第一节
商业信用影响技术创新的实证检验
——基于工业企业数据分析

一 数据、模型、方法与指标构建

（一）样本说明

本书使用中国工业企业数据库1998—2009年 [1] 的样本数据，该数据库收录了中国全部国有企业和规模以上（年主营业务收入500万元以上）的非国有企业，总产值占中国工业企业总产值的95%以上。本书使用的另一数据库为国家知识产权局的专利数据库（1998—2009年），该数据库包含专利申请名称、申请时间、申请单位、申请类型（发明专利、外观设计专利、实用新型专利）。本书首先根据聂辉华等（2012）、Brandt等（2012）等的方法进行工业企业样本匹配，然后借鉴王永进和冯笑（2018）的分析将专利数据库与工业企业数据库进行匹配，最后借鉴谢千里等（2008）、Cai和Liu（2009）、高越（2019）以及毛其淋（2019）等的研究，删掉关键变量缺失或者为负数、职工人数少于8人、总资产小于流动资产、实收资本小于或者等于零、销售额低于500万元的样本，最终得到2036282个观测样本，其中74430个样本的专利申请数大于零。

（二）模型及变量说明

结合已有文献，将影响技术创新的因素纳入模型，回归方程设定如下：

1.被解释变量

本书的被解释变量是企业技术创新。现有学者多采用研发投入、新产品销售收入等指标来衡量技术创新，考虑到投入转化为产出的不确定性（王永进和冯笑，2018）等因素，本书借鉴 Aghion 等（2005）、王永进和冯笑（2018）等的衡量方法，采用企业专利数量来衡量技术创新的产出 [2] 。专利数量既包括专利申请数量也包括专利授予数量，由于专利授予存在较多的不确定性（周煊等，2012;Tong et al.， 2014），本书使用专利申请数量来衡量技术创新。我国专利法中将专利分为三大类：发明专利、实用新型专利和外观设计专利。发明专利是指对产品、方法或者其改进所提出的新的技术方案。实用新型专利是指对产品的形状、构造或者其结合所提出的适于实用的新的技术方案。外观设计专利，是指对产品的形状、图案或者其结合以及色彩与形状、图案的结合所作出的富有美感并适于工业应用的新设计。不同类型的技术创新产出所包含的技术含量不同，所以，本书在后续研究中进一步根据专利类型来划分企业的技术创新质量。由于专利申请年度数据存在右偏问题，为解决这一问题，本书将各类专利申请数值加1之后取自然对数。

2.解释变量

本书的核心解释变量是企业的商业信用，既包括企业提供给下游购买商的商业信用，又包括企业从上游供货商获得的商业信用。其中，提供商业信用（ AR ）使用应收账款除以总资产来衡量，获得商业信用（ AP ）使用应付账款除以总资产来衡量。由于工业企业数据库中的应付账款指标仅从2004年开始报告，研究获得商业信用使用的观测区间为2004—2009年。

3.控制变量

本书主要借鉴毛其淋和许家云（2014）、孔东民等（2017）等的文献，选取企业所有权性质（ Owncat ） [3] 、企业资产收益率（ ROA ）、银行贷款（ Bank ）、资本密集度（ Kintensity ）、企业年龄（ Age ）、企业所处行业、地区虚拟变量以及市场竞争度（ HHI ）作为控制变量。具体衡量方法见表3.1.1。

（三）方法说明

由于样本期内许多企业的专利申请数值为零，所以被解释变量呈现出在零处左归并的分布，即存在下面的模型：

被解释变量为归并数据时，数据扰动项不服从正态分布或者存在异方差，使用普通面板回归模型将造成估计偏误。对此，本书主要采用Tobit模型对样本进行回归。考虑到因创新产出可能存在的滞后性以及解释变量与被解释变量之间可能存在双向因果关系等原因产生的内生性问题，本书采用跨期回归方法，该方法能够在一定程度上克服双向因果关系，参照姜军等（2017）的做法，本书在回归中对被解释变量的 t 期、 t+ 1期和 t+ 2期分别进行回归。

二 统计分析

图3.1.1为专利年平均增长情况，横坐标为年份，纵坐标为专利均值。 patent 为专利申请总数年均值， ip 为发明专利申请数量年均值， up 为实用新型专利申请数量年均值， dp 为外观设计专利申请数量年均值。通过图3.1.1可以发现，样本期间企业申请专利的年均值总体呈现增长趋势，且2008年以后专利申请总数增长迅速。表3.1.2为不同类型专利的统计结果，均值比较发现发明专利申请数量在三种专利中最小，但是通过表3.1.3，本书发现随着时间的推移，发明专利申请数量与其他专利申请数量之间的差距在逐渐缩小甚至反超（结合图3.1.1），这也说明我国企业的高质量创新意识明显增强。

