国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

績效期望落差與企業(yè)研發(fā)投入
——基于廣義傾向得分匹配的再估計

2022-03-25 05:01李孔岳劉新恒
關(guān)鍵詞:總經(jīng)理變量樣本

李孔岳, 王 宇, 劉新恒

(中山大學(xué) 管理學(xué)院, 廣東 廣州 510275)

已有關(guān)于企業(yè)績效與企業(yè)創(chuàng)新之間關(guān)系的研究,發(fā)現(xiàn)企業(yè)的實際績效與企業(yè)期望水平的差距會影響企業(yè)的研發(fā)投入[1]。然而,針對兩者間關(guān)系,現(xiàn)有研究仍未能達成一致的結(jié)論。例如,McKinley等[2]與Parker等[3]認(rèn)為績效落差不會促進企業(yè)創(chuàng)新,Chen[4]的研究則指出戰(zhàn)略定位不同的企業(yè)對績效反饋會產(chǎn)生不同的反應(yīng)。此外,以往研究較少考慮到企業(yè)積極研發(fā)很可能導(dǎo)致其后期績效與期望水平之間存在較大落差,并且大多考察企業(yè)對績效反饋結(jié)果的直接響應(yīng),未能考慮到績效落差與企業(yè)研發(fā)之間的動態(tài)關(guān)系,因此企業(yè)績效反饋與其研發(fā)投入之間的非線性關(guān)系未能在一系列內(nèi)生性問題得到有效解決的基礎(chǔ)上被有效確定。

有鑒于此,本文基于中國上市企業(yè)數(shù)據(jù),采用Hirano等[5]提出的廣義傾向得分匹配法(generalized propensity score matching,簡稱GPSM)研究企業(yè)績效期望落差對其R&D投入的影響,并使用多種穩(wěn)健性檢驗方法對這一關(guān)系進行分析。一方面,GPSM擁有傾向得分匹配(PSM)同樣的特點,能夠通過消除處理組與控制組在接受處理前的異質(zhì)性所導(dǎo)致的測量誤差,從而有效地解決了研究中自選擇偏差以及模型設(shè)定錯誤的內(nèi)生性問題的困擾;另一方面,GPSM的出現(xiàn)彌補了PSM方法中只能檢驗“0~1”型處理變量的處理效應(yīng)的這一缺點,能夠?qū)μ幚碜兞渴沁B續(xù)型變量的結(jié)果變量進行效應(yīng)評估[6]。在使用GPSM分析企業(yè)績效期望落差與企業(yè)R&D投入關(guān)系的基礎(chǔ)上,本文進一步使用OLS回歸對兩者關(guān)系進行再次檢驗,并討論制度環(huán)境以及董事長與總經(jīng)理兩職兼任對這一關(guān)系的影響。

一、 理論分析與假設(shè)

1. 績效期望落差與R&D投入

企業(yè)行為理論[7]與前景理論[8]指出,企業(yè)管理者通常根據(jù)事前的“期望水平”來評估組織的績效[7],因此,“損失”并不是完全意味著虧損,而是取決于決策參考點的選擇。具體而言,當(dāng)組織績效呈現(xiàn)出向下的趨勢、停滯不前抑或增長勢頭不足時,這些狀態(tài)很可能都會被決策者定義為“損失”。實際績效相對于期望水平的落差或者順差所呈現(xiàn)的信號會進一步影響管理者的認(rèn)知以及后續(xù)的管理決策,實際績效低于期望水平的組織通常是“冒險者”,通常會在后續(xù)資源分配決策中承擔(dān)相對較多的風(fēng)險[9-10]。

企業(yè)研發(fā)投入所具有的高投入、高不確定性的特點使得其被普遍認(rèn)為是一種風(fēng)險決策,因而企業(yè)研發(fā)投入得以被績效反饋模型捕捉,績效落差的出現(xiàn)被認(rèn)為可以為企業(yè)創(chuàng)新提供激勵[11]。然而,現(xiàn)有研究仍存在著不同的觀點。Latham等[12]指出,面對不如預(yù)期的績效表現(xiàn),公司反而通常表現(xiàn)出更低的創(chuàng)新投資傾向,并且在資源稀缺的情景下尤為明顯。McKinley等[2]的研究發(fā)現(xiàn)在績效落差的情況下,更多的管理所有權(quán)會降低創(chuàng)新支出,且閑置資源會抑制企業(yè)創(chuàng)新,這與連燕玲等[10]的研究發(fā)現(xiàn)相反。Parker等[3]則從“質(zhì)量聲譽”角度出發(fā),認(rèn)為績效負(fù)反饋不會對企業(yè)創(chuàng)新產(chǎn)生激勵。此外,也有研究指出,績效反饋對企業(yè)創(chuàng)新的影響取決于績效反饋信號的差異及變化,績效反饋的不一致性起決定性作用[11,13]。

