开放科学(资源服务)标识码(OSID)：
This paper selects the data of listed companies in 2016 and 2020 to form a grouped sample, and constructs a theoretical framework to depict the internal and external circulation mechanisms of the innovation ecosystem. From the configuration perspective, the fsQCA method is used to explore the logic and mechanism of the association between institutional investment and enterprise patent behavior in a complex system composed of multiple factors, such as market structure, industry characteristics, innovation scale, property right quality, equity structure and financial status.
The research in this paper shows that the "preferential effect" of institutional investment is diversified, and there are multiple differential equivalent paths in the mechanism of institutional investment affecting patent quality. The patent structure of enterprises with high-quality innovation characteristics, such as high-tech industries, high growth and high innovation scale, is positively related to the proportion of institutional investment. The composition and mechanism of the multiple equivalent "causal chain" of institutional investment and patent structure are limited by specific combination scenarios: in the case of the combination of complex factors such as high-tech enterprise identification policies, the nature of shareholders, the nature of property rights and the characteristics of equity structure, the specific correlation mechanism between institutional investment, and the patent structure is heterogeneous. There is no "positive" or "negative" correlation characteristic in the general sense between institutional investment and patent structure. In the high-tech industry, the number of invention patents as a conditional variable widely exists in the low patent bubble configuration under various scenarios as a core condition. The factor of innovation scale can be regarded as an important target, that is, it can be roughly believed that the probability of negative correlation between institutional investment and the degree of patent bubble is greater when the innovation scale is larger.
