《数字金融对企业研发成本黏性的影响研究.docx》由会员分享，可在线阅读，更多相关《数字金融对企业研发成本黏性的影响研究.docx（11页珍藏版）》请在三一办公上搜索。
1、第40卷第4期2023年7月Vol. 40 No. 4Jul. 2023经济经纬ECOnOmiCSUrVey数字金融对企业研发成本黏性的影响研究侯世英，宋良荣（上海理工大学管理学院，上海200093）88888888888888888888888888888888888888888888888888摘要：基于成本黏性视角，以2013-2020年沪深A股上市公司为研究对象，研究了数字金融对企业研发成本黏性的影响机制及效应。研究结果表明:数字金融抑制了企业研发成本黏性，其中数字金融对东部企业和非国有企业研发成本黏性的抑制作用更加明显，在经过内生性检验、替换核心变量、联合固定效应等一系列稳健性检验后
2、这一结论仍然成立.机制检验发现：资本配置效率和信息透明度在数字金融对企业研发成本黏性的影响中具有部分中介效应，数字金融通过提升资本配置效率和提高会计信息透明度抑制了企业研发成本黏性.效率检验发现:企业研发成本黏性对企业创新质量具有显著的抑制作用，而对企业创新数量影响不明显，数字金融有助于降低企业研发成本黏性，从而提升企业创新质量,本文的研究结论深化了成本视角下对企业研发创新的理解，并对推动数字金融赋能企业创新降成本和促进企业高质量发展具有现实意义.关键词：数字金融；企业研发；成本黏性；路径机制；效率检验基金项目：中国博士后科学基金项目（2022M722147）;国家自然科学基金项目（71871
3、144）作者简介:侯世英（1992-）,男，河南禹州人，博士，讲师，主要从事数字经济与企业创新研究；宋良荣（1966-）,男，湖南新田人，赦授，博士生导师，主要从事数字金融与创新管理研究.中图分类号:F832文献标识码:A文章编号:1006-1096（2023）04-0138-11收稿日期:2022-12-1788888888888888888888888888888888888888888888888888创新是驱动我国经济发展由高速度增长向高质量增长转型的核心动力，提高创新质量、解决关键技术问题是实现双循环战略目标的重要前提。但由于研发活动具有高投入、高风险及不确定性较强等特征,企业研发投
4、资存在较强的融资约束o因此，有效降低企业创新成本，实现企业研发创新的高质量发展是当前需要关注的焦点问题。从成本管理的视角来看，企业成本与业务量之间存在线性对称关系，业务量的增减会对企业成本产生等量增减的影响；但在实际经营过程中业务量与成本之间却存在非对称线性关系，其业务量增加引起的成本增加比率要大于业务量减少引起的成本减少比率，即存在成本黏性效应（AnderSOnetal,2003）对于企业研发成本而言，研发成本黏性主要体现在企业研发投入的变动上，即业务量上升时研发投入的增加比例大于业务量减少时研发投入的减少比例，造成业务量与研发投入的非对称性增长，引发了研发成本黏性效应（胡华夏等,2017）
5、。考虑到企业研发周期长、风险大的特性,如果企业依照经营绩效对研发成本进行反黏性的等比例调整，很可能会造成后期研发投入不足或前期投入资源的浪费，进而不利于企业创新的可持续发展。研发投资的成本黏性对企业自有资金和经营绩效产生较大的压力，尤其在面临融资约束时表现更明显（李四海等，2016）。因此,在研发黏性效应影响下，降低企业研发成本，提高研发资本利用效率，探寻多元化新型融资模式，是企业高质量发展需要关注的重点问题。数字金融作为数字技术与传统金融深度融合的创新产物为企业融资提供了新的路径和方向。第一，数字金融依靠云计算、大数据技术重塑了传统金融生态，不仅提高了金融服务实体经济的能力和效率，还降低了金
6、融服务的门槛，拓宽了企业融资渠道（唐松等，2020）,这对于缓解企业融资约束难题具有积极影响。第二，数字金融靶向性的特质对于纠正传统金融体系下的金融歧视具有积极影响，并为企业提供更多的市场化融资机会，有效降低企业融资成本（万佳我等,2020）。第三，数字金融通过对海量数据的挖掘分析可以解决融资市场中信息不对称的难题，这对投资者和融资企业的信息分析、科学决策及经济趋势判断具有积极意义（Gomberetal,2018）,能提升企业资本配置效率，降低企业融资风险（唐松等，2019）结合企业研发投入来看，数字金融带来的融资优势对企业研发投资是一个良好的补充（车德欣等，2022）,这对于维持周期内企业研
