企業(yè)研發(fā)能否抑制新的僵尸企業(yè)形成

欒甫貴（博士生導師），湯佳穎

一、問題的提出

“三去一降一補”是供給側改革的重點任務，其中“去產(chǎn)能”是關鍵，而為僵尸企業(yè)尋找良好的解決路徑是“去產(chǎn)能”的首要任務[1][2]。在妥善處置現(xiàn)存僵尸企業(yè)的同時，也應提防新的僵尸企業(yè)形成。金屬礦產(chǎn)企業(yè)依賴國外先進技術在過去20多年中得以持續(xù)快速發(fā)展，但企業(yè)自身創(chuàng)新能力不足，產(chǎn)品一直集中于中低端，質(zhì)量低下且不穩(wěn)定。隨著經(jīng)濟社會的發(fā)展，低端產(chǎn)品逐步被社會淘汰，產(chǎn)品滯銷、產(chǎn)能過剩成為金屬礦產(chǎn)企業(yè)發(fā)展道路上的阻礙，這些問題經(jīng)過長時間的積累使得金屬礦產(chǎn)企業(yè)逐步演變?yōu)榻┦髽I(yè)。因此，僵尸企業(yè)產(chǎn)能過剩這一大特征在金屬行業(yè)中尤為顯著：2015年《中國證券報》數(shù)據(jù)顯示，鋼鐵、鐵礦石和有色金屬等8個行業(yè)是僵尸企業(yè)的重災區(qū)，是導致生產(chǎn)價格指數(shù)（PPI）下降的主要因素。

目前國內(nèi)外學者對僵尸企業(yè)的研究主要集中于四個方面：①僵尸企業(yè)的特征事實和外在成因，根據(jù)宏觀影響因素構建僵尸企業(yè)的識別與測量方法，準確識別僵尸企業(yè)并輔助僵尸企業(yè)選擇退出路徑[3][4][5][6][7]。這些識別方法均從僵尸企業(yè)的特征事實及宏觀影響因素出發(fā)，考慮僵尸企業(yè)的銀行信貸支持不足、政府財務援助較少、盈利能力差及償債壓力重等外在特征，構建適合企業(yè)所處國情且判斷準確的僵尸企業(yè)識別方法。②僵尸企業(yè)對正常企業(yè)、行業(yè)及國家經(jīng)濟的負外部性影響[3][4][8]。已有研究表明，僵尸企業(yè)對外部的危害遠高于對自身的影響，僵尸企業(yè)會影響正常企業(yè)的投資，并具有一定的擠出效應[8]。而且僵尸企業(yè)降低了社會資源、環(huán)境資源和勞動力資源的利用效率，導致行業(yè)和國家經(jīng)濟增速放緩。③僵尸企業(yè)退出路徑的選擇及方法[9][10]。這類文獻主要參照日本僵尸企業(yè)的處置路徑，從規(guī)范分析的角度提出適合本國國情的僵尸企業(yè)處置方法。④如何抑制新的僵尸企業(yè)形成[1][11][12]。這類文獻主要從微觀層面出發(fā)，識別僵尸企業(yè)的內(nèi)在成因，為預防新的僵尸企業(yè)形成提供指導。

從以上文獻分析可知，如何預防新的僵尸企業(yè)形成是僵尸企業(yè)研究的新領域，目前國內(nèi)外學者對此領域的研究尚處于萌芽期，研究文獻相對較少。本文將在僵尸企業(yè)僵尸指數(shù)[13]研究的基礎上，以金屬行業(yè)2010～2016年A股上市公司數(shù)據(jù)為樣本，從企業(yè)研發(fā)的行為視角探索抑制新的僵尸企業(yè)形成的可能性。厘清前述兩者之間的關系有助于辨識僵尸企業(yè)形成的內(nèi)在原因，進而抑制新的僵尸企業(yè)形成，對企業(yè)防范陷入僵尸企業(yè)困境有所裨益。

