我國(guó)物流企業(yè)經(jīng)營(yíng)效果與研究開發(fā)投入的相關(guān)性分析

1、我國(guó)物流企業(yè)經(jīng)營(yíng)效果與研究開發(fā)投入的相關(guān)性分析基于我國(guó)物流上市公司的截面數(shù)據(jù)研究摘要：本文選取物流上市公司中披露研發(fā)投入數(shù)據(jù)的15家企業(yè)作為樣本，對(duì)其研發(fā)投入與經(jīng)營(yíng)效果的關(guān)系進(jìn)行了相關(guān)性分析的研究。分析結(jié)果表明：研發(fā)投入強(qiáng)度與主營(yíng)業(yè)務(wù)利潤(rùn)率顯著正相關(guān)，而與凈資產(chǎn)收益率和每股收益相關(guān)性不顯著?；谝陨戏治鼋Y(jié)果，針對(duì)物流企業(yè)研究開發(fā)投入的現(xiàn)狀，從企業(yè)和政府兩個(gè)角度給出了建議。關(guān)鍵詞：研發(fā)投入；經(jīng)營(yíng)效果；相關(guān)性分析一 引言隨著現(xiàn)代信息技術(shù)的迅猛發(fā)展以及市場(chǎng)競(jìng)爭(zhēng)的愈發(fā)激烈，越來越多的企業(yè)意識(shí)到了技術(shù)創(chuàng)新的重要性：提高勞動(dòng)效率，降低生產(chǎn)成本，增強(qiáng)競(jìng)爭(zhēng)力，提升企業(yè)的經(jīng)濟(jì)效益和管理水平，使企業(yè)獲得核心競(jìng)爭(zhēng)力

2、等等。企業(yè)的技術(shù)創(chuàng)新能力的培育，主要依賴于企業(yè)R&D投入的規(guī)模、強(qiáng)度以及持續(xù)程度。所以，企業(yè)如果想要在市場(chǎng)競(jìng)爭(zhēng)中取得長(zhǎng)期的競(jìng)爭(zhēng)優(yōu)勢(shì)，那么可以通過對(duì)R&D活動(dòng)進(jìn)行持續(xù)性地投入，以形成企業(yè)核心競(jìng)爭(zhēng)力，實(shí)現(xiàn)搶占市場(chǎng)份額，增值企業(yè)價(jià)值，使得企業(yè)持續(xù)性發(fā)展的目的。在社會(huì)各方對(duì)物流要求的提升以及物流市場(chǎng)競(jìng)爭(zhēng)的不斷加劇的條件下，我國(guó)物流業(yè)發(fā)展面臨的集中程度低、信息化程度低、物流資源分散等制約越來越明顯，而物流企業(yè)長(zhǎng)期以來“小、散、弱”的問題也越發(fā)凸顯。物流企業(yè)迫切需要通過增加R&D投入來改善以上問題，即借助新技術(shù)，通過整合物流資源、優(yōu)化網(wǎng)絡(luò)布局、延伸覆蓋范圍等方式，以提高物流一體化能

3、力，形成自身核心競(jìng)爭(zhēng)力。然而，即使意識(shí)到R&D投入的必要性和重要性，但是相當(dāng)多數(shù)的物流企業(yè)卻并沒有將R&D投入作為重點(diǎn)，其投入依然主要集中于購(gòu)置土地、運(yùn)輸設(shè)備以及建設(shè)廠房等方面。這些企業(yè)大多是擔(dān)心：一方面，對(duì)R&D進(jìn)行投入會(huì)增加企業(yè)額外的成本，影響企業(yè)的利潤(rùn)；另一方面，R&D投入對(duì)提高企業(yè)經(jīng)營(yíng)效果收效甚微。因此，研究物流企業(yè)的R&D投入與企業(yè)經(jīng)營(yíng)效果之間的相關(guān)性問題是刻不容緩的。國(guó)外學(xué)術(shù)界很早就開始關(guān)注R&D投入的問題，絕大部分的研究顯示，企業(yè)R&D投入與企業(yè)經(jīng)營(yíng)效果之間呈正向關(guān)系，少部分研究顯示為負(fù)向關(guān)系和不相關(guān)關(guān)系。這些都是基于國(guó)外社

4、會(huì)實(shí)踐的研究，是否適應(yīng)我國(guó)的實(shí)際情況還有待研究。由于我國(guó)上市公司R&D投入信息披露有限，使微觀層面的研究缺乏基礎(chǔ)數(shù)據(jù)，所以國(guó)內(nèi)已有研究多為宏觀層面的研究，即從理論的角度論證R&D投入對(duì)國(guó)家、地區(qū)或某個(gè)產(chǎn)業(yè)的積極作用，微觀層面直接利用企業(yè)數(shù)據(jù)對(duì)R&D投入進(jìn)行研究的并不多，且研究結(jié)論并不一致。所以本文欲根據(jù)獲得的我國(guó)物流上市公司2009-2013年間的R&D投入數(shù)據(jù)，利用SPSS19.0軟件，對(duì)我國(guó)上市物流公司R&D投入與經(jīng)營(yíng)效果之間的關(guān)系作實(shí)證檢驗(yàn)，并得出相應(yīng)的結(jié)論，以此對(duì)我國(guó)物流企業(yè)R&D投入與其經(jīng)營(yíng)效果獲得新的認(rèn)識(shí)。二 文獻(xiàn)回顧及其評(píng)價(jià)關(guān)于企業(yè)

