基于上市大數據企業的經營績效與研發投入關系研究

張鐵山　鄧新策

(北方工業大學，北京　100144)

基于上市大數據企業的經營績效與研發投入關系研究

張鐵山鄧新策

(北方工業大學，北京100144)

〔摘要〕通過對上市大數據企業概念的討論，選出符合要求的部分企業，以其2011～2013的數據為研究樣本，以因子分析法計算其經營績效得分，進行經營績效與研發投入強度的實證檢驗，并揭示其各個能力因子與研發投入強度的關系。結果表明，上市大數據企業的經營績效與其當期、前一期的研發投入強度均沒有顯著相關關系，成長能力與其前兩期的研發投入強度存在顯著正向相關性。

〔關鍵詞〕經營績效研發投入大數據企業因子分析

1　大數據上市企業概念的提出與研究意義

大數據已經日益成為我們個人生活、經濟社會中極其重要的概念。自被稱為“大數據元年”的2012年起，隨著人類產生的數據量成指數倍增長，大數據一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，并命名與之相關的技術發展與創新。隨著關于大數據的構想和概念的不斷提出、完善并在實際中運用，出現了一批與大數據運用直接相關或密切相關的企業，我們可以稱其為大數據企業。

目前國內外關于大數據的研究主要基于大數據的數據挖掘與分析，基于大數據的決策判定支持，基于大數據在某一領域的具體應用研究3個方面。其中，關于大數據在某一特定領域的具體應用研究越來越多，也是大數據與實際結合，形成一批大數據企業的理論基礎。而目前確實已經出現了一批相關的大數據企業。但對大數據企業的界定還很比較模糊。

針對上市大數據企業的界定，目前只有部分券商和少量學者針對概念做出過粗略的劃分。如安信證券認為，遵循自身擁有大數據和為客戶提供大數據分析運營兩條主線選出的企業即為大數據上市企業。周永祥(2013)將大數據上市企業劃分為數據存儲和處理、數據運營維護兩個類別。可以看出，目前針對大數據上市企業的劃分依據大都是以經營業務和范圍作為標準，只有很少量的企業符合上述標準。但是我們認為，大數據上市企業的范圍還應該進行拓展延伸，現有的分類還很不合理全面，忽視了一部分主營業務，核心能力和未來的發展戰略與大數據密切相關的企業。

我們從主營業務層面出發，考慮多個角度提出選取上市大數據企業的標準，即主營業務板塊和核心能力，戰略布局動向3個方面都與大數據密切相關的企業。基于此，我們從上海和深圳兩個證券交易所的上市企業中篩選出42家符合要求的企業進行研究，定位總體可分為以下6類：海量數據生成與處理，數據中心建設與運營，信息數據安全，基于大數據的智能化問題處理，大數據的視頻化應用，大數據的人機化交互應用。這樣，我們就得到一份從數量和質量上都符合研究要求的對象。

2　經營績效與研發投入關系文獻回顧

2.1國外研究回顧

國外學者對研發投入與企業績效的關系研究，大致方法都是從具體某個行業的數據出發，分析二者在時間序列上的關系。多數研究表明，二者具有明顯相關性。William N.Leonard(1971)通過對美國制造業1957～1967年的數據進行的實證研究發現，R&D投資會在第2年對企業的銷售及利潤增長產生影響，并且這種影響會在以后的9年中持續穩定上升。Ben Branch(1974)通過對美國7個行業111家企業1950～1965年研發及盈利數據的分析，發現除了制藥行業外，其他6個行業R&D活動對銷售增長的影響都大于或等于對利潤的影響，由此得出R&D活動對企業盈利能力有顯著影響的結論。Dietmar Harhoff(1998)使用德國制造業企業1979～1989年的數據對R&D支出與企業生產率的關系進行實證研究，通過CD生產函數模型研究發現在截面數據分析中，R&D支出對銷售收入的產出彈性顯著且為正數。Chambers(2002)使用美國近萬家企業的數據對R&D投入對企業業績的影響時滯進行了實證研究，認為R&D投入對企業業績具有滯后效應，其滯后影響能持續10年甚至更長的時間。但也有部分研究認為二者直接并沒有顯著關聯。如Lin(2006)等通過對美國科技企業的研究發現研發投入對企業績效的影響并不顯著。

