一、引言

十九大报告中“新”“创新”字是高频字词，分别使用174次、59次，它着重提到了“创新是引领发展的第一动力”。当代经济社会中创新的作用勿需赘述，中国复兴之路本质上就是全民族的创新之路。内生增长理论认为，技术创新是推动国家经济增长、提高生产效率不可或缺的因素，而企业研发创新作为企业创新的主要途径，在全社会创新中更是占据主体地位。研发创新对于企业生产率增长、竞争力、绩效等的重要作用已被国内外相关文献所证实（王亮亮和王跃堂，2015[1]；Mairese 和 Sasenou，1999[2]等）。企业生产率的提高依赖于研发所带来的新工艺的采用、新生产设备的推广、新生产流程的引入、新产品的开发与试验、新管理体制的容纳以及新企业家精神的体现。然而，研发创新也是高风险高收益的活动，它普遍具有投入大、周期长、难度大、不确定性高等特点，与企业信用风险息息相关。成功则领先对手，垄断市场获得超额收益，失败则增加企业经营风险，甚至导致企业破产出局，被竞争对手收购。现实中因研发创新成功而蒸蒸日上，成为行业龙头，资本市场投资者竞相追逐，或失败而导致竞争失利，经营困难，债务市场违约的案例层出不穷。企业研发创新与信用风险似乎存在共生共荣的关系，在着力研发创新的过程中不能忽视信用风险。因此，企业各类具体的研发创新活动与信用风险有着怎样的关系？如何利用这种关系有效管理企业的信用风险？本文试图通过2008年至2015年中国上市公司面板数据，利用KMV模型深入分析研发创新活动对企业信用风险的作用机制。研究结论将有利于指导企业研发创新活动和风险管理，也为政府制定支持引导企业研发创新的政策提供借鉴。

二、文献回顾

（一）研发创新的效应

一是研发投入对企业绩效和价值的影响，如舒谦和陈治亚(2014)[3]表示研发投入能促进经营业绩提升，但是这一过程会受公司治理结构制约，当股权集中度达到一定的水平时，研发投入才会对企业绩效产生正向促进作用。Wang et al.(2017)[4]认为研发支出可以改善企业绩效，且发现长远看，相比非国有企业，国有企业的研发支出产生更好的绩效。Gou et al.(2004)[5]使用中国软件行业的数据检验发现，研发投资强度与企业利润率、生产率均负相关。二是研发投入对创新能力等影响，如马文聪等(2013)[6]指出研发经费投入强度和研发人员投入强度对企业创新绩效有显著正向影响。Lee(2016)[7]认为研发投入可以促进提升企业生产力，尤其在先进技术行业和经济下行周期作用更为显著。三是研发投入对生产效率的影响，如李静等(2013)[8]、毛德凤等(2013)[9]认为研发投入对企业全要素生产率表现出明显的激励作用，其中高新技术行业、国有企业和港澳台企业的研发溢出效应最为突出。四是研发创新对出口的影响。汤二子和孙振（2012）[10]利用中国制造业企业样本数据经验研究发现研发能够提高企业出口概率以及出口总量，并且研发对于企业生产率有促进作用。晏涛（2013）[11]认为研发创新使其出口概率平均增加8.2%，但研发创新投入必须达到一定的深度才能对企业出口规模扩大产生积极稳定的作用。五是研发投入与企业风险，如Wang et al.(2016)[12]研究了企业融资来源、研发投入与企业风险的关系，发现外部融资比率与研发投入显著正相关，研发投入与企业风险存在“正U形”关系。李卓和蒋银娟（2016）[13]认为作为经济持续发展的“核心驱动力”，一方面研发创新的确可以促进生产率增长，增强供给能力；另一方面，研发创新与经济生产波动性之间也有着紧密联系。

