政治关联、R&D与企业创新绩效——基于高新技术企业面板数据

张鹏凯

(安徽财经大学 会计学院，安徽 蚌埠 233030)

政治关联、R&D与企业创新绩效
——基于高新技术企业面板数据

张鹏凯

(安徽财经大学 会计学院，安徽 蚌埠 233030)

基于社会资本理论、高阶理论与资源基础观，提出研发投入在高管政治关联作用于企业创新绩效过程中具有中介效应。通过实证研究，利用2007～2014年高新技术上市公司面板数据对理论假设进行检验，结果表明，高管政治关联与企业创新绩效显著负相关；研发投入对企业创新绩效产生积极影响；高管政治关联对研发投入具有消极影响；研发投入在高管政治关联与企业创新绩效关系间的中介效应得到支持。作用机理在于：高管政治关联减少了企业研发投入，研发投入是提升企业创新绩效的必要因素。研究结论对于合理利用政治关联，提升企业创新绩效具有启示作用。

政治关联；研发投入；创新绩效；高新技术企业

高管的政治关联作为联系企业和政府之间的纽带，究竟会对企业产生什么影响？广泛的关注并没有形成统一的观点。有的学者认为高管的政治关联能够提升企业业绩，因为其能够为企业带来稀缺的社会资本。[1]但是，有学者认为高管政治关联不一定能够促进企业业绩增长，因为政治关联会为企业带来额外负担，如为政府GDP的增长而进行的低效率重组并购、降低失业率等。[2]上述多数研究主要集中于高管的政治关联对于企业运营绩效以及经济绩效的影响，对企业创新绩效的研究不足。在我国着力成为创新型国家的背景之下，技术创新是国家战略的重中之重。那么，高管的政治关联对于企业技术创新绩效有着什么样的影响？影响机制在哪里？

本文以高阶理论、资源基础观为基础，探讨高管政治关联、研发投入以及企业创新绩效三者之间的关系以及内在机理。遵循高阶理论“高管特征——战略抉择——公司业绩”的研究框架，同时联系资源基础观关于资源独特性的观点，提出高管政治关联通过研发投入影响企业创新绩效的中介模型。考虑到高新技术企业作为我国实施创新战略的排头兵，具有创新的特点，笔者以我国高新技术上市公司为研究样本，进行实证检验。

一、理论演绎与假设提出

1.政治关联与企业创新绩效

高管的政治关联是企业高管个人的背景特征。企业创新绩效是企业关于创新行为投入产出取得的成果。现有的研究成果证实，高管的背景特征会对企业绩效产生重要影响[3]。同时，基于高阶理论，我们知道高层管理人员的个人特征能够通过战略决策的制定对企业的绩效产生影响。因而，高管政治关联作为高层管理人员的一种背景特征，影响高层管理人员的信息选择和战略决策的制定，进而影响企业创新绩效。政治关联建立的目的最终在于获取政府以及政府官员所能够提供的各种稀缺资源与便利。根据社会资本理论，我们应该注意到，外部社会资本所具有的双重性质，即企业依据高管政治关联获取政府各种资源和便利的同时，也面临着维系政治关联所产生的成本，其中包括被政府“嵌入”的风险以及政府或者政府官员对企业决策所进行的干预，这些可能对企业创新思维产生消极影响[4]，从而对企业创新绩效产生消极影响。因此，本文提出如下假设：

H1：高管政治关联对于企业创新绩效具有消极作用。

2.政治关联与企业研发投入

企业的高管参与战略决策的制定，对于企业资源的分配具有决定性的影响，显然，对于研发投入决策也具有显著影响。高管政治关联对企业研发投入的影响有两个方面：一是对于获取的资源是否进行研发投资产生影响；二是对于研发应投入多少资源产生影响。首先，企业通过政治关联获得的资源，通常具有配置社会资源的作用，因而往往投向政府管制行业以及一些“短、平、快”的项目，快速获利，从而会抑制企业将资源投向那些具有高社会效益、见效慢、投资周期长、风险大等特性的研发项目。[5]其次，高管政治关联对于弹性研发投入部分会产生影响。企业的研发投入基本上分成两部分：一是企业制度规定的固定研发投入部分；二是根据企业的发展环境而变化的弹性研发投入部分。由于企业会受到外部短期业绩预期的影响，尤其是政治关联企业受政府预期的影响更甚，政治关联高管在风险厌恶和自利动机的驱使下，会倾向于做出减少研发投入的决策。[6]拥有政治关联的高管由于存在对政府或政府官员的依赖，往往会对企业绩效预期抱以乐观态度，当对企业预期高于设定的目标时可能会降低研发投入。通过高管政治关联对研发投资以上两方面的影响，我们提出以下假设：

