绩效期望落差与企业研发投入——基于广义倾向得分匹配的再估计

李孔岳, 王 宇, 刘新恒

(中山大学 管理学院, 广东 广州 510275)

已有关于企业绩效与企业创新之间关系的研究,发现企业的实际绩效与企业期望水平的差距会影响企业的研发投入[1]。然而,针对两者间关系,现有研究仍未能达成一致的结论。例如,McKinley等[2]与Parker等[3]认为绩效落差不会促进企业创新,Chen[4]的研究则指出战略定位不同的企业对绩效反馈会产生不同的反应。此外,以往研究较少考虑到企业积极研发很可能导致其后期绩效与期望水平之间存在较大落差,并且大多考察企业对绩效反馈结果的直接响应,未能考虑到绩效落差与企业研发之间的动态关系,因此企业绩效反馈与其研发投入之间的非线性关系未能在一系列内生性问题得到有效解决的基础上被有效确定。

有鉴于此,本文基于中国上市企业数据,采用Hirano等[5]提出的广义倾向得分匹配法(generalized propensity score matching,简称GPSM)研究企业绩效期望落差对其R&D投入的影响,并使用多种稳健性检验方法对这一关系进行分析。一方面,GPSM拥有倾向得分匹配(PSM)同样的特点,能够通过消除处理组与控制组在接受处理前的异质性所导致的测量误差,从而有效地解决了研究中自选择偏差以及模型设定错误的内生性问题的困扰;另一方面,GPSM的出现弥补了PSM方法中只能检验“0～1”型处理变量的处理效应的这一缺点,能够对处理变量是连续型变量的结果变量进行效应评估[6]。在使用GPSM分析企业绩效期望落差与企业R&D投入关系的基础上,本文进一步使用OLS回归对两者关系进行再次检验,并讨论制度环境以及董事长与总经理两职兼任对这一关系的影响。

一、 理论分析与假设

1. 绩效期望落差与R&D投入

企业行为理论[7]与前景理论[8]指出,企业管理者通常根据事前的“期望水平”来评估组织的绩效[7],因此,“损失”并不是完全意味着亏损,而是取决于决策参考点的选择。具体而言,当组织绩效呈现出向下的趋势、停滞不前抑或增长势头不足时,这些状态很可能都会被决策者定义为“损失”。实际绩效相对于期望水平的落差或者顺差所呈现的信号会进一步影响管理者的认知以及后续的管理决策,实际绩效低于期望水平的组织通常是“冒险者”,通常会在后续资源分配决策中承担相对较多的风险[9-10]。

企业研发投入所具有的高投入、高不确定性的特点使得其被普遍认为是一种风险决策,因而企业研发投入得以被绩效反馈模型捕捉,绩效落差的出现被认为可以为企业创新提供激励[11]。然而,现有研究仍存在着不同的观点。Latham等[12]指出,面对不如预期的绩效表现,公司反而通常表现出更低的创新投资倾向,并且在资源稀缺的情景下尤为明显。McKinley等[2]的研究发现在绩效落差的情况下,更多的管理所有权会降低创新支出,且闲置资源会抑制企业创新,这与连燕玲等[10]的研究发现相反。Parker等[3]则从“质量声誉”角度出发,认为绩效负反馈不会对企业创新产生激励。此外,也有研究指出,绩效反馈对企业创新的影响取决于绩效反馈信号的差异及变化,绩效反馈的不一致性起决定性作用[11,13]。

