政府補貼真的能解決研發(fā)外部性嗎？

周曉艷 卞元月

摘要：西方文獻(xiàn)普遍認(rèn)為R&D;的“市場失靈”是政府研發(fā)公共支出存在的理由。為研究政府補貼能否解決研發(fā)外部性問題，選取2001—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫研發(fā)密集型行業(yè)中的微觀企業(yè)數(shù)據(jù)，利用傾向得分匹配模型檢驗政府補貼對企業(yè)R&D;行為的影響。研究結(jié)果證實：政府補貼對企業(yè)R&D;支出存在顯著的“擠出”效應(yīng)，且由于行業(yè)異質(zhì)性的存在，政府補貼對不同行業(yè)企業(yè)R&D;支出的擠出效應(yīng)存在較大差異。政府公共支出并未達(dá)到預(yù)期的激勵作用。

關(guān)鍵詞：政府補貼；研發(fā)行為；擠出效應(yīng)；選擇性偏差；傾向得分匹配方法

中圖分類號：F202 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-2101（2018）03-0030-09

自Schumpeter（1912）創(chuàng)新理論提出以來，相關(guān)領(lǐng)域的研究一直受到學(xué)者們的關(guān)注。新增長理論認(rèn)為R&D;投入是技術(shù)進(jìn)步的最直接來源（Romer，1990）。現(xiàn)代經(jīng)濟(jì)增長內(nèi)生演化的動力是技術(shù)進(jìn)步，而R&D;活動則是技術(shù)進(jìn)步的源泉。R&D;活動不僅是隱性知識和顯性知識的來源之一，而且通過產(chǎn)品創(chuàng)新和工藝創(chuàng)新，進(jìn)而推動經(jīng)濟(jì)的可持續(xù)性增長（Cohen和Levinthal，1989；Furman、Porter和Stern，2002）。但企業(yè)R&D;活動所具有的正外部性將導(dǎo)致市場失靈以及隨之而來的投資不足問題（Tassey，2004）。因此，為糾正這種市場失靈，政府的研發(fā)補貼和稅收優(yōu)惠就成為糾正這種外部性的必要措施。

政府補貼真的能解決研發(fā)的外部性嗎？在庇古外部性理論中有兩個隱含的假設(shè)：首先，正外部性效應(yīng)的生產(chǎn)者可以約束自己的行為；其次，庇古津貼對于正外部性效應(yīng)的生產(chǎn)者能夠形成有效激勵，降低其成本，從而增加供給。這兩個隱含的假設(shè)在現(xiàn)實中存在嗎？政府補貼是擠出抑或激勵微觀企業(yè)進(jìn)行R&D;投資？對這一問題的回答，學(xué)術(shù)界對微觀層次的研究方法存在異議，因而產(chǎn)生了研究結(jié)論的沖突。

中國是高速發(fā)展的新興經(jīng)濟(jì)體，但同時也面臨著發(fā)展不平衡的問題。工業(yè)化后期對傳統(tǒng)技術(shù)和高新技術(shù)的選擇是關(guān)乎中國產(chǎn)業(yè)發(fā)展的重大戰(zhàn)略問題。就高科技行業(yè)而言，其中的研發(fā)投資顯得尤為重要（Lee，2010）。自2006年中長期科技發(fā)展規(guī)劃發(fā)布以來，我國政府研發(fā)補貼強度占自主研發(fā)強度的比例平均為44.23%，2008年、2009年更是達(dá)到了50%以上，超過了國際慣例的50%。與此同時，根據(jù)歐盟的統(tǒng)計數(shù)據(jù)，2011年全球企業(yè)研發(fā)投入前1 000名企業(yè)中，中國只有19家企業(yè)上榜[1]。由兩組宏微觀數(shù)據(jù)的對比可知，我國企業(yè)研發(fā)投入水平離發(fā)達(dá)國家的標(biāo)準(zhǔn)還相差甚遠(yuǎn)，政府每年巨額的補貼所產(chǎn)生的激勵效應(yīng)與預(yù)期也相差甚遠(yuǎn)。

在中國轉(zhuǎn)軌制度背景下，政府補貼對微觀企業(yè)的R&D;行為會產(chǎn)生何種效應(yīng)？能否解決研發(fā)外部性問題？本文擬從微觀層面來探討這一問題。考慮到行業(yè)異質(zhì)性的存在，以中國工業(yè)企業(yè)數(shù)據(jù)庫中研發(fā)密集型行業(yè)中的企業(yè)為樣本，采用大樣本的微觀企業(yè)層面數(shù)據(jù)，采用PSM模型以解決可能的選擇性偏差，使得研究結(jié)論更精準(zhǔn)。

