开放科学(资源服务)标识码(OSID)：
The pilot work of promoting the integration of science and technology and finance aims to break through the financing constraints, promote enterprise innovation and the transformation of scientific and technological achievements, and boost the development of strategic emerging industries by integrating the diversified resources of science and technology and finance, including venture capital, multi-level capital markets, bank credit, etc. In order to encourage enterprises in strategic emerging industries to carry out R&D and innovation, the Chinese government has formulated a variety of industrial policies and issued public R&D and innovation policies including R&D subsidies and tax incentives. Thus the existing literature has carried out extensive empirical research on whether the innovation incentive policies can effectively stimulate the innovation of enterprises. Some research holds that these policies have a significant incentive effect on enterprise R&D and can significantly leverage enterprises to invest in R&D; others argue that due to the information asymmetry between the government and enterprises, policy risks may be triggered, leading to strategic innovation and even R&D manipulation by enterprises to defraud R&D subsidies or tax incentives, thus significantly reducing R&D performance. Furthermore, there is still a lack of research on whether technology finance policies will stimulate research and development manipulation by listed companies in strategic emerging industries.
With the aid of the quasi-natural experiment of the pilot policy of combining science and technology with finance, this paper constructs a multi-point difference model using data from strategic emerging industry enterprises from 2008 to 2019, and empirically analyzes the impact and internal mechanism of science and technology and finance policies on the R&D performance of listed companies in the strategic emerging industries from the perspective of R&D manipulation. It is found that the science and technology financial policy significantly suppressed the R&D manipulation behavior of listed companies in strategic emerging industries, thus significantly improving their R&D performance. The results of a series of robustness tests, such as the parallel trend test and placebo test, show that the research results are highly robust. The results of heterogeneity analysis show that the inhibition of S&T financial policies on R&D manipulation is more significant in state-owned enterprises, enterprises in the eastern region and enterprises with long listing years.
With regard to the contributions of this study, the following two points are summarized. First, from the perspective of R&D manipulation of listed companies in strategic emerging industries, the implementation effect and mechanism of the pilot policy of science and technology finance are evaluated for the first time, and the specific mechanism of the research on the policy effect of science and technology finance policy is deepened and expanded from the perspective of financing constraints and tax incentives. Second, this paper examines the differential impact of the pilot policy of science and technology finance on the R&D manipulation of listed companies in strategic emerging industries with different property rights, regional economic differences and listing years, thus revealing the boundary conditions of the implementation effect of the pilot policy of science and technology finance, helping to improve the implementation of the pilot policy of science and technology finance, and providing empirical evidence for the further promotion of the pilot policy of science and technology finance across the country.
