首页 理论教育 实证研究:政府补助对总资产收益率的影响和研发投入的关系

实证研究:政府补助对总资产收益率的影响和研发投入的关系

时间:2023-05-25 理论教育 版权反馈
【摘要】:(二)相关性分析本章选取实证研究中常用的Pearson相关系数检验法对各主要变量进行相关性检验,为接下来的回归分析奠定基础。Durbin-Watson检验是计量经济、统计分析中常用的一种检验序列一阶自相关最常用的方法。从变量回归结果分析,在0.05显著性水平下,政府补助与总资产收益率显著正相关,具体影响系数为0.169,与假设H1一致。本节利用线性回归分析法研究政府补助与研发投入之间的具体关系,进一步验证假设H2。

实证研究:政府补助对总资产收益率的影响和研发投入的关系

(一) 描述性统计分析

本章获取了中国战略新兴产业100家企业2015—2019年这5年的数据,经筛选处理后共获得500条有效数据样本,对各变量进行描述性统计分析,各变量分别为总资产收益率、政府补助强度、研发投入强度、企业规模财务风险、总资产周转率以及税收负担,具体如表7-2所示。

表7-2主要变量的描述性统计分析

(1) 总资产收益率方面:在500个数据样本中,最大的总资产收益率为60.48%,最小的为负数。通常情况下我们默认总资产收益率最低不低于银行存款利率1.5%,总资产收益率达到15%为高。样本中最大的总资产收益率为15%的4倍多,最低的为负数,由此可以推断出样本中不同企业间总资产收益率差距明显。平均总资产收益率约为11.1%,表明战略性新兴产业里的企业总体总资产收益率表现良好。

(2) 政府补助强度方面:在500个数据样本中,最小值为0,最大值为9.36%,再考虑相关标准差,由此可以判断可能存在极个别的极值现象,但总体来说,政府补助强度较为均匀,获得的政府补助占总资产的均值为1%左右。

(3) 研发投入强度方面:在500个数据样本中,最小值接近0,最大值约为53%。平均研发投入强度为9%左右,从均值来看,样本企业研发投入强度总体表现强势,说明战略性新兴产业总体有着很强的创新意识。

(4) 企业规模方面:在500个数据样本中,最小值为8.89,最大值为17.36,平均数为13.41,平均数处于最小值最大值的中位数水平,标准偏差为1.36,不同企业规模差异较大。

(5) 财务风险方面:在500个数据样本中,最低的资产负债率为3.41%,最高为85.66%,不同企业间的财务风险差异较大,财务偏好也有所区别。但从均值来看,创业板高新技术企业普遍维持在39.33%的资产负债率,资本结构较为合理,不存在特别大的偿债压力

(6) 总资产周转率方面:在500个数据样本中,最低的总资产周转为7%左右,最高的突破100%,结合标准差分析,不同企业间的运营能力差异较大。从均值来看,平均总资产周转率为72.99%,相较于一般企业设置的80%的总资产周转率较低一些。

(7) 税收负担方面:在500个数据样本中,最小值为0,最大值为12.75,结合标准差分析,不同企业间税收负担的情况差异比较明显。

(二) 相关性分析

本章选取实证研究中常用的Pearson相关系数检验法对各主要变量进行相关性检验,为接下来的回归分析奠定基础。具体相关情况如表7-3所示。

表7-3各变量间的相关系数矩阵

注:**表示相关性在0.01水平(双侧)上显著相关,*表示相关性在0.05水平(双侧)上显著相关。

从总体看各变量相关性,政府补助强度、研发投入、企业规模、财务风险、营运能力还有税收负担,都与总资产收益率显著相关,由此可以判断,本次研究在变量的选择上还是很成功的,选取的相关变量对本章研究都是有效的变量。同时这也说明对企业规模、企业的财务风险、企业的营运能力以及税收负担这些变量进行控制,对于研究是非常有必要的。基于变量间的相关性分析还无法判断变量间是否存在共线性、具体哪个变量作用于哪个变量。这些问题还有待在回归分析中进一步分析。

