摘要：实体经济转型升级与资本市场高质量发展背景下，企业多元化投资布局成为优化资产结构、培育长期核心竞争力的关键路径，不同类型投资投入与公司长期绩效的联动机制成为公司治理与财务金融领域的核心研究议题。实体投资、创新投资与金融投资是企业资本配置的核心方式，三类投资的回报周期、风险属性与价值转化路径存在显著差异，共同作用于企业长期经营效率与市场价值增长，但二者间存在非线性、滞后性与异质性的复杂关联特征。系统厘清不同类型投资投入对公司长期绩效的作用逻辑、实证方法与研究结论，能够为上市公司优化投资结构、规避投资错配风险、实现长效价值增值提供理论支撑与实践参考。本文系统梳理不同类型投资与企业长期绩效的主流研究范式，归纳各类实证方法的优缺点、适用场景与实证结论，总结三类投资影响长期绩效的内在机制与差异化规律，以期为企业投资配置与长期绩效提升相关研究提供方法借鉴与思路支撑。

关键词：上市公司；投资类型；投资投入；长期绩效；作用机制；非线性效应

中图分类号：F275.5       文献标识码：A

一、引言

当前，产业结构升级与资本市场规范化改革持续深化，企业投资行为逐步从单一实体扩张转向实体投资、创新投资、金融投资协同布局的多元模式，投资资源的合理配置成为企业突破短期盈利瓶颈、实现长期价值增长的核心动力。近年来，我国A股上市公司投资规模持续扩张，企业固定资产投资、研发创新投资、金融资产配置额度逐年攀升，非金融类上市公司年度投资总规模长期保持高位增长，头部实体企业持续加大主业投资与创新布局，而部分企业大幅增加金融资产配置，形成差异化的企业投资格局[3][6]。多元化投资布局不仅重塑了企业资产结构，也深刻改变了企业长期绩效的形成路径与增长逻辑。

不同类型投资投入是企业长期发展的核心资本支撑，三类投资通过差异化路径作用于企业长期绩效。实体投资通过固定资产、产能布局、生产体系优化夯实企业主业根基，保障企业长期经营稳定性；创新投资通过技术迭代、产品升级、工艺优化构建企业长期技术壁垒，培育持续性竞争优势；金融投资通过盘活闲置资金、拓宽收益渠道、缓解融资约束优化企业资金配置效率，为企业经营发展提供流动性支撑[1]。三类投资形成“投资配置—资源转化—绩效积累”的企业价值成长链条，共同构成公司长期绩效增长的核心动力体系。

但在企业实际经营过程中，不同类型投资对长期绩效的驱动关系并非简单的线性正向关联。现阶段上市公司普遍存在投资结构失衡、投资错配、投入冗余等问题，部分企业重金融投资、轻实体与创新投资，出现“脱实向虚”现象，部分企业盲目扩张实体投资、创新投入过度，引发资源闲置、成本高企、边际收益递减等问题，形成“高投资、低增值”的发展困境[9]。同时，各类投资存在显著的滞后效应，当期投资投入难以快速转化为长期价值增量，不同行业、产权性质、生命周期企业的投资绩效转化效率存在明显异质性。因此，精准剖析不同类型投资对公司长期绩效的差异化作用机制，科学梳理适配的研究方法与实证逻辑，厘清各类投资的影响边界、传导路径与非线性特征，对上市公司优化多元投资结构、提升长期价值创造能力、实现高质量可持续发展具有重要现实意义。

现阶段国内外学界围绕单一投资类型与企业绩效的关联关系展开了丰富研究，形成了成熟的计量分析、机制检验与非线性分析方法体系，但针对实体、创新、金融三类投资的对比分析、机制差异与系统性研究梳理较为匮乏。基于此，本文系统梳理各类实证方法在企业投资与长期绩效领域的应用场景，归纳各类方法的原理、优缺点与实证成果，总结不同类型投资影响公司长期绩效的核心机制与差异化规律，为后续企业投资配置与长期绩效相关实证研究、企业财务投资决策提供参考借鉴。

