管理層預測能力促進了企業R&D投資嗎？——基于A股上市公司的經驗證據

趙慧 宋婕 張俊民

(天津財經大學商學院，天津 300222)

引言

2017年5月14日，“一帶一路”國際合作高峰論壇的召開，意味著“一帶一路”科技創新行動計劃的啟動，同時也拉開了共建21世紀科技絲綢之路的序幕。在創新驅動發展戰略的引導下，我國R&D總投資大幅增加。據國家統計局《2015年全國科技經費投入統計公報》數據，2015年，全國R&D總投入經費14169.9億元，其中企業為10881.3億元，占比76.8%。可見，作為R&D活動主體，企業是科技創新的中堅力量，而手握投資決策權的管理層是將R&D資源轉換成為企業核心競爭力的“催化劑”。基于此，近些年大量研究基于高階理論考察管理層任期[31]、年齡[13]、教育程度[3]、性別[24]、職業背景[14]等人口統計學特征對R&D投資的影響。然而，理論上，管理層人口統計學特征首先應決定其認知能力，進而才對R&D投資決策產生影響。而對未來的預測能力則是最重要的認知能力之一。更為重要的是，相比其他類型投資，R&D投資過程漫長、特殊、變化莫測，極具高失敗風險，投資項目能否在未來給企業帶來價值回報很大程度上取決于管理層的預測能力。

鑒于此，借鑒Goodman等[4]、趙慧等[32]的研究，本文以R&D投資前三年盈利預測的平均準確性來反映管理層預測能力，實證考察其對企業R&D投資的影響。使用2009～2016年披露R&D投資信息的A股上市公司為樣本，研究發現，管理層預測能力越強，企業隨后的R&D投資越多，且這種促進作用在高環境不確定性、強融資約束的公司更明顯。進一步研究發現，管理層預測能力越強，R&D投資對企業未來績效的促進作用越強。總之，研究表明管理層預測能力有助于提高企業R&D投資質量。

本文期冀有如下增量貢獻：其一，從管理層預測能力視角考察其對企業R&D投資的影響，研究有助于豐富管理層人口統計學特征對企業R&D投資行為影響的已有文獻。其二，采用“管理層預測能力—R&D投資行為—企業未來績效”的研究范式，以期在管理層預測能力與企業未來績效之間架起橋梁，從而揭示預測能力影響R&D投資進而影響企業未來績效的作用機制。其三，本文研究證實，當公司面臨外部高環境不確定性與強融資約束時，內部管理層的強預測能力能有效緩解外部環境約束對企業創新投入的不利影響，研究拓展了環境不確定性與融資約束對企業R&D投資影響的文獻。其四，以預測能力為視角研究企業R&D投入強度與經濟后果的驅動機制，對強化企業在我國R&D投入和自主創新中的主體地位，促進我國產業結構升級具有較強的實際應用價值。

文獻回顧與假設發展

作為企業創新活動必不可少的財務資源要素，R&D投資是推動技術進步這臺“發動機”的主要“燃料”，而手握投資決策權的管理層，其認知能力會導致對R&D投資做出不同的選擇。現有研究主要基于高階理論將企業R&D投資決策方面的差異歸因于管理層人口統計學特征的異質性。如對于管理層任期，有研究表明，長期在任的管理層缺乏創新的興趣和投資的動力，故會減少R&D投資[5]；而有學者卻發現，較長的任期會提升管理層的經營能力，為提高企業競爭力，管理層會加大R&D投資[31]。對于管理層年齡，一種觀點認為，雖然年輕的管理者有冒險精神，但考慮到R&D投資的高風險性對職業生涯的負面影響，也會選擇逃避R&D投資項目[6]；另一種觀點認為，越年輕的管理者，有著對自身職業生涯更長遠的預期，傾向于對高風險性的R&D活動進行投資[13]。研究也表明，管理層教育程度、性別與職業背景對R&D投資具有重要影響。Gao等發現管理層教育水平越高，其信息處理能力與樂于創新的意識越強，越傾向于對R&D進行投資[3]；王清等發現女性高管傾向于選擇風險性較低的投資決策，對R&D的態度更為保守[24]；韓忠雪等肯定了具有技術背景的管理者對R&D投資及其效率的促進作用[14]。可見，現有經驗研究主要通過“可觀察的”人口統計學特征刻畫管理層“難以觀察的”認知能力，以探討其對R&D投資決策的影響。然而，理論上，管理層人口統計學特征(如年齡、學歷、性別等)并非直接對企業行為產生作用，而是通過轉化形成管理層能力(如預測能力)來影響企業行為。這使得直接檢驗管理層預測能力對企業R&D投資及其經濟后果的影響顯得更為直接與重要。本文嘗試在這一方面做一點突破。

