管理者背景特征与企业创新效率研究

武汉工商学院 黄晗 范婷婷

管理者背景特征与企业创新效率研究

武汉工商学院 黄晗 范婷婷

本文基于三阶段DEA的模型，运用高层梯队理论和创新绩效理论，以我国2014年上证50和创业板100的上市公司为样本，采用三阶段DEA方法对管理者背景特征对创新绩效的影响进行了研究。研究表明，大多数公司管理者对创新绩效的影响都处于一个比较好的状态，但是，很大程度上是外部环境因素的作用。同时，公司高层管理者背景特征对创新绩效的影响也会因板块的不同而产生较大差异。

三阶段 DEA 管理者背景特征 创新绩效

一、引言

企业的创新绩效不仅会给其带来技术上的累积和经济技术效益的增加，更会提高企业的核心竞争力和增加企业无形的收益关于创新绩效的影响因素研究已有很多，主要可以归纳为4个方面：（1）环境因素，指企业所处的市场环境和宏观环境，表现为外部行业的竞争、市场化程度、政府的相关政策等因素对企业创新绩效的影响；（2）结构因素，指企业与外部的联系与互动，包括供应商、竞争者、买方、用户、政府机构、中介等等；（3）组织因素，指企业的内部因素，体现在企业的规模、激励机制、企业的文化、企业的组织结构等等；（4）高管因素，指高层管理者的个体特征对企业创新绩效的影响。其中，高层管理团队作为企业战略决策的制定者与推动者，对企业创新绩效的影响是毋庸置疑的。学术界中对企业高管团队背景特征如何作用于企业创新绩效的相关研究已经成为对企业研究的焦点，本文以我国2014年上证50和创业板100的上市公司为样本，使用三阶段DEA方法，研究两个方面的问题：（1）管理者背景特征对创新绩效是否有影响；（2）新兴的企业（创业板指数成份企业）与传统的大企业（上证50指数成份企业）相比，管理者背景特征对创新绩效的影响是否存在差异。

二、研究设计

（一）样本选取与数据来源本文选择2014年上证50指数成份股和创业板指数成份股作为研究对象，由于创业板指数成份股会定期调整，因此选择创业板中2014年每个季度都列入指数成份的公司。通过对数据的整理，得到了来自上证50指数的50个样本数据，来自创业板指数的90个样本数据，合计140个样本数据。所有指标的数据均来自于国泰安CSMAR数据库。同时为了保证DEA分析结果的可靠性，也就是说决策单元的数量最好大于输入、输出变量之和的2倍，本文选取的样本量符合这一要求，可以使用DEA方法进行数据分析。

（二）变量定义（1）输入指标。高层梯队理论认为，高层管理者在决策过程中，他们会根据自己的认知水平、价值观与自我意识来处理信息，进而做出战略决策。由于高层管理团队的心理结构难以度量，而高层管理团队可客观度量的人口背景特征（如年龄、任期、职业、教育等）与管理者认知能力和价值观密切相关。因此，选择了可以代表管理者背景特征的高管团队的年龄、学历和任期的平均数用以作为输入指标（见表1）。（2）输出指标。对企业创新绩效的衡量大部分是从技术创新的角度进行衡量，经常将研发（R&D）水平当作企业创新绩效的衡量方法，这是一种衡量创新投入的指标，主要包含专利申请及授权数、新产品开发项目数和重大改进产品数等创新活动取得的技术成果；因此本文选取了企业申请的专利数来反映企业的研发投入从而反映创新绩效的变化。（3）外部环境指标。在第二阶段时，需要剔除外部环境因素的影响，选取了员工数、企业成立时间以及行业类别等3个外部环境影响因素，如表1所示。其中，员工数反映出企业的大致规模，体现出组织的硬性环境，在组建高管团队时，不同的企业规模做出的决策也是不同的。企业成立时间反映时代背景，不同的时代背景也造就了不同企业的企业文化，企业文化越是丰富的公司在选择高层管理人员时，更具有相关文化偏向性的高管。行业类别反映不同的企业在选取高层管理者时有不同的要求，例如高科技行业对高管的学历要求较高，应具备相应的技术指导能力，而一般的行业反而更在乎高管的实际经验，对学历要求并不高。