二、不同类型投资与公司长期绩效核心研究方法

随着公司财务理论与计量经济学的不断完善，学界针对不同类型投资投入与公司长期绩效的关联研究，形成了涵盖基准线性检验、机制传导分析、非线性阈值识别、内生性处理、效率评价与动态时序分析的多元研究方法体系。各类方法的理论逻辑、检验路径、适用场景存在明显差异，在投资—绩效关联研究中解决不同维度的实证问题。本文重点梳理固定效应模型、中介效应模型、门槛回归模型、倾向得分匹配法、数据包络分析法、面板向量自回归模型六种主流研究方法，系统阐述其核心原理、应用现状与优劣特征。

（一）固定效应模型

1. 基本原理

固定效应模型是面板数据实证研究的基础计量工具，核心用于处理微观企业面板数据的个体异质性与时间宏观冲击问题。该方法假设各上市公司存在不随时间变化的个体固有特征，同时存在不随个体变化的年度宏观经济、政策环境特征，通过控制个体固定效应与时间固定效应，剥离不可观测的遗漏变量偏差，精准识别实体投资、创新投资、金融投资三类核心投入对公司长期绩效的净影响[1]。该模型能够有效提升面板数据回归结果的稳健性与准确性，是投资与长期绩效关联研究中最基础、应用最广泛的基准方法。

2. 应用现状

国内外学者普遍将双向固定效应模型作为基准回归模型，检验各类投资投入与企业长期绩效的基础线性关联关系。已有研究基于A股上市公司面板数据实证得出，适度实体投资与创新投资对企业长期市场绩效、价值增长具有显著正向促进作用，能够持续夯实企业发展根基、培育竞争优势；而金融投资与长期绩效的线性关联较弱，过度金融配置甚至会对长期价值产生抑制作用[1]。部分学者通过固定效应模型验证，产业政策、财税激励能够显著优化企业投资结构，提升实体与创新投资占比，进而赋能公司长期绩效稳步提升[6]。

3. 优缺点分析

固定效应模型操作简洁、适配性广、结果稳健，能够有效规避面板数据常见的遗漏变量偏差与个体异质性干扰，适配大样本、长周期的上市公司投资与绩效研究。但该方法仅能检验变量间的线性相关关系，无法识别各类投资影响长期绩效的非线性特征、传导机制与门槛阈值，难以解释投资冗余、投资错配、边际效益递减等复杂现实问题，仅适用于研究基准相关性检验。

（二）中介效应模型

1. 基本原理

中介效应模型是检验变量内在传导机制的核心方法，核心用于剖析不同类型投资影响公司长期绩效的中介路径与作用逻辑。该方法基于逐步回归检验逻辑，可结合企业资源配置效率、技术创新能力、主营业务竞争力等中介变量，验证各类投资投入是否通过优化资源结构、提升创新水平、强化主业优势等路径间接作用于长期绩效，量化直接效应与间接效应的占比，清晰拆解各类投资的价值传导链条[2]。该方法有效弥补了基准回归仅能验证相关性、无法解释内在机制的缺陷。

2. 应用现状

中介效应模型被广泛应用于投资与长期绩效的机制研究，是厘清投资价值转化路径的核心工具。现有研究普遍证实，资源配置效率、技术创新水平在实体投资、创新投资与企业长期绩效之间发挥显著中介效应，合理的实体投资能够优化产能结构、提升运营效率，创新投资能够推动技术迭代、构建竞争壁垒，最终实现长期价值增值[9]。同时有研究发现，金融投资主要通过缓解融资约束发挥短期辅助作用，但无法通过主业赋能路径提升长期绩效，中介传导效果存在明显类型异质性[8]。

3. 优缺点分析

中介效应模型能够精准识别各类投资影响长期绩效的内在传导路径，清晰区分直接影响与间接影响，贴合企业投资价值转化的内在逻辑，适配投资—绩效的机制深度研究。但传统逐步回归的中介检验效力有限，存在结果偏误风险，无法处理非线性中介传导特征，难以区分遮掩效应与中介效应，对样本平稳性与数据质量要求较高。