5、R&D投入與企業(yè)經(jīng)營(yíng)效果之間的關(guān)系，不管是理論研究，還是實(shí)證研究，結(jié)果大致分為以下三種：正向關(guān)系，負(fù)相關(guān)系，不相關(guān)系關(guān)系。第一種，正向關(guān)系。Edward B.Roberts（1995）通過調(diào)研美、日以及歐洲等發(fā)達(dá)國(guó)家或地區(qū)R&D投入在1億美元以上的244家企業(yè)，實(shí)證分析了企業(yè)R&D投入與年銷售收入增長(zhǎng)率之間的關(guān)系，發(fā)現(xiàn)二者之間存在顯著地正相關(guān)關(guān)系1。Chambers 和 Jennings(2002)以美國(guó)在 1979-1998 年間研發(fā)投入的公司 35841 家及非研發(fā)投入的公司 53578 家為樣本，經(jīng)研究發(fā)現(xiàn)研發(fā)投入水平與隨后至少十年的超額回報(bào)（經(jīng)過風(fēng)險(xiǎn)調(diào)整后）存在

6、顯著正相關(guān)關(guān)系，即使對(duì)研發(fā)投資變動(dòng)進(jìn)行控制，這種正相關(guān)也不會(huì)削弱2。Hu,AG and Jefferson(2003)利用我國(guó)北京地區(qū)大中型工業(yè)企業(yè)的創(chuàng)新數(shù)據(jù)，發(fā)現(xiàn)對(duì)于不同行業(yè)來說，R&D投入對(duì)企業(yè)業(yè)績(jī)的貢獻(xiàn)是顯著的，但是顯著程度對(duì)不同行業(yè)來說是有所不同的，并且影響程度會(huì)隨著時(shí)間的推延而越來越小3。程宏偉，張永海，常永（2006）以我國(guó)2002年以前上市且比較規(guī)范披露R&D費(fèi)用的96家上市公司為研究對(duì)象，通過實(shí)證研究得出了相似的結(jié)論，即上市公司R&D支出與其業(yè)績(jī)呈正相關(guān)關(guān)系，且R&D投入對(duì)業(yè)績(jī)的影響逐年減弱4。周江燕（2012）通過分析我國(guó)71家制造業(yè)上市公司，

7、在2007-2009年之間的相關(guān)數(shù)據(jù)，指出R&D投入與企業(yè)價(jià)值相關(guān)，R&D投入可以通過積極影響企業(yè)業(yè)績(jī)來提升公司的價(jià)值5。趙喜倉(cāng)，吳軍香（2013）以2008-2010年深交所中小企業(yè)板4個(gè)高新技術(shù)行業(yè)為研究對(duì)象，研究結(jié)論與也Hu，A.G and Jeffderson如出一轍，即R&D與當(dāng)期的企業(yè)績(jī)效呈正相關(guān)性，但R&D與企業(yè)績(jī)效在的關(guān)系在不同行業(yè)間并不相同6。第二種，負(fù)相關(guān)性。Hitt，Hoskisson（1991）通過實(shí)證研究卻發(fā)現(xiàn)兩者之間存在負(fù)相關(guān)性，認(rèn)為經(jīng)營(yíng)績(jī)效好的企業(yè)風(fēng)險(xiǎn)小，不愿意冒風(fēng)險(xiǎn)去在研發(fā)活動(dòng)上有太多投入，因此業(yè)績(jī)好的企業(yè)，通常擁有較低的研發(fā)強(qiáng)度

8、7。Cazavan-Jeny and Jean（2006）對(duì)法國(guó)公司研究發(fā)現(xiàn)，資本化后的研發(fā)投入與企業(yè)資產(chǎn)回報(bào)率負(fù)相關(guān)8。郭斌（2006）對(duì)軟件產(chǎn)業(yè) R&D 費(fèi)用與公司績(jī)效的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)兩者呈顯著負(fù)向關(guān)系9。第三種，不相關(guān)關(guān)系。邱冬陽(yáng)（2002）選取1998年上市公司為樣本，對(duì)其科技、R&D投入與2000年實(shí)際業(yè)績(jī)進(jìn)行實(shí)證研究，最后得出結(jié)論，在現(xiàn)有狀態(tài)下，我國(guó)上市公司的R&D投資并沒有對(duì)企業(yè)的經(jīng)營(yíng)績(jī)效產(chǎn)生顯著地影響10。朱衛(wèi)平，倫蕊（2004）收集了F市全部197家高新技術(shù)企業(yè)2003年度的數(shù)據(jù)，選取其中的173家企業(yè)作為樣本，進(jìn)行實(shí)證分析，其結(jié)果表明，目前我國(guó)

