开放科学((资源服务)标识码(OSID)：
创新是企业发展的核心动力，是企业保持竞争优势的重要手段，如何有效提升企业创新水平一直是学术界和企业界关心的热点问题[1,2]。国内外学者基于高阶梯队理论广泛探讨了这一问题。高阶梯队理论认为，高管作为企业关键决策者，在企业行为和绩效方面发挥重要作用[3]。大量研究关注高管团队特征与创新战略、创新绩效的关系[4]，多数学者从高管团队性别[5]、年龄[6]、任期[7]、教育背景[8]等方面进行了探索。其中，高管团队职能背景作为一种重要的高管团队特征，对企业创新的影响日益受到学者关注[9]。高管团队职能背景是指高管成员各自在不同职位上的工作经历和职能经验，与其它特征相比，职能背景会更为深刻地影响高管的认知模式和选择偏好，从而左右其创新战略决策，并进一步影响企业创新绩效。
关于高管团队职能背景对企业创新绩效的影响，不同学者基于社会类化理论和信息决策理论提出不同解释[10,11]。支持社会类化理论的学者认为，群体多样化使得不同个体在社会类化过程中不断加深刻板印象和彼此间排斥观念，不利于团队凝聚力和绩效提升，甚至会加剧群体内部矛盾和冲突[12]。而支持信息决策理论的学者则认为，异质化程度高的高管团队，其信息、资源更加丰富，更有利于团队高效率、高质量地作出决策，对企业创新绩效产生积极影响[13]。对于研究结果出现的分歧，本文认为可能是因为：①部分研究笼统讨论职能背景异质性的作用，而忽略了不同类别职能背景为主导的高管团队对企业创新绩效的影响；②已有结论多出自西方学者研究成果，而中国文化情境下的理论适用性值得探讨；③创新绩效指标与研究样本不一致也可能导致不同结果。那么，对于我国技术密集型企业高管团队而言，何种理论能更好地解释职能背景异质性对创新绩效的影响呢？
已有研究表明，一方面，高管团队职能背景会影响其认知基础[14]，对外部环境变化的洞察力和认知水平不同决定了其注意力配置差异，高管会将有限注意力资源配置于企业战略，从而影响企业绩效[15]。另一方面，高管团队职能背景会通过影响研发投入这一关键决策而影响企业创新产出。所以，高管团队职能背景可能通过两条路径共同作用于创新绩效，一条是“精力”层面的创新注意力[2]，另一条是“资源”层面的研发投入[16]，二者作为企业创新投入决策的有机组成，是“无形”和“有形”创新资源的配置过程。基于路径选择视角，本文认为创新注意力和研发投入可能在高管团队职能背景与创新绩效之间起到双中介作用。此外，由于投入决策路径和资源配置过程难以严格区分时间先后，且存在交互作用，即创新关注程度和研发投入多少均会不同程度影响创新绩效，二者具体如何发挥作用以及哪种投入决策对创新绩效影响效果更大仍有待探讨。
因此，本文基于已有研究，首先探讨高管团队职能背景异质性及不同职能背景为主导的高管团队对企业创新绩效的直接影响，检验中国文化情境下社会类化理论和信息决策理论对技术密集型上市企业的适用性；其次，通过构建“高管特征—投入决策—创新绩效”模型，引入创新注意力和研发投入两个中介变量及其交互作用，为探讨高管团队职能背景对企业创新绩效的作用路径提供新思路，丰富相关研究视角。
高管团队职能背景异质性对企业创新绩效的影响并无一致结论。有学者认为高管团队职能背景异质性对创新绩效有积极作用，例如，陈守明等[2]研究发现，高管团队职能背景多样性对企业创新产出具有正向影响，Peng Yu等[13]提出TMT功能背景异质性与企业创新之间存在正相关关系。也有学者对此持不同看法，例如，Zhang CY等[9]研究表明，高管成员职能经验的异质性负面影响技术初创企业创新绩效；Knight等[17]研究发现高管团队多样性与较低的战略共识具有关联性，异质性高管团队可能难以达成协议或就劣质解决方案达成一致。此外，还有部分学者提出倒U型关系影响和无显著的结论[18]。
在本文研究框架内，高管团队职能背景异质性与企业创新绩效之间的关系究竟属于哪一种？用来解释两者关系的社会类化理论和信息决策理论哪个占据主导？高阶梯队理论认为，职能背景异质性高的高管团队成员之间在认知基础、知识技能和价值观方面存在较大差异。信息决策理论以信息对决策的作用为基础，持正向影响观点的学者认为高管团队职能背景异质性有利于拥有更为全面的信息，有利于获取多样化资源和知识，促使高管团队分析问题的角度和解决问题的方案趋向多样化，并最终带来创新绩效提升[13]。但是，本文分析得出不同观点，理由如下：①对于竞争环境激烈、以创新为导向的技术密集型企业而言，创新活动会面临较大风险和不确定性，认知差异使高管团队间沟通产生分歧，难以短时间内达成共识，降低决策效率[18]，可能导致企业错失机会，从而一定程度削弱信息决策理论的积极影响；②不同职能背景为主导的高管团队发展战略侧重点有所不同，异质性高的团队职能背景更为分散，对创新战略起到核心作用的精通技术或创新领域的“专才”高管比例更少，不利于基于知识深度的创新产出[19]；③中国文化重视集体主义，集体主义文化价值观影响下的高管团队成员更重视相互之间的人际关系，并且十分关注他人的行为[20]，而不倾向于向领导者提出不同意见，可能更容易产生社会类化效应，企业战略行为更多倾向于主要决策者主导，而无法享受团队异质性带来的信息多样化优势。因此，本文认为在中国文化情境下的技术密集型企业中，高管团队职能背景异质性引起社会类化过程的负向作用抑制了“信息决策理论”认为的异质资源互补优势。通过分析，本文提出如下假设：
