信息技术业上市公司无形资产对企业绩效的影响研究：基于理论与实证的双重剖析

信息技术业上市公司无形资产对企业绩效的影响研究：基于理论与实证的双重剖析一、引言1.1研究背景与意义随着全球经济向知识经济和数字经济加速转型，信息技术行业作为推动经济发展和社会进步的核心力量，其重要性日益凸显。近年来，信息技术行业呈现出迅猛的发展态势，大数据、人工智能、云计算、物联网等前沿技术不断涌现并快速迭代，深刻改变着人们的生活方式、商业模式和产业格局。根据中国信息通信研究院发布的数据，2023年我国软件和信息技术服务业规模以上企业超3.5万家，累计完成软件业务收入12.4万亿元，同比增长11.2%，展现出强大的增长活力和市场潜力。在信息技术行业蓬勃发展的背后，无形资产扮演着举足轻重的角色。与传统行业依赖固定资产和有形资源不同，信息技术企业的核心竞争力更多地体现在无形资产上。技术专利是企业创新成果的法律保护，代表着企业在技术领域的领先地位，如华为公司凭借大量的5G技术专利，在全球通信市场占据重要份额；软件著作权是信息技术企业的关键资产，支撑着各类软件产品和服务的开发与运营，像微软公司的Windows操作系统软件著作权，为其带来了持续且丰厚的利润；而商业秘密则涵盖了企业独特的算法、技术诀窍和客户资源等，为企业在激烈的市场竞争中构筑起隐秘而坚实的壁垒。此外，品牌价值和客户关系等无形资产也对信息技术企业至关重要。强大的品牌形象能提升企业的市场认可度和产品附加值，吸引更多客户；良好的客户关系则有助于提高客户忠诚度，促进业务的持续拓展。研究无形资产与信息技术企业绩效的相关性具有重要的理论和现实意义。从理论层面看，尽管现有研究已关注到无形资产在企业发展中的作用，但对于不同行业，尤其是信息技术这一高度依赖无形资产的行业，无形资产对企业绩效的影响机制和程度仍有待深入探究。本研究将丰富和完善无形资产与企业绩效关系的理论体系，为后续研究提供新的视角和实证依据。在实践方面，对企业管理者而言，深入了解无形资产与绩效的相关性，能帮助他们更加科学地制定战略决策，合理配置资源。管理者可以加大对无形资产的投入和培育力度，优化无形资产的管理策略，提升企业的创新能力和核心竞争力，从而实现企业绩效的提升。对于投资者来说，准确把握无形资产对企业绩效的影响，能为投资决策提供有力支持。投资者可以更全面地评估企业的价值和潜力，筛选出具有高增长潜力和投资价值的信息技术企业，降低投资风险，提高投资收益。对于监管机构，研究成果有助于制定更加科学合理的政策法规，引导信息技术企业重视无形资产的培育和保护，促进整个行业的健康、可持续发展。1.2研究方法与创新点本文综合运用多种研究方法，深入剖析无形资产与信息技术企业绩效的相关性，力求为该领域的研究提供全面且深入的见解。文献研究法：通过全面搜集和深入分析国内外关于无形资产、企业绩效以及两者相关性的经典文献和前沿研究成果，梳理已有研究脉络，了解当前研究的热点与空白，为本文的研究奠定坚实的理论基础。从早期对无形资产定义、分类和计量的探讨，到近年来对其与企业绩效关系的多维度研究，系统梳理相关理论，如资源基础理论、核心竞争力理论在无形资产研究中的应用，明确研究方向，确保研究的科学性和创新性。实证分析法：以信息技术业上市公司为样本，进行实证研究。样本选取方面，依据证监会行业分类标准，筛选沪深交易所上市的信息技术企业，并对样本进行严格筛选，剔除数据缺失、异常以及财务状况不稳定的公司，确保数据的准确性和可靠性，最终获取[X]个有效样本。变量设定上，选取主营业务利润率、总资产收益率、净资产收益率等作为衡量企业绩效的被解释变量，无形资产占总资产的比例、技术类无形资产占比、品牌价值等作为解释变量，并引入企业规模、资产负债率、研发投入强度等作为控制变量，全面考量各因素对企业绩效的影响。通过构建多元线性回归模型，运用SPSS、Stata等统计软件进行数据分析，检验无形资产与企业绩效之间的相关性及影响程度。案例分析法：选取行业内具有代表性的企业，如华为、腾讯等，深入剖析其无形资产的构成、管理策略以及对企业绩效的影响。通过对这些企业的案例研究，从实践角度验证实证研究结果，深入了解无形资产在企业实际运营中的作用机制，为信息技术企业提升无形资产运营管理水平提供具体的实践经验和启示。以华为为例，详细分析其在5G技术研发过程中，大量的专利申请和技术创新如何转化为市场竞争优势，推动企业业绩的增长。在研究过程中，本文在以下几个方面力求创新：样本选取：聚焦于信息技术业这一高度依赖无形资产的特定行业，相比以往宽泛的研究样本，能够更精准地揭示无形资产在该行业与企业绩效的独特关系，避免行业差异对研究结果的干扰，使研究结论更具针对性和指导意义。变量设定：不仅考虑无形资产的总体规模，还细分无形资产的类别，如将技术类无形资产单独列出，并引入品牌价值、客户关系等难以量化但对信息技术企业至关重要的无形资产因素作为变量，更全面地反映无形资产的构成及其对企业绩效的影响，弥补了以往研究变量单一的不足。研究视角：综合运用多学科理论，从财务学、管理学、经济学等多个视角分析无形资产与企业绩效的相关性，探讨无形资产在提升企业核心竞争力、促进创新驱动发展等方面的作用机制，拓宽了研究思路，为信息技术企业的战略管理和决策提供更全面的理论支持。二、理论基础与文献综述2.1无形资产理论基础2.1.1无形资产的定义与范围无形资产的定义在会计准则中有着明确的界定。我国《企业会计准则第6号——无形资产》规定，无形资产是指企业拥有或者控制的没有实物形态的可辨认非货币性资产。这一定义强调了无形资产的三个关键特征：无实物形态、可辨认性以及非货币性。无实物形态使得无形资产区别于固定资产等有形资产，它们不以物质实体的形式存在，而是以某种权利、技术或获取超额利润的能力等形式体现；可辨认性要求无形资产能够从企业中分离或者划分出来，并能单独或者与相关合同、资产或负债一起，用于出售、转移、授予许可、租赁或者交换，或者源自合同性权利或其他法定权利，无论这些权利是否可以从企业或其他权利和义务中转移或者分离；非货币性则表明无形资产不属于以固定或可确定金额收取的资产，其未来经济利益的流入具有不确定性。在信息技术业中，常见的无形资产类别丰富多样。技术专利是企业创新成果的重要体现，如芯片制造技术专利、通信技术专利等，是企业在技术研发方面的核心竞争力所在，能为企业带来技术领先优势和市场垄断地位；软件著作权是信息技术企业的关键资产，涵盖了操作系统软件、应用软件、数据库管理软件等各类软件的著作权，支撑着企业软件产品的开发、销售和运营，为企业创造持续的经济收益；商业秘密包括企业独特的算法、技术诀窍、客户名单、营销策略等，这些信息不为公众所知悉，能为企业带来竞争优势，并且企业采取了合理的保密措施加以保护；品牌价值在信息技术业也至关重要，强大的品牌形象能提升企业的市场认可度和产品附加值，吸引更多客户，像苹果、谷歌等知名品牌，凭借其卓越的品牌价值在全球市场占据领先地位；客户关系同样是不可忽视的无形资产，稳定、良好的客户关系有助于提高客户忠诚度，促进业务的持续拓展，保障企业的稳定收入来源。2.1.2无形资产的特征无形资产的无实物形态特征在信息技术业体现得淋漓尽致。以软件著作权为例，它是一种无形的权利，虽然没有具体的物质实体，但却蕴含着巨大的经济价值。企业通过研发软件，获得软件著作权，以此为基础向市场推出各类软件产品，满足用户的多样化需求，从而获取收益。软件著作权的价值并非体现在其物理载体（如光盘、存储设备等）上，而是体现在软件所包含的程序代码、功能设计、用户界面等无形要素中。这些无形要素决定了软件的性能、质量和市场竞争力，为企业带来持续的经济利益流入。可辨认性特征使得信息技术业的无形资产能够与企业的其他资产相区分。例如，企业拥有的一项独特的人工智能算法技术，它可以从企业整体中分离出来，单独用于授权给其他企业使用，或者与相关的技术服务合同一起，为企业带来额外的收入。