R&D稅收激勵、知識產(chǎn)權(quán)保護(hù)與企業(yè)的專利產(chǎn)出

胡 凱，吳 清

（1. 武漢理工大學(xué) 經(jīng)濟(jì)學(xué)院，湖北 武漢 430070；2. 南京大學(xué) 經(jīng)濟(jì)學(xué)院，江蘇 南京 210093）

一、引 言

建設(shè)創(chuàng)新型國家需要實(shí)現(xiàn)經(jīng)濟(jì)增長從要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)型，提高技術(shù)創(chuàng)新對經(jīng)濟(jì)增長的貢獻(xiàn)份額。技術(shù)創(chuàng)新源自存量R&D積累和增量R&D投入。企業(yè)的R&D投入具有兩個重要特征：一是研發(fā)活動的不確定性，包括技術(shù)開發(fā)不確定及其產(chǎn)業(yè)化不確定；二是創(chuàng)新成果的外溢性，使企業(yè)的私人收益率遠(yuǎn)低于社會收益率（Grossman和Helpman，1991）。研發(fā)活動的不確定性使企業(yè)的研發(fā)投入面臨較大的風(fēng)險，風(fēng)險規(guī)避型企業(yè)家從事高風(fēng)險研發(fā)的激勵不足，創(chuàng)新成果的外溢性導(dǎo)致市場研發(fā)投入低于社會最優(yōu)水平，造成R&D市場失靈。社會次優(yōu)的R&D投入需要政府加以激勵。與投入相關(guān)的R&D稅收激勵可以降低廠商的投入品價格、研發(fā)風(fēng)險和成本，對從事研發(fā)活動的廠商而言是一項(xiàng)有利可圖的政策工具（OECD，2010）。

R&D稅收激勵也稱R&D稅收優(yōu)惠或R&D稅式支出，是指政府對從事研發(fā)活動的企業(yè)少征稅或不征稅，將本應(yīng)上繳財政的賦稅留給企業(yè)來支持企業(yè)的創(chuàng)新活動。根據(jù)《企業(yè)所得稅法》，目前我國的R&D稅收激勵有兩類：一是直接稅收優(yōu)惠或稅率優(yōu)惠，包括高新技術(shù)企業(yè)減按15%的稅率征收企業(yè)所得稅、小型微利科技企業(yè)減按20%的稅率征收企業(yè)所得稅、“四技”業(yè)務(wù)（技術(shù)開發(fā)、技術(shù)轉(zhuǎn)讓、技術(shù)咨詢、技術(shù)服務(wù)）免征增值稅、技術(shù)轉(zhuǎn)讓減征或免征企業(yè)所得稅、創(chuàng)投企業(yè)投資稅收抵免等；二是間接優(yōu)惠或稅基優(yōu)惠，即以研發(fā)費(fèi)用加計扣除和固定資產(chǎn)加速折舊等政策降低稅基，減少企業(yè)的應(yīng)納稅所得額。我國尚未編制稅式支出預(yù)算，我們并不清楚R&D稅收激勵的準(zhǔn)確規(guī)模。但零星披露的數(shù)據(jù)顯示，近年來我國的R&D稅收激勵規(guī)模相當(dāng)可觀：2008?2011年，高新技術(shù)企業(yè)累計享受企業(yè)所得稅優(yōu)惠2 259億元；2014年規(guī)模以上工業(yè)企業(yè)研發(fā)費(fèi)用加計扣除減免稅和高新技術(shù)企業(yè)減免稅分別為379.8億元和613.1億元；2015年高新技術(shù)企業(yè)減征企業(yè)所得稅1 000多億元，軟件和集成電路企業(yè)減免企業(yè)所得稅300多億元，固定資產(chǎn)加速折舊政策減稅100多億元，科技成果轉(zhuǎn)化免征增值稅72億元，共計減免稅1 400多億元。①上述數(shù)據(jù)分別源自：喻思孌，趙永新. 我國企業(yè)研發(fā)支出比例較低 稅收優(yōu)惠激勵加大投入[N]. 人民日報，2013-2-25；國家統(tǒng)計局. 科技創(chuàng)新加力提速 創(chuàng)新驅(qū)動作用顯著——十八大以來我國科技創(chuàng)新狀況[EB/OL]. http://www.stats.gov.cn，2016-3-9；吳秋余. 2015年小微企業(yè)減免稅近千億 支持科技創(chuàng)新減免稅1400多億[N]. 人民日報，2016-1-29。作為一種特殊形式的財政支出，從公共資金的公共性、稀缺性和有效性而言，一個重要的問題就是，大量的R&D稅收激勵是否產(chǎn)生了預(yù)期的創(chuàng)新效應(yīng)？從企業(yè)研發(fā)周期來看，R&D稅收激勵的有效性體現(xiàn)在三個環(huán)節(jié)：研發(fā)階段是否激勵企業(yè)增加研發(fā)支出、產(chǎn)出階段是否促進(jìn)企業(yè)增加創(chuàng)新產(chǎn)出如專利、商業(yè)化階段是否提高企業(yè)的經(jīng)濟(jì)績效如TFP等。理論界對R&D稅收激勵的有效性研究主要集中在企業(yè)研發(fā)支出的一階效應(yīng)或數(shù)量效應(yīng)，很大程度上忽略了廠商創(chuàng)新產(chǎn)出、經(jīng)濟(jì)績效的二階效應(yīng)或質(zhì)量效應(yīng)（Ernst等，2014）。與研發(fā)支出相比，創(chuàng)新產(chǎn)出和經(jīng)濟(jì)績效更有利于提高廠商的競爭力和顯示公共資金的配置效率。本文關(guān)注的是R&D稅收激勵對廠商創(chuàng)新產(chǎn)出的影響。

R&D稅收激勵并非隨機(jī)分布，而是與企業(yè)的創(chuàng)新能力密切相關(guān)。忽略R&D稅收激勵以外因素對企業(yè)創(chuàng)新的影響，將會高估政策效應(yīng)。同時，R&D稅收激勵對創(chuàng)新產(chǎn)出的影響并非一蹴而就，而是以研發(fā)支出為中介?；诖耍疚氖紫炔捎梅菂?shù)傾向評分匹配法（以下簡稱為PSM）估計R&D稅收激勵對創(chuàng)新產(chǎn)出的因果效應(yīng)，然后以研發(fā)支出為中介，分析其作用機(jī)制。研究發(fā)現(xiàn)，R&D稅收激勵并沒有顯著增加企業(yè)的專利產(chǎn)出。盡管R&D稅收激勵產(chǎn)生了顯著的研發(fā)支出效應(yīng)，但該效應(yīng)并未直接影響企業(yè)的專利產(chǎn)出，中國的R&D稅收激勵面臨類似“歐洲悖論”的困境。僅在知識產(chǎn)權(quán)保護(hù)的調(diào)節(jié)下，R&D稅收激勵引致的額外研發(fā)支出間接促進(jìn)了專利產(chǎn)出，知識產(chǎn)權(quán)保護(hù)在一定程度上緩解了R&D稅收激勵政策失靈的風(fēng)險。