H1a：职能背景异质性对创新绩效产生负向影响。
对于高管不同职能背景与创新绩效的关系，众多学者采用Hambrick & Mason[3]提出的具有代表性的三部门分类法，将职能背景分为产出型、生产型和外围型3类职能[22]。
“产出型”高管是指具有市场营销、研发、设计等部门工作背景的高管。此类高管经常开展跨组织边界活动，与外部的合作能够扩大其关系网络[22]。并且，高管的营销和研发能力受到其过往职业经历的影响，取决于对组织和行业环境的判断[23]，是影响企业创新的关键能力[24]，因此，在外部网络资源和营销、研发能力方面具有相对优势的“产出型”高管有利于提高企业创新绩效。
“生产型”高管是指具有生产管理、会计等部门工作背景的高管。一方面，“生产型”高管拥有较多内部社会资本[25]，重视企业生产问题，但对创新关注较少。另一方面，“生产型”高管对技术了解程度不如“产出型”高管，在作决策时可能会更多地考虑技术创新风险。因此，“生产型”高管对创新活动表现得更为审慎，难以把有限资源投入到技术创新上，也就不会对创新绩效产生积极影响。
“外围型”高管是指具有法律、融资等部门工作背景的高管。此类高管熟悉法律风险控制和资本市场运作，但对企业核心技术、生产等环节可能了解不多，更倾向于为企业创造稳定的运营环境。此外，“外围型”高管比例的增加还会对“产出型”高管形成挤出效应，使得企业战略决策重心偏离技术创新，从而不利于创新绩效提升。
基于以上分析，本文提出如下假设：
H1b：“产出型”职能背景高管所占比例对创新绩效产生正向影响；
H1c：“生产型”职能背景高管所占比例对创新绩效产生负向影响；
H1d：“外围型”职能背景高管所占比例对创新绩效产生负向影响。
创新注意力是指占据高管团队意识的企业能够实行的有关创新的一系列计划和方案，R&D投入是企业进行研究开发的费用支出，可将二者分别视为企业在创新活动方面的“精力”投入与“资源”投入。结合注意力基础观[26]和资源基础观相关研究，高管团队成员在其过往的职业经历中逐渐形成与该职能领域相适应的知识基础和认知模式，进而通过创新注意力配置和R&D投入两条决策路径进行企业创新活动，最终影响创新绩效。
高管团队成员不同职能背景由于工作经历和经验所造成的认知偏好差异会导致其创新注意力配置有所偏差，在面对复杂和非常规问题解决时可能表现出更多分歧和任务冲突[27]。Michel & Hambrick[28]研究发现，高管团队多样性增加了团队内部辩论和挑战现状的动机，创新战略决策时难以达成共识。因此，高管团队职能背景异质性对创新注意力产生负向影响。
不同职能背景出身的高管对创新注意力的影响程度不同。“产出型”高管具有研发或营销经验，能快速识别公司可获得的机会，对外部市场条件的理解和解释能力较高，这有助于高管团队的创新注意力配置倾向。“生产型”高管关注重点在于通过生产流程优化等提高企业运营效率，创新相关方案和议题仅作为其备选项。“外围型”高管工作重点并不在技术和产品创新上，对创新注意力作用较小。由此，本文认为“产出型”职能背景高管所占比例对创新注意力产生正向影响，而“生产型”、“外围型”职能背景高管所占比例对创新注意力产生负向影响。
高管团队对创新机会和有关创新议题的注意力配置情况会对企业创新战略决策产生影响，高管团队创新战略决策使创新方案分配到相应资源而得以实施，因此有利于提升企业创新绩效。此外，技术创新具有高风险性和不确定性，高管团队的关注和积极干预会一定程度上缓解创新活动遇到的困难，有助于创新活动的实施。由此认为，创新注意力对企业创新绩效产生正向影响。基于上述分析，高管团队可通过影响创新注意力配置影响企业创新绩效，根据Baron & Kenny[29]对中介作用的定义，提出如下假设：
H2a：创新注意力在高管职能背景与创新绩效之间起中介作用。
研发投入是一项存在风险并且失败率高的长期投资，占用企业大量资源和成本，因此,高管成员密切关注R&D投入。当高管团队职能背景异质性较高时，各成员对研发投资回报率的预计和看法具有较大差异，其风险感知程度也会有所不同，势必难以达成统一意见，可能无法达成协议或就较差的解决方案达成一致[17]。由此，本文认为高管团队职能背景异质性对R&D投入产生负向影响。
不同职能背景出身的高管对R&D投入的影响程度不同。“产出型”高管利用已有知识和认知，有效地部署研发投资以最大化企业创新成果[30]，相比于感知风险,可能更倾向于看到创新机会[31]。Kohli & Jaworski[31]认为，具有营销背景的高管倾向于关注市场信息，进而加强研发投入以开发新技术、满足市场需求。受制于创新活动效率问题，“产出型”高管对创新相关方案的研发投入可能减少，同样，“外围型”高管会从风险控制和对股东负责的角度对高风险性和收益不确定性、涉及大量研发投入的创新方案采取更为谨慎的态度。因此，“产出型”职能背景高管所占比例对R&D投入产生正向影响，而“生产型”、“外围型”职能背景高管所占比例对R&D投入产生负向影响。
