论文部分内容阅读
摘要：采用2014-2015年新三板挂牌公司中的科技型企业的数据，对创新因素对资产负债率之间的进行研究，分析科技型中小企业的创新投入及其融资结构的特征并证明两者之间的关系，结果表明创新资产对融资结构具有明显的负相关。
关键词：科技型中小企业；融资结构；创新投入要素
中图分类号：F425文献标识码：Adoi：10.19311/j.cnki.16723198.2017.33.040
1引言
创新，这一动力支撑着企业奋力前进，自从创新的概念提出来以后，围绕创新的研究不断涌现，这些研究对中国的经济发展做出非常重要的贡献。改革开放以来，我国经济呈高速增长态势，并取得十分瞩目的成绩。回顾过去的发展历程，创新为经济发展做出了不可替代的贡献。为此国家十分重视创新，认为企业的创新能够促进经济的发展。由此，一大批科技型中小企业登上了历史的舞台。为了进一步支持中小企业的研发创新活动，使其更好的为国民经济服务，了解科技型中小企业创新投入要素对融资结构选择的影响以及探讨企业最优资本结构显得尤为重要。本文将解决这个问题，进一步促进此类企业的发展壮大。
企业要想持续经营并拥有一定的竞争力就要不断的進行创新，现有的研究大多是对企业外在市场因素对其融资结构的选择，比较少的人能看到企业内部的因素的影响，但是企业内部因素恰恰是企业取得竞争优势的决定力量。
因为我国正处于金融体制改革与经济增长方式的新时期，单从企业外部研究要素与融资结构的关系还不够。近几年，我国科技中小型企业不断涌现，并对我国的创新战略的实施产生了巨大作用，全国中小企业股份转让系统的成立为中小型企业提供了融资平台。本文希望通过现有的融资结构理论和创新投入要素的理论，利用新三板中科技型挂牌公司的数据，有效发挥负债融资的治理作用，寻求有效服务于科技型中小企业创新、促进经济发展的融资结构。这对于寻求适合的经济发展的政策，寻找更多的投资渠道，减少企业融资的压力，从而提升技企业创新能力，都具有巨大的价值和意义。
2文献综述及研究假说
科技型中小企业的主要管理者一般情况下不会是风险投资者。所以每一位拥有生产要素的人都能管理他人，同时他们也受别人的管理。那么拥有创新能力的人力资源也一样，可以找他人使其代理行使创新职能。因此，这些创新人力资源会取得团队的控制权。同时为了保持这些需要依赖的创新人力资源一直存在，拥有的创新要素的人会提供一定的股权给他们保证自己的权益。当企业破产时，他们的利益可能会极大程度的受损。为保证实现他们的利益，完成之前的承诺，企业会选择股权融资来解决其融资需求。
因此提出假设1：创新投入的人力资源要素与其负债水平具有负相关关系。
正如Bottazzi和Dosi（2001）的研究指出，企业创新资金投入要素，从某种意义上看是一种比较高风险的投资行为，具有发展、追逐利润、节省税费等动机。R&D投入所能获得的价值对于未来是具有不确定性的。创新投入的产出一般是难以抵押且风险性较高无形资产。债权投资者相对于创新投入的项目更偏向于固定资产投资项目，所以企业创新投资较难从债权中获得资金的支持。
因此提出假设2：创新投入资金与其负债水平负相关。
创新投入的资产相对于企业的其他资产而言，其使用范围非常小，适用面较窄，加之债权人对这些资产不能做出完全正确的评价，也不知道其未来能不能创造价值，到底能创造多少价值？这样的情况下企业的各种风险就会变得很大。所以企业一般会选择减少负债融资，增加债权融资。
因此提出假设3：创新投入资产与其负债水平负相关。
Myers（1984）提出优序融资理论，认为外部投资者会高估企业项目融资的风险，要求更高的风险溢价。在研究中，企业股权融资的多少可能会受到企业内部的现金流的影响，我们发现当企业内部现金流相对稳定时，企业将获得较多的股权融资，而企业内部现金流不稳定时，企业将获得较少股权融资。
因此提出假设4：现金流与其负债水平负相关。
3研究方法
3.1样本选取及数据来源
对于创新要素本文选取企业的研发支出，研发人员和无形资产作为代表来进行研究。本文选取新三板市场具有代表性的100家新科技企业作为研究样本。筛选剔除缺少无形资产，现金流等变量的样本，最终选取93家企业进行分析研究。
