市场失灵、政府干预与创新激励——对科技型中小企业创新基金的实证检验

郭 研 郭 迪 姜 坤



市场失灵、政府干预与创新激励——对科技型中小企业创新基金的实证检验

郭 研1郭 迪2姜 坤3

（1．北京大学经济学院 北京 100871）（2．香港大学 香港薄扶林道）（3．University of Roehampton London SW15 5PJ）

基于企业层面的面板数据，本文检验了科技型中小企业创新基金对企业全要素生产率的影响。研究发现创新基金存在事前的选择效应和事后对企业全要素生产率的促进效应。创新基金的筛选机制由集中到分权决策的变化提供了自然试验的机会，这一外生的筛选机制的变化对创新基金的效应产生了显著的影响。在经济越不发达的地区，创新基金的作用越显著，说明市场失灵的情况下政府干预的有效性。

政府研发资助 全要素生产率 激励机制

一、引 言

大多数国家都对企业的研发投入提供资助。对于私人研发的公共资助主要源于技术的外部性和科技项目的融资难问题。正的技术外部性使私人研发投入不足。高科技项目的高风险，以及信息不对称导致中小科技企业难以获得研发投入的外部融资（Hall和Lerner，2009）。创新是一国持续发展的重要推动力，因此政府通过扶持政策以纠正市场失灵。但政府介入私人领域的研发投入带来的激励扭曲（Acemoglu等，2013），反而有可能挤出私人的研发投入。

实证研究对于评价科技政策的效果至关重要。但利用企业层面的数据进行的实证研究结论并不统一。一系列对不同国家的研究都发现政府资助激励了被资助企业研发投入，提高了企业的生产率，例如美国（Lerner，2000；Audretsch et al，2002），以色列（Lach，2002），爱尔兰（Görg和Strobl，2007），和德国（Aerts和Schmidt，2008；Czarnitzki和Lopes-Bento，2011）。然而，一些研究也发现政府资助和企业研发、企业绩效间没有显著关系，甚至是负的关系。Klette和Møen（1999）对挪威的研究发现政府资助对企业的绩效没有正的影响。Clausen（2009）用同样的数据发现“研究”（research）资助激励了企业的研究支出，而“开发”（development）资助则替代了企业的开发支出。Lööf和Hesmati（2005）对芬兰的研究认为政府资助只对小企业的研究支出有正的激励作用。Wallsten（2000）发现政府资助对私人研发投入的挤出效应。Acemoglu等（2013）发现挤出效应会降低社会福利和经济增长。

关于中国政府实施的各项高科技政策的实证研究由于微观数据的缺乏较少有基于企业层面数据的系统研究。有限的研究多是限于行业技术效率的研究（姚洋和章奇，2001；安同良等，2009）。我们的研究利用科技型中小企业创新基金1999-2007年的所有被资助项目的信息得以评价创新基金政策——我国政府面向中小型高科技企业的最大创新资助计划，就我们所知这是第一个针对中国政府的高科技政策利用企业微观数据的实证研究。

已往研究中看似矛盾的实证结果很可能是由于政策运作机制的不同和市场失灵在程度上的差异所致。本文要回答的问题是在什么样的运作机制和市场环境下，创新基金的资助能够有效发挥作用，这种政府对企业创新的干预是否纠正了市场失灵。

科技型中小企业创新基金自1999年实施以来，在2005年经历了一次重要的运行机制的变化，即中央政府将项目筛选的决策权部分地下放给地方政府。这一外生的政策冲击提供了一个自然试验的机会，使我们有可能探讨政策的运行机制与政策效果之间的关系。虽然学术界较少有针对政府部门的组织结构和政府公共项目效率之间的关系的研究，但产业组织理论中有大量针对私人企业的组织形式和投资绩效之间关系的研究可供借鉴。

