摘要：作為一項風(fēng)險投資活動，創(chuàng)新投入是大數(shù)據(jù)企業(yè)開展創(chuàng)新活動的重要支撐，但其效應(yīng)具有較高的不確定性。對創(chuàng)新投入與大數(shù)據(jù)企業(yè)績效的實證研究成果很有限，迄今尚未有學(xué)者關(guān)注非線性影響。探討創(chuàng)新投入對大數(shù)據(jù)企業(yè)績效的影響及其門檻效應(yīng)，對于大數(shù)據(jù)企業(yè)通過創(chuàng)新投入提升績效具有重要的理論和現(xiàn)實意義。為此，從理論層面梳理創(chuàng)新投入對大數(shù)據(jù)企業(yè)績效的影響，在此基礎(chǔ)上以20132019年滬深A(yù)股上市大數(shù)據(jù)企業(yè)為研究樣本，構(gòu)建基準回歸模型、調(diào)節(jié)效應(yīng)模型及門檻效應(yīng)模型，實證檢驗創(chuàng)新投入對企業(yè)績效的影響，并考察了技術(shù)積累的調(diào)節(jié)效應(yīng)及創(chuàng)新投入與企業(yè)績效之間存在的非線性關(guān)系。研究發(fā)現(xiàn)，創(chuàng)新投入有助于提升大數(shù)據(jù)企業(yè)績效，且影響存在一定的滯后性。這一結(jié)論在經(jīng)過引入工具變量、混合回歸及替換被解釋變量等一系列內(nèi)生性檢驗和穩(wěn)健性檢驗之后依然成立。調(diào)節(jié)效應(yīng)檢驗表明，技術(shù)積累對創(chuàng)新投入與企業(yè)績效關(guān)系具有負向調(diào)節(jié)效應(yīng)。門檻效應(yīng)檢驗表明，創(chuàng)新投入對企業(yè)績效的影響存在非線性關(guān)系，需要控制創(chuàng)新投入的比例。因此，大數(shù)據(jù)企業(yè)應(yīng)制定可持續(xù)的創(chuàng)新投入規(guī)劃，合理配置內(nèi)部研發(fā)資源，重視創(chuàng)新人才的引進和培養(yǎng)，并尋求與研究機構(gòu)的合作；加強創(chuàng)新管理，提高企業(yè)探索性創(chuàng)新能力；科學(xué)制定計劃，建立內(nèi)部預(yù)警機制，防止過度創(chuàng)新投入抑制企業(yè)績效。

關(guān)鍵詞：大數(shù)據(jù)企業(yè)；創(chuàng)新投入；企業(yè)績效；門檻效應(yīng)

中圖分類號：F49

文獻標識碼：A

文章編號：1673-8268（2024）04-0157-09

如果企業(yè)的主營業(yè)務(wù)板塊、核心能力、戰(zhàn)略布局趨勢都是由大數(shù)據(jù)驅(qū)動的，那么他們就是大數(shù)據(jù)企業(yè)［1］。大數(shù)據(jù)企業(yè)不僅具有高創(chuàng)新、高投入及高風(fēng)險等高新技術(shù)企業(yè)的特點，而且具有數(shù)據(jù)資產(chǎn)化、決策智能化等特點［2］。隨著《促進大數(shù)據(jù)產(chǎn)業(yè)發(fā)展行動綱要》（國發(fā)〔2015〕50號）、《關(guān)于工業(yè)大數(shù)據(jù)發(fā)展的指導(dǎo)意見》（工信部信發(fā)〔2020〕67號）等的發(fā)布，大數(shù)據(jù)企業(yè)實現(xiàn)了較快發(fā)展。目前，學(xué)界對大數(shù)據(jù)企業(yè)的研究還相對有限，主要集中在數(shù)據(jù)保護、企業(yè)特征、盈利模式及監(jiān)管政策等方面。大數(shù)據(jù)企業(yè)的價值主要來自其數(shù)據(jù)采集、挖掘及處理等能力，這些與技術(shù)創(chuàng)新密不可分［3］。而技術(shù)創(chuàng)新與創(chuàng)新投入相關(guān)，大數(shù)據(jù)企業(yè)將創(chuàng)新投入作為提升發(fā)展質(zhì)量的關(guān)鍵因素：創(chuàng)新投入可以用于新知識與新技術(shù)的創(chuàng)造，提高產(chǎn)品和服務(wù)質(zhì)量，從而形成核心競爭力，獲得超額利潤，實現(xiàn)持久穩(wěn)定發(fā)展［4］。不過，創(chuàng)新投入作為一項風(fēng)險性投資活動，存在很大的不確定性，當出現(xiàn)創(chuàng)新投入與回報不成正比的情況時，繼續(xù)增加創(chuàng)新投入不僅會占用企業(yè)部分資源，給短期經(jīng)營帶來一定的壓力，還會加劇企業(yè)的經(jīng)營風(fēng)險。

