研發(fā)投入對企業(yè)績效的影響
——基于Meta分析方法的研究

李正彪，劉洪穎

(1.云南師范大學 泛亞商學院，云南 昆明 679300；2.云南師范大學 經(jīng)濟與管理學院，云南 昆明 679300)

研發(fā)投入是促進經(jīng)濟增長的要素之一，這種促進作用不僅表現(xiàn)在國家層面，還表現(xiàn)在企業(yè)層面(Brown等，2009)[1]。企業(yè)通過研發(fā)學習并吸收新知識，進而影響企業(yè)績效。因此,多年來研發(fā)投入對企業(yè)績效的作用效果很受國內(nèi)外學者的重視，但是由于研究采取的樣本、方法不同，這項研究在學術界一直未達成一致定論。目前存在以下結論：第一，研發(fā)投入與企業(yè)績效正相關；第二，研發(fā)投入與企業(yè)績效負相關；第三，二者關系具有滯后性；第四，二者之間并非線性相關，而是存在門檻效應。國內(nèi)外學者嘗試從不同的行業(yè),以不同的樣本采集方式，以及考慮非線性關系等不同角度，對二者關系進行了多層次的挖掘。其中,董靜和茍燕楠(2010)[2]認為在高技術行業(yè)機械設備業(yè)和醫(yī)藥行業(yè)之中，研發(fā)投入能促進企業(yè)盈利增長，；Lantz 和Sahut(2005)[3]則指出研發(fā)投入對企業(yè)財務績效有顯著的抑制作用;Wang和Wu(2012)[4]通過對新興市場高技術行業(yè)的實證分析,發(fā)現(xiàn)研發(fā)投入對企業(yè)績效的促進作用有顯著的滯后性;另外,韓先鋒和惠寧(2016)[5]、Yeh等(2010)[6]運用門檻效應模型考察了研發(fā)投入與企業(yè)績效之間的關系,結論表明二者之間并非簡單的線性相關。

綜上所述,研發(fā)投入與企業(yè)績效關系的研究結論差異,阻礙了相關理論的發(fā)展，使得企業(yè)難以在特定情境下,就是否進行研發(fā)投入,以及投入是否適量等問題,做出正確的決策。鑒于研發(fā)投入和企業(yè)績效相關研究較為豐富，且學術界對兩者關系一直爭論不休，這些條件使得Meta分析方法適用于該項研究之中。所以本文為得到更具普適性的結論，采取Meta分析方法對1985—2021年間SSCI期刊上發(fā)表的20篇英文文獻、北大核心期刊上發(fā)表的47篇中文文獻共計67篇實證文獻進行統(tǒng)計分析，更直觀地得到了研發(fā)投入與企業(yè)績效關系的結論,并采用Meta二元分析和回歸分析對可能存在的調節(jié)變量，比如滯后性、區(qū)域經(jīng)濟水平、行業(yè)分類、績效類型等進行了實證檢驗。

本文的主要貢獻有以下幾點：第一，通過采用Meta分析方法對67篇實證文獻進行統(tǒng)計分析，克服了單個研究存在的樣本、對象、方法差異問題，更加全面地評估了研發(fā)投入與企業(yè)績效的關系；第二，從不同行業(yè)、不同經(jīng)濟發(fā)展水平、不同績效類型的角度，證實了研發(fā)投入對企業(yè)績效的作用差異，有利于企業(yè)根據(jù)自身所處行業(yè)、區(qū)域經(jīng)濟水平，以及所需實現(xiàn)的績效類型做出合理的研發(fā)投入預算；第三，通過滯后性的調節(jié)作用檢驗，評估了諸多學者質疑的滯后性帶來的不同作用效果，檢驗了研發(fā)投入在長期和短期內(nèi)對企業(yè)績效的作用差異，為企業(yè)長短期規(guī)劃提供了參考。

一、文獻綜述與理論假說

(一)研發(fā)投入與企業(yè)績效

關于研發(fā)投入與企業(yè)績效關系的已有研究成果豐碩，但研究結論尚未達成一致。從內(nèi)生增長理論的指導意義來看，研發(fā)投入對企業(yè)的生產(chǎn)增長率有積極作用，而生產(chǎn)率的增長有利于企業(yè)績效的提高。基于內(nèi)生增長理論，Griliches(1979)[7]最早采用柯布道格拉斯(CD)生產(chǎn)函數(shù)模型，估算研發(fā)投入對企業(yè)生產(chǎn)率的作用，并將技術知識存量加入CD生產(chǎn)函數(shù)中，構建了改進的CD生產(chǎn)函數(shù)。Bronwyn和Jacques(1995)[8]將CD生產(chǎn)函數(shù)運用于法國制造類企業(yè)研發(fā)投入對生產(chǎn)率影響的研究，并發(fā)現(xiàn)研發(fā)投入與生產(chǎn)率存在正相關。Katharine(2001)[9]的研究也支持了研發(fā)投入和企業(yè)績效存在正相關的結論。可以看出，早期的相關研究主要從內(nèi)生增長理論的角度，闡述了研發(fā)投入對企業(yè)績效的促進作用，近年來，雖然學術界仍然普遍認可基于內(nèi)生增長理論下研發(fā)投入給企業(yè)績效帶來的積極作用，但更多地關注其他影響研發(fā)投入與企業(yè)績效關系的潛在因素，從而幫助企業(yè)更好地發(fā)揮研發(fā)投入的積極作用。

