创新投入、创新产出与企业绩效：基于CDM模型的实证研究

李常洪，郭嘉琦，宋志红，范建平

（山西大学 管理学院，山西 太原 030006）

一、引 言

在知识经济的背景下，创新是企业生存和获取持续竞争力的重要因素[1]，随着对企业创新问题研究的不断深入，在具体的创新活动中，直接影响企业绩效的到底是创新投入还是创新产出？创新投入与创新产出又是怎样影响企业绩效的？这些问题值得我们进一步去探索。

目前国内外关于创新活动对企业绩效的影响的研究，大体分为宏观产业层面和微观企业层面的研究，其中微观企业层面创新活动对企业绩效的影响，主要研究两方面的问题。一方面是研究创新投入对企业绩效的直接影响。Bosworth和Rogers（2001）通过对澳大利亚的企业研发投入与以托宾Q为指标的企业绩效的关系研究，得出两者之间存在着显著的正相关关系[2]。程宏伟，张永海，常勇（2006）研究得出研发投入与公司业绩正相关，并且研发投入对公司绩效的影响逐年递减[3]。窦鹏辉和陈诗波（2012）在对我国科技资源投入产出绩效进行评估时，研究了一年滞后期投入对产出绩效的影响，得出更为精准的评价[4]。另一方面主要研究创新活动中创新产出对于企业绩效的作用。Carolan（2008）研究得出企业获得的专利会对企业技术创新的绩效产生影响[5]。刘小青和陈向东（2010）指出专利对企业绩效的贡献是通过技术创新过程实现的[6]。

除企业自身在不断加大创新力度之外，我国也一直从各个方面加强对企业创新战略的扶持，最近国务院审议并通过了《国务院关于加快培育和发展战略性新兴产业的决定》，决定中提出战略性新兴产业就是目前国家大力支持企业创新发展的关键措施[7]。我国学者也开始以此为方向，深入研究顺应我国持续创新发展要求的相关创新问题。陆国庆（2011）在分析战略新兴产业的创新情况时，通过对我国中小板上市公司的数据的描述性统计得出战略新兴产业的创新绩效优于非战略新兴产业[8]。因此，本文将企业分为属于战略性新兴产业的企业和属于非战略性新兴产业的企业，研究其对创新活动的不同影响，从而为不同创新类型的企业提供更有实效性的决策依据。

总体来说，国内对企业创新的研究主要存在的不足是，大多数学者都采用国家统计数据进行产业层面的研究，基于微观企业层面的研究较少，且微观企业层面的研究都是通过问卷调查进行分析，少有采用准确的创新数据和合适的模型进行分析。目前，随着我国对于创新的重视程度日益增强，我国的企业特别是上市公司对于创新数据的披露越来越完整和规范，因此，本文运用CDM模型，构建了适合微观主体的创新投入、创新产出与企业绩效的分析框架，该模型克服了Rosenberg（1982）曾提出的创新过程中黑箱的困惑，在结合Griliches的知识生产函数[9]理念的基础上，将创新投入、创新产出及企业绩效指标融合在一个模型中，从三个阶段分析创新投入与生产率之间的关系，并明确提出是创新产出而不是创新投入直接影响企业的生产率。本文收集了中小板上市公司披露的研发投入数据以及国家知识产权网公布的专利数据，结合我国企业的情况，运用该模型，从企业层面实证分析了创新投入、创新产出和企业绩效之间的关系。

二、模型构建与指标选取

（一）模型构建

CDM模型是Crépon，B．，E．Duguet和J．Mairesse三位法国学者1998年利用国家的创新调查数据分析法国制造业创新投入与生产率之间的关系时提出的新模型[10]。

国外对于CDM模型的运用和改进已经很成熟，在Crépon等人之后，Mohnen，Mairesse，Dagenais（2006）[11]和Maires⁃se，Robin（2010）[12]等采用CDM模型分析了不同国家、企业的创新情况，并对指标选取、计量方法等进行了相应的拓展。国内Jefferson和Hu（2002）运用增加了利润方程的CDM模型分析了20000多家大中型企业的创新状况[13]，Feng et al和Guo Danbo（2008）都运用CDM模型分别研究了中国的纺织行业和医药行业的创新与绩效之间的关系[14-15]。这两个学者研究采用国家统计局的数据来进行研究，属于产业层面的研究。

