中国上市公司研发指数的构建研究

【摘 要】 “万民创新”昭示着创新时代的来临，企业是这个时代创新活动的主力军。为了科学反映企业创新活动创造价值的能力，文章以会计信息系统为基础，探讨研发指数的构建问题，以2007—2014年我国上市公司作为样本，实际测算研发指数，并对指数的稳健性和效用进行检验。结论可为企业研发绩效评价领域的相关研究提供借鉴。

【关键词】 企业研发； 研发指数； 研发绩效评价

中图分类号：F230；F275 文献标识码：A 文章编号：1004-5937（2016）10-0073-06

一、引言

2015年两会政府工作报告中，李克强总理强调了“大众创业，万众创新”在我国未来经济建设和社会发展过程中的重要意义。中国目前正处于经济改革与历史发展的关键时期，若想进入创新型国家行列，实现中华民族的伟大复兴，必须在全社会弘扬创新精神与创新文化。党中央特别强调了加强企业在创新过程中的主体地位和主导作用。政府的决策说明，企业将在我国今后的创新舞台上扮演越来越重要的角色，企业创新能力的高低将会对我国未来经济发展和国际地位产生重要影响。

然而，创新活动具有高风险特征，受到外部环境不确定性、项目复杂程度以及企业自身研发能力等多种因素影响（杨卓尔等，2016）[ 1 ]。盲目地鼓励创新并不一定会带来益处，理性的创新过程应当合理权衡创新行为所带来的收益与风险水平，并对主体的创新能力进行评估，才能够作出相对科学的创新决策。但是，我国目前尚缺乏一套普遍公认的企业创新能力评价指标体系，这对企业研发创新决策和政府研发政策的制定具有不利影响。本文致力于对此问题进行进一步的研究。基本的研究思路是：通过构建“研发指数”指标，反映企业创新活动创造价值的能力。指数在经济学中常用来反映复杂经济问题，它便于一般大众对复杂问题的理解和评价。很多指数也常作为管理部门制定决策的重要依据。采用指数的形式反映创新价值，既便于综合考虑研发绩效评价的诸多影响因素，又有助于各类信息使用者的应用，使得研究结论易于推广。

二、相关研究回顾

企业研发活动的绩效评价一直是会计领域研究的热点问题。在此以前，学者们已经就类似问题进行了一定的基础和应用研究。黄坤、王芳（2013）[ 2 ]的研究表明会计披露的研发信息具有价值相关性，证明了研发信息可用于研发绩效评价；苑泽明等（2012，2015）[ 3-4 ]从无形资产角度出发，提出“无形资产指数”的概念，用以评价企业的创新发展能力，其将无形资产指数主要分为三个层面：技术创新力、技术竞争力和可持续发展力；Florida（2002）[ 5 ]提出了创意指数概念，并将创意指数分为创意阶层占劳动力总人口的比重、人均专利数、科技极化指数与同性恋指数四个方面。

在已有的相关指数中，创意指数、中关村指数和中国创新指数均为宏观层面的指数，不适用微观企业，但其构造思路和指标选取可供本文借鉴；无形资产指数的针对范围则与本文提出的研发指数不同，前者涵盖的“无形资产”范围不仅包括企业通过自身研发积累形成的技术资源，也包含了企业品牌商誉、外购的专利技术等与企业研发创造活动无关的因素，反映对象的范围较研发指数更广。本文构建的研发指数立足于反映企业研发活动和自主创新能力，评价的对象更具针对性。

三、研究设计

（一）研发指数概念界定

本文将研发指数的概念界定为：反映公司一定时期内研发活动创造价值能力强弱的综合指标。这一概念的基本要点有：第一，研发指数是以研发活动为企业创造的价值水平作为评价企业研发绩效的依据，这与理财学的基本目标相一致。第二，研发指数的反映主体是企业的研发活动，度量的价值创造也是基于研发活动的价值创造。第三，研发指数有一定的时效期限，反映的结果是基于企业某一特定时期的研发行为。第四，研发指数是一项综合指标，反映的是企业研发综合能力，而非片面地评价企业研发某一方面的水平。