諸多企業(yè)內(nèi)外部因素影響了研發(fā)投入對企業(yè)績效的作用效果。外部因素中，呂新軍等(2016)[10]認為不同市場競爭環(huán)境下，企業(yè)研發(fā)收益率存在顯著的差異，激烈的外部競爭環(huán)境中企業(yè)創(chuàng)新優(yōu)勢容易被效仿，其他競爭者通過模仿擠占企業(yè)部分市場份額，可能導致研發(fā)收益率降低。目前，產(chǎn)業(yè)全球化趨勢給企業(yè)帶來了更多的技術溢出，劉帷韜等(2020)[11]研究發(fā)現(xiàn)，產(chǎn)業(yè)全球化有助于發(fā)揮研發(fā)投入對企業(yè)績效的促進作用，企業(yè)通過技術溢出可以實現(xiàn)績效的提升。還有學者認為區(qū)域經(jīng)濟水平是影響研發(fā)收益率的重要因素，發(fā)展中國家面臨嚴重的融資約束，這導致了研發(fā)投入頻繁被打斷，經(jīng)濟蕭條更是加重了融資約束對研發(fā)投入的阻礙作用，成力為和劉詩雨(2021)[12]探索了中美兩國之中，研發(fā)投入提升對各國企業(yè)績效帶來的作用差異，通過對比分析發(fā)現(xiàn)美國研發(fā)投入提升顯著提高企業(yè)長期績效，而中國的研發(fā)投入對長期績效作用不顯著。內(nèi)部因素中，孫自愿等(2019)[13]研究發(fā)現(xiàn)企業(yè)內(nèi)部控制對研發(fā)投入和企業(yè)績效關系有一定調節(jié)作用，內(nèi)部控制有效性強化了研發(fā)投入對企業(yè)績效的正向影響。除了內(nèi)部治理相關因素以外，企業(yè)策略相關因素也可能影響研發(fā)投入對企業(yè)績效的促進作用。采取差異化戰(zhàn)略的企業(yè)更加重視其產(chǎn)品和服務的差異性，因此投入了更多的人力和財力以獲取外部關鍵資源、提升自主創(chuàng)新能力，為提升企業(yè)績效掃清了更多障礙，這一點在許照成和侯經(jīng)川(2019)[14]的研究中得到了證實。總的來說，在理論上大多數(shù)研究支持研發(fā)投入促進企業(yè)績效提升這一觀點，同時也有很多學者認為這種促進作用的實現(xiàn)還受到其他條件的限制。綜合以上觀點，本文先提出如下假設：

H1：研發(fā)投入與企業(yè)績效有顯著的正相關關系。

(二)潛在調節(jié)變量

鑒于研發(fā)投入與企業(yè)績效的關系可能受到一些調節(jié)作用的影響，本文運用Meta分析方法，將相關獨立樣本篩選出來并整合，進一步發(fā)掘調節(jié)變量的調節(jié)作用，以期更好地解釋研究結論差異化的原因。基于Meta分析的慣例，按情境因素和測量因素將調節(jié)變量分類。通過對67篇文獻進行梳理后，選取行業(yè)類型、區(qū)域經(jīng)濟水平、數(shù)據(jù)采集時間和文獻來源作為情境因素，而滯后性、樣本量、績效類型為測量因素，并依次檢驗每個潛在調節(jié)變量的調節(jié)作用。

