高新技术企业绩效影响因素实证分析——基于上海全样本数据

仲东亭，任 浩

(同济大学经济与管理学院,上海 200092)

0 引言

自中国加入世界贸易组织 (WTO)以来，得益于自由贸易的推进，中国企业不断嵌入全球分工体系， “走出去”与 “引进来”并举，获得了发展亟需的资本和技术，并因此取得了举世瞩目的成就。然而，近年来反全球化浪潮不断涌起，以 “中兴事件” “华为事件”为代表，中国企业的可持续发展开始遭受挑战。从主体看，面临形势最为严峻的是我国初步掌握核心技术的高新技术企业，其作为我国R&D活动的主体，首当其冲成为技术压制对象；从地域分布看，东部沿海发达区域承受压力最大，持续近两年的中美贸易与科技争端加剧了这一形势，新型冠状病毒疫情更是加速了外资剥离中国供应链的步伐。在此严峻背景下，国务院于2020年7月审议通过《关于促进国家高新技术产业开发区高质量发展的若干意见》，力图加强对高新区高新技术企业的针对性支持力度，打破现在的僵局。基于此，非常有必要再度审视我国东部发达地区高新技术企业的绩效影响因素，明确下一步的支持政策走向。

高新技术企业绩效可划分为创新绩效和运营绩效两个方面，国内外学者对此开展了广泛而深入的研究，几乎涵盖了这类企业所有的内部与外部要素，包括公司特征因素、行业因素、技术发展路径、制度因素及外部宏观环境因素等，典型研究如张维迎等[1]、张同斌等[2]。但是，这些研究在样本选择上大都以上市公司为主[3-4]，区域层面的全样本实证研究很少，不同规模、不同层次的企业研究亟待丰富。就笔者了解，仅有少部分文献涉及区域层面的高新技术企业研究，如张玉臣等[5]以上海张江高新区高新技术企业为样本，分析企业规模、政策优惠、资源投入、所有制形式等因素对创新绩效的影响，但其3111家企业样本量仍相对偏少。按照我国高新技术企业认定管理办法，高新技术企业在区域经济系统内属于重点扶持企业，享受着税收优惠、承担政府科技创新资助与补贴等激励政策，其创新绩效和运营绩效的影响因素也必然与一般企业有所差异。尤其是近年来，关于高新技术企业的税盾效应、政府补贴不公平、技术研发效率偏低、盈利能力不足等问题不断暴露[6]，在一定程度上引发了学界和实践部门的反思，因此，从高新技术企业自身可持续发展角度看，亦有必要重新审视高新技术企业创新绩效和运营绩效的影响因素。

基于此，在现有文献基础上，本文以上海在库的7198家高新技术企业为研究对象，聚焦其创新绩效与运营绩效，构建多元线性回归模型分析其影响因素，以促进以上海为代表的全国高新技术企业可持续发展。

1 研究假设

1.1 高新技术企业创新绩效及影响因素

创新绩效是从创意产生到新产品创造过程中取得的成就。学界对包括高新技术企业在内的企业创新绩效 (Innovation Performance)的研究已持续数十年，具体包括3个维度：①投入型指标，包括各类绝对值、相对值及结构性指标，如研发投入绝对值[7-8]、研发投入占销售收入比重[9]、研发投入占总资产比重[10-11]、政府研发投入占全部研发投入比重[12]等；②过程指标，如专利数量[13-14]、专利引用次数[15]等；③产出型指标，包括新产品数量、新产品销售收入、新产品销售比重等[16-18]。但通过哪一类指标衡量企业创新绩效，学界并未达成共识。首先，过程型指标争议最大，专利指标被指出存在明显的偏误和缺陷，如很多中小企业因为成本控制问题、知识产权意识问题而不去申请专利，且专利从申请到授权占用较多时间，导致其滞后效应太强。其次，投入型指标存在有效性和效率的问题，研发投入→专利→新产品收益的投入产出过程是一个典型的耗散结构，存在巨大不确定性，如我国每百万美元的专利产出显著低于发达国家，且专利质量存在巨大差异。最后，产出型指标同样存在不可克服的局限，其 “黑箱”效应导致研究者难以回溯其绩效表现与技术贡献的关系。因此，在3类指标均存有不足的前提下，必须结合具体研究对象选择合适的指标。我国高新技术企业相比一般企业，其显著标志之一是认定标准明确了知识产权要求。基于此，本文选择过程型指标测度创新绩效。与以往研究不同的是，本文除考虑专利产出外，将软件著作权也纳入研究范围，这丰富了创新绩效的内涵。

