1. 引言
在全球经济“脱实向虚”趋势加剧的背景下，非金融企业大规模配置金融资产已成为中国乃至世界经济的显著特征。根据中国人民银行《2023年金融稳定报告》，我国非金融企业金融资产占总资产比重从2010年的12.3%攀升至2022年的28.6%，部分实体企业金融收益甚至超过主营业务利润。这一现象引发了学界对企业金融化经济后果的深刻反思：当资本从研发实验室流向股票市场，从生产设备转向理财产品，企业创新的根基是否正在被侵蚀？
创新作为驱动国家高质量发展的核心引擎，其微观基础——企业创新能力直接决定着产业转型升级与国际竞争力构建。国内外研究已形成共识：2008年全球金融危机后，实体经济过度金融化显著抑制了企业创新投入[1] [2]。然而，既有文献仍存在明显局限：一方面，多数研究拘泥于金融化与创新投入的直接关联，未能揭示高管创新意愿这一关键行为动因的中介作用；另一方面，对创新能力的测度过度依赖研发资金、专利数量等硬性指标，缺乏对创新决策主体行为动机的深度剖析。正如Teece (2018)的精辟论断：“创新本质上是企业家精神的具象化过程，其根本驱动力源于决策者的战略意志”[3]。
本文试图突破传统“资源替代论”的解释框架，提出双重中介传导机制：① 高管创新意愿路径：金融资产的高流动性收益助长短期主义导向，通过薪酬激励扭曲与注意力配置稀释，削弱管理层对长期创新项目的投入意愿；② 研发强度路径：金融投资对流动资金的占用直接压缩研发预算，同时资本市场对短期业绩的追逐倒逼企业削减战略性研发支出[4]。
本研究基于2013~2023年A股上市公司数据，通过构建多元回归模型检验以下核心命题：企业金融化是否通过降低高管创新意愿与削弱研发强度两条路径，最终抑制企业创新能力？研究发现：企业金融化水平对企业创新能力存在显著负向影响，该结论在控制内生性问题并通过替换变量等稳健性检验后依然成立；机制分析进一步揭示，中介效应分析揭示，企业金融化不仅通过降低高管创新意愿间接抑制创新，同时显著削减研发强度，形成“动机–资源”双重传导路径；异质性研究表明，金融化的创新抑制效应存在结构性差异——相较于国有企业与低融资约束企业，其对非国有企业及高融资约束企业创新能力的负向冲击更为剧烈。
本文的边际贡献主要体现在以下三个方面：① 拓展了企业金融化经济后果的研究视角。现有文献多聚焦于金融化对财务绩效、股价崩盘风险等显性结果的影响，鲜有从行为金融学视角剖析其对创新能力的深层作用机理。本文将管理者认知纳入资源基础框架，系统考察金融化通过“动机–资源”双路径削弱创新能力的微观过程，丰富了企业金融化微观治理效应的研究文献；② 深化了对金融化抑制创新机制的理解。本文不仅实证发现金融化显著抑制企业创新产出，而且采用中介效应模型，将高管创新意愿与研发强度解构为独立传导机制，揭示了“脱实向虚”背景下创新衰减的决策黑箱；③研究结果将为理解“金融化–创新”悖论提供新证据，对引导企业平衡金融资产配置与创新投资、完善资本市场服务实体经济功能具有政策启示。
全文其余结构如下：第二部分梳理理论机制与研究假设；第三部分设计实证模型与变量；第四部分呈现基础回归与稳健性检验结果；第五部分进行双重中介检验与异质性检验分析；第六部分总结研究结论并提出治理建议。
2. 文献综述与研究假设
(一) 文献综述
伴随金融市场深化，企业金融化已成为中国非金融企业的显著趋势。现有研究揭示其驱动因素存在双重动机：一是应对宏观不确定性及实体投资风险的预防性动机[5] [6]，二是金融资产相对收益优势驱动的逐利性动机[7] [8]，后者在当前尤为突出并受管理层短视行为强化[9]。关于经济后果，学界存在关键分歧：抑制论认为金融化挤占研发资源并加剧财务风险[10] [11]，而促进论指出适度配置可提升效率但呈现倒U型关系[12]。影响因素则呈现多层次交互：宏观层面受货币政策导向与经济政策不确定性调节[6]；微观层面取决于金融资产收益率与融资约束程度；行为层面存在同行业“同群效应”[13]。尽管既有研究奠定坚实基础，但是企业金融化对企业创新能力的影响还需要更深入分析。
