“双碳”背景下企业研发投入对绩效的影响.pdf

110 2023年第5期总 第 2 1 8 期在“双碳”背景下，汽车行业正处在智能化转型的关键期，研发成为企业创新发展的主要推动力，应重视智能和新能源领域，加大研发投入，以适应汽车行业的发展。关于研发投入对企业绩效的影响研究中，不同研究人员认为根据影响性质的不同，研发投入对绩效有正向或负向的影响。早在1994年，Sougiannis就发现，研发投入每增加1元，未来7年内企业年平均收益就会增加2元1。冯琛通过对比华为和苹果两家高科技公司，研究认为连续研发可以让企业在市场环境中拥有竞争优势2。李园园分析了2013-2016年世界品牌实验室发布的 中国500最具品牌价值排行榜 中A股上市公司的数据，发现研发可以正向促进技术创新，提高品牌价值3。Muoz-Bulln F以27 438家西班牙制造企业为研究对象，研究了内部研发活动和外部研发活动，发现均可以正向影响创新绩效4。刘志强利用面板数据固定效应模型，得出企业研发投入促进企业的创新绩效5。尹娜以2019-2022年中国汽车零部件制造公司为研究对象，通过因子分析、相关性分析和线性回归分析得出研发投入能促进企业绩效，且该促进作用具有滞后性的结论6。一、研究设计（一）样本选择与确定根据中国汽车工业协会公布的2022年1-9月基金项目：辽宁省社科联项目“企业社会责任营销对消费者行为的影响机制研究”（2021lslhzyb-06）；辽宁省教育厅项目“基于CSR视角的企业善因影响对消费者行为的影响机制研究”（LJKR0561）“双碳”背景下企业研发投入对绩效的影响刘 丽1 陈奕冰2 刘 丹3（1.辽宁科技大学 创新创业学院 辽宁 鞍山 114051；2.辽宁科技大学 工商管理学院 辽宁 鞍山 114051；3.鞍山师范学院 应用技术学院 辽宁 鞍山 114014）摘要：随着“双碳”战略的实施，绿色低碳成为汽车产业发展的重点方向，加大研发投入或提升企业创新能力，进而改善企业绩效。以上汽集团为研究对象，将其研发投入和企业绩效相结合，借助多元回归分析方法，发现利润总额、研发投入、资本化研发投入、企业规模、资本结构、现金实力等变量，得出研发投入对企业绩效有显著的正向影响。由于研发滞后性的原因和企业升级转型的关系，研发投入强度和资本化研发投入对企业绩效存在负向影响。关键词：“双碳”；研发投入；企业绩效；上汽集团中图分类号：F275.5 文献标识码：A 文章编号：1007-0958（2023）（05）-110-06 111 2023年第5期总 第 2 1 8 期汽车行业总体运行数据显示，无论是从汽车销量，国产汽车销量，整车销量和出口量来看，上汽集团都处于行业龙头地位。从市场集中度上看，上汽集团1-9月销量最高，为369.2万辆，同比增长4.1%，所占市场份额为19%。一汽集团排名第二，销量为242万辆，同比减少6.1%，所占市场份额为12.4%。东风集团排名第三，销量为221.7万辆，同比减少7.1%，所占市场份额为11.4%7。2022年9月，在整车出口的前十位企业中，上汽的出口量最多，出口量达9.9万辆，同比增长54.3%，占总出口量的33%，但与上年相比，比亚迪出口增速最为显著，出口量达0.8万辆，同比增长达到4.6倍7。上海汽车集团股份有限公司（简称“上汽集团”，股票代码600104）是国内整车产销规模最大、产业链综合竞争力最强的汽车上市公司，围绕国家“双碳”战略目标构建“双循环”新发展格局，不仅在新能源汽车销量、整车出口、经营质量等方面继续领跑国内汽车行业，而且在全球市场的品牌影响力和体系竞争力也在持续提升。整车销量已连续16年保持国内第一，新能源汽车销量位居全球第一阵营。基于以上数据，把上汽集团作为研究对象，深入剖析研发投入对于企业绩效的影响。（二）数据来源与分析工具样本及数据来源于上汽集团官网（https:/ 112 2023年第5期总 第 2 1 8 期表2变量基本描述统计分析YX1X2X3X4X5X6 Mean447.6510112.96901.4910003.8600008.70100055.411004.071000Median421.2350102.35501.2800003.5300008.79000061.295004.580000Maximum543.4400205.95002.71000010.500009.13000066.280006.180000Minimum358.920052.870000.9400000.0000008.0600004.4100001.150000Std.Dev.62.8548450.804680.5418783.6426610.39241318.352421.775015Skewness0.4694300.4341381.2781850.681250-0.391258-2.442300-0.428278Kurtosis1.9556342.0364103.5255222.4443841.6852997.4004821.703478Jarque-Bera0.8217330.7010032.8380000.9021300.97532018.009811.006107Probability0.6630760.7043350.2419560.6369490.6140620.0001230.604682Sum4476.5101129.69014.9100038.6000087.01000554.110040.71000Sum Sq.Dev.35556.5823230.042.642690119.42081.3858903031.30328.35609Observations101010101010101.49，中值1.28，最大值2.71，最小值0.94，标准差0.54，偏度1.28，峰度值3.53。