政府科技投入对企业创新产出的影响<br/>——基于面板固定效应模型的实证分析

政府科技投入对企业创新产出的影响
——基于面板固定效应模型的实证分析

2021-09-03赵熙

中国农业会计 2021年8期

赵熙

一、文献综述

关于政府研发投入对科技创新的影响研究，一部分学者认为政府投入能够有效促进企业创新绩效。例如，美国联邦政府以雇佣的博士后研究人员数作为研发投入指标，对美国产学研团体实施赞助，研究发现政府投入和技术创新呈正相关关系（Rosenbloom等，2017）；何涌等人（2020）聚焦信息技术产业上市公司，研究发现政府补贴对信息技术企业研发投入具有显著的正向推动作用。但是，也有一部分学者认为政府研发投入对企业科技创新效率存在明显抑制作用甚至是负面影响。比如刘思远（2018）在对政府财政政策与工业企业研发阶段与成果转化阶段的影响进行研究后，发现政府科研投入对企业研发效率有明显抑制作用。

二、假设提出

企业的创新研发活动成本高，风险大，周期长，需要大量的资金支持以及合理配置资金，而在众多政府扶持政策中，政府科技投入对科创资金的筹集及配置有着重要影响。蓝图（2020）通过研究发现，政府补助对科技创新企业融资效率存在“U”型关系，强度低的政府补助无法吸引优质资金，也难以帮助企业优化资金配置；但是当企业获得较多政府补助时，可以将更多资金配置到研发活动中，并增强信号吸引更多外部投资，提高融资效率。因此，基于以上分析，提出如下假设:

H1:在其他条件不变的情况下，政府科技投入越多，企业创新产出越高。

三、科技投入对企业创新产出影响的实证分析

（一）数据来源与指标说明

1.数据来源。本文选择1994-2018年我国30个省份共3 750个经济数据作为研究样本，所有数据均来源于《中国统计年鉴》和国泰安数据库，并根据研究要求对数据进行相应处理:剔除了数据中核心变量有所欠缺的样本，从而提高实证结果的有效性。另外，由于对绝对值指标取对数会导致多重共线的情况出现以及考虑到可能存在的数据稳定性问题，本文对绝对值指标取增长率进行处理。

2.指标说明。本文选择以当年国内专利申请授权量（创新产出增长率PATENTR）来衡量地区创新产出情况，以政府科技投入（科技投入增长率EXPTR）来表示地区科技投入情况。另外，为尽可能减少模型估计偏误，相应加入可能影响地区创新产出的控制变量:金融发展增长率（LOANR）、城镇化率（URA）和结构产业（FORM）。

（二）模型设定

本文使用的面板数据模型与纯时间序列数据模型等众多模型相比，其优点在于样本的容量较大、参数估值的可信度高、可以控制不可观测的地区效应和时间效应，进而体现出地域区别等差异性结构问题，而且这种编办数据模型还能识别其他模型不能识别的数据，从而大大提高了模型参数估计的进度。因此，我们可以设定这篇文章的经济计量模型用下面的公式表示:

其中:i-1，2，…，N代表样本中的各个省份，PATENTR代表各省份的创新产出增长率，EXPTR代表各省份科技投入增长率，Z为一系列的控制变量，β表示各指标的影响系数，α表示常数项，ρ、γ和ε分别表示地区效应、时间效应和误差项。

（三）实证结果及分析

本文利用省级面板数据研究政府科技投入与企业创新产出的关系，回归结果如表1所示。

从表1可以看出，第一列为使用混合效应模型（OLS）的回归结果，第二、三列为使用固定效应模型（FE）的估计结果，其中第三列控制了时间效应，第四、五列为随机效应模型（RE）的估计结果。本文所有模型估计均采用稳健标准误修正模型中可能存在的异方差问题。为了检验选择合适的模型，本文首先进行LM检验，结果强烈拒绝了“不存在个体随机效应”的原假设，所以在混合效应与随机效应模型之间，应该选择随机效应，进一步作Hausman检验，结果表明固定效应模型优于随机效应模型，最后检验时间虚拟变量的显著性，大部分年份结果都显示接受“无时间效应”的原假设，因此本文应该以第（2）列地区固定效应模型估计结果为准（见公式2），其他模型作为佐证和参考。

表1 基本回归结果

从基准模型回归结果分析，根据F=96.40检验通过1%的显著性水平，说明整个方程是显著的，根据调整的R2为0.386，说明解释变量对模型具有一定的解释力度。从系数来看，政府科技投入的系数为0.0246，且在显著水平为10%的条件下显著，这说明政府科技投入能显著促进企业的创新产出，即当政府科技投入增长率每增长1%，企业创新产出增长0.0246%。