国家重点研发计划与企业创新——来自A股上市公司的经验证据

伍 晨，张 帆

(西安交通大学经济与金融学院，陕西 西安 710061)

0 引言

国家科技计划是用来推动科技创新的重要政策工具，1983年设立的国家科技攻关计划是科技计划的最早形式，旨在解决重大关键技术难题。紧随其后，中国实施了国家高技术研究发展计划，瞄准国际高技术领域。1997年中国部署实施国家重点基础研究发展计划，定位于解决重大科学问题。然而，过去政府主导的重大科技计划往往缺乏产业需求互动的机制，并不能有效支撑产业的自主创新，这也是制约企业突破式创新的重要原因之一[1]。随着科技计划项目规模不断增大，科技经费大幅增长，逐渐出现了重复资助、管理混乱的情况；加之新一轮技术革命和产业变革加速了从科学研究到技术发展演进的过程，缩短了新技术的开发周期，科技成果转化效率显著提升。为了适应当前的发展阶段，2014年全面启动了国家科技计划管理改革，国家重点研发计划是此次改革后实施的最新科技计划，由原三大主体科技计划整合而来，按照基础前沿、重大共性关键技术到应用示范进行全链条设计，一体化组织实施，统筹科研院所、高校、企业研发机构力量，加速基础前沿最新成果的转化和对应用技术发展的带动，更加主动有效地服务于经济发展方式转变和经济结构调整。

国家重点研发计划已经成为企业参与基础研究、展开突破性创新活动的重要资金来源，2016年至今，国家重点研发计划投入资金超过一千亿元，其中企业收到的资助金额和项目数量已经与高校和科研机构旗鼓相当，企业的主体作用持续凸显。对于企业来说，参与国家重点研发计划项目可以直接获得中央财政的研究经费资助，除此之外，在项目合作中高校和科研院所的基础研究与企业的技术开发相匹配，为企业加快技术创新成果产业化提供了很好的环境。那么，相关企业在获得国家重点研发计划支持后其创新能力是否得到提升？国家重点研发计划究竟如何影响企业创新？回答这些问题可为国家科技计划引导和影响企业创新的相关研究提供经验证据，对推进自主创新等政策实施也有重要的启示和借鉴意义。

1 研究综述

利用政府项目支持创新活动已成为大多数国家的普遍做法，政府为私人研发提供政策支持目的在于纠正市场失灵、增加企业私人研发投资，以提高社会整体福利。已有文献分别从税收、补贴、人才等角度出发，对政府的创新激励性政策从理论与实证进行了深入研究。大量研究表明，政府的激励政策会促使企业增加创新投入。Chen 等[2]以中国政府针对高科技企业实施的高新技术企业认定计划为例，为税收激励对研发投资、利润和其他管理支出费用化的影响提供了思考框架，研究发现，即使考虑到其他管理支出费用化问题，削减企业所得税也会显著促进企业的生产效率和盈利能力。Bronzini等[3]评估了意大利实施的一项研发补贴计划对受益企业创新的影响，结果表明，该计划在增加申请专利数量方面是成功的，但只适用于较小的公司。宋砚秋等[4]对中国政府创新补贴效果的研究支持并丰富了这一结论，创新补贴对企业创新绩效有积极作用，除此之外，中央和省级政府的创新补贴效果比地市级更优，国企比民企更愿意进行策略性创新，创新补贴促使高科技企业更倾向于展开实质性创新。安同良等[5]考量了技术外溢，给出研发补贴的限定区间和最优规模。在评价补贴和税收优惠两种模式对企业研发的带动作用时，提出税收优惠优于财政补贴。与此相反，Wallsten[6]和Boeing[7]认为公共研发补助会挤出私人的创新投入。Kim 等[8]发现政府资助通常对企业创新产出有积极影响，但在创新水平方面，政府财政支持对高水平创新作用不显著。黎文靖等[9]通过分析中国A股上市公司的专利数据也得到类似结论，更多的补贴和税收优惠预期会导致企业过于追求数量而忽略质量。

