高新技术企业认定对研发投入的政策效应研究——来自A股上市公司的经验证据

陈珍珍，何 宇，徐长生

(华中科技大学经济学院，湖北 武汉 430074)

0 引言

创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。企业作为经济活动的主要参与者，一方面创新有利于企业攫取高额垄断利润，实现企业成长[1]，另一方面企业创新存在溢出效应[2]，从而推进相关行业、区域的经济增长。公共经济学理论认为，即使在完全竞争市场中，外部性的存在也会导致公共品市场失灵，从而需要政府干预。基于此，政府出台了一系列通过财政补助、税收优惠、科技人才发展规划等激励企业创新的举措。1988年原国家科委发布了 《关于高技术、新技术企业认定条件和标准的暂行规定》，并于2008年发布国科发火 (2008)172号文件 (2008版认定政策)，明确了高新技术企业认定政策的标准和程序，又于2016年进行修订并发布国科发火 (2016)32号文件 (2016版认定政策)，旨在激励企业研究开发与科技成果转化。

随着创新驱动发展战略的进一步实施，各地出现了争创高新技术企业的热潮。然而，高新技术企业认定的政策效果备受争议。一方面，高新技术企业认定有助于引领企业走自主创新、持续创新的发展道路；另一方面，企业造假以获取高新资质认定的 “伪高新”乱象频发，高新技术企业认定质量备受质疑。2009年由财政部牵头，国家审计署操刀，国税、地税及科技部门配合，对北京、上海、广东、江苏等地116家高新技术企业抽查发现，有85户不符合条件，不合格率高达73%。2011年,东湖高新、贝因美等 “伪高新”企业大量曝光。根据历年的科技部、财政部、税务总局等部门公布的重点检查来看，一些企业不符合高新技术企业标准，甚至少数企业在申报材料中就存在弄虚作假的情况。在此背景下，本文从创新投入视角思考如下问题：高新技术企业认定的政策效果如何？如何通过科技计划激励企业科技创新？

高新技术企业认定给企业带来的最直接的优惠是税收减免，而现有文献关于研发税收激励的研究结论并不一致。多数学者认为税收激励对研发支出具有显著的激励效应，税收抵免和补贴均有益于增加企业的研发投资，且最优研发税收抵免率为0.24[3]；影响所得税基础构成的税收激励措施 (增强配额和加速折旧)与影响所得税率的税收激励措施 (税收抵免和专利优惠税制)均与企业研发支出之间存在正相关关系[4]。然而，部分学者认为税收抵免的税收优惠政策是无效的，Assey指出在美国应用研发税收抵免无效，而适用于所有研发的统一费率是促进研发的最有效方式[5]。也有学者认为研发税收抵免对研发投资的影响具有异质性,研发税收抵免对研发投资的影响因样本国家和估计方法而异，虽然挪威和法国的研发税收抵免的激励措施效率较高，但其在西班牙和荷兰的效果则不太理想[6]。Cappelen等采用工具变量法 (IV)对挪威的研究发现，税收抵免仅对外溢性不强的技术创新 (对厂商而言具有新颖性的新产品和流程创新)具有显著影响，而对外溢性强的技术创新 (对市场而言具有新颖性的新产品和专利)没有显著影响，税收抵免的激励效应有限[7]。

基于中国的现实数据，学者们对研发税收激励效应进行了大量研究。多数学者认为税收优惠能有效激励企业创新，研发税收激励会有显著的额外研发支出效应[8]；随着税收激励强度的增加，企业研发投入逐渐增长[9]；高新技术企业认定后的税收优惠激励了部分民营企业技术创新[10]。也有学者指出，税收的存在既不利于扩大研发活动的数量，也不利于提高研发活动的效率[11]。更有不少学者发现,税收激励对研发投入并未起到显著促进作用。郭瑞玮等研究税收优惠对国家重点农业龙头企业科技创新的激励效应，发现税收优惠对科技创新资金投入有削弱效应，且其未对人力投入起到激励作用[12]。黄洁莉等以2007—2012年农、林、牧、渔业上市公司的面板数据进行个体随机效应模型估计，指出税负减免对农业上市公司研发投入力度并没有激励作用[13]。孔淑红对2000—2007年省级面板数据使用逐步回归法进行研究，发现总体上税收优惠并没有显著激励科技创新[14]。

