刘辉 范林榜

摘  要：文章从供应链管理的视角出发，选取沪深两市A股442家制造型上市公司2015～2019年数据为研究样本，使用面板门限模型实证研究了科技创新对企业绩效的影响。实证结果表明，科技创新与企业绩效之间存在非线性关系;科技创新对企业绩效有显著正向影响;科研人员的数量与企业绩效的关系受到供应链管理能力的影响从而存在两面性。最后，提出了提高企业科技创新能力和供应链管理能力的建议。

关键词：供应链管理;科技创新;企业绩效;面板门限

中图分类号：F273    文献标识码：A

Abstract： From the perspective of supply chain management， this paper selects the data of 442 manufacturing listed companies in Shanghai and Shenzhen stock exchanges from 2015 to 2019 as the research samples， and uses the panel threshold model to empirically study the impact of scientific and technological innovation on enterprise performance. The empirical results show that there is a nonlinear relationship between scientific and technological innovation and enterprise performance. Scientific and technological innovation has a significant positive impact on enterprise performance; The relationship between the number of researchers and enterprise performance is influenced by the supply chain management ability， so there are two sides. Finally， this paper puts forward some suggestions and opinions to improve the enterprise's ability of scientific and technological innovation and supply chain management.

Key words： supply chain management; scientific and technological innovation; enterprise performance; panel threshold

0  引  言

當前受“新冠肺炎”的影响，全球经济衰退已经是势不可挡，中国的经济发展也受到巨大的冲击。很多制造型企业对外贸易受到前所未有的压力。因此，去库存、降杠杆、做好供应链管理对于中国的企业来说已是迫在眉睫。海外疫情持续肆虐，贸易订单不足问题随之显现，部分企业因销售不畅，被迫减产停产，库存积压明显，资金严重短缺，科研人才大量外流，科研创新项目被迫停止。在疫情寒冬期，大部分企业积累了大量库存，资源配置效率下降。且当前我国正处于绿色经济转型升级的关键时期，经济增速明显放缓，各行业竞争激烈，而超额库存面临着功能性贬值，并不具备竞争优势，还为企业招致了较为棘手的库存管理问题。供应链管理能力对于企业绩效的提高显得尤为重要。优化库存管理水平能使企业保持市场弹性、经营韧性，并降低由于存货带来的额外成本支出，将资金用于技术研发和产品创新，对提高企业绩效水平有着显著的影响。为了进一步探究科技创新与企业绩效之间是否存在非线性关系，供应链管理能力对科技创新有着怎样的影响，本文从供应链管理的视角出发，选取沪深两市A股442家制造型上市企业2015～2019年数据为研究样本，使用面板门限模型分析了科技创新对企业绩效的影响，并提出了提高企业科技创新能力和供应链管理能力的建议。

1  文献综述

1.1  国外研究

Przychodzen W， Przychodzen J（2018）[1]认为可持续创新实践，尤其是有助于创造环境、社会和经济价值的实践已经越来越受到全球学术界、行业领袖和政策制定者的关注。人们普遍认为，创新是实现企业长期可持续性发展的一个非常重要的难题，在企业绩效层面上讲可持续性创新是非常重要的。Divisekera S， Nguyen V K（2018）[2]在澳大利亚旅游企业的背景下探索旅游创新过程，他们利用纵向数据库和逻辑回归模型，研究了创新投入或决定因素与旅游服务和营销创新中广泛采用的两个创新产出之间的关系。研究结果对推动旅游企业创新努力的各种投入和相关制度因素的作用和影响提供了新的见解。Govindan K， Cheng T C E等（2018）[3]通过研究新的方法、实践和机会，探讨了物流和供应链管理的大数据分析在提高企业绩效上的应用，文章提出和分析各种各样的机会来改善大数据分析和应用对物流和供应链管理的方法，比如通过探索技术驱动的跟踪策略，财务业绩与数据驱动的供应链的关系等。Cannella S， Dominguez R等（2018）[4]认为供应链管理已经成为应对当前日益复杂的商业环境的主要成功关键因素之一。虽然供应链管理是一门成熟的学科，但由于一系列过程、决策和结构的动态交互作用，实际供应链的复杂性在过去二十年中已经发生了很大的变化，这些过程、决策和结构的理解对于在市场中获得竞争优势至关重要。事实上，大多数供应链管理研究都集中在假设节点买家和供应商之间的线性关系上。

