基于大數據算法的企業(yè)研發(fā)投資影響因素分析

（副教授），（博士）

一、引言

在經濟發(fā)展新常態(tài)下，實施創(chuàng)新驅動戰(zhàn)略、實現經濟增長方式轉變已成為我國經濟健康發(fā)展的重要舉措。企業(yè)作為重要創(chuàng)新主體之一，其研發(fā)投資是實現技術創(chuàng)新的重要途徑。據統(tǒng)計，2013年以色列、韓國和日本企業(yè)研發(fā)投資占工業(yè)增值稅的比重分別為5.92%、4.72%、4.09%，同期我國僅為2.03%，企業(yè)研發(fā)投資水平較低。激勵企業(yè)進行研發(fā)投資以促進技術創(chuàng)新成為我國宏觀調控政策的重要目標，財政補貼、稅收優(yōu)惠作為政策激勵企業(yè)研發(fā)投資的重要手段，是影響企業(yè)研發(fā)投資的制度驅動。然而，制度驅動僅僅是企業(yè)進行研發(fā)投資的外部動因。Peneder、Woerter（2014）認為，企業(yè)進行研發(fā)投資的目的是提高技術創(chuàng)新能力，最終增強其在市場中的競爭力。因此，制度驅動應在企業(yè)本身具有投資意愿的基礎上發(fā)揮效應。根據產業(yè)組織理論，融資約束是造成企業(yè)研發(fā)投資不足的主要原因。而根據企業(yè)行為理論，企業(yè)行為變量如所擁有的組織冗余、面臨的破產風險等，亦會影響企業(yè)的研發(fā)投資決策。因此，企業(yè)研發(fā)投資會受到制度驅動、融資約束以及企業(yè)行為等多種因素的影響。那么，目前我國企業(yè)研發(fā)投資的主要影響因素是什么？各影響因素對企業(yè)研發(fā)投資的影響程度如何？作為政府激勵研發(fā)投資主要手段的所得稅優(yōu)惠政策能否有效發(fā)揮其對企業(yè)研發(fā)投資的激勵效應？本文從大數據的理念出發(fā)，選用代表最新技術水平及與我國實際相結合的相關性算法，對以上問題進行了系統(tǒng)的研究，得出了有一定可靠性的結論，為促進企業(yè)研發(fā)投資以及企業(yè)進行研發(fā)投資決策提供了政策借鑒和技術支撐。

二、文獻綜述

有關企業(yè)研發(fā)投資影響因素的現有文獻主要分為以下三個方面：

其一，財政補貼與稅收優(yōu)惠作為研發(fā)投資的主要制度驅動，是影響企業(yè)研發(fā)投資的重要因素。大量文獻利用不同的評價方法對我國研發(fā)投資的財政補貼和稅收優(yōu)惠的政策效應進行了實證檢驗，結果表明我國的財稅激勵政策有利于促進企業(yè)研發(fā)投資（戴晨、劉怡，2008；卜祥來，2014）。然而，亦有研究得出相反的結論，如夏杰長、尚鐵力（2006）提出，由于我國所得稅優(yōu)惠政策設計存在缺陷，企業(yè)研發(fā)投入增長變化率與企業(yè)所得稅變化率之間的關系并不顯著；李永等（2015）基于省際面板數據進行實證檢驗后指出，由于制度約束，目前我國的政府補助對企業(yè)研發(fā)投資會產生擠出效應。陸攀、朱和平（2016）從企業(yè)面臨的財務危機視角出發(fā)，研究了政府財政補貼對研發(fā)投資強度的影響。

其二，企業(yè)面臨的融資約束影響企業(yè)研發(fā)投資。根據產業(yè)組織理論，在內源資金不足而外源融資獲取困難的情況下，企業(yè)容易面臨研發(fā)投資的融資約束，造成研發(fā)投資不足。盧馨等（2013）以2007～2009年披露研發(fā)投資的高新技術企業(yè)為樣本，檢驗了融資約束的存在及其對企業(yè)研發(fā)投資的影響，證實研發(fā)投資與現金持有量之間存在正相關關系。曹獻飛（2014）以中國工業(yè)企業(yè)數據庫2005～2007年規(guī)模以上工業(yè)企業(yè)統(tǒng)計數據為研究樣本，進一步對企業(yè)研發(fā)投資對內源和外源融資的依賴程度進行了實證檢驗。

