论文部分内容阅读
摘 要:在新经济时代下,企业的创新能力对企业价值的影响不容小觑。本文基于技术创新的视角,选取沪深A股信息技术行业板块中上市公司2012-2015年的数据,分别从描述性分析、平稳性检验、协整检验、GMM回归分析等方面对我国科技型企业企业价值的影响因素进行实证研究。结果发现企业的研发投入、盈利能力、负债水平与前期价值均会对企业价值产生显著的正向影响,而企业的每股指标对企业价值具有反向的作用。
关键词:企业价值 影响因素 技术创新
一、问题提出
在传统经济条件下,企业经营收益分配是投资者主要的收益渠道,利润最大化自然成为企业的最高准则;而在知识经济条件下,企业面临着更加复杂不确定的市场环境,企业必须兼顾不同利益相关者的要求,单纯强调股东需求的利润最大化原则失去了依据,企业价值最大化才能够被不同的利益相关者共同接受,成为企业战略的终极目标。而技术创新作为实现企业价值最大化的重要手段之一,能够增强企业的研发能力,形成专利技术,提高组织协调、市场营销、基础管理、资源配套等综合组织能力,在企业长期不断的创新活动中积淀,培育并形成企业的核心竞争能力,推动企业价值的提升。
因此,本文基于2012-2015年中国A股信息技术行业上市公司的数据,从技术創新的视角,实证研究其企业价值的影响因素,不仅能够用经验数据论证技术创新对企业价值提升的重要作用,还有利于在学术层面为正确理解技术创新与企业价值的关系、响应国家科技兴国的号召提供支持,具有十分重要的理论与现实意义。
二、技术创新与企业价值关系的文献综述
1.国外文献。国外关于技术创新能力与企业价值关系的研究,主要持两种不同的观点。大多数学者认为企业价值与技术创新投入呈正相关关系,企业的市场价值受到技术创新投入持续而正向的影响。Chan et al.(2001)通过对有技术创新投入的公司和无技术创新投入的公司进行对比研究,发现高技术创新投入的公司能够在权益市场上获得超额收益,并且其股票的历史收益也较高。Patricia Laures and Christian Le Bas(2015)认为通过技术创新活动可以开发出新的产品,抢占新的市场,形成新的利润增长点。也有少数学者的研究表明企业价值与技术创新投入之间不存在相关关系或为相关关系为负。Erickson and Jacobson(1992)认为技术创新投入相较于其他类型的投资,并不能更显著地提升企业价值。Oswald(2008)通过对英国企业数据的研究,认为研发费用的费用化或资本化均不会对研发投入的价值相关性产生影响。
2.国内文献。国内学者对于技术创新投入与企业价值的关系的探索与研究起步较晚,等到2006年新会计准则颁布,明确规范和激励企业信息披露之后,才正式全面展开。罗婷、李丹等(2009)基于177家A股上市公司数据,研究发现总体样本技术创新投入能在一年内对未来盈利能力产生显著影响,且这种显著影响主要是由高科技公司决定的。张信东等(2010)采用截面回归分析方法,基于Fama-French三因子模型对企业研发密度与股票预期收益作实证回归,结果显示,在原三因子模型中引入研发密度因子可以明显增强模型的解释能力,说明上市公司技术创新投入价值能够得到投资者认可,并能够为公司带来增值机会。
3.文献评述。回顾以往的研究,关于技术创新投入和企业价值相关性的结论并不统一。学术界普遍认为技术创新投入有助于提高企业的经营绩效,提升上市公司的股票价格。但也有一部分学者认为它们相互之间并无显著的关系,甚至具有负的相关性。究其原因是他们认为技术创新投入活动存在风险,高强度的投入并不一定能够取得成功,而当这种风险超过回报时,很可能产生不必要的损失。就我国国内而言,鲜少有直接研究技术创新能力与企业价值关系的文献,本文拟通过实证检验进一步证实技术创新与企业价值的相关性与作用方向,并考察其他影响企业价值或者两者相关性的因素。
三、信息技术产业企业价值影响因素的研究设计