2.2國內研究回顧

國內學者針對我國的具體情況，對二者關系的研究在國外前人的研究基礎上，做出了很多實證和理論延伸。趙心剛，汪克夷(2012)收集了2007～2011年的制造業的滬深兩市上市企業數據，制作成面板數據，用雙向固定效應模型研究了研發投入與經營績效的關系，得出研發投入對經營績效有顯著的滯后效應關系，且在兩年上最為顯著。周江燕(2012)以當期營業毛利潤作為企業業績的衡量指標，托賓Q值作為企業的價值指標，以回歸的方式得出二者與研發投入關系的結論。認為研發投入對當期和滯后一期的企業業績有正向影響。陳一博(2013)用銷售凈利率和凈資產收益率兩個指標來衡量企業的財務績效。得出其研究的5個行業的研發投入強度有利于企業財務績效的提升，存在一定的滯后期，且1～2年內顯著。

但也有學者認為二者直接關系并不顯著。王君彩，王淑芳(2008)選取電子信息行業企業的數據，選擇主營業務利潤率衡量企業業績，以研發強度和研發人員占比作為研發投入的衡量。得出研發投入與業績之間不存在顯著的正相關關系，并做出了解釋。游春(2010)通過測試中小企業板2005～2007年的數據，發現不論是假設R&D投入滯后1年還是滯后2年產生作用，模型均不顯著，即R&D投入確實對績效不產生影響。杜勇，鄢波(2014)運用Pearson系數相關性檢驗和回歸分析，研究高新技術企業研發投入和企業盈利能力、營運能力和成長能力的關系，得出高新技術企業研發投入只對盈利能力有顯著影響。

總體來說，對研發投入和企業經營績效間的關系研究雖然已經較為豐富，但是仍有兩點并沒有充分結合在一起研究。(1)在對企業績效的衡量上，大部分研究都是通過簡單的一個或兩個指標進行代替，最多是幾個指標的簡單疊加，這并不能全面反映企業的績效哪怕只是財務績效；(2)在對二者的關系探究中，不管對企業的績效有或者沒有影響，很少有人繼續探究研發投入在細微方面的影響，尤其是在大數據企業的特性下，研發投入到底會在哪里影響到企業的經營績效，以何種輕重緩急的方式，十分具有研究必要。

3　理論分析，研究假設和實證設計

3.1理論分析與研究假設

3.1.1研發投入對上市大數據企業經營績效的影響

我們參考前人對經營績效評價指標體系的構建和準則，既不以單個財務指標代替經營績效，也不照抄照搬評價準則中的規定，而是在大數據企業經營特點的基礎上，參考評價準則中的分類，選取每股收益，凈資產收益率，流動比率，速動比率，資產負債率，營業收入增長率，總資產增長率，營業利潤率，營業利潤增長率，流動資產周轉率，固定資產周轉率，應收賬款周轉率12個指標作因子分析計算經營績效得分。企業的研發投入必定會在各個方面對企業的經營績效產生影響。對于大數據企業而言，企業需不斷通過增加研發投入進行數據的采集和處理，數據中心平臺的構建與維護，增強企業的大數據應用能力，從而提高企業在市場上的競爭力，獲取更高的營業利潤。但是，企業研發活動是一項長期的工程，從研發投入到新產品出現，新技術推向市場要經過研發、調試、生產、銷售等多個環節。因此，研發活動對企業績效的影響存在滯后性。并且，在研發活動投資的當期，對巨額的研發支出進行會計上的費用化處理可能會對其當期利潤帶來顯著的負向影響。因此我們提出假設：

