政治关联促进还是抑制企业创新？
0 引言
创新是驱动一个国家实现经济持续增长的重要动力(Solow, 1957)。党的十九大报告指出：“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。”创新驱动发展的核心是推动企业技术创新，企业技术创新决定着企业生存、比较优势、企业价值投资回报(Porter, 1992; Hall et al., 2005; Hsu, 2009; Eisdorfer and Hsu, 2011)。如何提高企业创新能力，是企业管理者和政策制定者共同关心的重要课题。
企业创新受到多种因素影响。大量研究表明，在中国特殊的政治、经济环境下，政治关联可能是影响企业创新的重要因素。企业政治关联反映企业和政府之间的某种特殊关系，理论上，政治关联和企业创新之间的关系并不确定。一方面，政治关联可能弱化企业的创新激励，具有所谓的政治资源诅咒效应(袁建国等, 2015)。政治关联企业通常更容易获得银行贷款、政府补贴，或者增加其他企业进入障碍，政治关联企业很可能基于政治资源保护方面的考虑，减少企业创新。杨其静(2010)认为，企业面临政治关联和能力建设的权衡，导致政治关联和企业创新之间存在某种替代关系。另一方面，企业政治关联可能对企业创新具有一定的促进作用，由于企业创新投入需要资金和产权保护，政治关联企业更容易获得银行贷款和得到政府的保护，因此政治关联企业的创新能力可能更强。田利辉和张伟(2013)研究发现，企业政治关联具有显著的产权保护效应和政府偏袒效应。
与此同时，虽然国内学者关于政治关联与企业创新之间关系方面的实证研究较多，但是，已有研究由于样本选择和研究方法的差异，尚未得到一致结论。袁建国等(2015)研究发现，政治关联对企业创新存在“诅咒效应”，通过降低市场竞争、刺激企业过度投资等降低企业创新水平。而江雅雯等(2011)则发现企业主动建立政治关联会给企业研发活动带来正向影响。因此，究竟政治关联和企业创新之间存在何种关系？影响机制是什么？仍然需要仔细研究。基于此，本文试图在以下几方面对已有文献进行拓展：第一，本文基于2004—2015年上市公司数据，采用工具变量方法处理政治关联内生性问题，研究高管政治关联对企业创新的影响及其作用机制；同时，注重分析政治关联对企业创新影响的分布效应。第二，着重考察政治关联对企业创新的时变效应，政治关联与企业创新的关系依赖特定的政治经济环境，中国不断变化的社会经济环境可能导致政治关联与企业创新的关系存在时变的特征。第三，本文着重研究政治关联影响企业创新的内在机制，特别地，在机制解释方面不仅考虑企业层面，而且从企业内部个体发明家这一全新视角分析其中的作用机制，对已有研究形成了较为全面的补充。
本文研究结果显示，平均来说，高管政治关联对企业创新具有较为显著的负面影响，但是，分位数回归估计结果显示政治关联对中等创新水平企业的影响较大。为解决企业政治关联内生性问题，更准确获得高管政治关联对企业创新的影响，本文在基准模型基础之上，采用两种识别方法：面板工具变量估计方法以及倾向得分匹配估计方法。在面板工具变量估计中，本文选取两个有效工具变量：①同行业、同地区当年其他企业是否存在高管政治关联指示变量。②企业所在城市市级主要领导(书记/市长)是否受到违纪处罚0-1指示变量。面板工具变量估计和倾向得分匹配估计均表明，平均而言，高管政治关联对企业创新存在负面影响，高管政治关联确实会对企业创新产生阻碍作用。通过替换相关变量、延长滞后期限、改变估计方法以及剔除特殊样本等，本文进行了一系列丰富的稳健性检验，稳健性检验结果进一步验证了本文的研究结论。
值得注意的是，政治关联对企业创新的影响随着中国政治、经济环境的变化而改变。通过研究政治关联对企业创新影响的时变效应，本文发现，2007年之前，政治关联对企业创新的负面影响比较大，国际金融危机爆发后，市场竞争环境加剧，企业对技术创新的重视提高。但随后出台了“四万亿”投资计划，政治关联企业获得大量廉价信贷资源，进行技术创新动力下降。随着2012年十八大后开始强力反腐，重塑政府与市场之间的关系，政治关联对创新的抑制效应开始显著下降。
高管政治关联主要通过以下五种机制阻碍企业创新：首先，政治关联会显著降低企业未来研发投入，不利于企业创新；其次，政治关联对企业创新效率产生负面影响，政治关联企业的研发效率相对较低；第三，政治关联助长了企业过度投资倾向，政治关联企业更加倾向于对外兼并收购，扩大规模，这会对企业内部研发投入产生一定程度的“挤出效应”，进而会对创新产生不利影响；第四，从企业内部个体发明家层面，高管政治关联使得个体发明家专利产出下降；最后，政治关联不仅降低了企业内部个体发明家专利产出水平，还会降低发明家的创新参与意愿。
相较已有文献，本文的贡献在于：首先，政治关联对企业价值的影响被广泛讨论(Faccio, 2006)。国内学者也对中国企业政治关联对企业行为和绩效的影响进行了深入研究(杨其静，2010)。但是，关于政治关联如何影响企业创新的讨论并不是很多。党力等(2015)讨论了政治关联与企业创新关系，但是主要使用企业R&D 投入作为创新指标，本文使用专利申请作为创新指标。同时，在研究方法上，通过工具变量和倾向得分匹配两种不同识别策略，一定程度上缓解了政治关联内生性问题，使研究结论更加稳健、可靠。其次，在研究内容上，本文考虑到政治关联的异质性和时变性，进一步研究了政治关联随时间及政治经济环境的调整变化情况；袁建国等(2015)也使用了专利指标衡量企业创新，但是并没有考察政治关联对专利影响的分布效应。本文发现，政治关联对不同创新能力的企业影响存在差异，政治关联对中等创新能力的企业的抑制效应更大。最后，本文在具体影响机制分析上，不仅考虑了企业层面的影响，而且进一步从企业内部个体发明家这一更加微观层面进行分析，提出发明家创新产出和创新参与这两种全新的作用机制。袁建国等(2015)研究发现，政治关联对企业创新存在“诅咒效应”，通过降低市场竞争、刺激企业过度投资等降低企业创新水平。本文从减少企业内部个体发明家专利产出和降低发明家创新参与意愿阻碍企业创新的角度对机制进行分析。
本文接下来的内容安排如下：第1节是理论分析与研究假设；第2节介绍数据变量及描述性统计；第3节介绍本文识别策略与结果分析；第4节着重研究政治关联影响企业创新的具体机制；最后是简要结论。
1 理论分析与研究假设
1.1 企业政治关联
政治关联对企业行为和绩效的影响已经引起广泛关注。世界各国尤其是转型国家企业存在较为普遍的政治关联现象(Faccio, 2006)。政治关联可能会对企业的多种行为产生影响，大量实证研究表明，政治关联企业更容易进入政府管制性行业，更容易获得政府补贴和银行贷款，更容易在资本市场上以更快的速度、更低的成本和更高的发行价进行IPO。Claessens et al.(2008)使用企业政治捐献来衡量企业政治关联程度，发现在选举过程中为巴西联邦议员提供政治捐献的企业在竞选后可以显著地获得更多的银行贷款，并实现更高的股票收益。更为常用的政治关联变量是考察企业大股东和高管的政治背景，比如是否为议会成员、政府高官或者是否与高层政治人物具有密切关系；大部分文献发现，特殊的政治联系有助于企业获得上市机会、便利的融资条件和政府补贴(Faccio, 2006; Francis et al, 2008; 余明桂和潘红波, 2008; 吴文锋等, 2008; 罗党论和唐清泉, 2009)。
中国企业的政治关联问题也很快成为学术研究的一个热点。罗党论和刘晓龙(2009)使用2004—2006年民营上市公司为样本，发现民营企业政治关联能有效帮助其进入政府管制行业，进而显著提高企业绩效。张敏和黄继承(2009)通过研究发现政治关联企业的多元化程度要显著高于非政治关联企业，政治关联帮助企业获得了更多的多元化资源，政治关联企业实施的多元化带来的风险显著低于非政治关联企业。潘红波等(2008)以地方政府控制的上市公司收购非上市公司的事件为背景，研究了并购前后上市公司市场业绩的变化，发现企业政治关联可以保护企业产权免受地方政府损害。田利辉和张伟(2013)利用2001—2008年上市公司数据，研究了中国企业政治关联的三大效应，即社会负担效应、产权保护效应和政府偏袒效应。
