高管金融背景、融资约束与企业创新.pdf

统计与决策2023年第16期总第628期高管金融背景、融资约束与企业创新王睿，高昕玥，何晨毓，刘欣仪（西南石油大学 经济管理学院，成都 610100）摘要：文章基于关系融资理论、高层梯队理论和信息不对称理论，通过分析20172021年中国A股上市公司的数据，实证检验高管金融背景对企业创新的影响，并分析融资约束的中介效应。研究发现：高管金融背景与企业创新呈显著正相关关系，融资约束与高管金融背景、企业创新均呈显著负相关关系。最后，基于中介效应验证了“金融背景高管融资约束企业创新”影响路径。关键词：企业创新；融资约束；高管金融背景中图分类号：F425文献标识码：A文章编号：1002-6487（2023）16-0184-05基金项目：国家社会科学基金资助项目（20XJY006）；四川省软科学研究项目（21RKX0260）作者简介：王睿（1977），女，重庆梁平人，硕士，副教授，研究方向：企业管理、财务与会计理论。管 理 决 策0引言企业在创新的过程中需要投入大量资金，并且这类创新型项目有着时间周期长和风险大的特点，企业仅依靠内部资金无法满足创新项目的所有资金需求，因此，外部融资渠道成为企业融资的重要来源。目前我国金融市场普遍存在发展不平衡的现象，相关的法律体系不够成熟。金融体系尚处于发展和完善的过程中，对于产权和债务合同的保护存在缺陷，还有信息不对称问题严重，与发达国家相比，我国企业面临的融资困难问题更为严重。企业的融资约束程度越严重，其发展受到的制约就越大，越容易错过好的投资机会，从而降低企业改革创新的动力，因此，融资约束是影响企业创新的一个关键因素。拥有金融背景的高管获得资金的能力较强，还能降低银行与企业之间的信息不对称程度，这些都能改善企业融资约束问题。学术界对于企业创新与融资约束、融资约束与高管金融背景、高管金融背景与企业创新这三个方面的研究已经十分丰富，但是对于三者之间关系方面的研究较少。本文运用20172021年中国A股上市公司的相关数据，探讨融资约束、企业创新与高管金融背景三者之间的关系，并分析高管金融背景、融资约束影响企业创新的机制；构建“高管金融背景融资约束企业创新”模型，检验融资约束在高管金融背景与企业创新关系中的中介作用。1理论分析与研究假设1.1高管金融背景与企业创新根据高层梯队理论，拥有金融背景的高管具有风险承受能力强的特质，会使高管在项目决策过程中变得更有风险容忍度，这会增加企业选择风险程度较高项目的可能性1。具有金融背景的高管拥有专业的财务理论知识和丰富的融资实践经验，他们在选择研发投资项目、降低企业的研发风险、评估项目风险收益等方面具有优势，这些特质都为企业创新项目奠定了基础，促进企业创新产出。企业创新高度依赖资源，如果企业出现资金不足的情况，将会造成企业创新项目中止。企业创新项目的信息属于商业机密，投资者很难获得关于创新项目的具体信息，导致投资者和企业高管之间存在严重的信息不对称问题，这不利于企业创新项目的开展和获取投资。具有金融背景的高管更能掌握商业银行、投资银行和其他金融机构的信息需求特点，从而降低企业和银行之间的信息不对称程度，提高项目通过融资审批的可能性。现金持有水平较高的企业相较于普通企业，获取投资机会的可能性更大，具有金融背景的高管可以为企业带来更高的现金持有水平2，那么拥有具备金融背景高管的企业就有更多可支配资金用于企业创新投资。综上所述，拥有具备金融背景高管的企业，进行企业创新活动的可能性更大。据此，本文提出：假设1：高管金融背景能够显著促进企业创新。1.2高管金融背景与融资约束随着我国金融体系的蓬勃发展，企业选择与金融机构建立联系以解决融资约束问题的现象变得更加普遍。银行与企业会有业务往来，通过处理与企业之间的融资活动业务，可以获取企业内部更多的非公开信息。被关系网络所影响的融资活动称为关系融资，其具有资金供需双方会保持长期业务往来的特点，资金供给方对需求方的非公开信息有了深入了解，使银行可以准确判断出能否继续为企业提供贷款，也有利于银行业务的开展以及获得收益，关系融资可以降低融资成本与难度3。高管所拥有的银企关联越丰富，企业的负债率越高，即企业得到的融资越多，企业融资约束程度越低4。综上所述，通过聘请以往有金融工作背景的高管从而构建银企联系，可以使企业获取融资DOI:10.13546/ki.tjyjc.2023.16.035184统计与决策2023年第16期总第628期管 理 决 策的困难程度降低、贷款担保的条件被放宽和增加还贷期限，同时使公司获得更高的信贷额度。据此，本文提出：假设2：高管金融背景能够显著缓解融资约束。