基于VAR模型的高技术产业政策工具比较分析

刘海朋，陈东景

(青岛大学经济学院，山东 青岛 266071)

基于VAR模型的高技术产业政策工具比较分析

刘海朋，陈东景

(青岛大学经济学院，山东 青岛 266071)

运用高技术产业利润总额以及税收优惠、政府补贴和专利制度三项主要政策工具，以1995—2014年数据建立VAR模型，探讨高技术企业整体、国有及国有控股高技术企业以及非国有高技术企业对不同政策工具的响应特征。研究结果表明：三种主要产业政策对不同类型高技术企业的作用效果在各个阶段呈现出不同特征，从长期来看，专利制度对所有高技术产业都产生显著的激励效应，税收优惠的激励效应都比较小，而政府补贴只对非国有高技术企业产生正向激励效应。不同产业政策对高技术产业的贡献度也具有明显差异。

高技术产业；政策工具；VAR模型

Abstract：Based on the data for total profit and three main policy instruments including tax incentive,government subsidy and patent system in high-tech industry from 1995 to 2014,VAR model was built to discuss response characteristics of the whole high-tech enterprises,state-owned and state-controlled high-tech enterprises,non-state-owned high-tech enterprises to different policy instruments.Research results show：the effects of three main industry policies on different type of high-tech industry present different characteristic;in the long run,patent system has significant incentive effect on all high-tech enterprises,tax incentive has a little incentive effect on high-tech enterprises,while government subsidy has positive incentive effect only on non-state-owned high-tech enterprises.Contribution degree of different industry policies to high-tech industry has significant difference.

Keywords:High-tech industry；Policy instrument；VAR model

高技术产业作为国家的支柱产业，是“十三五”时期的重点建设内容，是经济新常态和供给侧改革背景下推动经济发展的重要动力，发展高技术产业是促进产业结构优化和经济转型的重大举措。高技术产业各国经济发展的重要领地，在很大程度上决定着一国的全球竞争力水平的高低。因此，如何制定科学的产业政策以提高高技术产业的竞争力，成为各国政府面临的重大课题，探讨高技术产业政策的实施效果也成为学术界讨论的重要内容。

政府制定的科研补贴、税收减免等产业政策的实施范围及实施力度可以帮助企业确定明确的发展方向和技术研发领域，从而提高投入的预期收益率，降低企业的边际成本，进而引导企业进行更多的研发投入[1]。关于产业政策对产业发展的激励效应，国内外学者已从不同角度展开探讨。目前对于政府补贴政策对高技术产业是否存在正效应尚存在争议,Frye等认为政府作为促进产业升级和推动经济转型中的“扶持之手”，其最直接最主要的手段就是政府补贴[2]。政府补贴能够显著提升企业生产率[3]，促进企业技术创新产出的增加[4]。Harris等分析了英国制造业，发现政府补贴效应因企业的生产率水平而异，政府补贴仅能显著提高低于平均生产率水平的企业的全要素生产率[5]。中国学者安同良等通过构建博弈模型得出结论，实施科研补贴时政府与企业之间存在的信息不对称，容易使得创新补贴产生“逆向”激励作用[6]。大部分学者的研究表明税收优惠对高技术产业具有显著的激励作用，Hall等认为税收优惠的激励政策可以给予企业更大的研发开展决定权，因而更能体现市场化方向[7]。马伟红则认为，税收优惠主要通过市场配置稀缺的科技资源，且主要侧重企业层面的操作，不仅能够纠正市场失灵，而且也不会产生政府失灵[8]。学者们的研究发现专利制度发挥作用的效果与许多因素相关，赵惠芳等认为专利开发的影响程度与产业性质有关，相比传统产业，高技术产业由于具有研发人员比重大、研发投入高、知识技术密集等特征，受专利技术的影响更为显著[9]。王林等则认为只有当一个国家的技术水平达到或接近技术前沿时，专利制度才可能促进经济增长[10],孟晓非通过对中国专利政策绩效的实证研究，发现专利政策绩效存在“东高西低”的现象也恰恰验证了这一观点[11]。还有学者对不同产业政策的作用效果进行了比较研究，徐远华和孙早的研究表明税收减免和科研补贴均能提高高技术产业竞争力，但前者效果更为显著[12]。马玉琪等分析比较了税收优惠和财政补贴对企业研发投入的影响效应，发现对于大中型高技术产业，R&D投入受税收优惠的影响显著，受财政直接补贴的影响很小，而小微企业对两种政策的反应都较为敏感[13]。纵观国内外研究，学者们大多理论分析不同高技术产业政策工具的作用路径或实证分析某一种或两种政策工具对高技术产业的影响程度，少有研究比较高技术产业政策系统中不同政策工具在不同阶段对中国不同所有权的高技术产业的作用效果特征。

