摘 要
随着经济全球化进程的加快以及科学技术的快速发展,物联网、人工智能等概念逐渐被人们所熟知,我们正在进入一个更加信息化、智能化的时代,信息技术业也越来越成为带动我国经济发展的关键力量。而创新作为企业形成核心竞争力的重要方式,创新能力不行,企业便失去了竞争力,但通过研发创新活动,企业可以通过提高产品质量或降低产品成本,进而有助于企业实施低成本或者差异化战略,进而提升企业绩效。文章通过对2014—2019年我国沪深A股信息技术业上市公司的数据进行处理分析,考虑技术创新理论、核心能力理论等,提出假设,建立回归方程,对研发投入对财务绩效的影响以及研发投入的滞后性影响进行研究。研究发现:首先,无论是研发资金投入强度还是研发人员投入力度,均能正向影响企业当期的业绩,说明研发投入的确有利于在当期为企业带来效益;其次,研发资金投入对企业绩效滞后一期、二期、三期的系数均为正,但均未通过显著性水平的检验,同时,研发人员投入的滞后一期、二期的影响也不明显,而滞后三期的比较明显,说明研发资金投入的滞后效应并不明显,而研发人员投入在仅在滞后三期时比较显著,因此,信息技术业企业应该大量引进研发技术人员,为企业不断注入新鲜血液,同时加大研发资金投入的力度,为企业带来更高的绩效。希望通过本文的分析得出的结论能够对信息技术业上市公司提升业绩方面具有一定的启示作用。
关键词: 信息技术业;研发投入;企业绩效
1、引 言
1.1研究背景及意义
1.1.1.研究背景
随着中国的对外开放程度的加深以及科学技术的发展,互联网经济得到迅速发展,互联网企业数量在逐年的增长,也有越来越多的企业开始探索和从事互联网相关的业务。如今随着5G时代的到来,数字化、智能化发展进入高速发展阶段,未来我们或将进入到一个万物互联的时代。信息技术业虽然是在近些年才慢慢开始茁壮成长起来的,但其具有很强的乘数效应,通过信息技术业的推动,能够提高各行业的生产率,具有很强的外部性。
然而随着科技的不断进步和市场竞争的日益激烈,研发活动的重视也逐渐成为在行业内取得竞争胜利的主要力量,对于技术类的行业则更是如此,研发投入对一个企业至关重要,公司未来的发展方向也取决于此。但如图1-1所示,目前我国在科研投入上还是显著低于X的研发投入水平,虽然近年情况有所好转,但仍然存在很大的提升空间。
图1-1 2010-2017年中美研发支出占GDP比重
一般认为研发投入强度达到2%,企业能基本生存,而要在行业中比较突出则至少需要达到5%,而我国沪深A 股上市公司的研发投入强度平均仅为2.81%,仅比企业能够基本生存要求的2%多了0.81%,距离5%还有很大的上升空间。究其原因,可能在于信息技术行业的研发投资活动往往需要较多的资金、实现成果转化得到回报也需要一定的时间等,管理者出于自身利益的考虑可能会倾向于减少创新活动,以至于我国的信息技术业大多数企业仍然有创新能力严重不足的问题,不利于公司从长远角度获得业绩的提升。
基于以上背景,通过本文对此展开研究,希望能够为企业的研发活动的决策提供更为科学的参考。
1.1.2.研究意义
(1)理论意义
本文针对该行业对这二者的关系进行探究,将对企业安排研发活动的投入规模及进度有一定的借鉴意义。
(2)现实意义
从现实意义看,本文的研究或许将会在为企业提高在研发方面的效率提供一些指导,进而有利于增强企业的竞争实力。信息技术业相比于其他行业来说,技术更新速度更快,产品市场定制化程度更高,也就决定了它对研发投入的依赖度更高,尤其是计算机软件与应用服务业,研发投入将会有利于实现低成本或者差异化战略,扩大其市场份额。因此通过本文对研发投入的研究,引起更多公司对科研创新活动的重视,不断增加这方面的投入,提高公司的经营绩效。
1.2研究内容、预期目标及研究方法
1.2.1.研究内容
本文分为以下6部分进行论述:
(1)引言。一开始先讲述本文研究所依据的背景以及它的意义;然后说明文章的研究内容和方法。
(2)文献综述。本文将从三个方面进行文献述评,并在最后进行总结综述。
(3)理论基础及相关假设。本章首先从创新理论及核心竞争理论介绍本文的所用到的理论,并据此确定将被在后面的研究中进行验证的假设。
(4)进行实证研究设计。本章首先确定样本与数据来源,然后进行变量定义及选取,最后根据假设构建本文多元回归模型;。
(5)进行实证分析。首先就所选变量进行描述性统计分析与相关性分析,然后对研发投入对信息技术业上市公司绩效的影响的回归系数进行分析,形成结论,并进行稳健性检验。