1.3融资约束与企业创新创新活动是一种资源密集型和消耗型活动，具有结果不确定性和时间跨度长的特点，因此，创新项目在大多数情况下受到严重的融资约束。在我国资本市场上，绝大部分企业在创新过程中都会出现融资约束问题，有学者通过实证分析证实了融资约束与研发投资资金之间呈负相关关系5。资金是企业创新的关键，如果企业同时存在融资约束程度高和融资成本高的问题，那么大概率企业创新项目会被终止，融资约束问题严重限制了研发投入的强度。过高的融资成本会增加企业的财务压力，从而进一步增加其创新风险，接着又会导致融资约束程度增加，这样企业就陷入一个恶性循环中6。为了保证正常运行，企业被迫减少创新投入，从而导致创新绩效低与创新进程停滞的情形。综上所述，融资约束问题得到改善可以为企业创造一个良好的环境，使其有充足的资金用于企业创新型项目，提高企业创新产出。据此，本文提出：假设3：融资约束对企业创新具有显著负向影响。1.4融资约束的中介作用金融背景高管具有风险承受能力高、对创新失败容忍度高和较高的金融知识专业素养等特质，能够通过与银行建立沟通渠道来减少信息不对称程度，由此降低融资约束，促进企业创新。企业创新具有风险高、周期长的特点，并且企业创新项目离不开资金的支持，企业会因为资金短缺导致创新项目中途暂停或者终止，所以融资约束势必会对企业创新造成负面影响。拥有金融背景的高管具备降低信息不对称程度和关系融资的特质，能够为企业拓宽融资渠道，增加企业获得贷款的可能性，降低其融资成本，从而改善融资约束问题。综上所述，拥有金融背景的高管可以通过缓解融资约束来促进企业创新。据此，本文提出：假设4:拥有金融背景的高管能够通过缓解融资约束来促进企业创新。2研究设计2.1样本选取与数据来源由于我国上市公司数据存在缺失与披露方式不规范的情况，同时考虑到数据的时效性，本文选取20172021年我国A股上市公司数据，按照以下条件剔除样本：（1）剔除相关变量缺失的上市公司；（2）剔除样本期间退市的上市公司；（3）剔除ST和*ST上市公司；（4）剔除资产负债率大于1的上市公司。最终得到360629个观测值。财务数据和高管金融背景数据来源于国泰安金融经济研究数据库（CSMAR），企业专利数据来源于中国研究数据服务平台（CNRDS）。为了消除极端值的影响，对所有连续变量都进行1%的缩尾处理，以减少极端值对实证结果的影响。本文使用Stata 15软件对数据进行分析。2.2变量说明（1）被解释变量。企业创新（lnPatent），本文借鉴张正勇和胡言言（2021）7的方法,使用公司在年度内独立申请的专利总数加一并取自然对数，作为衡量企业创新的指标。申请的专利总数为发明、外观设计与实用新型的专利数量之和，记为lnPatent。（2）解释变量。高管金融背景（FB），参考邓建平和陈爱华（2017）2的研究，本文中的高管金融背景是指曾经在银行、证券交易所、经营证券交易的公司、期货有限公司、证券投资基金管理公司、信托投资公司和其他金融机构中任职的高管的背景，高管曾经在以上的机构中任职，取值为1，否则取值为0。（3）中介变量。融资约束（SA），参考已有研究8,9，使用SA指数的绝对值来衡量企业融资约束，SA指数中的两个重要的解释变量是企业规模和年龄指数，其中，SA=|-0.737*Size+0.043*Size2-0.04*Age|，SA 指数绝对值越大，表明企业融资约束程度越大。（4）控制变量。本文在回归模型中加入以下控制变量：企业成长性（Growth）、企业年龄（Age）、资产负债率（Lev）、企业规模（Size）、现金流比率（Cashflow）、总资产净利率（ROA），此外，还控制了行业和年度固定效应。企业规模（Size）和企业年龄（Age）会影响企业的创新能力，总资产净利率（ROA）用于衡量企业的盈利能力，企业盈利能力越强，代表其越有充足资金进行企业创新。企业成长性（Growth）用于衡量企业未来的成长机会，数值越大表示企业未来发展前景越好，越有可能进行创新活动。现金流动比率（Cashflow）用于衡量企业的资源合理配置与盈利能力。资产负债率（Lev）代表企业资本结构，企业资本结构也会对企业创新造成影响。将企业行业按2012年证监会行业分类标准大类进行分类。变量说明见表1。2.3模型设计为了验证高管金融背景、融资约束和企业创新三者之间的关系，本文构建模型式（1）至式（3）来验证假设1至假设3。