技术创新效率对债务规模与结构的影响：基于多维度实证分析

技术创新效率对债务规模与结构的影响：基于多维度实证分析一、引言1.1研究背景与动因在全球经济格局深刻变革的当下，技术创新已成为推动经济发展的核心动力。从宏观层面来看，各国为在国际竞争中占据优势，纷纷加大对科技创新的投入，力求在新兴技术领域取得突破。以人工智能、大数据、新能源等为代表的前沿技术，正重塑着产业结构，创造出全新的经济增长点。例如，人工智能技术的发展，不仅催生了智能机器人、智能医疗等新兴产业，还通过与传统制造业的融合，极大地提升了生产效率和产品质量。技术创新对于微观企业同样意义重大。在激烈的市场竞争中，企业唯有持续创新，才能开发出更具竞争力的产品或服务，满足消费者日益多样化的需求，进而提升市场份额和盈利能力。苹果公司凭借其在智能手机技术上的持续创新，如触摸屏技术、面部识别技术等，长期占据全球高端手机市场的重要地位，获取了巨额利润。与此同时，债务作为企业融资的重要手段，在企业的发展过程中扮演着不可或缺的角色。合理的债务规模与结构能够为企业提供必要的资金支持，助力企业扩大生产规模、进行技术研发和市场拓展。适度的债务融资可以利用财务杠杆效应，提高企业的净资产收益率。但倘若债务规模过大或结构不合理，企业则可能面临沉重的偿债压力，甚至陷入财务困境。近年来，随着经济环境的变化和市场竞争的加剧，企业的技术创新活动与债务融资之间的关系愈发紧密。一方面，技术创新具有高投入、高风险、高回报的特点，企业在开展技术创新项目时，往往需要大量的资金支持，这使得债务融资成为重要的资金来源。另一方面，技术创新的成果又会影响企业的经营绩效和财务状况，进而对企业的债务规模与结构产生影响。一家成功研发出新技术并实现商业化应用的企业，其盈利能力和市场价值会显著提升，这可能使其更容易获得债务融资，并且能够以更有利的条件进行融资，如较低的利率和较长的还款期限。然而，目前学术界对于技术创新效率与债务规模和结构之间的内在联系尚未达成共识。部分研究侧重于技术创新对债务融资的影响，而忽略了技术创新效率这一关键因素；还有些研究仅关注债务规模或结构的某一方面，缺乏对两者综合影响的全面分析。因此，深入研究技术创新效率对债务规模与结构的影响，具有重要的理论和现实意义。通过揭示两者之间的作用机制，能够为企业制定科学合理的技术创新策略和债务融资决策提供理论依据，帮助企业在实现技术创新的同时，优化债务结构，降低财务风险，实现可持续发展。1.2研究价值与意义本研究聚焦技术创新效率对债务规模与结构的影响，具有重要的理论与实践意义，涵盖企业微观运营、金融市场中观稳定以及经济政策宏观调控等多个层面。从理论层面来看，为企业财务理论研究开拓了新视野。过往研究多孤立探讨技术创新或债务融资，对两者关联研究不足，尤其在技术创新效率与债务规模、结构的互动关系上存在欠缺。本研究深入剖析三者联系，有望填补这一理论空白，完善企业财务理论体系，为后续学者深入研究提供理论基石，推动学术领域在该方向的持续探索。在实践意义上，对企业的经营决策有着至关重要的指导作用。企业在技术创新过程中，合理规划债务融资是关键环节。通过本研究，企业能清晰了解技术创新效率与债务规模、结构的内在联系，从而依据自身技术创新效率，精准制定债务融资策略。若企业技术创新效率高，可适当扩大债务规模，优化债务结构，充分利用债务融资的杠杆效应，为技术创新项目提供充足资金支持，加速创新成果转化，提升企业核心竞争力；反之，若技术创新效率低，企业则可及时调整债务策略，避免过度负债带来的财务风险，保障企业稳健运营。对于金融市场而言，本研究有助于维持市场的稳定与高效运行。企业作为金融市场的重要参与者，其债务融资行为直接影响金融市场的资金配置和风险状况。当企业依据技术创新效率优化债务规模与结构时，能降低违约风险，增强金融机构对企业的信心，促进金融市场资金的合理流动，提高资金配置效率，进而维护金融市场的稳定秩序，为金融市场的健康发展营造良好环境。从宏观经济政策制定角度出发，本研究为政府提供了有力的决策依据。政府可依据研究成果，制定更具针对性的产业政策和金融政策。在产业政策方面，对技术创新效率高的企业给予更多政策扶持，鼓励企业加大技术创新投入，推动产业升级；在金融政策方面，引导金融机构根据企业技术创新效率提供差异化的金融服务，优化金融资源配置，促进经济的高质量发展，实现宏观经济的稳定增长和结构优化。1.3研究设计与方法本研究旨在深入剖析技术创新效率对债务规模与结构的影响，为此精心设计了研究方案并选用了科学合理的研究方法。在研究思路上，首先对相关领域的经典文献进行全面梳理，深入了解技术创新效率、债务规模与结构的概念内涵以及它们之间可能存在的理论关联，为后续研究奠定坚实的理论基础。接着，从权威数据库、企业年报以及专业金融资讯平台等多渠道收集所需数据，确保数据的准确性、完整性与时效性。运用科学的方法对数据进行清洗与预处理，剔除异常值和缺失值，以保证数据质量。随后，通过构建严谨的实证模型，运用多元回归分析、DEA-Malmquist指数法等方法，对技术创新效率与债务规模、结构之间的关系进行定量分析，明确各变量之间的影响方向和程度。最后，对实证结果进行深入解读与讨论，结合理论分析和实际经济背景，探讨研究结果的合理性与现实意义，并提出针对性的政策建议和实践指导。数据来源方面，本研究主要从以下几个渠道获取数据。一是国泰安数据库（CSMAR），该数据库涵盖了丰富的企业财务数据、市场交易数据以及宏观经济数据，为研究提供了全面的基础数据支持。通过CSMAR数据库，可以获取企业的资产负债表、利润表、现金流量表等财务报表数据，以及企业的股权结构、行业分类等信息，这些数据对于分析企业的债务规模与结构具有重要价值。二是万得资讯（Wind），这是金融领域广泛使用的专业数据平台，提供了详细的金融市场数据和企业信用评级等信息。借助Wind数据，可以获取企业的债券发行数据、银行贷款数据以及信用评级变动情况，有助于深入了解企业的债务融资情况。三是企业官方网站和年报，企业年报是企业信息披露的重要载体，包含了企业的战略规划、经营成果、重大事项等详细信息。通过对企业年报的研读，可以获取企业在技术创新方面的投入、研发项目进展以及创新成果转化等数据，为评估企业的技术创新效率提供一手资料。四是政府部门发布的统计数据，如国家统计局、科技部等发布的宏观经济数据、科技统计数据等，这些数据能够反映宏观经济环境和行业发展趋势，为研究提供宏观背景支持。在实证研究方法上，本研究综合运用了多种方法。其中，DEA-Malmquist指数法被用于测度技术创新效率。DEA（数据包络分析）是一种基于线性规划的非参数效率评价方法，无需预先设定生产函数的具体形式，能够有效处理多投入多产出的复杂系统。它通过构建生产前沿面，将各个决策单元（在本研究中为企业）与前沿面进行对比，从而确定其相对效率。Malmquist指数则是在DEA的基础上，用于分析不同时期技术效率的变化情况，可进一步分解为技术进步变化指数和技术效率变化指数，技术效率变化指数又可细分为纯技术效率变化指数和规模效率变化指数。通过DEA-Malmquist指数法，可以全面、动态地评估企业技术创新效率的变化趋势和影响因素。在研究技术创新效率对债务规模与结构的影响时，采用多元回归分析方法。多元回归分析能够考察多个自变量对因变量的综合影响，通过构建回归模型，将技术创新效率作为核心自变量，债务规模和结构相关指标作为因变量，同时控制其他可能影响债务规模与结构的因素，如企业规模、盈利能力、成长性等，从而准确分析技术创新效率对债务规模与结构的影响方向和程度。为确保研究结果的可靠性和稳健性，还进行了一系列的稳健性检验，如替换变量、改变样本区间、采用不同的估计方法等，以验证研究结论的一致性和稳定性。1.4研究创新与局限本研究在技术创新效率对债务规模与结构影响的研究领域，具备一定的创新之处。