一、R&；D投入现状
1.研发费用投入强度分布情况
本文剔除1674个R&；D投入强度变量无意义（即主营业务收入为0）的样本后，最终共计得到7835个样本。
从R&；D强度分布情况表可以看出73.03%的企业没有研发费用投入，9.29%的企业R&；D强度在10%~50%之间。R&；D强度在2%以上的企业占了23.35%，表明多数企业的研发费用投入还在一个相对较低的水平上。
2.政府支持力度情况
在9509个样本中，仅有280个样本在2004年得到了政府支持资金，比例为2.94%。这说明，政府对以上行业的企业以资金的方式直接支持研究与开发的力度还较弱。
3.技术人员比例分布情况
剔除18个技术人员比例变量无意义的样本后，最终共计得到9491个样本。
从技术人员比例分布情况表7-3可以看出，62.32%的企业没有固定的技术人员。技术人员比例高于20%的企业占了34.04%，表明企业技术力量的投入偏低。
R&；D是企业经济效益的源泉，企业新产品的开发与产品成本结构的优化均依赖于R&；D投入。从长远来看，北京市高新技术企业当前低R&；D投入的现状必然会影响到其技术实力和核心竞争力的培养。
二、研发费用投入强度与绩效相关性关系分析
1.研发费用投入强度与企业盈利能力
对于上述结果，本文认为：
（1）从研发费用投入强度与企业盈利能力相关性上可以看出，当企业无研发费用投入时，主营业务利润率均值为44.75%。除研发投入强度5%~6%组主营业务利润率均值出现小幅波动外，9%以内的各组对应的主营业务利润率均值均在大约40%~50%之内，差异较小。
（2）当研发费用投入强度达到3%时，主营业务利润率才开始超过无研发费用投入那一组。这说明并不是企业一旦投入研发费用就一定能对企业的当期盈利能力起到显著作用，只有达到某一个强度后，研发的投入才会显现出效益。在本次样本中3%就是一个明显界限。
（3）当研发费用投入强度超过9%时，主营业务利润率均值发生较大幅度提高，首次突破50%，达到53.85%。此后，随着研发投入强度的不断增强，主营业务利润率均值不断攀升。当研发投入强度超过300%时，主营业务利润率再次出现小幅回落。此时，可能研发投入过多影响到了企业的当期盈利能力。
2.研发费用投入强度与企业技术创新能力
对于上述结果，本文认为：
（1）从研发费用投入强度与企业技术创新相关性上可以看出，当企业无研发费用投入时，无形资产比率均值为8.03%，3%以内的各组对应的无形资产比率均值均在大约6%~7%之内，差异较小。
（2）当研发费用投入强度达到3%时，主营业务利润率才开始超过无研发费用投入那一组，且增幅较大。这说明并不是企业一旦投入研发费用就一定能对企业的技术创新能力起到显著作用，只有达到某一个强度后，研发的投入才会显现出效益。在本次样本中3%就是一个标志性界限。
（3）当研发费用投入强度超过4%但小于6%时，无形资产比率均值有所回落，但始终高于研发投入强度达到3%前的那几组样本。此后，随着研发投入强度的不断增强，除8%~9%、9%~10%和200%~300%三组外，无形资产比率均值不断提高。当研发投入强度在100%~200%和300%以上时，无形资产比率均值均超过20%。
三、政府支持度与绩效相关性关系分析
1.政府支持度与企业盈利能力
对于上述结果（表7-6），本文认为：
（1）从政府支持度与企业盈利能力相关性上可以看出，当企业没有得到政府研发资金支持时，主营业务利润率均值为27.87%，政府支持度小于0.5%时，主营业务利润率均值均在大约30%之内，差异较小。
（2）当政府支持度超过0.5%但小于1%时，主营业务利润率均值有较大幅度的提高，达到了46.10%。接下来，在政府支持度介于1%~2%和2%~3%时，主营业务利润率均值有所回落。
（3）当政府支持度超过3%但小于4%时，主营业务利润率均值再次大幅升高，达到了50.89%。接下来，在政府支持度未达到15%以前，主营业务利润率再次大幅回落，但较政府支持度介于1%~2%和2%~3%所对应的主营业务利润率均值有所升高。