企業(yè)績效的研究范圍主要涉及兩個方面：（1）對企業(yè)績效評價指標的研究。其不僅包括使用總資產(chǎn)收益率、凈資產(chǎn)收益率等單個指標，還包括選取多個指標，并使用因子分析、熵值法等構(gòu)建綜合指標評價體系。（2）從不同角度探討企業(yè)績效的影響因素。從企業(yè)戰(zhàn)略來看，企業(yè)戰(zhàn)略的差異越大，越容易引發(fā)經(jīng)營績效的波動；從股權(quán)結(jié)構(gòu)來看，股權(quán)集中度過高會侵犯中小股東的利益，導(dǎo)致企業(yè)績效下降，而股東數(shù)量的增加會使股東之間相互監(jiān)督，有利于提高企業(yè)治理效率和經(jīng)營績效；從研發(fā)創(chuàng)新來看，注重技術(shù)創(chuàng)新資源投入并進行良好商業(yè)化轉(zhuǎn)換的企業(yè)總體表現(xiàn)較好［5］。創(chuàng)新投入與企業(yè)績效之間存在正相關(guān)、負相關(guān)、不相關(guān)及倒U型關(guān)系；創(chuàng)新投入對企業(yè)績效的影響滯后，且會受到企業(yè)生命周期階段、商業(yè)化能力及政府補貼等的影響［6］。雖然目前學(xué)界對創(chuàng)新投入與企業(yè)績效的研究已有一定的積累，但對大數(shù)據(jù)企業(yè)的實證研究成果尚很有限，迄今還沒有關(guān)注非線性影響。

基于此，本文嘗試探究創(chuàng)新投入對大數(shù)據(jù)企業(yè)績效的影響及其門檻效應(yīng)，以揭示創(chuàng)新投入影響大數(shù)據(jù)企業(yè)績效的機理。本文可能的邊際貢獻體現(xiàn)在：（1）不僅檢驗了當期，還檢驗了滯后一期、滯后二期，更為全面地把握創(chuàng)新投入對大數(shù)據(jù)企業(yè)績效的影響；（2）通過調(diào)節(jié)效應(yīng)檢驗與門檻效應(yīng)檢驗，進一步揭示創(chuàng)新投入對大數(shù)據(jù)企業(yè)績效的影響；（3）所得結(jié)論拓展了現(xiàn)有關(guān)于創(chuàng)新投入、企業(yè)績效方面的學(xué)術(shù)探討邊際，為大數(shù)據(jù)企業(yè)通過創(chuàng)新投入提升績效提供了理論依據(jù)。

一、文獻回顧與研究假設(shè)

