研发投入强度与战略性新兴产业绩效，本文主要内容关键词为：战略性论文,绩效论文,强度论文,新兴产业论文,研发投入论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言 近年来，世界范围内以知识技术密集、绿色低碳增长为主要特征的新兴产业蓬勃兴起，日益成为引领新一轮产业革命的主导力量。为了抢占新一轮国际经济竞争的制高点，世界主要国家竞相出台发展战略，大力扶持战略性新兴产业发展。中国政府也明确提出了将新能源汽车、高端装备制造、节能环保、生物、新能源、新材料和新一代信息技术等作为战略性新兴产业进行培育和扶持的国家战略，推动战略性新兴产业发展已成为政府实现经济发展由“投资驱动”转向“创新驱动”的重要举措。对于战略性新兴产业而言，其又好又快发展的实质是产业的升级和高端化，而要较好实现产业升级和高端化目标的根本路径在于产业创新，归根结底还是企业创新。毫无疑问，研发活动在战略性新兴产业发展过程中起着举足轻重的作用，对于政府和企业来说，只有全面、准确地把握研发活动对战略性新兴产业发展的影响脉络，相应的科技政策和研发措施才能有的放矢。当前，面对我国战略性新兴产业明显“轻技术创新、重规模扩张”的低端化发展趋势，如何有效释放产业研发创新的溢出红利，可能已成为促进战略性新兴产业发展需亟待解决的现实问题。另外，由于不同战略性新兴产业在研发资源禀赋、企业发展水平等诸多方面存在明显差异，导致研发活动对其影响可能存在异质效应。因此，本文拟基于非线性视角，揭示研发投入强度对战略性新兴产业绩效影响的内在机理，并进一步从空间维度和产业维度对可能存在的异质非线性效应进行探索，这对于促进战略性新兴产业科技活动发展，推动经济增长方式转型具有重要的现实意义。 二、文献综述 研发投入与效率或绩效之间的关系一直是国内外学者关注的焦点。大量学者围绕研发投入是否能够促进效率或绩效这一问题展开了广泛的研究和讨论，但不同学者对该问题的回答存在较大分歧，相关研究主要体现在以下方面： 一是促进论，认为研发投入有利于效率或绩效水平提升。Sharma(2012)[1]使用印度制药企业数据的研究表明，研发投入对全要素生产率的影响系数为15％，Bravo-Ortega(2011)也得出了类似的研究结论；国内学者吴延兵(2006)较早证明了R&D与生产率正相关，且在控制了市场和产权等因素后，发现这种关系仍旧显著。周亚虹等(2012)[2]基于我国2005-2007年近3万家工业企业数据研究了企业研发与企业绩效之间的关系，发现研发投入促进了企业技术积累，从而提高了企业的生产率。 二是抑制论，指出研发投入对效率或绩效具有阻碍作用。Gou(2004)基于中国软件行业的数据检验发现，研发投入强度与企业利润率、生产率均负相关。Lantz和Sahut(2005)[3]采用科技公司的数据研究表明，R&D投资使企业净收入、回报和风险等财务业绩有显著的减少。郭斌(2006)基于软件产业实证发现，研发投入强度对利润率和产出率均存在负向影响。陈刚(2010)[4]发现本地R&D资本对全要素生产率产生了阻碍作用。 三是不确定性论，少部分学者指出研发投入对效率或绩效的影响效应尚不确定。Lin(2006)[5]使用美国258家企业的数据分析发现，研发与企业绩效之间不存在显著的相关关系。Fernandes(2008)[6]认为R&D并不一定能够促进企业生产率的提高，也可能有阻碍作用。张海洋(2005)运用中国1999-2002年工业行业的面板数据研究表明，研发投资具有两面性，R&D对生产率的影响并不显著。 四是非线性论，指出研发投入与效率或绩效之间可能存在非线性关系。Hartmann(2006)[7]认为当研发投入超过拐点时，并不会给企业带来同等比例的绩效提升，这一结论也得到了Wang(2011)和Yeh(2010)的肯定。