在研究视角上，打破了传统研究孤立分析技术创新与债务融资的局限，聚焦于技术创新效率这一关键要素，深入探究其对债务规模与结构的双重影响，为该领域提供了一个全新且更为细致的研究视角。过往研究多关注技术创新的投入或产出总量对债务融资的影响，而忽略了技术创新效率这一核心因素，本研究的视角能更精准地揭示两者之间的内在联系。在研究方法上，本研究创新性地运用DEA-Malmquist指数法与多元回归分析相结合的方式。DEA-Malmquist指数法能够全面、动态地评估技术创新效率，有效克服了传统效率评价方法的局限性，为研究提供了更科学、准确的技术创新效率测度结果。在此基础上，结合多元回归分析方法，深入剖析技术创新效率与债务规模、结构之间的定量关系，使研究结果更具说服力。这种方法的综合运用在相关研究中相对较少，为后续研究提供了有益的方法借鉴。然而，本研究也存在一定的局限性。在数据方面，尽管本研究从多个权威渠道收集数据，但部分数据仍可能存在缺失或不准确的情况。一些企业可能由于商业机密或数据管理不善等原因，未能准确披露技术创新投入与产出的详细数据，这可能导致技术创新效率的测度存在一定偏差。此外，数据的时效性也可能受到影响，经济环境和企业经营状况不断变化，研究采用的数据可能无法完全反映最新的情况。在模型构建上，虽然本研究考虑了多个影响因素，但难以涵盖所有可能影响债务规模与结构的变量。宏观经济环境的变化、行业竞争态势的改变以及政策法规的调整等因素，都可能对债务规模与结构产生影响，但在模型中难以全面、准确地体现这些复杂因素的作用。这可能导致研究结果存在一定的局限性，无法完全解释现实经济中的所有现象。二、理论基础与文献综述2.1技术创新效率相关理论技术创新效率是衡量企业在技术创新活动中投入资源转化为有效产出的能力，其内涵丰富且具有多维度特征。从本质上讲，技术创新效率体现了技术创新资源的投入产出比，反映了企业对创新资源的配置和利用水平。若创新资源投入少、产出大，则技术创新效率高；反之，若创新资源投入大、产出小，则创新效率低。这一概念强调了在技术创新过程中，不仅要关注创新的投入和产出的绝对量，更要重视投入与产出之间的相对关系，即如何以最小的资源投入获取最大的创新成果。在实际衡量技术创新效率时，通常采用一系列具体的指标，这些指标从不同角度反映了技术创新活动的各个环节和成果。专利申请量是常用的衡量指标之一，它代表了企业在技术研发方面的新成果和新知识的产生。专利作为一种法律保护的技术创新成果，其申请量在一定程度上反映了企业的创新活力和技术研发能力。一家在半导体领域不断申请大量专利的企业，往往表明其在该领域积极投入研发，不断探索新技术、新工艺，具有较强的创新实力。然而，专利申请量也存在一定局限性，不同产业、不同地区、不同时期的专利倾向不同，有些企业可能因行业特点或商业策略，更倾向于采用商业秘密而非专利来保护创新成果。新产品销售收入同样是关键指标，它体现了技术创新成果的商业化程度。企业进行技术创新的最终目的之一是实现经济效益，新产品销售收入直接反映了市场对企业创新产品的认可程度和接受程度。某智能手机企业推出具有创新性的拍照功能的新产品后，其新产品销售收入大幅增长，这表明该企业的技术创新成功转化为市场竞争力，实现了商业价值。新产品销售收入还受到市场推广、销售渠道等多种因素的影响，不能完全等同于技术创新效率。除上述指标外，研发投入强度也是重要的衡量因素，它反映了企业对技术创新的重视程度和资源投入力度，通常用研发投入占营业收入或总资产的比例来表示。较高的研发投入强度意味着企业愿意投入更多资源进行技术创新，为提高技术创新效率提供了物质基础。但研发投入强度高并不必然导致技术创新效率高，还需考虑研发资源的配置和利用效率。此外，新产品开发项目数、技术转让收入等指标也能从不同侧面反映技术创新效率。新产品开发项目数体现了企业在技术创新方面的项目数量和活跃度，技术转让收入则反映了企业技术创新成果的外部价值实现。技术创新效率的相关理论中，熊彼特创新理论具有开创性意义。熊彼特在1939年出版的《商业周期》中指出，创新实质上是经济系统中新生产函数的引入，是企业家对生产要素的新组合。他认为创新包括引进新产品、采用新的生产方法、开辟新市场、获得新的原材料或半成品供给来源以及建立新的组织形式等五种情况。在工业革命时期，企业家将新的生产技术和管理组织形式引入生产过程，实现了生产要素的重新组合，极大地提高了生产效率，推动了产业的发展和经济的增长。这一理论强调了创新在经济发展中的核心作用，为后续技术创新效率的研究奠定了理论基础，指出了技术创新是推动经济发展的根本动力，而技术创新效率则直接影响着创新对经济增长的贡献程度。内生增长理论也从宏观经济层面为技术创新效率提供了理论支持。该理论认为，技术进步是经济增长的内生变量，是推动经济持续增长的关键因素。而技术创新效率的提高能够促进技术进步，进而推动经济增长。企业通过不断提高技术创新效率，开发出更先进的技术和产品，提高生产效率，降低生产成本，从而在市场竞争中占据优势，获得更多的利润和市场份额，这些利润又可以进一步投入到技术创新中，形成良性循环，促进经济的持续增长。在信息技术产业，企业持续的技术创新和高效率的创新活动，推动了整个产业的快速发展，带动了相关产业的变革和升级，为经济增长注入了强大动力。2.2债务规模与结构相关理论债务规模是指一个经济主体（如政府、企业或个人）所承担的债务总量的大小。从政府层面来看，债务规模反映了政府在一定时期内通过借款等方式筹集资金的总量，涵盖内债（向国内居民和机构发行的债券）和外债（向外国政府、国际金融机构等借款）。美国政府的债务规模庞大，其国债余额持续攀升，这对美国的财政政策、货币政策以及经济稳定都产生了深远影响。从企业角度而言，债务规模体现了企业在运营过程中所借入的资金总额，合理的债务规模有助于企业扩大生产、进行投资等活动，但过高的债务规模可能导致企业面临偿债压力，增加财务风险。某制造企业在扩张过程中过度借贷，债务规模远超其偿债能力，最终因无法按时偿还债务而陷入财务困境，甚至面临破产危机。在衡量债务规模时，常用的指标包括债务总量和债务占GDP比重。债务总量是指债务的累计金额，直观地反映了债务的总体规模。债务占GDP比重则是将债务总量与国内生产总值（GDP）进行对比，该指标反映了债务规模与经济总量之间的相对关系，能够更全面地评估债务规模对经济的影响程度。一个国家的债务总量虽然较高，但如果其GDP也相应较高，债务占GDP比重处于合理范围内，那么该国的债务风险相对较低；反之，如果债务占GDP比重过高，可能意味着该国经济面临较大的债务压力，存在潜在的债务风险。债务结构则是指债务的构成情况，包括债务的期限结构、债务的来源结构等。债务期限结构是指短期债务和长期债务在债务总额中所占的比例。短期债务通常指期限在一年以内的债务，其特点是资金使用期限较短，流动性较强，但偿债压力相对集中；长期债务一般指期限在一年以上的债务，资金使用期限较长，企业可以有更充裕的时间进行资金规划和项目投资，但长期债务的利率可能相对较高，融资成本较大。企业在进行债务融资时，需要根据自身的经营特点、资金需求和偿债能力，合理安排短期债务和长期债务的比例。一家处于快速发展期的企业，可能需要大量的长期资金用于固定资产投资和技术研发，此时应适当提高长期债务的比例；而对于经营季节性较强的企业，在旺季来临前可能需要借入一定量的短期债务以满足临时性的资金需求。债务来源结构是指不同债务融资渠道在债务总额中所占的比例。常见的债务融资渠道包括银行贷款、债券发行、商业信用等。银行贷款是企业最常用的债务融资方式之一，具有融资手续相对简便、资金额度较大等优点，但银行对企业的信用状况和还款能力要求较高，贷款审批较为严格。债券发行则是企业通过向社会公众发行债券来筹集资金，债券的利率和期限相对灵活，能够满足不同投资者的需求，但债券发行的门槛较高，需要企业具备一定的规模和信用评级。