担保网络对企业创新的影响研究

李思呈

（华中农业大学经济管理学院，武汉 430070）

创新作为国家经济高质量发展的 “支点”，是推动国民经济社会发展的重要力量。激励企业创新需要有较高失败容忍度的资本［1，2］。而银行信贷作为中国企业外部融资的主要渠道，却由于其天然的风险厌恶特点，使得创新企业面临着不同程度的信贷约束，给企业创新活动带来了较大阻碍［3］。在以银行信贷为主导的金融环境下，为缓解融资困境，中国企业寻求了各种类型信贷获取方式，如企业与银行之间的关系型融资、企业与企业之间的关联担保融资、知识产权互助担保融资等。现有研究围绕不同信贷获取方式对企业创新活动的影响开展了大量研究，如王满四和王旭东 （2020）［4］发现关系型信贷能通过资金效应、兜底效应和配套效应促进企业创新。翟士运和古朴（2020）［5］指出关联担保加重了企业风险和大股东掏空，进而抑制企业创新。马毅等 （2016）［6］认为知识产权互助担保具有独特的社会网络信用，长期、稳定的合作预期等特征，有利于降低融资成本，提高融资效率，是解决高新中小企业融资难题的重要方式。在一定数量企业通过关联担保、知识产权互助担保等担保贷款方式获得银行信贷后，担保网络这一种特殊金融现象应运而生。而企业通过各种担保融资形式加入担保网络后，企业创新活动会产生何种变化，理论界却并未给予回答。随着信贷市场的不断发展，我国担保网络规模逐渐扩大，担保金额不断增加。按照3家及以上企业的担保链构成担保网络的原则［7］，通过整理CSMAR数据库上市公司担保数据可以发现，2020年加入担保网络的上市公司已超过2500家，接近A股上市公司的2/3。担保网络规模的扩张带来的经济后果已成为不容忽视的现实问题。

事实上，担保网络对企业发展兼具正面和负面影响。从正面影响来看，担保网络通过帮助企业获取企业间关系的社会资本租借效应缓解了企业的融资约束［8］，帮助企业获得更多的信贷资源。同时，加入担保网络显着降低了企业间信息不对称，一定程度上降低了逆向选择和道德风险［9，10］。除此之外，担保网络为企业契约的履行提供了一种额外的、更加有效的监督机制，担保方具有的这种信息和监督优势可有效降低融资中的整体交易成本［11］。从负面影响来看，风险传染是担保网络内企业面临的核心问题之一。违约风险会通过资产负债表渠道、信息渠道、投资渠道等形式沿着资金担保链进行传染［12］，网络内企业面临较高的风险水平［13］。担保网络也带来了代理问题。曹廷求和刘海明 （2016）［14］认为，担保网络加剧了企业过度投资行为和控股股东的机会主义行为，进而导致企业信用评级降低、再融资能力下降，最终将导致企业绩效降低［10］。此外，担保网络内的成员企业出于自身利益考虑会对其他成员实施严格的监督，从而约束被担保企业行为，使其为避免违约而采取更为谨慎的管理决策。如马毅等（2016）［6］认为，在知识产权互助担保融资中，“监督效应”衍生出的声誉机制使违约企业受到其他成员的质疑、惩罚，这使得企业网络关系稳定遭受冲击，再融资能力下降，融资约束加剧。基于上述分析，企业加入担保网络能够为企业创新提供一定的资金供给，而且担保网络具有天然的债务风险转移和分摊的特点，能够为企业创新失败“兜底”，有条件成为企业创新的 “护身符”。但是，处于担保网络中的企业也面临较多限制，如面临更多主体的监督，也承担着违约传染的潜在风险［13］，进而使得担保网络可能成为企业创新的“紧箍咒”。由此可见，担保网络如何影响企业创新，是一个亟待探讨的实证问题。

