政府研发补贴对创新绩效的影响：创新能力视角
政府研发补贴对创新绩效的影响：创新能力视角政府研发补贴对创新绩效的影响：创新能力视角颜晓畅(北京大学 经济学院，北京100871)摘 要： 近年来，我国政府为鼓励科技创新活动投入了大量研发补贴，而政府研发补贴是否有效提升了创新绩效？其具体影响机制是怎样的？企业创新能力和区域创新能力又发挥着何种作用？这些问题都亟待研究。本文以全国31个省份规模以上工业企业为研究样本，基于2008—2016年的省级面板数据，通过构建五个固定效应面板回归模型，研究了政府研发补贴对创新绩效的影响，同时，从企业创新能力和区域创新能力的视角，探讨了该影响路径上的中介效应和调节效应。结果表明，我国政府研发补贴对创新绩效有一定的促进作用；同时，企业创新能力在该影响路径上起重要的中介作用，区域创新能力对研发补贴与企业创新能力的关系起正向调节作用。本文研究结果，填补了政府研发补贴影响创新绩效的路径上，关于内部影响机制研究的空白；同时，对我国制定并完善有利于市场竞争的研发补贴政策有一定参考价值。关键词： 政府研发补贴； 创新绩效； 创新能力； 中介机制； 调节作用一、引言为充分发挥市场在配置创新资源中的决定性作用，同时发挥好政府的引导作用，我国政府通过各种政策手段支持市场在科技创新中的主导地位。研发补贴，是政府支持企业科技创新活动经常使用的政策工具之一，该政策由于简单直接，在国内外被广泛使用。但政府研发补贴是否能有效提升创新绩效？这始终是学界研究的热点问题。对该问题的正确认识，有助于政府不断完善并实施相关政策，以充分发挥其对我国科技创新的推动作用。关于政府研发补贴对创新绩效的影响，国内外学者已取得一定的研究成果，但结论存在分歧：比如陆国庆等(2014)基于中国上市公司的数据，使用超越对数CDM模型和迭代三阶段最小二乘法，证明了政府研发补贴对创新绩效有显著正向影响；同样以中国上市公司为研究样本，陈玲、杨文辉(2016)使用倾向得分匹配法进行研究，结果表明，政府研发补贴会促进创新绩效的提升；而李永友、叶倩雯(2017)基于科技型中小企业微观数据和中国工业企业数据，通过构建线性回归模型进行实证分析，发现政府研发补贴对创新绩效并无显著影响。通过对相关文献的梳理发现，学者们虽已取得一定研究成果，但仍存在不足亟待完善：其一，关注政府研发补贴对创新绩效影响的相关研究仍相对较少，已有文献大多关注政府补贴总量对创新绩效的影响。然而，政府补贴是总量概念，它不仅包括对创新活动的补贴，也包括对其他活动的补贴，因而针对性较低。其二，即便是政府研发补贴创新效应的相关研究，也缺乏关于其内部影响机制的分析。其三，现有研究大多基于微观企业数据，而基于省级层面数据的相关研究较少。然而微观企业层面的研究往往由于企业所属行业异质性较大，因而得到的结论存在分歧。其四，关于创新绩效，大量文献使用“专利申请量”度量，但该变量一般只反映技术绩效，而未能充分考虑科技成果转化率，使用该变量无法准确反映经济绩效，很可能高估创新绩效水平。考虑到已有研究的不足，有必要进一步验证我国政府研发补贴对创新绩效的影响，并深入分析该政策的内部影响机制，以期通过对内部机制的完善和补充，最大限度地发挥政府研发补贴的效力。因此，本文通过实证分析，首先检验了政府研发补贴对创新绩效的影响。在此基础上，进一步研究了政府研发补贴是否通过企业创新能力的中介作用影响创新绩效。本文之所以从企业创新能力的视角对该影响路径的内部机制展开研究，是因为政府研发补贴能驱动创新主体对补贴等利益的追求，刺激其创新积极性，提升自身创新能力，促进创新绩效的提高。此外，对企业创新能力的研究，不能忽视环境整体创新能力的影响，因而本文同时关注区域创新能力是否对政府研发补贴与企业创新能力的关系起调节作用。本文的贡献主要体现在以下几方面：其一，关注政府研发补贴对创新绩效的影响，并从企业创新能力和区域创新能力两方面，阐述了其内部具体影响机制，在一定程度上填补了现有研究的空白；其二，基于全国规模以上工业企业的省级面板数据进行实证研究，缓解了微观企业行业异质性问题可能对实证结果造成的影响，是对基于微观企业数据所得结论的补充和进一步验证；其三，关于创新绩效，本文使用“新产品销售收入”度量，这是由于该变量能更好地反映技术创新成果的商业性产出，是创新活动市场价值的最终实现，更能体现技术创新的经济绩效水平；其四，文末提出的相关政策建议，对我国制定并完善有利于市场竞争的研发补贴政策有一定的参考价值，通过创建优胜劣汰的市场竞争机制，引导企业培育创新能力，最终有利于创新绩效的提升。二、文献综述与研究假设(一)文献综述1. 政府补贴与创新绩效国内外已有大量学者进行了关于政府补贴对创新绩效影响的研究，但结论存在较大分歧。诸多学者研究结论表明，政府补贴对创新绩效有正向影响，比如刘磊等(2013)以创业板上市公司为样本，发现政府补贴与企业创新绩效之间存在显著正相关关系；赵中华、鞠晓峰(2013)在我国22家上市军工企业也发现了政府补贴对企业创新产出的促进作用；王遂昆、郝继伟(2014)，王维等(2014)均以中小企业上市公司为样本，研究表明，政府补贴对创新产出有显著正向影响；胡永平(2014)将重庆大中型工业企业作为研究样本，分析政府补贴以及不同技术源对创新绩效的影响，结果表明，政府补贴会激励企业提升内部R&D和技术改造规模，从而提高创新绩效，李子珺(2017)则基于全国大中型工业企业的样本验证了该结论；杨洋等(2015)基于中国工业企业数据库，研究政府补贴对不同所有制企业创新绩效的影响，结果表明，政府补贴对民营企业创新绩效的正向影响更大，同时还验证了要素市场扭曲对该影响的调节作用。然而，也有一些学者认为政府补贴对创新绩效的影响呈“倒U型”，比如Görg H、Strobl E(2007)以爱尔兰制造业企业为研究样本，结果表明，小额补贴对创新绩效的影响是正向的，而大额补贴对创新绩效的影响是显著为负的；王文煜、朱卫东(2015)以中国上市公司为研究样本，证明了政府补贴与企业创新产出间的“倒U型”关系，而毛其淋、许家云(2015)从考察政府补贴适度区间的视角，进一步验证了这种关系。此外，也有学者得到其他结论，比如吴剑锋、杨震宁(2014)发现政府补贴对创新绩效并无显著影响。一要清醒认识蚌埠市“水情”。蚌埠地处淮河中游下段，属于亚热带与暖湿带的过渡区，洪涝灾害频繁，水资源时空分布严重不均仍然是蚌埠市的基本水情。据统计，2000—2007年8年间共发生干旱灾害6年，其中特大干旱1年，严重干旱2年，轻度干旱3年，旱灾发生的频率为75%。关于政府补贴对创新绩效影响的研究结论之所以存在分歧，可能的原因在于：政府补贴是总量概念，缺乏对科技创新活动的针对性。