我国股票市场对上市公司技术创新的作用分析

我国股票市场对上市公司技术创新的作用分析
朱
欢
（中国矿业大学管理学院，江苏徐州221116）
摘要：资金是企业技术创新活动中重要的决定要素，股票市场作为我国资金直接融通的主要方式，应该
对上市公司的技术创新有很大的促进作用。

文章在对R 2
作为上市公司技术创新的度量指标进行可行性的理论分析之后，用面板数据模型分析了上市公司融资结构对其技术创新的影响，发现股权融资比债权融资更好地促进了上市公司技术创新水平的提高，中小板比主板更好地促进了上市公司技术创新水平的提高，从而验证我国多层次资本市场体系建立的积极意义。

关键词：股票市场；技术创新；R 2；面板数据模型中图分类号：F832文献标识码：A 文章编号：1002-6487（2013）03-0167-04
基金项目：山东省软科学研究计划项目（2011RKGA1072）；中国矿业大学校社科基金项目（OJ091178）
作者简介：朱欢（1978-），女，江苏徐州人，博士研究生，讲师，研究方向：金融发展与企业技术创新。

0引言
从理论上看，股票市场的发展应该对企业技术创新有很大的促进作用。

但是限于对上市公司技术创新水平的度量指标的缺失，有关股票市场对企业技术创新的实证研究非常有限。

因此，要想研究股票市场发展对企业技术创新的作用效果，首先需要设计适用于股票市场的企业技术创新衡量指标。

目前学者们在研究上市公司的技术创新水平时主要采取R&D 费用/总收入和研发人员/员工总数作为度量指标，并以此来评定上市公司是否是高新技术企业。

该方法的缺陷在于，我国上市公司并不被强制要求披露R&D 费用和研发人员数。

鉴于此，本文使用上市公司个股的资本资产定价模型回归结果R 2作为上市公司技术创新水平的度量指标。

本文试图对我国股票市场对上市公司技术创新的作用效果进行实证检验，其中上市公司的技术创新水平以个股CAPM 的回归结果R 2
代理，而股票市场的作用本文只考
虑通过股票市场融资对上市公司技术创新的作用。

1我国主板上市公司R 2的计算1.1
数据说明
由于2005年开始的股权分置改革会对股票收益率产生影响，2007年1月开始实行新的会计准则会对上市公司财务数据产生影响，本文选取2007~2010年作为研究的时间跨度，数据来源于北京大学中国经济研究中心和北京色诺芬公司联合开发的数据库，从《CCER 股票价格收益数据库》中提取个股的月度收益率，从《CCER 证券市场指数数据库》中提取上证综合指数、深证成份指数的月度收益率。

我们考察对象是2007年前在深沪两市上市的所有公
司，并按以下一般性原则选择样本：（1）剔除金融类股票；
（2）剔除ST 股、*ST 股和未股改（S 股）的股票；（3）剔除数据有问题和数据不全的股票，最终得到的是平衡面板数据集。

每年截面样本公司数为：上海A 股621家，深圳主板295家，中小企业板（简称“中小板”）108家。

1.2
计算模型选择
Roll(1988)在其研究中加入行业因素进行分析，发现R 2并没有显著提高。

冯用富等（2009）用构成上证180指数的股票计算R 2时，将行业因素纳入CAPM 的解释变量，发现在加入行业因素后，模型的解释能力并没有明显提高。

而且我国股市的特征是行业因素与大盘指数有很强的相关性，为避免回归模型中的共线性，所以选择单因子的资本资产定价模型来估计R 2，即：
r it =αi +βi r mt +εit
（1）
其中r Mt 是有效证券组合的收益率。

对于上海A 股，本文采用上海A 股流通市值加权指数的月收益率作为r Mt 的替代变量；对于深圳主板和中小板，本文采用深圳A 股流通市值加权指数的月收益率作为r Mt 的替代变量。