7、发投资的平滑发展是有益的。同时，基于实时大数据分析的金融服务为企业研发与市场间形成了科学的信息传递平台，这为企业研发投资的阶段调整提供了动态现实依据，进而提升了企业研发投资决策的科学性。那么，数字金融是否影响了企业研发成本黏性？数字金融影响研发成本黏性的路径机制是怎样的？在企业持续的研发投入下，研发成本黏性会对企业创新产生怎样的影响？明确这些问题有利于从成本管理角度更好地理解数字金融对企业研发创新的作用，并为有效降低企业研发创新成本及提升创新绩效提供有利的经验支撑。因此，本文聚焦于数字金融与企业研发成本黏性的相关问题，主要研究数字金融影响企业研发成本黏性的影响机制及产生的现实影响，意图为数字金
8、融赋能实体创新提供新的思路和建议。一、文献综述研发投资的成本黏性效应主要体现在企业研发投入与主营业务收入的非线性关系中（汪方军等，2018）现有研究对于研发成本黏性效应的研究主要集中在调整成本、管理者预期和代理冲突三方面。第一，调整成本主要是企业依照现有资源水平做出的资源配置决策，当企业调整成本大于维持研发资源投入的费用时，企业往往不会快速对研发资源投入进行调整，这也是产生研发成本黏性的主要动因（Ander-sonetal.2003）o另外，企业研发活动在前期需要投入大量的资金和较多的研发人员，并且给企业带来实际经济效应所耗费的时间较长,盲目进行研发投入压缩势必会产生较高的调整成本（Himme
9、Ibegretalf1994）如果企业为了节约调整成本继续维持高强度研发投入，那么产生的成本黏性效应也更强（孙林杰等,2022）o第二,基于管理者预期角度的研究主要是围绕管理者行为偏好对研发成本黏性的影响展开在乐观预期和过度自信的驱使下管理者认为继续维持高水平的研发投入可以为企业后续的发展提供更大的助力（梁上坤,2018）。当企业经营收入上升时,管理者会对未来市场环境做出乐观的估计并加大研发投入;当经营收入下降时,管理者会认为下降是暂时的,并基于风险投资偏好和未来高收益的预期做出维持研发投入水平的决策,这都会导致经营收入与研发投资的非对称性增减,进而产生较强的研发成本黏性效应（Bankeret
10、al,2006）0第三,代理冲突主要是在企业经营权和所有权分离的基础上，管理者基于自利的动机对研发投资做出违背成本惯性的行为（Chenetal,2012）.在企业经营中，管理者为了谋取更大的权利、薪酬及地位等个人利益（于浩洋等，2019）,在业务量上升时会加大研发资源的投入，甚至偏离了最优资源配置规模产生无效投资（Hopeetalf2008）;而在经营绩效不佳时,又不愿意缩减研发投资，最终产生了显著的研发成本黏性效应（赵璨等,2020）。另外,高管团队异质性,CEO权力都会通过代理冲突影响企业成本黏性（黄蕾，2019）.有部分学者从内部控制制度、客户集中度等视角研究了企业成本黏性的相关问题（耿
11、云江等，2019;江伟等,2017）,Anderson等（2003）和WeiSS（2010）分别提出了成本黏性的具体计算方法。对于研发成本黏性的经济效果现有研究存在较大争议，部分学者认为高黏性造成了资源浪费，降低了企业经营绩效，并在业绩下滑时容易引发投机行为（权小锋等，2022;李四海等，2016）;另一部分学者认为研发成本黏性为企业业绩下滑时研发投资的平滑增长提供了投入保障（谢乔昕等,2022）。金融发展对企业研发创新的影响一直是学者们关注的焦点问题。基于金融发展理论的研究成果表明，金融体系的结构调整和金融市场规模扩大有利于提高企业直接融资的比例，降低融资成本，为企业研发创新提供更丰富的金融
