一、 引言及相关文献综述

产出波动剧烈频繁反映了经济活动中存在资源错配，而要素资源未能得到高效利用将带来社会福利损失，产出波动导致劳动力市场中就业波动就是较为典型的例子。Davis et al.(2010)研究发现美国“大平稳”时期较温和的失业率是由于企业层面的波动和现有职业的消亡一直处于较低水平。本轮经济危机也从另一方面说明经济波动将波及到就业和社会稳定。因此，产出波动和经济波动是一直是经济学界备受关注的话题。

而现有研究大多关注于宏观经济波动，微观企业产出波动的研究较少被关注到。事实上，微观层面波动也是值得探讨的重要问题。首先，就业波动主要发生在行业内的企业层面上 (Davis et al., 2010)。市场竞争程度高低、劳动力要素的行业内调整流动都与企业层面产出波动有重要关联。其次，企业层面产出波动是构成总量层面产出波动的重要组成部分 (Gabaix，2011；Giovanni et al., 2014)。因此，研究微观层面波动可以更加具体细致地了解经济波动的内在机制。

根据现有文献检索，有部分研究文献从国际贸易、金融发展、研发投入等角度分析其对产出波动的影响。部分研究认为参与国际贸易或进入多个市场是降低企业产出波动的重要方式。贸易开放在一定程度上有利于降低产出波动。企业面临外部冲击时可以调整国内外市场上的进出口贸易份额，国内和国外冲击的低相关性削弱了冲击对企业产出波动的影响 (Buch et al., 2009；Caselli et al., 2012)。出口份额较大的企业将在国内市场面临更大波动，而在出口市场面临更小波动 (Vannoorenberghe，2012)。Vannoorenberghe et al.(2014) 认为销售到多个国家的小企业会有更大的出口波动，大企业则相反。这是由于出口到每个市场都有出口固定成本而且面临着短期需求冲击。小企业无力承担太高出口固定成本更可能出口到某些关联度较高、波动风险较大的市场上。这类研究从市场需求冲击的角度分析，认为参与国际贸易将提供多样化的销售市场从而有利于分散市场需求冲击风险。

也有研究认为金融市场的发展完善是影响企业产出波动的重要因素。企业通常在低风险、低回报率的项目和高风险高、高回报率的项目上进行权衡。为了获得较高增长率企业需要承担较高的项目风险，规模更大的经济体提供了更多分散风险的机会。金融市场的发展使整个社会有更多金融工具来分散风险，因而宏观经济波动变得更小，企业层面波动将会变得更大 (Acemoglu and Zilibotti, 1997)。金融市场的发展也为企业实施高风险项目提供了支持。Thesmar and Thoenig (2004)利用法国数据实证分析发现金融市场发展程度越高，则企业产出波动越大。Aghion et al.(2010)认为完善的金融市场可以缓解企业信贷约束，为企业进行长期研发项目提高支持。

而金融市场的发展、更多的研发投入等因素都将导致“创新性毁灭”明显加剧，新产品、新款式投入市场后，迅速改变各企业的市场份额，因而企业的经营业绩波动更加明显 (Chun et al., 2008；Comin and Philippon, 2005；Comin and Mulani, 2006、2009)。研发强度更大的行业“创新性毁灭”发生概率更高，因而产品新旧更替更快、行业产出波动更大 (Castro et al., 2010)。

