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

1、我國物流企業(yè)經(jīng)營效果與研究開發(fā)投入的相關(guān)性分析基于我國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，對其研發(fā)投入與經(jīng)營效果的關(guān)系進行了相關(guān)性分析的研究。分析結(jié)果表明：研發(fā)投入強度與主營業(yè)務(wù)利潤率顯著正相關(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)和政府兩個角度給出了建議。關(guān)鍵詞：研發(fā)投入；經(jīng)營效果；相關(guān)性分析一 引言隨著現(xiàn)代信息技術(shù)的迅猛發(fā)展以及市場競爭的愈發(fā)激烈，越來越多的企業(yè)意識到了技術(shù)創(chuàng)新的重要性：提高勞動效率，降低生產(chǎn)成本，增強競爭力，提升企業(yè)的經(jīng)濟效益和管理水平，使企業(yè)獲得核心競爭力

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、強度以及持續(xù)程度。所以，企業(yè)如果想要在市場競爭中取得長期的競爭優(yōu)勢，那么可以通過對R&D活動進行持續(xù)性地投入，以形成企業(yè)核心競爭力，實現(xiàn)搶占市場份額，增值企業(yè)價值，使得企業(yè)持續(xù)性發(fā)展的目的。在社會各方對物流要求的提升以及物流市場競爭的不斷加劇的條件下，我國物流業(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，形成自身核心競爭力。然而，即使意識到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，其投入依然主要集中于購置土地、運輸設(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R&D進行投入會增加企業(yè)額外的成本，影響企業(yè)的利潤；另一方面，R&D投入對提高企業(yè)經(jīng)營效果收效甚微。因此，研究物流企業(yè)的R&D投入與企業(yè)經(jīng)營效果之間的相關(guān)性問題是刻不容緩的。國外學(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)營效果之間呈正向關(guān)系，少部分研究顯示為負向關(guān)系和不相關(guān)關(guān)系。這些都是基于國外社

4、會實踐的研究，是否適應(yīng)我國的實際情況還有待研究。由于我國上市公司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投入對國家、地區(qū)或某個產(chǎn)業(yè)的積極作用，微觀層面直接利用企業(yè)數(shù)據(jù)對R&D投入進行研究的并不多，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，對我國上市物流公司R&D投入與經(jīng)營效果之間的關(guān)系作實證檢驗，并得出相應(yīng)的結(jié)論，以此對我國物流企業(yè)R&D投入與其經(jīng)營效果獲得新的認識。二 文獻回顧及其評價關(guān)于企業(yè)

5、R&D投入與企業(yè)經(jīng)營效果之間的關(guān)系，不管是理論研究，還是實證研究，結(jié)果大致分為以下三種：正向關(guān)系，負相關(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)達國家或地區(qū)R&D投入在1億美元以上的244家企業(yè)，實證分析了企業(yè)R&D投入與年銷售收入增長率之間的關(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（經(jīng)過風(fēng)險調(diào)整后）存在

6、顯著正相關(guān)關(guān)系，即使對研發(fā)投資變動進行控制，這種正相關(guān)也不會削弱2。Hu,AG and Jefferson(2003)利用我國北京地區(qū)大中型工業(yè)企業(yè)的創(chuàng)新數(shù)據(jù)，發(fā)現(xiàn)對于不同行業(yè)來說，R&D投入對企業(yè)業(yè)績的貢獻是顯著的，但是顯著程度對不同行業(yè)來說是有所不同的，并且影響程度會隨著時間的推延而越來越小3。程宏偉，張永海，常永（2006）以我國2002年以前上市且比較規(guī)范披露R&D費用的96家上市公司為研究對象，通過實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)績呈正相關(guān)關(guān)系，且R&D投入對業(yè)績的影響逐年減弱4。周江燕（2012）通過分析我國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)價值相關(guān)，R&D投入可以通過積極影響企業(yè)業(yè)績來提升公司的價值5。趙喜倉，吳軍香（2013）以2008-2010年深交所中小企業(yè)板4個高新技術(shù)行業(yè)為研究對象，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)績效呈正相關(guān)性，但R&D與企業(yè)績效在的關(guān)系在不同行業(yè)間并不相同6。第二種，負相關(guān)性。Hitt，Hoskisson（1991）通過實證研究卻發(fā)現(xiàn)兩者之間存在負相關(guān)性，認為經(jīng)營績效好的企業(yè)風(fēng)險小，不愿意冒風(fēng)險去在研發(fā)活動上有太多投入，因此業(yè)績好的企業(yè)，通常擁有較低的研發(fā)強度

