经济政策不确定性与企业创新
来源:用户上传
作者:余得生 杨礼华
摘 要：本文从嵌入性的角度出发，引入中国经济政策不确定性指数以及微观数据构建多层线性模型，考察经济政策不确定性与企业创新的关系以及要素价格扭曲和融资约束的调节作用，研究发现：（1）经济政策不确定性会显著抑制企业研发投入强度以及创新产出，稳健性检验结果亦证实了这一结论；（2）调节效应检验表明，要素价格扭曲缓解了经济政策不确定性对专利总数、发明专利、外观专利产出和研发投入的抑制效果，而融资约束则扩大了这一效应；（3）进一步分析发现，经济政策不确定性对研发投入和创新产出的作用效果会受到企业性质、负债率等因素的影响。
关键词：多层统计分析；研发投入；创新产出；不确定性
中图分类号：F832.51 文献标识码：A 文章编号：1674-2265（2022）10-0020-09
DOI：10.19647/j.cnki.37-1462/f.2022.10.003
基金项目：江西省社科基金“大数据时代消费者数据安全的政府规制研究”（21JL07）。
作者简介：余得生，安徽太湖人，男，华东交通大学经济管理学院教授，博士，研究方向为产业规制理论与政策、金融管理等；杨礼华，江西南昌人，男，华东交通大学经济管理学院，研究方向为金融管理。
一、引言
经济政策不确定性是指经济政策从制定到实施过程中的不可预知性，以及政策实施对经济效益影响的不确定性（Gulen和Ion，2016）[1]。其不确定性主要表现在以下三个方面：一是政策制定的不确定性，主要指政策制定者的不确定性以及政策具体内容的不确定性；二是政策实施的不确定性，主要指政策如何实施、何时实施以及实施效果的不确定性；三是影响经济运行的其他非政策问题的不确定性，如自然灾害、政局变动等都会加剧政策的不确定性（杜江和刘诗园，2020）[2]。随着供给侧结构性改革的贯彻落实，我国政府不断出台相关政策来调整经济结构，尤其是新冠肺炎疫情暴发以来，为了保证经济正常运行以及尽快复工复产，政府制定了“一篮子”激励政策，虽然可以满足经济正常需求，减少经济波动，稳定经济发展，但是也增加了外部环境的不确定性，给企业投资决策增加了困难。另外，政策的变动在一定程度上还会使资本配置偏离最优状态，形成资本要素价格的扭曲（陈永伟和胡伟民，2011）[3]。从短期来看，一定的要素价格扭曲可能有利于企业充分及时地调动资源，集中力量办大事；但是从长期来看，可能阻碍经济正常发展，降低经济效益，引起资本的过度使用，不利于企业经营决策（刘汶荣，2021）[4]，同时，持续性的资本扭曲可能会削弱企业的创新活力，影响企业创新水平。而技术创新作为促进经济增长的主要因素，其水平的高低直接影响到国家经济能否持续稳定增长。同时，新发展理念更是将创新置于国家发展的首要位置，可见创新已经逐步成为实现经济高质量发展的动力源泉（Zhu等，2020）[5]。《全球创新指数报告》指出，中国的总体创新能力不断增强，2021年在全球经济体系中排名第12位，但是与其他经济体相比，依然存在一定的差距。制度创新理论认为，企业创新水平的高低除了与研发投入强度相关，还与外部环境，如金融市场环境、宏观经济环境等息息相关。因此，探究宏观政策环境与企业创新的关系及作用机制具有一定的现实意义。基于以上分析，本文采用2008―2019年企业微观数据和宏观政策不确定性指数来考察经济政策不确定性对企业创新的影响，并引入要素价格扭曲与融资约束变量进行调节效应检验，为企业和金融机构有效应对经济政策不确定性、实施创新战略提供参考和借鉴。
本文主要的边际贡献体现在：第一，部分学者从融资结构、部门关联、金融发展等层面研究了政策不确定性对企业创新的影响，但是鲜有学者考虑资本市场环境在其中的作用，因此，本文以要素价格扭曲为调节变量展开研究，丰富了要素价格扭曲的应用领域，为经济政策不确定性影响企业创新提供了新的经验证据，有助于企业合理制定相关的策略来应对经济政策不确定性带来的冲击；第二，大部分研究将经济政策不确定性和融资约束等变量置于同一层面进行分析，易引起“生态谬误”，鲜有学者关注不同层次数据的影响，而本文采用多层线性模型，可以有效解决变量的组内同质或组间同质问题，避免“生态谬误”的产生。