一、文獻(xiàn)綜述

西方文獻(xiàn)普遍認(rèn)為自發(fā)的R&D;活動存在“市場失靈”，而這是政府公共投資存在的原因之一。由于知識生產(chǎn)的不完全獨占而導(dǎo)致的負(fù)外部性，此時，如果完全交給市場，為技術(shù)知識或信息的生產(chǎn)而進(jìn)行的投資則低于社會最佳水平（Arrow，1962）。由于R&D;的公共產(chǎn)品特性、R&D;活動的外部性以及R&D;過程中的不確定性和風(fēng)險，使得企業(yè)不愿投資R&D;。Romer（1990）也認(rèn)為技術(shù)具有非競爭性和部分排他性，政府公共支出有助于企業(yè)進(jìn)行研發(fā)投資。與此同時，R&D;活動也面臨著另一種類型的市場失靈，Hall（2002）研究表明，對于一些具有現(xiàn)金流約束的小企業(yè)或新創(chuàng)企業(yè)而言，由于外部融資的成本過高，導(dǎo)致無法進(jìn)行R&D;投資。Hall（2002）認(rèn)為這種市場失靈是由企業(yè)自有資金進(jìn)行R&D;活動的回報率和外部投資者所要求的回報率之間的差異造成的。大量的理論和實證文獻(xiàn)認(rèn)為，從整個社會角度而言，私人企業(yè)缺乏足夠的激勵來進(jìn)行R&D;投資。由于知識生產(chǎn)的不完全獨占而導(dǎo)致的負(fù)外部性，政府干預(yù)便有了合理的理由。據(jù)此，政府可利用相應(yīng)的政策機制來消除這種市場失靈，這種政策包括補貼和稅收優(yōu)惠，以期縮小R&D;投資的私人和社會回報率的差距（Berger，1993；Hall，2002）?，F(xiàn)實中果真如此嗎？

早期的文獻(xiàn)集中探討政府的公共支出與企業(yè)R&D;投入之間存在互補還是替代關(guān)系，也即公共支出是否對企業(yè)內(nèi)部R&D;投入有擠出效應(yīng)？現(xiàn)有的文獻(xiàn)對此存有異議。Blank和Stigler（1957）是最早研究政府公共支出和私人企業(yè)R&D;支出關(guān)系的學(xué)者，但其研究也未能得出一致的結(jié)論。Nadri和Mamuneas（1996）關(guān)于美國制造業(yè)的研究表明，有政府補貼的企業(yè)會增加其研發(fā)投入，且其研發(fā)活動可能產(chǎn)生“技術(shù)外溢”，從而使市場中的競爭對手獲益，并可能替代了其競爭對手的研發(fā)投入。Wallsten（2000）選取美國SBIR數(shù)據(jù)庫數(shù)據(jù)，運用聯(lián)立方程模型分析美國微觀企業(yè)數(shù)據(jù)得出結(jié)論：政府通過SBIR計劃對企業(yè)的補貼存在完全的擠出效應(yīng)。Lach（2002）和Hussinger（2003）的研究卻得出了相反的結(jié)論。Lach（2002）利用以色列企業(yè)數(shù)據(jù)，證實公共支出有助于激勵小企業(yè)增加研發(fā)支出，但對大企業(yè)而言，這一效應(yīng)并不顯著。Hussinger（2003）對德國制造業(yè)企業(yè)微觀樣本運用半?yún)?shù)模型進(jìn)行分析，結(jié)論表明政府公共支出和企業(yè)研發(fā)支出之間保持穩(wěn)定的正相關(guān)關(guān)系。Nola（2010）以1994—2002年愛爾蘭及北愛爾蘭的數(shù)據(jù)為樣本，其研究結(jié)果表明政府資助對企業(yè)研發(fā)活動占比、產(chǎn)品改進(jìn)式創(chuàng)新以及新產(chǎn)品開發(fā)式創(chuàng)新都有積極影響。然而，大量的文獻(xiàn)并未就公共支出和企業(yè)內(nèi)部R&D;關(guān)系得出一致的結(jié)論。Aerts和Schmidt（2008）甚至認(rèn)為兩者之間并非簡單的互補或替代關(guān)系。

Devid等（2000）對過去35年的文獻(xiàn)進(jìn)行梳理后發(fā)現(xiàn)，大約1/3的研究結(jié)論支持公共支出對私人研發(fā)支出存在擠出效應(yīng)。但Devid認(rèn)為，文獻(xiàn)研究結(jié)論的差異有以下原因：首先，研究方法的差異性，包括計量模型的選擇；其次，數(shù)據(jù)層次的差異，早期的研究多集中在宏觀和行業(yè)數(shù)據(jù)，且多采用橫截面數(shù)據(jù)而非縱向數(shù)據(jù)，而另一些學(xué)者認(rèn)為考慮到企業(yè)異質(zhì)性的存在，運用企業(yè)層面數(shù)據(jù)的相關(guān)研究更合理（David等，2000；Ali-Yrkk？觟，2005）。最后，Devid等（2000）還認(rèn)為制度和國家間的差異也會影響上述研究結(jié)論。

但近年來這一領(lǐng)域的海外文獻(xiàn)在研究方法上的改進(jìn)是較為普遍的。Lichtenberg（1984）就指出早期研究中一個關(guān)鍵的問題是假如沒有政府公共支出，企業(yè)的R&D;行為又當(dāng)如何？這也是之前的實證文獻(xiàn)中尚未解決的問題。很明顯，這是不可觀測的。Lichtenberg（1984）首次提到，研究公共支出對企業(yè)R&D;行為的影響，需要合適的反事實框架（counterfactual framework）以應(yīng)對可能的選擇性偏差（selection bias）。之后的實證文獻(xiàn)采用了一些計量方法以解決可能的選擇性偏差。Wallsten（2000）、Busom（2000）和Hussinger（2003）運用結(jié)構(gòu)方程模型的方法，Lach（2002）則采用DID估計方法來研究政府支出對以色列制造業(yè)企業(yè)R&D;行為的影響效應(yīng)。Almus和Czarnitzki（2003）采用簡單匹配估計法來研究公共支出對東德企業(yè)R&D;支出的影響。就計量方法而言，Blundell和Costa Dias（2000）認(rèn)為非參數(shù)的傾向得分匹配和DID方法可能會提高這一命題實證研究結(jié)果的精確性。