基于上述討論,本文認(rèn)為,績效反饋對于組織而言是十分重要的信號。清晰、明確的績效反饋信號會引起管理者警覺、增加公司的響應(yīng)能力,但是模棱兩可的反饋會削弱企業(yè)的響應(yīng)能力[14]。因此,負(fù)反饋信號的大小、持續(xù)時間、出現(xiàn)時機等方面的差異動態(tài)影響著企業(yè)家所能感知到的修復(fù)能力。具體而言,企業(yè)績效略遜于理想的績效水平時,可能會通過變革來彌補績效差距[15]。如果企業(yè)的績效表現(xiàn)距離其期望有一定的差距,并且通過分析認(rèn)為在接下來一年仍不太可能實現(xiàn)績效目標(biāo)時,會進一步加大問題探索的強度。但是,隨著績效期望落差的擴大,負(fù)反饋將增加企業(yè)的資源約束、限制企業(yè)在問題搜索方面的資源投入、削弱負(fù)反饋對研發(fā)的積極影響。當(dāng)與理想績效相去甚遠(yuǎn),企業(yè)便可能會撤資或者減少投入以釋放自由資源,因為績效不佳的公司繼續(xù)投資于創(chuàng)新,會進一步減小其生存的可能性[15]。

綜上,企業(yè)績效期望落差對企業(yè)創(chuàng)新的影響呈現(xiàn)非線性關(guān)系,即隨著績效期望落差擴大,企業(yè)R&D投入相應(yīng)提升,但當(dāng)企業(yè)績效期望落差過大后,績效負(fù)反饋的負(fù)面效應(yīng)凸顯,導(dǎo)致其對企業(yè)R&D投入的促進作用減弱。因此,基于上述討論,本研究提出假設(shè)H1:績效期望落差和企業(yè)研發(fā)投入強度之間呈倒U型關(guān)系。

根據(jù)本文對績效期望落差相關(guān)研究的討論,績效負(fù)反饋促進了企業(yè)的風(fēng)險偏好并引發(fā)“問題搜索”,而經(jīng)典的績效反饋文獻以及行為經(jīng)濟學(xué)的分析框架[9]則指出,組織的響應(yīng)能力與決策者所感知到的可修復(fù)能力會對企業(yè)在績效負(fù)反饋情境下尋求變革以及其他戰(zhàn)略決策產(chǎn)生顯著影響。因此,本研究在下文中分別從企業(yè)的內(nèi)部治理特征與外部環(huán)境角度,即選取董事長與總經(jīng)理兩職兼任問題和企業(yè)所處制度環(huán)境問題,對以上兩點進行契合。

2. 董事長與總經(jīng)理兩職兼任的調(diào)節(jié)作用

在這一部分,本文的主要邏輯是,董事長與總經(jīng)理兩職兼任雖有可能會加重代理問題,但是董事長兼任總經(jīng)理使得總經(jīng)理進入董事會,緩解了信息不對稱和代理問題,可以有效地提高企業(yè)的響應(yīng)能力并避免沖突,從而促進企業(yè)面對績效負(fù)反饋時積極研發(fā)。

代理理論從根本上強調(diào)的是董事會對高管層的控制作用,董事會主席的主要職責(zé)是監(jiān)督和控制首席執(zhí)行官,但是這種關(guān)系難免會造成沖突與互斥,現(xiàn)代的公司治理理論因此指出,董事長向總經(jīng)理提供建議和指導(dǎo)這種協(xié)作治理方法是最有效的折中方法[16]。具體而言,在面對績效期望落差的情況下,“兩職分離”企業(yè)的總經(jīng)理的管理權(quán)很可能會由于董事長控制的加強而受到抑制,董事會甚至有可能解雇總經(jīng)理[16]。企業(yè)不理想的經(jīng)營狀況很可能破壞董事長與總經(jīng)理之間的相互信任[16],總經(jīng)理若感受到來自董事長的二次猜測更是會抑制其創(chuàng)新精神和企業(yè)家精神,這對企業(yè)在困境中尋求變革顯然是不利的。但董事長與總經(jīng)理的兩職兼任很好地減少了信息摩擦以及董事長與總經(jīng)理兩角色之間的沖突,有助于董事會與高管團隊間一致性目標(biāo)的達成和公司部門間的談判與運作[17]。這對于企業(yè)戰(zhàn)略的快速調(diào)整起著關(guān)鍵作用,在企業(yè)獲得績效反饋啟動問題搜索時尤為重要[18]?;谏鲜鲇懻?本文提出假設(shè)H2:董事長兼任總經(jīng)理正向調(diào)節(jié)了績效期望落差和企業(yè)研發(fā)投入強度之間的關(guān)系。具體來說,董事長與總經(jīng)理兩職兼任的企業(yè)相較于董事長與總經(jīng)理兩職分離的企業(yè),績效期望落差和研發(fā)投入之間的關(guān)系更強、更積極。

3. 制度環(huán)境的調(diào)節(jié)作用

制度環(huán)境的不同,會對企業(yè)家的可感知修復(fù)能力產(chǎn)生顯著影響[10]。這是因為,企業(yè)創(chuàng)新的投入-產(chǎn)出關(guān)系取決于國家層面的因素,良好的制度環(huán)境對降低企業(yè)制度性交易成本、促進企業(yè)成長與發(fā)展以及經(jīng)濟增長都起著至關(guān)重要的作用,研發(fā)投入與公司績效之間的關(guān)系更是高度依賴于外部環(huán)境[19]。在新興市場中,相關(guān)機構(gòu)與部門若只能為企業(yè)創(chuàng)新不受侵犯提供十分有限的保護,會阻礙企業(yè)的創(chuàng)新努力;更嚴(yán)重的是,相關(guān)組織在某種程度上會通過干預(yù)公司治理來影響企業(yè)的決策,扭曲企業(yè)的創(chuàng)新戰(zhàn)略,這對企業(yè)在面對績效負(fù)反饋進行后續(xù)戰(zhàn)略決策時顯然是不利的[20]。然而,在一個要素市場發(fā)達的環(huán)境中,企業(yè)通過創(chuàng)新來獲取和維持的競爭優(yōu)勢能夠獲得足夠的保障[19]。當(dāng)企業(yè)面對績效期望落差時,這種保障可以避免不公平競爭機制對其修復(fù)能力以及創(chuàng)新意愿的扭曲。此外,企業(yè)的研發(fā)投入與企業(yè)的創(chuàng)新作為一種釋放企業(yè)聲譽與形象的信號,可以讓企業(yè)在激烈的競爭環(huán)境下獲得更多利益相關(guān)者的關(guān)注和認(rèn)可,最終有利于企業(yè)在激烈的市場競爭中將R&D投入轉(zhuǎn)化為競爭優(yōu)勢[21]。

