灵活用工模式与企业研发投入——来自雇主-雇员匹配调查的证据.pdf

第 36 卷 第 2 期2024 年 4 月Vol.36 No.2Apr.2024研究与发展管理R&D MANAGEMENT灵活用工模式与企业研发投入来自雇主雇员匹配调查的证据柳建坤1，何晓斌2，周文霞3（1.哈尔滨工程大学 人文社会科学学院，哈尔滨150001；2.清华大学 社会科学学院，北京100084；3.中国人民大学 劳动人事学院，北京100872）摘要：激励企业扩大研发投入对提升国家创新能力具有重要意义。利用“中国雇主雇员匹配调查”数据，从用工模式视角考察灵活用工模式对企业研发投入强度的影响及其作用机制。实证研究发现：灵活用工模式对企业研发投入强度具有抑制效应；从劳动力要素配置角度来看，企业人力资本水平下降是造成灵活用工模式抑制企业研发投入强度的重要机制；扩大企业规模以及增强企业工会劳动保护效果均可以削弱灵活用工模式对企业研发投入强度的抑制效应。研究结论不仅有助于深化关于用工模式与企业创新关系的认识，而且为创新研发投入决策理论以及优化创新驱动发展战略的实施路径提供了经验参考。关键词：灵活用工；研发投入；劳动力要素配置；劳动保护中图分类号：F273.1 文献标识码：A0 引言研发投入是企业开展创新活动进而保持市场竞争优势的基础，也是提升国家整体创新水平的重要途径。党的十八大以来，中国政府制定并实施创新驱动发展战略，这在扩大研发投入规模方面取得了立竿见影的效果。“十三五”期间，研发投入增速已跃居世界首位。全国科技经费投入统计公报 显示，2020年中国共投入研发经费24 393.1亿元，比2016年增加8 716.4亿元，增幅超过55%。值得注意的是，虽然企业研发投入在全国研发经费总投入方面占据主导地位，但与“十二五”时期相比，“十三五”时期的企业研发支出年均增速下降了4.3%。即使是对于参与国际竞争的大型企业而言，其研发投入强度与发达国家企业的差距仍然较大。欧盟公布的数据显示，中国企业的研发投入强度从2010年的1.2%增长到2020年的3.6%，但日本、欧盟和美国企业的研发投入强度始终维持在4%以上。因此，在中国情境下探究抑制企业研发投入强度的因素是亟待研究的课题，这对于拓展企业创新理论以及增强企业和宏观经济发展的可持续性具有重要意义。作为一项使企业承受高风险的投资活动，研发投入决策极易受到外部环境的影响1。基于此，针对近年来中国企业研发投入强度增速下降的现象，研究者特别关注宏观环境变化的作用，比如国内经济下行压力增大、国际贸易争端加剧、新型冠状病毒肺炎疫情暴发等2-3。不过，从企业内部视角来看，除了既有文献广泛讨论的高管特征、组织特征以及战略方向4-6，企业对劳动力要素的配置方式也是影响研发投入决策的重要因素7。特别是在中国，近年来企业的用工模式发生重大调整，越来越多的企业采取灵活收稿日期：2022-10-12；修改日期：2023-11-16。基金项目：国家社会科学基金重大项目“新时代促进劳动力返乡创业的高质量发展研究”（22&ZD191）；国家社会科学基金青年项目“青年返乡创业困境的形成机制与治理策略研究”（23CSH043）；黑龙江省哲学社会科学研究规划年度项目“县域零工经济劳动者权益保障风险及其治理研究”（22SHB168）。第一作者：何晓斌（1977），男，博士，副教授，博士生导师，研究方向为组织行为，。通信作者：柳建坤（1992），男，博士，教授，硕士生导师，研究方向为组织行为，。资料来源：https：/ 36 卷用工模式，比如使用外包工、劳务派遣工、临时工、兼职工等。国家统计局公布的数据显示，截至2021年底，全国灵活就业人员达到2.66亿人，超过就业总量的1/3。其中，城镇私营企业灵活就业比重为36.1%，其他类型企业（国有及国有控股企业、集体企业、外资企业和港澳台投资企业）仅介于2.4%5.3%之间8。作为一种非标准化的劳动关系，灵活用工模式在工作时间、工作地点、工资支付方式等方面相较于传统的固定用工模式更加灵活，可以大幅降低用工成本，从而可能使企业研发投入决策所面临的条件发生显著变化。国外学者较早关注灵活用工模式与企业创新活动的关系，但研究结论存在较大分歧。一方面，劳动关系不稳定被视为灵活用工抑制企业创新的核心机制。针对英国企业的研究表明，在劳动力市场放松管制的情况下，企业会大量使用短期工和合同工，这使得雇主对工作保障缺乏承诺，劳动者也缺乏创新的动力9。