政府采购政策对高新企业创新活动影响的效应分析

马承君，王建国，杨颖梅，刘　杰

(1.北京信息科技大学经济管理学院，北京　100192；2.绿色发展大数据决策北京市重点实验室，北京　100192)

当前，中国经济发展已经从高速增长过渡到中高速增长的新常态阶段，要想长期保持中高速增长的态势，需要加快从要素驱动转向创新驱动的步伐。创新的主体是企业，但由于存在正外部性，企业的创新活动存在市场失灵现象，这时需要政府实施创新政策，弥补市场失灵导致的损失。创新政策可以分为供给型、需求型和环境型三大类[1]，其中，政府采购作为需求型创新政策之一，很早就已经被许多国家所采用。从理论上看，政府采购能够拉动市场对新产品的需求，帮助企业提高创新收益，降低创新风险。从实践上看，美国、德国等国家通过实施政府采购政策，扶持了本国高新技术产业的发展，促进了本国整体创新能力的提升[2]。

发展高新技术产业，同样是中国努力提升国家创新能力的措施之一，创新政策中的政府采购政策越来越受到各级政府的重视。然而，中国的政府采购制度尚不完备，采购水平与欧美等国家存在差距[3]，这就可能影响政府采购政策的实施效果。政府采购资金来源于国家财政的公共预算经费，而公共预算是有限的，如果政府采购政策没有对高新技术产业发展起到应有的促进作用，就会造成浪费。政府采购政策究竟在多大程度上激励了高新企业的创新活动，有待进一步量化。同时，由于潜在创新企业与在位创新企业面临不同的创新成本，进而具有不同的创新决策行为(即是否创新和创新多少的决策)，这可能使得政府采购政策对两类企业创新活动的影响效果存在差异。为此，本文从潜在和在位创新企业视角，考察政府采购与企业创新活动之间的关系，这对于研究政府采购政策的创新效应具有重要意义。

1　政府采购影响企业创新活动的路径

根据政府采购相关理论可知，政府采购的主要政策目标包括促进经济增长、调节经济周期性波动、保护民族企业发展和促进社会创新水平提升等[4]。根据Vecchiato等[5]的观点，政府采购属于需求型创新政策，需求型创新政策是供给型创新政策的补充，从长期来看，与研发补贴相比，政府采购对创新有更大的推动作用[6]。政府采购可以创造对新产品的需求，或者增加潜在的消费需求，还能够提出明确的新技术要求，激励企业提高现有技术水平[7]。

图1　政府采购政策影响企业创新活动的路径

具体来看，政府采购通过拉动市场对新产品和新技术的需求提高企业创新的路径有以下几点：第一，提供稳定的市场，降低新产品和新技术的市场风险[8-9]。在创新链的中间试验和初期市场化环节，投资多，风险大，但又缺乏市场关注，这一环节是所有创新企业都会面临的难题，而政府采购可以为新产品和新技术提供稳定的销售渠道，解决这两个环节的资金问题，降低企业财务风险[8]。第二，提供较高的订单价值，增加企业的创新收益[10]。与市场采购相比，政府采购往往有更高的价格[11]和更大的订单量，较高的价格能够为企业带来更多的利润，创新收益也相应更高；更大的订单量能够使创新企业产生规模经济效应，提高生产效率[12]。第三，加速市场化进程，降低创新成本。政府采购政策能够加速新产品和新技术的市场化进程，缩短创新投入资金的回收周期，提高研发资金利用率，降低研发成本。第四，产生示范效应，激发其他企业对新产品的需求[9,13]。政府采购政策有利于营造良好的创新环境和社会环境，引导私人资本流向这些产品和技术，鼓励、刺激新产品和新技术的发展[14]。

