连锁董事网络、技术高管与企业R&D投入

张文卿

(重庆师范大学 经济与管理学院， 重庆 401331)

技术创新是经济高质量发展的重要推动力，也是企业摆脱对外技术依赖、构建长期竞争优势的关键。2012-2017年中国企业R&D经费内部支出复合增长率达11.34%，增速保持世界领先；但进行横向对比会发现，2018年中国企业研发强度为2.25%，距美(2.84%)、日(3.75%)、德(2.91%)等西方发达国家仍有一定差距。随市场化改革的不断深化，我国企业的技术创新主体地位越发巩固。在当今企业广泛参与国际竞争，全球贸易摩擦频繁、科技竞争不断升温的背景下，如何推动我国企业创新投入整体增长已成为学术界与实务界共同关注的热点问题。

企业的创新活动依赖大量的资源积累，且具有长期性、风险性特征。因而在企业创新资源获取能力和信息处理能力的约束下，技术创新能够为企业带来远期竞争优势的特性通常并不能有效激发企业加大R&D经费投入的意愿[1]。在此背景下，由董事在不同企业间的兼任行为产生的连锁董事网络对企业创新投入的影响逐渐受到学术界的关注。一方面，连锁董事网络对正式制度具有很强的补充作用：企业可以利用社会网络对企业外部资源形成控制，充分吸收网络内部的研发资源溢出与技术扩散，对内外创新资源进行积累与整合，使创新活动高效、稳定进行[2-3]。另一方面，连锁董事网络作为治理层社会资本的体现，不仅拓宽了公司研发信息获取渠道，也一并将网络内部各组织的知识差异性进行整合，间接促进了本企业高层梯队建设，使企业更为准确地评估创新活动所带来的风险与收益，做出更科学的创新决策[4-5]。在理论研究方面，部分文献基于资源依赖理论、结构洞理论和弱连接理论，分析了连锁董事网络对企业R&D投入的作用机理[6-7]。而依据相应理论所进行的实证研究，其结果大多表明连锁董事网络对企业R&D投入的促进作用受制于公司治理水平[8]、制度环境[9]、组织冗余度[10]等企业内部环境质量与内部资源存量水平。

技术高管(具有生产、技术、研发背景或职业能力的管理层与治理层成员)是影响企业制度环境和创新资源存量的重要因素。首先，由于职务、个人诉求和知识结构的特殊性，技术高管通常具有“研发偏好”[11]，其通过在决策者团队内部释放创新激励信号，直接影响着企业治理结构、决策方式与运作模式：如郭立新[12]发现技术背景高管能够利用自己的技术知识、经验积累，提升研发活动的成功概率，从而提升研发投入转化为公司绩效的效率，并进一步加强对企业的实际掌控权和决策权。同时，技术高管对企业技术资本积累、创新文化的培育有深刻影响，是塑造企业创新环境重要因素[13]：如邓金龙和曾建光[14]发现技术高管辞职后，新任高管会产生超越心理，将更加倾向于增加研发经费支出以提升企业实质性创新能力；技术高管的存在将有助于企业建设高管团队学习文化，而管理层与治理层的学习导向对科技型企业创新绩效具有正向影响[15]。

那么，技术高管的存在是否影响连锁董事网络对R&D投入的促进作用？技术高管通过何种路径优化连锁董事网络，进而激发企业创新动力？鲜有研究对这一系列问题进行系统探讨。本文以我国2015-2017年231家技术密集型制造业上市公司数据为样本，在分析企业个体网络“网络中心度”和“弱联结程度”两种特征对R&D投入影响的基础上，探索在技术高管的调节作用下连锁董事网络对企业R&D投入的影响。以期为我国企业创新管理与决策提供参考与借鉴。

1 研究假设

1.1 连锁董事网络与企业R&D投入

根据资源依赖理论和结构洞理论，连锁董事网络可以通过强化外部资源获取能力、提高创新决策信息质量两种主要路径促进企业R&D投入，连锁董事网络的这两种功能可分别被概括为“引资”作用和“引智”作用[16]。拟从连锁董事网络的网络中心度和弱联结程度两个层面考察连锁董事网络对企业R&D投入的影响。

