1. 引言

党的十九届五中全会提出提升企业技术创新能力的重点任务，并对其进行了具体部署。在强化企业创新主体地位的同时，需要促进各类创新要素向企业聚集；除此之外还要发挥企业家和高管在技术创新中的重要作用。Hambrick和Mason提出的高阶理论认为企业高管的经历、观念和性格等特质会影响其对于企业战略作出的决策，并最终影响企业创新、绩效等数据 [1]。因此，企业高管会基于同一个动机作出不一样的抉择。高管团队的认知差异会造成对企业技术创新的不同影响。但是，什么样的团队组合才能促进企业技术研发创新呢？这个问题目前还没有一致的结论。

通常而言，由于高管和大股东间存在利益冲突和信息不一致，代理问题在现今公司治理机制中十分普遍。Eisenhardt认为管理者可以被认为是“理性人”，因此他们在治理公司时会做出利益驱动行为 [2]。La Porta认为，大多数企业的代理问题主要集中在大股东对于小股东或高管的利益侵害 [3]。而根据以往研究，我国上市公司股权相对集中。因此，股东的“隧道挖掘行为”和“掏空行为”值得我们关注。那么，股权集中度是否会影响高管团队认知差异对于企业技术创新的影响呢？本文旨在通过该路径，研究股权集中度的调节效应。

2. 文献综述

现有文献大多从宏观环境和微观环境视角分析对技术创新的影响。宏观层面聚焦于政策、经济、技术环境。唐松探讨了数字金融发展对于企业技术创新的作用机理 [4]；余明桂分析了我国产业政策对企业技术创新的影响 [5]；屈晓娟采用省级面板数据研究了知识产权保护对于制造业技术效率的作用 [6]。就微观层面而言，多数研究聚焦于企业自身特性以及公司治理角度。孙林杰等构建了研发成本粘性与技术创新绩效的关系模型 [7]。王石磊等分析了中小企业网络关系与技术创新之间的联系 [8]。鲁桐等从行业划分的角度分析了持股比例和薪酬激励对技术创新的推动力量 [9]；张兆国等论证了高管团队稳定性对于企业技术创新的正向影响 [10]；侯婧等验证了高管权力配置对于企业技术创新产出的促进效果 [11]；郑明波从高管个人特征出发，研究海外背景、教育程度与技术创新的影响 [12]。尽管学者们普遍关注了公司治理层面对于企业创新的影响，但往往都忽略了高管团队认知差异的重要作用。

有关高管的文献多从社会学视角出发，采取人口统计学变量进行分析，主要包括性别、年龄、教育程度。鲁桂华等研究了高管学术经历对于股价崩盘的抑制效应，为提高公司信息质量提出建设性意见 [13]。韵江等关注了CEO年龄和职业余期对于战略变革的显著正向影响 [14]。也有研究观测了高管的职业背景，如权小锋探索高管从军经历对于企业创新的影响 [15]。少部分研究从心理学视角出发，通过高管心理特征、个人认知角度进行内在动机的研究。孙海法研究了高管团队不同社会价值观以及氛围对于冲突的联系 [16]。王分棉等探索了高管价值观差异对于企业创新研发的正向影响 [17]。可以说，现有研究普遍聚焦于高管个人层面，对于高管团队的研究还是比较少。此外，影响个人行为的因素是多重的，但高管研究的指标特征趋于单一化，是目前研究的不足之处。

概括来说，现有对于高管和技术创新的文献普遍存在着对象局限化、指标单一化的问题。因此，本文选取了2010~2019年2520家A股上市公司数据，以高管团队为单位，侧重于从认知视角探索，高管团队认知差异对于企业技术创新的影响；并且进行机制分析，研究股权集中度的调节效应。其中，对于认知差异，本文采用多指标选取的方式，丰富了指标含义，使得指标意义更加多元化。

3. 理论分析与研究假设

3.1. 高管团队教育水平多样性与企业技术创新

赵彦锋研究发现高管学历越高越可以缓解企业的融资约束，从而导致税收激进的抑制 [18]。曾亚婷认为高管团队受教育水平直接影响了企业的社会责任，从而显著促进企业技术创新水平 [19]。丁明发探索了高管学术经历从资本结构和推动创新两个渠道对公司价值的正向影响 [20]。上述研究可以看出高管受教育水平越高，其对于风险的把控能力越好。面对变化多端的市场环境时的处理能力和认知能力也越好。Nooraisah Katmon等指出低学历管理者的丰富实践经历也是企业战略、决策制定的宝藏之一 [21]。拥有多年实战经验的高级管理者对于创新效益更加敏锐，对企业开展技术革新起着一定的促进作用。总的来说，教育水平多样性有助于企业更好地认识到技术创新的重要性，高教育水平的管理者从理论认知角度提升企业创新能力；而低教育水平、高实践经历的管理者从行为战略角度提高企业创新的步伐。因此，可以提出以下假设：