與既有研究相比，本文在以下三個方面有一定邊際貢獻(xiàn)。一是采用更加合理的指標(biāo)來度量R&D稅收激勵。通過對上市公司R&D稅收激勵信息與財務(wù)信息報告口徑一致性的比較，本文排除了國外文獻(xiàn)慣用的、以企業(yè)是否享受（至少一項(xiàng)）R&D稅收激勵的虛擬變量做法。借鑒國外學(xué)者對實(shí)際稅率的測算邏輯，并通過對我國《企業(yè)所得稅法》中技術(shù)創(chuàng)新稅收激勵政策的逐條分析，最終以稅收優(yōu)惠占稅前會計收入的比重來刻畫稅收激勵強(qiáng)度，該強(qiáng)度等于1減去平均有效稅率與法定稅率的比值。該方法能夠比較客觀、宏觀地度量我國企業(yè)享受的R&D稅收激勵。二是采用了更合理的計量方法。對R&D稅收激勵的專利效應(yīng)，直接以PSM來估計；對R&D稅收激勵專利效應(yīng)的作用機(jī)制，以研發(fā)支出為中介，首先采用PSM估計R&D稅收激勵的額外研發(fā)支出效應(yīng)，然后以面板計數(shù)模型來估計該效應(yīng)對專利產(chǎn)出的影響。PSM能克服樣本自選擇性，面板計數(shù)模型能有效處理因變量為非負(fù)整數(shù)的計量回歸問題。三是除關(guān)注技術(shù)層面因素外，還突出了制度層面因素對研究主題的影響。R&D稅收激勵能否引致企業(yè)增加研發(fā)支出以及引致研發(fā)支出能否激勵企業(yè)增加創(chuàng)新產(chǎn)出，都與制度環(huán)境密切相關(guān)。在中國這樣一個尚處于制度完善期、地區(qū)制度環(huán)境差異較大的大國，忽略制度環(huán)境對政策效應(yīng)的影響可能難以抓住其關(guān)鍵影響因素。實(shí)證研究也表明，知識產(chǎn)權(quán)保護(hù)對引致研發(fā)支出的創(chuàng)新產(chǎn)出效應(yīng)發(fā)揮了調(diào)節(jié)作用。

二、文獻(xiàn)回顧與研究假說

公共資金的稀缺性和公共性要求對各種形式財政支出的有效性進(jìn)行評估。R&D稅收激勵的有效性是指政府以不征稅或少征稅的方式來降低企業(yè)研發(fā)投資的邊際成本（Hall和Van Reenen，2000），以促進(jìn)企業(yè)增加研發(fā)支出、提高創(chuàng)新產(chǎn)出和經(jīng)濟(jì)績效。與R&D補(bǔ)貼相比，R&D稅收激勵的優(yōu)勢在于：一是充分的市場取向。由企業(yè)而非政府決定投資方向，企業(yè)根據(jù)利潤最大化原則決定研發(fā)資源配置，同時還避免了直接補(bǔ)貼過程中可能出現(xiàn)的尋租和腐敗，是一種市場友好型的政策工具。二是R&D稅收激勵一般由法律規(guī)定，具有可預(yù)期性，有利于企業(yè)的長期投資決策。三是降低了政府的管理成本、減少了政府挑選失敗者的風(fēng)險。因此，在技術(shù)創(chuàng)新的國際競爭中，R&D稅收激勵在很多國家更受青睞。

歐美國家R&D稅收激勵的主要政策工具是稅收抵免，相關(guān)研究也多以此為對象。既有研究大多采用一步法，即不考慮R&D稅收激勵與創(chuàng)新產(chǎn)出之間的作用媒介（研發(fā)支出），直接估計稅收激勵對創(chuàng)新產(chǎn)出的影響。根據(jù)R&D稅收激勵度量方法的不同，該領(lǐng)域的研究分為三類：一是以B-指數(shù)來刻畫R&D稅收激勵強(qiáng)度。B-指數(shù)是指為彌補(bǔ)一美元研發(fā)支出所要求的稅前收入的現(xiàn)值，該值越高則稅收優(yōu)惠程度越低。該方法適用于國別研究。如Ernst和Spengel（2011）使用歐洲20個國家的數(shù)據(jù)研究發(fā)現(xiàn)，B-指數(shù)下降10%，專利申請率將上升11%。Westmore（2013）對19個OECD成員國的研究發(fā)現(xiàn)，B-指數(shù)下降5%，將會使人均專利上升2.5%。二是以用戶成本來量化R&D稅收抵免。用戶成本的計算建立在新古典投資模型和B-指數(shù)基礎(chǔ)之上，是研發(fā)支出對研發(fā)資本的彈性，彈性越大，說明企業(yè)研發(fā)支出對用戶成本越敏感，政策效應(yīng)越大（Hall和Van Reenen，2000）。Moretti和Wilson（2014）檢驗(yàn)了用戶成本對美國生物科技產(chǎn)業(yè)集聚州的專利活動影響，發(fā)現(xiàn)用戶成本下降10%，將使這些州的生物科學(xué)家專利申請（職務(wù)發(fā)明）和廠商專利申請增加27.8%。三是以企業(yè)是否享受（至少）一項(xiàng)R&D稅收激勵政策的虛擬變量來度量。B-指數(shù)或用戶成本以國家稅制為依據(jù)，難以刻畫不同微觀企業(yè)受其影響的大小。隨著近年微觀實(shí)證研究的興起，以微觀數(shù)據(jù)為樣本來度量稅收激勵，進(jìn)而估計其創(chuàng)新效應(yīng)的文獻(xiàn)不斷涌現(xiàn)。以微觀數(shù)據(jù)為樣本應(yīng)處理享受R&D稅收激勵樣本的自選擇性，準(zhǔn)實(shí)驗(yàn)方法則大有可為。Czarnitzki等（2011）采用PSM對加拿大制造業(yè)的研究發(fā)現(xiàn)，與沒有享受R&D稅收抵免的廠商相比，無論是形成新產(chǎn)品（世界首創(chuàng)或加拿大首創(chuàng)）、新產(chǎn)品數(shù)量還是新產(chǎn)品銷售比重，稅收抵免都具有顯著的積極效應(yīng)。Dechezleprtre等（2016）采用回歸間斷設(shè)計（RDD）對英國中小企業(yè)的研究發(fā)現(xiàn)，稅收抵免會使企業(yè)的研發(fā)支出增加1倍，專利申請?zhí)岣?0%，并且沒有證據(jù)表明這些專利具有顯著的低市場價值。Cappelen等（2012）采用工具變量法（IV）對挪威的研究發(fā)現(xiàn)，稅收抵免僅對外溢性不強(qiáng)的技術(shù)創(chuàng)新（對廠商而言具有新穎性的新產(chǎn)品和流程創(chuàng)新）具有顯著影響，而對外溢性強(qiáng)的技術(shù)創(chuàng)新（對市場而言具有新穎性的新產(chǎn)品和專利）沒有顯著影響，稅收抵免的激勵效應(yīng)有限。

國內(nèi)學(xué)者對R&D稅收激勵的研究也集中在研發(fā)支出上，對創(chuàng)新產(chǎn)出的關(guān)注不多，僅有李林木和郭存芝（2014）、張信東等（2014）及李維安等（2016），但這些研究在關(guān)鍵變量測度、控制變量選用和計量方法選取等方面存在不足，降低了研究結(jié)論的穩(wěn)健性。盡管大多數(shù)研究認(rèn)為R&D稅收激勵會顯著增加企業(yè)的創(chuàng)新產(chǎn)出，但是在理論上，R&D稅收激勵對創(chuàng)新產(chǎn)出存在兩種方向相反的影響：一是不論有無稅收激勵，有利可圖的研發(fā)項(xiàng)目都會被實(shí)施，R&D稅收激勵引致的研發(fā)項(xiàng)目可能低于平均質(zhì)量，從而難以形成專利增量；二是由于研發(fā)產(chǎn)生知識外溢，從事這樣的項(xiàng)目可能無利可圖，此時R&D稅收激勵能夠激勵那些高于平均知識溢出的項(xiàng)目（Straathof等，2014），從而提高專利產(chǎn)出。因此，R&D稅收激勵能否影響企業(yè)的專利產(chǎn)出還有待實(shí)證檢驗(yàn)。據(jù)此提出以下對立假設(shè)：

