制造业金融化、政府控制与技术创新，本文主要内容关键词为：技术创新论文,制造业论文,金融论文,政府论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
制造业金融化是指企业行为越来越倾向金融投资的过程或趋势，或者企业的经营越来越受到机构投资影响或控制的现象(Krippner，2011)。产业资本与金融资本的有机结合是现代企业发展的重要模式。然而，当金融资本成为主导的资本形态，产业资本在价值链中丧失了主导权时，就都逃不过衰落或者被掌控的命运(王莉娟，2011)，制造业金融化投机的巅峰往往成为不同历史时期许多发达国家制造业由盛到衰的转折点。①近年来快速发展的全球金融化浪潮不但显著改变了企业的宏观运行环境，还更深刻地影响了企业的经营决策与投资行为。制造业的金融投资(投机)膨胀日益成为企业扩张、盈利增加的重要来源，由此越来越严重影响制造业的主业投资行为。虽然总体上中国制造业的“虚化”尚未达到欧美国家程度，但是，这一现象和趋势应该得到高度重视。制造业金融化对企业的创新发展是否有影响，是积极影响还是消极影响？政府控制程度与方式不同对其又发挥怎样的作用？这些问题对正在积极寻求创新发展、转型升级的中国制造业具有特别重要的意义。 近年来，随着金融投资利润的高企和制造业利润的下滑，中国制造业不断突破主业而试水金融投资，制造业已显现出金融化的态势②(如图1所示)。安邦咨询报告(2012)显示，国资委管理的117家央企，其中有90多家在不同程度上涉足金融投资，占比为76%。非金融央企实际已经控制了24家信托公司、20家证券公司、14家财产保险公司以及23家寿险公司等大量金融机构，分别占到受调查该种类金融机构的46.2%、41%、37%和53.1%。这种实业金融化不仅局限在央企，在各所有制及各层次企业里都有所体现。欧美国家高度金融化的发展教训表明，制造业过度金融化将加剧“产业空心化”和资产泡沫化矛盾。特别是，由于我国的人口红利、资源红利逐渐淡去，低端制造业因成本优势不再，已经开始显现向越南、印尼等国转移的趋势；高端制造业由于技术瓶颈，尚未形成竞争优势，更受到欧美国家“再工业化”和贸易保护政策冲击。因此，我国制造业已经处在转型升级的关键阶段，制造业“虚化”无疑加剧产业转型升级矛盾。众多研究将此求解于“微笑曲线”③的两端，尤其是研发和设计的一端延伸。从我国研发活动的实践来看(见图1)，企业已经成为技术创新的主体，企业研发支出占全社会研发支出的比重不断提升，近年来更是维持在70%以上的高位水平，中国企业的技术创新主体地位不断得到巩固。但是，我国的研发投入呈现短期化倾向，主要表现为我国科学研究(基础研究和应用研究)经费占全社会研发支出的比例基本呈现下降趋势，从1995年的31.6%锐减到2011年的16.6%，连续5年低于20%，在制造业金融化投资快速发展时期(2005-2011年)这一下降趋势尤其明显。据测算，2011年我国企业的科学研究经费占其研发支出的比例只有2.3%，远低于美国(6.8%)和日本(16.5%)的相关比例。
图1 中国企业金融化和研发活动的构成及变化趋势 数据来源：国家统计数据库和国泰安CSMAR数据库。 与宏观层面的金融化受到普遍关注不同的是，企业视角的金融化研究相对较少。而且，制造业金融化的研究更多聚焦于产业资本金融化的积极功能与作用方面(Theurillat et al.，2010)，金融化对制造业技术创新的影响鲜有涉及。虽然现行技术创新研究方面文献丰富，但企业技术创新研究的文献又大多聚焦于市场结构、公司治理、企业规模、政府补贴等因素的研究。制造业日趋严重的金融化投资行为对技术创新的影响以及政府控制因素在其中扮演的角色问题的研究，未能引起重视。而这一问题既事关中国经济转型发展和产业升级的可持续性，又关乎金融化政策范式的重塑。本文基于制造业金融化投资的背景，构建影响企业技术创新因素的理论基础和分析框架，提出研究假设，并利用国泰安上市公司数据库对理论假设进行实证检验，在此基础上提出政策建议。 