〔关键词〕 连锁股东 创新绩效 协同治理 信息效应 产能效应 高管风险偏好 数字化转型 异质性分析
ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２４．０９．００７
〔中图分类号〕Ｆ２７１； Ｆ２７３ １ 〔文献标识码〕Ａ
引言
创新是驱动社会进步的不竭动力。习近平总书记曾指出， “抓创新就是抓发展， 谋创新就是谋未来”。为此， 要把创新这条主线贯穿于党和国家一切经济工作中， 通过创新发展新质生产力， 为现代化建设奠定坚实物质基础。企业创新需要从所处环境中获取“量足质优” 的资源作为支撑， 而不同主体间要素禀赋异质性显着， 资源的差异化配置影响到创新活动的效率与质量［１］ 。连锁股东持有同行业多家公司股权， 关联盘根错节， 扮演着关系、资源、信息“复合体” 角色， 对于企业创新活动具有深远影响［２］ 。在追踪多家企业经营与管理过程后， 部分学者提出“协同治理观”， 认为连锁股东通过搭建紧密的同群协作关系， 拥有较强的资源禀赋、交叉社会关系网络和多维的知识背景［３］，不仅对于帮助企业缓解信息不对称， 减少同质化竞争， 促进科学决策具有重要意义［４］ ， 还能够运作其社会资本， 为创新活动争取资金、政策支持与法规指导， 加速专利转化， 降低创新过程中的商业性与政治性摩擦， 从而提高创新风险承担， 获取创新收益［５］ 。另一部分学者则秉持“竞争合谋观”， 认为连锁股东增加了委派董事数目，稀释了董事会的独立性。为求自身投资组合收益最大化， 连锁股东存在动机降低企业信息披露质量， 进行“合谋舞弊” 与“隧道挖掘”， 更容易滋生杠杆操纵、资源转移与违规投融资等现象，挤占了企业的创新资源［６］ ， 最终限制创新活动。综上， 现有研究虽已取得较多成果， 但连锁股东究竟会助力企业创新提质增效还是损害创新收益？ 学术界至今仍未形成统一论断， 连锁股东行为背后的作用机理和影响渠道也尚未厘清。因此， 有必要结合现实背景进行检验和补充， 为连锁股东的经济后果提供完整的逻辑框架与理论支撑。基于此， 本文以２００７～２０２２年上市公司作为研究样本，理论分析并实证检验连锁股东对企业创新绩效的影响机理、作用路径与边界条件。结果表明， 连锁股东通过协同治理显着提升企业创新绩效； 机制研究发现信息效应和产能效应是两者间的传导渠道； 拓展性分析表明高管团队的风险偏好和企业数字化转型均正向调节连锁股东对企业创新绩效的提升作用； 异质性分析发现， 连锁股东对企业创新绩效的提升作用在高科技企业、东西部地区企业中更为明显。
本文为解释连锁股东的协同治理与竞争合谋之谜提供了新的解释视角和增量证据。区别于已有研究多关注政府补助、绿色金融、社会资本等要素对企业创新的影响， 本文从连锁股东这一企业创新活动的重要资源提供者以及创新绩效的主要承担者视角切入， 考察其对企业创新绩效的影响， 为解答关于连锁股东经济后果之谜提供了有益启发； 扩展了连锁股东传统经济后果的分析范畴。本文挖掘出在连锁股东促进企业创新绩效提升中发挥中介效应的信息沟通和产能利用两条路径， 为深入认识两者关系提供更为细致的见解，开拓了相关研究视野； 创新性地引入作为内源动因的高管风险偏好和作为外部环境背景的数字化转型两个调节变量， 探究两者如何影响连锁股东与企业创新绩效间的关系， 并考察不同行业、区域下连锁股东对创新绩效的影响效果差异， 全面解读连锁股东提升企业创新绩效的影响机理与边界条件， 有利于企业动态关注所处情境， 深入研究连锁股东需求， 全面研判创新形势， 进行科学创新决策。
１理论分析与研究假设