国内外学者在政府采购政策促进企业创新方面做了大量研究。孙晓华[15]基于欧盟9个国家的面板数据进行OLS回归，发现政府公开采购能够有效驱动技术创新，而由于缺乏竞争性及针对性，政府采购总额与专利数量呈负相关关系。Aschhoff等[16]基于德国1100多家企业截面数据的研究表明，政府采购与知识溢出对创新的效果大致相同，但是政府采购对小规模企业的创新尤其有效。也有学者利用中国的数据进行研究，基于全国性数据或省际数据的研究大都表明，政府采购对中国的自主创新水平的提升具有较强的促进作用[17-20]。徐进亮等[21]基于北京和广西地区区域数据运用VAR方法进行实证分析，研究表明，政府采购对地区的创新投入和创新产出均存在正向促进作用，但发挥作用时间较长，需要两年左右时间才能对自主创新起到显著的促进作用。

目前关于政府采购政策促进企业创新方面的理论基础比较完善，但在实证研究方面还存在不足。第一，现有相关研究几乎没有区分政府采购对潜在创新企业和在位创新企业创新活动的影响，但由于两类企业存在创新决策的差异性(即是否创新和创新多少的差异性)，对此进行区分是必要的。第二，现有相关文献中缺乏从微观层面研究政府采购对企业创新活动的影响，与本文相近的研究是杜勇涛[11]，但是他仅运用了简单的统计方法，缺少影响效果的量化。第三，现有的计量模型多难以克服模型内生性和选择性误差等问题，现有的回归分析、灰色关联度分析[17]、格兰杰因果检验[19]等方法均无法避免企业异质性导致的估计偏误，研究结果的科学性有待进一步验证，国外仅有Aschhoff等[16]尝试利用微观企业数据，它的不足之处在于匹配样本数量较少，说服力不够强。

2　研究方法与数据

2.1　数据来源

中国的高新企业大多集中在高新区，其中，中关村示范区(以下简称“示范区”)是中国建立最早且发展最为成熟的国家级高新区，无论从企业数量上看，还是从企业体量上看，示范区都是中国最大的高新企业聚集区，经济总量远超其他高新区，示范区内高新企业对政策的反馈效果能够在很大程度上代表中国高新产业整体的政策实施效果，因此本文将示范区内高新企业作为样本进行研究。本文采用的微观企业数据由中关村国家自主创新示范区管委会提供，涵盖了示范区2012—2015年所有纳入高新技术企业范围并上报有效年度报表的企业。该数据覆盖企业众多，涉及企业信息丰富，包括企业的基本情况、经营状况、人力资源和研发活动等诸多指标。在确定研究考察的企业样本选择标准时，由于本文研究的是政府采购政策对企业创新活动的影响，而不考虑企业的市场进入和退出过程，因此本文选取的是2012—2015年持续经营的企业。

在剔除数据异常的企业后，共有8351家企业纳入样本统计范围。首先，就获得政府采购合同的企业比例来看，在考察期(2013—2015年)内获得政府采购合同的企业比例分别为2.74%、2.91%和2.73%，这表明，从本文样本看，仅有少数企业能够获得政府采购合同，绝大多数企业并未享受到政府采购政策。其次，就获得政府采购合同企业的人均政府采购合同金额而言，在考察期内人均政府采购合同金额分别为0.0557、0.0599和0.0564，而对应的中位数则为0，远小于均值，这表明人均政府采购合同金额的分布呈明显的偏态分布。

2.2　变量选择

从本文的研究目的出发，基于倾向指数匹配模型，以及相关经验研究，本文主要涉及的变量及其详细解释见表1。本文从企业的创新产出和创新投入两个方面衡量企业的创新活动，创新产出的衡量指标包括新产品销售收入、新产品销售收入占总收入比重(以下简称“新产品销售收入占比”)、专利申请数及人均专利申请数，创新投入的指标包括研发经费投入、人均研发经费投入和研发密集度。同时，由于不同行业的企业在劳动生产率等方面存在一定差异，结合行业整体的劳动生产率等特点，本文将11个行业大类的企业分成4个子集，包括信息服务业、科研服务业、工业和建筑业、其他行业。

