成长机会门槛下企业的研发投入与经营绩效

王晓燕 梁彦清

摘 要：本文以2012—2018年创业板上市公司平衡面板数据为研究样本，运用面板门槛模型和固定效应模型，研究不同成长阶段企业的研发投入与经营绩效之间的关系。研究结果表明：研发投入与经营绩效会受到成长机会的影响，存在非线性的双门槛效应。当成长机会低于第一门槛值时，研发投入对经营绩效的相对影响显著为负，且影响程度较高;当成长机会发展到第一门槛值和第二门槛值之间时，研发投入对经营绩效的影响显著为正;当成长机会超过第二门槛值时，研发投入对经营绩效的相对影响显著为正，且影响程度明显降低。进一步区分行业的研究结果显示，无论是低成长阶段还是高成长阶段，制造业研发投入對经营绩效的影响程度均要低于非制造业，这为我国研发投入政策的制定提供了数据支撑和实践经验。

关键词：成长机会;研发投入;经营绩效;面板门槛模型;固定效应模型

中图分类号：F279.24  文献标识码：A

文章编号：1000-176X（2019）12-0088-08

一、问题的提出

中小企业要想发展壮大，保持竞争优势，技术创新是关键，而技术创新的核心则是需要企业持续不断地注入研发投资。引入新产品和新工艺的创新型企业可以增强其市场实力和竞争优势[1]。2009年10月23日，28家中小高科技企业获得创业板首批上市资格，与主板市场不同，创业板市场主要以中小企业、高新科技企业为服务对象。2009—2018年创业板上市公司从28家发展到744家，整个板块的发展肩负着提升中小企业技术创新能力和推动经济发展的重任。近年来，创业板上市公司的研发投入强度基本维持在7%—8%，2013年后出现下降[2]。研发投入强度呈现下降态势，研发支出反而不断上升，2009—2018年平均研发支出金额从1 555.85万元增长至9 310.27万元，年均复合增长率为22.96%，增长速度较快。从行业差异看，由于信息传输、软件和信息技术服务业中无形资产占比较高，研发支出也相对较高，平均研发投入强度均值一直在10%以上，而农、林、牧、渔业以及采矿业等行业，无形资产占比相对较低，平均研发投入强度一直在5%以下。

从创业板上市公司的研发数据来看，研发投入呈现递增趋势，然而作为一种技术创新生产要素的投入，研发投入同样符合边际报酬递减规律，但研发投入的成本与收益具有明显的弱对应性，这也就带来一系列的问题：一是持续不断的研发投入一定能够带来企业的高回报和高收益吗，经营绩效是否随着研发投入的增加呈现线性或者非线性的变化趋势？二是如果存在非线性的变化趋势，创业板块中研发投入对企业产出或者经营绩效的影响是否存在一个或者几个门槛效应？三是研发投入与经营绩效的关系在不同行业之间是否存在显著差异，企业所属行业特征是否会影响门槛值的确定？这都是亟待解决的一系列问题。

关于企业研发投入的国内外研究主要分为两大类：一类是将企业研发投入作为因变量，研究企业研发投入的前置变量，即企业研发投入的影响因素;另一类是将企业研发投入作为自变量，研究企业研发投入的后置变量，即企业研发投入与产出或者经营绩效等的关系。从企业研发投入的外部影响因素看，相关研究主要围绕政府政策[3]、市场竞争程度[4]、行业特征[5]和地区差异[6]等因素展开。从企业研发投入的内部影响因素看，相关研究主要围绕企业性质[7]、资本结构[8]、企业规模[9]和管理者特征[10]等因素展开。学者们对于企业研发投入与产出或者经营绩效的研究，主要存在以下三种观点：正相关、负相关和不相关。Dugal和Morbey[11]发现，研发支出能够提升企业绩效，而且新产品或者更高效的生产过程将使企业免受经济衰退的影响。杜勇等[12]以2007—2012年高新技术上市公司为样本，发现研发投入与盈利能力之间存在显著正相关关系，但与成长能力的相关关系不显著。朱卫平和伦蕊[13]对中国软件产业进行实证分析，发现研发强度对利润率存在显著负向影响。还有部分学者认为，研发投入与企业绩效不相关[14]或者呈现倒U型关系[15]。