This paper enriches the assumption of one-way and linear deterministic causality between variables commonly used in relevant research and the study from the perspective of exploring the interaction law between technological innovation behavior and institutional investment at the theoretical level, and creatively analyzes the deep logic of the complex correlation mechanism between institutional investment and patent structure under the theoretical framework of innovation ecosystem. The research in this paper initially constructs a general theoretical framework for further exploring the virtuous cycle mechanism of scientific and technological innovation and capital market within the framework of ecosystem theory and multi-system co-evolution theory, and provides policy reference for the differential orientation of industrial policy and the virtuous cycle mechanism of scientific and technological innovation.
开放科学(资源服务)标识码(OSID)：
科技创新具有投入大、周期长、风险高等特点,需要多层次资本市场体系的引导和催化[1]。过去20年,美国硅谷和华尔街通过资本与科技之间的良性循环,共同打造了软件、生物医药等具有高投资回报率的行业巨无霸,在这一过程中,美股市场机构投资者发挥了重要作用。相比之下,中国资本市场发展水平与服务国家战略科技力量的要求存在较大差距,资本市场与科技创新互动机制存在诸多问题[2-3]。近年来,部分机构投资者一度成为“伪创新”泛滥的始作俑者,利用资本“抱团炒作”,诱导上市公司通过科技伪装进行套利投机,加剧了资本市场与科技创新恶性循环风险。2001年美国“互联网泡沫”破裂和随后爆发的世界性金融危机表明,金融与科技发展失衡背后往往蕴藏着巨大风险。
仅从专利结构指标看,我国企业科技创新活动可能已经存在一定程度的“泡沫化”风险,专利类型结构趋于恶化(李晓华,2013)。国家知识产权局统计数据显示,自2011年开始中国专利申请总量一度超过美国和日本,但是,中国科技含量及创造水平较高的发明专利占比不足 20%,远低于日本、美国等发达国家60%以上的水平,且近年来呈持续下滑趋势。2007—2015 年,中国的专利申请中发明专利占比从52%下降至45%,实用新型专利占比则从30%攀升至50%[4-6]。中国企业面临陷入“实用新型专利制度使用陷阱”风险[7]。相关研究指出,这一问题的症结在于地方政府激励政策、宏观产业政策和资本市场的影响[8-9]。龙小宁等(2015)梳理各省份颁布的专利激励政策发现,优惠补贴基本覆盖发明专利和实用新型专利,为企业策略性专利行为提供了套利空间[10-12]。随着资本市场与上市公司科技创新活动的联系日益紧密,机构投资者作为重要主体参与上市公司治理、影响公司决策的程度也随之提高,并成为推动资本市场与科技活动良性循环的关键力量。基于此,本文对机构投资与企业专利行为关联机制进行研究具有重要意义。
本文边际贡献主要表现在:①基于创新生态系统理论,深入探索我国资本市场机构投资与上市公司科技创新活动的系统性协同演化规律,可以拓宽相关研究的理论视野;②采用模糊集定性比较分析方法(fsQCA),多角度识别机构投资与企业专利行为关联机制组态特征,剖析系统性参与及影响机构投资与企业专利行为互动机制的重要条件组态和机制路径,打通资本市场与科技创新良性循环体系的重要节点,为加快构建科技创新多层次资本市场体系、提高创新资源和金融资源配置效率提供政策参考。
大量学者对机构投资与企业创新关联机制进行考察,形成了机构抑制论、机构支持论和机构异质论3类观点,尚未达成一致结论。
(1)机构抑制论认为:第一,机构投资对企业创新活动具有抑制作用,机构投资者无法获取公司层面的特定信息,缺乏干预公司创新决策的外部治理能力;第二,资本市场对机构投资者本身的考评机制具有短期化倾向,使得机构投资者不偏好于那些回报期较长的投资项目(Drunker,1986;Porter,1992)。
(2)机构支持论认为,专业性机构投资者在信息挖掘、资源整合等方面具有显著优势,不仅能为企业创新质量提升提供外部支撑[13],缓解企业融资约束,还可以降低企业创新失败风险。此外,机构投资者由于持股比例较高而被“锁定”在企业中,因此,会鼓励企业开展创新,通过积极的外部监督干预管理层研发决策,激励上市公司进行高质量创新[14]。
(3)机构异质论认为,不同类型机构投资者对企业科技创新活动的影响呈现差异化特征。长期投资者、风险承担能力较强的投资者能够促进企业扩大创新规模 (David,1996;Bushee,1998;Eng等,2001),而短期机构投资者、被动机构投资者对企业创新质量无显著影响[15]。在分别考虑市场结构、企业规模、企业所有制性质、政策条件、融资条件等[16]不同因素的情况下,机构投资与企业创新行为产生关联的中介路径呈现多样性和差异化特征。然而,学术界尚未在哪些机制路径发挥基础性、主导性作用方面形成一致结论。相关文献选取的侧重点不同,但鲜有研究关注中介因素组合情况以及在不同内外部环境组合情境下是否具有差异化中介效应。
