创新型企业家政策对企业发展的影响——以南京市为例

高春南， 花 睿， 刘玉栋

(1.南京市科技信息研究所， 南京 210018； 2.南京市火炬高技术产业开发中心， 南京 210018)

发展是第一要务，人才是第一资源，创新是第一动力。党的十九届五中全会提出要坚持创新在中国现代化建设全局中的核心地位，提升企业技术创新能力，激发人才创新活力。在进入新时代后，企业家既要像传统企业家那样擅长组织生产和销售，还要有能力组织创新资源研发原创性技术，开创全新商业模式或者生成新业态[1]。同时，各省、市相继出台创新型企业家政策，从鼓励研发、节约成本等方面给企业发展提供便利，创新型企业家的规模不断扩大，为城市发展提供了重要的创新动力。

2016年，南京市实施“创业南京”英才计划，持续完善人才政策体系，实施创新型企业家培育计划。2017年公布首批55家创新型企业家，于2018年建立南京创新型企业家统计平台。数据显示，创新型企业家数量从2018年到2020年平均增长150%。企业家所属企业销售收入、利润总额、税收、研发投入、新银行贷款年平均增长率分别为41.38%，47.5%，27.1%，199.6%和172.1%。在人员上企业研发人员、引进高层次人才年平均增长率分别为124.6%和104%。

1 理论机制和研究假设

1.1 理论机制

南京市创新型企业家优惠政策主要是申报“创业南京”创新型企业家培育计划且通过审核后，将给予最高5年、贷款总额不超过3 000万元的贷款贴息、众创空间场租减免、研发机构认定、科技成果转化补贴等政策。这些政策从企业发展各个阶段提供有效的帮助(图1)，有效降低了企业运行成本，促进了企业快速发展。

图1 创新型企业家政策对企业正向激励作用理论机制

1.2 相关文献

国内外学者对创新型企业家政策机理以及同经济发展的关系做了相关的研究。陈峥[2]从分析了我国创新型企业家自身生成机制和现状，并从党管干部、创新激励与容错纠错和共担风险等方面提出政策建议；黄寰[3]从创新经济角度分析了关键是培育创新型企业家；陈欢等[4]分析了经济高质量发展与企业家之间的关系。但以往研究缺乏对具体创新型企业家量性分析。基于此，本研究通过对南京地区创新型企业家的研究，从2016—2020年企业发展的视角出发，评估南京评选创新型企业家效果及其对企业的影响，研究评选创新性企业家对企业发展各项指标的变化，为创新型企业家进一步完善政策提出针对性建议，为中国科技创新政策的更好实施提供参考。

1.3 研究假设

企业获得政府认定创新企业家是对企业家和所管理的企业的认可，有助于更好地激发企业的内生动力，促进企业经济发展和科技创新。企业获得政府认定创新企业家具有认定效应，能够向外部资本传递企业家个人能力和企业创新能力的客观信息，从而提高外部资本对企业的信任度，促进资本市场“资本链”与“创新链”的结合[5]。贷款总额、场租减免等优惠政策可以为企业降低运行成本，在销售环节的弹性空间更大，营业收入和资产总值也将有所提升。

基于上述研究，提出如下假设：

H1.创新企业家政策对企业经济发展有正向的激励作用。

H2.创新企业家政策对企业科技创新有正向的激励作用。

H3.创新企业家政策对企业营业收入有正向的激励作用。

H4.创新企业家政策对企业资产总值有正向的激励作用。

2 数据与模型构建

2.1 数据来源与处理

采用的调研数据来源于2017年公布首批55家创新型企业家，这些企业家所属企业经过了政府管理科技的部门的推荐和筛选50家，并通过了南京创新企业家统计平台、wind数据库、走访调研等形式，剔除数据不全、企业变更等多方因素，最终搜集50家企业中2016—2020年完整数据39家。将这些企业能够作为2018年创新型企业家开展分析的样本，另外搜集2016年至今南京高新技术企业631家，共计样本数据670家。

2.2 计量策略与模型设定

2.2.1 计量策略

想要获得政策效应，最简单的方法市直接比较处理组和对照组的2018—2020年企业指标情况，通过技术处理组和对照组指标的平均差异来获得创新型企业家给处理组带来的提升。但是，这种方法存在两个较大的弊端：一是因为是否成为创新型企业家首先是企业自我选择的结果，一些创新因子较强企业可能更倾向于申报创新型企业家，而一些创新因子尚可，但企业家自身不愿参评等原因的企业可能会放弃申报。因此，初始条件产生的差异导致“选择偏差”出现，导致直接比较处理组和对照组的指标情况可能得到的结果并不可靠。二是政策效应主要研究的参与企业，也是就处理组的企业获得创新型企业家(D=1)和未获得(D=0)两种情况的指标情况的差异，单纯的比较处理组和对照组各指标的平均值差异并不能真正带来想要的结果。