以上研究成果丰富了企业研发投入方面的研究，但得出不同的结论，笔者认为可能存在两方面的原因：一是忽略了研发投入行为的连贯性，因而有学者将研发投入融入中间链条，更细致地捕捉前置因素对研发投入产生何种影响，进而影响绩效的行为[16];二是没有考虑研发投入的阶段性特征，忽略了研发投入对企业绩效影响的延迟性以及研发投入的溢出效应。近年来，有学者开始关注研发投入是否越多越好，是否存在适度范围，是否存在门槛效应。孙晓华和辛梦依[17]基于2002—2009年36个工业行业的面板数据，通过实证研究发现研发投资存在门槛效应。戴小勇和成力为[18]指出，企业存在最佳研发投入强度区间，在我国有研发投资活动的大部分企业中，研发投入强度仍低于第一个门槛值。尽管这些研究表明研发投入存在区间效应，但关于研发投入与经营绩效的研究还尚未达成共识，而且主要集中在工业企业等研究领域。此外，生命周期理论表明，处于起步阶段和成长阶段的企业研发重点都存在差异，或者在新产品的设计和改进上，或者在核心竞争力的提升上，以使自己的产品有别于竞争对手。因此，本文运用面板门槛模型，考虑研发投入的动态性，引入企业生命周期理论，从企业的不同成长机会分析研发投入滞后一期对经营绩效的影响，并根据制造业和非制造业的不同属性，深入分析行业之间研发投入行为的差异性，以期为技术创新政策的制定和调整提供经验证据。

本文的贡献主要体现在：一是运用创业板上市公司平衡面板数据本身的特点划分成长区间，从企业不同的成长机会出发，即低成长阶段、中低成长阶段和高成长阶段，分析了企业的研发投入与经营绩效之间的作用机制，丰富了企业研发投资行为的研究视野;二是考虑了行业异质性的影响，将制造业和非制造业嵌入到同一框架体系进行分组研究，论证了两者对研发投入的差异性影响。受时间限制，创业板自开板以来，企业成立时间最长为10年，相对于主板企业而言样本区间还较短，因而研发投入对经营绩效的影响还需要更长时间跨度的检验。

二、研究设计

（一）门槛回归方法及模型设定

根据前面的文献回顾可以看出，企业的研发投入与经营绩效之间可能存在非线性关系，传统的线性模型无法解释在不同成长机会下研发投入对经营绩效的作用路径及效应。本文利用Hansen[19]提出的面板门槛模型，通过研究研发投入与经营绩效之间的关系，进一步探讨研发投入是不是越多越好。由于面板门槛模型并不要求回归系数为常数，允许研究被解释变量和解释变量之间的非线性联系，因而门槛方法可以有效解决之前研究中假设样本分割是外生的问题。

（二）数据来源

本文使用平衡面板數据，相关数据来源于Wind数据库和Csmar数据库，部分缺失数据借助上市公司年报和巨潮资讯网等途径手工搜集和整理。以2012年12月31日前上市的创业板公司为研究样本，时间跨度为 2012—2018年，按照以下原则对样本进行筛选：一是剔除金融类、被ST和PT的上市公司;二是考虑到企业研发投入对经营绩效的滞后性，企业研发支出选取2011—2017年的数据，计算发展能力以2011年的观测值作为基期，选取2011—2018年的数据，其余变量则选取2012—2018年连续7年的数据。最终，本文选取了2012—2018年连续7年191家创业板上市公司的平衡面板数据作为研究对象。为了消除极端值的影响，对变量数据在1%和99%分位上进行缩尾处理。本文的数据分析通过Stata15.0和Excel2016等软件实现。

（三）变量说明与指标选取

被解释变量：经营绩效（Tobins Q）。以往大多数研究以资产收益率（ROA）作为衡量指标，未考虑企业的未来预期情况。本文借鉴姚冰湜等[20]的研究，采用当期Tobins Q衡量企业当期经营绩效，Tobins Q=市值/总资产。

解释变量：研发投入（R&D）。关于研发投入学术界一般采用绝对数和相对数两种类型的指标衡量，绝对数强调从总量上衡量企业的研发活动，相对数一般用研发支出占销售收入的比重，或者研发支出占总资产的比重等比率指标衡量。虽然相对数考虑了不同企业间的差异，但由于模型中在控制变量里已经考虑了企业规模等差异性的影响，因而本文借鉴陈修德等[21]的研究，考虑研发投资行为对经营绩效的滞后影响，选取研发投入总额自然对数的滞后一期衡量研发投入。

