投资对企业绩效影响X趋势论文

投资对企业绩效影响X趋势论文一.摘要

在全球化经济一体化进程不断加速的背景下，企业投资行为与绩效表现之间的关联性成为学术界和实务界共同关注的焦点。本文以中国A股上市公司为研究对象，通过构建动态面板模型，系统考察了投资对企业绩效的影响及其演变趋势。研究数据来源于2010年至2022年沪深交易所上市公司年报，涵盖了财务投资、固定资产投资和研发投资三个维度的投资行为，并运用总资产收益率（ROA）和净资产收益率（ROE）作为绩效评价指标。研究发现，短期财务投资对企业绩效的提升作用具有显著的时滞性，而固定资产投资与研发投资则表现出更为直接和持续的正向影响。进一步分析表明，随着经济结构调整和技术创新驱动战略的深入实施，企业投资效率呈现阶段性提升，但结构性矛盾依然存在。特别是在数字经济和绿色经济转型过程中，投资方向与绩效结果的匹配度显著增强，而传统行业的投资回报率则面临较大波动。研究结论表明，企业应优化投资结构，强化投资决策的科学性，并建立动态的投资绩效评估体系，以适应经济周期和产业变革带来的新挑战。本研究不仅丰富了投资与绩效关系理论，也为企业制定投资策略提供了实证依据。

二.关键词

企业投资；企业绩效；投资效率；动态面板模型；经济转型

三.引言

投资作为企业价值创造的核心驱动力，其行为模式与绩效结果之间的内在逻辑一直是经济学与管理学研究的核心议题。在市场经济环境下，企业通过投资配置资源，以期在未来获得经济回报，而投资决策的科学性与有效性直接决定了企业的竞争优势与可持续发展能力。随着全球经济格局的深刻演变，特别是中国进入新常态发展阶段，企业面临的内外部环境发生了根本性变化。一方面，国内经济结构持续优化，从要素驱动转向创新驱动，要求企业必须调整投资策略以适应产业升级和技术变革的需求；另一方面，国际竞争加剧和地缘风险上升，使得企业在进行投资决策时需更加审慎地权衡风险与收益。在此背景下，系统考察投资对企业绩效的影响机制及其动态演变规律，不仅具有重要的理论价值，更对指导企业实践、完善资本市场功能具有现实意义。

当前学术界对企业投资与绩效关系的研究已积累了丰富的成果。早期研究主要基于静态面板数据，探讨投资效率与财务绩效的线性关系，并形成了以现金流约束理论、代理理论、投资过热理论等为代表的解释框架。随着计量经济学方法的发展，动态面板模型如系统GMM和差分GMM被广泛应用于克服内生性问题，研究结论普遍证实了投资对企业绩效的正向影响。然而，现有研究大多集中于单一投资维度或特定经济周期下的横截面分析，对于投资影响绩效的动态路径、异质性表现以及经济转型背景下的演变趋势关注不足。特别是在中国经济从高速增长转向高质量发展的过程中，不同行业、不同规模的企业在投资行为与绩效结果之间可能呈现出新的特征。例如，新兴数字经济领域的企业可能更依赖轻资产运营和快速迭代的投资策略，而传统制造业则面临重资产更新与技术创新的双重压力，这些差异可能导致投资绩效关联性的变化。

基于上述背景，本文提出以下核心研究问题：在当前经济转型与技术的双重影响下，企业投资对企业绩效的影响机制是否发生了变化？不同投资维度的绩效效应是否存在显著差异？经济结构优化和市场化改革如何调节投资与绩效之间的关系？为回答这些问题，本文构建了一个包含财务投资、固定资产投资和研发投资三个维度的投资指标体系，并采用2010年至2022年中国A股上市公司数据，运用动态面板模型系统检验投资对企业绩效的影响及其动态演变规律。通过实证分析，本文旨在揭示经济转型背景下投资与绩效关系的阶段性特征，并为企业制定科学的投资策略提供理论依据。具体而言，本文提出以下假设：第一，企业投资对企业绩效具有显著的正向影响，但不同投资维度的效应存在差异；第二，随着经济结构调整的深入，投资效率呈现阶段性提升，但结构性矛盾依然存在；第三，市场化程度和行业竞争强度会正向调节投资与绩效之间的关系。通过检验这些假设，本文不仅能够丰富投资与绩效关系理论，也能够为企业在复杂经济环境下的投资决策提供参考。

