政策不確定性損害了中國經(jīng)濟(jì)的長期增長潛力嗎？
——來自企業(yè)創(chuàng)新行為的證據(jù)

梁權(quán)熙 謝宏基

一、引言

創(chuàng)新是企業(yè)獲得核心競爭力和發(fā)展優(yōu)勢的主要來源(Schumpeter，1934[1]；Porter，1992[2])，也是一國經(jīng)濟(jì)長期增長的關(guān)鍵驅(qū)動力(Solow，1957[3])。對于正處于增長動力轉(zhuǎn)換疊加政府政策框架重塑的轉(zhuǎn)型關(guān)鍵期的中國來說，破解當(dāng)前經(jīng)濟(jì)困境的關(guān)鍵就在于能否盡快促進(jìn)企業(yè)創(chuàng)新升級(Wei等，2017[4])。一方面，中國目前急需實(shí)現(xiàn)由外生要素驅(qū)動向內(nèi)生創(chuàng)新驅(qū)動的增長動力轉(zhuǎn)換，但中國經(jīng)濟(jì)仍面臨著研發(fā)投入不足、整體創(chuàng)新能力不強(qiáng)等問題(李揚(yáng)和張曉晶，2015[5])；另一方面，政府政策框架的重塑意味著政策的頻繁變化和高度的政策不確定性，加上我國地方政府主要官員頻繁變換是一種常態(tài)，導(dǎo)致地方層面的經(jīng)濟(jì)政策具有很強(qiáng)的不連續(xù)性和不確定性(楊海生等，2014[6])。在此背景下，有關(guān)政策不確定性到底如何影響中國企業(yè)的創(chuàng)新行為從而作用于實(shí)體經(jīng)濟(jì)的長期增長已成為一個亟待研究的重要理論和現(xiàn)實(shí)問題。

自2008年全球金融危機(jī)以來，政策不確定性備受政策層、媒體和學(xué)術(shù)界的廣泛關(guān)注。有不少研究認(rèn)為各國政府應(yīng)對危機(jī)時在財政、金融監(jiān)管、貨幣等政策上的不確定性是危機(jī)期間實(shí)體經(jīng)濟(jì)加速下行并在危機(jī)后復(fù)蘇乏力的主要原因之一(Bloom，2014[7]；Baker等，2016[8])。盡管現(xiàn)有的研究提供了建設(shè)性的證據(jù)表明政策不確定性會通過降低產(chǎn)出、投資、就業(yè)及貿(mào)易等損害短期的經(jīng)濟(jì)增長，但政策不確定性對長期經(jīng)濟(jì)增長及社會福利的影響遠(yuǎn)無定論(Bloom，2014[7]；Atanassov等，2015[9])。特別地，雖然有部分研究發(fā)現(xiàn)政策不確定性會抑制企業(yè)對資本支出等短期有形資產(chǎn)的投資(如李鳳羽和楊墨竹，2015[10]；Gulen和Ion，2016[11])，但創(chuàng)新投資并不同于常規(guī)的有形資產(chǎn)投資，它是一種長周期、高技術(shù)不確定性和高尾部風(fēng)險的大規(guī)模無形資產(chǎn)投資，由于調(diào)整成本不同，創(chuàng)新投資對政策不確定性的反應(yīng)可能存在差異(Bloom，2007[12])?，F(xiàn)有文獻(xiàn)并不清楚高度不確定的政府政策環(huán)境究竟如何影響企業(yè)的創(chuàng)新投資行為，而后者被認(rèn)為對長期經(jīng)濟(jì)增長具有決定性作用。

本文基于中國特有的不斷改革變化的制度背景和政府對經(jīng)濟(jì)活動頻繁干預(yù)的政策環(huán)境，利用2003—2014年間的2 476家上市公司樣本，考察政策不確定性對企業(yè)創(chuàng)新行為的影響。本文的邊際貢獻(xiàn)主要體現(xiàn)在：(1)盡管已有少部分文獻(xiàn)考察了政策不確定性對企業(yè)創(chuàng)新的影響(如Bhattacharya等，2017[13]；顧夏銘等，2018[14])，但是得到的結(jié)論并不一致；并且這些文獻(xiàn)未能區(qū)分不同來源的政策不確定性對企業(yè)創(chuàng)新的影響。本文將政策不確定性指數(shù)分解為來自全球、國家和地方政府三個層面的政策不確定性，檢驗了不同層面的政策不確定性對企業(yè)創(chuàng)新影響的差異，為理解政策不確定性的經(jīng)濟(jì)效應(yīng)提供了新的視角和經(jīng)驗證據(jù)。(2)本文還進(jìn)一步從市場競爭環(huán)境、增長機(jī)會和創(chuàng)新難度等角度拓展了現(xiàn)有文獻(xiàn)對政策不確定性如何影響企業(yè)投資行為的研究，為理解宏觀經(jīng)濟(jì)政策環(huán)境對長期經(jīng)濟(jì)增長及社會福利的影響提供了新的視角。(3)在內(nèi)生性問題處理上，本文采用Baker等(2016)[8]構(gòu)建的“中國經(jīng)濟(jì)政策不確定性指數(shù)”克服了以往文獻(xiàn)采用企業(yè)層面指標(biāo)或者地方官員變更來度量政策不確定性所面臨的嚴(yán)重內(nèi)生性問題，同時通過采用工具變量法、面板固定效應(yīng)模型和引入更多宏觀控制變量等方法來捕捉政策不確定性對企業(yè)創(chuàng)新行為的經(jīng)濟(jì)效應(yīng)，建立了更為可靠的因果關(guān)系。

二、理論分析與研究假設(shè)