假說1a：R&D稅收激勵能夠顯著增加企業(yè)的專利產(chǎn)出。

假說1b：R&D稅收激勵不能顯著增加企業(yè)的專利產(chǎn)出。

一步法的優(yōu)點(diǎn)是計量過程簡便、結(jié)論直觀，不足之處是將R&D稅收激勵與其他影響創(chuàng)新產(chǎn)出的因素如知識產(chǎn)權(quán)保護(hù)等量齊觀，沒有考慮到R&D稅收激勵對創(chuàng)新產(chǎn)出的影響是以研發(fā)投入為中介，然后研發(fā)投入、知識產(chǎn)權(quán)保護(hù)等因素共同影響創(chuàng)新產(chǎn)出。事實(shí)上，在專利生產(chǎn)函數(shù)中（Griliches，1990），R&D稅收激勵等政策變量并非其自變量。為捕捉R&D稅收激勵影響創(chuàng)新產(chǎn)出的作用機(jī)制，有必要采用兩步法，即先估計R&D稅收激勵對研發(fā)支出的影響，再以后者為自變量來估計其對創(chuàng)新產(chǎn)出的影響。采用兩步法的文獻(xiàn)甚少，筆者所見僅有Freitas等（2017），該文以挪威、意大利和法國三國的微觀數(shù)據(jù)研究發(fā)現(xiàn)，R&D稅收抵免對額外研發(fā)支出及額外研發(fā)支出對新產(chǎn)品銷售比重都具有顯著的正向影響。

諸多文獻(xiàn)認(rèn)為R&D稅收激勵能產(chǎn)生額外研發(fā)支出效應(yīng)，如Bloom等（2002）、Cappelen等（2012）及Lokshin和Mohnen（2013）等。在市場取向的R&D稅收激勵政策下，由于缺乏強(qiáng)制性實(shí)施機(jī)制如限定技術(shù)創(chuàng)新領(lǐng)域，企業(yè)會優(yōu)先投資于高私人回報項(xiàng)目，而非高社會回報項(xiàng)目。而創(chuàng)新往往產(chǎn)生于私人回報與社會回報之間具有較大懸殊的領(lǐng)域（Hall和Van Reenen，2000）。因此，R&D稅收激勵引致的研發(fā)支出就可能偏離能產(chǎn)生重大技術(shù)突破、具有很強(qiáng)技術(shù)外溢性的項(xiàng)目，從而不能帶來創(chuàng)新產(chǎn)出效應(yīng)。知識產(chǎn)權(quán)保護(hù)對技術(shù)創(chuàng)新的重要性不言而喻。知識產(chǎn)權(quán)保護(hù)影響創(chuàng)新產(chǎn)出的重要渠道是激勵企業(yè)增加研發(fā)投入（胡凱等，2012）。盡管私人回報率高的項(xiàng)目其技術(shù)外溢性并非足夠大，但為獨(dú)占創(chuàng)新收益，企業(yè)也有激勵為其有限的知識創(chuàng)造申請專利保護(hù)。而較高的知識產(chǎn)權(quán)保護(hù)水平會進(jìn)一步激勵企業(yè)增加額外研發(fā)支出，從而形成專利的概率更高。據(jù)此提出如下假說：

假說2：R&D稅收激勵引致的研發(fā)支出不能直接增加專利產(chǎn)出，但在知識產(chǎn)權(quán)保護(hù)的調(diào)節(jié)下，引致研發(fā)支出能間接增加專利產(chǎn)出，知識產(chǎn)權(quán)保護(hù)緩解了R&D稅收激勵政策失靈的風(fēng)險。

三、研究設(shè)計

（一）計量方法與模型變量。本文依次研究R&D稅收激勵的專利效應(yīng)及其作用機(jī)制。對R&D稅收激勵的專利效應(yīng)采用PSM一步法直接估計，對其作用機(jī)制采用兩步法間接估計。

R&D稅收激勵具有樣本自選擇性。處理樣本自選擇帶來的內(nèi)生性問題，常見的是采用反事實(shí)框架，基本方法是PSM。該方法的關(guān)鍵是為享受R&D稅收激勵的企業(yè)匹配其他特征相似、但沒有享受R&D稅收激勵的樣本企業(yè)。PSM中的變量包括處理變量、結(jié)果變量和協(xié)變量。以PSM估計R&D稅收激勵的額外專利效應(yīng)和額外研發(fā)支出效應(yīng)時，其處理變量和協(xié)變量相同，但結(jié)果變量不同。

處理變量為R&D稅收激勵虛擬變量（rdtaxdum）。該變量有兩種度量方法：一種是以企業(yè)是否獲得至少一項(xiàng)R&D稅收激勵（如R&D稅收抵免、加速折舊、低稅率優(yōu)惠等）的虛擬變量來量化，如Yang等（2012）和Freitas等（2017）等。但將該方法用于中國上市公司時會產(chǎn)生測量誤差，因?yàn)闃颖径愂諆?yōu)惠信息與財務(wù)信息的報告口徑不一致。以高新技術(shù)企業(yè)所得稅優(yōu)惠為例，只有當(dāng)上市公司及其子公司、孫公司均為高新技術(shù)企業(yè)時，將其與合并會計報表（能更充分、更全面反映上市公司的經(jīng)營財務(wù)狀況）匹配使用時，二者的報告口徑才一致，但從上市公司年報無法獲得其子公司、孫公司高新技術(shù)企業(yè)資質(zhì)的全面信息，可能產(chǎn)生以偏概全的測度誤差。另一種是以企業(yè)的實(shí)際所得稅率是否低于法定所得稅率來度量。但不能簡單地將實(shí)際稅率低于法定稅率（25%）就視同為企業(yè)享受了稅收優(yōu)惠，更不能將其視同為R&D稅收優(yōu)惠。因?yàn)樵斐蓪?shí)際稅率低于法定稅率的因素很多，如遞延所得稅事項(xiàng)、彌補(bǔ)前期虧損、區(qū)域性稅收優(yōu)惠等會計核算因素和非R&D影響因素。但如果企業(yè)享受了R&D稅收優(yōu)惠，其實(shí)際稅率一般會低于法定稅率。即便以實(shí)際所得稅率低于法定所得稅率來刻畫R&D稅收激勵，也應(yīng)該揭示其隱含的會計核算機(jī)理，并要結(jié)合我國《企業(yè)所得稅法》中的稅收優(yōu)惠條文來分析其適用性。

借鑒Wilkie（1988），本文以1減去平均有效稅率（ETR）與法定稅率（TR）之比來度量R&D稅收激勵強(qiáng)度（taxpre），即taxpre=1-ETR/TR。如果taxpre＞0，即ETR＜TR（但要求ETR＞0，否則無意義），則認(rèn)為企業(yè)享受了稅收優(yōu)惠；反之，ETR＞TR（但要求ETR＜1，否則無意義），則企業(yè)沒有享受稅收優(yōu)惠。分析《企業(yè)所得稅法》第四章“稅收優(yōu)惠”部分的全部條款，排除不適用于制造業(yè)上市公司企業(yè)所得稅優(yōu)惠的條款后，相關(guān)條款有：符合條件的技術(shù)轉(zhuǎn)讓所得（第27條第4款）、高新技術(shù)企業(yè)適用15%的低稅率（第28條第2款）、研發(fā)費(fèi)用加計扣除（第30條第1款）和固定資產(chǎn)加速折舊（第32條）等。除固定資產(chǎn)加速折舊外，①該條款并非專門針對研發(fā)投資，但因其對企業(yè)的會計核算要求高、審批程序繁雜等原因，實(shí)際中適用比例很低。因此，其對本文R&D稅收激勵測度的影響可以忽略不計。其余條款均與企業(yè)的研發(fā)活動有關(guān)。因此，可以將制造業(yè)上市公司享受的企業(yè)所得稅優(yōu)惠基本認(rèn)定為R&D稅收激勵。令rdtaxdum為R&D稅收激勵的虛擬變量。如果taxpre＞0，則rdtaxdum=1，否則rdtaxdum=0。R&D稅收優(yōu)惠強(qiáng)度計算式中，關(guān)鍵是得到平均有效稅率（ETR），該式借鑒吳文鋒等（2009）來計算。

