDSE);模型3在基准模型的基础上加入连锁董事网络(SDSE)和相对资源水平(Re);模型4在基准模型的基础上加入连锁董事网络(SDSE)、相对资源水平(Re)和二者交互项(已作中心化处理)。表4模型2结果显示,连锁董事网络(SDSE)系数为负且在1%水平上显著,说明连锁董事网络对企业创新投入的整体影响是负向的;表4模型4结果显示,连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数为负且在5%水平上显著。上述结果表明,相对资源水平会强化连锁董事网络对企业创新投入的负向影响,假设H1得到验证。由此证明,随着相对资源水平提升,契合实际管理情境的主要理论基础由资源依赖理论逐渐转变为代理理论,构建连锁董事关系对企业创新投入越来越不利。

根据表4检验结果,本文绘制相对资源水平调节效应示意图(见图1)。图1显示,低相对资源水平为相对资源水平的均值减去一个标准差,高相对资源水平为相对资源水平的均值加上一个标准差,同理得到低网络结构熵和高网络结构熵。由图1可知,当相对资源水平较低时,连锁董事网络有利于企业创新投入;当相对资源水平较高时,连锁董事网络会抑制企业创新投入。随着相对资源水平提升,连锁董事网络对企业创新投入的消极影响得到强化,再次验证了假设H1。

3.4 稳健性检验

3.4.1 替换面板固定效应模型

本文研究数据为面板非平衡数据,故在此更换模型,使用面板固定效应模型进行回归(Fixed Effects,以下简称FE),步骤如下:首先通过Hausman检验判断是选取固定效应模型还是随机效应模型,Hausman检验的p值为0.000 0,小于0.05。因此,本文选取面板固定效应模型进行回归。表5模型1结果显示,相对资源水平(Re)与连锁董事网络(SDSE)的交互项系数为负且在1%水平上显著。由此,假设H1成立,说明前文结果稳健。

3.4.2 工具变量法

为了避免内生性问题,本文使用Hausman检验OLS和IV的回归结果,Hausman检验的p值为0.000 4,说明解释变量存在内生性问题。为此,本文选取焦点企业所属行业所有企业网络结构熵的均值作为工具变量1,选取焦点企业网络结构熵滞后一期值作为工具变量2,以此进行2SLS检验。其中,表5模型2结果显示(工具变量1),连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数为负且在1%水平上显著;表5模型3显示(工具变量2),连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数为负且在5%水平上显著。由此,假设H1再次得到支持,说明前文结果稳健。

3.4.3 替换变量

本文使用网络结构熵度量连锁董事网络(SDSE)。前文计算时,点差异性权重α取0.4,边差异性权重β取0.6。现更改二者权重如下:设点差异性权重α和边差异性权重β均为0.5,计算结果为SDSE1;设点差异性权重α为0.6,边差异性权重β为0.4,计算结果为SDSE2。分别将SDSE1和SDSE2代入模型进行回归,结果见表6模型1和模型2。其中,表6模型1结果显示,连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数为负且在5%水平上显著;表6模型2结果显示,连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数为负且在5%水平上显著。由此,假设H1成立,说明前文结果稳健。

3.4.4 其它稳健性检验

前述分析中,本文剔除了连锁董事关系数量为0的企业样本,现加入这部分企业样本(设其相对资源水平为0)进行回归,结果见表6模型3。结果显示,连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数为负且在5%水平上显著。由此,假设H1成立,说明前文结果稳健。

考虑到企业创新是需要持续资源投入的活动,故当年企业创新投入与之前企业创新投入相关。由此,被解释变量企业创新投入存在显著自相关性。本文将被解释变量滞后一期项(L1.Eva)和滞后二期项(L2.Eva)作为控制变量加入模型进行回归,结果见表6模型4。结果显示,被解释变量滞后一期项和滞后二期项与被解释变量均显著正相关,连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数为负且在10%水平上显著。由此,假设H1成立,说明前文结果稳健。

