研发投入、董事海外背景和企业全要素生产率——基于广东对外直接投资企业的经验数据

刘丽辉，刘 睿，马 宽

（佛山科学技术学院 经济管理学院，广东 佛山 528000）

一、引言及文献综述

中国经济已进入高质量发展阶段［1］，实现经济高质量发展的根本保障是推动实施创新驱动战略，决定经济高质量发展成色的是创新能力［2］。随着我国资源总量的不断减少和环境保护需求的不断增加，适用经济高质量发展要求，创新主体——企业的发展模式必须由要素扩张型向效率增进型转变［3］。这一转变的结果必然会优化资源的投入产出效率，进而提高企业全要素生产率（Total Factor Productivity,简称TFP）。研发投入是企业创新的物质基础，往往被视为影响企业TFP 的重要因素。探究研发投入对企业TFP的作用机制，有利于提高企业研发投入的利用效率。企业研发投入的大小主要是由企业治理结构中处于战略决策地位的董事会来决定［4］。承担了企业的管理和咨询职能的董事，对研发资源的调配和管理决定了研发投入转化为生产力的效率。研究表明，董事会成员的教育背景、工作经历等个人特征会影响他们对创新决策的态度，因此，研发投入对企业TFP 的影响还需考虑董事会成员的个人特征。

关于研发投入对企业TFP 的影响研究，以往文献可以归纳为以下四点：一是研发投入可以显著提升全要素生产率（Luc L.G.Soete［5］，2020；Alessandro Sterlacchini［6］，2014；Tshepo Sekaiwa［7］，2018；何明志［8］2019）。二是研发投入会抑制全要素生产率的提升（盛明泉［9］，2020；李静［10］，2017；李士梅［11］，2019）。三是研发投入与全要素生产率之间不存在相关关系（任曙明［12］，2014；赵玉林［13］，2017）。四是研发投入与全要素生产率之间不是简单的促进或抑制关系，而是一种非线性关系（韩先锋［14］，2018）；董明放［15］，2016）；余泳泽［16］，2015）。

关于董事会成员个人特征在研发投入影响企业TFP 中调节作用的研究，基于高阶梯队理论（Hambrick，1984），黄婷（2018）认为董事会成员的价值取向会影响企业的战略决策，具有不同的教育和工作背景的董事造成的知识和管理水平差异化，最终都会体现在企业的创新产出上［17］。部分学者研究了董事个人特征中的海外背景经历对企业创新及绩效的影响。宋建波（2016）认为具有海外背景的董事有更先进的管理理念，对待创新持有更积极的态度，更能带领团队创造“颠覆性”的技术变革［18］。刘凤朝（2017）认为具有海外背景的董事可以对接海外优质资源，吸收国外先进的技术成果和成熟的管理模式，并将其运用到国内的研发生产当中，提高自身的生产效率［19］。袁建国（2015）认为具有海外背景的董事更倾向于将企业资源投入到研发创新当中，避免了国内企业的政府寻租行为产生“政治资源诅咒效应”，造成资源浪费，从而提高了研发活动的创新效应［20］。

以上文献对研发投入、董事个人特征（包括海外背景）与企业创新效应、企业TFP 的关系进行了深入而细致的探索，但仍存在以下不足，一是多以全部上市公司为样本，不分区域、不分行业、不分对象地研究，导致结论比较空泛，政策建议指导性不强。二是多用绝对数来衡量企业研发投入力度，企业研发投入的绩效多用专利申请量（即作为企业创新绩效的代理变量）来度量。三是考虑董事个人特征（包括海外背景）在研发投入与创新绩效、TFP 之间关系时，多以董事个人特质作为中介变量并分析其在二者之间的中介效应，鲜有研究考虑董事个人特征在两者之间的调节作用。