鑒于反事實框架可以應(yīng)對可能的選擇性偏差，近年來文獻(xiàn)廣泛采用匹配估計法（matching estimators）來分析公共支出對微觀企業(yè)研發(fā)支出的影響。這方面文獻(xiàn)包括Almus和Czarnitaki（2003）以及Czarnitaki和Licht（2005）對德國制造業(yè)企業(yè)的實證研究，Duguet（2004）對法國企業(yè)研發(fā)行為的考察，以及Herrera和Heijs（2007）關(guān)于西班牙企業(yè)研發(fā)行為的研究。但海外文獻(xiàn)中1990年之前的研究多集中在美國，少數(shù)研究以加拿大和英國企業(yè)為目標(biāo)。除了？魻z？觭elik和Taymaz（2008）對土耳其的研究之外，針對發(fā)展中國家的相關(guān)研究較少。

相對于海外研究而言，我國在這一領(lǐng)域的研究數(shù)量不多且結(jié)論相對單一，大多采用宏觀或行業(yè)數(shù)據(jù)。Hu（2001）利用北京海淀區(qū)1995年813個高科技企業(yè)的截面數(shù)據(jù)樣本，研究得出政府R&D;和私人R&D;有顯著的正相關(guān)性。童光榮、高杰（2004）的研究也得出類似的結(jié)論。相關(guān)研究還包括許治、師萍（2005）以及趙付民（2006）。以上研究多采用宏觀數(shù)據(jù)基于行業(yè)層面的研究。解維敏等（2008）以滬深股市上市公司微觀數(shù)據(jù)為樣本，其研究也支持公共研發(fā)支出促進(jìn)了微觀企業(yè)研發(fā)支出。另一些學(xué)者則從博弈論視角來剖析政府宏觀政策對企業(yè)R&D;行為的影響（柳劍平等，2005；生延超，2008）。安同良等（2009）構(gòu)建了企業(yè)與政府參與的動態(tài)不對稱信息博弈模型，由于信息不對稱和逆向選擇，政府對企業(yè)的研發(fā)補貼無法產(chǎn)生預(yù)期的激勵效應(yīng)。

由文獻(xiàn)梳理可知，多數(shù)研究采用的是宏觀或行業(yè)數(shù)據(jù)，且集中在對發(fā)達(dá)國家的研究。早期大多數(shù)的研究均集中在制造業(yè)，一些學(xué)者認(rèn)識到行業(yè)間技術(shù)密集度的較大差異，因而近年來的研究多集中在高技術(shù)行業(yè)（Aerts和Thorwarth，2008；Ali-Yrkk？觟，2005；Duguet，2004）。但以發(fā)展中國家或地區(qū)技術(shù)密集型行業(yè)的微觀企業(yè)為研究對象，在研究方法中采取計量方法以解決可能的選擇性偏差的文獻(xiàn)卻不多見，本文的研究可為這一領(lǐng)域提供新的經(jīng)驗證據(jù)。

二、數(shù)據(jù)來源和模型構(gòu)建

本文數(shù)據(jù)來源于1999—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫，考慮到制造業(yè)與農(nóng)業(yè)、采掘業(yè)、電力等行業(yè)的顯著差異，本文的研究集中于制造業(yè)企業(yè)樣本。在確定本研究所考察的企業(yè)樣本選擇標(biāo)準(zhǔn)時，鑒于不同行業(yè)存在異質(zhì)性，本文擬采用該數(shù)據(jù)庫研發(fā)密度前三位的行業(yè)作為樣本來源。為確定樣本來源，首先利用規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)計算出代碼為13-42各行業(yè)的研發(fā)密度（研發(fā)支出/營業(yè)收入），表1為研發(fā)密度排名前八大行業(yè)。在表1中，無論是全樣本還是只包含研發(fā)支出大于0的企業(yè)樣本，研發(fā)密度前三位的行業(yè)均為醫(yī)藥行業(yè)、通信和電子設(shè)備制造業(yè)及儀表儀器制造業(yè)（其二分位行業(yè)代碼分別為40、41和27）。根據(jù)以上統(tǒng)計結(jié)果，本文將以1999—2007年國家統(tǒng)計局規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)中的醫(yī)藥行業(yè)、通信及電子設(shè)備制造業(yè)及儀表儀器制造業(yè)三個行業(yè)的企業(yè)數(shù)據(jù)作為研究樣本。