以專利產(chǎn)出作為結(jié)果變量來估計稅收激勵的創(chuàng)新產(chǎn)出效應(yīng)，其優(yōu)勢是易獲得、可比較、高度標(biāo)準(zhǔn)化，劣勢是專利的實(shí)際經(jīng)濟(jì)價值具有非常大的異質(zhì)性，一些專利如外觀設(shè)計只有輕微的經(jīng)濟(jì)價值（Griliches，1990），因而需要對專利進(jìn)行分門別類的分析。與新產(chǎn)品銷售等創(chuàng)新產(chǎn)出相比，專利申請在時間上更接近所進(jìn)行的研發(fā)項(xiàng)目（Czarnitzki和Hussinger，2004）。此外，申請專利需要支付專利申請費(fèi)。專利申請費(fèi)具有創(chuàng)新甄別效應(yīng)，即只有當(dāng)專利申請有可能被批準(zhǔn)并有利可圖時，專利申請人才愿意發(fā)生該項(xiàng)費(fèi)用支出，因而專利申請量（patapp）能較好地刻畫創(chuàng)新產(chǎn)出。

專利制度是鼓勵創(chuàng)新、促進(jìn)技術(shù)進(jìn)步和傳播的重要方式。既有技術(shù)知識的公開不但能減少研發(fā)活動中的重復(fù)投資，而且能為未來的創(chuàng)新提供必要的技術(shù)基礎(chǔ)（葉靜怡等，2012）。與專利申請相比，無論是發(fā)明、實(shí)用新型還是外觀設(shè)計的公開，都通過了國家專利行政部門的初步審查。專利公開（patopen）既是對專利質(zhì)量的社會評價，也是具有外溢性的技術(shù)傳播形式，能更好地度量創(chuàng)新產(chǎn)出。專利申請量（patapp）和專利公開量（patopen）來源于佰騰網(wǎng)，通過逐個輸入上市公司名稱檢索得到。②本文完成上市公司專利數(shù)據(jù)手工收集時，CSMAR剛推出上市公司專利研究數(shù)據(jù)庫。對手工搜集數(shù)據(jù)與CSMAR專利研究數(shù)據(jù)庫的比對表明，二者完全一致。此外，該數(shù)據(jù)庫沒有提供本文研究所需的專利公開數(shù)據(jù)，后者也通過手工搜集得到。

運(yùn)用PSM估計R&D稅收激勵的研發(fā)投入效應(yīng)時，以研發(fā)支出強(qiáng)度（rd）即研發(fā)支出占營業(yè)收入的比重作為結(jié)果變量。由于數(shù)據(jù)庫中的研發(fā)支出數(shù)據(jù)不準(zhǔn)確，本文依次采用以下方法來搜集：優(yōu)先選擇上市公司年報中經(jīng)過了會計師事務(wù)所專門審計的董事會報告中的“研發(fā)支出”數(shù)據(jù)；次優(yōu)查找財務(wù)報告附注中“無形資產(chǎn)”科目下的“公司開發(fā)項(xiàng)目支出”，根據(jù)“本期開發(fā)支出占本期研究開發(fā)項(xiàng)目支出總額的比例”，倒推出本期研究開發(fā)支出總額；最后將管理費(fèi)用中的“研究與開發(fā)費(fèi)”與“開發(fā)支出”相加得到。若這三種方法仍然無法獲得研發(fā)支出數(shù)據(jù)，則視為數(shù)據(jù)缺失。

協(xié)變量。PSM只能控制可觀察的選擇變量，采用該方法隱含的假設(shè)是這些可觀察變量能夠很好代理影響結(jié)果的不可觀察因素（Rubin，2008）。為避免不可觀察因素的不可知影響，選擇方程中應(yīng)盡可能考慮到所有協(xié)變量。影響企業(yè)獲得R&D稅收激勵的協(xié)變量有兩類：第一類是廠商特征變量，包括高新技術(shù)企業(yè)虛擬變量（hightech）；融資約束（fc），以現(xiàn)金流占總資產(chǎn)的比重來反向衡量；企業(yè)規(guī)模及其平方項(xiàng)（size，size2），以雇員數(shù)對數(shù)來量化；企業(yè)年齡（age）（Czarnitzki和Hussinger，2004）；成功的R&D活動歷史（history）（Huang，2015），以上一年度企業(yè)是否申請專利的虛擬變量來表示；資本密集度（capint）（Cappelen等，2012），以人均固定資產(chǎn)的對數(shù)來衡量；所有制（owner）（Honoré和 Munari，2015），以第一大控股股東所有權(quán)性質(zhì)的虛擬變量來表示。R&D稅收激勵外在表現(xiàn)為企業(yè)的實(shí)際稅負(fù)低于法定稅負(fù)，影響實(shí)際稅負(fù)的一些財務(wù)指標(biāo)也應(yīng)納入，如資產(chǎn)回報率（roe）、資產(chǎn)負(fù)債率（lev）和托賓q值（Tobinq）等（Wilkie，1988）。第二類是外部環(huán)境變量，包括國內(nèi)市場競爭程度（HHI）（Freitas等，2017），以證監(jiān)會兩位數(shù)行業(yè)代碼的主營業(yè)務(wù)收入為權(quán)重計算出的赫希曼-赫芬達(dá)爾指數(shù)來表示；出口（export）虛擬變量（Duget，2012）；政治關(guān)聯(lián)（pc），以上市公司董事長、總經(jīng)理是否為人大代表、政協(xié)委員及之前是否從政的虛擬變量來反映（余明桂等，2010）；地區(qū)制度環(huán)境（ins）（劉慧龍和吳聯(lián)生，2014），以王小魯?shù)龋?013）編制的中國分省企業(yè)經(jīng)營環(huán)境指數(shù)來反映，指數(shù)截至2012年，對2013年指數(shù)采用以年度為自變量的簡單OLS回歸遞推得到；地區(qū)制度環(huán)境與政治關(guān)聯(lián)的交叉項(xiàng)（pc×ins）。

計數(shù)模型及其應(yīng)用中的變量。以知識生產(chǎn)函數(shù)分析R&D稅收激勵影響專利產(chǎn)出的作用機(jī)制時，因變量專利（包括發(fā)明、實(shí)用新型和外觀設(shè)計）為整數(shù)，處理該類數(shù)據(jù)需要運(yùn)用計數(shù)模型。自變量是研發(fā)投入，由兩部分構(gòu)成，即：。該式右邊第一項(xiàng)）是R&D稅收激勵引致的額外研發(fā)投入，當(dāng)企業(yè)沒有享受稅收激勵時該項(xiàng)為0。第二項(xiàng)）是反事實(shí)研發(fā)支出，即沒有R&D稅收激勵時企業(yè)也會發(fā)生的研發(fā)支出。第一項(xiàng)采用PSM估計直接得到，第二項(xiàng)等于研發(fā)支出減去第一項(xiàng)。

