突破性创新对企业绩效的影响研究

王玉泽 任培民

摘要：以2015—2022年A股上市的制造业企业为研究对象，基于多维专利评价设计综合指标体系识别突破性创新，采用倾向得分匹配法探索突破性创新相较于一般创新对企业绩效的影响，构建中介效应模型检验企业生产成本和生产效率的作用机制。研究发现，突破性创新通过降低企业生产成本、提高生产效率，对企业绩效产生正向促进效应，在大型企业中，提升效应更为明显。

关键词：突破性创新；倾向得分匹配；生产效率；企业绩效

中图分类号：

F273.1

文献标志码：A

党的二十大报告指出全面建设社会主义现代化国家的重中之重在于高质量发展，可持续的高质量发展关键在于实施创新驱动发展战略[1]，必须坚持创新引领发展，不断塑造发展的新优势。企业是中国创新驱动发展的重要主体，突破性创新已逐渐成为企业发展的有效手段，具有学科交叉性更强及影响力更大等特点。现有相关研究主要包括突破性创新对管理者[2]、制度[3]、知识学习[4]、多元知识[5]等因素的作用，鲜有涉及对企业绩效的影响以及在企业生产阶段的作用机理。本文运用倾向得分匹配法考察突破性创新对企业绩效的影响效应及内在机制，分析不同企业规模之间的影响差异。

1 研究假设

1.1 突破性创新与企业绩效的关系

基于技术创新理论，突破性创新是科技与实践相结合的产物，是企业重大创新的集中体现，通过改变产品的创新轨迹，带来新的成长机会。面对差异化、多元化的消费市场时，突破性创新能够显著增强企业的核心竞争力，帮助企业实现更长远的发展[6]。新设备、新工艺和新技术能使企业在新一轮技术竞赛中取得领先，形成企业竞争优势，快速提升绩效水平[7]。垄断理论表明，垄断可以加快生产、资本的集中，企业因其领先的产品性能，在上市后获得相对垄断地位，使产品能够保持较高的市场价格并获得高昂的利润，由突破性创新所取得的高额垄断利润提高了资本的盈利能力，企业绩效快速提升[8]。

H1：突破性创新对企业绩效具有更为显著的促进作用。

1.2 企业生产成本的中介效应

成本管理理论认为，成本管理是为了确保企业拥有目标的利润规模，能够高效缩减成本并增强企业在市场中的竞争力度。突破性创新能够变革企业的技术架构，极大改进产品性能，从而大幅削减产品成本（30%及以上）[9]，颠覆市场竞争格局，使企业占据竞争优势并提升绩效水平[10]。基于投资者关系管理理论，投资者在对公司信息了解较少时会要求更高的投资者回报率，从而增加了企业的资金成本[11]。而具有突破性创新的企业可向市场发出积极信号，使投资者关注度上升的同时会带来更多的外部投资，可以缓解企业自身的融资约束，提高创新活动以降低资金成本[12]。企业生产成本的下降导致利润空间增大，绩效提升。

H2：突破性创新能够降低企业生产成本从而提高企业绩效。

1.3 企业生产效率的中介效应

根据资源基础理论，企业通过突破性创新可以改良生产制造设备，降低原材料和配件的消耗，减少计划性损失，实现材料循环利用，从而减少损耗。生产工艺的创新可以合理优化资源配置，显著提高资源利用率和生产效率，增强企业绩效能力[13]。基于新古典经济增长理论，企业生产效率提升的关键是技术进步，学习和引进先进的技术以增加知识资本积累，将新技术贯穿于生产经营活动中从而提升企业生产效率[14]。以智能技术为例，智能制造企业可以实现24小时不间断工作，相较于人力而言，极大地提升产品的合格率从而显著提高企业的生产效率[15]。制造流程的自动化、智能化也会对生产效率产生影响，如中国电科集团经过数字化改造后的智能制造产线中，光伏电池的生产效率提升了30%[16]。这些因素导致企业生产效率的提高，从而使单位时间内产品的产出增加，促进企业绩效。