R&D投入对企业创新绩效的直接影响已经得到广泛研究。现有文献表明，R&D投入可以促进新技术以及新产品研究与开发，并且创新活动需要持续性资源投入，因而R&D投入对企业创新绩效产生正向影响。基于上述分析，高管团队也可通过影响R&D投入影响创新绩效，故本文提出如下假设：
H2b：R&D投入在高管职能背景与创新绩效之间起中介作用。
企业开展创新活动需要经历较长时间、持续性关注与大量资源投入，创新绩效提升对创新关注和研发投入两个方面投入均提出了较高要求。对企业而言，战略意向与实际行动作为创新资源配置决策的重要环节缺一不可。创新注意力和R&D投入不仅可以作为高管团队职能背景与企业创新绩效之间的中介变量，还可作为影响企业创新绩效的情境变量起到相互约束作用，因而有必要探讨二者的交互调节效应。
一方面，在R&D投入较高情况下，高管团队的创新注意力不仅能使企业内部创新活动相关执行人员接受企业高层创新战略的引领，同时有充足资源保障战略实施，则创新战略实施效果更佳，因而企业“言行一致”情况下，创新注意力对创新绩效的正向影响更强。相反，在R&D投入较低的情况下，即便高管团队创新注意力投入程度较高，科研人员受到创新战略引领，但限于资源匮乏，创新战略实施效果欠佳，因而创新注意力对创新绩效的正向影响减弱。
另一方面，在高管团队创新注意力投入程度较高的情况下，高管团队意识到潜在创新机遇的可能性会增加，增强了其落实创新方案的信心[33]，这种意识和信心有助于企业及时、有效地实施和落实行动方案，从而促进研发经费投入转化为企业创新产出。其次，高管团队对外部环境，包括竞争态势、潜在新市场、新技术等的关注，通常会使其产生危机感和紧迫感，促进R&D投入更加有方向、有指导、有效率地产出创新成果，因而R&D投入对创新绩效的正向影响增强。据此，创新注意力和R&D投入对创新绩效有显著交互作用，因而，本文提出如下假设：
H3a：当R&D投入较大时，创新注意力对企业创新绩效的正向影响将会增强。
H3b：当创新注意力较高时，R&D投入对企业创新绩效的正向影响将会增强。
本文理论模型如图1所示
本文以2013-2016年沪深A 股上市的技术密集型企业为研究样本，根据Wind 数据库的分类，选取信息技术(IT)行业、机械和电器设备行业中的公司，并剔除如下样本：①业绩不稳定的ST或S类公司；②信息缺失的公司；③2013年及以后上市的公司。经过筛选，本文获得有效研究对象企业398家，有效样本1 592个。
本文专利数据来源于中国知识产权局(专利检索系统)；财务指标数据来自于Wind数据库；创新注意力数据来自各样本公司年报，借助python3.6.3自动文本分析获取；高管团队职能背景信息来自于CSMAR数据库，其中,约30%职能背景含混不清的高管通过Wind数据库和公司年报披露的高管信息进行手工检索并加以判断。为避免个别异常值对研究结果的影响，本研究对有效样本中的连续变量进行1%水平的缩尾(Winsorize)处理。
图1 理论分析模型
(1)自变量：三类职能背景的高管。采用Hambrick & Mason[3]提出的分类方法，借鉴王雪莉[25]、Abebe[21]等的研究，利用CSMAR数据库以及上市公司年报披露的高管信息，根据高管成员最初的职能背景进行三职能划分，计算每个样本公司中“产出型”、“生产型”、“外围型”职能背景出身的高管人数分别占高管团队总人数的比重。
高管团队职能背景异质性：学者们通常使用Herfindal-Hirschma系数(Blau系数)衡量分类变量的异质性，由于职能背景也属分类变量，本文采用该方法进行衡量，该系数计算公式如下：
其中，Pi是指高管团队中第i类职能背景成员的比例，n=3，指3类不同职能背景,H值大小代表高管团队职能背景差异化程度高低。
(2)因变量：创新绩效。国内外关于创新绩效的测量方法十分多样化，由于创新过程和产出的复杂性与多样性，目前学界对创新绩效的测量方式未有定论。利用企业专利数量衡量技术创新的做法比较普遍，因为数据获取较方便，而且专利是技术创新结果的主要形式[34]。本文借鉴孙刚(2018)、魏江(2013)等的做法，采用企业申请的新专利数量作为创新绩效测量指标。
(3)中介变量：创新注意力。采用自动文本分析法测量高管团队创新注意力，基于中国上市公司信息披露的内容要求和特点，运用Python3.6.3对 “董事会报告”进行文本分析，测量高管团队创新注意力，以保证统计口径统一和数据可获得性[35]。在使用自动文本分析法之前，首先对创新注意力进行编码。具体步骤为：①利用ROSTCM 6.0对董事会报告进行分词和词频统计，剔除分析结果中的虚词、连接词以及与创新明显不相关的词汇；②邀请4个管理学领域的博士生将经过初步筛选的词汇进行分类(均独立完成)，甄选出与一级关键词定义相近的词汇；③4位博士生对甄选出的词汇展开讨论并表决，将表决结果中超过半数认可的词汇初步作为二级关键词，并以此制作评分表(根据李克特量表原理，对每个二级关键词设置五分制评分标准，1-5分别表示“非常不同意”、“不同意”、“不一定”、“同意”、“非常同意”)，并邀请3位管理领域教授使用该评分表进行打分，将评分结果高于平均值的词汇最终定为二级关键词；④借助 Python3.6.3分析董事会报告，统计出含有二级关键词的句子数和报告中的句子总数；⑤借鉴Eggers[36]和吴建祖[35]等的方法，将含有与创新相关词汇的句子数除以对应报告中的总句子数，作为高管团队创新注意力的测量值，以消除各上市公司年报中董事会报告字数差异对测量结果的干扰。最终，本研究确定的二级关键词为：技术创新、自主创新、产品创新、研发投入、研发费用支出、开发、新产品、新技术、新市场、专利等词汇。