理論上，管理層在制定R&D投資決策時，需要確定備選投資方案并估計投資項目的凈現值，這依賴其對未來市場前景、投資項目風險以及未來現金流的預測能力。加之R&D投資的高風險性和高不確定性，這要求管理層具備更強的預測能力。換言之，管理層預測能力的強弱直接影響R&D投資的多寡。從能力角度來看，管理層制定R&D投資決策是一個搜集信息、分析信息，并據此信息分配資金的過程。在這一過程中，除需要公共信息外，更需要管理層耗費時間與精力發揮自身能力所搜集得來的私有信息[12]。一般而言，預測能力強這個個體優勢能夠降低管理層獲取制定R&D投資決策所需信息的成本，對未來行業發展趨勢及宏觀環境變化的判斷更有把握，對R&D投資風險及未來現金流的預測更為準確。因此，預測能力強的管理層有意愿且有能力在R&D上進行更多的投資。從動機角度來講，基于理性經濟人假設，管理層做出任何決策在很大程度上取決于該決策是否能滿足其自身的預期[22]。對預測能力強的管理層而言，不僅關注物質薪酬，也期望通過企業更好的發展證明自身的能力，以憑借良好的聲譽在職業經理人市場中獲得更好的發展。此外，R&D投資信息不僅向市場傳遞企業是否具有良好發展前景和利潤上升空間的信號[25]，也成為傳達管理層預測能力的有效信號。在聲譽機制的影響下，能力強的管理者更為關注自身的職業生涯[29]，而R&D投資給企業帶來的未來收益可能會使管理層從“標尺競爭”中勝出。因此，預測能力強的管理層有動機開展創新活動。綜上可知，預測能力強的管理層對R&D投資有更強的偏好性。為區別于其他管理層，有能力也有動機通過更多而非更少的R&D投資來證明自己的能力，增強自身的聲譽[8]。故提出如下假設：

H1：管理層預測能力越強，企業隨后的R&D投資越多。

以上分析表明，企業R&D投資的多寡在很大程度上取決于管理層預測能力的強弱。為論證這一觀點，本文從環境不確定性與融資約束兩個方面做進一步分析。

一方面，如果R&D投資的多寡在很大程度上取決于管理層預測能力強弱的話，那么，我們應該能觀察到，在環境不確定性程度較高的情況下，這種促進作用更明顯。這是因為R&D投資本身就具有高不確定性的特點，而更為不確定的環境加大了企業生產經營的不穩定性，增加了管理層預測R&D投資未來市場前景、投資項目風險以及未來現金流的難度，使管理層在制定R&D投資決策時更為謹慎。此時，對管理層的預測能力提出了更高的要求。預測能力較強的管理層，對不確定性的承受能力更強。換言之，相比外部環境不確定性程度較低時，當外部環境不確定性程度較高時，管理層預測能力對R&D投資的正向影響更為明顯。

另一方面，如果R&D投資的增加受到管理層預測能力的較強影響，那么，即使公司面臨強融資約束，管理層依然會增加R&D投資。這是因為管理層的強預測能力保證了R&D投資項目的成功率與未來收益，這反過來有助于緩解企業的融資約束，從而為R&D投資提供更多的資金支持。如潘前進等采用DEA法測算管理層能力，發現能力強的管理層顯著緩解了企業的融資約束[23]。相反，若預測能力較弱，管理層本身對是否進行R&D投資可能已猶豫不決，當公司同時還面臨強融資約束時，管理層可能毅然放棄R&D投資項目。因此，在強融資約束下，預測能力強的管理層面對優質的R&D投資項目依然會選擇加大投資。基于以上分析，本文提出如下兩個假設：

H2：相比低環境不確定性，管理層預測能力對R&D投資的促進作用在高環境不確定性下更明顯。

H3：相比弱融資約束，管理層預測能力對R&D投資的促進作用在強融資約束下更明顯。

研究設計

一、樣本選擇與數據來源

本文以2009～2016年披露R&D投資信息的A股上市公司為初始樣本，在剔除了金融保險業、退市、當年IPO以及相關數據缺失的樣本后，最終得到5145個樣本觀測值。本文主要使用上市公司的年度業績預告作為管理層盈利預測數據的來源[10][28]，其主要數據來自iFinD數據庫。除公司治理數據來源于CSMAR數據庫外，其他數據均來自iFinD數據庫。同時，對所有連續變量進行了上下1%的Winsorize處理，以減少異常值的影響。數據處理與統計分析軟件為STATA13.1。

