研发支出对公司增长影响的实证研究

[摘 要]理论分析表明，整体上看研发支出有助于促进公司增长；但由于研发活动高度的不确定性，企业采取研发活动并不能保证获得增长。基于2009年～2011年中国制造业上市公司数据的实证研究发现，研发支出与公司增长正相关，但统计上不显著。进一步分析表明，研发支出与公司增长之间的关系受公司规模和研发投入强度的影响。研发支出对公司增长的促进作用显著不同于广告支出。稳健性检验表明，这些结论不受样本选择的影响。

[关键词]研发支出；广告支出；公司增长

[中图分类号]F272.1 [文献标识码]A [文章编号]1673-0461（2013）03-0030-08

一、引 言

技术进步是经济长期增长的源泉。创新对企业财务绩效（如销售回报率、资产回报率等）和市场绩效（如市场价值、Tobin’s q等）的影响也得到了大量研究。从这些实证研究中可以得出一个一致的结论：创新提高了企业绩效。一些学者甚至认为，如果不进行创新活动，企业将无法在激烈的市场竞争中生存下去，更无法获得长期发展。这些观点被广泛接受，大量促进技术进步的产业政策被提出，如促进新技术产生与扩散、加强人力资本积累、研发补贴、组建研发联盟等。

然而，尚不清楚的是，创新是如何使企业获得更高绩效的。实际上，至少有两条途径创新会影响企业绩效。首先，产品创新会带来一种新产品，而过程创新会使生产现有产品的成本降低，这两者都会使企业获得更高的销售额或更高的利润边际。其次，在研发活动中，企业会建立内部能力并获得组织资本，这会给企业带来长期竞争优势。内部能力和组织资本上的差异会影响企业如何创造利润和销售额。

更高的销售额意味着销售额的增长，更高的利润边际意味着销售回报率的提高。由于文献中对研发支出与销售回报率之间关系的研究较多，因此，本文仅研究研发支出对公司增长的影响。目前国内这方面的研究相对较少，所选取的样本主要是中小企业板上市公司，如陈晓红、李喜华和曹裕（2009）[1]以及张信东和薛艳梅（2010）[2]。并且他们都采用主成分分析法来构造一个企业增长的综合指标，主成分分析法的一个缺点在于构造的指标概念比较模糊，难以进行清楚的解释，对管理者不具有指导意义。因此，国外研究很少使用主成分分析法。实际上，在企业增长的相关研究中，如何度量增长是一个关键问题。文献中所采用的指标主要有：市场价值、销售额、生产价值或增加值。但是一个较为一致的观点认为，一个最合适的指标是用销售额的增长来作为公司增长的度量指标（Manjón and Merion， 2012）[3]。本文也采用销售额的增长来作为公司增长的度量指标。

本文的研究目的在于利用2009年～2011年中国制造业上市公司的数据考察研发支出对公司增长的影响，并与广告支出的作用进行对比分析。结果表明，在大企业或研发投入强度高的企业里，研发支出与公司增长显著正相关；研发支出对公司增长的促进作用显著不同于广告支出。

二、文献综述

目前关于广告支出对公司增长影响的研究基本上没有，仅Geroski and Toker（1996）[4]在研究创新与公司增长的关系时把广告支出作为控制变量引入。他们利用英国制造业大企业的数据发现，创新和广告支出对销售额的增长有显著的正向影响。国外关于研发支出对公司增长的研究相对较多，且自内生增长理论提出创新与技术进步是经济长期增长的源泉以来，从微观上探讨创新对企业增长的影响更是成为一个研究热点。

