摘要：数字经济与科技创新驱动发展战略深化落地，高新技术企业成为我国技术创新与产业升级的核心主体，研发投资、专利产出与企业绩效的联动关系成为企业创新管理与资本市场研究的核心议题。高新技术企业的研发投入是技术创新的基础，专利产出是创新成果的具象载体，二者共同作用于企业经营绩效与长期发展能力，但三者间存在非线性、滞后性与异质性的复杂关联。厘清三者的作用机制、研究方法与实证结论，能够为高新技术企业优化研发资源配置、提升专利转化效率、改善经营绩效提供理论支撑与实践参考。本文系统梳理研发投资、专利产出与企业绩效的主流研究方法，归纳各类方法的优缺点、适用场景与实证应用，总结三者联动关系的研究成果，以期为高新技术企业创新绩效相关实证研究提供方法借鉴与思路参考。

关键词：高新技术企业；研发投资；专利产出；企业绩效；作用机制

中图分类号：F273.1       文献标识码：A

一、引言

当前，科技创新已成为驱动我国实体经济高质量发展的核心动力，高新技术企业作为科技创新的主力军，承载着技术突破、产业迭代与经济增长的重要使命。近年来，我国企业研发投入规模持续攀升，2024年A股实体上市公司研发费用合计达1.6万亿元，同比增长3.1%，科创板企业研发强度中位数高达12.6%，远超A股整体水平，头部科技企业如华为、比亚迪持续保持高强度研发投入，为技术创新提供了充足的资金支撑[3][6]。与此同时，企业专利产出数量稳步增长，超七成专利产出来源于企业主体，高新技术企业已成为我国专利创造与技术转化的核心载体[8]。

研发投资是高新技术企业开展技术创新的前置条件，通过资金、人力、技术资源的持续投入，为企业技术研发、产品迭代、工艺优化提供基础保障；专利产出作为研发活动的核心创新成果，是衡量企业创新质量与技术壁垒的核心量化指标，能够帮助企业构建市场竞争优势、规避技术同质化竞争，最终作用于企业营收、利润、市场价值等绩效指标[1]。三者形成“研发投入—专利产出—绩效提升”的创新价值链，是高新技术企业持续盈利、长效发展的核心逻辑。

但在企业实际经营中，三者联动关系并非简单的线性正向关联。部分高新技术企业存在研发投入冗余、专利重数量轻质量、专利成果转化低效等问题，出现“高研发、高专利、低绩效”的失衡现象[9]。同时，研发投资存在明显的滞后效应，当期研发投入难以快速转化为专利成果与经营收益，不同行业、不同规模、不同生命周期的高新技术企业，三者的作用强度与传导路径存在显著异质性。因此，精准剖析研发投资、专利产出与企业绩效的内在关联，科学选取适配的研究方法，厘清三者的作用机制、传导路径与影响边界，对优化高新技术企业创新资源配置、提升创新成果产业化效率、助力企业高质量发展具有重要现实意义。

现阶段国内外学界围绕企业研发投入、专利产出与绩效的单一关联、双重关联展开了大量实证研究，形成了多种成熟的计量分析与机制研究方法，但针对三者协同联动的系统性梳理、方法对比及适用场景总结较为匮乏。基于此，本文系统梳理多元研究方法在高新技术企业创新绩效领域的应用，归纳各类方法的原理、优缺点、研究成果及适用场景，总结三者联动关系的研究结论，为后续高新技术企业创新绩效的实证研究、企业创新管理决策提供参考借鉴。

二、研发投资、专利产出与企业绩效核心研究方法

随着创新经济学与计量经济学的持续发展，学界针对高新技术企业研发投资、专利产出与企业绩效的关联研究，形成了涵盖定性分析、定量计量、机制检验、异质性分析的多元研究方法体系。各类方法的理论基础、运算逻辑、适用场景存在显著差异，在实证研究中发挥着不同的作用。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，系统阐述其原理、应用现状与优劣性。

（一）固定效应模型

1. 基本原理

（1）固定效应模型是面板数据实证研究的基础计量方法，核心用于处理面板数据中个体异质性与时间固定效应问题。该方法假设研究样本中每个高新技术企业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时间宏观特征，通过引入个体固定效应与时间固定效应，剥离不可观测的个体差异与时间冲击，精准识别研发投资、专利产出对企业绩效的净影响[1]。模型可有效规避遗漏变量偏差，提升实证结果的准确性与稳健性，是三者关联研究中最基础、应用最广泛的方法。

