創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響及其門(mén)檻效應(yīng)

摘要：作為一項(xiàng)風(fēng)險(xiǎn)投資活動(dòng)，創(chuàng)新投入是大數(shù)據(jù)企業(yè)開(kāi)展創(chuàng)新活動(dòng)的重要支撐，但其效應(yīng)具有較高的不確定性。對(duì)創(chuàng)新投入與大數(shù)據(jù)企業(yè)績(jī)效的實(shí)證研究成果很有限，迄今尚未有學(xué)者關(guān)注非線性影響。探討創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響及其門(mén)檻效應(yīng)，對(duì)于大數(shù)據(jù)企業(yè)通過(guò)創(chuàng)新投入提升績(jī)效具有重要的理論和現(xiàn)實(shí)意義。為此，從理論層面梳理創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響，在此基礎(chǔ)上以20132019年滬深A(yù)股上市大數(shù)據(jù)企業(yè)為研究樣本，構(gòu)建基準(zhǔn)回歸模型、調(diào)節(jié)效應(yīng)模型及門(mén)檻效應(yīng)模型，實(shí)證檢驗(yàn)創(chuàng)新投入對(duì)企業(yè)績(jī)效的影響，并考察了技術(shù)積累的調(diào)節(jié)效應(yīng)及創(chuàng)新投入與企業(yè)績(jī)效之間存在的非線性關(guān)系。研究發(fā)現(xiàn)，創(chuàng)新投入有助于提升大數(shù)據(jù)企業(yè)績(jī)效，且影響存在一定的滯后性。這一結(jié)論在經(jīng)過(guò)引入工具變量、混合回歸及替換被解釋變量等一系列內(nèi)生性檢驗(yàn)和穩(wěn)健性檢驗(yàn)之后依然成立。調(diào)節(jié)效應(yīng)檢驗(yàn)表明，技術(shù)積累對(duì)創(chuàng)新投入與企業(yè)績(jī)效關(guān)系具有負(fù)向調(diào)節(jié)效應(yīng)。門(mén)檻效應(yīng)檢驗(yàn)表明，創(chuàng)新投入對(duì)企業(yè)績(jī)效的影響存在非線性關(guān)系，需要控制創(chuàng)新投入的比例。因此，大數(shù)據(jù)企業(yè)應(yīng)制定可持續(xù)的創(chuàng)新投入規(guī)劃，合理配置內(nèi)部研發(fā)資源，重視創(chuàng)新人才的引進(jìn)和培養(yǎng)，并尋求與研究機(jī)構(gòu)的合作；加強(qiáng)創(chuàng)新管理，提高企業(yè)探索性創(chuàng)新能力；科學(xué)制定計(jì)劃，建立內(nèi)部預(yù)警機(jī)制，防止過(guò)度創(chuàng)新投入抑制企業(yè)績(jī)效。

關(guān)鍵詞：大數(shù)據(jù)企業(yè)；創(chuàng)新投入；企業(yè)績(jī)效；門(mén)檻效應(yīng)

中圖分類號(hào)：F49

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1673-8268（2024）04-0157-09

如果企業(yè)的主營(yíng)業(yè)務(wù)板塊、核心能力、戰(zhàn)略布局趨勢(shì)都是由大數(shù)據(jù)驅(qū)動(dòng)的，那么他們就是大數(shù)據(jù)企業(yè)［1］。大數(shù)據(jù)企業(yè)不僅具有高創(chuàng)新、高投入及高風(fēng)險(xiǎn)等高新技術(shù)企業(yè)的特點(diǎn)，而且具有數(shù)據(jù)資產(chǎn)化、決策智能化等特點(diǎn)［2］。隨著《促進(jìn)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展行動(dòng)綱要》（國(guó)發(fā)〔2015〕50號(hào)）、《關(guān)于工業(yè)大數(shù)據(jù)發(fā)展的指導(dǎo)意見(jiàn)》（工信部信發(fā)〔2020〕67號(hào)）等的發(fā)布，大數(shù)據(jù)企業(yè)實(shí)現(xiàn)了較快發(fā)展。目前，學(xué)界對(duì)大數(shù)據(jù)企業(yè)的研究還相對(duì)有限，主要集中在數(shù)據(jù)保護(hù)、企業(yè)特征、盈利模式及監(jiān)管政策等方面。大數(shù)據(jù)企業(yè)的價(jià)值主要來(lái)自其數(shù)據(jù)采集、挖掘及處理等能力，這些與技術(shù)創(chuàng)新密不可分［3］。而技術(shù)創(chuàng)新與創(chuàng)新投入相關(guān)，大數(shù)據(jù)企業(yè)將創(chuàng)新投入作為提升發(fā)展質(zhì)量的關(guān)鍵因素：創(chuàng)新投入可以用于新知識(shí)與新技術(shù)的創(chuàng)造，提高產(chǎn)品和服務(wù)質(zhì)量，從而形成核心競(jìng)爭(zhēng)力，獲得超額利潤(rùn)，實(shí)現(xiàn)持久穩(wěn)定發(fā)展［4］。不過(guò)，創(chuàng)新投入作為一項(xiàng)風(fēng)險(xiǎn)性投資活動(dòng)，存在很大的不確定性，當(dāng)出現(xiàn)創(chuàng)新投入與回報(bào)不成正比的情況時(shí)，繼續(xù)增加創(chuàng)新投入不僅會(huì)占用企業(yè)部分資源，給短期經(jīng)營(yíng)帶來(lái)一定的壓力，還會(huì)加劇企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)。