在研究方法上,以往研究大多采用传统计量模型,遵循演绎逻辑,但适用于变量层面的净效应关系分析无法处理多条件相互依赖的耦合效应、组态等效性、因果非对称性等复杂问题(Douglas等,2020;杜运周等,2017)。例如,有些研究认为专利激励政策对专利质量存在显著负向影响,而另一些研究却发现,这一结论在其它相关条件发生变化时并不成立。如果将某些特定因素纳入逻辑分析框架,如资本市场,则专利激励政策会通过信号效应作用于上市公司与资本市场互动机制,对企业专利质量产生正向影响。因此,线性单向因果逻辑在解释机构投资者如何影响上市公司专利行为问题上难以形成普遍意义上“正向关联或负向关联”的一致论断。创新生态系统理论逻辑对于此类问题的解释可能更具说服力,因为该理论允许多条“正向”和“负向”关联机制同时存在。
实际上,企业创新活动包括创意产生、技术研发到创新产物商业化的全过程,因此,影响企业技术创新的因素既包括国家社会文化价值、知识产权保护水平,也包括企业所在行业竞争程度、市场势力、企业规模等[17],同时,还涉及公司治理,而外部环境是影响公司战略选择的重要因素。有研究指出, 公司战略必须适应外部环境及变化趋势,战略选择过程实质上是公司内部特征和外部环境相匹配的过程(Chandler ,1962;Learned 等,1965)。复杂内外部因素协同演化构成科技创新生态系统,新时期竞争已从单个企业之争演变为创新生态系统之争(刘典,2021)。现有研究普遍认为,创新生态系统是相互作用的组织、个人等一系列利益相关者共同支撑的经济共同体。在创新生态系统理论框架下,企业创新活动是内外部多种因素间双向因果关系、系统主体间非线性反馈关系、系统整体突变和涨落等复杂机制共同交互作用的动态演化过程,并非简单的单向线性相关关系。一个系统主体可能同时与多个其它系统主体保持多向因果关系,任何一个系统主体都可以通过系统间变异机制、遗传机制和选择机制影响整个生态系统的动态平衡。科技创新金融需求创造机制和风险分散机制,以及科技创新与资本价值共创机制均需要通过创新生态系统实现。因此,相较于传统逻辑架构,基于创新生态系统理论探讨机构投资与创新活动互动机制具有更强的适用性。然而,鲜有研究从这一视角讨论资本市场与创新活动互动逻辑,以及专利泡沫化形成与治理问题。
当前,关于机构投资与企业创新活动互动机制的研究主要围绕治理机制和信息机制展开。其中,治理机制主要指机构投资者作为创新生态系统外围成员对管理层决策进行干预,通过加强外部监督,给企业管理层施加更多压力,促使其强化或减少策略性专利应对行为[18]。
1.2.1 治理机制
(1)股权特征。股权特征是反映企业治理机制特征的重要代理指标。公司决策通常遵循“资本多数”原则,在股权集中条件下大股东控制行为可能降低经营管理者积极性和其它专用性资本的有效利用,从而造成代理冲突(王丽芳等,2014)。因此,股权结构特征是研究企业创新行为不可忽视的因素。我国民营上市公司大多采用金字塔股权结构[19],其中,近半数上市公司金字塔股权结构具有现金流权和控制权分离特征。当前,大量研究论证了此类股权结构下大股东利益侵占问题和内部资本市场关联交易对创新活动的影响,虽然未在金字塔股权结构与创新活动关联机制上达成一致,但都认同股权结构特征能够在很大程度上反映公司内部权利制衡、利益分配和治理水平基本特征。
(2)产权性质。产权性质是反映企业治理机制特征的重要代理指标。相较于民营企业,国有企业通常具有较小的融资约束、较高的风险承担能力和创新资源优势,因此,学界普遍认为产权性质是导致企业创新行为特征存在显著差异的重要原因。同时,由于国有控股公司与民营企业内部治理机制存在差异,外部机构投资者对不同产权性质企业创新活动的干预治理程度往往不同。此外,由于外资具有技术和管理优势,外资持股民营上市公司通常会产生不同程度的技术和经验外溢效应,因此,此类企业通常具备较高的市场地位、创新质量和研发效率。
1.2.2 信息机制
(1)信息机制主要包括择优机制和认证机制,即机构投资者的投资决策会影响上市公司研发活动和运营情况[20],上市公司研发活动和运营情况也会影响公司长短期投资价值,进而影响机构投资决策(Hill等,1988)。机构抱团炒作可能诱发上市公司缩短研发周期,以迎合资本市场短期投机炒作的偏好,同时,由于机构具备信息优势和投资优势,能够识别出真正从事实质性高质量研发活动的上市公司,并通过引导资金流向抑制上市公司的炒作动机,形成资本与科技创新的良性循环机制。因此,在宏微观层面多种条件变量的共同干预下,两者间存在多重并发双向因果关系,以及具有生态系统特征的反馈机制、共生机制和协同演化机制。
(2)分析师关注度。随着上市公司信息披露制度健全和资本市场发展,资本市场各类投资者对上市公司外部监督机制日益成熟并逐渐成为影响企业创新行为的重要因素[21-22]。由于委托代理目标不一致,短视利己的管理层通常会抑制创新投入,而资本市场利益相关者的有效监督可以发挥一定治理效应,减少管理层代理问题。因此,资本市场关注度是影响企业创新行为的重要外部因素,一定程度反映信息机制差异和特征。
1.2.3 阶段性特征与外部环境
当内外部情境和条件具有系统演化特征时,系统任何两个变量之间关联机制的正负性和因果性也可能存在持续变化的阶段性特征。例如,创新生命周期理论认为,处于不同研发阶段的公司市场表现、财务状况和资本市场支持具有显著差异[23-24]。因此,如果将企业创新活动阶段性特征因素纳入机构投资与创新互动机制分析中,这一问题将更加复杂。处于不同创新生命周期的企业个体特征会影响机构投资者投资决策,而后者又会作为重要外力参与企业创新活动周期性演变。在这种情况下,创新活动阶段性特征可能导致机构投资与专利行为互动逻辑发生阶段性变化。
(1)公司基本特征。企业运营情况对企业专利行为具有直接、基础性影响,能够反映上市公司个体差异的变量较多,如成长性、利润率、托宾Q值等,均能直接反映公司经营状况的基本面特征。