基于上述讨论,本文认为,绩效反馈对于组织而言是十分重要的信号。清晰、明确的绩效反馈信号会引起管理者警觉、增加公司的响应能力,但是模棱两可的反馈会削弱企业的响应能力[14]。因此,负反馈信号的大小、持续时间、出现时机等方面的差异动态影响着企业家所能感知到的修复能力。具体而言,企业绩效略逊于理想的绩效水平时,可能会通过变革来弥补绩效差距[15]。如果企业的绩效表现距离其期望有一定的差距,并且通过分析认为在接下来一年仍不太可能实现绩效目标时,会进一步加大问题探索的强度。但是,随着绩效期望落差的扩大,负反馈将增加企业的资源约束、限制企业在问题搜索方面的资源投入、削弱负反馈对研发的积极影响。当与理想绩效相去甚远,企业便可能会撤资或者减少投入以释放自由资源,因为绩效不佳的公司继续投资于创新,会进一步减小其生存的可能性[15]。

综上,企业绩效期望落差对企业创新的影响呈现非线性关系,即随着绩效期望落差扩大,企业R&D投入相应提升,但当企业绩效期望落差过大后,绩效负反馈的负面效应凸显,导致其对企业R&D投入的促进作用减弱。因此,基于上述讨论,本研究提出假设H1:绩效期望落差和企业研发投入强度之间呈倒U型关系。

根据本文对绩效期望落差相关研究的讨论,绩效负反馈促进了企业的风险偏好并引发“问题搜索”,而经典的绩效反馈文献以及行为经济学的分析框架[9]则指出,组织的响应能力与决策者所感知到的可修复能力会对企业在绩效负反馈情境下寻求变革以及其他战略决策产生显著影响。因此,本研究在下文中分别从企业的内部治理特征与外部环境角度,即选取董事长与总经理两职兼任问题和企业所处制度环境问题,对以上两点进行契合。

2. 董事长与总经理两职兼任的调节作用

在这一部分,本文的主要逻辑是,董事长与总经理两职兼任虽有可能会加重代理问题,但是董事长兼任总经理使得总经理进入董事会,缓解了信息不对称和代理问题,可以有效地提高企业的响应能力并避免冲突,从而促进企业面对绩效负反馈时积极研发。

代理理论从根本上强调的是董事会对高管层的控制作用,董事会主席的主要职责是监督和控制首席执行官,但是这种关系难免会造成冲突与互斥,现代的公司治理理论因此指出,董事长向总经理提供建议和指导这种协作治理方法是最有效的折中方法[16]。具体而言,在面对绩效期望落差的情况下,“两职分离”企业的总经理的管理权很可能会由于董事长控制的加强而受到抑制,董事会甚至有可能解雇总经理[16]。企业不理想的经营状况很可能破坏董事长与总经理之间的相互信任[16],总经理若感受到来自董事长的二次猜测更是会抑制其创新精神和企业家精神,这对企业在困境中寻求变革显然是不利的。但董事长与总经理的两职兼任很好地减少了信息摩擦以及董事长与总经理两角色之间的冲突,有助于董事会与高管团队间一致性目标的达成和公司部门间的谈判与运作[17]。这对于企业战略的快速调整起着关键作用,在企业获得绩效反馈启动问题搜索时尤为重要[18]。基于上述讨论,本文提出假设H2:董事长兼任总经理正向调节了绩效期望落差和企业研发投入强度之间的关系。具体来说,董事长与总经理两职兼任的企业相较于董事长与总经理两职分离的企业,绩效期望落差和研发投入之间的关系更强、更积极。

3. 制度环境的调节作用

制度环境的不同,会对企业家的可感知修复能力产生显著影响[10]。这是因为,企业创新的投入-产出关系取决于国家层面的因素,良好的制度环境对降低企业制度性交易成本、促进企业成长与发展以及经济增长都起着至关重要的作用,研发投入与公司绩效之间的关系更是高度依赖于外部环境[19]。在新兴市场中,相关机构与部门若只能为企业创新不受侵犯提供十分有限的保护,会阻碍企业的创新努力;更严重的是,相关组织在某种程度上会通过干预公司治理来影响企业的决策,扭曲企业的创新战略,这对企业在面对绩效负反馈进行后续战略决策时显然是不利的[20]。然而,在一个要素市场发达的环境中,企业通过创新来获取和维持的竞争优势能够获得足够的保障[19]。当企业面对绩效期望落差时,这种保障可以避免不公平竞争机制对其修复能力以及创新意愿的扭曲。此外,企业的研发投入与企业的创新作为一种释放企业声誉与形象的信号,可以让企业在激烈的竞争环境下获得更多利益相关者的关注和认可,最终有利于企业在激烈的市场竞争中将R&D投入转化为竞争优势[21]。