（二）信用风险的度量和影响因素研究

信用风险是历久弥新的研究重点。随着经济技术发展，信用风险相关认识愈发深刻，计量模型不断更新，不同计量方法、不同样本、不同研究视角的文章不断涌现，关于企业信用风险度量的文献主要是DEA模型、Logit模型、KMV模型、SVM模型、BP神经网络模型等模型在各样本中的实际应用，研究上市公司信用风险时较多地采用KMV和Logit模型，如方匡南等(2016)[14]构建了网络结构Logistic模型以预警企业信用风险。曾诗鸿和王芳（2013）[15]利用42家中国制造业ST和*ST上市公司的财务数据，采用KMV模型对信用风险进行了评价。关于上市公司信用风险影响因素研究主要有以下几方面：一是盈余管理与信用风险，如徐朝辉和周宗放(2016)[16]指出公司基于融资动机而进行的盈余操控将显著增加信用风险，且不同操控手段对信用风险的影响存在差异；二是管理者权力与信用风险，如Xu和Zhou(2015)[17]发现公司信用风险与管理权力集中度存在双曲线关系；三是债权和股权结构与信用风险。梁洪波和刘远亮(2012)[18]发现商业银行前五大股东持股比例、第一大股东持股比例和商业银行股权制衡水平与信用风险显著正相关。此外，Bedendo和Colla(2015)[19]发现了国家主权信用风险与非金融企业的信用风险显著正相关关系。

但这种不快只能是个人的，对医生来说，我的不快丝毫不能影响他，更不能引起他对现代医学的反思。任何有生命的东西，都是时间的战利品，也都是万物的殉葬者与滋养者。这个世界，就是如此这般，迢遥了数十亿年，并且还没有任何要推倒重来、另起炉灶的迹象。一个人面对的，不仅是庞杂、艰难的活着，还有活着的种种厄难与危险。

国内外关于研发创新和信用风险的研究文献众多，然而单独研究某一个问题的文献较多，分析研发创新对信用风险作用机制的文献仍然鲜见，尤其缺少从创新产出类型分析研发创新效应。研发创新方面，微观视角的实证文献丰富，且大多文献关注其与其他因素的线性关系；在信用风险方面，众多文献从探索信用风险度量方法和评价、国外模型在我国企业应用的适用性等逐渐转为其影响因素研究，从金融机构信用风险管理转向非金融企业尤其是利用上市公司信用风险分析。

三、研究假设

本文以2008—2015年持股非上市金融企业的我国非金融行业上市公司数据为研究对象。以2008年作为样本起点，是因为考虑到2008金融危机前后企业产融结合的行为和效应可能发生显著变化。此外，本文删除数据缺失严重的样本，并对样本连续变量进行Winsor（1%—99%）处理以控制极端值影响。本文的数据主要来源于Wind数据库和国泰安数据库。使用软件Stata13.0和MATLAB2014。

表1列示了总样本各变量的均值、标准差、最小值、最大值及各百分位的值，从中可知，解释变量研发投入RDER较接近正态分布，但创新产出变量Invent、Utility和Design都有明显的左偏，企业之间的创新差异较大。同时，被解释变量EDF也有一定左偏，但均值和中位数较为接近，如EDF的均值、中位数都约为0.49。此外，其他连续型控制变量的正态分布特性亦较为明显。经检验各变量方差膨胀因子均小于5，彼此不存在严重多重共线性问题。综合看来，各变量的数据分布为本文的实证分析提供了良好的数据支持。

（3）控制变量。参考已有研究成果，选择包括企业规模（Asset，取自然对数）、资产负债率（LEV）、第一大股东比例（Top1，%）、企业属性（Nature，国有企业取1，否则为0）、机构持股比例（Inst，%）、管理层持股比（MSH，%）、上市年龄（Age，数据年份减去上市年份）、每股分红（Bonus，元/股）、独董比例（In-dep）、董事人数（Board）等作为控制变量。另外，控制行业（Ind）和年份（Year）效应。因此，构建回归模型如下：

