政府創(chuàng)新補助刺激企業(yè)自主R&D投資

　政府創(chuàng)新補助刺激企業(yè)自主 D R&D 投資

　 摘 要：為研究政府創(chuàng)新補助是否能有效激勵企業(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，運用偏差修正匹配估計量，剔除通貨膨脹因素，測度了政府創(chuàng)新補助對企業(yè)自主 R&D 投資的效果。研究發(fā)現(xiàn)：創(chuàng)新補助對非高新技術企業(yè)當期的自主 R&D投資有完全擠出效應;對中小規(guī)模企業(yè)和高新技術企業(yè)的自主 R&D 投資有顯著的刺激作用，但存在一定的時滯。

　關鍵詞：自主 R&D 投資;政府補助;匹配法;誤差修正匹配估計量

　創(chuàng)新是建設現(xiàn)代化經濟體系的戰(zhàn)略支撐。然而，與創(chuàng)新活動有關的正外部性問題導致市場失靈，造成創(chuàng)新活動的私人收益和社會收益的差距，使企業(yè)研發(fā)（Research and Development，以下簡稱 R&D）投資偏離社會最優(yōu)。政府試圖通過財政支持解決這一困擾，財政支持是刺激 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。財政支持包括政府補助和稅收優(yōu)惠，本文主要關注政府補助對企業(yè) R&D 行為的影響。補助的效果

　主要有以下幾種情況：一是政府補助增加企業(yè)研發(fā)投入，且企業(yè)研發(fā)投入的增加額大于補助金額，即私人研發(fā)支出額增加，此時，政府補助刺激企業(yè)研發(fā);二是政府補助增加企業(yè)研發(fā)投入，但是研發(fā)投入的增加額小于補助金額，即私人研發(fā)支出額減少，此時，政府補助對研發(fā)有部分擠出效應;三是政府補助不會增加企業(yè)總研發(fā)支出，此時，政府補助對研發(fā)有完全擠出效應。本文利用中國上市非金融企業(yè)數(shù)據(jù)，運用偏差修正匹配估計量，主要回答：政府創(chuàng)新補助對企業(yè)自主 R&D 投資金額和企業(yè)自主 R&D 投資強度的影響是怎樣的？是刺激還是擠出？這樣的影響是否有異質性？對不同規(guī)模和不同資質認定的企業(yè)的影響是否不同？這樣的影響是否存在時滯效應？這幾個問題既是對同類研究的拓展，同時也是理解政府政策效應所需回答的核心問題，為實施的政府政策是否對企業(yè) R&D 行為產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“看得見的手”彌補市場失靈的針對性，實現(xiàn)十九大提出的“創(chuàng)新驅動發(fā)展”的戰(zhàn)略。

　本文主要評估政府創(chuàng)新補助政策效果，可能的研究貢獻主要體現(xiàn)在三個方面：第一，將使用匹配法處理內生性問題，并使用偏差修正估計量減少因不精確匹配造成的偏差。第二，研究補助異質性時根據(jù)國家對企業(yè)資質認

　定分組，首次研究補助對高新技術企業(yè)和非高新技術企業(yè)的影響是否有差異，對現(xiàn)有文獻進行有益補充。第三，同時考慮補助的時滯效應和通貨膨脹的影響。

　一 文獻綜述和研究假設

　自主創(chuàng)新要求企業(yè)大量的經濟資源和時間投入以獲取專業(yè)技術，而這種投資行為具有較大的風險和不確定性，導致企業(yè) R&D 投資不足。政府期望通過直接補助刺激企業(yè)研發(fā)活動。理論界認為，政府補助通過以下機制影響企業(yè)研發(fā)行為：第一，政府補助的研發(fā)額外性（R&D Additionality），即政府補助使得企業(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，但補助不是越多越好，政府創(chuàng)新補助規(guī)模過大，使創(chuàng)新投資的邊際資金成本和邊際破產概率增大，不利于企業(yè)創(chuàng)新，且由于道德風險的存在政府補助可能會擠出自主研發(fā)投資 。