门槛变量：成长机会（GROWTH）。关于企业成长机会的衡量主要有两种方法：一是单一指标法，比如总资产增长率和营业收入增长率等;二是综合指标法，选取反映企业成长机会的多维指标衡量，为了综合反映企业的成长机会，本文采用综合指标法衡量企业的成长机会。为了降低成长机会指标维度，同时消除变量之间的多重共线性影响，本文利用主成分分析法计算成长机会指数。借鉴曹廷求等[22]与孙戈兵等[23]的研究，本文选取市净率（PB）、每股净资产（NAPS）、营业收入增长率（BRGR）、总资产增加率（TAGR）、净资产增长率（ROEGR）和净利润增长率（NPGR）等变量作为反映成长机会的指标。在进行主成分分析前，进行KMO和SMC检验，判定适合做主成分分析。通过主成分因子碎石图判定选择三个主成分因子，进而第一主成分子因子、第二主成分子因子和第三主成分因子的贡献率分别为31.07%，28.44%和22.92%，累计贡献率达到82.42%，能够较好地代表成长机会的综合指标。因此，以各因子的贡献率为权重构建成长机会指数，GROWTH=（0.3107f1+0.2844f2+0.2292f3）/0.8242。

控制变量。本文将对企业的经营绩效和研发投入具有重要影响的因素作为控制变量：企业规模（SIZE），用年末总资产的自然对数表示;企业年龄（AGE），用当期年份减去成立年份表示;资本结构（LEV），用企业年末负债总额/资产总额×100%表示;资本密集度（CAP），用总资产/营业收入表示;股权集中度（STCON），用企业第一大股东持股比例表示;市场化水平（MARKET），用《中国分省份市场化指数报告（2016）》中的市场化指数表示，2015—2018年的数据通过加权平均法预测得出;产权性质（NATURE），根据终极控制人是否国有区分国有企业和民营企业，其中国有企业取值为1，民营企业取值为0。需要特别说明的是，市场竞争环境能够推动企业不同程度的技术创新，也是影响研发投入和经营绩效的重要因素。

本文主要变量的描述性统计如表1所示。2012—2018年创业板样本公司总资产自然对数均值为21.470万元，研发投入自然对数均值为17.490万元，研发投入占总资产比重相对较大。在创业板样本公司中，上市年份最高为9年，上市时间不是很长，属于新兴板块，资本密集度、资产负债率以及市场竞争力离散程度不大，而股权集中度标准差为12.460，则呈现较大的离散度。

三、检验与回归结果分析

（一）门槛效应单一及多重选择检验

采用面板门槛模型回归时，要检验是否存在门槛效应以及存在几个门槛值。

借鉴Hansen[19]与连玉君和程建[24]的研究，考虑到研发投入对经营绩效存在滞后影响，采用Bootstrap方法，得到相应的F统计量和P值。在单一门槛检验情形下，F统计量为198.031，相应的P值为0.000，说明在1%的显著性水平上存在单一门槛效应，且其门槛值为0.216。在此基础上进行双重门槛检验发现，F统计量为79.308，相应的P值为0.000，说明在1%的显著性水平上存在双重门槛效应，其门槛值分别为0.216和0.712。当进行三重门槛效应检验时，F值为0.000，P值为0.317，说明无法拒绝原假设，即不存在三重门槛效应。首先，从显著性水平来看，双重门槛效应模拟相对较好。其次，采用以下两种方法进行稳健性检验：一是采用净资产收益率衡量经营收益;二是将当期研发投入纳入解释变量。稳健性检验结果显示，均是双重门槛模拟效果较好，因而本文选取双重门槛模型来研究研发投入对经营绩效的非线性影响。

在双重门槛模型的门槛检验中，两个门槛值0.216和0.712均在95%的置信区间内，门槛估计值有效。同时通过绘图可以更为直观清晰地看出其门槛估计值等于真实值，绘制搜索第一个门槛、第二个门槛效应的似然比统计量和门槛估计折线图，发现门槛估计值位于95%的置信区间，是LR值小于5%显著性水平的临界值7.350对应的区间。限于篇幅，第一个门槛估计值与置信区间图和第二个门槛估计值与置信区间图末在正文列出，留存备索。因此，根据0.216和0.712两个门槛值将创业板上市公司划分为三个成长阶段，即低成长阶段（GROWTH≤0.216）、中低成长阶段（0.2160.712）。

