融资约束、盈余管理与技术创新

融资约束、盈余管理与技术创新作者：***
来源：《贵州财经大学学报》2020年第06期
摘要：
选取我国A股制造业上市公司2013～2018年的经验数据，运用回归分析法检验盈余管理对融资约束与企业技术创新关系的影响。

研究结果显示：我国制造业上市公司具有显著的研发投入-现金流敏感性，且面临着外部融资约束;盈余管理对企业技术创新具有显著正向促进作用;融资约束在盈余管理与技术创新关系中具有显著中介效应。

进一步分析所有权性质和规模因素后发现，盈余管理对民营制造企业R&D融资约束的缓解作用更加明显，并且更有利于缓解中小型制造企业所面临的融资困境。

关键词：
技术创新;盈余管理;融资约束;中介效应;调节效应
文章编号：2095-5960（2020）06-0029-09;中图分类号：F273.1
文献标识码：A
2019年中央经济工作会议指出：要不断增强制造业技术创新能力。

作为我国经济基础产业，制造业担负着我国经济转型升级、跨越发展的使命。

同时，世界经济和产业格局正处于大调整、大变革和大发展的新时期，制造技术与新一代信息技术的深度融合，为世界各国的制造业崛起提供了广阔的平台。

因此，我国制造业上市公司需要不断提升技术创新能力。

然而，由于信息不对称问题和委托代理问题的存在，使得企业技术创新资金严重依赖于内部资金，而企
业内部现金的积累又难以支撑持续性的技术创新，导致企业研发活动过度依靠外部资金。

同时，企业盈余管理也是为了让企业利益相关者做出科学合理的决策，而融资是企业赖以生存的基础。

因此，盈余管理可以有效解决我国制造业上市公司研发活动融资问题。

现阶段，学者们关于盈余管理、融资约束与企业对外投资关系的研究成果较为丰富，但针对盈余管理行为、融资约束程度与企业技术创新关系的研究却较少涉及。

尽管有少量文献研究得出结论认为企业技术创新具有显著的现金流敏感性、盈余管理行为对企业技术创新有正向影响，但是对于盈余管理如何影响企业技术创新，以及二者之间究竟具有何种作用机制仍未给出合理解释。

本文从企业规模和产权性质视角出发，以融资约束为中介变量，深入探究融资约束对盈余管理与技术创新关系的中介作用机制，并以制造业上市公司企业规模、产权性质为调节变量，进一步分析了不同企业规模和产权性质下盈余管理对缓解制造业上市公司技术创新融资约束作用的差异，可拓展盈余管理行为、融资约束程度与企业技术创新关系的现有研究，为制造业上市公司技术创新融资约束的缓解机制提供新的研究视角。

同时，也可为缓解我国制造业上市公司技术创新融资约束程度提供经验证据。

一、理论分析与研究假设
（一）盈余管理与融资约束对技术创新的影响
1.现金流水平对技术创新的影响
由于资本市场并非处于供求均衡状态，企业开展技术创新活动需要较多研发费用，而外部融资成本普遍高于内部资金成本，且外部筹资渠道也面临一定的限制性因素。

[1]如果外源融资成本劣势远大于内部资金的筹集成本，企业将采用较为谨慎的现金股利政策，从而避免内部现金流的不足，以减少投资波动。

[2]研发投入作为一种企业的对内投资支出，同样受到企业内部资金积累水平的制约，存在外部融资困难的约束状态。

此外，民营、中小型制造企业大多还处在起步阶段，加之经营管理制度不完善、经营现金流不稳定、市场声誉不高等原因，更易受到融资约束制约。

基于此，本文提出以下假设：
H1a：技术创新与内部现金流水平具有显著正相关关系。

H1b：民营、中小企业技术创新与内部现金流相关系数显著大于国有、大型企业。

2.盈余管理、融资约束对技术创新的影响
融资约束使得企业面临资金缺乏的状况，此时，利用盈余管理虽然有不利影响，但利用盈余管理可以通过信息操纵向外部投资者传递投资项目具有高回报率的“信息”，从而获得融资约束的缓解。