　第 二 ， 政 府 補 助 的 行 為 額 外 性 （ Behavioural Additionality），即創(chuàng)新補助對外部投資者的信號傳遞機制。Feldman & Kelley 認為獲得研發(fā)補助的企業(yè)意味著獲得政府認可，傳遞出有創(chuàng)新能力的信號，可以吸引更多的投資。但因為不可避免的“尋租行為”易導致因政府補助造成資源錯配和企業(yè)競爭行為扭曲。

　 但對于政府補助效果的實證研究，學術界尚未形成一致結論。部分學者認為政府補助刺激企業(yè) R&D 投資，如Hu 基于海淀區(qū)高技術企業(yè)數(shù)據(jù)，認為政府補助能有效刺激企業(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)，上海市政府的補助對大中型工業(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企業(yè)數(shù)據(jù)，研究發(fā)現(xiàn)，政府補助刺激企業(yè) R&D 投資。此外，也有部分學者持相反觀點，認為政府補助擠出企業(yè) R&D投資，如 Wallsten 基于美國工商業(yè)企業(yè)數(shù)據(jù)認為政府補助擠出了企業(yè)研發(fā)投資。結論的矛盾是因為計量方法的多樣性和不同國家補助計劃的差異性，更重要的原因是內生性問題未得到很好的解決。政府補助和企業(yè)研發(fā)投資這一對關系往往會相互影響。并且，政府補助不是隨機分配的，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）決定是否補助。對于這種政府選擇可能導致的選擇性偏誤，早期的研究通常通過固定效應模型、工具變量法、Hechman 兩階段法、DID方法來處理，而近年的研究則通過傾向得分匹配（PSM）法研究政府補助對企業(yè) R&D 投資的平均因果效應。Bérubé et al.基于加拿大制造業(yè)企業(yè)數(shù)據(jù)運用 PSM 法研究政府補助的效果。馬嘉楠等用 PSM 法，以上海張江高科

　技園區(qū)企業(yè)為樣本，得出財政科技補貼刺激企業(yè) R&D 投資的結論。但是，這一方法也存在缺陷，Chabé -Ferret認為匹配法導致偏差，低估平均因果效應，本文運用Abadie和 Imbens 提出的偏差修正匹配估計量減少這種偏差。

　近年來研究的另一個趨勢是在評估補助效果時考慮企業(yè)異質性的類型并且關注補助的時滯效應。關于企業(yè)異質性，它包括企業(yè)的規(guī)模、企業(yè)技術能力、產業(yè)技術類別、企業(yè)所有權性質等。Lach 使用以色列公司的面板數(shù)據(jù)，發(fā)現(xiàn)補助使小公司的研發(fā)支出增加，對大公司的研發(fā)支出影響不顯著。Lee 利用六個國家的公司級數(shù)據(jù)，研究發(fā)現(xiàn)，政府補助對自主研發(fā)對技術能力較低的公司有刺激效應。Dai 和 Cheng 基于中國制造業(yè)企業(yè)數(shù)據(jù)，按企業(yè)規(guī)模和高低技術產業(yè)分組，發(fā)現(xiàn)政府補助與自主研發(fā)呈現(xiàn)倒 U 形關系�？抵居卵芯堪l(fā)現(xiàn)政府補助對企業(yè)新產品創(chuàng)新的影響在滯后第 4 期達到最大，并且發(fā)現(xiàn)對非國有企業(yè)的促進作用強于國有企業(yè)。梳理現(xiàn)有的研究成果可以看出，按國家對企業(yè)的資質認定分組研究補助效果的文獻較少，本文的研究是對現(xiàn)有文獻的有益補充。

　基于以上的理論分析和文章的研究問題，本文提出如下

　的研究假設：

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

　如上述理論分析可知，政府創(chuàng)新補助研發(fā)額外性和行為額外性可能會刺激企業(yè)自主研發(fā)的投入，但由于企業(yè)的道德風險和尋租行為導致的扭曲，其對自主研發(fā)可能存在擠出效應，于是，本文提出第二個假設：