其三，基于企業(yè)行為理論，組織冗余、風險等影響企業(yè)研發(fā)投資決策。目前國內學者主要針對組織冗余與研發(fā)績效的相關性進行研究，而對組織冗余與研發(fā)投資的關系研究并不多見，且得出的結果并不統(tǒng)一，如連軍（2013）提出不同類別的組織冗余對研發(fā)投資的影響不同，或存在促進作用或存在擠出效應。少數國內學者針對研發(fā)投資與風險相關性也進行了研究，如張信東、姜小麗（2008）驗證了企業(yè)研發(fā)投資與系統(tǒng)風險的相關性；黃曼行等（2014）則以國外研究中用于衡量破產風險的Z指數為被解釋變量，檢驗了企業(yè)研發(fā)投資對企業(yè)財務風險的影響。

現有文獻主要從產業(yè)組織理論、企業(yè)行為理論等視角，采用“理論分析或者提出假設——建立模型——實證檢驗”的思路，對影響研發(fā)投資的因素進行研究。然而在相同的假設前提下，若使用的數據或選取的變量不同，很可能得出截然相反的結論。研究若限于單一視角，難以綜合厘清企業(yè)研發(fā)投資的影響因素并對各因素的影響程度進行比較。本文在借鑒相關研究的基礎上，基于大數據的理念，以我國2010～2014年創(chuàng)業(yè)板上市公司數據為研究樣本，運用相關性分析中經典的關聯規(guī)則算法對企業(yè)研發(fā)投資強度的影響因素及影響程度進行比較分析，結果表明，影響企業(yè)研發(fā)投資的因素很多，但應重點關注營運資金、流動比率、管理費用、破產風險、資產負債率等對企業(yè)研發(fā)投資決策的影響，而制度驅動對企業(yè)研發(fā)投資決策的影響則遠小于其他因素。

三、研究設計

（一）樣本數據

在創(chuàng)業(yè)板上市公司的年度報告中，公司能夠全面、規(guī)范地披露其年度研發(fā)支出信息，并且年度報告已經過注冊會計師審計，數據具有可靠性。因此，本文以2010～2014年創(chuàng)業(yè)板上市公司為樣本對企業(yè)研發(fā)投資影響因子進行研究。上市公司財務數據來源于國泰安經濟金融研究數據庫，公司年度研發(fā)投資數據根據巨潮資訊網公布的上市公司年度報告整理。因后期需根據Apriori算法要求對數據進行離散化處理，因此，僅對缺失數據進行數據清理，為保證數據的準確性，由于數據的缺失值較少，采用技術方法填充缺失值。

（二）變量描述

1.目標變量。研發(fā)投資強度，用“企業(yè)研發(fā)投資/營業(yè)收入”衡量。

2.自變量。選擇可利用冗余、可開發(fā)冗余、破產風險、稅收補貼、自由現金流作為核心解釋變量，具體如下：

組織冗余：將組織冗余分為可利用冗余與可開發(fā)冗余。其中：可利用冗余是指若出現閑置可考慮將其用于研發(fā)投資的資金，如流動資產、流動負債；可開發(fā)冗余是指已被吸收利用但可恢復到正常成本中的資源，如管理費用。借鑒Chen、Miller（2007），用營運資金收入比（營運資金/營業(yè)收入）與流動比率（流動資產/流動負債）衡量可利用冗余變量，取管理費用的自然對數衡量可開發(fā)冗余變量。

風險變量：用滯后一期修正Z指數（Altman，2000）衡量破產風險，Z指數越小，企業(yè)面臨的破產風險越大。

稅收補貼：所得稅優(yōu)惠相當于給予企業(yè)的額外補貼，因此稱為稅收補貼。以名義稅率25%乘以稅前利潤，再減去當期所得稅費用，然后取其自然對數，用以衡量企業(yè)得到的稅收補貼。

自由現金流：（經營活動產生的現金流量凈額-分配股利、利潤或償付利息支付的現金）/年末總資產。

除以上自變量外，還可選取行業(yè)、資產回報率、資產負債率、資產負債率的平方項等作為解釋研發(fā)投資影響因子的其他變量。處理后的數據情況見表1。

表1 樣本數據情況

（三）模型構建

在大數據相關性分析中，Apriori算法是一種比較成熟的算法。該算法是從一個大型的數據集（Dataset）中發(fā)現相關（Correlation）關系，即從數據集中識別出頻繁出現的屬性值集（Sets of Attribute-Values），也稱為頻繁項集（Frequent Item sets，簡稱“頻繁集”），然后再利用這些頻繁集創(chuàng)建關聯規(guī)則的過程。數學描述如下：

