论文部分内容阅读
【摘要】以2009 ～ 2019年A股上市公司为样本， 从微观层面考察企业创新产出对股价崩盘风险的影响以及投资者关注对两者关系的调节作用。 研究发现：企业创新产出能够有效降低股价崩盘风险， 表明企业创新产出的信息披露相比创新投入更能反映企业创新的实际情况， 提高了信息的透明度; 实质性创新相比策略性创新， 与股价崩盘风险的负相关关系更为显著， 说明实质性创新是提升企业创新质量和自主创新能力的关键; 投资者关注发挥了增强投资者信心和解读信息的双重效应， 从而增强了企业创新产出与股價崩盘风险间的负相关关系。 进一步研究发现， 外部市场形态对投资者关注具有较大影响， 当股市为牛市时， 信息解读和信心增强双重效应叠加， 进而对股价崩盘风险的抑制作用更显著。
【关键词】企业创新产出;实质性创新;策略性创新;股价崩盘风险;投资者关注
【中图分类号】F272 【文献标识码】A 【文章编号】1004-0994（2020）22-0044-9
一、引言
十九大报告明确提出“实施以企业为主体的创新发展战略， 以保障实体经济稳定增长”， 同时， 要防范系统性金融风险， 维护金融市场健康发展。 创新既是企业持续发展的核心动力， 也是促进经济增长和提升国家竞争力的关键要素。 然而， 企业创新也是一种不确定性较高、周期较长的投资活动， 关于其对资本市场中股价崩盘风险所产生的影响， 现有研究结论并不一致。 国外学者Kim和Zhang[1] 认为， 企业创新活动会加剧股价崩盘风险， 因为管理层在对外进行企业创新情况披露时会有所保留， 伴随创新投入的不断追加， 信息的不对称程度也会随之提高， 进而加剧股价崩盘风险。 而我国学者周铭山等[2] 得出相反的结论， 他们认为创业板上市公司被要求对外提供更为详尽的研发信息， 从而降低了企业与市场的信息不对称， 进而有效抑制了股价崩盘风险。 本文以此为契机， 从创新产出（实质性创新和策略性创新）这一视角出发， 考察其对股价崩盘风险的影响， 并分析背后的作用机理。
关于股价崩盘风险的形成机理， Jin和Myers[3] 构建信息结构模型进行研究， 提出在信息透明度较低的情况下[4，5] ， 内部人（高管或控股股东）源于机会主义动机[6，7] ， 可能存在隐藏企业负面信息的行为， 负面信息积累到阈值后将集中释放， 从而造成股价大跌。 已有文献基本沿袭这一思路， 分别从代理问题和信息不对称两个角度探讨如何缓解股价崩盘风险。 在代理问题层面， 学者们认为可从大股东持股[8] 、多个大股东[9] 、机构投资者持股[10] 等方面缓解因代理冲突而形成的股价崩盘风险; 在信息不对称层面， 学者们认为可从会计稳健性[1] 、信息披露质量及分析师预测[11] 等方面缓解因信息不对称而导致的股价崩盘风险。 而影响股价崩盘风险的另一要素——市场投资者的关注和反应却常常被忽略。 投资者关注一方面具有增加投资者信心的效应[2] ， 另一方面还有解读、辨析企业信息的效应[12] 。
企业创新具有投资周期长、收益不确定性高以及信息不透明等特征， 尤其当企业拥有市场前景良好、技术优势突出、伴随高风险和高预期收益等特征的研发项目时， 为了避免技术外泄和节约研发信息披露成本， 往往会尽量减少对外披露信息， 从而提高了信息的不透明性， 这是否会加剧股价崩盘风险？ 而投资者关注有利于搜集、捕捉企业信息， 提升股价信息含量和信息的解读效率， 降低内外部信息的不对称性， 制约管理层刻意隐藏信息行为， 此时投资者关注是否能够有效缓解股价崩盘风险？ 创新投入大并取得阶段性成果的企业， 投资者关注有利于向市场传递企业发展迅速、预期获得超额收益的信号， 从而增强投资者信心， 降低负面信息集中释放的可能， 此时投资者对企业创新行为的关注是否能有效抑制股价崩盘风险并提升股价？
为回答上述问题， 本文针对沪深A股上市公司的企业创新产出对股价崩盘风险的影响以及投资者关注所起的调节作用进行理论和实证研究。 主要贡献在于：首先， 以往文献大多集中于研究内部人（管理层或大股东）机会主义动机、会计信息披露或投资行为等对股价崩盘风险的影响， 本文以企业创新行为为视角， 既丰富了股价崩盘风险方面的文献， 也为基于企业创新动机分析股价的稳定提供了新的角度; 其次， 学者们多从创新投入出发分析其对股价崩盘风险的影响， 本文将关注点转为创新投入的阶段性成果即创新产出的披露， 丰富了企业创新经济后果方面的文献; 最后， 本文从投资者关注视角分析企业创新与股价崩盘风险的关系， 发现在不同情形下， 投资者关注能够发挥增强投资者信心和信息解读效应， 进一步丰富了投资者关注的相关研究。
二、理论分析与研究假设
企业创新是回报周期长、不确定性强的长期投资活动[13] ， 一般默认为企业持续的创新投入会为企业带来技术革新和竞争优势。 但同时， 创新投入的信息披露没有统一的参照样本， 证券法规和制度也无详细规定， 其本身还具有机密性， 这加剧了企业信息的不对称性[1] 。 企业管理层还可能利用创新投入进行盈余管理， 从而进一步降低企业信息透明度。 谢德仁等[14] 认为， 创新投入中的开发支出在会计政策上具有隐性选择空间， 企业高管可以根据盈余管理的需要对其进行资本化或费用化处理。 姜博等[15] 研究发现， 企业高管为获取更多资本利得， 很可能利用开发支出资本化在减持（抛售）股票前进行盈余操纵， 而外部投资者很难进行甄别和判断。 除了企业高管， 公司大股东等也可能在减持前从事盈余管理行为。 大股东尤其是控股股东可能为了提升股价进而获取减持收益， 选择操纵信息发布和进行盈余管理。 在减持股票前发布创新投入带来超额收益的利好消息， 将坏消息延迟至减持股票之后公布， 同时利用盈余管理使得减持前收益显著为正[1，16] 。 因此， 创新投入的信息不透明主要与创新自身特征、内部人盈余操纵密切相关， 这都可能进一步加剧资本市场的股价崩盘风险。 创新产出相对于创新投入而言， 是已经取得了的阶段性研究成果， 有效保障了新技术甚至新产品的市场竞争地位， 包括发明专利、非发明专利（实用新型和外观设计）两种。 根据创新投入信息的披露要求， 上市公司在年报中应披露研发阶段、开发阶段以及资本化的标准和条件， 并分项披露开发支出的增减变动及资本化始点、依据和进度， 开发阶段的研发支出在满足条件的情况下可以进行资本化， 但能否满足条件主要取决于管理层的职业经验和经营策略， 实质上具有很大的灵活性和主观性[14] ， 作为外部投资者很难判断其是否进行了盈余管理。 而創新产出以企业提交发明或非发明专利申请作为披露方式， 申报专利的数量不断增加， 对于投资者而言， 能够获取更多关于企业发展前景良好的信息， 减少由创新活动所带来的不确定性; 对于企业而言， 向公众透露了企业创新的最新进展， 表明在可预期的时间内企业将在某个领域取得技术性突破， 可提升企业竞争力。 可见， 企业对创新产出的有效披露提高了信息的透明度， 从而有助于抑制可能发生的股价崩盘风险。 由此提出假设：
