主页 > 案例大全 > 论文相关方法-现金持有水平与企业研发投入——基于资源视角的分

论文相关方法-现金持有水平与企业研发投入——基于资源视角的分

2021-06-11 11:30:37

  1912年熊彼得在他的著作《经济发展理论》一书中提出的“创新理论”中指出了创新对于经济增长的巨大作用。自新中国成立以来,我国政府一直高度重视科学发展,党的十九大报告指出了:“加快建设制造强国,加快发展先进制造业,培育若干世界级先进制造业集群”。充分展示了国家对于企业研发创新的重视。这几年来,我国企业的竞争力一直在逐步上升。在《2018年欧盟工业研发投资排名》中上榜的中国企业有438家公司,日本公司有339家,美国公司有778家,欧盟国家共有577家。其中华为以113亿欧元的研发投入排名中国第一,世界第五。正是因为巨大的研发投入,提高了华为的竞争力,使得华为从2018年开始稳居全球第一电信设备制造商地位。

  “现金为王”是现在大多数企业的经营理念。现金状况影响着企业的发展,也制约了它的生存情况。由于研发活动本身的特性,更是使得其对现金的依赖程度远高于其他的经营活动。现金作为企业的重要财务资源,它的多少并不能决定企业竞争力,但是它的合理配置和利用直接关系到企业的经营情况。本文就是从资源视角分析现金持有与企业研发投入之间的关系,探讨财务资源因素特别是资产负债率会对现金持有对研发投入之间的相关性产生怎样的影响。

  1.1.2研究意义

  (1)理论意义

  从理论层面来讲,用现金持有平滑企业研发投入是近几年理论界普遍关注的问题。目前国内外大多数学者要么基于政府政策等宏观角度,要么基于公司治理等角度开展研究,像:融资来源,融资约束,市场竞争,信息披露,税收政策等等。也有少部分学者从资源角度分析现金持有与研发投入的关系,但很少,而且不全面。因此,本文在前人研究的基础上,全面的考虑企业规模,盈利能力,资本结构等财务因素来论证现金持有水平对企业研发投入的影响,为该方面的研究提供一个新的角度,以期发现一些新的解决问题的方法。

  (2)实践意义

  从实践层面来讲,对于该方面的研究也很有实用价值。首先,从宏观层面看来讲,上市公司的RD投资可以为政府宏观决策提供依据,有利于从国家从宏观政策上刺激企业扩大RD投资。其次,本文从财务资源的视角去分析那些财务因素会影响现金持有水平对RD投资的影响。对企业来说,只有知道哪些财务因素可以影响现金持有对RD投资,才可以制订具体的RD投资决策,从而提高企业的自主研发能力。

  1.2相关文献综述

  熊彼特1912年在他发表的《经济发展理论》一书中提出了“创新理论”,从此创新这一概念走入了人们的视线。当今社会,研发投入就是企业创新的最主要的体现。由于研发活动的资金风险问题,一旦停止对新技术的研发投入,前期投入就会成为无法回收的沉没成本。所以对于如何提高研发投入,许多国内外的学者都进行了研究分析,并且大多数研究都是从企业内部和外部的治理因素展开的。

  从企业外部治理因素来看,可以影响研发投入强度的有市场发展进程、金融市场发展,民族文化,专利保护等等。其中金融市场发展因为可以拓宽企业的融资渠道,缓解企业的融资约束,使得企业能够获得更多的资本,从而促进了企业的研发投入(解维敏,2011)。同时,把金融行业细分为股票市场和信贷市场后可以发现,股票市场的发展鼓励了企业科研创新,而信贷市场的发展对企业研发创新产生了阻碍作用,但总体来说,金融市场的发展是会促进企业研发投入的(PO-HSUAN,2014)。不论是什么行业,总归是市场化进程高的地区的企业更加的重视研发创新,而对我国来说,市场化进程高的地区普遍集中在 黄南沿海和直辖市(唐颖,2012)。另外民族文化和专利保护程度经过实证研究与研发投入存在正相关关系(NIKOSC,2000)。总体来说,外部治理因素大多是通过调节由信息不对称而产生的融资约束问题来影响企业研发投入的。