假设H₁：高管团队教育水平多样性对企业技术创新有显著的正向作用。

3.2. 高管团队海外背景多样性与企业技术创新

通常而言，高管团队海外背景的多样性可以提供企业多元化的视角与框架去看待问题。现有研究大多支持高管的海外背景可以帮助企业开展技术创新，如郑明波考察了高管团队海外经历对于企业技术创新的效益 [12]；刘凤朝等研究了企业海外背景高管比例与专利申请量之间的正向关系 [22]；夏芸等分析了高管海外背景对于企业专利国际化的影响 [23]。此外，李春玲认为高管团队海外背景的多样性具有“明星效应”，可以激发员工和其他高层管理者的创新意识，加强企业技术创新投入 [24]。可以认为当高管团队中成员具有海外背景时，企业中其他人的思维方式、行为能力都会相应进行变化，对企业技术创新的在意程度也会随之上升。因此，可以提出以下假设：

假设H₂：高管团队海外背景多样性对企业技术创新具有显著的正向作用。

3.3. 高管团队金融背景多样性与企业技术创新

学界关于金融化对企业创新的研究主要分为两大类。部分学者如鱼乃夫等认为具有金融背景的高管更加精通于财务决策，擅长分析企业的发展前景并对其做出合适的经济性战略 [25]。足够的经济基础是企业技术创新的前提，因此金融化对于技术创新存在溢出作用。然而，Demir指出创新活动普遍具有耗时长、投资大的特征，企业可能更加偏好于短期收益大的项目或金融投资产品 [26]。此外，周锦培指出高管具有金融背景并不会提高企业绩效，但会通过金融性资产提升企业风险承担能力 [27]。张頔等研究了高管团队金融背景对于债务期限结构和企业研发投入的逆向调节作用 [28]。由此可以看出，金融背景高管更愿意在融资、债务等方面推动金融创新服务，他们在技术创新方面的号召力可能没有那么强。同时，鉴于金融化对于企业创新的不确定性影响，可以提出以下假设：

假设H₃：高管团队金融背景多样性对企业技术创新有显著的抑制作用。

3.4. 股权集中性对企业技术创新的调节效应

鉴于我国上市公司股权相对集中，企业高管作为代理人，和公司大股东之间存在着利益冲突。除此之外，信息不对称也是代理人与委托人之间的一大矛盾点，因此近年来代理问题层出不穷。杜善重等指出控股股东对企业的战略部署具有关键话语权，也就是说大股东的风险偏好可能影响企业的决策制定 [29]。而当公司股权集中于少数人手中时，可能产生大股东谋求私利的代理问题，如掏空行为。因此，大股东在面临金额巨大的创新投入时可能会徘徊不定。杨风等认为大股东由于面对经营风险无法分散等原因，倾向于保守的经营理念，从而不善于进行技术创新 [30]。钟腾等指出企业创新研发成本远高于隧道效应成本，因此大股东倾向于通过隧道效益获取长期收益 [31]。此时，高管团队教育水平、海外背景、金融背景的异质性导致的认知差异可能会被削弱。因此，可以提出以下假设：

假设H₄：民营企业中，股权集中性对企业技术创新存在更显著的负向调节效应

4. 数据样本和模型设定

4.1. 数据来源

本文选取2010年至2019年A股上市公司中非ST股票公司，共计4247家；鉴于2020年高管异质性数据仅有395家，样本量过少，因此并未采用2020年数据。获得初始样本后，依据以下标准进行了数据整理：1) 剔除高管个人特质缺失样本；2) 剔除财务报表数据有缺失样本；3) 剔除研发投入情况数据缺失样本；4) 对所有连续变量进行了1%和99%分位上的缩尾处理，最终得到2520家企业样本。高管个人特质数据(人物特征系列)、财务报表数据(公司研究系列)、研发投入情况数据(公司研究系列)均来源于国泰安(CSMAR)数据库；采用STATA16.0统计软件进行分析。

4.2. 变量选取

1) 被解释变量(RD_i,t)：技术创新投入

现有研究多以专利数量考量企业技术创新，但该指标并不能全面地测量企业技术创新。故本研究参考马俊 [32] 的做法，选取企业研发投入占营业收入的比例作为测量企业技术创新投入的指标，标记为RD_i,t。

