政府研发资助、企业研发投入与技术创新效率

宋来胜，苏 楠

（湖北经济学院 经济与环境资源学院，湖北 武汉 430205）

政府研发资助、企业研发投入与技术创新效率

宋来胜，苏 楠

（湖北经济学院 经济与环境资源学院，湖北 武汉 430205）

采用省际统计数据，利用Frontier4.1软件就政府研发资助和企业研发投入对我国技术创新效率的影响进行SFA分析。研究表明：从全国整体来看，政府研发资助对技术创新效率存在负向影响，企业研发投入对技术创新效率存在正向影响，政府研发资助对企业研发投入存在挤出效应。从分组回归结果来看，政府研发资助对第Ⅰ类地区和第Ⅱ类地区技术创新效率存在负向影响，企业研发投入对第Ⅰ类地区技术创新效率存在正向影响，政府研发资助对第Ⅰ类地区企业研发投入存在替代效应，且均在1%水平上统计显著。

政府研发资助；企业研发投入；技术创新效率；随机前沿分析

一、引言

我国中长期科技发展规划提出，到2020年我国要成为创新型国家。根据内生增长理论，由创新引起的技术进步是推动经济增长的主要动力，而创新是由新知识发现、技术机会、R&D效率以及社会对新产品的需求等多方面因素共同推动的结果。现代经济的重大技术创新都伴随着巨额的研发投入，这是推动技术创新最主要的供给因素。在过去十几年，为了全面促进科研水平和创新能力的提升，我国整体的科研投入出现了爆发式增长，相关研发投入从2000年的895.66亿元增加到2014年的13 015.63亿元，年均增长18.21%，远高于同期GDP的增长速度，研发强度由2000年的0.9% 提升到了2014年的2.05%。但从企业层面来看，在生产技术和效率决定的国际生产价值链中，我国大多数企业的地位并没有明显改善，仍被锁定在低附加值产品生产领域。从宏观层面看，一些学者的实证研究表明，我国研发投入和全要素生产率之间相关性较弱，创新效率低下（高凌云 等，2008）[1]，因此，需从更深的层次解决创新效率不足的问题。目前我国经济正面临着多种风险，也处在转型发展的关键时期，提高创新能力及其效率对保持经济增长、避免陷入“中等收入陷阱”具有至关重要的作用。

在创新过程中，不可避免存在知识外溢现象，因此创新具有一定的正外部性，尤其是那些基础性研究，私人收益远小于社会收益，存在供给不足的现象。为解决市场失灵，实现资源的最优化配置，提高创新过程的效率，政府的干预作用就显得非常重要，通过R&D资金资助、项目扶持以及税收优惠等政策工具，提高研发支出来达到社会最优水平。政府干预的主要目的就是为了减少私人企业研发的实际成本，引导企业合理扩大研发支出，并最终提升整个国家创新活动的效率[2-3]。例如美国、日本、德国等发达国家，采用市场化导向的技术创新政策，投入巨大的资金和研发力量，在产业结构调整，技术快速发展过程中，政府始终发挥着非常重要的作用。我国目前研发投入的大幅增长并没有带来企业技术水平相应的提升，从投入产出角度可以解释为创新效率比较低，因此目前研究技术创新效率问题，可以使我们更清楚地认识创新过程中的各类投入对产出的影响，以及该过程中有关的制度约束。此外，本文为更好地研究影响我国技术创新效率的因素，将采用聚类分析方法，对不同省（市、区）进行分组，并且将研发投入进行更细致的分类，实证分析政府研发资助和企业研发投入之间的关系，以及各自在创新过程中所起到的作用，以便更好地考察创新效率不足的内在原因。

二、相关文献研究

（一）政府研发资助和企业研发投入对创新效率的影响

研发投入对技术创新的影响是现代经济增长理论的主要研究内容，国内外学者进行了大量系统性的研究。国内学者鲁志国（2006）认为研发投入对企业技术创新的传导机制可以概括为种子效应、生长效应、引致效应以及自我强化效应，一方面能够直接推动技术的产生和扩散，另一方面种子效应、生长效应和引致效应构成一条传导链，并与自我强化效应共同将研发活动传导到技术创新，最终推动了技术创新成果的出现，提高了创新能力[4]。Griffith et a1.（2004）分析了12个OECD国家的工业数据，发现国内研发投入越大，越能够有效提高国内生产率，缩短和技术主导国之间的生产率差距，提高技术创新速度[5]。