因此,本文认为良好的市场化程度消除了绩效落差出现时的“制度噪音”,并且放大了绩效反馈信号,提高了企业决策者的可感知修复能力,最终为企业获得绩效反馈后进行创新战略决策提供激励。基于此,本文提出假设H3:良好的制度环境正向调节了绩效期望落差和企业研发投入强度之间的关系。具体来说,与市场化程度较低地区的企业相比,位于高市场化程度地区企业的绩效期望落差和研发投入之间的关系更强、更积极。

二、 研究设计

1. 数据介绍与变量处理

本文的实证数据主要为中国上市企业数据。数据主要来源于中国经济金融研究数据库(CSMAR)所提供的上市公司财务数据,选取2009—2018年为研究区间,并参照以往研究的做法,剔除以下样本:银行、证券公司、保险公司等金融类的受管制公司;标注为ST、SST、*ST的公司。最终,本文得到了观测值为7 602的面板数据样本。实证中对所有连续变量都进行了上尾和下尾1%及99%的Winsorize缩尾处理。

(1) 被解释变量(结果变量)

企业研发投入(R&D),参照以往研究[11],使用企业研发强度(企业当年研发投入额度与企业当年营业收入比)进行测算。

(2) 主要解释变量(处理变量)

企业绩效落差(Pi,t-1-Ai,t-1),Pi,t-1代表企业i第t-1期的企业绩效,参考以往的研究,采用ROA(税后净利润与总资产之比)进行测算,并且对历史期望落差和行业期望落差同时进行考察。早期研究大多将历史期望水平与社会期望水平处理成一个综合期望水平,但是后续的许多研究强调了对两种绩效反馈进行独立分析的必要性[13,22]。此外,由于绩效落差通常是分析过去表现对后续决策的影响,对期望落差取前置一期处理Pi,t-1-Ai,t-1,历史期望HAi,t-1以及行业期望IAi,t-1的具体计算公式如下:

其中α1代表权重,是介于[0,1]之间的数值,并且越小的α1意味着对上一年绩效越侧重。依据其他学者的方法,期望水平的权重设计可以在0～1之间进行修正,不会影响到本文的实证结果[11],考虑到版面限制,参考以往研究,本文选择汇报α1=0.4时的回归结果。因此,企业i在t-1期的历史业绩期望值HAi,t-1是企业i在t-2期的实际绩效Pi,t-2(权重为0.6)和t-2期的历史业绩期望HAi,t-2(权重为0.4)的加权组合,而企业i在t-1期的绩效与历史期望差距(Pi,t-1-HAi,t-1)即为企业i在t-1期的实际绩效Pi,t-1与历史业绩期望HAi,t-1之差。使用类似的方法,进一步选取t-2期企业i所在行业中所有企业ROA的中位数IMi,t-2作为t-2期该行业的实际绩效IPi,t-2,计算得出企业在t-1期的行业期望IAi,t-1,并使用t-1期企业i所在行业的绩效期望值与t-1期企业i的实际绩效值计算得出t-1期企业i的绩效与行业期望差距(Pi,t-1-IAi,t-1)。最后,本文对企业绩效落差进行了取绝对值处理。

(3) 调节变量

①制度环境(MARK_INDEXi,t),采用中国学者樊纲的市场化指数衡量,以企业所在地区的市场化指数作为企业所处制度环境的指标;②董事长与总经理兼任(DUALi,t),根据上市公司披露信息,若企业的董事长兼任总经理则取值为1,否则为0。

