研发投资对企业绩效的影响分析

孙景蔚，吴学强

(杭州电子科技大学 经济学院，浙江 杭州 310018)

研发投资会如何影响企业的绩效？这个问题一直是国内外经济学者关注的热点问题之一。大量研究认为，研发投资与企业绩效正相关，如Cho & Pucik(2005)[1]，Cefis & Marsili(2006)[2]，Warusawitharana(2008)[3]，Artz et al.(2010)[4]，Knott(2012)[5]，孙维峰和黄祖辉(2013)[6]，任海云(2014)[7]，Urbaniec(2015)[8]，陈霞(2017)[9]，王维和王越(2018)[10]，王新红和聂亚倩(2019)[11]等研究都发现企业的研发投资促进了企业市场价值的增长和财务状况的改善；Bhagwat & DeBruine(2014)[12]通过对制药行业的研究，发现研发费用与企业销售收入正相关；Kraft & Czarnitzki(2002)[13]发现R&D强度与企业信用等级正相关；Villalonga(2004)[14]，Berzkalne & Zelgalve(2014)[15]认为研发投资可以为公司创造无形资产，这些无形资产为企业所带来的竞争优势更加具有可持续性。但是，也有研究认为研发投资对促进企业盈利和市值增长并无作用或有反作用，如Carlin et al.(2004)[16]，Lin & Lee(2006)[17]发现研发与企业绩效总体上并不存在显著正向关系；Konings & Xavier(2002)[18]，Chan & Fung(2012)[19]则发现研发支出对企业绩效有负向影响。戴小勇和成力为(2013)[20]基于中国工业企业数据库的研究发现，高新技术企业的研发强度处于1.1%-4.13%时，对资产收益率的促进效应明显，而对于低技术企业则是处于0.74%-3.73%时促进效应才明显；陈建丽等(2015)[21]，韩先锋和惠宁(2016)[22]则发现研发投资对企业绩效的影响存在“门槛”效应，即在某个门槛值之前，研发投资对企业绩效是负作用，只有当投资规模越过门槛值以后，才会呈现积极作用。从上面的文献分析可以看到，尽管大多数学者认为研发投资可以为企业带来更高的盈利能力和公司价值，有利于绩效的改善；但是，另一些学者所提出的不同甚至相反的意见也不可忽视，因为这无疑表明在某些情况下研发投资确实不支持企业绩效的提升。但是，“某些情况”是指什么？也就是说，研发投资在什么情况下会对企业绩效产生消极影响，在什么情况下会产生积极影响？这显然是一个还有待深入探讨的重要问题。

一、研发投资对企业绩效的影响机理

从理论上说，研发投资影响企业绩效的途径主要是两个：一是研发投资支出作为企业经营费用的一部分，对企业利润有直接的负向影响；二是研发投资将增加企业的知识资本存量，而知识资本可以为企业带来收益，因此对企业利润有正向影响。总的影响可以用公式表示如下：

π=α·K-RD

(1)

式(1)中的π代表在其它条件不变时，企业研发投资所带来的利润。K代表研发投资所形成的知识资本数量，α是知识资本的收益率。一般来说0<α<1，且像普通资本的收益率一样，α具有递减的特性，但因为市场并非是完美和瞬时出清的，所以α将并不呈现连续地递减，而是呈阶梯状地递减。即在一定时期内，α将具有稳定性，只有当知识资本的积累达到了一定的程度以后，α才会下降，然后再稳定一段时期，再下降，直到与普通资本的收益率相等时为止。RD表示研发投资额。

为了探究RD对企业利润π的影响，将公式(1)两边对RD求导，得到公式(2)

(2)

结论1：在一个给定的时期，只要知识资本的收益率保持稳定，随着研发投资规模的扩大，其越过某一门槛值以后将对企业绩效产生积极影响。

进一步假设普通资本(除了知识资本之外的所有其它资本)的收益率为β，在整个行业普通资本的存量保持不变的条件下，β也会稳定不变。显然，只有当α≥β时，企业才会进行研发投资，因为当α<β时，研发投资的机会成本较大，使其不如其它普通投资合算。所以，随着研发投资规模扩大，在规模递增效应的作用下，企业知识资本存量大幅增加，且增加得越来越快，这必将使知识资本的收益率α出现递减，但它不会递减到零，而是会逼近到与其它普通资本的收益率β相等的水平。也就是说，α和β之间存在如下关系：

(3)

式(3)关系的存在，表明在普通资本存量保持不变的条件下，企业研发投资会存在上限，这一上限取决于普通资本的收益率β的大小，这是理论分析的结论之二。

由上述理论分析的结论，就研发投资对企业绩效的影响提出如下有效投资规模区间假说：

二、对有效投资规模区间假说的实证检验

采用Hansen(1999)[23]面板门槛模型检验以上假说。具体做法是根据样本数据本身的特点划分门槛，根据门槛值将样本数据划分为多个区间，根据各区间内的特征来分析研发投资对企业绩效的影响。这种方法的特点是可以有效避免人为划分区间所带来的估计问题。

