政策性負(fù)擔(dān)擠出上市企業(yè)研發(fā)投資了嗎？

魏 巍， 王云芳

(1.天津電子信息職業(yè)技術(shù)學(xué)院，天津 300011；2.北京安永華明會計(jì)師事務(wù)所，北京 100738)

一、引言

政府在微觀市場協(xié)調(diào)和宏觀資源調(diào)配過程中具有重要作用，是推動中國經(jīng)濟(jì)增長的重要力量。但是，當(dāng)?shù)胤秸莆沾罅可a(chǎn)資源后，其在資源傾斜方面的話語權(quán)會倒逼企業(yè)陷入政企關(guān)系競爭之中。企業(yè)為加強(qiáng)與政府間的合作，往往會以承擔(dān)一定的政策性負(fù)擔(dān)為代價，通過分擔(dān)政府在經(jīng)濟(jì)管理工作的部分成本，強(qiáng)化政企關(guān)聯(lián)。Lin & Li(2008)[1]在研究預(yù)算軟約束形成機(jī)制時對政策性負(fù)擔(dān)進(jìn)行了分類和定義。政策性負(fù)擔(dān)可分為戰(zhàn)略性負(fù)擔(dān)和社會性負(fù)擔(dān)。戰(zhàn)略性負(fù)擔(dān)指在傳統(tǒng)的趕超戰(zhàn)略影響下，企業(yè)將資金投放于不具有比較優(yōu)勢的資本密集型產(chǎn)業(yè)或產(chǎn)業(yè)區(qū)段所形成的負(fù)擔(dān)。社會性負(fù)擔(dān)則是指企業(yè)通過接納過多的冗員、支付工人福利、提供公共建設(shè)和公共管理等社會性職能來輔助政府完善社會福利與社會穩(wěn)定所需的成本。企業(yè)為構(gòu)建政治關(guān)聯(lián)，往往會承擔(dān)更多的政策性負(fù)擔(dān)。盡管現(xiàn)有文獻(xiàn)分析了顯性或隱性政治關(guān)聯(lián)對企業(yè)投資行為及企業(yè)價值的影響，但立足企業(yè)自身、將企業(yè)自發(fā)承擔(dān)政策性負(fù)擔(dān)的行為視為隱性關(guān)聯(lián)形式，進(jìn)而檢驗(yàn)“政策性負(fù)擔(dān)”如何影響研發(fā)投入的文獻(xiàn)尚不多見。為此，聚焦于那些承擔(dān)了高政策性負(fù)擔(dān)的企業(yè)，力爭分析此類企業(yè)以政策性負(fù)擔(dān)為載體強(qiáng)化政治關(guān)聯(lián)的行為究竟是在政府補(bǔ)貼、信貸和稅收優(yōu)惠等資源傾斜效應(yīng)影響下激勵了企業(yè)自身的創(chuàng)新能力，還是因?qū)肓烁嗟恼深A(yù)而削弱了企業(yè)創(chuàng)新能力，即政府資源配置傾斜和干預(yù)行為究竟更多地表現(xiàn)為支持之手還是掠奪之手。

從現(xiàn)有文獻(xiàn)看，黃亮等(2021)[2]、龔強(qiáng)等(2015)[3]發(fā)現(xiàn)，企業(yè)因承擔(dān)政策性負(fù)擔(dān)而發(fā)生的不必要支出會直接擠占研發(fā)支出所需的資金，從而抑制創(chuàng)新，且政策性負(fù)擔(dān)的增加會顯著降低民營企業(yè)績效(劉春和孫亮，2013)[4]。同時，承擔(dān)政策性負(fù)擔(dān)而獲得的政府補(bǔ)貼也未能產(chǎn)生績效補(bǔ)償(喻貞等，2020)[5]，故現(xiàn)有研究多認(rèn)為存在“掠奪之手”。然而，伴隨近年來營商環(huán)境的改善，上述情況是否有所好轉(zhuǎn)？對此重點(diǎn)考察了那些承擔(dān)了更多政策性負(fù)擔(dān)的企業(yè)，其研發(fā)投入(創(chuàng)新能力)是否會被擠出。聚焦于研發(fā)投資(而非固定投資)是由于企業(yè)若想鞏固市場競爭地位、提高市場份額，研發(fā)必不可少，只有核心科技實(shí)力的提升才能換取長期競爭力。另外，選擇研發(fā)投入，也是力爭揭示那些通過政治聯(lián)結(jié)而獲得更多“資源市場競爭力”的企業(yè)，其通過創(chuàng)新來博得“產(chǎn)品市場競爭力”的動機(jī)是否會顯著弱化。畢竟政策性負(fù)擔(dān)過重往往會導(dǎo)致企業(yè)更愿意走“捷徑”，即更愿意通過搶占上游市場資源(而非爭奪下游客戶資源)來獲得競爭力，導(dǎo)致對創(chuàng)新的忽視以及對研發(fā)投入的“擠出”。

綜上，沿上述預(yù)期探尋中國經(jīng)濟(jì)轉(zhuǎn)型過程中政府是否出于政績和職位晉升的目的將自身的社會經(jīng)濟(jì)發(fā)展內(nèi)化于企業(yè)，導(dǎo)致企業(yè)目標(biāo)的扭曲和激勵約束機(jī)制的失效，從而表現(xiàn)為那些承擔(dān)了更高政策性負(fù)擔(dān)的企業(yè)，反而呈現(xiàn)出更低的研發(fā)投入水平。

二、文獻(xiàn)評述與邏輯假設(shè)

