高管学术经历、企业异质性与企业创新

(1.对外经济贸易大学 国际商学院, 北京 100029；2.韩国世翰大学，韩国 木浦 530822)

一、引言

企业高管作为战略决策的主要发起者和引领者，对于企业所有的生产经营活动都具有重大影响。不同背景的企业高管具有不同的管理风格，不同的管理风格又会塑造不同的企业表现。2016年11月24日，我国教育部印发《高等学校“十三五”科学和技术发展规划》。《规划》中指出，应完善高校教师在岗兼职、离岗创业和返岗任职制度，允许符合条件的科研人员经学校批准，带着研究项目和科研成果，保留基本待遇创办企业或到企业中开展创新工作。该政策的提出鼓励了具有学术经历的人员到企业中参与经营管理，同时进一步强调了科研技术转移和科研成果转化的重要性，有利于加深企业管理层对于创新的重视程度，提高企业的创新能力和创新产出水平。近年来，随着我国各省市相继出台鼓励科研人员投身到企业的地方政策(如成都2014、广州2015、中共中央办公厅、国务院办公厅2016[注]2014年8月8日，中共成都市委办公厅、成都市人民政府办公厅印发《促进国内外高校院所在蓉协同创新的若干政策措施》的通知；2015年11月20日，广东省人民政府办公厅印发《关于深化高校科研体制机制改革的实施意见》；2016年11月7日，中共中央办公厅、国务院办公厅印发《关于实施以增加知识价值为导向分配政策的若干意见》。等)，具有学术经历的高管人员队伍日益壮大。根据本文样本数据显示：具有学术经历高管的企业占比由2008年的17.59%逐年上升为2014年26.52%；企业高管团队中具有学术经历高管占比的平均值由2008年

3.78%逐年上升到2014年5.29%。企业高管具有学术经历的现象在中国已有历史。早在20世纪90年代改革开放背景下，便涌现了大批的高校教师和政府官员由事业单位转向经营企业，形成了中国经济中特有的“文人下海”现象[1]。这一现象极少出现在西方国家，可以说是我国企业发展中的一个特有现象并逐渐发展成为普遍的现象。

国家鼓励拥有学术经历人员参与企业经营管理，其根本目的在于促进科研成果转化、提高企业创新能力。2018年3月7日，习近平总书记在参加两会广东代表团审议时进一步强调：人才是第一资源，创新是第一动力，中国强大起来要靠创新，创新要靠人才。政策的推动使得企业创新成为学术界重点关注的问题，而“高层梯队理论”[2]的推广将企业行为研究的视角引领到背后高管的特征上。已有文献对于高管背景与创新的关系主要围绕高管的年龄、性别、教育水平、任期、职能背景等人口统计特征及其异质性展开研究，而鲜有文献涉及高管学术经历对企业创新行为的影响。因此，研究高管学术经历能否提高企业创新能力，探究相关政策对于企业创新行为的作用效果，是亟待解决的理论问题和实践问题。

从理论上看，高管的学术经历意味着高管具有较高的受教育程度且很可能具有海外留学经验，其经历过严谨的学术训练，具有全球化视野，在进行管理决策时能够依据最先进的专业知识进行分析和判断。同时，丰富的校园资源也为学术背景高管提供了强大的科研团队支撑。另外，高管的学术经历使其具有较高的社会道德水平和较好的风险识别能力，从而使得企业表现出更高的财务柔性水平和风险承担能力，有利于企业开展创新。因此，本文预期高管的学术经历与企业创新之间存在正向关系。

本文以2008-2014年间中国A股上市公司作为样本，分如下几个步骤，检验了高管学术经历对于企业创新的影响：首先，检验了高管学术经历与企业创新的关系，高管学术经历显著促进了企业创新投入的提高。为进一步研究企业创新动机，将创新产出分为实质性创新产出和策略性创新产出，结果发现高管学术经历能够显著提高企业实质性创新产出，但对策略性创新产出则呈显著负向影响。其次，在高管学术经历与企业创新关系中加入企业异质性调节作用检验，发现企业规模和负债水平的差异性导致企业创新动机不同，高管学术经历对企业创新的影响也不同。再次，对研究结论进行了稳健性检验和内生性检验。

本文在以下方面对学术研究做出了贡献：(1)丰富了高管背景特征对于企业创新行为影响的研究。已有文献发现企业创新与高管个人特征相关，如性别、教育背景、年龄等，但极少有文献关注高管学术经历与企业创新的关系的研究。学术经历与教育背景是完全不同的两个方面，学术经历不仅体现了其高度的专业技能水平，同时还塑造了个人较高的道德素养和谨慎的决策风格。(2)因“境”制宜。通过导入企业规模和负债水平，研究在企业环境差异下，高管学术经历对于企业创新行为的影响，以中国情境实证检验了经典的熊彼特假说、领导学理论和投资扭曲假说。

二、理论分析与假设提出

(一)高管学术经历和企业创新

自Hambrick和Mason1998[2]提出的“高层阶梯理论”以来，高管的背景特征对企业行为的重要影响已经逐渐被学者们所重视。已有文献从高管的性别[3]、年龄[4]、教育背景、成长经历[5]、工作经历[6-7]、心理特征[8-9]、宗教信仰[10]、社会关系[11-12]等多个方面研究了高管背景特征与企业行为之间的关系。这些研究成果不仅丰富了高管背景的相关理论，同时也对于公司选聘高管人才、制定和实施重大经营决策、提升业绩具有重要的参考意义。但较少有文献涉及高管学术经历对企业经营管理行为的影响这一中国特有的现象。周楷唐等探讨了高管学术经历与公司债务融资成本的关系，第一次将高管学术经历引入到企业行为研究中[13]。高管的学术经历是指高管曾全职在高校或科研机构从事科研工作，其不同于已有研究中的高管教育背景，学术经历不仅是高管个人学习能力的体现，更强调了个人经历对其个人特质的塑造。Kaplan(2012)[14]研究发现高管的能力和经历决定着高管的决策风格，同时也影响着企业向资本市场所传递的信号。