单一门槛回归模型的形式为：

Yit=ui+θXit+β1ditI(dit≤r)+β2ditI(dit>r)+εit

(4)

其中i表示企业，t表示年份，Y表示被解释变量，d表示企业的研发投资规模，r表示的是对应规模的门槛值。I(·)为示性变量，当括号内条件满足时取1，否则取0。X表示其他控制变量的向量集，θ为控制变量的系数集。μ是企业的个体固定效应，模型要求在给定解释变量下，随机扰动项ε服从正态分布。

在估计模型的门槛值时，采用Hansen格点搜寻法，首先通过使模型残差平方和最小估计门槛值r，然后对所估计的门槛值r进行相应的显著性检验。由于采用的F统计量不服从标准分布，故采用Hansen检验，通过自抽样方法获取其渐进分布及其临界值，由此判断门槛效应的存在性；同时，构造似然比统计量LR对r是否等于真实门槛值进行检验，如果r在真实门槛值95%的置信区间内，则认为估计的门槛值等于真实门槛值。

双重门槛的检验采用模型(4)的扩展形式：

Yit=ui+θXit+β1ditI(dit≤r1)+β2ditI(r1r2)+εit

(5)

其中的系数设定与模型(4)类似。门槛值的估计是先假设单一门槛模型r1已知，再进行r2的搜索。在证明r2渐进有效后，固定r2再对r1进行搜索。若数据存在三重门槛或更多重门槛，则按同样方法将模型进行扩展。

样本数据来源于2005-2007年中国工业企业数据库，该数据库涵盖了我国年收入500万以上的所有非国有工业企业以及所有国有工业企业。截取2005-2007年这一时间区间的主要原因是在该区间内，数据库有较全的研发投资、广告费用等关键变量数据。在数据样本的处理上，采用戴小勇等(2013)[20]的处理方法，剔除如下样本数据：一是指标缺失或者明显错误的样本。比如资产总额为负数、0或者营业收入科目为0等，这类样本存在明显的统计偏误，故予以删除；二是营业状态为非正常状态的样本；三是在职员工少于10的样本。这类样本大多缺乏健全的会计制度，故予以删除；四是营业时间不足1年的企业。这类样本数据的波动性较大，不具有代表性；五是未连续三年出现在数据库的样本，因为怀疑这类样本企业的经营状况出现了较大的变化，不具有代表性。通过上述处理，最终得到513 687个样本组成的平衡面板数据集。数据的处理通过Stata12.0实现，模型的主要变量说明如下(考虑到各类企业之间的可比性，对企业绩效、研发投资规模等变量采用相对指标进行测度)：

因变量。企业绩效(OPR)，采用营业利润率(Operating Profit Ratio)作为衡量企业相对绩效的测度指标，该指标可以较有效地剔除非日常型经营活动(如政府补助、意外收支等)对绩效的影响，。

自变量。研发投资规模(r&d)，采用研发投资总额与资产总额的比值作为研发投资相对规模大小的测度指标；同时，考虑到研发投资对绩效的影响可能会存在滞后效应，将分别提供带滞后期(T-1R)和不带滞后期的回归结果。

控制变量。借鉴已有研究成果，选取以下6个变量作为控制变量：一是广告投资的相对规模(advertise)，用广告投资总额与资产总额的比值测度；二是企业规模(size)，用企业资产的自然对数表示；三是资本结构(level)，用企业资产负债率表示；四是资产周转率(turnover)，以销售收入与资产比值表示；五是职工人数(employ)，以全年在职人数表示；六是企业的产权性质(government)，取虚拟变量，以1代表国有企业，0代表非国有企业。

(一)门槛存在性检验

在使用面板门槛模型之前，首先需要对门槛的存在性进行检验，即采用上述自抽样方法进行检验。若结果显示模型存在门槛值，则说明研发投资对企业绩效的影响是如假说般的非线性的影响。表1是门槛存在性的检验结果，研发投资对绩效的影响在单一门槛与双重门槛假设下分别在5%和1%置信水平下显著，说明研发投资对企业绩效的影响均存在两个门槛值。也就是说，研发投资对企业绩效的影响存在三个显著不同的区间，总体呈非线性变化。

表1 研发投资门槛效应的存在性检验结果

注：F统计量与P值时通过bootstrap自抽样300次计算得到的；**、***分别代表在5%、1%的显著性水平下显著

表2 研发投资门槛值估计结果

表2是根据数据自身特征估计得到的模型门槛值：在双重门槛下，可根据门槛值将研发投资分为三个区间(0,1.470%)，(1.470%，1.841%),(1.841%,+∞)。