总体来看，现有文献主要集中于研究税收优惠对研发的激励效应，而税收激励只是国家高新技术企业认定优惠政策中的一项。除了税收优惠政策外，通过高新技术企业认定的企业还可以享受到人才补贴、固定资产折旧、研发费用加计扣除等多重优惠政策，这说明高新技术企业认定的激励效应与税收优惠的激励效应具有本质区别；虽然少数学者探究了高新技术企业认定对企业创新投入的政策效应，但均是研究母公司高新技术企业认定期间对财力投入的影响，缺乏全面评价高新技术企业认定政策的有效性研究。因此，本文的贡献在于：①系统说明高新技术企业认定对研发投入的政策效应，有助于合理评价高新技术企业认定政策的有效性和引导性，间接论证了通过税收优惠等途径支持企业创新的必要性，丰富了科技计划对企业创新的作用机制的研究；②研究结论具有重要的启示和政策意义。政策红利诱使企业进行寻租，政策制定者应完善认定管理办法以激励高新技术企业持续创新；③探究不同版本高新技术企业认定政策激励效应的差异，发现2016版认定管理办法更具合理性，说明高新技术企业认定政策与时俱进的必要性和科学性。

1 理论分析和研究假设

1.1 高新技术企业认定与企业研发投入

通过认定后获得高新技术企业证书的企业可以享受众多优惠政策，如减至15%的所得税优惠政策、研究开发投入进行研发费用确认享受所得税加计扣除优惠等。积极申请高新技术企业认定对企业研发投入具有重要的理论及现实意义：第一，资源依赖理论。企业为创新而进行的研发投入离不开良好的外部环境支持，除了税收减免等优惠政策外，地方性政策各有不同，如苏州工业园区对高新技术企业一次性奖励10万元、新疆乌鲁木齐高新区对高新技术企业最高可一次性奖励30万元但须专款专用于科技研发活动。高新技术企业认定后的国家政策和地方政策均有利于节约企业的自由现金流，降低企业科技创新的生产成本，从而激励企业进行技术创新、科技成果转化等科研活动。第二，信号传递理论。企业受到多种制度逻辑的影响，在转型经济体中主要是基于市场或政府主导的制度逻辑[15]。一方面，基于市场主导的制度逻辑中，企业创新活动的不确定性和高风险性使得企业和投资者之间存在严重的信息不对称，资金限制造成企业创新投入不足，而高新技术企业认定具有一定的信号发送作用，它是政府对企业创新能力的权威性肯定，有助于帮助企业获取投资者资金支持，缓解企业创新融资约束难题。另一方面，基于政治主导的制度逻辑中，高新技术企业认定政策是政府鼓励企业创新的强有力的证据支持，企业遵从政府导向积极申请高新技术企业认定，从而提高研发投入的积极性，最终实现企业科技创新能力和国际竞争力的提升。基于此，本文提出假设H1a：母公司高新技术企业认定促进企业研发投入；H1b：子公司高新技术企业认定激励企业研发投入。

1.2 制度环境、高新技术企业认定与企业研发投入

相较于2008版认定政策，2016版在与认定最为相关的认定条件和后续监管上均做出了很大调整：一是在研发费用占比等核心条件上放宽标准，让更多中小微科技企业受惠于这一政策；二是评分更细致，科技成果转化能力研究开发组织水平成为企业能否通过认定的关键，更加符合实际；三是强化后续监督力度，明确规定若出现重大违规行为将取消高新技术企业资格并补税，提高对企业合规性的要求，违规成本增大。2016版高新技术企业认定管理办法在企业研发投入方面条件更为宽松，主要体现在取消了企业大专以上科技人员占职工总数30%以上的指标和优化了研发费用占比，向企业传递出可以减少研发投入的信号。基于此，本文提出假设H2a：相较于2008版认定政策，2016版对研发财力投入的激励效应较小；H2b：2016版对研发人力投入的激励效应较小。

1.3 高新技术企业认定与企业研发投入的自我选择性

由于政企之间的信息不对称导致政府难以精准判断企业的创新能力，高新技术企业认定的激励效应在认定的不同阶段具有差异性。从认定前看，高新技术企业认定政策具有极其丰富的政策红利，且政府难以从技术角度测度企业的创新投入 (人力、财力和物力投入)、创新产出 (论文、专利、商标、技术成果成交额)和创新成效 (产品结构调整、产业国际竞争力、节约能源、经济增长等)，故而部分企业在高新技术企业认定前积极创造条件符合认定标准；另外，企业并不愿意过多地向市场披露创新细节，从而加剧逆向选择问题。从认定期间看，鉴于资源依赖理论和信号传递理论，企业倾向于继续增加研发投入以在资格期满前三个月内够格进行复审申请并继续获得高新技术企业认定，从而持续性地享受政策红利。从认定期满后看，由于政策红利的消失，企业缺乏持续进行科技创新的动力，将会降低研发投入。因此，本文提出假设H3a：与非高新技术企业相比，认定前企业会自主增加研发投入；H3b：认定期间企业偏好增加研发投入；H3c：认定期满后企业认定对研发投入具有不显著的激励效应；H3d：若企业前一期为高新技术企业 (或非高新技术企业)，则当期有较高的概率维持高新技术企业 (或非高新技术企业)状态。

