市场竞争调节视角下政府补贴对企业技术创新效率的影响

王文一，王玮

（安徽新华学院财会与金融学院，安徽合肥，230018）

创新是国家经济增长的最终推动力量之一，也是维持国家经济可持续增长的重要手段［1］。随着现代化经济体系建设步伐的加快，实施创新驱动发展战略，加快建设创新型国家，是为中国的持续发展注入新动力的重要举措，技术创新也发挥着日益重要的战略支撑作用。工业是技术创新最重要的产业载体，工业企业的技术革新对激发所在产业的创新潜能具有重要意义，也是区域范围内技术创新效率提升的关键途径［2］。政府补助和市场竞争作为企业创新研究的两个重要维度，同样也是工业企业技术创新的关键影响因素。那么，在中国的市场经济背景下，现有的政府补助力度能否有效促进企业的技术创新，助推区域发展、提高综合竞争实力？市场竞争在政府补助对工业企业技术创新效率的影响中究竟发挥着何种调节作用? 对此类问题的回答，关乎到工业企业在日益激烈的竞争环境中服务实体经济的能力，也关乎到工业企业的结构调整和转型升级。

对于类似安徽省这样正在努力追赶全国先进工业技术水平的省份而言，通过政府补助和市场竞争来转变传统的工业增长途径，推动企业的创新发展乃至技术进步，是一个必然选择。如何突破工业企业的技术瓶颈，克服跨区域发展的障碍是有效解决安徽省各地市发展不平衡、促进省内经济大循环的命题之一。目前国内外研究均从竞争和补贴两个独立的维度分别考察两者与企业技术创新的关系，将二者的作用机制联系起来探讨作用机制在以往文献中讨论并不充分。因此，本文将政府支持和市场竞争纳入统一的分析框架内，基于安徽省各地市规模以上工业企业2013—2020 年的省级面板数据，在利用DEA 效率模型对企业技术创新效率进行测算的基础上，借助Tobit 面板模型实证探究政府补助对企业技术创新效率的影响及市场竞争在其中所发挥的调节作用，以期为提高安徽省工业行业技术创新效率提出可行的建议对策。

一、理论分析与研究假说

（一）政府补助与企业技术创新效率

政府支持作为干预和引导企业创新的重要途径和必要手段，始终在企业的技术创新活动中扮演着关键角色［2］。一方面，政府可以通过制定相关产业政策、法律法规和调拨科技经费等手段对不同技术行业进行资源配置的引导，对企业的创新行为起到激励作用；另一方面，由于技术研发活动具有显著的正外部性和不确定性，其成果也普遍具有公共产品的特征，新技术收益无法为投资者独享，因而降低了企业进行研发活动的积极性［3］。而政府的研发补贴能够缓解企业在进行技术创新活动时面临的资金压力，改善企业内部自主创新技术环境，促进不同研发主体之间的交流与合作，带动创新效率的提升。

政府支持企业创新的措施包括政府财政补贴、税收返还、财政低息、直接价格补贴等，本文重点关注政府补助这一直接手段。从内部角度来看，政府补助可以降低企业自身的研发成本，提升企业抵御研发过程中不确定风险的能力，减缓由于技术外溢而导致的私人投资收益率与社会收益不对等的问题［4］。解维敏、唐清泉［5］从政府R&D 自主与企业自主创新的关系出发，指出政府投资基础性的研究可以为企业后续的研究开发活动开辟技术机会，提高技术创新项目的利润率，促进创新效率提升。从外部角度来看，政府补助具有改善企业所处创新环境的重要意义。政府制定的相关创新扶持政策能够有效增强企业对外部投资者的吸引，助力企业从更多渠道获取资金、人才等创新资源［6］。此外，多地政府部门通过设立“协同创新基金”“产学研合作基金”等方式促进不同创新主体之间的研发合作，实现“1+1＞2”的协同效应，优化社会研发资源配置，提升合作各方的技术创新水平。据此，本文提出以下研究假说：

假说1：在其他条件不变时，政府补助对企业技术创新效率具有正向影响。

（二）市场竞争与企业技术创新效率

市场竞争在企业资源配置与创新发展中发挥着显著作用，对于企业技术创新路径的选择具有深远影响［7］。众多研究结论显示，不同程度的市场竞争环境中可能同时存在抑制创新的“熊彼特效应”和促进创新的“阿罗效应”，因此关于市场竞争对企业技术创新的影响效果目前在学术界依然存在较大分歧。究竟哪种效应占据优势会受到经济水平、政策措施、产业特性、行业规模等众多因素的影响，相关研究的结论也无法达成一致意见。