(6)根据结论提出相关建议。综合考虑实际情况和研究结论,提出有利于提升企业效益的有关建议。
1.2.2.预期目标
根据已有文献的研究结论来看,考虑预期目标,那么预计在信息技术业上市公司中,研发投入将会对企业绩效起到积极作用,且预估研发投入增加对企业绩效的提升会有一定的滞后效应。
1.2.3.研究方法
(1)归纳法。通过对现有的文献进行梳理,学习相关的理论,并对之进行归纳总结,建立理论基础,据此提出本文的假设。
(2)回归法。通过建立的多元回归方程,对通过软件计算所得到的系数的显著性水平进行分析,深入探究我们所研究的变量之间的关系。
2、国内外文献综述
2.1企业研发投入研究综述
从已有的相关文献来看,学者主要在研发投入的影响因素方面展开讨论探究。KS Choi[]在2020年通过使用来自40个国家或地区的12362家公司的数据,证明了国家文化与R&D投资有着显着的联系,在更具个人主义,更少男性化和更放纵的文化中,企业倾向于进行更多的研发投资。Bojan Lalic[]等使用来自欧洲制造业调查的数据,实证结果表明,生产领域的企业间关系以及与研发领域的研究机构和大学的合作往往会减少研发支出,而与其他公司在研发方面的合作则增加了研发支出。赵蓉,倪金兰[]通过研究2002-2006年X房地产繁荣时期的上市研发公司发现,房地产价值每增加1美元,就会使一家公司的研发投资增加0.38美元,这种附带效应在受到财务约束的研发公司中比在不受约束的研发公司中更为明显。此外,通过对2008年至2012年的房地产泡沫破灭时期进行研究发现房地产贬值阻碍了R&D投资,特别是在受限制的R&D公司中。张振伟[]通过对软件与信息企业进行研究指出:XX补贴对研发活动的投入的增加有正面作用,而企业利润率越高、企业年龄越大,则投入的力度就会越小。
2.2企业绩效研究综述
通过梳理企业绩效的相关研究和文献,发现现有学者的研究主要涉及绩效影响因素、绩效管理、评价内容与方法等内容。A. Cohen[]在2020年等以在卢瓦尔河地区的法国工业企业为研究对象,研究表明One Flow和GEMBA等关键质量工具的实施可以有效提高企业的质量绩效。Ysegul Guner[]使用2008—2012年期间270家土耳其公司组成的平衡小组数据,研究发现外资所有权与公司绩效之间存在正向和统计上的显著关系,但是,除了主要外资公司和完全外资公司的盈利能力外,具有不同自由度的公司之间在公司绩效方面没有显着差异。张东阳和彭城杜[]利用1998年至2012年期间的大型工业数据集的大型动态面板数据集,研究发现中国的环境监管政策在短期内对公司的TFP和ROA产生了负面影响,且可以看到明显的滞后效应,经济绩效的其他方面也与环境监管政策负相关,而轻度的财务约束,长期的投资行为和资本劳动力结构在提高高污染行业企业的绩效中起着重要作用。杨以文[]采用核匹配和DID方法研究上市公司的数据,研究发现,中国版SOX制度对上市公司绩效提升具有显著的促进效应。
2.3研发投入对企业绩效的影响研究综述
许多学者都认为研发投入可以使公司业绩显著提升,但有一定的滞后效应。Alam和Uddin[]于2020年以12个新兴国家423家公司为研究对象,利用GMM估计和面板数据弹性测试分析发现:研发强度不会在同一年创造效益,研发对公司未来的业绩有积极的影响,并且考察了投资者保护和国家治理体制的调节效应发现:前者对有显著的调节效应而后者则没有影响。Mehmet CAGLAR和Rauf Nurettin NİSEL[]针对伊斯坦布尔地区上市的企业进行分析,发现:营销和研发支出对制造公司的某些财务绩效指标具有积极的作用,而对另一些财务绩效指标则没有影响。Bekir ELMAS和Muslum POLAT[]使用在BIST公司治理指数中注册的制造公司的2007Q1-2015Q2季度数据,研究发现:研发投资对能够有效利用它的公司的业绩产生积极影响,而对利用效率低的公司则得到产生相反的结论。