H1：上市大數據企業經營績效與其當前研發投入之間存在顯著負向相關關系。

H2：上市大數據企業經營績效與其前一期研發投入之間存在顯著正向相關關系。

3.1.2研發投入對上市大數據企業償債能力的影響

研發投入會占用企業的現金流，直觀上會削弱企業的短期償債能力，即對企業當期的償債能力產生負向影響，但在長期上會變得不顯著，所以我們提出假設：

H3：上市大數據企業償債能力與其當期研發投入存在顯著負向相關關系，但與其前期研發投入之間關系不顯著。

3.1.3研發投入對上市大數據企業盈利能力的影響

由于盈利能力的形成需要一段時間，研發投入的效果需要一段時間的時滯，所以提出如下假設：

H4：上市大數據企業盈利能力與其當期研發投入關系不顯著，但與其前期研發投入存在顯著正相關關系。

3.1.4研發投入對上市大數據企業營運能力的影響

由于研發投入的最終目的是增加企業產品的利潤額，同時意味著企業生產費用，管理費用等營業支出的同比例下降。這將使得大數據企業在現有的環境和資源下，能夠使生產、銷售等效率得到提升，表現在固定資產周轉率，流動資產周轉率，應收賬款周轉率等指標上，即為營運能力的提升。所以提出如下假設：

H5：上市大數據企業營運能力與其當期研發投入關系不顯著，但與其前期研發投入存在顯著正相關關系。

3.1.5研發投入對上市大數據企業發展能力的影響

發展能力包括范圍眾多，但是研發投入使大數據企業保持強大的技術創新能力、塑造獨特的核心競爭力，是其持續發展的力量源泉和根本動力。考慮到研發投入轉換為發展能力的時滯，我們提出以下假設：

H6：上市大數據企業發展能力與其當期研發投入關系不顯著，但與其前期研發投入存在顯著正相關關系。

3.2實證設計

3.2.1樣本選取

研究從上海和深圳兩個證券交易所的上市企業中，按照前文所述的大數據企業定義標準，選取了42家符合要求的企業進行。數據從類別上看屬于財務數據，從年度上看屬于2011～2013年。數據多數來源于巨潮資訊網和銳思金融數據庫，部分自企業年報中手工摘出。數據處理使用Spss19和Excel，研究方法主要是因子分析法，回歸分析和相關性分析。

3.2.2被解釋變量

大數據企業的經營績效作為被解釋變量，是使用因子分析法從每股收益，凈資產收益率，流動比率，速動比率，資產負債率，營業收入增長率，總資產增長率，營業利潤率，營業利潤增長率，流動資產周轉率，固定資產周轉率，應收賬款周轉率12個指標中計算得出。

3.2.3解釋變量

目前衡量研發投入的指標主要有研發投入絕對數，研發投入強度(即研發投入與營業收入的比值)和研發人員占工作人員的比值3個。考慮到不同規模企業之間的可比性，數據的可獲得性，我們選擇研發投入強度作為解釋變量。

3.2.4控制變量

參考前人控制變量的選擇，如淳正杰(2014)選取了企業規模、企業所有制、企業年齡、財務杠桿作為控制變量。在這里，我們采用應用較為廣泛，數據較易處理的3個指標作為大數據企業經營績效分析的控制變量，即總資產的自然對數(反映企業規模)、資產負債率(反映資本結構)、貨幣資金與總資產的比值(反映現金實力)。其中，對總資產的對數化處理有利于保持在概率不變前提下數據之間橫向的可比性，符合數據計量上的正態分布規律，在計量經濟學研究上廣泛采用。

3.2.5模型設計

針對H1：

Pit=αi+β1RDit+β2SIZEit+β3LEVit+β4CASHit+εit

針對H2：

Pit=αi+β1RDit+β2RDit-1+β3SIZEit+β4LEVit+β5CASHit+εit

式中，i表示第i家大數據企業的情況；t代表第t個時間段，以一年為一個時間段；Pit表示第i家大數據上市企業在第t年的業績，用企業經營績效的綜合得分反映；RDit表示第i家上市企業在第t年的研發投入強度；SIZEit表示第i家上市企業在第t年企業規模；LEVit表示第i家上市企業在第t年企業規模；CASHit表示第i家上市企業在第t年企業規模；αi為第i個企業不可觀測的個體特征；εit為誤差項；β1，β2，β3，β4，β5是有待估計的未知參數。其中，當期研發投入強度對企業業績的影響用未知參數β1表示，前一期的研發投入對當期企業業績的影響為參數γ1。