(2)知识资本积累规模。根据高新技术企业认定标准,近一年销售收入在2亿元及以上企业的研发强度需超过门槛值 3%(张抗,2018)。马晶梅等(2020)研究指出,2011年以来,我国民营上市公司研发强度密集分布在[0.03,0.04]区间,民营企业研发操纵行为相对于国有企业更普遍。可以推断,在存在研发操纵的情境下,以研发强度作为衡量创新规模的代理指标对于识别产权异质性企业的行为特征具有更高的区分度,即机构投资与不同所有制性质、不同研发强度上市公司专利行为可能具有异质性互动机制。同时,由于民营企业研发操纵行为具有一定普遍性,因此,以研发强度作为衡量创新规模的变量进行分组,可以很好地识别研发操纵情境下机构投资对专利行为的影响机制。
(3)行业竞争环境。熊彼特经典创新理论普遍将市场竞争度作为企业创新决策的关键参考指标,“熊彼特假说”认为越垄断的市场越有利于促进创新活动开展[25-26]。企业作为市场竞争主体,其专利行为不可避免受到同行效应、竞争效应的影响,因此,行业竞争激烈程度可作为外部环境因素,成为机构投资与企业专利行为关联互动机制的重要组态条件。
基于以上分析,本文构建刻画创新生态系统内外部循环机理的理论框架,探讨市场结构、行业特征、创新规模、产权性质、股权结构、财务状况等多重因素共同构成的复杂系统中机构投资与企业专利行为关联逻辑和特征。鉴于机构投资与企业专利行为互动逻辑可能存在系统性协同演化特征,本文运用以集合论为基础的模糊集定性比较分析方法(fsQCA),在创新生态系统理论框架下识别机构投资与企业专利行为组态特征。据此,本文提出如下假设:
H1:机构投资“择优效应”具有多样性特征。在相同情境下,机构投资与专利行为可通过差异化间接路径产生多条等效因果链,即不同的条件组合能够产生相同结果。具备高质量创新特质的企业如高新技术行业、高成长性或高创新规模专利结构均与机构投资比例存在正向关联。
H2:机构投资与专利结构多重等效因果链构成和作用机制受特定组合情境限制。在高新技术企业认定政策、股东性质、产权性质与股权结构特征等复杂因素组合情形下,机构投资与专利结构的关联机制也会随之改变。
拉金(Ragin,1987)提出的以集合论为基础的定性比较分析法(QCA)最初主要应用于政治科学和社会学等,近年来在管理学领域也得到越来越多的应用。该方法并非将各影响因素视为独立作用于因变量的自变量,而是将其视为以组合方式共同引致被解释结果前因条件构型中无法与其它因素割裂的前因要素(杜伟锦等,2017),并不关注个体自变量对因变量的净效应,而是专注于挖掘对被解释结果有解释力、由多个前因要素组成的相似或相异类型(王凤彬等,2014)。QCA 方法可以识别哪些条件(组态)是结果的充分条件或必要条件(组态),基于这种集合关系得出的实践启示,远比回归分析净效应得出的实践启示清晰和明确(Fiss,2007)。相较于清晰集(csQCA)方法,模糊集定性比较方法(fsQCA)允许取评估条件“0”或“1”之间的部分隶属分数,对于识别创新生态系统理论框架下的情境特征具有较好的适用性,且适用于本文选取的中等样本规模,因此,采用该研究方法开展实证研究。
本文从2016年1 457家中国 A 股上市公司中筛选出314家已进入发明专利申请阶段(发明专利数量大于1)的上市公司和2020年已进入发明专利申请阶段(发明专利申请数量大于1)的276家制造业上市公司,收集相关数据构建基础数据库,根据产权性质、创新规模、行业类型和股权特征对样本数据进行分组,得到适用于QCA方法的小样本。对各组样本分别进行校准,根据直接校准法,将各前因条件和结果数据校准为模糊集(或清晰集)隶属分数。参考相关研究,本文将变量完全隶属、交叉点和完全不隶属3个校准点分别设定为案例样本描述性统计的上四分位数(75%)、中位数(50%)与下四分位数(25%)。
本文所选变量数据均来源于国泰安数据库,其中,股权特征条件变量数据中的股权结构类型根据国泰安数据库股东控制关系链图手动分类整理得到。变量定义与指标选取说明如表1所示。
表1 变量定义与指标选取
Table 1 Variable definitions and indicator selection
变量类型 变量名称 指标说明结果变量专利结构参照相关研究,以上市公司发明专利占实用新型专利、外观设计专利和发明专利总量的比例反映专利结构泡沫化程度,其占比越小,泡沫化程度越高核心条件变量机构持股机构持股比重越高,对上市公司经营和创新活动的话语权与干预度越高,选取机构持股比例作为衡量机构投资影响程度的指标和组态分析的核心条件变量治理机制股权特征参照国泰安数据库上市公司股东控制链对上市公司股权结构进行分类,根据控制权和现金流权分离率,从采用金字塔股权结构的上市公司样本中划分分离型金字塔股权结构和非分离型金字塔股权结构上市公司样本,计算两权分离度作为反映股权特征的重要条件变量两权分离度控制权/所有权高管激励强度高管第一名薪酬总额-高管平均薪酬产权特征在根据国有企业和民营企业区分产权性质的基础上,选取外资持股比例作为区别民营企业产权特征的附加指标,刻画民营上市公司开展创新活动的产权条件 信息机制分析师关注度交叉项构建分析师关注度指标,反映企业与资本市场的关联程度阶段性特征成长性主营业务收入增长率利润率总利润增长率Q值托宾Q值外部环境市场结构上市公司所在行业勒纳指数分组变量知识资本积累规模结合相关研究,分别以专利授权数量和研发强度作为衡量创新规模的指标
本文对各条件(前因条件和结果条件)进行必要性检验。 遵循QCA研究标准,检验所有单个条件(包括非集)是否构成影响上市公司专利质量的必要条件,并判别其对目标案例解释程度最大的条件组态。如果必要条件是导致结果发生的某个前因条件且一致性水平大于0.9,那么,该条件就是结果的必要条件(Ragin,2008)。所有条件变量一致性均小于0.9,说明不存在驱动企业专利质量的必要条件。
本文采用 fsQCA3.0 软件对行业分组样本进行组态识别,分别得到高新技术行业组和非高新技术行业组两组样本与高发明专利比例形成高度正向关联的环境组态。在以专利授权总量为标准衡量创新规模的情形下,高新技术行业和传统行业上市公司专利结构分布的条件组态分析结果如表2所示。总体来看,高比例发明专利创新模式对应差异化情境,表明机构投资通过不同环境组态与上市公司专利结构形成多重关联机制。