在欧美发达国家开展的研究表明，在劳动者权益保障法律执行力度较弱的地区，企业往往会过度使用灵活用工模式，这使得劳动者的工作难以得到保障，进而无法提升企业的创新绩效水平10。另有学者提供了灵活用工并未阻碍企业创新的证据。针对美国企业的研究表明，固定合同会使员工的失业风险感知下降，从而缺乏获取新想法和使用新技术的动力，而劳动力的流转则可以弥补这一不足，从而提升企业创新能力11。不仅如此，灵活用工对企业创新的激励作用在新创企业以及正处于扩张阶段的企业中更加突出12。尽管国外学者对灵活用工与企业创新的关系的讨论较为充分，但大多是从劳动者视角进行机制分析，并且对创新活动的考察主要关注创新绩效，而关于研发投入的分析较为缺乏。考虑到研发投入决策是由企业管理者所制订，因而有必要从企业视角来分析灵活用工模式影响研发投入决策的逻辑。更为重要的是，以中国企业为对象的相关研究更加缺乏，为数不多的文献侧重于考察灵活用工模式对企业创新模式的影响，并且所使用数据的时效性不足13-14，这不仅无法展示“十三五”期间中国企业研发投入的现状，而且未能呈现灵活用工对企业研发投入的影响进而揭示其中的作用机理。鉴于此，本文将利用“雇主雇员匹配调查”数据在中国情境下考察灵活用工模式对企业研发投入的影响及其作用机制。考虑到用工模式的本质是对劳动力要素的配置，并且高人力资本劳动力是企业开展创新活动的基础，因而有必要着眼于企业人力资本水平变化这一关键路径来探究灵活用工模式与企业研发投入的关系。需要注意的是，在劳动者可以获得来自企业提供的保护性措施的情况下，灵活用工模式对劳动者权益保障产生的负面影响会被显著削弱15。现实中，企业的劳动保护力度与自身的组织特征存在密切联系，尤其以企业规模和企业工会的作用最为明显。这是因为更可能受到劳动部门监管的大企业会较为严格地遵守劳动保护法律，并且更有能力向劳动者提供保护性措施16。而且以工会为代表的专门性劳动保护机制也有助于引导和监督企业管理者提供劳动保护17。鉴于此，本文将进一步考察以企业规模和企业工会为代表的组织特征在灵活用工模式与企业研发投入的关系中所发挥的调节作用。因此，本文不仅可以丰富用工模式与企业创新活动关系的文献进而拓展了企业创新理论，而且为决策部门激励企业扩大研发投入以及优化创新驱动发展战略的实施路径提供了经验参考。1 理论分析与研究假设 1.1灵活用工模式与企业研发投入雇主通常是根据自身的经营状况以及市场环境来选择最优的用工组合策略。其中，灵活用工（flexible employment）是以岗位外包形式为企业提供弹性用工的雇佣模式18。在灵活用工模式下，雇主与劳动者签订短期且非固定的劳动合同，由此形成了非标准的劳动关系。当大量企业采取灵活用工模式时，劳动力要素在企业之间高速流动，劳动力要素配置效率由此得到提升，其带来的直接后果是用于支付劳动者报酬以及解雇劳动者的成本大幅降低。这样，企业的经营弹性以及对外部风险的抵御能力得到增强，这就为企业的经营绩效和资产价值的提升创造了有利条件19。不过，企业使用灵活用工模式的代价是劳动保护力度下降，而这一因素可能对企业创新活动产生负面影响。虽然加大劳动保护力度会增加企业的用工成本进而降低利润率，但这也会促使企业主动调整要素投入结构，比如激励企业加大对劳动者的人力资本投资，以弥补劳动力配置效率下降对生产效率造成的损失20，最终产生激励企业创新的效果。具88第 2 期柳建坤等：灵活用工模式与企业研发投入体到本文，灵活用工是一种典型的劳动保护力度较弱的用工模式，这一特征使其在提高劳动力配置效率的同时，还会导致人力资本投入水平发生显著变化，进而改变企业在研发投入上的决策。从要素投入的回报来看，资本要素对企业生产率的提升作用强于劳动力要素，因而提高资本劳动比是增强企业创新能力的重要途径21。其中，企业人力资本的作用尤为重要。劳动力要素具有数量和质量两种基本属性22。相比于简单地增加劳动力数量，使用高人力资本的劳动力，也即提升企业人力资本水平对于增强企业的创新能力更加重要23。由于高人力资本劳动力是企业创新活动的重要支撑，因而人力资本水平高的企业需要持续增加研发投入来保持在创新活动中的竞争力。例如，高层管理者是典型的高人力资本劳动者，而针对该群体的研究表明，高管的人力资本深度与企业研发投入强度存在显著的正相关关系，特别是拥有特定专业技术的高管会对与其技术相匹配的企业的研发投入强度产生更强的激励作用24。企业人力资本水平会因劳动力要素配置方式的不同而发生变化。本文中灵活用工模式在节约用工成本的同时，会产生降低企业人力水平的效应，其原因有二。