為檢驗(yàn)假說2，本文還構(gòu)造知識產(chǎn)權(quán)保護(hù)與引致研發(fā)支出的交叉項(xiàng)），同時構(gòu)造知識產(chǎn)權(quán)保護(hù)與反事實(shí)研發(fā)支出的交叉項(xiàng)）。知識產(chǎn)權(quán)保護(hù)水平以中國分省企業(yè)經(jīng)營環(huán)境指數(shù)中“企業(yè)經(jīng)營法制環(huán)境”下的“經(jīng)營者合法權(quán)益保障”來量化?！敖?jīng)營者合法權(quán)益保障”包括知識產(chǎn)權(quán)、合同執(zhí)行、人身和財產(chǎn)安全三個細(xì)分指標(biāo)，但該報告僅提供了合成的“經(jīng)營者合法權(quán)益保障”指數(shù)，沒有提供其中的知識產(chǎn)權(quán)指數(shù)。鑒于合同執(zhí)行、人身和財產(chǎn)安全這兩項(xiàng)指標(biāo)都與法治水平相關(guān)，而一個地區(qū)的法治水平在知識產(chǎn)權(quán)、物權(quán)、債權(quán)和人身權(quán)保護(hù)方面處于同一水平，因此，本文以“經(jīng)營者合法權(quán)益保障”指數(shù)來代替知識產(chǎn)權(quán)保護(hù)水平。該指數(shù)2013年缺失值也通過簡單OLS回歸遞推得到。控制變量與PSM估計中的協(xié)變量基本相同（Czarnitzki和Hussinger，2004；Czarnitzki和 Licht，2006；Czarnitzki和 Delanote，2015；Guo 等，2016），區(qū)別在于沒有包括后者中的政治關(guān)聯(lián)（pc）、制度環(huán)境與政治關(guān)聯(lián)的交叉項(xiàng)（pc×ins），而制度環(huán)境（ins）以知識產(chǎn)權(quán)保護(hù)（ipp）來替代。前述協(xié)變量和控制變量中，除年齡（age）外，其他因素都取滯后一期值，以盡量控制變量間的相關(guān)性。此外，還控制產(chǎn)業(yè)、地區(qū)、時間等虛擬變量的影響。

（二）數(shù)據(jù)來源。大部分財務(wù)數(shù)據(jù)來自于國泰安數(shù)據(jù)庫（CSMAR）。但關(guān)鍵數(shù)據(jù)R&D稅收激勵源于測算，研發(fā)支出和專利來自手工搜集整理。我國的新企業(yè)所得稅法于2008年實(shí)施，本文選取的是2008年之后的數(shù)據(jù)。數(shù)據(jù)搜集時間為2014年，因此樣本起止時間為2009?2013年。剔除ST、注冊地為西藏（主要信息缺失）的公司后，一共獲得了1 223家上市公司的數(shù)據(jù)，共有樣本5 460個（部分上市公司數(shù)據(jù)少于5年）。其中，深市主板144家、中小板502家、創(chuàng)業(yè)板204家，滬市主板373家。參照已有研究的處理方法（吳聯(lián)生和李辰，2007），將實(shí)際稅率大于1 或者小于0，以及當(dāng)期所得稅小于0的樣本作為異常值剔除，實(shí)際樣本為4 990個。

（三）描述性統(tǒng)計。全樣本實(shí)際稅負(fù)均值為0.1858，低于和高于法定稅負(fù)的樣本分別有4 085個和836個，分別占觀察值的83%和17%，即大部分樣本在研究期內(nèi)享受了稅收激勵。

將全體樣本按照享受R&D稅收激勵與否分組，對所涉變量進(jìn)行描述性統(tǒng)計并計算均值差異的顯著性，結(jié)果見表1。表1中，結(jié)果變量（patapp、patopen）在兩組間不存在顯著差異。這似乎表明，R&D稅收激勵對企業(yè)的創(chuàng)新產(chǎn)出不存在顯著影響。協(xié)變量中，除托賓q值（Tobinq）、市場集中度指數(shù)（HHI）、制度環(huán)境（ins）外，其他變量在兩組間均存在顯著差異。但要證實(shí)R&D稅收激勵對企業(yè)的專利效應(yīng)，還必須考慮稅收激勵內(nèi)生性的影響。

表 1 享受與未享受R&D稅收激勵樣本的均值差異顯著性

四、實(shí)證結(jié)果和分析

（一）R&D稅收激勵的專利產(chǎn)出效應(yīng)。首先檢驗(yàn)假說1。本文中，影響企業(yè)獲得R&D稅收激勵的協(xié)變量較多且樣本量較大，根據(jù)Zhao（2004）的建議，沒有采用協(xié)變量較少（低于8個）、樣本較少的馬氏距離匹配方法，而是采用傾向得分匹配。匹配方法包括K近鄰匹配（k=1，4）、卡尺內(nèi)近鄰匹配、半徑匹配和核匹配等。表2報告了估計結(jié)果。

表 2 R&D稅收激勵的專利效應(yīng)

前4列以專利申請為結(jié)果變量的估計表明，無論采用哪一種匹配方法，對任一類專利而言，都沒有發(fā)現(xiàn)R&D稅收激勵對企業(yè)的專利申請具有顯著影響。也就是說，與沒有獲得R&D稅收激勵的企業(yè)相比，得到R&D稅收激勵的企業(yè)，其平均（總體）專利申請并不會更多，因而，R&D稅收激勵沒有對企業(yè)的專利申請產(chǎn)生額外影響。后4列以專利公開為結(jié)果變量，結(jié)果也是一樣的。因此，對專利而言，R&D稅收激勵沒有產(chǎn)生顯著的額外影響。至于原因則需進(jìn)一步分析其作用機(jī)制。

（二）R&D稅收激勵影響專利產(chǎn)出的作用機(jī)制。根據(jù)兩步法，首先分析R&D稅收激勵的研發(fā)投入效應(yīng)。表3是以研發(fā)支出為結(jié)果變量、采用不同匹配方法得到的估計結(jié)果。不同匹配方法下處理組的研發(fā)支出強(qiáng)度相同（因?yàn)楂@得R&D稅收激勵的樣本相同），均為0.0406，而控制組的研發(fā)支出強(qiáng)度略有差異（因?yàn)椴煌ヅ浞椒ㄏ碌目刂平M樣本略有不同）。不同匹配方法得到的估計結(jié)果極為接近，介于0.0058?0.0068之間（均值為0.0064），且均在1%水平上顯著。這表明，R&D稅收激勵產(chǎn)生了顯著的額外研發(fā)支出效應(yīng)或擠入效應(yīng)，且該效應(yīng)占企業(yè)平均研發(fā)支出強(qiáng)度的17.39%（=0.0064/0.0368）。R&D稅收激勵的直接效應(yīng)或數(shù)量效應(yīng)得到了證實(shí)。

接下來以面板計數(shù)模型分析R&D稅收激勵的額外研發(fā)投入對專利產(chǎn)出的影響。模型適用上，經(jīng)過面板泊松回歸（隨機(jī)效應(yīng)和固定效應(yīng)）、負(fù)二項(xiàng)面板回歸（隨機(jī)效應(yīng)和固定效應(yīng)）以及hausman檢驗(yàn)，表4中的8個模型均一致適用隨機(jī)效應(yīng)面板負(fù)二項(xiàng)回歸。第1至4列是以專利申請為因變量，以K近鄰匹配（k=1）①其他匹配方法得到的結(jié)果類似。得到R&D稅收激勵的額外研發(fā)投入效應(yīng)（）及其與知識產(chǎn)權(quán)保護(hù)的交叉項(xiàng)（）為核心解釋變量，報告發(fā)生率比的回歸結(jié)果。②為節(jié)省篇幅，沒有報告控制變量的估計結(jié)果及分析，如有需要可向作者索要，表6同。發(fā)生率比是指假定其他變量不變，自變量增加1個單位，因變量是原來的多少倍。如果該系數(shù)小于1，說明該變量對因變量的影響為負(fù)。只有當(dāng)該系數(shù)大于1時才具有正向影響。

表 3 R&D稅收激勵的研發(fā)投入效應(yīng)