（一）創(chuàng)新投入對企業(yè)績效的線性影響分析

創(chuàng)新投入的目的在于推動企業(yè)創(chuàng)新，促進企業(yè)掌握先進技術(shù)，提高市場競爭力，進而改善企業(yè)績效。創(chuàng)新投入的成果既可以用于改善生產(chǎn)經(jīng)營和促進產(chǎn)品升級，通過商業(yè)化轉(zhuǎn)化為市場競爭力，為企業(yè)獲取更多的市場利潤；也可以通過提升企業(yè)價值和提高競爭地位，為企業(yè)謀求競爭優(yōu)勢，促進企業(yè)長遠發(fā)展［7］。不過，由于研發(fā)活動的不確定性和周期性，創(chuàng)新投入的產(chǎn)出效益可能存在一定的滯后性，且創(chuàng)新投入更多的將被作為費用計入當期損益，這可能對企業(yè)的短期經(jīng)營造成一定的壓力；大量的創(chuàng)新投入必然會占用或消耗企業(yè)有限的資源，影響其他方面的正常投資計劃［8］。

對于大數(shù)據(jù)企業(yè)來說，前一階段的研發(fā)活動可為下一階段的產(chǎn)品開發(fā)或技術(shù)創(chuàng)新積累經(jīng)驗，加強創(chuàng)新投入可以形成具有自身特點的新知識、新技能。在技術(shù)積累的基礎(chǔ)上，企業(yè)可以更高效地配置資源，進行更有效的技術(shù)創(chuàng)新，不僅可以降低成本，還可以更快地投入生產(chǎn)，獲得更高的經(jīng)營績效［9］。但隨著技術(shù)積累程度的不斷提高，在原有技術(shù)積累的基礎(chǔ)上開展創(chuàng)新活動將會導(dǎo)致企業(yè)產(chǎn)生技術(shù)路徑依賴，影響企業(yè)的創(chuàng)造性思考和對新知識的吸收，不利于企業(yè)進行探索式研發(fā)［10］。因此，技術(shù)積累存在邊際效應(yīng)遞減特征，技術(shù)積累的增加會減弱創(chuàng)新投入對企業(yè)績效的提升效應(yīng)。

基于此，本文提出如下假設(shè)：

H1：創(chuàng)新投入有助于提升大數(shù)據(jù)企業(yè)績效，且存在一定的滯后性；

H2：技術(shù)積累對創(chuàng)新投入與企業(yè)績效關(guān)系具有負向調(diào)節(jié)效應(yīng)。

（二）創(chuàng)新投入對企業(yè)績效的非線性影響分析

要想獲得市場競爭優(yōu)勢，大數(shù)據(jù)企業(yè)應(yīng)增強知識資源儲備量、提高大數(shù)據(jù)挖掘及數(shù)據(jù)處理技術(shù)，這就需要企業(yè)不斷進行創(chuàng)新投入。當創(chuàng)新投入達到一定門檻，企業(yè)擁有了不易被市場競爭者模仿的核心技術(shù)時才能產(chǎn)生超額利潤，加快企業(yè)績效提升。為了應(yīng)對快速變化的市場，企業(yè)會借助大數(shù)據(jù)去分析用戶的消費心理和行為習(xí)慣，基于大數(shù)據(jù)形成規(guī)則指導(dǎo)數(shù)據(jù)產(chǎn)品創(chuàng)新，為用戶提供智能化、定制化的消費和服務(wù)體驗［11］。而用戶需求呈現(xiàn)出高度易變、模糊性的特征，使得數(shù)據(jù)產(chǎn)品研發(fā)往往具有不確定性和復(fù)雜性等典型特征，為企業(yè)研發(fā)創(chuàng)新帶來更多的不確定性因素［12］。同時，創(chuàng)新投入存在一個拐點，在拐點之前，持續(xù)的創(chuàng)新投入會促進企業(yè)績效提升，超過這一拐點時，繼續(xù)增加創(chuàng)新投入將不會帶來相同比例的績效提升，從而表現(xiàn)出邊際效用遞減特征，甚至還會產(chǎn)生抑制作用。