H3：突破性创新能够提升企业生产效率从而提高企业绩效。

2 研究设计

2.1 样本选择与数据来源

选取2015—2022年A股上市的制造业企业作为研究对象，因为制造业始终位于中国经济发展的核心地位，是国家科技创新的核心主体[17]；A股中制造业企业占比超一半以上，样本量具有一定规模。鉴于2015年之前近半企业的财务数据大量缺失，以及专利数据的滞后影响作用，选择2015—2021年专利数据及2016—2022年年报数据，检索专利申请日限定于2021年12月31日前。

样本数据来源于IncoPat专利数据库和国泰安数据库，剔除ST（Special Treatment）、*ST、专利和财务报表中数据缺失的企业，得到445家企业共82 093条专利数据。

2.2 突破性创新识别

专利逐渐成为衡量企业创新的主要指标[18]，现有突破性创新识别方法主要集中于单一专利指标，如被引用数[19]、分类号数[20]、科学文献数[21]和文本摘要[22]等，但只能反映专利某一特征，导致识别效果差异较大，容易造成偏误。

借鉴已有文献[23]对指标分类的思路，从专利指标的评价角度出发，将突破性创新专利指标分为外部评价（ext）、自我评价（ints）和自身属性（self）3个维度，利用主成分分析法将每组指标进行组合，具体见表1。

根据主成分分析法对指标进行降维融合形成综合性指标的评价结果，得到外部评价（ext）、自我评价（ints）和自身属性（self）的线性组合

ext=0.683Extno+0.475Exa+0.555Fcit（1）

ints=0.401Time+0.34Fam+0.179Claim（2）

self=0.18Bcit+0.245Citl-0.007Inv+0.263Cln（3）

计算全部专利的三维评价指标，以每一维度指标赋分的前1/3作为分位点，取满足三者交集的专利，为消除偶然因素的影响，剔除拥有突破性创新数量为“1”的企业，共得到5 225条专利，占总专利数的6.36%，涵盖191家企业，即为突破性创新企业。

2.3 变量选取

2.3.1 结果变量 企业绩效（profit）。销售毛利率具有较好的代表性[24]，作为销售利润与销售收入的比值，产品销售的毛利率越高，则扣除各项成本后的利润也就更高，代表企业的获利能力越强。

2.3.2 处理变量 突破性创新（v）。具有突破性创新的企业赋值为“1”，一般企业赋值为“0”。

2.3.3 中介变量 （1） 生产成本（cost）。采用营业成本率衡量，即营业成本和营业收入的比值，是企业用于描述和衡量自身成本状况的指标[25]。营业成本率能够较好的展现企业的成本消耗变化，帮助其了解自身的成本控制情况和成本结构。

（2） 生产效率（tfp）。选取全要素生产率进行分析，是除去劳动力与资本以外其他生产要素的产出增长率。在众多方法中，最优精度方法（Optimal Precision Approach，OP）和线性规划方法（Linear Programming Approach，LP）可以处理样本选择偏差和同时性偏差[26]，而以中间投入为工具变量的LP法比OP法能更好地解决样本损失问题[27]，本文使用LP法估计企业全要素生产率。

2.3.4 匹配变量 选取净资产收益率（roe）、账面市值比（bm）、现金流比率（cash）、应收账款占比（rec）、存货占比（inv）、固定资产占比（fixed）和管理费用率（mfee）作为匹配变量。

各变量名称、符号及说明见表2。

2.4 模型构建

突破性创新企业和一般企业的初始条件不同，在t检验中，匹配变量的各个维度都有明显的差异，存在选择性偏差（Selection Bias），导致参数估计有误。倾向得分匹配法（Propensity Score Matching，PSM）是常用的处理样本选择性偏差的方法，通过对实验对象的特征进行匹配，消除不同组之间的差异，从而验证因果关系[28]。本文将突破性创新企业视为处理组，一般企业视为对照组，处理变量Ci={0，1}表示企业i是否具有突破性创新，是则赋值为1，否则赋值为0。通过观察回归结果，分析突破性创新对企业绩效的影响作用在处理组和对照组企业之间是否存在显著性差异。