（二）研发指数理论模型建立

本文选择在财务管理领域应用最为广泛的现金流量折现（DFC）模型建立研发指数的理论模型。应用现金流量折现模型的依据是：首先，研发活动是一项典型的企业投资行为，研发活动周期较长、不确定性较大。现金流量折现模型在理论和实践研究领域常用来对企业的投资绩效进行评价，因此使用现金流量折现模型更易被人接受和理解。其次，现金流量折现模型是以投资项目未来现金流量的净现值作为评判项目可行性和计算项目投资绩效的依据，理论上讲与理财学的基本目标是相一致的。最后，现金流量折现模型考虑了货币时间价值的影响，适合对长期投资项目进行评测。依据现金流量折现模型的基本原理，本文构建了公司研发活动绩效评价的理论模型如式（1）所示：

其中，P0代表了研发投入项目的净现值，P0>0，则项目可行，P0越大，项目的投资价值越大；t为项目自开发时刻起到“可带来经济利益流入”状态所用时期数；n为项目开发完成后，经济利益流入的持续期限；E（Fi）代表了未来各期预计产生的现金流入量；re代表了企业的资本成本；m代表了开发项目的开发周期长度；E（Fj）代表了开发期预计产生的现金流出。

根据研发模型，企业研发活动创造价值的强弱受到项目成果质量、项目开发期和收益期的长短、企业资本成本、开发过程中企业投入水平等因素的影响。对于特定企业的特定项目来讲，未来期间的研发成果带来的收益越大、收益期间越长，企业开发项目的时间和投入越少、开发资金的资本成本越低，企业研发活动创造的价值就越大。

1.评价指标海选

根据式（1）建立的研发模型可以得出企业研发活动创造价值的高低主要受到研发成果质量、开发期和收益期长短、资本成本、投入水平等因素的影响。总结来看，这些因素可以分为四个主要的层面来评价：创新投入、技术水平、创新环境和创新产出。其中，创新投入是指企业用于研发活动的资金投入，主要反映了模型中E（Fj）的信息；技术水平是指企业利用投入资金进行创新活动，最终产生可以研发成果的能力，主要反映了模型中m、n、t的信息；创新环境是指企业研发的基础环境，包括企业的治理水平、提供研发资金的资本成本、企业多样化程度等，主要反映了模型中re的信息；创新产出主要指的是企业创新活动的物质产出，即研发活动的研发成果，例如专利权等，主要反映了模型中E（Fi）的信息。

根据以上四个主要影响层面的分类，本文共海选出现有研究中相关指标总计47项。其中，创新投入层面选出了研发强度、研发投入水平、研发投入增长率等5个指标；技术水平层面选出企业员工本科以上人员占比、研究生以上人员占比、收入优势等11个指标；创新环境层面选出现金持有水平、资本成本等17个指标；创新成果层面选出专利申请率、专利使用寿命等14个指标。

对于海选的结果，本文根据可靠性原则进行了二次筛选，并剔除了两项数据不能客观获取的指标。

2.评价指标无量纲化处理

本文收集整理了2007—2014年度上市公司筛选出的各项指标观测值，数据来源主要包括国泰安CSMAR数据库、台湾经济新报TEJ数据库、中国科技统计年鉴、国家专利局公开披露的信息等。45项指标中有34项来源于会计数据和企业会计年度报告附注包含的信息，占总指标数的75.56%。从基础指标数量占比中可以体现到会计信息在研发指数设计中的重要作用。

为了对指标进行进一步的筛选和赋权，本文对指标数据进行无量纲化处理。无量纲化处理是在保留数据信息的前提下，将数据的数值转换为[0，1]区间的数值，从而消除不同指标间由于单位的不同而对分析造成的不利影响，这也是指数建立必须进行的工作。本文的无量纲化处理方法如式（2）、（3）所示。其中式（2）为正向指标的无量纲化处理，式（3）为反向指标的无量纲化处理：

式（2）和（3）的标准化方法受到指标最大值与最小值的影响非常大。为了减少因为出现极端值造成标准化后的结果偏误的可能性，本文在进行数据标准化的步骤前，首先对所有数据进行了Winsorize处理。选取的极端值比率为0.01。

3.基于相关性对研发指标进行再次筛选

由于海选形成的各类指标可能存在较大的相关关系，而相关关系较大的指标反映的信息会存在冗余现象，降低了研发指数指标计算的效率。因此，本文利用相关性分析的方法对每一个准则层内的指标分别进行了分析，对于相关性较强的指标予以剔除。本文选择的剔除标准是：相关性系数大于0.8的两项或多项指标，考虑其重要性和代表性只保留一项指标。这样操作的好处是令研发指数的评价指标体系简洁清晰。经相关性分析，共剔除指标21项。