二、理论分析与研究假设 (一)制造业金融化与企业技术创新 制造业金融化是指金融投资对企业的影响逐渐加深的过程和趋势(Krippner，2011)。大量的理论研究和实践表明，产业资本金融化极大拓宽了资本来源渠道，增强了融资能力(Bonfiglioli，2008；Gehringer，2013)，提高了融资效率，促进了现代制造业的快速发展。按照内生增长理论，资本是企业技术创新的内生变量，金融的发展及金融化进程的提高有助于促进制造业的技术创新能力(Ang，2010；Arizala et al.，2013)。Tadesse(2002)认为，良好的金融体系能够向技术创新体系提供技术创新所需要的大规模投入融资，资本市场通过为技术创新投资者提供长效性的激励功能、分散风险和共享机会，促进技术创新行为的长期化、稳定化和持续化。因此，金融化过程客观上发挥了促进制造业技术创新的作用。也正因为如此，发达国家的制造业普遍经历了一个制造业金融化不断提高的过程。 但是，产业资本与金融资本伴随着市场机制的强化和金融的深化发展，经历了一个较为复杂的演化过程，并出现了一些新的特征和发展趋势：随着金融化进程的推进，金融运行方式发生了深刻变化，从而广泛而又深远地影响产业资本和金融资本运动，产业资本和金融资本扩张的均衡逐渐被打破(谢家智等，2014)。过度金融化将带来生产模式的变化，助推经济活动的重心从产业部门转向金融部门(Epstein，2005；Orhangazi，2008；Kotz，2009)，继而削弱制造业技术创新基础。创新是一个累积的、集体的和不确定的过程，这一过程要求相应的资源配置具有开发性、组织性和战略性(Lazonick & Teece，2012)。制造业在现代资本集聚能力和生产能力快速扩张背景下，容易陷入需求不足、产能过剩、资本边际投资收益下降的状况(Brenner，2009；Harman，2010)。制造业主营业务利润下降，“过剩”的产业资本受到逐利动力驱动，抽出产业资本进行金融投资的意愿增强，而这反过来进一步降低企业创新投入的意愿和能力，企业技术创新能力弱化，发展环境进一步恶化。与普通制造业相比，金融创新成本低、速度快；更为重要的是，与实体商品的成本支撑的价格系统相区别的是，金融资产是观念支撑的价格系统(王国忠，2005)，金融投资可以创造“资产价格”和“资产需求”。金融化进程助推金融投资和投机形成一个相对独立的M-M货币资金自我循环的运动过程，“钱生钱”的运动过程逐渐主导了资本利润水平和利润分配方式，加速了金融资本的积累。金融资本的快速扩张推动了金融资本和产业资本的相互渗透，金融资本不再仅仅是以借贷资本形式，而是主要通过资本市场影响甚至控制产业资本，同样的，资本市场也发挥着产业资本向金融资本渗透的重要作用(何婧、徐龙炳，2012)，产业资本向金融资本转换的门槛被削弱。制造业金融化程度的扩大，金融资本对制造业的影响和控制增大，越来越多汲取着产业利润和个人收入，产业利润下降，这又阻止了对工厂和设备的新投资。“账面财富”(Paperwealth)越来越成为产业资本的对立面(Hudson，2010；Monaghan & O'Flynn，2012)。因此，无论是制造业自身内在发展的矛盾，还是基于外部金融发展的诱导，过度金融化行为都将弱化制造业技术创新能力。 同时，制造业金融化还影响公司治理结构，过度金融化易弱化企业对技术创新的激励。制造业金融化将导致企业大量的交叉持股以及机构投资者参股(甚至控股)制造业，极大地影响公司治理结构。机构投资者已成为庞大金融资源的管理者，在公司治理中具有相当影响力(McCahery & Sautner，2011)。公司治理结构影响企业的投资决策行为。金融化背景下公司的决策越来越受到包括投资者、监管机构和其他投资人等外部团体偏好的影响(Cetina & Preda，2012)。企业金融化牺牲了生产性资本的自主性原则，企业的投资决策越来越服从于资产的流动性要求(Lordon，2007；Moreira & Almeida，2010)。