为了检验融资约束在高管和企业创新关系之间的中介作用，构建如下模型用以验证假设4：lnPatentit=0+1FBit+3Controls+Industry+Year+it（1）SAit=0+1FBit+2Controls+Industry+Year+it（2）表1变量说明变量类型被解释变量解释变量中介变量控制变量名称企业创新高管金融背景融资约束企业规模企业年龄总资产净利率企业成长性现金流比率资产负债率符号lnPatentFBSASizeAgeROAGrowthCashflowLev变量定义当年独立申请的专利总数加一并取自然对数从业经历有金融背景时，取值为1，否则取值为0SA=|-0.737*Size+0.043*Size2-0.04*Age|企业年末总资产取自然对数上市年限加一并取自然对数企业净利润/企业总资产本期营业增长金额/上一期总营业额经营活动产生的现金流净额除以总资产企业年末总负债/企业年末总资产185统计与决策2023年第16期总第628期管 理 决 策lnPatentit=0+1SAit+2Controls+Industry+Year+it（3）lnPatentit=0+1FBit+2SAit+3Controls+Industry+Year+it（4）其中，lnPatent表示企业创新，FB表示高管金融背景，Control表示控制变量，Year为年份虚拟变量，Industry为行业虚拟变量，表示随机误差项，、表示各变量回归系数。若1显著为正，说明高管金融背景能够显著促进企业创新，则假设1得到验证。若1显著为负，则假设2得到验证。若1显著为负，说明融资约束对企业创新有显著负面影响，则假设3得到验证。采用中介效应分析法9检验假设4，若1、1、2三者都显著，则证明融资约束的中介效应显著，存在中介路径，反之则不存在。当中介路径存在时，若1不显著，则存在完全中介路径，若1显著，则存在部分中介路径。3实证分析3.1变量描述性统计变量描述性统计结果见表2。可以看出，高管金融背景（FB）的均值为0.279，表示有金融背景的高管占研究样本的27.9%，说明有金融背景的高管在我国企业中占比较低。企业创新（lnPatent）的均值为4.527，最大值为8.853，最小值为0.000，说明企业之间的创新能力差距较大。融资约束（SA）的均值为 3.844，标准差为 0.304，最大值为4.472，最小值为2.487，均值与中位数相接近，表明我国企业融资约束问题普遍存在，并且各企业之间的融资约束程度差距不大。现金流比率（Cashflow）的最小值为负数，说明部分企业的经营状况存在问题。资产负债率（Lev）的均值为0.443，标准差为0.219，表明大多数企业的资产负债率较高，且最大值和最小值之间差距较大。存在相同情况的变量还有总资产净利率（ROA）、企业成长性（Growth）、现金流比率（Cashflow），表明各企业间的发展状况存在显著差异。表2变量描述性统计变量lnPatentFBROALevGrowthCashflowAgeSASize观测值360629360629360629360629360629360629360629360629360629均值4.5270.2790.0310.4430.3460.0482.9533.84422.538标准差2.0420.4480.0840.2190.8810.0690.3070.3041.600最小值0.0000.000-0.4550.061-0.786-0.1682.0792.48719.847最大值8.8531.0000.2110.9656.1700.2463.5264.47228.202中位数4.8830.0000.0360.4290.1270.0472.9963.87122.2473.2相关性分析变量的相关性分析见表3，解释变量高管金融背景（FB）与大多数变量之间的相关系数小于0.5，表明变量之间不存在严重的多重共线性问题。资产负债率（Lev）与企业规模（Size）之间的相关系数为0.554，融资约束（SA）与企业年龄（Age）之间的相关系数为0.660，所以本文进行了VIF检验，结果显示VIF值均小于4，这说明所有变量之间不存在多重共线性。融资约束（SA）与高管金融背景（FB）的相关系数为-0.115，在1%的水平上显著为正，说明二者间呈显著负相关关系。企业创新（lnPatent）与融资约束（SA）的相关系数为-0.035，在1%的水平上显著为负，说明融资约束会阻碍企业进行项目创新，初步验证了假设3，为了得出更准确的结果还需要进行进一步分析。3.3多元回归分析本文运用多元回归模型对样本数据进行实证检验，结果如表4所示。