智力资本、技术创新能力与企业绩效

高远

【摘 要】 文章采用多元线性回归法及结构模型中的路径分析方法，使用高技术上市企业2014—2016年的数据，从技术创新能力的视角，解释了智力资本作用于企业绩效的方式。研究结果发现：第一，人力资本既可以直接对长短期绩效产生显著正向影响，又可以通过中介变量发生作用，且人力资本对绩效的影响程度最大；第二，组织资本通过完全中介效应显著影响短期绩效，通过直接和部分中介效应影响长期绩效；第三，关系资本既不直接也不通过技术创新能力间接地对绩效产生显著影响，该结论并不支持理论分析和研究假设。说明高技术企业应尊重知识，做好物尽其用人尽其才，建立和完善“智力资本—技术创新能力—企业绩效”的价值创造系统。

【关键词】 智力资本； 技术创新能力； 企业绩效； 中介效应； 路径分析

【中图分类号】 F272.3 【文献标识码】 A 【文章编号】 1004-5937（2018）08-0072-06

一、引言

创新，尤其是技术创新，是高技术企业生存的法宝和生命的灵魂。如果企业保持强大的技术创新能力，紧跟市场变化，引导客户需求开创新产品提供新服务，则企业可以立于不败之地。创新活动及创新能力的培养主要依靠创新人才，因此加强创新人才培养是关键。党的十九大报告提出构建以企业为主体、市场为导向、产学研深度融合的技术创新体系。我国高技术企业的发展以科学技术知识和创新能力为基石，是落实国家创新战略的“生力军”。廖中举[1]、Thornhil[2]等指出技术创新能力对于企业绩效有显著的影响，因此企业必须在政策的引导和支持下，正确认识人才的重要意义，强化人才和智力资本管理能力，为创新打下坚实基础。

智力资本和技术创新能力都能够有效推动企业绩效的提升，从要素投入①观看，智力资本作为知识经济时代最关键的生产要素，是企业价值创造的根本驱动力量。其有效投入量越大，对绩效贡献越大；相反，若不重视智力资本的投入，则企业产出会受到严重制约。同样，技术创新能力是企业长期稳定发展的重要保障。国家提出创新人才培养战略，以创新调结构促发展，即通过智力资本的积累提高创新能力，带动经济绩效。目前的研究虽然对智力资本、技术创新能力及企业绩效两两的关系已经得出较为明确的结论，但关于三者之间作用关系的研究还比较鲜见。那么人才质量及知识水平的提高能否通过影响技术创新能力而作用于企业绩效呢，这对于理论和实践均具有重要的意义。因此本文拟采用理论分析与实证研究相结合的方法进一步分析智力资本、技术创新能力与企业绩效之间的作用关系，揭示智力资本通过技术创新能力对企业绩效产生间接影响的作用机制。

二、研究假设

现有研究对于智力资本与企业绩效的关系基本达成统一结论：智力资本及其各维度对绩效均具有显著的正向影响。本文采用智力资本三维论，即将智力资本划分为人力资本、组织资本和关系资本。从智力资本各维度上看，多数学者的研究表明各维度对企业绩效均产生积极影响。人力资本的载体是员工，通过员工的价值创造行为可以转化为企业绩效。根据资源理论，高技术企业人力资本，尤其是技术骨干和高级管理人员的人力资本具有很强的专用性，使其成为不可复制和不可替代的异质性资源②，是企业竞争优势的根本来源。企业一切经济活动的主体都是“人”，人运用自身的聪明才智结合物质资本将潜在的人力资本转化为现实价值，人才是价值驱动的源动力。Abraham et al.[3]、邓学芬等[4]的研究表明人力资本对企业绩效具有显著正向影响。组织资本是一个企业所拥有的诸如管理经验、企业文化等资本，这类资本对企业绩效的影响是潜在甚至是重大的，比如管理经验丰富的企业能够有效应对生产、销售等环境的变化使企业绩效平稳提升，而优秀的企业文化能够激励员工从而利于绩效目标的实现。关系资本主要针对企业与外部利益相关者而言，我国社会文化尤其注重“关系”文化，有关系好办事，良好的关系可以促进企业外部业务的顺利开展，比如借款、商品营销等。Pe■a et al.[5]朱瑜等[6]、Wang[7]均指出人力资本、组织资本及关系資本与创新企业创新绩效存在显著正向促进关系。

