1. 引言
在当今商业环境中,企业创新已成为推动其持续发展的核心动力,而董事会在企业创新决策中扮演着至关重要的角色。近年来,随着女性在职场中的崛起,女性董事的比例逐渐上升,她们为企业带来了独特的视角和决策风格。然而,女性在决策过程中往往表现出对风险的敏感和规避倾向,这使得她们在面临创新项目时可能持有更为保守的态度[1]。因此,探讨女性董事、风险承担与企业创新投入之间的关系,不仅具有理论意义,也具有重要的现实意义。在结合现实情况,深入探讨女性董事、风险承担与企业创新投入之间的关系。我们将分析女性董事的风险承担特征以及这一特征如何影响企业的创新投入决策,同时考察企业的风险承担水平在其中的调节作用。通过本研究,我们期望能够为企业优化治理结构、提高创新投入水平提供有益的参考和启示,推动女性在职场中的平等参与和企业的创新发展。
2. 研究假设及研究设计
2.1. 研究假设
高阶梯队理论认为企业领导者的特征影响战略决策,性别特征是其中之一。本文认为董事会中女性比例影响企业战略决策,进而影响创新投入。女性行为更利他,有助于企业承担社会责任,提升技术创新水平。资源依赖理论也指出女性董事有助于获取差异化资源,促进创新[2]。信息决策理论表明女性加入增加团队异质性,拓宽信息获取途径,利于创新。然而,女性管理者因避免风险和不确定性,可能不利于企业创新。心理学和社会角色理论也指出女性较为保守,可能抑制企业创新支出,现提出了如下的假设[3]:
H1a:女性董事对企业创新投入有促进作用。
H1b:女性董事对企业创新投入有抑制作用。
企业风险承受程度影响其投资决策,尤其在创业创新中。风险承受能力弱的企业可能缺乏创新积极性,而能力强的企业更愿投入高风险项目以追求高利润,进而推动创新。企业的长远发展需适当的风险承担水平,随着风险承担程度的提高,创新投资也会增长,对企业的投资决策产生积极作用[4]。因此,我们提出了以下的假定:
H2:企业的创新投入与风险承担程度呈正相关。
风险承担反映管理者对风险项目的态度。女性管理者因不过度自信而倾向稳健决策,常回避风险创新,不利于公司创新。风险承担水平影响企业创新投入,对女性董事和创新投入有调控作用[5]。本文研究风险承担作为调节变量,探讨董事和经理责任对创新的影响。下面的假定是:
H3:风险承担水平越高,女性董事与企业创新投入间的关系受到的调节作用越强。
2.2. 研究设计
2.2.1. 样本选择与数据来源
本文以2021~2023年沪、深两市的A股上市公司的数据为研究样本。风险承担指标计算所需数据来自Wind数据库,其余数据均来自CSMAR (国泰安)数据库,并对数据做如下处理:(1) 剔除样本期内ST、*ST等公司;(2) 剔除金融类上市公司;(3) 剔除变量数据缺失样本;(4) 剔除未充分披露所需财务信息的样本;(5) 由于风险承担需要计算观测时段t−2到t年内的Roa,因此剔除2021~2023年财务信息中Roa不全的样本。
2.2.2. 变量设计
(1) 被解释变量。本文使用研发投入的经费占营业收入的比重来衡量创新水平;指标计算方法如下所示:
(2) 解释变量。采用董事会中女性数量占董事会成员数量的比例来衡量。具体计算方法如下:
(3) 调节变量。在本文的回归分析中,风险承担具体计算方法如图所示。其中,由于高管的任期一般是3年,因此本文选择滚动计算3年的Roa。通过公式计算滚动得出调整后的Roa的标准差和极差。在回归分析时,采用调整后Roa的标准差进行衡量。其中,i为第i个研究样本,N为观测时段,在本文中N为3年,k为行业内上市公司数,EBITDA和ASSET分别表示企业息税折旧摊销前利润和年末总资产。具体计算方法如下:
(4) 控制变量。结合所查阅文献有关企业创新的相关研究成果,选择两职合一、资产负债率、上市年限、企业规模、企业成长性和盈利水平作为本文的控制变量。
2.2.3. 研究模型
借鉴各位学者相关的研究成果,本文以RD为被解释变量构建三个模型,对上文的三个假设进行多元线性回归分析[6]。在表1中,RD表示被解释变量企业创新投入,FEL表示解释变量女性董事比例,β0为截距项,βi为回归系数,FEL*Risk是交叉项,ɛ为误差项。
Table 1. Variable definition table
表1. 变量定义表
变量性质 |
变量名称 |
变量代码 |
变量含义 |
被解释变量 |
企业创新投入 |
RD |
研发投入金额/企业主营业务收入 |
解释变量 |
