【《股权激励对企业财务绩效的影响实证分析案例：基于面板数据的分析》21000字】

股权激励对企业财务绩效的影响实证分析案例：基于面板数据的分析目录TOC\o"1-3"\h\u27361股权激励对企业财务绩效的影响实证分析案例：基于面板数据的分析 1281721.1企业股权激励和财务绩效之间关系的理论分析 1228851.1.1上市公司股权激励对企业财务绩效影响的总效应分析 183811.1.2上市公司股权激励对企业财务绩效影响的中介效应分析 3140091.1.3上市公司股权激励对企业财务绩效影响的调节效应分析 4225711.2企业股权激励和财务绩效之间关系的实证分析 649471.2.1实证研究设计 6261991.2.2基本回归结果 15304701.2.3研发投入的中介效应检验 2187561.2.4融资约束的调节效应检验 24229491.2.5稳健性检验 27221001.3分析结果与讨论 33H公司的案例让我们对股权激励与企业绩效的内在关系机制有了初步的了解，这样的效应在更大范围的企业样本中是否普遍存在？或者说H公司案例研究发现的二者间关系是否是一种普遍的规律？为了更好地回答这个问题，本章将开展第二个子研究，用更大规模的样本企业的面板数据对股权激励与财务绩效之间的内在关系机制进行分析和检验。1.1企业股权激励和财务绩效之间关系的理论分析本章将从三部分进行展开：第一，分析上市公司股权激励对企业财务绩效整体影响效果。此外，进一步探究上市公司核心员工激励在激励标的物异质性下对企业财务绩效的影响效果；第二，基于研发投入对上市公司股权激励和企业财务绩效的中介效应进行分析；第三，基于融资约束对上市公司股权激励和企业财务绩效的调节效应进行分析。1.1.1上市公司股权激励对企业财务绩效影响的总效应分析上市公司实施股权激励机制对其财务绩效产生的总体影响，主要基于如下的理论分析：根据委托代理理论，现代企业的发展促使经营和所有两权分离，因而股东和管理者作为企业相对独立的个体往往产生利益上的冲突，引发委托代理问题。股权激励通过授予代理人股票或者期权的方式，使得管理层拥有监督权和部分的剩余索取权，将公司未来价值变量融入管理层的发展目标函数中，代理人的部分收益与企业价值相挂钩。此时管理层与股东的利益趋于一致，股东和管理层彼此共同承担风险、共享利益，增强了管理层的主人翁意识，管理层有足够的意愿和驱动力为公司的长远利益而努力工作，避免其决策的短视行为，有效地促使企业代理成本下降。管理层更倾向于加大对创新技术的研发力度，加快研发进程，开展各类创新研发活动为企业谋取更多的盈利和财富，从而使得企业形成行业竞争力。根据激励理论，股权激励能够提高管理层和核心员工的风险承担能力。企业创新活动周期较长，具有高风险性和不确定性。若企业投入大量创新费用研发成功，其便可通过产品溢价获取更多利润，构建自己的市场竞争力；但企业创新失败的代价同样也很大，其前期研发成本投入无法得到回报。因为管理层大多属于风险规避型，不愿意去承担过高的风险去加强研发以实现企业经营发展。实施股权激励制度使得代理人利益与企业发展相绑定，有利于减弱管理层的风险规避程度并提高其风险承担能力，促使管理层实施风险更高、创新回报更大的项目决策，以创新成果换取超额收益，从而满足其自我价值实现的高层次需要。文雯和陈胤默等（2020）以CEO为研究对象，发现对其授予激励的股权数越多，该群体的抗风险能力进一步提升，于是便倾向加大企业对外重要项目的直接投资。根据人力资本理论，股权激励制度有利于留存企业人才。当企业员工结构稳定，人力资本投入稳定的情况下，企业财务绩效的表现更多地取决于人力资本的贡献程度。其中，核心员工自身所具有的知识、技能、研发经验、熟练程度皆是企业的人力资本。股权激励制度的有效激励期限较长，股票的行权需要满足相应的条件和期限，因而在股权激励行权期之前可以帮助留住企业的优秀人才，激励管理层和核心员工以充足的精力和积极性投入到未来的、长期性的创新研发工作之中。对核心员工实施股权激励减少其自利行为，提高风险承担能力，获得更高的工作满意度和成就感，有利于促进企业创新产出的实现。基于上述分析，本文提出假设H1：假设H1：在控制其他条件的前提下，上市公司实施股权激励能够显著提升企业的财务绩效。根据人力资本理论，核心员工的专业知识技能、努力程度是企业重要的人力资本，对企业长期财务绩效至关重要。核心员工是企业创新环节中的直接参与者，主要是核心技术人员，其拥有专业核心技术以及实践经验，能够驱动企业创新成果转化。当核心员工收入与企业未来长远发展绑定后，他们便不仅仅关注到产出数量，更关心产出质量，更有动力积极地参与到团队工作中，充分调动企业创新资源，有效地推动企业创新。姜英兵和于雅萍（2017）创新产出的质量和效率往往取决于核心技术人员的专业技术水平、研发经验、智力水平及努力程度。人才创新对于企业创新来说至关重要，是企业创新活动中的关键一环。曹玉珊和陈力维（2019）研究认为实施核心员工股权激励能给予核心员工除了固定工资以外的收入，这一方面可以帮助留存企业优秀员工，降低企业离职率；另一方面帮助企业吸引拥有专业技术能力的人才进入公司工作，增强公司的人才专业性。对核心员工实施股权激励能够将其个人利益与企业发展相互绑定，提高核心员工风险承担水平，个人努力程度进一步提升，驱动其学习探索新的专业知识技术，最终提高企业创新产出的质量与数量。在中国制造业市场中，股权激励的形式主要为股票期权和限制性股票。核心员工被授予的股票期权是一种比较典型的看涨期权，根据Black-Scholes期权定价模型，股票期权波动率越高，其价值越大，因而核心员工承担较高的风险有利于提升其股票期权的价值。核心员工可以自己选择是否执行股票期权，对核心员工的表现不具有惩罚性，核心员工放弃行权不会直接带来自己财富的损失。期权的价值有两方面构成，一是内在价值，是未来履行合约时获得利润的现值；另外一个是时间价值，股票期权距离到期的时间越长，价格变动的可能性越大，期权多头即核心员工执行期权获得利润的概率也就越大。股票期权具有时间价值，而企业创新活动从投入、研发到产出的过程需要较长的时间间隔，从这个角度上说，股票期权也有助于核心员工从长远的角度来看待企业研发，以更强的自我驱动投入到企业的研发活动过程中。将两种不同激励方式加以对比，发现股票期权激励方式更能增强核心员工研发失败的抗风险能力，激励其从事风险较高的创新活动，加大创新研发力度，创新产出自然提升。基于上述分析，本文提出假设H2：假设H2a：在控制其他条件的前提下，对核心员工的股权激励力度越强，越能提升企业的财务绩效。假设H2b：在控制其他条件的前提下，对企业核心员工实施股票期权激励比限制性股票更能促进企业的财务绩效。1.1.2上市公司股权激励对企业财务绩效影响的中介效应分析上市公司研发投入对股权激励和企业财务绩效的中介效应，主要基于下列理论分析：根据委托代理理论，管理层作为理性人重视对自我利益的追逐，容易引发到道德风险问题，对管理层实施股权激励能够使管理层与股东利益一致，产生利益趋同效应，降低代理成本。管理层在企业创新过程中承担决策制定的群体，对研发投入起到了决定性的作用，一方面制定创新战略和创新计划，另一方面需要协调创新技术人员并调配创新资金的使用，承担研发失败的风险并对后果负责。管理层的风险偏好决定其在面对高成本和高风险的项目时是否下定决心执行，高管的创新动机对创新行为产生重大影响，而股权激励制度能够激励管理层为了实现预期利益最大化而更愿意铤而走险，激发管理层的创新积极性，使其有更强的驱动力去执行风险性较高的创新研发投资决策，进而提升企业的财务绩效。此外，企业高管的声誉水平体现了其治理公司的水平和能力，投资研发端可以增强高管声誉水平，有利于提高企业利润。