英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

欧洲和美国大公司的融资约束和研发投资

Michele Cincera，Julien Ravet

摘要：本文探讨了2000-2007年期间对于欧盟和美国大型制造企业研发投资来说，融资约束的存在和重要性。通过估算误差修正方程得到的主要结果表明，研发投资对现金流量变化的敏感性对于欧洲公司而言非常重要，而美国公司似乎并未受到财务约束。在政策影响方面，这些结果建议欧盟改善获得外部资本的条件以资助研发活动。

资本市场不完善的存在，如借贷双方信息的不对称，影响了企业的资本投资决策，并引入了可能的融资约束，即贷款人的信贷配给。在诸如研发等无形投资的情况下，这种限制实际上可能更加明显，因为这些活动本质上风险更大，并且通常比贷款商品提供更少的抵押品。 基于最近一段时间从事研发活动的全球公司的代表性样本，本研究旨在评估融资约束对企业研发投入的存在和重要性。特别是，研究了欧盟和美国之间这些制约因素在不同程度上存在的差异。

实证分析基于制造业和服务业的大型研发活跃公司的综合样本。该信息的来源是由欧盟委员会联合研究中心-前瞻性技术研究所（JRC-IPTS）进行的欧盟工业研发投资记分板（2004-2008）的连续版本（欧盟委员会，2009）。该数据来源与Compustat数据库（2009）相匹配，该数据库收集公司的财务信息包括公司的现金流。实证分析中使用的最终样本包括2000-2007年间1,962家公司的不平衡小组，代表了全球私营部门开展的所有研发中约80％。所有变量均以固定汇率和价格呈现，并根据永续盘存法为每家公司建立研发库存（Griliches，1979）。

用于识别企业潜在流动性约束的模型是一种用于研发投资的误差修正模型(ECM)。该模型是在考虑利润最大化企业生产函数的常弹性替代（CES）时，从研发投资的最优水平出发建立的。融资约束通过研发投资决策对现金流的敏感度来衡量，假设面临流动性约束的公司的投资更可能对内部融资的可用性敏感。

该模型采用面板数据的计量经济学方法进行估算。当解释变量为弱外生变量且包含随机测量误差时，传统的固定效应估计方法不适用于该模型。为了解决这些问题和模型的动态结构，实现了广义矩量法（GMM）的通用方法。这些估计量使我们能够处理企业可能存在的相关的、特定的、不可观察的固定效应和解释变量的弱外生性。

本文的结构如下：第一部分简要回顾了关于企业研发投资的文献的一些理论方面，以及一些前期研究的主要实证研究结果。第二部分介绍了数据集的构建，估算的不同样本及其主要特征。然后呈现主要的估计结果。最后得出结论，并对未来的工作提出政策建议。

文献回顾和实证结果

文献中普遍认为，鉴于企业和贷款人之间存在信息不对称以及其他代理成本或道德风险问题，实体资本投资，尤其是研发投资，必须主要由企业内部资源提供资金。在理论方面，Stiglitz和Weiss（1981）以及Myers和Majluf（1984）开发了债务和股票市场道德风险问题的正式模型。从经验的角度来看，自从法扎里等人的开创性工作以来（1988），许多研究都研究了实物投资融资中流动性限制的程度。规避风险的研发经理将对风险研发项目投资不足，而管理者倾向于将钱花在有利于他们的活动上。这些股东与研发人员之间的代理成本可以通过利用公司来避免。然而，与公司内部资金相比，为研发项目提供资金的外部资金成本将更高（Jensen和Meckling，1976）。此外，从本质上讲，研发等无形资产的投资比普通投资风险更大，研发经理通常比外部投资者或贷款方更了解研发项目成功的可能性。此外，对于无法准确评估与此类投资相关价值的外部人士，研发投资提供的合作较少。¹因此，研发公司可能会遇到潜在贷款人的信贷配给，如果没有足够的内部资源为其研发项目融资，则可能会受到约束。²

研发活动中固有的风险和不确定性、战略考虑是借款人和贷款人之间信息不对称的另一个来源。发明家可能确实需要完全或部分地向外界披露有关其技术活动内容和目标的信息，因为这些知识可能泄露给竞争对手。创新活动回报的不完全可接受性源于知识产权的非竞争性和部分可排除性。非竞争性意味着经济主体使用创新并不排除其他人使用创新，而部分排除性意味着创新的所有人不能妨碍其他人免费从中受益。