8、7。Cazavan-Jeny and Jean（2006）對法國公司研究發(fā)現(xiàn)，資本化后的研發(fā)投入與企業(yè)資產(chǎn)回報率負相關(guān)8。郭斌（2006）對軟件產(chǎn)業(yè) R&D 費用與公司績效的關(guān)系進行了研究，發(fā)現(xiàn)兩者呈顯著負向關(guān)系9。第三種，不相關(guān)關(guān)系。邱冬陽（2002）選取1998年上市公司為樣本，對其科技、R&D投入與2000年實際業(yè)績進行實證研究，最后得出結(jié)論，在現(xiàn)有狀態(tài)下，我國上市公司的R&D投資并沒有對企業(yè)的經(jīng)營績效產(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，進行實證分析，其結(jié)果表明，目前我國

9、高新技術(shù)企業(yè)的R&D投入與企業(yè)績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96家上市公司的R&D投入與總資產(chǎn)收益率進行分析，指出高新技術(shù)上市公司的R&D經(jīng)費投入強度與總資產(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，通過實證研究表明，企業(yè)的R&D支出與企業(yè)績效之間存在正相關(guān)關(guān)系，但是相關(guān)關(guān)系不明顯13。Oswald（2008）通過對英國企業(yè)進行研究發(fā)現(xiàn)，R&D投入不管是資本化還是費用化，都不會對企業(yè)的績效產(chǎn)生影響14。梅雪和韓之俊（2006）通過研究

10、市場對企業(yè)研發(fā)信息披露的反應(yīng), 發(fā)現(xiàn)在中國A股高科技行業(yè)市場中，高科技上市公司所披露的研發(fā)費用基本不為市場所關(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)費用的影響15。王君彩，王淑芳（2008）基于對2004年至2006年間的百強電子信息企業(yè)中的54家進行實證分析，得出我國企業(yè)R&D投入與企業(yè)業(yè)績之間存在不顯著正相關(guān)關(guān)系的結(jié)論16。國內(nèi)外的這些研究表明，企業(yè)R&D投入與經(jīng)營效果之間存在正向相關(guān)、負向相關(guān)和不相關(guān)系三種關(guān)系。而上述文獻研究得出的結(jié)論之所以不同，也許是因為研究選取的樣本不同，或者是衡量經(jīng)營效果選擇的指標體系不同，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)營效果之間關(guān)系之間的關(guān)系還有待于進行實證證明。所以本文利用我國物流上市公司的R&D投入數(shù)據(jù)，以研究R&D投入與企業(yè)經(jīng)營效果之間的關(guān)系，為物流企業(yè)進行R&D投入提供借鑒。三 模型構(gòu)建與分析1 指標體系的建立（1）企業(yè)R&D投入指標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資本投資17。其中，知識資本投資可以看折算為資本投資，即用研發(fā)費用來表示。同時又因為物流行業(yè)中研發(fā)人員的比例并沒有在公司年報中進行披露，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)費用投入作為R&D

12、投入的衡量指標18。衡量研發(fā)費用投入主要有研發(fā)投入絕對數(shù)額和研發(fā)投入強度兩個指標。因為企業(yè)的規(guī)模不同，物流行業(yè)又分為運輸企業(yè)、倉儲企業(yè)、綜合性服務(wù)企業(yè)等，各個企業(yè)的個體差異相對較大，導(dǎo)致研發(fā)投入的絕對數(shù)差異大，所以最終采用了R&D投入強度這個相對指標19。研發(fā)投入強度=研發(fā)投入/主營業(yè)務(wù)收入（2）企業(yè)經(jīng)營效果指標體系據(jù)對已有文獻的歸納整理，本文選取財務(wù)指標體系主要包括：公司年度凈資產(chǎn)收益率（ROE）、主營業(yè)務(wù)利潤率（ROS）和每股收益（EPS）來衡量公司績效。其中，凈資產(chǎn)收益率是反映資本收益能力的國際性通用指標，綜合能力強，且國內(nèi)上市公司凈資產(chǎn)收益率數(shù)據(jù)易于取得，計算方便。同時選擇主營