1.情境因素

(1)行業(yè)類型。對于研發(fā)投入和企業(yè)績效關系的研究，在研究對象的選擇上，無論是國內(nèi)還是國外都存在很大的差異。從理論上講，不同行業(yè)特性不同，研發(fā)活動內(nèi)容不同，所以對研發(fā)投入的需求也有差異，這導致不同行業(yè)的研發(fā)投入對企業(yè)績效的影響不一致，將不同行業(yè)的企業(yè)作為研究對象，可能得到不一樣的結論。比如部分行業(yè)中研發(fā)投入和企業(yè)績效可能存在著非線性關系，籠統(tǒng)地選取所有A股上市公司作為樣本，去研究研發(fā)投入和企業(yè)績效的線性關系，可能導致研究結論不穩(wěn)健、不具體。這一點在段天宇等(2020)[15]的研究中得到了證實。另外，部分行業(yè)更加依賴研發(fā)投入得以生存，Zhang等(2014)[16]的研究就表明高新技術行業(yè)相對于傳統(tǒng)行業(yè)更需要密集的研發(fā)費用支出，同時研發(fā)投入對企業(yè)績效的作用更為顯著。通過大量文獻梳理發(fā)現(xiàn)已有研究對于行業(yè)的選擇十分多樣，在制造業(yè)、文化產(chǎn)業(yè)、醫(yī)藥產(chǎn)業(yè)、電子科技等行業(yè)都有涉及，造成了一定程度上的概念混淆。為了減少行業(yè)差異帶來的計量誤差，本文對行業(yè)類型的調節(jié)作用進行實證分析，并提出以下假設：

H2：行業(yè)類型對研發(fā)投入與企業(yè)績效的關系有調節(jié)作用，高新技術行業(yè)的研發(fā)投入與企業(yè)績效的關系相較于非高新技術行業(yè)更為顯著。

(2)區(qū)域經(jīng)濟水平。研發(fā)投入與企業(yè)績效相關研究最早源于歐美發(fā)達國家，但經(jīng)濟水平的發(fā)展，使得發(fā)展中國家越來越重視研發(fā)投入在企業(yè)持續(xù)經(jīng)營、穩(wěn)固市場份額、獲取超額利潤等諸多好處中發(fā)揮的作用。Chen和Oyakhilome(2019)[17]以美國納斯達克上市公司為樣本，發(fā)現(xiàn)研發(fā)投入對企業(yè)績效有顯著的促進作用。與之相反的是，Ashraful等(2020)[18]對12個新興市場國家的實證研究卻得到了兩者負相關的結果。由此可以看出，區(qū)域經(jīng)濟發(fā)展水平可能致使研發(fā)投入對企業(yè)績效的作用不同。因此，提出以下假設：

H3：區(qū)域經(jīng)濟水平對研發(fā)投入和企業(yè)績效的關系有調節(jié)作用，發(fā)達國家的研發(fā)投入與企業(yè)績效的關系相較于發(fā)展中國家更為顯著。

(3)數(shù)據(jù)采集時間。隨著經(jīng)濟發(fā)展、金融市場完善，研發(fā)投入與企業(yè)績效之間的關系也可能發(fā)生變化，運用早期數(shù)據(jù)和較近時期數(shù)據(jù)分別進行研究也可能造成結論的差異。除此之外，早期的研究結論可能并不適應于當下經(jīng)濟環(huán)境，采集較近時期的數(shù)據(jù)所得到的研究結論可能更具適應性。本文中選取的研究樣本年限跨度較大，為了使結論更具有說服力，將數(shù)據(jù)采集時間的潛在調節(jié)作用考慮在內(nèi)，并提出以下假設：

H4：數(shù)據(jù)采集時間對研發(fā)投入和企業(yè)績效的關系有調節(jié)作用，數(shù)據(jù)采集時間越近，研發(fā)投入和企業(yè)績效的關系越顯著。

(4)文獻來源。在篩選整理研發(fā)投入與企業(yè)績效相關研究時，本文選取了在SSCI期刊和北大核心期刊上公開發(fā)表的文獻，但由于SSCI期刊的審稿程序相對于北大核心期刊更為嚴格，具體體現(xiàn)在SSCI采用匿名審稿制度，并且要求作者提供相關研究數(shù)據(jù)[19]。因此，這種審稿程序的嚴格性可能帶來研究結果的差異，為了證實文獻來源是否會帶來研究結論的不同，在此將文獻來源納入潛在調節(jié)變量，并提出以下假設：

H5:文獻來源對研發(fā)投入和企業(yè)績效的關系有調節(jié)作用，相較于北大核心，SSCI期刊上發(fā)表的研究中研發(fā)投入和企業(yè)績效關系更顯著。

2.測量因素

(1)滯后性。部分學者認為研發(fā)投入對企業(yè)績效的作用存在滯后性，這是因為從研發(fā)投入到產(chǎn)生投資收益需要一定時間，且時間長短還可能因為企業(yè)的特定屬性而有所不同。Xu和Sim(2018)[20]對中國和韓國制造類企業(yè)樣本進行分析，發(fā)現(xiàn)研發(fā)投入更顯著地促進了企業(yè)滯后一年業(yè)績。賁友紅(2017)[21]通過中國79家上市醫(yī)藥業(yè)和制造業(yè)相關公司的實證研究，也發(fā)現(xiàn)研發(fā)投入發(fā)揮作用有一定滯后，其中，研發(fā)投入抑制企業(yè)當期績效，對企業(yè)滯后一期的績效作用不顯著，但與滯后兩期的績效有顯著的正相關關系。基于以上論述，本文提出以下假設：