就市场环境来看，安徽省工业企业数量多、企业间技术差距较小，竞争相对激烈。根据竞争优势理论，激烈竞争程度的行业进入壁垒较低，潜在进入者或固有竞争对手的“捕食”威胁可能会打破企业原有的市场份额，使企业面临流动性需求不足、盈利空间被压缩等不利经营环境，甚至遭遇破产等风险［8］。这种效应降低了企业对增量创新的欲望，产品创新中技术合作的积极性也可能在高度竞争的市场环境中被稀释。在这种情况下，多数企业会倾向于采取保守的经营战略，降低冒险意愿和积极创新的动力。此外，市场竞争使得企业的技术创新成果存在被其他企业模仿抄袭的可能性，由此产生严重的同质化现象，挫伤企业进行研发活动的积极性。黄训江等［9］利用通信设备制造业的微观数据研究同样得出，市场竞争对企业创新绩效产生了负向影响。据此，本文提出以下研究假说：

假说2：在其他条件不变时，市场竞争对企业技术创新具有负向影响。

（三）市场竞争对政府补助实施效果的影响

本研究认为，市场竞争作为重要的外部环境因素，在探讨政府补助对企业技术创新效率的有效性问题时应紧密结合企业所处的市场竞争环境。企业技术创新能力的提升依赖于良好的市场秩序，恶性竞争所带来的要素市场扭曲会减弱利用政府补贴进行资源获取提升创新绩效这一机制［10］。高粼彤和田启波等［8］通过考察政府创新资助对战略性新兴企业创新投资的影响，以及产品市场竞争在这一影响过程中所发挥的调节作用指出，当产品市场竞争过于激烈时，迫于生存压力，管理者往往更加无意将资源投至冒险激进的创新项目，最终弱化政府创新资助对企业创新投资的促进效果。康志勇等［11］认为市场竞争会抑制政府补助对企业研发的促进效应。因为在竞争作用下，政府补贴使得企业的利润压力被缓解，企业通过周期长、风险大的研发活动提升利润率的意愿将会大打折扣，政府补助向企业技术创新转化的效率也会随之降低。这种抑制效应在行业中技术领先的大规模企业表现更为明显。基于以上分析，本文提出以下研究假说：

假说3：当政府补助与市场竞争同时作用于企业创新行为时，竞争程度的提升会削弱政府补助对企业创新效率的正向影响。

二、工业企业创新效率测算及分析

（一）技术创新效率测算方法

数据包络分析（Data Envelope Analysis，简称DEA）是利用数学规划模型来对决策单元之间相对技术效率进行测算的一种非参数统计方法。DEA能充分考虑决策单元本身最优的投入产出方案，用其评价工业企业技术创新效率具有很强的直观性和可比性。因此本文选择符合“规模报酬可变”假设、以产出为导向的BCC 模型作为安徽省各地市规上工业企业技术创新效率的测度方法。BCC 模型的基本原理如下：

上式中，x表示第j个决策单元的第i种投入；y表示第j个决策单元的第r种产出，为各单元组合系数；ε为非阿基米德无穷小量，θ为决策单元的效率值。加入约束条件λj= 1 即为规模报酬可变的DEA 模型。

上述BCC 模型是在生产技术不变情况下对技术创新效率的静态分析，引入Malmquist 指数模型可以更好地利用面板数据分析工业企业创新效率的动态发展趋势和技术进步情况。Malmquist 指数表示的是决策单元在相邻两个时期内的相对效率，其表达式为：

上式中，t时期的投入产出向量用表示；t+1 时期的投入产出向量用表示。如果全要素生产率大于1，表示决策单元的效率值从t到t+1 时期得到提升；反之则下降。

（二）投入产出变量选取与数据来源

企业技术创新是一个动态且复杂的系统过程。本文搜集整理了安徽省16 个地级市规模以上工业企业2013—2020 年共8 年数据作为研究样本。规模以上工业企业的相关数据来源于安徽省统计局颁布的《安徽省统计年鉴》和《安徽科技统计公报》。在参考相关研究文献的基础上，结合安徽省工业企业的行业特征，选取三投入、两产出指标体系构建DEA-BCC 模型。具体指标解释说明如表1所示。