本文数据小部分来源于WIND数据库中的数据披露，大部分数据是来手工收集，由于全国中小企业股份转让系统于2013年1月6日才正式揭牌运营，由于研究需要，所以本文选取2014-2015年具有代表性的新科技企业进行收集作为研究的数据。
3.2研究模型
为了检验本文的假设，参考本领域的常见做法，本文采用理论与数据相结合的计量经济学方法，客观科学的反映新三板挂牌科技型中小微企业的多元线性回归。
3.3模型设定
3.3.1计量模型
本文基于93家新三板科技型中小微企业2013年-2014年的创新投入及资产负债率的短面板数据而进行的。采用短面板数据模型进行分析有利于控制不可观察的个体异质性，增加了自由度且有利于分析动态调整。
对于面板数据的研究模我们一般会选择静态面板数据模型或动态面板数据模型两种。由高敏（2014）对新三板挂牌企业研发投入对绩效影响的研究中发现企业当期的创新投入对当期的产出具有显著的影响，所以本文不考虑滞后性问题。结合本文研究的需求，本人选用静态数据模型中的固定效应模型。
作出如下模型：yi=αilt+xiβ+εit（1）
其中，（i=1，2，3…；t=1，2，3…）
固定效应模型中每个个体间都存在显著差异，但对于特定的某个体而言，在时间序列上组内又不存在差异，所以我们可以得出如果个体间的差异不明显，则可以采用OLS对混合数据进行估计。那么在个体效应不显著的原假设下，H0：α1=α2=…αn是成立的。本文采用F统计量来检验以上假设是否成立。 3.3.2研究模型
為了研究证明本文假设，本人借鉴前人的经验，本文从新三板科技型中小企业挂牌公司年报中选取资产负债率（DAR）作为被解释变量；选取研发人员占比（EMPLOYEES），创新资金即研发支出（IF），创新资产即无形资产（IA），现金流（CF）作为解释变量，建立模型如下：
DAR= α0+β1*EMPLOYEESt+β2*IFt+β3*IAt+β4*CFt+ε（2）
3.4变量选取
3.4.1被解释变量
企业的资产负债率（DAR）是指负债总额与资产总额的比例关系。可以用来衡量企业债权融资的多少。也就是说，资产负债率越高说明企业的债权融资越多。
3.4.2解释变量
人力资源（EMPLOYEES）指研发人员占公司所有员工的比重。研究人员是企业重要的创新投入要素之一。我们可以用研发人员投入占比来分析企业创新头的多少。一般情况，企业的研发人员占比越多，企业的创新成果越多，带来的创新受益越多。创新资金（IF）即研发支出占营业收入的比重。它是衡量企业创新投入程度的重要指标。亦可能影响创新成果，带来创新受益。创新资产（IA）即无形资产占总资产的比重，无形资产中的技术创新因素，也是企业创新投入的重要部分。所以无形资产也具有前两个变量一样的影响效果。现金流（CF）本文的现金流选用筹资活动产生的现金流占总资产的比重。
4实证分析
4.1描述性统计
对新三板挂牌企业2014年，2015年和全样本数据进行的描述性统计分析。在不考虑统计样本发生变化的前提下，2014年各企业资产负债率平均数为5045%，而2015年各企业的资产负债率平均数为 4123%，从统计数据上可以看出2015年的平均资产负债率要小于2014年的平均资产负债率，说明新三板挂牌科技型中小企业在整体上资产负债率有所下降，债权融资减少。此外，人力资源投入和创新资产的投入均有增加，但创新资金和现金流有所减少。根据描述性统计分析仅可以分析出以上结论。但也为下文进行的回归分析做了准备。
4.2回归分析
4.2.1模型的筛选和检验
本文对数据进行Hausman检验，判断采用固定效应模型进行回归分析是不是最好的选择。根据检验结果可以看出P=0.0175<0.0500，故本文采用固定效应模型对数据进行分析处理是可行的。
4.2.2固定效应模型回归分析
本文借助Stata12软件，利用前文所构建的固定效应模型，对前文的假设进行检验。我们选定在1%显著水平，当P<0.01时，表示自变量对因变量有显著影响。当P>0.01的时候，则自变量对因变量没有显著影响。
