- 主办单位:
- ISSN:
- 期刊分类:
- 出版周期:
- 投稿量:
- 浏览量:
相关文章
暂无数据
技术创新对企业绩效的影响研究
Research on the Impact of Technological Innovation on Corporate Performance
引言
在全球经济一体化与数字化转型浪潮中，技术创新已成为企业突破瓶颈、塑造核心竞争力的关键路径，在新兴领域与传统行业中，它都是企业构建竞争壁垒、开拓市场机遇的核心驱动力，其在现代企业管理中的战略地位日益凸显，既是企业核心竞争力的本源，也是支撑可持续发展、提升经营绩效的永恒动力，从宏观来看创新能推动企业价值增长、为宏观经济注入动能，从微观运营层面看依托创新优化资源配置是企业达成绩效目标的必要路径，二者紧密关联，但当前我国多数企业成长中仍面临诸多挑战，亟需培育大量具备创新基因的市场主体，才能实现绩效持续跃升与经济可持续发展，世界知识产权组织2023年报告显示，全球研发投入前500强企业中，技术创新投入占比超15%的企业，营收增长率较行业平均水平高出2.3倍，直观印证了二者的强关联，也让“技术创新究竟通过何种机制影响企业绩效”成为学界与业界共同关注的核心命题，传统单一维度的绩效评价体系已难以适配技术迭代加速的当下，特斯拉通过电池与自动驾驶技术创新实现盈利增长、重塑行业方向的案例，也彰显了技术创新对企业绩效的非线性驱动作用，不过现有研究虽已证实技术创新对企业绩效的正向影响，但在作用路径与边界条件上仍存争议，简单的线性关系假设难以解释不同行业、不同规模企业的差异化创新实践，本研究基于资源基础理论与动态能力理论，构建“技术创新投入—创新能力转化—绩效提升”分析框架，探讨技术创新通过产品、流程创新等中间变量影响企业绩效的路径，以及内外部因素的调节作用与数字经济、绿色发展背景下的新特征，以期为企业创新战略制定、政府优化创新激励政策提供参考。
一、理论分析和研究假设
资源基础理论认为，企业是由一系列独特资源和能力构成的集合体，异质性资源是企业获取竞争优势的源泉。技术创新所产生的新技术、新工艺、新产品等，本质上就是企业的核心异质性资源。以华为为例，其在5G通信技术领域持续投入研发，积累了大量专利技术，这些技术资源不仅帮助华为在全球通信设备市场占据领先地位，还通过技术授权、设备销售等方式转化为高额营收，显著提升了企业的财务绩效。同时，先进的技术资源也能增强企业在人才吸引、品牌塑造等方面的软实力，进一步巩固市场地位，实现市场绩效的提升。
创新扩散理论指出，创新成果从产生到被市场接受存在特定的扩散过程。企业开展技术创新后，新产品或新技术通过不同渠道向市场传播，随着采用者数量的增加，企业的市场份额逐步扩大。苹果公司推出的iPhone系列产品，凭借触摸屏、智能操作系统等技术创新，重新定义了智能手机标准。随着该产品在全球范围内的扩散，苹果公司的市场占有率不断攀升，企业绩效得到极大改善。并且，技术创新的扩散速度和范围，会直接影响企业获取超额利润的周期，扩散越快、范围越广，企业越能快速实现规模经济，降低生产成本，提高生产效率，从而提升绩效。
交易成本理论为技术创新与企业绩效的关系提供了另一维度的解释。技术创新能够优化企业的生产和交易流程，降低交易成本。例如，企业通过引入自动化生产技术，减少人工干预，降低生产过程中的沟通成本和监督成本；利用区块链技术进行供应链管理，提高信息透明度，降低信息不对称导致的谈判成本和违约风险。当企业能够有效利用技术创新降低交易成本时，利润空间得以拓展，企业绩效自然提高。
然而，技术创新对企业绩效的影响并非绝对正向，还受到多种因素调节。从企业内部来看，组织学习能力至关重要。具备较强学习能力的企业，能够快速吸收创新成果中的知识，并将其转化为实际生产力。像比亚迪，凭借强大的组织学习能力，在新能源汽车电池技术和整车制造技术上不断突破，将创新知识高效转化，实现企业绩效的持续增长。从外部环境而言，市场竞争程度、政策支持力度等都会影响技术创新对企业绩效的作用效果。在高度竞争的市场中，企业需要加快技术创新步伐以脱颖而出；而政府的税收优惠、研发补贴等政策，能为企业技术创新提供资金支持，助力企业将创新成果转化为绩效增长。
基于此，本文提出假设H1：
H1：企业技术创新与企业绩效呈正相关关系，即企业技术创新能力上升能够提高企业绩效。