H1：在其他条件相同的情况下， 企业创新产出与股价崩盘风险负相关。
同时也应看到， 近十年来我国已一跃成为全球第一大专利申请国， 但专利申请数量激增并不意味着创新质量和能力的实质性提升， 企业为获得政策扶持往往选择申请耗时短、易研发的非发明专利以赢得套利空间[17] ， 由“专利泡沫”导致的“创新假象”问题较为突出[18] 。 从管理层创新动机出发， 黎文靖、郑曼妮[19] 将创新产出进一步细分为以推动企业技术进步和竞争力为目的的“重质量”的实质性创新（发明专利）和以谋求其他利益为目的、追求创新“数量和速度”而“轻质量”的策略性创新（非发明专利）。 实质性创新有助于在经济转型期借助高质量的发明创造引领经济发展， 促进经济结构调整， 向投资者传递积极发展信号; 而策略性创新在一定阶段为创新主体带来了学习效应， 成为技术追赶国积累创新经验的重要手段， 但随着国家整体创新能力的提升， 其也可能抑制高质量发明创新动机， 阻碍创新质量提升， 成为低水平创新的温床。 尤其快速增长的策略性创新已经在高新技术税收优惠、政策扶持以及融资市场形成了错判的信号， 可能引起寻租行为[20] 。 相比实质性创新， 策略性创新并未削弱管理层的机会主义动机， 企业创新的不确定性和信息不对称性也依然存在， 从而对股价崩盘风险的抑制作用会大打折扣。 由此提出假设：
H2：在其他条件相同的情况下， 相对于策略性创新， 实质性创新与股价崩盘风险的负相关关系更显著。
企业创新产出的披露能够获得投资者的关注， 有助于增强投资者信心。 首先， 当投资者在众多股票中进行甄选时， 更易选择成长性高且能够引起市场关注的股票， 并付出相对乐观的股价[21，22] 。 风险投资者更倾向于选择高新技术行业中创新产出高的公司， 即具有高成长性、高盈利能力和高竞争力的公司， 支持其开展创新活动以获得更大的超额收益， 同时当机构投资者纷纷加入时， 代表着人力资本和物力资本的双重加载， 会增强投资者的信心， 有利于树立良好的企业形象[23] 。 其次， 良好的企业形象虽然不能直接提升股价或扩大资本存量， 但当企业面临突发负面事件冲击时， 投资者往往选择相信企业， 认为事件的原因是管理层的失误而非失信， 是好的行为动机产生了不好的结果， 并给予一定的谅解和支持， 从而避免大量抛售股票的恶性事件发生[24] 。 再次， 目前我国正处于经济转型的攻坚期， 政府对高新技术行业以及企业的创新活动在政策上予以倾斜和支持， 进一步强化了投资者对企业创新的关注， 也增强了外部投资者的信心。
此外， 投资者关注还能有效解读信息， 降低企业与市场间信息传递的不对称性， 增强对企业管理层的监督， 起到抑制股价崩盘风险的作用。 李小晗、朱红军[25] 认为， 在股市不同阶段和周期中， 投资者的个人状态和心理因素呈现波动性， 会对信息的解读和传播产生不同的影响。 从短期来说， 投资者关注程度高时能够高效、及时地解读相关信息， 有利于信息迅速传播， 投资者关注有限时情况则相反。 但从长期来看， 投资者在整个过程中不断搜集信息和积累知识， 对信息的解读能力和传播效果不存在差异。 普通投资者关注是依托个人认知和精力对企业或市场披露的信息进行解读， 而当机构投资者对某类（只）股票关注程度比较高时， 凭借专业技能和经验积累， 能够捕捉和挖掘到企业更多的私有信息， 有助于提高信息处理效率和股价信息含量[26] 。 李春涛等[27] 认为， 分析师凭借自身良好的知识技能和丰富的投资经验， 能够较为准确地解读企业复杂的财务信息， 有效发挥监管职能， 防止企业财务报告质量恶化; 同时， 分析师作为资本市场的信息中介， 是连接上市公司与市场投资者间的桥梁， 向投资者提供合理反映股票内在价值的相关信息， 从而提高了信息的透明度[11] 。 此外， 投资者关注还会提高股票的流动性， 当知情人获取的收益大于成本时促使私人信息进入股价， 股价信息含量逐步提高， 有利于提升企业的信息透明度进而抑制未来股价崩盘风险。
综上， 投资者关注主要发挥的是增强投资者信心的效应和信息解读效应， 可以在一定程度上抑制股价崩盘风险， 由此提出假设：
H3：在其他条件相同的情况下， 投资者关注越多， 创新产出与股价崩盘风险的负相关关系越显著。
三、研究设计
（一）变量选取与模型构建
1. 变量定义。
（1）被解释变量：股价崩盘风险（CR）。 借鉴Hutton等[4] 、Kim等[1] 、王化成等[8] 和姜付秀等[9] 学者的相关研究， 本文采用两个指标Ncskew（负收益偏态系数）和Duvol（股票收益波动率）来衡量样本公司的股价崩盘风险。
（2）解释变量：创新产出。 已有文献一般以专利的申请量或授权量作为创新产出的衡量指标[19] 。 由于专利的授予量具有时滞性， 同时需要检测和缴纳年费， 可能具有人为性， 因此本文选用能够相对客观、及时反映创新动机和水平的年度专利申请量作为创新产出的衡量指标。 借鉴黎文靖、郑曼妮[19] 对于创新动机的划分， 将企业申请发明专利的数量认定为实质性创新（Patenti）， 将企业申请实用新型专利或外观设计专利的数量认定为策略性创新（Patentud）。 （3）调节变量：投资者关注（IA）。 对于投资者关注， 已有文献曾以百度指数[2] 或谷歌指数[25] 作为代理变量。 相比谷歌指数， 百度搜索在我国占有更大的市场占有率， 但百度指数只能获得2011年之后的数据， 且缺失严重。 本文借鉴许年行等[28] 的度量方法， 以机构投资者持股比例（Insr）和分析师跟踪人数的自然对数（Analyst）作为衡量投资者关注的两个代理变量， 其中， 如果分析师j在第t年对公司进行多次预测， 则分析师跟踪只保留最后一条预测记录。