戴小勇(2013)等研究得出，研发投入强度只有达到第一门槛值时，才能对企业绩效产生显著的促进作用，超过第二门槛值时，对企业绩效的影响变得不明显。孙晓华(2014)[8]等考察了R&D对企业生产率的影响，得到研发投入强度与企业生产率呈正“U”型关系的结论，但这一结论和戴小勇、Wang等人的观点恰恰相反。 由此可见，关于研发投入与效率或绩效之间的关系，理论界尚未形成较为一致的研究结论。实际上，研究结论的多样性恰恰反映出二者之间可能并不仅仅是简单的线性关系。然而，一方面，学者们对二者之间非线性关系的探讨较少，选择的研究领域也较为有限；另一方面，现有研究关于二者之间非线性关系的研究结论亦存在明显分歧，尤其是几乎未有研究涉及对研发投入强度与战略性新兴产业绩效之间关系的探讨，对二者之间非线性关系的研究就更为少见。那么，研发投入强度对战略性新兴产业绩效的影响效应究竟如何？如果有影响，这种影响的特征和规律是什么？若存在门槛效应，门槛特征表现如何？又存在何种差异？这些问题都值得研究。本文基于中国战略性新兴产业2011-2014年上市企业的面板数据，采用门槛回归技术来揭示研发投入强度对产业绩效的非线性影响效应及其异质门槛特征。 三、研究设计 (一)计量模型设计 本文通过Hansen(2000)[9]提出的门槛回归模型来研究研发投入强度与战略性新兴产业绩效之间的非线性关系，两区制下的门槛回归模型基本形式如下：
其中，
为门槛变量，将所有观测值分割成两个区间，它既可以作为解释变量的一个回归元，也可以作为独立的门槛变量。
表示被解释变量，
是解释变量，
为残差项，γ为门槛值。上述模型表明，当门槛变量小于或等于门槛值时，回归方程为式(1)；当门槛变量大于门槛值时，回归模型为式(2)。
Hansen将每一个观测值作为可能的门槛值，如果满足上式，则将其视为门槛值。 得到参数估计值后，需要进行两方面的检验：一是门槛效应是否显著，二是门槛的估计值是否等于其真实值。构造LM统计量来检验以门槛值划分的两组样本的模型估计参数是否显著不同，不存在门槛值的零假设为：
。LM统计量表示为：
结合我国战略性新兴产业的发展实际，构建研发投入强度与产业绩效之间非线性关联的面板门槛模型如下：
其中，
表示战略性新兴产业中i企业在t时期的绩效水平，
表示其他控制变量。 (二)指标选取和数据说明 本文以微观经济主体企业为研究对象，所涉及数据主要从Wind数据库提取，部分数据来自战略性新兴产业上市企业的年度报告、招股说明书等相关资料。截至2014年年底，中国共有550家战略性新兴企业①，鉴于数据的可获性及连贯性，特别是考虑到研发投入数据的披露情况，在剔除未公开披露年度报告以及研发投入等变量存在缺失的样本后，最终选取2011-2014年161家上市企业作为研究对象，总共得到644个观测样本。 1.产业绩效。本文以战略性新兴产业绩效作为被解释变量，并采用超越对数型随机前沿模型对产业绩效水平进行测度。参照樊宏(2007)的做法，选取企业主营业务收入作为产出指标②。对于投入指标的选取，借鉴大多实证研究的做法，选取从业人数和固定资产余额分别作为劳动和资本要素的投入指标。上述指标确定后，基于Battese和Coelli(1995)的随机前沿方法构建如下测算模型：
2.研发投入强度。研发投入强度(rd)是本文的核心解释变量，它是衡量企业研发投入时应用最为广泛的指标，戴小勇(2014)[10]以企业年研发支出与企业年销售收入的比值来表示研发投入强度。与总量指标相比，研发投入强度在不同企业之间更具有可比性，更能反映与企业规模、市场地位等相适应的研发投入情况。因此，这里采用研发投入与主营业务收入的比值来反映核心解释变量，该比值越大表明研发投入强度越高。 3.控制变量。为了得到无偏的估计结果，本文对可能影响战略性新兴产业绩效的其他变量进行了控制。