表1中的分析结果表明人力资源对资产负债率的影响的显著性P=0218>0100，说明企业的创新投入人力资源对资产负债水平的影响在1%、5%、10%的水平上均不显著，假设1不成立；创新资金对资产负债率的影响的显著性的P=0876>0100，说明创新资金投入对资产负债率的影响在1%、5%、10%的水平上均不显著，故假设2不成立；创新资产对资产负债率P=0001<0010，系数为负值，说明创新资产对资产负债率在1%、5%、10%的水平上均具有显著的负相关效应，故假设3成立；现金流对资产负债率的影响的显著性的P=075>0010， 说明现金流对资产负债率的影响在1%、5%、10%的水平上均不显著，故假设4不成立。
由表1可以看出F检验结果ui=0， F（92， 89） = 328Prob > F = 0，表明强烈拒绝原假，故选择固定效应模型明显优于混合回归。因为短面板数据不是时间序列其T较小，n 较大，尤其本文T=2，年数较少，故容易产生R2的值较小。模型分析结果表明R2=0140，说明模型拟合度在合理的范围内。
4.2.3多重共线检验
多重共线性包括严重多重共线性和近似多重共线性两种情况。如果数据存在多重共线的问题，可能造成系数的估计值不准确，还可能影响系数的显著性，使其变弱，容易分不清自变量对因变量的影响程度。因此，本文先对数据进行相关性分析再进行多重共线检验，从而判断变量选取是否正确。
本文对数据进行相关性分析，探究数据之间是否存在多重共线的问题。根据分析结果看出大部分变量之间的相关关系不大，只有创新资产和现金流之间有一个偏大。所以存在严重的多重共线的情况机率不高，下文对变量进行多重共线检验，进一步排除数据多重共线的可能性。最大VIF=1.42，远远小于合理值10，所以模型的多重共线得到完全程度得改善。数据之间的多重共线问题可以不加以考虑。数据较为合理。
5研究结论及原因
5.1研究结论
本文分析企业创新投入要素与融资结构的关系，以新三板挂牌公司中的科技型中小企业为样本。利用其2014-2015年的资产负债率、研发人员，研发支出、无形资产、筹资现金流、营业收入以及总资产的相关数据，对创新投入各要素和融资结构进行固定效应模型回归分析。以资产负债率作为因变量，人力资源、创新资金、创新资产、现金流作为自变量。分析创新投入要素是否对融资结构具显著影响，结果表明，只有创新资产对融资结构具有明显的负相关。其他自变量对融资结构均没有显著影响。
5.2原因分析
出现以上研究结果的原因可能有以下四个：第一，新三板科技型中小企业要在市场中占据重要的地位，必须突出其自身的特点，所以企业会增加研发资金与研发人员的投入，甚至出现盲目的增加研发资金和引进研发人员。造成企业资源配置不合理。从而容易企业的创新投入高，但企业绩效却没有提高，创新投入产出率低。使投资者看不到企业发展的潜力，以至于其股债权融资不受影响。所以创新投入对融资结构的影响并不明显。第二，新三板中的企业发展不够稳定，投资者会认为对其投资的风险较大，所以可能不会考虑其他创新投入因素，所以企业的股债权融资并未受影响。第三，由于全国中小企业股份转让系统与2013年1月16日才揭牌，运行时间短，投资者对其不够了解所以投资者的意愿可能暂时不受创新投入多少的影响。以至于创新投入暂时未对融资结构产生影响。第四，本文模型拟合度虽然处于合理范围，但是仍较低，又因为R2越大说明解释变量对被解释变量的解释程度越高。所以可能存在未考虑到的对被解释变量有影响的变量。
参考文献
[1]高敏.新三板挂牌企业研发投入对绩效影响研究[D].绵阳：西南科技大学， 2014：2554.
[2]钟田丽，马娜，胡彦斌.企业创新投入要素与融资结构的选择[J].会计研究，2014，（4）：6673.
[3]叶琼.融资结构对科技型中小企业成长性的影响研究-以成都市为例[D].成都：成都理工大学2015：156.
[4]Bottazzi，G.，Dosi，G.，Lippi，M.，Pammolli，F.，andRiccaboni，M.Inn-ovation and corporate Growth in the Evolution of the Drug Industry[J].international Journal of Finance，2009，64（1）：151185.
