数字创新与产业政策选择：基于政策工具组合视角

贺 刚，余 慧

（西华大学 经济学院，成都 610039）

0 引言

早在20世纪90年代，“数字经济”这一观点就被Tapscott（1997）[1]提出，其强调互联网对世界经济格局带来的影响，并认为数字经济是在人类智慧网络化的基础上发展出的新经济模式。数字经济作为战略性新兴产业发挥了重要作用，但我国数字一体化发展起步较晚，解决关键“卡脖子”技术问题、推进“数字中国”建设与实现创新引领的高质量发展都需要国家政策给予大力支持。已有文献研究与历史经验并不否认产业政策的必要性和重要性，其关注的焦点是实施什么样的产业政策，具有争议性的结论主要体现在三个方面。第一种观点认为适度的产业政策可提高产业创新效率[2,3]；第二种观点认为产业政策的效果会打折扣或无效[4—6]；第三种观点则认为产业政策工具组合存在较大的异质性，甚至具有截然相反的效果[7,8]。国内外文献对创新的政策选择评价进行了大量研究，但对数字创新的政策工具组合效果的识别研究较少。鉴于此，本文选取2013—2019 年中国沪深A 股数字经济企业为研究样本，从政策工具箱中选择政府补贴、税收优惠及其组合实施来分析促进数字创新的产业政策选择问题。

1 理论分析与研究假设

1.1 政府补贴与税收优惠的单一政策效应

数字创新存在社会收益大于企业收益的可能性，首先，政府补贴的目的在于减少创新过程中的经济风险，具有典型的“事前扶持”特征。其次，作为战略性新兴技术产业，企业在市场上的研发融资十分困难，同时还要面临高昂的研发成本，而政府补贴能够直接补充一部分研发资金，在一定程度上减缓了企业融资约束和资金压力。最后，政府对企业进行资金补贴还具有信号传递属性，向社会传递企业在信誉、竞争力方面的积极信号，产业政策通过“外部信心效应”和“内部信心效应”促进受支持企业研发投入增加[9]，吸引社会资金对企业进行投资，使得企业实际获得的资金数倍于政府补贴的数额。基于此，本文提出：

假设1：政府补贴有助于促进数字创新。

与政府补贴不同，税收优惠主要是对创新成功预期成果的奖励，属于“事后补贴”。已有文献研究发现，税收优惠不仅能以税费返还的形式减少企业成本，增加企业现金流，而且能加速创新设备投入折旧、研发费用的加计扣除，从而激励企业增加研发投入[10]。此外，税收优惠作为一定时期内，政府为了特定经济和社会目标，对特定纳税人给予减轻税收负担的优惠政策，税收优惠可以激励更多创新型企业加入该产业，引导社会资源优化配置。基于此，本文提出：

假设2：税收优惠有助于促进数字创新。

1.2 政府补贴与税收优惠的政策工具组合机制

从政府补贴和税收优惠单一政策工具来看，无论是事前补贴还是事后优惠均对企业创新具有促进作用，但由于其实施方式不同，作用机制具有三种表现形式。第一种类型是政策工具组合的强化效应。有研究认为政府补贴和税收优惠的交互效应有利于企业研发投入的增加[7]，两种工具的互补作用可以缓解企业的融资约束，降低企业成本和增加预期收益，增强数字创新动力。第二种类型是政策工具组合的挤出效应。由于存在信息不对称问题，政府往往难以全面掌握企业的经营状况和技术创新信息，在这种“有限信息”情况下制定财政补贴政策，这是政府失灵的一个表现或产业政策的局限，企业可能会用政府补贴代替自有资金，从而对企业创新产生“挤出效应”[6]。同时，部分企业会为了得到更多的财政补贴而进行寻租活动，已有研究指出政府对企业的补贴力度越大，企业进行寻租的动机就越大[11]。企业会在经营状况得到改善的情况下，将收到的部分财政补贴用于企业其他低风险、高收益的项目上，两者的组合实施强化了政企之间的“逆向选择”和寻租行为，从而对企业的研发资金配置产生双重挤出效应[8]。第三种类型是政策工具组合实施的替代效应。政府补贴与税收优惠两种工具促进技术创新的本质是一样的，只是实施的时间和方式不同，政策工具之间存在可替代性。基于此，本文提出：

