中国制造业高管专业背景、研发投入与企业价值研究

刘 丽，杨丽琴

(1.汉口学院 马克思主义学院，湖北 武汉 430212；2.兰州交通大学 经济管理学院，甘肃 兰州 730070)

一、引言

企业价值是衡量企业可持续发展能力的重要指标，在全球新冠疫情、逆全球化等多重不确定性因素的叠加下，企业可持续发展能力成为竞争获胜的关键。而创新是驱动企业价值提升的核心动力，企业创新活动外显为研发投入。近年来，已有大量研究讨论了研发投入与企业价值的相关性，然而结论并不一致，代表性的有：格拉博夫斯基(Grabowski)和穆勒(Mueller)，钟氏(Chung)、赖特(Wright)和凯迪亚(Kedia)，罗婷、朱青和李丹，王维、金娜和章品锋基于不同国家或不同行业的数据证实了研发投入能够显著提升企业价值[1-4]；曼克(Mank)和奈斯特罗姆(Nystrom)基于计算机行业的数据发现研发投入降低了企业价值[5]；武咸云、陈艳、李秀兰等，刘丽娜、刘芸则发现研发投入与企业价值之间存在动态的非线性关系[6-7]，认为存在一个促进企业价值提升的研发投入的适度区间，同时，两者之间的关系会因为企业发展阶段不同而不同；引入环境不确定性[8]、公司治理[9]、政府补助[10]变量探讨不同情境下的两者关系。

制造业是立国之本、兴国之器、强国之基，只有制造业具备强大创新能力，才能从根本上建设创新型国家[11]。近年来，先后发生在欧美国家的制造业再造计划就是例证，各国对制造业价值链的争夺日益激烈。但是，制造业投资成本大、收益回报率低、创新风险高等特点，大大抑制了制造业企业的价值提升。因此，如何持续通过创新提升中国制造业企业价值，从而推动整体经济发展向好、推动产业链和价值链摆脱“低端锁定”而向上攀升，是尤为迫切的一个难题。创新，不仅仅是波特五力模型、资源基础观等战略视角下的基于环境的被动选择，更是体现企业经营团队战略认知的主动适应。换而言之，高管团队的创新战略认知决定着企业研发投入，进而影响企业价值。高管专业背景是创新战略认知中的一个十分重要的先导因素。已有研究讨论了高管专业背景与研发投入、高管团队特征与创新绩效、高管团队异质性与创新绩效等之间的关系，但不同的高管专业背景对研发投入产生的影响鲜有人进行分析，该问题在制造业情境中的研究更是少之又少。

基于此，本文试图进一步深入探讨如下问题：制造业高管专业背景与研发投入的关系；制造业研发投入与企业价值的关系；不同的制造业高管专业背景，是否对研发投入产生的企业价值效应有不同影响。

二、理论分析与研究假设

高阶理论[12]、认知理论[13]、全面创新管理理论[14]是分析高管专业背景与企业价值关系的三个重要理论视角。高阶理论和认知理论认为，由于每个人认知理性是有限的，面对外部环境的动态不确定性，包括专业背景在内的高管个体特征会对环境的认知、信息把握程度产生较大影响，进而延伸至企业战略决策，包括企业研发投入[15]、企业社会责任[16]等。企业家的战略意图取决于资源认知、情绪情感认知，以及无意识认知[17]。因此，企业战略并不完全取决于企业内外部环境，还受高管团队个体特征的影响，不同的高管专业背景会产生不同的战略注意力，不同的资源配置必然产生不同的组织绩效。可持续提升企业价值固然重要，但研发投入并不是企业价值提升的唯一决定性因素，组织、文化、市场、制度等方面的管理创新同样发挥重要作用，全面创新管理理论为这一问题的理解提供了钥匙。

(一)制造业高管专业背景与研发投入

跟服务行业等不同的是，制造业高管专业背景更加多元。根据高阶理论和认知理论，不同的高管专业背景产生不同的研发投入效应。目前，对制造业高管专业背景分类比较成熟的是三分法：一是与产品生产、研发、设计等密切相关的工程技术背景，可称其为技术背景；二是与产品销售相关的市场背景；三是与金融、财务、法律、人力资源等相关的管理背景[18]。