其中，i=1，2，…，n；j=1，2，…，m，r=1，2，…，s，n为决策单元的个数，m和s分别为输入与输出变量的个数，xij为第j个投入要素，yir为第i个决策单元的第s个产出要素，决策单元的第s个产出要素，θ为决策单元DUM0的有效值。若θ=1，且，则决策单元DEA有效；若θ=1，且s+≠0，或s-≠0，则决策单元为弱DEA有效；若θ＜1，则决策单元非DEA有效。由于CCR模型是假定决策单元处于固定规模报酬状态下，而事实上这是不可能保证的，所以决策单元无效率的情况除了可能由于自身投入产出配比不当外，也可能是由于其自身规模因素，如果可以了解到决策单元所处的规模报酬的状态，将有助于高管做出规模调整，达到最佳经营模式。而总效率（TE）=纯技术效率（PTE）×规模效率（SE），因此，可利用CCR模型和BCC模型分别计算一个DMU的技术效率和纯技术效率，可算出该DMU的规模效率。

第二阶段采用的是SFA模型。Fried等人在三阶段DEA中使用的是成本函数模型，Fried认为作为因变量的投入松弛是成本概念，作为因变量的投入松弛量越大也就是说资源投入的冗余量会越大，表示决策单元使用的成本会变得更多。在第二阶段通过构建类似SFA模型可以分别观测出上述三个因素的影响，进一步从中剔除外部环境因素和随机因素，从而得出仅由管理无效率造成的DMU投入冗余。以投入导向为例，设有n个决策单元，每个决策单元均由m种投入，假定有p个可观测的外部环境变量，分别对每个决策单元的投入松弛变量进行SFA分析，可构建如下SFA回归方程：

三、实证分析

（一）第一阶段分析本阶段使用的是DEAP2.1对140个样本公司数据进行处理，模型选取的是BCC模型同时以投入为导向进行分析，并将140个样本公司以其所在的板块不同，分别做出统计，将各自的平均总效率、平均纯技术效率、平均规模效率分别列出，其结果如表2和表3所示。

表2 第一阶段DEA创业板样本企业的效率

表3 第一阶段DEA上证50样本企业的效率

从总效率的角度来看，创业板样本公司平均总效率比上证样本公司高0.047，而中位数相比起来高出0.051，标准差的值相比起来，创业板样本公司比上证样本公司低0.007，说明相对上证上市公司，创业板上市公司高管团队对创新绩效的影响更好，样本公司的整体总效率都比较好，也就是说大多数公司高层管理者对创新绩效的影响做的都比较好，根据标准差可以得出，两个不同板块的数据浮动比例不大，说明这些公司大多处于一个比较平均的状态，而未处于最佳状态的公司，特别是处于平均值以下的公司，管理者应该提高在创新绩效方面的能力，使公司能够得到进一步的发展。

从纯技术效率的角度来看，创业板的平均纯技术效率比上证的上市公司高0.061，而中位数相比高出0.065，标准差值两个板块样本公司的值都较小，而创业板比上证更小，低出0.017。这些值说明在技术水平上这些样本公司做的都是比较好的。

从规模效率来看（表4），创业板有12家公司的规模报酬不变，上证有5家公司的规模报酬不变说明公司的规模正处于最佳状态，共有110家公司的规模报酬呈现出上涨的趋势，说明公司规模太小，不利于创新绩效的发展，只有小部分的公司处于规模报酬降低的趋势，说明公司的规模太大，应该适当进行调节以达到最优值的状态。但是上证的上市公司，公司实力仍属于雄厚，所以在平均规模效率上来说，比创业板高出0.013。

表4 第一阶段规模报酬变化

（二）第二阶段分析第二阶段是运用SFA模型来分解一阶段的输入指标的冗余值，也被叫做松弛变量，这些松弛变量主要代表的就是输入指标的实际值与目标值之间的差额。本文将一阶段得出的输入值的松弛变量作为二阶段的因变量，本文一共有3个松弛变量，分别是高层管理者平均年龄松弛变量、高层管理者平均学历松弛变量、高层管理者平均任期松弛变量。由于这些松弛变量受外部因素的影响，所以本文的二阶段就是对这些松弛变量进行分析，选用行业类别、公司成立时间、公司员工人数这三个指标作为自变量，采用Frontier 4.1软件对自变量和因变量进行回归分析，得出他们之间的关系，结果如表5所示。