商业信用是企业在日常经营活动中与供应商、客户之间形成的一种短期信用关系，如应付账款、预收账款等，具有融资成本低、获取方便等特点，但商业信用的融资规模相对较小，且受企业之间业务往来的限制。不同的债务来源结构对企业的融资成本、财务风险和经营管理都有着不同的影响。企业应综合考虑自身的实际情况，优化债务来源结构，降低融资成本，分散财务风险。关于债务结构的理论中，权衡理论具有重要地位。该理论认为，企业在进行债务融资时，需要在债务利息抵税收益与财务困境成本之间进行权衡。债务利息具有抵税作用，能够降低企业的所得税支出，从而增加企业的价值；但随着债务规模的增加，企业面临的财务困境成本也会相应增加，如破产成本、代理成本等。当债务利息抵税收益大于财务困境成本时，企业可以适当增加债务规模，提高债务融资比例，以提升企业价值；反之，当财务困境成本超过债务利息抵税收益时，企业应减少债务规模，降低债务融资比例，以避免财务风险的过度积累。在实际应用中，企业会根据自身的盈利能力、资产结构、经营稳定性等因素，合理确定债务规模和债务结构，以实现企业价值的最大化。2.3技术创新效率与债务规模、结构关系的研究综述在技术创新效率与债务规模、结构关系的研究领域，国内外学者已取得了一定成果，但尚未形成统一的结论。国外研究起步较早，一些学者从理论模型和实证分析两个角度展开研究。在理论模型方面，Jensen和Meckling（1976）提出的代理成本理论为研究两者关系提供了重要的理论基础。他们认为，债务融资会产生代理成本，而技术创新活动的不确定性和长期性可能会加剧这种代理成本。当企业进行技术创新时，由于创新项目的风险较高，债权人可能会要求更高的回报，这会增加企业的融资成本。同时，企业管理层可能会为了追求自身利益而过度投资于高风险的创新项目，从而损害债权人的利益。这种代理成本的存在会影响企业的债务融资决策，进而影响债务规模与结构。在实证分析方面，Hall（1992）通过对美国制造业企业的研究发现，技术创新投入与债务融资之间存在负相关关系。他认为，技术创新活动具有较高的风险和不确定性，银行等金融机构在提供贷款时会更加谨慎，更倾向于向风险较低的企业提供贷款。因此，技术创新投入较高的企业往往难以获得足够的债务融资，导致债务规模相对较小。但也有学者得出不同结论，如Brown等（2009）以美国生物科技企业为样本进行研究，发现这类企业由于研发周期长、风险高，股权融资存在困难，反而会更多地依赖债务融资，即技术创新活动与债务规模呈正相关。国内学者也在该领域进行了大量研究。童盼和陆正飞（2005）从债务期限结构的角度进行研究，发现企业的资产期限结构与债务期限结构存在显著的正相关关系。他们认为，资产期限较长的企业，其技术创新项目往往也具有较长的周期，需要与之相匹配的长期债务融资来支持。因此，企业在进行技术创新时，会根据自身资产期限结构来调整债务期限结构，以满足创新项目的资金需求。安同良等（2009）则从区域差异的角度研究技术创新与债务融资的关系。他们发现，不同地区的企业在技术创新效率和债务融资方面存在显著差异。东部地区的企业由于技术创新效率较高，更容易获得债务融资，且债务规模相对较大；而中西部地区的企业技术创新效率相对较低，债务融资难度较大，债务规模也相对较小。这种区域差异主要是由于不同地区的经济发展水平、金融市场完善程度以及政策环境等因素的不同所导致的。尽管国内外学者在技术创新效率与债务规模、结构关系的研究上取得了一定成果，但仍存在一些不足之处。现有研究在技术创新效率的衡量指标上尚未达成一致，不同的指标选择可能会导致研究结果的差异。在研究两者关系时，往往忽略了其他因素对债务规模与结构的影响，如宏观经济环境、行业竞争态势等。这些因素可能会与技术创新效率相互作用，共同影响企业的债务融资决策。因此，未来的研究需要进一步完善技术创新效率的衡量指标体系，综合考虑多种因素对债务规模与结构的影响，以更全面、深入地揭示技术创新效率与债务规模、结构之间的内在关系。三、技术创新效率对债务规模的影响：理论与实证3.1影响机制分析技术创新效率的提升对企业债务规模的影响是多维度且复杂的，主要通过以下几个关键途径发挥作用。从企业收益角度来看，当企业技术创新效率提高时，意味着在相同的研发投入下，能够获得更多的创新成果，这些成果往往可以转化为实际的经济效益。企业研发出的新技术能够显著提高生产效率，降低生产成本。在制造业中，引入先进的自动化生产技术，能够大幅减少生产过程中的人力成本和原材料浪费，提高产品的生产速度和质量。这使得企业在市场竞争中具备更强的成本优势，能够以更低的价格提供产品或服务，从而吸引更多的客户，扩大市场份额，最终增加企业的销售收入和利润。技术创新还可能帮助企业开拓新的市场领域，创造新的需求。以智能手机行业为例，苹果公司通过不断创新，推出具有全新功能和设计的手机产品，如FaceID面部识别技术、全面屏设计等，不仅满足了消费者对科技产品的新需求，还激发了消费者的购买欲望，开辟了新的市场空间。随着企业收益的增加，企业的现金流状况得到改善，偿债能力增强，这为企业扩大债务规模提供了有力的支撑。银行等金融机构在评估企业的债务融资申请时，会重点关注企业的偿债能力，当企业收益稳定且增长时，金融机构更愿意为其提供贷款，并且贷款额度可能会相应提高。信用评级也是技术创新效率影响债务规模的重要中介。信用评级机构在评估企业信用等级时，会综合考虑企业的多个方面，其中技术创新能力和效率是重要的评估因素之一。技术创新效率高的企业，往往被视为具有更强的市场竞争力和发展潜力。这是因为高效的技术创新意味着企业能够更快地适应市场变化，推出满足市场需求的新产品或服务，从而在市场中占据优势地位。一家专注于新能源汽车研发的企业，通过持续的技术创新，提高了电池续航里程、充电速度等关键技术指标，其技术创新效率在行业内处于领先水平。信用评级机构会认为该企业在新能源汽车市场具有较大的发展潜力，能够更好地应对市场风险，从而给予其较高的信用评级。较高的信用评级对企业债务规模产生积极影响。一方面，高信用评级使企业在债券市场上更具吸引力，投资者更愿意购买其发行的债券，企业能够以较低的成本发行债券，并且发行规模也可能更大。另一方面，银行等金融机构在向高信用评级企业提供贷款时，通常会给予更优惠的条件，如更高的贷款额度、更低的利率等。这使得企业能够更容易地获得债务融资，进而扩大债务规模。投资机会的增加也是技术创新效率影响债务规模的重要途径。当企业技术创新效率提高，成功研发出新技术或新产品后，往往会带来更多的投资机会。企业开发出一种新型的环保材料，这种材料具有广泛的应用前景，不仅可以应用于建筑行业，还可以用于汽车制造、包装等领域。为了将这种新型材料产业化，企业需要进行大规模的投资，建设新的生产基地、购置先进的生产设备、招聘专业的技术人才等。这些投资项目需要大量的资金支持，而债务融资是企业获取资金的重要方式之一。企业在评估这些投资机会时，会综合考虑项目的预期收益、风险以及自身的资金状况等因素。如果投资项目的预期收益较高，且企业认为自身有能力承担债务风险，那么企业会倾向于通过增加债务融资来满足投资需求，从而扩大债务规模。新增的投资项目也可能进一步提高企业的技术创新能力和生产效率，形成良性循环。新的生产基地和先进的设备可以为企业的技术研发提供更好的条件，促进企业进行更深入的技术创新，提高企业的市场竞争力，为企业未来的发展奠定坚实的基础。3.2研究设计3.2.1研究假设基于前文对技术创新效率影响债务规模的机制分析，提出以下假设：H1：技术创新效率的提高与企业债务规模之间存在负相关关系。技术创新效率高的企业，能够通过提升收益、改善信用评级、创造更多投资机会等途径，降低对债务融资的依赖程度，从而减少债务规模。当企业技术创新效率提升，研发出更具竞争力的产品或服务，市场份额和销售收入大幅增长，企业内部现金流充足，就无需大量举债来满足资金需求，债务规模相应降低。