沪深A股企业研发投入对股利政策的影响：基于多维度的实证剖析

沪深A股企业研发投入对股利政策的影响：基于多维度的实证剖析一、引言1.1研究背景与意义在当今高度竞争的市场环境下，企业的创新能力已成为其获取竞争优势和实现可持续发展的关键要素。研发投入作为企业创新活动的核心驱动力，不仅能够助力企业开发新产品、改进现有技术，还能有效提升生产效率，进而增强市场竞争力。对于沪深A股上市公司而言，研发投入更是关乎企业在激烈市场竞争中生死存亡的重要决策。据相关统计数据显示，近年来沪深A股上市公司的研发投入总额呈现出持续增长的态势，这充分彰显了企业对创新的高度重视以及积极投入。股利政策作为公司财务管理的核心内容之一，直接关系到股东的切身利益以及公司的长远发展。合理的股利政策不仅能够向市场传递公司良好的经营状况和发展前景，增强投资者的信心，还能优化公司的资本结构，降低融资成本，为公司的后续发展提供有力支持。然而，在现实中，企业的股利政策受到多种因素的综合影响，研发投入便是其中一个至关重要的因素。研发投入具有投资周期长、风险高的显著特点，这必然会对企业的资金状况和未来盈利预期产生深远影响，进而促使企业在制定股利政策时需要全面权衡研发投入与股利分配之间的关系。本研究聚焦于沪深A股上市公司，深入探讨企业研发投入对股利政策的影响，具有重要的理论与现实意义。从理论层面来看，尽管目前学术界对于企业研发投入和股利政策各自的研究已取得了一定的成果，但将两者结合起来进行深入研究的文献仍相对有限。本研究旨在填补这一领域的研究空白，进一步丰富和完善公司财务理论。通过深入剖析研发投入对股利政策的影响机制，能够为后续的相关研究提供更为坚实的理论基础和全新的研究视角，推动公司财务理论的不断发展与创新。从现实意义角度而言，本研究对于企业的经营决策和市场的健康发展具有重要的指导价值。对于企业管理者来说，深入了解研发投入与股利政策之间的内在关系，有助于他们在制定决策时更加科学合理地权衡短期利益与长期发展之间的关系。在面对有限的资金资源时，企业管理者能够根据自身的发展战略和实际情况，精准地确定研发投入和股利分配的最优比例，从而实现企业价值的最大化。同时，合理的股利政策还能够吸引更多的投资者，为企业的发展筹集更多的资金，为企业的创新和发展提供坚实的资金保障。对于投资者而言，本研究的成果能够帮助他们更加深入地理解企业的财务决策行为，从而提高投资决策的科学性和准确性。投资者在进行投资决策时，往往会综合考虑企业的多个因素，其中研发投入和股利政策是两个重要的考量指标。通过本研究，投资者可以更加清晰地认识到研发投入对股利政策的影响，以及这种影响背后所反映的企业经营状况和发展前景。这有助于投资者更加准确地评估企业的投资价值，降低投资风险，实现投资收益的最大化。此外，本研究对于监管部门制定相关政策也具有一定的参考意义。监管部门可以根据本研究的结论，制定更加科学合理的政策，引导企业加大研发投入，同时规范企业的股利分配行为，促进资本市场的健康稳定发展。通过政策的引导和规范，能够营造一个更加公平、透明、有序的市场环境，保护投资者的合法权益，推动整个市场的良性循环和可持续发展。1.2研究目的与创新点本研究旨在深入剖析沪深A股上市公司研发投入对股利政策的影响，具体目的包括：精准识别研发投入与股利政策之间的内在联系，通过严谨的实证分析，确定研发投入的变化如何具体作用于股利政策的制定和调整；全面探究研发投入影响股利政策的潜在机制，从企业的资金状况、盈利预期、市场竞争等多个角度，深入挖掘背后的深层次原因；综合考虑其他可能影响股利政策的因素，如公司规模、盈利能力、股权结构等，构建多因素分析模型，以更全面、准确地揭示研发投入在其中所扮演的角色。本研究的创新点主要体现在以下几个方面：在研究视角上，突破了以往大多单独研究研发投入或股利政策的局限，将两者紧密结合，并充分考虑公司规模、盈利能力、股权结构等多种因素的综合影响，为该领域的研究提供了一个全新的、更全面的视角，有助于更深入地理解企业财务决策的复杂性和系统性。在研究方法上，引入动态视角，充分考虑时间因素对研发投入与股利政策关系的影响。采用面板数据模型，不仅能够控制个体异质性，还能捕捉到变量随时间的变化趋势，使研究结果更加准确和可靠，为相关研究方法的应用提供了新的思路和参考。在研究内容上，对不同行业的上市公司进行细分研究，深入探讨研发投入对股利政策的影响在各行业间的差异。不同行业具有不同的技术特征、市场竞争环境和发展阶段，通过这种细分研究，能够更精准地把握各行业的特点，为企业制定更加符合自身行业特性的财务决策提供有针对性的建议。1.3研究方法与数据来源本研究综合运用多种研究方法，以确保研究的全面性和深入性。在理论探索层面，采用文献研究法，系统梳理国内外关于企业研发投入与股利政策的相关文献。通过对这些文献的细致研读，深入了解前人在该领域的研究成果、研究方法以及尚未解决的问题，从而为本研究提供坚实的理论基础和丰富的研究思路。在实证分析方面，运用面板数据模型进行回归分析。面板数据模型能够同时考虑个体异质性和时间效应，相较于传统的横截面数据或时间序列数据模型，具有更高的准确性和可靠性。通过构建合理的面板数据模型，将企业研发投入作为核心解释变量，股利政策相关指标作为被解释变量，同时控制公司规模、盈利能力、股权结构等一系列可能影响股利政策的因素，深入探究研发投入与股利政策之间的内在关系。在回归分析过程中，运用多种统计检验方法，对模型的合理性和参数估计的准确性进行严格验证，确保研究结果的科学性和稳健性。此外，为了更深入地理解研发投入对股利政策的影响，选取部分具有代表性的沪深A股上市公司进行案例研究。详细分析这些公司在不同发展阶段的研发投入决策、股利政策制定过程以及两者之间的相互作用关系，通过对实际案例的深入剖析，为实证研究结果提供更直观、具体的支持和补充，进一步揭示研发投入影响股利政策的微观机制。本研究的数据来源主要包括Wind数据库、CSMAR数据库以及上市公司年报。其中，Wind数据库提供了丰富的金融市场数据，涵盖了上市公司的股价走势、市场交易数据等，这些数据对于分析企业在市场中的表现和投资者的行为具有重要意义。CSMAR数据库则专注于经济金融领域的研究数据，提供了上市公司的财务报表数据、公司治理数据等，为研究企业的财务状况和经营决策提供了全面而准确的数据支持。上市公司年报是企业对外披露自身经营状况和财务信息的重要渠道，从中可以获取企业的研发投入明细、股利分配方案等详细信息，这些一手资料能够确保研究数据的真实性和可靠性。通过对多个数据源的数据进行整合和交叉验证，有效提高了数据的质量和研究结果的可信度。二、理论基础与文献综述2.1企业研发投入相关理论创新理论最早由美籍奥地利经济学家约瑟夫・熊彼特（JosephAloisSchumpeter）于1912年在其著作《经济发展理论》中提出。熊彼特认为，创新是指把一种新的生产要素和生产条件的“新结合”引入生产体系，包括引入新产品、引用新的生产方法、开辟新市场、获得原材料或半成品的新供给来源以及实现企业的新组织形式等五种情况。创新理论强调创新在经济发展中的核心作用，认为创新是推动经济增长和企业发展的根本动力。从企业研发投入的角度来看，创新理论为其提供了坚实的理论依据。企业通过加大研发投入，能够开发出新产品、改进现有技术，从而满足市场的多样化需求，提高产品的附加值和竞争力。以苹果公司为例，该公司始终将研发投入视为企业发展的核心驱动力，不断推出具有创新性的产品，如iPhone系列手机。iPhone的出现不仅颠覆了传统手机的概念，还引领了全球智能手机的发展潮流。通过持续的研发投入，苹果公司在手机的外观设计、操作系统、硬件性能等方面进行了全方位的创新，使其产品在市场上获得了巨大的竞争优势，赢得了消费者的广泛认可和高度赞誉，进而为公司带来了丰厚的利润回报。