供应链网络接近中心度对企业研发投资的影响

张济平

(安徽大学 商学院，合肥 230601)

一、引言

研发投资在各行业的经济增长和技术进步中发挥着重要作用，是企业在激烈的市场中维持竞争力的动力和源泉。因此，确保企业的研发投资，提高创新效率，有助于提高企业的创新水平和可持续发展能力。关于企业研发投资影响因素的研究，一直是学术界的关注的重要课题。现有文献多从企业内部特征和外部环境来研究企业的研发投资。内部特征包括政治关联、产权性质、股权激励和高管薪酬粘性等，而外部环境包括经济政策不确定性、分析师乐观偏差、创新补贴等。尽管上述文献探讨了不同经营环境下研发投资的异质性效应，但却忽视了从供应链网络的角度来研究企业的研发投资。

供应链网络指的是所有直接或间接参与核心企业产品生产或流动过程的所有企业所构成的网络，不仅包括核心企业与其每个供应链网络伙伴(如供应商和客户)的直接联系，还包括其与其他企业的间接联系。尽管供应链网络的研究有涉及到创新活动，但这些研究更多地关注于创新产出，而忽视了创新的主要源泉——研发投资。

作为提高企业创新能力和竞争力的有效途径，从供应链网络的角度来考虑研发投资至关重要。一方面，以往的研究更多的使用供应链集中度指标来研究研发投资，但其本质还是从“线状”的角度来考虑企业之间的联系，没有依据庞大的供应关系搭建起供应链网络，也就不能全面地反映供应链关系对企业研发投资的影响。另一方面，由供应链关系形成的供应链网络为公司提供了获取多样化资源的潜在途径，因此，网络资源也可以是企业的研发投资的重要来源，但对于网络资源是否会被投入到研发中却很少有人关注。并且，研发投资需要大量的资源，并且投资时间长，而资源、有效利用资源的能力和调动资源的意愿是影响企业在创新活动中投入的重要因素。现有研究表明，仅仅依靠内部资源进行创新不足以应对动态的市场，而利用网络资源可以为创新活动提供支持。

基于此，本文以中国沪深A股上市公司为初始样本，根据供应链网络关系，构建了2007—2019年各年度的供应链网络，利用Pajek软件计算出供应链网络中各公司的接近中心度。首先，分析了供应链网络接近中心度影响企业研发投资的内在机理，并对此提出假设，检验其对研发投资的影响。与现有普遍认为的观点不一致的是，接近中心度与企业研发投资呈显著的负向关系。其次，本文利用中介模型验证了组织冗余在两者关系间起到了部分中介的作用。最后，本文通过异质性分析发现国有企业和处于市场化程度低地区的企业，其接近中心度对研发投资的负向影响更为显著。

二、理论分析与假设

企业作为社会经济活动主体的一员，所嵌入的社会网络会影响其创新行为。在社会网络中研究其创新行为的影响因素，离不开对社会资本理论的探讨。社会资本普遍被认为是一种有价值的资源，来源于个人或组织所处的关系网络。与物质资本和人力资本不同的是，企业通过社会网络来获取社会资本通常需要较长的时间，因此社会资本可以为网络中的行动者创造可持续的价值。通常来说，社会资本包括三个维度:认知维度、关系维度和结构维度。认知维度指网络中行动者之间共享的意义和理解，关系维度指网络中行动者之间的合作和互惠，以及通过社交网络获取信息量的多样性和丰富性；最后是结构维度，涉及网络中行动者的交流和互动模式。在社会资本中，结构维度通常是核心，因此本文主要关注的也是结构维度，即供应链网络的结构嵌入。

结构嵌入更多地从网络成员在网络中所占据的位置，即位置特征来描述成员之间的联系，而网络中心性刻画了该特征。通常来说，企业与更多的网络伙伴有着直接和间接的联系，那么其网络中心性越高，越处于网络的核心位置。而处于网络核心位置，通常会在获取信息和资源上占据优势，因此本文主要从信息和资源的获取上探讨供应链网络接近中心度对企业研发投资的影响。