Baron et al.[8]指出，作为中介变量需要满足两个条件：一是该变量与解释变量存在较强的相关关系；二是该变量与被解释变量存在较强的相关关系。从前文分析可以得出，技术创新能力与智力资本及企业绩效均存在显著相关关系。智力资本结合物质资本驱动企业绩效，是企业绩效和价值的根本性来源；同时智力资本构成了技术创新能力的基础，通过增强技术创新能力使企业保持强大的生命力。如果高技术企业丧失技术创新能力，投资者将对企业失去信心，产品或服务也将最终被市场淘汰。根据前文分析，智力资本的三个构成维度也均对技术创新能力及企业绩效产生显著的正向影响。其中人力资本是绩效的根本来源，是技术创新能力的基石；组织资本和关系资本分别从内外部保障技术创新活动和绩效的实现。可以合理预期，智力资本及其各维度均能够通过技术创新能力的传导作用对企业绩效产生影响，因此本文提出研究假设1。

假设1：技术创新能力在智力资本及其三个维度与企业绩效之间的关系中起中介作用。

三、研究设计

（一）变量定义

1.被解释变量

企业绩效受智力资本和技术创新能力的影响，是本文的被解释变量。国外学者通常以资产收益率（ROA）作为短期业绩评价指标，以托宾Q（TQ）作为长期业绩评价指标。然而我国的证券市场并未达到发达国家的成熟程度，仍然存在较多非理性因素影响市场的有效性，TQ并不能准确反映企业的市场绩效。但在缺乏更完善的替代指标的情况下，TQ仍然是衡量企业长期绩效的最佳选择。因此我国学者在实证研究中大多也采用长短期二维指标作为企业绩效的衡量指标（朱焱和张孟昌，2013）。本文也将采用ROA和TQ作为企业绩效的替代变量。

2.解释变量

智力资本增值系数法是使用较为广泛的智力资本评价方法，本文亦使用此法测度智力资本，它的核心思想是智力资本本身不能创造价值，需要依附财务资本共同协作生产价值。故而企业价值增值（VA）是由财务资本（CE）和智力资本（IE）共同完成的，分别考察二者增值效率得到财务资本增值率（CEE）、智力资本增值率（ICE），二者增值效率之和就是智力资本增值系数（VAIC）。Edivisson最初提出的模型将智力资本分为人力资本和结构资本，本文将企业内外部结构资本分别作为组织资本（OC）和关系资本（RC）。这样智力资本增值率（VAIC）=财务资本增值率（CEE）+人力资本增值率（HCE）+组织资本增值率（OCE）+关系资本增值率（RCE）。解释变量是智力资本，本文用VAIC、CEE、HCE、OCE、REC五个指标作为智力资本替代变量。

3.中介变量

分别采用单指标从技术创新投入能力和技术创新产出能力衡量高技术企业技术创新能力。（1）技术创新投入能力：取研发投入（R&D;）的自然对数作为技术创新投入能力的代理变量，该指标越大，说明企业技术创新越有保障，创新越有可能出成果，即技术创新投入能力（IC）=Ln（研发投入）。R&D;值可以从企业当期年报披露的“研发投入”信息中获得。（2）技术创新产出能力：严焰等[9]认为创新产出（创新绩效）的测度主要包括专利申请量和新产品产出两类。技术创新投入的直接希望产出应该是技术创新成果，也是投入是否有效率的直接表现。创新的根本目的是利用创新成果制造新产品，新产品的销售使创新的价值得以实现，是创新产出能力的最佳衡量指标。但考虑到新产品的销售信息难以取得，本文选择次优指标衡量技术创新产出能力，即技术创新产出能力（YC）=本企业专利申请数量（P）。企业专利申请量（P）可以从国家知识产权专利局官网查询，该指标值越高表示企业的技术创新能力越高。