2. 应用现状

国内外学者普遍将固定效应模型作为基准回归模型，检验研发投资、专利产出与企业绩效的基础线性关系。已有研究基于A股高新技术企业面板数据，运用双向固定效应模型验证，企业研发投入强度、专利申请数量、授权专利数量均对企业营业收入、净资产收益率存在显著正向促进作用，且发明专利对绩效的提升效果显著优于实用新型与外观设计专利[1]。部分学者通过固定效应模型验证，高新技术企业认定政策能够显著提升企业专利产出水平，政策加持下企业专利申请总量、发明专利数量分别提升83%、72.3%，进而推动企业绩效增长[1]。

3. 优缺点分析

固定效应模型操作简便、适配性强、结果稳健，能够有效处理面板数据的内生性偏差，适配大样本、长周期的高新技术企业面板数据研究。但该方法仅能检验变量间的线性相关关系，无法识别变量的非线性关联、传导机制与门槛效应，难以解释研发投入冗余、专利转化低效等复杂现实问题，仅适用于基准回归与基础相关性检验。

（二）中介效应模型

1. 基本原理

（1）中介效应模型是检验变量传导机制的核心方法，核心用于剖析“研发投资—专利产出—企业绩效”的链式传导路径。该方法基于逐步回归法，将专利产出设定为中介变量，验证研发投资是否通过影响专利产出的数量、质量、转化效率，间接作用于企业绩效，量化直接效应与间接效应的占比，厘清三者的内在传导逻辑[2]。该方法能够有效揭示创新价值链的中间传导环节，解决单一回归模型无法解释作用路径的问题。

2. 应用现状

中介效应模型被广泛应用于三者机制研究中，是验证创新价值链传导逻辑的核心工具。学界普遍实证得出，专利产出在研发投资与企业绩效之间发挥部分中介效应，研发投入不仅可以直接提升企业绩效，还能通过增加专利授权数量、提升专利技术质量，优化企业产品结构、构建技术壁垒，进而间接改善企业经营绩效[9]。同时有研究证实，专利转化效率、技术创新能力在三者传导中发挥关键中介作用，高新技术企业只有实现专利产业化落地，才能充分释放研发投入的绩效增益[8]。

3. 优缺点分析

中介效应模型能够精准识别变量的传导路径与作用机制，清晰拆解直接影响与间接影响，适配三者链式关联的机制研究，贴合高新技术企业创新价值链的运行逻辑。但传统逐步回归法的中介效应检验效力有限，存在检验结果偏误、无法处理非线性中介效应的问题，且难以区分遮掩效应与中介效应，对数据平稳性与样本质量要求较高。

（三）门槛回归模型

1. 基本原理

（1）门槛回归模型（以面板门槛模型为主）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变量边际效应变化问题。在高新技术企业创新研究中，该方法以研发投入强度、专利存量、企业规模、研发人员占比为门槛变量，测算核心门槛值，验证在不同门槛区间内，研发投资、专利产出对企业绩效的影响系数是否存在显著差异[3]，有效解释研发投入冗余、专利边际效益递减的现实问题。

2. 应用现状

诸多学者运用门槛回归模型验证了三者的非线性关联特征。研究表明，研发投资对企业绩效的影响存在双重门槛效应，当研发投入强度低于第一门槛时，绩效提升效果微弱；处于最优门槛区间时，研发投入与专利产出的绩效增益最大化；超过第二门槛后，出现研发资源冗余、投入边际效益递减问题，绩效提升效果显著弱化[6]。同时，专利质量存在单一门槛，高质量专利的绩效驱动效应远优于低质量专利，充分印证高新技术企业“重质轻量”创新的重要性[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，能够精准捕捉变量的非线性、阶段性变化特征，贴合高新技术企业创新投入的边际效应规律，有效解释创新资源配置失衡的问题。但该方法仅能识别固定门槛值，无法处理动态门槛效应，且对样本区间跨度、变量平稳性要求较高，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

（1）倾向得分匹配法是解决样本自选择偏差、评估政策效应与创新行为效应的准自然实验方法。在高新技术企业研究中，该方法通过匹配特征相似的处理组与对照组企业，剥离企业规模、行业属性、成立年限等干扰因素，精准识别高强度研发投入、高专利产出对企业绩效的净处理效应，同时可用于评估高新技术企业认定、研发补贴等政策对三者联动关系的调节作用[1]。