因此,本文認(rèn)為良好的市場化程度消除了績效落差出現(xiàn)時的“制度噪音”,并且放大了績效反饋信號,提高了企業(yè)決策者的可感知修復(fù)能力,最終為企業(yè)獲得績效反饋后進行創(chuàng)新戰(zhàn)略決策提供激勵。基于此,本文提出假設(shè)H3:良好的制度環(huán)境正向調(diào)節(jié)了績效期望落差和企業(yè)研發(fā)投入強度之間的關(guān)系。具體來說,與市場化程度較低地區(qū)的企業(yè)相比,位于高市場化程度地區(qū)企業(yè)的績效期望落差和研發(fā)投入之間的關(guān)系更強、更積極。

二、 研究設(shè)計

1. 數(shù)據(jù)介紹與變量處理

本文的實證數(shù)據(jù)主要為中國上市企業(yè)數(shù)據(jù)。數(shù)據(jù)主要來源于中國經(jīng)濟金融研究數(shù)據(jù)庫(CSMAR)所提供的上市公司財務(wù)數(shù)據(jù),選取2009—2018年為研究區(qū)間,并參照以往研究的做法,剔除以下樣本:銀行、證券公司、保險公司等金融類的受管制公司;標(biāo)注為ST、SST、*ST的公司。最終,本文得到了觀測值為7 602的面板數(shù)據(jù)樣本。實證中對所有連續(xù)變量都進行了上尾和下尾1%及99%的Winsorize縮尾處理。

(1) 被解釋變量(結(jié)果變量)

企業(yè)研發(fā)投入(R&D),參照以往研究[11],使用企業(yè)研發(fā)強度(企業(yè)當(dāng)年研發(fā)投入額度與企業(yè)當(dāng)年營業(yè)收入比)進行測算。

(2) 主要解釋變量(處理變量)

企業(yè)績效落差(Pi,t-1-Ai,t-1),Pi,t-1代表企業(yè)i第t-1期的企業(yè)績效,參考以往的研究,采用ROA(稅后凈利潤與總資產(chǎn)之比)進行測算,并且對歷史期望落差和行業(yè)期望落差同時進行考察。早期研究大多將歷史期望水平與社會期望水平處理成一個綜合期望水平,但是后續(xù)的許多研究強調(diào)了對兩種績效反饋進行獨立分析的必要性[13,22]。此外,由于績效落差通常是分析過去表現(xiàn)對后續(xù)決策的影響,對期望落差取前置一期處理Pi,t-1-Ai,t-1,歷史期望HAi,t-1以及行業(yè)期望IAi,t-1的具體計算公式如下:

其中α1代表權(quán)重,是介于[0,1]之間的數(shù)值,并且越小的α1意味著對上一年績效越側(cè)重。依據(jù)其他學(xué)者的方法,期望水平的權(quán)重設(shè)計可以在0~1之間進行修正,不會影響到本文的實證結(jié)果[11],考慮到版面限制,參考以往研究,本文選擇匯報α1=0.4時的回歸結(jié)果。因此,企業(yè)i在t-1期的歷史業(yè)績期望值HAi,t-1是企業(yè)i在t-2期的實際績效Pi,t-2(權(quán)重為0.6)和t-2期的歷史業(yè)績期望HAi,t-2(權(quán)重為0.4)的加權(quán)組合,而企業(yè)i在t-1期的績效與歷史期望差距(Pi,t-1-HAi,t-1)即為企業(yè)i在t-1期的實際績效Pi,t-1與歷史業(yè)績期望HAi,t-1之差。使用類似的方法,進一步選取t-2期企業(yè)i所在行業(yè)中所有企業(yè)ROA的中位數(shù)IMi,t-2作為t-2期該行業(yè)的實際績效IPi,t-2,計算得出企業(yè)在t-1期的行業(yè)期望IAi,t-1,并使用t-1期企業(yè)i所在行業(yè)的績效期望值與t-1期企業(yè)i的實際績效值計算得出t-1期企業(yè)i的績效與行業(yè)期望差距(Pi,t-1-IAi,t-1)。最后,本文對企業(yè)績效落差進行了取絕對值處理。

(3) 調(diào)節(jié)變量

①制度環(huán)境(MARK_INDEXi,t),采用中國學(xué)者樊綱的市場化指數(shù)衡量,以企業(yè)所在地區(qū)的市場化指數(shù)作為企業(yè)所處制度環(huán)境的指標(biāo);②董事長與總經(jīng)理兼任(DUALi,t),根據(jù)上市公司披露信息,若企業(yè)的董事長兼任總經(jīng)理則取值為1,否則為0。