企业可以通过盈余管理行为控制或调整企业的对外报告，向利益相关者传递企业利润增长的信息，进而影响企业研发投入强度。

[3]盈余管理行为会通过会计政策和会计方法的
选择，影响企业的对外报告，若企业经营者只是为了向利益相关者传递有利于自身利益的利润信息，则不会影响到研发投入，但如果企业经营者无法识别经过盈余管理行为控制或调整的对外报告，从而对企业经营情况过度乐观而采用激进的决策行为，则会使得企业经营者根据利润情况做出研发投资决策。

基于此提出以下假设：
H2a：融资约束程度与技术创新具有显著负相关关系。

H2b：盈余管理行为与技术创新具有显著正相关关系。

（二）融资约束对盈余管理与技术创新的中介效应影响
研发投入是企业技术创新的核心要素，在推动企业产品升级转型和提升企业核心竞争力方面有着举足轻重的作用。

然而，要满足持续性的技术创新投入，离不开充足内外部资金支撑。

但企业外部融资不能以等价的成本替代内部资金，外部筹资渠道也存在一定限制。

此时，为了缓解企业技术创新活动所面临的融资困境，盈余管理行为就会显得尤为重要。

因为外部投资者在对企业进行投资时通常会根据对外报告判断企业的经营情况，经营业绩越好的企业，越能引起外部利益相关者的投资偏好。

因此，企业会通过盈余管理行为向外界传递经过控制或调整后的经营信息，从而达到拓宽企业融资渠道、降低外部融资成本以及缓解企业融资约束困境的目的。

因此，对于存在外部融资困扰的企业而言，通过盈余管理来缓解融资约束，进而提高自身的研发投入强度，就成为一条重要的作用途径。

基于此提出假设：
H3a：盈余管理程度与企业技术创新融资约束程度具有显著负相关关系。

H3b：融资约束在盈余管理与技术创新关系中具有显著中介效应。

（三）盈余管理对不同规模、产权企业技术创新融资约束的影响
改革开放以来，我国金融系统和市场经济体制具有鲜明的“二元结构”特征，由于经济体制产生了以民营资本为代表的私有经济体和以国有资本为代表的公有经济体系，金融系统也分化出以國有资本为主的正规金融和以民营资本为主的民间融资两个阵营。

这种“双重二元结构”的体制特征，直接导致民营企业在资本市场上成为弱势群体，外部融资受到正规金融的差别待遇，面临融资约束困扰。

这就诱导了民营企业通过盈余管理缓解技术创新融资约束的动机，而国有企业本身所受到的融资约束程度不高，其盈余管理对融资约束的缓解作用也就必然低于民营企业。

此外，企业规模也是影响我国制造企业融资约束程度的重要因素。

中小制造企业不仅信息披露机制不完善，外部投资者不能有效获取企业经营信息，且固定资产少、抵押价值低，因而无法在正规金融体系获得足额资金支持，不得不借道融资成本高昂的民间信贷。

而大型制造企业市场声誉高、资产雄厚，便于其在金融市场融通资金，提高技术创新投入强度。

基于此提出以下假设：
H4a：盈余管理水平的提高在缓解民营企业技术创新融资约束方面的作用比国有企业显著。

H4b：盈余管理水平能够缓解中小型制造企业面临的融资约束，促进中小企业研发投入。

二、研究设计
（一）样本选取和数据来源
本文以2013～2018年A股制造业上市公司企业为研究样本。

为提高研究样本的准确性，对样本数据进行以下处理：①对样本数据进行99%和1%的分位数缩尾处理，以避免极端值对研究的影响;②剔除上市时间不满3年的上市公司;③剔除研究期内各个变量数据大量缺失且难以获取的样本企业。