女性董事比例 |
FEL |
董事会中女性数量/董事会成员数量 |
调节变量 |
风险承担 |
Risk |
三经过行业平均调整后的Roa的标准差 |
控制变量 |
两职合一 |
Duality |
若总经理兼任董事长,为1,否则为0 |
资产负债率 |
Lev |
债总额与资产总额的比 |
上市年限 |
Age |
上市时间的自然对数值 |
企业规模 |
Size |
期末总资产的自然对数值 |
企业成长性 |
Growth |
企业营业利润增长率 |
盈利水平 |
Roa |
资产收益率 |
年度虚拟变量 |
Year |
虚拟变量 |
行业虚拟变量 |
Industry |
虚拟变量 |
1) 女性董事比例与企业创新投入的关系模型
模型1:
2) 风险承担与企业创新投入的关系模型
模型2:
3) 风险承担的调节效应模型
模型3:
3. 实证分析
3.1. 描述性统计
通过剔除无效样本,共获得有效观测值8130个。描述性统计结果如表2所示。表2显示研究样本研发投入的平均值为5.076,标准差为5.071,最小值为0.002,最大值为58.850,这说明2021~2023三年间上市公司在研发方面的支出是较低的,各上市公司的研发支出的水平参差不齐,有非常大的差距。女性董事在董事会中比例的平均值为0.160,标准差为0.134,最大值为0.750,最小值是0,这体现了研究样本中董事会成员基本都是男性董事,女性董事占比平均只有16%,还有一部分上市公司董事会成员均为男性。平均企业风险承担水平为0.039,最低为0.001,最高为0.456,这表明不同企业的风险承担水平差异很大。从控制变量的角度来看,资产负债率(Lev)的均值稳定在0.419,说明大多数企业保持着一个较为合理的资本结构,同时盈利水平(Roa)基本维持在正常水平,预期不会对模型造成不良影响。而企业成长性(Growth)和企业规模(Size)不同企业间差距十分明显。
Table 2. Descriptive statistics
表2. 描述性统计
变量 |
样本数据 |
均值 |
标准差 |
最小值 |
最大值 |
RD |
8130 |
5.076 |
5.071 |
0.002 |
58.85 |
FEL |
8130 |
0.160 |
0.134 |
0.000 |
0.75 |
Risk |
8130 |
0.039 |
0.054 |
0.001 |
0.456 |
Duality |
8130 |
0.311 |
0.463 |
0.000 |
1.000 |
Lev |
8130 |
0.419 |
0.201 |
0.008 |
4.995 |
Age |
8130 |
0.883 |
0.386 |
0.000 |
1.477 |
Size |
8130 |
9.692 |
0.568 |
7.798 |
12.44 |
Growth |
8130 |
0.634 |
14.49 |
−11.680 |
1.145 |
Roa |
8130 |
0.036 |
0.105 |
−1.683 |
4.489 |
3.2. 相关性分析
利用Pearson法对各变量之间的相关性进行了分析[7]。关性分析的结果见表3,由下表可知,最大相关系数只有0.490,因此,初步估计没有十分严重的多重共线性问题。女性董事在董事会的占比(FEL)与企业创新投入(RD)的代理变量——研发投入强度的相关系数为0.006,并且关系并不显著,未达到预期假设,后续加入控制变量后再进行深入探讨。风险承担(Risk)与企业创新投入(RD)的相关系数为0.133,并且通过了1%的显著性检验,初步看来风险承担对企业创新有积极作用,与假设H2基本相符。另外,其余变量两两之间的相关系数都较小,存在多重共线性的可能性较低,预期不会给模型结果造成不好的影响。
Table 3. Correlation coefficients
表3. 相关系数
|
RD |
FEL |
Risk |
Duality |
Lev |
Age |
Size |
Growth |
Roa |
RD |
1 |
|
|
|
|
|
|
|
|
FEL |
0.006 |
1 |
|
|
|
|
|
|
|
Risk |
0.133*** |
0.024*** |
1*** |
|
|
|
|
|
|
Duality |
0.135*** |
0.122*** |
0.028*** |
1 |
|