鑒于工業(yè)企業(yè)數(shù)據(jù)庫中的一些樣本存在錯漏和統(tǒng)計口徑誤差，以及抽樣過程中存在的一些偏差，在具體樣本企業(yè)選取方面，本文借鑒謝千里等（2008）數(shù)據(jù)處理方法，剔除滿足下列條件之一的樣本：企業(yè)員工數(shù)低于8人，銷售額增長率高于100%或低于0，企業(yè)工業(yè)增加值為負(fù)。此外，為了克服極端值的影響，本文對連續(xù)變量按照首尾1%極端值進(jìn)行了縮尾處理，借以降低極端值的影響，增加研究結(jié)果的穩(wěn)健性。

表2為2001—2007年電子通信設(shè)備行業(yè)、醫(yī)藥、儀器儀表行業(yè)企業(yè)接受政府補貼和研發(fā)行為的概況。從表2中可以看出，除了2003年樣本企業(yè)數(shù)出現(xiàn)下降，其余年份樣本企業(yè)數(shù)逐年增加，接受政府補貼以及接受補貼且有R&D;支出的企業(yè)數(shù)也逐年增加。鑒于中國工業(yè)企業(yè)數(shù)據(jù)庫中2004年的研發(fā)支出數(shù)據(jù)缺失，因而本文在對全樣本數(shù)據(jù)進(jìn)行實證分析的同時，以2001—2003年度子樣本和2005—2007年度子樣本來進(jìn)行穩(wěn)健性檢驗。

本文試圖從企業(yè)層面考察生產(chǎn)補貼對企業(yè)R&D;行為的影響效應(yīng)。由于企業(yè)接受補貼是一個內(nèi)生變量，簡單比較得到和未得到生產(chǎn)補貼的兩組企業(yè)在研發(fā)行為上的差異無法揭示政府補貼對企業(yè)研發(fā)行為的凈影響。要準(zhǔn)確地估算政府補貼對企業(yè)研發(fā)行為的影響效應(yīng)，必須要有效處理政府補貼的內(nèi)生性問題。本文嘗試通過比較企業(yè)在某一時期得到與未得到政府補貼兩種情形下的研發(fā)行為差異來估算這一因果效應(yīng)。但是，實證研究的難點在于，對于某年獲得政府補貼的企業(yè)而言，其在該年未得到政府補貼這一虛擬情形下的研發(fā)行為無法觀測，因而如何估算獲得政府補貼企業(yè)在同期反事實（counterfactual experiments）情形下的研發(fā)行為就成為構(gòu)建模型的關(guān)鍵。

就一項政策沖擊而言，顯然政策沖擊對象的平均處理效應(yīng)（ATT）是研究的焦點。但ATT估計的難點是無法觀測到控制組受到政策沖擊時的結(jié)果，因而這是一種“反事實估計”。此時，簡單的回歸技術(shù)必然會使得估計結(jié)果有偏。

本文采用“傾向指數(shù)匹配方法”（Propensity Score Matching，PSM）來模擬一種自然實驗的狀態(tài)。PSM方法由Roseenbaum等（1985）最早應(yīng)用于生物統(tǒng)計領(lǐng)域，20世紀(jì)90年代被廣泛運用于其他社會科學(xué)領(lǐng)域。PSM方法的模擬實驗證明，在一定的假定條件下可以得到模型的無偏估計結(jié)果，從而得到一種自然實驗的效果。

表3為變量定義和描述性統(tǒng)計，其中企業(yè)市場勢力的衡量以企業(yè)貸款賬款被拖欠程度來表示。

三、模型估計與實證分析

基于研究的邏輯框架，本文實證分析包括：首先以離散選擇模型來驗證政府財政補貼與企業(yè)研發(fā)行為之間的關(guān)系；其次，以針對非隨機樣本數(shù)據(jù)的“傾向評分匹配方法”來進(jìn)一步驗證政府財政補貼和企業(yè)研發(fā)行為之間的關(guān)系。

（一）Logit模型實證結(jié)果

鑒于實證模型中被解釋變量為典型的二元虛擬變量，因此，本文首先選擇離散選擇模型中的Logit模型。

Schumpeter（1912）開創(chuàng)性的研究中得出企業(yè)規(guī)模和創(chuàng)新活動之間的關(guān)系，之后一些文獻(xiàn)認(rèn)為企業(yè)規(guī)模與其R&D;活動之間具有非線性關(guān)系。而由于資本市場的不完全競爭所導(dǎo)致的金融約束是政府干預(yù)企業(yè)研發(fā)行為的主要原因之一（Arrow，1962；Hall，1992，2002；Ughetto，2008；Takalo和Tanayama，2010）。在基本回歸模型中，本文以企業(yè)是否有利息支出的虛擬變量來衡量企業(yè)是否獲得金融支持。為了控制其他因素的影響，離散選擇模型包含的控制變量為：出口密度、利潤率、廣告支出和市場勢力。Cull和Xu（2005）的研究得出，政府在決定向哪些企業(yè)提供補貼時，會考慮企業(yè)贏利能力。而市場勢力以企業(yè)貸款賬款被拖欠程度來表示，也就是（企業(yè)年平均應(yīng)付賬款凈額-企業(yè)年平均應(yīng)收賬款凈額）/企業(yè)銷售額。在中國現(xiàn)行金融體系和社會信用體系不完善的背景下，企業(yè)普遍會面臨貸款被拖欠和融資難的雙重困境，但那些處于產(chǎn)業(yè)或產(chǎn)品鏈的核心環(huán)節(jié)或者終端環(huán)節(jié)的企業(yè)，其市場勢力較強，賬款被拖欠概率就越?。◤埥埽?009）。因而模型中采用企業(yè)貸款賬款被拖欠程度來衡量企業(yè)的市場勢力。在已有文獻(xiàn)的基礎(chǔ)上，并結(jié)合中國工業(yè)企業(yè)數(shù)據(jù)庫的數(shù)據(jù)特點，本文的基礎(chǔ)回歸模型可以表述為（變量定義見表3）：