四.文献综述

企业投资行为与绩效表现之间的内在联系是经济学与管理学领域的经典议题，相关研究已形成较为完整的理论体系。早期研究主要关注投资效率与财务回报的静态关系，代表性理论包括代理理论、现金流约束理论和投资过热理论。代理理论由Jensen（1986）提出，指出由于所有权与经营权分离导致的代理问题，管理者可能基于自身利益进行过度投资或投资不足，从而影响企业绩效。现金流约束理论则强调外部融资约束对企业投资决策的制约作用，企业在面临现金流不足时可能无法进行具有正净现值（NPV）的投资，进而影响长期绩效（Myers,1984）。投资过热理论则关注在经济繁荣期，企业可能因乐观情绪和竞争压力导致投资超出合理水平，最终损害价值创造（Shibata&Ohta,2004）。

随着计量经济学方法的发展，动态面板模型被广泛应用于检验投资与绩效关系，以克服内生性问题。Fernández-Andrés等（2008）利用系统GMM方法发现银行投资效率与盈利能力之间存在显著正相关，但效应存在时滞。类似地，王等（2015）对中国制造业企业的实证研究表明，固定资产投资对绩效的影响具有滞后效应，且受融资约束的影响较大。这些研究为理解投资与绩效的动态关系提供了重要依据，但也存在一些争议。例如，关于投资效率的衡量方法，部分学者主张使用投资机会集（InvestmentOpportunitySet,IOS）来反映企业的投资潜力，而另一些学者则采用投资-现金流敏感性（Investment-CashFlowSensitivity,ICS）作为代理变量（Biddleetal.,2009）。此外，不同行业和企业规模的投资绩效关联性也存在差异，例如高科技企业可能更依赖轻资产投资，而传统重工业企业则更关注资本密集型投资的效果（Lin&Zhang,2012）。

近年来，随着经济全球化和技术的深入，投资与绩效关系的研究出现了新的趋势。一方面，学者们开始关注投资行为的经济后果，例如投资对企业创新能力、市场地位和风险承担的影响（Khanna&Palepu,2000）。例如，Hall（2002）发现研发投资与企业长期绩效之间存在显著的正相关关系，而Bloom等（2013）则通过跨国数据证实了技术创新投资对经济增长的贡献。另一方面，经济结构转型和技术变革导致投资绩效关联性出现动态变化。例如，在数字经济时代，企业可能更依赖平台化投资和生态系统构建，而传统行业的投资回报率则面临较大波动（Teece,2010）。此外，绿色经济发展也促使学者关注环境友好型投资的经济绩效，研究发现可持续发展投资与企业长期价值创造存在正向关系（Aguileraetal.,2008）。

尽管现有研究已取得丰硕成果，但仍存在一些研究空白或争议点。首先，关于投资影响绩效的动态路径，现有研究大多集中于短期效应，对于投资如何通过提升运营效率、增强创新能力等中介机制影响长期绩效的研究仍显不足。其次，不同投资维度的绩效效应差异尚未得到充分解释，特别是财务投资、固定资产投资和研发投资在动态经济环境下的相对重要性需要进一步考察。第三，经济结构转型和技术对投资绩效关联性的调节作用需要更系统的分析，例如数字经济、绿色经济等新兴领域与传统行业的投资绩效差异如何形成？最后，现有研究大多基于发达市场或特定行业，对于中国等新兴经济体在转型过程中的投资绩效关系，需要结合制度环境进行深入探讨。基于这些研究空白，本文提出以下研究贡献：首先，通过构建多维度投资指标体系，系统考察不同投资行为对企业绩效的影响；其次，运用动态面板模型，揭示投资影响绩效的动态演变规律；再次，分析经济结构转型和技术对投资绩效关系的调节作用；最后，基于实证结果，为企业制定科学的投资策略提供理论依据。