项目筛选的质量依赖于决策者的组织结构（Sah和Stiglitz，1991）。虽然存在着分权机制下事前获取信息的激励和事后失去控制之间的权衡取舍（Aghion和Tirole，1997），但一般而言，在信息较模糊时分权的组织结构更有效，当信息成本较低且信息较清楚时，集权的结构更好（Stein，2002）。从预算软约束入手，Dewatripont和Maskin（1995）认为在无法事前获取项目信息的情况下，分散的信贷市场比集中的信贷市场在筛选投资项目时更有效。当事前的信息较差，集中的信贷市场会导致预算软约束。相反，分权决策不仅降低事前的筛选成本，而且事后会及时终止低质量的项目，这样前述的两种失误都会降低（Qian和Xu，1998）。对高科技企业的研究发现越靠近技术前沿的企业，越年轻的企业更倾向于分散决策（Acemoglu等，2007）。

前述的研究成果可以对公共项目的决策机制与效率关系的研究提供一些借鉴。本文基于企业层面的面板数据，研究了创新基金这一政府对高科技企业的研发资助政策是否纠正了市场失灵，在获得政府资助后企业是否提高了生产率，这种政府政策干预的效应是否随政策实施机制的变化而改变。

本研究对于现有文献有以下三个方面的贡献：首先，大部分关于政府研发资助的理论和实证研究针对的是市场经济为主的国家，这是第一篇系统化地研究转轨国家政府的研发资助的文章。因此本研究展示了另外一种经济制度下，政府的研发资助对企业TFP的影响。其次，本文将现有研究扩展到讨论项目筛选机制的变化对项目事前和事后效应的影响，这恰恰是在现有文献中被忽略的。第三，在一国之内对政府研发资助项目的跨区域研究避免了跨国研究中难以控制的变量对政策效果的干扰，区域差异的检验结果也表明政府研发政策对市场失灵的纠错作用。

本文的第二部分介绍了创新基金和2005年的政策变化；第三部分描述了数据来源和样本构建；第四部分给出创新基金对企业生产率影响的实证结果和稳健性检验；第五部分检验筛选机制的变化对创新基金效果的影响以及稳健性检验；第六部分是创新基金的跨区域差异；第7部分得出结论。

二、创新基金的制度背景

（一）创新基金介绍

1999年5月，国务院批准设立了科技型中小企业技术创新基金，这是我国第一支支持中小企业技术创新的政府专项基金。创新基金通过提供资金支持或者引导外部投资帮助企业进行科技成果转化，并试图通过创新基金激励企业研发，获得技术的溢出性社会收益。①

创新基金支持的项目和承担项目的企业应具备下列条件：第一，创新基金支持的项目要符合国家产业技术政策。第二，申请企业的职工人数原则上不超过500人，其中具有大专以上学历的科技人员占职工总数的比例不低于30%。②第三，企业每年用于高新技术产品研究开发的经费不低于销售额的3%，直接从事研究开发的科技人员应占职工总数的10%以上。

根据中小企业和项目的不同特点，创新基金主要以无偿资助、贷款贴息、资本金投入等方式给予支持。无论哪种形式，创新基金的资助金额一般不超过100万元，个别重大项目最高不超过200万元。从1999年到2011年底，创新基金累计支持中小企业技术创新项目30，537个，资助金额191.7亿元。到2011年底，我国创业板上市的273家企业中有88家获得过创新基金的支持。③

（二）2005年创新基金筛选机制的变化

中国科技部的创新管理中心是创新基金的主管部门，负责发放申请指南，组织筛选和评估项目，进行项目的中期检查和结项。财政部是创新基金的监管部门，参与审议创新基金年度支持重点和工作指南，并根据预算计划拨款，同时对基金运作和使用情况进行监督、检查。科技部和财政部共同审批创新基金资助项目，向国务院提交年度执行情况报告等。

在省一级，省科委的创新基金办公室向中央一级的管理中心报告。省级创新基金办公室的职能在2005年发生了重要变化。2005年前，创新基金项目的筛选主要控制在中央一级，省级创新基金办公室主要是在中央管理部门和地方企业间起一个上传下达的桥梁作用，对于项目筛选的决策基本没有发言权。2005年创新基金引入了新的申请和筛选机制。新的机制增加了筛选的透明度并且将决策权部分地进行了分权。首先，省一级地方政府建立了自己的创新基金项目并负责项目的初步筛选。省级创新基金办公室对推荐项目的评估占科技部创新基金管理中心最终决策的30%的权重，在项目最终确认前，地方政府需要对推荐项目拿出资助资金的至少50%（西部省份可以出25%）。省级创新基金办公室在向创新管理中心推荐前要进行为期两周的公示，如果公众有不同意见，地方政府必须给予回应。这一筛选机制的改变利用了地方政府的信息优势，强化了地方政府的激励机制。通过出资配比的方式将地方政府的利益与被资助企业的创新效率绑定在一起，透明化也减少了政府的寻租机会。因此，我们预计2005年的筛选机制变化对创新基金的效应会产生显著影响。