开放科学(资源服务)标识码(OSID)：
创新是经济高质量发展的内在驱动力,是进入新发展阶段的必然要求。战略性新兴产业对经济高质量发展具有引擎作用,对其它产业发展质量、结构、规模、速度和效益等具有长期、全局性和决定性影响,在构建新发展格局中具有基础性作用。因此,激励战略性新兴产业上市公司进行研发创新意义重大。由于研发创新活动具有不确定性高和研发周期长等特点,融资难、融资贵等问题成为科技型企业特别是中小企业开展技术创新的主要制约因素。从事创新活动短期内无法获得丰厚的经济收益,而且存在失败风险,使得战略性新兴产业企业不愿加大研发投入,同时金融机构也缺乏足够动力支持这类企业进行研发创新,导致最优研发投入严重低于社会最优规模。
促进科技和金融结合试点政策旨在通过融合科技与金融的多元化资源,包括创业投资、多层次资本市场、银行信贷等,缓解融资约束,促进企业创新和科技成果转化,助推战略性新兴产业创新发展。为突破企业融资约束,解决长期以来我国金融支持企业创新不足的问题,2011年科技部、中国人民银行、中国银监会、中国证监会和中国保监会联合实施促进科技和金融结合试点政策(以下简称科技金融政策),确定北京、上海、广东、江苏等16个地区为首批试点地区,涉及43个城市,累计出台350项政策。为充分发挥科技金融政策对研发创新的引领作用,2016年又选择郑州、厦门等9个城市开展第二批试点,为在全国范围内推行科技金融政策提供复制推广经验。
为鼓励战略性新兴产业企业进行研发创新,我国政府先后制定多项产业政策,采取研发补贴、税收优惠等公共研发创新举措。因此,现有文献围绕创新激励政策是否达到了有效激励企业创新的目的进行实证研究,主要形成两种观点:一种观点认为这些政策对企业研发具有显著的激励效果,能够撬动企业进行研发投资[1-4];另一种观点认为由于政府与企业之间存在信息不对称,可能引发政策风险,致使企业选择进行策略性创新乃至研发操纵,以骗取研发补贴或税收优惠,最终降低研发绩效[5-6]。研发操纵是指企业为达到某种目的,利用会计手段调整研发费用支出的行为,其主要动机包括税收优惠和高新技术企业资格认定等。
本文选择战略性新兴产业上市公司作为研究对象,主要基于以下考虑:第一,战略性新兴产业研发创新活动具有显著的正外部性,2010年我国开始出台战略性新兴产业政策,为战略性新兴产业研发创新提供税收与补贴支持,这可能在客观上激励企业进行研发操纵;第二,由于研发操纵必须借助企业研发投入标准才能识别,而无法在产业层进行有效观测,因而选择战略性新兴产业上市公司作为研究对象。鉴于战略性新兴产业在国家创新战略中的重要地位,本文以我国促进科技和金融结合试点政策为准自然实验,以高新技术企业门槛作为研发操纵的识别标准,从研发操纵视角分析科技金融政策对战略性新兴产业上市公司研发绩效的激励作用及内在机制。
虽然现有文献从研发创新和研发人才集聚等方面直接评估了科技金融政策的实施效果,而且研究结论基本支持科技金融政策具有积极效果,但是科技金融政策是否诱使战略性新兴产业上市公司进行研发操纵的相关研究依然非常缺乏。因此,关于科技金融政策如何影响战略性新兴产业上市公司研发操纵进而对研发绩效产生影响,仍是一个有待实证检验的问题。本研究可能的贡献在于:第一,首次从战略性新兴产业上市公司研发操纵视角,评估科技金融政策的实施效果及其作用机制,并从融资约束和税收优惠角度深化拓展科技金融政策效果研究的具体机理。第二,基于产权性质、地区差异和企业上市年限考察科技金融政策对战略性新兴产业上市公司研发操纵的异质性影响,从而揭示影响科技金融政策实施效果的边界条件,有助于提高科技金融政策实施的精准性,为科技金融政策进一步在全国范围内推广提供经验证据。
结合研究内容,本文主要从战略性新兴产业、科技金融政策和研发操纵3个方面对相关文献进行梳理。
(1)科技金融政策。科技金融政策是一种促进科技开发与成果转化的金融工具、金融制度、金融政策等创新性安排[7],通过有效促进科技与金融结合,达到激励企业创新的目的。目前关于科技金融政策的研究主要聚焦政策实施效果评估,学者们从实体经济高质量发展、人力资本集聚、创新绩效以及产业结构升级等方面研究科技金融政策的实施效果[8-11]。如马凌远和李晓敏[12]使用PSM-DID方法分析科技金融政策对地区创新的影响,验证了科技金融政策的积极效应;胡欢欢和刘传明[13]研究发现,科技金融政策能够显著促进试点城市产业结构转型升级,而且政策实施效果呈现出随时间递增的趋势;顾江寒和柴华奇[14]以促进科技和金融结合试点政策为准自然实验,考察试点政策对城市绿色创新的影响,发现科技金融政策能够显著促进绿色创新发展,同时有助于提高全要素生产率;谢文栋[8]运用多期DID模型研究科技金融政策对科技人才集聚的影响,发现科技金融政策通过政府干预效应、结构升级效应和创新驱动效应提高科技人才集聚水平。综上所述,现有文献证实了科技金融政策具有显著的创新激励效应和结构转型效应,但对于科技金融政策如何影响企业研发操纵行为进而作用于研发绩效尚需进一步探究。
(2)研发操纵。相关文献主要集中在研发操纵动机、经济后果以及治理等方面。在研发操纵动机方面,黎文靖和郑曼妮[5]、杨国超等[6]认为获取税收优惠和财政补贴是企业进行研发操纵的主要动机;万源星和许永斌[15]认为企业为获取更多政府资源或者优惠政策,可能利用研发操纵手段进行伪装;谢德仁等[16]、朱红军等[17]将研发操纵视作企业为实现盈利目标或者薪酬业绩而进行的一种真实盈余管理。在研发操纵后果方面,黎文靖和郑曼妮[5]、杨国超等[6]研究发现,研发操纵作为一种投机行为,并不能从实质性上提高企业真实研发水平和创新能力,最终反而带来更低质量的研发绩效。在研发操纵行为治理方面,杨国超和张李娜[18]、尹钧惠等[19]研究发现,技术独立董事、私募股权投资、海量媒体报道和董事会断裂带对研发操纵具有显著抑制作用。
(3)战略性新兴产业。鉴于战略性新兴产业在我国经济社会发展中的重要地位,2010年《国务院关于加快培育和发展战略性新兴产业的决定》明确提出,加大对战略性新兴产业发展与创新的资金支持力度。这引起了大量文献关注政府支持如何影响战略性新兴产业创新发展。如刘元雏和华桂宏[20]研究发现,政府补贴与战略性新兴产业企业策略性创新产出存在显著正相关关系,但与高质量创新产出不存在显著相关关系;颜晓畅和黄桂田[21]研究表明,政府补贴能够显著提高战略性新兴产业上市公司经济绩效,但对其创新绩效的影响不显著;伍健等(2018)基于信号传递视角指出,政府补贴有助于企业获取更多资源,从而提高战略性新兴产业企业创新产出;李香菊和杨欢[22]研究发现,税收优惠政策对战略性新兴产业上市公司研发投入和专利产出均具有积极作用,税收政策能够激励企业进行自主创新。可以看出,研究政府补贴和税收政策对战略性新兴产业创新影响的文献已较为丰富,但鲜有研究从研发操纵视角考察战略性新兴产业政策的实施效果。
总之,研发操纵是公共研发政策下诱发的一种企业特有行为,政策收益越大,研发操纵动机越强,并且企业研发操纵行为将直接影响研发绩效,企业研发操纵越严重,研发绩效越差。战略性新兴产业无论在政策力度还是发展重要性上都更加突出,因而进行研发操纵获取的政策收益更大,这可能在客观上导致企业有更大动机进行研发操纵。科技金融政策一方面能够改变战略性新兴产业上市公司研发创新的外部融资环境,从而抑制企业研发操纵行为;另一方面,通过政策扶持提高战略性新兴产业上市公司利用研发操纵获得的政策收益,客观上激发更严重的研发操纵行为,进而对企业研发绩效产生影响。因此,科技金融政策究竟如何影响战略性新兴产业上市公司的研发操纵行为和研发绩效,将是本文重点关注的内容。