rdit=β0+β1subsidiesit+β2lkit+β3ageit+β4age2it+β5loanit+β6exportsaleit+β7profitsale+β8marketpowerit+β9advertiseit+εit

其中i為企業(yè)，t為時間，εit為隨機誤差項。表4為政府補貼對企業(yè)R&D;支出影響效應(yīng)的Logit模型結(jié)果，從表4中可以看出，無論是全樣本模型還是不同行業(yè)子樣本模型，政府補貼subsidies和企業(yè)R&D;支出都呈負(fù)相關(guān)關(guān)系，但并不顯著，只有通信電子設(shè)備行業(yè)在10%的顯著性水平下呈負(fù)相關(guān)關(guān)系。實證結(jié)果還可看出，企業(yè)規(guī)模和企業(yè)R&D;投資成正比，成熟企業(yè)越傾向于進(jìn)行R&D;投資，而那些更容易獲得金融支持的企業(yè)會選擇進(jìn)行R&D;投資。企業(yè)利潤率、廣告支出都和企業(yè)R&D;支出呈顯著正相關(guān)關(guān)系。傳統(tǒng)的熊彼特假設(shè)認(rèn)為由于規(guī)模經(jīng)濟(jì)的存在，大企業(yè)更傾向于進(jìn)行研發(fā)投資（Schumpeter，1943；Kohn和Scott，1982）。另外，規(guī)模大的企業(yè)所面臨的融資約束也較小，更易于獲得金融支持，本文logit模型的實證結(jié)果進(jìn)一步支持了以上結(jié)論。

正如Lichtenberg（1984）指出的，假如沒有政府公共支出，企業(yè)的R&D;行為又當(dāng)如何？很明顯，這是不可觀測的，研究公共支出對企業(yè)R&D;行為的影響，需要合適的反事實框架（counterfactual framework）以應(yīng)對可能的選擇性偏差（selection bias）。因而，本文將采用傾向得分匹配方法來應(yīng)對可能的選擇性偏差。

（二）傾向得分匹配（PSM）方法

1. 傾向得分匹配的平衡性檢驗。傾向得分匹配方法（PSM）的基本思路在于，在評估某項政策的效果時，若能找到與激勵組盡可能相似的控制組，則能有效降低樣本的選擇性偏差。

首先，定義虛擬變量SBi，t={0，1}，SBi，t=1表示企業(yè)i在t期獲得了政府補貼，SBi，t=0表示企業(yè)i在t期未獲得政府補貼；定義RDi，t表示企業(yè)i在t期獲得政府補貼后同期的研發(fā)行為。本文的模型要比較企業(yè)i在得到與未得到政府補貼兩種情形下的同期研發(fā)行為差異，即政府補貼對企業(yè)研發(fā)行為的影響效應(yīng)：

ATTPSM=E（RDi，t|SBi，t=1）-E（RDi，t|SBi，t=0）

但是我們無從觀測在t期獲得政府補貼的企業(yè)i，假設(shè)在t期未獲得政府補貼情形下的同期研發(fā)行為，即E（RDi，t|SBi，t=0）無法獲得，但可利用匹配的方法，尋找企業(yè)特征與企業(yè)i最為相似，但在t期沒有獲得政府補貼的另一企業(yè)j，并用該企業(yè)的同期研發(fā)行為E（RDj，t|SBj，t=0）來替代E（RDi，t|SBi，t=0）。基于虛擬變量SBi，t={0，1}，本文將每一年的樣本企業(yè)分為處理組（treatment group）和對照組（control group），設(shè)定t為處理組企業(yè)，即企業(yè)i在t期獲得政府補貼；j表示對照企業(yè)，即企業(yè)j在t期未獲得政府補貼?；贖eckman等（1997）的PSM模型，政府補貼對企業(yè)研發(fā)行為的影響效應(yīng)如下：

ATTPSM=E（RDi，t|SBi，t=1）-E（RDi，t|SBi，t=0）

=E（RDi，t|SBi，t=1）-E（RDj，t|SBj，t=0）

其次，匹配。根據(jù)Rosenbaum和Rubin（1983）的研究，采用PSM模型進(jìn)行配對，可以有效解決配對維度的問題。而在選擇模型中的匹配變量的過程中，遺漏重要變量將會產(chǎn)生有偏的估計結(jié)果，但若模型中包含無關(guān)變量，則可能使方差增大（Bryson等，2002）。本文結(jié)合現(xiàn)有文獻(xiàn)以及樣本數(shù)據(jù)特征，以微觀企業(yè)異質(zhì)性如企業(yè)規(guī)模、年齡、出口密集度、廣告密集度、利潤率等影響企業(yè)研發(fā)行為的因素設(shè)為共同支持條件（common support condition）。設(shè)定與處理組企業(yè)i最為相似的對照組企業(yè)j，使得配對企業(yè)i和j在共同支持條件方面盡可能保持一致，從而控制這些因素對企業(yè)研發(fā)行為可能帶來的影響。