(一)文獻(xiàn)述評

國家為了履行其公共職能，實(shí)現(xiàn)社會及就業(yè)穩(wěn)定等目標(biāo)，往往會對企業(yè)施加政策干預(yù)。企業(yè)在政府干預(yù)下會被攤派更多的公共性負(fù)擔(dān)。施加這一負(fù)擔(dān)是政府干預(yù)經(jīng)濟(jì)的一種手段(Lin & Li，2008)[1]，其造成的不利影響是預(yù)算軟約束。例如，林毅夫和李志赟(2004)[6]認(rèn)為，在信息不對稱的情況下，國有企業(yè)管理者可利用國家強(qiáng)加的政策負(fù)擔(dān)作為表現(xiàn)不佳的借口。為減少不必要的核實(shí)成本，政府通常會直接對企業(yè)作出補(bǔ)償。Shleifer & Vishny(1994)[7]發(fā)現(xiàn)，地方政府會通過兼并、收購來支持當(dāng)?shù)靥潛p企業(yè)，因?yàn)檫@些公司通常承擔(dān)了更多社會責(zé)任和政策性負(fù)擔(dān)。倪志良等(2019)[8]以1998—2013年中國工業(yè)企業(yè)數(shù)據(jù)為樣本，基于預(yù)算軟約束這一中介視角，研究了政策性負(fù)擔(dān)對國有企業(yè)杠桿率的影響，發(fā)現(xiàn)預(yù)算軟約束在政策性負(fù)擔(dān)與國企杠桿率之間起到部分中介作用，且政策性負(fù)擔(dān)對杠桿率的影響在不同規(guī)模、不同經(jīng)濟(jì)區(qū)域間存在顯著差異。葉建宏和汪煒(2015)[9]則以企業(yè)高管的超額薪酬為切入點(diǎn)，發(fā)現(xiàn)在董事會以及大股東的監(jiān)督下，企業(yè)承擔(dān)的政策性負(fù)擔(dān)會顯著降低企業(yè)高管對公司業(yè)績的敏感性，并且這一降低效應(yīng)在不同產(chǎn)權(quán)屬性和層級狀況下，會有顯著差異(林鐘高等，2014；Liao et al，2009)[10-11]。趙雅娜和敖小波(2016)[12]則以冗員程度度量企業(yè)所承受的政策性負(fù)擔(dān)，發(fā)現(xiàn)政策性負(fù)擔(dān)除了會約束企業(yè)的自由現(xiàn)金流外還會損害企業(yè)的核心優(yōu)勢。

現(xiàn)有文獻(xiàn)主要從“預(yù)算軟約束”“薪酬激勵”等角度探討企業(yè)在承受政策性負(fù)擔(dān)后會對企業(yè)造成的影響，也有部分文獻(xiàn)從“自由現(xiàn)金流競爭”角度出發(fā)，發(fā)現(xiàn)企業(yè)因承受政策性負(fù)擔(dān)而造成現(xiàn)金流運(yùn)轉(zhuǎn)壓力，從而在現(xiàn)金流有限條件下對資金的用途分配作出更改。那么過高的政策性負(fù)擔(dān)是否會通過一定的傳導(dǎo)渠道進(jìn)一步擠出企業(yè)研發(fā)投資呢？政策性負(fù)擔(dān)與企業(yè)研發(fā)支出之間的關(guān)系至今依然不清晰，這為本研究保留了空間。

(二)邏輯分析與假設(shè)

1.基于“信號理論”的積極效應(yīng)分析。積極的社會責(zé)任表現(xiàn)(如ESG表現(xiàn))往往被市場視為企業(yè)經(jīng)營質(zhì)量的信號，會借助信號效應(yīng)對企業(yè)生產(chǎn)經(jīng)營釋放“利好”消息并提高企業(yè)市場聲譽(yù)，這會向市場散發(fā)優(yōu)質(zhì)經(jīng)營的“質(zhì)量信號”，從而減少因信息不對稱而引發(fā)的融資約束(高杰英等，2021)[13]。類似地，現(xiàn)有研究指出，政策性負(fù)擔(dān)也可以理解為是企業(yè)主動承擔(dān)社會責(zé)任的一種表現(xiàn)形式，而這種“主動”往往可以吸引社會關(guān)注，從而提高企業(yè)的影響力，擴(kuò)大聲譽(yù)效應(yīng)，有利于拓展?jié)撛诳蛻羧后w。同時，由于對政策性負(fù)擔(dān)的承接強(qiáng)度常被市場解讀為是企業(yè)與政府之間的關(guān)系嵌入強(qiáng)度的信號——國有企業(yè)通常承擔(dān)更多的負(fù)擔(dān)(蔡明榮和王毅航，2022)[14]。所以，高負(fù)擔(dān)引發(fā)的高關(guān)聯(lián)也通常被市場解讀為一種“資源優(yōu)勢”。于是，在信號理論下，那些承擔(dān)政策性負(fù)擔(dān)更多的企業(yè)，其資源優(yōu)勢(信號)也會為其帶來融資約束緩解效應(yīng)(于博和夏青華，2019)[15]，進(jìn)而間接激勵企業(yè)研發(fā)支出。但是，近年來的一些研究對信號理論的適用性提出了“質(zhì)疑”。如：金宇等(2021)[16]研究發(fā)現(xiàn)，承擔(dān)過多社會責(zé)任并沒有通過信號機(jī)制來緩解融資約束，進(jìn)而來實(shí)現(xiàn)創(chuàng)新激勵。同時，張安軍(2022)[17]的研究也發(fā)現(xiàn)更高的社會責(zé)任承擔(dān)水平不僅沒有激勵企業(yè)綠色創(chuàng)新能力，反而抑制了綠色創(chuàng)新。綜上認(rèn)為“信號理論”下的正向影響預(yù)期(激勵創(chuàng)新預(yù)期)存在失靈風(fēng)險。