朱德胜和张伟（2017）研究发现授予高管股权可以降低企业研发活动中存在的代理成本。出于对自身声誉的追求，高管在创新决策时有动机去对高风险项目进行审核批准，使得企业增加更高的研发支出来推动创新活动。由此可见，以股权的形式激励管理层可以提高其抗风险能力，使其在经营决策中加大对研发端的投入，最终使得企业财务绩效增强。根据人力资本理论，核心员工掌握的科学技术知识储备、创新经验是企业重要的人力资本，对企业的创新产出起到了直接作用。从长期的角度来看，授予核心技术人员股权可以帮助企业很好地吸引和留住这一人群，甚至比对管理层有更好的促进效果。企业研发投入是创新产出的必要资源，对于核心技术人员知识和技能的能力提升至关重要，同时也有助于加快创新成果转化。邹文杰（2015）认为企业研发投入对于企业创新至关重要，能够帮助企业实现内部知识积累和提升企业创新能力，研发投入强度越大，其对企业研发效率的提升作用越显著。基于企业研发费用充裕的前提下，授予核心技术人员股权可以更好地促进创新产出。因此，对管理层和核心员工来说，研发投入是股权激励与企业财务绩效作用机制的中介变量。基于上述分析，本文提出假设H3：假设H3:在控制其他条件前提下，企业实施股权激励会通过提升企业的研发投入，进而提升企业财务绩效。1.1.3上市公司股权激励对企业财务绩效影响的调节效应分析上市公司融资约束对股权激励和企业财务绩效的调节效应，主要基于下列理论分析：研发创新是我国制造业市场高科技企业的重要运营活动，决定了高科技企业市场竞争力和行业地位，资金和人才短缺严重阻碍了高科技企业的创新发展，制造业上市公司之间创新活动竞争激励，长期的创新研发投入易导致内部资金不充裕，企业易陷入财务困境。邓可斌和曾海舰（2014）以企业在外部资本市场获取资金的难易程度来定义融资约束。高新技术企业面临融资难、融资贵的问题，顾群及翟淑萍（2014）研究发现企业技术开发过程中，融资约束问题长期存在。根据信息不对称理论，创新研发的不确定性使得融资市场更像“柠檬市场”。一方面，高水平的科学专利技术是每个高新企业所重视的宝贵财富，研发活动作为商业秘密不会对外披露，具有高度保密性，因而外部投资者很难知晓企业研发的相关信息。吴丹（2016）认为企业研发活动就像“柠檬市场”，其会计回报往往难以确定。若企业创新研发失败，将对投资人产生资金损失。信息不对称导致企业外部融资容易产生逆向选择问题，投资者更倾向于采取保守的态度，对投资企业创新技术研发的积极性不高，使企业难以进行外部融资；另一方面，创新活动具有很高的监管成本，企业技术创新的结果最终都将转化成无形资产，这主要依附于核心技术人员的人力资本，难易度量，外部人难以对核心技术人员加以监督。此外，企业融资抵押的财产多为固定资产等有形资产，无形资产一般不具有抵押价值，企业债务融资端受限。综上，研发过程中融资约束问题会对企业创新产出造成阻碍。企业给予高管和核心员工的激励包括薪酬激励和股权激励，前者为其带来了高薪水、高奖金奖励这类确定性的收益，后者则是赋予了高管和核心员工分配企业经营剩余利润的权利，使高管和核心员工与企业价值想绑定，增强其“主人翁”意识并获得更多的身份认同。但是，企业面临融资约束问题会抑制高管和核心员工股权激励对企业创新产出的作用，虽然高管出于身份认同感具有企业技术创新的主动性和积极性，受股权激励的影响能够从长远发展的角度充分考虑企业技术创新的需要，但是因为受到融资约束的问题，企业受到研发资金受限的影响往往对研发活动心有余而力不足。基于上述分析，本文提出假设H4：假设H4：在控制其他条件前提下，企业融资约束负向调节股权激励与企业财务绩效的关系，企业面临融资约束越强，股权激励对企业财务绩效的促进作用越弱。1.2企业股权激励和财务绩效之间关系的实证分析1.2.1实证研究设计1.2.1.1样本选取与数据来源（1）样本选择本文样本选取2011-2020年间制造业上市公司数据，原因基于制造业的上司公司普遍具有较高成长性的企业融资，而这些企业往往更加重视创新研发和员工激励，研发及财务等数据易获取；此外，国家不断加大对新兴中小企业的扶持力度，充分发挥资本市场助力中小企业融资的功能，研究制造业市场企业股权激励机制与创新研发对发展和完善资本市场功能具有很重要的借鉴意义。当前国内股权激励形式有三种：股票期权、限制性股票和股票增值权，因股票增值权样本较少，故本文主要研究股票期权和限制性股票这两种主流的股权激励形式。为了保证样本数据的可靠性和准确性，对样本数据进行了如下细致且严格的筛选：一是剔除ST公司、*ST公司和终止上市的公司。这些企业大多因财务数据等问题不满足上市条件或处于异常情况，不利于后续实证的展开和可靠的研究结论的得出，因此将其剔除；二是剔除上市年份不足一年的公司。由于部分数据如专利申请数据需要在公司上市几年后获取，易造成数据缺失的情况，故将其剔除。三是剔除2011-2020年间财务数据和专利申请数据缺失或异常的样本；四是为了避免异常样本数据对实证结果的影响，对样本数据采取了前后1%的缩尾（Winsorize）处理。数据通过上述步骤进行严格筛选和整理，总共获得449家制造业上市公司共1978个样本，实施了股权激励计划的公司有227家，在总公司数中占比50.56%。按照2012年证监会一级行业分类来区分，样本共分布在15个行业中，其中制造业有1482个样本，占总体比例74.92%。在1978个样本中共有实施股权激励的313个样本，按照股权激励形式区分，其中实施股票期权的117个样本，实施限制性股票的196个样本。数据处理上，首先使用Excel对原始数据如上市公司股权激励授予表、专利申请表和财务数据进行初步筛选和清洗，在后续的统计描述性统计和实证分析过程使用的是Stata16软件。（2）数据来源本文在实证研究过程中搜集的数据主要来自以下三个途径：首先，制造业上市公司股权激励方案数据来自CSMAR数据库中“公司研究系列”中“治理结构”下的股权激励授予明细表，上市公司申请专利数量数据来自CSMAR数据库中“公司研究系列”中“上市公司与子公司专利”下的专利申请情况表以及“上市公司研发创新”下的国内外专利申请获得情况表，上市公司所属证监会行业、产权性质、融资约束数据、内部财务数据和治理相关的数据均来自CSMAR数据库；其次，为了保证数据完整性，对研究样本中缺失的如发明专利、实用新型专利和外观设计专利申请样本数据予以删除。最后，借鉴李丹蒙和万华林（2017）的做法，若上市公司在一年内曾实施了多次股权激励方案，仅保留首次授予并实施的方案；若同年度内实施两次激励标的物不同的方案，仅保留授予股份数较多的方案。参照田轩和孟清扬（2018）的做法，样本数据以股权激励授予日定义实施年度。1.2.1.2变量选择与实证模型（1）变量选择本文涉及到的变量主要有如下五类：被解释变量专利申请总数和发明专利专利申请数量、核心解释变量股权激励及核心员工股权激励强度、中介变量研发投入、调节变量融资约束、此外还有诸多控制变量。变量具体定义如下：①被解释变量本文研究的被解释变量主要是上市公司财务绩效（Innovation），国内文献大部分是从狭义的角度来衡量企业财务绩效，多以专利申请或授予的数量来定义企业创新产出，以创新数量和质量作为对创新产出的衡量。本文参考姜英兵和于雅萍（2017）的做法，在整体上用专利申请数量（T_Patent）来衡量创新产出的总数量，制造业上市公司专利申请中，发明专利最能体现其实际创新水平，因而本文用发明专利申请数量（Patent1）来衡量财务绩效的质量，两种被解释变量均以专利申请数量加1取自然对数。采用专利申请数量而非授予数量主要考虑专利申请时间更接近企业创新产出的时间。②解释变量本文解释变量主要是股权激励，参考有关文献，将股权激励从定性和定量两个角度加以定义。