早期的研究较为著名的是Penrose（1959）[5]和Mansfield（1962）[6]的研究。Penrose（1959）[5]从理论上分析了研发对企业增长的作用，她认为，研发可以使大企业避免“创造性毁灭”的过程，并且利用新技术使自身得到蓬勃发展。Mansfield（1962）[6]利用美国钢铁和石油行业中的企业40年的数据检验了创新对企业增长率的影响。结果表明，平均来说，成功的创新企业的增长率比其它企业要高一倍；就短期增长来说，成功的创新对增长影响非常大，尤其对小企业来说更是如此。Odagiri（1983）[7]同样探讨了研发在企业中的作用，他利用日本制造业公司作为样本探讨了研发支出与销售额增长的关系，结果发现二者显著正相关。

Geroski and Machin（1992）[8]利用英国企业作为研究样本发现，创新型企业的销售回报率和销售额增长率都要高于非创新型企业；创新对销售回报率的影响可以持续几年；与之相比，创新对销售额增长率的影响很快就会实现，一旦创新被引入，企业会在较短的时间内获得销售额急剧的增加。Roper（1997）[9]利用来自英国、爱尔兰和德国的2，721家小企业的调查数据研究了产品创新对企业增长的影响，结果发现，就销售额增长来说，每个国家创新企业的增长率要高于非创新企业；在德国，产品创新战略提高了生产率，但降低了就业；英国和爱尔兰的小企业采取更加平衡的方法，产品创新既提高了生产率，又增加了就业。Monte and Papagni（2003）[10]利用意大利制造业企业数据的实证研究发现，企业增长率与研发集中度显著正相关。Yasuda（2005）[11]利用日本制造业企业的数据发现研发支出对企业增长有显著的促进作用。Yang and Huang （2005）[12]利用中国台湾地区电子行业中企业的数据研究了研发支出、规模与企业增长的关系，结果发现，研发支出的增长会带来更高的企业增长率，并且这种影响对小企业来说更大；小企业比大企业有更高的企业增长率，但在大企业里规模独立于企业增长。Coad and Rao（2008）[13]利用美国高科技产业的企业作为样本研究了企业创新与企业销售额增长之间的关系，结果发现对绝大多数企业来说增长与创新正相关，并且创新对增长的促进作用在增长迅速的企业更为重要。Manjón and Merion（2012）[3]利用754家欧洲企业的数据探讨了研发对企业增长的影响，结果表明，研发对企业销售额增长有正影响。

整体上看，尽管样本来源、研究期间和研究方法存在不同，但国外的研究较为一致地表明，研发对企业增长有促进作用。与国外学者采用销售额的增长作为企业增长的度量指标不同，国内学者主要采用主成分分析法构造一个企业增长的综合指标，且样本主要集中于中小企业。陈晓红、李喜华和曹裕（2009）[1]利用我国153家中小企业板上市公司作为研究样本，考察了技术创新与中小企业成长的关系，结果发现二者呈倒U型关系。张信东和薛艳梅（2010）[2]以中小企业板上市公司为研究对象，实证分析了研发支出对公司成长性的影响。结果发现，研发支出对公司成长性的促进作用非常明显，并且这种影响存在1年～3年的滞后期；研发支出对高成长公司的影响要大于低成长公司。喻凯和巢琳（2011）[14]利用中国创业板上市公司作为研究样本，通过建立一元线性回归模型分析了R&D投入对高成长性公司成长性的影响，结果发现，R&D经费支出对公司成长性有显著的影响。

三、理论分析

研发过程充满了不确定性，最终的结果取决于每一个阶段的成功。在一项开创性的研究中，Mansfield et al.（1977）[15]界定了研发过程的三个阶段，分别对应于三个不同的成功概率。第一个阶段是从研发投入到研发产出，也就是一个项目的技术目标能否实现的过程，其成功的概率为x。第二个阶段是研发产出的商业化过程，其成功的概率为y。第三个阶段是给定商业化，项目能否带来满意的投资回报的过程，其成功的概率为z。这样一项研发活动能否最终获得成功取决于这三项成功概率的乘积（x×y×z）。如果企业在任何一个阶段失败，那么研发活动只会带来成本而没有收益。如果企业能获得成功，那么企业将会获得很快的增长。也肯定会存在许多企业投入大量资源用于研发活动，最终却一无所获，给企业带来了负增长。但是，平均来说，在长期，研发活动会给企业带来更高的绩效和增长；否则，没有企业有动力采取研发活动。因此，本文提出如下假设：

