廖文静，陈 倬*

（武汉轻工大学管理学院，武汉 430023）

粮油加工业关系国计民生和国民营养健康安全保障，在国民经济中处于基础性产业地位。提升粮食加工和转化水平是着力构建粮食产业现代化体系、加快建设粮食产业强国的重要举措，然而创新投入不足成为当前我国粮油加工业高质量发展的最大短板[1]。根据国家粮食和物质储备局编制的“2019年粮食行业统计资料”，2019年全国入统粮油加工企业研发费用投入占销售收入的比例仅为0.2%，不仅远低于其他行业，也没有达到《粮油加工业“十三·五”发展规划》提出0.6%的要求。推进粮油加工业高质量发展，要以科技创新为驱动力，为此本文以粮油加工业中的佼佼者——上市公司为研究样本，选用研发密度和研发人员比率两个指标来分析创新投入对企业绩效的影响，以期为粮油加工企业的创新研发活动提供建议。

1 相关研究概况

关于创新投入对企业绩效的影响，目前学界存在三种观点：①大多数学者认为研发投入对提升企业绩效有明显的促进作用，如徐建中等[2]采用定性和定量分析方法发现，低碳技术创新对装备制造企业绩效的提升有显著促进作用；刘大鹏等[3]基于CDM模型，实证检验了研发人员投入强度对制造业和非制造业的成长性绩效均有积极作用；②少数学者认为研发投入对企业绩效存在消极作用，如贾伟和秦富[4]认为研发投入对农业企业绩效的影响受地区异质性的影响，东部地区企业绩效的提升要明显高于其它地区；黄洁莉等[5]认为创新投入对企业绩效的提升不仅不会产生积极促进作用，甚至会产生微弱的负面作用；贲友红[6]以医药制造企业为例，研究发现当期研发经费投入对企业绩效有显著的负向影响；隋佳良[7]构建GMM模型，研究发现创新投入对高技术行业的出口水平呈现负向作用；③还有一部分学者认为研发投入与企业绩效不相关，如邱玉兴等[8]选取2015年国有上市公司为样本，研究发现研发投入强度对公司绩效影响并不显著；尹美群等[9]按生产要素聚类分析发现，劳动密集型企业创新投入对当期和滞后性企业绩效均不产生显著影响。

2 计量数据和模型设定

2.1 样本与数据

本文选取在沪深证券交易所上市的、主营业务为米面油制品、特色食品及饲料加工的31家粮油加工企业为研究样本（见表1），采用2017～2020年度财务数据为面板数据。数据来自于国泰君安数据库并通过查阅年报对不齐全的数据进行补齐，数据分析使用软件Excel和Stata15.0。

表1 样本企业概况表

2.2 变量定义

2.2.1 被解释变量

在做绩效评价时，使用单一变量通常不能准确衡量企业经营绩效，为此本文构建了一个包括3个维度共10个指标反映我国粮油加工企业绩效指标的评价体系（见表2），采用因子分析法获得主成分因子来衡量我国粮油加工企业的综合绩效。

表2 财务指标评价体系及其编号

（1）KMO和Bartlett检验。本文在进行因子分析之前，首先对各项指标进行标准化处理，再使用KMO度量和Bartlett球形度检验来测试变量能否进行因子分析。由表3可知，KMO值为0.754＞0.7，且Bartlett球形度检验Sig值为0.000＜0.05，说明这10个变量之间存在显著的相关性,可以做因子分析。

表3 KMO和Bartlett检验结果

（2）公因子提取及命名。由表4可知，前三个因子的特征值大于1，且三个因子对10个指标的解释程度高达85.3%，因此可将前三个因子选作企业绩效10个指标的公因子。

表4 解释的总方差%

由表5可知，Factor1在X1净资产收益率、X2营业利润率、X3资产报酬率、X4总资产净利润率这些指标上的因子载荷都大于0.75，这四个指标都反映盈利能力，因此将Factor1命名为盈利能力因子；Factor2在X9总资产周转率、X10流动资产周转率这两个指标上的因子载荷都大于0.85，这两个指标都反映营运能力，因此将Factor2命名为营运能力因子；Factor3在X5总资产增长率、X6资本积累率这两个指标上因子载荷都大于0.6，两个指标都与企业发展能力有关，因此将Factor3命名为发展能力因子。

表5 旋转后的因子载荷矩阵表

（3）企业综合绩效的计算。表6为Stata软件处理得到的成分得分系数矩阵。本文先根据因子得分系统计算出2017～2020年31家粮油加工企业的各个公因子得分，然后使用公式计算出综合绩效得分。综合绩效为各公因子与权重的乘积，权重为各公因子的方差贡献率分别除以累计贡献率。