党的十八大以来，党中央把创新放在国家发展全局的核心位置，围绕实施创新驱动发展战略，加快推进以科研技术创新为核心的全面创新。政策的推动和理论的支持使得高管背景和创新之间关系的“黑箱”成为学术界重点关注问题。Amason和Sapienza(1997)[15]发现高管由于所接受的专业知识不同，其对于创新的态度也不同，具有技术、生产和营销等专业背景的高管，更愿意加大创新投入。Tihanyi(2000)[16]则认为高管的受教育水平越高，对于信息的察觉能力越强，越会积极主动的投入创新。曾萍和邬绮虹2012[17]以创业板企业为研究对象，实证结果表明女性高管的参与对于企业技术创新有显著促进作用，而女性高管人力资本强化了这种促进关系；张信东(2016)[18]和吴静、刘凤朝等(2016)[19]均实证发现海归高管显著地促进企业创新投入和产出；易靖韬等(2015)[20]、邬晓婧和郭淑娟(2018)[21]均发现高管过度自信与企业创新呈正向影响关系，而前者发现这一关系受企业异质性影响，后者则更关注于财务柔性在此关系中的作用；韩庆潇等(2017)[22]以2009-2013年战略性新兴企业为样本，研究高管团队异质性对于企业创新效率的门槛效应，具体表现为高管团队任期异质性和年龄异质性与创新效率呈倒U型关系，而教育水平异质性和职能背景异质性则与创新效率呈显著正向关系。党建民等(2017)[23]以沪深两市风电产业上市公司为研究对象进行实证研究，认为高管持股比例和女性高管占比对风电企业技术创新效率具有显著正向影响，这一作用在国有企业和省会企业中更为显著。

具有学术经历的高管相对来说学历较高并且很可能具有海外留学经验。据本文样本中高管背景的原始数据统计：具有学术经历的高管平均受教育水平[注]本文高管受教育水平统计方式为按高管学历设置虚拟变量：中专及中专以下=1，大专=2，本科=3，硕士研究生=4，博士研究生=5，其他=0。为3.77，高于无学术经历高管的3.28；具有学术经历高管样本中海归高管占比为10.8%，远高于无学术经历高管样本中海归高管占比3.82%。相对而言，受教育水平越高的管理者，对于信息的察觉和整合能力越强，越愿意接受新鲜事物，也更能积极主动地开展创新行为。优秀海归通常被认为受到严格的科学学术训练，掌握先进的知识技能，具备专业化能力、创意化思维和全球化视野，因此海归高管能够显著促进企业技术创新投入和产出，提高创新产品原创性。

除了具有高学历和海归背景优势外，高管学术经历作为连接高校和企业的隐形关系桥梁，可以有效推动高校科技成果转化进程。我国高校拥有庞大的科研队伍，每年创造出大量的科研成果，然而目前科研成果转化率仍处于低水平，大量成果仅停留在“象牙塔”，不能在经济社会中实现效益。影响科研成果转化的两个重要原因是科研人员市场观念淡薄和缺少风险投资介入[24]，而具有学术背景高管的学术任职经历使其同时具有高校科研队伍的人脉资源、敏锐的学术洞察力和企业投资优势，因此能够大幅度缩减高校成果转化和企业创新成本。

创新行为由于持续周期长且结果具有不确定性，因此整个过程需要大量资金投入，若企业面临融资约束，则会在很大程度上抑制创新行为。究其原因，主要是因为这样的不确定性背后蕴含着潜在风险，且其承担责任只能期望于企业资本[25]。因此，保证企业具有适当的财务柔性是解决这一问题的根本途径。从融资角度考虑，财务柔性指在面对未来不确定环境下，资本结构能够以较低交易和机会成本以为企业经营发展提供充足资金。具有学术经历的高管由于其自身具有较高的道德标准和社会责任意识，能够提高企业会计稳健性和降低盈余管理，从而通过降低企业信息风险来减少融资成本。根据信息不对称和融资约束理论，企业面临的外部融资压力越小，其借债能力越强，财务柔性越高，此时企业投资于创新项目获取的风险溢价越大。增强企业财务柔性能够有效提升企业的研发投入[26-27]。

行为金融学理论认为，由于受个人心理因素和社会因素的影响，人们在面对不确定性进行决策时并不能完全理性，行为模式和风险态度的差异使得个人行为偏离金融理论的最优模式而表现出可变性和多样性[28]。高管接受的教育水平越高，对于风险的认知更全面、更包容，更愿意承担风险。具有学术经历的高管既拥有较高的学历背景，同时由于曾经的工作环境和性质，其对于前沿的科学文化知识和先进的管理经验具有较高的敏感性，能够迅速地把握市场的需求，有效处理投融资过程中衍生出的复杂问题，降低经营决策的不确定性，增强企业的风险承担能力。高风险承担水平的企业反映出更高的创新积极性，这有利于提升企业的竞争优势[29]。

综合上述高管客观特征、高校资源、财务柔性和企业风险承担能力的分析，本文提出如下研究假设。

H1高管的学术经历提高企业研发投入强度。

黎文靖和郑曼妮(2016)[30]以创新动机不同将创新产出划分为实质性创新和策略性创新，其认为实质性创新能够推动技术进步，属于高技术水平创新；策略性创新是指企业为了满足产业政策的财税扶持条件，以获取更多的政府补贴和税收优惠而发生的微小的、低技术水平的创新。实质性创新主要发生于高技术性水平的领域，如信息技术、医学等，而学术背景高管具有的专业知识有利于解决创新研发过程中的技术难题。学术背景高管在其科研任职过程中，曾承担沉重的科研压力，其科研成果要求必须具有一定的实质性意义，这使其逐渐养成实质性创新思维。基于学术背景高管较强的科研能力和实质性创新思维，本文提出如下研究假设。