基于此，本文提出如下假設(shè)：

H3：創(chuàng)新投入對大數(shù)據(jù)企業(yè)績效的影響存在非線性關(guān)系。

二、研究設(shè)計

（一）樣本選取及數(shù)據(jù)來源

本文選取20132019年滬深A(yù)股上市大數(shù)據(jù)企業(yè)作為研究樣本，該時間跨度的選擇是基于大數(shù)據(jù)企業(yè)的發(fā)展。綜合已有研究，總結(jié)出大數(shù)據(jù)、海量數(shù)據(jù)、數(shù)據(jù)中心、信息資產(chǎn)及數(shù)據(jù)化等關(guān)鍵詞，并利用這些關(guān)鍵詞從同花順、東方財富網(wǎng)中的“大數(shù)據(jù)”和“數(shù)據(jù)中心”概念板塊中進行篩選，選出大數(shù)據(jù)企業(yè)共320家。為了提高研究數(shù)據(jù)的質(zhì)量，剔除相關(guān)財務(wù)數(shù)據(jù)缺失和模糊不清、樣本期間發(fā)生重大資產(chǎn)重組和主營業(yè)務(wù)變動及ST、*ST類企業(yè)，最終獲得數(shù)據(jù)港、中科曙光、紫晶存儲等191家樣本企業(yè)。數(shù)據(jù)主要來源于同花順、東方財富網(wǎng)、巨潮資訊網(wǎng)及各企業(yè)年報。

（二）研究變量的選擇

1.被解釋變量

企業(yè)績效（TP），選取凈資產(chǎn)收益率、每股收益、營業(yè)利潤率、總資產(chǎn)周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負債率、流動比率、速動比率、總資產(chǎn)增長率及營業(yè)收入增長率等十個指標的綜合指數(shù)進行衡量。

2.解釋變量

創(chuàng)新投入，選擇將其分為創(chuàng)新資金投入（RDC）和創(chuàng)新人員投入（RDP）兩部分，分別選取研發(fā)費用與營業(yè)收入的比值、技術(shù)研發(fā)人員與員工總?cè)藬?shù)的比值進行衡量。同時，RDC、RDP也是門檻變量。

3.調(diào)節(jié)變量

技術(shù)積累（Tech），選取企業(yè)發(fā)明專利申請數(shù)進行衡量；在穩(wěn)健性檢驗中，選取發(fā)明專利授權(quán)數(shù)進行衡量。在調(diào)節(jié)效應(yīng)檢驗時，分別對創(chuàng)新投入、技術(shù)積累進行中心化處理。

4.控制變量

借鑒已有研究文獻，選擇控制以下變量：企業(yè)規(guī)模（Size），選取企業(yè)資產(chǎn)總額的自然對數(shù)進行衡量；現(xiàn)金流量（Cash），選取企業(yè)貨幣資金的自然對數(shù)進行衡量；企業(yè)年齡（Year），選取企業(yè)成立時間的自然對數(shù)進行衡量［13］。

（三）研究模型

結(jié)合本文所提出的假設(shè)，參考楊冬梅等的研究［14］，將回歸模型構(gòu)建為

為檢驗技術(shù)積累的調(diào)節(jié)效應(yīng)，參考Zang等的研究［15］，在模型（1）的基礎(chǔ)上，構(gòu)建如下模型

為考察創(chuàng)新投入與企業(yè)績效是否存在非線性關(guān)系，參考Liu等的研究［16］，構(gòu)建如下門檻回歸模型

式（1）（3）中：Yit表示i企業(yè)在t期的績效水平，RDCi，t-s、RDPi，t-s分別表示i企業(yè)在t-s期的創(chuàng)新資金投入和創(chuàng)新人員投入水平，s=0時表示沒有滯后即當期，s=1時表示1年滯后，以此類推；Xit為系列控制變量，Yi，t－1為前一期的績效； RD為創(chuàng)新投入（創(chuàng)新資金投入與創(chuàng)新人員投入）；I（·）表示指示性函數(shù)，括號內(nèi)條件成立時取值為1，否則為0；α0為截距項，εit為隨機擾動項，μ為門檻值。