1)网络中心度反映了企业在连锁董事网络中所处的位置，体现了连锁董事网络的“引资”能力。首先，越靠近网络中心位置的企业，其从外界获取技术资源的途径就越丰富，以低成本调动高质量研发资源的能力越强[4]；其次，企业个体网络中心度通常与企业价值、信誉、承担社会责任积极性间存在相互影响、相互促进的关系，社会公众与利益相关者的认可降低了企业的融资约束，提升了其外部融资能力[17]；最后，企业网络中心度越高，其信息传递与资源流动渠道越丰富，企业内部人与外部投资者间的信息不对称程度越低，进而可以吸引外部投资，间接对外部资源进行控制[6,10]。

2)弱联结程度体现了连锁董事网络的“引智”能力。在外兼职的公司独立董事构建了企业董事会与连锁网络间的弱联结关系。Granovetter认为可以从认识时间、亲密程度、互动频次和互惠交换程度等方面考虑人与人之间的联结强度：执行董事之间因为对彼此过于了解，彼此间形成的强联结关系往往将董事会决策流程演化成一个封闭的系统，进而恶化企业代理问题。而弱联结关系能够在不同的团体间传递非重复性的讯息，充当及时信息的桥梁，使决策者可以客观地、多角度地了解到不同企业决策制定过程，为企业创新提供更丰富的决策视角和决策信息，使研发活动的不确定性降低。

基于以上分析, 本文提出如下假设：

假设1：连锁董事网络中心度与企业R&D投入呈正相关关系。

假设2：连锁董事网络弱联结程度与企业R&D投入呈正相关关系。

1.2 技术高管的调节作用

相比于非技术高管，技术高管由于个人经历、技术专长等原因更加重视技术改进、偏好技术创新；且如果研发决策被证明是合理的，研发活动取得成功，将提升技术高管的地位和社会声誉，并产生自我满足感。这些因素都驱使着技术高管通过包括董事网络在内的各种渠道提升企业R&D投入。

1)较高的网络中心度可能驱使董事会成员利用已掌握的社会资本，与其他公司董事、高管共谋，通过连锁网络构建利益集团，使企业决策短期化，并回避高风险的研发活动。但如果技术高管拥有较高话语权，技术高管便可以为本企业搭建与其他科技企业、技术专家相互沟通的关系渠道[18]，进而将连锁董事网络创新化、技术化，通过研发协议、合作创新等方式强化技术网络的信息承载力，使董事网络为创新决策相关的高质量信息，遏制管理层短视行为。

2)弱联结程度的提高为企业提供了丰富的信息获取渠道，开拓了董事会、管理层的决策视野，但同时也增加了企业信息处理成本。技术高管对企业创新的影响存在“智库效应”：通过长期追踪技术创新热点，技术高管对创新活动的前景、风险及风险补救措施更加了解，有能力更有效地配置创新资源[19]。“智库效应”提高了企业管理层对创新信息的处理能力，提升企业对信息利用率，降低信息的冗余度和信息处理成本，从而提高决策效率，激励企业创新。

基于以上分析, 本文提出如下假设：

假设3：在其他条件一定的情形下，提高企业技术高管比例，有利于提升连锁董事网络中心度对企业R&D投入的促进作用。

假设4：在其他条件一定的情形下，提高企业技术高管比例，有利于提升连锁董事网络弱联结程度对企业R&D投入的促进作用。

2 研究设计

2.1 变量与数据来源

考虑到企业对技术创新的依赖程度以及相关数据的可获得性，研究数据选取2015-2017年全国技术密集型制造业上市公司为原始样本。根据2012版《国民经济行业分类》及相关研究中对技术密集制造业、高端制造业的定义，将医药制造业(0327)、专用设备制造业(0336)、交通运输设备制造业(0337)、电气机械及器材制造业(0339)、通信设备、计算机及其他电子设备制造业(0340)、仪器仪表及文化、办公用机械制造业(0341)界定为技术密集型制造业。剔除相关数据缺失与观测期内出现ST与ST*企业，最终选取231家上市公司作为最终的实证研究样本。相关数据来自CSMAR国泰安数据库与WIND数据库。