H6：滯后性對研發(fā)投入和企業(yè)績效關系有調節(jié)作用，考慮滯后性的研發(fā)投入與企業(yè)績效關系更為顯著。

(2)樣本量。不同研究中采集的樣本量不同，樣本量的差異可能對研究的結論以及穩(wěn)健性產(chǎn)生影響，各研究中提取的效應值也可能受到樣本規(guī)模的影響，一般來說，樣本量越大，越能準確反映變量之間的關系。為了檢驗樣本量是否帶來研究結果的異質性，本文將樣本量納入潛在調節(jié)變量，并提出以下假設：

H7：樣本量大小對研發(fā)投入和企業(yè)績效的關系有調節(jié)作用，樣本量較大時研發(fā)投入和企業(yè)績效的關系更為顯著。

(3)績效類型。企業(yè)績效是指企業(yè)在一段時間內(nèi)投入和產(chǎn)出的狀況，其中企業(yè)績效衡量一般分為財務績效、市場績效、經(jīng)營績效等。本文采納的文獻中，績效測量主要分為財務績效和市場績效，財務績效主要包括銷售利潤率、ROA、ROE等[22]，市場績效主要包括托賓Q和EPS等。Chen和Oyakhilome(2019)[17]以美國納斯達克476家上市公司為樣本，分別對研發(fā)投入與托賓Q以及總資產(chǎn)收益率作多元回歸分析，檢驗結果證實研發(fā)投入對企業(yè)的市場績效作用更為顯著。Dejan和Aleksander(2020)[23]選取了中國、斯洛維尼亞、英國、美國和日本五個國家的樣本，并對市場績效和財務績效進行分類檢驗，結果顯示研發(fā)投入與市場績效的關系更為顯著，可以看出研發(fā)投入對市場績效和財務績效的作用有可能存在差異。本文認為研發(fā)投入的作用要轉化成財務績效，并反映在報表上需要一定的時間，所以當樣本時間選取不當時，研發(fā)投入對財務績效的作用無法完全顯現(xiàn)。基于以上論述本文提出以下假設：

H8：績效類型對研發(fā)投入和企業(yè)績效關系有調節(jié)作用，與研發(fā)投入和企業(yè)的市場績效有關系。

二、研究方法

(一)Meta分析法的適用性

Meta分析法不同于傳統(tǒng)的實證研究，它是在已有的研究基礎上對相同研究目的的實證文獻再次進行統(tǒng)計分析，通過對特定研究目的的文獻篩選整理，做出定量的、系統(tǒng)性的評價。Meta分析作為一種客觀的、科學的、可預見的研究方法，不僅可以檢驗自變量和因變量之間的關系，還可以檢驗調節(jié)變量帶來的結論差異。Meta分析的運用需要滿足兩個基本條件：一是兩個確定變量關系的相關實證研究數(shù)量較為豐富，一般要求30篇以上的文獻；二是研究結論存在異質性。而本文研究的變量滿足以下兩點：①研究研發(fā)投入和企業(yè)績效關系的成果頗豐，經(jīng)篩選得到的67篇實證文獻適用于Meta分析；②研發(fā)投入與企業(yè)績效關系的研究結論具有很大的差異。由于本文研究問題的結論存在較大的異質性，而采用Meta分析能針對這種異質性作出定量分析，從而得到更具體、有效的結論。因此本文運用Meta分析方法對已有的研究進行整合，并對研發(fā)投入對企業(yè)績效的總效應和調節(jié)效應進行實證分析，以期得到更具普適性的結論。本文運用專業(yè)的Meta分析軟件Comprehensive Meta Analysis 3.0進行統(tǒng)計。

(二)文獻收集以及篩選

本文使用研發(fā)投入(R&D investment)、研發(fā)投入強度(R&D intensity)、研發(fā)費用(R&D expenditure)、企業(yè)績效(enterprise performance)、公司績效(firm performance)等術語進行檢索。為了盡可能涵蓋更多的相關文獻，本文通過Science Direct、EBSCO、Springer-Link、JSTOR、Elsevier、Wiley、中國知網(wǎng)、維普、萬方等數(shù)據(jù)平臺先后通過篇名、主題、關鍵詞等進行檢索，并進行初步篩選，最終得到259篇初始文獻。