2 研究设计

2.1 数据来源

本文以2008—2017年A股上市公司为研究样本，通过上市公司公告和企业网站信息手工收集处理组样本，3500家上市公司中样本期内有1427家母公司通过认定，且801家上市公司在样本期内具有通过高新技术企业认定的子公司。此外，本文的结果变量、协变量和其他变量的数据均来自Ifind数据库。然后，本文对样本数据做了如下处理：①剔除未披露研发投入费用和投入费用为零的样本；②删除未披露员工总数和员工总数为零的样本；③剔除研发人员数量大于员工总数的样本。

2.2 变量选取

(1)结果变量。创新投入包括人力投入、财力投入和物力投入。鉴于上市公司并未披露与科技创新相关的物力投入，本文以企业研发费用的自然对数 (lnRD)和研究开发人员数量与员工总数之比 (R&DStaffRatio)来分别反映企业创新的财力投入和人力投入，两个指标均是数值越大，企业越倾向于进行科技创新活动。

(2)处理变量。高新技术企业认定资格自颁发证书之日起生效，有效期为三年。若 “高新技术企业认定证书”发证时间是2011年，则2011—2013年均为高新技术企业认定期间，享受国家政策和地方政策红利。因此，本文处理变量 (D)为高新技术企业认定虚拟变量 (hightech)，认定期间赋值为1，否则为0。

(3)协变量。本文采用员工总数 (scale)来反映企业规模的大小，选取净资产收益率 (roe)衡量企业盈利能力，该指标值越高，说明投资带来的收益越高。同时，选取企业出口 (operate)来反映企业跨国经营能力，若企业经营范围有出口业务则赋值为1，反之则为0。另外，选用企业年龄 (age)表明企业存在的自然时间的长短。本文进一步控制四个方面的因素：企业性质 (nature)、产业 (industry)、省份 (province)和年份 (year)。其中，按实际控制人将企业分为集体企业、省属国资控股、民营企业、央企国资控股、外资企业、地市国资控股八种类型；按证监会最新行业分类门类编码将industry分为制造业、房地产业、批发和零售业及水利、环境和公共设施管理业14种；province涵盖31个省、自治区和直辖市；year为样本区间内的各个年份。

2.3 模型设定

本文利用Heckman等提出的倾向得分匹配法 (PSM)进行经验验证[16]，以克服样本选择性偏差难题，探讨中国A股上市公司高新技术企业认定对研发投入的激励效应。

PSM的理论依据为可忽略性假定和重叠假定两个前提假设成立，即控制可以观测到的共同特征Xi，Xi的每个取值都能在处理组和对照组进行匹配。根据配对后的样本计算平均处理效应，则处理组的平均处理效应 (ATT)可以定义为：

ATT=E[RDit|ρ,D=1]-E[RDit|ρ,D=0]

(1)

其中，D=1为处理组、D=0为对照组；Rosenbaum建议使用形式灵活的logit模型估计倾向得分 (ρ)[17]，其计算公式如下：

(2)

式 (2)表示在给定共同特征Xi时，个体i进入处理组的条件概率。当结果变量为lnRD时，协变量为scale、roe、operate、age、nature、industry、province和year；当结果变量为R&DStaffRatio时，协变量为roe、operate、age、nature、industry、province和year。在进行倾向得分匹配时，本文尽量使得处理组和对照组的倾向得分具有较大的共同取值范围，并采用样条匹配、近邻匹配、卡尺匹配和核匹配。此外，核匹配进行倾向得分匹配时，对接近处理组的控制组的样本赋予较高的权重，对远离处理组的控制组的样本赋予较低的权重[18]。因此，我们以核匹配的估计结果为基准进行分析。

针对高新技术企业认定的自我选择性，本文首先在式 (1)基础上设定式 (3)和式 (4)，来分别估计高新技术企业认定前和认定期满后对研发投入的激励效应：

ATT=E[RDitb|ρ,D=1]-E[RDitb|ρ,D=0]