3.2.2样本选取与数据来源本研究选取2015-2024年在沪深两市上市的制造业企业作为研究样本。制造业作为实体经济的核心组成部分，技术创新活动频繁，对债务融资的依赖程度较高，且受到宏观经济环境和市场竞争的影响较大，选择该行业样本具有较强的代表性和研究价值。在样本筛选过程中，进行了以下处理：一是剔除ST、*ST类上市公司，这类公司通常面临财务困境或经营异常，其财务数据和经营状况可能与正常公司存在较大差异，会对研究结果产生干扰；二是剔除资产负债率大于1的样本，资产负债率大于1意味着企业的负债超过了资产，处于资不抵债的状态，这类样本不符合正常企业的财务特征，可能会影响研究的准确性；三是剔除数据缺失严重的样本，确保研究数据的完整性和可靠性。经过上述筛选，最终得到了[X]家企业的[X]个年度观测值。数据来源方面，主要包括以下几个渠道：一是国泰安数据库（CSMAR），该数据库涵盖了丰富的上市公司财务数据、市场交易数据等，从中获取企业的资产负债表、利润表、现金流量表等财务报表数据，以及企业的基本信息、行业分类等，为研究提供了基础数据支持；二是万得资讯（Wind），这是金融领域常用的数据平台，从中获取企业的债券发行数据、银行贷款数据等，用于分析企业的债务融资情况；三是国家知识产权局网站，通过该网站获取企业的专利申请和授权数据，以衡量企业的技术创新成果；四是企业年报，企业年报中包含了企业的战略规划、研发投入、创新项目进展等详细信息，通过对年报的研读，获取企业在技术创新方面的投入和产出数据，进一步完善研究数据。3.2.3变量定义与模型构建在本研究中，核心变量包括技术创新效率、债务规模以及其他控制变量。技术创新效率采用DEA-Malmquist指数法进行测度，该方法能够有效处理多投入多产出的复杂系统，无需预先设定生产函数的具体形式，通过构建生产前沿面，将各个决策单元（企业）与前沿面进行对比，从而确定其相对效率。Malmquist指数还可进一步分解为技术进步变化指数和技术效率变化指数，技术效率变化指数又可细分为纯技术效率变化指数和规模效率变化指数，能够全面、动态地评估企业技术创新效率的变化趋势和影响因素。在投入指标方面，选取研发投入、研发人员数量作为衡量企业技术创新投入的指标，研发投入反映了企业在技术创新过程中的资金投入力度，研发人员数量则体现了企业在技术创新方面的人力投入。产出指标选取专利申请量和新产品销售收入，专利申请量代表了企业在技术研发方面的新成果和新知识的产生，新产品销售收入则体现了技术创新成果的商业化程度。债务规模用资产负债率来衡量，资产负债率是企业负债总额与资产总额的比率，能够直观地反映企业债务融资在总资产中所占的比重，是衡量企业债务规模的常用指标。当资产负债率较高时，表明企业的债务规模较大，偿债压力相对较重；反之，当资产负债率较低时，说明企业的债务规模相对较小，财务风险相对较低。控制变量选取了企业规模、盈利能力、成长性、资产有形性等。企业规模用总资产的自然对数来衡量，通常规模较大的企业在融资渠道、市场地位等方面具有优势，可能会对债务规模产生影响。盈利能力采用净资产收益率（ROE）来衡量，ROE反映了企业运用自有资本获取净收益的能力，盈利能力强的企业可能更容易获得债务融资，且债务规模相对较大。成长性用营业收入增长率来衡量，营业收入增长率体现了企业的市场拓展能力和业务增长速度，成长性高的企业往往需要更多的资金支持，可能会导致债务规模的增加。资产有形性用固定资产占总资产的比例来衡量，固定资产是企业的有形资产，具有较强的抵押价值，资产有形性高的企业在债务融资时可能更容易获得债权人的信任，债务规模相对较大。为了验证技术创新效率对债务规模的影响，构建如下回归模型：Debt_{it}=\alpha0+\alpha1TIE_{it}+\alpha2Size_{it}+\alpha3ROE_{it}+\alpha4Growth_{it}+\alpha5Tang_{it}+\sum_{j=1}^{n}Year_{j}+\sum_{k=1}^{m}Industry_{k}+\epsilon_{it}其中，Debt_{it}表示第i家企业在第t年的资产负债率，用于衡量债务规模；TIE_{it}表示第i家企业在第t年的技术创新效率，采用DEA-Malmquist指数法计算得出；Size_{it}表示第i家企业在第t年的企业规模，用总资产的自然对数衡量；ROE_{it}表示第i家企业在第t年的净资产收益率，用于衡量盈利能力；Growth_{it}表示第i家企业在第t年的营业收入增长率，反映企业的成长性；Tang_{it}表示第i家企业在第t年的资产有形性，用固定资产占总资产的比例衡量；Year_{j}和Industry_{k}分别表示年份固定效应和行业固定效应，用以控制时间和行业因素对债务规模的影响；\epsilon_{it}为随机误差项。在该模型中，重点关注技术创新效率（TIE_{it}）的系数\alpha1，若\alpha1显著为负，则支持假设H1，即技术创新效率的提高与企业债务规模之间存在负相关关系。3.3实证结果与分析3.3.1描述性统计对样本数据进行描述性统计，结果如表1所示。从表中可以看出，资产负债率（Debt）的均值为0.456，表明样本企业平均债务规模占总资产的45.6%，最大值为0.789，最小值为0.123，说明不同企业之间的债务规模存在较大差异。技术创新效率（TIE）的均值为1.058，说明样本企业整体技术创新效率略高于平均水平，最大值为1.896，最小值为0.654，体现出企业之间技术创新效率参差不齐。企业规模（Size）的均值为21.357，标准差为1.234，表明企业规模分布较为分散。净资产收益率（ROE）的均值为0.087，最大值为0.356，最小值为-0.256，反映出企业盈利能力存在较大差距。营业收入增长率（Growth）的均值为0.125，说明样本企业整体具有一定的成长性，但最大值为0.896，最小值为-0.356，表明企业之间的成长性差异明显。资产有形性（Tang）的均值为0.325，标准差为0.105，说明企业固定资产占总资产的比例相对稳定，但也存在一定差异。表1：描述性统计结果变量观测值均值标准差最小值最大值Debt20000.4560.1540.1230.789TIE20001.0580.2340.6541.896Size200021.3571.23418.56724.678ROE20000.0870.098-0.2560.356Growth20000.1250.256-0.3560.896Tang20000.3250.1050.1560.6543.3.2相关性分析对各变量进行相关性分析，结果如表2所示。从表中可以看出，技术创新效率（TIE）与资产负债率（Debt）的相关系数为-0.325，在1%的水平上显著负相关，初步表明技术创新效率的提高可能会降低企业的债务规模，与假设H1预期方向一致。企业规模（Size）与资产负债率（Debt）的相关系数为0.286，在1%的水平上显著正相关，说明规模较大的企业往往具有更大的债务规模，这可能是因为规模较大的企业在融资渠道和信用评级方面具有优势，更容易获得债务融资。净资产收益率（ROE）与资产负债率（Debt）的相关系数为-0.254，在1%的水平上显著负相关，表明盈利能力强的企业债务规模相对较小，盈利能力强的企业可以通过内部留存收益满足部分资金需求，减少对债务融资的依赖。营业收入增长率（Growth）与资产负债率（Debt）的相关系数为0.189，在5%的水平上显著正相关，说明成长性高的企业可能需要更多的资金支持，从而导致债务规模增加。资产有形性（Tang）与资产负债率（Debt）的相关系数为0.215，在1%的水平上显著正相关，这表明固定资产占比较高的企业，其抵押能力较强，更容易获得债务融资，债务规模相对较大。各变量之间的相关性分析结果初步验证了研究假设，并为后续的回归分析提供了基础。