企业员工尤其是高层管理者的薪酬愈发与其长期绩效脱钩，相反，与股票的短期价格波动建立了更为紧密的联系(Rossman & Greenfield，2006；Montgomerie，2008)。同时，伴随企业利润以股份回购等形式向食利阶层集聚，向实体经济投资的积极性不断弱化，致使企业的资本积累率趋于下降(Palley，2008)。 欧美国家在经历了制造业的工业化与金融化进程相互促进的蜜月阶段后，自20世纪80年代开始，由于工业经济利润率下降，过剩产业资本开始加速流向利润率更高的金融投资，金融资本相对独立膨胀，发达经济体的发展进入了高度金融化和“去工业化”阶段(蔡万焕，2011)。制造业过度金融化加速了金融危机的形成，弱化了创新发展能力。 因此，本文提出的第一个理论假设是： 假设1：制造业过度金融化抑制技术创新水平的提升。 (二)政府控制与企业技术创新 中国政府的干预政策对实体经济的稳定起到了至关重要的作用(赵建、章月明，2010；江涌，2011)，但基于统计数据的实证研究也证明了政府控制政策对全要素生产率(赵勇、雷达，2010)、企业绩效(杨治等，2009)及研发投入(张杰等，2011)的消极影响。受政府目标偏好以及市场经济环境影响，政府往往不同程度地干预和影响市场活动，进而影响市场结构与市场竞争。研究表明，竞争程度、企业规模和垄断力量是决定技术创新的三个关键因素(Kamien & Schwartz，1975；Cayseele，1998；吴延兵，2007)。适度的垄断和竞争的市场结构有利于企业的技术创新。Aghion et al.(2005)的研究结论还发现，企业的创新活动和市场竞争与规模之间呈倒U型关系，一定程度的规模和市场竞争有利于企业创新(聂辉华等，2008)。中国的市场体系和竞争机制是在高度集中的计划体制上渐进式改革推进的，具有转轨国家的典型市场结构特征：既有大量政府控制的具有垄断属性的大型国有控股企业，也有为数众多的竞争性非国有企业。 政府控制首先表现为国有企业主导的经营性的市场控制。股东结构反映的政府控制力差异对技术创新影响的结论虽未高度一致，但多数学者研究认为，相对于民营控股公司，国有控股公司的创新投入少(赵洪江等，2008)，且缺乏创新效率(张宗益等，2007；张洪辉，2010)。徐二明等(2008)探究了国有股对企业创新方式产生的影响，认为国有股主导的企业倾向于内部投资的自主创新方式。此外，在金融化背景下大量机构投资者的介入对技术创新的影响也引起了积极讨论，但得出了两种不同的结论。一种观点认为，由于机构投资者是追求财务利润至上的短视投资者，机构投资者持股与企业创新负相关(Graves，1988；Lang & MeNiehols，1997)；另一种观点认为机构投资者持股与企业创新呈正相关关系(任海云，2010)。相对于西方成熟资本市场，中国的机构投资者的稳定性较差。大量相关研究表明，我国的机构投资者并未践行价值投资，相反，追逐短期财务利润至上的投资法则成为资本市场波动的重要力量(张敏等，2011；宋建波等，2012)。 此外，政府控制还表现为金融资源和金融市场的控制。政府控制下的金融体系偏好对不同类型企业实行差别性贷款政策，对企业的技术创新产生影响。转轨国家施行的选择性金融抑制政策，一方面，富有活力的民营企业难以获得足够的信贷支持，从而恶化民企的创新融资环境(Guariglia & Poncet，2008；Cull et al.，2009)；另一方面，国有企业的预算软约束和机会主义风气，降低了金融资源的使用效率和创新能力的提升速度(Song et al.，2011)。由于金融发展对非国有企业技术创新的正向影响更为显著，金融资源在不同所有制企业间的错配将抑制整体创新能力的提升(Hsieh & Klenow，2009)。严格的金融控制更是成为滋生过度金融化的沃土，容易产生一个“倒金字塔型”的不稳定经济结构(刘诗白，2010)。 因此，本文在假设1的基础上提出的第二个理论假设是： 假设2：政府控制过多进一步放大企业金融化对技术创新的消极影响。 三、研究设计 (一)检验思想及模型构建 创新研究大多采用托宾Q和欧拉方程两类模型。