政府創(chuàng)新補(bǔ)助刺激企業(yè)自主R&D投資

顧鑫　周延　張旭　過(guò)彥博

摘 要：為研究政府創(chuàng)新補(bǔ)助是否能有效激勵(lì)企業(yè)自主R&D投資，基于2008—2016年上市非金融企業(yè)數(shù)據(jù)，借助匹配方法，運(yùn)用偏差修正匹配估計(jì)量，剔除通貨膨脹因素，測(cè)度了政府創(chuàng)新補(bǔ)助對(duì)企業(yè)自主R&D投資的效果。研究發(fā)現(xiàn)：創(chuàng)新補(bǔ)助對(duì)非高新技術(shù)企業(yè)當(dāng)期的自主R&D投資有完全擠出效應(yīng);對(duì)中小規(guī)模企業(yè)和高新技術(shù)企業(yè)的自主R&D投資有顯著的刺激作用，但存在一定的時(shí)滯。

關(guān)鍵詞：自主R&D投資;政府補(bǔ)助;匹配法;誤差修正匹配估計(jì)量

作者簡(jiǎn)介：顧鑫，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部經(jīng)濟(jì)學(xué)院博士研究生，主要研究方向：技術(shù)進(jìn)步（E-mail：51164401017@stu.ecnu.edu.cn;周延，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部經(jīng)濟(jì)學(xué)院教授，博士生導(dǎo)師。主要研究方向：社會(huì)保障;張旭，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部經(jīng)濟(jì)學(xué)院博士研究生，主要研究方向：宏觀政策與技術(shù)進(jìn)步;過(guò)彥博，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部經(jīng)濟(jì)學(xué)院博士研究生，主要研究方向：宏觀政策與資本流動(dòng)（上海 200241）。

中圖分類號(hào)：F832.48文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006-1398（2020）03-0091-11

創(chuàng)新是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐。然而，與創(chuàng)新活動(dòng)有關(guān)的正外部性問(wèn)題導(dǎo)致市場(chǎng)失靈，造成創(chuàng)新活動(dòng)的私人收益和社會(huì)收益的差距，使企業(yè)研發(fā)（Research and Development，以下簡(jiǎn)稱R&D）投資偏離社會(huì)最優(yōu)。政府試圖通過(guò)財(cái)政支持解決這一困擾，財(cái)政支持是刺激R&D的主要工具，其主要目的是降低企業(yè)R&D成本，增加企業(yè)R&D投資。財(cái)政支持包括政府補(bǔ)助和稅收優(yōu)惠，本文主要關(guān)注政府補(bǔ)助對(duì)企業(yè)R&D行為的影響。補(bǔ)助的效果主要有以下幾種情況：一是政府補(bǔ)助增加企業(yè)研發(fā)投入，且企業(yè)研發(fā)投入的增加額大于補(bǔ)助金額，即私人研發(fā)支出額增加，此時(shí)，政府補(bǔ)助刺激企業(yè)研發(fā);二是政府補(bǔ)助增加企業(yè)研發(fā)投入，但是研發(fā)投入的增加額小于補(bǔ)助金額，即私人研發(fā)支出額減少，此時(shí)，政府補(bǔ)助對(duì)研發(fā)有部分?jǐn)D出效應(yīng);三是政府補(bǔ)助不會(huì)增加企業(yè)總研發(fā)支出，此時(shí)，政府補(bǔ)助對(duì)研發(fā)有完全擠出效應(yīng)。本文利用中國(guó)上市非金融企業(yè)數(shù)據(jù)，運(yùn)用偏差修正匹配估計(jì)量，主要回答：政府創(chuàng)新補(bǔ)助對(duì)企業(yè)自主R&D投資金額和企業(yè)自主R&D投資強(qiáng)度的影響是怎樣的？是刺激還是擠出？這樣的影響是否有異質(zhì)性？對(duì)不同規(guī)模和不同資質(zhì)認(rèn)定的企業(yè)的影響是否不同？這樣的影響是否存在時(shí)滯效應(yīng)？這幾個(gè)問(wèn)題既是對(duì)同類研究的拓展，同時(shí)也是理解政府政策效應(yīng)所需回答的核心問(wèn)題，為實(shí)施的政府政策是否對(duì)企業(yè)R&D行為產(chǎn)生顯著的影響提供依據(jù)，為政府決策提供參考，提高政府這只“看得見(jiàn)的手”彌補(bǔ)市場(chǎng)失靈的針對(duì)性，實(shí)現(xiàn)十九大提出的“創(chuàng)新驅(qū)動(dòng)發(fā)展”的戰(zhàn)略。