表2：相关性分析结果变量DebtTIESizeROEGrowthTangDebt1TIE-0.325***1Size0.286***0.123**1ROE-0.254***0.156**-0.087*1Growth0.189**0.105*0.098*0.134**1Tang0.215***0.145**0.112**-0.096*0.167**1注：*、、*分别表示在1%、5%、10%的水平上显著。3.3.3回归结果分析对构建的回归模型进行回归分析，结果如表3所示。从表中可以看出，技术创新效率（TIE）的系数为-0.236，在1%的水平上显著为负，这表明技术创新效率的提高对企业债务规模具有显著的负向影响，即技术创新效率每提高1个单位，资产负债率（Debt）将降低0.236个单位，验证了假设H1。这一结果与理论分析和相关性分析一致，说明技术创新效率的提升能够通过增加企业收益、改善信用评级、创造更多投资机会等途径，降低企业对债务融资的依赖程度，从而减少债务规模。企业规模（Size）的系数为0.187，在1%的水平上显著为正，表明企业规模越大，债务规模越大，这与相关性分析结果一致，规模较大的企业在市场上具有更强的议价能力和信用基础，更容易获得银行贷款和发行债券等债务融资。净资产收益率（ROE）的系数为-0.156，在1%的水平上显著为负，说明盈利能力越强，企业的债务规模越小，盈利能力强的企业可以依靠自身的盈利积累资金，减少对外部债务融资的需求。营业收入增长率（Growth）的系数为0.125，在5%的水平上显著为正，说明企业的成长性越高，债务规模越大，成长性高的企业通常需要大量资金用于扩大生产、开拓市场等，因而会增加债务融资。资产有形性（Tang）的系数为0.146，在1%的水平上显著为正，表明资产有形性越高，企业的债务规模越大，固定资产等有形资产可以作为抵押品，增强企业的债务融资能力。表3：回归分析结果变量DebtTIE-0.236***Size0.187***ROE-0.156***Growth0.125**Tang0.146***Constant-1.567***YearFEYesIndustryFEYesN2000R20.456注：*、、*分别表示在1%、5%、10%的水平上显著。综上所述，回归结果表明技术创新效率对企业债务规模具有显著的负向影响，同时企业规模、盈利能力、成长性和资产有形性等控制变量也对债务规模产生了预期方向的影响。这一研究结果对于企业制定合理的技术创新策略和债务融资决策具有重要的参考价值，企业应注重提高技术创新效率，以优化债务规模，降低财务风险。3.4稳健性检验为确保研究结果的可靠性和稳定性，本研究进行了一系列稳健性检验。采用倾向得分匹配法（PSM）对样本进行处理，以缓解样本选择性偏差对研究结果的影响。PSM通过构建一个与实验组具有相似特征的对照组，使得两组在除研究变量外的其他重要特征上尽可能相似，从而更准确地评估处理变量（技术创新效率）对被解释变量（债务规模）的影响。具体而言，首先基于企业规模、盈利能力、成长性、资产有形性等控制变量，运用Logit模型计算每个企业的倾向得分，该得分反映了企业具有某种特征的概率。然后，采用最近邻匹配法，为每个技术创新效率高的企业（实验组）找到与之倾向得分最接近的技术创新效率低的企业（对照组）进行匹配。经过PSM处理后，重新对回归模型进行估计。结果显示，技术创新效率（TIE）的系数依然在1%的水平上显著为负，这表明在控制了样本选择性偏差后，技术创新效率对债务规模的负向影响依然稳健，与前文的研究结论保持一致。替换被解释变量和解释变量，进一步验证研究结果的稳健性。将债务规模的衡量指标由资产负债率替换为负债权益比，负债权益比是负债总额与股东权益总额的比值，同样能够反映企业债务融资与股权融资的相对规模，从另一个角度衡量企业的债务规模。将技术创新效率的测度方法由DEA-Malmquist指数法替换为随机前沿分析法（SFA），SFA是一种参数化的效率评价方法，通过设定生产函数的具体形式，利用计量经济学方法估计生产函数的参数，进而计算技术创新效率。使用新的变量进行回归分析，结果表明，技术创新效率的系数仍然显著为负，说明即使采用不同的变量衡量方式，技术创新效率对债务规模的负向影响依然成立，研究结果具有较强的稳健性。为了检验研究结果是否受到极端值的影响，对样本数据进行1%水平的双边缩尾处理。缩尾处理是将样本中处于极端值的观测值替换为特定分位数的值，以减少极端值对研究结果的影响。经过缩尾处理后，再次进行回归分析，结果显示技术创新效率对债务规模的负向影响依然显著，且系数大小与未缩尾处理时相近，这进一步证明了研究结果不受极端值的干扰，具有较高的可靠性。通过以上多种稳健性检验方法，均验证了技术创新效率对债务规模具有显著负向影响这一研究结论的可靠性和稳定性，说明本研究结果具有较强的说服力，能够为企业的技术创新和债务融资决策提供有力的参考依据。四、技术创新效率对债务结构的影响：理论与实证4.1影响机制分析技术创新效率对企业债务结构的影响是一个复杂且多维度的过程，主要通过债务期限结构和债务融资渠道两个关键层面发挥作用。从债务期限结构来看，技术创新效率的高低直接关系到企业对短期债务和长期债务的选择。当企业技术创新效率较高时，意味着企业能够在较短时间内将技术创新成果转化为实际生产力，进而实现经济效益的快速增长。以一家专注于软件开发的企业为例，若其技术创新效率高，能够迅速开发出具有市场竞争力的软件产品，产品一经推出便受到市场广泛欢迎，销售收入大幅增长。这种快速的成果转化和收益实现，使得企业在短期内拥有充足的现金流，偿债能力增强。在这种情况下，企业更倾向于选择短期债务融资。短期债务具有融资成本相对较低、资金使用灵活性高的特点。企业可以利用短期债务满足临时性的资金需求，如购买原材料、支付短期运营费用等。由于企业技术创新效率高，有能力在短期内偿还债务，因此可以充分利用短期债务的优势，降低融资成本。高效的技术创新也使企业能够及时把握市场机会，快速调整生产和经营策略，而短期债务的灵活性正好与之相匹配，使企业能够更灵活地应对市场变化。相反，若企业技术创新效率较低，技术创新成果的转化过程可能较为漫长，经济效益的实现也具有较大的不确定性。企业投入大量资金进行一项新技术的研发，由于技术难题难以攻克、市场需求变化等原因，研发周期延长，创新成果迟迟未能转化为实际收益。在这种情况下，企业面临着较大的资金压力和偿债风险。此时，企业更适合选择长期债务融资。长期债务的还款期限较长，企业可以在较长时间内逐步偿还债务，缓解资金压力。这为企业提供了更充裕的时间来实现技术创新成果的转化，降低了短期内的偿债风险。长期债务的稳定性也有助于企业进行长期的战略规划和投资，为企业的技术创新活动提供持续的资金支持。在债务融资渠道方面，技术创新效率同样会影响企业的偏好。当企业技术创新效率高时，其市场竞争力和发展潜力往往得到市场的高度认可。在这种情况下，企业在债券市场上具有较强的吸引力。债券投资者通常更愿意投资于技术创新效率高的企业，因为这类企业具有更高的盈利预期和更低的违约风险。企业发行的债券往往能够获得较高的信用评级，从而吸引更多的投资者购买。企业在发行债券时，也能够以较低的利率筹集到资金，降低了融资成本。一家在新能源汽车领域技术创新效率领先的企业，其研发的新型电池技术大幅提高了汽车的续航里程和性能，受到市场广泛关注。该企业在债券市场发行债券时，投资者踊跃认购，企业不仅能够顺利筹集到所需资金，还能以相对较低的利率发行债券，降低了融资成本。技术创新效率高的企业也更容易获得银行贷款。银行在审批贷款时，会对企业的信用状况、偿债能力和发展前景进行全面评估。技术创新效率高的企业通常具有良好的信用记录、较强的偿债能力和广阔的发展前景，这些优势使得银行更愿意为其提供贷款。银行还可能为这类企业提供更优惠的贷款条件，如更高的贷款额度、更长的还款期限和更低的利率等。