[5]Myers，S.C.Capital Structure Finance ，1984，39（1393）：575592.
关键词：科技型中小企业；融资结构；创新投入要素
中图分类号：F425文献标识码：Adoi：10.19311/j.cnki.16723198.2017.33.040
1引言
创新，这一动力支撑着企业奋力前进，自从创新的概念提出来以后，围绕创新的研究不断涌现，这些研究对中国的经济发展做出非常重要的贡献。改革开放以来，我国经济呈高速增长态势，并取得十分瞩目的成绩。回顾过去的发展历程，创新为经济发展做出了不可替代的贡献。为此国家十分重视创新，认为企业的创新能够促进经济的发展。由此，一大批科技型中小企业登上了历史的舞台。为了进一步支持中小企业的研发创新活动，使其更好的为国民经济服务，了解科技型中小企业创新投入要素对融资结构选择的影响以及探讨企业最优资本结构显得尤为重要。本文将解决这个问题，进一步促进此类企业的发展壮大。
企业要想持续经营并拥有一定的竞争力就要不断的進行创新，现有的研究大多是对企业外在市场因素对其融资结构的选择，比较少的人能看到企业内部的因素的影响，但是企业内部因素恰恰是企业取得竞争优势的决定力量。
因为我国正处于金融体制改革与经济增长方式的新时期，单从企业外部研究要素与融资结构的关系还不够。近几年，我国科技中小型企业不断涌现，并对我国的创新战略的实施产生了巨大作用，全国中小企业股份转让系统的成立为中小型企业提供了融资平台。本文希望通过现有的融资结构理论和创新投入要素的理论，利用新三板中科技型挂牌公司的数据，有效发挥负债融资的治理作用，寻求有效服务于科技型中小企业创新、促进经济发展的融资结构。这对于寻求适合的经济发展的政策，寻找更多的投资渠道，减少企业融资的压力，从而提升技企业创新能力，都具有巨大的价值和意义。
2文献综述及研究假说
科技型中小企业的主要管理者一般情况下不会是风险投资者。所以每一位拥有生产要素的人都能管理他人，同时他们也受别人的管理。那么拥有创新能力的人力资源也一样，可以找他人使其代理行使创新职能。因此，这些创新人力资源会取得团队的控制权。同时为了保持这些需要依赖的创新人力资源一直存在，拥有的创新要素的人会提供一定的股权给他们保证自己的权益。当企业破产时，他们的利益可能会极大程度的受损。为保证实现他们的利益，完成之前的承诺，企业会选择股权融资来解决其融资需求。
因此提出假设1：创新投入的人力资源要素与其负债水平具有负相关关系。
正如Bottazzi和Dosi（2001）的研究指出，企业创新资金投入要素，从某种意义上看是一种比较高风险的投资行为，具有发展、追逐利润、节省税费等动机。R&D投入所能获得的价值对于未来是具有不确定性的。创新投入的产出一般是难以抵押且风险性较高无形资产。债权投资者相对于创新投入的项目更偏向于固定资产投资项目，所以企业创新投资较难从债权中获得资金的支持。
因此提出假设2：创新投入资金与其负债水平负相关。
创新投入的资产相对于企业的其他资产而言，其使用范围非常小，适用面较窄，加之债权人对这些资产不能做出完全正确的评价，也不知道其未来能不能创造价值，到底能创造多少价值？这样的情况下企业的各种风险就会变得很大。所以企业一般会选择减少负债融资，增加债权融资。
因此提出假设3：创新投入资产与其负债水平负相关。
Myers（1984）提出优序融资理论，认为外部投资者会高估企业项目融资的风险，要求更高的风险溢价。在研究中，企业股权融资的多少可能会受到企业内部的现金流的影响，我们发现当企业内部现金流相对稳定时，企业将获得较多的股权融资，而企业内部现金流不稳定时，企业将获得较少股权融资。
因此提出假设4：现金流与其负债水平负相关。
3研究方法
3.1样本选取及数据来源
对于创新要素本文选取企业的研发支出，研发人员和无形资产作为代表来进行研究。本文选取新三板市场具有代表性的100家新科技企业作为研究样本。筛选剔除缺少无形资产，现金流等变量的样本，最终选取93家企业进行分析研究。
本文数据小部分来源于WIND数据库中的数据披露，大部分数据是来手工收集，由于全国中小企业股份转让系统于2013年1月6日才正式揭牌运营，由于研究需要，所以本文选取2014-2015年具有代表性的新科技企业进行收集作为研究的数据。