本文主要評(píng)估政府創(chuàng)新補(bǔ)助政策效果，可能的研究貢獻(xiàn)主要體現(xiàn)在三個(gè)方面：第一，將使用匹配法處理內(nèi)生性問(wèn)題，并使用偏差修正估計(jì)量減少因不精確匹配造成的偏差。第二，研究補(bǔ)助異質(zhì)性時(shí)根據(jù)國(guó)家對(duì)企業(yè)資質(zhì)認(rèn)定分組，首次研究補(bǔ)助對(duì)高新技術(shù)企業(yè)和非高新技術(shù)企業(yè)的影響是否有差異，對(duì)現(xiàn)有文獻(xiàn)進(jìn)行有益補(bǔ)充。第三，同時(shí)考慮補(bǔ)助的時(shí)滯效應(yīng)和通貨膨脹的影響。

一 文獻(xiàn)綜述和研究假設(shè)

自主創(chuàng)新要求企業(yè)大量的經(jīng)濟(jì)資源和時(shí)間投入以獲取專業(yè)技術(shù)，而這種投資行為具有較大的風(fēng)險(xiǎn)和不確定性，導(dǎo)致企業(yè)R&D投資不足。政府期望通過(guò)直接補(bǔ)助刺激企業(yè)研發(fā)活動(dòng)。理論界認(rèn)為，政府補(bǔ)助通過(guò)以下機(jī)制影響企業(yè)研發(fā)行為：第一，政府補(bǔ)助的研發(fā)額外性（R&D Additionality），即政府補(bǔ)助使得企業(yè)獲得直接的資金支持，緩解企業(yè)研發(fā)資金短缺的困局，降低融資成本，但補(bǔ)助不是越多越好，政府創(chuàng)新補(bǔ)助規(guī)模過(guò)大，使創(chuàng)新投資的邊際資金成本和邊際破產(chǎn)概率增大，不利于企業(yè)創(chuàng)新，且由于道德風(fēng)險(xiǎn)的存在政府補(bǔ)助可能會(huì)擠出自主研發(fā)投資。第二，政府補(bǔ)助的行為額外性（Behavioural Additionality），即創(chuàng)新補(bǔ)助對(duì)外部投資者的信號(hào)傳遞機(jī)制。Feldman & Kelley認(rèn)為獲得研發(fā)補(bǔ)助的企業(yè)意味著獲得政府認(rèn)可，傳遞出有創(chuàng)新能力的信號(hào)，可以吸引更多的投資。但因?yàn)椴豢杀苊獾摹皩ぷ庑袨椤币讓?dǎo)致因政府補(bǔ)助造成資源錯(cuò)配和企業(yè)競(jìng)爭(zhēng)行為扭曲。

但對(duì)于政府補(bǔ)助效果的實(shí)證研究，學(xué)術(shù)界尚未形成一致結(jié)論。部分學(xué)者認(rèn)為政府補(bǔ)助刺激企業(yè)R&D 投資，如Hu基于海淀區(qū)高技術(shù)企業(yè)數(shù)據(jù)，認(rèn)為政府補(bǔ)助能有效刺激企業(yè)研發(fā);朱平芳和徐偉民利用上海大型工業(yè)企業(yè)數(shù)據(jù)，研究發(fā)現(xiàn)，上海市政府的補(bǔ)助對(duì)大中型工業(yè)企業(yè)增加R&D投入具有積極效果;Liu et al.利用江蘇省高新技術(shù)企業(yè)數(shù)據(jù)，研究發(fā)現(xiàn)，政府補(bǔ)助刺激企業(yè)R&D投資。此外，也有部分學(xué)者持相反觀點(diǎn)，認(rèn)為政府補(bǔ)助擠出企業(yè)R&D投資，如Wallsten基于美國(guó)工商業(yè)企業(yè)數(shù)據(jù)認(rèn)為政府補(bǔ)助擠出了企業(yè)研發(fā)投資。結(jié)論的矛盾是因?yàn)橛?jì)量方法的多樣性和不同國(guó)家補(bǔ)助計(jì)劃的差異性，更重要的原因是內(nèi)生性問(wèn)題未得到很好的解決。政府補(bǔ)助和企業(yè)研發(fā)投資這一對(duì)關(guān)系往往會(huì)相互影響。并且，政府補(bǔ)助不是隨機(jī)分配的，而是根據(jù)企業(yè)的某些特征（如企業(yè)的規(guī)模，企業(yè)上一期的研發(fā)投資情況等）決定是否補(bǔ)助。對(duì)于這種政府選擇可能導(dǎo)致的選擇性偏誤，早期的研究通常通過(guò)固定效應(yīng)模型、工具變量法、Hechman兩階段法、DID方法來(lái)處理，而近年的研究則通過(guò)傾向得分匹配（PSM）法研究政府補(bǔ)助對(duì)企業(yè)R&D投資的平均因果效應(yīng)。Bérubé et al.基于加拿大制造業(yè)企業(yè)數(shù)據(jù)運(yùn)用PSM法研究政府補(bǔ)助的效果。馬嘉楠等用PSM法，以上海張江高科技園區(qū)企業(yè)為樣本，得出財(cái)政科技補(bǔ)貼刺激企業(yè)R&D投資的結(jié)論。但是，這一方法也存在缺陷，Chabé -Ferret認(rèn)為匹配法導(dǎo)致偏差，低估平均因果效應(yīng)，本文運(yùn)用Abadie和Imbens提出的偏差修正匹配估計(jì)量減少這種偏差。