1.2  国内研究

李海东、戎晓婕（2020）[5]基于间断平衡理论和组织冗余视角，系统分析了研发投入跳跃对企业绩效的影响以及可用冗余、潜在冗余对两者关系的调节效应。研究表明，研发投入跳跃对企业绩效的影响呈倒U形，可用冗余负向调节研发投入跳跃与企业绩效之间的正向关系。潜在冗余对研发投入跳跃与企业绩效之间关系的正向调节更加显著。朱慧明、王向爱等（2019）[6]基于分位数回归的方法，研究不同分位水平下社会责任、研发投入和企业绩效之间的关系。研究结果表明：社会责任对所有企业的短期绩效和利润比较高的企业的长期绩效有显著的促进作用;研发投入会显著降低利润比较高的企业的短期绩效，但会显著促进利润比较高的企业的长期绩效。王兰芳、王悦等（2019）[7]研究了法制环境对企业研发“粉饰”行为的影响及其经济后果。结果发现，在法制环境好的地区，企业会减少研发“粉饰”行为。研发“粉饰”行为对企业财务绩效的正向影响和对市场绩效的负向影响都集中在法制环境较差的地区，说明法制环境可以在一定程度上抑制研发“粉饰”行为，并减少研发“粉饰”行为对组织绩效的负面影响。

以上这些学者都是研究科技创新对企业绩效的直接影响，很少有学者从供应链的角度出发研究科技创新与企业绩效背后的逻辑关系。因此，本文基于供应链视角对我国制造型企业的面板数据进行了分析处理。

2  研究设计

2.1  研究假设

根据以上文献资料我们可以看出，科技创新能力、供应链管理能力对企业绩效均有显著影响，但是国内外的研究由于地区差异和选取样本的不同可能有着不同的研究结果。因此，本文提出如下三个研究假设。

假设一H1：科技创新对企业绩效的影响存在非线性关系。

在这样一个竞争激烈的复杂社会环境下，科技创新是企业生存和取得成功的最基本来源。科技创新能力被认为是企业提供和维持竞争优势以及实施整个战略的宝贵资产。Chen J X，Sharma P等（2019）[8]使用高层梯队理论进行假设并通过经验证明了变革型领导进行探索性创新对企业绩效的影响的不一致结论，呈现出倒U型效应。即创新只能通过对公司稀缺资源的最佳利用并且在中等程度的探索性创新中获得更好的企业绩效，而实际上可能由于资源利用不足而损害在更高水平的探索性创新中的企业绩效。因此，本文认为科技创新对企业绩效的影响存在非线性关系。

假设二H2：科技创新对企业绩效有显著正向影响。

Rajapathirana R P J， Hui Y（2018）[9]对斯里兰卡保险业的实证研究，探讨创新能力、创新类型以及企业绩效的不同方面之间的关系。通过模型假设实证验证了创新能力对企业绩效是有着显著正向影响，这项研究结果表明对创新能力的有效管理有助于提供更有效的创新成果，从而产生更好的企业绩效。因此，本文做出了科技创新对企业绩效有显著正向影响的假设。

假设三H3：科技创新对企业绩效的影响存在两面性。

本文认为科研人员的数量与企业绩效的关系受到供应链管理能力的影响从而存在两面性。存货周转率之所以对科研人才数量产生门槛效应，本文认为原因主要有以下两点：其一，当公司存货周转率较低时，表明企业供应链管理能力较差，有大量的存货积压，资金被大量占用，对科研创新的投入就会减少，科研人员的数量自然就会减少，旧的产品卖不掉，新的产品创造不出来，对企业绩效产生不利的影响;其二，当公司存货周转率较高时，表明企业供应链管理能力较强，企业资金流动性较强，对科研创新的投入就会增加，科研人员的数量自然就会增加，不断研发新的产品，打开新市场，从而间接提高企业绩效，形成良性循环。科研人员的数量不能一味的追求数量上的优势，应当视公司自身发展情况维持在一个适当的比重，更应当重视人才的质量。科研人才过多容易造成人员冗余、资源浪费;过少则科研人才不足，创造不出更好的产品，一旦消费者需求转变则必将带来巨大的经营风险。