表3.1.4是企业在样本期间使用商业信用（这里使用应收账款和应付账款分别占总资产的比重衡量）的均值情况，样本区间内提供商业信用占总资产的比重一直保持在16%以上，获得商业信用占总资产的比重保持在13%以上，印证了商业信用是企业的一项重要交易方式。表3.1.5为总样本的变量统计结果。

三 实证回归

本部分将从技术创新的产出数量、产出质量以及创新决策三个方面展开分析。在创新决策分析中，采用Probit模型检验商业信用对创新决策的影响。在实证回归中，为了控制潜在的异方差和序列相关问题，对所有回归系数的标准差均在企业层面上进行了Cluster处理。

表3.1.6显示，获得商业信用（ AP ）与提供商业信用（ AR ）的系数均在1%的水平上显著为正，说明不管是提供商业信用还是获得商业信用都显著促进了专利申请数量的增加。 t+ 1期和 t+ 2期提供商业信用与获得商业信用的系数均显著为正，说明提供商业信用与获得商业信用对企业创新产出的促进作用存在滞后效应。通过比较 AR 与 AP 的系数发现， AR 的系数均大于 AP 的系数，说明在促进技术创新产出增加的过程中，提供商业信用的作用较获得商业信用的作用更大。

控制变量中，企业资本密集度、企业资产收益率与银行贷款变量的系数显著为负，说明这些因素未能有效促进企业创新数量的增加，反而抑制了企业创新，这一结果与毛其淋和许家云（2014）的研究发现一致。市场竞争度系数显著为正，说明市场竞争激发企业创新。企业年龄与企业规模也与技术创新数量呈现显著的正相关关系，且在1%的水平上显著，说明规模和年龄能显著促进企业创新产出的增加。规模越大，企业往往用于创新的资源越多（马光荣等，2014）。创办时间长，企业不仅在资源上占有优势，还能通过“干中学”不断积累，从而主动创新。

进一步将创新质量分成高质量和低质量，表3.1.7结果显示，不管是对高质量创新还是低质量创新，提供商业信用都会促进企业的技术创新，但是，高质量组 AR 的系数比低质量组的系数绝对值大，说明企业提供商业信用对高质量组的技术创新促进作用更大。基于强制性效应分析发现，提供商业信用促进高质量创新的来源主要体现在规模较大企业能利用提供商业信用促进专利产出。

高质量组 ROA 的 t+ 2期系数为正，并且都通过了1%的显著性检验，说明企业资产收益率对高质量创新产出有显著促进作用，且只有在滞后两期后才显现出来。市场竞争度对高质量创新的回归系数在创新质量 t+ 1期和 t+ 2期显著为正，在创新质量当期并不显著，说明企业在竞争的环境中会刺激企业高质量创新（发明专利），但是这一刺激作用存在滞后性；市场竞争度对低质量创新的回归系数在创新质量当期、 t+ 1期和 t+ 2期都显著为正，说明低质量的技术创新（实用新型专利和外观设计专利）对市场竞争的敏感度较高，企业能够及时对市场竞争做出反应。

表3.1.8为获得商业信用对创新质量的回归结果。结果显示，获得商业信用系数均为正，但在高质量组 t 期 AP 系数不显著，在 t+ 1期和 t+ 2期 AP 系数显著性增加；低质量组中 AP 的系数均显著为正，且系数绝对值普遍大于高质量组中 AP 的系数。可以看出，获得商业信用对低质量创新产出增加的影响明显大于对高质量创新的影响。

表3.1.9是商业信用对企业创新决策的影响结果。该表汇报了对当期、滞后一期和滞后两期创新决策的回归结果。结果显示，获得商业信用（ AP ）与提供商业信用（ AR ）的系数在每一列中都为正，并且都通过了显著性检验，说明不管是提供商业信用还是获得商业信用，对创新决策都有着显著的正向作用；此外， t+ 1期和 t+ 2期获得商业信用（ AP ）与提供商业信用（ AR ）的系数要比 t 期的系数大，说明这一正向作用会随着时间的推移，效果更为显著。

综合对技术创新数量、质量和决策三个维度影响的考察，上述实证结果验证了第二章提出的研究假设2.1.1和研究假设2.2.1，即商业信用的获得和提供分别促进了企业的技术创新。 7q5LQBVAAokGi8cnfquKfSkdz+wuMbaINr9EXC13ZrAFRxU9TYjeh5xKlg2Gcrwi