近年來(lái)研究的另一個(gè)趨勢(shì)是在評(píng)估補(bǔ)助效果時(shí)考慮企業(yè)異質(zhì)性的類型并且關(guān)注補(bǔ)助的時(shí)滯效應(yīng)。關(guān)于企業(yè)異質(zhì)性，它包括企業(yè)的規(guī)模、企業(yè)技術(shù)能力、產(chǎn)業(yè)技術(shù)類別、企業(yè)所有權(quán)性質(zhì)等。Lach使用以色列公司的面板數(shù)據(jù)，發(fā)現(xiàn)補(bǔ)助使小公司的研發(fā)支出增加，對(duì)大公司的研發(fā)支出影響不顯著。Lee利用六個(gè)國(guó)家的公司級(jí)數(shù)據(jù)，研究發(fā)現(xiàn)，政府補(bǔ)助對(duì)自主研發(fā)對(duì)技術(shù)能力較低的公司有刺激效應(yīng)。Dai和Cheng基于中國(guó)制造業(yè)企業(yè)數(shù)據(jù)，按企業(yè)規(guī)模和高低技術(shù)產(chǎn)業(yè)分組，發(fā)現(xiàn)政府補(bǔ)助與自主研發(fā)呈現(xiàn)倒U形關(guān)系?？抵居卵芯堪l(fā)現(xiàn)政府補(bǔ)助對(duì)企業(yè)新產(chǎn)品創(chuàng)新的影響在滯后第4期達(dá)到最大，并且發(fā)現(xiàn)對(duì)非國(guó)有企業(yè)的促進(jìn)作用強(qiáng)于國(guó)有企業(yè)。梳理現(xiàn)有的研究成果可以看出，按國(guó)家對(duì)企業(yè)的資質(zhì)認(rèn)定分組研究補(bǔ)助效果的文獻(xiàn)較少，本文的研究是對(duì)現(xiàn)有文獻(xiàn)的有益補(bǔ)充。

基于以上的理論分析和文章的研究問(wèn)題，本文提出如下的研究假設(shè)：

假設(shè)1：政府創(chuàng)新補(bǔ)助刺激企業(yè)自主R&D投資金額和企業(yè)自主R&D投資強(qiáng)度。

如上述理論分析可知，政府創(chuàng)新補(bǔ)助研發(fā)額外性和行為額外性可能會(huì)刺激企業(yè)自主研發(fā)的投入，但由于企業(yè)的道德風(fēng)險(xiǎn)和尋租行為導(dǎo)致的扭曲，其對(duì)自主研發(fā)可能存在擠出效應(yīng)，于是，本文提出第二個(gè)假設(shè)：

假設(shè)2： 政府創(chuàng)新補(bǔ)助擠出企業(yè)自主R&D投資金額和企業(yè)自主R&D投資強(qiáng)度。

企業(yè)從基礎(chǔ)研究到應(yīng)用研究可能需要很長(zhǎng)時(shí)間，其企業(yè)從收到補(bǔ)助款到開(kāi)始研發(fā)也需要時(shí)間，因此，提出第三個(gè)假設(shè)：

假設(shè)3： 政府創(chuàng)新補(bǔ)助對(duì)企業(yè)自主R&D行為的影響存在時(shí)滯效應(yīng)。

中小規(guī)模企業(yè)和大規(guī)模企業(yè)的信號(hào)傳遞機(jī)制效果可能不同，大規(guī)模企業(yè)比中小規(guī)模企業(yè)更易獲得資金支持。且相比于非高新技術(shù)企業(yè)，高新技術(shù)企業(yè)即使未獲得政府補(bǔ)助，其自主研發(fā)行為受資金約束的可能性比較小。不同類型不同規(guī)模企業(yè)的道德風(fēng)險(xiǎn) “騙補(bǔ)”傾向也有一定差異。于是，提出第四個(gè)假設(shè)：