9、高新技術(shù)企業(yè)的R&D投入與企業(yè)績(jī)效之間基本不存在顯著正向關(guān)系11。梁萊歆，張永榜（2005）通過對(duì)96家上市公司的R&D投入與總資產(chǎn)收益率進(jìn)行分析，指出高新技術(shù)上市公司的R&D經(jīng)費(fèi)投入強(qiáng)度與總資產(chǎn)收益率之間并不存在相關(guān)關(guān)系12。李映照，潘聽（2005）選取深滬兩市17家電子行業(yè)的上市公司和10家醫(yī)藥行業(yè)的上市公司為樣本，通過實(shí)證研究表明，企業(yè)的R&D支出與企業(yè)績(jī)效之間存在正相關(guān)關(guān)系，但是相關(guān)關(guān)系不明顯13。Oswald（2008）通過對(duì)英國(guó)企業(yè)進(jìn)行研究發(fā)現(xiàn)，R&D投入不管是資本化還是費(fèi)用化，都不會(huì)對(duì)企業(yè)的績(jī)效產(chǎn)生影響14。梅雪和韓之俊（2006）通過研究

10、市場(chǎng)對(duì)企業(yè)研發(fā)信息披露的反應(yīng), 發(fā)現(xiàn)在中國(guó)A股高科技行業(yè)市場(chǎng)中，高科技上市公司所披露的研發(fā)費(fèi)用基本不為市場(chǎng)所關(guān)注, 也沒有證據(jù)證明公司凈資產(chǎn)收益率受它們所披露的研發(fā)費(fèi)用的影響15。王君彩，王淑芳（2008）基于對(duì)2004年至2006年間的百?gòu)?qiáng)電子信息企業(yè)中的54家進(jìn)行實(shí)證分析，得出我國(guó)企業(yè)R&D投入與企業(yè)業(yè)績(jī)之間存在不顯著正相關(guān)關(guān)系的結(jié)論16。國(guó)內(nèi)外的這些研究表明，企業(yè)R&D投入與經(jīng)營(yíng)效果之間存在正向相關(guān)、負(fù)向相關(guān)和不相關(guān)系三種關(guān)系。而上述文獻(xiàn)研究得出的結(jié)論之所以不同，也許是因?yàn)檠芯窟x取的樣本不同，或者是衡量經(jīng)營(yíng)效果選擇的指標(biāo)體系不同，又或者是研究采用的方法不同所導(dǎo)致的?；谝?/p>

11、上分析，在物流行業(yè)這一背景下，R&D投入與經(jīng)營(yíng)效果之間關(guān)系之間的關(guān)系還有待于進(jìn)行實(shí)證證明。所以本文利用我國(guó)物流上市公司的R&D投入數(shù)據(jù)，以研究R&D投入與企業(yè)經(jīng)營(yíng)效果之間的關(guān)系，為物流企業(yè)進(jìn)行R&D投入提供借鑒。三 模型構(gòu)建與分析1 指標(biāo)體系的建立（1）企業(yè)R&D投入指標(biāo)在羅默和盧卡斯建立的模型中，投資即包括物質(zhì)資本投資、人力資本投資及知識(shí)資本投資17。其中，知識(shí)資本投資可以看折算為資本投資，即用研發(fā)費(fèi)用來表示。同時(shí)又因?yàn)槲锪餍袠I(yè)中研發(fā)人員的比例并沒有在公司年報(bào)中進(jìn)行披露，缺乏數(shù)據(jù)、難以量化，為了降低數(shù)據(jù)收集的難度，本文選取研發(fā)費(fèi)用投入作為R&D

12、投入的衡量指標(biāo)18。衡量研發(fā)費(fèi)用投入主要有研發(fā)投入絕對(duì)數(shù)額和研發(fā)投入強(qiáng)度兩個(gè)指標(biāo)。因?yàn)槠髽I(yè)的規(guī)模不同，物流行業(yè)又分為運(yùn)輸企業(yè)、倉(cāng)儲(chǔ)企業(yè)、綜合性服務(wù)企業(yè)等，各個(gè)企業(yè)的個(gè)體差異相對(duì)較大，導(dǎo)致研發(fā)投入的絕對(duì)數(shù)差異大，所以最終采用了R&D投入強(qiáng)度這個(gè)相對(duì)指標(biāo)19。研發(fā)投入強(qiáng)度=研發(fā)投入/主營(yíng)業(yè)務(wù)收入（2）企業(yè)經(jīng)營(yíng)效果指標(biāo)體系據(jù)對(duì)已有文獻(xiàn)的歸納整理，本文選取財(cái)務(wù)指標(biāo)體系主要包括：公司年度凈資產(chǎn)收益率（ROE）、主營(yíng)業(yè)務(wù)利潤(rùn)率（ROS）和每股收益（EPS）來衡量公司績(jī)效。其中，凈資產(chǎn)收益率是反映資本收益能力的國(guó)際性通用指標(biāo)，綜合能力強(qiáng)，且國(guó)內(nèi)上市公司凈資產(chǎn)收益率數(shù)據(jù)易于取得，計(jì)算方便。同時(shí)選擇主營(yíng)