假设1：研发支出能够显著促进企业增长。

对于给定的研发投入强度，创新是否在大企业比小企业更有成效？这个问题可分为两个方面。第一方面，大企业的研发投入强度是否高于小企业？Schumpter（1942）[16]假设创新投入的规模弹性大于1，但这并没有得到实证研究的支持。实证研究大多表明大企业和小企业在研发投入强度方面没有显著的差异。即使大企业和小企业的研发投入强度相同，给定大企业较大的企业规模，从绝对规模上看，大企业的研发投入要远远高于小企业。平均来看，企业研发活动第一个阶段成功的概率x应与研发投入的绝对规模成正比。第二方面，对于给定的创新投入，创新在大企业是否比在小企业更有成效？通常而言，大企业能够吸引更为优秀的科学家，因为大企业可以为科学家提供更好的工作环境和更宽广的课题范围。同时设备的不可分性可能导致创新活动存在规模经济。这样，综合这两方面，大企业的研发活动在第一阶段的成功概率x应高于小企业。

研发成果商业化过程的成功概率y则依产品创新和过程创新而不同。产品创新带来一种新产品，而这种新产品是否具有商业化价值，在采取研发活动前难以预料。在新产品是否具有商业化价值的可能性方面，大企业和小企业可能并无显著差异。然而，Coad and Rao（2008）[13]指出，就研发活动来说，由于其高度不确定性的特点，“把所有的鸡蛋放在一个篮子里”是不明智的；相反，企业应该采取多维度的研发活动。相对来说，大企业更有能力采取这样的研发政策。因此，尽管就某一种具体新产品来说，其是否具有商业化价值并不取决于企业规模，但由于大企业的研发维度要多于小企业，因此从整体上看，大企业研发成果商业化过程的成功概率y要大于小企业。但对大企业一个不利之处在于，大企业往往具有一定的市场垄断力量，新产品的商业化有可能损害现有产品的价值。因此，与小企业相比，大企业缺乏动力迅速使新产品商业化。过程创新使生产现有产品的成本降低，很显然，大企业较大规模的产出使得过程创新对其更为有利。

一个企业的技术革新很容易被竞争对手模仿。例如，Mansfield et al.（1981）[17]发现，60%的专利成果在四年内被模仿；而Levin（1986）[18]发现，大部分创新产品被模仿的时间不超过三年。这样，研发产出商业化能否带来满意的投资回报取决于企业能否在尽可能短的时间内获得研发所带来的租金，这要依赖于企业的其它活动是否得到良好开展，如广告、财务、多元化等。而这些活动在大企业可以得到较好发展。因此，项目带来满意投资回报的成功概率z在大企业会更大。

基于上述讨论，本文提出如下假设：

假设2：规模会显著影响研发支出与公司增长之间的关系，相对于小企业而言，研发支出对企业增长的促进作用在大企业更为明显。

实际上，除第三阶段的成功概率z明显的直接与企业规模相关外，前两个阶段的成功概率x和y并不必然与企业规模相联，更为重要的是研发投入的绝对规模。在研发投入强度不变的情况下，大企业研发投入的绝对规模更大，从而大规模更容易满足成功的条件。如果研发投入强度较高，小企业也能实现同大企业一样的研发投入规模。并且，更高的研发投入强度意味着高层管理者极为重视研发活动，这样取得成功的可能性也更高。因此，本文提出如下假设：