假設(shè)4：政府創(chuàng)新補(bǔ)助對(duì)企業(yè)自主R&D行為的影響存在異質(zhì)性。

二 上市非金融企業(yè)的R&D投資和政府創(chuàng)新補(bǔ)助現(xiàn)狀

本文使用了2008—2016年上市非金融企業(yè)數(shù)據(jù)，刪除了異常數(shù)據(jù)、缺失數(shù)據(jù)，共16376個(gè)觀察值，2587家企業(yè)，數(shù)據(jù)來(lái)源于國(guó)泰君安數(shù)據(jù)庫(kù)和wind數(shù)據(jù)庫(kù)，其中對(duì)政府補(bǔ)助去噪音，借鑒李萬(wàn)福等的做法，篩選出政府創(chuàng)新補(bǔ)助。不同規(guī)模企業(yè)R&D投資和創(chuàng)新補(bǔ)助的情況如表1所示，進(jìn)行R&D投資的企業(yè)數(shù)量和比例并沒(méi)有隨著企業(yè)規(guī)模的增加而增加，在適度規(guī)模（1000—2000人），進(jìn)行R&D投資的企業(yè)占比最多。企業(yè)規(guī)模最小時(shí)（少于500人），進(jìn)行R&D投資的企業(yè)占比最少。在獲得創(chuàng)新補(bǔ)助方面，也是呈現(xiàn)出類似特征。值得注意的是，最大規(guī)模企業(yè)的R&D投資和獲得創(chuàng)新補(bǔ)助占比仍然遠(yuǎn)高于最小規(guī)模企業(yè)。進(jìn)行R&D投資的高新技術(shù)企業(yè)比例和獲得創(chuàng)新補(bǔ)助的高新技術(shù)企業(yè)比例均高于非高新技術(shù)企業(yè)。這說(shuō)明高新技術(shù)企業(yè)更多的進(jìn)行R&D投資并更易獲得創(chuàng)新補(bǔ)助。

表2描述了不同規(guī)模和資質(zhì)企業(yè)的R&D投資強(qiáng)度和投資額情況。從表2左半部分可見(jiàn)，首先，獲得創(chuàng)新補(bǔ)助企業(yè)的自主R&D投資強(qiáng)度和總R&D投資強(qiáng)度隨著企業(yè)規(guī)模的增大而減小。平均而言，總R&D投資強(qiáng)度從最小規(guī)模企業(yè)的6.15%下降到最大規(guī)模企業(yè)的2.44%，自主R&D投資強(qiáng)度從5.94%下降到2.35%。其次，獲補(bǔ)助企業(yè)的總R&D投資強(qiáng)度與自主R&D投資強(qiáng)度的差距隨著企業(yè)規(guī)模的增大而縮小，平均為0.12%，在大于2000名員工的企業(yè)中差距更小，只有0.09%。再次，獲創(chuàng)新補(bǔ)助企業(yè)的自主R&D投資強(qiáng)度顯著高于未獲創(chuàng)新補(bǔ)助的企業(yè)。最后，獲得創(chuàng)新補(bǔ)助企業(yè)與未獲創(chuàng)新補(bǔ)助企業(yè)的自主R&D投資強(qiáng)度的差距隨企業(yè)規(guī)模的增大而縮小，企業(yè)規(guī)模最小時(shí)，差距為3.76%，企業(yè)規(guī)模最大時(shí)的差距縮小為1.09%。這表明可能規(guī)模越小的企業(yè)越依賴創(chuàng)新補(bǔ)助進(jìn)行R&D投資活動(dòng)。獲得創(chuàng)新補(bǔ)助的非高新技術(shù)企業(yè)的自主R&D投資強(qiáng)度顯著高于未獲得創(chuàng)新補(bǔ)助的同類企業(yè)，差距為1.86%。而獲得創(chuàng)新補(bǔ)助的高新技術(shù)企業(yè)自主R&D投資強(qiáng)度只是略高于未獲補(bǔ)助的同類企業(yè)。

表2右半部分匯報(bào)了不同規(guī)模和資質(zhì)企業(yè)的R&D投資額的情況，首先，獲得創(chuàng)新補(bǔ)助企業(yè)的自主R&D投資額和總R&D投資額隨著企業(yè)規(guī)模的增大而增加。其次，獲補(bǔ)助企業(yè)的總R&D投資額與自主R&D投資額的差距隨著企業(yè)規(guī)模的增大而增大，平均差距為0.47萬(wàn)元，在最大規(guī)模企業(yè)（大于5000人）中差距最大，達(dá)到1.62萬(wàn)元。再次，獲創(chuàng)新補(bǔ)助企業(yè)的自主R&D投資額顯著高于未獲創(chuàng)新補(bǔ)助的企業(yè)。最后，獲得創(chuàng)新補(bǔ)助企業(yè)與未獲創(chuàng)新補(bǔ)助企業(yè)的自主R&D投資的差距隨企業(yè)規(guī)模的增大而增大。這可能是創(chuàng)新補(bǔ)助對(duì)規(guī)模越大的企業(yè)的自主R&D投資額刺激效果越強(qiáng)，也可能政府傾向于補(bǔ)助研發(fā)投資較多的公司。獲得創(chuàng)新補(bǔ)助的非高新技術(shù)企業(yè)和高新技術(shù)企業(yè)的自主R&D投資強(qiáng)度顯著高于未獲得創(chuàng)新補(bǔ)助的同類企業(yè)，差距分別為3.77萬(wàn)元和3.71萬(wàn)元。

