優秀企業做R＆D還是R＆D讓企業更優秀?——基于中國制造業企業數據的研究

湯學良，周 建，吳萬宗

(1.上海財經大學經濟學院，上海 200433;2.上海財經大學國際工商管理學院，上海 200433)

一、引 言

企業研發與績效關系的研究一直是學術界關注的焦點。通過文獻梳理，我們發現三個方面的問題。首先，績效指標的選取存在分歧。早期的文獻將專利數作為績效指標［1］［2］，但專利只是中間產出，不能代表企業R＆D的全部結果。企業創新不會都申請專利，專利也未必都具有轉化價值。于是，有關學者提出以新產品產出作為績效指標［3］［4］。同樣地，創新活動結果不一定都是新產品。在研發投入的中國工業企業中，大約只有22%的企業產出新產品①根據中國工業企業數據庫 (2005－2007)計算而得。。另外，R＆D中技術改進和工藝改造等創新無法通過新產品反映出來。為克服專利和新產品指標的缺點，后續研究對績效指標的選擇呈現多樣性。既有以工業產值或銷售收入作為績效指標［5］［6］，也有以工業增加值作為績效指標［7］，還有以全要素生產率作為績效指標［8］。此外，部分學者考慮了公司的市場價值［9］，主要選擇財務業績作為替代［10］。其次，存在樣本代表性和選擇性偏誤。企業研發問題的研究主要選擇以大型企業、高科技企業和上市公司為分析樣本［11］［12］［10］，存在著代表性不足的問題。周亞虹等(2012)使用國家統計局的工業企業數據討論R＆D與企業績效的關系［7］，有效地彌補了這一缺陷。此外，數據處理時刪除沒有R＆D投入或投入較低的樣本會損失大量企業信息［10］，進而帶來樣本選擇性偏誤問題。但也有部分文獻注意到了這一點，它們將R＆D為零的數據全部調整為0.01［7］，這樣做的合理性仍值得商榷。最后，現有文獻缺乏討論R＆D與企業績效的雙向因果問題。R＆D投入對企業績效產生影響，同時企業績效也會影響到R＆D的決策。Bravo-Ortega和Marin(2010)初步討論了生產率與研發之間可能存在的雙向因果關系［13］，但其他文獻較少考慮這一點，尤其缺乏企業績效對R＆D決策影響的研究［14］。

針對現有研究的不足，本文進行了相應的補充:重點討論企業R＆D與績效的雙向因果關系問題，填補績效對R＆D影響研究的不足;對企業績效采用多維度的度量指標，克服績效指標選取對研究結論的影響;在樣本選擇方面，使用樣本量大、代表性強的工業企業數據庫;對企業R＆D行為的刻畫主要考慮企業R＆D的參與變量，而沒有選擇R＆D投入變量，以免產生樣本選擇性偏誤。

二、數據來源與變量選擇

(一)數據處理

本文使用的是國家統計局維護的《中國工業企業數據庫》，其優點是樣本大、指標多、時間長。數據庫包含的企業樣本數逐年遞增，僅2007年就有331420個企業樣本。數據庫所含的變量個數超過了100個，且以企業的財務指標為主。本文僅截取2004－2007年的企業樣本，其原因主要在于:一是只有2005－2007年報告了企業R＆D投入情況;二是需要2004年的變量作為初始值估算企業的真實資本存量和TFP。我們依據兩個原則對企業樣本進行初篩:第一，關鍵的財務指標不能漏報(如總資產、固定資產凈值余額、銷售收入、工業總產值等);第二，企業的雇傭員工數不能低于8人。此外，由于國有企業和外資(包括港、澳、臺資)企業的經營環境缺乏與一般企業的可比性，在實證中本文刪除了這兩類企業［15］。最后，根據Cai和Liu(2009)的做法，我們刪除相關變量缺失的企業［16］。最后，樣本中企業數目為851368家，其中2005－2007年共618071家。

(二)變量的選擇與處理

本文涉及的變量包括企業的工業總產值、工業增加值、就業人數、年末固定資產凈值余額、固定資產原值、R＆D投入和工資總額。其中，工業總產值和工業增加值經過Brandt et al.(2012)的4位代碼行業層面的產出品價格指數進行平減［17］，工資總額根據消費價格指數進行平減，固定資產年末凈值余額和固定資產原值主要用來估算企業的資本存量①本文采用永續盤存法計算資本存量，企業層面永續盤存的Stata算法可向作者索取。。

1.企業績效變量。參考Bernard和Jensen(1999)的做法［18］，我們主要考慮兩類指標:一是總量指標，包括工業總產值和企業規模(就業人數);二是效率指標，包括人均工業增加值、人均工資、全要素生產率(TFP)和人均資本。企業TFP的估算采用Olley和Pakes(1996)的方法［19］，該方法能有效克服估計生產函數時帶來的同時性偏誤和樣本選擇性偏誤。