2.2  变量选择与定义

2.2.1  被解释变量

本文被解释变量为企业绩效ROE采用净资产收益率表示。窦文章、陈梦（2019）[10]认为在盈利能力方面，券商在进行上市公司盈利能力评估时通常会选取总资产净利率ROA和净资产收益率ROE作为考核指标。Ferla R， Muller S H等（2019）[11]使用描述性、记录性和定量方法来验证无形资产对拉丁美洲公司经济绩效的影响。他们将净资产收益率作为企业绩效的指标，使用面板数据回归进行了审查，结果表明无形资产对净资产收益率产生负面影响。因此本文亦将净资产收益率ROE作为衡量企业绩效的指标。

2.2.2  核心解释变量

（1）科技创新

本文核心解释变量为科技创新R&D，本文认为企业的创新能力主要体现在科研人才上面，今天的中国资本市场已经足够完善，资本对于企业发展而言已经不再是困难。对于制造业而言，21世纪应当是顶尖科技人才的竞争，企业只有抓住科技人才才能创造出更好的产品。David Langley，Therina Theron（2018）[12]在《Nature》上发表论文称全球研究资助体系正变得越来越复杂和有竞争力。科学家需要证明质量、相关性、影响力和创新，同时满足正直和伦理的最高标准，管理知识产权问题并宣传他们的工作。同时，科研人才显得尤为不足，制约了当地经济的发展，许多地区正在努力与全球科技强国竞争。他们举例研究了非洲的发展正面临科技人才匮乏的现状。因此，本文将科研人才数量取对数作为核心解释变量科技创新R&D的指标。

（2）供应链管理能力

本文解释变量供应链管理能力ITR采用存货周转率ITR的平方表示。Cachon G P， Gallino S等（2019）[13]通过研究库存管理和销售之间的关系，证明库存管理可以增加销售额：扩大库存可以创造更多的选择。并可能标志着受欢迎或者合意的产品。他们主要研究库存管理和销售之间的内生关系，通过研究上下游供应链经销商库存的外生变化，建立数学模型找出库存管理和销售相关关系。Wibowo S S， Wirangga A（2019）[14]在檢验供应链管理对企业绩效的影响时，使用存货周转率ITR和供应天数作为供应链管理能力的指标。他们以2014～2016年期间在印度尼西亚证券交易所（IDX）上市的制造企业为样本，有目的的抽样并使用t检验进行多元回归分析。研究结果发现，存货周转率对公司绩效有正向影响，而供应天数变量对公司绩效有负向影响。因此，本文采用存货周转率平方ITR作为供应链管理能力的指标。

2.2.3  控制变量

在选取控制变量时，本文考虑到企业在实际运营中的各种因素，营销能力MA采用营业收入与销售费用的比值表示，Hughes M， Hughes P等（2019）[15]提出以资源为基础和以能力为基础的营销投资强度的论点，以提供营销作为股东价值投资的战略观点，研究发现营销投资强度对股东价值创造有一个U型二次效应，当进行战略投资并与其他投资相结合时，市场营销可以为股东带来令人兴奋的价值提升。经营能力TAT采用总资产周转率表示。Alsufy F J（2019）[16]研究考察了资本结构要素对总资产周转率的影响。他认为以总债务占总资产的比率衡量的资本结构成分对总资产周转率产生了积极影响。盈利能力FER采用财务费用率表示，管理能力MER采用管理费用率表示。

3  实证研究

3.1  模型原理

门限回归模型的思想最早由Tong（1978）提出，经过 Hansen（1996，1999，2000）的发展最终形成了多元面板門限回归模型[17]，其具体形式如下：

y=                                         （1）

y=μ+β+β+ε                                    （2）

=z   =z

其中：样本数据表示为y，x，q，γ，i，t分别表示个体和时间，y为被解释变量，x为解释变量，q为划分样本的“门限变量”（也可以作为解释变量），γ是待估计的门限值，μ反映个体未观测特征，ε～iid.N0，δ是扰动项。I·为指示函数，即若括号中的表达式为真，则取值为1;反之，则取值为0。

对门限值γ和参数βi=1，2用非线性最小二乘法（NLS）估计，即最小化残差平方和。如果取γ值已确定，则令z≡x·Iq≤γ， z≡x·Iq>γ，将式（2）转化为线性回归模型，即y=μ+βz+βz+ε，用最小二乘法（OLS）估计βγ和βγ，并计算残差平方和SSRγ，选择γ使得SSRγ最小。最终可得参数估计量β， β， 。