4　實證分析

4.1因子分析

以2013年的數據為例。首先做KMO檢驗。由表1可以看出，KMO檢驗的結果為0.614超過0.5，顯著性概率為0.000，符合因子分析的基本要求。

表1　KMO和Bartlett的檢驗

在接下來的處理中，由于流動比率、速動比率和資產負債率都不是越大越好，參考前人方法，對其進行了標準化處理。運用主成分分析法得到的旋轉后的因子載荷矩陣如表2。

表2　解釋方差綜合

提取方法：主成份分析。

解釋方差的適合區間并沒有權威定論，根據具體的研究方法和問題的而定。根據因子分析法的前人經驗，在主因子對總樣本的解釋率達到80%以上時，為非常適合因子分析，在70%～80%之間為比較適合，60%～70%為一般適合，60%以下為不太適合。由表2可以看出，提取的4個主成分因子對總體樣本的解釋率為74.845%，雖然沒有達到比較高的解釋率——80%以上，但也可以在相當程度上解釋樣本整體變化，符合研究的基本要求。

表3　旋轉成份矩陣

提取方法：主成份。旋轉法：具有Kaiser標準化的正交旋轉法。

在旋轉成分矩陣的成分構成中，可以看出，第一個因子的主要構成指標為流動比率、速動比率和營業利潤率，我們可以把它稱為償債與短期盈利因子，簡稱為償債能力因子；第二個因子的主要構成指標有每股收益、凈資產收益率，屬于長期盈利能力范圍，稱之為盈利能力因子；第三個因子的主要構成指標有固定資產周轉率、流動資產周轉率、應收賬款周轉率，屬于營運能力因子；第四個因子的主要構成指標有營業收入增長率、總資產增長率和營業利潤增長率，可認為是成長能力因子。

4.2回歸分析

根據得到的各個企業的績效評分，基于H1的假設模型，針對2013年的數據進行上市大數據企業的研發投入強度與經營績效關系分析。結果如表4：

表4　針對H1的回歸分析結果

可以看出，2013年的研發投入強度t值為0.554，P值為0.583，沒有通過顯著性檢驗。假設H1并沒有得到支持。

而基于H2的假設模型，回歸分析結果如表5：

表5　針對H2的回歸分析結果

由這個結果來看，同樣的，無論是當期的研發投入和滯后一期的研發投入，都沒有通過顯著性檢驗，也就是說，H1和H2都沒有得到證實，當期和滯后一期的研發投入都不對大數據企業的經營績效構成顯著影響。

4.3皮爾森相關性分析

接下來，由于整體意義上的經營績效得分與研發投入強度關系沒有通過顯著性檢驗，我們使用Pearson檢驗單個指標與研發投入的關系，進而觀察H3，H4，H5，H6的情況。Pearson相關系數也稱皮爾森積矩相關系數，是一種線性相關系數，介于-1～1之間，常用來反映兩個變量間線性相關程度。系數描述的是兩個變量間線性相關強弱的程度，絕對值越大表明相關性越強。具體結果簡化后見表6：

表6　Pearson檢驗

注：**．在0.01水平(雙側)上顯著相關。*．在0.05水平(雙側)上顯著相關。

由表6可以看出，在償債能力因子的構成中，流動比率、速動比率在某種程度上構成了顯著相關性。具體來說，就是2013年的流動比率、速動比率與當期研發投入顯著正向相關，且通過了0.01的顯著性檢驗；與上一期的研發投入也顯著相關，但只通過了0.05的顯著性檢驗；與2011年的研發投入沒有通過顯著性檢驗。這個結果與假設H3完全相反。

在盈利能力因子構成中，無論是當期還是滯后一期，滯后兩期的研發投入，對本期的每股收益、凈資產收益率都不構成顯著相關，假設H4沒有得到證實。

在營運能力因子的構成中，2012年的研發投入，2013年的研發投入對2013年的流動資產周轉率構成了顯著的負向相關，且通過了0.01的相關性檢驗；對2013年的固定資產周轉率構成了顯著負向相關，只通過了0.05的相關性檢驗。而滯后兩期的2011年的研發投入并沒有通過相關性檢驗，與假設H5相反。