资源基础理论（Resource-BasedView，RBV）是研究组织内生成长因素的重要理论之一。1959年，英国人彭罗斯（Edith.T.Penrose）在《企业成长理论》一书中首次提出企业是建立在管理性框架内的各类资源的集合体的概念，认为“企业的成长则主要取决于能否更为有效地利用现有资源”。1984年，沃纳菲尔特（Wernerfelt）提出，企业发展依赖于一系列特殊资源以及资源的使用方式，企业的可持续成长需要打破利用现有资源与开发新资源之间的平衡。企业可用的资源包括品牌、可用的技术知识、高级的雇员、贸易联系、机器、资本等。1995年，巴尼（Barney）融合了资源和能力的概念，指出企业要拥有有价值、稀少的、不可模仿的资源才能形成该企业的核心能力。在企业研发投入方面，资源基础理论认为研发投入是企业获取和积累独特资源与能力的重要途径。企业通过投入大量的人力、物力和财力进行研发活动，可以开发出具有自主知识产权的技术和专利，培养出高素质的研发人才队伍，这些都是企业的核心资源，具有稀缺性和不可模仿性，能够为企业带来持续的竞争优势。例如，华为公司在通信领域的成功很大程度上得益于其对研发投入的高度重视。华为每年将大量的资金投入到研发中，不断提升自身的技术研发能力，在5G通信技术、芯片研发等方面取得了众多领先的技术成果，这些技术成果成为了华为的核心资源，使其在全球通信市场中占据了重要地位，即使面临外部的重重压力，依然能够凭借自身强大的研发实力保持竞争力。2.2股利政策相关理论股利无关论（也称MM理论）由美国经济学家弗兰科・莫迪利安尼（FrancoModigliani）和财务学家默顿・米勒（MertonMiller）于1961年提出。该理论认为，在完全市场理论的假设条件限定下，股利政策不会对公司的价值或股票的价格产生任何影响。一个公司的股票价格完全由公司的投资决策的获利能力和风险组合决定，而与公司的利润分配政策无关。其假设条件包括完善的竞争假设，即任何一位证券交易者都没有足够的力量通过其交易活动对股票的现行价格产生明显的影响；信息完备假设，所有的投资者都可以平等地免费获取影响股票价格的任何信息；交易成本为零假设，证券的发行和买卖等交易活动不存在经纪人费用、交易税和其他交易成本，在利润分配与不分配、或资本利得与股利之间均不存在税负差异；理性投资者假设，每个投资者都是财富最大化的追求者。然而，在现实市场中，这些假设条件很难完全满足。例如，在我国资本市场中，存在着交易成本，投资者进行股票交易需要支付手续费、印花税等费用；信息也并非完全对称，公司管理层往往比普通投资者掌握更多关于公司经营状况和未来发展的内部信息；同时，不同的股利分配方式可能会面临不同的税收政策，这都会导致股利政策对公司价值和股票价格产生影响。以2020年为例，我国证券交易印花税收入达到2786亿元，这充分说明了交易成本在资本市场中的实际存在，也从侧面反映出股利无关论在现实市场中的局限性。“一鸟在手”理论源于谚语“双鸟在林不如一鸟在手”，可以说是流行最广泛和最持久的股利理论。其核心是认为在投资者眼里，股利收入要比由留存收益带来的资本收益更为可靠，故需要公司定期向股东支付较高的股利。用留存收益再投资带给投资者的收益具有很大的不确定性，并且投资风险将随着时间的推移而进一步增大，因此，投资者更喜欢现金股利，而不大喜欢将利润留给公司，公司分配的股利越多，公司的市场价值也就越大。在实际应用中，一些成熟的传统行业公司，如食品饮料行业的公司，由于其业务相对稳定，盈利波动较小，往往会选择支付较高的股利，以吸引那些寻求稳定收入的投资者，如退休人员和基金管理者。这些投资者更注重当前的现金回报，对于未来资本收益的不确定性较为担忧，因此“一鸟在手”理论在这类公司的股利政策制定中具有一定的指导意义。信号传递理论认为，在信息不对称下，公司向外界传递公司内部信息的常见信号有利润宣告、股利宣告和融资宣告。与利润的会计处理可操纵性相比，股利宣告是一种比较可信的信号模式。公司的股利政策可以作为向市场传递其未来盈利能力的信号，当公司宣布支付股利时，这通常被视为公司对未来现金流有信心的信号，从而增强市场对公司的信心。在实践中，一些业绩优良、发展前景良好的公司，如贵州茅台，多年来一直保持着稳定且较高的股利支付水平。这向市场传递了公司经营状况良好、盈利能力强的积极信号，使得投资者对公司的未来发展充满信心，进而推动公司股价的稳定上升。然而，信号传递理论也存在一定的缺陷，市场对股利增减作出的相应反应，不仅信号理论可以解释，其他理论如代理成本理论也可以解释；该理论不能对不同行业、不同国家股利差别进行有效的解释和预测；也不能解释为什么公司不采用其他效果相当而成本更低的方式传递信息等。2.3企业研发投入与股利政策关系的研究现状国外在企业研发投入与股利政策关系的研究起步较早。Fazzari、Hubbard和Petersen（1988）通过对美国制造业企业的研究发现，研发投入强度较高的企业往往会减少股利支付，他们认为研发投入具有较高的不确定性和资金需求，企业为了满足研发活动的资金需求，会优先保留内部资金，从而降低股利分配水平。Myers和Majluf（1984）基于信息不对称理论指出，企业进行研发投入时，由于外部投资者对研发项目的风险和收益了解有限，企业更倾向于使用内部资金，这会导致股利政策受到抑制，企业会减少股利发放以保留足够的资金用于研发。国内学者也在该领域进行了积极的探索。刘星、安灵（2006）以我国A股上市公司为样本进行研究，结果表明研发投入与股利支付率之间存在显著的负相关关系，即企业的研发投入越多，其股利支付率越低，他们认为这是因为研发投入需要大量资金，企业为了保证研发活动的顺利进行，会减少对股东的股利分配。周守华、肖正再（2018）的研究发现，高新技术企业由于研发投入规模较大，对资金的需求更为迫切，因此在股利分配上更为谨慎，倾向于降低股利支付水平，将更多资金用于研发创新，以提升企业的核心竞争力。然而，当前研究仍存在一些不足之处。在研究样本方面，部分研究样本的选取范围较窄，仅局限于特定行业或特定时间段的企业，这可能导致研究结果的普适性受到限制。例如，某些研究仅选取了信息技术行业的企业，而该行业具有技术更新快、研发投入高的特点，与其他行业存在较大差异，因此研究结果难以推广到其他行业。在研究方法上，多数研究采用静态分析方法，未能充分考虑时间因素对研发投入与股利政策关系的动态影响。实际上，企业的研发投入和股利政策可能会随着时间的推移而发生变化，静态分析方法无法捕捉到这种动态变化，从而影响研究结果的准确性。此外，在影响机制的研究上，虽然已有研究提出了一些理论解释，但对于研发投入如何具体通过企业的资金状况、盈利预期、市场竞争等因素影响股利政策，缺乏深入细致的实证检验和分析，尚未形成一个完整、系统的理论框架。三、沪深A股企业研发投入与股利政策现状分析3.1沪深A股企业研发投入现状近年来，沪深A股企业的研发投入整体规模呈现出显著的增长趋势。根据相关数据统计，2019-2023年期间，沪深A股企业的研发投入总额从1.06万亿元稳步攀升至1.82万亿元，年复合增长率达到了14.7%。这一增长趋势不仅反映了企业对创新的高度重视，也彰显了在激烈市场竞争环境下，企业通过加大研发投入以提升自身核心竞争力的战略选择。从行业分布来看，不同行业的研发投入水平存在明显差异。信息技术、生物医药、高端装备制造等战略性新兴产业表现出较高的研发投入强度。以信息技术行业为例，2023年其研发投入占营业收入的比例达到了10.5%，这主要是由于该行业技术更新换代迅速，企业需要不断投入大量资金进行研发，以推出具有创新性的产品和服务，满足市场的快速变化需求。而一些传统行业，如纺织服装、建筑材料等，研发投入强度相对较低，2023年其研发投入占营业收入的比例分别仅为2.1%和3.2%。这是因为传统行业的生产技术相对成熟，市场需求较为稳定，企业在研发方面的紧迫性和动力相对较弱。