政府研发资助促进企业创新的有效性：激励效应异质性假...

奥鹏网院作业

政府研发资助促进企业创新的有效性：激励效应异质性假说与检验*
郑江淮 张玉昌
[提 要] 关于政府研发资助能否促进企业研发创新活动以及在创新过程中如何更有效地发挥政府的作用，一直存在争议。本文基于理论分析，提出了政府研发资助促进企业创新的有效性以及激励效应存在异质性的假说，利用工业企业的创新活动数据检验了中国政府研发资助对企业研发创新活动的影响效应。总体来看，政府研发资助对企业自身研发投入存在激励作用，同时也会提升企业研发创新的专利和新产品的产出水平。政府资助的激励效应存在企业异质性，在企业规模越大、人力资本水平越高、劳动生产效率越高的企业中，政府资助的激励效应越大，并且对非国有企业的研发创新产出的促进效用要高于国有企业。另外，本文还发现科技活动的产出更多地依赖于研发人员的贡献。政府对企业研发创新进行资助时，应该根据企业具体的微观特征，制定针对性的资助方式，更有效地发挥政府资助的激励效应。
[关键词] 政府研发资助；企业创新；激励效应；企业异质性
一、引言
经济增长的驱动力分为要素驱动、效率驱动和创新驱动，在不同的经济发展阶段，经济增长的驱动力存在差异。中国的经济增长经历了要素驱动的过程，开始转向效率和创新驱动。促使经济可持续发展的动力来源于创新和效率的提升(Solow，1957)。为抢占未来经济科技发展的战略制高点，世界主要国家都在强化创新战略部署，为企业创新提供必要的支持和服务。美国于2015年对其2009年出台的《美国创新战略》进行更新，连续不断地调整和完善其创新政策，美国联邦政府和地方政府对企业技术创新的研发费用给予税前扣除和研发税收减免。欧盟进一步加大对中小企业创新的支持，设立中小企业创新专项计划，一半以上的研发经费支出都投向了中小企业。德国政府实施“创新德国”高技术战略，全力推动实施“工业4.0”计划，德国政府对初创和成长型项目给予补贴。法国政府于2012年批准成立法国公共投资银行，用420亿欧元贷款、担保或参股来资助和支持企业(特别是中小企业(PME)、中间规模企业(ETI)和创新型企业)的发展。中国为实现经济健康可持续发展，把“提高自主创新能力，建立创新型国家”和“中国创造2025”作为国家在新时代新阶段的经济发展核心战略。政府不断加大对于企业科技创新的投入与支持。中国财政预算中科学技术支出从2007年的2 113.5亿元增加到2016年的6 563.96亿元，年均增长率为12%。全国R&D经费内部支出从2000年的895.66亿元增长到2015年的14 169.88亿元，年均增长率为31.8%，研发活动投入不断加大。(1)资料来源于国家统计局。
中国经济增长从工业化初期到工业化中后期，技术进步从学习、模仿阶段发展到自主创新阶段。技术进步的学习和模拟阶段风险和成本较低，企业的积极性比较高，而自主研发阶段面临风险高、前期投入大以及研发成果的“公共品”市场失灵等问题，会阻碍企业自身的研发创新的积极性。市场对于研发资源的配置低于社会最优值(Arrow，1972)，单独依赖市场调节存在缺陷，因此需要政府进行有效的干预，从而优化研发资源的配置效率(Stiglitz，1989)。政府对企业的资助方式更倾向于研发补贴。因为相对于其他激励创新的政策工具，政府研发补贴有助于提升企业自有投资的边际回报率，从而激励企业从事基础性、具有正外部性的研发活动(David et al.，2000)。但是，政府资助可能会对企业的研发创新产生不同的效应，即“激励效应”和“挤出效应”。
我国政府为了实现创新型国家的战略目标，对企业实行研发资助的经济政策，但是，经济政策的效果是怎样的？政府研发资助的具体效应如何？是激励还是挤出？是促进了创新还是抑制了创新？如果存在激励，应该如何提升这种激励效应？如果存在抑制，那么如何转变这种不利局面？如何处理政府研发补助对于企业的创新活动的关系，使得这种研发资助发挥最优的效应，避免出现不利影响，是目前亟待解决的问题。另外，政府对于企业研发活动的资助不仅仅为了激励企业自身增加更多的研发投入，而是激励企业创新的积极性以及研发产出的有效性，使得企业增强自身的创新能力以及研发转化产出能力，从而实现国家发展的产业战略目标。因此，需要分析政府研发资助对于企业自身研发投入和创新产出的影响效应。同时，由于企业自身规模、企业的知识存量、研发活动的效率以及产权特征等企业的微观特征存在差异，政府研发资助对于不同企业的影响也会存在差异。所以在分析政府研发资助影响企业研发创新的问题时，需要把企业的微观特征考虑进去。因为政府在选择资助对象时可能存在偏向性。是不是这些企业的微观特征也会影响政府研发资助效应的发挥？中国政府的研发资助是不是对所有的企业都是必要的？是不是都有成效？这对于政府合理地配置研发资金提供了可以借鉴的依据。
本文的主要贡献有以下几个方面：第一，已有研究由于受到数据可得性的限制，缺少企业科技研发活动的微观数据，大多从省级、行业和上市企业层面进行分析，并且样本数少，很难识别企业具体的研发创新活动的微观特征，用相关的替代指标来衡量企业的微观特性。本文利用《全国创新调查数据库》和《工业企业数据库》，可以得到企业具体的研发创新活动数据以及微观特征，并且本文所采用的数据样本达到了30多万个，样本数量足够大。第二，本文分别分析了政府研发资助对于企业自身研发支出、研发创新产出的影响，并且在分析影响的过程中，加入企业自身的微观特征，分析企业微观特征在政府补贴影响企业研发创新中所发挥的作用。第三，在计量分析部分，本文利用工具变量方法和PSM等方法，对计量方程进行回归和稳健性检验，确保本文的结果是可信的。第四，本文研究的结果的现实意义。本文发现，政府研发资助对企业自身研发投入存在“激励作用”，同时也会提升企业研发创新的专利和新产品的产出水平。政府对企业研发活动的资助在发挥作用的过程中，确实会受到企业自身微观特征的影响。不同类型的企业，政府资助对企业研发的激励效应是不同的。本文为政府实施具体研发资助政策提供了帮助。在企业研发过程中，可以更有效地发挥政府研发资助的作用，也为企业如何根据自身特征发挥政府资助的作用提供了一定的借鉴。
二、文献综述
研发创新是经济持续发展的动力，如何促进研发创新成为学界共同关注的话题。Arrow(1972)研究认为，由于研发活动具有外部性，从事研发活动的个体不能独占研发成果的全部收益。研发成果具有公共物品的属性，不能避免“搭便车”的问题。如果完全依赖研发活动的个体或者依赖市场调节用于研发活动的资源，研发活动资金投入不能达到社会的最优水平。对于研发活动中出现的市场失灵问题，政府的适当干预，有利于改善研发活动的社会效用。另外，企业的研发创新活动存在不确定性强、前期投入大和难度大等难题，并且研发成果在转化成最终生产品过程中也存在风险与不确定性。企业在面临是否开展研发创新项目时，如果没有足够的激励或者确定的预期，企业对于研发创新的投入缺乏积极性，因此也需要政府的干预。龚刚等(2017)认为正是由于创新活动前期所具有的巨大风险和不确定性，私人资本基本不可能介入创新的前期阶段，来自政府等公共部门的资金，才是创新前期的主要投入。Howell & Sabrina(2017)研究发现研发补贴通过资助企业进行新技术可行性实验，为企业提供“试错”的机会，降低研发的不确定性，从而促进了企业的创新积极性。