由于研发资金来源具有多样性，因此，本文更进一步将国内研发投入分解为政府资助和企业研发投资两种类型，分别研究这两类研发投资的创新效率问题。近些年政府研发支出增长成为学术界广泛讨论的问题，尤其在政府预算约束条件下，需要仔细评估此类支出的效率高低，这有助于进一步分析产业创新和经济绩效问题。目前政府在R&D领域的活动包括直接研发资金支出，例如政府资助科研项目、在大学和科研机构建立实验室、税收减免、研发补贴、各种支持创新的服务等，此外还有各项政府行政指令、政策引导等，例如鼓励科研机构、大学和企业之间的横向联系，在大学附近建立科技园区、激励科研院所申请专利，这些都能够提升整体的R&D活动。关于政府研发资助对创新绩效影响的研究也有很大进展，例如Choi et a1.（2011）认为在大多数发达国家，政府经常通过直接投资、税收优惠等手段促使企业创新效率的提升，二者之间存在正向关系[6]。Block et a1.（2009）对美国100家获得创新奖的企业进行调查后发现，差不多有90%的受访企业都曾经接受过政府各类和研发有关的资助[7]。Chang et a1.（2006）研究了中国政府研发支出的影响发现，政府各类促进技术、创新能力建设的措施对于企业研发投资的增长，以及企业创新效率的提高都存在显著正向影响[8]。而冯宗宪 等（2011）采用半参数DEA法，对我国各省区的企业创新效率进行测定，分析政府研发资助对创新效率的影响程度。他们发现政府资助对创新效率存在不显著的负向关系，主要原因可能来自于政府决策层很少亲临生产一线，远离技术前沿，项目选择过程有比较高的失误，并且在具体操作过程中企业也会寻租，政府干预反而损害了公平竞争的市场环境[9]。肖文 等（2014）采用随机前沿分析法研究了36个制造业行业的技术创新效率，发现我国整体平均技术创新效率偏低，介于0.5～0.6，由于政府的远期技术偏好，对资金用途管理监督的缺失，政府的研发资助并没有提升企业技术创新效率[10]。洪嵩（2015）以17个高技术产业作为研究对象，采用随机前沿分析法进行了实证研究，结果表明政府研发支持对高技术产业的创新效率存在显著的负向影响，而企业研发投资能促进企业创新效率的提升，但会受到政府资助的影响，两者之间不存在挤出效应。他认为除了政府技术偏好这一原因外，接受资助的企业可能将政府资金用来代替本身的研发投入，而且由于缺乏监督惩罚机制，资金滥用的问题比较严重，这都会导致较低的创新效率[11]。相对而言，企业自有研发投资受到市场机制约束，更容易以市场需求为导向，实现商业化发展。总体而言现有研究并没有取得一致结论，对于发达国家的实证研究结果多数认为两者之间存在正相关性，而对于我国的研究结果却相反，政府研发资助对技术创新效率的影响比较低。