13、業(yè)務(wù)利潤(rùn)里作為凈資產(chǎn)收收益率的補(bǔ)充指標(biāo)，因?yàn)槠髽I(yè)主營(yíng)業(yè)務(wù)的增長(zhǎng)只能說明企業(yè)的營(yíng)業(yè)額在增加，并不能說明一定為企業(yè)帶來了利潤(rùn)，所以只有企業(yè)主營(yíng)業(yè)務(wù)增長(zhǎng)的同時(shí)能貢獻(xiàn)更多的利潤(rùn)，即主營(yíng)業(yè)務(wù)的利潤(rùn)率要不斷提高，這樣的增長(zhǎng)才是安全的有效率的。而之所以選用每股凈資產(chǎn)收益率作為盈利能力的另一衡量指標(biāo)，是因?yàn)樯鲜泄酒髽I(yè)的盈利能力直接影響股東的收益，在股市上股價(jià)是變化不定的，不能用變化的股價(jià)去衡量股東的收益水平，但每股凈資產(chǎn)是確定的，可以準(zhǔn)確衡量股東的收益水平。2 研究假說與模型設(shè)計(jì)2.1 研究假說（1）不同物流公司之間，R&D投入情況差異顯著；（2）物流上市公司中，R&D投入與企業(yè)經(jīng)營(yíng)效果正向

14、相關(guān)；2.2 模型假設(shè)假設(shè)一：企業(yè)提供的公司年度報(bào)告是可靠的，沒有經(jīng)過粉飾的；假設(shè)二：企業(yè)R&D投入是自愿行為。四 實(shí)證檢驗(yàn)1 樣本選擇及數(shù)據(jù)來源本文研究選則我國(guó)物流行業(yè)上市公司為研究對(duì)象。由于我國(guó)財(cái)務(wù)制度沒有明確要求上市公司披露R&D費(fèi)用，直到2002年才有部分上市公司開始在年報(bào)中附注R&D投入的信息，而且公司年報(bào)中對(duì)于R&D投入信息描述的科目名稱較為混亂。所以根據(jù)需要，按照以下要求剔除樣本：刪除ST和PT符號(hào)的公司；刪除了2009-2013年任一年缺失年報(bào)的公司，刪除后共得到15個(gè)樣本觀察值。以這15家上市公司披露的數(shù)據(jù)為基礎(chǔ)，通過對(duì)這15家物流上市公司5年

15、內(nèi)的“R&D投入與經(jīng)營(yíng)效果關(guān)系”的研究來分析物流企業(yè)中二者之間的關(guān)系。本文所用的R&D投入以及經(jīng)營(yíng)效果數(shù)據(jù)通過整理物流上市公年報(bào)而取得，年報(bào)均來自中證網(wǎng)（）和巨潮網(wǎng)（）。本文數(shù)據(jù)處理采用EXCEL2007和SPSS19.0軟件來完成。研究采用的主要方法有描述統(tǒng)計(jì)分析和回歸分析。2 描述性分析本文對(duì)樣本企業(yè)各年的R&D投入強(qiáng)度作了描述統(tǒng)計(jì)，有效地從整體上了解了我國(guó)物流企業(yè)目前的R&D投入強(qiáng)度情況及發(fā)展趨勢(shì)，統(tǒng)計(jì)結(jié)果如下表所示：表4.1 2009-2013年企業(yè)R&D描述統(tǒng)計(jì)N極小值極大值均值標(biāo)準(zhǔn)差2009年研發(fā)強(qiáng)度15.01.82.1947.2536620

16、10年研發(fā)強(qiáng)度15.01.76.1673.231072011年研發(fā)強(qiáng)度15.02.97.2360.304492012年研發(fā)強(qiáng)度15.012.27.3800.615872013年研發(fā)強(qiáng)度15.021.14.2000.32509有效的 N （列表狀態(tài)）15表4.1數(shù)據(jù)可知，在2009年到2012年之間，物流企業(yè)R&D投入平均強(qiáng)度逐年增強(qiáng)，最大值也基本呈逐年遞增趨勢(shì)，2013年R&D投入強(qiáng)度較之前投入水平有所下降。從標(biāo)準(zhǔn)差的數(shù)值可知，各企業(yè)R&D投入強(qiáng)度差別較大。3 方差分析表4.2 方差齊性檢驗(yàn)R&D投入強(qiáng)度%Levene 統(tǒng)計(jì)量df1df2顯著性15.550146