(二)对实证结果的分析

以研发投资做门槛变量，研究其与企业绩效的非线性关系，其结果如表3所示，第二列和第三列是带滞后项的回归结果，第四列和第五列是不带滞后项的回归结果，可以发现：

首先，在带滞后项的回归中，滞后项不显著，且通过F检验发现，引入滞后项并不显著提高模型的拟合优度，因此从技术上剔除了滞后项，下面只分析不带滞后项的回归结果。

其次，研发投资作为控制变量引入模型时，其对企业绩效的影响不显著；而当作为门槛变量进入模型时，对企业绩效有显著的影响，说明研发投资对企业绩效的影响并非简单的线性关系，而是呈门槛效应关系。

最后，当研发投资处于较低的第一区间(0,1.470%)时，其对企业绩效的影响不显著，这个结果验证了当研发投资过少时，其对企业绩效正向影响不显著甚至有负影响的假说；当研发投资处于第二区间(1.470%，1.841%)时，研发投资对企业绩效有显著的正向影响,即研发支出与资产之比每增加1%，企业的营业利润率会增加0.083%。这一结果验证了当企业研发支出达到某一门槛值以后，其对企业绩效会有显著正影响的假说；当研发强度处于第三区间(1.841%,+∞)时，研发投资对企业绩效的系数不再显著甚至为负数，这验证了当企业研发投资过度以后，会对企业绩效产生消极影响的假说。综上可见，在这50多万家样本企业里，研发投资对企业绩效的影响从平均意义上来说确实存在门槛效应，由下限门槛和上限门槛组成了一个有效投资区间，当研发投资处在有效投资区间内时能显著提高企业绩效，当低于或高于有效投资区间时，其对企业绩效的正影响不显著甚至变为负影响，这在很大程度上支持了我们的理论假说。

从其他控制变量的系数结果以及显著性水平来看，资本结构越高，资产周转率越低均可以提高企业绩效，非国有企业比国企有更好的企业绩效，而雇佣人数、广告投资对企业绩效无明显影响。

表3 包含门槛变量对企业绩效的回归结果

注：r&d_1、r&d_2、r&d_3分别代表研发投资投资规模的低、中、高三个区间，*、**、***分别代表在10%、5%、1%下的显著性水平下显著。

表4列示了2005-2007年样本企业的研发投资情况。从研发投资看，有0.24%的企业研发投资处于有效投资区间内，91.02%的企业处于投资不足的状态，8.73%的企业处于过度投资的状态。所以，从样本企业的情况看，绝大多数工业企业如果增加研发投资，将会对改善绩效起到有益的作用；同时，有少部分企业在研发上出现了过度投资现象，这个问题也需要引起重视，因为过度的研发投资不仅会浪费研发资源，而且还会对企业绩效不利。

表4 样本工业企业的研发投资情况

三、研究结论及其政策含义

分析表明，由于研发投资在知识资本的形成效率上具有规模递增的特性，而知识资本的收益率最终将收敛于普通资本的收益率，致使研发投资对企业绩效的影响存在规模门槛效应，这种门槛效应并非表现为单一规模门槛，而是表现为规模上的“有效投资区间”门槛，即在一定时期内，当研发投资低于下限门槛值时，研发投资对企业绩效有负向影响，当研发投资高于下限门槛值以后，研发投资对企业绩效有正向影响，当研发投资继续增加，高于上限门槛值以后，研发投资又会对企业绩效有负向影响。采用2005-2007年中国工业企业数据库中50多万家有效样本企业数据，运用门槛面板数据模型，检验了上述理论假说。实证结果显示，当研发投资的相对规模达到第一门槛值1.470%且小于上限门槛值1.841%时，研发投资对企业绩效具有显著的正效应，而当投资的相对规模小于第一门槛值或大于上限门槛值时，正效应不显著，这个结果验证了所提出的理论假说。通过考察样本企业的研发投资情况，发现96.51%的企业研发投资的相对规模低于第一门槛值，这说明对2005-2007年间我国多数工业企业而言，增加研发投资将有助于改善绩效；同时还发现有2.99%的样本企业研发投资的相对规模高于上限门槛值，存在过度投资现象。本文的政策含义是，第一，由于当时我国大多数工业企业的研发投资不足，所以我国政府较长时期以来一直采取强有力的手段(譬如补贴、税收减免等)激励企业进行研发投资不仅是理性的，而且是必要的；第二，少数企业特别是少数国有企业的过度研发投资问题需要引起重视，因为过度的研发投资不但浪费研发资源，而且对企业绩效不利。