（4）当政府支持度超过15%，分别在15%~20%和20%~30%时，主营业务利润率均值创新高，首次突破60%，分别达到63.08%和61.93%。此后，主营业务利润率均值再次出现大幅回落，但较政府支持度介于4%~5%和5%~15%所对应的主营业务利润率均值又有所升高。因此，从总的趋势来看，随着政府支持度的提高，主营业务利润率均值是上升的。
（5）当政府支持度超过100%时，主营业务利润率均值达到59.36%，较15%~20%和20%~30%两组样本的盈利能力都低。可见，在北京市高新技术企业样本中，对于企业盈利能力来说，政府支持度存在一个最合理的区间，大约在15%~20%或20%~30%左右。
2.政府支持度与企业技术创新能力
对于上述结果，本文认为：
（1）从政府支持度与企业技术创新能力相关性上可以看出，当企业没有得到政府研发资金支持时，无形资产比率均值为9.03%，当得到政府研发资金支持但力度小于2%时，无形资产比率均值小于没有得到政府研发资金支持的企业。这说明，并不是企业一旦得到政府的研发资金支持就一定能对企业的技术创新能力起到显著作用，只有达到某一个强度后才会显现出效益。在北京市高新技术企业样本中2%就是一个标志性界限。
（2）当政府支持度超过2%但小于3%时，无形资产比率均值达到10.38%，首次超过没有得到政府研发资金支持的样本组。接下来，在政府支持度未达到15%以前，主营业务利润率均值有小幅回落，但较政府支持度小于2%所有样本组的无形资产比率均值都大。因此，从总的趋势来看，随着政府支持度的提高，无形资产比率均值是上升的。
（3）当政府支持度超过15%，分别在15%~20%和20%~30%时，无形资产比率均值再创新高，分别达到 21.27%和17.07%。此后，无形资产比率均值再次出现大幅回落，回到政府支持度小于2%所对应的无形资产比率均值水平。
（4）当政府支持度超过100%时，主营业务利润率均值上升至15.56%，较15%~20%和20%~30%两组样本的技术创新能力都低。可见，在北京市高新技术企业样本中，对于企业技术创新能力来说，政府支持度也存在一个最合理的区间，大约同样在15%~20%或20%~30%左右。
此外，通过分析发现：政府支持度为零的样本主营业务利润率均值为27.87%，其无形资产比率均值为9.03%；但政府支持度不为零的样本主营业务利润率均值为44.67%，其无形资产比率均值为9.75%。这说明，北京市高新技术企业是否得到来自政府的研发资金支持对企业的盈利能力和技术创新能力是有较大区别的。因此，本文在对北京市样本进行线性回归分析时，为了拟合模型的精确度和真实性，只选取了政府支持度大于零的样本作为最终样本是合理的。
四、技术人员比例与绩效相关性关系分析
1.技术人员比例与企业盈利能力
剔除18个技术人员比例数据无意义以及2094个主营业务利润率为负值或者为无意义的样本后，最终得到7397个样本。
对于上述结果，本文认为：
（1）从技术人员比例与企业盈利能力相关性上可以看出，当企业无技术人员投入时，主营业务利润率均值为41.05%，当企业技术人员投入比重达到 10%之前，主营业务利润率均值为35.39%。当技术人员投入比重达到10%以后，主营业务利润率才开始超过无技术人员投入那一组。这说明，并不是企业一旦投入技术人员就一定能对企业的盈利能力起到显著作用，只有达到某一个强度后，技术人员的投入才会显现出效益。在本次样本中10%就是一个标志性界限。
（2）当技术人员比例超过50%但小于60%时，主营业务利润率均值有所回落，但始终高于技术人员比例达到10%前的那组样本。此后，随着技术人员投入比重的不断增强，除80%~90%一组外，主营业务利润率均值不断提高。
（3）虽然，从整体上来看，样本公司技术人员比例与盈利能力之间有一定相关关系，但却不是很明显，这在一定程度上说明企业经济效益的高低不仅取决于技术的投入，还与资金的投入、管理模式及管理水平等因素有着直接的关系。