在傾向得分回歸模型中，如果因變量為二值變量時，采用logit模型或probit模型會產(chǎn)生相似的結(jié)果（Caliendo和Kopeinig，2008）。因此，在本文的實證部分中選取logit模型來估算個體參加處理組的概率。

如果接受補貼的企業(yè)與未接受補貼的企業(yè)在匹配變量上不存在顯著差異，此“條件獨立性假設(shè)”被滿足，則傾向得分匹配的結(jié)果具有可靠性。否則可能匹配變量的選取或匹配方法的選擇有誤，傾向得分匹配模型的估算無效。因而，在生成傾向得分匹配估算結(jié)果之后，需通過匹配平衡性檢驗（Rosenbaum和Rubin，1983）以確保估算結(jié)果的可靠性。本文借鑒了目前使用較多的標(biāo)準(zhǔn)偏差檢驗和t檢驗，以此來對傾向得分匹配的估算結(jié)果進(jìn)行檢驗。

表5為全樣本的匹配平衡性檢驗，出于篇幅考慮，僅報告了最鄰近匹配法（Nearest Neighbor Matching）下各變量的匹配平衡性檢驗結(jié)果。在表5中可以看出，匹配之前，處理組和對照組企業(yè)在匹配變量上有較大差異，但匹配之后，處理組和對照組樣本在匹配變量上的標(biāo)準(zhǔn)差減少50%以上，且匹配后標(biāo)準(zhǔn)偏差絕對值控制在4%以內(nèi)。匹配后其標(biāo)準(zhǔn)偏差均小于20且t檢驗的p值也遠(yuǎn)大于0.1，不拒絕原假設(shè)，即處理組與對照組無系統(tǒng)性差異。因此，可以推斷本文模型中的的匹配變量與估計方法是合適的。

2. 傾向得分匹配估計結(jié)果。即便已經(jīng)得到傾向得分值，但仍然無法估算對應(yīng)的平均激勵效果ATT。原因在于，傾向得分值為一個連續(xù)變量，因而難以找到兩個傾向得分完全相同的樣本，這使得激勵組和控制組樣本之間的匹配難以實現(xiàn)。

目前，對于此類問題的解決，文獻(xiàn)中提到有多種匹配方法，主要包括：最近鄰匹配法、半徑匹配法、核匹配法以及分層匹配法。在估算全樣本的平均激勵效果（ATT）時，本文分別采用以上四種匹配方法。表6為針對全樣本采用四種方法得到的平均激勵效果（ATT）。鑒于篇幅，本文僅簡單介紹前兩種方法的基本思路。最近鄰匹配法是以估算的PS值為基準(zhǔn)，前后向分別尋找與處理組樣本PS值最為接近的控制組樣本，以此作為處理組的匹配對象。半徑匹配法是預(yù)先設(shè)定一個常數(shù)r，將控制組中的PS值與激勵樣本的PS值之間差異小于r的樣本選定為匹配對象（Lian等，2011）。從表6中可以看出，這四種匹配方法的ATT均為負(fù)值，且除了半徑匹配之外，其余ATT值均顯著，這表明政府補貼對企業(yè)研發(fā)投資產(chǎn)生顯著的擠出效應(yīng)。最近鄰匹配法得出的ATT值為-0.022，在5%水平下顯著，因而以最近鄰匹配法得出的結(jié)論是，政府補貼會導(dǎo)致進(jìn)行R&D;投資的企業(yè)數(shù)顯著下降2.2%。

鑒于行業(yè)異質(zhì)性的存在，匹配過程中若加入行業(yè)虛擬變量則可能會使匹配變量數(shù)目劇增，為保證匹配后的處理組企業(yè)和對照組企業(yè)能處于同一行業(yè)，本文分行業(yè)進(jìn)行匹配。表7為分行業(yè)的ATT估計結(jié)果，從表7中可以看出這三個行業(yè)的PSM匹配結(jié)果和全樣本的匹配結(jié)果基本一致，政府補貼和進(jìn)行R&D;投資的企業(yè)數(shù)呈顯著的負(fù)相關(guān)關(guān)系。但分行業(yè)的ATT估計結(jié)果還顯示政府補貼對不同行業(yè)企業(yè)研發(fā)行為的影響存在較大差異，在通信及電子設(shè)備制造業(yè)，政府補貼會導(dǎo)致進(jìn)行R&D;投資的企業(yè)數(shù)下降3.9%，而在醫(yī)藥行業(yè)，這一數(shù)字僅為0.6%。