本文结合CDM模型的构建思想，并根据中国的实际创新情况及微观企业层面的创新数据，建立的方程如下：

上述构建的方程组中的选取的各指标的表示符号及含义如表1所示。

在本文构建的CDM模型方程组是一个系统的结构方程组，在这个方程组中，方程（0）是企业创新决策方程，方程（1）是创新投入强度方程。这两个方程是研究以总资产为指标的企业规模（size）、政府对于企业创新的补助（GOV）以及企业是否属于战略性新兴产业（H）对于从事创新活动及创新强度的影响作用，受一些可获得统计数据的限制，本文的研究只把影响企业创新活动的重要因素纳入模型中。在企业创新决策方程中，如果该企业当年从事了创新活动则g=1，若企业当年没有从事创新活动则g=0，该方程为probit方程。方程（1）是企业创新投入强度方程，如果企业当年创新支出不为零，则I为该企业当年的创新支出，否则取值为零[16]。

表1 各指标表示符号及含义

方程（2）是知识生产函数方程，N为企业当年获得授权的专利总数，如果企业创新产出为正值，则N等于企业当年获国家授权的专利数，反之N等于零。考虑到企业创新投入到专利获得授权一般有一年左右的滞后期，It-1为企业上一年研发投入总额。同时，还考虑了是否企业属于战略性新兴产业（H）、企业规模（size）对创新产出的影响。

方程（3）和（4）都属于研究企业绩效的方程，其中方程（3）中是采用主营业务利润率（Y）[17]来代表企业的盈利性绩效，方程（4）是采用托宾Q来衡量企业的成长性绩效，方程研究的是以企业获授权专利数（N）为指标的创新产出对于企业盈利性及成长力性绩效的影响。由于创新绩效方程沿用的是扩展的柯布—道格拉斯生产函数，方程中变量的选取除了包含企业是否属于战略性新兴产业（H）外，还加入了可以反映物质资源投入的企业规模（size）以及代表人力资源的劳动力素质比例（L）这两个因素。

在借鉴Crépon，Duguet和Mairesse提出的创新投入、创新产出与生产率关系的模型框架图的基础上，与上述提出的方程组相对应的适合我国微观主体创新活动过程分析的框架如图1所示。

图1 企业创新活动过程模型框架图

从图1可以看出，企业创新投入与创新绩效之间的关系具体分为三个阶段：

（1）企业是否进行创新投入、投入强度有多大受到企业规模、政府补助和是否属于战略性新兴产业等各种内部、外部因素的影响。

（2）创新投入通过积累的知识资本转化成企业的创新产出，即创新产品或专利，在知识资本转化的过程中，企业的创新产出也同样受到企业规模、是否属于战略性新兴产业等因素影响。

（3）对企业创新绩效有直接影响作用的是企业创新产出，创新投入并没有直接影响企业绩效，而是在知识生产活动的间接作用下影响企业的创新绩效，企业创新绩效同时也受到企业规模、是否属于战略性新兴产业、劳动力素质等因素影响。另外，本文构建的创新过程框架图的创新之处在于，本文将企业分为属于战略性新兴产业的企业和属于非战略性新兴产业的企业，来研究是否属于战略性新兴产业的企业对于创新活动的不同影响情况，在符合国家对于创新发展要求的同时，能更好的为不同企业的创新提供相应的决策依据。

（二）数据选取

本文所选样本是深圳证券交易所中的中小板上市公司，在2008年之前上市的中小板公司共有274家，剔除ST公司、创新投入产出信息不全的企业后样本公司是236家，在这236家中小板上市公司中，属于战略性新兴产业的企业有94家，属于非战略性新兴产业的企业有142家。样本企业的数据资料来源于巨潮资讯网、国家知识产权局网及国泰安数据库。其中，样本企业的政府补助、劳动力素质比例和研发投入等指标来自于巨潮资讯网的上市公司年报数据，专利数主要来自于国家知识产权局网的统计数据，总资产、绩效类指标来自国泰安数据库。模型的计算方法运用EViews 6.0软件进行3sls回归计算。

三、描述性统计

将选取的236家企业按本文的研究重点和方向，从国家最新提出的战略性新兴产业的角度，将企业分为属于战略性新兴产业的企业和属于非战略性新兴产业的企业，表2为分类的样本企业2009-2011年的面板数据描述性统计的结果。

从表2中看得到，属于战略性新兴产业的企业规模相对于属于非战略性新兴产业的企业较小，但政府对属于战略性新兴产业的企业的补助力度却大于属于非战略性新兴产业的企业，而且，战略新兴企业本科以上员工数占总员工数的比例要高于非战略新兴企业，可见战略新兴企业更注重人力资本的投入。对于样本企业的创新投入和产出专利数，属于战略性新兴产业的企业每一年的值都要高于属于非战略性新兴产业的企业。同时，无论是反映企业的成长性绩效能力的托宾Q值，还是代表企业的盈利能力的主营业务利润率，属于战略性新兴产业的企业的绩效高于非战略性新兴产业的企业。

表2 样本企业分行业描述性统计结果

四、实证分析与结论

（一）多重共线性检验

自变量之间的多重共线性会对回归方程的估计造成很大的影响。因而，在对多个变量进行回归分析时，首先对自变量之间的多重共线性问题进行分析。本文对五个回归方程中的自变量的方差膨胀因子（VIF））进行计算，诊断和检验自变量间的多重共线性，结果如表3。