参考李丹蒙和万华林（2017）、姜英兵和于雅萍（2017）、郭蕾等（2019）的做法，在定性层面设置虚拟变量是否实施股权激励（Incentive），企业在样本期间实施了股权激励方案则取1，否则取0；在定量层面，参考陈志刚和陈启博（2020）的做法，设置核心员工股权激励强度（Share_e）这一变量，即授予核心员工股票期权或限制性股票在授予总数中的比例。③中介变量本文研究的中介变量主要是研发投入，部分文献中称为研发支出。本文参考李丹蒙和万华林（2017）的做法，用研发支出与期末总资产的比值来定义创新投入（RD）；④调节变量为了探究企业外部融资环境变化时股权激励对企业财务绩效的影响，引入了融资约束这一调节变量。针对融资约束的衡量包括SA指数、KZ指数、WW指数和FC指数四类，本文参考Hadlock和Pierce（2010）以及鞠晓生等（2013）的做法，使用SA指数法来测量企业的相对融资约束程度，原因系SA指数相对稳健且不包含内生性特征的融资变量，国内文献多以SA指数法研究企业融资约束问题。具体计算公式如（3-1），SAi,t表示i企业t年度的融资约束状况，Sizei,t为企业规模，Agei,t为企业的上市年限。由公式（3-1）计算出来的融资约束SA指数为负值，取其绝对值表示，绝对值越大表示企业面临融资约束越强。SAi,t=-0.737*Sizei,t+0.043*Sizei,t2-0.04*Agei,t（3-1）⑤控制变量在定义主要的变量后，考虑了其他会影响企业股权激励和财务绩效的因素作为控制变量。对于控制变量，在后续的模型统一使用符号（Xi,t）来表示。其一，在企业财务方面：参考卢闯和孙健等（2015）、刘艳霞和祁怀锦（2019），认为企业规模越大，对管理层投资行为的监督难度越大，企业规模影响企业的委托代理问题，取企业总资产的自然对数（Size）来对企业的规模效应加以控制；企业资产端的状况直接反映了企业是否有充足的资产应对风险挑战，盈利能力的好坏反映了管理层的治理水平，企业负债的增加则加剧企业委托代理问题的产生，分别用固定资产比例（Tangible）对企业资产运作状况加以控制，使用盈利能力（ROA）对企业盈利水平加以控制，使用资产负债率（Lev）对企业负债状况加以控制。其二，在企业自身成长层面：参考姜英兵和于雅萍（2017）、田轩和孟清扬（2018），认为企业上市年限会对其投资决策产生一定影响，选取上市年限加1取自然对数（Age）进行控制；企业成长性越好，越倾向于鼓励内部创新，股权激励活动越多，设置企业成长性（Growth），即营业收入增长率来加以控制。其三，针对反映企业内部治理的各项因素，参考了姜英兵和于雅萍（2017）、周冬华、黄佳和赵玉洁（2019），选择利用第一大股东持股比例来定义股权集中度（Top1）、企业为国企取1，否则为0定义产权性质（SOE）、机构投资者持股在总股本中占比定义机构持股比例（Ins）、董事长兼任CEO取1，否则取0定义高管权力（Dual），使用这些变量并对其进行控制。此外，为了控制模型的行业和年份固定效应，设置了行业（Ind）和年度（Year）虚拟变量。⑥变量汇总本文在实证过程中涉及到的各类变量性质、名称、符号和定义的汇总情况，具体见表3-1所示：表3-1变量定义汇总变量性质变量名称变量符号变量定义被解释变量专利申请总数T_Patent年度专利（发明、实用新型、外观设计）申请数之和，加1取自然对数发明专利申请数Patent1年度发明专利申请总数，加1取自然对数解释变量是否实施股权激励Incentive在样本期间进行了股权激励则取1，否则为0核心员工股权激励强度Share_e核心员工股权授予量与股权激励授予总数的比值中介变量研发投入RD企业年度研发费用/期末总资产调节变量融资约束SA上市公司的融资约束状况，用SA指数衡量控制变量公司规模Size期末总资产的自然对数盈利能力ROA营业利润/总资产上市年限Age（1+年度-上市年份）的自然对数资产负债率Lev总负债/总资产资产结构Tangible固定资产净值/资产总计企业成长性Growth营业收入增长率产权性质SOE企业为国企则取1，否则为0股权集中度Top1第一大股东持股比例高管权力Dual董事长兼任CEO取1，否则取0机构持股比例Ins机构投资者持股/总股本行业虚拟变量Ind以证监会2012年行业分类标准设定，其中制造业采用二级代码分类，其他行业采用一级分类指标年度虚拟变量Year属于该年度取1，否则为0（2）实证模型①总效应模型为了检验假设H1，即在控制其他条件的前提下，上市公司实施股权激励能够显著提升企业的财务绩效。本文主要借鉴姜英兵和于雅萍（2017）的做法，构建OLS回归模型（3-2），并在此基础上控制行业固定效应和年份固定效应，预期α1显著为正；为了检验假设H2a，即在控制其他条件的前提下，对核心员工的股权激励力度越强，越能提升企业的财务绩效。本文构建（3-3）多元回归模型，预期β1显著为正；为了检验假设H2b，根据股权激励契约的异质性，即股权激励标的物的不同，将实施核心员工股权激励的上市公司样本划分为股票期权和限制性股票两个子样本，随后进行分组回归，使用模型（3-3）对两个子样本进行分组回归。Innovationi,t=α0+α1Incentivei,t+γXi,t+Yeart+Industryj+εi,t（3-2）Innovationi,t=β0+β1Share_ei,t+γXi,t+Yeart+Industryj+εi,t（3-3）模型中，i指代不同的企业个体，t指代不同的观察年份；被解释变量Innovation为企业财务绩效，分别用T_Patent专利申请总数和Patent1发明专利申请总数表示；Incentive和Share_e为核心解释变量，分别为是否实施股权激励以及核心员工股权激励强度；X表示所有的控制变量；Yeart表示年份固定效应；Industryj表示行业固定效应；ε表示模型残差。②中介效应模型将研发投入作为中介变量，本文借鉴温忠麟、侯杰泰和张雷（2005）的研究，采用逐步回归法对上市公司股权激励对企业财务绩效的中介效应进行检验。为保证中介效应检验结果的可靠性，采用Sobel系数乘积检验法对交互项显著性进行检验。为了检验H3，即在控制其他条件前提下，企业实施股权激励会通过提升企业的研发投入，进而提升企业财务绩效。本文分别构建模型（3-4）和模型（3-5），检验研发投入对上市公司股权激励与企业财务绩效之间的中介作用，需要结合（3-2）、（3-4）以及（3-5）三个模型进行分析：Innovationi,t=α0+α1Incentivei,t+γXi,t+Yeart+Industryj+εi,t（3-2）RDi,t=α’0+α’1Incentivei,t+γXi,t+Yeart+Industryj+εi,t（3-4）Innovationi,t=α’’0+α’’1Incentivei,t+α’’2RDi,t+γXi,t+Yeart+Industryj+εi,t（3-5）模型中，i指代不同的企业个体，t指代不同的观察年份；RD为中介变量研发投入；Innovation为企业财务绩效，分别用T_Patent专利申请总数和Patent1发明专利申请总数表示；Incentive为是否实施股权激励；X表示所有的控制变量；Yeart表示年份固定效应；Industryj表示行业固定效应；ε表示模型残差。通过回归得到结果后，中介效应的检验步骤如下：第一：查看模型（3-2）中的α1是否显著，通常需达到5%以上显著。若α1不显著，说明核心解释变量是否实施股权激励与企业财务绩效不显著，无法进行中介效应检验，若α1显著，则继续检验；第二：继续看α’1和α’’2的显著性。