表1　主要变量的定义和说明

本文首先根据高新企业2014年获得政府采购的情况，对各变量进行描述性统计分析，表2给出了描述性统计分析结果，其中控制组指的是未获得政府采购的企业，处理组指的是获得政府采购的企业。从均值看，在创新指标上，处理组企业在研发经费投入、人均研发经费投入、新产品销售收入、新产品销售收入占比、专利申请数、人均专利申请数等创新活动指标上均显著高于控制组企业；而在特征变量上，处理组企业的年龄和规模高于控制组企业，比控制组企业更可能属于信息服务业、工业和建筑业，在其他特征变量上两组企业无显著差异。

表2　2014年处理组与控制组主要变量对比

2.3　倾向指数匹配法

本文选择倾向指数匹配法(PSM)来估计政府采购政策对企业创新活动的影响。之所以没有直接比较获得政府采购的企业与没有获得政府采购的企业之间的差异，是因为一般而言，政府采购合同不是随机分配给企业的，如果获得政府采购的企业的创新水平更高，并不能直接推出这是由于企业享受政府采购政策而直接导致的，也许是企业自身原本就有较强的创新能力，使得企业的创新水平更高。这其中的关键问题是，在企业享受到政府采购政策之后，则无法观察到这个企业在没有享受到政府采购政策情况下的创新状态，即“反事实情形”。

为了构造这个“反事实情形”，本文使用Heckman、Lalonde和Smith提出的“倾向指数匹配方法”。这种方法的基本原理是，将处理组中企业与控制组中企业匹配，使得匹配后的两个样本组的配对企业之间仅在是否获得政府采购合同上不同，而其他方面都相同或相似。这样就能够用控制组最大程度地近似代替处理组的“反事实情形”，进而比较两组企业在创新活动上的差异。

匹配结果还要符合“共同支持条件”与“平衡性能条件”。“共同支持条件”是指处理组中的企业倾向指数不高于控制组中企业倾向指数的最高值，同时也不低于控制组中企业倾向指数的最低值，因此在匹配过程中，不仅要剔除处理组中倾向指数高于控制组中倾向指数最高值的企业，还要剔除处理组中倾向指数低于控制组中倾向指数最低值的企业。“平衡性能条件”是指在匹配后的处理组和匹配成功的控制组企业的各个协变量没有显著差异，即在企业规模、劳动生产率、人力资本密集度等方面没有显著差异。

3　实证检验结果

3.1　变量相关关系分析

在相关关系分析中，本文用企业创新产出的虚拟变量和创新投入与产出的实际值作为被解释变量，用企业是否获得政府采购的虚拟变量作为解释变量，分别用Logit和OLS模型对高新企业的数据进行回归。

首先，当以“企业创新与否”的虚拟变量作为被解释变量，即以新产品销售收入、专利申请数和研发经费投入作为被解释变量时，以企业是否获得政府采购虚拟变量作为解释变量，进行Logit回归，回归结果见表3。由模型1可知，2013年政府采购虚拟变量的系数为1.55，且在1%水平上显著，表明获得政府采购企业的新产品销售收入比没有获得政府采购的企业高1.55个单位，而2014年和2015年获得政府采购企业的新产品销售收入比没有获得政府采购的企业分别高1.50和1.35。

表3　Logit模型回归结果

同理可知，在模型2和模型3中，获得政府采购企业的专利申请数和研发经费投入均显著高于没有获得政府采购的企业。就以上结果可以认为：在考察期内政府采购与企业创新活动之间具有显著正相关关系。

其次，分别以创新投入和创新产出的实际值，包括新产品销售收入、新产品销售收入占比、专利申请数、人均专利申请数、研发经费投入、人均研发经费投入和研发密集度作为被解释变量，以企业是否获得政府采购虚拟变量作为解释变量，进行OLS回归，回归结果见表4。前6个模型的政府采购变量的系数均显著为正，且在考察期内实证结果表现得非常稳健，模型7的政府采购变量的系数并不显著。因此，可以得到初步结论：政府采购与企业创新产出和研发经费投入以及人均研发经费投入之间具有显著的正相关关系，而与企业研发密集度之间无明显的相关关系。