（4）控制变量。 控制变量（Controls）的选取借鉴了Kim等[1] 、姜付秀等[9] 的研究， 包括月平均超额换手率（Dturn）、平均周收益率（Ret）、周收益波动率（Sigma）、公司规模（Size）、资产负债率（Lev）、总资产收益率（ROA）、账市比（BM）、信息透明度（ABACC）等。 为了减少内生性问题的影响， 解释变量和控制变量相对于被解释变量进行了滞后一期处理。
具体变量定义及测度见表1。
2. 模型构建。 本文主要通过如下模型检验企业创新产出对股价崩盘风险的影响以及投资者关注的调节作用：
其中， lnPatent（lnPatenti， lnPatentud）为公司专利（发明专利、非发明专利）申请数加1取自然对数。
（二）样本选择与数据来源
本文选取2010 ～ 2019年沪市和深市的A股上市公司为研究样本， 根据模型（1）和（2）， 对解释变量和控制变量进行滞后一期处理。 对于初始数据， 进行了如下筛选：①剔除金融类上市公司样本; ②剔除专利数据严重缺失的样本; ③剔除年交易周数少于30的样本; ④剔除财务数据异常（如净资产为负）的样本。 最终共得到10516个观测值。 企业创新的专利申请数据来源于中国专利数据库， 股价崩盘风险数据来自RESSET数据库， 其余主要变量及控制变量数据来自CSMAR数据库， 对所有数据进行了交叉核对。 此外， 为了排除极端值对统计结果的影响， 对所有连续变量进行了上下1%的Winsorize处理。
四、实证结果
（一）描述性统计
表2对文中涉及的主要变量进行了描述性统计。 其中， 股价崩盘风险Ncskewt+1和Duvolt+1的均值分别为-0.2605和-0.1246， 中位数分别为
-0.2573和-0.1370， 与Xu等[7] 、王化成等[8] 的研究结果比较接近， 标准差分别为0.7147和0.4293， 说明不同公司之间的股价崩盘风险存在较大差异。 企业创新产出（Patent、Patenti和Patentud）的均值分别为30.6473、12.4539和18.4850， 标准差都在30以上， 说明企业间创新产出存在较大差异。 投资者关注中分析师跟踪人数的自然对数（Analyst）和机构投资者持股比例（Insr）的均值分别为2.2421和0.3954， 中位数分别为2.3016和0.4078。 其他控制变量的结果与相关研究基本一致。
（二）单变量分析
在进行Pearson和Speaman相关系数检验后， 发现企业创新产出（lnPatent）在5%的水平以上与股价崩盘风险（Ncskewt+1和Duvolt+1）显著负相关， 说明在不考虑其他影响因素的情况下， H1得到支持， 而其他控制变量都至少在10%的水平上与股价崩盘风险显著相关（各变量VIF 值都在3以下， 可排除多重共线性）。
本文将创新产出、实质性创新和策略性创新按照中位数高低分别进行了均值和中位数检验， 结果见表3。 可以看出， 总体创新产出较高组和实质性创新较高组的样本公司， 其股价崩盘风险指标的均值和中位数更小， 且显著性水平分别为1%和5%， 而策略性创新较高组与较低组的股价崩盘风险之间并不存在显著性差异。 单变量分析的结果初步验证了H1， 股价崩盘风险还可能受到其他因素组间差异的影响， 因此需要进一步进行多元回归分析， 以保证结论的可靠性。
（三）多元回归分析
表4报告了H1的检验结果。 在表4的回归（1）和（2）中使用Ncskewt+1和Duvolt+1作为股价崩盘风险的衡量指标， 只控制了行业和年度效应， lnPatent的回归系数分别为-0.0313和-0.0275， 并都在1%的水平上显著; 在第（3）列和第（4）列中， 继续加入一系列影响股价崩盘风险的指标， lnPatent的回归系数分别在5%和1%的水平上显著为负; 在第（5）列和第（6）列中， 繼续控制信息透明度（ABACC）的影响， lnPatent的回归系数进一步增大， 并都在5%的水平上显著为负。
从控制变量上看， Ret、Sigma、ROA、Size都与未来股价崩盘风险显著正相关， Lev和BM与股价崩盘风险显著负相关， 与已有研究结论基本一致[4，6，8] 。 上述结果表明， 企业创新产出越高的公司股价崩盘风险越低， H1得到验证。 这意味着， 企业创新产出不同于创新投入， 上市公司创新产出多更有利于向外部投资者传递关于企业发展前景良好的信号， 降低企业与市场间的信息不对称性， 进而抑制股价崩盘风险。
表5报告了H2的检验结果。 第（1）列和第（2）列中使用Ncskewt+1作为股价崩盘风险的衡量指标， 实质性创新（lnPatenti）的回归系数为-0.0105， 在5%的水平上显著， 而策略性创新（lnPatentud）的回归系数为-0.0093， 在10%的水平上显著; 第（3）列和第（4）列使用Duvolt+1作为股价崩盘风险的衡量指标， 实质性创新（lnPatenti）的回归系数在1%的水平上显著为负， 而策略性创新（lnPatentud）的回归系数为负但不显著。 上述结果验证了H2， 即实质性创新对股价崩盘风险的抑制作用显著大于策略性创新。 其原因是， 策略性创新受到企业管理层机会主义动机影响， 表现出“轻质量”“重数量”和“重速度”的特点， 其向投资者披露的非发明专利信息并不能提高企业的信息透明度， 还可能引起市场寻租行为， 增加代理成本， 其对股价崩盘风险的抑制作用明显小于实质性创新。 表6 报告了机构投资者和分析师跟踪即投资者关注对企业创新产出和股价崩盘风险之间关系的调节作用。 由第（1）、（2）和（3）列的结果来看， 分析师跟踪人数的自然对数（Analyst）与企业创新产出（lnPatent）交互项的回归系数为-0.0122， 与实质性创新（lnPatenti）交互项的回归系数为-0.0144， 都在10%的水平上显著， 与策略性创新（lnPatentud）交互项的回归系数为负但不显著; 由第（4）、（5）和（6）列的结果来看， 机构投资者持股比例（Insr）与企业创新三个代理变量交互项的回归系数分别在1%、5%和10%的水平上显著为负， 这充分说明了在投资者关注作用下创新产出更能反映企业创新的实际情况， 发挥增强信心和解读信息的双重效应， 提高信息透明度， 从而更有助于抑制股价崩盘风险。 同时也发现， 投资者关注能在一定程度上抑制管理层利用策略性创新进行寻租的行为， 减少了因代理问题而产生信息捂盘的可能性， 提升了策略性创新对股价崩盘风险的抑制作用， 该结果支持了H3。
五、拓展性研究