用各股票2007～2010年的月度收益率计算每只个股的年度R 2。

1.3
R 2的计算结果及分析
本文假设股价完全反应了宏观经济信息以及公开的
上市公司特质信息。

而没有反映出来的就是没有公开的公司特质信息。

在计算过程中由于数据量比较大，应用Matlab2009编程进行回归，计算得到2007~2010年个股的年度R 2，各市场R 2的描述性统计见表1。

表1R 2
的描述性统计
表1中统计结果显示，上证A 股R 2的均值是0.4253，
深证A股主板的R2均值为0.3541，深证中小板股的R2均值为0.3004，比孔东民，申睿（2008）提出的0.453的均值水平稍低。

根据Morck等人（2006）的研究，越发达的资本市场拥有越低的R2，考虑到近年来我国证券市场的制度环境在不断改进，R2有所降低是可以理解的。

为进一步了解各市场R2的分布情况，分别对上海A 股、深圳主板和中小板个股的R2做了截面频数分布图（图1-图3）。

图1上证A股R2
截面频数分布图
图2深证A股主板R2
截面频数分布图
图3深证中小板股R2截面频数分布图
在上述三个市场中，中位数左面分布的R2个数明显多于中位数右面，上海A股、深圳A股主板和中小板三个板块R2左偏程度逐渐变大。

这也说明三个市场上市公司的技术创新水平逐渐变强。

这是因为，上海A股主要定位于大盘蓝筹股，且拥有众多的国有企业，这些企业要么具有行业垄断地位，要么受到较强的政府行政干预，处于行业垄断地位的企业缺乏技术创新的内在紧迫性，而受到政府行政干预的企业技术创新水平会受到一定程度的抑制。

而中小板是深圳证券交易所为了鼓励自主创新而专门设置的中小型公司聚集板块，是我国设立创业板市场的过渡阶段，板块内的公司普遍具有收入增长快、盈利能力强、科技含量高的特点，而且股票流动性好，交易活跃。

从另一个角度看，该结果也充分说明，我国的多层次资本市场体系充分发挥了对于技术创新企业的支持作用。

2研究假设及模型设定
2.1研究假设
在设计实证检验模型的时候，需要考虑与企业技术创新相关的融资结构、企业规模及所有权结构等因素。

（1）企业技术创新与融资结构。

融资结构，是指企业从外部获得的资金中，不同资金来源所占的比重。

从整体上看企业的外部资金来源可以分为股权融资和债权融资。

不同融资方式对企业技术创新的作用不仅是外部资金供给的表面特征差异，还表现在不同金融安排作用于企业技术创新的内在机理的差异，如信息传递、分散风险和公司治理等机制上。

本文以“总负债/总资产（资产负债率）”作为融资结构的替代指标，则企业的技术创新与融资结构存在以下关系：
企业技术创新程度比较高→股权融资比重比较高→资产负债率比较低
企业技术创新程度比较低→股权融资比重比较低→资产负债率比较高
因而提出研究假设1：上市公司的资产负债率与上市公司的技术创新水平呈负相关关系。

（2）企业技术创新与企业规模。

企业的技术创新能力与企业规模之间到底呈现何种关系仍是一个实证问题。

而在针对这种关系的实证研究中，各种结论均依赖于数据样本和计量方法的选择，并受到衡量技术创新和企业规模的指标选取的影响。

研究假设2：小企业的技术创新水平比大企业高。

（3）企业技术创新与所有权结构。

政企分开一直是我国国有企业改革的重要内容，并且政府在实现政企分开、政资分开上已经作出一些努力。

从总体上看，政府对国有企业仍然没有摆脱靠红头文件、政策手段、保护垄断等行政支配模式，从而直接干预企业的经营活动。

国有上市公司也会较多地受到政府的行政干预，从而会影响其技术创新水平。

基于此分析，提出研究假设3：国有上市公司的技术创新水平比较低，非国有上市公司的技术创新水平比较高。

2.2模型设定
根据上面分析，本文对上海A股、深圳A股主板和中小板都设计如下检验模型：
模型1：
R 2=c +β1FZL +μ（2）模型2：
R 2=c +β1FZL +β2LSIZE +μ（3）
模型3：
R 2=c +β1FZL +β2LSIZE +β3KZR +μ（4）其中，模型1是不带控制变量的检验模型，模型2和模型3是带控制变量的检验模型。