以上研究大部分都在“创新性毁灭”的视角下，认为研发投入会增大企业产出波动。事实上，研发投入既可以通过“创新性毁灭”模式沿着质量阶梯升级实现企业技术进步，也可以通过技术种类扩展方式促进企业技术进步。后一种模式中研发创新对产出波动的作用机制迥然不同。Koren and Tenreyro (2007、2013) 构建理论模型认为，当内生技术进步表现为投入品种类不断增加时，对某类技术种类冲击的作用影响会随着技术种类范围的扩大而下降。研发投入可以通过多样化技术种类的方式降低企业产出波动。Krishna and Levchenko (2009)在Koren and Tenreyro (2007)的基础上进行拓展，构建模型说明了产品复杂度与产出波动之间的关系，认为中间投入品种类越多，则产品的复杂度也越高，也越不容易受到外部冲击的影响，因而产出波动越小。也有一些文献从经验研究角度分析研发技术进步带来平抑波动的作用。Leung et al.(2006)以及Tang et al.(2008)利用跨国数据分析均发现技术进步、生产率提高是抑制增长波动的重要因素。从微观方面看，Maggioni et al.(2014)认为复杂程度较高的产品在生产中使用了多样化的技术，并且也验证了企业产品复杂程度与产出波动之间存在显著负向关系。另外，投入研发除了可以拓展技术种类、提升产品复杂程度之外，还将有利于扩展销售目标市场。Erasmo and Boedo (2011)发现企业层面波动与无形资产支出显著负相关，投入了更多无形资产开支费用 (广告、市场品牌建设、R & D支出) 的企业更有希望发展壮大，生产率更高的企业能够进入更多市场，为更多目标市场提供产品和服务可以降低特定市场冲击的影响。由此可见，研发投入可能通过促进技术种类扩展的方式来促进技术进步，进而影响企业产出波动。

研发投入增加企业层面产出波动这一经验研究结论，大多是基于金融市场更完善的发达国家的企业数据 (Chun et al., 2008；Comin and Mulani, 2009；Thesmar and Thoenig, 2004)。同时，部分文献涉及到了投入积累无形资产或生产复杂度高的产品将会降低企业产出波动 (Erasmo and Boedo, 2011；Krishna and Levchenko, 2009；Maggioni et al., 2014)。那么，在金融市场不太完善的发展中国家，研发投入究竟将导致“创新性毁灭”进而增大企业产出波动呢？还是将通过种类扩展型技术进步的方式降低企业产出波动呢？或者是不同阶段中研发投入将分别主要表现为不同模式的技术进步，进而对产出波动形成不同的作用效果？

本文试图对这一问题进行探讨，首先，本文在内生技术进步的框架下建立了简单理论模型，该模型中同时包含了技术种类扩展 (水平型) 和质量阶梯升级 (垂直型) 模型的特征，并由此推导得到相关理论假说。然后，利用中国工业企业数据库的数据考察研发投入对企业产出波动的作用关系，并且进一步分析研发投入带来的两种不同效应对产出波动的作用。

二、 理论分析

首先，假设代表性企业同时具有生产活动和研发活动，假设最终产品的生产函数按如下：

$ Y(t) = Q(t)(\int_0^{n(t)} x {(j, t)^{1 - \beta }}dj)L{(t)^\beta } $

(1)

x(t) 表示t期生产活动中所使用第j种中间投入品的数量，n(t) 代表t期生产活动使用中间投入品种类数。L(t) 代表t期生产最终产品时使用劳动力的数量。β代表劳动要素的产出弹性，β < 1。Q(t) 代表t期企业层面技术水平，也可视为通用性设备的技术水平。

由于最终产品生产部门对各种中间产品的需求是对称的，可知x(j, t)=x(t)。最终产品生产函数取对数后变成线性形式：

$ {\rm{In}}Y(t) = {\rm{In}}n(t) + {\rm{In}}Q(t) + (1 - \beta){\rm{In}}\overline {x(t)} + \beta {\rm{In}}L(t) $

(2)

为了分析企业产出波动，本文考虑到企业拥有的技术种类可能受到冲击的情形。因为每种技术都有可能因技术老化过时或者供给冲击的破坏而不能在生产中发挥作用。假定技术遭到冲击的概率为γ，n(t) 为企业生产中可以正常使用的有效技术种类数量，n(t) 为企业技术种类总数量，为了简便，部分公式省略下标t。那么，企业有N-k项技术遭到冲击毁灭的概率如下：

