企业科技创新对企业绩效的影响分析——中国创新型企业的实证研究

顾国爱

（北京物资学院 劳动科学与法律学院，北京 101149）

一、引 言

我国对科技发展非常重视，提出了建设创新型国家的战略目标，我国的科技实力在近几年也在快速成长。我国的研发投入持续增长，2010年研发投入强度达到了1.75%（见图1），2010年中国R&D经费支出6980亿元，按汇率折算在美国、日本之后，位居世界第三位，是1991年的49.3倍，年均增长22.8%。2010年，参与R&D活动的人员达到354.2万人，位居世界第一。近年来，中国专利的申请量和授权量持续增长（见图2），并从2004年开始增速迅速加快，2006—2010年，中国国内发明专利申请数量达到145.1万件，是十五时期总量的2.6倍。同时，企业创新的主体地位不断体现，企业申请的专利大约占到国内职务发明总量的八成，企业R&D经费支出占全社会R&D经费支出的70%以上。但另一方面，2010我国在瑞士洛桑国际管理学院公布的国际竞争力排名中仅为第18位，其中一个主要原因是我国科技水平相对落后，经济增长中的创新贡献不足，我国仍旧被归为“非核心创新经济体”[1]。

科技对经济的影响成为了重要的研究课题。我国科技实力的增长是否促进了经济实力的增强，作为创新主体的企业，创新是否已经成为其生存发展的重要途径？对此，我国目前的研究主要从国家宏观层面和区域经济的视角进行[2-3]，本文选择从企业微观层面上分析企业科技创新对企业绩效的影响，研究企业科技的研发活动和研发成果是否能提高企业业绩。

图1 1996—2010年中国的R&D占GDP比重

结构方程模型是一个综合分析多个自变量与多个因变量之间关系的验证性分析技术，它的优势表现在既综合了路径分析和回归分析，又允许误差存在，更重要的是观测变量和潜变量的设计，使评价更符合实际和准确[4]。结构方程模型包括2类变量，潜变量与观测变量。潜变量是实际工作中无法直接测量的变量，包括比较抽象的概念，以及由于种种原因不能准确测量的变量。观测变量是可直接测量的变量，用来反映某一潜变量。潜变量又进一步分为2类，内生潜变量和外生潜变量。内生潜变量是会受到其他潜变量影响的潜变量，外生潜变量是指只影响其他潜变量，而不受其他潜变量影响的潜变量。结构方程模型的基本形式包括2部分，结构方程和测量方程。结构方程反映潜变量之间的关系，测量方程反映观测变量与潜变量之间的关系。现在有很多结构方程的建模软件，如LISREL、AMOS等，可以直接计算出很多拟合的估计值。

图2 1996—2010年中国的专利申请量和授权量

本文选择中国创新型企业为实证对象，以企业技术创新理论为理论指导，利用结构方程模型软件AMOS对企业绩效建模，具体分析企业科技创新对企业绩效的影响因素和影响程度，并据此对提升中国创新型企业的绩效提出管理建议。

二、样本及数据

本文以我国国家级创新型企业及试点企业为研究样本。这一研究对象对研究创新对企业绩效的影响具有代表性，因为该对象具备以下优势：第一，创新型企业一般都属于高新技术产业，创新对这类产业的发展至关重要；第二，创新型企业是创新能力强、拥有自主知识产权的核心技术，整体技术水平在同行业居于先进地位的企业；第三，国家级创新型企业是国家科技部、国资委、全国总工会共同认定，这是政府以其公信力认定的企业。

对于数据采集和收集说明以下三点：第一，本文选择企业2010年经营的数据为实证数据，因为2011年数据还未统计完成，所以2010年数据是可以取得的最近年度的数据；第二，目前，国家已经认定了三批国家级创新型企业，共154家企业，但样本量不足，为保证样本量，本文选择创新型企业和创新型试点企业，共461家企业。