12、资源（白俊红等，2021）。然而,数字金融作为金融发展的新业态，其作用不仅体现在对传统金融体系的优化，还革新了金融服务模式，并产生了增量补充的积极影响（唐松等，2020）。数字金融的普惠性、靶向性及大数据的特性能有效降低企业研发融资的门槛，提高金融服务实体的深度和范围，为创新型企业获取低成本的市场融资提供了机遇（万佳或等，2020）。同时,与传统金融发展相比,数字金融创新衍生出的新金融工具及数字信息技术的应用在构建企业多元化融资渠道，打破融资市场信息不对困境和降低企业融资风险和成本等方面更具有显著优势（吴非等，2021）。另外，姜婷凤等（2020）基于价格黏性角度分析了数字经济对货币政策的膨响
13、，结果发现数字经济弱化了货币政策的黏性效果；并且互联网和智能化对成本黏性具有抑制效应（李婉红等，2022）,但研发成本黏性对企业专利产出具有促进作用。整体来看，现有成果对企业成本黏性和数字金融对企业研发投资的影响都进行了较为丰富的研究.但现有成果的研究主要集中在成本黏性的动因和数字金融缓解企业融资约束的方面，缺乏数字金融对企业研发成本黏性影响机制的直接研究.另外，在成本管理中企业研发和正常业务经营所表现出的成本特征是有较大差异的，普通业务成本直接影响了企业的经营绩效，而研发作为企业创新的初始阶段还需要通过成果转换产生经营绩效，而现有研究聚焦于融资约束并不能真实反映数字金融影响企业研发成本黏性后
14、对企业创新结果产生的影响。因此，本文以数字金融对企业研发成本黏性的影响机制为研究主体，主要研究数字金融对企业研发成本黏性的影响、基于资源配置和信息传递的视角揭示数字金融影响企业研发成本黏性的路径机制和基于效率检验视角研究数字金融影响研发成本黏性后对企业创新数量和创新质量的影响差异。与现有研究成果相比，本文的边际贡献主要体现在：第一，在研究内容上，基于成本黏性理论研究了数字金融对企业研发成本黏性的影响机制，从成本管理视角拓展企业创新发展的相关理论，相比仅考虑企业融资约束的相关成果，本文对研发成本黏性的研究更加具体深入。第二，在机制分析上，基于资源配置效率和信息透明度的路径研究数字金融影响企业研发
15、成本黏性的中介效应，明确了数字金融影响企业研发成本黏性的具体路径，丰富成本黏性理论在企业研发成本管理领域内的应用。第三，基于效率检验视角研究数字金融影响研发成本黏性后对企业创新效果的影响差异，这有助于科学解释数字金融对企业创新的具体影响，并明确企业研发成本黏性对企业创新数量和质量的现实作用二、理论机制与研究假设企业研发成本与其他业务成本具有较大异质性，更多的资金需求，更长的研发周期，更大的不确定性导致企业研发成本黏性特征更突出（孙林杰等,2022）由于研发投入具有显著的周期性特征,在企业经营业绩较优时，增加研发投入可以维持市场领先优势，以便获取更大的价值收益，这也是研发投入与经营绩效存在顺周期
16、经济特征的主要原因o当经济状况较差时，为了维持日常经营往往会采取压缩费用支出的方式降低经营成本，研发投入的价值转化存在滞后性，缩减研发投入成为企业压缩成本的重要方法o但在实际经营过程中，基于调整成本、市场竞争和未来价值收益的考量，企业往往希望维持研发投入的平滑增长,这就使企业研发投入存在易升难降的阶段差异特征，最终导致研发投入与业务增减之间存在非对称的关系（汪方军等，2018）。基于成本黏性效应理论可知，调整成本、管理者乐观预期及代理成本是影响企业成本黏性的基本因素。数字金融的功能优势可以靶向的影响调整成本、管理者预期及代理冲突。第一，数字金融具有高效率、低成本及规模化的融资优势。一方面，它通
17、过缓解传统金融资源的信贷歧视,提高了信贷资源的可获得性（唐松等,2019）；另一方面，它将更多的投资者纳入到了统一的金融市场中,降低了资本交易成本。这种规模化、低成本的资本补充不仅有效缓解了企业研发融资困境,提高了研发资源的流动性，还压缩了冗沉资源规模，降低了企业研发融资的边际成本，最终有助于降低企业研发投资的调整成本（赵璨等,2020）。第二，数字金融作为数字技术与传统金融服务的结合可以降低企业创新市场中的信息不对称程度（侯世英等,2020）。在公开、透明、高效的数字化融资平台影响下,不仅企业研发融资的信号和专利交易信息更容易被识别，并且海量信用数据的抓取也可以科学分析出企业创新项目竞争力、