表5 SFA回归结果

首先，LR检验值都通过了显著性水平为1%的混合卡方检验，也就是说明每个回归方程都通过了1%的显著性检验，说明本文所选取的外部环境变量对各个效率值的影响是显著的，使用SFA进行二阶段分析是有必要的，也就说明各个样本在高层管理者的选取上有较大的差异。

其次，分别对3个环境变量各自的影响情况进行分析，根据输入不同，独立的使用回归方程，可以直观的判断各个自变量对不同松弛变量的影响。当相关系数为正时，表明环境变量的增加有利于输入松弛变量的增加，也就是有利于增加各输入变量浪费或增加负输出，反之亦然。（1）员工人数：该变量对三个输入松弛变量的影响都是正的，表明员工人数对输入松弛变量均呈现正相关且通过了5%的显著性检验，也就是说员工人数的增加不利于输入松弛变量的减少，表明过于庞大的公司规模可能会使公司的高层管理者的个体特征偏离目标值，导致效率水平降低，不利于公司提高创新绩效；（2）行业类别：该变量对三个输入松弛变量的影响都是负的，且只对高层管理者的任期影响显著，也就是说不同的行业会影响到高层管理者的任期，但是与高层管理者的年龄和学历没有很大的关系；（3）公司成立时间：该变量对三个输入松弛变量的影响都是正的，表明公司成立时间对输入松弛变量均呈现正相关且通过了1%的显著性检验，也就是说公司成立得越久越不利于输入松弛变量的减少，表明公司成立时间太久会使公司的高管团队偏离目标值，导致公司的创新绩效发展缓慢。

（三）第三阶段分析将二阶段的回归分析结果得到的各个参数值带入调整公式中，得到输入指标调整后的数值，然后再次运用DEAP2.1软件对调整后的输入指标和原输出指标进行效率分析，得到调整后的各板块总效率、纯技术效率和规模效率的数值，结果如表6和表7所示。

表6 第三阶段DEA创业板样本企业的效率

表7 第三阶段DEA上证50样本企业的效率

从总效率的角度来看，所有的样本公司的总效率发生了变化，说明二阶段的外部环境影响的剔除是有必要的。在剔除外部影响因素之后，根据表2、表3、表6、表7的数据可知，创业板的平均总效率由0.864降低到0.272，而上证的平均总效率由0.817降低到0.024，创业板的总效率中位数由0.860降低到0.192，而上证的总效率中位数由0.809降低到0.010，创业板的标准差由0.081上升到0.226，而上证的标准差由0.087降低到0.041。说明外部环境因素对这些样本公司的创新绩效有正面影响，创新绩效很大一部分原因是由于外部因素的影响，而不是高层管理者自身的背景特征，也进一步说明了高层管理者对创新绩效的提高做的并不是很好，只有创业板有3家公司依旧保持最佳状态，而上证样本公司基本状态都处于整体平均值之下，也就是说大多数公司依旧需要注重对创新绩效的提高，尤其是上证样本公司。

从纯技术效率的角度来看，样本公司的纯技术效率发生了很大的变化，在剔除外部影响因素之后，根据表2、表3、表6、表7的数据，创业板的平均纯技术效率由0.917降低到0.373，而上证的平均纯技术效率由0.856降低到0.094，创业板的纯技术效率中位数由0.913降低到0.279，而上证的纯技术效率中位数由0.849降低到0.016，创业板的标准差由0.057上升到0.290，而上证的标准差由0.074上升到0.214。说明外部的环境因素对样本公司的创新绩效依旧有着正面影响，并且受外部因素的影响很大，公司在技术层面上做的并不是很好，许多原本处于最佳状态的公司在剔除外部因素后，偏离最佳状态过于远，也就是说高管团队在技术方面也需要注意对创新的投入。

从规模效率和规模报酬的角度来看，根据表2、表3、表6、表7、表8的数据，创业板的平均规模效率由0.941降低到0.789，而上证的平均规模效率由0.954降低到0.645，创业板的规模效率中位数由0.948降低到0.892，而上证的规模效率中位数由0.970降低到0.650，创业板的标准差由0.050上升到0.232，而上证的标准差由0.043上升到0.292。也就是说企业的规模因素对创新绩效的影响还是比较大的，经过矫正输入值后，规模达到最佳状态的共有29家，创业板有13家，上证有16家，从比例上来看，上证样本公司中达到最佳状态的比例更大，矫正后更精确的评价出了公司的规模状态。而规模报酬呈上涨趋势的公司共有18家了，上证样本公司中只有一家，说明大多数公司并不是处于规模过小，反而是处于规模过大的状态，反而创业板中还是有不少公司需要扩大规模以达到最佳规模状态。所以应该结合公司现状，采取措施来使其达到最佳状态。