表6 成分得分系数矩阵

2.2.2 解释变量

本文将研发密度 （即研发投入与营业收入的比值）作为企业创新投入的一个指标。另外，企业技术创新活动取决于技术人员的努力程度，重视技术创新活动的企业一般也拥有更多的技术人员，因此，选用研发人员比率 （即研发人员与企业员工总数的比值）来衡量企业技术创新活动在人力资本上的投入。

2.2.3 控制变量

由于影响企业绩效的因素很多，加入控制变量来控制其它变量对企业绩效的影响，对于估计结果的无偏性是有利的。本文控制变量包括股权集中度（Top）、现金流水平（Cash）、企业规模（Size），见表7。

表7 变量定义表

2.3 模型构建

本文将粮油加工企业分为米面油品、特色食品和饲料加工三大类，分别构建当期的研发密度和研发人员比率对企业绩效的影响模型Model1-1（米面油品）、Model1-2（特色食品）、Model1-3（饲料加工）和Model2-1（米面油品）、Model2-2（特色食品）、Model2-3(饲料加工)，以及滞后期的研发密度和研发人员比率对企业绩效的影响模型Model3-1（米面油品）、Model3-2（特色食品）、Model3-3（饲料加工）和Model4-1（米面油品）、Model4-2（特色食品）、Model4-3（饲料加工），具体如下:

根据数据特点，本文选取变截距模型进行评价分析。先使用固定影响变截距模型和随机影响变截距模型分别对数据进行回归分析，再运用Hausman检验数据是否符合固定影响变截距模型。采用显著性为0.01与Hausman检验的P值进行比较，若P值小于0.01则采用固定影响变截距模型，反之则采用随机影响变截距模型。经检验，Hausman检验的P值均大于0.01（见表8），因此判定数据可使用随机影响变截距模型。

表8 Hausman检验

3 实证结果与分析

3.1 描述性统计分析

31家粮油加工企业的描述性统计结果如表9和表10所示。由表9可知，作为行业的佼佼者，样本企业研发投入强度远超行业平均水平（0.2%），也超过《粮油加工业“十三五”发展规划》中0.6%的要求，但离国际普遍认同的研发投入强度大于2%的标准还有一定距离。由此我们得出结论：我国粮油加工企业的研发投入水平普遍不高，存在较大增长空间。

表9 样本企业创新投入的描述性统计结果

表10 变量的描述性统计结果

由表10可知：①企业的综合绩效（Score）平均值接近于0，这是由于综合绩效的各项指标在做因子分析前已进行了标准化处理。综合绩效的最大值为1.268，最小值为-1.757，标准差为0.586，表明不同粮油加工企业之间的综合绩效存在显著差异；②企业的研发密度 （RD）平均值为1.21，最小值为0.002，最大值为4.09，标准差为 1.063，说明企业创新投入的平均水平还较低，且企业之间存在显著差异；③企业的研发人员比率 （RDPR）平均值为5.289，最小值为0.2，最大值为17.42，标准差为4.343，说明粮油加工企业之间的研发人员比率存在显著差异；④从控制变量来看，股权集中度（Top)的最大值高达86.34，最小值仅为12.887，标准差为12.887，说明样本企业的股权结构差距较大；样本企业的现金流水平（Cash）和企业规模（Size）也均呈现一定程度的差异。

3.2 相关性分析

各变量的相关性分析结果见表11，各个变量的相关系数都较小，说明变量之间不存在严重的多重共线性影响，不影响之后的回归结果。为了进一步验证模型成立的可靠性，在进行回归分析的基础上，本文增添多重共线性检验。由表12可知，各模型的方差膨胀系数接近1，多重共线性较轻，因此可判定模型的各变量相关程度很低，适合做回归分析。

表11 相关性检验

表12 方差膨胀系数表

3.3 回归结果分析

表13和表14分别显示了当期研发密度和研发人员比率对样本企业综合绩效影响分类回归结果。

表13 当期研发密度对综合绩效影响的分类回归结果

表14 当期研发人员比率对综合绩效影响的分类回归结果

由表13可知，研发密度对三类粮油加工企业综合绩效的影响均呈现显著的负相关关系，并分别在1%和5%的水平下高度显著，即研发密度每增加1%，三类企业综合绩效会分别减少14.5%、17.7%和23.1%，表明单靠增加研发投入并不能提升粮油加工企业的财务绩效,甚至会造成企业资源的浪费。