这种可辨认性为无形资产的交易、评估和管理提供了基础，使得企业能够清晰地界定和核算自身所拥有的无形资产，准确衡量其价值和对企业的贡献。非货币性特征在信息技术业中也十分显著。无形资产不像货币资金或应收账款等资产那样，具有固定或可确定的金额。以品牌价值为例，它的价值受到多种因素的影响，如品牌知名度、市场美誉度、消费者忠诚度、品牌传播范围等。这些因素不断变化，使得品牌价值难以用固定的货币金额来准确衡量。而且品牌价值为企业带来的未来经济利益也是不确定的，可能随着市场竞争、消费者偏好变化、企业经营策略调整等因素而波动。2.1.3无形资产的计量无形资产的计量包括初始计量和后续计量两个重要阶段。在初始计量方面，外购的无形资产，其成本包括购买价款、相关税费以及直接归属于使该项资产达到预定用途所发生的其他支出。例如，信息技术企业购买一套专业的软件系统，其初始成本不仅包括软件的购买价款，还包括购买过程中支付的相关税费，以及为使软件能够正常运行所发生的安装调试费用等。如果购买无形资产的价款超过正常信用条件延期支付，实质上具有融资性质的，无形资产的成本以购买价款的现值为基础确定，实际支付的价款与购买价款现值之间的差额，除按照《企业会计准则第17号——借款费用》应予资本化的以外，应当在信用期间内计入当期损益。对于自行研发的无形资产，其成本包括自满足资本化条件开始至无形资产达到预定用途前所发生的全部支出。在信息技术业，企业的研发活动通常包括研究阶段和开发阶段。研究阶段是为获取并理解新的科学或技术知识而进行的独创性的有计划调查，该阶段的支出具有较大的不确定性，通常于发生时计入当期损益。而开发阶段是在进行商业性生产或使用前，将研究成果或其他知识应用于某项计划或设计，以生产出新的或具有实质性改进的材料、装置、产品等，当开发阶段的支出同时满足完成该无形资产以使其能够使用或出售在技术上具有可行性、具有完成该无形资产并使用或出售的意图、无形资产产生经济利益的方式能够证明运用该无形资产生产的产品存在市场或无形资产自身存在市场、有足够的技术和财务资源以及其他资源支持以完成该无形资产的开发并有能力使用或出售该无形资产、归属于该无形资产开发阶段的支出能够可靠地计量等条件时，才能确认为无形资产，其成本包括自满足资本化条件开始至达到预定用途前所发生的支出总额，但是对于以前期间已经费用化的支出不再调整。在后续计量阶段，企业应当于取得无形资产时分析判断其使用寿命。对于使用寿命有限的无形资产，其应摊销金额应当在使用寿命内系统合理摊销。企业摊销无形资产，应当自无形资产可供使用时起，至不再作为无形资产确认时止。摊销方法应当反映与该项无形资产有关的经济利益的预期实现方式，常见的摊销方法有直线法、产量法等。如果无法可靠确定预期实现方式的，应当采用直线法摊销。无形资产的摊销金额一般应当计入当期损益，但如果某项无形资产所包含的经济利益通过所生产的产品或其他资产实现的，其摊销金额应当计入相关资产的成本。例如，用于生产特定软件产品的专利技术，其摊销金额应计入该软件产品的生产成本。对于使用寿命不确定的无形资产，企业不进行摊销，但应当在每个会计期间对其使用寿命进行复核，并每年进行减值测试。如果有证据表明无形资产的使用寿命是有限的，应当估计其使用寿命，按使用寿命有限的无形资产的有关规定处理。在信息技术业，由于技术更新换代迅速，市场竞争激烈，一些无形资产的使用寿命存在较大的不确定性。例如，某些新兴的软件技术或互联网商业模式，其市场前景和寿命难以准确预测，企业需要密切关注市场动态和技术发展趋势，及时对无形资产的使用寿命和价值进行评估和调整。信息技术业中无形资产计量面临诸多难点与挑战。首先，研发支出的资本化与费用化界限有时难以准确划分。在信息技术企业的研发过程中，研究阶段和开发阶段的活动往往相互交织，难以清晰界定，导致研发支出在资本化和费用化之间的判断存在主观性和不确定性。其次，无形资产的价值评估难度较大。由于信息技术业的无形资产具有高度的创新性和独特性，缺乏活跃的市场交易，难以找到可比的市场价格作为评估依据。而且无形资产的价值受到技术更新、市场竞争、企业经营状况等多种因素的影响，未来经济利益的流入具有较大的不确定性，使得传统的评估方法（如成本法、市场法、收益法）在应用时面临诸多困难，难以准确评估无形资产的真实价值。此外，对于一些难以量化的无形资产，如品牌价值、客户关系等，如何将其纳入会计核算体系并进行合理计量，也是信息技术业面临的一个重要问题。2.2企业绩效理论基础2.2.1企业绩效的内涵企业绩效是衡量企业在一定时期内经营成果和效率的综合概念，其内涵丰富，涵盖多个层面，对企业的生存与发展至关重要。从财务指标角度看，企业绩效体现为一系列量化的财务数据，这些数据直观地反映了企业在财务方面的表现。主营业务利润率是衡量企业核心业务盈利能力的关键指标，它通过计算主营业务利润与主营业务收入的比值，揭示了企业在扣除直接成本后，从主要经营活动中获取利润的能力。较高的主营业务利润率表明企业的核心产品或服务具有较强的市场竞争力和盈利能力，能够为企业带来稳定的利润来源。例如，在信息技术业，一家软件开发企业的主营业务利润率较高，说明其开发的软件产品在市场上受到广泛认可，销售价格合理，且成本控制得当，从而使得企业在主营业务上能够获得丰厚的利润。总资产收益率则全面考量了企业运用全部资产获取利润的能力，它是净利润与平均资产总额的比率。这一指标反映了企业资产利用的综合效果，体现了管理层对企业资产的运营效率和管理水平。一个较高的总资产收益率意味着企业能够有效地配置和利用资产，将资产转化为更多的利润，实现资产的增值。以信息技术企业为例，如果企业能够合理规划和使用其拥有的固定资产、流动资产以及无形资产等各类资产，提高资产的周转速度和利用效率，就能提高总资产收益率，增强企业的盈利能力。净资产收益率是从股东权益的角度衡量企业绩效的重要指标，它反映了股东权益的收益水平，用以衡量公司运用自有资本的效率。该指标越高，说明股东权益的收益越高，企业为股东创造的价值越大。在信息技术行业，企业通过不断创新，提高产品或服务的附加值，优化资本结构，合理控制成本，从而提高净资产收益率，吸引更多的投资者，为企业的发展提供充足的资金支持。除了财务指标，非财务指标在衡量企业绩效中也具有不可或缺的作用，它们从多个维度补充和完善了对企业绩效的评价，使评价更加全面和客观。创新能力是信息技术企业保持竞争力的核心要素之一。在快速发展的信息技术行业，技术创新日新月异，企业必须不断投入研发资源，推出新的技术、产品或服务，才能满足市场需求，跟上行业发展的步伐。研发投入强度是衡量企业创新投入的重要指标，它反映了企业对研发活动的重视程度和投入力度。例如，华为公司每年在研发方面投入大量资金，研发投入强度持续保持在较高水平，这使得华为在5G通信技术、芯片研发等领域取得了众多领先的技术成果，为企业的市场拓展和业绩增长奠定了坚实的基础。专利申请数量和技术创新成果转化效率则从不同角度体现了企业的创新产出和创新效果。专利申请数量反映了企业在技术创新方面的活跃程度和创新成果的积累，而技术创新成果转化效率则衡量了企业将创新成果转化为实际经济效益的能力。一个企业虽然拥有大量的专利申请，但如果不能有效地将这些专利转化为市场上具有竞争力的产品或服务，就无法实现创新的价值。客户满意度是衡量企业产品或服务质量以及客户关系管理水平的重要非财务指标。在信息技术业，客户需求多样化且变化迅速，企业只有不断提升产品或服务的质量，满足客户的个性化需求，才能提高客户满意度。通过定期开展客户满意度调查，收集客户的反馈意见，企业可以及时发现自身存在的问题，并采取针对性的改进措施，优化产品功能、提升服务水平，从而增强客户的忠诚度，促进客户的重复购买和口碑传播，为企业带来稳定的客户资源和业务增长。