表2 分行业组态特征比较
Table 2 Comparison of configuration characteristics by industry
条件组态高新技术行业组第一组(大)组态1利润驱动型组态2市场势力驱动型组态3竞争×资本驱动型第二组(中)组态1市场势力×资本驱动型组态2市场势力×资本驱动型非高新技术行业组第三组(小)组态1竞争×资本驱动型组态2市场势力驱动型第四组(极小)组态1竞争驱动型市场结构 ●●●●机构持股 ●●●●成长性 ●●●●●●托宾Q ●●利润率 ●一致性 0.866 0.860 0.804 0.864 0.804 0.808 0.809 0.829 原始覆盖度 0.136 0.120 0.068 0.173 0.210 0.121 0.060 0.109 唯一覆盖度 0.092 0.062 0.039 0.046 0.084 0.104 0.043 0.109 总体解的一致性0.829 0.832 0.804 0.829 总体解的覆盖度0.252 0.256 0.164 0.109
注:大、中、小、极小指创新规模;●或●代表条件存在,⊗或⊗代表条件不存在,●或⊗代表核心条件, ●或⊗代表边缘条件,空白代表条件可能存在也可能不存在,下同
在考虑行业异质性的情境下,本文共识别出8条总体解一致性高于80%的路径。对比来看,高新技术行业组可识别的条件组态集中出现在创新规模较大的两个细分样本组,回归结果显示其多数条件组态一致性达到86%以上。而非高新技术行业组可识别的条件组态集中出现在创新规模较小的两个细分样本组。具体而言,在高新技术行业组可识别的5条路径中,高机构持股比例作为核心条件分布在3条路径中。在非高新技术行业可识别的3条路径中,低机构持股比例作为核心条件分布在2条路径中。可以推断,机构投资与高新技术行业、传统行业中不同创新规模上市公司专利行为存在差异化互动逻辑。机构投资与非高新技术行业创新规模相对较小的上市公司专利结构泡沫化程度存在显著正向关联。原因可能是,高机构持股比例有助于抑制高新技术行业上市公司出于研发操纵目的的无效投资行为,而非高新技术行业上市公司主营业务与专利行为关联性不大,或者其专利结构前因组态可能由不包含机构投资的其它条件变量构成。
进一步,结合可识别的条件组态中其它条件变量分布情况可以看到,解的一致性和覆盖度较高的前因构型大多同时包含上市公司成长性与机构持股比例两个条件变量,在全部可识别的8条路径中,高成长性作为核心条件分布在7条路径中。这表明,无论是高新技术行业还是非高新技术行业,无论创新规模大小,高成长性与企业专利结构普遍具有显著正向关联性。一个可能的解释是高成长性企业虽然创新规模大小不一,但可凭借“专精特新”特质、良好市场前景、商业模式创新等优势吸引机构投资支持其高质量研发行为。
以研发强度(研发投入占销售收入的比例)衡量创新规模情形下,上市公司创新模式组态分析结果如表3所示。从民营上市公司组态分析结果可以看出,研发强度区间为(3%,3.5%)的中等创新规模组,解的一致性和总体解一致性均在90%以上,可识别的2个条件组态对于专利结构具有较强的解释力。但是,研发强度低于3%的样本组未识别出与专利结构显著关联的条件组态。原因可能在于,对于机构投资者来说,民营上市公司研发操纵行为具有一定识别性,具有显著研发操纵特征的民营上市公司通常难以通过专利产出吸引机构增加持股比例,因此,专利结构与机构持股关联度不显著。而研发强度高于研发操纵门槛的民营上市公司,可以向机构传递有能力从事实质性高质量研发活动的信号。值得注意的是,研发强度高于3.5%的区间,包含机构投资解的一致性低于研发操纵门槛附近区间,可能是因为高研发强度同时向资本市场传递高投入和高风险信号,降低机构增加持股比例的潜在可能。同时,高研发强度企业实际从事高质量研发活动的内生动力更强或研发行为调整成本更高,因此,专利行为受资本市场的影响较小。
表3 不同产权性质组态特征比较
Table 3 Comparison of configuration characteristics of different property rights
条件组态高新技术行业民营企业组第一组(大)组态1利润×竞争驱动型组态2资本×竞争驱动型第二组(中)组态1利润驱动型组态2利润×资本驱动型高新技术行业国有企业组第一组(大)组态1市场势力×资本驱动型市场结构●●●机构持股●●●成长性●托宾Q●利润率●●●一致性0.827 0.839 0.905 0.886 0.921 原始覆盖度0.281 0.183 0.238 0.193 0.077 唯一覆盖度0.170 0.072 0.092 0.047 0.077 总体解的一致性0.819 0.920 0.921 总体解的覆盖度0.352 0.285 0.077
从表3可以看出,在国有上市公司专利结构前因构型中,可识别的条件组态主要分布在高于3.5%的研发强度区间组,且总体解一致性达到92.1%,而研发操纵区间上下两组样本,机构投资与专利结构关联性无显著差异,表明国有上市公司专利行为未显著受到高新技术企业认定政策的影响。在民营企业样本组,可识别的组态分布区间在研发强度略高于3%的研发操纵门槛附近,而国有企业样本组,这一区间为3.5%以上。综合产权异质性分析结果可以看出,在研发操纵情境下,机构投资与民营上市公司、国有上市公司专利结构产生显著正向关联性的研发强度区间具有显著差异。从产权异质性角度来看,这种差异可能部分缘于国有企业特殊的产权性质,其融资条件、风险承担能力优于民营上市公司,高新技术企业认定政策对于国有企业进行研发操纵可能产生的激励效应明显弱于民营上市公司。另外,相对于民营企业,从事高强度研发活动的国有企业具备更强的融资能力和风险承担能力,可以向资本市场传递从事高质量实质性研发活动的信号,因此,机构投资与专利结构产生显著正向关联的研发强度区间较高。