  从企业内部治理因素来看,影响因素由:现金持有、自由现金流、企业规模、高管任期、经营绩效、股权集中度、融资方式、债务约束、资本结构等等。由于信息不对称,给企业带来了融资约束,所以当企业需要融资时,会优先选择内部筹资,企业内部的现金流越多,企业所收的融资约束也就越小。同时出于规避破产风险的动机,较高的负债约束会使管理者减少企业研发投入,并且较高的负债约束还会抑制自由现金流对研发投入的促进作用(赵敏,2017)。企业规模与研发投入负相关,吻合了我国的中小型企业在研发投入方面更加积极单位客观事实(罗绍德,刘春光,2009)。另外高管任期越短,对于企业未来的预期越好,管理者就越会把资金投入到研发中去。而且企业的绩效越好,越会抑制管理者的自利动机和短视行为,促进了管理者进行研发投资(陈海声,2011)。为了抑制管理者的自利行为,减少代理成本,企业管理者还可以利用股权集中度,因为拥有多数股权的大股 黄会比小股 黄更加重视研发活动,而且由于大股 黄大多不是为了股利分红,而是为了以后的长远利益考虑,他们会更愿意付出成本来监督企业研发创新。但是,股权集中度是一柄双刃剑,当股权过于集中时,企业的实际控制人可能会做出不切实际的冒险行为,并且由于股权过于集中,没有人可以制衡这种行为(肖利平,2016)。最后是现金。现金可以说是流动性最强,对研发投入影响最大的因素。对于现金持有的研究一直是国外学者研究的比较多,我国学者对现金持有的重视是从2007年的金融危机开始的。随着金融危机的蔓延,中国经济遭受了巨大的打击,但令人吃惊的是,中国企业的研发支出一直都保持稳定增长,这其中就是现金持有在发挥作用。

  现在对于现金持有人们大多数研究俩各个方面,一个是现金持有量的问题,另一个就是现金持有价值的问题。为了与研发投入的文献进行对比,对于现金持有的两个研究角度,我也从内部和外部治理因素来进行性总结。

  现金持有量的内部影响因素有公司规模、营运能力,股利政策,负债水平、负债结构、股权结构等等,也可以给内部影响因素分成类,一种是公司特质性因素影响财务决策,从而影响现金持有量,另一类是影响公司治理因素,是由于制度性的安排而对现金持有量产生影响的(杨兴全,2007)。另外会影响现金持有量的外部因素有行业特征、产品市场竞争等等。

  现金持有价值的内部影响因素有:公司治理状况、股权性质、管理层权利。治理不善的公司的超额现金持有的市场价值只有治理良好的公司的一半(AmyDittmar,2012),而且国有股控股的企业的现金持有持有的市场价值也普遍会低于非国有股控股的企业(张照南等人,2008),这些情况都反映出了企业内不严重的代理问题。另外现金持有的外部影响因素有:市场化进程等等。随着市场化进程发展的提高,市场对企业内部管理层的约束也就越大,管理层利用权力持有大量现金的能力就会下降,可以很好的缓解代理问题(张丽平,2014)。

  通过对研发投和现金持有各自的文献进行归纳总结以后,我们可以发现两者之间有许多共同的影响因素,那么在各种因素的作用下,现金持有和研发投入之间到底有什么关系呢?国内和国外的学者从三个方面进行了研究。一、现金持有能否促进研发投入?哪些因素会影响现金持有对研发投入的促进作用?二、现金持有能否平滑研发投入?哪些因素会对现金持有与研发投入之间的平滑作用产生调节关系?三、现金持有与研发投资效率的关系。

  首先,大部分文献都证实了现金持有会促进研发投入。对于两者之间的促进作用产生影响的因素有企业规模、信用等级、机构所有权、成长性、成长周期、内外部投资者、信息披露、市场竞争等等。其中机构所有权(Hyunakin,2012)、企业成长性(陈敏,2013)、市场竞争(杨洋,2018)都会提高现金持有量,促进研发投入,并且对现金持有与研发投入之间的正相关关系产生正向调节作用;而信息披露(袁 黄任,2015)一样会促进研发投入,但是由于它与现金发挥的作用差不多,所以对现金持有对研发投入的促进作用产生了挤出效应。

  其次,从JamesR.Brown(2010)年提出研发平滑概念开始至今,已经有许多学者从各个角度对其进行了研究分析。企业外部因素有:金融发展、市场竞争、信息披露、货币政策、税收激励、政策补贴、经济政策不确定性;企业内部因素有:成长性周期、融资方式、债务融资方式。现金对企业研发投入起到平滑作用主要是因为融资约束的存在,金融发展(谈静晗,2019),信息披露(袁 黄任,2015,何帅等,2015),税收激励(刘丽莎,2016),政策补贴(刘可,2016)都能够从外部拓宽了融资渠道,缓解了融资约束,所以使得企业对于内部现金的需求减小,减少了现金持有,从而弱化了现金持有对研发投入平滑作用。而市场竞争和经济政策的不确定性加剧了企业外部的融资约束,使得企业必须持有更多的现金来维持研发投入的正常进行。

