创新激励政策是否能提升高新区的创新效率

范　硕，何　彬

(1.吉林大学经济学院，吉林　长春　130012；2.吉林大学中国国有经济研究中心，吉林　长春　130012)

0　引言

针对高新区的创新问题，学术界已有很多理论进行了探讨。在国际上，高新区也被称为科学与技术产业园区(Science and Technology Industrial Parks)，1993年，国际科技产业园区协会首次提出高新区建设的“三元参与”理论，认为高新区作为政府驱动的产物、其发展必须由政府、大学、企业各方共同参与、相互协调、积极推动。Francois Perroux所提出的增长极理论也被用来解释高新区的这种资源优势作用，认为高新区拥有创新的优势经济元素，从而使其在经济空间中处于优势地位，从而具有“推动作用”，进而可以带动园区内其他利益群体之间的共同成长[1]。Oded Lendner提出了“温床效应理论”，把高新区比作是高新技术企业发展的“孵化器”，认为高新区可以为高新技术企业创业提供更多的服务，减少创业失败的风险，从而成为科研知识转化的“温床”[2]。Kübraimek等则把高新区比作为开放式创新的真正执行者，认为高新区可以把公司、中小企业、初创企业、大学和研究实验室等众多创新主体有机结合在一起[3]。此外，还有学者用创新平台理论和创新网络理论来解释高新区如何通过聚集各种有形资源和无形资源进而发挥作用的[4]。

上述文献是针对高新区做一般意义上的理论分析，当然对理解中国高新区创新问题也是有帮助的。在针对中国高新区创新问题研究上，很多学者从不同方面进行了研究，但针对该问题研究的外文文献很少，其中，Allen[5]指出中国高新区已经进入了第三代：即从“技术推动”向“技术驱动”发展，Bai[6]等也研究了后危机时代，中国高新区创新绩效的动态变化。而在国内文献中，针对中国高新区创新问题研究的文章较多，综合来看，主要集中在以下几个问题：第一，中国高新区自主创新能力问题研究。例如，范柏乃通过对理论预选指标进行科学的筛选，构建了一个包含16个指标的高新区创新能力评价体系，并对中国52个高新区的创新能力进行了系统的评价[7]。方玉梅等提出了以组织运行能力为核心的高新区创新能力四维理论模型，构建了高新区创新能力评价指标体系，并运用熵值法对中国53个国家高新区的创新能力进行了评价[8]。第二，高新区创新体系研究。例如，李琳等认为高新区的创新体系本质上是一种网络体系，文章还专门构建了高新区创新网络系统结构模型，借以说明高新区的创新机理[9]。郭丕斌等研究了高新区创新系统的层次性特征，认为高新区的创新系统包含创新环境、产业集群以及创新型企业三个层次，这三个层次之间互相影响[10]。第三，高新区创新绩效及其影响因素研究。姜彩楼等通过Malmquist指数方法对中国52个国家级高新区1996—2004年的创新绩效进行了测算，并认为技术进步指数对于国家级高新区TFP指数的促进作用要大于综合技术效率指数[11]。崔晓露(2013)运用数据包络分析(DEA)法，对全国41个国家级高新区的创新绩效进行了评价研究，通过效率与规模报酬分析将中国的高新区按整体效率强度分为三类，并对各投入产出指标进行敏感度分析[12]。