在成長能力因子的構成中，近三年的研發投入對營業收入增長率、總資產增長率都沒有構成顯著相關。但是，對另外一個指標，即營業利潤增長率構成了值得研究的相關。首先，2013年的研發投入對當期的營業利潤增長率沒有構成顯著相關。然而，存在滯后效應的2011年，2012年的研發投入對2013年的營業利潤增長率均構成顯著相關，且通過了0.01的顯著性檢驗。同時，在相關性的系數上，2011年的系數要比2012年的大。由此認為，假設H6得到證實。

5　結論及啟示

(1)根據我們所選上市大數據企業在2013年的數據樣本，通過因子分析得分和回歸分析證實，我們得出了上市大數據企業的當期經營績效與其當期研發投入，前一期研發投入均不構成整體相關的結論。

一方面，這可能是由選取樣本的數量不夠多，不夠系統性引起；另一方面，更可能是因為在目前的上市大數據企業中，關于信息數據化、海量數據存儲、數據中心建設與運營、智能化人機交互與應用的技術均處于初始階段，研發投入還處于技術攻堅期，形成的業務也處于初期的不成熟階段，相應的業務反映在企業的經營績效上還需要相當長時間，這也說明了上市大數據企業的研發投入回報真空期更長。而其他行業，如機械、醫藥、汽車、信息設備制造等行業，在滯后一到兩年的時間內，已經有研究證明研發投入對企業經營績效的顯著性(陳一博，2013)。

(2)在償債能力與研發投入的分析中，我們得到的結論是償債能力與其當期和上一期的研發投入有著顯著的正相關，這與我們的研究假設、直觀感覺完全相反。

我們對此的解釋是，一方面，研發投入在企業會計和稅收上都有加計扣除的概念，我們直觀上認為的“燒錢”效果并沒有想象中的嚴重；其次，保持大量的研發投入能夠使企業獲得高新技術企業等身份認定，對所謂的上市大數據企業尤其重要，從而獲得更大規模上的稅收優惠，從而使企業獲得大量現金流節余，提高了短期償債能力。

(3)研發投入沒能在近期對盈利能力形成顯著影響。

盈利能力的形成，并非一朝一夕，部分樣本中企業，以及相當一部分大數據概念類企業，其目前的盈利點都不在大數據業務上。在實地調研和新聞閱讀中我們也獲得相關證實，即部分大數據企業目前還處于使用其他業務的利潤，來對大數據業務進行投資建設的階段。研發投入大量耗費在大數據業務方面，還沒能在近期對盈利能力形成顯著影響。

(4)在營運能力與研發投入的相關上，流動資產周轉率與當期，前一期的研發投入構成了顯著負相關，固定資產周轉率緊隨其后，與二者也構成負相關。

從流動資產周轉率和固定資產周轉率的公式來分析(流動資產周轉率=營業收入/平均流動資產總額，固定資產周轉率=營業收入/平均固定資產凈值)，我們做出如下解釋：由于大數據類企業，尤其在大數據類業務上處于發展初期，研發投入形成的新的資產還在快速上升，尤其以流動資產為主，而其營業收入還沒能得到快速增長，所以兩個周轉率(次)都呈現出了負向的走勢。

(5)研發投入與成長能力的正向關系得到了研究證實，在營業利潤增長率這個指標上尤為明顯。

雖然在滯后的一兩期內，被我們劃歸為成長能力因子的營業收入增長率和總資產增長率都沒能得到顯著正相關的證實，這在一定程度上可以歸結為上文的解釋，即研發投入形成新的業務與盈利增長點還需要相當長的時間，在這兩個指標上并沒有在短期內表現出來。但是，營業利潤增長率卻與前兩期的研發投入形成了顯著正相關，且滯后兩期的相關性比滯后一期的相關性更大。這說明，研發投入不僅對企業整體的影響是從細微處累計的，對成長能力的影響也是見微知著。大數據企業開發的新技術，推出的新產品，形成的新業務都會相較于以往的行為產生更大的利潤空間，反映在營業利潤增長率上即是與研發投入形成顯著的正相關。這會使企業更快的實現盈利方式的轉變，乃至整體意義上的變革。