表4多元回归结果FBSAROALevGrowthCashflowAgeNadj.R2行业固定效应年度固定效应（1）lnPatent0.0208*（3.5210）1.9934*（57.2217）1.6112*（109.3362）-0.0731*（-24.0892）1.3357*（32.0905）0.1235*（13.2314）3606290.453YesYes（2）SA-0.0049*（-8.4611）-0.0447*（-12.9601）-0.1087*（-74.5329）0.0022*（7.4789）-0.0332*（-8.0613）0.7598*（822.6081）3606290.758YesYes（3）lnPatent-1.7832*（-107.9354）1.9133*（55.7834）1.4176*（96.9918）-0.0691*（-23.1283）1.2761*（31.1454）1.4786*（94.8897）3606290.470YesYes（4）lnPatent0.0120*（2.0605）-1.7828*（-107.7936）1.9138*（55.7976）1.4174*（96.9758）-0.0691*（-23.1308）1.2765*（31.1542）1.4781*（94.8470）3606290.470YesYes注：括号内为t值，下同。列（1）显示高管金融背景（FB）对企业创新（lnPatent）的回归系数为0.0208，在1%的水平上显著为正，说明聘用拥有金融背景的高管可以使企业专利申请总数上升2.1%，即高管金融背景对企业创新有促进作用，验证了假设1。列（2）显示高管金融背景（FB）对融资约束（SA）的回归系数为-0.0049，在1%的水平上显著为负，说明聘用拥有金融背景的高管可以使企业融资约束程度下降0.5%，即拥有金融背景的高管可以显著缓解融资约束程度，假设表3相关性分析lnPatentFBSAROALevCashflowGrowthSizeAgelnPatent1-0.104*-0.035*0.086*-0.052*0.087*-0.073*0.095*-0.074*FB1-0.115*-0.035*0.118*-0.048*0.0010.159*0.035*SA1-0.023*-0.133*0.029*0.035*-0.323*0.660*ROA1-0.366*0.378*0.003*0.006*-0.083*Lev1-0.199*0.032*0.554*0.191*Cashflow1-0.102*0.016*-0.032*Growth1-0.030*0.027*Size10.186*age1注：*代表P0.01，*代表P 0.05，*代表P 0.1，下同。186统计与决策2023年第16期总第628期管 理 决 策2 得到验证。列（3）显示融资约束（SA）的回归系数为-1.7832，在1%的水平上显著为负，说明融资约束每增加1个单位，企业创新将减少1.7832个单位，融资约束会显著抑制企业创新，假设3得到验证。3.4融资约束的中介效应接下来分析融资约束在金融背景高管对企业创新的影响中产生的中介作用。表4中列（4）显示，加入变量高管金融背景（FB）和融资约束（SA）后，金融背景高管（FB）的回归系数为0.0120，在5%的水平上显著为正，融资约束（SA）的回归系数为-1.7828，在1%的水平上显著为负。上文对高管金融背景（FB）、融资约束（SA）与企业创新（ln-Patent）两两之间进行回归分析，结果得出三者之间均有显著相关性，证明存在“金融背景高管融资约束企业创新”的中介路径且中介效应显著。即拥有金融背景的高管可以为企业带来更多的资源，改善企业融资约束问题，从而为企业创新创造一个有利的金融环境；企业可以投入更多的资金用于研发，从而提升企业的创新能力，假设4得到验证。列（4）中高管金融背景（FB）的回归系数仍显著，所以这个路径为部分中介。3.5稳健性检验高管金融背景与企业创新之间可能存在反向因果的内生性问题，即创新能力强的企业可能更愿意雇佣具有金融背景的人员作为管理者。因为具有高创新要求和高创新水平的企业愿意承担更高的风险，需要利用金融背景高管自身特质和银企联系获得更多的资金用于研发投入，所以更愿意招聘拥有金融从业经历人员担任企业高管。尽管本文控制了部分影响企业创新的变量，但仍可能存在导致模型估计结果出现误差的因素。因此，本文采用了三种方法来检验内生性的影响，分别是更换变量度量方式、滞后变量和倾向得分匹配（PSM）。为了保证中介效应的结果稳健，采用自主抽样法进行检验。3.5.1更换变量度量方式为了更加全面描述企业创新这一因变量，也为了进一步检验高管金融背景与企业创新之间的相关关系，参考张云等（2022）10的研究，本文使用R&D投入作为衡量企业创新的替代变量。