若α’1和α’’2都显著，那么中介效应存在；若α’1和α’’2至少有一个不显著，则使用Bootstrap乘积系数法检验（α’1×α’’2）是否显著，若（α’1×α’’2）不显著，说明中介效应不存在，若（α’1×α’’2）显著，说明中介效应存在，继续检验；第三：继续查看模型（3-5）中α’’1是否显著；若α’’1显著，说明是部分中介效应，即存在遗漏的中介变量，若α’’1不显著，则为完全中介效应，同时，可依据（α’1×α’’2×α’’1）的正负情况，判断被遗漏的中介变量的类型。若中介效应存在，则α1表示上市公司股权激励对企业财务绩效影响的总效应，α’’1表示上市公司股权激励对企业财务绩效影响的直接效应，α’1×α’’2表示经过中介变量研发投入的中介效应（即间接效应），（α’1×α’’2）/α1表示中介效应在总效应中的占比。③调节效应模型本文研究中的调节变量为上市公司的融资约束，属于连续变量，主要由SA指数所衡量。自变量选择上市公司是否实施股权激励来衡量，属于虚拟变量。本文主要借鉴赵娜、张晓峒和朱彤（2019）的做法，采用交互项分层回归法对融资约束的调节效应进行检验。为了检验假设H4，即在控制其他条件前提下，企业融资约束负向调节股权激励与企业财务绩效的关系，构建（3-6）、（3-7）两个模型进行检验。具体操作步骤如下所示：第一，中心化变量。对调节变量SAi,t进行中心化处理，自变量Incentivei,t为虚拟变量；第二，得到交互乘积项。将虚拟变量变量Incentivei,t和中心化变量SAi,t相乘，得到交互乘积项（Incentivei,t×SAi,t）；第三，层次回归方程。代入相关变量，分别回归方程（3-6）和方程（3-7）：Innovationi,t=δ0+δ1Incentivei,t+δ2SAi,t+γXi,t+Yeart+Industryj+εi,t（3-6）Innovationi,t=δ’0+δ’1Incentivei,t+δ’2SAi,t+δ’3Incentivei,t×SAi,t+γXi,t+Yeart+Industryj+εi,t（3-7）模型中，i指代不同的企业个体，t指代不同的观察年份；Innovation为企业财务绩效，分别用T_Patent专利申请总数和Patent1发明专利申请总数表示；Incentive为是否实施股权激励；SA为调节变量融资约束；（Incentivei,t×SAi,t）为中心化后的交互项；X表示所有的控制变量；Yeart表示年份固定效应；Industryj表示行业固定效应；ε表示模型残差。第四，得到结论。查看模型（3-7）的交互乘积项（Incentivei,t×SAi,t）的系数δ’3是否显著，并对比观察方程模型（3-7）的R2是否高于模型（3-6）的R2。通常如果交互乘积项的系数显著，那么含有交互乘积项的回归方程的R2也会显著高于不含交互乘积项的回归方程的R2，此时便可认为调节效应是存在的。1.2.1.3统计分析（1）描述性统计在这部分，本文对样本变量数据进行描述性统计，以便了解变量数据特征，并且方便于发现异常值并加以修正，研究涉及到的变量（被解释变量、解释变量和控制变量）的描述性统计如表3-2所示：表3-2主要变量的描述性统计变量名样本数均值标准差最小值中位数最大值T_Patent19782.94071.15890.69312.94446.8937Patent119782.15041.16780.00002.07945.9584Incentive19780.15820.36510.00000.00001.0000Share_e3130.81740.18230.00000.85891.0000RD19780.02820.02150.00030.02250.4321SA19783.60300.21142.98923.59624.3578Size197821.24270.786819.574221.121924.6159ROA19780.05270.0443-0.37230.05140.2953Age19781.51480.46310.69311.60942.3026Lev19780.27520.16230.01110.24660.8614Tangible19780.15550.11330.00000.13540.6341Growth19781.115729.1073-2.78040.222094.2190SOE19780.03130.17430.00000.00001.0000Top1197831.539113.05044.150029.175081.1800Dual19780.46110.49860.00000.00001.0000Ins197830.002123.92410.000121.791191.2507数据来源：CSMAR由表3-6可知，被解释变量专利申请总数T_Patent均值为2.9407，标准差为1.1589，发明专利申请数量Patent1的均值为2.1504，标准差为1.1678，表明我国制造业上市公司创新水平较好，发明专利数在总专利数量中占比较大，创新质量高，并且企业之间的专利申请水平存在一定的差异。解释变量股权激励Incentive均值为0.1582，说明实施了股权激励计划的企业样本数据在总样本数据中的平均占比为15.82%；核心员工股权激励强度Share_e的均值为0.8174，即在制造业上市企业中授予核心员工股份数占总授予股份数的平均水平为81.74%，说明制造业上市企业对核心员工的股权激励力度要强于管理层，由此可见研究核心员工股权激励制度具有现实价值。中介变量主要采用研发投入RD，其均值为0.0282，说明样本企业研发投入占总资产的平均比例为2.82%，标准差为0.0215，各上市公司之间研发投入占总资产比例差异较小；调节变量融资约束SA指数的均值为3.6030，标准差为0.2114，说明制造业上市公司面临的外部融资环境具有一定差异。控制变量方面，企业成长性Growth的均值为1.1157，说明制造业上市公司营业收入增长率的均值为111.57%，制造业中新兴高科技企业盈利状况良好，成长性强，符合制造业公司特征，标准差为29.1073，说明各上市公司成长性之间存在较大差异；第一大股东持股比例TOP1均值为31.5391，最高值可达81.1800，表明制造业上市公司股权集中度较高，此外机构持股比例Ins均值为30.0021，说明机构控股制造业上市公司较为普遍。（2）相关性分析表3-7和表3-8是本文选定的解释变量Incentive、Share_e和控制变量之间的相关性统计分析，数据结果显示，各变量的相关系数均小于0.6，系数绝对值最大的为0.511，大部分变量之间的相关系数小于0.1，可见变量之间不存在严重的多重共线性，选取的控制变量是比较恰当的，可以进一步进行相关的回归分析。