0引言
随着现代科技的崛起，人工智能已经成为新科
技的代表，“人工智能+”被运用到各行各业，在部分领域已替代人力，作为科技驱动力之一，如何更好地发展人工智能，离不开技术创新的研发推动。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出要“强化国家战略科技力量”“提升企业技术创新能力”“完善科技创新体制机制”，从不同角度阐述了科技创新的重要性。 创新活动离不开人，因此企业创新和高管团队有着密切的联系。创新绩效作为衡量创新效果的重要指标，受到多重因素的影响，其中高管团队是影响企业创新绩效的重要因素之一。在复杂多变的企业经营环境中，高管团队应如何影响创新绩效？自HAMBRICK 等［1］提出“管理者人口特征”对企业经 营产生影响伊始，大量学者从高管团队或高管个体的任期、性别、教育、海外背景、职能背景、过度自信等人口特征角度，研究这些因素对创新绩效的影响，并取得了诸多成果。这些成果中，基于权变视角的研究较少，降低了研究成果的适用性，因此本文从权变视角出发，尝试引入企业规模作为调节变量，探索人工智能企业高管团队特征、企业规模对
创新绩效影响。
目前，我国多数人工智能企业还存在建设水平不高、创新能力不足的短板［2］。高管团队如何影响企业创新绩效？企业规模又如何影响高管在企业创新绩效中发挥的作用？这些问题的探索无疑对我国人工智能科技力量的强化、创新能力的提升、创新机制的完善提供良好的参考价值。针对以上问题，本文基于2012—2021年中国A 股人工智能上市企业的数据，采用多元线性回归模型进行以下实证探索：一是探索高管团队特征与创新绩效的关系；二是企业规模对高管团队特征与创新绩效关系的影响。
1
理论分析与研究假设
1.1
高管团队特征与创新绩效
借鉴以往研究成果，本文选取3个高管团队特征
值探索与企业创新绩效的关系，即高管团队持股、高管团队规模、高管团队研发背景。1.1.1
高管团队持股与创新绩效
委托代理理论认为管理者和所有者的矛盾来自信息和利益的不对称，使管理者有可能做出损害所有者权益而有利于自身利益的决策。面对周期长、风险高的创新项目时，高管可能会因害怕失败而做出
【作者简介】李剑，男，河北保定人，天津科技大学经济与管理学院硕士研究生在读，研究方向：企业管理；龚玉霞，女，河南新乡人，任职于天津科
技大学经济与管理学院，教授，硕士研究生导师，研究方向：金融、管理科学与工程。【引用本文】李剑，龚玉霞.高管团队特征、企业规模与创新绩效的关系研究——基于人工智能上市企业的实证分析［J ］.企业科技与发展，2023（3）：106-110.
高管团队特征、企业规模与创新绩效的关系研究
——基于人工智能上市企业的实证分析
李剑，龚玉霞
（天津科技大学
经济与管理学院，天津
300222）
摘要：文章基于高阶理论和委托代理理论，以2012—2021年A 股人工智能上市公司为研究对象，通过构建多元线性回归模型，分析高管团队特征对创新绩效的影响机制及企业规模的调节作用。研究结果表明：高管团队持股、规模、研发背景都与企业创新绩效之间显著正相关。并且，企业规模在高管团队特征与创新绩效之间起到正向调节作用。关键词：高管团队特征；企业规模；创新绩效中图分类号：F273.1；F276
文献标识码：A
文章编号：1674-0688（2023）03-0106-05
◇经营管理◇
106
逆向选择，出现短视行为［3］。通过使管理者持有企业股份，将管理者和所有者的利益趋于一致［4］，使其全身心投入企业经营中，有效提高高管的创新和风险承担能力，追求财富的同时促进了企业创新［5］。在我国国情下，学者们针对民营上市企业［6］、智能制造业［7］、制造业［8］等不同行业，从股权集中度［9］、内部控制有效性［10］、生命周期［11］等不同视角，证实了企业高管持股可促进创新活动的开展。据此，本文提出假设
1：高管团队持股对创新绩效有正向影响。
1.1.2高管团队规模与创新绩效SRIVASTAVA等［12］学者提出增加高管团队人员能使冗余资源更好地投入产品的研发中。文芳［13］在对1999—2006年中国上市企业的9275个样本数据研究时得出相同结论，高管可以通过私人关系获取或提供企业发展所需资源［14］，高管团队的人数决定占有资源数量，即较大的高管团队规模有更好的信息搜寻、处理、整合能力，为企业研发活动带来便利。此外，扩大高管团队规模有利于人员流动，加速不同企业间的资源共享率，为企业创新活动营造良好的内、外部环境支持。据此，本文提出假设2：高管团队规模对创新绩效有正向影响。
1.1.3高管团队研发背景与创新绩效