企業(yè)績(jī)效的研究范圍主要涉及兩個(gè)方面：（1）對(duì)企業(yè)績(jī)效評(píng)價(jià)指標(biāo)的研究。其不僅包括使用總資產(chǎn)收益率、凈資產(chǎn)收益率等單個(gè)指標(biāo)，還包括選取多個(gè)指標(biāo)，并使用因子分析、熵值法等構(gòu)建綜合指標(biāo)評(píng)價(jià)體系。（2）從不同角度探討企業(yè)績(jī)效的影響因素。從企業(yè)戰(zhàn)略來(lái)看，企業(yè)戰(zhàn)略的差異越大，越容易引發(fā)經(jīng)營(yíng)績(jī)效的波動(dòng)；從股權(quán)結(jié)構(gòu)來(lái)看，股權(quán)集中度過(guò)高會(huì)侵犯中小股東的利益，導(dǎo)致企業(yè)績(jī)效下降，而股東數(shù)量的增加會(huì)使股東之間相互監(jiān)督，有利于提高企業(yè)治理效率和經(jīng)營(yíng)績(jī)效；從研發(fā)創(chuàng)新來(lái)看，注重技術(shù)創(chuàng)新資源投入并進(jìn)行良好商業(yè)化轉(zhuǎn)換的企業(yè)總體表現(xiàn)較好［5］。創(chuàng)新投入與企業(yè)績(jī)效之間存在正相關(guān)、負(fù)相關(guān)、不相關(guān)及倒U型關(guān)系；創(chuàng)新投入對(duì)企業(yè)績(jī)效的影響滯后，且會(huì)受到企業(yè)生命周期階段、商業(yè)化能力及政府補(bǔ)貼等的影響［6］。雖然目前學(xué)界對(duì)創(chuàng)新投入與企業(yè)績(jī)效的研究已有一定的積累，但對(duì)大數(shù)據(jù)企業(yè)的實(shí)證研究成果尚很有限，迄今還沒(méi)有關(guān)注非線性影響。

基于此，本文嘗試探究創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響及其門(mén)檻效應(yīng)，以揭示創(chuàng)新投入影響大數(shù)據(jù)企業(yè)績(jī)效的機(jī)理。本文可能的邊際貢獻(xiàn)體現(xiàn)在：（1）不僅檢驗(yàn)了當(dāng)期，還檢驗(yàn)了滯后一期、滯后二期，更為全面地把握創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響；（2）通過(guò)調(diào)節(jié)效應(yīng)檢驗(yàn)與門(mén)檻效應(yīng)檢驗(yàn)，進(jìn)一步揭示創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響；（3）所得結(jié)論拓展了現(xiàn)有關(guān)于創(chuàng)新投入、企業(yè)績(jī)效方面的學(xué)術(shù)探討邊際，為大數(shù)據(jù)企業(yè)通過(guò)創(chuàng)新投入提升績(jī)效提供了理論依據(jù)。

一、文獻(xiàn)回顧與研究假設(shè)