3.5 异质性分析

3.5.1 产权性质异质性检验

在国有企业和非国有企业中,相对资源水平对连锁董事网络与企业创新投入关系的调节作用存在差异。根据产权性质,本文将样本企业划分为国有企业和非国有企业,使用模型(6)检验产权异质性的影响,结果见表7。表7模型1和模型2显示,相对资源水平对连锁董事网络与企业创新投入关系的调节作用只在非国有企业样本存在:模型1中连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数不显著,模型2中连锁董事网络(SDSE)与相对资源水平(Re)的交互项系数在1%水平上显著为负。组间差异检验结果显示,p值在1%水平上显著,说明相对资源水平对连锁董事网络与企业创新投入关系的调节作用在国有企业和非国有企业存在显著差异。原因可能在于,产权性质能够决定企业在资源配置与治理结构上的差异,以及社会资本与政治资本的干预程度,以上因素均会对连锁董事网络的作用效果产生影响[2]。具体而言,非国有企业治理结构与经营情况紧密相关,受政府干预较少[33],国有企业资源配置模式固定,能够得到更多政府扶持,因而对连锁董事网络等非正式社会关系的依赖程度较低[34]。因此,相对资源水平仅在非国有企业发挥调节作用。

3.5.2 制度环境异质性检验

制度环境是影响连锁董事网络治理效果的重要因素。在不同市场环境与制度体系中,政府干预程度、企业自主性、外部控制等因素会对企业决策与创新活动产生约束。在制度较完善的地区,企业面临的环境不确定性风险较小,合作双方可以根据制度规定开展交易,不需要建立非正式关系,因而对连锁董事网络等非正式社会关系的依赖程度较低。参考王小鲁等[35]研究成果,本文根据市场化指数中位数将企业样本分为地区制度不完善组和地区制度完善组,使用模型(6)检验制度环境异质性的影响,结果见表7。表7模型3和模型4显示,组间系数差异检验的p值不显著,说明相对资源水平的影响不随企业所处制度环境变化而改变。

3.5.3 多元化水平异质性检验

多元化水平能够在一定程度上决定企业决策倾向及风险偏好,因而对企业管理者提出了更高的要求。从战略选择视角看,采用多元化战略,企业必须具备动态视角,并能够灵活配置资源。因此,企业对非正式社会关系更加重视。多元化扩张会提高企业决策复杂程度。拥有较多的市场经验并与多个企业具有相关联系,这会给企业管理者更多形成利益集团的机会,从而导致企业监管成本增加。为此,本文选取多元化水平对样本企业进行分组,探究相对资源水平的调节作用是否受多元化战略的影响。借鉴曾春华和杨兴全[36]的做法,本文采用收入熵指数衡量企业多元化水平,该指数越大,多元化水平越高。从万得数据库(WIND)搜集企业j按行业构成的主营业务收入,根据式(7)计算收入熵指数Dyh_entroj。

(7)

其中,pi为企业j第i个行业业务收入占企业j总收入的比值。计算所有企业收入熵指数的中位数,设置变量Dyh,若企业收入熵指数大于中位数,则Dyh=1,属于高多元化水平组,反之Dyh=0,属于低多元化水平组。本文使用模型(6)检验多元化水平异质性的影响,结果见表8。表8模型1和模型2显示,组间系数差异检验的p值不显著,说明相对资源水平的影响不会随企业多元化战略变化而改变。

3.5.4 行业竞争程度异质性检验

行业竞争程度是影响连锁董事网络治理效果的重要因素,能够决定企业所属产业结构与竞争策略。当行业集中度高、垄断比较严重时,企业所属产业结构较为简单、行业竞争不激烈。因此,企业受外界资源的约束较小。本文使用赫芬达尔指数判断企业所处行业环境,赫芬达尔指数越大、行业集中度越高,代表行业企业数量越少、竞争程度越低、企业所属产业结构越简单。根据本文企业样本筛选出其所属行业,然后计算每个行业赫芬达尔指数,最后得到所有行业赫芬达尔指数的中位数。本文设置变量HHI,若行业赫芬达尔指数大于中位数,则HHI=1,行业企业属于高行业集中度组,反之HHI=0,行业企业属于低行业集中度组。本文使用模型(6)检验行业竞争程度异质性的影响,结果见表8。表8模型3和模型4显示,组间系数差异检验的p值不显著,说明相对资源水平的影响不随企业所处行业环境变化而改变。

4 结语

4.1 研究结论

本文重点探讨相对资源水平对连锁董事网络与企业创新投入关系的影响,引入网络结构熵度量连锁董事网络,并采用2010—2020年中国沪深两市A股上市企业样本进行实证检验,得到以下主要结论:

(1)相对资源水平强化连锁董事网络对企业创新投入的负向影响。随着相对资源水平提升,契合连锁董事网络与企业创新投入关系研究情境的理论基础逐渐从资源依赖理论转变为代理理论,企业资源利用率下降、代理成本上升,导致连锁董事网络对企业创新投入的消极影响被强化。

(2)就产权性质而言,相对资源水平对连锁董事网络与企业创新投入关系的调节作用在国有企业和非国有企业存在显著差异。

(3)就制度环境、多元化水平和行业竞争程度看,相对资源水平的影响不会随着上述3因素的变化而改变。

4.2 管理启示

(1)焦点企业需要优先与具有资源优势的企业建立连锁董事关系,并确保所建立的连锁董事关系处于较低的相对资源水平。如果焦点企业与连锁企业之间的可用资源差距较大,则焦点企业需要提高警惕,重新审视现有连锁董事关系,探究连锁董事网络建立动机是否与高管个人利益相关。如果存在上述现象,则焦点企业应调整治理结构,解除此类连锁董事关系。

(2)利益相关者可以通过比较焦点企业与连锁企业间的资源状况判断连锁董事网络效果,考察企业建立连锁董事网络的真实目的。如果焦点企业与连锁企业的相对资源水平较高,则意味着代理问题较为严重,连锁董事网络可能无法发挥预期作用。此时,利益相关者需要重新评估其专用性资产投资风险。

4.3 不足与展望

(1)缺少跨国样本数据,未来研究可以基于跨国样本验证本文结论的适用性。

(2)未探究焦点企业与连锁企业借助连锁董事关系进行利益交换的具体方式,未来可以对此进行详细研究。例如,企业高管是否会利用并购活动、输送技术知识和关键稀缺资源等方式,以损害所有者利益为代价谋取私利。

(3)仅对企业社会网络维度下的连锁董事网络进行了研究,而社会网络包括连锁高管网络、战略联盟网络等,未来可以验证在其它社会网络中本文理论框架是否适用,以及其它社会网络作用机制与连锁董事网络作用机制的异同。

参考文献：

[1] 余晨阳, 何流. 董监高网络如何改变企业的创新行为——兼论董监高在企业创新行为中的侧重差异[J]. 经济学报, 2019, 6(1): 146-186.

[2] 严若森, 华小丽, 钱晶晶. 组织冗余及产权性质调节作用下连锁董事网络对企业创新投入的影响研究[J].管理学报, 2018, 15(2): 217-229.

[3] KIM J Y, HOWARD M, PAHNKE E C, et al. Understanding network formation in strategy research: exponential random graph models[J].Strategic Management Journal, 2016, 37(1): 22-44.

[4] 王营, 张光利. 董事网络和企业创新:引资与引智[J].金融研究, 2018,61(6): 189-206.

[5] DALZIEL T, GENTRY R J, BOWERMAN M. An integrated agency-resource dependence view of the influence of directors' human and relational capital on firms' R&D spending[J].Journal of Management Studies, 2011, 48(6): 1217-1242.

[6] DEVOS E, PREVOST A, PUTHENPURACKAL J. Are interlocked directors effective monitors [J].Financial Management, 2009, 38(4): 861-887.

[7] JENSEN M C. Agency costs of free cash flow, corporate finance and takeovers[J].American Economic Review, 1986, 76(2): 323-329.

[8] PFEFFER J, MIZRUCHI M S, SCHWARTZ M A. Resource dependence perspective on inter-organizational relations: the structural analysis of business[M].Cambridge: Cambridge University Press, 1987.

[9] BECKMAN C M, HAUNSCHILD P R. Network learning: the effects of partners' heterogeneity of experience on corporate acquisitions[J].Administrative Science Quarterly, 2002, 47(1): 92-124.

[10] TUSCHKE A, SANDERS W M G, HERNANDEZ E. Whose experience matters in the boardroom? the effects of experiential and vicarious learning on emerging market entry[J].Strategic Management Journal, 2014, 35(3): 398-418.

[11] ZONA F, GOMEZ-MEJIA L R, WITHERS M C. Board interlocks and firm performance: toward a combined agency-resource dependence perspective[J].Journal of Management, 2018, 44(2): 589-618.