（二）政府研发资助和企业研发投入之间的关系

关于政府研发资助和企业研发投入关系问题的研究目前尚未有统一结论，Leyden et a1.（1991）指出总体上公共部门研发支出将会促进私人部门R&D投资的增长，但在那些私人企业R&D投资比较高的行业，政府研发资助反而会阻碍企业对研发的投资，也就是说出现了挤出现象[12]。Hussinger（2003）通过研究德国制造业企业数据发现，政府资助对企业研发投资存在比较显著的诱发作用[13]。Duguet（2004）使用法国企业数据发现，政府对企业的资助会影响到私人企业在研发环节的投资，两者之间存在显著的正向关系，这说明政府资助客观上带动了私人企业的投资[14]。国内学者白俊红 等（2009）通过SFA分析发现，我国政府资助对于提高技术创新效率的影响并不大，因为存在政府介入和企业研发投入领域的重叠，从而出现挤出现象，而且对科研人员和相关资源需求面的冲突，也使得企业研发成本上升[15]。谢伟 等（2008）认为，总体上目前我国政府和企业对于研发投入都比较重视，这会改进企业的技术创新效率，但由于研发投入具有时间滞后，不能快速有效地提高企业自主研发能力，技术效率的改进在短期内不明显[16]。姜宁 等（2010）实证分析了2003—2008年我国高科技产业政府补贴和企业研发投资之间的关系，结果显示政府补贴并不一定会促使企业增加研发投入，两者没有明显互补关系[17]。此外，王俊（2011）从弹性的角度分析了我国研发支出的效率问题，测算发现政府R&D资助与企业R&D投入的产出弹性有很大差别，企业支出的效率远大于政府，如果按行业研发强度分组检验，两者的差距达到2～8倍，因此政府应当按企业特征调整研发资助的方式对象，将重点放在发展前景好、规模小的高科技企业[18]。从现有研究结果来看，对于政府资助是否能够带动企业研发投资增加还没有一致性的结论，多数学者的理论和实证研究表明，在产业层面上政府在科研方面的税收减免、补贴等措施有助于企业研发投资，影响是正向的，两者存在互补关系，但在企业层面上的研究结果反映出两者之间关系复杂，受到很多因素影响。

三、模型的建立及数据说明

1.建立计量模型。随机前沿分析方法，又称为Stochastic Frontier Analysis，由 Aigner et al.1977 年提出[19]。随机前沿分析是寻找一个在生产要素投入数量既定情况下能够给企业带来帕累托最优产出的生产函数（Timothy et al.，2005）[20]。随机前沿分析法建立函数形式，并对非效率误差项进行分解。生产函数被定义为在现有既定的技术水平条件下，企业的投入组合和所能生产的最大产出数量之间的函数关系。现在的问题是如何利用过去经验去确定一个企业的最大潜在产量。观测值与从一组特定的生产要素投入中得到的最大潜在产量之间的比值是企业的技术效率。随机前沿分析模型被广泛应用在生产力分析方面[21-22]。

随机前沿分析模型为：

在这里，Yit表示i省（市、区）t年份的新知识生产或创新效率，Xit表示i省（市、区）t年份知识生产函数中的投入变量，α和β为待估参数；vit是随机误差项，是企业不能控制的影响因素，它具有随机性，反映的是系统非效率，vit～N（0，δ2v）；uit为技术非效率项，是企业可以控制的影响因素，代表的是运用随机前沿分析出的实际产出水平和关系，其取决于效率因子 zit，uit～N（uit，δ2u），且 uit≥0；wit为技术非效率项回归模型的误差修正项，服从非负断尾正态分布。

为了更精准地拟合实际情况，突破投入产出弹性固定、技术中性等假定，我们将技术创新产出和投入以超对数形式呈现。因此，本文将随机前沿分析模型的第一部分设定为：

对于随机前沿分析模型的第二部分，即技术非效率项模型部分，为技术非效率的决定因素。本文重点研究政府研发资助和企业研发投入对技术创新效率的影响，在此基础上，添加了企业规模、竞争程度、所有制结构、企业经营绩效、研发开放度等五个效率因子，因此，我们将随机前沿分析模型的第二部分设定为：

其中，Govit为政府研发资助，Firmit为企业研发投入，Sizeit为企业规模，Compit为竞争程度，Stateit为所有制结构，Perfit为企业经营绩效，Foreignit为研发开放度。

2.变量说明及数据来源。（1）创新产出变量。创新产出变量选择省（市、区）规上工业企业新产品销售收入来衡量。新产品销售收入指标相对于标准化程度高的专利等相关指标而言，更能反映新知识生产情况以及社会对技术创新产品的认可程度。

（2）创新投入变量。创新投入变量分解为研发资本投入和研发人员投入两个变量。研发资本投入选择采用永续盘存法折算出来的省（市、区）R&D经费内部支出研发资本存量来衡量，折旧率为10%。研发人员投入选择省（市、区）研究与试验发展全时人员当量来衡量。