基于此，本文的边际贡献在于：一是本文认为对外直接投资（简称为OFDI）企业中具有海外背景的董事可以通过知识外溢、借助海外社会关系、促进企业的跨国并购等方式提升企业的创新绩效。因此，董事海外背景在研发投入与创新绩效之间是调节作用而非中介效应。引入董事海外背景作为研发投入与企业全要素生产率之间的调节变量，探究董事海外背景是否会提升研发投入对企业全要素生产率的边际效用，将丰富董事个人特质对企业生产管理方面的影响研究。二是用相对数来衡量研发投入强度，使得不同规模的企业研发投入强度更具有可比性。利用企业TFP 代替专利申请量来衡量企业的创新绩效，因为企业创新发展的结果不仅是技术产出水平的提高，更重要的是生产率的提高［21］。三是以广东OFDI 企业（广东对外直接投资全国第一）为例，探究广东OFDI 企业的研发投入对企业全要素生产率的影响，丰富了微观层面研究的同时，其成果对提高广东对外直接投资企业研发资源配置效率，以及制定海外高层次人才引进政策，落实广东创新驱动发展战略，实现广东经济高质量发展，具有指导意义。

二、理论分析和研究假设

（一）研发投入与企业全要素生产率的关系

熊彼特（1939）提出的技术创新理论认为技术进步是生产率提高的内生动力，而研发投入可以提高企业的技术水平，所以研发投入会提高生产效率。研发投入是企业核心竞争力的重要来源。研发投入可以优化要素配置，通过技术革新，以机器替代人工，削减劳动力成本，提高企业生产效率。此外，研发投入还具有正的外部性，随着研发投入的不断增加，企业的智力资本也在不断积累，企业对新知识、新技术的吸纳效率也会不断提高，进一步促进企业提高生产率（叶静怡［22］，2019）。对OFDI 企业而言，在全球范围内设立研发机构，通过即时的信息交互，提高企业的研发速度，缩短企业从研发到产品推向市场的时间，更能提高企业的生产效率。但是，因为研发投入本质上属于生产要素，自然也要遵守边际收益递减规律，甚至过高的研发投入因为挤占了企业其他部门的资源，增加了机会成本，研发投入提升企业全要素生产率是有限度的，即研发投入对全要素生产率的影响可能存在两面性。基于此，提出本文的第一个假设：

H1：研发投入对全要素生产率的影响是非线性的，一定程度的研发投入可以提高企业全要素生产率，但过高的研发投入会抑制企业全要素生产率的提高。

由于创新具有高投入、高风险、投入大、产出时间长的特点，研发投入对企业全要素生产率的影响不仅与投入总量有关，还与投入的时间长短有关。尤其是那些核心技术、前沿技术，前期不仅需要大量资金投入，更需要时间的积累，因此，研发投入对企业TFP 的影响应该存在一定的滞后性。即研发投入可能对当期的生产率促进作用有限，尤其是对关键技术的研究，当期取得技术突破的可能性很小，还会因为当期巨大的研发成本而拉低生产效率。基于此，提出本文的第二个假设：

H2：研发投入对企业全要素生产率的促进作用有一定的滞后期。

（二）海外背景董事对研发投入影响企业全要素生产率有调节作用

根据Hambrick 在1984 年提出的高阶梯队理论，董事成员所做的决策受到自身认知的影响。个体本身对事物的认知又由其所处环境、职业经历、教育经历等决定。人力资本和社会资本理论认为员工的职能培训、教育和社会网络关系的积累会提升企业的创新效率。一般认为，具有海外背景的董事对待创新有更积极的态度，更倾向于将企业资源投入到研发创新当中。Tsui（1989）提出的关系人口统计学指出，个体之间通过讨论和协作会产生认知趋同。当团队中海外董事比例提高时，会在整个团队中营造一种有利创新的氛围，并向企业的管理层和员工释放勇于创新的信号，鼓励他们大胆创新。对OFDI 企业来说，具有海外背景的董事，他们往往有在大型跨国企业有过工作经历或者在海外高等学府接受过优质教育，有更敏锐的市场洞察力，更丰富的海外人脉关系，企业不仅可以借助他们的创新思维发现新机会，创造新财富，提升企业的研发管理效率，还可以借助他们与发达国家取得更加紧密的联系，对接发达国家的科研院所，带来国外先进的技术成果和成熟的管理模式，扩展企业的海外研发资源，引入先进的生产技术，提升企业的生产效率。因此，提出本文的第三个假设：