(4) 控制變量(匹配變量)

①企業(yè)成立年齡(FIRMAGEi,t),采用企業(yè)成立年限數(shù)的自然對數(shù)衡量;②企業(yè)規(guī)模(FIRMSIZEi,t),采用企業(yè)期末總資產(chǎn)的自然對數(shù)衡量;③企業(yè)杠桿率(LEVERAGEi,t),采用企業(yè)財務(wù)報表中總負(fù)債與總資產(chǎn)之比衡量;④第一大股東持股比例(LARGEHOLDi,t),采用最大股東持股比例衡量;⑤董事會規(guī)模(BSIZEi,t),采用董事會成員數(shù)量的自然對數(shù)衡量;⑥產(chǎn)權(quán)性質(zhì)(SOEi,t),若企業(yè)的控股股東為國有性質(zhì),則取值為1,否則為0;⑦市場競爭強度(HHIi,t),采用赫芬達爾指數(shù)衡量,SIC三級行業(yè)代碼內(nèi)所有上市公司銷售額所占有市場份額的平方和;⑧年度虛擬變量(YEAR),行業(yè)虛擬變量(INDUSTRY)。主要變量的相關(guān)描述性統(tǒng)計見表1。

表1 主要變量的描述性統(tǒng)計

2. 模型與方法

實證模型主要包括廣義傾向得分匹配模型(GPSM)和普通最小二乘回歸模型(OLS)。

(1) 廣義傾向得分匹配模型

GPSM的原理是:對于一組隨機樣本,個體i針對處理變量T在區(qū)間T=[t0,t1]中取值,會生成對應(yīng)的產(chǎn)出水平Y(jié)i(t)。Yi(t)被稱為個體的劑量反應(yīng)函數(shù),μ(t)=E[Yi(t)]表示“平均劑量反應(yīng)”函數(shù),因此,t取值不同所對應(yīng)的函數(shù)值差異,可解釋為處理強度變化所帶來的因果效應(yīng)。根據(jù)Hirano等(2004)的做法,首先,處理變量的條件概率密度函數(shù):

r(t,x)=fT|X(t|x)

(3)

定義r(t,x)為控制了匹配變量X之后處理變量T的條件概率密度,那么廣義傾向得分GPS即為R=r(T,X),表示當(dāng)處理變量Ti取值t時的概率。廣義傾向得分具有與標(biāo)準(zhǔn)傾向評分相似的平衡特性,即對于條件概率密度值相同的樣本,處理變量T取某值t的概率與匹配變量無關(guān):

X⊥I(T=t)|r(t,x)

(4)

因此,對于給定的匹配變量X,有:

Y(t)⊥T|X,?t∈T

(5)

進一步,對于任意的處理變量T,在給定匹配變量X的情況下,有:

fT{t|r(t,X),Y(t)}=fT{t|r(t,X)}

(6)

式(6)表示在控制了協(xié)變量并且得到GPS之后,處理變量取值t與其對應(yīng)的結(jié)果變量Y(t)相互獨立。因此,能夠有效剔除處理強度的選擇性偏誤以及由此產(chǎn)生的內(nèi)生性問題。在以上討論的基礎(chǔ)上,本文通過以下步驟運用GPSM完成評估:

第一步,根據(jù)匹配變量X估算處理強度的條件概率密度。本文的處理變量為企業(yè)績效期望落差,由于績效期望順差的企業(yè)樣本中績效反饋變量被設(shè)置為“0”值(參考經(jīng)典的企業(yè)績效-期望反饋研究),因此,績效期望落差的分布是高度有偏的。然而,Hirano等的方法要求樣本滿足正態(tài)分布假定,因此,我們采用Papke等提出的Fractional Logit模型來估計績效期望落差的條件概率密度,即:

(7)

第三步,將以上結(jié)果代入模型(9)中,得到處理變量為t時結(jié)果變量Yi的期望值:

根據(jù)以上步驟并且參考以往研究,本文選擇企業(yè)成立年齡(FIRMAGEi,t)、企業(yè)規(guī)模(FIRMSIZEi,t)、企業(yè)杠桿率(LEVERAGEi,t)、董事會規(guī)模(BSIZEi,t)、市場競爭強度(HHIi,t)作為匹配變量(同樣也是本文第二部分研究中的一系列控制變量),并且控制了行業(yè)因素與時間效應(yīng),分析企業(yè)績效期望落差與企業(yè)研發(fā)強度之間關(guān)系。

(2) 調(diào)節(jié)效應(yīng)的OLS模型

根據(jù)本文的主題,第二部分OLS模型設(shè)定如下:

R&Di,t=

β4MODERATORi,t×P-Ai,t+β5MODERATORi,t×

(10)

在公式(10)中,被解釋變量為企業(yè)的研發(fā)投入強度(R&D),此時使用企業(yè)的績效歷史期望落差作為解釋變量衡量企業(yè)的績效反饋,MODERATOR即為本研究的調(diào)節(jié)變量,分別為董事長和總經(jīng)理兩職兼任以及企業(yè)所在地的制度環(huán)境,并且在加入了一系列控制變量后對行業(yè)以及時間效應(yīng)進行了控制。