R&D投入：现有文献多采用绝对指标研发费用，或采用相对指标研发费用/总资产、研发费用支出/主营业务收入指标描述研发投资强度。其中，使用相对指标研发投资强度是为了控制企业规模对R&D投入具体数值的影响。本文已将总资产作为控制变量，因此，采用R&D投入的自然对数进行研究。
(4)控制变量。本文结合以往研究，将其它可能对企业创新绩效产生影响的干扰因素作为控制变量。参考Wiersema[37]、Carmeli[38]以及我国学者王雪莉[25]、吴建祖[35]等的研究成果，本文选取企业规模、公司年龄、高管团队规模、高管年龄以及女性高管比例作为控制变量。另外，将行业和年度作为虚拟变量进行控制。具体变量定义与说明见表1。
表1 变量测量
类别变量 变量测量自变量产出型高管比例研发、设计、市场营销等“产出型”职能背景出身的高管占高管团队总人数的比例生产型高管比例生产、会计等“生产型”职能背景出身的高管占高管团队总人数的比例外围型高管比例法务、投融资等“外围型”职能背景出身的高管占高管团队总人数的比例高管团队职能背景异质性使用Herfindal-Hirschma系数测量因变量创新绩效专利申请量中介变量创新注意力“董事会报告”中含有创新相关关键词的句子数除以报告中的句子总数R&D投入企业研发费用的自然对数控制变量企业规模总资产的自然对数企业年龄用样本企业的观察时间减去企业成立的时间,并换算成“年”高管团队规模高管团队的人数高管年龄高管成员的平均年龄女性高管比例女性高管占高管总人数的比值
首先对各变量进行描述性统计分析。从自变量来看，产出型高管比例、生产型高管比例、外围型高管比例和职业背景异质性的均值与标准差分别为：47.4%，0.185；29.9%，0.151；22.7%，0.156；0.553，0.106。高管团队职能背景有较大差异，具有“产出型”职能背景的高管占比最高，“外围型”最低，说明技术密集型行业，如信息技术、机械和电器设备制造等行业中的企业，具有“产出型”职能或“生产型”职能背景的高级管理人员更受青睐或者更容易进入管理层。从因变量来看，企业创新绩效均值为1.272，标准差为2.408，样本企业创新绩效差异较大。
从相关关系结果来看，初步说明高管团队职能背景与创新注意力、R&D投入和企业创新绩效间存在一定内在联系，但这些关系还需要进一步验证。此外，为避免共线性问题，本文采用分步回归法，探究每类职能背景、职能背景异质性对企业创新的影响，并对所有变量作方差膨胀因子检验，其中VIF最大值为3.399，均远小于10，因而本文研究模型不存在多重共线性问题。
(1)高管团队职能背景及其异质性对企业创新绩效的主效应检验。如表3所示，模型5回归结果支持了假设H1a：职能背景异质性与创新绩效显著负相关(p<0.001)。模型2-模型4表明，“产出型”职能背景高管占比与创新绩效显著正相关(p<0.001)，“生产型”职能、“外围型”职能背景占比对企业创新绩效均呈负向影响，假设H1b、H1c、H1d得到支持。
(2)创新注意力和R&D投入的中介效应检验。先对高管团队职能背景、创新注意力、R&D投入与创新绩效两两之间进行回归，结果表明产出型职能背景高管比例对高管团队的创新注意力和R&D投入均有显著正向影响(β7=0.224，Pβ7<0.001；β12=0.199，Pβ12<0.001)，生产型职能背景高管比例、外围职能背景高管比例以及高管团队职能背景异质性均对高管团队的创新注意力和R&D投入有着显著负向影响(β8=-0.094，Pβ8<0.001；β9=-0.169，Pβ9<0.001；β10=-0.138，Pβ10<0.001；β13=-0.080，Pβ13<0.001；β14=-0.152，Pβ14<0.001；β15=-0.136，Pβ15<0.001)。
表2 变量均值、标准差及Pearson相关系数