三、样本和数据

我们的数据来源于两个数据库。其一，我们从创新基金网站获取了1999年以来创新基金资助企业的基本信息——企业名称、地址，项目特征，资助方式，资助时间等。其二，国家统计局发布的中国规模以上工业企业数据库，该数据库囊括了1998-2007年间销售收入超过500万元的制造业企业。数据库提供了企业的财务信息和其他企业层面的特征，包括企业所在地、行业、建立时间、所有权结构等。

1999年至2007年获得创新基金资助的企业项目共6167个。我们首先通过企业名称、地址和行业代码进行精确匹配，然后又用模糊匹配（避免因为名称、地址缩写而导致漏失问题）从规模以上企业数据库中找到这些获得创新基金资助的企业，得到其财务和其他信息。给定规模以上企业数据库的局限，那些年销售收入低于500万元的资助企业和非制造业企业被排除在样本外。这一匹配策略使我们涵盖了所有被创新基金资助的规模以上制造业企业，共获得1999年至2007年至少获得一次资助的企业样本2638家，共18224个年观测值。

81%的被资助企业集中于国家统计局定义的8个高技术行业，这种分布体现了创新基金致力于支持高科技企业的研发投入。样本企业获得资助的时间分布与全部创新基金资助企业的时间分布类似，说明我们的样本具有一定的代表性。①

为了给对待组——创新基金资助企业构建一个控制组——非资助企业，我们从规模以上企业数据库中确认那些潜在的非资助企业，即有资格申请创新基金但没有申请，或者申请了没有获得资助的企业。根据创新基金每年公布的申请标准，控制企业所在地后，随机地以1比5的方式匹配出非资助企业。最终我们从12025家有申请资格的非资助企业中共获得64，474个年观测值。

我们用两种方法计算企业的TFP以免结论受到特定算法的影响。第一种方法是直接用取对数的线性柯布道格拉斯（Cobb–Douglas）生产函数的普通最小二乘法（OLS）残值获得。当不可观测的冲击影响到生产投入时，OLS估计出来的生产函数将是有偏的，而且OLS方法忽略了对动态趋势的考虑。因此，我们根据Olley和Pakes（1996）的方法将投资作为代理变量，这种半参数估算法同时控制了不可观测变量对生产率的影响，以及企业退出导致的样本不随机的选择性偏误。变量是按照Olley和Pakes（1996）方法计算的带有时间趋势的全要素生产率，是除去时间趋势的全要素生产率。

企业层面的控制变量包括年龄、规模、负债率，和所有权结构。企业的年龄是企业在给定年份距离建立时的时间长度取对数，创新基金资助企业的平均年龄是10年，与非资助企业的年龄相近。企业规模以企业总人数的对数形式来衡量。企业杠杆比率是指给定年份企业的总负债对总资产的比例。企业的所有权结构是以国有股权对总股权的比例来衡量的。使用的变量极值调整在第一和第九十九的百分位数来消除异常值。表1报告了资助企业和非资助企业的TFP和其他变量的描述性统计结果。平均而言，资助企业较非资助企业有更高的TFP，更大的规模和更低的杠杆比率。

表1 创新基金资助企业和非资助企业的变量统计

续表1

变量资助企业观测值均值标准差最小值最大值非资助企业观测值均值标准差最小值最大值 杠杆率（Lvg_rt）18,1760.5640.249013.06464,1450.6060.337015.704 国有股权比例（State_Shr）18,0790.1090.2840163,5300.1280.31901 TFP_ols17,0880.3630.987-9.8944.59259,8550.0301.182-13.4166.579 TFP_op117,0912.6971.443-7.4908.37959,8782.4251.582-11.9919.695 TFP_op217,0912.3981.045-8.2127.14859,8782.2031.272-11.0078.804