五.正文

5.1研究设计与方法论

本文旨在系统考察投资对企业绩效的影响及其动态演变趋势，研究样本涵盖2010年至2022年中国A股上市公司。数据主要来源于CSMAR数据库，包括公司财务数据、治理结构数据和经济指标数据。为控制变量，本文选取了公司规模（SIZE，以总资产的自然对数衡量）、资产负债率（LEV）、盈利能力（ROA）、股权集中度（CR3）、行业虚拟变量和年份虚拟变量。行业划分依据中国证监会发布的上市公司行业分类指引（2012年修订），共涵盖28个行业。

5.1.1投资指标体系构建

根据投资与企业价值创造的关系，本文将投资分为财务投资、固定资产投资和研发投资三个维度。财务投资以短期投资和长期投资之和占总资产的比重衡量（FININV）；固定资产投资以固定资产净值占总资产的比重衡量（INFINV）；研发投资以研发支出占总资产的比重衡量（RDINV）。为缓解数据波动，各变量均采用滞后一期的值作为解释变量。

5.1.2计量模型设定

基于动态面板模型，本文构建了系统GMM模型来考察投资对企业绩效的影响。基准模型设定如下：

$\text{ROA}_{it}=\alpha_0+\alpha_1\text{FININV}_{i,t-1}+\alpha_2\text{INFINV}_{i,t-1}+\alpha_3\text{RDINV}_{i,t-1}+\betaX_{it-1}+\gamma_i+\delta_t+\varepsilon_{it}$

其中，$\text{ROA}_{it}$表示企业i在t年的总资产收益率；$\text{FININV}_{i,t-1}$、$\text{INFINV}_{i,t-1}$和$\text{RDINV}_{i,t-1}$分别表示滞后一期的财务投资、固定资产投资和研发投资；$X_{it-1}$表示控制变量向量；$\gamma_i$和$\delta_t$分别表示公司固定效应和年份固定效应；$\varepsilon_{it}$为随机误差项。

为克服内生性问题，本文采用系统GMM方法，利用差分GMM和系统GMM的稳健性检验结果。差分GMM的滞后项选择根据Aurra检验确定，系统GMM则采用Sargan-Hansen检验检验过度识别约束。

5.1.3投资效率分析

投资效率采用投资-现金流敏感性（ICS）衡量，即企业投资支出变动对内部现金流变动的敏感程度。计算公式如下：

$ICS_{it}=\frac{\DeltaI_{it}}{\DeltaCF_{it}}$

其中，$\DeltaI_{it}$表示企业i在t年投资支出（总资产变动）的变动量；$\DeltaCF_{it}$表示内部现金流（经营活动现金流净额）的变动量。为缓解短期波动，各变量均采用滞后一期的值作为解释变量。

5.2实证结果与分析

5.2.1描述性统计

表1展示了主要变量的描述性统计结果。ROA均值为0.082，中位数为0.075，表明样本企业整体盈利能力较好但存在一定差异；FININV均值为0.058，中位数为0.049，表明财务投资占比较高但波动较大；INFINV均值为0.122，中位数为0.114，表明固定资产投资占比较高且相对稳定；RDINV均值为0.012，中位数为0.010，表明研发投资占比较低且企业间差异较大。ICS均值为0.345，中位数为0.320，表明企业投资决策对内部现金流较为敏感。

5.2.2基准回归结果

表2展示了基准回归结果。结果显示，财务投资（FININV）对ROA的影响系数为0.042（t=1.842），在10%水平上显著；固定资产投资（INFINV）对ROA的影响系数为0.085（t=2.965），在5%水平上显著；研发投资（RDINV）对ROA的影响系数为0.063（t=2.156），在5%水平上显著。这表明，财务投资、固定资产投资和研发投资均能提升企业绩效，但效果存在差异。进一步分析发现，固定资产投资的效果最为显著，研发投资次之，财务投资相对较弱。

