融资约束、企业RD投资与政府RD资助开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

一. 研究背景

改革开放以来，我国经济实现了快速增长；2018年，中国gdp总量已达到90.03万亿，成为仅次于美国的世界第二大经济体。与此同时人民生活水平不断提高，包括劳动力在内的生产要素价格也在不断上升，中国的人口红利逐渐下降，原有的劳动力密集型经济增长模式受到挑战，gdp增速也进一步放缓。根据新经济增长理论，技术进步是经济增长的核心动力，我国为了加快产业结构向科技密集型升级，为经济发展增添新力量，在2012年底提出了创新驱动发展战略，明确表示科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置。

随着国家对科技创新重视程度的上升，作为科技创新投资主体的rd投资支出也在稳步增加，根据国家统计局、科技部和财政部公布《2018年全国科技经费投入统计公报》显示，2018年，全国共投入研究与试验发展（rd）经费19677.9亿元，比上年增加2071.8亿元，增长11.8%；研究与试验发展（rd）经费投入强度为2.19%，比上年提高0.04个百分点。自2013年研发经费总量超过日本以来，我国的研发经费投入一直稳居世界第二，rd投入研发经费增速保持世界领先。但同时，我们也必须认识到我国rd投入强度较低，2018年中国rd投入强度为2.19%(《2018年全国科技经费投入统计公报》)，仍旧低于经合组织平均水平（2.37%），也与美国（2.79%）、日本（3.21%）等世界科技强国有较大差距，并且我国基础研究、政府资金占比偏低等问题仍比较突出。对于企业来说，其融资来源长期以来以间接融资为主。2018年社会融资中，新增银行信贷占比高达81.37%，非金融类企业境内股票融资占比只有1.87%。而科技创新具有投入大、周期长、风险高等特点，初创期的科技类企业符合银行信贷条件的并不多，因此科创类企业融资相对困难，限制了科技创新类企业的发展。

2. 研究的基本内容和问题

一. 研究目标

本文以融资约束和政府rd资助为切入点，考察其对高新技术企业rd投入的影响，机制。本文的研究目标如下：

第一，通过实证研究，以2014-2018年沪、深a股的上市高新技术企业为研究对象，利用sa指数方法，构造企业融资约束指数，并构建模型探究融资约束对高新技术企业rd投入的影响；

3. 研究的方法与方案

拟采取的研究方法

本文主要运用以下研究方法：

（一）理论和实际相结合的方法

a. 文献研究法

首先，本文通过多途径大量检索相关论文和有关资料，综合把握国内外学术界对融资约束与技术创新的研究概况，依据信息不对称理论和优序融资理论对我国高新技术企业面临融资约束的原因进行分析；第二，整理目前国内外研究融资约束对RD投入影响的参考文献，结合相关理论分析融资约束对我国高新技术企业RD投入的影响机制，提出相关研究假设，选择实证检验具体方法；第三，整理国内外研究政府RD资助对企业科研创新型投入影响的有关文献，结合相关理论分析其对我国高新技术企业RD投入的影响机制，构建相关模型。

b.相关人士访谈法

通过对相关地区高新技术企业从业人员进行访谈，了解融资约束以及政府RD资助对企业RD支出的影响情况。

（二）实证研究方法

本文将在现有理论的基础上，根据所研究的问题，提出假设，设计模型，最后检验条件与现象间的因果关系的活动。首先，本文基于理论分析基础，分析比较融资约束衡量方式，根据中小企业融资约束形成机制，从企业内部因素、外部环境因素两方面选取衡量企业融资约束的备选指标，通过二元Logistic回归的极大似然估计分析方法，使用2014-2018年沪深两市一年的观察值构造衡量我国高新技术企业融资约束的指数模型;其次，针对融资约束对我国中小企业RD投入的影响机制和相关研究假设，通过多元回归分析使用2014-2018年高新技术企业的观察值，实证检验融资约束对我高新技术企业RD投入的影响。

1.模型的选择

为了融资约束以及政府资助对企业RD投入的影响的影响，建立以下多元回归模型进行检验企业融资约束对其RD投入的影响：

RD_i,t=β₀ β₁FCI_i,t β₂Size_i.t β₃S_i,t β₄Q_i,t β₅GOV_i,t β₆GD_i,t β₇Year_i,t ε_i,t

变量定义

1、被解释变量

RD:企业RD投入通常使用绝对量指标和相对量指标进行衡量。绝对量指标主要指企业研发投资总额。相对量指标有:研发投入与总资产的比例、研发投入与营业收入的比例。本文选择使用相对量指标即RD投入占期与初总资产比例作为被解释变量

2、解释变量

FCI:衡量融资约束的指数，将选用2014- 2018年沪深两市上市高新技术企业数据数据带入模型并计算出FCI指数，并以此作为解释变量，具体方法见下文。

Gov、Gov2：政府研发补贴总数的岁数、政府研发补贴对数平方。CSMAR数据库“上市企业研发创新”一栏中有企业收到政府对企业科研创新的补助情况

3、控制变量

Size:企业规模,企业的规模会对企业的RD投入产生影响。本文使用企业总资产的自然对数衡量公司规模；

Q:企业的托宾Q值，衡量企业的投资机会

S：营业务增长率:盈利能力越高的企业，未来收益情况越好，企业进行RD投入的概率越高。

Year: 年度，为虚拟变量，如果数据属于该年，则为1，否则为0。

4.融资约束指标构建方法

本文参考况学文博士论文（2008）和卢馨、李建明（2013），首先按照公司规模和企业利息保障倍数排序，然后取按照两个指标分组均进入33%的观测值作为研究样本（前33%为低融资约束组，反之则为高融资约束组），并选取资产负债率、净资产收益率、每股收益、市场价值和账面价值之比以及流动比率5个财务指标进行分析。根据以上标准将得到的数据进行分组，对于不区分来源板块的总样本进行处理，其中高融资约束观察值(group=1)，低融资约束观察值(group=0 )，运用二元Logistic回归分析方法进行企业融资约束模型构建。

后期根据实际情况及时调整完善，找到最佳拟合分析的模型和方法，进行解释分析。

2.技术路线

3.可行性分析

就项目本身而言，本课题的研究目标明确，研究思路清晰，调查的技术路线合理可行，分析方法具有可操作性和规范性，现有的研究条件能够为研究提供必要的支持。就数据获取而言，本文研究对象为上市公司，相关数据可从公司公开数据中获取。同时，本项目设计是在指导教师的精心帮助下完成的，课题指导老师从事金融方面的研究工作，能够给予很好的指导和帮助。

因此，本课题设计具备了实现研究目标所需的条件，可获得预期的成果。

4. 研究创新点

本文以转型中的新兴国家为研究对象，将融资约束及企业RD投入聚焦在我国高新技术企业上，而不是将目光聚焦在整体企业RD投入上，忽视了高新技术企业的特殊性。

本文的研究通过引入企业规模与年龄的合成指数SA来衡量企业所受到的融资约束，避免了融资约束的内生性问题，研究时不仅探讨了融资约束对RD投入的影响，还会通过分组比较不同性质的企业所受的影响。

5. 研究计划与进展

2019年1-2月，阅读相关文献，确定模型变量，查找并整理数据

2019年3月，选择模型进行初步实证研究，进行中期检查

2019年4月，撰写论文初稿