四、创新基金资助的企业比非资助企业有更高的TFP吗？

表1的描述性统计显示政府在对被资助企业的选择并不是随机的。通常政府试图将具有创新潜力或者效率更高的企业挑选出来已达到政策目标，但同时由于选择性效应的存在干扰了对创新基金效果的识别。即到底是政府资助提高了企业的效率还是企业即便没有政府资助也有更高的效率。我们首先检验的是创新基金是否提高了企业的生产率，其次，通过倾向得分匹配和工具变量的方法识别创新基金的效应。

（一）创新基金对企业TFP的影响

我们用公式1通过面板数据的固定效应模型检验创新基金是否对企业的全要素生产率产生影响。

其中被解释变量y是企业i在时间t的全要素生产率。InnoAft是虚拟变量，如果在时间t企业i获得了创新基金的资助，则为1，否则为0。包括一系列的控制变量，指企业层面不随时间变化的不可观测变量，用以控制年度效应。系数是我们关注的创新基金对企业TFP的影响系数。样本包括了资助企业和随机匹配的非资助企业。

表2中模型1至3都显示创新基金InnoAft与三种方法计算的企业TFP都显著正相关。结果表明创新基金注入后企业的TFP不仅高于非资助企业，而且高于自身被资助前的TFP。例如模型2和3显示，企业获得创新基金资助后，比之前自身的或非资助企业的带有时间趋势和去除时间趋势的TFP分别高9.4%和7.8%。

表2 创新基金与企业的TFP

续表2

（1）TFP_ols（2）TFP_op1（3） TFP_op2 Firm_age0.161***（0.021）0.184***（0.021）0.078***（0.021） State_Shr-0.140***（0.029）-0.166***（0.029）-0.157***（0.030） Lvg_rt-0.225***（0.027）-0.213***（0.027）-0.199***（0.027） Firm_size-0.006（0.016）-0.039**（0.016）-0.040**（0.016） _cons0.209***（0.079）2.673***（0.082）2.145***（0.081） Year EffectYYY Firm EffectYYY N76,46076,48576,485 adj. R-sq0.0310.0200.043 P-value0.0000.0000.000

注：括号中报告的是标准误，* = p<0.1, ** = p<0.05, *** = p<0.01。

在我国由于金融业对国有企业的偏好，通常高科技中小企业的资金约束一直以来抑制了企业的研发投入。因此，我们检验了创基新金的货币效应。通过对资助规模与TFP关系的检验使我们能更深入地理解政府研发资助是否对高科技企业面临的资金约束给予了缓解。回归公式2中InnoAmt是指企业i在时间t获得的资助金额，如果企业i在时间t没有获得资助则为0。公式2中的其他变量与公式1一致。

回归结果显示InnoAmt与企业的TFP显著正相关①。例如一百万元的基金资助可以提高企业的和分别为12%和10%。考虑到资助金额的相对数对于不同规模的企业意义不同，我们还将公式2中资助金额的绝对数量替换为资助金额占总利润和资助金额占现金持有量的比例重新进行了回归，但结果并不显著。这一回归结果也许说明中小型科技企业面临着严重的资金约束，以至于任何数量的外部资金都可以帮助他们提高绩效。

（二）创新基金效应的识别与稳健性检验

我们已经发现创新基金与企业TFP之间的显著正相关的关系，但是尚不能得出任何因果关系的结论，因为企业TFP的提高可能来自其他因素的影响。首先，创新基金的资助对象并不是随机选择的，正如表1所示TFP越高的企业越有可能被创新基金选中，因此正的相关性很可能来自事前的选择性效应。如果前述的分析成立，那么我们就难以得出创新基金解决了企业的资金约束问题进而提高了TFP的结论。因为即便没有创新基金的资助，被选中的具有潜力的企业也可能有更高的TFP。

