宋广蕊 马春爱 肖 榕

(中国石油大学(北京)经济管理学院)

1 研究背景

我国已进入高质量发展阶段，科技创新处于国家发展全局的核心位置。企业是创新实践的主力军，如何提升企业创新投资水平对落实国家创新驱动发展战略具有关键意义。从已有文献来看，有关创新投资行为影响因素的研究，多从企业自身特征或外部环境视角展开。个别学者着眼于其他企业的创新投资行为，初步探讨了企业间创新投资的相互影响关系。冯戈坚等[1]从社会网络联结出发，发现企业研发投入和专利产出受与其存在联结关系的其他企业的影响；刘静等[2]认为，地理距离越近或分析师覆盖程度越高，则同行企业之间研发支出越相关。但整体而言，针对企业间创新投资行为互动影响的研究尚处于初始阶段，学者们未对其作用机理展开深入研究。

企业间创新投资行为的互动影响以信息流动和资源获取为前提，因此探索这种互动影响的关键在于揭示：①创新投资信息和资源在企业间传递的媒介；②创新投资信息和资源获取的渠道。首先，注意力基础观认为企业决策是高管注意力的体现[3]。出于规避风险和提高行业竞争力的动机，高管将高度关注行业中其他企业的表现。创新投资是企业重要的战略性决策，高管依赖于其掌握的包含同行企业创新投资行为在内的信息做出决策，并利用获取的资源最终落实于企业行为。据此，高管对于创新的注意力，很可能是同行企业间创新投资信息和资源传递的媒介。其次，连锁董事构成的管理连锁关系和连锁股东构成的投资连锁关系，是企业社会网络关系的重要内容，能够通过共享或合作促进企业间信息和资源的获取。基于资源依赖理论和社会资本理论，企业生存需要从环境中获取资源，连锁董事和连锁股东有助于构建企业间信息与管理经验的低成本交流渠道，进而发挥投资协同效应[4]，或增强企业动态获取创新资源的能力。基于此，连锁董事和连锁股东的存在将拓宽企业创新投资信息和资源的获取渠道。

本研究从同群效应角度入手，首先，以行业作为群体边界，检验同行业企业之间创新投资行为是否存在同群效应；其次，探究高管创新注意力在同群企业创新投资行为传递过程中的中介作用；最后，探索连锁董事和连锁股东在同群企业创新投资行为传递过程中的调节效应。本研究的贡献在于：从同群效应角度出发，丰富了企业创新投资行为影响因素的研究；以信息流动和资源获取为切入点，将企业决策回归到高管认知行为，同时将企业嵌入社会网络，厘清高管创新注意力和连锁关系在同群企业创新投资行为传递过程中的作用机理。相关研究结论可为国家落实创新驱动策略，以及企业开展创新投资活动提供重要启示。

2 理论分析与研究假设

2.1 企业创新投资行为的同群效应

根据技术模仿论，通过对创新的模仿可以实现技术创新的扩散。MANSFIELD[5]认为，技术创新扩散是一种模仿行为，而模仿即是一种主动性的学习。塔尔德[6]在其模仿定律中也提到，“没有被模仿的发明，从社会意义上说都是不存在的”。根据其模仿三定律之一的先内后外律，模仿者更容易将相似或关系亲近的个体视为模仿对象，同一行业内，企业业务范围和面临的外部环境更为相似，因而同行企业之间更容易出现创新投资行为的模仿与互动。

创新扩散过程中，企业的模仿学习行为与同群效应具有异曲同工之处。在多主体环境中，个体经常将自己与同群者的表现进行比较，同一群体中个体决策可以产生相互影响，进而形成同群效应[7]。已有研究表明，同群效应存在于企业资本结构决策[8]、并购决策[9]和盈余管理[7]等行为中。XIONG等[10]将同群效应分为信息效应、经验效应和外部性效应。对于创新投资行为，企业在和同群企业交流过程中可以感知到创新相关信息，进而做出是否进行投资的决策，此为信息效应；创新投资过程复杂且具有不确定性，同群企业的创新投资经历具有参考价值，可以降低企业尝试各种备选方案的成本[2]，此为经验效应；作为一类特殊的投资活动，创新投资的成果具有知识溢出效应，可以带动其他企业增加创新投资，实现技术创新和技术进步，此为外部性效应。由此可见，企业间创新投资行为的互动过程具有同群效应的特征。