在创新投入方面，通常从人力和资本两个角度进行衡量。研发人员的合理配置是提升工业企业创新竞争力的重要条件。因此，本文采用《安徽省统计年鉴》中所公布的研究与试验发展人员全时当量作为衡量技术创新活动的人力资源投入指标。创新资金投入主要是指为激励技术创新主体从事创新活动所投入的资金，包括科学研究与试验发展基金等R&D 科技经费支出。本研究参考庄俊明、刘瑶等［12-13］学者的做法，选取R&D 经费内部支出、工业企业技术经费改造支出来衡量工业企业技术创新研发资本投入规模。研发经费投入借鉴朱天星、陶爱萍等［14］学者的做法，以2013 年为基期，采用R&D 价格指数对R&D 经费内部支出进行平减处理。价格指数以消费价格指数、固定资产投资指数按照0.675∶0.325 的比例构建，具体计算公式如下：

其中，Pr为R&D 价格指数，Pc为消费价格指数，Pf为固定资产投资价格指数。同时参考已有研究成果，采用永续盘存法以15%的折旧率进行换算。

在创新产出方面，选取工业企业新产品销售收入和有效发明专利件数两个指标来衡量。新产品销售收入代表了创新行为为企业带来的经济增加值，能够反映出已获得市场认可的技术成果。技术专利是科研人员智力劳动成果的重要体现，有效发明专利数量的多少直接反映了技术创新产出能力的高低，且其数据较容易获得在技术成果转化阶段。因此，本文将工业企业有效发明专利件数作为经济产出的衡量指标之一。

（三）技术创新效率测算结果及评价

1.DEA-BCC 模型的静态分析

运用Deap2.1 软件对样本企业2013—2020 年间的技术创新效率进行测算，表2 报告了安徽省16地市规模以上工业企业各年份的静态纯技术效率，并将其进一步分解为综合技术效率、规模效率以及纯技术效率。由DEA-BCC 模型测算结果可知，在样本年间，安徽省规模以上工业企业综合技术效率均值为0.744，存在25.6%的无效投入，技术创新水平未达到效率前沿面。从纯技术效率分解指标来看，合肥、淮北等地级市达到了技术有效，占总比例的56%；规模收益结果显示合肥、蚌埠、马鞍山、芜湖四市规模报酬呈递减趋势，表明投入资源未得到有效配置。总体来看，安徽省规模以上工业企业的纯技术效率仍存在较大提升空间，未来应着重提升资源利用效率、缩小地区差异，通过技术创新、加大规模投入等途径优化技术效率。

表2 2013—2020 年安徽省规模以上工业企业技术创新效率均值

2.基于Malmquist 指数的动态分析

利用Malmquist 指数进一步对样本企业2013—2020 年间的技术创新效率进行动态分解，以考察全要素生产率的时空演变规律。表3 列举了安徽省各地市2013—2020 年全要素生产率变化的均值。由表3 可知，2014 至2020 年间企业全要素生产率的变动均值均大于1，可知八年间企业技术创新均达到了效率前沿面，工业企业在技术创新方面表现良好。从各年份历史数据来看，2016—2017年、2018—2019 年间全要素增长率均小于1，说明2017 年、2019 年的技术创新效率有下降趋势。2017—2020 年间技术进步均值均小于1，由此说明工业企业的技术进步表现相对滞后，阻碍了技术创新水平的提升，未来应注重拓宽投资渠道，优化企业资源配置，提升规模效应和技术水平。而全要素生产率在经历了前几年的下降趋势后于2019—2020 年达到峰值1.261，同时技术效率、规模效率均小于1，技术进步和纯技术效率均大于1，说明规模以上工业企业技术创新能力的提升对于调整企业生产结构、改善企业技术生产率具有重要意义。

表3 2013—2020 年技术创新Malmquist 指数及其分解

如表4 所示，2013—2020 年间安徽省规模以上工业企业全要素生产率均值均大于1，总体波动幅度不高。可看出企业近年来技术创新能力逐年向好，技术进步呈稳步发展趋势。分地市来看，除宿州、六安、黄山的全要素生产率变动分别为0.916、0.897、0.944，未实现技术增长，其他地市的全要素生产率均达到了效率前沿面。可能的原因是工业技术发展相对滞后地区在创新投入方面能力不足，仍处于规模报酬递增阶段。随着创新驱动发展战略的不断推进，工业企业应及时调整产业结构，向集约化发展方向转型。从分解要素来看，在全要素生产率变动大于1 的地级市中技术进步指数和规模效率变动均大于1，表明这两个因素在协同推进技术创新效率提高方面发挥了重要作用。