$ P(n = k) = \left(\begin{array}{l} N\\ \;k \end{array} \right){\gamma ^{N - k}}{(1 - \gamma)^k} $

(3)

由于E(n)=(1-γ)N，对lnn在n的均值处进行一阶泰勒展开，可得：

$ \ln n \approx \ln [(1 - \gamma)N] + \frac{{n - (1 - \gamma)N}}{{(1 - \gamma)N}} $

(4)

其中，n为随机变量，对 (4) 式两边同时取其方差，可得：

$ {\mathop{\rm var}} (\ln n) \approx \frac{\gamma }{{(1 - \gamma)N}} $

(5)

(5) 式中var (lnn) 代表有效技术种类数增长率的方差，反映了有效技术种类数的波动程度。

假设Q(t) 代表企业通用性设备的技术水平或质量指数，参考Aghion and Howitt (1992)理论框架，技术是沿着质量阶梯模式进步的，λ代表发生质量升级的概率，0 < λ < 1。研发投入成功地导致了质量升级时，新的质量指数是原来质量指数的κ倍。具体如下：

$ Q(t) = \left\{ \begin{array}{l} \kappa Q(t - 1)\;\;\;\;\;\;\;p = \lambda \\ Q(t - 1)\;\;\;\;\;\;\;\;\;p = 1 - \lambda \end{array} \right. $

(6)

那么，质量指数对数的方差如下：

$ {\mathop{\rm var}} (\ln Q(t)) = (\lambda (1 - \lambda)){(\ln \kappa)^2} $

(7)

(7) 式中质量指数对数的方差反映了质量指数的波动程度。那么，对 (2) 式两边取其方差后可知：

$ {\mathop{\rm var}} (\ln Y(t)) \propto {\mathop{\rm var}} (\ln Q(t)) + {\mathop{\rm var}} (\ln n(t)) $

(8)

上式中α代表着左式与右式是成比例关系，这表明产出波动与质量指数波动、有效技术种类数波动之和是呈正比例关系。本文只考虑研发投入与产出波动之间的关系，其他与研发投入无关的因素 (劳动力L(t)、中间品使用数量x(t)) 被忽略了。另外，由于企业通用性设备的技术质量指数Q(t) 和中间品技术种类数N是从两个不同角度来衡量企业的技术水平，通常是不相关的，即可知cov[lnn(t), lnQ(t)]=0将 (5) 式和 (7) 式带入，可知

$ {\mathop{\rm var}} (\ln Y(t)) \propto (\lambda (1 - \lambda)){(\ln \kappa)^2} + \frac{\gamma }{{(1 - \gamma)N}} $

(9)

(9) 式中右边第一项表明质量阶梯升级的概率与企业产出波动相关；右边第二项表明，企业技术种类总数越多，则企业产出波动越小。

根据技术种类扩展型模型的推论，研发投入会促进企业技术种类扩展 (Romer，1990)。由此，本文假设企业技术种类总数n(t) 是关于研发投入R＆D的增函数，则有$\frac{{d(R\mathit{＆}D)}}{{dN(t)}} > 0$。由于$\frac{{d({\rm{var}}({\rm{In}}Y(t)))}}{{dN(t)}} < 0$，可知，研发投入可以通过增加企业拥有的技术种类数量N(t)，以技术多样化效应降低企业产出波动。

由于现实经济活动中研发创新活动具有高风险、高失败率的特点，高技术产业研发效率也较低 (朱有为和徐康宁，2006)。因此，研发成功发生质量升级的概率λ也将是极低的，可以假定λ < 1/2。