二、文獻綜述與研究假設

企業(yè)研發(fā)有助于實現(xiàn)技術的進步和產(chǎn)業(yè)結構的升級[14]。企業(yè)研發(fā)對其績效有明顯的促進作用，能夠提升企業(yè)的市場經(jīng)濟效益。僵尸企業(yè)最大的外部特征之一即盈利能力弱，而盈利能力是企業(yè)績效的體現(xiàn)。這為研究企業(yè)研發(fā)與僵尸企業(yè)形成之間的關系構建了理論基礎。企業(yè)研發(fā)投入不足、研發(fā)能力弱、產(chǎn)品更新?lián)Q代差、新產(chǎn)品投放數(shù)量少是導致企業(yè)財務與市場績效下降的原因之一，而各學者均將企業(yè)盈利能力即財務績效作為僵尸企業(yè)的主要識別指標之一[15]，表明企業(yè)研發(fā)與僵尸企業(yè)的形成可能存在一定的關系。在僵尸企業(yè)僵尸指數(shù)[13]構建過程中，企業(yè)盈利能力（ROE）是主要的解釋變量之一。企業(yè)凈資產(chǎn)收益率越高，僵尸指數(shù)越低，企業(yè)成為僵尸企業(yè)的可能性越??；而企業(yè)凈資產(chǎn)收益率越低，僵尸指數(shù)越高，企業(yè)成為僵尸企業(yè)的可能性越大，這為企業(yè)研發(fā)與僵尸企業(yè)的形成之間關系的研究提供了間接的數(shù)據(jù)支撐。此外，鄂鋼股份通過創(chuàng)新驅動戰(zhàn)略，利用鐵水罐車專項技術扭虧為盈，太原鋼鐵通過企業(yè)研發(fā)生產(chǎn)高質(zhì)量筆尖，打破外企壟斷的行業(yè)競爭格局，均為企業(yè)研發(fā)與僵尸企業(yè)形成之間的關系研究奠定了現(xiàn)實基礎。鑒于企業(yè)研發(fā)可以提高企業(yè)產(chǎn)品更新?lián)Q代速度以及提升企業(yè)產(chǎn)品質(zhì)量，進而使企業(yè)產(chǎn)品更符合市場需求并提高其市場占有率，提高企業(yè)績效并降低其成為僵尸企業(yè)的可能性，本文提出如下假設：

H1：企業(yè)研發(fā)可以抑制新的僵尸企業(yè)形成，兩者之間呈負相關關系。

投資效率是指投資活動所獲得的成果與所耗費的資源之間的差額。當企業(yè)投資效率較高時，被投資項目的高額回報會增加企業(yè)價值，提升企業(yè)的財務績效與市場績效，反之，較低的投資效率會對企業(yè)造成負面影響。僵尸企業(yè)由于投資不足，表現(xiàn)出較為明顯的非效率投資行為[2]，同時融資約束是導致非效率投資的關鍵[16]。財務困境為僵尸企業(yè)特有的外部特征[1][15]。在我國當前這種背景下，這些企業(yè)大多依靠政府補助生存，在非行政干預下較難獲得銀行信貸支持，表現(xiàn)出融資約束較大的特征，進一步表明僵尸企業(yè)存在因投資不足導致非效率投資的可能性。正常企業(yè)較容易獲得銀行貸款，從而有充足的資金投資于高效率的項目，表現(xiàn)出較高的投資效率。而僵尸企業(yè)因財務困境表現(xiàn)出的融資約束較難獲得銀行貸款，從而存在非效率投資行為。由此，本文提出如下假設：