由于企业研发创新具有正外部性、长周期和高风险特征,使得战略性新兴产业上市公司难以获得足够的外部资金支持,导致其研发投入低于社会最优水平。为弥补企业研发创新投入的不足,政府提供税收和补贴等产业政策支持[23-24]。关于科技金融政策对战略性新兴产业上市公司研发操纵的影响,本文提出以下两种相反观点:一是促进观。战略性新兴产业上市公司是否进行研发操纵取决于其能够获得收益的大小[6,13]。科技金融政策鼓励试点地区出台相应配套制度和设立专项资金,通过一系列优惠举措改善当地企业的创新环境和创新基础条件,但是要想得到这些优惠政策或者创新资金支持,需要达到特定研发标准,这可能导致试点地区企业为获取政府资源和可观的经济利益,产生更强的研发操纵动机。如杨国超等[6]研究发现,高新技术企业的门槛标准是企业进行研发操纵的主要动机。二是抑制观。获得外部资金支持或者融资机会是企业进行研发操纵的主要动机之一。宋岩和刘悦婷[25]发现,当股权激励在某个门槛区间时,融资约束将诱发企业研发操纵行为。科技金融政策的实施有助于地区为科技型中小企业提供优质的科技金融服务,引导金融资本参与企业研发创新活动,缓解融资约束,增加企业获得外部融资的机会,提高企业研发创新的积极性,增加科技项目的真实研发投入,进而抑制企业研发操纵行为。基于上述分析,本文提出如下对立的研究假设:
H1a:科技金融政策能够显著诱发战略性新兴产业上市公司的研发操纵行为;
H1b:科技金融政策能够显著抑制战略性新兴产业上市公司的研发操纵行为。
现有文献表明,研发操纵一方面会诱发更严重的信息不对称,导致企业研发创新活动更难以被有效监督观测,不利于企业研发绩效提高。同时,研发操纵的不对称性还会降低公共研发政策对企业创新的激励效果。如杨国超等[6]研究发现,研发操纵会显著削弱高新技术企业税收优惠对企业创新的激励作用;万源星等(2020)研究发现,研发操纵会显著削弱研发加计扣除政策对民营企业自主创新的激励作用。根据以上分析,科技金融政策对研发绩效的影响取决于其对研发操纵的影响,即研发操纵在科技金融政策对企业研发绩效的影响中具有中介效应。因此,本文提出如下对立的研究假设:
H2a:科技金融政策通过抑制企业研发操纵行为,显著提高战略性新兴产业上市公司研发绩效;
H2b:科技金融政策通过诱发企业研发操纵行为,显著抑制战略性新兴产业上市公司研发绩效。
为检验科技金融政策与研发操纵之间的关系,借鉴Roychowdhury[26]、杨国超和张李娜[18]的研究,本文构建如下模型:
(1)
式中,被解释变量Rdm表示研发操纵,解释变量Treat表示科技金融政策虚拟变量,
表示控制变量集合。
进一步地,为检验科技金融政策、研发操纵与企业研发绩效之间的关系,本文参考杨国超等[6]、Mukherjee等[27]的研究,检验研发操纵企业的研发投入与企业未来一年、两年发明专利数量之间的关系,构建如下模型:
(2)
式中,被解释变量Lnpatent表示研发绩效,使用企业未来一年、两年的发明专利数量度量创新产出,以发明专利申请量加1取自然对数计算;解释变量Rd表示研发投入,以研发投入与营业收入之比计算。其余变量含义同式(1)。
(1)被解释变量:研发操纵(Rdm)与研发绩效(Lnpatent)。根据《高新技术企业认定管理办法》,以高新技术企业门槛作为研发操纵的识别标准,本文设定两个研发操纵虚拟变量,即以战略性新兴产业上市公司研发门槛为标准,将上下1%的标准设为研发操纵。具体地,当销售收入低于2亿元时,公司研发收入占销售收入之比在[4.0%, 5.0%]之间,Rdm取值为1,否则为0;当销售收入大于等于2亿元时,公司研发收入占销售收入之比在[3.0%, 4.0%]之间,Rdm取值为1,否则为0。此外,本文使用专利申请数量衡量研发绩效。
(2)解释变量:科技金融政策虚拟变量(Treat)与研发投入强度(Rd)。若企业所在城市当年实施了科技金融政策,则当年及以后年份取值为1,否则为0。同时,研发投入强度以研发投入与营业收入之比表征,本文定义研发投入强度恰好高于门槛为研发操纵企业。
(3)控制变量。参考杨国超和张李娜[18]的研究,本文控制如下可能影响战略性新兴产业上市公司研发操纵和研发绩效的因素:公司规模、资产负债率、总资产净利润率、净资产收益率、总资产周转率、现金流比率、是否为两职合一(虚拟变量)、托宾Q值、是否为国有企业(虚拟变量)、上市年限、第一大股东持股比例、股权制衡度、机构投资者持股比例、大股东资金占用、是否由四大会计师事务所审计(虚拟变量),具体变量定义见表1。
表1 变量定义
Table 1 Variable definitions
变量类型变量符号及名称变量定义被解释变量Rdm,研发操纵详见正文Lnpatent,专利数量详见正文解释变量Treat,科技金融政策详见正文Rd,研发投入强度研发投入/营业收入控制变量Size,公司规模年总资产的自然对数Lev,资产负债率年末总负债除以年末总资产ROA,总资产净利润率净利润/总资产平均余额ROE,净资产收益率净利润/股东权益平均余额ATO,总资产周转率营业收入/平均资产总额Cashflow,现金流比率经营活动产生的现金流量净额除以总资产Dual,两职合一董事长与总经理是同一个人为1,否则为0TobinQ,托宾Q值(流通股市值+非流通股股份数×每股净资产+负债账面值)/总资产SOE,是否为国有企业国有控股企业取值为1,否则为0ListAge,上市年限ln(当年年份-上市年份+1)Top1,第一大股东持股比例第一大股东持股数量/总股数Balance,股权制衡度第二到五位大股东持股比例之和除以第一大股东持股比例INST,机构投资者持股比例机构投资者持股总数除以流通股本Occupy,大股东资金占用其他应收款除以总资产Big4,是否为四大公司经由四大(普华永道、德勤、毕马威、安永)审计为1,否则为0
科技部等五部委先后在2011年和2016年确定两批促进科技和金融结合试点城市,本文以试点城市实施科技金融政策为准自然实验。本文以2008—2019年我国战略性新兴产业上市公司为样本,起始年份设为2008年是因为我国从2008年才开始规范披露上市公司R&D数据,以2019年为截止时间是因为2020年新冠疫情冲击对战略性新兴产业上市公司研发创新产生了系统性影响。战略性新兴产业上市公司的选取主要根据国家统计局《战略性新兴产业分类(2018)》中的产业分类手工匹配对应A股上市公司。本文对原始样本进行如下处理:①剔除金融类企业样本;②剔除财务数据不全的样本;③剔除产权性质无法识别的样本。最终得到948家企业样本的9 611个样本观测值。为避免异常值对回归结果造成影响,在回归前对所有连续变量进行Winsorize截尾处理。数据来源于CSMAR数据库。
表2报告了主要变量的描述性统计结果。可以发现,研发操纵(Rdm)均值为0.231 4,表明有23.14%的样本超过1%的门槛条件,被界定为研发操纵企业。科技金融政策(Treat)的均值为0.502 5,表明大约有50.25%的样本受到试点政策影响。控制变量的描述性统计结果与现有文献基本一致,说明本文样本选取具有代表性。
表2 变量描述性统计结果
Table 2 Descriptive statistical results of main variables