包括：①企业规模(fs)，不同规模的企业具有不同的资源优势，可能会对产业绩效水平的提升产生重要影响，这里采用总资产的对数来衡量；②资本结构(caps)，采用总负债与总资产的比值来衡量；③盈利能力(pro)，盈利能力是企业经营活动可持续性的重要衡量指标，这里选取(净利润+利息费用+所得税)/平均资产总额作为盈利能力的衡量指标，该指标越高，表明盈利能力越强；④营运能力(opc)，选取总资产周转率来体现，该指标能反映企业的运作水平，对产业绩效水平的提升起到支撑作用；⑤金融支持(fin)，选取流通股占总股本比例来反映，该指标越大表明金融支持力度越大；⑥股权集中度(own)，选取大股东持股比例来体现，旨在揭示股权分布状态对产业绩效的影响。 由描述性统计结果可知：①我国战略性新兴产业绩效平均水平为0.261，尚有较大的增长空间。从区域角度来看，东部高于中部，中部高于全国水平，西部位于全国平均水平之下。从产业角度来看，新能源汽车产业绩效水平最高，新能源产业绩效水平最低；②我国战略性新兴产业研发投入强度平均水平为4.5％，远高于当前的平均研发投入强度水平。从区域角度来看，西部地区高于东部地区，东部地区高于中部地区；从产业角度来看，新一代信息技术产业研发投入强度水平最高，高端装备制造产业次之，节能环保产业最低；③我国战略性新兴产业绩效和研发投入强度均表现出显著的空间异质性和产业异质性，比如较高的研发投入强度并不一定能带来较高的产业绩效，而较低的研发投入强度也并不一定导致较低的产业绩效。这表明研发投入强度对战略性新兴产业绩效的影响可能不仅仅是简单的线性关系。因此，更有必要从空间维度和产业维度来挖掘和探索二者之间的异质非线性规律。 四、实证结果及分析 (一)多重共线性检验和单位根检验 为了避免变量间的多重共线性问题，这里对各变量的相关系数矩阵进行了计算。由经验法则可知，当最大的方差膨胀因子
时，表明模型不存在多重共线性问题。经相关系数矩阵计算可知，变量的平均方差膨胀因子(VIF)数值小于10，这保证了下面即将展开的计量回归方程不存在严重的共线性问题。另外，由于本文采用的是面板数据，在进行门槛检验之前，需要检验数据的平稳性，本文采用原假设为存在同质面板单位根的Levin、Lin&Chut(LLC)检验方法和原假设为存在异质面板单位根的ADF-Fisher和PP-Fisher检验方法进行了平稳性检验。检验结果表明面板数据是平稳的。 (二)总体门槛效应检验及回归结果 在进行面板门槛模型回归前，利用Hansen(2000)提出的通过“自举法”(Bootstrap)，重叠模拟似然比检验统计量2000次，计算出bootstrap P值和F值，以此来判断是否存在门槛效应。由表1可知，在单一门槛检验情况下，F统计量为18.3884，P值为0.0000，即存在一个门槛，门槛值为0.0006。随后进行两个门槛的检验，F值为8.9369，P值为0.0060，说明通过了双门槛值检验，一个门槛值是0.0006，另一个门槛值是0.0040。当进行三门槛值检验时，F值为9.9961，P值为0.0015，表明存在三个门槛值，分别为0.0006、0.0040和0.1205。为了验证回归结果的稳健性，消除非随机性和异常值对回归结果的影响，我们利用去掉平均产业绩效水平最高和最低各3％的样本来进行稳健性检验1，以及去掉平均研发投入强度水平最高和最低各3％的样本来进行稳健性检验2。可以看出，从两方面进行处理后的样本仍表现为门槛模型，且门槛值的个数与原模型相同，其相应的门槛值之间几乎相差无几。