17、0.084物流行業(yè)不同企業(yè)R&D投入強(qiáng)度的方差其次檢驗(yàn)結(jié)果如表4.2所示：Levene統(tǒng)計(jì)量為15.550，Sig.取值為0.084，大于0.05，所以認(rèn)為各組方差齊次。圖4.1 不同企業(yè)R&D投入強(qiáng)度均值圖從圖4.1可以看出，不同企業(yè)的R&D投入強(qiáng)度差距相當(dāng)之大，而且大部分企業(yè)研發(fā)投入強(qiáng)度非常低，遠(yuǎn)低于具有競(jìng)爭(zhēng)力的研發(fā)投入強(qiáng)度5%，有些甚至低于可以維持生存的研發(fā)投入強(qiáng)度2%。表4.3 不同企業(yè)R&D投入強(qiáng)度方差分析R&D投入強(qiáng)度%平方和Df均方F顯著性組間（組合）6.23314.4456.797.000線性項(xiàng)對(duì)比2.76612.76642.230.00

18、0偏差3.46713.2674.071.000組內(nèi)3.93060.066總數(shù)10.16374表4.3顯示，方差檢驗(yàn)F=6.797，對(duì)應(yīng)的相伴概率（Sig.）為0.000，小于顯著性水平0.05，因此認(rèn)為各組的均值是有差異的，也就是說，至少有一家企業(yè)的R&D投入強(qiáng)度與其他企業(yè)有差異，但不能說明哪些企業(yè)之間是有差異的，所以需要進(jìn)行企業(yè)R&D投入強(qiáng)度的多重比較，比較的部分結(jié)果見表4.4。表4.4 不同企業(yè)R&D投入強(qiáng)度的多重比較R&D投入強(qiáng)度%LSD(I) 公司名稱(J) 公司名稱均值差 (I-J)標(biāo)準(zhǔn)誤顯著性95% 置信區(qū)間下限上限12-.63400*.16187.

19、000-.9578-.31023-.33600*.16187.042-.6598-.01224.29200.16187.076-.0318.61585-.20000.16187.221-.5238.12386.24800.16187.131-.0758.57187.35000*.16187.035.0262.67388.34800*.16187.036.0242.67189.16200.16187.321-.1618.485810.30200.16187.067-.0218.625811.21200.16187.195-.1118.535812.32600*.16187.048.0022.64

20、9813.34800*.16187.036.0242.671814.25600.16187.119-.0678.579815.34200*.16187.039.0182.665821.63400*.16187.000.3102.95783.29800.16187.071-.0258.62184.92600*.16187.000.60221.24985.43400*.16187.009.1102.75786.88200*.16187.000.55821.20587.98400*.16187.000.66021.30788.98200*.16187.000.65821.30589.79600*.1

21、6187.000.47221.119810.93600*.16187.000.61221.259811.84600*.16187.000.52221.169812.96000*.16187.000.63621.283813.98200*.16187.000.65821.305814.89000*.16187.000.56621.213815.97600*.16187.000.65221.299831.33600*.16187.042.0122.65982-.29800.16187.071-.6218.02584.62800*.16187.000.3042.95185.13600.16187.4

22、04-.1878.45986.58400*.16187.001.2602.90787.68600*.16187.000.36221.00988.68400*.16187.000.36021.00789.49800*.16187.003.1742.821810.63800*.16187.000.3142.961811.54800*.16187.001.2242.871812.66200*.16187.000.3382.985813.68400*.16187.000.36021.007814.59200*.16187.001.2682.915815.67800*.16187.000.35421.0

23、01841-.29200.16187.076-.6158.03182-.92600*.16187.000-1.2498-.60223-.62800*.16187.000-.9518-.30425-.49200*.16187.004-.8158-.16826-.04400.16187.787-.3678.27987.05800.16187.721-.2658.38188.05600.16187.731-.2678.37989-.13000.16187.425-.4538.193810.01000.16187.951-.3138.333811-.08000.16187.623-.4038.2438

24、12.03400.16187.834-.2898.357813.05600.16187.731-.2678.379814-.03600.16187.825-.3598.287815.05000.16187.758-.2738.373851.20000.16187.221-.1238.52382-.43400*.16187.009-.7578-.11023-.13600.16187.404-.4598.18784.49200*.16187.004.1682.81586.44800*.16187.007.1242.77187.55000*.16187.001.2262.87388.54800*.1

25、6187.001.2242.87189.36200*.16187.029.0382.685810.50200*.16187.003.1782.825811.41200*.16187.014.0882.735812.52600*.16187.002.2022.849813.54800*.16187.001.2242.871814.45600*.16187.007.1322.779815.54200*.16187.001.2182.865861-.24800.16187.131-.5718.07582-.88200*.16187.000-1.2058-.55823-.58400*.16187.00

26、1-.9078-.26024.04400.16187.787-.2798.36785-.44800*.16187.007-.7718-.12427.10200.16187.531-.2218.42588.10000.16187.539-.2238.42389-.08600.16187.597-.4098.237810.05400.16187.740-.2698.377811-.03600.16187.825-.3598.287812.07800.16187.632-.2458.401813.10000.16187.539-.2238.423814.00800.16187.961-.3158.3