表4 2013—2020 年安徽省各地市技术创新效率Malmquist 指数及其分解

三、实证检验与结果分析

（一）变量选取与数据来源

1.被解释变量

本文中被解释变量为工业企业技术创新效率，采用前文中利用DEA-BCC 模型做出的纯技术效率进行衡量。

2.解释变量

本文旨在研究政府补助和市场竞争两个因素对工业企业技术创新效率的影响。其中，政府补助采用各市工业企业研究与试验发展经费来源中的政府资金所占比重进行衡量；市场竞争程度应反映行业中竞争主体所占有的市场份额。在借鉴陶爱萍等学者做法的基础上，采用大中型工业企业资产总值占规模以上工业企业资产总值的比重进行测度，这一指标也可以侧面反映出行业进出壁垒的高低。

3.控制变量

关于影响企业技术创新效率的其他相关因素，参考以往文献，选取资产规模（Scale）、资本结构（Als）、盈利能力（Profit）和产业对外开放程度（Open）四个指标。在回归模型中加入年度和地区的虚拟变量，以此控制时间和企业个体对技术创新行为的影响。面板回归模型中全部数据来源于2013—2020 年安徽省统计局颁布的《安徽省统计年鉴》。相关变量名称及定义如表5 所示。

表5 指标选取及说明

（二）模型设定

因DEA-BCC 模型测算出的纯技术效率取值介于［0，1］之间，具有截断数据的特性。在进行效率影响因素回归分析时，普通的最小二乘估计法可能会导致结果有偏。为保证结果稳健可靠，选取面板托宾模型（Tobit）回归模型进行实证检验。构建模型（1）—（4）如下所示：

其中，i、t分别代表地市和年份，IE 代表工业企业技术创新效率，Sub、Com 分别为政府补助和市场竞争，Controls 代表各控制变量，ε为随机扰动项。模型（1）（2）分别加入政府补助和市场竞争两个解释变量，用以检验在其他条件不变的情况下二者对技术创新效率的影响；模型（3）同时考虑两个解释变量的影响；模型（4）在模型（3）的基础上加入Gov·Com，即政府补助与市场竞争的交叉项，用以探究在市场竞争的调节效应下政府补助对于工业企业技术创新效率的影响效果。

（三）实证结果分析

1.变量的描述性统计

各个变量的描述性统计如表6 所示。由表6 可以看出，IE 均值为0.926，标准差为0.131，说明安徽省各地市2013—2013 年整体技术创新效率水平较为稳定，地区间差距不大。政府补助最大值为0.120，最小值为0.006，可以看出在规模以上工业企业每年的研发经费投入中，政府资金投入力度相对较弱。市场竞争位于［0.169，0.922］之间，说明竞争程度在不同年份间的差距较大。除此之外，资产规模、地区开放程度等控制变量也因年份和地区的不同表现出较大差异。

表6 样本变量的描述性统计

2.全样本回归结果分析

根据前文构建的面板Tobit 模型，采用stata17.0软件对全样本2013—2020年数据对模型（1）—（4）进行面板Tobit 随机效应回归分析，结果如表7 所示。

表7 全样本参数估计结果分析

从模型（1）的回归结果来看，政府补助与技术创新效率的估计系数为1.263 且在5%的统计水平上显著，这说明政府补助对于工业企业技术创新效率能起到正向促进作用，即政府资金在研发经费支出中所占的比重越高，企业的技术创新效率越高。从前文分析可知，安徽省各地市经济基础差距明显，人力、技术、知识等资源在工业企业技术创新发展中存在地区间发展不平衡的现象。在这种情况下，政府通过相关政策对企业技术创新活动进行支持和引导，政府补助也在降低企业研发资金投入成本、缓解融资困境、促进技术市场健康有序发展等方面发挥了重要作用，从而增强了企业创新产出的转化能力。据此，假说1 得以验证。