H2高管的学术经历提高企业实质性创新产出。

(二)企业异质性的调节作用

20世纪80年代，演化经济学家们打破新古典经济学的假设条件与经济现实不一致的局限，将企业异质性作为分析问题的基本起点。对企业而言，异质性意味着其具有经济“租”的潜在可能性，为不断获取超额利润和竞争优势，企业会主动的不断积累核心知识和开展创新活动，进而促进创新能力的提升[31]。Lee等(2003)[32]研究表明，由于垄断属性和规模经济，企业研发投入与企业规模正相关；由于负债限制了企业筹集资金的规模和过度投资行为，企业研发支出与负债负相关。由此可见，企业规模和企业负债是影响高管进行创新决策的两个重要因素，二者共同塑造了学术背景高管进行投资决策的企业情景。

1.企业规模：熊彼特假说与领导力理论的相反效应

熊彼特关于市场规模和市场力量促进创新的假说认为，由于创新过程需要投入较高的研发费用，大企业以其规模经济和垄断优势，相比小企业，更能承担创新活动的高额成本，更有能力消化研发失败，其具有的较高市场控制能力也更有利于创新成果的实现。Galbraith(1952)[33]进一步强调了企业规模对创新过程的重要影响，发现大规模企业是引领科研技术发展最有力的工具，是研发创新最有效的传播者。从企业内部来说，大企业为学术背景高管提供了丰富的资源供给、高素质的科研团队和领导团队、先进的科研设备，从而能够为高管的科研投入决策提供保障，获得的充足的资金供给也有利于创新成果的顺利实现；从企业外部来说，大企业具有更强的社会影响力和行业领导力，更容易得到政府的关注和支持。企业规模的异质性带来企业环境的显著差异，使得高管制定和实施决策时受到环境的制约，因此高管学术经历对于企业创新的促进关系也会不同。大企业具有良好的创新环境，能够更好的满足学术背景高管的创新需求、实现创新想法。小企业由于基础设施、人力资本、资金储备等方面相比大企业均有所欠缺，因此学术背景高管只能根据自身专业判断选择开展部分创新活动。

Birkinshaw(2018)[34]强调在追求科研创新过程中人类个体动因的重要作用，研究组织内部关键个体的背景特征有利于更好的识别企业环境差异下的创新需求。已有研究均认为领导力作为组织特质之一，具有多变性和创新潜力。领导力理论同样认为企业规模是影响创新环境的关键变量，因为不同规模的组织在追求创新的过程中存在不同的额外潜在的复杂性。但领导力理论关于企业规模对于创新的影响，却得到了与熊彼特假说截然不同的结论。领导力理论相关研究认为，一方面，在较小的组织中高管与下属沟通的更加频繁，学术背景高管的创新思想更容易传达给员工，也更能提升个人和团队精神，同时，高管可以针对下属提供个性化关怀，更容易欣赏下属的想法和创意；另一方面，在较小的组织中高管在建立、监控和评估的过程中更能发挥作用，随着组织规模的扩大，公司经营信息在向高管传递过程中会产生更多的信息扭曲现象，高管对企业成员的直接影响力和信息的可接受性也变的更加复杂和困难。

根据以上对熊彼特假说和领导力理论的分析发现，企业规模对高管学术经历与创新关系的调节作用存在两种相反的效应，因此，本文针对企业规模异质性条件下高管学术经历对企业创新的影响提出一组对立假说，以供检验。

H3a其他条件不变的情况下，大企业中高管学术经历对于企业创新的激励作用更显著。

H3b其他条件不变的情况下，小企业中高管学术经历对于企业创新的激励作用更显著。

2.负债水平：投资扭曲假说

资产替代是企业外部融资的一种代理成本，其意味着管理者会用其融资进行高收益、高风险项目投资，若项目成功，则企业获取大部分收益，若投资失败则由债权人承担成本，而创新项目就是高收益、高风险项目的代表[35-36]。股东和债权人的利益分歧使得企业投资出现扭曲，如果一个高风险项目能够提高股东价值，即使其不会带来净现值，管理者也会倾向选择投资；相反，如果一个低风险项目会损害股东价值，即使其能够带来一定净现值，管理者也会倾向放弃投资[37]。Parrino和Weisbach(1977)[37]还发现投资扭曲现象受企业债务水平影响，债务水平越高，投资扭曲现象越严重。企业负债水平的高低反映了企业在财务上是否采用了扩张策略，而财务扩张意味着企业高管盲目乐观，在利用融资进行高风险项目投资时缺乏科学谨慎态度，因此创新产出水平相对较低；相反，非财务扩张企业高管在选择高风险项目投资时相对较为谨慎，创新产出水平较高。由此可见，高管的谨慎态度也是影响投资扭曲的重要因素，而学术背景高管由于专业经历相对其他高管具有更高的谨慎度，因此，本文提出如下假设。

H4其他条件不变的情况下，非财务扩张企业中高管学术经历对于企业创新的激励作用更显著。

三、研究设计

(一)样本选择和数据来源

根据高管学术经历数据的可得性，本文选取2008—2014年A股上市公司数据作为初始样本，并对样本进行如下筛选：(1)剔除金融类上市公司；(2)剔除样本期间ST、PT公司；(3)剔除关键数据缺失样本。经过上述筛选，最终得到12 513个公司-年度样本。本文高管背景数据、财务数据、公司治理数据、产权性质数据、行业数据均来自于CSMAR数据库，并对其中高管背景缺失数据通过查阅高管简历进行了补充；本文创新投入数据来自于WIND数据库，对于部分缺失数据，用CCER数据库予以补充，创新产出数据来自于CSMAR数据库中的上市公司研发创新数据。