研发投入强度（x3）平均值3.86，中值3.53，最大值10.5，最小值0，标准差3.64，偏度0.68，峰度值2.44。研发投入强度（x4）平均值8.7，中值8.79，最大值9.13，最小值8.06，标准差0.39，偏度-0.39，峰度值1.69。研发投入强度（x5）平均值55.41，中值61.3，最大值66.28，最小值4.41，标准差18.35，偏度-2.44，峰度值7.4；研发投入强度（x6）平均值4.07，中值4.58，最大值6.18，最小值1.15，标准差1.78，偏度-0.42，峰度值1.73。二、实证分析（一）建立多元回归分析模型1.散点图散点图是用来表示两个变量之间的关系，包括关系的强度和趋势，通过观察散点图中点的分布情况，可以大致判断两个变量之间是否存在某种关系或总结坐标点的分布模式。研发投入和研发投入强度、研发投入资本化、企业规模、资本结构、现金实力的散点图如图1所示。基于此，本文建立多元线性函数进行分析，设经济模型为y=0+1x1+2x2+3x3+4x4+5x5+6x6+2.模型求解OLS回归结果如表3.由 表2可 得 到 模 型：y=166.44+1.08x1-124.07x2-11x3+42.9x4+0.37x5-1.97x6+OLS检验结果显示R2=0.97，代表解释变量和控制变量一共可以解释被解释变量的97%，Prob(F-statistic)0.05，x1、x2、x3、x4、x5、x6的p值小于0.05或大于0.05，因此，需要对本模型进行修正。（二）模型检验及修正考虑到解释变量之间可能会存在高度相关性，在进行分析之前对各部分解释变量进行多次多重共线性检验和方差膨胀因子检验，部分检验图示见表3，修正后的回归分析见表4.113 2023年第5期总 第 2 1 8 期表3OLS参数估计VariableCoefficientStd.Errort-StatisticProb.C166.4422337.01950.4938650.6553X11.0796140.5096782.1182280.1244X2-124.071527.78996-4.4646160.0209X3-10.992232.687768-4.0897250.0264X442.9003841.547001.0325750.3778X50.3863060.4177590.9247090.4233X6-1.9688617.220599-0.2726730.8028R-squared0.972682Mean dependent var447.6510Adjusted R-squared0.918047S.D.dependent var62.85484S.E.of regression17.99374Akaike info criterion8.813952Sum squared resid971.3244Schwarz criterion9.025762Log likelihood-37.06976Hannan-Quinn criter.8.581598F-statistic17.80314Durbin-Watson stat1.984339Prob(F-statistic)0.019112图1解释变量和控制变量散点图 350375400425450475500525550406080100 120 140 160 180 200 220X1Y3503754004254504755005255500.81.21.62.02.42.8X2Y350375400425450475500525550024681012X3Y3503754004254504755005255508.08.28.48.68.89.09.2X4Y350375400425450475500525550010203040506070X5Y3503754004254504755005255501234567X6Y1.膨胀因子检验x1、x2、x3的膨胀因子（VIF）数值均小于10，表明3个变量之间不存在多重共线性。2.自相关检验由表7所示，模型DW值在2附近，不存在自相关。得出模型y=510.47+1.13x1-135.95x2-11.39x3+修正后的OLS检验结果显示R2=0.0.95，代 114 2023年第5期总 第 2 1 8 期表解释变量和控制变量一共可以解释被解释变量的95%，Prob(F-statistic)0.05，x1、x2、x3的p值均小于0.05，本模型中解释变量以及3个控制变量对被解释变量都有显著的正向或负向效应。观察Coefficient值可得，x1对Y都有显著正相关，x2、x3对Y具有显著负相关。即企业的研发投入越高企业的绩效越高，企业的研发投入强度和研发投入资本化越高企业的绩效越高。（三）结果分析研发投入对企业绩效有正向影响。研发投入金额每增加一亿元，企业绩效平均增加1.13亿元，具有显著性水平，存在正向线性相关关系。因此，应该增加研发投入使企业获得长远发展。研发投入强度对企业绩效有负向影响。研发投入强度每增加1%，企业绩效平均减少135.95亿元，有较强的负向线性相关关系。研发投入强度会对企业绩效存在滞后性影响，在未来会带给企业投资者更高的回报。研发投入资本化对企业绩效有负向影响。研发投入资本化每增加1%，企业绩效平均减少11.39亿元，表现出负向线性相关关系。这是因为汽车产业目前正处于转型升级的关键时期，上汽集团的研发投入多倾向于新能源汽车领域，但该领域正处于发展阶段，对企业绩效的增长并不显著。三、建 议（一）加大研发投入，保证技术研发可持续企业充分意识到研发投入对汽车发展的促进推动作用，以科技创新驱动汽车产业从制造到“智造”的转型升级。政府加强对汽车产业的政策支持，加大对上汽集团的研发补贴力度，激励和引导企业把更多资金投入研发活动，进一步激发企业研发投入的积极性。