为了控制事前的选择性偏误，我们用倾向得分匹配法（PSM）重新构建了控制组（Rosenbaum和Rubin，1983）。我们以创新基金注入前一年企业的多项指标为资助企业匹配出对应的非资助企业。倾向得分以企业获得创新基金可能性的估计值体现。我们以企业的两位数行业代码、所在地、规模和TFP为依据（Demurger 等，2002）建立了非创新基金资助的控制组企业。控制企业所在地是因为地区发展水平的差异可能会对结果产生影响。企业规模和企业TFP都取企业获得创新基金资助前一年的数据。我们为资助企业以1:5的比例按照相邻倾向得分匹配法匹配出控制组样本。这些标准使资助企业和非资助企业在创新基金注入前从各个层面看都是近似的。对比获得资助前创新基金资助企业与非资助企业的TFP均值和中位数，无论是均值的t检验还是中位数的双尾Wilcoxon秩和检验都表明两组企业的TFP和规模没有显著差异。①

我们再次用公式1对这个新匹配的样本进行回归。表3显示在控制了事前的选择性效应后，模型1到3用不同算法得到的TFP其InnoAftit的回归系数都显著为正。不过相对于之前的随机匹配样本，创新基金的影响程度有所下降，但至少说明被资助企业的TFP好于获得资助前的水平，也好于非资助企业。模型2中资助企业较控制组企业的TFP提高了8.3%。

表3 创新基金与企业的TFP（倾向得分匹配样本）

注：括号中报告的是标准误， * = p<0.1, ** = p<0.05, *** = p<0.01。

倾向得分匹配法的局限是无法控制一些不可观测变量对TFP的影响，例如我们无法从数据中了解企业的研发能力或者管理团队的水平等，这些变量都可能影响企业的TFP。为了剔除不可观测变量的干扰，我们采用了两个工具变量来识别创新基金对TFP的影响。第一个工具变量我们用企业所在城市高科技园区内的企业数量识别企业获得创新基金的可能性。高科技园区内企业的数量代表了一个地区高科技企业的研发能力和高科技企业的供给水平。园区内的企业越多，企业越有机会获得创新基金的支持。当然，较多的高科技园区内的企业有可能加剧对创新基金申请的竞争，对企业获得创新基金产生负的作用。但由于基金授予的最终决策权并不在市一级地方政府，无论是2005年前还是2005年后创新基金的筛选都是由省级政府运作的，因此，竞争方面的影响并不很大。作为城市水平的变量，高科技园区内企业的数量与该地区具体企业的TFP相关性不大。这个工具变量符合外生性和相关性的两个条件。第二个工具变量是县级政府的固定资产总投资。在我国县一级地方政府管理地方经济，进行资源配置，地区间为了经济增长相互竞争，总是试图向中央政府争取更多的资源和支持。通常野心越大的地方政府固定资产的投资越多，也更愿意支持本地企业争取中央政府的创新基金。因此，我们预期在那些固定资产投资较多的地区，企业更有可能获得创新基金。而且，地方政府的固定资产投资与个别企业的TFP没有直接关系。地方政府1998-2007年的投资数据来自市县级统计年鉴。

表4 企业TFP的两阶段最小二乘Probit（Probit-2SLS）估计

续表4

（1）（2）（3） TFP_olsTFP_op1TFP_op2 Firm_size-0.060*（0.032）-0.168***（0.042）-0.209***（0.023） Constants1.559***（0.137）4.211***（0.192）3.668***（0.144） N428504286742867 P Value 0.0000.0000.000 Sargan test P Value0.17960.38660.8088

注：括号中报告的是标准误， * = p<0.1, ** = p<0.05, *** = p<0.01。

我们的回归模型包括选择方程和结果方程两部分，采用两阶段最小二乘回归模型（Heckman，Urzua，和Vytlacil，2006）进行检验。表4报告了基于随机匹配样本的Probit 2SLS的回归结果。表4-A显示第一阶段的估计结果说明两个工具变量——给定年份高科技园区内企业的数量（lnfirmno）和县级政府的固定资产投资（Fixassets）与企业获得创新基金的可能性显著正相关，即两个工具变量都符合相关性的条件。同时，Sargan检验结果说明这两个工具变量对于影响企业TFP不可观测变量而言是外生的。表4-B报告了第二阶段的估计结果。模型1至3都显示资助企业的TFP在获得创新基金后不仅比非资助企业高，也比之前自身的TFP高。我们用倾向得分匹配法匹配的样本重复上述的回归进行稳健性检验，在控制了事前选择性效应后，结果依旧稳健。以上结果说明在排除内生性问题后，我们得出创新基金显著地提高了企业的TFP。