在区域分布上，东部沿海地区的沪深A股企业研发投入明显高于中西部地区。2023年，广东、江苏、浙江等东部省份的企业研发投入总额占沪深A股企业研发投入总额的比重超过了50%。其中，广东省凭借其发达的经济基础、丰富的科技资源和完善的创新生态系统，成为研发投入的高地，企业研发投入总额达到了3500亿元。而中西部地区由于经济发展水平相对较低，科技资源相对匮乏，企业研发投入规模相对较小。例如，甘肃省的企业研发投入总额仅为50亿元，与广东省形成了鲜明的对比。这种区域差异在一定程度上反映了我国经济发展的不平衡性，也对我国整体创新能力的提升带来了挑战。尽管沪深A股企业在研发投入方面取得了显著进展，但仍存在一些问题。部分企业对研发投入的重视程度不足，尤其是一些中小企业，由于资金、技术和人才等方面的限制，研发投入相对较少，这制约了企业的创新能力和发展潜力。一些企业的研发投入效率不高，存在研发资源浪费的现象。例如，某些企业在研发过程中缺乏科学的规划和管理，导致研发项目进展缓慢，研发成果转化率低，无法将研发投入有效地转化为企业的经济效益和市场竞争力。3.2沪深A股企业股利政策现状在分配形式上，沪深A股企业的股利分配呈现出现金股利、股票股利以及两者结合的混合股利等多种形式并存的格局。其中，现金股利是最为常见的分配方式，据统计，2023年进行股利分配的沪深A股企业中，有超过80%的企业选择了现金股利分配。这是因为现金股利能够直接为股东带来实际的现金回报，增强股东对企业的信心。例如，贵州茅台作为白酒行业的龙头企业，多年来一直保持着高额的现金股利分配。2023年，贵州茅台每股派发现金红利25.911元，共计派发现金红利325.49亿元，这不仅体现了公司强大的盈利能力和稳定的现金流，也吸引了众多投资者长期持有其股票。股票股利则相对较少，占比约为10%。股票股利是公司以新增发的股票形式向股东分配股利，虽然不会立即增加股东的现金流，但可以增加股东的持股数量，在一定程度上反映了公司对未来发展的信心以及对股东的长期回报承诺。例如，一些处于快速成长阶段的科技企业，如宁德时代，在发展过程中有时会采用股票股利的方式进行分配。通过发放股票股利，公司可以将更多的资金留存用于研发和扩大生产，同时向市场传递公司未来具有良好发展前景的信号。混合股利的分配方式占比约为10%，这种方式结合了现金股利和股票股利的特点，既能满足股东对现金收益的需求，又能为股东提供未来增值的潜力。例如，美的集团在2023年的股利分配方案中，向股东每10股派发现金红利17元，同时以资本公积金向全体股东每10股转增4股，这种混合股利政策既给予了股东当下的现金回报，又通过转增股份增强了股东对公司未来发展的预期。从支付水平来看，沪深A股企业的股利支付率整体呈现出稳步上升的趋势。2019-2023年期间，平均股利支付率从28%提升至35%，这表明企业对股东回报的重视程度不断提高。在不同行业中，金融、消费等行业的股利支付率相对较高。以银行业为例，2023年其平均股利支付率达到了38%，这主要是因为银行业具有稳定的盈利模式和充足的现金流，能够为股东提供较高的回报。而一些新兴行业，如新能源汽车行业，由于处于快速发展阶段，需要大量资金用于研发和产能扩张，因此股利支付率相对较低，2023年平均股利支付率仅为15%。在稳定性方面，部分大型蓝筹企业表现出了较高的股利政策稳定性，如中国石油、中国石化等。这些企业多年来保持着相对稳定的股利分配水平，为股东提供了较为稳定的收益预期。然而，仍有一些企业的股利政策稳定性不足，股利分配波动较大。这可能是由于企业经营业绩不稳定、战略调整频繁等原因导致的。例如，一些周期性行业的企业，如钢铁行业，受市场供需关系和宏观经济环境影响较大，经营业绩波动明显，从而导致其股利政策也不够稳定。当市场行情较好时，企业可能会提高股利分配；而当市场行情不佳时，企业可能会减少甚至暂停股利分配。3.3企业研发投入与股利政策的相关性初步分析为了初步探究企业研发投入与股利政策之间的关系，对收集到的沪深A股上市公司数据进行描述性统计和简单相关性分析。在样本选取上，筛选出2019-2023年期间连续披露研发投入和股利政策相关数据的公司，最终得到有效样本公司1000家。描述性统计结果显示，研发投入强度（研发投入/营业收入）的均值为3.8%，标准差为2.5%，这表明不同公司之间的研发投入强度存在较大差异。最大值达到了25.6%，说明部分公司对研发极为重视，投入力度很大；而最小值仅为0.5%，反映出仍有一些公司在研发投入方面较为保守。股利支付率（现金股利/净利润）的均值为32%，标准差为10%，同样呈现出一定的离散性。最大值为80%，意味着这些公司将大部分净利润以现金股利的形式分配给股东；最小值则为0，即部分公司在当年未进行现金股利分配。通过简单相关性分析，得到研发投入强度与股利支付率之间的皮尔逊相关系数为-0.35，且在1%的水平上显著负相关。这初步表明，企业的研发投入强度越高，其股利支付率往往越低，两者之间存在明显的负向关联。例如，在信息技术行业中，以科大讯飞为例，该公司近年来持续加大研发投入，研发投入强度从2019年的15.3%提升至2023年的20.6%，而其股利支付率则从2019年的25%下降至2023年的18%。在医药生物行业，恒瑞医药一直保持着较高的研发投入强度，2023年达到了29.4%，同期其股利支付率仅为23%。这些典型案例进一步验证了研发投入强度与股利支付率之间的负相关关系，为后续深入研究两者关系奠定了基础。然而，简单相关性分析只是对两者关系的初步探索，可能存在其他因素干扰。公司规模、盈利能力、股权结构等因素都可能对股利政策产生影响，因此需要在后续研究中构建多因素模型，控制这些干扰因素，以更准确地揭示企业研发投入对股利政策的影响。四、企业研发投入对股利政策影响的实证研究设计4.1研究假设提出研发投入通常需要大量的资金支持，且投资周期较长，回报具有不确定性。当企业加大研发投入时，其内部可用于分配的资金会相应减少。为了确保研发项目的顺利推进，企业可能会选择降低股利支付水平，将更多资金留存于企业内部。刘星、安灵（2006）对我国A股上市公司的研究表明，研发投入与股利支付率之间存在显著的负相关关系。基于此，提出假设1：H1：企业研发投入与股利支付率呈负相关关系，即企业研发投入越多，股利支付率越低。股票股利不会导致企业现金流出，还能保留资金用于研发等活动。从信号传递角度看，研发投入较多的企业通过发放股票股利，可以向市场传递公司对未来发展充满信心、具有良好增长潜力的信号。中南财经政法大学的余雪燕在《企业研发投入与股票股利关系研究》中通过对我国A股上市公司2008-2018年度的面板数据进行实证研究，发现企业研发投入越多，股票股利支付水平越高。由此，提出假设2：H2：企业研发投入与股票股利发放倾向呈正相关关系，即企业研发投入越多，越倾向于发放股票股利。企业在制定股利政策时，会综合考虑多种因素。公司规模较大的企业通常具有更稳定的现金流和较强的融资能力，在面对研发投入需求时，更有能力平衡研发与股利分配，可能受到研发投入对股利政策的影响较小。盈利能力强的企业即使增加研发投入，也有足够的利润来维持一定的股利水平。而股权结构集中的企业，大股东可能更注重企业的长期发展，愿意减少股利分配以支持研发投入，从而使研发投入对股利政策的影响更为显著。基于以上分析，提出假设3：H3：公司规模、盈利能力、股权结构等因素会调节企业研发投入与股利政策之间的关系。具体而言，公司规模越大、盈利能力越强，研发投入对股利政策的负向影响越弱；股权结构越集中，研发投入对股利政策的负向影响越强。4.2变量选取与定义被解释变量方面，选用股利支付率（DPR）作为衡量股利政策的主要指标，具体通过现金股利总额除以净利润来计算。