2.3
数据说明及处理
首先根据Durnev et al.(2004)的分析框架，对R 2进行调整使其调整后的分布趋于正态分布，调整公式如下：
T it =1n （1-R 2
it
R 2it
)
（5）
在处理过程中，发现调整后的R 2回归效果不如未调整的R 2
好，因而直接将R 2
作为上市公司技术创新的替代指标，需要注意的是，理论上R 2与技术创新水平呈负向关系。

从《CCER 上市公司财务数据库》中提取并筛选出上市公司的年度资产负债率、年度总资产、及企业的所有权性质等数据。

为与前面的计算保持一致，本文也选取2007~2010年作为研究的时间跨度。

资产负债率记为FZL，按照通常做法将总资产取对数记为LSIZE，企业的所有权性质来源于上市公司的最终控制人（KZR ），若最终控制人是政府，记为0，非政府则记为1。

由于本文主要考虑金融因素对企业技术创新的影响，因而将上市公司规模（LSIZE ）、最终控制人（KZR ）设定为控制变量。

3实证研究结果及讨论3.1
实证研究结果
按照面板数据的一般处理原则，首先通过F 检验和Hausman 检验确定面板数据的最终模型为固定效应模型。

对三个市场分别进行回归，回归结果见表2至表4。

表2
上海A 股融资结构对R 2
的回归结果注：本表估计由Eviews6.0完成。

（）中为t 统计值，［］中为t 的伴随概率。

*表示通过显著水平为1%的t 检验。

从表2可以看出，上海A 股上市公司的资产负债率（FZL ）不能解释R 2，两个控制变量上市公司规模（LSIZE ）和最终控制人（KZR ）也不能解释R 2。

从表3可以看出，深圳A 股主板上市公司的资产负债率（FZL ）不能解释R 2，两个控制变量上市公司规模（LSIZE ）和最终控制人（KZR ）也不能解释R 2。

表4中小板股票融资结构对R 2
的回归结果
注：1.本表估计由Eviews6.0完成。

括号中为t 统计值。

*、**、***分别表示通过显著水平为1%、5%、10%的t 检验。

2.由于中小板上市公司最终控制人基本都是非国有性质的，Eviews6.0不能对一列相似的数据进行回归，因而对于中小板不设最终控制人（KZR ）这一控制变量。

从表4可以看出，上海A 股和深圳A 股主板各解释变量的系数均不能通过显著性检验，而中小板各解释变量的系数均通过了显著性检验。

从通过显著性检验的中小板上市公司模型回归的整体效果看，模型的拟合优度比较低，说明模型整体的解释能力欠佳。

3.2
实证结果讨论
（1）对于上海A 股和深圳A 股主板对R 2的回归结果没有通过检验的讨论。

上海A 股和深圳A 股主板对R 2的回归结果没有通过检验，而深圳A 股的中小板通过了显著性检验，其原因可能是：①主板市场的上市科技企业比较少，已上市的科技企业规模也比较小，在样本企业数量比较大的情况下（上海621家样本企业，深圳主板295家样本企业），科技企业对于两个板块整体的技术创新水平的贡献非常有限。

②由于主板上市公司多数都是国有性质的企业，国有企业会受到较多的政府行政干预，在加上主板上市公司很多都是大盘蓝筹股，行业垄断性比较高，这些都在一定程度上抑制了上市公司的技术创新动力和水平，使得非科技企业的技术创新水平比较低。

③由于主板上市公司规模比较大，企业内部各项事务也较复杂，使得R 2反映的企业特质信息中技术创新信息不能占主导地位，因而用目前的解释变量来解释R 2时均不显著，系数也非常小。