假设3：政府补贴与税收优惠的政策工具组合对数字创新存在挤出和替代效应。

2 研究设计

2.1 模型构建

对于模型的确定，本文进行Hausman 检验，结果拒绝原假设，故本文采用固定效应模型进行实证分析。由于政策类因素的时间变化趋势明显，并且产业政策的实施通常存在省份之间的差异，故本文估计方法采用双向固定效应模型，其中的个体效应按照省份划分来固定。

其中，β0为常数项，β1至β6为各变量的回归系数，i和t分别表示企业和年份，j表示省份，innoit表示i公司t时期的创新能力，gov、tax分别表示政府补贴、税收优惠；age、lev、roa、fix分别表示企业年龄、资产负债率、资产收益率、固定资产占比；μj表示不随时间变化的个体固定效应；δt表示年度固定效应，ε表示随机干扰项。式（1）和式（2）分别将政府补助和税收优惠单独作为解释变量代入模型之中，主要为了探讨两者各自对数字创新的影响，式（3）为进一步加入不同控制变量后，产业政策对数字创新的影响。

除了检验政府补贴和税收优惠单一工具对数字创新的影响之外，本文进一步研究政策工具组合对数字创新的影响，即在式（3）中加入政府补贴和税收优惠的交互项，得到计量模型如下：

其中，gov*tax表示政府补贴和税收优惠的交互项，其余变量定义与式（1）相同。由式（4）可知，加入交互项后，解释变量gov对于inno的边际效应不再只是常数，而是依赖于解释变量tax，如果β3＞0，则gov对inno的边际效应随着tax 的增大而上升；反之，如果β3＜0，则随着tax 的增大，gov 对inno 的边际效应下降。由于两个变量在交互效应中的地位是一致的，所以变量tax 对于inno 的边际效应也是一致的。

2.2 变量选择

（1）被解释变量。本文的被解释变量为数字创新（inno）。关于数字创新的衡量方式大致可以分为三种：一是用新产品的销售收入及利润率来评价，二是用企业专利的申请数量、授权数量、有效数量以及专利被引用的次数进行测度，三是数字研发投入。由于新产品的销售收入和利润率等数据可获得性不强，并且考虑到专利尤其是发明专利审核周期较长，为充分且较为全面地反映数字创新活动的进展，本文采用企业研发投入作为被解释变量，同时以专利申请数量（patents），包括外观设计专利、实用新型专利、发明专利，作为替代变量来进行稳健性检验。

（2）解释变量。政府补贴（gov）：采用企业当年获得的实际政府补贴额表示。税收优惠（tax）：选用企业实际收到的税费返还金额表示。为研究政府补贴和税收优惠政策组合对数字创新的影响，引入两者的交互项来对政策工具组合进行量化分析。

（3）控制变量。为解决遗漏变量可能带来的内生性问题，控制可能影响数字创新的因素，引入如下控制变量：企业年龄（age），采用当前年份-企业成立年份来衡量；资产负债率（lev），采用企业总负债额与总资产的比值来表示；资产收益率（roa），采用净利润与总资产的比值来表示；固定资产占比（fix），采用固定资产与总资产的比值来表示。为缓解异方差带来的影响，单独数值变量采取取对数的处理方式，为避免数值为零导致对数无意义的问题，对所有变量取对数值加1。