表2列示了2012—2018年不同成长阶段的样本公司数，可以看出连续7年中有70.38%的样本公司处于低成长阶段，18.10%的样本公司处于中低成长阶段，仅有11.52%的样本公司处于高成长阶段。这说明创业板上市公司还有很大的发展空间，通过合理制定研发投资的战略决策，可以有效提高经营绩效。

（二）基准回归结果分析

通过Hausman检验，在5%的显著性水平上拒绝原假设，选择采用固定效应模型进行分析，结果如表3所示。表3列（2）和列（4）均为考虑异方差影响之后的稳健性估计。

从表3列（1）和列（2）来看，回归结果基本相同。在低成长阶段，研发投入的系数相对于中低成长阶段为-0.063，并且在1%的水平上显著为负;在中低成长阶段，研发投入的系数为0.322，并且在5%的水平上顯著为正;在高成长阶段，研发投入的系数相对于中低成长阶段为0.060，并且在1%的水平上显著为正，低成长阶段，研发投入的系数绝对值显著大于高成长阶段的系数绝对值。经过分析可知，在低成长阶段、中低成长阶段和高成长阶段，研究投入的系数分别为0.259、0.322和0.382，可以看出，随着研发投入的不断注入，技术创新能力呈现快速增长态势，而且在创业板中研发投入远远没有达到投入量的饱和点。从表3列（3）和列（4）的回归分析结果来看，加入年度影响因素之后，拟合优度值R2从0.231提升到0.570，拟合效果加强。在低成长阶段、中低成长阶段和高成长阶段，研发投入的系数分别为0.276、0.317和0.354，且均在1%的水平上显著，与未加入年度变量的影响结果一致。研发投入对经营绩效的影响之所以会出现阶段性递增的特征，主要是创业板上市时间相对于主板公司时间较短，而且创业板本身具有孕育高科技企业和提升其创新能力的平台，虽然研发投入本身具有投入时间长和风险不确定的特点，但在长时间的渗透影响过程中，研发投入会作为潜在的无形资产为企业带来超额收益。之所以呈现阶段式递增的特点，究其本质是源于企业在初级成长阶段，持续发展是企业的生命力，创新对于此阶段的企业来说是谨慎的，因而这一阶段初创企业和信息产业的企业经常在创新活动中进行大规模、高风险的投资，从而导致更多的研发投入，技术扩散速度相对较慢，技术转化为效益的周期较长，对经营绩效的影响较小;到企业呈现稳定增长态势，企业经营状况处于持续稳定增长阶段时，成熟企业和非信息产业的企业研发投入对于企业的意义就得以体现，通过无形的渗透，从而影响到企业的各个方面，最终对经营绩效产生显著正向影响。就控制变量而言，企业规模与经营绩效之间存在显著负向关系，企业规模越大，相应的企业日常经营与治理更为复杂，从而影响经营绩效。企业年龄与经营绩效之间存在显著正向关系，企业年龄越大，企业融资能力就更强，内部控制能力更完善，更能有效提升经营绩效。

（三）行业差异化分析

传统的经济增长理论认为，技术创新是经济增长的重要源泉，而研发投资行为是技术创新的重要方式。通过双重门槛模型的回归分析，可以判断不同成长机会下创业板上市公司的研发投入与经营绩效存在非线性关系，但对于不同行业的影响也存在差异。因此，研发投入对于经营绩效的敏感性也存在差异，需要结合企业的行业类型进一步深入分析研发投入对经营绩效的影响。本文采用2012年中国证券监督管理委员会行业分类方法，对191家创业板上市公司进行行业划分，由于制造业数量相对较多，将制造业细分到次类，与其他行业门类大类并列。其中计算机、通信和其他电子设备制造业、医药制造业等体现新材料、新技术和新工艺的行业占比较大，具有一定的优势。从创业板上市公司来看，除了少数公司进行了转型和发生了行业变更，大部分公司的主营业务没有发生实质性变化。

由于2012—2018年创业板上市公司数为191个，为了便于分析将样本企业分为制造业和非制造业行业，回归结果如表4所示。表4列（1）和列（2）考虑年份和企业个体效应的影响，列（3）和列（4）是在列（1）和列（2）的基础上考虑异方差的影响，进行的异方差稳健性估计。