  最后,对于现金持有与研发投入的效率问题于文领(2019)从企业规模和成长性两个角度进行了实证分析。现金持有与研发投入的效率问题和现金持有价值的研究一样,大多是由于代理问题的存在,使得企业必须权衡最优的现金持有量,既要持有现金保持研发正常进行,又要控制好现金持有量,避免持有超额现金,因为过多的资金由于管理者的自利行为造成资金浪费。

  1.3研究内容与方法

  1.3.1研究内容

  本文旨在对现金持有水平和企业研发投入的关系进行研究,通过收集2016-2018年中这二者的相关资料,整理并分析,利用相关的理论并联系实际情况,运用描述性统计、相关性分析、回归性分析来研究现金持有水平会对企业研发投入产生怎样的影响,并得出具有现实意义的结论。

  1.3.2研究方法

  本文基于相关的理论,通过综合许多学者的研究方法,进而分析得到真实可靠的研究结果。具体的研究方法有以下三种:

  文献梳理法

  在对国内和国外研究学者的文献进行梳理和概括,并且按照一定的规律进行总结。本文先对与国内外文献从现金持有、研发投入、现金持有与研发投入的相关性三个角度进行分类。然后再各自从企业内外部治理因素进行归纳总结。

  实证分析方法

  在文章的第四章和第五章探讨制造业企业的现金持有与研发投入的相关性,并检验资产负债率、企业规模、现金流量和盈利能力这四个财务因素对现金持有和研发投入相关性的的影响作用,以及资产负债率对现金持有和研发投入相关性的调节作用。整个实证过程首先是确定指标,从数据库中删选需要的数据,然后建立模型,接着把数据通过SPSS软件进行检验分析,最后在对分析结果进行描述。

  归纳分析法

  在文章的第六章,根据实证得出的结论结合观察的客观事实按着资本结构、企业规模、现金流量、盈利能力这几个方面进行归纳总结,并提出优化和改善建议。

  1.4研究框架

  第一部分,该部分主要是对研究背景与意义的阐述,通过阅读国内外相关的文献资料,就现金持有水平和企业研发投入的问题进行研究,紧接着对研究的内容、方法以及本文整体的框架结构进行了绘制。

  第二部分,根据研究需要,先介绍现金持有水平、研发投入的基本概念,有个初步的了解,接着介绍参考文献中的,有关两者研究的相关理论。因此,该部分是本文研究的重点。

  第三部分,基于理论,对现金持有水平如何影响企业的研发投入,进行了相关的机理分析。

  第四部分,先介绍了样本数据的采集来源,使用的数据的标准,在通过对变量的解释以及分析变量之间的关系,最后建立模型,为实证分析做好准备。

  第五部分,通过建立模型,利用SPSS软件,从描述性统计、相关性分析、回归性分析三个方面来研究现金持有水平和研发投入之间的关系,得到相应的结果从而验证假设。

  第六部分,根据实证分析的结果,结合我国制造业上市公司的现状提出建议

  2理论分析和提出假设

  一、现金持有与研发投入

  企业的核心能力理论认为核心能力才是企业拥有的关键技能,现代企业的竞争就是基于核心能力的竞争。为了保证企业核心能力的独特性和难以模仿性,企业需要进行以研发投资为核心的创新活动。本文基于研发投入自身的特点,对现金持有的重要性进行了分析。

  (1)研发投入活动具有不确定性。

  研发投入活动的不确定性主要包括外部环境不确定性和内部技术特性导致的不确定性。通过研发活动探索出企业独特的能力确实是是战胜竞争对手的核心武器,但是研发活动只有与产品结合才能为企业创造价值。但是,即使企业在投入了人力,财力,和物力之后,由于外部环境因素,如:国家政策、技术的发展、市场需求变化等等都会导致最终研发成果难以预测和把握。另外,由于研发活动是一项专业性非常强的活动,整个研发过程很大程度上都取决于研发人员的知识和经验,管理者很难对研发活动进行直接的控制。这些都会加剧企业的外部融资约束。融资优序理论认为,当企业存在资金缺口时,由于获得融资的成本不同,第一选择就是内源融资,所以研发投入企业会持有更多的现金。

  (2)研发投入的周期长。因为新产品的开发包括概念开发、产品规划阶段、详细设计阶段、小规模生产阶段、增量生产阶段,整个的周期很长。

  (3)研发活动的调整成本高。调整成本是由于企业不能对研发过程进行准确的把握,导致研发活动偏离既定轨道,这可能会导致前期投入的财力物力都会变成沉没成本。为了使研发活动回到正轨并继续下去,就需要耗费大量的成本调整回调。这些都需要大量的资金支持。