H2：投資效率越高的企業(yè)，企業(yè)研發(fā)抑制新的僵尸企業(yè)形成的可能性越大。

三、研究設計

（一）樣本選擇與數(shù)據(jù)來源

本文以2010～2016年金屬行業(yè)A股上市公司為研究樣本，數(shù)據(jù)來源于CSMAR、CCES、WIND數(shù)據(jù)庫及巨潮資訊網(wǎng)。在數(shù)據(jù)處理過程中，剔除了觀測值缺失的樣本。為消除極端值的影響，本文對主要連續(xù)變量按上下1%的比例進行縮尾處理。數(shù)據(jù)處理使用軟件STATA 13.1。

（二）變量定義

1.被解釋變量——僵尸指數(shù)（Zombie）。借用僵尸企業(yè)僵尸指數(shù)[13]度量方法，從企業(yè)盈利能力、償債能力、營運能力、發(fā)展能力、輸血程度和時間維度六個方面，通過Logit模型為僵尸企業(yè)僵化程度確定具體數(shù)值，以定值的方式衡量企業(yè)的僵化程度及演變?yōu)榻┦髽I(yè)的可能性，具體計算模型如下：

其中：當P大于0.5即僵尸指數(shù)Zombiei，j大于0時，企業(yè)i在j年判定為僵尸企業(yè)，反之為非僵尸企業(yè)，同時當Zombie值越大時，表明僵尸企業(yè)僵化程度越高，而非僵尸企業(yè)Zombie值越接近于0，表明該企業(yè)演變?yōu)榻┦髽I(yè)的可能性越大；Roei，j為企業(yè)盈利能力指標，用企業(yè)i在j年的凈資產(chǎn)收益率衡量；Levi，j為企業(yè)償債能力指標，用企業(yè)i在j年的資產(chǎn)負債率衡量；Arbi，j為企業(yè)營運能力指標，用企業(yè)i在j年的應收賬款周轉率衡量；Igai，j為企業(yè)的發(fā)展能力指標，用企業(yè)i在j年的營業(yè)收入增長率衡量；Sxli，j衡量企業(yè)輸血率，用企業(yè)i在j年借款總額與政府補助之和占經(jīng)營活動現(xiàn)金流出的比率衡量；Eiri，j衡量企業(yè)的超額利息支付率，用企業(yè)i在j年實際利息與最優(yōu)利息之差與全年平均實際利率及最優(yōu)利息的比率衡量；Lnpi，j從時間維度衡量企業(yè)連續(xù)虧損年限，要求企業(yè)i在j年扣除非經(jīng)常性損益后的凈利潤已連續(xù)三年小于0；Lnfbi，j從時間維度衡量企業(yè)累計吸血年限，要求企業(yè)i在j年扣除非經(jīng)常性損益后的凈利潤小于0的情況下，扣除非經(jīng)常性損益后的凈利潤與政府補助之和連續(xù)三年大于0。同時在計算過程中控制行業(yè)與年度變量。本文按照模型（1）具體衡量企業(yè)i在j年的僵化程度，即僵尸指數(shù)，以此來判斷企業(yè)陷入僵尸企業(yè)困境的可能性。

2.解釋變量——企業(yè)研發(fā)（Rd）。目前學者們對企業(yè)研發(fā)的衡量主要從研發(fā)投入和研發(fā)產(chǎn)出兩方面展開，其中研發(fā)投入的衡量變量主要是研發(fā)強度，即研發(fā)投入資金占營業(yè)收入的比例；而研發(fā)產(chǎn)出的衡量變量有企業(yè)專利數(shù)量和新產(chǎn)品數(shù)量。本文主要研究抑制僵尸企業(yè)形成的關鍵研發(fā)因子，因此要比較不同的企業(yè)研發(fā)衡量變量對僵尸指數(shù)的影響程度。此外，已有研究表明，企業(yè)研發(fā)對企業(yè)績效的正向促進作用存在一定的滯后性，因此本文對所有解釋變量滯后一至兩期，衡量企業(yè)研發(fā)在不同年度對僵尸指數(shù)的抑制性影響。