根据 (7) 和 (8) 式可知，$\frac{{d({\rm{var}}({\rm{In}}Y(t))}}{{d\lambda }} > 0$，企业发生质量升级的概率与产出波动成正相关关系。在质量阶梯模型中，研发成功概率是关于研发技术人员数量的增函数 (Aghion et al., 2013)。因此，质量升级的概率λ是关于研发投入R & D的增函数，则有$\frac{{d(R\mathit{＆}D)}}{{d\lambda }} > 0$。企业研发投入可能通过提高质量升级的概率，增加“创新性毁灭”发生概率，增大企业产出波动。由此可见，企业进行研发投入将带来技术种类多样化和“创新性毁灭”效应两种不同的效应。而“创新性毁灭”在研发强度更大的发达国家、信息通讯设备 (ICT) 行业出现的更普遍。随着企业研发投入力度的不断增大，技术进步速度更快、生产率增长率更高，“创新性毁灭”出现概率将变得更频繁 (Chun et al., 2008；Brandt et al., 2012)。

由此可得到如下推论：当研发投入强度较低时，研发投入主要促进技术种类扩展、发挥技术种类多样化效应时，投入研发将抑制企业产出波动。随着研发投入强度不断的增大，研发投入主要促进质量指数升级、“创新性毁灭”效应发挥作用，研发投入将会放大企业产出波动。

三、 模型设定、数据处理和统计描述 (一) 计量模型设定

根据上述理论假说，当研发投入强度较低时，研发投入主要通过技术多样化效应对产出波动起作用；当研发投入强度较大时，研发投入主要是通过“创新性毁灭”效应对产出波动起作用。

于是，构建了如下回归模型：

$ vo{l_i} = {\beta _0} + {\beta _1}R\mathit{＆}{D_i} + {\beta _2}R\mathit{＆}{D_i}*R\mathit{＆} {D_i} + {\beta _3}{X_i} + {\varepsilon _i} $

(10)

其中，被解释变量vol_i是企业产出波动的对数形式，R & D_i是以研发强度衡量的企业研发投入，考虑到研发投入在不同阶段可能通过不同效应影响产出波动，本文添加了研发强度的二次项。X_i包括企业规模、资产负债率、资本密集度、出口密度、全要素生产率、产品种类、行业虚拟变量和地区虚拟变量等控制变量。ε_i代表随机误差项。本文选择各变量的当期而非滞后期，是由于被解释变量产出波动计算过程中已经包含了时间上的滞后性。

(二) 变量定义与数据处理

本文所用数据来2002-2007年中国工业企业数据库，该数据由国家统计局每年对所有国有企业和销售额在500万以上的非国有企业进行统计得到。由于工业企业样本数据量庞大，存在部分统计错误 (聂辉华等，2012)。本文筛选掉部分明显不符会计准则和遗漏了关键变量的企业样本^①。由于计算产出波动需要6年的时间窗口，而工业企业数据库有研发费用信息统计的年份只有2005年和2006年，所以筛选后的样本期为2005年。关于变量处理说明如下：

①删除了企业员工数低于8人的企业样本，并且删除固定资产合计大于资产总计、流动资产合计大于资产总计等明显不符合财务准则的样本记录。另外，删除了关键变量遗漏的样本，例如，工业总产值现值、工业增加值、从业人数、固定资产合计等数值为0的企业样本。

企业产出波动 (Vol)：五年期工业增加值年增长率标准差的对数形式，企业产出选用工业增加值作为指标。因为企业销售和生产往往不是同步进行，具有时间上的滞后性，企业工业销售额中还可能包含大量往年商品存货的销售额。工业总产值反映的是企业提供最终产品的价值，包含了生产上游的转移价值。相比这些指标，工业增加值可以更准确的反映企业真实产量状况。产出波动通常使用十年期或者五年期产值年增长率的标准差来衡量 (Comin and Philippon, 2005)。由于我国宏观经济周期大约为5-6年，我们参考五年期算法以得到企业产出波动，按如下公式进行计算^①。

①${\sigma _y} = \sqrt {\frac{{\sum\limits_{t = - 2}^{t = 2} {{{({y_t} - {{\bar y}_t})}^2}} }}{5}} $