3.2研究模型
为了检验本文的假设，参考本领域的常见做法，本文采用理论与数据相结合的计量经济学方法，客观科学的反映新三板挂牌科技型中小微企业的多元线性回归。
3.3模型设定
3.3.1计量模型
本文基于93家新三板科技型中小微企业2013年-2014年的创新投入及资产负债率的短面板数据而进行的。采用短面板数据模型进行分析有利于控制不可观察的个体异质性，增加了自由度且有利于分析动态调整。
对于面板数据的研究模我们一般会选择静态面板数据模型或动态面板数据模型两种。由高敏（2014）对新三板挂牌企业研发投入对绩效影响的研究中发现企业当期的创新投入对当期的产出具有显著的影响，所以本文不考虑滞后性问题。结合本文研究的需求，本人选用静态数据模型中的固定效应模型。
作出如下模型：yi=αilt+xiβ+εit（1）
其中，（i=1，2，3…；t=1，2，3…）
固定效应模型中每个个体间都存在显著差异，但对于特定的某个体而言，在时间序列上组内又不存在差异，所以我们可以得出如果个体间的差异不明显，则可以采用OLS对混合数据进行估计。那么在个体效应不显著的原假设下，H0：α1=α2=…αn是成立的。本文采用F统计量来检验以上假设是否成立。 3.3.2研究模型
為了研究证明本文假设，本人借鉴前人的经验，本文从新三板科技型中小企业挂牌公司年报中选取资产负债率（DAR）作为被解释变量；选取研发人员占比（EMPLOYEES），创新资金即研发支出（IF），创新资产即无形资产（IA），现金流（CF）作为解释变量，建立模型如下：
DAR= α0+β1*EMPLOYEESt+β2*IFt+β3*IAt+β4*CFt+ε（2）
3.4变量选取
3.4.1被解释变量
企业的资产负债率（DAR）是指负债总额与资产总额的比例关系。可以用来衡量企业债权融资的多少。也就是说，资产负债率越高说明企业的债权融资越多。
3.4.2解释变量
人力资源（EMPLOYEES）指研发人员占公司所有员工的比重。研究人员是企业重要的创新投入要素之一。我们可以用研发人员投入占比来分析企业创新头的多少。一般情况，企业的研发人员占比越多，企业的创新成果越多，带来的创新受益越多。创新资金（IF）即研发支出占营业收入的比重。它是衡量企业创新投入程度的重要指标。亦可能影响创新成果，带来创新受益。创新资产（IA）即无形资产占总资产的比重，无形资产中的技术创新因素，也是企业创新投入的重要部分。所以无形资产也具有前两个变量一样的影响效果。现金流（CF）本文的现金流选用筹资活动产生的现金流占总资产的比重。
4实证分析
4.1描述性统计
对新三板挂牌企业2014年，2015年和全样本数据进行的描述性统计分析。在不考虑统计样本发生变化的前提下，2014年各企业资产负债率平均数为5045%，而2015年各企业的资产负债率平均数为 4123%，从统计数据上可以看出2015年的平均资产负债率要小于2014年的平均资产负债率，说明新三板挂牌科技型中小企业在整体上资产负债率有所下降，债权融资减少。此外，人力资源投入和创新资产的投入均有增加，但创新资金和现金流有所减少。根据描述性统计分析仅可以分析出以上结论。但也为下文进行的回归分析做了准备。
4.2回归分析
4.2.1模型的筛选和检验
本文对数据进行Hausman检验，判断采用固定效应模型进行回归分析是不是最好的选择。根据检验结果可以看出P=0.0175<0.0500，故本文采用固定效应模型对数据进行分析处理是可行的。
4.2.2固定效应模型回归分析
本文借助Stata12软件，利用前文所构建的固定效应模型，对前文的假设进行检验。我们选定在1%显著水平，当P<0.01时，表示自变量对因变量有显著影响。当P>0.01的时候，则自变量对因变量没有显著影响。