为了与非线性模型进行比较，本文还做了一个线性模型2。在估计方法方面，由于研发投入强度有可能与战略性新兴产业绩效存在内生性问题，因此，本文借鉴杨友才(2014)的做法，运用动态面板线性模型的系统GMM估计方法尽可能克服其内生性问题。另外，本文参考肖文(2011)[11]的做法，采用研发投入强度的滞后变量法进行处理。进一步对内生性问题检验发现，使用当期研发投入强度与滞后1期研发投入强度数据进行回归的差别较小，说明本文研究的内生性问题并不严重。对于门槛回归，为了消除异方差的影响，这里进行了稳健标准差检验，即得到模型1。剔除产业绩效异常值后的门槛检验结果见模型3，剔除研发投入强度异常值后的门槛检验结果见模型4。上述回归结果见表2。 与模型2的结果比较可知，在模型1中，企业规模系数都在1％的显著性水平下为正，且大小相差不大，说明企业规模扩张有利于战略性新兴产业绩效的提升。资本结构的系数都为正，盈利能力系数都为负，且大小相近，说明两种模型中资本结构和盈利能力分别对战略性新兴产业绩效的作用强度几乎一致，但是显著性由不显著变为在1％的显著水平下显著。营运能力系数显著为负，表明营运能力的提高对战略性新兴产业绩效起到了一定的抑制作用。金融支持是拉动战略性新兴产业绩效提升的重要力量，并且在1％的显著性水平上显著。股权集中度显著为负，说明股权的过度集中不利于战略性新兴产业绩效水平的提升。
研发投入强度在模型2中是负值，说明研发投入强度的提高阻碍了产业绩效提升，这支持了研发投入抑制论，但由门槛模型1可知，研发投入强度对产业绩效的影响存在一个不全为负的非线性关系，而不仅仅是纯粹的负向线性关系。因此，将计量模型误设为线性模型2可能会使得研究结果出现不可预知的偏差(如研发投入强度在线性模型2中对产业绩效的作用很小且为负值，而在非线性模型1中不全为负值，且最大值为0.025)。 从模型1可知，当研发投入强度低于0.0006时，影响系数为-5.9412，且在1％的显著性水平下通过了检验，表明研发投入强度对产业绩效的影响在第一门槛区间内表现出显著的负向效应；当研发投入强度介于0.0006～0.0040之间时，影响系数为-0.7428，且在1％的显著性水平下通过了检验，说明研发投入强度对产业绩效的影响在第二门槛区间显著为负，但此门槛区间内研发投入强度对产业绩效的抑制效应明显降低；当研发投入强度在0.0040～0.1205之间时，影响力度为0.0250，且在1％的显著性水平下通过了检验，说明研发投入强度对产业绩效的影响在第三门槛区间内开始呈现正向效应；当研发投入强度高于0.1205时，影响力度为-0.0006，虽不显著，但说明此时开始存在一个研发投入瓶颈，即过高的研发投入强度反而对产业绩效不起作用。也就是说，研发投入强度对战略性新兴产业绩效的影响呈显著的倒“N”型关系，其蕴含的经济含义是：研发投入强度必须超过某一临界值，才能对产业绩效产生显著的促进作用，但这并不代表研发投入强度越高越好，过高的研发投入强度反而不能促进产业绩效水平的提升。模型3和模型4的检验结果表明，研发投入强度对产业绩效的影响效应与模型1基本一致。另外，本文还把测度战略性新兴产业绩效的产出指标由主营业务收入替换为营业总收入来检验研究结果的稳健性，也得出了和上述基本一致的结论。这从战略性新兴产业的崭新领域佐证了研发投入的非线性论观点。 那么，为什么研发投入强度与战略性新兴产业绩效之间呈现显著的倒“N”型关系，还需进一步进行探讨。本文认为主要原因可能在于：一方面，研发投入具有明显的阶段性特征，当研发过程处于创新阶段的前端时，基础创新成分较高，技术扩散速度相应较慢，被模仿难度也高，此时研发对企业商业化能力的贡献有限，但随着研发投入强度的进一步提高，较多技术被转化成新产品，进而会有利于企业绩效的提升；另一方面，企业绩效是由对资源的投资和对资源的管理等两方面能力共同决定的，而在研发活动前期，由于协调信息、人力等不同资源的难度较大，企业可能难以实现研发资源与其他各种资源的协同效应，甚至在资源管理能力比较薄弱时，反而可能会出现各种资源调度和使用相互干扰的情况，因此，可能不利于企业绩效水平的提升。