1.样本选择与数据来源。本文选取沪深A股市场信息传输、软件和信息技术服务业板块中217家上市公司2012 -2015年的年度报表数据为实证研究对象。主要原因有两个:第一,我国信息技术行业的企业在2011年起开始逐年增长的大规模上市,为了数据的连续性与完整性,本文选取截面多而时间短的短面板数据;第二,2012年我国爆发金融危机,为了避免未知因素对样本产生不可预测的影响,本文选取2012年为样本数据的起始截点。
为了进一步优化样本数据,本文在217家样本公司的基础上,根据以下原则剔除相应的样本:(1)在2012年后上市的公司,72个;(2)数据不全的样本,尤其是缺少研发费用数据的企业,15个。最终获得有效样本130个。
本文的财务数据全部来自于同花顺iFinD数据库,其中部分变量指标如企业价值(Tobin’s Q)为手工计算而得。
2.变量选取与模型构建。
2.1被解释变量。本文采用Tobin' s Q来衡量企业价值。其计算公式表示为:Tobin`s Q=(年平均股价*年末股本总数+年末公司负债)/年末公司总资产。
2.2解释变量。本文根据陈修德(2010)和刘磷琳(2016)的做法,采用研发费用(R&D)在营业收入中的占比作为衡量企业技术创新投入的指标,年末无形资产(IA)在年末资产总额中的占比作为衡量企业技术创新产出的指标。
2.3控制变量。本文参考刘栗池(2012)的做法,从企业规模、盈利能力、偿债能力、现金能力、每股指标等角度选取资产规模(A)、总资产净利率(ROA)、资产负债率(LEV)、现金流量(CF)以及每股收益(EPS)作为影响企业价值的其他变量指标。
综合上述分析,由于本文样本数据为短动态面板数据,因此采用差分GMM模型对企业价值的影响因素进行回归分析,模型的基本形式为: (T=2,…,T)。
3.提出假设。本文根据信息技术行业现有情况,并且结合已有理论研究分析,提出以下研究假设:
假设一:研发投入与企业价值呈正相关关系;
假设二:无形资产与企业价值呈正相关关系;
假设三:资产规模与企业价值呈正相关关系;
假设四:总资产净利率与企业价值呈正相关关系;
假设五:资产负债率与企业价值呈正相关关系;
假设六:现金流量与企业价值呈正相关关系;
假设七:每股收益与企业价值呈正相关关系。
四、信息技术产业企业价值影响因素的实证分析
1.描述性分析。本文首先对各变量进行描述性统计分析,对八个变量的平均值、中位数、极值以及标准差分别进行了测算。
被解释变量企业价值(Tobin’s Q)的平均值为4.62,中位数为3.46,均远远大于1,说明企业创造的价值大于其投入成本,企业为社会创造了价值。而解释变量研发投入(R&D)的平均值为11.07,表明样本企业研发投入资金平均占营业收入的11.07%,无形资产(IA)的平均值为5.84,表明样本企业无形资产价值平均占总资产的5.84%,说明技术创新投入与产出对信息技术行业的上市公司价值具有一定的影响。
控制变量中,除了资产规模(A)和每股收益(EPS)的标准差较小,分别为1.00和0.39,可能是由于取对数使得差异变小,其他变量总资产净利率(ROA)、资产负债率(LEV)和现金流量(CF)标准差值均较大,说明样本企业资质存在较大差距,有利于准确地分析技术创新与企业价值之间的相关关系。
2.平稳性检验。为了防止虚假回归或者伪回归现象,本文采用ADF方法对各变量进行平稳性检验。
检验结果显示,大多数变量通过了ADF检验,在95%的置信水平下具有平稳性。其中,企业价值(Tobin’s Q)在原始数据情况下ADF值为138.879,P值为1.0000,未通过95%水平下的平稳性检验,但当将序列进行一阶差分后,企业价值(Tobin’s Q)的ADF值为292.967,P值为0.0481,通过了平稳性检验,序列具有平稳性。另外,无形资产(IA)和资产规模(A)的ADF值分别为292.831和204.420,P值分别为0.0789和0.9954,均为通过平稳性检验,在95%的置信水平下,序列呈现非平稳状态,因此将这两个变量在回归模型中予以剔除。
