基于VAR模型的创新绩效影响因素分析
VAR模型分析
H : 0 0 1 2 p
显然，如果（4）式中 x t 的滞后变量的回归 系数估计值都不显著，则 H0 不能被拒绝，即 x t 对 y t 不 存在 格兰杰因果性。反之，如果 x t 的任何 一个滞后变量回归系数的估计值是显著的，则 x t 对 y t 存在格兰杰因果关系。
19
建立VAR模型
在工作文件窗口，在主菜单栏选 Quicp/Estimate VAR，OK，弹出VAR定义窗口， 见图5。
图5 VAR模型定义窗口
20
在VAR模型定义窗口中填毕（选择包括截距 ）有关内容后，点击OK。输出结果包含三部分 ，分别示于表9、表10和表11。 表9 VAR模型参数估计结果
格兰杰因果性检验的EViews命令：
在工作文件窗口，选中全部欲检序列名后， 选择Quicp/Group Statistics/Granger Causality Test，在弹出的序列名窗口，点击OK即可。
18
表8 格兰杰因果性检验结果
由表8知，LGDPt、LCt 和LIt之间存在格兰 杰因果性，故LGDPt、LCt和LIt均可做为VAR模 型的应变量。
待估参数个数为2 × 2×2= P N 2 用线性方程组表示VAR(2)模型：
y y x y x u t 1 1 1 t 1 1 1 2 t 1 2 1 1 t 2 2 1 2 t 2 1 t x y x y x u t 1 2 1 t 1 1 2 2 t 1 2 2 1 t 2 2 2 2 t 2 2 t
8
（ 2 ） VAR 模型对参数不施加零约束 （如 t 检 验）； （3）VAR模型的解释变量中不含t期变量，所 有与联立方程组模型有关的问题均不存在； （4）VAR模型需估计的参数较多。如VAR模型 含3个变量（N=3），最大滞后期为p=2，则有 P N 2 =2×32=18个参数需要估计； （5）当样本容量较小时，多数参数估计的精 度较差，故需大样本，一般n>50。 注意： “VAR”需大写，以区别金融风险管理 中的VaR。
基于VaR的金融风险度量与管理
基于VaR的金融风险度量与管理一、本文概述随着全球金融市场的不断发展和创新，金融风险管理逐渐成为金融机构和投资者关注的核心问题。
本文旨在探讨基于VaR（Value at Risk，风险价值）的金融风险度量与管理方法，分析其在现代金融风险管理中的应用及其优势。
我们将首先介绍VaR的基本概念、计算方法和主要特点，然后探讨VaR在金融风险管理中的应用，包括风险测量、风险限额设定、绩效评估等方面。
我们还将讨论VaR方法的局限性，并探讨如何结合其他风险管理工具和方法，提高风险管理的有效性和准确性。
我们将总结VaR在金融风险度量与管理中的重要地位，展望其未来的发展趋势和前景。
通过本文的研究，读者可以更深入地了解VaR在金融风险管理中的应用，为金融机构和投资者提供更加科学、有效的风险管理工具和方法。
二、VaR的基本原理与计算方法VaR，即Value at Risk，中文称为“风险价值”，是一种用于度量和量化金融风险的统计工具。
VaR的基本原理在于，它提供了一个在给定置信水平和持有期内，某一金融资产或投资组合可能遭受的最大损失估计。
这一度量方法的核心在于将风险量化，从而帮助金融机构、投资者和监管机构更准确地理解和管理风险。
计算VaR的方法主要有三种：历史模拟法、方差-协方差法和蒙特卡洛模拟法。
历史模拟法是一种非参数方法，它基于过去一段时间内资产价格的历史数据来估计未来的风险。
这种方法假设历史数据能够代表未来的可能情况，通过计算历史收益率的分布，进而得到VaR值。
这种方法简单易行，但对历史数据的依赖性强，且无法反映市场条件的变化。