尽管有文献认为，有技术背景的高管会从企业全面发展的角度考虑研发投入，认为过多的研发投入会挤占企业分配在其他领域的资源，进而影响技术创新和管理创新的均衡，但这一观点忽略了企业经营者思维惯性和组织惯例的强大作用。拥有技术背景的高管，更容易认同资源基础观所强调的独特的、难以模仿和复制的资源能够带来可持续竞争优势这一观点[19]，认为通过研发投入进行持续的技术创新和产品创新才是企业制胜的根本。而这种偏向技术创新的思维惯性，不会因个体升任高管职位而有重大改变。因此，高管专业技术背景更能促进技术创新[20]。拥有市场背景的高管，更加深谙转型经济(emerging economy)中由于市场制度的不健全可以为政治关联[21-22]提供滋生的土壤，而政治关联可以帮助企业获得比较有利的竞争前情报、银行贷款[23]、融资便利[24]、税收减免[25]、政策优惠和政府补贴[26]，以及客户关系和市场渠道的维护，因而可以更便捷地获得短期能够实现的市场收益率。这样的商业逻辑决定了拥有市场背景的高管更倾向于将资源投放在企业寻租等政治关联方面，而同时减少研发投入，与成熟市场经济中奉行市场创新战略的企业截然不同。拥有金融、财务、人力资源等管理背景的高管，习惯扮演咨询和参谋的辅助决策角色，尽管对企业研发投入等战略选择的影响度较低。然而，作为重要的互补资产(complementary asset)，依据全面创新管理理论，管理创新必须和技术创新协同才能更好提升创新能力，如海尔实施人单合一管理模式的全员创新，创新效率较过去提升了50%，以国际标准、获奖专利为标志的创新能力大幅增强[19]。由此，提出假设1：

H1a:制造业高管专业技术背景对企业研发投入有显著的正向影响；

H1b:制造业高管专业市场背景对企业研发投入有显著的负向影响；

H1c:制造业高管专业管理背景对企业研发投入有显著的正向影响。

(二)制造业研发投入与企业价值

党的十九届五中全会明确提出要实现科技自立自强，这为中国制造业确定了创新引领发展的战略路径。无论央企的“建设世界一流企业”行动还是中小企业提升创新能力计划，增加研发投入、提高研发投入占比无疑是其中的必由之路。如华为从一家1987年起步于代理香港交换机产品的通讯公司，成长为全球领先的通讯公司，主要得益于《华为基本法》所确立的每年研发投入占营业收入比不少于10%的创新战略，2019年华为实现全球销售收入8 588亿元，研发投入1 317亿元，占比高达15.3%。如果说华为是一家高技术制造业需要高研发投入，那么作为传统制造业的海尔公司，在数字经济的浪潮下进行数字化转型，从2018年开始同样加大了研发投入，每年约为70亿元。这说明，对于创新能力大而不强[11]、固定投资需求大、研发风险高、工艺复杂、价值链长、市场收益反馈慢的中国制造业而言，大强度的研发投入是提升企业技术创新能力进而提升市场价值的基本条件。

因此，尽管在计算机以及其他行业有研发投入降低企业价值的证据[5]，也有中国情境中非线性关系的结论[7]，但总体上中国制造需要更多的研发投入加强基础研究、技术开发和商业化发展，增加制造业产品的附加值，增强产业领域中的竞争优势，提高市场中长期经营能力，从而可持续提升企业价值。由此，提出假设2：

H2:制造业研发投入对企业价值有显著的正向影响。

(三)制造业高管专业背景、研发投入与企业价值

已有研究分析了高管专业背景对研发投入、技术创新的影响，以及研发投入、创新战略与企业价值的影响，但高管专业背景对研发投入与企业价值关系的影响却鲜有分析。而事实上，从认知理论和高阶理论出发，高管个体的特征对企业经营战略往往起着关键作用。基于上述分析，本文提出假设3和假设4：