值得注意的是，由于现有文献所采用的数据和估计方法存在差异，导致尚未达成一致的研究结论。于是，近期一些学者在方法上做了一定程度的改进，为了解决选择偏差引起的内生性问题，部分研究选择使用PSM和DID估计来对国家创新激励政策进行评估。Dai等[10]对中国实施的高新技术企业认定计划进行了评估，结果证实该计划总体有效，在认证期内中国上市公司创新绩效持续得到提升，同时，通过区分一次性以及高质量的认证，揭示了欺诈性的高新技术企业认定潜在存在。秦雪征等[11]在探究国家科技计划对中小企业的创新影响时，利用PSM方法处理产生的内生性问题。张果果等[12]采用PSM-DID方法探究国家集成电路产业投资基金建立这一政策实践对企业创新的影响，发现国家产业投资基金通过激励企业代理人解决了公司治理的委托代理问题，从而提升了企业创新水平。

国家重点研发计划自设立起就引起社会各界的高度关注，随着国家重点研发计划的深入实施，相关研究逐渐增多。南方等[13]对比分析欧盟地平线2020计划与中国重点研发计划的管理模式，为重点研发计划的实施提供启发。孙珍全等[14]着重分析重点专项的管理理念和组织流程，总结当前的管理实践经验，为项目申报方提供参考。还有研究[15-17]对高校参与国家重点研发计划的现状做了回顾和总结，以此为基础提出政策建议。也有研究[18-19]从农业和先进电子材料领域的国家重点研发计划管理现状出发，揭示国家重点研发计划组织实施中需要优化的问题。

以上文献大多围绕发展现状和存在问题等方面进行定性分析，具有一定的局限性，真正量化的分析较少，而且都是评估给定时间点的静态效应。截止到目前，对国家重点研发计划的政策动态效果评估的研究几乎是一片空白。鉴于此，本文探讨国家重点研发计划对企业创新的政策效果及其影响机制，并对获得重点研发计划后的政策动态效应进行评估，揭示国家重点研发计划的时滞结构，这对我国实施创新驱动发展战略具有重要意义。

2 理论分析与研究假设

2.1 国家重点研发计划与企业创新

本文分析，国家重点研发计划的实施可能会促进企业创新。从创新投入的角度出发，国家重点研发计划实行多元化投入方式，资金来源包括中央财政资金、地方财政资金、单位自筹资金和从其他渠道获得的资金，获得的项目资助能够帮助企业克服科学研究的外部效应，降低企业投资的风险，从而促使企业积极进行研发创新。

本文认为，产学研合作给企业创新带来间接影响。国家重点研发计划从基础前沿、重大共性关键技术到应用示范的一体化设计,需要多学科领域的交叉融合和与跨部门、跨行业、跨区域的协同创新。与其他科技计划不同之处在于，其创新组织实施方式为产学研用之间协同创新，建立能保障项目顺利实施的组织协调与系统推进机制。目前的研究普遍认为产学研合作有利于企业技术创新能力的提升[20-21]，企业面临的内外部知识高度相关又相互补充，在国家重点研发计划项目形成的产学研合作网络下，参与各方共享和交换知识技能，使得企业可以充分整合内外部创新资源，积极探索新技术。此外，参与国家重点研发计划项目并建立科技合作关系，成为企业开展基础研究的重要方式。为了使科技与经济在政策规划上衔接更紧密，国家重点研发计划打破以往研发阶段各自行事的惯例，将基础研究、应用开发、成果转化、产业发展等各环节统筹起来，划分为基础研究、高新科技、社会发展、农林科技和基础配套五大类进行资助，其中基础研究在经费总额方面上升明显。政府通过国家重点研发计划引导企业展开具有产业实际需求的基础研究活动，设立基础研究板块，吸引到许多研发能力强的企业参与。因此，本文预期，国家重点研发计划的实施也会影响企业突破性创新。突破性技术创新对基础科学知识的需求更强，现代科技革命无一不建立在科学知识重大进步的基础之上，突破性技术更需要企业、高校和科研机构多主体的网络化合作[22]。

企业与高校和科研院所在创新分工上有所不同，高校和科研院所注重基础理论的突破与知识积累，主要方向集中于基础研究，是企业突破性创新的重要知识来源；对于企业自身来说，主要强调应用类技术的创新，企业间的合作往往会促进渐进式创新[23-24]。产学研合作过程中异质性知识的相互溢出与融合,可以有效提升企业创新的知识宽度，从而为企业取得突破性创新成果增加知识储备[25]。国家重点研发计划上下游部署和横向布局的任务相互关联、有机衔接，可以实现上下游研发活动间的快速传导和相互促进，为企业进行产学研合作提供有效途径，助力企业吸收高校基础研究成果，加速基础前沿知识对创新下游企业的渗透和引领，进而提升企业突破性创新。