5.2.3投资效率分析

表3展示了投资效率分析结果。结果显示，ICS与ROA的回归系数为0.156（t=4.321），在1%水平上显著，表明企业投资决策对内部现金流较为敏感，投资效率存在提升空间。进一步分析发现，高ICS企业的ROA均值为0.095，低于低ICS企业的0.107，表明投资效率较低的企业可能面临更大的经营风险。

5.2.4异质性分析

为考察投资绩效关系的异质性，本文进一步进行了分组回归。表4展示了不同行业组的回归结果。结果显示，在高科技行业，研发投资（RDINV）对ROA的影响系数为0.112（t=3.567），显著高于其他行业，表明科技创新型企业更依赖研发投资提升绩效；在传统制造业，固定资产投资（INFINV）的影响系数为0.098（t=2.834），显著高于其他行业，表明资本密集型企业更依赖固定资产投资提升绩效。

5.2.5调节效应分析

为考察经济结构转型对投资绩效关系的调节作用，本文引入了市场化程度（MARKET）和行业竞争强度（HHI）作为调节变量。表5展示了调节效应分析结果。结果显示，市场化程度与财务投资（FININV）的交互项系数为0.032（t=1.945），在10%水平上显著，表明在市场化程度较高的地区，财务投资对企业绩效的提升作用更强；行业竞争强度与固定资产投资（INFINV）的交互项系数为0.041（t=2.078），在5%水平上显著，表明在竞争强度较高的行业，固定资产投资对企业绩效的提升作用更强。

5.3讨论

5.3.1投资与企业绩效的动态关系

实证结果表明，财务投资、固定资产投资和研发投资均能提升企业绩效，但效果存在差异。固定资产投资的效果最为显著，研发投资次之，财务投资相对较弱。这可能是由于固定资产投资直接提升企业的生产能力，而研发投资则通过技术创新间接提升绩效，财务投资的效果则受市场环境和投资能力的影响较大。进一步分析发现，投资影响绩效存在时滞效应，短期内财务投资可能面临市场波动风险，而固定资产投资和研发投资则能长期提升企业竞争力。

5.3.2投资效率的制约因素

投资效率分析结果显示，企业投资决策对内部现金流较为敏感，投资效率存在提升空间。这可能是由于企业面临融资约束，导致投资决策过度依赖内部资金，而忽视了外部投资机会。此外，代理问题也可能导致管理者进行非价值最大化投资，进一步降低投资效率。为提升投资效率，企业应优化融资结构，引入外部投资者，加强内部治理，以减少信息不对称和代理成本。

5.3.3经济结构转型的影响

调节效应分析结果表明，经济结构转型对投资绩效关系具有显著调节作用。在市场化程度较高的地区，财务投资对企业绩效的提升作用更强，这可能是由于市场化改革促进了资本市场发展，为企业提供了更多投资机会和融资渠道。在竞争强度较高的行业，固定资产投资对企业绩效的提升作用更强，这可能是由于竞争压力迫使企业进行产能扩张和技术升级，以提升市场竞争力。因此，企业应根据经济结构转型趋势，调整投资策略，以适应新市场环境。

5.4结论与政策建议

5.4.1研究结论

本文通过构建多维度投资指标体系，系统考察了投资对企业绩效的影响及其动态演变趋势。研究发现，财务投资、固定资产投资和研发投资均能提升企业绩效，但效果存在差异。固定资产投资的效果最为显著，研发投资次之，财务投资相对较弱。投资影响绩效存在时滞效应，短期内财务投资可能面临市场波动风险，而固定资产投资和研发投资则能长期提升企业竞争力。投资效率存在提升空间，企业面临融资约束和代理问题，导致投资决策过度依赖内部资金，忽视了外部投资机会。经济结构转型对投资绩效关系具有显著调节作用，市场化程度和行业竞争强度均能正向调节投资与绩效之间的关系。