3.协整检验。为了进一步考察变量间的长期均衡关系,本文采用Kao方法对面板回归的中的残差构建统计量,进行协整检验。
检验结果显示,序列的T统计量为-2.7705,通过了1%置信水平下的协整检验,说明变量直接存在长期稳定的均衡关系,其方程回归残差是平稳的,可以在此基础上直接对原方程进行回归。
4.建立模型。通过上述分析检验,本文构建一阶差分GMM回归模型如下:
其中,下标i、t分别表示不同的企业和时期,为控制固定效应的虚拟变量,为随机扰动项。
5.回归分析。本文采用Eviews7.0软件对上述模型进行回归,由于现金流量(CF)回归系数的P值为0.9130,显然不显著,因此对其予以剔除。
研发投入(R&D)的回归系数值为0.0818,在1%的水平下显著,说明企业研发投入越大,企业价值也就越大,验证了假设一;然而研发投入(R&D)的回归系数值较小,对企业价值的解释力度较低,这可能是由于本文选取的企业价值指标Tobin’s Q在某种程度上取決于上市公司股价大小,而我国的股票市场投机成分居多,投资者往往不在意股票的真实价值,因而存在高估或者低估企业价值的行为。
总资产净利率(ROA)显著为正,说明企业盈利能力越强,企业价值也就越大,验证了假设四;资产负债率(LEV)的显著为正,说明企业负债水平越高,企业价值也就越大,验证了假设五;每股收益(EPS)显著为负,说明企业每股收益越低,企业价值也就越大,拒绝了假设七,这可能是由于信息技术行业的上市公司大多数为科技型企业,处于蓬勃发展的成长期,一方面公司利润更多地会用于投资,较少地会回馈给股东,另一方面公司可能仍处于筹资扩张时期,股东权益不断在被稀释;上期企业价值(Tobin's Q(-1))显著为正,说明企业价值与前期具有显著相关性,与学术界的锚定效应相吻合,具体而言,投资者在做决策的时候,会不自觉地给予最初获得的信息过多的重视。
就模型整体而言,拟合优度为0.7405,说明方程可以解释的企业价值影响因素为74.05%,模型具有统计意义。
综上所述,回归模型最终表示为:
五、结语
从研究视角来看,本文聚焦于我国沪深A股信息技术行业板块的上市公司,结合相关理论研究成果,试图通过研发投入指标在某种程度上解释企业价值的变动影响因素,然而可能由于指标选取与我国股票市场投机行为较多的原因,研发投入虽然显著,却只能较小程度地影响企业价值的变动。而代表企业盈利能力、负债水平、每股指标与前期效应的总资产净利率、资产负债率、每股收益与上期企业价值也在一定程度上对企业价值产生解释能力,与研发投入共同影响着信息技术行业板块中企业的价值。
从政策意义来看,在知识经济时代,技术创新已成为一个企业持续发展的核心竞争能力,从政府到企业家都应该对此产生足够的重视。政府层面,应该更多地推行针对科技型企业的优惠政策并落到实处,如减免融资条件、建立产业科技园等;企业层面,不仅需要更多地投入资金与精力到研发投入中去,更要提高研发效率与创新产品的销售能力,使得研发成本能够变现;投资者层面,除机构投资者外,中小投资者也应该学会分析上市公司的财务数据,紧随时代发展步伐,理性有据地进行投资。
参考文献:
[1]李淑娟. 医药生物企业技术创新投入与企业价值关系研究[D].南昌大学,2016.
[2]常超. 低碳技术创新与企业价值的相关性研究[D].北方工业大学,2015.
[3]王喆. 生物制药企业技术创新能力对企业价值的影响研究[D].浙江财经大学,2013.
[4]张莉莉. 农业上市公司技术创新能力与企业价值关系研究[D].安徽农业大学,2013.
[5]刘栗池. 技术创新能力与企业价值的关系研究[D].云南财经大学,2012.
[6]陈修德,彭玉莲,卢春源. 中国上市公司技术创新与企业价值关系的实证研究[J]. 科学学研究,2011,(01):138-146.
[7]李娜,李建华,于晓红. 技术创新能力与企业价值——一个研究综述[J]. 中国管理信息化,2010,(10):96-97.
[8]李娜. 基于资源观的技术创新能力与企业价值关系研究[D].吉林大学,2010.