由于政治关联可以为企业带来包括再融资机会在内的廉价资源，从而有增进企业价值的作用，但同时也可能对公司治理和企业核心能力建设等方面造成深远的负面影响(杨其静, 2011)。这就使得实证文献对于政治关联是否影响公司价值存在两种对立的结论。一些研究认为政治关联能够增进企业的市场价值。比如，魏刚等(2007)发现，来自政府背景的独立董事越多，公司经营绩效越好，而吴文锋等(2008)更是以1999至2004年民营上市企业为样本进行实证研究，发现企业高管的地方政府背景能提升公司的市场价值。然而，另一些研究却显示政治关联会恶化公司价值，Fan et al.(2007)以1993至2001年在沪深两市上市的A股公司为样本发现，具有政府背景的公司在IPO三年之后的股价收益率要比没有政府背景的公司低18%，而且利润增长率、主营业务收入增长率、销售利润率等经营指标也相对较差。余明桂等(2010)发现民营企业通过与地方政府建立政治联系，来俘获掌握着财政补贴支配权的地方政府官员，进而得到更多的财政补贴收入。而且，在制度环境越差的地区, 政治关联的补贴获取效应越强。
创新是企业战略的一项重要内容，虽然一些学者开始讨论政治关联与企业创新之间的关系，但无论是在理论层面还是在实证研究层面，关于政治关联对企业创新的影响，已有研究尚未得到一致结论。一些研究发现政治关联对企业创新是不利的，另外一些研究认为政治关联能够促进企业创新。本文分别从以上两方面进行理论分析并提出研究假设。
1.2 政治关联抑制企业创新
杨其静(2011)认为政治关联能够为企业带来政治资源，会激励企业进行“寻租”活动，而技术创新往往投入巨大，而且存在较高的失败风险，因此，政治关联促使企业将更多资源投入“寻租”，挤压企业内部研发创新投入。此外，政治关联降低了企业绩效(邓建平和曾勇, 2009)，政治关联企业的盈利能力普遍较差(潘越等, 2009)，企业可投入研发创新的资源减少，进一步损害企业的创新能力。政治关联不仅降低了企业的研发投入水平，而且降低了企业的研发效率。罗党论等(2012)发现政治关联企业更容易产生过度投资。Chen et al.(2011)发现，企业高管政治关联加剧企业的过度投资行为，显著降低企业投资效率。黄新建和唐良霞(2013)以及张敏等(2010)也都得到类似的结论。企业的过度投资行为分散企业内部资源，导致企业投资结构失调，不仅造成企业研发投入水平下降，而且导致企业管理层注意力分散，企业研发效率下降。此外，政治关联企业还具有较强的多元化扩张冲动，更加倾向于对外并购(胡旭阳和史晋川, 2008;潘红波等, 2008; 张雯等, 2013)，对外并购占用企业内部大量资源，对企业内部研发投入存在明显的“挤出效应”，不利于企业技术创新。
以上基于企业层面因素的考虑，除了企业层面因素，高管政治关联还会影响企业内部个体发明家的创新行为。刘慧龙等(2010)考察了政治关联对企业员工配置效率的影响，发现政治关联企业的员工冗余程度较高，政治关联企业由于政治压力不会轻易解雇员工，导致企业员工劳动生产率偏低(Bertrand et al., 2006; Yuan, 2011)。从企业创新研究看，发明家是企业内部从事技术创新活动的主要群体(Manso, 2011; Bernstein et al., 2018)，Schmookler(1962)和Arrow(1962)开创的企业创新决定因素研究强调一种“自上而下”的观点，企业创新策略由利润最大化目标决定，然后由员工实施。因此，这一领域的大部分文献集中从企业和市场层面上解释企业创新水平差异(Lerner et al., 2011; Ferreira et al., 2014; Seru, 2014; Bernstein, 2015)。相比之下，本文强调企业创新可能遵循“自下而上”逻辑，其中，企业内部发明家在技术创新方面发挥重要作用，且不能轻易更换，因为发明家由于高度的企业特定和项目特定的知识而难以被替代(Hall et al., 1986; Hall and Lerner, 2010)。政治关联不仅降低企业内部个体发明家专利产出水平，还会降低发明家的创新参与意愿。创新需要一系列独特、有效的激励机制(Manso, 2011)，在政治关联企业中，管理层主要忙于“寻租”行为，缺乏对企业内部创新管理和激励的关注。因此，政治关联不利于激发企业内部个体发明家的创新热情。
综上所述，本文提出假设1。
研究假设1： 政治关联抑制企业创新。政治关联通过降低企业盈利及研发倾向进而使研发投入下降；政治关联助长企业过度投资，降低企业研发效率。政治关联企业更加偏好对外并购，挤压内部研发创新投入。从企业内部管理看，政治关联降低了企业内部个体发明家创新专利产出。政治关联降低了企业内部个体发明家创新参与意愿。
1.3 政治关联促进企业创新
另外一些学者发现政治关联对企业创新具有正向促进作用。潘越等(2009)发现政治关联企业更容易获得政府的财政补贴。政治关联除了能够为企业带来政府财政补贴，还能有效缓解企业融资约束。于蔚等(2012)认为政治关联能够通过信息效应与资源效应两种途径有效缓解企业融资约束。信息效应指政治关联通过发送信号，降低资金供求双方的信息不对称；资源效应指政治关联能够强化企业的资源获取能力，从而提高企业未来收益。邓建平和曾勇(2011)对中国上市企业中ST企业的实证分析也得到类似的结论。除了获得政府补贴以及缓解融资约束，政治关联还在企业多元化进程中发挥重要作用，政治关联企业的多元化程度显著高于非关联企业，政治关联帮助企业获得更多的多元化资源(张敏和黄继承, 2009)。不同于以上静态分析，李健等(2013)基于动态面板模型考察不同层级政治关联对企业未来绩效的影响，发现无论是中央政治关联还是地方政治关联，都能显著提升企业价值。王永进和盛丹(2012)发现政治关联能够改善企业的契约执行环境，尤其是对于在契约执行中处于弱势地位的民营企业。此外，政治关联在一定程度上还能降低企业受到违规处罚的概率(许年行等, 2013)。综上所述，我们提出研究假设2：
研究假设2： 政治关联通过帮助企业获得政府补贴、缓解融资约束、保障契约执行等促进企业技术创新。
1.4 政治关联影响创新的分布效应
现有关于政治关联对企业创新的影响，主要关注企业政治关联与创新条件均值的关系，即研究平均来说，政治关联对企业创新的影响(袁建国等，2015)。然而，对不同创新能力的企业，政治关联的影响可能存在差异。类似地，一些文献研究了政治关联对企业绩效的影响。发现政治关联主要通过税收优惠，补贴和获得贷款等渠道影响公司绩效(杨其静，2010)。然而。Xie等(2017)利用中国上市公司的数据研究发现，政治关联虽然能够增加公司绩效，但政治关联的正向作用，随着公司绩效的增加而减少。政治关联能够帮助公司获取补贴、银行贷款，但这些政治关联带来的优惠，随着公司绩效的增加而下降，对于那些公司绩效好的企业，政治关联的作用显著降低，反之，对于公司绩效较差的企业，政治关联对公司绩效的影响更大。我们认为，虽然政治关联可能有助于提高公司绩效，但是可能产生“政治资源诅咒”，降低公司的创新能力。袁建国等(2015)发现，平均来说，政治关联对企业创新具有负面影响。然而，政治关联的诅咒可能随着公司创新能力的变化而变化，政治关联对创新能力的影响也可能存在分布效应，即对不同创新能力企业的影响存在差异。对于创新能力很强的企业，可能并不依赖政治关联的作用；但是创新能力很弱的企业，建立政治关联后，政治关联对创新抑制效应可能更强。因此，有必要考察政治关联与创新之间的非线性关系。
2 数据变量与描述性统计
2.1 数据来源与样本选择