纵观现有文献，针对高新区创新问题已经有了较为丰富的探索，但已有研究在创新激励政策与高新区创新问题的相关研究方面却十分缺乏。在创新政策的研究方面，近期有些文献从理论方面对其进行了分析[13-15]，也有文献从实证角度研究了某种创新激励政策的作用。例如，张同斌等研究了财税激励政策对高技术产业发展的影响[16]。吕晓军检验了财政补贴与企业技术创新产出的关系[17]；刘海朋研究了高技术产业政策对不同类型高技术企业的影响[18]。然而，创新激励政策对高新区的创新绩效是否起到了应有的作用，目前并没有相关的研究。实际上，目前高新区已经成为国家创新发展的主力军，根据2015年的相关数据显示，高新区内共有高新技术企业3.12万家，占全国高新技术企业的比重超过40%，研发支出方面，高新区内企业总支出额达到4521.6亿元，占到全国企业研发支出的31.8%。高新区内每万名从业人员拥有发明专利162.3件，是全国平均水平的8.5倍。因此，创新激励政策对高新区创新绩效的影响必然是十分深远的。中国政府对这个问题也有着比较深刻的认识，多年来，政府出台了很多创新激励政策，希望通过科技政策的作用，提高高新区的创新效率，而不仅仅只是提高其GDP产出。特别是近年来创新驱动战略提出后，如何通过创新激励政策的实施来有效提升高新区的创新效率，成为十分重要的问题。那么，创新激励政策是否有效提高了高新区的创新效率，不同的创新激励政策对创新效率产生哪些不同的影响，现有创新激励政策实施过程中是否需要进行相应的改进？本文试图通过实证检验回答上述问题。

1　创新激励政策作用的理论分析

从理论上看，创新激励政策主要通过以下四个渠道来激发企业加大研发投入，从而进行技术创新：第一，创新激励政策能够矫正企业研发活动的外部性；第二，创新激励政策可以降低 R&D投资成本；第三，创新激励政策能够分担企业的创新风险；第四，创新激励政策具有一定的引领作用[19]。从国际经验来看，创新激励政策的实施手段是多样的，包括研发税收减免，创新活动的财政补贴、成果转化的服务咨询、知识产权的严格保护以及人才引进补贴、资金融通等等。然而，在这些激励政策中，最为重要也最为常见的激励手段就是财政激励和税收激励[20]。下面我们将针对这两类激励政策对创新的作用机理进行重点阐述。

1.1　财政激励对技术创新的影响

财政激励方式主要是以对技术创新的财政补贴进行的。从理论上看，财政补贴对技术创新有以下几方面作用：

第一，财政补贴可以降低企业的创新风险。从事创新活动的企业面临着很大的风险。对于小企业来说，由于资金不足，风险承担能力较低，因此，没有外部支持的情况下，小企业很难实施技术创新活动。而即便对于大企业来说，也由于技术创新的高风险性，从而使其在进行创新决策时，大都过于谨慎，在没有面临强大竞争压力的情况下，也很少进行创新活动。而财政补贴则可以在一定程度上降低企业的创新风险：一方面，财政补贴可以为企业创新活动提供必要的资金来源，并提高企业技术创新的预期回报率，从而降低技术创新所面临的不确定性；另一方面，财政补贴可以降低技术创新的边际成本，特别是针对研发过程的财政补贴，更是可以比较直接的分散企业的创新风险，进而有利于激发企业进行创新活动的行为动机。此外，由于企业类型的不同，以及自身资源的异质性，所以，财政补贴对企业技术创新活动的影响也是不同的。

第二，对企业具有信号引导作用。企业在技术创新过程中，往往需要从多种渠道筹措研发资金，然而，由于资本市场具有高度的信息不对称性，技术创新这种高风险的经济活动很难获得融资支持。而政府补贴则可以充当企业实力和创新项目的“质量认证官”的角色，换句话说，政府补贴对企业来说具有一种“信号引导”作用，被补贴的企业更容易获得资本市场的认可，更容易获得风险投资以及长期贷款的可能性。此外，Feldman等的研究还表明，能够获得财政补贴的企业也更容易与大学、研究机构以及其他企业之间建立合作关系，从而可以更多获得外部资源[21]。除此之外，政府对于特定产品研发的财政支持，更可能表明这类产品将会更符合未来公共部门的产品需求，从而有利于提高产品的未来收益预期，吸引更多的企业加入对该类产品的研发投资。

第三，促进企业提高研发支出。政府的财政补贴可以产生“融资效应”，从而提高企业的研发支出。所谓“融资效应”是指政府的财政补贴可以缓解企业的融资约束，从而使企业有余力将更多的资金用在研发活动上[22]。特别是对于那些外部融资依赖程度较高的企业来说，财政补贴的影响会更大。因为一般来说，政府的补贴只占企业研发投入的一小部分，大部分资金需要企业进行配套支出，因此，财政补贴在一定程度上可以增加企业研发资金的支出总额[23-24]。