2.基于“資源競爭”理論的負(fù)面沖擊效應(yīng)分析。首先，承擔(dān)政策性負(fù)擔(dān)對企業(yè)經(jīng)營績效和投資能力均具有一定的損害。林毅夫和李志赟(2004)[6]指出，國有企業(yè)承擔(dān)政府施加的負(fù)擔(dān)會增加企業(yè)的經(jīng)營成本，可能會導(dǎo)致企業(yè)運(yùn)行效率低下。其次，高政策性負(fù)擔(dān)企業(yè)存在“以劣充優(yōu)”的機(jī)會主義行為，這會倒逼地方政府在資源約束條件下減少對長期研發(fā)投入的財政支持，而增加對短期就業(yè)和社會保障的支持(龔強(qiáng)等，2015)[3]。再次，從微觀層面的資源競爭看，政策性負(fù)擔(dān)的提高會搶占企業(yè)自由現(xiàn)金流，從而在資源配置能力有限條件下，讓企業(yè)不得不減少創(chuàng)新支出。最后，為滿足政府的宏觀經(jīng)濟(jì)增長目標(biāo)，承擔(dān)高政策性負(fù)擔(dān)的企業(yè)會更多地將資金投資于一些周期短、見效快的低回報率項(xiàng)目，甚至用于為一些不會產(chǎn)生實(shí)際效率的員工支付薪酬，這會占用有限的資源、擠出長期研發(fā)支出(趙雅娜和敖小波，2016)[12]。

綜上，我國目前正處于高速發(fā)展?fàn)顟B(tài)，政策性負(fù)擔(dān)多數(shù)情況下屬于企業(yè)的一種被動行為，在自身發(fā)展不順暢的情況下，政策性負(fù)擔(dān)帶來的更多是一種成本上的負(fù)擔(dān)。即使部分企業(yè)是“主動承擔(dān)”，但由“主動”帶來的企業(yè)外在形象的提升從開始到真正發(fā)揮作用需要時間的積累，而在短期內(nèi)這種成本的付出并不能得到有效的補(bǔ)償，所以在資金等資源緊缺的情況下，企業(yè)勢必作出戰(zhàn)略調(diào)整，擠出部分用于研發(fā)投資的長期資金?；诖耍岢鋈缦录僭O(shè)：

假設(shè)：政策性負(fù)擔(dān)的提升會擠出企業(yè)研發(fā)投資，從而抑制創(chuàng)新。

三、實(shí)證設(shè)計(jì)

(一)樣本范圍

從Wind和CNRDS數(shù)據(jù)庫收集數(shù)據(jù)，覆蓋2011—2018年滬深主板上市的A股公司，進(jìn)行了如下剔除：(1)剔除銀行、保險業(yè)等金融業(yè)企業(yè)；(2)剔除ST、*ST企業(yè)(3)剔除關(guān)鍵財務(wù)數(shù)據(jù)存在缺失的公司。最后，為避免極端值的干擾，對所有連續(xù)變量進(jìn)行了上下1%的winsor處理。經(jīng)上述處理，最終得到1554家企業(yè)，12420個樣本觀測值。

(二)核心變量的定義與度量方式

1.政策性負(fù)擔(dān)(Burden)的度量。借鑒張霖琳等(2015)[18]衡量政策性負(fù)擔(dān)的方法，建立模型(1)估計(jì)企業(yè)的最優(yōu)資本密集程度。然后，計(jì)算企業(yè)實(shí)際資本密集程度與經(jīng)濟(jì)要素稟賦所決定的最優(yōu)資本密集程度的偏離，即政策性負(fù)擔(dān)(Burden)。正殘差代表戰(zhàn)略性負(fù)擔(dān)，源于地方增長目標(biāo)推動下企業(yè)被迫進(jìn)入具有比較優(yōu)勢的戰(zhàn)略領(lǐng)域，使得其實(shí)際資本密度要高于最優(yōu)資本密集程度(Qian，1998)[19]；負(fù)殘差代表社會性負(fù)擔(dān)，不對殘差方向做進(jìn)一步細(xì)分，取絕對值來衡量政策性負(fù)擔(dān)。

INTENCi，t=α0+α1Sizei，t-1+α2Levi，t-1+α3Roai，t-1+α4Growthi，t-1+α5Capitalt-1
+∑Province+∑year+∑Industry+εi，t

(1)

式(1)中，INTENC表資本密集程度，用每百萬資產(chǎn)雇傭員工來衡量，Sizet-1、Levt-1、Growtht-1、Roat-1、Capitalt-1代表t-1年的公司規(guī)模、資產(chǎn)負(fù)債率、營業(yè)收入增長率、資產(chǎn)收益率及資產(chǎn)結(jié)構(gòu)(固定資產(chǎn)/總資產(chǎn))?！芇rovince、∑year、∑Industry分別是地區(qū)、年度和行業(yè)虛擬變量。

2.企業(yè)創(chuàng)新投資活動(RD)的測度。研發(fā)創(chuàng)新的資源投入力度一定程度上反映了企業(yè)家生產(chǎn)性精神的配置意愿，因此，借鑒儲德銀等(2016)[20]從研發(fā)投入維度來衡量創(chuàng)新的思路，用研發(fā)支出(RD)代理創(chuàng)新水平。