例如，苹果公司一直致力于提升客户体验，其产品在设计、性能和用户界面等方面都追求极致，赢得了全球消费者的高度认可和赞誉，客户满意度始终保持在较高水平，这也为苹果公司带来了持续的市场竞争优势和丰厚的利润回报。员工素质和团队协作能力也是影响企业绩效的重要因素。在信息技术行业，高素质的人才是企业创新和发展的核心驱动力。员工的专业技能、知识水平和创新思维能力直接关系到企业的技术研发能力、产品质量和服务水平。例如，谷歌公司以拥有全球顶尖的技术人才而闻名，这些高素质的员工为谷歌在搜索引擎技术、人工智能等领域的创新发展提供了强大的智力支持。同时，良好的团队协作能力能够促进信息共享、提高工作效率，使企业能够更好地应对复杂多变的市场环境。在项目开发过程中，不同部门的员工需要密切协作，充分发挥各自的专业优势，才能确保项目的顺利推进和高质量完成。如果团队成员之间缺乏有效的沟通和协作，就容易导致项目进度延误、成本增加，影响企业的绩效。2.2.2企业绩效评价方法常见的企业绩效评价方法众多，各有其特点和适用范围。平衡计分卡（BalancedScoreCard，BSC）是一种全面、系统的绩效评价工具，由美国哈佛商学院的罗伯特・卡普兰（RobertKaplan）和诺朗诺顿研究所所长戴维・诺顿（DavidNorton）在1992年提出。它从财务、客户、内部运营、学习与成长四个维度，将企业的战略目标转化为可衡量的绩效指标，实现了财务指标与非财务指标的有机结合，短期目标与长期目标的相互平衡。在财务维度，关注企业的盈利能力、偿债能力和资产运营效率等传统财务指标，如营业收入、净利润、资产负债率等；客户维度聚焦于客户满意度、市场份额、客户忠诚度等指标，衡量企业在市场中的表现和客户对企业的认可程度；内部运营维度着重分析企业内部业务流程的效率和效果，包括产品研发周期、生产效率、服务响应时间等指标；学习与成长维度则关注员工的培训与发展、员工满意度、信息系统的建设与完善等，为企业的持续发展提供动力支持。例如，一家信息技术企业在运用平衡计分卡进行绩效评价时，通过设定财务目标，如提高净利润率、增加市场份额等，引导企业关注经济效益；在客户维度，设定客户满意度目标，促使企业不断优化产品和服务，提升客户体验；在内部运营维度，设定缩短软件开发周期、提高系统稳定性等目标，推动企业改进业务流程，提高运营效率；在学习与成长维度，设定员工培训时长、员工创新提案数量等目标，激发员工的学习热情和创新能力，为企业的长远发展奠定基础。平衡计分卡适用于信息技术业，因为该行业竞争激烈，企业不仅要关注短期财务绩效，还需重视客户需求、创新能力和内部运营效率等方面的提升，以保持长期的竞争优势。通过平衡计分卡，企业可以将战略目标分解到各个部门和员工，实现战略的有效落地，促进各维度之间的协同发展，全面提升企业绩效。经济增加值（EconomicValueAdded，EVA）是一种基于经济利润的绩效评价方法，由美国思腾思特咨询公司（SternStewart&Co.）提出。它的核心思想是企业只有在扣除包括权益资本成本在内的所有成本后仍有剩余收益，才真正为股东创造了价值。EVA的计算公式为：EVA=税后净营业利润-资本成本，其中资本成本等于调整后的资本总额乘以加权平均资本成本率。在信息技术业，企业通常需要大量的研发投入和资本支出，这些投入在短期内可能不会带来明显的财务回报，但从长期来看，对企业的发展至关重要。EVA考虑了权益资本成本，能够更准确地反映企业的真实盈利能力和价值创造能力，避免企业为追求短期利润而忽视长期发展。例如，一家信息技术企业在评估一个新的研发项目时，使用EVA方法可以综合考虑项目的预期收益、投入的资本成本以及项目对企业未来发展的战略价值，从而做出更科学的投资决策。如果一个项目虽然在短期内利润不高，但它能够提升企业的技术实力，为未来的市场竞争奠定基础，且从长期来看其EVA为正，那么企业就应该积极推进该项目。EVA适用于信息技术业，它有助于企业管理层更加关注企业的长期价值创造，引导企业合理配置资源，优化资本结构，提高资本使用效率，避免盲目追求规模扩张和短期利润，从而实现企业的可持续发展。杜邦分析法（DuPontAnalysis）是一种经典的财务比率综合分析方法，由美国杜邦公司创立并最先采用。它以净资产收益率为核心指标，通过将净资产收益率分解为多个财务比率的乘积，如销售净利率、总资产周转率和权益乘数，深入分析企业的盈利能力、资产运营效率和财务杠杆对净资产收益率的影响。销售净利率反映了企业每一元销售收入所带来的净利润，体现了企业的盈利能力；总资产周转率衡量了企业资产的运营效率，即企业在一定时期内资产周转的次数；权益乘数则反映了企业的财务杠杆程度，即企业负债与股东权益的比例关系。例如，对于一家信息技术企业，通过杜邦分析可以发现，如果企业的净资产收益率较低，进一步分析发现是销售净利率较低，可能意味着企业的产品定价不合理、成本控制不力或市场竞争激烈；如果是总资产周转率较低，可能表明企业的资产运营效率不高，存在资产闲置或库存积压等问题；如果是权益乘数过高，可能说明企业的财务风险较大，负债水平过高。杜邦分析法适用于信息技术业，它为企业提供了一个简洁而全面的财务分析框架，帮助企业管理层快速了解企业的财务状况和经营成果，找出影响企业绩效的关键因素，从而有针对性地制定改进措施，提升企业绩效。然而，杜邦分析法也存在一定的局限性，它主要侧重于财务指标分析，忽视了非财务因素对企业绩效的影响，在当今竞争激烈、技术创新迅速的信息技术行业，非财务因素如创新能力、客户满意度等对企业的长期发展至关重要，因此杜邦分析法需要与其他评价方法结合使用，才能更全面地评价企业绩效。2.3文献综述2.3.1国外研究现状国外学者对无形资产与企业绩效相关性的研究起步较早，成果丰硕。在理论研究方面，资源基础理论为无形资产与企业绩效关系的研究奠定了重要基础。该理论认为，企业是各种资源的集合体，而无形资产作为企业独特的、难以模仿和替代的资源，是企业获取竞争优势和提升绩效的关键。例如，企业拥有的独特技术专利、知名品牌等无形资产，能够使企业在市场中脱颖而出，获得超额利润。基于此理论，众多学者深入探讨了无形资产在企业价值创造中的作用机制。在实证研究领域，研究视角和方法呈现多样化。一些学者从无形资产的构成要素入手，研究不同类型无形资产对企业绩效的影响。如Hall（1993）通过对美国制造业企业的研究发现，研发投入作为无形资产的重要组成部分，与企业的市场价值和盈利能力呈显著正相关。研发投入能够促进企业技术创新，开发出具有竞争力的新产品或服务，从而提升企业的市场份额和利润水平。Criliches（1981）的研究表明，专利数量是衡量企业技术创新能力的重要指标，与企业绩效密切相关。拥有更多专利的企业，在技术上具有领先优势，能够更好地满足市场需求，进而提高企业绩效。还有学者从无形资产的价值评估角度出发，研究其对企业绩效的影响。Lev和Zarowin（1999）指出，传统的财务报告往往低估了无形资产的价值，导致企业的真实价值被市场忽视。他们通过构建新的无形资产价值评估模型，发现准确评估无形资产价值能够更准确地反映企业的绩效和未来发展潜力。例如，对于信息技术企业，品牌价值、客户关系等无形资产虽然难以用传统的财务指标衡量，但对企业的长期发展至关重要。采用合理的评估方法对这些无形资产进行估值，能够为投资者和管理者提供更有价值的决策信息，有助于提升企业绩效。此外，部分学者运用事件研究法，研究无形资产相关事件对企业绩效的短期影响。如企业获得重大技术专利、品牌推广活动等事件发生时，通过分析股票价格的波动、市场份额的变化等指标，评估这些事件对企业绩效的即时影响。BaruchLev（2001）对企业研发投入公告事件进行研究，发现市场对企业研发投入增加的公告反应积极，股票价格往往会上涨，表明市场认可研发投入等无形资产对企业未来绩效的积极影响。2.3.2国内研究现状国内学者在无形资产与企业绩效相关性研究方面也取得了显著进展。