从我国现有的研究来看,赵燕[]以上海和深圳的672家公司为研究对象,对广义货币供应量增长,R&D投资和公司绩效之间的关系进行了实证分析,研究显示:研发投资对公司业绩有积极影响,广义货币供应量增长对这二者之间的关系具有调节作用。段海艳、李岩和郭凯[]通过2019年以文化创意类企业进行研究,发现债务融资的水平越高,会使研发投资和绩效越低,且研发投入对滞后1期的绩效的正向影响比较明显,对滞后2期的作用不明显。吴沁子、朱辉[]在同年通过研究我国2015—2017年沪深A股的上市公司,发现企业R&D投入对绩效具有积极影响,同时高管的年龄和持股情况均对这种影响起中介调节作用。王临夏[]以2014—2018年新能源汽车企业为研究对象,研究发现:该类企业的研发投入对经济绩效有显著的正向影响,XX补助的强度能够调节研发投入与绩效的关系,研发投入受到持续补助的影响,且存在滞后效应。宋佳丽[]于2019年通过对2012-2018年医药制造业公司进行分析,研究发现:研发投入的增加会有利于制药企业绩效的升高,且存在一定的时滞性,XX补助对研发绩效的产生起正向调节作用,分组回归发现在对不同规模和不同性质的企业影响不同。刘诚达[]以2012—2016年制造业上市单项冠军企业为研究对象,分析表明研发投入对企业绩效的影响均存在显著的双门槛效应,其中当以员工总数和销售收入为门槛规模变量时,研发投入对企业绩效的促进作用随着企业规模的增长呈逐渐增强趋势,在以资产总额为门槛规模变量时,企业规模处于第二门槛区间的企业的研发活动最有效率,然而,随着资产总额进一步增加却给企业绩效带来不利影响。冯套柱[]等选取创业板信息技术服务业上市公司数据进行分析发现:绩效会随着企业研发投入的增加而升高。李绍亭、周玉玺[]则通过研究发现:在前期,研发投入会对绩效产生正向影响作用,但这种作用在不同行业之间差异比较明显。刘大鹏[]等采用CDM三阶段创新模型,对2017年A股上市公司的截面数据进行分析发现:在非制造业企业中,企业创新产出对成长性绩效具有负向影响作用,但无论是制造业还是非制造业,研发人员投入均能有效促进企业绩效的提高。张复生、张力生和王晓雪[]以2013-2016年沪深A股上市企业为样本,研究发现当企业内部控制做得较好时,内部控制会对R&D投入对企业绩效的正向影响进行调节,这种积极影响会被强化。胥朝阳,赵晓阳和王晨晨[]通过研究12—16年A股战略性新兴产业企业为研究对象,研究发现:研发投入与企业绩效显著正相关,且具有一定的滞后效应,在高融资约束企业中,这种积极影响会得到强化。
但也有观点与上述观点不同,认为他们之间并不存在线性关系,甚至有学者认为二者之间呈负相关。Oswald[]通过研究英国的高技术企业指出:这两者之间并不相互影响。Dan[]等通过实证检验发现,研发资金的投入并不一定带来企业绩效的提高,相反还可能导致企业经营绩效的降低。吴军香[]等通过对高新技术业上市公司进行实证研究发现:在不同行业之间企业研发支出与公司经营绩效的关系差异较为显著,有的企业研发投入增加能够显著提高公司绩效,有的则反而导致公司绩效下降。
2.4文献述评
总的来说,就研发投入来说,主要是研究其影响因素,包括内部因素和外部因素;而就企业绩效来说,则主要集中在其影响因素、管理及评价等方面;就两者的关系方面,由于受到取样因素以及环境因素的影响,得到的结果也不尽相同,但大部分的研究表明研发投入将会使公司的绩效上升。也有少部分学者有不同的观点,认为研发投入不会对企业的绩效产生影响或者认为他们的关系应为负相关。
但是无论国外还是国内,有些是针对某一地区,有些是针对某一板块,例如创业板、中小板等,并据此展开研究,但在数据上可能会有些陈旧。因此本文就这二者之间的关系使用最新的数据展开我们的探讨与分析,希望能够对行业的发展提供一些参考和建议。
3.理论基础及研究假设
3.1相关理论基础
3.1.1技术创新理论
熊彼特在《经济发展理论》一书中首次提出了具有开创性的技术创新理论,他认为创新不仅是一种理念,还代表着一种不断向前、追求卓越的运行机制。技术创新是实现经济增长的能量站,企业亦是如此,应当根据市场的变化,把握市场需求,进行企业的创新研发活动。企业通过技术创新活动,改进产品的质量或者改变工艺流程,进而实现在该行业占据领头羊的位置,引领行业的发展,企业也因此而能够获取超额利润,实现企业的社会价值。
3.1.2核心能力理论
核心能力理论是由X学者普拉哈拉德和英国学者哈默共同提出的,他们认为核心能力是企业在它自身进行发展的时候产生的,是与其他企业都不相同的、独有的能力。另外,核心能力也是企业价值的代表,当一个企业具有核心能力时,也就具有了吸引消费者的核心竞争力,使得企业可以在行业中脱颖而出,更好地实现其价值。企业还可以利用核心能力,发展周边一系列的相关产品和服务,使得企业能够拓宽其业务领域,拥有更大的竞争力。而研发创新活动一般被认为是企业核心能力的来源,只有通过研发创新,才会产生新的产品或者新的生产方式等,为企业带来核心竞争力。