一方面，从外部劳动力市场雇佣高人力资本劳动者是企业提升自身人力资本水平的主要方式25。不过，高人力资本劳动者在劳动力市场中的占比较小，这种稀缺性决定了其价格较为高昂。为了获得高人力资本劳动者，企业不仅需要付出较大的搜寻成本，还要与其签订长期且固定的雇佣合同，这使得雇佣成本和解雇成本双双提升26。与之相对的是，灵活用工模式主要针对的是低人力资本劳动者。由于这类劳动者的规模庞大且价格低廉，企业无须承担过高的用工成本，因而有很强的激励持续采用灵活用工模式27。不过，过度使用低人力资本劳动者会对高人力资本劳动者产生“挤出”效应，也即降低企业人力资本水平，这将使企业缺乏开展自主创新活动的动力。另一方面，虽然企业可以通过先雇佣低人力资本劳动者再对其进行培训的方式来提升企业人力资本水平，但对劳动者进行培训会提高企业的人力资产专用性28。由于接受培训的劳动者很难改为他用，因而企业对劳动者是否进行人力资本投资的决策往往比较谨慎。特别是在企业大量使用灵活用工的情况下，由于劳动力在企业间快速流动，因而对其进行培训会增加企业人力资产价值降低的风险29。因此，企业缺乏动力对灵活就业人员进行培训，从而难以提升企业人力资本水平。综上所述，当企业使用灵活用工模式时，其对劳动力要素的配置重心在于增加数量而非提升质量，这使其不倾向于从劳动力市场中引进高人力资本劳动者来代替低人力资本的灵活就业人员，从而降低企业人力资本水平，进而会弱化通过采取积极的研发投入决策来提升自主创新能力的动力。故提出如下假设。H1a灵活用工模式对企业研发投入具有抑制效应。H1b灵活用工模式会降低企业人力资本水平，进而抑制企业研发投入。1.2组织特征的调节作用在灵活用工模式下，劳动者与企业之间的劳动关系无法被现有法律所认定，这使得劳动者难以被既有的权益保障体系所覆盖，由此会产生较大的权益保障风险。因此，对灵活就业人员提供劳动保护显得尤为重要，但其意义不仅仅在于贯彻追求社会公平的价值理念，同时也是激励企业创新的有效机制。这是因为如果劳动者得到雇主所作出的工作保障承诺，或者享受雇主提供工资以外的物质福利，那么其对企业的忠诚度会显著提升，也更有动力参与需要长期投入自身资源的创新活动10。不过，由于当前灵活就业群体难以获得既有的法律体系所提供的劳动保护，因而作为与劳动者直接发生互动的企业所提供的劳动保护至关重要。本文认为企业对包括灵活就业群体在内的劳动者的保护力度与企业自身的规模以及企业所构建的权益保障机制存在密切联系，其作用机理如下。一方面，尽管所有企业都必然承受一定的用工成本，但承受能力取决于自身的经济实力。对于经济实力较强的大企业而言，其有能力承担因与劳动者签订长期固定合同所产生的用工成本。即使大企业根据自身需求以及市场环境变化采取了灵活用工模式，由于其更重视在社会舆论中的形象和声誉，加之拥有较强的经济实力，因而能够对劳动者提供较强的劳动保护。此外，企业对劳动保护法律的遵守程度是由劳动保护部门对企业的监督成本以及企业违反劳动保护法律的惩罚成本共同决定的16。与小企业相比，知名度更高的大企业是劳动保护部门重点关注的对象，加之遭受政府处罚会使大企业的舆论形象受到严重损害，因而其更有动力落实劳动保护法律。相关的调研结果也证实了这一点，也即灵活就业群体89研究与发展管理第 36 卷在大企业中获得的劳动保护较为充分，但在小企业中常常遭遇收入低、长时间工作、社会保险覆盖率低等问题30。因此，对于被大企业雇佣的灵活就业人员而言，其获得的劳动保护较为充分，这使其有较强的动力参与高风险的创新活动，进而为企业扩大研发投入提供激励。故提出如下假设。H2随着企业规模的扩大，灵活用工模式对研发投入的抑制效应会逐渐减弱。另一方面，向劳动者提供劳动保护不仅需要依靠雇主的自发行动，而且离不开特殊的权益保障机制的支持，而工会发挥的作用尤为关键。工会可以充当集体谈判机制来增强劳动者的谈判能力，从而使劳动者的诉求获得管理层的重视并予以积极回应，最终发挥保护劳动者权益的作用 31。与西方国家不同的是，中国是以立法的方式对工会保护劳动者权益的职责做出明确规定。根据 中国工会章程 规定，工会的基本职责是“维护职工合法权益、竭诚服务职工群众”。在劳动保护法律体系尚不健全的情况下，工会具有监督雇主保护劳动者权益的合法地位，并且相关的研究证实了工会对灵活就业群体发挥了显著的劳动保护效果 17。需要指出的是，虽然工会所提供的劳动保护仅适用于加入工会的劳动者，但加入工会的门槛较低，因而灵活就业人员同样拥有成为工会会员的资格。