制造業企業研發投入的財務、市場績效回報

丁華 高靜怡 齊曉婷 張印

【摘 要】 科技創新需以高效研發投入作為根本驅動力，相比企業日常開支，研發投入更具周期性和風險性，對企業的財務績效和市場績效有不同影響。高層管理人員是研發活動的推動者和監督者，高管激勵效果會直接影響研發項目的績效回報。文章以高管薪酬水平、高管團隊薪酬差距為門檻變量，構建研發投入與財務績效、市場績效的面板門檻模型。實證研究發現，高管薪酬激勵對研發投入的績效轉換在合理區間起積極作用，但要警惕高水平陷阱;低薪酬差距比高薪酬差距更有利于研發投入的績效轉換;財務績效和市場績效受研發投入影響程度不同，門檻區間不一致;門檻制約下，研發投入對公司績效的影響幾乎不存在滯后效應。該研究對提升高管激勵效果、促進研發投入向績效轉化、推動我國向制造強國轉型具有積極意義。

【關鍵詞】 研發投入; 企業績效; 高管激勵; 面板門檻模型

【中圖分類號】 F273.1? 【文獻標識碼】 A? 【文章編號】 1004-5937（2021）07-0115-11

一、引言

當前，中國經濟換擋減速，進入新常態，將“研發創新”作為提高社會生產力和綜合國力的戰略支撐已是時代之需。依據熊彼特的創新理論，創新就是要“建立一種新的生產函數”，制造業作為國民經濟的核心，高效管理研發投入有利于提高全要素生產率，使生產函數達到相對最優。企業應結合公司內部控制、項目特點優化研發投入的配置狀況：或降低生產成本，取得超額利潤率;或創造新產品，獲得產品差異化的優勢，最終提升無形資產對企業的績效回報。

然而，研發投入與企業績效的內在關系較為復雜，在權變理論下，高管激勵被視為一種權變因素，對二者關系起到關鍵的調節作用。根據委托代理理論與管理防御說，經營者的利益維護與股東財富最大化的目標并不完全一致，在信息不對稱的環境下，高管在面對高風險性、跨期長的研發活動時容易發生風險規避行為與短視行為，表現出典型的道德風險背離。對管理層實行激勵機制，有助于委托代理雙方利益趨同，是促使其承擔風險、提高創新績效的有效路徑。但由于激勵成本與偏離股東目標的損失在一定程度上互相制約，高管激勵究竟如何作用于研發投入對企業績效的回報？是否存在階段性、門檻效應和滯后效應？制造業在我國起步早、規模大，其發展深受科技創新撬動，因此本文將以制造業上市公司2014—2018年的面板數據為樣本進行實證分析。同時由于我國企業股權激勵制度起步較晚，發展還不夠完善，國有企業對高管持股比例的限制較為嚴格，本文對高管激勵作用機制的考察注重薪酬激勵方面，同時考察薪酬絕對量、薪酬差距兩種激勵手段的門檻效應。

二、文獻綜述

（一）研發投入與企業績效

關于研發投入與企業績效的關系，縱觀中外文獻，主要有四種觀點：一部分學者認為二者呈正相關關系。Hall和Mairesse[ 1 ]利用法國制造業企業的研發數據發現，研發投入與生產率正相關，可以有效提高企業績效。Dugal和Morbey[ 2 ]發現，研發支出可以提高企業績效，更新產品或優化流程將加大企業優勢。Chen等[ 3 ]檢驗了研發投入對當前企業績效的正向影響，分析了不同的行業情況。李銀香和劉漢武[ 4 ]以2010—2016年上海證券交易所A股制造業248家上市公司為研究對象，發現研發投入對企業價值的提升具有促進作用。也有部分學者認為兩者之間不相關或存在負相關關系。湯二子和孫振[ 5 ]的實證結果顯示，R&D投入對企業全要素生產率并未表現出明顯的相關性。陸玉梅和王春梅[ 6 ]通過對制造業和信息技術業的數據分析，表明二者具有負相關線性關聯。還有一些學者研究發現兩者之間可能為非線性的關系。馬艷艷等[ 7 ]通過對2005—2007年中國工業企業的數據分析，得出R&D投資與企業績效之間存在“倒U型”非線性關系。董明放和韓先鋒[ 8 ]研究表明二者的非線性特征可能為“倒N型”，存在更多的區間性。總體而言，國內外有關研發投入與企業績效關系的研究結論并不完全一致，可能是受研究方法、變量選取的計量過程影響，亦或是因為所考慮的影響因素不同、選取研究對象的異質性。