表8 第三阶段DEA规模报酬变化

（四）第三阶段效率值方差分析为了更进一步了解创业板指数成份企业和上证50指数成份企业在创新绩效之间的差异，我们采用单因素方差分析对第三阶段的各效率值进行分析。结果如表9、表10、表11所示。组间方差显著大于组内方差，说明创业板与上证样本公司的各个总效率之间的差异显然不仅仅有随机误差，还有系统误差，也就是说在不同的板块，管理者背景特征对创新绩效的影响是有显著差异的。并且显著性水平在0.05的情况下，P值接近于0，也就是说两个不同板块间差异性显著。说明在资源配置、资源使用等方面，创业板公司的创新绩效比上证公司做的好，虽然两者都仍然离最佳状态很远，但是相比起来，上证公司在创新绩效方面十分缺乏。

表9 第三阶段总效率方差分析

表10 第三阶段纯技术效率方差分析

从纯技术效率方差分析结果来看，组间方差显著大于组内方差，说明在技术层面上，创业板和上证的样本公司之间的效率差异十分显著。显著性水平在0.05的情况下，P值远小于a，也就是说两个不同板块间差异性显著。创业板的公司也是远高于上证的50家公司，但两者依旧处于一个不好的状态，说明在技术水平层面上所有的样本公司都没有做得很好，还需要加强这方面的重视。

表11 第三阶段规模效率方差分析

从规模效率方差分析结果来看，组间方差依旧远大于组内方差，显著性水平在0.05的情况下，P值远小于a，说明两个板块间的差异性显著。创业板企业的平均规模效率为0.7889，而上证50企业平均纯技术效率为0.6452（表6、表7），两者都是处于弱有效状态，但是处于创业板的公司的规模效率比较高，说明公司的规模状态更好。

四、结论

第一，管理者背景特征对企业的创新绩效存在一定的影响。第一阶段DEA的结果表明，少部分样本企业管理者背景特征对创新绩效的影响处于最佳状态，大部分样本企业管理者背景特征对创新绩效的影响处于弱有效状态。在剔除环境因素的影响之后，结果产生了较大的变化，表明管理者背景特征对企业创新绩效的影响受企业所处行业、企业成立时间和员工人数等因素影响较大。第二，创业板指数成份企业相对于上证50指数成份企业，其高管对创新绩效的影响更为显著，更贴近于最佳状态，而上证公司在规模方面大多数公司正处于一个相对好的状态，更利于公司创新绩效的提高。因此，新兴企业与传统企业在管理者背景特征对创新绩效的影响存在差异，并且新兴企业在创新绩效方面比传统企业做的更好，但是传统企业的规模状态比新兴企业更适合企业创新绩效的发展。

［1］陶建宏：《企业高层管理团队行为特征对创新绩效的影响研究》，西北大学2013年博士学位论文。

［2］买忆媛、聂鸣：《产业集群对企业创新活动的影响》，《研究与发展管理》2003年第2期。

［3］吴先华、胡汉辉、郭际：《本地知识溢出（LKS）影响我国产业集群创新的理论研究》，《科学学与科学技术管理》2007年第6期。

［4］杨建君、康博纬：《企业技术创新决策主体与投资主体间的沟通对创新绩效影响研究》，《科学管理研究》2007年第5期。

［5］朱峥峥：《基于三阶段DEA方法的我国建筑业效率研究》，东北林业大学2013年硕士学位论文。

［6］张兆国、刘亚伟、亓小林：《管理者背景特征、晋升激励与过度投资研究》，《南开管理评论》2013年第4期。

［7］陈劲、陈钰芬：《企业技术创新绩效评价指标体系研究》，《科学学与科学技术管理》2006年第3期。

［8］EggersJP,KaplanS.CognitionandRenewal: Comparing CEO and Organizational Effects on Incumbent Adaptation to Technical Change.Organization Science,2009.

［9］Flood P C,Fong C-M,Smith K G.Top Management Teams and Pioneering:a Resource-based View.International Journal of Human Resource Management,1997.

（编辑 文博）