变量均值标准差1234567891011121创新绩效1.2722.4081.0002产出型高管比例0.4740.1850.215∗∗∗1.0003生产型高管比例0.2990.151-0.091∗∗∗-0.584∗∗∗1.0004外围型高管比例0.2270.156-0.166∗∗∗-0.619∗∗∗-0.276∗∗∗1.0005职能背景异质性0.5530.106-0.136∗∗∗-0.634∗∗∗0.301∗∗∗0.459∗∗∗1.0006创新注意力0.2930.0830.079∗∗0.239∗∗∗-0.153∗∗∗-0.136∗∗∗-0.162∗∗∗1.0007研发投入18.3011.2710.531∗∗∗0.318∗∗∗-0.147∗∗∗-0.234∗∗∗-0.144∗∗∗0.185∗∗∗1.0008企业规模22.0941.0620.559∗∗∗0.102∗∗∗-0.019-0.102∗∗∗0.0270.0270.796∗∗∗1.0009企业年龄17.8084.8940.000-0.119∗∗∗-0.0090.149∗∗∗0.064∗∗0.0110.0380.071∗∗1.00010高管团队规模11.6583.5810.305∗∗∗0.156∗∗∗-0.117∗∗∗-0.072∗∗0.058∗0.0460.418∗∗∗0.4110.0401.00011高管年龄48.2173.3240.125∗∗∗0.0080.102∗∗∗-0.108∗∗∗-0.014-0.049∗0.216∗∗∗0.2480.140∗∗∗0.102∗∗∗1.00012女性高管比例0.1260.112-0.106∗∗∗-0.140∗∗∗0.0020.164∗∗∗0.0270.015-0.163∗∗∗-0.124-0.032-0.091∗∗∗-0.230∗∗∗1.000
注：P<0.10; *表示P <0.05；**P表示<0.01；***P表示<0.001，下同
表3 高管团队职能背景及其异质性对企业创新绩效回归结果
变量因变量:企业创新绩效模型1模型2模型3模型4模型5控制变量企业规模0.547∗∗∗0.536∗∗∗0.545∗∗∗0.540∗∗∗0.545∗∗∗企业年龄-0.0220.000-0.020-0.006-0.008高管团队规模0.083∗∗∗0.062∗∗0.072∗∗0.080∗∗∗0.091∗∗∗高管年龄-0.013-0.015-0.008-0.021-0.024女性高管比例-0.034-0.011-0.030-0.021-0.026行业YesYesYesYesYes年份YesYesYesYesYes自变量产出型高管比例0.149∗∗∗生产型高管比例-0.075∗∗∗外围型高管比例 -0.100∗∗∗职能背景异质性-0.157∗∗∗R20.3320.3510.3370.3410.355Adjusted R20.3270.3470.3320.3360.350F77.872∗∗∗77.202∗∗∗72.340∗∗∗73.752∗∗∗78.404∗∗∗
注：N=1 592，下同
加入双中介变量创新注意力和R&D投入后，回归结果如表6所示，“产出型”“生产型”“外围型”职能背景高管比例以及高管团队职能背景异质性回归系数均明显减少，并且创新注意力和R&D投入对企业创新绩效均有显著正向影响(β16a=0.048，Pβ16a<0.05；β16b=0.142，Pβ16b<0.001；β17a=0.062，Pβ17a<0.01；β17b=0.185，Pβ17b<0.001；β18a=0.058，Pβ18a<0.05；β18b=0.170，Pβ18b<0.001；β19a=0.053，Pβ19a<0.01；β19b=0.149，Pβ19b<0.001；)，根据Baron & Kenny[29]以及温忠麟等[39]的研究，创新注意力和R&D投入在高管团队职能背景与创新绩效之间均起着部分中介作用。因而，假设H2a、H2b获得支持。
为了进一步验证创新注意力和R&D投入在高管团队职能背景与创新绩效之间的中介作用，本研究借助 Mplus软件，使用 bootstrap 法验证目标变量的中介效应，得到 95%的中介效应置信区间，如表7所示。具体来看，对于各类职能背景出身的高管及其异质性与创新绩效的影响关系而言，在重复抽样次数分别为10 000次的情况下，创新注意力与R&D投入在两者间中介效应的置信区间均不包括0，进一步表明创新注意力与R&D投入在高管团队职能背景与创新绩效之间具有显著中介效应。
表4 高管团队职能背景与创新注意力回归结果
变量创新注意力模型6模型7模型8模型9模型10控制变量企业规模-0.017-0.033-0.018-0.029-0.019企业年龄-0.060∗∗-0.026-0.058∗-0.033-0.047高管团队规模0.061∗∗0.0310.0480.056∗0.069∗∗高管年龄-0.038-0.041-0.032-0.051∗-0.048女性高管比例-0.0300.005-0.025-0.008-0.023行业YesYesYesYesYes年份YesYesYesYesYes自变量产出型高管比例0.224∗∗∗生产型高管比例-0.094∗∗∗外围型高管比例 -0.169∗∗∗职能背景异质性-0.138∗∗∗R20.1330.1780.1410.1600.151Adjusted R20.1280.1720.1350.1540.145F24.147∗∗∗30.878∗∗∗23.402∗∗∗27.137∗∗∗25.413∗∗∗
表5 高管团队职能背景与R&D投入回归结果