（一）創(chuàng)新投入對(duì)企業(yè)績(jī)效的線性影響分析

創(chuàng)新投入的目的在于推動(dòng)企業(yè)創(chuàng)新，促進(jìn)企業(yè)掌握先進(jìn)技術(shù)，提高市場(chǎng)競(jìng)爭(zhēng)力，進(jìn)而改善企業(yè)績(jī)效。創(chuàng)新投入的成果既可以用于改善生產(chǎn)經(jīng)營(yíng)和促進(jìn)產(chǎn)品升級(jí)，通過(guò)商業(yè)化轉(zhuǎn)化為市場(chǎng)競(jìng)爭(zhēng)力，為企業(yè)獲取更多的市場(chǎng)利潤(rùn)；也可以通過(guò)提升企業(yè)價(jià)值和提高競(jìng)爭(zhēng)地位，為企業(yè)謀求競(jìng)爭(zhēng)優(yōu)勢(shì)，促進(jìn)企業(yè)長(zhǎng)遠(yuǎn)發(fā)展［7］。不過(guò)，由于研發(fā)活動(dòng)的不確定性和周期性，創(chuàng)新投入的產(chǎn)出效益可能存在一定的滯后性，且創(chuàng)新投入更多的將被作為費(fèi)用計(jì)入當(dāng)期損益，這可能對(duì)企業(yè)的短期經(jīng)營(yíng)造成一定的壓力；大量的創(chuàng)新投入必然會(huì)占用或消耗企業(yè)有限的資源，影響其他方面的正常投資計(jì)劃［8］。

對(duì)于大數(shù)據(jù)企業(yè)來(lái)說(shuō)，前一階段的研發(fā)活動(dòng)可為下一階段的產(chǎn)品開(kāi)發(fā)或技術(shù)創(chuàng)新積累經(jīng)驗(yàn)，加強(qiáng)創(chuàng)新投入可以形成具有自身特點(diǎn)的新知識(shí)、新技能。在技術(shù)積累的基礎(chǔ)上，企業(yè)可以更高效地配置資源，進(jìn)行更有效的技術(shù)創(chuàng)新，不僅可以降低成本，還可以更快地投入生產(chǎn)，獲得更高的經(jīng)營(yíng)績(jī)效［9］。但隨著技術(shù)積累程度的不斷提高，在原有技術(shù)積累的基礎(chǔ)上開(kāi)展創(chuàng)新活動(dòng)將會(huì)導(dǎo)致企業(yè)產(chǎn)生技術(shù)路徑依賴，影響企業(yè)的創(chuàng)造性思考和對(duì)新知識(shí)的吸收，不利于企業(yè)進(jìn)行探索式研發(fā)［10］。因此，技術(shù)積累存在邊際效應(yīng)遞減特征，技術(shù)積累的增加會(huì)減弱創(chuàng)新投入對(duì)企業(yè)績(jī)效的提升效應(yīng)。

基于此，本文提出如下假設(shè)：

H1：創(chuàng)新投入有助于提升大數(shù)據(jù)企業(yè)績(jī)效，且存在一定的滯后性；

H2：技術(shù)積累對(duì)創(chuàng)新投入與企業(yè)績(jī)效關(guān)系具有負(fù)向調(diào)節(jié)效應(yīng)。

（二）創(chuàng)新投入對(duì)企業(yè)績(jī)效的非線性影響分析

要想獲得市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)，大數(shù)據(jù)企業(yè)應(yīng)增強(qiáng)知識(shí)資源儲(chǔ)備量、提高大數(shù)據(jù)挖掘及數(shù)據(jù)處理技術(shù)，這就需要企業(yè)不斷進(jìn)行創(chuàng)新投入。當(dāng)創(chuàng)新投入達(dá)到一定門(mén)檻，企業(yè)擁有了不易被市場(chǎng)競(jìng)爭(zhēng)者模仿的核心技術(shù)時(shí)才能產(chǎn)生超額利潤(rùn)，加快企業(yè)績(jī)效提升。為了應(yīng)對(duì)快速變化的市場(chǎng)，企業(yè)會(huì)借助大數(shù)據(jù)去分析用戶的消費(fèi)心理和行為習(xí)慣，基于大數(shù)據(jù)形成規(guī)則指導(dǎo)數(shù)據(jù)產(chǎn)品創(chuàng)新，為用戶提供智能化、定制化的消費(fèi)和服務(wù)體驗(yàn)［11］。而用戶需求呈現(xiàn)出高度易變、模糊性的特征，使得數(shù)據(jù)產(chǎn)品研發(fā)往往具有不確定性和復(fù)雜性等典型特征，為企業(yè)研發(fā)創(chuàng)新帶來(lái)更多的不確定性因素［12］。同時(shí)，創(chuàng)新投入存在一個(gè)拐點(diǎn)，在拐點(diǎn)之前，持續(xù)的創(chuàng)新投入會(huì)促進(jìn)企業(yè)績(jī)效提升，超過(guò)這一拐點(diǎn)時(shí)，繼續(xù)增加創(chuàng)新投入將不會(huì)帶來(lái)相同比例的績(jī)效提升，從而表現(xiàn)出邊際效用遞減特征，甚至還會(huì)產(chǎn)生抑制作用。