不同产业政策工具在不同时期对高技术产业的作用效果如何，不同产权的高技术企业对产业政策的响应又有何不同，这是中国制定科学的产业政策、提高高技术产业竞争力时需要关注的重要问题。本文通过构建VAR模型，选取税收优惠、政府补贴和专利制度三项主要政策工具，探讨高技术企业整体、国有及国有控股高技术企业、非国有高技术企业对不同政策工具的响应，同时比较三种政策工具对高技术产业发展的贡献率，以期为制定合理的产业政策促进不同所有权高技术产业发展提供参考。

1 变量选取与研究方法

1.1 变量选取

(1)被解释变量选取。高技术产业通过科技创新，不断推出新产品，赢得市场份额，而且创新带来的管理变革可以降低成本，从而在激烈的市场竞争中取得优势[12]，而利润则是衡量产业竞争力十分重要的指标之一，也是市场竞争力最直接的表现形式[14]。因此我们选取利润总额(高技术企业整体、国有及国有控股高技术企业、非国有高技术企业利润总额分别记为ZL、GL、FL，单位亿元)作为衡量高技术产业发展情况的指标。

(2)解释变量选取。

一是关于税收减免。税收减免是企业实际纳税额低于应纳税额的差额，原则上应该计算企业所纳所有税种的税收减免额，但鉴于数据收集的复杂性，我们仅采用企业所得税税收减免额来衡量高技术产业税收优惠力度。选择企业所得税的主要原因有两个：①因为企业所得税税收减免是中国实施创新税收激励政策的主要方式，属于该税种的政策数目占所有税收优惠政策的46.46%，通过调整成本费用列支范围影响税基，从而引导企业未来投资和发展方向[15]。②因为企业所得税和以增值税为主的流转税都能够促进高技术产业的发展，但所得税优惠对培养企业自主创新能力的作用更加显著，直接影响企业净利润[16]，企业所得税对高技术产业的激励效应主要体现在促进研发阶段的科技投入和引导成果转化阶段科技成果转化并逐渐实现产业化[17]。计算企业所得税优惠额的具体公式如下[3]：

(1)

其中St为税收减免额，SRt为税法规定的非优惠税率，1995—2007年，SRt=33%，2008—2014年，SRt=25%，LSt-Lt为实际缴纳的所得税额，即利税(LSt)与利润(Lt)的差额。按照公式(1)依次计算出高技术企业整体、国有及国有控股高技术企业、非国有高技术企业的税收减免额，记为ZS、GS、FS。为了统一单位，税收减免仍以亿元计算。

二是关于政府补贴。对高技术产业实施科研补贴政策主要是为了缓解企业的融资约束问题，政府补贴不仅可以使直接的经济利益流入企业，而且能够向市场传递相关利好信号，同样起到资源配置作用[18]。综合考虑数据的可获得性和代表性，选取R&D经费内部支出中政府资金支出额来衡量政府补贴(在《中国高技术产业统计年鉴》(1995—2009)中，该统计数据对应科技活动经费筹集额中政府资金支出额)，高技术企业整体、国有及国有控股高技术企业、非国有高技术企业的政府补贴额分别记为ZB、GB、FB，仍以亿元为单位。