27、31815.09400.16187.564-.2298.417871-.35000*.16187.035-.6738-.02622-.98400*.16187.000-1.3078-.66023-.68600*.16187.000-1.0098-.36224-.05800.16187.721-.3818.26585-.55000*.16187.001-.8738-.22626-.10200.16187.531-.4258.22188-.00200.16187.990-.3258.32189-.18800.16187.250-.5118.135810-.04800.16187.768-.3718

28、.275811-.13800.16187.397-.4618.185812-.02400.16187.883-.3478.299813-.00200.16187.990-.3258.321814-.09400.16187.564-.4178.229815-.00800.16187.961-.3318.315881-.34800*.16187.036-.6718-.02422-.98200*.16187.000-1.3058-.65823-.68400*.16187.000-1.0078-.36024-.05600.16187.731-.3798.26785-.54800*.16187.001-

29、.8718-.22426-.10000.16187.539-.4238.22387.00200.16187.990-.3218.32589-.18600.16187.255-.5098.137810-.04600.16187.777-.3698.277811-.13600.16187.404-.4598.187812-.02200.16187.892-.3458.301813.00000.161871.000-.3238.323814-.09200.16187.572-.4158.231815-.00600.16187.971-.3298.3178*. 均值差的顯著性水平為 0.05。從表4.

30、4可以看出，大部分企業(yè)與其他企業(yè)相比較，其Sig.取值是大于0.05的。但是還可以發(fā)現(xiàn)，新寧物流的Sig.取值只有一個(gè)大于0.05的, 而寧波港也只有三個(gè)Sig.取值大于0.05。這也就是說雖然大部分企業(yè)與其他企業(yè)R&D投入強(qiáng)度的差距不是絕對(duì)顯著的，但是總體來說，新寧物流和寧波港與其他物流企業(yè)比起來，還是有相對(duì)差距的。4 相關(guān)性分析相關(guān)性分析是在回歸分析之前對(duì)相關(guān)變量的參數(shù)進(jìn)行檢驗(yàn)的過程，通過相關(guān)系數(shù)可以判定變量之間的相關(guān)程度，從而判定所建模型的合理性，本文主要采用Pearson 相關(guān)系數(shù)和Spearman相關(guān)系數(shù)這兩個(gè)統(tǒng)計(jì)量來描述兩個(gè)變量之間的線性關(guān)系程度和方向。4.1企業(yè)R&

31、;D投入強(qiáng)度與凈資產(chǎn)收益率（ROE）的相關(guān)性分析 表4.5 R&D投入強(qiáng)度與ROE描述性統(tǒng)計(jì)均值標(biāo)準(zhǔn)差NR&D投入強(qiáng)度%.2356.3705975凈資產(chǎn)收益率ROE%9.03554.9783775表4.6 R&D投入強(qiáng)度與ROE的相關(guān)系數(shù)R&D投入強(qiáng)度%凈資產(chǎn)收益率ROE%Spearman 的 rhoR&D投入強(qiáng)度%相關(guān)系數(shù)1.000.026Sig.（雙側(cè)）.823N7575凈資產(chǎn)收益率ROE%相關(guān)系數(shù).0261.000Sig.（雙側(cè)）.823.N7575經(jīng)過分析，R&D投入強(qiáng)度與凈資產(chǎn)收益率之間的Pearson相關(guān)系數(shù)為-0.231，Sig.取

32、值為0.046，小于0.05，說明R&D投入強(qiáng)度與凈資產(chǎn)收益率之間的相關(guān)關(guān)系顯著。而Spearman相關(guān)系數(shù)為0.026，Sig.取值為0.823，大于0.05，也就是說R&D投入強(qiáng)度與凈資產(chǎn)收益率之間的相關(guān)關(guān)系不顯著，如表4.6所示。兩次檢驗(yàn)結(jié)果不同，這是因?yàn)閿?shù)據(jù)的分布不是標(biāo)準(zhǔn)正態(tài)分布，在這種情況下，采用Spearman相關(guān)系數(shù)更合適。4.2企業(yè)R&D投入強(qiáng)度與主營(yíng)業(yè)務(wù)利潤(rùn)率（ROS）的相關(guān)性分析表4.7 R&D投入強(qiáng)度與ROS描述性統(tǒng)計(jì)均值標(biāo)準(zhǔn)差NR&D投入強(qiáng)度%.2356.3705975主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%21.25839615.43682937

33、5表4.8 R&D投入強(qiáng)度與ROS相關(guān)性R&D投入強(qiáng)度%主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%R&D投入強(qiáng)度%Pearson 相關(guān)性1.309*顯著性（雙側(cè)）.007平方與叉積的和10.163130.825協(xié)方差.1371.768N7575主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%Pearson 相關(guān)性.309*1顯著性（雙側(cè)）.007平方與叉積的和130.82517633.882協(xié)方差1.768238.296N7575*. 在 .01 水平（雙側(cè)）上顯著相關(guān)。從表4.7可以看出，R&D投入強(qiáng)度與主營(yíng)業(yè)務(wù)利潤(rùn)率之間的Pearson相關(guān)系數(shù)為0.309，Sig.取值為0.007，在1%的水平（雙側(cè)）