PSM方法产生3种不同的处理效应指标中，考虑研究的有效性，重点关注处理组平均处理效应（Average Treatment Effect on the Treated，ATT）的显著情况，G1i与G0i分别表示企业具有突破性创新、不具有突破性创新两种情形下的企业绩效。借鉴相关文献[29]，突破性创新对企业绩效的平均处理效应（ATT1）为

ATT1=W（G1i|Ci=1）-W（G0i|Ci=0）（4）

为研究企业生产成本和生产效率方面在突破性创新与企业绩效中的中介效应，机制检验的平均处理效应（ATT2、ATT3）表示为

ATT2=W（M1i|Ci=1）-W（M0i|Ci=0）（5）

ATT3=W（N1i|Ci=1）-W（N0i|Ci=0）（6）

3 实证分析

3.1 描述性统计

表3中，profit的最大值为0.828，最小值为0.053，表明样本企业绩效相差较大，为受自身规模等因素影响，并且均值和中位数均大于0，说明所有企业都盈利。cost和tfp最大值为0.950和11.26，最小值为0.172和6.993，说明不同样本企业之间的生产成本和生产效率存在较大差异。

3.2 相关性分析和VIF检验

对所有变量进行相关性分析，主要变量之间的相关系数均在一定水平下显著（表4）。VIF检验数值均小于4，表明不存在明显的共线性问题（表5）。

3.3 基准回归

使用Logit模型估计企业具有突破性创新的概率，匹配方式采用1∶1的最邻近法，抽样方法采用不放回抽样，在满足共同支撑假定和平衡性假设前提下进行匹配分析[30]。利用PSM方法在解决样本选择偏差问题后，ATT效应值为0.048、标准误为0.017、t为2.836且通过了1%水平的显著性测试，即突破性创新对企业绩效的促进作用更显著，验证了H1。突破性创新企业改变技术和产品的创新方式，打破原有创新轨道，在与其他企业竞争中形成自己的生存优势，对企业的发展具有显著的提升效果，帮助企业长久发展。产品性能具有的巨大优势在上市后可使企业获得相对垄断地位，带来的垄断利润也进一步提高企业盈利水平，使企业绩效得以提升。

3.4 机制检验

采用中介效应检验方法时[31]，首先通过回归来检验突破性创新对企业生产成本和生产效率的影响，再梳理文献验证中介指标与企业绩效的关系。如表6所示，估计结果符合预期，即突破性创新在降低企业生产成本和提升企业生产效率方面更显著，验证了H2和H3。突破性创新通过改进产品性能和技术架构而削减成本，增加市场竞争度。投资者关注企业研发的突破性创新，给予企业更多的融资资金，使其持有现金成本下降；突破性创新企业进行工艺改良和设备升级，资源利用率提高，生产制造活动的精细化也使得原材料和配料的消耗降低，导致生产效率提高。将新技术、新方法贯穿于企业生产中，使生产成本降低和生产效率提高，进而促进企业绩效。

3.5 稳健性检验

使用PSM模型解决样本存在的选择性偏差问题，缓解了部分内生性[32]，同时选择更换回归模型、调整样本范围和更换匹配方法进行其他方面的稳健性检验。

在突破性创新对企业绩效实证分析中，基准回归采用PSM模型，为进行稳健性检验，采用固定效应模型进行回归分析。估计模型

profiti=α0+α1vi+αncontrolsi+industry+μi（7）

其中，α0、α1、αn为系数，controls为匹配变量，industry为行业固定效应，μ为误差项，i为企业个体。回归样本量为445，在加入匹配变量和控制行业固定效应后，v为0.024 4，t为2.46且在5%的水平上显著，调整后R2为0.653 3，表明基准回归结果具有稳健性。

企业规模与企业绩效之间具有相关性，为避免极端样本对研究造成偏误，删除企业规模前后共10%的样本估计ATT，采用半径匹配（ε=0.01）法重新估计，两种方法均通过了显著性水平测试，结论稳健（表7）。