尽管上述分析表明，政府的财政激励可以对企业创新产生很多促进作用，但也有学者持相反的观点，认为财政补贴可能会对技术创新产生抑制作用。持这种观点的学者主要是从财政补贴可能产生的两个负面作用来解释：一是补贴的“挤出效应”，二是对资源配置的扭曲作用。所谓“挤出效应”是指，当政府对某些项目制定了补贴计划后，由于获得这种补贴的边际成本为零(不考虑申请成本)，因此，企业只会申请补贴计划内的研发项目，这在一定程度上挤出了企业的正常研发支出[25]；而对资源配置的扭曲则意味着，在现有补贴评价体系下，能够获得补贴的企业或者是曾经从事过类似研究，或者是政府对其研发具有较高的预期[26]，但无论是何种原因，这种主观判断难免出现选择偏离，即获得补贴的企业往往不是效率最高、最应该获得补贴的企业，在这种情况下，资源配置扭曲不可避免。由此可见，从理论上来看，财政激励对创新会产生正反两方面的推动作用，至于最终会产生哪种“净效应”，应该是受到具体的体制、社会环境影响的。

1.2　税收激励与技术创新

税收优惠政策主要包括优惠税率、税收抵免和税前扣除三种方式。税收激励在促进技术创新的过程中主要从三个方面发挥作用：提高收益预期、降低技术创新财务风险、增加资金供给。

首先，税收激励可以提高技术创新的收益预期。一般来说，在既定风险水平下，收益越高的企业，进行技术创新的愿望就越强。而税收则可以通过增加期望报酬和降低投入成本两个方面来提高企业的收益预期。一方面，技术创新需要投入资金、投入设备、投入人员、投入场地等多种成本，而政府可以通过对所有涉及创新投入的要素进行税收减免，进而可以有效降低创新成本；另外，政府还可以对创新产品的销售提供税收优惠，这也可以直接的提高技术创新的收益预期，从而对技术创新产生激励作用。

其次，税收激励可以降低技术创新的财务风险。财务风险是技术创新所面临的多种不确定性风险中的一个重要风险，而税收的存在会进一步恶化企业的财务风险。其原因在于，在企业的应税所得中，部分应该被视为企业从事创新活动的风险报偿，与之相对应的税收就可以被看作是对风险承担的课税，企业的税收越重，其风险承担能力就越低，进行创新活动的积极性就越低。然而，企业是否进行创新决策很大程度上取决于企业的风险承担能力，但在税收激励中，存在很多的风险损失扣除政策，由此，本来完全由企业单独承担的风险现在可以通过退税、税收抵免的形式由政府承担一部分，在这种情况下，政府实际上成为创新活动的隐匿合伙人，企业由此被引诱进行更多的创新风险活动。

最后，税收激励还可以增加企业的资金供给。由于技术创新是一种高投入的经济活动，因此，资金保障是至关重要的。一般来说，企业技术创新的资金无外乎来自于内部积累和外部融资两个方面。由于企业内部现金流等于税后利润加折旧及无形资产摊销等非付现成本，因此，政府可以通过税收减免、加速折旧、降低无形资产摊销年限等税收激励方式来增加企业内部的现金流量，这种措施对中小企业的创新活动更是至关重要的，因为中小企业很难获得外部的债务融资或股权融资，其对内部融资的依赖性更高。除了对内部资金积累产生这种直接的影响之外，税收激励还可以对外部融资产生间接的促进作用，例如，可以利用税收工具对外部资金供给者提供激励，改变其对风险与收益的预期，进而刺激其为企业技术创新提供更多的资金帮助。

