政府研发补贴对高技术产业创新产出的影响研究

严思屏 郭以恒 于艺楠

一、引言及文献综述

党的二十大报告提出，加快实施创新驱动发展战略，加快实现高水平科技自立自强。创新已在现代化建设全局中占据核心地位，科技创新正作为高质量发展的第一动力源，新兴技术领域成为全球经济博弈竞争的焦点。近年来，中国高技术产业整体发展稳中向好，2020年高技术产业主营业务收入达17.46万亿元，同比增长9.92%；高技术产业出口总额达7577.24亿美元，同比增长5.85%①；高技术产业投资增长10.6%，增速高于全部投资7.7个百分点②。但是，高技术产业在核心芯片、核心技术、核心原材料、关键零部件等方面仍处于劣势。企业唯有通过创新，才能抓住竞争的主动权，才能为中国式现代化经济高质量发展带来新源泉与新动力。然而，企业的技术创新是一项复杂综合的活动，具有高风险性、正外部性和信息不对称性等特点。创新活动的推进不仅需要企业经济个体的积极参与，同时还需要孕育良好的外部环境，协调市场与政府的关系。当前我国知识产权保护制度尚不完善、要素市场的不完全，研发补贴政策成为政府影响创新领域最直接的手段。

现实中研发补贴是否真正发挥了预期的创新激励效果，学者们纷纷关注并展开讨论，但尚未达成一致结论。目前主要包括以下三种观点：第一，研发补贴与创新产出之间呈正向关系。李爱玲（2015）发现政府研发补贴有助于降低企业投资成本与风险，提高创新项目的成功率，进而促进创新产出的提高。Bronzini 和Piselli（2016）指出政府研发补贴对企业专利申请量具有正向促进作用，且相比于大规模企业，在小规模企业中的创新激励效应更为显著。郭玥（2018）通过构建政府创新补贴信号传递机制模型，发现当政府审查能力和监督能力达到一定条件时，创新补贴有利于缓解企业与外部投资者的信息不对称现象，从而缓解撬动更多外部资金流入企业，促进企业技术创新；第二，研发补贴与创新产出之间呈负向关系。Golsbee（1998）、Hall 和Van（2000）认为政府研发补贴的主要作用是提高研发人员的工资，这将导致企业实际研发支出降低，不利于技术创新。李玲和陶厚永（2020）指出政府研发资助可能提高了企业寻租的可能性，提高了企业对政府补贴的依赖性，并且可能产生资源错配现象，从而对企业创新活动起到抑制作用。第三，研发补贴与创新产出之间存在非线性关系。张杰（2020）基于2008—2014年中国创新调查企业数据库，指出政府创新补贴与微观企业创新投入间呈现显著U 形关系，即当创新补贴达到一定规模时，政府创新补贴对微观企业创新投入产生挤出效应，并进一步探讨企业所有制差异与地区市场化改革进程差异对激励效应的影响。吴伟伟和张天一（2021）利用2009—2018年中国新创企业数据，实证检验了政府研发补贴与创新产出间的倒U 形关系，即随着政府研发资助规模的扩大，企业创新产出呈现先增加后减少趋势，主要原因是随着补贴规模的扩大，政府研发资助传递的消极信号将强于其积极信号，这不利于企业外部融资，从而抑制新创企业的创新活动。

上述研究结论的不一致从侧面反映出研发补贴与创新产出关系的复杂性与多变性，二者之间并非简单的促进或抑制关系。一方面，目前关于研发补贴对创新产出的非线性影响研究多局限于探讨二者之间的关系，即二者间到底呈现“U”形关系还是“倒U”形关系，而忽略了对研发补贴具体作用边界的探讨。另一方面，少有学者将产业赖以生存的外部环境因素系统性地纳入研发补贴与创新产出关系的研究框架中。外部环境涉及多重因素，是一个复杂、多元的要素，学术界尚未统一对外部环境的定义。借鉴已有的文献研究，学者大多以企业外部治理环境作为研究方向，从产权保护、政府治理、市场竞争等方面分析外部环境情况（夏立军和方轶强，2005）。因此，本文将探讨研发补贴强度、产权保护力度、金融发展水平、行政垄断程度等外部环境因素在政府研发补贴与高技术产业创新产出间的调节作用，并识别外部环境的最优区间，在此基础上优化实施研发补贴政策，从而推动高技术产业创新发展。