3.控制變量。本文的控制變量主要包括企業(yè)規(guī)模（Size）、企業(yè)年齡（Age）、資本密集度（Capdex）、企業(yè)稅負（Tax）和前五大股東持股比例（Top5）。由于企業(yè)成長性（Growth）和企業(yè)杠桿（Lev）均是被解釋變量（Zombie）計算中的主要解釋變量，考慮多重共線性的影響，本文在多元回歸分析中將其剔除。同時，本文控制了年度和行業(yè)變量。變量的選擇和具體定義詳見表1。

（三）模型構建

本文構建模型（2）來驗證H1，衡量不同的企業(yè)研發(fā)變量對僵尸指數(shù)的影響。通過比較其系數(shù)大小篩選影響僵尸指數(shù)的關鍵研發(fā)因子，并通過比較不同年度的系數(shù)大小研究該影響的變化趨勢。

表1 變量的選擇與定義

為驗證H2，本文借鑒Richardson[17]的模型估計企業(yè)的投資效率，具體如下：

其中：Invest為新增投資，Invest=（資本支出+并購支出-出售長期資產(chǎn)收入-折舊攤銷）/總資產(chǎn)，用企業(yè)i在j年購建固定資產(chǎn)、無形資產(chǎn)及其他長期資產(chǎn)的支出衡量企業(yè)的資本支出，取得子公司及其他營業(yè)單位支付的現(xiàn)金凈額衡量企業(yè)的并購支出，處置固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)收回的現(xiàn)金衡量企業(yè)出售長期資產(chǎn)收入，折舊攤銷取自現(xiàn)金流量表中的固定資產(chǎn)折舊、無形資產(chǎn)攤銷等科目；為公司i在 j年的投資機會，用企業(yè) j-1期營業(yè)收入增長率衡量；表示企業(yè)i在j-1年的資產(chǎn)負債率，等于負債總額除以總資產(chǎn)；表示企業(yè)i在j-1年的自由現(xiàn)金流，用企業(yè)現(xiàn)金及現(xiàn)金等價物除以總資產(chǎn)衡量；為企業(yè)i的上市年限，用企業(yè)上市年限加1的自然對數(shù)衡量表示企業(yè)規(guī)模，使用企業(yè)i在j-1年總資產(chǎn)的自然對數(shù)衡量；表示企業(yè)i在j-1年的股票年度回報，使用考慮現(xiàn)金紅利再投資的年個股回報率衡量。此外，還控制了年度和行業(yè)變量。模型（3）估計的殘差（ε）的絕對值即為企業(yè)i在j年的投資效率指標，該值越大表明企業(yè)i在j年的非效率投資水平越高，投資效率水平越低。

依據(jù)模型（3）計算企業(yè)的投資效率，并根據(jù)行業(yè)年度中位數(shù)對樣本進行分組，當企業(yè)i在j年的投資效率低于同行業(yè)同年度中位數(shù)時，取值為1，表明企業(yè)投資效率高；反之為0，表明企業(yè)投資效率低，并采用分組回歸和Suest檢驗驗證H2。

四、實證分析

（一）描述性統(tǒng)計

主要變量的描述性統(tǒng)計分析結果如表2所示。其中，被解釋變量Zombie的最小值為-78.5905，最大值為11.6427，表現(xiàn)出較大的波動性。解釋變量企業(yè)研發(fā)強度、專利數(shù)量與新產(chǎn)品數(shù)量表現(xiàn)出較大的波動性，表明僵尸企業(yè)和非僵尸企業(yè)間企業(yè)研發(fā)投入確實存在差異，這可能是導致其演變?yōu)榻┦髽I(yè)的原因?？刂谱兞科髽I(yè)規(guī)模（Size）、企業(yè)年齡（Age）和企業(yè)稅負（Tax）的均值和中位數(shù)比較接近，基本符合正態(tài)分布。

