企业研发投入、知识生态与价值创造

杨敏，陈泽明

（1.贵州商学院管理学院，贵阳 550014；2.贵州财经大学工商管理学院，贵阳 550001；3.重庆大学经济与管理学院，重庆 400044）

0 引言

在企业创新过程中，内外部知识主体明确的生态定位及因此而产生的功能性生态关系确立了企业的知识生态系统[1]。企业知识生态突出的是动态条件下企业知识内生系统的具化关系和表现特征。有研究认为企业知识投入能够迅速改善企业的知识生态，提高企业的知识存量，扩大企业的知识活动范围，并获取人才聚集优势，进而创造价值；企业研发投入的创新效应主要体现在新知识和新技术发生概率的提升，以及间接的知识识别、吸收、利用能力的提升[2]。从知识生态作用机制来看，知识关系强度对知识扩散具有正向影响，知识结构丰富会显著提高企业的创新绩效[3]。但也有研究提出了不同的观点，认为知识网络联结强度对利用式创新没有显著影响，知识多样性通过协调式知识整合的中介作用提升团队创造力[4]。

综上，学术界关于企业研发投入、知识生态、价值创造之间的作用机制，观点并不一致。现有研究大多致力于知识生态单一禀赋的直接或间接效应与机制研究，鲜有从知识生态系统及其微观机制角度对企业知识生态的有序性、异变性、耦合性及其作用机制进行分析，并探索研发投入对价值创造的影响。相关学术观点主要有三种：（1）大量研究支持研发投入正向强化企业绩效；（2）少数研究认为研发投入对于企业价值创造存在异质性影响，其正向的价值体现需要科学合理的要素配置；（3）部分研究致力于探索研发投入对企业价值创造的非线性影响，但非线性影响的触发机制却不尽相同。

研发投入有别于有形的资源投入，更多的是通过激发企业创新主体的活性，进而催化企业价值创造。动态非平衡的企业知识生态是研发投入有效性的保证。企业研发投入、知识生态、价值创造之间的作用机制是本文关注的焦点。本文依托大样本上市公司数据，在企业知识生态及其构成分析的基础上，通过对企业知识生态进行统计学意义上的结构化测度，构建基于面板数据的中介效应模型，分析研发投入与知识网络密度、知识异变度、知识多样性的互动机理，并研究企业知识生态各维度对价值创造的影响。本文可能的贡献主要有：（1）在知识基础观的基础上，从知识生态系统的角度对企业知识生态进行分解；（2）以大样本上市公司为研究对象，实现对其知识生态的有效统计刻画；（3）从知识多样性、知识异变度、知识网络密度三个维度，探索企业知识生态对于研发投入影响价值创造的中介效应。

1 企业知识生态的构成与度量

1.1 知识多样性

知识多样性刻画的是企业知识禀赋中的知识种类丰富程度，一般表达的是团队成员的经验、专长、技能等方面的异质性。知识的多样性是企业知识元素间互动以及知识异变的基础，从规模层面为知识互动和异变提供了可能。现有研究一般认为，知识多样性水平越高，则知识空间结构序度越差。但从耗散结构论角度看，非平衡是有序之源，而多样性则是非平衡的充分非必要条件。由此可见，知识多样性是企业知识生态规模维度的一个重要描述。

知识多样性有多种衡量方式，最常用的有IPC分类总数、HHI指数（BLAU’S指数）、赫芬达尔指数、熵指数等。熵指数源于信息论，具有平均信息量的含义，能够更加准确地反映企业知识多样性。本文援用徐露允等（2018）[5]的熵指数测度方法，如下所示：

其中，n为企业按照IPC分类号划分的专利类别总数，kdt为第t年的企业知识多样性，wipci为企业第i类专利占专利总数的比重。该数值越大，则企业知识多样性水平越高，表现为企业知识存量结构的丰富性。

1.2 知识异变度

知识异变刻画的是企业知识元素的动态变化过程，即不同的知识基因片段重新组合在一起形成新的知识基因的过程。它的表现形式是多样化的，或为新的知识的引入，或为现有知识的重组新生，或为陈旧知识的新理解等等。知识的异变若与企业意志一致则外化为知识进化，若与企业意志相逆则表现为知识变异（异变表达的是知识客观的整体变化，变异表达的是与进化相悖的歧途）。在描述企业知识生态的动态变化过程时，不能仅关注企业知识异变“好”的知识进化方面，“坏”的知识变异方面亦要被考虑进来。知识异变度是企业知识生态变化维度的一个关键变量。