13、業(yè)務(wù)利潤里作為凈資產(chǎn)收收益率的補充指標，因為企業(yè)主營業(yè)務(wù)的增長只能說明企業(yè)的營業(yè)額在增加，并不能說明一定為企業(yè)帶來了利潤，所以只有企業(yè)主營業(yè)務(wù)增長的同時能貢獻更多的利潤，即主營業(yè)務(wù)的利潤率要不斷提高，這樣的增長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，是因為上市公司企業(yè)的盈利能力直接影響股東的收益，在股市上股價是變化不定的，不能用變化的股價去衡量股東的收益水平，但每股凈資產(chǎn)是確定的，可以準確衡量股東的收益水平。2 研究假說與模型設(shè)計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 實證檢驗1 樣本選擇及數(shù)據(jù)來源本文研究選則我國物流行業(yè)上市公司為研究對象。由于我國財務(wù)制度沒有明確要求上市公司披露R&D費用，直到2002年才有部分上市公司開始在年報中附注R&D投入的信息，而且公司年報中對于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符號的公司；刪除了2009-2013年任一年缺失年報的公司，刪除后共得到15個樣本觀察值。以這15家上市公司披露的數(shù)據(jù)為基礎(chǔ)，通過對這15家物流上市公司5年

15、內(nèi)的“R&D投入與經(jīng)營效果關(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)營效果數(shù)據(jù)通過整理物流上市公年報而取得，年報均來自中證網(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)計分析和回歸分析。2 描述性分析本文對樣本企業(yè)各年的R&D投入強度作了描述統(tǒng)計，有效地從整體上了解了我國物流企業(yè)目前的R&D投入強度情況及發(fā)展趨勢，統(tǒng)計結(jié)果如下表所示：表4.1 2009-2013年企業(yè)R&D描述統(tǒng)計N極小值極大值均值標準差2009年研發(fā)強度15.01.82.1947.2536620

16、10年研發(fā)強度15.01.76.1673.231072011年研發(fā)強度15.02.97.2360.304492012年研發(fā)強度15.012.27.3800.615872013年研發(fā)強度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投入平均強度逐年增強，最大值也基本呈逐年遞增趨勢，2013年R&D投入強度較之前投入水平有所下降。從標準差的數(shù)值可知，各企業(yè)R&D投入強度差別較大。3 方差分析表4.2 方差齊性檢驗R&D投入強度%Levene 統(tǒng)計量df1df2顯著性15.550146

17、0.084物流行業(yè)不同企業(yè)R&D投入強度的方差其次檢驗結(jié)果如表4.2所示：Levene統(tǒng)計量為15.550，Sig.取值為0.084，大于0.05，所以認為各組方差齊次。圖4.1 不同企業(yè)R&D投入強度均值圖從圖4.1可以看出，不同企業(yè)的R&D投入強度差距相當(dāng)之大，而且大部分企業(yè)研發(fā)投入強度非常低，遠低于具有競爭力的研發(fā)投入強度5%，有些甚至低于可以維持生存的研發(fā)投入強度2%。表4.3 不同企業(yè)R&D投入強度方差分析R&D投入強度%平方和Df均方F顯著性組間（組合）6.23314.4456.797.000線性項對比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F=6.797，對應(yīng)的相伴概率（Sig.）為0.000，小于顯著性水平0.05，因此認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，所以需要進行企業(yè)R&D投入強度的多重比較，比較的部分結(jié)果見表4.4。表4.4 不同企業(yè)R&D投入強度的多重比較R&D投入強度%LSD(I) 公司名稱(J) 公司名稱均值差 (I-J)標準誤顯著性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.取值只有一個大于0.05的, 而寧波港也只有三個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投入強度的差距不是絕對顯著的，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相關(guān)變量的參數(shù)進行檢驗的過程，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)這兩個統(tǒng)計量來描述兩個變量之間的線性關(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投入強度與ROE描述性統(tǒng)計均值標準差NR&D投入強度%.2356.3705975凈資產(chǎn)收益率ROE%9.03554.9783775表4.6 R&D投入強度與ROE的相關(guān)系數(shù)R&D投入強度%凈資產(chǎn)收益率ROE%Spearman 的 rhoR&D投入強度%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。兩次檢驗結(jié)果不同，這是因為數(shù)據(jù)的分布不是標準正態(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投入強度與主營業(yè)務(wù)利潤率（ROS）的相關(guān)性分析表4.7 R&D投入強度與ROS描述性統(tǒng)計均值標準差NR&D投入強度%.2356.3705975主營業(yè)務(wù)利潤率ROS%21.25839615.43682937