2. 应用现状

该方法广泛应用于创新政策与企业创新绩效研究。已有研究采用PSM-DID模型实证得出，高新技术企业认定政策能够显著激励企业研发投入与专利产出增长，进而推动企业营收与利润提升，且政策效应存在滞后性与持续性[1]。同时，学者通过匹配分析验证，相较于低研发投入企业，高研发投入、高专利产出的高新技术企业，市场竞争力与绩效增长率显著更高，有效规避了样本选择性偏差带来的实证误差[6]。

3. 优缺点分析

倾向得分匹配法能够有效解决内生性与样本自选择问题，实证结果更具客观性与说服力，适配政策效应评估与组间差异对比研究。但该方法需要大样本数据支撑，匹配过程会损失部分样本量，且仅能观测变量的净效应，无法深入剖析内在传导机制与非线性关系。

（五）数据包络分析法（DEA）

1. 基本原理

（1）数据包络分析法是评价多投入、多产出系统效率的非参数方法，核心用于测算高新技术企业创新投入产出效率。该方法将研发资金投入、研发人员投入作为投入指标，将专利申请量、专利授权量、新产品营收作为创新产出指标，将企业净资产收益率、总资产周转率作为绩效产出指标，综合测算企业创新资源配置效率与绩效转化效率[6]，直观评估研发投资、专利产出的投入产出匹配水平。

2. 应用现状

DEA模型是测算高新技术企业创新效率的核心方法，广泛应用于行业、区域、企业层面的创新绩效评价。相关研究通过DEA模型测算得出，我国科创板高新技术企业创新投入产出效率整体呈上升趋势，但仍有超三成企业存在研发资源浪费、专利转化低效的问题，创新效率不足是制约企业绩效提升的关键因素[6]。同时，该方法可用于对比不同行业高新技术企业的创新绩效差异，电子、半导体等高端制造业的创新转化效率显著高于传统高新技术行业[3]。

3. 优缺点分析

数据包络分析法无需预设函数形式，无需量纲处理，能够同时处理多投入、多产出指标，精准评价创新资源配置与转化效率，适配高新技术企业创新绩效的综合评价研究。但该方法属于非参数方法，无法进行显著性检验，易受极端值影响，且难以量化各变量的具体影响系数，仅适用于效率评价，不适用于机制与因果关系检验。

（六）面板向量自回归模型（PVAR）

1. 基本原理

（1）面板向量自回归模型将所有变量视为内生变量，基于面板数据分析变量间的动态互动关系、滞后效应与冲击响应规律。在本研究框架中，该模型可验证研发投资、专利产出、企业绩效三者的双向动态影响关系，通过脉冲响应函数分析变量的短期、长期冲击效应，通过方差分解测算各变量的贡献度，精准刻画三者的动态联动机制[9]。

2. 应用现状

PVAR模型多用于三者动态时序关联研究，有效弥补静态模型无法分析滞后效应的缺陷。已有实证研究表明，高新技术企业研发投资对专利产出、企业绩效的正向冲击存在1—2期滞后效应，长期驱动效应更显著；同时，企业绩效提升会反向促进企业加大研发投入，形成“创新—绩效—再创新”的良性循环，但专利产出对研发投入的反向驱动作用较弱[9]。该结论完美解释了高新技术企业创新投入长效赋能、短期绩效波动的现实特征。

3. 优缺点分析

面板向量自回归模型能够突破静态分析局限，精准捕捉变量的动态滞后效应、双向互动关系与冲击传导规律，贴合企业创新活动的长期性、持续性特征。但该模型侧重动态趋势分析，无法精准识别固定门槛与异质性特征，对时间序列长度要求较高，短期面板数据的实证效果较差。

三、研发投资、专利产出与企业绩效研究方法的综合运用

高新技术企业研发投资、专利产出与企业绩效的联动关系具有复杂性、非线性、动态性、异质性的典型特征，单一研究方法难以全面、精准刻画三者的内在关联与运行规律。固定效应模型、中介效应模型、门槛模型等单一方法仅能解决某一维度的研究问题，存在明显的方法局限性。因此，现阶段学界主流研究多采用多种方法组合的综合研究范式，结合各类方法的优势，形成“基准检验—机制分析—非线性检验—内生性处理—效率评价”的完整研究体系，大幅提升实证研究的全面性与准确性。

（一）固定效应+中介效应+门槛效应组合

该组合是当前三者关联研究最主流的范式，实现了线性关系、传导机制、非线性特征的全方位检验。研究逻辑为：首先运用双向固定效应模型开展基准回归，验证研发投资、专利产出对企业绩效的基础正向线性关系；其次通过中介效应模型，检验专利产出的中介传导作用，厘清“研发投入→专利创新→绩效提升”的核心路径；最后运用门槛回归模型，识别研发投入、专利质量的最优门槛区间，解释变量边际效益递减、资源冗余等非线性问题，完整揭示三者的静态关联与阶段性特征。