2.研發參與啞變量。依據R＆D投入定義企業研發參與啞變量。若R＆D投入大于0，說明該企業在當年開展了研發活動;若R＆D投入為0，則該企業當年沒有開展研發。中國制造業企業R＆D參與度不高，平均水平只有11%左右。不同行業的R＆D參與度迥異，最高與最低相差9倍多。

3.其他控制變量。為保證做R＆D和不做R＆D企業之間的可比性，實證分析采用“實驗組－對照組比較”方法時必須控制其他因素的影響，具體包括4位代碼行業啞變量、地區啞變量和時間啞變量。

三、做R＆D的企業表現優秀嗎?

本文首先討論做R＆D與不做R＆D的企業在績效上是否有顯著差異，構建的回歸模型如下:

其中，Xi表示企業績效 (包括總量和效率指標)，R＆Di表示研發參與啞變量，Sizei表示企業規模，Industryi控制4位代碼行業影響，Aerai控制地區影響。相對于不做R＆D的企業，β1反映了做R＆D的企業在經營表現上的差異。由表1可見，做R＆D的企業在績效指標上顯著地好于不做R＆D的企業。做R＆D的企業在規模上要高出78%左右，在工業總產值上高出35%－38%，在人均工業增加值上高出37%－39%，在人均工資水平上高出約22%，在TFP上也高出了34%左右。

表1 R＆D企業的績效表現

那么，到底是優秀的企業選擇了做R＆D還是R＆D使企業變得優秀?截面數據上的比較分析不足以回答這一問題，還需進一步分析企業在做R＆D前后的績效差異。

四、優秀的企業選擇做R＆D

本文首先分析當期做R＆D的企業是否之前 (受到數據限制，我們只能做到前兩期)就已表現優秀。如果答案是肯定的，再討論之前的經營表現是否影響企業當期R＆D決策。在水平值上分析當期做R＆D企業的先驗績效表現，我們構建的回歸方程如下:

其中，Xi0表示企業初始年的績效指標，R＆DiT表示企業最終年是否做R＆D的啞變量，Sizei0控制初始年企業規模，Industryi和Aerai分別控制行業效應和地區效應。β1捕捉了最終年做R＆D企業的先驗績效差異，回歸結果如表2所示。顯然，做R＆D的企業之前就已表現優秀:在企業規模上，做R＆D的企業在前一年吸收就業人數就高出42.5%－46.9%，甚至在前兩年也高出38.5%;在工業總產值指標上，一年前就已高出24.5%－27.1%，兩年前也仍高出21.1%;最終年做R＆D企業的先驗效率指標也顯著好于不做R＆D的企業，人均資本存量的差異最大，差異最小的是人均工資指標，但也顯著超過8%。

表2 R＆D企業的先驗績效表現(水平值)

企業績效表現除了反映在水平值上，還反映在指標的增速上。我們進一步考慮做R＆D企業在前期各項指標是否提升得也較快，構建的回歸方程如下:

其中，ΔXiT－1表示企業在T期以前各項經營指標的變化速度 (如表3所示)，其余控制變量的含義與回歸方程 (2)一致。顯然，方程 (3)要求T≥2，因此只能以2007年為最終年進行分析。將β1的回歸信息整理成表6，我們發現2007年做R＆D的企業以前的各項績效指標增速均顯著高于一直不做R＆D的企業。其中，企業規模增速高出3.17%，工業總產值增速高出6.52%，人均工業增加值增速高出4.91%，人均工資增速高出3.62%，人均資本存量和TFP的增速分別高出4%和4.02%。

表3 企業績效指標變化幅度和先驗績效表現 (N=50435)

綜合表2、3后我們認為當期做R＆D的企業在之前就已表現優秀。那么，是否表現優秀的企業更會選擇做R＆D?根據Aw et al.(2008)的研究，企業是否做R＆D取決于預期收益是否大于成本［20］，即

其中，Rit、Cit分別表示當期的收入與可變成本，ΔVit+1表示做R＆D帶來的預期價值增加值，δ表示貼現率，SC表示做R＆D活動的沉沒成本，R＆Dit、R＆Dit－1分別表示企業當期和滯后一期的R＆D狀態。若前一期做R＆D了，則當期做R＆D無需再支付沉沒成本。企業的Rit、Cit和Vit+1實際上是由企業自身特征和經濟環境決定的，改寫 (4)式后可得:

其中，εit是擾動項，Xit包含企業特征和經濟環境。我們將 (5)式寫成線性概率模型 (LPM)的形式:

其中，αi為企業異質性，Xit是企業績效特征，經濟環境特征控制在Di中。LPM模型能控制不可觀測的異質性αi和處理R＆Dit－1帶來的動態影響，但(6)式仍存在同時性問題①績效特征Xit也受企業R＆Dit的影響，我們參考Bernard和Jensen(1999)的做法采用滯后期來削弱同時性問題［18］。。因此，我們將Xit取滯后一期Xit－1來削弱同時性問題。數據的時間跨度只有三年，由于First Difference-GMM方法失效，我們采用Systerm-GMM方法，以變量的滯后兩階作為工具變量，估計的方程為:

其中，β捕捉了企業先前的績效表現是否對當期R＆D決策產生影響。由表4顯示，滯后一期的績效對當期R＆D決策的影響均為正，R＆D活動的慣性影響最大(0.573)，回歸結果支持優秀企業選擇做R＆D的結論。

表4 企業的R＆D決策((t-1)期)

五、做R＆D使得企業更優秀嗎?

接下來，我們仍采用“實驗組-對照組比較”方法討論做R＆D的企業是否在績效上提升得更快，具體的回歸方程如(8)式所示。其中，XiT度量企業績效的增速，R＆Di0為企業在初始期R＆D狀態啞變量。

表5 企業當期做R＆D對績效增速的影響

顯然，當期選擇做R＆D的企業，在總量指標上的增速要快于當期不做R＆D的企業，但在人均效率指標上表現較差。在TFP的增速上，做R＆D的企業表現混亂且不顯著，造成這一結果的原因可能是式(8)只利用了企業當期R＆D活動的靜態信息，而沒有考慮動態信息。在做R＆D時，有些企業是新進入的，有些企業是持續做的，還有些企業則中途停止了。利用這些動態信息對企業重新分類，我們構建的回歸模型為:

其中，StartiT、BothiT和StopiT分別代表在T期新進入做R＆D、開始和最后都做R＆D及開始做R＆D后來停止做R＆D的企業，對照組是在0－T期一直不做R＆D的企業，β1、β2和β3的回歸結果如表6所示。

表6 R＆D的動態行為對企業績效增速的影響

由表6可知，新進入R＆D的企業(StartiT=1)規模指標的增速比較快，效率指標增速也表現優秀(盡管人均資本存量增速表現為負值，但不顯著);持續做R＆D的企業(BothiT=1)在工業總產值和企業規模上的增速較快，但在效率指標增速上表現較差，令人疑惑的是TFP增速還不如新進入的企業;退出R＆D的企業(StopiT=1)僅在企業規模的增速上好于不做R＆D的企業，其余指標增速均表現最差。

最后，本文討論R＆D對企業退出的影響。工業企業數據庫是分年度對企業進行的調查數據，它記錄了企業的存續狀態。若數據庫中企業在某年度消失，其原因一般有兩個:一個是直接退出市場;另一個是銷售收入大幅下降(小于500萬元)。這兩個原因均指向企業經營上的失敗，因而我們將企業下一期不存在于數據庫中定義為經營失敗，更穩健的做法是將企業后續兩期均不存在于數據庫中定義為經營失敗。據此，本文考慮下述的Probit模型:

其中，Failit=1表示企業在t期不存在于數據庫中(更穩健的是t和(t+1)期均不存在)，R＆Dit－1表示企業在(t－1)期R＆D狀態啞變量，Xit－1表示企業在(t－1)期的其他控制變量，系數γ捕捉做R＆D對企業經營失敗的影響。對于其他控制變量，我們謹慎地選擇了企業規模和年齡①Olley和Pakes(1996)認為規模大的企業不易失?。?9］?？紤]到做R＆D會促進企業規模擴張，將這種間接影響分離出來需控制企業規模。在競爭性行業中，企業年齡大容易退出，本文預期企業規模的系數為負，年齡的回歸系數則為正。，并控制行業、地區和時間效應。

表7 做R＆D降低企業經營失敗的概率

表7的結果顯著地支持了做R＆D能降低企業經營失敗的概率。從穩健的回歸結果看，做R＆D使企業經營失敗的風險降低20%左右。另外，企業規模和年齡對企業經營失敗的影響與預期結論是一致的。

六、評述與政策建議

基于中國工業企業數據(2005－2007)，本文探討企業R＆D行為與績效表現的關系，發現做R＆D的企業績效均比不做的要好。因為做R＆D的企業原先的經營表現就已比較優秀了，而且優秀的企業更會選擇做R＆D。然而，一旦企業選擇做R＆D后，R＆D對其績效提升的作用就比較混亂了，R＆D的主要作用表現為企業快速擴張，企業規模和工業總產值擴張的速度顯著提高，而對人均效率指標的增速幾乎沒有促進作用?？紤]到R＆D活動的動態性，我們發現初次進行R＆D的企業TFP增速提高最明顯，雖然持續做R＆D的企業TFP增速也較快，但遠落后于初次進行R＆D的企業。當然，做R＆D可以降低企業經營失敗的風險。