2　基于Bootstrap DEA-Meatafrontier方法的高新区创新效率计算

2.1　创新效率测算的共同边界

目前在关于创新绩效的研究中，广泛利用非参数-DEA方法进行创新效率的测算。Kontolaimou等指出在利用非参数-DEA方法测算区域或者国家之间创新效率的现有研究存在着较大的研究缺陷[27]。第一就是构造区域或者国家之间创新边界的时候，忽略了区域或者国家之间创新边界的异质性。创新边界的异质性，导致在创新绩效评价中存在着比较基础不一致的缺点，进而测算结果不能客观反映评价单元之间真实的创新效率差距。第二就是DEA测算结果由于没有考虑数据噪声的影响，存在显著的偏误。如果不对DEA测算结果进行纠偏处理，则测算结果具有误导性。所以本文在后续中将选择Bootstrap DEA-Meatafrontier方法测算中国各个地区的高新区创新效率。

首先针对中国各个地区高新区创新过程定义创新技术和共同边界集合。假设第i个高新区的创新投入向量x和创新产出向量y。假设在创新生产过程中满足规模报酬可变，则创新生产可能性集合S定义为：

S={(x,y):x可生产出y}

(1)

如果因为创新生产中创新技术的异质性，评价单元可以具体划分为J个群组，其凸包连接就构成了共同边界生产可能性集合，

SM={S1∪S2∪…∪SJ}

(2)

基于第j个群组的创新生产可能性集合Sj，群组前沿j的创新投入要素集合与投入导向的距离函数可定义如下：

L(y)j={x:(x,y)∈Sj},j=1,2,…,J

(3)

DI(x,y)j=inf{θ>0:θx∈L(y)j},j=1,2,…,J

(4)

所以可以分别在共同前沿SM和特定群组前沿Sj下定义创新效率IEM=DI(x,y)和IEj=DI(x,y)j。针对任意一个群组j可以定义共同技术率如下：

(5)

由式(5)可得到：

IEM=MRj×IEj

(6)

由式(6)可以看出，共同前沿创新效率IEM可分解为两个部分：一部分是不同群组创新绩效水平与最先进创新绩效水平(创新生产异质性)的影响(MRj)；另一部分是群组内同一创新生产下创新效率的影响(IEj)。

2.2　Bootstrap DEA

2.3　投入和产出指标选择

借鉴谢子远[29]和白雪洁等[30]的方法，本文利用资本投入、劳动投入作为创新生产中的要素投入，技术收入和产品销售收入作为产出。其中资本投入包括年末资产(x1，单位亿元)、R&D费用(x2，单位亿元)及科技活动支出(x3，单位亿元)三项指标。劳动投入包括科技活动人员数(x4，单位人)和中高级职称人员数(x5，单位人)两项指标。技术收入(y1，单位亿元)包括企业全年用于技术转让、技术承包、技术咨询与服务、技术入股、中试产品收入以及接受外单位委托的科研收入，代表了高新区的科技研发能力。产品销售收入(y2，单位亿元)是指高新区内企业销售全部产成品、自制半成品和提供劳务等所取得的收入，代表了高新区科技成果的应用和转换能力。本文还利用GDP平减指数消除物价因素的影响。根据《中国火炬统计年鉴》的相关统计数据，2007年中国设立的国家级高新区共有54家，西藏、甘肃、青海、宁夏这四个省际地区并没有国家级高新区。而发展至2011年中国设定的国家级高新区共有89家，除了西藏自治区以外各个省级地区开始均有相关的国家级高新区。为了确保后续实证分析数据的连续性，本文的研究样本选择为2011—2015年，数据来源于《中国火炬统计年鉴》。表1是投入产出变量的描述统计分析结果。

表1　描述统计分析结果

2.4　测算结果分析

采用文献中通用的划分方法，本文将中国分成东、中、西3个群组(东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古)。应用共同前沿方法，需对不同群组的技术异质性进行验证。采用非参数-Wilcoxon秩和检验方法，检验东、中、西三大地区2011—2015年的群组创新效率和共同前沿创新效率的均值是否存在显著的差异，检验结果见表2。