34、上具有顯著性。而其Spearman相關(guān)系數(shù)為0.406，Sig.取值為0.001，在1%的水平（雙側(cè)）上具有顯著性。因此，R&D投入強(qiáng)度與主營(yíng)業(yè)務(wù)利潤(rùn)率之間是顯著正相關(guān)。4.3企業(yè)R&D投入與每股收益（EPS）的相關(guān)性分析表4.9 R&D投入強(qiáng)度與EPS描述性統(tǒng)計(jì)均值標(biāo)準(zhǔn)差NR&D投入強(qiáng)度%.2356.3705975每股收益EPS.3264.2264075表4.10 R&D投入強(qiáng)度與EPS相關(guān)系數(shù)R&D投入強(qiáng)度%每股收益EPSSpearman 的 rhoR&D投入強(qiáng)度%相關(guān)系數(shù)1.000-.054Sig.（雙側(cè)）.643N7575每股收益

35、EPS相關(guān)系數(shù)-.0541.000Sig.（雙側(cè)）.643.N7575經(jīng)過分析，R&D投入強(qiáng)度與每股收益之間的Spearman相關(guān)系數(shù)為-0.212，Sig.取值為0.618，大于0.05，在5%的水平（雙側(cè)）上不具有顯著性。從表4.9可得：R&D投入強(qiáng)度與每股收益之間的Spearman相關(guān)系數(shù)為-0.054，Sig.取值為0.643，大于0.05，也就是說R&D投入強(qiáng)度與每股收益之間的相關(guān)關(guān)系不顯著。兩次檢驗(yàn)結(jié)果不同，這是因?yàn)閿?shù)據(jù)的分布不是標(biāo)準(zhǔn)正態(tài)分布，在這種情況下，采用Spearman相關(guān)系數(shù)更合適。5 回歸分析相關(guān)分析初步說明了個(gè)因素之間存在的相關(guān)性以及關(guān)系的緊密

36、度和方向，而通過回歸分析可以進(jìn)一步指明關(guān)系的程度，探明因素之間是否存在因果關(guān)系。本節(jié)采用多元逐步回歸模型，研究企業(yè)R&D投入變量和經(jīng)營(yíng)效果變量之間的因果關(guān)系。本文的回歸分析中，采用逐步回歸的方式，將自變量逐一納入回歸方程，進(jìn)入回歸方程的變量系數(shù)的F統(tǒng)計(jì)量的概率采用SPSS默認(rèn)的0.05的標(biāo)準(zhǔn)。而在此主要驗(yàn)證企業(yè)R&D投入的強(qiáng)度與年凈資產(chǎn)率，凈資產(chǎn)收益率（ROE）、主營(yíng)業(yè)務(wù)利潤(rùn)率和每股收益之間的因果關(guān)系。表4.11 模型擬合度檢驗(yàn)c模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.903a.960.8303.5485E102.514b.402.4123.3526E10a. 預(yù)測(cè)變量:

37、(常量), 主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%。b. 預(yù)測(cè)變量: (常量), 主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%, 每股收益EPS。c. 因變量: R&D投入強(qiáng)度%多元線性回歸法判斷擬合程度好與否，一般采用的是調(diào)整的決定系數(shù)，在表4.11中，調(diào)整后的決定系數(shù)分別為0.830和0.712，說明其擬合度還是可以接受的。 表4.12 方差分析表c模型平方和df均方FSig.1回歸7.941E2213.971E2247.708.007a殘差9.192E22735.126E20總計(jì)10.163E22742回歸2.070E2221.035E2339.209.000b殘差8.093E22722.112E21總計(jì)10.163

38、E2274a. 預(yù)測(cè)變量: (常量), 主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%。b. 預(yù)測(cè)變量: (常量), 主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%, 每股收益EPS。c. 因變量: R&D投入強(qiáng)度%表4.12表示的是顯著性檢驗(yàn)結(jié)果。回歸結(jié)果中，小于0.05，說明該回歸方程在統(tǒng)計(jì)上顯著，具有較好的擬合性。表4.13 回歸分析結(jié)果a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)TSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)7.0787.8321.112.270主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%7.0003.4629.3492.776.0072(常量)6.9568.0472.649.010主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%7.0107.4932.4283.791.000每股

39、收益EPS-5.5696.182-4.378-3.128.003a. 因變量: R&D投入強(qiáng)度%由未標(biāo)準(zhǔn)化的回歸系數(shù)可知，模型的擬合結(jié)果為RDI = 6.956+7.010ROS-5.569EPS 或 RDI = 7.078 +7.000ROS其中，RDI表示研發(fā)投入強(qiáng)度，ROS表示主營(yíng)業(yè)務(wù)利潤(rùn)率， EPS代表每股收益。表4.14 剔除變量列表c模型Beta IntSig.偏相關(guān)共線性統(tǒng)計(jì)量容差1凈資產(chǎn)收益率ROE%-.317a-2.909.055-.324.949每股收益EPS-.348a-3.128.072-.346.8962凈資產(chǎn)收益率ROE%-.146b-.906.368-.1