研发与一般投资不同的另一个重要特征是存在高调整和沉没成本。³例如，研发人员的工资占研发支出和培训的50%以上。解雇或重新雇用这些嵌入公司无形资产的高度专业化人员意味着巨大的成本。⁴因此，与任何创新项目相关的研发支出水平不太可能逐年发生重大变化。由于这类资本的成本变化在短期内可能很弱，因此很难对研发投资中可能出现的流动性约束和费用之间的关系进行经验评估。更为根本的是，考虑到这些高昂的调整成本，一家公司只有知道从项目开始到结束，他们将有足够的资源来进行研发，才能决定启动新的研发计划。在这种情况下，流动性限制不应成为公司决定从事研发活动的一个问题。

只有少数研究考察了融资约束和研发.⁵Hall（2005）以及最近Hall和Lerner（2010）对融资约束的文献进行了扩展审查。根据Hall和Lerner（2010）的观点，关于融资约束的实证文献中的大多数作者依赖于基于投资方程的两种主要方法。第一个是使用新古典加速模型，该模型可以通过动力学进行扩充并转换为ECM。 第二种方法基于欧拉方程（见Harhoff，1998）。 Hall和Lerner（2010）总结了他们的评论，指出有证据表明：

...债务是研发投资的一个不受欢迎的资金来源[...]，盎格鲁—撒克逊经济体似乎比大陆经济体表现出更大的研发与现金流的敏感性和响应性，并且由于它们在经济上受到限制，可能会产生更大的响应能力 从某种意义上说，他们认为外部资金来源比内部资金更昂贵。

然而，这种反应也可能与较重的金融股票市场的需求信号有关。

Hall（1999）和Mulkay（2001）等人在20世纪80年代中期和90年代初对美国公司和欧洲公司以及更具体的法国公司所面临的融资约束进行了调查。Hall等人（1999）表明投资和研发只在美国对现金流敏感，并且证明了投资和研发在预测美国公司的销售和现金流方面产生积极影响的证据，而法国和日本的结果则略有不同。Mulkay等人（2001）没有发现（两国）产出对实物和研发投资的影响有任何显着差异。然而，现金流或利润对美国的两类投资都比法国产生更大的影响。因此，金融因素对投资和研发的影响在一个国家内并没有差别，而是在各国之间。这一发现表明，一个国家特有的金融市场环境对于解释金融因素对投资的影响至关重要。

Hall（1992）和Himmelberg和Petersen（1994）专注于美国公司。Hall（1992）的研究通过考虑具体的未观察到的固定效应和企业的同时性，探讨了美国公司的投资，研发和现金流之间的关系。结果表明现金流对这两类投资产生了积极影响，尽管这种影响对实物投资更为重要，因此表明除了未来需求预期之外还存在流动性约束。根据179家美国高科技公司的样本，Himmelberg和Petersen（1994）估计了研发投资，实物资本和内部融资之间的关系。他们的结果支持熊彼特式假设，该假设指出内部融资是研发支出的重要决定因素。正如Arrow（1962）强调的那样，道德风险问题阻碍了创新等高风险商业活动的外部融资。与研发相比，缺乏投资的抵押价值会在债务和股票市场中产生不利的激励和选择问题。

为欧洲国家开展的研究实例包括：Harhoff（1998），Bond等（1999），Czarnitzki（2006），Bougheas等（2001），Cincera（2003）和Savignac（2008）。
Harhoff（1998）发现，对于德国公司的加速模型和误差修正方程，研发和投资对现金流的重要敏感性。对于小公司来说，只有后一种模型才有显著的结果。欧拉方程模型无法得出研发结论，可能是因为样本太小，无法精确估计。

Bond等人的研究结果（1999）引导人们认识到，金融约束在英国经济中是重要的，但对德国企业没有影响，这可以通过两国金融体系的制度差异来解释。⁶此外，现金流对从事研发的决定有影响，而不是对研发支出的水平有影响。

Bougheas等人（2001）测试了流动性限制对爱尔兰公司研发投资的影响。他们还得出结论，对这些公司的研发投资受到流动性限制。这一结果与之前研究英国和美国公司的结果一致。

基于近十年来约10000家比利时制造企业的样本，Cincera（2003）比较了固定有形资本和研发的融资限制。该分析建立在两个投资的简化形式方程上：一个简单加速模型和一个ECM。虽然研究结果表明，在有形和研发投资方面存在财务约束，但意外发现这一影响对研发的影响较小。研究人员还指出，年轻公司、小公司、非跨国公司的公司、不在永久性基础上进行研发的公司、有利于企业发展的公司。它由公共资金支持研发活动，而位于沃隆地区的公司面临着更高的财务约束。

Czarnitzki（2006）使用修正后的价格—成本利润率作为德国中小企业（SME）内部资金的代理，而外部融资约束则通过滞后的信用评级指数来衡量。研究发现，西德企业的研发支出对内部和外部资源敏感，而东德企业没有明显的财务约束。公共资金的作用与这两个地区的研发支出有关，对东德的影响更大。