18、消费者需求及市场空间，进而为企业研发投资决策提供科学依据（Gomberetal,2018）这对于限制管理层的自由裁量权,抑制基于管理者个人利益的逆向选择行为有效降低代理成本具有积极作用。第三，在数据化、智能化的技术驱动下数字金融工具的创新应用可以提高创新主体投融资的精准度，大数据模型和智能分析工具不仅可以及时抓取动态市场信息，还能有效甄别企业研发创新流程中的风险（Dorantesetal,2013）依照动态市场信息对企业研发、生产、销售的经济效益的预测有助于实现企业研发资源投入的灵活调整，这对于管理者盲目乐观或过于谨慎的行为决策具有显著的纠偏作用（洪等,2021）因此，在企业研发投资过程中，数
19、字金融对调整成本、代理冲突及管理者预期都具有一定的影响。当业绩上升时，为了维持领先的市场竞争优势，企业会持续增加研发投资；而当企业经营不佳时，数字金融对调整成本、代理成本及管理者乐观预期的抑制作用会促使企业及时调整研发资源的投入，这会降低业务量波动与研发投资的非对称性，进而抑制企业研发成本黏性效应。基于上述分析本文提出如下假设。假设1：数字金融对企业研发成本黏性具有抑制作用O数字金融影响企业研发投资的成本黏性的具体路径主要分为以下两方面。从资源配置角度来看，调整成本、管理者预期和代理冲突作为成本黏性的三个基本动因都是管理者基于主客观利益做出的资源配置行为。当资源充裕时，研发创新作为企业维持市场
20、竞争地位的关键举措，企业会进一步加强研发投入谋取竞争优势(Bankeretal,2013)。当资源不足时,企业基于高调整成本、管理者乐观预期和自利动机的考虑，无法及时有效调整研发投入(张路等，2019),这不仅导致研发资源配置效率低下，也导致了明显的研发成本黏性效应。因此，资源配置在企业研发成本黏性效应中十分关键。数字金融的发展可以有效解决金融资本供需失衡的问题.数字金融优化了金融生态环境，普惠性引致的长尾效应，数字化、信息化平台的中介效应都提高了市场中金融资本的供需匹配度，这对于弥补企业研发投资缺口，实现研发资源的增量补充，降低研发融资成本具有积极意义o并且数字金融靶向性的投资方式也可以对管
21、理者投资错配行为产生外部监管效应，进而提高企业对所获取的外部资本的配置效率(周铭山等，2017)。随着资本配置效率的提升，企业可以及时调整内外部资本配置，并合理规划不同业务阶段中研发投资的规模和强度，降低过度投资，减少资源冗沉,进而降低了企业研发投资的非对称性。基于此，本文提出如下研究假设。假设2:数字金融通过提高资本配置效率抑制企业研发成本黏性。从信息传递角度来看，企业研发投入的调整行为都是基于即时市场信息和财务信息进行的决策(李英利等，2019)。当信息透明度较高时,企业可以精准对经济环境、自身财务状况及新产品的市场前景进行判断，进而科学调整研发投入强度以保证企业整体经营的稳定；当信息透明
22、度较低时，信息不对称程度较高，管理者的乐观预期和自利行为极易引致过度投资或产生道德风险o数字金融更注重数字信息在金融服务中的应用，它通过对财务信息、业务信息及行为信息的挖掘分析为管理者的决策提供真实客观的数据支持，提高了管理决策和企业财务的信息透明度，进而对低效率的投资行为产生纠偏效应，规范管理者行为(Dorantesetal,2013)另外,企业经营信息透明度的提升有助于向市场传递企业研发质量的关键信号，市场对企业的信用评级也更加客观真实，有效市场信息的反馈会影响管理者研发投资决策(李英利等，2019)。同时,基于数字信息技术的金融中介平台对市场主体的信息披露有着更高的要求(GoIdStei
23、netal,2019)。企业想要成功获取外部资金对其研发项目的支持，就需要提供高质量的企业经营信息。随着企业信息透明度的提高，企业获取低成本研发融资的概率也将增加，这有助于降低企业研发项目的调整成本o因此,信息透明度对于企业研发投资的动态调整也是十分关键的，尤其是在数字金融的驱动下企业经营信息透明度的提升会影响企业研发投资的非对称性。基于此，本文提出如下假设。假设3:数字金融通过提高企业经营信息透明度抑制企业研发成本黏性。三、研究设计(一)模型构建为研究数字金融对企业研发成本黏性的影响，本文建立基准线性回归方程(1)来验证假设1:Stickyil=G+1dfit+controlslt+l+it