表3 多重共线性检验结果

从表3中可以看出，五个回归方程中，检验得到的方差膨胀因子（VIF）都小于2，说明CDM模型中所选择的自变量之间不存在多重共线性。

（二）CDM模型分析与结果

以上构建的方程中，其中方程（0）为probit方程。方程（1）、（2）分别与（3）、（4）组成联立方程组，通过运用EViews 6.0软件对进行3sls回归计算，分析结果见表4。

表4 CDM模型分析系数估计汇总表

方程（0）创新决策、方程（1）创新投入强度：企业创新决策及强度到底受哪些因素的影响一直都是学者关注的热点。从表4可以看出，企业是否属于战略性新兴产业、企业规模和政府补助这三个因素均在1%的水平上与创新投入强度显著相关。其中，企业是否属于战略性新兴产业与企业创新决策和投入强度显著正相关，与投入强度的相关系数为1.7879，说明中小板上市公司中战略性新兴企业更注重进行研发，研发投入强度更大。另外，政府补助也会积极的影响企业的创新决策和投入，相关系数为0.6056，该结论与我国学者白俊经和李婧（2011）在研究政府R&D资助与企业技术创新关系时的结论一致，他们通过对我国大中型工业企业的实证分析得出，政府R&D资助对提升企业的技术创新效率有显著的正向影响作用[18]，所以对于我国这样一个创新型国家，国家应该通过各种政策、补助加强对企业创新的支持。而以总资产为指标的企业规模与创新活动显著的负相关，相关系数为-1.2457。因为本文研究的是上市公司中的中小板数据，该结论和之前学者得出的企业规模与企业创新的关系中的倒U/V型理论接近，安同良、施浩等（2006）在通过对江苏省制造企业调查问卷的基础上，考察了企业规模等因素对企业R&D行为的影响，得出小企业、中型企业和大企业的R&D强度存在着倾斜的V型结构关系[19]。另外，这还与上市公司的资产结构有关，公司在报表上的总资产是以固定资产为主的，而大部分创新型中小企业是以专利技术等无形资产作为其重要要素，其实这种注重创新的无形资产结构是更有利于创新活动的。所以，本文中企业规模与创新活动负相关是合理的。

方程（2）知识生产函数：这个方程主要考察的是样本企业研发投入与创新产出的关系，从表4中分析的结果可以看出，上一期的研发投入、企业是否属于战略性新兴产业及企业规模这三项指标对于创新产出的作用均在1%的水平上显著的正相关。其中，上一年的研发投入这项创新投入性指标对于专利数的相关系数为0.1087，说明一方面企业的研发投入会对创新产出专利数产出积极的影响作用，这与以往学者的研究结论是一致的，我国学者古利平，张宗益，康继军（2006）就曾通过对国家统计的1985-2006年的科技数据的分析得出，我国的科研资金的投入对专利有显著的正向影响[20]。另一方面研发投入有一年的滞后期，这是由于本文采用企业获授权专利数为指标，从创新投入到产品成形以及专利申请到获授权都会历时一定的时间，可见创新投入对产出一年时间的滞后期符合我国的实际情况。同时，企业是否属于战略新兴产业对企业创新产出的影响显著正相关，说明战略性新兴产业创新成果比非战略性新兴产业的要多，该结果符合国家对于战略性新兴产业发展的要求。但是，企业规模对于企业创新投入转化为创新产出的影响显著正相关，这与企业规模对创新投入和企业效率的影响作用相反，这说明，大企业拥有更好的创新技术、设备和研发人员，能更好更为效率的将创新投入转化为创新成果。

方程（3）、（4）创新绩效：

（1）对于方程（3），从企业即时的盈利性角度，以主营业务收入利润率为指标来看，专利对于主营业利润率显著正相关，专利每增加一个单位，会使主营业务利润率增长8%左右。可见代表创新成果的专利数会提高企业即时的盈利能力，即创新产出会对企业现阶段的绩效就会有积极影响作用。

（2）对于方程（4），从以托宾Q值为指标的企业成长能力的角度来看，企业获得授权的专利数也同样与象征企业成长性绩效的托宾Q值在1%的水平上高度正相关，相关系数为0.1530。可以看出，从企业长远的发展而言，创新产出同样会对企业的长期绩效有显著的促进作用。另外，属于战略性新兴产业的企业的盈利性绩效和成长性绩效都高于属于非战略性新兴产业的企业。劳动力素质比例对于企业创新绩效所起到的影响作用显著正相关，可见企业的创新发展应该不断加强无形资产特别是人力资源的投入。另外，企业规模对于企业创新绩效的影响则为显著负相关。结合企业规模对于创新投入的影响显著负相关、对于创新产出的影响却显著正相关的分析结果，可以看出，规模小的企业会为创新提供更多的投入，同时规模小的企业的绩效更好，但规模大的企业因为拥有更多的研发技术和人员，能更好的将创新投入通过知识资本转化为创新产出，因此，从创新最优化的角度来看，小企业和大企业结成创新联盟是企业创新的一个合理选择。