三是关于专利开发。专利制度是通过法律形式保护发明人对其成果享有专有权，而这种专有权正是高技术企业获得竞争优势、实现利润增长的直接来源，因此会激励企业继续创新，这种良性循环促使企业获得持久的竞争力[19]。相比于传统产业，高技术产业具有科技含量高，研发投入大等特征，因此专利开发制度对高技术产业的影响尤为显著。本文选取专利申请数来衡量中国的专利制度情况，这是因为专利审批需要一定时间，因此与专利申请数相比，专利授权数存在一定的时间滞后性，可能对实证结果造成很大误差[20]。高技术企业整体、国有及国有控股高技术企业、非国有高技术企业的专利申请数分别记为ZZ、GZ、FZ，单位为件。

表1报告了所有被解释变量与解释变量的描述性统计结果。原始数据来源于《中国高技术产业统计年鉴》(2002—2015)、《中国统计年鉴》(2015)，1996年所有数据是通过取1995年和1997年的平均值得到。为了消除价格因素的影响，使不同年份的数据具有可比性，相关指标都折算成以1995年为基期的实际数值。

表1 变量的描述性统计

1.2 VAR模型

通过构建VAR(向量自回归)模型的方法，比较高技术产业对不同产业政策的响应。VAR方程的建立将系统中每个内生变量作为系统中所有内生变量的函数，是分析多元相关时间序列变量动态关系的常用模型[21]。VAR模型的一般形式为：

(2)

其中，εt为白噪声过程。

2 实证分析

2.1 模型检验结果

(1)单位根检验。为了消除时间序列数据存在异方差的可能性，首先对所有序列数据进行自然对数变换，得到序列lnZL、lnZS、lnZB、lnZZ、lnGL、lnGS、lnGB、lnGZ、lnFL、lnFS、lnFB、lnFZ。为了防止出现伪回归，运用Eviews 6.0对新得到的对数序列进行ADF单位根检验。由表2可知，一阶差分后的时间序列全部是平稳的，因此12个时间序列全部是I(1)序列，即一阶单整，因此可构建VAR模型。

表2 ADF单位根检验结果

注：(c,t,k)中c表示有常数项，0表示无趋势，k表示基于SC确定的滞后期；D表示取一阶差分；***、*分别表示在1%、10%的显著性水平下通过检验。

(2)最优滞后阶数选择。以高技术产业利润为因变量，税收优惠、科研补贴以及专利申请数为自变量，分别建立高技术企业整体、国有及国有控股高技术企业、非国有高技术企业的VAR方程，并确定方程的最优滞后期数(见表3)，根据5个指标，高技术企业整体、非国有高技术企业的VAR方程的最优滞后阶数为2，国有及国有控股高技术企业的VAR方程的最优滞后阶数为1。三个VAR方程均通过单位根检验，VAR模型稳定(由于篇幅所限，未列出单位根检验结果)。

表3 VAR方程最优滞后阶数

注：*表示按照准则选取的最优滞后阶数。

(3)协整关系检验。采用Johansen协整检验方法判断时间序列间是否存在协整关系，由表4可知，在5%的显著性水平下拒绝了零假设，因此可以判定高技术产业利润与税收优惠、科研补贴以及专利申请数之间存在长期协整关系，可以进行序列的脉冲响应分析和方差分解。

表4 协整检验结果

注：*表示在5%的显著性水平下拒绝原假设。

2.2 脉冲响应

脉冲响应函数描述的是系统内部一个内生变量对其他内生变量的影响，通过衡量来自随机扰动项的标准差冲击对因变量当前和未来一段时间内的影响程度，进而判断变量间的长期关系和动态交互作用[22]。脉冲响应函数图像如图1所示，图1(a)、图1(b)、图1(c)分别为高技术企业整体、国有及国有控股高技术企业、非国有高技术企业的脉冲响应图像。