設I=｛i1，i2，…，im｝是m個不同項目的集合，每個ik（k=1，2，…，m）為數據項（Item），數據項的集合I成為數據項集（Item set），其中的元素個數為數據項集的長度，長度為k的數據項集稱為k-項集（k-Itemset）。事務T（Transaction）是數據項集I上的一個子集，即T?I，每個事務均有一個唯一的標識符TID與之相聯，不同事務的全體構成了全體事務集D（即事務數據庫）。設X?I為數據項集，B為事務集D中包含X的事務的數量，A為事務集D中包含的所有事務的數量。在關聯分析中，所產生的規(guī)則（Association Rule）可以表示為：R：X?Y，其中：X?I，Y?I，并且X∩Y=Ф，它表示如果項集X在某一事務中出現，則必然會導致項目集Y也會在同一事務中出現，其中X稱為規(guī)則的先決條件，Y為規(guī)則的結果。在產生的規(guī)則中，通常用支持度、置信度和提升度來描述有效性。其中，支持度定義為：Support（X）=B/A，項集X的支持度Support（X）描述了項集X的重要性。置信度定義為：Confidence（R）=SupportX∪Y/SupportX，置信度描述了規(guī)則的可靠程度。提升度定義為：lift（R）=conf（X-＞Y）/supp（Y）=conf（Y-＞X）/supp（X）=P（XandY）/（P（X）P（Y）），表示事件XY在X約束下出現的概率相對XY自由出現的比（一般來講，Lift＞1，規(guī)則就是有效的）。從以上算法介紹中可以看出，關聯規(guī)則可以窮舉k-Itemset，挖掘出意想不到的信息，完全由數據推導出結果而不受理論假設的制約，適合進行數據分析。

由以上算法介紹得知，關聯規(guī)則所分析的對象為數據項集的元素，而樣本數據中諸多變量為數值變量，即連續(xù)變量。所以必須對樣本數據進行離散化預處理，從而將其轉化為可供分析的項集。運用經離散化處理的數據可使后期模型分析結果更加穩(wěn)定，使自變量和目標變量之間的關系變得更加清晰。在此將數據變量統(tǒng)一按照數值大小劃分為5個區(qū)間（不包括小于等于0的數值統(tǒng)一劃分為“＜=0”的元素），如表2所示。

進行數據預處理之后，生成可供分析數據集，按照關聯規(guī)則算法的原理，運算之前應該做必要的參數設置。如何做合理的參數設置則需要結合專家判斷和輸出結果質量?；诙啻卧囼灲Y果，最終確定支持度＞=0.01、置信度＞=0.5、K∈［3，5］，設置Y為研發(fā)強度=5/5：［0.0898，0.9839］，以此來找出與研發(fā)強度“高”與項集X之間的相關性，運行過程如下：

表2 樣本數據離散化處理之后的情況

基于以上所設置的條件，運行過程在數秒內生成了272條規(guī)則，信息量很大，但對成本資源的耗費并不多。值得注意的是，關聯分析所產生的諸多規(guī)則容易造成信息冗余、降低規(guī)則的可利用率。本文先后以主觀和客觀兩種方法對關聯規(guī)則中的冗余信息進行修剪。首先從主觀方法入手，將缺少經濟學意義解釋的冗余規(guī)則去除。在此基礎上，運用ADRR算法對冗余規(guī)則進行修剪。

四、結果輸出與解析

（一）結果輸出

研發(fā)強度作為目標變量，以營運資金、流動比率、管理費用、破產風險、資產收益率、資產負債率、稅收補貼等為影響因子，運用Apriori算法推導影響企業(yè)研發(fā)強度的因子，輸出的關聯規(guī)則如表3所示。

表3是基于支持度＞=0.01、置信度＞=0.8，按照提升度降序排列的關聯規(guī)則前10名的結果。關聯規(guī)則實際為數據推導的過程，即驗證了哪些影響因子影響企業(yè)的研發(fā)投資強度，以及這些影響因子影響過程的可信程度。不同于其他的實證研究，本文運用關聯規(guī)則算法在研究假設的基礎上驗證了研發(fā)投資強度與其影響因子的相關性。表3所列示的關聯規(guī)則可提供的信息分別為：營運資金充足、管理費用較高而資產負債率較低的企業(yè)研發(fā)強度較高；營運資金充足、流動比率較高且管理費用較高的企業(yè)研發(fā)投資強度強高；資產收益率越高，破產風險越小，企業(yè)的研發(fā)投資強度越高，然而資產收益率對研發(fā)投資強度的影響受到企業(yè)所處行業(yè)的影響。