|
|
|
|
Lev |
−0.246*** |
−0.084*** |
0.102*** |
−0.126*** |
1 |
|
|
|
|
Age |
−0.163*** |
−0.108*** |
0.070*** |
−0.256*** |
0.257*** |
1 |
|
|
|
Size |
−0.239*** |
−0.151*** |
−0.170*** |
−0.207*** |
0.456*** |
0.490*** |
1 |
|
|
Growth |
−0.011 |
−0.008 |
0.060*** |
0.001 |
0.033*** |
0.011 |
0.026*** |
1 |
|
Roa |
−0.051*** |
0.006 |
−0.394*** |
0.031*** |
−0.300*** |
−0.130*** |
0.028*** |
0.001 |
1 |
3.3. 回归分析
本文通过相对值反映女性董事、企业创新投入。回归建立在模型1的基础上,回归结果如表4所示。结果表明,二者之间的关系是负向的,相关系数为−1.158,在1%的水平下显著。假设H1b成立,这也意味着女性董事(FEL)对企业的创新投入(RD)有负向作用,企业中女性董事的比例越高,企业研发投入占收入的水平越低。两职合一(Duality)对企业创新投入在1%的水平下正相关,而资产负债率(Lev)、上市年限(Age)、企业规模(Size)对企业创新投入产生了负向影响。资产负债率(Lev)越高,企业的发展能力越差,能在创新上支出的资金越少。企业上市的时间越长、规模越大则说明了企业所处的阶段较为稳定,在技术创新方面的支出可能会降低。而企业成长性(Growth)与企业创新投入关系并不显著[8]。
风险承担对企业创新投入的影响的回归结果如表4所示。模型2检验了企业风险承担水平对企业创新水平的影响,根据结果可以看出,风险承担与企业创新投入的相关系数是正向的,并且通过了1%的显著性检验。结果表明,企业对于风险的承担水平越高,越能促进企业的创新投入水平。回归结果显示,资产负债率(Lev)、上市年限(Age)对企业创新投入产生了负向影响。资产负债率(Lev)越高,企业的举债越多,在技术创新上投资的可能性越小。随着企业上市的时间的增长,企业在技术创新方面的积极性就会下降。而企业规模(Size)与企业成长性(Growth)与企业创新投入关系并不显著。
为了检验风险承担在女性董事与企业创新投入二者关系之间起到了怎样的作用,现将风险承担作为调节变量,并将风险承担(Risk)与女性董事(FEL)的交叉项FEL*Risk加入回归模型,来验证假设3,模型3的回归结果如表4所示[9]。通过下表可以看出女性董事比例与风险承担显著的和企业创新投入相关,间接支持了假设1和假设2。模型3中引入的交叉项后,与企业创新投入之间的回归系数是30.390,远大于女性董事对企业创新投入的回归系数,并且通过了1%的显著性检验,表明风险承担显著的抑制了女性董事与企业创新投入的负相关系。
Table 4. Regression results of each model
表4. 各个模型的回归结果
|
模型1 |
模型2 |
模型3 |
RD |
RD |
RD |
FEL |
−1.158*** |
|
−1.158*** |
(0.371) |
|
(0.369) |
Risk |
|
6.756*** |
6.551*** |
|
(1.032) |
(1.031) |
FEL*Risk |
|
|
30.390*** |
|
|
(6.746) |
Duality |
0.749*** |
0.699*** |
0.727*** |
(0.111) |
(0.110) |
(0.110) |
Lev |
−4.715*** |
−4.715*** |
−4.669*** |
(0.300) |
(0.301) |
(0.301) |
Age |
−0.843*** |
−0.945*** |
−0.958*** |
(0.154) |
(0.155) |
(0.155) |
续表
Size |
−0.291* |
−0.101 |
−0.161 |
(0.116) |
(0.118) |
(0.118) |
Growth |
0.001 |
−0.0003 |
−0.0001 |
(0.003) |
(0.003) |
(0.00338) |