变量R&D投入模型11模型12模型13模型14模型15控制变量企业规模0.759∗∗∗0.745∗∗∗0.758∗∗∗0.749∗∗∗0.758∗企业年龄-0.041∗∗-0.012 -0.040∗∗-0.017 -0.029∗∗∗高管团队规模0.108∗∗∗0.081∗∗∗0.097∗∗∗0.103∗∗∗0.115∗高管年龄0.042∗∗0.039∗∗0.047∗∗0.030∗0.032∗∗∗女性高管比例-0.078∗∗∗-0.047∗∗∗-0.074∗∗∗-0.058∗∗∗-0.071∗∗∗行业YesYesYesYesYes年份YesYesYesYesYes自变量产出型高管比例0.199∗∗∗生产型高管比例-0.080∗∗∗外围型高管比例 -0.152∗∗∗职能背景异质性-0.136∗∗∗R20.6760.7120.6820.6980.694Adjusted R20.6740.7100.6800.6960.692F328.291∗∗∗351.894∗∗∗306.017∗∗∗329.779∗∗∗323.349∗∗∗
表6 创新注意力与R&D投入的中介效应回归结果
变量企业创新绩效模型16模型17模型18模型19控制变量企业规模0.431∗∗∗0.406∗∗∗0.414∗∗∗0.433∗∗∗企业年龄0.003 -0.009 -0.001 -0.001 高管团队规模0.049∗ 0.051∗ 0.059∗∗0.071∗∗高管年龄-0.019 -0.015 -0.023 -0.027 女性高管比例-0.004 -0.015 -0.010 -0.014 行业YesYesYesYes年份YesYesYesYes自变量产出型高管比例0.110∗∗∗生产型高管比例-0.055∗外围型高管比例-0.064 职能背景异质性-0.129∗∗∗中介变量创新注意力0.048∗ 0.062∗∗0.058∗ 0.053∗∗R&D投入0.142∗∗∗0.185∗∗∗0.170∗∗∗0.149∗∗∗R20.3600.3540.3550.366Adjusted R20.3550.3480.3490.361F67.858∗∗∗65.905∗∗∗66.185∗∗∗69.489∗∗∗
表7 创新注意力与R&D投入中介效应的显著性检验结果
自变量中介变量Bootstrap 重复抽样次数置信区间(95%)下限上限估计值产出型高管比例创新注意力100000.0010.0200.010R&D投入0.0200.0440.031双中介效应0.0260.0570.041生产型高管比例创新注意力10000-0.012-0.002-0.006R&D投入-0.023-0.010-0.016双中介效应-0.031-0.014-0.022外围型高管比例创新注意力10000-0.019-0.004-0.010R&D投入-0.037-0.016-0.025双中介效应-0.050-0.025-0.036高管团队职能背景异质性创新注意力10000-0.015-0.002-0.007R&D投入-0.031-0.014-0.022双中介效应-0.041-0.020-0.029
(3)创新注意力与R&D投入的交互效应检验。本研究通过多元线性回归分析，检验创新注意力与R&D投入的交互效应。在交互项计算前，对创新注意力与R&D投入进行标准化处理。创新注意力与R&D投入的交互项对创新绩效的影响见表8中的模型 20-模型 22。模型20-模型22均通过了 F 检验，F 变化量也达到显著水平，说明创新注意力与R&D投入的交互项对创新绩效具有显著影响。此外，在控制变量的基础上，创新注意力与R&D投入的交互项对创新绩效的解释量为36.2%，表明数据与模型的拟合度较好。具体来看，创新注意力与R&D投入的交互项对创新绩效(β=0.103，P <0.001)具有显著正向影响作用，即创新注意力与R&D投入交互项对创新绩效存在正向交互效应，假设H3获得支持。
表8 创新注意力与R&D投入交互效应回归结果
变量企业创新绩效模型20模型21模型22控制变量企业规模0.548∗∗∗0.378∗∗∗0.386∗∗∗企业年龄-0.016-0.013-0.008高管团队规模0.077∗∗∗0.059∗∗0.048∗高管年龄-0.010-0.022-0.010女性高管比例-0.031-0.017-0.016行业YesYesYes年份YesYesYes创新注意力0.095∗∗∗0.061∗∗R&D投入0.222∗∗∗0.217∗∗∗交互项创新注意力∗R&D投入0.103∗∗∗R20.3400.3480.361Adjusted R20.3350.3430.356F73.430∗∗∗76.135∗∗∗68.240∗∗∗
本文通过简单斜率图法进一步验证创新注意力和R&D投入对创新绩效的交互作用。图2中，两条线相交表示交互效应显著。在高研发投入条件下，创新注意力越高则创新绩效越高，表明企业创新战略的“言行一致”最有利于创新绩效提升；在低研发投入条件下，创新注意力越高，创新绩效越低，进一步说明企业创新战略“光说不练”不利于创新绩效提升。因此，相比于创新注意力，研发投入在企业创新活动中发挥更大作用，对创新绩效提升效果更明显，在创新战略实施过程中占据主导地位。
图2 创新注意力与R&D投入对创新绩效的交互效应