VariableNMeanStdMinQ25Q50Q75MaxRdm9 6110.231 40.421 70.000 00.000 00.000 00.000 01.000 0Treat9 6110.502 50.500 00.000 00.000 01.000 01.000 01.000 0Size9 61121.677 61.069 719.781 220.878 821.545 122.276 425.018 7Lev9 6110.362 40.192 90.046 70.203 70.346 60.504 80.831 4ROA9 6110.054 00.055 7-0.202 70.021 70.050 10.083 90.215 9ATO9 6110.081 80.094 6-0.469 90.038 20.080 10.127 20.336 6Cashflow9 6110.658 20.369 00.134 20.411 90.577 20.804 52.208 2Dual9 6110.041 20.064 6-0.138 30.004 10.039 70.078 90.225 2TobinQ9 6110.301 30.458 80.000 00.000 00.000 01.000 01.000 0SOE9 6112.268 51.280 10.939 41.419 41.862 12.649 37.749 4ListAge9 6111.692 90.884 60.000 01.098 61.791 82.397 93.218 9Top19 6110.343 60.140 50.090 00.232 00.327 30.439 10.706 4Balance9 6110.746 90.618 50.023 30.268 40.579 91.047 02.909 9INST9 6110.334 10.234 40.000 00.118 40.319 90.518 90.841 3Occupy9 6110.012 00.016 60.000 20.003 00.007 00.014 40.150 5Big49 6110.035 10.184 20.000 00.000 00.000 00.000 01.000 0
表3列示了科技金融政策对战略性新兴产业上市公司研发操纵影响的回归结果,其中列(1)为基准回归结果,列(2)控制了公司和年度效应,列(3)控制了年度、城市和行业效应。结果显示,科技金融政策(Treat)的系数分别为-0.049 5、-0.043 1、-0.050 3,分别在1%、5%和1%的统计水平上显著为负,表明科技金融政策会显著抑制战略性新兴产业上市公司的研发操纵行为。实验组(实施科技金融政策地区的企业)中研发操纵的系数比对照组(未实施科技金融政策地区的企业)分别低4.95%、4.31%、5.03%,说明实施科技金融政策地区的企业更加专注于研发创新。因此,H1b得到验证。控制变量中,公司规模(Size)、总资产周转率(ATO)、托宾Q值(TobinQ)、上市年限(ListAge)能够显著抑制企业研发操纵行为,其它控制变量的影响不显著。
表3 科技金融政策与研发操纵
Table 3 Science and technology financial policy and R&D manipulation
变量(1)(2)(3)因变量:研发操纵Treat-0.049 5***-0.043 1**-0.050 3***(-2.613 9)(-2.293 1)(-2.678 9)Size-0.045 4***-0.032 6***(-3.608 5)(-5.064 4)Lev-0.067 80.081 9**(-1.430 3)(2.466 2)ROA0.702 4***0.075 6(2.974 3)(0.366 9)ROE-0.164 10.116 0(-1.380 7)(1.079 0)ATO-0.049 8**0.029 0**(-2.083 2)(2.225 2)Cashflow0.159 6**0.080 7(2.008 7)(1.122 9)Dual0.001 1-0.013 9(0.078 0)(-1.394 3)TobinQ-0.011 8**-0.029 8***(-2.346 8)(-7.118 0)SOE0.054 30.034 6***(1.436 2)(2.666 0)ListAge-0.087 2***-0.036 1***(-5.348 3)(-4.534 2)Top10.098 3-0.004 1(0.923 1)(-0.082 5)Balance0.030 6-0.023 5**(1.512 7)(-2.161 5)INST-0.028 90.008 4(-1.066 9)(0.368 8)Occupy0.152 7-0.007 0(0.446 6)(-0.025 1)Big4-0.002 20.040 5(-0.044 5)(1.613 6)Constant0.255 7***1.374 7***1.036 3***(25.250 5)(5.154 0)(7.718 9)N9 5289 5289 611R20.412 00.422 80.149 1FirmYESYESNOYearYESYESYESCityNONOYESIndustryNONOYES
注:**、***分别表示5%和1%的显著性水平,括号内为经过城市Cluster后的稳健性标准误
表4报告了科技金融政策对战略性新兴产业上市公司研发绩效影响的回归结果,其中列(1)(3)控制了公司和年度效应,列(2)(4)控制了年度、城市和行业效应。结果显示,当因变量为未来一期的专利数量时,科技金融政策与研发投入交互项(Treat×Rd)的系数为0.065 7和0.112 2,均在1%的统计水平上显著为正;当因变量为未来两期专利数量时,科技金融政策与研发投入交互项(Treat×Rd)的系数为0.030 4和0.133 9,分别在10%和1%的统计水平上显著为正。这表明科技金融政策能够通过抑制研发操纵显著提高战略性新兴产业上市公司研发绩效。比较列(2)与列(4)可知,科技金融政策的实施使得单位研发投入的专利产出平均提高10个百分点以上。因此,H2a得到验证。控制变量中,资产负债率(Lev)能够显著促进企业研发绩效提高,第一大股东持股比例(Top1)、股权制衡度(Balance)会显著抑制企业研发绩效提高,其它控制变量的影响均为不确定或不显著。
表4 科技金融政策与研发绩效
Table 4 Science and technology financial policy and R&D performance
变量(1)(2)因变量:未来一期专利(3)(4)因变量:未来两期专利Treat×Rd0.065 7***0.112 2***0.030 4*0.133 9***(2.753 9)(3.439 9)(1. 814 2)(3.617 6)Treat-1.156 9***-1.922 9***-0.497 9-2.281 9***(-2.686 8)(-3.292 6)(-1.083 9)(-3.482 4)Rd0.098 4***0.311 4***0.066 1***0.290 4***(4.697 8)(11.852 8)(3.179 7)(9.876 5)Size-0.070 4*0.018 2-0.114 7**0.053 7(-1.672 9)(0.499 6)(-2.384 2)(1.327 2)Lev0.027 10.282 1**0.267 4*0.337 3**(0.196 0)(2.338 4)(1.704 9)(2.112 7)ROA-0.229 6-1.493 2*2.407 4***0.775 0(-0.321 9)(-1.844 7)(2.766 3)(0.682 7)ROE0.216 31.336 9***-0.292 10.761 2(0.592 9)(2.948 7)(-0.644 1)(1.200 7)ATO0.029 2-0.130 3**0.051 8-0.095 8(0.375 7)(-2.419 9)(0.591 1)(-1.421 6)Cashflow-0.142 90.247 0-0.396 7*0.339 9(-0.682 3)(0.935 9)(-1.669 3)(1.023 8)Dual-0.001 4-0.030 70.023 3-0.006 9(-0.035 5)(-0.914 6)(0.535 2)(-0.161 3)TobinQ-0.015 80.001 90.008 7-0.001 9(-1.149 3)(0.123 0)(0.549 4)(-0.091 0)SOE-0.082 60.1607***-0.024 00.243 