（二）高管激勵、研發投入與企業績效

在研究企業研發投入與公司績效關系的過程中，學者發現公司治理是二者關系的一個重要影響因素，高管激勵作為公司治理的重要分支，對研發投入、企業績效以及二者的轉化關系都有重要影響。

首先，在高管激勵與研發投入的關系上，一些學者發現管理層薪酬激勵正向促進研發投入。例如，張然和車麗萍[ 9 ]研究發現，對高管進行薪酬激勵能顯著改善企業創新投入不足的問題。葉紅雨和陳恬[ 10 ]的考察結果表明貨幣薪酬激勵對創新投入具有顯著的正向調節作用。還有一部分學者得出不相關的結論，如Tien和Chen[ 11 ]采用美國上市公司的數據研究表明高管薪酬激勵不會顯著影響創新投入。

其次，在高管激勵與企業績效的關系上，一部分學者從薪酬激勵的絕對量出發得出與企業績效正相關的結論，如王秋菲等[ 12 ]采用創業板軟件與信息技術服務業上市公司數據得出高管激勵顯著促進企業績效。有一些學者得出負相關的結論，如羅華偉等[ 13 ]、蘭松敏和戴建華[ 14 ]。還有學者從薪酬差距的相對量出發討論二者關系，結論主要分為三類：（1）基于錦標賽理論得出的加大薪酬差距可以促進企業績效，例如，Jed[ 15 ]、陳德球和步丹璐[ 16 ]等的研究支持此結論。（2）基于行為學觀點考察結果表現出薪酬差距與企業績效負相關，如張正堂[ 17 ]、盧銳[ 18 ]等的結論。（3）薪酬差距與企業績效存在區間效應，Bingley等利用丹麥的公司數據得出，白領階層薪酬差距與企業績效呈“倒U型”關系。

在調節研發投入與企業績效關系方面，有學者認為高管薪酬激勵具有積極的調節作用，在驗證R&D投資與企業績效正相關的基礎上，Chens et al.（2016）進一步研究發現高管薪酬激勵正向調節研發投入與企業績效的關系。也有一部分學者認為對高管實施短期薪酬激勵，其調節作用不存在或不顯著，如陳霞[ 19 ]、齊秀輝等[ 20 ]，還有學者得出其調節作用是非線性的結論。王華和黃之駿[ 21 ]研究表明：高管激勵在超過一定限度后其調節方向由正轉為負。可見，中外學者在高管激勵政策對二者關系的作用機制方面存在分歧，需進一步研究。

綜合上述文獻，現有關于研發投入與企業績效關系的研究未有一致定論，很多學者考慮了高管激勵對二者關系的影響，將三者置于同一體系的研究逐漸增加，但存在以下不足之處：對高管激勵的研究還不夠細化和深入;學者大多使用截面數據進行研究，存在遺漏變量偏差問題;在企業績效方面，較少有人同時考慮財務績效與市場績效。因此，本文可能的研究貢獻包括：（1）使用面板數據，相比截面模型數據量大、時間跨度廣，同時考慮到固定效應、時間效應和遺漏變量的影響。（2）選用門檻模型，更為客觀細致地考察了不同程度的薪酬激勵對二者關系的影響，排除了人為劃定界限的偏誤。（3）從絕對水平、相對水平兩個視角測定高管薪酬激勵水平，更為全面地印證了相關的激勵理論，并且為制造業制定更具體有效的高管激勵政策提供了參考。（4）根據研究對象的特點同時考察了企業的財務績效和市場績效。