2016年是中国经济环境变化较大的一年，我国民间投资出现了自国家统计局2012年正式发布该项统计以来，意想不到的3个“首次”：①首次出现民间投资增速断崖式下滑; ②首次出现民间投资增速低于全国总体固定资产投资(不含农户) 增速；③首次出现民间投资占全国投资比重大幅度下降。为排除经济大幅下行对企业创新投融资的影响，本文剔除2016年观察值，重新进行分步回归，发现结论基本一致。
本文实证检验结果表明：①高管团队职能背景异质性不利于提升企业创新绩效，这一结果支持了“社会类化理论”的观点，说明在中国文化情境下，职能背景差异所引起的意见不一致与冲突会削弱“信息决策理论”强调的异质信息源互补优势，不利于高管团队在专注度需求较高的创新领域发挥作用；②在3种基本职能中，以“产出型”职能背景出身为主的高管团队对企业创新绩效有正向影响，“生产型”职能背景、“外围型”职能背景的高管均不利于企业创新产出；③创新注意力和R&D投入在高管团队职能背景及其异质性与企业创新绩效的关系间起双中介作用，证实了高管团队职能背景及其异质性能够通过创新注意力和R&D投入影响企业创新绩效；④创新注意力和R&D投入对企业创新绩效的影响存在交互作用。虽然二者是高管团队的两种不同战略决策，但均对创新绩效产生正向影响，二者共同作用于企业创新产出。
本文理论贡献在于：①分类探讨了3类基本职能背景的高管及其异质性对企业创新绩效的影响，提出在我国文化背景下社会类化理论可能更具有适用性的解释，丰富了相关领域研究;②本文结合高阶梯队理论、注意力基础观和资源基础理论，从企业对创新活动的“精力”(创新注意力)投入和“资源”(研发经费)投入角度，引入两个中介变量，探究高管团队职能背景对企业创新绩效的影响机制，拓宽了该领域研究视角；③本文提出了创新注意力和R&D投入影响企业创新绩效的两条决策路径，发现二者存在交互作用，验证了企业“光说不练”和“言行一致”对创新绩效的影响，为相关领域研究提供了新思路。
本文对企业开展技术创新活动具有以下启示：①加强市场分析，着重提升技术水平、新产品导向，重视“产出型”职能背景高管的培养。在选择聘任高管成员时，应着重参考其职能背景，适当偏向于选择“产出型”职能背景出身的高管候选人，并且在培养接班人时多从这方面考虑；②尽量减少高管团队职能背景差异性。在中国社会情境下，企业中高管职能背景异质性不利于提升企业创新绩效；③加强关注新市场、新产品、新技术的同时，也要保障充足的研发经费支持，做到“言行一致”。企业在研发经费投入充足的同时，在创新方面投入足够注意力更有利于提高创新产出。
本研究仍具有一定局限性：①未将高管权力不平等的影响考虑在内，且这种影响还可能与企业产权性质、组织架构有关；②主要关注企业内部治理，尚未考虑企业外部环境的影响；③本文可能仅探索了高管团队对企业绩效影响机制“黑箱”中的冰山一角，未来可以从更多视角探究高管团队对企业创新绩效的影响机制。
[1] 郭韬,王广益,吴叶,等.企业家背景特征对科技型创业企业绩效的影响——一个有中介的调节模型[J].科技进步与对策,2018,35(14):65-72.
[2] 陈守明,戴燚.高管团队职能背景多样性与企业创新产出间关系——创新关注的中介作用[J].科技进步与对策,2015,32(18):75-82.
[3] HAMBRICK D C,MASON P A.Upper echelons: the organization as a reflection of its top managers[J].Academy of Management Review,1984,9(3):193-206.
[4] 雷怀英,乔睿蕾.企业高管团队特征及其交互效应对技术创新的影响研究[J].软科学,2015,29(1):60-64.
[5] 熊艾伦,王子娟,张勇,等.性别异质性与企业决策:文化视角下的对比研究[J].管理世界,2018,34(6):127-139.
[6] 李柏洲,殷婧钰,苏屹.年龄异质性、权力差距对双元创新绩效的影响:融洽程度的调节作用[J].科技进步与对策,2018,35(16):1-6.
[7] SRIVASTAVA A,LEE H.Predicting order and timing of new product moves: the role of top management in corporate entrepreneurship[J].Journal of Business Venturing,2005,20(4):459-481.
[8] 由丽萍,董文博,裴夏璇.中小企业高管教育背景与R&D投资决策——基于深市上市公司的实证研究[J].科技进步与对策,2013,30(4):95-98.
[9] ZHANG C,CHEN W,WANG W.The impact of top management team heterogeneity on the performance of technology start-ups[J].EURASIA Journal of Mathematics Science and Technology Education,2017,13(12):8057-8065.