5***(-0.807 7)(3.311 3)(-0.197 0)(4.021 8)ListAge0.111 4**-0.231 2***0.060 6-0.243 9***(2.538 6)(-8.360 7)(1.234 7)(-6.968 3)Top1-0.406 9-0.342 9*-0.478 4-0.414 6*(-1.405 9)(-1.928 2)(-1.382 3)(-1.844 2)Balance-0.135 4**-0.070 9*-0.139 6**-0.062 1(-2.420 6)(-1.879 1)(-2.122 4)(-1.239 8)INST-0.006 00.118 00.080 00.249 2**(-0.083 6)(1.508 6)(1.006 0)(2.513 7)Occupy-0.653 1-0.515 50.488 8-0.988 2(-0.707 2)(-0.480 6)(0.480 0)(-0.742 8)Big40.152 70.425 1***-0.022 30.454 9***(1.446 7)(3.940 6)(-0.197 6)(3.440 6)Constant1.962 4**-3.436 2***3.332 0***-3.872 9***(2.237 8)(-5.271 8)(3.228 7)(-5.044 0)N8 9899 0727 2476 073R20.731 50.266 80.760 20.280 0FirmYESNOYESNOYearYESYESYESYESCityNOYESNOYESIndustryNOYESNOYES
注:*、**、***分别表示10%,5%和1%的显著性水平,括号内为经过城市Cluster后的稳健性标准误,下同
进一步考察研发操纵在科技金融政策与研发绩效之间的中介效应,结果见表5。结果显示,研发操纵对企业未来专利具有显著负向影响。与表4相比,纳入研发操纵后,科技金融政策与研发投入交互项的系数仍显著为正,但是显著性出现明显下降。同时,Sobel检验在5%的统计水平上显著,表明中介效应成立,即研发操纵在科技金融政策促进战略性新兴产业上市公司研发绩效提高的过程中具有中介效应,进一步验证了假设的逻辑推断。
表5 科技金融政策与研发绩效:基于研发操纵的中介效应
Table 5 Science and technology financial policy and R&D performance: mediating effects based on R&D manipulation
变量(1)(2)因变量:未来一期专利因变量:未来两期专利Treat-0.728 1*-0.805 6**(-1.789 5)(-2.001 7)Rd0.064 9***0.034 5*(3.256 1)(1.699 1)Treat×Rd0.043 1*0.047 0**(1.906 6)(2.115 9)Rdm-0.049 3*-0.048 8*(-1. 974 0)(-1. 946 1)Size-0.123 3***-0.116 9***(-3.062 9)(-2.978 8)Lev0.304 7**0.068 6(2.206 2)(0.499 9)ROA1.800 7**1.677 4**(2.365 6)(2.251 6)ROE-0.092 0-0.184 6(-0.227 4)(-0.491 0)ATO0.054 10.044 7(0.721 4)(0.616 3)Cashflow-0.320 9-0.019 9(-1.492 9)(-0.095 2)Dual0.034 80.031 3(0.901 5)(0.812 7)TobinQ0.011 3-0.009 5(0.799 7)(-0.661 5)SOE-0.052 20.103 4(-0.445 4)(0.923 8)ListAge0.056 80.075 6*(1.319 4)(1.736 0)Top1-0.216 30.163 7(-0.708 0)(0.567 7)Balance-0.122 5**-0.103 4*(-2.130 2)(-1.795 8)INST0.047 30.091 9(0.660 3)(1.285 0)Occupy-0.144 9-1.850 2**(-0.161 2)(-2.180 5)Big4-0.004 10.031 9(-0.036 7)(0.301 5)Constant3.458 8***3.834 3***(3.977 6)(4.499 9)N8 8188 784R20.757 70.766 1FirmYESYESYearYESYES
3.3.1 平行趋势检验
采用双重差分法缓解内生性问题的前提是必须满足平行趋势假设。本文设置政策当年及前后6年为年度虚拟变量,并参考Beck &Levkov[28]的做法,以政策发生前一期为基期进行平行趋势检验,结果如表6、图1所示。结果显示,在政策实施之前,年度虚拟变量的系数均不显著,在政策实施之后逐渐变成显著为负,表明科技金融政策能够显著抑制战略性新兴产业上市公司的研发操纵行为,因而通过平行趋势检验。
图1 平行趋势检验
Fig.1 Parallel trend test
表6 科技金融政策与研发操纵(平行趋势检验)
Table 6 Science and technology financial policy and R&D manipulation (parallel trend test)
变量(1)因变量:研发操纵变量(2)因变量:研发操纵Before5-0.008 3ROA0.625 6***(-0.317 9)(3.680 4)Before40.011 5ROE-0.091 6(0.434 1)(-1.076 5)Before30.029 6ATO-0.049 9***(1.042 8)(-3.189 0)Before2-0.020 0Cashflow0.127 8**(-0.780 0)(2.224 3)Before1-0.038 1Dual0.001 3(-1.448 9)(0.131 9)After0-0.040 8*TobinQ-0.008 2**(-1.654 6)(-2.235 6)After1-0.016 2SOE0.010 4(-0.688 5)(0.474 2)After2-0.010 8ListAge-0.050 0***(-0.491 1)(-4.482 9)After3-0.046 6**Top10.116 6*(-2.195 6)(1.802 7)After4-0.026 5Balance0.017 2(-1.355 2)(1.310 2)After5-0.048 3**INST-0.017 8(-2.258 7)(-0.873 8)After6-0.043 3**Occupy-0.045 0(-2.038 9)(-0.238 7)Size-0.043 1***Big40.039 1(-5.642 8)(1.481 9)Lev0.009 9Constant1.210 2***(0.303 9)(7.478 9)N9 61 1R20.373 8FirmYESYearYES
3.3.2 安慰剂检验
采用双重差分法的另一个前提是必须通过安慰剂检验。具体而言,本文随机抽取1 000次构造科技金融政策虚拟变量,观察估计系数的显著性及其分布,结果如表7、图2所示。可以发现,随机抽取1 000次的变量系数均值都不显著,且主要集中在0值附近,通过安慰剂检验。这进一步验证了科技金融政策能够抑制战略性新兴产业上市公司的研发操纵行为。
图2 安慰剂检验
Fig.2 Placebo test
表7 科技金融政策与研发操纵(安慰剂检验)
Table 7 Science and technology financial policy and R&D manipulation (placebo test)
Beta超过门槛1%Ture-0.043 1**(-2.293 1)Test_mean0.000 346Test_p-value0.976 3Test _min-0.015 9Test _max0.018 3