研发投入 (R & D)：分别使用研发强度和研发虚拟变量来衡量企业研发投入。研发强度定义为研究开发费与销售总额的比值。研发虚拟变量定义为当企业进行研发投入时为1，当企业没有投入研发时为0。

其他控制变量：

企业生产率 (TFP)：采用全要素生产率来衡量企业生产率。本文分别使用OP法进行估计得到企业全要素生产率。为了真实反映出企业产出波动和生产率，本文将样本数据中工业增加值等指标都调整为以2002年为基期实际值^②。企业生产率水平反映企业的技术水平，也可能对企业产出波动产生影响。

②工业增加值使用各年的工业出厂价格指数进行平减；固定资产合计和本年折旧采用各年的固定资产投资价格指数进行平减。数据来自各年的中国统计年鉴。

资产负债率 (Debtratio)：总负债与总资产比值。高资产负债率表明企业承担较大的债务压力，也将对企业的生产经营活动产生影响。企业负债程度高低会影响企业的产量或销量 (Vannoorenberghe，2012)。

企业规模 (Size1/Size2)：分别采用企业从业人数 (Size1)、销售总额 (Size2) 的对数形式。企业规模越大，产出增长更加平稳。规模较小的企业通常具有较大的产出波动 (Comin and Philippon, 2005；Vannoorenberghe，2012)。

资本密集度 (Capint)：固定资产年平均净值与从业人数的对数形式。该变量反映了企业要素密集程度，Cunat and Melitz (2012)发现发展中国家劳动密集型部门的波动性更大，要素禀赋结构也是影响波动的因素，因此，本文控制了资本密集度。

出口密集度 (Export)：出口交货值与销售总额的比值。出口份额也是影响企业产出波动的因素 (Buch et al., 2009)。

产品种类 (Pronum)：企业产品种类数，根据工业企业数据库统计的产品种类数而得到。产品多样化是影响企业经营表现的重要因素 (Alesón and Escuer, 2002)。企业实现多元化经营，拥有多个产品部门可能有效抵御来自市场需求方面的冲击；同时，产品多样化程度过高，“博而不精”，各产品缺乏核心竞争力，也可能给企业经营带来较大风险。因此，本文也控制了产品种类对企业产出波动的影响。

行业与地区虚拟变量：分别为二分位的制造业行业虚拟变量和31个省 (市) 的虚拟变量。

(三) 描述性统计

为了说明研发投入对企业产出波动的作用，将全部样本分为研发投入企业和没有研发投入的企业样本。表 1汇报了研发投入企业 (R & D>0) 和没有研发投入的企业 (R & D=0) 各变量的描述性统计。由表 1可知，研发投入企业和没有研发投入的企业各变量在均值上存在显著差异。进行研发投入的企业产出波动的均值更小，均值差异具有统计显著性。另外，研发投入企业的资产负债率、出口密度的均值也显著低于没有进行研发投入的企业。而进行研发投入企业的规模、资本密集度、产品种类和全要素生产率的均值显著高于没有进行研发投入的企业。

四、 实证分析结果

根据 (10) 式的计量实证模型，利用全样本进行回归分析，考察研发投入对企业产出波动的作用。回归结果如下：

(一) 基本估计结果

首先，表 2第1列汇报了使用OLS回归估计研发强度对企业产出波动的作用系数，估计结果显示研发强度的系数显著为负，说明研发强度越大，则企业产出波动越小。同时，企业产出波动也会影响到企业家对下一期要素投入的决策。企业产出波动幅度很大，未来收益高度不确定时，企业家抱有消极保守的态度，不愿意进行投资和研发，因此产出波动可能对研发投资决策产生消极影响。这种内生性可能导致研发强度的系数估计有偏。本文采用DWH检验是否存在内生解释变量，DWH检验的p值为0.078，即8%的显著性水平上可认为其是内生解释变量。