政府补贴总额确实包括对科技创新活动的补贴(即政府研发补贴)，这部分补贴对创新绩效产生直接影响；但同时，政府补贴也包括对其他活动的补贴，而这部分补贴对创新绩效产生的影响是复杂的、间接的。因此，一些学者开始逐渐关注政府研发补贴对创新绩效的影响。2. 政府研发补贴与创新绩效关于政府研发补贴对创新绩效影响的研究，国内外学者也取得了一些研究成果，但观点仍存在分歧。一些学者认为，政府研发补贴对创新绩效发挥促进作用，比如周江华等(2017)发现，我国政府研发补贴能显著提升企业创新产出水平；Cin B C等(2017)以韩国制造业中小型企业为研究对象，验证了政府研发补贴对企业研发支出和生产率的促进作用；Guo D等(2016)在证明了政府研发补贴对创新绩效正向影响的基础上，还发现该政策的有效性受到政策颁布主体的影响，地方政策的有效性高于中央政策；樊琦、韩民春(2011)基于我国28个省的面板数据，证明了政府研发补贴对我国区域自主创新产出有显著正向影响；陆国庆等(2014)以我国上市公司为样本，研究发现，政府对战略性新兴产业的研发补贴对创新绩效有显著正向影响，陈玲、杨文辉(2016)基于相同研究样本也验证了这一结论，同时还证明，政府研发补贴通过激励企业增加自主研发支出，促进了创新产出的增加。然而，也有学者得到其他结论，比如李永友、叶倩雯(2017)以我国科技型中小企业为样本，研究发现，政府研发补贴并不能有效激励企业创新行为并提高创新产出；Piekkola H(2007)将芬兰大型企业作为研究样本，结果表明，政府研发补贴并不能有效促进生产率增长；Bernini C、Pellegrini G(2011)研究了南意大利的区域研发补贴政策Law488/1992，发现该政策会显著降低全要素生产率和增长率，在长期对生产率和增长率有负面影响，即政府研发补贴会抑制创新绩效的提升。由此可见，关于政府研发补贴对创新绩效影响的相关研究结果尚未有定论。现有研究的共同点在于，大多只关注政府研发补贴对创新绩效的直接影响，而缺乏对其内部影响机制的研究，但这恰恰是分析理解政府研发补贴影响创新绩效、帮助政府进一步完善研发补贴政策的重要环节。当然，也有少量学者开始关注这一问题，孙慧、王慧(2017)将沪深创业板高新技术企业作为样本，研究发现，政府研发补贴通过激励企业研发投入，对创新绩效产生正向影响，强调了研发投入这一重要的中间环节作用。(二)理论分析与研究假设1. 政府研发补贴与创新绩效在市场机制不完善的环境下，由于研发成果的产权无法得到充分保护，在一定意义上具有公共品的特点，因而往往易出现企业研发投入不足、研发积极性降低等现象，导致市场机制的失灵，进而对全社会创新绩效产生负面影响。此时，市场机制无法自动实现资源的合理有效配置，需要政府通过适当的政策手段，积极干预经济，以维持市场秩序。从根本上讲，政府研发补贴是为矫正失灵的市场机制而存在的。一般而言，科技创新活动往往具有较高的风险性和不确定性，政府通过研发补贴为创新主体提供了必要、及时的资金支持，一方面能帮助其应对创新风险，另一方面能补充并刺激私人研发投资，从而激励创新主体的科技研发活动，最终促进创新绩效的提升。而且，在市场机制发展尚不完全的发展中国家，政府研发补贴对创新绩效的正向影响更明显。考虑到我国市场机制仍处于不断发展完善的阶段，因此，基于上述理论分析，本文提出如下假设。H1 政府研发补贴会促进创新绩效的提升。2. 企业创新能力的中介作用政府研发补贴推动创新绩效提升的过程，往往并非简单直接实现，而是通过一定的内部机制对创新绩效产生影响。现有研究虽已开始涉及关于政府研发补贴影响创新绩效的中介机制的研究，但大多将研发投入作为中介变量，而缺乏对企业创新能力中介作用的研究。然而，研发投入只是企业对政府研发补贴使用方式的体现，其结果往往直接带来创新能力的提升。事实上，政府研发补贴最直接的效果和最根本的目的在于，帮助实现更活跃的市场竞争，激励创新主体提升创新能力。具体而言，政府通过提供研发补贴，优化了市场竞争环境，构建了创新能力培育机制，促使企业出于对补贴等利益的追求，积极进行创新活动，提升自身创新能力，最终促进创新绩效的全面提升。Ergas H(1987)指出，企业创新能力的中介作用在于，一方面能直接带来创新收益，另一方面，能通过降低创新活动的成本和风险，提升创新动力，从而间接带来创新效益。此外，一些学者虽未能关注企业创新能力的中介作用，但也取得一些支持该中介作用的其他相关研究成果，比如陈钰芬等(2012)，肖丁丁等(2013)研究表明，政府研发补贴对企业创新能力有显著正向影响，张志华、陈向东(2016)，陈艳、范炳全(2013)证明了企业创新能力的提升能显著促进创新绩效。因此，基于上述理论分析和相关研究，本文提出如下假设。H2 在政府研发补贴与创新绩效间的关系中，企业创新能力起中介作用。3. 区域创新能力的调节作用区域发展不平衡，是我国经济发展的显著特征之一，不仅在经济方面，我国在科学技术水平方面也表现出显著的区域异质性。曾刚(2002)研究发现，我国不同地区在科学技术水平、人力资本水平、市场化程度等方面均有显著差异，这一方面会导致各区域创新能力的差异，另一方面也会最终带来创新绩效水平的差异。现有研究大多是关于区域创新能力对企业创新能力影响的研究，结果显示，各地区整体的创新能力一般会通过技术扩散、技术成果共享、合作等方式，对其中个体的创新能力产生正向影响。一般而言，创新能力较低的企业，若处于科学技术水平较高的地区，可通过区域内技术扩散提升自身创新能力。基于此，当我们将区域创新能力置于政府研发补贴影响企业创新能力的研究框架中时，就需要考虑区域创新能力对企业创新能力可能存在的正向影响，即区域创新能力对政府研发补贴与企业创新能力的关系起正向调节作用。具体而言，当区域整体的创新能力较高时，意味着政府研发补贴对区域内各企业创新能力促进作用的总效应较大，这一总效应会通过技术扩散对各企业创新能力产生更大的积极影响，从而以较高的幅度放大了政府研发补贴对各企业创新能力单独的促进作用；反之，当区域整体的创新能力较低时，意味着政府研发补贴对区域内各企业创新能力促进作用的总效应较小，这一总效应会通过技术扩散对各企业创新能力产生较小的积极影响，因而以较低的幅度放大了政府研发补贴对各企业创新能力单独的促进作用。上述两种情形均意味着，区域创新能力通过政府研发补贴对企业创新能力的提升起到正向调节作用。因此，基于上述理论分析，本文提出如下假设。H3 区域创新能力对政府研发补贴与企业创新能力的关系起正向调节作用。当区域创新能力较高时，能以较高的幅度放大政府研发补贴对区域内各企业创新能力的促进作用；当区域创新能力较低时，能以较低的幅度放大政府研发补贴对区域内各企业创新能力的促进作用。三、实证模型与数据选取(一)模型设定关于创新绩效的研究，国内外学者大多基于内生性增长理论构建模型。