影响因素方面，高新技术企业的创新绩效既可能是内生驱动，即企业主动开展技术创新活动，申请专利或登记软件著作权的唯一目的就是为了新产品开发或新的服务事项，但也可能是外生驱动，即专利申请仅仅是为了获得高新技术企业认定的税收减免与政府资助，其与新产品收入之间的相关关系微弱。

1.2 高新技术企业的运营绩效及影响因素

按照经典的C-B函数，企业的运营绩效依赖资本和劳动力的投入。Solow[19]指出创新是经济增长的原动力，将技术创新作为内生动力纳入生产函数。针对此，大量研究分析了研发投入与企业运营绩效的相关关系。从国外看，最典型的案例分析是Roberrs[20]指出美日等244家年研发支出超过1亿美元的高新技术企业研发投入与销售收入强正相关；从国内看，大量研究以大中型制造企业[21]、上市企业[17]等为研究对象，指出高新技术企业的创新能力与盈利能力呈现相互促进的关系，盈利能力同时具备 “风险基准”降低作用和 “激励动机”提升作用[22]。

从研发投入促进高新技术企业运营绩效的传导路径看，研发投入一方面促进了高新技术企业的技术创新，形成创新产品，开拓出新的产品市场，进而提升企业运营绩效；另一方面，研发投入直接作用于企业的生产运营环节，优化企业内部流程和工艺，通过削减成本的方式间接提升企业的运营绩效。

2 研究样本和数据采集

2.1 样本选择

本文以上海2017年入库的7198家高新技术企业为样本。选取理由是：①高新技术企业需要经过培育、认定等一系列流程，应尽量选取最新的入库企业名单，但由于科技部2016年发布了新的高新技术企业认定管理办法，上海在此基础上于2017年修订了2008年的认定管理办法。考虑数据可得性和历史可比性，本文考虑采用旧认定标准下的数据开展研究，故选取2017年数据作为研究对象；②上海是全国最早开展高新技术企业工作的区域，企业技术水平较高，数据真实可靠，且以上海作为明确的行政地理边界，有助于排除区域经济发展水平、营商环境等外部因素的干扰，减少控制变量数量[21]。

这场两天期限的旅行还未满就结束了，下山后田铭把范青青直接塞进汽车拉回市区。和范青青相处以来，他第一次心里充满莫名的嫉妒。

观察7198家高新技术企业，从领域分布看，电子信息产业最多 (2464家)，其次是先进制造与自动化 (1640家)，再次是新材料 (892家)和高技术服务 (832家)，其余领域包括生物与新医药、新能源与节能、资源与环境、航空航天等。从营业利润看，1583家企业处于亏损状态 (占比21.99%)，3381家企业利润小于1千万 (占比46.97%)，1819家企业利润大于1千万，小于1亿 (占比25.27%)，仅有415家企业利润超过1亿元 (占比5.76%)。进一步从实际纳税角度看，有538家企业未纳税 (占比7.47%)，5447家企业纳税小于1百万 (75.67%)，仅有1213家企业纳税超过1百万 (占比16.85%)。基于此，可以判断本研究中各类高新技术企业分布相对均匀，满足研究需要。

2.2 研究设计和方法

2.2.1 研究设计

(1)因变量。高新技术企业绩效包括创新绩效和运营绩效两部分。

创新绩效方面，本文以企业持有的有效知识产权数量 (包括有效发明专利数量、软件著作权两类)和高新技术产品/服务收入作为衡量指标。选择这3个指标的理由是：①从现有文献看，过程型指标和产出型指标是指代创新绩效最重要的两个方面[23]；②伴随产业升级与数字经济的迅猛发展，软件著作权日益成为高新技术企业创新绩效的度量标志之一。