基于以上分析,本文提出假设H1：国家重点研发计划会促进企业创新产出；H2：国家重点研发计划提升企业突破性创新。

2.2 机制分析

为了更细致地探索国家重点研发计划影响企业创新的机制，本文具体考虑了对企业创新非常重要的两种资源：研发人才和技术开发。

人力资本是创新活动中的关键要素投入，与创新产出密切相关。企业中的研发人员通过不断吸收、更新知识推进技术创新[26]。国家重点研发计划要求项目负责人具有高级职称或博士学位，而且参与人员中绝大多数都具有中级以上职称或硕士以上学历，Hasanefendic等[27]证明个体受教育程度越高，对创新产出作用越显著。高学历人才掌握着丰富的前沿专业知识，拥有很强的技术创新能力，个体之间在汲取新知识、学习使用新技术上更有优势，这有利于企业创新。高校和科研院所主要承担基础研究工作，来自高校和科研院所的基础研究人才与企业合作展开国家重点研发计划项目攻关，会加快基础研究成果分享，进而促进企业突破性创新水平的提升。

基于以上分析，本文提出假设H3：国家重点研发计划通过吸引更多高学历人才促进创新。

已有研究证明研发存在异质性，科学研究创造科技知识，不直接作用于生产技术进步，技术开发则是利用科学研究成果开发新产品及新工艺，从而推动生产技术进步[28-31]。因此，在讨论国家重点研发计划政策效果时，有必要将科学研究和技术发展的作用机制进行区分。国家重点研发计划最终落脚点在于加速成果转化和技术发展，这使得企业致力于促成从研究阶段到实质开发阶段的转化。国家重点研发计划为参与企业提供了技术开发活动所需的协同创新平台支持，提高了技术开发质量，并且为满足市场需求的技术开发项目提供了补助，使得技术开发成功率更高，开发支出资本化度量企业研发活动进入开发阶段后所投入的成本,是企业的研发投入规模及其转变为研发产出可能性的综合结果。因此本文得出与宋建波等[32]类似的推论，获得国家重点研发计划资助的企业更倾向于将开发支出资本化，而开发支出资本化对企业创新的作用效果存在争论。宋建波等[32]认为，存在研发补助时企业真实开发支出资本化率被高估，获得补贴的企业开发支出资本化与研发产出的正向关系更弱；冯晓晴等[33]提出，开发支出资本化与企业创新呈倒U形关系。国家重点研发计划的项目要求重点突出，企业申请时在考核指标和成果形式上做出明确和详细的论证和说明。在政府部门严格的监督下，获国家重点研发计划资助的企业很难通过操纵资本化向管理部门传递公司研发成功的信号，因此，本文认为获得重点研发计划资助企业的开发支出资本化代表研发投入转化为研发成果的真实水平，一旦将开发支出确认为无形资产后就意味着企业研发项目成果形成。

基于以上分析,本文提出假设H4：国家重点研发计划通过提升开发支出资本化水平促进企业创新。

3 研究设计

为了克服内生性及选择偏差等问题，本文采用PSM与DID估计相结合的方法，分析国家重点研发计划对企业创新的政策效应。首先利用PSM方法找到与处理组在协变量维度上类似的对照组，再使用DID模型估计国家重点研发计划所产生的净效应。

3.1 PSM-DID估计

首先，利用PSM方法获得样本，选择两类上市公司作为分析对象:①从2016年开始获得过国家重点研发计划资助的企业，称为处理组；②2016—2020年一次都未获得过国家重点研发计划资助的企业，称为对照组。在考虑当前国家重点研发计划项目申报相关内容的基础上，选择企业规模、财务杠杆、滞后一期的研发强度、资产收益率、第一大股东持股比例、所有权虚拟变量、企业年龄变量这七个协变量对处理组和对照组企业进行匹配，采用1:1最近邻方法进行匹配。

其次，建立以下双重差分模型检验国家重点研发计划对企业创新的政策效果，具体模型的设定如下：

yit=α0+α1NKRDPit+γXit+ui+λt+εit

(1)