基于以上分析，同时借鉴LEARY等[8]、万良勇等[9]的研究，将处于同一行业的企业视为同群企业，据此，提出如下假设：

假设1同一行业内，企业创新投资行为存在同群效应。

2.2 高管创新注意力的中介作用

复杂决策在很大程度上是行为因素的结果。高阶梯队理论认为，组织决策是高层管理者价值观和认知基础的反映[11]，高管认知在企业战略的制定和实施过程中发挥关键作用。高管创新注意力，指高管在创新相关的问题和解决方式上对注意力配置力度的大小，是注意力研究的一个分支，近年来逐渐受到关注，为深入研究创新问题提供了新的思路和视角。基于以下两方面，本研究认为，高管创新注意力在企业创新投资行为传递过程中发挥重要价值。

一方面，高管有动机将其注意力配置在同群企业创新投资行为上。首先，高管具有风险规避动机。创新投资是一种探索性行为，投资结果具有不确定性，同时注意力是一种稀缺资源，高管如何配置其有限的注意力在高风险的创新投资项目上，将影响其战略决策的制定和实施。为规避创新投资决策失败的风险，通过对同群企业开展“信息性学习”[2]，可以使高管间接获取创新投资经验，降低决策不确定性。其次，高管具有竞争性动机。管理者通过观察和模仿同行业中竞争对手的行为，缓解来自竞争对手的压力，力图使企业处于行业中竞争优势地位[9]。根据竞争动力学的观点，企业竞争优势的主要来源，已逐渐从规模优势转为创新与速度优势，因此，企业很可能将注意力配置在竞争对手的创新投资行为上，以开展竞争性模仿，甚至形成新的创新突破。

另一方面，高管创新注意力可以影响企业自身创新投资行为。首先，高管创新注意力影响企业战略决策的制定。从注意力基础观出发，企业创新投资战略决策与高管对创新机会和相关议题的注意力配置具有密切关系[12]。其次，高管创新注意力影响企业创新资源的投入和创新活动的开展。高管在新兴科技上的注意力可以促使其调动企业中与研发投资相关的资源[13]。最后，高管创新注意力有利于塑造企业创新文化。在那些关注创新的企业中，企业文化将更注重创新精神，这种鼓励创新的企业文化会激励员工表现出高水平的创造力，最终实现企业创新水平的提高。

基于此，提出如下假设：

假设2高管创新注意力在同群企业创新投资行为传递过程中发挥中介作用。

2.3 连锁关系的调节作用

创新投资行为传递依靠信息流动和资源获取。嵌入性理论表明，企业与外部环境中的其他企业具有或多或少的联系，企业的经济行为受其所嵌入社会网络的影响[14]，企业间的社会网络可以提高信息交流速度和资源获取效率。以连锁董事为代表的管理连锁关系，与以连锁股东为代表的投资连锁关系，均是企业社会网络关系的重要内容，连锁董事和连锁股东可对高管决策进行干预，对企业创新信息交流和资源获取具有更强的促进作用。

2.3.1连锁董事的调节作用

连锁董事是企业关系网络中可靠且低成本的网络形态之一，作为一种非正式的制度安排，成为企业建立外部联结，进而拓展外部生存空间的重要手段。一方面，连锁董事可以促进企业间创新相关信息的交流，发挥知识传播载体的作用。企业选取创新投资项目和进行投资价值评估，不可避免地产生信息成本和交易成本，连锁董事的存在可以降低企业间信息不对称，帮助企业以较低的成本获取投资机会。由于加强了项目执行背景、执行要素和执行结果等信息的传递，具有连锁董事的企业更倾向于做出与同行业其他企业相似的投资决策[15]。另一方面，连锁董事是企业获取外部创新资源的重要途径，发挥着资源流动载体的作用。资源依赖理论假设组织通常无法自给自足，需要与周围环境进行互动，在与环境的交换中获取所需资源，这种对资源的需求形成组织对外部环境的依赖，而组织间诸如连锁董事的非正式联结可以给组织带来有形和无形资源，缓解对资源的依赖[16]。已有研究表明，连锁董事网络有助于企业获取创新所需资源，提高企业创新水平[17]。据此，根据以上两种作用机制，连锁董事在同群企业创新投资行为传递过程中，能够促进企业对创新知识的吸收，同时有助于企业获取更多的创新资源，进而强化同行企业间创新投资行为的传递效果。