三 估計(jì)方法

本文用匹配法來(lái)評(píng)估創(chuàng)新補(bǔ)助的有效性，關(guān)注的是獲得創(chuàng)新補(bǔ)助企業(yè)的自主R&D投資額（及自主R&D投資強(qiáng)度）是否高于未獲補(bǔ)助公司。匹配法廣泛應(yīng)用于政策評(píng)估，估計(jì)值基于項(xiàng)目參與者（即處理組）與非參與者（即對(duì)照組、控制組）。假設(shè)Ti是虛擬變量，企業(yè)i獲得創(chuàng)新補(bǔ)助，則Ti=1，否則Ti=0。獲得補(bǔ)助企業(yè)i的自主R&D投資額記為Yi（1），同樣的企業(yè)，如果它未獲得創(chuàng)新補(bǔ)助，其自主R&D投資額記為Yi（0），如果兩種結(jié)果可以被同時(shí)觀察到，政府研發(fā)補(bǔ)助對(duì)企業(yè)i自主R&D投資額的影響為Yi（1）-Yi（0）?？傮w的平均效果為E[Yi（1）-Yi（0）]。對(duì)應(yīng)的樣本平均效果為（1/N）∑Ni=1[Yi（1）-Yi（0）]，其中N為企業(yè)數(shù)量。此外，我們可以將樣本（N）分為獲得補(bǔ)助企業(yè)（N1）和未獲補(bǔ)助企業(yè)（N0）兩組，N=N1+N0。獲得補(bǔ)助企業(yè)的總體和樣本平均補(bǔ)助效果分別為E[（Y（1）-Y（0））|T=1]和（1/N1）∑Ni|Ti=1[Yi（1）-Yi（0）]。相似的，未獲補(bǔ)助企業(yè)的總體和樣本平均效果分別為E[（Y（1）-Y（0））|T=0]和（1/N0）∑Ni|Ti=0[Yi（1）-Yi（0）]。

上述方法是建立在Yi（1）和Yi（0）可以同時(shí)觀察到，但這種情況往往無(wú)法實(shí)現(xiàn)：同一個(gè)公司不可能同時(shí)處于接受補(bǔ)助和未接受補(bǔ)助兩種狀態(tài)，其在接受補(bǔ)助時(shí)的自主R&D投資額和沒(méi)有接受補(bǔ)助時(shí)的是不能同時(shí)被觀察到的。因此，為了衡量補(bǔ)助效果，我們需要估計(jì)反事實(shí)。

如果政府創(chuàng)新補(bǔ)助是隨機(jī)分配的，我們可以將補(bǔ)助對(duì)自主R&D投資的影響估計(jì)為獲得補(bǔ)助企業(yè)與未獲得補(bǔ)助企業(yè)的平均自主R&D投資額（強(qiáng)度）之差。然而，大部分情況補(bǔ)助并非隨機(jī)分配，如高新技術(shù)企業(yè)更易獲得補(bǔ)助（表2）。在這種情況下，無(wú)法同時(shí)觀察到的結(jié)果可以用特征相似企業(yè)的結(jié)果的平均值來(lái)近似，即用在處理前協(xié)變量X相似的企業(yè)的結(jié)果近似。為了確保匹配估計(jì)量是處理效果的一致估計(jì)量，需要滿足兩個(gè)假設(shè)條件：

（1）不可知性：在協(xié)變量X的條件下結(jié)果Y（0）和Y（1）與處理變量T無(wú)關(guān)，即

E[Y（0）|T=1， X=x]=E[Y（0）|T=0， X=x][JY，4]（1）

E[Y（1）|T=1， X=x]=E[Y（1）|T=0， X=x][JY，4]（2）

（2）重疊：在協(xié)變量X=x的條件下，獲得補(bǔ)助的概率取值范圍在[0，1]，c

假設(shè)（1）意味著，在給定X的條件下，政府補(bǔ)助是隨機(jī)分配的，可以將處理組和控制組的結(jié)果差異歸因于創(chuàng)新補(bǔ)助，因此，合理選擇協(xié)變量X至關(guān)重要，X應(yīng)提供足夠的信息，它應(yīng)該包括決定補(bǔ)助可能性的變量，或者直接包括補(bǔ)助概率，此外，Abadie強(qiáng)調(diào)了引入滯后的結(jié)果變量的必要性。