已有的研究中，关于政府资助是否促进了企业自身研发活动的投入存在分歧。主要分为两类：一类是政府研发资助对企业自身研发投入没有影响(郭晓丹和何文韬，2011；郭晓丹等，2011；Marino et al.，2016)。张杰等(2015)发现中国情景下政府创新补贴对中小企业私人研发没有显著效应，贷款贴息类型的政府创新补贴则造成显著的挤入效应。另一类是政府研发资助对企业自身的研发投入存在影响，但是从他们的研究结论中发现，影响效应并不一致。主要有三种结论：一些学者研究发现政府的研发支出会替代企业自身的研发投入(Lach，2002；姜宁和黄万，2010)，即对企业自身研发投入存在“挤出”效应。而另外一些学者发现政府的研发支出会促进企业自身更多的研发活动投入(程华和赵翔，2008；解维敏等，2009；Bérubé & Mohnen，2009；白俊红，2011; Howell & Sabrina，2017)。还有一些研究发现，政府的研发资助对于企业的研发活动投入存在非线性的影响效应(刘虹等，2012；Marino et al.，2016)。总的来说，政府对企业研发活动的资助，可能会出现两种效应：激励企业增加自身的研发投入或者抑制企业增加研发投入，即“激励效应”和“挤出效应”。
政府对于企业研发活动的资助不仅仅是为了激励企业自身投入更多的经费进行研发，而是通过扶持的方式促进企业开展研发创新项目，最终获得创新产出。由于企业微观特征的差异，企业在利用政府研发资助进行研发活动时，这些微观特征会在投入转变为产出的过程中产生影响。主要的微观特征包括企业规模、企业产权类型、知识存量以及企业的技术进步水平等。“熊彼特假说”说明企业规模促进了企业的研发创新。Schumpeter & Backhaus(1934)强调了企业规模在企业研发创新中的重要性，认为大企业具有大量的资金、人才支持，以及大企业的高平台优势，规模较大的企业往往拥有更大的开展研发创新活动的积极性。但是，Jaffe(1988)利用1976年美国537个企业的截面数据，发现创新投入(R&D支出)对企业规模(销售额)的弹性小于1，说明企业规模不是越大越好。在中国，企业存在不同的产权类型，主要分为国有与非国有，两者在创新活动中存在差异。聂辉华等(2008)利用中国规模以上工业企业数据研究发现，国有企业具有更多的创新活动，但是创新效率较低；私营企业创新活动少，但是创新效率比较高。安同良等(2009)研究发现不同产权的企业研发投入存在差异，外企研发投入最高，国有和集体所有制企业研发投入最少，股份制和有限责任制企业投入位于中等水平。寇宗来和高琼(2013)利用中国规模以上工业企业统计数据研究发现，股份制和有限责任制企业的创新投入激励要更大一些，而国有企业和私人企业在创新积极性上并无差别。知识存量是企业研发创新的基础，也是衡量企业能否取得创新成果的重要依据。Cohen & Levinthal(1989)研究发现，企业的知识存量不仅可以增强企业自身的学习、模仿能力，而且可以增强自身的研发创新能力。对于企业来说，如果技术进步水平较快，企业的生产效率也会比较高，如果这种技术进步水平较高的企业从事研发活动，那么企业获得研发成果的概率也比较大，所以更容易获得政府的研发资助(白俊红，2011)。
从上述研究发现，现有的文献中关于政府资助影响企业研发创新的分析结果并没有达成一致，不同研究得到的结论存在差异。一是因为不同的研究在实证分析中采用了不同的观测数据样本；二是在具体的变量指标上选取存在差异；三是在分析政府研发资助对企业研发活动的影响时，应该控制其他因素，比如企业的微观特征。但是由于数据的可得性的限制，很多研究都是基于省际和行业层面，或者利用上市公司的数据。但是上市公司中并没有直接体现企业研发活动具体细节的指标，只能采取相关的指标替代，这样就容易出现误差。为了进一步研究政府研发资助对企业创新的影响，就应该利用更准确的企业微观层面的数据样本，并且要有足够多的企业个体。考虑到中国目前的创新驱动发展战略，如何在政府资助企业研发创新活动的过程中，最大限度地发挥政府资助的效应，对于该问题的研究显然具有重大的现实意义，有助于政府在资助从事研发活动的企业时，可以根据企业的微观特征采取具有针对性的策略，更有效地发挥政府的作用。为政府提供借鉴的同时，也为企业在利用政府研发资助时，如何发挥其最大效应，提升自身的研发创新效率，提供一定的建议。
三、理论基础与假说
(一)政府研发资助“激励”企业研发创新的机制分析
创新是技术进步和经济增长的源泉(Schumpeter & Backhaus，1934)。如何提升企业开展研发活动的积极性以及提高企业研发创新的产出效率，一直备受关注。Todtling & Kaufmann(2001)研究发现，中小型企业(SMEs)自身对研发创新活动的投入可以增强企业学习和利用新知识的能力，从而提升企业创新能力和市场竞争力。但是，企业的研发创新活动存在不确定性强、前期投入大和难度大等难题，并且研发成果在转化成最终生产品过程也存在风险与不确定性，因此企业在面临是否开展研发创新项目时，如果没有足够的激励或者确定的预期，企业对于研发创新的投入缺乏积极性。另外，企业的研发成果具有公共品的“非排他性”，容易出现“搭便车”问题。公共品的市场失灵问题也会抑制企业研发创新的积极性。由于多方面原因造成了企业对研发创新活动的“消极”情绪，创新不足阻碍了技术进步与生产率的提升。在市场规律发挥作用的情况下，市场不能完全激励企业创新，创新研发水平也不能达到社会最优状态，因此需要政府适当的干预。政府激励企业研发创新的政策工具主要有两种，一是研发补贴，二是研发产品税收减免。由于政府不能很好地判断企业研发成果的进程以及研发创新成果的度量，采取税收减免存在一定的难度，反而政府的补贴往往比税收更加有效与简便。因此，政府往往通过补贴的形式资助企业研发创新。
政府研发资助影响企业创新主要通过三种方式。首先，政府资助有助于克服市场失灵，优化社会资源配置。由于资本市场不完善，使得风险较大的研发活动面临资金投入不足的问题，缺乏资金支持成为企业从事研发创新活动的主要障碍，并且研发资金的约束也会限制企业进行后续的研发活动。如果政府为从事研发活动的企业提供资金支持，分配足够的资源帮助企业进行研发创新活动，弥补企业研发投资与社会最优水平的差距，降低企业研发创新的风险与融资成本，那么就会促进企业研发创新活动的积极性(Yager & Schmidt，1997)。其次，在企业研发活动的起步阶段，研发创新企业会面临诸多的不确定性，投入成本很高，也不能很快取得研发项目的收益。一些有能力承当研发活动的企业面临自己研发成果被竞争对手“搭便车”的情况，也会降低企业研发活动的收益与积极性。政府的研发资助有助于企业克服研发活动起步阶段的固定成本。最后，政府补贴是企业质量与未来需求的“信号”，体现了市场对企业创新的认同，表现出一种对企业的认证效应，有助于企业获取其他渠道的研发资金(Kleer，2010)。
(二)企业微观特征的异质性