无论是从制造业整体情况还是从样本数据分布情况看,民营上市公司普遍采用金字塔股权结构,其中,采用分离型金字塔股权结构与非分离型金字塔结构的上市公司比例大致为55%和45%。不同股权特征情境下机构投资与专利结构关联机制组态分析结果如表4所示,总体来看,在金字塔结构下所有权与控制权分离程度存在差异情况下,专利结构前因构型存在显著差异,机构投资与专利结构存在多条差异化等效关联路径。
表4 不同股权结构组态特征比较
Table 4 Comparison of configuration characteristics of different equity structures
条件组态民营—分离型金字塔股权结构样本组低专利泡沫组态组态a1组态a2组态a3高专利泡沫组态组态b1组态b2组态b3民营—非分离型金字塔股权结构样本组低专利泡沫组态组态a1高专利泡沫组态组态b1组态b2两权分离度●●●机构持股比例●●●●●分析师关注度●●●●发明专利数量●●●行业勒纳指数●●●高管激励强度●一致性0.861 110.849 610.846 510.795 20 0.837 480.816 530.803 250.813 720.866 80原始覆盖度 0.224 770.214 77 0.071 330.292 520.151 650.123 990.228 270.151 460.187 04唯一覆盖度0.032 720.022 730.034 090.180 300.040 210.065 130.228 270.133 210.168 79总体解的一致性 0.848 78 0.802 92 0.803 250.850 90总体解的覆盖度0.281 590.410 040.228 270.320 25
从表4可以看出,在采用非分离型金字塔股权结构情景下,高机构持股比例作为核心条件分布在高专利泡沫组态中,而低机构持股比例作为核心条件分布在低专利泡沫组态中,表明在未发生两权分离情形下,机构投资与专利泡沫存在显著正向关联性。在采用分离型金字塔股权结构情景下,高持股比例和高两权分离度同时作为核心条件存在于低专利泡沫组态中,表明在两权分离较高情形下,机构投资与专利泡沫存在显著负向关联性,这一结果与未发生两权分离的情形恰好相反。原因可能在于,采用分离型金字塔股权的上市公司多为从事高质量研发活动的公司,可凭借集团化、规模化优势获取机构投资者支持,以便更好地从事高质量实质性研发活动。另外,两权分离程度较高时,终极控股股东决策不易受到其他股东干预,一般不会在机构投资者干预下基于短期投机性动机开展迎合资本市场的研发活动。
根据样本上市公司股权特征分布情况,本文按照是否外资持股、是否国有产权性质、是否采用金字塔股权结构,将样本数据进行初步分类。按照3个维度叠加标准进行分类得到样本数据分布结构如图1所示,无外资持股且采用金字塔股权结构的民营企业占比约为55%,样本规模相对较大。依据是否采用分离型金字塔股权结构对此部分样本作进一步拆分,最终样本数据主要分为以下4类:有外资持股的分离型金字塔股权结构民营上市公司、外资持股金字塔结构民营上市公司、无外资持股的非金字塔结构国有企业、有外资持股的非分离型金字塔股权结构民营上市公司。
图1 样本结构
Fig.1 Sample structure
本文根据比例较高的4类股权特征构建4个分组样本,在股权特征异质情景下对机构投资与专利结构关联机制进行组态分析,表5列示了综合考虑股东性质、产权性质和股权特征情形下的组态分析结果。
表5 不同产权与股权组态特征比较
Table 5 Comparison of configuration characteristics of different property rights and equity
条件组态外资持股—民营—分离型金字塔股权结构样本组低专利泡沫组态组态a1组态a2高专利泡沫组态组态b1组态b2无外资持股—国企—非金字塔股权结构样本组低专利泡沫组态组态a1组态a2高专利泡沫组态组态b1两权分离度●机构持股比例●●●●分析师关注度●●●外资持股比例●发明专利数量●●●●高管激励强度●●●勒纳指数●●●研发投入规模●●一致性 0.933 170.841 150.846 590.838 550.947 140.737 27 0.797 59原始覆盖度0.189 530.112 940.287 18 0.170 830.177 910.143 76 0.174 40唯一覆盖度 0.127 960.051 38 0.244 960.128 620.149 320.115 170.174 40总体解的一致性0.913 600.834 480.836 730.797 59总体解的覆盖度0.240 910.415 800.293 090.174 40
从表5可以看出,在外资持股情形下,采用分离型金字塔股权结构的民营上市公司样本组,高机构持股比例和低两权分离度同时作为核心条件分布在低专利泡沫组态,这与表4中不存在外资持股情形下两权分离度与专利结构正相关的组态特征相反。在无外资持股的非金字塔股权结构国企样本组,低机构持股比例作为核心条件分布在低专利泡沫组态,这与分离型金字塔股权结构民营上市公司样本组态特征相反,与表4中非分离金字塔股权结构的民营上市公司(无外资持股)样本组机构投资与专利结构组态特征类似。结合表4和表5分析结果可知,采用分离型金字塔股权结构的民营上市公司,无外资持股情形下高两权分离度与高机构持股比例同时作为核心条件分布在低专利泡沫组态,而存在外资持股情形下,低两权分离度与高机构持股比例同时作为核心条件分布在低专利泡沫组态。这表明,即使是采用相同股权结构的民营上市公司,股东性质与股权结构不同组合也会构成差异化等效路径。