24、(1)其中，sticky代表企业研发成本黏性,df代表数字金融指数,controls为控制变量J代表企业,t代表时间，代表个体效应,人代表时间效应,却代表随机干扰项。同时,为了分析数字金融影响企业研发成本黏性的路径机制，检验假设2和假设3,本文参考温忠麟(2004)做法构建了公式(2)(3)进行机制检验oMt=+dfrt+28trol*+t+it(2)Stickylt=0+1dflt+2medlt+3ntrot+t+it(3)(二)变量选取1 .被解释变量企业研发成本黏性(StiCky)为本文的被解释变量，对研发成本黏性指标的衡量本文采用WEISS模型来进行计算，具体如公式(4)所示：Stic
25、kyit=log(costsale)ia-log(costsale)jb(4)其中,a,b分别表示企业在第t年中营业收入最近上升的季度和营业收入下降的季度，Acost为企业在该季度相较于前一季度研发支出的变动量，asale为企业在该季度相较于前一季度营业收入的变动量。当sticky大于O时，表明业务量上升期研发成本变动比率大于减少期研发成本变动比率,即企业存在研发成本黏性。虽然WEISS模型可以定量测算成本黏性指数，但对数据要求较高（当变动量符号相反时赋值为O后，再进行对数处理），并无法准确识别周期性问题。本文在稳健性检验中进一步利用Anderson（2003）基于的年度数据构建的经典成本黏性
26、模型进行稳健性分析。2 .解释变量数字金融（df）为本文的核心解释变量.对于数字金融指数的测算.本文借鉴北京大学互联网金融研究中心发布的数字金融指数来表示数字金融变量.并依照样本区域进行了匹配。3 .中介变量依照前文理论分析本文选取资本配置效率（rae）、信息透明度（it）作为中介变量进行路径机制检验。其中,资本配置效率参考祁怀锦等（2019）的做法，通过企业当期总资产收益率与资本成本率的比值来测算。信息透明度参考李英利等（2019）的做法利用会计信息质量表示，具体依照沪深证券交易所对上市公司信息质量的考核结果，将年度考核结果（A、B、C、D）分别赋值为4、3、2、1。4 .控制变量本文主要结
27、合宏观经济特征和企业个体特征选取了控制变量。经济环境用区域经济增长率（gdp）表示；企业规模（SiZe）利用当期总资产表示；资本密集度（Ci）通过当期末总资产与营业收入的比值表示；资产负债率（debt）通过企业负债总额与总资产的比值计算；独董占比（di）主要指独立董事人数占所有董事的比例；资产结构（as）利用固定资产与总资产的比值衡量。（三）样本与数据来源本文以2013-2020年沪深A股上市公司为研究样本.考虑到企业数据的完整性，剔除样本期内出现ST、*ST、PT的企业、数据缺失和金融类的企业,最终得到13721组样本数据。其中，公司财务的相关数据主要通过WIND数据库,CSMAR数据库以及
28、上市公司年报进行搜集获取。数字金融指数的数据主要结合北京大学数字金融研究中心编制的数字金融指数与企业所在区域进行匹配后手工计算。另外，为避免极端值影响,本文对变量进行1$分位及99$分位的Winsorize处理.方差膨胀因子检验结果显示变量VIF值都小于5.表明不存在多重共线问题。表1为本文变量的描述性统计结果。表1描述性统计结果变量样本值均值标准差最小值展大值sticky13721O.046O.021O.0040.072df137215.591O.2724.9566.035rae13721O.362O.827-2.8162.510it137212.972O.6811.OOO4.OOOsize
29、1372122.3651.13018.16825.627ci137212.5391.812O.61911236debt13721O.387O.214O.0480.936as13721O.169O.120O.0040.527di13721O.359O.062O.2000.718gdp137216.9632.0891.OOO11OOO四、模型结果及分析（一）基准回归结果分析为验证假设1,本文利用前文所构建的模型（1）进行实证分析。同时，Hausman检验结果（PrObchi2=0.0001）拒绝随机效应原假设，这表明本文采用固定效应模型更加有效。表2显示了数字金融对企业研发成本黏性的回归结果。由表