一方面，托宾Q模型的运用对资本市场的效率假设具有较高要求，而我国金融市场远非强式有效，市场上充斥着为数众多的噪声交易者和非理性行为，中国企业的运营环境难以满足托宾Q模型的前提假设；④另一方面，由于我国证券市场的股权安排和定价机制的特殊性，托宾Q并不能真实反映企业的价值(饶育蕾、汪玉英，2006)，同时，大量的非流通股的存在也降低了托宾Q值的合理性(张翼等，2005)，托宾Q值的选取和计算存在较大争议。鉴于此，本文基于欧拉方程⑤刻画企业的创新投资行为，并借鉴Li(2008)和Bilbiie & Straub(2012)的研究成果，构建的实证模型为：
式(1)中，下标i、t分别代表企业和时间；Inno为企业的技术创新变量，本文参照鞠晓生等(2013)的做法，以无形资产净额占资产总额的比重衡量。之所以未采用R&D支出来反映企业的创新投资，一方面，由于R&D支出并不能全面反映企业的新技术开发与消化能力，常常存在代表性不足等问题(Smith，2005)，而无形资产涵盖企业的专利权、非专利技术、著作权、商标权与土地使用权等，相比R&D支出包含更多有关企业创新活动的信息；另一方面，R&D支出主要从投入角度反映企业的创新活动，而从创新投入到创新产出的过程存在诸多的不确定性，相比之下，无形资产代表的是企业创新活动的结果，与企业的技术创新水平具有更加紧密的联系；同时，受披露制度的影响，中国上市公司中披露R&D支出数据的企业不是很多。因此，本文认为无形资产净额是反映企业技术创新水平较为合理的指标。 企业的创新能力深受融资渠道的影响，因此，本文在式(1)中引入反映企业融资渠道的两个金融变量：现金流(CF)和负债(Debt)。其中，CF由经营活动产生的现金流量净额与资产总额的比值赋值，用以识别企业创新的内源融资渠道；Debt由总负债占资产总额的比重赋值，用以识别企业创新的外源融资渠道。 为捕捉企业金融化对技术创新水平的影响，本文引入代表企业金融化水平的金融变量Fin。借鉴Orhangazi(2008)，Demir(2009)的做法，以金融资产占总资产的比例度量企业的金融化水平。有别于Stockhammer(2004)，Crotty(2005)，Epstein(2005)，Treeck(2009)，Onaran et al.(2011)以企业利润分配比例、金融费用支出、金融投资收益等数据构建的指标，该指标更加直接地反映了制造业企业经营环节的金融化行为。基于此，本文定义Fin=金融资产/总资产。其中，金融资产包括交易性金融资产、发放贷款及垫款、持有至到期投资、投资性房地产等。如果假设1成立，即企业金融化抑制了技术创新水平的提升，那么，Fin前面的系数
就会显著为负。值得注意的是，企业金融化是否与融资渠道变量存在相关性，即由于投资机会控制不足而出现估计系数上偏现象？本文认为，假如投资机会控制不足导致了估计系数被高估，那么，企业金融化(Fin)的估计系数有可能会出现正值。但是，如果Fin的系数显著为负，则只会强化而非削弱企业金融化对技术创新水平起负向作用的结论。 技术创新水平的提升不仅受融资渠道等金融变量的影响，也与企业的融资约束程度息息相关。而企业的规模和年龄被认为是影响企业融资约束的重要变量(Yasuda & Takehiko，2005)，因此，本文在式(1)中相应地控制了企业规模(Size)和企业年龄(Age)。其中，企业规模(Size)由企业资产总额的对数值赋值，企业年龄(Age)由观测年度与企业上市年度的差值赋值。鉴于不同行业间企业的创新能力具有较大差异，本文在式(1)中加入了行业固定效应(
)。同时，为控制随时间而变动的宏观环境和经济政策等不可观测因素对企业创新能力的影响，本文也引入了时间效应
。式(1)中
是与行业效应和时间效应无关的随机误差项。 为了对假设2进行检验，本文在式(1)的基础上进一步引入企业金融化水平与政府控制程度的交互项(Fin×Gov)，即构建如下形式的实证模型：