不同外部市场态势对机构投资者和分析师预测会产生影响， 进而会对投资者关注的调节作用产生差异化影响。 许年行等[28] 研究发现， 在牛市阶段即在外部市场态势较好时， 分析师为了增加所在机构的佣金收入和获取更多承销机会， 面对投资者高涨的投资情绪， 会发布更为乐观的报告， 进而可能增加分析师的乐观性偏差和机构投资者的“羊群效应”， 从而加剧股价崩盘风险。 而周铭山等[2] 则认为， 在良好的外部市场环境下， 投资者更加积极地投身于股市， 并热衷于搜集和解读上市公司的股票信息， 其关注程度明显高于外部市场环境较差（熊市阶段）时， 从而降低了投资的不确定性和信息的不对称性， 有利于抑制股价崩盘风险。 结合以上分析， 本文从投资者关注的双重效应来看：就增强信心效应来说， 相比熊市， 牛市中投资者的信心更为饱满， 投资热情也更为高涨， 更有利于创新产出向公众传递企业发展态势良好、前景广阔以及拥有超额预期收益的信号， 有助于提升投资者关注的正向调节作用; 就信息解读效应来说， 在牛市阶段， 投资者有更多的精力和耐心去搜集和追踪企业信息， 辨析企业创新产出所代表的是实质创新能力提升还是管理层进行寻租的工具， 提高了信息的透明度， 降低了投资的不确定性。 由此提出假设：
H4： 在其他条件相同的情况下， 外部市场态势较好时， 投资者关注对创新产出和股价崩盘风险间负相关关系的调节作用更明显。
根据许年行等[28] 所使用的两种方法， 即市场平均收益判定法和波峰波谷判定法， 在本文所选的样本期间内， 经以上方法判定， 2009、2010、2013、2014、2015、2017年为“牛市”， 2011、2012、2016、2018年为“熊市”。
表7列示了H4的检验结果。 其中， 第（1）列和第（2）列为 “牛市”组， 第（3）列和第（4）列为“熊市”组。 其中， “牛市”组中创新产出与投资者关注的交互项（lnPatent×Analyst和lnPatent×Insr）回归系数为-0.0054和-0.0132， 分别在10%和5%的水平上显著; 而“熊市”组中， 回归系数虽为负却不显著。 相比外部态势较差时， 良好的市场环境可以加速创新产出传递积极信号， 更能增加投资者的热情和信心， 减少投资的不确定性， 同时还有利于投资者在更为宽松的环境中， 集中精力对信息进行搜集、整理和解读， 剔除掉可能存在内部人机会主义行为的公司的股票， 使投资者关注发挥有效的正向调节作用。
六、稳健性和内生性检验
（一）稳健性检验
对股价崩盘风险采用不同的衡量指标， 可能得出不同的结论。 为了保证结论的可靠性， 采用未来两期和三期的股价崩盘风险作为被解释变量， 以考察企业创新产出对未来股价崩盘风险的影响。 回归结果如表8中第（1）列和第（2）列所示。 第（1）列为未来第2年预测期， lnPatent 的回归系数为-0.0034， 在5%的水平上显著; 第（2）列为未来第3年的预测期， lnPatent 的回归系数为-0.0051， 且在10%的水平上显著， 企业创新产出显著降低了未来股价崩盘风险， H1再次得到印证， 结论保持不变。 借鉴王化成等[8] 的做法， 为了减少遗漏的可能不随时间变化的因素对回归结果的影响， 使用差分模型进行检验。 回归结果如表8中第（3）列和第（4）列所示， lnPatent 的回归系数在10%和5%的水平上显著为负。 为了降低个体化差异对回归结果的影响， 还运用固定效应模型进行了重新估计。 回归结果如表8中第（5）列和第（6）列所示， lnPatent 的回归系数在5%和1%的水平上显著为负。 以上结果说明在消除时间趋势和个体效应后结论依然稳健。
（二）内生性检验
对于内生性问题来说， 将被解释变量进行预期处理可以缓解部分内生性问题， 在固定模型以及延长滞后期中已经考虑了这一问题。 为了结论的稳健性， 对解释变量进行了Hausman 检验， 结果表示模型确实存在内生性问题。 因此， 采用工具变量法对模型进行重新估计。 借鉴Kim等[1] 、周铭山等[2] 的研究， 采用同年度行业、同年度地区的专利数对数的均值（lnP_ind， lnP_ad）作为创新产出的工具变量。 回归结果如表9所示。 第（1）列表示第一阶段估计结果， 工具变量lnP_ind的回归系数为0.4821， 且在1%的水平上显著， 说明同行业内专利技术越多， 行业内竞争越激烈， 越激发企业增加本身的专利申请数量; 工具变量lnP_ad的回归系数为0.8055， 在1%的水平上显著， 说明同地区专利技术的水平也同样会激发个体企业的创新水平， 以上内容说明行业和地区内的创新水平会显著提高个体企业的创新水平， 即两个工具变量与解释变量存在相关性。 同时， 地区和行业创新水平并不能影响个别公司的股价崩盘风险， 说明工具变量从理论上来说具有外生性， 就检验结果来说， LM檢验结果为0， 显著拒绝了识别不足问题， 说明工具变量与解释变量具有相关性。 对工具变量进行CD-wald（弱工具变量）和Sargen（识别过度）检验时都拒绝了原假设， 说明工具变量满足上述与解释变量具有相关性和与被解释变量具有外生性的要求。 表9中第（2）列和第（3）列为第二阶段估计结果， lnPatent的回归系数为-0.0157和-0.0247， 分别在5%和10%的水平上显著， 说明在克服内生性问题后， 结论依然符合H1的预期， 具有可靠性。
七、结论
从影响因素来说， 股价崩盘风险主要由内部人代理问题所引发的企业内部与外部市场信息不对称所致， 本文还探讨了投资者关注所发挥的作用。 企业创新是不确定性高、预期拥有高额收益的投资活动。 创新投入和创新产出是创新活动的两个阶段。 对于创新投入来说， 它加剧信息的不对称性和不确定性， 同时易被管理层当作盈余操纵工具; 而对创新产出来说， 它是一定阶段的研究成果， 可以向公众传递企业在某技术领域有所突破、具有良好发展前景。 相比策略性创新， 实质性创新更能揭示企业创新的实际情况。 本文实证考察了企业创新产出对股价崩盘风险的影响以及投资者关注在其中所起到的增强信心和解读信息的调节作用。 研究发现：企业创新产出抑制了股价崩盘风险， 这表明创新产出的信息披露可以在一定程度上削弱企业内外部信息的非对称性和不确定性; 与策略性创新相比， 实质性创新对股价崩盘风险的抑制作用更显著， 实质性创新可以提升整体创新质量， 更有利于向投资者传递企业发展前景良好的信号， 管理层在短视和自利动机下往往选择策略性创新， 其对股价崩盘风险的抑制作用不显著; 投资者关注对企业创新产出与股价崩盘风险间的关系具有正向调节作用， 在此时更多发挥增强投资者信心和信息解读双重效应， 而非市场恐慌效应。 外部投资者在长期关注下有利于更深层次地了解企业信息， 筛选实质性创新能力强的上市公司， 从而避免了大量抛售股票等恶性事件的发生。 同时， 不同的外部市场态势对投资者关注的影响存在较大差异， 当外部市场处于较好态势（牛市阶段）时， 双重效应叠加对二者的调节作用更为显著。