不確定性(uncertainty)是不同于風(fēng)險(risk)的概念，前者描述的是已知的某個事件集合發(fā)生的概率分布，而Knight(1921)[15]將不確定性(uncertainty)定義為“人們無法預(yù)知事件發(fā)生的可能性”。相比于風(fēng)險，不確定性意味著人們擁有更少的關(guān)于未來的知識。根據(jù)實(shí)物期權(quán)理論，如果投資(或其他經(jīng)濟(jì)決策)不完全可逆(比如存在較高的調(diào)整成本)，則擁有投資機(jī)會可看作是企業(yè)持有一系列的等待期權(quán)(options to wait)(Bernanke，1983[16]；Dixit和Pindyck，1994[17])。當(dāng)企業(yè)面臨不確定性時，推遲項目投資并等待雖然可能會錯失當(dāng)前的利潤，但通過等待更多關(guān)于未來不確定的信息到來也能夠避免因決策失誤造成的巨大損失。也就是說，持有等待期權(quán)可以在一定程度上消解不確定性，而未來不確定性的上升將提高等待期權(quán)的價值，增加企業(yè)投資的機(jī)會成本，從而抑制企業(yè)的投資活動(Bloom等，2007[18]；Bloom等，2011[19])。上述實(shí)物期權(quán)效應(yīng)理論邏輯成立的關(guān)鍵在于投資決策的不可逆性(irreversibility)，即投資決策的不可逆程度越高，不確定性對企業(yè)投資活動的抑制作用越強(qiáng)，倘若投資決策完全可逆(比如回撤成本為零)，則實(shí)物期權(quán)的價值為零，不確定性不會直接影響企業(yè)的投資行為(Dixit和Pindyck，1994[17])。

創(chuàng)新投資屬于長周期的大規(guī)模無形資產(chǎn)投資，相比于常規(guī)的有形資產(chǎn)投資，創(chuàng)新投資具有更強(qiáng)的投資不可逆性或更高的調(diào)整成本(Grabowski，1968[20]；Dixit和Pindyck，1994[17])。一方面，創(chuàng)新投入形成的(無形)資產(chǎn)具有很強(qiáng)的資產(chǎn)專用性，通常只適用于某個行業(yè)(industrial-specific)甚至某個具體的項目(project-specific)，因而其回收再售的價值通常比較低；另一方面，創(chuàng)新投資中有很大一部分的研發(fā)費(fèi)用主要用于支付研究人員(如科學(xué)家、工程師等)的勞務(wù)費(fèi)，一旦研發(fā)項目失敗，這些投入都難以收回。因此，從投資不可逆性的角度來看，實(shí)物期權(quán)效應(yīng)意味著政策不確定性的提高會抑制企業(yè)的創(chuàng)新投資行為。值得注意的是，實(shí)物期權(quán)理論通常假設(shè)企業(yè)采用規(guī)模報酬遞減的生產(chǎn)技術(shù)并且能夠等待或推遲投資決策。如果推遲決策的成本太高，如企業(yè)就某個創(chuàng)意競爭申請專利或開發(fā)新的產(chǎn)品，則等待期權(quán)的價值會大打折扣，從而可能打破不確定性與投資之間的負(fù)向關(guān)系(Bloom，2014[7])。

政策不確定性還可能通過風(fēng)險或模糊厭惡溢價渠道抑制企業(yè)的創(chuàng)新活動。例如Pastor和Veronesi(2012)[21]構(gòu)建了一個一般均衡模型，發(fā)現(xiàn)盡管政策變化可能會提高潛在的現(xiàn)金流，但新的政策也可能會增加企業(yè)盈利的不確定性，并且會增加對企業(yè)未來投資前景的評估難度，提高企業(yè)的融資成本。在Hansen(1999)[22]、Ilut和Schneider(2014)[23]的模型中，不確定性使代理人無法形成關(guān)于未來的概率分布，假設(shè)代理人具有悲觀信念(pessimistic beliefs)，則由于“模糊厭惡”，他們將根據(jù)最壞的可能結(jié)果進(jìn)行決策。不確定性上升導(dǎo)致最壞的可能結(jié)果進(jìn)一步惡化，因而代理人對不確定性的反應(yīng)是削減投資支出。

基于以上的分析，本文提出研究假設(shè)1。

H1：給定其他條件不變，政策不確定性會抑制企業(yè)的創(chuàng)新活動，政策不確定性越高，企業(yè)的創(chuàng)新水平越低。

然而，政策不確定性也可能會促進(jìn)企業(yè)的創(chuàng)新投資。根據(jù)增長期權(quán)理論，如果不確定性能夠增加一項投資在未來的潛在收益空間，則不確定性會激勵企業(yè)增加投資(Bloom，2014[7])。例如Bar-Ilan和Strange(1996)[24]指出，企業(yè)執(zhí)行一項投資通常需要一定的建設(shè)周期(time-to-build)或孕育期(gestation period)，他們發(fā)現(xiàn)具有不同建設(shè)周期的投資項目對不確定性的反應(yīng)有很大的差異，不確定性對投資的遏阻效應(yīng)隨著項目孕育期的加長而減弱。由于創(chuàng)新投資的開發(fā)周期(time-to-develop)往往很長(Holmstrom，1989[25])，不確定性的上升反而可能會鼓勵企業(yè)盡快進(jìn)行創(chuàng)新投資。Kulatilaka和Perotti(1998)[26]構(gòu)建的策略增長期權(quán)模型也表明，在不確定的競爭性市場環(huán)境中，企業(yè)進(jìn)行初始的R&D投資是為了獲得未來的增長期權(quán)，占先(preemption)進(jìn)入將賦予企業(yè)充分利用未來成長機(jī)會的能力，可以阻止競爭者進(jìn)入或誘使競爭者做出讓步，從而獲得競爭優(yōu)勢。Weeds(2002)[27]則在一個基于R&D競爭的實(shí)物期權(quán)模型中考慮了研發(fā)競爭的影響，發(fā)現(xiàn)當(dāng)策略占先(strategic preemption)的預(yù)期價值超出等待期權(quán)的價值時，不確定性確實(shí)能夠鼓勵企業(yè)盡早執(zhí)行R&D投資。因此，基于策略價值考量的增長期權(quán)理論預(yù)期政策不確定性將促進(jìn)企業(yè)的創(chuàng)新投資。