基于此，本文提出如下假設(shè)：

H3：創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響存在非線性關(guān)系。

二、研究設(shè)計(jì)

（一）樣本選取及數(shù)據(jù)來(lái)源

本文選取20132019年滬深A(yù)股上市大數(shù)據(jù)企業(yè)作為研究樣本，該時(shí)間跨度的選擇是基于大數(shù)據(jù)企業(yè)的發(fā)展。綜合已有研究，總結(jié)出大數(shù)據(jù)、海量數(shù)據(jù)、數(shù)據(jù)中心、信息資產(chǎn)及數(shù)據(jù)化等關(guān)鍵詞，并利用這些關(guān)鍵詞從同花順、東方財(cái)富網(wǎng)中的“大數(shù)據(jù)”和“數(shù)據(jù)中心”概念板塊中進(jìn)行篩選，選出大數(shù)據(jù)企業(yè)共320家。為了提高研究數(shù)據(jù)的質(zhì)量，剔除相關(guān)財(cái)務(wù)數(shù)據(jù)缺失和模糊不清、樣本期間發(fā)生重大資產(chǎn)重組和主營(yíng)業(yè)務(wù)變動(dòng)及ST、*ST類企業(yè)，最終獲得數(shù)據(jù)港、中科曙光、紫晶存儲(chǔ)等191家樣本企業(yè)。數(shù)據(jù)主要來(lái)源于同花順、東方財(cái)富網(wǎng)、巨潮資訊網(wǎng)及各企業(yè)年報(bào)。

（二）研究變量的選擇

1.被解釋變量

企業(yè)績(jī)效（TP），選取凈資產(chǎn)收益率、每股收益、營(yíng)業(yè)利潤(rùn)率、總資產(chǎn)周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、流動(dòng)比率、速動(dòng)比率、總資產(chǎn)增長(zhǎng)率及營(yíng)業(yè)收入增長(zhǎng)率等十個(gè)指標(biāo)的綜合指數(shù)進(jìn)行衡量。

2.解釋變量

創(chuàng)新投入，選擇將其分為創(chuàng)新資金投入（RDC）和創(chuàng)新人員投入（RDP）兩部分，分別選取研發(fā)費(fèi)用與營(yíng)業(yè)收入的比值、技術(shù)研發(fā)人員與員工總?cè)藬?shù)的比值進(jìn)行衡量。同時(shí)，RDC、RDP也是門(mén)檻變量。

3.調(diào)節(jié)變量

技術(shù)積累（Tech），選取企業(yè)發(fā)明專利申請(qǐng)數(shù)進(jìn)行衡量；在穩(wěn)健性檢驗(yàn)中，選取發(fā)明專利授權(quán)數(shù)進(jìn)行衡量。在調(diào)節(jié)效應(yīng)檢驗(yàn)時(shí)，分別對(duì)創(chuàng)新投入、技術(shù)積累進(jìn)行中心化處理。

4.控制變量

借鑒已有研究文獻(xiàn)，選擇控制以下變量：企業(yè)規(guī)模（Size），選取企業(yè)資產(chǎn)總額的自然對(duì)數(shù)進(jìn)行衡量；現(xiàn)金流量（Cash），選取企業(yè)貨幣資金的自然對(duì)數(shù)進(jìn)行衡量；企業(yè)年齡（Year），選取企業(yè)成立時(shí)間的自然對(duì)數(shù)進(jìn)行衡量［13］。

（三）研究模型

結(jié)合本文所提出的假設(shè)，參考楊冬梅等的研究［14］，將回歸模型構(gòu)建為

為檢驗(yàn)技術(shù)積累的調(diào)節(jié)效應(yīng)，參考Zang等的研究［15］，在模型（1）的基礎(chǔ)上，構(gòu)建如下模型