二、模型設定與變量定義

為考察管理層預測能力對R&D投資的影響，建立如下模型：

其中，R&Di,t為研發投資變量，本文采用以下兩個指標進行衡量：第一，研發投資/期初總資產(R&D_ATi,t)，為消除量綱差異，回歸時以該比率乘以100作為觀測值；第二，研發投資的自然對數(lnR&Di,t)。

FAbilityi,|t-3,t-1|為管理層預測能力變量。由于管理層預測能力對外部而言難以觀測，如何對其度量是本文的難點。Goodman等認為，對外披露的盈利預測準確性是管理層預測能力的一個有效替代變量。理論上，外部盈利預測準確性越高的管理層，其內部預測能力也較強[4]，且有能力的管理者有動機通過披露更準確的盈利預測向外部投資者傳遞自身能力的信息[9]。因此，借鑒Goodman等[4]、趙慧等[32]的研究，本文以R&D投資前三年盈利預測的平均準確性來衡量管理層預測能力。具體地，對點預測，以盈利預測值與實際值的差除以盈利預測值后的絕對值表示；對于閉區間預測，以盈利預測范圍的中值與實際值的差除以盈利預測范圍的中值后的絕對值表示[2]。為便于理解，將該值乘以-1表示管理層預測能力(FAbilityi,|t-3,t-1|)，FAbilityi,|t-3,t-1|越大，表明盈利預測準確性越高，管理層預測能力越強。根據假設H1，我們預期α1顯著為正。

為了檢驗假設H2，本文用公司所在地區過去三年GDP變動的標準差來衡量企業面臨的外部環境不確定性[11]，并以其年度中位數為標準將樣本劃分為環境不確定性程度較高組與較低組，對模型(1)進行分組回歸。根據假設H2，我們預期環境不確定性程度較高組相較于較低組而言，預測能力對R&D投資的促進作用系數α1更大且更為顯著。為了檢驗假設H3，本文以公司過去三年平均股利支付率作為融資約束的代理變量[19]，逐年將樣本按照股利支付率分為兩組，第1組股利支付率較低，為融資約束較高組；第2組股利支付率較高，為融資約束較低組，對模型(1)進行分組回歸。根據假設H3，我們預期融資約束較高組相較于較低組而言，預測能力對R&D投資的促進作用系數α1更大且更為顯著。

控制變量方面，考慮到稅收優惠政策對研發投資的直接刺激作用，本文控制了稅收優惠(ETR)指標，以企業實際承擔的所得稅稅負衡量[16][18]，為便于理解，將實際所得稅稅負乘以-1來衡量稅收優惠，ETR越大，表明企業享受的稅收優惠程度越高。為便于研究，本文將管理層定義為能夠參與企業重要戰略決策制定，具有執行權力的(正或副)董事長、(正或副)總經理、(正或副)總裁、財務總監、財務負責人以及董事會秘書的管理群體[34]。基于高階理論，以任期、年齡與學歷來衡量管理層的人口統計學特征。以職位權、激勵權與運作權來衡量管理層自主權，以此反映管理層制定R&D投資決策時的自主空間[30]。此外，還控制了產權性質、成長能力、現金流、公司規模、資產負債率以及行業和年份效應。具體的變量定義及說明參見表1。

表1 變量定義

實證結果與分析

一、描述性統計

表2報告了樣本的描述性統計結果。由表2可知，研發投資(R&D_ATi,t)的均值(中位數)為0.026(0.022)，最小值接近于0，最大值為0.123，表明公司研發投資平均約為期初總資產的2.6%，研發投入比例普遍不高；研發投資(lnR&Di,t)的標準差為1.383，表明不同公司間R&D投資額存在比較大的差異。預測能力(FAbilityi,|t-3,t-1|)的均值與中位數分別為-0.100和-0.057，最小值與最大值分別為-1.106和-0.001，說明管理層預測能力差異較大。稅收優惠程度(ETRi,t-1)均值為-0.145，最小值為-0.803，最大值為0.754，說明在我國不同上市公司享受的稅收優惠程度差異較大。截至考察年度末，管理層最短在任(Tenurei,t-1)不滿1年，最長在任12年，標準差為1.740；管理層年齡(Agei,t-1)的均值(中位數)約為47歲，最年輕約為35歲，最大年齡約為64歲；管理層大多為本科學歷，最低為中專及中專以下學歷，最高為博士學歷。這些統計數據表明，樣本公司管理層在任期、年齡與學歷方面存在異質性。管理層自主權(Decisioni,t-1)的均值(中位數)約為4，最小值與最大值約為1和8，標準差為1.022，說明樣本公司間管理層擁有的自主權差異較大。其余控制變量的描述性統計詳見表2。未報告的VIF測試表明，模型中各變量的VIF值均不大于2，說明模型不存在多重共線性問題。