【关键词】企业创新产出;实质性创新;策略性创新;股价崩盘风险;投资者关注
【中图分类号】F272 【文献标识码】A 【文章编号】1004-0994（2020）22-0044-9
一、引言
十九大报告明确提出“实施以企业为主体的创新发展战略， 以保障实体经济稳定增长”， 同时， 要防范系统性金融风险， 维护金融市场健康发展。 创新既是企业持续发展的核心动力， 也是促进经济增长和提升国家竞争力的关键要素。 然而， 企业创新也是一种不确定性较高、周期较长的投资活动， 关于其对资本市场中股价崩盘风险所产生的影响， 现有研究结论并不一致。 国外学者Kim和Zhang[1] 认为， 企业创新活动会加剧股价崩盘风险， 因为管理层在对外进行企业创新情况披露时会有所保留， 伴随创新投入的不断追加， 信息的不对称程度也会随之提高， 进而加剧股价崩盘风险。 而我国学者周铭山等[2] 得出相反的结论， 他们认为创业板上市公司被要求对外提供更为详尽的研发信息， 从而降低了企业与市场的信息不对称， 进而有效抑制了股价崩盘风险。 本文以此为契机， 从创新产出（实质性创新和策略性创新）这一视角出发， 考察其对股价崩盘风险的影响， 并分析背后的作用机理。
关于股价崩盘风险的形成机理， Jin和Myers[3] 构建信息结构模型进行研究， 提出在信息透明度较低的情况下[4，5] ， 内部人（高管或控股股东）源于机会主义动机[6，7] ， 可能存在隐藏企业负面信息的行为， 负面信息积累到阈值后将集中释放， 从而造成股价大跌。 已有文献基本沿袭这一思路， 分别从代理问题和信息不对称两个角度探讨如何缓解股价崩盘风险。 在代理问题层面， 学者们认为可从大股东持股[8] 、多个大股东[9] 、机构投资者持股[10] 等方面缓解因代理冲突而形成的股价崩盘风险; 在信息不对称层面， 学者们认为可从会计稳健性[1] 、信息披露质量及分析师预测[11] 等方面缓解因信息不对称而导致的股价崩盘风险。 而影响股价崩盘风险的另一要素——市场投资者的关注和反应却常常被忽略。 投资者关注一方面具有增加投资者信心的效应[2] ， 另一方面还有解读、辨析企业信息的效应[12] 。
企业创新具有投资周期长、收益不确定性高以及信息不透明等特征， 尤其当企业拥有市场前景良好、技术优势突出、伴随高风险和高预期收益等特征的研发项目时， 为了避免技术外泄和节约研发信息披露成本， 往往会尽量减少对外披露信息， 从而提高了信息的不透明性， 这是否会加剧股价崩盘风险？ 而投资者关注有利于搜集、捕捉企业信息， 提升股价信息含量和信息的解读效率， 降低内外部信息的不对称性， 制约管理层刻意隐藏信息行为， 此时投资者关注是否能够有效缓解股价崩盘风险？ 创新投入大并取得阶段性成果的企业， 投资者关注有利于向市场传递企业发展迅速、预期获得超额收益的信号， 从而增强投资者信心， 降低负面信息集中释放的可能， 此时投资者对企业创新行为的关注是否能有效抑制股价崩盘风险并提升股价？
为回答上述问题， 本文针对沪深A股上市公司的企业创新产出对股价崩盘风险的影响以及投资者关注所起的调节作用进行理论和实证研究。 主要贡献在于：首先， 以往文献大多集中于研究内部人（管理层或大股东）机会主义动机、会计信息披露或投资行为等对股价崩盘风险的影响， 本文以企业创新行为为视角， 既丰富了股价崩盘风险方面的文献， 也为基于企业创新动机分析股价的稳定提供了新的角度; 其次， 学者们多从创新投入出发分析其对股价崩盘风险的影响， 本文将关注点转为创新投入的阶段性成果即创新产出的披露， 丰富了企业创新经济后果方面的文献; 最后， 本文从投资者关注视角分析企业创新与股价崩盘风险的关系， 发现在不同情形下， 投资者关注能够发挥增强投资者信心和信息解读效应， 进一步丰富了投资者关注的相关研究。
二、理论分析与研究假设
企业创新是回报周期长、不确定性强的长期投资活动[13] ， 一般默认为企业持续的创新投入会为企业带来技术革新和竞争优势。 但同时， 创新投入的信息披露没有统一的参照样本， 证券法规和制度也无详细规定， 其本身还具有机密性， 这加剧了企业信息的不对称性[1] 。 企业管理层还可能利用创新投入进行盈余管理， 从而进一步降低企业信息透明度。 谢德仁等[14] 认为， 创新投入中的开发支出在会计政策上具有隐性选择空间， 企业高管可以根据盈余管理的需要对其进行资本化或费用化处理。 姜博等[15] 研究发现， 企业高管为获取更多资本利得， 很可能利用开发支出资本化在减持（抛售）股票前进行盈余操纵， 而外部投资者很难进行甄别和判断。 除了企业高管， 公司大股东等也可能在减持前从事盈余管理行为。 大股东尤其是控股股东可能为了提升股价进而获取减持收益， 选择操纵信息发布和进行盈余管理。 在减持股票前发布创新投入带来超额收益的利好消息， 将坏消息延迟至减持股票之后公布， 同时利用盈余管理使得减持前收益显著为正[1，16] 。 因此， 创新投入的信息不透明主要与创新自身特征、内部人盈余操纵密切相关， 这都可能进一步加剧资本市场的股价崩盘风险。 创新产出相对于创新投入而言， 是已经取得了的阶段性研究成果， 有效保障了新技术甚至新产品的市场竞争地位， 包括发明专利、非发明专利（实用新型和外观设计）两种。 根据创新投入信息的披露要求， 上市公司在年报中应披露研发阶段、开发阶段以及资本化的标准和条件， 并分项披露开发支出的增减变动及资本化始点、依据和进度， 开发阶段的研发支出在满足条件的情况下可以进行资本化， 但能否满足条件主要取决于管理层的职业经验和经营策略， 实质上具有很大的灵活性和主观性[14] ， 作为外部投资者很难判断其是否进行了盈余管理。 而創新产出以企业提交发明或非发明专利申请作为披露方式， 申报专利的数量不断增加， 对于投资者而言， 能够获取更多关于企业发展前景良好的信息， 减少由创新活动所带来的不确定性; 对于企业而言， 向公众透露了企业创新的最新进展， 表明在可预期的时间内企业将在某个领域取得技术性突破， 可提升企业竞争力。 可见， 企业对创新产出的有效披露提高了信息的透明度， 从而有助于抑制可能发生的股价崩盘风险。 由此提出假设：