关于知识异变度的量化，主要有知识进化问卷量表法[6]、知识进化模糊算法[7]、知识元素统计等方法。这些方法或基于过程、或基于结果在一定程度上反映了企业知识的异变，但仍旧过于间接，包含的有效信息较少。为有效度量企业知识的异变情况，本文引入变异系数构建企业知识异变度统计量。

先将企业各年度专利按照IPC代码进行结构分类，获取分类数，并计算分类数的变异系数，反映了企业在不同领域知识分布的年度波动情况，即企业知识异变度，数值越大异变度越高。式（2）中，kmt为第t年企业的知识异变度，Nipct为第t年企业IPC分类规则下的企业知识分类序列，SDNipct为第t年企业IPC分类规则下的企业知识分类序列的标准差，AGNipct为第t年企业IPC分类规则下的企业知识分类序列的平均数。

1.3 知识网络密度

知识网络密度描述的是知识网络中各个知识元素之间关联的紧密程度，是企业内部知识元素组合关系的有效统计量，衡量的是企业内部各知识元素间的互补关系。同属知识经过企业专门人员的“延展加工”形成新的技术功能，可被理解为利用性创新。不同属知识通过企业专门人员的“跨界探索”形成新的技术功能，可被理解为探索性创新。这些“加工延展”与“跨界探索”活动即企业知识活动的具体表现，其交互迭代形成了企业知识活动的网络空间。这一活动的网络空间“致密性”即企业知识网络密度，是企业知识生态关系维度的有效刻画。

关于企业知识网络密度的测算，学术界较为常见的做法是构建企业知识网络空间，以知识元分类关联路径与知识空间总体关联路径之比作为企业知识网络密度的统计量：

其中，kit为企业第t年的知识网络密度，KCt为第t年企业专利累积数，NKCt是企业第t年专利累积的总体关联路径数，Cipct是第t年企业按照IPC分类形成的知识元分类数，NCipct则为第t年企业按照IPC分类形成的知识元分类关联路径数。在一个无向空间中，NKCt的总关联路径数为。

2 理论分析与研究假设

2.1 研发投入强度与企业价值创造

企业的价值创造过程是知识链、产业链、价值链耦合的结果，需要诸多要素的加持。在此过程中，需要使用大量的研发资金、投入大量的研发人员，进行创造性试验。虽然研发存在失败的可能，但一旦研发成功，企业将在新产品、新技术、新模式等诸多方面获益，即显性知识存量增加，并创造价值。研发投入对企业价值创造的正向影响得到了学术界的一致认可[8]。但现实中，不同的企业在相同的研发投入强度下所表现出来的价值创造能力并不相同。产生异质性的原因是多样性的，例如行业属性、人员素质、企业文化、发展阶段、知识生态等等。由此，本文提出：

假设1：研发投入强度对企业价值创造存在正向影响。

2.2 研发投入强度与知识多样性、知识异变度、知识网络密度

研发投入与企业知识生态之间存在某种复杂的微观机制。企业的研发投入最直接的效果即通过与外部主体的互动，实现“知识增量投放”，即显性知识产权的内移，增加企业知识的多样性，激发其突破现有技术轨道，在新的领域开展技术研发活动。研发投入还可以“知识催化剂”的形式作用于企业生产与服务链，使企业有形要素投入集的形态、功能发生形变，产生一定比例的异质性知识应用和技术。此外，研发投入为研发人员的创新活动提供了条件，将激发研发人员的“知识创造热情”。

可见，研发投入对企业知识生态的影响，从规模维度看，主要表现为企业知识属种、品类、数量的增加，即知识多样性的丰富。从结构维度看，其主要表现为企业知识属种、品类的相对构成关系，以及这种构成关系的动态变化趋势，即知识异变的增加。从效率维度看，主要表现为企业知识节点间的互动频度，以及连接紧密性，即知识网络密度的提升。由此，本文提出：