H2：高管政治关联对企业研发投入产生消极影响。

3.企业研发投入与企业创新绩效

研发投入是企业进行创新活动必不可少的输入资源。基于资源基础观，我们可知当研发投入资源具有稀缺性、难以模仿、难以替代以及有价值这些特征时，会更加有助于创新。[7]研发投入强度一定程度上表达了企业对于创新战略的承诺与重要性的坚定认识，同时也是一种对企业发展的主动搜寻与探索。作为创新活动的研发投入对于创新绩效具有很大影响。首先，充足的研发资金对于企业创新活动起着至关重要的作用，其有助于企业落实具有差异化性质的研发项目，从而促进专有性技术的产生。其次，企业对于研发人员的投资主要包括两个方面：一是对现有员工进行培训，提升企业的人力资源水平；二是吸收具有丰富经验和企业缺乏的高层次研发人员，从而不断扩大和积累企业知识资产。这两个方面都有助于创新活动的开展。再次，物质资源的投入是进行创新活动必不可少的硬件基础。各种研发设备、工具等物质资源的投入为企业的研发提供了必要的支持，对企业的技术创新产生积极的影响。这些投入充足的物质性资源有可能会形成资源冗余，而部分冗余资源的存在有利于提高企业的吸收能力，有助于创新。较高的研发投入强度可以促进研发投资组合的形成，从而有助于构造互补性资产结构，发挥协同作用，助推企业创新。因此，提出如下假设：

H3：企业研发投入强度对企业创新绩效产生积极影响。

4.企业研发投入的中介效应

研发投入是创新活动的重要基础条件，对于创新活动的成功与否具有至关重要的作用。同时，对企业的资源进行分配是企业高管工作的一部分，因此需要考虑高管个人特征对于资源分配的影响。一方面，基于高阶理论的研究框架，企业高层管理人员政治关联对于有关资源分配的战略抉择产生了影响，也不同程度地影响了创新资源的配置行为。进一步，基于资源基础观，企业拥有的独特资源可以维持和发展企业的竞争优势，其内在机理是企业拥有的独特资源提升了企业的生产效率。这也正说明，企业拥有的不同资源导致了创新差异。高管政治关联要想作用于企业的创新绩效，资源分配策略是必不可少的一个环节。而研发投入正是企业面向创新活动最关键的资源分配。研发投资是面向创新至关重要的资源分配，在社会资本与企业创新绩效之间具有桥梁作用。[8]因此，提出如下假设：

H4：研发投入强度在高管政治关联与企业创新绩效间具有中介效应。

二、研究设计

1.样本选取与数据来源

本文以我国高新技术上市公司为研究对象，剔除2007～2014年度间存在ST、PT情形的上市公司，最终得到411家高新技术上市公司作为本文的研究样本。

高管政治关联的数据主要来自国泰君安数据库(CSMAR)，从中获取高管的简历信息，借鉴巫景飞(2010)关于高管政治关联的计量方法，逐个对比编码，运用Excel进行统计整理，最终得到高管的政治关联等级数据。

创新绩效的数据来源可以拆分为专利申请数和总资产数据。总资产数据来源于CSMAR数据库，专利申请数来源于国家知识产权局——专利检索与分析。将查询的数据按年度归类进行统计，即可得专利申请数，用Excel整理后可得创新绩效数据。

对于研发投入度强度，可按如下公式计算：研发投入 = “预提费用”中研发投入(期末-期初) + “待摊费用”中研发投入(期末-期初) + “支付的其他与经营活动有关的现金”中研发投入(期末-期初) + “长期待摊费用”中研发投入(期末-期初)。其他变量的数据主要来源于CSMAR数据库，其中所在地区(ADD)主要根据樊纲等编制的《中国市场化指数:各地区市场化相对进程2011年报告》分类编制而得。本文的实证分析工具为Excel2007、Stata12.0。