2.技术人员比例与企业技术创新能力
剔除技术人员比例无意义的9个样本和无形资产比率无意义的65个样本后，最终得到9435个样本。
对于上述结果，本文认为：
（1）从技术人员比例与企业技术创新能力相关性上可以看出，当企业无科技人员投入时，无形资产比率均值为7.47%，当企业科技人员投入比重达到10%之前，主营业务利润率均值为5.34%。当科技人员投入比重达到10%以后，主营业务利润率才开始超过无科技人员投入那一组。这说明并不是企业一旦投入科技人员就一定能对企业的技术创新能力起到显著作用，只有达到某一个强度后，科技人员的投入才会显现出成果。在本次样本中10%是一个标志性界限。
（2）当技术人员比例超过40%但小于50%以及大于50%但小于60%时，无形资产比率均值有所回落，但始终高于技术人员比例达到10%前的那组样本。此后，随着技术人员投入比重的不断增强，除80%~90%一组外，无行资产比率均值不断提高。
（3）虽然，从整体上来看，样本公司技术人员比例与技术创新能力有一定的相关关系，但却不是很明显，这说明企业技术创新能力的高低不仅取决于技术的投入，也与资金的投入、管理模式及管理水平等因素有着直接的关系。
五、研发费用投入强度、技术人员比例、政府支持度与绩效相关性的实证检验
本部分主要是对研发费用投入强度、技术人员比例、政府支持度与各绩效指标进行多元线性回归分析，在分析过程中采用了SPSS 13.0版本统计分析软件。按照本文前述样本数据的最终确定标准，在北京市样本中共筛选得到211个样本。在确定最终的回归模型前，先使用Enter全部强行进入法将未通过的变量剔除，再将通过的变量使用逐步回归法（Stepwise）和加权最小二乘法（WLS）得到最终的回归模型。采用逐步回归法是用以消除模型的多重共线性，使用加权最小二乘法是用以消除模型的异方差。同时，检验D。W。值以检验模型的一阶序列相关性。通过以上方法，可以确保得到较为精确的线性回归模型。
1.最终样本描述性统计
表7-10为北京市高新技术上市公司研发费用绩效评价的统计性描述。北京市高新技术上市公司研发费用主要绩效评价指标的变化趋势情况。由于此表中的样本为R&；D经费投入强度在（0~1）之间且政府支持度和主营业务利润率均大于零的样本，因此，各项投入和产出指标的均值均较全国高新技术上市公司高出许多。正是由于北京市样本有较高的研发投入水平，所以，表现出了良好的产出效果。但是，最大值和最小值之间巨大的差异说明北京市样本数据分散程度极大。
2.北京市不分行业样本多元线性回归分析结果
通过输出结果可知：两个模型的F值对应的Sig。均为0.000，远小于0.05，F检验均通过，说明这两个方程总体线性关系都显著。两个模型相应的判定系数 R2依次为 0.202和0.241，说明这两个模型对因变量的解释能力分别达到了20.2%和24.1%。由于模型中考虑的解释变量较少等原因，所以较小的判定系数也是合理的。模型的解释变量所对应的 P值均远小于0.05，都通过了t检验（变量的显著性检验），说明这两个模型的解释变量对被解释变量的影响都是显著的。
由于一般专业书籍中的D。W。检验上下界表中的样本数量不超过100，所以无法轻易获知本文中211个样本数量对应的准确的上下界值。但一般说来，在同样的显著性水平下，随着样本量的增加，上下界值均会增加，只是变化特别微小，所以，对照100个样本数量的上下界值便会大致得到模型的一阶序列相关性。
根据模型 1的回归结果可知，其 D。W。值 =1.552.经查D。W。检验上下界表可知，在5%的显著性水平下，若为100个样本的模型1对应的临界值 dL =1.63，dU =1.72，D。W。值落在D。W。值！dL区域，可知模型1存在正的一阶序列相关性。但在1%的显著性水平下，若为100个样本的模型1对应的临界值dL=1.50，dU=1.58，D。W。值落在dL！D。W。值！dU区域，此时不能确定模型1是否存在一阶序列相关性。因此，模型是否存在一阶序列相关性与显著性水平的设定有关。