H1：在其他条件相同的情况下， 企业创新产出与股价崩盘风险负相关。
同时也应看到， 近十年来我国已一跃成为全球第一大专利申请国， 但专利申请数量激增并不意味着创新质量和能力的实质性提升， 企业为获得政策扶持往往选择申请耗时短、易研发的非发明专利以赢得套利空间[17] ， 由“专利泡沫”导致的“创新假象”问题较为突出[18] 。 从管理层创新动机出发， 黎文靖、郑曼妮[19] 将创新产出进一步细分为以推动企业技术进步和竞争力为目的的“重质量”的实质性创新（发明专利）和以谋求其他利益为目的、追求创新“数量和速度”而“轻质量”的策略性创新（非发明专利）。 实质性创新有助于在经济转型期借助高质量的发明创造引领经济发展， 促进经济结构调整， 向投资者传递积极发展信号; 而策略性创新在一定阶段为创新主体带来了学习效应， 成为技术追赶国积累创新经验的重要手段， 但随着国家整体创新能力的提升， 其也可能抑制高质量发明创新动机， 阻碍创新质量提升， 成为低水平创新的温床。 尤其快速增长的策略性创新已经在高新技术税收优惠、政策扶持以及融资市场形成了错判的信号， 可能引起寻租行为[20] 。 相比实质性创新， 策略性创新并未削弱管理层的机会主义动机， 企业创新的不确定性和信息不对称性也依然存在， 从而对股价崩盘风险的抑制作用会大打折扣。 由此提出假设：
H2：在其他条件相同的情况下， 相对于策略性创新， 实质性创新与股价崩盘风险的负相关关系更显著。
企业创新产出的披露能够获得投资者的关注， 有助于增强投资者信心。 首先， 当投资者在众多股票中进行甄选时， 更易选择成长性高且能够引起市场关注的股票， 并付出相对乐观的股价[21，22] 。 风险投资者更倾向于选择高新技术行业中创新产出高的公司， 即具有高成长性、高盈利能力和高竞争力的公司， 支持其开展创新活动以获得更大的超额收益， 同时当机构投资者纷纷加入时， 代表着人力资本和物力资本的双重加载， 会增强投资者的信心， 有利于树立良好的企业形象[23] 。 其次， 良好的企业形象虽然不能直接提升股价或扩大资本存量， 但当企业面临突发负面事件冲击时， 投资者往往选择相信企业， 认为事件的原因是管理层的失误而非失信， 是好的行为动机产生了不好的结果， 并给予一定的谅解和支持， 从而避免大量抛售股票的恶性事件发生[24] 。 再次， 目前我国正处于经济转型的攻坚期， 政府对高新技术行业以及企业的创新活动在政策上予以倾斜和支持， 进一步强化了投资者对企业创新的关注， 也增强了外部投资者的信心。
此外， 投资者关注还能有效解读信息， 降低企业与市场间信息传递的不对称性， 增强对企业管理层的监督， 起到抑制股价崩盘风险的作用。 李小晗、朱红军[25] 认为， 在股市不同阶段和周期中， 投资者的个人状态和心理因素呈现波动性， 会对信息的解读和传播产生不同的影响。 从短期来说， 投资者关注程度高时能够高效、及时地解读相关信息， 有利于信息迅速传播， 投资者关注有限时情况则相反。 但从长期来看， 投资者在整个过程中不断搜集信息和积累知识， 对信息的解读能力和传播效果不存在差异。 普通投资者关注是依托个人认知和精力对企业或市场披露的信息进行解读， 而当机构投资者对某类（只）股票关注程度比较高时， 凭借专业技能和经验积累， 能够捕捉和挖掘到企业更多的私有信息， 有助于提高信息处理效率和股价信息含量[26] 。 李春涛等[27] 认为， 分析师凭借自身良好的知识技能和丰富的投资经验， 能够较为准确地解读企业复杂的财务信息， 有效发挥监管职能， 防止企业财务报告质量恶化; 同时， 分析师作为资本市场的信息中介， 是连接上市公司与市场投资者间的桥梁， 向投资者提供合理反映股票内在价值的相关信息， 从而提高了信息的透明度[11] 。 此外， 投资者关注还会提高股票的流动性， 当知情人获取的收益大于成本时促使私人信息进入股价， 股价信息含量逐步提高， 有利于提升企业的信息透明度进而抑制未来股价崩盘风险。
综上， 投资者关注主要发挥的是增强投资者信心的效应和信息解读效应， 可以在一定程度上抑制股价崩盘风险， 由此提出假设：
H3：在其他条件相同的情况下， 投资者关注越多， 创新产出与股价崩盘风险的负相关关系越显著。
三、研究设计
（一）变量选取与模型构建
1. 变量定义。
（1）被解释变量：股价崩盘风险（CR）。 借鉴Hutton等[4] 、Kim等[1] 、王化成等[8] 和姜付秀等[9] 学者的相关研究， 本文采用两个指标Ncskew（负收益偏态系数）和Duvol（股票收益波动率）来衡量样本公司的股价崩盘风险。
（2）解释变量：创新产出。 已有文献一般以专利的申请量或授权量作为创新产出的衡量指标[19] 。 由于专利的授予量具有时滞性， 同时需要检测和缴纳年费， 可能具有人为性， 因此本文选用能够相对客观、及时反映创新动机和水平的年度专利申请量作为创新产出的衡量指标。 借鉴黎文靖、郑曼妮[19] 对于创新动机的划分， 将企业申请发明专利的数量认定为实质性创新（Patenti）， 将企业申请实用新型专利或外观设计专利的数量认定为策略性创新（Patentud）。 （3）调节变量：投资者关注（IA）。 对于投资者关注， 已有文献曾以百度指数[2] 或谷歌指数[25] 作为代理变量。 相比谷歌指数， 百度搜索在我国占有更大的市场占有率， 但百度指数只能获得2011年之后的数据， 且缺失严重。 本文借鉴许年行等[28] 的度量方法， 以机构投资者持股比例（Insr）和分析师跟踪人数的自然对数（Analyst）作为衡量投资者关注的两个代理变量， 其中， 如果分析师j在第t年对公司进行多次预测， 则分析师跟踪只保留最后一条预测记录。
（4）控制变量。 控制变量（Controls）的选取借鉴了Kim等[1] 、姜付秀等[9] 的研究， 包括月平均超额换手率（Dturn）、平均周收益率（Ret）、周收益波动率（Sigma）、公司规模（Size）、资产负债率（Lev）、总资产收益率（ROA）、账市比（BM）、信息透明度（ABACC）等。 为了减少内生性问题的影响， 解释变量和控制变量相对于被解释变量进行了滞后一期处理。
具体变量定义及测度见表1。
2. 模型构建。 本文主要通过如下模型检验企业创新产出对股价崩盘风险的影响以及投资者关注的调节作用：