对于工会会员而言，其拥有的一项重要权利是“在合法权益受到侵犯时，要求工会给予保护”。这意味着取得工会会员身份可以使劳动者尤其是灵活就业群体合法地寻求工会保护，使其合法权益得到一定程度的保障 32。不过在加入工会后，劳动者能否真正获得来自工会的劳动保护取决于工会的维权实践。研究表明，工会在维护员工权益上的行动表现越积极，企业越容易形成积极的劳动关系气氛 33，并且员工的幸福感更强 34。因此，在企业构建以工会为代表的权益保障机制并且能够保证工会正常运作的情况下，灵活就业群体可以通过加入工会来获得劳动保护，劳动关系也将趋于稳定，从而激发该群体参与企业创新活动的意愿和能力，最终促使企业采取更加积极的研发投入决策。故提出如下假设。H3企业工会可以削弱灵活用工模式对研发投入的抑制效应。综上所述，本文所构建理论模型如图1所示。2 研究设计 2.1数据来源本文使用的数据来自“中国企业雇主雇员匹配追踪调查”（以下简称“雇主雇员匹配调查”）。该调查由中国人民大学劳动人事学院主持设计和实施，包含了企业、雇主和雇员的详细信息，调查范围覆盖东部、中部、西部和东北的6个大中型城市（北京、上海、广州、成都、沈阳和西安）。由于本文重点关注“十三五”期间（20162020年）的企业研发投入问题，加之“雇主雇员匹配调查”在这一时期开展了两轮（2017和2019年），故使用两期数据进行分析。其中，2017年调查了300家企业，2019年调查了303家企业。考虑到研发投入决策是由企业管理者所制订，故本文主要使用雇主及其所在企业的相关信息。在剔除变量含有缺失值的样本后，纳入实证分析的企业的样本量为573。为避免极端值对回归结果的影响，需要对连续变量进行缩尾处理（上下1%）。中国工会章程 规定：“以工资收入为主要生活来源或者与用人单位建立劳动关系的体力劳动者和脑力劳动者都可以加入工会为会员。”图1理论模型Fig.1Theoretical model90第 2 期柳建坤等：灵活用工模式与企业研发投入2.2变量测量2.2.1被解释变量研发投入强度本次调查向雇主询问了上一年度企业在研发活动上的总支出（RD）以及营业收入（RE）（单位均为万元）。参考通行的指标构建方法35，本文采用企业研发总支出与全年营业收入之比（RDD）来测量研发投入强度。2.2.2解释变量灵活用工模式本次调查向雇主详细询问了与员工签订的合同类型及其人数。具体而言，用工合同包括无固定期限劳动合同、固定期限劳动合同、劳务派遣合同以及完成一定工作任务为期限的劳动合同和其他形式合同5种。参考国外文献的指标构建方法9，并根据中国法律和规章对于灵活用工的界定，本文将后3类合同归为灵活用工模式，并将与企业签订这类合同的员工数进行加总，以此来衡量灵活用工规模（EMF）。在此基础上，本文构建了灵活用工深度（EMR）变量，它由灵活就业员工数与企业总员工数之比来测量。2.2.3中介变量企业人力资本劳动力的技能水平通常是由学历水平反映出来的，高学历员工所从事的工作对技能的要求更高。因此，参考已有文献的做法36，本文使用高学历员工在企业总员工中的占比来测量企业人力资本水平。本次调查向雇主询问了雇员的学历构成情况，包括初中及以下、高中、中专或技校、大专或高职、本科和硕士及以上5个层级。本文将本科及以上学历的员工视为高学历员工，进而计算其与企业总员工数之比，从而将高学历员工占比（ME）作为企业人力资本的代理变量。2.2.4调节变量企业规模和企业工会一方面，参考已有文献的做法37，本文使用企业总员工数作为企业规模（ME）的代理变量，并将其自然对数纳入统计模型中；另一方面，本文使用3个指标对企业工会进行测量。企业设立工会（MU），其编码方式为：1=是，0=否。工会成员占比（MR）。基于雇主问卷中的企业工会成员数量信息，本文计算了工会成员数量与企业总员工数之比来刻画该指标。工会维权效果（MP）。本次调查向雇员询问了工会保护员工权益的情况，其在雇员问卷中对应的题项为“您认为本企业工会维护员工权益的情况是？”，答案赋值方式为：1=非常差，2=比较差，3=一般，4=较好，5=非常好。据此，本文将同属于一家企业的雇主对工会维权效果的评价加总并取均值，以作为企业层面的工会维权效果的测量指标。2.2.5控制变量本文选取的控制变量涉及雇主、企业和地区3个层面。雇主特征变量包括雇主性别（EG，为虚拟变量，男性编码为 1，女性编码为 0）、雇主年龄（EA，为问卷调查年份减去企业家的出生年份）和雇主学历（EE，为虚拟变量，本科及以上学历编码为1，本科以下学历编码为0）。