假设2：研发投入强度正向影响知识网络密度。

假设3：研发投入强度正向影响知识异变度。

假设4：研发投入强度正向影响知识多样化。

2.3 知识网络密度、知识异变度、知识多样性与企业价值创造

知识网络密度越大意味着企业知识创新“极性”越强，反之则意味着企业知识元素的分散，形成“合力”的可能性越低。但也有学者提出了不同的观点，认为知识网络密度高使得企业内部知识元素关系过于复杂，阻碍了知识发现和利用的可能性[9]，还有学者认为企业内部技术知识网络密度和市场知识网络密度均与突破性产品创新能力呈“倒U”型关系[10]。知识源于个体经验的创造和总结。但这种创造并非凭空产生，或多或少需要在一定的知识基础之上进行能动改造，或叠加、或借鉴、或颠覆、或衍生。这些活动可归为知识关联关系的发展。企业要在其主营业务属性上创造价值必然要求企业知识生态具有一定的集中收敛特性，即企业的知识元素以及知识主体间的互动关系应围绕其主营业务展开。围绕主营业务的知识关联性越强，知识积累越快，价值创造越大。因此，本文提出：

假设5：知识网络密度对企业价值创造有正向影响。

企业所拥有的全部知识、智力资源被描述为知识基，是企业知识活动的约束边界。知识异变是组织知识基因发生重组和突变的过程。知识异变拓展了企业的知识基，令组织的知识生态性状产生变化[11]。从热力学熵增原理看，封闭条件下，企业创新向外部系统做功伴随企业内部创新能量的衰减，即知识熵增[12]。一般而言，企业基于行业属性与业务范畴，其知识禀赋存在一定的路径依赖，进而使企业不断趋近“死寂结构”。要摆脱这一“宿命”，企业有两个办法，其一是企业成为一个开放系统，从外界引入负熵知识流，其二，即发挥企业知识主体的主观能动性，获取知识异变，从而在企业内部产生负熵知识。由此，本文提出：

假设6：知识异变对企业价值创造有正向影响。

较多的研究认为，知识多样性有利于提升企业的技术创新绩效[13]，能够为团队带来更广泛的知识、经验与技能，形成富有创造性的观念或解决方案，通过协调式知识整合的中介作用提升团队创造力[4]。但也有研究认为知识多样性的外部性在不同地区或企业表现不一。不同组织主体对于新技术的产生存在主体间的认知距离，企业有效吸收知识多样性带来的外部性的前提条件是其知识禀赋与新知识具有足够的亲和性。认知距离的存在反而会对技术创新产生抑制作用[14]。知识网络中，技术知识多样性会影响网络中可用知识的相对新颖性和企业识别利用知识的难易程度。本文认为，知识多样性为企业探索性创新和利用性创新提供了足够的素材，在此条件下，企业价值创造将得到激发。由此，本文提出：

假设7：知识多样性对企业价值创造有正向影响。

结合假设1至假设7可知，企业研发投入带来知识多样性增加、知识网络密度的提升、知识异变度的增加，将正向促进企业价值创造。因此，本文提出：

假设8：知识网络密度在研发投入对企业价值创造的影响中具有中介效应。

假设9：知识异变度在研发投入对企业价值创造的影响中具有中介效应。

假设10：知识多样性在研发投入对企业价值创造的影响中具有中介效应。

3 研究设计

3.1 模型设定

为验证上述假设，本文借助祝树金和汤超（2020）[15]的方法，构建三步中介效应模型，验证知识网络密度、知识异变度、知识多样性是否为企业研发投入影响价值创造的中介变量，以及中介效应的显著性和特点。

其中，模型（1）为基准模型，模型（2）至模型（4）为中介变量模型，模型（5）为中介效应模型。被解释变量vcit为企业价值创造，企业研发投入(rdit)、知识多样性(kdit)、知识异变度(kmit)、知识网络密度(kiit)为核心解释变量。ctritk为控制变量集，包括企业偿债能力(crit)、企业运营能力(trit)、地区人均GDP(cgit)。β1至β8为核心变量估计系数，k为控制变量个数，i和t分别为企业和时间。中介效应检验过程中，根据经验判断以及数据特点，拟采用差分GMM动态面板模型分别对基准模型、中介变量模型、中介效应模型进行回归分析。首先，若基准模型显著，则进行下一步，若不显著则概念模型设计错误，即不存在中介效应；其次，对中介变量模型分别进行中介变量检验，若中介变量模型不显著，则该变量不是中介变量；最后，对中介效应模型进行中介效应检验，若显著则证明kiit、kmit、kdit在rdit对vcit的影响中存在中介效应。