二、研究设计
（一）样本选择与数据来源
本研究选取2017-2022年上海证券交易所上市的所有企业作为研究样本，数据主要来源于国泰安数据库以及国家知识产权局。为保证数据的可靠性和有效性，对样本数据进行了如下处理：剔除ST、*st类企业样本，这类企业财务状况异常，可能会影响研究结果的准确性；对连续变量进行winsor2（199）缩尾处理，以消除极端值对研究结果的影响；剔除变量缺失值，最终获得20566个观测值。
（二）变量定义与选择
1.被解释变量
企业绩效，本文参考杨雨萌年处理方法，使用净资产收益率（ROE）作为衡量指标。ROE衡量了股东权益的收益水平，计算公式为净利润/平均净资产×100%。
2.解释变量
技术创新（INN），参考冀云阳等的做法，使用企业当年申请专利中的发明与实用新型之和加一取对数来衡量企业技术创新程度。其数值越大，表明企业对技术创新的重视程度越高，技术创新能力可能越强。
3.控制变量
选取了一系列可能影响企业投资收益的变量作为控制变量。包括资产负债率（lev），反映企业的偿债能力和财务风险，计算公式为负债总额/资产总额×100%，财务风险的高低会对企业的投资决策和经营绩效产生影响；总资产增长率（growth），反映企业成长能力和市场竞争力，计算公式为企业本年资产增长额/同年初资产总额×100%，较高的总资产增长率通常能够吸引更多投资者的关注 and 投资；流动资产周转率（ct），反映企业的营运能力，计算公式为销售收入/平均流动资产总额×100%，企业在评估投资项目的可行性时，需要考虑其对流动资产周转率的影响。
（三）模型设计
为了检验技术创新对企业绩效的影响，本文设定模型如下所示：
其中PEFit为企业i在t年的绩效，INNit为企业i在t年的技术创新程度，Controlsit为控制变量，μi、λt表示企业、年份固定效应，εit代表随机误差项。
三、实证分析
（一）多重共线性检验
多重共线检验结果表明，各变量的方差膨胀因子（VIF）均处于可接受范围，不存在严重的多重共线问题，这为后续回归结果的可靠性提供了保障。
| Variable | VIF | 1/VIF |
|---|---|---|
| INN | 2.40 | 0.416346 |
| LEV | 4.36 | 0.229507 |
| GROWTH | 1.25 | 0.800193 |
| CT | 2.95 | 0.338938 |
| MeanVIF | 2.74 | - |
（二）基准回归分析
表2列（1）为不加入控制变量时的回归结果，INN的系数为0.007，且1%的水平下显著。列（2）为加入控制变量时的回归结果，INN的系数为0.006，在1%的水平上显著，这意味着技术创新对企业绩效有显著的正向影响。基于此，本文研究假设成立。
| 变量 | (1) | (2) |
|---|---|---|
| ROE | ROE | |
| INN | 0.007*** | 0.006*** |
| (4.399) | (4.051) | |
| LEV | -0.652*** | |
| (-43.720) | ||
| GROWTH | 0.125*** | |
| (31.196) | ||
| CT | 0.055*** | |
| (14.838) | ||
| _cons | 0.078*** | 0.215*** |
| (17.198) | (26.773) | |
| N | 20566 | 20566 |
| 注：***p<0.01,**p<0.05,*p<0.1。 | ||
（三）稳健性检验
1.替换被解释变量
通过对roa进行回归检验，结果显示技术创新（INN）依然对roa有显著正向影响，显著性依然较高。这表明基准回归结果具有较好的稳健性。
| 变量 | (1) ROA |
|---|---|
| INN | 0.002*** |
| (3.147) | |
| LEV | -0.232*** |
| (-43.013) | |
| GROWTH | 0.054*** |
| (37.126) | |
| CT | 0.025*** |
| (18.670) | |
| _cons | 0.093*** |
| (31.847) | |
| N | 20566 |