為得到適合Meta分析的實證文獻，依照以下幾條標準對上述259篇文獻進行篩選：①研究問題必須是研發(fā)投入與企業(yè)績效的關系；②原始研究屬于實證文獻，剔除案例分析、文獻綜述等文獻；③研究格式、過程規(guī)范，必須報告樣本量、相關系數(shù)、t值等可以轉換為相關系數(shù)的統(tǒng)計量；④對于選取的樣本相同的研究進行剔除，保證樣本的獨立性。經(jīng)過以上步驟，最終得到67篇有效的研究樣本，其中中文47篇、英文20篇，共計140個效應值。

(三)文獻編碼

獲取到樣本文獻后，對文獻進行編碼處理，為確保數(shù)據(jù)準確無誤，編碼過程由兩位掌握Meta分析的研究人員進行。首先，從研究層次和效應值層次對研究名稱、作者、發(fā)表年份、樣本量、研究對象、數(shù)據(jù)收集時間、變量測量方式、效應值來源、效應值大小等信息進行編碼。其次，針對潛在調節(jié)變量的設置進行編碼。最后，對于同一篇文獻中有報告多個相關系數(shù)的情況，本文采取以下方式進行編碼：①相關系數(shù)來自不同研究樣本，視為獨立樣本效應值；②由于本文將研發(fā)投入與企業(yè)績效關系的滯后性也納入潛在調節(jié)變量，因此對于當期和考慮滯后得到的相關系數(shù)經(jīng)過分類后也納入Meta分析。

(四) 數(shù)據(jù)提取及統(tǒng)計量構建

筆者在整理相關研究時發(fā)現(xiàn)，學者們在變量選擇和研究方法上有較大的差異，衡量研發(fā)投入和企業(yè)績效相關性的指標主要有以下類型：①線性回歸系數(shù)；②非線性模型邊際效應系數(shù)；③含雙對數(shù)的彈性回歸系數(shù)。這導致提取的系數(shù)難以進行直接比較，而Meta分析應用到經(jīng)濟學領域中,衡量各個變量關系的效應值一般可以選用回歸系數(shù)、相關性系數(shù)、彈性系數(shù)以及偏相關系數(shù)(徐雙麗和呂昭河，2019)[24]。在這幾類系數(shù)中，偏相關系數(shù)容易獲取，沒有單位差異、數(shù)量級差異，還具有經(jīng)濟學含義的特性(Stanley和Doucouliaos,2012)[25]，這些特性使得偏相關系數(shù)更適用于本研究的實證分析。因此本文采用Christos和Geoff(2016)[26]的相關系數(shù)處理方法，構建可比效應統(tǒng)計量，對樣本中的回歸系數(shù)進行轉換，得到樣本的偏相關系數(shù)(PCC),轉換公式如下：

(1)

其中，t為提取的樣本回歸系數(shù)的t值，df為自由度，PCC即偏相關系數(shù)，PCC的標準差計算公式如下：

(2)

盡管偏相關系數(shù)相對于回歸系數(shù)有較強的可比性，但仍存在回歸系數(shù)的一個缺點，那就是當偏相關系數(shù)的絕對值接近1時，不服從正態(tài)分布(焦雨生，2019)[27]。因此需要進一步進行費雪轉換，得到綜合效應費雪Z值，轉換公式如下：

(3)

其中，PCC為上述通過轉換得到的偏相關系數(shù)。得到綜合效應Z值后，再進行總體效應的分析。本文采納的文獻信息見表1。

表1 納入文獻匯總

續(xù)表

三、實證結果

(一)偏倚檢驗

在進行Meta分析之前要對文獻進行偏倚性檢驗，這一步驟是為了確認采取的研究是否可靠。為了使檢驗結果更加直觀，首先，本文運用CMA3.0軟件生成漏斗圖，通過散點的分布狀況，判斷本文采用的文獻是否具有偏倚性，結果如圖1所示。

圖1 Meta分析漏斗圖

從圖1可以看出，散點集中在漏斗圖的頂端，主要分布于平均效應量周圍，并沿著漏斗圖兩側向下擴散，左右兩邊分布也較為均勻，只有少量樣本顯示在漏斗圖的下方(蔣建華等，2014)[28]。這說明本研究選取的文獻不存在出版誤差，樣本文獻是具有代表性的，因此可以認為本文研究結果也是可靠的。另外，本文還借鑒了Rosenthal(1979)[29]的失安全系數(shù)計算方法，得到本研究的失安全系數(shù)為24247，由于臨界值計算公式為5K+10,其中K代表效應值個數(shù)，所以失安全系數(shù)遠大于臨界值710，再一次驗證本文結果的可靠性。