股利支付率能够直观地反映企业将净利润以现金股利形式分配给股东的比例，是衡量企业股利分配水平的关键指标。如前文所述，不同行业的股利支付率存在显著差异，金融、消费等行业通常具有较高的股利支付率，而新兴行业的股利支付率相对较低，这充分体现了该指标在反映企业股利政策方面的重要性和敏感性。解释变量为研发投入强度（R&D），通过研发投入金额除以营业收入来衡量。这一指标能够准确地反映企业对研发活动的重视程度和投入力度，体现企业在创新方面的战略布局和资源配置。例如，信息技术行业的企业通常具有较高的研发投入强度，以保持技术领先地位，这与该行业技术更新换代迅速、竞争激烈的特点密切相关。在控制变量的选取上，考虑公司规模（Size），以总资产的自然对数来表示。公司规模是影响企业财务决策的重要因素之一，规模较大的企业往往具有更稳定的现金流、更强的融资能力和更广泛的资源渠道，这些优势可能使其在面对研发投入和股利分配决策时具有不同的策略和能力。例如，大型企业可能更有能力承担较高的研发投入，同时也能在一定程度上维持稳定的股利分配，以满足股东的期望和维护公司的市场形象。盈利能力（ROE）则用净资产收益率来衡量，该指标反映了企业运用自有资本的效率和盈利能力。盈利能力强的企业通常有更多的利润可供分配，在制定股利政策时可能更有灵活性，同时也可能有更多的资金用于研发投入，以进一步提升企业的竞争力。以贵州茅台为例，其较高的净资产收益率使其在股利分配上较为慷慨，同时也有足够的资金进行技术研发和品牌建设。股权集中度（Top1）以第一大股东持股比例来衡量，它反映了企业股权结构的集中程度。股权结构集中的企业，大股东的利益和决策对企业的影响较大，他们可能更注重企业的长期发展，愿意减少股利分配以支持研发投入，从而使研发投入对股利政策的影响更为显著。相反，股权分散的企业，股东之间的利益诉求可能更为多元化，股利政策的制定可能需要考虑更多股东的意见，研发投入对股利政策的影响可能相对较弱。资产负债率（Lev）用于衡量企业的偿债能力，即负债总额与资产总额的比值。偿债能力强的企业在面临研发投入和股利分配决策时，可能会受到较少的财务约束，有更多的资金可供调配。而偿债能力较弱的企业，可能需要优先考虑偿还债务，从而减少研发投入和股利分配的资金。例如，一些高负债的企业可能会减少股利分配，以保留资金用于偿还债务，同时也可能会削减研发投入，以降低财务风险。此外，还纳入年度虚拟变量（Year）和行业虚拟变量（Industry）来控制年度和行业固定效应。不同年份的宏观经济环境、政策法规等因素可能会对企业的研发投入和股利政策产生影响，通过设置年度虚拟变量，可以控制这些时间趋势因素的干扰。而不同行业具有不同的技术特征、市场竞争环境和发展阶段，行业虚拟变量能够捕捉到这些行业特异性因素对企业决策的影响，从而更准确地揭示研发投入与股利政策之间的关系。各变量的具体定义和计算方式如下表所示：变量类型变量名称变量符号计算方法被解释变量股利支付率DPR现金股利总额/净利润解释变量研发投入强度R&D研发投入金额/营业收入控制变量公司规模Size总资产的自然对数控制变量盈利能力ROE净利润/净资产控制变量股权集中度Top1第一大股东持股比例控制变量资产负债率Lev负债总额/资产总额控制变量年度虚拟变量Year根据年份设置虚拟变量控制变量行业虚拟变量Industry根据行业设置虚拟变量4.3模型构建为了深入探究企业研发投入对股利政策的影响，构建以下多元线性回归模型：DPR_{it}=\alpha_{0}+\alpha_{1}R\&D_{it}+\sum_{j=2}^{6}\alpha_{j}Control_{jit}+\sum_{k}\lambda_{k}Year_{kt}+\sum_{l}\mu_{l}Industry_{ilt}+\varepsilon_{it}在上述模型中，i代表第i家上市公司，t表示年份。DPR_{it}为被解释变量，代表第i家公司在第t年的股利支付率，用以衡量企业的股利分配水平。R\&D_{it}是核心解释变量，即第i家公司在第t年的研发投入强度，反映企业对研发活动的重视程度和资源投入力度。Control_{jit}表示一系列控制变量，j从2到6，分别对应公司规模（Size_{it}）、盈利能力（ROE_{it}）、股权集中度（Top1_{it}）、资产负债率（Lev_{it}）等控制变量，用以控制其他可能对股利支付率产生影响的因素，确保模型能够更准确地揭示研发投入与股利支付率之间的关系。Year_{kt}和Industry_{ilt}分别为年度虚拟变量和行业虚拟变量，k和l为对应的索引，用于控制年度和行业固定效应，以排除不同年份宏观经济环境以及不同行业特性对研究结果的干扰。\alpha_{0}为常数项，\alpha_{1}至\alpha_{6}为各变量的回归系数，\lambda_{k}和\mu_{l}分别为年度虚拟变量和行业虚拟变量的系数，\varepsilon_{it}为随机误差项，代表模型中未被解释的其他随机因素。为了进一步检验假设2，即企业研发投入与股票股利发放倾向之间的关系，构建如下Logit回归模型：StockDividend_{it}=\beta_{0}+\beta_{1}R\&D_{it}+\sum_{j=2}^{6}\beta_{j}Control_{jit}+\sum_{k}\gamma_{k}Year_{kt}+\sum_{l}\delta_{l}Industry_{ilt}+\nu_{it}其中，StockDividend_{it}为被解释变量，是一个虚拟变量，当第i家公司在第t年发放股票股利时取值为1，否则取值为0，以此来衡量企业股票股利的发放倾向。\beta_{0}为常数项，\beta_{1}至\beta_{6}为各变量的回归系数，\gamma_{k}和\delta_{l}分别为年度虚拟变量和行业虚拟变量的系数，\nu_{it}为随机误差项。其他变量的含义与第一个模型一致。通过该模型，可以分析研发投入强度以及各控制变量对企业股票股利发放倾向的影响，从而验证假设2。在假设3的检验中，为了探究公司规模、盈利能力、股权结构等因素对企业研发投入与股利政策关系的调节作用，在原模型的基础上引入交互项进行回归分析。以公司规模为例，构建如下调节效应模型：DPR_{it}=\theta_{0}+\theta_{1}R\&D_{it}+\theta_{2}Size_{it}+\theta_{3}R\&D_{it}\timesSize_{it}+\sum_{j=4}^{6}\theta_{j}Control_{jit}+\sum_{k}\rho_{k}Year_{kt}+\sum_{l}\sigma_{l}Industry_{ilt}+\xi_{it}其中，R\&D_{it}\timesSize_{it}为研发投入强度与公司规模的交互项，\theta_{0}为常数项，\theta_{1}至\theta_{6}为各变量的回归系数，\rho_{k}和\sigma_{l}分别为年度虚拟变量和行业虚拟变量的系数，\xi_{it}为随机误差项。通过观察交互项系数\theta_{3}的显著性和正负，可以判断公司规模对研发投入与股利支付率关系的调节作用方向和程度。同理，可构建盈利能力、股权结构等因素与研发投入的交互项模型，以检验这些因素的调节效应，从而全面验证假设3。4.4样本选择与数据处理本研究以沪深A股上市公司为研究对象，样本期间设定为2019-2023年。在样本选择过程中，为确保数据的可靠性和有效性，遵循以下筛选标准：首先，剔除ST、*ST公司，这类公司通常面临财务状况异常或其他风险警示，其经营和财务数据可能存在较大波动，与正常经营的公司不具有直接可比性，若纳入研究可能会对结果产生干扰。