根据前人的研究，拥有研发背景的高管对创新的动机、质量、效率、投入、产出等具有积极影响。有创新经验的企业高管会通过自身经验使投资者对创新项目产生认同感，增强创新动机［15］；能更好地筛选出优质的创新项目，缓解融资约束问题，能在一定程度上降低管理层逆向选择的可能，促进企业创新的质量［16］。此外有研究发现，具有研发背景的高管能够通过提升技术企业的成长性，促进研发投入规模效率［17］。还有学者指出，高管权力影响组织产出，研发背景高管权力越大，创新投入和产出水平越高［18］。据此，本文提出假设3：高管团队研发背景对创新绩效有正向影响。
1.2企业规模的调节作用BLUNDELL等［19］通过对英国1972—1982年340个制造企业数据研究发现，
企业规模对创新有促进作用。聂辉华等［20］通过对我国2001—2005年工业企业数据研究证实，企业规模与创新呈倒“U”形关系，规模扩大有利于创新。此外，大量学者针对节能环保业［21］、旅游业［22］、战略性新兴产业［23］等行业证实了企业规模与创新的倒“U”形关系。企业创新活动需要资
金、人力、品牌等诸多资源支持。依据熊彼得假说，企业规模越大，市场占有率越大，也能获得更多资源。这些资源为管理者进行创新活动提供了有力保障，使创新更容易成功。规模小的企业资源不充沛，创新活动不确定性强，研发失败率大。同时，规模小的企业抵抗风险的能力弱，往往难以承担短期研发不成功或失败带来的损失。我国人工智能行业起步晚，企业规模较小，它们获取资金困难［24］，融资困难导致逆向选择风险。因此，适当扩大规模企业有利于缓解融资问题，使管理者合理地做出经营决策。据此，本文提出假设4：企业规模对高管团队持股与创新绩效关系有正向促进作用；假设5：企业规模对高管团队规模与创新绩效关系有正向促进作用；假设6：企业规模对高管团队研发背景与创新绩效关系有正向促进作用。
2研究设计
2.1样本数据选择
以2012—2021年A股155家人工智能标的上市企业为研究对象，专利申请数据来源于CNRDS数据库，其他数据来源于国泰安数据库，经过剔除ST和残缺数据，最终获得960条样本数据。
2.2变量设计
被解释变量：创新绩效（Index）。借鉴郭国庆等［25］采用企业发明专利数量作为衡量标准。专利申请数量包含当年独立和联合申请的发明、实用新型、外观设计数量。本文使用企业当年发明专利申请数量加1取自然对数作为因变量。
解释变量：借鉴雷怀英等［26］采用高管团队成员总持股数除以企业总股数反映高管团队持股（Hold）。借鉴何威风等［27］采用高管团队成员人数反映高管团队规模（Num）。借鉴何霞等［28］采用高管团队研发背景成员人数除以高管团队成员人数反映高管团队研发背景（Aca）。
调节变量：企业规模（SIZE）。借鉴吴祖光等［29］采用总资产的自然对数反映企业规模。
控制变量：为使检验更准确，将可能影响到创新绩效的因素加以控制。参考以往研究，本文选取两职合一（IsDuality）、股权集中度（Top）、企业成长性（Growth）、资产负债率（Lev）、年份（Year）作为控制变量。
本文的变量定义见表1。
20233497107
表1变量选取及定义
变量类型因变量
自变量调节变量控制变量
变量名称
创新绩效
高管团队持股
高管团队规模
高管团队研发背景
企业规模
两职合一
股权集中度
企业成长性
资产负债率
年份
变量符号
Index
Hold
Num
Aca
SIZE
IsDuality
Top
Growth
Lev
Year
变量说明
ln（企业当年发明专利申请
数量+1）
高管团队成员总持股数/企
业总股数
高管团队成员人数
高管团队研发背景成员人
数/高管团队成员人数
Ln总资产
0=董事长不兼任CEO，1=董
事长兼任CEO
第一大股东持股比例
营业收入同比增长率
总负债/总资产
哑变量
2.3模型构建
为对假设进行验证，构建模型如下。其中，模型（1）验证高管团队规模、持股、研发背景对创新绩效的影响。模型（2）借鉴温忠麟等［30］验证调节效应的研究方法，引入交互项，验证企业规模对高管团队特征与创新绩效关系的影响。
Index=α0+α1Hold+α2Num+α3Aca+α4IsDuality+α5Top+α6Growth+α7Lev+∑Year+ε（1）Index=α0+α1Hold+α2Num+α3Aca+α4SIZE+α5SIZE×Hold+α4SIZE×Num+α7SIZE×
Aca+α8IsDuality+α9Top+α10Growth+
α11Lev+∑Year+ε（2）其中，模型（1）和（2）中，α0为常数，α1-α11为各项系数，ε为误差项。