鑒于中國工業(yè)企業(yè)數(shù)據(jù)庫缺失2004年企業(yè)研發(fā)支出的數(shù)據(jù)，因而，本研究將全樣本劃分為兩個子樣本進(jìn)行穩(wěn)健性檢驗。表8為不同年份ATT估計結(jié)果，鑒于篇幅只選取最近鄰匹配法和核匹配法的ATT結(jié)果。從表8中可以看出，兩個子樣本的四種不同匹配方法得到的ATT值均和全樣本的ATT值保持一致。2001—2003年，最近鄰匹配法表明，政府補貼導(dǎo)致進(jìn)行R&D;投資的企業(yè)數(shù)顯著下降2.8%，而在2005—2007年，最近鄰匹配法得出的這一結(jié)果為顯著下降1.9%。兩個子樣本的ATT估計結(jié)果均驗證了政府補貼會對企業(yè)R&D;投資有擠出效應(yīng)。

為了進(jìn)一步檢驗?zāi)Ｐ偷姆€(wěn)健性，本文以研發(fā)密度為因變量，檢驗政府補貼對企業(yè)研發(fā)密度的影響。本文遵循Lev和Sougiannis（1996）的思路，把研發(fā)支出和企業(yè)銷售額的比率界定為研發(fā)密度，運用PSM模型對全樣本進(jìn)行ATT估計，結(jié)果見表9。限于篇幅本文只選取最近鄰匹配法和核匹配法的ATT結(jié)果，從表9中核匹配法的ATT估計中，政府補貼使得企業(yè)研發(fā)密度顯著下降1.7%，也進(jìn)一步驗證了政府補貼對企業(yè)研發(fā)支出的替代效應(yīng)或擠出效應(yīng)。

本文初步運用logit模型檢驗政府補貼對企業(yè)R&D;投資行為的影響，logit模型結(jié)果表明政府補貼會部分?jǐn)D出企業(yè)R&D;投資，但這一結(jié)果并不顯著。而PSM模型和logit模型的結(jié)論基本一致，但PSM模型的結(jié)論均顯著，無論是全樣本還是分行業(yè)或分年度的子樣本，PSM模型的結(jié)果都表明政府補貼均使得進(jìn)行R&D;投資的企業(yè)數(shù)目顯著下降，驗證了政府補貼對企業(yè)研發(fā)支出的擠出效應(yīng)。以上也同時表明采用PSM方法可以較好地處理由于內(nèi)生性問題和樣本選擇偏差所引起的選擇性偏差問題。

本文的結(jié)論支持了Shrieves（1978）、Higgins等（1981）以及Wallsten（2000）的研究結(jié)論，政府補貼會對企業(yè)R&D;投入具有擠出效應(yīng)，會顯著減少企業(yè)R&D;投入。已有研究往往從宏觀或者行業(yè)層面的加總數(shù)據(jù)考察政府補貼對研發(fā)的影響，這一類型的研究得到的結(jié)論往往是統(tǒng)計意義上的顯著，其前提假設(shè)是企業(yè)同質(zhì)化、具有可加性。然而在現(xiàn)實中不同行業(yè)之間、同一行業(yè)內(nèi)不同企業(yè)之間、同一企業(yè)不同發(fā)展階段之間均存在顯著的異質(zhì)性，所以宏觀研究結(jié)論往往與微觀個體影響存在矛盾，其根本原因就在于微觀數(shù)據(jù)研究包含了更多的異質(zhì)性、更貼近現(xiàn)實（Mansfield和Switzer，1984；David等，2000）。本文采用企業(yè)層面微觀數(shù)據(jù)的研究卻能夠避免既有研究的缺陷，也為此領(lǐng)域的研究提供來自發(fā)展中國家微觀企業(yè)的經(jīng)驗證據(jù)。

四、結(jié)論

在當(dāng)今全球范圍的科技創(chuàng)新大潮中，創(chuàng)新資源和要素正在向企業(yè)集聚，企業(yè)已成為創(chuàng)新投入的主力軍，而研發(fā)投入的多少在很大程度上決定著企業(yè)未來創(chuàng)新能力的強弱。高科技產(chǎn)業(yè)的技術(shù)創(chuàng)新能力對于培育未來中國經(jīng)濟(jì)新的增長點具有戰(zhàn)略意義，如何有效解決研發(fā)外部性問題，提高企業(yè)技術(shù)創(chuàng)新的積極性，政府補貼作為一種政策工具，能否對企業(yè)研發(fā)行為產(chǎn)生激勵效應(yīng)？對于這一問題的回答，有助于制定和完善高科技產(chǎn)業(yè)的補貼政策。

本文選取2001—2007年規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)的醫(yī)藥行業(yè)、通信及電子設(shè)備制造業(yè)及儀表儀器制造業(yè)微觀企業(yè)數(shù)據(jù)，采用“傾向得分匹配方法”（PSM）研究政府補貼對企業(yè)研發(fā)支出的影響。本文的研究證實就所選取的行業(yè)總體而言，政府補貼對行業(yè)中企業(yè)R&D;支出存在顯著的“擠出”效應(yīng)，且穩(wěn)健性檢驗的結(jié)果也支持這一結(jié)論。值得注意的是，本文樣本中由于行業(yè)異質(zhì)性的存在，政府補貼對不同行業(yè)的企業(yè)R&D;支出的擠出效應(yīng)存在較大差異。其中，就通信及電子設(shè)備制造業(yè)而言，政府補貼會導(dǎo)致進(jìn)行R&D;投資的企業(yè)數(shù)下降3.9%，而在醫(yī)藥行業(yè)，這一數(shù)字僅為0.6%。