其次，排除金融行业上市公司，金融行业具有独特的经营模式、监管要求和财务特征，如高杠杆经营、特殊的资本充足率要求等，这些特性使得其研发投入和股利政策与其他行业存在显著差异，单独研究金融行业需要不同的理论框架和分析方法。最后，剔除数据缺失严重的公司，以保证样本数据的完整性和连续性，避免因数据缺失导致分析结果出现偏差。经过上述筛选，最终得到有效样本公司1500家，涵盖了多个行业，包括信息技术、医药生物、机械设备、化工等，为后续的实证研究提供了较为广泛和具有代表性的数据基础。对于收集到的数据，进行了一系列严谨的数据处理步骤。对所有连续变量进行了1%水平的双边缩尾处理，这是为了有效消除极端值对研究结果的影响。在实际数据中，可能会存在一些异常值，这些异常值可能是由于数据录入错误、特殊事件等原因导致的，它们可能会对回归结果产生较大的干扰，使得参数估计不准确，影响研究结论的可靠性。通过双边缩尾处理，将变量的极端值调整到1%和99%分位数的水平，能够使数据更加稳健，提高研究结果的准确性。在数据录入和整理过程中，对数据进行了多次交叉核对，以确保数据的准确性。同时，利用统计软件对数据进行初步的描述性统计分析，检查数据的分布特征、均值、标准差等统计量是否符合预期，进一步验证数据的质量和可靠性。通过这些数据处理方法，为后续的实证分析提供了高质量的数据支持，确保研究结果的科学性和可信度。五、实证结果与分析5.1描述性统计分析对样本数据进行描述性统计，相关结果如表1所示。变量观测值均值标准差最小值最大值股利支付率（DPR）75000.3320.1150.0120.850研发投入强度（R&D）75000.0410.0350.0020.280公司规模（Size）750022.1051.23019.87026.540盈利能力（ROE）75000.1250.076-0.5600.450股权集中度（Top1）75000.3260.0980.0800.780资产负债率（Lev）75000.4280.1650.0500.850由表1可知，股利支付率的均值为0.332，表明样本公司平均将33.2%的净利润以现金股利的形式分配给股东，这与前文所述沪深A股企业平均股利支付率在2019-2023年期间从28%提升至35%的趋势相符，说明样本数据具有一定的代表性。其标准差为0.115，说明不同公司之间的股利支付水平存在一定差异，最大值达到0.850，意味着部分公司的股利支付比例较高，而最小值仅为0.012，反映出仍有少数公司股利支付水平极低。研发投入强度的均值为0.041，即平均研发投入占营业收入的4.1%，这体现了沪深A股上市公司整体对研发投入有一定的重视程度，但与国际上一些科技领先企业相比，仍有较大的提升空间。标准差为0.035，说明各公司在研发投入力度上差异明显，最小值为0.002，显示部分公司研发投入极少，而最大值0.280表明有部分公司高度重视研发，投入力度很大，这与不同行业、不同公司的发展战略和市场定位密切相关。公司规模以总资产的自然对数衡量，均值为22.105，反映出样本公司整体具有一定的规模水平。标准差1.230表明公司规模分布较为分散，存在规模差异较大的公司，这也符合沪深A股市场上市公司规模参差不齐的实际情况。盈利能力指标ROE均值为0.125，即净资产收益率平均为12.5%，说明样本公司整体盈利能力处于中等水平。其标准差为0.076，说明公司之间盈利能力存在一定的离散度，部分公司盈利能力较强，而部分公司盈利能力较弱，这可能受到行业竞争、经营管理水平等多种因素的影响。股权集中度Top1均值为0.326，即第一大股东平均持股比例为32.6%，表明样本公司股权相对集中。标准差0.098说明各公司股权集中度存在一定差异，股权结构的不同可能会影响公司的决策机制和股利政策的制定。资产负债率Lev均值为0.428，表明样本公司平均负债水平适中，整体偿债能力处于相对稳定的状态。标准差0.165显示公司之间的负债水平存在一定差异，部分公司的偿债压力可能较大，这在一定程度上会影响公司的财务决策，包括研发投入和股利政策的制定。5.2相关性分析在进行回归分析之前，对各变量进行相关性分析，以初步判断变量之间的关系，并检验是否存在严重的多重共线性问题。相关性分析结果如表2所示。变量DPRR&DSizeROETop1LevDPR1R&D-0.318***1Size0.205***0.123***1ROE0.356***-0.186***0.254***1Top10.087***-0.065***0.112***0.079***1Lev-0.274***0.095***-0.156***-0.301***-0.052***1注：***表示在1%的水平上显著相关，**表示在5%的水平上显著相关，*表示在10%的水平上显著相关。由表2可知，研发投入强度（R&D）与股利支付率（DPR）之间呈现显著的负相关关系，相关系数为-0.318，且在1%的水平上显著，这与前文提出的假设1初步相符，表明企业的研发投入强度越高，其股利支付率越低，企业在进行财务决策时，确实会在研发投入和股利分配之间进行权衡。公司规模（Size）与研发投入强度（R&D）、股利支付率（DPR）均呈现正相关关系，相关系数分别为0.123和0.205，且在1%的水平上显著。这意味着规模较大的公司通常有更强的实力进行研发投入，同时也更有能力维持较高的股利支付水平，这可能是因为大型企业具有更稳定的现金流、更广泛的融资渠道和更强的抗风险能力，使其在研发和股利分配方面具有更大的灵活性。盈利能力（ROE）与股利支付率（DPR）显著正相关，相关系数为0.356，在1%的水平上显著，说明盈利能力强的企业更倾向于向股东分配较高的股利，这符合“一鸟在手”理论，企业盈利能力越强，越有能力满足股东对现金回报的需求。而盈利能力（ROE）与研发投入强度（R&D）呈现负相关关系，相关系数为-0.186，在1%的水平上显著，这可能是因为部分盈利能力强的企业可能更注重短期利润回报，而对长期的研发投入相对不足，或者是研发投入在短期内尚未转化为显著的盈利能力提升。股权集中度（Top1）与股利支付率（DPR）呈正相关关系，相关系数为0.087，在1%的水平上显著，表明股权相对集中的企业可能更倾向于支付较高的股利，这可能是因为大股东希望通过较高的股利分配来吸引投资者，提升公司的市场形象，同时也可能是大股东对公司的控制力较强，能够在一定程度上决定股利分配政策。股权集中度（Top1）与研发投入强度（R&D）呈负相关关系，相关系数为-0.065，在1%的水平上显著，说明股权集中的企业可能更注重短期利益，对研发投入的积极性相对较低，或者是大股东更倾向于将资金用于其他方面，而不是长期的研发投资。资产负债率（Lev）与股利支付率（DPR）显著负相关，相关系数为-0.274，在1%的水平上显著，这表明偿债能力较弱、负债水平较高的企业，由于需要优先偿还债务，往往会减少股利分配，以确保企业的财务稳定。资产负债率（Lev）与研发投入强度（R&D）呈正相关关系，相关系数为0.095，在1%的水平上显著，可能是因为一些企业为了进行研发投入而增加负债，或者是研发投入较多的企业由于资金需求大，导致负债水平相对较高。各变量之间的相关系数绝对值均小于0.5，初步判断不存在严重的多重共线性问题，但在后续回归分析中，仍将进一步通过方差膨胀因子（VIF）等方法进行多重共线性检验，以确保回归结果的准确性和可靠性。5.3回归结果分析运用Stata软件对构建的多元线性回归模型进行估计，得到企业研发投入对股利支付率影响的回归结果，具体如表3所示。