3实证分析
3.1描述性统计和相关性分析
变量的统计性描述和相关系分析见表2。其中，被解释变量专利申请数量均值为2.452，标准差为1.794，说明样本企业专利申请数量差别较大。解释变量高管团队持股、规模、研发背景也存在不同程度的质异性。调节变量企业规模均值为21.812，标准差为1.081，表明企业规模普遍偏高且存在一定差距。此外，各变量间系数较小，说明不存在严重共线性。3.2多元线性回归
样本数据进行中心化处理后，通过模型（1）得到高管团队特征与创新绩效的回归结果见表3。
表3多元回归分析结果
变量
Hold
Num
Aca
IsDuality
Top
Growth
Lev
Year
Adj R-Squared=0.125
F=18.054Prob>F=0.000
未标准化系数
0.165**
0.55***
0.099*
-0.017
0.213***
-0.148
0.835**
哑变量
T
2.494
9.777
1.778
-
0.273
3.824
-1.208
2.504
P
0.013
0.076
0.785
0.228
0.012
VIF
1.386
1.078
1.064
1.356
1.059
1.013
1.102
注：***表示P<0.01，**表示P<0.05，*表示P<0.1。
从表3可以看到，调整R2是0.125（F=18.054，P＜0.01），高管团队持股的回归系数是0.165，显著性是0.013，说明高管团队持股与创新绩效在5%水平以内显著正相关。高管团队规模的回归系数是0.55，显著性是0，说明高管团队规模与创新绩效在1%水平以内显著正相关。高管团队研发背景的回归系数是0.099，显著性是0.076，说明高管团队持股与创新绩
变量Index Hold Num Aca Size IsDuality Top Growth Lev
均值
2.452
0.138
6.935
0.350
21.812
0.451
28.081
0.216
0.313
标准差
1.794
0.171
2.745
0.229
1.081
0.498
13.887
0.445
0.171
IP
1
.058*
.308***
.104***
.311***
-.015
.102***
-.04
.098***
Hold
—
1
-.052
.056*
-.251***
.479***
.128***
.047
-.193***
Num
—
—
1
.173***
.313***
-.151***
-.047
-.013
.085***
Aca
—
—
—
1
-.070**
.002
-.013
.02
-.133***
Size
—
—
—
—
1
-.207***
-.081**
.028
.477***
IsDuality
—
—
—
—
—
1
.023
.023
-.133***
TOP
—
—
—
—
—
—
1
-.002
.041
Growth
—
—
—
—
—
—
—
1
.041
Lev
—
—
—
—
—
—
—
—
1
表2变量的描述性相关性统计和相关性分析
注：***表示P<0.01，**表示P<0.05，*表示P<0.1。108
效在10%水平以内显著正相关。此外，各变量VIF 值均小于10，进一步验证了不存在共线性问题。3.3
调节效应分析
通过模型（2）得到企业规模调节效应的回归结果见表4。
表4
调节效应回归分析结果
变量Hold Num Aca Size Size*Hold Size*Num Size*Aca IsDuality Top Growth Lev Year
Adj
R-Squared =0.227
F =24.417
Prob >F =0.000
未标准化系数0.265***0.254***0.168
***0.253**0.141**
0.254***0.758
***
-0.0050.235***-0.194
*
-0.416
哑变量
T 4.0214.2363.1672.4212.3606.2823.207-0.0884.476-1.674-1.201
P 000.0020.0160.01800.0010.93000.0950.230
VIF 1.5421.3811.0794.2251.2471.3213.6091.3791.0621.0211.344
注：***表示P <0.01，**表示P <0.05，*表示P <0.1。
从表4可以看到，调整R 2是0.227（F =24.417，P ＜