本文的結(jié)論表明，在我國制造業(yè)中研發(fā)密度較高的行業(yè)中，政府補貼對企業(yè)的R&D;支出存在顯著的“擠出”效應(yīng)，政府公共支出并未達(dá)到預(yù)期的激勵作用。鑒于研發(fā)的外部性問題，政府研發(fā)公共支出有其合理性（Arrow，1962），政府應(yīng)如何調(diào)整其公共研發(fā)支出政策就成為解決這一問題的關(guān)鍵所在。我國可借鑒OECD國家的經(jīng)驗，政府對企業(yè)研發(fā)采用間接投入的方法，具體包括稅收激勵、科技溢出等。大多數(shù)OECD國家普遍采用的稅收激勵政策有稅收減讓、稅收折扣、稅收減免和延期納稅等，而科技溢出是通過政府資助公共實驗室和高校R&D;活動間接實現(xiàn)的，比如美國的國家實驗室、法國的CNRS。政府可重點支持基礎(chǔ)研究、共性技術(shù)研究和戰(zhàn)略領(lǐng)域的研究，而在一般競爭性領(lǐng)域，要多發(fā)揮市場機制的作用。另外，政府可以幫助企業(yè)與大學(xué)建立長期緊密型的研究伙伴關(guān)系，組織或協(xié)調(diào)行業(yè)內(nèi)企業(yè)建立R&D;聯(lián)盟。在這種企業(yè)與研究機構(gòu)、或企業(yè)相互之間建立的R&D;合作中，政府的政策支持同樣也具有重要作用。

注釋：

①數(shù)據(jù)來源于http：//iri.jrc.ec.europa.eu/.，“The 2011 EU Industrial R&D; Investment SCOREBOARD”，European Commission-Joint Reserarch Center，2011。

②行業(yè)代碼對應(yīng)表http：//www.cstj.gov.cn/upload/newstxt/dmfl.htm。而根據(jù)歐盟的界定，R&D;密度在5%以上，為研發(fā)密度高的行業(yè)，R&D;密度為2%～5%屬于中高研發(fā)密度的行業(yè)，R&D;密度為1%～2%屬于為中低研發(fā)密度的行業(yè)，在1%以下屬于研發(fā)密度低的行業(yè)。按照歐盟的標(biāo)準(zhǔn)，即便是表1中研發(fā)密度排名前三的行業(yè)也只能界定為中高研發(fā)密度的行業(yè)。

參考文獻(xiàn)：

[1]熊彼特.經(jīng)濟(jì)發(fā)展理論[M].北京：商務(wù)印書館，1990.

[2]Arrow，K..The Economic Implications of Learning by Doing[J]. Review of EconomicStudies，1962，29（80）：155-173.

[3]Czarnitzki D.， Licht G.. Additionality of public R&D; grants in a transitioneconomy[J]. The case of Eastern Germany. Economics of Transition，2006（14）：1101-1131.

[4]David P. A.，Hall B. H.， Toole A. A.， Public R&D; a Complement or Substitute forPrivate R&D;？ A Review of the Econometric Evidence[J]. Research Policy，2000（29）：497-529.

[5]Guellec D.，Van Pottelsberghe. The impact of public R&D; expenditure on business R&D;[J]. Economic Innovation New Technology，2003，12（3）：225-243.

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

[7]Hu Albert G.. Z. Ownership，Government R&D;，Private R&D;，and Productivityin Chinese Industry[J]. Journal of Comparative Economics，2001，29（1）：136-157.

[8]Hussinger K.. R&D; and Subsidies at the firm level：an application of Parametric and Semi-Parametric Two- Step Selection Models[R]. ZEW Discussion Paper，2006： 03-63.

[9]Lach S. Do R&D; subsidies stimulate or displace private R&D;？Evidence from Israel[J]. Journal of Industrial Economics，2002，50（4）：369-390.

[10]Lichtenberg，F(xiàn)rank R. The effect of government funding on private industrial researchand development：a re-assessment[J]. The Journal of Industrial Economics，1987（36）：97-104.

[11]Tommy H. Clausen. Do subsidies have positiveimpacts on R&D; and innovation activities at the firmlevel[J]. Structural change and Economic Dynamics，2009（20）：239-253.

Can Government Subsidies Really Solve R&D; Externalities？

Zhou Xiaoyan， Bian Yuanyue

（International Business School， University of International Business and Economics， Beijing 100029， China）

Abstract： According to western literatures， the "market failure" of R&D; is the main cause for governmental public expenditure. To research whether subsidies can really solve the externality of R&D;， in this paper， authors selected Chinese industrial enterprise database in 2001-2007 to research micro enterprise data of intensive industry， and used tend score matching model to examine the impact of government subsidy on the enterprise R&D; behavior. The result verified that government subsidies had a significant "crowd out" effect on firm's R&D; investment. Because of the existence of industry heterology， there are large differences between different industries enterprises crowding out in R&D; spending from the government subsidies， the government public expenditure did not achieve the desired results.

Key words： governmental subsidies， R&D; behaviors， "crowd out" effect， selectivity bias， Propensity Score Matching Methods