下面是小编为大家整理的新常态下R,供大家参考。
1 新常态下R&D投入对企业财务绩效影响探究
摘要：文章以无锡制造业上市公司为研究对象，选取其 2012～2015 年的 R&D 投入数据作为自变量，同时利用因子分析法得到财务绩效得分作为因变量，通过对两者进行实证分析，以探究 R&D 投入对无锡制造企业财务绩效的作用。结果发现，无锡制造业上市公司普遍研发投入不足，自主创新能力薄弱。当年的 R&D 投入与财务绩效没有显著的关系。但是 R&D 投入具有滞后性，滞后 j 年（j=1，2，3）的 R&D投入对财务绩效有正向调节作用，并且该影响程度在 2012～2015 年期间随着时间的滞后呈现出先增加后减少，即倒 U 形变化趋势，滞后第 2 年的 R&D 投入对公司财务绩效的促进作用最强，显著性水平最高。
关键词：R&D 投入；财务绩效；无锡制造业上市公司
一、引言
近年来，我国经济发展迈入新常态阶段，由原来的高速增长转为中高速增长，经济结构亟待优化升级，发展动力由要素和投资转向创新驱动。无锡是中国民族工商业的发源地之一，自经济进入新常态以来，不断推进供给侧结构性改革和创新驱动发展战略，由此其发展也取得了显著性进步，成为“中国制造 2025”试点示范城市群之一。2016 年，工业投入增长 7%左右，规模以上工业总产值增长达 3%。然而无
2 锡制造业仍然存在一些问题，具体表现在自主创新能力薄弱，科技研发投入不足，创新成果转化能力不强，核心技术和自主品牌匮乏，与发达国家差距甚大。2016 年，全社会R&D投入仅占比2.82%，而发达国家R&D投入强度一般在5%～10%。随着新一轮智能制造变革兴起，企业要想增强自身的核心竞争力，应当关注研发能力的提高，让创新成为制造业提质增效的新引擎。无锡制造业是全国具有代表性的产业，研发投入和财务绩效之间的关系不乏其自身的特点，面对新常态下的宏观发展背景，其要想实现创新转型升级，是否应该增加 R&D 投入，R&D 投入的效果如何，其对公司财务绩效的影响怎样，这些都成为公司管理层和学术界迫切需要解决的问题。
二、文献综述
Leonard，William N.（1971）选取美国制造业 1957～1967年的数据作为样本，发现R&D投入从第二年开始与销售、资产及净利润增长率存在正相关关系。Valdermar Smith， Mogens Diling-Hansen 等（2004）通过 C-D 生产函数模型，探究 R&D 资金投入与技术产出之间的关系，得出研发投入具有滞后性，其累积产出回报率在 9%～12%之间。VanderPal Geoffrey A.（2015）以 1979～2013 年间 103 家高科技制造企业为样本，得出研发投入对企业经营绩效、利润增长和市场价值有正向促进作用。周亚虹，许玲丽（2007）对 21 家
3 民营企业 14 个季度的面板数据进行研究，得出 R&D 投入与企业业绩呈现倒 U 型关系，业绩弹性最明显时为 R&D 投入后的第三个季度。仇云杰，魏炜（2016）基于 PSM 匹配法，重新考察了研发投入对财务绩效的影响，结果表明研发行为能有效提升自身绩效 3%。陈霞（2017）运用创业板上市公司为样本进行研究，同样支持了上述结论。但是王君彩，王淑芳（2008）通过对电子信息制造业 R&D 投入与业绩的回归分析，认为两者的正相关关系并不显著，随后，李涛，黄晓蓓，王超（2008）对信息业和制造业的研究也得出了相同的结论。也有学者认为 R&D 投入对财务绩效具有负向调节作用，其中陆玉梅，王春梅（2011）使用 2005～2008 年期间 99 家上市公司的�稻荩�研究表明两者之间存在显著的抑制作用。
综上文献，不同行业或地域的制造公司，由于 R&D 投入性质复杂，研发项目不确定性因素较多，所以 R&D 投入对企业财务绩效的结论难以统一。