三、潜变量及观测变量

结构方程模型是一验证性分析，因此需要先设定变量和模型。内生潜变量是企业绩效，包括企业的销售能力、盈利能力和对国家的贡献，所以设计了主营业务收入、净利润和上缴税费作为企业绩效的3个观测变量。外生潜变量为企业科技创新要素。根据投入产出的思想，本文设计了创新投入和创新产出2个外生潜变量。对于创新投入，从投入的人力、财力、物力分别衡量，设计了3个观测变量，即科技活动人员数、科技活动经费支出额和研发机构数。创新产出是创新成果，因为专利是创新成果的直接表现，主持或参与标准制定意味着企业具备高水平的技术，新产品的销售收入直接反映新产品的创新效果，所以用企业拥有专利数和新产品销售收入作为创新产出的3个观测变量。结构方程模型的潜变量和观测变量见表1。

表1 结构方程模型的潜变量和观测变量

四、结构方程模型

理论上，创新投入和产出都会对企业继续产生不同程度的影响，创新投入和产出之间也会产生影响，下面具体分析潜变量之间可能产生的影响，并据此提出模型假设。

假设1：创新投入对企业绩效有正向影响。

创新投入通常会带动强有力的研发，生产出有竞争力的产品，进而提升企业的销售和盈利能力[5]。较多的科技活动人员有利于形成有梯队的研发团队，越大强度的科技活动经费投入更有助于进行尖端和前沿的技术研发，大量的研发机构才有可能探索到不同的分支技术。所以提出假设1：创新投入对企业绩效有正向影响。

假设2：创新产出对企业绩效有正向影响。

高水平的研发成果更可能成功实现成果转化和产业化，产生良好的市场效果，产生收入和利润[6]。企业研发出更多的专利，说明企业的研发成果越多，可转化的创新源越多，主持或参与的标准越多，新产品创造的销售收入越高，说明企业产品的竞争力越强，企业绩效也可能更高。所以提出假设2：创新产出对企业绩效有正向影响。

假设3：创新投入对创新产出有正向影响。

一个地区R&D经费投入越多，研究开发活动规模越大，研究开发成果数量越多，研发实力也就越强[7]。投入一般对产出都会有正向影响，所以提出假设3：创新投入对创新产出有正向影响。

根据假设3和表1的潜变量及其观测变量可构建企业科技创新对企业绩效影响的结构方程模型，见图3。图中εxij表示xij的测量误差，εyi表示yi的测量误差，ζ1表示η的系统误差，ζ2表示ξ2的系统误差。

图3 企业科技创新对企业绩效影响的结构方程模型

五、分析过程及结果

结构方程通过AMOS 7.0建模分析。为了使结构方程模型可识别，本文通过固定部分变量间的路径系数来减少待估计参数数量，包括设置λx13、λx23、y1的负荷系数为1。相应的，这些变量也没有P检验值。经模型拟合发现，模型整体拟合效果较好（表2），所有系数的P值均通过检验，可认为该模型为最优模型。

表2 模型整体拟合指标值

表3汇总了潜变量的标准路径系数①和P值，分别表明了潜变量之间的标准影响程度和统计上的显著性水平。根据P值可以看出，ξ1、ξ2对η路径系数，以及ξ1对ξ2路径系数的P值小于0.01，说明这三个数值在0.01的置信水平上显著，以很高的质量通过检验。

表3 潜变量的标准路径系数和P值

表4汇总了观测变量的标准负荷系数和P值，分别表明了各观测变量对潜变量的标准影响程度及其显著性水平。可以看出，所有P值均小于0.001，即在0.001置信水平均为正确，说明负荷系数同样以非常高的质量通过检验。此外，虽然文章没有列示细节，但是拟合结果也表明，变量和误差的方差也在0.005置信水平上显著，除了y3方差估计值的P值是0.002，其他方差的P值均小于0.001。