经过上述操作，总共搜集到2225个观察值，其中2013～2018年分别为244、307、396、428、439、411个。

数据主要来源于wind数据库和国泰安数据库，部分缺失数据来自上市公司财务报告。

数据分析采用Spass22.0、Stata22.0。

（二）变量设计
1.被解释变量
研发投入对企业产品研发、企业竞争力和创新能力的提升十分重要。

高强度的研发投入有助于迅速提升企业技术水平，通过技术创新促进企业发展。

因此本文以研发投入强度为被解释变量，即企业当年“研究与开发”投入占企业年初资产总额的比重。

2.解释变量
（1）盈余管理程度。

Healy认为企业对外报告的利润主要包括应计利润和经营现金流两方面，而应计利润还可以划分为不可操控和可操控应计利润。

[4]在此基础上，部分学者从总应计利润中剥离出可操控应计利润[4，5]，假设非操控性应计利润的数学期望为零，即非操纵性应计利润服从随机游走过程，同时指出企业当期总应计利润即为企业滞后一期的非操控性应计利润，因此结合总应计利润一阶差分来对企业盈余管理程度进行衡量，具体模型如下：
其中TAi，t为总应计利润;DAi，t表示可操控应计利润;NDAi，t表示非操控应计利润;S表示企业销售收入;i、t分别表示第t年的第i家企业。

Dechow & Jones在放松非操控性应计利润随机游走假设的条件后，在控制行业特点和经济环境变量的影响的基础上，利用行业总应计利润的中位数代表行业内企业的非操控性应计利润，提出了全新思路的Jones模型[6，7]：
其中Ai，t-1为企业总资产;REVi，t-REVi，t-1为销售收入差额;PPEi，t代表厂房、机器设备等固定资产;εi，t为OLS回归残差。

Jones模型利用εi，t的大小来代替可操控应计利润衡量盈余管理程度，用TAi，t-εi，t的部分来测度非操控应计利润，i表示企业，t表示年份。

然而，Jones模型未考虑到企业通过操控销售收入进行盈余管理的情况，导致盈余管理的测度结果出现误差。

为降低误差，Dechow等对Jones模型进行了修正，将企业赊销产生的应收账款从销售收入中剔除。

具体模型如下：
式（3）用于计算总应计利润。

其中TAi，t为总应计利润;NPi，t为净利润;CFOi，t为现金流量净额;式（4）中△REVi，t为样本i，t年与t-1年的营业收入的差额，△ARi，t为样本i，t 年与t-1年的应收账款净额的差额，PPEi，t为样本i，t年的固定资产和在建工程期末余额之和。

εi，t为对应的OLS回归残差既为可操纵性应计利润，用以测度企业的盈余管理程度。

此外，模型中变量均除以企业的期初总资产Ai，t-1以减小异方差的影响。

本文在实证分析中采用εi，t的绝对值（AQ）大小来衡量上市公司的盈余管理程度，AQ越大，说明企业的盈余管理程度越高。

（2）融资约束程度。

选取融资约束程度作为中介变量。

在以往的相关实证研究中，国内外学者大多选取替代变量或者构建融资约束指数进行衡量。

因此，融资约束程度的衡量指标主要包括替代变量指标和综合评价指数。

（3）替代变量指标。

其中代理变量主要有利息保障倍数、股利支付率和企业规模。

Aggarwal & Zong[8]，徐寿福等人认为利息保障倍数不仅反映了企业获利能力的大小，而且反映了获利能力对偿还到期债务的保证程度，如果利息保障倍数过低，企业将面临亏损和债务违约风险，难以获得企业外部资金而存在融资约束[9];魏志华等则指出制造企业属于资本密集型企业，外部融资成本较高时，企业不得不降低现金股利的发放力度，保持稳定的现金流水平以避免对研发投入支出的影响。

[10]此外，相关学者还从资产负债率（Titman，2006;Fee，2008）、上市年龄（Hovakimian，2006）、券商及商业票据评级（Almeida、Capello，2004）等指标方面对企业融资约束进行分组，然后对不同分组的企业融资约束程度进行定义。

[11]
（4）综合评价指标。

本文借鉴况学文等（2010）和Hadlock & Pierce（2009）的思想，结合我国的具体制度环境，以已获利息倍数和资产规模作为研究对象的预分组指标，对各年度研究样本按照企业规模和已获利息倍数大小进行排序，排序前1/3研究样本定义为低融资约束组（FC=0），后1/3研究样本定义为高融资约束组（FC=1）。