2.变量设计

自变量为高管政治关联。借鉴巫景飞(2010)的研究，通过对董事长或总经理的信息进行编码处理，具体可以分为两个步骤。第一步，设置编码条目内容：1)是否曾经在政府任职。2)是否是人大代表或者政协委员。3)是否获得县级以上劳动模范、优秀企业家、先进个人等奖项。第二步：若董事长或者总经理信息符合条目内容则赋值为1，否则为0；逐个条目进行赋值；最后汇总求和，结果即为高管政治关联等级。[9]

因变量为企业创新绩效。运用专利申请量度量创新绩效的做法较为常见，原因在于专利是技术创新产出的主要形式[10]，同时专利申请比较容易获取。因此，本文使用专利申请数占企业总资产的比值作为创新绩效的度量指标。

中介变量为研发投入强度。研发资金投入在研发投入要素中占据主导地位，所以本文的研发投入强度指的是研发资金投入强度。研发投入强度反映了不同企业研发支出的相对程度，是研发投入受到企业规模调节后的表现，一般用研发费用占营业收入的比例来表示。所以，本文中的研发投入强度即是研发费用/营业收入。变量汇总见表1。

三、实证分析

1.描述性统计

从表2中，我们可以观测到，我国高新技术上市公司每百万资产专利申请数的算术平均值为11.35%，中位数为6.29%，这说明我国高新技术上市公司的创新绩效普遍偏低；创新绩效的最小值为0.0037%，最大值为146.22%，极差为146.218%，标准差为0.1582，这表明我国高新技术上市公司创新绩效极值之间的差距较大，但同时各公司之间离散度相对集中。公司高管政治关联算术平均为0.3959，中位数和极小值均为0，极大值为3，表明我国高新技术上市公司政治关联的存在较为普遍。研发投入强度算术平均值为5.788%，中位数为4.578%，说明高新技术公司的研发投入强度普遍较高，这突出了其高新技术企业性质；极小值为0.006%，极大值为72.56%，这说明了高新技术公司研发强度差距较大；标准差为5.144%，表明研发投入强度较为集中。

2.相关性检验和多重共线性检验

表3是各变量的pearson相关性检验结果。从表中我们可以观察到，各个变量之间具有一定的相关性，但是这种相关性普遍偏低，最大的为0.332，这说明从整体视角来讲，数据之间不存在较为显著的多重共线性问题。

注：表格内容为pearson相关系数；***，**，*分别代表在1%，5%，10%置信水平上(双侧)显著相关.

3.模型估计策略及选择

首先由于中介效应的检验需要控制变量和联立方程组模型相对一致，所以为了更有效地检验研发投入的中介效应，对于联立方程组需要选择统一的模型，本文我们需要以中介方程组为标准进行模型的筛选。其次，由于各个模型中不存在因变量的滞后项，所以我们首先排除动态面板模型，而需要从混合效应模型、固定效应模型和随机效应模型中选择其一。这时就需要进行F检验和Hausman检验。

山西省闻喜县已圆满完成了水利普查第一阶段的清查工作，12类普查对象空间数据采集与标绘工作已全部完成，并顺利完成普查静态数据和动态数据的预审与录入工作。两年的普查工作中遇到了许多问题，在处理中也得到一些启示。

运用stata12.0进行F检验，得到F检验的P值为0.000，所以拒绝原假设：F test that all u_i=0。接下来进行Hausman检验，输出结果为：Test: Ho: difference in coefficients not systematic chi2(7) = (b-B)’[(V_b-V_B)^(-1)](b-B)=10.54 Prob>chi2 = 0.1598，从输出结果可以得知P=0.1598 > 0.1，即原假设成立，存在随机效应，所以选用随机效应模型进行回归分析。同时经过Hausman检验后，也避免了解释变量与个体性效应之间存在的内生性问题。

4.回归检验

回归结果见表4。

模型(2)是关于高管政治关联与企业创新绩效之间关系的回归结果。实证分析结果显示，高管政治关联与公司创新绩效之间的回归系数为-0.0208，p值小于0.05，显著性水平为5%。这说明，对于我国高新技术公司而言，高管的政治关联等级的增加带来了公司创新绩效的下降，高管政治关联与创新绩效负相关，由此假设H1得到证实。高管政治关联与创新绩效之间关系显著，这也是后续进行中介效应回归的先决条件。

模型(3)是关于高管政治关联与研发投入之间关系的回归结果。实证分析结果表明，高管政治关联与研发投入强度之间显著负相关，两者回归系数等于-0.00376，p值小于0.05，在5%显著性水平上显著。这表明，高管的政治关联弱化了公司研发投入强度，假设H2得到证明，两者的回归结果对中介效应检验模型(模型(5))给予了有力支持。

模型(4)是关于研发投入强度与企业创新绩效之间关系的回归结果。研发投入强度(RD)与企业创新绩效之间的系数等于0.558，而且在1%水平上显著，这表明我国高新技术企业的研发投入强度每增加1%，每百万资产创新绩效则增加0.558%，两者之间显著正相关，假设H3得以证实。

注：z-statistics in parentheses *** p<0.01, ** p<0.05, * p<0.1.