表 4 R&D稅收激勵的研發(fā)投入效應(yīng)對專利產(chǎn)出的影響

第1列以專利申請總數(shù)為因變量。R&D稅收激勵的額外研發(fā)投入（αTT）對專利申請的發(fā)生率比為正但不顯著。與表3結(jié)合起來看，可以發(fā)現(xiàn)，盡管中國的R&D稅收激勵產(chǎn)生了顯著的額外研發(fā)支出效應(yīng)，但該效應(yīng)并沒有促成相應(yīng)的專利產(chǎn)出，中國的R&D稅收激勵在將知識投資轉(zhuǎn)化為技術(shù)產(chǎn)出方面成效不彰，中國情景下的R&D稅收激勵面臨類似“歐洲悖論”的困境。所謂“歐洲悖論”是指歐洲創(chuàng)新體系在基礎(chǔ)研究和主要由公共R&D支出激勵的研發(fā)支出是有效的，但在創(chuàng)新產(chǎn)出上（無論是技術(shù)方面還是商業(yè)化方面）是低效的（Hammadou等，2014），公共支持在激勵創(chuàng)新投入（R&D）和創(chuàng)新產(chǎn)出之間有斷裂（OECD，2012）。R&D稅收激勵引致的研發(fā)支出之所以未能影響專利產(chǎn)出，主要有兩方面原因：一是市場取向型的產(chǎn)業(yè)研發(fā)政策無法強(qiáng)制企業(yè)從事社會回報率高的項(xiàng)目。不論有無稅收激勵，有利可圖的研發(fā)項(xiàng)目都會被實(shí)施，私人回報率最高的項(xiàng)目會被優(yōu)先實(shí)施。盡管R&D稅收激勵鼓勵企業(yè)開展具有高社會回報率的研發(fā)項(xiàng)目，但由于缺乏強(qiáng)制實(shí)施機(jī)制，出于自利動機(jī)，企業(yè)仍會優(yōu)先選擇私人回報率高的項(xiàng)目。而創(chuàng)新往往產(chǎn)生于私人回報與社會回報之間具有較大懸殊的領(lǐng)域（Hall和Van Reenen，2000）。R&D稅收政策激勵的研發(fā)支出偏離社會回報率高的研發(fā)項(xiàng)目，制約了創(chuàng)新產(chǎn)出的形成。R&D稅收激勵因政策特質(zhì)（市場取向型、缺乏強(qiáng)制實(shí)施機(jī)制）而不利于產(chǎn)生更多的創(chuàng)新產(chǎn)出。二是技術(shù)創(chuàng)新成果的新穎性要求缺失制約了企業(yè)的創(chuàng)新努力。R&D稅收激勵政策沒有對企業(yè)的技術(shù)創(chuàng)新成果提出新穎性要求，如國際前沿或國家前沿或行業(yè)前沿等，也會弱化其專利效應(yīng)。距離技術(shù)前沿的距離遠(yuǎn)近，決定了企業(yè)采取何種技術(shù)開發(fā)策略，即技術(shù)引進(jìn)還是自主創(chuàng)新。距離技術(shù)前沿較遠(yuǎn)的企業(yè)，其理性選擇是技術(shù)模仿而非技術(shù)創(chuàng)新，企業(yè)缺乏動力和技術(shù)基礎(chǔ)去從事突破性研發(fā)活動，從而難以形成專利。而距離技術(shù)前沿較近的企業(yè)，沒有技術(shù)模仿空間，技術(shù)創(chuàng)新是其理性選擇，但現(xiàn)行R&D稅收激勵政策并沒有設(shè)置創(chuàng)新成果的新穎性要求。同時，對處于技術(shù)前沿的廠商而言，技術(shù)創(chuàng)新面臨的重大風(fēng)險是創(chuàng)新成果能否得到有效的知識產(chǎn)權(quán)保護(hù)，否則，各種顯性或隱性侵權(quán)行為無法得到有效救濟(jì)將使這一要求無從實(shí)施。而當(dāng)前我國的知識產(chǎn)權(quán)保護(hù)水平還難以擔(dān)此重任（胡凱等，2012）。因此，企業(yè)的理性選擇仍是從事技術(shù)進(jìn)步和技術(shù)改造等缺乏突破性的邊際研發(fā)活動，從而無助于專利產(chǎn)出增加。這凸顯了知識產(chǎn)權(quán)保護(hù)對于實(shí)現(xiàn)政策效應(yīng)的重要性，或者說制度建設(shè)與政策完善具有互補(bǔ)性。與世界上大部分國家相比，中國的R&D稅收激勵非?？犊?，有效降低了距離技術(shù)前沿較遠(yuǎn)企業(yè)的研發(fā)稅收成本，為創(chuàng)新型國家建設(shè)進(jìn)程中的技術(shù)模仿提供了動力，并助推我國部分行業(yè)通過技術(shù)引進(jìn)消化吸收再創(chuàng)新，逐步接近世界技術(shù)前沿。在這個意義上，不設(shè)置技術(shù)要求的R&D稅收激勵政策對于我國過去多年來的技術(shù)模仿具有促進(jìn)作用，但為實(shí)現(xiàn)創(chuàng)新型國家建設(shè)目標(biāo)，為促進(jìn)更多行業(yè)在技術(shù)上接近并引領(lǐng)世界前沿，慷慨的R&D稅收激勵應(yīng)逐步設(shè)置創(chuàng)新成果要求，尤其是國際領(lǐng)先的技術(shù)要求，并輔以完善的知識產(chǎn)權(quán)執(zhí)法來保護(hù)創(chuàng)新收益。

知識產(chǎn)權(quán)保護(hù)（ipp）對專利申請的影響也不顯著，但知識產(chǎn)權(quán)保護(hù)與額外研發(fā)支出的交叉項(xiàng)

）則在5%水平上顯著為正，其發(fā)生率比為8.1709，即知識產(chǎn)權(quán)保護(hù)與額外研發(fā)支出的交叉項(xiàng)增加1單位，企業(yè)的專利申請將增加7.1709個單位。這意味著，盡管R&D稅收激勵的擠入效應(yīng)無助于直接增加企業(yè)的專利申請，但在知識產(chǎn)權(quán)保護(hù)水平越高的地區(qū)，預(yù)期創(chuàng)新產(chǎn)出能得到更有效的保護(hù)和獨(dú)占創(chuàng)新收益，企業(yè)有更大的激勵增加額外研發(fā)支出，從而能間接地增加企業(yè)的專利申請。因而，知識產(chǎn)權(quán)保護(hù)在一定程度上緩解了R&D稅收激勵缺乏直接專利效應(yīng)的政策失靈風(fēng)險，提高知識產(chǎn)權(quán)保護(hù)水平對于改善R&D稅收激勵的創(chuàng)新產(chǎn)出效應(yīng)具有積極意義。假說2得到了證實(shí)。前述分析也適用于解釋反事實(shí)研發(fā)支出（rdC）及其與知識產(chǎn)權(quán)保護(hù)的交叉項(xiàng)（ip p×rdC）對專利分別無顯著影響和有顯著正向影響。

第2列以發(fā)明專利為因變量。與第1列相同，具有顯著影響的因素也是知識產(chǎn)權(quán)保護(hù)與兩類研發(fā)支出的交叉項(xiàng)（ip p×αTT、ip p×rdC），且系數(shù)更大。原因是發(fā)明專利的技術(shù)新穎度最高，對知識產(chǎn)權(quán)保護(hù)的要求和敏感度也高，知識產(chǎn)權(quán)保護(hù)水平的微小改進(jìn)，將會使發(fā)明專利增量更大。

后4列是以專利公開為因變量的回歸結(jié)果。其中，具有顯著性的解釋變量與前4列幾乎一致，區(qū)別在于其系數(shù)大幅上升。這是因?yàn)?，專利公開的實(shí)質(zhì)是以技術(shù)公開獲得一定保護(hù)期的獨(dú)占收益，在公開期內(nèi)如果專利被侵權(quán)，專利權(quán)人只能訴諸專利法等加以維權(quán)。通過權(quán)衡專利公開的風(fēng)險與收益，專利權(quán)人決定是否公開，此時，公開與否在很大程度上就取決于知識產(chǎn)權(quán)保護(hù)的效力。因此，與專利申請相比，專利公開對知識產(chǎn)權(quán)保護(hù)水平更加敏感，知識產(chǎn)權(quán)保護(hù)越嚴(yán)格，額外研發(fā)支出對專利公開的影響就越大。