30、2可知，数字金融变量系数为-0.0319,并通过了1$水平的显著性检验，这表明数字金融对企业研发成本黏性具有抑制作用，即数字金融的发展降低了企业业务量变动与研发投入的非对性波动。这主要是因为在企业研发投资过程中，数字金融的外部融资优势和信息优势提高了研发投融资、市场空间及管理者行为决策的紧密度，这使得企业对研发资源投入的阶段调整和市场前景的预测更加精准、客观、及时，最终有利于降低了研发成本黏性。同时，在加入控制变量后,数字金融变量的系数为-00438,也142通过了1$水平的显著性检验，这表明在控制其他影响因素后，数字金融仍对企业研发成本黏性具有抑制作用,假设1得以论证。另外，观察控制变量系数
31、可以发现，企业规模、资本密集度、资产负债率、资产结构和区域经济增长率的系数为正，这表明经济环境、企业规模、资本结构等因素会刺激企业研发成本黏性，这可能与企业研发的高调整成本相关。而独立董事占比变量的系数为负，表明它抑制了企业研发成本黏性。表2数字金融对企业研发成本黏性的影响变量(1)sticky(2)stickydf-0.0319-0.0438(-9.27)(-7.66)size0.00490(2.06)ci0.0168w(18.13)debt0.4517(4.73)as0.0572(3.29)di-0.1019-(-2.08)gd0.0241(3.52).cons-0.0127o-0.013
32、1(-7.11)(-3.17)时间效应YESYES个体效应YESYESN1372113721Adj-R20.3290.361F统计IR81.1586.93注：*、*、*分别表示在10%,5%、1%的水平下显著。下表相同（二）内生性检验为了缓解内生性问题带来的影响.本文利用工具变量法进行内生性检验。依照工具变量的选取原则本文选取互联网普及率（internet）作为工具变量，这主要是因为互联网作为数字经济的主要载体，互联网普及率与数字金融基础设施建设密切相关，而互联网普及率与企业研发成本黏性之间不存在直接的影响路径（赵璨等，2020）,这满足了相关性和外生性原则。另外，表3中第一阶段F统计量为37
33、.25,远大于10.这表明不存在弱工具变量问题。表3结果表明引入工具变量后数字金融变量系数仍显著为负，表明数字金融仍对企业研发成本黏性具有促进作用。表3内生性检验变量（1）第一阶段回归结果df（2）第二阶段回归结果stickyinternet2.05713(4.78)df-0.0427E(-6.52)控制变量YESYES时间效应YESYES个体效应YESYESN1372113721第一阶段F值37.25Cragg-Donaldaid值82.50（三）稳健性检验为了进一步验证研究结论的稳健性，本文还利用替换变量方法和时间行业的联合固定效应进行了稳健性检验。利用AnderSOn等（2003）构建的
34、成本黏性模型对被解释变量的计算方法进行替换检验（如公式5所示），这可以降低企业销售周期和数据统计误差对基准结果带来的偏误。Costjt=0+1Saleit+2SaleilO3SalitDdflt+以dfit+5controlit+ju1+l+it（5）公式中，Costit为t年度i企业的研发投入成本,Costit二,。Sat为t年度i企业销售收入，Saleit=In,为虚拟变量,当t年度企业销售收入大于t-1年度取0,反之为1。不同于WEISS成本黏性模型，当切2显著为负，代表业务量增加时研发成本提升比率大于业务量减少时研发成本降低比率，成本黏性是显著存在的。当0）3显著为正时，表明数字金融对