3.其他控制變量。參考袁建國(2015)[21]，設(shè)定了如下幾類控制變量：一是與企業(yè)融資能力有關(guān)的因素，如(杠桿率)、和(公司年齡)。二是與盈利能力相關(guān)的因素，如oa(資產(chǎn)回報率)、rowth(營業(yè)收入增長率)。三是與現(xiàn)金流循環(huán)能力相關(guān)的因素，如f(企業(yè)經(jīng)營性現(xiàn)金凈流)。四是成長性因素，如ize(總資產(chǎn)規(guī)模)、Captal(資產(chǎn)結(jié)構(gòu))。五是與公司治理有關(guān)的因素，如Top1(大股東持股比)和tate(所有制形式)。

上述各類變量的具體定義及度量口徑詳見表1。

(三)模型設(shè)定

為檢驗(yàn)假設(shè)，借鑒甄麗明和羅德論(2019)的研究[22]，構(gòu)建了如下實(shí)證模型：

RDi，t=β0+β1Burdeni，t+β2Controlsi，t+fi+gt+εi，t

(2)

式(2)中，RDi，t為企業(yè)i在時間t的創(chuàng)新投資支出，Burdeni，t為企業(yè)i在時間t所承受的政策性負(fù)擔(dān)，Controlsi，t代表一系列控制變量，主要包括Roa(企業(yè)業(yè)績)、Lev(資產(chǎn)負(fù)債率)、Size(企業(yè)規(guī)模)、Growth(企業(yè)成長性)、Cf(企業(yè)經(jīng)營現(xiàn)金流)、Capital(資產(chǎn)結(jié)構(gòu))等企業(yè)特征變量。

表1 變量名稱及定義

四、實(shí)證結(jié)果與分析

(一)描述性統(tǒng)計(jì)分析

表2概括了主要變量的描述性統(tǒng)計(jì)結(jié)果。其中：政策性負(fù)擔(dān)(Burden)均值為1.200，最小值為0，最大值為12，說明不同公司承擔(dān)的政策性負(fù)擔(dān)差距較大。研發(fā)投入(RD)的平均值8.30，最小值0.30，最大值為15.0，表明當(dāng)前我國上市公司研發(fā)投資方面也有較大差距。

(二)相關(guān)性分析

表3為一些主要變量間的相關(guān)性分析，在表中可以看出各變量與企業(yè)研發(fā)投資的關(guān)系。政策性負(fù)擔(dān)(Burden)對于研發(fā)投資(RD)在10%的顯著水平與之呈負(fù)相關(guān)，表明政策性負(fù)擔(dān)會抑制企業(yè)的研發(fā)投資水平，這為后文的實(shí)證檢驗(yàn)提供了初步證據(jù)。最后，從其他變量間的相關(guān)性可知，企業(yè)承擔(dān)承受較高的政策性負(fù)擔(dān)時，會約束企業(yè)現(xiàn)金流，阻礙公司更好地成長，且會影響公司監(jiān)督機(jī)構(gòu)職能的執(zhí)行。從結(jié)果看，各變量間不存在明顯的多重共線性問題。

表3 Pearson相關(guān)性分析矩陣

(三)基準(zhǔn)模型分析

假設(shè)重在考察企業(yè)在承受高政策性負(fù)擔(dān)時，是否會對創(chuàng)新投資有擠出效應(yīng)。即政府干預(yù)與企業(yè)創(chuàng)新的關(guān)系。表4表明：第(1)列OLS回歸中，政策性負(fù)擔(dān)(Burden)系數(shù)為-0.235，在1%水平上顯著；第(2)列加入控制變量后，政策性負(fù)擔(dān)(Burden)系數(shù)依然在1%水平上負(fù)顯著。在(3)(4)列對個體和年份雙向固定后，Burden的系數(shù)分別為-0.111，-0.114，與OLS回歸相比，系數(shù)數(shù)值上總體有所減少，但依然顯著為負(fù)。即證明政策性負(fù)擔(dān)對企業(yè)創(chuàng)新的負(fù)向效應(yīng)，假設(shè)得證。

表4 政策性負(fù)擔(dān)對創(chuàng)新投資效應(yīng)檢驗(yàn)

(四)內(nèi)生性處理

1.多期(漸進(jìn))DID。在表4的主檢驗(yàn)中，政策性負(fù)擔(dān)(Burden)采用了張霖琳等(2015)一文中求殘差絕對值的方式進(jìn)行度量，因此，政策性負(fù)擔(dān)為連續(xù)值?？紤]到若假設(shè)邏輯成立——政策性負(fù)擔(dān)越強(qiáng)，越會擠出企業(yè)對創(chuàng)新的投入，當(dāng)將政策性負(fù)擔(dān)從連續(xù)值調(diào)整為代表“高/低”水平的分組值后，相關(guān)結(jié)論也依然應(yīng)該成立。于是，按Burden取值的高低對樣本進(jìn)行了“高/低”分組，并用TBurden來代表該分組變量(政策性負(fù)擔(dān)高于75%分位數(shù)的樣本，TBurden=1；低于25%分位數(shù)的樣本，TBurden=0)。為避免分組頻繁跳動，分組過程剔除了政策性負(fù)擔(dān)位于中間50%的樣本。這樣處理的好處是，高負(fù)擔(dān)組可視為受負(fù)擔(dān)影響的分組(處理組)，而低負(fù)擔(dān)組則可近似地等價為不受負(fù)擔(dān)影響的分組(控制組)。

由于不同企業(yè)進(jìn)入受處理組的時點(diǎn)并不相同，故采用多期DID法估計(jì)，表5報告的是雙向固定下的處理效應(yīng)估計(jì)量(TWFEDD)。

表5 多期DID估計(jì)結(jié)果

表5為多期DID估計(jì)結(jié)果。其中，處理效應(yīng)變量為TBurden(等同于DID交互項(xiàng))，且模型同時控制了個體和年度固定效應(yīng)估計(jì)。結(jié)果顯示：TBurden系數(shù)為負(fù)且在5%水平上顯著，表明將政策性負(fù)擔(dān)轉(zhuǎn)換為啞變量后，其對企業(yè)創(chuàng)新投資的擠出效應(yīng)依然顯著，假設(shè)再次得證。