二、文献回顾与假设提出
（一）经济政策不确定性与企业创新
目前，学术界对经济政策不确定性与企业创新的关系存在两种不同的观点。部分学者认为经济政策不确定性不利于企业创新，即存在“挤出”效应。这种观点最早可以追溯到熊彼特以及内生增长理论，其将政策不确定性归纳为不利于企业创新的因素，随后的《世界经济展望》同样指出经济政策不确定性的提高会显著地引起投资、消费和就业水平的降低。之后，Bloom（2009）[6]、曲丽娜和刘钧霆（2022）[7]、邓江花和张中华（2021）[8]以实物期权理论为基础来研究政策不确定性和企业创新的关系，认为政策的不确定性会导致企业无法对投资项目风险进行精准评估，加剧了投资风险，由于企业管理者大多属于风险厌恶者，因此，出于安全考虑，企业可能偏向于延缓研发投资。陈娟娟等（2021）[9]指出经济政策不确定性的提高使得企业与金融机构之间的信息不对称更加严重，导致违约成本增加，从而不利于企业创新活动的开展 。同时，还有一些学者指出政策不确定性可能通过影响企业投资成本和决策时机等来削弱企业的投资能力，抑制企业创新（李佳霖等，2019；Kang等，2014；郭田勇和孙光宇，2021）[10-12]。朱巧玲和杞如福（2022）[13]认为经济政策不确定性与企业专利申请总数、发明专利数目等存在负相关关系。
另一部分学者认为经济政策不确定性对企业创新具有积极的促进作用。Avner Bar-Ilan（1999）[14]将不确定性分为两种，认为好的不确定性有利于增加企业营业收入，提高创新水平，而坏的不确定性t会增加企业投融资成本。边志强等（2021）[15]认为宏观政策的不确定性会导致市场前景不明确，企业收益率下降，而管理者为了保证企业正常发展，会加强技术创新。严复雷和史依铭（2021）[16]采用制造业数据进行研究，发现经济政策不确定性可以显著促进制造业研发创新，但是过度的金融发展会抑制经济政策不确定性对制造业企业研发创新的激励作用。席龙胜和张欣（2021）[17]以增长期权理论为基础分析了经济政策不确定性与企业研发投入之间的关系及影响机制，发现经济政策不确定性的增加有助于激发企业创新意识，增加研发投入，并且这一效果在具有高管薪酬激励与高管持股的企业中更加明显。因此，本文提出：
nlc202211281920
假设1a：经济政策不确定性对企业创新具有“挤出”效应。
假设1b：经济政策不确定性对企业创新具有“激励”效应。
（二）经济政策不确定性、要素价格扭曲与企业创新
政策的变动作为一种宏观经济现象，通常会影响到经济体系的各个层面，也势必会影响到金融市场，而金融市场作为企业开展投资活动的重要载体，其中的投融资环境的变动将直接影响到企业投资决策。田杰等（2021）[18]认为，适当的要素扭曲通过降低投资成本增加了濒临破产的企业存活的可能性，但是过度的要素扭曲会使得要素价格较低，反而可能削弱企业的创新动力；宋大强和皮建才（2020）[19]同样认为要素扭曲有助于加快生产要素的流动和最大限度地发挥经济体系的创新活力。此外，罗知等（2018）[20]指出，当发生要素的负向扭曲时，企业倾向于更多地使用这种要素，从而获取更多的收益，增加了可用研发资金，有利于企业创新。部分学者认为要素价格扭曲对企业创新存在“倒逼”效应，如果企业在某种要素获取方面处于劣势，那么企业为了防止在市场竞争中被淘汰，就会加强员工技能培训，通过提高人力资本水平或引进创新的途径来达到提升创新水平的目的（李德山和邓翔，2018；笪远瑶和王叶军，2022）[21，22]。因此，本文提出：
假设2a：要素价格扭曲会弱化经济政策不确定性对企业创新的“挤出”效应。
假设2b：要素价格扭曲会强化经济政策不确定性对企业创新的“激励”效应。
（三）济政策不确定性、融资约束与企业创新