三、 企業(yè)績效期望落差影響企業(yè)研發(fā)強度的基準(zhǔn)檢驗

1. 基于績效歷史期望落差影響企業(yè)研發(fā)強度的基準(zhǔn)檢驗

(1) 企業(yè)“績效歷史期望落差”的Fractional Logit回歸

利用匹配變量,首先基于Fractional Logit模型估計處理變量(績效歷史期望落差)的條件密度函數(shù),回歸結(jié)果見表2?;貧w結(jié)果顯示,模型得到了較好的擬合,各變量系數(shù)均在不同顯著性水平上顯著。具體而言,企業(yè)年齡、企業(yè)規(guī)模、董事會規(guī)模均與企業(yè)的績效期望落差負(fù)相關(guān),這意味著規(guī)模更大、更為成熟、董事會成員更多的樣本企業(yè)擁有著較為穩(wěn)健的財務(wù)數(shù)據(jù);而企業(yè)杠桿率與企業(yè)績效期望落差顯著正相關(guān),這是因為杠桿較高的企業(yè)通常具有相對較高的財務(wù)風(fēng)險,出現(xiàn)績效落差的可能性更高。

(2) GPSM的匹配平衡性檢驗

在估計績效歷史期望落差的基礎(chǔ)上,進一步根據(jù)廣義傾向得分(GPS)對樣本進行匹配,匹配需要滿足平衡條件,而平衡性檢驗要求選擇合適的協(xié)變量,并對樣本進行合適的匹配分組和分段。由于績效期望落差在[0,1]區(qū)間上非常偏向0值一端,因此本文參考以往研究,在處理強度取值較小的部分進行細(xì)分,在取值較大的部分粗分,選取處理強度為0.000 2、0.006 5、0.015 3、0.032 0和0.0150 0作為臨界值,將企業(yè)樣本按照處理強度值區(qū)分為5組;每一組內(nèi)部又按照傾向得分值平均分為5段,最終匹配方式如表2所示。由檢驗結(jié)果可以看出,在經(jīng)過GPSM匹配調(diào)整之后,匹配變量的標(biāo)準(zhǔn)化偏差在匹配后明顯縮小。說明通過GPSM匹配后,處理組和對照組樣本已不存在較大差異。t檢驗的結(jié)果也證實處理組與對照組不存在系統(tǒng)誤差,本文選擇的匹配變量及匹配法合適,匹配的估計結(jié)果有效。

表2 匹配平衡性檢驗結(jié)果

(3) 企業(yè)績效歷史期望落差對企業(yè)研發(fā)強度的處理效應(yīng)分析

圖1報告了通過GPSM匹配方法得到的企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度之間的關(guān)系,即平均劑量反應(yīng)函數(shù)圖。圖1中,企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度之間呈現(xiàn)出明顯的倒U型關(guān)系,圖像的拐點出現(xiàn)在績效歷史期望落差位于0.08附近。具體而言,當(dāng)企業(yè)績效歷史期望落差在(0, 0.08]區(qū)間時,對企業(yè)研發(fā)強度的促進作用會隨著績效歷史期望落差的增大而增大,但是當(dāng)績效歷史期望落差超過8%之后,績效負(fù)反饋對企業(yè)研發(fā)強度的促進作用減弱。據(jù)理論部分的分析可知,績效負(fù)反饋的出現(xiàn)激勵了企業(yè)啟動問題搜索以及謀求變革的意愿,企業(yè)很可能會積極研發(fā)、尋求創(chuàng)新變革來彌補績效差距,但當(dāng)企業(yè)績效期望落差超過閾值以后,為尋求基業(yè)長青或者退出機會,績效負(fù)反饋的負(fù)向影響凸顯,逐步抵消其所產(chǎn)生的積極影響、減弱其對企業(yè)研發(fā)強度的促進作用?;谏鲜鲇懻?假設(shè)H1得到了驗證。此外,值得注意的是,當(dāng)企業(yè)績效歷史期望落差超過10%以后,平均“劑量反應(yīng)”函數(shù)的95%上下置信區(qū)間會不斷膨脹,其對企業(yè)研發(fā)強度的影響將不滿足統(tǒng)計意義上的顯著性,出現(xiàn)這種現(xiàn)象的原因主要是該范圍內(nèi)樣本較少(不足總樣本的5%),但并不影響績效歷史期望落差與企業(yè)研發(fā)強度間呈倒U型關(guān)系的結(jié)論。

圖1 企業(yè)績效歷史期望落差影響企業(yè)研發(fā)強度的劑量反應(yīng)函數(shù)