基于此，本文以2008～2020年A股上市公司为样本，考察担保网络对企业创新的影响。本文的贡献主要体现在3个方面：（1）现有文献较多关注企业间互助担保、企业与银行的关系型融资等信贷获取方式对企业创新的影响，而担保网络作为各类担保融资方式进一步发展演化所形成的一种特殊金融现象，其对企业创新产生何种影响并未受到应有的关注。本文通过比较分析企业加入担保网络前后创新投入与产出的变化，揭示了担保网络对创新活动的影响，拓展并深化了有关信贷获取方式对企业创新影响的文献；（2）已有研究发现担保网络虽然能够增加信贷可得性、降低信息不对称以及降低交易成本，但是也会使得企业面临大股东利益侵占、更大可能的违约风险传染和更多的监督约束，因此担保网络对企业创新活动的影响尚存在一定争议。本文基于复杂网络理论，从入度、出度的角度揭示了担保网络影响企业创新的具体作用路径；（3）已有研究集中于从企业个体角度探讨担保融资对创新的影响，而忽略了网络结构特征的影响。本文选择平均最短路径长度、节点数等网络拓扑结构指标，从网络结构的层面进一步检验了担保网络对企业创新影响的异质性特征，并基于研究结果为促进担保网络内企业的创新活动提出相应对策建议。

企业创新活动需要大量且持续稳定的资金投入。企业加入担保网络可以显着降低企业的融资成本，缓解企业融资约束［12，15］，同时具有风险 “兜底”作用。这为企业加大创新投入创造了必要条件。然而，担保网络提供的融资便利却不必然促进企业创新。基于Manso（2011）［1］的研究，担保网络更有可能抑制企业的创新动力。而担保网络有向性这一特征又势必将导致网络内担保企业与被担保企业受到不同的抑制机制：担保企业将承受被担保企业风险传染的影响，而被担保企业也将承受来自担保企业的监督约束。因此，本文从担保网络的 “风险效应”与 “监督效应”解释其对创新的抑制效应。

从 “风险效应”来看，由于网络中违约风险、连带风险、代理风险、诉讼风险等风险因子的存在，以及网络内风险传染效应和风险集聚效应［10，13，16，17］，网络内担保企业面临着违约风险传染的威胁。企业对外提供担保越多，受到这种影响越大。由于创新活动对管理层具有较强的外部性，研发成功的利益在很大程度上被股东索取，而研发失败的风险基本由管理层承担［18］，管理层的声誉和职业生涯都将遭受重大打击［19］。在这种“声誉风险”作用下以及外部高风险环境下，担保企业管理层短视行为加剧，对创新风险的容忍度降低，进而可能导致企业研发投入减少。

从 “监督效应”来看，担保网络为企业契约的履行提供的监督机制，会使被担保企业的创新行为更加保守。网络内担保企业在担保责任下会对被担保企业的资金使用情况进行监督［14］。外部监督的存在使得被担保企业的行为将受到更多的契约约束，而创新活动也会由于其高风险性更不被担保企业所容忍。同时，这种监督机制下，被担保企业的违约行为将被放大。如果信用评级降低，会给其声誉带来负面影响，导致其在担保网络中所依托的 “关系网络”的稳定性下降，造成被担保企业的再融资困境。马毅等 （2016）［6］发现，在知识产权互助担保融资中，监督效应衍生出的声誉机制使违约企业受到其他成员的质疑、惩罚，这使得企业网络关系稳定遭受冲击，再融资能力下降，融资约束加剧。如果为企业提供担保的担保方越多，其受到的 “监督效应”将越大。强有力的外部监督下，被担保企业的创新意愿降低，可能更倾向于缩减高风险的创新活动投入。综上所述，虽然担保网络能够带来信贷资源，但是担保网络的“监督效应”、“风险效应”却会抑制被担保、担保企业对创新的投入。基于此，提出如下假设：

H1：其他条件不变，与未加入担保网络的企业相比，加入担保网络的企业创新投入更低。

对于企业而言，企业进行创新活动需要持续的资金支持，研发投入是企业进行创新活动的重要基础。企业加入担保网络将导致创新投入缩减，而短暂的资金中断对企业技术水平提升产生锁定效应［20］，同时企业创新活动具有较高的调节成本［21］，短暂的投资中断可能导致创新失败或技术落后，同时创新投入的减少也可能导致高新人才的流失［22］，使得企业创新产出减少。综上所述，提出如下假设：