融资约束一直以来都是阻碍企业创新活动的主要因素。企业面临的融资约束主要体现在以下方面：一是融资成本的约束，主要是指企业进行投资决策时，由于交易双方信息不对称，外部融资成本远远高于内部融资成本；二是融资规模的约束，当政策不确定性较强时，金融机构难以对企业投资风险、违约风险等进行准确评估，此时，企业通常会以抵押贷款的方式获取所需的资金，但是抵押物的价值可能因政策不确定性而出现缩水，从而导致企业面临更加严峻的融资约束（Poncet等，2010）[23]，不利于企业创新活动的开展。进一步地，企业面临的融资约束越强，意味着从外部获取资金的可能性就越小，加之外部融资程序较为严格且烦琐，获取的资金有限，故企业为了保证资产的流动性，可能偏向于增加现金和金融资产的持有，减少研发投入（赵萌等，2020）[24]。顾海峰和朱慧萍（2021）[25]认为在经济剧烈波动时期，信贷机构可能偏向于对财务状况良好或者资信优越的企业进行授信，也可能附加限制性条款，规定资金用途，从而削弱企业创新意愿。薛龙等（2022）[26]指出经济政策不确定性的提高会对整个社会的经营环境带来消极影响，增加企业的经营风险，不利于企业创新。因此，本文提出：
假设3a：融资约束会强化经济政策不确定性对企业创新的“挤出”效应。
假设3b：融资约束会弱化经济政策不确定性对企业创新的“激励”效应。
三、研究设计
（一）模型选择与数据来源
企业创新水平会受到企业自身特征和区域金融环境的双重影响，从而导致数据具有嵌套特征，即企业嵌套于国家之中，倘若直接采用OLS进行分析，可能会高估国家层面因素的影响，导致“生态谬误”，因此，本文采用多层模型进行分析。限于数据可得性，本文选取我国A股上市公司2008―2019年研发投入和专利情况为初始研究对象，并引入经济政策不确定性指数（Baker等，2016）[27]来考察我国经济政策不确定性对企业创新的影响。在实证分析前，按照以下标准对原始数据进行处理：（1）删除在研究期间内ST、*ST以及财务数据存在异常或严重缺失的企业；（2）删除银行等金融类企业；（3）删除在研究期间内新成立或上市的企业；（4）为了消除异常值的影响，对所有连续变量进行了1%和99%分位的双侧缩尾处理。企业财务数据来自国泰安数据库、中国研究数据服务平台以及企业年报，中国经济政策不确定性指数数据来自经济政策不确定性指数官网。
（二）变量选取
1. 被解释变量。企业创新（innovation），分别从研发投入（rd）和创新产出（g）两个维度来刻画。其中，研发投入参考陈利等（2022）[28]，采用当年研发投入占企业年末营业总收入的比例来衡量；创新产出参考余得生和杨礼华（2021）[29]，采用企业当年专利授权总数加一的自然对数来衡量，由于专利可细分为发明专利、实用新型专利和外观设计专利，因此，实证检验中还分别考察了经济政策不确定性对这三类专利的影响。
2.核心解释变量。经济政策不确定性（lnepu），用Baker等（2016）[27]创建的中国经济政策不确定性指数衡量。该指数主要以《南华早报》为基础，通过对其进行文本分析，将与经济政策不确定性相关的文章出现次数、每年失效的税法条目数以及金融机构对重要经济指标的预测偏差三个指标加权平均得到。目前该指数已经得到国内外学者的认可，具有一定的影响力和公信力，可以比较客观地反映我国经济政策不确定性的实际情况，该指数值越大，说明经济政策不确定性越强。由于该指数为月度数据，在具体的回归分析中，本文先将月度数据取算数平均值得到年度数据，再对年度数据进行自然对数处理，以降低量纲的影响。
3. 控制变量。本文参考国内外相关文献，从企业层面选取了7个控制变量，分别是资产负债率（alr）、净资产收益率（roe）、托宾q（q）、股权集中度（oc）、现金流水平（cf）、管理层持股比例（mbo）和固定资产比率（pf）。
4.调节变量：要素价格扭曲 （zbcp）与融资约束（sa）。参考陈永伟和胡伟民（2011）[3]的研究，用以下公式来测算各地区的相对要素价格扭曲程度指数：
[zbcp=（][CitCt]/[μitβkitβkt]） （1）
nlc202211281920
