中国上市公司研发投入的同群效应:动态匹配、机制识别与创新政策启示

《Economies》:The Power of Peers: How Peer Effects Drive R&D Investment in Chinese Firms

【字体: 大 中 小 】 时间:2025年12月26日 来源:Economies 2.1

编辑推荐:

  本文基于中国A股非金融上市公司(2010-2022)数据,创新性地采用“年度-行业-所有制-规模分位数”四维动态匹配法界定同群企业,综合运用动态面板、工具变量(IV)和系统GMM(Generalized Method of Moments)等方法,实证检验了企业研发(R&D)投资中存在的显著正向同群效应。研究发现,同群企业研发水平通过社会学习、知识溢出(Knowledge Spillover)和制度合法性(Institutional Legitimacy)三大机制正向影响焦点企业研发决策,该结论在经过系列稳健性检验(Robustness Tests)和内生性(Endogeneity)处理后依然成立。

  
引言
创新是驱动中国经济高质量发展的核心动力,而企业研发投入则是技术创新的关键支柱。从2010年到2022年,中国上市公司的研发支出持续增长,但国家在核心技术创新方面仍面临瓶颈。企业的研发决策受到内部因素(如企业绩效、公司治理)和外部因素(如行业竞争、政策支持)的共同塑造。其中,同群效应——即企业模仿或响应同行业、同规模、同所有制企业的研发行为——在中国制度背景下的研究尚未得到充分关注。
现有关于研发投入同群效应的研究存在三个主要局限:首先是同群定义的静态和单一维度问题,多数研究仅通过行业或地区来界定同群企业,忽略了所有权和规模等动态企业特征。其次是缺乏对动态持续性的深入分析,少有研究探讨同群效应如何强化研发投入随时间的持续性。最后是针对特定情境的分析不足,关于中国企业的同群效应研究未能充分结合中国独特的制度和市场特征。
本研究旨在弥补这些研究空白。首先,提出了一个“年度-行业-所有制-规模分位数”的四维动态匹配方法,以精确识别同群企业。其次,考察了研发投入的动态持续性以及同群效应在其中所起的放大作用。最后,通过中国A股上市公司的实证证据,丰富了关于创新领域同群效应的跨国文献。
文献综述、理论框架与假设发展
文献综述部分指出,创新是经济进步的重要驱动力,企业在这一过程中扮演着核心角色。学者们长期关注社会学习、知识流动等因素如何共同塑造企业内部的创新行为。研究表明,企业间的相互学习和模仿显著影响创新行为,导致同群效应的产生。根据社会学习理论,地理位置相近或同行业群组内的企业倾向于相互观察和学习彼此的创新活动。知识流动对于创新至关重要,它促进了思想的交流,并降低了研发相关的不确定性和费用。研发投资是企业创新的主要驱动力,其影响往往受到同群效应的塑造。
理论框架部分构建了本研究的三大理论基础:社会学习理论、知识溢出理论和制度理论。社会学习理论认为,企业通过观察和模仿同群企业的研发策略来获取研发决策信息,从而降低高风险和不确定性环境下的决策风险。知识溢出理论指出,创新相关知识通过劳动力流动、行业合作或专利披露等方式在企业间溢出,降低了接收企业的研发边际成本。制度理论则强调,企业为了在制度压力(如政府政策、行业规范)下获得合法性,会使其行为与同群企业保持一致。在中国,政府将创新定位为“核心增长动力”,这为研发创造了规范性和强制性压力。
基于上述理论,本研究提出核心假设H1:中国企业的研发投入中存在显著的正向同群效应,即同群企业的研发投入水平与焦点企业的研发投资决策呈显著正相关。中国企业的研发投入具有高风险、长周期和回报不确定的特点。特别是在经济向高质量发展转型的阶段,企业在制定独立研发策略时面临较高的信息成本和决策风险。从社会学习的视角看,同群企业的研发行为可以为焦点企业提供可靠的信息参考,帮助其降低判断技术趋势和市场需求的不确定性,并进一步模仿合理的研发投入水平。从知识溢出理论的角度,同群企业的研发活动通过人才流动和技术交流等渠道产生知识外部性。焦点企业可以吸收这些溢出的知识,降低自身的研发边际成本,从而提高研发投资的可行性。基于制度理论,政府的创新政策导向和行业竞争规范创造了制度压力。通过使其行为与同群企业的研发活动保持一致,焦点企业可以获得政策支持和市场信任等合法性资源,从而增强其研发投资的合理性。
研究方法
本研究的数据来源于国泰安(CSMAR)数据库,样本为2010年至2022年间的中国A股非金融上市公司。筛选后最终样本包含12,876个公司-年度观测值,并对连续变量在1%水平上进行了缩尾处理以缓解异常值影响。
为了精确界定焦点企业的同群企业,本文采用了基于四个核心维度交叉分类的动态匹配方法。同群范围根据企业四个核心维度的年度变化进行动态更新:年度、行业、所有制类型和规模分位数。行业维度确保同群企业处于相同的产业环境中。所有制性质维度区分了国有企业(state = 1)和非国有企业(state = 0)。规模维度将企业规模作为核心匹配特征,在按年度-行业-所有制性质分组后,将每组内的企业按规模分为10个分位数。动态更新维度则每年重新计算规模分位数并重新定义同群关系,以捕捉企业规模随时间的变化。