35、研发成本黏性具有抑制作用。表4列（1）为更换研发成本黏性计算模型后的回归结果。由于金融科技和数字金融具有明显的同质性，本文参考侯世英（2020）的方法用金融科技指数来替换数字金融变量进行回归检验。表4歹U（2）为金融科技指数（fintech）作为替换解释变量的回归结果，歹I（3）为时间行业的联合固定效应（时间效应X行业效应）的回归结果。结果表明，更换研发成本黏性模型后数字金融交互项的系数显著为正，替换解释变量后和联合固定效应下数字金融的变量系数仍显著为负，说明数字金融抑制了企业研发成本黏性。这与本文的研究结论相符合，研究结论具有稳健性。表4稳健性检验变量（1）替换研发成本黏性模型Cost（2）
36、替换解释变量sticky（3）联合固定效应stickySale0.8725(5.23)SaleD-0.0619*4(-2.38)SaleDdf0.0407(3.15)fintech-0.0386,(-4.57)df-0.0392,(-2.35)控制变贵YESYESYES时间效应YESYESYES个体效应YESYESYES时间X行业NoNoYESN137211372113721Adj-R20.4280.3170.321F统计量92.5771.5282.29（四）异质性分析为进一步明确数字金融对企业研发成本黏性的异质性影响，本文依照企业所处的区域经济环境特征和企业产权性质进行了分组异质性检验。依照
37、企业所处区域将研究样本分为东、中、西三个区域进行区域异质性分析，并按企业产权性质将研究样本分为国有企业和非国有企业两种进行产权异质性分析，回归结果如表5所示。异质性检验结果表明，在东部和中部区域数字金融对企业研发成本黏性的抑制作用是显著的，但在西部区域数字金融变量的系数虽然为负但未通过显著性检验。考虑到我国东部区域数字金融发展程度较高.而西部区域相对较低，这也进一步验证了数字金融对企业研发成本黏性的抑制作用。在产权异质性分组检验中，数字金融对国有企业和非国有企业的研发成本黏性都产生了显著的抑制作用，但对非国有企业的边际影响更大，表明数字金融对非国有企业研发成本黏性的影响更加突出，这与数字金融具
38、有较强市场化的特征是相符的。（五）影响机制分析为了明确数字金融影响企业研发成本黏性的路径机制，论证假设2和假设3o利用前文理论分析并结合所构建的中介效应模型来检验资本配置效率（rae）和信息透明度（it）在数字金融影响企业研发成本黏性的中介效应，具体结果如表6所示。表5异质性分析(1)(2)(3)(4)(5)变量东部中部西部国有企业非国有企业StiAystickystickystickystickydf-0,0427-0.0307*-0.0286-0.0352-0.0517,(-3.25)(-1.97)(-1.48)(-5.29)(-6.18)控制变量YESYESYESYESYES时间效应YE
39、SYESYESYESYES个体效应YESYESYESYESYESN79524116165344359286AdJ-R20.3280.3210.3300.3460.352F统计量75.3172.6273.2580.8480.84表6路径机制检验结果(1)(2)(3)(4)raestid(yitstickydf0.1367,-0.0346-0.1086-0.0381*(4.01)(-2.79)(2.21)(-2.37)rae-0.0673*(-2.27)it-0.0525(-3.41)控制变量YESYESYESYES时间效应YESYESYESYES个体效应YESYESYESYESN13721137
40、211372113721Adj-R20.5290.3740.4770.381F统计量86.5180.1872.2678.30在表6结果中，列（1）考察了数字金融对中介变量企业资本配置效率的影响，数字金融的系数为01367,并通过了隔的显著性检验，这表明数字金融对企业资本配置效率的提升具有积极作用。歹U（2）结果中,数字金融变量系数为-0.0346,资本配置效率变量系数为-0.0673.两者分别通过了设和5%的显著性水平检验，这表明存在资本配置效率的部分中介效应，随着资本配置效率的提升,企业可以及时调整内外部资本配置,并合理规划不同业务阶段中研发投资的规模和强度,降低过度投资,减少资源冗沉.进而