另一個(gè)相關(guān)的問(wèn)題是，如果X包含一些連續(xù)變量，則不可能找到兩個(gè)具有完全相同特征的公司。當(dāng)匹配不精確時(shí)，多維協(xié)變量的標(biāo)準(zhǔn)匹配會(huì)導(dǎo)致相當(dāng)大的偏量，為解決這一問(wèn)題，本文使用Abadie和Imbens提出的偏差矯正匹配估計(jì)量來(lái)減少這種偏差，對(duì)每一個(gè)企業(yè)i，標(biāo)準(zhǔn)最近鄰匹配估計(jì)量在對(duì)照組中尋找最相似企業(yè)，即根據(jù)協(xié)變量X尋找最相似企業(yè)，估計(jì)觀察不到的結(jié)果變量。用SATT表示估計(jì)的創(chuàng)新補(bǔ)助對(duì)獲得補(bǔ)助企業(yè)的效果：

在下面的部分，我們?cè)敿?xì)介紹協(xié)變量X，并展示主要結(jié)果。

四 實(shí)證分析

借鑒González和Pazó的研究，在匹配過(guò)程中使用的控制變量分為以下幾個(gè)變量：第一是估計(jì)的獲得補(bǔ)助的概率，即傾向得分值，這是大多數(shù)做匹配的文章選擇的標(biāo)準(zhǔn)變量。其次是滯后的結(jié)果變量，即滯后的自主R&D強(qiáng)度。衡量了研發(fā)活動(dòng)的持續(xù)性。第三是滯后的補(bǔ)助虛擬變量，以考慮補(bǔ)助的持續(xù)性。另外，對(duì)于每個(gè)企業(yè)，在兩個(gè)規(guī)模（員工少于2000名和多于2000名的企業(yè)）和兩種認(rèn)定屬性（被認(rèn)定為高新技術(shù)企業(yè)和未被認(rèn)定為高新技術(shù)企業(yè)兩組）內(nèi)精確匹配，確保最相似的企業(yè)在同一范圍內(nèi)匹配。

本文首先運(yùn)用Logit模型估計(jì)創(chuàng)新補(bǔ)助的概率;其次討論關(guān)于不同樣本不同分組創(chuàng)新補(bǔ)助的效果。

（一）獲得補(bǔ)助的概率

本文運(yùn)用Logit模型估計(jì)獲得創(chuàng)新補(bǔ)助的概率，因變量是創(chuàng)新補(bǔ)助的虛擬變量。自變量包括可能影響創(chuàng)新可能性的企業(yè)特征：首先，包括滯后的創(chuàng)新補(bǔ)助的虛擬變量，這一變量衡量了政府創(chuàng)新補(bǔ)助的持久性;其次，包括滯后的自主R&D投資強(qiáng)度，衡量企業(yè)自主R&D投資的持續(xù)性，它可能會(huì)影響政府創(chuàng)新補(bǔ)助的決定。第三，包括企業(yè)特征變量，如企業(yè)總資產(chǎn)增長(zhǎng)率、資本負(fù)債率、企業(yè)年齡、凈資產(chǎn)收益率、企業(yè)規(guī)模、企業(yè)總資產(chǎn)、企業(yè)是否被認(rèn)定為高新技術(shù)企業(yè)虛擬變量，這些變量可能與企業(yè)是否申請(qǐng)創(chuàng)新補(bǔ)助有關(guān)，也可能會(huì)影響是否能獲得補(bǔ)助的結(jié)果。最后包括時(shí)間的虛擬變量、行業(yè)的虛擬變量、企業(yè)性質(zhì)的虛擬變量、企業(yè)所在地區(qū)的虛擬變量。表3呈現(xiàn)了各變量的具體說(shuō)明和描述性統(tǒng)計(jì)分析。

表4給出了Logit模型估計(jì)結(jié)果，從估計(jì)系數(shù)的正負(fù)號(hào)可以看出，創(chuàng)新補(bǔ)助的持久性是顯著的，且補(bǔ)助更加傾向于前一期有R&D投資的企業(yè)、存在時(shí)間越久的企業(yè)、規(guī)模越大的企業(yè)、資產(chǎn)增長(zhǎng)率越高的企業(yè)和高新技術(shù)企業(yè)。負(fù)債率越高的企業(yè)獲得創(chuàng)新補(bǔ)助的可能性越小。但總資產(chǎn)越多，盈利能力越強(qiáng)并不意味著企業(yè)獲得補(bǔ)助的可能性越大。我們的目標(biāo)是得到傾向得分值。借鑒Lian等人的做法，使用兩個(gè)標(biāo)準(zhǔn)判定Logit模型擬合好壞，偽R2以及ROC曲線下面積AUC。AUC大于0.8可以被視為模型設(shè)定得很好。表4所示的模型中，偽R2為0.26，AUC為0.828，大于0.8，模型設(shè)定合適。