0.01），对比模型（1）调整R 2数值0.125有所上升，说明
加入交互项后，模型拟合度进一步提高。高管团队持股与企业规模的交互项系数是0.141，显著性是0.018，说明企业规模对高管团队持股与创新绩效关系有正向促进作用。高管团队规模与企业规模的交互项系数是0.254，显著性是0，说明企业规模对高管团队规模与创新绩效关系有正向促进作用。高管团队研发背景与企业规模的交互项系数是0.758，显著性是0.001，说明企业规模对高管团队研发背景与创新绩效关系有正向促进作用。3.4
稳健性检验
为验证结论的准确性及模型（1）和模型（2）的稳定性，文本去掉两职合一、股权集中度2个控制变量进行稳健性检验。检验结果见表5。
表5
稳健性检验结果
模型（1）变量Hold
Num
Aca Growth Lev Year Size Size*Hold Size*Num Size*Aca
Adj
R-Squared =0.113
F =21.328Prob >F =0.000
未标准
化系数
0.184***0.538***0.102*
-
0.1610.962***0.046**
T
3.1579.5971.814
-1.3062.8812.269
P
0.00200.0700.1920.0040.023
VIF 1.0551.0571.0631.0121.0881.049
模型（2）
未标准
化系数
0.290***0.242***0.169***-0.207*-0.2550.0110.253**0.140**
0.256***0.722***Adj
R-Squared =0.212
F =26.782
Prob >F =0.000
T
4.9494.0243.168-1.771-0.7330.5382.3992.335
6.2873.031
P 000.0020.0770.4640.5910.0170.0200.0000.003
VIF 1.1971.3641.0791.0201.3291.1234.2001.2411.3193.598
注：***表示P <0.01，**表示P <0.05，*表示P <0.1。
从表5可以看到，主要变量回归系数除数值略有变化外，方向未变且显著性未变。说明研究结论不变，模型稳健。
综上，本文假设1、假设2、假设3、假设4、假设5、假设6经过验证均成立。
4
研究结论及对策建议
4.1
研究结论
本文通过对2012—2021年A 股人工智能上市企
业数据为样本，对高管团队特征、企业规模、创新绩效3者关系进行实证研究。得出结论：①增加高管团队持股量能够促进人工智能企业创新绩效。②增加高管团规模能够促进人工智能企业创新绩效。③增加高管团研发背景人员占比能够促进人工智能企业创新绩效。④企业规模对高管团队研发背景与创新绩效关系有正向促进作用，即企业规模越大，高管团队持股、规模、研发背景对人工智能企业创新绩效的促进作用越大。4.2
对策建议
我国人工智能企业如何提高创新能力，完善创新机制。通过上述结论，提出以下建议：①合理优化
20233497109
高管团队结构。扩大高管团队人员数量，提升信息资源获取和决策的能力，为创新提供良好平台；引入更多研发背景的高管，增加具有研发背景高管人员的占比，借鉴其研发经历，为创新活动提供支撑。②加强高管股权激励机制。提高高管团队的持股数量，调动高管积极性，使其自身利益和企业利益统一，为企业持续提供创新动力。③提高企业市场主导地位。增强市场竞争，适度扩大企业规模，为创新提供有力保障。此外，需要政府进一步完善创新制度政策，加大对人工智能小微企业创新的支持和引导。
5参考文献
［1］DONALD CHAMBRICK，PHYLLIS A.Mason.Upper ech⁃elons：the organization as a reflection of its top managers ［J］.The Academy of Management Review，1984，9（2）：193-206.
［2］胡俊，杜传忠.人工智能推动产业转型升级的机制、路径及对策［J］.经济纵横，2020，412（3）：94-101.
［3］张洪辉，夏天，王宗军.公司治理对我国企业创新效率影响实证研究［J］.研究与发展管理，2010，22（3）：44-50.
［4］XIAOLAN FU.How does openness affect the importance of incentives for innovation?［J］.Research Policy，2012，41（3）：512-523.