　假設 2：

　政府創(chuàng)新補助擠出企業(yè)自主 R&D 投資金額和企業(yè)自主 R&D 投資強度。

　企業(yè)從基礎研究到應用研究可能需要很長時間，其企業(yè)從收到補助款到開始研發(fā)也需要時間，因此，提出第三個假設：

　假設 3：

　政府創(chuàng)新補助對企業(yè)自主 R&D 行為的影響存在時滯效應。

　中小規(guī)模企業(yè)和大規(guī)模企業(yè)的信號傳遞機制效果可能不同，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

　相比于非高新技術企業(yè)，高新技術企業(yè)即使未獲得政府補助，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)的道德風險 “騙補”傾向也有一定差異。于是，提出第四個假設：

　假設 4：政府創(chuàng)新補助對企業(yè)自主 R&D 行為的影響存在異質性。

　二 上市非金融企業(yè)的 R&D 投資和政府創(chuàng)新補助現(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 個觀察值，2587 家企業(yè)，數(shù)據(jù)來源于國泰君安數(shù)據(jù)庫和 wind 數(shù)據(jù)庫，其中對政府補助去噪音，借鑒李萬福等的做法，篩選出政府創(chuàng)新補助。不同規(guī)模企業(yè) R&D 投資和創(chuàng)新補助的情況如表 1 所示，進行 R&D 投資的企業(yè)數(shù)量和比例并沒有隨著企業(yè)規(guī)模的增加而增加，在適度規(guī)模（1000—2000 人），進行R&D 投資的企業(yè)占比最多。企業(yè)規(guī)模最小時（少于 500人），進行 R&D 投資的企業(yè)占比最少。在獲得創(chuàng)新補助方面，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)新補助占比仍然遠高于最小規(guī)模企業(yè)。進行 R&D 投資的高新技術企業(yè)比例和獲得創(chuàng)新補

　助的高新技術企業(yè)比例均高于非高新技術企業(yè)。這說明高新技術企業(yè)更多的進行 R&D 投資并更易獲得創(chuàng)新補助。

　表 2 描述了不同規(guī)模和資質企業(yè)的 R&D 投資強度和投資額情況。從表 2 左半部分可見，首先，獲得創(chuàng)新補助企業(yè)的自主R&D投資強度和總R&D投資強度隨著企業(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 投資強度從 5.94%下降到 2.35%。其次，獲補助企業(yè)的總 R&D投資強度與自主 R&D 投資強度的差距隨著企業(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)新補助企業(yè)的自主R&D 投資強度顯著高于未獲創(chuàng)新補助的企業(yè)。最后，獲得創(chuàng)新補助企業(yè)與未獲創(chuàng)新補助企業(yè)的自主 R&D 投資強度的差距隨企業(yè)規(guī)模的增大而縮小，企業(yè)規(guī)模最小時，差距為 3.76%，企業(yè)規(guī)模最大時的差距縮小為 1.09%。這表明可能規(guī)模越小的企業(yè)越依賴創(chuàng)新補助進行 R&D 投資活動。獲得創(chuàng)新補助的非高新技術企業(yè)的自主 R&D 投資強度顯著高于未獲得創(chuàng)新補助的同類企業(yè)，差距為 1.86%。而獲得創(chuàng)新補助的高新技術企業(yè)自主 R&D 投資強度只是略高于未獲補助的同類企業(yè)。

　表 2 右半部分匯報了不同規(guī)模和資質企業(yè)的 R&D 投資額的情況，首先，獲得創(chuàng)新補助企業(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 萬元，在最大規(guī)模企業(yè)（大于 5000 人）中差距最大，達到 1.62 萬元。再次，獲創(chuàng)新補助企業(yè)的自主 R&D 投資額顯著高于未獲創(chuàng)新補助的企業(yè)。最后，獲得創(chuàng)新補助企業(yè)與未獲創(chuàng)新補助企業(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)新補助對規(guī)模越大的企業(yè)的自主 R&D 投資額刺激效果越強，也可能政府傾向于補助研發(fā)投資較多的公司。獲得創(chuàng)新補助的非高新技術企業(yè)和高新技術企業(yè)的自主 R&D 投資強度顯著高于未獲得創(chuàng)新補助的同類企業(yè)，差距分別為 3.77 萬元和 3.71 萬元。