为提高处理组和对照组的可比性,本文采用PSM-DID方法进行稳健性检验。具体地,使用卡尺(半径)和核匹配两种方法,根据处理组匹配对照组,对假设进行重新检验。结果显示,科技金融政策的系数分别为-0.053 9和-0.053 6,均在1%的统计水平上显著为负,表明科技金融政策确实能够显著抑制战略性新兴产业上市公司的研发操纵行为。
由于省会城市既是科技金融政策的主要试点地区,又是战略性新兴产业的集中地,为避免省会城市样本的有偏分布对研究结论造成影响,本文删除省会城市样本后重新进行检验。结果显示,科技金融政策的系数在1%的统计水平上显著为负,表明研究结论稳健。
由于营业收入较低或者利润亏损的企业进行研发创新和研发操纵的动机不同,因而企业研发操纵行为受到科技金融政策的影响可能也不同,本文剔除当年营业收入低于5 000万元及亏损企业样本后重新进行回归。结果显示,科技金融政策的系数在5%的统计水平上显著为负,上述研究结论依然成立。
由于金融危机对企业研发创新动机和公共研发政策有不同程度影响,处在金融危机期间的样本可能对研究结论产生影响,本文剔除金融危机期间(2008年)的样本数据。结果显示,科技金融政策的系数依然显著为负,验证了本文研究结论。限于篇幅,稳健性检验结果备索。
根据产权性质,企业主要分为国有企业和非国有企业两类,这两类企业在研发操纵动机和研发绩效方面均存在较大差异。本文就科技金融政策对两类企业研发操纵行为的影响进行分组检验,结果如表8所示。可以发现,在非国有企业样本中,科技金融政策的系数在5%的统计水平上显著为负,国有企业样本系数不显著,表明科技金融政策对企业研发操纵的抑制作用在非国有企业中更加显著;科技金融政策与研发投入交互项系数在国有企业和非国有企业样本中分别为0.027 6和0.066 3,且在非国有企业样本中更加显著,表明相对于国有企业,科技金融政策对非国有企业研发绩效的促进作用更加显著。
表8 产权性质、科技金融政策与研发操纵
Table 8 Property rights, science and technology financial policy and R&D manipulation
变量(1)(2)国有企业非国有企业因变量:研发操纵(3)(4)国有企业非国有企业因变量:未来一期专利Treat-0.022 0-0.055 4**-1.388 8**-1.026 6*(-0.782 3)(-2.118 9)(-2.059 2)(-1.836 9)Rd0.081 1***0.091 1***(2.704 9)(3.123 8)Treat×Rd0.027 60.066 3**(1.026 5)(2.126 8)Size-0.045 6**-0.045 2***0.001 7-0.056 9(-2.169 0)(-2.717 6)(0.020 3)(-1.111 0)Lev-0.092 8-0.090 60.113 6-0.098 3(-1.107 8)(-1.490 5)(0.409 8)(-0.592 4)ROA0.300 70.601 8*-0.226 7-1.293 5(0.724 0)(1.809 1)(-0.208 7)(-1.147 0)ROE-0.085 9-0.054 60.158 30.954 6(-0.513 8)(-0.284 6)(0.353 7)(1.429 9)ATO-0.104 8***-0.011 0-0.070 20.121 8(-3.221 5)(-0.313 1)(-0.552 8)(1.233 6)Cashflow0.115 00.220 0**-0.129 1-0.186 9(0.863 1)(2.210 1)(-0.325 7)(-0.757 7)Dual0.061 6**-0.017 00.055 7-0.010 1(1.977 9)(-1.003 5)(0.631 4)(-0.230 7)TobinQ-0.013 5-0.010 9*0.003 3-0.014 9(-1.314 7)(-1.839 9)(0.130 8)(-0.898 1)ListAge-0.161 0***-0.062 2***0.050 60.245 1***(-4.232 9)(-3.061 6)(0.473 8)(4.671 0)Top10.276 20.018 1-1.584 5**-0.064 3(1.472 8)(0.133 8)(-2.465 5)(-0.196 7)Balance0.009 80.035 1-0.246 6*-0.083 4(0.221 4)(1.472 4)(-1.855 1)(-1.291 8)INST-0.067 1-0.016 40.163 4-0.132 0(-1.349 2)(-0.488 2)(1.066 1)(-1.594 0)Occupy-0.082 10.190 65.693 3***-2.726 3***(-0.136 6)(0.454 6)(2.951 8)(-2.593 0)Big40.032 6-0.008 60.160 40.070 2(0.571 6)(-0.085 2)(1.157 1)(0.316 8)Constant1.649 7***1.330 4***1.224 31.394 0(3.687 0)(3.749 3)(0.696 8)(1.271 5)N2 7776 7422 4596 520R20.374 00.445 80.791 10.707 2FirmYESYESYESYESYearYESYESYESYES
经过改革开放40多年的快速发展,我国经济取得了举世瞩目的成就,但地区经济发展不平衡问题也日益严重,不同地区在经济发展和制度质量等方面都存在较大差异。本文按照经济地带将样本划分为东部、中部和西部地区,检验科技金融政策对不同地区企业研发操纵的影响,结果如表9所示。结果显示,当因变量为研发操纵时,科技金融政策的回归系数在东部地区显著为负,在中西部地区不显著,表明科技金融政策对企业研发操纵的抑制作用在东部地区更加显著;当因变量为未来一期的专利数量时,科技金融政策与研发投入交互项的系数在东部地区显著为正,在中西部地区不显著,表明科技金融政策对企业研发绩效的促进作用在东部地区更加显著。
表9 地区差异、科技金融政策与研发操纵
Table 9 Region differences, science and technology financial policy and R&D manipulation
变量(1)(2)(3)东部中部西部因变量:研发操纵(4)(5)(6)东部中部西部因变量:未来一期专利Treat-0.074 2***-0.007 80.035 6-1.153 0**-2.960 6***0.401 7(-2.907 2)(-0.208 9)(0.668 7)(-2.218 6)(-3.041 9)(0.385 0)Rd0.080 7***0.121 0***0.104 0**(2.932 2)(3.204 5)(2.080 6)Treat×Rd0.189 3***0.064 3-0.050 0(3.558 5)(1.211 5)(-0.875 8)Size-0.041 7***-0.068 4**-0.037 4-0.115 9**0.073 6-0.015 5(-2.682 6)(-2.437 2)(-1.080 4)(-2.178 7)(0.844 9)(-0.151 8)Lev-0.089 3-0.128 30.004 00.239 3-0.591 6*0.012 6(-1.575 2)(-1.086 5)(0.028 4)(1.427 0)(-1.740 2)(0.032 9)ROA0.484 91.484 1***0.443 5-0.364 4-0.036 70.513 9(1.635 7)(2.869 9)(0.644 0)(-0.414 7)(-0.025 5)(0.217 7)ROE-0.075 7-0.363 1-0.245 40.183 10.374 