由于企业自身的微观特征，比如企业规模、人力资本、技术水平以及产权类型存在异质性，企业的行为也存在差异。在研究政府研发资助对企业自身研发投入产生影响的过程中，这种影响效应会受到企业自身微观特征的影响，并且企业的微观特征也会影响政府对企业研发资助的偏好。熊彼特创新理论中提出大规模企业具有充足的创新资源优势，拥有较大的市场势力，规模大的企业创新能力也会越强(Schumpeter & Backhaus,1934)。同时，大规模企业对于新技术的需求引致自身创新研发的积极性，企业的规模效应也能够降低研发成本和风险，从而促进自身的研发投入。从产权特征来看，相对于民营企业而言，国有企业与政府具有更紧密的联系，更容易从政府部门获得研发资金。国有企业获取政府研发资金的方式并不一定是依靠自身的研发水平，而是依赖于同政府的政治联系。这种情况往往造成政府研发资金的沉没，并没有促进国有企业的研发创新。对于民营企业来说，市场化水平较高，市场的激烈竞争会促使企业进行研发创新，但是获得研发资金比较困难。如果获得研发资金，民营企业往往能够充分利用所获得的资金进行研发活动。企业的生产效率以及知识存量是企业研发创新的关键，并且企业的知识存量以及技术水平越高，企业对于研发投入的利用效率会越高，能够增强政府研发补贴的“激励作用”。企业在获得研发成果以及研发收益的情况下，也会加大对于研发创新的投入。同时，政府也会倾向扶持生产效率和人力资本水平高的企业，这样的企业投入转化为研发创新成果的概率也比较高，从而避免政府研发投入无效率。
(三)理论假说
根据前文的理论基础分析，本文提出如下假说：
假说1 政府的研发支出能够克服企业创新研发过程中的外部性问题，不仅可以促进企业自身研发支出，还可以激励企业并创新效率的提升。即政府研发资助会促进企业自身研发的支出，对企业自身研发投入存在“激励作用”，并提升了企业研发创新的专利数量和新产品的产出水平。
假说2 在政府研发资助影响企业研发创新的过程中，不同微观特征的企业获得的政府研发资金会受到企业自身微观特征的影响，政府研发资助促进企业创新的激励效应存在异质性。
四、模型设计、变量与数据说明
(一)模型设计
本文利用工业企业科技创新活动数据库中2008—2014年的数据，分析了政府研发资助对企业自身研发支出以及创新产出的影响。为了避免计量模型误设的问题，设计两类模型，单独分析对两者的影响：一是分析政府研发资助对企业自身研发支出的影响，二是分析政府研发资助对企业创新产出的影响，通过两类模型验证假说1。
1.政府研发资助对企业自身研发投入支出的影响。分析政府研发资助对企业创新活动自身研发支出的影响时，一般采用企业自身研发活动支出作为计量模型的被解释变量，把政府研发资助作为核心解释变量。首先，设定基准模型：
lnexit=c+αlngovit+ηi+μt+εit
(1)
式中，i为个体企业；t表示时间；lnex为企业自身研发活动支出；c为常数项；lngov表示政府对于企业的研发资助；α为政府对企业研发资助的估计系数；ηi表示面板数据中时间固定的个体效应；μt为面板数据中个体固定的时间效应；εit表示随机误差项。
另外，在前面分析过程中以及假说2，企业自身的规模、人力资本、技术水平和产权特征等微观特征会影响政府对企业资助的影响效应。在基准模型的基础上，本文加入企业微观特征与政府对企业研发支出的交互项，用来分析政府研发资助影响企业自身研发投入的效应中企业微观特征的影响。设定模型如下：
lnexit=c+αlngovit+α1Sizeit×lngovit
+α2Hit×lngovit+α3Ait×lngovit
+α4Ownershipit×lngovit+ηi
+μt+εit
(2)
式中，Sizeit×lngovit为企业规模与政府对企业研发资助的交互项；Size表示企业规模；Hit×lngovit表示企业人力资本与政府对企业研发支出的交互项；H为企业的人力资本，利用科技活动人员中具有高级职称人员的比例进行测度；Ait×lngovit表示企业技术进步水平与政府对企业研发资助的交互项；A为技术进步，借鉴Acemoglu & Guerrieri(2008)的做法，以劳均生产率代表技术水平，具体用新产品产出与科技活动人员的比值来测度；Ownershipit×lngovit为企业产权类型(国有与非国有区分)与政府研发资助的交互项；Ownership表示企业的产权类型，用企业控股情况测度；α，α1，α2，α3，α4分别表示各变量的待估系数。其中政府对企业研发资助的估计系数α为正，说明政府研发资助对企业研发自身投入存在“激励效应”；如果为负，说明政府的研发支出对企业自身研发支出存在“挤出效应”。交互项的估计系数α1，α2，α3，α4如果为正，表示企业的该微观特征有利于发挥政府对企业研发资助影响企业自身研发投入的效应；如果为负，说明该企业微观特征不利于政府对企业研发资助发挥效应。其他参数与基准模型中的参数含义相同。
2.政府研发资助对企业创新产出的影响。为了分析政府研发资助对企业创新产出的影响效应，本文基于生产函数的框架进行研究，把政府对企业的研发资助纳入生产函数，企业创新活动产出的生产函数可设定为：
y=F(K,L,gov,X)
(3)
式中，y表示企业研发创新的产出；K,L,gov,X分别表示研发创新产出过程中投入的资本、劳动、政府研发资助以及其他影响产出的因素。为了利用样本数据分析具体的影响效应，本文生产函数采用Cobb-Douglas形式，并对模型进行扩展。具体做法借鉴Griliches(1986)使用的Cobb-Douglas扩展形式作为分析企业创新产出的生产函数。

(4)
式中，y表示企业创新活动的产出；G为常数；K表示企业创新活动中的资本存量；L表示企业从事研发创新活动的就业人员；gov表示政府对企业创新的研发支出，与上文中含义一致；eX表示模型中影响创新产出的其他因素；α,β,γ为生产函数中各要素投入的产出弹性。
需要对生产函数中用于创新活动的资本存量进行测算。因为本文使用的工业企业科技活动数据库2008—2014年的数据，2008年作为样本的基期，基期的资本存量借鉴吴延兵(2006)的测算方法，测算公式如下：

(5)
式中，K0表示基期的研发活动资本存量；E0为企业在基期的研发活动支出；表示观察期内企业研发活动支出的平均增长率；δ为研发活动资本存量的折旧率。2009年以后创新活动的资本存量采用永续存盘算法进行核算，本期的研发资本存量等于上一期研发活动资本存量加上本期的研发活动资本投入，最终的测算公式为：
Kt=(1-δ)Kt-1+It
(6)
测算过程需要利用研发活动资本的折旧率δ。本文采取大多学者使用的15%这一折旧率(Griliches，1986；詹宇波等，2010)。因为研发活动所使用的资本更新发展速度很快，高于物质资本的折旧率10%(徐现祥等，2007)。
对企业研发创新产出的衡量，本文将创新产出分为两类。第一类是企业研发活动中产生的新方法和新技术等创新成果的产出，企业往往把这种创新用来申请专利，因此，这类创新产出利用专利数来衡量。第二类用新产品的产值来测度。因为研发活动的成果需要转化成新的最终产品或者服务，科研成果转化成新的最终产品或者服务是研发活动的最终目的，所以新产品的产值也能很好地衡量创新活动的产出。本文所使用的工业企业科技创新活动数据库给出了各企业申请专利的数目，为本文的分析提供了数据上的可得性。由于不是所有的专利都会被授权批准，相对于专利授权数，专利申请数可能会夸大企业的研发创新产出。但是专利申请授权从申请到批准需要一年多的时间，专利授权数有滞后性，反而专利申请数能够反映企业当期的创新产出。另外，专利得到授权往往还要受到专利授权机构的偏好以及审核人员工作效率的影响，而专利申请数受到的影响相对较小。所以从这一方面来说，专利申请数比专利授权数更能反映企业研发创新活动的产出。企业研发活动产出的另一类测度指标是新产品的产值，可以从工业企业科技活动数据库中获取。