H2：其他条件不变，与未加入担保网络的企业相比，加入担保网络的企业创新产出更低。

本文选取2008～2020年全部A股上市公司的24991个研发投入面板数据，以及2008～2017年全部A股上市公司的10053个专利申请面板数据，其中剔除ST公司、∗ST公司、金融行业公司。相关数据全部来源于CSMAR数据库。担保网络相关数据通过手工整理和Gephi软件测算得到。本文对所有连续型变量进行了1%和99%的 Win⁃sorize缩尾处理。

为研究担保网络与企业创新的关系，构建模型 （1）：

在式 （1）所示模型中，下标i代表企业，t代表年度，Innovation为企业创新，用创新投入（RD）和创新产出（Patent）来衡量，Net为担保网络变量。在回归时，采用稳健型标准误方法，控制异方差影响。

2.2.1 因变量：企业创新（Innovation）

借鉴郭玥 （2018）［23］学者的研究，以创新投入（RD）衡量企业创新水平，创新投入（RD）选用上市公司研发投入金额占营业收入比重表示。借鉴钟腾和汪昌云 （2017）［24］的研究，采用ln（专利申请数总和+1）来衡量创新产出（Patent）。同时，考虑到企业创新产出可能存在滞后性，将创新产出滞后1 年（Patentt+1）、 滞后2 年（Patentt+2）进行回归。

2.2.2 自变量：担保网络变量（Net）

借鉴刘海明和曹廷求 （2016）［7］的研究，将3家及以上企业的担保关系视为担保网络，得到年度上市公司担保网络数据，构造虚拟变量企业当年是否加入了担保网络。若企业当年加入了担保网络，则Net＝1，否则Net＝0。

2.2.3 控制变量（Controls）

借鉴陈克兢等 （2020）［25］学者的研究，选取企业规模（Size）、 偿债能力（Lev）、 成长性（Growth）、自由现金流（FCF）、盈利能力（ROA）、董事会规模（Dsize）、 独立董事占比（Dir）、 两职合一（Par）、股权集中度（Top1）、财政补贴（Amount）作为控制变量。表1为主要变量的定义和计算方法。

表1 主要变量定义

表2为描述性统计结果。创新投入的平均值为4.4%，说明样本企业平均每年将营业收入的4.4%用于研发创新活动，最小值为0，最大值25.4%，标准差为0.044，说明我国A股上市公司之间创新投入差异大，这与庄新霞等 （2017）［26］的统计结果相一致。样本企业中，专利申请数标准差较大，说明A股上市公司之间的创新产出差异也较大。

表2 描述性统计

表3报告了担保网络与企业创新投入、创新产出的回归结果。其中，列 （1）为对企业创新投入的回归结果，列 （2）、（3）分别为创新产出滞后1期、2期下的回归结果。列 （1）～（3）中Net系数都在1%的水平上显着为负，说明与没有加入担保网络的企业相比，担保网络内的企业研发投入占营业收入水平下降约0.5%，此结果支持了假设H1。与没有加入担保网络的企业相比，网络内企业的创新产出也将下降，证明了假设H2。结果表明，企业加入担保网络后，确实缩减了创新投入，并致使创新产出下降，担保网络对企业创新主要产生抑制作用。

表3 担保网络与企业创新回归结果

续 表

3.3.1 替代变量

借鉴窦超等 （2020）［27］学者的研究，本文采用第t+1期研发投入/企业营业收入（RDt+1）来衡量企业创新。借鉴Gao等 （2020）［28］学者的研究，采用每1000名员工的专利申请数（Patentperson）作为创新产出的替代指标，同样对其分别滞后1期、2期进行回归。由表4列 （1）～（3）可以发现，主要解释变量仍在1%的水平下显着，与前文结论相一致。