（3）技术非效率因素。技术非效率因素包括政府研发资助、企业研发投入、企业规模、竞争程度、所有制结构、企业经营绩效、研发开放度等七个效率因子。其中，政府研发资助变量选择省（市、区）R&D经费内部支出经费筹集中来自政府资金的比重来衡量；企业研发投入变量选择省（市、区）R&D经费内部支出经费筹集中来自企业资金的比重来衡量；企业规模变量选择省（市、区）大中型工业企业工业总产值除以该地区大中型工业企业数量来衡量；竞争程度指标选择省（市、区）大中型工业企业总产值占规模以上工业企业总产值的比重、省（市、区）大中型工业企业数占规模以上工业企业数的比重、省（市、区）大中型工业企业资本总产值占规模以上工业企业资本总产值的比重和省（市、区）大中型工业企业销售收入占规模以上工业企业销售收入的比重的算术平均值来衡量；所有制结构指标选择省（市、区）国有控股工业企业数量占地区规模以上工业企业数比重、省（市、区）国有控股企业工业总产值占地区规模以上工业企业总产值比重和省（市、区）国有控股企业工业主营业务收入占地区规模以上工业企业主营业务收入比重的算术平均数来衡量；企业经营绩效选择省（市、区）大中型工业企业的成本费用利润率来衡量；研发开放度选择省（市、区）R&D经费内部支出经费筹集中来自境外资金的比重来衡量。本文31个省（市、区）的面板数据来源于2001—2015年的《中国统计年鉴》《中国科技统计年鉴》和《中国工业经济统计年鉴》。

3.省（市、区）的分组。为了分析政府研发资助和企业研发投入对技术创新效率影响的地区性差异，选用政府研发资助和企业研发投入数据，运用系统聚类法对31个省（市、区）进行分组，确定了四个地区组群。第Ⅰ类地区为高政府研发资助、低企业研发投入地区，包括北京、吉林、黑龙江、上海、海南、四川、云南、西藏、陕西、甘肃和青海（共11个）；第Ⅱ类地区为低政府研发资助、高企业研发投入地区，包括天津、河北、山西、内蒙古、辽宁、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、重庆和宁夏（共18个）；第Ⅲ类地区为低政府研发资助、低企业研发投入地区，包括贵州（共1个）；第Ⅳ类地区为高政府研发资助、高企业研发投入地区，包括新疆（共1个）。鉴于第Ⅲ类地区和第Ⅳ类地区都只包括一个省份，数据数量有限，且没有普遍性，故没有进行SFA分析。

四、实证结果及数据分析

我们运用Frontier4.1软件，选择随机前沿分析方法（假设U为半正态分布），建立两个实证模型来研究政府研发资助、企业研发投入对技术创新效率的影响。表1数据显示，实证模型1和实证模型2的LR检验值都比较大，且达到了显著性水平，说明随机误差项与技术非效率因子项显著存在，此生产函数需要考虑技术非效率因素，而且运用SFA方法研究政府研发资助、企业研发投入对技术创新效率的影响是合适的。

实证模型2的回归结果表明，无论是全国整体，还是第Ⅰ类地区、第Ⅱ类地区，政府研发资助的估计系数均为正数，且在1%水平上统计显著，这说明政府研发资助对于技术创新效率存在负向影响。这是因为：（1）政府没有遵循科技创新的内在规律，对企业科技创新活动进行越位干预，这不仅损害了自由竞争的市场环境，而且使得企业不能全身心地投入到科技创新的经验积累以及科技创新活动组织形式创新当中。（2）政府研发资助没有实现最优配置。一是政府研发资助偏好支持规模大、综合实力强的优质企业开展技术创新活动，正好我国国有企业实力雄厚，与政府部门关系密切，政府R&D资助难免大多流向国有企业。国有企业产权关系模糊，预算软约束、委托代理问题突出，激励监督机制低效，使得政府研发资助创新资源没有得到合理配置，阻碍了政府R&D资助使用效率的提升。二是政府部门远离企业生产管理一线，掌握的信息相对不足，在信号甄别机制缺失的情况下，企业通过释放虚假的原始创新信号来骗取政府研发资助，以及企业向政府的寻租行为都严重削弱了政府研发资助的激励效应。三是政府缺乏对研发资助资金进行有效监控、确保政府研发资助能够投入到企业R&D活动之中的体系。