以公開促保護(hù)是專利法的立法宗旨之一。根據(jù)專利法，發(fā)明和實(shí)用新型專利申請人應(yīng)將其專利申請按照技術(shù)公開和可復(fù)制原則提交專利管理機(jī)關(guān)，由后者予以公布。相關(guān)技術(shù)需求者通過向?qū)＠麢?quán)人支付專利許可使用費(fèi)獲得使用權(quán)，從而有利于知識擴(kuò)散，推動社會技術(shù)進(jìn)步，并避免重復(fù)投資。R&D稅收激勵不能帶來相應(yīng)專利產(chǎn)出的后果，使公共資金的配置效益局限于個體而非社會，在一定程度上背離公共資金的公共受益初衷，并產(chǎn)生了收入再分配效應(yīng)。因而，為提高R&D稅收激勵的專利產(chǎn)出效應(yīng)，走出“歐洲悖論”，一是要進(jìn)一步強(qiáng)化知識產(chǎn)權(quán)保護(hù)對研發(fā)支出的調(diào)節(jié)效應(yīng)，二是要設(shè)置技術(shù)要求來引導(dǎo)創(chuàng)新產(chǎn)出。

五、穩(wěn)健性檢驗(yàn)

（一）以處理效應(yīng)模型估計R&D稅收激勵的專利效應(yīng)。本研究事實(shí)上面臨兩方面潛在的內(nèi)生性，一是樣本選擇偏誤帶來的內(nèi)生性，二是可能遺漏既與企業(yè)的專利產(chǎn)出相關(guān)，也與企業(yè)獲得R&D稅收激勵的概率相關(guān)的變量。為獲得一致估計，還必須考慮第二種內(nèi)生性，其關(guān)鍵在于找到合適的工具變量。該工具變量會影響企業(yè)獲得R&D稅收激勵的概率，但不會影響企業(yè)的創(chuàng)新產(chǎn)出（只能通過獲得R&D稅收激勵間接影響）。處理效應(yīng)模型能同時關(guān)注這兩種內(nèi)生性。

借鑒Lokshin和Mohnen（2013）及Huang（2015）的方法，采用滯后一階的R&D稅收激勵作為工具變量（l.rdtaxdum）。為節(jié)省篇幅，表5僅匯報了兩階段核心變量的估計系數(shù)以及工具變量的有效性檢驗(yàn)結(jié)果。前4列是以專利申請為因變量的估計結(jié)果。第一步采用Probit模型估計企業(yè)獲得R&D稅收激勵的概率，工具變量（l.rdtaxdum）對內(nèi)生變量（rdtaxdum）的影響在1%水平上顯著為正。第二步回歸中，內(nèi)生變量（rdtaxdum）對專利申請總量沒有顯著影響。似然比檢驗(yàn)值（LR）在10%水平上顯著為正，表明采用處理效應(yīng)模型是適當(dāng)?shù)摹５?至4列結(jié)論是類似的。后4列是以專利公開為因變量的回歸結(jié)果，也沒有發(fā)現(xiàn)R&D稅收激勵對專利公開具有顯著影響。這與表2采用PSM的估計結(jié)果是一致的。

表 5 R&D稅收激勵影響專利產(chǎn)出的檢驗(yàn)

以虛擬變量來度量R&D稅收激勵無法反映稅收優(yōu)惠的強(qiáng)度對專利產(chǎn)出的影響，廣義傾向評分匹配法（GPS）能彌補(bǔ)這一不足。估計處理變量全部取值區(qū)間內(nèi)R&D稅收激勵強(qiáng)度對專利產(chǎn)出的因果效應(yīng)即劑量反應(yīng)函數(shù)，可以發(fā)現(xiàn)，①限于篇幅沒有報告示意圖,也沒有報告不同激勵強(qiáng)度下因果效應(yīng)的系數(shù)、標(biāo)準(zhǔn)差及顯著性水平，如有需要可與作者聯(lián)系。R&D稅收激勵強(qiáng)度越大，無論是專利申請量還是專利公開量（除外觀設(shè)計外）都將進(jìn)一步下降，R&D稅收激勵強(qiáng)度對專利產(chǎn)生了弱化效應(yīng)。但進(jìn)一步識別不同稅收激勵強(qiáng)度下專利產(chǎn)出因果效應(yīng)的顯著性發(fā)現(xiàn)，除實(shí)用新型外，R&D稅收激勵強(qiáng)度對其他專利的因果效應(yīng)均不顯著，這與基準(zhǔn)回歸的結(jié)論基本一致。

（二）以關(guān)鍵變量替換分析R&D稅收激勵影響專利產(chǎn)出的作用機(jī)制。表4的作用機(jī)制分析表明，知識產(chǎn)權(quán)保護(hù)在R&D稅收激勵影響專利產(chǎn)出的過程中扮演著重要角色。為檢驗(yàn)該變量影響的穩(wěn)健性，這里以地區(qū)技術(shù)交易成交額占當(dāng)?shù)谿DP的比重來度量知識產(chǎn)權(quán)保護(hù)（胡凱等，2012），回歸結(jié)果見表6。該結(jié)果與表4非常一致，即R&D稅收激勵引致的額外研發(fā)支出沒有顯著影響企業(yè)的專利產(chǎn)出，顯著的仍是知識產(chǎn)權(quán)保護(hù)與兩類研發(fā)支出的交叉項(xiàng)，且僅影響專利總數(shù)和發(fā)明專利。

表 6 R&D稅收激勵影響專利產(chǎn)出的作用機(jī)制檢驗(yàn)

六、結(jié) 論

為建設(shè)創(chuàng)新型國家，近年來我國的R&D稅收激勵規(guī)模非?？捎^，但巨額稅收激勵是否產(chǎn)生了預(yù)期的創(chuàng)新產(chǎn)出效應(yīng)一直缺乏系統(tǒng)、科學(xué)的經(jīng)驗(yàn)分析。本文以中國上市公司微觀數(shù)據(jù)為樣本，估計了R&D稅收激勵的創(chuàng)新產(chǎn)出因果效應(yīng)并分析了其作用機(jī)制。由于R&D稅收激勵具有自選擇性，本文采用PSM來估計R&D稅收激勵的專利效應(yīng)。由于專利產(chǎn)出為非負(fù)整數(shù)，以PSM估計出R&D稅收激勵的額外研發(fā)支出效應(yīng)后，再以面板計數(shù)模型估計該效應(yīng)對專利產(chǎn)出的影響。研究發(fā)現(xiàn)，R&D稅收激勵沒有顯著的專利效應(yīng)。雖然R&D稅收激勵產(chǎn)生了顯著的研發(fā)支出效應(yīng)，但該效應(yīng)并未直接影響企業(yè)的專利產(chǎn)出，中國的R&D稅收激勵面臨類似“歐洲悖論”的困境。盡管R&D稅收激勵的擠入效應(yīng)不能直接影響專利產(chǎn)出，但在知識產(chǎn)權(quán)保護(hù)的調(diào)節(jié)下，R&D稅收激勵引致的額外研發(fā)支出能間接促進(jìn)專利產(chǎn)出增加，知識產(chǎn)權(quán)保護(hù)在一定程度上緩解了R&D稅收激勵的直接專利效應(yīng)失靈風(fēng)險。為改善我國R&D稅收激勵的創(chuàng)新效應(yīng)，走出“歐洲悖論”困境，需要在R&D稅收激勵的政策設(shè)計和相關(guān)制度建設(shè)上下功夫。