假设3：相对于研发强度低的企业，研发支出对企业增长的促进作用在研发投入强度高的企业更大。

四、变量说明与数据来源

（一）变量说明

1. 被解释变量——公司增长率

关于公司增长的度量指标，文献中也有很多讨论，Ardishvili et al.（1998）对此进行了深入分析[3] 。他们通过比较一些最常用的度量公司增长的指标，如市场价值、销售额或增加值等后得到结论，认为销售额数据是优先选择的指标。通过前面的文献综述可以看到，在研发支出与企业增长关系的研究中，销售额增长率是度量公司增长的最常用的指标。因此，本文也采用销售额增长率来度量公司增长，其计算方法为本年销售额除以上年销售额再减去1。

2. 解释变量——研发支出

本文的主要解释变量为研发支出。与文献中通行的做法一致，采用研发支出与销售额之比来衡量企业的研发强度。

3. 控制变量

综合国内外的相关研究，本文把以下变量作为控制变量包括在回归分析中：

（1）公司规模。公司规模对增长的影响得到了较多的研究，根据这些研究结论，我们预测公司规模与增长负相关。本文采用总资产的自然对数作为公司规模的变量。

（2）公司治理。所有权和控制权的分离以及所有权的高度分散，使得管理者有可能以所有者的利益为代价来追求自身效用最大化。Marris（1963）[19]指出，管理者的效用函数包括收入、权力、地位和安全感，这都与企业规模直接相关。这样，管理者有动机追求企业规模的扩大，这就意味着增长。因此，他认为管理者的目标是增长最大化。显然，管理者的增长最大化行为会受到公司治理的约束。本文采用两个公司治理变量作为控制变量包括在回归分析中。第一个变量是第一大股东持股比例。如果第一大股东持股比例较高，其更有能力和动机来约束管理者的行为，促使管理者采取所有者权益最大化而非增长最大化的行为。这样，我们预测第一大股东持股比例与公司增长负相关。第二个变量是管理层持股比例。如果管理层持股比例较高，那么管理层的利益与所有者的利益会更为一致，这时管理者会追求所有者权益最大化。因此，我们预测管理层持股比例与公司增长负相关。

（3）增长前景。很显然，增长前景好的公司，其增长率也较高。大量的实证研究也表明，增长前景对公司增长具有显著的促进作用。因此，我们把增长前景包括在回归分析中，用Tobin’s q来度量增长前景，其计算方法为股权的市场价值加债务的账面价值除以总资产。

（4）广告支出。长期以来，广告支出一直在产业组织理论中占有重要地位。但产业组织理论主要是利用理论模型来分析广告支出的各个方面，实证研究相当少，并且这些实证研究也主要集中于考察广告支出对行业的影响，如行业集中度、行业进入壁垒等。这可能是由于产业组织理论把广告活动视为一种市场行为，是一种被动行为。但广告支出亦会对企业销售额的增长产生影响。有关广告的文献假设，广告可分为两种：信息性广告和说服性广告。信息性广告可以吸引更多的消费者购买企业的产品，而说服性广告可以加强消费者对该企业产品的忠诚度，提高消费者转向替代产品的心理成本。因此，在产品质量、价格以及所有其它方面不变的情况下，广告，无论是信息性广告还是说服性广告，都可以增加企业的销售。我们用广告支出与销售额之比来度量广告强度。

（5）资产增长率。销售额的增长意味着需求的增长，而资产的增长意味着供给的增长。Marris（1963）[19]指出，在一个增长的背景下，供给和需求增长的平衡是一个均衡条件。除非企业存在过剩生产能力，否则企业需求的增长必然需要供给也随之增长。因此，本文把资产增长率作为影响销售额增长率的因素包括在回归分析中，其计算方法为本年总资产除以上年总资产再减去1。

（6）行业多元化。Marris（1963）[19]指出，引入新产品的多元化经营不仅仅是一种重要的竞争工具，而且是公司增长的主要动力。为了比自身赖以生存的市场增长得更快，企业必须进行成功的多元化经营。因此本文也把行业多元化作为控制变量包括在回归分析中。采用虚拟变量法来度量行业多元化，采取行业多元化战略的公司取值为1；否则，取值为0。

