一、引言

2018年的中美芯片之争是对中国制造业的当头棒喝。残酷的全球市场竞争表明，我国制造业仍普遍面临技术研发瓶颈，仍被锁定在全球制造价值链的中低端。国家为制造业转型升级绘制了《中国制造2025》的宏伟蓝图，中国制造业面临前所未有的转型挑战与世界市场机遇。如何在挑战中抓住机遇，突破研发壁垒以建立技术创新优势，向产业链中高端进发，是每个制造业企业实现可持续高质量发展途中面临的关键问题。

企业研发投入是制造业企业重大战略风险投资，是培育核心竞争力及成功转型升级的根本出路^[1]。管理层决策偏好会随着所面临的情境变化而改变^[2]，决策者必须对当前企业的绩效现状进行解释^[3]，用以判断开展创新行为的强度与时机。制度学派观点认为，绩效反馈对研发创新的影响取决于决策者的关注点，企业各利益群体有着不同的关注点^[1-4]，企业管理者稳定关注一个指标的假设在企业实践经营中是过于理想化的，它忽略了组织内部利益群体之间的需求矛盾与群体决策的模糊性。当企业面对多维度绩效反馈，复杂性和模糊性都大大增强，绩效反馈不再是成功或失败的简单判断，还会面临反馈一致、不一致及模糊的复杂状态^[5]。有学者曾提出，面临模糊性的业绩反馈决策是企业决策的常态和本质特征^[6]。

基于此，本研究立足于企业历史及行业双重绩效反馈，基于时间持续的视角通过相关性的方向及强弱反映企业面临的绩效反馈一致性、不一致性和模糊性三种状态，考察双重绩效反馈相关对企业研发投入的影响。文章旨在解答以下具体问题：第一，双重绩效反馈一致、不一致和模糊如何影响企业研发投入强度？第二，“双重绩效反馈-研发水平”之间的关系是否存在所有制差异？本文将构建理论模型及假设，并通过A股上市高科技制造业企业数据进行实证检验。

二、理论分析与研究假设 (一) 期望绩效反馈对公司创新战略的影响文献回顾

基于行为经济学及前景理论，绩效反馈理论认为决策者在进行战略决策时，普遍倾向于将历史绩效或行业优势竞争者的绩效设为“参照物”并以此设定未来预期，通过实际表现与预期的差距来检验决策的有效性，并以此作为判断企业战略行为成功与否的标准^[7]，从而形成良好的学习与反馈机制。现有文献对单一的行业绩效、历史绩效或两者加权绩效反馈与企业研发之间的关系进行了大量研究，大部分都将两个维度的反馈效果和理论主张视为一致^[8]，大部分研究认为绩效反馈落差将刺激企业进行问题搜寻，有利于企业创新^[9]；而绩效反馈顺差则可能诱发“富则思安”，不利于企业创新^[10]。但也有部分学者认为绩效反馈落差对企业创新行为的影响是非线性的^[11]；还有部分学者认为提出创新驱动具有生存参照性，历史绩效落差比行业绩效落差更可能激发企业的创新动力^[12]。近年来，学者们开始研究多重绩效反馈对企业战略的影响，目前多重绩效反馈对组织响应解释模型的维度存在四类模型：简单模型、注意力转换模型、自我增强模型、激发模型^[13]。大部分学者认为多重绩效反馈结果是明确的，并基于此探讨多重维度在方向上或水平上的一致性与不一致性、绩效反馈目标的范围性和时间性的一致性和不一致性等对创新选择的具体影响^{[1, 14-15]}。

上述研究皆基于企业绩效反馈模型可给出明确清晰的结果并为管理者提供决策参考的假设，即企业都能在信息得到补充后得出“成功”或“失败”的经营效果判断。但是，参考点选择的多样性与复杂性以及决策者之间的利益角力都会导致绩效反馈可能出现模糊性，经营者的关注点会随着绩效差距的扩大而改变^[16]。近年来学者开始基于此探讨连续时期内多重维度之间的相互作用对组织创新选择的影响。Rerup ^[17]从理论上阐述了多重绩效反馈结果存在模糊性，除了成功或失败的判断以外，还存在模糊的灰色空间。Joseph等^[3]和郭蓉等^[5]的研究得出了历史和行业绩效反馈的相关性与新产品产出、企业战略变革具有正U形关系的观点。这些研究成果为期望绩效反馈对企业战略响应的影响研究奠定了基础，但是国内关于多重绩效反馈对企业创新影响的研究仍有待深入。对多重绩效反馈进行拓展能反映更多真实有价值的绩效信息，有助于细化决策者的管理现状和深入研究绩效反馈对创新选择的驱动机制，具有重要理论和现实意义。由此，建立本文的研究框架如图 1所示。

