摘要：文章以2018-2022年A股制造业上市公司为研究样本，实证检验研发投入投资、技术创新对企业绩效的影响，并进一步探究技术创新的中介作用。研究发现：A股制造业企业整体研发投入强度偏低、技术创新产出差异较大；研发投入投资能够显著正向提升企业绩效；技术创新在研发投入与企业绩效之间发挥部分中介效应，研发投入可通过推动技术创新间接改善企业绩效。基于研究结论，为制造业企业加大研发布局、强化创新转化、提升经营绩效提供参考，助力制造业高质量转型升级。

关键词：研发投入；技术创新；企业绩效；制造业；中介效应

中图分类号：F273.1   文献标识码：A

一、引言

制造业是国民经济的主体，是实体经济发展的核心支柱，其创新能力与经营绩效直接决定我国工业经济高质量发展水平。在全球产业变革与科技竞争加剧的背景下，传统制造业依靠规模扩张、要素投入的粗放式发展模式已难以为继，依托研发投入赋能技术创新、以创新驱动提升企业核心竞争力和经营绩效，成为制造业转型发展的核心路径。

近年来，国家持续出台科技创新扶持政策，鼓励制造业企业加大研发资金与人力投入，突破关键核心技术、提升自主创新能力。研发投入作为企业技术创新的前置基础，是企业积累技术资本、培育创新优势的核心投资行为，而有效的技术创新产出能够优化企业产品结构、降低生产成本、拓宽市场份额，最终作用于企业经营绩效。但当前我国制造业企业普遍存在研发投入不均衡、创新转化效率低、投入与绩效联动性不足等问题，部分企业研发投入未能有效转化为创新成果，难以支撑企业绩效持续增长。

基于此，本文选取2018-2022年A股制造业上市公司面板数据，从研发投入投资、技术创新双视角出发，实证检验二者对企业绩效的直接影响及内在传导机制，厘清三者的作用关系，为制造业企业优化研发资源配置、提升创新转化效率、实现绩效稳步增长提供实证依据与实践参考。

二、文献回顾与研究假设

（一）研发投入与企业绩效相关研究

研发投入是企业开展创新活动的核心资本投入，包括研发资金投入、研发人员投入等，是企业培育长期竞争优势的重要手段。现有学界关于研发投入与企业绩效的研究尚未形成统一结论，但主流观点认可研发投入的正向赋能作用。从长期发展来看，企业持续的研发投入能够助力技术迭代、产品升级，打破行业技术壁垒，提升产品市场竞争力与盈利水平，显著改善企业财务绩效[1]。从短期视角来看，研发投入存在一定滞后性与沉没成本，高额研发支出可能增加企业经营成本，短期抑制企业绩效提升[2]。

针对制造业行业特性，制造业属于技术密集、迭代速度快的行业，持续的研发投入能够帮助企业优化生产工艺、降低生产损耗、提升产品附加值，有效对冲行业竞争压力，对企业绩效的正向驱动作用更为显著。同时，研发投入规模的扩大能够向市场传递企业长期发展的积极信号，吸引外部投资，进一步助力企业经营发展[3]。

（二）研发投入与技术创新相关研究

技术创新产出以企业研发投入为基础，充足的研发资金与人力投入是保障创新活动开展、提升创新成果数量与质量的关键。研发投入规模越大，企业开展技术攻关、产品研发、工艺优化的资源越充足，越容易产生专利、新技术、新产品等创新产出[4]。已有研究表明，企业研发资金投入强度、研发人员占比与技术创新产出数量、创新质量呈显著正相关关系，研发资源的持续投入能够有效破解企业创新瓶颈，提升自主创新能力[5]。对于制造业企业而言，研发投入的持续加持，能够有效推动生产技术革新、高端产品研发，显著提升企业技术创新水平。

（三）技术创新与企业绩效相关研究

技术创新是企业绩效提升的核心内生动力。有效的技术创新产出能够帮助企业摆脱同质化竞争，形成差异化竞争优势，通过新产品投放拓宽营收渠道，通过工艺升级降低生产成本，进而提升企业盈利水平与经营绩效[6]。同时，技术创新能够提升企业核心竞争力，增强企业市场抗风险能力，保障企业绩效的稳定性与持续性，是制造业企业实现高质量发展的核心支撑[7]。