　三 估計方法

　本文用匹配法來評估創(chuàng)新補助的有效性，關注的是獲得創(chuàng)新補助企業(yè)的自主R&D投資額（及自主R&D投資強度）是否高于未獲補助公司。匹配法廣泛應用于政策評估，估計值基于項目參與者（即處理組）與非參與者（即對照組、控制組）。假設 Ti 是虛擬變量，企業(yè) i 獲得創(chuàng)新補

　助，則 Ti=1，否則 Ti=0。獲得補助企業(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)新補助，其自主 R&D 投資額記為 Yi（0），如果兩種結果可以被同時觀察到，政府研發(fā)補助對企業(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）]。對應的樣本平均效果為（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）分為獲得補助企業(yè)（N1）和未獲補助企業(yè)（N0）兩組，N=N1+N0。獲得補助企業(yè)的總體和樣本平均補助效果分別為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）可以同時觀察到，但這種情況往往無法實現(xiàn)：同一個公司不可能同時處于接受補助和未接受補助兩種狀態(tài)，其在接受補助時的自主R&D 投資額和沒有接受補助時的是不能同時被觀察到的。因此，為了衡量補助效果，我們需要估計反事實。

　如果政府創(chuàng)新補助是隨機分配的，我們可以將補助對自主 R&D 投資的影響估計為獲得補助企業(yè)與未獲得補助企業(yè)的平均自主 R&D 投資額（強度）之差。然而，大部分

　情況補助并非隨機分配，如高新技術企業(yè)更易獲得補助（表 2）。在這種情況下，無法同時觀察到的結果可以用特征相似企業(yè)的結果的平均值來近似，即用在處理前協(xié)變量 X 相似的企業(yè)的結果近似。為了確保匹配估計量是處理效果的一致估計量，需要滿足兩個假設條件：

�。�1）不可知性：在協(xié)變量 X 的條件下結果 Y（0）和 Y（1）與處理變量 T 無關，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，獲得補助的概率取值范圍在[0，1]，c

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

　 另一個相關的問題是，如果 X 包含一些連續(xù)變量，則不可能找到兩個具有完全相同特征的公司。當匹配不精確時，多維協(xié)變量的標準匹配會導致相當大的偏量，為解決這一問題，本文使用 Abadie 和 Imbens 提出的偏差矯正匹配估計量來減少這種偏差，對每一個企業(yè) i，標準最近鄰匹配估計量在對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)，估計觀察不到的結果變量。用 SATT表示估計的創(chuàng)新補助對獲得補助企業(yè)的效果：

　在下面的部分，我們詳細介紹協(xié)變量 X，并展示主要結果。

　四 實證分析

　借鑒 González 和 Pazó的研究，在匹配過程中使用的控制變量分為以下幾個變量：第一是估計的獲得補助的概率，即傾向得分值，這是大多數(shù)做匹配的文章選擇的標準變量。其次是滯后的結果變量，即滯后的自主 R&D 強度。衡量了研發(fā)活動的持續(xù)性。第三是滯后的補助虛擬變量，以考慮補助的持續(xù)性。另外，對于每個企業(yè)，在兩個規(guī)模（員工少于 2000 名和多于 2000 名的企業(yè)）和兩種認定屬性（被認定為高新技術企業(yè)和未被認定為高