变量系数标准误t值P值[95%置信区间]R&D-0.256***0.032-8.0000.000-0.319--0.193Size0.035***0.0084.3800.0000.019-0.051ROE0.287***0.02511.4800.0000.238-0.336Top10.012*0.0071.7100.0870.001-0.023Lev-0.152***0.021-7.2400.000-0.193--0.111Year控制控制---Industry控制控制---_cons-0.486***0.150-3.2400.001-0.781--0.191N7500Adj.R²0.386注：***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。在表3的回归结果中，研发投入强度（R&D）的系数为-0.256，且在1%的水平上显著为负。这一结果有力地验证了假设1，即企业研发投入与股利支付率呈显著的负相关关系。具体而言，研发投入强度每增加1个单位，股利支付率将显著降低0.256个单位。这清晰地表明，当企业加大研发投入时，由于研发活动需要大量的资金支持，且投资周期长、风险高，企业为了确保研发项目的顺利进行，会选择减少对股东的现金股利分配，将更多的资金留存于企业内部，以满足研发活动的资金需求。以中兴通讯为例，在5G技术研发的关键时期，公司持续加大研发投入，研发投入强度从2019年的14.6%提升至2023年的16.7%，在此期间，公司的股利支付率从2019年的30%下降至2023年的22%，这一实际案例与回归结果高度吻合，充分体现了研发投入对股利支付率的显著负向影响。公司规模（Size）的系数为0.035，在1%的水平上显著为正，说明公司规模越大，股利支付率越高。大型企业通常具有更稳定的现金流、更强的融资能力和更广泛的资源渠道，使其在面对研发投入和股利分配决策时具有更大的灵活性。即使增加研发投入，大型企业也更有能力维持一定的股利水平，以满足股东的期望和维护公司的市场形象。如中国石油，作为大型央企，其规模庞大，在不断加大勘探开发等方面的研发投入的同时，依然能够保持相对稳定且较高的股利支付水平，2023年公司的股利支付率达到了35%，这体现了公司规模对股利支付率的正向影响。盈利能力（ROE）的系数为0.287，在1%的水平上显著为正，表明盈利能力越强的企业，越倾向于向股东支付较高的股利。这与“一鸟在手”理论相符，盈利能力强意味着企业有更多的利润可供分配，能够更好地满足股东对现金回报的需求。贵州茅台凭借其强大的盈利能力，多年来一直保持着高额的股利分配，2023年其净资产收益率达到了34.4%，股利支付率为51.9%，成为高盈利能力与高股利支付率的典型代表。股权集中度（Top1）的系数为0.012，在10%的水平上显著为正，说明股权相对集中的企业可能更倾向于支付较高的股利。大股东可能希望通过较高的股利分配来吸引投资者，提升公司的市场形象，或者是大股东对公司的控制力较强，能够在一定程度上决定股利分配政策。例如，美的集团的股权相对集中，第一大股东持股比例较高，公司在保持良好发展态势的同时，也维持着较高的股利支付水平，2023年股利支付率为32%，体现了股权集中度对股利政策的影响。资产负债率（Lev）的系数为-0.152，在1%的水平上显著为负，表明偿债能力较弱、负债水平较高的企业，由于需要优先偿还债务，往往会减少股利分配，以确保企业的财务稳定。一些高负债的企业，如部分房地产企业，在面临较高的债务压力时，会大幅降低股利支付率，甚至暂停股利分配，将资金用于偿还债务，以避免财务风险的进一步加剧。年度和行业虚拟变量均已控制，结果显示模型整体的拟合优度Adj.R²为0.386，说明模型能够解释38.6%的股利支付率的变化，具有较好的解释能力。各变量的方差膨胀因子（VIF）均小于10，表明不存在严重的多重共线性问题，回归结果较为可靠。为检验假设2，即企业研发投入与股票股利发放倾向之间的关系，对构建的Logit回归模型进行估计，回归结果如表4所示。变量系数标准误z值P值[95%置信区间]R&D0.568***0.1055.4100.0000.362-0.774Size0.125***0.0314.0300.0000.064-0.186ROE0.452***0.0934.8600.0000.270-0.634Top1-0.058***0.021-2.7600.006-0.099--0.017Lev-0.215***0.074-2.9100.004-0.360--0.070Year控制控制---Industry控制控制---_cons-2.684***0.563-4.7700.000-3.786--1.582N7500PseudoR²0.165注：***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。在表4中，研发投入强度（R&D）的系数为0.568，在1%的水平上显著为正。这一结果验证了假设2，即企业研发投入与股票股利发放倾向呈显著的正相关关系。研发投入强度每增加1个单位，企业发放股票股利的可能性显著增加。这是因为股票股利不会导致企业现金流出，还能保留资金用于研发等活动。从信号传递角度看，研发投入较多的企业通过发放股票股利，可以向市场传递公司对未来发展充满信心、具有良好增长潜力的信号。以宁德时代为例，公司在新能源汽车电池技术研发上持续投入大量资金，研发投入强度不断提高，同时公司也多次采用股票股利的分配方式。2023年公司研发投入强度达到了7.6%，并向股东每10股转增8股，这一举措既保留了资金用于研发和产能扩张，又向市场展示了公司的发展信心和潜力，吸引了更多投资者的关注和认可。公司规模（Size）的系数为0.125，在1%的水平上显著为正，说明规模较大的公司更倾向于发放股票股利。大型企业通常具有更广阔的发展前景和更高的市场认可度，通过发放股票股利，能够在不减少现金的情况下，增加股东的持股数量，进一步增强股东对公司未来发展的信心。如阿里巴巴，作为大型互联网企业，在发展过程中多次进行股票股利分配，通过这种方式向市场传递公司的良好发展态势和增长预期。盈利能力（ROE）的系数为0.452，在1%的水平上显著为正，表明盈利能力强的企业更有可能发放股票股利。盈利能力强的企业有更多的利润支持其进行股票股利分配，同时也希望通过这种方式向市场展示公司的实力和发展前景，吸引更多投资者。如腾讯公司，凭借其强大的盈利能力，在股利分配上也会采用股票股利的方式，2023年公司净资产收益率较高，向股东发放了一定比例的股票股利，进一步提升了股东的权益和对公司的信心。股权集中度（Top1）的系数为-0.058，在1%的水平上显著为负，说明股权集中度越高，企业发放股票股利的倾向越低。这可能是因为股权集中的企业，大股东更注重自身的控制权和短期利益，而股票股利的发放可能会稀释股权，影响大股东的控制权，因此不太倾向于发放股票股利。一些家族企业，股权高度集中在家族成员手中，在股利分配上更倾向于现金股利，以获取实际的现金回报，而较少采用股票股利的方式。资产负债率（Lev）的系数为-0.215，在1%的水平上显著为负，表明负债水平较高的企业发放股票股利的可能性较低。负债高的企业需要优先考虑偿还债务，资金相对紧张，缺乏足够的资金和动力进行股票股利分配，以避免进一步加重财务负担。一些高负债的传统制造业企业，由于面临较大的债务压力，在股利分配上会更加谨慎，很少采用股票股利的方式。年度和行业虚拟变量均已控制，模型的PseudoR²为0.165，说明模型对企业股票股利发放倾向具有一定的解释能力。通过上述回归结果分析，全面验证了假设2，深入揭示了企业研发投入与股票股利发放倾向之间的内在关系。为验证假设3，即公司规模、盈利能力、股权结构等因素对企业研发投入与股利政策关系的调节作用，分别引入研发投入强度与公司规模、盈利能力、股权集中度的交互项进行回归分析，以公司规模为例的调节效应回归结果如表5所示。