其中，[Cit]/[Ct]反映的是[i]地区实际使用的资本与整个经济体系总资本的比值，[μit]则表示[i]地区的产出量在整个经济体系实际产出中所占的份额，[βkt=∑μitβkit]表示用各地区产出水平加权后的资本贡献值，[μitβkitβkt]则表示[i]地区在资本有效配置的情况下使用资本的理论比例。[zbcp]可以反映出[i]地区实际使用资本数量与资本有效配置情况下资本使用数量的偏差，偏差越大，说明要素价格扭曲越严重。本文对测算的要素价格扭曲程度指数进行了取绝对值处理。
融Y约束的衡量方式主要包括现金流法、kz指数、ww指数和sa指数等，由于前三种方法都会导致较强的内生性问题，而sa指数较好地缓解了内生性问题，因此，采用sa指数来衡量企业面临的融资约束：
[sa=-0.737×size+0.043×size2-0.04×age] （2）
其中，[size]表示企业规模，用企业总资产的对数来衡量；[age]表示企业成立年限。[sa]指数为负，分析时对其进行了取绝对值处理，绝对值越大，说明企业面临的融资约束越严重。
（三）企业创新的组内及组间变异成分验证
本文采用零模型，验证是否需要建立多层统计模型以及企业创新在组间是否存在显著差异或非独立情况。
Level 1：[innovationijt=β0j+rijt] （3）
Level 2：[β0j=γ00+μ0j] （4）
通常来说，ICC值小于0.059说明存在低度组内相关，大于0.059且小于0.138说明存在中度组内相关，大于0.138则说明存在高度组内相关。从表1可以看出，无论是从全样本还是分样本来看，ICC值最小为7.34%，说明存在较强的组内相关；Wald-Z值对应的P值均显著，说明区域层面因素对企业创新具有重要影响。因此，构建HLM模型是必要的。
（四）模型的构建
本文参考Andrew和Kelvyn（2015）[30]构建HLM模型，首先，为了检验经济政策不确定性对企业创新的影响，设定如下回归方程：
Level 1：[innovationi，j，t=β0j+φi，j，t-1+rij] （5）
Level 2：[β0j=γ00+γ01lneput-1+μ0j] （6）
其中，[innovationi，j，t] 表示[j]省企业[i]在[t]年的创新能力，[φi，j，t-1]表示企业层面的控制变量，[β0j]是Level 2层面截距项，[lneput-1]代表经济政策不确定性指数，[γ01]是经济政策不确定性对企业创新的作用效果，[γ00]是总体截距，[rij]和[μ0j]分别是Level 1和Level 2层面的随机误差项。
其次，为了检验要素价格扭曲的调节效应，构建以下模型：
Level 1：[innovationi，j，t=β0j+φi，j，t-1+rij] （7）
Level 2：[β0j=γ00+γ01lneput-1+γ02zbcpj，t-1+γ03lneput-1×zbcpj，t-1+μ0j] （8）
其中，[zbcpj，t-1]指要素价格扭曲，[γ02]表示要素价格扭曲对企业创新的影响，[γ03]是要素价格扭曲与经济政策不确定性的交互项系数。
最后，为了检验融资约束的调节效应，设定以下模型：
Level 1：[innovationi，j，t=β0j+β1jSAi，j，t-1+φi，j，t-1+rij] （9）
Level 2：[β0j=γ00+γ01lneput-1+μ0j] （10）
[β1j=γ10+γ11lneput-1+μ1j] （11）
其中，[SAi，j，t-1] 表示融资约束水平，[β1j]表示融资约束对企业创新的作用效果，[γ11]是融资约束与经济政策不确定性的交互项系数。
四、实证分析
（一）描述性统计