　新技術企業(yè)兩組）內精確匹配，確保最相似的企業(yè)在同一范圍內匹配。

　本文首先運用 Logit 模型估計創(chuàng)新補助的概率;其次討論關于不同樣本不同分組創(chuàng)新補助的效果。

�。ㄒ唬┇@得補助的概率

　本文運用 Logit 模型估計獲得創(chuàng)新補助的概率，因變量是創(chuàng)新補助的虛擬變量。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)新補助的虛擬變量，這一變量衡量了政府創(chuàng)新補助的持久性;其次，包括滯后的自主R&D投資強度，衡量企業(yè)自主R&D投資的持續(xù)性，它可能會影響政府創(chuàng)新補助的決定。第三，包括企業(yè)特征變量，如企業(yè)總資產增長率、資本負債率、企業(yè)年齡、凈資產收益率、企業(yè)規(guī)模、企業(yè)總資產、企業(yè)是否被認定為高新技術企業(yè)虛擬變量，這些變量可能與企業(yè)是否申請創(chuàng)新補助有關，也可能會影響是否能獲得補助的結果。最后包括時間的虛擬變量、行業(yè)的虛擬變量、企業(yè)性質的虛擬變量、企業(yè)所在地區(qū)的虛擬變量。表 3 呈現(xiàn)了各變量的具體說明和描述性統(tǒng)計分析。

　表 4 給出了 Logit 模型估計結果，從估計系數(shù)的正負號可以看出，創(chuàng)新補助的持久性是顯著的，且補助更加傾向于前一期有 R&D 投資的企業(yè)、存在時間越久的企業(yè)、規(guī)模越大的企業(yè)、資產增長率越高的企業(yè)和高新技術企業(yè)。負債率越高的企業(yè)獲得創(chuàng)新補助的可能性越小。但總資產越多，盈利能力越強并不意味著企業(yè)獲得補助的可能性越大。我們的目標是得到傾向得分值。借鑒 Lian 等人的做法，使用兩個標準判定 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，模型設定合適。

�。ǘ�）處理組與對照組比較

　本文運用一階最近鄰匹配，評估匹配質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)新補助的概率（傾向得分值）和滯后一期自主 R&D 投資強度的核密度函數(shù)圖;圖 3 和圖 4 顯示了匹配后接受創(chuàng)新補助的概率和滯后一期自主 R&D 投資強度的核密度函數(shù)圖。

　如圖 1 和圖 2 所示，在匹配之前，控制組的補助概率（傾向得分值）集中在 0.2 之前，而處理組的補助概率分布比

　較均勻;滯后的自主 R&D 投資強度略有差別。如圖 3 和圖4 所示，匹配之后，處理組與對照組的傾向得分值和滯后的自主 R&D 投資強度都極為相似。

�。ㄈ�）政府創(chuàng)新補助的效果

　本文研究政府補助對研發(fā)活動的效果，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)新補助對企業(yè)自主 R&D 投資強度是顯著負影響，對高新技術企業(yè)自主 R&D 強度的負效應最強，但對非高新技術企業(yè)的影響不顯著。從數(shù)量上來看，獲得創(chuàng)新補助的自主 R&D投資強度比未獲得補助企業(yè)低 0.0021。而這可能與兩方面因素有關：第一，獲得創(chuàng)新補助的企業(yè)由于不斷進行創(chuàng)新活動有了研發(fā)成果，尤其是高新技術企業(yè)，營業(yè)收入顯著高于未獲補助企業(yè);第二，獲得創(chuàng)新補助的企業(yè)自主 R&D 投資少于未獲創(chuàng)新補助的企業(yè)，也就是政府補助擠出了自主研發(fā)投資。表 5 進一步顯示，創(chuàng)新補助對總R&D 投資強度的影響為負。從數(shù)量上來看，獲得創(chuàng)新補助的高新技術企業(yè)比未獲補助的同類企業(yè)低 0.0021，在90%置信水平下顯著。