2.2.2 模型设定

为了克服内生性和样本选择等问题，运用政策评估常用的研究方法结合倾向匹配得分与双重差分(PSM-DID)来探究创新型企业家政策对企业发展的影响，Rosenbaum和Rubin[6]提出的倾向得分匹配法(PSM)，通过将控制组与处理组样本进行可观测控制变量的匹配，可有效解决由样本选择问题导致的模型内生性，然后在匹配后再进行DID检验，以求获得真正的处理效应[7],具体模型设定为以下两步：

第一步，利用倾向得分匹配构建对照组(1)。PSM模型中的变量以分为结果变量、处理变量以及匹配变量(或协变量)3种。使用PSM的主要目的是通过得到结果变量的平均处理效应来衡量政策效应的方向和大小。由本文的研究对象可知，结果变量应为企业2018年当年的营业收入、资产总额、利润总额、人员数；处理变量则表示企业是否获得创新型企业家，分别用1和0表示；匹配变量为了更好地描述企业的经济发展和研发创新能力，匹配过程中使用的协变量(X)具体包括营业收入(Operating)、主营业务收入(Main)、上缴税费总额(Tax)、年末资产总计(Assets)、期末拥有有效专利数(Patent)。利用Logit模型估计得到个样本倾向得分，采用最近邻匹配得到与实验组匹配的对照组样本。

Logit(Groupi,t)=Ø(Xi,t-1)

(1)

第二步，本文双重差分法(DID)构建基准回归模型(2)。

被解释变量企业激励效应(Fin)，主要通过企业通用评价指标——资产收益率(ROA)和统计局官方公布评价企业创新的指标之一——创新活动评价(SCI)两个角度衡量激励效应。其中，资产收益率反映企业在当年利润额和资产总额的比率并放大10 000倍(Net/Assets×10 000)，用以衡量企业利用资产获取利润的能力，反映了企业总资产的利用效率，表示为ROA。创新活动评价指标是科技活动经费占产品销售收入比重并放大10 000倍(Science/ Operating×10 000)，表示为SCI。

解释变量为分组虚拟变量Group和时间虚拟变量Time。其中，Group表示2017年企业人员参评创新企业家情况，评为创新企业家则赋值为1，反之为0。同时2018年为参评的时间节点，因此时间虚拟变量Time在2018年后设为1，反之为0。分组虚拟变量和时间变量的交乘项(Group×Time)系数则为本文关注的DID系数，表示了创新企业家政策对企业激励效应的处置强度。

(2)

模型(2)中：Fini,t代表了i企业的第t年的成长水平；Timei,t表示i企业是否评为2017年创新企业家(即将2017年入选创新行企业设置为设置组，将所有非入选企业设置为控制组)，时间虚拟变量Timei,t表示了第i企业第t年是否受到创新企业家政策影响；Groupi,t×Timei,t系数β3则为本文关注的双重差分估计系数，表明创新企业家政策对企业成长水平的净处理效应，β3的系数如果为正则表示创新企业家政策促进了企业成长，反之则表明有抑制作用；Controli,t为影响企业成长的一系列控制变量。

2.2.3 变量说明和描述性统计

参考相关文献，构造了一系列反映企业情况的控制变量，变量定义及计算方法见表1，对其进行描述性统计见表2。

表1 变量定义及计算方法

表2 主要变量描述性统计

续表2

3 实证分析

正如本文模型构建部分所指出的，直接将所有样本企业设置为控制组进行双重差分估计有可能导致参数估计出现偏差，因此运用PSM-DID方法重新匹配控制组，以期估计结果更为稳健可靠。

3.1 倾向性匹配(PSM)模型分析

根据式(1)采用Logit模型对数据做倾向性匹配(PSM)，并采用1∶1无放回临近匹配法对处置组和控制组进行了匹配，得到匹配后的协变量平衡性检验结果见表3。

表3 平行假设检验数据

可以看出，Operating、Main、Tax、Assets、Patent 5个匹配变量匹配前后显著性P值均分别<0.05和>0.05，符合假设检验条件，得出数据有效。对其匹配结果制作可视化图，如图2所示。

图2 匹配后实验组和对照组其平行性假设检验结果

匹配样本变量均在0值附近，符合对照组与实验组匹配要求并生成可视化图2，同时，取消426个未匹配样本，PSM匹配样本成功。

3.2 双重差分(DID)模型分析

对倾向性匹配PSM模型后的企业进行DID模型计算，结果见表4。

表4 企业DID 模型运算结果

续表4

3.3 假设结论

H1假设结论：创新型企业家政策对企业资产收益率ROA的影响。企业资产收益率ROA是客观反映企业净利润的情况，从结果上看，DID=-74.24，且不显著，反应创新型企业家政策对企业盈利正向激励不明显，H1假设不成立。

H2假设结论：创新型企业家政策对企业创新活动评价指标SCI的影响。企业创新活动评价指标SCI是企业开展科研活动的指标，从结果上看，DID=-55.68创新型企业家政策对企业创新活动正向激励不明显，H2假设不成立。

H3假设结论：创新型企业家政策对企业营业收入的影响。对企业营业收入(Operating)做DID模型分析，从结果上看，DID=79.92*,可以看出创新型企业家政策对企业营业收入正向激励效果比较明显，H3假设成立。