70.197 3(-0.473 7)(-1.559 9)(-0.859 5)(0.387 0)(0.545 7)(0.198 7)ATO-0.040 3-0.047 6-0.063 80.045 4-0.165 50.215 8(-1.388 6)(-0.857 9)(-0.919 7)(0.472 7)(-0.994 6)(1.077 2)Cashflow0.212 3**0.020 10.309 70.181 0-1.038 0**-0.480 9(2.216 4)(0.118 8)(1.213 1)(0.721 8)(-2.318 5)(-0.741 2)Dual-0.001 20.055 8*-0.046 10.041 0-0.142 7-0.179 8(-0.070 7)(1.728 2)(-1.017 5)(0.910 4)(-1.475 2)(-1.536 4)TobinQ-0.011 8**-0.027 1**0.007 3-0.025 50.006 90.035 6(-2.004 3)(-2.434 5)(0.396 9)(-1.568 8)(0.217 5)(0.809 3)SOE0.113 7**-0.002 90.018 6-0.236 0*0.146 10.018 1(1.977 8)(-0.051 4)(0.193 3)(-1.890 1)(0.759 8)(0.078 0)ListAge-0.081 8***-0.067 0*-0.140 2***0.109 8**0.100 40.070 5(-4.164 9)(-1.833 0)(-2.710 4)(2.103 4)(0.977 8)(0.543 5)Top10.047 1-0.279 41.068 6***-0.111 5-0.838 4-0.682 6(0.364 9)(-1.235 3)(3.848 0)(-0.330 6)(-1.217 1)(-0.830 0)Balance0.030 40.027 3-0.004 5-0.141 0**-0.103 2-0.197 3(1.250 6)(0.611 5)(-0.073 6)(-2.147 1)(-0.779 9)(-1.216 7)INST-0.011 3-0.012 2-0.115 8-0.072 80.200 80.255 0(-0.347 6)(-0.202 1)(-1.347 2)(-0.871 1)(1.140 7)(1.187 9)Occupy-0.001 40.518 70.874 9-1.807 7*1.134 21.072 3(-0.003 5)(0.580 9)(1.152 1)(-1.696 4)(0.461 6)(0.462 0)Big40.058 4-0.080 6-0.492 8**0.147 8-0.047 70.726 1*(1.069 5)(-0.760 9)(-1.982 3)(1.078 8)(-0.302 6)(1.796 5)Constant1.312 0***1.998 9***0.921 03.177 5***-1.321 00.538 3(3.963 5)(3.405 1)(1.292 9)(2.877 9)(-0.722 8)(0.255 8)N6 6921 9438936 3451 810834R20.437 70.402 50.377 00.736 10.737 80.723 3FirmYESYESYESYESYESYESYearYESYESYESYESYESYES
上市年限不同,企业创新动机和融资约束程度也存在差异,导致科技金融政策对企业研发操纵的影响可能也不同。本文根据上市年限的中位数对样本企业进行分组,回归结果如表10所示。结果显示,当因变量为研发操纵时,在上市年限较长的企业样本中,科技金融政策的系数在1%的统计水平上显著为负;在上市年限较短的企业样本中,科技金融政策的系数不显著。这说明科技金融政策对企业研发操纵的抑制作用在上市年限较长的公司中更加显著。当因变量为未来一期的专利数量时,在上市年限较长的企业样本中,科技金融政策与研发投入交互项的系数在5%的统计水平上显著为正;在上市年限较短的企业样本中,科技金融政策与研发投入交互项的系数不显著。这表明科技金融政策对战略性新兴产业上市公司研发绩效的促进作用在上市年限较长的企业中更加显著。
表10 上市年限、科技金融政策与研发操纵
Table 10 Listing years, science and technology financial policy and R&D manipulation
变量(1)(2)上市年限长上市年限短因变量:研发操纵(3)(4)上市年限长上市年限短因变量:未来一期专利Treat-0.046 0**-0.062 4-1.572 8***0.343 0(-1.983 4)(-1.404 9)(-2.880 6)(0.388 8)Rd0.068 9***0.134 1***(2.760 2)(2.761 9)Treat×Rd0.076 5**-0.012 1(2.559 3)(-0.240 7)Size-0.061 7***-0.015 1-0.091 2*-0.098 2(-4.038 1)(-0.477 0)(-1.651 6)(-1.037 9)Lev-0.054 8-0.168 2-0.066 5-0.033 6(-0.963 2)(-1.573 9)(-0.377 7)(-0.122 6)ROA0.412 10.680 4-0.048 2-3.648 4**(1.470 2)(1.068 8)(-0.058 4)(-2.102 8)ROE-0.070 20.046 50.008 72.024 7*(-0.527 8)(0.115 2)(0.021 9)(1.958 6)ATO-0.092 3***0.034 10.012 40.151 3(-3.256 3)(0.573 6)(0.124 6)(1.036 9)Cashflow0.100 30.254 4*-0.271 7-0.050 9(1.005 6)(1.904 7)(-0.971 5)(-0.157 6)Dual0.010 2-0.002 4-0.097 4*0.051 4(0.512 0)(-0.090 5)(-1.866 1)(0.755 7)TobinQ-0.012 2*-0.006 6-0.023 2-0.006 8(-1.804 5)(-0.771 2)(-1.274 6)(-0.285 7)SOE0.077 4*-0.186 0-0.195 2*0.182 9(1.888 5)(-1.621 8)(-1.799 9)(0.417 2)ListAge-0.212 2***-0.007 70.159 20.260 3**(-3.595 4)(-0.175 6)(0.996 5)(2.424 3)Top10.201 0-0.531 2*-1.054 4***0.045 7(1.496 9)(-1.799 9)(-2.614 1)(0.060 9)Balance0.024 8-0.046 0-0.179 1**-0.167 0(0.957 2)(-1.048 9)(-2.485 6)(-1.373 9)INST0.031 9-0.061 60.250 7**-0.186 6*(0.753 0)(-1.385 3)(1.967 9)(-1.806 8)Occupy0.845 3**-1.132 1*-0.238 4-3.417 8**(1.988 7)(-1.772 4)(-0.202 4)(-2.206 0)Big40.034 5-0.120 50.092 00.165 9(0.654 2)(-0.770 8)(0.790 1)(0.720 6)Constant2.030 3***0.887 23.200 5***1.648 9(6.201 2)(1.271 1)(2.883 9)(0.782 5)N5 3464 1464 9234 023R20.401 40.568 10.780 90.738 9FirmYESYESYESYESYearYESYESYESYES