本文主要考察企业董事长和总经理高管政治关联对企业创新的影响。国泰安公司专利与研发创新数据库提供了中国所有上市企业历年专利申请量数据。不同产业之间创新活动存在明显差异，制造业企业与非制造业企业创新活动的侧重点就存在较大差异，制造业企业主要关注产品创新和发明创新，而对于非制造业企业，其更加注重商业和服务模式、流程以及外观设计等方面的创新。因此，基于可比性和样本容量方面的考虑，本文将研究对象的范围限定在中国A股制造业上市企业。参考以往研究，本文剔除了ST、*ST等特殊类型企业。考虑到国有企业的特殊性，本文剔除了国有上市公司。我们收集并整理了2004至2015年中制造业上市企业董事长和总经理政治关联数据资料，最终获得一个覆盖1614家制造业企业的2004至2015年的非平衡面板数据，总计13478个企业-年份观测值。企业各项财务指标均来源于国泰安数据库CSMAR、Wind数据库以及企业历年年报。
2.2 创新产出
企业创新可以分别从创新投入和创新产出两个方向来衡量，创新投入主要指企业的研发投入，创新产出主要指企业所获专利(Hall et al., 2010)。本文遵循以往文献中的做法，使用企业当年专利申请量作为企业创新产出的衡量指标(Acharya and Subramanian, 2009; Galasso and Simcoe, 2011; Hirshleifer et al., 2012; He and Tian, 2013; Fang et al., 2014; Chang et al., 2015; Sunder et al., 2017; Acharya and Xu, 2017; Balsmeier et al., 2017)。原因主要有以下两点：其一，企业研发支出仅仅衡量的是企业技术创新活动的资源投入状况，无法反映出企业的创新质量和创新效率，企业之间的创新质量和效率差异明显，而企业专利产出能够直接体现企业创新产出水平的高低(Lerner et al., 2011)；其二，从数据可得性方面，企业专利申请数据要好于研发支出数据，中国上市企业的研发支出数据主要是从2007年开始公布，而国泰安公司专利与研发创新数据库包含中国所有上市企业从1989至2015年历年专利申请数据，数据质量要明显好于企业研发支出数据。此外，在稳健性检验中我们还使用企业专利授权量作为因变量，重新估计高管政治关联对企业专利产出的影响。
根据中国国家知识产权局的分类，中国境内专利主要可划分为以下三种类型：发明专利、实用新型专利、外观设计专利。其中，发明专利技术含量最高，也最难获得，实用新型和外观设计专利则比较容易获得，由于外观设计专利数据较少，本文将实用新型专利与外观设计专利归为一类。本文分别使用企业专利申请总量(Patentall_apply)、发明专利申请量(Patentinv_apply)以及实用新型和外观设计专利申请量(Patentad_apply)作为专利产出因变量，不仅研究高管政治关联对企业专利产出数量的影响，同时进一步探究高管政治关联对企业专利产出质量的影响。
2.3 政治关联
本文主要考察企业董事长和总经理高管政治关联对企业创新的影响，我们根据企业董事长和总经理个人简历，收集并整理中国所有制造业上市企业董事长政治关联(President_pc)和总经理政治关联(CEO_pc)指示变量，结合董事长政治关联和总经理政治关联指标，重新构建企业高管政治关联指标(PreCEO_pc)，若企业董事长或总经理至少有一位存在政治关联，则取值为1，反之为0。此外，本文还进一步区分董事长和总经理政治关联的级别，包括处级及以上级别政治关联(President_pc1; CEO_pc1)、厅局级及以上级别政治关联(President_pc2;CEO_pc2)、省部级及以上政治关联(President_pc3;CEO_pc3)以及国级政治关联(President_pc4; CEO_pc4)。分别考察企业高管不同级别政治关联对企业创新的影响。
2.4 控制变量
为准确得到高管政治关联对企业创新的具体影响，本文在参考以往文献的基础上加入了一系列影响企业创新的重要控制变量(Chang et al., 2015)，这些控制变量包括：
企业研发支出占总资产比重(Rdassets_ratio)，Atanassov(2013)认为企业研发支出是企业创新活动的一项重要投入；企业总资产自然对数(Ln_assets)，本文使用企业总资产自然对数作为企业规模的代理变量，Hall and Ziedonis(2001)研究发现，规模较大的资本密集型企业的创新产出更高；企业年龄(Firmage)，根据生命周期理论，在不同的发展阶段，企业的战略决策与行为也有所不同，考虑到生命周期对企业创新能力的影响，我们根据企业成立时间推算出企业的年龄并加以控制；企业人均固定资产净额自然对数(Ln_fixedpp)，技术创新是一项高投入活动，需要大量机器设备等物资资本投入，本文使用企业人均固定资产净额的自然对数作为企业资本密度的代理指标并加以控制；企业人均营业收入自然对数(Ln_salespp)，技术创新同企业员工的劳动生产率密切相关，企业员工的劳动生产率越高，技术创新效率一般也越高。本文使用企业人均营业收入的自然对数作为企业员工劳动生产率的代理指标；企业总资产回报率(ROA)，技术创新常常伴随高额投入，而且创新失败的风险比较高，只有盈利能力比较强的企业才能负担长期高额投入，因此，本文采用企业总资产回报率来衡量企业的盈利能力并加以控制；企业营业收入同比增速(Salesgrowth)，本文使用企业营业收入同比增速作为企业未来成长机会的代理变量，企业未来成长机会越多，发展前景越好，企业进行技术创新的动力也就越大；企业账面市值比(MB_ratio)，本文同时采用企业账面市值比来衡量企业未来成长机遇；企业资产负债率(Leverage)，本文还通过在模型中引入资产负债率来控制企业资本结构对创新产出的影响；现金资产比率(Cashassets_ratio)，本文还考虑了企业现金持有对技术创新的影响，我们使用现金资产比率指标作为企业现金持有的代理变量(Lyandres and Palazzo, 2016)；企业股票持有期年收益率(Stock_return)，企业股票的市场表现也是影响创新的重要因素(Fang et al., 2014)，本文采用企业股票当年持有期年收益率作为股票市场表现的衡量指标；企业股票当年交易日收益率标准差(Stock_volatility)，Chan et al.(2001)发现企业研发支出与股票收益波动显著正相关，为了控制企业股票波动的影响，本文使用企业股票当年日收益率的标准差来度量企业股票收益的波动状况；企业所在行业赫芬达尔指数(Herfindahl)及其平方项(Herfindahl_sq)，创新与产品市场竞争之间存在“倒U型”关系(Aghion et al., 2005)，基于此，本文根据企业当年市场份额计算得到各行业的赫芬达尔指数及其平方项，本文将行业赫芬达尔指数作为行业竞争程度的衡量指标。
由于技术创新和专利申请存在一定时滞，参照以往文献，本文对所有控制变量进行滞后一期处理。为消除样本离群值的影响，本文对所有变量在99%和1%分位点处进行缩尾处理。[注]处理样本离群值主要有缩尾和截尾两种方法，由于不会损失样本自由度，文献中常采用缩尾方法处理离群值。
2.5 描述性统计
表1汇报了模型主要变量的描述性统计量，包括样本观测值数目、平均值、中位值以及标准差。由表1可知，所有样本企业各类专利年平均申请总量约为13.2件，其中，发明专利申请量平均约为4.6件，实用新型和外观设计专利申请量平均约为8.4件。[注]Chang et al.(2015)研究样本中美国企业年平均专利申请量约为13.5件；He and Tian(2013)研究样本中企业平均专利申请量约为9.8件。此外，本文还报告了政治关联企业与非政治关联企业的均值差异检验结果(第5列和第6列)，均值差异检验结果显示，无论是专利申请总量、发明专利申请量还是实用新型和外观设计专利申请量，政治关联企业均显著少于非政治关联企业，初步表明高管政治关联对企业创新可能具有不利影响。政治关联企业样本在所有样本中所占的比例约为11%。其他控制变量的分布也都具有较高的离散程度。
表1 变量的描述性统计
续表
注： ***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平，根据企业高管是否具有政治关联进行均值差异检验。
资料来源： 作者整理。
