近年来，我国科技研发经费投入逐年增加，但与美国、日本等世界科技强国相比仍有较大差距。企业作为研发活动的主力军，其自主创新能力不仅彰显了企业的核心竞争力，还将为其带来源源不断的经济效益。研发资金是企业开展创新研发活动的前提和基础，创新成果的数量与质量很大程度上取决于融资体系及政策环境的支持。然而，当前我国企业融资形势不容乐观，《2019年政府工作报告》提出要“着力缓解企业融资难融资贵问题”，而外部融资约束和创新投入不足是企业在研发过程中普遍面临的两大难题（王明海等，2017）。
矿业作为基础性产业，其采、选、冶等整个产业链环节都有待创新支撑，以破解粗放低效的生产难题，助推绿色矿山建设，实现矿业高质量发展。然而我国目前尚未建立完善的矿业资本市场，矿业公司的金融化程度相对较低，使得矿业企业研发融资举步维艰。企业研发投入主要有2种资金来源：一是政府补助，二是企业自身进行融资活动所筹得的资金（喻青松等，2016）。其中，企业融资所得研发资金又可划分为内部融资和外部金融市场融资（李真等，2020）。随着我国市场经济体制逐步健全，企业经济活动日益深入资本市场（吴睿，2019）。在市场这只“看不见的手”调控之下，中国矿业企业当前的融资渠道能否促进企业研发投入？同时，在政府这只“看得见的手”干预之下，矿业企业所获政府补助对二者之间的关系又发挥着怎样的作用？针对以上问题，本文试图从企业研发投入的资金来源入手，探究可能存在的相互关系和作用机制。
有关资金来源渠道与企业研发投入的关系，现有研究可以概述为3个方面。第一，内源融资与企业研发投入。内源融资是企业研发投入的主要资金来源，已得到学术界的广泛认可（Brown et al.，2009；李汇东等，2013；He et al.，2019；Zhang et al.，2019）。第二，外源融资与企业研发投入。针对股权融资与债权融资两类外源融资渠道，谁更适宜为企业研发活动提供资金支持，学术界并未取得一致结论（Levine，2002）。融资约束程度、所有制、规模和年龄等企业异质性均可能会影响外源融资与企业研发投入之间的关系，导致不同企业研发投入的外源融资渠道有所差异（Brown et al.，2012；张杰等，2012；鞠晓生，2013；孙早等，2016；Lee et al.，2019；胡恒强等，2020；Tirelli et al.，2021）。第三，政府补助与企业研发投入。国内外学者对于政府补助能否促进企业研发创新这一议题展开探讨，但并未达成共识。多数学者研究表明政府补助能够促进企业增加研发投入（Hewitt-Dundas et al.，2010；Carboni，2011；Arqué-Castells，2013；Barajas et al.，2021），也有部分学者研究发现政府补助会挤出企业自身研发投入（肖兴志等，2014；Catozzella et al.，2016），还有学者认为只有适度的补助才能够激励企业创新（毛其淋等，2015；张辉等，2016）。
本文的边际贡献在于：一是以鲜有研究关注的矿业企业研发投入为研究对象，选取2012~2019年中国矿业上市公司作为研究样本，这是对企业研发融资领域现有文献的拓展补充；二是从融资渠道多元化视角对矿业企业研发融资问题展开研究，在将企业融资渠道划分为内源融资与外源融资的基础上，进一步将外源融资划分为股权融资与债权融资，较为全面地考察了不同融资渠道对矿业企业研发投入的影响，为优序融资理论提供了实证参考；三是创新性地将政府补助这类特殊的研发资金来源渠道纳入研究范畴，实证检验了矿业企业政府补助在内源融资与企业研发投入之间产生的正向调节效应，以及在外源融资与企业研发投入之间发挥的信号传递效应，丰富了信号传递理论以及政府补助有效性领域的研究成果。
1 理论分析与研究假设
1.1 融资渠道与企业研发投入
矿业属于高风险且投资额大的产业，其创新研发活动离不开大量资金的支持。一般来说，企业研发活动的融资渠道可划分为内源融资与外源融资，而外源融资根据资金来源渠道不同又可划分为股权融资和债权融资。优序融资理论（Myers，1984）认为，企业在筹集投资资金时会首选低成本、低风险的内源融资。内源融资是学术界普遍认可的企业研发投资的主要融资来源（胡恒强等，2020），即企业研发投入主要依赖于企业自身自有利润的积累（张杰等，2012）。然而，内部融资的规模毕竟是有限的，且企业内部资金状况不稳定，容易受到外界影响因素的冲击，使得企业仅凭内部资金难以承担研发活动所需的庞大资金投入。因此，为保证研发活动的可持续性，企业还需要向其他经济主体筹集资金，如股权融资背景下的资本市场和债权融资背景下的银行等金融机构（Xia et al.，2021）也为企业研发活动提供了外部融资的平台（王晓燕等，2020）。