这进一步增强了企业在银行贷款市场的竞争力，使其能够以更有利的条件获得所需资金。若企业技术创新效率较低，市场对其信心相对不足，债券投资者和银行可能会对其持谨慎态度。债券投资者可能会担心企业的盈利能力和偿债能力，从而减少对其债券的投资，或者要求更高的利率作为风险补偿。银行在审批贷款时，也可能会提高贷款门槛，降低贷款额度，或者提高贷款利率。这使得企业在债券市场和银行贷款市场的融资难度增加，融资成本上升。企业可能不得不寻求其他融资渠道，如向非银行金融机构借款、进行民间借贷等，但这些融资渠道往往成本较高，且融资规模有限，可能无法满足企业的资金需求。4.2研究设计4.2.1研究假设基于前文对技术创新效率影响债务结构机制的分析，提出以下假设：H2：技术创新效率的提高与企业长期债务占比之间存在正相关关系。技术创新效率高的企业，由于其技术创新成果转化快、收益实现迅速、偿债能力强，更倾向于选择长期债务融资，以满足其长期投资和发展的资金需求，从而提高长期债务在债务总额中的占比。H3：技术创新效率的提高与企业债券融资占比之间存在正相关关系。技术创新效率高的企业，市场竞争力和发展潜力得到市场认可，在债券市场上更具吸引力，能够以较低成本发行债券，因此更倾向于通过债券融资来获取资金，进而提高债券融资在债务融资中的占比。4.2.2样本选取与数据来源本研究在样本选取上，为了更全面地分析技术创新效率对债务结构的影响，除了选取2015-2024年沪深两市上市的制造业企业外，还纳入了信息技术行业的上市公司。信息技术行业作为技术密集型产业，技术创新活动高度活跃，对债务融资的需求和结构具有独特性，与制造业形成对比和补充，有助于更深入地探究技术创新效率与债务结构的关系。在数据筛选过程中，同样剔除了ST、*ST类上市公司，这类公司通常面临财务困境或经营异常，其财务数据和经营状况可能与正常公司存在较大差异，会对研究结果产生干扰；剔除资产负债率大于1的样本，资产负债率大于1意味着企业的负债超过了资产，处于资不抵债的状态，这类样本不符合正常企业的财务特征，可能会影响研究的准确性；剔除数据缺失严重的样本，确保研究数据的完整性和可靠性。经过上述筛选，最终得到了[X]家企业的[X]个年度观测值。数据来源方面，除了前文提及的国泰安数据库（CSMAR）、万得资讯（Wind）、国家知识产权局网站以及企业年报外，还从巨潮资讯网获取企业的公告信息，以补充企业在债务融资方面的详细数据，如债券发行的具体条款、债务融资的用途等，进一步丰富研究数据，确保研究的全面性和准确性。4.2.3变量定义与模型构建在变量定义上，债务结构选取长期债务占比（LD）和债券融资占比（BD）作为衡量指标。长期债务占比用长期负债与负债总额的比值来表示，该指标直接反映了长期债务在企业债务总额中所占的比例，能够直观地体现企业债务期限结构的特征。债券融资占比用债券融资额与债务融资总额的比值来衡量，体现了债券融资在企业债务融资中的相对重要性，反映了企业债务融资渠道的结构情况。控制变量除了企业规模（Size）、盈利能力（ROE）、成长性（Growth）、资产有形性（Tang）外，还加入了行业竞争程度（HHI）。行业竞争程度采用赫芬达尔-赫希曼指数（HHI）来衡量，该指数通过计算行业内各企业市场份额的平方和来反映行业的竞争程度。HHI值越大，表明行业集中度越高，竞争程度越低；反之，HHI值越小，行业竞争程度越高。行业竞争程度会影响企业的经营策略和融资决策，进而对债务结构产生影响。在竞争激烈的行业中，企业可能需要更多的短期资金来应对市场变化，从而影响债务期限结构；行业竞争程度也会影响企业在债券市场和银行贷款市场的融资能力，进而影响债务融资渠道结构。为了验证技术创新效率对债务结构的影响，构建如下回归模型：LD_{it}=\beta0+\beta1TIE_{it}+\beta2Size_{it}+\beta3ROE_{it}+\beta4Growth_{it}+\beta5Tang_{it}+\beta6HHI_{it}+\sum_{j=1}^{n}Year_{j}+\sum_{k=1}^{m}Industry_{k}+\mu_{it}BD_{it}=\gamma0+\gamma1TIE_{it}+\gamma2Size_{it}+\gamma3ROE_{it}+\gamma4Growth_{it}+\gamma5Tang_{it}+\gamma6HHI_{it}+\sum_{j=1}^{n}Year_{j}+\sum_{k=1}^{m}Industry_{k}+\nu_{it}其中，LD_{it}表示第i家企业在第t年的长期债务占比，BD_{it}表示第i家企业在第t年的债券融资占比；TIE_{it}表示第i家企业在第t年的技术创新效率，采用DEA-Malmquist指数法计算得出；Size_{it}表示第i家企业在第t年的企业规模，用总资产的自然对数衡量；ROE_{it}表示第i家企业在第t年的净资产收益率，用于衡量盈利能力；Growth_{it}表示第i家企业在第t年的营业收入增长率，反映企业的成长性；Tang_{it}表示第i家企业在第t年的资产有形性，用固定资产占总资产的比例衡量；HHI_{it}表示第i家企业所在行业在第t年的行业竞争程度；Year_{j}和Industry_{k}分别表示年份固定效应和行业固定效应，用以控制时间和行业因素对债务结构的影响；\mu_{it}和\nu_{it}分别为两个回归模型的随机误差项。在这两个模型中，重点关注技术创新效率（TIE_{it}）的系数\beta1和\gamma1，若\beta1显著为正，则支持假设H2，即技术创新效率的提高与企业长期债务占比之间存在正相关关系；若\gamma1显著为正，则支持假设H3，即技术创新效率的提高与企业债券融资占比之间存在正相关关系。4.3实证结果与分析4.3.1描述性统计对样本数据中的债务结构相关变量进行描述性统计，结果如表4所示。长期债务占比（LD）的均值为0.284，表明样本企业平均长期债务在债务总额中占比28.4%，最大值为0.653，最小值为0.056，说明不同企业之间长期债务占比存在较大差异。债券融资占比（BD）的均值为0.157，最大值为0.456，最小值为0.012，体现出企业债券融资占比的离散程度较高。技术创新效率（TIE）的均值为1.062，标准差为0.241，表明企业技术创新效率参差不齐。企业规模（Size）的均值为21.423，标准差为1.256，说明企业规模分布较为分散。净资产收益率（ROE）的均值为0.092，最大值为0.387，最小值为-0.289，反映企业盈利能力差距较大。营业收入增长率（Growth）的均值为0.132，最大值为0.956，最小值为-0.423，表明企业成长性差异明显。资产有形性（Tang）的均值为0.332，标准差为0.112，说明企业固定资产占总资产比例相对稳定但存在一定差异。行业竞争程度（HHI）的均值为0.185，最大值为0.654，最小值为0.056，体现出不同行业竞争程度各不相同。表4：描述性统计结果变量观测值均值标准差最小值最大值LD25000.2840.1250.0560.653BD25000.1570.0980.0120.456TIE25001.0620.2410.6851.923Size250021.4231.25618.78924.897ROE25000.0920.105-0.2890.387Growth25000.1320.287-0.4230.956Tang25000.3320.1120.1890.687HHI25000.1850.1230.0560.6544.3.2相关性分析对各变量进行相关性分析，结果如表5所示。技术创新效率（TIE）与长期债务占比（LD）的相关系数为0.256，在1%的水平上显著正相关，初步表明技术创新效率的提高可能会增加企业长期债务占比，与假设H2预期方向一致。