企业创新能力被视为获取持续竞争优势、实现高质量发展的核心驱动力。围绕其影响因素与作用机制，学界已形成较为系统的理论脉络，但对其在复杂治理情境中的动态演化路径仍存分歧。首先，基于资源基础观与知识基础观，主流研究将内部资源禀赋视为决定创新投入与产出的关键变量，充足的现金流、高水平人力资本与技术积累能够显著提升企业的研发强度与创新绩效[14] [15]。然而，资源约束理论指出，融资约束会显著抑制企业创新，尤其在高不确定性环境中，内部资金不足将直接限制企业的研发活动[16]。其次，外部治理环境被证实对创新具有重要调节作用，企业社会责任则通过缓解融资约束、降低信息不对称，部分抵消了金融化对创新的负面影响，为企业提供了额外的资源与支持[17]。更进一步，从供应链视角出发，研究发现供应商集中度会通过两条链式中介路径抑制企业创新：一是“采购成本–内源融资”路径，即高集中度推高采购成本，挤占内部资金；二是“企业风险–外源融资”路径，即对供应商的高度依赖增加经营风险，阻碍外部融资[18]。此外，股票回购行为也被发现可能通过“迎合效应”而非融资约束渠道刺激短期研发投资，但此类投资往往伴随研发效率低下，难以带来实质性创新产出[19]。综上，企业创新能力是内部资源、外部治理与供应链关系交互作用的结果。厘清企业金融化究竟是抑制还是促进创新，关系到微观企业资源配置效率，因此系统研究其影响机制具有迫切的现实意义。
(二) 假设提出
(1) 企业金融化与创新能力
在资源约束条件下，企业配置金融资产的动机主要源于“逐利”与“避险”双重考量。然而，这两种动机均可能对企业创新能力产生抑制效应。行为动机扭曲：金融资产的高流动性和短期高回报特性，容易诱致管理层短视行为。管理层倾向于将有限的注意力与资源，从周期长、风险高的研发项目，转向能够快速获取收益的股票、理财等金融工具。当金融收益在利润结构中的占比持续提升时，高管的薪酬契约往往被扭曲为“市值导向”，进一步削弱其对原创性、探索性创新活动的投入意愿[20]。资源挤占效应(现金流约束)：企业金融化会直接挤占本应用于研发的内部现金流。大量资金沉淀于二级市场交易或理财产品，导致研发预算被动削减。同时，资本市场对短期季度业绩的追逐压力，迫使企业削减战略性研发支出以平滑利润[4]。风险放大效应(融资成本上升)：此外，金融化常伴随杠杆率上升和资产价格波动加剧，这放大了企业的整体经营风险，进而推高了外部融资成本，间接抑制了需要长期稳定资金支持的创新投资[11]。综上，随着企业金融化程度的攀升，其创新能力将受到显著抑制。基于上述分析，本文提出核心假设：
H1：企业金融化程度越高，企业创新能力越低。
(2) 高管创新意愿的中介作用
企业金融化对创新能力的抑制，不仅源于直接的“资源挤占”，更可能通过改变高管的行为动机，系统性削弱其创新意愿。随着金融资产在企业资产结构中比重的上升，其高流动性和短期高收益特征会强化管理层的“市值至上”导向，具体表现为：短期绩效激励放大：金融资产带来的快速账面收益，显著放大了高管基于短期绩效的激励。这使其更倾向于将注意力和资源配置到能迅速提升短期股价表现的金融套利机会上，而非回报周期长、不确定性高的研发项目。长期战略承诺弱化：资本市场对短期盈利的持续关注，进一步加剧了管理层的短视倾向，导致其对需要长期投入和承担风险的创新战略的承诺度下降[21]。因此，金融化水平的提升，通过稀释高管的长期战略注意力、扭曲其薪酬激励契约，显著削弱了管理层的创新意愿，最终损害企业的整体创新能力。据此，本文提出中介假设：
H2：企业金融化通过降低高管创新意愿，进而抑制企业创新能力。
(3) 研发强度的中介作用
研发活动具有高投入、长周期、高风险及收益滞后的典型特征，对内部现金流高度敏感。当企业金融化程度提高时：直接资源转移：大量可支配资金被配置于股票、理财、衍生品等短期金融工具，直接挤占了本可用于长期研发项目的财务资源[4]。预算削减压力：与此同时，资本市场对短期业绩的苛刻要求，倒逼管理层优先保障当期利润目标。这使得战略性研发预算更容易成为削减对象，以满足短期财务表现[10]。研发投入强度的持续下降，导致企业技术积累速度放缓，知识存量和专利产出减少，最终引致整体创新能力的系统性削弱。因此，本文提出另一中介假设：
H3：企业金融化通过降低企业研发强度，进而削弱企业创新能力。
3. 研究设计
(一) 数据来源
本文选取2013~2023年中国A股上市公司为研究对象，并进行筛选处理：(1) 剔除了金融类上市公司，以及样本期间被特殊处理(ST/*ST)的公司；(2) 剔除了主要变量存在缺失数据的样本；(3) 为了排除极端值的影响，对所有连续变量进行1%和99%分位的缩尾处理。通过上述筛选和处理后，本文共得到22,839个公司–年度观测值。上市公司财务数据来源于CSMAR数据库。
(二) 主要变量定义
(1) 被解释变量：创新能力
本文参考施建军与栗晓云(2021) [21]的研究，采用期末发明专利申请数量的自然对数(Ln(发明专利申请数量 + 1))来度量企业的创新能力
(2) 解释变量：企业金融化