五、2005年政策变化和创新基金的效果

（一）问题的提出

2005年的政策变化根本上改变了项目的筛选机制。首先，更有信息优势的地方有了决策的发言权；其次，引入了共同出资的方式将地方与中央的利益联接在一起；第三，通过公众监督使决策更加透明。这一系列的变化降低了项目筛选中的委托-代理问题和激励扭曲问题，将会降低集中决策过程中的效率损失，使更多的科技企业受益。我们的问题是这种筛选机制的变化是否会影响创新基金的事前的选择效应和事后对TFP的促进效应。

基于学术界对私人企业的组织形式和决策效率的研究成果，给定创新基金主要支持处于技术前沿的中小企业，我们判断这些项目存在较高的风险和严重的信息问题，因此，我们可以提炼出三个关于2005年政策变化可能导致的潜在结果的假设。

假设1：2005年前决策机制更集中，地方政府在向上级政府推荐项目时更倾向于规避风险，更多地依赖“硬”的可度量的信息，即2005年前选的企业在获得基金资助时相对于2005年后选的企业有更高的TFP。

假设2：2005年后分权化筛选机制激励地方政府获取信息，可度量的信息和不可观测的信息都将作为推荐和选择项目的依据。相比2005年前，2005年后获得资助的企业有更高的增长潜力和更严重的资金约束。如果是这样，那么创新基金的事后效应在2005年后要强于之前。

假设3：给定政府的研发资助是为了纠正市场失灵，那么市场越不发达的地区，创新基金的效应应该越强。

（二）2005年政策变化对创新基金效应的影响

我们采用logit回归模型检验2005年筛选机制的变化对创新基金选择性效应的影响，结果见表5。回归样本被分为两个子样本，5-A是2005年前获得资助的企业及其对应的非资助企业，5-B是2005年后获得资助的企业及其对应的非资助企业。表5-A模型1至3显示获得创新基金的可能性与三种方法计算的TFP显著正相关。表5-B中模型2测算的TFP_OP1的系数虽然为正，但并不显著。这些发现支持了假设1，即在更加集中的决策机制下，地方政府倾向于以可观测的信息为依据筛选项目，而且选择的项目要比2005年后选的项目TFP更高。我们进一步做了Z检验验证表5-A的系数是否与表5-B的系数显著不同，结果确实如此。

表5 创新基金项目选择（2005年前和2005年后的子样本）

注：括号内是标准误，* = p<0.1，** = p<0.05，*** = p<0.01。

为了检验2005年政策变化如何影响创新基金对TFP的效应，我们进行了一系列的回归。回归公式3中所有控制变量与公式1相同。公式1中的虚拟变量被两个虚拟变量和替代，分别表示2005年之前获得资助和2005年后获得资助。虚拟变量为1如果企业i在时间t获得资助而且第一次获得资助的时间在2005年之前，否则为0；另一个虚拟变量为1如果企业i在时间t获得资助而且第一次获得资助的时间在2005年之后，否则为0；

表6 2005年前和2005年后创新基金与企业的TFP

注：括号中报告的是标准误，* = p<0.1, ** = p<0.05, *** = p<0.01。

表6报告了筛选机制变化对创新基金效果的影响。表6-A中模型1至3显示and都与企业的TFP显著正相关，这与我们在表2中得到的结论一致。重要的是我们发现的系数在三个回归模型中都小于的系数，表 6-B通过lincom检验显示两个系数的差异显著。三个回归模型中的系数平均大约是的三倍。例如，模型1显示2005年前被资助的企业获得资助后TFP相对于获得资助前的TFP和对应的非资助企业的TFP要高6.4%，而2005年后获得资助的企业，资金注入后TFP较获得资助前以及对应的非资助企业的TFP要高16.7%。同样的结果在以OP方法计算的TFP也适用。创新基金对企业TFP的促进作用在2005年筛选机制更加分权化后显著地提高了，这一观察与我们的假设2一致。