（7）行业因素。公司的增长率存在产业也可能仅仅因为其处于增长较为迅速的行业。采用行业虚拟变量来控制可能存在的行业效应。

（二）数据来源

本文选取2009年～2011年沪深两市制造业上市公司的数据作为初始研究样本，并根据以下原则进行剔除：①由于新上市公司的财务数据不够准确，我们选择2007年底前上市的公司；②剔除同时发行B股或H股的公司；③剔除数据缺失的公司；④剔除销售收入低于1亿元的公司。经过上述剔除后，我们最后获得622家上市公司2009年～2011年共计1，866个观测值的平衡面板数据。由于企业增长率的计算需要连续两年的数据，这样解释变量和控制变量就只采用了2009年和2010年的数据，两年共有894家企业披露了研发支出数据。对没有披露研发支出数据的企业，其研发支出统一设为0。本文关于研发支出、广告支出和行业多元化的数据直接来自于上市公司年报，其它数据来自于国泰安CSMAR数据库。

五、实证结果

（一）描述性统计分析

表1是描述性统计分析，从第五列开始为各变量之间的相关系数。从中可以看到，研发支出与销售额增长率正相关，但相关系数远远小于广告支出与销售额增长率的相关系数。规模与销售额增长率负相关，Tobin’s q、资产增长率、第一大股东持股比例与销售额增长率正相关，这都与预测相一致。与预测不一致的是，管理层持股比例、行业多元化与销售额增长率负相关。在诸多因素中，资产增长率与销售额增长率的相关系数最大。

（二）回归分析结果

面板数据的估计方法有混合OLS法、固定效应法和随机效应法，但本文采用三种方法得出的结论非常一致，这里仅报告采用混合OLS法得出的结果。回归模型如下：

这里，Year为年度虚拟变量，设2009年和2010年分别为0和1。DUMd为行业虚拟变量，样本由9个行业组成，由于在模型中设定了常数项，因此设定了8个行业虚拟变量，作为基组的行业为电子。μ为随机扰动项。

表2是回归分析结果。模型1是使用整体样本得出的结果。从中可以看到，研发支出与公司增长正相关，但统计上不显著。与研发支出相比，广告支出与公司增长负相关，统计上非常显著；从绝对值上看，广告支出对公司增长的影响比研发支出要大。为探讨规模对研发支出与公司增长之间关系的影响，按照规模的大小把全部样本分为大企业和小企业两部分分别进行回归分析，结果见表2的模型2和模型3。表2的模型2是对大企业作为样本进行回归得到的结果，模型3是对小企业作为样本进行回归得到的结果。通过比较可以看到，研发支出与公司增长正相关，但仅对大企业统计上显著；同时，广告支出与公司增长之间显著的负相关关系仅存在小企业里。为探讨研发投入强度对研发支出与公司增长之间关系的影响，本文把全部样本按照研发投入强度的高低分为高投入强度企业和低投入强度企业，回归结果分别见表2的模型4和模型5。通过比较可以看到，研发支出与公司增长正相关，但仅对高研发投入强度的企业统计上显著，而在高研发投入强度的企业里，广告支出与公司增长显著负相关。比较这5个模型，模型4的拟合优度最大，超过了0.9；同时，模型4的F值也最大。这说明方程（1）对高研发投入强度的企业解释能力最强。