表4 观测变量的标准负荷系数和P值

六、结果讨论

最优模型的结果表明，3个假设均通过验证。现在通过潜变量的路径系数，具体分析潜变量之间的影响。第一，创新投入对创新产出有非常高的正向影响。ξ1对ξ2的标准路径系数达到0.885，说明两者的相关性很高，通过研发机构的建立、研发人员的培养、研发经费的投入，企业有更大的可能性提高创新能力，获得创新成果。第二，创新投入和创新产出对企业绩效都有重要的正向影响，且创新投入略大于创新产出对企业绩效的影响。结构模型的结果表示，创新产出对企业绩效的标准路径系数为0.448，创新投入对企业绩效的影响分为两部分，一部分是直接影响，标准路径系数为0.196，另一部分是经由创新产出的间接影响，影响的路径系数为0.885×0.448=0.396，共计0.592。

每一类科技创新因素对企业绩效的影响可以通过路径系数得到，但是每类因素中还包括多个观测变量，它们衡量了潜变量的不同侧面，因此可以通过观测变量的负荷系数再进一步分析其重要程度。第一，在创新投入的影响因素中，科技经费投入和科技活动人员更为重要。科技经费投入和科技活动人员的标准负荷系数分别是0.835和0.775，而研发机构数的标准负荷系数只有0.564，远小于另外两个因素的影响。第二，在创新产出的影响因素中，企业拥有专利数和新产品销售收入的影响程度更大，它们的标准负荷系数分别是0.846和0.719，而主持或参与的标准数的标准负荷系数只有0.538，相比较其他两个因素，影响程度较小。第三，在企业绩效的因素中，上缴税费和主营业务收入的负荷系数略大于净利润，这说明创新对前两者的正向影响略大于利润。

七、研究结论与相关建议

本文以国家创新型企业为实证对象，通过构建结构方程模型，系统全面地分析知识经济中企业创新对企业绩效的影响。研究结果表明，创新产出对企业绩效有重要的正向影响，尤其是其中的企业拥有专利数和新产品销售收入；创新投入对企业绩效有更重要的积极影响，尤其是其中的科技经费投入和科技活动人员；创新的投入与产出直接也有非常明显的正向作用。这提示了重视企业创新、发挥创新对绩效提高的重要作用。第一，要充分重视创新投入的重要性，着重培养高素质的创新人才，并加大研发投入，以研究创新成果。第二，创新投入更多的需要经由研发成果和成果转化，提升企业绩效，所以要引导创新投入更多的研发专利和新产品。

[注 释]

① 标准化回归系数的估计值称为标准系数，包括标准路径系数和标准负荷系数。标准系数是原系数的Z分数，它消除了指标的量纲影响，可用作指标间的作用比较。Z分数的计算方法是：Z=（X-M）/σ，其中，Z 表示标准路径/负荷系数，X是路径/负荷系数，M是路径/负荷系数的均值，σ是路径/负荷系数的标准差。

[1]徐欣，唐清泉.R&D活动、创新专利对企业价值的影响[J].研究与发展管理，2010，22（4）：20-29.

[2]安同良，施诰，Ludovico Alcorta.中国制造企业R&D行为模式的观测与实证[J].经济研究，2006，（2）：21-30.

[3]吴延兵.R&D与生产率[J].经济研究，2006，（11）：60-70.

[4]李永强，何永，李清政.结构方程模型在城市营销研究中的应用[J].中国软科学，2007，（4）：109-117.

[5]梁莱歆，张永榜.我国高新技术企业R&D投入与绩效现状调查分析[J].研究与发展管理，2006，18（1）：47-52.

[6]李剑力.探索性创新、开发性创新与企业绩效关系研究[J].科学学研究，2009，27（9）：1418-1427.

[7]池仁勇，唐根年.基于投入与绩效评价的区域技术创新效率研究[J].科研管理，2004，25（4）：23-27.