方差-协方差法是一种参数方法，它基于资产收益率的统计分布来计算VaR。
这种方法首先估计资产收益率的均值、方差和协方差，然后根据这些参数计算VaR。
这种方法能够反映市场条件的变化，但需要假设资产收益率服从特定的分布，且对极端事件的预测能力有限。
蒙特卡洛模拟法是一种基于随机过程的计算方法，它通过模拟资产价格的随机变动来估计VaR。
影响企业创新绩效的关键因素分析
影响企业创新绩效的关键因素分析企业创新绩效是企业在创新过程中所取得的最终成果，它对于企业的发展和竞争力至关重要。
但是，企业在追求创新绩效的过程中，面临着众多的挑战和障碍。
本文将从多个角度分析影响企业创新绩效的关键因素。
首先，人才队伍是影响企业创新绩效的重要因素之一。
优秀的人才是企业创新的核心驱动力，他们的智慧和创造力能够为企业带来新的思路和创新的理念。
因此，企业应该注重人才的培养和引进，并且要建立激励机制，激发员工的创新潜能和积极性。
其次，科技创新能力也是影响企业创新绩效的关键因素之一。
随着科技的不断进步和发展，科技创新已经成为企业提升创新绩效的重要手段。
企业应该加大科研投入，提高自身的科技创新能力，借助新技术和新方法，推动产品和服务的升级和创新，从而提高企业的竞争力和市场地位。
第三，企业文化也是影响企业创新绩效的重要因素。
企业文化是企业价值观和行为规范的表现，它能够影响员工的工作态度和行为方式。
具有创新氛围的企业文化能够激发员工的创新思维和创造力，推动创新活动的开展。
因此，企业要重视企业文化的塑造，营造鼓励创新的工作氛围。
第四，合作伙伴关系也对企业创新绩效产生着重要影响。
合作伙伴的资源和专业知识能够为企业提供创新活动所需的支持和协助。
与合作伙伴建立稳固的关系，进行战略性合作和开展技术创新合作，能够加快企业创新的速度和效果。
同时，市场需求也是影响企业创新绩效的关键因素。
市场需求的不断变化和升级，要求企业不断地创新和改进产品和服务，以满足消费者的需求。
企业应该密切关注市场的变化，了解消费者的需求，不断推陈出新，提供更加符合市场需求的产品和服务。
最后，企业领导和管理能力也对企业创新绩效产生着重要影响。
优秀的企业领导者能够为企业提供明确的创新目标和方向，制定切实可行的创新策略和计划，并且能够有效地管理创新过程中的各种资源和风险。
因此，企业应该加强对领导者的培养和选拔，提高他们的创新思维和管理能力。
综上所述，影响企业创新绩效的关键因素包括人才队伍、科技创新能力、企业文化、合作伙伴关系、市场需求以及企业领导和管理能力等。
企业创新对绩效的影响分析
企业创新对绩效的影响分析企业创新对绩效的影响分析摘要：随着经济的全球化和市场的竞争加剧，企业创新成为促进企业竞争力和可持续发展的重要因素之一。
本文通过对企业创新与绩效之间关系的分析，探讨了企业创新对绩效的影响，并结合实证研究对其进行验证。
结果显示，企业创新能够显著提高企业绩效，包括财务绩效和非财务绩效。
此外，本文还介绍了企业创新的不同类型对绩效的影响，并分析了影响企业创新的因素。
最后，提出了一些建议，以帮助企业提高创新水平和绩效。
关键词：企业创新、绩效、财务绩效、非财务绩效、影响因素一、引言：企业创新是企业发展和竞争力的重要来源。
在日益激烈的市场竞争中，创新已经成为企业赢得竞争优势的关键要素之一。
创新可以帮助企业不断提高产品和服务的质量和效率，提高企业的生产能力和市场占有率。
同时，创新还可以帮助企业开发新的市场和业务模式，提高企业的收入和利润。
因此，企业需要不断注重创新，以适应市场的变化和需求的变化。
二、企业创新与绩效之间的关系：企业创新与企业绩效之间存在着密切的关系。
创新可以通过多种方式影响企业的绩效，包括财务绩效和非财务绩效。