图1 脉冲响应结果

从图1(a)可以看出，不同产业政策在不同时期对高技术产业的作用效果和影响程度显著不同。在第1期出现税收优惠的冲击之后，高技术产业利润总额在前10期波动明显，且整体体现为负效应，随后此效应振幅减小，第10期以后对高技术产业的影响趋于稳定，且整体表现为正效应。税收优惠对高技术产业在开始产生负效应，且在第3期达到最低值，此后此效应回调，并在第5期变成正效应，对高技术产业产生促进作用。政府补贴对高技术产业的影响一直体现为负效应，出现政府补贴的冲击后，高技术产业对其响应为负，且这种负效应在波动中不断增大，并在第9期达到最大，随后这种负效应逐渐减小并趋于0。专利制度对高技术产业的影响则一直体现为正效应，在第12期之前，高技术产业利润总额对专利申请数的响应程度不断波动，且该响应在第2期达到最大，12期以后该响应逐渐减小并趋于0。因此从长期来看，专利制度对高技术企业整体的激励作用较强，税收优惠的刺激作用较弱，而政府补贴属于事前激励，且政府与接收补贴的企业之间存在信息不对称的问题，极易出现道德风险[6]，弱化了对企业创新的激励作用，甚至对高技术企业整体体现为长期的抑制作用。

由图1(a)和图1(b)可见,从产业政策效应的正负性来看，国有及国有控股高技术企业对三种产业政策的响应与高技术企业整体产生的响应是相似的，但国有及国有控股高技术企业对产业政策响应的波动较小。国有及国有控股高技术企业在受到税收优惠冲击后，在第3期达到最大负效应，随后此效应回调，在第5期跨越零边界，并在第9期达到最大正效应，此后保持平稳状态。政府补贴对国有及国有控股高技术企业利润总额也一直产生负效应，且在第2期达到最大负效应，随后负效应逐渐减小，并于第5期趋于稳定。而专利制度对国有及国有控股高技术企业体现为较强的促进作用，在第1期出现专利制度冲击后，对产业利润总额的正效应在第2期迅速增大，并在第7期达到峰值，此后此效应逐渐减小。从长期来看，相比专利制度，税收优惠和政府补贴产生的效应较小，政府补贴甚至表现为负效应。这主要是由于高技术产业创新具有高风险、长期性和不确定性的特征，使得理性的国有企业经营者在自身利益最大化目标的驱使下，更倾向于将税收优惠、政府补贴等资源用于在其任职期内能够得到回报的生产项目，而不会用于企业创新，因此国有企业委托人和代理人之间存在的这种创新收益权与控制权不匹配的问题，违背了创新效率最大化的基本原则[23]，使得两项政策工具的激励作用大打折扣。

非国有高技术企业对三种产业政策的响应都比较显著，相比国有及国有控股高技术企业，非国有高技术企业对来自税收优惠的冲击反应较为剧烈，在第4期以前体现为负效应，第4期以后则体现为正效应，并在第5期达到峰值0.02，此后正效应有所下降。政府补贴冲击出现后，首先在前4期表现为负效应，随后变为正效应，尽管在第6期又表现为负效应，但是第6期以后一直表现为正向促进作用。专利制度对非国有高技术企业在前3期出现了负效应，正效应的峰值为0.06，出现在第4期，此后脉冲响应值一直低于0.4。从长期来看，三种政策工具对非国有高技术产业都产生明显的激励作用，专利制度的激励作用最强，税收优惠和政府补贴的作用效果基本相同，甚至政府补贴的作用效果要略高于税收优惠。与高技术企业整体、国有及国有控股高技术企业的响应不同，非国有高技术产业对政府补贴体现为正响应，主要是由于非国有企业融资相对困难，再加上非国有高技术企业中有很多都属于中小型企业，处于发展阶段自有资金不足，因此财政补贴政策可有效缓解非国有高技术企业研发资金不足的问题，激发企业创新能力。