借鉴顾雷雷等(2020) [22]的衡量方法，采用金融资产占企业总资产的比值来定义企业战略性金融化(Fin)。具体而言：企业金融化程度 = (交易性金融资产 + 衍生金融资产 + 可供出售金融资产 + 持有至到期金融资产 + 投资性房地产 + 长期股权投资)/总资产。
(3) 控制变量
本文参考段华友等(2023) [23]与秦兴俊与王柏杰(2018) [24]的研究选取以下控制变量：企业规模(Size)、负债水平(Lev)、盈利能力(Roa)、现金流(CashFlow)、管理层持股(Mshare)、两职合一(Dual)、公司年限(Age)。具体变量定义如表1所示。
Table 1. Definitions of main variables
表1. 主要变量定义
类型 |
名称 |
符合 |
变量定义 |
被解释变量 |
创新能力 |
Innovation |
期末发明专利申请数量的自然对数 |
解释变量 |
企业金融化 |
Fin |
定义见上文 |
控制变量 |
企业规模 |
Size |
企业总资产取对数 |
负债水平 |
Lev |
总负债/总资产 |
盈利能力 |
Roa |
净利润/总资产 |
现金流 |
CashFlow |
经营活动现金流净额/总资产 |
管理层持股 |
Mshare |
管理层持股比例 |
两职合一 |
Dual |
若董事长和总经理为同一人时为1，反之为0 |
公司年限 |
Age |
当年年份减去公司成立年份 |
(三) 模型设定
为了研究企业金融化对企业创新能力的影响，本文在控制个体固定效应和时间固定效应的基础上，设定以下回归模型：
(1)
其中，被解释变量
为企业i在t年发明专利申请数量的自然对数；解释变量
为企业i在t年的金融化程度；
为一系列控制变量；
为时间固定效应；
为个体固定效应；
为随机扰动项。此外，为了降低可能产生的聚类问题，回归系数的标准误均在公司层面上进行Cluster处理。
(四) 描述性统计
变量描述性统计结果由表2所示，企业金融化(Fin)的均值为0.0424，最小值为0，最大值达0.447，这表示各企业间的金融化程度有所差别，一些企业之间甚至相差较大。企业创新能力(Innovation)的均值为1.570，最小值为0，最大值达7.715，这表示各企业间的创新能力较大。
Table 2. Descriptive statistics
表2. 描述性统计
变量 |
样本数 |
均值 |
标准差 |
最小值 |
最大值 |
Innovation |
22,839 |
3.219 |
1.570 |
0 |
7.175 |
Fin |
22,839 |
0.0424 |
0.0731 |
0 |
0.447 |
Size |
22,839 |
22.15 |
1.231 |
19.94 |
26.09 |
Lev |
22,839 |
0.406 |
0.198 |
0.0555 |
0.915 |
ROA |
22,839 |
0.0313 |
0.0703 |
−0.299 |
0.195 |
CashFlow |
22,839 |
0.0469 |
0.0654 |
−0.154 |
0.241 |
Mshare |
22,839 |
0.156 |
0.197 |
0 |
0.675 |
Dual |
22,839 |
0.317 |
0.465 |
0 |
1 |
Age |
22,839 |
2.106 |
0.856 |
0 |
3.332 |
4. 实证分析
(一) 基准回归结果及分析
企业金融化与企业创新能力。表3报告了模型(1)的检验结果，被解释变量是创新能力(Innovation)，解释变量为企业金融化(Fin)，第(1)列结果显示，Fin的回归系数为−0.608，在1%的水平上显著；为了排除其他因素可能带来的干扰，本文加入了一系列控制变量，结果如第(2)列所示，Fin的回归系数为−0.497，在1%的水平上显著。这表明企业金融化与其创新能力显著负相关，即企业金融化程度越高，对企业创新能力的抑制作用越强。证实了假设H1。
Table 3. Baseline regression results
表3. 基础回归结果
|
(1) |
(2) |
|
Innovation |
Innovation |
Fin |
−0.608*** |
−0.497*** |
|
(−4.173) |
(−3.654) |
size |
|
0.564*** |
|
|
(18.612) |
Lev |
|