Jaffe A B(1989)分别使用R&D经费和人力资源投入代表资本存量和劳动力，研究两要素对创新绩效的影响。周明、李宗植(2011)的研究，不仅考虑上述两个自变量，为研究政府补贴对创新绩效的影响，还引入了政府支持力度作为自变量。考虑到本文探讨的重点问题是，我国政府研发补贴对创新绩效的影响，以及企业创新能力和区域创新能力分别在其中发挥的中介作用和调节作用。因此，借鉴周明、李宗植(2011)的研究方法，并针对本文研究目标，构建如下五个模型。1. 政府研发补贴对创新绩效的总效应针对H1，为检验政府研发补贴对创新绩效影响的总效应，本文以政府研发补贴为自变量，以创新绩效为因变量，构建模型(1)作为基准模型newit=β1 gfundit-1+γ1 employit+η1 rdexpit-1+ρ1noit+σit+μit(1)其中，new代表创新绩效，gfund代表政府研发补贴，employ代表研发人员投入，rdexp代表研发资本投入，no代表研发规模；i代表全国31个省份，t代表年份(2008-2016年)；β、γ、η、ρ代表回归系数；α代表各省份截距；μit代表随机误差项。2.企业创新能力的中介作用针对H2，为研究在政府研发补贴影响创新绩效的路径上，企业创新能力的中介作用，本文借鉴温忠麟等(2004)的中介效应检验法，分两步进行检验：第一步，通过模型(2)检验政府研发补贴对企业创新能力的影响；第二步，在模型(1)的基础上引入中介变量企业创新能力，得到模型(3)，通过比较模型(1)至模型(3)的实证结果，得到关于企业创新能力中介作用的结论。模型(2)和模型(3)构建如下patit=β2 gfundit-1+γ2 employit+η2 rdexpit-1+ρ2 noit+σ2i+μit(2)newit=β3gfundit-1+δ3 patit+γ3 employit+η3 rdexpit-1+ρ3 noit+σ3i+μit(3)其中，pat代表企业创新能力；δ代表回归系数。3.区域创新能力的调节作用针对H3，本文进一步研究了区域创新能力对政府研发补贴与企业创新能力之间关系的调节作用。考虑到政府研发补贴和区域创新能力，即自变量和调节变量，均为连续变量，因此，本文使用层次回归分析法。第一步，对模型(2)进行回归；第二步，在模型(2)的基础上引入调节变量区域创新能力，得到模型(4)进行回归；第三步，在模型(4)的基础上引入政府研发投入和区域创新能力的交互项，得到模型(5)进行回归。最后，通过分析交互项回归系数的显著性及大小，得到关于区域创新能力调节作用的结论；同时，也可通过比较模型(4)和模型(5)拟合优度的变化，对得到结论做进一步验证。模型(4)和模型(5)构建如下patit=β4 gfundit-1+θ4 contractit+γ4employit+η4rdexpit-1+ρ4 noit+α4c+μit(4)patit=β5 gfundit-1+θ5 contractit+λ5 contractit*gfundit-1+γ5 employit+η5 rdexpit-1+ρ5 noit+α5t+μit(5)其中，contract代表区域创新能力；θ、λ代表回归系数。生活在别处——刘玉堂的沂蒙农村题材小说………………………………………………………………………………宿美丽（3.54）一般而言，企业获得政府研发补贴需经过一系列审批流程，符合相应条件的企业，经批准才能获得补贴，之后，政府研发补贴作为企业R&D经费的重要组成部分，被企业投入研发活动中，并最终带来创新绩效，整个过程往往需要一段较长的时间。因此，在建立上述模型时，不能忽略政府研发补贴和研发资本投入变量的滞后期选择问题，否则会带来估计结果的偏误。关于研发资本投入滞后期的研究，一些学者通过大量实验发现，从企业将研发补贴作为研发资本的一部分，落实到研发活动、带来研发成果，并最终实现经济效益的整个过程，大约需要1年。因此，本文在模型中使用滞后1期的政府研发补贴和研发资本投入变量，用于接下来的回归分析。关于面板数据回归模型的选择，常用的一般包括固定效应模型和随机效应模型。当样本包含所有截面单元，而非从截面单元中随机抽取时，更适合使用固定效应模型。本文的研究样本覆盖了全国31个省份规模以上工业企业的省级面板数据，并非随机抽取，因而更适合使用固定效应模型。同时，通过对前述五个模型进行Hausman检验，本文进一步验证了使用固定效应模型回归的合理性。(二)变量设置1．因变量本文的因变量为创新绩效(new)，关于该变量的度量，现有研究中比较常用的方法是“专利申请量”和“新产品销售收入”。为避免“专利申请量”在衡量创新产出经济绩效时，可能出现的低估现象，国内外学者常使用“新产品销售收入”度量创新绩效。本文借鉴前人研究方法并结合数据的可得性，使用“新产品销售收入”衡量创新绩效。博雅平台也是一个好的在线教学平台，它通过互联网的使用，将课程与在线相结合。博雅平台是一个资源丰富的学习平台，它包含的学科比较多，能够很好地满足各种学科的学习。它支持在线授课，在线交流学习，还可以进行相应的学业评估。这种教学方法对我们的学习有很大的好处，也有了很多的可选择的学习方法。博雅平台的使用使学习更方便，更多元化。2．自变量政府研发补贴(gfund)，以每年各省政府研发补贴总额表示。企业创新能力(pat)，本文参考付敬、朱桂龙(2014)，樊琦、韩民春(2011)的方法，以每年各省企业发明专利申请总数度量。区域创新能力(contract)，本文参考梁玺、吴贵生(2008)的方法，以当年技术市场上技术合同流入该地区[注]地区的划分，按照《中国统计年鉴》中的分类方式：东部地区，包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南；中部地区，包括黑龙江、吉林、山西、内蒙古、安徽、江西、河南、湖北、湖南；西部地区，包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。的总额度量，用于进一步研究区域创新能力对政府研发补贴和企业创新能力关系的调节作用。生物农药在选择过程中要选择经过有机机构认证的杀虫剂，这部分杀虫剂通常来源于天然资源，能够在田间很快降解，对环境造成的危害较小。例如可以选择植物提取物、昆虫生长调节剂、干扰害虫交配的信息素、肥皂、矿物质粉等制剂进行控制。生物杀虫剂具有高度的专业性，不会对人类和有益昆虫造成危害。目前推广应用较好的生物农药主要有苏云杆菌、植物源杀虫剂、特殊配制的含有高脂肪酸的皂液、休眠油、昆虫信息素、高岭土等。3．控制变量为控制其他因素可能对创新绩效产生的影响，模型中引入了必要的控制变量，包括研发人员投入、研发资本投入和研发规模。第一，研发人员投入(employ)，用每年各省R&D人员全时当量度量。