其中，政府控制程度(Gov)取自樊纲等(2011)编著的《中国市场化指数——各地区市场化相对进程2011年报告》中的“政府与市场的关系指数”，由于该指数是政府控制程度的反向指标，本文遵循郑军等(2013)的做法，以该指数的相反数赋值政府控制程度(Gov)。经过这样的处理，Gov的取值越大，表明政府控制程度越高。因此，如果假设2成立，即政府控制会放大企业金融化对技术创新的消极影响，那么，企业金融化与政府控制的交互项(Fin×Gov)的估计系数
应显著为负。 (二)估计技术选择 由于式(1)中引入了因变量的滞后项(
)作为解释变量，因此，本文的实证模型可能存在内生性问题，投资控制不足或遗漏变量也会加剧模型的内生性，而固定效应或随机效应等常规的面板数据估计技术将得到有偏、非一致的估计量，从而导致统计推断的失效。由Arellano & Bond(1991)提出的动态面板模型GMM估计技术，一方面通过对模型进行一阶差分以消除固定效应的影响，另一方面在Anderson & Hisao(1982)的基础上增加更多可用的工具变量，从而得到一致性估计结果。与传统估计方法相比，GMM具有更高的估计效率。GMM估计包括一步GMM和两步GMM。由于两步GMM估计的标准差存在向下偏倚，虽经过Windmeijer(2005)的稳健性纠偏后这种偏倚会有所减小，但会导致两步GMM估计量的近似渐近分布不可靠。因此，在实证分析和统计推断中通常使用一步GMM估计量(Bond，2002)。由于一步系统GMM估计将差分变量的滞后项作为水平值的工具变量，进一步增加了可用的工具变量，并且，估计过程中同时使用水平方程和差分方程，当新增工具变量有效时，一步系统GMM估计比一步差分GMM估计利用更多的信息，针对“大样本、小跨期”的面板数据可以得到更加有效的估计量(Blundell et al.，2000)。因此，本文采用一步系统GMM估计技术。对于GMM估计有效性的检验，本文遵循Bond et al.(2001)的思想，即对模型同时采用固定效应、混合OLS和GMM三种方法进行估计。由于固定效应估计通常会低估滞后项的系数，而混合OLS 一般会高估滞后项的系数，因此，固定效应和混合OLS决定了滞后项真实估计值的下限和上限。如果GMM的估计值介于两者之间，则认为GMM估计是可靠有效的。同时，为了进一步消除由于企业个体效应导致的异方差问题，本文在估计时均进行Robust稳健标准误处理。 (三)数据和样本说明 本文使用的数据来自国泰安CSMAR数据库，时间跨度为2003-2011年。在样本筛选上，本文剔除金融类企业和财务数据缺失的企业，保留2003-2011年有连续观测值的企业，最终获得545家上市公司，共计4905个观测值。为了减轻异常值对结果的影响，本文对所有连续变量均利用Winsorize方法进行截尾处理。 四、实证结果与分析 (一)制造业金融化与技术创新水平 本文主要采用一步系统GMM估计技术，为了检验GMM估计的有效性，遵循Bond et al.(2001)的建议，将滞后因变量的GMM估计值与固定效应和混合OLS的估计值进行比较。基于式(1)的估计结果汇总为表1。表1中因变量的滞后项(
)的固定效应(FE)、一步系统GMM和混合OLS的估计值分别为0.4911、0.7943和0.8207，GMM估计值确实介于FE和OLS估计值之间，符合Bond et al.(2001)关于GMM估计有效性的判断标准。同时，模型(1c)中一步系统GMM估计的Hansen过度识别检验不能在10%的显著性水平上拒绝原假设，表明本文选择的工具变量整体上有效。因此，本文的一步系统GMM估计未因弱工具变量问题而导致严重的计量偏误，GMM估计结果可靠有效。同此分析，模型(2c)中的GMM估计结果也是有效的。 在引入企业金融化变量(Fin)的估计结果中(模型(2a)—模型(2c))，Fin的估计系数均在1%的水平上显著为负，说明在研究的样本期间，企业金融化程度强化了企业的短视行为，不利于需要长期投资的无形资产积累，企业的金融化进程已经进入到“过度”扩张阶段，从而对企业技术创新水平的提升起到明显的抑制作用。这验证了本文的理论假设1。 