三、研究設計

（一）門檻模型設定

基于前述文獻，本文認為企業研發投入與財務績效、市場績效存在非線性關系且受到高管薪酬激勵的影響，為了避免主觀判定結構變化點的研究偏差，選用面板門檻模型，客觀模擬出薪酬激勵相關的兩個門檻變量下研發投入與績效回報的非線性結構變化點。根據Hansen[ 22 ]的研究，設定如下單一門檻基本模型：

其中，i、t分別表示企業編號和時間，ROAit、Tobin'sQit為反映企業財務績效和市場績效的被解釋變量;核心解釋變量R&D為研發支出占營業收入比重;門檻變量CI（Compensation Incentive）為薪酬激勵，為其門檻值，引用虛擬變量I與核心解釋變量的交乘項反映門檻變量的不同區間（滿足條件取1，反之取0）;Xit'為控制變量;？滋i、？著it分別為企業個體效應和隨機擾動項。

（二）門檻模型的估計

為排除企業個體效應對模型估計的影響，取每家企業的年間平均值并進行去心處理，得到矩陣形式的模型：

其中？茁=，使用最小二乘法獲得一致估計與殘差平方和：

利用殘差平方和最小得到？酌的估計值：

進而得到參數估計值■、殘差以及殘差方差■估計值。

（三）門檻模型的檢驗

對于門檻效應的檢驗提出不存在門檻效應的原假設H0：？茁1=？茁2，備擇假設為H1：？茁1≠？茁2，運用“自體抽樣法”（Boostrap）構造似然比檢驗統計量：

F1=■=■ （7）

其中，S0為不存在門檻下的殘差平方和，n表示公司數目，T表示時間跨度。采用自舉抽樣法得到該統計量的一階漸近分布，基于此構造P值。

關于門檻值的檢驗，需利用似然比統計量構造“非拒絕域”，進而得到門檻值的置信區間。原假設為H0：？酌=？酌0，？酌0表示？酌的真實性，構造似然比統計量：

該似然比統計量的漸進分布是樞軸的，Hansen提供如下公式計算門檻值的“非拒絕域”即1-？琢水平上的置信區間：

其中C（？琢）為似然比統計量漸近分布函數的反函數。

（四）擴展的雙重門檻模型及多門檻模型

基于以往研究，本文認為研發投入與企業績效之間可能存在兩個結構突變點，進而構造出雙重門檻模型：

其中變量與單門檻模型含義相同，設定S1（）為單一門檻下的殘差平方和，■1為？酌1的一致估計，故篩選第二重門檻方法和第二重門檻估計值為：

雙重門檻的檢驗等與單一門檻原理一致，詳見Hansen[ 22 ]的文章，多重門檻有相同處理方法，限于篇幅不再贅述。

四、變量與數據

（一）數據來源

本文以我國制造業A股上市企業2014—2018年的面板數據為研究對象，其中所需企業相關數據均來自于CSMAR數據庫。按照如下標準篩選數據：（1）篩選出2014—2018年連續披露研發支出的制造業上市公司;（2）剔除ST公司;（3）剔除所需數據不全的公司。最終獲得1 070家制造業上市公司連續五年共5 350個研究樣本。為了研究的嚴謹性，本文對離群值顯著的變量數據在1%和99%分位上進行了單邊或雙邊縮尾處理，運用Stata15.1和WPS2019等軟件進行數據處理。

（二）變量界定

1.被解釋變量

本文的被解釋變量為企業績效，在以往諸多研究中，研究者更多選擇以資產收益率（ROA）作為衡量企業短期財務績效的指標;同時采用姚冰湜等[ 23 ]的方法，將托賓Q值（Tobin's Q）作為判斷企業市場績效的指標，一方面反映了市場的預期情況、遠期視角的經營成果，另一方面也可以一定程度上排除當期利潤操縱的影響。由于研發投入相比一般費用支出更具周期性和風險性，不僅會影響當期的費用、利潤，還會影響市場對企業的預期。為全面衡量企業經營績效，本文決定選取ROA作為衡量企業短期財務績效的指標，并選擇Tobin's Q作為衡量市場績效的指標。其中由于資產的重置成本難以獲取，Tobin's Q采用市場價值與總資產的比值表示。