研发创新种类较多，如按创新对象可分为技术创新、产品创新、服务创新、管理创新、制度创新等五大类。作为创新产出，在我国研发创新数据分类时有发明专利、实用新型和外观设计等三大类，各类创新产出内涵和投入不同、难易有别，进而价值迥异。从企业实践和统计数据看，含金量最高、难度最大、周期最长的是发明专利，其次是实用新型和外观设计，如在我国发明专利的保护期限为20年、授予专利权通常需要3年，而实用新型和外观设计专利保护期只有10年、授予专利权时间通常约一年。如国家知识产权局公布的发明专利授权率在40%—50%，且呈逐渐降低趋势。因此，因三类创新产出的内涵、难度和保护期不同，内在价值迥异，所带来的效应将迥然不同。首先，发明专利含金量高难度大，但相应地一旦被授予，其保护期长、价值高、可长期在产品市场获得垄断收益，尤其是某些关键技术、前沿技术的专利。其次，发明专利可方便外源融资，发明专利越多，越容易争取政府研发补贴、获得风险投资、质押获得银行贷款，有价值和应用前景的发明专利也容易通过市场交易转让实现收益等。此外，股市中，上市公司发明专利的多少，直接影响其市场价值。再次，相比发明专利，一般实用新型和外观设计的价值要小很多，而且授权率远高于发明专利，它们难以为企业真正带来垄断收益，而形成企业的核心竞争力，但相应的时间、人力、资金和交易成本仍然不菲。所以相比实用新型和外观设计，企业的发明专利有利于增加收入，进而降低信用风险。因此，提出假设：

其中，E为企业股权价值，VA为企业资产市场价值，D为负债账面价值（流动负债+0.5长期负债），r表示市场无风险利率（选择中国人民银行公布的一年期定期存款利息率衡量），T为债务到期时间，σE和σV分别为企业股权价值和资产价值波动率[利用金融时间序列Garch（1,1）模型①Garch(1,1)模型为=α0+α1+β1。按每年的日数据算出一年的波动率]，运用MATLAB编程逐一迭代计算出公司违约概率EDF值。DD为违约距离，其值越小，信用风险越大；EDF值越小，企业信用风险越小。

四、变量说明和模型构建

（一）样本选择和数据说明

在知识经济时代，研发创新活动越来越成为企业以及国家的核心竞争力之源，而研发投入是企业研发创新活动的初始环节，但存在明显的滞后效应，投入的决心和强度也关乎创新产出的成效乃至企业的经营成败。研发投入越多往往意味着产出有价值、领先的技术、产品等的概率越高，越能获得和保持竞争优势，以攫取超额利润。因此，企业研发投入对信用风险的作用机制具有两面性：一方面，企业研发投入越多，越可能开发出新的产品、新的技术，增强产品竞争力，从而改善企业绩效和价值、提升企业生产效率、增加现金流，而且具有市场的新技术、新产品等更容易获得外部股权和债权融资，从而降低信用风险；另一方面，研发活动是大投入、高风险的行为，研发投入面临未来巨大的不确定性，研发过程中受到技术基础、人才资源、企业支持和市场环境等一系列因素影响，产品投放市场时又要经受竞争对手的挑战、消费者的“用脚投票”检验等市场风险，整个研发及产业化过程中一个环节的失误都将导致研发行为的折戟，从而增加企业信用风险。此外，在激烈的市场竞争中，短周期小强度的研发投入难以取得较大和持久竞争优势、获得超额收益，而随着研发投入积累越多、强度越大、周期越长，越可能研发成功而领先竞争对手、获得源源不断的超额收益，进而降低企业信用风险。因此，提出假设：

（二）变量含义和模型构建

（1）被解释变量——企业信用风险（EDF）。鉴于KMV模型比较适用于我国现阶段的信用风险量化管理水平，实用性强、数据获取相对容易，且参考徐朝辉和周宗放（2016）、曾诗鸿和王芳（2013）等学者研究，使用其计算违约概率衡量企业信用风险。具体方程组如下：

 

假设2：研发创新产出异质性对企业信用风险的作用存在显著差异，其中发明专利可显著降低信用风险。

1.1 试验地概况 试验于2016年3—9月和2017年3—9月在泸州市古蔺县观文镇复兴村进行。试验地土壤类型为黄壤，基本理化性状：有机质26.8 g/kg;pH 6.8,碱解氮118.3 mg/kg,速效磷74.0 mg/kg,阳离子交换量8.5 cmol/kg。

②强化管理机制，实施精细化管理。编制《北京市生态清洁小流域建设管理办法》，规范全过程管理；编制《生态清洁小流域制图手册》《水土保持概估算编制规定》，规范前期工作；编制《北京市生态清洁小流域施工质量评定标准》，规范施工管理；编制《北京村镇治污设施运行管理指导意见》，规范后期管护。强化农民参与机制，制订《生态清洁小流域建设农民参与指导意见》，明确农民是生态清洁小流域建设主体、管理主体、受益主体，促进农民从“项目前期、工程实施、后期管护”三个环节全过程参与生态清洁小流域建设工作，实现了水土保持工作“零距离”服务农民。