股权融资与债权融资对企业研发投资具有不同的风险容忍度，因此这2类外源融资方式对创新项目的支持效果也存在差异（张岭，2020）。研发活动的高风险性往往使得企业研发投资的回收周期较长，而债权融资要求按期还本付息，由此将给企业带来财务压力。此外，银行信贷融资需要企业固定资产作为抵押，而研发投资成果多数为知识资本和人力资本，难以为企业提供担保或可抵押物；股权融资则对剩余收益有索取权，通常股权投资者更加重视企业的长期价值增值（孙早等，2016），即更关注科研创新带来的企业成长性，创新成果潜在的高额回报与股权投资者追求高回报、承担高风险的偏好相一致，股权投资者按照持股比例分享企业创新的潜在高额回报（张一林等，2016），股市的发展对缓解企业R&D融资约束具有重要作用（Xu et al.，2020）。基于以上分析，提出研究假设：
假设1：中国矿业企业内源融资和外源融资均能显著促进企业研发投入。
假设2：中国矿业企业股权融资对企业研发投入存在显著促进作用，而债权融资则不具有显著影响。
1.2 政府补助的调节效应
技术创新具有正外部性和技术溢出效应，创新主体难以独占创新成果，导致市场配置资源失灵和企业研发动力不足。此时需要政府进行合理干预以纠正“市场失灵”，而政府补助是政府常用的干预方式之一。
一方面，政府补助可以直接用作企业研发资金（郭玥，2018），其本质上可以通过增加企业收益进而为创新活动提供资金支持（毛其淋等，2015）。政府补助可以弥补企业研发资金不足，缓解企业研发活动所需内源融资的压力。另一方面，企业研发项目在得到政府补助的同时，也意味着要受到政府相关部门的动态监督，项目完成后，政府将组织专家开展项目验收工作。这种监督机制将有效提高企业研发积极性，从而激励企业投入更多资金进行研发创新，在一定程度上可以缓解研发活动可能面临的道德风险问题。同时，政府对企业创新项目的持续跟进也在很大程度上缓解了信息不对称问题（Le et al.，2016）。李汇东等（2013）研究发现，政府补助对债权融资与公司创新投资之间的关系存在显著的调节效应。王晓燕等（2020）的研究结果表明政府补助的增加对债权融资与我国高新技术企业研发投入之间的关系起到一定的刺激作用。基于以上分析，提出如下假设：
假设3：政府补助对内源融资与中国矿业企业研发投入之间的关系存在正向调节效应。
1.3 政府补助的信号传递效应
信号传递理论最早由斯彭斯（A. Michael Spence）提出，之后被广泛运用于组织管理领域，用于解释组织如何通过信号传递降低信息优势方与信息劣势方之间的信息不对称。企业研发项目相关信息往往被视为商业机密，加剧了企业与外部潜在投资者之间的信息不对称，使得企业很难通过外部融资渠道为其研发活动争取到充足的资金支持。
政府在选择补贴对象时，通常会组织相关领域专家对补贴申请企业的资质信息进行比较与评估，也会对企业研发项目的情况进行深度调研，并非随机选择过程。因此对于企业而言，获得政府补贴不仅会给企业带来直接的现金收益，而且向外界传递相关的利好信号，政府对企业的补贴可以看作是对企业的技术认证，以及对企业研发项目前景的肯定与扶持。这种信号作用将会在一定程度上缓解企业与外界的信息不对称，增强外部潜在投资者对企业的投资信心，从而有助于企业获取更多的外部融资。王刚刚等（2017）研究表明，政府研发补贴所释放的认证信号有助于企业获得更多的外部认证性融资。郭玥（2018）实证分析验证了政府创新补助的信号传递机制，该信号机制将为企业争取到更多的社会资源集聚。李骏等（2019）研究发现，研发补贴对于缓解企业融资约束的“信号效应”是通过降低企业与外部投资者之间的信息不对称问题进而增加更多的外源融资来实现的。夏清华等（2020）研究发现政府研发补贴通过释放有关企业的积极信号来帮助企业获取外部创新资源。基于以上分析，提出如下研究假设：
假设4：政府补助可以发挥信号传递作用，即政府补助有助于中国矿业企业获取更多的外源融资，进而促进企业研发投入。
2 研究设计
2.1 样本选择与数据来源