此外，與常規(guī)投資不同的是，創(chuàng)新投資不僅具有未來收益的不確定性，還具有高度的技術(shù)不確定性(Grossman和Shapiro，1986[28])。例如，研發(fā)項目能否最終獲得成功事前無法預(yù)料，并且項目需要持續(xù)多長時間才能獲得成功事前也不可預(yù)知。因而，研發(fā)難度及項目持續(xù)周期帶來的不確定性使得企業(yè)難以坐等其消失，只能通過盡早研發(fā)以獲得經(jīng)驗來提高成功的概率，從而降低項目的技術(shù)不確定性(Pindyck，1993[29]；Bar-Ilan和Strange，1996[24])?；贠i(1961)[30]、Hartman(1972)[31]與Abel(1983)[32]所提出的“好消息與壞消息準(zhǔn)則”(good vs bad news principle)也預(yù)期不確定性會促使企業(yè)盡早投資。作為環(huán)境適應(yīng)能力極強(qiáng)的市場主體，企業(yè)能夠根據(jù)好消息(壞消息)擴(kuò)張(收縮)其經(jīng)營規(guī)模，從而獲取好消息帶來的好處并規(guī)避壞消息的沖擊。因而在不確定的環(huán)境中，企業(yè)更偏好風(fēng)險從而更傾向于增加投資。此外，企業(yè)從事創(chuàng)新活動所獲得的專利產(chǎn)出也可看作是一項期權(quán)(Bloom和Van Reenen，2010[33])，因為專利受到法律保護(hù)，可以防止被復(fù)制和模仿，從而阻止其他競爭者進(jìn)入市場；另外，創(chuàng)新投資還可以通過專利等知識產(chǎn)權(quán)的轉(zhuǎn)讓獲得收益，這也會部分抵消創(chuàng)新投資的不可逆性。因此，獲得專利授權(quán)可看作賦予創(chuàng)新投資的一項可逆期權(quán)(a reversibility option)，從而促使企業(yè)在不確定環(huán)境下加快而不是延遲創(chuàng)新投入。

綜合上述的分析，本文提出競爭性研究假設(shè)2。

H2：給定其他條件不變，政策不確定性能夠促進(jìn)企業(yè)的創(chuàng)新活動，政策不確定性越高，企業(yè)的創(chuàng)新水平越高。

三、研究設(shè)計

(一)樣本來源與數(shù)據(jù)說明

本文以2003—2014年間在滬深兩市上市的公司作為主要研究樣本。以2014年作為截止年份可以確保樣本期間內(nèi)的專利申請有足夠的時間被專利局審查及授權(quán)，從而緩解專利數(shù)據(jù)的“斷尾問題”(truncation problem)。本文所使用的上市公司專利數(shù)據(jù)和財務(wù)數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫，“中國經(jīng)濟(jì)政策不確定性指數(shù)”來源于Baker等(2016)[8]的官方網(wǎng)站，宏觀經(jīng)濟(jì)數(shù)據(jù)來自Wind數(shù)據(jù)庫。本文剔除了金融保險行業(yè)和主要變量有缺失的公司樣本，最終樣本包含2 476家公司共19 512個公司-年觀測值。為了消除異常值的影響，本文對所有連續(xù)變量進(jìn)行了1%的Winsorize縮尾處理。

(二)變量的度量方法

1.企業(yè)創(chuàng)新。

本文度量企業(yè)創(chuàng)新產(chǎn)出的主要指標(biāo)為公司當(dāng)年申請并最終授權(quán)的專利總數(shù)(Patent)和公司當(dāng)年申請的專利總數(shù)(PatentA)。為了更好地反應(yīng)創(chuàng)新活動的長期性，本文在所有的回歸分析中都采用專利變量領(lǐng)先一期的做法，并將缺失專利數(shù)據(jù)信息的樣本賦值0(Fang等，2014[34])。為了克服專利數(shù)據(jù)的右偏性，本文將領(lǐng)先一期的專利數(shù)量加1再取自然對數(shù)(LnPatentt+1和LnPatentAt+1)作為創(chuàng)新活動的代理變量。

2.政策不確定性。

本文主要采用Baker等(2016)[8]構(gòu)造的“中國經(jīng)濟(jì)政策不確定性指數(shù)”來度量中國企業(yè)面臨的政策不確定性，使用年度算術(shù)平均值的方式將月度數(shù)據(jù)轉(zhuǎn)換得到年度的經(jīng)濟(jì)政策不確定性指數(shù)(PU)。與官員變更、股價波動率等度量方式相比，該指標(biāo)不僅同時涵蓋中央政府層面和地方政府層面的政策不確定性，而且具有較好的連續(xù)性和時變性(Gulen和Ion，2016[11])，能夠較為準(zhǔn)確地衡量政策不確定性的中短期變動。圖1描繪了Baker等(2016)[8]構(gòu)造的“中國經(jīng)濟(jì)政策不確定性指數(shù)”在1995年1月至2018年7月間的波動狀況。從圖中可知，PU在時間上的走勢與我國重要的經(jīng)濟(jì)政策事件基本吻合，表明該指數(shù)能夠較好地反映我國的政策不確定性。