创新是企业实现利润增长的根本保障。创新信息公之于众可能导致知识外溢， 降低企业在市场上的独特优势， 领先企业通常不会过多公开创新活动相关信息。但这种保守做法也易导致企业创新活动的投资价值被低估［７］ 。连锁股东股权网络的构建则为投资者提供了较低成本的创新信息搜集渠道和创新信息比对、分析和解读平台， 有利于在海量创新资源的高效流动中迅速获取关键创新信息， 全面、准确地评估和把握企业创新项目的潜力和价值［８］ ， 为创新投资决策提供更为可靠的依据， 避免创新资源错配， 提升企业创新绩效。而且， 连锁股东关注整体投资组合利润最大化， 而非对单一公司高盈利的追求， 为防止股权网络内企业相互恶性竞争造成产能过剩［９］ ， 优化股权网络的整体性收益［１０］ ，连锁股东会干预和影响企业的市场行为管理决策， 使得股权网络内企业由竞争转为合作， 实现协同治理［１１］ 。此外， 连锁股东凭借自身信息优势带来的精准嗅觉， 动态识别市场需求， 有利于企业产能更快地对接新兴产业， 提高生产效率与产能利用率， 避免低效竞争。为此连锁股东会引导企业合理布局产业结构，加大对新兴产业的创新投资力度， 提升企业创新绩效。综上所述， 连锁股东通过在持股企业间搭建股权网络平台， 发挥信息效应， 从内部可提供网络内企业创新所需的异质性信息资源， 从外部则提高了创新过程中企业与外部市场主体信息沟通的质量和效率， 有利于瞄准创新机会， 把握创新价值； 另外， 连锁股东通过发挥产能效应， 引导企业调整产能分配， 踏足新兴赛道， 专注创新研发， 提升创新效率。
基于上述分析， 本文提出以下假设：
Ｈ１：其他限定条件不变的情况下， 连锁股东实现协同治理， 促进企业创新绩效提升。
根据组合价值最大化理论， 连锁股东不仅会在企业内部进行合谋获取利益， 也会产生“攘外”的动机， 在企业外部形成垄断联盟， 导致市场不充分竞争［１２］ 。此时企业面临严重的信息不对称，决策者难以准确评估创新项目价值， 考虑到创新失败的巨额损失， 管理层创新决策将趋于保守，企业可能会错失创新机遇。而且位于股权网络中心节点的连锁股东， 在进行私有信息交易时， 为谋取私有收益， 可能传递噪音或隐藏坏消息， 引发企业股价异常波动， 加剧股价崩盘风险［１３］ ， 影响企业研发资金供给， 甚至导致合作方终止创新合作。此外， 在市场形成初期， 连锁股东为抢占先机， 保持持股企业的市场份额和行业地位， 有时不得不为持股企业配置过剩产能［１４］ 。待行业进入蓝海格局后， 为获得超额利润， 连锁股东还会刻意提高企业产能制造壁垒， 威慑潜在竞争者进入。长远来看， 落后、低质的产能挤占了大量资源， 加剧产能过剩， 收益回报不尽人意， 将会极大打击企业创新持续性。综上所述， 当控股股东与管理层等相关方的合谋收益大于监督成本时，连锁股东为谋求私有利益， 维持管理优势， 可能会主动降低信息披露质量、配置过剩产能， 恶化企业创新生态环境， 也可能会降低产能质量， 损害运营效率， 最终造成创新迟滞。
基于上述分析， 本文提出以下假设：
Ｈ２：其他限定条件不变的情况下， 连锁股东产生合谋竞争， 阻碍企业创新绩效提升。
２研究设计
２.１样本选择与数据来源
本文选择２００７～２０２２年沪深Ａ 股制造业企业作为研究样本， 进行如下处理： （１） 剔除ＳＴ、∗ ＳＴ和ＰＴ 的企业； （２） 剔除数据缺失的样本； （３） 对主要变量采取１％水平的缩尾处理， 以减小极端值的影响。最终获得３８９９５ 个企业样本。本文所涉及数据来源于ＣＳＭＡＲ 和Ｗｉｎｄ 数据库， 运用Ｓｔａｔａ１７.０ 进行数据分析。