以两个指标分组的交叉部分确定最终的高、低融资约束组。

最后，选取托宾Q值（TQ）、净资产收益率（ROE）、现金股利/总资产（DIV/TA）、资产负债率（LEV）和净营运资金/总资产（NWC/TA）五个指标纳入到判别模型中，分别代表企业的投资价值、盈利能力、股利政策、資本结构和营运能力。

构建综合评价指标判别模型如下：
本文以FCIi，t的大小计算样本企业受到融资约束的程度，FCIi，t越接近于1，公司的财务状况越差、受到的融资约束程度越大。

（5）产权性质和企业规模。

本文选取产权性质和企业规模作为调节变量。

产权性质（Property），本文将研究样本按照实际控制人划分为国有企业和民营企业，控制人为各级国资委、行政机关、事业单位、中央和地方人民政府等定义为国有企业，其余为民营企业;企业规模（Size），本文用企业期末资产合计数的自然对数衡量企业规模，并以其中位数为分界点，将研究样本划分为大型和中小型企业;此外，考虑到不同企业规模对企业技术创新活动存在影响，所以本文同时选择企业规模作为控制变量。

H4a：盈余管理水平的提高在缓解民营企业技术创新融资约束方面的作用比国有企业显著。

H4b：盈余管理水平能够缓解中小型制造企业面临的融资约束，促进中小企业研发投入。

二、研究设计
（一）样本选取和数据来源
本文以2013～2018年A股制造业上市公司企业为研究样本。

为提高研究样本的准确性，对样本数据进行以下处理：①对样本数据进行99%和1%的分位数缩尾处理，以避免极端值对研究的影响;②剔除上市时间不满3年的上市公司;③剔除研究期内各个变量数据大量缺失且难以获取的样本企业。

经过上述操作，总共搜集到2225个观察值，其中2013～2018年分别为244、307、396、428、439、411个。

数据主要来源于wind数据库和国泰安数据库，部分缺失数据来自上市公司财务报告。

数据分析采用Spass22.0、Stata22.0。

（二）变量设计
1.被解释变量
研发投入对企业产品研发、企业竞争力和创新能力的提升十分重要。

高强度的研发投入有助于迅速提升企业技术水平，通过技术创新促进企业发展。

因此本文以研发投入强度为被解释变量，即企业当年“研究与开发”投入占企业年初资产总额的比重。

2.解释变量
（1）盈余管理程度。

Healy认为企业对外报告的利润主要包括应计利润和经营现金流两方面，而应计利润还可以划分为不可操控和可操控应计利润。

[4]在此基础上，部分学者从总应计利润中剥离出可操控应计利润[4，5]，假设非操控性应计利润的数学期望为零，即非操纵性应计利润服从随机游走过程，同时指出企业当期总应计利润即为企业滞后一期的非操控性应计利润，因此结合总应计利润一阶差分来对企业盈余管理程度进行衡量，具体模型如下：
其中TAi，t为总应计利润;DAi，t表示可操控应计利润;NDAi，t表示非操控应计利润;S表示企业销售收入;i、t分别表示第t年的第i家企业。

Dechow & Jones在放松非操控性应计利润随机游走假设的条件后，在控制行业特点和经济环境变量的影响的基础上，利用行业总应计利润的中位数代表行业内企业的非操控性应计利润，提出了全新思路的Jones模型[6，7]：
其中Ai，t-1为企业总资产;REVi，t-REVi，t-1为销售收入差额;PPEi，t代表厂房、机器设备等固定资产;εi，t为OLS回归残差。