(二)模型建立和变量定义

为检验高管学术经历对企业创新行为的影响，本文构建如下多元回归模型

Innovations=β0+β1×Academic+β2×Controls+Fixedeffects+ε

(1)

其中，因变量Innovations的衡量选取创新投入和创新产出两个角度：创新投入(RD)借鉴已有文献常见做法，使用研发支出与主营业务收入的比值衡量；创新产出(Patent)指标选用公司年度专利申请数表示公司每年新生产的知识，其中公司年度专利申请数为公司年度发明专利申请数、实用专利申请数和外观专利申请数之和[38-39]；为进一步研究企业创新行为的动机，本文将创新产出(Patent)分为实质性创新产出(Patenti)和策略性创新产出(Patentud)，实质性创新产出是指企业申请“高质量”发明专利行为，策略性创新产出包括企业申请实用新型专利和外观设计专利的行为。

表1 变量定义

类别变量名称变量取值方式说明因变量创新投入(RD)研发支出/主营业务收入创新产出(Patent)log(公司年度专利申请数+1)实质性创新产出(Patenti)log(公司年度发明专利申请数+1)策略性创新产出(Patentud)log(公司年度实用外观专利申请数+1)自变量高管学术经历虚拟变量(Academic)当高管团队内有成员具有学术经历时取值1,否则为0具有学术经历高管占比(Acaper)具有学术经历高管人数/高管团队总人数控制变量控制变量企业层面管理层背景层面公司规模(Size)log(总资产)财务杠杆(Leverage)总负债/总资产现金持有(Cash)(年末货币资金+年末交易性金融资产)/总资产业绩水平(Roa)净利润/总资产投资收益(Eqinc)投资收益/总资产成长性(Growth)营业收入增长率公司税率(Tax)公司当年企业所得税名义税率独立董事比例(Indep)独立董事人数/董事会总人数审计师变量(Big4)当公司审计师来自于国际四大会计师事务所时取1,否则取0公司年龄(Eage)公司存续时间高管团队年龄(Tage)高管团队内所有人员平均年龄女性高管占比(Female)高管团队内女性高管人数/高管团队总人数海归高管占比(Returnee)高管团队内具有海外留学经历高管人数/高管团队总人数

自变量为高管学术经历变量，本文选取虚拟变量(Academic)和具有学术经历高管占比变量(Acaper)两个指标来衡量，以综合反映有无学术经历高管和具有学术经历高管比例的高低对企业创新的影响。其中，高管团队界定借鉴Bamber等和周楷唐等的做法，指董事会及监事会成员之外的直接参与企业经营决策的高级管理人员[41]。学术经历界定为曾在高校任职、科研机构任职或协会从事研究的工作经历。Controls为控制变量，结合已有文献研究成果，本文分别从企业层面和管理层背景层面两个角度共选取13个变量作为控制变量。此外，本文还加入年度虚拟变量(Year)和行业虚拟变量(Industry)，以控制年度和行业固定效应，其中行业划分参考2001年《上市公司行业分类指引》。本文变量定义如表1所示。

四、主要实证结果和分析

(一)描述性统计

在表2的第一部分可以看出具有学术经历高管的观测值总计为2 936个，约占总样本的23.46%。从变动趋势来看，具有学术经历高管企业数量在样本期间均有所增长，其占比变动除2013年度略有下降外其余年度均呈稳步上升趋势，说明企业逐渐意识到高管学术经历对于企业决策行为的积极影响。在有学术经历高管企业样本中，学术背景高管人数占高管总人数比例的均值在2008—2010年度由21.46%上升到23.54%，随后年度由于许多企业逐渐开始任用学术背景的高管，因此占比均值略有下降，但变化幅度不大，样本期间有学术经历高管企业样本中具有学术经历高管占比均值为21.36%，说明学术背景高管在企业高管队伍中处于重要地位。

从表2第二部分因变量描述性统计来看：RD样本量为8 822，均值为0.038，标准差为0.047，说明样本间在创新投入方面差异不大；创新产出的三个变量的标准差数值较大且Patent、Patenti中位数值低于平均值，说明样本在创新产出方面差异较大，原因可能是很多企业会由于管理层决策偏差、对政策解读不准确等原因造成创新投入浪费，而还有一部分企业由于政策扶持、高新技术行业性质差异等原因使得其创新产出显著高于其他样本。

表2 主要变量描述性统计

自变量分布年度有学术经历高管无学术经历高管合计有学术经历高管企业占比(%)学术经历高管人数占比均值(%)20082099791 18817.5921.4620092561 0881 34419.0523.1920103681 3221 69021.7823.5420114721 4511 92324.5422.2920125181 5362 05425.2220.8720135271 5772 10425.0520.1020145861 6242 21026.5219.97合计2 9369 57712 513——总样本均值———23.4621.36因变量描述性统计变量名称样本数平均值标准差p25中位数p75RD8 8220.0380.0470.0100.0310.045Patent7 1982.5931.2411.6092.4853.296Patenti7 1981.7241.2230.6931.6092.398Patentud7 1981.9111.4140.6931.9462.833