  (4)研发投资具有很强的外溢性。因为我国的专利保护还不想国外那么好,所以企业前期投入了大量资金进行的研发活动所得到的成果很容易被迅速模仿,这种“搭便车现象”严重损害了研发者的利益,长此以往,打击了企业进行研发创新的积极性。所以为了保护研发成果,企业在进行研发信息披露时会格外的谨慎,所以对于涉及核心知识的信息企业不会披露,甚至会主动加剧内外部信息的不对称性,来保护自己的研发成果。信息不对称理论认为,掌握信息比较充分的人员往往处于有利地位,而信息贫乏的人员则处于比较不利的地位,这就导致了严重的融资约束,使得企业难以从外部获得融资。所以企业需要持有更多的现金,来保持研发活动正常的进行。

  基于此,本文提出了假设一:现金持有水平与研发投入正相关。

  二、资产负债率与研发投入

  企业的资金需要通过内部和外部筹资来取得,想要通过外部筹资的方式来取得融资时,外部投资者往往要评估企业投资价值和投资风险。由于研发投入活动本身风险高,周期性长,具有不确定性的特点,加上研发投入企业为了保护研发成果也不会将核心信息透露出去,这就造成了巨大的外部融资约束。此时如果企业的负债成本如果过高,会导致公司经营现金流周转负担,加剧了经营风险。这会使得外部投资者对于该企业信心不足,企业更加难以获得外部融资。而且当企业的负债过高时,管理者为了规避财务风险,会更愿意将资金投入经营活动中来取得收入,来维持公司的正常运转,避免破产。

  基于此,本文提出了假设二:资产负债率与研发投入负相关。

  三、资产负债率的调节作用

  现金的高效利用是现金持有能否促进研发投入的关键,资产负债率的调节作用就是资产负债率能否影响现金持有在研发活动中的利用率。(罗进辉,2008)提出了现金持有量与负债水平之间存在一种非线性的U型关系,当负债水平处于0-56%时,企业的现金持有量随着负债水平的提高而降低。当负债水平大于56%时,企业的现金持有量随负债水平的提高而提高。当负债水平过大时,企业会持有更多的现金来保证研发平滑。同时,拥有过高的负债的企业的管理者会减少研发支出,将资金用于进行经营活动,维持企业运营。

  基于此,本文提出了假设三:资产负债率会抑制现金持有对研发投入的促进作用。

  4实证研究设计

  4.1样本选取与数据来源

  本文选取2013年到2018年所有在沪深上市的A股公司作为研究样本,样本中剔除以下公司:(1)ST公司,ST公司是指境内被进行特别处理的上市公司,经营连续三年亏损,被进行退市风险警告,因此要剔除此异常值。(2)保险和金融行业公司,保险金融行业与其他行业的会计科目设置不同,这会影响分析结果,所以进行剔除。(3)六年中研发投资数据有缺失的公司。在抽样期间一共有1354家公司。数据来源于国泰安数据库和万德数据库,利用SPSS23与EXCEL软件进行统计分析。

  4.2指标设计与变量选取

  4.2.1指标选择的标准

  (1)可测量性与可理解性

  前者是指评判的指标能够量化,后者是指评判的指标能够简单易懂,并有明确的指导意义。

  (2)对应性与整体性

  前者是指该变量和所有变量指标都要有联系;后者是指选区整体的指标。

  (3)准确性与客观性

  前者是指被选取的变量的公式必须是被证明过的,且在科学界普遍运用的;后者是指选取的数据必须是已经被认可的科学依据。

  4.2.2被解释变量

  研发投入强度

  研发包括了研究与开发两个部分。目前对对研发有广义和狭义两种定义。广义的研发是指基础研究、应用研究和试验发展三个阶段。狭义的研发是指企业的研发活动。对于企业来说,如果没有产品研发,企业就是一个单纯复制产品的空壳,随时可以被人模仿。只有进行研发活动,取得自己的技术创新,企业才会拥有核心竞争力,才可以在市场激烈的竞争中存活下来。本文参考(谈静晗,2019)研究,将企业研发投入强度定义为研发支出与总资产的比值。

  4.2.3解释变量

  现金持有水平

  现金持有主要有三个动机:交易性动机、预防性动机和投机性动机。由于企业的研发投如活动自身的特性,企业除了会因为交易性动机和投机性动机来持有现金满足日常经营和需要以及把握投资机会,更主要的是会出于预防性动机去持有现金,来保证研发投入活动的顺利进行。会计准则中对于现金持有有广义和狭义两种定义。广义的现金包括狭义现金及现金等价物。狭义的现金主要是指企业的库存现金和流动性较高可以随之使用的存款。本文对于现金的定义就是广义的现金概念,即现金及现金等价物。以往文献对于现金持有水平的衡量方法主要有三种:1、货币资金与交易性金融资产之和与期初总资产的比值;2、现金及现金等价物与期初总资产的比值;3现金及现金等价物与销售收入的比值。本文采用第二种方法,用现金及现金等价物与总资产的比值来衡量现金持有水平。