40、07.424a. 模型中的預(yù)測(cè)變量: (常量), 主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%。b. 模型中的預(yù)測(cè)變量: (常量), 主營(yíng)業(yè)務(wù)利潤(rùn)率ROS%, 每股收益EPS。c. 因變量: R&D投入強(qiáng)度%表4.14分別列出了沒有進(jìn)入模型的變量。模型1和模型2中剔除變量的Sig.值均大于0.05，對(duì)模型1和模型2的擬合共線性不顯著，所以不需要進(jìn)一步的分析。由于是多元線性回歸，還需要檢驗(yàn)各變量之間是否存在多重共線性問題，由表中容差可知，在模型2中，最終進(jìn)入模型的凈資產(chǎn)收益率和每股收益不存在共線性的問題。五 結(jié)論與建議1 結(jié)論與分析本文以物流行業(yè)為背景，選取我國(guó)15家物流行業(yè)上市公司作為樣本，以將企業(yè)經(jīng)營(yíng)效果

41、細(xì)分為三個(gè)維度凈資產(chǎn)收益率，每股收益，和主營(yíng)業(yè)務(wù)利潤(rùn)率，分別研究他們與企業(yè)R&D投入強(qiáng)度之間的關(guān)系，利用一系列實(shí)證研究方法求證了企業(yè)R&D投入與企業(yè)經(jīng)營(yíng)效果之間的關(guān)聯(lián)關(guān)系。研究發(fā)現(xiàn)：（1）企業(yè)R&D投入強(qiáng)度與企業(yè)凈資產(chǎn)收益率之間呈不顯著關(guān)系，所以R&D投入與企業(yè)凈資產(chǎn)收率兩者的關(guān)系尚不明確；（2）企業(yè)R&D投入強(qiáng)度與企業(yè)主營(yíng)業(yè)務(wù)利潤(rùn)率之間呈正向相關(guān)關(guān)系，且影響較為顯著，說明R&D投入強(qiáng)度對(duì)物流企業(yè)的成長(zhǎng)能力具有積極地促進(jìn)作用；（3）企業(yè)R&D投入強(qiáng)度與企業(yè)每股收益之間呈不顯著關(guān)系，R&D投入與每股收益兩者的關(guān)系尚不明確；（4）各企

42、業(yè)R&D投入差異較大，且投入水平普遍較低，說明物流企業(yè)并沒有認(rèn)識(shí)到R&D投入對(duì)企業(yè)成長(zhǎng)發(fā)展的重要性。對(duì)于某些研究假設(shè)被拒絕可能的原因如下：原因之一是與樣本量的選取方法和樣本量較小有關(guān)；原因之二是和各個(gè)企業(yè)在公司年報(bào)中研發(fā)數(shù)據(jù)披露的不準(zhǔn)確有關(guān)。2 建議基于以上結(jié)論，本文提出以下建議：（1）物流企業(yè)應(yīng)該充分意識(shí)到研發(fā)活動(dòng)的重要性，即能夠給企業(yè)帶來持續(xù)發(fā)展的核心競(jìng)爭(zhēng)力，將研究開發(fā)項(xiàng)目放在重中之重的地位，通過制定合理的科技發(fā)展戰(zhàn)略，結(jié)合研發(fā)需要的企業(yè)自身情況，長(zhǎng)期、高效的進(jìn)行研發(fā)投入。（2）目前物流企業(yè)的研發(fā)投入力度較小，是企業(yè)規(guī)避風(fēng)險(xiǎn)追逐短期利益的體現(xiàn)。企業(yè)要取得長(zhǎng)期發(fā)展，就必須適當(dāng)

43、地加大研發(fā)投入。而研發(fā)活動(dòng)高風(fēng)險(xiǎn)、高投入的特性決定其需要高水平的管理。物流企業(yè)應(yīng)該提高管理水平，使研發(fā)更高效，資源利用更充分，成本得到節(jié)約以提高收益，使研發(fā)向著正確的方向前進(jìn)。（3）政府應(yīng)該加大對(duì)物流企業(yè)的政策指導(dǎo)性激勵(lì)。由于一般物流企業(yè)發(fā)展規(guī)模不夠大，研發(fā)投入會(huì)對(duì)企業(yè)造成一定的資金壓力，所以企業(yè)對(duì)于研發(fā)活動(dòng)積極性不夠高，政府可以通過加大財(cái)政投入和稅收優(yōu)惠等政策支持物流企業(yè)的研發(fā)活動(dòng)。參考文獻(xiàn)：1 Werner Guth and Hartmut Kliemt .From teleology to evolution Bridging the gap between rationality and adaptation in social explanation J. Journal of Evolutionary Economics,19