| 注：***p<0.01,**p<0.05,*p<0.1。 | |
2.替换解释变量
本文使用研发收入的对数作为技术创新的替代指标。回归结果如表4所示，替换后解释变量的系数符号与显著性未发生明显变化。
| 变量 | (1) ROE |
|---|---|
| SPEND | 0.038*** |
| (14.941) | |
| LEV | -0.668*** |
| (-45.023) | |
| GROWTH | 0.124*** |
| (31.187) | |
| CT | 0.049*** |
| (13.017) | |
| _cons | -0.422*** |
| (-9.566) | |
| N | 20566 |
| 注：***p<0.01,**p<0.05,*p<0.1。 | |
（四）异质性分析
1.按企业规模分类
| 变量 | (1)大规模企业 | (2)小规模企业 |
|---|---|---|
| ROE | ROE | |
| INN | 0.006*** | 0.007** |
| (3.233) | (2.303) | |
| LEV | -0.751*** | -0.643*** |
| (-39.497) | (-23.672) | |
| GROWTH | 0.159*** | 0.076*** |
| (30.497) | (12.836) | |
| CT | 0.057*** | 0.068*** |
| (13.204) | (7.834) | |
| _cons | 0.277*** | 0.126*** |
| (25.144) | (10.401) | |
| N | 14397 | 6169 |
| 注：***p<0.01,**p<0.05,*p<0.1。 | ||
2.按产权性质分类
| 变量 | (1) ROE |
|---|---|
| INN | 0.009*** |
| (4.973) | |
| SOE | -0.002 |
| (-0.196) | |
| INN_SOE | -0.009*** |
| (-3.003) | |
| LEV | -0.650*** |
| (-45.264) | |
| GROWTH | 0.124*** |
| (32.161) | |
| CT | 0.059*** |
| (15.703) | |
| _cons | 0.201*** |
| (23.791) | |
| N | 20292 |
| 注：***p<0.01,**p<0.05,*p<0.1。 | |
四、研究结论和政策建议
（一）研究结论
本研究通过实证分析得出结论：（1）多重共线检验显示模型设定合理。（2）基准回归证明技术创新对企业盈利能力有显著正向促进作用。（3）稳健性检验通过替换指标进一步验证了结论的可靠性。（4）异质性分析显示，创新对非国企绩效的提升作用更显著。
（二）政策建议
1.政府层面：加大研发投入支持，完善税收优惠政策，加强创新基础设施建设。
2.企业自身层面：强化创新意识，加大研发投入；加强产学研合作；建立内部创新激励机制。
五、研究不足和展望
（一）研究不足
1.变量衡量局限性：仅使用专利申请数可能无法完全涵盖创新质量。
2.研究样本范围有限：主要基于上交所数据。
3.未考虑时滞效应：创新投入转化为绩效存在时间差。
（二）展望
未来研究可优化变量衡量指标，拓展研究样本范围，并引入动态面板模型考虑时滞效应。
参考文献：
- [1] 李博.资本结构、技术创新与企业绩效——基于长三角上市公司经验数据研究[J].中国市场，2022(26)：43-45.
- [2] 鲁啸军，张昕然.信息化资本、技术创新能力与企业绩效[J].会计之友，2021(09)：64-70.
- [3] 王云，班戈.国内外技术创新与企业绩效的比较研究——基于CiteSpace文献计量分析[J].商场现代化，2023(10)：105-107.
- [4] 杨雨萌. 财务会计转型对企业绩效的影响研究 [J]. 市场周刊, 2025, 38 (13): 119-122+150.
- [5] 冀云阳,周鑫,张谦.数字化转型与企业创新——基于研发投入和研发效率视角的分析[J].金融研究,2023(04):111-129.