  4.2.4调节变量

  (1)现金流量

  在现代企业的发展过程中,现金流能够决定企业的兴衰存亡,也最能够反映出企业的本质。因为现金流是动态的,有流出也有流入,一旦流入的现金流小于流出的现金流,企业就遭遇运营危机。而且,如果企业没有充足的现金流,即使是在好的投资项目,也会因为资金链的断缺而以失败告终。

  现金流按其来源性质不同可以分为三类:经营活动产生的现金流量、投资活动产生的现金流量和筹资活动产生的现金流量。其中经营性活动产生的现金流量是企业现金流的主要来源。本文参考(王炜,2014)研究,将现金流量定义为经营性活动产生的现金流量净额与总资产的比值。

  (2)企业规模

  资产规模对于企业获取资源的能力和风险性均有影响。资产规模大的公司拥有规模经济优势,能够获得更多的融资,所受的融资约束比较小。但同时企业规模越大,组织结构也就越复杂,组织内部部门之间的代理问题会更加严重。在《统计上大中小企业划分方法(暂行)》中,以企业的“从业人员数”、“销售额”、“资产总额”三个指标作为划分标志,这主要是因为以“从业人员数”衡量企业规模与国际接轨,具有国际可比性。以“销售额”衡量企业规模容易操作。以“资产总额”衡量企业规模考虑了资产占用和生产要素。由于本文从资源视角出发,根据大多数文献的实际情况,使用企业总资产的自然对数来衡量

  (3)资产负债率

  资产负债率衡量企业长期偿债水平的重要指标之一。债权人在向企业贷出资金时往往会有许多要求,如评估贷款项目的风险水平和偿债能力等等。但是由于研发活动具有风险大、周期长和保密性强等特点,导致企业内外部人员的信息严重不对称,使得债务人难以评估风险水平,会承担更多的风险。所以当申请贷款时,资产负债率就成了重要的评价指标,资产负债率越高,债权人对于企业的信心也就越不足,企业能够取得的债务融资也就越少。本文以众多学者的定义算法为依据,以总负债/总资产来定义资产负债率。

  (4)盈利能力

  盈利能力指企业获取利润的能力,企业的盈利能力越强,其回馈给股 黄的报酬也就越高,企业的价值也就越大,企业的偿债能力也会得到提高。本文参考(岳圣元等人,2019)的研究,将盈利能力用净资产收益率来衡量。净资产收益率的计算公式为净利润与股 黄权益平均余额的比值。

  4.2.5控制变量

  (1)托宾Q值

  托宾Q值被定义为市场价值由于重置价值之比,因此它可以用来衡量一项资产的市场价值是否被低估或者高估。著名的“蒙代尔-托宾效应”指出:当TQ小于1时,企业的市场价值小于重置价值,经营者会倾向于实现企业扩张,而不是进行研发投入,研发支出就会减少。当TQ大于1时,企业的市场价值高于重置价值,企业可以通过发行较少的股票就能获得更多的资金,此时研发指出就会增加。当TQ等于1时,企业投资和资本成本达到动态均衡。因此,托宾Q值被广泛用来衡量企业的投资价值。本文托宾Q值的计算公式为市场价值与总资产的比值。

  (2)产权性质

  由于我国证券市场脱轨于转轨经济,大部分上市公司有国有企业改制而来。通常来说,我国的国有企业对比于非国有企业,具有充分的政企和银企关系,往往能够取得更多的融资,融资约束对于国有企业来说影响较小。但是从委托关系和代替关系角度来看,国有企业所面对的情况往往比非国有企业更加的复杂,而且国有企业的管理者比非国有企业的管理者拥有更多的自主权,这就会诱发机会主义行为,影响企业价值,使得国有企业内部的代理问题相当严重。这些因素导致了在我国不同产权性质的企业对研发投入的态度存在显著差异。因此,本文选择采用虚拟变量对其进行控制,国有企业的虚拟变量取值为1,非国有企业的虚拟变量取值为0。

  (3)年份

  本文采用了2013年到2018年的上市公司数据进行研究,将年份设置为虚拟变量进行控制,处于本年的的取值为1,否则取0。

  以下表4.2.6为各变量定义:

  表4.2.6

  被解释变量RD研发投入强度研发投入/总资产

  解释变量CASH现金持有水平现金及现金等价物/总资产

  调节变量LEV资产负债率总负债/总资产

  控制变量CF现金流量经营活动产生的现金流净额/总资产

  SIZE企业规模总资产的自然对数

  ROE净资产收益率净利润/总资产平均余额

  TQ托宾Q值市场价值/总资产

  虚拟变量SOE股权性质国有企业取1,否则取0

  YEAR年度变量如果企业处于该年度则取1,否则取0

  4.3模型建立

  基于以上变量,本文参考(何涌等人,2019)研究,建立了如下四个模型

  5实证研究结果

  5.1描述性统计

  基础指标

  名称样本量最小值最大值平均值标准差中位数

  RD 5838 0 0.467 0.043 0.035 0.036

  CASH 5838 0.004 0.774 0.173 0.113 0.145

  LEV 5838 0.008 0.7 0.365 0.166 0.361

  CASH*LEV 5838 0.003 5.144 0.871 0.585 0.752

  CF 5838-0.398 0.488 0.042 0.062 0.037

  SIZE 5838 19.581 27.386 22.109 1.068 22.009

  ROE 5838 0 0.883 0.087 0.071 0.07

  TQ 5838 0 1 0.963 0.188 1

  SOE 5838 0 1 0.314 0.464 0

  5.2相关性分析

  Pearson相关

  RD

  CASH相关系数0.159**

  p值0

  LEV相关系数-0.243**

  p值0

  CASH*LEV相关系数-0.079**

  p值0

  CF相关系数-0.048**

  p值0

  SIZE相关系数-0.189**

  p值0

  TQ相关系数0.079**

  p值0

  ROE相关系数-0.089**

  p值0

  SOE相关系数-0.092**

  p值0

  *p<0.05**p<0.01

  从上表可知,利用相关分析去研究RD分别和CASH,LEV,CASH*LEV,CF,SIZE,TQ,ROE,SOE共8项之间的相关关系,使用Pearson相关系数去表示相关关系的强弱情况。具体分析可知:

  RD和CASH之间的相关系数值为0.159,并且呈现出0.01水平的显著性,因而说明RD和CASH之间有着显著的正相关关系。RD和LEV之间的相关系数值为-0.243,并且呈现出0.01水平的显著性,因而说明RD和LEV之间有着显著的负相关关系。RD和CASH*LEV之间的相关系数值为-0.079,并且呈现出0.01水平的显著性,因而说明RD和CASH*LEV之间有着显著的负相关关系。RD和CF之间的相关系数值为-0.048,并且呈现出0.01水平的显著性,因而说明RD和CF之间有着显著的负相关关系。RD和SIZE之间的相关系数值为-0.189,并且呈现出0.01水平的显著性,因而说明RD和SIZE之间有着显著的负相关关系。RD和TQ之间的相关系数值为0.079,并且呈现出0.01水平的显著性,因而说明RD和TQ之间有着显著的正相关关系。RD和ROE之间的相关系数值为-0.089,并且呈现出0.01水平的显著性,因而说明RD和ROE之间有着显著的负相关关系。RD和SOE之间的相关系数值为-0.092,并且呈现出0.01水平的显著性,因而说明RD和SOE之间有着显著的负相关关系。

  5.3回归分析

  模型一回归分析

  线性回归分析结果(n=5838)

  非标准化系数标准化系数tpVIFR2调整R2F

  B标准误Beta

  常数0.156 0.011-13.766 0.000**-0.041 0.041 F(5,5832)=50.450,p=0.000

  CF-0.019 0.008-0.033-2.378 0.017*1.148

  SIZE-0.005 0-0.157-10.838 0.000**1.279

  ROE-0.02 0.007-0.04-2.802 0.005**1.255

  TQ 0.006 0.003 0.031 2.259 0.024*1.117

  SOE-0.003 0.001-0.045-3.385 0.001**1.093

  因变量:RD

  D-W值:2.000

  *p<0.05**p<0.01

  从上表可知,将CF,SIZE,ROE,TQ,SOE作为自变量,而将RD作为因变量进行线性回归分析,从上表可以看出,模型R方值为0.041,意味着CF,SIZE,ROE,TQ,SOE可以解释RD的4.1%变化原因。对模型进行F检验时发现模型通过F检验(F=50.450,p=0.000<0.05),也即说明CF,SIZE,ROE,TQ,SOE中至少一项会对RD产生影响关系,以及模型公式为:RD=0.156-0.019*CF-0.005*SIZE-0.020*ROE+0.006*TQ-0.003*SOE。另外,针对模型的多重共线性进行检验发现,模型中VIF值全部均小于5,意味着不存在着共线性问题;并且D-W值在数字2附近,因而说明模型不存在自相关性,样本数据之间并没有关联关系,模型较好。最终具体分析可知:CF的回归系数值为-0.019(t=-2.378,p=0.017<0.05),意味着CF会对RD产生显著的负向影响关系。SIZE的回归系数值为-0.005(t=-10.838,p=0.000<0.01),意味着SIZE会对RD产生显著的负向影响关系。ROE的回归系数值为-0.020(t=-2.802,p=0.005<0.01),意味着ROE会对RD产生显著的负向影响关系。TQ的回归系数值为0.006(t=2.259,p=0.024<0.05),意味着TQ会对RD产生显著的正向影响关系。SOE的回归系数值为-0.003(t=-3.385,p=0.001<0.01),意味着SOE会对RD产生显著的负向影响关系。总结分析可知:TQ会对RD产生显著的正向影响关系。以及CF,SIZE,ROE,SOE会对RD产生显著的负向影响关系。