面板门限模型检验分为门限效应的显著性检验与门限估计值的真实性检验[18]。对于是否存在“门限效应”，可以检验原假设：H∶β=β。如果原假设成立，则不存在门限效应，式（2）简化为标准的固定效应模型，可用OLS来估计;如果原假设不成立，则存在门限效应，此时需进一步对门限值的真实性进行检验，即检验“H∶γ=γ”。Hansen（1999）提出使用似然比LRγ统计量来计算γ的置信区间，LRγ的计算公式为：

LRγ≡SSRγ-SSR/                                      （3）

其中：≡为对扰动项方差的一致估计。

3.2  模型构建

基于以上模型与理论，可以看出以上模型仅有一个门阀值，但是也可能会存在2个或者3个门阀值，需要重复以上步骤进行多个门限值的检验直到不能拒绝原假设为止，从而最终确定相应的门限值个数[19]。因此，本文基于供应链的视角，构建了如下模型来研究科技创新、供应链管理与企业绩效的关系。

ROE=α+βMA+βFER+βMER+βTAT+βITR+βR&D·IITR≤γ+βR&D·IITR>γ+ε         （4）

ROE=                             （5）

其中：样本数据表示为ROE，MA，FER，TAT，ITR，R&D，i，t分别表示个体和时间，ROE为被解释变量企业绩效，R&D为解释变量科技创新，Control=MA，FER，MER，TAT为控制变量，ITR为划分样本的“门限变量”库存管理能力（此处也作为解释变量），γ是待估计的门限值，α反映个体未观测特征，ε～iid.N0，δ是扰动项。I·为指示函数，即若括号中的表达式为真，则取值为1;反之，则取值为0。

3.3  变量定义与描述性统计（如表1、表2所示）

3.4  数据来源

本文所有研究数据来源于国泰安数据库（CSMAR）、锐思数据库（RESSET），收集了2015～2019年中国沪深交易所A股上市公司2 558家制造型企业年度财务数据。为使数据与结果更具代表性与说服力并提高研究结论的可信度与严谨性， 本文对所选数据进行以下处理：（1）剔除数据缺失的企业;（2）剔除明显异常值的企业;（3）对部分数据进行对数处理。最后保留442家制造型企业2015～2019年的面板数据。

3.5  散点图检验

为了进一步验证观察科技创新与企业绩效的关系，由以上散点图1可以看出，R&D与ROE可能呈现倒“U”型曲线关系，即科技创新R&D与企业绩效ROE之间可能存在非线性关系。这说明企业绩效与科技创新之间的关系可能会受到供应链管理能力、营销能力、盈利能力、管理能力、经营能力等方面的影响，从而产生差异进一步影响了科技创新与企业绩效的关系。

3.6  随机效应与固定效应检验

本文基于式（6）模型，对科技创新能力与企业绩效进行混合回归，表3显示了个体固定效应模型和个体随机效应模型的检验结果对比。从检测结果的显著性来看，个体固定效应模型要优于个体随机效应模型;Hausman检验的结果中个体固定效应模型的P=0.000，即个体固定效应模型优于个体随机效应模型。因此本文选择个体固定效应模型，估计结果如表3所示。

ROE=α+βMA+βFER+βMER+βTAT+βITR+βR&D+βR&D+ε                     （6）

因为随机效应模型回归中R&D不显著，因此，本文采用对ROE的个体固定效应模型回归，虽然R&D一次方项系数的t统计量在10%水平下显著，但是R&D的平方项也在10%的水平下显著，且系数为负，说明科研创新与企业绩效之间并非简单的线性关系。即科研创新与企业绩效可能呈倒“U”型曲线关系。因此，可以认为企业对科研人才的引入对企业绩效一开始有促进作用，而后随着科研人才规模的增大，人才冗余、资源浪费，人力资源得不到有效的利用，反而使得企业绩效变差。而这正是大公司的“通病”。将科研人员的数量维持在一个适当的比例，是解决这类问题的关键。

3.7  面板门限模型估计

在验证了科技创新与企业绩效的倒“U”型关系后，本文基于式（4）和式（5），以库存管理能力ITR为门限，研究了科技创新对企业绩效的影响。因为在运用面板门限模型估计时，需要先确定门限的数量。因此，借鉴吴敏莲、王希辉等（2020）[20]的方法，依次对单一门限、双重门限进行估计，得到F统计量和采用Bootstrap反复抽样500次得出P值，在对不同门限值下对应的函数重新进行回归分析，最終确认本模型为单一门限模型，得出各个变量的系数值和门阀值，结果见表4和表5。