从表4制造业和非制造业的分样本回归结果可以看出，在低成长阶段，制造业研发投入和非制造业研发投入的相对影响系数分别为-0.040和-0.044，并且均在1%的水平上显著;在高成长阶段，制造业研发投入和非制造业研发投入的相对影响系数分别为0.029和0.041，并且均在1%的水平上显著。另外，进行邹检验，邹检验值为5.46，P值为0.000，这进一步验证了制造业与非制造业之间存在明显的结构性差异，究其原因是非制造业比如信息传输、软件和信息技术服务业以及科学研究和技术服务业普遍强调自身的技术优势，其行业本身更侧重于研发投资行为，以提高企业的技术创新能力。因此，在低成长阶段和高成长阶段，相对于制造业，非制造业研发投入对经营绩效的相对影响系数绝对值较大。这也正好印证了制造业的研发投入为何总是滞后于非制造业，是由于其本身的行业特点决定的，非制造业研发投入的产出效应增长较快和拉动优势明显等现象，成为越来越多的制造业企业转型升级的数据支撑和实践经验。

四、研究结论与政策建议

（一）研究结论

技术创新驱动经济增长，决定企业健康成长。因此，企业技术创新能力的提高成为增强企业竞争力的有效路径，目前也是学者们普遍关注的热点问题，而研发投入是实现企业长期稳健发展的重要手段。以往的文献过多集中在研发投入前置链条和后置链条的线性关系上，忽视了研发投入的阶段性特征和生产要素边际递减的特点，这也就可能造成研发投入对经营绩效的非线性影响。因此，本文以2012—2018年创业板上市公司的平衡面板数据为研究对象，对企业的研发投入与经营绩效的关系，以及研发投入是否存在门槛效应进行了经验分析，并得出以下结论：

第一，成长机会存在双重门槛，具有明显的区间效应。在低成长阶段和高成长阶段，企业的研发投入与经营绩效之间分别呈现显著负相关和显著正相关关系，而且低成长阶段的相对影响程度显著高于高成长阶段，在中低成长阶段，研发投入与经营绩效呈现显著正相关关系。这说明由于研发投入作为专利等无形资产的投入，必然会带来企业的超额收益，而且在不同的成长阶段，除受研发投入的成本影响外，还受市场环境和行业特征等因素的影响。

第二，由于行业本身特征对研发投入的影响存在异质性，将行业分为制造业和非制造业进行门槛回归差异检验，结果发现无论是低成长阶段还是高成长阶段，制造业研发投入对经营绩效的影响程度均要低于非制造业，而且制造业研发投入的外部性显现还是相对较慢的。

（二）政策建议

基于上述研究结论，笔者提出如下政策建议：

第一，正确认识企业的研发投入与经营绩效的阶段性和动态性。尽管研发投入是企业创新能力提升的核心环节，但研发投入并不是企业寻求创新的萬能钥匙，它还可能产生“双刃剑”的效果。在不同的成长机会下，研发投入对经营绩效的影响可能产生正向影响、负向影响甚至影响不显著，如果利用不当，造成资金的占用，收益短期内又无法收回，可能会导致企业资金链的断裂，出现亏损甚至破产。因此，企业进行战略决策时，应当客观地看待研发投入所带来的企业增长效应，结合企业不同的成长机会，利用研发投入的阶段性和动态性，积极探索符合企业可持续增长和业绩提升的合理研发路径，提升企业的核心竞争力和未来的抗风险能力。

第二，充分考虑行业差异对企业研发投入的影响。不同行业对于技术的依赖性不同，而且技术研发的行业关联还受到宏观环境和政策导向等诸多因素的影响，比如计算机、通信和其他电子设备等行业中，无形资产占比相对较高，核心技术的创新是企业成长的关键，而传统采矿业和服务业等行业对于技术的依赖程度相对较低，相应研发投入行为就少。不论是高新制造业还是传统非制造业，要保持竞争力，就需要合理安排研发投入，实现正确的产业技术转型。因此，行业研发投资战略的选择，应该充分考虑行业异质性及其潜在因素对研发投入的影响，并合理优化研发资源的配置结构。

第三，经营绩效受研发投入的影响存在明显滞后性，企业处于不同成长阶段，产生的收益可能来自于之前研发投入带来的渗透影响，研发投入在企业发展的不同阶段保持不同的配置比例，既要有效规划实施，也要考虑前期影响，合理提升企业研发资源的配置能力。在政府层面，发挥其主导作用，进行必要的宏观调控，给予符合条件的企业相应的研发补贴，鼓励企业研发的同时弥补企业研发投入不足;在企业层面，重视企业自身竞争力的提升，考虑企业规模与经营绩效协调发展，自主强化企业的研发能力，实现研发资源与其他资源的有效协同运行。

参考文献：

[1]Aghion， P.， Bechtold，S.， Cassar，L.， et al. The Causal Effects of Competition on Innovation：
Experimental Evidence[J]. The Journal of Law， Economics and Organization， 2018， 34（2）：
162-195.