4.控制变量

为了控制其他可能的影响因素以得到更真实的结果，本文借鉴已有的研究成果，选取的控制变量为企业规模（Size）、企业成立年限（AF）、资本集约度（AI）和资本结构（LEV）。

综上所述，本文所使用变量的具体定义及描述如表1所示。

（二）样本选取与数据收集

本文选择我国上市的高技术企业为研究对象，主要考虑的因素是为了突出反映智力资本、技术创新能力及企业绩效之间的关系。根据2013年国家统计局关于高技术产业（制造业）的分类，再结合证监会发布的2015年第三季度《上市公司行业分类指引》，确定本文高技术企业的样本来自2014—2016年深交所和上交所中制造业大类下的医药制造业，设备制造业（包括通用设备和专业设备），计算机、通信和其他电子设备制造业及仪器仪表制造业四类企业。为了保证数据的有效性和研究的可靠性，在选择样本时，按以下条件进行剔除：

（1）考虑到新上市的公司业绩可能受到波动，故选择的样本企业均是2014年之前上市；另外本文选择只在A股上市的企业，同时在B股或者H股上市的企业对A股信息披露可能产生影响，故予以剔除。

（2）考虑极端数据带来的不一致性，剔除ST、*ST企业，剔除包含某些极端数据的企业（比如TQ、专利申请数量等指标异常大的企业）。

（3）本研究所需数据披露不全的企业。

根据以上条件进行剔除后，最后选择2014—2016年共计391个样本，2014年样本量为124个，2015年样本量为130个，2016年样本量为137个。其中医药制造业106个，设备制造业117个，计算机、通信和其他电子设备制造业165个，仪器仪表制造业3个。

（三）回归模型构建

本文主要研究智力资本对技术创新能力及企业绩效的影响作用，检验技术创新能力的中介效应作用，从而考察智力资本对绩效的作用机制。在中介效应检验方法上，温忠麟（2004）总结了已有的检验方法，提出了中介效应检验程序，可以用于检验完全中介或者部分中介效应。构建以下模型：

模型1和模型2中纳入智力资本和技术创新能力，用于检验中介效应。其中：ROA表示企业短期绩效；TQ表示企业长期绩效；Control表示控制变量，分别为资本集约度（AI）、资本结构（Lev）。ε为残差。

四、数据处理与分析

（一）描述性统计

从表2中可以看出，样本企业的短期绩效指标（ROA）均值为0.0482，标准差为0.0422，长期绩效指标（TQ）均值为1.3239，标准差为1.1370，说明高技术企业长期绩效水平的差异化程度比短期绩效差异化程度大得多，表明不同企业长期投资价值的差别较大。每单位财务资本和智力资本的价值增值均值分别为0.0752元和2.2282元，可见样本高技术企业智力资本所创造的价值远高于财务资本创造的价值，因此高技术企业应该十分注重创新人才的储备和培养。智力资本创造的价值增值中，人力资本、组织资本和关系资本分别创造0.9722元、0.1170元和0.7359元。说明智力资本各维度均可以对企业价值创造做出贡献，而人力资本的贡献率最大，说明企业应该努力发挥员工的积极性，做到人尽其才物尽其用。

样本高技术企业的R&D;投入取对数的均值为18.3654，大约为9 300万元，其标准差为0.5805。样本企业的平均成立年限为16.8082年，标准差为3.6706，说明大部分样本企业在技术创新和人才运用上应该有一定的经验。另外企业资产负债率的均值为0.4703，表明高技术企业比较注意财务风险的控制，可能原因是高技术企业的经营风险比较大，所以财务上表现得比较稳健。

（二）变量间Pearson相关系数

本文得出两两变量的Pearson相关系数如表3所示。从Pearson相关性系数表可以看出，因变量ROA和TQ均与自变量财务资本增值率（CEE）、人力资本增值率（HCE）、组织资本增值率（OCE）及关系资本增值率（RCE）成线性相关关系，且相关系数大部分在0.6以上，为中高度相关关系，且均在1%水平上显著。因变量与中介变量也在1%水平上显著相关，且相关程度较高。自变量与中介变量在1%水平上显著相关，相关程度也均较高。说明解释变量、中介变量与因变量之间存在较为显著的线性相关关系。