但随着企业在长期的管理工作中持续进行经验积累，使得其协调和整合资源的管理能力得到不断提升，从而使研发投入强度达到一定程度后会促进企业绩效的提升。可能正是上述原因，导致了研发投入对战略性新兴产业绩效具有“先抑制后促进”的影响规律，但这种促进作用也是有“度”的限制，当研发投入强度超过一定范围时，会挤占企业其他方面的资源投入，带来较高的机会成本，加之要素边际效率递减规律等的共同作用，反而会导致过高的研发投入强度不利于企业绩效水平提升。 根据三个门槛值可以将样本划分为4种类型，即：高研发投入强度、中高研发投入强度、中低研发投入强度及低研发投入强度。可以发现，第一，我国战略性新兴产业的研发投入强度整体水平较高。研发投入强度介于第二门槛值与第三门槛值之间的企业比例高达67.70％～74.53％，即认为我国有研发活动的半数以上的战略性新兴企业研发投入对产业绩效有促进效应，而越过第三门槛值的企业比例仅为7.45％～8.70％；第二，动态看来，2011-2014年企业研发投入强度在逐步提高，研发投入强度低于第一门槛值和第二门槛值的企业比例在减少，而高于第二门槛值的企业比例在提高，但比例仍然较低，进一步考察发现，2014年虽有74.53％的企业样本位于第三门槛区间，但第三门槛区间内尚有88.33％的企业研发投入强度仍在8％以下，远低于第三门槛值12.05％。因此，在较长一段时间内，引导企业加大研发投入，仍将是战略性新兴产业科技活动及绩效提升的重要举措。 (三)空间异质性视角下的门槛效应检验及回归结果 为了获取较有针对性的研究结论，本文基于空间异质性视角分别对东、中、西部地区③研发投入强度与战略性新兴产业绩效之间的关系进行了门槛检验。检验发现，不同空间面板的研发投入强度门槛变量都在1％或5％的显著性水平下通过了单门槛、双门槛和三门槛检验，表明东、中、西部地区均存在三个门槛值④，具体回归结果如表3所示。可以发现，研发投入强度对产业绩效的影响效应存在一个复杂的非线性关系⑤，这从空间异质性视角再次佐证了二者之间的非线性关系。主要表现如下：
1.东部地区研发投入强度对战略性新兴产业绩效有着正向非线性影响效应，且这种促进作用呈明显的边际效率递减特征。主要表现在：当研发投入强度低于0.0018时，其对产业绩效有显著的促进作用；当研发投入强度大于0.0018且小于0.0389时，其对产业绩效的促进作用明显减小；当研发投入强度大于0.0389且小于0.1065时，其对产业绩效的正向影响效应进一步减小；当研发投入强度大于0.1065时，其对产业绩效的正面效应不显著。这表明，研发投入确实起到了促进东部地区战略性新兴产业绩效的作用，但这并不意味着一味增加研发投入就可以达到持续促进产业绩效的目的。东部地区并未出现同全国一致的情况，原因可能在于：东部地区战略性新兴企业在研发、人力、信息等资源的管理和优化配置，以及创新网络和发展环境等方面较中西部地区占有先天优势，使得研发投入对战略性新兴产业绩效有着明显的促进作用，但受要素边际效率递减以及机会成本增加等因素的制约，过高的研发投入同样不能持续促进产业绩效水平提升。 2.中西部地区和全国情况基本一致。中部地区研发投入强度对战略性新兴产业绩效的非线性效应显著。当研发投入强度小于0.0220时，其对产业绩效的影响并不显著，但当研发投入强度大于0.0220且小于0.0314时，研发投入强度对产业绩效开始产生明显的正向影响效应，即存在最优研发投入强度区间2.2％～3.14％，但当研发投入强度大于0.0314时，这种促进效应开始变得不显著。这表明，只有适度的研发投入强度才会促进中部地区战略性新兴产业绩效水平提升；在西部地区，研发投入强度只有位于0.0040～0.1653之间时，才能促进战略性新兴产业绩效提升，较低的研发投入强度对产业绩效具有明显的抑制作用，而过高的研发投入强度则对产业绩效的影响不显著。 (四)产业异质性视角下的门槛效应检验及回归结果 本文基于产业维度进一步揭示研发投入强度对战略性新兴产业绩效影响的异质门槛效应，旨在探索不同产业是否存在门槛效应及其差异。采用前文相同的方法检验发现，高端装备制造产业、节能环保产业、新材料产业、新能源产业、新能源汽车产业和新一代信息技术产业均存在三个门槛值，生物产业存在两个门槛值，具体回归结果如表4所示。可知，在产业异质性视角下研发投入强度与产业绩效之间均存在复杂的非线性关系，主要表现如表4的估计结果。