1)被解释变量：企业R&D投入。利用企业当年研发支出与营业收入的比值衡量企业R&D投入。考虑到企业决策流程特征，连锁董事网络、技术高管对企业研发投入的影响通常带有时滞性，在实证研究中将企业R&D投入的一阶滞后项纳入方程进行回归。

2)解释变量与中介变量。用本企业董事在其中兼职的、与目标企业间不存在关联方关系的企业总数衡量连锁董事网络的网络中心度(L1)；用在多个企业中只担任独立董事，或在本企业担任独立董事并在其他企业中只担任独立监事、咨询顾问的董事人数衡量弱联结程度(L2)；用拥有技术相关背景、职称、从业资格的高级管理人员人数代表技术高管(Tech)。

3)控制变量。分别选取现金流动负债比率(Cash)、资产负债率(Lev)、营业收入(Rev)、净资产收益率(Roe)变量评价并控制企业短期偿债能力和现金获取能力、长期偿债能力、营运能力、实际盈利能力；用营业利润增长率(g-eps)评价并控制企业发展能力和前发展景；用企业价值倍数(EV/ebitda) 评价并控制企业相对市场价值。

各主要变量的定义及说明如表1所示。

表1 变量定义及说明

2.2 模型设定

以企业R&D投入为被解释变量，首先建立仅包含技术高管(Tech)与各控制变量(Control)的回归方程，结构如式(1)所示，设为模型1。将技术高管变量纳入该初始模型的目的：一方面，反映出技术高管对企业R&D投入的独立、直接影响，并提高模型的整体解释力度；另一方面，考察各控制变量对企业RD投入的回归系数，以检验模型设定的合理性。

设计分层回归模型体系分析技术高管的调节效应是否存在。首先，在回归方程中加入连锁董事网络变量，并将控制变量完整表达，结构如式(2)所示，设为模型2。该模型用于考察连锁董事网络对企业R&D投入的独立影响，检验假设1、假设2的合理性。进一步，将技术高管与连锁董事网络变量的交互项纳入方程进行回归，结构如式(3)所示，设为模型3。通过对比模型2与模型3的回归结果，考察技术高管对连锁董事网络与企业R&D投入关系的调节作用，以验证假设3、假设4的合理性。

RDi,t+1=α0+α1Techit+∑Controlit+εit

(1)

RDi,t+1=β0+β1Techit+β2Lit+β3Sizeit+β4Cashit+β5Levit+β6Revit+β7Roeit+

β8gepsit+β9(EV/ebitda)it+εit

(2)

β6′Revit+β7′Roeit+β8′gepsit+

β9′(EV/ebitda)it+εit

(3)

3 实证分析

3.1 描述性统计与相关性分析

表2报告了变量的描述性统计结果。①由于所考察行业的特殊性，样本企业R&D投入指标普遍偏大；其中最小值0.265，最大值46.72，均值为5.349，综合其离散程度分析可了解到：不同企业间研发投入强度差异较大，且样本数据中存在极端值。②考察网络中心度和弱连结程度的极差、标准差等统计指标，可以了解到不同企业在连锁企业网络中所占据的位置优势、聘请独立董事的意向方面有较大的差异。

表3报告了变量的相关性分析结果。利用Pearson相关系数对假设的合理性和模型变量间共线性程度进行初步判定。根据表3，网络中心度与企业R&D投入间呈显著的正相关关系，初步说明假设1的提出较为合理；网络中心度与企业R&D投入间呈负相关关系，但系数不显著，不支持假设2的论述。应进一步通过多元回归得到更精确的实证结果。考察变量间Pearson相关系数，除被解释变量外的各变量之间相关性较高，为防止模型存在多重共线性问题，对模型进行方差膨胀因子检验：结果显示VIF均值远小于临界值10，证明不存在严重的多重共线问题，可进行多元回归分析。