企业特征变量包括企业年龄（FA，为问卷调查年份减去企业的注册年份）、企业所有制（FO，为虚拟变量，公有制企业（国有控股企业和集体控股企业）编码为1，非公有制企业（私人控股企业、港澳台商控股企业和外商控股企业）编码为0）、企业工资水平（FW，为企业上年度基本工资总额，单位：万元，并将其自然对数纳入模型）、企业社会保障水平（FS，为企业上年度在养老、医疗、失业、工伤和生育5类社会保险项目上的总额，单位：万元，将其自然对数纳入模型）和企业从事的行业（IND，根据调查提供的19个行业选项，重新编码为18个虚拟变量）。地区特征变量为企业所在城市（CITY，以北京市为参照组，生成5个虚拟变量）。另外，本文在统计模型中加入年份变量（YEAR，以2017年为参照组，生成1个虚拟变量），以对时间固定效应加以控制。2.3模型设定为探究灵活用工模式对企业研发投入强度的影响，本文建立企业研发投入强度关于灵活用工的规模和深度的反应函数，计量模型设定如下。RDDit=+1EMit+1Controlit+i（1）其中：RDDit表示企业i在t年的研发投入强度，即研发总支出与营业收入之比；EMi表示企业i在t年使用灵活用工模式的规模和深度；Controlit为一组包括雇主特征、企业特征、地区特征的变量以及年份变量；i是随机扰动项。1是本文最关心的回归系数，即如果该系数小于0且在统计上显著，则说明灵活用工模式对企业研发投入强度有负向影响。劳动合同法 对“劳务派遣用工”“非全日制用工”有明确的规定。91研究与发展管理第 36 卷3 数据分析结果 3.1描述性分析表1展示了主要变量的基本统计量。在20172019年，受访企业研发投入支出平均为856.31万元，研发投入强度的均值为0.04，即企业研发投入占年度营业收入的占比为4%。这一结果与欧盟委员会对中国企业研发投入强度的测算结果基本一致，这表明“十三五”期间中国企业确实存在研发投入强度偏低的问题。此外，受访企业使用的灵活用工人数平均为89人，其在企业总员工中的占比为17%。在受访企业中，28%的员工拥有本科及以上学历。受访企业的平均员工人数为407。有58%的受访企业设立了工会，参加工会的员工在企业总员工中的占比约为38%，员工对工会维权效果的评价介于“比较差”和“一般”之间。从雇主特征来看，85%的雇主为男性，雇主的平均年龄接近53岁，拥有本科及以上学历的雇主占比约为80%。从企业特征来看，受访企业的平均成立年限接近16年，30%的受访企业属于公有制企业，企业上年度为员工支付的基本工资和社会保障费用分别为3 677.8万元和8 204.76万元。上述变量的相关系数分析结果显示，灵活用工深度（EMR）与研发投入强度（RDD）在1%水平上显著正相关；企业人力资本水平（ME）不仅与研发投入强度（RDD）存在显著的正相关关系，也与灵活用工深度（EMR）存在显著的负相关关系。3.2基准回归在表2中，模型1和模型3仅加入控制变量，模型2和模型4纳入核心解释变量。模型2和模型4的结果显示，灵活用工规模（EMF）和灵活用工深度（EMR）的系数均为负，且至少在5%的水平上显著。这说明灵活用工的规模和深度都与企业研发投入强度之间存在显著的负相关关系。此外，比较模型2和模型4后可以发现，与灵活用工规模（EMF）相比，灵活用工深度（EMR）的系数绝对值更大，并且显著性水平更高。这表明灵活用工深度这一指标的效度更高，对企业研发投入强度变化的解释力更好。H1a得到验证。限于篇幅，具体结果未展示。表1主要变量的描述性统计Tab.1Descriptive statistics of main variables变量RDRERDDEMFEMRMEMSMUMRMPEGEAEEFAFOFWFS均值856.3180 975.260.0488.600.170.28406.600.580.382.300.8552.570.8015.860.303 677.808 204.76标准差4 746.44500 204.220.09405.580.290.271 076.180.490.440.520.3610.210.4012.960.4642 096.36153 225.54样本量57357357357357357357352157239957357357357357357357392第 2 期柳建坤等：灵活用工模式与企业研发投入本次调查向雇主询问了其是否与员工签订劳务派遣合同以及签订这类合同的原因。