二、回歸分析

表3報告了主檢驗的回歸結果，其中第(1)和第(2)列分別以R&D_ATi,t和lnR&Di,t來衡量研發投資。從表3中可知，無論是R&D_ATi,t還是lnR&Di,t，管理層預測能力(FAbilityi,|t-3,t-1|)的回歸系數均在1%的水平上顯著為正，預測能力與研發投資之間呈正相關關系，即管理層預測能力越強，企業隨后的R&D投資越多，支持了假設H1。這表明企業R&D投資的多寡受到管理層預測能力強弱的影響，因為預測能力強的管理層有能力也有動機通過增加R&D投資以獲得更長遠的回報。

表4進一步報告了管理層預測能力對企業R&D投資的促進作用在不同的環境不確定性與融資約束下是否存在差異。首先，以企業面臨的環境不確定性程度的高低進行分組檢驗，第(1)列與第(2)列、第(3)列與第(4)列分別以R&D_ATi,t和lnR&Di,t作為因變量。從表中可知，當以R&D_ATi,t作為因變量時，管理層預測能力(FAbilityi,|t-3,t-1|)的回歸系數在環境不確定性程度較高組中為1.174，通過了1%的顯著性檢驗，而在環境不確定性程度較低組中僅為0.199，未通過顯著性檢驗，且前者的回歸系數約為后者的六倍。鄒至莊檢驗(Chow test)結果表明，兩組間管理層預測能力(FAbilityi,|t-3,t-1|)的系數差異在5%的水平上顯著。當以lnR&Di,t作為因變量時，可以得出類似結論。這些結果說明，在環境不確定性程度較高的情況下，預測能力對R&D投資的促進作用更明顯，支持了假設H2。

表3 管理層預測能力對企業R&D投資決策的影響

其次，以企業面臨的融資約束程度的大小進行分組檢驗，第(5)列與第(6)列顯示，當以R&D_ATi,t作為因變量時，管理層預測能力(FAbilityi,|t-3,t-1|)的回歸系數在融資約束較高組中為1.280，通過了1%的顯著性檢驗，而在融資約束較低組中僅為0.336，未通過顯著性檢驗，且前者的回歸系數約為后者的四倍。鄒至莊檢驗(Chow test)結果表明，兩組間管理層預測能力(FAbilityi,|t-3,t-1|)的系數差異在10%的水平上顯著。第(7)列與第(8)列報告了以lnR&Di,t為因變量的分組檢驗結果，可以得出類似結論。這說明，在融資約束程度較高的情況下，預測能力對R&D投資的促進作用更明顯，支持了假設H3。根據前文理論分析，較大的環境不確定性與較高的融資約束對管理層的預測能力提出了更高的要求，此時， R&D投資對預測能力的依賴性更強，這使得預測能力在R&D投資決策中有著更為顯著的影響。

表4 環境不確定性與融資約束下管理層預測能力與企業R&D投資之間的關系

三、穩健性檢驗

1.變換主要變量

首先，重新衡量管理層預測能力。管理層出于預測誤差的考慮，選擇將實際預測值更貼近閉區間預測的上限，故對閉區間預測，以其上限來計算預測準確性[1]，重新衡量預測能力。結果見表5中Panel A的第(1)列與第(2)列，結論不變。其次，用研發投資與營業收入之比(R&D_REVi,t)重新衡量R&D投資水平[21]，為消除量綱差異，回歸時以該比率乘以100作為觀測值。結果見表5中Panel A的第(3)列，結論不變。再次，以公司規模作為融資約束的分組標準[20]，將樣本按照公司規模的年度行業中位數分為融資約束較高組與較低組，結果見表5中的Panel B，結論依然穩健。

