2012年12月（第26卷第12期）East China Economic ManagementDec.，2012（Vol.26，No.12）●管理论坛【DOI 】10.3969/j.issn.1007-5097.2012.12.026［收稿日期］2012—04—17［基金项目］北京市教委科技创新平台“现代人力资源管理方法与技术”（PXM2012_014214_000048）［作者简介］顾国爱（1971—），男，湖北襄阳人，讲师，博士，研究方向：人力资源管理，知识管理。

企业科技创新对企业绩效的影响分析——中国创新型企业的实证研究顾国爱（北京物资学院劳动科学与法律学院，北京101149）［摘要］文章选择中国创新型企业，构建结构方程模型，分析企业科技创新对企业绩效的影响。

研究结果表明：科技投入和科技产出对企业绩效都产生积极影响，且前者略大于后者，科技投入中科技经费投入和科技活动人员是更重要的影响因素，科技产出中企业拥有专利数和新产品销售收入有更重要的作用。

［关键词］科技创新；企业绩效；创新型企业；结构方程模型［中图分类号］F273.1［文献标志码］A ［文章编号］1007—5097（2012）12—0114—03The Impact of Enterprise Technological Innovation on Business Performance——An Empirical Study on Innovative Enterprises in ChinaGU Guo-ai(School of Labor Science and Law ，Beijing Wuzi University ，Beijing 101149，China)Abstract ：This paper focuses on innovative enterprises in China ，and builds a structural equation model to analyze the impact of enterprise technological innovation on firm performance.The results as follows ，inputs and outputs in technology have a posi ⁃tive impact on firm performance ，and the former is slightly larger than the latter.Furthermore ，funds and human resources in R&D are two more important factors among inputs of enterprise technological innovation ，and the number of patents and new product sales revenue have a more important role among outputs of enterprise technological innovation.Key words ：technological innovation ；business performance ；innovative enterprises ；structural equation model一、引言我国对科技发展非常重视，提出了建设创新型国家的战略目标，我国的科技实力在近几年也在快速成长。

我国的研发投入持续增长，2010年研发投入强度达到了1.75%（见图1），2010年中国R&D 经费支出6980亿元，按汇率折算在美国、日本之后，位居世界第三位，是1991年的49.3倍，年均增长22.8%。

2010年，参与R&D 活动的人员达到354.2万人，位居世界第一。

近年来，中国专利的申请量和授权量持续增长（见图2），并从2004年开始增速迅速加快，2006—2010年，中国国内发明专利申请数量达到145.1万件，是十五时期总量的2.6倍。

同时，企业创新的主体地位不断体现，企业申请的专利大约占到国内职务发明总量的八成，企业R&D 经费支出占全社会R&D 经费支出的70%以上。

但另一方面，2010我国在瑞士洛桑国际管理学院公布的国际竞争力排名中仅为第18位，其中一个主要原因是我国科技水平相对落后，经济增长中的创新贡献不足，我国仍旧被归为“非核心创新经济体”［1］。

科技对经济的影响成为了重要的研究课题。

我国科技实力的增长是否促进了经济实力的增强，作为创新主体的企业，创新是否已经成为其生存发展的重要途径？对此，我国目前的研究主要从国家宏观层面和区域经济的视角进行［2-3］，本文选择从企业微观层面上分析企业科技创新对企业绩效的影响，研究企业科技的研发活动和研发成果是否能提高企业业绩。

图11996—2010年中国的R&D 占GDP 比重结构方程模型是一个综合分析多个自变量与多个因变量之间关系的验证性分析技术，它的优势表现在既综合了路径分析和回归分析，又允许误差存在，更重要的是观测变量和潜变量的设计，使评价更符合实际和准确［4］。

结构方程模型包括2类变量，潜变量与观测变量。

潜变量是实际工作中无——114法直接测量的变量，包括比较抽象的概念，以及由于种种原因不能准确测量的变量。

观测变量是可直接测量的变量，用来反映某一潜变量。

潜变量又进一步分为2类，内生潜变量和外生潜变量。

内生潜变量是会受到其他潜变量影响的潜变量，外生潜变量是指只影响其他潜变量，而不受其他潜变量影响的潜变量。

结构方程模型的基本形式包括2部分，结构方程和测量方程。

结构方程反映潜变量之间的关系，测量方程反映观测变量与潜变量之间的关系。

现在有很多结构方程的建模软件，如LISREL、AMOS等，可以直接计算出很多拟合的估计值。

图21996—2010年中国的专利申请量和授权量本文选择中国创新型企业为实证对象，以企业技术创新理论为理论指导，利用结构方程模型软件AMOS对企业绩效建模，具体分析企业科技创新对企业绩效的影响因素和影响程度，并据此对提升中国创新型企业的绩效提出管理建议。