五、总结与展望

企业创新投入、创新产出和企业绩效之间存在着正向的逻辑链条。传统的创新理论分两大流派，一个流派认为大企业有利于创新，而另外一个流派认为小企业有益于创新。本文的研究结论表明：企业规模对创新投入和企业绩效有积极的影响，对创新产出却起到了相反的作用，这个结论对传统的创新理论是一个有益的补充。本文的研究还发现，战略新兴企业与非战略新兴企业对企业创新活动和企业绩效的影响并不同，其中战略新兴企业对企业创新活动的影响是很显著的，该结论对国家大力支持战略新兴企业的发展提供了理论支持。

如上所述，小企业和大企业结成创新联盟是企业创新的一个合理选择，那么小企业和大企业结成创新联盟的激励机制如何设计，联盟选择的主要指标有哪些，如何从国家政策层面引导小企业和大企业进行合作创新等，这些都是下一步需要深入研究的话题。

[1]李宜静，李新春，王宣喻.战略导向与组织绩效——技术创新的中介作用[J].经济管理，2010（5）：50-56.

[2]Bosworth，Rogers.Market value，R&D and intellectual proper⁃ty：an empirical analysis of large Australian firms[J].The Economic Record，2001（12）：323-337.

[3]程宏伟，张永海，常勇.公司R&D投入与业绩相关性的实证研究[J].科学管理研究，2006（6）：110-113.

[4]窦鹏辉，陈诗波.我国科技创新能力的绩效评估与影响因素[J].科技进步与对策，2012（7）：133-13.

[5]Carolan M.S.Making patents and intellectual property work：the asymmetrical'harmonization'of the TRIPS[J].Organiza⁃tion&Environment，2008，21（3）：295-310.

[6]刘小青，陈向东.专利活动对企业绩效的影响——中国电子信息百强实证研究[J].科学学研究，2010，28（1）：26-32.

[7]中华人民共和国国务院.关于加快培育和发展战略性新兴产业的决定[EB/OL].（2010-10-18）[2011-12-10].http：//www.gov.cn/zwgk/2010-10/18/content_1724848.htm.

[8]陆国庆.战略性新兴产业创新的绩效研究—基于中小板上市公司的实证分析[J].南京大学学报，2011（4）：72-80.

[9]Griliches Zvi，Pakes A.Patents and R&D at firm level：a first look[M].Chicago：The University of Chicago Press，1984：55-72.

[10]Crépon B，E Duguet J.Mairesse.Research Innovation and Productivity：An Econometric Analysis at the Firm Level[R].Canabridge M A：NBER Working Paper，1998.

[11]Mohnen P，Mairesse J，Dagenais M.Innovativity：A compari⁃son across seven European countries[R].Canabridge M A：NBER Working Paper，2006.

[12]Mairesse J Robin.Innovation and productivity：a firm-level analysis for French Manufacturing and Services using CIS3 and CIS4 data（1998-2000 and 2002-2004）[R].Canabridge M A：NBER working paper，2010.

[13]Hu and Jefferson.Returns to research and Development in Chinese Industry：Evidence from State-owned enterprise in Beijing[J].China Economic Review，2004（15）：86-107.

[14]Feng et al.Innovation and Productivity in Firm Level：an Empirical Study of China Textile Industry[R].Wahingson D C：Second Conference on Micro Evidence on Innovation and Development，2008.

[15]Guo Danbo.Innovation Input，Innovation Output and Firm Competitiveness：An Analysis of China Pharmaceutical In⁃dustry at Firm Level[R].Wahingson D C：Second Confer⁃ence on Micro Evidence on Innovation and Development，2008.

[16]王小童，高昌林.基于CDM模型的创新测度研究[J].统计研究，2009（3）：97-101.

[17]陆国庆.中国中小板上市公司产业创新的绩效研究[J].经济研究，2011（2）：138-148.

[18]白俊红，李婧.政府R&D资助与企业技术创新—基于效率视角的实证分析[J].金融研究，2011（6）：181-193.

[19]安同良，施浩，Alcorta.中国制造业企业R&D行为模式的观测与实证—基于江苏省制造业企业问卷调查的实证分析[J].经济研究，2006（2）：21-30.

[20]古利平，张宗益，康继军.专利与R&D资源：中国创新的投入产出分析[J].管理工程学报，2006（1）：147-151.