表3-3变量相关性统计分析表1IncentiveSizeROAAgeLevTangibleGrowthSOETop1DualInsIncentive1.000Size0.074***1.000ROA0.122***-0.037*1.000Age0.0180.511***-0.257***1.000Lev0.079***0.480***-0.247***0.299***1.000Tangible-0.052**-0.066***-0.125***0.099***0.148***1.000Growth-0.007-0.0240.002-0.039*-0.0190.0021.000SOE-0.062***0.063***-0.0060.0160.002-0.057**-0.0021.000Top10.000-0.141***0.078***-0.189***-0.0010.096***0.044**-0.0131.000--Dual0.002-0.129***0.023-0.095***-0.0360.017-0.022-0.161***0.169***1.000-Ins0.0340.092***0.085***-0.141***0.076***0.082***0.048**0.187***0.302***-0.0061.000注：***、**和*分别表示在1%、5%和10%的水平下显著表3-4变量相关性统计分析表2ShareeSizeROAAgeLevTangibleGrowthSOETop1DualSharee1.000Size0.0781.000ROA0.057-0.037*1.000Age0.0320.511***-0.257***1.000Lev-0.0230.480***-0.247***0.299***1.000Tangible-0.164***-0.066***-0.125***0.099***0.148***1.000Growth0.014-0.0240.002-0.039*-0.0190.0021.000SOE0.0300.063***-0.0060.0160.002-0.057**-0.0021.000--Top10.013-0.141***0.078***-0.189***-0.0010.096***0.044**-0.0131.000-Dual0.087-0.129***0.023-0.095***-0.0360.017-0.022-0.161***0.169***1.000Ins-0.0050.092***0.085***-0.141***0.076***0.082***0.048**0.187***0.302***-0.006注：***、**和*分别表示在1%、5%和10%的水平下显著1.2.2基本回归结果在这一部分中，首先从企业整体出发来探究企业实施股权激励对企业财务绩效的影响；其次本文聚焦企业重点激励对象核心员工，探究核心员工股权激励强度对企业财务绩效的影响以及在激励标的物异质性下存在的影响差异。1.2.2.1股权激励对企业财务绩效影响的总效应检验在实证检验中，本文从企业整体出发探究上市公司实施股权激励（Incentive）对企业财务绩效的影响，对所有的变量进行了前后1%的缩尾处理（Winsorize）。在控制年份固定效应和行业固定效应的前提下进行了混合回归，得到的结果如表3-5所示：表3-5股权激励对企业财务绩效影响的回归检验（1）（2）T_PatentPatent1CoefStd-ErrCoefStd-ErrIncentive0.1725***（0.0638）0.2002***（0.0678）Size0.5959***（0.0433）0.6600***（0.0442）ROA1.6792***（0.6158）1.3966**（0.6698）Age0.1266*（0.0693）0.0650（0.0739）Lev0.0264（0.1847）-0.5701***（0.1974）Tangible-0.3757（0.2389）0.0050（0.2449）Growth0.0004***（0.0001）0.0001（0.0001）SOE0.4290***（0.1138）0.5246***（0.1248）Top10.0054***（0.0019）0.0014（0.0019）Dual0.0257（0.0464）0.0327（0.0484）Ins-0.0001（0.0011）0.0009（0.0011）cons-11.2050***（0.9410）-13.0162***（0.9438）YearControlControlControlControlIndustryControlControlControlControlN19781978R20.26230.2216注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数依据表3-9的回归结果，综合来看，针对不同的被解释变量（Innovation），模型（3-2）的R2分别为0.2623和0.2216，两个模型的拟合优度良好，当被解释变量为专利申请总数时模型拟合程度更好，解释能力更强。未控制年份和固定效应时，不同被解释变量下模型（3-2）均能通过F检验（P=0.0000），则模型整体的设立是显著的。对比核心解释变量是否实施股权激励（Incentive）对两个不同被解释变量的回归结果，可以发现其系数在模型（3-2）下（1）列及（2）列中均在1%的水平下显著为正，由此可以认为上市公司实施股权激励对企业财务绩效具备显著的促进作用，即在控制其他条件的前提下，企业实施股权激励能够显著提升企业的财务绩效，由此假设H1得以验证。此外，被解释变量为发明专利申请数时系数为0.2002，大于被解释变量为专利申请总数时的系数0.1725，说明上市公司实施股权激励对企业发明专利申请数量的促进作用大于对专利申请总数的促进作用，而这与制造业上市公司创新研发现状相吻合，即发明专利最体现了核心研发人员的科技成果，制造业上市公司更加注重对发明专利的创新研发。对于本文设定的关于财务层面的控制变量：样本上市公司规模（Size）能在1%的水平下显著提升企业专利申请总数以及发明专利申请数量，（1）列中系数小于（2）列系数，说明公司规模（Size）对发明专利申请数量促进效果更好；样本上市公司盈利能力（ROA）分别在1%及5%的水平下显著提升企业专利申请总数以及发明专利申请数量，且（1）列系数为1.6792大于（2）列系数1.3966，企业盈利能力（ROA）越强，对专利申请总数的提升效果更好；样本上市公司资产负债率（Lev）对企业专利申请总数的作用不显著，但是其在1%的水平下显著抑制发明专利申请数量，说明企业技术发明专利相对于其他类型的专利更加依赖企业良好的财务状况支撑，需要大量的资金投入，若企业负债率较高，受到高债务的阻碍，企业倾向于减少对高风险的技术发明专利的开发；资产结构（Tangible）对专利申请总数和发明专利申请数的作用均不显著。对于企业自身成长层面的控制变量：样本上市公司上市年限（Age）在10%的水平下显著促进专利申请总数，但是对于发明专利申请数量的作用并不显著，说明企业上市年份越高，越有资金和经验去进行研发；企业成长性（Growth）在1%的水平下显著促进专利申请总数，但是对于发明专利申请数量的作用不显著，说明企业成长性越好，其对各类专利技术的开发积极性越高，总体专利申请数便会有所提高。对于委托代理和内部治理层面的控制变量：样本上市公司产权性质（SOE）能在1%的水平下显著提升专利申请总数以及发明专利申请数量；上市公司股权集中度（Top1）在1%的水平下显著促进专利申请总数，对发明专利申请数的作用不显著，则集权型企业研发积极性较高；上市公司高管权力（Dual）以及机构持股比例（Ins）对于专利申请总数以及发明专利申请数量的作用不显著。1.2.2.2核心员工股权激励对企业财务绩效影响的总效应检验在这部分的实证检验中，聚焦股权激励的重点对象核心员工，首先，基于所有实施股权激励的样本上市公司，探究核心员工股权激励强度对企业财务绩效有何影响；其次，针对激励标的物的不同进行分组回归，从而比较两者差异。