(4) 控制变量(匹配变量)

①企业成立年龄(FIRMAGEi,t),采用企业成立年限数的自然对数衡量;②企业规模(FIRMSIZEi,t),采用企业期末总资产的自然对数衡量;③企业杠杆率(LEVERAGEi,t),采用企业财务报表中总负债与总资产之比衡量;④第一大股东持股比例(LARGEHOLDi,t),采用最大股东持股比例衡量;⑤董事会规模(BSIZEi,t),采用董事会成员数量的自然对数衡量;⑥产权性质(SOEi,t),若企业的控股股东为国有性质,则取值为1,否则为0;⑦市场竞争强度(HHIi,t),采用赫芬达尔指数衡量,SIC三级行业代码内所有上市公司销售额所占有市场份额的平方和;⑧年度虚拟变量(YEAR),行业虚拟变量(INDUSTRY)。主要变量的相关描述性统计见表1。

表1 主要变量的描述性统计

2. 模型与方法

实证模型主要包括广义倾向得分匹配模型(GPSM)和普通最小二乘回归模型(OLS)。

(1) 广义倾向得分匹配模型

GPSM的原理是:对于一组随机样本,个体i针对处理变量T在区间T=[t0,t1]中取值,会生成对应的产出水平Yi(t)。Yi(t)被称为个体的剂量反应函数,μ(t)=E[Yi(t)]表示“平均剂量反应”函数,因此,t取值不同所对应的函数值差异,可解释为处理强度变化所带来的因果效应。根据Hirano等(2004)的做法,首先,处理变量的条件概率密度函数:

r(t,x)=fT|X(t|x)

(3)

定义r(t,x)为控制了匹配变量X之后处理变量T的条件概率密度,那么广义倾向得分GPS即为R=r(T,X),表示当处理变量Ti取值t时的概率。广义倾向得分具有与标准倾向评分相似的平衡特性,即对于条件概率密度值相同的样本,处理变量T取某值t的概率与匹配变量无关:

X⊥I(T=t)|r(t,x)

(4)

因此,对于给定的匹配变量X,有:

Y(t)⊥T|X,∀t∈T

(5)

进一步,对于任意的处理变量T,在给定匹配变量X的情况下,有:

fT{t|r(t,X),Y(t)}=fT{t|r(t,X)}

(6)

式(6)表示在控制了协变量并且得到GPS之后,处理变量取值t与其对应的结果变量Y(t)相互独立。因此,能够有效剔除处理强度的选择性偏误以及由此产生的内生性问题。在以上讨论的基础上,本文通过以下步骤运用GPSM完成评估:

第一步,根据匹配变量X估算处理强度的条件概率密度。本文的处理变量为企业绩效期望落差,由于绩效期望顺差的企业样本中绩效反馈变量被设置为“0”值(参考经典的企业绩效-期望反馈研究),因此,绩效期望落差的分布是高度有偏的。然而,Hirano等的方法要求样本满足正态分布假定,因此,我们采用Papke等提出的Fractional Logit模型来估计绩效期望落差的条件概率密度,即:

(7)

第三步,将以上结果代入模型(9)中,得到处理变量为t时结果变量Yi的期望值:

根据以上步骤并且参考以往研究,本文选择企业成立年龄(FIRMAGEi,t)、企业规模(FIRMSIZEi,t)、企业杠杆率(LEVERAGEi,t)、董事会规模(BSIZEi,t)、市场竞争强度(HHIi,t)作为匹配变量(同样也是本文第二部分研究中的一系列控制变量),并且控制了行业因素与时间效应,分析企业绩效期望落差与企业研发强度之间关系。

(2) 调节效应的OLS模型

根据本文的主题,第二部分OLS模型设定如下:

R&Di,t=

β4MODERATORi,t×P-Ai,t+β5MODERATORi,t×

(10)