(二) 多重期望绩效反馈模糊性与研发创新

多重绩效反馈相关性的强度可能会影响决策者如何参与反馈，管理层需要理解发生了什么，并就目前面临的问题性质和程度在内部达成共识。企业双重绩效反馈可能表现为在一个时期内达不到行业期望，在下一个时期内达不到历史期望，但在此之后的时期两者都超过期望，此时管理者难以简单判断过往经营是成功还是失败，得到的反馈信息是不明确的、模糊的，因此难以对经营状态进行归因。他们必须先对这种绩效表现进行深入解读，将其转码成明确的反馈信号，该过程会对企业问题搜索产生影响，进而影响公司反馈的创新响应能力。

根据自我增强原则，从社会心理学角度，出于自我增强的动机，人们对获得积极的反馈或评价有强烈的追求，而对外部消极评价则有规避的需求^[18]。新古典经济主义认为经济参与人是理性的，以自身利益最大化为前提，具有自利性^[19]。有学者指出管理者受自我增强心理驱动，在绩效反馈不一致解读过程中具有自利倾向^[20]。企业管理者是厌恶模糊性的，因此他们更倾向于将模糊性问题进行快速简化^[3]，倾向将模糊状态解释为成功。与此同时，模糊的状态使得管理者在进行现状解读时具有更大的可操控空间，激发更强的自我增强意识^[21]，此时管理者将模糊性解读为对自己有利的状态以实现自利需求的行为有了良好的环境。绩效反馈的真实性也因此被削弱，管理者倾向于夸大正面信息，隐藏或削弱实际问题；或者将问题归因于期望水平设定不合理、市场环境不稳定等因素，意图通过向下比较来实现绩效优良的假象，为管理者自利动机服务。这种行为最终导致管理层对存在问题的敏感性降低，更可能因此对企业经营状况盲目乐观，在利得区间，企业的风险承担意愿降低^[1]。出于组织惯性，在有限理性的限制下，企业管理层更倾向于依赖过去的经验和组织惯例来选择决策方向^[22]。现有研究表明，模糊性反馈的再解读过程可能导致管理层的行为刚性，他们会认为组织不存在改革的必要性，选择对当前经营活动进行细微调整。同理，在面临模糊反馈时，企业风险承受能力降低，创新动力不足，管理层更倾向于削弱或者维持现有创新投入。

综上所述，本文提出以下假设：

H1：历史与行业绩效反馈相关性与企业研发投入具有正U形关系，即当绩效反馈正相关性与负相关性的绝对值减少时(弱相关)，绩效反馈的模糊性越高，企业研发投入水平越低。

(三) 多重期望绩效反馈不一致(负相关)与研发创新

历史与行业绩效反馈不一致是指两者业绩反馈负相关性，两者绩效反馈表现在一段时间范围内是相反的，可能是“行业顺差-历史逆差”，或是“行业逆差-历史顺差”。与模糊反馈不同，不一致反馈可以给出明确的反馈信号，自我增强发挥作用的环境得到控制，管理者必须客观面对绩效反馈结果，消极的绩效反馈更可能触发“火警决策”原则^{[8, 14]}。