(二)異質性檢驗

異質性檢驗作為Meta分析中十分重要的一環(huán)，是指對每個獨立研究樣本間存在的差異性進行檢驗，當樣本存在較大的異質性時，應采用隨機效應模型。異質性的大小一般采取Q值和I2值來衡量，Q值的判斷標準是：當Q>n-1時(n為研究樣本數(shù)量)，說明異質性顯著，應該運用隨機效應模型；當Q 60%時，說明存在異質性，此時應選擇隨機效應模型；當I2< 60%時，選擇固定效應模型。本文的檢驗結果如表2所示，Q值為4917.104，遠大于139，同時I2值為97.173%，也明顯大于60%，這兩項指標都表明研究樣本存在異質性，因此，本文認為選取隨機效應模型更合適。

表2 整體檢驗及異質性檢驗

(三)整體效應檢驗

整體效應檢驗結果如表2所示，兩種檢驗方法都顯示研發(fā)投入對企業(yè)績效有正向作用。由于前文已經(jīng)討論過文獻存在的異質性，故采用隨機效應模型的檢驗結果。隨機效應檢驗結果顯示：研發(fā)投入與企業(yè)績效的相關系數(shù)為0.059(P<0.01),在95%的置信區(qū)間內(nèi)顯著，說明總的來說研發(fā)投入能給企業(yè)績效帶來正面效應的，假設H1成立。雖然從整體上來說，研發(fā)投入能促進企業(yè)績效提升，但實際上在不同條件下，研發(fā)投入對企業(yè)績效的正面影響程度可能存在差異，這有待下文進一步分析。

(四)調節(jié)效應分析

整體異質性檢驗顯示研發(fā)投入和企業(yè)績效的關系存在高度異質性，這說明兩者的關系還受到一些調節(jié)變量的影響。為了進一步探討導致異質性的原因，本文選取以下潛在調節(jié)變量：行業(yè)分類、區(qū)域經(jīng)濟水平、數(shù)據(jù)采集時間、文獻來源、滯后性、樣本量以及績效類型。并依據(jù)調節(jié)變量對文獻進行0～1編碼，對各個調節(jié)效應進行Meta二元檢驗分析，檢驗結果見表3。

表3 調節(jié)效應檢驗結果

從行業(yè)分類看，高新技術行業(yè)和非高新技術行業(yè)的研發(fā)投入和企業(yè)績效的相關系數(shù)分別為0.095、0.043，并且異質性檢驗結果也顯著(Q=3.934,P<0.05),說明高新技術行業(yè)的研發(fā)投入對企業(yè)績效的促進作用相較于非高新技術行業(yè)更為顯著，假設H2得以驗證；從區(qū)域經(jīng)濟水平來看，發(fā)展中國家及地區(qū)與發(fā)達國家及地區(qū)的研發(fā)投入和企業(yè)績效的相關系數(shù)分別為0.046、0.115，異質性檢驗結果也顯著(Q=3.831,P<0.05),說明相對于發(fā)展中國家，發(fā)達國家及地區(qū)的研發(fā)投入對企業(yè)績效的促進作用更明顯，技術進步對于發(fā)達國家的經(jīng)濟增長的促進作用可能更大，假設H3成立；從樣本量大小來看，2000以內(nèi)的樣本量中，研發(fā)投入與企業(yè)績效的相關系數(shù)為0.099，2000以上的樣本量中，研發(fā)投入與企業(yè)績效的相關系數(shù)為0.021，異質性檢驗結果也顯著(Q=13.648,P<0.01)，說明樣本量對統(tǒng)計結果造成了一定偏差，假設H7成立，盡可能擴大研究樣本量能修正這種偏誤；從績效類型來看，研發(fā)投入與財務績效的相關系數(shù)為0.041，與市場績效的相關系數(shù)為0.106，并且異質性檢驗結果顯著(Q=9.815,P<0.01)，說明研發(fā)投入對市場績效的促進作用更為直接和迅速，而財務績效顯示在報表上需要一定時間，造成了研究關系存在滯后性，假設H8成立。

其他潛在調節(jié)變量如數(shù)據(jù)采集時間、文獻來源、滯后性等均對研發(fā)投入和企業(yè)績效的調節(jié)作用不顯著。從數(shù)據(jù)采集時間來看，檢驗結果不顯著，說明不同的數(shù)據(jù)采集年份未對研發(fā)投入與企業(yè)績效關系造成顯著的影響，本文采納文獻的研究年份沒有造成結論偏誤。從文獻來源來看，SSCI和北大核心發(fā)表的研究可靠性程度一致，再次證明本文采納的研究不存在發(fā)表偏誤。從滯后性來看，國內(nèi)外文獻對于滯后性的考量，主要集中在滯后一期和滯后兩期。本文檢驗結果顯示滯后性的調節(jié)效應不顯著，這可能是因為本文選取的樣本，覆蓋了多個行業(yè)和地區(qū)，使得部分行業(yè)或地區(qū)存在的滯后性受到了掩蓋，這也說明了研發(fā)投入對企業(yè)績效的滯后作用并不是存在于所有行業(yè)中，而是存在于某些特定的研究樣本中。總的來說，研發(fā)投入既促進了企業(yè)長期績效，也促進了企業(yè)短期績效。