圖1 中國政策不確定性指數(shù)走勢圖：1995—2018

3.控制變量的選取。

為了分離出政策不確定性對企業(yè)創(chuàng)新的凈效應(yīng)，本文參考已有文獻(xiàn)的做法(Fang等，2014[34]；潘越等，2015[35])，控制了一系列企業(yè)層面和宏觀層面的變量。這些控制變量包括：企業(yè)規(guī)模(LnSize)，用企業(yè)總營業(yè)收入的自然對數(shù)表示；財務(wù)杠桿比率(Lev)，用總負(fù)債除以總資產(chǎn)來表示；盈利能力(Roa)，以凈利潤除以年初總資產(chǎn)來表示；產(chǎn)品市場競爭程度(HHI)，用所有上市企業(yè)營業(yè)收入行業(yè)占比的赫芬達(dá)指數(shù)來表示，HHI越小，表示市場競爭程度越高；企業(yè)年齡的自然對數(shù)(LnAge)、資本投資支出與總資產(chǎn)比值(CPXTA)、托賓Q值(TobinQ)、營業(yè)收入增長率(Growth)、宏觀經(jīng)濟(jì)先行指數(shù)(MCIL)和省級GDP真實(shí)增長率(GDP_growth)。

(三)基準(zhǔn)模型設(shè)定

借鑒Atanassov等(2015)[9]關(guān)于企業(yè)創(chuàng)新行為的簡化式(reduced form)框架，我們設(shè)定如下多元回歸模型來檢驗政策不確定性對企業(yè)創(chuàng)新活動的影響：

+IndustryDum+ξi, t

(1)

四、回歸結(jié)果分析

(一)描述性統(tǒng)計

表1列示了主要變量的描述性統(tǒng)計結(jié)果。平均而言，一家樣本公司每年的專利授權(quán)數(shù)量為12.85個，每年專利申請的數(shù)量為18個；兩者的中位數(shù)均為0，說明樣本公司的專利數(shù)量是右偏的。政策不確定性變量PU的均值和中位數(shù)分別為1.301和1.139，標(biāo)準(zhǔn)差為0.525，說明“中國經(jīng)濟(jì)政策不確定性指數(shù)”在時間變化上存在明顯波動差異。在控制變量方面，樣本公司的資產(chǎn)收益率平均值為3.2%，平均資產(chǎn)負(fù)債率為48.6%，平均資本性支出占總資產(chǎn)比重為5.9%，平均銷售增長率為22%，省級GDP真實(shí)增長率平均值為8.3%。

表1 主要變量描述性統(tǒng)計

(二)基準(zhǔn)回歸結(jié)果

表2報告了政策不確定性與企業(yè)創(chuàng)新關(guān)系的基準(zhǔn)回歸結(jié)果。列(1)以公司專利授權(quán)數(shù)量LnPatentt+1為因變量，在控制了一系列企業(yè)層面和宏觀層面的影響因素后，PU的系數(shù)為0.305，并且在1%的統(tǒng)計水平上顯著。該結(jié)果隱含的經(jīng)濟(jì)含義為，平均意義上，當(dāng)年政策不確定性變動一個標(biāo)準(zhǔn)差(0.525)，公司下一年度的專利授權(quán)數(shù)量增加16.01%(0.305×0.525=0.160 1)。在以公司專利申請數(shù)量LnPatentAt+1為因變量的列(2)回歸結(jié)果中也得到了類似的結(jié)論。上述結(jié)果提供的證據(jù)表明，不確定的政策環(huán)境會激勵企業(yè)盡早執(zhí)行創(chuàng)新投資以獲得未來的增長期權(quán)，從而促進(jìn)了企業(yè)的創(chuàng)新活動。這種促進(jìn)作用無論是在統(tǒng)計意義還是經(jīng)濟(jì)意義上都是非常顯著的，從而驗證了研究假設(shè)2。

在控制變量中，企業(yè)規(guī)模LnSize、財務(wù)杠桿比例Lev、資產(chǎn)收益率Roa、公司年齡LnAge、公司成長性指標(biāo)TobinQ與創(chuàng)新變量的關(guān)系，與Fang等(2014)[34]的發(fā)現(xiàn)相一致，即公司規(guī)模越大、財務(wù)杠桿比例越低、盈利能力越強(qiáng)、成立時間越短、成長性越高，公司創(chuàng)新產(chǎn)出水平越高。

表2 政策不確定性與企業(yè)創(chuàng)新

(三)影響機(jī)制分析

1.產(chǎn)品市場競爭的影響。

企業(yè)創(chuàng)新投資的一個重要特征是策略考量的非獨(dú)立性。在不確定的環(huán)境中，企業(yè)進(jìn)行初始的研發(fā)投資是為了獲得未來的增長期權(quán)，特別是當(dāng)企業(yè)之間存在投資機(jī)會競爭時，及時地市場占先(preemption)投資將賦予企業(yè)充分利用未來成長機(jī)會的能力，可以阻止競爭者進(jìn)入或誘使競爭者做出讓步，從而獲得競爭優(yōu)勢(Kulatilaka和Perotti，1998[26])。已有研究表明，創(chuàng)新具有獨(dú)特性、難以模仿和替代等特征，加上創(chuàng)新投資會產(chǎn)生專利，它能夠防止被模仿或阻止其他產(chǎn)品進(jìn)入市場，因而成為企業(yè)競爭優(yōu)勢的主要來源(Holmstrom，1989[25])。Weeds(2002)[27]構(gòu)建了一個基于R&D競爭的實(shí)物期權(quán)模型，發(fā)現(xiàn)當(dāng)策略占先(strategic preemption)的預(yù)期價值超出等待期權(quán)的價值時，不確定性確實(shí)能夠鼓勵企業(yè)盡早執(zhí)行R&D投資。也就是說，由于策略競爭引發(fā)“先發(fā)制人”的占優(yōu)威脅，在競爭性的市場環(huán)境中，企業(yè)更加擔(dān)憂其他競爭者會先行一步以獲得競爭優(yōu)勢。因此，我們預(yù)期更激烈的產(chǎn)品市場競爭將放大政策不確定性對企業(yè)創(chuàng)新的正效應(yīng)。