在正式进行实证分析之前，首先对模型主要变量进行相关性分析，企业高管政治关联(PreCEO_pc)与企业专利产出(Ln_patentall_apply、Ln_patentinv_apply、Ln_patentad_apply)之间的相关系数均为负值，且都在5%水平上显著，高管政治关联与企业专利产出显著负相关，说明政治关联企业相较于一般企业专利产出更低。另外，模型控制变量与因变量之间的相关性也都比较明显，初步表明本文的模型设定及变量选取是合理的。[注]由于文章篇幅所限，本文没有详细报告具体相关系数矩阵。
为降低模型估计偏误，需要确保解释变量之间不存在系统性的多重共线性问题。基于此，本文计算得到模型各个解释变量的方差膨胀因子。定义解释变量xk的方差膨胀因子为
本文遵循大部分现有研究做法，使用企业历年专利申请量作为企业创新产出的代理变量，专利是企业获得竞争优势的重要途径，一般来说，企业都会将创新产出以申请专利的形式确定。专利申请量即为模型因变量。此外，根据董事长或总经理是否具有政治关联构造企业高管政治关联0-1指示变量，若董事长或总经理至少一人存在政治关联，取值为1，反之为0，实证分析企业高管政治关联对企业创新的具体影响及其作用机制。
图1 政治关联企业与非政治关联企业专利申请趋势
注： 1表示政治关联企业，0表示非政治关联企业。
资料来源： 作者使用STATA14计量分析软件绘制。
图1所示为政治关联企业与非政治关联企业历年平均专利申请总量趋势图，从图1中可以明显看出，2011年以前，政治关联企业平均专利申请总量显著低于非政治关联企业，但在2011年以后，政治关联企业与非关联企业的差异消失，初步表明高管政治关联在一定程度上不利于企业创新，但随着时间推移，尤其是2012年以来，政治关联企业与非关联企业在专利产出上的差异逐渐消失。
3 识别策略与结果分析
3.1 基本分析
3.1.1 基准模型估计
首先，本文进行基准模型估计，参考Chang et al.(2015)的研究设计，本文基准模型设定如下：
(1)
其中，企业创新产出Innovationi,t分别代表三个变量：企业专利申请总量(Patentall_applyi,t)、发明专利申请量(Patentinv_applyi,t)以及实用新型和外观设计专利申请量(Patentad_applyi,t)。模型自变量为企业高管政治关联(PreCEO_pc)，若企业董事长或总经理具有政治关联，取值为1，反之为0。Xk,i,t-1代表上文所提到的企业层面一系列控制变量，Industryj和Yeart分别表示行业和年份固定效应，本文对以上两种效应均加以控制。
表2汇报了基准模型估计结果，采用最小二乘估计方法。模型(1)至模型(3)分别表示专利申请总量、发明专利申请量、实用新型和外观设计专利申请量。由表2可知，高管政治关联的估计系数均显著为负。具体来看，根据模型(1)至模型(3)估计结果，相对于非政治关联企业，政治关联企业专利申请总量平均减少约25.6%；发明专利申请量平均减少约14%；实用新型和外观设计专利平均减少约28.2%，表明高管政治关联对企业创新产出存在显著的不利影响。
表2 基准模型：高管政治关联影响
续表
注： 小括号内为稳健标准差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
其他控制变量方面，企业研发投入占比越高、总资产规模越大、营业收入增长越快、现金持有越充足，则企业的创新产出越高。另一方面，企业成立时间越久、人均固定资产净额和人均营业收入越高、资产负债率以及股票收益率波动越大，企业创新产出越低。行业赫芬达尔指数的估计系数为正，但在统计上不显著。总资产报酬率以及股票收益率的影响也都不显著。
本文在基准模型中发现高管政治关联对企业创新具有显著的负面效应，接下来分别分析董事长和总经理政治关联的影响，表3分别报告了企业董事长政治关联和总经理政治关联对企业创新的具体影响，由表3可知，总体上与基准模型估计结果一致，即无论是董事长政治关联还是总经理政治关联都对企业创新存在不利影响。单从专利申请总量来看，董事长政治关联对企业创新的负面效应更明显一些。
表3 董事长、总经理政治关联影响
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
本文还进一步区分董事长和总经理政治关联的不同级别，实证考察不同级别政治关联的影响。表4详细汇报了企业董事长和总经理不同级别政治关联对企业创新产出的具体影响。根据表4，绝大部分模型政治关联的估计系数显著为负，说明无论何种级别政治关联，都会显著抑制企业创新，但不同级别政治关联对企业创新的“抑制效应”大小不一，企业高管政治关联的级别越高，对创新的阻碍效应也越大，具体来看，国级政治关联，也即最高级别政治关联，对创新的不利影响最大。
表4 董事长、总经理不同级别政治关联影响
注： 控制变量与基准模型中的控制变量一致，小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
3.1.2 政治关联效应的时变特征
图2 政治关联对企业创新动态影响图示
资料来源：作者整理绘制。
政治关联对企业技术创新的影响并不是一成不变的，会随着时间以及外部政治、经济环境发生变化。图2列示了2005—2015年，逐年回归后得到政治关联对企业创新产出估计系数变化趋势。2008年国际金融危机以前，政治关联估计系数为负，对企业创新具有明显的“抑制效应”。国际金融危机爆发后，政治关联估计系数绝对值明显下降，说明由于金融危机导致市场竞争环境加剧，即使是拥有政治资源的企业，为了生存竞争，也不得不重视技术创新。然而，中国政府随后启动了“四万亿”投资计划，大量投资项目由部分拥有政治资源的非国有企业获得，降低了企业技术创新动力。此外，2012年十八大以来中央开展“反腐风暴”，加大力度惩治腐败行为，也使得企业政治关联的作用下降。
2012年党的十八大召开以来，党中央强力反腐，为本文提供了一个检验政治关联与企业创新关系的理想条件。党力等(2015)认为，寻求政治关联和提高创新能力是企业发展的两个互为替代的手段。反腐败由于增加了企业谋求政治关联的相对成本，显著提高了企业的创新激励。在反腐败政策出台以后，政治关联企业的研发支出显著增加，反腐败促进了企业创新。但是，他们的研究仅仅使用2012年前后的时间变化来衡量反腐，不能排除2012年后中国其他情况变化导致企业创新变化。为了解决这一问题，本文考察了各省腐败官员被查。根据已有的文献(王贤彬等，2016)，如果政治关联主要通过寻租活动给企业带来帮助，那么当官员越腐败，政治关联的作用越大。反之，当反腐败活动增加，政治关联的作用就会受到抑制。如果该地区主要官员被查，则对该地区政治关联企业的影响较大。
模型设定如下：
(2)
表5分别汇报了省级主要官员腐败被查(Officercorruption)[注]各地区省级主要官员腐败被查数据来源于国泰安数据库。、反腐败(Year2012)以及所在地市场化进程得分(Marketscore)[注]各地区市场化进程得分数据来源于Wind数据库。的影响。根据表5，在控制了反腐及市场化程度影响之后，高管政治关联的估计系数依然为负，说明政治关联对企业创新的负面影响仍然存在。省级主要官员被查与企业高管政治关联交互项系数显著为正，且都在1%水平上显著，说明政治关联对企业技术创新的负面影响显著削弱了，在主要官员被查后，政治关联这一企业资源失去效力，政治关联企业为了生存竞争，不得不加大创新力度。政治关联、省级主要官员被查、反腐风暴、市场化程度四重交互项系数显著为正，说明在2012年反腐风暴以及省级主要官员被查后，在市场化程度较高的地区，政治关联对企业创新的不利影响显著下降了，说明这些地区的政治关联企业在政治寻租中断后，开始注重技术创新。
表5 腐败、反腐及市场化影响
续表
注： 小括号内为聚类稳健标准误差，企业控制变量与基准模型一致，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
3.1.3 分位数回归估计