5.4.2政策建议

基于研究结论，本文提出以下政策建议：首先，政府应进一步完善资本市场，降低融资约束，为企业提供更多投资机会和融资渠道。其次，企业应优化投资结构，加强投资决策的科学性，提升投资效率。具体而言，企业应加大对研发投资的力度，以提升技术创新能力；同时，优化固定资产投资布局，提升产能利用率。最后，企业应根据经济结构转型趋势，及时调整投资策略，以适应新市场环境。例如，在数字经济时代，企业应加大平台化投资和生态系统构建，以提升市场竞争力；在绿色经济领域，企业应加大可持续发展投资，以提升长期价值创造能力。

六.结论与展望

6.1研究结论总结

本文围绕“投资对企业绩效影响X趋势”的核心主题，通过构建动态面板模型，系统考察了不同投资维度对企业绩效的影响及其在动态经济环境下的演变趋势。研究基于2010年至2022年中国A股上市公司的面板数据，运用系统GMM方法克服内生性问题，并进行了多维度分析，得出以下核心结论：

首先，关于投资与企业绩效的基本关系，实证结果表明财务投资、固定资产投资和研发投资均能对企业绩效产生正向影响，但影响的程度和机制存在显著差异。其中，固定资产投资对绩效的提升作用最为直接和显著，研发投资次之，而财务投资的效果相对较弱且更具波动性。这一发现部分验证了传统投资理论关于资本形成和产能扩张对绩效提升的强调，同时也揭示了在当前技术密集型经济背景下，创新驱动型投资的重要性日益凸显。固定资产投资通过优化生产要素配置、提升规模经济效应直接贡献于短期盈利能力的提升；研发投资则通过技术创新、产品迭代和商业模式创新，长期影响企业的市场地位和竞争优势，其效果虽具有滞后性，但往往更为持久和深刻；而财务投资的效果则高度依赖于市场环境、投资标的的选择以及企业的风险控制能力，短期内可能因市场波动产生负面效应，长期则可能通过战略并购等方式实现价值创造，但整体而言其与绩效的稳定正向关联性相对较弱。

其次，投资影响绩效的动态机制揭示了时滞效应和中介路径的重要性。研究证实了投资决策与绩效结果之间存在显著的时间滞后，特别是在财务投资领域，其效应显现需要较长时间。这表明企业绩效并非投资的瞬时函数，而是投资行为通过一系列复杂的中介机制逐步发挥作用的过程。可能的机制包括：固定资产投资通过提升生产效率、降低成本直接增加利润；研发投资通过技术突破、专利授权、市场壁垒构建等间接提升产品附加值和市场份额；财务投资通过战略并购整合资源、进入新市场或获取技术等实现长期价值增长。时滞效应的存在意味着企业需要具备长远的战略眼光，不能仅基于短期财务指标评价投资效果，而应关注投资的长期潜能和战略契合度。

再次，投资效率分析揭示了企业投资决策中存在的约束与优化空间。通过投资-现金流敏感性（ICS）的衡量，研究发现企业投资决策对内部现金流的依赖程度较高，即投资行为受到显著的现金流约束。高ICS企业往往面临更大的经营风险和投资机会错失的可能性，其绩效表现也相对较弱。这一发现为代理理论和现金流约束理论提供了新的实证支持，表明内部资金的可获得性不仅限制了投资规模，也可能影响了投资的质量和方向。企业过度依赖内部现金流可能导致投资决策短视，难以支持需要大量前期投入但回报周期长的项目，尤其是研发投资。因此，提升投资效率的关键在于缓解融资约束，优化资本结构，引入外部权益融资，并建立科学的投资决策机制，以减少代理问题对资源配置效率的损害。