2.3 样本选择和数据来源

根据国家统计局发布的《数字经济及其核心产业统计分类（2021）》，结合证监会2012 年对上市企业的分类标准，本文选取2013—2019 年我国沪深A 股上市的信息传输、软件和信息技术服务业企业为研究样本，样本企业包含三类具体行业：电信广播电视和卫星传输服务、互联网和相关服务、软件和信息技术服务业。基于数据可获得性对样本进行如下处理：剔除已经退市的企业；剔除金融类、ST类企业；剔除上市不满一年和数据缺失较多的企业；剔除专利申请数量常年为零的企业，这类企业属于非创新型企业或者技术保密性企业。经过上述处理之后，最终得到938个样本观测值。本文数据来自国泰安数据库、Wind数据库及上市公司年报，部分专利申请数据缺失值从专利之星和佰腾网检索系统收集。

2.4 描述性统计分析

在进行回归分析之前，本文对样本进行描述性统计分析，结果显示，数字创新（inno）最小值为0，最大值为21.528，企业之间的创新水平差距较大，企业创新投入的均值18.288和中位数18.371相差不大，说明样本企业中超过近半数企业的数字创新未达到平均水平。解释变量政府补贴最大值为20.197，最小值为0，税收优惠最大值为21.833，最小值为0，样本极值相差较大，说明不同企业的政策扶持力度存在较大差异；同时，政府补贴和税收优惠的均值和中位数相差较小，说明约半数企业的政策扶持力度未达到平均水平。控制变量方面，企业年龄、资产负债率、资产收益率等表现出一定差异。

3 实证结果分析

3.1 基准回归结果

本文的基础变量对应的是面板数据，创新往往具有滞后效应，故使用双向固定效应模型估计政策工具及其组合对数字创新的影响。表1 中列（1）是政府补贴对数字创新的回归结果，列（2）是税收优惠对数字创新的影响。从回归结果看，两种政策工具单独使用都对数字创新具有正向影响，系数均在1%的水平上显著为正。每增加1个单位政府补贴，数字创新投入将提高0.404 个单位；税收优惠每增加1个单位，数字创新投入将提高0.157个单位。列（3）是在列（1）和列（2）基础上分别加入政府补贴或税收优惠其中一个作为控制变量的结果。可以看出，不论是以政府补贴作为基本解释变量，还是以税收优惠作为基本解释变量，并把另一个作为控制变量，gov和tax的系数均在1%的水平上显著为正，与列（1）、列（2）相比系数均有所减小，说明政府补贴的作用仍然大于税收优惠的效用，因此假设1、假设2得证。

表1 产业政策工具对数字创新的影响

上述基准回归结果可能会受到遗漏变量的影响，即可能没有考虑到企业自身的特征变量。因此，在模型中逐步加入可能同时影响数字创新及产业政策工具选择的控制变量。列（4）至列（7）结果显示，政府补贴与税收优惠对数字创新的影响显著为正，而且各项回归系数差异较小，说明结果具有稳健性。

3.2 政策工具组合机制检验

本文接下来分析政府补贴与税收优惠的交互作用对数字创新的影响，结果见表1 中列（8）。政府补贴和税收优惠的交互项与数字创新的系数为-0.105，且在1%的水平上显著。从加入交互项后的回归系数看，政府补贴与税收优惠的回归系数分别为0.281、0.294，高于列（7）中的0.233、0.104，如预期分析一样存在挤出效应，政府补贴回归系数差为0.048，约为17%，税收优惠的回归系数差为0.190，约为65%，其他控制变量基本保持不变。政府补贴和税收优惠的交互效应为负，无论将哪个变量作为自变量，随着调节变量的增加，自变量对于研发投入的边际效应都随之减小。这进一步说明，政府补贴与税收优惠的组合实施存在替代效应，当政府补贴和税收优惠同时作用于企业，两者之间可以相互替代，且企业并不会将全部资金用于数字创新。但实践中，由于政府对财政资金的补贴往往设立监督使用的机制，而对于税收优惠的监管则较为弱化，其对使用资金属性与多少的监管往往不像财政资金那样严格且有效性较弱，导致政企之间的逆向选择和寻租行为在两种工具之间表现出较大差异，这与王桂军和张辉（2020）[8]的研究结果相比，具有边际上的贡献，假设3得证。