基准模型仅考虑高管政治关联对企业平均专利产出的影响，为了考察其对不同创新水平企业的影响，本文进行分位数回归估计，表6汇报了具体的估计结果，模型(1)至模型(8)分别汇报了20%～90%分位点的估计结果，此外，我们还控制企业层面控制变量以及年份和行业固定效应。由表6可知，除了模型(1)以外，所有模型中政治关联估计系数均显著为负，且都在1%水平上显著，从系数绝对值大小来看，中间分位数的估计系数绝对值要明显大于高分位数企业，但与低分位数企业的差异不大，说明政治关联对于那些中低创新水平的企业影响较大。
表6 分位数回归估计结果
续表
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
3.1.4 潜在遗漏变量分析
公司治理是影响企业经营决策的重要因素，本文首先通过选取公司治理指标来控制公司治理因素的影响，本文所选取的用来衡量公司治理水平的具体指标包括：第一大股东持股比例(Top1share_ratio)、前十大股东持股比例(Top10share_ratio)、机构投资者持股比例(Institute_ratio)、董事会规模(Boardsize)、高管规模(Executivesize)、董事长与总经理是否兼任(PreCEO_same)。表7 Panel A汇报了具体的估计结果。由表7可知，在控制了公司治理影响因素后，高管政治关联的估计系数仍然显著为负，表明高管政治关联对企业创新的不利影响不会受到公司治理这一潜在因素的干扰。企业融资约束也会对创新产生重要影响，本文选取了三个衡量企业融资约束程度的代理指标：企业是否分红(Bonus)、股利支付率(Dividend_ratio)、SA指数(SA_index)。表7 Panel B列示了具体的回归估计结果，如表7所示，在控制了企业融资约束后，高管政治关联仍然显著不利于企业创新，本文结论依然成立。企业高管如董事长和总经理个人特征对企业创新也具有较大的影响，本文分别控制了企业董事长和总经理的个人特征，包括性别(President_male；CEO_male)、年龄(President_age；CEO_age)以及当年薪酬(President_pay；CEO_pay)等变量。表7 Panel C报告了具体的估计结果。由表7可以明显看出，在控制了企业董事长和总经理个人特征后，高管政治关联对企业创新的影响仍然显著为负，本文结论未发生根本性改变。另外，我们还考虑到企业所在地的市场化程度及文化特征，控制了企业所在地市场化进程总得分(Localmarket)、国有及国有控股企业产值比重(Localsoe)、每万人宗教组织数量(Localreligion)、保险密度(Ln_localinsurdensity)以及保险深度(Localinsur_deep)。在控制了上述所有市场化程度及文化特征变量之后，高管政治关联的估计系数依然显著为负，本文结论仍然成立。
表7 模型潜在遗漏变量分析
续表
注： 所有模型均控制了年份固定效应和行业固定效应，以及基准模型中的一系列控制变量，小括号内为标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
3.2 内生性处理
3.2.1 内生性问题
通过上文基准模型估计结果发现，高管政治关联对企业技术创新具有显著的不利影响。但是，模型可能受到两种类型内生性问题的干扰，第一种内生性问题即模型遗漏变量偏误，虽然本文已经在已有研究的基础之上控制了一系列影响企业创新的控制变量，但仍然可能会存在一些遗漏变量，这些遗漏变量会导致估计结果产生偏误。另外一种可能存在的内生性问题即反向因果关系，即企业本身在选择高管时就存在异质性，创新型的企业在选择高管时可能更倾向于那些没有政治关联的候选人，这种由反向因果关系所导致的内生性问题也会导致模型估计结果有偏。
针对本文模型可能存在的以上两种内生性问题，本文采用面板工具变量估计方法缓解模型的内生性问题，使模型估计结果更加稳健可靠。此外，本文还采用倾向得分匹配方法进行估计。
3.2.2 面板工具变量估计
基准模型估计结果显示高管政治关联对企业技术创新具有显著的不利影响，但这一结果可能会受到模型内生性的干扰。一般而言，存在两种不同类型的内生性问题，可能导致估计结果是有偏的：一类是由于遗漏某些同时对政治关联和企业创新产生影响的变量所造成的，对于这类内生性问题，本文策略是在参考以往研究的基础上，从企业层面和地区层面尽可能控制影响企业创新的重要变量；另一类是反向因果所造成的内生性问题，对于这类内生性问题，我们采用工具变量方法进行处理。在回归分析中，一个有效的工具变量应当满足以下两个条件：①相关性，工具变量要与内生解释变量相关，即Cov(xt,zt)≠0。②外生性，工具变量要与模型扰动项无关，即Cov(xt,zt)=0，也即是说，工具变量影响被解释变量的唯一渠道是通过与其相关的内生解释变量，排除了所有其他可能的影响渠道(陈强, 2014)。基于上述两条标准，本文选取同行业、同地区当年其他企业高管是否具有政治关联指示变量(Pc_other)、企业所在城市主要领导(书记、市长)是否受到违纪处罚(Officercorruption)两个工具变量。
首先，需要进行内生性检验，本文采用Hausman-Wu内生性检验来验证内生性问题是否存在。所有检验结果均表明内生性问题存在，采用工具变量估计是必要的。[注]由于篇幅所限，本文没有具体报告Hausman-Wu内生性检验的结果。表8详细汇报了面板工具变量的估计结果，作为参照，本文同时报告了最小二乘估计结果。表8模型(2)所示为第一阶段估计结果，其中，表明企业高管政治关联会受到同行业、同地区其他企业高管政治关联状况的影响，如果同行业、同地区其他企业存在政治关联，则该企业也倾向于政治关联，这同我们之前的预期相一致。企业所在城市主要领导是否受到违纪处罚指示变量的估计系数为-0.033，且在10%水平上显著，说明如果企业所在城市主要领导受到违纪处罚，则当地企业政治关联倾向显著下降，与本文预期也是相符的。此外，Anderson LM检验显著拒绝原假设，说明模型不存在识别不足问题，即所选工具变量与内生解释变量相关。Cragg-Donald Wald F统计量明显大于Stock-Yogo弱工具变量检验的临界值，显著拒绝弱工具变量原假设，说明模型不存在弱工具变量问题。Sargan过度识别检验也显示不存在过度识别问题(Arellano, 1987; Baum et al., 2003; Wooldridge, 2010)。模型(3)至模型(5)列示了第二阶段回归估计结果，由表8可知，高管政治关联对企业专利申请总量、发明专利申请量以及非发明专利申请量的估计系数分别为-0.348、-0.446、-0.131，除了对非发明专利影响不显著外，其他都在10%水平上显著。面板工具变量估计结果进一步表明高管政治关联明显不利于企业的技术创新。
表8 面板工具变量估计结果
续表
注： 小括号内为标准误差，中括号内为P值，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
3.2.3 倾向得分匹配估计(Propensity Score Matching)
我们也使用非参数方法进行了估计。在采用倾向的分匹配方法进行估计时，协变量都通过了平衡性检验，图3汇报了倾向得分匹配估计的平衡性检验结果，所有协变量匹配后的标准化偏差都小于10%，而且所有协变量t检验的结果都不拒绝控制组与处理组无系统差异的原假设。由于文章篇幅所限，没有详细汇报平衡性检验的t统计量及其p值。平衡性检验结果表明，经过倾向得分匹配后，政治关联和非政治关联企业的个体特征差异得到较大程度的消除。此外，本文还报告了倾向得分的共同取值范围(见图4)，从图4可以直观地看出，大多数观测值均在共同取值范围内(on support)，故在进行倾向得分匹配时仅会损失少量样本。
图3 各变量的标准化偏差匹配前后变动
资料来源： 作者使用STATA14计量分析软件绘制。
图4 倾向得分的共同取值范围
资料来源： 作者使用STATA14计量分析软件绘制。