(一)接近中心度与研发投资的正面效应

接近中心度又称为紧密中心度，是指一家公司与其供应链伙伴的接近程度。公司的接近中心度越高，那么它在信息获取的速度上占有一定的优势，且不受其他公司的控制。因此，在供应链网络中，公司的接近中心度越高，就越有助于信息的传递，知识和技术的转移等，即越容易通过与供应链伙伴的联系来获取的社会资本，这也就为企业增加研发投资提供了一定的有利条件。具体来说：(1)接近中心度高的企业，能够更快地通过供应链网络访问和传播知识和信息，并且能够更好更快地获取信息，降低信息失真的风险。企业在决定创新投资时，及时获取有用的信息是非常重要的，这样能够使其比竞争对手更快地开发新产品和新技术。(2)接近中心度高的企业，能够通过与供应链伙伴直接或间接的联系，接触到更多的资源，即资源优势。换句话说，相对于接近中心度低的企业，接近中心度高的企业有更广泛的资源获取渠道。研发投资需要大量的资源，仅仅依靠企业自身的知识和技术是远远不够的，而供应链网络为其提供了知识和技术的获取渠道。基于此，本文提出：

H1：企业在供应链网络中接近中心度越高，研发投资越多。

(二)接近中心度与研发投资的负面效应

然而，企业在供应链网络中处于核心位置具有信息和资源优势，但这种优势能否在研发投资中体现出来呢？换句话说，通过供应链网络获得的社会资本能否增加企业的研发投资呢？具体而言：(1)接近中心度高的企业，与更多的企业有密切的业务往来，那么在资源的分配上会更加谨慎。特别是考虑到研发投资具有成本高、风险大的特点，企业可能不会因为未来的不确定性而放弃短期利益，因为研发投资不一定符合成本效率。因此，即使网络结构较好的企业具有获得网络资源的优势，这些资源也可能被投入到快速盈利的项目中，来避免创新带来的损失。(2)接近中心度的企业，会因为获取过量信息会造成信息冗余。当企业与其供应链网络伙伴有着更多的直接或者间接联系时，从现有供应网络收集的冗余信息反而成为影响企业的战略选择，进而可能导致一些潜在的长期有利想法被排除在外。(3)接近中心度高的企业，为了维持更多的业务关系，提高运营效率，并不会有过多的组织冗余。因为根据代理理论，组织冗余是一种资源浪费，超出了公司的日常需求，而研发投资往往投资时间长，风险大，因此接近中心度高的企业具有较少的组织冗余，进而也减少了在研发上的投资。尤其是企业处于动态的，复杂多变的供应链环境，位于核心位置的企业不得不更多地考虑经营效率，尽管组织冗余可以提供额外的资源来抵消创新失败造成的损失，但这会影响到企业的经营活动。基于此，本文提出：

H2：企业在供应链网络中接近中心度越高，研发投资越少。

三、研究设计

(一)样本选取与供应链网络构建

本文选取2007—2019年中国沪深A股上市公司作为数据样本，整理其两级供应链网络关系，分别建立了13个年份的供应链网络。具体的构建步骤如下：(1)依据供应链网络关系指标表，其中包括核心公司、一级供应链业务关系和二级供应链业务关系，按照“公司股票代码-其主要供应商(客户)股票代码”的格式，在EXCEL中分别建立2007—2019年年度的关系列表。(2)将13个年份的关系列表导入Pajek，利用Pajek软件计算出各公司的接近中心度。依据公司股票代码，将计算出的接近中心度与财务数据进行匹配。

此外，本文剔除金融、保险行业上市公司、ST以及*ST公司、样本期间内数据缺失的上市公司，最终得到样本数据3263个。为了消除异常值的影响，本文对所有的连续变量都进行了上下1%分位的缩尾处理。供应链网络关系指标表与财务数据均来自CSMAR数据库，使用的分析软件主要为Stata15和Pajek。