3.2 变量与数据

被解释变量企业价值创造(vcit)，以企业净利润表示，数据源于国泰安金融统计数据库。核心解释变量企业研发投入(rdit)以企业R&D支出表示，数据源于国泰安金融统计数据库。知识多样性(kdit)、知识异变度(kmit)、知识网络密度（kiit）通过前文的统计指标进行度量，基础专利数据源于中国专利之星检索系统（https://cprs.patentstar.com.cn）。控制变量企业偿债能力(crit)由企业流动比率表示，企业运营能力(trit)由企业资金周转率表示，数据源于国泰安统计数据库；地区人均GDP(cgit)数据源于国研网统计数据库。

本文选择2011年之前在中国A股上市，且目前正常经营的（非ST公司）的648家工业类上市公司作为研究样本。样本几乎涵盖中国证监会所有的工业行业分类，同时包括国营、中外合资、民营三大类公司。样本数据的时间跨度为2014—2020年。所有数据经过标准化处理后取对数处理以减少异方差，同时通过Stata 15进行缩尾处理以减少异常值对模型的影响。

4 实证分析

4.1 相关性与单位根检验

本文所取样本数据为面板数据，在进行中介效应与门槛效应检验之前，需对变量的相关性进行分析。根据Pearson相关性分析，模型涉及的各变量间的相关性显著。同时，中介效应和门槛效应检验之前需要进行面板单位根检验。假设各变量既包含时间趋势项又包含个体固定效应项，分别选用LLC和IPS检验各变量的单位根情况。结果发现各变量均不存在单位根，可进行进一步的回归检验（篇幅所限，表略）。

4.2 面板中介效应检验

按照三步法进行中介效应回归检验。对中介效应模型（模型5）进行静态面板回归并进行固定效应和随机效应检验，并通过Hausman检验判断。结果表明，固定效应模型和随机效应模型下各自变量对因变量的影响均在统计学意义上显著。企业研发投入对企业价值创造有正向促进作用，但知识网络密度、知识异变度、知识多样性对价值创造具有负向抑制作用。Hausman检验P值为0，选择固定效应模型可能更好。固定效应模型回归结果与本文假设以及现实机制相去甚远，可能需要考虑面板的动态性。

基于总体样本，采用差分动态面板模型分别对基准模型、中介变量模型、中介效应模型进行回归，结果见下页表1。结果显示，通过将被解释变量的2阶滞后变量与控制变量设置为工具变量，模型1各参数估计的P值均显著，AR（2）为0.142，不拒绝原假设，即随机扰动项不存在二阶自相关，Hansen检验P值为0.189，不拒绝原假设，即工具变量不存在过度识别，模型是一个有效的无偏估计。其中，企业研发投入(rd)对企业价值创造(vc)的影响系数为0.124。可以认为，不同企业可能由于行业属性以及知识禀赋的不同，而创新效率不同，但研发投入终将具有一定的产出效应。由此，基准模型验证通过，假设1得证，可进行第二步的中介变量模型验证。