表9模型(1)至模型(8)分别报告采用一对一匹配、邻近匹配、卡尺匹配、半径匹配、核匹配、局部线性回归匹配、样条匹配以及马氏匹配方法后的估计结果。其中，ATE表示考虑整个样本的匹配结果；ATU表示只考虑非政治关联企业的匹配结果；ATT表示只考虑政治关联企业的匹配结果，也是我们最关心的结果。由表9可知，除一对一匹配不显著外，所有匹配估计结果均显著为负，这意味着高管政治关联使得企业创新产出平均下降20%左右，同基准模型估计结果较为接近。
表9 高管政治关联与企业创新(PSM)
注： ***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平，模型(1)至模型(8)代表不同匹配方式，上表小括号中汇报的标准误差除了模型(8)以外皆通过自助法得到。
资料来源： 作者整理。
3.3 稳健性检验
上文中得到了高管政治关联阻碍企业创新的经验证据，本文接下来分别通过更换相关变量、延长滞后期限、改变估计方法、剔除特殊样本等进行一系列稳健性检验。表10报告了具体的估计结果，具体检验结果如下：
首先，使用专利授权量替换专利申请量作为度量企业创新产出的因变量，重新研究高管政治关联对企业创新的影响。高管政治关联的估计系数基本上显著为负，说明高管政治关联显著降低了企业专利授权量，表明模型结果是稳健的。
其次，在上文中我们参考已有文献将高管政治关联自变量以及其他控制变量进行一阶滞后处理，为了验证结果是否稳健，本文同时将自变量进行滞后两年处理，模型自变量滞后两期并不改变本文的研究结论。
表10 模型稳健性检验汇总
续表
注： 小括号内为聚类稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平，其他控制变量与基准模型一致，同时控制年份和行业固定效应。
资料来源： 作者整理。
本文将企业专利申请数据视为连续变量进行处理，这也是绝大部分文献中的做法。本文在此基础上还采用泊松计数模型进行估计，采用泊松计数模型的估计结果仍然显著为负，进一步验证了本文结论的可靠性。本文同时采用负二项回归模型估计高管政治关联对企业专利产出的影响，同样发现高管政治关联显著降低了企业专利产出，不利于企业创新。
由于各种原因，在中国制造业上市企业中，相当一部分企业的专利申请量为零，本文接下来剔除那些专利申请量为零的样本，重新分析企业高管政治关联对企业创新的影响。在剔除专利申请量为零的样本后，高管政治关联对企业创新的影响依然为负，且基本上显著，不改变本文基本结论。
2009年国际金融危机以后，中国迎来专利产出的“井喷期”，中国专利申请量呈现“指数型”增长。为稳健起见，本文接下来剔除2009年之后样本，研究发现，高管政治关联对企业创新的影响依然显著为负，本文结论依然成立。
3.4 异质性分析
本文接下来考察政治关联对企业创新的抑制效应是否具有异质性，分别根据企业行业和区域属性、生产率及规模进行异质性分析。另外，本文还进一步分析了分析政治关联与非关联企业专利分布状况。
(1) 高技术企业与一般企业。国家统计局发布的《高技术产业(制造业)分类》将制造业中的医药制造业、航空航天及设备制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗仪器设备及仪器仪表制造业以及信息化学品制造业定义为高技术产业，本文同样遵循这一分类标准，将样本企业按照所属制造业行业划分为高技术产业企业和一般产业企业，分别探究高管政治关联对以上两种类型企业的具体影响。表11列示了具体的估计结果，由表11可知，高管政治关联给高技术企业技术创新带来的不利影响要显著大于一般企业。
表11 异质性分析(1)：高技术企业与一般企业
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
(2) 高生产率企业与低生产率企业。本文还根据企业人均营业收入是否超过所在行业当年平均水平，将样本企业划分为高生产率企业和低生产率企业两种类型，分别研究高管政治关联对上述两种不同类型企业的影响有何差异。表12报告了具体的估计结果，由表12可知，无论是专利申请总量、发明专利申请量还是非发明专利申请量，高管政治关联对高生产率企业创新的负面影响更加明显。
表12 异质性分析(2)：高生产率企业与一般企业
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
(3) 东部企业与中西部企业。中国内部不同地区间经济、社会、文化差异较大，本文参考已有研究中的区域划分标准，将样本企业划分为东部企业和中西部企业两大类，[注]关于中国不同经济区域的划分，学术界比较流行的做法是将中国的31个省份及直辖市按照地理位置和经济社会发展水平划分为东部、中部和西部三大区域，其中，东部地区包括：北京、辽宁、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括：黑龙江、吉林、山西、安徽、江西、河南、湖北、湖南；西部地区则包括：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。由于样本中中部和西部地区的企业相对较少，因此，本文将中部和西部地区的企业合二为一，统称为中西部企业。实证研究高管政治关联对东部地区企业以及中西部地区企业的影响差异。由表13可知，政治关联对中西部企业技术创新的不利影响更为明显，原因主要在于中西部地区市场化程度较低，政府对市场和企业干预较多。
表13 异质性分析(3)：东部企业与中西部企业
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
(4) 规模较大企业与规模较小企业。最后，本文将样本企业按照营业收入是否超过均值，划分为规模较大企业和规模较小企业，分别考察政治关联对不同规模企业创新的影响，表14报告了具体的估计结果。由表14可知，高管政治关联对小规模企业技术创新具有显著的不利影响，但对规模较大企业的影响则不显著。小规模企业抗风险能力较差，更加关注短期利益，高管政治关联能够为企业带来短期超额利润，但长期风险较大，而技术创新需要企业进行长期的持续投入，因此，对于小规模企业，高管政治关联对企业技术创新的不利影响更为明显。
表14 异质性分析(4)：规模较大企业与规模较小企业
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
4 影响机制分析
本文最后重点探究高管政治关联阻碍企业创新的影响机制，分别从企业总体层面和企业内部发明家个体层面进行分析。
4.1 高管政治关联与企业研发投入
技术创新需要企业进行长期、持续研发投入(Manso, 2011)。根据研究假设1，政治关联通过降低企业盈利和研发倾向进而阻碍企业创新。表15汇报了政治关联对企业盈利的具体影响，考虑到滞后期的影响，本文分别对政治关联自变量进行滞后一至四期处理。根据表15，政治关联显著降低了企业盈利。表16则报告了高管政治关联对企业研发投入的影响，考虑到传导滞后的影响，我们分别报告了高管政治关联对企业未来一期、未来两期、未来三期、未来四期研发投入的影响。由表16可以明显看出，高管政治关联的估计系数均显著为负，表明高管政治关联显著降低了企业未来的研发投入。具体来看，高管政治关联使得企业未来一年、两年、三年、四年研发投入平均减少约8.8%、9.3%、12.4%和14.3%，不利影响逐年增大。
表15 高管政治关联对企业盈利的影响
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
表16 高管政治关联对企业研发投入的影响
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
4.2 高管政治关联与企业研发效率
高管政治关联不仅降低企业未来研发投入，而且会影响企业的研发效率。Hirshleifer et al.(2013) 定义企业研发(创新)效率如下：
(3)
本文同样采用此种方法计算企业研发效率(Innoefficiency)，研究高管政治关联对企业研发效率的影响，具体估计结果见表17，根据表17，所有高管政治关联的估计系数均显著为负，且都至少在5%水平上显著，即高管政治关联对企业研发效率具有显著的负向影响。高管政治关联显著降低了企业的研发效率，进而不利于企业创新。