当企业持续处于行业绩效反馈顺差，历史绩效反馈逆差的状态，就表明尽管企业的状况要优于部分竞争对手，但企业自身绩效难以提高。对此可以有两个方向的解释：一是虽然前期战略为企业获得了一定竞争优势，但公司历史绩效难有增益，说明公司内部经营战略难以再为企业发展提供持续驱动力。此时管理者面临着自身业绩瓶颈及行业竞争者赶超的双重压力，“火警出现”心态以及危机意识的觉醒使得管理者更有动力进行改革，创新战略作为提升企业核心竞争力的关键战略，同样会更被管理层重视^[23]。二是整个行业可能正处于衰退周期，行业陷入发展困境，各企业自身发展也因此受到不同程度的阻碍。此时企业面临着自身业绩可能下滑及未来行业发展动力不足的问题及双重压力，为了突破发展困境，管理层愿意承担更多的风险，创新战略作为驱动行业进步及企业升级的关键战略，有更大概率被管理层青睐。例如，在20世纪初期全球IT产业进入号称最具杀伤力的寒冬期时，全球领先的处理器制造商英特尔公司的业绩也受到持续冲击，英特尔公司积极采取创新战略，加大技术创新的投资，最终凭借“迅驰芯片”这一突破性创新技术获得了新的、更具增值潜力的发展机会。

当企业持续处于行业绩效反馈落差，历史绩效反馈顺差的状态时，就表明尽管企业的自身业绩表现不错，但在行业中的表现仍然缺乏竞争力。此时企业管理者虽然没有“活下去”的压力，但良好的历史绩效表现并不能完全说明企业自身实力的强盛，落后于同行的现状侧面说明良好的业绩有可能来源于行业快速发展红利或是良好的市场环境。例如，通信设备制造企业RIM公司在2004年和2005年历史绩效表现良好，市场份额提高了0.6%，但是行业平均增速更快^[3]。同时，弱势的竞争地位增大了企业被行业内领先企业挤占市场的概率，企业为缩小行业差距重新获得竞争优势，更容易触发问题搜寻机制，此时行业内展现出的是正向的市场机会，企业风险承担意愿将提高。而且，拥有良好历史业绩表现的企业拥有充足的资源为企业变革服务，足以激发管理层向上比较心态，这种解释与Lucas等^[14]的可承担—紧迫性原则吻合。在中国制造升级的阶段，创新战略将更受高层管理者和利益相关群体关注，为了实现企业更好地发展，管理者拥有足够的动机与资源支撑和企业内部支持进行更强的创新变革。

综上所述，本文提出以下假设：

H2：历史和行业绩效反馈越不一致，即两者负相关性越强，企业研发投入水平越高。

(四) 多重期望绩效反馈一致(正相关)与研发创新

历史与行业绩效反馈一致性是指两者业绩反馈正相关，两者绩效反馈表现在一段时间范围内具有相同的趋势，包含两种情况：“行业顺差-历史顺差”“行业逆差-历史逆差”。此时绩效反馈结果非常明确，它们能给决策者提供是否发动战略变革的清晰信号，相比于单一维度对顺差逆差的测度，多维度的一致信号被认为更具有可靠性和有用性^[15]。

当企业处于两者一致顺差状态，企业发展势头良好，并在行业竞争中具有一定优势，这无疑是对企业当前的经营战略的肯定，为企业决策者提供了企业取得成功的信号。前期研究表明，管理层具有富则思安的倾向^[10]。企业经营战略的成功容易催生管理者过度自信^[24]，从而增强对前期战略的信心，随着绩效的持续提升，组织惯性会使得企业缺乏变革的动力，风险承担意愿降低^[25]，企业更倾向于延续前期战略，组织内部缺乏进行问题搜索的动机，问题搜索的范围也被压缩，不利于风险活动的开展。虽然管理层具有力争上游的动机，但是相比于绩效衰退时期，心理学上的确定效应使得人在利得区间更加保守和风险规避^[16]，相比于其他的战略选择，研发失败带来的巨大资源损耗让管理层更加审慎，为了保护既得利益、避免潜在损失，管理者更倾向于放弃追加高风险投资，转向其他保守的战略变革来实现企业的稳步前进，如加强广告投放、提升组织效率等。基于决策群体视角，“成功”状态加强了组织合法性，企业稳定发展的诉求在此时变得更为重要^[5]，开展高风险变革的动机薄弱，高风险、长周期的创新战略反而不被管理层青睐。