　同時，本文研究了創(chuàng)新補助對企業(yè) R&D 投資金額的影響。

　從創(chuàng)新補助對自主 R&D 投資的影響值來看，只有中小規(guī)模企業(yè)對應的是正值，其他均為負值;從創(chuàng)新補助對總R&D 投資的影響來看，對小規(guī)模企業(yè)和高新技術企業(yè)的影響值為正，對大規(guī)模企業(yè)和非高新技術企業(yè)影響值為負。這表明，對所有企業(yè)而言，創(chuàng)新補助部分擠出企業(yè)自主 R&D 投資;從分組樣本看，其對小規(guī)模企業(yè)自主 R&D投資有刺激作用，部分擠出高新技術企業(yè)自主 R&D 投資，完全擠出大規(guī)模企業(yè)和非高新技術企業(yè)的自主 R&D 投資。從顯著性來看，對非高新技術企業(yè)自主 R&D 投資的負向影響在 90%置信水平下顯著，其他均不顯著。

�。ㄋ模┻M一步研究

　上述研究表明，創(chuàng)新補助對當期企業(yè) R&D 投資額的效果和誘導效應均不顯著，接下來驗證是否創(chuàng)新補助對企業(yè)研發(fā)的影響有時滯效應。

　表 6 顯示了創(chuàng)新補助對企業(yè) R&D 投資的滯后效果，共列示了滯后 7 期的結果。平均而言，創(chuàng)新補助對自主 R&D投資額和總 R&D 投資額滯后 4 期的正效應顯著。分樣本來看，對中小規(guī)模企業(yè)而言，創(chuàng)新補助對 R&D 投資額滯后 1 期和 2 期有顯著正效應;對高新技術企業(yè)而言，創(chuàng)新

　補助對 R&D 投資額滯后 6 期有顯著正效應;而創(chuàng)新補助對大規(guī)模企業(yè)和非高新技術企業(yè)的滯后影響不顯著。

　我們的理解是，中小規(guī)模企業(yè)因為本身規(guī)模較小，難以承受研發(fā)失敗的風險，更加需要政府創(chuàng)新補助資金啟動研發(fā)，創(chuàng)新補助對于中小規(guī)模企業(yè)來說相當于“雪中送炭”;而大規(guī)模企業(yè)和高新技術企業(yè)的平均 R&D 投資在沒有政府補助時就較多（表 2），或許已經接近或達到社會最優(yōu)，且大規(guī)模企業(yè)承受風險能力強，創(chuàng)新補助對于大規(guī)模企業(yè)和高新技術企業(yè)來說相當于“錦上添花”，以至于政府創(chuàng)新補助對大規(guī)模企業(yè)的效果并不顯著，對高新技術企業(yè)的正效應滯后 6 期。

　六 結 論

　本文以 2008—2016 年上市非金融 2587 家企業(yè) 16376 個觀測值的非平衡面板數(shù)據(jù)為樣本，運用匹配模型處理政府補助的內生性問題，研究創(chuàng)新補助對企業(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)新補助對企業(yè)自主 R&D投資強度有顯著負效應，但對非高新技術企業(yè)的自主

　R&D 投資強度負效應不顯著。第二，創(chuàng)新補助完全擠出非高新技術企業(yè)的自主 R&D 投資。第三，創(chuàng)新補助對自主 R&D 投資存在滯后效應，對中小規(guī)模企業(yè)的滯后 1、2期自主 R&D 投資有顯著刺激作用，對大規(guī)模企業(yè)和非高新技術企業(yè)無滯后影響。

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

　基于研究結論，本文有以下幾方面的建議：第一，政府應創(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致政府政策效果不明顯的狀況;第二，政府應公開披露創(chuàng)新補助的信息，建立公平合理的評價指標體系，減少尋租等暗箱操作行為，同時也加強企業(yè)間公平競爭;第三，政府應在實施補助前充分了解調查企業(yè)，避免出現(xiàn)企業(yè)“騙補”行為;第四，政府在保持公正透明

　的前提下可以擴大企業(yè)創(chuàng)新的補助的覆蓋面。

　從研究的進展來說，本文只是研究了政府是否補助這一二元變量，沒有涉及政府補助的金額對企業(yè)自主 R&D 投資的影響，這是本文的不足之處，也是未來研究的方向。

相關熱詞搜索：補助 刺激 自主