1.高端装备制造产业的三个门槛值分别是0.0002、0.0041和0.0161。当研发投入强度低于0.0002时，其对产业绩效有不显著的负面作用；当研发投入强度介于0.0002～0.0041之间时，其对产业绩效的影响仍为负向效应；当研发投入强度位于0.0041～0.0161之间时，其对产业绩效的影响开始转化为显著的正向效应；当研发投入强度水平高于0.0161时，其对产业绩效的影响在第四门槛区间内开始不显著为负。因此，研发投入强度与高端装备制造产业绩效之间符合倒“N”型关系，只有适度的研发投入强度才会促进高端装备制造产业绩效提升，最优研发投入强度区间为0.41％～1.61％。 2.对于节能环保产业，当研发投入强度低于0.0005时，其对产业绩效的作用为负且不显著。当研发投入强度介于0.0005～0.0009之间时，其对产业绩效产生了明显的抑制作用。当研发投入强度介于0.0009～0.0028之间时，其对产业绩效的作用显著为正。而当研发投入强度大于0.0028时，其对产业绩效的作用显著为正，影响力度减小为0.0709。这说明研发投入强度对节能环保产业绩效呈现“U”型影响过程，最佳研发投入强度区间是0.09％～0.28％，研发投入强度超过此区间时，这种促进作用会明显减小。 3.对于新材料产业，当研发投入强度低于0.0003时，其对产业绩效的作用显著为负。当研发投入强度介于0.0003～0.0165之间时，影响系数为负且不显著。当研发投入强度介于0.0165～0.0184之间时，其对产业绩效的作用显著为正，其值为0.2503。而当研发投入强度大于0.0184时，其对产业绩效的作用不显著。这表明，研发投入强度对新材料产业绩效的影响呈明显的“U”型非线性关系，且最佳研发投入强度区间是1.65％～1.84％。 4.对于新能源产业，当研发投入强度低于0.0009时，其对产业绩效的作用显著为负。当研发投入强度大于0.0009且小于0.0059时，其对产业绩效的作用亦显著为负，但负面效应有所降低。当研发投入强度大于0.0059且小于0.0070时，其对产业绩效的促进作用最强。当研发投入强度超过0.0070时，其对产业绩效又开始转换为显著的负向影响效应。因此，研发投入强度对新能源产业绩效的影响呈现显著的倒“N”型关系，只有适度的研发投入强度才能促进新能源产业绩效提升，最优研发投入强度区间是0.59％～0.70％。 5.研发投入强度对新能源汽车产业绩效的影响呈现复杂的非线性关系。三个门槛值分别是0.0095、0.0212和0.0417。当研发投入强度低于第一门槛值时，其对产业绩效的作用为正，但不显著。当研发投入强度跨过第一门槛值且小于第二门槛值时，其对产业绩效具有显著的促进作用，且为最大值0.3564。当研发投入强度跨过第二门槛值且小于第三门槛值时，其对产业绩效的作用仍显著为正，但数值减小为0.1744。当研发投入强度跨过第三门槛值时，其对产业绩效的影响系数进一步减小为0.0671。可见，研发投入强度对新能源汽车产业绩效的影响呈现显著的正向非线性效应，最优研发投入强度位于0.95％～2.12％区间内。 6.对于生物产业，当研发投入强度低于0.0017时，其对产业绩效的影响作用显著为负。当研发投入强度大于0.0017且小于0.0061时，其对产业绩效的影响作用显著为负，且明显减小。