其他金融变量中，现金流(CF)的估计系数为正，但显著性水平不高，与Hall(2002)等学者持有的企业创新主要依托内源融资的结论有所偏差。这主要由以下原因造成：首先，本文衡量企业技术创新水平的指标是无形资产，比R&D投入涵盖更多的信息，可能超越了企业内部资金所能支持的范围；其次，随着金融化进程的推进，金融市场对企业行为的控制力逐渐增强，导致企业融资结构由股权融资向债务融资加速转变，而债务的增加不断侵蚀企业可利用的自由现金流量(马涛，2011)；另外，金融部门的高收益率也吸引企业将产业资本从实体部门抽离，导致非金融企业的主营业务趋于萎缩，经营活动产生的现金流量减少，从而也弱化了现金流的解释力。负债(Debt)的系数为正，并较之CF拥有更高的显著性水平，表明企业创新资金主要是由外源融资支撑的事实。企业规模(Size)的估计系数显著为负，与“企业规模与创新能力正相关”的直觉不符，这主要是因为：一方面，企业规模与企业创新之间的关系可能不是简单的线性而是呈现出“倒U型”(张杰等，2008)。在金融化背景下，通过投资多元化大企业获得在不增加创新投资的情况下维持其利润份额的能力，因此，大企业倾向于“啃”早期积累的人力资本优势而不是继续追加创新投资(Lazonick，2005)；⑥另一方面，也表明我国制造业企业的规模效应与技术创新效应呈现严重不匹配。规模过大、垄断性增强，技术创新呈现弱化效应。企业年龄(Age)的系数为正，说明企业上市年限越长其技术创新水平越高，这与张杰等(2011)的发现类似。
(二)政府控制的影响 为验证本文的理论假设2，本文基于式(2)采取一步系统GMM等估计技术进行回归，结果汇总为表2。与前面的分析类似，表2中的两个一步系统GMM估计结果是有效的。表2显示，制造业金融化(Fin)的估计系数均显著为负，这与表1的估计结果一致，即进一步引入Fin×Gov、Gov等变量后，本文的理论假设1依然成立。但是，值得注意的是，制造业金融化与政府控制的交互项(Fin×Gov)的估计系数显著为负。上述结果表明，制造业金融化对技术创新水平的消极影响随着企业受政府控制程度加强而扩大，即本文的理论假设2也是成立的。
(三)进一步分析及稳健性检验 为确保实证结果的可靠性，本文进行多项稳健性检验(见表3)：首先，鉴于我国区域间在比较优势、要素禀赋和政策偏向上的显著差异性(谢家智、王文涛，2013)，为了控制这种不可观测的区位因素对企业创新活动的影响，本文依照上市公司的注册地信息将样本分解为东部组和中西部组；同时，由于与非国有控制企业相比，国有控制企业受政府控制的程度更为严重，因此，所有制性质分组可以代表政府控制程度的差异性。对于每组数据基于式(1)采用一步系统GMM方法进行估计，得到的结果与前文的类似：不管对于东部组还是中西部组，全部样本的估计结果中，企业金融化(Fin)的系数均显著为负，表明制造业金融化对技术创新水平的负向作用不因区位因素的影响而发生本质改变；分所有制性质的结果也表明，与非国有控制组相比，国有控制组的Fin系数不仅更加显著而且绝对值更高，即政府控制会放大制造业金融化对技术创新的消极影响。其次，前面的分析中主要结合企业的所有制性质考察政府控制的影响，但是，所有制性质并非由政府控制唯一决定，这样的考量手段可能存在代表性不足和泛化等问题。⑦鉴于此，本文遵循王晋斌(2007)提出的金融控制强度作为政府控制程度的代理变量，以金融控制强度的中值作为划分的临界点，高于该临界点的省域定义为控制强区域，反之为控制弱区域，⑧按照上市公司注册地信息进行匹配并进一步系统GMM估计。得到的结果同样强化前文的结论：Fin的系数均显著为负，且在控制强区域这种负向影响更为显著和明显。⑨
前文的分析验证了本文的两个研究假设，即制造业过度金融化抑制了技术创新水平的提升；政府控制进一步放大企业金融化对技术创新的影响。然而现实中，中国政府对制造业和市场的调控也发挥过积极作用，需要进一步探讨的是，在政府的控制与影响过程中，金融化对制造业技术创新的影响是否存在门槛效应？为分析这一问题，将制造业金融化、政府控制等纳入企业技术创新的统一分析框架，采用非参数逐点回归的方法来实证研究。⑩在式(2)的基础上构建本文的非参数实证模型：