本文以中国矿业上市公司为研究对象，根据证监会发布的《上市公司行业分类结果》，具体包括采矿业上市公司以及制造业中的有色金属冶炼及压延加工业、黑色金属冶炼及压延加工业和石油加工、炼焦及核燃料加工业3个行业的上市公司。同时考虑到上市公司在2012年以前的研发支出数据存在较为严重的披露缺失，故本研究选取的样本期间为2012~2019年。为进一步保证数据的完整性与合理性，对样本进行如下筛选：（1）剔除样本期间内ST、*ST和PT类企业（ST：公司经营连续二年亏损，特别处理；*ST：公司经营连续3年亏损，退市预警；PT：英文Particular Transfer特别转让的缩写。依据《公司法》和《证券法》规定，上市公司出现连续3年亏损等情况，其股票将暂停上市）；（2）剔除核心变量存在严重缺失的样本；（3）剔除采矿业中从事开采辅助活动的企业。最终得到120家矿业上市公司共876个观测值的非平衡面板数据。
本文数据来源如下：企业研发投入及政府补助的数据均来自巨潮资讯网公布的上市公司年报，由笔者手工搜集和整理所得；其他变量的数据均来源于国泰安（CSMAR）数据库。
2.2 变量定义与变量说明
（1）企业研发投入（R&D）。参考已有文献的一般做法，选取研发支出与营业收入的比值来衡量企业的研发投入强度。
（2）内源融资（EnFund）。参考孙早等（2016）的研究，选取企业经营过程中积累的留存收益（包括盈余公积和未分配利润2个部分）来衡量企业可用于研发投资的内部资金。因此，本文以（盈余公积+未分配利润）与企业年末总资产的比值来衡量企业的内源融资。
（3）外源融资（ExFund）。参考李汇东等（2013）的研究，用企业筹资活动现金流净额与企业年末总资产的比值来衡量企业的外源融资。同时，以（股本+资本公积）与总资产的比值表示企业的股权融资（Equity），以（短期借款+长期借款+应付债券）与总资产的比值表示企业的债权融资（Debt）。
（4）政府补助（Sub）。通过手工搜集矿业上市公司年报中披露的“计入当期损益的政府补助”科目，得到企业政府补助数据。
（5）控制变量。本文控制如下变量：企业规模（Size）、企业年龄（Age）、股权集中度（Share）、资本密集度（Cap）和企业成长性（Growth），并控制了年度效应。
主要变量定义和计算方法列于表1中。
表1 主要变量定义
Table 1
变量 符号 | 变量名称 | 计算方法 |
|---|---|---|
| R&D | 研发投入 | 研发支出/营业总收入 |
| EnFund | 内源融资 | （盈余公积+未分配利润）/总资产 |
| ExFund | 外源融资 | 筹资活动现金流净额/总资产 |
| Equity | 股权融资 | （股本+资本公积）/总资产 |
| Debt | 债权融资 | （短期借款+长期借款+应付债券）/总资产 |
| Sub | 政府补助 | 政府补助/总资产 |
| Size | 企业规模 | 总资产的自然对数 |
| Age | 企业年龄 | 计算年－成立年，并取自然对数 |
| Share | 股权集中度 | 第一大股东持股比例 |
| Cap | 资本密集度 | 固定资产净额/总资产 |
| Growth | 企业成长性 | 营业总收入增长率 |
| Year | 年度效应 | 年度虚拟变量 |
2.3 模型设定
（1）融资渠道与企业研发投入的实证模型
为了检验融资渠道（内源融资、外源融资）对矿业企业研发投入的影响效应，构建如下面板数据模型：
式中：α0为截距；α1、α2和α3为各解释变量的回归系数；ε1为随机误差项；i表示第i个企业；t表示年份。
进一步将外源融资划分为股权融资与债权融资，考察这2类外源融资渠道对企业研发投入的影响，构建如下面板数据模型：
式中：β0为截距；β1、β2、β3和β4为各解释变量的回归系数；ε2为随机误差项。
（2）政府补助的调节效应模型
为了检验政府补助对矿业企业内源融资与研发投入之间关系的调节效应，构建如下面板数据模型：
式中：γ0为截距；γ1、γ2、γ3、γ4和γ5为各解释变量及交互项的回归系数；ε3为随机误差项。
（3）政府补助的信号传递效应模型
为了检验政府补助是否发挥了信号传递作用，采用温忠麟等（2014）提出的中介效应检验程序，构建如下递归模型来检验政府补助是否通过促进矿业企业外源融资进而影响企业研发投入。
式中：θ0、φ0和δ0为截距；θ1、θ2、φ1、φ2、δ1、δ2和δ3为各解释变量的回归系数；ε4、ε5和ε6为随机误差项。
检验步骤如下：第一步，对
3 实证分析
3.1 描述性统计
表2 变量描述性统计结果
Table 2
| 变量 | 平均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|