[9]计军恒. 基于技术创新的企业价值增长及其评估研究[D].西北农林科技大学,2007.
[10]王同律. 技术创新与企业价值增长[J]. 中南财经政法大学学报,2004,(02):126-131.
关键词:企业价值 影响因素 技术创新
一、问题提出
在传统经济条件下,企业经营收益分配是投资者主要的收益渠道,利润最大化自然成为企业的最高准则;而在知识经济条件下,企业面临着更加复杂不确定的市场环境,企业必须兼顾不同利益相关者的要求,单纯强调股东需求的利润最大化原则失去了依据,企业价值最大化才能够被不同的利益相关者共同接受,成为企业战略的终极目标。而技术创新作为实现企业价值最大化的重要手段之一,能够增强企业的研发能力,形成专利技术,提高组织协调、市场营销、基础管理、资源配套等综合组织能力,在企业长期不断的创新活动中积淀,培育并形成企业的核心竞争能力,推动企业价值的提升。
因此,本文基于2012-2015年中国A股信息技术行业上市公司的数据,从技术創新的视角,实证研究其企业价值的影响因素,不仅能够用经验数据论证技术创新对企业价值提升的重要作用,还有利于在学术层面为正确理解技术创新与企业价值的关系、响应国家科技兴国的号召提供支持,具有十分重要的理论与现实意义。
二、技术创新与企业价值关系的文献综述
1.国外文献。国外关于技术创新能力与企业价值关系的研究,主要持两种不同的观点。大多数学者认为企业价值与技术创新投入呈正相关关系,企业的市场价值受到技术创新投入持续而正向的影响。Chan et al.(2001)通过对有技术创新投入的公司和无技术创新投入的公司进行对比研究,发现高技术创新投入的公司能够在权益市场上获得超额收益,并且其股票的历史收益也较高。Patricia Laures and Christian Le Bas(2015)认为通过技术创新活动可以开发出新的产品,抢占新的市场,形成新的利润增长点。也有少数学者的研究表明企业价值与技术创新投入之间不存在相关关系或为相关关系为负。Erickson and Jacobson(1992)认为技术创新投入相较于其他类型的投资,并不能更显著地提升企业价值。Oswald(2008)通过对英国企业数据的研究,认为研发费用的费用化或资本化均不会对研发投入的价值相关性产生影响。
2.国内文献。国内学者对于技术创新投入与企业价值的关系的探索与研究起步较晚,等到2006年新会计准则颁布,明确规范和激励企业信息披露之后,才正式全面展开。罗婷、李丹等(2009)基于177家A股上市公司数据,研究发现总体样本技术创新投入能在一年内对未来盈利能力产生显著影响,且这种显著影响主要是由高科技公司决定的。张信东等(2010)采用截面回归分析方法,基于Fama-French三因子模型对企业研发密度与股票预期收益作实证回归,结果显示,在原三因子模型中引入研发密度因子可以明显增强模型的解释能力,说明上市公司技术创新投入价值能够得到投资者认可,并能够为公司带来增值机会。
3.文献评述。回顾以往的研究,关于技术创新投入和企业价值相关性的结论并不统一。学术界普遍认为技术创新投入有助于提高企业的经营绩效,提升上市公司的股票价格。但也有一部分学者认为它们相互之间并无显著的关系,甚至具有负的相关性。究其原因是他们认为技术创新投入活动存在风险,高强度的投入并不一定能够取得成功,而当这种风险超过回报时,很可能产生不必要的损失。就我国国内而言,鲜少有直接研究技术创新能力与企业价值关系的文献,本文拟通过实证检验进一步证实技术创新与企业价值的相关性与作用方向,并考察其他影响企业价值或者两者相关性的因素。
三、信息技术产业企业价值影响因素的研究设计
1.样本选择与数据来源。本文选取沪深A股市场信息传输、软件和信息技术服务业板块中217家上市公司2012 -2015年的年度报表数据为实证研究对象。主要原因有两个:第一,我国信息技术行业的企业在2011年起开始逐年增长的大规模上市,为了数据的连续性与完整性,本文选取截面多而时间短的短面板数据;第二,2012年我国爆发金融危机,为了避免未知因素对样本产生不可预测的影响,本文选取2012年为样本数据的起始截点。