描述性统计结果见表2。从被解释变量来看，研发投入强度均值为3.865，大于中位数3.490，说明大部分样本企业研发投入水平不够高，对创新不够重视，最大值和最小值分别为16.640和0.030，说明样本企业研发投入可能存在两极分化的特征；而创新产出最大值为6.946，最小值为0，说明样本企业创新产出存在明显差异，均值和中位数分别为2.692和2.833，说明大部分企业的专利产出比较理想。从解释变量来看，经济政策不确定性均值为4.946，略大于中位数4.944，标准差为0.091，说明近一半时间内我国政策不确定性处于相对稳定水平，波动相对较小。从调节变量来看，要素价格扭曲最大值为1.471，最小值为0.014，说明要素价格扭曲的波动性较强；融资约束标准差为0.252，同样说明样本企业的融资约束存在明显差异 。
（二）经济政策不确定性对企业创新的影响
表3汇报了经济政策不确定性对企业创新的作用结果。在创新产出方面，经济政策不确定性对专利总数的估计系数为-5.7498，在5%的水平上显著，说明经济政策不确定性增加对专利总产出具有显著的“挤出”效应；从控制变量来看，资产负债率、净资产收益率、股权集中度、现金流水平、管理层持股比率的系数均显著为正，说明负债水平较高、盈利能力强、股权集中、管理层持股较多、现金流充裕的企业，其创新产出也相对较多。由于企业创新的特点主要表现为高风险、高投资、高收益，因此，盈利能力强、现金流充裕的企业通常可以承担更高的研发成本。而固定资产比率的回归系数显著为负，说明对于创新产出来说，固定资产不是越多越好；托宾q值的系数显著为负，说明托宾q的上升不利于企业的创新产出。另外，经济政策不确定性对发明专利、实用新型专利、外观设计专利的估计系数分别为-4.2990、-5.1761、
nlc202211281920
-2.7872，均在不同程度统计水平上显著，说明经济政策不确定性对三种专利产出均表现为抑制作用，与专利总数效果一致。具体来看，对实用新型专利产出的抑制作用最强，对外观设计专利产出的抑制作用最弱。
在研发投入方面，可以看出，在不考虑内生性的前提下，经济政策不确定性的增加能显著降低企业研发投入强度，边际效用为-3.7640，在1%统计水平上显著，说明我国经济政策不确定性每增加一个单位，企业的研发投入平均会降低3.764个单位，这与经济政策不确定性对创新产出的影效果一致。在控制变量方面，托宾q、管理层持股比率等的提高会激发企业投资意愿，促进企业增加研发投入，而资产负债率、净资产收益率、固定资产比率、股权集中度等的提高反而会引起研发投入的降低，现金流水平对研发投入强度的影响效果并不显著。综上，假设1a得证。
（三）稳健性检验
1. 减少样本误差的稳健性检验。北京、上海等地区经济实力较强，资源比较充裕，制度环境相对完善，当地企业的创新水平也会偏高，这可能会影响研究结果，因此，本文剔除北京、上海、广东三个地区的样本后，再次进行回归分析，检验结果见表4。结果显示：在1%的统计水平上，经济政策不确定性对企业研发投入强度、专利总数、发明专利和实用新型专利产出依旧具有显著的“挤出”效应；在10%的统计水平上，经济政策不确定性对外观设计专利产出仍然存在抑制作用，与前文基准回归结果基本一致。同时，控制变量的作用效果也基本未发生变化，证明了结论的稳健性。
2. 内生性检验。由于多层统计模型将回归系数分为固定系数与随机系数，而最终得到的估计系数是已经将随机系数（受内生性影响部分）排除之后的固定系数，因此，即使变量可能存在内生性问题，研究模型受内生性影响也较小。但是为了进一步减少内生性和遗漏变量带来的影响，本文参照林煜恩等（2021）[31]的处理方式，采用企业固定效应模型进行分析，分析结果见表5。在控制企业层面固定效应之后，虽然经济政策不确定性对创新产出和研发投入的系数发生了较大的变化，但是依旧显著为负，与前文研究结果一致。可以看出，HLM回归、减少样本误差、内生性处理等的研究结果均支持假设1a。
（四）调节效应分析