H3a:制造业高管专业技术背景与企业价值投入正相关；

H3b:制造业高管专业市场背景与企业价值投入负相关；

H3c:制造业高管专业管理背景与企业价值投入正相关；

H4a:制造业高管专业技术背景，增强企业研发投入与企业价值正相关关系；

H4b:制造业高管专业市场背景，抑制企业研发投入与企业价值正相关关系；

H4c:制造业高管专业管理背景，增强企业研发投入与企业价值正相关关系。

三、研究设计

(一)样本与数据

本文主要使用的数据来源于2019年国泰安CSMAR数据库。我们对数据的整理分为以下几步：第一步，对初次整理的企业价值相关数据按以下规则做了筛选：(1)选择制造业行业的公司，包括石油加工、炼焦及核燃料加工业、有色金属冶炼及压延加工业、农副食品加工业、酒、饮料和精制茶制造业、黑色金属冶炼及压延加工业等30多类细分行业的公司；(2)剔除研发投入金额和研发投入占主营业务收入比重为0的公司；(3)剔除公司规模、资产、负债等核心变量有缺失值的公司，专利数量为0或缺失值的公司。经过上述筛选后形成1 907个有效观测值。第二步，我们从上市公司董事、监事和高级管理人员个人特征数据库中逐一查找与第一步有效观测值匹配的数据，并剔除高管专业技术背景有缺失值的公司。第三步，为了避免极端值的影响，本文对主要连续变量做了1%的缩尾处理(Winsorize)，共形成1 642个有效观测值。

(二)变量测量

1.被解释变量：企业价值(Tobin’sQ)。企业价值反映了企业的可持续发展能力以及被市场接受和认可的程度。已有关于企业价值的研究文献认为：Tobin’sQ值适合作为企业价值的代理变量[27]，其计算公式为流通股市值、非流通股市值和负债市值之和与期末账面总资产的比。

2.解释变量：高管专业背景(CEO’s Professional Background)。CEO是高管团队中战略认知整合的发起者、资源配置的实际负责者，CEO权力对高管团队(Top Management Team)决定发挥着导向作用。而CEO专业背景则提供了CEO权力的影响方向。因此，本文以CEO专业背景作为高管专业背景的代理变量。借鉴陈娥关于高管专业背景的分类方法[18]，进一步将高管专业背景分为专业技术背景(CEO’s Professional Technology Background，CT)、专业市场背景(CEO’s Professional Market Background，CMK)和专业管理背景(CEO’s Professional Management Background，CMG)。将生产、研发、设计背景归为技术背景，只要具备其中一种即赋值为1，不具备任何一种则赋值为0；同理，将人力资源、市场、金融、财务、法律背景归为管理背景，赋值为1，反之为0；将具有市场背景的赋值为1，反之为0。在此基础上，本文将同时具有技术背景、管理背景、市场背景中的两种背景及以上的归为专业复合背景(CEO’s Professional Composite Background，CC)，只具有其中一种背景归为专业单一背景(CEO’s Professional Single Background，CS)。

3.中介变量：企业研发投入(R&D Investment，R&D)。企业研发投入可以反映企业在技术和产品创新上的战略重视程度，为企业各类创新活动提供了资源基础。本文用企业研发投入规模和研发投入占主营业务收入比反映。

4.控制变量。结合已有相关研究[28-29]，本文选择企业规模(Size)、资本结构(Lev)、短期偿债能力(CurRatio)、企业科技水平(Tech)、企业风险水平(Finlev)、现金流能力(Incash)作为控制变量，主要控制变量定义见表1所列。

表1 变量定义

(三)模型设计

首先，为了验证高管专业技术背景、市场背景和管理背景与研发投入、企业价值的关系，依次设定以下模型：

Tobin’sQi=β0+β1R&Di+β2～β6Controlsi+ei

(1)

R&Di=β0+β1CTi+β2CMKi+β3CMGi+β4～β9Controlsi+ei

(2)

Tobin’sQi=β0+β1CTi+β2CMKi+β3CMGi+β4～β9Controlsi+ei

(3)

Tobin’sQi=β0+β1CTi+β2CMKi+β3CMGi+β4RDi+β5～β10Controlsi+ei

(4)

其次，在专业技术背景、市场背景和管理背景研究基础上，为了进一步验证高管专业复合背景、单一背景与研发投入、企业价值的关系，依次设定以下模型：

R&Di=β0+β1CCi+β2CSi+β3～β8Controlsi+ei

(5)

Tobin’sQi=β0+β1CCi+β2CSi+β3～β8Controlsi+ei

(6)

Tobin’sQi=β0+β1CCi+β2CSi+β3RDi+β4～β9Controlsi+ei

(7)