表2 主要變量的描述性統(tǒng)計

（二）相關性檢驗

表3報告了主要變量之間的相關性分析結果。被解釋變量僵尸指數(shù)（Zombie）與解釋變量企業(yè)研發(fā)強度（Rd1）在滯后一期和兩期時均在5%的水平上顯著負相關，與解釋變量企業(yè)當年授權的專利數(shù)量（Rd2）負相關但不顯著，與解釋變量企業(yè)當年新產(chǎn)品數(shù)量（Rd3）滯后一期時在5%的水平上顯著負相關，在滯后兩期時負相關但不顯著，驗證了本文提出的H1。

（三）回歸分析

表4報告了企業(yè)研發(fā)在滯后一期和滯后兩期時對僵尸指數(shù)產(chǎn)生影響的回歸分析結果。在表4第（1）列中，滯后一期的企業(yè)研發(fā)強度與僵尸指數(shù)的回歸系數(shù)在10%的水平上顯著為負，同時在表4第（2）列中，滯后兩期的企業(yè)研發(fā)強度與僵尸指數(shù)的回歸系數(shù)在5%的水平上顯著為負，表明企業(yè)研發(fā)投入越多，則越不會演變?yōu)榻┦髽I(yè)；在表4第（3）列中，滯后一期的企業(yè)專利數(shù)量與僵尸指數(shù)的回歸系數(shù)為負但不顯著，同時在表4第（4）列中，滯后兩期的企業(yè)專利數(shù)量與僵尸指數(shù)負相關但不顯著，表明企業(yè)專利數(shù)量雖然可以抑制新的僵尸企業(yè)形成，但作用不明顯，存在較大的偏差；在表4第（5）列中，滯后一期的企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)的回歸系數(shù)在1%的水平上顯著為負，同時在表4第（6）列中，滯后兩期的企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)的回歸系數(shù)在1%的水平上顯著為負，表明企業(yè)新產(chǎn)品數(shù)量越多，演變?yōu)榻┦髽I(yè)的概率越小。各回歸結果表明，H1得到驗證，即企業(yè)研發(fā)可以抑制新的僵尸企業(yè)形成，兩者之間表現(xiàn)出較為明顯的負相關關系。

通過比較表4第（1）、（3）、（5）列企業(yè)研發(fā)的回歸系數(shù)可知，在滯后一期時，企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)的回歸系數(shù)為-0.487且在1%的水平上顯著，其絕對值大于企業(yè)研發(fā)強度與僵尸指數(shù)回歸系數(shù)（-0.390）的絕對值，兩者的絕對值均顯著大于企業(yè)專利數(shù)量與僵尸指數(shù)的回歸系數(shù)（-0.041）的絕對值。這表明在滯后一期時，企業(yè)新產(chǎn)品數(shù)量對僵尸企業(yè)的抑制作用更強，其次為企業(yè)研發(fā)強度，最后為企業(yè)專利數(shù)量。

通過比較表4第（1）、（2）列企業(yè)研發(fā)強度的回歸系數(shù)可知，企業(yè)研發(fā)強度在滯后一期時與僵尸指數(shù)的回歸系數(shù)為-0.390，其絕對值大于滯后兩期時的回歸系數(shù)（-0.169）的絕對值，表明企業(yè)研發(fā)強度在滯后一期時對僵尸企業(yè)的抑制作用更強，在滯后兩期時該影響有所減弱。通過比較表4第（5）、（6）列企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)的回歸系數(shù)可以得到同樣的結論。

綜上，本文得出如下結論：企業(yè)研發(fā)可以抑制新的僵尸企業(yè)形成，即H1成立，而企業(yè)新產(chǎn)品數(shù)量對僵尸企業(yè)形成的抑制作用更強，其次為企業(yè)研發(fā)強度，最后為企業(yè)專利數(shù)量，且該影響隨著時間的推移逐漸減弱，在滯后一期時抑制性影響作用最強。