3.6 异质性分析

企业规模反映了企业在行业中的市场优势和竞争地位，是否拥有良好的融资环境是衡量企业突破性创新能力的重要因素[33]。本文以企业期末总资产对数的平均值为标准，将全样本分为大型企业及中小型企业，异质性回归中两组样本均通过了显著性水平测试，且大型企业的ATT效应高于中小型企业（表8）。说明在大型企业中，突破性创新对企业绩效的促进作用更强。原因是大型企业基础雄厚，具有成本优势，管理制度健全，法人治理结构完善，更易实现规模经济与垄断竞争优势，能够为技术创新提供充足的经费支持，可以通过市场销售来分担研发成本，形成更有效的销售经营模式，从而提升企业绩效。

4 结论

基于2015—2022年中国A股上市的制造业企业，以多维专利评价为视角设计综合指标体系，探讨突破性创新相较于一般创新对企业绩效的影响以及在企业生产阶段的作用机理。突破性创新显著提升企业绩效，可通过降低生产成本和提高生产效率实现对企业绩效的促进作用；大型企业由于资金雄厚、制度健全，对企业绩效正向影响更为显著。据此建议，在市场竞争愈发激烈的情况下，企业应集中资源，加大研发的广度和力度，改善创新路径和方法，利用创新实现技术变革，加快关键领域的技术突破和技术攻关；要以降低生产成本、提高生产效率作为理念贯穿于技术研发和产品生产之中，改良和升级生产设备，提高资源利用率，减少计划性损失；保持制造过程协同化，压缩产出周期，提高产品合格率；做大企业规模，吸引更多外资并聘请优秀人才，增设客户渠道，加大企业品牌的推广与延伸，实现企业规模的壮大，保证真正完成提升绩效的目标。

参考文献

[1]林春， 孙英杰. 创新驱动与经济高质量发展的实证检验[J]. 统计与决策， 2020， 36（4）： 96-99.

[2]CHO S Y， KIM S K. Horizon problem and firm innovation： The influence of CEO career horizon， exploitation and exploration on breakthrough innovations[J]. Research Policy， 2017， 46（10）： 1801-1809.

[3]臧树伟， 陈红花， 梅亮. 能力演化、制度供给与企业突破性创新[J]. 科学学研究， 2021， 39（5）： 930-939.

[4]吴言波， 邵云飞， 殷俊杰. 管理者注意力和外部知识搜索调节作用下失败学习对突破性创新的影响研究[J]. 管理学报， 2021， 18（9）： 1344-1353.

[5]吴伟伟， 张琦， 梁州， 等. 技术知识基础多元度对突破性技术创新行为的影响[J]. 管理科学， 2020， 33（5）： 72-85.

[6]许杨杨. 环保投资、技术创新与企业财务绩效——基于长江经济带上市公司的实证分析[J]. 中国注册会计师， 2023（4）： 35-40.

[7]唐洁， 葛玉辉. 技术创新、高管团队薪酬差距与企业绩效[J]. 技术与创新管理， 2023， 44（6）： 703-712.

[8]丘东， 王维才， 谢宗晓. R&D投入对地区创新绩效的影响——企业R&D投入的中介效应[J]. 科技进步与对策， 2016， 33（8）： 41-48.

[9]周磊， 杨威， 张玉峰. 基于专利挖掘的突破性创新识别框架研究[J]. 情报理论与实践， 2016， 39（9）： 73-76+46.

[10] KURT S. Investigation of the relationship between brand value and R&D activities： Fortune 500 companies analysis[J]. Procedia Computer Science， 2019， 158： 1019-1024.

[11] 马连福， 王丽丽， 张琦. 投资者关系管理对股权融资约束的影响及路径研究：来自创新型中小企业的经验证据[J]. 财贸研究， 2015（1）： 125-133.

[12] 张璇， 李子健， 李春涛. 银行业竞争、融资约束与企业创新：中国工业企业的经验证据[J]. 金融研究， 2019（10）： 98-116.

[13] 王平， 王凯. 数字金融、技术创新与企业价值[J]. 统计与决策， 2022， 38（15）： 164-169.

[14] 周冬华， 万贻健. 企业数字化能提升企业全要素生产率吗？[J]. 统计研究， 2023， 40（12）： 106-118.