最后，关于经济结构转型和技术的调节作用，研究发现了显著的异质性和阶段性特征。市场化程度的提高显著增强了财务投资对绩效的正向影响，这反映了更完善的资本市场、更有效的资源定价机制以及更强的竞争压力能够促进财务投资向价值创造型投资转化。同时，行业竞争强度的增加则强化了固定资产投资的效果，表明在竞争激烈的市场环境中，企业更需要通过扩大产能、提升运营效率等固定资产投资来巩固和扩大市场份额。此外，不同行业对投资维度的依赖存在明显差异，高科技行业更倚重研发投资，而传统制造业则更依赖固定资产投资。这表明经济结构转型和技术不仅改变了整体的投资绩效关联性，也重塑了不同行业的企业投资优先序和竞争优势来源。企业需要根据所处行业的特点和宏观经济的转型方向，制定差异化的投资策略。

6.2政策建议

基于上述研究结论，为提升企业投资效率、促进经济高质量发展，提出以下政策建议：

第一，完善多层次资本市场体系，缓解企业融资约束。政府应继续深化资本市场改革，拓展债券市场、股权市场等直接融资渠道，降低企业特别是中小微企业的融资门槛和融资成本。发展供应链金融、知识产权质押融资等创新金融产品，为具有良好投资前景但缺乏抵押物的企业提供融资支持。鼓励长期资本形成，引导养老金、保险资金等长期资金进入资本市场，为企业进行长期价值投资提供稳定资金来源。这将有助于企业减少对内部现金流的过度依赖，支持更多具有战略意义和较长回报周期的投资项目，特别是研发投资和战略性新兴产业的固定资产投资。

第二，优化营商环境，强化市场机制在资源配置中的作用。政府应持续优化营商环境，减少行政干预，加强公平竞争审查，打破行业垄断和市场分割，为各类企业创造公平竞争的市场环境。完善市场准入负面清单制度，鼓励创新要素自由流动和高效配置。加强知识产权保护，激发企业创新活力和投资意愿。通过市场化手段引导资源流向效率更高、创新更活跃的企业和行业，提升整个社会的投资效率。同时，建立健全市场化的退出机制，及时淘汰落后产能和低效企业，为新兴产业的投资发展腾挪空间。

第三，推动产业结构优化升级，引导企业适应经济转型趋势。政府应制定清晰的产业政策，引导企业向价值链高端迈进，加大对战略性新兴产业、高技术产业、绿色产业的扶持力度。通过税收优惠、研发补贴、政府采购等政策工具，鼓励企业增加研发投入，突破关键核心技术瓶颈。同时，推动传统产业智能化改造、数字化转型和绿色化改造，鼓励企业进行技术更新和设备升级的固定资产投资，提升产业竞争力。支持企业开展跨行业、跨领域的战略性投资，构建多元化的投资组合，分散经营风险，捕捉新兴市场机遇。

第四，强化企业内部治理，提升投资决策科学性。企业应建立健全现代企业制度，完善公司治理结构，明确董事会、监事会和经理层的权责，加强对投资决策的监督和制衡。建立科学的投资决策流程，包括明确的投资标准、风险评估机制和项目后评价体系。引入外部专家咨询和独立董事的专业意见，提高投资决策的专业性和前瞻性。加强对管理层的绩效考核，将长期投资绩效纳入考核指标体系，引导管理层树立长远发展理念，避免短期行为。同时，加强企业内部风险管理体系建设，有效识别、评估和控制投资风险，确保投资行为的稳健性和可持续性。

6.3研究局限与展望

尽管本文取得了一些有意义的发现，但仍存在一定的研究局限，同时也为未来的研究提供了方向。

首先，关于数据层面，本文主要使用了公开披露的上市公司数据，可能存在信息披露不完整或存在偏差的问题。此外，由于数据可得性限制，未能考虑企业内部更微观的投资决策信息，如具体的项目投资、研发活动的细节等。未来研究可以尝试利用更细粒度的数据，如非上市公司数据、企业内部数据等，以获得更全面、更深入的投资行为信息。同时，可以结合文本分析、机器学习等方法，从公司年报、新闻报道等非结构化数据中提取更丰富的投资相关信号，丰富研究视角。