表5報告了按照企業(yè)投資效率分組后，企業(yè)新產(chǎn)品數(shù)量對僵尸指數(shù)產(chǎn)生影響的回歸結果，其中企業(yè)投資效率按照模型（3）計算得出。當企業(yè)新產(chǎn)品數(shù)量滯后一期時，從表5第（1）列可知，在企業(yè)投資效率高的組，企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)的回歸系數(shù)為-0.718，且在5%的水平上顯著。而在企業(yè)投資效率低的組，企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)的回歸系數(shù)為-0.158，說明兩者負相關但不顯著。同時，本文通過Suest檢驗分析結果可知，兩組之間的回歸系數(shù)在10%的水平上存在顯著差異，初步驗證了H2。

表4 模型（2）回歸結果

當企業(yè)新產(chǎn)品數(shù)量滯后兩期時，從表5第（3）列可知，在投資效率高組，企業(yè)新產(chǎn)品數(shù)量和僵尸指數(shù)的回歸系數(shù)為-0.465，且在1%的水平上顯著。而在投資效率低組，企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)的回歸系數(shù)為0.019，表明兩者正相關且不顯著，與本文預期相反?？赡艿脑蛟谟冢涸谕顿Y效率低組，企業(yè)新產(chǎn)品數(shù)量在兩年后對僵尸企業(yè)的抑制性作用已完全消失。通過Suest檢驗分析結果可知，兩組之間的回歸系數(shù)在1%的水平上存在顯著差異，進一步驗證了H2。

通過比較表5第（1）和第（3）列、第（2）和第（4）列結果可知，企業(yè)新產(chǎn)品數(shù)量對僵尸指數(shù)的抑制性影響隨著時間的推移逐漸減弱，與表4得到的結果一致，進一步驗證了H1。

（四）穩(wěn)健性檢驗

通過表4中對H1的驗證可以得知企業(yè)新產(chǎn)品數(shù)量是影響僵尸企業(yè)形成因素中最主要的研發(fā)因素，且該影響隨著時間的推移逐步減弱。接下來本文將針對企業(yè)新產(chǎn)品數(shù)量與僵尸指數(shù)之間的關系做穩(wěn)健性檢驗。

表5 模型（2）分組回歸結果

1.改變解釋變量。在實證結果分析中為使回歸結果更具線性關系，解釋變量Rd3采用當年新產(chǎn)品數(shù)量加1的自然對數(shù)衡量，本部分直接使用企業(yè)新產(chǎn)品數(shù)量作為解釋變量Rd3，并驗證其在滯后一期和滯后兩期時對僵尸指數(shù)影響的不同。

2.子回歸分析——鋼鐵行業(yè)子樣本。2016年中國人民大學國家發(fā)展與戰(zhàn)略研究院發(fā)布的報告顯示，鋼鐵行業(yè)中僵尸企業(yè)占比為51.43%，遠高于其他行業(yè)?；诖?，本文對鋼鐵行業(yè)子樣本進行回歸分析，同時驗證新產(chǎn)品數(shù)量在滯后一期和滯后兩期時對僵尸指數(shù)影響的不同。

3.子回歸分析——高外部援助子樣本。國內(nèi)僵尸企業(yè)形成的外部原因與國外相比有較大差異，國內(nèi)企業(yè)外部援助在銀行信貸的基礎上，還有政府對其的財務支持。基于此，本文對樣本進行分類，當企業(yè)i在j年政府補助與營業(yè)收入的比例大于同行業(yè)同年度中位數(shù)時，取值為1，表明該企業(yè)更可能是僵尸企業(yè)，反之為0。通過對高外部援助樣本組企業(yè)新產(chǎn)品數(shù)量對僵尸指數(shù)影響的回歸分析，進一步驗證研究結果的穩(wěn)健性。