(二)变量定义与说明

1.被解释变量：研发投资()

参考已有文献[20]-[22]，本文采用研发投资金额与营业收入的比例来衡量企业的研发投资。

2.解释变量：接近中心度()

接近中心度与其他中心度最大的不同就是它考虑了间接关系，故本文采用接近中心度来衡量企业在供应链网络当中的位置。接近中心度的计算公式如下：

(1)

其中：(,)表示企业和企业之间的距离，表示供应链网络的规模。

3.控制变量

考虑到其他因素对被解释变量的影响，本文选取了企业规模()、财务杠杆()、银行贷款()、企业年龄()、有形资产比率()、现金资产比率()、总资产收益率()、企业成长性()和股权集中度()等作为控制变量，所有变量的详细定义见表1。

表1 变量说明

(三)模型构建

本文构建以下模型探究供应链网络结构对企业创新绩效的影响，将接近中心度作为自变量，企业规模、年龄、资产负债率等作为控制变量纳入模型当中。具体模型如下：

=++∑+
∑+

(2)

在模型(2)中，代表企业，代表年份，为控制变量，为行业的虚拟变量，为随机误差项，、和为H1系数。若H1成立，则的系数显著为正；若H2成立，则的系数显著为负。

四、实证结果及分析

(一)描述性统计分析

表2为主要变量的描述性统计，企业研发投资的均值为2.5333，说明企业研发投资整体偏低，具有较高研发投资的公司占比很小；标准差为3.5475，最大值和最小值的差距很大，说明沪深A股上市公司的研发投资有着很大的差异。接近中心度的均值为0.7876，小于中位数，说明在供应链网络中，接近中心度高的企业较少。

表2 主要变量描述性统计

(二)相关性分析

表3为主要变量Pearson检验和Spearman检验。根据Pearson检验，企业研发投资与接近中心度相关系数为-0.0550；根据Spearman检验，企业研发投资与接近中心度相关系数为-0.0584，并且都在1%的水平上显著，表明企业研发投资与接近中心度呈现显著负相关的关系，初步验证了H2，拒绝了H1。另外，本文还做了VIF检验，结果发现所有变量的VIF值都小于3，故不存在多重共线的问题。

表3 主要变量相关性分析

(三)回归分析

表4为接近中心度对企业研发投资的回归结果，表中(1)为不加控制变量，接近中心度的系数为-0.3278，在1%的水平上显著。表中(2)为加入控制变量时，接近中心度的系数为-0.3095且具有1%的显著性，说明企业接近中心度越高，其研发投资越少，验证了H2，拒绝了H1。

表4 主回归结果

(四)稳健性检验

为了使得本文的结论更为可靠，还做了以下4种稳健性检验：

1.工具变量法

在使用工具变量进行稳健性分析时，本文选择了公司的接近中心度的滞后期和年度行业地区均值作为工具变量。回归结果如表5所示，接近中心度的估计系数为-1.090 7，在1%的水平上显著为负，这说明在控制了内生性因素之后，接近中心度与企业研发投资之间的负向关系依然成立。本文的结果还通过了LM检验，Wald检验以及Hansen J检验，故所选取的工具变量是适当的。

表5 稳健性检验-工具变量

2.倾向匹配得分法(PSM)

针对可能存在的内生性问题，本文采用倾向匹配得分法(PSM)控制供应链网络结构对研发投资回归中的遗漏变量问题。首先，将样本按照接近中心度的中位数划分为“实验组”(高接近中心度组)和“对照组”(低接近中心度组)。其次，利用Logit模型筛选用于匹配的协变量。最后，采用PSM法为实验组样本匹配协变量更为相似的控制组样本。回归结果如表6所示，接近中心度的系数为-0.401 5，在1%的水平上显著为负，结论依然成立。

表6 稳健性检验-倾向匹配得分法(PSM)