在公式(10)中,被解释变量为企业的研发投入强度(R&D),此时使用企业的绩效历史期望落差作为解释变量衡量企业的绩效反馈,MODERATOR即为本研究的调节变量,分别为董事长和总经理两职兼任以及企业所在地的制度环境,并且在加入了一系列控制变量后对行业以及时间效应进行了控制。

三、 企业绩效期望落差影响企业研发强度的基准检验

1. 基于绩效历史期望落差影响企业研发强度的基准检验

(1) 企业“绩效历史期望落差”的Fractional Logit回归

利用匹配变量,首先基于Fractional Logit模型估计处理变量(绩效历史期望落差)的条件密度函数,回归结果见表2。回归结果显示,模型得到了较好的拟合,各变量系数均在不同显著性水平上显著。具体而言,企业年龄、企业规模、董事会规模均与企业的绩效期望落差负相关,这意味着规模更大、更为成熟、董事会成员更多的样本企业拥有着较为稳健的财务数据;而企业杠杆率与企业绩效期望落差显著正相关,这是因为杠杆较高的企业通常具有相对较高的财务风险,出现绩效落差的可能性更高。

(2) GPSM的匹配平衡性检验

在估计绩效历史期望落差的基础上,进一步根据广义倾向得分(GPS)对样本进行匹配,匹配需要满足平衡条件,而平衡性检验要求选择合适的协变量,并对样本进行合适的匹配分组和分段。由于绩效期望落差在[0,1]区间上非常偏向0值一端,因此本文参考以往研究,在处理强度取值较小的部分进行细分,在取值较大的部分粗分,选取处理强度为0.000 2、0.006 5、0.015 3、0.032 0和0.0150 0作为临界值,将企业样本按照处理强度值区分为5组;每一组内部又按照倾向得分值平均分为5段,最终匹配方式如表2所示。由检验结果可以看出,在经过GPSM匹配调整之后,匹配变量的标准化偏差在匹配后明显缩小。说明通过GPSM匹配后,处理组和对照组样本已不存在较大差异。t检验的结果也证实处理组与对照组不存在系统误差,本文选择的匹配变量及匹配法合适,匹配的估计结果有效。

表2 匹配平衡性检验结果

(3) 企业绩效历史期望落差对企业研发强度的处理效应分析

图1报告了通过GPSM匹配方法得到的企业绩效历史期望落差与企业研发强度之间的关系,即平均剂量反应函数图。图1中,企业绩效历史期望落差与企业研发强度之间呈现出明显的倒U型关系,图像的拐点出现在绩效历史期望落差位于0.08附近。具体而言,当企业绩效历史期望落差在(0, 0.08]区间时,对企业研发强度的促进作用会随着绩效历史期望落差的增大而增大,但是当绩效历史期望落差超过8%之后,绩效负反馈对企业研发强度的促进作用减弱。据理论部分的分析可知,绩效负反馈的出现激励了企业启动问题搜索以及谋求变革的意愿,企业很可能会积极研发、寻求创新变革来弥补绩效差距,但当企业绩效期望落差超过阈值以后,为寻求基业长青或者退出机会,绩效负反馈的负向影响凸显,逐步抵消其所产生的积极影响、减弱其对企业研发强度的促进作用。基于上述讨论,假设H1得到了验证。此外,值得注意的是,当企业绩效历史期望落差超过10%以后,平均“剂量反应”函数的95%上下置信区间会不断膨胀,其对企业研发强度的影响将不满足统计意义上的显著性,出现这种现象的原因主要是该范围内样本较少(不足总样本的5%),但并不影响绩效历史期望落差与企业研发强度间呈倒U型关系的结论。