2. 基于績效行業(yè)期望落差影響企業(yè)研發(fā)強度的基準(zhǔn)檢驗

根據(jù)經(jīng)典的企業(yè)績效反饋理論,基于行業(yè)期望的績效期望落差是企業(yè)的另一種重要的決策參考因素,因此這一部分關(guān)注基于行業(yè)水平的企業(yè)績效期望落差對企業(yè)研發(fā)強度的影響。與第一部分的做法一致,同樣使用Fractional Logit回歸并基于GPS對樣本進行匹配平衡性檢驗后,本研究得到了基于績效行業(yè)期望落差的企業(yè)績效負(fù)反饋影響企業(yè)研發(fā)強度的劑量反應(yīng)函數(shù),如圖2所示。同樣值得注意的是,與績效歷史期望落差的反應(yīng)函數(shù)相似,當(dāng)企業(yè)的績效行業(yè)期望落差超過10%以后,平均劑量反應(yīng)函數(shù)的90%置信區(qū)間的上、下邊界同樣會因為樣本數(shù)量的限制而不斷膨脹,但是,與基于歷史期望的反應(yīng)函數(shù)不同,績效行業(yè)期望落差與企業(yè)研發(fā)強度之間呈現(xiàn)出顯著的正相關(guān)關(guān)系。這意味著,績效行業(yè)期望落差的出現(xiàn)促進了企業(yè)研發(fā)強度的提高,并且這一促進作用隨著績效行業(yè)期望落差的擴大而擴大,并且并不會隨著落差過大(對于樣本企業(yè)而言)而使得對企業(yè)研發(fā)強度的促進作用變?nèi)酢1疚膶@一結(jié)果的解釋是,相較于企業(yè)自身的歷史業(yè)績表現(xiàn),企業(yè)績效與以行業(yè)為基礎(chǔ)的同行企業(yè)績效相比的落差對企業(yè)的激勵是持續(xù)而且更為顯著的,績效行業(yè)期望落差向企業(yè)展示著行業(yè)存在潛在的投資機會的信號,影響企業(yè)感知的修復(fù)能力,進而影響企業(yè)研發(fā)。

圖2 企業(yè)績效行業(yè)期望落差影響企業(yè)研發(fā)強度的劑量反應(yīng)函數(shù)

圖1和圖2的對比也表現(xiàn)出企業(yè)對于行業(yè)期望落差更強的敏感性(圖2中基于行業(yè)期望的績效期望落差對研發(fā)強度的激勵水平遠(yuǎn)高于圖1中績效歷史期望落差的促進作用)。

四、 進一步研究

1. 企業(yè)績效歷史期望落差與企業(yè)R&D投入的OLS回歸

通過GPSM,本研究發(fā)現(xiàn)了企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度之間的倒U型關(guān)系。 GPSM方法可以很好地解決自選擇偏誤, 但是,其使用強烈依賴于條件獨立性假設(shè),為放寬這一假設(shè)并提高研究的可靠度,本文接下來使用面板OLS回歸對企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度的關(guān)系進行再次檢驗。表3報告了相關(guān)的回歸結(jié)果,第(1)列為基本模型,僅包含了控制變量(1)控制變量包括企業(yè)年齡、企業(yè)規(guī)模、企業(yè)杠桿率、第一大股東持股比例、董事會規(guī)模與企業(yè)性質(zhì),因篇幅問題,在回歸結(jié)果中不再對一系列控制變量的回歸系數(shù)進行匯報,僅以“CTRL VAR”顯示。和績效歷史期望落差一次項,并對年份效應(yīng)以及行業(yè)效應(yīng)進行控制;第(2)列在第(1)列的基礎(chǔ)上加入了績效歷史期望落差的平方項, 檢驗績效期望落差與企業(yè)研發(fā)強度之間的倒U型關(guān)系。此外,各個模型的擬合優(yōu)度雖均為0.18左右,但變量和模型整體具有良好的顯著性,并且模型的擬合優(yōu)度與以往的績效期望反饋相關(guān)研究處于相似水平(2)Lucas等的研究考察企業(yè)績效負(fù)反饋與企業(yè)R&D投入的關(guān)系,其實證部分的完整模型擬合優(yōu)度為0.17。相似地,Lv等的研究中,其模型的擬合優(yōu)度為0.13左右。,模型的擬合優(yōu)度相對較低的原因可能是遺漏的變量是嚴(yán)格外生的。

第(1)列的結(jié)果表明,績效歷史期望落差(絕對值)與企業(yè)創(chuàng)新存在顯著的正相關(guān)關(guān)系(p<0.01),意味著高的績效期望落差顯著促進了企業(yè)的創(chuàng)新投入。第(2)列的結(jié)果顯示,業(yè)績歷史期望落差(絕對值)與企業(yè)研發(fā)強度存在顯著的正相關(guān)關(guān)系(p<0.01),其平方項與企業(yè)研發(fā)強度存在顯著的負(fù)相關(guān)關(guān)系(p<0.1),意味著業(yè)績期望落差與企業(yè)研發(fā)強度之間存在著顯著的倒U型關(guān)系,因此假設(shè)H1再次得到了驗證。

表3 績效歷史期望落差OLS回歸結(jié)果

2. 機制檢驗

在接下來的部分, 本文進一步檢驗組織的響應(yīng)能力與決策者所感知到的可修復(fù)能力對績效負(fù)反饋驅(qū)動的企業(yè)研發(fā)決策的影響機制, 即檢驗董事長與總經(jīng)理兩職兼任以及制度環(huán)境對企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度關(guān)系的調(diào)節(jié)作用。

(1) 董事長與總經(jīng)理兩職兼任的調(diào)節(jié)作用

為考察董事長與總經(jīng)理兩職兼任的影響,本文在模型的基礎(chǔ)上加入兩職兼任虛擬變量,命名為“DUAL”。表3第(3)列報告了兩職兼任調(diào)節(jié)作用的回歸結(jié)果。結(jié)果表明,“DUAL”與績效期望落差一次項的交叉項對應(yīng)的回歸系數(shù)顯著為正,表明董事長與總經(jīng)理兩職兼任能夠正向調(diào)節(jié)企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度的關(guān)系,強化績效負(fù)反饋對企業(yè)研發(fā)的促進作用。此外,“DUAL”與績效期望落差二次項的交叉項對應(yīng)的回歸系數(shù)顯著為負(fù),表明董事長與總經(jīng)理兩職兼任的企業(yè)的績效歷史期望落差與創(chuàng)新投入之間的倒U型關(guān)系更為明顯,即倒U型圖像的曲率更為顯著。結(jié)合以上兩點結(jié)果,意味著董事長兼任總經(jīng)理的企業(yè)相較于董事長與總經(jīng)理不兼任的企業(yè),它們呈現(xiàn)出了在績效歷史期望落差情況下更高的研發(fā)投入水平,并且對歷史期望負(fù)反饋的經(jīng)營困境更加敏感,假設(shè)H2得到了驗證。