1. 要素价格扭曲的调节效应。从创新产出来看，对专利总数、发明专利以及外观设计专利来说，交互项 zbcp×lnepu的估计系数为正，且至少在10%的水平上显著，说明要素价格扭曲程度的增加会缓解经济政策不确定性对企业专利产出的“挤出”效应。可能原因是：第一，在适宜的要素扭曲情况下，资本的价格与市场均衡价格更为接近，可以更好地发挥资本的价值，提高资本利用效率，增加了落后企业存活的可能性；第二，过度的要素扭曲会倒逼企业通过提高人力资本水平或引进新技术来提高创新水平。而要素价格扭曲在经济政策不确定性对企业实用新型专利的影响中的调节效应并不显著。从研发投入来看，交互项的系数在10%的统计水平上显著为正，说明要素价格扭曲削弱了经济政策不确定性对研发投入的负向影响，这与要素价格扭曲对创新产出的影响类似。综上，假设2a得证。
2. 融资约束的调节效应。表7汇报的结果表明，除外观设计专利外，跨层交互项sa×lnepu对其他变量的估计系数均为负，且在不同统计水平上通过了显著性检验，说明融资约束的增强会导致经济政策不确定性对创新产出和研发投入表现出更强的抑制效果，即企业面临的融资约束越强，经济政策不确定性对研发投入、专利总数、发明专利和实用新型专利产出的抑制作用就越强。融资约束的增强意味着企业外部融资成本的提高，从而使得企业可用资金减少，同时政策不确定性的增加还会引起企业现金流的不确定性，进一步加大了企业面临的融资约束。由于大部分企业的决策者都属于风险厌恶者，考虑到投资风险的存在，企业决策者的创新意愿势必会下降。综上，假设3a得证。另外，除外观设计专利外，融资约束与其他创新产出和研发投入的系数均在1%的统计水平上显著为负，也说明融资约束越大，企业创新能力就越弱。
五、进一步分析
本文将从企业性质、负债率两个角度出发，深入探究在不同的条件下经济政策不确定性对企业专利产出和研发投入的影响是否存在差异。由于篇幅的限制，并且考虑到相比于其他专利，发明专利具有更高的潜在价值，以下的研究仅汇报了政策不确定性对专利总数、发明专利和研发投入的影响的分析结果。
（一）企业性质对经济政策不确定性与企业创新关系的影响
国有企业与非国有企业的经营模式、组织形式、外部环境等都可能存在一定的差异，因此，经济政策不确定性对不同所有制类型企业创新的作用效果可能不同。本文按产权性质将所有样本分为国有企业和非国有企业两组，进行回归分析，结果见表8。结果显示：从专利产出来看，经济政策不确定性对国有企业专利总数产出的抑制效果不显著，对非国有企业专利总数、发明专利和国有企业发明专利产出依旧存在“挤出”效应，其中，对国有企业发明专利产出的抑制作用更强。这可能是由于国有企业由国家控制大部分股权甚至全部股权，对政策的出台与变动更加敏锐，而非国有企业的表现则相对迟钝。从研发投入来看，在国有企业样本中，经济政策不确定性对研发投入的回归系数虽然为正但不显著；在非国有企业样本中，经济政策不确定性对研发投入的回归系数为负且在1%的统计水平上显著，说明政策的剧烈波动不利于企业的研发投入。
（二）负债率对经济政策不确定性与企业创新关系的影响
本文将所有样本按照负债水平进行分组，将负债率大于样本中位数的企业认定为高负债企业，反之为低负债企业，回归结果见表9。从专利产出来看，经济政策不确定性对高负债企业专利总数和发明专利产出的“挤出”效应显著，而对低负债企业的抑制效果不显著。可能原因是，高负债率的企业负债较多，资金链不稳定，资金来源比较单一，导致债务难以及时偿还，同时高负债还使企业投资、融资成本增加，考虑到资金的充足性，企业容易放弃一些投资机会，从而引起专利产出的降低。但是从研发投入来看，在高负债率的企业样本中，经济政策不确定性对企业研发投入的“挤出”效应反而更弱。可能原因是，高负债企业的总资产大部分来自贷款，自有资金比较少，当企业面临投资决策时，出于对债权人利益的保障，表现出更加谨慎的态度，从而会降低企业的研发投入。
nlc202211281920
六、结论与启示