H3：董事具有海外背景在研发投入与全要素生产率之间起到了正向调节的作用。

三、研究设计

（一）模型设计

1.面板门槛模型

为了验证假设1 和2，本文采用hansen（1999）提出的面板门槛模型进行检验。单门槛模型如下：

上式（1）中，TEPit是全要素生产率，rdit是研发投入，既是核心解释变量也是门槛变量，γ 表示通过格点搜寻找到的门槛值，I（*）代表判别函数，满足括号里面的条件取值为1，反之取值为0，Xit是系列控制变量。β1、β2、θ 分别表示第一、第二门槛区间研发投入和系列控制变量的回归系数。μi是个体固定效应，εit是满足独立同分布的随机扰动项。同理，如若需要，可构建双门槛、三门槛模型进行相应检验及分析。

2.调节效应模型

为了验证假设3，本文构建如下调节效应模型：

上式（2）中，rdit是研发投入，overseait是董事海外背景，rdit×overseait是研发投入与董事海外背景的交互项。系数α3的正负决定了董事海外背景对研发投入和企业全要素生产率之间的调节作用方向。α1和α2分别是研发投入和董事海外背景回归系数，α4是系列控制变量回归系数，μi是企业个体固定效应，εit是误差项。

（二）变量定义

1.被解释变量（TFP）

本文的被解释变量是通过LP 法测算的企业全要素生产率的自然对数值。测算全要素生产率的方法主要有OLS 模型、固定效应模型、OP（Olley-Pakes）法和LP（Levinsohn-Petrin）法。前两种模型由于存在同时性偏差和样本选择性偏差的问题［23］，实际估计的全要素生产率往往是有偏差的。OP 法和LP 法针对上述两种方法的缺陷进行了改进，解决了内生性和样本选择性偏差的问题［24］，但是由于OP 法要求投资与总产出始终是单调的，投资额为零的样本不能纳入方程中，造成了一定的样本缺失，所以本文选择用LP法来测度全要素生产率。本文选取的投入-产出变量定义及计算方式如表1 所示。

表1 测算企业全要素生产率选取的投入-产出变量定义及计算方式

2.门槛变量和核心解释变量（rd）

本文的门槛变量和核心解释变量都是研发投入，现有研究多以企业研发支出这个绝对指标来衡量，为了能更好地比较不同规模企业的研发投入水平，本文用研发投入强度，即研发支出占营业收入的比重来衡量。

3.调节变量（oversea）

借鉴刘凤朝（2017）的做法［19］，董事海外背景用具有海外经历的董事比例作为代理变量，并将董事海外经历细分为海外工作经历和海外教育经历，因此，代理变量也细分为两个变量，即具有海外工作经历的董事比例（oversea1)和具有海外教育经历的董事比例（oversea2）。

4.控制变量

本文选取的控制变量有：总资产增长率（grow），用来衡量企业的成长性；企业年龄（age），用来衡量企业的成熟程度；大股东持股（top），用来衡量企业的股权结构；董事会规模（scale)，用来衡量公司的治理效率；高管-员工薪酬差距（wgap），用来衡量企业的薪酬激励效果［25］；资产负债率（lev），用来衡量企业的偿债能力。本文所有变量含义、符号及计算方式如表2 所示。

表2 变量定义及计算方法

（三）数据来源和变量描述性统计

1.数据来源

本文以2015-2019 年广东省对外直接投资企业作为研究样本，出于对实验稳健性的考虑，本文参照前人的做法对数据做了如下处理：（1）剔除ST*、ST 和PT 企业。（2）剔除已经退市的企业。（3）剔除IPO 当年和以前的数据。（4）剔除既发行A 股又发行B 股的企业。（5）剔除金融行业数据。（6）剔除数据有缺失的企业。因为研究当年发生董事离任事件，使得部分样本的海外背景董事数大于董事总数，为了避免董事离任对研究结果造成影响，本文还剔除了具有海外背景的董事比例大于1 的样本。最终得到192 家企业的数据，数据来源为Csmar 数据库。