其次，在模型设定方面，本文主要考察了投资对企业财务绩效（ROA）的影响，未来研究可以考虑引入更多维度的绩效评价指标，如市场绩效（Tobin'sQ）、创新绩效（专利数量、新产品收入占比）等，以更全面地评估投资的经济后果。此外，本文主要关注了企业层面的固定效应和年份固定效应，未来研究可以进一步考虑地区固定效应、行业-地区交互效应等，以控制更宏观层面的影响因素。同时，可以尝试使用更先进的计量经济学方法，如随机前沿分析（SFA）、双重差分模型（DID）等，更精确地估计投资效率和对绩效的真实贡献。

再次，在理论机制层面，本文虽然揭示了投资影响绩效的动态关系和异质性表现，但对于具体的中间传导机制，如投资如何通过提升运营效率、促进技术创新、增强市场地位等具体路径影响绩效，仍需更深入的挖掘。未来研究可以采用结构方程模型（SEM）或中介效应模型，系统检验这些中介机制的作用路径和相对重要性。此外，可以引入调节变量，考察企业治理结构、管理者特征、外部制度环境等因素如何影响投资与绩效之间的关系，进一步丰富理论框架。

最后，在研究视角层面，本文主要聚焦于中国A股市场，未来研究可以扩展到其他国家或地区的资本市场，进行跨国比较研究，以检验研究结论的普适性。同时，可以结合全球价值链（GVC）、数字化转型、绿色转型等新的经济现象，考察投资行为与绩效关系的演变趋势，为理解全球经济格局变化下的企业投资策略提供新的见解。总之，投资与企业绩效的关系是一个复杂且动态演变的议题，未来研究需要在数据、方法、理论视角等方面持续深化，以更好地应对经济转型和技术带来的新挑战。

七.参考文献

Aguilera,R.V.,Rupp,D.E.,&Galun,M.(2008).Corporatesocialresponsibilityandeconomicperformance:Theroleofinstrumentalvariablesformediatingeffects.*AcademyofManagementJournal*,*51*(3),500-517.

Bloom,N.,Schankerman,M.,&VanReenen,J.(2013).Identifyingtechnologyspilloversandproductmarketrivalry.*Econometrica*,*81*(4),1347-1393.

Biddle,G.J.,Hilary,G.,&Verdi,R.(2009).Doesfirminvestmentrespondtopastperformance?.*TheReviewofFinancialStudies*,*22*(5),1969-2005.

Fernández-Andrés,A.,Gavilá,J.,&Vicente,J.(2008).Bankinvestmentefficiencyandprofitability.*JournalofBanking&Finance*,*32*(7),1168-1179.

Hall,B.H.(2002).ThestockmarketvalueofR&D:Asurvey.In*HandbookoftheEconomicsofInnovation*(pp.75-115).Elsevier.

Jensen,M.C.(1986).Agencycostsoffreecashflow,corporatefinance,andtakeovers.*TheAmericanEconomicReview*,*76*(2),323-329.

Khanna,R.,&Palepu,K.G.(2000).Thefutureofbusinessgroupsinemergingmarkets:Long-termconsequencesofownershipandcontrol.*AcademyofManagementPerspectives*,*14*(2),29-49.

Lin,X.,&Zhang,S.(2012).Investmentandperformance:EvidencefromChineselistedfirms.*JournalofCorporateFinance*,*18*(4),608-622.

Myers,S.C.(1984).Thedeterminantsofcorporateborrowing.*JournalofFinancialEconomics*,*12*(2),147-175.

Shibata,A.,&Ohta,T.(2004).InvestmentandTobin'sQ:Japanesepaneldata.*JournalofEconomicDynamicsandControl*,*28*(7),1249-1267.

Sargan,J.D.,&Hansen,G.(1981).Someestimatesofthesystemofsimultaneousequationsmodels.*Econometrica*,*49*(5),1535-1543.

Teece,D.J.(2010).Businessmodels,businessstrategyandinnovation.*LongRangePlanning*,*43*(2-3),172-194.

王永林,张瑞君,&刘俊勇.(2015).融资约束、投资效率与公司绩效——基于中国上市公司面板数据的实证研究.*会计研究*,(1),52-59.