工具变量法可以较好地解决内生性问题，通常选择内生解释变量的滞后期作为工具变量。但是通常解释变量的滞后期与被解释变量的滞后期相关，如果被解释变量当期与滞后期存在相关性，工具变量的效果并不好。本文选择与该企业同地区同行业 (三分位行业) 其他企业研发强度的平均值作为工具变量。因为有效的工具变量需要符合两个条件：一、与被解释变量不直接相关，同地区同行业其他企业的研发强度明显与该企业产出波动没有直接关系。二、与解释变量相关，同地区同行业企业的研发强度可能受到相同的制度法规环境、相同的科技文化氛围因素的影响，很可能与解释变量相关。表 2第2列为采用二阶段最小二乘法得到结果，估计结果显示，研发强度的系数仍然显著为负。估计系数的绝对值更大，这说明内生性问题导致研发强度对产出波动的负向作用被低估。参考Stock and Yogo (2005)提出的判断是否存在弱工具变量的办法进行检验，结果显示，最小特征统计量为622.784，远远大于经验临界值10，因此可以拒绝“存在弱工具变量”的原假设。

由上述结果可知，处理了内生性问题后，研发强度的估计系数仍然显著为负。表 2第3列为仍然使用二阶段最小二乘法估计的结果，控制变量中采用销售总额来衡量企业规模，其他条件保持不变，结果表明，与第2列的结果差别不大。

表 2第4列-第6列分别采用二阶段最小二乘法 (2SLS)、有限信息最大似然法 (LIML)、广义矩估计 (GMM) 等方法估计，并且添加了研发强度的二次项。估计结果显示，三种估计方法得到的结论十分相似，研发强度的系数为-0.201，研发强度二次项的系数为0.017，均在5%的显著性水平上成立。这说明研发强度与产出波动之间呈现“U”型关系。当研发强度较低时，随着研发强度的增加，企业产出波动也随之降低；当研发强度进一步增加时，企业产出波动反而会变大。这可能由于在研发强度较低时，研发强度的增加通过促进技术进步、增加中间品技术种类的方式降低产出波动；随着研发强度的进一步增大，研发强度可能会通过“创新性毁灭”以及加速产品更新换代、加剧市场竞争等渠道，导致企业产出波动反而变得更大。另外，技术水平较高的电子通信行业中“创新性毁灭”发生概率更为频繁，这也从侧面说明在研发强度较大的情形下“创新性毁灭”更频繁。

另外，企业规模越大，则企业产出波动越小，印证了“船大自然稳”的现象。资产负债率、资本密集度对企业产出波动的作用显著为正，产品种类和全要素生产率的系数显著为负。出口密集的系数不显著。综上可知，在控制了内生性问题的情况下，企业研发强度与产出波动之间存在“U”型关系。当企业研发强度较低时，提高研发强度可以降低产出波动；当企业研发强度较高时，研发强度进一步增加，企业产出波动将随之变大。

(二) 进一步分析研发投入对产出波动的影响

由上文的估计结论可知，企业研发强度与产出波动具有“U”型关系。这说明研发投入与产出波动之间是存在非线性的关系，在企业研发强度较低的阶段，研发投入可能会抑制产出波动，而在企业研发强度较高的阶段，进一步投入研发抑制波动的功效可能越来越弱，甚至可能出现研发投入增加了产出波动的情形。

因此，本文接下来将区分研发创新活动中的两种不同效应，并且分析在两种不同效应下研发投入对产出波动的作用。“创新性毁灭”效应表现为企业研发出新产品、新技术对现有产品、技术种类的替代。由于新产品产值反映了企业创新出的新产品在大批量的工业生产阶段的状况，在一定程度上反映了企业创新出新产品的能力。因此，本文将使用新产品产值与工业总产值之比来衡量企业新产品产出状况，在一定程度上反映了企业的“创新性毁灭”效应^①。