表2 变量描述性统计

表3 Pearson相关系数

3.2 回归结果分析

表4报告了所有模型的回归结果。

1)考察模型1参数估计结果。技术高管与企业R&D投入在5%的显著性水平上正相关，说明技术高管的存在可以有效促进企业R&D投入；将技术高管变量纳入该受限初始模型可以提升模型对被解释变量的整体解释力度。随着企业技术高管数量增加、技术高管人数占高管总人数比重增大，技术高管的话语权、决策权力也将得到提升，其对企业R&D投入的促进作用也更加明显。

考察各控制变量回归结果的合理性。①企业规模与企业R&D投入呈显著的正相关关系：一方面，规模较大企业通常具有较强的创新需求；另一方面，大企业更有能力摆脱地区环境规制、技术转让限制等因素对创新的抑制作用，创新能力更强[20]。②现金流动负债比率和营业利润增长率与企业R&D投入呈显著的正相关关系。这说明当企业发展前景良好、短期偿债能力与现金获取能力较强时，决策者将更多地关注企业长远利益，更倾向于进行研发以构建企业远期的竞争优势。③营业收入和净资产收益率与企业R&D投入呈显著的负相关关系。说明企业营运能力和盈利能力较高时，企业怠于提高R&D投入。可从产业生命周期视角解释该结果：处于导入期、成长期的企业往往没有很强的盈利能力，但迫于竞争压力，其必须不断提升创新投入力度以改进产品质量，达到占有市场的目的；而处于成熟期的企业盈利水平较高，但此时显性市场基本分割完毕，构建市场竞争力的核心路径由产品升级转向营销推广，致使企业提升研发强度的动力不足。

2)考察模型2-1回归结果。网络中心度对企业R&D投入的回归系数为正数且在10%水平上显著，假设1得到验证，即网络中心度的提升能有效促进企业R&D投入。这与资源依赖理论中企业的中心地位能带来更多有效外部资源的论述相一致，企业可以凭借其优势地位减小创新活动的不确定性，并倾向于投入更多研发资金。

表4 回归结果

考察模型2-2回归结果。弱连结程度对企业R&D投入的回归系数为正数但并不显著，说明弱连结程度对企业R&D投入的独立影响有限，假设2没有得到验证。这可能是由于，弱联结程度的加强使信息的获取渠道多样化，但当前并未在国内企业间形成高质量的信息系统。首先，被弱连结“非正式交流”强化的连锁董事网络可能会加速违规行为和负面信息的传播[21]；其次，由于企业创新投入风险性一般高于其他资本性投入，而来自非正式团体的信息质量往往良莠不齐，对创新决策而言参考价值的也不尽相同，决策者需要支付成本对大量信息进行鉴定、甄别与整合，进而降低创新风险。因而稳定的非正式团体、丰富的信息量看似为企业创新决策的合理性提供了保障，但在决策者信息处理、鉴别能力不足时，弱联结关系的作用只是将不确定的创新风险转化为确定的信息处理成本，从而对创新投入促进作用有限。

3)考察模型3-1回归结果。将网络中心度与技术高管交互项纳入模型后，网络中心度、交互项的系数均显著且为正数，修正后的判定系数R2由模型2-1的0.176 4上升至0.179 7，说明网络中心度对企业R&D投入的促进作用受到技术高管的正向调节，假设3得到验证。一方面，技术高管可以为本企业搭建与其他科技企业、技术专家相互沟通的关系渠道，将连锁董事网络创新化、技术化，遏制管理层短视行为。另一方面，技术高管发挥“创新驱动作用”，通过向企业内部发出创新激励信号，凭借自身技术领域权威性提高创新资源整合效率，将董事网络提供的大量原始信息转化为创新激励信号，有利于创新决策的做出。