[12] YOSHIKAWA T, SHIM J W, KIM C H, et al. How do board ties affect the adoption of new practices? the effects of managerial interest and hierarchical power[J].Corporate Governance: An International Review, 2020, 28(1): 2-22.

[13] CASCIARO T, PISKORSKI M J. Power imbalance, mutual dependence, and constraint absorption: a closer look at resource dependence theory[J].Administrative Science Quarterly, 2005, 50(2): 167-199.

[14] BURT R S. Cooptive corporate actor networks: a reconsideration of interlocking directorates involving American manufacturing[J].Administrative Science Quarterly, 1980, 25(4): 557-582.

[15] 卢昌崇, 陈仕华. 断裂联结重构:连锁董事及其组织功能[J].管理世界, 2009,25(5): 152-165.

[16] PFEFFER J, SALANCIK G R. The external control of organizations: a resource dependence perspective[M].New York: Harper and Row, 1978.

[17] PENNINGS J M. Interlocking directorates[M].San Francisco: Jossey Bass, 1980.

[18] BOYD B. Corporate linkages and organizational environment: a test of the resource dependence model[J].Strategic Management Journal, 1990, 11(6): 419-430.

[19] DAVIS G F. Agents without principles? the spread of the poison pill through the intercorporate network[J].Administrative Science Quarterly, 1991, 36(4): 583-613.

[20] PALMER D A, JENNINGS P D, ZHOU X G. Late adoption of the multidivisional form by large U.S. corporations: institutional, political, and economic accounts[J].Administrative Science Quarterly, 1993, 38(1): 100-131.

[21] DREES J M, HEUGENS P PMAR. Synthesizing and extending resource dependence theory:a meta-analysis[J].Journal of Management, 2013, 39(6): 1666-1698.

[22] 任兵. 连锁董事的企业间网络与公司治理[J].首都经济贸易大学学报, 2005,7(1): 38-42.

[23] FICH E M, SHIVDASANI A. Are busy boards effective monitors[J].Journal of Finance, 2010, 61(2): 689-724.

[24] 段海艳. 连锁董事关系网络对企业绩效影响研究[J].商业经济与管理, 2009,29(4): 38-44.

[25] DALTON D R, HITT M A, CETRO S T, et al. The fundamental agency problem and its mitigation: independence, equity and the market for corporate control[J].Academy of Management Annals, 2007,1(1): 1-64.

[26] PFEFFER J, SALANCIK G R. The external control of organizations: a resource dependence perspective[M].San Francisco: Stanford University Press, 2003.

[27] SHEN W. The dynamics of the CEO-board relationship: an evolutionary perspective[J].Academy of Management Review, 2003, 28(3): 466-476.

[28] WESTPHAL J D, BOIVIE S, CHNG D H M. The strategic impetus for social network ties: reconstituting broken CEO friendship ties[J].Strategic Management Journal, 2006, 27(5): 425-445.

[29] HILLMAN A J, DALZIEL T. Boards of directors and firm performance:integrating agency and resource dependence perspectives[J].Academy of Management Review, 2003, 28(3): 383-396.

[30] GRANOVETTER M. Economic action and social structure: the problem of embeddedness[J].American Journal of Sociology, 1985, 91(3): 481-510.

[31] 姚小涛, 张田, 席酉民. 强关系与弱关系:企业成长的社会关系依赖研究[J].管理科学学报, 2008, 11 (1): 143-152.

[32] 兰建平, 苗文斌. 嵌入性理论研究综述[J].技术经济, 2009, 28(1): 104-108.

[33] 朱乃平,朱丽,孔玉生,等.技术创新投入、社会责任承担对财务绩效的协同影响研究[J].会计研究, 2014,35 (2): 57-63,95.

[34] 张天华,张少华.偏向性政策、资源配置与国有企业效率[J].经济研究, 2016,62(2): 126-139.

[35] 王小鲁,樊纲,胡李鹏.中国分省份市场化指数报告:2018[M].北京:社会科学文献出版社, 2019.

[36] 曾春华,杨兴全.多元化经营、财务杠杆与过度投资[J].审计与经济研究, 2012,28(6): 83-91.

(责任编辑：张 悦)