图1 企业绩效历史期望落差影响企业研发强度的剂量反应函数

2. 基于绩效行业期望落差影响企业研发强度的基准检验

根据经典的企业绩效反馈理论,基于行业期望的绩效期望落差是企业的另一种重要的决策参考因素,因此这一部分关注基于行业水平的企业绩效期望落差对企业研发强度的影响。与第一部分的做法一致,同样使用Fractional Logit回归并基于GPS对样本进行匹配平衡性检验后,本研究得到了基于绩效行业期望落差的企业绩效负反馈影响企业研发强度的剂量反应函数,如图2所示。同样值得注意的是,与绩效历史期望落差的反应函数相似,当企业的绩效行业期望落差超过10%以后,平均剂量反应函数的90%置信区间的上、下边界同样会因为样本数量的限制而不断膨胀,但是,与基于历史期望的反应函数不同,绩效行业期望落差与企业研发强度之间呈现出显著的正相关关系。这意味着,绩效行业期望落差的出现促进了企业研发强度的提高,并且这一促进作用随着绩效行业期望落差的扩大而扩大,并且并不会随着落差过大(对于样本企业而言)而使得对企业研发强度的促进作用变弱。本文对这一结果的解释是,相较于企业自身的历史业绩表现,企业绩效与以行业为基础的同行企业绩效相比的落差对企业的激励是持续而且更为显著的,绩效行业期望落差向企业展示着行业存在潜在的投资机会的信号,影响企业感知的修复能力,进而影响企业研发。

图2 企业绩效行业期望落差影响企业研发强度的剂量反应函数

图1和图2的对比也表现出企业对于行业期望落差更强的敏感性(图2中基于行业期望的绩效期望落差对研发强度的激励水平远高于图1中绩效历史期望落差的促进作用)。

四、 进一步研究

1. 企业绩效历史期望落差与企业R&D投入的OLS回归

通过GPSM,本研究发现了企业绩效历史期望落差与企业研发强度之间的倒U型关系。 GPSM方法可以很好地解决自选择偏误, 但是,其使用强烈依赖于条件独立性假设,为放宽这一假设并提高研究的可靠度,本文接下来使用面板OLS回归对企业绩效历史期望落差与企业研发强度的关系进行再次检验。表3报告了相关的回归结果,第(1)列为基本模型,仅包含了控制变量(1)控制变量包括企业年龄、企业规模、企业杠杆率、第一大股东持股比例、董事会规模与企业性质,因篇幅问题,在回归结果中不再对一系列控制变量的回归系数进行汇报,仅以“CTRL VAR”显示。和绩效历史期望落差一次项,并对年份效应以及行业效应进行控制;第(2)列在第(1)列的基础上加入了绩效历史期望落差的平方项, 检验绩效期望落差与企业研发强度之间的倒U型关系。此外,各个模型的拟合优度虽均为0.18左右,但变量和模型整体具有良好的显著性,并且模型的拟合优度与以往的绩效期望反馈相关研究处于相似水平(2)Lucas等的研究考察企业绩效负反馈与企业R&D投入的关系,其实证部分的完整模型拟合优度为0.17。相似地,Lv等的研究中,其模型的拟合优度为0.13左右。,模型的拟合优度相对较低的原因可能是遗漏的变量是严格外生的。

第(1)列的结果表明,绩效历史期望落差(绝对值)与企业创新存在显著的正相关关系(p<0.01),意味着高的绩效期望落差显著促进了企业的创新投入。第(2)列的结果显示,业绩历史期望落差(绝对值)与企业研发强度存在显著的正相关关系(p<0.01),其平方项与企业研发强度存在显著的负相关关系(p<0.1),意味着业绩期望落差与企业研发强度之间存在着显著的倒U型关系,因此假设H1再次得到了验证。

表3 绩效历史期望落差OLS回归结果

2. 机制检验

在接下来的部分, 本文进一步检验组织的响应能力与决策者所感知到的可修复能力对绩效负反馈驱动的企业研发决策的影响机制, 即检验董事长与总经理两职兼任以及制度环境对企业绩效历史期望落差与企业研发强度关系的调节作用。