①由于计算企业产出波动时涉及到五年的时间窗口，分析该期间内“创新性毁灭”效应对产出波动的影响时也需要考虑5年时间窗口，本文采用2002-2007年新产品产值与工业总产值之比的平均值来衡量, 由于数据限制，2004年没有新产品产值数据。

本文分析研发投入对企业产出波动产生影响的同时，还考虑了研发强度与新产品产出的交互项，这样将便于考察在不同的新产品产出状态下企业研发强度对产出波动影响。许多研究文献证实了研发投入有利于企业新产品产出 (朱有为和徐康宁，2006；Pellegrino et al., 2012)，而本文继续考察不同新产品产出的状态下研发投入对产出波动的作用。

另外，研发投入带来的质量阶梯型技术进步和种类扩张型技术进步，都是会提升企业全要素生产率水平。全要素生产率反映企业技术水平的高低，技术水平更高的情形下“创新性毁灭”更为普遍 (Chun et al., 2008)。本文考察“创新性毁灭”效应时，也考虑使用全要素生产率来衡量^①。当然，由于全要素生产率的提高可能是由于技术种类多样化所致，也可能由于“创新性毁灭”模式下产品质量阶梯攀跃所致，难以细分出其中的“创新性毁灭”效应的所占比例。本文考察全要素生产率是为了与新产品产出这一指标形成补充。

①可能使用全要素生产率来衡量并不十分准确，但是可以分析不同程度技术进步下研发投入对产出波动的影响。

由表 3第1-2列可知，研发强度对企业产出波动的估计系数显著为负，这说明进行研发投入具有抑制产出波动的作用。新产品产出对企业产出波动的估计系数不显著。其他控制变量与上文结论类似，因此进行简略。

当同时考虑研发强度、新产品产出以及两者的交互项时，研发强度的估计系数仍然显著为负，新产品产出的估计系数在10%的显著性水平上为负，这两者的交互项在10%的显著性水平上为正。

这说明在新产品产出水平较低时，企业研发投入强度的增加将会降低企业产出波动；在新产品产出水平较高时，企业研发投入强度的增加对产出波动的抑制作用变得较弱。随着企业新产品产出水平的提高，新产品频繁的出现，企业增加研发投入强度抑制企业产出波动的能力将逐步变弱。这也说明频繁研制出新产品、“创新性毁灭”出现情形下，研发强度进一步增加不利于降低波动。

由表 3第4-5列可知，研发强度和全要素生产率的系数均显著为负。这说明研发强度越大，则企业产出波动越小；企业全要素生产率越大，则企业产出波动越小。由表 3第6列可知，交互项的系数显著为正。这说明企业全要素生产率越大，研发强度降低企业产出波动的作用越弱。技术水平越高的行业发生“创新性毁灭”概率越频繁，企业技术水平越高，技术实力越强大，研发强度抑制产出波动的作用越弱，也从侧面说明了“创新性毁灭”效应的存在不利于降低产出波动。

本文接下来将分析研究投入的技术多样化效应。研发创新将促进技术种类多样化，企业技术种类范围越广泛，将越有利于避免外部冲击对企业产出的影响。本文采用企业产品多样性指标来衡量技术种类多样性。因为经济发展过程中先呈现出多样化趋势，到某一阶段后沿着专业化发展，发展中国家前期阶段的技术进步、技术实力提升反映为产品部门多样化 (Imbs and Wacziarg, 2003)。这也从侧面说明产品多样化在一定程度上反映了技术进步、技术种类多样化。当企业只拥有一种产品种类时，多样化指标为0；当企业拥有两个以上的产品种类时，多样化指标为1。考虑了研发投入与多样化指标的交互项，并且，仍然使用同行业同地区的研发投入作为本企业研发投入的工具变量。