三、研究设计
（一）样本选取及数据来源
本文以 2012 年证监会修订后的《上市公司行业分类指引》为标准，选取了注册地在无锡的制造业上市公司 2012～2015 年的数据。样本在选取中遵循了以下原则：一是剔除PT 和 ST 类上市公司，因为这些企业亏损严重，研究准确性难以保证；二是剔除研发投入披露不完全或缺少某年数据的
4 上市公司。因此，本文最终选取了在 A 股上市的 32 家无锡制造业上市公司 2012～2015 年期间的数据。所用数据来源于 CCER 和 CSMAR 数据库，处理与分析主要使用 Spss22.0 和Eviews9.0 来完成。
（二）研究假设
无锡制造业上市公司要想培育自身的核心竞争力，研发活动的持续性投入和自主创新能力的提高是不可或缺的。R&D 投入一方面有助于企业进行技术创新，精简传统生产步骤，提高产品产出效率，减少生产资源的投资，从而降低生产成本；另一方面有助于企业的产品创新，为新产品的开发提供资金支持，开辟新的销售市场进而提高营业收入。因此，R&D 投入的增加可以为企业带来盈利，进而改善公司的财务绩效。本文拟提出如下假设。
假设 1：R&D 投入强度与财务绩效存在显著的正向关系。
研发活动是一个长期的过程，从研发开始到研制成功，再到投入使用都需要不断地进行 R&D 投入。周亚虹，许玲丽（2007）等学者也都认为 R&D 投入对财务绩效的影响具有一定的滞后性。因此，本文拟提出下列假设。
假设 2：R&D 投入对企业财务绩效的影响具有滞后性。
（三）变量定义
1. 因变量
即公司财务绩效，此处采用财务因子得分来综合评价。
5 从盈利能力、偿债能力、营运能力和偿债能力四个方面，从以下 11 个财务指标中进行选取：ROE（营业利润）、ROE（净利润）、ROA、营业利润与利润比率、流动比率、营业利润与流动负债比率、存货周转率、总资产周转率、营业收入增长率、营业利润增长率、净利润增长率，然后运用因子分析法，得到无锡 2012～2015 年每年的因子得分。
2. 自变量
即研发投入强度，其计算公式为：R&D 投入强度=当年R&D 支出总额/营业收入。
3. 控制变量
根据 C-D 生产函数和上述相关研究，发现影响制造企业财务状况的还有很多。因此，本文用固定资产的对数来控制企业规模对绩效的影响。创新产品利润率对财务绩效的作用同样不能忽视，不过由于其数据难以获得，引入销售利润率作为其代理变量。另外，本文用流动资产周转率、利润总额增长率和资产负债率来分别控制企业资产周转能力、未来成长潜力以及财务杠杆因素。除此之外，还需要考虑年份和行业差异对因变量的影响。本文根据 2013 年制定的《高技术制造业分类》，将无锡制造业分为高技术制造业和非高技术制造业，用以控制行业差异因素。
（四）模型设计
本文拟建立如下模型来检验上述两个假设。
FPi，t=C+β1RDi，t-j +β2CAi，t+β3TPi，t+β4SPi，
6 t+β5ADi ， t+β6lnFAi ， t+β7INi ， t+β8Year2013i ，t+β9Year2014i，t+β10Year2015i，t+εi，t （其中，j=0，1，2，3）
其中，FPi，t 代表第 i 个公司在 t 年的财务因子得分，RDi，t 为第 i 个港�逅闹秃�j 年的 R&D 投入强度，CAi，t表示企业的流动资产周转率，TPi，t 表示企业的利润总额增长率，SPi，t 表示企�I 的销售利润率，ADi，t 代表资产负债率， lnFAi，t 为固定资产的对数。INi，t 为虚拟变量，当个体为高科技制造业时，INi，t=1，否则为 0。Year2013i，t、Year2014i，t 和 Year2015i，t 也为虚拟变量，当 t=2013时，Year2013i，t=1，其他年份 Year2013i，t=0；当 t=2014时，Year2014i，t=1，其他年份 Year2014i，t=0；当 t=2015时，Year2015i，t=1，其他年份取 0。C 为常数，主要指企业不可观测的个体特征，εi，t 为误差项。