最后，为了验证制造业高管专业技术背景、市场背景和管理背景对研发投入产生的影响，依次设定以下模型：

Tobin’sQi=β0+β1R&Di+β2CTi+β3～β7Controlsi+ei

(8)

Tobin’sQi=β0+β1R&Di+β2CMKi+β3～β7Controlsi+ei

(9)

Tobin’sQi=β0+β1R&Di+β2CMGi+β3～β7Controlsi+ei

(10)

四、研究结果

(一)数据特征描述和相关性分析

在1 642个样本中，行业主要集中以下四个行业：计算机、电子和通信设备制造业共247个，占比15.0%；化学原料及化学制品制造业共175个，占比10.7%；电子机械与器材制造业共167个，占比10.2%；医药制造业167个，占比10.2%。这四个行业样本占样本总数的46.1%。

表2为变量的描述性统计分析结果。结果显示，企业价值最小值为0.73，最大值为14.32，均值为1.91，差别十分明显；研发投入最小值为0.00，最大值为43.41，平均研发占比为5.01%，平均研发占比较高；样本中33%的CEO有专业技术背景，99%的CEO有专业市场背景，45%的CEO有专业管理背景，65%的CEO有专业复合背景，35%的CEO为专业单一背景；企业规模最小值为19.15，最大值为28.64；资本结构最小值为0.03，最大值为0.99；短期偿债能力最小值为0.00，最大值为1.83；企业科技水平最小值为0.00，最大值为0.45；企业风险水平最小为-17.95，最大值为219.02；现金流能力最小值为0.31，最大值为2.31。可以看出，企业规模、资本结构、短期偿债能力、企业科技水平、企业风险水平、现金流能力这几个变量的差别都比较大。

表3为变量的Pearson相关性分析结果。结果显示，企业价值与研发投入显著正相关(r=0.276，P<0.01)，与高管专业技术背景显著正相关(r=0.043，P<0.1)，与企业规模、资本结构和企业科技水平显著负相关，与现金流能力显著正相关。研发投入与高管专业技术背景显著正相关(r=0.140，P<0.01)，与高管专业管理背景显著负相关(r=-0.056，P<0.05)，与企业规模、资本结构在1%的水平上显著负相关，与企业科技水平、现金流能力显著正相关。这说明本文预设的自变量和控制变量都是有效的。同时，各关键变量之间的相关系数较小，均小于0.5，表明变量之间的多重共线性关系较弱。

表3 变量Pearson相关性分析结果

(二)回归检验与结果

在解释每个模型前，我们都对每个模型的多重共线性、自相关和异方差作了检验。一是每个模型中的方差膨胀因子都小于10，说明不存在多重共线性问题；二是每个模型中的DW数值都在2左右，与2接近，因而不存在自相关问题；三是散点图观察判断不存在异方差问题。表4为模型回归结果。

模型(1)显示，企业价值与研发投入显著正相关(β=0.106，P<0.01)，说明研发投入强度越大，越有利于提升企业价值，假设H2成立；模型(2)证实了高管专业技术背景与研发投入显著正相关(β=0.106，P<0.01)，假设H1a成立，高管专业市场背景与研发投入显著负相关(β=-0.002，P<0.01)，假设H1b成立，高管专业管理背景与研发投入非显著相关；模型(3)验证了高管专业背景与企业价值的相关关系，高管专业技术背景与企业价值显著正相关(β=0.032，P<0.01)，高管专业市场背景与企业价值显著负相关(β=-0.005，P<0.01)，假设H3a和H3b成立；模型(4)在模型(3)的基础上加入研发投入变量，结果显示，研发投入与企业价值显著正相关(β=0.264，P<0.01)，对比模型(1)、模型(3)和模型(4)，研发投入对企业价值的影响系数由0.262增加到0.264，同时高管专业技术背景和高管专业市场背景由显著相关关系变为非显著相关关系，说明研发投入在高管专业背景与企业价值之间起到完全中介效应，是两者之间的中介变量；鉴于在分析过程中发现高管有技术、管理和市场的多种任职背景，故本文又将高管专业背景分为高管专业复合背景和高管专业单一背景，模型(5)、模型(6)和模型(7)用以分析其和研发投入、企业价值的关系，但结果显示高管专业复合背景、单一背景与研发投入和企业价值之间无显著相关关系。