2.考慮信息不對稱的影響

為論證主檢驗的穩健性，本文還從信息不對稱的角度做進一步分析。一方面，信息不對稱使外部投資者對管理層預測能力及R&D投資等信息所知甚少。預測能力強的管理層，為防止逆向選擇，有能力也有動機通過更多的R&D投資向外界傳遞自身能力的信息[8]。另一方面，我國轉軌經濟的特征也放大了因R&D投資的不確定性所導致的信息不對稱[17]，使管理層制定R&D投資決策難度加大，而預測能力強的管理層有能力降低信息不對稱。但若預測能力較弱，信息不對稱增加了R&D投資項目失敗的風險，削弱了預測能力對R&D投資的促進作用。因此，本文認為預測能力對R&D投資的促進作用在信息不對稱程度較高組更明顯。為此，以公司成立年限作為信息不對稱程度的代理變量[7]，并以其年度中位數為標準將樣本分為信息不對稱程度較高組與較低組，結果見表5中的Panel C。結果顯示，FAbilityi,|t-3,t-1|的估計系數僅在信息不對稱程度較高組顯著，這進一步驗證了預測能力對企業R&D投資有促進作用的假設。

3.對樣本選擇性偏誤的考慮

由于預測能力強的管理層偏好選擇經營業績好的公司，而這類公司本身很可能更為重視R&D投資，因此可能存在選擇性偏誤的問題，預測能力對R&D投資的促進作用可能會因好公司效應而被淹沒。因此，本文借鑒徐欣等[27]的做法，以公司過去三年平均經營業績(Tobin’s Q)的年度行業中位數為分組標準，將樣本分為經營業績水平不同的兩組。如果預測能力對于不同經營業績水平的企業的R&D投資都有促進作用，則可以消除樣本選擇性偏誤的問題，且能進一步支持本文的研究假設。回歸結果見表5中的Panel D，在按Tobin’s Q年度行業中位數的分組檢驗中，管理層預測能力依然會促進企業的R&D投資。此外，雖鄒至莊檢驗結果不顯著，但預測能力在經營業績較低組中的回歸系數與顯著性要大于其在較高組中的系數與顯著性，這說明由于R&D投資預示著企業未來業績的增長，故對于前期經營業績相對較低的企業而言，預測能力強的管理層更加關注企業的R&D投資，本文的研究假設得到進一步的支持。

表5 穩健性檢驗

上接表5

4.考慮稅收政策實施情況的影響

為分析2016年1月1日起實施的《關于完善研究開發費用稅前加計扣除政策的通知》([2015]119號)的影響，本文以2016年為界將樣本分為兩組，政策實施前即2009～2015年為一組，政策實施后即2016年為一組，進一步分析新政策實施是否會影響到管理層預測能力與企業R&D投資之間的關系。理論上，新政策實施后，相關企業享受到的稅收優惠增加，所需繳納的稅費減少，管理層手握的現金流增多，故預測能力強的管理層有更強烈地動機進行R&D投資，因此本文認為預測能力對R&D投資的促進作用在新政策實施后效果更明顯。結果見表5中的Panel E。結果顯示，在新政策實施后，雖鄒至莊檢驗結果不顯著，但FAbilityi,|t-3,t-1|的估計系數更大且更顯著，從而進一步驗證了預測能力對企業R&D投資有促進作用的假設。

進一步分析：對企業未來績效的影響

R&D投資是企業面向創新配置資源的策略，作為影響企業未來績效的一個非充分條件，R&D投資對企業未來績效的提高作用是建立在將R&D資源投入到產品、技術以及流程創新的基礎上而實現的，其高風險性與高估值主觀性對管理層的預測能力提出了更高的要求，也使預測能力的內在價值影響更加顯著。理論上，預測能力強的管理層所制定的R&D決策能夠提高企業未來績效。一方面，預測能力強的管理層能識別有效R&D投資項目，對R&D投資的未來價值有更強的預見性，通過增加有效R&D項目的投入，進而提升企業未來績效。另一方面，預測能力強的管理層對經濟環境的掌控力也較強，通過適時調整R&D投資的策略和方向促進企業成長。基于高階理論“管理層個人特質—經營決策選擇—企業未來績效”的分析框架，本文進一步考察預測能力對R&D投資的促進作用是否能夠提高企業未來績效。