3.变量滞后

尽管采用工具变量法可以缓解内生性问题，但接近中心度和企业研发投资之间依然可能存在反向因果问题，本文进一步利用变量滞后的方法对模型重新进行回归，可以解释过去的接近中心度与未来企业研发投资的关系，还可以避免可能出现的反向因果问题。回归结果如表7所示，接近中心度的系数为-0.4206，在1%的水平上显著为负，这与之前的回归结果是一致的。

表7 稳健性检验-变量滞后

4.变量替换

为了进一步保证本文结论的准确性，本文对研发投资的代理变量进行了2次替换。参考已有文献，分别替换为(1)1：研发投资金额与总资产的比例；(2)2：研发投资金额的自然对数。回归结果如表8所示，在因变量取1时，接近中心度的系数为-0001 2，在5的水平上显著为负；当因变量取2时，接近中心度的系数为-1.705 2，在1%的水平上显著为负。该结果与前文保持一致，因此，本文的研究结论具有良好的稳健性。

表8 稳健性检验-替换变量

五、进一步分析

(一)组织冗余的中介作用

前文论证了供应链网络接近中心度会对企业的研发投资产生显著的负向影响，结合本文的理论假设部分，认为企业在供应链网络中越靠近中心位置，接近中心度越高，组织冗余越低，进而削减了研发投资。再结合本文在理论假设部分的分析，一方面，接近中心度高的企业，为了提高运营效率，维持或扩大与更多供应链伙伴的业务往来，也可能并不会再保留过多的组织冗余。而组织冗余却可以在创新活动中为企业提供额外的可用资源，保护企业的核心技术不受侵犯，支持战略制定，提供资源保障，并创造探索创新的机会，并允许企业进行更多的创新尝试。比如开发新产品、产品多样化等。另一方面，接近中心度越高的企业，处于供应链网络的核心位置，同时面临的风险也会更大，因此在资源的分配上更加谨慎。

通常来说，组织冗余可以进一步分为可利用冗余、可恢复冗余和潜在冗余。其中，可利用冗余指的是企业短期内可直接利用或转化的闲置资源的规模，可以衡量企业内部的可用闲置资源；可恢复冗余指的是企业在创新或产品创新过程中识别、开发和使用的可回收闲置资源；潜在冗余指的是未来潜在可用的闲置资源的规模。参考已有研究，本文采取流动比率(流动资产/流动负债)来衡量可利用冗余，用销售期间费用率(期间费用/营业收入)来衡量可恢复冗余，用产权比率(负债总计/所有者权益)来衡量潜在冗余，组织冗余取可利用冗余、可恢复冗余和潜在冗余的平均值。为了证实上述影响机制，本文进一步采用中介变量模型对公司的组织冗余在接近中心度和研发投资中所起到的中介效应进行检验。本文在模型(2)的基础上构建如下模型：

=+++
∑+

(3)

=+++
+∑+

(4)

其中：为组织冗余，代表公司，代表年份，为相关的控制变量，为随机误差项。模型(3)检验接近中心度与组织冗余的关系，模型(4)检验组织冗余的中介效应。若前文表述的中介效应成立，则模型(3)中的系数显著为负，模型(4)中的系数显著为负，的系数显著为正。

表9显示了模型(3)和模型(4)的回归结果，可以看到表9的列(2)中，接近中心度对组织冗余的回归系数为-0.046 4，在1%的水平上负向显著，说明企业在供应链网络中接近中心度越高，组织冗余越低。表9的列(3)中，接近中心度对研发投资的回归系数是-0.279 9，在1%的水平上负向显著，组织冗余度研发投资的回归系数是0.638 9，在1%的水平上正向显著。该结果表明在接近中心性与研发投资的负向关系中，组织冗余起到了中介作用，且其影响机理是：企业在供应链网络中，接近中心度越高，其组织冗余越少，进而减少了企业的研发投资。本文还对组织冗余的中介效应进行了Sobel检验，检验结果发现Sobel检验的Z值为2.3608 5，在5%的水平上显著。以上研究结果支持了前文假设提出的合理性。