(3)

ATT=E[RDita|ρ,D=1]-E[RDita|ρ,D=0]

(4)

其中，RDitb表示第i个企业第tb年的R&D投入，tb表示高新技术企业认定前连续b年为非高新技术企业，式 (3)的ATT值表示第b年的R&D投入的平均处理效应。同理，RDita表示第i个企业第ta年的R&D投入，ta表示高新技术企业认定期满后连续a年为非高新技术企业;式 (4)的ATT值表示第a年的R&D投入的平均处理效应。本文继而设定式 (5)和式 (6)考察认定期间对R&D投入的激励效应：

ATT=E[RDitd|ρ,D=1]-E[RDitd|ρ,D=0]

(5)

DIDATT-E[RDit-RDit′|ρ,D=1]-E[RDit-RDit′|ρ,D=0]

(6)

其中，RDitd表示第i个企业第d次认定期间的R&D投入，式 (5)的ATT值表示相较于非高新技术企业，第d次认定期间的R&D投入的平均处理效应。此外，本文进一步选用双重差分PSM来估计认定期间的R&D投入的平均处理效应。在时期t′高新技术企业认定均未发生，故所有个体R&D投入的潜在结果为RDit′；在时期t，高新技术企业认定已经发生，故所有个体R&D投入有两种潜在结果，则DIDATT表示认定期间处理组的平均处理效应。

2.4 变量描述性统计分析

表1列出了全部样本、处理组和对照组变量的描述性统计。全部样本lnRD和R&DStaffRatio均值分别为17.208和0.158，处理组均值分别为17.400和0.172，对照组均值分别为16.990和0.142，可以发现处理组具有更高的R&D投入力度。此外，处理组和对照组的协变量均值具有较大的差异。

表1 描述性统计分析

通过高新技术企业认定的上市公司具有较小的企业规模 (3030.735 vs 7073.894)、更高的净资产收益率 (13.750% vs 11.595%)、更高的出口倾向 (0.767 vs 0.589)和较小的自然年龄 (17.171 vs 18.222)。另外，处理组和对照组在nature、province、industry和year上的差异较小。

表2为2008—2017年上市公司母公司及子公司的认定数量分布，可以发现企业更多地集中精力于申请母公司高新技术企业认定。从母公司认定数来看，其均值反映每年约有808家上市公司的母公司通过高新技术企业认定；从子公司认定数来看，每年约有272家上市公司的子公司通过高新技术企业认定。另外，从行业和企业性质来看，通过高新技术企业认定的上市公司主要为制造业和民营企业。

3 实证结果与分析

使用式 (1)估计母公司和子公司高新技术企业认定对企业R&D投入的激励效应，平均处理效应的估计结果如表3所示。其中，N (T)和N (C)分别为处理组和对照组样本。从ATT值来看，母公司高新技术企业认定对企业财力投入具有约0.45的显著激励效应，且对企业人力投入显著提升0.01左右，验证了H1a；子公司高新技术企业认定对企业财力投入的激励效应为0.38，且对企业人力投入也是显著提升0.01左右，支持了H1b。此外，母公司高新技术企业认定对R&D财力投入的激励效应大于子公司，二者对R&D人力投入具有约0.01的显著激励效应。

表2 高新技术企业认定数量分布

表3 高新技术企业认定激励效应的估计结果：母公司和子公司

不同认定制度环境下的平均处理效应的估计结果如表4所示,从企业R&D财力投入的平均处理效应值来看，2008—2015年处理组企业R&D财力投入显著提升约0.5，而2016—2017年处理组企业R&D财力投入的激励效应为0.3左右，H2a得到验证。从R&D人力投入来看，2008—2015年高新技术企业认定的激励效应约为0.01，且在10%的显著性水平下通过检验，但2016—2017年激励效应约为0.02，不支持H2b。可能的原因是2016版认定政策更加符合研发实际情况，要求企业将研发组织管理更加精细化，强调实质大于形式，不再要求科技人员的学历等，以多种激励方式促进企业雇用具有创造性的研发人才。因此，相较于2008版认定政策，2016版对R&D财力投入的激励效应较小，但其对R&D人力投入的激励效应较大，这表明2016版认定管理办法激励了企业在科技人员、财力投入等多个方面的综合发展。