(五)Meta回歸分析

由于Meta分析減少了亞組的樣本個數(shù)，所以可能造成一定的誤差，為了克服這種誤差帶來的影響，本文還運用了Meta回歸分析再次對潛在調節(jié)變量進行檢驗。具體操作方法如下：首先，按各個調節(jié)變量對67篇文獻中140個效應值進行0～1編碼；其次，利用分析軟件自動生成各個相關系數(shù)的權重；最后，用加權最小二乘法對潛在調節(jié)變量進行回歸檢驗，并得到各個調節(jié)效應的數(shù)值。具體回歸檢驗結果見表4。

表4 Meta回歸檢驗

由表4顯示結果可知，行業(yè)類型的回歸系數(shù)為0.043,且檢驗結果顯著(P<0.05)，再次驗證高新技術行業(yè)研發(fā)投入對企業(yè)績效提升作用更顯著，假設H2成立；區(qū)域經(jīng)濟水平的回歸系數(shù)為0.06,且檢驗結果顯著(P<0.05),再次驗證發(fā)達國家的研發(fā)投入更能有效促進企業(yè)績效提升，假設H3成立；績效類型的回歸系數(shù)為0.064,且檢驗結果顯著(P<0.01)，再次證實研發(fā)投入對市場績效的作用更明顯，假設H7成立;樣本量的回歸系數(shù)為0.072，且檢驗結果顯著(P<0.01)，再次說明樣本量大小會對研究變量之間的關系造成一定偏誤，假設H8成立。而其他潛在變量數(shù)據(jù)采集時間、文獻來源、滯后性則仍然不顯著。Meta回歸分析檢驗結果與前文中的Meta二元分析檢驗結果保持一致，因而再次驗證了本文Meta分析結果的穩(wěn)健性。

四、結論和局限性

(一)結論

多年來關于研發(fā)投入與企業(yè)績效關系的研究層出不窮，已經(jīng)有了豐富的研究成果，但由于研究對象和方法的差異未能得到一致的結論。首先，本文篩選并整理得到67篇相互獨立的研究樣本；其次，本文運用Meta分析方法，檢驗了研發(fā)投入和企業(yè)績效的關系，并通過Meta二元分析和Meta回歸分析檢驗了可能導致研究結論不一致的調節(jié)變量；最后，研究結果表明，研發(fā)投入對企業(yè)績效有著顯著的正向作用，同時，行業(yè)類型、區(qū)域經(jīng)濟水平、績效類型以及樣本量對研發(fā)投入和企業(yè)績效之間的關系有顯著的調節(jié)作用。具體的結論和分析如下：

1.整體效應

整體效應檢驗結果顯示，研發(fā)投入能給企業(yè)績效帶來正面效應。對股東而言，高額的研發(fā)投入是一種高風險、高回報的戰(zhàn)略，因為股東期望獲得更好的收益。對企業(yè)而言，要在競爭殘酷的新時代生存下來，不得不通過研發(fā)活動獲取新知識，有了這些研發(fā)創(chuàng)新所帶來的新知識，企業(yè)將擁有難以被取代的競爭能力。要知道，我國研發(fā)投入的強度，相較于國際領先水平，還有較大的提升空間。因此，從長期可持續(xù)發(fā)展的角度出發(fā)，持續(xù)加強研發(fā)投入不僅有利于我國企業(yè)在國際上占據(jù)更大的市場份額，還有利于企業(yè)維持較高的盈利能力。鑒于已有研究的爭議，本文通過進一步科學的定量分析，得到了較為可靠的結論，既是對前人的總結，也為將來研發(fā)投入與企業(yè)績效的研究提供了借鑒。