R&D投入为研发投入占营业收入的比例，记为RD，对假设1、假设3、假设4进行稳健性检验，结果如表5所示。改用RD衡量企业创新指标后，高管金融背景（FB）与RD仍在1%的水平上呈正相关关系，融资约束（SA）与RD仍在1%的水平上呈负相关关系，结果支持本文提出的假设。3.5.2滞后变量考虑到企业从开展研发创新到申请专利授权之间有一段时间差，本文对所有的控制变量与解释变量做滞后一期处理，将式（1）、式（3）和式（4）进行回归分析。如表6列（1）所示，在滞后一期后，金融背景高管（FB）与企业创新（lnPatent）的系数为 0.0184，在 5%的水平上呈正相关关系，与前文一致，支持假设 1。如列（2）所示，融资约束（SA）与企业创新（lnPatent）的系数为-0.4095，在1%的水平上呈负相关关系，支持假设2。如列（3）所示，金融背景高管（FB）、融资约束（SA）与企业创新（lnPatent）的系数均至少在5%的水平上显著，说明融资约束存在中介效应，得出结论与前文一致，支持假设3。考虑内生性后，结论依然稳定。表6滞后变量的回归结果L.FBL.SAL.ROAL.LevL.GrowthL.CashflowL.SizeL.AgeNadj.R2行业固定效应年度固定效应（1）lnPatent0.0184*（2.0865）-0.0525（-1.4385）-0.1206*（-3.6084）-0.0079*（-2.5054）0.0075（0.1791）0.0892*（9.6342）-0.0692（-0.6140）144820.146YesYes（2）lnPatent-0.4095*（-6.6311）-0.0358（-0.9826）-0.1076*（-3.2229）-0.0073*（-2.3233）0.0063（0.1506）0.0958*（10.3199）0.0057（0.0501）144820.149YesYes（3）lnPatent0.0202*（2.2869）-0.4137*（-6.6968）-0.0365（-1.0001）-0.1095*（-3.2781）-0.0073*（-2.3263）0.0058（0.1385）0.0954*（10.2724）0.0089（0.0787）144820.150YesYes3.5.3倾向得分匹配检验本文采用倾向得分匹配法（PSM）进行稳健性检验，以解决样本选择性偏差的问题。使用具有金融背景高管的企业作为处理组，不具有金融背景高管的企业作为对照组，以高管金融背景（FB）为被解释变量，以融资约束（SA）、企业规模（Size）、企业年龄（Age）、总资产净利率（ROA）、现金流比率（Cashflow）、企业成长性（Growth）、资表5更换变量的回归结果FBSALevROAGrowthAgeSizeCashflowNadj.R2行业固定效应年度固定效应（1）RD0.0005*（3.1497）-0.0570*（-118.4673）-0.0901*（-94.2549）0.0038*（39.2737）-0.0165*（-61.6953）-0.0000（-0.2441）-0.0135*（-10.9830）3135340.408YesYes（2）RD-0.0030*（-5.1938）-0.0568*（-118.1359）-0.0899*（-93.9246）0.0038*（39.2691）-0.0141*（-26.5225）-0.0002*（-2.0355）-0.0135*（-10.9913）3135340.408YesYes（3）RD0.0005*（3.1170）-0.0030*（-5.1740）-0.0568*（-118.3276）-0.0899*（-93.8879）0.0038*（39.2704）-0.0142*（-26.5436）-0.0002*（-2.0899）-0.0135*（-10.9752）3135340.408YesYes187统计与决策2023年第16期总第628期管 理 决 策产负债率（Lev）为匹配变量进行Logit回归，最终计算得出倾向得分，再根据分值采用最近邻匹配1比1的方式选择匹配样本。表7和表8为式（1）、式（3）、式（4）的回归结果，其中，表7以lnPatent为因变量，表8以RD为因变量。如表7所示，高管金融背景（FB）系数为0.0237，在1%的水平上显著为正，说明高管金融背景（FB）与lnPatent之间呈正相关关系；融资约束（SA）与lnPatent的系数为-0.1136，且在1%的水平上显著为负。