(2) 制度環(huán)境的調(diào)節(jié)作用

為進一步研究企業(yè)所在地市場化程度的調(diào)節(jié)作用的影響,本文進一步匹配了企業(yè)所在地市場化程度數(shù)據(jù),加入了市場化程度虛擬變量“MARK_INDEX_DUMMY”(以下簡稱“MARK”)。具體而言,如果企業(yè)所在地市場化程度值大于樣本企業(yè)所在地市場化程度均值則取值為1,否則取值為0,隨后使用MKT作為調(diào)節(jié)變量進行回歸。回歸結(jié)果見表3第(4)列,MARK與績效期望落差一次項的交叉項對應(yīng)的回歸系數(shù)顯著為正,而與績效期望落差二次項的交叉項對應(yīng)的回歸系數(shù)顯著為負(fù),說明市場化程度正向調(diào)節(jié)了企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度的關(guān)系,并使得績效期望落差與企業(yè)研發(fā)強度之間的倒U型關(guān)系更加顯著,假設(shè)H3得到了驗證。位于市場化程度較高地區(qū)的企業(yè)在同等的歷史期望落差水平下的R&D投入強度顯著高于市場化程度較低地區(qū)的企業(yè),并且隨著落差水平的變大在適度的落差水平下具有更為強烈的創(chuàng)新投入可能性。

3. 內(nèi)生性檢驗

在上文中,本研究使用GPSM以及OLSM對主效應(yīng)進行了檢驗,在很大程度上可以排除企業(yè)績效歷史期望落差與企業(yè)研發(fā)強度關(guān)系間自選擇偏差所導(dǎo)致的內(nèi)生性問題。但是,考慮到變量測量偏誤、遺漏變量偏差、自變量與因變量間的反向因果關(guān)系等問題,為進一步提高研究的可靠度,本文接下來對企業(yè)績效負(fù)反饋與企業(yè)R&D投入關(guān)系進行補充檢驗。

(1) 測量誤差

為控制變量測量誤差,本文首先更換被解釋變量的測量方式,使用企業(yè)的資本化研發(fā)總費用與企業(yè)凈利潤之比對企業(yè)R&D投入進行重新衡量并進行回歸,相關(guān)結(jié)果見表4第(1)列。其次,本文進一步更換了自變量的測量方式:在數(shù)據(jù)介紹與變量處理部分,本文指出,α1的不同取值代表著獲取企業(yè)期望過程中對上一年績效的不同權(quán)重,并對α1進行了取值為0.4的處理,因此在這一部分本文進一步對α1的賦值進行了從0~1的遍歷處理,進而改變了績效負(fù)反饋的測量方式,并進行回歸?;貧w結(jié)果顯示,不同的α1取值具有良好的顯著性,受制于篇幅限制,表4第(2)列和第(3)列分別報告了α1取值為0.1和0.9時的回歸結(jié)果。

(2) 遺漏變量問題

為緩解遺漏變量所導(dǎo)致的內(nèi)生性問題,本文進一步更換模型的設(shè)定形式,在控制時間與行業(yè)固定效應(yīng)的基礎(chǔ)上分別進一步控制了企業(yè)所在地區(qū)的固定效應(yīng)以及個體的固定效應(yīng)。表4第(4)列和第(5)列分別報告了控制企業(yè)所在地區(qū)和控制企業(yè)固定效應(yīng)的結(jié)果。表4各列的結(jié)果均支持了企業(yè)績效期望負(fù)反饋與R&D投入的倒U型關(guān)系,假設(shè)H1得到了進一步驗證。

表4 更換企業(yè)R&D投入與績效期望落差測量后的檢驗結(jié)果

(3) 反向因果關(guān)系

為檢驗企業(yè)績效-期望落差與企業(yè)R&D投入是否存在反向因果關(guān)系,即潛在的由于企業(yè)積極研發(fā)從而導(dǎo)致其后續(xù)績效與期望水平之間存在較大落差所導(dǎo)致的變量之間的內(nèi)生選擇問題,本文借鑒了相關(guān)研究,通過補充2007年與2008年的企業(yè)財務(wù)數(shù)據(jù),將t+2期的績效期望落差作為被解釋變量,將t期的企業(yè)研發(fā)強度作為自變量,并加入一系列控制變量進行回歸,回歸結(jié)果見表5。由于版面限制,表5僅對主要變量的回歸結(jié)果進行報告。根據(jù)表5,使用績效歷史期望落差與績效行業(yè)期望落差進行回歸的回歸系數(shù)均不顯著,意味著本文樣本中企業(yè)績效期望落差與企業(yè)研發(fā)強度不存在反向因果關(guān)系。