模型（2）（3）（4）在引入了市场竞争变量后，在各模型的回归结果中均表现为显著负相关，即在安徽省规模以上工业企业中，市场竞争程度的提升会对企业的技术创新效率起到负向削弱作用，符合熊皮特的“竞争—抑制”假说。随着市场竞争日趋激烈，企业从事技术创新活动利润空间逐渐被压缩，挫伤了创新积极性。在此情况下，企业多倾向于采取保守经营战略以稳定市场地位，由此导致创新能力持续走低。假说2 得以验证。

模型（4）中政府补助与市场竞争的交叉相影响系数为-0.055，且在10%统计水平上显著，即市场竞争程度的逐步提高会削弱政府补助对企业技术创新效率的促进作用。可能的原因是在市场竞争程度逐步激烈的过程中，企业经营状况受外界环境冲击较大。倘若持续增加技术创新补助的力度可能引致企业陷入“穷困状态”［15］。迫于生存压力和薪酬契约考量，管理者往往更加关注企业的短期生存问题，从而倾向于采取谨慎的经营策略，无意将资源投至新的创新领域，政府补助向创新产出转化的效率也必然随之降低。据此，假说3 得以验证。

从各控制变量回归结果来看，资产规模与技术创新效率均表现为正相关。规模较大的企业在资金、人才、技术储备以及研发经验等方面更具优势，相应的技术创新能力更强。盈利能力与技术创新效率表现为正相关。创新活动的高风险、周期长等特点对企业资金持有量提出了较高要求，因此，持续稳定的利润积累使得创新活动持续进行，创新效率也得以提升。产业开放在一定程度上加强了地区间的经济交流，促进了创新水平的提升；而资产负债率的提高对企业技术创新效率并无显著提升作用。

3.分样本回归结果分析

为进一步考察不同市场竞争程度中政府补助对于工业企业技术创新效率影响的差异，以市场竞争程度的中位数0.533 为节点，将总样本分为竞争程度高、低两组，再次对上述模型（1）进行回归分析，以验证政府补助与技术创新效率的关系在不同竞争环境中的具体表现。结果如表8 所示。

表8 市场竞争调节效应的分组检验

由表8 回归结果可知，在低竞争组中，政府补助与技术创新效率的回归结果在10%的显著性水平上表现为正值，说明在此阶段政府补助能够提升工业技术创新效率。在市场竞争环境相对平稳的情况下，行业中新的竞争因素的出现会促使工业企业更加重视政府研发资金的利用率，并淘汰部分技术落后的企业，政府补助的创新推动作用更为明显；反观高竞争组中，政府补助与技术创新效率的回归系数变成了负值且并不显著，可见随着竞争程度的提升，资源流动性加强，市场监管更为严格，优胜劣汰现象更为明显，促使企业优化资源配置，提高资源产出效率，政府补助对技术创新的作用效果便相对减弱。这一结果再次验证了前文的假设3。

四、结论与政策建议

本研究以2013—2020 年安徽省规模以上工业企业面板数据为样本综合测算各年份企业技术创新效率值，并基于面板Tobit 模型实证分析了政府补助、市场竞争与企业技术创新效率之间的关系。实证结果表明：（1）安徽省规模以上工业企业技术创新效率整体趋于稳步增长阶段，全要素增长率的提高主要依赖于技术进步和创新；（2）政府补助能够有效提升工业企业的技术创新效率，而市场竞争程度的提升对于企业技术创新具有负向抑制作用；（3）政府补助对于技术创新效率的正向激励作用受到了市场竞争调节效应的影响，随着竞争程度的提升，政府补助的创新激励作用逐渐减弱，甚至可能会对企业的技术创新产生负向影响。

基于上述研究结论，本文得到如下政策启示：一是完善地方政府研发补助机制，提升政府资金向创新产能转化的效率。政府应结合当前的地区发展水平和存在问题等综合考量，及时调节补贴力度和方向。此外，应加强对政府资金使用情况的监督，在给予补贴的同时更加关注产业的研发进程，同时加强与高校、科研院所等机构的合作关系，实现资源共享，加速科技成果的转化，提升技术创新效率。

二是尊重市场机制和发展规律，制定匹配的创新资助策略。通过政府补助和市场竞争来推动企业的创新发展乃至技术进步，充分发挥市场机制在社会创新资源配置中的决定性作用，是工业企业发展创新的必经途径。但在这一过程中，应努力维护公平有序的市场竞争环境，科学评估市场现状，努力实现数量目标和绩效目标、政府干预与市场竞争之间的平衡关系，以防扭曲市场的资源配置作用。