［5］田轩，孟清扬.股权激励计划能促进企业创新吗［J］.南开管理评论，2018，21（3）：176-190.
［6］姜帅，龙静.高管股权激励影响企业技术创新的机制路径分析——基于我国民营上市公司的经验证据［J］.江西师范大学学报（哲学社会科学版），2022，55（3）：96-106.［7］王银雪，张庆君.股权激励、长期信贷与企业研发投资——以智能制造业上市公司为例［J］.金融理论与实践，2019，483（10）：17-26.
［8］陆国庆.股权激励与企业技术创新——来自中国上市公司的经验证据［J］.学海，2019（6）：114-119.
［9］宋鹏.股权激励对企业创新的机制研究——基于股权集中程度的新视角［J］.财会通讯，2022，901（17）：72-77.［10］马桂芬.股权激励、内部控制有效性与企业创新绩效［J］.
会计之友，2020，635（11）：59-65.
［11］胡永平，张玲.高管持股与企业研发投资——基于企业生命周期视角［J］.会计之友，2018，594（18）：93-97.
［12］ABHISHEK SRIVASTAVA，HUN LEE.Predicting order and timing of new product moves：the role of top man⁃agement in corporate entrepreneurship［J］.Journal of Busi⁃ness Venturing，2004，20（4）：459-481.
［13］文芳.上市公司高管团队特征与R&D投资研究［J］.山西财经大学学报，2008，190（8）：77-83.［14］张盟盟，段海艳.高管团队特征对企业研发投入影响研究——以创业板上市公司为例［J］.会计之友，2015，507（3）：51-57.
［15］周建，秦蓉，王顺昊.高层管理者创新经验、情境差异与企业创新［J］.科学学与科学技术管理，2021，42（5）：118-
141.
［16］王小平，王雪平.研发背景高管与企业技术创新质量——基于中国制造业上市公司的经验证据［J］.企业经济，2019，468（8）：93-102.
［17］李慧聪，汪敏达，张庆芝.研发背景高管、职业成长路径与高技术企业成长性研究［J］.管理科学，2019，32（5）：23-36.
［18］张栋，胡文龙，毛新述.研发背景高管权力与公司创新［J］.中国工业经济，2021，397（4）：
156-174.
［19］RICHARD BLUNDELL，RACHEL GRIFFITH，JOHN VAN REENEN.Market share，market value and innovation in a panel of british manufacturing firms［J］.Rev Econ Stud，1999，66（3）：529-554.
［20］聂辉华，谭松涛，王宇锋.创新、企业规模和市场竞争：基于中国企业层面的面板数据分析［J］.世界经济，2008，359（7）：57-66.
［21］刘志红，曹俊文.节能环保企业规模与产权性质对技术创新的影响——基于江西省的调查数据［J］.科技管理研究，2018，38（5）：135-141.
［22］姚云浩.旅游企业规模与创新策略选择［J］.四川师范大学学报（社会科学版），2017，44（3）：80-87.
［23］孙早，郭林生，肖利平.企业规模与企业创新倒U型关系再检验——来自中国战略性新兴产业的经验证据［J］.上海经济研究，2016，336（9）：33-42.
［24］张武军，李明修，丁强.科技型中小企业融资困难及对策［J］.地方财政研究，2020，186（4）：87-92.
［25］郭国庆，吴剑峰.绩效管理企业知识库、技术探索与创新绩效关系研究：基于美国电子医疗设备行业的实证分析［J］.南开管理评论，2007，54（3）：87-93.
［26］雷怀英，乔睿蕾.企业高管团队特征及其交互效应对技术创新的影响研究［J］.软科学，2015，29（1）：60-64.
［27］何威风，刘启亮.我国上市公司高管背景特征与财务重述行为研究［J］.管理世界，2010，202（7）：144-155.
［28］何霞，苏晓华.高管团队背景特征、高管激励与企业R&D 投入——来自A股上市高新技术企业的数据分析［J］.科技管理研究，2012，32（6）：100-108.
［29］吴祖光，万迪昉，康华.客户集中度、企业规模与研发投入强度——来自创业板上市公司的经验证据［J］.研究与发展管理，2017，29（5）：43-53.
［30］温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用［J］.心理学报，2005（2）：268-274.
110
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议