為考察創(chuàng)新投入與企業(yè)績(jī)效是否存在非線性關(guān)系，參考Liu等的研究［16］，構(gòu)建如下門(mén)檻回歸模型

式（1）（3）中：Yit表示i企業(yè)在t期的績(jī)效水平，RDCi，t-s、RDPi，t-s分別表示i企業(yè)在t-s期的創(chuàng)新資金投入和創(chuàng)新人員投入水平，s=0時(shí)表示沒(méi)有滯后即當(dāng)期，s=1時(shí)表示1年滯后，以此類推；Xit為系列控制變量，Yi，t－1為前一期的績(jī)效； RD為創(chuàng)新投入（創(chuàng)新資金投入與創(chuàng)新人員投入）；I（·）表示指示性函數(shù)，括號(hào)內(nèi)條件成立時(shí)取值為1，否則為0；α0為截距項(xiàng)，εit為隨機(jī)擾動(dòng)項(xiàng)，μ為門(mén)檻值。

三、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)

表2報(bào)告了主要變量的描述性統(tǒng)計(jì)結(jié)果。企業(yè)績(jī)效的中值為-0.033，小于均值，表明大數(shù)據(jù)企業(yè)績(jī)效分布右偏，多數(shù)企業(yè)績(jī)效水平未達(dá)到平均水平，有待進(jìn)一步提高；創(chuàng)新資金投入和創(chuàng)新人員投入的中值為0.059、0.400，均值為0.079、0.433，表明我國(guó)大數(shù)據(jù)企業(yè)整體創(chuàng)新投入水平較高，具備一定的研發(fā)競(jìng)爭(zhēng)實(shí)力，但多數(shù)企業(yè)的創(chuàng)新投入水平處于平均水平以下，創(chuàng)新投入還有待加強(qiáng)。

（二）基準(zhǔn)回歸結(jié)果

多重共線性檢驗(yàn)結(jié)果顯示，變量之間的相關(guān)系數(shù)均在合理的范圍內(nèi)，所有變量的VIF值遠(yuǎn)小于10，表明不存在嚴(yán)重的多重共線性問(wèn)題。模型（1）中包含被解釋變量的滯后一期，為動(dòng)態(tài)模型，進(jìn)行回歸分析，其結(jié)果如表3所示。AR（1）和AR（2）的結(jié)果顯示，可以接受擾動(dòng)項(xiàng)無(wú)自相關(guān)假設(shè)。從當(dāng)期來(lái)看，創(chuàng)新資金投入的系數(shù)為-0.783，在5%水平上顯著為負(fù)；創(chuàng)新人員投入的系數(shù)為0.349，在5%水平上顯著為正；從滯后一期、滯后二期來(lái)看，創(chuàng)新資金投入的系數(shù)分別為0.023、0.387，創(chuàng)新人員投入的系數(shù)分別為0.273、0.455，在10%水平上顯著為正。研究假設(shè)H1得證。

（三）內(nèi)生性檢驗(yàn)和穩(wěn)健性檢驗(yàn)

1.引入工具變量

針對(duì)反向因果關(guān)系可能導(dǎo)致的內(nèi)生性問(wèn)題，參考王智波和李長(zhǎng)洪的研究［17］，選擇創(chuàng)新投入的滯后項(xiàng)作為創(chuàng)新投入的工具變量。通過(guò)二階段最小二乘法（2SLS）進(jìn)行回歸，結(jié)果如表4中列（1）所示。創(chuàng)新資金投入對(duì)當(dāng)期績(jī)效的影響系數(shù)為-0.523，在1%的水平上顯著；創(chuàng)新人員投入對(duì)當(dāng)期績(jī)效的影響系數(shù)為0.002，在10%的水平上顯著。表明研究結(jié)論是穩(wěn)健的。

2.混合回歸

采用混合模型（POLS）重新回歸，結(jié)果如表4中列（2）至列（4）所示。從當(dāng)期來(lái)看，創(chuàng)新資金投入的系數(shù)為-5.501，在1%的水平上顯著；創(chuàng)新人員投入的系數(shù)為0.010，在10%的水平上顯著。從滯后一期、滯后二期來(lái)看，創(chuàng)新資金投入的系數(shù)分別為0.568、0.448，創(chuàng)新人員投入的系數(shù)分別為0.041、0.145。表明研究結(jié)論也是穩(wěn)健的。

3.替換被解釋變量

選取凈資產(chǎn)收益率（ROE）來(lái)衡量企業(yè)績(jī)效，進(jìn)行回歸，結(jié)果如表4列（5）—（7）所示。從當(dāng)期來(lái)看，創(chuàng)新資金投入的系數(shù)為-0.344，在10%的水平上顯著；創(chuàng)新人員投入的系數(shù)為0.228，在1%的水平上顯著。從滯后一期、滯后二期來(lái)看，創(chuàng)新資金投入的系數(shù)分別為0.895、0.019，創(chuàng)新人員投入的系數(shù)分別為0.106、0.083。表明研究結(jié)論依然是穩(wěn)健的。