1.4 疗效判定标准 治愈：患者治疗后下腹不适、腹痛及阴道出血等临床症状消失，超声复查结果提示包块消失或缩小范围大于50% ，血β-hCG水平恢复正常范围。出现以下任何一项评估为失败：患者治疗前后腹痛、阴道出血、下腹不适等临床症状未见缓解甚至加重，超声复查包块未缩小或进展；血β-hCG水平未恢复正常。

 

五、实证分析

（一）描述性统计分析

假设1：研发投入对企业信用风险存在正相关，并且二者间可能存在倒U形的非线性关系。

（2）解释变量——研发创新（RDIN）。企业研发创新内含两个阶段：研发投入和技术创新产出。因此，选择研发投入度量指标：研发投入金额（RDE，取自然对数）、研发投入与总资产之比（RDER）；选择技术创新产出度量指标：发明专利（Invent）、实用新型（c）和外观设计（Design）等当年申请数量。

 

表1 总样本各变量描述性统计情况

  

最大值0.61 0.224 172 184 94 86.34 92.53 26.71 90.4 15 0.72 1 22 0.57最小值0.23 0.0002 25分位0.37 0.012中位数0.49 0.03 1 1 1 2 2 2 4 5 4 5.14 8.9 19.96 0.59 5 0变量EDF RDER Invent Utility Design Top1 LEV Asset Inst Board MSH Bonus Age Indep均值0.49 0.037 11.06 14.63 12.51 36.38 51.48 22.43 40.94 9.25 0.15 0.16 11.26 0.36标准差0.03 0.037 24.58 29.07 20.76 15.74 19.38 1.4 22.97 1.86 0.21 0.17 5.62 0.05 0.01 1 0.3 23.78 37.49 21.43 22.42 9 0.0001 0.05 7 0.33 34.12 51.885 22.15 40.47 9 0.009 0.1 12 0.33 75分位0.50 0.047 9 13 12 47.68 66.28 23.22 59.01 10 0.31 0.2 16 0.38

（二）研发投入与信用风险

首先，主要利用面板数据随机效应模型分析研发投入强度对企业信用风险的影响，同时为检验结果的稳健性，也采用横截面数据做OLS和2SLS回归（经检验选择企业属性Nature和EDF滞后一期作为工具变量），结果列示如表2。从中可知，第一，在未加入变量RDER平方项时，变量RDER与EDF正相关且至少在10%显著，而且考虑到滞后效应，加入RDER滞后一期时其系数仍显著为正，这说明研发投入强度可增加企业信用风险。第二，变量RDER平方项至少在10%的水平下显著为负，表示随着研发投入的增加，企业信用风险先增加后减少，二者间可能呈一定的倒U形的非线性关系，这也启示我们研发投入应该是一个持久的行为，短期内需要忍受信用风险的增加。此外，为控制周期性波动因素，加入因变量EDF的滞后一期，结论仍类似。资产负债率、机构持股比例、高管持股比例、上市年龄、股票分红等是影响企业信用风险的重要因素。

 

表2 研发投入与信用风险（EDF）

  

注：（1）在选择随机效应还是固定效应时，豪斯曼检验chi2值20．17，P值0．1248，故选择面板数据随机效应模型。（2）控制年度和行业效应。（3）***、**和*分别表示在1%、5%和10%水平下显著。下同

 