本文參考陳信元等(2014)[37]的做法，利用赫芬達(dá)爾指數(shù)乘以(-1)來度量產(chǎn)品市場競爭程度(COMP)。COMP數(shù)值越大，表示產(chǎn)品市場競爭程度越激烈。進(jìn)一步地，我們以COMP的中位數(shù)為臨界點(diǎn)，構(gòu)造產(chǎn)品市場競爭程度的啞變量PMC，當(dāng)公司所面臨的產(chǎn)品市場競爭程度大于中位數(shù)時取1，否則取0。然后，我們在基準(zhǔn)回歸模型上加入產(chǎn)品市場競爭指標(biāo)PMC與政策不確定性的交乘項，以識別產(chǎn)品市場競爭對政策不確定性與企業(yè)創(chuàng)新之間關(guān)系的影響。表3的列(1)和列(2)報告了考慮產(chǎn)品市場競爭影響后的回歸結(jié)果，交乘項PU×PMC系數(shù)都在1%的水平上顯著為正，表明激烈的市場競爭環(huán)境會促使企業(yè)進(jìn)行更多的創(chuàng)新活動以獲取或加強(qiáng)其未來的競爭優(yōu)勢，從而放大了政策不確定性對創(chuàng)新活動的促進(jìn)作用。

2.增長機(jī)會的影響。

在前文的理論分析部分，我們認(rèn)為增長期權(quán)是影響政策不確定性與企業(yè)創(chuàng)新投資的重要因素。Kulatilaka和Perotti(1998)[26]建立的一個策略增長期權(quán)模型表明，在非完全競爭的市場環(huán)境下，不確定性的增加確實(shí)會鼓勵企業(yè)投資于增長性期權(quán)。現(xiàn)有研究表明企業(yè)可以通過投資于R&D項目獲得增長機(jī)會，因為R&D活動可以為企業(yè)帶來新產(chǎn)品或更高效率的生產(chǎn)工藝，為企業(yè)打開新的市場或降低生產(chǎn)成本，從而獲得更高的市場份額和利潤(Mcgrattan和Prescott，2010[38])。因此，鑒于創(chuàng)新投資的潛在增長期權(quán)效應(yīng)，我們預(yù)期在政策不確定的環(huán)境下，增長機(jī)會更多的企業(yè)將具有更強(qiáng)的激勵投資于R&D以獲取或加強(qiáng)未來的競爭優(yōu)勢。

具體地，本文以是否為高新技術(shù)行業(yè)來捕捉企業(yè)的增長機(jī)會，即屬于高新技術(shù)行業(yè)表示增長機(jī)會越多；然后，我們在基準(zhǔn)回歸模型上加入增長機(jī)會與政策不確定性的交乘項，以識別增長機(jī)會對政策不確定性與企業(yè)創(chuàng)新之間關(guān)系的影響。其中，高新技術(shù)行業(yè)的劃分參照Brown等(2009)[39]和潘越等(2015)[35]的研究，根據(jù)證監(jiān)會2012年發(fā)布的《上市公司行業(yè)分類指引》，將制造業(yè)行業(yè)、信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)歸為高新技術(shù)行業(yè)，并構(gòu)造啞變量HighTech，若企業(yè)屬于以上提到的高新技術(shù)行業(yè)賦值1，否則賦值0。從表3的第(3)和(4)列的回歸結(jié)果可以看出，交乘項PU×HighTech的系數(shù)都在1%水平上顯著為正，表明在政策不確定性較高的環(huán)境下，增長機(jī)會較多的高新技術(shù)企業(yè)具有更強(qiáng)的創(chuàng)新激勵去從事創(chuàng)新活動以獲取或加強(qiáng)其未來的競爭優(yōu)勢，從而增強(qiáng)了政策不確定性對創(chuàng)新活動的正向作用。

3.創(chuàng)新難度的影響。

相比于一般的固定資產(chǎn)投資，創(chuàng)新投資具有開發(fā)周期長、收益不確定性和高度的技術(shù)不確定性(如完成項目的難度高)等特征(Holmstrom，1989)[36]。Pindyck(1993)[29]發(fā)現(xiàn)R&D項目的技術(shù)不確定性特質(zhì)會提高企業(yè)的R&D投資水平。Bar-Ilan和Strange(1996)[24]則發(fā)現(xiàn)如果完成項目需要較長的時間周期(如建設(shè)周期或孕育期較長)，那么不確定性的上升會促使企業(yè)加快投資。綜合來講，創(chuàng)新項目的技術(shù)不確定性和長建設(shè)周期性并不能通過推遲投資來消除，必須通過盡早研發(fā)獲得研發(fā)經(jīng)驗來提高項目成功的概率，因此技術(shù)不確定性和長建設(shè)周期性將促使企業(yè)盡快進(jìn)行創(chuàng)新投資。因此，我們預(yù)期在創(chuàng)新難度比較大的行業(yè)，例如R&D過程特別長、成本高和高度不確定的行業(yè)，政策不確定性對企業(yè)創(chuàng)新的正效應(yīng)將更強(qiáng)。

本文參照Tian和Wang(2014)[40]，構(gòu)造創(chuàng)新難度啞變量HtoI，將制藥、醫(yī)療器械、化學(xué)、計算機(jī)、通信和電力行業(yè)歸為創(chuàng)新難度大的行業(yè)并賦值1，其他行業(yè)的企業(yè)賦值0。然后，本文在基準(zhǔn)回歸模型上加入創(chuàng)新難度與政策不確定性的交乘項，以識別創(chuàng)新難度對政策不確定性與企業(yè)創(chuàng)新之間關(guān)系的影響。從表3的第(5)和(6)列的回歸結(jié)果可以看出，交乘項PU×HtoI的系數(shù)估計值至少在5%水平上顯著為正，表明較高的政策不確定性加速了企業(yè)對技術(shù)不確定性和長建設(shè)周期性項目的投資，從而放大了政策不確定性對企業(yè)創(chuàng)新的正效應(yīng)。