运营绩效方面，参考现有文献，选取企业总收入、主营业务收入、营业利润为衡量指标；与以往研究不同的是，本文考虑到高新技术企业认定效果之一是享受税收优惠[24]，将实际纳税额作为运营绩效的衡量指标。

(2)自变量。本文采用经典的柯布-道格拉斯生产函数建立绩效评估模型。

创新绩效方面，考虑劳动力和资本两方面的投入，前者以7198家高新技术企业的科技人员数量为衡量指标；后者以固定资产、用于科技活动的非政府经费支出、用于科技活动的政府经费支出为衡量指标。

运营绩效方面，除劳动力投入和资本投入外，以创新绩效的过程产出 (即有效知识产权数量)作为科技资源投入指标。

(3)控制变量。研究表明，不同规模、不同行业、不同财务状况的高新技术企业，其创新绩效与运营绩效存在较大差异。对此，本文考虑企业规模对高新技术企业的创新绩效和运营绩效有较大影响，采用注册资金作为企业规模的衡量指标；同时，考虑企业财务结构对创新绩效和运营绩效的影响，采用资产负债率作为衡量指标；最后，考虑产业属性 (制造业或服务业)和产业类别对高新技术企业绩效的影响，采用主要产品技术领域和所属类别作为衡量指标。所有变量见表1。

表1 自变量和因变量指标说明

所有变量的描述性统计见表2。需要说明，本文使用的是全样本数据，由于企业规模、行业的差异，部分变量的标准差偏大。例如，有效专利数量最多的企业是中芯国际集成电路制造 (上海)有限公司，达5514件，拥有软件著作权最多的企业是万达信息股份有限公司，达738件。有1583家企业亏损，其中亏损最严重的是拉扎斯网络科技 (上海)有限公司 (即 “饿了吗”)。有8家企业税收缴纳为负，其中中国石油化工股份有限公司上海石油化工研究院最多，达1021.7万元，待留抵下一年扣除。对此，本文做如下处理：①所有模型中，采用企业年末资产总计控制企业间的规模差异，构建强度指标反映相关性，如企业科技活动支出中的政府经费占比；②对于某些情况极为特殊的企业，为确保客观反映变量间相关关系，后续回归分析中将剔除这些极值点。

表2 自变量和因变量的描述性统计

2.2.2 研究方法

本文选取上海市高新技术企业2017年的截面数据开展研究，样本量为7198。针对企业创新绩效，构建多元线性回归模型如下：

IPnum=β0+β1logS&Tlabinput+β2log×

Fixedassetsinput+β3logNongovrdinput+β4log×

Govrdinput+β5logCapitalsize+β6logAsset-liabilityratio

(1)

针对高新技术企业运营绩效，构建多元线性回归模型如下：

Firm_eco=β0+β1logS&Tlabinput+β2log×

Fixedassetsinput+β3logNongovrdinput+β4log×

Govrdinput+β5logCapitalsize+β6logAsset-liabilityratio

(2)

开展回归分析之前，本文对所有模型进行了多重共线性检验，结果显示各个模型中的VIF值分布在[2，3]之间，显著小于10，因此判断不存在多重共线性问题。

3 实证分析

3.1 高新技术企业创新绩效

首先，不考虑高新技术企业研发支出的来源差异，回归分析见表3。结果显示：科技活动人员数量与企业创新绩效和运营绩效均正相关，显著水平为5%或1%，这表明科技人力资源投入越多，就越可能促进专利产出和软件著作权产出，并进一步带动运营绩效的提升。与之对比的是，科研活动经费中的固定资产投入与创新绩效和运营绩效相关性不显著，相关系数不确定。高新技术企业用于科技活动的经费支出 (包括企业部分和政府部分)与专利产出、新产品收入、总收入、主营业务收入、净利润及实缴税额均正相关 (显著水平为1%)，这可解释为上海地区高新技术企业的研发总投入越多，越能有效提升创新绩效，进而改善运营绩效。从年末资产总计看，企业规模与专利产出、运营绩效正相关 (显著水平为1%或5%)，但与软件著作权负相关，这表明处于服务业领域的高新技术企业，企业规模偏大反而可能导致软件著作权的产出绩效的降低。最后，当年的资产负债率仅与主营业务收入正相关 (显著水平为10%)，与其他创新绩效指标、运营绩效指标均负相关，这可解释为企业负债率越高，可用于研发投入的经费支出降低，相应的运营绩效也变低。