为确认技术高管的调节作用，以技术高管变量双侧25%分位数为界限，划定技术高管变量低分位区与高分位区。图1、图2分别报告了低分位区和高分位区下技术高管变量、网络中心度与企业R&D投入间的交互效应。对比图1与图2可知，在技术高管比例较高、有较高决策话语权的情况下，连锁董事网络中心度对研发投入强度的正向影响更强，即验证了技术高管对网络中心度与企业R&D投入间关系的正向调节作用。

考察模型3-2回归结果。将弱连结程度与技术高管交互项纳入模型后，交互项系数显著且为正数；修正后的判定系数R2由模型2-2的0.163 1上升至0.166 3，解释力度更强。说明在技术高管的作用下，弱连结程度对企业R&D投入有正向影响：具体而言，技术高管并未对弱联结程度与企业R&D投入间的关系产生调节作用，而是与弱联结程度联合正向影响企业R&D投入，假设4得到验证。这说明当前国内企业技术高管所带来的“智库效应”有效地提高了企业管理层对创新信息的处理能力，提升企业对信息利用效率，降低信息的冗余度和信息处理成本，激发了企业创新动力。

图1 技术高管(低分位区)的调节作用

图2 技术高管(高分位区)的调节作用

3.3 稳健性检验

为确保实证模型中变量间不存在严重的内生性，对模型进行稳健性检验。通过替换关键变量的衡量手段验证回归结果的稳健性。①用总资产收益率(Roa)替代净资产收益率(Roe)参与回归：总资产收益率侧重于衡量企业资产组合的整体盈利能力，不注重资产的来源，相较于后者更能反映企业杠杆经营效率，能更加全面地评估企业获利水平。②用托宾q值(Tobin-q)替代企业价值倍数(EV/ebitda)反映企业市场价值并参与回归：企业价值倍数基于潜在收购方视角，受公司内部经营能力影响较大；托宾q值侧重于反映企业资产保值增值率，受外部市场价格变动影响较大。稳健性检验结果与回归结果基本一致，说明回归结果可靠。稳健性检验结果见表5。

表5 稳健性检验结果

4 结论与建议

本文以我国2015-2017年技术密集型制造业上市公司数据为样本，基于网络中心度和弱联结程度两个层面，实证研究了连锁董事网络对我国企业R&D投入的影响，并探讨了技术高管对这种影响的调节作用。结果显示：网络中心度的提升对企业R&D投入具有显著的促进作用，该促进作用受到技术高管的正向调节；弱联结程度对企业R&D投入无显著独立影响，但与技术高管共同对企业R&D投入产生正向的联合影响。

根据研究结论，提出如下政策建议。

1)在保证决策效率基础上，企业应当积极优化自身在连锁董事网络中的位置，提高网络中心度。在当前“开放式创新”模式尚未在我国高科技企业间全面普及，企业信息处理能力有限的背景下，单纯从扩大董事网络规模或提升弱联结程度等角度入手，一味拓展个体网络外延，势必造成企业过度嵌入并导致信息冗杂，降低创新决策效率[22]。相比于连锁董事网络“量”的积累，企业应当更注重网络中心度的提高，即重视董事网络“质”的优化，以拓宽资源与资金的获取渠道、减少创新资源的获取费用，进而降低企业创新活动风险和成本，激发企业创新动力。

2)企业应注重培养、引进技术董事，注重高级管理人员的技术型人力资本积累，并将其作为促进企业R&D投入的战略资源。建立完善的技术董事考核、激励机制，利用更多元的激励手段，延长技术高管的任期，激发技术高管更强烈的创新意愿，从而加速企业创新资源积累与创新文化塑造。在完善技术高管监督机制的前提下，赋予技术高管更多决策权，提高其在组织内的话语权，充分发挥技术董事的 “创新驱动效应”和 “智库效应”，强化企业连锁董事网络的“引资”与“引智”功能，使企业获得更高质量的创新资源和决策信息，以企业技术能力提升带动创新活动进行。