模型(8)证实了高管专业有且仅为技术背景时，研发投入与企业价值显著正相关(β=0.264，P<0.01)，对比模型(1)，研发投入对企业价值的影响系数由0.262增加到0.264，说明高管专业技术背景会增强研发投入对企业价值的正效应，假设H4a成立；模型(9)证实了高管专业有且仅为市场背景时，研发投入与企业价值显著正相关(β=0.261，P<0.01)，对比模型(1)，研发投入对企业价值的影响系数由0.262下降到0.261，说明高管专业市场背景会抑制研发投入对企业价值的正效应，假设H4b成立；模型(10)证实了高管专业有且仅为管理背景时，研发投入与企业价值呈非显著相关关系(β=-0.125，P<0.01)。

表4 假设检验回归结果

五、稳健性检验

稳健性检验的目的在于检视检验结果的稳定性和可靠性，常用的方法是替换模型中核心变量的代理变量。本文将研发投入规模作为研发投入的代理变量，沿用模型(1)至模型(9)，结论仍然一致，这说明上述结论是稳健的。限于文章篇幅，故不在此赘述。

六、结论与管理启示

(一)主要结论

本文基于高阶理论、认知理论、全面创新管理理论，运用2019年中国制造业的1 642个有效样本，采取多模型深入探讨了高管专业背景、研发投入与企业价值的关系，结论如下：

1.研发投入与企业价值正相关，高管专业背景与研发投入有相关关系，其中，高管专业技术背景与研发投入显著正相关，而高管专业市场背景与研发投入显著负相关。说明高管专业技术背景通过增加研发投入的创新战略提升企业价值，而高管专业市场背景则可能因获得建立在政治关联基础上的市场利益而减少研发投入，与企业价值负相关。

2.研发投入在高管专业背景与企业价值之间起完全中介作用。这说明，高管专业背景的不同，会对包含研发投入在内的创新战略产生决定性作用，而研发投入又是决定企业价值的基础资源，从而证实了一种高管专业背景影响企业价值的微观机制。

3.高管专业技术背景能够增强研发投入对企业价值的正效应，而高管专业市场背景则抑制研发投入对企业价值的正效应。

4.高管专业管理背景对研发投入、企业价值的影响不显著，可能的解释是，专业管理背景并没有发挥应有功能，没有实现全面创新管理理论所强调的全员创新、全方位创新、全时空创新[14]，因而没有产生与技术创新对企业价值提升的协同作用。

(二)管理启示

中国制造正处于各产业链向价值链中高端攀升，围绕产业链布局价值链，围绕价值链布局创新链的关键路径是坚持并实施“创新是引领发展的第一动力”的战略布局，创新是企业价值提升的根本途径。

1.增加研发投入。以1 642家样本企业为例，研发投入占主营业务收入比5.01%，中位数为4.13%，说明多数企业研发投入占比并未达到均值，而研发投入实际金额平均仅为2.9亿元，而中位数为7 900多万元，尚不足1亿元。研发规模小是目前中国制造“大而不强”[11]的重要原因。因此，中国制造要持续加大研发规模，增加研发投入占主营业务收入比例。

2.强化高管专业技术背景。一方面，注重选拔或引入具有技术背景的生产、设计、研发岗位核心人才担任CEO；另一方面，应适当增加具有专业技术背景的核心人才进入企业高管团队(top management team)，加强高管团队断裂带中创新战略认知整合的统一性。在本文研究中，反复证实了技术背景对企业价值的重要性，因此，还应该考虑为技术背景的核心员工提供更高职级、更高平台、更好待遇等。如尝试任命首席创新官、首席产品官、首席工匠师等。

3.注重管理创新，实施全面创新。人力资源、财务、法务、金融等职能方面的创新要和技术创新、产品创新协同起来，不能只重视技术创新，否则管理上的滞后反过来阻碍技术创新。正如蒂斯(Teece)、皮萨诺(Pisano)和栓氏( Shuen)在论述动态能力时强调的企业要有敏锐地感知市场环境、善于扑捉机会、内部资源整合能力[30]，避免因管理滞后而产生技术刚性。因此，要实施技术、市场、制度、文化、管理等全要素创新，还要实施全员创新、全时空创新。