−0.283*** |
|
|
(−2.833) |
ROA |
|
0.199 |
|
|
(1.470) |
CashFlow |
|
−0.116 |
|
|
(−0.968) |
Mshare |
|
0.509*** |
|
|
(4.244) |
Dual |
|
0.052** |
|
|
(2.129) |
Age |
|
0.047 |
|
|
(1.454) |
_cons |
3.245*** |
−9.327*** |
|
(524.665) |
(−14.414) |
N |
22,839 |
22,839 |
R2 |
0.784 |
0.801 |
F |
17.413 |
57.587 |
注：*、**、***分别代表在10%、5%和1%的水平上显著，以下各表同。
(二) 稳健性检验
为确保研究结论的稳健性并增强实证分析的可信度，本文采用了多种稳健性检验方法，具体如下：
(1) 加入其他控制变量
本文在这部分进一步其他控制变量，缓解因遗漏某些关键变量带来的内生性问题，在表4第(1)列中，我们进一步控制了董事会规模(Board)与机构持股比例(Inst)。结果显示，Fin的估计系数均在1%的水平上显著为负，与前文结果一致。证明研究结论的稳健。
(2) 替换变量
为了对创新能力和企业金融化进行更全面的描述，参考姚立杰和周颖[25]的研究，使用企业当年授权的专利数量的自然对数衡量企业创新能力(innovation)。此外，本文参考张成思和张步昙[26]的衡量方法，使用企业从金融渠道的利润与企业营业利润之比，并且对营业利润取绝对值进行标准化，形成金融化程度的另一个衡量指标投机性金融化(fin)。回归结果如表4第(2) (3)列所示，Fin与fin的回归系数分别为−0.497和−0.025，且均在1%水平上显著，这与先前的研究结果相一致，证实了结果的稳健性。
(3) 滞后变量
本文的实证结果虽然显示企业金融化显著抑制了创新能力，但仍可能受到反向因果的内生性困扰：创新能力本身较弱的企业，往往因主业增长乏力而转向金融投资以寻求短期收益，从而推高了金融化程度。为排除这种“创新能力低导致金融配置高”的逆向驱动机制，本文采用滞后一期的方法对企业金融化(L.Fin)进行分析。回归结果如表4第(4)列显示，L.Fin估计系数在1%的显著性水平上均为负，这说明是企业金融化引起了创新能力的变化，而非因企业创新能力低而导致的金融化程度高。因此，本文的研究结果具有稳健性。
Table 4. Robustness checks
表4. 稳健性检验
|
(1) |
(2) |
(3) |
(4) |
|
Innovation |
innovation |
Innovation |
Innovation |
Fin |
−0.501*** |
−0.497*** |
|
|
|
(−3.690) |
(−3.654) |
|
|
fin |
|
|
−0.025*** |
|
|
|
|
(−2.723) |
|
L.Fin |
|
|
|
−0.396** |
|
|
|
|
(−2.464) |
size |
0.559*** |
0.564*** |
0.565*** |
0.578*** |
|
(18.585) |
(18.612) |
(18.675) |
(17.201) |
Lev |
−0.282*** |
−0.283*** |
−0.271*** |
−0.311*** |
|
(−2.813) |
(−2.833) |
(−2.723) |
(−2.813) |
ROA |
0.198 |
0.199 |
0.211 |
0.099 |
|
(1.477) |
(1.470) |
(1.556) |
(0.705) |
CashFlow |
−0.116 |
−0.116 |
−0.125 |
−0.092 |
|
(−0.960) |
(−0.968) |
(−1.037) |
(−0.714) |
Mshare |
0.503*** |
0.509*** |
0.511*** |
0.548*** |
|
(4.170) |
(4.244) |
(4.265) |
(4.260) |
Dual |
0.055** |
0.052** |
0.052** |
0.047* |
|
(2.245) |
(2.129) |
(2.138) |
(1.816) |
Age |
0.050 |
0.047 |
0.041 |
−0.068 |
|
(1.536) |