对式(4)两端取对数，得到回归方程的基准形式(7)：

(7)
式中，被解释变量分别表示企业i研发活动的专利申请数和新产品的产值的自然对数；lnG为常数；X表示影响研发活动产出的其他因素效应。根据前文的论述，在政府研发补贴影响企业研发活动产出的过程中，企业的微观特征会存在一定的影响，因此X中包含企业的微观特征与政府研发补助的交互项：
X=α1Sizeit×lngovit+α2Hit×lngovit
+α3Ait×lngovit+α4Ownershipit
×lngovit
(8)
同时面板数据又存在个体效应与时间效应，所以把基准模型扩展为更为一般的形式：
lnyit=lnG+αlnKit+βlnLit+γlngovit
+α1Sizeit×lngovit+α2Hit×lngovit
+α3Ait×lngovit+α4Ownershipit
×lngovit+ηi+μt+εit
(9)
式(2)和式(9)中的个体效应ηi与时间效应μt在具体的实证分析过程中根据估计结果的检验做出相应的处理。
(二)变量的选取与数据说明
1.变量的选取。对本文用到的变量进行说明见表1。
表1 回归方程模型中变量定义

2.主要变量描述性统计。表2汇报了主要变量的描述性统计。企业研发自身支出的自然对数lnex均值为8，说明企业研发支出还是比较多的。最大值为17.51，最小值为0.00，说明企业的自身研发支出之间存在较大差异。政府研发资助金额的自然对数最大值为14.93，最小值为0.00，说明政府对于企业的研发支持程度存在很大差别。总体而言，本文所涉及的数据具有很好的区分度。
3.数据说明。本文的数据主要来源于2008—2014年期间的国家统计局全国创新调查数据库和工业企业数据库。全国创新调查数据库详细提供了工业企业以及相关科技服务业企业的各种科技创新活动指标数据信息，是目前国内研究微观企业创新活动的最为全面的数据库之一。本文利用企业代码把全国创新调查数据库和工业企业数据库做了匹配，获得本文所需要的微观企业创新活动的各种信息以及各种控制变量的数据指标。需要额外说明的是，针对该数据库所存在的一系列相关问题，笔者做了如下相应处理和调整：第一，为了将数据库中2011年之后的行业与2008—2011年之间的行业获得统一的划分标准，笔者采取了将2011年之后的行业分类标准与2002年国民经济行业分类标准来对齐调整的办法。第二，针对该数据中少数企业样本中少量指标信息的异常值，一方面，通过与国家统计局的规模以上工业企业数据库的匹配来加以校正校准；另一方面，针对某些极其少量的违背正常逻辑特征的变量样本，采取了剔除的办法。第三，为了分析结果的可靠性，要消除价格的影响，借鉴白俊红(2011)测度的R&D价格指数，对政府对企业的研发补贴、企业自身研发支出、研发活动资本存量进行平减，消除价格的影响。另外，在经验估计中，为了避免出现多重共线性、异方差等回归问题，将绝对量做取对数处理。
表2 关键变量的描述性统计

五、实证结果分析
(一)政府研发资助对企业自身研发支出的影响
1.政府研发资助影响企业自身研发支出基准回归分析。由于企业规模、行业特征、技术水平以及研发效率等微观特征存在差异，政府对于创新研发的支持也不同，那么，政府研发资助对企业自身研发支出的影响可能也会存在差异。在基准回归模型(2)中，笔者采用OLS估计方法对计量方程式(2)进行估计。具体的回归结果如表3所示。表3回归结果列(1)中，单独把政府研发资助作为解释变量分析其对企业自身研发支出的影响，回归结果列(2)～列(5)分别引入企业规模、企业人力资本、企业产权类型以及技术水平这四项企业的微观特征与政府研发资助的交互项。回归结果列(1)的回归系数显著为正，说明政府研发资助对于企业自身研发支出存在显著的激励作用，影响效应为0.453，即政府研发补贴增加1%，企业自身研发支出会增加0.453%。在回归加入交互项的回归结果列(2)～列(5)中，政府研发资助对企业自身研发支出的激励效应分别为0.216，0.163，0.164，0.178(2)交互项对于被解释变量的影响，应该按照偏效应进行计算，具体算法为交互项的回归系数乘以交互项的平均值加上核心变量的回归系数。，基本保持稳定。与以往的研究相比，本文的回归结果0.453与解维敏等(2009)测算的0.37～0.48基本一致，低于朱平芳和徐伟民(2005)测算的1.49以及白俊红(2011)测算的0.6，但是高于许治和师萍(2005)测度的0.268。回归结果都通过了1%的显著性检验，并且回归系数都为正，表明政府研发资助对于企业自身研发支出存在显著的“激励作用”，而非“挤出作用”。政府对于企业研发活动给予资助，可以显著提高企业自身对于企业研发经费的支出。因此，假说1中政府研发资助对企业自身研发投入存在的“激励作用”得到验证
从加入企业微观特征与政府研发资助交互项的回归结果列(2)～列(6)中可以发现，企业规模与政府研发资助交互项的回归系数显著为正，说明企业的规模越大，政府研发资助影响企业自身研发支出的“激励效应”越大，从而有利于企业投入更多的支出用于自身的研发创新活动。企业人力资本与政府资助的交互项的估计系数显著为正，也就是说，企业的人力资本水平越高，政府研发资助可以更有效地促进企业投入更多的研发创新经费，企业人力资本水平越高，政府资助对企业自身研发支出的影响效应越大。企业的产权类型与政府研发资助的交互项的估计系数显著为负，说明政府对于国有企业的研发资助抑制了企业自身研发支出。即政府资助挤出了企业自身研发支出，存在“挤出效应”。国有企业更多地利用政府的资助资金用于研发活动，自身研发支出相对较少。企业的技术水平与政府研发资助的交互项的估计系数显著为正，说明企业自身的新产品的生产效率越高，政府研发资金对企业自身研发支出的激励效应越大，企业会更积极地投入更多经费用于研发创新活动。回归结果列(6)把所有的交互项都加入回归模型中，回归结果发现所有的交互项都是显著的，并且与逐步回归结果基本一致。因此，由于企业微观特征的差异，在政府研发资助影响企业研发创新的过程中，政府资助促进企业研发创新的激励效应存在异质性，假说2得到验证。
表3 政府研发补助影响企业自身研发支出的基准回归

说明：根据Stata 15.0结果整理。***，**，*分别表示1%，5%，10%显著性水平，括号内为t统计量。另外，控制变量包括企业年龄、企业规模、人力资本、产权类型、企业技术水平以及市场竞争因素。由于控制变量不是本文探讨的重点，因此汇报中将结果省去，下表同。