在理论研究上，学者们结合中国国情，对无形资产的理论体系进行了深入探讨。一方面，借鉴国外先进理论，如在资源基础理论、核心竞争力理论的基础上，进一步分析无形资产在中国企业中的独特地位和作用机制。另一方面，关注中国企业在无形资产的管理、保护和利用方面的特点和问题，提出了一系列适合中国企业的无形资产发展战略和管理策略。在实证研究方面，国内学者通常以中国上市公司为样本，运用多元线性回归、面板数据模型等方法进行研究。薛云奎和王志台（2001）以上海证券交易所的上市公司为样本，研究发现无形资产与企业的市场价值和经营业绩呈显著正相关，且无形资产对企业绩效的贡献大于固定资产。他们的研究为国内无形资产与企业绩效关系的实证研究奠定了基础。邵红霞和方军雄（2006）进一步细化研究，将无形资产按照明细分类进行分析，发现不同类型的无形资产对公司盈利能力的影响存在差异。技术类无形资产，如专利、软件著作权等，对企业盈利能力的提升作用更为显著，而土地使用权等无形资产对企业盈利能力的影响相对较弱。随着研究的深入，一些学者开始关注无形资产的质量和效率对企业绩效的影响。袁晓玲和张宝山（2009）通过构建无形资产质量评价指标体系，研究发现无形资产质量与企业绩效之间存在显著的正相关关系。高质量的无形资产，如具有较高技术含量和市场竞争力的专利、品牌等，能够更有效地促进企业绩效的提升。而无形资产的利用效率，即无形资产转化为实际经济效益的能力，也对企业绩效有着重要影响。提高无形资产的利用效率，能够降低企业成本，增加利润，提升企业的市场竞争力。与国外研究相比，国内研究在样本选择上更侧重于中国本土企业，更能反映中国企业的实际情况。但在研究方法的创新性和研究深度上，与国外仍存在一定差距。国外研究在运用新的计量方法、多学科交叉研究等方面更为领先，而国内研究在无形资产的国际比较、跨行业研究等方面还有待加强。2.3.3文献评述现有研究在无形资产与企业绩效相关性方面取得了丰富成果。理论研究明确了无形资产在企业价值创造中的重要地位，为后续研究提供了坚实的理论基础。实证研究从多个角度验证了无形资产与企业绩效之间的正相关关系，并深入分析了不同类型无形资产、无形资产的质量和效率等因素对企业绩效的影响。这些研究成果为企业管理者重视无形资产的培育和管理、投资者合理评估企业价值提供了有力的理论支持和实践指导。然而，现有研究仍存在一些不足之处。在研究范围上，虽然已有不少针对特定行业的研究，但对于一些新兴行业，如人工智能、区块链等领域的研究还相对较少。这些新兴行业具有独特的技术特点和商业模式，无形资产的构成和作用机制与传统行业存在较大差异，需要进一步深入研究。在研究方法上，部分实证研究在变量选取和模型构建上存在一定的局限性，可能导致研究结果的偏差。例如，一些研究在衡量无形资产时，仅考虑了可量化的部分，而忽略了品牌价值、客户关系等难以量化但对企业绩效有重要影响的无形资产。在模型构建方面，可能没有充分考虑到变量之间的内生性问题，影响了研究结论的可靠性。在研究视角上，多学科交叉研究还不够深入。无形资产与企业绩效的关系涉及财务学、管理学、经济学、法学等多个学科领域，目前的研究在综合运用多学科理论和方法进行深入分析方面还有待加强。未来研究可以从以下几个方向展开：一是进一步拓展研究范围，加强对新兴行业无形资产与企业绩效关系的研究，深入挖掘这些行业中无形资产的独特价值和作用机制，为新兴行业企业的发展提供针对性的建议。二是改进研究方法，优化变量选取和模型构建。在变量选取上，应综合考虑无形资产的各种构成要素，采用更科学的方法对难以量化的无形资产进行估值和衡量；在模型构建方面，充分考虑变量之间的内生性问题，运用更先进的计量方法，如工具变量法、双重差分法等，提高研究结果的准确性和可靠性。三是深化多学科交叉研究，从财务学、管理学、经济学、法学等多个学科视角，全面分析无形资产与企业绩效的关系。例如，从法学角度研究无形资产的保护机制对企业绩效的影响，从经济学角度探讨无形资产在市场竞争中的作用和价值创造原理，为企业无形资产的管理和运营提供更全面、深入的理论支持。三、研究设计3.1研究假设基于前文对无形资产理论、企业绩效理论以及相关文献的综合分析，提出以下关于无形资产与信息技术企业绩效相关性的研究假设，旨在深入探究两者之间的内在联系，为后续的实证研究提供明确的方向和理论依据。假设1：信息技术企业无形资产与企业绩效存在显著正相关关系：在信息技术行业，无形资产是企业核心竞争力的关键构成要素。技术专利、软件著作权等无形资产，作为企业技术创新成果的结晶，能够为企业构筑坚实的技术壁垒，使其在激烈的市场竞争中脱颖而出。通过凭借独特的技术优势，企业可以开发出更具创新性和竞争力的产品或服务，从而吸引更多客户，扩大市场份额，进而提升企业的营业收入和利润水平。例如，一家专注于人工智能领域的信息技术企业，拥有多项核心算法专利和软件著作权，这些无形资产使其能够开发出精准高效的人工智能应用产品，满足市场对智能化解决方案的需求，吸引大量客户，显著提升企业的市场份额和盈利能力。因此，提出假设1，即信息技术企业无形资产与企业绩效存在显著正相关关系。假设2：技术类无形资产对信息技术企业绩效的正向影响更为显著：技术类无形资产，如专利、非专利技术和软件著作权等，在信息技术企业中占据核心地位。这类无形资产直接反映了企业的技术创新能力和研发实力，是企业在技术驱动型的信息技术行业中保持竞争优势的关键。与其他类型的无形资产相比，技术类无形资产能够更直接地转化为企业的产品或服务优势，推动企业技术升级和业务拓展。例如，一家软件开发企业拥有众多软件著作权，这些软件著作权直接支撑了其各类软件产品的开发和销售，通过不断升级和优化软件产品，满足客户日益增长的需求，为企业带来持续的收入增长和利润提升。相比之下，品牌价值等其他无形资产的形成和发挥作用，在一定程度上依赖于技术类无形资产所支撑的优质产品或服务。因此，提出假设2，即技术类无形资产对信息技术企业绩效的正向影响更为显著。假设3：品牌价值作为无形资产对信息技术企业绩效具有积极影响：在信息技术行业，市场竞争异常激烈，产品和服务同质化现象较为严重。在这种背景下，品牌价值成为企业吸引客户、树立差异化竞争优势的重要因素。强大的品牌形象能够在客户心中建立起高度的信任和认同感，使客户更倾向于选择该品牌的产品或服务，从而提高客户忠诚度和市场份额。以苹果公司为例，其凭借卓越的品牌价值，在全球智能手机市场占据领先地位，消费者对苹果品牌的高度认可和忠诚度，使得苹果产品即使在价格较高的情况下，依然拥有庞大的消费群体，为企业带来丰厚的利润。品牌价值还能够为企业带来更高的产品附加值，提升企业的盈利能力。因此，提出假设3，即品牌价值作为无形资产对信息技术企业绩效具有积极影响。假设4：客户关系作为无形资产对信息技术企业绩效具有积极影响：信息技术企业的业务具有较强的持续性和拓展性，稳定、良好的客户关系是企业持续发展的重要保障。良好的客户关系能够提高客户的重复购买率和忠诚度，为企业带来稳定的收入来源。通过与客户建立长期、稳定的合作关系，企业能够深入了解客户需求，及时调整产品或服务策略，更好地满足客户个性化需求，提升客户满意度。以腾讯公司为例，其在社交网络、游戏等业务领域积累了庞大的用户群体，通过不断优化用户体验，加强与用户的互动和沟通，建立了良好的客户关系。这些忠诚的客户不仅持续使用腾讯的产品和服务，还会通过口碑传播为腾讯带来新的用户，促进企业业务的不断拓展和业绩的提升。因此，提出假设4，即客户关系作为无形资产对信息技术企业绩效具有积极影响。3.2样本选取与数据来源本文选取信息技术业上市公司作为研究样本，主要基于以下原因：信息技术业作为知识密集型和技术密集型产业，对无形资产的依赖程度极高。在该行业中，技术创新、研发投入、品牌建设和客户关系维护等无形资产相关活动频繁且关键，是企业获取竞争优势和实现可持续发展的核心要素，因此研究该行业无形资产与企业绩效的相关性具有典型性和代表性。