表3 高管学术经历与企业创新

变量(1)RD(2)Patent(3)Patenti(4)Patentud(5)RD(6)Patent(7)Patenti(8)PatentudAcademic0.008∗∗∗(0.001)0.078∗∗(0.031)0.218∗∗∗(0.030)-0.091∗∗(0.037)————Acaper————0.027∗∗∗(0.004)0.101(0.108)0.644∗∗∗(0.106)-0.398∗∗∗(0.129)Size-0.004∗∗∗(0.001)0.479∗∗∗(0.017)0.463∗∗∗(0.016)0.446∗∗∗(0.019)-0.004∗∗∗(0.001)0.480∗∗∗(0.017)0.467∗∗∗(0.016)0.444∗∗∗(0.019)Leverage-0.001(0.001)-0.003(0.003)0.005∗(0.003)-0.003(0.004)-0.001(0.001)-0.002(0.003)0.005∗(0.003)-0.003(0.004)Cash0.053∗∗∗(0.005)0.185∗∗(0.088)0.047(0.085)0.328∗∗∗(0.106)0.053∗∗∗(0.005)0.197∗∗(0.088)0.056(0.085)0.333∗∗∗(0.106)Roa-0.014(0.012)1.997∗∗∗(0.290)1.835∗∗∗(0.282)1.050∗∗∗(0.346)-0.014(0.012)2.001∗∗∗(0.291)1.853∗∗∗(0.282)1.041∗∗∗(0.346)Eqinc0.064∗(0.034)-4.681∗∗∗(0.844)-4.255∗∗∗(0.793)-4.179∗∗∗(1.051)0.064∗(0.034)-4.669∗∗∗(0.844)-4.243∗∗∗(0.794)-4.207∗∗∗(1.051)Growth-0.001∗∗(0.001)-0.067∗∗(0.027)-0.028(0.029)-0.088∗∗∗(0.034)-0.001∗∗(0.001)-0.065∗∗(0.027)-0.026(0.029)-0.088∗∗∗(0.033)Tax-0.176∗∗∗(0.011)-3.450∗∗∗(0.363)-5.029∗∗∗(0.357)-1.534∗∗∗(0.413)-0.177∗∗∗(0.011)-3.493∗∗∗(0.363)-5.074∗∗∗(0.357)-1.543∗∗∗(0.412)Indep0.004(0.007)0.890∗∗∗(0.252)0.579∗∗(0.246)1.156∗∗∗(0.300)0.004(0.007)0.896∗∗∗(0.252)0.592∗∗(0.246)1.152∗∗∗(0.300)Big40.005∗∗∗(0.001)0.182∗∗(0.077)0.297∗∗∗(0.077)-0.017(0.091)0.006∗∗∗(0.001)0.187∗∗(0.077)0.310∗∗∗(0.077)-0.021(0.091)Eage-0.001∗∗(0.001)-0.009∗∗∗(0.003)-0.004(0.003)-0.014∗∗∗(0.004)-0.001∗∗∗(0.001)-0.009∗∗∗(0.003)-0.004(0.003)-0.014∗∗∗(0.004)Tage-0.001∗∗(0.001)-0.023∗∗∗(0.004)-0.010∗∗∗(0.004)-0.024∗∗∗(0.004)-0.001∗∗∗(0.001)-0.023∗∗∗(0.004)-0.011∗∗∗(0.004)-0.023∗∗∗(0.004)Female-0.005(0.003)-0.384∗∗∗(0.088)-0.413∗∗∗(0.084)-0.313∗∗∗(0.106)-0.005(0.003)-0.382∗∗∗(0.088)-0.405∗∗∗(0.084)-0.317∗∗∗(0.106)Returnee0.013∗∗∗(0.005)0.632∗∗∗(0.148)0.603∗∗∗(0.150)0.440∗∗∗(0.172)0.015∗∗∗(0.005)0.655∗∗∗(0.148)0.631∗∗∗(0.150)0.441∗∗∗(0.172)截距项0.134∗∗∗(0.010)-7.116∗∗∗(0.407)-7.587∗∗∗(0.392)-7.486∗∗∗(0.470)0.133∗∗∗(0.010)-7.126∗∗∗(0.408)-7.619∗∗∗(0.393)-7.471∗∗∗(0.471)年度固定效应YesYesYesYesYesYesYesYes行业固定效应YesYesYesYesYesYesYesYes观测值8 8227 1987 1987 1988 8227 1987 1987 198调整R20.3390.2200.2490.1400.3370.2190.2470.140

注：括号内数字为标准误差；***表示变量在1%的水平上显著；**表示变量在5%的水平上显著；*表示变量在10%的水平上显著。

(二)高管学术经历与企业创新主回归结果分析

表3报告了高管学术经历对企业创新影响的主要回归结果，其中列(1)—列(4)回归的自变量为Academic，列(5)—列(8)列回归的自变量为Acaper。由列(1)和列(5)可见，高管学术经历对于RD在1%水平上显著正向影响，假设1得到验证。列(2)和列(6)可以看出，高管学术经历对于Patent影响的系数均为正，但显著性不同，原因在于高管学术经历对于实质性创新产出和策略性创新产出的影响不同，如列(3)、(4)、(7)、(8)所示，高管学术经历与实质性创新产出Patenti在1%水平上显著正相关，而与策略性创新产出Patentud则显著负相关，假设2得到验证。分析其原因可能是学术背景高管的高度专业性和科研经历使其更愿意投资给能为经济和社会带来一定“质变”的实质性创新，并且在进行项目选择时学术背景高管的高度谨慎性又使其不愿意“浪费”企业有限的资金投资到意义不大的策略性创新项目中。随着高管队伍中具有学术经历高管人数越多，学术高管越具有话语权，高管团队越容易达成创新共识，能够做出高效的创新决策，因此这种现象越显著。