(1) 董事长与总经理两职兼任的调节作用

为考察董事长与总经理两职兼任的影响,本文在模型的基础上加入两职兼任虚拟变量,命名为“DUAL”。表3第(3)列报告了两职兼任调节作用的回归结果。结果表明,“DUAL”与绩效期望落差一次项的交叉项对应的回归系数显著为正,表明董事长与总经理两职兼任能够正向调节企业绩效历史期望落差与企业研发强度的关系,强化绩效负反馈对企业研发的促进作用。此外,“DUAL”与绩效期望落差二次项的交叉项对应的回归系数显著为负,表明董事长与总经理两职兼任的企业的绩效历史期望落差与创新投入之间的倒U型关系更为明显,即倒U型图像的曲率更为显著。结合以上两点结果,意味着董事长兼任总经理的企业相较于董事长与总经理不兼任的企业,它们呈现出了在绩效历史期望落差情况下更高的研发投入水平,并且对历史期望负反馈的经营困境更加敏感,假设H2得到了验证。

(2) 制度环境的调节作用

为进一步研究企业所在地市场化程度的调节作用的影响,本文进一步匹配了企业所在地市场化程度数据,加入了市场化程度虚拟变量“MARK_INDEX_DUMMY”(以下简称“MARK”)。具体而言,如果企业所在地市场化程度值大于样本企业所在地市场化程度均值则取值为1,否则取值为0,随后使用MKT作为调节变量进行回归。回归结果见表3第(4)列,MARK与绩效期望落差一次项的交叉项对应的回归系数显著为正,而与绩效期望落差二次项的交叉项对应的回归系数显著为负,说明市场化程度正向调节了企业绩效历史期望落差与企业研发强度的关系,并使得绩效期望落差与企业研发强度之间的倒U型关系更加显著,假设H3得到了验证。位于市场化程度较高地区的企业在同等的历史期望落差水平下的R&D投入强度显著高于市场化程度较低地区的企业,并且随着落差水平的变大在适度的落差水平下具有更为强烈的创新投入可能性。

3. 内生性检验

在上文中,本研究使用GPSM以及OLSM对主效应进行了检验,在很大程度上可以排除企业绩效历史期望落差与企业研发强度关系间自选择偏差所导致的内生性问题。但是,考虑到变量测量偏误、遗漏变量偏差、自变量与因变量间的反向因果关系等问题,为进一步提高研究的可靠度,本文接下来对企业绩效负反馈与企业R&D投入关系进行补充检验。

(1) 测量误差

为控制变量测量误差,本文首先更换被解释变量的测量方式,使用企业的资本化研发总费用与企业净利润之比对企业R&D投入进行重新衡量并进行回归,相关结果见表4第(1)列。其次,本文进一步更换了自变量的测量方式:在数据介绍与变量处理部分,本文指出,α1的不同取值代表着获取企业期望过程中对上一年绩效的不同权重,并对α1进行了取值为0.4的处理,因此在这一部分本文进一步对α1的赋值进行了从0～1的遍历处理,进而改变了绩效负反馈的测量方式,并进行回归。回归结果显示,不同的α1取值具有良好的显著性,受制于篇幅限制,表4第(2)列和第(3)列分别报告了α1取值为0.1和0.9时的回归结果。

(2) 遗漏变量问题

为缓解遗漏变量所导致的内生性问题,本文进一步更换模型的设定形式,在控制时间与行业固定效应的基础上分别进一步控制了企业所在地区的固定效应以及个体的固定效应。表4第(4)列和第(5)列分别报告了控制企业所在地区和控制企业固定效应的结果。表4各列的结果均支持了企业绩效期望负反馈与R&D投入的倒U型关系,假设H1得到了进一步验证。