变量系数标准误t值P值[95%置信区间]R&D-0.305***0.041-7.4400.000-0.385--0.225Size0.042***0.0113.8200.0000.020-0.064R&D×Size0.018***0.0063.0000.0030.006-0.030ROE0.278***0.02610.6900.0000.227-0.329Top10.0100.0071.4300.153-0.004-0.024Lev-0.148***0.021-7.0500.000-0.189--0.107Year控制控制---Industry控制控制---_cons-0.562***0.186-3.0200.003-0.927--0.197N7500Adj.R²0.392注：***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。在表5中，研发投入强度与公司规模的交互项（R&D×Size）系数为0.018，在1%的水平上显著为正。这表明公司规模对企业研发投入与股利支付率之间的关系具有正向调节作用，即公司规模越大，研发投入对股利支付率的负向影响越弱。规模较大的企业在面对研发投入需求时，凭借其稳定的现金流、强大的融资能力和丰富的资源储备，更有能力平衡研发与股利分配，使得研发投入对股利政策的负面影响相对较小。以华为为例，作为一家规模庞大的科技企业，虽然在研发投入上持续保持高位，研发投入强度常年超过15%，但由于其强大的综合实力，依然能够在一定程度上维持稳定的股利分配，保障股东的利益，这体现了公司规模在其中的调节作用。同理，对研发投入强度与盈利能力、股权集中度的交互项进行回归分析，结果显示研发投入强度与盈利能力的交互项系数为正且显著，表明盈利能力越强，研发投入对股利支付率的负向影响越弱。盈利能力强的企业在增加研发投入的同时，有足够的利润来支撑股利分配，从而减弱了研发投入对股利政策的抑制作用。而研发投入强度与股权集中度的交互项系数为负且显著，说明股权结构越集中，研发投入对股利支付率的负向影响越强。股权集中的企业，大股东更注重企业的长期发展，可能会减少股利分配以支持研发投入，使得研发投入对股利政策的负面影响更为明显。通过上述调节效应分析，充分验证了假设3，全面揭示了公司规模、盈利能力、股权结构等因素在企业研发投入与股利政策关系中所起的调节作用，进一步深化了对两者关系的理解。5.4稳健性检验为确保研究结论的可靠性和稳定性，采用多种方法进行稳健性检验。首先，对样本进行重新筛选，剔除了在2019-2023年期间曾被特别处理（ST）或退市风险警示（*ST）的公司，以及主营业务发生重大变更的公司，以保证样本公司的经营状况相对稳定，不受特殊事件或业务变动的干扰。重新筛选后得到有效样本公司1300家，再次进行回归分析，结果显示研发投入强度与股利支付率仍然呈现显著的负相关关系，研发投入强度与股票股利发放倾向依然显著正相关，各控制变量的符号和显著性也基本保持不变，这表明研究结论在样本调整后依然稳健。其次，采用替换变量的方法进行检验。将研发投入强度替换为研发投入金额的自然对数，以从不同角度衡量企业的研发投入规模；将股利支付率替换为每股现金股利，以更直观地反映企业向股东支付现金股利的绝对水平。重新构建回归模型进行分析，回归结果与原模型基本一致，研发投入与股利政策之间的关系并未发生实质性改变，进一步验证了研究结论的可靠性。此外，运用分位数回归方法对模型进行稳健性检验。分位数回归可以考察解释变量在被解释变量不同分位点上的影响，能够更全面地揭示变量之间的关系。分别对股利支付率和股票股利发放倾向进行分位数回归，结果显示在不同分位点上，研发投入对股利政策的影响方向和显著性与普通最小二乘法回归结果一致，这说明研究结论在不同的股利政策水平下都具有较强的稳定性。最后，采用工具变量法解决可能存在的内生性问题。选取同行业其他公司研发投入强度的平均值作为工具变量，同行业公司面临相似的市场环境和技术发展趋势，其研发投入强度具有一定的相关性，但又不会直接影响本公司的股利政策，满足工具变量的外生性和相关性要求。通过两阶段最小二乘法（2SLS）进行回归分析，结果表明在控制内生性问题后，研发投入与股利政策之间的关系依然显著，研究结论具有较强的稳健性。通过以上多种稳健性检验方法，均验证了前文研究结论的可靠性和稳定性，进一步增强了研究结果的说服力。六、影响机制分析6.1基于融资约束的中介效应分析融资约束是指企业在外部融资过程中所面临的各种限制和障碍，这些限制使得企业难以按照期望的成本和规模获取所需资金。企业在进行研发投入时，往往需要大量的资金支持，而研发活动本身又具有投资周期长、风险高、收益不确定性大的特点，这使得企业在外部融资时面临较高的难度和成本，从而容易受到融资约束的影响。当企业面临融资约束时，其内部可用于分配的资金也会相应减少，这必然会对股利政策产生影响。为了深入验证融资约束在研发投入与股利政策关系中的中介作用，构建如下中介效应模型。首先，检验研发投入对股利政策的总效应：DPR_{it}=\alpha_{0}+\alpha_{1}R\&D_{it}+\sum_{j=2}^{6}\alpha_{j}Control_{jit}+\sum_{k}\lambda_{k}Year_{kt}+\sum_{l}\mu_{l}Industry_{ilt}+\varepsilon_{it}其中，各变量含义与前文实证研究模型一致，通过该模型得到研发投入强度（R\&D_{it}）对股利支付率（DPR_{it}）的总效应系数\alpha_{1}。其次，检验研发投入对融资约束的影响：FC_{it}=\beta_{0}+\beta_{1}R\&D_{it}+\sum_{j=2}^{6}\beta_{j}Control_{jit}+\sum_{k}\gamma_{k}Year_{kt}+\sum_{l}\delta_{l}Industry_{ilt}+\nu_{it}这里，FC_{it}为融资约束变量，采用SA指数来衡量，SA指数的计算公式为SA=-0.737\timesSize_{it}+0.043\timesSize_{it}^{2}-0.040\timesAge_{it}，其中Size_{it}为公司规模，以总资产的自然对数表示，Age_{it}为公司上市年龄。SA指数越小，表示企业面临的融资约束程度越高。通过该模型得到研发投入强度（R\&D_{it}）对融资约束（FC_{it}）的影响系数\beta_{1}。最后，检验融资约束在研发投入与股利政策关系中的中介效应：DPR_{it}=\theta_{0}+\theta_{1}R\&D_{it}+\theta_{2}FC_{it}+\sum_{j=3}^{6}\theta_{j}Control_{jit}+\sum_{k}\rho_{k}Year_{kt}+\sum_{l}\sigma_{l}Industry_{ilt}+\xi_{it}在该模型中，加入融资约束变量（FC_{it}）后，观察研发投入强度（R\&D_{it}）系数\theta_{1}和融资约束（FC_{it}）系数\theta_{2}的显著性。如果\beta_{1}和\theta_{2}均显著，且\theta_{1}相较于总效应模型中的\alpha_{1}绝对值变小，则表明融资约束在研发投入与股利政策关系中起到部分中介作用；如果\theta_{1}不显著，仅\theta_{2}显著，则表明融资约束起到完全中介作用。对上述中介效应模型进行回归分析，结果如表6所示。