其中， lnPatent（lnPatenti， lnPatentud）为公司专利（发明专利、非发明专利）申请数加1取自然对数。
（二）样本选择与数据来源
本文选取2010 ～ 2019年沪市和深市的A股上市公司为研究样本， 根据模型（1）和（2）， 对解释变量和控制变量进行滞后一期处理。 对于初始数据， 进行了如下筛选：①剔除金融类上市公司样本; ②剔除专利数据严重缺失的样本; ③剔除年交易周数少于30的样本; ④剔除财务数据异常（如净资产为负）的样本。 最终共得到10516个观测值。 企业创新的专利申请数据来源于中国专利数据库， 股价崩盘风险数据来自RESSET数据库， 其余主要变量及控制变量数据来自CSMAR数据库， 对所有数据进行了交叉核对。 此外， 为了排除极端值对统计结果的影响， 对所有连续变量进行了上下1%的Winsorize处理。
四、实证结果
（一）描述性统计
表2对文中涉及的主要变量进行了描述性统计。 其中， 股价崩盘风险Ncskewt+1和Duvolt+1的均值分别为-0.2605和-0.1246， 中位数分别为
-0.2573和-0.1370， 与Xu等[7] 、王化成等[8] 的研究结果比较接近， 标准差分别为0.7147和0.4293， 说明不同公司之间的股价崩盘风险存在较大差异。 企业创新产出（Patent、Patenti和Patentud）的均值分别为30.6473、12.4539和18.4850， 标准差都在30以上， 说明企业间创新产出存在较大差异。 投资者关注中分析师跟踪人数的自然对数（Analyst）和机构投资者持股比例（Insr）的均值分别为2.2421和0.3954， 中位数分别为2.3016和0.4078。 其他控制变量的结果与相关研究基本一致。
（二）单变量分析
在进行Pearson和Speaman相关系数检验后， 发现企业创新产出（lnPatent）在5%的水平以上与股价崩盘风险（Ncskewt+1和Duvolt+1）显著负相关， 说明在不考虑其他影响因素的情况下， H1得到支持， 而其他控制变量都至少在10%的水平上与股价崩盘风险显著相关（各变量VIF 值都在3以下， 可排除多重共线性）。
本文将创新产出、实质性创新和策略性创新按照中位数高低分别进行了均值和中位数检验， 结果见表3。 可以看出， 总体创新产出较高组和实质性创新较高组的样本公司， 其股价崩盘风险指标的均值和中位数更小， 且显著性水平分别为1%和5%， 而策略性创新较高组与较低组的股价崩盘风险之间并不存在显著性差异。 单变量分析的结果初步验证了H1， 股价崩盘风险还可能受到其他因素组间差异的影响， 因此需要进一步进行多元回归分析， 以保证结论的可靠性。
（三）多元回归分析
表4报告了H1的检验结果。 在表4的回归（1）和（2）中使用Ncskewt+1和Duvolt+1作为股价崩盘风险的衡量指标， 只控制了行业和年度效应， lnPatent的回归系数分别为-0.0313和-0.0275， 并都在1%的水平上显著; 在第（3）列和第（4）列中， 继续加入一系列影响股价崩盘风险的指标， lnPatent的回归系数分别在5%和1%的水平上显著为负; 在第（5）列和第（6）列中， 繼续控制信息透明度（ABACC）的影响， lnPatent的回归系数进一步增大， 并都在5%的水平上显著为负。
从控制变量上看， Ret、Sigma、ROA、Size都与未来股价崩盘风险显著正相关， Lev和BM与股价崩盘风险显著负相关， 与已有研究结论基本一致[4，6，8] 。 上述结果表明， 企业创新产出越高的公司股价崩盘风险越低， H1得到验证。 这意味着， 企业创新产出不同于创新投入， 上市公司创新产出多更有利于向外部投资者传递关于企业发展前景良好的信号， 降低企业与市场间的信息不对称性， 进而抑制股价崩盘风险。
表5报告了H2的检验结果。 第（1）列和第（2）列中使用Ncskewt+1作为股价崩盘风险的衡量指标， 实质性创新（lnPatenti）的回归系数为-0.0105， 在5%的水平上显著， 而策略性创新（lnPatentud）的回归系数为-0.0093， 在10%的水平上显著; 第（3）列和第（4）列使用Duvolt+1作为股价崩盘风险的衡量指标， 实质性创新（lnPatenti）的回归系数在1%的水平上显著为负， 而策略性创新（lnPatentud）的回归系数为负但不显著。 上述结果验证了H2， 即实质性创新对股价崩盘风险的抑制作用显著大于策略性创新。 其原因是， 策略性创新受到企业管理层机会主义动机影响， 表现出“轻质量”“重数量”和“重速度”的特点， 其向投资者披露的非发明专利信息并不能提高企业的信息透明度， 还可能引起市场寻租行为， 增加代理成本， 其对股价崩盘风险的抑制作用明显小于实质性创新。 表6 报告了机构投资者和分析师跟踪即投资者关注对企业创新产出和股价崩盘风险之间关系的调节作用。 由第（1）、（2）和（3）列的结果来看， 分析师跟踪人数的自然对数（Analyst）与企业创新产出（lnPatent）交互项的回归系数为-0.0122， 与实质性创新（lnPatenti）交互项的回归系数为-0.0144， 都在10%的水平上显著， 与策略性创新（lnPatentud）交互项的回归系数为负但不显著; 由第（4）、（5）和（6）列的结果来看， 机构投资者持股比例（Insr）与企业创新三个代理变量交互项的回归系数分别在1%、5%和10%的水平上显著为负， 这充分说明了在投资者关注作用下创新产出更能反映企业创新的实际情况， 发挥增强信心和解读信息的双重效应， 提高信息透明度， 从而更有助于抑制股价崩盘风险。 同时也发现， 投资者关注能在一定程度上抑制管理层利用策略性创新进行寻租的行为， 减少了因代理问题而产生信息捂盘的可能性， 提升了策略性创新对股价崩盘风险的抑制作用， 该结果支持了H3。
五、拓展性研究