为了进一步优化样本数据,本文在217家样本公司的基础上,根据以下原则剔除相应的样本:(1)在2012年后上市的公司,72个;(2)数据不全的样本,尤其是缺少研发费用数据的企业,15个。最终获得有效样本130个。
本文的财务数据全部来自于同花顺iFinD数据库,其中部分变量指标如企业价值(Tobin’s Q)为手工计算而得。
2.变量选取与模型构建。
2.1被解释变量。本文采用Tobin' s Q来衡量企业价值。其计算公式表示为:Tobin`s Q=(年平均股价*年末股本总数+年末公司负债)/年末公司总资产。
2.2解释变量。本文根据陈修德(2010)和刘磷琳(2016)的做法,采用研发费用(R&D)在营业收入中的占比作为衡量企业技术创新投入的指标,年末无形资产(IA)在年末资产总额中的占比作为衡量企业技术创新产出的指标。
2.3控制变量。本文参考刘栗池(2012)的做法,从企业规模、盈利能力、偿债能力、现金能力、每股指标等角度选取资产规模(A)、总资产净利率(ROA)、资产负债率(LEV)、现金流量(CF)以及每股收益(EPS)作为影响企业价值的其他变量指标。
综合上述分析,由于本文样本数据为短动态面板数据,因此采用差分GMM模型对企业价值的影响因素进行回归分析,模型的基本形式为: (T=2,…,T)。
3.提出假设。本文根据信息技术行业现有情况,并且结合已有理论研究分析,提出以下研究假设:
假设一:研发投入与企业价值呈正相关关系;
假设二:无形资产与企业价值呈正相关关系;
假设三:资产规模与企业价值呈正相关关系;
假设四:总资产净利率与企业价值呈正相关关系;
假设五:资产负债率与企业价值呈正相关关系;
假设六:现金流量与企业价值呈正相关关系;
假设七:每股收益与企业价值呈正相关关系。
四、信息技术产业企业价值影响因素的实证分析
1.描述性分析。本文首先对各变量进行描述性统计分析,对八个变量的平均值、中位数、极值以及标准差分别进行了测算。
被解释变量企业价值(Tobin’s Q)的平均值为4.62,中位数为3.46,均远远大于1,说明企业创造的价值大于其投入成本,企业为社会创造了价值。而解释变量研发投入(R&D)的平均值为11.07,表明样本企业研发投入资金平均占营业收入的11.07%,无形资产(IA)的平均值为5.84,表明样本企业无形资产价值平均占总资产的5.84%,说明技术创新投入与产出对信息技术行业的上市公司价值具有一定的影响。
控制变量中,除了资产规模(A)和每股收益(EPS)的标准差较小,分别为1.00和0.39,可能是由于取对数使得差异变小,其他变量总资产净利率(ROA)、资产负债率(LEV)和现金流量(CF)标准差值均较大,说明样本企业资质存在较大差距,有利于准确地分析技术创新与企业价值之间的相关关系。
2.平稳性检验。为了防止虚假回归或者伪回归现象,本文采用ADF方法对各变量进行平稳性检验。
检验结果显示,大多数变量通过了ADF检验,在95%的置信水平下具有平稳性。其中,企业价值(Tobin’s Q)在原始数据情况下ADF值为138.879,P值为1.0000,未通过95%水平下的平稳性检验,但当将序列进行一阶差分后,企业价值(Tobin’s Q)的ADF值为292.967,P值为0.0481,通过了平稳性检验,序列具有平稳性。另外,无形资产(IA)和资产规模(A)的ADF值分别为292.831和204.420,P值分别为0.0789和0.9954,均为通过平稳性检验,在95%的置信水平下,序列呈现非平稳状态,因此将这两个变量在回归模型中予以剔除。
3.协整检验。为了进一步考察变量间的长期均衡关系,本文采用Kao方法对面板回归的中的残差构建统计量,进行协整检验。
检验结果显示,序列的T统计量为-2.7705,通过了1%置信水平下的协整检验,说明变量直接存在长期稳定的均衡关系,其方程回归残差是平稳的,可以在此基础上直接对原方程进行回归。