二、影响机理与研究假设

（一）政府研发补贴与高技术产业创新产出

与其他产业相比，高技术产业的主要特征是知识密集、技术密集与高投入，其创新活动的技术难度与风险性更高，资金需求量更大，故难以单纯依靠其自身力量进行技术创新（马永军和王艾娟，2020）。政府研发补贴能够通过以下途径激发企业创新活力，提高高技术产业创新产出。

一是降低创新活动风险。技术创新活动的高风险性特征，使得多数企业对技术创新活动“望而却步”，不愿进行技术创新活动。而政府提供研发补贴相当于与企业共担研发项目风险，有利于降低企业新产品开发和科技成果转化的失败风险和资金成本（Lee 和Cin，2010）。同时，政府的补贴行为也代表了未来一段时间内的政策倾斜方向，这将对市场需求产生影响，提高消费者对该方向新产品的认可度，有助于降低市场的不确定性。二是缓解企业融资约束。一方面，政府研发补贴向外界传递“认证信号”。政府在发放研发补贴前，需根据企业提供的材料对创新项目进行筛选和审查。因此，若政府给予某企业研发补贴，外界投资者则认为该企业创新能力或创新项目得到政府的认可。另一方面，政府研发补贴向外界传递“光环信号”。政府研发补贴的发放也有可能使外部投资者认为该创新企业与政府保持良好关系，创新项目符合未来政策方向，这同样有利于缓解企业外部融资约束。三是增加企业现金流量。技术创新是一个较为漫长的过程，包括设想、研发、实用化与商业化等四个环节，每一环节都要求企业投入大量资金。政府研发补贴相当于为企业带来一个正的流动性冲击，直接缓解企业资金压力，改善企业财务状况，避免出现因资金短缺而中断创新活动的现象，有利于支撑企业创新项目的长期开展。基于上述分析，本文提出假设H1：研发补贴对高技术产业创新产出具有激励效应。

（二）外部环境的调节作用

外部环境具有多样性特征，其中，政策环境、制度环境、市场环境、治理环境是企业创新决策所面临的重要环境。具体来说，政策环境对应政府研发补贴政策，制度环境对应知识产权保护制度，市场环境对应国内金融市场，治理环境对应政府行政垄断程度。随着政府研发补贴强度、知识产权保护力度、金融发展水平、行政垄断程度的变化，研发补贴对高技术产业创新产出的影响将体现为门槛特征。

由于政企间的信息不对称以及监督机制的不完善，当研发补贴强度较高时，企业骗补、寻租的动机较强，这将严重损害政府研发补贴对创新产出的激励效应。具体而言：首先，一般情况下，政府通过考察企业的前期R&D投入或者专利产出来发放研发补贴。通常大多企业并没有进行原始创新的意图，但为获得高额研发补贴，企业有可能向政府发送虚假的原始创新信号。企业发送虚假创新信号的行为，不仅会增加其自身成本，而且会导致真正需要补贴的企业资金被占用，使得研发补贴对创新产出的激励效应减弱。其次，为获得政府研发补贴，企业会积极地与地方政府建立关联（杨筠和宁向东，2018）。当寻租成本小于创新成本时，企业有减少创新活动的倾向，转向非生产性的寻租活动，削弱企业进行创新的动机。因此，本文提出假设H2：在其他因素不变的情况下，随着研发补贴强度的增加，研发补贴对高技术产业创新产出的影响存在边际效应递减的激励效应。

金融发展和知识产权保护是近年来促进技术创新发展的重要因素。发达的金融系统一方面通过金融产品组合降低企业技术创新项目总体风险水平，实现风险分散，从而增加企业创新项目对投资者的吸引力（张元萍和刘泽东，2012），另一方面降低借贷双方间的信息不对称，缓解创新企业的外部融资约束（卢现祥和李磊，2021）。金融发展水平的提高有利于强化政府研发补贴的积极信号作用，打破创新活动的“资金门槛”，提高企业创新产出。同时，知识产权保护制度可被视为企业创新活动的“保护伞”，降低技术外溢对企业带来的利益损失（吴超鹏和唐菂，2016），为企业提供良好的创新环境，促进公平竞争，激发企业创新积极性。但是，过于严格的知识产权保护可能提高企业模仿赶超本土企业的创新成本。在此情况下，政府研发补贴对企业创新成本的影响效果将大大减弱。因此，本文提出假设H3：在其他因素不变的情况下，随着金融发展水平的提高，政府研发补贴对高技术产业创新产出的影响存在边际效应递增的激励效应。H4：在其他因素不变的情况下，随着产权保护力度的增加，政府研发补贴对高技术产业创新产出的影响存在边际效应递减的激励效应。