在样本筛选过程中，遵循以下标准：依据中国证券监督管理委员会（CSRC）的行业分类标准，选取在沪深证券交易所上市的信息技术业公司作为初始样本。为确保数据的准确性和可靠性，对初始样本进行进一步筛选。剔除上市时间不足3年的公司，因为新上市公司在经营模式、市场份额和财务状况等方面尚未稳定，其数据可能不具有代表性；剔除ST（SpecialTreatment）和*ST（退市风险警示）公司，这类公司通常面临财务困境或其他异常情况，其经营绩效和无形资产状况可能受到特殊因素影响，会干扰研究结果的准确性；剔除数据缺失严重或异常的公司，避免因数据质量问题导致研究偏差。经过严格筛选，最终确定了[X]家信息技术业上市公司作为研究样本，涵盖了软件与信息技术服务、电子信息制造、通信设备制造等多个细分领域，保证了样本的广泛性和多样性。数据来源方面，财务数据主要来源于国泰安（CSMAR）数据库和万得（Wind）数据库，这些数据库提供了上市公司详细的财务报表数据，包括资产负债表、利润表和现金流量表等，从中获取无形资产相关数据，如无形资产原值、累计摊销、无形资产净额等，以及企业绩效相关的财务指标数据，如主营业务利润率、总资产收益率、净资产收益率等。对于无形资产中的技术专利和软件著作权数据，通过国家知识产权局官网和中国版权保护中心官网进行查询和补充验证，以确保数据的准确性和完整性。品牌价值数据参考专业的品牌评估机构发布的报告，如世界品牌实验室发布的“世界品牌500强”榜单、中国品牌价值评价信息发布平台发布的品牌价值评价结果等，这些机构运用科学的评估方法和模型，综合考虑品牌知名度、市场份额、品牌忠诚度、品牌溢价能力等因素，对企业品牌价值进行评估，为研究提供了可靠的数据支持。客户关系相关数据则通过对上市公司年报、社会责任报告以及投资者关系活动记录的深入分析获取，同时结合行业研究报告和市场调研数据，从客户数量、客户满意度、客户忠诚度、客户流失率等多个维度衡量企业的客户关系状况。在数据处理过程中，首先对收集到的数据进行清洗，检查数据的一致性和准确性，纠正明显的错误数据，填补少量缺失数据。对于缺失值较多的数据，采用均值插补法、回归预测法等方法进行处理。然后，运用Excel软件对数据进行初步整理和计算，如计算各变量的基本统计量、进行数据标准化处理等，为后续的实证分析做好准备。为了消除异常值对研究结果的影响，对连续变量进行1%水平的双边缩尾处理，即把小于1%分位数的值调整为1%分位数的值，把大于99%分位数的值调整为99%分位数的值，确保数据的稳定性和可靠性，提高研究结果的准确性和可信度。3.3变量定义与模型构建3.3.1变量定义本研究选取的变量包括自变量、因变量和控制变量，各变量的定义和度量方法如下：自变量（无形资产相关变量）：无形资产占总资产比例（Intangible_Asset_Ratio），用无形资产净额除以总资产，用以衡量企业无形资产在整体资产中的相对规模，反映企业对无形资产的重视程度和资产结构特点。该比例越高，表明无形资产在企业资产中所占的地位越重要。技术类无形资产占比（Technical_Intangible_Asset_Ratio），即技术专利、软件著作权等技术类无形资产的净额与无形资产净额的比值，体现技术类无形资产在无形资产总额中的占比情况，突出技术要素在企业无形资产中的核心地位。较高的技术类无形资产占比，意味着企业在技术创新方面具有更强的实力和资源投入。品牌价值（Brand_Value），参考专业品牌评估机构发布的品牌价值数据，如Interbrand、BrandZ等机构对信息技术企业品牌价值的评估结果，直接反映企业品牌在市场中的影响力和商业价值，是衡量企业品牌资产的重要指标。品牌价值越高，说明企业品牌在消费者心中的认知度、美誉度和忠诚度越高，能为企业带来更多的市场份额和利润。客户关系（Customer_Relationship），通过客户满意度调查得分、客户忠诚度指标（如重复购买率、客户留存率等）的综合加权计算得出，用以衡量企业与客户之间关系的紧密程度和质量，体现企业在客户维护和市场拓展方面的能力。良好的客户关系有助于企业稳定客户群体，促进业务的持续增长。因变量（企业绩效指标）：主营业务利润率（Operating_Profit_Margin），为（主营业务利润÷主营业务收入）×100%，反映企业主营业务的盈利能力，衡量企业核心业务在扣除直接成本后获取利润的能力，是评估企业经营效益的关键指标之一。较高的主营业务利润率，表明企业的核心产品或服务在市场上具有较强的竞争力和盈利能力。总资产收益率（Return_on_Total_Assets），等于（净利润÷平均资产总额）×100%，全面衡量企业运用全部资产获取利润的能力，体现企业资产利用的综合效果，反映了管理层对企业资产的运营效率和管理水平。该指标越高，说明企业资产的运营效率越高，能够更有效地将资产转化为利润。净资产收益率（Return_on_Equity），即（净利润÷股东权益）×100%，从股东权益的角度衡量企业绩效，反映股东权益的收益水平，用以评估公司运用自有资本的效率。净资产收益率越高，意味着股东权益的收益越高，企业为股东创造的价值越大。控制变量：企业规模（Firm_Size），以企业总资产的自然对数来衡量，反映企业的整体规模大小，对企业绩效可能产生影响。较大规模的企业通常在资源获取、市场份额、成本控制等方面具有优势，可能对企业绩效产生积极作用。资产负债率（Debt_Asset_Ratio），是（负债总额÷资产总额）×100%，衡量企业的负债水平和偿债能力，反映企业的财务风险状况。过高的资产负债率可能增加企业的财务风险，对企业绩效产生负面影响；而适度的负债可以利用财务杠杆效应，提升企业绩效。研发投入强度（R&D_Intensity），用研发投入金额与营业收入的比值表示，体现企业对研发活动的重视程度和投入力度，反映企业的创新投入水平。较高的研发投入强度通常与企业的技术创新能力和未来发展潜力相关，可能对企业绩效产生积极影响。行业虚拟变量（Industry_Dummy），根据证监会行业分类标准，将信息技术业细分为软件与信息技术服务、电子信息制造、通信设备制造等多个子行业，设置相应的虚拟变量，用以控制行业差异对企业绩效的影响，反映不同子行业的特点和竞争环境对企业绩效的作用。年度虚拟变量（Year_Dummy），设置多个年度虚拟变量，用于控制不同年份宏观经济环境、政策变化等因素对企业绩效的影响，排除时间因素对研究结果的干扰。具体变量定义如表1所示：变量类型变量名称变量符号度量方法自变量无形资产占总资产比例Intangible_Asset_Ratio无形资产净额÷总资产自变量技术类无形资产占比Technical_Intangible_Asset_Ratio技术类无形资产净额÷无形资产净额自变量品牌价值Brand_Value专业品牌评估机构发布的品牌价值数据自变量客户关系Customer_Relationship客户满意度调查得分、客户忠诚度指标综合加权计算因变量主营业务利润率Operating_Profit_Margin（主营业务利润÷主营业务收入）×100%因变量总资产收益率Return_on_Total_Assets（净利润÷平均资产总额）×100%因变量净资产收益率Return_on_Equity（净利润÷股东权益）×100%控制变量企业规模Firm_Size企业总资产的自然对数控制变量资产负债率Debt_Asset_Ratio（负债总额÷资产总额）×100%控制变量研发投入强度R&D_Intensity研发投入金额÷营业收入控制变量行业虚拟变量Industry_Dummy根据子行业设置虚拟变量控制变量年度虚拟变量Year_Dummy根据年份设置虚拟变量3.3.2