表3 不考虑研发投入来源差异的回归模型

在表3的总体分析基础上，需要进一步考虑研发投入来源差异对上海高新技术企业创新绩效的影响。同时，考虑制造业和服务业的差异性，根据企业主营业务范围和行业属性划分得出制造业企业6365家，服务业企业832家，回归分析见表4。结果表明：①尽管总体上研发投入与企业创新绩效正相关，但考虑不同研发投入不同来源时发现，企业研发投入中政府经费与服务业的专利产出负相关 (显著水平为5%)，与制造业的新产品收入负相关 (显著水平为1%)，这可解释为企业利用政府经费开展科技活动并不总是与其创新活动密切相关；②总体看，制造业和服务业的创新绩效影响因素存在明显差异。例如，企业研发投入中的政府来源经费与制造业创新绩效正相关，与服务业创新绩效负相关，企业规模存在相似的规律；③科技活动人员规模与制造业创新绩效的相关性更强 (显著水平为1%或10%)；④企业自有资金的研发投入与专利产出、新产品 (服务)收入正相关 (显著水平为1%或5%)，但与软件著作权产出负相关 (显著水平10%)，这可部分解释为软件著作权不依赖于企业研发投入；⑤与总体情况类似，资产负债率与企业创新绩效负相关，即资产负债率高的高新技术企业，其创新绩效普遍偏低，这也可以通过描述性统计数据得到检验。

表4 考虑研发投入来源差异和产业类别的企业创新绩效影响因素情况

3.2 高新技术企业运营绩效

考虑研发投入来源差异和产业类别差异，根据式 (2)构建多元线性模型5～模型8，分析上海高新技术企业运营绩效的影响因素，回归分析见表5。结果显示：①研发投入来源方面，与表3的总体回归相比，企业科技活动投入中的自有经费与总收入、主营业务收入、营业利润、实缴税额正相关，与之对比的是，政府经费却与4个运营绩效指标负相关 (显著水平为1%、5%或10%)，这可能存在多种解释，一种解释是企业自有资金开展的研发投入活动与其主营业务密切相关，相应的运营绩效得到提升，但承担政府科研科技活动资金挤压了企业自身的科技活动，导致其运营绩效降低，另一种解释可以从企业自身运营状况视角观察，获得政府科技活动经费的高新技术企业运营绩效可能低于一般企业，甚至可能主要依靠政府科技活动经费运营的情况。②从产业类别看，制造业的影响因素显著性更强，在分别限定变量Industry分别为{1,2,3,4,5,6,7,8}时，政府经费投入均与其运营绩效负相关；③与表3的总体回归一致，科技活动人员规模与上海高新技术企业运营绩效正相关，企业年末资产总计与运营绩效正相关 (显著性较弱)，资产负债率与企业营业利润、实缴税额负相关，这表明上海高新技术企业并非处于规模扩张阶段，其高资产负债率不能带来运营绩效的改善。

表5 考虑研发投入来源差异和产业领域的企业运营绩效影响因素情况

3.3 模型讨论

由表4和表5可见，无论科技活动经费支出来自企业自有资金或政府财政，均对制造业企业的创新绩效有正向促进作用；但在科技活动经费结构上出现 “上海高新技术企业科技活动经费中的政府投入部分与企业运营绩效负相关”的现象。为解释这一现象，本文首先将高新技术企业划分为 “获得政府科技活动经费” (1216家)和 “未获得政府科技活动经费” (5981家)两组，进行均值T检验，创新绩效和运营绩效的均值差异见表6。