表17 高管政治关联对企业研发效率的影响
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
4.3 高管政治关联与企业对外并购
高管政治关联能够带来其他企业所不具备的资源，比如，政治关联企业在获得政府补贴、银行信贷时更有优势，这同时也会助长企业的过度投资行为，政治关联企业更加倾向于进行兼并收购，扩大规模，会对企业内部研发创新产生“挤出效应”。本文接下来研究高管政治关联对企业并购(M_A)行为的影响。若企业当年并购其他企业，M_A取值为1，反之为0。表18报告了相应的估计结果。由表18可知，所有高管政治关联估计系数均为正，除了滞后一期估计系数不显著外，其他均至少在10%水平上显著。总体来看，高管政治关联助长了企业的过度投资行为，对企业研发产生了“挤出效应”，从长期看不利于企业技术创新。
表18 高管政治关联对企业并购行为的影响
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
4.4 高管政治关联与发明家创新产出
以上三种机制均从企业层面研究高管政治关联对创新的不利影响，本文接下来从企业内部个体发明家创新角度进行分析。本文从IncoPat科技创新情报平台收集并整理了中国所有制造业上市企业内部超过十万名发明家2004至2015年历年所获专利数据，实证考察企业高管政治关联对企业内部个体发明家创新产出的影响。表19汇报了具体的估计结果，由表19可以明显看出，高管政治关联对企业内部个体发明家专利产出存在显著的负向影响，高管政治关联会对个体发明家创新产生阻碍作用，进而不利于企业创新。
表19 高管政治关联对企业内部个体发明家专利产出的影响
续表
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
关于企业创新，这一领域的大部分文献集中从企业和市场层面上解释企业创新水平差异(Lerner et al., 2011; Ferreira et al., 2014; Seru, 2014; Bernstein, 2015)。从现实中企业创新研究看，发明家是企业内部从事技术创新活动的主要群体(Manso, 2011)。Schmookler(1962)和Arrow(1962)开创的企业创新决定因素研究强调一种“自上而下”的观点，企业创新策略由利润最大化目标决定，然后由员工实施。相比之下，本文在分析政治关联影响企业创新的机制中，强调企业创新可能遵循“自下而上”逻辑。其中，企业内部发明家在技术创新方面发挥重要作用，且不能轻易更换，因为发明家由于高度的企业特定和项目特定的知识而难以被替代(Hall and Lerner, 2010)。政治关联可能通过影响企业内部从事技术创新活动的群体行为，进而影响企业创新。
4.5 高管政治关联与发明家创新参与意愿
高管政治关联除了降低发明家创新产出，还会降低发明家创新参与意愿。本文通过分析发明家专利样本数据发现，中国制造业上市企业内部个体发明家获得专利的平均年限约为3.76年。我们对个体发明家创新参与意愿的定义如下：若发明家未来连续三年未获得任何专利，则该发明家当年未参与创新活动，反之定义其参与创新活动(Participant_3yr)。此外，本文还分别根据发明家未来四五年是否获得专利来定义发明家创新参与意愿(Participant_4yr；Participant_5yr)。实证研究高管政治关联对发明家创新参与意愿的影响，表20详细列示了具体的回归估计结果。由表20可知，高管政治关联的估计系数除了在模型(3)中不显著外，其他均显著为负，表明高管政治关联显著降低了企业内部个体发明家的创新参与意愿，从而对企业总体创新水平产生间接的不利影响。
表20 高管政治关联对企业内部个体发明家创新参与意愿的影响
注： 小括号内为稳健标准误差，***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平。
资料来源： 作者整理。
5 结论
作为一个正处于转型中的发展中大国，企业政治关联是一个重要的研究视角。本文实证考察了高管政治关联对企业创新的具体影响及其作用机制。基于中国制造业上市企业2004至2015年董事长和总经理政治关联与专利申请数量非平衡面板数据，研究发现，高管政治关联对企业创新产出存在显著的“抑制效应”，会阻碍企业创新。分位数回归估计结果显示政治关联对中等创新水平企业的不利影响更加明显。考虑到模型可能存在的内生性问题，本文分别进行了潜在遗漏变量分析、面板工具变量估计以及倾向得分匹配估计，均得到政治关联阻碍企业创新的经验证据。本文随后分别通过替换相关变量、延长滞后期限、改变估计方法以及剔除特殊样本等进行一系列丰富的稳健性检验，绝大部分稳健性检验结果表明本文结论是稳健和可靠的。本文还分别从企业行业及区域属性、生产率及规模等角度进行异质性分析，发现高管政治关联在高技术企业、高生产率企业以及小规模企业中对企业创新的不利影响更为明显。此外，政治关联还会影响企业专利分布，相较于非关联企业，政治关联企业的专利分布更为集中。
本文最后重点进行影响机制分析，研究发现高管政治关联主要通过五种影响机制阻碍企业创新：首先，高管政治关联会降低企业未来研发投入水平；其次，高管政治关联能够降低企业研发效率，对企业技术创新产生间接不利影响；第三，高管政治关联会助长企业过度投资行为，使得企业倾向于对外并购，扩大规模，并对企业内部研发创新产生“挤出效应”，从而不利于企业创新；第四，从企业内部个体发明家层面，高管政治关联会降低个体发明家专利产出，不利于发明家技术创新；最后，高管政治关联不仅会降低个体发明家专利产出，还会进一步降低发明家的创新参与意愿，进而导致企业总体创新水平的下降。另外，本文还从反面检验政治关联对企业融资约束影响，发现政治关联不仅没有缓解企业融资约束，反而加剧了企业融资约束，进一步验证了本文研究结论。本文为政治关联与企业创新研究提供了新的研究方法、研究视角与机制解释，为正确认识和处理政企关系提供了启发。
本文的结论对于我国当前正在实施“自主创新”战略具有重要的启示。创新不单单是一个企业的行为，也与企业面临的政治环境相关。要大力推进“大众创业、万众创新”，需要从一个更好的社会和政治环境激发全社会创新和创业活力。本文的结论表明，要鼓励企业创新，一是需要构建新型政商关系，减少政府对企业干预，做到让市场在资源配置中发挥根本性作用，才能真正激发企业创新活力。新型政商关系的实质是避免企业高层利用政治上的资源为企业争取更多的资源，这些资源看似有利于企业的发展，但是却是以损害其他企业和行业整体利益为代价的，这最终将会导致企业的寻租行为，并将利用政治资源获得资金用于效率低下的项目，进而妨碍创新。二是需要不断完善“反腐败”制度建设，腐败扭曲了资源配置，扭曲了市场激励，阻碍了企业创新。反腐败不是一时之计，而是需要从制度上根本遏制腐败发生的土壤。从某种程度上来说，企业管理层的政治关系是产生腐败的一个重要因素，反腐败能够在一定程度上遏制政治关联对创新的不利影响。
陈强. 2014. 高级计量经济学及Stata应用(第二版)[M]. 北京: 高等教育出版社.
党力, 杨瑞龙, 杨继东. 2015. 反腐败与企业创新: 基于政治关联的解释[J]. 中国工业经济，(7): 146-160.
邓建平, 曾勇. 2009. 政治关联能改善民营企业的经营绩效吗?[J]. 中国工业经济，(2): 98-108.
胡旭阳, 史晋川. 2008. 民营企业的政治资源与民营企业多元化投资——以中国民营企业500强为例[J]. 中国工业经济，(4): 5-14.
黄新建, 唐良霞. 2013. 政治关联、信贷资源获取与投资效率——基于中国上市公司的实证研究[C]//中国会计学会2013年学术年会论文集. 北京.
江雅雯, 黄燕, 徐雯. 2011. 政治联系、制度因素与企业的创新活动[J]. 南方经济，(11): 3-15.