Roa |
−5.046*** |
−3.887*** |
−3.756*** |
(0.509) |
(0.538) |
(0.538) |
Industry |
控制 |
控制 |
控制 |
Year |
控制 |
控制 |
控制 |
_cons |
7.959*** |
5.781*** |
6.514*** |
(1.139) |
(1.154) |
(1.164) |
Adj. R2 |
0.247 |
0.250 |
0.253 |
F值 |
107.900 |
109.670 |
103.020 |
3.4. 稳健性检验
本文采用变量替换的方式对上文前两个假设进行稳健性检验。对于假设H3,本文采用替换变量和将数据滞后一期的做法来检验结论的稳健性。本文改变解释变量女性董事(FEL)、被解释变量企业创新投入(RD),将研发投入数据滞后一期,得到的结果仍与前文的假设相符。
对于假设H1,在稳健性检验中,本文以公司的研发投入占总资产的比例为代表变量[10],再此以模型1为基础进行回归,检验结果如表5所示,改变指标衡量方式之后发现系数虽然发生了变化,但仍然显著负相关,假设1仍然成立。
Table 5. Robustness test results of the influence of female directors on enterprise innovation input
表5. 女性董事对企业创新投入的影响的稳健性检验结果
|
模型1 |
变量 |
RD |
FEL |
−0.010*** |
(0.00169) |
Duality |
0.002*** |
(0.000503) |
Lev |
−0.002 |
(0.00137) |
Age |
−0.006*** |
(0.000701) |
Size |
−0.002*** |
(0.000526) |
续表
Growth |
0.0000009 |
(0.0000154) |
Roa |
0.012*** |
(0.00232) |
Industry |
控制 |
Year |
控制 |
_cons |
0.040*** |
(0.00518) |
Adj. R2 |
0.218 |
F值 |
91.160 |
对于假设H2,在稳健性检验时,风险承担本文采用调整后Roa的极差进行衡量。作为前文风险承担(Risk)的代理变量,回归结果与检验结果对比如表6所示,改变指标衡量方式之后发现系数虽然由6.756变成了3.833,但是仍然显著正相关,说明企业的风险承担水平与企业的创新投入水平呈正相关关系,与前文的回归结果保持一致,假设2仍然成立。
Table 6. Robustness test results of the impact of risk taking on innovation input
表6. 风险承担对企业创新投入的影响的稳健性检验结果
|
模型2 |
变量 |
RD |
Risk |
3.833*** |
−0.557 |
Duality |
0.697*** |
(0.110) |
Lev |
−4.734*** |
(0.301) |
Age |
−0.954*** |
(0.155) |
Size |
−0.090 |
(0.118) |
Growth |
−0.0004 |
(0.00338) |
Roa |
−3.873*** |
(0.536) |
Industry |
控制 |
续表
Year |
控制 |
_cons |
5.668*** |
(1.155) |
Adj. R2 |
0.250 |
F值 |
109.90 |
对于假设H3,本文选择替换企业创新投入(RD)和风险承担(Risk)的衡量方式,再次进行回归分析[11],回归结果与检验结果如下表7的(1)列所示,交乘项FEL*Risk的系数由30.390变为16.490,仍然通过1%水平的显著检验,拟合程度也未发生变化,假设3仍然成立,该结论通过了稳健性检验。此外,由于研发投入往往具有滞后性,从投入到产出往往需要一定的时间,当期的研发投入对创新水平的衡量可能会存在一点误差,本文参照前任采用滞后一期的数据来代替当期的研发投入进行实证分析,回归结果如下表7的(2)列所示,交乘项FEL*Risk的系数与未滞后一期的原结果相比未发生变化,且通过了1%水平的显著性检验,这说明该结论通过了稳健性检验。两种稳健性检验方式均证明假设3成立,这表明企业风险承担水平在一定程度上可以缓和女性董事对于企业创新投入带来的负面影响。