其中，yit为企业创新因变量；NKRDPit为因个体而异的处理期虚拟变量，若个体i在第t期受到国家重点研发计划资助，代表进入处理期，则此后时期均取值为1，否则取值为0；Xit为控制变量；ui为个体固定效应，λt为时间固定效应，εit为标准残差项。处理样本和对照样本在研发强度的滞后一期结果上进行匹配，确保处理后结果差异不受预处理选择偏倚的驱动[10]。

3.2 数据来源与样本选择

整合后的国家重点研发计划实施始于2016年，因此本文选取2016—2020年沪深两市的A股上市企业中标国家重点研发计划的企业为处理组。一次都没有中标过的企业为控制组，将样本时间限制在2012—2020年。纳入2012—2015年的数据是为了跟踪和控制企业的前处理特征和研发活动。由于国家重点研发计划对特定行业的企业有明显偏好，所以剔除没有国家重点研发计划资助企业的行业。行业分类依据证监会发布的 《上市公司行业分类指引》 (2012)，取2位行业代码。通过Wind资讯、互联网新闻检索、科技部网站公示和上市公司公告手动搜集整理的方式获得国家重点研发计划资助的上市公司名单、中标年份、资助周期等数据；专利数据来自CNRDS数据库中的创新专利研究子库，公司财务数据和研发数据来自CSMAR数据库。经过上述处理后，本文的初始样本为25025个企业年度观测值、3850家上市企业，其中进入处理组的企业有225家。

3.3 主要变量

(1)被解释变量。本文借鉴余明桂等[34]的研究，使用企业当年专利申请总数来测度创新产出 (Innovation)。突破性创新强调原创性和新颖性，本文使用张正勇等[35]的划分方法，采用发明专利来衡量突破性创新 (mode1)；实用新型和外观设计专利是对现有技术和产品做的改进，因此采用实用新型和外观设计专利总数代表渐进式创新 (mode2)。

(2)政策变量。本文设置企业是否受到国家重点研发计划资助的虚拟变量 (NKRDP)，若企业在当年受到国家重点研发计划资助，代表进入处理期，则此后时期均取值为1，否则取值为0。

(3)机制变量。人才变量 (R&D employee)使用企业研发人员数量来表示；开发支出资本化 (Capit-

alization)使用企业每年将开发支出确认为无形资产的数量衡量。

(4)控制变量。与现有文献类似，本文控制企业规模 (Size)、企业年龄 (Age)、产权性质 (Soe)、盈利能力 (Roa)、偿债能力 (Lev)、股权集中度 (Share)以及研发强度 (R&D intensity)，具体定义见表1。

表1 变量的定义

4 实证结果与分析

4.1 基准考察

通过PSM方法从未被国家重点研发计划资助过的企业中选出最接近资助企业的样本作为控制组，将 “是否为参与国家重点研发计划的企业”这一虚拟变量对协变量进行Logit回归，得到倾向得分值最接近的企业即为国家重点研发计划的控制组。为了保证匹配质量，还需对匹配后的数据进行有效性检验。首先需要检验共同支撑假设，结果表明，匹配后所有变量均不存在显著性差异。本文使用最近邻匹配法进行匹配，通过绘制倾向得分值密度函数图来检验处理组和控制组的匹配效果。处理组和控制组的匹配前后倾向得分值概率密度如图1和图2所示，对比图1和图2发现，匹配后两组之间倾向得分值的概率密度相当接近，说明样本的匹配效果较好。

图1 匹配前倾向得分值

图2 匹配后倾向得分值

本文使用DID模型 (1)来检验假设H1和H2，结果如表2所示。表2中 列 (1)为以企业创新产出数量为被解释变量的回归结果，可见国家重点研发计划对资助企业的创新产出存在显著促进作用。列 (2)和 (3)分别以企业突破性创新和渐进式创新为被解释变量进行回归，结果表明，国家重点研发计划对企业突破性创新和渐进式创新均有积极影响。因此，假设H1和H2得证。

表2 基准回归结果

4.2 平行趋势和动态效应

基准回归结果反映的是国家重点研发计划政策实施对企业创新产出的平均影响，并未体现在不同时段内影响的差异。为此，本文采用事件研究方法考察国家重点研发计划政策实施后的动态效应，同时检验多期DID是否满足共同趋势假设，具体模型设定如下：