2.考慮異質(zhì)性處理的雙向固定效應(yīng)估計(jì)量——對漸進(jìn)DID中“負(fù)權(quán)重”問題的考慮。Chaisemartin & Haultfoeuille(2020)[23]研究發(fā)現(xiàn)：DID估計(jì)系數(shù)可理解為不同類型2×2DID效應(yīng)(ATT)的加權(quán)值。然而，由于處理組存在時變特征，即本期屬于高負(fù)擔(dān)組(TBurden=1)的企業(yè)，很可能在下期變?yōu)榈拓?fù)擔(dān)組(TBurden=0)，盡管上述跳變在剔除中間50%的樣本后明顯減弱，但依然不能排除。這意味著傳統(tǒng)漸進(jìn)DID估計(jì)系數(shù)在經(jīng)2*2分解后，會由于存在“負(fù)權(quán)重”問題而導(dǎo)致DID估計(jì)系數(shù)產(chǎn)生偏差。為此，通過twowayfeweight命令檢驗(yàn)了異質(zhì)性處理下的負(fù)權(quán)重數(shù)量，發(fā)現(xiàn)DID估計(jì)系數(shù)可視為經(jīng)1035個正權(quán)重與833個負(fù)權(quán)重加權(quán)所得到的估計(jì)值，由于負(fù)權(quán)重占比較高，故估計(jì)偏誤不可忽略，即多期(交疊)DID估計(jì)系數(shù)是有偏的。

由于隨時間變化企業(yè)承受的政策性負(fù)擔(dān)水平可能出現(xiàn)從高到低、從低到高的交替轉(zhuǎn)換過程，因此，對于這種含退出狀態(tài)的時變處理組，借鑒Chaisemartin & Haultfoeuille(2020)[24]，引入轉(zhuǎn)換效應(yīng)(Switch Effect)進(jìn)行分析，即以處理狀態(tài)的轉(zhuǎn)換為事件，對各個2×2分組下的處理效應(yīng)進(jìn)行加權(quán)，從而重新評估政策性負(fù)擔(dān)對研發(fā)投入的影響。換言之，加權(quán)計(jì)算的過程會將政策從無到有(0-1)、從有到無(1-0)兩個正負(fù)方向的效果進(jìn)行加權(quán)平均，而將處理不變(一直是1或一直是0)的樣本作為控制組。便可在兼容非同質(zhì)性處理效應(yīng)的同時，更準(zhǔn)確地刻畫處理組的“動態(tài)”處理(含退出)過程，從而更準(zhǔn)確地證明“擠出”關(guān)系的存在。

具體而言，轉(zhuǎn)換效應(yīng)WTC的計(jì)算公式如下：

(3)

式(3)中，DID+，t指的是政策從0到1的平均結(jié)果減去穩(wěn)定組(兩期都是0)的平均結(jié)果，DID-，t指的是穩(wěn)定組(兩期都是1)的平均結(jié)果減去政策從1到0的平均結(jié)果。

表6為基于多期多個體DID(DID_M命令)估計(jì)的雙向固定下的異質(zhì)性處理效應(yīng)結(jié)果，同時報告了處理期之前一期的安慰劑檢驗(yàn)結(jié)果。

表6 多期多個體DID估計(jì)下的轉(zhuǎn)換效應(yīng)及其安慰劑檢驗(yàn)

表6包含了三組估計(jì)結(jié)果，其差別在于參與估計(jì)的樣本范圍不同，依次為：

(1)全樣本下，將高于上1/4分位數(shù)的樣本作處理組、低于下1/4分位數(shù)的樣本作控制組，進(jìn)行處理效應(yīng)估計(jì)的結(jié)果。

(2)全樣本下，將高于中位數(shù)的樣本作處理組、低于中位數(shù)的樣本作控制組，進(jìn)行處理效應(yīng)估計(jì)的結(jié)果。

(3)分年度計(jì)算中位數(shù)，進(jìn)行高低分組比估計(jì)轉(zhuǎn)換效應(yīng)的結(jié)果。當(dāng)控制組和處理組的取值距離越遠(yuǎn)時，0和1之間越不容易產(chǎn)生跳躍，所以轉(zhuǎn)換樣本較少(只有38個)。但隨著距離從上下1/4分位點(diǎn)調(diào)整為1/2分位點(diǎn)后，在0和1之間進(jìn)行轉(zhuǎn)換的樣本開始增多(升至152個)，最后，當(dāng)以每個年度單獨(dú)計(jì)算中位數(shù)并設(shè)定轉(zhuǎn)換區(qū)間后，轉(zhuǎn)換發(fā)生的更為頻繁，接近1/7的樣本發(fā)生過轉(zhuǎn)換(1129個)，故預(yù)期在這一分類下，以狀態(tài)轉(zhuǎn)換事件進(jìn)行事件加權(quán)，重新計(jì)算處理效應(yīng)，應(yīng)能更好地修正處理效應(yīng)估計(jì)偏差，提升估計(jì)一致性。

實(shí)際回歸結(jié)果驗(yàn)證了上述預(yù)期：

第一類分組下估計(jì)系數(shù)確實(shí)不顯著，說明狀態(tài)跳變更難發(fā)生時，擠出效應(yīng)更難被“捕獲”。

第二類分組下轉(zhuǎn)換效應(yīng)系數(shù)已在10%的顯著度下表現(xiàn)出擠出關(guān)系，這與轉(zhuǎn)換樣本明顯增多有關(guān)。