一些学者研究结果显示，R&D人员对创新绩效有正向影响，因而有必要在模型中加以控制。比如Smith N、Thomas E(2016)发现，研发人员投入对专利应用数量和新技术开发数量均有显著正向影响，Iammarino S等(2008)发现，员工知识水平的提高能推动企业技术创新能力的发展。第二，研发资本投入(rdexp)，用每年各省R&D经费支出度量。现有研究表明，R&D经费支出对创新绩效和盈利率均有显著正向影响，因而本文在模型中使用R&D经费支出，以控制研发资本增量水平产生的影响。第三，研发规模(no)，用每年各省开展研发活动的规模以上工业企业的数量度量，以控制研发规模存量水平对创新绩效的影响。(三)数据来源及数据处理本文所有数据均来源于《中国科技统计年鉴》、《中国统计年鉴》以及中国科学技术部网站，覆盖了2008—2016年，全国31个省份规模以上工业企业的省级面板数据，包含279个观测样本的有效数据。表1 各变量描述性统计http://rtt.5read.com/pdgpath/format?f=787b6fbc0a5c84ae69a7974d602770b0/8283ec5451ad04023c730cff91c716ec.jpg&q=30 变量名样本期望值标准差极小值极大值创新绩效2796.4700.8193.6477.899政府研发补贴2799.2391.5891.44511.351企业创新能力2797.5391.7421.94611.130研发人员投入27910.2511.7013.13513.021研发资本投入27912.2751.6466.01714.846研发规模2798.6231.4283.98910.795区域创新能力2796.4780.3475.7497.048在进行实证研究之前，本文首先进行了一些必要的数据处理工作。其一，为消除物价波动因素对研究结果的影响，使用GDP平减指数对所有与财务相关的变量进行平减处理，包括创新绩效、政府研发补贴、研发资本投入和区域创新能力；其二，为避免各变量计量单位的差异带来的异方差以及非线性等问题，本文对所有变量取自然对数。进行上述数据处理后，各变量描述性统计结果如表1所示。可以看出，企业创新能力的标准差在所有变量中最大(1.742)，反映了各省份之间企业创新能力存在较大差异。尽管如此，经过处理后的各变量标准差均低于1.8，数据表现良好，可被用于后续回归分析中。四、实证分析(一)变量平稳性检验及协整检验要使用上述变量进行实证分析，首先需确保数据的平稳性，以避免可能出现的估计偏误、传统假设检验失效及伪回归等问题。因此，我们对上述面板数据进行单位根检验。本文使用了四种常用的面板数据单位根检验方法来检验变量的平稳性，包括LLC检验，IPS检验，ADF-Fisher检验和PP-Fisher检验。由于不同单位根检验方法原理不同，所得结果经常不一致，为保证结果的稳健性，本文使用四种单位根检验方法，且将同时通过四个检验的变量认定为平稳，其余变量为非平稳。表2中结果显示，政府研发补贴、研发资本投入、研发规模和区域创新能力是非平稳变量，其余变量均是平稳变量。经过一阶差分处理后，所有变量均同时通过四个单位根检验。表2 各变量单位根检验结果http://rtt.5read.com/pdgpath/format?f=787b6fbc0a5c84ae69a7974d602770b0/8c104611dff55dab649c1a86c8463af9.jpg&q=30 变量LLC检验IPS检验ADF-Fisher检验PP-Fisher检验结果new-19.826***-9.512***379.884***104.940***平稳gfund-0.508-0.850138.993***97.699***非平稳pat-13.304***-2.611***185.923***192.518***平稳rdexp -5.175***1.28990.547**108.165***非平稳employ-11.713***-3.365***257.885***169.742***平稳no-0.63011.230 338.451***7.802非平稳contract -7.900***3.31462.80320.078非平稳dnew-23.209***-4.943***432.121***390.275***平稳dgfund-0.027*-4.548***94.948***397.297***平稳dpat-47.913***-4.734***542.682***548.607***平稳drdexp-13.535***-4.220***236.099***422.023***平稳demploy-26.694***-5.369***276.937***491.245***平稳dno-15.881***-4.419***215.595***81.372*平稳dcontract-15.257***-2.654***137.066***87.374**平稳
注：*、**、***分别表示在10%、5%和1%的水平上显著。接下来，对各模型进行了协整检验，以防止由于非平稳变量的存在造成的谬误回归现象。本文使用Kao、Chiang(1997)提出的KAO面板协整检验，对五个模型分别进行检验，以判断变量之间是否存在长期稳定的协整关系。协整检验结果显示，本文所有模型的协整统计量均在1%水平上显著，证明各变量之间存在长期稳定的协整关系，可以直接被用于后续的面板回归分析中。(二)回归结果分析1．政府研发补贴对创新绩效的总效应通过对模型(1)进行回归，本文首先考察了政府研发补贴对创新绩效的影响。表3第2列回归结果显示，政府研发补贴在5%的水平上显著，且系数为0.039 4，说明政府研发补贴对创新绩效有正向影响，验证了假设H1。该结果证明，我国政府当前对企业科研活动的补贴，总体上能够满足国家推动创新发展的初衷，有效提升了创新绩效。此外，关于控制变量的结果，表3第2列回归结果显示，研发人员投入的系数在5%的显著性水平上为正，但研发资本投入和研发规模的系数均不显著。该结果说明，我国企业科技创新活动中的研发人员投入，对创新绩效有显著促进作用，但研发资本投入和研发规模的提升，不一定能带来创新绩效的增加。可能的原因在于：其一，企业对研发资本的利用效率较低，即便提升研发资本投入和研发规模水平，也无法带来相应的科技产出；其二，即使研发资本投入实现了合理的科技产出水平，但由于科技成果转化率较低，仍无法带来相应的经济产出，造成以经济绩效衡量的创新绩效水平提升不显著。2．企业创新能力的中介作用为检验在政府研发补贴影响创新绩效的路径上，企业创新能力发挥的中介作用，本文通过两步对两个模型进行实证分析。