（二）處理組與對(duì)照組比較

本文運(yùn)用一階最近鄰匹配，評(píng)估匹配質(zhì)量的方法是比較變量的分布，圖1和圖2顯示了匹配前接受創(chuàng)新補(bǔ)助的概率（傾向得分值）和滯后一期自主R&D投資強(qiáng)度的核密度函數(shù)圖;圖3和圖4顯示了匹配后接受創(chuàng)新補(bǔ)助的概率和滯后一期自主R&D投資強(qiáng)度的核密度函數(shù)圖。

如圖1和圖2所示，在匹配之前，控制組的補(bǔ)助概率（傾向得分值）集中在0.2之前，而處理組的補(bǔ)助概率分布比較均勻;滯后的自主R&D投資強(qiáng)度略有差別。如圖3和圖4所示，匹配之后，處理組與對(duì)照組的傾向得分值和滯后的自主R&D投資強(qiáng)度都極為相似。

（三）政府創(chuàng)新補(bǔ)助的效果

本文研究政府補(bǔ)助對(duì)研發(fā)活動(dòng)的效果，樣本既包括R&D企業(yè)也包括非R&D企業(yè)。表5顯示，總體而言，創(chuàng)新補(bǔ)助對(duì)企業(yè)自主R&D投資強(qiáng)度是顯著負(fù)影響，對(duì)高新技術(shù)企業(yè)自主R&D強(qiáng)度的負(fù)效應(yīng)最強(qiáng)，但對(duì)非高新技術(shù)企業(yè)的影響不顯著。從數(shù)量上來(lái)看，獲得創(chuàng)新補(bǔ)助的自主R&D投資強(qiáng)度比未獲得補(bǔ)助企業(yè)低0.0021。而這可能與兩方面因素有關(guān)：第一，獲得創(chuàng)新補(bǔ)助的企業(yè)由于不斷進(jìn)行創(chuàng)新活動(dòng)有了研發(fā)成果，尤其是高新技術(shù)企業(yè)，營(yíng)業(yè)收入顯著高于未獲補(bǔ)助企業(yè);第二，獲得創(chuàng)新補(bǔ)助的企業(yè)自主R&D投資少于未獲創(chuàng)新補(bǔ)助的企業(yè)，也就是政府補(bǔ)助擠出了自主研發(fā)投資。表5進(jìn)一步顯示，創(chuàng)新補(bǔ)助對(duì)總R&D投資強(qiáng)度的影響為負(fù)。從數(shù)量上來(lái)看，獲得創(chuàng)新補(bǔ)助的高新技術(shù)企業(yè)比未獲補(bǔ)助的同類企業(yè)低0.0021，在90%置信水平下顯著。

同時(shí)，本文研究了創(chuàng)新補(bǔ)助對(duì)企業(yè)R&D投資金額的影響。從創(chuàng)新補(bǔ)助對(duì)自主R&D投資的影響值來(lái)看，只有中小規(guī)模企業(yè)對(duì)應(yīng)的是正值，其他均為負(fù)值;從創(chuàng)新補(bǔ)助對(duì)總R&D投資的影響來(lái)看，對(duì)小規(guī)模企業(yè)和高新技術(shù)企業(yè)的影響值為正，對(duì)大規(guī)模企業(yè)和非高新技術(shù)企業(yè)影響值為負(fù)。這表明，對(duì)所有企業(yè)而言，創(chuàng)新補(bǔ)助部分?jǐn)D出企業(yè)自主R&D投資;從分組樣本看，其對(duì)小規(guī)模企業(yè)自主R&D投資有刺激作用，部分?jǐn)D出高新技術(shù)企業(yè)自主R&D投資，完全擠出大規(guī)模企業(yè)和非高新技術(shù)企業(yè)的自主R&D投資。從顯著性來(lái)看，對(duì)非高新技術(shù)企業(yè)自主R&D投資的負(fù)向影響在90%置信水平下顯著，其他均不顯著。

（四）進(jìn)一步研究

上述研究表明，創(chuàng)新補(bǔ)助對(duì)當(dāng)期企業(yè)R&D投資額的效果和誘導(dǎo)效應(yīng)均不顯著，接下來(lái)驗(yàn)證是否創(chuàng)新補(bǔ)助對(duì)企業(yè)研發(fā)的影響有時(shí)滯效應(yīng)。

表6顯示了創(chuàng)新補(bǔ)助對(duì)企業(yè)R&D投資的滯后效果，共列示了滯后7期的結(jié)果。平均而言，創(chuàng)新補(bǔ)助對(duì)自主R&D投資額和總R&D投資額滯后4期的正效應(yīng)顯著。分樣本來(lái)看，對(duì)中小規(guī)模企業(yè)而言，創(chuàng)新補(bǔ)助對(duì)R&D投資額滯后1期和2期有顯著正效應(yīng);對(duì)高新技術(shù)企業(yè)而言，創(chuàng)新補(bǔ)助對(duì)R&D投資額滯后6期有顯著正效應(yīng);而創(chuàng)新補(bǔ)助對(duì)大規(guī)模企業(yè)和非高新技術(shù)企業(yè)的滯后影響不顯著。