表6 穩(wěn)健性檢驗回歸結果

表6報告了穩(wěn)健性檢驗的回歸結果。表6第（1）列為替換解釋變量新產(chǎn)品數(shù)量Rd3后企業(yè)新產(chǎn)品數(shù)量在滯后一期后對僵尸指數(shù)影響的回歸結果，從表6第（1）列可知，該回歸系數(shù)為-0.024，且在1%的水平上顯著；表6第（2）列為替換解釋變量新產(chǎn)品數(shù)量Rd3后企業(yè)新產(chǎn)品數(shù)量在滯后兩期后對僵尸指數(shù)影響的回歸結果，從表6第（2）列可知，該回歸系數(shù)為-0.005，且在5%的水平上顯著。比較回歸系數(shù)可知，企業(yè)新產(chǎn)品數(shù)量對僵尸指數(shù)的抑制作用隨著時間的推移逐步減弱。與前文回歸分析結果一致，說明本文的回歸結果是穩(wěn)健的。

表6第（3）列為鋼鐵行業(yè)子樣本企業(yè)新產(chǎn)品數(shù)量滯后一期對僵尸指數(shù)影響的回歸結果，從表6第（3）列可知，該回歸系數(shù)為-0.756且在1%的水平上顯著；表6第（4）列為鋼鐵行業(yè)子樣本企業(yè)新產(chǎn)品數(shù)量滯后兩期對僵尸指數(shù)影響的回歸結果，從表6第（4）列可知，該回歸系數(shù)為-0.400，且在5%的水平上顯著。比較回歸系數(shù)可知，在鋼鐵行業(yè)子樣本中，企業(yè)新產(chǎn)品數(shù)量對僵尸指數(shù)的抑制作用隨著時間的推移逐步減弱。進一步驗證了回歸結果的穩(wěn)健性。

表6第（5）列為高外部援助子樣本企業(yè)新產(chǎn)品數(shù)量滯后一期對僵尸指數(shù)影響的回歸結果，從表6第（5）列可知，該回歸系數(shù)為-0.465且在1%的水平上顯著；表6第（6）列報告了高外部援助子樣本企業(yè)新產(chǎn)品數(shù)量滯后兩期對僵尸指數(shù)影響的回歸結果，從表6第（6）列可知該回歸系數(shù)為-0.212但不顯著。比較回歸系數(shù)可知，在高外部援助子樣本中，企業(yè)新產(chǎn)品數(shù)量對僵尸指數(shù)的抑制作用隨著時間的推移逐步減弱。進一步驗證了回歸結果的穩(wěn)健性。

五、擴展性檢驗

企業(yè)研發(fā)對企業(yè)全要素生產(chǎn)率（TFP）、利潤率的正向促進作用可能存在雙向因果的關系[14]，而低產(chǎn)能、負利潤是僵尸企業(yè)重要的外部特征，企業(yè)研發(fā)通過對全要素生產(chǎn)率和利潤率的正向促進來抑制新的僵尸企業(yè)形成?；诖耍髽I(yè)研發(fā)和僵尸指數(shù)之間的負向影響也可能存在雙向因果關系，OLS回歸結果可能難以準確衡量企業(yè)研發(fā)對新的僵尸企業(yè)形成的抑制性作用。因此，本文基于傾向得分匹配（PSM）法來進一步驗證回歸結果的準確性。PSM方法通過引入更多的控制變量來驗證企業(yè)研發(fā)抑制新的僵尸企業(yè)形成的可能性，可以更好地解決樣本的選擇性偏差，使OLS回歸結果更具說服力。

傾向得分匹配（PSM）是一個Logit模型，將Logit回歸結果作為傾向得分值，按照傾向得分值的近似程度為實驗組匹配對照組。因此，實驗組變量Rd必須為0、1虛擬變量是進行傾向得分匹配的前提。參考李萬福等[18]對樣本的處理方法，本文對新產(chǎn)品數(shù)量Rd3進行修正，并以Rd表示修正后的企業(yè)新產(chǎn)品數(shù)量。參照仇云杰、魏煒[14]的模型為實驗組樣本進行一對一匹配，具體模型如下：