2.工具变量回归结果。对于本文的计量模型(1)和模型(2)，一个很重要的问题是要考虑和解决内生性问题。根据计量经济学理论，内生性的主要来源有两个：一是遗漏重要的自变量，虽然本文在计量模型中尽可能利用可获得的数据，并参考已有文献，设计了一部分获得广泛认可的重要控制变量。这可以在一定程度上缓解相应的内生性问题，然而，仍然存在由于可获取数据的有限性，造成无法测度的重要变量遗漏所带来的内生性问题。二是解释变量政府研发资助与被解释变量企业自身研发支出之间可能存在双向因果，从而导致内生性问题。本文的因变量R&D支出影响自变量政府资助的机制在于企业研发投入往往是政府派发补贴时的参考指标，因为从某些角度来看，私人研发投入较多的企业往往也是自主创新能力和市场竞争力相对较强的企业，而政府资助的目标也是这些企业。因此，根据Angrist & Pischke(2009)对工具变量的讨论和建议，合理的办法是寻找相应合适的工具变量，才能从根本上解决这个问题。本文借鉴孔东民和李天赏(2014)的方法，使用全国31个省市自治区2008—2014年的地方公共财政收入年度总计的对数形式作为政府研发资助的工具变量。财政收入能够作为工具变量的逻辑在于，各级地方政府主要是在国家具体战略规划和政策文件的指导下，依据自身的财政收入能力，通过制定具体的补贴政策落实和实施政策举措，特别是偏好于运用政府财政资金主导的补贴和扶持政策，来体现对中央制定的指导性和引导性的战略性规划、政策的贯彻和执行。那么只有当政府获取更多的财政收入时，才会有更多的资金用于各项补贴，其中包括对于企业创新活动的资助。另外，本文设计的工具变量包含的是地区层面的相关信息，从影响机制的内在逻辑来看，微观企业个体层面的创新能力信息难以影响到地区层面的政府创新扶持和补贴决策行为。这就在一定程度上可以缓解和避免类似于由于企业自身创新能力较强，从而导致企业获得更多政府创新资助的逆向因果关系。同时，企业研发投入存在很强的不确定性，很难说企业研发投入一定会影响当地财政收入的增加或减少，因此选取的工具变量在逻辑上是较为合理的。
表4汇报了对计量方程(1)和方程(2)使用工具变量的2SLS估计方法回归结果。表4回归结果也是按照表1的顺序，分别分析不同企业特征在政府研发资助影响企业研发自身支出过程中的影响效应。表4中模型(1)单独把政府研发资助作为解释变量来分析对于企业自身研发支出的影响，回归结果列(2)～列(5)分别引入企业规模、企业人力资本、企业产权类型以及技术水平这四项企业的微观特征与政府研发资助的交互项。回归结果列(1)中的回归系数显著为正，说明政府资助对于企业自身研发支出存在显著的激励作用，影响效应为0.375，即政府研发资助增加1%，企业自身研发支出会增加0.375%。在回归加入交互项的回归结果列(2)～列(5)中，政府研发资助对企业自身研发支出的激励效应分别为0.235，0.273，0.175，0.195，回归结果基本保持稳定。从加入企业微观特征与政府研发资助交互项的回归结果列(2)～列(6)中可以发现，企业的规模越大，人力资本水平越高，企业自身的新产品的生产效率越高，政府研发资助影响企业自身研发支出的“激励效应”越大，而政府对于国有企业的研发补助抑制了企业自身研发支出，结果与基准回归结果基本一致。回归结果列(6)把所有的交互项都加入回归模型中，回归结果发现所有的交互项都是显著的，并且与基准回归结果基本一致。这些经验结果进一步说明，笔者所担心的计量方程(1)和方程(2)中因变量和工具变量之间可能的同步性问题以及由此产生的内生性问题可能并不严重，并不会影响本文的主要发现和主要结论，从而验证了本文的假说。同时，这也验证了本文核心发现和主要结论的稳健性和可靠性。
此外，表4报告了各模型2SLS估计方法的第一阶段回归结果。从第一阶段的回归结果可以看出，在各个模型中，工具变量关于政府补贴的系数在1%的水平上均显著为正。这说明，本文所设计的工具变量与核心解释变量之间存在显著的正相关关系。也就是说，在政府公共收入越多的省份，地区内企业可获得的研发资助金额越多，这符合笔者的预想，与笔者设计工具变量的基本思路和内在逻辑是相符合的，因此可以说本节的工具变量是相对合理的。表4展示了使用工具变量的2SLS估计法进行回归的结果，在工具变量检验方面，由于本文引入的工具变量和内生解释变量数量相同所以不需要进行过度识别检验。表4包括了表示不可识别检验的KPLM统计量和工具变量外生性检验(DHWChi2/F值)，结果显示本文使用的工具变量通过了不可识别检验和工具变量外生性检验，是有效的工具变量，可以引入模型。
(二)政府研发资助对企业创新产出的影响
1.政府研发资助对企业专利产出的影响。根据计量模型式(9)以申请专利数为创新成果产出，表5报告了政府研发资助影响企业专利发明的回归结果。从具体的回归结果来看，政府研发资助总体上会促进企业的研发创新专利的产出，主要是因为政府对企业的研发资助可以减轻企业自主研发具有风险高、前期投入成本较大等困难。一方面政府的研发资助为企业提供了一定的研发经费，降低了企业前期投入的成本；另一方面也降低了企业自主研发过程中成果产出的不确定性，从而提高了企业开展研发创新项目的积极性。假说1中政府的研发资助能够克服企业创新研发过程中的外部性问题，可以激励企业创新效率的提升，增加企业研发创新的专利数量，这些得到了验证。
表4 政府补贴对企业自身研发支出影响效应的工具变量2SLS检验结果

首先，表5列(1)把政府研发资助纳入知识产出生产函数模型进行实证分析。从回归结果来看，政府资助对企业研发创新的专利产出存在显著的正向作用。企业研发创新活动的资本存量对专利产出存在显著的正向作用，大小为0.023。企业用于研发活动的资本存量增加1%，专利产出将增加0.023%。参与科技研发活动项目的就业人员对企业研发专利产出存在显著的促进作用。参与企业研发活动人员数增加1%，企业专利产出大约增加0.357%。从研发活动的资本存量与就业人员的回归系数来看，研发活动的就业人员对于专利产出的影响效应明显大于资本存量的影响。即研发活动就业人员的专利产出弹性明显高于资本存量的专利产出弹性。这说明在企业研发创新过程中，研发人员比研发资本存量具有更高的边际产出报酬。这与朱有为和徐康宁(2006)、白俊红和李婧(2011)的研究结果不同，他们的研究发现研发资本的产出弹性大于研发人员的产出弹性。
表5 政府研发补贴影响企业专利产出的回归结果

在知识生产函数回归模型单独加入政府对企业研发资助的基础上，本文分别加入政府研发资助与企业微观特征的交互项。在加入企业规模与政府研发资助交互项的回归结果中，交互项的回归系数通过了1%的显著性检验，说明企业的规模会影响政府资助的效用。企业规模越大，研发资助对企业专利产出的影响越大，企业研发活动对政府研发资金的利用效率越高，从而有助于企业自身创新专利的产出。具体原因是，相对于小企业，大企业具有资金充足、人才聚集效应大、学习能力强、研发活动的配套设施齐全等优势，有利于充分吸收政府的研发资金，提升自身的研发创新效率。表5列(3)加入了企业人力资本与政府研发资助的交互项。交互项的回归结果系数显著为正，表明企业的人力资本对企业吸收利用政府研发资金存在显著的促进作用。企业的人力资本越多，会更有效率地利用政府研发资金，企业的研发创新活动会产出更多的专利。表5列(4)加入了政府研发资助与企业产权类型的交互项。回归估计结果中交互项的系数为正，说明国有企业不利于政府资助影响企业专利产出效应的发挥，抑制了企业研发活动的专利产出。