同时我国市场体系还不健全，市场对资源配置的作用有待完善，尚存在地方政府直接或间接干预企业微观活动的行为。各省份之间还存在市场分割的现象，加剧了资源错配的负面影响。行政垄断成为抑制我国统一大市场建设和经济高质量发展的障碍之一（杜丽贞等，2023）。行政垄断将破坏市场公平有序的竞争，降低政府研发补贴对高技术产业创新产出的激励效应。因此，本文提出假设H5：在其他因素不变的情况下，随着行政垄断程度的增加，政府研发补贴对高技术产业创新产出的影响存在边际效应递减的激励效应。

三、研究设计

（一）基准回归模型

本文在Griliches-Jaffe 知识生产函数的基础上，结合本文所选取的变量，同时将滞后一期的被解释变量（高技术产业创新产出）纳入模型，整理得基准回归模型：

式中，lnpat为高技术产业创新产出，lnsub为政府研发补贴，lnrdi为企业资金投入，lnrdp为研发人员投入，size为企业规模，ep为经济绩效，i代表省份，t代表年份，εit为随机误差项。考虑到模型可能存在的内生性问题，本文使用Blundell和Bond（1998）提出的系统GMM方法对基准模型进行回归。

（二）面板门槛模型

为探讨在不同外部环境下，政府研发补贴对高技术产业创新产出可能存在的非线性影响。本文构建单一门槛模型，表达式如下：

其中，qit为门槛变量，包括研发补贴强度（eii）、金融发展水平（finance）、产权保护力度（property）、行政垄断程度（mon），γ为待估门槛值，I（∙）为示性函数，当满足括号内的条件时，I=1，否则，I=0，其他变量含义与上文相同。多重门槛模型以此类推。

（三）变量说明与数据来源

1.被解释变量：创新产出（lnpat）采用取对数后的高技术产业专利申请量来衡量。

2.解释变量：研发补贴（lnsub）采用取对数后的高技术产业研发经费内部支出中政府资金部分衡量。

3.门槛变量：研发补贴强度（eii），参考夏靓莹和蒋伏心（2020）的做法，采用政府资金在研发经费内部支出的占比来衡量；金融发展水平（finance），参考郭联邦和王勇（2020）的做法，采用金融机构各项贷款余额占地区生产总值的比重来衡量；产权保护力度（property），参考胡凯等（2012）、黎欣（2021）的做法，采用技术市场成交额占地区生产总值的比重来衡量；行政垄断程度（mon），参考金玉国和王晓红（2001）的做法，用行业内国有单位就业人数占行业全部就业人数的比重来衡量。

4.控制变量：企业资金投入（lnrdi）选取取对数后的研发经费内部支出中的企业资金来衡量；研发人员投入（lnrdp），选取取对数后的研发人员折合全时当量进行衡量；企业规模（size），参考马文聪等（2019）的做法，选取主营业务收入与企业数的比值来衡量；经济绩效（ep），参考陈子韬等（2021）的做法，选取企业利润总额与主营业务收入的比值来衡量。

本文选取2009—2020 年中国省级面板数据，原始数据主要来自历年《中国高技术产业统计年鉴》③和《中国统计年鉴》。考虑到数据的完整性与可得性，本文剔除西藏自治区、青海省，最终保留29个省份面板数据。同时，本文对所有涉及价格的变量④以2009年为基期进行平减处理。表1为各变量的描述性统计结果。