根据模型 1的回归结果可知，其 D。W。值 =1.925.经查D。W。检验上下界表可知，在5%的显著性水平下，若为100个样本的模型2对应的临界值 dL =1.63，dU =1.72，D。W。值落在dU！D。W。值！4-dU区域，可知模型2无一阶序列相关性。
通过实证分析可知：首先，北京市样本主营业务利润率与研发费用投入强度和政府支持度有显著的正相关关系，但与前者更相关；无形资产比率与研发费用投入强度和技术人员比例均有显著的正相关关系，也与前者更相关。其次，对于北京市样本来说，研发费用投入强度对企业的盈利能力及技术创新能力的提高均有着极其重要的意义。因此，应该进一步加大研发资金投入的力度。最后，在加大研发资金投入的力度的同时，还应该注意引进和培养技术人才以及强化政府的支持力度。只有通过加强资金、人才和政府支持三个方面的力度，使其形成一种合力，北京市高新技术企业才会在盈利能力方面、技术创新方面走在全国的前列。
3.具体的实证检验过程
本章主要将北京市不分行业样本多元线性回归的具体实证检验过程列示如下：
（1）将研发费用投入强度X1、技术人员比例X2、政府支持度X3作为自变量，主营业务利润率Y1作为因变量，全部强行进入回归模型。主要输出结果如下：
通过输出结果可知：模型的F值对应的Sig。均为0.002，远小于0.05，F检验通过，说明方程总体线性关系显著。模型的解释变量所对应的P值中只有研发费用投入强度远小于0.05，通过了t检验（变量的显著性检验），而政府支持度所对应的 P值略大于0.05，技术人员比例所对应的P值为0.594远大于0.05，这两个变量均未通过检验，需要做进一步的回归分析。
（2）将研发费用投入强度X1、政府支持度X3作为自变量，主营业务利润率Y1作为因变量，采用逐步回归方法和加权最小二乘法建立回归模型。主要输出结果如下：
通过输出结果可知：两个模型的F值对应的Sig。均为0.000，远小于0.05，F检验均通过，说明这两个方程总体线性关系都显著。两个模型相应的决定系数R2依次增大，说明这两个模型对因变量的解释能力依次增大。模型的解释变量所对应的P值均远小于0.05，都通过了t检验（变量的显著性检验），说明这两个模型的解释变量对被解释变量的影响都是显著的。这两个解释变量中，研发费用投入强度变量X1是最先进入模型的，解释力最强。其次是政府支持度变量X3.
综合以上分析，可知模型2是最优的。可以构建关于主营业务利润率的如下方程：
根据各解释变量前面的系数和符号可知，该模型是符合经济意义的。正如模型假设，高新技术企业的盈利能力与研发费用投入强度和政府支持度呈正相关关系。
（3）将研发费用投入强度X1、技术人员比例X2、政府支持度X3作为自变量，无形资产比率Y2作为因变量，全部强行进入回归模型。主要输出结果如下：
通过输出结果可知：模型的F值对应的Sig。均为0.034，小于0.05，F检验通过，说明方程总体线性关系显著。模型的解释变量所对应的P值均大于0.05，未通过t检验（变量的显著性检验）。其中，研发费用投入强度X1所对应的P值略大于0.05，模型需要做进一步的回归分析。
（4）将研发费用投入强度X1、技术人员比例X2、政府支持度X3作为自变量，无形资产比率Y2作为因变量，采用逐步回归方法和加权最小二乘法建立回归模型。主要输出结果如下：
通过输出结果可知：两个模型的F值对应的Sig。均为0.000，远小于0.05，F检验均通过，说明这两个方程总体线性关系都显著。两个模型相应的判定系数R2依次增大，说明这两个模型对因变量的解释能力依次增大。模型的解释变量所对应的P值均远小于0.05，都通过了t检验（变量的显著性检验），说明这两个模型的解释变量对被解释变量的影响都是显著的。这两个解释变量中，研发费用投入强度变量X1是最先进入模型的，解释力最强，其次是技术人员比例变量X2.