為檢驗這一問題，設計了模型(2)：

其中，Performancei,|t,t+3|用ROA和Tobin’s Q來衡量，分別表示公司當年與未來1年、2年以及3年內平均的績效水平。對管理層預測能力分年度計算中位數，并建立預測能力虛擬變量(FA*i,|t-3,t-1|)，大于其年度中位數，表示預測能力強，賦值為1，否則為0。同時引入研發投資與預測能力的交互項(R&D_AT*i,t×FA*i,|t-3,t-1|)，由于交互項與構成它的自變量低次項間常常存在著較強的相關關系而導致多重共線性問題，故對其進行了“對中”處理[26]。此外，根據相關文獻[15][33]，在模型(2)中還對可能影響企業未來績效的管理層特征、公司特征以及公司治理特征進行了控制。其中，關于管理層特征的控制變量包括管理層任期(Tenurei,t，任期的平均數)、年齡(Agei,t，年齡的平均數)、學歷(Educationi,t，學歷的平均數)、薪酬(Payi,t，前三名管理層薪酬的自然對數)、持股比例(Holdingi,t，管理層持股比例)；關于公司特征的控制變量包括公司規模(Sizei,t，期末總資產的自然對數)、財務杠桿(Levi,t，資產負債率)、成長能力(Growthi,t，營業收入增長率)、盈利能力(Lnnii,t，凈利潤的自然對數)；關于公司治理特征的控制變量包括兩職合一(Dualityi,t，虛擬變量，董事長與總經理兩職合一賦值為1，否則為0)、董事會規模(Boardi,t，董事會規模的自然對數)、董事會獨立性(Indepi,t，獨立董事所占比例)、第一大股東持股比例(Top1i,t，第一大股東持股比例)、產權性質(SOEi,t，虛擬變量，國有企業賦值為1，否則為0)、機構投資者持股比例(Insi,t，機構投資者持股比例)、公司上市年限(Listagei,t，公司上市年限)。在回歸中，還控制了行業(Ind)和年份(Year)效應對公司績效的影響。

表6 企業未來績效回歸結果

表6報告了受預測能力影響的R&D投資對未來1年內、2年內及3年內績效均值的影響。從表中可知，研發投資的回歸系數都在1%的水平上顯著為正，研發投資與預測能力虛擬變量交互項的回歸系數也都至少在10%以上的水平上顯著為正，且在未來期間該交互項的系數越來越大，顯著性越來越強。此結果表明，當管理層的預測能力存在差異時，R&D投資對企業未來績效的影響存在異質性，且受預測能力影響的R&D投資對企業未來績效的正向提升作用在投資之后有一個較長的持續周期，并伴有逐漸增強的趨勢，這可能是由于從R&D投入到價值產出需要一個時間過程。為排除多重共線性問題對回歸結果的影響，計算各變量的VIF值，發現均小于3.6，說明不存在嚴重的共線性問題。

研究結論與啟示

R&D投資決策依賴于管理層對未來市場前景、投資項目風險以及未來現金流的預測能力。可見，了解管理層的預測能力對外部投資者判斷公司R&D投資質量來說至關重要。基于此，本文從公司R&D投資決策的主導者—管理層及其預測能力入手，實證考察預測能力這一“軟信息”對公司R&D投資的影響。以2009～2016年披露R&D投資信息的A股上市公司為樣本，研究發現，管理層預測能力越強，企業隨后的R&D投資越多，且預測能力對R&D投資的促進作用在高境不確定性與強融資約束下更明顯。此外，本文進一步檢驗發現，管理層預測能力越強，R&D投資對企業未來績效的促進作用越強。總之，研究表明管理層預測能力有助于提高企業R&D投資質量。

根據研究結論，本文有如下啟示：首先，個人特征只是管理層異質性的影響因素，而管理層能力(如預測能力)才是管理層異質性最直接的體現。以盈利預測準確性來衡量管理層預測能力這一“軟信息”，能夠揭示出公司R&D投資的多寡及其對企業未來績效的影響，外部投資者可以利用這一“軟信息”識別公司R&D投資質量并以此作為制定投資決策的現實參考。其次，管理層預測能力會對企業決策行為(如R&D投資行為)產生顯著影響，作為影響公司R&D投資的重要內生性因素，在管理層任命決策中要注重對預測能力的有效評估，讓預測能力強的管理層握有更多的經營決策權，這不僅對完善人力資源管理等公司治理機制有一定的指導意義，也對提高公司資源配置效率有顯著影響。同時，對處于新興與轉型市場中的中國企業提高技術創新能力具有重大的現實意義。