基于此，提出如下假设：

假设3a连锁董事在同群企业创新投资行为传递过程中具有调节作用。

2.3.2连锁股东的调节作用

企业创新理论经历了“自主创新—合作创新—网络创新”的发展历程。基于关系嵌入的合作创新，以及边界更为宽泛的基于网络嵌入的网络创新，都强调外部信息和资源的引入，通过企业间合作或形成创新联盟网络加速知识和信息的整合速度与共享效率[18]。连锁股东有助于持股企业间开展合作创新或网络创新，促成企业间战略性合作，尤其是持股同一行业企业的连锁股东，能够促进企业间形成联合投资或建立战略联盟，进而提高企业创新能力[19]。另外，行业内率先开展创新投资的企业投入成本往往较高，由于技术创新的外溢特点，其他企业在其研发基础上可以相对较低的成本获取相同的回报，即其他企业可能会发生“搭便车”的行为，长期来看，这种行为将影响企业创新研发的积极性。连锁股东的存在可以内化技术创新溢出的外部性[20]，激发企业创新投资动机，促进同行企业间技术创新投资行为的相互影响与带动。

基于此，提出如下假设：

假设3b连锁股东在同群企业创新投资行为传递过程中具有调节作用。

3 研究设计

3.1 变量设计

本研究的变量设计如下。

(1)因变量和自变量参照郭玥[21]的研究，以研发支出与营业收入之比衡量企业创新投资行为。借鉴万良勇等[9]的思路，将同群企业创新投资行为界定为上一期同行业中除企业自身外的其他企业的创新投资平均值。

(2)中介变量本研究以高管创新注意力作为中介变量。国外学者对高管注意力进行文本分析的基础材料多采用年报中“致股东的信”[22，23]，我国未强制企业对这部分信息进行披露。从可获取的公开资料来看，上市公司年报中“经营情况讨论与分析”包含了管理层对公司经营情况的回顾和展望，并且展望部分可以体现管理层对公司未来发展的战略和计划安排，是其注意力的外化表现。由于高管注意力落实到企业实践层面需要一定的时间，因此，本研究以观测年度上一期年报“经营情况讨论与分析”中“未来展望”部分作为高管创新注意力的原始文本分析材料。变量具体测算过程如下：①从上市公司年报中截取并存储“经营情况讨论与分析”中“未来展望”部分；②运用关键词法，参照MUSLU等[24]、MERKLEY[25]的研究，构建创新相关关键词，包括“创新”“研发”“专利”等20个词汇；③运用Python软件的“Jieba”分词模块，对步骤①中的文本进行自动分词，并统计创新相关关键词字数；④计算每个样本企业创新相关关键词字数占“未来展望”部分文本总字数之比，以此作为高管创新注意力的度量指标。

(3)调节变量参照严苏艳[20]的思路，本研究将在同一年内任职同一行业中两家及两家以上企业的董事定义为连锁董事，将在同一年内持股同一行业中两家及两家以上企业的股东定义为连锁股东，分别采用通过连锁董事和前十大股东中的连锁股东而产生的同行业关联企业数量作为连锁董事和连锁股东的替代变量。考虑到数据库中的数据特征，通过连锁董事而产生的关联企业数量采用每年年度数据，通过前十大股东中的连锁股东而产生的同行业关联企业数量借鉴潘越等[4]的思路，先计算出季度层面关联的同行业企业数量，再计算年度均值作为企业每年关联的同行业企业数量。

(4)控制变量参照已有研究，本研究控制了影响企业创新投资的变量，其中企业基本特征变量包括企业年龄，财务特征变量包括有形资产比率、政府补贴、资产负债率、总资产收益率、托宾Q值，治理特征变量包括第一大股东持股比例、两职合一。

各变量定义见表1。

表1 变量定义

3.2 模型构建

考虑到同群企业创新投资行为传递到企业需要一定的过程，本研究将自变量和中介变量滞后一期，构建如下模型：

RDi,t=α0+α1RPi,t-1+α2AGi,t+α3TAi,t+

α4SUi,t+α5LEVi.t+α6ROAi.t+α7TQi.t+

α8TPi,t+α9DUi,t+εi,t；

(1)