我们进一步将样本分成两个子样本做稳健性检验，一个是只包括2005年前获得资助的企业和对应的非资助企业，一个是只包括2005年后获得资助的企业和对应的非资助企业。对这两个子样本的回归再次验证了创新基金的效应在程度上因为筛选机制的改变而变化。①当筛选机制从集权向分权转变后，地方政府的积极性得到激励，更有潜力的企业被挖掘出来，事前的选择性效应削弱了。2005年后创新基金相对于2005年前，其对企业TFP的促进作用增强了。

六、创新基金效应的区域差异

既然政府对研发活动的资助是为了纠正市场失灵，那么市场环境是否对创新基金的效应产生影响？在我国市场环境和制度环境地区间差异很大。我们关注的是政府的研发资助对企业TFP的影响是否随市场条件的不同而存在差异。若跨区差异存在的话，2005年后的筛选机制的变化又对这种区域效应带来何种影响？

首先，创新基金的区域效应通过公式4进行估计。公式4中的其他变量与公式1一致，但公式4中增加了衡量市场发达程度的变量Mrt。Mrt代表企业i在时间t所在省的市场发达程度。同时将和的交乘项放入公式4。

2005年决策机制分权化的变化对创新基金区域效应的影响用公式5进行回归。

公式5与公式3的变量一致，只是加入了变量Mrt、Mrt和Inno_2005Aft以及Mrt和o_2005Bfr的交乘项。加入这些变量是为了识别政策变化前后创新基金的区域效应。市场化指数用樊纲等（2009）每年在中国各省对企业的调查编制的1999至2007年的指数。这一指数关注市场发展的五个方面指标。②

表7 不同市场条件下的创新基金与企业的TFP

注：括号中报告的是标准误， * = p<0.1, ** = p<0.05, *** = p<0.01。

表7报告了跨区效应的实证结果。和的交乘项与三种TFP都是显著负相关。即在市场化程度越低的地区，创新基金的效果越显著。这一结果说明在市场机制不够完善的地区，创新基金更有效，支持了政府对“市场失败”的纠错效应。

2005年政策变化对创新基金区域效应的影响与公式3的回归结果类似。①和都与TFP显著正相关，而且的系数比的系数显著提高。和的交乘项与和的交乘项都与企业的TFP显著负相关。而且，和交乘项的系数比和交乘项的系数显著减小。这些结果说明一个企业如果位于市场化相对落后的地区比那些在市场化程度相对发达地区的企业更有可能从创新基金中受益，这种影响又因为2005年分权化的筛选机制被强化了，印证了假设3。

七、结 论

本文检验了我国最大的鼓励中小企业创新的政府项目——科技型中小企业创新基金对企业生产率的影响。研究发现创新基金对企业TFP存在事前的选择效应和事后的促进效应。筛选机制的变化对创新基金事前选择效应和事后促进效应均有影响。政府资助效应的地区差异说明政府介入的创新政策能够纠正市场失灵。

创新基金一般会选择TFP较高的企业资助，同时获得资助的企业在基金注入后比之前TFP进一步提高，也比非资助企业高。我们通过倾向得分匹配法控制事前的选择性偏差，通过两步骤Heckman估计解决识别性问题，结果稳健。项目筛选机制从集中向分权决策的转化会影响创新基金的效应。在2005年前集中的决策机制下，地方政府作为中央政府的代理人更倾向于规避风险，更多依据“硬”的或可观测的信息向中央推荐TFP更高的企业。2005年决策机制分权化后，地方政府具有更多的决策权。分权后地方政府对于企业申请时可观察到的TFP并不特别关注，而更加关注企业的增长潜力。筛选机制的变化一方面降低了创新基金事前的选择性效应，另一方面增强了创新基金事后对TFP的促进作用。创新基金的效应具有区域性差异，而且筛选机制的变化强化了区域效应。在市场较不发达的地方，创新基金的作用更强大。这说明在市场失灵越严重的地方，政府的作用就越显著。同时在市场较不发达地区企业较难获得外部融资，所以创新基金效应在这类市场中更加显著。2005年之后，筛选机制的变化进一步强化了政府政策在市场不发达地区的纠错作用。