相反，当企业处于两者一致逆差状态，企业绩效与过去相比不断下滑，同时行业竞争力也在不断下降，双重的绩效威胁明确指明企业正面临显著经营困境，绩效反馈为企业决策者提供了企业正处于失败状态的信号，此时管理者不存在自我增强的空间，必须直面现实问题并为此负责。此时组织合法性及前期战略的有效性将受到强烈质疑甚至否定，在各方利益相关者的监督下，问题搜寻势在必行。虽然加大研发投入的冒险战略存在让绩效进一步恶化的可能性, 但处于双重逆差绩效反馈下的管理者往往能承受更大的风险^[26-27]。前期基于单一维度的绩效反馈实证结果表明，期望绩效下滑公司的董事和高管层更有动机实施变革。绩效的持续消极表现将激励企业为获取有竞争力的资源和潜在发展机会而进行风险活动^[28]。高科技制造业企业的核心发展动力来源于产品的市场竞争力，战略模仿和跟随并不能让其获得持续竞争力，研发创新才是提升核心竞争力的关键路径。在这内外交困的情境下，企业家为争取生存空间、缩小发展差距，更倾向于加强创新投入^[29]，积极推动创新，以期适应行业变化甚至获得超额回报。

综上所述，本文提出以下假设：

H3a:历史和行业绩效反馈正相关性是由两者皆为逆差导致的，两者一致性越强，企业研发投入水平越高。

H3b:历史和行业绩效反馈正相关性是由两者皆为顺差导致的，两者一致性越强，企业研发投入水平越低。

三、研究设计 (一) 关键变量定义

1.因变量

研发投入是企业在技术创新方面的战略选择的直接体现，参照过往研究，采用研发强度(R & D)即研发投入与总资产的比值作为企业技术创新的代理变量，以此来测度企业研发强度。由于绩效反馈对企业组织响应的影响具有一定滞后性，故对因变量的取值进行滞后一期处理，探讨当年的绩效反馈情况对下一年的研发活动的影响机制。具体计算如下：

研发强度=企业当年的研发投入/企业当年总资产

2.自变量

借鉴贺小刚等^[11]和郭蓉等^[5]的研究，本文选取历史比较和行业比较作为绩效反馈的两个不同参考系，以此考察企业自身生存能力与行业竞争力，代表了不同绩效目标，并以企业资产利润率(ROA)作为判断基础。本文研究的是在连续时期内的两个维度的绩效差距反馈对创新投入的影响，因此历史和行业绩效反馈相关性是指企业在一定连续时间内的历史绩效反馈与行业绩效反馈之间的相关程度。具体计算过程如下：

(1) 历史绩效反馈与行业绩效反馈。绩效反馈是指企业当期绩效与其绩效期望之间的差距，由此可计算历史绩效反馈：Hacj=P_{i, t}-A_{i, t}；行业绩效反馈：Iacj=P_{i, t}-E_{i, t}，以此测度企业在当期的绩效表现以期望水平之间的差距。P_{i, t}代表企业i在t年的实际业绩；A_{i, t}代表企业i在t年的历史绩效期望水平；E_{i, t}代表企业i在t年的行业绩效期望水平。历史绩效期望具体计算公式如下：

$ {A_{i, t}} = \left( {1 - {\alpha _1}} \right){P_{i, t - 1}} + {\alpha _1}{A_{i, t - 1}} $

(1)

其中，P_{i, t-1}是企业i在第t-1年的实际ROA；α₁代表权重，是介于[0, 1]之间的数值。借鉴现有研究^[11]，从0开始赋予权重，每次以0.1为倍数进行递增计算，结果表明无显著差异，选取“log-likelihood”最大值的α₁，故本文汇报α₁=0.4时的检验结果。关于历史绩效反馈，如果P_{i, t}-A_{i, t}＜0，则认为企业i在t年的实际业绩低于历史期望水平，为逆差；反之，为顺差，差距越大则程度越高。

同理，以类似方法计算行业绩效期望。企业i过去一年所处的行业的绩效期望水平为：

$ {E_{i, t}} = \left( {1 - {\alpha _1}} \right){\rm{I}}{{\rm{M}}_{i, t - 1}} + {\alpha _1}{E_{i, t - 1}} $

(2)

其中，IM_{i, t-1}是企业所属行业中第t年的实际ROA的均值；α₁代表权重，经过相同的处理，汇报α₁=0.4时的检验结果。关于行业绩效反馈，如果P_{i, t}-E_{i, t}＜0，则认为企业i在t年的实际业绩低于行业期望水平，为逆差；反之，为顺差。