刘慧龙, 张敏, 王亚平, 等. 2010. 政治关联、薪酬激励与员工配置效率[J]. 经济研究，(9): 134-138.
罗党论, 刘晓龙. 2009. 政治关系、进入壁垒与企业绩效——来自中国民营上市公司的经验证据[J]. 管理世界，(5): 97-106.
罗党论, 唐清泉. 2009. 政治关系、社会资本与政策资源获取: 来自中国民营上市公司的经验证据[J]. 世界经济，(7): 84-96.
罗党论, 应千伟, 常亮. 2012. 银行授信、产权与企业过度投资: 中国上市公司的经验证据[J]. 世界经济，(3): 48-67.
罗党论, 甄丽明. 2008. 民营控制、政治关系与企业融资约束——基于中国民营上市公司的经验证据[J]. 金融研究，(12): 164-178.
潘红波, 夏新平, 余明桂. 2008. 政府干预、政治关联与地方国有企业并购[J]. 经济研究，(4): 41-52.
潘越, 戴亦一, 李财喜. 2009. 政治关联与财务困境公司的政府补助——来自中国ST公司的经验证据[J]. 南开管理评论，(5): 6-17.
王贤彬, 黄亮雄, 徐现祥. 2016. 高官落马遏制腐败了吗? ——来自震慑效应的解释[J]. 世界经济文汇，(2): 1-23.
吴文锋, 吴冲锋, 刘晓薇. 2008. 中国民营上市公司高管的政府背景与公司价值[J]. 经济研究，(7): 130-141.
杨其静. 2010. 政治关联与企业成长[J]. 教学与研究，(6): 38-43.
杨其静. 2011. 企业成长: 政治关联还是能力建设?[J]. 经济研究，(10): 54-66.
袁建国, 后青松, 程晨. 2015. 企业政治资源的诅咒效应——基于政治关联与企业技术创新的考察[J]. 管理世界，(1): 139-155.
张敏, 黄继承. 2009. 政治关联、多元化与企业风险——来自我国证券市场的经验证据[J]. 管理世界，(7): 156-164.
张敏, 张胜, 王成方, 等. 2010. 政治关联与信贷资源配置效率——来自我国民营上市公司的经验证据[J]. 管理世界，(11): 143-153.
张雯, 张胜, 李百兴. 2013. 政治关联、企业并购特征与并购绩效[J]. 南开管理评论, 16(2): 64-74.
Acharya V, Xu Z X. 2017. Financial dependence and innovation: The case of public versus private firms[J]. Journal of Financial Economics, 124(2): 223-243.
Acharya V V, Subramanian K V. 2009. Bankruptcycodes and innovation[J]. Review of Financial Studies, 22(12): 4949-4988.
Aghion P, Bloom N, Blundell R,et al. 2005. Competition and innovation: An inverted-U relationship[J]. The Quarterly Journal of Economics, 120(2): 701-728.
Arellano M. 1987. Practitioners’corner: Computing robust standard errors for within-groups estimators[J]. Oxford Bulletin of Economics and Statistics, 49(4): 431-434.
Arrow K. 1962. Economic welfare and the allocation of resources for invention[M]. Princeton: Princeton University Press.
Atanassov J. 2013. Dohostile takeovers stifle innovation? Evidence from antitakeover legislation and corporate patenting[J]. Journal of Finance, 68(3): 1097-1131.
Balsmeier B, Fleming L, Manso G. 2017. Independentboards and innovation[J]. Journal of Financial Economics, 123(3): 536-557.
Baum C F, Schaffer M E, Stillman S. 2003. Instrumental variables and GMM: Estimation and testing[J]. The Stata Journal, 3(1): 1-31.
Bernstein S, McQuade T, Townsend R R. 2018. Do household wealth shocks affect productivity? Evidence from innovative workers during the great recession[R]. Stanford University Working Paper.
Bertrand M, Kramarz F, Schoar A,et al. 2007. Politicians, firms and the political business cycle: Evidence from France[R]. University of Chicago Working Paper.
Chan L K C, Lakonishok J, Sougiannis T. 2001. The stock market valuation of research and development expenditures[J]. Journalof Finance, 56(6): 2431-2456.
Chang X, Fu K K, Low A, et al. 2015. Non-executive employee stock options and corporate innovation[J]. Journal of Financial Economics, 115(1): 168-188.
Chen S M, Sun Z, Tang S, et al. 2011. Government intervention and investment efficiency: Evidence from China[J]. Journal of Corporate Finance, 17(2): 259-271.
Eisdorfer A, Hsu P H. 2011. Innovate to survive: The effect of technology competition on corporate bankruptcy[J].Financial Management, 40(4): 1087-1117.
Faccio M. 2006. Politically connected firms[J].American Economic Review, 96(1): 369-386.
Fang V W, Tian X, Tice S. 2014. Does stock liquidity enhance or impede firm innovation?[J]Journal of Finance, 69(5): 2085-2125.
Ferreira D, Manso G, Silva A C. 2014. Incentives to innovate and the decision to go public or private[J]. Review of Financial Studies, 27(1): 256-300.
Galasso A, Simcoe T S. 2011. CEO overconfidence and innovation[J].Management Science, 57(8): 1469-1484.
Hall B, Jaffe A, Trajtenberg M. 2005. Market value and patent citations[J].RAND Journal of Economics, 36(1): 16-38.
Hall B H,Rosenberg N. 2010. Economics of innovation[M]. Amsterdam: Elsevier Press.
Hall B H, Ziedonis R H. 2001. The patent paradox revisited: An empirical study of patenting in the U.S. semiconductor industry, 1979-1995[J]. RAND Journal of Economics, 32(1): 101-128.
He J J, Tian X. 2013. The dark side of analyst coverage: The case of innovation[J].Journal of Financial Economics, 109(3): 856-878.
Hirshleifer D, Hsu P H, Li D M. 2013. Innovative efficiency and stock returns[J]. Journal of Financial Economics, 107(3): 632-654.
Hirshleifer D, Low A, Teoh S H. 2012. Are overconfident CEOs better innovators?[J]Journal of Finance, 67(4): 1457-1498.
Hsu P H. 2009. Technological innovations and aggregate risk premiums[J]. Journal of Financial Economics, 94(2): 264-279.
Lerner J, Sorensen M, Strömberg P. 2011. Private equity and long-run investment: The case of innovation[J]. Journal of Finance, 66(2): 445-477.
Lyandres E, Palazzo B. 2016. Cash holdings, competition, and innovation[J].Journal of Financial and Quantitative Analysis, 51(6): 1823-1861.
Manso G. 2011. Motivating innovation[J].Journal of Finance, 66(5): 1823-1860.
Porter M E. 1992. Capital disadvantage: America’s failing capital investment system[J].Harvard Business Review, 70(5): 65-82.
Schmookler J. 1962. Economic sources of inventive activity[J].Journal of Economic History, 22(1): 1-20.
Seru A. 2014. Firm boundaries matter: Evidence from conglomerates and R&D activity[J].Journal of Financial Economics, 111(2): 381-405.
Solow R M. 1957. Technical change and the aggregate production function[J].Review of Economics and Statistics, 39(3): 312-320.
Sunder J, Sunder S V, Zhang J J. 2017. Pilot CEOs and corporate innovation[J]. Journal of Financial Economics, 123(1): 209-224.
Wooldridge J M. 2010. Econometric analysis of cross section and panel data[M]. Cambridge: MIT press.
Xie W J, Liu K J, Xie F, et al. 2017. Political ties and firm performance in China: Evidence from a quantile regression[J]. Journal ofEast Asian Studies, 17(3): 331-341.
Yuan Q B. 2011. Public governance, political connectedness, and CEO turnover: Evidence from Chinese state-owned enterprises[R]. SSRN Working Paper Series.
Do Political Connections Encourage or Discourage Corporate Innovation?
往期推送，点击蓝色文章题目阅读：
银企关系、政治联系与银行信贷筛选效率 ——来自中国上市企业的经验证据