我们的研究从微观层面检验了政府资助对企业研发的影响，得出了和大多数国家一致的结论，即政府的资助政策提高了企业的全要素生产率。更为重要的是，我们发现创新政策的有效性与政策实施的组织形式、运行机制和市场环境紧密相关，这对于公共项目的制定与实施有重要的借鉴意义。

1. 安同良、周绍东和皮建才：《“R＆D补贴对中国企业自主创新的激励效应》[J]，《经济研究》2009年第10期。

2. 樊纲、王小鲁、朱恒鹏：《中国市场化指数》[R]，中国经济改革研究基金会经济研究所，2009年。

3. 姚洋、章奇：《中国工业企业技术效率分析》[J]，《经济研究》2001年第10期。

4. Acemoglu, D., Akcigit, U., Bloom, N., & Kerr, W. R., 2013,[J], NBER working paper (No. w18993).

5. Acemoglu, D., Antràs, P., & Helpman, E., 2007,[J], The American economic review, 97 (3), 916–943.

6. Aerts, K., & Schmidt, T., 2008,[J], Research Policy, 37 (5), 806–822.

7. Aghion P., Akcigit, U., Howitt P., 2013,[J], Working paper.

8. Aghion, P., & Tirole, J., 1997,[J].ournal of political economy, 105 (1), 1–29.

9. Audretsch D. B., Link, A. N., & Scott. J. T., 2002,[J], Research Policy, 31 (1), 145–158.

10. Clausen, T. H., 2009,[J], Structural Change and Economic Dynamics, 20 (4), 239–253.

11. Czarnitzki, D., & Lopes Bento, C., 2011,[R], ZEW-Centre for European Economic Research Discussion Paper, (11 ̶ 053).

12. Démurger, S., Sachs, J. D., Woo, W. T., Bao, S., & Chang, G., 2002,[J]. China Economic Review, 13 (4), 444–465.

13. Dewatripont, M., & Maskin, E., 1995,[J]. The Review of Economic Studies, 62 (4), 541–555.

14. Görg, H., & Strobl, E., 2007,[J], Economica, 74 (294), 215–234.

15. Hall, B. H., & Lerner, J., 2009,[J], NBER working paper (No. w15325).

16. Heckman, J. J., Urzua, S., & Vytlacil, E., 2006,[J], The Review of Economics and Statistics, 88 (3), 389–432.

17. Klette, T. J., & Møen, J., 1999,[J], Nordic Journal of Political Economy, 25, 53–74.

18. Lach, S., 2002,[J], The Journal of Industrial Economics, 50 (4), 369–390.

19. Lerner, J., 2000,[J], The Journal of Private Equity, 3 (2), 55–78.

20. Lööf, H., & Hesmati, A., 2005,[J],CESIS. Electronic Working Paper Series.

21. Olley, GS, and A. Pakes, 1996,[J], Econometrica, 64: 1263–1297

22. Qian, Y., & Xu, C., 1998,[J]. The Review of Economic Studies, 65 (1), 151–164.

23. Rosenbaum, P. R., & Rubin, D. B., 1983,[J], Biometrika, 70 (1), 41–55.

24. Sah, R., & Stiglitz, J., 1991,[J]. Quarterly Journal of Economics, 106 (1), 289–295.

25. Stein, J. C., 2002,[J], The Journal of Finance, 57(5), 1891–1921.

26. Wallsten, S. J., 2000,[J]. RAND Journal of Economics, 31 (1), 82–100.

① Source: http://www.innofund.gov.cn/

②经省级以上人民政府科技主管部门认定的高新技术企业进行技术创新项目的规模化生产，其企业人数和技术人员所占比例条件可适当放宽。

③http://www.innofund.gov.cn/.

①由于篇幅限制，我们略去了样本企业的行业和资助时间分布的表格。

①回归表格由于篇幅所限在本文中略去，有兴趣的读者可以向作者索取。

①单变量分析结果由于篇幅所限在本文中略去，有兴趣的读者可以向作者索取。

①所有第一阶段与第二阶段回归的控制变量相同，为了节省空间，在此略去。

①回归结果限于篇幅略去

②包括政府与企业的关系，私人部门的发展，产品市场的发展，资源市场的发展，工商业服务中介和法律机构的发展。

①回归结果表格由于篇幅所限在本文中略去，有兴趣的读者可以向作者索取。