(2)

其中，s<0表示处理组企业i在t时刻为国家重点研发计划资助之前第s年；s>0表示处理组企业i在t时刻为国家重点研发计划资助之后第s年。

本文将认定前4年以上的样本统一归并至认定前4年，并以资助前4年作为基准期。从图3～图5可以看出处理前3期的虚拟变量系数均与0无显著差异，说明在国家重点研发计划资助前处理组和控制组存在共同趋势。国家重点研发计划在项目启动后的第二期开始对企业创新数量和渐进性创新产生正的处理效应，一直持续到项目结束，说明国家重点研发计划政策对企业创新数量和渐进性创新的影响滞后两年。对企业突破性创新的影响在项目启动当年就开始显现，启动后的下一期不产生影响，第二期又开始显现，体现出国家重点研发计划对企业突破性创新实施效果具有一定的不稳定性。资助后的第二期系数估计值又开始显著并逐年增大，说明随着时间推移，国家重点研发计划对企业突破性创新发挥的创新激励作用不断增强。

图3 创新数量动态效应

图5 渐进性创新动态效应

4.3 稳健性讨论

为了保证研究结论的稳健性，本文更换了倾向得分匹配方法，重新对样本进行匹配，借鉴李贲等[36]的研究，在稳健性检验部分采用卡尺内k近邻匹配，具体参数的设置为在0.001卡尺内的 1∶4近邻匹配。重新匹配后，样本的倾向得分值密度函数如图6所示。通过对比匹配前后处理组和控制组的倾向得分核密度分布，可以看出处理组和控制组匹配效果较好。

图6 重新匹配后倾向得分值

对计量模型 (1)重新回归后的结果 (见表3)显示，国家重点研发计划政策变量系数依旧显著为正，有效说明本文检验结果稳健。

表3 稳健性检验回归结果

在估计国家重点研发计划对企业创新影响的过程中，难免受到其他政策实施的影响，这可能会干扰国家重点研发计划实际的政策效应。因此，本文考虑其他政策事件对企业创新的影响。Dai 等[10]研究发现，中国高新企业认定激励企业创新，则有可能是高新企业认定政策产生了促进企业创新的效果，从而对国家重点研发计划的企业创新效果产生高估。为了识别这一影响，本文在基准回归模型中加入高新企业认定政策虚拟变量，结果见表4。可以看出，所有基准模型加入高新企业认定政策虚拟变量后，高新企业认定政策效果均不显著，表明政府实施的高新企业认定政策对国家重点研发计划不形成干扰。同时，国家重点研发计划的政策系数依然显著为正。这一结论表明国家重点研发计划对企业创新存在显著正效应，并且本文的估计结论相对稳健。

表4 加入高新认定虚拟变量回归结果

4.4 机制检验

根据理论部分提出的研究假设，国家重点研发计划对企业创新可能存在人才效应和技术开发两种传导机制。本文借鉴李贲等[36]和石大千等[37]的方法，来验证这两种传导机制。

(1)人才效应。构建中介效应模型验证国家重点研发计划人才效应对企业创新的影响，具体机制验证模型设定如下：

验证国家重点研发计划对企业创新的影响：

yit=α0+α1NKRDPit+γXit+ui+λt+εit

(3)

验证国家重点研发计划对人才效应的影响：

R&Demployeeit=α0+α1NKRDPit+γXit+ui+λt+εit

(4)

将国家重点研发计划政策变量和人才效应同时放入回归方程：

yit=α0+α1NKRDPit+R&Demployeeit+γXit+ui+λt+εit

(5)

其中，yit为企业创新指标，表示企业创新的三个考量方面；NKRDPit表示国家重点研发计划政策变量，因个体而异的处理期虚拟变量；employeeit为人才效应，用研发人员数量表示。

由于国家重点研发计划对企业创新的影响已在基准回归中验证，因此表5只列出模型 (4)和 (5)的检验结果。

表5 人才效应检验结果

表5中列 (1)为政策对人才效应的检验结果，国家重点研发计划政策变量系数为正且通过显著性检验,表明企业参与国家重点研发计划能够显著吸引研发人才加入。列 (2)～ (4)的结果显示，人才效应对企业创新数量、突破性创新和渐进式创新均有显著正向作用，与此同时，国家重点研发计划对企业创新数量和突破性创新的影响作用变得不显著，对渐进式创新的系数显著但系数降低了，说明国家重点研发计划通过人才效应促进了企业创新，这一结果与前文理论分析一致，假设H3得证。