3.3 内生性检验

由于数字创新和政府补贴之间可能存在双向因果关系，政府补贴可能会产生内生性问题，因此本文采取政府补贴滞后一期作为政府补贴的工具变量，进行两阶段最小二乘法估计（2SLS），结果见表2。其中，Lgov系数在1%的水平上显著，表明gov 和Lgov 高度相关，政府补贴和税收优惠的系数均在1%的水平上显著为正，政府补贴和税收优惠交互项的系数仍然在1%的水平上显著为负，与前文研究结果保持一致。同样地，用税收优惠滞后一期作为工具变量也得到了相同的结论，结果见下页表3。

表2 政府补贴滞后一期估计结果

表3 税收优惠滞后一期估计结果

3.4 稳健性检验

为保证回归结果不受到数字创新测度变量选取的影响，本文选取企业专利申请数量（patents）作为被解释变量的代理变量进行稳健性检验。专利申请数量越多，表明数字创新能力越强。运用此变量测度产业政策工具组合重新进行上述检验，结果见表4。结果与前文研究一致，表明结论具有一定稳健性。

表4 稳健性检验结果

4 异质性分析

4.1 行业异质性

根据前文分析可知，样本企业涉及的行业具体可分为以下三类：第一类是电信广播电视和卫星传输服务（行业Ⅰ），第二类是互联网和相关服务（行业Ⅱ），第三类是软件和信息技术服务业（行业Ⅲ）。由表5可知，政府补贴和税收优惠对于行业Ⅱ和行业Ⅲ数字创新的影响都显著为正，而对于行业Ⅰ的数字创新而言，系数都不显著；不论从经济意义还是统计水平上看，政策工具组合对行业Ⅲ的挤出效应和替代效应均较为明显，行业Ⅰ和行业Ⅱ虽然在统计上不显著，但其系数符号符合理论预期。这说明行业Ⅱ、行业Ⅲ对于技术创新要求较高，产业政策工具对行业Ⅰ的创新影响力不强，这可能与其处于市场结构的垄断地位相关，即具有垄断属性的数字企业创新积极性不高。

表5 行业异质性检验结果

4.2 区域异质性

产业政策工具对数字创新影响的区域异质性检验结果见下页表6。对于东部地区来说，无论是政府补贴还是税收优惠，其回归结果都非常显著。对于中部地区，只有政府补贴的系数在1%的水平上显著为正，且其系数为东部地区的3 倍多，而西部地区只有税收优惠的系数在1%的水平上显著为正。再从政策工具组合的交互项看，其系数只在东部地区具有显著性。

表6 区域异质性检验结果

4.3 规模异质性

本文将叶阳平（2020）[12]按照年份统计的企业资产均值作为划分标准，将企业当年的规模大于划分标准的认定为大规模企业，小于划分标准的认定为小规模企业。下页表7结果显示，产业政策对于大规模企业数字创新的回归系数除政府补贴外，其他均在统计上显著。但对于小规模企业而言，不论是政府补贴还是税收优惠对数字创新的影响均在1%的水平上显著为正，对数字创新具有明显的激励作用；政策工具组合的交互项系数在5%的水平上显著。

表7 规模异质性检验结果

5 结论

本文基于政策工具组合视角，采用2013—2019 年沪深A 股数字经济企业数据，实证研究了政府补贴、税收优惠对数字创新的作用机制，重点强调两者组合实施对数字创新的影响。研究发现：政府补贴和税收优惠都能显著促进数字创新，政府补贴的事前效用、直接效用大于税收优惠的事后效用和间接效用；政策工具组合实施存在挤出和替代效应；产业政策工具对不同行业、区域、规模的企业具有异质性影响，对于互联网和相关服务、软件和信息技术服务业企业、东部地区企业、小规模企业而言，政府补贴和税收优惠传导机制均有效，中部地区更偏好于政府补贴，而西部地区、规模较大的企业则偏好于税收优惠的政策激励工具。