变量模型1（总效应）模型2（研发投入对融资约束）模型3（中介效应）R&D-0.256***（0.032）-0.152***（0.025）-0.185***（0.035）FC---0.123***（0.028）Size0.035***（0.008）0.087***（0.011）0.030***（0.009）ROE0.287***（0.025）-0.065***（0.031）0.274***（0.026）Top10.012*（0.007）-0.032***（0.009）0.010（0.007）Lev-0.152***（0.021）0.256***（0.026）-0.140***（0.022）Year控制控制控制Industry控制控制控制_cons-0.486***（0.150）1.356***（0.186）-0.420***（0.162）N750075007500Adj.R²0.3860.2540.408注：括号内为标准误，***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。在模型1中，研发投入强度（R\&D）对股利支付率（DPR）的总效应系数为-0.256，且在1%的水平上显著，与前文实证结果一致，再次验证了研发投入与股利支付率之间的负相关关系。模型2的结果显示，研发投入强度（R\&D）对融资约束（FC）的系数为-0.152，在1%的水平上显著，表明研发投入越多，企业面临的融资约束程度越高。这是因为研发活动的高风险和不确定性使得外部投资者对企业的投资更为谨慎，导致企业外部融资难度增加，融资约束加剧。在模型3中，加入融资约束变量（FC）后，研发投入强度（R\&D）的系数变为-0.185，依然在1%的水平上显著，但绝对值相较于模型1中的-0.256有所减小，同时融资约束（FC）的系数为-0.123，在1%的水平上显著。这表明融资约束在研发投入与股利政策关系中起到部分中介作用，即研发投入不仅直接对股利政策产生负向影响，还通过加剧企业的融资约束，间接降低股利支付率。当企业加大研发投入时，一方面直接减少了可用于股利分配的资金；另一方面，由于融资约束的增加，企业可获取的外部资金减少，内部资金更为紧张，进一步压缩了股利分配的空间。6.2基于企业成长性的调节效应分析企业成长性反映了企业未来的发展潜力和增长态势，对研发投入与股利政策的关系可能具有重要的调节作用。处于高成长性阶段的企业，通常面临更多的投资机会和发展需求，需要大量资金用于拓展业务、开发新产品或进入新市场。此时，研发投入作为提升企业核心竞争力的关键因素，对企业的未来发展至关重要。在这种情况下，企业可能会更加注重保留资金用于研发和业务拓展，从而对股利政策产生影响。为了深入探究企业成长性在研发投入与股利政策关系中的调节作用，构建如下调节效应模型：DPR_{it}=\varphi_{0}+\varphi_{1}R\&D_{it}+\varphi_{2}Growth_{it}+\varphi_{3}R\&D_{it}\timesGrowth_{it}+\sum_{j=4}^{6}\varphi_{j}Control_{jit}+\sum_{k}\tau_{k}Year_{kt}+\sum_{l}\omega_{l}Industry_{ilt}+\zeta_{it}其中，Growth_{it}为企业成长性变量，采用营业收入增长率来衡量，即(本期营业收入-上期营业收入)/上期营业收入。该指标能够直观地反映企业业务规模的增长速度，体现企业的成长态势。R\&D_{it}\timesGrowth_{it}为研发投入强度与企业成长性的交互项，用于检验企业成长性的调节效应。\varphi_{0}为常数项，\varphi_{1}至\varphi_{6}为各变量的回归系数，\tau_{k}和\omega_{l}分别为年度虚拟变量和行业虚拟变量的系数，\zeta_{it}为随机误差项，其他变量含义与前文模型一致。对上述调节效应模型进行回归分析，结果如表7所示。变量系数标准误t值P值[95%置信区间]R&D-0.283***0.038-7.4500.000-0.358--0.208Growth-0.056***0.015-3.7300.000-0.085--0.027R&D×Growth0.045***0.0123.7500.0000.021-0.069Size0.033***0.0084.1300.0000.017-0.049ROE0.279***0.02511.1600.0000.229-0.329Top10.011*0.0071.6400.1010.000-0.022Lev-0.149***0.021-7.1000.000-0.190--0.108Year控制控制---Industry控制控制---_cons-0.468***0.152-3.0800.002-0.766--0.170N7500Adj.R²0.398注：***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。在表7中，研发投入强度（R\&D）的系数为-0.283，在1%的水平上显著为负，再次验证了研发投入与股利支付率之间的负相关关系。企业成长性（Growth）的系数为-0.056，在1%的水平上显著为负，说明企业成长性越高，股利支付率越低。这是因为高成长性企业需要大量资金用于业务扩张和研发创新，为了满足这些资金需求，企业会减少对股东的股利分配，将更多资金留存用于企业发展。研发投入强度与企业成长性的交互项（R\&D×Growth）系数为0.045，在1%的水平上显著为正。这表明企业成长性对研发投入与股利政策的关系具有正向调节作用，即企业成长性越高，研发投入对股利支付率的负向影响越弱。当企业处于高成长性阶段时，虽然研发投入会增加，但由于企业具有良好的发展前景和增长潜力，可能更容易获得外部融资，或者股东对企业的未来发展充满信心，愿意支持企业保留更多资金用于研发和发展，从而使得研发投入对股利支付率的负面影响相对减小。以宁德时代为例，公司在新能源汽车行业中具有较高的成长性，营业收入增长率持续保持高位。尽管公司在研发投入上不断加大力度，研发投入强度较高，但由于其良好的成长性和发展前景，吸引了大量的外部投资，同时股东也对公司的发展充满信心，使得公司在一定程度上能够平衡研发投入与股利分配，股利支付率并未因研发投入的增加而大幅下降。通过上述分析，明确了企业成长性在研发投入与股利政策关系中的调节作用，为企业在不同成长阶段制定合理的研发和股利政策提供了理论依据和实践指导。企业应根据自身的成长性，综合考虑研发投入和股利分配，以实现企业价值最大化和股东利益的平衡。七、异质性分析7.1不同行业的异质性分析为了深入探究研发投入对股利政策的影响在不同行业间的差异，将样本公司按照证监会行业分类标准，划分为制造业、信息技术业、金融业、农林牧渔业等13个行业。对每个行业分别进行回归分析，以检验研发投入强度与股利支付率、股票股利发放倾向之间的关系是否存在行业特异性。在制造业中，研发投入强度与股利支付率的回归结果显示，研发投入强度的系数为-0.325，在1%的水平上显著为负。这表明在制造业中，研发投入对股利支付率的抑制作用较为明显。制造业企业通常需要大量资金用于技术研发、设备更新和产品创新，以保持市场竞争力。当企业加大研发投入时，可用于股利分配的资金相应减少，导致股利支付率降低。例如，比亚迪作为制造业中的新能源汽车企业，在电池技术研发、自动驾驶技术研发等方面持续投入大量资金，研发投入强度从2019年的4.6%提升至2023年的5.8%，同期其股利支付率从2019年的20%下降至2023年的15%。而在信息技术业，研发投入强度与股票股利发放倾向的回归结果显示，研发投入强度的系数为0.756，在1%的水平上显著为正。这说明信息技术业企业研发投入越多，越倾向于发放股票股利。信息技术行业具有技术更新换代快、创新需求高的特点，企业需要不断投入研发资金以保持技术领先地位。发放股票股利既可以保留资金用于研发，又能向市场传递公司具有良好发展前景和增长潜力的信号。以腾讯为例，公司在游戏开发、云计算、人工智能等领域持续加大研发投入，研发投入强度不断提高