表3 關聯規(guī)則

輸出結果產生有效關聯規(guī)則272條，說明影響企業(yè)研發(fā)投資的有效因素很多，從所列舉的前10條規(guī)則看，營運資金、流動比率、管理費用、破產風險、資產負債率等為影響我國創(chuàng)業(yè)板上市公司研發(fā)投資的主要影響因子。在大數據分析方法中，數據的可視化也是重要的表現形態(tài)，數據的可視化可以提高結論的可讀性和邏輯性。現選取提升度較高（＞=89%）的關聯規(guī)則，如圖所示。圖的上半部分為有向圖，可直觀地體現影響因子、置信度、提升度，以及最終的結論，其中起點為影響因子，圓圈表示各影響因子的共同指向（圓圈的大小表示置信度，置信度較高則圓圈較大；圓圈的顏色深淺表示提升度，顏色深則提升度高），共同指向的下一步指向為結論。其中，管理費用、資產收益率、資產負債率、營運資金、表示破產風險的滯后一期的Z指數等共同指向了研發(fā)強度。圖的下半部分為平行坐標圖，箭頭最終指向最終結論，所輸出的平行坐標圖仍能體現營運資金、資產負債率、流動比率、管理費用、資產收益率等為企業(yè)研發(fā)投資最重要的影響因子。

（二）結果解析

在大數據分析中，對結果的有效解析是不容忽視的環(huán)節(jié)，由以上輸出結果可得出如下結論：

第一，可利用冗余（營運資金、流動比率）、可開發(fā)冗余（管理費用）、破產風險（滯后一期的Z指數）均體現出與企業(yè)研發(fā)投資強度顯著的正相關性。以往研究表明，不同類別的組織冗余對企業(yè)研發(fā)投資的影響不同，根據本文中Apriori算法所顯示的關聯規(guī)則，可開發(fā)冗余與可利用冗余水平高的企業(yè)，其研發(fā)投資積極性和研發(fā)投資強度較高。企業(yè)擁有的組織冗余可以促進企業(yè)研發(fā)投資。亦從另一個角度證明企業(yè)研發(fā)投資資金來源的首選為內源資金，若內源資金充裕，則企業(yè)更愿意進行研發(fā)投資。破產風險與研發(fā)投資強度呈負相關關系，企業(yè)面臨的破產風險影響了企業(yè)的研發(fā)投資決策，破產風險較小時，企業(yè)的研發(fā)投資積極性較高。

第二，所處行業(yè)不同的企業(yè)，其資產收益率對研發(fā)投資強度的影響不同?？赡艿慕忉屖?，不同行業(yè)對風險的偏好會有不同，風險偏好型企業(yè)的資產收益率較低時，企業(yè)傾向于增加研發(fā)投資，以增加資產收益率提高的機會；而對于風險厭惡型企業(yè)，當資產收益率較低時，企業(yè)不愿過多地進行高風險與高不確定性的研發(fā)投資，因此研發(fā)投資水平較低。

關聯規(guī)則圖

第三，資產負債率對企業(yè)研發(fā)投資強度產生了重要的影響。資產負債率較低時，企業(yè)財務風險較小，其研發(fā)投資積極性較高。可能的解釋是，創(chuàng)業(yè)板上市公司或由于風險規(guī)避意識而不愿負債進行研發(fā)投資，或由于金融市場失靈而難以獲得外源融資進行研發(fā)投資。

五、結論與政策建議

本文基于大數據理念的關聯規(guī)則算法，推導出企業(yè)研發(fā)投資的主要影響因子及各影響因子的影響程度。研究結果表明：我國創(chuàng)業(yè)板上市公司研發(fā)投資主要傾向于運用內源融資，不同行業(yè)風險偏好不同，企業(yè)收益水平對研發(fā)投資的影響不同。在內源融資充足而負債較少、財務風險較低的情況下，企業(yè)具有較大的研發(fā)動力。當然，從大數據的角度來講，本文所采用的數據量偏小，所得出的結論存在局限性，在數據可得的情況下，筆者會進一步推進相關研究。