第一，優(yōu)化R&D稅收激勵政策設(shè)計。OECD的經(jīng)驗(yàn)表明，R&D稅收激勵對創(chuàng)新產(chǎn)出的影響取決于創(chuàng)新成果的新穎性要求。沒有新穎性要求，稅收激勵可能會激勵模仿而不是創(chuàng)新。盡管我國反復(fù)修訂的高新技術(shù)企業(yè)認(rèn)定管理辦法和研發(fā)費(fèi)用加計扣除規(guī)定等，對R&D稅收激勵政策的實(shí)施也做了詳盡規(guī)定，但一直缺乏結(jié)果導(dǎo)向型技術(shù)成果的新穎性要求。而部分OECD國家如加拿大的R&D稅收激勵之所以有效，明確的研發(fā)成果新穎性要求是關(guān)鍵。因此，設(shè)置創(chuàng)新成果新穎性要求實(shí)有必要，比如可以將技術(shù)新穎度最高的發(fā)明專利、國內(nèi)或國際新產(chǎn)品開發(fā)或新產(chǎn)品銷售占比等作為享受稅收優(yōu)惠政策的硬性要求。

第二，強(qiáng)化知識產(chǎn)權(quán)保護(hù)對研發(fā)支出形成技術(shù)產(chǎn)出的引導(dǎo)和激勵功效。知識產(chǎn)權(quán)保護(hù)對R&D稅收激勵引致的研發(fā)支出形成專利具有調(diào)節(jié)作用，意味著提高知識產(chǎn)權(quán)保護(hù)水平對于提高研發(fā)支出的專利產(chǎn)出功效事半功倍。設(shè)置享受R&D稅收激勵優(yōu)惠政策的技術(shù)創(chuàng)新成果新穎性要求需以有效的知識產(chǎn)權(quán)保護(hù)為前提。當(dāng)前我國的知識產(chǎn)權(quán)保護(hù)水平還比較低，且地區(qū)之間還存在較大差距，強(qiáng)化知識產(chǎn)權(quán)保護(hù)刻不容緩。提高我國知識產(chǎn)權(quán)保護(hù)水平需要在知識產(chǎn)權(quán)的司法保護(hù)、行政保護(hù)和技術(shù)交易市場建設(shè)等方面下功夫。當(dāng)前，尤其需要通過制度建設(shè)、司法和行政改革，將《中共中央、國務(wù)院關(guān)于完善產(chǎn)權(quán)保護(hù)制度依法保護(hù)產(chǎn)權(quán)的意見》（2016年11月）關(guān)于“加大知識產(chǎn)權(quán)保護(hù)力度”的各項(xiàng)改革倡議和舉措一一落到實(shí)處，為企業(yè)研發(fā)投資提供穩(wěn)定的預(yù)期。

[1]胡凱，吳清，胡毓敏. 知識產(chǎn)權(quán)保護(hù)的技術(shù)創(chuàng)新效應(yīng)——基于技術(shù)交易市場視角和省級面板數(shù)據(jù)的實(shí)證分析[J]. 財經(jīng)研究，2012，（8）：15?25.

[2]李維安，李浩波，李慧聰. 創(chuàng)新激勵還是稅盾?——高新技術(shù)企業(yè)稅收優(yōu)惠研究[J]. 科研管理，2016，（11）：61?70.

[3]劉慧龍，吳聯(lián)生. 制度環(huán)境、所有權(quán)性質(zhì)與企業(yè)實(shí)際稅率[J]. 管理世界，2014，（4）：42?52.

[4]王小魯，余靜文，樊綱. 中國分省企業(yè)經(jīng)營環(huán)境指數(shù)2013年報告[M]. 北京：中信出版社，2013.

[5]吳聯(lián)生，李辰. “先征后返”、公司稅負(fù)與稅收政策的有效性[J]. 中國社會科學(xué)，2007，（4）：61?73.

[6]吳文鋒，吳沖鋒，芮萌. 中國上市公司高管的政府背景與稅收優(yōu)惠[J]. 管理世界，2009，（3）：134?142.

[7]葉靜怡，李晨樂，雷震，等. 專利申請?zhí)崆肮_制度、專利質(zhì)量與技術(shù)知識傳播[J]. 世界經(jīng)濟(jì)，2012，（8）：115?133.

[8]余明桂，回雅甫，潘紅波. 政治聯(lián)系、尋租與地方政府財政補(bǔ)貼有效性——來自中國民營上市公司的證據(jù)[J]. 經(jīng)濟(jì)研究，2010，（3）：65?77.

[9]張信東，賀亞楠，馬小美. R&D稅收優(yōu)惠政策對企業(yè)創(chuàng)新產(chǎn)出的激勵效果分析——基于國家級企業(yè)技術(shù)中心的研究[J]. 當(dāng)代財經(jīng)，2014，（11）：35?45.

[10]Cappelen ?，Raknerud A，Rybalka M. The effects of R&D tax credits on patenting and innovations[J]. Research Policy，2012，41（2）： 334?345.

[11]Czarnitzki D，Hussinger K. The link between R&D subsidies，R&D spending and technological performance[R]. ZEW Working Paper No.04-056，2004.

[12]Czarnitzki D，Licht G. Additionality of public R&D grants in a transition economy：The case of eastern Germany[J].Economics of Transition，2006，14（1）： 101?131.

[13]Czarnitzki D，Hanel P，Rosa J M. Evaluating the impact of R&D tax credits on innovation：A microeconometric study on Canadian firms[J]. Research Policy，2011，40（2）： 217?229.

[14]Czarnitzki D，Delanote J. R&D policies for young SMEs：Input and output effects[J]. Small Business Economics，2015，45（3）： 465?485.

[15]Duguet E. The effect of the incremental R&D tax credit on the private funding of R&D an econometric evaluation on French firm level data[J]. Revue D’économie Politique，2012，122（3）： 405?435.

[16]Ernst C，Richter K，Riedel N. Corporate taxation and the quality of research and development[J]. International Tax and Public Finance，2014，21（4）： 694?719.

[17]Freitas I B，Castellacci F，F(xiàn)ontana R，et al. Sectors and the additionality effects of R&D tax credits：A cross-country microeconometric analysis[J]. Research Policy，2017，46（1）： 57?72.

[18]Griliches Z. Patent statistics as economic indicators：A survey[J]. Journal of Economic Literature，1990，28（4）：1661?1707.

[19]Grossman G M，Helpman E. Quality ladders in the theory of growth[J]. The Review of Economic Studies，1991，58（1）：43?61.

[20]Hall B H，Van Reenen J. How effective are fiscal incentives for R&D? A review of the evidence[J]. Research Policy，2000，29（4-5）： 449?469.

[21]Hammadou H，Paty S，Savona M. Strategic interactions in public R&D across European countries：A spatial econometric analysis[J]. Research Policy，2014，43（7）： 1217?1226.

[22]Honoré F，Munari F，van Pottelsberghe de La Potterie B. Corporate governance practices and companies’ R&D intensity：Evidence from European countries[J]. Research Policy，2015，44（2）： 533?543.

[23]Kobayashi Y. Effect of R&D tax credits for SMEs in Japan：A microeconometric analysis focused on liquidity constraints[J]. Small Business Economics，2014，42（2）： 311?327.

[24]Moretti E，Wilson D J. State incentives for innovation，star scientists and jobs：Evidence from biotech[J]. Journal of Urban Economics，2014，79： 20?38.

[25]Rubin D B. For objective causal inference，design trumps analysis[J]. The Annals of Applied Statistics，2008，2（3）：808?840.

[26]Wilkie P J. Corporate average effective tax rates and inferences about relative tax preference[J]. Journal of the American Taxation Association，1988，10（1）： 75?88.

[27]Yang C-H，Huang C-H，Hou T C-T. Tax incentives and R&D activity：Firm-level evidence from Taiwan[J]. Research Policy，2012，41（9）： 1578?1588.