1. 财务绩效：财务绩效是企业运营结果的表现，包括利润、销售收入、资产回报率等。
创新可以通过提高产品质量和效率来降低成本，从而提高企业的利润。
同时，创新可以帮助企业开发新产品和业务模式，扩大市场规模，增加销售收入。
此外，创新还可以提高企业的资产回报率，通过技术进步和创新能力，提高企业的资产效率。
2. 非财务绩效：除了财务绩效，创新还可以影响企业的非财务绩效。
非财务绩效包括市场绩效、顾客满意度、员工满意度等指标。
创新可以帮助企业提升产品和服务的质量，满足顾客需求，提高市场绩效。
同时，创新可以为企业带来差异化竞争优势，提高顾客满意度和忠诚度。
此外，创新还可以激发员工的创造力和积极性，提高员工满意度和工作动力。
三、企业创新的类型与绩效的影响：企业创新可以分为产品创新、过程创新和管理创新。
基于VAR模型的经济波动分析
基于VAR模型的经济波动分析随着世界经济的不断发展，各国的经济发展趋势也不断变化。
在这一背景下，对于经济波动分析的需求也越来越重要。
经济波动是指各种经济指标在时间序列中表现出来的规律性波动。
而VAR模型则是一种可用于经济波动分析的技术手段。
一、VAR模型的基本概念VAR模型是向量自回归模型的缩写，它是指一个具有多个变量的回归模型。
它使用多个变量之间的关系解释各个变量的变化方式。
这些变量在一个时间序列的时间点上关联，可以被表示为向量形式。
VAR模型因此也是一种多元时间序列分析方法。
它使用过去的观测值来推断未来的变化。
VAR模型的基本公式可以表示如下：Yt = θ1 Yt-1 + θ2 Yt-2 + ... + θp Yt-p + εt其中，Yt是一个n维向量，表示在时间t各个变量的观测值；θ1, θ2, …, θp是系数向量，而p是模型的阶数；εt表示随机误差项。
VAR模型的关键问题是选择模型的阶数p，也就是选择过去几期的观测值进行拟合。
模型的阶数反映了模型能够捕捉的波动规律的复杂程度。
VAR模型的p值应该通过一定的统计方法进行选择。
二、VAR模型在经济数据分析中的应用VAR模型在经济数据分析领域中被广泛应用。
在具体应用中，VAR模型能够用于以下几个方面：1. 宏观经济变量分析VAR模型可以用来分析宏观经济变量之间的关系，如GDP、通货膨胀率、消费者物价指数等等。
通过对不同宏观经济变量之间的相关性进行分析，可以预测宏观经济变量的地位和方向。
2. 股票市场预测VAR模型能够用于股票市场波动的预测。
例如，如果我们用多个指数和股票价格数据来建立VAR模型，那么我们可以对股票市场的走势进行预测。
3. 货币政策效果分析VAR模型可以用来分析各种货币政策措施的效果和影响。
例如，如果经济出现衰退，政府可以采取促进增长的货币政策，使用VAR模型可以使用时间序列数据来证明这种政策的效果。
三、VAR模型应用中的一些关键点在使用VAR模型进行经济波动分析时，有一些关键点需要我们特别关注：1. 数据的预处理在使用VAR模型时，需要对所选变量进行数据预处理。
经济增长是如何影响能源绩效的_基于跨国数据的经验分析_姜彩楼
二、 经济增长与能源绩效的动态关系
1． OECD 国家经济增长方式的动态变化 通过增长核算方程， 可以计算出在 1992 ～ 2008 年 OECD 国家固定资产年均积累速度为 1． 92% ， 间， 对经 济增长的贡献率达到 36． 2% ， 人力资本投入的增长率 对经济增长率的贡献达到22． 2% ， 这一数据 为 0． 88% ， 远高于中国 9． 9% 的贡献率（ 中国经济增长与宏观稳定
《世界经济研究》 2012 年第 11 期 · 16·
*
一、 模型与方法