2.解釋變量

本文的解釋變量為研發投入（R&D），采用的是國內外文獻中最為廣泛的做法，以研發投入強度作為衡量不同企業研發投入的指標。研發投入強度用研發支出與營業收入的比值來表示，這也體現了收入費用的配比原則。

3.門檻變量

為了研究絕對量水平激勵、差距激勵對研發投入與企業績效關系的門檻效應，本文選取高管薪酬激勵（EXECOM）以及高管團隊薪酬差距激勵（TMTGAP）作為門檻變量。

4.控制變量

文中對其他可能對企業績效產生較大程度影響的變量進行控制，以保證得到較為可靠的研究結論。包括：（1）企業規模（SIZE）。（2）償債能力（LEV），本文償債能力采用資產負債率來衡量。（3）資產流動性（QUICK），采用流動資產比率表示。（4）每股凈資產（BPS）。（5）股權集中度（EQUITYC）。（6）股權制衡度（EQUITYB）。表1為各變量定義。

（三）變量描述性統計分析

各變量的描述性統計分析見表2。ROA均值為0.039，表明制造業財務績效增長空間較大。托賓Q值均值為2.319，極小值為0.153，極大值為19.82，說明受股票價格波動影響，不同企業的市場價值差別較大。2014—2018年中國A股制造業上市公司R&D均值為4.54%，標準差為4.808，說明不同企業的R&D存在差距。一般認為，R&D高于2%的企業才能夠生存，高于5%的企業才會有競爭力，從均值看制造業上市公司樣本的競爭力普遍不強。相對于償債能力等變量，股權集中度標準差為13.81，表現出較大的離散程度。

五、實證分析

（一）財務績效

本文以ROA衡量企業短期財務績效，對高管薪酬水平激勵、高管團隊內部的薪酬差距激勵兩個門檻的存在性、存在個數進行檢驗，考慮到研發投入對企業績效影響的滯后性，還進行了滯后一期的分析，所構造的“F”統計量和采用“自體抽樣法”得到的p值見表3。發現單一門檻、雙重門檻以及三重門檻檢驗下P值均小于0.05，即存在5%顯著水平下的三重門檻。

為了檢驗結果的穩健性，本文還將被解釋變量做了替換，采用資產凈利潤率（凈利潤/資產平均額）衡量短期財務績效，選用資產凈利潤率的原因是該指標更能反映研發投入轉化為無形資產、固定資產為企業帶來利潤的能力，結果均為顯著的三重門檻。下文將基于三重門檻模型進一步分析研發投入對企業績效的影響。

關于兩種激勵方式的三重門檻估計值及其95%置信區間如表4所示。借鑒連玉君和程建[ 24 ]的研究，本文使用似然比函數圖，展現門檻值的估計和置信區間的構造過程。三重門檻的估計值γ即為似然比統計量為0時所取值，門檻估計值所對應的置信區間即為似然比統計量小于5%顯著性水平（LR臨界值為7.35）下對應的γ取值區間。根據三重門檻值將不同年份的企業劃分為四個類型，劃分結果如表5所示。本文發現高管薪酬水平在每個門檻區間的分布相對均勻，不同企業間的薪酬差距較大，且主要分布在大差距和小差距兩個極端區間。

通過豪斯曼檢驗，以1%的顯著性水平拒絕了隨機效應模型，選擇固定效應模型進行估計。研發投入對企業當期財務績效（ROA）的面板門檻模型如表6所示，對應為列（1）和列（3）。考慮企業眾多并包含多個年份，結果受異方差影響，采用聚類穩健標準誤對模型進行估計，對應為列（2）和列（4）。