２.２变量定义
（１） 被解释变量
创新绩效（Ｐａｔｅｎｔ）。专利作为企业创新产出的直观成果， 能够较好的反映企业的创新绩效水平。我国知识产权保护的进步提高了专利数据统计的准确性， 相关法律制度基本连贯一致保证了专利数据的可比性。本文借鉴黎文靖和郑曼妮（２０１６）［１５］ 、李雪松等（２０２２）［１６］ 的研究， 以专利申请数加１的自然对数衡量企业的创新绩效。
（２） 解释变量
连锁股东（Ｃｒｏｓｓ）。参考Ｈｉｒｓｈｌｅｉｆｅｒ 等（２０１７）［７］ 、潘越等（２０２０）［１１］ 的研究， 采取以下步骤构建连锁股东指标（Ｃｒｏｓｓ）： ①以季度层面持有股份不低于５％的股东作为门槛（下称“大股东”）进行保留。以往研究发现， 持股比例５％ 以上的股东对公司的经营管理具有关键作用， 因此５％ 通常被视为一个关键门槛值； ②在每个季度上， 计算每家公司大股东同时属于同行业其他公司大股东的人数；③计算上述步骤得到的连锁股东数目年度均值，加１后取对数处理。其中， 根据２０１２年证监会发布的行业分类标准， 将制造业细分到二级代码，非制造业企业细分到一级代码。
（３） 控制变量
参考杜善重和李卓（２０２２）［１７］ 的研究， 选取企业杠杆（Ｌｅｖ）、企业业绩（Ｒｏａ）、上市年限（Ｌｉｓｔａｇｅ）、企业规模（Ｓｉｚｅ）、现金持有（Ｃａｓｈｆｌｏｗ）、成长性（Ｇｒｏｗｔｈ） ６ 个公司经营因素以及董事会规模（Ｂｏａｒｄ）、产权性质（Ｓｏｅ）、两职合一（Ｄｕａｌ）、股权集中度（Ｔｏｐ１）４ 个公司治理因素作为控制变量，并在回归模型中加入了年份（Ｙｅａｒ）和行业虚拟变量（Ｉｎｄ）。
其中， κ、λ 和μ 分别表示公司固定效应、行业固定效应和年份固定效应。
３实证结果分析
３.１描述性统计
表２ 列示主要变量统计特征。企业创新绩效（Ｐａｔｅｎｔ）均值为１.７１０７， 标准差为１.５４６４， 表明我国制造业企业的创新水平较低， 且发展并不平衡、不充分。解释变量连锁股东（Ｃｒｏｓｓ）均值为０.１０２９，表明有１０.２９％的样本企业具有连锁股东。
３.２ 基准回归分析
表３ 列（１）、（２） 显示， 加入控制变量前后，连锁股东与企业创新绩效均显着正相关， Ｈ１ 得到实证支持。列（３） ～ （５） 分位数回归结果表明，连锁股东数量越多， 企业创新绩效水平越高， 进一步验证了本文假设１， 即连锁股东通过协同治理显着提升企业创新绩效。
３.３稳健性检验
为增加研究结论的信服力， 采用以下方法进行稳健性检验。
（１） 替换变量
参照潘越等（２０２０）［１１］ 的做法， 设置哑变量Ｃｒｏｓｓ＿ｄｕｍｉ，ｔ表示企业ｉ 在年度ｔ 是否有连锁股东，替换原有解释变量Ｃｒｏｓｓ 进行回归， 结果见表４ 列（１）。采用专利授权数替代专利申请数替换原被解释变量进行回归， 实证结果见表４ 列（２）。
（２） 解释变量滞后１期
连锁股东对企业创新活动的影响可能在当期并不明显， 存在滞后性。本文将解释变量连锁股东（Ｃｒｏｓｓ）滞后１ 期再次进行回归。结果见表４列（３）。
（３） 更换模型
参考Ｃｈａｎｇ 等（２００９）［１８］ 的研究， 构建二元Ｐｒｏｂｉｔ 模型。将企业创新绩效的数量与质量按照均值分为高、低两组， 大于均值为１， 小于均值为０，结果见表４ 列（４）。鉴于企业创新绩效样本中的零值较多， 选择Ｔｏｂｉｔ 模型回归， 结果见表４ 列（５）。
（４） 替换更为严格的固定效应
本文进一步控制“时间×行业” 更为严格的交互固定效应， 缓解未被观测因素的影响， 结果见表４ 列（６）。
上述稳健性检验结果与原结论保持一致， 进一步验证了本文假设１。