表1中的分析结果表明人力资源对资产负债率的影响的显著性P=0218>0100，说明企业的创新投入人力资源对资产负债水平的影响在1%、5%、10%的水平上均不显著，假设1不成立；创新资金对资产负债率的影响的显著性的P=0876>0100，说明创新资金投入对资产负债率的影响在1%、5%、10%的水平上均不显著，故假设2不成立；创新资产对资产负债率P=0001<0010，系数为负值，说明创新资产对资产负债率在1%、5%、10%的水平上均具有显著的负相关效应，故假设3成立；现金流对资产负债率的影响的显著性的P=075>0010， 说明现金流对资产负债率的影响在1%、5%、10%的水平上均不显著，故假设4不成立。
由表1可以看出F检验结果ui=0， F（92， 89） = 328Prob > F = 0，表明强烈拒绝原假，故选择固定效应模型明显优于混合回归。因为短面板数据不是时间序列其T较小，n 较大，尤其本文T=2，年数较少，故容易产生R2的值较小。模型分析结果表明R2=0140，说明模型拟合度在合理的范围内。
4.2.3多重共线检验
多重共线性包括严重多重共线性和近似多重共线性两种情况。如果数据存在多重共线的问题，可能造成系数的估计值不准确，还可能影响系数的显著性，使其变弱，容易分不清自变量对因变量的影响程度。因此，本文先对数据进行相关性分析再进行多重共线检验，从而判断变量选取是否正确。
本文对数据进行相关性分析，探究数据之间是否存在多重共线的问题。根据分析结果看出大部分变量之间的相关关系不大，只有创新资产和现金流之间有一个偏大。所以存在严重的多重共线的情况机率不高，下文对变量进行多重共线检验，进一步排除数据多重共线的可能性。最大VIF=1.42，远远小于合理值10，所以模型的多重共线得到完全程度得改善。数据之间的多重共线问题可以不加以考虑。数据较为合理。
5研究结论及原因
5.1研究结论
本文分析企业创新投入要素与融资结构的关系，以新三板挂牌公司中的科技型中小企业为样本。利用其2014-2015年的资产负债率、研发人员，研发支出、无形资产、筹资现金流、营业收入以及总资产的相关数据，对创新投入各要素和融资结构进行固定效应模型回归分析。以资产负债率作为因变量，人力资源、创新资金、创新资产、现金流作为自变量。分析创新投入要素是否对融资结构具显著影响，结果表明，只有创新资产对融资结构具有明显的负相关。其他自变量对融资结构均没有显著影响。
5.2原因分析
出现以上研究结果的原因可能有以下四个：第一，新三板科技型中小企业要在市场中占据重要的地位，必须突出其自身的特点，所以企业会增加研发资金与研发人员的投入，甚至出现盲目的增加研发资金和引进研发人员。造成企业资源配置不合理。从而容易企业的创新投入高，但企业绩效却没有提高，创新投入产出率低。使投资者看不到企业发展的潜力，以至于其股债权融资不受影响。所以创新投入对融资结构的影响并不明显。第二，新三板中的企业发展不够稳定，投资者会认为对其投资的风险较大，所以可能不会考虑其他创新投入因素，所以企业的股债权融资并未受影响。第三，由于全国中小企业股份转让系统与2013年1月16日才揭牌，运行时间短，投资者对其不够了解所以投资者的意愿可能暂时不受创新投入多少的影响。以至于创新投入暂时未对融资结构产生影响。第四，本文模型拟合度虽然处于合理范围，但是仍较低，又因为R2越大说明解释变量对被解释变量的解释程度越高。所以可能存在未考虑到的对被解释变量有影响的变量。
参考文献
[1]高敏.新三板挂牌企业研发投入对绩效影响研究[D].绵阳：西南科技大学， 2014：2554.
[2]钟田丽，马娜，胡彦斌.企业创新投入要素与融资结构的选择[J].会计研究，2014，（4）：6673.
[3]叶琼.融资结构对科技型中小企业成长性的影响研究-以成都市为例[D].成都：成都理工大学2015：156.
[4]Bottazzi，G.，Dosi，G.，Lippi，M.，Pammolli，F.，andRiccaboni，M.Inn-ovation and corporate Growth in the Evolution of the Drug Industry[J].international Journal of Finance，2009，64（1）：151185.
[5]Myers，S.C.Capital Structure Finance ，1984，39（1393）：575592.