以资本扩张为主要特征的赶超战略被广泛应用于 而在资本形成理论中， 一种普遍的 发展中国家的实践， 观点认为工业资本具有典型的高能耗特征。 在现行的 发展环境下， 考虑到传统能源的不可再生性， 依靠要素 转向以结构转型 投入的发展模式难以实现可持续增长， “熊彼特增长 ” 和技术创新为主要驱动的 成为必然选择 （ 巴曙松， 2011 ） 。从结构主义（ 钱纳里， 1995 ） 的逻辑出 发， 一国可以通过将生产要素从能源绩效较低的部门向 并依 较高部门转移而实现结构性增长。遵循这一思路， 据 Philippe Aghion 等（ 2004 ） 对熊彼特模型的修正， 将结 构性增长作为广义技术创新的一部分， 建立生产函数模 型： Y = Lβ
图2 生产要素的边际替代率
“W ” 能源贡献率表现出明显的波动并呈现 型。 我
《世界经济研究》 2012 年第 11 期 ·17·经济增长是如Fra bibliotek影响能源绩效的？
们所关注的能源投入年均增长 3． 4% ， 对经济增长的贡 高于固定资本和人力资本， 而产出弹性仅 献为 41． 6% ， 为 21% ， 远低于人力资本和固定资本。 从图 2 中各要 1992 年固定资本对能源消耗 素的边际替代效应来看， 的边际替代率（ GD to NY） 为 3． 2 ， 高于同期人力资本对 能源消耗（ RL to NY） 的替代效应， 而到了 2008 年， 人力 远远超过固定 资本对能源的边际替代率则达到了 7． 6 ， 资本对能源消耗的替代率。 从人力资本对固定资本的 2004 年之前人力资本对固 替代效应（ RL to GD ） 来看， 定资本的边际替代率要高于对能源消耗的边际替代率， 直到 2004 年， 后者才开始迅速超过并上升到较高的值， 说明在向以人力资本扩张为主导的产业体系转型中， 新 的经济增长方式不仅带来了能源的节约， 还能够大幅度 减少固定资本的投入。 2． 基于 VAR 的动态检验 为分析不同要素扩张对能源绩效的冲击， 我们使用 广义脉冲响应函数（ GIRF） 进行检验。与传统的 CholesGIRF 方法的分解结果不受 VAR 系统中变 ki 方法相比， 量排序的影响， 估计结果具有较高的稳定性和可靠性。 GD 表示固定资本贡 我们用 RL 表示人力资本贡献率， EC 和 TC 指数对二者的冲击响应。 献率， 分别检验 TFP、 在检验之前， 分别使用 ADF 方法对数据进行单位根检 验， 结果表明 5 组数据均在 5% 的显著性水平上通过单 我们将冲击响应期设定为 位根检验。考虑到样本容量， 15 期。 对要素贡献率变量施加一个标准差大小的冲击， 对 TFP、 TC 和 EC 指数均产生了一个明显的冲击， 如图 3 1992 ～ 1998 年， TFP 指数对固 所示。从冲击的趋势看， 定资本贡献率的冲击响应较为强烈， 在 1994 年达到负 的峰值， 到 1997 年后趋向稳定， 说明资本扩张的增长方 式对能源绩效的提升产生了较为明显的抑制作用， 主要 是由于这一阶段产业结构的能源密集度相对较高， 这与 我们前面的研究结论一致。而同期 TFP 指数对人力资 本的冲击响应相当微弱， 直至 2000 年以后， 人力资本贡 献率带 来 的 冲 击 开 始 表 现 出 明 显 的 正 向 冲 击， 并在 2004 年以后加速上升， 反映出这一阶段以人力资本扩 张为特征的经济增长方式迅速提升了能源绩效。 针对 EC 指数的广义脉冲响应函数反映了不同经 济增长方式所产生的结构效应。固定资本贡献率对 EC 指数的冲击具有较强的周期性， 并呈现出明显的波浪式 下降趋势， 说明依赖于固定资本扩张的经济增长方式会 从而导致能源绩效下降， 这主要是 抑制技术配置效率， 产业 因为固定资本密集型产业的能源密集度通常较高，