2) 解释变量(H_i,t)：认知差异

依据上文的研究分析，本文选用高管异质性特征中的教育水平多样性(Hedu)、海外背景多样性(Habroad)和金融背景多样性(Heco)作为解释变量。参考原东良等 [33] 的研究，上述变量均采用Herfindal-Hirschman指数法度量。其中，教育水平包括中专及中专以下、大专、本科、硕士研究生(含MBA/EMBA)、博士研究生、其他；海外背景包括任职、求学、无海外背景；金融背景包括银行、保险、证券、期货公司等。借鉴杨林 [34] 的做法，将上述教育水平多样性、海外背景多样性和金融背景多样性进行累加，构成高管团队认知多样性指数H。 $p_{i,t}^2$表示第t年拥有某种特征i成员的占比，H值越大，表明高管团队认知差异越大。公式如下：

$H_{i,t}=1-\underset{i=1}{\overset{n}{{\displaystyle \sum }}}{p}_{i,t}^2$

3) 调节变量(LS)：股权集中度

参考陈德萍 [35] 的做法，本文选用公司第一大股东持股比例作为股权集中度的衡量指标。

4) 控制变量

根据本文重点关注对象，设置了以下控制变量：a) 资产负债率Lev；b) 企业规模Size；c) 两权分离率SEP；d) 现金资产比率CA；e) 营业利润占比OP；f) 产权性质Ownership。变量具体定义见表1。

4.3. 实证模型

为检验高管团队认知差异对于企业技术创新的影响，本文设立以下模型进行回归分析：

$R{D}_{i,t}={\beta }_0+{\beta }_{1}Hed{u}_{i,t}+{\beta }_2{X}_{i,t}+{\beta }_3{\delta }_i+{\mu }_{i,t}$(1)

$R{D}_{i,t}={\beta }_0+{\beta }_{1}Habroa{d}_{i,t}+{\beta }_2{X}_{i,t}+{\beta }_3{\delta }_i+{\mu }_{i,t}$(2)

$R{D}_{i,t}={\beta }_0+{\beta }_{1}Hec{o}_{i,t}+{\beta }_2{X}_{i,t}+{\beta }_3{\delta }_i+{\mu }_{i,t}$(3)

$R{D}_{i,t}={\beta }_0+{\beta }_1{H}_{i,t}+{\beta }_2{X}_{i,t}+{\beta }_3{\delta }_i+{\mu }_{i,t}$(4)

其中， $X_{i,t}$指本研究控制变量； ${\delta }_i$为年份虚拟变量； ${\mu }_{i,t}$为误差项； ${\beta }_i$为待估参数。

此外，本文构建了模型(5)用以检验股权集中度的调节效应。

$R{D}_{i,t}=bL{S}_{i,t}+\left(a+cL{S}_{i,t}\right)H_{i,t}+e$(5)

其中，高管团队异质性分别为教育水平多样性、海外背景多样性、金融背景多样性以及认知多样性，并分别把它们放入模型4中进行回归。

5. 实证结果与分析

5.1. 相关性分析

变量间的相关性如表2所示，高管团队教育水平多样性和海外背景多样性与企业技术创新投入显著正相关，以上结果验证了本文的部分假设。高管团队金融背景与创新投入负相关，但并不显著。关于高管团队金融背景多样性的研究假设需要通过回归进一步分析。为进一步研究变量间的多重线性关系，本文对其进行了方差膨胀因子分析，得到VIF均值为1.20，远小于10，故可排除变量间的多重线性关系。

5.2. 描述性统计

本文对关键变量进行了描述性统计，结果见表3。由表3可知，2010~2019年我国A股上市公司对于企业技术创新的投入平均值为4.48，标准差为3.77，表明不同企业在技术创新投入力度上存在显著差异。高管教育水平异质性较高，均值为0.46，表明上市公司高管中存在学历差距较显著的现象。上述研究结果与邓新明 [36] 一致。高管金融背景异质性水平较低，均值为0.07，表明高管团队中具有金融背景的高管占比不多，仅为少数。

5.3. 回归分析

面板回归涵盖了混合效应模型、随机效应模型和固定效应模型三种方式。为判断使用固定效应模型还是随机效应模型，本文检验了模型中统一参数估计量的显著性差异，即Hausman检验。检验结果显示，Hausman检验对应的P值小于0.05，故采用固定效应模型。

具体回归分析如表4所示，列(1)、(2)分别检验了高管团队教育水平、海外背景与企业技术创新的显著促进效果，假设H₁和H₂成立。说明高管教育水平和海外背景异质性越高，更易做出激励创新的决策，与郝清民等 [37]、郑海元 [38] 的研究结论一致。列(3)检验了高管团队金融背景多样性和企业技术创新投入的关系，两者成反比，并在1%的显著性水平上通过检验，假设H3成立。参照杨林 [34] 对于高管团队认知多样性的研究方法，本文将上述三项自变量指标进行数值加总，得到的认知差异H同样与技术创新投入RD在1%的显著性水平上通过检验，说明高管团队的认知差异与企业技术创新存在显著的正向影响。最后，列(5)以把三个自变量放进方程中进行回归的方式，再次验证了认知差异对于创新战略的影响程度。系数符号与模型(1)、(2)、(3)的结果一致。