由表4可得，单一门限模型的门槛变量ITR的P值为0.02<0.05（即在5%的水平上显著）;双重门限模型的门槛变量ITR的P值为0.106>0.1，显然该模型在10%的水平上都不显著。因此，确定本模型为单一门限模型。进一步验证假设一成立，即H1：科技创新对企业绩效存在非线性关系。

3.8  门阀值估计的似然比函数图检验

从图2LR_1和图3LR_2为式（4）和式（5）门限值估计的似然比LR函数图，图2LR_1为一重门限下估计似然比LR函数图，从图2看出，当ITR达到23.988时，对ROE回归的LR统计量产生了结构性变化;图3LR_2为二重门限下估计似然比LR函数图，从图3可以看出，门阀值不显著，曲线比较杂乱无章，门阀值应当舍弃。因此，式（4）和式（5）的门限值为23.988。

对科技创新R&D与企业绩效ROE的回归结果如表5所示，回归方程模型如式（7）和式（8）。对ROE的回归说明，无论供应链管理能力ITR的强与弱，科技创新均能促进企业绩效的提高，从而验证假设二的成立，即H2：科技创新对企业绩效有显著正向影响。但是供应链管理能力的强弱对企业绩效的影响仍表现出明显差异。具体来说，当存货周转率ITR小于4.897755ITR==≈4.897755时，此时对应原始数据中科研人员的数量为2 136人，此时净资产收益率为0.089999。若科技人员数量的继续增加对企业净资产收益率的正向影响较大（影响系数为0.00763，在1%的水平上显著）;当存货周转率ITR大于4.897755时，科技人员数量的继续增加对企业净资产收益率的正向影响较小（影响系数为0.00515，在5%的水平上显著）。进一步证明假设三的成立。即H3：科技创新对企业绩效的影响存在两面性。即科研人员的数量与企业绩效的关系受到供应链管理能力的影响从而存在两面性。

ROE=0.0287+0.000283MA-0.173FER-0.282MER+0.0986TAT-0.0000628ITR

+0.00763R&D·IITR≤23.988+0.005151R&D·IITR>23.988+ε

ROE=（8）

4  结论及政策建议

4.1  研究结论

（1）科技创新对企业绩效存在非线性关系。科技创新对企业绩效的影响受到供应链管理水平的影响，即供应链管理能力对科技创新有着明显的门槛效应，进而间接影响对企业绩效的关系。

（2）科技创新对企业绩效有显著正向影响。无论供应链管理能力的强与弱，科技创新均能促进企业绩效的提高。即科技人才才是企业绩效提高的根本动力来源，人才优势才是企业的核心竞争优势。

（3）科技创新对企业绩效的影响存在两面性。即科研人员的数量与企业绩效的关系受到供应链管理能力的影响从而存在两面性。科研人员的数量对于企业绩效的提高应当存在一个适当的比重，并不是越多越好，具体应当视公司自身发展情况而定。

（4）营销能力和经营能力对企业绩效有正相关的影响，管理能力和盈利能力对企业绩效有负相关的影响。企业绩效与各变量关系如图4所示。

4.2  建议与意见

（1）企业应当重视供应链管理，处理好上下游商家的战略合作伙伴关系，争取在生产成本上获得伙伴的支持，以便有更好的定价空间。在产业链的每一节点都应当重视，要想实现产业链上下游的高效率运行，必须要处理好对内对外利益分配的问题。企业必须采用有效合理的方法降本增效。应当以客户需求为导向，按照客户需求和要求组织生产，可以减少库存积压。

（2）供應链管理的核心是实现双赢。与供应链上下游企业合作时应当追求双赢的效果，在实现产业链利益最大化的同时，进一步实现自身企业利益最大化。同时，企业应当不断寻求新的供应链资源，包括上下游的各种资源，比如上游原材料供应商、中游公共关系、下游客户关系等。不断开拓新的市场，进一步完善上下游的产业链。减少库存积压，增强库存周转能力，促进产业链的效益最大化。

（3）科研人才是企业生存发展不竭的动力源泉。创新的根本就是要抓住高科技人才，未来企业的竞争必将是科研人才的竞争，企业只有抓住了高科技人才才能创造出更高质量的产品，才能具有核心竞争力。