３.４内生性检验
（１） 倾向匹配得分法（ＰＳＭ）
本文采用倾向得分匹配法排除样本选择偏差等带来的干扰。将样本企业按照当年度是否存在连锁股东分为两组， 构造哑变量Ｃｒｏｓｓｄｕｍ。参考杜善重和李卓（２０２２）［１７］ 的做法， 选择部分公司特征变量， 采用１∶１ 最邻近方法进行有放回匹配。表５ 列（１） 列示的回归结果显示ＰＳＭ 之后Ｃｒｏｓｓ的系数仍显着为正， 本文结论依然成立。
（２） 工具变量法
为排除连锁股东本身就更青睐于综合表现更好、创新能力更强的上市公司进行创新投资， 从而提升了创新绩效这一互为因果问题对本文研究结果的干扰， 本文遵循杜勇等（２０２３）［１９］ 的观点， 设置样本上市公司本年是否属于中证５００ 指数（ＩＮ５００）为虚拟变量作为工具变量， 当上市公司本年属于中证５００ 指数成分股时， 中证５００ 指数（ＩＮ５００）取值为１， 否则为０。中证５００指数及指数成分股的增减变动可能影响连锁股东的持股变化， 因而满足工具变量的相关性要求。同时， 上市公司是否为中证５００ 指数成分股与企业创新活动之间不存在直接关联， 符合外生性要求。
表５列（２）显示在第一阶段回归中， 工具变量与连锁股东显着正相关， 其Ｆ 值为１５５.６９， 远大于１０， 表明不存在弱工具变量问题。工具变量检验表明， Ｋｌｅｉｂｅｒｇｅｎ－Ｐａａｐ ｒｋ ＬＭ 检验ｐ 值为０. ００１，拒绝工具变量识别不足假设； Ｃｒａｇｇ－Ｄｏｎａｌｄ Ｗａｌｄ Ｆ统计值大于１０％的可容忍临界值为１６.３８， 拒绝“存在弱工具变量” 的原假设， 因此本文选取的工具变量有效可靠。列（３） 第二阶段实证结果表明连锁股东依然对企业创新绩效具有显着正向影响。
３.５机制检验
（１） 信息效应
连锁股东通过构建股权网络， 降低信息不对称， 实现信息效应， 为企业创新注入资金、技术、人才等各类创新资源， 同时监督管理层的决策，缓解委托代理问题， 保护企业创新资源不被侵占，从而增强企业创新绩效。借鉴于蔚等（２０１２）［２０］的研究， 采用主成分分析法构建信息不对称指数（数值越大， 信息不对称问题越严重）， 检验连锁股东通过发挥信息效应提升企业创新绩效这一传导机制。表６ 前３ 列报告了信息效应的检验结果。列（１） 中连锁股东（Ｃｒｏｓｓ）与企业创新绩效显着正相关， 表明连锁股东显着促进了企业创新绩效提升。列（２） 中连锁股东（Ｃｒｏｓｓ）与信息不对称程度（ＡＳＹ）显着负相关， 表明连锁股东有利于拓宽企业信息搜索渠道， 缓解信息不对称问题， 促进信息沟通。列（３） 在控制解释变量后， 信息不对称程度（ＡＳＹ）与企业创新绩效呈现显着负相关， 表明信息沟通的改善显着促进了企业创新绩效提升， 并且连锁股东回归系数与列（１） 相比明显下降， 验证了信息不对称指数在连锁股东与企业创新绩效间发挥了部分中介效应， 即连锁股东可以通过缓解企业的信息不对称（ＡＳＹ）这一路径发挥信息效应， 提升企业的创新绩效。并且，随后进行的Ｓｏｂｅｌ检验结果通过， 进一步验证了信息不对称的中介作用。
（２） 产能效应