三、實證結(jié)果與分析

（一）描述性統(tǒng)計

表2報告了主要變量的描述性統(tǒng)計結(jié)果。企業(yè)績效的中值為-0.033，小于均值，表明大數(shù)據(jù)企業(yè)績效分布右偏，多數(shù)企業(yè)績效水平未達到平均水平，有待進一步提高；創(chuàng)新資金投入和創(chuàng)新人員投入的中值為0.059、0.400，均值為0.079、0.433，表明我國大數(shù)據(jù)企業(yè)整體創(chuàng)新投入水平較高，具備一定的研發(fā)競爭實力，但多數(shù)企業(yè)的創(chuàng)新投入水平處于平均水平以下，創(chuàng)新投入還有待加強。

（二）基準回歸結(jié)果

多重共線性檢驗結(jié)果顯示，變量之間的相關(guān)系數(shù)均在合理的范圍內(nèi)，所有變量的VIF值遠小于10，表明不存在嚴重的多重共線性問題。模型（1）中包含被解釋變量的滯后一期，為動態(tài)模型，進行回歸分析，其結(jié)果如表3所示。AR（1）和AR（2）的結(jié)果顯示，可以接受擾動項無自相關(guān)假設(shè)。從當期來看，創(chuàng)新資金投入的系數(shù)為-0.783，在5%水平上顯著為負；創(chuàng)新人員投入的系數(shù)為0.349，在5%水平上顯著為正；從滯后一期、滯后二期來看，創(chuàng)新資金投入的系數(shù)分別為0.023、0.387，創(chuàng)新人員投入的系數(shù)分別為0.273、0.455，在10%水平上顯著為正。研究假設(shè)H1得證。

（三）內(nèi)生性檢驗和穩(wěn)健性檢驗

1.引入工具變量

針對反向因果關(guān)系可能導(dǎo)致的內(nèi)生性問題，參考王智波和李長洪的研究［17］，選擇創(chuàng)新投入的滯后項作為創(chuàng)新投入的工具變量。通過二階段最小二乘法（2SLS）進行回歸，結(jié)果如表4中列（1）所示。創(chuàng)新資金投入對當期績效的影響系數(shù)為-0.523，在1%的水平上顯著；創(chuàng)新人員投入對當期績效的影響系數(shù)為0.002，在10%的水平上顯著。表明研究結(jié)論是穩(wěn)健的。

2.混合回歸

采用混合模型（POLS）重新回歸，結(jié)果如表4中列（2）至列（4）所示。從當期來看，創(chuàng)新資金投入的系數(shù)為-5.501，在1%的水平上顯著；創(chuàng)新人員投入的系數(shù)為0.010，在10%的水平上顯著。從滯后一期、滯后二期來看，創(chuàng)新資金投入的系數(shù)分別為0.568、0.448，創(chuàng)新人員投入的系數(shù)分別為0.041、0.145。表明研究結(jié)論也是穩(wěn)健的。

3.替換被解釋變量

選取凈資產(chǎn)收益率（ROE）來衡量企業(yè)績效，進行回歸，結(jié)果如表4列（5）—（7）所示。從當期來看，創(chuàng)新資金投入的系數(shù)為-0.344，在10%的水平上顯著；創(chuàng)新人員投入的系數(shù)為0.228，在1%的水平上顯著。從滯后一期、滯后二期來看，創(chuàng)新資金投入的系數(shù)分別為0.895、0.019，創(chuàng)新人員投入的系數(shù)分別為0.106、0.083。表明研究結(jié)論依然是穩(wěn)健的。