令人感到困惑的是，广告支出与公司增长显著负相关。广告支出与公司增长的负相关关系是否意味着增加广告投入会阻碍公司增长？并非必然如此。表1的描述性统计分析表明，广告支出与资产增长率高度相关，而资产增长率与销售额增长率高度相关。这样，广告支出对销售额增长的影响可能主要在于通过资产的增长而实现的。在这一点上，广告支出和研发支出存在显著不同。研发活动对销售额增长的影响往往意味着企业资产的更新换代或升级，而这并不必然意味着资产的增长，或者资产仅有少许增长。广告活动带来的销售额增加则需要现有资产数量上的增加，即资产的增长。本文在表3中对此问题进行了探讨。表3与表2的区别在于，表3去掉了资产增长率变量。从表3可以看到，去掉资产增长率变量之后，在表2的模型1、模型3和模型4中广告支出与公司增长之间显著的负相关关系变为显著的正相关关系，同时表2的模型2和模型5中二者之间不显著的关系在表3中依然不显著。因此，本文认为，广告支出有助于促进销售额的增长，但通过广告活动来促进销售增长也会同时导致资产的增长。所以，如果把资产增长率作为控制变量包括在回归分析中，会掩盖广告支出对公司增长的真实影响。综合上述讨论，可以认为，广告支出能够促进公司增长。

比较表2和表3可以发现，去掉资产增长率变量，并不会改变研发支出与公司增长之间的正相关关系；并且，在模型2和模型4中，研发支出的系数变得更大。

就其它控制变量来说，规模与公司增长并没有稳定的关系，规模系数的方向、大小、统计显著性依赖于样本的选择。在表2中，除模型4外，Tobin’s q与公司增长负相关；而在表3中，Tobin’s q与公司增长正相关，这与预测一致。这说明资产增长率变量也会影响到Tobin’s q与公司增长之间的关系，这是可以理解的，因为表1的描述性统计分析表明Tobin’s q与资产增长率具有较高的正相关性。表2和表3都表明，第一大股东持股比例、管理层持股比例、行业多元化变量与公司增长之间没有统计上显著的关系。表2还说明，资产增长率与销售额增长率显著正相关。

（三）稳健性检验

关于中国上市公司研发支出与企业绩效关系的研究都采用披露研发企业的数据，由于研发支出的披露是自愿的。没有披露研发支出数据并不代表没有进行研发投入。这样，采用全部样本有可能带来有偏误的结果。作为稳健性检验，本部分也采用仅披露研发支出数据的企业作为样本，来考察结论是否会受到样本选择的影响，回归结果见表4。

表4直接来自于表2，仅仅采用了披露研发支出的企业作为样本。从中可以看到，不论是对研发支出还是广告支出，表2和表4的主要结果是一致的。这表明本文的结论不受样本选择的影响。如果排除资本增长率变量，则得到与表3一致的结果。限于篇幅，本文未报告这一结果。

六、结 语

本文以2009年～2011年中国制造业上市公司的数据实证研究了研发支出与公司增长之间的关系，并与广告支出进行比较。结果发现，研发支出与公司增长正相关，但统计上不显著。进一步分析表明，在大企业或研发投入强度高的企业里，研发支出与公司增长显著正相关。研发支出与公司增长的正相关关系不受资产增长率变量的影响。与之相比，广告支出与公司增长的关系明显受资产增长率变量的影响。如果回归分析中包括资产增长率变量，则广告支出与公司增长负相关；否则，如果回归分析中不包括资产增长率变量，则广告支出与公司增长正相关，统计上显著。稳健性检验表明，这些结论不受样本选择的影响。

研发活动具有很高的不确定性，无论是成功的概率还是所带来的回报都无法事先预知。一旦失败，企业不仅仅是丧失资源，还有可能失掉市场份额。因此，研发活动并不能保证增长。一些企业之所以采取研发活动，原因可能在于企业对研发投资过于乐观，也可能在于管理者希望通过维持一个大规模的研发部门来获得声誉。本文的研究表明，研发支出对公司增长的促进作用是有条件的，并非企业采取研发活动就一定能够促进公司增长。同时，本文还发现，研发支出和广告支出影响公司增长的机制是不同的，广告支出对公司增长的促进作用在不同类型的企业中具有不同于研发支出的特点。这些结论说明，企业应根据自身的实际情况制定研发策略，并合理选择研发策略和广告策略。