（四）調(diào)節(jié)效應(yīng)檢驗(yàn)

表5報(bào)告了調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果。從當(dāng)期來(lái)看，技術(shù)積累與創(chuàng)新資金投入的交乘項(xiàng)（Tech×RDC）系數(shù)為-0.017，與創(chuàng)新人員投入的交乘項(xiàng)（Tech×RDP）系數(shù)為-0.032；從滯后一期、滯后二期來(lái)看，技術(shù)積累與創(chuàng)新資金投入交乘項(xiàng)（Tech×RDC）的系數(shù)分別為-0.005、-0.038，技術(shù)積累與創(chuàng)新人員投入交乘項(xiàng)（Tech×RDP）的系數(shù)為-0.002、-0.004。研究假設(shè)H2得證。

（五）門(mén)檻效應(yīng)檢驗(yàn)

采用“自舉法”，重疊模擬似然比檢驗(yàn)統(tǒng)計(jì)量300次，對(duì)創(chuàng)新投入可能存在的門(mén)檻值進(jìn)行估計(jì)和檢驗(yàn)，結(jié)果如表6所示。創(chuàng)新資金投入對(duì)滯后一期企業(yè)績(jī)效單門(mén)檻和雙門(mén)檻效應(yīng)檢驗(yàn)的F統(tǒng)計(jì)量在1%（P=0.007）和10%（P=0.060）水平上顯著，而對(duì)滯后二期企業(yè)績(jī)效單門(mén)檻和雙門(mén)檻效應(yīng)檢驗(yàn)的F統(tǒng)計(jì)量均不顯著（P=0.448、0.570）。創(chuàng)新人員投入對(duì)滯后一期和滯后二期企業(yè)績(jī)效單門(mén)檻效應(yīng)檢驗(yàn)的F統(tǒng)計(jì)量在均在5%（P=0.013、0.026）水平上顯著。以上可知，創(chuàng)新資金投入對(duì)滯后一期企業(yè)績(jī)效的影響存在雙門(mén)檻效應(yīng)，門(mén)檻估計(jì)值為0.5%、13.6%；對(duì)滯后二期企業(yè)績(jī)效的影響不存在門(mén)檻效應(yīng)，二者呈線性關(guān)系，不再討論。創(chuàng)新人員投入對(duì)滯后一期、滯后二期企業(yè)績(jī)效的影響均存在單門(mén)檻效應(yīng)，門(mén)檻值為8.5%、7.4%。

表7說(shuō)明了創(chuàng)新資金投入和創(chuàng)新人員投入對(duì)企業(yè)績(jī)效的門(mén)檻回歸結(jié)果。以創(chuàng)新資金投入作為門(mén)檻變量，在創(chuàng)新資金投入小于0.5%時(shí)，創(chuàng)新資金投入對(duì)滯后一期企業(yè)績(jī)效的回歸系數(shù)為68.214，在1%水平上顯著為正；在0.5%～13.6%區(qū)間，回歸系數(shù)為-1.614，在1%水平上顯著為負(fù)；大于13.6%時(shí)，回歸系數(shù)為0.712，不顯著。因此，以RDC=0.5%為拐點(diǎn)，創(chuàng)新資金投入與滯后一期企業(yè)績(jī)效呈“倒 V 形”關(guān)系。以創(chuàng)新人員投入作為門(mén)檻變量，從滯后一期來(lái)看，在創(chuàng)新人員投入小于8.5%時(shí)，創(chuàng)新人員投入對(duì)企業(yè)績(jī)效的回歸系數(shù)為0.973，在1%水平上顯著為正；大于8.5%時(shí)，回歸系數(shù)為-1.803，在1%水平上顯著為負(fù)；因此，以RDP=8.5%為拐點(diǎn)，創(chuàng)新人員投入與滯后一期企業(yè)績(jī)效呈“倒V形”關(guān)系。從滯后二期來(lái)看，在創(chuàng)新人員投入小于7.4%時(shí)，創(chuàng)新人員投入對(duì)企業(yè)績(jī)效的回歸系數(shù)為0.100，不顯著；大于7.4%時(shí)，回歸系數(shù)為1.323，在1%水平上顯著為正。研究假設(shè)H3得證。創(chuàng)新資金投入比例控制在0.5%以內(nèi)，能更好地提升滯后一期企業(yè)績(jī)效；創(chuàng)新人員投入比例控制在8.5%以內(nèi)能更好地提升滯后一期企業(yè)績(jī)效，大于7.4%能更好地提升滯后二期企業(yè)績(jī)效。