（四）調(diào)節(jié)效應(yīng)檢驗

表5報告了調(diào)節(jié)效應(yīng)檢驗結(jié)果。從當期來看，技術(shù)積累與創(chuàng)新資金投入的交乘項（Tech×RDC）系數(shù)為-0.017，與創(chuàng)新人員投入的交乘項（Tech×RDP）系數(shù)為-0.032；從滯后一期、滯后二期來看，技術(shù)積累與創(chuàng)新資金投入交乘項（Tech×RDC）的系數(shù)分別為-0.005、-0.038，技術(shù)積累與創(chuàng)新人員投入交乘項（Tech×RDP）的系數(shù)為-0.002、-0.004。研究假設(shè)H2得證。

（五）門檻效應(yīng)檢驗

采用“自舉法”，重疊模擬似然比檢驗統(tǒng)計量300次，對創(chuàng)新投入可能存在的門檻值進行估計和檢驗，結(jié)果如表6所示。創(chuàng)新資金投入對滯后一期企業(yè)績效單門檻和雙門檻效應(yīng)檢驗的F統(tǒng)計量在1%（P=0.007）和10%（P=0.060）水平上顯著，而對滯后二期企業(yè)績效單門檻和雙門檻效應(yīng)檢驗的F統(tǒng)計量均不顯著（P=0.448、0.570）。創(chuàng)新人員投入對滯后一期和滯后二期企業(yè)績效單門檻效應(yīng)檢驗的F統(tǒng)計量在均在5%（P=0.013、0.026）水平上顯著。以上可知，創(chuàng)新資金投入對滯后一期企業(yè)績效的影響存在雙門檻效應(yīng)，門檻估計值為0.5%、13.6%；對滯后二期企業(yè)績效的影響不存在門檻效應(yīng)，二者呈線性關(guān)系，不再討論。創(chuàng)新人員投入對滯后一期、滯后二期企業(yè)績效的影響均存在單門檻效應(yīng)，門檻值為8.5%、7.4%。

表7說明了創(chuàng)新資金投入和創(chuàng)新人員投入對企業(yè)績效的門檻回歸結(jié)果。以創(chuàng)新資金投入作為門檻變量，在創(chuàng)新資金投入小于0.5%時，創(chuàng)新資金投入對滯后一期企業(yè)績效的回歸系數(shù)為68.214，在1%水平上顯著為正；在0.5%～13.6%區(qū)間，回歸系數(shù)為-1.614，在1%水平上顯著為負；大于13.6%時，回歸系數(shù)為0.712，不顯著。因此，以RDC=0.5%為拐點，創(chuàng)新資金投入與滯后一期企業(yè)績效呈“倒 V 形”關(guān)系。以創(chuàng)新人員投入作為門檻變量，從滯后一期來看，在創(chuàng)新人員投入小于8.5%時，創(chuàng)新人員投入對企業(yè)績效的回歸系數(shù)為0.973，在1%水平上顯著為正；大于8.5%時，回歸系數(shù)為-1.803，在1%水平上顯著為負；因此，以RDP=8.5%為拐點，創(chuàng)新人員投入與滯后一期企業(yè)績效呈“倒V形”關(guān)系。從滯后二期來看，在創(chuàng)新人員投入小于7.4%時，創(chuàng)新人員投入對企業(yè)績效的回歸系數(shù)為0.100，不顯著；大于7.4%時，回歸系數(shù)為1.323，在1%水平上顯著為正。研究假設(shè)H3得證。創(chuàng)新資金投入比例控制在0.5%以內(nèi)，能更好地提升滯后一期企業(yè)績效；創(chuàng)新人員投入比例控制在8.5%以內(nèi)能更好地提升滯后一期企業(yè)績效，大于7.4%能更好地提升滯后二期企業(yè)績效。