第三類分組下轉(zhuǎn)換效應(yīng)的顯著性明顯提高(5%的顯著度)，說明基于轉(zhuǎn)換效應(yīng)也能驗(yàn)證擠出關(guān)系的存在。上述估計(jì)過程通過放松分組條件，即放寬轉(zhuǎn)換條件，更好地捕捉到了擠出的過程，也證明了本文假設(shè)的穩(wěn)健性。

最后，將“跳變”時點(diǎn)前提1期進(jìn)行安慰劑檢驗(yàn)，發(fā)現(xiàn)安慰劑并不發(fā)揮作用，因?yàn)樽兏鼪_擊時點(diǎn)后“擠出”關(guān)系消失。

(五)對自選擇問題的考慮——處理效應(yīng)估計(jì)

1.外生處理效應(yīng)——RA/PW/IPWRA。由于初始創(chuàng)新水平高的企業(yè)落入低政策性負(fù)擔(dān)組的概率會更高(因?yàn)閯?chuàng)新強(qiáng)的企業(yè)更注重產(chǎn)品市場競爭優(yōu)勢而非資源市場競爭優(yōu)勢)，所以，將虛擬變量作為自變量來對創(chuàng)新投資(RD)進(jìn)行估計(jì)時存在自選擇問題。為此，利用處理效應(yīng)估計(jì)來克服“自選擇”導(dǎo)致的估計(jì)偏誤。處理效應(yīng)估計(jì)可以分為外生處理和內(nèi)生處理兩類。其差別在于產(chǎn)生選擇過程的模型殘差是否與主方程的殘差相關(guān)。若相關(guān)，則為內(nèi)生處理；否則為外生處理。本節(jié)從外生處理出發(fā)進(jìn)行檢驗(yàn)，方法包括：回歸調(diào)整(RA)、逆概率加權(quán)(IPW)、帶逆概率加權(quán)的回歸調(diào)整(IPWRA)。其中，回歸調(diào)整是將處理組與對照組平均估計(jì)作差進(jìn)而估算平均處理效應(yīng)ATE；逆概率加權(quán)是分別將處理組與對照組結(jié)果加權(quán)后作差來估計(jì)平均處理效應(yīng)ATE；雙重穩(wěn)健法(IPWRA)是在逆概率加權(quán)的基礎(chǔ)上再進(jìn)行回歸調(diào)整，從而更加穩(wěn)健地校正回歸模型的自選擇偏誤。

(1)回歸調(diào)整法(RA)

RA解決“樣本選擇偏差”的思路是：先估計(jì)出假如處理組承受高政策性負(fù)擔(dān)的企業(yè)沒有被強(qiáng)加較高的政策性負(fù)擔(dān)時對創(chuàng)新的投入程度是多少，然后在統(tǒng)一的樣本范圍(處理組樣本)內(nèi)，計(jì)算處理組的平均處理效應(yīng)——ATET，從而得到政策性負(fù)擔(dān)對創(chuàng)新投資的效應(yīng)。具體模型如下：

ATET=E(YTBurden=1，i|TBurdeni=1)-E(YTBurden=0，i|TBurdeni=1)

(4)

式(4)中，Y代表企業(yè)研發(fā)投入(RD)，TBurden為政策性負(fù)擔(dān)分組變量(以上下1/4分組)。E(YTBurden=0，i|TBurdeni=1)代表承受了高政策性負(fù)擔(dān)的企業(yè)，在假設(shè)沒有承受較高政策性負(fù)擔(dān)的情況下對創(chuàng)新的投入程度，即“反事實(shí)”結(jié)果。

回歸調(diào)整法估算反事實(shí)的步驟如下：

首先，分別用處理組和控制組樣本來估計(jì)方程(5)(6)中協(xié)變量XTBurden的系數(shù)β1和β0；然后，將處理組的樣本數(shù)據(jù)XTBurden帶入(6)中，由于此時β0包含了控制組樣本下XTBurden對研發(fā)投入(RD)的影響特征，于是，可利用它估計(jì)出處理組樣本如果當(dāng)初未承受高政策性負(fù)擔(dān)，其創(chuàng)新投入的水平，即求得反事實(shí)的E(YTBurden=0，i|TBurdeni=1)，進(jìn)而得到式(4)中的ATT。

YTBurden=1，i=β1XTBurden=1，i+εi

(5)

YTBurden=0，i=β0XTBurden=0，i+εi

(6)

式(5)～式(6)中，β1和β0的差異代表了處理組和控制組樣本特征不同帶來的XTBurden對研發(fā)投入的影響。其中，協(xié)變量X包括：資產(chǎn)收益率(Roa)、營業(yè)收入增長率(Growth)、企業(yè)經(jīng)營性現(xiàn)金凈流(Cf)、大股東持股比(Top1)、資產(chǎn)負(fù)債率(Lev)等因素。

(2)逆概率加權(quán)法(IPW)

逆概率加權(quán)通過給高概率選入的樣本更低的權(quán)重、低概率選入的樣本更高的權(quán)重來降低處理組和控制組的非隨機(jī)性，以解決“依可觀測變量選擇”而產(chǎn)生的“選擇偏差”。它首先通過Probit模型計(jì)算出在Zi的選擇機(jī)制下，每個樣本i對創(chuàng)新投資的概率P(treatedi=1)。模型如下：

p(treatedi=1)=β0+∑βjZi+εi

(7)

式(7)中，Zi表示協(xié)變量，具體包括：資產(chǎn)收益率(Roa)、營業(yè)收入增長率(Growth)、企業(yè)經(jīng)營性現(xiàn)金凈流(Cf)、大股東持股比(Top1)、資產(chǎn)負(fù)債率(Lev)等因素。在計(jì)算出P(treatedi=1，i)的基礎(chǔ)上，通過逆概率加權(quán)，便可得到ATE和ATT，具體如式(8)～式(9)所示。