另外，在控制变量中企业规模与其他各变量均无显著相关性，表明样本高技术企业的规模并不是影响绩效和创新的关键因素。企业成立年限、资本集约度和资产负债率与其他大部分变量有显著相关关系，表明控制变量的选择是合适的。

（三）回归结果分析

1.智力资本、技术创新能力与企业绩效

模型1和模型2将智力资本和技术创新能力同时纳入方程，回归结果如表4所示。根据表4看出，财务资本增值率对短期绩效ROA的正向影响作用在1%水平上显著，但对长期绩效TQ的影响没有达到要求的显著性水平。人力资本增值率对ROA的影响在1%水平上显著，对TQ的正向影响在5%水平上显著。组织资本对长短期绩效的影响作用与CEE恰好相反，而关系资本對长短期绩效均不产生显著影响。IC对ROA的影响没有达到较高的显著性水平，而对TQ产生显著的影响。YC对长短期绩效均产生显著影响。说明整体模型中的回归结果依然支持上文得出的IC可能通过YC对绩效产生作用，下文将进行回归验证。

2.技术创新投入能力、技术创新产出能力与绩效的关系分析③

上文提到技术创新投入能力IC可能完全通过技术创新产出能力作用于绩效，现依据中介效应检验程序进行验证，回归结果如表5所示。

模型a说明IC对绩效ROA的正向影响是显著的；模型b表明IC对YC的正向影响也是显著的；模型c表明YC对绩效ROA的正向影响是显著的；模型d即为上文的模型5，此时IC对ROA的影响则没有达到要求的显著性水平。因此根据中介效应检验流程图可以得出，技术创新投入能力（IC）通过技术创新产出能力（YC）对企业绩效产生正向促进作用，且属于完全中介效应。同样方法考察IC、YC及TQ的关系，可以得出相同的结论，即YC起到完全中介作用。因此为了简化分析，下文分析中介效应及进行路径分析时，只保留中介变量YC。

3.中介效应分析

为了进一步验证中介效应中各路径的显著性并计算各条路径系数以判断各资本维度对企业绩效的影响程度，本文使用Amos 19.0软件，采用结构方程模型中的路径分析方法对数据进行拟合，结构模型如图1所示。

模型拟合度指标χ2/df=3，GFI、AGFI、NFI、CFI和IFI均超过0.9的理想水平；RMSEA=0.072<0.08，说明观测数据与模型拟合度较好。根据模型中变量之间的系数关系可以计算路径系数，如表6所示。

根据表7，财务资本增值率对企业短期绩效指标ROA的影响包括两个方面，直接正向促进作用和通过中介桥梁即技术创新产出的间接影响作用。直接和间接作用的标准系数分别为0.200和0.094，总效应为0.294。财务资本对ROA的直接效应远大于对其的间接效应，可能是因为财务资本可以很容易转化成企业绩效。但是企业眼光应该长远，结合战略目标积累资本，谨防短视行为。人力资本增值率对ROA的影响同财务资本，其直接作用效应和间接效应分别为0.250和0.206，总效应为0.456。组织资本是完全通过YC对ROA产生影响，该间接效应为0.098，同样说明对于高技术企业创新的核心作用，资本服务创新，创新服务绩效。

财务资本和智力资本对ROA的总影响系数为0.848，该系数接近1，说明本文财务资本和智力资本可以很好地解释绩效。总影响系数中，财务资本影响占比34.67%，人力资本影响占比53.77%，组织资本影响占比为11.56%。可见高技术企业人力资本对价值创造起到主导作用，其次才是财务资本生产要素。