其中，
度量个体效应，f(·)为形式未知的光滑函数。采用Ullah & Roy(1998)的局部线性方法对非参数面板模型进行估计，非参数逐点回归的结果汇总为图2。图2显示，随着政府控制程度的提高，制造业金融化对技术创新的影响系数呈现先为正、后为负的变动趋势，即在政府控制程度较低阶段，制造业金融化对技术创新具有正向的促进作用，而伴随政府控制程度的加剧，金融化对技术创新的影响迅速转化为抑制作用。这表明，适当的政府控制(例如对知识产权保护的规定、支持企业研发的政策等)将有利于企业产业资本与金融资本的有效转化与互动，发挥促进技术创新的作用，而过度的政府控制则放大制造业金融化对技术创新的消极影响。因此，从更广阔的动态视角来看，政府控制背景下的制造业金融化对技术创新的影响存在“门槛效应”。 五、结论和政策建议 基于制造业金融投资日益活跃的现状和趋势，并在相关理论与文献分析的基础上，本文提出制造业过度金融化抑制技术创新水平和政府控制进一步放大企业金融化对技术创新的消极影响的两个理论假设，旨在提供非金融企业金融化影响技术创新的微观基础。基于2003-2011年中国上市公司企业数据共计4905个样本观测值，运用一步系统GMM等估计技术的实证结论验证了本文的两个理论假设。本文从控制区位因素、使用金融控制强度等维度进行稳健性检验，得到与前面相一致的结论。研究结论表明，我国的制造业发展环境趋于恶化，盈利能力和创新压力增大，主营业务萎缩趋势显现，金融投机日趋活跃，企业金融化程度已经较为显著影响企业的创新能力与创新意愿。值得特别关注的是，政府的控制强度放大了这一消极影响。因此，应减少政府对市场的控制，深化市场机制；积极引导制造业技术创新发展，抑制金融投机。
图2 非参数逐点回归结果 1.控制产能过剩，积极优化制造业发展环境。大量实证数据表明，制造业金融化趋势的出现往往显现在企业主业利润下降和金融投资收益持续增长的明显反差期间(Epstein，2005；Lapavitsas，2009)。近年来，政府主导的、以GDP至上的投资驱动型增长模式导致制造业出现较为严重的产能过剩，制造业利润率不断下降，企业的盈利预期消极，投资行为短期化倾向加剧。因此，抑制产能过剩是重要前提。控制粗放发展模式，不等于换来集约化模式，但是，不控制粗放发展模式，技术创新的集约化模式就失去存续的基础与发展的环境。 2.加快工业结构调整，引导自主技术创新。制造业规模化的长期扩张，加速了资本深化和工业化进程。而资本深化既可能干扰工业化的技术选择路径，也可能形成对劳动力的替代(吴敬琏，2006)，导致资本收益率的下降与技术创新不足。过剩的实体资本具有日益强烈的寻求新的盈利渠道的需求，而创新能力则是企业转型升级最关键的因素(孔伟杰，2012)。然而，需要强调的是，中国制造业的技术创新大多采用“金融化模式”获取：以FDI和技术购买为主的创新引入方式，对企业自主创新产生了明显的“替代”或“挤出”效应(李晓钟、张小蒂，2008；李光泗、沈坤荣，2011)，也严重弱化了企业创新投入的激励。“金融化模式”的技术创新难以克服技术创新的短期性和从属性弊端。因此，中国制造业在面对竞争对手的“再工业化”和“再全球化”背景下，探索寻求新型工业化的自主技术创新道路，没有核心技术创新支撑的制造业难免“虚化”。 3.加快市场结构优化，促进市场机制培育。良好的市场结构和完善的市场机制是制造业技术创新发展的重要保障。过去30多年，我们更重视市场规模扩张、市场效率的提升。但市场机制的培育和市场活力的提升相对缓慢。为此，加快基础价格体系市场化改革，培育成熟市场价格机制，增添市场活力；加大国有企业的战略性结构调整，降低民营经济市场准入门槛，鼓励竞争，完善和丰富市场结构；加快知识产权保护，激励创新。 4.加强创新激励，吸纳创新人才。金融投资业越来越占据产业链的高端，主导社会利润的分配，金融行业成为最赚钱的行业，金融高管成为收入最高的阶层，自然成为吸引资本和人才的重要力量。人才是创新的源泉，制造业的技术创新必须建立起强大的创新型人才激励机制。