相对于国有企业，私营企业以及外资企业在吸收政府研发资金用于自身研发活动中，能够产生更多的研发专利产出，会更有效地发挥政府资助的影响效应。主要原因是因为中国经济发展的背景所致。中国经济长期以来受到计划经济的调控，国有企业产权界定不清，存在委托-代理以及预算软约束等问题。国有企业虽然可以获得比较多的政府资助资金，但是以上问题会导致国有企业创新积极性和研发效率比较低。与国有企业相比，非国有企业如果能够获得政府资助，企业就能充分利用政府研发资金用于自身的研发创新项目，从而极大促进企业的研发积极性和企业自身的研发产出。综合对比国有与非国有企业，尽管国有企业相对容易获得政府的研发资金，但是在创新研发专利产出中，并没有比非国有企业产出效率高。这也说明政府研发资助存在一定的问题。国有企业获得过多的政府资金，挤占了非国有企业的政府资助金额，不利于整体经济的研发专利产出。表5最后一列报告了加入企业技术进步水平与政府研发资助交互项的回归结果。采用研发活动就业人员劳动产出率测度的技术进步水平的估计系数显著为正，说明企业的技术进步水平越高，企业利用政府补助用于研发专利产出的效率也越高。因为技术进步水平高的企业，具有研发效率高、产出效率高的优势，在政府提供研发资金降低自身研发不确定性与前期投入成本的基础上，企业具有更高的积极性进行创新研发，从而创造更多的专利和产出。回归结果列(6)把所有的交互项都加入回归模型中，回归结果发现所有的交互项都是显著的，并且与逐步回归结果基本一致，验证了假说2中政府研发资助促进企业研发创新的激励效应存在异质性。
2.政府研发资助对企业新产品产出的影响。本文根据回归模型式(9)对政府研发资助影响企业新产品产出进行了实证分析，表6给出了具体的实证分析结果。从回归结果可以看出，知识生产函数模型中所投入的资本和劳动对于新产品产出存在显著的正向作用，研发活动的资本存量对于新产品产出的产出弹性在0.125～0.175之间，并且都通过了1%显著性检验。研发活动就业人员在回归模型中产出弹性为0.734～1.132。可以发现，研发活动人员的产出弹性要高于研发活动资本存量的产出弹性，也就是说，在研发活动过程中，新产品的产出更多地依赖于研发活动人员的数量，研发人员对于新产品产出的贡献要高于资本存量的贡献。不同于白俊红(2011)利用行业数据分析得到的结论，即在新产品产出过程中，研发资本存量的贡献大于研发人员的贡献。与研发专利产出一样，新产品产出中研发人员的贡献高于资本存量的贡献，说明研发过程中，虽然研发所需的资本对于研发成果有显著的正向作用，但是研发人员相对来说正向影响效应更大。
在表6的列(2)～列(5)分别加入了企业微观特征与政府研发资助的交互项。从回归结果来看，交互项的回归系数显著为正，说明企业的微观特征加强了政府资助对企业新产品产出的正向影响。具体来看，加入交互项之后，表6列(2)企业规模与政府研发资助的交互项的回归系数为0.212，通过了1%的显著性检验。这说明企业规模越大，企业利用政府研发资金用于新产品生产的效率越高。并且，相对于规模较小的企业，大企业在市场中具有市场势力优势，这有助于鼓励企业研发新产品来保持自身的市场占有份额。与以专利为产出的回归结果一致，表6列(3)为加入人力资本与政府研发资助交互项的回归结果。交互项系数为0.185，说明企业人力资本水平越高，企业新产品产出水平也越高。加入企业产权类型与政府研发资助交互项的回归结果表明，非国有企业相对于国有企业更愿意生产新产品，来提升自身的竞争力，而国有企业对于新产品的研发积极性并不高，企业的产权类型影响新产品产出的效应与影响专利产出的效应一致。企业的技术水平也会加强政府研发补贴影响企业新产品产出的作用，企业研发活动从业人员生产效率越高，越有利于企业发挥政府资助影响企业新产品产出的正向效应。回归结果列(6)把所有的交互项都加入回归模型中，回归结果发现所有的交互项都是显著的，并且与逐步回归结果基本一致。
政府研发补贴影响企业新产品产出的回归结果可以验证假说1和假说2，政府研发资助可以提升企业新产品的产出水平。这种激励效应会受到企业自身微观特征的影响，政府研发资助促进企业研发创新的激励效应存在异质性。
表6 政府研发补贴影响企业新产品产出的回归估计结果

(三)稳定性检验
在前文进行基准OLS回归和工具变量回归估计过程中，本文已经通过逐步加入不同性质的控制变量进行了简单的稳健性检验。结果显示政府研发资助对企业创新的影响为激励效应，并且这种激励效应存在企业异质性。本节将对计量模型进行更为严格的稳健性检验。
1.倾向匹配政策评价分析。笔者选择2014年的截面数据作为样本进行倾向得分匹配(PSM)。笔者在对接工业企业数据库和企业创新活动数据库后获得78 255条样本数据。设置虚拟变量t，当企业获得政府资助时t=1，t为1的数据为处理组，与之匹配且t为0的数据为控制组。本文对数据进行一对一匹配。
首先，为了检验匹配的可靠性需要，通过Pstest检验考察匹配结果平衡数据的效果，结果发现进行倾向性匹配后除了被解释变量R&D支出，其他各个自变量的标准化偏差(bias)均比匹配前有了较大幅度的缩小，且绝对值均保持在10%以下，p值均大于0.1。这说明倾向性匹配较好地平衡了数据，匹配结果是有效的，可以继续进行分析。本文还检验了一对一匹配方法下，模型是否满足平衡性假定。检验结果显示，本文PSM部分所选取的协变量的偏差在匹配之后均发生了较大幅度的下降，协变量偏差下降幅度均在70%以上，模型数据平衡性检验通过，可以进行倾向性匹配分析。表7的结果显示，以企业自身研发支出为因变量、是否接受政府补助为分组指标(t)时，ATT，ATU，ATE的Difference项均大于0。也就是说处理组效应均强于控制组，且ATU估计值的t值较大，结果显著性较强。这两组匹配共同说明政府补助可以促进企业研发投入和新产品产出。
表7 处理组的平均处理效应(ATT)

为了进一步增强结果的可信度，笔者将卡尺范围设定为0.01，进行一对四的近邻卡尺匹配。统计结果如表8所示，结果显示一对四的近邻卡尺匹配结果与一对四的近邻匹配结果相似。这说明PSM
表8 处理组ATT差值

部分的结论是可信的。因此通过PSM检验，我们发现总体上来说政府补助可以促进企业的研发投入。这与基准回归结果(表3)和工具变量方法估计结果(表4)中，政府补贴对企业研发支出的影响基本是一致的。
2.滞后项作为工具变量。需要指出的是，在工具变量的选取方面，一部分长期从事实证研究的学者为了解决核心变量与被解释变量的内生性问题，常常使用核心解释变量的滞后变量作为工具变量。因此本文选取政府补贴的滞后一期作为工具变量。表9汇报了估计结果。结果显示，各变量的估计系数与前文中的分析基本一致，因此本文的计量方程估计结果是稳健的。
表9 政府补贴滞后项作为工具变量的2SLS检验结果

六、主要结论与政策含义