對于列（1）和列（2），可以看出在低薪酬水平區間（即小于43.19萬元）時，研發投入對績效的影響系數為0.00522，在1%的水平上顯著;第二區間內（43.19萬元～69.66萬元），研發投入對企業績效的影響系數為0.000881，但不具備顯著性;較高薪酬水平的第三區間（69.66萬元～117.17萬元）影響系數較第一區間有所下降，為0.00264，并在5%的水平上顯著;而代表最高薪酬水平的第四區間（高于117.17萬元），影響系數為-0.00731且在1%的水平上顯著為負。需要注意的是，本文以百分量表示了研發投入的強度，因此影響系數偏小，其實際的經濟含義并不小，下同。本文發現以高管薪酬水平為門檻，研發投入與企業績效呈現出“倒U型”，這與劉恩妤[ 25 ]研究結論一致。在達到最高薪酬水平前，研發投入與企業當期績效呈正相關，根據“薪酬契約”理論，可能是由于企業將當期的經營績效與當期高管薪酬水平掛鉤，高管在低薪水平為追求較高薪資，注重研發投入并嚴格管理研發資源，提高其對企業績效的回報率。但這一積極影響存在“邊際效應”，會隨著薪酬水平的提高而趨于“瓶頸”繼而回報率逐漸減弱。當激勵水平達到峰值時，高管薪酬將在研發投入與企業當期績效中發揮負作用，這可能是出于高管的自利行為，一定的薪資期望被滿足后，高管認為其晉升空間和薪酬水平很難再有大幅提升，其決策很可能趨向于保守穩健的非效率投資以保持現狀，存在風險的高收益項目多數被忽略，從而導致企業當期績效的下降，這印證了“期望理論”，也體現了研究的穩健性。對于列（3）和列（4）可以看出在薪酬差距最小的階段（低于22.15萬元）研發投入對企業績效影響系數為-0.000916，在排除異方差影響后不具備顯著性。薪酬差距的第二區間（22.15萬元～22.23萬元）內影響系數突增至-0.0254，但此段區間小、樣本量小，可以認為其可信度較低;隨著薪酬差距拉大至第三區間（22.23萬元～24.38萬元），系數為-0.00543且在1%水平上顯著;最大的薪酬差距區間系數值為-0.00274且在1%水平上顯著。整體上看，高管薪酬差距拉大不利于研發投入向財務績效轉化。運用高管團隊相對薪酬差距（金額最高的前三名高管平均年薪/高管平均年薪）進行門檻變量替換時，估計結果無顯著變化，穩健性較好。根據“相對剝削理論”（Cowherd Levine，1992），在高管團隊內部，職位和薪酬水平較低的人在付出同等代價時會覺得自身相比于高薪酬者受到了剝削，從而不再像以往那樣努力工作，但研發投入轉換為企業績效的過程有風險、有周期，需要底層高管有效落實日常監管工作，低收入高管群體的懈怠將導致研發資源匹配不優，產生冗雜費用，影響企業當期利潤和當期財務績效。以資產凈利潤率作為被解釋變量以及剔除R&D兩端3%極端值的穩健性檢驗與原結果呈現出大致相同的趨勢，表明研究的穩健性。

考慮到研發投入對企業績效的滯后效應，本文將當期解釋變量進行了滯后一期處理。列（5）、列（6）分別以高管薪酬水平為門檻變量的滯后結果;列（7）、列（8）分別以薪酬差距為門檻變量的滯后結果。從前兩列系數來看，整體均為負向影響且大多不具顯著性，與表7中不滯后的效果相比，擬合度R2大大降低，可以看出對薪酬水平門檻，研發投入對當期財務績效并無滯后效應。經過分析認為這主要是因為相比于信息產業等需要高精尖技術、投入—回報周期長的企業，制造業的研發創新周期較短，更多投入在當期即可轉化為營業利潤而不存在滯后效應，且制造業前期因研發投入的重資本項目如大宗機器等為后期帶來了較大的折舊費用和攤銷費用，使整體呈負向趨勢，薪酬水平的提高對此種趨勢減弱有積極作用。對列（7）、列（8），可以看出滯后期的門檻值變大，二者仍呈負相關。這表明在當期的門檻區間內不存在滯后效應，但當期更大的薪酬差距仍然會導致滯后一期的研發投入與財務績效呈負相關。