当研发投入强度大于0.0061且小于0.0215时，研发投入强度对产业绩效的影响开始转变为明显的促进作用。因此，随着研发投入强度的增大，其对生物产业绩效的作用呈现显著的“U”型影响过程，生物产业的最优研发投入强度区间是0.61％～2.15％。 7.对于新一代信息技术产业，当研发投入强度低于0.0007时，其对产业绩效的作用不显著。当研发投入强度介于0.0007～0.0302之间时，其对产业绩效产生了明显的抑制作用。当研发投入强度介于0.0302～0.0665之间时，其对产业绩效的作用显著为正。而当研发投入强度大于0.0665时，其对产业绩效的作用开始转变为负，其值为-0.0110，且在1％的显著性水平上显著。这说明研发投入强度对新一代信息技术产业绩效呈现倒“N”型影响过程，其最佳研发投入强度区间是3.02％～6.65％。 五、结论与建议 本文采用中国2011-2014年战略性新兴产业161家上市企业的面板数据，运用门槛模型实证分析了研发投入强度与产业绩效之间的非线性关系，进一步基于空间异质性和产业异质性的双重视角探讨了研发投入强度对产业绩效的门槛效应及其特征。主要得出以下结论：一是将计量模型误设为线性模型可能会使计量结果出现不可预知的偏差；二是研发投入强度对产业绩效的影响存在一个三门槛效应，且二者之间符合显著的倒“N”型关系；三是绝大多数企业研发投入水平远低于最优区间的上限门槛值；四是研发投入强度对产业绩效的影响存在显著的空间异质门槛效应，东部地区未表现出和全国一致的非线性规律；五是研发投入强度对产业绩效的门槛效应受产业异质性的约束表现出明显的非线性差异。 本文蕴含的政策含义如下：首先，要充分意识到只有适度的研发投入水平才会促进战略性新兴产业绩效的提升。政府既要引导企业加强研发投入力度，提高整体研发投入水平，又要不断优化公共研发投入力度，促进企业进行生产技术创新，以此来提高创新能力和生产效率。但并不能盲目陷入加强研发投入强度的误区，应结合战略性新兴产业的发展实际，使企业保持适度的研发投入强度，从而最大限度地发挥研发投入的溢出效应。其次，较长一段时间内加大研发投入强度仍是战略性新兴产业科技活动的重要目标。在增强研发资源投入的同时，企业更应该注重自身对研发资源的管理能力，充分发挥研发投入与其他各类资源的协同效应，最大限度地激发企业研发投入的溢出效果。最后，政府和企业均应意识到战略性新兴产业研发活动存在异质性的事实，企业应根据所处空间及产业的现实情况，采取差异化的研发投入策略，并要根据区域战略性新兴产业的动态发展、所在产业的增长情况以及企业自身发展的实际，适时对研发投入策略进行修订，及时将研发投入强度调整至合理水平。政府也应根据不同空间维度、不同类型产业研发投入强度的现实情况，根据异质最优研发投入强度区间，适时并有针对性地对战略性新兴产业的研发活动进行扶持和引导，通过实施差异化的研发补贴、税收优惠以及技术奖励等扶持政策，采用设立多样化的产业扶持基金以及引导社会资本投资等多种手段，不断刺激和引导企业加强研发支出，持续提高政府扶持政策的实施效果，从而最大限度地释放战略性新兴产业的研发溢出红利。 注释： ①以平安证券对战略性新兴产业的划分标准为依据，把主营业务涉及新能源汽车、高端装备制造、节能环保、生物、新能源、新材料及新一代信息技术的上市企业视为战略性新兴产业的研究样本。 ②主营业务收入对企业经济效益有着重要的影响，是衡量企业生产效益和经营实力的有效依据。 ③以WIND数据库中上市公司注册地址所在省份为依据，按传统地理划分方法对研究样本进行了区域划分。 ④采用Hansen(2000)提出的“自举法”(Bootstrap)，通过重叠模拟似然比检验统计量2000次，估计出bootstrap P值。 ⑤限于篇幅，本文不再提供基于控制变量的相关分析，下同。
标签：回归模型论文; 战略性新兴产业论文; 绩效目标论文; 绩效指标论文; 线性系统论文;