在高管背景特征控制变量中，高管团队平均年龄Tage与创新投入、创新产出均在1%水平上显著负相关，说明高管团队平均年龄越大，对于创新的激励作用越小；海归高管占比Returnee与创新投入、创新产出均在1%水平上显著正相关，说明高管团队中海归背景高管人数越多，越有利于激发企业创新行为。

表4 企业规模、高管学术经历与企业创新

分组大企业小企业大企业小企业大企业小企业大企业小企业变量RDRDPatentPatentPatentiPatentiPatentudPatentudAcademic0.005∗∗∗(0.001)0.010∗∗∗(0.002)0.386∗∗∗(0.069)-0.020(0.034)0.491∗∗∗(0.066)0.137∗∗∗(0.033)0.196∗∗(0.079)-0.188∗∗∗(0.041)Acaper0.021∗∗∗(0.006)0.028∗∗∗(0.005)1.124∗∗∗(0.328)-0.182∗(0.110)1.766∗∗∗(0.306)0.327∗∗∗(0.113)0.451(0.361)-0.654∗∗∗(0.134)ControlsYesYesYesYesYesYesYesYes年度固定效应YesYesYesYesYesYesYesYes行业固定效应YesYesYesYesYesYesYesYesChow-0.004∗∗0.210∗∗∗Test-0.0061.019∗∗∗

注：括号内数字为标准误差；***表示变量在1%的水平上显著；**表示变量在5%的水平上显著；*表示变量在10%的水平上显著。

(三)企业异质性调节作用回归结果分析

1.企业规模：熊彼特假说与领导力理论的相反效应

本文按照样本企业总资产均值将样本分为大企业组和小企业组，从而比较不同规模的企业中，高管学术经历对于企业创新的影响是否会由于企业垄断属性而存在差异。表4为企业规模调节效应回归结果。在大企业组和小企业组中，高管学术经历变量Academic和Acaper对于RD均在1%水平上显著正向影响，其中小企业组的回归系数(0.010和0.028)相比大企业组回归系数(0.005和0.021)较大。进一步采用chow检验来比较两组的系数是否存在显著差异，可以看出，在自变量为Academic时，两组回归系数在5%水平上具有显著差异，但当自变量为Acaper时，两组回归系数无显著差异。原因在于小企业组中领导者与下属沟通更加频繁，较少出现信息传递过程中信息扭曲的现象，当企业开始雇佣具有学术经历的高管时，该高管对于创新的高度重视能够给企业带来新的关注点，其创新行为能够更顺利的在企业内部得以实施，使得小企业创新投入具有更大的增长幅度，符合领导者理论内容，部分验证假设3b。

从创新产出的角度来看，不同的企业规模对于高管学术经历与创新产出关系的影响截然不同：在大企业组中，高管学术经历与Patent在1%水平上显著正相关，系数分别为0.386和1.124。而在小企业组中，高管学术经历对于Patent的影响分别为不显著和在10%水平上负显著。按照创新动机进一步分析这种现象的原因，可以发现，大企业组和小企业组的高管学术经历与实质性创新产出Patenti均在1%水平上显著正相关，且从chow检验结果能够看出大企业组回归系数显著大于小企业组。对于策略性创新产出Patentud来说，大企业组表现的较为重视，而小企业组中高管学术经历与策略性创新产出在1%水平上显著负相关。其原因在于规模较小的企业迫于资金短缺压力，具有学术经历的高管在进行创新决策时必须要更加谨慎，更倾向于选择具有重大影响且能给企业带来重要收益的实质性创新项目。规模较大的企业一方面具有资金优势和市场力量优势，能够保证其创新产出的顺利实现；另一方面，作为行业的领先企业，在得到政府政策支持的同时，规模较大企业也承担着政府策略性创新产出要求的压力。创新产出的实证结论符合熊彼特假说，假设3a得到部分验证。

2.负债水平：投资扭曲假说

参考易靖韬等的做法，以样本资产负债率均值为分组标准，将不低于均值的企业划分为财务扩张组，低于均值的企业划分为非财务扩张组，通过分组回归来研究高管学术经历与创新的关系是否会因为投资扭曲而发生变化。表5报告了企业债务水平调节作用回归结果。由表5可见，无论是财务扩张组还是非财务扩张组，高管学术经历与RD均在1%水平上显著正相关。chow检验结果显示财务扩张组相比非财务扩张组回归系数更大且两组在1%水平上具有显著差异，原因可能是财务扩张组相对于非财务扩张组具有绝对的资金优势，而资金是创新投入的源泉，因此在财务扩张组中具有学术经历高管对于企业创新投入增长的影响幅度更大。

在创新产出方面，Academic对于创新产出Patent和实质性创新产出Patenti的影响存在显著差异，非财务扩张组创新产出Patent和实质性创新产出Patenti系数分别为0.087和0.226，且均在1%水平上显著，而财务扩张组却不显著。Acaper与实质性创新产出Patenti在财务扩张组和非财务扩张组均显著为正，但在非财务扩张组中显著性更强。由此可见，非财务扩张组中，高管学术经历对企业创新产出和实质性创新产出的激励作用更显著，假设4得到部分验证。Academic和Acaper对于策略性创新产出Patentud均具有显著负向影响，但财务扩张组负向影响更为显著，其原因可能在于高管学术经历使其具有很高的道德素质水平，其不愿意以牺牲债权人利益来获得影响较小的策略性创新产出。