| R&D | 0.017 | 0.017 | 0.000 | 0.152 |
| EnFund | 0.162 | 0.142 | -0.639 | 0.554 |
| ExFund | 0.009 | 0.092 | -0.308 | 0.527 |
| Equity | 0.296 | 0.171 | 0.026 | 1.148 |
| Debt | 0.241 | 0.142 | 0.000 | 0.663 |
| Sub | 0.004 | 0.007 | 0.000 | 0.114 |
| Size | 23.310 | 1.577 | 20.015 | 28.636 |
| Age | 2.802 | 0.283 | 1.609 | 3.526 |
| Share | 43.407 | 16.698 | 3.390 | 89.990 |
| Cap | 0.317 | 0.137 | 0.000 | 0.766 |
| Growth | 0.142 | 0.789 | -0.634 | 19.702 |
3.2 回归结果分析
对模型进行了Wooldridge检验及Wald检验，结果表明存在组内自相关和组间异方差问题，为了增强模型的估计效果，采用可行的广义最小二乘法（FGLS）对本文所构建的模型进行回归分析。
（1）融资渠道与矿业企业研发投入
本文首先考察当前的融资渠道对中国矿业上市公司研发投入的影响。如表3所示，内源融资（EnFund）的回归系数显著大于零，表明内源融资对我国矿业上市公司研发投入存在显著的正向影响，内源融资越多，意味着企业经营过程中积累的留存收益越多，因此有更加充裕的资金投入到研发活动中。模型（2）和模型（3）中外源融资（ExFund）的回归系数显著为正，表明外源融资同样对我国矿业上市公司研发投入存在显著的正向影响，外源融资的增加可有效缓解企业的融资约束，进而促进企业研发投资，故假设1成立。
表3 融资渠道对企业研发投入影响的回归结果
Table 3
| 变量 | 回归系数 | |||
|---|---|---|---|---|
| 模型（1） | 模型（2） | 模型（3） | 模型（4） | |
| EnFund | 0.0043** | 0.0099*** | 0.0091*** | |
| （2.16） | （4.92） | （3.54） | ||
| ExFund | 0.0080*** | 0.0100*** | ||
| （6.58） | （8.06） | |||
| Equity | 0.0161*** | |||
| （7.25） | ||||
| Debt | 0.0028 | |||
| （1.40） | ||||
| Size | -0.3900*** | -0.4370*** | -0.4720*** | -0.2930*** |
| （-17.72） | （-20.34） | （-23.66） | （-12.46） | |
| Age | -0.4500*** | -0.6750*** | -0.5220*** | -0.4820*** |
| （-4.83） | （-5.60） | （-5.03） | （-5.62） | |
| Share | 0.0064*** | 0.0075*** | 0.0070*** | 0.0069*** |
| （2.67） | （3.13） | （2.86） | （3.05） | |
| Cap | 1.2460*** | 1.4200*** | 1.5660*** | 1.6730*** |
| （7.21） | （7.95） | （8.90） | （10.14） | |
| Growth | -0.0445** | -0.0461** | -0.0486** | -0.0416** |
| （-2.23） | （-2.31） | （-2.38） | （-2.13） | |
| year | 控制 | 控制 | 控制 | 控制 |
| cons | 10.9900*** | 12.6300*** | 12.8900*** | 8.0880*** |
| （18.06） | （23.87） | （24.71） | （12.37） | |
| Wald chi2 | 427.24*** | 656.91*** | 966.74*** | 892.46*** |