3.2研究假设
根据之前提到的“技术创新理论”以及“核心能力理论”,我们知道了技术创新对于一个企业的重要性,而信息技术业作为一个技术发展更为迅速的行业,创新能力更是其从众多公司中脱颖而出的关键。当然,要增强创新能力,就必然要进行研发活动,才有可能会实现技术创新。只有通过技术创新进行长期的积累和改进,实现产品质量的提高或者使得产品成本降低,从而有助于提高其经济效益,实现公司绩效水平的提升,据此提出以下研究假设:
H1a:信息技术业研发资金投入强度对企业当期绩效具有显著的积极影响;
H1b:信息技术业研发人员投入强度对企业当期绩效具有显著的积极影响。
但是,我们也都知道,企业研发具有不确定性,周期也相对较长,而且成果转化往往也需要很长时间,因而在研发刚开始进行时可能无法在当年立即就表现出明显的效果,而是在一段时间后才能够为企业带来收益,进而影响到企业的绩效,本文通过梳理现有的相关研究,提出以下研究假设:
H2a:信息技术业研发资金投入强度对企业绩效的影响具有显著的滞后效应;
H2b:信息技术业研发人员投入强度对企业绩效的影响具有显著的滞后效应。
4、研究设计
4.1样本选择与数据来源
4.1.1样本选择
本文选取2014-2019年我国沪深证券交易所A股上市的信息技术业上市公司的数据开展我们的研究,除去财务数据缺失以及被ST的公司,最终筛选出76家,作为本文的研究样本。
4.1.2数据来源
本文涉及到的与研发投入有关的数据通过手工从年报中收集得到,企业其他财务数据等均则来自CSMAR。在样本选择上,本文主要选取14-19年的公司年度数据进行研究。本文的数据处理及分析均采用Stata14.0进行。
4.2变量选取及定义
4.2.1被解释变量
在之前的研究中,企业绩效主要有两种衡量方式:一是企业价值指标,其中被广泛使用的主要是托宾Q值,来代表企业绩效水平;二是企业财务方面的指标,现有的文献中主要使用ROA(总资产收益率)、ROE(净资产收益率)等来衡量企业绩效。基于我国目前的金融市场发展状况,虽然随着资本市场的逐渐发展,我国逐渐设立了中小板、创业板、科创板市场,但目前资本市场机制仍然不够成熟,和西方相比还存在较大的差距,而托宾Q值的使用需要具有高效率的市场,在我国目前市场效率还有待提高的前提下,使用托宾Q值可能会使结果失真,因此,本文选用ROA来作为因变量。
4.2.2解释变量
关于研发投入强度的指标主要细分为两部分:投入到研发项目中的资金和参与研发活动的员工数。不过考虑这些上市企业之间规模差异可能较大,采用绝对值指标则可比性较差而不具有说服力,因此这里均采用相对值指标,即研发投入占比和研发人员占比。
4.2.3控制变量
本文在参考已有文献后,采用以下变量作为本文的控制变量进行实证研究:
(1)企业规模(Size)。不同规模大小的企业之间存在着显著差异,规模较大的公司会有更多的现金流,用来进行研发创新的资金和人员的投入也会有所不同,那么研发成果给企业带来的经济效益也会不同。因此本文来在选择控制变量时决定采用企业规模。
(2)企业成长性(Growth)。一个公司虽然有大量的现金流,但如果不具有成长性,那么终将也会被市场淘汰,而企业的成长性又在很大层面上要依靠企业的不断研发创新,使得企业具有较强的成长性,进而也会促进企业绩效的增长。
(3)总资产周转率(TAT)。从总资产周转率可以看出企业的经营状况,总资产周转率的提高会使得资产的利用效率升高,也就能更大地发挥出资产的价值,使得公司具有更高的绩效。
(4)年度虚拟变量(Year)。为了避免不同年份企业内外部环境对研究可能产生的影响,本文在建立回归方程时将年份虚拟变量也放在里面。例如以2019年度为基准,当年度为1,否则为0。
研究变量的定义及说明如表4-1所示。
表4-1 变量定义及说明
变量类型 | 变量名称 | 变量
代码 | 变量取值方法或说明 |
被解释变量 | 企业绩效 | ROA | 净利润/平均资产总额 |
解释变量 | 研发资金投入强度 | RDI | R&D投入/营业收入 |
研发人员投入强度 | RDP | 研发人员总数/员工总数 | |
控制变量 | 企业规模 | Size | 资产总额的自然对数 |