表4　OLS模型回归结果

总的来看，可以认为，政府采购与企业创新活动之间存在显著的正相关关系，而且这种正相关关系非常稳健。尽管如此，这不足以推出二者之间存在因果关系，二者之间的因果关系还需要采用PSM模型继续进行实证分析。

3.2　倾向指数匹配结果分析

本文进一步构建PSM模型分析二者之间的关系。首先，本文对潜在创新产出或投入企业、在位创新产出或投入企业进行定义。定义规则是：在考察期内，获得政府采购合同的前一年没有创新产出或创新投入的企业划为潜在创新产出企业或潜在创新投入企业，有创新产出或创新投入的企业划为在位创新产出企业或在位创新投入企业。之所以对潜在创新企业和在位创新企业进行区分，是因为这两组企业的创新决策行为是不同的。沉没成本是影响企业创新活动的重要因素，面对不同的成本，企业可能会做出不同的创新决策。企业在做出创新决策时必须对可能的新产品新技术或者专利研发费用、市场销售前景进行评估，而这些环节包含了较高的沉没成本，潜在创新产出企业由于刚刚涉足某项新产品或新技术，其面临的问题是能否跨越必须投入的沉没成本进而做出是否创新的决策。对于在位创新企业而言，它已经承担了沉没成本，其面临的问题是承担起可变成本，进而做出创新多少的决策。

如果政府采购的对象是潜在创新产出企业或潜在创新投入企业，则针对这类企业的采购会不会促使其之后产生创新产出或进行创新投入？反之，如果政府选择采购的对象是在位创新产出企业或在位创新投入企业，则针对这类企业的采购会不会使得其之后的创新产出或创新投入增加？为了回答这两个方面的问题，根据企业在获得政府采购前一年(2013年)的创新活动情况，本文将全部样本企业集合分为两部分：潜在创新产出(投入)企业子集和在位创新产出(投入)企业子集，并对每一个样本企业子集使用PSM方法进行实际因果关系分析。

(1)政府采购与企业是否有创新活动之间的因果关系分析。本文定义处理变量为企业在2014年是否获得政府采购的虚拟变量，处理变量在企业政府采购金额大于0时为1，否则为0。定义结果变量为企业的创新产出和创新投入的虚拟变量。同时，定义结果变量为2014年或2015年企业开始有创新产出或创新投入，以新产品销售收入为例，取值规则是在2014年或2015年中的任何一年中企业的新产品销售收入大于0时为1，否则为0，处理组包括2012—2013年没有新产品销售收入、2013年没有政府采购，而2014年获得政府采购的53家样本企业，控制组包括2012—2013年没有新产品销售收入、2013—2015年没有获得政府采购的6213家企业，全部样本企业为6266家。当以专利申请数和研发经费投入作为被解释变量时，其取值规则与新产品销售收入作为被解释变量时相同，全部样本企业分别为5796家和2764家。

本文选择的匹配方法是“倾向指数匹配方法”，其中的匹配变量包括企业获得政府采购前一年，即2013年的生产效率(以劳动生产率度量)、人力资本密集度(以高素质员工比例度量)、企业规模(以期末从业人员数度量)、企业成熟度(以企业寿命度量)以及企业出口状态(以出口情况度量)，通过Probit回归模型估计倾向指数，为处理组中的企业一一配对倾向指数最接近的控制组企业。此外，行业特点作为影响企业创新活动的因素之一会影响匹配后的结果，为了保证匹配后的处理组企业和控制组企业能处于相似的特征条件下，在匹配时将行业子集变量加入到协变量中。

此外，匹配的结果还需要满足两个条件：一是共同支持条件，这个条件在匹配过程中施加，另一个是平衡性能条件，这个条件需要在匹配后验证。匹配结果与平衡性能检验结果见表5。可以看出，在匹配前，处理组企业和控制组企业的匹配变量的双样本T检验结果显示：两组企业在劳动生产率、企业性质方面存在显著性差异。因此，必须在匹配后再次对匹配变量进行双样本T检验，以保证匹配结果满足平衡性条件。