2.描述性统计分析

所有变量的描述性统计结果如下表3。从表3 可知，样本企业全要素生产率最小值为6.047，最大值为11.91，差距较大，全要素生产率较低企业还有较大的提升空间。研发投入强度平均值为5.543%，按照国际标准，该指标超过5%，企业是具有竞争力的，从样本均值来看，广东OFDI 企业研发投入强度平均已达到有竞争力的国际标准。但该指标最小值仅0.01，极差为40.05，表明广东的OFDI 企业间研发投入极不平衡。董事海外经历均值为0.23，说明广东OFDI 企业的董事中具有海外经历的平均仅有23%。海外工作经历的董事均值为0.128，海外教育经历的董事均值0.147，表明董事有海外求学经历并不一定有相应的工作经验。

表3 主要变量的描述性统计分析

四、实证分析

（一）回归分析

1.门槛效应检验

为了验证假设1 和2，本文参照陈建丽［26］的做法，对当期和滞后一、二、三期的研发投入强度进行门槛效应检验，若存在非线性关系，则采用门槛回归，若不存在门槛效应，则采用线性回归。门槛效应检验结果如表4。

表4 门槛效应检验结果

（续上表）

表4 结果表明，通过500 次重复自举（bootstrap），对自变量当期和滞后期进行门槛检验，格点搜寻的结果表明当期研发投入强度对企业全要素生产率的影响是非线性的，单门槛和双门槛检验的p 值分别为0.024 和0.032，均在5%水平上通过了显著性检验，但是三门槛检验的p 值为0.198，未通过显著性检验，所以当期研发投入强度应该采用双门槛回归模型。而滞后一期和滞后两期的研发投入强度的单门槛检验的p 值分别为0.168 和0.678，均未通过门槛效应检验，应该采用线性模型进行估计。滞后三期通过单门槛检验，应该采用单门槛模型进行估计。

2.门槛回归分析

根据上述门槛效应检验结果，对研发投入强度当期和滞后三期分别采用双门和单门槛回归分析，对之后一期和二期采用线性回归分析，同时，出于稳健性考虑，回归均采用稳健标准误，分析结果如表5。

表5 门槛回归结果

（续上表）

由表5 可知，从当期来看，当研发投入强度小于第一门槛值0.23 时，研发投入强度正向影响企业全要素生产率，系数为2.681，且在1%水平上通过显著性检验。当研发投入强度位于0.23-1.09 区间时，研发投入仍能促进企业全要素生产率的提升，在1%水平上通过显著性检验，但是系数为0.286，较上一区间的系数下降了很多，证明随着研发投入强度的不断增加，研发投入对企业全要素生产率的促进作用在减弱，这一变化趋势符合要素边际收益递减的规律。当研发投入强度大于1.09 时，研发投入开始抑制企业全要素生产率的提高，系数为-0.026，在5%水平上通过显著性检验。说明研发投入对企业全要素生产率的提升是有边界的，研发投入过高会阻碍企业全要素生产率的提升，假设H1 得证。

考虑研发投入的滞后性，滞后一期和两期的研发投入强度的系数分别为-0.011 和-0.001，但均未通过显著性检验，而滞后三期通过单门槛检验，当研发投入小于门槛值9.25 时，研发投入正向影响生产效率，系数为0.060，在1%水平上通过显著性检验，当研发投入大于9.25 时，研发投入系数为0.015，且未通过显著性检验。表明研发投入对企业全要素生产率的促进作用具有一定的滞后期，滞后期仍存在边际效益递减的情况，假设H2 得证。

3.调节效应分析

为了探究董事海外经历是否在研发投入强度和企业全要素生产率之间有调节作用，前文构建了研发投入强度与海外背景董事交互项的调节效应模型，即式（2）。此外，为了进一步丰富研究成果，本文还分别构建研发投入强度分别与海外工作背景、海外教育背景董事的交互项，回归结果如表6 中的模型1-模型3。