第一步，对模型(2)进行回归，检验政府研发补贴与企业创新能力的关系。由表3中第3列结果可知，政府研发补贴在1%的水平上显著，且系数为0.078 6，说明政府研发补贴对企业创新能力有显著促进作用，证明了我国研发创新政策在激励企业提升科研创新能力方面的有效性。第二步，在模型(1)的基础上引入中介变量企业创新能力，得到模型(3)。表3中第4列的回归结果显示，企业创新能力在1%的水平上显著，且系数为0.122 6，说明企业创新能力与创新绩效显著正相关。根据温忠麟等(2004)的中介效应检验法，如果模型(1)和模型(2)中政府研发补贴变量的系数，以及模型(3)中企业创新能力变量的系数均显著，那么中介效应显著，因而至此我们已证明了企业创新能力中介效应的存在，验证了假设H2。进一步将表3中模型(3)的回归结果同模型(1)比较可知，政府研发补贴的系数虽仍是显著的，但有所减小，从0.039 4降低为0.030 3，即政府研发补贴对创新绩效的直接影响有所减小，证明企业创新能力在政府研发补贴影响创新绩效的路径上产生的是部分中介效应。此外，根据三个模型变量系数的大小，可量化政府研发补贴的直接效应和中介效应。具体来看，政府研发补贴每增加1%，一方面能直接带来创新绩效0.030 3%的提升，另一方面能通过提升企业创新能力，间接带来创新绩效0.009 1%的提升。[注]根据温忠麟等(2004)提出的中介效应检验方法，若自变量对因变量的总效应为a，直接效应为a′，自变量对中介变量的效应为b，中介变量对因变量的效应为c，那么，有如下等式成立：a=aN+b*c。3．区域创新能力的调节作用前面已证明了在政府研发补贴影响创新绩效的路径上，企业创新能力发挥的中介作用，为进一步检验H3，即区域创新能力对政府研发补贴与企业创新能力关系的调节作用，本文使用层次回归分析法进行研究，结果如表3所示。第3列给出了调节效应检验的第一步，即模型(2)的回归结果。智能手机里至少有9种稀土材料；离开了稀土材料，潜艇声呐就是摆设；爱美女士必备的口红，如今都有了稀土的身影……第二步，在模型(2)的基础上加入调节变量——区域创新能力，对模型(4)进行回归。表3第5列结果显示，政府研发补贴和区域创新能力分别在5%和1%的显著性水平上对企业创新能力有正向影响，一方面再次证明我国政府对创新研发活动的补贴是有效的，另一方面说明区域创新能力越高，越有利于促进区域内各企业创新能力的提升。第三步，在模型(4)基础上引入区域创新能力和政府研发补贴的交互项，对模型(5)进行回归。表3第6列回归结果显示，政府研发补贴和区域创新能力的系数仍显著为正，同时，交互项系数在10%的水平上显著，且系数为0.236 5，说明政府研发补贴与区域创新能力的交互作用对企业创新能力的影响是显著为正的，即证明了区域创新能力的正向调节作用，验证了假设H3。此外，本文还进行了Vuong检验，通过比较模型(4)和模型(5)R2的差异是否显著，进一步验证区域创新能力的调节作用。表3中结果显示，模型(4)和模型(5)的R2分别为0.764 4和0.777 0，且两模型的Vuong统计值在1%的水平上显著，说明两模型R2的差异是显著的，相较于模型(4)，引入交叉项后的模型(5)的拟合优度提升显著，该结果再次验证了区域创新能力对政府研发补贴与企业创新能力关系的调节作用。上述分析结果说明，在我国政府研发补贴促进企业创新能力提升的过程中，区域创新能力对两者间的关系起正向调节作用。具体而言，区域整体创新能力越高，意味着政府研发补贴对区域内各企业创新能力促进作用的总效应较大，在技术扩散的作用下，各企业的创新能力均受到这一总效应的积极影响，从而以较高的幅度放大了政府研发补贴对各企业创新能力单独的促进作用。表3 模型回归结果http://rtt.5read.com/pdgpath/format?f=787b6fbc0a5c84ae69a7974d602770b0/ede98fe2ab221c732249404f97c23dc1.jpg&q=30 变量模型(1)模型(2)模型(3)模型(4)模型(5)newpatnewpatpatl.gfund0.039 4**(0.018 5)0.078 6***(0.018 2)0.030 3*(0.015 4)0.075 9**(0.033 5)0.075 6***(0.018 8)pat——0.122 6***(0.040 7)——contract———1.552 5***(0.231 5)1.372 8***(0.324 8)l.gfund*contract————0.236 5*(0.137 7)l.rdexp0.007 3(0.118 9)0.611 0***(0.219 7)-0.006 5(0.135 5)0.402 0*(0.201 5)0.358 2**(0.162 9)employ0.109 2**(0.044 9)0.289 7(0.185 6)0.102 6**(0.046 8)0.145 4(0.126 0)0.101 3(0.139 6)no0.063 2(0.072 9)1.364 8***(0.333 8)0.032 5(0.072 3)0.588 7**(0.243 0)0.739 3***(0.200 5)常数项5.075 4***(0.960 6)-14.941 1***(2.441 3)5.412 4***(1.334 5)-13.868 4***(1.687 9)-0.456 5(9.142 6)R-sq0.886 90.658 40.887 70.764 40.777 0F5.8127.925.4457.5454.87Prob>F0.001 400.001 100Vuong Z-Statistic9.874 9***