2.3 方差分解

方差分解可以将VAR模型系统中内生变量方差分解到各扰动项上，通过描述每一个结构冲击对内生变量变动的贡献度来评价不同结构冲击的重要程度。方差分解结果如图2所示，分别为高技术企业整体、国有及国有控股高技术企业、非国有高技术企业的方差分解结果。

方差分解的结果明显显示，在第10期以前，按三种产业政策对高技术企业整体的作用程度大小排列，依次是税收优惠，专利制度，政府补贴，此后税收优惠的贡献率逐渐减小，政府补贴的贡献率则逐渐增大，而专利制度的贡献率则一直处于接近20%的水平，因此在第10期以后，则表现为政府补贴的贡献率最高，税收优惠的贡献率最低；对于国有及国有控股高技术企业，来自税收优惠和政府补贴的冲击对产业利润总额的贡献率几乎为0，而专利申请数的贡献率则呈逐渐增大的趋势，并逐渐接近于20%；税收优惠和政府补贴对非国有高技术企业利润总额的贡献率的增长趋势相似，但在前5期，税收优惠的贡献率较小，政府补贴的贡献率明显高于税收优惠，此后两者的贡献率都呈逐渐上升趋势，税收优惠的增幅相对更大，因此两者的贡献率大小逐渐接近，但政府补贴的贡献率仍略高于税收优惠。而专利制度对非国有高技术企业的贡献率明显高于前两者，冲击出现后，其贡献率在前3期迅速增大，此后平稳上升，贡献率达到50%左右。

图2 方差分解结果

3 结论与讨论

本文通过构建VAR模型，应用1995—2014年高技术产业利润总额与三项主要产业政策工具的数据，探讨了不同类型高技术企业对三种政策工具的不同响应特征，并比较了不同政策工具对高技术产业利润总额变动的贡献度，得到以下结论：

第一，税收优惠对不同所有权高技术企业在长期都表现为较小的促进作用。对高技术企业整体的影响在短期内主要表现为负效应，长期内表现为较小的正向促进作用；国有及国有控股高技术企业对税收优惠的响应较小，在短期内表现为轻微的负效应，长期内表现为正效应；非国有高技术企业对税收优惠的响应较为剧烈，由短期的负响应变为正响应。

第二，科研补贴对高技术企业整体和国有及国有控股高技术企业一直都表现为负效应，但是冲击中期对高技术企业整体的负效应较为显著，短期对国有及国有控股高技术企业的负效应较为显著；非国有高技术企业对政府补贴的响应较为显著，长期内变现为明显的正效应，是促进非国有高技术企业发展的有效工具。

第三，专利制度对不同所有权高技术企业都产生显著的激励作用。在短期内对高技术企业整体具有明显的促进作用，长期内这种作用逐渐减弱；对国有及国有控股高技术企业一直体现为显著的正效应，因此无论从短期看还是长期看，专利制度都是提高国有及国有控股高技术企业竞争力的最有效工具；短期内专利制度对非国有高技术企业具有负效应，长期内表现为明显的促进作用，因而从长期来看专利制度也是促进非国有高技术产业发展的有效手段。

第四，从方差分解结果可以看出，短期内税收优惠对高技术产业整体的贡献率最大，专利制度次之，政府补贴的作用最小，长期内政府补贴的贡献率最大，税收优惠最小；专利制度对国有及国有控股高技术企业的贡献率最大，且呈逐渐增大的趋势，而税收优惠和政府补贴的贡献率接近于0；对于非国有高技术企业，专利制度的贡献率明显高于其他两种政策，其中政府补贴的贡献率略高于税收优惠。

本文主要讨论的是不同类型高新技术产业政策对不同所有制企业的作用效果，但并未讨论不同产业政策对不同规模的高技术产业影响程度如何，也未涉及高技术产业政策对不同地区的适用程度。后续研究将更全面而深入地分析不同地区高技术产业发展对产业政策的响应规律，探讨企业规模对高技术产业政策效果的影响规律，为促进高技术产业发展提供更有针对性的对策。

[1]DAVID P,HALL H,TOOLE A.Is public R&D a complement or substitute for private R&D:a review of economic evidence[J].Research policy,2000,29(4):497-529.