表6 调节效应回归结果

（续上表）

从模型1 可以看出研发投入强度与董事海外背景的交乘项显著为正，在1%水平上通过显著性检验，表明海外背景董事在研发投入和企业全生产率之间存在正向调节作用，假设H3 得证。自变量研发投入强度系数为-0.043，在1%水平上显著，所以调节作用应该解释为：有海外经历的董事比例的提升可以抑制研发投入对企业全要素生产率的负向影响。从模型2、3 可以看出董事的海外工作背景和教育背景的正向调节作用分别在10%、5%水平上通过了显著性检验。但模型2 的交乘项系数要大于模型3，这表明董事具有海外工作背景比海外教育背景产生的调节作用更大。可能因为是：相较于只具有海外学习经历的董事而言，具有海外工作经历的董事更熟悉企业的生产流程，拥有更丰富的管理经验，对研发投入与生产率之间的复杂变化有更精准的把控，正向调节作用也会更强。

但也有部分学者认为海外董事进入中国企业，在思维观念和行为决策上会与本土董事产生冲突，导致企业难以最快的速度对市场变化做出反应，降低生产效率［27-28］。本文认为存在一个较为理想的海外背景的董事比例，既能发挥海外董事的创新能力，又能避免高管团队的内部冲突。为了描述研发投入对企业全生产率的边际效用随着海外背景的董事比例的增加呈现何种变化趋势，本文绘制了边际效应图1。从图1 中可以看出，在具有海外背景的董事比例从0 增加到0.5 这个过程中，研发投入对企业全生产率的边际效应也在提升，这个过程95%的置信区间都在0 的单侧，表明统计上显著。当比例大于0.5 之后，虽然边际效应仍在提升，但统计上不显著。在本文样本中，有海外背景的董事占比小于0.5 的观测值有835 个，占总样本的比重为87%，表明大部分样本均处在边际效用递增阶段。但文献研究表明，董事经历的异质性对管理团队的影响具有两面性，一方面可以基于国际视角提供先进的管理经验和创新决策，另一方面容易导致观念对立、执行效率低下等问题［17-19］。所以为了扬长避短，应该合理控制具有海外背景的董事比例。结合本文实证结果，占比应接近50%为宜。

图1 边际效应图

（二）稳健性检验

为了提高上文回归结果的可信度，本文从以下五个角度进行稳健性检验，结果见表7。

（续上表）

第一，改变被解释变量的测算方式：采用op 法测算全要素生产率。

第二，从人力资本角度看研发投入强度，用研发人员占全体员工的比例来替代解释变量。

第三，构造“董事是否具有海外经历”虚拟变量替换海外经历董事比例。

第四，为缓解可能存在的反向因果等内生性问题，本文采用人均研发投入、年度-行业研发投入均值分别与有海外经历的董事数占全体员工的比例交乘构造两个工具变量进行两阶段最小二乘（2SLS）回归，在回归之前分别对工具变量进行了不可识别检验、弱工具变量检验、过度识别检验（具体检验结果略），结果均证明所选工具变量是严格外生的。

第五，考虑外部政策冲击的影响。2016 年，广东省人才办发布了《“珠江人才计划”海外青年人才引进计划》，通过一系列资助政策，为海外高层次人才来粤创新创业提供极大的便利，较大程度上鼓励企业吸收海外高层次人才。为探究这一举措是否对本文的研究结论造成影响，本文参照陈琪（2020）的做法构造了政策冲击虚拟变量——政策实施当年及以后取值为1，政策实施之前的年份取值为0［29］。再与本文调节效应交乘项相乘，新交乘项若在统计上不显著，则表明本文结论不受这一外部政策的影响，因而具有稳健性。

表7 的稳健性回归结果表明，替换变量或者采用工具变量法回归，代表调节效应的交乘项都是显著为正的，考虑外部政策冲击之后，交乘项不显著，证明前文的结论具有稳健性。

（三）调节效应异质性分析

企业TFP 的大小会受到企业规模、公司治理模式、企业性质和企业技术密集度等的影响［8-9，12-13］，为了探究董事海外背景在研发投入与企业TFP 之间发挥调节作用时，是否因为这些因素的变化而产生异质性的结果，本文进行了以下异质性分析：第一、按照总资产中位数进行企业规模的大小分组。第二、按照企业是否实行两职合一（即董事长与总经理是否为同一人）进行分组。第三、按照企业是否为国有企业进行分组。第四、按照研发人员占全体员工比例的中位数分为技术密集型和非技术密集型企业。分组的回归结果如下表8。