企业成长性 | Growth | 本年增加的营业收入/上年营业收入 | |
总资产周转率 | TAT | 销售收入/平均资产总额 | |
年度虚拟变量 | Year | 取值为0或1,当年为1 |
4.3模型建立
根据前文所述,通过建立以下多元回归模型进行研究。根据之前我们已知的理论以及进行的探讨和分析,构建出如下模型:
模型 1,研究研发资金投入强度对当期绩效产生的影响:
ROA=β0+β1RDI+β2Size(i,t)+β3Growth+β4TAT+β5∑Year+ε
模型 2,研究研发人员投入强度对当期绩效产生的影响:
ROA(i,t)=β0+β1RDP+β2Size(i,t)+β3Growth+β4TAT+β5∑Year+ε
模型 3,研究研发资金投入的滞后性影响:
ROAt+k=β0+β1RDIt+β2Sizet+β3Growtht+β4TATt+β5∑Year+εt
模型 4,研究研发人员投入的滞后性影响:
ROAt+k=β0+β1RDPt+β2Sizet+β3Growtht+β4TATt+β5∑Year+εt
其中β0代表常数项;β1,β2,β3,β4,β5代表各因素对应的系数,ε代表随机误差。t代表年度,k的取值为1,2,3。
5、实证结果分析
5.1描述性统计
表5-1 描述性分析表
变量 | 样本量 | 均值 | 标准差 | 最小值 | 最大值 |
ROA | 391 | 0.0446 | 0.0879 | -0.7255 | 0.3026 |
RDI | 391 | 0.1227 | 0.0859 | 0.0071 | 0.5749 |
RDP | 381 | 0.3889 | 0.1845 | 0.0509 | 0.9171 |
Size | 391 | 21.9483 | 0.8513 | 19.7961 | 24.6810 |
Growth | 391 | 0.2763 | 0.6709 | -0.7766 | 9.2771 |
TAT | 391 | 0.5090 | 0.2257 | 0.0700 | 1.2143 |
如表5-1所示,我们可以发现:从企业绩效的指标来看,信息技术业的ROA最大达到0.3026,而最小为-0.7255,平均值为0.0446,标准差为0.0879,说明有亏损的企业也有盈利的企业,不过总体来说,还是盈利的占多数,但我们仍然可以发现即使处于同一行业,不同企业之间还是存在着显著差距。
从研发投入的指标来看,研发资金投入力度最大达到57.49%,最小仅为0.71%,标准差为0.0859,根据之前提到的5%的标准,那么从这个角度来说,信息技术业的研发资金投入力度总体上还是较高的,最高达到了57.49%,,但最低的仅为0.71%,说明不同企业之间研发经费投入的差异也是很大的,这也体现了这些企业对于研发创新活动的重视程度的差异。而研发人员占企业总员工的比例最多达到91.71%,而最低仅为5.09%,平均值为38.89%,标准差为0.1845,情况与研发资金投入情况类似,研发人员投入的差距也比较明显。
从有关控制变量的指标来看,首先是公司规模,从上面的统计中我们可以看出,企业规模的最大值与最小值之间仅相差4.89,说明上市企业的公司规模没有太大的差别,然后是企业成长性指标,该指标的均值为27.63%,标准差也仅为0.6709,可以看出总体上信息技术业的未来的发展潜力是比较大的。对于总资产周转率,其均值为50.90%,说明该行业公司的经营状况良好。
5.2相关性分析
表5-2 相关性分析表
ROA | RDI | RDP | Size | Growth | TAT | |
ROA | 1 | |||||
RDI | 0.009* | 1 | ||||
RDP | 0.117* | 0.339*** | 1 | |||
Size | -0.142** | -0.145*** | 0.010 | 1 | ||
Growth | -0.008 | -0.062 | -0.009 | 0.082 | 1 | |
TAT | 0.010 | -0.517*** | -0.016 | 0.150*** | 0.167*** | 1 |
*p< 0.1, **p< 0.05, ***p< 0.01