  模型二回归分析

  线性回归分析结果(n=5838)

  非标准化系数标准化系数tpVIFR2调整R2F

  B标准误Beta

  常数0.127 0.011-11.099 0.000**-0.065 0.064 F(6,5831)=67.237,p=0.000

  CF-0.027 0.008-0.046-3.409 0.001**1.156

  CASH 0.049 0.004 0.157 12.039 0.000**1.064

  SIZE-0.004 0-0.127-8.737 0.000**1.318

  ROE-0.032 0.007-0.065-4.547 0.000**1.281

  TQ 0.006 0.003 0.031 2.336 0.020*1.117

  SOE-0.004 0.001-0.056-4.206 0.000**1.098

  因变量:RD

  D-W值:2.006

  *p<0.05**p<0.01

  从上表可知,将CF,CASH,SIZE,ROE,TQ,SOE作为自变量,而将RD作为因变量进行线性回归分析,从上表可以看出,模型R方值为0.065,意味着CF,CASH,SIZE,ROE,TQ,SOE可以解释RD的6.5%变化原因。对模型进行F检验时发现模型通过F检验(F=67.237,p=0.000<0.05),也即说明CF,CASH,SIZE,ROE,TQ,SOE中至少一项会对RD产生影响关系,以及模型公式为:RD=0.127-0.027*CF+0.049*CASH-0.004*SIZE-0.032*ROE+0.006*TQ-0.004*SOE。另外,针对模型的多重共线性进行检验发现,模型中VIF值全部均小于5,意味着不存在着共线性问题;并且D-W值在数字2附近,因而说明模型不存在自相关性,样本数据之间并没有关联关系,模型较好。最终具体分析可知:CF的回归系数值为-0.027(t=-3.409,p=0.001<0.01),意味着CF会对RD产生显著的负向影响关系。CASH的回归系数值为0.049(t=12.039,p=0.000<0.01),意味着CASH会对RD产生显著的正向影响关系。SIZE的回归系数值为-0.004(t=-8.737,p=0.000<0.01),意味着SIZE会对RD产生显著的负向影响关系。ROE的回归系数值为-0.032(t=-4.547,p=0.000<0.01),意味着ROE会对RD产生显著的负向影响关系。TQ的回归系数值为0.006(t=2.336,p=0.020<0.05),意味着TQ会对RD产生显著的正向影响关系。SOE的回归系数值为-0.004(t=-4.206,p=0.000<0.01),意味着SOE会对RD产生显著的负向影响关系。总结分析可知:CASH,TQ会对RD产生显著的正向影响关系。以及CF,SIZE,ROE,SOE会对RD产生显著的负向影响关系。

  模型三

  线性回归分析结果(n=5838)

  非标准化系数标准化系数tpVIFR2调整R2F

  B标准误Beta

  常数0.085 0.012-7.144 0.000**-0.085 0.084 F(7,5830)=77.234,p=0.000

  CF-0.034 0.008-0.06-4.412 0.000**1.165

  CASH 0.035 0.004 0.113 8.361 0.000**1.161

  LEV-0.037 0.003-0.174-11.331 0.000**1.505

  SIZE-0.002 0.001-0.048-2.999 0.003**1.629

  ROE-0.035 0.007-0.07-4.961 0.000**1.283

  TQ 0.006 0.002 0.033 2.488 0.013*1.117

  SOE-0.003 0.001-0.041-3.084 0.002**1.109

  因变量:RD

  D-W值:2.001

  *p<0.05**p<0.01

  从上表可知,将CF,CASH,LEV,SIZE,ROE,TQ,SOE作为自变量,而将RD作为因变量进行线性回归分析,从上表可以看出,模型R方值为0.085,意味着CF,CASH,LEV,SIZE,ROE,TQ,SOE可以解释RD的8.5%变化原因。对模型进行F检验时发现模型通过F检验(F=77.234,p=0.000<0.05),也即说明CF,CASH,LEV,SIZE,ROE,TQ,SOE中至少一项会对RD产生影响关系,以及模型公式为:RD=0.085-0.034*CF+0.035*CASH-0.037*LEV-0.002*SIZE-0.035*ROE+0.006*TQ-0.003*SOE。另外,针对模型的多重共线性进行检验发现,模型中VIF值全部均小于5,意味着不存在着共线性问题;并且D-W值在数字2附近,因而说明模型不存在自相关性,样本数据之间并没有关联关系,模型较好。最终具体分析可知:

  CF的回归系数值为-0.034(t=-4.412,p=0.000<0.01),意味着CF会对RD产生显著的负向影响关系。CASH的回归系数值为0.035(t=8.361,p=0.000<0.01),意味着CASH会对RD产生显著的正向影响关系。LEV的回归系数值为-0.037(t=-11.331,p=0.000<0.01),意味着LEV会对RD产生显著的负向影响关系。SIZE的回归系数值为-0.002(t=-2.999,p=0.003<0.01),意味着SIZE会对RD产生显著的负向影响关系。ROE的回归系数值为-0.035(t=-4.961,p=0.000<0.01),意味着ROE会对RD产生显著的负向影响关系。TQ的回归系数值为0.006(t=2.488,p=0.013<0.05),意味着TQ会对RD产生显著的正向影响关系。SOE的回归系数值为-0.003(t=-3.084,p=0.002<0.01),意味着SOE会对RD产生显著的负向影响关系。总结分析可知:CASH,TQ会对RD产生显著的正向影响关系。以及CF,LEV,SIZE,ROE,SOE会对RD产生显著的负向影响关系。

  回归4

  线性回归分析结果(n=5838)

  非标准化系数标准化系数tpVIFR2调整R2F

  B标准误Beta

  常数0.078 0.012-6.499 0.000**-0.088 0.086 F(8,5829)=69.988,p=0.000

  CF-0.034 0.008-0.06-4.467 0.000**1.165

  CASH 0.062 0.008 0.2 8.099 0.000**3.891

  CASH*LEV-0.007 0.002-0.111-4.209 0.000**4.43

  LEV-0.02 0.005-0.096-4.01 0.000**3.689

  SIZE-0.002 0.001-0.046-2.85 0.004**1.631

  ROE-0.033 0.007-0.065-4.605 0.000**1.292

  TQ 0.006 0.002 0.034 2.551 0.011*1.117

  SOE-0.003 0.001-0.04-3.029 0.002**1.11

  因变量:RD

  D-W值:1.997

  *p<0.05**p<0.01

  从上表可知,将CF,CASH,CASH*LEV,LEV,SIZE,ROE,TQ,SOE作为自变量,而将RD作为因变量进行线性回归分析,从上表可以看出,模型R方值为0.088,意味着CF,CASH,CASH*LEV,LEV,SIZE,ROE,TQ,SOE可以解释RD的8.8%变化原因。对模型进行F检验时发现模型通过F检验(F=69.988,p=0.000<0.05),也即说明CF,CASH,CASH*LEV,LEV,SIZE,ROE,TQ,SOE中至少一项会对RD产生影响关系,以及模型公式为:RD=0.078-0.034*CF+0.062*CASH-0.007*CASH*LEV-0.020*LEV-0.002*SIZE-0.033*ROE+0.006*TQ-0.003*SOE。另外,针对模型的多重共线性进行检验发现,模型中VIF值全部均小于5,意味着不存在着共线性问题;并且D-W值在数字2附近,因而说明模型不存在自相关性,样本数据之间并没有关联关系,模型较好。最终具体分析可知:CF的回归系数值为-0.034(t=-4.467,p=0.000<0.01),意味着CF会对RD产生显著的负向影响关系。CASH的回归系数值为0.062(t=8.099,p=0.000<0.01),意味着CASH会对RD产生显著的正向影响关系。CASH*LEV的回归系数值为-0.007(t=-4.209,p=0.000<0.01),意味着CASH*LEV会对RD产生显著的负向影响关系。LEV的回归系数值为-0.020(t=-4.010,p=0.000<0.01),意味着LEV会对RD产生显著的负向影响关系。SIZE的回归系数值为-0.002(t=-2.850,p=0.004<0.01),意味着SIZE会对RD产生显著的负向影响关系。ROE的回归系数值为-0.033(t=-4.605,p=0.000<0.01),意味着ROE会对RD产生显著的负向影响关系。TQ的回归系数值为0.006(t=2.551,p=0.011<0.05),意味着TQ会对RD产生显著的正向影响关系。SOE的回归系数值为-0.003(t=-3.029,p=0.002<0.01),意味着SOE会对RD产生显著的负向影响关系。总结分析可知:CASH,TQ会对RD产生显著的正向影响关系。以及CF,CASH*LEV,LEV,SIZE,ROE,SOE会对RD产生显著的负向影响关系。