表3-6核心员工股权激励强度对企业财务绩效影响的回归检验（1）（2）T_PatentPatent1CoefStd-ErrCoefStd-ErrShare_e0.9681***（0.3585）1.1689***（0.3250）Size0.6443***（0.0989）0.6552***（0.1006）ROA1.9813（1.4536）2.2110（1.5177）Age0.1444（0.1827）0.0643（0.1848）Lev0.2364（0.5002）-0.3293（0.5254）Tangible0.1505（0.6821）0.1801（0.6436）Growth0.0542（0.0498）0.0159（0.0582）SOE0.9149***（0.3008）0.9101**（0.3527）Top10.0055（0.0048）-0.0045（0.0048）Dual0.1137（0.1249）0.1712（0.1313）Ins-0.0050*（0.0029）0.0004（0.0029）cons-12.5100***（2.3467）-14.0641***（2.0106）YearControlControlControlControlIndustryControlControlControlControlN313313R20.29480.2352注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数为了检验H2a，即核心员工股权激励强度对企业财务绩效的影响，在控制行业和年份固定效应的基础上使用模型（3-3）进行OLS回归，得到上表3-6。根据表3-6的实证结果，综合来看，针对不同的被解释变量（Innovation），模型（3-3）的R2分别为0.2948和0.2352，两个模型的拟合优度良好，当被解释变量为专利申请总数时模型拟合程度更好，解释能力更强。未控制年份和固定效应时，不同被解释变量下模型（3-3）均能通过F检验（P=0.0000），则模型整体的设立是显著的。对比核心解释变量核心员工股权激励强度（Share_e）对两个不同被解释变量的回归结果，可以发现其系数在模型（3-3）下（1）列及（2）列中均在1%的水平下显著为正，由此可以认为上市公司针对核心员工实施股权激励对企业财务绩效具备显著的促进作用，在控制其他条件的前提下，对核心员工的股权激励力度越强，越能提升企业的财务绩效，由此假设H2a得以验证。此外，（1）列系数为0.9681小于（2）列系数1.1689，说明上市公司核心员工股权激励强度对企业发明专利申请数量的促进作用大于对专利申请总数的促进作用。对于控制变量：样本上市公司规模（Size）在1%的水平下显著促进企业财务绩效；样本上市公司产权性质（SOE）能在1%的水平下显著促进企业专利申请总数，在5%的水平下显著促进发明专利申请数量，国有企业中专利申请状况更好；样本上市公司机构持股比例在10%的水平下显著抑制专利申请总数，对发明专利申请数量的作用不显著，说明机构控制下的上市公司研发积极性不强，缺乏研发活力；样本上市公司其余控制变量对于财务绩效的作用不显著。为了检验假设H2b，针对不同的被解释变量（Innovation），使用模型（3-4）对股票期权和限制性股票进行分组回归，实证结果见表3-7和表3-8所示：表3-7不同激励标的物下核心员工股权激励强度对专利申请总数的影响（1）（2）T_PatentT_Patent股票期权限制性股票CoefStd-ErrCoefStd-ErrShare_e1.3906**（0.6844）0.7322*（0.4334）Size0.8948***（0.1679）0.5247***（0.1225）ROA3.0665（2.3962）0.8094（2.0410）Age-0.1079（0.3919）0.1263（0.2166）Lev0.4743（0.8528）-0.1711（0.6661）Tangible1.2097***（1.0164）-1.0451（0.8488）Growth0.2246*（0.1214）0.0369（0.0423）SOE1.1662***（0.3483）0.8820***（0.3347）Top1-0.0087（0.0077）0.0110*（0.0063）Dual-0.1457（0.2158）0.1088（0.1671）Ins-0.0025（0.0048）-0.0080**（0.0037）cons-19.8953***（3.3681）-8.9764***（2.7100）YearControlControlControlControlIndustryControlControlControlControlN117196R20.51010.2283注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数根据表3-7的实证结果，上市公司核心员工实施股票期权的样本数量为117，实施限制性股票的样本数为196。对核心员工实施股票期权激励对专利申请总数的影响在5%的水平下显著为正，系数为1.3906；对核心员工实施限制性股票激励对专利申请总数的影响在10%的水平下显著为正，系数为0.7322。相对限制性股票，上市公司核心员工实施股票期权激励对专利申请总数的促进作用更加显著，（1）列系数1.3906大于（2）列系数0.7322，说明股票期权的促进效果更好，从而假设H2b得到部分检验。表3-8不同激励标的物下核心员工股权激励强度对发明专利申请数的影响（3）（4）Patent1Patent1股票期权限制性股票CoefStd-ErrCoefStd-ErrShare_e1.6523**（0.6798）0.8483**（0.3820）Size0.9658***（0.2074）0.5028***（0.1260）ROA2.4137（2.4248）1.5802（1.9916）Age0.1674（0.5004）0.0692（0.2198）Lev-0.7278（0.9618）-0.3892（0.6694）Tangible2.2304*（1.2862）-0.5543（0.8313）Growth0.2325（0.1646）-0.0046（0.0449）SOE1.0485***（0.3941）0.7057**（0.3464）Top1-0.0184**（0.0074）0.0014（0.0066）Dual-0.0959（0.2314）0.1908（0.1822）Ins0.0032（0.0050）-0.0020（0.0038）cons-21.5400***（4.1028）-10.8785***（2.5617）YearControlControlControlControlIndustryControlControlControlControlN117196R20.39330.1446注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数根据表3-8的实证结果，对核心员工实施股票期权激励对发明专利申请数量在5%的水平下显著为正，系数为1.6523，对核心员工实施限制性股票激励对发明专利申请数量在5%的水平下显著为正，系数为0.8483，两种激励标的物对发明专利申请数量的促进作用均显著，（3）列系数1.6523大于（4）列系数0.8483，说明核心员工股票期权激励对发明专利申请数量的促进效果比限制性股票更好。综合数据可得，在控制其他条件的前提下，对企业核心员工实施股票期权激励比限制性股票更能促进企业的财务绩效，从而H2b得以验证。1.2.3研发投入的中介效应检验在前文实证中，本文使用模型（3-2）检验了上市公司实施股权激励对企业财务绩效的作用，当被解释变量为专利申请总数和发明专利申请数量时，实施股权激励的系数均在1%的水平下显著为正，满足中介检验过程的步骤一需要的5%水平下显著性的要求。在本部分继续进行中介效应检验的步骤二和三，检验研发投入对上市公司股权激励与企业财务绩效影响的中介作用。