基于假设进一步看变量相关性,政府补助与总资产收益率在0.05相关性水平上显著相关,系数为0.102,初步满足假设H1显著相关条件,但是否政府补助作用于企业盈利水平,还需通过线性回归进一步判断。政府补助与研发投入在0.01相关性水平上显著相关,系数为0.488,初步满足假设H2显著相关条件,但是否政府补助作用于研发投入,还需通过线性回归进一步判断。研发投入与总资产收益率在0.01相关性水平上显著相关,系数为0.134,初步满足假设H3显著相关条件,但是否政府补助作用于研发投入,仍需通过线性回归进一步判断。

(三) 回归分析

这部分主要对各主要变量进行线性回归分析,探讨战略性新兴产业企业政府补助、研发投入与企业盈利水平这三者之间的具体关系,并对本章提出的假设进行检验。

1. 政府补助对企业盈利水平的影响分析

根据相关性分析,政府补助与总资产收益率在0.05相关性水平上显著相关,系数为0.102。此处利用线性回归分析法研究政府补助与企业盈利水平之间的具体关系,进一步验证假设H1。表7-4是模型(7.1)线性回归结果的重要摘要。

表7-4战略性新兴产业企业政府补助对企业盈利水平的影响效应

续表

注:因变量为ROA,表中显著性水平是p=0.05。

从模型特征来看,模型R方为0.44,调整后的R方为0.434。R方表示的是拟合优度,它是用来衡量估计的模型对观测值的拟合程度。它的值越接近1,说明拟合度越高,模型越好。在经济类的数据中,普遍认为R方如果达到0.6,则表明模型拟合度非常理想,以此为评判标准,模型(7.1)拟合效果处于一般水平。

Durbin-Watson检验是计量经济、统计分析中常用的一种检验序列一阶自相关最常用的方法。一般认为,Durbin-Watson值在2附近,则表明变量不存在自相关性。模型(7.1)的Durbin-Watson的值为1.941,在2附近,表明变量不存在自相关性。

VIF是解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。VIF值越大,显示共线性越严重。在经济类数据中,一般认为不超过10则表明各变量之间不存在多重共性。以此为基准可判断,模型(7.1)中的VIF值普遍在2左右,最大值不超过2,表明变量之间不存在多重共线性。

从变量回归结果分析,在0.05显著性水平下,政府补助与总资产收益率显著正相关,具体影响系数为0.169,与假设H1一致。(www.xing528.com)

2.政府补助对研发投入的影响分析

根据相关性分析,政府补助与研发投入在0.01相关性水平上显著相关,系数为0.488。本节利用线性回归分析法研究政府补助与研发投入之间的具体关系,进一步验证假设H2。表7-5是多元线性回归结果的重要摘要。

表7-5政府补助对企业研发投入的影响效应

注:因变量RD,表中显著性水平是p=0.05。

从模型特征来看,模型R方为0.313,调整后的R方为0.306。基于在模型(7.1)回归分析中对R方的介绍及相关评判标准,可知模型(7.2)线性方程拟合效果处于一般水平。基于在模型(7.1)回归分析中对Durbin-Watson检验的介绍及相关评判标准,可知模型(7.2)的Durbin-Watson值为1.8,表明变量不存在自相关性。基于在模型(7.1)回归分析中对方差膨胀因子VIF的介绍及相关评判标准,可知模型(7.2)中的VIF值未超过10,因而变量之间不存在多重共线性。

从变量回归结果分析,在0.05显著性水平下,政府补助与研发投入显著正相关,具体影响系数为0.462。从系数大小判断,政府补助对企业的研发投入具有重要意义,该结论与假设H2符合。观察相关控制变量与企业研发投入的相关性,可知企业规模与研发投入正相关,但不具有显著性;企业财务风险与研发投入显著负相关,资产负债率越高,企业的研发投入越低;企业总资产周转率与研发投入显著负相关;企业税收负担与研发投入显著负相关,表明企业的税收负担过重,不利于激励企业研发创新。

3. 研发投入对企业盈利水平的影响分析

根据相关性分析,研发投入与总资产收益率在0.01相关性水平上显著相关,系数为0.134。本节利用多元线性回归分析法研究研发投入与企业盈利水平之间的具体关系,进一步验证假设H3。表7-6是模型(7.3)多元线性回归结果的重要摘要。