ATi,t-1=β0+β1RPi,t-1+β2AGi,t-1+β3TAi,t-1+

β4SUi,t-1+β5LEVi.t-1+β6ROAi.t-1+

β7TQi.t-1+β8TPi,t-1+β9DUi,t-1+εi,t-1；

(2)

RDi,t=γ0+γ1RPi,t-1+γ2ATi,t-1+γ3AGi,t+

γ4TAi,t+γ5SUi,t+γ6LEVi.t+γ7ROAi.t+

γ8TQi.t+γ9TPi,t+γ10DUi,t+εi,t，

(3)

式中，α0、β0、γ0均表示常数项；α1～α9、β1～β9、γ1～γ10均表示系数；i、t分别表示企业和年份；ε表示残差项。式(1)～式(3)用以验证假设1和假设2。若式(1)中RD对RP的回归系数α1显著为正，则假设1得到验证。按照三步判定中介作用法[26]，在式(1)回归结果的基础上，若式(2)中AT对RP的回归系数β1显著为正,并且式(3)中RD对AT的回归系数γ2显著为正，则假设2得到验证。另外，若式(3)中RP的回归系数相较于式(1)减小到不显著水平，则AT起到完全中介作用；若RP的回归系数减小，但仍然显著，则AT起到部分中介作用。

参照温忠麟等[27]提出的有调节的中介效应检验方法，检验连锁董事和连锁股东在同群企业创新投资行为传递过程中的调节效应，构建模型如下：

RDi,t=δ0+δ1RPi,t-1+δ2Ci,t-1+δ3Ci,t-1×RPi,t-1+

δ4AGi,t+δ5TAi,t+δ6SUi,t+δ7LEVi.t+δ8ROAi.t+

δ9TQi.t+δ10TPi,t+δ11DUi,t+εi,t；

(4)

ATi,t-1=ρ0+ρ1RPi,t-1+ρ2Ci,t-1+ρ3Ci,t-1×RPi,t-1+

ρ4AGi,t-1+ρ5TAi,t-1+ρ6SUi,t-1+ρ7LEVi.t-1+

ρ8ROAi.t-1+ρ9TQi.t-1+ρ10TPi,t-1+ρ11DUi,t-1+εi,t-1；

(5)

RDi,t=φ0+φ1RPi,t-1+φ2Ci,t-1+φ3ATi,t-1+

φ4Ci,t-1×ATi,t-1+φ5AGi,t+φ6TAi,t+φ7SUi,t+

φ8LEVi.t+φ9ROAi.t+φ10TQi.t+

φ11TPi,t+φ12DUi,t+εi,t，

(6)

式中，δ0、ρ0、φ0均表示常数项；δ1～δ11、ρ1～ρ11、φ1～φ12均表示系数；C表示调节变量，依据假设3a和假设3b分别为CD和CH。

式(4)用于检验连锁董事或连锁股东在同群企业创新投资行为影响企业创新投资行为的直接路径中是否发挥调节效应，若RP的系数δ1显著并且C×RP的系数δ3显著，则该调节效应存在。式(5)和式(6)用于检验连锁董事或连锁股东在同群企业创新投资行为通过高管创新注意力影响企业创新投资行为的中介路径中是否发挥调节效应。若式(5)中C×RP的系数ρ3显著，并且式(6)中AT的系数φ3显著，则连锁董事或连锁股东调节中介作用的前半路径，即同群企业创新投资行为对高管创新注意力的影响路径；若式(5)中RP的系数ρ1显著并且式(6)中C×AT的系数φ4显著，则连锁董事或连锁股东调节中介作用的后半路径，即高管创新注意力对企业创新投资行为的影响路径。