技术创新效率（TIE）与债券融资占比（BD）的相关系数为0.213，在1%的水平上显著正相关，初步支持假设H3，即技术创新效率的提高可能会提升企业债券融资占比。企业规模（Size）与长期债务占比（LD）的相关系数为0.325，在1%的水平上显著正相关，说明规模较大的企业往往具有更高的长期债务占比，可能因为规模大的企业信用较好，更易获得长期债务融资。企业规模（Size）与债券融资占比（BD）的相关系数为0.286，在1%的水平上显著正相关，表明规模大的企业在债券市场融资优势明显。净资产收益率（ROE）与长期债务占比（LD）的相关系数为-0.201，在1%的水平上显著负相关，意味着盈利能力强的企业长期债务占比相对较低，可能通过内部盈利满足资金需求。净资产收益率（ROE）与债券融资占比（BD）的相关系数为-0.187，在1%的水平上显著负相关，即盈利能力强的企业债券融资占比低。营业收入增长率（Growth）与长期债务占比（LD）的相关系数为0.156，在5%的水平上显著正相关，说明成长性高的企业可能需要更多长期资金，长期债务占比高。营业收入增长率（Growth）与债券融资占比（BD）的相关系数为0.123，在5%的水平上显著正相关，表明成长性高的企业债券融资占比也可能较高。资产有形性（Tang）与长期债务占比（LD）的相关系数为0.234，在1%的水平上显著正相关，表明固定资产占比高的企业长期债务占比高，因其固定资产可作抵押获取长期债务。资产有形性（Tang）与债券融资占比（BD）的相关系数为0.198，在1%的水平上显著正相关，说明资产有形性高的企业在债券融资上也可能具有优势。行业竞争程度（HHI）与长期债务占比（LD）的相关系数为-0.167，在5%的水平上显著负相关，说明行业竞争程度越高，企业长期债务占比越低，可能因竞争激烈时企业倾向短期融资以灵活应对。行业竞争程度（HHI）与债券融资占比（BD）的相关系数为-0.135，在5%的水平上显著负相关，表明行业竞争程度高时企业债券融资占比低。各变量之间的相关性分析为后续回归分析提供了基础。表5：相关性分析结果变量LDBDTIESizeROEGrowthTangHHILD1BD0.245***1TIE0.256***0.213***1Size0.325***0.286***0.145**1ROE-0.201***-0.187***0.167**-0.098*1Growth0.156**0.123**0.105*0.112**0.134**1Tang0.234***0.198***0.156**0.125**-0.096*0.167**1HHI-0.167**-0.135**-0.087*-0.078*0.105*-0.112**-0.099*1注：*、、*分别表示在1%、5%、10%的水平上显著。4.3.3回归结果分析对构建的两个回归模型进行回归分析，结果如表6所示。在长期债务占比（LD）的回归模型中，技术创新效率（TIE）的系数为0.187，在1%的水平上显著为正，这表明技术创新效率的提高对企业长期债务占比具有显著的正向影响，即技术创新效率每提高1个单位，长期债务占比（LD）将增加0.187个单位，验证了假设H2。这说明技术创新效率高的企业，由于其技术创新成果转化快、收益实现迅速、偿债能力强，更倾向于选择长期债务融资，以满足其长期投资和发展的资金需求，从而提高长期债务在债务总额中的占比。在债券融资占比（BD）的回归模型中，技术创新效率（TIE）的系数为0.146，在1%的水平上显著为正，表明技术创新效率的提高对企业债券融资占比具有显著的正向影响，即技术创新效率每提高1个单位，债券融资占比（BD）将增加0.146个单位，验证了假设H3。这意味着技术创新效率高的企业，市场竞争力和发展潜力得到市场认可，在债券市场上更具吸引力，能够以较低成本发行债券，因此更倾向于通过债券融资来获取资金，进而提高债券融资在债务融资中的占比。企业规模（Size）在两个回归模型中的系数均在1%的水平上显著为正，表明企业规模越大，长期债务占比和债券融资占比越高，规模大的企业在债务融资方面具有优势。净资产收益率（ROE）在两个回归模型中的系数均在1%的水平上显著为负，说明盈利能力越强，企业的长期债务占比和债券融资占比越低，盈利能力强的企业对外部债务融资依赖度低。营业收入增长率（Growth）在两个回归模型中的系数均在5%的水平上显著为正，说明企业的成长性越高，长期债务占比和债券融资占比越高，成长性高的企业资金需求大，会增加债务融资。资产有形性（Tang）在两个回归模型中的系数均在1%的水平上显著为正，表明资产有形性越高，企业的长期债务占比和债券融资占比越高，固定资产等有形资产增强了企业债务融资能力。行业竞争程度（HHI）在两个回归模型中的系数均在5%的水平上显著为负，说明行业竞争程度越高，企业的长期债务占比和债券融资占比越低，竞争激烈时企业倾向选择更灵活的融资方式。表6：回归分析结果变量LDBDTIE0.187***0.146***Size0.215***0.186***ROE-0.165***-0.148***Growth0.126**0.105**Tang0.156***0.134***HHI-0.112**-0.098**Constant-1.234***-0.987***YearFEYesYesIndustryFEYesYesN25002500R20.4230.386注：*、、*分别表示在1%、5%、10%的水平上显著。综上所述，回归结果表明技术创新效率对企业债务结构具有显著影响，技术创新效率的提高会增加企业长期债务占比和债券融资占比，同时企业规模、盈利能力、成长性、资产有形性和行业竞争程度等控制变量也对债务结构产生了预期方向的影响。这一研究结果对于企业优化债务结构、制定合理的融资策略具有重要的参考价值，企业应重视技术创新效率的提升，以实现债务结构的优化和企业的可持续发展。4.4稳健性检验为确保研究结果的可靠性和稳定性，对技术创新效率影响债务结构的实证结果进行了多方面的稳健性检验。首先，采用工具变量法来解决可能存在的内生性问题。选取企业所在地区的科技财政投入作为技术创新效率的工具变量。科技财政投入是政府对科技创新的支持，会对企业的技术创新活动产生影响，且主要通过影响企业的技术创新效率来间接作用于债务结构，满足与解释变量相关且与随机误差项不相关的条件。利用两阶段最小二乘法（2SLS）进行回归估计，结果显示技术创新效率（TIE）对长期债务占比（LD）和债券融资占比（BD）的影响系数依然在1%的水平上显著为正，与前文回归结果一致，表明在考虑内生性问题后，技术创新效率对债务结构的正向影响依然稳健。其次，进行分样本回归。将样本按照企业规模大小分为大规模企业和小规模企业两个子样本。大规模企业在资源获取、市场影响力等方面具有优势，而小规模企业相对较为灵活但资源相对有限，两者在面对技术创新和债务融资时可能存在不同的行为模式。分别对两个子样本进行回归分析，结果发现，在大规模企业样本中，技术创新效率对长期债务占比和债券融资占比的正向影响依然显著；在小规模企业样本中，虽然影响系数的绝对值相对较小，但技术创新效率对债务结构的正向影响方向未发生改变，且在统计上依然显著。这说明不同规模企业中，技术创新效率对债务结构的影响具有一致性，进一步验证了研究结果的稳健性。再次，对样本数据进行了替换变量的稳健性检验。将技术创新效率的测度方法由DEA-Malmquist指数法替换为基于随机前沿生产函数（SFA）的方法，SFA方法通过设定具体的生产函数形式，利用极大似然估计法来估计技术创新效率。同时，将债务结构的衡量指标进行替换，用短期债务占比（SD）替代长期债务占比（LD），用银行贷款融资占比（BLD）替代债券融资占比（BD）。