表4 更换企业R&D投入与绩效期望落差测量后的检验结果

(3) 反向因果关系

为检验企业绩效-期望落差与企业R&D投入是否存在反向因果关系,即潜在的由于企业积极研发从而导致其后续绩效与期望水平之间存在较大落差所导致的变量之间的内生选择问题,本文借鉴了相关研究,通过补充2007年与2008年的企业财务数据,将t+2期的绩效期望落差作为被解释变量,将t期的企业研发强度作为自变量,并加入一系列控制变量进行回归,回归结果见表5。由于版面限制,表5仅对主要变量的回归结果进行报告。根据表5,使用绩效历史期望落差与绩效行业期望落差进行回归的回归系数均不显著,意味着本文样本中企业绩效期望落差与企业研发强度不存在反向因果关系。

表5 绩效期望落差与企业研发强度之间的反向因果检验结果

五、结论与讨论

1. 研究结论

本文考察了企业绩效期望落差与企业研发强度两者之间的关系:基于GPSM方法的研究结果发现了基于企业历史期望的绩效期望落差与研发投入强度之间的显著倒U型关系,以及绩效行业期望落差与研发投入强度之间的正相关关系。进一步研究发现,相比于市场化程度较低地区的企业,位于市场化程度较高地区企业的绩效历史期望落差对企业研发强度的促进作用更为显著,且倒U型关系更为明显。此外,董事长与总经理两职兼任同样正向调节了企业绩效历史期望落差与研发强度之间的关系。以上发现对于多种实证方法具有稳健性。

本文的主要理论贡献在于:首先,本文丰富了决策者绩效期望反馈参考点选择的相关研究。在原有的绩效反馈模型中,现有文献考察的主要是单一的绩效期望反馈与企业研发决策的关系,同时主要焦于两者间的线性关系。然而,企业研发作为一种具有极高不确定性并且显著影响企业经营的决策行为,会受到企业绩效期望反馈信号强弱的影响,即绩效期望落差的大小会改变决策者对风险的感知,从而改变决策者的参考点选择,进而影响决策者的行为。因此,本研究所发现的企业绩效期望落差和其研发决策之间的非线性关系,可以加深相关研究对绩效期望反馈的动态情境下企业研发决策的理解。其次,本文将分析模型处理为绩效历史期望反馈和绩效行业期望反馈这两种绩效反馈情境,并在发现绩效反馈与企业研发决策间非线性关系的基础上探讨了两种绩效反馈对企业行为的不同影响路径,为深入理解企业如何在多重绩效反馈情境中进行研发决策,提供了新思路与经验证据。

2. 研究不足与展望

研究的不足之处在于:首先,本文经过一系列匹配最终只得到了样本量为7 602的企业年度面板数据,后续在这方面的研究可以利用扩展的数据库进行进一步的验证。同时,本文使用中国上市公司为样本,一方面,由于制度环境、企业战略风格等因素的差异,基于中国上市企业样本的分析结果与其他国家可能会有所不同;另一方面,样本企业经过匹配与合并后多为民营企业与制造业企业,毋庸置疑的是,样本中的企业不能够代表中国的所有企业,绩效反馈机制在其他样本中可能会存在差异。其次,使用ROA对企业绩效测算只是衡量绩效反馈的一种方式,并且企业研发行为仅是企业战略调整的一部分,积极从事研发也只是企业为扭转经营困境所进行的战略选择之一。因此,参考以往研究,使用广义倾向得分匹配的办法,验证企业其他的绩效衡量方式下绩效反馈对其他企业行为的影响也是一项有意义的工作。此外,本文考察了董事长与总经理两职兼任的影响因素,并对董事会规模进行了控制。但是,未能对董事会其他成员与高层管理团队其他特征以及交互作用等问题进行深入探讨,因为基于高层梯队理论,董事会结构、高管团队特征等一系列因素都会影响企业行为与企业战略。未来研究可以将以上问题纳入研究范畴,并使用新方法对这一主题研究进行拓展。