（四）研究假设

基于上述文献梳理，结合利益相关者理论、创新驱动理论与资源基础理论，进一步剖析三者内在作用机制，提出本文研究假设：

H1：研发投入投资对制造业企业绩效具有显著的正向促进作用

H2：研发投入投资对制造业企业技术创新具有显著的正向促进作用

H3：技术创新对制造业企业绩效具有显著的正向促进作用

H4：技术创新在研发投入与企业绩效之间发挥中介效应，研发投入可通过提升技术创新水平间接改善企业绩效

三、研究设计

（一）样本选择与数据来源

本文选取2018-2022年沪深A股制造业上市公司为初始研究样本，为保障数据真实性与有效性，对样本进行如下筛选：（1）剔除ST、*ST及退市风险企业，此类企业经营异常，数据不具备研究价值；（2）剔除财务数据、研发数据、创新数据缺失的样本企业；（3）剔除上市时间不足一年的企业。经过筛选后，最终得到有效样本628家企业，共计3140个年度观测值。

本文所有研究数据均来源于国泰安（CSMAR）数据库、上市公司年度报告及国家知识产权局公开数据，为消除极端值影响，对所有连续变量进行1%和99%分位的缩尾处理，实证分析采用Stata17.0软件完成。

（二）变量定义

1.被解释变量：企业绩效（ROA）

借鉴现有主流研究，选取总资产收益率（ROA）衡量企业绩效，该指标能够客观反映企业总资产的盈利效率与整体经营绩效，数值越高，表明企业经营绩效越好。

2.解释变量：研发投入（RD）

选取研发投入强度衡量企业研发投资水平，以企业年度研发支出总额占营业收入的比值作为核心衡量指标，比值越高，代表企业研发投入力度越大，创新投资意愿越强。

3.中介变量：技术创新（INNO）

参考制造业创新研究通用指标，以企业年度专利申请总数（发明专利+实用新型专利+外观设计专利）取自然对数衡量技术创新水平，专利申请数量能够直观反映企业当期技术创新产出能力与创新成果水平。

4.控制变量

为排除其他因素对研究结果的干扰，借鉴已有研究，选取企业规模（SIZE）、资产负债率（LEV）、企业成长性（GROW）、股权集中度（TOP1）、企业年龄（AGE）作为控制变量，同时控制年度固定效应。各变量具体定义如表1所示。

（三）模型构建

为验证本文研究假设，结合中介效应检验逐步回归法，构建如下多元回归模型：

模型1（检验H1，研发投入对企业绩效的直接影响）：$$ROA_{it}=_x0007_lpha_0+_x0007_lpha_1RD_{it}+sum_x0007_lpha Control_{it}+YEAR+
arepsilon_{it}$$

模型2（检验H2，研发投入对技术创新的影响）：$$INNO_{it}=eta_0+eta_1RD_{it}+sumeta Control_{it}+YEAR+
arepsilon_{it}$$

模型3（检验H3、H4，中介效应整体检验）：$$ROA_{it}=gamma_0+gamma_1RD_{it}+gamma_2INNO_{it}+sumgamma Control_{it}+YEAR+
arepsilon_{it}$$

其中，$$i$$代表企业个体，$$t$$代表年度，$$Control$$为所有控制变量，$$
arepsilon$$为随机扰动项。若模型1中$$_x0007_lpha_1$$、模型2中$$eta_1$$、模型3中$$gamma_1$$、$$gamma_2$$均显著，则证明技术创新发挥部分中介效应；若$$gamma_1$$不显著、$$gamma_2$$显著，则为完全中介效应。

四、实证检验与结果分析

（一）描述性统计分析

对本文所有核心变量与控制变量进行描述性统计，统计指标包含样本量、均值、标准差、最小值、最大值，具体结果如表2所示。

由表2统计结果可知：样本企业ROA均值为0.058，整体盈利水平适中，最小值为-0.185，最大值为0.273，说明A股制造业企业经营绩效存在明显个体差异，部分企业存在亏损情况。研发投入强度（RD）均值为0.045，即样本企业平均研发投入占营收比重为4.5%，整体研发投入力度偏低；标准差0.038，表明不同制造业企业研发投资策略差异较大，头部企业研发投入远高于中小制造企业。技术创新水平（INNO）均值为2.864，标准差1.527，极值差距显著，反映出制造业企业创新产出能力两极分化严重，多数企业创新产出不足。控制变量数据分布合理，符合制造业上市公司整体特征，样本数据具备有效性与代表性。

（二）相关性分析

为检验各变量间的线性相关关系，规避多重共线性问题，对所有变量进行Pearson相关性检验，结果如表3所示。

注：***、**、*分别代表在1%、5%、10%水平上显著，下同。

由相关性结果可知：研发投入（RD）与企业绩效（ROA）在1%水平上显著正相关，初步验证H1成立；研发投入（RD）与技术创新（INNO）在1%水平上显著正相关，初步验证H2成立；技术创新（INNO）与企业绩效（ROA）在1%水平上显著正相关，初步验证H3成立。控制变量与被解释变量均存在合理显著的相关关系，变量相关性符合理论预期，且各变量相关系数绝对值均小于0.6，不存在严重多重共线性问题，可进一步开展回归分析。