面板(8)RDER Top1 LEV Asset Inst 2SLS(5)0.116***(4.13)-0.008**(-2.02)0.000***(2.88)0.004*(1.79)0.001***(5.93)Nature Board Age MSH Bonus Indep面板(1)0.085*(1.75)-0.004(-0.74)0.000***(3.24)0.003(1.02)0.001***(6.41)-0.005(-0.69)-0.000(-0.19)-0.001(-1.01)0.008(0.63)-0.047***(-5.37)0.044(1.14)稳健OLS(3)0.097***(3.92)-0.008**(-2.24)0.000***(2.94)0.004*(1.96)0.001***(6.56)0.001(0.22)-0.002*(-1.99)-0.001***(-3.14)0.014(1.59)-0.034***(-3.87)0.027(0.83)-0.003**(-2.15)-0.001***(-3.12)0.020**(2.10)-0.027**(-2.94)0.015(0.41)(6)0.035*(1.80)-0.003(-0.75)0.000(0.94)0.003(1.13)0.000***(3.52)-0.000(-0.03)-0.001(-0.43)-0.002***(-4.48)0.013(1.20)0.008(0.95)0.021(0.60)-0.005(-0.91)0.000***(2.95)0.003(0.87)0.001***(6.76)-0.006(-0.76)-0.001(-0.65)-0.001(-0.93)0.007(0.51)-0.047***(-4.76)0.043(1.02)RDER^2(2)0.146(1.53)-0.004(-0.74)0.000***(3.29)0.003(1.07)0.000***(6.38)-0.005(-0.70)-0.000(-0.18)-0.001(-0.96)0.008(0.59)-0.047***(-5.37)0.044(1.15)-0.194*(-1.74)(4)0.176**(2.85)-0.008**(-2.19)0.000***(3.03)0.005**(2.03)0.001***(6.47)0.001(0.18)-0.002*(-1.92)-0.001***(-3.05)0.013(1.51)-0.034***(-3.85)0.027(0.85)-0.256***(-2.84)L.EDF 0.222***(26.41)(7)0.095(1.09)-0.003(-0.73)0.000*(1.70)0.003(1.18)0.000***(3.48)-0.000(-0.04)-0.001(-0.40)-0.002***(-4.41)0.012(1.16)0.008(0.96)0.022(0.61)-0.193*(-1.80)0.221***(26.40)L.RDER常数R-squared F/wald值N 0.396***(5.29)0.1082 455.69 4773 0.391***(5.19)0.1083 456.26 4773 0.388***(8.47)0.061 9.19 4773 0.381***(8.21)0.061 8.97 4773 0.409***(7.47)0.061 237.78 3961 0.346***(5.56)0.1394 1154.98 4598 0.340***(5.42)0.1396 1155.34 4598 0.097*(1.86)0.411***(5.24)0.1309 510.35 4372

 

表3 创新产出与信用风险——面板数据分析

  

(2)EDF(3)EDF(5)EDF(6)EDF Invent Top1 LEV Asset Inst Nature Board Age MSH Bonus Indep(1)EDF-0.001*(1.70)-0.007(-1.24)0.000**(2.26)0.006*(1.77)0.000***(5.50)-0.012(-1.46)-0.002(-1.01)-0.001(-0.78)0.012(0.90)-0.041***(-4.49)0.016(0.39)-0.007(-0.94)0.001**(2.98)0.002(0.47)0.001***(5.73)-0.017*(-1.76)-0.002(-0.86)0.001(0.75)0.033**(2.01)-0.033***(-3.09)0.029(0.55)(4)EDF-0.0001*(-1.82)-0.007(-1.46)0.000(0.49)0.005*(1.83)0.000**(2.52)-0.004(-0.64)-0.001(-0.52)-0.002***(-3.11)0.012(1.00)0.006(0.67)0.021(0.54)-0.004(-0.73)0.000*(1.72)0.000(0.10)0.000***(3.04)-0.010(-1.23)-0.001(-0.46)-0.001(-1.40)0.030**(2.13)0.010(0.92)0.036(0.75)Utility-0.009(-1.52)0.001***(3.70)0.000(0.01)0.001***(6.06)-0.013(-1.56)-0.001(-0.83)0.000(0.07)0.013(0.90)-0.026**(-2.72)0.052(1.19)0.005***(2.90)-0.008(-1.53)0.000*(1.71)0.000(0.05)0.000***(3.41)-0.004(-0.64)-0.001(-0.38)-0.002***(-2.70)0.017(1.42)0.015(1.57)0.046(1.15)0.003*(1.99)Design 0.004**(2.06)L.EDF常数R-squared N 0.374***(3.90)0.0706 3415 0.467***(4.99)0.097 3446 0.434***(3.40)0.1073 2085 0.188***(20.68)0.322***(3.96)0.1106 3272 0.207***(21.34)0.397***(4.89)0.1339 3276 0.002*(1.86)0.204***(16.30)0.373***(3.29)0.1405 1973