表5 负债水平、高管学术经历与企业创新

分组财务扩张非财务扩张财务扩张非财务扩张财务扩张非财务扩张财务扩张非财务扩张变量RDRDPatentPatentPatentiPatentiPatentudPatentudAcademic0.020∗∗∗(0.002)0.007∗∗∗(0.001)-0.062(0.082)0.087∗∗∗(0.033)0.103(0.085)0.226∗∗∗(0.032)-0.355∗∗∗(0.103)-0.069∗(0.040)Acaper0.083∗∗∗(0.011)0.020∗∗∗(0.005)0.001(0.297)0.100(0.115)0.608∗∗(0.301)0.637∗∗∗(0.113)-1.079∗∗∗(0.372)-0.344∗∗(0.138)ControlsYesYesYesYesYesYesYesYes年度固定效应YesYesYesYesYesYesYesYes行业固定效应YesYesYesYesYesYesYesYesChow0.013∗∗∗Test0.064∗∗∗

注：括号内数字为标准误差；***表示变量在1%的水平上显著；**表示变量在5%的水平上显著；*表示变量在10%的水平上显著。

五、稳健性检验

(一)替换变量和选择计量模型

替换变量和选择不同的计量模型是稳健性检验中最常考虑的两种情况，为此本文进行了以下三个方面检验：(1)替换高管团队界定，参考文献通用做法，将高管范围仅限于CEO，即高管学术经历定义为CEO学术经历(CEOaca)；(2)替换创新变量，创新投入变量用研发支出与账面总资产比值(RDa)替换研发支出与主营业务收入比值，创新产出变量用无形资产与总资产比值(Intang)替换公司年度专利申请数；(3)选择不同的计量模型，考虑到因变量专利数为非负整数，可以使用泊松回归和负二项回归模型分析。

由表6的第一部分可见，替换高管团队界定和替换创新变量均不会影响实证结果。表6的第二部分也可以看出，采用泊松回归和负二项回归的结果与原回归结果的系数符号和显著性水平基本一致。由此可以证明，高管学术经历对于创新投入、实质性创新产出均呈显著正向影响，而对于策略性创新产出则呈显著负向影响。

表6 替换变量和模型稳健性检验

替换变量稳健性检验变量RDPatentPatentiPatentudRDaIntangCEOaca0.010∗∗∗(0.002)0.144∗∗∗(0.043)0.235∗∗∗(0.042)0.075(0.053)0.002∗∗∗(0.001)0.007∗∗∗(0.002)Academic————0.002∗∗∗(0.001)0.004∗∗∗(0.001)Acaper————0.008∗∗∗(0.001)0.007∗∗∗(0.002)选择计量模型稳健性检验模型选择泊松回归负二项回归变量PatentPatentiPatentudPatentPatentiPatentudAcademic0.026∗∗(0.011)0.114∗∗∗(0.016)-0.054∗∗∗(0.020)0.026∗∗(0.011)0.114∗∗∗(0.016)-0.054∗∗∗(0.020)Acaper0.028(0.041)0.338∗∗∗(0.054)-0.251∗∗∗(0.074)0.028(0.041)0.338∗∗∗(0.054)-0.251∗∗∗(0.074)

注：括号内数字为标准误差；***表示变量在1%的水平上显著；**表示变量在5%的水平上显著；*表示变量在10%的水平上显著。

(二)内生性检验

本文通过实证研究结果发现高管学术经历对企业创新投入、实质性创新产出具有显著正向影响，但是数据结果可能存在另外两种解释：(1)反向因果：拥有较多创新机会、创新绩效良好的企业由于创新需要选择具有学术经历的高管；(2)前人栽树，后人乘凉：创新探索过程和创新成果实现一般较为漫长，学术经历高管增加创新产出很可能是收获了前任管理者创新的成果。为排除以上两种解释，本文参考张信东和吴静[18]的做法，采取以下措施：(1)逐步剔除学术经历高管中任期不足1年、不足2年和不足3年的样本进行重新检验；(2)将高管学术经历变量分别滞后1期、滞后2期后重新检验。通过措施(1)可以消除企业为了激励创新而主动选择学术经历高管的可能性，原因在于企业的发展机会和创新需求是受其动态的竞争环境、政策导向和战略资源影响的，而学术背景高管的特征具有持久性的特点，因此企业为抓住创新机会而主动任命学术经历高管的现象在高管任命初期最为明显。同时措施(1)和措施(2)也在一定程度上考察了高管任职一段时间后企业创新的变化。为了验证措施(1)和措施(2)，本文分别进行了24次和16次回归，回归结果如表7所示：措施(1)和措施(2)中高管学术经历变量与创新投入、实质性创新产出均在1%水平上显著正相关。因此可以说明本文实证结论不受上述内生性影响。

表7 内生性检验主要变量回归结果

逐步剔除学术背景高管任期不足3年样本检验样本整理标准变量RDPatentPatentiPatentud剔除学术背景高管任期不足1年Academic_10.007∗∗∗(0.001)0.086∗∗∗(0.030)0.182∗∗∗(0.029)-0.048(0.036)Acaper_10.020∗∗∗(0.003)0.142(0.102)0.500∗∗∗(0.098)-0.241∗∗(0.123)剔除学术背景高管任期不足2年Academic_20.008∗∗∗(0.001)0.061∗(0.033)0.151∗∗∗(0.032)-0.061(0.039)Acaper_20.022∗∗∗(0.004)0.094(0.111)0.417∗∗∗(0.108)-0.275∗∗(0.136)剔除学术背景高管任期不足3年Academic_30.010∗∗∗(0.001)0.071∗(0.037)0.165∗∗∗(0.036)-0.050(0.044)Acaper_30.001∗∗∗(0.001)0.002(0.001)0.005∗∗∗(0.098)-0.003(0.002)将自变量滞后检验样本整理标准变量RDPatentPatentiPatentud将自变量滞后1期L1Academic0.008∗∗∗(0.001)0.057∗(0.035)0.202∗∗∗(0.033)-0.110∗∗∗(0.041)L1Acaper0.027∗∗∗(0.005)0.035(0.119)0.564∗∗∗(0.116)-0.403∗∗∗(0.142)将自变量滞后2期L2Academic0.007∗∗∗(0.001)0.042(0.040)0.206∗∗∗(0.039)-0.118∗∗∗(0.048)L2Acaper0.023∗∗∗(0.006)-0.027(0.135)0.500∗∗∗(0.132)-0.393∗∗(0.160)