模型构建为了检验无形资产与企业绩效之间的相关性，构建以下多元线性回归模型：\begin{align*}OPM_{it}&=\beta_0+\beta_1Intangible\_Asset\_Ratio_{it}+\beta_2Technical\_Intangible\_Asset\_Ratio_{it}+\beta_3Brand\_Value_{it}+\beta_4Customer\_Relationship_{it}+\beta_5Firm\_Size_{it}+\beta_6Debt\_Asset\_Ratio_{it}+\beta_7R\&D\_Intensity_{it}+\sum_{j=1}^{n}\beta_{8j}Industry\_Dummy_{jit}+\sum_{k=1}^{m}\beta_{9k}Year\_Dummy_{kit}+\epsilon_{it}\\ROTA_{it}&=\beta_0+\beta_1Intangible\_Asset\_Ratio_{it}+\beta_2Technical\_Intangible\_Asset\_Ratio_{it}+\beta_3Brand\_Value_{it}+\beta_4Customer\_Relationship_{it}+\beta_5Firm\_Size_{it}+\beta_6Debt\_Asset\_Ratio_{it}+\beta_7R\&D\_Intensity_{it}+\sum_{j=1}^{n}\beta_{8j}Industry\_Dummy_{jit}+\sum_{k=1}^{m}\beta_{9k}Year\_Dummy_{kit}+\epsilon_{it}\\ROE_{it}&=\beta_0+\beta_1Intangible\_Asset\_Ratio_{it}+\beta_2Technical\_Intangible\_Asset\_Ratio_{it}+\beta_3Brand\_Value_{it}+\beta_4Customer\_Relationship_{it}+\beta_5Firm\_Size_{it}+\beta_6Debt\_Asset\_Ratio_{it}+\beta_7R\&D\_Intensity_{it}+\sum_{j=1}^{n}\beta_{8j}Industry\_Dummy_{jit}+\sum_{k=1}^{m}\beta_{9k}Year\_Dummy_{kit}+\epsilon_{it}\end{align*}其中，i表示第i家企业，t表示第t年；OPM_{it}、ROTA_{it}、ROE_{it}分别表示第i家企业在第t年的主营业务利润率、总资产收益率和净资产收益率；Intangible\_Asset\_Ratio_{it}、Technical\_Intangible\_Asset\_Ratio_{it}、Brand\_Value_{it}、Customer\_Relationship_{it}分别为第i家企业在第t年的无形资产占总资产比例、技术类无形资产占比、品牌价值和客户关系；Firm\_Size_{it}、Debt\_Asset\_Ratio_{it}、R\&D\_Intensity_{it}分别表示第i家企业在第t年的企业规模、资产负债率和研发投入强度；Industry\_Dummy_{jit}表示第i家企业在第t年所属子行业的虚拟变量；Year\_Dummy_{kit}表示第i家企业在第t年的年度虚拟变量；\beta_0为截距项，\beta_1-\beta_9为各变量的回归系数；\epsilon_{it}为随机误差项，反映模型中未考虑到的其他因素对企业绩效的影响。在上述模型中，通过对自变量系数的估计和显著性检验，可判断无形资产相关变量对企业绩效的影响方向和程度。若自变量系数为正且显著，则表明该无形资产变量与企业绩效呈正相关关系，即该无形资产的增加有助于提升企业绩效；反之，若系数为负且显著，则表示呈负相关关系。同时，控制变量的引入可减少其他因素对研究结果的干扰，使研究结论更具可靠性和准确性。通过对模型的回归分析，将深入揭示无形资产与信息技术企业绩效之间的内在联系，为研究假设的验证提供实证依据。四、实证结果与分析4.1描述性统计对样本数据进行描述性统计分析，结果如表2所示。通过对无形资产和企业绩效相关变量的均值、标准差、最小值、最大值等统计特征的分析，可以初步了解样本数据的分布情况和特征。变量样本量均值标准差最小值最大值无形资产占总资产比例[X][均值1][标准差1][最小值1][最大值1]技术类无形资产占比[X][均值2][标准差2][最小值2][最大值2]品牌价值（百万元）[X][均值3][标准差3][最小值3][最大值3]客户关系[X][均值4][标准差4][最小值4][最大值4]主营业务利润率（%）[X][均值5][标准差5][最小值5][最大值5]总资产收益率（%）[X][均值6][标准差6][最小值6][最大值6]净资产收益率（%）[X][均值7][标准差7][最小值7][最大值7]企业规模（百万元）[X][均值8][标准差8][最小值8][最大值8]资产负债率（%）[X][均值9][标准差9][最小值9][最大值9]研发投入强度（%）[X][均值10][标准差10][最小值10][最大值10]从表2中可以看出，无形资产占总资产比例的均值为[均值1]，标准差为[标准差1]，说明不同信息技术企业之间无形资产在总资产中的占比存在一定差异。最小值为[最小值1]，最大值为[最大值1]，表明部分企业无形资产占比较低，而部分企业无形资产占比较高，反映出信息技术企业在无形资产投入和积累方面的不均衡性。技术类无形资产占比的均值为[均值2]，标准差为[标准差2]，显示出技术类无形资产在无形资产总额中的占比也存在一定的离散度。这可能是由于不同企业的技术创新战略、研发投入力度以及所处的技术发展阶段不同所导致的。品牌价值的均值为[均值3]百万元，标准差为[标准差3]百万元，最小值和最大值之间差距较大，说明信息技术企业的品牌价值参差不齐。一些企业通过长期的品牌建设和市场推广，积累了较高的品牌价值，而另一些企业在品牌建设方面相对薄弱，品牌价值较低。客户关系的均值为[均值4]，标准差为[标准差4]，反映出企业在客户关系维护和管理方面的水平存在差异。良好的客户关系有助于企业稳定客户群体，提高客户忠诚度，促进业务的持续增长，而客户关系不佳则可能导致客户流失，影响企业绩效。主营业务利润率的均值为[均值5]%，标准差为[标准差5]%，说明信息技术企业主营业务的盈利能力存在一定波动。部分企业能够通过有效的成本控制、产品创新和市场拓展，实现较高的主营业务利润率，而部分企业可能面临市场竞争激烈、成本上升等问题，导致主营业务利润率较低。总资产收益率的均值为[均值6]%，标准差为[标准差6]%，净资产收益率的均值为[均值7]%，标准差为[标准差7]%，这两个指标反映了企业资产利用效率和股东权益收益水平的差异。不同企业在资产运营管理、财务杠杆运用以及盈利能力等方面的表现不同，导致总资产收益率和净资产收益率存在较大波动。企业规模的均值为[均值8]百万元，标准差为[标准差8]百万元，表明信息技术企业的规模大小不一。大规模企业通常在资源获取、市场份额、研发投入等方面具有优势，而小规模企业则可能更加灵活，专注于细分市场的发展。资产负债率的均值为[均值9]%，标准差为[标准差9]%，说明企业的负债水平存在差异。适度的资产负债率可以利用财务杠杆提高企业的盈利能力，但过高的资产负债率也会增加企业的财务风险。研发投入强度的均值为[均值10]%，标准差为[标准差10]%，体现了信息技术企业对研发活动的重视程度和投入力度存在差异。