表6 基于政府科技活动经费分组的均值T检验

表6的均值T检验表明：①获得政府科技活动经费的高新技术企业，其运营绩效均值显著大于未获得政府科技获得经费的高新技术企业，这可以解释为同等条件下，运营绩效较好的高新技术企业更容易获得政府科技活动经费资助，也就排除了企业通过政府科技活动经费生存的假设。②获得政府科技活动经费的高新技术企业，其创新绩效远远高于未获得政府科技活动经费的企业，这可以部分解释这些高新技术企业的创新成果可能仍处于研发开发阶段，投入多，产出少，尚未完全将创新绩效转化为运营绩效。

另一个可能的解释是科技活动经费中的企业自有资金与政府财政资金存在替代关系[25]，即企业预期可能获得政府财政投入，进而减少自有资金的投入，而后者与企业运营绩效正相关。为此，本文分析了企业科技活动经费中自有资金部分和政府财政部分的相关关系，考虑两部分可能存在线性关系或二次关系，回归分析见表7。结果表明：上海高新技术企业的自有资金与政府财政资金正相关，即企业投入自有资金开展科技活动一定程度上会吸引政府财政资金跟投，二者存在互补而非替代关系，因此也就不存在政府财政资金挤占企业科技活动经费的情况。

表7 企业科技活动经费中自有资金部分和政府财政部分的相关关系

在排除以上两种解释基础上，本文认为一种合理的解释是：高新技术企业自身的研发投入策略是 “量入为出”，主要基于上一年度的运营绩效决策本年度创新投入，因此二者呈现高度正相关；另一方面，政府的科技活动经费投入不具市场逻辑，通常根据国家战略需求、产业政策资助企业开展产业共性技术和 “竞争前技术研发”，一般很难直接带动企业运营绩效的增长，故呈现典型的负相关关系。

最后，为确保回归模型的稳健性，本文采用 “政府科技活动经费占企业科技活动经费总额的比例”和 “企业科技活动经费总额”代替 “企业科技活动经费自有经费支出”和 “政府科技活动经费支出”，回归结果显示：①所有变量之间的相关关系没有发生显著变化；②无论高新技术是否亏损，政府科技活动经费占比与高新技术企业运营绩效负相关；③除实缴税额存在临界点外，即当政府科技活动经费占比小于0.38时，实缴税额与其负相关，否则正相关，其余运营绩效变量 (总收入、主营业务收入、营业利润)均始终与政府科技活动经费占比负相关。表明所有模型具有较好的稳健性。

4 结论与展望

本文聚焦上海市2017年在库的7198家高新技术企业，围绕其创新绩效和运营绩效的影响因素展开分析，结果表明：首先，提高科技活动人员规模可以有效提升上海高新技术企业的创新绩效和运营绩效，但将科技经费用于固定资产投资却无法提升创新绩效或运营绩效。其次，尽管上海高新技术企业科技活动经费规模与创新绩效和运营绩效正相关，但考虑其内部结构可发现，政府科技活动经费仅对创新绩效有促进作用。最后，无论何种情况，较高的资产负债率均不利于企业创新绩效和运营绩效的提升，且不同产业类别、不同行业领域、不同资产规模的高新技术企业均存在显著性差异。这些结论表明，聚焦上海高新技术企业，继续扩大科技人力资本规模、鼓励企业加大自身研发投入力度，同时避免过度扩张导致资产负债率超出合理范围，以提升其运营绩效；政府的科技活动经费支出除重点支持特定行业外，还需要进一步扩大政策覆盖面，对创新绩效和运营绩效不突出的企业给予一定资金支持。

在双循环新发展格局下，高新技术企业是我国突破科技创新瓶颈和实现经济增长的核心载体。政府需要对高新技术企业持续加大财政投入力度，给予相对宽松的信贷支持环境，对重点行业实施特定支持，壮大企业规模，最终实现创新绩效和运营企业的相互促进与相互支撑。本研究的不足之处在于：因数据问题仅部分回答了 “政府科技活动经费支出与高新技术企业运营绩效负相关”的原因，未来还需要进一步考虑企业所有制形式、面板数据滞后效应等因素的影响，以得到更科学的实证结论。