表1 描述性统计结果

四、实证检验

（一）基准回归结果

基准模型回归结果如表2 所示。为了验证系统GMM 方法进行估计是否科学合理，本文首先进行Arellano-Bond 自相关检验与Hansen 过度识别检验。AR(1)为0.062，AR(2)为0.144，说明模型存在一阶序列相关，不存在二阶序列相关。Hansen检验对应的P值大于0.1，接受所有工具变量有效的原假设，说明模型设定不存在过度识别问题。上述检验证明，本文的基准模型估计方法是有效的。由表2 可知，因变量滞后一期的回归系数为0.2740，且在1%的显著水平上显著，这证明高技术企业的技术创新是一个可持续的过程。研发补贴对高技术产业创新产出的回归系数为正，但并未通过显著性检验，与假设H1不符。这可能与外部环境的调节作用有关，致使研发补贴与创新产出间的关系呈现出非线性特征，故需进一步进行门槛效应检验。

表2 基准模型回归结果

（二）门槛回归结果

1.门槛效应检验

在进行门槛回归之前，首先需要进行门槛效应存在性检验。本文分别以研发补贴强度、金融发展水平、产权保护力度、行政垄断程度为门槛变量，在不存在门槛值、单一门槛和双重门槛的假设下，采用门槛效果自抽样法来确定门槛值个数。

由表3 可知：（1）对于研发补贴强度而言，在单一门槛检验中F 统计量的值为26.54，对应的P 值为0.0067，说明在1%的显著性水平下拒绝原假设，即至少存在一个门槛值；在双重门槛检验中F统计量的值为6.63，对应的P 值为0.4400，说明不存在第二个门槛值，即应采用单一门槛模型。（2）对于金融发展水平而言，在单一门槛检验中F 统计量的值为58.12，对应的P 值为0.0000，说明在1%的显著性水平下拒绝原假设，即至少存在一个门槛值；在双重门槛检验中F统计量的值为26.95，对应的P值为0.0067，说明在1%的显著性水平下拒绝原假设，即至少存在两个门槛值；在三重门槛检验中F 统计量的值为4.03，对应的P 值为0.9100，说明不存在第三个门槛值，即应采用双重门槛模型。（3）对于产权保护力度而言，在单一门槛检验中F 统计量的值为25.94，对应的P 值为0.0167，说明在5%的显著性水平下拒绝原假设，即至少存在一个门槛值；在双重门槛检验中F 统计量的值为10.69，对应的P 值为0.2700，说明不存在第二个门槛值，即应采用单一门槛模型。（4）对于行政垄断程度而言，在单一门槛检验中F 统计量的值为19.64，对应的P 值为0.0333，说明在5%的显著性水平下拒绝原假设，即至少存在一个门槛值；在双重门槛检验中F 统计量的值为4.09，对应的P值为0.8667，说明不存在第二个门槛值，即应采用单一门槛模型。

表3 门槛效应自抽样检验结果

在此基础上，进一步计算研发补贴强度、金融发展水平、产权保护力度、行政垄断程度的门槛值及其在95%置信度下的置信区间。门槛值的具体估计结果和置信区间如表4所示。研发补贴强度的门槛值为0.2099，金融发展水平的第一、第二门槛值分别为0.9584 和1.2172，产权保护力度的门槛值为0.0101，行政垄断程度的门槛值为0.2621。

表4 门槛值估计结果

2.门槛模型回归结果

表5 为分别以研发补贴强度、金融发展水平、产权保护力度、行政垄断程度为门槛变量的门槛模型回归结果。当研发补贴强度、金融发展水平、产权保护力度与行政垄断程度处于不同区间时，政府研发补贴对高技术产业创新产出的影响表现出非线性特征。

表5 门槛模型回归结果

由列（1）可知，当研发补贴强度小于门槛值0.2099时，政府研发资助对高技术产业创新产出的回归系数为0.2138，并且通过了1%水平的显著性检验，这表明在此区间上政府研发补贴显著促进了高技术产业创新产出的提高；当政府研发资助强度大于门槛值0.2099 时，政府研发资助对创新产出的回归系数由2.138 降为0.1701，并且在1%的显著性水平下显著。也就是说，虽然政府研发补贴对高技术产业创新产出具有显著正向促进作用，但其作用效果会随着研发补贴强度的增强而逐渐减弱，呈现出明显的门槛特征，假设H2得证。当补贴强度较高时，政府可能出现过度干预市场现象，同时企业寻租、骗补的动机较强，这将严重损害研发补贴的激励效应。