结果显示，关于企业为何与员工签订劳务派遣合同，排名前3位的原因为“临时性用工”“减少用工成本”“减少用工风险”，占比分别为50%、42%、41%；而选择“专业技能需求”的企业最少，比例不到20%。由此可见，受访企业之所以使用灵活用工模式，主要动机是节省用工成本，并非让该群体承担引领企业创新的职能，这也是造成灵活用工模式难以激励企业创新的重要原因。本文以模型4为基准对控制变量的结果进行解释。雇主性别（EG）的系数在10%水平上显著为正，这说明与男性雇主相比，女性雇主所在企业的研发投入强度更小；企业所有制（FO）的系数在5%水平上显著为负，这意味着公有制企业比非公有制企业的研发投入强度更低。这一发现与此前的研究结果基本吻合37；企业的工资水平（FW）和社会保障水平（FS）是企业用工成本的集中体现。上述2个变量的系数不在统计上显著，这说明用工成本与企业研发投入的关系较为微弱。3.3稳健性检验3.3.1处理内生性偏误灵活用工模式与企业研发投入可能存在互为因果的内生性问题。因为随着企业加大研发投入力度，为了获得较高的创新绩效，其对高人力资本劳动者的需求会增加，并且与其建立标准劳动关系，从而降低企业对灵活用工的依赖程度。本文采取工具变量法处理上述问题。具体而言，借鉴已有文献采用“省级企业工会密度”作为单个企业工会的工具变量这一做法38，以城市层面的企业灵活用工模式使用率（CR）作为单个企业的灵活用工深度的工具变量，其构建思路为：先计算灵活就业人员数大于0的企业数量，再计算其与每个城市中的全部企业之比。该工具变量满足了相关性和外生性两个条件：一方面，当本地越来越多的企业使用灵活用工模式时，其他企业的相对用工成本会增加，从而促使企业使用灵活用工模式；另一方面，对于单个企业而言，其他企业是否使用灵活用工模式并不会直接对其在研发活动上的投入水平产生影响。表3显示了采用工具变量法估计的结果。第一阶段回归的结果如模型1所示，城市失业人数（CR）的系数显著为正，这说明某一城市内部灵活用工模式使用率越高，单个企业使用灵活用工的深度会增加。从诊断指标上看，第一阶段回归估计的F值大于10%偏误水平下的临界值（16.38），可以拒绝弱工具变量假设，这表明不存在弱工具变量问题。模型2的IV-2SLS回归结果显示，在使用工具变量的情况下，解释变量（EMR）的系数仍然显著为正，这表明在处理内生性问题后，灵活用工深度对企业研发投入强度产生抑制效应。表2灵活用工模式对企业研发投入强度的影响：基准回归结果Tab.2Impact of flexible employment on R&D investment intensity：the results of benchmark regression变量EMFEMREGEAEEFAFOFWFSINDCITYYEAR常数项样本量Adj.R2FRDD模型10.016*（1.788）-0.000（-0.054）-0.010（-0.774）-0.000（-0.874）-0.020*（-2.455）0.001（0.419）0.001（0.644）YESYESYES0.034（1.018）5730.0382.170模型2-0.004*（-2.569）0.016*（1.815）0.000（0.041）-0.012（-0.860）-0.000（-0.915）-0.018*（-2.304）0.002（1.025）0.001（0.444）YESYESYES0.035（1.047）5730.0442.040模型30.016*（1.788）-0.000（-0.054）-0.010（-0.774）-0.000（-0.874）-0.020*（-2.455）0.001（0.419）0.001（0.644）YESYESYES0.034（1.018）5730.0382.170模型4-0.031*（-3.312）0.017*（1.850）-0.000（-0.019）-0.012（-0.890）-0.000（-1.021）-0.018*（-2.305）0.002（0.887）0.000（0.012）YESYESYES0.043（1.269）5730.0462.240注：*、*、*分别表示在10%、5%、1%水平上显著；括号内的数值为t值；下表同。93研究与发展管理第 36 卷3.3.2处理样本选择偏差为了纠正样本选择偏差（sample selection bias）可能对基准回归结果造成的偏误，本文采用倾向得分匹配法对基准回归结果进行纠正。