④虽然上海A 股和深圳A 股主板没有通过检验，但是从回归结果看，深圳A 股主板的回归效果有明显好转趋势，
表现在回归系数变
表3
深圳A 股主板融资结构对R 2的回归结果
注：本表估计由Eviews6.0完成。

（）中为t 统计值，［］中为t 的伴随概率。

*表示通过显著水平为1%的t 检验。

大，t统计值的伴随概率变小。

这与上海A股R2的平均水平（0.4253）大于深圳A股主板R2的平均水平（0.3541）是一致的。

（2）对于中小板块检验结果的讨论。

对于中小板上市公司，资产负债率（FZL）与R2呈正相关关系，说明上市公司的资金来源中债权融资比重越高，则上市公司的技术创新水平越低。

反之，上市公司的股权融资比重越高，则上市公司的技术创新水平越高，这就验证了研究假设1。

中小板上市公司规模（LSIZE）与R2有负相关关系，说明企业规模越大其技术创新水平越高（及R2越小），这否定了研究假设2。

考虑到中小板上市公司上市前的规模比主板小（中小板上市公司发行前总股本不少于3000万元，而主板上市公司发行前总股本不少于5000万元），而上海和深圳的主板对于该指标没有通过显著性检验。

综合上述分析可以认为，中国企业的技术创新与企业规模之间或许存在一种倒U型关系：对于在中小板上市的中小规模企业，企业规模越大，技术创新水平越高；对于在主板上市的规模比较大的企业，企业规模越大，技术创新水平越低。

由于中小板上市公司的最终控制人（KZR）高度相似（多为非国有性质），Eviews无法做出回归分析。

而上海A 股和深圳A股主板的实证检验又不显著，所以无法验证研究假设3。

但是，研究样本中上海A股和深圳A股主板最终控制人是国家的企业数占比均超过70%，中小板企业最终控制人是国家的企业数占比不到20%。

结合上文对分市场的回归结果，中小板企业的整体R2低于上海和深圳的主板上市公司（中小板为0.3004，深圳A股主板为0.3541，上海A股为0.4253），即中小板企业的整体技术创新水平高于另外两个板块，可以从一定程度上解释非国有性质的企业技术创新水平比较高，而国有性质企业的技术创新水平比较低。

表5
三个板块最终控制人性质统计
（3）对于模型整体回归效果的讨论。

从整体上看，模型的拟合优度比较低。

产生这种现象可能的原因是：影响上市公司技术创新的因素较多，而模型中考虑的因素有限，导致模型整体上的解释不充分。

可以通过增加解释变量和控制变量的方法来提高模型整体的解释力度。

但是限于作者知识有限，截至论文定稿，尚未识别出比较合适的解释因素以纳入模型做进一步检验。

参考文献：
[1]Michelacci,Claudio,Suarez,Javier.Business Creation and the Stock Market[J].Review of Economic Studies,2004，(2).
[2]Michal Jerzmanowski,Mahler.The Welfare Consequences of Irratio⁃nal Exuberance:Stock Market Booms,Research Investment,and Pro⁃ductivity[J].Journal of Macroeconomics,2008，(30).
[3]Data,Bypass,Dixon,Huw.Technological Change,Entry,and Stock-Market Dynamics:an analysis of Transition in a Monopolistic Industry[J].American Economic Review,2002，92(2).
[4]L.Jin,S.C.Myers.R2around the World:New Theory and New Tests[J]. Journal of Financial Economics,2006,(79).
[5]Chun,H.Kim,J.W.,Morck.R.,Yeung.Creative Destruction and Firm-Specific Performance Heterogeneity[J].Journal of Financial Eco⁃nomics,2008,89(1).
[6]游家兴，张俊生，江伟.制度建设、公司特质信息与股价波动的同步性——基于R2研究的视角[J].经济学（季刊）,2007,（1）. [7]孔东民,申睿.R2、异常收益与交易的信息成分[J].中大管理研究，2008,（3）.
[8]邓可斌,丁重.中国为什么缺乏创造性破坏？——基于上市公司特质信息的经验证据[J].经济研究，2010,（6）.
(责任编辑/易永生)。