從現狀來看，我國政策激勵研發(fā)投資的主要手段——企業(yè)所得稅優(yōu)惠對企業(yè)研發(fā)投資產生了一定的影響，但影響程度較低，這說明企業(yè)對優(yōu)惠的敏感度并不高，難以有效發(fā)揮其政策效應。鑒于此，本文提出如下政策建議：

1.國家宏觀層面的研發(fā)投資促進政策。①重視企業(yè)的主體地位，充分評估政策的有效性。政策激勵企業(yè)研發(fā)投資的效應，不僅僅取決于政策制度本身的設計，還取決于企業(yè)對政策制度的敏感性，脫離企業(yè)實際情況的激勵會由于缺乏著力點而失去政策本身的效應。②加大財稅政策激勵研發(fā)投資的力度。目前我國激勵企業(yè)進行研發(fā)投資的財稅政策尚存在諸多不完善之處，激勵效果有限。因此，應在對企業(yè)進行調研的基礎上提出切實可行的稅收優(yōu)惠政策，使稅收優(yōu)惠落到實處。

2.企業(yè)微觀層面的研發(fā)投資促進建議。①提高企業(yè)冗余資源的利用效率。企業(yè)組織冗余作為研發(fā)投資潛在的、可利用的資源，為企業(yè)研發(fā)投資提供了資金緩沖。而關鍵的問題是企業(yè)應對冗余資源進行計劃、監(jiān)督，適時將冗余資源轉化為研發(fā)投資資本，提高冗余資源的利用效率。②科學預測企業(yè)風險，加強內部控制。企業(yè)面對的風險是企業(yè)研發(fā)投資的重要影響因子，加強內部控制以及對風險的衡量和預測，有助于提高企業(yè)研發(fā)投資決策的精準度。③優(yōu)化研發(fā)投資決策流程。企業(yè)研發(fā)投資決策一方面需要考慮投資項目的資本來源、風險、收益，以及企業(yè)整體面臨的財務風險，另一方面也需要充分利用國家財稅優(yōu)惠政策，提高企業(yè)投資稅后收益。

Peneder M.，Worter M..Competition，R&D and innovation：Testing the inverted-U in a simultaneous system［J］.Journal of Evolutionary Economics，2014（3）.

戴晨，劉怡.稅收優(yōu)惠與財政補貼對企業(yè)R&D影響的比較分析［J］.經濟科學，2008（3）.

卜祥來.財稅激勵政策影響企業(yè)R&D支出的實證研究［J］.稅務研究，2014（3）.

夏杰長，尚鐵力.自主創(chuàng)新與稅收政策：理論分析、實證研究與對策建議［J］.稅務研究，2006（6）.

李永，王硯萍，馬宇.制度約束下政府R&D資助擠出效應與創(chuàng)新效率［J］.科研管理，2015（10）.

陸攀，朱和平.政府研發(fā)補助、公司治理因素與R&D投資強度的關系檢驗——基于江浙中小民營企業(yè)的經驗數據［J］.財會月刊，2016（10）.

盧馨，鄭陽飛，李建明.融資約束對企業(yè)R&D投資的影響研究——來自中國高新技術上市公司的經驗證據［J］.會計研究，2013（5）.

曹獻飛.融資約束與企業(yè)研發(fā)投資——基于企業(yè)層面數據的實證研究［J］.軟科學，2014（12）.

連軍.組織冗余、政治聯系與民營企業(yè)R&D投資［J］.科學學與科學技術管理，2013（1）.

張信東，姜小麗.企業(yè)R&D投資與系統(tǒng)風險研究［J］.研究與發(fā)展管理，2008（3）.

黃曼行，任家華，嚴娛.我國中小企業(yè)R&D投資與企業(yè)財務風險——基于分位數回歸方法［J］.科技管理研究，2014（14）.

Chen，Wei-Ru，Kent D.Miller.Situational and institutionaldeterminantsoffirms'R&D search intensity［J］.Strategic Management Journal，2007（4）.

Altman，Edward I..Predicting financial distress of companies：Revisiting the Z-score and ZETA models［J］.Journal Administrasi Bisnis，2000（9）.

孫存一，趙瑜.基于大數據算法的納稅遵從風險識別以及影響因子分析［J］.現代財經，2015（11）.