表9 中介-组织冗余

(二)异质性分析

上述研究发现,供应链网络接近中心度与企业研发投资之间存在负向关系。接着，本文从产权性质，市场化程度的角度上进一步分析上述关系在横截面上的差异。

1.产权性质

首先分析的是产权性质上的差异，公司产权性质的不同，其接近中心度对研发投资也会存在差异。一方面，国有企业所追求的不仅仅是经济利益，还要更多地为政府分担社会责任，比如稳定就业，维持物价等，因此在创新方面的决策往往需要考虑其他的因素；而非国有企业则具有更强的经济利益驱动力，因此非国有企业在研发投资上的意愿会更强。另外一方面，国有企业管理者的任期通常较短，而研发投资转化为创新成果通常需要较长时间，这也加剧了管理者的机会主义行为，减少研发的投入。因此，本文预期接近中心度对研发投资的负面影响在国有企业中更为显著。

对此，本文根据实际控制人的性质，将样本划分为国有企业和非国有企业，对模型(2)重新进行了分组回归。分组回归结果如表10所示，接近中心度显著降低了国有企业的研发投资，而对非国有企业的研发投资的影响则不显著，表明国有企业的接近中心度对研发投资的负面影响更为显著。

2.市场化程度

接着本文又研究了市场化程度的影响。在市场化程度较高的地区，经济发展水平高、政府干涉较弱、产品和要素市场的流动性强，企业可以更好地把握市场与行业信息，创新意愿更强，进而加大研发投资。而在市场化程度较低的地区，金融市场发展水平滞后，知识、技术产权保护制度不完善，要素和产品市场扭曲，创新投资很难获得应有的回报，该地区企业研发投资的意愿会更低。因此，本文预期在市场化程度低的地区，接近中心度对企业研发投资的负面影响更为显著。

本文根据《中国分省份市场化指数报告(2016)》获取样本公司所在省份的市场化得分，并根据市场化得分的中位数进行分组，将全样本划分为市场化程度高和市场化程度低两个子样本，对模型(2)重新进行了分组回归。回归结果如表10所示，当企业处于市场化程度低的地区时，接近中心度对企业研发投资依然呈现显著的负向的关系，而当企业处于市场化程度高的地区时，这种负向关系则是不显著的，表明当企业处于市场化程度低的地区，其接近中心度对研发投资的负面影响更为显著。

表10 异质性分析

六、结论与建议

(一)结论

本文以2007—2019年沪深A股上市公司为初始样本，通过整理上市公司供应链网络关系，分别构建了13个年度的供应链网络，利用Pajek软件计算出企业的接近中心度，研究其对研发投资的影响。研究发现，企业在供应链网络中接近中心度越高，研发投资越少。通过中介模型发现，企业的接近中心度越高，组织冗余越低，进而减少了研发投资。在异质性分析中，本文发现国有企业，处于市场化程度低地区的企业，其接近中心度对研发投资的负向影响更为显著。

(二)建议

第一，结合企业自身内外部状况，合理地选择供应链伙伴。企业应更好地利用供应链网络结构来增强自身的优势，这有助于获取关键资源，提高资源的利用率，激发企业的创新动力。特别是，在全球化日益增长的时代，提高企业的创新能力至关重要，网络资源的有效利用可以为供应链的管理提供的支持性作用。

第二，建立高效的供应链网络，保持一定的组织冗余。在供应链网络中，接近中心度越高的企业，更要储备一定的组织冗余。保持适当的组织冗余也可以使得企业灵活地应对动态且复杂多变的供应链环境。现如今产品的生产需要越来越多的公司的参与，供应链网络的规模也愈发庞大，适当的组织冗余可以增强企业抵御风险的能力，也为企业的研发投资提供了一定的资源保障。

第三，加快国有企业的改革，加快市场化进程。一方面，国有企业存在管理效率低，市场竞争力弱的等问题，加快国有企业改革可以为国有企业的创新发展增添的动力；另一方面，中国的市场化进程加快，可以增强市场活力，为企业进行创新活动提供支持，进而提高企业增加研发投资的意愿。