（三）门槛回归模型

1. 基本原理

面板门槛回归模型核心用于识别变量间的非线性阈值效应，解决传统线性模型无法解释的投资边际效应动态变化问题。在投资与长期绩效研究框架中，该方法以实体投资强度、创新投入强度、金融配置比例为核心门槛变量，精准测算各类投资的临界阈值，检验不同投入区间内三类投资对公司长期绩效的影响系数差异，有效解释投资不足、投资适度、投资过度的差异化作用效果，完美适配投资边际收益递减、资源冗余等现实特征[3]。

2. 应用现状

诸多学者运用门槛回归模型验证了不同类型投资与长期绩效的非线性关联特征。已有研究表明，实体投资、创新投资对长期绩效均存在双重门槛效应，投入低于第一门槛时绩效赋能效果微弱，处于最优区间时价值提升效果最大化，突破第二门槛后边际效益递减、赋能效果显著弱化[6]。而金融投资呈现显著的异质性门槛特征，适度金融配置小幅赋能长期绩效，过度金融投资则显著抑制企业长期价值增长，是企业脱实向虚、绩效疲软的核心诱因[1]。

3. 优缺点分析

门槛回归模型突破了传统线性研究的局限，能够精准捕捉各类投资影响长期绩效的阶段性、非线性特征，贴合企业投资配置的边际效应规律，有效解释投资结构失衡、资源错配等现实问题。但该方法仅能识别静态固定门槛值，无法刻画动态门槛变化，对面板数据时间跨度要求较高，小样本数据的实证结果稳定性较差。

（四）倾向得分匹配法（PSM）

1. 基本原理

倾向得分匹配法是解决样本自选择偏差、评估投资行为效应与政策冲击效应的准自然实验方法。在上市公司投资研究中，该方法通过匹配企业规模、成立年限、行业属性、治理结构等特征一致的处理组与对照组样本，剥离各类干扰因素，精准识别高实体投资、高创新投资、高金融投资等差异化投资行为对公司长期绩效的净效应，同时可用于检验产业政策、融资政策对投资—绩效关联关系的调节作用[1]。

2. 应用现状

该方法广泛应用于企业投资行为评估与内生性问题处理。已有研究采用PSM模型实证得出，相较于低创新投入企业，高强度创新投资企业的长期市场绩效、价值成长性显著更高，创新投资的长期赋能效应具备持续性[6]。同时，通过匹配分析验证，适度实体投资能够显著提升企业长期经营稳定性，而过度金融化配置的企业，长期绩效水平显著低于合理配置企业，有效规避了样本选择性偏差带来的实证误差[9]。

3. 优缺点分析

倾向得分匹配法能够有效解决样本自选择与内生性偏差，实证结果客观性、说服力更强，适配差异化投资行为对比、政策冲击效应评估等研究场景。但该方法依赖大样本数据支撑，匹配过程会损耗部分有效样本，仅能观测变量净效应，无法深入剖析各类投资影响长期绩效的内在传导机制与非线性规律。

（五）数据包络分析法（DEA）

1. 基本原理

数据包络分析法是评价多投入、多产出系统效率的非参数效率评价方法，核心用于测算企业各类投资的绩效转化效率。该方法将实体资金投入、创新研发投入、金融资产投入作为核心投入指标，将企业长期价值、市场绩效、持续盈利水平作为产出指标，综合测算上市公司投资资源配置效率与长期绩效转化效率[6]，直观对比三类投资的投入产出匹配水平与价值转化能力。

2. 应用现状

DEA模型是企业投资效率评价的核心方法，广泛应用于微观企业、行业及区域投资绩效研究。相关研究通过DEA模型测算得出，我国上市公司整体投资转化效率有待提升，多数企业存在创新投资转化低效、金融投资资源挤占、实体投资冗余等问题，投资配置效率不足是制约企业长期绩效增长的关键瓶颈[3]。同时，不同类型投资的转化效率存在显著差异，创新投资的长期价值转化潜力最高，金融投资的长期转化效率最低[8]。