四、結(jié)論與建議

本文以20132019年滬深A(yù)股上市大數(shù)據(jù)企業(yè)為研究樣本，實證檢驗了創(chuàng)新投入對企業(yè)績效的影響及其門檻效應(yīng)，得出以下主要研究結(jié)論：（1）創(chuàng)新投入有助于提高大數(shù)據(jù)企業(yè)績效，且存在一定的滯后性，其中創(chuàng)新資金投入影響的滯后性更為明顯；（2）技術(shù)積累對創(chuàng)新投入與企業(yè)績效關(guān)系具有負向調(diào)節(jié)效應(yīng)；（3）創(chuàng)新投入對大數(shù)據(jù)企業(yè)績效的影響存在非線性關(guān)系，創(chuàng)新投入比例應(yīng)控制在一定比例內(nèi)。

針對上述研究結(jié)論，提出以下建議：（1）加強日常創(chuàng)新投入管理。大數(shù)據(jù)企業(yè)應(yīng)立足長遠發(fā)展，制定可持續(xù)的創(chuàng)新投入規(guī)劃；合理配置內(nèi)部研發(fā)資源，提升企業(yè)創(chuàng)新效率；重視創(chuàng)新人員的引進和培養(yǎng)，營造企業(yè)創(chuàng)新氛圍；尋求與科研院所的合作，以提高研發(fā)效率，降低研發(fā)成本。（2）重視探索性創(chuàng)新。大數(shù)據(jù)企業(yè)應(yīng)在創(chuàng)新活動中有效利用已有技術(shù)和知識，提高研發(fā)效率，降低研發(fā)成本；加強創(chuàng)新管理，掌握創(chuàng)新主動權(quán)，提高企業(yè)探索性創(chuàng)新能力，減少技術(shù)路徑依賴的產(chǎn)生。（3）將創(chuàng)新投入控制在最佳回報范圍內(nèi)。大數(shù)據(jù)企業(yè)需要把握創(chuàng)新投入的力度，根據(jù)所處的創(chuàng)新投入范圍制定科學(xué)的計劃；提高創(chuàng)新投入效率，建立內(nèi)部預(yù)警機制，防止過度創(chuàng)新投入抑制企業(yè)績效。

參考文獻：

［1］張雪，劉藝琦，吳武清. 數(shù)據(jù)資產(chǎn)會計計量研究——以大數(shù)據(jù)企業(yè)為例［J］. 財會通訊，2022（19）：10-14.

［2］顧艷輝，朱淑珍，趙袁軍，等. 基于大數(shù)據(jù)驅(qū)動的企業(yè)創(chuàng)新創(chuàng)業(yè)政策研究［J］. 管理現(xiàn)代化，2019（4）：47-49.

［3］戴雙興. 數(shù)據(jù)要素：主要特征、推動效應(yīng)及發(fā)展路徑［J］. 馬克思主義與現(xiàn)實，2020（6）：171-177.

［4］李玉剛，葉凱月，吳朋. 研發(fā)投入、市場化程度與企業(yè)專業(yè)化經(jīng)營［J］. 科研管理，2022（4）：158-164.

［5］樊自甫，陶友鵬. 數(shù)字化能否促進制造業(yè)高質(zhì)量發(fā)展——基于中國省際面板數(shù)據(jù)的經(jīng)驗證據(jù)［J］. 重慶郵電大學(xué)學(xué)報（社會科學(xué)版），2022（5）：124-133.

［6］李維安，李浩波，李慧聰. 創(chuàng)新激勵還是稅盾？——高新技術(shù)企業(yè)稅收優(yōu)惠研究［J］. 科研管理，2016（11）：61-70.

［7］WANG J， YE Y . Research on selection of technological innovation mode for large and medium-sized construction enterprises in China［J］. Technology and Investment，2017（2）：131-141.

［8］胡亞茹，陳丹丹，劉震. 融資約束、企業(yè)研發(fā)投入的周期性與平滑機制——基于企業(yè)所有制視角［J］. 產(chǎn)業(yè)經(jīng)濟研究，2018（2）：78-90.