(2)技术开发效应。与人才效应检验方法类似，本文使用开发支出资本化这一指标来对技术开发效应检验，回归结果见表6。

表6中列 (1)为国家重点研发计划政策对开发支出资本化的检验结果，表明获得国家重点研发计划资助促进企业开发支出中无形资产的增加。列 (2) (3)的结果显示，人才效应对企业创新数量和突破性创新均有显著正向作用。与此同时，国家重点研发计划对企业渐进式创新的系数显著但系数降低了，说明国家重点研发计划通过技术开发效应促进了企业突破性创新，列 (4)结果表明国家重点研发计划对企业展开渐进性创新不存在技术开发效应，假设H4得到部分验证。

表6 技术开发效应结果

5 结论及政策启示

本文基于2012—2020年3850家A股上市公司面板数据，利用PSM-DID方法实证检验了国家重点研发计划对企业创新的影响。结论表明，国家重点研发计划对企业创新数量、突破性创新和渐进式创新均有显著提升，在政策动态效果上存在时滞性，对企业创新数量和渐进式创新的影响滞后两年，对突破性创新的影响在项目启动当年就开始显现，从处理后的第二期起对企业突破性创新发挥的创新激励作用越来越大。机制检验表明，国家重点研发计划可以吸引更多高学历人才进入企业搞科技研发，从而促进企业创新；此外，参与国家重点研发计划项目会提升企业开发支出资本化水平，加速研发投入向企业的创新数量和突破性创新的转化，而国家重点研发计划对渐进式创新不存在这一效应。

本文的研究结论具有以下政策启示：

(1)国家重点研发计划瞄准国民经济和社会发展各主要领域的重大、核心、关键科技问题，设立的主要目的是提升产业核心竞争力和整体自主创新能力。为了将关键技术掌握在自己手中，必须重视企业突破性创新的作用。对当前中国企业来说，积极参与国家重点研发计划有利于促进企业突破性创新。政府通过对国家重点研发计划保持持续、稳定、大力的投入，更多地吸引有能力的企业参与。除此之外，政府还应充分发挥财税政策的支持作用，有针对性地引导企业加大基础研究投入，反哺技术开发，攻占行业技术高地，实现突破性创新。

(2)政府应高度重视产学研深度融合在提升企业突破性创新所发挥的作用，强化高校、科研机构与企业的产学研合作，充分整合高校及研究机构在基础研究和人力资本方面的优势，鼓励以企业为主导展开项目攻关，加强企业与高校、科研院所之间的知识共享，实现理论知识与生产实践的有效结合，这有利于国家重点研发计划快速完成产业化与工程化，提高技术成果的转化率。

(3)国家重点研发计划需要雄厚的科技攻关力量来支撑其运行，因此，政府的首要任务就是确保重点研发计划项目长期保持充足的人才储备。首先，政府应出台更多的人才引进政策，促使高学历的科技人才源源不断地参与到国家重点研发计划中，形成具有较高水平且稳定的科研合作团队，充分发挥国家重点研发计划的人才效应，并且重视对研发人才的培养工作，为科技项目的研发创新奠定人力资本支撑。其次，国家重点研发计划管理部门应继续探索更加便利、有效的项目交流方式，在合作网络中建立开放的人才流动渠道，促进研发人员之间的知识扩散和吸收，以此提升研发人员的创新产出水平。最后，应适度引导高学历基础研究人才向企业科研部门集聚，同时企业应为科研人才提供施展才能的氛围，让优秀科研人员挑大梁，在实施项目中大胆探索更具颠覆性的新方法，国家重点研发计划为企业提供了一个大量集聚高学历科技人才的平台，获助企业应更主动吸纳高质量的科技人才，充分调动科研人员的技术攻坚能力。

(4)技术开发效应分析表明，国家重点研发计划会通过提升企业技术开发来促进突破性创新，因此，政府在实施国家重点研发计划过程中应侧重加大对技术开发的投入力度，有利于发挥技术开发效应，提升国家重点研发计划的实施效果。