此外，就控制变量的回归结果而言，资产负债率与企业创新投入存在显著的负向影响；规模越大的企业在技术创新中的资金投入会更多；现金资产占比与企业技术创新呈逆向作用，可能的原因在于：高管厌恶财务风险，造成流动资金闲置，没有实现价值增值，因此对于技术创新的兴致也较小。

注：^*、^**、^***分别表示在10%、5%和1%显著水平下显著；括号内为t值；下同。

5.4. 股权集中度的调节作用

本文通过构建交互项的方式检验股权集中性对团队认知差异和技术创新投入的调节效应，结果如表5所示。列(1)、(2)中交互项系数为负，表明股权集中性弱化了高管团队教育水平多样性和海外背景多样性对企业创新的促进作用。也就是说，由于公司股权的集中性，大股东规避风险意识较重，不敢冒险进行高投入的技术创新。因此，高管的多样性差异作用得到削弱。列(3)中交互项系数为负，但并不显著，说明金融背景多样性对于技术创新投入的逆向作用并未因为股东股权的集中而发生改变。最后，将认知差异H与股权集中性构建交互项进行回归。结果显示其在1%的置信水平上显著，再次验证了认知差异对企业技术创新的影响受到股权集中性的负向调节作用。假设H₄基本得到验证。

6. 结论及讨论

6.1. 研究结论

本文试图将传统的高管异质性理论拓展到团队认知差异中，以高管个性特征的多样性为切入点，研究认知差异对于企业技术创新的影响以及股权集中性在该机制中的作用原理。主要研究结论如下：

高管团队教育水平多样性和海外背景多样性对企业技术创新有显著的正向影响。教育水平具有显著差异的高管团队会对一个经营目标产生不同的策略组合。与郝清民 [37] 的观点一致，高教育水平团队具有高水平和大视野，更加注重企业多元化的发展，更愿意开展高新技术的研发。低教育水平丰富的实践经验帮助企业作出具有前瞻性的决策，因此同样有助于技术创新的开展。海外背景异质性有助于企业提高风险承担能力，从而作出较为激进的决策，与郭令秀等 [39] 的研究结果一致。高管团队金融背景水平多样性对企业技术创新有显著的抑制作用。具有金融背景的高管会依靠自身优势，对金融性资产付出较多投入，以此获得短期内较高的回报，而这和技术创新耗时长、投入多的特点不同，并且会导致较高的财务风险，因此团队金融背景异质性越高，对于企业技术创新的驱动力也就越小。此外，股权集中性削弱了高管团队认知差异对于企业技术创新的促进作用，第二类代理理论同样佐证了这一观点。从代理视角来看，“一家独大”的上市公司更可能造成私利行为；而大股东通常具有较大话语权，会更加青睐于低成本的隧道效应，此外其畏惧风险、重视资金回报率的风格特质弱化了企业的创新投入。

6.2. 启示与实践意义

本文以前人的研究为基础，将股权集中性作为调节变量，考察高管团队认知差异对于企业技术创新的研究路径。为上市公司提供了以下实践意义：1) 企业在招募高管团队成员时，应注重人员间的差异性水平，优化高管团队配置，增强团队成员教育水平和海外背景的多样性；2) 企业在制定长期战略时眼光不能局限于当下，应该加强创新研发能力，跟上新时代新征程的步伐；3) 企业应当为股东和高管权利设定约束机制，避免决策和思维模式的老套化，杜绝大股东拍脑袋做决定的现象以及上市公司隧道行为的普及。

6.3. 局限性和未来研究方向

当然，本文存在着一定的局限性，主要包括以下：1) 鉴于2020年数据的不全面性，本文企业异质性水平的数据仅涵盖了2010~2019年，未囊括最新数据；2) 本文数据均采用二手数据，对于高管团队认知差异的定义存在着不全面的情况；3) 针对董事会股权情况的调节效应，本文仅采取了股权集中性这一变量，而股权制衡度、股权结构状态的影响因素也有待进一步探讨。

学者可以基于上述几点进行未来研究，包括对认知差异进行更加细致地定义，或通过结构化访谈、问卷等形式，获取关于认知差异的一手数据；增加股权情况的变量，进一步研究代理问题对于高管团队认知差异和企业技术创新的影响。

参考文献