我们分别对动态模型(4.4)进行OLS、固定效应和一阶系统GMM模型估计,得到表4-1所示的结果。从表4-1模型(4.4)的结果可知,一阶系统GMM估计的Sargan值为19.555,p值为0.241,不能拒绝工具联合有效的原假设,这表明我们选取的工具变量是有效的。残差自相关AR(1)的值为-6.699,p值为0.000,AR(2)的值为-0.684,p值为0.494,AR(1)的检验值能够拒绝原假设,而AR(2)的检验值不能够拒绝原假设,这表明一阶差分方程中的残差项不存在二阶自相关,表明我们的模型设定是合理的。表4-1模型(4.4)被解释变量的滞后项
的估计值为0.734,固定效应模型的估计值为0.164,而
的一阶系统GMM估计值为0.542,确实处于其他两个估计值之间,这进一步说明了我们选取的GMM估计是有效的。
表4-1是对全部样本的回归结果。模型(4.4)中,不论是混合OLS估计、固定效应估计,还是GMM估计,
的系数都为正,并且都在1%的水平上显著,这说明上市公司的R&D投资对现金流的依赖性比较显著,即上市公司R&D投资普遍受到了融资约束。这证实了我们的假设1。表明由于信息不对称和代理问题导致上市公司R&D投资的外部融资成本与内部融资成本差异显著,并且无法通过外部融资到足够的资金,使得企业的R&D投资对内部现金流有较强的依赖,R&D投资存在明显的融资约束现象。此外,
在混合OLS、固定效应和GMM估计下系数都为正,并且分别在1%和10%的水平上显著,说明上市公司的R&D投资具有一定的延续性,上市公司的研发项目可能是分多期的,前一期的投入会显著影响后一期的投入。而
的系数为负,这与Bond& Merghir(1994)构建欧拉方程时的预期一致。
表4-1 融资约束与R&D投资(www.xing528.com)
注:***表示在1%的置信水平上显著;**表示在5%的水平上显著;*表示在10%的水平上显著。括号内是各估计参数的t值。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