（4）企业要重视科技创新与企业绩效的两面性的关系。即科研人员的数量与企业绩效的关系受到供应链管理能力的影响从而存在两面性。中国制造型企业应当重视新产品的研发，但是科研人才数量应当视公司自身发展情况维持在一个适当的比重，科研人员的数量不能一味的追求数量上的优势，更应当重视人才的质量。科研人才过多容易造成人员冗余、资源浪费;过少则科研人才不足，创造不出更好的产品，一旦消费者需求转变则必将带来巨大的经营风险。

参考文献：

[1]  Przychodzen W， Przychodzen J. Sustainable innovations in the corporate sector——The empirical evidence from IBEX 35 firms[J]. Journal of Cleaner Production， 2018，172：3557-3566.

[2]  Divisekera S， Nguyen V K. Determinants of innovation in tourism evidence from Australia[J]. Tourism Management， 2018，67：157-167.

[3]  Govindan K， Cheng T C E， Mishra N， et al. Big data analytics and application for logistics and supply chain management[J]. Transportation Research Part E： Logistics and Transportation Review， 2018，114：343-349.

[4]  Cannella S， Dominguez R， Framinan J M， et al. Evolving trends in supply chain management： complexity， new technologies， and innovative methodological approaches[J]. Complexity， 2018（4）：1-3.

[5] 李海东，戎晓婕. 研发投入跳跃与企业绩效——可用冗余和潜在冗余的调节效应[J]. 华南理工大学学报（社会科学版），2020，22（1）：58-71.

[6] 朱慧明，王向爱，贾相华. 社会责任和研发投入对企业绩效影响的分位关系研究[J]. 湖南大学学报（社会科学版），2019，33（5）：47-55.

[7] 王兰芳，王悦，侯青川. 法制环境、研发“粉饰”行为与绩效[J]. 南开管理评论，2019，22（2）：128-141，185.

[8]  Chen J X， Sharma P， Zhan W， et al. Demystifying the impact of CEO transformational leadership on firm performance： Interactive roles of exploratory innovation and environmental uncertainty[J]. Journal of Business Research， 2019，96：85-96.

[9]  Rajapathirana R P J， Hui Y. Relationship between innovation capability， innovation type， and firm performance[J]. Journal of Innovation & Knowledge， 2018，3（1）：44-55.

[10] 窦文章，陈梦. 中美企业研发绩效比较研究[J]. 管理科学与工程，2019，8（3）：248-263.

[11]  Ferla R， Muller S H， Klann R C， et al. Influence of intangible assets on the economic performance of Latin American companies[J]. Brazilian Review of Finance， 2019，17（1）：35-50.

[12]  David Langley， Therina Theron. Discovery relies on strong support staff[J]. Nature： International weekly journal of science， 2018，561：24-29.

[13]  Cachon G P， Gallino S， Olivares M， et al. Does Adding Inventory Increase Sales？ Evidence of a Scarcity Effect in U.S. Automobile Dealerships[J]. Management Science， 2019，65（4）：1469-1485.

[14]  Wibowo S S， Wirangga A. Supply Chain Performance Dan Kinerja Perusahan[J]. JAMA， 2019，3（1）：116-125.

[15]  Hughes M， Hughes P， Yan J， et al. Marketing as an investment in shareholder value[J]. British Journal of Management， 2019，30（4）：943-965.

[16]  Alsufy F J. The Impact of Capital Structure Components on the Total Assets Turnover： Evidence from Amman Stock Exchange[J]. International Business Research， 2019，12（7）：71-75.

[17] 李云燕，殷晨曦. 京津冀地区PM2.5减排实效与影响因素的门限效应[J]. 中国环境科学，2017，37（4）：1223-1230.

[18] 任洪源，刘刚，罗永泰. 知识资源、研发投入与企业跨境创新绩效关系研究——基于面板数据门限回归的实证分析[J]. 管理评论，2017，29（1）：105-113.

[19] 李志辉，李梦雨. 我国商业银行多元化经营与绩效的关系——基于50家商业银行2005～2012年的面板数据分析[J]. 南开经济研究，2014（1）：74-86.

[20]  Minlian Wu， Xihui Wang， Xiafei Chen， et al. The threshold effect of R&D investment on regional economic performance in China considering environmental regulation[J]. Technology Analysis & Strategic Management， 2020，32（7）：1-18.