同时，由于相关性分析无法检验是否有无关指标混入评价体系，而一旦存在这种情况，最终的评价结果可能出现偏差。因此本文对剩余指标进行了理性判断，剔除了其中与研发活动创造价值无关的指标。全部剔除完成后的指标体系如图1所示。

4.利用熵权法对研发指标赋权

根据建立的研发指数评价指标体系筛选各个指标数据，作为本文指数赋权的基础数据。各类指标的计算方法如表1所示。

本文最终的研究样本删除了金融类企业和ST企业，也排除了数据不全的企业。筛选之后的样本涵盖了2007年至2014年的上市公司数据，样本总量为3 752个。对该类样本进行熵值赋权，计算公式如式（4）所示：

其中RDlndexj代表第j个样本的研发指数；？棕i代表了第i个指标的熵权大小；Vi j代表了第j个样本第i个指标的观测值；m代表了指标总个数。应用熵值赋权法对指标进行赋权的结果在表2中列示。

从表2的权重分配情况来看，创新环境和技术水平指标赋予的权重最大，说明该类指标所反映的信息含量更多。从原理上讲，如果将“创新投入”视为研发活动的开端，将“创新产出”视作研发活动的结尾，则“技术水平”和“创新环境”就是研发活动过程的体现，而这一部分的信息在熵值赋权法中赋予了约78%的权重，说明了这一部分在企业研发创新活动中的重要性。

四、研发指数稳健性与应用检验

（一）样本指标权重的稳健性检验

本文以2007年作为计算研发指数的基年。这样选择的理由是：2007年1月企业新会计准则开始正式实施，此后上市公司开始规范地披露企业研发投入信息。2007年前这一数据是无法可靠获取的，不能满足指数设定的可靠性原则。同时，其他可获取的会计信息也会因为适用准则不同，产生跨期间的数据可比性降低，与指数设定的可比性原则相冲突。本文的研究希望尽可能多地保留实验样本，因此以2007年为基年，有利于保证样本量。

然而，为了验证基年的选择是否会对指数权重造成影响，本文分别以2008年、2009年、2010年、2011年作为基年，重新计算各样本的研发指数权重，再通过比较分析，判断基年的选择是否对样本权重产生影响。图2反映了选择不同基年计算得出权重的差异情况。

图2较为形象地说明，除“监事会勤勉”指标和“发明类专利比率”指标因为基年选择的不同出现较为明显的差异外，其他指标几乎趋于一致，并不因为基年选择的差异而产生差异。

根据样本数据进行实际测算发现：出现差异最大的“监事会勤勉”指标的平均差异率为11.78%，该指标在样本中的平均得分为2.06，得分差异为0.24；样本总体的平均研发指数得分为31.99，因不同基年选择产生的平均差异得分为0.47，占得分总数的1.48%（0.47/31.99）。对指数总体而言，1.48%的差错率在经济意义上是可以忽略的，研发指数的权重计算不会受到基年选择不同的显著影响。研发指数的指标权重具有稳定性，根据现有样本计算的指标权重，其结果是可信的。

（二）研发指数样本的代表能力检验

指数样本是在我国上市公司2007—2014年总样本的基础上，剔除了金融类上市公司、ST上市公司以及数据不全的上市公司后得到的样本，共计1 344家企业，占上市公司总数的44.50%（1 344/3 020）。由于剔除过程会出现偏误，可能出现最终的样本企业不能够代表市场整体情况，影响研发指数的推广使用。为了验证试验样本的代表能力强弱，本文对样本企业的行业分布特征与市场整体的行业分布特征进行了对比分析，行业分类标准采用证监会《上市公司行业分类指引》（2012年修订版）。图3显示了样本企业的行业分布结构和市场的比较，从图中反映的信息来看，样本企业与市场整体的行业分布特征是较为一致的；样本企业在个别行业与市场有所差异，主要的差异出现在零售业和交通运输业。金融业（J类）出现较大差异是因为实验样本已经将金融行业剔除。