结构嵌入性对企业创新绩效影响的实证研究
结构嵌入性对企业创新绩效影响的实证研究一、综述在全球化竞争日益激烈的今天，企业创新已成为提升竞争力的关键。
而创新绩效的提升往往依赖于企业能否有效地从外部环境中获取和整合资源。
在这一背景下，结构嵌入性理论为企业创新绩效的研究提供了新的视角。
结构嵌入性，作为社会网络理论的重要分支，强调企业作为网络节点，其位置、角色以及与其他节点的关系对其行为和绩效的影响。
结构嵌入性理论认为，企业在创新网络中的位置和角色决定了其获取创新资源的能力和范围。
网络中的中心节点往往拥有更多的信息渠道和合作机会，从而更容易获取创新所需的资源和知识。
结构嵌入性还强调网络结构的稳定性和开放性对企业创新绩效的影响。
稳定的网络结构有助于企业建立长期的合作关系，促进知识的深度交流和共享；而开放的网络结构则能够吸引更多的外部资源和创新思想，为企业带来更大的创新潜力。
尽管结构嵌入性理论为企业创新绩效的研究提供了新的思路，但现有的研究仍存在一定的局限性。
对于结构嵌入性的度量方法尚未形成统一的标准，不同研究者在度量指标的选择上存在差异，导致研究结果的可比性受到影响。
现有研究多关注于结构嵌入性对企业创新绩效的直接影响，而忽视了其与其他因素的交互作用。
企业内部的创新能力和外部环境的变化等因素都可能对结构嵌入性与创新绩效之间的关系产生影响。
本文旨在通过实证研究，深入探讨结构嵌入性对企业创新绩效的影响机制。
我们将结合现有的文献和理论，构建结构嵌入性与企业创新绩效的理论模型。
我们将利用实际的企业数据，采用适当的计量方法，对理论模型进行实证检验。
我们将根据实证结果，提出相应的政策建议和管理启示，以期为企业提升创新绩效提供有益的参考。
1. 研究背景：介绍当前企业创新的重要性及面临的挑战。
在全球化与信息化浪潮的推动下，企业创新已成为推动经济增长和保持竞争优势的关键驱动力。
创新不仅有助于企业提升产品和服务的质量，更能助力企业开辟新的市场领域，实现可持续发展。
随着市场竞争的日益激烈和技术的飞速进步，企业在创新过程中面临着前所未有的挑战。
人力资源绩效的影响因素
4、请围绕公式P=F（S,M,E,O），谈一谈影响绩效的因素？绩效的影响因素一．导言正如大哲学家亚里士多德曾经说过的那样，世上最困难的事莫过于下定义了。
时至今日，人们对绩效这一概念的认识仍然存在分歧。
就像Bates和Holton（1995）指出的那样，“绩效是一种多维建构，观察和测量的角度不同，其结果也会不同”。
我们从不同的学科领域出发来认识绩效，所得到的结果也会有所差异。
随着管理实践深度和广度的不断增加，人们对绩效的概念和内涵的认识也在不断变化。
所有的的组织都必须思考绩效为何物？【1】这在以前简单明了，现在却不复如是。
策略的拟定越来越需要对绩效的新定义。
因此，我们想要测量和管理绩效，必须对其进行界定，弄清楚它的确切内涵。
二．文献综述员工绩效是其工作的“绩”（即工作的结果）及“效”（即实现这一结果的效率水平）的复合体，是一种客观存在。
影响员工的绩效的因素有：技能、激励、环境、机会等。
【2】影响绩效的主要因素有员工技能、外部环境、内部条件以及激励效应。
员工技能是指员工具备的核心能力，是内在的因素，经过培训和开发是可以提高的；外部环境是指组织和个人面临的不为组织所左右的因素，是客观因素，我们是完全不能控制的；内部条件是指组织和个人开展工作所需的各种资源，也是客观因素，在一定程度上我们能改变内部条件的制约；激励效应是指组织和个人为达成目标而工作的主动性、积极性，激励效应是主观因素。
在影响绩效的四个因素中，只有激励效应是最具有主动性、能动性的因素，人的主动性积极性提高了，组织和员工会尽力争取内部资源的支持，同时组织和员工技能水平将会逐渐得到提高。