综上，构建本研究的理论模型(见图1)。

图1 理论模型与研究假设

3.3 样本选取与数据来源

本研究以2015～2019年剔除ST、*ST及金融业的A股上市公司为初始研究样本。参照KUMAR等[28]的研究，将研究样本缩小至研发支出不为0的研发活跃型企业层面。为剔除数据异常值的影响，对主要连续变量进行了上下1%缩尾处理。最终，获取样本观测值9 409个。在进行同群效应研究时，以是否处于同一行业作为同群企业的界定标准，参照2012年证监会行业类别代码，将除制造业以外的企业按照一级行业分类代码界定为同一行业，制造业按照二级行业分类代码界定为同一行业。因变量、自变量、调节变量和控制变量所需数据主要来自CSMAR和Wind数据库，部分缺失数据通过查找上市公司年度报告补全。中介变量所需数据通过对上市公司年度报告进行文本分析获取。数据处理主要采用Stata和Python软件。

4 变量特征与实证结果

4.1 变量特征

对变量进行描述性统计，结果见表2。由表2可知，RD的最小值是0.000 2，最大值是0.251，平均值是0.045，说明企业间创新投资差异较大，这与企业的行业属性及发展战略有较大关系。AT文本分析数据显示，与创新相关的关键词占年报中“未来展望”部分的比重最小为0.021，最大为0.184，平均值为0.077，说明开展创新投资的企业在其年报“未来展望”部分均会提及对创新的关注，这在一定程度上验证了本研究选取的文本分析原始材料是合理的。CD和CH的平均值分别为0.506和0.232，即平均而言，企业通过连锁董事和前十大股东中的连锁股东关联的同行业其他企业数分别为0.506和0.232个。

表2 变量描述性统计(N=9 409)

考虑到大股东可能会出任董事，出现连锁董事和连锁股东关联相同的企业，从而导致管理连锁关系和投资连锁关系重叠，致使假设3a和假设3b重复，为验证这一问题是否存在，本研究对CD和CH两个变量进行了差异检验。均值差异检验结果为0.274，中位数差异检验结果为34.473，均在1%水平上显著，说明两个变量差异显著，可以分别作为管理连锁关系和投资连锁关系来影响企业创新投资行为传递。

对各变量进行Pearson相关性检验(1)囿于篇幅，相关性检验结果未在文中列示，留存备索。，结果显示，解释变量和控制变量均与被解释变量相关，除CH和RD相关性在5%水平上显著外，其余变量和RD相关性均在1%水平上显著。另外，解释变量和各控制变量的相关系数均小于0.5，说明不存在多重共线性问题。

4.2 实证结果与分析

4.2.1同群效应及高管创新注意力中介作用检验

在控制行业及年份固定效应的基础上对式(1)～式(3)进行回归，结果见表3中模型(1)～模型(3)。模型(1)中，RP的系数在1%水平上显著为正，说明企业创新投资行为受同行业内其他企业正向影响，即企业创新投资行为具有同群效应，假设1得以验证。进一步地，根据三步判定中介作用法，模型(1)中RD对RP的回归系数及模型(2)中AT对RP的回归系数均在1%水平上显著为正，同时模型(3)中RD对AT的回归系数也在1%水平上显著为正，由此可知，高管创新注意力在同群企业创新投资行为传递过程中发挥中介作用，假设2得到验证。另外，模型(3)中RP的回归系数0.110相较于模型(1)中的系数0.123有所减小但依旧显著，可以判断高管创新注意力在这一过程中起到部分中介作用。

表3 同群效应及高管创新注意力中介作用回归结果(N=9 409)

4.2.2连锁董事调节作用检验

引入变量CD，对式(4)～式(6)进行回归，结果见表4中模型(4)～模型(6)。模型(4)中，RP的系数显著，但CD×RP的系数不显著，表明连锁董事在同群企业创新投资行为的直接传递路径中调节作用不显著。模型(5)中，CD×RP的系数0.025在5%水平上显著，并且模型(6)中AT的系数0.096在1%水平上显著，可知连锁董事正向调节高管创新注意力中介作用的前半路径。此外，模型(5)中RP的系数0.107在1%水平上显著，并且模型(6)中CD×AT的系数0.019在10%水平上显著，说明连锁董事亦正向调节高管创新注意力中介作用的后半路径。综合来看，连锁董事通过调节高管创新注意力中介作用的前、后路径，从而对创新投资行为的同群效应进行正向调节，假设3a得到验证。

表4 连锁董事调节作用回归结果(N=9 409)