(1.454) |
(1.257) |
(−1.209) |
Board |
0.157** |
|
|
|
|
(2.013) |
|
|
|
Inst |
0.003 |
|
|
|
|
(0.031) |
|
|
|
_cons |
−9.559*** |
−9.327*** |
−9.378*** |
−9.313*** |
|
(−14.617) |
(−14.414) |
(−14.494) |
(−12.946) |
N |
22,839 |
22,839 |
22,839 |
18,799 |
R2 |
0.801 |
0.801 |
0.800 |
0.812 |
F |
46.934 |
57.587 |
56.709 |
45.270 |
(4) 工具变量法
为缓解企业金融化与创新能力间可能存在的内生性问题，本文采用工具变量法进行估计。工具变量选取参考彭俞超[6]，以每年企业所在行业内其他企业的金融化平均水平作为该企业金融化程度的工具变量(IV_Fin)。该设计满足工具变量的相关性要求：行业金融化水平与目标企业金融化程度显著相关，因此同行业企业面临相似的宏观环境与金融市场条件；同时满足排他性约束：行业层面金融化均值仅通过影响目标企业金融化行为间接作用于其创新活动，不会直接干扰企业创新决策。
回归结果如表5所示，在第一阶段回归中，工具变量系数在1%水平上显著为正，证实行业金融化水平与目标企业金融化程度存在强关联；第二阶段回归中，企业金融化对创新能力的抑制效应依然显著，估计系数为−4.556，且在1%水平上显著。这进一步证实企业金融化对企业创新能力具有负向影响，支持了本文的主要结论。
Table 5. Instrumental variable approach
表5. 工具变量法
|
(1) |
(2) |
|
第一阶段 |
第二阶段 |
|
Fin1 |
Innovation |
IV_Fin |
0.705*** |
|
|
(11.453) |
|
Fin |
|
−4.556*** |
|
|
(−5.867) |
size |
−0.005*** |
0.565*** |
|
(−3.027) |
(18.719) |
Lev |
−0.033*** |
−0.267*** |
|
(−5.380) |
(−2.692) |
ROA |
0.013 |
0.181 |
|
(1.606) |
(1.343) |
CashFlow |
−0.007 |
−0.105 |
|
(−0.843) |
(−0.873) |
Mshare |
−0.004 |
0.489*** |
|
(−0.516) |
(4.087) |
Dual |
0.000 |
0.052** |
|
(0.145) |
(2.120) |
Age |
0.016*** |
0.058* |
|
(7.120) |
(1.787) |
_cons |
0.106*** |
−9.214*** |
|
(2.903) |
(−14.265) |
N |
22,839 |
22,839 |
R2 |
0.624 |
0.801 |
F |
27.364 |
60.910 |
5. 机制检验与异质性分析
(一) 机制检验
(1) 高管创新意愿
如前所述，企业金融化对创新力的压制不仅仅是因为资源的直接占用，更重要的是它激发了管理层的短视行为，从而系统性地削弱了他们的创新意愿。金融资产的快速回报增强了高管的短期绩效激励，驱使他们将资源投入到能迅速提升股价的金融投机中，而不是长期、高风险的研发项目，这最终导致了企业创新力的减弱。
本文构建如下模型，对这一机制进行检验：
(2)
(3)
其中，
为企业高管创新意愿的代理变量，参考黄珊珊和邵颖红[27]使用企业年报中与高管创新意向相关的关键词频，并以这些关键词字数占报告总字数的比例衡量高管的创新意识强度。即，高管创新意识 = 体现高管创新意识的关键词的总字数/年报中董事会报告部分的总字数。
回归结果如表6所示，第(1)列显示，Fin对Creative的估计系数在1%水平显著为负，表明金融化显著削弱高管创新意愿。第(2)列进一步检验发现：Fin对Innovation的直接效应仍显著为负，而Creative的系数显著为正，存在部分中介效应，即金融化通过抑制高管创新意愿间接降低创新能力，假设H2得证。
(2) 研发强度