參考文獻

[1]李奕.大數據應用方式:從數據服務、信息服務到知識服務[N].中國計算機報，2012-07-09，(24)

[2]周永祥.關注大數據概念股[J].股市動態分析,2013,21:28

[3]甘綺翠.大數據能力的關鍵影響因素[J].銷售與市場，2013,(4)：22

[4]孟小峰，慈祥.大數據管理:概念、技術與挑戰[J].計算機研究與發展，2013,50(1):146～169

[5]國務院關于印發促進大數據發展行動綱要的通知[Z]．2015

[6]鐘華.我國汽車制造業上市公司經營績效評價研究[D].重慶：西南大學,2014

[7]胡建華.高科技企業績效評價中的因子分析方法[J].企業經濟 2005，(7)：39～41

[8]徐波，白婷.中國低碳經濟上市公司:概念界定與經營績效分析[J].企業管理，2010，(S)：233～241

[9]Leonard W N.Research and Development in Industrial Growth[J].Journal of Political Economy,1971,79(2):232～56

[10]Branch B.Research and Development Activity and Profitability:A Distributed Lag Analysis[J].Journal of Political Economy,1974,82(82):999～1011

[11]Dietmar Harhoff.R&D and Productivity in German Manufacturing Firms[J]．Economics of Innovation and New Technology，1998，(6):29～50

[12]Chambers D,Jennings R,Ii R B T.Excess Returns to R&D-Intensive Firms[J].Review of Accounting Studies,2002,7(2-3):133～158，26

[13]Lin B W，Lee Y，Hung S C.R&D Intensity and Commercialization Orientation Effectson Financial Performance[J].Journal of Business Research，2006，59(6):679～685

[14]趙心剛,汪克夷,孫海洋.我國上市公司研發投入對公司績效影響的滯后效應研究——基于雙向固定效應模型的實證分析[J].現代管理科學,2012,(8):17～19

[15]周江燕.研發投入與企業業績相關性研究——基于中國制造業上市公司的實證分析[J].工業技術經濟,2012，(1):49～57

[16]陳一博.研發投入對企業財務績效的影響研究——基于192家上市公司面板數據的實證分析[J].科技與經濟,2013,26(2):61～65

[17]王君彩,王淑芳.企業研發投入與業績的相關性——基于電子信息行業的實證分析[J].中央財經大學學報,2008,(12):57～62

[18]游春.我國中小企業研發投入與財務績效關系的實證研究——基于中小企業板上市公司的面板數據[J].南方金融,2010,(1):52～55，59

[19]杜勇,鄢波,陳建英.研發投入對高新技術企業經營績效的影響研究[J].科技進步與對策,2014,(2):87～92

[20]淳正杰.研發投入與企業績效的關系研究——來自四川省上市高新技術企業的經驗證據[J].科技創新與應用,2014，(33):4～6

(責任編輯：王平)

Research on the Relationship between Operating Performance and R&D Investment Based on the Listed Big Data Companies

Zhang TieshanDeng Xince

(North China University，Beijing 100144，China)

〔Abstract〕Through the discussion of the concept of listed big data companies,this paper selects the part of enterprises in line with the requirements.Then taking the 2011-2013 data as the study sample,it calculates the operating performance score by factor analysis method.Then we conduct an empirical test of the operating performance and R&D investment intensity,and reveal the relationship between the various factors and R&D intensity.The results show that there is neither significant correlation between the operating performance of the listed big data companies and the current R&D investment,nor the previous period.But there is a significant positive correlation between the growth ability and the R&D investment intensity of the previous two phases.

〔Key words〕operating performance;R&D investment;big data enterprise;factor analysis method

〔中圖分類號〕F276.6

〔文獻標識碼〕A

DOI：10．3969/j．issn．1004-910X．2016．09．010

作者簡介：張鐵山，北方工業大學經濟管理學院教授。研究方向：技術創新與價值工程。鄧新策，北方工業大學經濟管理學院碩士研究生。研究方向：技術創新與價值工程。

基金項目：教育部人文社會科學研究項目(批準號：11YJA630198)；北方工業大學“工商管理”優勢學科建設項目；2016年雙培計劃新興專業建設項目。

收稿日期：2016—04—13