（二）市場價值

以托賓Q值為被解釋變量構建門檻模型，關于模型門檻存在性和存在數量的檢驗、門檻值估計和固定效應模型系數估計的方法均與上文短期財務績效（ROA）為被解釋變量一致（表8），在此不再贅述。檢驗結果如表7所示，除以高管薪酬水平為門檻的當期托賓Q模型為雙重門檻模型未通過似然比的非拒絕域之外（如圖1—圖3），其他均在5%顯著水平下通過了三重門檻的檢驗。以門檻值為分界點的分年度企業數量分布見表9，發現高管薪酬激勵、高管薪酬差距激勵數值在門檻區間兩端分布更集中。

對當期托賓Q的回歸情況進行分析，結果如表10（列（1）—（4））。可以看出，考慮異方差和自相關情況下（列（2）），研發投入與企業績效在低薪酬水平（低于43.67萬元）和高薪酬水平（高于344萬元）階段均為正相關，相關系數為0.0505和0.044，低水平在10%水平下顯著，高薪水平下未通過顯著性檢驗。而在中等薪酬水平階段，研發投入對遠期績效影響急劇滑坡變為-0.0521且在10%水平下顯著，樣本企業數量在此階段較少。這表明，在低薪與高薪激勵階段，研發投入均對提高市場績效有較為強勁的帶動作用，中等薪酬水平既不能以低薪刺激高管努力工作，又不能以高薪激勵高管維持勤奮狀態。對于列（3）和列（4），可以看出，1%顯著水平下，除高薪酬差距對研發投入與市場績效的關系呈積極影響（0.0112）外，最低（低于76.45萬元）、較低（76.45萬元～115.08萬元）、較高（115.08萬元～129.37萬元）三個階段的薪酬差距水平均在負向影響二者關系，其中最低階段（-0.119）和較高階段（-0.115）影響程度接近，較低差距階段為-0.0627，負向影響最大。這表明在達到最高差距之前，薪酬差距對高管的激勵無法正向影響研發投入回報率。從樣本分布來看，絕大多數企業都沒有達到115.08萬元的最高薪酬差距。增減控制變量做穩健性檢驗時，估計結果趨同。

再看滯后期的托賓Q，從列（5）、列（6）可以看出滯后期研發投入對市場績效的影響隨著激勵水平的不同呈先增后減的趨勢，當期托賓Q中的高薪階段（及第三門檻區間）存在“倒V型”的滯后效應，滯后期四個薪酬區間內的影響系數分別為0.0513、0.0241、0.106（樣本量少）和-0.0423，除第二階段在10%水平下顯著外，其他均在1%水平下顯著。其可能的原因與短期財務績效相似，高管薪酬水平在滯后期存在“瓶頸”效應，攀升階段薪酬的邊際激勵效益呈遞減趨勢，達到一定水平后會引發高管的自利行為，高風險的研發項目被保守選擇，導致較低的市場期望。從列（7）、列（8）可以看出薪酬差距門檻下，滯后期研發投入與市場績效呈“倒V型”，與模型（6）一致，可見對于滯后期來說，更低的薪酬差距有利于研發投入向市場績效轉化。這可能是因為薪酬差距引發了底層高管的不滿，這些較低薪酬和職位的高管往往更接近研發基層和“一線業務”，他們的懈怠行為導致研發資源的不合理利用、研發工作缺乏跟蹤和監督、上下層間信息傳遞效率下降，進而不利于企業績效的提升。從門檻值對比模型（4）和模型（8）來看，當期的最低門檻值（76.45萬元）比滯后期的最高門檻值（21.75萬元）還要大，而當期研發投入與市場績效主要呈負相關，滯后期的研發投入與市場績效主要呈正相關，但在達到最高門檻值后也呈現負相關，可見低薪酬差距才更有利于研發投入向市場績效的轉換，滯后一年的效果尤為明顯。

六、研究結論

（一）實證結論

本文以高管激勵為門檻變量，從絕對量上的薪酬水平和相對量上的薪酬差距兩個視角衡量激勵門檻，以短期財務績效（ROA）和市場價值（托賓Q）為被解釋變量，構建研發投入對企業績效影響的面板門檻模型。發現在兩種門檻下研發投入對ROA和托賓Q的影響一致但也有區別，呈現出以三重門檻為主的階段性特征，具體得到以下結論：