党的十九大报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。创新已经逐步成为提高企业竞争力、实现经济高质量发展的持续动力。本文从理论上梳理了经济政策不确定性与企业创新之间的关系以及要素价格扭曲和融资约束在其中发挥的作用，利用2008―2019年A股上市公司的创新数据以及中国经济政策不确定性指数构建多层线性模型进行实证检验，得出以下结论：第一，经济政策不确定性对企业研发投入强度和创新产出具有显著的“挤出”效应，该结论经过减少样本误差和内生性处理的稳健性检验后依然成立；第二，异质性分析表明，这一效应会受到企业性质、负债率等因素的影响；第三，调节效应结果表明，要素价格扭曲会削弱经济政策不确定性对专利总数、发明专利、外观专利产出和研发投入的抑制效果，而融资约束则会进一步扩大这一效果。
综合上述结论，本文得出以下启示：首先，降低政府行为的不确定性，稳定市场预期。一方面，政府在制定和实施相关激励政策时，应当注重政策的连续性，加大政策的解读力度，提高政策的透明度；另一方面，优化官员的考核制度，防止官员为追求考核指标而出台一系列短视政策。其次，拓展融资渠道，建立健全信用担保体系。降低金融服务的门槛，让更多中小企业享受金融服务；建立完善征信和融资担保体系，挑选出资信较好但是面临融资约束的企业，为其提供担保，增加其可用资金，从而提高企业创新的积极性。同时，企业可以通过积极主动地披露与征信相关的信息，吸引外部资金的投入，也可以采取多元化的融资方式，增加资金链的稳定性，更好地开展创新活动。最后，促进资本的最优配置，有效发挥金融市场的资源配置功能。在推动要素市场大改革的背景下，政府应逐步降低对信贷活动的无效率干预，引导金融机构以市场供需为基础，有效地发挥金融市场的最优资源配置功能，确保要素价格处于合理的水平。同时，金融机构要充分了解市场行情，为企业研发活动的开展提供便利，提高对企业创新的支持力度，促进更多的资本要素流入创新领域，推动企业创新。
参考文献：
[1]Huseyin Gulen，Mihai Ion. 2016. Editor's Choice：Policy Uncertainty and Corporate Investment [J].The Review of Financial Studies，29（3）.
[2]杜江，刘诗园.经济政策不确定性、金融发展与技术创新 [J].经济问题探索，2020，（12）.
[3]陈永伟，胡伟民.价格扭曲、要素错配和效率损失：理论和应用 [J].经济学（季刊），2011，10（04）.
[4]汶荣.要素市场扭曲对制造业高质量发展的影响 [J].经济问题，2021，505（09）.
[5]Zhu X，Asimakopoulos S，Kim J. 2020. Financial Development and Innovation-Led Growth：Is Too Much Finance Better？[J].Journal of International Money and Finance，（1）.
[6]Nicholas Bloom. 2009. The Impact of Uncertainty Shocks [J]. Econometrica，77（3）.
[7]曲丽娜，刘钧霆.经济政策不确定性、政府补贴与企业创新 [J].统计与决策，2022，38（06）.
[8]邓江花，张中华.经济政策不确定性与企业创新投资 [J].软科学，2021，35（06）.
[9]陈娟娟，赵红岩，杨肖丽.经济政策不确定性、融资约束与企业创新 [J].预测，2021，40（02）.
[10]李佳霖，董嘉昌，张倩肖.经济政策不确定性、融资约束与企业投资 [J].统计与信息论坛，2019，34（10）.
[11]Wensheng Kang，Kiseok Lee，Ronald A Ratti. 2014. Economic Policy Uncertainty and Firm-Level Investment [J].Journal of Macroeconomics，39（Pt.A）.
[12]郭田勇，孙光宇.经济政策不确定性、融资成本和企业创新 [J].国际金融研究，2021，414（10）.
[13]朱巧玲，杞如福.经济政策不确定性是否抑制了上市企业创新？ [J].财经问题研究，2022，（04）.