注：括号内为聚类稳健标准误；**、***分别表示在5%和1%的水平上显著。(三)稳健性检验得到上述实证结果后，为确保结论的稳健性，本文又做了如下稳健性检验。事实上，本文前面的实证研究中，内在地施加了一条强假设——政府研发补贴是外生变量，这一假设也是大多数现有研究的前提假设。然而，该假设并不一定成立，政府研发补贴可能是内生变量，这是由于该变量受到诸多因素的影响，比如企业创新潜力、企业与政府的关系、政府科技发展规划、产业政策导向等，这些因素共同导致企业在获得政府研发补贴时自我选择问题的存在。David等(2000)指出，当前关于政府研发补贴政策效应的研究结论莫衷一是的原因，很大程度上是由于忽略了政府研发补贴变量的内生性问题。因此，本文在充分考虑内生性问题的情况下，使用两阶段最小二乘法(2SLS法)进行稳健性检验。要使用2SLS法，首先必须找到合适的工具变量，本文将各省份规模以上工业企业的总营业收入作为政府研发补贴的工具变量，原因如下：其一，营业收入满足外生性，与本文各模型中的误差项不相关，与创新绩效和企业创新能力均无直接关系；其二，营业收入与政府研发补贴有较强的相关性，这是由于中央和各级地方政府在审批和发放研发补贴时，往往将企业营业收入等经济指标作为重要的评价标准，营业收入等经济指标表现越突出的企业，往往越能得到政府对其研发活动的补贴支持。基于上述原因，我们认为企业营业收入可以作为政府研发补贴的工具变量，被用于2SLS法回归分析中。表4给出了使用2SLS法对模型(1)至模型(5)进行稳健性检验的第二阶段回归结果[注]此处仅列示了2SLS法第二阶段中核心解释变量、中介变量、调节变量和交互项的回归结果；关于其他控制变量，以及2SLS法第一阶段的回归结果，由于与本文假设检验结论不直接相关，因而此处省略。，结果显示，政府研发补贴对创新绩效的促进作用，企业创新能力的中介作用，以及区域创新能力对政府研发补贴和企业创新能力关系的调节作用，仍然是显著的。总体而言，在使用2SLS法处理内生性问题后，回归结果中给出的各变量系数的显著性和符号，基本上均与表3一致，说明尽管政府研发补贴可能是内生变量，存在自我选择的问题，但这一问题并未对结论造成影响，本文实证结果是稳健的。表4 稳健性检验——2SLS法 (Step2)http://rtt.5read.com/pdgpath/format?f=787b6fbc0a5c84ae69a7974d602770b0/f6b590c94c28ea38ef3df37a500dd72c.jpg&q=30 变量模型(1)模型(2)模型(3)模型(4)模型(5)newpatnewpatpatl.gfund0.423 9*(0.209 0)0.089 5*(0.052 8)0.405 3*(0.209 1)0.085 0*(0.045 2)0.083 1**(0.035 2)pat——0.189 4***(0.064 9)——contract ———0.667 7***(0.125 5)0.547 8***(0.102 5)l.gfund*contract ————0.201 4*(0.112 1)
注：括号内为聚类稳健标准误；*、**、***分别表示在10%、5%和1%的水平上显著。五、结论与政策建议本文构建了系统的理论框架，在研究政府研发补贴对创新绩效影响的基础上，进一步分析在该影响路径上企业创新能力发挥的中介作用，以及区域创新能力对政府研发补贴和企业创新能力关系的调节作用，填补了现有研究的空白。基于全国规模以上工业企业2008年至2016年的省级面板数据，本文通过五个面板数据回归模型，对理论假设进行检验。研究结果表明：第一，我国政府研发补贴能够激励企业进行创新研发活动，对创新绩效有显著正向影响；第二，在政府研发补贴影响创新绩效的路径上，企业创新能力具有显著的部分中介作用，即政府研发补贴的增加，一方面能直接促进创新绩效提升，另一方面有助于构建并完善创新能力培育机制，通过提高企业创新能力，进而带来创新绩效的提升；第三，区域创新能力对政府研发补贴与企业创新能力的关系有正向调节作用。上述实证结果，对我国政府进一步制定并完善有利于市场竞争的研发补贴政策有一定的参考价值。基于此，本文提出如下政策建议：第一，政府应着力完善研发补贴政策，不断优化市场竞争环境，促进企业间良性竞争，使政府研发补贴能真正有效地激励企业通过创新活动实现技术升级和创新能力提升，通过企业创新能力的中介作用，提升创新效率，最终带来更高的创新绩效。第二，政府需充分重视并发挥区域创新能力在政府研发补贴促进企业创新能力过程中的正向调节作用，放大研发补贴的效用。具体而言，政府应充分考虑不同地区经济社会特征以及企业创新能力的差异，有针对性地制定科技创新政策：一方面，着重加强对技术水平落后地区的支持力度，直接促进落后区域创新能力的培养和创新绩效的提升，从而推动全国科技水平和经济水平的整体提升；另一方面，鼓励各地区之间开展科技合作，实现全国技术水平平衡联动发展。尽管本文得出了具有理论和实践意义的结论，但仍存在诸多不足。比如税收政策、知识产权保护政策、政府采购政策等，也是中央及地方政府常用的创新政策工具，但由于时间及数据的限制，本文未对其它创新政策工具的绩效及其影响机制进行分析，这也是未来进一步研究的方向。参考文献 安同良，周绍东，皮建才. R&D补贴对中国企业自主创新的激励效应. 经济研究，2009(10)：87-98.陆国庆，王舟，张春宇. 中国战略性新兴产业政府创新补贴的绩效研究. 经济研究，2014(7):44-55.陈玲，杨文辉. 政府研发补贴会促进企业创新吗?——来自中国上市公司的实证研究. 科学学研究，2016，34(3):433-442.李永友，叶倩雯. 政府科技创新补贴的激励效应及其机制识别——基于企业微观数据的经验研究. 财经论丛，2017，228(12):22-32.Görg H, Strobl E. The Effect of R&D Subsidies on Private R&D. Economica, 2007, 74(294):215-234.吴剑峰，杨震宁. 政府补贴、两权分离与企业技术创新. 科研管理，2014，35(12):54-61.孙慧，王慧. 政府补贴、研发投入与企业创新绩效——基于创业板高新技术企业的实证研究. 科技管理研究，2017，37(12):111-116.Mukherjee A, Singh M， http://rtt.5read.com/pdgpath/format?f=787b6fbc0a5c84ae69a7974d602770b0/8fc004064e3f4d002b105f2e9557f956.jpg A. Do Corporate Taxes Hinder Innovation? . Journal of Financial Economics, 2017, 124(1): 195-221.刘磊，李海燕，庞遥遥. 企业技术创新与政府补贴行为间关系的实证研究——基于创业板上市公司的经验证据. 技术经济，2013，32(12):21-24.赵中华，鞠晓峰. 技术溢出、政府补贴对军工企业技术创新活动的影响研究——基于我国上市军工企业的实证分析. 中国软科学，2013(10):124-133.王遂昆，郝继伟. 政府补贴、税收与企业研发创新绩效关系研究——基于深圳中小板上市企业的经验证据. 科技进步与对策，2014(9):92-96.王维，郑巧慧，乔朋华. 金融环境、政府补贴与中小企业技术创新——基于中小板上市公司的实证研究. 科技进步与对策，2014(23):87-92.胡永平. 政府补贴、技术来源与创新绩效——基于重庆大中型工业企业的实证研究. 技术经济与管理研究，2014(7):46-50.李子珺. 