表3 影響機(jī)制分析

續(xù)前表

X=PMCX=HighTechX=HtoILnPatentt+1LnPatentAt+1LnPatentt+1LnPatentAt+1LnPatentt+1LnPatentAt+1(1)(2)(3)(4)(5)(6)CPXTA0.520??(2.05)0.686??(2.47)0.066(0.25)0.253(0.89)0.129(0.49)0.312(1.10)TobinQ0.034???(3.77)0.055???(5.45)0.036???(3.94)0.057???(5.65)0.035???(3.78)0.055???(5.40)Growth-0.109???(-8.64)-0.124???(-8.75)-0.103???(-8.08)-0.117???(-8.22)-0.103???(-8.10)-0.119???(-8.32)HHI-0.059(-0.12)-0.399(-0.73)-0.404(-0.81)-0.692(-1.27)MCIL0.067???(7.35)-0.021??(-2.15)0.061???(6.41)-0.027???(-2.68)0.060???(6.32)-0.027???(-2.70)GDP_growth-0.351(-0.68)-0.749(-1.34)-1.022?(-1.95)-1.439??(-2.53)-0.907?(-1.73)-1.331??(-2.33)Constant-10.684???(-10.24)-2.163?(-1.94)-10.026???(-9.26)-1.473(-1.29)-10.094???(-9.28)-1.626(-1.41)行業(yè)固定效應(yīng)YesYesYesYesYesYesR-squared0.3000.3210.2630.2960.2540.285No.ofObs.195121951219512195121951219512

(四)拓展性分析

在考察政策不確定性的經(jīng)濟(jì)效應(yīng)時，區(qū)分政策不確定性的不同來源是十分重要的(Bloom，2014[7]；Hassett和Sullivan，2016[41])。本文通過回歸方法將企業(yè)面臨的政策不確定性分解為全球?qū)用?、國?中央政府)層面和地方政府層面的政策不確定性，并分別考察它們對企業(yè)創(chuàng)新活動的影響。通過Baker等(2016)[8]提供的全球?qū)用娴慕?jīng)濟(jì)政策不確定性指數(shù)PUglobal和中國經(jīng)濟(jì)政策不確定性指數(shù)PUcountry，我們可以捕捉到全球?qū)用婧椭袊鴩覍用娴恼卟淮_定性。此外，我們還通過分省份的上市公司股價波動率來捕捉省級層面的政策不確定性PUprov。具體地，首先，根據(jù)上市公司注冊地識別其所在省份，并基于個股月度收益率，按照總市值加權(quán)計算得到省級層面的月度股票指數(shù)收益率(計算第i家公司對應(yīng)的指數(shù)收益率時剔除第i家公司自身的收益率)。然后，根據(jù)該月度指數(shù)收益率計算年度的標(biāo)準(zhǔn)差得到分省份的上市公司股價波動率PUprov。不同于Leahy和Whited(1996)[42]利用公司層面的個股收益波動率度量不確定性的做法，本項目從地區(qū)層面上利用其他公司的加權(quán)股價波動率(剔除第i家公司的影響)來度量第i家公司所面臨的不確定性，從而有效地緩解了個體異質(zhì)性引起的內(nèi)生性問題。最后，我們同時設(shè)定如下三個計量模型：

PUprov=β0+β1PUglobal+β2PUcountry+eprov

(2)

PUcountry=β0+β1PUglobal+β2PUprov+ecountry

(3)

PUglobal=β0+β1PUprov+β2PUcountry+eglobal

(4)

表4給出了檢驗不同層面(來源)的政策不確定性對企業(yè)創(chuàng)新影響后得到的回歸結(jié)果?；貧w(1)、(2)和(3)以專利授權(quán)數(shù)量LnPatentt+1為因變量，純粹地方政府層面的政策不確定性e_prov的系數(shù)在1%水平上顯著為正，表明來自地方政府層面的政策不確定性顯著增加了企業(yè)的專利授權(quán)數(shù)量。來自純粹國家層面的政策不確定性e_country的系數(shù)在1%水平上顯著為負(fù)，來自純粹全球?qū)用嬲卟淮_定性e_global的系數(shù)在1%水平上顯著為正。以專利申請數(shù)量LnPatentAt+1為因變量的回歸(4)、(5)和(6)也得到了類似的結(jié)果。值得注意的是，來自地方政府層面的政策不確定性的系數(shù)遠(yuǎn)遠(yuǎn)大于國家層面和全球?qū)用娴恼卟淮_定性系數(shù)，表明政策不確定性與企業(yè)創(chuàng)新之間的正向關(guān)系主要是由來自地方政府層面的政策不確定性驅(qū)動的。

表4 政策不確定性的分解

五、穩(wěn)健性檢驗

(一)內(nèi)生性問題

由于政策的制定與變更屬于國家或地方政府層面的決策范疇，企業(yè)個體的行為很難從整體上影響宏觀政策，所以政策不確定性與企業(yè)創(chuàng)新行為之間幾乎不存在逆向因果關(guān)系。另外，我們在所有的回歸中采用創(chuàng)新變量領(lǐng)先一期的做法也有效避免了潛在的反向因果關(guān)系問題。本文采用Baker等(2016)[8]的經(jīng)濟(jì)政策不確定性指數(shù)作為政策不確定性的代理變量時，遺漏變量問題才是內(nèi)生性問題的主要來源(Bloom，2014[7])。盡管我們在基準(zhǔn)回歸模型(1)中引入了一系列宏微觀變量并控制了行業(yè)固定效應(yīng)，但仍有可能存在某些隨時間變化的變量同時影響著政策不確定性和企業(yè)的創(chuàng)新行為。因此，我們采用如下幾種方法來緩解內(nèi)生性問題。