Jones模型利用εi，t的大小来代替可操控应计利润衡量盈余管理程度，用TAi，t-εi，t的部分来测度非操控应计利润，i表示企业，t表示年份。

然而，Jones模型未考虑到企业通过操控销售收入进行盈余管理的情况，导致盈余管理的测度结果出现误差。

为降低误差，Dechow等对Jones模型进行了修正，将企业赊销产生的应收账款从销售收入中剔除。

具体模型如下：
式（3）用于计算总应计利润。

其中TAi，t为总应计利润;NPi，t为净利润;CFOi，t为现金流量净额;式（4）中△REVi，t为样本i，t年与t-1年的营业收入的差额，△ARi，t为样本i，t 年与t-1年的应收账款净额的差额，PPEi，t为样本i，t年的固定资产和在建工程期末余额之和。

εi，t为对应的OLS回归残差既为可操纵性应计利润，用以测度企业的盈余管理程度。

此外，模型中变量均除以企业的期初总资产Ai，t-1以减小异方差的影响。

本文在实证分析中采用εi，t的绝对值（AQ）大小来衡量上市公司的盈余管理程度，AQ越大，说明企业的盈余管理程度越高。

（2）融资约束程度。

选取融资约束程度作为中介变量。

在以往的相关实证研究中，国内外学者大多选取替代变量或者构建融资约束指数进行衡量。

因此，融资约束程度的衡量指标主要包括替代变量指标和综合评价指数。

（3）替代变量指标。

其中代理变量主要有利息保障倍数、股利支付率和企业规模。

Aggarwal & Zong[8]，徐寿福等人认为利息保障倍数不仅反映了企业获利能力的大小，而且反映了获利能力对偿还到期债务的保证程度，如果利息保障倍数过低，企业将面临亏损和债务违约风险，难以获得企业外部资金而存在融资约束[9];魏志华等则指出制造企业属于资本密集型企业，外部融资成本较高时，企业不得不降低现金股利的发放力度，保持稳定的现金流水平以避免对研发投入支出的影响。

[10]此外，相关学者还从资产负债率（Titman，2006;Fee，2008）、上市年龄（Hovakimian，2006）、券商及商业票据评级（Almeida、Capello，2004）等指标方面对企业融资约束进行分组，然后对不同分组的企业融资约束程度进行定义。

[11]
（4）综合评价指标。

本文借鉴况学文等（2010）和Hadlock & Pierce（2009）的思想，结合我国的具体制度环境，以已获利息倍数和资产规模作为研究对象的预分组指标，对各年度研究样本按照企业规模和已获利息倍数大小进行排序，排序前1/3研究样本定义为低融资约束组（FC=0），后1/3研究样本定義为高融资约束组（FC=1）。

以两个指标分组的交叉部分确定
最终的高、低融资约束组。

最后，选取托宾Q值（TQ）、净资产收益率（ROE）、现金股利/总资产（DIV/TA）、资产负债率（LEV）和净营运资金/总资产（NWC/TA）五个指标纳入到判别模型中，分别代表企业的投资价值、盈利能力、股利政策、资本结构和营运能力。

构建综合评价指标判别模型如下：
本文以FCIi，t的大小计算样本企业受到融资约束的程度，FCIi，t越接近于1，公司的财务状况越差、受到的融资约束程度越大。

（5）产权性质和企业规模。

本文选取产权性质和企业规模作为调节变量。

产权性质（Property），本文将研究样本按照实际控制人划分为国有企业和民营企业，控制人为各级国资委、行政机关、事业单位、中央和地方人民政府等定义为国有企业，其余为民营企业;企业规模（Size），本文用企业期末资产合计数的自然对数衡量企业规模，并以其中位数为分界点，将研究样本划分为大型和中小型企业;此外，考虑到不同企业规模对企业技术创新活动存在影响，所以本文同时选择企业规模作为控制变量。

H4a：盈余管理水平的提高在缓解民营企业技术创新融资约束方面的作用比国有企业显著。

H4b：盈余管理水平能够缓解中小型制造企业面临的融资约束，促进中小企业研发投入。

二、研究设计
（一）样本选取和数据来源
本文以2013～2018年A股制造业上市公司企业为研究样本。

为提高研究样本的准确性，对样本数据进行以下处理：①对样本数据进行99%和1%的分位数缩尾处理，以避免极端值对研究的影响;②剔除上市时间不满3年的上市公司;③剔除研究期内各个变量数据大量缺失且难以获取的样本企业。