（1）以薪酬激勵為門檻，起初會鼓勵高管提高研發投入向兩種績效的轉化效率，達到一定水平后會落入高水平的“陷阱”，使研發投入不利于績效的提高甚至與其呈反向關系。

（2）以薪酬差距激勵為門檻時，研發投入與企業績效主要呈現負向變化關系，其“負作用”先增后減，差距拉至最大時，市場績效與研發投入才會呈現較小的正相關關系，但鮮有企業可以達到。可見，對于研發投入與企業績效來講，薪酬差距的實證檢驗更支持“行為理論”，其帶來的負面影響要高于正面影響，而不支持“錦標賽理論”。

（3）從滯后期看，以薪酬水平為門檻時，市場價值的第四薪酬區間存在“倒V型”的滯后效應;以薪酬差距激勵為門檻且門檻值更大時，短期財務績效存在負向滯后效應;其他情況下均不存在滯后效應。

（4）從兩種被解釋變量看，研發投入對市場價值的影響系數要遠高于短期財務績效且階段間系數差異更大。從計量和理論角度看，一方面是因為市場價值的代理變量為托賓Q值，由公司市值和賬面價值共同度量，因此在絕對量上高于短期財務績效ROA，受市場供求關系影響，也存在較大的波動性;另一方面可能是制造業企業中，研發投入作為科技要素被市場視為核心競爭力，雖可能增加當期費用，但有利于在長期的競爭中脫穎而出，使市場對其有更好的價值預期，帶來溢價。

在薪酬激勵門檻下，薪酬水平高于13.974時，研發投入與短期財務績效呈負相關;而相同的高薪區間下，研發投入與市場價值呈正相關。

在薪酬差距激勵門檻下，除門檻值拉大至14.073時，研發投入與遠期績效呈正相關，其余區間下薪酬差距均不利于兩種績效的提升。

（二）對策建議

（1）企業要合理利用對高管的薪酬激勵，在低薪水平以貨幣薪酬潤滑高管與投資者的利益不一致現象，同時提薪有度，警惕高薪水平阻礙研發投入績效轉化的陷阱，解決委托代理在研發績效轉化方面的問題。從企業在門檻間的數量分布來看，仍有約五分之一的企業處在短期財務績效的“陷阱”之中，而市場價值則只有極少量企業處于負相關階段。

（2）企業可以適當減小薪酬差距，推動研發投入向企業績效轉化。高管團隊作為公司執行層的最高管理團體，其決策水平在很大程度上決定了公司的發展方向和戰略落實力度，較低的薪酬差距可以減弱低薪高管內心的不公平感，加強對一線研發工作的監督反饋，強化其與高薪高管的溝通交流、優勢互補、優化決策，同時也可以緩解高職高薪的高管一人獨大的自利決策行為。

（3）從滯后的實證結果看，企業應在薪酬水平達到13.019之后，延續高薪對研發投入向市場價值轉化的積極作用，并控制在13.684之內，抑制其對滯后期的不良影響。從樣本數量分布來看，絕大多數企業將薪酬水平提高到了13.019，但這其中有一半的企業還未關注到滯后效應的不利方面，薪酬仍高于13.684的門檻值。另外，針對滯后效應存在較少的現象，企業應謹慎選擇研發項目，使其成為企業的長久競爭力和風險抵抗力，進而有利于企業的可持續發展。

（4）公司應完善針對高層管理人員的績效考核標準，將短期財務績效與長期市場價值同時納入考核標準，建立環比績效考核制度，防范高管高薪“陷阱”的短視行為。例如在結論（4）下，高薪區間對兩種績效產生相反的影響，如果公司只將當年的財務績效與高管薪酬掛鉤，高管很可能會選擇短期費用少、風險低但不利于長期發展的項目。因此需同時考慮薪酬水平激勵和薪酬差距激勵、短期財務績效和市場價值，據公司戰略調整薪資水平，平衡各項指標，使研發投入得到較高的企業效益轉化。

【參考文獻】

[1] HALL B H， MAIRESSE J. Exploring the relationship between R&D and productivity in french manufacturing firms[J].Journal of Econometrics，1995，65（1）：263-293.