因此绩效管理就是通过适当的激励机制激发人的主动性、积极性，激发组织和员工争取内部条件的改善，提升技能水平进而提升个人和组织绩效【3】。
在绩效管理中，我们认为绩效首先是一种结果，既做了什么；其次是过程，即用什么样的行为得到。
概括的说，即为以下等式：结果（做什么）+ 行为（如何做）= 绩效[4]对于绩效管理的不同观点：1.绩效管理是管理组织绩效的系统持有这种观点的代表是英国学者罗杰斯（Rogers,1990）和布瑞德鲁普（Bredrup,1995)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于V AR模型的创新绩效影响因素分析利用2004—2013年中国电子产业的数据，估计了企业固定资产投入额对产业创新绩效的影响。
研究表明，往期的固定资产投资的力度对当期的创新绩效是存在着正向影响的，或者说现在的固定投资可能会正向影响以后的创新绩效。
前一期创新的结果和当期的创新绩效也是正相关的，即现在表现出来的创新的结果会正面作用于下一期的创新绩效；企业应该结合实际选择适当的固定资产投资额以确保创新的效率。
标签：创新绩效；固定资产投资；创新效率doi：10.19311/ki.1672-3198.2016.11.0041引言随着经济的全球化，外部经济环境的不断变化，企业间竞争日益激烈。
企业要想维持自身竞争优势，就必须提高创新能力。
随着经济新常态，各个产业发展速度放缓，呈现稳步增长。
许多中小企业就会因此而面临挑战，例如外需不足，贸易摩擦趋于多样化、隐蔽化带来的挑战等等。
加大产品创新、扩大内需是解决这一问题的关键所在。
不断提升创新能力，是企业最终实现可持续发展的有效途径。
自经济学家熊彼特最早提出“创新”的概念之后，创新理论就层出不穷，关于企业创新绩效的问题也引发了业界和学术界的高度关注。
国内外的很多学者都曾对创新绩效的影响因素做过相关的研究，再者就是对创新绩效评价体系的探讨，也有很多是针对我国国内地区性企业的创新状况和某一特定的产业内部的创新绩效的实证分析。
目前，企业的创新模式已从线性化转向网络化，创新的过程也越来越复杂，企业很难依靠自身进行单独创新。
在此情况下，企业就需要依靠创新网络，运用网络中溢出的有效知识增加创新的成功率，提高创新绩效。
创新主要是来源于两个方面的：内部的自主研发投入和外部的知识学习应用。
经济学家和政策制定者通常认为，企业研发投入是提高企业自主创新能力的决定性因素之一，在很大程度上决定着产业的创新绩效和一国的综合竞争优势。
自20世纪60年代以来，经济学家围绕着企业研发投入与产业创新绩效之间的关系在经验层面上做了大量深入细致的工作，积累了丰富的研究成果。
值得注意的是，这些研究中的绝大多数都以发达工业化国家为背景，有关发展中国家的相关研究还比较有限（Mahmood和Singh，2003）。
本文尝试以中国的电子产业为例，从经验层面上系统分析企业研发投入（固定资产的投资额）对产业创新绩效的影响，为人们深入认识新时期我国企业的自主创新能力和产业的创新水平提供一些新的经验证据。
2指标选取与研究假设2.1指标的选取现有的文献大多采用专利产出、新产品销售收入、新产品产值率等指标来衡量产业创新绩效。
新产品销售收入只有在成功地实施了商业化并产生显著经济效益的情况下才能准确地反映企业R&D投入对产业创新绩效影响。
用新产品销售收入、新产品产值率和固定资产的投资额等指标来衡量企业R&D投入的效应最为直观，但是原始数据一般很难获得。
专利作为产业创新能力的具体体现和创新经济价值的潜在标志，能够全面地反映企业R&D投入的长期发展潜能和潜在的产业创新绩效，但数据也不好获得。