4.2.3连锁股东调节作用检验

将变量CH引入式(4)～式(6)进行回归，结果见表5中模型(7)～模型(9)。模型(7)中，RP的系数显著，但CH×RP的系数不显著，说明连锁股东在创新投资行为传递的直接路径上没有调节作用。模型(8)中，CH×RP的系数0.042在5%水平上显著，并且模型(9)中AT的系数0.100在1%水平上显著，说明连锁股东在高管创新注意力中介作用的前半路径上发挥正向调节作用。此外，模型(8)中RP的系数0.107在1%水平上显著，并且模型(9)中CH×AT的系数0.029在10%水平上显著，表明连锁股东在高管创新注意力中介作用的后半路径上也发挥正向调节作用。综上所述，连锁股东在同群企业创新投资行为的传递过程中发挥正向调节作用，并且调节的是高管创新注意力中介作用的前、后路径，假设3b得以验证。

表5 连锁股东调节作用回归结果(N=9 409)

5 稳健性检验(2)囿于篇幅，稳健性检验结果未在文中列示，留存备索。

5.1 内生性问题处理

5.1.1Heckman两阶段法

在样本筛选过程中，本研究剔除了研发支出为0以及未披露研发支出的样本，这可能会产生样本选择性偏差造成的内生性问题。参照郭玥[21]的研究思路，采用Heckman两阶段法进行稳健性检验。第一阶段，以企业是否具有研发支出哑变量作为被解释变量，同时将主回归模型中的变量纳入选择模型，进行Probit回归并得到逆米尔斯比率；第二阶段，将逆米尔斯比率加入式(1)，再次进行回归。在控制样本选择性偏差后，企业创新投资行为同群效应依然成立。

5.1.2工具变量法

行业宏观政策冲击或企业创新投资共识也可能会导致同一行业内企业创新投资行为出现正向关系，本研究采用工具变量法来排除这些因素对企业创新投资行为的影响。借鉴LEARY等[8]的处理方法，以同群企业股票特质收益率作为同群企业创新投资行为的工具变量，对式(1)进行回归。结果表明，在排除行业宏观政策冲击或企业创新投资共识后，企业创新投资行为依然具有同群效应。

5.2 重新界定同群企业

本研究以上一期除企业自身外的同行业其他企业的创新投资平均水平作为同群企业创新投资的替代变量，然而不同企业对行业均值的参考程度不同，例如，对于一些研发水平较高的行业龙头企业，较少受行业中研发水平较低企业的影响，同群效应可能在相似企业之间更容易形成。因此，本研究从公司规模(以总资产的自然对数表示)、成长性(以营业收入增长率表示)和现金流(以每股经营活动现金流量表示)3个维度构建向量，运用夹角余弦法，在同一行业中，对每个企业筛选出与其夹角余弦值最大的企业作为同群企业，并以这一企业上期创新投资水平作为自变量的替代变量。对式(1)～式(3)重新进行回归，创新投资同群效应和高管创新注意力的中介作用结果是稳健的。

5.3 改变高管创新注意力测度方法

高管创新注意力文本信息占比指标可能会受企业披露语言冗余程度的影响[24]，针对这一问题，改变高管创新注意力测度方法进行稳健性检验。选取生活偏好、风险偏好、规模偏好和花费偏好4个与创新投资决策相关的指标，构建高管创新注意力指标体系，采用因子分析法测度高管创新注意力。对式(1)～式(3)重新进行回归，结果表明在改变高管创新注意力测度方法后，假设1和假设2依然成立。

5.4 路径分析

路径分析也可对变量间的影响路径进行检验，同时可检验路径中的中介效应和调节效应。据此，为检验企业创新投资行为是否具有同群效应，以及在创新投资行为传递过程中，高管创新注意力的中介作用和连锁董事、连锁股东的调节作用，本研究通过构建结构方程模型进行路径分析。路径分析检验结果表明，企业创新投资行为传递的直接路径、高管创新注意力中介作用路径、连锁董事和连锁股东调节中介作用的前半路径和后半路径均显著，连锁董事和连锁股东对创新投资行为传递的直接路径调节作用不显著，与多元回归分析结果一致。因此，在采用路径分析方法后，假设1、假设2、假设3a和假设3b仍然成立。