本文分别选用最邻近匹配法、半径匹配法和核匹配法，以新产品销售收入和专利申请数的虚拟变量作为创新产出的结果变量，以研发经费投入的虚拟变量作为创新投入的结果变量，选取劳动生产率、高素质员工比例、企业规模、企业寿命、出口情况以及行业大类虚拟变量作为匹配变量。匹配后发现处理组和控制组企业的所有匹配变量的双样本T检验均不能拒绝原假设，即匹配后处理组和控制组企业的匹配变量均不存在显著性差异，满足平衡性能条件，匹配成功。

表5　潜在创新企业匹配前后双样本T检验结果

匹配结果如表6所示，ATT即为政府采购对企业创新活动的影响。在新产品销售收入模型中，处理组企业的值高于控制组企业0.16左右，而且三种方法的结果均非常显著；在专利申请数模型中，半径匹配法与核匹配法的处理组企业的值显著高于控制组，而最近邻匹配法的值虽不显著，但符号为正；在研发经费投入模型中，处理组企业的值高于控制组企业0.2左右，而且三种方法的结果均非常显著。总体来看，在企业其他条件相同的情况下，获得政府采购的潜在创新企业在随后进行创新的概率显著高于没有获得政府采购的潜在创新企业，即政府采购确实提高了潜在创新企业创新的可能性。

表6　潜在创新企业PSM匹配结果

(2)政府采购与企业创新活动之间的因果关系分析。上一组的匹配结果回答了两个问题中的第一个，即对政府采购与企业是否存在创新活动之间进行了因果关系分析。接下来进一步回答第二个问题，即政府采购与企业创新活动之间的因果关系。

本次匹配定义处理变量为企业在2014年是否获得政府采购合同的虚拟变量，定义结果变量为企业的创新产出和创新投入在2013—2015年的变化。具体来看，以新产品销售收入的变化作结果变量为例，处理组包括2013年有新产品销售收入、2013年没有获得政府采购、2014年获得政府采购的所有企业，共47家；控制组包括2013年有新产品销售收入、2013—2015年没有获得政府采购的所有企业，共1835家，两组企业共1882家。其他变量作结果变量时，对处理组和控制组的定义类似。匹配方法和过程与之前的匹配相同，匹配变量仍为企业获得政府采购前一年，即2013年的生产效率、人力资本密集度、企业规模、企业成熟度、企业出口状态和行业虚拟变量。

匹配的平衡性能检验结果见表7。匹配后发现处理组和控制组企业的所有匹配变量的双样本T检验均不能拒绝原假设，即匹配后处理组和控制组企业的匹配变量均不存在显著性差异，满足平衡性能条件，匹配成功。

匹配结果如表8所示，ATT即为政府采购政策对企业创新活动的影响。从结果来看，无论是创新产出变量，还是创新投入变量，结果都不显著，这表明，在企业其他条件相同的情况下，获得政府采购的在位创新企业在随后提高其创新产出和创新投入的水平并没有显著高于没有获得政府采购的在位创新企业，即政府采购政策对在位企业创新活动没有显著影响。

表7　在位创新企业匹配前后双样本T检验结果

表8　在位创新企业PSM匹配结果

3.3　实证结论的进一步分析

为了验证上述结果的稳健性，本文再次将2011—2014年持续经营的企业作为样本，采用相同的方法进行分析，结果见表9和表10。可以发现，对于潜在创新投入或产出企业而言，政府采购提高了企业产生更多创新投入或新产品销售收入的可能性。而对于那些已经有创新产出和创新投入的企业而言，政府采购的作用并不显著，这与前文的研究结果基本一致。