更进一步，基于数据的可获得性，固定资产的投资额的客观性使得数据的可得性好、可比性强，能够很好地反映企业R&D 投入的显性绩效和潜在绩效。
基于上述原因，本文采用电子产业的所有企业的固定资产的平均投资额作为衡量产业创新投入的指标，即pjgt=电子产业规模以上工业企业的“固定资产投资”/规模以上企业单位总数；主营业务收入是反映一个行业的经营状况的最直观的指标，因此，本文选用下式简单明了的指标作为电子产业的创新绩效的替代变量是合适的，即：创新绩效=电子产业规模以上工业企业的主营业务收入/规模以上企业单位总数。
2.2研究假设在本文中，主要是研究固定资产的投入对创新绩效的影响。
从上面的理论分析我们可以认定一般情况下，固定资产的投资额对创新是有正面的影响的。
往期的固定资产的投资对当期的创新结果也存在正向的促进作用。
因此可作如下的假设：H1：当期的固定资产投资额pjgtt对当期的创新绩效yt的影响为正向；H2：往期的固定资产投资额pjgtt-1对当期的创新绩效yt的影响为正向；不仅别的影响因素会影响着当期的创新绩效，企业往期的创新的结果也可能是当期创新绩效的影响因素之一。
因此，可以进而做出如下的假设：H3：往期的创新绩效yt-1 对当期的创新绩效yt的影响也为正向。
3实证分析3.1数据来源说明基于数据的可得性与实证结果的说服力，本文选取《中国产业经济网》上2004年至2013年的原始的数据，再进行加工处理。
但是经过相关的检验和处理发现只有固定资产的投入对电子产业的影响是较为显著的，别的因素对创新绩效的影响都是微乎其微的。
因此，就选择了pjgt作为创新绩效的解释变量。
其中，创新绩效的代理变量y是用电子行业的规模以上的工业企业的主营业务收入除以规模以上的所有的单位总数得到的平均值来表示；同样的，pjgt采用相同的做法用求得的电子行业的平均的固定资产投资额来表示。
在用stata做V AR模型和相关检验之前，首先对原始的数据y和pjgt做取对数的处理，这样就进一步剔除原始数据的不稳定性和漂移性。
3.2选择滞后阶数建立V AR模型首先应该正确确定滞后期。
如果滞后期太少，误差项的自相关会很严重，并导致参数的非一致性估计。
在V AR模型中适当加大k值（增加滞后变量个数），可以消除误差项中存在的自相关。
但从另一方面看，k值又不宜过大。
k值过大会导致自由度减小，直接影响模型参数估计量的有效性。
下面介绍几种选择值的方法：（1）用LR统计量选择k值。
（2）用赤池（Akaike）信息准则（AIC）选择k值。
（3）用施瓦茨（Schwartz）准则（SC）选择k值。
滞后阶数的确定原则是：要选取各指标绝对值最大的阶数。
基于对原始数据用做相关的处理选择V AR模型的滞后阶数，得到的结果如表1所示：结合V AR模型的滞后阶数的确定原则，从表1可以看出：2阶滞后期有两个指标HQIC和SIC的绝对值都是最大的，3阶滞后期的LR指标的绝对值最大，4阶滞后期的AIC的指标的绝对值最大，因此应该选择的V AR模型的滞后阶数为2阶。
3.3建立V AR模型上面已经确定了V AR模型的滞后阶数，现用V ARBASIC法建立模型。
所得的结果如下图所示：从图1中可以得到，lny和lnpjgt两个方程的R2和各种准则的值以及每个方程的系数和p值。
（1）由chi2和p=0.0000可知，方程lny和lnpjgt的解释变量的联合检验是显著的。
（2）方程lny的R2=0.8508，方程lnpjgt的R2=09155，由此可知方程的拟合程度较好。