四、結(jié)論與建議

本文以20132019年滬深A(yù)股上市大數(shù)據(jù)企業(yè)為研究樣本，實(shí)證檢驗(yàn)了創(chuàng)新投入對(duì)企業(yè)績(jī)效的影響及其門(mén)檻效應(yīng)，得出以下主要研究結(jié)論：（1）創(chuàng)新投入有助于提高大數(shù)據(jù)企業(yè)績(jī)效，且存在一定的滯后性，其中創(chuàng)新資金投入影響的滯后性更為明顯；（2）技術(shù)積累對(duì)創(chuàng)新投入與企業(yè)績(jī)效關(guān)系具有負(fù)向調(diào)節(jié)效應(yīng)；（3）創(chuàng)新投入對(duì)大數(shù)據(jù)企業(yè)績(jī)效的影響存在非線性關(guān)系，創(chuàng)新投入比例應(yīng)控制在一定比例內(nèi)。

針對(duì)上述研究結(jié)論，提出以下建議：（1）加強(qiáng)日常創(chuàng)新投入管理。大數(shù)據(jù)企業(yè)應(yīng)立足長(zhǎng)遠(yuǎn)發(fā)展，制定可持續(xù)的創(chuàng)新投入規(guī)劃；合理配置內(nèi)部研發(fā)資源，提升企業(yè)創(chuàng)新效率；重視創(chuàng)新人員的引進(jìn)和培養(yǎng)，營(yíng)造企業(yè)創(chuàng)新氛圍；尋求與科研院所的合作，以提高研發(fā)效率，降低研發(fā)成本。（2）重視探索性創(chuàng)新。大數(shù)據(jù)企業(yè)應(yīng)在創(chuàng)新活動(dòng)中有效利用已有技術(shù)和知識(shí)，提高研發(fā)效率，降低研發(fā)成本；加強(qiáng)創(chuàng)新管理，掌握創(chuàng)新主動(dòng)權(quán)，提高企業(yè)探索性創(chuàng)新能力，減少技術(shù)路徑依賴的產(chǎn)生。（3）將創(chuàng)新投入控制在最佳回報(bào)范圍內(nèi)。大數(shù)據(jù)企業(yè)需要把握創(chuàng)新投入的力度，根據(jù)所處的創(chuàng)新投入范圍制定科學(xué)的計(jì)劃；提高創(chuàng)新投入效率，建立內(nèi)部預(yù)警機(jī)制，防止過(guò)度創(chuàng)新投入抑制企業(yè)績(jī)效。

參考文獻(xiàn)：

［1］張雪，劉藝琦，吳武清. 數(shù)據(jù)資產(chǎn)會(huì)計(jì)計(jì)量研究——以大數(shù)據(jù)企業(yè)為例［J］. 財(cái)會(huì)通訊，2022（19）：10-14.

［2］顧艷輝，朱淑珍，趙袁軍，等. 基于大數(shù)據(jù)驅(qū)動(dòng)的企業(yè)創(chuàng)新創(chuàng)業(yè)政策研究［J］. 管理現(xiàn)代化，2019（4）：47-49.

［3］戴雙興. 數(shù)據(jù)要素：主要特征、推動(dòng)效應(yīng)及發(fā)展路徑［J］. 馬克思主義與現(xiàn)實(shí)，2020（6）：171-177.

［4］李玉剛，葉凱月，吳朋. 研發(fā)投入、市場(chǎng)化程度與企業(yè)專業(yè)化經(jīng)營(yíng)［J］. 科研管理，2022（4）：158-164.

［5］樊自甫，陶友鵬. 數(shù)字化能否促進(jìn)制造業(yè)高質(zhì)量發(fā)展——基于中國(guó)省際面板數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)［J］. 重慶郵電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022（5）：124-133.

［6］李維安，李浩波，李慧聰. 創(chuàng)新激勵(lì)還是稅盾？——高新技術(shù)企業(yè)稅收優(yōu)惠研究［J］. 科研管理，2016（11）：61-70.

［7］WANG J， YE Y . Research on selection of technological innovation mode for large and medium-sized construction enterprises in China［J］. Technology and Investment，2017（2）：131-141.