3. 优缺点分析

数据包络分析法无需预设函数形式、无需数据量纲处理，能够同时处理多类型投入与多维度产出指标，精准评价企业多元投资的资源配置与价值转化效率，适配投资绩效的综合评价研究。但该方法属于非参数检验，无法开展显著性分析，易受极端值干扰，难以量化各类投资对长期绩效的具体影响系数，仅适用于效率评价，无法开展因果机制检验。

（六）面板向量自回归模型（PVAR）

1. 基本原理

面板向量自回归模型将所有研究变量视为内生变量，基于长周期面板数据刻画变量间的动态互动关系、滞后效应与冲击响应规律。在本文研究框架中，该模型能够验证实体投资、创新投资、金融投资与公司长期绩效的双向动态关联，通过脉冲响应函数分析各类投资对长期绩效的短期冲击与长期滞后效应，通过方差分解测算不同投资类型对长期绩效的贡献度，精准刻画投资—绩效的动态演化机制[9]。

2. 应用现状

PVAR模型主要用于弥补静态模型无法分析时序滞后效应的缺陷，适配投资与长期绩效的动态研究。已有实证研究表明，企业各类投资对长期绩效的正向冲击均存在1—3期滞后效应，其中创新投资的长期正向冲击效果最持久，金融投资的短期冲击显著、长期正向效应衰减较快[9]。同时，长期绩效提升会反向推动企业优化投资结构，增加实体与创新投资占比，形成“投资优化—绩效提升—再投资升级”的良性动态循环。

3. 优缺点分析

面板向量自回归模型突破了静态实证分析的局限，能够精准捕捉各类投资影响长期绩效的滞后性、持续性与双向互动特征，完美贴合企业投资赋能长期发展的时序规律。但该模型侧重动态趋势分析，难以精准识别静态门槛阈值与异质性特征，对面板数据时间跨度要求较高，短期样本的实证结果可靠性较弱。

三、不同类型投资与公司长期绩效研究方法的综合运用

不同类型投资投入与公司长期绩效的联动关系具备典型的多元性、非线性、滞后性、异质性特征，单一实证研究方法仅能解决某一维度的研究问题，存在明显的场景局限性，无法全面、系统刻画三类投资对长期绩效的差异化作用机制与演化规律。现阶段学界主流研究多采用多方法组合的研究范式，结合各类计量方法的优势互补，构建“基准线性检验—内在机制分析—非线性阈值识别—内生性处理—效率评价—动态时序验证”的完整实证体系，显著提升投资—绩效研究的全面性与精准性。

（一）固定效应+中介效应+门槛效应组合

该组合是当前不同类型投资与长期绩效研究的主流核心范式，实现了线性关联、传导机制与非线性特征的全方位检验。核心研究逻辑为：首先采用双向固定效应模型开展基准回归，验证实体投资、创新投资、金融投资对公司长期绩效的基础线性关系，明确整体影响方向；其次运用中介效应模型，检验资源配置、技术创新、主业竞争力等变量的中介传导作用，厘清各类投资影响长期绩效的内在路径；最后通过门槛回归模型识别各类投资的最优投入区间，解释投资不足、适度投资与投资过度的差异化非线性效应，完整揭示三者的静态关联与阶段性变化特征。

已有诸多研究依托该组合方法开展实证分析，结果表明实体投资与创新投资对长期绩效存在正向线性基础与非线性门槛特征，适度投入能够通过优化资源配置、培育技术优势赋能长期价值增长，过度投入则会出现边际效益递减；而金融投资的中介传导效应较弱，高投入区间下显著抑制长期绩效提升[1][6]。该方法组合兼顾基础相关性、内在机制与非线性规律，适配绝大多数上市公司投资与长期绩效的实证研究，适用性与科学性极强。

（二）PSM-DID+DEA效率评价组合

该组合主要用于政策冲击、投资行为异质性视角下的绩效研究，聚焦投资结构优化、政策赋能背景下的长期绩效提升与资源效率评价。具体研究逻辑为：采用PSM-DID模型解决样本自选择与内生性偏差，精准识别差异化投资行为、产业政策对企业投资结构与长期绩效的净影响效应；同时结合DEA模型测算政策实施、投资调整前后企业投资资源配置效率与价值转化效率的变化，量化不同类型投资的绩效转化水平，实现“因果效应检验+投资效率评价”的双重研究目标。