首先，借鑒王義中和宋敏(2014)[43]的做法，我們選取“美國經(jīng)濟(jì)政策不確定性指數(shù)”(PU_US)作為“中國經(jīng)濟(jì)政策不確定性指數(shù)”(PU)的工具變量。作為世界上最發(fā)達(dá)的經(jīng)濟(jì)體，美國的政策變動往往會導(dǎo)致各個國家的政策變動，因而該指數(shù)與我國經(jīng)濟(jì)政策不確定性指數(shù)具有較強(qiáng)的相關(guān)性。同時，中國企業(yè)的創(chuàng)新行為不大可能影響美國的政策不確定性，并且美國的政策不確定性更有可能通過中國的政策不確定性而非其他渠道影響中國企業(yè)的創(chuàng)新投資。表5的列(1)～列(3)給出了用上述工具變量進(jìn)行回歸得到的結(jié)果。從列(1)的第一階段回歸結(jié)果可以看出，PU_US的系數(shù)在1%水平上顯著為正，說明美國的經(jīng)濟(jì)政策不確定性指數(shù)對“中國經(jīng)濟(jì)政策不確定性指數(shù)”PU具有較強(qiáng)的解釋力。從列(2)、列(3)的第二階段回歸結(jié)果可以看出，專利授權(quán)量或申請量顯著對政策不確定性PU回歸后系數(shù)仍然顯著為正，表明政策不確定性提高了企業(yè)的創(chuàng)新產(chǎn)出水平，與基準(zhǔn)回歸結(jié)果相一致。

其次，為了控制公司層面不可觀測的個體異質(zhì)性的影響，我們采用公司固定效應(yīng)模型對前述基準(zhǔn)回歸模型進(jìn)行重新估計。由表5中列(4)和列(5)的估計結(jié)果可知，政策不確定性PU的系數(shù)依然在1%水平上顯著為正值，表明政策不確定性與企業(yè)創(chuàng)新行為之間的正向關(guān)系不太可能是由不隨時間變化的遺漏變量或不可觀測的公司個體異質(zhì)性驅(qū)動的。

最后，為緩解遺漏變量的影響，我們參考Gulen和Ion(2016)[11]的討論，進(jìn)一步引入企業(yè)景氣指數(shù)來捕捉對企業(yè)未來經(jīng)濟(jì)前景的預(yù)期，引入企業(yè)資產(chǎn)收益率的橫截面標(biāo)準(zhǔn)差來控制未來企業(yè)盈利能力的不確定性，股票收益率的橫截面標(biāo)準(zhǔn)差以控制被股票市場預(yù)知的那部分不確定性。未列示的結(jié)果顯示，政策不確定性PU的系數(shù)作用方向和顯著性并未發(fā)生實(shí)質(zhì)性變化。

表5 內(nèi)生性問題的處理

續(xù)前表

工具變量法固定效應(yīng)模型PULnPatentt+1LnPatentAt+1LnPatentt+1LnPatentAt+1(1)(2)(3)(4)(5)TobinQ-0.008???(-8.13)0.035???(3.82)0.055???(5.47)-0.023???(-4.51)-0.022???(-4.05)Growth-0.010???(-3.17)-0.099???(-7.77)-0.114???(-7.95)-0.039???(-4.39)-0.043???(-4.38)HHI0.358???(6.92)-0.432(-0.88)-0.840(-1.57)0.503?(1.90)0.499?(1.71)MCIL-0.198???(-222.11)0.084???(9.21)-0.002(-0.22)0.121???(16.56)0.063???(8.56)GDP_growth0.845???(18.48)-0.034(-0.06)-0.358(-0.62)-0.258(-0.77)0.291(0.82)Constant20.249???(225.85)-12.801???(-12.34)-4.460???(-4.08)-13.633???(-16.57)-8.337???(-10.08)行業(yè)固定效應(yīng)YesYesYesNoNo公司固定效應(yīng)NoNoNoYesYesR-squared0.7640.250.2810.0570.073No.ofObs.1951219512195121951219512

(二)其他穩(wěn)健性檢驗

為了檢驗上述研究結(jié)果的可靠性，本文還進(jìn)行了一系列穩(wěn)健性測試。

1.政策不確定性與行業(yè)創(chuàng)新。

為了減少企業(yè)個體噪音的影響，我們借鑒Gulen和Ion(2016)[11]的做法，進(jìn)一步從行業(yè)平均層面考察政策不確定性與創(chuàng)新的關(guān)系。具體地，我們將基準(zhǔn)模型(1)中的創(chuàng)新變量以及企業(yè)層面的控制變量換成行業(yè)的平均值后重新進(jìn)行估計。行業(yè)類別的劃分依據(jù)證監(jiān)會2012年發(fā)布的《上市公司行業(yè)分類指引》，制造業(yè)取2位行業(yè)代碼，其他行業(yè)取1位行業(yè)代碼。另外，為了確?；貧w結(jié)果不受行業(yè)類別劃分的影響，我們進(jìn)一步按照3位行業(yè)代碼的劃分計算相關(guān)變量并重新進(jìn)行測試。從表6可以看出，無論采取何種行業(yè)劃分方式，政策不確定性PU的系數(shù)依然在1%水平上顯著為正，表明不確定的政策環(huán)境提高了行業(yè)的專利產(chǎn)出水平，從行業(yè)層面驗證了基準(zhǔn)回歸的結(jié)果。