6 进一步讨论

根据假设1，作为企业外部学习机制，同群效应可以促进企业创新投资水平的提高。然而，企业所处的行业情况和企业自身内部学习机制也可能对企业创新投资行为产生影响。本研究进一步检验：在考虑行业羊群效应和企业内部学习效应的情况下，同群效应是否存在，区分企业创新投资行为的提高，究竟是得益于同群效应，还是盲目趋同的羊群效应，或企业内部学习效应。

6.1 同群效应抑或羊群效应

羊群效应是与同群效应比较接近或易于混淆的概念，虽然二者都指个体参考群体中其他个体的行为进行决策，但与同群效应不同，羊群效应假设经济人非理性，个体会产生盲目从众行为，从而产生群体行为趋同现象。为验证企业创新投资行为是由于同群效应引发的积极选择，还是由于羊群效应导致的企业创新投资行为盲目趋同，参照方军雄[29]的做法，构建羊群效应变量C(RD)并在式(1)中加以控制，该变量定义为：

(7)

式中，N表示每一年度内每一行业企业数量，Nin和Nde分别表示每一年度每一行业创新投资增加的企业数量和减少的企业数量。C(RD)用于测度每一年度每一行业创新投资增加或减少数量中的较大者占行业企业数的比值，可以衡量每一年度每一行业创新投资趋势。将该变量纳入式(1)进行回归，结果见表6中模型(10)。由模型(10)可知，羊群效应对企业创新投资有促进作用但并不显著，表明企业创新投资的增加更依赖于对同群企业理性的学习与模仿，更多地体现为一种积极的理性选择，而非盲目跟随行业创新投资趋势的非理性结果。

表6 考虑行业创新投资趋势和企业内部学习效应的回归结果(N=9 409)

6.2 同群效应抑或内部学习效应

创新投资行为是一项研究探索类活动，注重经验的积累与学习，同群效应体现为企业向外部同行企业的学习，而企业自身积累的创新投资经验可以作为其内部学习的基础。为验证企业创新投资行为是基于外部学习带来的同群效应，还是自身经验积累带来的内部学习效应，借鉴石磊等[30]的研究，将企业自身经验的内部学习纳入式(1)。内部学习效应IN为虚拟变量，若企业i在t年度的创新投资大于t-1年度，取值为1，否则为0。表6中模型(11)是考虑内部学习效应后的回归结果，表明内部学习效应对企业创新投资行为有正向促进作用，但同群效应依然显著，意味着外部同群效应和内部学习效应作为两种机制均会促进企业创新投资的增加。

7 结语

本研究的实证结果表明：同一行业内企业间创新投资行为具有同群效应，同行企业的创新投资行为能够相互影响与带动；将企业行为回归到高管决策发现，高管创新注意力作为一个关键节点，是创新投资信息和资源在同群企业间传递的媒介，在同群企业创新投资行为传递过程中发挥中介作用；从连锁关系层面来看，连锁董事和连锁股东可以拓宽同群企业间创新投资信息和资源获取的渠道，二者对同群企业创新投资行为的直接传递路径不具有调节作用，而是正向调节高管创新注意力中介作用的前、后路径，强化高管创新注意力中介作用的发挥。

本研究的政策启示在于：①不同于政策制度的强制性干预，同群效应是一种促进企业创新投资的隐性机制，基于企业的主动性选择，能够减少政策实施的阻力，政府管理部门可以利用同群效应的作用机理，将其作为政策制度的辅助手段，将国家宏观创新战略内化为企业自愿的创新行为；②高管要保持对创新的注意力，尤其是关注同行企业的创新投资行为，注重对创新投资机会的识别和把握，降低决策成本；③企业应重视利用和维护连锁关系等社会网络关系，创建行业沟通和交流平台，开展创新合作或形成战略联盟，合理发挥社会网络所具有的信息流通与资源获取优势。

本研究也存在一定的局限性：①以行业为同群企业的划分标准，仅研究了同一行业内企业间创新投资行为的互动影响与带动。创新投资具有空间溢出效应，未来可进一步将同一区域的企业视为同群企业，探究区域同群企业间创新投资行为存在何种传递路径。②仅研究了连锁关系对同群企业创新投资行为传递路径的调节作用。除连锁关系外，企业与供应商、客户、银行、校友等形成的社会网络关系也是特殊的信息交流渠道和资源配置手段，未来可进一步探索其他社会网络关系对同群企业创新投资行为传递过程的影响。