表2的非参数检验结果表明均能在95%置信水平上拒绝两种技术效率值相等的原假设,因此三大地带之间确实存在生产技术的异质性。

表3是2011—2015年东、中、西部地区国家级高新区创新效率的测算结果。

表2　三大地区高新区创新效率差异的非参数检验

表3　2011—2015年三大地区国家级高新区创新效率均值

从表3的结果来看，在共同前沿下，东部地区的创新效率最高，西部居中，而中部地区的创新效率则最低。但在群组前沿下，中部地区的创新效率则最高，东部次之，西部最低。出现这样结果的原因在于，中国东部地区的经济发展、技术水平要大大高于中西部地区，东部地区从而在一定程度上也代表了全国创新的最优水平，这使得两种前沿面下的技术集合差异较小，从而创新效率在两种前沿面下的变化也比较小。但中西部地区两种前沿面下的技术集合差异则较大，两类前沿面的距离发生比较大的变化，在各自的群组前沿下创新效率被高估了。最后，从共同技术率(MR)的结果来看，中国东、中、西三个区域的平均创新技术缺口率分别为0.928、0.727、0.886，这说明东部区域创新水平最高，达到全国潜在创新水平的92.8%，而中、西部则分别实现潜在创新水平的72.7%和88.6%，创新效率还有27.3%、11.4%的改进空间。

3　高新区创新效率的空间相关性分析

现有相关研究表明，地区之间创新产出、创新能力、创新强度等指标均表现出显著的空间相关性特征。后续实证研究为了避免由于忽略空间相关性所造成的内生性问题，需要对前述测算得到的2011—2015年各个地区高新区创新效率的空间分布特征进行识别和检验。本文利用空间统计学技术对上述得到的30个省级地区的国家级高新区创新效率指标进行空间相关性检验，包括全域空间相关性检验和局域空间相关性检验。

3.1　高新区创新效率的全域空间相关性分析

全域空间相关性检验是从区域空间的整体上刻画高新区创新效率空间分布的集群情况。在空间统计方法的使用中，往往利用Moran’s I指数衡量区域之间指标的空间相关性。本文采取K值临近空间权值矩阵(K-Nearest Neighbor Spatial Weights)，用于定义空间对象的相互邻接关系，如果两个地区邻接则为1，不邻接则为0，构建权值矩阵wij。若Moran’s I在统计上显著大于0，表示在地理空间分布中相似的属性值趋向于聚集在一个区域，即存在空间正自相关，数值越大说明空间正自相关性越强；若Moran’s I统计上显著小于0，表示不同的属性值趋向于聚集在一个区域，即存在空间负自相关，数值越大说明空间负自相关性越强；若Moran’s I等于0，则表示不相关，空间分布随机。

表4是2011—2015年各地区国家级高新区创新效率的Moran’s I指数及检验结果，可以看出，2011—2015年各个年份中的Moran’s I指数均通过了5%水平下的显著性检验，且Moran’s I指数均为正值，表明各地区国家级高新区创新效率在考察年份在空间分布上具有显著的正自相关关系，说明各地区国家级高新区创新效率的空间分布并不是表现出完全随机状态，而是表现出相似值之间的空间集群形态，正的空间相关性表示相邻地区特性相类似的空间联系结构，也就是说高新区创新效率低的地区倾向于与其他高新区创新效率较低的地区相临近，高新区创新效率较高的地区倾向于与其他高新区创新效率较高的地区相临近。因此，从整体上看，各地区高新区创新效率的空间相关性是客观存在的，存在明显的空间相关现象。

表4　中国高新区创新效率全局空间相关性检验

3.2　高新区创新效率的局部空间相关性分析

局域空间相关性又称为空间关联局域指标，本文采用的是局域Moran’s I指数进行检验。图1和图2是选取2011年和2015年数据对各个地区高新区创新效率进行局域Moran’s I检验的散点图。