如表5-2相关性分析表中所示,我们可以看出:研发资金投入强度(RDI)和研发人员投入强度(RDP)与企业绩效(ROA)都在0.1的水平上显著正相关,说明研发资金的投入和研发人员的投入都能够对企业绩效产生显著的正向作用,这也从侧面检验了我们之前所做的假设H1a、H1b。而且从中我们可以看到自变量RDI与RDP在0.01的水平上显著相关,说明自变量之间存在自相关性,也正是因此,我们在建立模型的的时候选择分别对RDI、RDP进行回归,以避免对研究结果的影响。
5.3回归分析
5.3.1当期影响的回归分析
为检验本文的假设H1a、H1b正确与否,通过之前建立的模型1、模型2分析得到的结果如表5-3所示:
表5-3 模型1、模型2回归结果
变量名称 | 模型1 | 模型2 |
ROA | ROA | |
RDI | 0.140** | |
(2.55) | ||
RDP | 0.0532** | |
(2.31) | ||
Size | 0.00515 | 0.00543 |
(0.96) | (0.97) | |
Growth | 0.0171*** | 0.0163** |
(2.67) | (2.51) | |
TAT | 0.0787*** | 0.0593*** |
(3.61) | (2.97) | |
cons | -0.129 | -0.124 |
(-1.06) | (-0.98) | |
Year | 控制 | 控制 |
N | 391 | 381 |
adj. R2 | 0.138 | 0.138 |
t statistics in parentheses
* p < 0.10, ** p < 0.05, *** p < 0.01
根据表5-3,我们可以发现:研发资金投入强度的回归系数为0.140,而且通过了水平为0.05的显著性检验,说明信息技术业研发资金投入强度与当期企业绩效之间存在着正相关关系。再来看研发人员投入,研发人员投入强度的系数为0.0532,也通过了水平为0.05的显著性检验,说明研发人员投入强度对当期企业绩效产生了显著的正面作用,即增加研发人员的投入,将会有利于提升企业当期的绩效,假设H1a、H1b得到验证。
5.3.2滞后效应的回归分析
为验证本文的假设H2a,即检验研发资金投入强度对企业绩效在时间上的滞后效应,依据模型3对数据进行回归分析,得到的结果如表5-4所示:
表54 模型3回归结果
变量名称 | 模型3 | ||
ROA1 | ROA2 | ROA3 | |
RDI | 0.0791 | 0.0347 | 0.0157 |
(1.40) | (0.59) | (0.22) | |
Size | -0.00731 | -0.0129** | -0.00934 |
(-1.32) | (-2.20) | (-1.32) | |
Growth | -0.000296 | -0.0000972 | -0.000150 |
(-0.58) | (-0.19) | (-0.27) | |
TAT | 0.0687*** | 0.0420* | 0.0122 |
(3.22) | (1.96) | (0.49) | |
cons | 0.155 | 0.297** | 0.235 |
(1.26) | (2.31) | (1.52) | |
Year | 控制 | 控制 | 控制 |
N | 408 | 402 | 326 |
adj. R2 | 0.095 | 0.084 | 0.059 |
tstatistics in parentheses
*p< 0.10, **p< 0.05, ***p< 0.01
在表5-4中,以2014年RDP为例,ROA1、ROA2、ROA3则分别代表相应地为2015年、2016年、2017年的ROA,我们能从上表中观察到,在模型3中,RDI的系数分别为0.0791、0.0347、0.0157,系数随着滞后期的延长而递减,而且不显著,所以我们可以知道研发资金投入强度对绩效的作用在滞后性上并不明显,因此假设H2a不成立。
同样地,为验证本文的假设H2b,根据模型4对数据进行回归分析,得到的结果如表5-5所示:
表55 模型4回归结果
变量名称 | 模型4 | ||
ROA1 | ROA2 | ROA3 | |
RDP | 0.0249 | 0.0204 | 0.0663* |
(1.00) | (0.68) | (1.67) | |
Size | -0.00714 | -0.0137* | -0.00821 |