表4 稳健性检验：替代变量和更改样本企业

3.3.2 更改样本企业

为进一步证明结果稳健性，只保留创新研发规模较大的制造业企业进行回归，回归结果如表4列 （4）～（6）所示，回归结果与前文并无实质性差别。

3.3.3 Heckman两阶段回归

虽然基本回归结果显示企业加入担保网络抑制了创新活动，但是这可能存在由于自选择而导致的内生性问题。刘海明等 （2016）［13］学者认为质量更差的公司加入担保网络的可能性更大，绩效更好的公司更不愿意加入担保网络，而质量更差的公司创新更少，因此创新较少的公司可能更容易通过加入担保网络来获取银行信贷，这种内生性问题会导致估计结果有偏且不可信。本部分借鉴郭玥 （2018）［23］学者的做法，以公司是否加入担保网络（Net）作为因变量，利用Heckman两阶段回归进行实证分析。担保网络是企业之间相互合作的关系型融资产物，典型的担保网络有上海担保圈、福建担保圈、河北担保圈等［14］，呈现出明显的区域聚集特征。可以预期，企业所处地区的担保网络数量越多，这些企业之间越有可能通过相互担保的方式而加入担保网络。那么相对于总部所在地担保网络数量较少的上市公司，总部所在地担保网络数量较多的上市公司加入担保网络的概率更大，也即总部所在地担保网络数量与上市公司加入担保网络之间有一定程度的相关性。并且公司所在地担保网络数量与企业创新不存在直接关联，具有外生性。

因此，选取公司所处省（区、市）担保网络数量（Numbernet）作为工具变量代入第一阶段回归中。具体模型如下：

式 （2）为第一阶段选择方程，Controls为本文的控制变量，通过第一阶段估计企业是否加入担保网络的Inverse Mills Ratio，第二阶段将该指标代入式 （3）中进行回归。表5列 （1）为对创新投入的Heckman第一阶段回归结果，工具变量的系数显着为正，列 （2）～（4）为对创新投入、创新产出滞后1期、2期下的Heckman第二阶段的回归结果。列 （2）～（4）即第二阶段回归结果显示，核心解释变量Net的回归结果与前文基本一致，担保网络与企业创新投入、产出在1%水平上显着负相关，结论仍然支持本文假设。

表5 稳健性检验：Heckman两阶段回归

3.3.4 倾向得分匹配分析

为保证核心结论的准确性和可靠性，更好地揭示担保网络与企业创新的因果关系，本文还采用PSM方法，试图解决企业是否加入担保网络可能存在的 “自选择偏倚”。本文以控制变量中资产负债率（Lev）、自由现金流（FCF）、董事会规模（Dsize）、 独董比例（Dir）、 盈利能力（ROA）、 两职合一（Par），以及金融市场化水平（Finan）为协变量，进行Logit回归，得到样本中每家企业加入担保网络的倾向得分。对样本总体采用核匹配方法，对加入和未加入担保网络企业估计得到的倾向得分进行匹配，用匹配得到的未加入担保网络的企业的创新投入、产出表现近似代替已加入担保网络企业如果未加入担保网络时其可能的创新表现，从而得到担保网络对企业创新能力的平均影响（ATT）。

表6为样本的平均处理效应（ATT），发现匹配后核心解释变量Net仍在1%水平下显着为负，即担保网络显着降低了企业的研发投入与创新产出，再次证明了本文的结论有较强的稳健性。

表6 稳健性检验：PSM分析

基于理论分析，担保网络对企业创新影响的可能路径主要分为 “监督效应”与 “风险效应”。网络内企业被担保越多，所受到的 “监督效应”越大。企业对外担保越多，所受到的 “风险效应”越大。本文基于复杂网络理论，引入 “出度”与“入度”指标，深入研究担保网络对企业创新影响的具体路径。根据复杂网络理论，担保网络的节点度是指和该节点相关联的边的条数，即与该公司具有担保关系的企业的个数。出度表示从该节点出发的边的条数，即该企业的被担保企业个数，入度表示进入该节点的边的条数，即该企业的担保企业个数。选择Outdegree表示担保网络企业的出度，Indegree表示担保网络内企业的入度，替换模型 （1）中的Net变量，回归结果如表7所示。

表7 担保网络与企业创新：影响机制检验

表7列 （1）～（3） 中网络内企业的出度（Out⁃degree）均在1%水平上显着为负，而企业的入度（Indegree）在统计学意义上不具有显着性。结果表明，在担保网络中，“风险效应”对企业创新影响占据主导地位，而担保网络的 “监督效应”对企业创新并无显着影响。企业对外担保越多，在担保网络 “风险效应”的作用下，企业将更倾向于规避高风险的创新活动，尤其当出度越大时，担保企业创新投入越少，最终将导致创新产出下降。