| N | 849 | 847 | 847 | 844 |
采用模型（4）进一步探究了股权融资与债权融资2类外源融资渠道对矿业企业研发投入的影响。可见，股权融资（Equity）的回归系数显著为正，而债权融资（Debt）的系数并不显著，故假设2成立。这表明企业更倾向于使用来自股权融资的资金进行研发投资，股权融资对我国矿业上市公司研发投入存在显著促进作用。正如前文所述，企业的创新研发项目难以向银行等金融机构提供固定资产进行抵押贷款，故企业可能将来自债权融资的资金更多地配置给固定资产投资。
（2）政府补助的调节效应
本文进一步探究政府补助对内源融资与矿业企业研发投入之间关系的调节作用。如表4所示，模型（6）在模型（5）的基础上加入了内源融资与政府补助的交互项（EnFund×Sub），为了不影响模型中主要解释变量的经济含义，本文对交互项进行了中心化处理。由回归结果可知，模型（6）中交互项（EnFund×Sub）的回归系数在1%的水平上显著为正，即政府补助对内源融资与矿业企业研发投入之间的关系存在显著的正向调节作用，故假设3成立。这一回归结果表明政府补助对矿业企业研发投资存在“激励”效应，政府支持可增强企业内部的研发动力，即获得的政府补助越多，企业越有动力将更多的内部资金投入到研发活动中。
表4 政府补助的调节效应检验
Table 4
| 变量 | 回归系数 | |
|---|---|---|
| 模型（5） | 模型（6） | |
| EnFund | 0.0117*** | 0.0131*** |
| （6.15） | （7.65） | |
| ExFund | 0.0105*** | 0.0109*** |
| （8.61） | （9.15） | |
| Sub | 0.0322 | 0.1620*** |
| （0.94） | （4.32） | |
| EnFund × Sub | 0.0079*** | |
| （5.14） | ||
| Size | -0.4500*** | -0.4140*** |
| （-22.24） | （-21.50） | |
| Age | -0.5130*** | -0.5340*** |
| （-5.12） | （-6.05） | |
| Share | 0.0069*** | 0.0075*** |
| （2.87） | （3.27） | |
| Cap | 1.7900*** | 1.8440*** |
| （10.26） | （11.40） | |
| Growth | -0.0471** | -0.0421** |
| （-2.35） | （-2.04） | |
| year | 控制 | 控制 |
| cons | 12.2500*** | 11.3600*** |
| （23.87） | （24.05） | |
| Wald chi2 | 991.59*** | 1 458.19*** |
| N | 847 | 847 |
（3）政府补助的信号传递效应
根据温忠麟等（2014）提出的中介效应分步检验方法，进行如表5所示的3个回归模型的检验。首先，模型（7）中政府补助（Sub）的回归系数为0.072，且在5%的水平上显著，表明政府补助促进矿业企业研发投入的总效应显著；其次，模型（8）中政府补助（Sub）的回归系数显著为正，表明政府补助能显著提高矿业企业的外源融资水平；最后，模型（9）中政府补助（Sub）和外源融资（ExFund）的估计系数均显著为正，表明政府补助通过增加企业外源融资进而促进企业研发投入的间接效应成立，即外源融资在政府补助与矿业企业研发投入之间发挥了部分中介作用。该中介效应数值大小为0.0112，占总效应的16%，假设4得到验证。这一结果体现了政府补助对企业研发投入的直接补充和对外部投资的间接带动，政府补助发挥了信号传递的作用。
表5 政府补助的信号传递效应检验
Table 5
| 变量 | 回归系数 | ||
|---|---|---|---|
| 模型（7） | 模型（8） | 模型（9） | |
| Sub | 0.0721** | 0.5960** | 0.0778** |
| （2.29） | （2.09） | （2.09） | |
| ExFund | 0.0188*** | ||
| Size | -0.3350*** | -0.3950*** | -0.3000*** |
| （-24.40） | （-3.54） | （-12.93） | |