本文采用逐步回归法对研发投入的中介效应进行检验，并在参数检验过程中使用Sobel系数乘积法对交互项的显著性进行检验。首先探讨研发投入对上市公司股权激励与企业专利申请总数影响的中介效应，表3-9为检验结果。表3-9研发投入的中介效应检验（专利申请总数）（1）（2）RDT_PatentCoefStd-ErrCoefStd-ErrIncentive0.0049***（0.0013）0.1270**（0.0631）RD--9.2813***（2.4258）Size-0.0057***（0.0010）0.6491***（0.0427）ROA0.0431***（0.0132）1.2789**（0.5971）Age0.0013（0.0017）0.1143*（0.0677）Lev-0.0035（0.0032）0.0591（0.1797）Tangible-0.0129***（0.0041）-0.2560（0.2367）Growth-0.0005（0.0001）-0.0004***（0.0001）SOE-0.0000（0.0018）0.4291***（0.1115）Top1-0.0001***（0.0005）0.0067***（0.0019）Dual-0.0001（0.0010）0.0270（0.0457）Ins0.0001***（0.0000）-0.0006（0.0011）cons0.1421***（0.0264）-12.5240***（0.9309）YearControlControlControlControlIndustryControlControlControlControlN19781978R20.16770.2865注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数根据表3-9的实证结果，模型（3-4）中的股权激励的系数如（1）列所示，为0.0049，且在1%的水平下显著为正，说明上市公司股权激励可以显著提升企业的研发投入水平；模型（3-5）中研发投入的系数如（2）列所示，为9.2813，在1%的水平下显著为正，说明上市公司股权激励通过促进研发投入从而提升企业专利申请总数，且中介效应存在；模型（3-5）中的股权激励的系数为0.1270，在5%的水平下显著为正，绝对值小于模型（3-2）中系数0.1725，说明模型（3-5）中加入研发投入这一变量后，减缓了股权激励对企业专利申请总数的效应，但是股权激励对专利申请总数的促进作用仍然显著，因而研发投入在股权激励对企业专利申请总数的影响过程中发挥部分中介效应。接下来探讨研发投入对上市公司股权激励对企业发明专利申请数量影响的中介效应，表3-10为检验结果：表3-10研发投入的中介效应检验（发明专利申请总数）（3）（4）RDPatent1CoefStd-ErrCoefStd-ErrIncentive0.0049***（0.0013）0.1317**（0.0659）RD--13.9811***（3.0819）Size-0.0057***（0.0010）0.7402***（0.0434）ROA0.0431***（0.0132）0.7936（0.6387）Age0.0013（0.0017）0.0465（0.0708）Lev-0.0035（0.0032）-0.5209***（0.1888）Tangible-0.0129***（0.0041）0.1855（0.2410）Growth-0.0002（0.0001）0.0001（0.0001）SOE-0.0000（0.0018）0.5248***（0.1191）Top1-0.0001***（0.0002）0.0033*（0.0018）Dual-0.0001（0.0010）0.0346（0.0466）Ins0.0001***（0.0007）0.0001（0.0011）cons0.1421***（0.0264）-15.0031***（0.9332）YearControlControlControlControlIndustryControlControlControlControlN19781978R20.16770.2762注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数根据表3-10的实证结果，模型（3-4）中的股权激励的系数如（3）列所示，为0.0049，且在1%的水平下显著为正，说明上市公司股权激励可以显著提升企业的研发投入水平；模型（3-5）中研发投入的系数如（4）列所示，为13.9811，在1%的水平下显著为正，说明上市公司股权激励通过促进研发投入从而提升企业发明专利申请数量，且中介效应存在；模型（3-5）中的股权激励的系数为0.1317，在5%的水平下显著为正，绝对值小于模型（3-2）中系数0.2002，说明模型（3-5）中加入研发投入这一变量后，减缓了股权激励对企业发明专利申请数量的效应，但是股权激励对发明专利申请数量的促进作用仍然显著，因而研发投入在股权激励对企业发明专利申请数量的影响过程中发挥部分中介效应。最后，使用Sobel系数乘积法进一步检验研发投入的中介效应，两种检验方法的汇总结果如表3-11所示：表3-11研发投入的中介效应检验结果汇总表因变量α1α’1×α’’2α’1×α’’2α’’1结论效应占比总效应中介效应SobelP值直接效应T_Patent0.1725***0.04550.00020.1270**部分中介26.38%Pantent10.2002***0.06850.00000.1317**34.22%注：***、**和*分别表示在1%、5%和10%的水平下显著根据表3-11的实证结果，可知上市公司股权激励对专利申请总数的总效应为0.1725，在1%的水平下显著；研发投入对上市公司股权激励与专利申请总数的中介效应为0.0455，Sobel检验的P值小于0.05，即通过Sobel系数乘积检验；研发投入的中介效应占比为26.38%。上市公司股权激励对发明专利申请数量的总效应为0.2002，在1%的水平下显著为正；研发投入对上市公司股权激励与发明专利数量的中介效应为0.0685，Sobel检验的P值小于0.05，即通过Sobel系数乘积检验；研发投入的中介效应占比为34.22%。综上实证结果可知，研发投入对上市公司股权激励与企业专利申请总数、发明专利申请数量之间的关系存在中介作用，且皆为部分中介。因此，在控制其他条件前提下，企业实施股权激励会通过提升企业的研发投入，进而提升企业财务绩效。假设H3得以验证。1.2.4融资约束的调节效应检验在这部分，本文将采用交互项层次回归法展开融资约束对上市公司股权激励对企业财务绩效的调节效应检验。接下来将探究融资约束对上市公司股权激励对企业专利申请总数影响的调节效应。表3-12为检验结果：表3-12融资约束的调节效应检验（专利申请总数）（1）（2）T_PatentT_PatentCoefStd-ErrCoefStd-ErrIncentive0.1725***（0.0639）2.1321**（1.0067）SA-0.0085（0.1293）0.0828（0.1390）Incentive×SA0.5418*（0.2783）Size0.5964***（0.0442）0.5991***（0.0442）ROA1.6804***（0.6156）1.6712***（0.6152）Age0.1267*（0.0693）0.1223*（0.0693）Lev0.0264（0.1847）0.0272（0.1847）Tangible-0.3757（0.2390）-0.3754（0.2387）Growth-0.0004***（0.0001）-0.0004***（0.0001）SOE0.4292***（0.1136）0.4256***（0.1135）Top10.0055***（0.0019）0.0055***（0.0019）Dual0.0258（0.0463）0.0250（0.0463）Ins-0.0001（0.0011）-0.0001（0.0011）cons-11.1876***（0.9787）-11.5466***（1.0039）YearControlControlControlControlIndustryControlControlControlControlN19781978R20.26190.2628注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数根据表3-12的回归结果。