如前所述，企业金融化对创新能力的抑制不仅源于对高管行为动机的扭曲，其直接的“资源挤占”效应同样构成关键路径。研发活动固有的高投入、长周期特性使其高度依赖内部现金流支持。当企业将大量资金配置于金融资产时，可直接用于研发项目的财务资源必然受到挤压[4]。同时，资本市场对短期业绩的追逐压力，也迫使管理层优先保障当期利润目标，战略性研发预算往往成为被削减的对[10]。
本文构建模型与上文类似，对这一机制进行检验。其中，研发强度(Intensity)采用企业研发支出占营业收入的比值衡量，作为中介变量。
回归结果如表6所示。第(3)列显示，企业金融化(Fin)对研发强度(Intensity)的估计系数为−0.011在1%水平上显著，表明金融化程度的提升确实显著降低了企业的研发投入强度。第(4)列进一步检验发现：在控制了研发强度(Intensity)后，金融化(Fin)对企业创新能力(Innovation)的直接效应仍显著为负，同时研发强度(Intensity)的系数显著为正。这表明研发强度在金融化抑制创新能力的过程中发挥了显著的部分中介作用。即，企业金融化不仅直接抑制创新，还通过显著削减研发投入强度这一关键资源投入渠道，间接削弱了企业的整体创新能力。假设H3得到验证。
Table 6. Mechanism tests
表6. 机制检验
|
(1) |
(2) |
(3) |
(4) |
|
Creative |
Innovation |
Intensity |
Innovation |
Fin |
−0.001** |
−0.478*** |
−0.011** |
−0.464*** |
|
(−2.484) |
(−3.520) |
(−2.506) |
(−3.453) |
Creative |
|
13.765*** |
|
|
|
|
(5.748) |
|
|
Intensity |
|
|
|
3.128*** |
|
|
|
|
(6.838) |
Size |
−0.000*** |
0.569*** |
0.002 |
0.559*** |
|
(−3.887) |
(18.856) |
(1.639) |
(18.672) |
Lev |
0.000 |
−0.283*** |
−0.036*** |
−0.170* |
|
(0.008) |
(−2.849) |
(−9.987) |
(−1.719) |
ROA |
0.002*** |
0.174 |
−0.098*** |
0.505*** |
|
(3.674) |
(1.292) |
(−15.935) |
(3.536) |
CashFlow |
0.000 |
−0.120 |
−0.014*** |
−0.072 |
|
(0.480) |
(−0.997) |
(−3.876) |
(−0.605) |
Mshare |
0.000 |
0.509*** |
0.006 |
0.489*** |
|
(0.001) |
(4.239) |
(1.446) |
(4.143) |
Dual |
−0.000 |
0.053** |
0.000 |
0.051** |
|
(−0.761) |
(2.181) |
(0.510) |
(2.098) |
Age |
−0.001*** |
0.060* |
0.003*** |
0.039 |
|
(−7.340) |
(1.853) |
(2.622) |
(1.208) |
_cons |
0.024*** |
−9.661*** |
0.029 |
−9.418*** |
|
(10.531) |
(−14.944) |
(1.491) |
(−14.663) |
N |
22,839 |
22,839 |
22,839 |
22,839 |
R2 |
0.712 |
0.801 |
0.834 |
0.802 |
F |
15.367 |
55.433 |
39.326 |
54.743 |
(二) 异质性分析
为深入探究企业金融化对创新能力抑制效应的结构性差异，本文基于产权性质与融资约束水平进行分组检验(结果见表7)。实证结果揭示金融化的创新抑制效应存在显著异质性：
(1) 产权性质差异
如表7第(1) (2)列所示，金融化对非国有企业创新能力的负向冲击显著强于国有企业。导致这一现象可能的原因是：国有企业因政策支持与预算软约束，可通过信贷倾斜或政府补贴缓冲金融化对研发资金的挤占[11]，抑制效应相对较弱；非国有企业面临融资歧视与资源约束，金融资产配置进一步加剧其研发资金短缺，导致创新能力受损程度更深[6]。
(2) 融资约束差异