H4假设结论：创新型企业家政策对企业资产总值的影响。对企业资产总值(Assets)做DID模型分析，从结果上看，DID=11 114***,可以看出创新型企业家政策对企业资产总值正向激励效果比较明显。在细分指标上，Operating、Profit、Patent正向激励效果比较显著，H4假设成立。

综上所述，基于PSM-DID模型对2017年入选创新型企业家，2016—2020年数据进行分析，创新企业家政策对企业资产收益率ROA和企业创新活动SCI效果并不明显，但对营业收入和资产总值具备正向激励作用。

4 原因分析与对策建议

4.1 原因分析

4.1.1 在客观因素上对国内企业影响较为明显

2020年中国经济受中美贸易摩擦、新冠疫情等客观影响较大，随着中美贸易摩擦不断省级，中国以电子信息领域为首的高技术企业海外市场流失严重，关键核心技术“卡脖子”技术突显，企业产品生产、出口受到严重波及、企业经济下滑严重。一季度，受新型冠状病毒影响，企业直接关闭，复工初期产业链上下游断层问题严重，直接经济损失较大。这些客观因素导致企业大部分数据与往年数据相较差距较大，企业整体发展出现曲线出现了断崖式滑坡。

4.1.2 在效用周期上政策立足长远，尚在发酵

南京市创新型企业家政策2017年开始实施以来，主要在租贷款贴息、众创空间场租减免、研发机构认定、科技成果转化补贴等政策，但从整体数据来看，创新型企业家所属企业在经济指标销售收入和利润年平均增值率分别降低27%和25.5%，人才指标研发人员和高层次人才数量年平均增值率分别降低了11.4%和6.1%，除去上述客观因素造成的影响之外，新增企业自身发展情况，所属高层次人员数量均有所降低。同时，也能看到企业在研发投入上和银行贷款上有所提升，年平均增值率分别提高了12.5%和5.6%，符合创新型企业家政策鼓励研发、促进融资的目标。政策实施仅2年，随着研发端的效益一般在8～10年周期，融资转化成效益3～5年的发酵期，必将对企业相关指标突出表现。

4.1.3 在引导作用上优惠措施有待进一步挖掘

创新型企业家政策优惠对企业节约经济成本和促进研发端起到了积极的作用，但政策始终只是起到引导作用，企业家创新动力，生产出符合市场需求的产品才是企业内生动力的根本，目前的政策来看，创新型企业家政策缺乏对企业生产与研发的深层次的引导作用，如产业链角度出发，以需求为导向，鼓励定向研发生产等。

4.1.4 在数据统计上部分政策效用无法体现

创新企业家政策在众创空间场租减免、研发机构认定、科技成果转化补贴等方面无法用量化指标进行统计考核，对企业实际受益程度无法更加客观的评价。

4.2 对策建议

4.2.1 鼓励以企业为主体加强研发

中美贸易摩擦对中国“卡脖子”技术的封锁与世界范围内不断升级的新型冠状病毒可以列为长期存在的客观因素影响，同样也是世界经济“百年未有之大变局”是空间的“变局”，政府要在现代企业制度、有效的市场竞争、良好的社会信用、健全的法制体系、规范的政府行为上不断深化。表现为政府有形之手相对弱化，市场无形之手越来越强，资源、资本、人力、技术、产品、信息等生产要素，主要由市场来优化配置。政府要政策上在做好国外疫情防控的前提下，不断提高企业前沿技术的研究发展，以创新型企业家为代表的鼓励研发、贷款的形式不断深化，促进企业长期发展。

4.2.2 在政策导向上进一步贴近企业需求

党的十八届三中全会指出：经济体制改革核心是处理好政府和市场的关系，使市场在资源配置中起决定性作用和更好发挥政府作用。政府提出政策作为一个方向指引，进一步促进创新资源的优化和积聚。既要在减免租、研发认定、成果转化补贴等方面“外部”为创新型企业做好优惠服务工作，同时也要在“内部”创新资源贴近企业现状供需关系，挖掘产业链上下游深层次的供需差异，以创新为源头，采取需求项目征集、预购订单等方式促进企业内生动力发展。

4.2.3 在政策目标上更加聚焦企业人才

人才是城市创新发展重要的动力之一。在政策上要精准聚焦产业发展需求，统筹推进人才引进、培育、使用等各环节工作，广聚高端人才、广纳青年人才、广留各类人才。实行更加积极、更加开放、更加有效的人才政策，推进人才治理体系和治理能力现代化。如创新企业家等政策将优惠服务定位在所属企业，不仅要将“目光”集中在企业自身的发展上，还要将“视线”聚焦在企业人才本身，提供促进企业人才个人发展的相关措施，如个人贷款额度、就学就医、子女上学上等提供便利。

4.2.4 进一步调整完善统计工作

目前现有的统计仅对创新型企业家指标数据进行统计，但政策中每一个优惠政策应该有相关的统计数据为支撑，如何在统计上挖掘出一些更好的辅助指标来配合政策的实施，一方面建议政府应进一步加强数据的建设，进一步完善数据；另一方面在统计分析中加强数据关联性探索，促进政策措施的科学和系统性。