表1 差分GMM回归结果（总体）

在中介变量模型中，本文的中介变量有三个，分别是知识网络密度(ki)、知识异变度(km)、知识多样性(kd)。回归结果显示，通过将被解释变量的1阶滞后变量与控制变量设置为工具变量，模型2、模型3、模型4各参数估计的P值均显著，AR（2）为0.912、0.560、0.591，不拒绝原假设，即随机扰动项不存在二阶自相关，Hansen检验P值分别为0.167、0.601、0.381，即工具变量不存在过度识别，模型是一个有效的无偏估计。企业研发投入对知识网络密度的影响系数为0.136，即可认为企业通过研发投入，为企业创新创造条件，进而激发内部研发人员探索性和利用性创新行为，而这些行为在知识系统层面看，直观表现为知识网络密度的提升。此外，上期知识网络密度对当期知识网络密度的影响系数为0.061，即企业知识主体之间的关联往往表现出一定程度的惯性。企业研发投入对知识异变度的影响系数为0.041，可认为企业通过研发投入扩大了企业知识吸收的规模和深度，带来了新的知识基因，或者在此过程中，因知识碰撞、共享、跨界、嫁接、拟合等行为使得知识异变的可能性增大。同时，上一期的知识异变对当期知识异变的影响非常大，影响系数为0.415。由此可见，知识异变存在明显的累积效应，为企业实现破坏式创新创造了条件。企业研发投入对知识多样性的影响系数为0.043，可认为企业通过研发投入扩大了企业知识禀赋的种类，并且上期知识多样性对当期知识多样性的影响系数为0.731，这是由于知识结构树的发散特性导致的“倍增效应”。由此，中介变量模型验证通过，假设2、假设3、假设4得证。

第三步的中介效应模型对应表1中的模型5。回归结果显示，通过将被解释变量的1阶滞后变量与控制变量设置为工具变量，模型5各参数估计的P值均显著，AR（2）为0.135，不拒绝原假设，即随机扰动项不存在二阶自相关，Hansen检验P值为0.463，不拒绝原假设，即工具变量不存在过度识别，模型是一个有效的无偏估计。其中，企业研发投入(rd)对企业价值创造(vc)的影响系数为0.021。知识网络密度(ki)、知识异变度(km)、知识多样性(kd)对企业价值创造的影响系数分别为0.013、0.054、0.059。由此可知，研发投入(rd)、知识网络密度(ki)、知识异变度(km)、知识多样性(kd)对企业价值创造具有正向影响。由此，中介效应模型验证通过，假设5、假设6、假设7得证。

4.3 面板中介效应稳健性检验——替代变量

为验证模型的稳健性，将原模型中的解释变量企业研发投入(rd)替换成企业研发人员投入(hrd)，分别对基准模型、中介变量模型、中介效应模型进行回归，见表1。基准模型回归结果显示，通过将被解释变量的2阶滞后变量与控制变量设置为工具变量，模型6各参数估计的P值均显著，AR（2）为0.111，不拒绝原假设，即随机扰动项不存在二阶自相关，Hansen检验P值为0.211，不拒绝原假设，即工具变量不存在过度识别，模型是一个有效的无偏估计。其中，企业研发人员投入(hrd)对企业价值创造(vc)的影响系数为0.037且显著。由此，可进行第二步的中介变量模型验证。中介变量模型检验发现，各参数估计的P值均显著，模型7、模型8、模型9的AR（2）、Hansen检验通过，模型是一个有效的无偏估计。企业研发人员投入(hrd)对企业知识网络密度、知识异变度、知识多样性的影响系数分别为0.609、0.008、0.016且显著。中介效应模型检验发现，模型10各参数估计的P值均显著，且AR（2）、Hansen检验均通过，模型是一个有效的无偏估计。企业知识网络密度、知识异变度、知识多样性在研发人员投入对价值创造的影响中具有部分中介效应。通过替代解释变量进行差分动态面板二阶段回归，发现面板中介效应模型设定与检验是稳健的。

4.4 面板中介效应稳健性检验——分组

依据上述研究思路分别对国有企业、民营企业知识生态的中介效应进行分析和比较，以检验模型的稳健性，结果见表2。

表2 差分GMM回归结果（企业属性分组）

在企业属性分组的基准模型中（模型11、模型16），国有企业研发投入对企业价值创造有正向影响，系数为0.105。民营企业研发投入对企业价值创造也有正向影响，系数为0.019。可进行中介变量模型检验。