中国制造业的技术创新首先必须解决创新人才的“去虚化”。国家层面应面向制造业建立技术创新国家人才计划，建立专项人才基金，吸纳和稳定创新人才。 5.重塑金融化的政策范式，抑制金融投机。金融化本身并不必然导致经济和社会的波动(陈志武，2012)，产业资本金融化事实上也构建了一个新型的产业资本积累和投资的机制与渠道。关键是确保企业充分使用金融市场的功能而非将其作为投机的温床，设法让企业回归和关注主业并借此增加主业创新投资尤显重要。加强金融监控和引导，积极发展贸易金融、产业金融，抑制金融投机，并通过财税等政策鼓励企业资源流向生产性部门，谨防实业将过多的筹码押在短期的金融利润上。 感谢匿名审稿人的宝贵意见，当然文责自负。 ①回顾17世纪的西班牙、18世纪的荷兰、19世纪的英国、20世纪的美国等发达国家兴衰更替历程，都曾经历了工业制造业的辉煌，位居世界巅峰地位后，金融疯狂投机，最后导致经济衰退、国力衰落的悲剧(袁东，2009)。 ②国家发改委的统计信息表明，截至2012年底多达21个行业出现了较为严重的产能过剩，制造业利润率税后投资回报率从20世纪90年代中期的15%以上，下降到目前的5%左右，中小企业利润率更是下滑到3%以下，35.5%的制造业企业产能利用率在75%以下。在2011年新增金融资产中，企业部门占到近50%。 ③“微笑曲线”理论由宏碁集团创办人施振荣先生于1992年首次提出。微笑曲线的中间部分是附加值较低的制造业务，处于两端的是附加值较高的研发和营销，向微笑曲线的两端延伸是企业未来发展的主要方向。 ④根据世界银行发布的《全球营商环境报告》，2012年中国企业经营环境排名91位，对投资者保护的排名更是低至100位。 ⑤欧拉方程最早由Abel(1980)提出，它是基于企业价值最大化过程中的一阶偏导条件构造出来的，方程的解释变量主要包括滞后一期的投资及其平方项、用以控制非完全竞争的产出变量以及代表税收优势和潜在破产成本的负债变量。由于欧拉方程模型避免使用企业的托宾Q值以及股票价格等富有争议的指标，因此，近年来在描述企业投资行为的文献中应用广泛。关于欧拉方程的介绍可以参考Bond & Meghir(1994)、Laeven(2003)等文献的相关论述。 ⑥中国的统计数据似乎也证实了这一猜想。据2006年全国工业企业创新调查统计数据，在有创新活动的企业中，大型企业仅占到不足3%的比例。 ⑦正如金碚(2010)指出的，国有企业不仅受政府控制以体现国家意志和人民的整体利益，还要接受市场竞争的绩效评价。 ⑧按此标准，控制强的区域包含的省份有：甘肃、陕西、海南、湖南、辽宁、安徽、江西、湖北、贵州、内蒙古、宁夏、吉林和青海；控制弱的区域包含的省份有：广东、福建、广西、山东、河北、江苏、四川(含重庆)、山西、黑龙江、云南、浙江和河南。王晋斌(2007)在分析金融控制强度时排除了北京、上海、天津、西藏和新疆等5个省域，因此，本文在稳健性检验中也剔除了注册地来自于上述5个省域的样本。谢家智、王文涛(2013)在依据王晋斌(2007)分析金融效率的分布特征时也采取了同样的处理手段。 ⑨遵循王晋斌(2007)及谢家智、王文涛(2013)的做法，本文也采用平均值作为区域划分的临界点，所得的结论类似。因此，本文仅报告了按中值划分区域的实证结果。 ⑩关于非参数模型的相关论述可以参照Ullah & Roy(1998)、Henderson et al.(2008)、Allen et al.(2013)以及Henningsen et al.(2013)等文献。由于非参数回归的结果对窗宽的选择较为敏感(Anghelache et al.，2013)，为得到稳健的结论，本文选取不同的窗宽进行估计，得到的逐点回归图趋势一致，说明本文的结论对窗宽的选择不敏感。本文的非参数逐点回归采用的是由厦门大学陈建宝教授提供的R程序，在此谨以谢忱。
标签：金融论文; gmm论文; 企业创新论文; 控制变量论文; 投资资本论文; 能力模型论文; 过程能力论文; 经济论文; 产业资本论文; 投资论文;