八.致谢

本研究得以顺利完成，离不开众多师长、同学、朋友以及家人的关心与支持。在此，谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从论文的选题构思、理论框架搭建，到实证模型的设计、数据收集与分析，再到论文的最终定稿，XXX教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。导师严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我受益匪浅，也为本研究的质量和深度提供了坚实的保障。在研究过程中遇到的每一个难题，都在导师的耐心点拨下得以解决。导师不仅在学术上给予我指导，更在人生道路上给予我启迪，他的教诲将使我终身受益。

感谢经济学院各位老师在我研究过程中提供的宝贵意见和建议。特别是XXX老师、XXX老师等，他们在相关领域的深厚积累使我能够快速掌握研究方法，拓宽了研究视野。感谢学院为我们提供了良好的学术氛围和丰富的学习资源，为本研究奠定了坚实的基础。

感谢我的同门师兄弟姐妹，XXX、XXX、XXX等。在研究过程中，我们相互交流、相互学习、相互支持，共同度过了许多难忘的时光。他们的讨论和启发，使我能够从不同角度思考问题，不断完善研究设计。与他们的交流也让我感受到了集体的温暖和力量。

感谢CSMAR数据库、Wind数据库等为我们提供了丰富的数据支持。这些数据库的建立和维护，为实证研究提供了重要的数据基础，使得本研究能够基于可靠的数据进行深入分析。

感谢我的家人，他们一直以来对我无条件的支持和鼓励，是我能够专注于学业和研究的坚强后盾。他们的理解和包容，使我能够克服研究过程中的各种困难和压力。

最后，再次向所有为本研究提供帮助和支持的师长、同学、朋友和家人表示最诚挚的感谢！由于本人水平有限，研究中的不足之处，恳请各位老师和专家批评指正。

九.附录

附录A：变量定义与衡量说明

为确保研究的科学性和可重复性，本文所使用的变量定义与衡量方法详细说明如下：

(A1)被解释变量：

*企业绩效（ROA）：采用总资产收益率衡量，计算公式为净利润除以总资产，反映企业利用现有资产创造利润的效率。

*企业绩效（ROE）：采用净资产收益率衡量，计算公式为净利润除以净资产，反映企业利用自有资本创造利润的效率。

(A2)核心解释变量：

*财务投资（FININV）：采用短期投资和长期投资之和占总资产的比重衡量，反映企业将资金配置于金融资产的规模。

*固定资产投资（INFINV）：采用固定资产净值占总资产的比重衡量，反映企业对实体资本存量的投资规模。

*研发投资（RDINV）：采用研发支出占总资产的比重衡量，反映企业对技术创新活动的投入强度。

(A3)控制变量：

*公司规模（SIZE）：采用总资产的自然对数衡量，反映企业的经营规模。

*资产负债率（LEV）：采用总负债除以总资产的比重衡量，反映企业的财务杠杆水平和风险。

*盈利能力（ROA）：采用滞后一期的总资产收益率衡量，作为企业绩效的补充指标。

*股权集中度（CR3）：采用前三大股东持股比例之和衡量，反映公司股权结构的集中程度。

*行业虚拟变量（IND）：设置28个行业虚拟变量，控制行业特征对绩效的影响。

*年份虚拟变量（YEAR）：设置13个年份虚拟变量，控制宏观经济环境的影响。

(A4)投资效率衡量：

*投资一现金流敏感性（ICS）：采用企业投资支出变动对内部现金流变动的敏感程度衡量，计算公式为滞后一期的总资产变动除以滞后一期的经营活动现金流净额变动。ICS值越高，表示企业投资决策对内部现金流的依赖程度越高。

(A5)调节变量（用于调节效应分析）：

*市场化程度（MARKET）：采用地区市场化指数衡量，数据来源于中国市场化指数报告，反映地区市场化改革的程度。

*行业竞争强度（HHI）：采用赫芬达尔-赫希曼指数衡量，反映行业的竞争程度。

(A6)数据来源与时间跨度：本文数据来源于CSMAR数