研发投入是企业技术创新的重要保障，较高的研发投入强度有助于企业提升技术水平和创新能力，增强市场竞争力，但也可能给企业带来一定的资金压力。4.2相关性分析在进行多元线性回归分析之前，对样本数据进行相关性分析，以初步判断自变量、因变量和控制变量之间的关系。运用Pearson相关系数法，分析结果如表3所示。变量无形资产占总资产比例技术类无形资产占比品牌价值客户关系主营业务利润率总资产收益率净资产收益率企业规模资产负债率研发投入强度无形资产占总资产比例1技术类无形资产占比[相关系数1]**1品牌价值[相关系数2]**[相关系数3]**1客户关系[相关系数4]**[相关系数5]**[相关系数6]**1主营业务利润率[相关系数7]**[相关系数8]**[相关系数9]**[相关系数10]**1总资产收益率[相关系数11]**[相关系数12]**[相关系数13]**[相关系数14]**[相关系数15]**1净资产收益率[相关系数16]**[相关系数17]**[相关系数18]**[相关系数19]**[相关系数20]**[相关系数21]**1企业规模[相关系数22]**[相关系数23]**[相关系数24]**[相关系数25]**[相关系数26]**[相关系数27]**[相关系数28]**1资产负债率[相关系数29]**[相关系数30]**[相关系数31]**[相关系数32]**[相关系数33]**[相关系数34]**[相关系数35]**[相关系数36]**1研发投入强度[相关系数37]**[相关系数38]**[相关系数39]**[相关系数40]**[相关系数41]**[相关系数42]**[相关系数43]**[相关系数44]**[相关系数45]**1注：**表示在1%水平上显著相关，*表示在5%水平上显著相关。从表3可以看出，无形资产占总资产比例与主营业务利润率、总资产收益率、净资产收益率均在1%水平上显著正相关，相关系数分别为[相关系数7]、[相关系数11]、[相关系数16]，初步表明无形资产占比越高，企业绩效越好，这与假设1的预期相符。技术类无形资产占比与三个企业绩效指标也在1%水平上显著正相关，相关系数分别为[相关系数8]、[相关系数12]、[相关系数17]，显示出技术类无形资产对企业绩效具有积极的促进作用，为假设2提供了初步支持。品牌价值与主营业务利润率、总资产收益率、净资产收益率在1%水平上显著正相关，相关系数依次为[相关系数9]、[相关系数13]、[相关系数18]，说明品牌价值作为无形资产，对企业绩效有着正向影响，与假设3一致。客户关系同样与三个企业绩效指标在1%水平上显著正相关，相关系数分别是[相关系数10]、[相关系数14]、[相关系数19]，初步验证了假设4，即客户关系对企业绩效具有积极影响。在控制变量方面，企业规模与主营业务利润率、总资产收益率、净资产收益率均在1%水平上显著正相关，表明企业规模越大，企业绩效越好，可能是因为大规模企业在资源获取、市场份额、研发投入等方面具有优势。资产负债率与主营业务利润率、总资产收益率、净资产收益率在1%水平上显著负相关，说明过高的资产负债率可能增加企业的财务风险，对企业绩效产生负面影响。研发投入强度与主营业务利润率、总资产收益率、净资产收益率在1%水平上显著正相关，体现了研发投入对企业绩效的积极作用，企业加大研发投入，有助于提升技术创新能力和产品竞争力，从而促进企业绩效的提升。此外，通过观察自变量之间的相关性，发现各自变量之间的相关系数均小于0.8，表明不存在严重的多重共线性问题，但仍需在后续的回归分析中进一步检验。相关性分析只是初步的探索性分析，其结果仅能说明变量之间的线性关联程度，不能确定变量之间的因果关系，还需要通过多元线性回归分析等方法进行深入研究。4.3回归分析4.3.1总体回归结果运用SPSS或Stata等统计软件，对构建的多元线性回归模型进行估计，得到无形资产与企业绩效关系的总体回归结果，如表4所示。变量主营业务利润率（OPM）总资产收益率（ROTA）净资产收益率（ROE）无形资产占总资产比例（Intangible_Asset_Ratio）[系数1]***[系数2]***[系数3]***技术类无形资产占比（Technical_Intangible_Asset_Ratio）[系数4]***[系数5]***[系数6]***品牌价值（Brand_Value）[系数7]***[系数8]***[系数9]***客户关系（Customer_Relationship）[系数10]***[系数11]***[系数12]***企业规模（Firm_Size）[系数13]***[系数14]***[系数15]***资产负债率（Debt_Asset_Ratio）[系数16]***[系数17]***[系数18]***研发投入强度（R&D_Intensity）[系数19]***[系数20]***[系数21]***行业虚拟变量（Industry_Dummy）控制控制控制年度虚拟变量（Year_Dummy）控制控制控制常数项（Constant）[常数项系数1]***[常数项系数2]***[常数项系数3]***R²[R²值1][R²值2][R²值3]调整R²[调整R²值1][调整R²值2][调整R²值3]F值[F值1]***[F值2]***[F值3]***注：***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著。从表4可以看出，在控制了企业规模、资产负债率、研发投入强度、行业虚拟变量和年度虚拟变量后，无形资产占总资产比例的回归系数在三个模型中均为正，且在1%水平上显著。以主营业务利润率模型为例，系数[系数1]表明，无形资产占总资产比例每增加1个单位，主营业务利润率平均提高[系数1]个百分点，这有力地支持了假设1，即信息技术企业无形资产与企业绩效存在显著正相关关系。无形资产作为信息技术企业的核心资源，其在总资产中占比的增加，反映了企业对技术创新、品牌建设、客户关系维护等方面的重视和投入，这些无形资产的积累能够提升企业的核心竞争力，从而促进企业绩效的提升。技术类无形资产占比的回归系数同样在三个模型中均为正且在1%水平上显著。如在总资产收益率模型中，系数[系数5]意味着技术类无形资产占比每提高1个单位，总资产收益率平均上升[系数5]个百分点，这进一步验证了假设2，即技术类无形资产对信息技术企业绩效的正向影响更为显著。技术类无形资产是信息技术企业技术创新能力的直接体现，能够帮助企业开发出更具竞争力的产品或服务，提高生产效率，降低成本，从而对企业绩效产生更为显著的积极影响。品牌价值的回归系数在三个模型中也均为正且在1%水平上显著。在净资产收益率模型中，系数[系数9]显示品牌价值每增加1个单位，净资产收益率平均增加[系数9]个百分点，支持了假设3，表明品牌价值作为无形资产对信息技术企业绩效具有积极影响。强大的品牌价值能够提升企业的市场知名度和美誉度，吸引更多客户，提高产品附加值，进而提升企业绩效。客户关系的回归系数在三个模型中同样均为正且在1%水平上显著。以主营业务利润率模型为例，系数[系数10]表明客户关系每提升1个单位，主营业务利润率平均提高[系数10]个百分点，验证了假设4，即客户关系作为无形资产对信息技术企业绩效具有积极影响。良好的客户关系能够提高客户忠诚度，促进客户的重复购买和口碑传播，为企业带来稳定的收入来源，推动企业绩效的提升。控制变量方面，企业规模的回归系数在三个模型中均为正且在1%水平上显著，说明企业规模越大，企业绩效越好，大规模企业在资源获取、市场份额、研发投入等方面的优势有助于提升企业绩效。资产负债率的回归系数在三个模型中均为负且在1%水平上显著，表明过高的资产负债率会增加企业的财务风险，对企业绩效产生负面影响。