4.建立模型。通过上述分析检验,本文构建一阶差分GMM回归模型如下:
其中,下标i、t分别表示不同的企业和时期,为控制固定效应的虚拟变量,为随机扰动项。
5.回归分析。本文采用Eviews7.0软件对上述模型进行回归,由于现金流量(CF)回归系数的P值为0.9130,显然不显著,因此对其予以剔除。
研发投入(R&D)的回归系数值为0.0818,在1%的水平下显著,说明企业研发投入越大,企业价值也就越大,验证了假设一;然而研发投入(R&D)的回归系数值较小,对企业价值的解释力度较低,这可能是由于本文选取的企业价值指标Tobin’s Q在某种程度上取決于上市公司股价大小,而我国的股票市场投机成分居多,投资者往往不在意股票的真实价值,因而存在高估或者低估企业价值的行为。
总资产净利率(ROA)显著为正,说明企业盈利能力越强,企业价值也就越大,验证了假设四;资产负债率(LEV)的显著为正,说明企业负债水平越高,企业价值也就越大,验证了假设五;每股收益(EPS)显著为负,说明企业每股收益越低,企业价值也就越大,拒绝了假设七,这可能是由于信息技术行业的上市公司大多数为科技型企业,处于蓬勃发展的成长期,一方面公司利润更多地会用于投资,较少地会回馈给股东,另一方面公司可能仍处于筹资扩张时期,股东权益不断在被稀释;上期企业价值(Tobin's Q(-1))显著为正,说明企业价值与前期具有显著相关性,与学术界的锚定效应相吻合,具体而言,投资者在做决策的时候,会不自觉地给予最初获得的信息过多的重视。
就模型整体而言,拟合优度为0.7405,说明方程可以解释的企业价值影响因素为74.05%,模型具有统计意义。
综上所述,回归模型最终表示为:
五、结语
从研究视角来看,本文聚焦于我国沪深A股信息技术行业板块的上市公司,结合相关理论研究成果,试图通过研发投入指标在某种程度上解释企业价值的变动影响因素,然而可能由于指标选取与我国股票市场投机行为较多的原因,研发投入虽然显著,却只能较小程度地影响企业价值的变动。而代表企业盈利能力、负债水平、每股指标与前期效应的总资产净利率、资产负债率、每股收益与上期企业价值也在一定程度上对企业价值产生解释能力,与研发投入共同影响着信息技术行业板块中企业的价值。
从政策意义来看,在知识经济时代,技术创新已成为一个企业持续发展的核心竞争能力,从政府到企业家都应该对此产生足够的重视。政府层面,应该更多地推行针对科技型企业的优惠政策并落到实处,如减免融资条件、建立产业科技园等;企业层面,不仅需要更多地投入资金与精力到研发投入中去,更要提高研发效率与创新产品的销售能力,使得研发成本能够变现;投资者层面,除机构投资者外,中小投资者也应该学会分析上市公司的财务数据,紧随时代发展步伐,理性有据地进行投资。
参考文献:
[1]李淑娟. 医药生物企业技术创新投入与企业价值关系研究[D].南昌大学,2016.
[2]常超. 低碳技术创新与企业价值的相关性研究[D].北方工业大学,2015.
[3]王喆. 生物制药企业技术创新能力对企业价值的影响研究[D].浙江财经大学,2013.
[4]张莉莉. 农业上市公司技术创新能力与企业价值关系研究[D].安徽农业大学,2013.
[5]刘栗池. 技术创新能力与企业价值的关系研究[D].云南财经大学,2012.
[6]陈修德,彭玉莲,卢春源. 中国上市公司技术创新与企业价值关系的实证研究[J]. 科学学研究,2011,(01):138-146.
[7]李娜,李建华,于晓红. 技术创新能力与企业价值——一个研究综述[J]. 中国管理信息化,2010,(10):96-97.
[8]李娜. 基于资源观的技术创新能力与企业价值关系研究[D].吉林大学,2010.
[9]计军恒. 基于技术创新的企业价值增长及其评估研究[D].西北农林科技大学,2007.
[10]王同律. 技术创新与企业价值增长[J]. 中南财经政法大学学报,2004,(02):126-131.