[2]FRYE T,SHLEIFER A.Theinvisible hand and the grabbing hand[J].The American economic review,1997,87(2):354-358.

[3]SISSOKO A.R&D subsidies and firm-level productivity：evidence from France[R].Louvain-la-Neuve：Université Catholique de Louvain,Institut de Recherches Economiques et Sociales(IRES),2013.

[4]吕晓军.政府补贴与企业技术创新:来自2009—2013年战略性新兴产业上市公司的证据[J].中国科技论坛,2016(12):60-66.

[5]HARRIS R,ROBINSON C.Industrial policy in Great Britain and its effect on total factor productivity in manufacturing plants,1990—1998[J].Scottish journal of political economy,2004,51(4):528-543.

[6]安同良，周绍东，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(10)：87-98.

[7]HALL B,VAN REENEN J.How effective are fiscal incentives for R&D?:a review of evidence[J].Research policy,2000,29(4):449-469.

[8]马伟红.税收激励对高新技术企业技术创新影响的实证研究:基于上市高新技术企业的面板数据[D].南京:南京财经大学，2011.

[9]赵惠芳，罗雅琼，闫安.基于灰关联的我国高技术产业专利生产率研究[J].统计与决策，2009(3)：74-76.

[10]王林，顾江.发展中国家的知识产权保护与经济增长[J].世界经济研究，2009(5):48-52.

[11]孟晓非.中国专利政策绩效区域差异及影响因素分析:以高技术产业为例[J].中国科技论坛,2017(1):103-108.

[12]徐远华,孙早.产业政策激励与高技术产业的竞争力[J].山西财经大学学报,2015,37(9):65-75.

[13]马玉琪,扈瑞鹏,赵彦云.财税激励政策对高新技术企业研发投入影响效应分析:基于广义倾向得分法的实证研究[J].中国科技论坛,2017(2):143-149.

[14]曾国华,王跃梅.劳动力成本与工业竞争力——理论模型及实证检验[J].财经论丛,2011(3):14-18.

[15]孙莹,顾晓敏.从国际比较看我国研发税收激励政策的特征与问题[J].科技进步与对策,2013,30(24):143-147.

[16]李嘉明,乔天宝.高新技术产业税收优惠政策的实证分析[J].技术经济,2010,29(2):45-73.

[17]陈明艺,方晨岑.我国所得税优惠政策对高新技术产业的激励效应研究[J].经济与管理,2012,26(11):71-76.

[18]高艳慧,万迪昉,蔡地.政府研发补贴具有信号传递作用吗？——基于我国高技术产业面板数据的分析[J].科学学与科学技术管理,2012,33(1):5-11.

[19]张娜,杨秀云,李晓光.我国高技术产业技术创新影响因素分析[J].经济问题探索,2015(1):30-35.

[20]徐巧玲.高技术产业专利开发与产业发展关系实证研究[J].科技进步与对策,2013,30(4):60-63.

[21]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2009:267-314.

[22]王泽宇,张震,韩增林.区域海洋经济对国家海洋战略的响应测度[J].资源科学，2016,38(10):1832-1845.

[23]吴延兵.国有企业双重效率损失研究[J].经济研究,2012(2):15-27.

(责任编辑 沈蓉)

PolicyInstrumentComparisoninHigh-techIndustryBasedonVARModel

Liu Haipeng,Chen Dongjing

(College of Economics,Qingdao University,Qingdao 266071,China)

F426

A

国家社会科学基金项目“ 基于三元相图方法的海洋生态经济系统可持续发展评价与适应性管理研究”(14BGL005)。

2017-03-02

刘海朋(1992-)，女，山东人，硕士研究生；研究方向：产业经济学。