[14]Avner Bar-Ilan. 1999. The timing and intensity of investment [J].Journal of Macroeconomics，21（1）.
[15]边志强，唐松林，郭剑锋.经营环境不确定性与企业创新――基于宏观经济和地方政策双重不确定性视角 [J].产业经济研究，2021，（04）.
[16]严复雷，史依铭.经济政策不确定性、金融发展与企业创新 [J].金融发展研究，2021，（05）.
[17]席龙胜，张欣.经济政策不确定性、高管激励与企业研发投入――基于沪深A股上市公司的平衡面板数据 [J].河南师范大学学报（哲学社会科学版），2021，48（03）.
[18]田杰，谭秋云，陈一明.数字普惠金融、要素扭曲与绿色全要素生产率 [J].西部论坛，2021，31（04）.
[19]宋大强，皮建才.要素价格扭曲的经济效应：一个文献综述 [J].经济社会体制比较，2020，（03）.
[20]罗知，宣琳露，李浩然.国际贸易与中国技术进步方向――基于要素价格扭曲的中介效应分析 [J].经济评论，2018，（03）.
nlc202211281920
[21]李德山，邓翔.价格扭曲、资源错配是否抑制了我国创新生产率？ [J].科学学研究，2018，36（04）.
[22]笪远瑶，王叶军.要素价格扭曲、资本深化与区域创新选择 [J].经济问题探索，2022，（05）.
[23]Sandra Poncet，Walter Steingress，Hylke Vandenbussche. 2010. Financial Constraints in China：Firm-Level Evidence [J].China Economic Review，21（3） .
[24]赵萌，叶莉，范红辉.经济政策不确定性与制造业企业创新――融资约束的中介效应研究 [J].华东经济管理，2020，34（01）.
[25]顾海峰，朱慧萍.经济政策不确定性、融资约束与企业投资效率 [J].现代经济探讨，2021，（12）.
[26]薛龙，张雪蟒，郭歌.全球经济政策不确定性对我国企业创新的影响研究――基于融资约束的视角 [J].金融理论与实践，2022，（03）.
[27]Scott R Baker，Nicholas Bloom，Steven J Davis. 2016. Measuring Economic Policy Uncertainty [J].The Quarterly Journal of Economics.
[28]陈利，王天鹏，吴玉梅，谢家智.政府补助、数字普惠金融与企业创新――基于信息制造类上市公司的实证分析 [J].当代经济研究，2022，（01）.
[29]余得生，杨礼华.数字金融对企业绿色创新的影响研究――基于区域异质性的视角 [J].征信，2021，39（10）.
[30]Bell Andrew，Jones Kelvyn. 2015. Explaining Fixed Effects：Random Effects Modeling of Time-Series Cross-Sectional and Panel Data [J].Political Science Research & Methods，3（01）.
[31]林煜恩，汪雯仪，齐聪俐.薪酬差距与员工福利对企业绩效的影响――基于地区人力资本的跨层次调节作用 [J].金融学季刊，2021，15（03）.
Economic Policy Uncertainty and Enterprise Innovation：the Moderating Effects of Factor Price Distortion and Financing Constraints
Yu Desheng/Yang Lihua
（School of Economics and Management，East China Jiaotong University，Nanchang，330013，Jiangxi，China）
Abstract：From the perspective of embeddedness，this paper introduces China's economic policy uncertainty index and micro data to construct a multi-layer linear model，and investigates the relationship between economic policy uncertainty and firm innovation，as well as the moderating effects of factor price distortions and financing constraints. It is found that：（1）economic policy uncertainty significantly inhibits firms' R&D investment intensity and innovation output，and the robustness test results also confirm this finding；（2）tests of the moderating effect suggest that factor price distortions mitigate the dampening effect of economic policy uncertainty on total patents，invention patents，patent output and R&D inputs，while financing constraints amplify this effect；（3）further analysis reveals that the effect of economic policy uncertainty on R&D input and innovation output is affected by factors such as the nature of the firm and the debt ratio.
Key Words：multilayer statistical analysis，R&D investment，innovation output，uncertainty
（任编辑 刘 阳；校对 LY，WY）
nlc202211281920
转载注明来源:https://www.xzbu.com/3/view-15442661.htm