在实证模型1中，从全国整体来看，企业研发投入的估计系数为-5.844，在1%水平上统计显著，这说明企业研发投入对技术创新效率存在正向影响。这是因为：受市场机制影响，当企业投入自有资金开展技术创新活动时，其会围绕市场需求而展开，注重提升资金的利用效率，创新产出能迎合市场需求，更容易使技术创新成果转化为效益，从而快速收回企业研发成本，这也印证了当前我国技术创新体系从政府行政干预为主向以企业为主转变的正确性。另外，我们还发现，企业研发投入的估计系数在第Ⅰ类地区为在1%水平上统计显著的负数，而在第Ⅱ类地区为在统计上不显著的负数。也就是说，企业研发投入对第Ⅰ类地区技术创新效率存在正向影响，对第Ⅱ类地区技术创新效率不存在显著性影响。这与第Ⅰ类地区高新产业比重比较大、企业技术创新能力比较强，而第Ⅱ类地区企业大多属于技术水平比较低的劳动密集型产业，企业自身技术创新能力弱有关。

对比实证模型1和实证模型2的回归结果可以看出，从全国整体来看，企业研发投入的估计系数均为在1%水平上统计显著的负数，且考虑政府研发资助时的估计系数比缺乏政府研发资助时的估计系数要大，即-5.844<-2.315，这说明政府研发资助对企业研发投入产生了挤出效应。技术创新成果具有公共产品特征，其正的知识溢出效应削减了创新企业的技术创新回报，使得其他企业能够通过技术模仿获取“搭便车”利益，因此，政府研发资助能够起到补偿企业技术创新活动的社会收益超过私人收益部分、激励企业增加技术创新投入的作用。只不过，目前我国知识产权保护不完善，侵权现象屡见不鲜，使得相当多的企业投入自有资金开展技术创新活动的内在动力相对不足。因此，获得政府研发资助的企业可能把政府投入的创新资金替代企业自身的创新投入，另外，政府研发资助过多地倾向于专用技术以及高新技术产品，导致企业在产业基础技术的R&D投资被挤出。

从分组回归结果来看，第Ⅰ类地区，当缺乏政府研发资助时，企业研发投入的估计系数为-7.467，在1%水平上统计显著，但是，考虑政府研发资助时，企业研发投入的估计系数为-1.016，在10%水平上统计显著，且-7.467<-1.016，这说明政府研发资助对企业研发投入存在替代效应。第Ⅱ类地区，企业研发投入的估计系数均为负数，但在统计上并不显著，这说明政府研发资助对企业研发投入不存在显著性影响。政府研发资助对第Ⅰ类地区企业研发投入的替代效应相对于第Ⅱ类地区更大，这也是政府研发资助对企业研发投入存在挤出效应的一个例证。

表1 政府研发资助、企业研发投入对技术创新效率影响的随机前沿分析结果

在实证模型1和实证模型2中，除竞争程度对第Ⅱ类地区技术创新效率存在正向影响，所有制结构对第Ⅰ类地区技术创新效率存在负向影响，企业经营绩效对第Ⅱ类地区技术创新效率存在正向影响，研发开放度对第Ⅰ类地区和第Ⅱ类地区技术创新效率存在负向影响之外，其他变量对地区技术创新效率不存在显著性影响。

五、结论及对策建议

本文采用2000—2014年省际统计数据，利用Frontier4.1软件就政府研发资助和企业研发投入对我国技术创新效率的影响进行SFA分析。研究结果表明：从全国整体来看，政府研发资助对技术创新效率存在负向影响，企业研发投入对技术创新效率存在正向影响，政府研发资助对企业研发投入存在挤出效应。从分组回归结果来看，政府研发资助对第Ⅰ类地区和第Ⅱ类地区技术创新效率存在负向影响，企业研发投入对第Ⅰ类地区技术创新效率存在正向影响，政府研发资助对第Ⅰ类地区企业研发投入存在替代效应，且以上均在1%水平上统计显著；而企业研发投入对第Ⅱ类地区技术创新效率不存在显著性影响，政府研发资助对第Ⅱ类地区企业研发投入不存在显著性影响。