41、降低了企业研发投资的非对称性。因此，数字金融通过提升企业资本配置效率抑制了企业研发成本黏性,假设2得以证实。列（3）（4）分别展示了信息透明度中介效应的检验，其中关键变量都通过了显著性检验，这表明信息透明度的部分中介效应也是存在的。具体来看，在列（3）中数字金融变量的系数为0.1086,并通过了5$显著性检验，这表明数字金融对企业会计信息透明度具有提升作用，结合列（4）结果中信息透明度变量系数可以发现，信息透明度的提升也抑制了企业研发成本黏性.总体而言数字金融通过提升信息透明度抑制了企业研发成本黏性，因此假设3也得以证实。（六）进一步讨论：基于企业创新效果的检验研发成本黏性是企业基于成本管理角
42、度在不同阶段和不同时期内对研发投入的调整。但要注意的是企业研发投资的目的在于创新出高质量的专利技术，并转化为经济效益，进而帮助企业在市场竞争中获取有利的市场地位。那么，企业的研发成本黏性对企业创新产出到底产生了怎样的影响？尤其在数字金融抑制企业研发成本黏性后是否对企业创新产出产生了积极影响？因此，本文在模型（1）的基础上构建了模型（6）（7）,进一步研究数字金融和研发成本黏性产生的创新效果。init=0+,dfit+%controls”+i+t+it（6）inrt=0+,dflt+2Stickylt+3Controlsrt+jz1+t+lt（7）其中，考虑到数量和质量的差异化影响，本文对企业创
43、新效果（in）的衡量，主要分为创新数量（En）和创新质量（inq）两方面。创新数量（inn）利用企业年度专利申请数表示，并对数值进行了对数化处理：而创新质量（inq）通过投入产出法利用数据包络分析（DEA）测算，投入变量主要为企业研发资本投入和人力投入，产出变量包括有效专利数以及新产品销售收入。具体结果如表7所示。表7基于创新效果的进一步研究变量(1)inn(2)inqinn(4)inqdf0.0741H0.1219*0.08630.1240,(2.02)(2.27)(1.73)(2.33)Sticky0.0035-0.0011m(1.38)(-2.15)控制变ISYESYESYESYES时间
44、效应YESYESYESYES个体效应YESYESYESYESN13721137211372113721Adj-R20.2690.3270.2720.328F统计后77.15811478.5381.20在表7中，歹IJ（I）（2）为数字金融对企业创新数量和质量的影响结果，其中数字金融与企业创新数量和创新质量的系数都显著为正，且在5%水平上显著，说明数字普惠金融发展水平越高,将会使企业创新产出显著提升：在列（3）（4）中，数字金融与企业创新数量和质量的系数也显著为正.研发成本黏性对企业创新质量的系数为负，它们均通过了5%的显著性检验，而研发成本黏性对企业创新数量影响不显著性.这说明数字金融降低了企
45、业研发成本黏性，并促进了企业创新质量的提升。五、结论与政策启示发挥数字金融功能优势推动企业研发创新降本提质是实现经济高质量增长的重要渠道。本文以2013-2020年沪深A股上市公司为研究样本，研究了数字金融对企业研发成本黏性的影响机制及现实影响。研究结果表明：第一，数字金融抑制了企业研发成本黏性，这表明数字金融在降低企业研发成本方面具有积极影响,其中数字金融对东部企业和非国有企业研发成本黏性的抑制作用更加明显。第二，机制检验发现，资本配置效率和信息透明度是数字金融影响企业研发成本黏性的关键路径，数字金融通过提升企业资本配置效率和会计信息透明度抑制了企业研发成本黏性。第三，效率检验发现，企业研发成本黏性对企业创新质量具有显著的抑制作用,而对企业创新数量影响不明显，数字金融有效降低了企业研发成本黏性，进而促进了企业创新质量的提升。本文的研究结论深化了数字金融和企业研发成本黏性对创新效果影响的认知，拓展了成本黏性理论在企业研发成本管理领域内的应用，有利于充分发挥数字金融对企业创新降成本的功效，并促进企业高质量发展。本文的政策启示主要有以下三个方面：第一.优化数字金融发展环境，提升金融服务实体创新效率。数字金融对企业研发成本黏性具有显著的抑制作用。在降成本的背景下，要持续优化数字金融发展环境,发挥数字金融对实体创新的降成本