（3）根据图1中的系数，建立V AR方程，如下所示：lny=13.851+0.035*lnyt-1-0.774*lnyy-2+0.577lnpjtt-1+0.273*lnpjgtt-2lnpjgt=19.051-0.841*lnyt-1-1.502*lnyt-2+1.343*lnpjgtt-1+0.772*lnpjgtt-2从方程lny可以看出，前一期的创新正向影响当期的创新绩效，前两期的固定资产的投入对当期创新绩效的影响也都是正向的，这与上一部分关于研究的假设的内容是一致的，即原假设H1和H2是成立的。
进一步可以看出，滞后一期的固定资产的投资对创新绩效的影响要大于滞后两期的固定资产投资对创新绩效的影响。
而且固定资产投资对创新绩效的影响要远大于前一期创新对当期创新绩效的影响。
从方程lnpjgt可以看出，前两期的创新与当期的固定资产投资负相关，可能是因为前期创新使企业已经具备了较多有利于创新的因素，可以用于替代当期固定资产的投入。
这也符合上一节的原假设H3和H4。
而前两期的固定资产的投入量与当期的固定资产的投入是呈正相关，可能是因为对固定资产的投入有较大依赖性的产品，之前依靠固定资产投入带来的创新，当期依然不能减少，否则就会出现创新绩效的减弱。
3.4建立模型后的相关检验在建立了V AR模型之后，必须要对已经建立的方程做一些相关的检验，主要涉及到三个方面：平稳性检验、滞后阶数的联合显著性检验和残差正态分布检验。
只有这些检验全部通过，才能确定上面的两个方程是完成正确的。
3.4.1平稳性检验V AR模型稳定的条件是V AR的特征方程所有根的倒数值均在单位圆以内，即根据V AR模型生成的AR逆根图，如果特征方程的全部根倒数值都在单位圆之内，则该V AR模型是稳定的。
模型（1）的平稳性单位根检验如图1所示。
从图1可以发现，本文所建的V AR模型是平稳的，因为全部特征根的倒数值都在单位圆内。
即说明方程LNY和方程LNPJGT通过了平稳性检验。
3.4.2因果关系检验Granger因果检验主要是用于检验X是否为Y的原因.这种检验的基本思想是：X的变化引起Y的变化，则X的变化应该发生在Y的变化之前.它必须满足两个条件：首先，X应有助于预测Y，即加入X后原模型的解释能力能够得到加强；其次，Y不应当有助于预测Y，否则可能存在一个能共同影响X、Y的因素。
具体的步骤如下：（1）首先估计无约束方程：Yt=c+∑mi=1αiYt-i+∑nj=1βjXt-j+ut；（2）原假设H0：β1=β2=…βn；（3）估计满足约束的方程（把X的参数约束为0）：Yt=c+∑mi=1αiYt-i+ut；计算F统计量的值：F=（RSS2-RSS1）/nRSS1/（T-m-n-1）；（4）结论：如果F>F（n，T-n-m-1），就拒绝原假设H0，即X为Y的原因。
当F≤F（n，t-m-n-1），就接受原假设H0，即X不是Y的原因。
本文主要是检验创新绩效与固定资产投资之间是否存在相互的因果关系，结果如表2所示。
从表2可以看出，当滞后2期时，对于lny方程，P=0.039<0.05，说明拒绝原假设H0：lnpjgt不是lny的原因，即固定投资是创新绩效的原因；对于lnpjgt 方程，p=0.037<0.05，说明拒绝原假设H0：lny不是lnpjgt的原因，即创新绩效是固定投资的原因；因此，可以表明，固定投资和创新绩效之间互为因果关系，这与前边的模型拟合结果相符合。
3.4.3脉冲响应要想对一个V AR模型做分析，通常要观察系统的脉冲响应函数。
脉冲响应函数描述一个内生变量对误差冲击的反应。
具体地说，假设系统处于均衡状态，如果由于某种原因，破坏了均衡，系统在偏离均衡然后恢复均衡，这个过程用脉冲响应函数来描述。
脉冲响应函数是度量来自于每个方程的随机误差项的一个标准差新信息冲击时被解释变量的响应程度和持续时间。
例如假定某个方程的随机误差项在第t期发生突变，而后各期重新恢复平静，这时脉冲响应测量表示的是各期（t，t+1，t+2…）的被解释变量对该冲击的反应。