其次，将创新产出分为发明专利、实用新型和外观设计三类，选用各项专利的当年申请数量及各变量面板数据分析创新产出与信用风险的关系，实证结果如表3。从中可知，第一，发明专利变量Invent的系数为负并在10%的水平下显著，这表明企业研发创新的发明专利能显著降低企业信用风险。第二，实用新型变量Utility和外观设计变量Design的显著至少在10%的水平下显著为正，说明实用新型、外观设计的创新产出会增加企业信用风险，与专利发明表现出完全不同的效应，在加入因变量EDF滞后一期或自变量滞后一期结论仍不变。这进一步表明因三者的审批程序、保护周期和范围等不同，给企业带来不同的经济效应和影响，显然相比较而言发明专利为企业带来的效益更为可观，企业应努力申请发明专利。当然，发明专利最难申请，所需要的研发投入、时间等更多，企业要量力而行、选择适合自己且能承受的专利经营方式。

科技人员既是科技成果开发者，也是加快转化的促进者，虽然已出台政策明确保障科技人员在成果转化中的权益，但实际操作依然面临制度难点。高校和研究开发机构对科技成果转化人员的评价和管理制度不完善，“重论文、轻成果”“重立项申请、轻成果转化”等现象依然存在，一定程度影响了科技人员从事成果转化的积极性。

 

表4 创新产出与信用风险——2SLS分析

  

注：EDF2为无风险利率取人民银行两年期定存利率时的违约概率值。通过工具变量的过度识别（Sargan和Basmann检验）和识别不足（F检验、偏R^2检验）的检验选择企业属性和EDF滞后一期作为工具变量

 

(2)EDF(3)EDF(5)EDF2(6)EDF2 Invent Top1 LEV Asset Inst Board Age MSH Bonus Indep(1)EDF-0.619**(-3.13)0.080*(1.79)0.003**(2.07)-0.305***(-3.04)-0.004**(-2.53)-0.013(-1.05)0.001(0.28)-0.007(-0.10)0.215*(1.93)-0.555(-1.53)-0.001(-0.03)0.001(0.42)-0.188**(-2.06)-0.001(-1.03)-0.029(-1.47)-0.015*(-1.88)-0.310*(-1.68)-0.527**(-2.17)-0.207(-0.51)(4)EDF2-0.536**(-3.07)0.074*(1.86)0.006***(5.36)-0.229**(-2.59)-0.003**(-2.45)-0.012(-1.10)-0.005*(-1.69)0.077(1.26)0.262***(2.70)-0.498(-1.55)0.001(0.04)0.004***(4.02)-0.103(-1.52)-0.001(-0.66)-0.026*(-1.75)-0.016**(-2.64)-0.100(-0.73)-0.313*(-1.75)-0.237(-0.80)Utility-0.040(-1.07)-0.005**(-2.33)-0.287***(-2.71)-0.000(-0.17)0.032*(1.92)0.017**(2.33)-0.097(-1.12)0.012(0.14)0.148(0.45)0.600***(2.80)-0.033(-1.04)-0.001(-0.28)-0.207**(-2.27)-0.000(-0.16)0.025*(1.77)0.009(1.38)-0.005(-0.06)0.076(1.07)0.104(0.38)0.505***(2.72)0.384**(2.21)2.004(1.62)0.058 1973 Design常数项R-squared N 5.908***(3.25)0.062 3272 5.676***(2.90)0.063 3276 0.533**(2.27)3.795**(2.28)0.059 1973 4.159**(2.60)0.062 3272 3.849**(2.27)0.063 3276

（三）稳健性分析

为检验以上结果的稳健性，还做了以下稳健性分析：一是通过变换因变量和自变量，如因变量选用无风险利率取人民银行两年或三年期定存利率时的违约概率值，选择自变量滞后期，或选择发明专利、实用新型和外观设计授予数量作为自变量；二是采用不同的回归方法，如使用2SLS控制内生性问题；三是利用不同的样本分析，如选择制造业和信息传输业、软件和信息技术服务业样本为对象。择要列示结果如表4，可以发现相关结论与上文基本一致，上文分析是稳健的。