对样本行业的分布数据与市场整体进行分析，可以求得差异企业的约当数量（差异企业约当数量=│（市场结构-样本结构）│×上市企业个数）。该数据显示差异的约当企业个数占市场总数的2.10%（63.55/3 020），考虑到样本剔除了金融类行业的企业，这样的差异水平是可以接受的。因此得出结论：本文选取的样本分布特征与市场分布特征一致，求得的权重具有代表性。

（三）研发指数反映企业价值创造能力检验

理论上讲，研发指数反映了企业研发创造价值的水平，为了证明本文实际计算得出的研发指数具有反映企业未来价值的能力，本文选举了权益报酬率ROE指标和期末股价P指标作为反映企业未来价值的代理变量。其中，ROE反映了企业综合收益能力，P反映了企业未来的价值高低。两个指标综合对研发指数进行判断，结论更具有说服力。本文的检验方法采用倾向得分匹配法（PSM），具体步骤为：

第一步，将研发指数进行排序，将样本按指数由大到小分为三等分，分别命名为组1、组2、组3，去掉组2的样本，生成新的分类哑变量Creati，t，对于研发指数水平较高的组1，Creati，t的取值为1，组3则取值为0。其中，Creati，t取值为1的组作为实验组，而Creati，t取值为0的组作为对照组。删除中间组组2的目的是使研发指数高低的区分度更加明显，本文将样本切分为4组、5组后，将两端样本进行检验的结果与切分为3组时一致。

第二步，找寻同时影响到企业价值和Creati，t指标的因素集合X。本文借鉴研发指数构造模型的主要影响因素，选择了与各个影响因素相关度较高的指标用于预测两组样本的倾向得分。本文选取的变量如表3列示。

其中，i代表年份，j代表样本企业。对式（7）进行Probit回归。从Probit回归结果来看，选择的指标均与因变量Creati，t显著相关，模型的解释力度较强，拟合优度为54.27%。

第四步，由Probit回归结果预测各样本的倾向得分，并根据样本的分布特征选择倾向得分的匹配方法。这里谈到的“倾向得分”即是Creati，t的模型预测值。经检测，中部作为对照的样本数量较少。根据刘凤芹等（2009）[ 6 ]的研究结论，此类分布特征更适合采用局部线性回归匹配法。

第五步，采用局部线性回归匹配法对样本进行分析，目标变量为股票期末价格P和企业权益报酬率ROE。匹配后的结果在表4、表5中显示。

表4显示了实验组的平均期末股票价值P为22.462元/股，对照组为11.559元/股，两者相差10.904元/股。实验组是对照组的1.94倍。这说明，在考虑了多重影响之下，条件相似的两类样本中研发指数高的样本股票价格远高于研发指数低的样本组。这就为研发指数反映企业创新对价值的贡献力提供了支持依据。同样，在表5中，实验组的平均权益报酬率为11.01%，对照组的平均权益报酬率为2.85%，实验组的平均权益报酬率高出对照组8.16个百分点，是对照组水平的3.86倍。

无论股票价格指标还是权益报酬率指标均为研发指数反映企业未来价值提升的作用提供了支持性证据，这说明，研发指数可以较为有效地反映企业未来价值的创造能力，与本文最初设定的指数构建目标相吻合。

五、结论

本文以会计信息为基础构建了研发指数的基本评价指标体系，采用熵值赋权法对指标赋权。经实际测算，构建的研发指数权重具备稳健性特征，对企业未来价值的提升具有较好的反映效果。今后的研究可以就研发指数的信度、效度进行进一步检验，并探讨在研发指数的基础上生成行业研发指数与地区研发指数的方法。

【参考文献】

[1] 杨卓尔，高山行，曾楠.战略柔性对探索性创新与应用性创新的影响：环境不确定性的调节作用[J].科研管理，2016（37）：1-10.

[2] 黄坤，王芳.研发费用披露对企业价值的影响：基于民营高科技上市公司的实证研究[J].会计之友，2013（13）：73-76.

[3] 苑泽明，宫成芳，张悦，等.无形资产指数：理论模型构建[J].管理现代化，2012（4）：114-116.

[4] 苑泽明，金宇，王天培.上市公司无形资产评价指数研究：基于创业板上市公司的实证检验[J].会计研究，2015（5）：72-79.

[5] FLORIDA R. The rise of the creative class[J]. The Washington Monthly，2002，34（5）：15-25.

[6] 刘凤芹，马慧.倾向得分匹配方法的敏感性分析[J].统计与信息论坛，2009，24（10）：7-13.