表4报告了高管政治关联与公司创新绩效的中介效应回归分析结果。下面按照Baron和Kenny(1986)的方法，同时结合温忠麟(2014)中介效应检验流程进行中介效应分析[11][12]。检验流程为：第一步，检验因变量与自变量系数a1，若a1显著则进行第二步；若a1不显著则说明不存在中介效应；第二步，检验自变量与中介变量的系数b1以及中介变量与因变量的系数d2，若两者均显著则直接进行第四步，若两者中至多有一个显著则进行第三步；第三步，引入Bootsrap检验法检验b1、d2的乘积是否等于零，若显著则进行第四步，若不显著则说明不存在中介效应；第四步，检验自变量、中介变量、因变量均存在的方程中自变量的系数d1，若d1不显著则说明中介效应为完全中介效应，若d1显著则进行第五步；第五步，比较b1、d2的乘积与d1的符号，若同号则说明中介效应为部分中介效应，大小为(b1 * d2 / a1)，若异号则说明不是中介效应。

模型(1)作为基准模型,仅放入其他控制变量[13]。在控制影响公司创新绩效的主要控制变量的情况下，模型(2)反映了高管政治关联对企业创新绩效的影响。实证分析结果显示，高管政治关联与公司创新绩效之间的回归系数为a1 =-0.0208，p值小于0.05，显著新水平为5%。模型(3)显示了高管政治关联对公司研发投入强度的影响。实证分析结果表明，高管政治关联与研发投入强度之间显著负相关，两者回归系数等于b1 = -0.00376，p值小于0.05，在5%显著性水平上显著，这表明，高管的政治关联弱化了公司研发投入强度，同时两者的回归结果对中介效应检验模型(模型(5))给予了有力支持。在模型(5)中，对创新绩效的回归加入了公司研发投入强度，实证分析结果显示，研发投入强度与创新绩效之间的回归系数为d2 = 0.535，p值小于0.001，两者的显著性水平为1%。与此同时，研发投入强度这一变量的加入降低了高管政治关联对创新绩效的负面影响，使得两者之间的回归系数由-0.0208提升到-0.0178，而且两者之间显著性水平有所降低。由于此时高管政治关联对创新绩效仍具有显著作用，我们需要进行中介效应检验的系数比较，以防止依此回归方法可能出现的探测不到的遮掩效应，b1*d2 =(-0.00376)*(0.535)= -0.0020，与-0.0178同号，所以研发投入对高管政治关联和创新绩效具有中介作用，且中介效应的比例占总效应的比例为b1 * d2 / a1 = -0.0020 / -0.0208 = 9.67%，从而假设H4得以证实。

我们用滞后一年的净资产收益率(L1ROE)来替代滞后一年的总资产收益率(L1ROA)，对上述已验证的高管政治关联与企业创新绩效路径进行验证，回归结果见表5。

注：z-statistics in parentheses *** p<0.01, ** p<0.05, * p<0.1.

模型(6)是中介效应检验的基准模型，不含解释变量和被解释变量。

模型(7)是高管政治关联与企业创新绩效的回归结果。两者之间的系数a1 = -0.0202，而且在5%水平上显著。这说明高管政治关联与企业创新绩效之间显著负相关，假设H1依旧得到证实，模型通过稳健性检验。

模型(8)是高管政治关联与研发投入强度的回归结果。两者之间的系数b1 = -0.00398，而且在5%水平上显著。这说明高管政治关联对研发投入有消极影响，假设H2依旧得以证实，模型通过稳健性检验。

模型(9)是研发投入强度与企业创新绩效的回归结果。两者之间的系数等于d2 = 0.555，并且在1%水平上显著。这说明提高研发投入强度有利于企业创新绩效提升，假设H3依旧得以证实，模型通过稳健性检验。