由表 4第1列可知，企业多样化指标的估计系数显著为负，说明产品多样化程度越高，则企业产出波动越小。由表 4第2列可知，企业研发强度的估计系数显著为负，与之前的估计结果类似。多样化指标的估计系数仍为-0.022，并且在5%的显著性水平上成立。由表 4第3列可知，企业研发强度的估计系数显著为负；多样化指标的估计系数为负，在17%的显著性水平成立。研发强度与多样化指标的交互项的估计系数为负，但是不太显著。表 4第4-6列中汇报了采用是否研发来衡量研发投入时的回归结果，研发虚拟变量的估计系数仍然显著为负，这说明企业进行研发会降低企业产出波动。企业多样化指标以及交互项的估计系数均不显著。这可能由于企业产品多样化指标只能在一定程度上反映了企业技术多样化。

综合上述可知，研发投入对企业产出波动具有显著的负向作用，随着企业新产品产出水平的提升、全要素生产率的提高，研发投入对企业产出波动抑制作用逐渐变弱。这也说明在企业技术水平越高、创新新产品的能力越强时，继续投入研发反而将不利于抑制产出波动，这可能是由于“创新性毁灭”效应发挥了作用。而多样化程度越高，则企业产出波动越低，这也在一定程度上反映了技术多样化效应具有抑制波动的作用。

(三) 稳健性分析

由于本文使用的是持续存在6年的企业样本，那些倒闭、退出造成产出波动值缺失的样本被筛除掉了，仅仅使用持续存在的企业样本进行估计，可能存在样本选择偏误。因为产出波动偏大的企业更有可能破产倒闭，产出波动偏小的企业反而更有可能持续存在。

因此，本文利用2005年全样本采用Heckman (1979)选择模型进行估计，检验样本选择偏误是否会影响到本文结论的稳健性。首先，使用Probit模型估计选择方程，同时控制会影响企业是否持续存在的各变量，另外还包括国有企业虚拟变量。因为国有企业通常还承担了就业的社会责任，政府软预算约束使其不容易倒闭。然后，估计研发强度对企业产出波动的影响。由表 5可知，研发强度对企业产出波动的系数仍然显著为负，研发强度二次项的系数仍然显著为正。λ的系数显著为正，说明确实存在选择性偏误。然而，处理了选择性偏误的问题，企业研发强度对产出波动的关系仍然呈现“U”型关系，说明本文结果较为稳健。

五、 结论

本文在内生技术进步的框架下，建立了兼具技术种类扩展 (水平型) 和质量阶梯升级 (垂直型) 特征的理论模型，分析企业研发投入通过两种作用效应对产出波动产生的影响，并且利用工业企业数据库进行验证，得到如下结论：企业研发投入与产出波动具有“U”型关系。当研发强度较低时，企业研发强度增加会降低产出波动；当研发强度较高时，企业研发强度增加反而会增大产出波动。这可能由于研发投入既可以通过促进技术种类扩展、多样化技术种类的方式降低企业产出波动，也可以通过“创新性毁灭”进而增大企业产出波动。

另外，随着企业新产品产出水平的提升、企业全要素生产率的提高，研发投入对企业产出波动的抑制作用逐渐变弱。这可能是由于“创新性毁灭”效应的存在，使研发投入抑制波动的作用变小。多样化程度越高，则企业产出波动越低，这也在一定程度上说明了技术种类多样化效应具有抑制波动作用。

此外，企业规模、资产负债率以及资本密集度的估计系数显著为正，产品种类数和全要素生产率的估计系数显著为负。本文采用Heckman模型分析，得到的结论仍与主要结论类似。这说明处理了样本选择问题后，研发投入仍然与企业产出波动之间具有“U”型关系。

上述结论所提供的政策启示为，当企业生产率、技术水平较低时，企业积极投入研发，扩展其拥有的技术种类和提高技术水平有利于降低企业层面的波动。当企业生产率、技术水平较高时，企业应该谨慎考虑进行研发投入将会对产出波动造成的后果，保持适度的研发强度。研发创新活动固然是企业发展壮大的核心支撑，本文的研究结论表明，企业研发投入活动也应该保持适度的强度，以避免企业层面波动剧烈。