表7-6研发投入对企业盈利水平的影响效应

注:因变量为ROA,表中显著性水平是p=0.05。

从模型特征来看,模型R方为0.436,调整后的R方为0.43。基于在模型(7.1)回归分析中对R方的介绍及相关评判标准,可知模型(7.3)线性方程拟合效果处于一般水平。基于在模型(7.1)回归分析中对Durbin-Watson检验的介绍及相关评判标准,可知模型(7.3)的Durbin-Watson值为1.945,接近2,表明变量不存在自相关性。基于在模型(7.1)回归分析中对方差膨胀因子VIF的介绍及相关评判标准,可知模型(7.3)中的VIF值未超过10,因而变量之间不存在多重共线性。

从变量回归结果分析,在0.05显著性水平下,研发投入与企业盈利水平显著正相关,具体影响系数为0.132,该结论与假设H3符合。观察相关控制变量与企业研发投入的相关性,可知企业规模与企业总资产收益率显著负相关;企业财务风险与企业总资产收益率显著负相关;企业总资产周转率与企业总资产收益率显著正相关;企业税收负担与企业总资产收益率显著正相关。

(四) 稳健性检验

为了验证相关结论的稳定性,我们以净资产收益率即ROE替代总资产收益率ROA,对模型进行稳健型检验。因为在前文中,假设H2政府补助对研发投入的影响效应已经得到验证,在本节中不对其进行重复验证。此处主要对政府补助对企业盈利水平、研发投入对企业盈利水平、研发投入在政府补助与企业盈利水平间的中介效应进行检验。检验结果如表7-7、表7-8所示。

表7-7政府补助对企业盈利水平的影响效应检验

续表

注:因变量为ROE,表中显著性水平是p=0.05。

表7-8研发投入对企业盈利水平的影响效应检验

注:因变量为ROE,表中显著性水平是p=0.05。

从表7-7、表7-8的稳健性检验运行结果来看,以ROE替代ROA后,线性方程的拟合度有所上升,但差异性不是特别大,各变量之间不存在自相关性,也不存在多重共线性。关于政府补助对企业盈利水平影响的检验结果,研发投入对企业盈利水平影响的检验结果,研发投入在政府补助与企业盈利水平的中介效应的检验结果,与本章研究分析得出的结果一致。即通过稳定性检验,相关研究结论具有一定的稳定性。

(五) 实证研究结论

通过描述性分析、相关性性分析以及回归分析,我们得出相关结论:政府补助与企业盈利水平显著正相关;政府补助与研发投入显著正相关;研发投入与企业盈利水平显著正相关;研发投入在政府补助与企业盈利水平之间存在部分中介效应。

(1) 假设H1主要探讨了企业政府补助与企业盈利水平之间的关系。通过实证分析,得出结论政府补助与企业盈利水平显著正相关,假设H1得到论证。政府补助的投入能够部分减轻企业研发的资金压力。企业获取政府补助往往还带有信号传递的功能,向市场发出该企业成长性良好的信息,可以为企业提供更有利的融资环境,便于企业抓住发展机遇,增强企业的生产积极性,进而实现企业盈利水平的增长。

(2) 假设H2主要探讨企业政府补助与研发投入之间的关系。通过实证分析,得出结论政府补助与研发投入显著正相关。研发环节需要大量的资本作为支撑,经费的来源大体分为外部和内部,内部来源主要表现为盈余积累,外部来源主要为筹融资以及政府补助。研发具有高投入、高风险、高回报的特征,政府补助的存在确实可以缓解研发投入的资金压力,进而缓解企业对研发高风险的焦虑,从而激励企业创新。此外基于政府补助的信号传递功能,可以为企业拓宽外部融资渠道,为企业研发创新提供更有利的条件。

(3) 假设H3主要探讨了创业板高新技术企业研发投入与企业盈利水平之间的关系。通过实证分析,得出结论研发投入与企业盈利水平显著正相关。以研发投入为保障,经过研发实现的技术以及知识的创新往往会有效提高企业的生产效率、提高产品的生产质量,甚至会让企业的生产技术发生质的改变,使企业在同业竞争中获得优势,在企业盈利水平方面往往会有较好的表现。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