企业在进行研发活动中，面临着研发活动不确定性以及研发成果“外部性”问题，自身研发积极性可能受到影响，完全依赖企业自身的研发投入不能达到社会最优，需要政府适当干预。而关于政府研发资助能否促进企业研发创新，以及如何提升政府的激励效应，一直存在争议。本文通过分析政府资助在企业研发活动中的影响机制，基于工业企业的科技活动数据实证检验了中国政府研发资助对于企业研发创新活动的影响效应。对于如何有效发挥政府资助的激励效应，本文提供了一定的借鉴，得到了如下结论：(1)总体来看，政府研发资助会促进企业自身研发的支出，即对企业自身研发投入存在“激励作用”，同时也会提升企业研发创新的专利和新产品的产出水平，这验证了假说1中存在的激励效应和假说2中激励效应的异质性。(2)政府对企业研发活动的资助在发挥作用的过程中，会受到企业自身微观特征的影响。不同类型的企业，政府资助对企业研发的激励效应是不同的。在企业规模越大、人力资本水平越高、劳动生产效率越高的企业中，政府研发资助的影响效应越大。(3)非国有企业的研发创新产出要高于国有企业。(4)科技活动的产出更多地依赖于研发人员的贡献，企业应注重人才的引进，提升人力资本的水平。
企业研发创新活动前期阶段面临投入成本高、研发成果不确定等风险问题，会降低企业研发的积极性。政府有效的研发资助可以减少企业研发活动前期的研发成本，降低企业研发过程的风险，提升企业研发投入以及研发创新活动的积极性。企业研发创新成果具有“公共品”的特性。公共物品的供给仅仅依赖市场和企业，往往不能达到社会最优，并且也会降低企业的积极性，因此需要政府的适当干预，在提升企业积极性的同时，使得创新研发能够达到社会最优。企业微观特征的异质性导致了政府资助效应的发挥存在差异。企业规模越大、知识存量水平越高、劳动生产效率越高的企业中，政府研发补贴的影响效应越大。政府在选择研发资金资助对象的时候，应该重点对这些企业进行扶持。这些企业能够有效地吸收政府的研发资助资金，从而提升自身企业的创新活动水平，也能够更有效地发挥政府补贴的激励效应，实现政府经济政策的战略目标。特别是对于研发效率较高的非国有企业，政府应该重点给予支持，因此政府应该根据企业不同的微观特征，制定针对性的资助措施，更有效地发挥政府资金对企业研发创新的激励作用。从本文的分析中发现，在研发创新过程中，从事研发的科技人员的贡献要大于资本的投入，专利以及新产品的产出更多依赖于研发人员。因此企业应该重视研发人员的引进与培养。
参考文献
安同良、周绍东、皮建才，2009：《R&D补贴对中国企业自主创新的激励效应》，《经济研究》第10期。
白俊红，2011：《中国的政府R&D资助有效吗?来自大中型工业企业的经验证据》，《经济学(季刊)》第4期。
白俊红、李婧，2011：《政府R&D资助与企业技术创新——基于效率视角的实证分析》，《金融研究》第6期。
程华、赵祥，2008：《企业规模、研发强度、资助强度与政府科技资助的绩效关系研究——基于浙江民营科技企业的实证研究》，《科研管理》第2期。
龚刚、魏熙晔、杨先明、赵亮亮，2017：《建设中国特色国家创新体系 跨越中等收入陷阱》，《中国社会科学》第8期。
郭晓丹、何文韬、肖兴志，2011：《战略性新兴产业的政府补贴、额外行为与研发活动变动》，《宏观经济研究》第11期。
郭晓丹、何文韬，2011：《战略性新兴产业政府R&D补贴信号效应的动态分析》，《经济学动态》第9期。
姜宁、黄万，2010：《政府补贴对企业R&D投入的影响——基于我国高技术产业的实证研究》，《科学学与科学技术管理》第7期。
解维敏、唐清泉、陆姗姗，2009：《政府R&D资助、企业R&D支出与自主创新——来自中国上市公司的经验证据》，《金融研究》第6期。
孔东民、李天赏，2014：《政府补贴是否提升了公司绩效与社会责任》，《证券市场导报》第6期。
寇宗来、高琼，2013：《市场结构、市场绩效与企业的创新行为——基于中国工业企业层面的面板数据分析》，《产业经济研究》第3期。
刘虹、肖美凤、唐清泉，2012：《R&D补贴对企业R&D支出的激励与挤出效应——基于中国上市公司数据的实证分析》，《经济管理》第4期。
聂辉华、谭松涛、王宇锋，2008：《创新、企业规模和市场竞争:基于中国企业层面的面板数据分析》，《世界经济》第7期。
吴延兵，2006：《R&D存量、知识函数与生产效率》，《经济学(季刊)》第3期。
徐现祥、周吉梅、舒元，2007：《中国省区三次产业资本存量估计》，《统计研究》第5期。
许治、师萍，2005：《政府科技投入对企业R&D支出影响的实证分析》，《研究与发展管理》第3期。
詹宇波、刘荣华、刘畅，2010：《中国内资企业的技术创新是如何实现的?——来自大中型工业企业的省级面板证据》，《世界经济文汇》第1期。
张杰、陈志远、杨连星、新夫，2015：《中国创新补贴政策的绩效评估:理论与证据》，《经济研究》第10期。
朱平芳、徐伟民，2005：《政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究》，《经济研究》第6期。
朱有为、徐康宁，2006：《中国高技术产业研发效率的实证研究》，《中国工业经济》第11期。
Angrist,J.D.，and J.S.Pischke，2009，“Instrumental Variables in Action: Sometimes You Get What You Need”，Mostly Harmless Econometrics: An Empiricist’s Companion: 113-220.
Acemoglu,D.,and V.Guerrieri，2008，“Capital Deepening and Nonbalanced Economic Growth”，Journal of Political Economy，116(3):467-498.
Arrow,K.J.，1972，“Economic Welfare and the Allocation of Resources for Invention: Macmillan”，NBER Chapters, 12, 609-626.
Bérubé,C.,and P.Mohnen，2009，“Are Firms That Receive R&D Subsidies More Innovative?”， Canadian Journal of Economics/Revue Canadienne Déconomique，42(1):206-225.
Cohen,W.M.,and D.A.Levinthal，1989，“Innovation and Learning: The Two Faces of R&D”，Economic Journal，99(397):569-596.
David,P.A.，B.H.Hall，and A.A.Toole，2000，“Is public R&D a Complement or Substitute for Private R&D? A Review of the Econometric Evidence”，Research Policy，29(4-5):497-529.
Griliches,Z.，1986，“Productivity, R&D, and Basic Research at the Firm Level in the 1970’s”， American Economic Review，76(1):141-154.