二、样本及数据本文以我国国家级创新型企业及试点企业为研究样本。

这一研究对象对研究创新对企业绩效的影响具有代表性，因为该对象具备以下优势：第一，创新型企业一般都属于高新技术产业，创新对这类产业的发展至关重要；第二，创新型企业是创新能力强、拥有自主知识产权的核心技术，整体技术水平在同行业居于先进地位的企业；第三，国家级创新型企业是国家科技部、国资委、全国总工会共同认定，这是政府以其公信力认定的企业。

对于数据采集和收集说明以下三点：第一，本文选择企业2010年经营的数据为实证数据，因为2011年数据还未统计完成，所以2010年数据是可以取得的最近年度的数据；第二，目前，国家已经认定了三批国家级创新型企业，共154家企业，但样本量不足，为保证样本量，本文选择创新型企业和创新型试点企业，共461家企业。

三、潜变量及观测变量结构方程模型是一验证性分析，因此需要先设定变量和模型。

内生潜变量是企业绩效，包括企业的销售能力、盈利能力和对国家的贡献，所以设计了主营业务收入、净利润和上缴税费作为企业绩效的3个观测变量。

外生潜变量为企业科技创新要素。

根据投入产出的思想，本文设计了创新投入和创新产出2个外生潜变量。

对于创新投入，从投入的人力、财力、物力分别衡量，设计了3个观测变量，即科技活动人员数、科技活动经费支出额和研发机构数。

创新产出是创新成果，因为专利是创新成果的直接表现，主持或参与标准制定意味着企业具备高水平的技术，新产品的销售收入直接反映新产品的创新效果，所以用企业拥有专利数和新产品销售收入作为创新产出的3个观测变量。

结构方程模型的潜变量和观测变量见表1。

表1结构方程模型的潜变量和观测变量四、结构方程模型理论上，创新投入和产出都会对企业继续产生不同程度的影响，创新投入和产出之间也会产生影响，下面具体分析潜变量之间可能产生的影响，并据此提出模型假设。

假设1：创新投入对企业绩效有正向影响。

创新投入通常会带动强有力的研发，生产出有竞争力的产品，进而提升企业的销售和盈利能力［5］。

较多的科技活动人员有利于形成有梯队的研发团队，越大强度的科技活动经费投入更有助于进行尖端和前沿的技术研发，大量的研发机构才有可能探索到不同的分支技术。

所以提出假设1：创新投入对企业绩效有正向影响。

假设2：创新产出对企业绩效有正向影响。

高水平的研发成果更可能成功实现成果转化和产业化，产生良好的市场效果，产生收入和利润［6］。

企业研发出更多的专利，说明企业的研发成果越多，可转化的创新源越多，主持或参与的标准越多，新产品创造的销售收入越高，说明企业产品的竞争力越强，企业绩效也可能更高。

所以提出假设2：创新产出对企业绩效有正向影响。

假设3：创新投入对创新产出有正向影响。

一个地区R&D经费投入越多，研究开发活动规模越大，研究开发成果数量越多，研发实力也就越强［7］。

投入一般对产出都会有正向影响，所以提出假设3：创新投入对创新产出有正向影响。

根据假设3和表1的潜变量及其观测变量可构建企业科技创新对企业绩效影响的结构方程模型，见图3。

图中εx ij表示x ij的测量误差，εyi表示y i的测量误差，ζ1表示η的系统误差，ζ图3企业科技创新对企业绩效影响的结构方程模型五、分析过程及结果结构方程通过AMOS7.0建模分析。

为了使结构方程模型——115可识别，本文通过固定部分变量间的路径系数来减少待估计参数数量，包括设置λx13、λx23、y1的负荷系数为1。

相应的，这些变量也没有P检验值。

经模型拟合发现，模型整体拟合效果较好（表2），所有系数的P值均通过检验，可认为该模型为最优模型。

表2模型整体拟合指标值表3汇总了潜变量的标准路径系数①和P值，分别表明了潜变量之间的标准影响程度和统计上的显著性水平。

根据P 值可以看出，ξ1、ξ2对η路径系数，以及ξ1对ξ2路径系数的P值小于0.01，说明这三个数值在0.01的置信水平上显著，以很高的质量通过检验。

表3潜变量的标准路径系数和P值注：***表示在0.001水平处显著性相关（双尾）。

表4汇总了观测变量的标准负荷系数和P值，分别表明了各观测变量对潜变量的标准影响程度及其显著性水平。

可以看出，所有P值均小于0.001，即在0.001置信水平均为正确，说明负荷系数同样以非常高的质量通过检验。

此外，虽然文章没有列示细节，但是拟合结果也表明，变量和误差的方差也在0.005置信水平上显著，除了y3方差估计值的P值是0.002，其他方差的P值均小于0.001。