已有研究证实，网络的传播演化等动力学行为与网络自身结构和复杂程度有关［29］。作为复杂网络的一种现实表现，担保网络的风险传染速度、广度也同样受网络拓扑结构的影响。如果担保网络通过 “风险效应”显着抑制企业创新，那么这一抑制作用可能随企业所加入担保网络的结构复杂性不同而产生差异。基于此，本文从担保网络拓扑结构考察这一问题。基于复杂网络理论，平均最短路径长度指网络中任意节点间连结的最小边数的平均值，它可以有效衡量网络大小、网络的聚集程度以及节点间的紧密程度［30］；网络节点数指网络内所有节点个数，可以很好的衡量网络规模。对于担保网络而言，平均最短路径长度越短，风险在担保网络中传播的速度越快；网络节点数越多，风险在担保网络中的传染范围越大。因此这两个网络结构特征均能影响 “风险效应”。因此用平均最短路径长度+1的自然对数（ASPL）和网络节点数+1的自然对数（Netdegree）作为网络拓扑结构代理变量，研究企业所加入担保网络的特征不同，其创新活动的抑制效应是否存在差异。保留每年加入担保网络的企业样本，将两个变量带入模型 （1）中进行检验。结果如表8所示。

表8 担保网络与企业创新：网络拓扑结构的影响

表8列 （1）、 （3）、 （5） 中核心解释变量AS⁃PL的系数分别在1%和5%的水平上显着为正，表明担保网络平均最短路径长度越短，网络中企业的创新投入越低，创新产出也越少。这主要是因为，与加入平均最短路径长度较长的担保网络相比，加入平均最短路径长度较短的担保网络后，由于面临更快的风险传染速度，企业创新面临的“风险效应” 更大。列 （2）、 （4）、 （6） 的核心解释变量Netdegree的系数均在1%的水平上显着为负，表明担保网络的节点数越多，网络中企业的创新投入越低，创新产出也越少。这主要是因为，与加入规模较小的担保网络相比，加入节点数越多、规模越大的担保网络后，由于面临更大的风险传染广度，企业创新面临的 “风险效应”更大。进一步证实了担保网络对企业创新的影响机理。

本文以2008～2020年A股上市公司为样本，探讨了担保网络对企业创新的影响。实证结果表明：（1）企业加入担保网络后创新投入减少、创新产出降低；（2）担保网络影响企业创新的具体路径是 “风险效应”，企业的出度越大遭受被担保企业风险传染的可能性越大，创新活动容忍度下降，从而使其研发投入减少、创新产出下降；（3）担保网络对企业创新的影响随着担保网络风险传染的速度和广度变化而变化，当所加入担保网络的平均最短路径长度越短，风险传染速度越快，或者所加入担保网络的节点数越多，风险传染广度越大，都将更大程度的抑制企业的创新活动。

研究结果具有如下政策启示：（1）企业保持创新活力离不开合理完善的金融服务模式，政府部门应通过政策鼓励和多方引导强化金融市场对企业创新的支持，根据企业生产特点创新抵押质押融资模式，为当前抵押物不足、规模不大的中小企业和科技创新企业提供更多融资模式选择，以避免其被迫选择信用担保获取信贷；（2）关注不同资金供给方式对企业带来的潜在影响。对于企业而言，在对外担保时，应对被担保企业的信用等级、偿债能力等进行总体评估，同时也要对企业自身的发展情况、战略需求进行考量，避免盲目担保、超出自身实力的担保行为；被担保企业在寻求担保时，也要考虑到企业实际资金需求，避免过度被担保、过多银行信贷借款造成的企业负债水平上升引发的财务风险问题，进而影响企业创新动力； （3）应控制担保网络规模和结构，重点关注具有小世界网络特征的担保网络，这类网络往往平均最短路径长度较短、担保网络节点数较多，风险传染的速度较快、广度较大，对企业创新的影响较大，因此可以选择担保网络中关键节点 “解圈断链”，逐步缩小担保网络规模，同时做好风险监测，以保证企业稳定发展和区域金融安全。