四、实证结果及分析
（一）财务绩效的因子分析
1. 有效性检验
在运用因子分析法对无锡制造企业财务指标做综合评价前，首先要检验 KMO 值和 Bartlett 值，以此判断因子分析法适用与否。结果发现，每一年的 KMO 值都在 0.6 以上，当 KMO 值>0.5 时，说明适合做因子分析；Bartlett 检验中Sig 值均为 0，说明差异检验的 F 值检验显著，表示所选数
7 据取自正态分布总体。
2. 公因子提取
在因子提取时，使用主成分分析法。研究结果得出，2012～2015 年每年的公因子累计贡献率分别为 87.239%、89.651%、80.499%、89.994%，都大于 80%，说明可以替代原来多个财务指标的信息。然后运用最大方差法进行因子旋转，分析各个主成分中的载荷值大小，据此对各个主成分因子命名。
3. 因子得分函数
根据因子评分系数矩阵，可以得到其主成分因子得分函数，为节省篇幅，本文以 2012 年为例：
Fi1=-0.062xi1-0.071xi2+0.145xi3-0.062xi4+0.175xi5+0.019xi6-0.108xi7+0.057xi8-0.085xi9+0.158xi10
同理，可以得到 Fi2、Fi3、Fi4 的表达式。
4. 财务绩效综合评价得分
根据因子得分函数，以每个主成分因子的方差贡献率作为其加权比重，得到无锡制造业上市公司每年的综合得分函数，最终计算求出每家上市公司每年的财务绩效得分。
F2012=0.3832Fi1+0.2263Fi2+0.1607Fi3+0.1024Fi4
F2013=0.4063Fi1+0.2493Fi2+0.1399Fi3+0.1011Fi4
F2014=0.4474Fi1+0.1969Fi2+0.1607Fi3
8
F2015=0.3903Fi1+0.2377Fi2+0.1453Fi3+0.1266Fi4
（二）变量描述性统计
根据无锡制造业上市公司数据，可以得到财务绩效和滞后 j（j=0，1，2，3）年的 R&D 投入的统计特征，如表 1 所示。由表得，2012～2015 年的财务绩效的标准差是 0.4945，这说明样本个体间的财务状况差异较大，该差异或为同一企业不同横截面上的差异，或为同一时间序列不同企业间的差异。而 R&D 投入强度的最值之间也差别悬殊，最大相差13.56%，这说明无锡制造业上市公司在研发活动和创新投入方面出现了两级分化严重的现状。
然后根据R&D投入强度数据，分别对样本企业在不同R&D强度下做数量和分布比例统计，如表 2 所示。由下表可知：有一半以上无锡制造业上市公司的 R&D 投入强度在 2%～5%之间；大约有 1/4 在 2%以下，即研发投入强度还不足国际认可的生存水平；少部分企业研发投入强度超过了 5%，达到了国际上认为具备一定竞争力的阶段，且该段的分布比例在逐年增加。
（三）相关系数分析
通过对模型变量间的相关系数表分析可知，因变量财务绩效得分 FPi，t 与自变量滞后 j（j=0，1，2，3）年的 R&D投入强度的相关系数分别为 0.080、0.164、0.268、0.125，可知财务绩效得分与当期的 R&D 投入强度几乎不相关，随后
9 相关程度开始增加，在滞后二年时相关性最高，接着相关程度逐渐降低。
除此之外，自变量与各个控制变量之间的相关系数绝对值基本都在 0.3 以下，并且变量的 VIF 值远低于 10，说明模型不存在严重的多重共线性问题。
（四）回归结果检验
最后，本文模型的实证结果如表 3 所示。