在操作层面，本文将灵活用工深度转换为虚拟变量，操作化思路如下：如果灵活用工人数占比大于或等于75%，则视为高强度灵活用工，赋值为1；如果灵活用工人数占比小于75%，则视为低强度灵活用工，赋值为0。基于此，本文将全部样本区分为处理组（高强度灵活用工企业）和对照组（低强度灵活用工企业）两个子样本。接着，使用Logit模型估计样本企业进入处理组的倾向值，再将倾向值在同一取值范围内的样本企业进行匹配。匹配方法包括最近邻匹配（1 1配比）、半径匹配（半径为0.01）和核匹配（使用默认的核函数和带宽）。平衡性检验结果显示，在匹配之后，处理组与对照组的协变量之间的偏差大幅缩小，处理组与对照组的协变量达到了平衡性要求，表明匹配效果较好。表4报告了采用3种匹配方法计算的ATT（average treatment effect on the treated）结果。可以看到，ATT在全部模型中的取值均小于0，且均在5%水平上显著。这说明在各方面基本相似的情况下，灵活用工模式使用强度高的企业在研发活动的投入水平显著低于灵活用工模式使用强度低的企业。因此，在处理了样本选择偏差后，灵活用工模式仍对企业研发投入强度产生抑制作用。3.3.3替换变量本次调查还向雇主询问了企业是否使用劳务派遣人员的情况，故本文以“使用劳务派遣人员”（LCT）作为灵活用工模式的代理变量。回归结果表明，使用劳务派遣人员会显著降低企业研发投入强度。此外，本次调查还询问了企业使用非灵活用工模式的情况，也即企业是否与员工签订无固定期限劳动合同和固定期限劳动合同。基于此，本文将签订这两类合同的人数加总，进而计算了其与企业总员工数之比，由此构建了“非灵活用工深度（EML）”指标。回归结果表明，非灵活用工模式对企业研发投入强度具有促进作用。这与灵活用工模式产生的抑制效应形成鲜明对比，因而可以确定灵活用工模式降低企业研发投入强度的结论是稳健的。限于篇幅，具体结果未展示。3.3.4更换模型虽然样本企业的研发投入强度最小值大于0，但谨慎起见，本文仍使用Tobit模型进行回归分析。结果显示，灵活用工规模（EMF）和灵活用工深度（EMR）的系数仍在统计上显著为负。此外，与灵活用工规模（EMF）相比，灵活用工深度（EMR）的系数值更大，并且显著性水平更高。因此，基于OLS模型获得的研究结论具有稳健性。限于篇幅，具体结果未展示。限于篇幅，未在正文中展示平衡性检验的结果，有兴趣请联系作者。表3工具变量法估计结果Tab.3Estimated results of instrument variable变量EMRCR控制变量常数项第一阶段F值样本量EMR模型10.383*（18.476）YES0.165*（1.805）469.059573RDD模型2-0.032*（1.710）YES0.041（1.260）573注：控制变量包括EG、EA、EE、FA、FO、FW、FS、IND、CITY、YEAR；下表同。表4倾向值匹配结果Tab.4Estimated results of propensity score匹配方法最近邻元匹配半径匹配核匹配ATT-0.035*-0.019*-0.015*标准误0.0140.0080.008t值-2.57-2.33-2.0294第 2 期柳建坤等：灵活用工模式与企业研发投入3.4异质性分析对于不同特征的企业而言，灵活用工模式对研发投入强度的抑制作用可能存在差别。行业性质和所有制性质是本文最关注的企业特征。一方面，注重研发活动的企业大多为高新技术产业，其所在行业具有资本和技术密度高的特点。因此，借鉴已有文献根据要素密集程度构建的行业划分标准39，本文将样本企业所在行业区分为资本技术密集型行业和劳动密集型行业，再将属于这两大类行业的企业分别归为“高新技术企业”和“非高新技术企业”。表5的前两列为针对上述两个子样本进行回归的结果。可以看到，灵活用工深度（EMR）的系数仅在模型2中显著为负，这说明灵活用工模式对高新技术企业的研发投入强度产生更强的抑制效应。之所以出现这一现象，可能与两类行业对企业人力资本的要求程度不同有关。对于高新技术企业而言，由于创新能力是维持组织生存和发展的关键，因而其需要在创新活动中持续投入资源，尤其是对高人力资本劳动力具有强烈需求。由于灵活用工模式仅能为企业提供成本较低的低人力资本劳动力，因而其难以满足高新技术企业对于高人力资本劳动力的需求，从而使企业创新活动受到干扰。