高新技术企业认定前和认定期满后的平均处理效应如表5所示，从3～7行高新技术企业认定前的估计结果来看，企业财力投入在认定前的第3年、第2年和第1年均会显著提高，而企业科研人员占比在认定前第2年和第1年均明显上升。这表明上市公司会自主增加R&D投入以满足认定标准，H3a得到经验验证。从8～12行的高新技术企业认定期满后的估计结果来看，虽然企业R&D财力投入显著递增，但企业人力投入在认定期满后第1年并未有显著增加，表明高新技术企业认定期满后不会再显著增加R&D人力投入，H3c得到支持。

高新技术企业认定期间的平均处理效应如表6所示,从PSM估计结果来看，相较于对照组，处理组R&D投入的平均处理效应均显著为正，且随着认定次数的增加，其激励效应显著提升。另外，从DID-PSM的估计结果可以看出，认定期间对处理组R&D投入的激励效应基本显著为正。这两者均支持H3b，表明在认定期间，高新技术企业认定对R&D投入具有显著激励效应。

表4 高新技术企业认定激励效应的估计结果：不同认定制度

表5 高新技术企业认定激励效应的估计结果：认定前和期满后的自我选择性

表6 高新技术企业认定激励效应的估计结果：认定期间的自我选择性

母公司和子公司高新技术企业认定的转移概率的估计结果如表7所示，可以发现，母公司和子公司均具有较大的概率与其前一期的认定状态 (0表示非高新技术企业，1表示高新技术企业)相同，且前一期为高新技术企业但当期为非高新技术企业的概率较小，前一期为非高新技术企业但当期为高新技术企业的概率更小，这支持了H3d。具体地说，对于母公司高新技术企业认定来说，前一期和当期均通过高新技术企业认定的概率为88.52%，持续性未通过认定的概率为96.61%，前一期没有通过认定但当期通过认定的概率为11.48%，前一期通过认定但当期没有通过认定的情形出现的概率为3.39%；对于子公司高新技术企业认定而言，四种情形出现的概率分别为83.41%、97.6%、16.59%和2.4%。

表7 母公司和子公司高新技术企业认定的转移概率

4 结论和政策建议

本文在两个方面拓展和丰富了现有文献：一是为政府制定科技计划鼓励企业创新的导向性和有效性提供了微观证据支持，有利于理解创新驱动发展战略下高新技术企业认定对企业创新投入的作用；二是政府对企业的界定确实起到信号传递的作用，企业需要政府发挥 “扶持之手”以激励自主创新。

(1)企业当期的认定状态具有较高的概率与其前一期的相同，且前一期通过认定但当期未通过认定的概率较小，前一期没有通过认定但当期通过认定的概率更小。

(2)母公司和子公司高新技术企业认定对企业研发投入均具有显著的激励效应。此外，母公司高新技术企业认定对研发财力投入的激励效应大于子公司的激励效应，二者对R&D人力投入具有显著的约0.01的激励效应。

(3)相较于2008版认定政策，2016版的认定标准对研发财力投入的激励效应较小，但对研发人力投入的激励效应较大。

(4)高新技术企业认定前，企业会自主增加研发投入以满足认定标准；认定期间，高新技术企业的研发投入会显著增加；认定期满后，企业不会显著增加研发人力投入。

高新技术企业认定政策是中国特有的制度安排，2008—2017年A股中高新技术企业的比例占到四成以上，政策红利诱使企业认定事前和认定期间自主选择增加研发投入，但并未激励企业形成持续创新的机制。

基于上述研究结果，本文的政策建议如下：

(1)企业科技创新离不开良好的外部环境支持，需要在2016版认定政策的基础上予以完善高新技术企业认定管理办法，鼓励企业侧重于母公司高新技术企业认定，建立有效激励企业持续性的创新投入、创新产出和创新成效的综合性认定标准，并防止企业根据认定条件和评分标准进行非生产性寻租。

(2)企业应该根据2007新会计准则的要求，加强研发会计核算的准确性，完善企业研发信息披露的规范性，便于相关部门和市场充分了解企业的研发现状，确保高新技术企业认定申报材料的真实性与合规性，同时培养持续性的创新与发展能力。

(3)创新过程应贯穿企业的整个生命周期，在落实高新技术企业认定管理办法时，需激发企业建立系统性的持续创新力，在科技研发、人才培养、科技成果转化等方面形成长期有效的技术创新机制，引导企业步入可持续、创新驱动、良性循环的发展轨道。

(4)在后续监管方面，除了取消资格和追回税收优惠等外，应该设定更为严格的处罚措施，增加企业的违约成本，切实做到高新技术企业认定严进严出，使有限的科技资源得到最大限度的开发与利用，提高科技资源的总体效能，为建成创新型国家和世界科技强国持续贡献力量。