(8)

(9)

式(8)～式(9)中，Y表示RD，treated即為TBurden，若企業(yè)承擔(dān)高政策性負(fù)擔(dān)，則TBurden=1，否則TBurden=0。N1表示承受高政策性負(fù)擔(dān)的企業(yè)數(shù)量，N0表示承受低政策性負(fù)擔(dān)的企業(yè)數(shù)量。

(3)雙重穩(wěn)健法(IPWRA)

雙重穩(wěn)健法(IPWRA)可以保證無論是概率方程還是主方程，只要任何一個設(shè)定合理，都可以得到處理效應(yīng)的有效估計(jì)。它將回歸調(diào)整法和逆概率加權(quán)法結(jié)合起來計(jì)算處理效應(yīng)，其基本步驟是：首先，通過概率估計(jì)得到權(quán)重，其次，通過逆概率加權(quán)計(jì)算得到加權(quán)處理后的Y；再次，利用加權(quán)計(jì)算后的“樣本”估計(jì)β1和β0，得到E(Ytreated=0，i|treatedi=1)的反事實(shí)結(jié)果；最后，代入式(4)計(jì)算ATET。

表7依次列示了RA、IPW、IPWRA的估計(jì)結(jié)果。結(jié)果表明：三種情況下處理組平均處理效應(yīng)ATT均為負(fù)(在5%顯著度)，表明高政策性負(fù)擔(dān)確實(shí)會對企業(yè)的研發(fā)投入產(chǎn)生負(fù)面影響。

表7 基于加權(quán)調(diào)整法的估計(jì)結(jié)果

2.內(nèi)生處理效應(yīng)——Heckit兩步法估計(jì)。考慮到可能存在 “不可觀測變量”所引起的自選擇問題，參考Maddala(1983)[24]中采用的Heckit兩步法進(jìn)行評估。在對“選擇過程”進(jìn)行結(jié)構(gòu)建模時，涉及到兩個方程：

第一個方程是第一階段的“處理(選擇)方程”，如式(10)：

TBurdeni=I(γZi+vi> 0)

(10)

第二個方程是第二階段的“結(jié)果方程”，如式(11)所示：

RD=β1TBurdeni+β2Contrrols+u

(11)

首先，式(11)中控制變量與回歸調(diào)整法中的變量保持一致，故不再贅述。

其次，就選擇方程而言，式(10)中的Zi代表一系列選擇因素，并且處理效應(yīng)估計(jì)要求Zi中至少包含了一個不出現(xiàn)于結(jié)果方程控制變量中的協(xié)變量，即必須存在一個具有工具變量性質(zhì)的zi，且zi滿足條件cov(zi，u)=0。在工具變量zi的設(shè)計(jì)方面，引入樣本企業(yè)所在省的GDP增速作為工具變量。其邏輯如下：省份GDP的高低對政府決策的制定有重要影響。當(dāng)省份GDP增速較快時，說明地區(qū)經(jīng)濟(jì)增長對資本更具吸引力。此時，GDP水平可以通過加強(qiáng)財富資本集聚和知識資本外溢來影響創(chuàng)新。但當(dāng)一個省的GDP增速明顯放緩時，如樣本期內(nèi)(2011—2018)各地經(jīng)濟(jì)增速就明顯進(jìn)入下行周期。此時，調(diào)整成本的存在導(dǎo)致固定資本和人力資本的撤出會較為滯后，加之政府此時又會通過稅收優(yōu)惠或補(bǔ)貼等財政手段穩(wěn)定投資和吸引人才。所以，GDP減速通過上述因素抑制創(chuàng)新的作用會較弱。但GDP增速的持續(xù)下行卻會極大程度提高政府官員的政績壓力并加劇地方財政壓力。于是，在政績壓力和財政壓力的共同作用下，政府很可能會要求地方企業(yè)承接社會性服務(wù)，這會倒逼企業(yè)承擔(dān)更多的社會責(zé)任。此時，為了穩(wěn)定增長、避免大規(guī)模失業(yè)，政府更有動力要求企業(yè)承擔(dān)更多的非經(jīng)濟(jì)職能?？梢姡贕DP增速下行期，政策性負(fù)擔(dān)將成為政府干預(yù)沖擊企業(yè)財務(wù)穩(wěn)健性、進(jìn)而影響研發(fā)支出水平的主要渠道。因此，將GDP增速作為工具變量，這符合政企之間的互動特征和工具變量的外生性。

表8表明：在考慮了內(nèi)生自選擇偏誤后，政策性負(fù)擔(dān)(TBurden)對研發(fā)投入的估計(jì)系數(shù)依然顯著為負(fù)，即擠出效應(yīng)依然成立，這進(jìn)一步為假設(shè)提供了穩(wěn)健性支持。

表8 內(nèi)生處理效應(yīng)(Heckit兩步法)估計(jì)結(jié)果

五、結(jié)論、創(chuàng)新與啟示

政府與企業(yè)之間的關(guān)系歷來都是學(xué)者們研究的熱點(diǎn)。政策性負(fù)擔(dān)作為連接政府與企業(yè)的橋梁，對企業(yè)各項(xiàng)活動的影響頗有爭議。使用2011—2018年主板上市公司數(shù)據(jù)，檢驗(yàn)了政策性負(fù)擔(dān)對企業(yè)創(chuàng)新投資的擠出，豐富了現(xiàn)有文獻(xiàn)中對創(chuàng)新投資的相關(guān)研究。結(jié)論如下：當(dāng)企業(yè)承受較高的政策性負(fù)擔(dān)時，雖然會在一定程度上得到政府的“好處”，但是這種“好處”往往并不能抵消所付出的成本，即在資金與資源短缺的情況下，企業(yè)為了承擔(dān)政策性負(fù)擔(dān)會一定程度上擠出創(chuàng)新投資。上述研究結(jié)論在經(jīng)漸進(jìn)DID、帶異質(zhì)性處理的多期DID及內(nèi)、外生處理效果等內(nèi)生處理和自選擇處理修正估計(jì)偏誤后，結(jié)論依然成立。