综合对比来看,在股东性质、产权性质与股权结构特征组合不同情形下,机构投资与专利结构关联机制存在显著差异,即在不同情形下两者互动可以经由多重差异化等效路径实现。具体来说,在无外资持股和未发生两权分离情形下,民营上市公司组态分析结果倾向于支持机构投资与专利泡沫化程度正向关联机制;两权分离民营上市公司样本组与国企样本组组态分析结果倾向于支持机构持股与专利泡沫化程度负向关联机制。
可以看出,在股权结构特征基础上进一步考虑股东性质和产权性质组合情形下,得到的等效因果链构成也随之发生改变。这表明,机构投资与专利结构关联机制不存在普遍意义的正向或负向关联特征,而是通过多重差异化非线性等效因果链产生互动关联,因此,需要在特定情境下进行识别和论证。值得注意的是,发明专利数量作为核心条件广泛存在于各类情境下的低专利泡沫组态中,即机构投资与专利结构间正向关联机制通常包含高发明专利数量这一条件变量。因而,创新规模可作为一个重要参考标的,即创新规模较大时,机构投资与专利泡沫化程度负相关概率较高。
考虑到以研发投入占销售收入比例表征创新规模存在一定的研发操纵风险,本文以研发补贴强度表征创新规模进行稳健性检验。政府具有一定的信息识别和筛选能力,因此,以研发补贴强度作为创新规模的代理变量,能够有效减少专利数量操纵和研发强度操纵等因素的干扰。
表6列示了以研发补贴强度(研发补贴占销售收入的比例)表征创新规模的上市公司创新模式组态分析结果,高新技术行业上市公司研发补贴强度较高样本组解的一致性较高,且机构投资基本覆盖全部路径,表明机构投资在创新规模较大情况下与专利结构的关联性较为显著,而在创新规模较小情况下与发明专利形成显著负向关联,可能加剧专利结构泡沫。这一结论与以上研究结论具有较高一致性,表明本文研究结论比较可靠。
表6 不同研发补贴强度组态特征比较
Table 6 Comparison of configuration characteristics of different R&D subsidy intensity
条件组态第一组(大)组态1资本×竞争驱动型第二组(中)组态2利润×竞争驱动型组态3资本×竞争驱动型组态4资本×竞争驱动型组态5资本驱动型第三组(小)组态6利润×竞争驱动型市场结构机构持股●●●●成长性●托宾Q●●利润率●●●●一致性0.8000.910 0.849 0.856 0.897 0.809原始覆盖度0.1600.237 0.234 0.160 0.146 0.183唯一覆盖度0.1600.080 0.040 0.040 0.030 0.183总体解的一致性0.8000.825 0.809总体解的覆盖度0.1600.3850.183
综上所述,本文得出主要结论如下:
(1)市场环境、创新规模、股权特征异质性等因素多重并发,形成中国企业专利行为多样化组态,机构投资对专利质量的影响机制存在多条差异化等效路径。当条件变量组合发生变化时,等效因果链构成也随之改变。因此,机构投资与专利结构通过多重差异化非线性等效因果链产生互动关联,其关联机制不存在普遍意义上的正向或负向特征。
(2)在高新技术行业,发明专利数量作为核心条件广泛存在于各类情境下的低专利泡沫组态中。创新规模可作为一个重要标的,即创新规模较大时,机构投资与专利泡沫化程度负相关概率较高。
在实践层面,本研究可为进一步打通资本市场与科技创新双循环提供政策参考。
(1)在高新技术行业上市公司,创新规模几乎覆盖各类情境下的所有条件组态,是影响机构投资与专利行为良性互动的重要因素。在创新规模较大情形下,机构投资与其它因素形成互补组合,促进专利科技含量提升。因此,创新规模可作为相关政策制定、财税激励扶持的重要参考指标。并且,在重大科技攻关领域,应合理配置资源,打造良好的创新生态环境,充分发挥创新规模经济效应和创新资源集聚效应。
(2)与高新技术行业上市公司大规模创新活动相比,小规模科创活动尚未与机构投资形成显著良性互动,未来需要进一步完善大、中、小型科创企业协作机制和共生网络。例如,以重大项目工程为依托,通过政策性引导激励科创龙头与小规模科创企业协同研发,通过培育、选拔机制打造具有潜力的“专精特新”中小企业,扩大企业优质资产种类和规模。基于创新主体创新竞争差异制定针对性金融支持计划,在涉及重大科技攻关领域,充分调动和依托处于优势领先地位的科技巨头,形成规模经济效应和创新资源集聚效应。
(3)优化创新集群网络治理结构,整合创新生态系统中各类主体和资源,协调创新者与其它市场竞争主体的分工协作、共生机制。优化科技领域市场环境,加强恶性竞争行为治理,加大反垄断力度,避免创新资源两极分化和研发资本低效配置。合理利用科技创新与金融资本的固有矛盾,引导两者协同演化发展,不能单纯依靠资本市场的自发调节。灵活运用长期类产业基金,鼓励优质机构投资者增加科创型企业持股比例,强调资本市场的长期价值投资导向,确保资本市场服务于研发资本集聚和优化配置。根据企业在创新竞争格局中的不同层次和差异化禀赋以及创新周期阶段,制定针对性金融支持政策,加快构建孕育和催生突破式技术创新的多层次资本市场体系,打造覆盖技术创新周期的全方位精准扶持机制。建立适应科技创新各周期特征的差异化、弹性化信息披露制度和相关人员业绩考核体系,严厉打击“科技伪装”,规范投资行为,减少投机性抱团炒作的发生,使资本市场主体真正践行价值投资导向。
本文在创新生态系统理论框架下剖析机构投资与专利结构复杂关联机制的深层逻辑,未局限于相关研究普遍采用的变量间单向、线性确定性因果关系假设,拓宽了理论层面探索技术创新行为与机构投资互动规律的视角,为基于生态系统理论和多系统协同演化理论进一步探索科技创新与资本市场良性循环机理构建了一个一般性理论框架。
[1] 徐玉德,陈旭.警惕资本无序流动 强化资本市场科技创新支持[J].财会月刊,2021,42(11):22-26.