实证模型方面,构建了动态面板模型来检验同群效应。模型的核心解释变量是同群企业的平均研发投入强度。同时控制了企业盈利能力、成长性、年龄等一系列变量,并加入了公司和年度固定效应。模型选择上,通过Hausman检验确定使用固定效应模型更为合适。考虑到模型的动态性,进一步使用系统GMM方法来处理潜在的内生性问题。
为确保结果的可靠性,研究进行了一系列诊断检验,包括面板单位根检验、方差膨胀因子(VIF)检验、异方差性、自相关和横截面依赖性检验。检验结果表明变量是平稳的,不存在严重的多重共线性问题,但存在异方差性、一阶自相关和横截面依赖,因此在回归中采用了Driscoll–Kraay标准误进行处理。
针对可能存在的内生性问题(如遗漏变量、反向因果关系、测量误差),研究采用了两种方法进行处理。一是动态面板系统GMM模型,利用变量的滞后项作为工具变量。二是工具变量法,使用了两个满足相关性和外生性条件的工具变量:同群企业的平均注册类型和滞后一期的同群企业研发强度。
为了确保研究结论的稳健性,还进行了四项稳健性检验:通过引入市场竞争指数(HHI)和行业企业密度(Ln(N))作为额外控制变量来应对遗漏变量偏差;替换被解释变量,使用研发费用/总资产(RD1)代替基准的研发强度指标;缩短样本期,排除2020年至2022年的数据以规避COVID-19疫情的影响;采用替代的同群定义,将企业规模分为5个分位数而非10个来重新界定同群企业。
研究结果
描述性统计结果显示,被解释变量RD的均值为0.053,中位数为0.041,表明样本企业的整体研发投入水平适中且存在一定的分布偏态。其标准差为0.045,最小值和最大值分别为0.001和0.293,表明不同企业间的研发投入强度存在显著差异。核心解释变量peer的均值为0.055,略高于RD的均值,中位数为0.052,表明同群企业的整体研发投入水平略高于样本企业的平均水平,这为考察同群效应对企业自身研发的影响提供了数据基础。
诊断检验结果支持了后续分析的有效性。面板单位根检验表明所有核心变量均为平稳序列。VIF检验显示所有自变量的平均VIF为1.06,远低于临界值5,表明模型不存在严重的多重共线性问题。异方差性、自相关和横截面依赖性检验则表明存在这些问题,因此后续回归均采用Driscoll–Kraay标准误进行修正。
动态匹配的有效性通过组内规模变异系数和规模分位数年度变化率进行了验证。结果显示组内规模差异极小,匹配精度高,且动态更新机制有效捕捉了企业规模的变化。同群企业研发强度与焦点企业研发强度的散点图及其线性拟合结果直观地显示了两者之间存在显著的正相关关系,为同群效应的存在提供了视觉证据。
基本的动态回归结果显示,在控制了一系列因素后,同群企业研发强度(peer)的系数显著为正,表明同群企业的研发强度对企业自身的研发投入具有稳健的正向影响,初步支持了假设H1。研发投入的滞后项(L.RD)也显示出显著的正系数,表明研发投入具有强烈的动态持续性。在控制变量中,资产回报率(roa)的系数显著为负,意味着盈利能力强的企业可能更倾向于短期盈利项目而非长期研发投资。企业成长性(growth)和年龄(age)的系数则不具统计学意义。
针对内生性问题的系统GMM模型估计结果再次显示,同群企业研发强度的系数显著为正,进一步验证了正向同群效应的存在。工具变量回归的结果也确认了同群企业研发强度与焦点企业研发投资之间的因果关系,且工具变量相关性检验表明不存在弱工具变量问题。
所有的稳健性检验结果均表明,研究的主要结论——中国上市公司研发投入中存在显著正向同群效应——是稳健的。无论是通过控制额外变量、更换变量度量方式、调整样本期还是改变同群定义方式,同群效应的正向显著性均保持不变。
讨论与结论
本研究具有重要的理论意义。首先,它丰富了企业研发投入同群效应的研究框架,通过构建四维动态匹配框架解决了以往研究中同群定义模糊的问题。其次,拓展了三种经典理论在企业创新领域的应用场景,揭示了同群效应影响企业研发投入的多路径传导逻辑。第三,补充了关于企业研发投入动态特征的研究,发现研发投入具有显著的动态持续性,且同群效应会强化这种持续性。
在实践启示方面,对于企业而言,应合理利用同群效应优化研发投资决策,建立有效的同群学习机制,并注重吸收同群研发活动带来的知识溢出效应。对于政府,应充分发挥政策的引导作用,优化创新政策环境,并为不同所有制企业提供差异化的政策指导。对于行业,应建立健全行业自律机制,搭建企业间技术合作平台,引导企业在学习同群的基础上进行差异化创新。
本研究也存在一些局限性。例如,在同群企业匹配维度的选择上还可进一步扩展;主要关注了同群效应的整体影响,未深入探讨不同情境下的异质性影响;主要采用定量研究方法,对微观企业行为的分析深度不足;且未考虑同群效应可能带来的负面影响。这些都为未来研究指明了方向。
综上所述,本研究证实了中国上市公司研发投入中存在显著的正向同群效应,该效应通过社会学习、知识溢出和制度合法性三大机制传导,并且研发投入本身具有动态持续性。这些发现不仅丰富了相关理论,也为企业优化研发决策、政府制定创新政策和行业健康发展提供了实践启示。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号