(2) 持续时间的选择。过往研究表明，不同行业发展环境下的企业对绩效反馈的响应时间不同^[5]，国内企业更看重年度报告。但是，一年或两年绩效状态给出的反馈信息较少，绩效反馈具有一定偶然性，较难形成有价值的反馈内容，不足以支撑本文研究。若以四年或五年作为时间窗口，时间跨度过长，存在较大的干扰。综上所述，结合企业现实经营中常见的三年规划，同时借鉴现有研究对创新持续性^[30]、持续成功的时间选择，本文选取连续三年来对绩效反馈之间的相关性进行计算。

(3) 历史绩效反馈与行业绩效反馈相关性。通过前文步骤已得出历史和行业两类绩效反馈结果和时间窗口选择，借鉴现有研究^{[5, 26]}，将历史绩效反馈Hacj和行业绩效反馈Iacj按连续三年滚动计算的方法求得两者的相关性Corr_{i, t}。其中，Corr_{i, t}＞0即正相关时，表明两个绩效反馈表现一致，值越大越一致；Corr_{i, t}＜0即负相关时，表明两个绩效反馈表现不一致，值越小越一致；当值越来越接近0时，则处于模糊状态。接着通过Spline函数对相关性变量进行分段，对绩效反馈一致性(Pcor_{i, t})与不一致性(Ncor_{i, t})进行具体化，并设置绩效反馈顺差虚拟变量Dummy, 以便对其中关系进行深度研究。具体操作如下：设置虚拟变量I₁=1, 此时Pcor_{i, t}=I₁×Corr_i，t(Corr_{i, t}>0), 获得绩效反馈正相关的截尾变量；设置虚拟变量I₂=1, 此时Ncor_{i, t}=I₂×Corr_{i, t}(Corr_{i, t} < 0), 获得绩效反馈负相关的截尾变量；当历史和行业绩效反馈表现都为顺差时，Dummy=1；反之为0。同时将Dummy与Pcor_{i, t}相乘，获得只代表一致顺差绩效反馈的截尾变量。

3.控制变量

参照过往研究^{[1, 5, 15]}，企业个体特征、政府补助等内外部环境因素也会对企业创新行为造成影响，因此本文对可能影响双重绩效反馈与研发强度之间关系研究的因素进行了控制，具体变量及其定义详见表 1。

(二) 样本选择与数据收集

新会计准则自2007年开始实施，为保证统计口径的一致性和可比性，本文根据国家统计局印发的《高技术产业(制造业)分类(2017)》、世界经济合作与开发组织规定，参照过往相关研究综合选取了2007年以前上市的中国A股高科技制造业公司作为研究样本，剔除退市、曾经被ST、被PT、属于垄断行业、数据缺失及主营业务与所在行业严重不符的企业，最终得到420个样本企业。企业的经营数据信息来自Wind数据库、国泰安数据库，并结合上市公司年报进行处理。结合研究所需进行数据处理，通过匹配整合最终获得了2010—2018年共3 360个研究样本的平衡面板数据。本研究数据处理、描述性统计、回归分析通过Stata/SE 15.0统计软件完成。

(三) 实证模型构建

结合上小节的变量选取及本文的理论假说，本文待检验的回归模型设定如下：

设置变量绩效反馈相关性的平方项，以检验历史和行业绩效反馈相关性对研发创新的影响机制，即假设1：

$ {\rm{R}}\;{\rm{\& }}\;{{\rm{D}}_{i, t}} = {\beta _0} + {\beta _1} \times {{\mathop{\rm Corr}\nolimits} _{i, t}} + {\beta _2} \times {{\mathop{\rm Corr}\nolimits} _{i, t}} \times {{\mathop{\rm Corr}\nolimits} _{i, t}} + {\beta _3} \times {K_{i, t}} + {\varepsilon _{i, t}} $

(3)