我国是一个发展中国家，研发资本和研发人员是稀缺资源，为了提高创新资源的利用效率，实现经济转型、产业升级，增强企业的国际竞争力，本文提出了以下对策建议。

1.营造自由竞争和创新导向的制度环境。众所周知，制度创新和技术创新相辅相成。自由竞争和创新导向的制度环境会带来更多的创新产出。建议政府部门营造公平公正的市场竞争环境，削减对企业科技创新活动的行政干预，确立企业在科技创新活动中的主体地位；完善知识产权制度，加大知识产权保护力度，保障创新企业对科技成果的产权，采取多种方式帮助企业实现科技成果产业化，增强企业开展科技创新活动的内生动力；加大产业基础性技术研发的资助力度，大力发展风险投资，搭建官产学研研发合作平台，集聚创新要素，整合各类创新资源，开展合作创新活动，加强产学研信息沟通，加深产学研间的有机联系，避免重复研发输入和低输出。

2.改革事前评审和事后评价体系，强化事中资金监管。建议政府部门改革事前科技项目评估评审体系，科技项目评审要体现客观公正的原则，防范企业寻租行为和“关系户评审”的出现，建立评审专家信用制度，完善同行专家评审机制，加强项目评审过程监督，扩大R&D成果评审的公开化程度，建立被评审人的信息反馈机制；建议政府部门改革事后科研成果评价体系，如果企业没有达到事前承诺的自主创新目标，建议政府部门处罚违约企业，给企业增加政府研发资助的“违约成本”，威慑释放虚假信号企业的逆向选择行为；建议建立政府研发资助资金的分配与使用监控体系，加强政府研发资助资金监管，严防政府研发资助资金被挪作他用。

3.形成有效的政府支持方式组合。政府部门对企业的研发资助可以提高区域技术机会，降低创新门槛，并且，许多发达国家在技术创新初期，政府都是研发投入主体，因此，政府的激励政策是必需的，只不过要提高政府研发资助的针对性和有效性，并形成有效的政府支持方式组合。在第Ⅰ类地区，建议政府提高对地区私营企业的R&D资助力度，支持私营企业引进高科技人才，提升企业研发能力，增加技术创新知识储备，促进技术和产品的转型升级。与此同时，对私营企业在提供融资担保、引进人才、税费减免、政府采购等方面提供支持；建议政府运用研发支出税收减免、政府采购和金融支持政策等手段来诱导国有企业增加R&D投入，培养国有企业创新文化，发挥政府R&D资助的激励效应；改革国有企业管理体制，建立现代企业制度，加强对国有企业政府R&D资金的监管力度，防止国有企业将政府研发资助资金用于非R&D活动。在第Ⅱ类地区，建议政府研发资助向中小企业适当倾斜，增加中小企业的R&D资助份额，积极资助中小企业进行形式多样的R&D活动，提高中小企业技术创新能力；与此同时，加大对业绩优、盈利能力强企业的政府研发资助力度和税收优惠力度。

4.降低研发开放度，大力引进先进技术和科学管理方法。规范FDI投资导向，降低研发开放度，拓展中国R&D企业的生存空间；鼓励国内企业从跨国公司在华设立的研发中心引进先进技术，强化引进技术的创新性和差异性，引入外资企业科学管理方法，缩小与外资企业在企业管理方面的差距，将先进管理与新技术相结合，充分发挥新技术效能。

［1］高凌云，王永中.R&D溢出渠道、异质性反应与生产率：基于178个国家面板数据的经验研究［J］.世界经济，2008，31（2）：65-73.

［2］FARRELL M J.The measurement of productive efficiency［J］.Journal of the royal statistical society，1957，120（3）：253-290.

［3］CALATRAVA REQUENA J，GONZÁLEZ ROA M C.Technical versus institutional innovation in andalusian olive tree orchards：an adoption modelling analysis［C］.12th congress of the European association of agricultural economists.ghent（Belgium），2008（8）：26-29.

［4］鲁志国.广义资本投入与技术创新能力相关关系研究［M］.上海：上海三联出版社，2006.