已有诸多学者采用该组合方法开展研究，实证得出高新技术企业研发投入既可以直接提升企业绩效，也能通过提升专利产出数量与质量间接改善绩效，且在不同研发投入门槛区间内，中介效应的传导强度存在显著差异，高研发强度区间下专利转化的绩效增益更突出[1][6]。该组合方法兼顾基础相关性、内在机制与非线性特征，适配绝大多数高新技术企业创新绩效实证研究，科学性与适用性极强。

（二）PSM-DID+DEA效率评价组合

该组合主要用于政策冲击下的创新绩效评价与资源效率分析，适配高新技术企业认定、研发补贴、税收优惠等政策效应研究。研究逻辑为：采用PSM-DID模型解决样本内生性与自选择偏差，精准评估创新政策对企业研发投入、专利产出、经营绩效的净提升效应；同时运用DEA模型测算政策实施前后企业创新投入产出效率的变化，量化政策对创新资源配置、专利成果转化的优化作用，实现“政策效应检验+创新效率评价”的双重研究目标。

已有研究基于该组合方法证实，高新技术企业认定政策不仅能显著提升企业研发与创新产出水平，还能优化企业创新资源配置效率，有效降低研发资源冗余问题，推动创新投入向经营绩效高效转化[1]。该组合方法有效规避了单一方法的内生性缺陷，兼顾因果效应与效率分析，适配政策导向型创新绩效研究。

（三）基准计量+PVAR动态分析组合

该组合实现了静态关联与动态时序关联的有机结合，适配长周期面板数据的深度研究。研究逻辑为：通过固定效应、中介效应模型完成静态层面的关系检验与机制分析，明确变量间的静态影响规律；再通过PVAR模型开展动态分析，检验三者的双向动态互动关系、滞后效应与长期冲击趋势，弥补静态模型无法刻画时序变化的缺陷。

该组合方法能够同时解释三者的静态传导机制与动态演化规律，既明确当期变量的相互影响，又能预判短期、长期的发展趋势，完美贴合高新技术企业创新活动长期性、持续性、循环性的特征，适用于行业整体创新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方法在高新技术企业研发投资、专利产出与企业绩效研究中的应用，对比分析了各类方法的原理、优缺点与适用场景，同时总结了多方法综合运用的研究范式与实证结论，主要得出以下结论：

第一，单一研究方法存在明显局限性，适配场景各有侧重。固定效应模型适用于基础线性关系检验，操作简便、结果稳健，但无法识别非线性与机制问题；中介效应模型是剖析创新价值链传导路径的核心工具，但难以处理非线性传导特征；门槛回归模型可精准刻画变量的阶段性非线性特征，是解释创新投入边际效益变化的最优方法，但缺乏机制分析能力；倾向得分匹配法可有效解决内生性偏差，适配政策效应评估，但无法开展深度机制研究；数据包络分析法擅长创新效率评价，但不能量化变量因果关系；面板向量自回归模型可捕捉动态滞后效应，但静态解释力较弱。

第二，研发投资、专利产出与企业绩效存在正向线性基础、非线性阶段性、动态滞后性、链式传导性的核心关联特征。整体而言，高新技术企业研发投入的增加能够显著提升专利产出数量与质量，进而推动企业绩效增长，专利产出在二者间发挥关键中介作用；同时，三者关系存在显著门槛效应，研发投入过高易出现资源冗余、边际效益递减问题，且创新投入对绩效的驱动存在1—2期滞后效应，形成动态循环的创新发展模式。

第三，多方法组合是当前最优研究范式。通过“静态基准+机制检验+非线性分析+动态验证”的多元方法组合，能够全面覆盖三者关联的静态特征、内在机制、阶段性差异与动态演化规律，有效弥补单一方法的缺陷，大幅提升实证研究的科学性与全面性，是未来高新技术企业创新绩效研究的主流发展方向。

未来研究可进一步结合异质性分析、调节效应检验，聚焦不同行业、规模、产权性质的高新技术企业，深度剖析三者联动关系的差异化特征，同时结合前沿计量方法，进一步提升创新绩效研究的精准度，为高新技术企业优化研发资源配置、提升专利转化效率、实现创新驱动高质量发展提供更精准的理论支撑与实践指导。