(-1.12) | (-1.71) | (-0.75) | |
Growth | 0.00752 | 0.00758 | -0.00746 |
(1.10) | (0.71) | (-0.59) | |
TAT | 0.0617*** | 0.0444* | 0.0147 |
(2.92) | (1.76) | (0.46) | |
cons | 0.153 | 0.310* | 0.156 |
(1.08) | (1.76) | (0.66) | |
Year | 控制 | 控制 | 控制 |
N | 360 | 284 | 208 |
adj. R2 | 0.099 | 0.070 | 0.028 |
tstatistics in parentheses
*p< 0.10, **p< 0.05, ***p< 0.01
在上表中,ROA1、ROA2、ROA3代表的意义与上面相同,从表5-5中我们可以发现:RDP在模型中对应的系数分别为0.0249、0.0204、 0.0663,但只有在滞后三期时通过了水平为0.1的显著性检验,说明了研发人员投入力度对企业绩效提高的滞后性影响较为明显,H2b得到了支持。不过从时间上来看,说明研发人员的滞后影响是相对较为长期的。
5.4稳健性检验
为了确保研究结论的稳定性和可靠性,本文采用上下1%缩尾的方法对相关连续变量进行处理,然后重新对H1a、H1b、H2a、H2b进行了实证检验,分析结果如表5-6、表5-7、表5-8所示,回归结果和之前的基本一致,说明本文所得出的研究结论是具有说服力的、是经得起考验的。
表5-6 模型1、模型2的回归结果
变量名称 | 模型1 | 模型2 |
ROA | ROA | |
RDI | 0.144*** | |
(2.93) | ||
RDP | 0.0474** | |
(2.35) | ||
Size | 0.00666 | 0.00672 |
(1.40) | (1.35) | |
Growth | 0.0442*** | 0.0428*** |
(4.48) | (4.22) | |
TAT | 0.0704*** | 0.0499*** |
(3.72) | (2.89) | |
cons | -0.163 | -0.150 |
(-1.52) | (-1.34) | |
Year | 控制 | 控制 |
N | 381 | 391 |
adj. R2 | 0.180 | 0.184 |
tstatistics in parentheses
表57 模型3的回归结果
变量名称 | 模型3 | ||
ROA1 | ROA2 | ROA3 | |
RDI | 0.0828 | 0.0466 | 0.0356 |
(1.48) | (0.90) | (0.55) | |
Size | -0.00859 | -0.00973* | -0.00805 |
(-1.56) | (-1.91) | (-1.27) | |
Growth | 0.0202* | 0.00373 | -0.00993 |
(1.88) | (0.39) | (-0.91) | |
TAT | 0.0625*** | 0.0464** | 0.0242 |
(2.91) | (2.51) | (1.09) | |
cons | 0.182 | 0.223** | 0.199 |
(1.49) | (1.98) | (1.44) | |
Year | 控制 | 控制 | 控制 |
N | 408 | 402 | 326 |
adj. R2 | 0.102 | 0.100 | 0.075 |
tstatistics in parentheses
表5-8 模型4的回归结果
变量名称 | 模型4 | ||
ROA1 | ROA2 | ROA3 | |
RDP | 0.0261 | 0.0128 | 0.0587* |
(1.23) | (0.51) | (1.67) | |
Size | -0.00363 | -0.00845 | -0.0177** |
(-0.65) | (-1.22) | (-2.04) | |
Growth | 0.0243** | -0.00443 | -0.0228 |
(2.33) | (-0.33) | (-1.37) | |
TAT | 0.0605*** | 0.0545** | 0.0365 |