[2] DUGAL S S，MORBEY G K.Revisiting corporate R&D spending during a recession[J].Research Technology Management，2016，38（4）：23-27.

[3] CHEN P C， CHAN W C， HUNG S W， et al.Do R&D Expenditures matter more than those of marketing to company performance[J].The Moderating Role of Industry Characteristics and Investment.Density，Technology Analysis & Strategic Management，2016，28（2）：205-216.

[4] 李銀香，劉漢武.高管激勵、研發投入與企業價值[J].財會月刊，2018，15（9）：59-64.

[5] 湯二子，孫振.企業研發和培訓投入對產出與生產率的影響研究[J].科學學與科學技術管理，2012（11）：143-149.

[6] 陸玉梅，王春梅.R&D投入對上市公司經營績效的影響研究：以制造業、信息技術業為例[J].科技管理研究，2011（5）：122-127.

[7] 馬艷艷，張曉蕾，逯雅雯.研發支出、廣告支出與企業經濟績效：基于中國不同制造業子行業的實證研究[J].大連理工大學學報（社會科學版），2015，36（4）：30-34.

[8] 韓先鋒，董明放.研發投入強度與戰略性新興產業績效[J].統計研究，2016，33（1）：45-53.

[9] 張然，車麗萍.高管薪酬激勵與企業績效的關系：以研發投入為中介變量[J].中國林業經濟，2018（6）：109- 112.

[10] 葉紅雨，陳恬.高管團隊特征對企業研發投入影響的研究：基于高管激勵的調節作用[J].技術與創新管理，2016（2）：177-182.

[11] TIEN C L，CHEN C N.Myth or reality？Assessing the moderating role of CEO compensation on the momentum of innovation in R&D[J].International Journal of Human Resource Management，2012，23（13）：2763-2784.

[12] 王秋菲，徐昕，秦爽.高管激勵、研發投入與企業績效關系研究：基于軟件與信息技術行業數據[J].技術與創新管理，2020（2）：178-188.

[13] 羅華偉，宋侃，干勝道.高管薪酬外部公平性與企業績效關聯性研究：來自中國A股上市房地產公司的證據[J].中國軟科學，2015（1）：6-10.

[14] 蘭松敏，戴建華.高管薪酬與公司績效：基于傳媒行業上市公司的實證[J].財會通訊，2015（14）：37-39.

[15] JED DEVARO.Intermal promotion competitions in firms[J].The Rand Joumal of Economics，Autumn，2006，37（3）：521-542.

[16] 陳德球，步丹璐.管理層能力、權力特征與薪酬差距[J].山西財經大學學報，2015（3）：91-101.

[17] 張正堂.高層管理團隊協作需要、薪酬差距和企業績效：競賽理論的視角[J].南開管理評論，2007，53（2）：4-11.

[18] 盧銳.管理層權力、薪酬差距與績效[J].南方經濟，2007（7）：60-70.

[19] 陳霞.高管激勵、研發投入與企業績效調節效應實證分析[J].企業管理，2017（1）：178-181.

[20] 齊秀輝，王維，武志勇.高管激勵調節下研發投入與企業績效關系研究[J].科技進步與對策，2016，33（15）：76-82.

[21] 王華，黃之駿.經營者股權激勵、董事會組成與企業價值：基于內生性視角的經驗分析[J].管理世界，2003（9）：101-116，172.

[22] HANSEN B. Threshold effects in non-dynamic panels：estimation，testing， and inference[J]. Journal of Econometrics，1999，93（2）：345-368.

[23] 姚冰湜，馬琳，王雪莉，等.高管團隊職能異質性對企業績效的影響：CEO權力的調節作用[J].中國軟科學，2015（2）：117-126.

[24] 連玉君，程建.不同成長機會下資本結構與經營績效之關系研究[J].當代經濟科學，2006（2）：97-103.

[25] 劉恩妤.關于我國上市公司R&D投入績效的實證研究[D].東北財經大學碩士學位論文，2011.