其中，β₀表示常数；β₁、β₂、β₃、β₄表示回归系数；K_{i, t}表示控制变量；ε_{i, t}表示方程残差。

检验历史和行业绩效反馈负相关对研发创新的影响机制，即假设2：

$ {\rm{R\; \& }}\;{{\rm{D}}_{i, t}} = {\beta _0} + {\beta _1} \times {\rm{ Ncor}}{{\rm{ }}_{i, t}} + {\beta _2} \times {K_{i, t}} + {\varepsilon _{i, t}} $

(4)

检验历史和行业绩效反馈正相关对研发创新的影响机制，即假设3：

$ {\rm{R\; \& }}\;{{\rm{D}}_{i, t}} = {\beta _0} + {\beta _1} \times {\rm{Pco}}{{\rm{r}}_{i, t}} + {\beta _2} \times {K_{i, t}} + {\varepsilon _{i, t}} $

(5)

$ {\rm{R\; \& }}\;{{\rm{D}}_{i, t}} = {\beta _0} + {\beta _1} \times {\rm{ Dumm}}{{\rm{y}}_{i, t}} + {\beta _2} \times {\rm{ Dumm}}{{\rm{y}}_{i, t}} \times {{\mathop{\rm Pcor}\nolimits} _{i, t}} + {\beta _3} \times {{\mathop{\rm Pcor}\nolimits} _{i, t}} + {\beta _4} \times {K_{i, t}} + {\varepsilon _{i, t}} $

(6)

四、实证结果与分析

保证模型估计的可靠性和统一性，参照过往研究，在正式检验前，本文对数据作如下处理：首先，为避免异常值的影响，对进入回归的连续变量在1%水平上进行缩尾处理；其次，进行回归前，通过豪斯曼检验确定回归方式，最终选择固定效应模型进行检验；最后，每次回归都对模型变量进行方差膨胀因子(VIF)诊断，结果显示各模型的VIF均值都在1.700以内，且各变量VIF值均远小于10，回归结果的准确性有一定保障。

(一) 描述性统计与相关性检验

表 2显示了经处理后的主要变量描述性统计结果与变量之间的相关性检验。研发强度均值为0.026，标准差为0.016，最大值为0.155，表明企业研发强度存在较大差异，采取不同的创新战略；绩效反馈相关性均值为0.557，所有取值涵盖-1到1，说明样本具有足够范围可以对绩效反馈正相关与负相关与模糊性进行检验。绩效反馈相关性与研发强度呈显著负相关，初步证明了绩效反馈相关性对研发强度产生影响的可能性以及研究假设的可行性。

(二) 回归结果分析

1.历史和行业绩效反馈相关性与研发创新

表 3列示了各模型的检验结果，考察绩效反馈相关性对研发强度的影响。其中模型(1)是仅包含调节变量和各控制变量的基础模型；模型(2)加入了绩效反馈相关性及绩效反馈相关性平方项，用于检验假设1；模型(3)加入了绩效反馈正相关和负相关的分段函数，用于检验假设2；模型(4)加入了虚拟变量与绩效反馈正相关分段函数，用于检验假设3a与3b。模型(1)检验结果表明，各控制变量的确会对研发强度产生不同程度的影响。模型(2)结果表明，绩效反馈相关性的系数显著为负(系数为-0.001，p < 0.05), 其平方项的系数显著为正(系数为0.002，p < 0.1)，说明绩效反馈相关性与研发强度具有正U形关系。基于回归结果绘制绩效反馈相关性和研发强度关系图，如图 2所示，阴影部分为95%的置信区间，结合拟合曲线的走势可以看出，绩效反馈相关性越是在0点附近，即反馈的模糊性越强，管理层自我增强意识的发挥空间越大，对绩效反馈模糊性的再解读更倾向于自利，风险承担意愿降低，研发强度越低，且整体具有右偏趋势。利用Delta Method^[31]，求得相关性为0的点在符号改变临界点的95%置信区间内，其中研发强度最低点(拐点)为0.233，绩效反馈模糊性区间为(-0.001, 0.466)，上述回归结果支持假设1。模型(3)将绩效反馈相关性细分为正相关与负相关，结果表明绩效反馈负相关的系数显著为负(系数为-0.004，p < 0.01)，即两者绩效反馈不一致程度越高，表明企业越可能因经营存在问题而触发“火警”，有助于进行问题搜索且风险承担性提高，企业越有可能提升研发强度以提升核心竞争力，结果支持假设2。同时，绩效反馈正相关的系数为正值但不显著(系数为0.001，p>0.1)，没有达到显著条件，但绩效反馈正相关系数为正也可提供一些方向上的证据。综合两个变量检验结果，侧面表明对研发强度最不利的就是绩效反馈模糊状态(弱相关)，与模型(2)的结论一致。模型(4)对绩效反馈正相关的两种类型进行了细化，包含了历史和行业一致顺差及历史和行业一致逆差，用以检验两个不同方向的一致性是否会产生不同的影响效果。结果表明当Dummy=0时，即控制了一致顺差的影响，此时绩效反馈正相关系数为正且显著(系数为0.002，p < 0.1)，表明双重绩效反馈落差越一致，企业经营面临的问题越无法逃避，为尽快走出困境获得更大生存空间，有可能提升研发强度，假设3a得到支持。当Dummy=1时，代表历史和行业绩效反馈一致顺差，此时虚拟变量Dummy与绩效反馈正相关的交互项为负且显著(系数为-0.002，p < 0.1)，表明绩效反馈一致顺差程度越大，企业处于“成功”状态，进行问题搜索和冒险的动力都大大降低，企业研发强度越低，假设3b得到支持。