研发投入强度的回归系数在三个模型中均为正且在1%水平上显著，体现了研发投入对企业绩效的积极促进作用，企业加大研发投入，能够提升技术创新能力，开发出更具竞争力的产品或服务，从而推动企业绩效的提升。R²和调整R²值反映了模型的拟合优度。在主营业务利润率模型中，R²值为[R²值1]，调整R²值为[调整R²值1]，说明模型能够解释主营业务利润率变动的[调整R²值1]%，拟合效果较好。总资产收益率模型和净资产收益率模型的R²和调整R²值也表明模型具有较好的拟合优度，能够较好地解释因变量的变动。F值在三个模型中均在1%水平上显著，说明模型整体的线性关系显著，自变量能够有效地解释因变量的变化。4.3.2分样本回归分析为了进一步探究不同情况下无形资产与企业绩效的关系，根据企业规模、上市时间等因素对样本进行分组，进行分样本回归分析。按企业规模分组：按照总资产的中位数将样本企业分为大规模企业组和小规模企业组，分别对两组样本进行回归分析，结果如表5所示。变量大规模企业组主营业务利润率（OPM）小规模企业组主营业务利润率（OPM）大规模企业组总资产收益率（ROTA）小规模企业组总资产收益率（ROTA）大规模企业组净资产收益率（ROE）小规模企业组净资产收益率（ROE）无形资产占总资产比例（Intangible_Asset_Ratio）[大企系数1]***[小企系数1]**[大企系数2]***[小企系数2]**[大企系数3]***[小企系数3]**技术类无形资产占比（Technical_Intangible_Asset_Ratio）[大企系数4]***[小企系数4]***[大企系数5]***[小企系数5]***[大企系数6]***[小企系数6]***品牌价值（Brand_Value）[大企系数7]***[小企系数7]**[大企系数8]***[小企系数8]**[大企系数9]***[小企系数9]**客户关系（Customer_Relationship）[大企系数10]***[小企系数10]**[大企系数11]***[小企系数11]**[大企系数12]***[小企系数12]**控制变量控制控制控制控制控制控制常数项（Constant）[大企常数项系数1]***[小企常数项系数1]***[大企常数项系数2]***[小企常数项系数2]***[大企常数项系数3]***[小企常数项系数3]***R²[大企R²值1][小企R²值1][大企R²值2][小企R²值2][大企R²值3][小企R²值3]调整R²[大企调整R²值1][小企调整R²值1][大企调整R²值2][小企调整R²值2][大企调整R²值3][小企调整R²值3]F值[大企F值1]***[小企F值1]***[大企F值2]***[小企F值2]***[大企F值3]***[小企F值3]***注：***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著。从表5可以看出，在大规模企业组中，无形资产占总资产比例、技术类无形资产占比、品牌价值和客户关系的回归系数均在1%水平上显著为正，对企业绩效的提升作用较为明显。这是因为大规模企业通常拥有更丰富的资源和更强的实力，能够更好地投入资源进行无形资产的培育和积累，并且在市场拓展、品牌推广和客户关系维护方面具有更大的优势，使得无形资产能够更有效地转化为企业绩效。在小规模企业组中，虽然无形资产相关变量的回归系数也大多为正且部分在5%水平上显著，但整体上对企业绩效的影响程度相对较弱。小规模企业可能由于资源有限，在无形资产的投入和开发上受到一定限制，难以充分发挥无形资产的价值。此外，小规模企业在市场竞争中面临更大的压力，品牌知名度和客户基础相对薄弱，也会影响无形资产对企业绩效的提升效果。按上市时间分组：根据上市时间将样本企业分为上市时间较长企业组（上市时间大于等于10年）和上市时间较短企业组（上市时间小于10年），分别进行回归分析，结果如表6所示。变量上市时间较长企业组主营业务利润率（OPM）上市时间较短企业组主营业务利润率（OPM）上市时间较长企业组总资产收益率（ROTA）上市时间较短企业组总资产收益率（ROTA）上市时间较长企业组净资产收益率（ROE）上市时间较短企业组净资产收益率（ROE）无形资产占总资产比例（Intangible_Asset_Ratio）[长时系数1]***[短时系数1]*[长时系数2]***[短时系数2]*[长时系数3]***[短时系数3]*技术类无形资产占比（Technical_Intangible_Asset_Ratio）[长时系数4]***[短时系数4]**[长时系数5]***[短时系数5]**[长时系数6]***[短时系数6]**品牌价值（Brand_Value）[长时系数7]***[短时系数7][长时系数8]***[短时系数8][长时系数9]***[短时系数9]客户关系（Customer_Relationship）[长时系数10]***[短时系数10][长时系数11]***[短时系数11][长时系数12]***[短时系数12]控制变量控制控制控制控制控制控制常数项（Constant）[长时常数项系数1]***[短时常数项系数1]***[长时常数项系数2]***[短时常数项系数2]***[长时常数项系数3]***[短时常数项系数3]***R²[长时R²值1][短时R²值1][长时R²值2][短时R²值2][长时R²值3][短时R²值3]调整R²[长时调整R²值1][短时调整R²值1][长时调整R²值2][短时调整R²值2][长时调整R²值3][短时调整R²值3]F值[长时F值1]***[短时F值1]***[长时F值2]***[短时F值2]***[长时F值3]***[短时F值3]***注：***表示在1%水平上显著，**表示在5%水平上显著，*表示在10%水平上显著。在上市时间较长企业组中，无形资产占总资产比例、技术类无形资产占比的回归系数在1%水平上显著为正，品牌价值和客户关系的回归系数也大多在1%水平上显著，说明上市时间较长的企业通过长期的发展和积累，在无形资产的培育和管理方面取得了较好的成效，无形资产对企业绩效的提升作用较为显著。这些企业在市场中已经树立了一定的品牌形象，积累了稳定的客户群体，并且在技术研发方面持续投入，使得无形资产能够充分发挥作用，促进企业绩效的提升。在上市时间较短企业组中，无形资产占总资产比例、技术类无形资产占比的回归系数部分在10%水平上显著为正，品牌价值和客户关系的回归系数相对不显著。这可能是因为上市时间较短的企业还处于发展初期，在品牌建设、客户关系维护和技术研发等方面还需要时间和资源的投入，无形资产的积累相对不足，尚未充分发挥对企业绩效的提升作用。随着企业的发展，不断加大对无形资产的投入和培育，无形资产对企业绩效的影响可能会逐渐增强。4.4稳健性检验为了验证回归结果的可靠性和稳定性，采用多种方法进行稳健性检验，确保研究结论不受模型设定、变量选择、样本范围等因素变化的显著影响，增强研究结果的可信度和说服力。替换变量法：一是替换被解释变量，将主营业务利润率、总资产收益率和净资产收益率分别替换为营业利润率、投入资本回报率和每股收益。营业利润率为（营业利润÷营业收入）×100%，能更全面地反映企业经营活动的盈利能力，不仅考虑了主营业务利润，还包括其他业务利润以及期间费用等因素对利润的影响。投入资本回报率等于（息前税后营业利润÷投入资本）×100%，从投入资本的角度衡量企业的盈利能力，考虑了债务资本和权益资本的综合回报，更能体现企业运用全部投入资本获取收益的能力。每股收益是净利润与发行在外普通股股数的比值，反映了每股普通股所享有的净利润，是投资者关注的重要指标之一，能直观地体现企业为股东创造的价值。重新进行回归分析，检验无形资产相关变量与新的企业绩效指标之间的相关性。二是替换解释变量，用无形资产增长率代替无形资产占总资产比例，以反映无形资产规模的变化情况。无形资产增长率等于（本期无形资产净额-上期无形资产