[2]汪海粟，曾维新. 中国创业板上市公司无形资产蓝皮书[M]. 北京：知识产权出版社，2018.128-148.

[3]Romano，C.A. Research Strategies for Small Business：
A Case Study Approach[J].International Small Business Journal， 1989， 7（4）：
35-43.

[4]康志勇. 融资约束、政府支持与中国本土企业研发投入[J].南开管理评论，2013，（5）：61-70.

[5]安同良，施浩. 中国制造业企业R&D行为模式的观测与实证——基于江苏省制造业企业问卷调查的实证分析[J]. 经济研究，2006，（2）：21-30.

[6]成力为，戴小勇. 研发投入分布特征与研发投资强度影响因素的分析——基于我国 30 万个工业企业面板数据[J].中国软科学，2012，（8）：152-165.

[7]刘小玄，郑京海. 国有企业效率的决定因素：1985—1994[J].经济研究，1998，（1）：37-46.

[8]王亮亮，王跃堂. 企业研发投入与资本结构选择——基于非债务税盾视角的分析[J].中国工业经济，2015，（11）：125-140.

[9]罗绍德，刘春光. 企业 R&D 投入活动的影响因素分析——基于企业财务资源观[J].财经理论与实践，2009，（1）：56-60.

[10]Barker，V. L.， Mueller，G.C. CEO Characteristics and Firm R&D Spending[J]. Management Science， 2002， 48（6）：
782-801.

[11]Dugal，S.S.， Morbey，G.K. Revisiting Corporate R&D Spending During a Recession[J].Research-Technology Management， 2016， 38（4）：23-27.

[12]杜勇，鄢波，陈建英. 研发投入对高新技术企业经营绩效的影响研究[J].科技进步与对策，2014，（2）：87-92.

[13]朱卫平，伦蕊. 高新技术企业科技投入与绩效相关性的实证分析[J].科技管理研究，2004，（5）：7-9.

[14]周国红，陆立军. 企业R&D绩效测量的实证研究——基于对1162家浙江省科技型中小企业问卷调查与分析[J].科学学与科学技术管理，2002，（3）：78-82.

[15]周亚虹，许玲丽. 民营企业R&D投入对企业业绩的影响——对浙江省桐乡市民营企业的实证研究[J].财经研究，2007，（7）：102-112.

[16]朱焱，张孟昌. 企业管理团队人力资本、研发投入与企业绩效的实证研究[J].会计研究，2013，（11）：45-52.

[17]孙晓华，辛梦依. R&D投资越多越好吗？——基于中国工业部门面板数据的门限回归分析[J]. 科学学研究，2013，（3）：377-385.

[18]戴小勇，成力为. 研发投入强度对企业绩效影响的门槛效应研究[J].科学学研究，2013，（11）：1708-1716.

[19]Hansen，B.E. Threshold Effects in Non-Dynamic Panels：
Estimation，Testing， and Inference[J]. Journal of Econometrics， 1999， 93（2）：345-368.

[20]姚冰湜，马琳，王雪莉，等. 高管团队职能异质性对企业绩效的影响：CEO权力的调节作用[J]. 中国软科学，2015，（2）：117-126.

[21]陈修德，梁彤缨，雷鹏，等. 高管薪酬激励对企业研发效率的影响效应研究[J].科研管理，2015，（9）：26-35.

[22]曹廷求，孙文祥，于建霞. 资本结构、股权结构、成长机会与公司绩效[J].南开管理评论，2004，（1）：57-63.

[23]孙戈兵，连玉君，胡培. 不同成长机会下多元化与公司绩效的门槛效应[J].预测，2012，（4）：69-74.

[24]連玉君，程建. 不同成长机会下资本结构与经营绩效之关系研究[J].当代经济科学， 2006，（2）：97-103.

（责任编辑：孙 艳）