2.企业异质性对历史和行业绩效反馈相关性与研发创新关系影响

在中国情境下，国有企业与非国有企业在企业经营目标和管理方式上都存在较大差异。本文按照所有制差异将样本企业分为国有企业和非国有企业两个组，进一步检验是否受到所有制差异影响。

产权性质分组的绩效反馈相关性与研发投入关系检验结果如表 4所示。模型(1)、(2)表明，非国有企业的创新行为受双重绩效反馈相关性的影响，相关性一次项系数为负不显著，二次项系数为正且显著，研发强度与反馈相关性存在U形关系，如图 3所示，反馈模糊性不利于非国有企业的研发活动；而国有企业样本中，绩效反馈相关性一次项系数为负且显著，但二次项系数不显著，U形关系不成立，国有企业对双重绩效反馈相关性的创新响应并不积极。模型(3)、(4)表明，对于非国有企业，绩效反馈一致性和不一致性都能促进企业创新，一致性系数为正且显著，不一致性系数为负且显著；而国有企业样本皆不显著。模型(5)、(6)表明，国有企业绩效反馈一致顺差系数为负且显著，一致逆差系数为正且不显著，表明企业在顺境和逆境中都缺乏创新动力；而非国有企业一致顺差系数为负但不显著，一致逆差系数为正且显著。上述六个模型结果表明，在变动的绩效反馈情境中，非国有企业比国有企业拥有更高的创新动力。

基于企业的经营目标差异和组织结构差异，可以对两者之间的影响差异进行初步理解。首先，非国有企业以营利为目的，具有很高的经济绩效敏感性；而国有企业对于保障就业、稳定物价等社会效益的追求始终大于经济效益，对于企业的经济绩效的变动敏感性较弱。其次，非国有企业管理层普遍具有高流动性，且要为企业的盈亏负绝对责任，承担更大的绩效压力；而国有企业的管理层则具有更高的稳定性。再者，非国有企业拥有更高的企业自主权，变革决策不受太多额外限制；而国有企业存在更大的决策限制，组织惯性使其更不倾向于选择冒险方案。因此在面对消极的绩效反馈情境，非国有企业要更为慎重，企业经营危机让企业更有动机积极进行问题搜寻，更有可能提高创新强度以求突破困境获得新的发展动力；而国有企业由于有充足的后备资源支持，对于绩效消极反馈的响应速度相对滞后，同时管理层为维护自身合法性，自我增强的空间及意愿更高，更不倾向于进行冒险的研发投资。

(三) 稳健性检验

前文的实证结果很好地支持了本文提出的研究假设，但由于2008年正在经历全球金融危机，为避免金融危机对上市企业的综合影响，本文删除包含了2008年和2009年绩效信息的2010年及2011年数据，再以此重新进行回归检验。绩效反馈相关性与研发投入关系稳健检验结果表明，绩效反馈相关性与研发投入具有正U形关系，绩效反馈相关性二次项系数为正且显著，假设1得到支持；绩效反馈负相关性与研发强度显著负相关，假设2得到支持；绩效反馈正相关性为正，但不显著，虚拟变量与绩效反馈正相关性显著，假设3a得到支持, 假设3b没有得到支持，但在方向上提供了一致证据。综上所述，稳健性检验结果在方向上和显著性上依然支持本文主要假设。