Howell,and T.Sabrina，2017，“Financing Innovation: Evidence from R&D Grants”，American Economic Review, 107 (4): 1136-1164.
Jaffe,A.B.，1988，“Demand and Supply Influences in R&D Intensity and Productivity Growth”， Review of Economics & Statistics，70(3):431-437.
Kleer,R.，2010，“Government R&D Subsidies as a Signal for Private Investors”，Research Policy，39(10):1361-1374.
Lach,S.，2002，“Do R&D Subsidies Stimulate or Displace Private R&D? Evidence from Israel” ，Journal of Industrial Economics，50(4):369-390.
Marino,M.，S.Lhuillery，P.Parrotta,and D.Sala，2016，“Additionality or Crowding-out? An Overall Evaluation of Public R&D Subsidy on Private R&D Expenditure”，Research Policy，45(9):1715-1730.
Schumpeter,J.,and U.Backhaus，1934，“The Theory of Economic Development”，Springer US， 61-116.
Solow,R.M.，1957，“Technical Change and the Aggregate Production Function”，Review of Economics & Statistics，39(3):554-562.
Stiglitz,J.E.，1989，“Market Failures, and Development”，American Economic Review，79(2):197-203.
Todtling,F.,and A.Kaufmann，2001，“The Role of the Region for Innovation Activities of SMEs”，European Urban & Regional Studies，8(3):203-215.
Yager,L.,and R.Schmidt，1997，The Advanced Technology Program: A Case Study in Federal Technology Policy，AEI Press.
THE EFFECTIVENESS OF GOVERNMENT R&D FUNDING IN PROMOTING ENTERPRISE INNOVATION: HYPOTHESIS AND TEST OF HETEROGENEITY OF INCENTIVE EFFECT
ZHENG Jiang-huai ZHANG Yu-chang
(School of Economics, Nanjing University)
Abstract: There has been a controversy that whether government R&D expenditure can promote R&D innovation and how to play the role of government more effectively in the process of innovation. Based on theoretical analysis, the paper puts forward the effectiveness of government R&D funding in promoting enterprise innovation and the heterogeneity of incentive effect. Based on the data of industrial enterprises’ scientific and technological activities this paper examines the effect of the Chinese government R&D funding on the R&D innovation activities of the enterprises. On the whole, the government R&D funding will promote the enterprise’s own R&D expenditure, and it will also improve the level of output of the patent and the new product. There are heterogeneities of enterprises in the incentive effect of government funding, the greater the enterprise scale, the higher human capital level and the higher labor efficiency, the greater the effect of the government R&D funding, and the R&D output of the non-state-owned enterprises is higher than that of the state-owned enterprises. In addition, the output of scientific and technological activities is more dependent on the contribution of R&D personnel. When the government subsidize the R&D activities of enterprises, it should make targeted subsidies policy according to the specific micro characteristics of the enterprises.
Key words: government R&D funding; enterprise innovation; incentive effect; heterogeneity of enterprise
*郑江淮、张玉昌(通讯作者)，南京大学经济学院，邮政编码：210093，电子信箱：876736034@qq.com。本文得到了国家社科基金重大项目“新旧动能转换机制设计及路径选择研究”(18ZDA077)的资助。感谢匿名评审人提出的宝贵意见和建议，笔者已做了相应的修改，本文文责自负。
(责任编辑:付 敏)