模型(10)将研发投入强度纳入高管政治关联与企业创新绩效研究之中。在模型(10)中，高管政治关联与企业创新绩效之间的系数d1为-0.0173，在5%水平上显著。研发投入强度与创新绩效之间的系数d2 = 0.533，b1 * d2 = -0.00212，由此可见b1 * d2与d1同号，b1 * d2 / a1 = 10.5%，研发投入强度的中介作用显著存在，假设H4依旧得以证实，且中介效应占总效应的比例为10.5%，与原来的9.67%相差不大，模型稳健性检验通过。

四、研究结论与讨论

实证结果表明:高管政治关联负向影响企业创新绩效；研发投入能正向影响企业创绩效；高管政治关联对研发投入具有消极影响；研发投入在高管政治关联与企业创新绩效关系的中介效应得到支持。作用机理在于：高管政治关联减少了企业研发投入，研发投入是促进企业创新绩效提升的必要因素。

本文研究结论也能够给予公司及高层管理人员些许管理启示和实践指导。企业家一词的本质及其精神特质在于开拓进取、勇于创新。创新活动是企业获取核心竞争力的关键。在进行创新活动的同时，企业家还要面临复杂多变的市场环境以及政治环境。面对不断变动的政治环境，企业需要制定符合自身的发展政治战略，与政府部门进行良性互动。企业在考虑政治关联带来的社会资本积极作用的同时，也必须认识到社会资本具有的双重性质，避免被过度嵌入。退一步来讲，政治关联并不是企业进行创新活动不可或缺的要素，因为企业的创新资源并非由政府进行控制，随着发展周期的变动，政企关系应进行不断调整。在具体实施政治战略时，应注意配合市场战略，实现两者的有机整合，提升企业的吸收转化能力，降低政治关联的转化成本，及时将其转化为企业内部资源，实现政治战略与市场战略的协同效应，从而更有效地促进企业创新。

[1]李传宪，干胜道.政治关联、补贴收入与上市公司研发创新[J].科技进步与对策，2013，(13):102-105.

[2]Li J J，Zhou K Z，Shao A T ． Competitive position，managerial ties，and profitability of foreign firms in Chi-na: an interactive perspective [J]． Journal of Interna-tional Business Studies，2009，(40) : 339-352.

[3] Li Y，Guo H，Liu Y，Li M． Incentive mechanisms，en-trepreneurial orientation，and technology commercializa-tion: evidence from China’s transitional economy [J]．Journal of Product Innovation Management，2008，25(1):63- 78.

[4]白 璇，李永强，赵冬阳． 企业家社会资本的两面性: 一项整合性研究[J]． 科研管理，2012，(3):27-35.

[5]陈爽英,井润田,龙小宁,等.民营企业家社会关系资本对研发投资决策影响的实证研究[J].管理世界,2010,(1):88-97.

[6] Gentry R J，Shen W． The impacts of performance rela-tive to analyst forecasts and analyst coverage on firmR&D intensity [J]． Strategic Management Journal，2013，34(1):121-130.

[7] Terziovski M． Innovation practice and its performanceimplications in small and medium enterprises ( SMEs)in the manufacturing sector: a resource - based view[J]． Strategic Management Journal，2010，31(8):892-902.

[8] Kaasa A． Effects of different dimensions of social capitalon innovative activity: evidence from Europe at the re-gional level [J]． Technovation，2009，29(3):218-233.

[9]巫景飞,何大军,林 暐,王 云.高层管理者政治网络与企业多元化战略:社会资本视角——基于我国上市公司面板数据的实证分析[J].管理世界, 2008,(8):107-117.

[10] Guler I，Nerkar A． The impact of global and local cohe-sion on innovation in the pharmaceutical industry [J]．Strategic Management Journal，2012，33(5):535-549.

[11]Baron R M, Kenny D A.The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations[J].Journal of Personality and Social Psychology,1986，(51)：1173-1182.

[12]温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,(5):731-745.

[13]李 健,陈传明,孙俊华.企业家政治关联、竞争战略选择与企业价值——基于上市公司动态面板数据的实证研究[J].南开管理评论,2012,(6):147-157.

责任编校：田 旭，马军英

2015-10-22

安徽财经大学2014年研究生科研创新基金项目(CXJJ2014126)

张鹏凯，男，硕士，研究方向为会计理论。

F276

A

1007-9734(2015)06-0049-07