相比之下，非高新技术企业对开展创新活动的需求较低，更多是通过配置数量庞大的低人力资本劳动力来维持组织的运转，因而采用灵活用工模式对研发投入的影响较弱。另一方面，与公有制企业相比，非公有制企业与政府联系的紧密程度较弱，这使得其常常面临较大的资源约束甚至是行政干预，从而影响其对创新活动的投入水平。鉴于此，本文根据所有制类型将样本企业划分为“非公有制企业”和“公有制企业”两大类，并将分类样本回归的结果呈现在表5的第3、4列。结果显示，灵活用工深度（EMR）的系数仅在模型3中显著为负，这说明灵活用工模式对企业研发投入强度的抑制作用仅存在于非公有制企业。这一现象发生的原因可能有两个：其一，公有制企业对于劳动法律的遵守程度更高，其与员工的劳动关系主要通过正式合同建立，灵活就业人员的占比较小，因而灵活用工模式对企业创新活动的影响微乎其微；其二，公有制企业凭借与政府的密切联系可以获得充足的资源，这种资源优势保证了创新活动的顺利展开，并且可以补偿因使用灵活用工模式而对研发投入的负面影响。3.5机制分析本文首先采用逐步回归法构建中介效应的检验模型，如表6的Panel A所示。模型2的结果显示，解释变量（EMR）的系数在1%水平上显著为负，这表明灵活用工模式对高人力资本劳动者具有“挤出”效应，也即会降低企业人力资本水平。在模型3中，中介变量（ME）的系数在1%水平上显著为正，这说明高学历员工对企业研发投入强度具有激励作用。更为重要的是，与模型1相比，解释变量（EMR）在模型3的系数大幅下降，并且统计显著性消失。由此可以初步判断企业人力资本水平下降是灵活用工抑制企业研发投入的作用机制。进一步地，本文采用KHB方法进行中介效应检验，以准确估计中介变量的效应并测算贡献率，其结果呈现在表6的Panel B中。结果显示，当纳入中介变量（ME）后，解释变量（EMR）的直接效应明显下降，从而产生了较大的间接效应，其贡献率高达82.1%，并且在1%水平显著。这表明企业人力资本确实在灵活用工模式抑制企业研发投入的过程中发挥着重要作用。H1b得到充分验证。表5异质性检验结果Tab.5Results of heterogeneity test变量EMR控制变量常数项样本量Adj.R2FRDD非高新技术模型10.009（0.628）YES0.021（0.687）1890.0901.290高新技术模型2-0.046*（-4.139）YES0.034（0.829）3830.0652.250非公有制模型3-0.039*（-3.020）YES0.031（0.575）3990.0641.470公有制模型4-0.008（-0.719）YES0.008（0.232）1740.1862.28095研究与发展管理第 36 卷3.6调节效应分析在考察了灵活用工模式与企业研发投入强度的关系后，本文进一步探究上述关系所受到的调节效应。表7的前3列报告了针对企业规模这一调节机制的检验结果。在模型1中，灵活用工深度与企业规模的交互项（EMR MS）在1%水平上显著为正。此外，参考已有文献的做法37，将企业规模的测量指标替换为企业营业收入（MI）和企业固定资产（MF）。模型2和模型3的结果显示，上述两个新指标与企业规模的交互项仍在统计上显著为正。这说明企业规模会显著削弱灵活用工模式对企业研发投入的抑制效应。H2得到验证。表7的后3列报告了针对企业工会这一调节机制的检验结果。在模型4和模型5中，灵活用工深度与企业工会的交互项（EMR MU），以及灵活用工深度与工会成员占比的交互项（EMR MR）的系数均为表7调节效应检验结果Tab.7Test results of moderating effects变量EMRMSMIMFMUMRMPEMR MSEMR MIEMR MFEMR MUEMR MREMR MP控制变量常数项样本量Adj.R2FRDD模型1-0.109*（-3.108）-0.018*（-4.211）0.016*（2.655）YES0.083*（2.263）5730.0632.270模型2-0.102*（-3.100）-0.009*（-3.233）0.008*（0.003）YES0.076*（1.991）5720.0652.120模型3-0.070*（-2.399）-0.004（-1.200）0.008*（1.938）YES0.030（0.657）3890.0421.850模型4-0.043*（-2.493）-0.020（-1.