［8］胡亞茹，陳丹丹，劉震. 融資約束、企業(yè)研發(fā)投入的周期性與平滑機(jī)制——基于企業(yè)所有制視角［J］. 產(chǎn)業(yè)經(jīng)濟(jì)研究，2018（2）：78-90.

［9］SHIN W， OH S， RHO S. Innovation and exports of Korean firms： How do they differ by size and industry？［J］.Millennial Asia，2019（3）：249-271.

［10］成力為，劉詩(shī)雨. 研發(fā)投入跳躍、吸收能力與企業(yè)動(dòng)態(tài)績(jī)效［J］. 科學(xué)學(xué)研究，2021（4）：683-694.

［11］鄭勇華. 學(xué)習(xí)導(dǎo)向、迭代創(chuàng)新與新產(chǎn)品開(kāi)發(fā)——基于215家大數(shù)據(jù)企業(yè)的實(shí)證研究［J］.技術(shù)經(jīng)濟(jì)與管理研究，2021（7）：25-30.

［12］肖靜華，胡楊頌，吳瑤. 成長(zhǎng)品：數(shù)據(jù)驅(qū)動(dòng)的企業(yè)與用戶互動(dòng)創(chuàng)新案例研究［J］. 管理世界，2020（3）：183-205.

［13］陳麗姍，傅元海. 融資約束條件下技術(shù)創(chuàng)新影響企業(yè)高質(zhì)量發(fā)展的動(dòng)態(tài)特征［J］. 中國(guó)軟科學(xué)，2019（12）：108-128.

［14］楊冬梅，萬(wàn)道俠，郭俊艷. 企業(yè)科技研發(fā)投入與企業(yè)績(jī)效——兼論政府創(chuàng)新政策的調(diào)節(jié)效應(yīng)［J］. 山東社會(huì)科學(xué)，2021（5）：129-135.

［15］ZANG Z P， ZHU Q W， MOGORRON-GUERRERO H. How does Ramp;D investment affect the financial performance of cultural and creative enterprises？ The moderating effect of actual controller［J］. Sustainability，2019（2）：1-19.

［16］LIU S Q， LIN S， SUN Z Y， et al. Earnings management and firms’ investment behavior： The threshold effect of ROE［J］. Emerging Markets Review，2021（6）：1-15.

［17］王智波，李長(zhǎng)洪. 輕資產(chǎn)運(yùn)營(yíng)對(duì)企業(yè)利潤(rùn)率的影響——基于中國(guó)工業(yè)企業(yè)數(shù)據(jù)的實(shí)證研究［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2015（6）：108-121.

Impact of innovation input on big data enterprise performanceand its threshold effect

Abstract：

As a venture capital activity， innovation investment is an important support for big data enterprises to carry out innovation activities， but its effects have high uncertainty. The empirical research results on innovation investment and big data enterprise performance are still limited， and so far， there has been no attention to nonlinear effects. Exploring the impact of innovation investment on the performance of big data enterprises and its threshold effect has important theoretical and practical significance for big data enterprises to improve their performance through innovation investment. Therefore， the paper theoretically examines the impact of innovation investment on the performance of big data enterprises. Based on this， benchmark regression models， moderating effect models， and threshold effect models are constructed using big data enterprises listed on the Shanghai and Shenzhen A-shares from 2013 to 2019 as research samples. Empirical tests are conducted to examine the impact of innovation investment on enterprise performance， and to examine the moderating effect of technology accumulation and the nonlinear relationship between innovation investment and enterprise performance. Research has found that innovation investment can help improve the performance of big data enterprises， and the impact has a certain lag. This conclusion is still valid after a series of endogenous tests and robustness tests， such as the introduction of instrumental variables， mixed regression and substitution of explained variables. The moderating effect test shows that technology accumulation has a negative moderating effect on the relationship between innovation investment and enterprise performance. The threshold effect test indicates that there is a non-linear relationship between the impact of innovation investment on enterprise performance， and it is necessary to control the proportion of innovation investment. Consequently， big data enterprises should devise sustainable innovation investment strategies， allocate Ramp;D resources efficiently， emphasize the recruitment and development of innovative talent， and collaborate with research institutions. They should also strengthen innovation management， enhance exploratory innovation capabilities， develop scientific plans， establish internal warning mechanisms， and prevent excessive innovation investment from hindering performance.

Keywords：

big data enterprises; innovation input; enterprise performance; threshold effect