不同行业政府补贴对于企业创新绩效的影响效应研究——对行业面板数据的实证分析. 中国商论，2017(14):158-160.杨洋，魏江，罗来军. 谁在利用政府补贴进行创新? ——所有制和要素市场扭曲的联合调节效应. 管理世界，2015(1):75-86.王文煜，朱卫东. 政府补贴对企业创新投入及创新产出的影响研究. 合肥工业大学学报(社会科学版) ，2015(4):14-20.毛其淋，许家云. 政府补贴对企业新产品创新的影响——基于补贴强度“适度区间”的视角. 中国工业经济，2015(6)：94-107.周江华，李纪珍，刘子諝，等. 政府创新政策对企业创新绩效的影响机制. 技术经济，2017，36(1):57-65.Cin B C, Kim Y J, Vonortas N S. The Impact of Public R&D Subsidy on Small Firm Productivity: Evidence from Korean SMEs. Small Business Economics, 2017, 48(2):345-360.Guo Di, Guo Yan, Jiang Kun. Government-Subsidized R&D and Firm Innovation: Evidence from China. Research Policy, 2016, 45(6): 1129-1144.樊琦，韩民春. 政府R&D补贴对国家及区域自主创新产出影响绩效研究——基于中国28个省域面板数据的实证分析. 管理工程学报，2011，25(3):183-188.Piekkola H. Public Funding of R&D and Growth: Firm-Level Evidence from Finland . Economics of Innovation & New Technology, 2007, 16(3): 195-210.Bernini C, Pellegrini G. How are Growth and Productivity in Private Firms Affected by Public Subsidy? Evidence from a Regional Policy. Regional Science & Urban Economics, 2011, 41(3): 253-265.Arrow K J. The Economic Implications of Learning by Doing . The Review of Economic Studies, 1962, 29(3): 155-173.陈信元, 黄俊. 政府干预、多元化经营与公司业绩. 管理世界, 2007(1):92-97.Claudio P，Rubini L，Podetti S. Government Support and R&D Investment Effectiveness in Chinese SMEs: A Complex Relationship . Asian Economic Papers, 2017, 16(1): 201-226.周海涛, 林映华. 政府支持企业科技创新市场主导型政策构建研究——基于“市场需求—能力供给—环境制度”结构框架. 科学学与科学技术管理, 2016, 37(5):3-16.郝刚, 张维. 中国财政科技投入资金的引导、衔接功能研究. 中国软科学, 2006(9):76-81.刘会武, 卫刘江, 王胜光，等. 面向创新政策评价的三维分析框架. 中国科技论坛, 2008(5):33-36.Ergas H. Does Technology Policy Matter?. Technology and Global Industry, 1987.陈钰芬, 周昇, 黄梦娴. 政府科技资助对引导企业R&D投入的杠杆效应分析——基于浙江省规模以上工业企业R&D投入面板数据的实证分析. 科技进步与对策, 2012, 29(1):21-26.肖丁丁, 朱桂龙, 王静. 政府科技投入对企业R&D支出影响的再审视——基于分位数回归的实证研究. 研究与发展管理, 2013, 25(3):25-32.张志华, 陈向东. 企业学习方式、创新能力与创新绩效关系的实证研究. 系统管理学报, 2016, 25(5):829-836.陈艳, 范炳全. 中小企业开放式创新能力与创新绩效的关系研究. 研究与发展管理, 2013, 25(1):24-35.曾刚. 技术扩散与区域经济发展. 地域研究与开发, 2002, 21(3):38-41.刘灿辉, 曾繁华,周华. FDI技术溢出与挤出效应——基于DEA与湖北省面板数据的实证分析. 经济与管理研究, 2012(4):64-70.梁玺, 吴贵生. 以北京为源头的技术市场扩散与区域生产率. 科学学研究, 2008, 26(1):115-118.Jaffe A B. Real Effects of Academic Research. The American Economic Review, 1989, 79(5): 957-970.周明，李宗植. 基于产业集聚的高技术产业创新能力研究. 科研管理，2011，32(1)：15-21.温忠麟, 张雷, 侯杰泰，等. 中介效应检验程序及其应用. 心理学报, 2004, 36(5):614-620.俞立平.金融支持、政府与企业投入对科技创新的贡献研究.科研管理,2015,36(03):57-63.Wooldridge J M. Introductory Econometrics: A Modern Approach . Mason, Ohio: Cengage Learning, 2009.付敬,朱桂龙. 知识源化战略、吸收能力对企业创新绩效产出的影响研究. 科研管理, 2014, 35(3):25-34.Smith N，Thomas E. Regional Conditions and Innovation in Russia: The Impact of Foreign Direct Investment and Absorptive Capacity. Regional Studies, 2016, 51(9): 1-17.Iammarino S, Padilla-Pérez R, Tunzelmann N V. Technological Capabilities and Global-Local Interactions: the Electronics Industry in Two Mexican Regions. World Development, 2008, 36(10): 1980-2003.Wakelin K. Productivity Growth and R&D Expenditure in UK Manufacturing Firms. Research Policy, 1997, 30(7): 1079-1090.Sher P J, Yang P Y. The Effects of Innovative Capabilities and R&D Clustering on Firm Performance: the Evidence of Taiwan's Semiconductor Industry . Technovation, 2005, 25(1): 33-43.