2.調節(jié)效應

從調節(jié)效應檢驗結果來看，行業(yè)類型、區(qū)域經(jīng)濟水平、樣本量以及績效類型均對研發(fā)投入和企業(yè)績效的關系具有一定的調節(jié)作用。就行業(yè)類型而言，高新技術行業(yè)的研發(fā)投入對企業(yè)績效的作用更為顯著，這可能是因為高新技術企業(yè)更需要通過研發(fā)投入來改進和創(chuàng)新產(chǎn)品，不斷適應新的需求，打造品牌效應，提高自身市場競爭力，高新技術企業(yè)應適當加大研發(fā)投入水平。就區(qū)域經(jīng)濟水平而言，發(fā)達國家及地區(qū)的研發(fā)投入對企業(yè)績效的作用相較于發(fā)展中國家及地區(qū)更為顯著，根據(jù)新古典增長理論，當資本深化達到一定程度，企業(yè)的邊際收益開始下降，此時技術進步是保持可持續(xù)增長的唯一途徑。而發(fā)達國家在人力和資本投入上更飽和，其資本深化程度更高，所以發(fā)達國家研發(fā)投入帶來的技術進步使得企業(yè)績效提升更明顯。但隨著發(fā)展中國家的快速崛起，發(fā)展中國家也應向發(fā)達國家看齊，更加重視研發(fā)投入，確保研發(fā)投入增長適應經(jīng)濟增長水平。就樣本量而言，樣本量小的研究中，研發(fā)投入與企業(yè)績效的關系更為顯著。依照統(tǒng)計學理論，樣本量越大，出現(xiàn)統(tǒng)計偏誤的可能性越小，所以適當增加樣本，有助于提高研究穩(wěn)健性。就績效類型而言，研發(fā)投入對企業(yè)市場績效的促進作用相較于財務績效更為顯著，這是由于研發(fā)投入對市場績效的作用更為迅速且直接，而對財務績效的作用需要一定的轉化時間，才能呈現(xiàn)在報表上。所以在關注研發(fā)投入對企業(yè)績效的作用反饋時，應首先關注對市場績效的即時作用，再結合對滯后期的財務績效的作用，做出綜合的績效評估。

(二)實踐啟示

本文的實踐啟示在于：(1)從政府視角來看，各國政府應重視研發(fā)投入，聘請專業(yè)人才通過宏微觀分析，制定合理的研發(fā)投入標準，以適應經(jīng)濟發(fā)展需要。對于發(fā)達國家而言，其資本深化程度較高，更應加大研發(fā)投入，從而促進技術進步，由技術進步帶動經(jīng)濟增長。對于發(fā)展中國家而言，其資本深化程度、資源配置效率較低，應首先優(yōu)化資本配置的結構問題，刺激投資需求，從而促進資本深化，并在這一過程中，動態(tài)調整研發(fā)投入水平以適應經(jīng)濟發(fā)展需要。(2)從企業(yè)視角來看，企業(yè)要提高研發(fā)投入給自身帶來的效益，首先要對企業(yè)自身屬性有一個清晰的認知。對于高新技術企業(yè)來說，技術創(chuàng)新是其持續(xù)發(fā)展的不竭動力，是企業(yè)區(qū)分于其他同行的根本，高新技術企業(yè)應加大研發(fā)投入，以滿足技術創(chuàng)新所需。對于非高新技術企業(yè)來說，盡管研發(fā)投入所帶來的企業(yè)績效提升不及高新技術企業(yè)顯著，但也不能輕視研發(fā)投入的作用，因為有效創(chuàng)新仍能給非高新技術企業(yè)帶來可觀的收益。但非高新技術企業(yè)應該更注重研發(fā)投入的效率，而不是盲目地加大研發(fā)投入，應鼓勵企業(yè)通過專業(yè)的基本面分析和技術分析，制定適宜的研發(fā)投入水平，在幫助企業(yè)降低成本的同時，使企業(yè)收益最大化。

(三)研究局限與展望

本文梳理了研發(fā)投入和企業(yè)績效關系的相關實證文獻，運用Meta分析方法，對研發(fā)投入與企業(yè)績效的關系進行了進一步研究，克服了因樣本、研究方法不同而帶來的結論偏差,得到了更細化且更具普適性的結論。但是，本文仍存在一些不足：首先，受研究數(shù)量的限制，部分調節(jié)效應檢驗所需的樣本量較少，這可能導致檢驗功效降低，調節(jié)效應檢驗所呈現(xiàn)的異質性不顯著，不能完全排除該項調節(jié)變量檢驗存在異質性；其次，用于Meta分析的效應值需要滿足一定數(shù)量，而包含部分重要調節(jié)變量的文獻較少，導致這些調節(jié)變量無法納入Meta分析中，遺漏了部分調節(jié)變量；最后，本文納入的研究來自北大核心和SSCI期刊，兩者只包含了中、英文文獻，缺乏其他語種的文獻和未公開發(fā)表的文獻。

針對以上不足，未來可以擴展納入的文獻語種，并搜集未公開發(fā)表的文獻，增加如企業(yè)規(guī)模、企業(yè)生命周期、所有權屬性等潛在調節(jié)變量的檢驗。在統(tǒng)計方法上，由于Meta二元分析只能統(tǒng)計不同情境下兩個類別的樣本，因此可以對Meta二元分析進行改進，結合結構方程分析法，為研究提供更豐富的理論基礎。