连锁股东深耕行业多年， 资源优势明显， 行业知识丰富， 通过对企业创新投资决策进行指导， 从多方面最大化提高企业产能利用率， 避免不必要的过度投资和盲目扩张［１１］ 。参照李雪松等（２０１７）［２１］的做法， 使用营业收入、资产总额和企业人数来构建随机前沿生产面的随机前沿生产函数来测算企业产能利用率（ＣＵ）。与前文研究同理， 表６ 列（４） ～（６） 验证了产能效应在连锁股东与企业创新间的传导机制， 列（４） 中连锁股东对产能利用率的影响系数为０.３２８６， 显着为正， 表明连锁股东有利于提升企业产能利用率。列（５） 中产能利用率与创新绩效显着正相关， 表明产能利用率正向提升企业创新绩效。列（６） 中Ｃｒｏｓｓ 的回归系数显着为正且与列（４） 相比明显下降， 说明企业产能利用率在连锁股东与企业创新绩效间发挥了部分中介效应， 即连锁股东可以通过提升企业产能利用率（ＣＵ）这一路径， 发挥产能效应， 提高企业的创新绩效。随后进行的Ｓｏｂｅｌ 检验结果通过，进一步验证了产能利用率的中介作用。
４拓展性分析
４.１调节效应检验
（１） 高管风险偏好的调节效应
风险偏好反映高管对于风险的认识和态度。风险偏好较高的高管通常表现出具备强烈的创新意愿， 追求新颖的业务模式和产品以及具有更高的风险承担能力， 在决策中承担较高的不确定性和潜在损失［２２］ 。风险偏好强的高管往往更愿意带领团队挑战风险较高的创新活动， 获取创新收益［２３］ 。在这个过程中， 需要建立高效的信息、资源输送“管道”， 通过与连锁股东进行沟通互动， 及时获得创新资源支持， 催化创新产出， 因而强化了连锁股东对创新绩效的影响。同时， 风险偏好较高的高管频频给予团队内部和外部树立信心， 形成鼓励创新的企业文化， 避免由于过于保守而固守现有规模和产能， 造成连锁股东所投入创新资源的浪费， 提高了连锁股东所带来的资源整合利用效率。因此， 相较于一般高管或风险偏好较弱的高管， 风险偏好较强的高管能够强化连锁股东对企业创新绩效的提升作用。
本文引入高管团队风险偏好（ＲＰＩ）与连锁股东的交互项， 构建模型（２）， 探究高管团队风险偏好的调节作用。借鉴郭道燕等（２０１６）［２４］ 的做法， 综合考量企业资产结构、偿债能力、盈利结构、利润分配以及现金流量， 借助主成分分析方法， 选取风险资产占总资产的比重、资产负债率、核心盈利比率、留存收益率、自身资金满足率和资本支出率６ 项指标， 用以评价高管风险偏好水平， 见表７。其中， 核心盈利比率、留存收益率和自身资金满足率为逆向指标， 为了便于理解，本文通过加负号的方式实现逆项指标正向化处理。计算公式为：
表８ 列（１） 结果显示， 高管团队风险偏好和连锁股东交乘项（Ｃｒｏｓｓ∗ＲＰＩ）与企业创新绩效在１％的水平上显着为正， 表明高管风险偏好能正向调节连锁股东与创新绩效两者间关系。
（２） 企业数字化转型的调节效应
企业数字化转型以“智能化、数字化” 技术理念为基石， 可显着提升创新过程中的管理效率。数字化转型能够帮助连锁股东在企业内部建立完善的内部信息披露机制， 实现更高效的信息管理，利于降低信息交易成本， 强化连锁股东的信息效应。同时， 作为一种新的生产要素和资源获取整合方式， 数字化转型能够帮助企业高度链接各传统创新节点， 链接新市场需求和技术变革讯息［２５］ ，避免创新资源错配， 使连锁股东的资源投入更加精准高效， 同时基于大量数字化信息数据， 开拓创新思维， 提高连锁股东发挥产能效应的实现效果， 使得创新不再是一次性的事件， 而呈现一种持续的、内生的发展趋势。因此， 企业数字化转型强化了连锁股东对于创新绩效的提升作用。
表８ 列（２） 显示， 连锁股东和企业数字化转型交乘项（Ｃｒｏｓｓ∗ＤＣＧ）系数显着为正， 验证了数字化转型对连锁股东与创新绩效关系的正向调节作用。
４.２异质性分析
（１） 行业异质性分析