[10] RICHARD O C,SHELOR R M.Linking top management team age heterogeneity to firm performance: juxtaposing two mid-range theories[J].International Journal of Human Resource Management,2002,13(6):958-974.
[11] PITTS D W,HICKLIN A K,HAWES D P.What drives the implementation of diversity management programs? evidence from public organizations[J].Journal of Public Administration Research and Theory,2010,10(4):867-886.
[12] HOGG M,REID S.Social identity,self-categorization,and the communication of group norms[J].Communication Theory,2010,16(1):7-30.
[13] LI P Y.The impact of the top management teams’ knowledge and experience on strategic decisions and performance[J].Journal of Management & Organization,2017,23(4):504-523.
[14] RODAN S,GALUNIC C.More than network structure: how knowledge heterogeneity influences managerial performance and innovativeness[J].Strategic Management Journal,2004,25(6):541-562.
[15] KAPLAN S.Cognition,capabilities,and incentives: assessing firm response to the fiber-optic revolution[J].Academy of Management Journal,2008,51(4):672-695.
[16] 杨林,段牡钰,刘娟,等.高管团队海外经验、研发投入强度与企业创新绩效[J].科研管理,2018,39(6):9-21.
[17] KNIGHT D,PEARCE C L,SMITH K G,et al.Top management team diversity,group process,and strategic consensus[J].Strategic Management Journal,1999,20(5):445-465.
[18] CANNELLA A A,PARK J,LEE H.Top management team functional background diversity and firm performance: examining the roles of team member colocation and environmental uncertainty[J].The Academy of Management Journal,2008,51(4):768-784.
[19] 韩忠雪,崔建伟,王闪.技术高管提升了企业技术效率吗[J].科学学研究,2014,32(4):559-568.
[20] 张平.高层管理团队异质性与企业绩效关系研究[J].管理评论,2006(5):54-61.
[21] ABEBE M A.Top team composition and corporate turnaround under environmental stability and turbulence[J].Leadership & Organization Development Journal,2010,31(3):196-212.
[22] LI C R,LIN C J,HUANG H C.Top management team social capital,exploration-based innovation,and exploitation-based innovation in SMEs[J].Technology Analysis & Strategic Management,2014,26(1):69-85.
[23] JAWORSKI B J,KOHLI A K.Market orientation: antecedents and consequences[J].Journal of Marketing,1993,57(3):53-71.
[24] MOORMAN C,SLOTEGRAAF R J.The contingency value of complementary capabilities in product development[J].Journal of Marketing Research,1999,36(2):239-257.
[25] 王雪莉,马琳,王艳丽.高管团队职能背景对企业绩效的影响:以中国信息技术行业上市公司为例[J].南开管理评论,2013,16(4):80-93.
[26] OCASIO W.Towards an attention-based view of the firm[J].Strategic Management Journal,1997,18(S1):187-206.
[27] BANTEL K A,JACKSON S E.Top management and innovations in banking: Does the composition of the top team make a difference?[J].Strategic Management Journal,2010,10(S1):107-124.
[28] HAMBRICK J M D C.Diversification posture and top management team characteristics[J].Academy of Management Journal,1992,35(1):9-38.
[29] BARON R M,DAVID K.The moderator-mediator variable distinction in social psychological research: conceptual,strategic,and statistical considerations[J].Journal of Personality and Social Psychology,1986,51(6):1173-1182.
[30] YUAN X A,GUO Z,FANG E Q Q.An examination of how and when the top management team matters for firm innovativeness: the effects of TMT functional backgrounds[J].Innovation,2014,16(3):323-342.
[31] TYLER B B,STEENSMA H K.The effects of executives' experiences and perceptions on their assessment of potential technological alliances[J].Strategic Management Journal,2015,19(10):939-965.
[32] E D.The dynamics of product innovation and firm competences[J].Strategic Management Journal,2002,23(12):1095-1121.
[33] YADAV M S,PRABHU J C,CHANDY R K.Managing the future: CEO attention and innovation outcomes[J].Journal of Marketing,2007,71(4):84-101.
[34] KOTHA R,ZHENG Y,GEORGE G.Entry into new niches: the effects of firm age and the expansion of technological capabilities on innovative output and impact[J].Strategic Management Journal,2011,32(9):1011-1024.
[35] 吴建祖,曾宪聚,赵迎.高层管理团队注意力与企业创新战略——两职合一和组织冗余的调节作用[J].科学学与科学技术管理,2016,37(5):170-180.
[36] EGGERS J P,KAPLAN S.Cognition and renewal: comparing CEO and organizational effects on incumbent adaptation to technical change[J].Organization Science,2009,20(2):461-477.
[37] WIERSEMA M F,BIRD A.Organizational demography in japanese firms: group heterogeneity,individual dissimilarity,and top management team turnover[J].Academy of Management Journal,1993,36(5):996-1025.
[38] CARMELI A.Top management team behavioral integration and the performance of service organizations[J].Group & Organization Management,2008,33(6):712-735.
[39] 温忠麟,张雷,侯杰泰,等.中介效应检验程序及其应用[J].心理学报,2004(5):614-620.