［5］GRIFFITH R，REDDING S，VANREENEN J.Mapping the two faces of R&D：productivity growth in a panel of OECD industries［J］.Review of economics and statistics，2004，86（4）：883-895.

［6］CHOI S B，LEE S H，WILLIAMS C.Ownership and firm innovation in a transition economy：evidence from China［J］.Research Policy，2011，40（3）：441-452.

［7］BLOCK F，KELLER M R.Wheredoinnovationscome from?transformations in the US economy，1970-2006［J］.Socio-economic review，2009，7（3）：459-483.

［8］CHANG S J，CHUNG C N，MAHMOOD I P.When and how does business group affiliation promote firm innovation?a tale of two emerging economies ［J］.Organization science，2006，17（5）：637-656.

［9］冯宗宪，王青，侯晓辉.政府投入、市场化程度与中国工业企业的技术创新效率［J］.数量经济技术经济研究，2011（4）：3-17.

［10］肖文，林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析［J］.管理世界，2014（4）：71-80.

［11］洪嵩.政府R&D资助、企业R&D投入与高技术产业创新效率的关系研究［D］.合肥：中国科学技术大学，2015.

［12］LEYDEN，DENNIS P，ALBERT N LINK.Why are governmental R&D and private R&D complements?［J］.Applied economics，1991，23（10）：1673-1681.

［13］HUSSINGER K.R&D and subsidies at the firm level：an application of parametric and semi-parametric two-step selection models［J］.Journal of applied econometrics，2003，23（6）：729-747.

［14］DUGUET，E.Are R&D subsidies a substitute or a complementto privately funded R&D? evidence from France using propensity score methods for non experimental data［J］.Revue d′economie politique，2004，114（2）：263-292.

［15］白俊红，江可申，李婧.应用随机前沿模型评测中国区域研发创新效率［J］.管理世界，2009（10）：51-61.

［16］谢伟，胡玮，夏绍模.中国高新技术产业研发效率及其影响因素分析［J］.科学学与科学技术管理，2008，29（3）：144-149.

［17］姜宁，黄万.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［J］.科学学与科学技术管理，2010，31（7）：28-33.

［18］王俊.政府R&D资助与企业R&D投入的产出效率比较［J］.数量经济技术经济研究，2011（6）：93-106.

［19］AIGNER D J，LOVELL C A K，SCHMIDT P.Formulation and estimation of stochastic frontier production function models［J］.Journal of econometrics，1977（6）：21-37.

［20］TIMOTHY J.COELLI，D S PRASADA RAO，CHRISTOPHER J O′DONNELL et al.An introduction to efficiency and productivity analysis［M］.New York：Springer Science Business Media，2nd ed.2005.

［21］BATTESE G E，COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data ［J］.Empirical economics，1995（20）：325-332.

［22］KUMBHAKAR S C，LOVELL C A K.Stochastic frontier analysis［M］.Cambridge：Cambridge University Press，2000.

Government R&D Funding，Enterprise R&D Investment and Technological Innovation Efficiency

Song Laisheng，Su Nan
（School of Economics and Environmental Resources，Hubei University of Economics，Wuhan430205，China）

This paper adopts provincial statistical data，conducts SFA analysis by using Frontier4.1 software on the influence of government R&D funding and enterprise R&D investment on technological innovation efficiency of China.Research shows that:from whole country，government R&D funding has negative effect on technological innovation efficiency，enterprise R&D investment has positive effect on technological innovation efficiency，government R&D funding has crowding out effect on enterprise R&D investment;from the groups regression results，government R&D funding has negative impact on class I area'and class II area'technological innovation efficiency，enterprise R&D investment has positive effect on class I area'technological innovation efficiency，government R&D funding has substitution effect on class I area'enterprise R&D investment，and above all are statistically significant at the 1%level.

government R&D funding，enterprise R&D investment，technological innovation efficiency，stochastic frontier analysis

F061.5

A

1003-3890（2017）06-0045-07

2016-10-30

宋来胜（1979-），男，湖北武汉人，湖北经济学院经济与环境资源学院讲师，研究方向为计量经济；苏楠（1974-），男，湖北武汉人，湖北经济学院经济与环境资源学院讲师，博士，研究方向为国际经济。

张 然