为避免双重绩效反馈与企业研发投入之间的相互作用以及企业规模、董事会结构、所在行业等自有属性影响企业绩效反馈结果引发的内生性问题对实证研究造成影响，参照现有研究，本文采取两阶段最小二乘法对原有模型进行内生性处理。首先，采用Probit模型将双重绩效反馈相关性不一致性的虚拟变量与企业自有属性相关变量一起进行回归，其中选取滞后两年的双重绩效反馈相关性作为滞后一年的双重绩效反馈相关性的工具变量加入第一阶段的模型回归中。经过第一阶段回归可得出双重绩效反馈不一致性的内生性偏差调整项，然后结合原有实证模型进行第二阶段的回归。新结果表明，除内生性偏差对本文研究主要假设影响有限，除双重绩效反馈一致顺差系数不显著，假设3b没有得到支持外，本文主要研究假设都依然得到支持。限于篇幅，未能对检验结果进行具体汇报。

五、结论与启示

通过研究，本文得出以下主要结论：

第一，双重绩效反馈相关性对企业研发投入水平具有正U形关系，企业面临越高的绩效反馈模糊性时，越可能降低企业研发积极性。第二，企业绩效反馈负相关即绩效反馈不一致性提高企业研发积极性。第三，绩效反馈一致逆差提高企业研发积极性，绩效反馈逆差一致性越高，企业研发投入水平越高。绩效反馈一致顺差则不利于企业研发，顺差一致性越高，企业研发水平越难提升。第四，相对于国有企业，非国有企业多重绩效反馈相关性对研发行为的U形关系成立，而国有企业样本不成立。

本研究基于现有文献梳理进行了假设推演与实证，将企业行为与研发创新战略相融合，作出了一定的理论贡献，也对我国企业创新管理具有一定借鉴与启发意义。

第一，在制造业转型升级的关键时期，企业应重视多重绩效反馈带来的丰富信息。首先，制造业企业的股东、投资机构、银行等利益相关者应正视企业业绩下滑现状，从行业变化和企业发展周期两方面对企业经营进行综合、客观评价，不应过度放大绩效下滑带来的威胁，从制度上对管理层的经营合法性进行保护，逐步完善企业的创新容错机制，减轻管理者自利心态，引导管理层从追求业绩短期增长转向主动追求创新驱动企业可持续发展。其次，积极引进专业第三方机构或专家，如聘请具有公司生产相关专业背景的独立董事、聘任有资质的专家担任技术创新顾问、与高校等科研机构进行研发合作等方式都可能有助于帮助企业对管理层进行有效监督，面对不同的绩效反馈情况，能从一个更为客观、专业的角度给出创新决策建议，避免“一言堂”带来的粉饰太平及认知偏差。

第二，从研究中可以看出，制造业企业的创新动力仍可能来源于被动适应性反应，而非主动追逐技术发展，在绩效表现良好的情况下，制造业企业创新动力不足。国家与社会应继续加强引导，从政策有效的支持与监督方面着手，完善社会的创新容错机制与创新激励机制。积极引导衰退企业通过创新获得新的发展动力，积极引导绩优企业居安思危，帮助企业管理者培育企业家创新精神，正确认识创新的重要性及其长期意义，培育良好的营商氛围与环境，减少企业家只追求短期获益的投机经营行为，助力培育能长期稳定发展的中国制造业百年企业。

第三，国有企业虽然拥有更多的物质资源和社会资源等优势，但是其创新敏感性明显弱于非国有企业。国有企业的创新模式和管理制度要得到有效改善，应从制度或管理结构上提升国有企业的创新敏感性和灵活性。

本研究基于中国情境对企业双重绩效反馈与研发行为之间的关系进行了拓展与丰富，但暂时未充分考虑其他影响因素，如融资能力、管理者背景、政治关联等的调节机制，需要在未来研究中继续努力。