由列（2）可知，当金融发展水平小于第一个门槛值0.9584时，政府研发补贴对高技术产业创新产出的回归系数为0.0752，并且在5%的显著性水平下显著；当金融发展水平介于第一个门槛值0.9584和第二个门槛值1.2172间时，政府研发补贴对创新产出的回归系数为0.1134，并且通过了1%水平的显著性检验；当金融发展水平大于第二个门槛值1.2172时，政府研发补贴对创新产出的回归系数为0.1504，并且通过了1%水平的显著性检验。综上所述，政府研发补贴对高技术产业创新产出具有显著的正向作用，当金融发展水平大于1.2172时为最优促进区间，小于1.2172时为非优促进区间，假设H3得证。

由列（3）可知，当产权保护力度小于门槛值0.0101时，政府研发补贴对高技术产业创新产出的回归系数为0.1130，并且在1%的显著性水平下显著；当产权保护力度大于门槛值0.0101时，政府研发补贴对创新产出的回归系数升至0.1425，并且通过了1%水平的显著性检验。由此可见，当知识产权保护力度较高时，高技术企业处于较为良好的创新环境中，其创新权益得到有效维护，在此情景下，政府研发补贴对高技术产业创新产出的激励效应能够更有效地发挥出来。换句话说，随着产权保护力度的提高，政府研发补贴对高技术产业创新产出的影响存在边际效应递增的激励效应，与假设H4不符，这可能与我国知识产权保护工作仍不完善、保护力度并不严格相关。

由列（4）可知，当行政垄断程度小于门槛值0.2621时，政府研发补贴对高技术产业创新产出的回归系数为0.1432，并且在1%的显著性水平下显著；当行政垄断程度大于门槛值0.2621时，政府研发补贴对创新产出的回归系数降低至0.1027，并且通过了1%水平的显著性检验。由此可见，假设H5 得证，随着行政垄断程度的加大，政府研发补贴对高技术产业创新产出的影响作用被削弱了。

对于控制变量，企业资金投入估计系数皆为正，且均通过显著性检验，这表明企业自有研发资金投入越多，越有利于促进高技术产业创新产出的提高。企业规模的影响系数均未通过显著性检验，表明企业规模对高技术产业创新产出的影响并不显著。经济绩效的影响系数为负，但仅在门槛变量为金融发展水平的情况下通过了显著性检验，这在一定程度上表明经济绩效对高技术产业创新产出具有负向影响，即随着经济绩效的提高，企业的创新动力降低，从而不利于高技术产业创新产出的提高。

五、进一步讨论：各省份最优区间分布情况

以上实证结果表明，研发补贴对高技术产业创新产出具有显著的门槛效应。那么，在样本期内，中国各省份研发补贴强度、金融发展水平、产权保护力度、行政垄断程度是否处于最优区间？为更好评估中国政府研发补贴政策效果，提出更有针对性的建议，本文进一步讨论各省份最优区间分布情况。

（一）研发补贴强度情况

表6 是2009—2020 年中国高技术产业研发补贴强度省份分布情况。在确定各省份所属区间时规定，如果该省份研发补贴强度存在6年及以上低于门槛值（20.99%），则判定该省份处于研发补贴强度最优区间；如果该省份研发补贴强度存在6年及以上高于门槛值（20.99%），则判定该省份处于研发补贴强度非优区间。由表6 可知，仅有3 个省份处于非优区间，分别为辽宁省、黑龙江省和陕西省，其余26 个省份处于最优区间，这说明目前我国多数地区高技术产业政府研发补贴强度较为合理。

表6 2009—2020年各省份研发补贴强度门槛区间分布情况

（二）金融发展水平情况

表7 是2009—2020 年中国金融发展水平省份分布情况。在确定各省份所属区间时规定，如果该省份金融发展水平存在6 年及以上高于第二个门槛值（121.72%），则判定该省份处于金融发展水平最优区间；如果该省份金融发展水平存在6年及以上低于第二个门槛值（121.72%），则判定该省份处于金融发展水平非优区间。由表7可知，有16个省份处于最优区间，10个省份处于非优区间。虽然大部分地区处于金融发展水平的最优区间，但仍有部分地区需进一步提高金融发展水平，解决创新企业融资困难问题。