在中介变量模型中（模型12至模型14、模型17至模型19），国有上市企业研发投入对知识网络密度有正向影响，系数为0.056，且上期知识网络密度对当期知识网络密度的影响系数为0.131，即企业知识主体之间的关联存在惯性。民营上市企业研发投入对知识网络密度有正向影响，系数为0.188，且上期知识网络密度对当期知识网络密度的影响系数为0.65。由此可见，民营上市企业研发投入对企业知识网络密度的影响更大，民营上市企业研发投入的针对性可能更强，更能激发创新主体的活力和效率。同时，民营上市企业的知识性活动能够保持更好的延续性。国有上市企业研发投入对知识异变度有正向影响，系数为0.058，且上期知识异变度对当期知识异变度的影响系数为0.499，即企业知识异变带来的知识体系变革具有时滞。民营上市企业研发投入对知识异变度有正向影响，系数为0.346，且上期知识异变度对当期知识异变度的影响系数为0.586。由此可见，民营上市企业研发投入对企业知识异变度的影响更大，民营上市企业研发投入带来新的知识门类可能更广。同时，民营上市企业知识异变度的时滞效应要小于国有上市企业，可能的原因是民营企业在甄别、淘汰变异知识上效率更高。国有上市企业研发投入对知识多样性有正向影响，系数为0.032，且上期知识多样性对当期知识多样性的影响系数为1.001。民营上市企业研发投入对知识多样性亦有正向影响，系数为0.176，且上期知识多样性对当期知识多样性的影响系数为0.963。相比之下，民营上市企业研发投入带来的知识多样性更多，可能的原因是民营企业在市场上受到的体制性制度约束更少，在相同水平的研发投入下，民营企业的“市场嗅觉”和对知识的捕捉更灵敏。

在中介效应模型中（模型15、模型20），国有上市企业研发投入、知识网络密度、知识异变度、知识多样性对价值创造存在正向影响，影响系数分别为0.011、0.029、0.109、0.121。民营上市企业研发投入、知识网络密度、知识异变度、知识多样性对价值创造的影响系数分别为0.033、0.009、0.057、0.065。可见，民营上市企业研发投入对价值创造的影响要大于国有上市企业，而在知识网络密度、知识异变度、知识多样性对价值创造的影响上，民营上市企业却要小于国有企业。可以理解为国有企业的研发投入对于企业知识生态的优化效率更高，但知识成果转化为市场价值的能力却低于民营企业。

4.5 面板中介效应结果

根据上述中介效应模型回归结果，可以确定知识生态在企业研发投入对企业价值创造的影响中具有中介效应。模型5中解释变量系数显著，故为部分中介效应。总体分组中知识网络密度、知识异变度、知识多样性的中介效应占比分别为7.76%、9.53%、10.81%。国有上市企业分组中知识网络密度、知识异变度、知识多样性的中介效应占比分别为12.80%、36.54%、25.85%。民营上市企业分组中知识网络密度、知识异变度、知识多样性的中介效应占比分别为4.88%、37.41%、25.74%。解释变量对被解释变量的总效应、知识生态的中介效应、直接效应、间接效应的结果见表3。由此，中介效应假设验证通过，假设8、假设9、假设10得证。

表3 中介效应结果

5 结论

本文依托大样本上市公司数据，在企业知识生态及其构成分析的基础上，通过对企业知识生态进行统计学意义上的结构化测度，构建基于面板数据的中介效应模型，验证知识网络密度、知识异变度、知识多样性在企业研发投入影响价值创造过程中的中介效应，得到如下结论：

（1）企业研发投入对于企业价值创造具有明显的正向促进作用，虽然不同企业可能由于行业属性以及知识禀赋的不同，而创新效率不同，但研发投入终将具有一定的产出效应。企业研发投入对企业知识生态的影响，从规模维度看，主要表现为知识多样性的丰富；从结构维度看，主要表现为知识异变的加剧；从效率维度看，主要表现为企业知识节点间的互动频度以及连接紧密性，即知识网络密度的提升。

（2）企业研发投入、知识网络密度、知识异变度、知识多样性对企业价值创造具有正向影响。知识网络密度、知识异变度、知识多样性在企业研发投入对企业价值创造的影响中具有部分中介效应。

（3）相比国有企业，民营上市企业研发投入对企业知识网络密度、知识异变度、知识多样性的影响更大，可能的原因是民营上市企业研发投入的针对性可能更强，更能激发创新主体的活力和效率，带来新的知识门类更广，在甄别、淘汰变异知识上效率更高，在市场上受到的体制性制度约束更少，在相同水平的研发投入下，民营企业的“市场嗅觉”和对知识的捕捉更灵敏。