| Age | -0.0771 | -5.8460*** | -0.1530*** |
| （-0.75） | （-7.25） | （-3.38） | |
| Share | 0.0051** | -0.0311*** | 0.0066*** |
| （2.03） | （-2.76） | （2.70） | |
| Cap | 1.2110*** | -13.8700*** | 3.0220*** |
| （6.75） | （-8.18） | （17.57） | |
| Growth | -0.0605*** | 1.0920*** | -0.0840*** |
| （-2.98） | （3.93） | （-4.14） | |
| cons | 9.4960*** | 28.6300*** | 9.0970*** |
| （30.40） | （8.99） | （19.66） | |
| Wald chi2 | 4 334.24*** | 176.67*** | 4 850.65*** |
| N | 849 | 851 | 847 |
3.3 稳健性检验
（1）分样本讨论。为检验本文实证结果的稳健性，根据证监会关于上市公司行业分类结果，将矿业上市公司划分为采矿业与制造业2类，其中制造业上市公司整体研发投入强度要高于采矿业上市公司。故选取矿业上市公司中的制造业上市公司对本文研究假设做进一步检验，回归结果表明本文的研究结论具有较好的稳健性（限于篇幅，此处省略稳健性检验内容）。
（2）调整变量定义。借鉴鞠晓生（2013）的研究，改变内源融资（EnFund）的度量方法，使用企业现金流量表中的“现金及现金等价物净增加额”与总资产的比值作为内源融资的替代指标。同时，使用现金流量表中的“吸收权益性投资收到的现金”与总资产的比值作为股权融资（Equity）的替代指标，由现金流量表中的“取得借款收到的现金”与总资产的比值作为债权融资（Debt）的替代指标，重新进行回归分析。回归结果与上文基本一致，表明模型具有稳健性。
4 结论
矿业是我国国民经济的基础产业，矿业产业创新能力的提升对国民经济发展具有重要意义。本文在文献回顾与理论分析的基础上，利用2012~2019年我国矿业上市公司的面板数据作为研究样本，深入探讨了融资渠道、政府补助与矿业企业研发投入之间的关系。研究表明：
（1）内源融资和外源融资均能显著促进我国矿业上市公司研发投入。进一步划分外源融资的来源渠道发现，股权融资显著促进了矿业企业研发投入，而债权融资则不具有显著影响。
（2）政府补助对矿业企业内源融资与研发投入之间的关系具有显著的正向调节效应，即获得的政府补助越多，企业越有动力将更多的内部资金投入到研发活动中。
（3）政府补助能发挥信号传递效应，即政府补助有助于矿业企业获取更多的外源融资，进而促进企业研发投入的中介作用路径成立。
基于以上研究结论，得到如下启示：
（1）矿业企业应强化自身信息披露机制，增加研发项目相关信息的披露，减少企业与外界的信息不对称，争取得到更多外部潜在投资者的支持。
（2）政府应重视提升我国金融发展水平，完善金融结构体系，将发展直接融资放在重要位置，大力发展资本市场，着力促进金融体系结构向股权融资转型，从而促进金融资本与实体企业深度融合。
（3）在政府补助的运用上，可以通过优化对创新补助项目的筛选标准及程序，设计相应的事后监督机制，确保筛选过程和评价结果具有高度的公信力和认可度，使政府补助能够更好地发挥信号传递效应，发挥政府补助的资本引导作用。充分利用政府这只“看得见的手”，从而更好地促进市场这只“看不见的手”为企业创新增添动力。
http://www.goldsci.ac.cn/article/2021/1005-2518/1005-2518-2021-29-3-457.shtml
参考文献
Persistence in R&D performance and its implications for the granting of subsidies
［J］.
The role of public loans in financing business R&D through the economic cycle
［J］.
Financing innovation and growth：Cash flow，external equity，and the 1990s R&D boom
［J］.
Do financing constraints matter for R&D？
［J］.