首先看模型（3-7）回归下的（2）列结果，其中交互项（Incentivei,t×SAi,t）系数为-0.5418，在10%水平下抑制企业专利申请总数的提升，同时模型（3-7）的可决系数为0.2628大于模型（3-6）的可决系数0.2619，因此可以认为融资约束对股权激励与专利申请总数的关系具有调节作用。进一步，在回归方程中加入融资约束后，股权激励的系数未发生改变，皆为0.1725，并且在1%的水平下显著为正，在方程中加入交互乘积项后，股权激励的系数变为2.1321，并且在5%的水平下显著为正，而融资约束的影响不显著，交互项系数在10%的水平下显著为负。因而可以认为上市公司融资负向调节股权激励与企业专利申请总数的关系，企业面临融资约束越强，股权激励对企业专利申请总数的促进作用越弱。接下来，本文继续探讨融资约束对上市公司股权激励与发明专利申请数量影响的调节效应，表3-13为检验结果：表3-13融资约束的调节效应检验（发明专利申请数量）（3）（4）Patent1Patent1CoefStd-ErrCoefStd-ErrIncentive0.3819***（0.0497）2.0584***（0.7655）SA-0.0296（0.1305）0.2421（0.1817）Incentive×SA0.4664**（0.2133）Size0.6416***（0.0444）0.6483***（0.0447）ROA1.0560（0.6548）1.0326（0.6543）Age0.0146（0.0735）0.0187（0.0735）Lev-0.6517***（0.1939）-0.6397***（0.1936）Tangible0.0684（0.2390）0.0607（0.2385）Growth-0.0001（0.0001）-0.0001（0.0001）SOE0.6483***（0.1225）0.6372***（0.1229）Top10.0010（0.0019）0.0013（0.0019）Dual0.0440（0.0477）0.0455（0.0476）Ins0.0007（0.0010）0.0009（0.0010）cons-12.6170***（0.9560）-13.7595***（1.1079）YearControlControlControlControlIndustryControlControlControlControlN19781978R20.24080.2420注：eq\o\ac(○,1)***、**和*分别表示在1%、5%和10%的水平下显著；eq\o\ac(○,2)Std-Err为聚类到企业层面的稳健标准误；eq\o\ac(○,3)cons是回归方程的常数项；eq\o\ac(○,4)N为样本数根据表3-13的回归结果。首先看模型（3-7）回归下的（2）列结果，其中交互项（Incentivei,t×SAi,t）系数为-0.4664，在5%水平下抑制企业发明专利申请数量的提升，同时模型（3-7）的可决系数为0.2420大于模型（3-6）的可决系数0.2408，因此可以认为融资约束对股权激励与发明专利申请数量的关系具有调节作用。进一步，在回归方程中加入融资约束后，股权激励的系数从0.2002改变为0.3819，均在1%的水平下显著为正，在方程中加入交互乘积项后，股权激励的系数变为2.0584，并且在1%的水平下显著为正，而融资约束的影响不显著，交互项系数在5%的水平下显著为负。因而可以认为上市公司融资负向调节股权激励与企业发明专利申请数量的关系，企业面临融资约束越强，股权激励对企业专利申请数量的促进作用越弱。综上实证结果，企业融资约束能够对股权激励与企业专利申请总数、发明专利申请数量之间的关系产生调节作用。在控制其他条件前提下，企业融资约束负向调节股权激励与企业财务绩效的关系，企业面临融资约束越强，股权激励对企业财务绩效的促进作用越弱。由此假设H4得到验证。1.2.5稳健性检验本文主要采用三种方法实施稳健性检验：一是控制股权激励对企业财务绩效影响的内生性问题，特别是“遗漏变量”问题，即存在其他因素对残差项相关。本文使用倾向得分匹配来控制选择性偏误导致遗漏变量的内生性问题，并通过双重差分模型再次对股权激励与企业财务绩效的影响关系进行检验；二是尽可能避免对企业财务绩效度量上的偏误，用发明专利和实用新型专利申请数量来替换被解释变量，对模型重新回归；三是尽可能减少行业在不同年份中的差异，在模型中进一步控制行业和年份乘积项的固定效应。研究结果发现，使用三种稳健性测试方法之后，本文的结论依然成立，增强了前文检验结果的文件性和可靠性。1.2.5.1倾向得分匹配及双重差分模型（1）倾向得分匹配本文在研究股权激励对企业财务绩效的影响时，需要去克服样本的选择性偏误问题，即实施股权激励的公司与没有实施股权激励的公司可能会存在差异，如实施股权激励的公司可能更加重视创新研发，选择性偏误会导致遗漏变量这类内生性问题，为了控制这种内生性问题，借鉴李丹蒙和万华林（2017）、田轩和孟清扬（2018）的做法，构建模型（3-8），以是否实施股权激励为因变量，特征变量选择前文模型中的所有控制变量，进行Logit回归估计得到倾向得分，采用1:1有放回的最近邻匹配，匹配之后进行均衡性检验，检验结果如表3-17以及图3-1所示Incentivei,t=α0+α1Sizei,t+α2ROAi,t+α3Agei,t+α4Levi,t+α5Tangiblei,t+α6Growthi,t+α7SOEi,t+α8Top1i,t+α9Duali,t+α10Insi,t+α11Indi,t+α12Yeari,t+εi,t（3-8）模型中，i指代不同的企业个体，t指代不同的观察年份；被解释变量Incentive为企业是否实施股权激励，特征变量选取前文模型中的控制变量：Size表示企业规模；ROA表示盈利能力；Age表示上市年限；Lev表示资产负债率；Tangible表示资产结构；Growth表示企业成长性；SOE表示产权性质；Top1表示股权集中度；Dual表示高管权力；Ins表示机构持股比例；Yeari,t表示年份固定效应；Industryi,t表示行业固定效应；ε表示模型残差。图3-1稳健性检验：倾向得分匹配前后变量偏差变化由图3-1也可以看出，除了高管权力（Dual）在匹配之后距离中心0的差异增大，其余变量在匹配之后的位置距离中心0的位置均减小，说明在进行倾向得分匹配之后，实验组和对照组的个体特征差异减少。表3-14稳健性检验：倾向得分匹配均衡性检验变量均值%reductT检验处理组对照组%biasbiasT值p>|t|SizeUnmatched21.32221.12825.05.410.000Matched21.31321.418-13.546.0-2.870.004ROAUnmatched0.0570.04722.84.980.000Matched0.0570.0546.770.61.650.09