［9］SHIN W， OH S， RHO S. Innovation and exports of Korean firms： How do they differ by size and industry？［J］.Millennial Asia，2019（3）：249-271.

［10］成力為，劉詩雨. 研發(fā)投入跳躍、吸收能力與企業(yè)動態(tài)績效［J］. 科學(xué)學(xué)研究，2021（4）：683-694.

［11］鄭勇華. 學(xué)習(xí)導(dǎo)向、迭代創(chuàng)新與新產(chǎn)品開發(fā)——基于215家大數(shù)據(jù)企業(yè)的實證研究［J］.技術(shù)經(jīng)濟與管理研究，2021（7）：25-30.

［12］肖靜華，胡楊頌，吳瑤. 成長品：數(shù)據(jù)驅(qū)動的企業(yè)與用戶互動創(chuàng)新案例研究［J］. 管理世界，2020（3）：183-205.

［13］陳麗姍，傅元海. 融資約束條件下技術(shù)創(chuàng)新影響企業(yè)高質(zhì)量發(fā)展的動態(tài)特征［J］. 中國軟科學(xué)，2019（12）：108-128.

［14］楊冬梅，萬道俠，郭俊艷. 企業(yè)科技研發(fā)投入與企業(yè)績效——兼論政府創(chuàng)新政策的調(diào)節(jié)效應(yīng)［J］. 山東社會科學(xué)，2021（5）：129-135.

［15］ZANG Z P， ZHU Q W， MOGORRON-GUERRERO H. How does Ramp;D investment affect the financial performance of cultural and creative enterprises？ The moderating effect of actual controller［J］. Sustainability，2019（2）：1-19.

［16］LIU S Q， LIN S， SUN Z Y， et al. Earnings management and firms’ investment behavior： The threshold effect of ROE［J］. Emerging Markets Review，2021（6）：1-15.

［17］王智波，李長洪. 輕資產(chǎn)運營對企業(yè)利潤率的影響——基于中國工業(yè)企業(yè)數(shù)據(jù)的實證研究［J］. 中國工業(yè)經(jīng)濟，2015（6）：108-121.

Impact of innovation input on big data enterprise performanceand its threshold effect

Abstract：

As a venture capital activity， innovation investment is an important support for big data enterprises to carry out innovation activities， but its effects have high uncertainty. The empirical research results on innovation investment and big data enterprise performance are still limited， and so far， there has been no attention to nonlinear effects. Exploring the impact of innovation investment on the performance of big data enterprises and its threshold effect has important theoretical and practical significance for big data enterprises to improve their performance through innovation investment. Therefore， the paper theoretically examines the impact of innovation investment on the performance of big data enterprises. Based on this， benchmark regression models， moderating effect models， and threshold effect models are constructed using big data enterprises listed on the Shanghai and Shenzhen A-shares from 2013 to 2019 as research samples. Empirical tests are conducted to examine the impact of innovation investment on enterprise performance， and to examine the moderating effect of technology accumulation and the nonlinear relationship between innovation investment and enterprise performance. Research has found that innovation investment can help improve the performance of big data enterprises， and the impact has a certain lag. This conclusion is still valid after a series of endogenous tests and robustness tests， such as the introduction of instrumental variables， mixed regression and substitution of explained variables. The moderating effect test shows that technology accumulation has a negative moderating effect on the relationship between innovation investment and enterprise performance. The threshold effect test indicates that there is a non-linear relationship between the impact of innovation investment on enterprise performance， and it is necessary to control the proportion of innovation investment. Consequently， big data enterprises should devise sustainable innovation investment strategies， allocate Ramp;D resources efficiently， emphasize the recruitment and development of innovative talent， and collaborate with research institutions. They should also strengthen innovation management， enhance exploratory innovation capabilities， develop scientific plans， establish internal warning mechanisms， and prevent excessive innovation investment from hindering performance.

Keywords：

big data enterprises; innovation input; enterprise performance; threshold effect