六、结论

创新是引领发展的第一动力，是建设现代化经济体系的战略支持，也是企业竞争制胜可持续发展的核心内力，但企业在专注研发创新的同时也不能忽视相关的风险。本文选择2008年至2015年中国上市公司数据，以KMV模型计算上市公司信用风险，利用动态面板随机效应模型实证发现，企业研发投入强度与信用风险显著正相关，但随着研发投入强度的增加到一定程度时信用风险将随之减少，二者之间存在显著“倒U形”的非线性关系；发明专利可以显著降低企业信用风险，但实用新型、外观设计的创新产出会增加企业信用风险。以上结论启示我们，企业研发创新应该是一种长期的竞争战略，研发投入需要持续不断，且投入积累越多时间越长，越有利于增加企业绩效、降低企业信用风险，因此这可能对规模较大、融资能力较强的企业较为有利。此外，在实践研发创新战略、经营管理专利时，相比实用新型和外观设计，投资布局发明专利对企业更为有利，在资金、人力等约束下，优先投入发明创新可为企业带来更大的垄断收益，较好地降低企业信用风险。当然，发明专利最难申请、授权率低，所需要的研发投入、时间等更多，企业要量力而行、选择适合自己且自己能承受的专利经营方式。

参考文献：

[1] 王亮亮，王跃堂．企业研发投入与资本结构选择：基于非债务税盾视角的分析[J]．中国工业经济，2015（11）：125-140．

[2] Mairese J,Sasenou M.R&D and Productivity:A Survey of Econometric Studies at the Firm Level[Z].NBER Working Paper,No 3666,1999.

[3] 舒谦，陈治亚．治理结构、研发投入与公司绩效：基于中国制造型上市公司数据的研究[J]．预测，2014（3）：45-50．

[4] Wang R,Wang F,Xu L,Yuan C.R&D Expenditures,Ultimate Ownership and Future Performance:Evidence from China[J].Journal of Business Research,2017(71):47-54.

[5] Gou B,Wang Q Z,Shou Y.Firm Size,R&D,and Performance:An Empirical Analysis on Software Industry in China[A].International Engineering Management Conference[C].Singapore:IEEE,2004.

[6] 马文聪，侯羽，朱桂龙．研发投入和人员激励对创新绩效的影响机制：基于新兴产业和传统产业的比较研究[J]．科学学与科学技术管理，2013（3）：58-68．

[7] Lee D.Role of R&D in the Productivity Growth of Korean Industries:Technology Gap and Business Cycle[J].Journal of Asian Economics,2016,(45):31-45.

[8] 李静，彭飞，毛德凤．研发投入对企业全要素生产率的溢出效应：基于中国工业企业微观数据的实证分析[J]．经济评论，2013（3）：77-86．

[9] 毛德凤，李静，彭飞，骆正清．研发投入与企业全要素生产率：基于PSM和GPS的检验[J]．财经研究，2013，39（4）：134-144．

[10] 汤二子，孙振．研发对企业出口贸易的影响研究[J]．研究与发展管理，2012，24（6）：87-95．

[11] 晏涛．研发创新推动了中国企业出口吗？——基于“扩展边际”与“集约边际”的实证检验[J]．中南财经政法大学学报，2013（6）：103-110．

[12] Wang H,Liang P,Li H,Yang R.Financing Sources,R&D Investment and Enterprise Risk[J].Information Technology and Quantitative Management,2016(91):122-130.

[13] 李卓，蒋银娟．研发创新抑制波动机制分析：基于企业生产供给波动视角[J]．经济理论与经济管理，2016（6）：72-87．

[14] 方匡南，范新妍，马双鸽．基于网络结构Logisti模型的企业信用风险预警[J]．统计研究，2016（4）：50-55．

[15] 曾诗鸿，王芳．基于KMV模型的制造业上市公司信用风险评价研究[J]．预测，2013（2）：60-63．

[16] 徐朝辉，周宗放．融资需求驱动下的盈余管理对公司信用风险的影响研究[J]．管理评论，2016（7）：12-21．

[17] 梁洪波，刘远亮．商业银行股权结构与信用风险：基于中国上市银行的实证分析[J]．首都经济贸易大学学报，2012（6）：46-50．

[18] Xu C,Zhou Z.An Empirical Study on the Effects of Concentration of Managerial Power and Internal Control on Corporate Credit Risk[J].Information Technology and Quantitative Management,2015.

[19] Bedendo M,Colla P.Sovereign and Corporate Credit Risk:Evidence from the Eurozone[J].Journal of Corporate Finance,2015(33):34-52.