做R＆D對企業總量和效率指標增速的不同影響可從三個方面理解:第一，我國制造業企業的研發活動主要是對已有技術的學習、模仿和轉化，自主創新研發較少，新進入R＆D的企業可學習的先進技術多，在效率方面具有很強的“追趕效應”，所以TFP的增速是最快的。持續做R＆D的企業可學習的先進技術變少，TFP增速反而會減弱。第二，做R＆D讓企業獲得較強的盈利能力后，企業會尋求擴張，由于國內勞動力充裕且成本較低，企業優先選擇增加雇傭人員的粗放增長模式。第三，員工人數迅速擴張稀釋了以人均值度量的效率指標，因此在人均工業產值、人均工資和人均資本存量的增速方面R＆D幾乎沒有促進作用，只有新進入R＆D的企業可能例外，因為這類企業TFP的提高最快，由此帶來的績效提升不易被人均值稀釋。

當前，我國經濟發展進入“新常態”，維持經濟中高速增長的同時需對經濟結構進行調整。本文的研究可為“新常態”下經濟調控提供兩點管理啟示:短期看，提高企業研發活動的參與度仍具有積極的作用，有助于促進工業產值和吸納勞動力就業;長期看，需對我國制造業企業研發活動進行結構性調整，刺激企業提升研發的質量，以學習和模仿先進技術為主轉向以自主創新的研發為主，以保證制造業企業效率的持久提高。

［1］ Hausman J.，Hall B.，Griliches Z.Econometric model for count data with an application to patent R＆D relationship ［J］．Econometrica，1984，52(7)，pp.909－938.

［2］冒佩華，周亞虹，黃鑫，夏正青.從專利產出分析人力資本在企業研發活動中的作用［J］.財經研究，2011，(12):118－128.

［3］馮根福，劉軍虎，徐志霖.中國工業部門研發效率及其影響因素實證分析［J］.中國工業經濟，2006，(11):46－51.

［4］張海洋，史晉川.中國省際工業新產品技術效率 ［J］.經濟研究，2011，(1):83－96.

［5］ Wakelin K.Productivity growth and R＆Dexpenditure in UK manufacturing firms［J］.Research Policy，2001，30(7)，pp.1079 －1090.

［6］何瑋.我國大中型工業企業研究與開發費用支出對產出的影響——1999－2000年大中型工業企業數據的實證分析［J］.經濟科學，2003，(3):5－11.

［7］周亞虹，賀小丹，沈姚.中國工業企業自主創新的影響因素和產出績效研究［J］.經濟研究，2012，(5):107－119.

［8］吳延斌.R＆D與生產率——基于中國制造業的實證研究［J］.經濟研究，2006，(11):60－71.

［9］ Warusawitharana M.Research and development，profits and firm value:A structural estimation ［R］ .Working Paper，2008，NBER.

［10］陸國慶.中國中小板上市公司產業創新的績效研究 ［J］.經濟研究，2011，(2):138－148.

［11］吳延斌.R＆D存量、知識函數與生產效率 ［J］.經濟學(季刊)，2006，(4):1129－1156.

［12］鄧進.中國高新技術產業研發資本存量和研發產出效率［J］.南方經濟，2007，(8):56－64.

［13］ Bravo－Ortega，Marin.R＆D and productivity:A two way avenue?［J］ .World Development，2010，39(7)，pp.1090 －1107.

［14］任海云，師萍.企業R＆D投入與績效關系研究綜述［J］.科學學與科學技術管理，2010，(2):143－151.

［15］路江涌.民營化之路——軌跡與現象的理論解釋［M］.杭州:浙江大學出版社，2008.

［16］ Cai H.B.，Liu Q.Competition and corporate tax avoidance:Evidence from Chinese industrial firms ［J］ .Economic Journal，2009，119(4)，pp.764－795.

［17］ Brandt L.，Van Biesebroeck J.，Zhang Y.F.Creative accounting or creative Destruction?Firm －level productivity growth in Chinese manufacturing ［J］ .Journal of Development Economics，2012，97(2)，pp.339 －351.

［18］ Bernard A.，Jensen B.Exceptional exporter performance:Cause，effect or both?［J］ .Journal of International Economics，1999，47(1)，pp.1－25.

［19］ Steven O.，Pakes A.The dynamic of productivity in the telecommunications equipment industry ［J］ .Econometrica，1996，64(6)，pp.1263－1297.

［20］ Aw B.Y.，Roberts M.J.，Xu D.R＆D investment，exporting and evolution of firm productivity ［J］ .American Economic Review，2008，98(2)，pp.451－456.