表9　潜在创新企业PSM匹配结果

表10　在位创新企业PSM匹配结果

政府采购对企业创新活动的激励效应是否会受企业年龄和规模这两个因素的影响，即对于年龄和不同规模的企业而言，政府采购对企业创新活动的影响是否不同？为此，本文分别以企业年龄和规模的中位数为标准，将前文的处理组企业分为成熟企业和年轻企业，以及大型企业和小型企业，同时，分别对潜在创新企业和在位创新企业采用相同的方法进行匹配，结果见表11。总体上看，对于不同规模或年龄的企业组，前面的结论依然成立，但是不同组别的差异并不显著。

表11　分年龄和分规模的潜在创新企业与在位创新企业PSM匹配结果

相比于在位创新企业，潜在创新企业的创新意愿更加强烈，创新需求更加迫切，但潜在企业面临创新沉没成本(典型的成本包括：仪器设备的采购所引致的固定成本，以及由于研发和生产销售过程中的信息不完全或不对称带来的成本)的问题。只有企业预期的产品销售收入至少能够覆盖这些成本，企业才会开展创新活动。政府采购是潜在创新企业新产品和新技术的重要的稳定销售渠道，其提供的订单价值在总的新产品订单价值中较高(考察期内近半数企业，政府采购合同金额与新产品销售收入的比值超过20%)，这能够帮助企业更好地承担创新沉没成本。而对于在位创新企业而言，在突破创新沉没成本之后，面临的更多的是可变成本(如人工费、广告费等)。一方面，长期的创新规划使得创新投入相对而言存在路径依赖(在考察期内第一年研发经费大于0的企业中，在后两年均大于0的企业的占比接近七成)，受包括政府采购在内的其他因素变化影响不大。另一方面，在创新产出销售方面有比较稳定的市场渠道，能够覆盖自身的可变成本，再加上政府采购提供的订单价值在其总的新产品订单价值中可能较小(考察期内超过三分之一的企业，政府采购合同金额与新产品销售收入的比值低于20%)，结果，即使没有政府采购，在位企业的新产品销售仍将保持相对稳定的状态。

4　结论与展望

本文基于中关村高新企业微观数据，在进行相关性分析的基础上，运用倾向得分匹配方法，解决了模型内生性和选择性偏误的问题，同时引入在位创新和潜在创新的概念，研究了政府采购政策对不同特点企业的创新活动影响，完善了关于政府采购政策激励创新的研究成果。主要结论：对于潜在创新企业而言，从创新产出和投入角度看，政府采购政策有明显的激励效果；对于在位创新企业而言，从创新产出和投入，政府采购政策的激励作用都不显著。基于实证研究结论，本文提出如下政策建议。

第一，提高潜在创新企业的甄别能力，加大对潜在创新企业的政府采购支持力度。由于政府采购政策对潜在创新企业与在位创新企业的激励效果不同，政府应该加强对两类创新企业的甄别能力，在实施政府采购政策时应有所侧重，降低政策实施成本，提高资源配置效率，提升政策执行效果。

第二，优化政府采购制度设计，降低政策门槛。目前各级政府的采购政策大都将产品或服务限定于某一个类似于新技术新产品的认定名单。而对于缺乏研发经费的潜在创新企业而言，较高的市场融资成本会影响潜在创新企业的创新意愿。因此，应该优化政府采购实施方案，为潜在创新企业提供类似于预订、预购，或者类似于项目经费支持等形式，弥补企业研发经费不足，同时为新产品提供销售渠道，提高企业的创新意愿。

本文的研究仅仅是初步成果，针对政府采购政策对高新企业创新活动影响的研究还需要进一步深化，深化的方向可以从以下两个方面进行。第一，横向扩展样本范围，本文的样本仅限于中关村示范区，并未考虑其他地区的企业，而不同地区的经济发展水平、政府采购规模及其技术运用能力也会影响政策效果。第二，纵向延长样本数据，本文仅仅利用2011—2015年的两组数据研究政府采购政策的作用，而政策实施效果可能存在滞后效应，这也是有待改进的地方。