不同外部市场态势对机构投资者和分析师预测会产生影响， 进而会对投资者关注的调节作用产生差异化影响。 许年行等[28] 研究发现， 在牛市阶段即在外部市场态势较好时， 分析师为了增加所在机构的佣金收入和获取更多承销机会， 面对投资者高涨的投资情绪， 会发布更为乐观的报告， 进而可能增加分析师的乐观性偏差和机构投资者的“羊群效应”， 从而加剧股价崩盘风险。 而周铭山等[2] 则认为， 在良好的外部市场环境下， 投资者更加积极地投身于股市， 并热衷于搜集和解读上市公司的股票信息， 其关注程度明显高于外部市场环境较差（熊市阶段）时， 从而降低了投资的不确定性和信息的不对称性， 有利于抑制股价崩盘风险。 结合以上分析， 本文从投资者关注的双重效应来看：就增强信心效应来说， 相比熊市， 牛市中投资者的信心更为饱满， 投资热情也更为高涨， 更有利于创新产出向公众传递企业发展态势良好、前景广阔以及拥有超额预期收益的信号， 有助于提升投资者关注的正向调节作用; 就信息解读效应来说， 在牛市阶段， 投资者有更多的精力和耐心去搜集和追踪企业信息， 辨析企业创新产出所代表的是实质创新能力提升还是管理层进行寻租的工具， 提高了信息的透明度， 降低了投资的不确定性。 由此提出假设：
H4： 在其他条件相同的情况下， 外部市场态势较好时， 投资者关注对创新产出和股价崩盘风险间负相关关系的调节作用更明显。
根据许年行等[28] 所使用的两种方法， 即市场平均收益判定法和波峰波谷判定法， 在本文所选的样本期间内， 经以上方法判定， 2009、2010、2013、2014、2015、2017年为“牛市”， 2011、2012、2016、2018年为“熊市”。
表7列示了H4的检验结果。 其中， 第（1）列和第（2）列为 “牛市”组， 第（3）列和第（4）列为“熊市”组。 其中， “牛市”组中创新产出与投资者关注的交互项（lnPatent×Analyst和lnPatent×Insr）回归系数为-0.0054和-0.0132， 分别在10%和5%的水平上显著; 而“熊市”组中， 回归系数虽为负却不显著。 相比外部态势较差时， 良好的市场环境可以加速创新产出传递积极信号， 更能增加投资者的热情和信心， 减少投资的不确定性， 同时还有利于投资者在更为宽松的环境中， 集中精力对信息进行搜集、整理和解读， 剔除掉可能存在内部人机会主义行为的公司的股票， 使投资者关注发挥有效的正向调节作用。
六、稳健性和内生性检验
（一）稳健性检验
对股价崩盘风险采用不同的衡量指标， 可能得出不同的结论。 为了保证结论的可靠性， 采用未来两期和三期的股价崩盘风险作为被解释变量， 以考察企业创新产出对未来股价崩盘风险的影响。 回归结果如表8中第（1）列和第（2）列所示。 第（1）列为未来第2年预测期， lnPatent 的回归系数为-0.0034， 在5%的水平上显著; 第（2）列为未来第3年的预测期， lnPatent 的回归系数为-0.0051， 且在10%的水平上显著， 企业创新产出显著降低了未来股价崩盘风险， H1再次得到印证， 结论保持不变。 借鉴王化成等[8] 的做法， 为了减少遗漏的可能不随时间变化的因素对回归结果的影响， 使用差分模型进行检验。 回归结果如表8中第（3）列和第（4）列所示， lnPatent 的回归系数在10%和5%的水平上显著为负。 为了降低个体化差异对回归结果的影响， 还运用固定效应模型进行了重新估计。 回归结果如表8中第（5）列和第（6）列所示， lnPatent 的回归系数在5%和1%的水平上显著为负。 以上结果说明在消除时间趋势和个体效应后结论依然稳健。
（二）内生性检验
对于内生性问题来说， 将被解释变量进行预期处理可以缓解部分内生性问题， 在固定模型以及延长滞后期中已经考虑了这一问题。 为了结论的稳健性， 对解释变量进行了Hausman 检验， 结果表示模型确实存在内生性问题。 因此， 采用工具变量法对模型进行重新估计。 借鉴Kim等[1] 、周铭山等[2] 的研究， 采用同年度行业、同年度地区的专利数对数的均值（lnP_ind， lnP_ad）作为创新产出的工具变量。 回归结果如表9所示。 第（1）列表示第一阶段估计结果， 工具变量lnP_ind的回归系数为0.4821， 且在1%的水平上显著， 说明同行业内专利技术越多， 行业内竞争越激烈， 越激发企业增加本身的专利申请数量; 工具变量lnP_ad的回归系数为0.8055， 在1%的水平上显著， 说明同地区专利技术的水平也同样会激发个体企业的创新水平， 以上内容说明行业和地区内的创新水平会显著提高个体企业的创新水平， 即两个工具变量与解释变量存在相关性。 同时， 地区和行业创新水平并不能影响个别公司的股价崩盘风险， 说明工具变量从理论上来说具有外生性， 就检验结果来说， LM檢验结果为0， 显著拒绝了识别不足问题， 说明工具变量与解释变量具有相关性。 对工具变量进行CD-wald（弱工具变量）和Sargen（识别过度）检验时都拒绝了原假设， 说明工具变量满足上述与解释变量具有相关性和与被解释变量具有外生性的要求。 表9中第（2）列和第（3）列为第二阶段估计结果， lnPatent的回归系数为-0.0157和-0.0247， 分别在5%和10%的水平上显著， 说明在克服内生性问题后， 结论依然符合H1的预期， 具有可靠性。
七、结论
从影响因素来说， 股价崩盘风险主要由内部人代理问题所引发的企业内部与外部市场信息不对称所致， 本文还探讨了投资者关注所发挥的作用。 企业创新是不确定性高、预期拥有高额收益的投资活动。 创新投入和创新产出是创新活动的两个阶段。 对于创新投入来说， 它加剧信息的不对称性和不确定性， 同时易被管理层当作盈余操纵工具; 而对创新产出来说， 它是一定阶段的研究成果， 可以向公众传递企业在某技术领域有所突破、具有良好发展前景。 相比策略性创新， 实质性创新更能揭示企业创新的实际情况。 本文实证考察了企业创新产出对股价崩盘风险的影响以及投资者关注在其中所起到的增强信心和解读信息的调节作用。 研究发现：企业创新产出抑制了股价崩盘风险， 这表明创新产出的信息披露可以在一定程度上削弱企业内外部信息的非对称性和不确定性; 与策略性创新相比， 实质性创新对股价崩盘风险的抑制作用更显著， 实质性创新可以提升整体创新质量， 更有利于向投资者传递企业发展前景良好的信号， 管理层在短视和自利动机下往往选择策略性创新， 其对股价崩盘风险的抑制作用不显著; 投资者关注对企业创新产出与股价崩盘风险间的关系具有正向调节作用， 在此时更多发挥增强投资者信心和信息解读双重效应， 而非市场恐慌效应。 外部投资者在长期关注下有利于更深层次地了解企业信息， 筛选实质性创新能力强的上市公司， 从而避免了大量抛售股票等恶性事件的发生。 同时， 不同的外部市场态势对投资者关注的影响存在较大差异， 当外部市场处于较好态势（牛市阶段）时， 双重效应叠加对二者的调节作用更为显著。