整合各方力量，各部门协同推进，做好研发项目归集工作，确保数据准确、完整，实现企业研发投入稳步增长，为提升企业绩效夯表4vif检验CoefficientUncenteredCenteredVariableVarianceVIFVIFC301.65529.745876NAX10.05285125.757693.966538X2523.637442.080194.470818X33.5658863.0923401.375807表5修正后回归检验结果VariableCoefficientStd.Errort-StatisticProb.C510.471717.3682229.391130.0000X11.6272660.2298937.0783620.0004X2-135.946822.88312-5.9409210.0010X3-11.387191.888355-6.0302130.0009R-squared0.947770Mean dependent var447.6510Adjusted R-squared0.921655S.D.dependent var62.85484S.E.of regression17.59320Akaike info criterion8.862077Sum squared resid1857.125Schwarz criterion8.983111Log likelihood-40.31038Hannan-Quinn criter.8.729303F-statistic36.29207Durbin-Watson stat2.199048Prob(F-statistic)0.000306 115 2023年第5期总 第 2 1 8 期实基础。（二）坚持研发资金长期投入，持续提高企业绩效研发投入是企业技术创新的重要渠道，但研发能力提升和研发投入成果转化是一个长期过程，需要持续增加研发投入，才能推动企业升级转型。同时，要加快建立多元化研发投入机制，使政府、社会资金、企业、高校和科研院所等机构共同发挥协同作用。企业以长期发展为导向，设立研发机构，提升研发能力和产品创新能力，深入挖掘新技术和新产品，加速创新成果转化，以高质量创新促高质量发展，打造智能汽车数字生态圈，实现发展共赢。（三）积极寻求外界创新合作汽车产业目前正处于转型升级关键时期，应提高研发人员的科研水平，积极寻求外界的创新合作。一方面可以通过创建激励机制增强研发人员创新积极性，引入高端型技术人才及汽车研发市场所需的关键核心技术，从根本上提升企业竞争力和绩效；另一方面，主动寻求与高校、科研院所合作，强化产学研相结合，加强成果转化，加快推动企业高质量发展。参考文献：1 SOUGIANNIS T.The accounting based valuation of corporate R&DJ.Accounting Revew,1994,69(1):44-68.2 冯琛,袁雯竹,孙绍光.技术创新对企业竞争优势的推动作用苹果与华为的对比分析J.时代经贸,2017(9):38-41.3 李园园,李桂华,张会龙.企业社会责任、技术创新与品牌价值J.中国科技论坛,2019(3):71-79.4 Muoz-Bulln F,Sanchez-Bueno M J,De Massis A.Combining internal and firmsJ.Entrepreneurship Theory and Practice,2020,44(5):996-1031.5 刘志强，卢崇煜.地区市场异质性、研发投入对企业创新绩效的影响J.科技进步与对策，2018,35（12）:99-106.6 尹娜.汽车零部件制造公司研发投入对企业绩效的影响研究J.企业改革与管理,2023(8):174-176.7 上海汽车集团股份有限公司.上汽发布半年报:营收净利双增长EB/OL.上海汽车集团股份有限公司,https:/ 王秉.以安全应急人文教育促课程思政建设N.中国应急管理报，2020-10-16（7）9 邓权龙，黄佩玉，丁厚成，等.课程思政视角下安全工程专业导论教学改革研究J.安徽工业大学学报：社会科学版，2020，37（5）：73-74.10 吴桂香，徐成林，王宇栋.安全系统工程课程思政建设探讨J.高教学刊，2021（7）：193-196.11 王淑云，雷林，杨蓉，等.核特色安全工程专业 安全法规 课程教学改革实践与探索J.产业与科技论坛，2018（17）：149-150.12 郭正超，唐鑫，闫磊.安全生产法律法规 课程思政建设的探索J.科学咨询（科技管理），2019（11）：96-97.13 赵兰明.“新工科”建设背景下地方高校应用型专业课程教学改革探索与实践以“安全生产法规”课程为例J.科教文汇，2020（3）：76-78.14 黄凌云.基于CIPP模型：大学英语课程思政成效评价研究J.教育学术月刊，2022（2）：57-63.15 关文玲，周艳，怀霞.互联网背景下 安全生产法律法规 课程思政教学改革研究J.信息系统工程，2020（11）：154-157.16 邹全乐，宋遥，刘涵，等.基于“三进”专题工作、融入思政教育的“安全法学”课程教学改革J.高教学刊，2021（5）：116-124.17 曹海艳，孙跃东，罗尧成，等.“以学生为中心”的高校混合式教学课程学习设计思考J.高等工程教育研究，2021（1）：187-19218 于杨，吕悦.新工科教师胜任力模型的建构与分析J.高等工程教育研究，2021（3）：32-38.19 薛小怀，江雨泽，朱睿陶，等.课程思政在大学生成长过程中的作用调查与分析J.高等工程教育研究，2021（I）：107-114.20 黄锐，邱文，吴超.安全工程专业课程实物化与体验式教学J.中国冶金教育，2017（2）：40-43.