(3.37) | (2.56) | (1.30) | |
cons | 0.0710 | 0.193 | 0.373** |
(0.58) | (1.27) | (2.03) | |
Year | 控制 | 控制 | 控制 |
N | 360 | 284 | 208 |
adj. R2 | 0.134 | 0.090 | 0.027 |
tstatistics in parentheses
6、结论及建议
6.1研究结论
本文以我国目前发展较为迅速、具有良好前景的信息技术业A股上市公司作为研究对象,研究发现:处于在该行业中的企业,不论是从资金投入来看还是从人员投入来看,企业之间的差异都较大,说明部分企业对其的重视程度仍有待提高。另外我们通过上面的探讨可以发现:信息技术业上市公司的研发投入有利于企业绩效的提高,不过在研发投入转化为我们可运用的新型技术、再借助该种新型技术为企业带来更高的利润的过程中,存在时间上的滞后性,其中研发资金投入对后期的绩效产生的作用并不显著,相比较而言,研发人员投入强度的作用则比较明显。
产生这种结果的原因可能在于:信息技术业是一门新兴产业,在对研发资金投入转化为企业绩效方面具有高效性,从而使得研发资金投入强度未表现出对企业绩效影响的滞后效应。而在高新技术企业,新引进的人员往往需要进行专门的培训,以及在平时的工作中不断汲取经验,才能更好地为企业带来价值,这就需要企业在前期付出大量的人力成本和时间成本,这也使得研发人员投入对企业绩效的影响在几年后才表现出来。
6.2相关建议
(1)增加研发资金的投入并合理安排投入的进度
从之前的分析中我们可以发现,这几年来我国信息技术业上市公司研发投入强度的整体水平虽然不算太低,但企业之间差异还是比较大的,仍有很大的进步空间。因此,企业通过增大对研发创新活动的投入,可以一直为企业创造新的价值,实现企业取得长远的发展。另外,在投入的进度方面,尽量在研发项目的前期进行更多的投入,这样会使得对绩效的提升效果更好。
(2)引入大量研发人员形成专业团队进行创新
公司可以通过招聘等渠道,吸收更多的专业人员,投入到企业的研发活动中来,组建成一个核心团队,全心投入于企业的研发活动之中,使企业能够因此而拥有与其他企业相竞争的有力武器,使自己始终位于行业的领先地位,实现企业更高的经济效益。
参考文
[1]Kyeong-Seop (KS) Choi. National culture and R&D investments[J]. The European Journal of Finance,2020,26(6).
[2]Bojan Lalic,Tanja Todorovic,Nenad Medic,Branislav Bogojevic,Danijela Ciric,Ugljesa Marjanovic. The Impact of Inter-Organizational Cooperation on R&D Expenditure of Manufacturing Companies[J]. Procedia Manufacturing,2019,39.
[3]Zhao Rong,Jinlan Ni. How do housing cycles influence listed firms’ R&D investment: evidence from the collateral channel[J]. Economics of Innovation and New Technology,2020,29(3).
[4]张振伟,刘云.软件与信息企业研发投入影响因素研究[J].科研管理,2017,38(09):52-59.
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“文章版权申述”(推荐),也可以打举报电话:18735597641(电话支持时间:9:00-18:30)。
2、网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
3、本站所有内容均由合作方或网友投稿,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务。
原创文章,作者:1158,如若转载,请注明出处:https://www.447766.cn/chachong/133713.html,