（三）回归结果与中介效应检验

基于前文构建的三个模型，采用固定效应模型进行逐步回归，检验研发投入、技术创新与企业绩效的作用关系及中介效应，回归结果如表4所示。

注：括号内为t统计量。

模型1回归结果显示，研发投入（RD）系数为0.312，在1%水平上显著为正，说明研发投入投资能够显著提升制造业企业绩效，企业研发投入强度每提升1个单位，企业总资产收益率提升0.312个单位，H1成立。持续的研发投入能够优化企业生产技术、升级产品体系，突破盈利瓶颈，有效驱动企业绩效增长。

模型2回归结果显示，研发投入（RD）系数为4.258，在1%水平上显著为正，表明研发投入能够显著促进企业技术创新产出增长，H2成立。研发资金与人力的持续投入，为企业技术研发、专利攻关提供充足资源，能够有效提升企业创新产出数量与质量。

模型3中同时纳入研发投入与技术创新变量，结果显示：技术创新（INNO）系数0.029，在1%水平显著为正，验证H3成立；研发投入（RD）系数0.185，仍在1%水平显著为正，但系数相较于模型1明显下降。结合中介效应检验逻辑可知，技术创新在研发投入与企业绩效之间发挥**部分中介效应**，H4成立。这表明研发投入不仅可以直接提升企业绩效，还能通过推动技术创新、增加创新产出，间接改善企业经营绩效，形成“研发投入-技术创新-企业绩效”的良性传导机制。

（四）稳健性检验

为验证实证结果的可靠性，本文采用替换被解释变量的方式进行稳健性检验，以营业利润率（PROF）替代总资产收益率（ROA）衡量企业绩效，重复上述回归步骤，稳健性检验结果如表5所示。

稳健性检验结果显示，替换被解释变量后，核心变量的回归系数符号、显著性与基准回归完全一致，研发投入显著正向影响企业绩效与技术创新，技术创新的部分中介效应依然成立，说明本文的实证研究结果稳健可靠，研究结论不受变量选取方式的影响。

五、研究结论与启示

（一）研究结论

本文以2018-2022年A股3140家制造业上市公司年度观测数据为样本，实证检验研发投入投资、技术创新与企业绩效的内在作用机制，主要得出以下结论：第一，当前A股制造业企业整体研发投入强度偏低，企业间研发投资、技术创新产出水平差异显著，行业创新发展不均衡问题突出。第二，研发投入投资对制造业企业绩效具有显著的正向促进作用，加大研发资源投入能够有效提升企业经营盈利水平。第三，研发投入能够显著推动企业技术创新产出增长，充足的研发投入是企业创新能力提升的核心基础。第四，技术创新在研发投入与企业绩效之间发挥部分中介效应，研发投入既可以直接改善企业绩效，也能通过赋能技术创新、转化创新成果间接驱动企业绩效增长。

（二）管理启示

1.企业层面：持续加大研发投入力度，优化研发资源配置。制造业企业需摒弃短期逐利思维，建立长期研发投入机制，合理分配研发资金与人力资源，针对核心技术、关键工艺开展专项研发，避免研发资源闲置与浪费。同时搭建创新成果转化体系，打通“研发投入-技术创新-绩效提升”的传导链路，提升创新成果产业化、商业化效率，将创新优势转化为盈利优势。

2.行业层面：构建行业创新协同机制，缩小企业发展差距。行业龙头企业发挥引领作用，牵头开展共性技术、核心技术联合研发，共享创新资源与研发成果；中小制造企业聚焦细分赛道，精准开展针对性研发与创新，规避同质化研发，提升创新投入性价比，改善行业创新两极分化格局。

3.政策层面：完善研发创新扶持政策，强化政策落地保障。政府部门需持续加大制造业创新扶持力度，落实研发费用加计扣除、创新补贴等税收优惠政策，降低企业研发成本。同时建立健全制造业创新评价体系，引导企业重视研发投入与创新质量，规范创新成果转化机制，推动制造业整体实现创新驱动型高质量发展。

（三）研究不足与展望

本文仅从研发投入强度单一维度衡量企业研发投资水平，未区分研发资金投入、研发人力投入的差异化影响，且未考虑研发投入的滞后效应。未来研究可细化研发投入维度，纳入研发投入滞后性、创新质量异质性等因素，进一步深化三者的动态作用机制研究，为制造业企业创新发展提供更精准的参考。