根據(jù)模型（4）一對一匹配后的結果計算實驗組和對照組僵尸指數(shù)的均值差，在此基礎上估計整個樣本僵尸指數(shù)的均值差（ATE），并通過T檢驗的方式來驗證樣本結果的均值差是否在統(tǒng)計上存在顯著差異，以此來驗證企業(yè)研發(fā)與新的僵尸企業(yè)形成之間是否存在較強的雙向因果關系。

表7報告了經(jīng)過模型（4）PSM匹配后實驗組與對照組樣本間僵尸指數(shù)的差異，同時報告了未匹配前的樣本差異值（OLS）。從OLS行可以看出，最小二乘法估計的結果顯示有新產(chǎn)品產(chǎn)出的企業(yè)組（即實驗組）與沒有新產(chǎn)品產(chǎn)出的企業(yè)組（即對照組）僵尸指數(shù)差異為-1.1182，實驗組的僵尸指數(shù)比對照組要低100.25%左右；經(jīng)PSM匹配后，這一效應大概為94.94%。這表明內(nèi)生性的存在會使普通最小二乘法得到的結果被高估。但該影響只有6%左右，而企業(yè)研發(fā)造成的實驗組和對照組之間僵尸指數(shù)的差異約為100%，表明兩者間并不存在較強的雙向因果關系，進一步驗證了本文回歸結果的準確性。

表7 傾向得分匹配的處理效應——Zombie

六、結論

在妥善解決現(xiàn)存僵尸企業(yè)的同時，抑制新的僵尸企業(yè)形成是經(jīng)濟新常態(tài)下社會發(fā)展面臨的重要問題。如何預防新的僵尸企業(yè)形成是僵尸企業(yè)研究的新領域。本文基于2010～2016年金屬行業(yè)A股上市公司數(shù)據(jù)，分析了企業(yè)研發(fā)與僵尸指數(shù)之間的負向關系，發(fā)現(xiàn)企業(yè)研發(fā)投入可以抑制新的僵尸企業(yè)形成，降低現(xiàn)存僵尸企業(yè)的僵化程度。首先，通過對企業(yè)研發(fā)強度、企業(yè)專利數(shù)量和新產(chǎn)品數(shù)量的分路徑回歸，發(fā)現(xiàn)企業(yè)新產(chǎn)品數(shù)量對抑制僵尸企業(yè)形成、降低僵尸企業(yè)僵化程度的影響效應更大，并且這種影響隨著時間的推移逐漸減弱。其次，通過對企業(yè)投資效率的分組回歸證實企業(yè)投資效率對此影響有促進作用，投資效率更高的企業(yè)組，企業(yè)新產(chǎn)品數(shù)量抑制新的僵尸企業(yè)形成的可能性更大并更能降低現(xiàn)存僵尸企業(yè)的僵化程度。最后，通過PSM傾向得分匹配進一步驗證企業(yè)研發(fā)可以抑制新的僵尸企業(yè)形成，并且兩者之間不存在較強的雙向因果關系。

研究結果啟示如下：第一，創(chuàng)新驅動發(fā)展戰(zhàn)略是解決當下僵尸企業(yè)負外部性影響的最有力方式，政府應鼓勵傳統(tǒng)制造業(yè)開發(fā)新產(chǎn)品、生產(chǎn)迎合市場需求的創(chuàng)新產(chǎn)品；第二，政府應嚴格把控企業(yè)援助資金的流向，通過政府補助支持企業(yè)的創(chuàng)新性行為，盡可能減少經(jīng)營性政府補助，以防范新的僵尸企業(yè)產(chǎn)生；第三，對于現(xiàn)存的僵尸企業(yè)，新產(chǎn)品數(shù)量也可以降低其僵化程度，因此應學習鄂鋼股份的發(fā)展戰(zhàn)略，盡可能通過研發(fā)適銷對路的新產(chǎn)品使企業(yè)“脫僵”，減少僵尸企業(yè)數(shù)量并降低其負外部性影響。