创新扶持政策对企业创新的影响研究

林 娟，周利星，王 圆

（广东行政职业学院a.电子信息学院；b.财经商贸学院，广州 510800）

一、引言

技术创新作为企业发展的核心竞争力和推动力，一直是理论和实务界共同关注的焦点问题。从熊彼特到罗默、卢卡斯，许多经济学家都对技术创新进行了界定和分析。熊彼特认为技术创新是“创造性破坏”的过程（Schumpeter，1934），Romer（1986）以及Lucas（1988）将资本积累纳入到分析框架中，Zeng（1997）强调了知识积累是技术创新的重要因素。

由于技术创新具有长期性、外溢性以及较大的不确定性等特点，各国大多对创新采取扶持政策，如直接补贴、税收减免、金融支持等（Bérubéand Mohnen，2009；González and Pazó，2008）。然而，创新扶持对企业创新激励的影响效果究竟是互补效应还是替代效应并未得到一致结论，也有学者认为二者的关系存在不确定性（Wu，2005）。在我国转型和创新驱动背景下，学者们将创新扶持效果的差异更多地归因为企业所有权性质的差异。如邵敏和包群（2011）发现地方政府补贴更多地向国有企业倾斜，民营企业所获的补贴概率和额度较小。孔东民等（2013）基于政府扶持的盈余管理动机，也发现相比于规模较小的民营企业，规模较大的国有企业获得了更高的政府补贴。

如何更好地发挥创新扶持政策对企业创新的激励作用成为焦点问题。一方面是知识产权政策的立法和执行的激励作用，如郭春野和庄子银（2012）从知识产权保护的严格程度分析了国家层面的创新激励问题，发现激励效应依赖于市场结构，也有学者从知识产权执法层面对企业创新激励的效果进行了检验。另一方面是创新扶植政策的激励效果检验，如Wallsten（2000）分析了政府的产业扶植政策对企业研发的促进作用。同时，由于创新活动的长期性和不确定性，政策扶持的另一作用则在于可以缓解企业的融资约束（Fazzari et al.,1988；Carpenter et al.,1998；Benito and Hernando，2007；仁曙明、吕镯，2014）。我国企业众多，但创新扶持政策的作用效果和作用机制还不太清晰。因此，本文的研究有重要的理论和现实意义。

二、实证分析

（一）数据与变量构建

本文以2007-2019年A股上市公司为研究样本，并对数据进行如下处理：剔除金融类上市公司；剔除ST以及期间退市的样本；剔除主要变量有较多缺失的样本。为减少极端值的影响，本文对所有连续型变量进行1%和99%的缩尾处理。原始数据来自万得（Wind）及国泰安（CSMAR）数据库，最终得到20537个观测值。由于数据通过hausman检验，p值为0.00，故不能使用Tobit模型。且因变量的方差均大于均值，alpha显著（p＜0.05），证明数据过度分散，故为负二项分布。因此本研究采用负二项回归模型。

另外，为探讨政府补贴及奖励对企业创新的影响是否在不同的行业存在异质性，本文按照行业将企业分为两组：高科技行业及传统行业。高科技行业包括电子、计算机、医药生物、通信，其他均为传统行业。

本文使用的主要因变量是企业申请的专利数量。专利包括三种类型：发明、实用新型和外观设计（本文使用的主要变量如表1所示）。

表1 主要变量说明

本文的控制变量如下：企业规模方面的控制变量，包括总资产和员工总人数；融资约束方面的控制变量，包括杠杆率、Z-score和现金流量比率；盈利能力方面的控制变量，包括ROA、营业收入和营业收入增长率；有关股权分散程度的控制变量，本文使用前十大股东持股比例；其他对创新有影响的变量包括企业年龄、技术人员比例、受高等教育员工比例（本科以上）、固定资产比例、是否为战略高科技行业、企业性质（国有及非国有）。控制变量的代码和度量单位如表2所示。

表2 控制变量说明

（二）基准回归

为了减少误差，本文对数值较大的变量如RD、subsidy、reward、asset、employees、operincome取对数。对补贴和奖励取滞后一期，并使用二次方模型。具体回归模型如下：

本文关心的系数主要是β、β、β和β，这四个系数分别度量了政府补贴平方、政府补贴一次项、政府奖励平方和政府奖励一次项对企业专利数量的影响。

本文的基准回归结果如表3所示。其中第一列仅仅是对所有控制变量进行回归，第二列的回归中加入了补贴和补贴的平方项，第三列的回归加入了奖励和奖励的平方项，第四列的回归同时加入了补贴和奖励的一次项和平方项。从表3可以看出，补贴和奖励的平方项与一次项都在统计上显著，这表明政府补贴和奖励对企业专利数量有显著影响，并且这一影响为非线性的。具体来说，当政府补贴和奖励数额非常小时，其对企业的专利数量的影响为负；而只有当政府补贴和奖励超过一定金额时，补贴与奖励才能对企业创新起到正向的激励作用。

表3 基准回归结果

（三）异质性分析

本文按照行业分为两组，第一组为高科技行业，第二组为传统行业。回归结果如表4所示，高科技行业的回归结果展示于第一列，传统行业的回归结果展示于第二列。本文发现对高科技行业，只有政府补贴对企业专利数量有显著影响，政府奖励对企业专利的影响不显著。而对传统行业，政府补贴和奖励对企业专利数量都有显著影响。这表明政府扶持政策的效果确实存在行业异质性。

表4 分行业回归结果

（四）机制分析

本文探讨创新支持政策是否通过增加企业的研发投入来增加企业的创新成果。此处使用的回归方程与方程（1）类似，只是把因变量换成了企业研发投入。回归结果如表5所示。本文将企业分为高科技行业及传统行业（第一列为高科技行业，第二列为传统行业）。研究发现对高科技行业，政府补贴与奖励的平方项和一次项均对企业的研发投入有显著影响；而对传统行业，只有政府补贴的平方项对企业的研发投入有显著影响。此处的结果表明，相比传统行业，高科技行业中政府的补贴和奖励对企业研发投入的影响更大。并且，通过增加企业的研发投入来增加企业的创新成果是创新支持政策发挥作用的机制。

表5 机制分析

三、结论

本文使用我国上市公司数据研究政府创新支持政策对企业创新的影响。研究发现政府补贴和奖励对企业专利数量有显著影响，并且这一影响为非线性的。具体来说，当政府补贴和奖励数额非常小时，其对企业的专利数量的影响为负；而只有当政府补贴和奖励超过一定金额时，补贴与奖励才能对企业创新起到正向的激励作用。异质性分析发现，对高科技行业，只有政府补贴对企业专利数量有显著影响，政府奖励对企业专利的影响不显著；而对传统行业，政府补贴和奖励对企业专利数量都有显著影响。机制分析表明，创新支持政策通过增加企业的研发投入来增加企业的创新成果。并且，相比传统行业，高科技行业中政府的补贴和奖励对企业研发投入的影响更大。

高科技企业是我国经济发展和创新的重要动力。本文的研究结论表明，政府应该加大对高科技企业的补贴和奖励，以增加这些企业的研发投入，激发企业的创新活力，提升企业的创新成果，从而为我国经济实现高质量发展打下坚实基础。