为进一步发挥政策手段促进战略性新兴产业创新发展和科技成果转化的作用,我国分别于2011年和2016年开展了两批科技金融政策试点。本文以我国促进科技和金融结合试点政策为准自然实验,基于2008—2019年战略性新兴产业上市公司数据,构建多时点双重差分模型,从研发操纵视角考察科技金融政策对战略性新兴产业上市公司研发绩效的影响及其作用机制。研究发现,科技金融政策能够显著抑制企业研发操纵,从而显著提高企业研发绩效;研发操纵在科技金融政策促进企业研发绩效提高的过程中发挥中介作用;科技金融政策对研发操纵的抑制作用和研发绩效的激励作用在非国有企业、东部地区企业以及上市年限较长的企业中更加显著。本文研究结论可为科技金融政策在全国推广提供理论支撑,也可为激励战略性新兴产业上市公司进行研发创新提供政策启示。
根据上述研究结论,本文提出如下政策启示:
(1)进一步推广科技金融政策,强化科技金融政策对战略性新兴产业上市公司研发创新的激励作用。现有文献主要从实体经济高质量发展和人才集聚等视角考察科技金融政策的积极影响,本文从战略性新兴产业上市公司研发操纵视角验证了科技金融政策对企业研发创新的促进效应。因此,国家应该加大科技金融支持力度,进一步在更多城市推广落实科技金融政策,尽可能最大化实现科技金融政策对企业研发创新的促进效应。
(2)充分利用金融手段识别企业研发操纵行为,提高企业研发绩效。现有研究表明,为获得产业政策支持,部分企业会选择进行研发操纵或者策略性创新,取代实质性创新。为强化科技金融等研发政策对研发创新的激励效果,政府监管部门应借助金融手段识别并抑制企业研发操纵行为,从而增强各项公共研发政策的正向效应。
(3)提高政策强度与制度环境的匹配性,有效提高科技金融政策的精准性。任何政策的实施效果除依赖政策设计本身外,还依赖制度环境因素。因此,为有效提高科技金融政策实施的精准性,应努力提高政策强度与制度环境的匹配性,尤其对于创新禀赋较为落后的中西部地区,更应注重创新环境的打造。
[1] AERTSA K, SCHMIDTB T. Two for the price of one? on additionality effects of R&D subsidies: a comparison between Flanders and Germany[J]. Research Policy, 2008, 37(5):806-822.
[2] CAPPELEN A, RAKNERUD A,RABALKA M. Theeffect of R&D tax credits on patenting and innovations[J]. Research Policy, 2012, 41(2):334-345.
[3] 应千伟, 何思怡. 政府研发补贴下的企业创新策略:“滥竽充数”还是“精益求精”[J]. 南开管理评论, 2022, 25(2):57-69.
[4] 李世奇, 朱平芳, 廖辉. 政府研发补贴能否带动企业研发投入——基于企业规模和属性的双视角异质性分析[J]. 系统工程理论与实践, 2022, 42(6):1591-1600.
[5] 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, 2016,51(4):60-73．
[6] 杨国超, 刘静, 廉鹏,等. 减税激励、研发操纵与研发绩效[J]. 经济研究, 2017, 52(8):110-124.
[7] 赵昌文,陈春发,唐英凯. 科技金融[M]. 北京:科学出版社, 2009.
[8] 刘立军,刘义臣．科技金融与实体经济高质量发展耦合协调研究——以京津冀为例[J].经济问题, 2022,44(8):96-102.
[9] 谢文栋. 科技金融政策能否提升科技人才集聚水平——基于多期DID经验证据[J]. 科技进步与对策, 2022,39 (20): 131-140.
[10] 李媛媛,陈文静,王辉. 科技金融政策、资金网络与企业创新绩效——基于潜在狄利克雷分布模型[J].科技管理研究,2022,42(6):28-35.
[11] 白万平,孙溶镁,白鸽,等. 科技金融发展的产业结构升级效应研究[J]. 贵州财经大学学报,2022,40(3):59-68.
[12] 马凌远,李晓敏. 科技金融政策促进了地区创新水平提升吗——基于“促进科技和金融结合试点”的准自然实验[J]. 中国软科学,2019,34(12):30-42.
[13] 胡欢欢,刘传明. 科技金融政策能否促进产业结构转型升级[J]. 国际金融研究,2021,38(5):24-33.
[14] 顾江寒,柴华奇. 科技金融政策如何促进城市绿色创新发展——来自“科技和金融结合试点政策”的证据[J]. 科技进步与对策, 2021,39(15):41-49.
[15] 万源星,许永斌．高新认定办法、研发操纵与企业技术创新效率 [J]．科研管理,2019,40(4):54-62
[16] 谢德仁,姜博,刘永涛．经理人薪酬辩护与开发支出会计政策隐性选择 [J]．财经研究,2014,40(1):125-134．
[17] 朱红军,王迪,李挺．真实盈余管理动机下的研发投资决策后果——基于创新和税收的分析视角 [J]．南开管理评论,2016,19(4):36-48．
[18] 杨国超, 张李娜. 产业政策何以更有效——基于海量媒体报道数据与研发操纵现象的证据[J]. 经济学(季刊), 2021,21(6):2173-2194.
[19] 尹钧惠,盖瑶,孙浩然. 董事会断裂带与企业研发操纵[J/OL]. 科技进步与对策:1-12.[2023-01-13].https://kns.cnki.net/kns8/defaultresult/index．
[20] 刘元雏,华桂宏. 企业集团能否改善政府补贴对创新产出的激励作用——来自战略性新兴产业上市公司的经验证据[J]. 科技进步与对策,2020,37(18):70-79.
[21] 颜晓畅,黄桂田. 政府财政补贴、企业经济及创新绩效与产能过剩——基于战略性新兴产业的实证研究[J]. 南开经济研究, 2020,36(1):176-198.
[22] 李香菊,杨欢. 产业异质性、税收激励与自主创新——中国战略性新兴产业A股上市公司实证研究[J]. 科技进步与对策,2019,36(9):60-68.
[23] KING R G, LEVINE R. Finance and growth: Schumpeter might be right[J]. The Quarterly Journal of Economics, 1993, 108(3):717-737.
[24] HOWELL S T. Financing innovation: evidence from R&D Grands[J]. American Economics Review, 2017, 107(4):1136-1164.
[25] 宋岩,刘悦婷. 融资约束与研发操纵:基于股权激励的门槛回归分析[J]. 改革,2022,38(7):144-154.
[26] ROYCHOWDHURY S. Earnings management through real activities manipulation[J]. Journal of Accounting and Economics,2006, 42(3) :335-370.
[27] MUKHERJEE A, SINGH M, ZALDOKAS A. Do corporate taxes hinder innovation[J]. Journal of Financial Economics, 2017,124(1) :195-221.
[28] BECK T, LEVKOV R L. Big bad banks? the winners and losers from bank deregulation in the United States[J].Journal of Finance,2010,65(5):1637-1667.