表6 政策不確定性與行業(yè)創(chuàng)新

2.更換計量估計方法。

考慮到專利數(shù)據(jù)存在非負(fù)和計數(shù)性質(zhì)，本文參考Fang等(2014)[34]的做法，采用泊松回歸和負(fù)二項回歸方法重新進(jìn)行估計。表7給出了變換計量估計方法后的回歸結(jié)果。從中可以看出，政策不確定性PU的系數(shù)依然一致地在1%的水平上顯著為正，表明政策不確定性與企業(yè)創(chuàng)新的正向促進(jìn)關(guān)系不太可能受到計量估計方法選擇的影響。

表7 更換計量估計方法

3.重新構(gòu)造“中國經(jīng)濟(jì)政策不確定性指數(shù)”。

前文主要使用算術(shù)平均值的方式將“中國經(jīng)濟(jì)政策不確定性指數(shù)”由月度數(shù)據(jù)轉(zhuǎn)化為年度數(shù)據(jù)。為了確保實(shí)證結(jié)果不受該指數(shù)轉(zhuǎn)化方法選擇的影響，我們還采用年度中位數(shù)值來衡量年度經(jīng)濟(jì)政策不確定性(PU_median)。另外，參考饒品貴和徐子慧(2017)[44]的做法，我們將該指數(shù)在時間序列上分為兩組，指數(shù)較高的組賦值1，否則賦值0，從而得到政策不確定性的虛擬變量(PU_dum)；將該指數(shù)按年度均值進(jìn)行排序后劃分為5組，然后標(biāo)準(zhǔn)化為0～1之間的變量(PU_order)，這種變量設(shè)定介于連續(xù)變量和虛擬變量之間，兼具兩者的優(yōu)點(diǎn)。從表8可以看出，政策不確定性變量的系數(shù)依然一致地在1%的水平上顯著為正，表明政策不確定性與企業(yè)創(chuàng)新之間的正向促進(jìn)效應(yīng)并未受到“中國經(jīng)濟(jì)政策不確定性指數(shù)”轉(zhuǎn)化方法的影響。

表8 重新構(gòu)造“中國經(jīng)濟(jì)政策不確定性指數(shù)”

4.考慮企業(yè)創(chuàng)新質(zhì)量。

本文采用專利總量度量企業(yè)創(chuàng)新時只考慮了創(chuàng)新活動的數(shù)量，未考慮到創(chuàng)新活動的質(zhì)量。為此，本文參照黎文靖和鄭曼妮(2016)[45]的做法，采用領(lǐng)先一期的發(fā)明專利授權(quán)數(shù)量的自然對數(shù)(LnPatent1t+1)來捕捉企業(yè)創(chuàng)新活動的質(zhì)量。相比于實(shí)用新型和外觀設(shè)計專利，發(fā)明專利被認(rèn)為更具原創(chuàng)性、更能體現(xiàn)企業(yè)的實(shí)質(zhì)性技術(shù)創(chuàng)新。為了體現(xiàn)工作的完整性，我們還同時考慮了外觀設(shè)計和實(shí)用新型專利授權(quán)數(shù)量(LnPatent23t+1)(Tan等，2014[46])。從表9的列(1)和列(3)可以看出，政策不確定性PU的系數(shù)依然在1%水平上顯著為正，表明不確定的政策環(huán)境不僅顯著提高了企業(yè)創(chuàng)新產(chǎn)出水平，還從根本上提高了企業(yè)的創(chuàng)新質(zhì)量。

表9 政策不確定性與企業(yè)創(chuàng)新質(zhì)量

六、研究結(jié)論

經(jīng)濟(jì)轉(zhuǎn)型時期，政府政策框架的重塑和地方政府主要官員的頻繁變換形成了我國高度不確定性的政策環(huán)境。有關(guān)政策不確定性到底如何影響中國企業(yè)的創(chuàng)新行為從而作用于實(shí)體經(jīng)濟(jì)的長期增長，已成為一個亟待研究的重要理論和現(xiàn)實(shí)問題。本文利用2003—2014年間的2 476家上市公司樣本，考察政策不確定性對企業(yè)創(chuàng)新行為的影響。研究發(fā)現(xiàn)：(1)政策不確定性與企業(yè)的創(chuàng)新產(chǎn)出水平顯著正相關(guān)，政策不確定性越高，企業(yè)的創(chuàng)新水平越高；(2)當(dāng)外部產(chǎn)品市場競爭越激烈、增長機(jī)會越多、創(chuàng)新難度越大時，政策不確定性對企業(yè)創(chuàng)新活動的正向促進(jìn)作用越顯著；(3)政策不確定性與企業(yè)創(chuàng)新之間的正向促進(jìn)關(guān)系主要是由來自地方政府層面的政策不確定性驅(qū)動的，來自國家層面的政策不確定性抑制了企業(yè)的創(chuàng)新行為。本文的研究為理解宏觀經(jīng)濟(jì)政策環(huán)境對長期經(jīng)濟(jì)增長及社會福利的影響提供了新的視角。

本文的研究具有一定的政策啟示：第一，盡管本文發(fā)現(xiàn)政策不確定性提高了企業(yè)創(chuàng)新產(chǎn)出水平，但是通過分解不同來源的政策不確定性后發(fā)現(xiàn)來自國家層面的政策不確定性抑制了企業(yè)的創(chuàng)新行為。因此，應(yīng)保持國家層面的政策連續(xù)性和可預(yù)測性，穩(wěn)定企業(yè)主體的政策預(yù)期。第二，有關(guān)部門在出臺或者調(diào)整經(jīng)濟(jì)政策促進(jìn)經(jīng)濟(jì)增長的同時，要加大知識產(chǎn)權(quán)保護(hù)力度，為企業(yè)進(jìn)行技術(shù)創(chuàng)新活動營造公平競爭的市場環(huán)境，為創(chuàng)新難度較大、增長機(jī)會較多的高新技術(shù)企業(yè)解決融資難題。