总结回归结果及中介效应分析结果，得出本文的实证結论及是否支持原假设，如表7所示。

五、结论与建议

（一）研究结论

本文以A股上市的高技术企业2014—2016年的经验数据为样本，利用多元回归模型和结构模型中的路径分析方法对提出的假设框架进行检验和分析，得出的主要结论如下。

第一，人力资本直接和间接地影响绩效，且作用程度最大。从回归结果和路径分析看，人力资本既直接作用于企业长短期绩效又通过技术创能力的提升影响绩效。人力资本对绩效的总影响系数占比最大，即在智力资本中对绩效贡献是最大的。

第二，组织资本直接或间接地正向促进绩效。组织资本是企业内部结构性资本，其重要意义在于保障企业经济活动的顺利开展。实证分析得出：组织资本可以通过YC的传递间接影响ROA和TQ，还可以直接作用于TQ。

第三，关系资本对绩效不产生显著的影响。从回归结果看，关系资本增值系数（RCE）对长短期绩效均不产生显著影响作用，此实证结果与原假设不相符。关系资本是企业的外部结构资本，是智力资本的一个重要构成成分，但是对于样本高技术企业其影响作用相对于其他资本维度并不重要。

综上，除关系资本的作用不显著外其他维度资本均能够显著地正向促进绩效的提升。

（二）研究建议

结合本文的实证结果，对企业智力资本开发与运用，技术创新能力提升和企业绩效促进提出以下建议。

第一，重视人力资本的开发与管理。人力资本是智力资本积累和运用的基础和核心，科学技术和管理经验储存在人的大脑中，只有其载体“人”通过创造活动才能发挥其价值性，因此人力资本的开发与管理是工作的重点。从实证结果看，人力资本对ROA和TQ的贡献程度均是最大的。“企无人则不立”，高技术企业更需要加强人才的培养、开发与管理，重点需要解决如何招聘人才，如何留得住人才及如何高效地发挥人才的价值创造功能等问题。

第二，重视内部结构资本，加强企业外部关系资本的资源整合。实证结果表明内部结构资本对绩效也有比较大的贡献，但外部结构资本的贡献却不显著，说明高技术企业比较重视内部化建设，可能忽略了关系资本的重要性。结构资本是智力资本的重要构成，辅助人力资本的价值创造，所以企业应该扬长补短，协调和整合内外部结构资本，使各维度资本平衡发展高效运作。

第三，健全“智力资本—技术创新能力—企业价值”的价值创造体系。价值创造不是一个单一的过程，而是一个复杂的系统，其运行需要企业内外部方方面面的紧密配合。本文得出的一个最主要结论是智力资本及其三个维度均能够通过影响技术创新能力间接作用绩效，这也是绩效形成的一个有效机制。因此高技术企业可以以该价值创造路径为主线，整合和完善以智力资本为基础和根源，以提高技术创新能力为手段，以实现经济价值为目标的价值创造系统。

【参考文献】

[1] 廖中举.R&D;投入、技术创新能力与企业经济绩效间关系的实证分析[J].技术经济，2013（1）：32-36.

[2] THORNHILL S. Knowledge，Innovation and firm performance in high and low technology regimes[J].Journal of Business Venturing，2006，21（5）：687-703.

[3] ABRAHAM CARMELI，JOHN SCHAUBROECK. How leveraging human resource capital with its competitive distinctiveness enhances the performance of commercial and public organization[J].Human Resource Management，2005，44（4）：391-412.

[4] 邓学芬，黄功勋，张学英，等.企业人力资本与企业绩效关系的实证研究[J].宏观经济研究，2012（1）：37-39.

[5] I.Intellectual capital and business success[J].Journal of Intellectual Capital，2002，3（2）：180-198.

[6] 朱瑜，王雁飞，兰海林.企业文化、智力资本与组织绩效关系研究[J].科学学研究，2007（5）：25-28.

[7] WANG J C. Investigating market value and intellectual capital for S&P; 500[J]. Journal of Intellectual Capital，2008，9（4）：546-563.

[8] BARON R M，KENNY D A.The moderator mediator variable distinction in social psychological research：Conceptual，Strategic and considerations[J].Journal of Person-

ality and Social Psychology，1986，51（6）：1173-1182.

[9] 严焰，池仁勇.R&D;投入、技术获取模式与企业创新绩效[J].科研管理，2013（5）：26-32.