33、5表4.8 R&D投入強度與ROS相關(guān)性R&D投入強度%主營業(yè)務(wù)利潤率ROS%R&D投入強度%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主營業(yè)務(wù)利潤率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投入強度與主營業(yè)務(wù)利潤率之間的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投入強度與主營業(yè)務(wù)利潤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投入強度與EPS描述性統(tǒng)計均值標準差NR&D投入強度%.2356.3705975每股收益EPS.3264.2264075表4.10 R&D投入強度與EPS相關(guān)系數(shù)R&D投入強度%每股收益EPSSpearman 的 rhoR&D投入強度%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投入強度與每股收益之間的相關(guān)關(guān)系不顯著。兩次檢驗結(jié)果不同，這是因為數(shù)據(jù)的分布不是標準正態(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，進入回歸方程的變量系數(shù)的F統(tǒng)計量的概率采用SPSS默認的0.05的標準。而在此主要驗證企業(yè)R&D投入的強度與年凈資產(chǎn)率，凈資產(chǎn)收益率（ROE）、主營業(yè)務(wù)利潤率和每股收益之間的因果關(guān)系。表4.11 模型擬合度檢驗c模型RR 方調(diào)整 R 方標準 估計的誤差1.903a.960.8303.5485E102.514b.402.4123.3526E10a. 預(yù)測變量:

37、(常量), 主營業(yè)務(wù)利潤率ROS%。b. 預(yù)測變量: (常量), 主營業(yè)務(wù)利潤率ROS%, 每股收益EPS。c. 因變量: R&D投入強度%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10.163E22742回歸2.070E2221.035E2339.209.000b殘差8.093E22722.112E21總計10.163

38、E2274a. 預(yù)測變量: (常量), 主營業(yè)務(wù)利潤率ROS%。b. 預(yù)測變量: (常量), 主營業(yè)務(wù)利潤率ROS%, 每股收益EPS。c. 因變量: R&D投入強度%表4.12表示的是顯著性檢驗結(jié)果。回歸結(jié)果中，小于0.05，說明該回歸方程在統(tǒng)計上顯著，具有較好的擬合性。表4.13 回歸分析結(jié)果a模型非標準化系數(shù)標準系數(shù)TSig.B標準 誤差試用版1(常量)7.0787.8321.112.270主營業(yè)務(wù)利潤率ROS%7.0003.4629.3492.776.0072(常量)6.9568.0472.649.010主營業(yè)務(wù)利潤率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投入強度%由未標準化的回歸系數(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)投入強度，ROS表示主營業(yè)務(wù)利潤率， 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)測變量: (常量), 主營業(yè)務(wù)利潤率ROS%。b. 模型中的預(yù)測變量: (常量), 主營業(yè)務(wù)利潤率ROS%, 每股收益EPS。c. 因變量: R&D投入強度%表4.14分別列出了沒有進入模型的變量。模型1和模型2中剔除變量的Sig.值均大于0.05，對模型1和模型2的擬合共線性不顯著，所以不需要進一步的分析。由于是多元線性回歸，還需要檢驗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15家物流行業(yè)上市公司作為樣本，以將企業(yè)經(jīng)營效果

41、細分為三個維度凈資產(chǎn)收益率，每股收益，和主營業(yè)務(wù)利潤率，分別研究他們與企業(yè)R&D投入強度之間的關(guān)系，利用一系列實證研究方法求證了企業(yè)R&D投入與企業(yè)經(jīng)營效果之間的關(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投入強度與企業(yè)主營業(yè)務(wù)利潤率之間呈正向相關(guān)關(guān)系，且影響較為顯著，說明R&D投入強度對物流企業(yè)的成長能力具有積極地促進作用；（3）企業(yè)R&D投入強度與企業(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)并沒有認識到R&D投入對企業(yè)成長發(fā)展的重要性。對于某些研究假設(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)；原因之二是和各個企業(yè)在公司年報中研發(fā)數(shù)據(jù)披露的不準確有關(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)該充分意識到研發(fā)活動的重要性，即能夠給企業(yè)帶來持續(xù)發(fā)展的核心競爭力，將研究開發(fā)項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，長期、高效的進行研發(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)險追逐短期利益的體現(xiàn)。企業(yè)要取得長期發(fā)展，就必須適當(dāng)

43、地加大研發(fā)投入。而研發(fā)活動高風(fēng)險、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。（3）政府應(yīng)該加大對物流企業(yè)的政策指導(dǎo)性激勵。由于一般物流企業(yè)發(fā)展規(guī)模不夠大，研發(fā)投入會對企業(yè)造成一定的資金壓力，所以企業(yè)對于研發(fā)活動積極性不夠高，政府可以通過加大財政投入和稅收優(yōu)惠等政策支持物流企業(yè)的研發(fā)活動。參考文獻：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