表5 績效期望落差與企業(yè)研發(fā)強度之間的反向因果檢驗結(jié)果

五、結(jié)論與討論

1. 研究結(jié)論

本文考察了企業(yè)績效期望落差與企業(yè)研發(fā)強度兩者之間的關(guān)系:基于GPSM方法的研究結(jié)果發(fā)現(xiàn)了基于企業(yè)歷史期望的績效期望落差與研發(fā)投入強度之間的顯著倒U型關(guān)系,以及績效行業(yè)期望落差與研發(fā)投入強度之間的正相關(guān)關(guān)系。進一步研究發(fā)現(xiàn),相比于市場化程度較低地區(qū)的企業(yè),位于市場化程度較高地區(qū)企業(yè)的績效歷史期望落差對企業(yè)研發(fā)強度的促進作用更為顯著,且倒U型關(guān)系更為明顯。此外,董事長與總經(jīng)理兩職兼任同樣正向調(diào)節(jié)了企業(yè)績效歷史期望落差與研發(fā)強度之間的關(guān)系。以上發(fā)現(xiàn)對于多種實證方法具有穩(wěn)健性。

本文的主要理論貢獻在于:首先,本文豐富了決策者績效期望反饋參考點選擇的相關(guān)研究。在原有的績效反饋模型中,現(xiàn)有文獻考察的主要是單一的績效期望反饋與企業(yè)研發(fā)決策的關(guān)系,同時主要焦于兩者間的線性關(guān)系。然而,企業(yè)研發(fā)作為一種具有極高不確定性并且顯著影響企業(yè)經(jīng)營的決策行為,會受到企業(yè)績效期望反饋信號強弱的影響,即績效期望落差的大小會改變決策者對風(fēng)險的感知,從而改變決策者的參考點選擇,進而影響決策者的行為。因此,本研究所發(fā)現(xiàn)的企業(yè)績效期望落差和其研發(fā)決策之間的非線性關(guān)系,可以加深相關(guān)研究對績效期望反饋的動態(tài)情境下企業(yè)研發(fā)決策的理解。其次,本文將分析模型處理為績效歷史期望反饋和績效行業(yè)期望反饋這兩種績效反饋情境,并在發(fā)現(xiàn)績效反饋與企業(yè)研發(fā)決策間非線性關(guān)系的基礎(chǔ)上探討了兩種績效反饋對企業(yè)行為的不同影響路徑,為深入理解企業(yè)如何在多重績效反饋情境中進行研發(fā)決策,提供了新思路與經(jīng)驗證據(jù)。

2. 研究不足與展望

研究的不足之處在于:首先,本文經(jīng)過一系列匹配最終只得到了樣本量為7 602的企業(yè)年度面板數(shù)據(jù),后續(xù)在這方面的研究可以利用擴展的數(shù)據(jù)庫進行進一步的驗證。同時,本文使用中國上市公司為樣本,一方面,由于制度環(huán)境、企業(yè)戰(zhàn)略風(fēng)格等因素的差異,基于中國上市企業(yè)樣本的分析結(jié)果與其他國家可能會有所不同;另一方面,樣本企業(yè)經(jīng)過匹配與合并后多為民營企業(yè)與制造業(yè)企業(yè),毋庸置疑的是,樣本中的企業(yè)不能夠代表中國的所有企業(yè),績效反饋機制在其他樣本中可能會存在差異。其次,使用ROA對企業(yè)績效測算只是衡量績效反饋的一種方式,并且企業(yè)研發(fā)行為僅是企業(yè)戰(zhàn)略調(diào)整的一部分,積極從事研發(fā)也只是企業(yè)為扭轉(zhuǎn)經(jīng)營困境所進行的戰(zhàn)略選擇之一。因此,參考以往研究,使用廣義傾向得分匹配的辦法,驗證企業(yè)其他的績效衡量方式下績效反饋對其他企業(yè)行為的影響也是一項有意義的工作。此外,本文考察了董事長與總經(jīng)理兩職兼任的影響因素,并對董事會規(guī)模進行了控制。但是,未能對董事會其他成員與高層管理團隊其他特征以及交互作用等問題進行深入探討,因為基于高層梯隊理論,董事會結(jié)構(gòu)、高管團隊特征等一系列因素都會影響企業(yè)行為與企業(yè)戰(zhàn)略。未來研究可以將以上問題納入研究范疇,并使用新方法對這一主題研究進行拓展。

猜你喜歡
總經(jīng)理變量樣本
差異化優(yōu)勢,助力IMAX Enhanced穩(wěn)步前行 專訪Xperi大中華區(qū)總經(jīng)理郎正武
聚焦雙變量“存在性或任意性”問題
規(guī)劃·樣本
人大專題詢問之“方城樣本”
味兒
隨機微分方程的樣本Lyapunov二次型估計
分離變量法:常見的通性通法
“官員寫作”的四個樣本
不可忽視變量的離散與連續(xù)
原來如此
乌兰县| 西乌珠穆沁旗| 和田市| 琼结县| 开化县| 临汾市| 射阳县| 丹江口市| 白沙| 新巴尔虎右旗| 平南县| 外汇| 忻州市| 商水县| 丹阳市| 嫩江县| 虎林市| 东至县| 莫力| 万山特区| 利津县| 平乡县| 普兰店市| 通化市| 金阳县| 卓资县| 平乐县| 德令哈市| 商河县| 宝鸡市| 松原市| 泰宁县| 兴业县| 都匀市| 武功县| 汾西县| 潜山县| 射阳县| 页游| 镇康县| 临高县|