重新进行回归分析，结果表明，技术创新效率对短期债务占比具有显著的负向影响，对银行贷款融资占比的影响不显著，但对债券融资占比依然具有显著的正向影响，这与前文以长期债务占比和债券融资占比为被解释变量的研究结论在逻辑上是一致的，进一步证明了研究结果不受变量选取的影响，具有较强的稳健性。通过以上多种稳健性检验方法，均验证了技术创新效率对企业长期债务占比和债券融资占比具有显著正向影响这一研究结论的可靠性和稳定性，说明本研究结果具有较强的说服力，能够为企业优化债务结构、制定合理的融资策略提供有力的参考依据。五、案例分析5.1案例企业选择与背景介绍为了更直观、深入地验证前文的理论和实证分析结果，本研究选取了两家具有代表性的企业——华为技术有限公司和中兴通讯股份有限公司，通过对这两家企业的案例分析，进一步探究技术创新效率对债务规模与结构的影响。华为作为全球知名的通信技术企业，在行业中占据着举足轻重的地位。其业务涵盖了通信网络设备、智能手机、云计算、人工智能等多个领域，产品和服务遍布全球170多个国家和地区，服务全球超过30亿人口。华为始终将技术创新视为企业发展的核心驱动力，持续加大研发投入。2023年，华为的研发投入达到1615亿元，占全年销售收入的25.1%，近十年累计研发投入超过9773亿元。在5G通信技术领域，华为取得了众多关键技术突破，拥有大量的5G专利，其5G基站设备在全球市场份额名列前茅。华为还在人工智能、芯片研发等前沿技术领域积极布局，不断推出具有创新性的产品和解决方案。在债务状况方面，华为的债务规模相对较大，但债务结构较为合理。截至2023年底，华为的总负债达到1.07万亿元，资产负债率为65.5%。在债务结构上，华为的长期债务占比较高，长期负债为6230亿元，占总负债的58.2%。这主要是因为华为的技术创新项目多为长期项目，需要稳定的长期资金支持。华为在债券市场上也表现活跃，通过发行债券筹集了大量资金，债券融资占债务融资总额的比例约为30%。华为凭借其强大的技术创新实力和良好的市场声誉，在债券市场上具有较高的信用评级，能够以相对较低的成本发行债券。中兴通讯同样是通信行业的领军企业，在全球通信市场中占据重要地位。公司主要从事运营商网络、政企业务、消费者业务等领域的产品研发、生产和销售，其通信设备和终端产品在国内外市场都有广泛的应用。中兴通讯高度重视技术创新，不断加大研发投入，致力于提升自身的技术创新能力。2023年，中兴通讯的研发投入为201.5亿元，占营业收入的14.2%。在5G技术研发方面，中兴通讯取得了显著成果，与全球多家运营商开展了5G合作项目，推动了5G技术的商用进程。中兴通讯还在物联网、大数据、人工智能等领域积极探索，推出了一系列创新产品和解决方案。在债务规模与结构方面，截至2023年底，中兴通讯的总负债为1177.5亿元，资产负债率为47.8%。与华为相比，中兴通讯的债务规模相对较小，资产负债率也处于较低水平。在债务结构上，中兴通讯的短期债务占比较高，短期负债为723.6亿元，占总负债的61.5%。这可能与中兴通讯的业务特点和资金周转需求有关，短期债务能够满足其短期内的资金流动性需求。中兴通讯的债券融资占债务融资总额的比例约为20%，相对华为而言，债券融资占比较低。这可能是由于中兴通讯在债券市场的知名度和信用评级相对华为略低，导致其债券融资规模相对较小。5.2技术创新效率提升前后债务规模与结构变化分析华为在技术创新效率提升方面取得了显著成果，这对其债务规模与结构产生了深刻影响。在技术创新效率提升前，华为虽然已经在通信技术领域取得了一定的成绩，但面临着来自全球竞争对手的激烈挑战。为了在竞争中脱颖而出，华为不断加大研发投入，提升技术创新效率。通过持续的努力，华为在5G通信技术、芯片研发、人工智能等领域取得了众多关键技术突破，技术创新效率大幅提升。从债务规模来看，技术创新效率的提升对华为的债务规模产生了双向影响。一方面，技术创新需要大量的资金投入，华为在研发5G技术的过程中，投入了巨额资金用于技术研发、专利申请、人才培养等方面。为了满足这些资金需求，华为需要通过债务融资来筹集资金，这在一定程度上导致了债务规模的扩大。另一方面，随着技术创新效率的提升，华为的市场竞争力不断增强，销售收入和利润持续增长。强大的市场竞争力使华为在全球范围内获得了更多的订单，销售收入大幅增长，利润也相应增加。这些收益的增加使得华为的偿债能力增强，现金流状况得到改善，从而为其进一步扩大债务规模提供了可能。在满足资金需求的同时，华为也能够更好地控制债务风险，确保债务规模在合理范围内。在债务结构方面，技术创新效率的提升对华为的债务结构产生了显著的优化作用。在技术创新效率提升后，华为的长期债务占比进一步提高。由于华为的技术创新项目大多具有周期长、风险高、收益大的特点，需要长期稳定的资金支持。随着技术创新效率的提升，华为的长期投资项目更加具有吸引力，银行等金融机构更愿意为其提供长期贷款。华为在5G基站建设项目中，由于其技术创新优势明显，市场前景广阔，银行等金融机构纷纷为其提供长期贷款，使得华为的长期债务占比从之前的50%左右提高到了58.2%。华为的债券融资占比也有所上升。技术创新效率的提升使得华为在市场上的知名度和信誉度大幅提高，其债券在市场上的吸引力也随之增强。投资者对华为的发展前景充满信心，更愿意购买华为发行的债券。华为凭借其强大的技术创新实力和良好的市场声誉，在债券市场上能够以较低的成本发行债券，吸引了大量投资者。这使得华为的债券融资占比从之前的25%左右提高到了30%，进一步优化了债务结构。中兴通讯在技术创新效率提升方面也取得了一定的进展，对其债务规模与结构同样产生了重要影响。在技术创新效率提升前，中兴通讯在通信市场中面临着激烈的竞争，技术创新能力相对较弱，市场份额受到一定的挤压。为了提升竞争力，中兴通讯加大了技术创新投入，积极开展5G技术研发、物联网应用开发等创新项目，技术创新效率逐步提升。在债务规模上，技术创新效率的提升对中兴通讯的债务规模产生了一定的影响。技术创新投入的增加使得中兴通讯在短期内需要更多的资金支持，债务规模有所扩大。随着技术创新成果的逐步显现，中兴通讯的市场份额逐渐扩大，销售收入和利润有所增长，这在一定程度上缓解了债务压力。在5G技术商用后，中兴通讯获得了多个运营商的5G设备订单，销售收入增长，偿债能力增强，使得债务规模的增长得到了一定的控制。债务结构上，技术创新效率的提升对中兴通讯的债务结构产生了明显的调整。技术创新效率的提升使得中兴通讯的业务发展更加稳定，对长期资金的需求增加。为了满足长期投资项目的资金需求，中兴通讯适当增加了长期债务的比例，长期债务占比从之前的30%左右提高到了38.5%。技术创新效率的提升也使得中兴通讯在债券市场上的融资能力有所增强，债券融资占比从之前的15%左右提高到了20%。这表明中兴通讯在优化债务结构方面取得了一定的成效，通过合理调整债务结构，降低了短期偿债风险，为企业的长期发展提供了更稳定的资金支持。5.3案例启示与经验借鉴华为和中兴通讯的案例为其他企业在技术创新与债务管理方面提供了宝贵的经验借鉴。在技术创新方面，持续加大研发投入是提升技术创新效率的关键。华为每年将大量资金投入研发，使得其在5G、芯片等关键技术领域取得领先优势，为企业的市场竞争和债务融资奠定了坚实基础。其他企业应认识到技术创新的重要性，制定长期的研发战略，确保研发投入的稳定性和持续性。企业可以根据自身的发展阶段和市场需求，合理确定研发投入的比例，避免因短期财务压力而减少研发投入。建立完善的技术创新体系也至关重要。华为构建了涵盖基础研究、应用开发、产品测试等多个环节的创新体系，保证了技术创新的高效性和成果转化能力。企业应借鉴华为的经验，加强内部研发团队建设，培养和引进高素质的创新人才，提高研发团队的专业水平和创新能力。企业还应加强与高校、科研机构的合作，充分利用外部创新资源，拓宽技术创新的渠道和思路。在债务管理方面，企业要根据技术创新的特点和需求合理规划