Table 7. Robustness test results of the moderating effect of risk taking
表7. 风险承担的调节效应的稳健性检验结果
|
(1) |
(2) |
变量 |
RD |
RD |
FEL |
−1.187** |
−1.189** |
(0.369) |
(0.369) |
Risk |
3.733*** |
6.551*** |
(0.557) |
(1.031) |
FEL*Risk |
16.490*** |
30.390*** |
(3.644) |
(6.746) |
Duality |
0.724*** |
0.727*** |
(0.110) |
(0.110) |
Lev |
−4.686*** |
−4.669*** |
(0.301) |
(0.301) |
Age |
−0.966*** |
−0.958*** |
(0.155) |
(0.155) |
Size |
−0.151 |
−0.161 |
(0.118) |
(0.118) |
Growth |
−0.0001 |
−0.0001 |
(0.00338) |
(0.00338) |
续表
Roa |
−3.728*** |
−3.756*** |
(0.536) |
(0.538) |
Industry |
控制 |
控制 |
Year |
控制 |
控制 |
_cons |
6.405*** |
6.514*** |
(1.165) |
(1.164) |
Adj. R2 |
0.256 |
0.253 |
F值 |
103.250 |
103.020 |
4. 研究结论与建议
4.1. 研究结论
本文探究女性董事会对企业创新投入产生怎样的影响,风险承担又在二者之间起到怎样的调节作用。主要得出以下三个结论:
(1) 董事会中女性董事的比例过高会抑制企业的创新投入水平。这种抑制作用可能是很多原因引起的:与男性董事相比,女性董事往往较为保守、谨慎,在决策时往往持有风险规避的态度,这使得女性管理者更倾向于低风险、高收益的项目。其次,女性董事往往不过度自信,可以缓解董事会过度自信、降低企业的经营风险。此外,这种抑制作用可能不是性别差异导致的,而是董事自身与所在企业的特征不匹配导致的。当前有很多女性进入董事会是由于多元化需要,但与企业的发展观并不契合,从而导致了创新投入水平的降低。
(2) 企业的风险承担水平越高,企业的创新投入水平越高。风险承担水是企业接受风险的最大限度,企业能够接受的风险越大,研发创新的投入越大。
(3) 企业的风险承担越强越会减小女性董事对企业创新投入的负向影响。当风险承担的水平处于一个较高的水平时,可以减弱女性董事的比例过高会对企业的创新投入水平的抑制作用。
4.2. 研究建议
通过以往的研究并结合上文的研究结论,现提出以下建议:
第一,优化董事会性别结构。选举董事时,不能为了满足多元化的需求而忽视企业的发展,要结合企业所处的阶段、采取的战略,选择与企业当前发展观契合的人员进入董事会,合理配置人员性别比例。将女性董事控制在合理的范围内,避免女性董事在董事会占比过高而对企业创新活动造成一定的负面影响,积极采取措施去缓解这种影响,更大程度去发挥女性进入组织后带来的积极作用。
第二,增加企业风险承受能力,提升女性董事创新意识。企业的风险承担与市场的经济政策,政府的补贴密不可分。政府完善激励政策会增强企业的风险承担水平。此外,企业内部也可通过完善自身机制,为企业创新提供动力。企业自身可以营造积极创新的氛围,支持、鼓励员工创新,提高女性董事创新的积极性以及参与度。
第三,加强对女性董事的支持和保护:公司应该为女性董事提供充足的工作支持和保护措施,包括制定合理的薪资制度、提供灵活的工作时间等。另外还可以在董事会中建立一个专门的女性委员会来监督女性董事的行为,以加强对其的保护。这样做有助于缓解女性董事所面临的工作压力和负担,从而让她们能更有效地执行自己的职责并发挥更大的作用。
第四,鼓励女性董事参与决策过程:公司应当激励女性董事在决策过程中发挥积极作用,并为她们提供充分的发言机会和社会影响力。在董事会中引入女监事可以增强董事会对创新决策的监控作用,使女性董事更好地发挥其监督职能。此外,公司还需构建一个高效的沟通体系,以促进女性董事与其他董事间的协作与互动。