表7第(3) (4)列显示，金融化对高融资约束企业创新能力的抑制效应显著高于低融资约束企业。其内在逻辑在于：高融资约束企业内源资金匮乏，金融投资直接挤占稀缺的研发现金流[4]，且难以通过外部融资弥补缺口，形成“资源挤占–创新衰减”的恶性循环；低融资约束企业具备更强的资金调配能力，可通过多元化融资渠道维持研发投入[16]，部分抵消金融化的负面冲击。
Table 7. Heterogeneity analysis
表7. 异质性检验
|
(1) |
(2) |
(3) |
(4) |
|
国有 |
非国有 |
低融资约束 |
高融资约束 |
|
Innovation |
Innovation |
Innovation |
Innovation |
Fin |
−0.674* |
−0.387*** |
−0.267 |
−0.497*** |
|
(−1.802) |
(−2.641) |
(−1.416) |
(−3.654) |
size |
0.645*** |
0.513*** |
0.573*** |
0.564*** |
|
(9.629) |
(14.955) |
(13.710) |
(18.612) |
Lev |
0.048 |
−0.348*** |
−0.394*** |
−0.283*** |
|
(0.215) |
(−3.082) |
(−2.777) |
(−2.833) |
ROA |
0.392 |
0.111 |
0.150 |
0.199 |
|
(1.317) |
(0.741) |
(0.791) |
(1.470) |
CashFlow |
−0.127 |
−0.137 |
−0.131 |
−0.116 |
|
(−0.552) |
(−0.984) |
(−0.823) |
(−0.968) |
Mshare |
0.621 |
0.286** |
0.599*** |
0.509*** |
|
(1.211) |
(2.193) |
(3.081) |
(4.244) |
Dual |
0.066 |
0.062** |
0.055 |
0.052** |
|
(1.437) |
(2.182) |
(1.547) |
(2.129) |
Age |
0.005 |
0.182*** |
0.000 |
0.047 |
|
(0.049) |
(5.150) |
(0.005) |
(1.454) |
_cons |
−11.220*** |
−8.416*** |
−9.389*** |
−9.327*** |
|
(−7.425) |
(−11.582) |
(−10.497) |
(−14.414) |
N |
6144 |
16,648 |
11,314 |
22,839 |
R2 |
0.843 |
0.786 |
0.797 |
0.801 |
F |
15.793 |
44.484 |
28.860 |
57.587 |
6. 研究结论与启示
(一) 研究结论
本文通过系统性实证分析揭示，企业金融化进程显著抑制了创新能力的提升。这一核心结论源于多重证据：企业配置金融资产的行为不仅直接挤占本应用于研发的内部现金流，更通过助长管理层的短期主义倾向，系统性削弱其对长期创新战略的投入意愿。研究发现，金融化对创新的侵蚀存在“动机–资源”双重传导路径——既扭曲高管聚焦技术突破的行为动机，又压缩实体研发所需的资源空间。值得注意的是，这种抑制效应呈现显著结构性差异：相较于国有企业和资金充裕企业，金融化对非国有企业及融资受限企业的创新根基破坏更为剧烈。前者依赖政策庇护与资源调配能力缓冲冲击，而后者因融资渠道狭窄陷入“资金挤占–创新衰减”的恶性循环。
(二) 启示
政策启示在于：一方面，企业应将创新投入纳入战略底线，董事会需延长高管考核周期、降低短期市值权重，并设研发资金红线，防止金融资产挤占；同时，高融资约束企业可借助政府研发补贴、专利质押融资等工具对冲现金流缺口。另一方面，监管层须细化非金融企业金融投资信息披露，对金融资产配置比例设定动态阈值并触发强制解释，抑制过度金融化；央行与银保监部门通过差异化准备金、再贷款等手段，引导银行向民营、高融资约束企业提供中长期研发贷款；科技部门扩大研发费用加计扣除、创新券等普惠政策覆盖面，重点倾斜受冲击显著的民营科技型中小企业。国有企业考核体系则应将创新产出纳入任期指标，弱化规模利润导向，形成示范效应，从而在微观治理、制度监管与宏观政策三重维度上协同发力，引导资本回流研发一线，破解“金融化–创新”悖论，推动实体经济高质量发展。