[15] 赵烁. 智能制造影响下的企业绩效——基于中国上市公司年报文本分析的经验证据[J]. 工业技术经济， 2023， 42（7）： 95-101.

[16] 蒋雯， 付哲， 王兰. 数字化转型与军工企业绩效——作用机理与经验证据[J]. 工业技术经济， 2023， 42（7）： 58-67.

[17] 梁运吉， 孙兴旺， 梁梓潞. 减税激励、绿色技术创新与制造业高质量发展[J]. 会计之友， 2023（12）： 98-105.

[18] 赵昌文， 卢中伟， 杜江. 专利能提升企业价值吗？——基于中国创业板的数据分析[J]. 经济体制改革， 2023（1）： 108-116.

[19] ZHENG Y， YANG H. Does familiarity foster innovation？ The impact of alliance partner repeatedness on breakthrough innovations[J]. Journal of Management Studies， 2015， 52（2）： 213-230.

[20] 黄鲁成， 蒋林杉， 吴菲菲. 萌芽期颠覆性技术识别研究[J]. 科技进步与对策， 2019， 36（1）： 10-17.

[21] 张金柱， 张晓林. 利用引用科学知识突变识别突破性创新[J]. 情报学报， 2014， 33（3）： 259-266.

[22] ARTS S， CASSIMAN B， GOMEZ J C. Text matching to measure patent similarity[J]. Strategic Management Journal， 2018， 39（1）： 62-84.

[23] 任培民， 吴富海， 赵树然. 基于专利组合视角的企业创新水平测度研究[J]. 情报杂志， 2022， 41（11）： 199-207.

[24] 段天宇， 张希， 胡毅. R&D强度与中国医药制造业上市公司绩效的门限效应研究[J]. 管理评论， 2020， 32（9）： 142-152.

[25] 毛艳华. 基于企业大数据的所得税优惠与科技型中小企业研发投入研究[J]. 科学管理研究， 2023， 41（3）： 113-120.

[26] 鲁晓东， 连玉君. 中国工业企业全要素生产率估计：1999—2007[J]. 经济学（季刊）， 2012， 11（2）： 541-558.

[27] 贾伊萌， 张旭亮. 行业全要素生产率的微观测算——以制造业上市企业为例[J]. 现代管理科学， 2020（2）： 34-36.

[28] ROSENBAUM P R， RUBIN D B. The central role of the propensity score in observational studies for causal effects[J].Biometrika， 1983， 70（1）： 41-55.

[29] 王晓红， 胡士磊. 校企合作提升了制造业企业的技术创新绩效吗？——基于倾向得分匹配方法的实证研究[J]. 技术经济， 2022， 41（4）： 30-43.

[30] RUBIN D B. Using propensity scores to help design observational studies： Application to the tobacco litigation[J]. Health Services and Outcomes Research Methodology， 2001， 2（3）： 169-188.

[31] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济， 2022（5）： 100-120.

[32] 褚蕴， 李响， 黄卫平. 跨境并购对中国企业创新绩效的影响研究[J]. 中国物价， 2023（11）： 98-101+115.

[33] 袁劲， 赵灿， 陈贤孟. 中美贸易摩擦对异质性企业的影响——基于中国A股上市公司的事件研究[J]. 商业经济与管理， 2022（9）： 90-104.

Research on the Impact of Breakthrough Innovation on Enterprise Performance

——Take A-share Listed Manufacturing Enterprises as an Example

WANG Yu-ze， REN Pei-min

（School of Economics， Qingdao University， Qingdao 266061， China）

Abstract：

Taking A-share listed manufacturing enterprises from 2015 to 2022 as the research object， based on multi-dimensional patent evaluation design comprehensive index system， breakthrough innovation was identified， and propensity score matching method was used to explore the impact of breakthrough innovation on enterprise performance compared with general innovation， and an intermediary effect model was constructed to test the mechanism of enterprise production cost and production efficiency. It is found that breakthrough innovation has a positive promoting effect on enterprise performance by reducing production cost and improving production efficiency. In large enterprises， the promoting effect is more obvious.

Keywords：

breakthrough innovation; propensity score matching; production efficiency; enterprise performance