综合以上分析，可知模型2是最优的。可以构建关于无形资产比率的如下方程：
根据各解释变量前面的系数和符号可知，该模型是符合经济意义的。正如模型假设，高新技术企业的技术创新能力与研发费用投入强度和技术人员比例呈正相关关系。
六、研发费用绩效的行业分类比较
本章将研发费用绩效的行业分类实证结果归纳如下：
1.最终样本（不包括政府支持度为0的样本）统计性描述
对于上述结果，本文认为：
（1）软件业的投入与产出各项指标均排名第一；
（2）黑色金属冶炼及压延加工业和有色金属冶炼及压延加工业的投入以及产出各项指标均排名靠后；
（3）虽然医药制造业和通信设备、计算机及其他电子设备制造业的投入各项指标均名列前茅，但前者的盈利能力和技术创新能力均比后者强许多；
（4）虽然石油和天然气开采业和船舶及浮动装置制造业的投入各项指标均比较靠后，但盈利能力均排名靠前、技术创新能力一般；
（5）虽然汽车制造业的各项投入排位中间，但是其无形资产比率均值名列第二，表现出较高的技术创新能力。
现用以下投入与产出对照表（表7-27）将以上主要分析结果归纳如下：
由于采用无形资产比率代替技术资产比率近似衡量技术创新能力并不能完全准确地反映企业的真实情况，故此处将盈利能力作为主要的标准用以衡量企业的产出情况。
通过分析可知，北京市应该扬长避短，集中优势资源发展优势产业。首先，大力发展高投入高产出和低投入高产出的有关行业，即软件业、医药制造业、飞机制造及修理业、石油和天然气开采业、船舶及浮动装置制造业；其次，对高投入低产出的行业，即通信设备、计算机及其他电子设备制造业和汽车制造业，由于它们均为自主知识产权较少的行业，所以应该着力加强自主研发步伐、积极进行结构改造，使其向着高产出的方向改进；最后，对低投入低产出的行业，即黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、化学纤维制造业，北京市应该在不影响国民经济需要的前提下有计划的缩小其产业规模。
2.最终样本行业分类实证结果
本部分主要将线性回归分析结果汇总如下：
对于上述结果，本文认为：
（1）样本中符合实证分析要求的分行业高新技术企业样本盈利能力均与当年研发费用投入强度具有显著的相关关系，并且当年研发费用投入强度在各变量中解释力最强。其中，软件业和汽车制造业样本的盈利能力与当年研发费用投入强度正相关；通信设备、计算机及其他电子设备制造业和医药制造业的盈利能力与当年研发费用投入强度负相关。
（2）软件业和通信设备、计算机及其他电子设备制造业的高新技术企业样本盈利能力还与当年技术人员比例具有显著的相关关系。其中，前者是负相关关系；而后者是正相关关系。
（3）软件业、通信设备、计算机及其他电子设备制造业和医药制造业高新技术企业样本的盈利能力还与当年政府支持度具有显著的正相关关系。
（4）样本中符合实证分析要求的分行业高新技术企业样本的技术创新能力并不像盈利能力那样具有稳定且鲜明的变量相关性特征。其中，软件业和汽车制造业高新技术企业样本的技术创新能力与当年研发费用投入强度正相关；通信设备、计算机及其他电子设备制造业和医药制造业高新技术企业样本的技术创新能力与当年技术人员比例负相关；此外，软件业高新技术企业样本的技术创新能力还与政府支持度负相关，医药制造业高新技术企业样本的技术创新能力还与政府支持度正相关。
（5）不同行业高新技术企业的发展策略应该各有侧重（不考虑投入的产出效应可能存在一定的滞后性）：
对于软件业高新技术企业来说，由于其盈利能力和技术创新能力均与当年研发费用投入强度正相关，并且当年研发费用投入强度在各变量中解释力最强，但加大当年政府支持度对盈利能力和技术创新能力的提高作用不同，所以，软件业高新技术企业自身应进一步加大对研发资金的投入力度。
对于通信设备、计算机及其他电子设备制造业高新技术企业来说，由于其盈利能力与当年研发费用投入强度负相关，技术创新能力与当年技术人员比例负相关，但其盈利能力与政府支持度正相关，所以，政府应对通信设备、计算机及其他电子设备制造业高新技术企业进一步加大资金扶持力度。
对于汽车制造业高新技术企业来说，由于其盈利能力和技术创新能力均与当年研发费用投入强度正相关，所以，汽车制造业高新技术企业自身也应进一步加大对研发资金的投入力度。
对于医药制造业高新技术企业来说，由于其盈利能力与当年研发费用投入强度负相关，技术创新能力与当年技术人员比例负相关，所以，政府也应对医药制造业高新技术企业进一步加大资金扶持力度。
需要说明的是，由于采用无形资产比率代替技术资产比率近似衡量技术创新能力并不能完全准确地反映企业的真实情况，所以技术人员比例与技术创新能力并没有如模型假设中预期的那样表现正相关关系，反而体现的是负相关性或无相关性，这可能与人力资本投入的产出效应具有滞后性、某些行业高新技术企业的技术人员比例过低等原因有关。