注：括号内数字为标准误差；***表示变量在1%的水平上显著；**表示变量在5%的水平上显著；*表示变量在10%的水平上显著。

六、进一步研究：产业政策、高管学术经历与企业创新

产业政策是一系列对产业发展存在重要影响的安排和制度的总和，其通过提高产业综合资源整合能力，形成产业整体竞争优势，从而实现经济结构转型升级和促进经济增长的重要手段。产业政策体现了政府引领投资的方向，得到产业政策支持的行业，其行业准入限制较为宽松，行政审批速度较快，税收优惠和财政补贴力度较大。产业政策同样也将推动产业蜕变与产生转型[41]。陆正飞和韩非池(2013)[42]以1994—2010年A股上市公司为研究样本，发现产业政策能够通过投资机会路径影响企业现金持有水平，得到产业政策支持的企业具有相对较高的现金持有水平。持有充足的现金是企业开展创新行为的重要保障，因此，产业政策也可能在一定程度上影响企业的创新决策和创新能力。本文参考陆正飞和韩非池、祝继高等(2015)[43]的方法，采用“五年计划”中关于行业的发展规划来衡量产业政策。本文样本数据涉及《中共中央关于制定国民经济和社会发展第十一个五年规划的建议》(2006-2010年)和《中共中央关于制定国民经济和社会发展第十二个五年规划的建议》(2011-2015年)。根据规划内容，将上市公司所属行业分为产业政策重点支持和明确鼓励发展的行业和非产业政策重点支持和明确鼓励发展的行业。

由表8对产业政策进行分组回归，结果可见：无论是否为产业政策支持企业，高管学术经历均对RD具有显著正向影响，进一步Chow检验发现，在产业政策支持组，这一正向影响作用更强烈；从创新产出角度来看，产业政策支持组和非产业政策支持组中，高管学术经历均对企业实质性创新产出Patenti具有显著正向影响，Chow检验表明，在产业政策支持组，这一正向影响作用更强烈；在非产业政策支持组中，高管学术经历对策略性创新产出Patentud具有显著负向影响，而在产业政策支持组中负向影响并不显著。由此可见，产业政策在一定程度上影响了高管学术经历与企业创新的关系。

表8 产业政策、高管学术经历与企业创新

分组产业政策支持非产业政策支持产业政策支持非产业政策支持产业政策支持非产业政策支持产业政策支持非产业政策支持变量RDRDPatentPatentPatentiPatentiPatentudPatentudAcademic0.012∗∗∗(0.002)0.002∗∗(0.001)0.116∗∗∗(0.039)0.021(0.047)0.213∗∗∗(0.038)0.233∗∗∗(0.048)-0.027(0.046)-0.196∗∗∗(0.057)Acaper0.033∗∗∗(0.006)0.011∗∗∗(0.004)0.199(0.132)-0.040(0.177)0.572∗∗∗(0.130)0.863∗∗∗(0.177)-0.183(0.157)-0.797∗∗∗(0.206)Chow0.009∗∗∗0.167∗∗Test0.022∗∗∗0.601∗∗

注：括号内数字为标准误差；***表示变量在1%的水平上显著；**表示变量在5%的水平上显著；*表示变量在10%的水平上显著。

七、主要研究结论

技术创新已经成为提高企业竞争力的核心战略。尽管现有文献已较多地讨论了高管背景对于企业创新的影响，但极少有文献涉及高管学术经历的研究。本文以2008-2014年A股上市公司为样本，实证研究了高管学术经历对企业创新的影响，同时导入企业异质性以扩展线性研究框架。本文主要发现，高管学术经历能够显著提高企业创新投入和实质性创新产出，但对于策略性创新产出反而具有显著负向影响。这一结果说明高管的学术经历使得高管具有高度的专业性和国际化视野，在企业经营管理中更强调创新的重要性，而其谨慎的态度又使其在创新行为中仅关注能够给企业带来质变的实质性创新。在检验过程中加入企业异质性调节变量后发现：(1)企业规模调节：在创新投入上，大企业组和小企业组高管学术经历与创新投入均呈显著正相关；但在创新产出上，大企业组高管学术经历更能促进创新产出的提高；(2)负债水平调节：在创新投入上，财务扩张组和非财务扩张组高管学术经历与创新投入均呈显著正相关，但在创新产出上，非财务扩张组高管学术经历更能促进创新产出、实质性创新产出的提高。

本文研究了高管学术经历对于企业创新的影响，有利于深入理解中国企业管理与经济发展问题，同时对于公司高管人才的选聘具有重要的启示作用。企业创新行为是其获取持续竞争力的主要源泉，但由于创新具有周期长、风险大的特点，使得很多企业在创新的道路上步履维艰。近年来，各级政府和国家不断推出鼓励科研人员到企业中兼职、脱产或自主创业的政策，目的在于推动科研成果转化、提高企业创新能力。因此，企业可根据自身特性合理选择具有学术经历的管理决策者，充分利用其高度专业性和谨慎性态度，以促进企业创新绩效的提高。

由于客观原因，本文也存在一定的局限性：由于数据来源限制，管理层背景层面控制变量没有考虑管理层教育专业变量；同时，管理层背景信息主要来自公司年报中的披露，因此获取的信息不完全且没有绝对统一的标准。以上局限性都可能会在一定程度上影响本文的研究结论。