[2] 谭小芬,钱佳琪.资本市场压力与企业策略性专利行为:卖空机制的视角[J].中国工业经济,2020,38(5):156-173.
[3] 李仲泽.机构持股能否提升企业创新质量[J].山西财经大学学报,2020,42(11):85-98.
[4] 蒋艳辉,唐家财,姚靠华.机构投资者异质性与上市公司R&D投入——来自A股市场高新技术企业的经验研究[J].经济经纬,2014,31(4):86-91.
[5] DAIVD K P. Institutional investors and firm innovation:a test of competing hypotheses[J]. Strategic Management Journal,1996,17(1):73-84.
[6] PORTER M E．Capital disadvantage:America's failing capital investment system[J]．Harvard Business Review,1992,70(5):65-82．
[7] 温军,冯根福.异质机构、企业性质与自主创新[J].经济研究,2012,47(3):53-64.
[8] AGHION P,REENEN J V,ZINGALES L. Innovation and institutional ownership[J]. The American Economic Review,2013,103(1):277-304.
[9] 李涛,陈晴.异质机构投资者、企业性质与科技创新[J].工业技术经济,2020,39(3):30-39.
[10] 齐结斌,安同良.机构投资者持股与企业研发投入——基于非线性与异质性的考量[J].中国经济问题,2014,56(3):27-39.
[11] 杨筝,李茫茫,刘放.产融结合与实体企业技术创新:促进还是抑制——基于金融机构持股实体企业的实证研究[J].宏观经济研究,2019,41(10):62-77.
[12] LUONG H,MOSHIRIAN F,NGUYEN L,et al. How do foreign institutional investors enhance firm innovation[J]. Journal of Financial and Quantitative Analysis,2017,52(4):1449-1490.
[13] HANSEN G S,HILL C W L. Are institutional investors myopic? a time-series study of four technology-driven industries[J]．Strategic Management Journal,1991,12(1):1-16．
[14] 戴亦舒,叶丽莎,董小英.创新生态系统的价值共创机制——基于腾讯众创空间的案例研究[J].研究与发展管理,2018,30(4):24-36.
[15] 王丽芳. 公司治理对企业技术创新的作用机理及实证研究[D].上海:东华大学,2014.
[16] 张运生.高科技产业创新生态系统耦合战略研究[J].中国软科学,2009,24(1):134-143.
[17] CARVALHAL A,ALMEIDA C． Do pension funds improve the governance of investee companies? evidence from the Brazilian market[J]．Corporate Governance in Emerging Markets,2014,46(4): 922-927．
[18] CHEN X,JARRADAND H,LI K． Monitoring: which institutions matter[J]． Journal of Financial Economics,2007,86(2):279-305．
[19] 杜伟锦,王桂,李靖.跨国公司与本土企业合作的路径——基于定性比较分析的解释[J].生产力研究,2017,32(11):128-131.
[20] 牛建波,吴超,李胜楠.机构投资者类型、股权特征和自愿性信息披露[J].管理评论,2013,25(3):48-59.
[21] BLACK B S． Agents watching agents: the promise of institutional investor voice[J]． UCLA Law Review,1992,39(4):811-893．
[22] FILLIP AGNEESSENSB,JOHN SKVORETZC.Node centrality in weighted networks: generalizing degree and shortest paths[J]. Social Networks,2010,32(3):245-251.
[23] 简兆权,刘念,黄如意.动态能力、企业规模与双元创新关系研究——基于fsQCA方法的实证分析[J].科技进步与对策,2020,37(19):77-86.
[24] FREENAN C.Networks of innovators: a synthesis of research issues[J].Research Policy,1991,20(5):499-514.
[25] SHONA L BROWN, KATHLEEN M EISENHARDT. Product development: past research,present findings and future directions[J].Academy of Management Review,1995,20(2):343-378.
[26] VALERIA ARZA,ANDRES LOPEZ. Firms' linkages with public research organisations in Argentina: drivers,perceptions and behaviours[J]. Technovation,2011,31(8):348-400.