陈强. 高级计量经济学及Stata应用. 北京: 高等教育出版社，2010.Kao C, Chiang M H. On the Estimation and Inference of a Cointegrated Regression in Panel Data. Advances in Econometrics, 1997, 15(1):109-141.Lichtenberg F R. The Effect of Government Funding on Private Industrial Research and Development: A Re-Assessment. Journal of Industrial Economics, 1987, 36(1): 97-104.David P A, Hall B H, Toole A A. Is Public R&D a Complement or Substitute for Private R&D? A Review of the Econometric Evidence. Research Policy, 2000, 29(4-5): 497-529.
The Impact of Government R&D Subsidies on Innovation Performance: A Perspective of Innovation CapacityYAN Xiao-chang(School of Economics, Peking University, Beijing 100871, China)Abstract： In recent years, Chinese government has invested heavily to encourage scientific and technological R&D activities. However, whether government R&D subsidies can effectively promote innovation performance in China? What is the specific impact mechanism? What roles do enterprise innovation capacity and regional innovation capacity play? All these issues are urgently needed to be studied. This paper takes the Industrial Enterprises above Designated Size of 31 provinces in China as the research sample, and uses the provincial-level panel data from 2008 to 2016. Through constructing five fixed-effect panel regression models, this paper firstly studies the impact of government R&D subsidies on innovation performance. After that, this paper discusses the mediating effect and moderating effect in the above influence path, from the perspectives of enterprise innovation capacity and regional innovation capacity. The results demonstrate that, the impact of government R&D subsidies on innovation performance is significantly positive. Moreover, enterprise innovation capacity plays an important intermediary role in the above influence path. Besides that, regional innovation capacity plays a positive role in moderating the relationship between government R&D subsidies and enterprise innovation capacity. The findings of this paper fill the gap in the research of influence mechanism on the innovation performance path of government R&D subsidies. Moreover, it has certain reference value for China to build and improve the R&D subsidy policy which is conducive to market competition.Key words：government R&D subsidies; innovation performance; innovation capacity; mediating effect; moderating effect
中图分类号：F810.2 文献标识码：A文章编号：1005-1007(2019)01-0059-13收稿日期：2018-06-20作者简介：颜晓畅，女，北京大学经济学院博士生，主要从事科技创新政策研究。责任编辑 王丽英
页:
[1]