现有研究基于该组合证实，产业扶持政策能够有效推动企业增加实体与创新投资、降低过度金融配置，不仅直接提升企业长期绩效水平，还能优化投资资源配置效率，缓解投资冗余与资源错配问题[1]。该组合有效规避了单一计量方法的内生性缺陷，兼顾因果识别与效率评估，适配政策导向下的企业投资结构与长期绩效研究。

（三）基准计量+PVAR动态分析组合

该组合实现了静态关联机制与动态时序演化的有机融合，适配长周期面板数据的深度研究。研究逻辑为：依托固定效应、中介效应、门槛模型完成静态层面的相关性、机制与非线性检验，明确各类投资影响长期绩效的静态规律与区间特征；进一步通过PVAR模型开展动态分析，刻画三类投资与长期绩效的双向互动关系、滞后传导效应与长期冲击趋势，弥补静态模型无法解释时序动态变化的缺陷。

该组合方法能够同时解释投资—绩效的静态作用机制与动态演化规律，既能够精准识别当期投资配置的绩效影响，又能预判短期、长期的价值演化趋势，完美贴合企业投资投入周期长、价值释放滞后、循环迭代发展的特征，适用于行业整体投资格局与长期绩效演化规律的深度研究[9]。

四、结论

本文系统梳理了固定效应模型、中介效应模型、门槛回归模型、倾向得分匹配法、数据包络分析法、面板向量自回归模型六种主流计量方法在不同类型投资投入与公司长期绩效研究中的应用场景，对比分析了各类方法的核心原理、优缺点与适用边界，总结了实体投资、创新投资、金融投资影响公司长期绩效的差异化机制与实证规律，主要得出以下核心结论：

第一，各类实证方法适配场景差异显著，单一方法存在明显局限性。固定效应模型适用于投资与长期绩效的基础线性基准检验，结果稳健但无法刻画非线性与机制特征；中介效应模型是拆解投资价值传导路径的核心工具，但难以处理非线性传导问题；门槛回归模型能够精准识别投资的阶段性非线性效应，是解释投资边际效益递减的最优方法，但缺乏机制解析能力；倾向得分匹配法可有效解决内生性与样本偏差，适配政策与投资行为评估，但无法开展深度机制研究；数据包络分析法擅长投资配置效率评价，但不能量化因果关系；面板向量自回归模型能够捕捉动态滞后效应，但静态解释能力较弱。

第二，不同类型投资对公司长期绩效的作用机制存在显著异质性、非线性与滞后性特征。整体而言，适度实体投资能够夯实主业根基、稳定长期经营绩效，适度创新投资能够培育技术壁垒、实现长期价值增值，二者对长期绩效呈现“弱赋能—强赋能—弱赋能”的门槛特征；金融投资仅在合理区间内小幅优化资金配置、辅助提升绩效，过度金融化配置会显著抑制企业长期价值增长，引发脱实向虚问题。同时，各类投资对长期绩效的价值释放均存在滞后效应，创新投资的长期赋能持续性最强。

第三，多方法组合是投资与长期绩效研究的最优范式。通过“静态基准检验+机制传导分析+非线性阈值识别+内生性矫正+动态时序验证”的多元方法组合，能够全面覆盖不同类型投资影响长期绩效的静态关联、内在机制、区间差异、动态演化与效率特征，有效弥补单一研究方法的缺陷，大幅提升实证研究的系统性与精准性，是未来企业投资配置与长期绩效相关研究的主流发展方向。

未来研究可进一步结合调节效应、异质性检验，聚焦不同行业、产权性质、生命周期企业的投资绩效差异，深度剖析各类投资作用于长期绩效的边界条件与差异化逻辑。同时结合前沿计量方法，进一步细化不同类型投资的价值转化机制，为上市公司优化多元投资结构、规避投资错配风险、依托科学投资布局实现长期高质量发展提供更精准的理论支撑与实践指引。