高科技企业的核心是科技创新， 客观上具有得天独厚的创新优势， 能够享受诸如加计扣除、减免税费、优先获批上市等创新政策红利。但创新速度跟不上市场变化加速该类企业的淘汰， 加之官方对其创新绩效的考核压力， 高科技企业往往成为创新的先锋力量。在创新优先的高科技企业中， 连锁股东会利用其提供的先进技术提高股权网络中公司间的创新信息沟通效率， 降低因为信息不对称导致的创新风险， 调整产能资源合理分配， 专注创新研发， 避免低效竞争， 促进企业创新绩效的提升。因此本文推测， 相比于非高科技企业， 高科技企业的连锁股东客观上更具备条件、主观上更具备动力进行协同治理， 推动创新绩效提升。本文借鉴姚凯和王亚娟（２０２０）［２７］ 的做法， 最终确定医药制造业等６ 个行业的企业为高科技企业， 设置虚拟变量ＨｉｇｈＴｅｃｈ， 当企业属于高科技企业时ＨｉｇｈＴｅｃｈ 取１， 否则取０。同时设置Ｃｒｏｓｓ 和ＨｉｇｈＴｅｃｈ 的交乘项代入模型进行基准回归。表８ 列（３） 结果显示高科技企业连锁股东能提升企业的创新绩效， 验证了本文预测。
（２） 区域异质性分析
企业所处区域位置会影响企业创新战略决策与实施效果。东部、西部、中部地区在基础设施建设、资本市场层次、政策扶持力度等方面显着不同。一般而言， 经济发达的东部地区集聚了企业创新所需的人才、资金、信息等资源， 加之较高的市场化程度和明晰的政企关系， 促进了连锁股东在创新活动中的“协同治理”， 同时限制了连锁股东的“竞争合谋” 行为， 避免因同行业竞争不足导致的操纵市场价格机制牟取超额收益现象。本文借鉴沈小波等（２０２１）［２８］ 的做法， 把我国省（区、市）按其地理位置分为东、中、西３ 个组， 表８ 列（４） ～（６） 的分组回归结果显示连锁股东对东部地区和西部地区企业创新绩效的提升作用显着， 对中部地区企业的创新绩效无明显的提升作用。这验证了本文关于东部地区企业连锁股东对于创新绩效的协同治理效果更好的结论。而西部地区的显着性表现可能是由于受国家政策支持和资源倾斜， 近些年创新势头明显增强， 连锁股东又多为机构投资者， 对于国家政策方向十分敏感， 因而顺应国家战略对西部地区企业进行投资布局， 能收获较好的创新绩效提升效果。
５研究结论与政策建议
５.１研究结论
本文以我国２００７～２０２２ 年Ａ 股制造业上市公司作为研究样本， 实证检验了连锁股东对企业创新绩效的影响及其内在机理、边界条件。研究发现： （１） 连锁股东通过协同治理显着提升了企业创新绩效； （２） 机制检验发现， 连锁股东通过发挥信息效应和产能效应两条中介路径促进企业创新绩效的提升； （３） 拓展性研究表明， 高管风险偏好和企业数字化转型均正向调节连锁股东对企业创新绩效的提升作用， 且连锁股东对企业创新绩效的提升在高科技企业和东、西部地区企业中尤为显着。
５.２政策启示
基于以上结论， 本文提出如下政策启示：
（１） 证监会等相关官方部门应合理引导上市公司引入连锁股东这一新型投资主体， 优化企业治理结构， 充分释放信息效应与产能效应， 协同推进创新进程， 提升创新绩效。同时还应当完善相关法律法规， 监管上市公司的合谋行为的同时，规范股东信息的及时、准确披露股东关联情况，增加投创新活动参考信息， 防范竞争合谋损害创新绩效。
（２） 企业应积极推进自身数字化转型， 应用大数据、数字金融工具打造一体化的网络数字平台， 深入了解市场趋势和消费者需求， 在提升企业内部管理效率和产能利用效率的同时实现产业链上下游协同， 为精准创新提供数据支持， 推动组合式创新、连续性创新。
（３） 企业应根据连锁股东属性与战略布局需求积极探索引入连锁股东投资， 优化公司治理格局， 建立创新联盟网络， 协同推进创新进程。另外， 鼓励高科技行业与东部发达地区和西部受政策扶持的企业适时引入连锁股东， 能够收获更佳创新效果， 实现高质量发展。