最后，Savignac（2008）使用了1940家法国公司的数据，并提供了有关融资约束在决定进行创新活动中的作用的证据。通过对金融创新技术（fit）的调查，得出了对融资约束的直接衡量方法。⁷作者认为，创新决策和类似的财务约束同时存在两个问题。为了解决融资约束对创新决策的内生性问题，提出了一个二元概率模型。结果表明，当企业面临财务约束时，企业进行创新活动的可能性降低了20%以上。

数据

附录2介绍了经济计量分析的框架。为了估计研发投资的ECM，我们使用JRC-IPT每年发布的五个欧盟研发投资评分委员会版本的净销售额和研发数据。计分板上的研发数据代表了公司资助的所有研发活动，无论研发活动的地理位置如何。记分牌数据是从经审计的财务账目和报告中收集的。⁸

结合记分牌，对2696家公司（706家美国公司和1438家欧盟公司）进行了16553次未经平衡的观察。基于此样本，利用计算机数据库进行了一个匹配过程，以收集有关公司现金流的信息。⁹现金流变量等于非经常项目前的收入，即除普通或优先股息准备金外的所有支出后的公司收入。美国折旧和摊销，即财产报废和磨损的非现金费用。¹⁰两个数据源之间的匹配方法记录在Cincera和Ravet（2010）中。这一过程涉及到与1962家公司的匹配。每项货币观察都被转换为固定货币（欧元）和价格。¹¹

研发库存采用每一年一次的库存方法构建（Griliches，1979）。对于每个公司，T时的研发库存定义如下：

式中，delta;为研发资本的折旧率，R为研发费用折价金额。折旧率设为0.15，这通常在文献中假定。¹²C的初始值可通过以下公式计算：

式中，g是R的增长率，假设为常数。本研究中使用的增长率是每两位数行业分类基准的研发费用的样本¹³平均增长率。

为了比较欧美的研发投资流动性约束，欧盟和美国构建了两个类似公司样本。Moncada-Patern-Castello等人（2009），以企业研发投资额衡量的规模作为匹配类似企业的标准。结果表明，1962家公司的样本中，有942家来自欧盟，525家来自美国，其中包括具有不同数量研发投资的公司。对于2008版记分板，欧盟子样本的研发投资门槛为435万欧元，而非欧盟子样本的研发投资门槛为2421万欧元。为了构建可比欧盟和非欧盟公司的子样本，最好只考虑研发投资高于美国门槛的公司。最后，实施了一个修剪程序以消除异常值（见Cincera和Ravet（2010））。

表1给出了欧盟27个成员国（欧盟27个）和美国27个成员国之间进行回归分析时所用变量的一些描述性统计数据。全球样本是指包括欧盟和美国公司在内的样本。

由于研发记分板的性质，员工的平均人数很大。雇员的中位数约为6000人。我们假设这是我们分析融资约束的一个限制，因为与中小型企业相比，大型企业的融资约束预计较少。然而，这种偏见涉及到欧洲和美国的样本。表1和表A1（见附录DIX 1）显示了在尺寸方面具有可比样品的效果。在四分位数分布和回归计算中使用的主要变量的标准误差方面，匹配样本中的公司看起来更相似。

实证结果

基本结果

表2显示了当考虑样本中的所有公司时，关于研发投资ECM的系统GMM结果。这些估算是从两步程序和不同的工具组中获得的。例如，第2列使用两个滞后和更高的回归量值作为工具变量，而第3列仅考虑三个滞后和更高的值。当我们从第3列移到第2列时，这些额外的工具变量的有效性可以通过Sargan或Hansen过度鉴定测试之间的差异来测试。另一种策略是跨模型（即列）比较这些测试的结果。无效假设是工具有效，即它们与错误项无关。在零假设下，检验统计量遵循卡方分布，其中多个自由度等于过度识别的限制的数量。拒绝零假设会对这组工具的有效性产生怀疑。这似乎始终是Sargan测试的情况，仅适用于Hansen测试第二列中的模型.¹⁴二阶相关测试统计不表示工具组的时间结构有任何问题，除第4列外，误差修正项具有预期的负号，并且在1％的水平上具有统计显着性。产量滞后两个时期的系数是负的和显着的，尽管只是略微的。这表明规模报酬略有下降。现金流量效应对投资产生积极而显着的影响（长期系数约为0.489），这表明存在流动性约束。最后，与产出变化相关的积极和重要的系数表明对未来盈利能力的积极预期，即这些变量代表了企业的投资机会。

表1.描述性

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17998]，资料为PDF文档或Word文档，PDF文档可免费转换为Word