表8 异质性分组回归结果

（续上表）

表8 的回归结果表明，研发投入强度与海外背景董事的交互项只在小规模企业、两职合一企业、非国有企业、技术密集型企业等样本组显著为正。可能原因：从企业规模来看，由于小规模企业管理模式不够成熟，核心技术比较薄弱，急需有海外经验的高层次人才改善组织结构，优化产业链布局。而企业规模越大，企业所能利用的研发资源就越多，研发体系也更稳定，具有海外背景的董事能提供的参考意见就越少，对生产率的提升效果就越不明显。从公司治理模式来看，两职合一的治理模式可有效缓解委托-代理引发的信息不对称，使得具有海外背景的董事可以对研发投入做出更优调整，促进企业生产率的提高。从企业性质来看，国有企业是政策导向型企业，企业的实际控制权还属于政府，具有海外背景的董事难以通过市场化竞争的手段提高企业的创新能力和生产效率。而非国有企业是市场导向型，企业的目标为利益最大化，有海外背景董事能帮助企业发掘新的市场机会，激发企业活力。从技术密集度来看，企业的技术密集度越高，海外背景董事越能为企业带来新知识、新技术，越能提高企业的研发水平和生产效率。

五、研究结论和启示

（一）研究结论

本文研究了广东省OFDI 企业研发投入与全要素生产率的关系，以及海外背景董事在研发投入与企业全要素生产率之间的调节作用，主要结论如下：

第一，研发投入与全要素生产率之间不是简单的线性关系，而是复杂的非线性关系。当期研发投入与全要素生产率呈现倒“U”型的非线性关系，滞后三期的研发投入对生产率有边际递减的正向影响。第二，董事海外背景在研发投入对生产率的影响之间起到了正向调节作用，董事海外工作经历的调节作用要大于董事海外教育经历的调节作用。但具有海外背景的董事比例应合理控制在50%左右为宜。第三，董事海外背景的正向调节作用只在小规模企业、两职合一企业、非国有企业和技术密集型企业组显著，在其他样本组不显著。

（二）启示

从上述实证分析结论可以得到以下几点启示：

第一，加大研发投入力度，重视基础科学的研究。落实国家创新驱动发展战略，OFDI 企业要重视在全球范围内部署研发基地，与国际先进的科研院所合作，扩大企业研发深度和广度，提升企业核心竞争力。但同时要意识到，短期内，研发投入可能会侵占其他部门的资源降低生产效率，但是长期来看，关键技术的突破会弥补企业的研发成本，只有持续、合理研发投入才能促进企业全要素生产率提高。

第二，重视具有海外背景经历的高层次人才的引进，但要适度控制比例。一方面，OFDI 企业要重视在全球范围内网罗技术研发和企业管理方面的高层次人才，加大对海外高层次人才的引进力度，拓宽人才引进渠道，适当放低人才引进标准。另一方面，要注意适度控制海外人才的比例，在不超过50%的前提下，积极引导海外高层次人才尽快融入本土企业的人才队伍中，避免认知冲突对企业发展造成不利影响。

第三，重视研发投入和人力资本在提高企业全要素生产率中的合力效应。在OFDI 企业不断提高研发投入的同时，也应该提高企业对于研发资源的调配和管理能力，这就要求对研发的资金投入要与人力资本投入相匹配，具有海外教育或者工作背景的董事作为企业重要的人力资本，可以进一步提高企业的资源转化效率，促使研发投入转化为真实生产力。

第四，完善配套政策，营造良好的创新环境。OFDI 企业实施“走出去”战略与创新驱动战略，离不开政府的扶持。一是政府可通过对实施“R&D 全球化”战略的企业实施出海补贴，提高企业的研发积极性。OFDI 企业通过申领政府对企业的“出海”补贴，缓解自身研发投入的资金压力。二是通过研发投入加计扣除等税收优惠政策，鼓励企业进行长期的研发投资。三是完善专利和知识产权保护相关的法律法规，营造良好的企业创新环境。四是制定切实可行的引才招才留才政策，解决海外高层次人才来广东工作遇到的困难，做好广东创新人才的服务工作，为企业持续创新储备优质的人力资源。