我們的理解是，中小規(guī)模企業(yè)因?yàn)楸旧硪?guī)模較小，難以承受研發(fā)失敗的風(fēng)險(xiǎn)，更加需要政府創(chuàng)新補(bǔ)助資金啟動(dòng)研發(fā)，創(chuàng)新補(bǔ)助對(duì)于中小規(guī)模企業(yè)來(lái)說(shuō)相當(dāng)于“雪中送炭”;而大規(guī)模企業(yè)和高新技術(shù)企業(yè)的平均R&D投資在沒(méi)有政府補(bǔ)助時(shí)就較多（表2），或許已經(jīng)接近或達(dá)到社會(huì)最優(yōu)，且大規(guī)模企業(yè)承受風(fēng)險(xiǎn)能力強(qiáng)，創(chuàng)新補(bǔ)助對(duì)于大規(guī)模企業(yè)和高新技術(shù)企業(yè)來(lái)說(shuō)相當(dāng)于“錦上添花”，以至于政府創(chuàng)新補(bǔ)助對(duì)大規(guī)模企業(yè)的效果并不顯著，對(duì)高新技術(shù)企業(yè)的正效應(yīng)滯后6期。

六 結(jié) 論

本文以2008—2016年上市非金融2587家企業(yè)16376個(gè)觀測(cè)值的非平衡面板數(shù)據(jù)為樣本，運(yùn)用匹配模型處理政府補(bǔ)助的內(nèi)生性問(wèn)題，研究創(chuàng)新補(bǔ)助對(duì)企業(yè)自主R&D投資的影響效果。

本文發(fā)現(xiàn)：第一，總體而言，創(chuàng)新補(bǔ)助對(duì)企業(yè)自主R&D投資強(qiáng)度有顯著負(fù)效應(yīng)，但對(duì)非高新技術(shù)企業(yè)的自主R&D投資強(qiáng)度負(fù)效應(yīng)不顯著。第二，創(chuàng)新補(bǔ)助完全擠出非高新技術(shù)企業(yè)的自主R&D投資。第三，創(chuàng)新補(bǔ)助對(duì)自主R&D投資存在滯后效應(yīng)，對(duì)中小規(guī)模企業(yè)的滯后1、2期自主R&D投資有顯著刺激作用，對(duì)大規(guī)模企業(yè)和非高新技術(shù)企業(yè)無(wú)滯后影響。

本研究得出兩個(gè)重要的政策含義。首先，相對(duì)于非高新技術(shù)企業(yè)，政府創(chuàng)新補(bǔ)助更偏向于高新技術(shù)企業(yè)有一定的合理性（表2），因?yàn)閯?chuàng)新補(bǔ)助對(duì)非高新技術(shù)企業(yè)的自主R&D投資有完全擠出效應(yīng)，而對(duì)高新技術(shù)企業(yè)有刺激效應(yīng)。其次，相對(duì)于大規(guī)模企業(yè)，政府補(bǔ)助更加傾向于中小規(guī)模企業(yè)同樣合理（表1）。因?yàn)閯?chuàng)新補(bǔ)助對(duì)大規(guī)模企業(yè)的自主R&D投資影響不顯著，而對(duì)中小規(guī)模企業(yè)的自主R&D投資有刺激效應(yīng)。

基于研究結(jié)論，本文有以下幾方面的建議：第一，政府應(yīng)創(chuàng)造資源公正分配的環(huán)境，提高資源配置效率，避免資源扭曲配置導(dǎo)致政府政策效果不明顯的狀況;第二，政府應(yīng)公開(kāi)披露創(chuàng)新補(bǔ)助的信息，建立公平合理的評(píng)價(jià)指標(biāo)體系，減少尋租等暗箱操作行為，同時(shí)也加強(qiáng)企業(yè)間公平競(jìng)爭(zhēng);第三，政府應(yīng)在實(shí)施補(bǔ)助前充分了解調(diào)查企業(yè)，避免出現(xiàn)企業(yè)“騙補(bǔ)”行為;第四，政府在保持公正透明的前提下可以擴(kuò)大企業(yè)創(chuàng)新的補(bǔ)助的覆蓋面。

從研究的進(jìn)展來(lái)說(shuō)，本文只是研究了政府是否補(bǔ)助這一二元變量，沒(méi)有涉及政府補(bǔ)助的金額對(duì)企業(yè)自主R&D投資的影響，這是本文的不足之處，也是未來(lái)研究的方向。

【責(zé)任編輯 吳應(yīng)望】