R&D subsidies and private R&D expenditures：Evidence from Italian manufacturing data
［J］.
The possible adverse impact of innovation subsidies：Some evidence from Italy
［J］.
Signal transmission mechanism of government innovation subsidy and enterprise innovation
［J］.
Too much liquidity？ Seemingly excess cash for innovative firms
［J］.
Output additionality of public support for innovation：Evidence for Irish manufacturing plants
［J］.
Financing structure，financing constraints，and enterprise innovation investment
［J］.
Financing source and smoothing mechanism of innovation investment of listed enterprises in China
［J］.
The impact of R&D subsidy on innovation：Evidence from New Zealand firms
［J］.
External financing，R&D intensity，and firm value in biotechnology companies
［J］.
Bank-based or market-based financial systems：Which is batter？
［J］.
Use your own money or use other people’s money to innovate？——Based on the research of financing structure and corporate innovation of Chinese listed companies
［J］.
R&D subsidies and financing constraints：Based on the signaling theory
［J］.
Financing channels and innovation investment
［J］.
The effect of government subsidy on firms’ new product innovation—An analysis based on the moderate interval of subsidy intensity
［J］.
Corporate financing decisions when firms have information investors do not have
［J］.
Financing structure and innovation—Evidence from A-share of listing corporation of strategic emerging industries in China
［J］.
R&D financing and growth
［J］.
Reconsider incentive mechanism of R&D subsidy policy—Based on exploration for external financing incentive mechanism
［J］.
Government intervention，external investment and business independent innovation from the signaling perspective
［J］.
An empirical study of the influence of external financing on enterprise R&D investment：Based on the system GMM estimation of dynamic panel
［J］.
Analysis of mediating effects：The development of methods and models
［J］.
Research on Debt Financing Risk of Mining Enterprises Under the Influence of Monetary Policy
［D］.
Do government subsidies stimulate enterprises’ innovation—The perspective of signal theory
［J］.
The effects of bank competition on firm R&D investment：An inverted-U relationship
［J］.
Government subsidies and enterprise decision of social capital investment—Evidence from strategic emerging industries
［J］.
Financing development，financing constraint and R&D investment of strategic emerging industries in China
［J］.
Financing structure，government subsidy and company R&D investment— Research based on threshold regression model
［J］.
Financing R&D in Chinese private firms：Business associations or political connection？
［J］.
The influence of government subsidy on R&D investment of enterprises —Based on the threshold analysis of Chinese industrial enterprise database
［J］.
Financing constraints，financing channels and R&D investment of enterprises
［J］.
A research on the effect of equity and debt financing on technological innovation performance
［J］.
Technological innovation，equity financing and financial structure transformation
［J］.
政府创新补助的信号传递机制与企业创新
［J］.
融资结构、融资约束与企业创新投入
［J］.
中国上市企业创新投资的融资来源与平滑机制
［J］.
用自己的钱还是用别人的钱创新？——基于中国上市公司融资结构与公司创新的研究
［J］.
研发补贴与融资约束：信号效应的检验
［J］.
企业融资渠道与创新研发投资
［J］.
政府补贴对企业新产品创新的影响——基于补贴强度“适度区间”的视角
［J］.
融资结构与企业自主创新——来自中国战略性新兴产业A股上市公司的经验证据
［J］.
R&D补贴政策激励机制的重新审视——基于外部融资激励机制的考察
［J］.
政府干预、外部投资与企业自主创新——基于信号传递视角的研究
［J］.
外部融资对企业研发投入的影响实证研究——基于动态面板数据的系统GMM分析
［J］.
中介效应分析：方法和模型发展
［J］.
货币政策影响下的矿业企业债务融资风险研究
［D］.
政府研发补贴促进企业创新了吗——信号理论视角的解释
［J］.
政府补贴与企业社会资本投资决策——来自战略性新兴产业的经验证据
［J］.
融资结构、政府补助与公司研发投入——基于门槛回归模型的研究
［J］.
政府补贴对企业研发投入的影响——基于中国工业企业数据库的门槛分析
［J］.
融资约束、融资渠道与企业R&D投入
［J］.
股权与债权融资对技术创新绩效的影响研究
［J］.
技术创新、股权融资与金融结构转型
［J］.
甘公网安备 62010202000672号