文章創(chuàng)新點(diǎn)體現(xiàn)在：一是有關(guān)企業(yè)研發(fā)投入的影響因素研究并不少見，但從企業(yè)自發(fā)承擔(dān)政策性負(fù)擔(dān)這一新視角考察該自發(fā)行為及其背后隱含的尋租過程對創(chuàng)新是否會產(chǎn)生擠出作用的文獻(xiàn)卻相對鮮見。二是承擔(dān)政策性負(fù)擔(dān)作為一種隱性政治關(guān)聯(lián)方式，通常能獲得更多的資源傾斜(如政府補(bǔ)貼或市場準(zhǔn)入)，但現(xiàn)有文獻(xiàn)也發(fā)現(xiàn)這些資源補(bǔ)償未能帶來企業(yè)的績效補(bǔ)償，因此認(rèn)為存在“掠奪之手”。伴隨近年來營商環(huán)境的改善，掠奪之手逐漸向扶植之手轉(zhuǎn)變。但鮮有研究考察隱性關(guān)聯(lián)(承擔(dān)政策性負(fù)擔(dān))會對企業(yè)創(chuàng)新(而非績效)產(chǎn)生怎樣的影響，筆者則拓展了此研究領(lǐng)域。三是在檢驗(yàn)方法上，為避免傳統(tǒng)多期多組DID(交疊DID)的估計(jì)偏差問題，不僅采用Chaisemartin & Haultfoeuille(2020)最新提出的帶異質(zhì)性處理效應(yīng)的雙向固定估計(jì)量(TWFEDD)來排除負(fù)權(quán)重對估計(jì)結(jié)果的擾動，還借助外生處理效應(yīng)(RA/IPW/IPWRA估計(jì)量)和內(nèi)生處理效應(yīng)(Heckit Two-Step估計(jì)量)等方法提升結(jié)論穩(wěn)健性。

基于以上研究結(jié)論，提出如下建議：

第一，推動金融體系市場化改革。民營企業(yè)在經(jīng)營過程中會更加依賴于銀行融資，但同時因其規(guī)模、資產(chǎn)等各方面問題往往會受到各大銀行的歧視，出現(xiàn)融資難、融資貴等問題。這是導(dǎo)致企業(yè)通過承擔(dān)更多政策性負(fù)擔(dān)來獲得尋租權(quán)的關(guān)鍵動因，其歸根矛盾是市場資源分配不合理。因此，提高金融資源的市場配置效率，推動進(jìn)市場和金融機(jī)構(gòu)的市場化改革進(jìn)程至關(guān)重要。

第二，建設(shè)服務(wù)型政府、減少政府干預(yù)。過往由于推行的漸進(jìn)式改革，政府利用行政手段對企業(yè)進(jìn)行直接干預(yù)，并為了履行社會職能向企業(yè)強(qiáng)制攤派較重的政策性負(fù)擔(dān)。政策性負(fù)擔(dān)使得企業(yè)戰(zhàn)略決策時不能按照價值最大化的經(jīng)營目標(biāo)進(jìn)行決策，導(dǎo)致企業(yè)競爭力下降。基于此，應(yīng)強(qiáng)化行政體制改革，推動實(shí)現(xiàn)管理型政府到服務(wù)型政府角色的轉(zhuǎn)變，應(yīng)通過簡政放權(quán)來優(yōu)化營商環(huán)境、減少行政干預(yù)，激發(fā)企業(yè)創(chuàng)新活力。

第三，建立健全配套的法律體系。企業(yè)研發(fā)創(chuàng)新不僅需要內(nèi)部生產(chǎn)性資源的主動型配置，也有賴于外部環(huán)境的改善。一方面，只有不斷加強(qiáng)法律法規(guī)建設(shè)，強(qiáng)化民營企業(yè)及中小企業(yè)產(chǎn)權(quán)保護(hù)，才能減輕企業(yè)承擔(dān)的政策性負(fù)擔(dān)，使企業(yè)能夠按照企業(yè)價值最大化目標(biāo)去經(jīng)營，更加合理地將資源在生產(chǎn)性與非生產(chǎn)性方面配置。另一方面，由于政府在執(zhí)法過程中的干預(yù)程度較為嚴(yán)重，且各地區(qū)法制化水平參差不齊，影響司法獨(dú)立性，在一定程度上影響了企業(yè)投資行為，進(jìn)而導(dǎo)致資源配置效率低下。只有公司內(nèi)外部制度建設(shè)越健全，才能使企業(yè)經(jīng)營模式更趨市場化，那么政策性負(fù)擔(dān)對生產(chǎn)性資源配置的抑制效應(yīng)也會不斷弱化。

第四，搭建地區(qū)性的創(chuàng)新平臺或創(chuàng)新孵化基地，升級創(chuàng)新生態(tài)。通過營造良好的激勵自主創(chuàng)新的市場、法制和經(jīng)營等制度環(huán)境，搭建公開、公正和競爭充分的企業(yè)自主創(chuàng)新平臺，減少企業(yè)研發(fā)支出收益的外部不確定性，引導(dǎo)企業(yè)增加研發(fā)投資水平。