经过上述操作，总共搜集到2225个观察值，其中2013～2018年分别为244、307、396、428、439、411个。

数据主要来源于wind数据库和国泰安数据库，部分缺失数据来自上市公司财务报告。

数据分析采用Spass22.0、Stata22.0。

（二）变量设计
1.被解释变量
研发投入对企业产品研发、企业竞争力和创新能力的提升十分重要。

高强度的研发投入有助于迅速提升企业技术水平，通过技术创新促进企业发展。

因此本文以研发投入强度为被解释变量，即企业当年“研究与开发”投入占企业年初资产总额的比重。

2.解释变量
（1）盈余管理程度。

Healy认为企业对外报告的利润主要包括应计利润和经营现金流两方面，而应计利润还可以划分为不可操控和可操控应计利润。

[4]在此基础上，部分学者从总应计利润中剥离出可操控应计利润[4，5]，假设非操控性应计利润的数学期望为零，即非操纵性应计利润服从随机游走过程，同时指出企业当期总应计利润即为企业滞后一期的非操控性应计利润，因此结合总应计利润一阶差分来对企业盈余管理程度进行衡量，具体模型如下：
其中TAi，t为总应计利润;DAi，t表示可操控应计利润;NDAi，t表示非操控应计利润;S表示企业销售收入;i、t分别表示第t年的第i家企业。

Dechow & Jones在放松非操控性应计利润随机游走假设的条件后，在控制行业特点和经济环境变量的影响的基础上，利用行业总应计利润的中位数代表行业内企业的非操控性应计利润，提出了全新思路的Jones模型[6，7]：
其中Ai，t-1为企业总资产;REVi，t-REVi，t-1为销售收入差额;PPEi，t代表厂房、机器设备等固定资产;εi，t为OLS回归残差。

Jones模型利用εi，t的大小来代替可操控应计利润衡量盈余管理程度，用TAi，t-εi，t的部分来测度非操控应计利润，i表示企业，t表示年份。

然而，Jones模型未考虑到企业通过操控销售收入进行盈余管理的情况，导致盈余管理的测度结果出现误差。

为降低误差，Dechow等对Jones模型进行了修正，将企业赊销产生的应收账款从销售收入中剔除。

具体模型如下：
式（3）用于计算总应计利润。

其中TAi，t为总应計利润;NPi，t为净利润;CFOi，t为现金流量净额;式（4）中△REVi，t为样本i，t年与t-1年的营业收入的差额，△ARi，t为样本i，t 年与t-1年的应收账款净额的差额，PPEi，t为样本i，t年的固定资产和在建工程期末余额之和。

εi，t为对应的OLS回归残差既为可操纵性应计利润，用以测度企业的盈余管理程度。

此外，模型中变量均除以企业的期初总资产Ai，t-1以减小异方差的影响。

本文在实证分析中采用εi，t的绝对值（AQ）大小来衡量上市公司的盈余管理程度，AQ越大，说明企业的盈余管理程度越高。

（2）融资约束程度。

选取融资约束程度作为中介变量。

在以往的相关实证研究中，国内外学者大多选取替代变量或者构建融资约束指数进行衡量。

因此，融资约束程度的衡量指标主要包括替代变量指标和综合评价指数。

（3）替代变量指标。

其中代理变量主要有利息保障倍数、股利支付率和企业规模。

Aggarwal & Zong[8]，徐寿福等人认为利息保障倍数不仅反映了企业获利能力的大小，而且反映了获利能力对偿还到期债务的保证程度，如果利息保障倍数过低，企业将面临亏损和债务违约风险，难以获得企业外部资金而存在融资约束[9];魏志华等则指出制造企业属于资本密集型企业，外部融资成本较高时，企业不得不降低现金股利的发放力度，保持稳定的现金流水平以避免对研发投入支出的影响。

[10]此外，相关学者还从资产负债率（Titman，2006;Fee，。