由表14可知，研发人员比率对三类粮油加工企业综合绩效的影响也均呈现显著的负相关关系，即研发人员占员工总数的比例每增加1%，三类企业综合绩效会分别减少2.6%、2.3%和5.2%，表明在当前阶段，粮油加工企业单纯增加研发人员，不仅不会增加企业绩效，反而会造成人力资源的浪费。

3.4 滞后性回归结果分析

表15显示了创新投入对样本企业综合绩效滞后性影响的分类回归结果。

表15 创新投入对综合绩效滞后性影响的分类回归结果

由表15可知，米面油品与特色食品企业的滞后一期研发密度与综合绩效的相关度分别为-0.095和-0.148，分别在5%和1%的水平下负相关显著；而饲料加工企业的滞后一期研发密度却对综合绩效无显著影响。即滞后一期的研发密度每增加1%，米面油品与特色食品企业的综合绩效会分别减少9.5%和14.8%，而饲料加工企业却无明显影响。

米面油品与饲料加工的滞后一期研发人员比率与综合绩效的相关度分别为-0.031和-0.054，分别在5%和1%的水平下负相关显著；而特色食品企业的滞后一期研发人员比率却对综合绩效无显著影响。即滞后一期的研发人员比率每增加1%，米面油品与饲料加工企业的综合绩效会分别减少3.1%和5.4%，而特色食品企业却无明显影响。

4 结论与建议

4.1 结论

本文选取研发密度与研发人员比率两个指标作为研发投入的衡量指标，选取企业绩效的盈利能力、发展能力与运营能力3个维度10个指标、运用因子分析法提取主成分因子作为企业绩效的衡量指标，综合分析了当期与滞后期的技术创新投入对粮油加工企业综合绩效产生的影响，研究结论包括：①我国粮油加工企业的创新投入水平普遍不高；②从研发密度与研发人员比率两方面来看，创新投入对米面油品、特色食品与饲料加工企业均有负向影响；③研发密度对米面油品和特色食品企业综合绩效的影响存在滞后性，研发人员比率对米面油品和饲料加工企业综合绩效的影响存在滞后性。

现阶段，粮油加工企业单靠创新投入提升经营绩效尚存在消极作用，这主要有以下几个方面的原因：①粮油加工企业普遍规模小，较小的研发投入很难产生规模效应，加上研发投入耗资大、失败可能性高，绝大多数粮油加工企业抱着“小富即安”的心态，不愿增加研发投入；②粮油加工企业的人员素质普遍不高，普通低水平的研发人员很难独立研制出高质量的粮油创新产品，增加了企业运营成本，从而给企业绩效带来影响；③目前市面上的粮油新产品普遍技术含量不高，容易被同行模仿和复制，导致企业先期研发投入得不到应有的回报；④粮油加工企业研发投入的精准性不够，新产品在市场上并不适销对路，研发成果不能很好地转化为收入，从而减少当期经营绩效。

4.2 政策建议

首先，在政府引导方面，一方面要构建更加灵活、高效、精准的奖补机制，实施“以奖代补、先建后补、奖补结合”等多种方式相结合的奖补模式，充分利用粮油精深加工贴息、产粮(油）大县奖补、粮食科技创新及成果转化和人才兴粮奖补等政策资金，引导粮油加工企业的研发活动转向深加工关键工艺技术、副产物资源化综合利用，加快企业产能结构、加工装备等的优化和换代升级。另一方面，政府也要引导民众树立营养健康意识，在全社会形成绿色健康的消费方式，倒逼粮油加工企业推进产品结构优化和发展动能转换。

其次，在产学研融合方面，支持粮油加工企业与相关涉粮高校院所、科研机构密切合作，形成“创新链”。探索建立产业技术创新联盟，开展科技揭榜挂帅制项目，引导开展订单式研发和投放式创新，充分调动企业、高校、科研机构等社会创新力量，重点支持粮油精深加工、仓储物流、质量安全、粮机制造及信息化技术等领域科研开发和成果运用。充分发挥高校科技人才优势，帮助企业建立健全现代企业制度，不断提高企业经营管理水平和经营能力。

再次，在知识产权保护方面，加快落实粮油行业的知识产权保护和运用工作，提高知识产权领域的治理能力和治理水平，营造公平合理的创新环境，让企业安于创新、敢于创新，激发全行业的创新活力，真正实现以创新为驱动的粮油加工业高质量发展。同时，粮油加工企业也要提高知识创新的维权意识，通过知识产权转让，合理合法地推广创新成果，促进全行业创新驱动发展和高标准市场体系建设。