如表8所示，高管金融背景（FB）与RD的系数为0.0005，在1%的水平上呈正相关关系，RD与融资约束（SA）的系数为-0.003，在1%的水平上显著为负。这说明在匹配后不论以lnPatent还是RD衡量企业创新，都可以得出以下结论：高管金融背景可以促进企业创新项目的开展，融资约束会阻碍企业创新和融资约束在高管金融背景对企业创新产生影响的过程中发挥中介效应。得出的结论与前文一致，结果依然稳健。表7倾向得分匹配后的回归结果（1）FBSAControlsNadj.R2行业固定效应年度固定效应（1）lnPatent0.0237*（4.1587）Yes3125390.362YesYes（2）lnPatent-0.1136*（-4.2597）Yes3125390.362YesYes（3）lnPatent0.0237*（4.1459）-0.1132*（-4.2473）Yes3125390.362YesYes表8倾向得分匹配后的回归结果（2）FBSAControlsNadj.R2行业固定效应年度固定效应（1）RD0.0005*（3.1497）Yes3135340.408YesYes（2）RD-0.0030*（-5.1938）Yes3135340.408YesYes（3）RD0.0005*（3.1170）-0.0030*（-5.1740）Yes3135340.408YesYes3.5.4中介效应检验本文采用Bootstrap自主抽样方法对中介效应进行检验，对全样本进行5000次重复随机抽样，抽取5000组样本进行检验。结果显示，融资约束的中介效应的间接效应系数在95%的置信区间（0.123,0.134），融资约束的中介效应的直接效应系数在95%的置信区间（0.9125，0.997）；间接效应与直接效应的区间都不包括0，这说明融资约束在金融背景高管对企业创新产生影响中存在中介效应，并且中介效应是显著存在的，“金融背景高管融资约束企业创新”这一中介路径的成立。4结论本文采用20172021年我国A股上市公司的数据，基于高层梯队理论、信息不对称理论与关系融资理论，实证检验了高管金融背景、融资约束对企业创新的影响及机制。研究发现：（1）拥有金融背景的高管能促进企业创新，其具有专业的知识储备、风险承受能力强和通过自身资源助力企业获取资金等特质，都有利于企业进行创新；（2）拥有金融背景的高管能缓解企业融资约束，利用自身人脉资源建立银企联系，拓宽融资渠道，降低企业与银行的信息不对称，使企业能够获取更多资金，以缓解企业融资约束程度；（3）融资约束会阻碍企业创新，企业创新需要投入大量资金，企业创新项目会涉及保密信息，这就会导致信息不对称问题加剧，并且企业创新风险较大和周期较长，这些都会加剧企业的融资约束程度，使其更难获取资金，从而阻碍企业创新进程；（4）拥有金融背景的高管可通过缓解融资约束这一路径来促进企业创新，即“金融背景高管融资约束企业创新”，拥有金融背景的高管通过降低企业信息不对称程度和关系融资这两个途径，降低了企业的融资约束程度，从而促进企业创新。参考文献：1Craig J B,Pohjola M,Kraus S,et al.Exploring Relationships AmongProactiveness,Risk-taking and Innovation Output in Family andNon-Family Firms J.Creativity and Innovation Management,2014,23(2).2邓建平,陈爱华.高管金融背景与企业现金持有基于产业政策视角的实证研究J.经济与管理研究,2017,38(3).3贺晓宇,秦永.银企关联促进了企业创新吗?来自科技型上市公司的经验证据J.华东经济管理,2018,32(4).4高增亮,张俊瑞,李海霞.高管金融网络关系、融资约束与资本结构J.金融论坛,2019,24(2).5吴翌琳,黄实磊.融资效率对企业双元创新投资的影响研究兼论产品市场竞争的作用J.会计研究,2021,(12).6严若森,姜潇.关于制度环境、政治关联、融资约束与企业研发投入的多重关系模型与实证研究J.管理学报,2019,16(1).7张正勇,胡言言.海归技术高管与企业创新J.科研管理,2021,42(2).8余明桂,钟慧洁,范蕊.民营化、融资约束与企业创新来自中国工业企业的证据J.金融研究,2019,(4).9温忠麟,叶宝娟.中介效应分析:方法和模型发展J.心理科学进展,2014,22(5).10张云,杨凌霄,张紫婷,等.股权质押、融资约束与企业绿色技术创新J.华东师范大学学报(哲学社会科学版),2022,54(5).（责任编辑/方思）188