表7 2009—2020年各省份金融发展水平门槛区间分布情况

（三）产权保护力度情况

表8 是2009—2020 年中国产权保护力度省份分布情况。在确定各省份所属区间时规定，如果该省份产权保护力度存在6 年及以上高于门槛值（1.01%），则判定该省份处于产权保护力度最优区间；如果该省份产权保护力度存在6 年及以上低于门槛值（1.01%），则判定该省份处于产权保护力度非优区间。由表8 可知，仅有6个省份处于最优区间，分别为北京、天津、上海、湖北、陕西和甘肃，其余23个省份处于非优区间，这说明目前中国多数地区尚未处于产权保护力度最优区间，知识产权制度不够完善，未能给企业创新提供良好的环境支撑。

表8 2009—2020年各省份产权保护力度门槛区间分布情况

（四）行政垄断程度情况

表9 是2009—2020 年行政垄断程度省份分布情况。在确定各省份所属区间时规定，如果该省份行政垄断程度存在6年及以上低于门槛值（26.21%），则判定该省份处于行政垄断程度最优区间；如果该省份行政垄断程度存在6年及以上高于门槛值（26.21%），则判定该省份处于行政垄断程度非优区间。由表9可知，有21个省份处于最优区间，仅有8个省份处于非优区间，这说明目前中国多数地区行政垄断程度较为合理。

表9 2009—2020年各省份行政垄断程度门槛区间分布情况

六、研究结论与政策建议

本文基于2009—2020年中国29个省份面板数据，构建系统GMM 模型与门槛模型，实证检验了政府研发补贴、外部环境与高技术产业创新产出间的关系，研究结论如下：（1）政府研发补贴对高技术产业创新产出的激励效应受外部环境的影响而呈现出非线性特征。（2）伴随研发补贴力度的加大，政府研发补贴对创新产出的激励效应表现为边际效应递减的非线性特征。当研发补贴强度小于20.99%时为最优区间，中国26 个省份处于最优区间。（3）伴随金融发展水平的提高，政府研发补贴对创新产出的激励效应呈现边际效应递增的非线性特征。当金融发展水平大于121.72%时为最优区间，中国16个省份处于最优区间。（4）伴随产权保护力度的提高，政府研发补贴对创新产出的激励效应呈现边际效应递增的非线性特征。当产权保护力度大于1.01%时为最优区间，中国仅有6个省份处于最优区间。（5）伴随行政垄断程度的提高，政府研发补贴对创新产出的激励效应呈现边际效应递减的非线性特征。当行政垄断程度小于26.21%时为最优区间，中国21 个省份处于最优区间。

在上述研究结论基础上，本文提出如下政策建议：第一，选择合适的研发补贴强度。各地政府不再一味追求补贴总量的增加，而是立足于将补贴强度保持在有利于高技术产业创新产出提高的上升区间，科学把握政府影响产业创新的边界，提升政府资金的使用效率。第二，健全知识产权保护制度。相关部门应加强知识产权执法力度，加大知识产权犯罪处罚力度，通过简化专利申请流程、缩短专利申请周期等途径鼓励高技术企业进行专利申报，提高企业维权意识，有利于补贴政策提升企业创新质量。第三，优化金融发展环境。针对创新企业的融资难题，政府应出台相关扶持政策，依托当前大数据建设平台，建立金融部门与创新企业的对接渠道，提供多元化的融资渠道，提高科技金融服务水平，鼓励金融部门将无形资产纳入抵押范畴，改善融资结构，为企业创新发展营造良好环境。第四，完善政府职能。规范市场有序竞争，降低政府行政垄断程度，提供有效的高质量制度供给，减少政府在资源配置环节的行政干预，加快我国统一大市场的建设，让优势企业享受政府的研发资助，激励企业提升创新规模与质量。

注释：

①数据来源于《中国高技术产业统计年鉴2020》和《中国高技术产业统计年鉴2021》。

②数据来源于国家统计局。

③《中国高技术产业统计年鉴2018》并未公布，本文对缺少的2017年数据指标采用前后两年对应数据的均值进行补全处理。

④本文涉及价格的变量包括：企业利润总额、主营业务收入与研发经费支出。