图1　2011年创新效率Moran′s I散点图

图2　2015年创新效率Moran′s I散点图

检验结果表明：2011年，各个地区高新区创新效率表现为共同的空间特征，呈现出正向的自相关性。其中，高-高(H-H)和低-低(L-L)类型占主导地位，绝大部分地区聚集在第一象限和第三象限，即高新区创新效率高的地区相临近(第一象限)，其中包括内蒙古、河北、辽宁、山东、山西、江苏、河南；高新区创新效率低的地区相临近(第三象限)，这些地区包括新疆、青海、甘肃、贵州、云南、江西、湖北、湖南、广西、重庆、四川、宁夏、福建、海南。2015年，绝大部分地区仍然聚集在第一象限和第三象限，第一象限包括内蒙古、河北、辽宁、山东、山西、江苏、河南、陕西，其中陕西从第二象限进入到了第一象限；第三象限包括贵州、云南、江西、青海、湖北、湖南、广西、重庆、四川、福建、海南。总结2011年和2015年的结果，2011年70%(21个)的地区显示了高新区创新效率相似值的正相关联，其中23.3%(7个)的省域在第一象限(H-H：高高新区创新效率-高空间滞后)，46.7%(14个)的省域在第三象限(L-L：低高新区创新效率-低空间滞后)；2015年66.7%(20个)的省域显示了高新区创新效率相似值的正相关联，其中26.7%(8个)的省域在第一象限(H-H：高高新区创新效率-高空间滞后)，40%(12个)的省域在第三象限(L-L：低高新区创新效率-低空间滞后)。

4　创新激励政策对高新区创新效率影响的空间面板Tobit模型分析

4.1　空间面板Tobit模型的设定及检验

理论上，空间Tobit模型的设定有三种形式。

模型1同时空间自回归Tobit模型(Simultaneous SAR Tobit Model，简称SSAR模型)：

(7)

模型2潜空间自回归Tobit模型(the Latent SAR Tobit Model，简称LSAR模型)：

(8)

模型3潜空间误差Tobit模型(the Latent SE Tobit Model，简称SE模型)：

(9)

在一般的计量经济建模中，Tobit模型是对归并变量建模的标准工具。在空间地区因素或者社会网络的交互影响的设定下，经济行为人的选择行为往往受到其他经济行为人选择的影响，所产生的交点解，是产生空间归并变量的重要原因。Pinkse等[31]指出：“离散空间选择模型将是空间计量经济学未来发展的一个新方向。”近年来，空间Tobit模型在实证研究中受到了广泛应用。

4.2　数据来源及模型设定检验结果

根据已有文献对高新区创新效率水平影响因素的研究，本文主要选取以下指标衡量高新区效率状况与相关影响因素。

(1)被解释变量：全国89个高新区省级层面数据的创新效率(y)。

(2)解释变量：本文主要目的是考察创新激励政策是否对高新区创新效率产生积极的影响。大体来说，创新激励政策主要分为两个方面，一个是财政扶持政策，包括补贴、政府采购、财政贴息等；另一类是以税收减免为主的税收优惠政策。而税收优惠政策又被分为直接优惠政策与间接优惠政策。为此，本文对政府激励政策指标的选取，主要是以这三类指标刻画的。其中，财政扶持政策选择高技术产业财政研发补贴(x1)；直接税收优惠选择高技术产业税收优惠(x2)；间接税收优惠政策选择研发费用加计扣除减免税(x3)。

(3)控制变量：

①研发资本存量(x4):研发投入与技术创新有着十分密切的关系。在已有文献中通常采用流量指标，直接用各省每年R&D经费内部支出作为研发资本投入的衡量指标。然而，研发资本的投入对创新活动加强以及创新水平提升的影响是一个长期的过程，也就是说，这种影响不仅仅反映在当期，而是存在于日后多期。因此，研发资本用存量指标进行衡量更加科学。本文参照吴延兵[32]的处理方法，采用永续盘存法核算研发资本存量。

②研发人员数量(x5):本文采用各地区研究与发展全时人员当量来衡量，研发人员数量是影响创新的重要因素，主要从两个方面影响企业创新水平的提升：一是研发人员越多，越有可能创造出更多新的知识，增加本地区的知识积累，从而有利于地区创新能力的提升；二是庞大的研发人员对于区域外部以及国外知识的吸收更加有利。

③企业规模(x6):用各地区规模以上企业生产总值与规模以上企业单位数来衡量。企业规模一般也被认为是影响技术创新的重要因素，企业规模越大越有能力实施更多的研发、创新活动，另外大企业的技术溢出效应也容易对创新集群的形成起到有利的支撑作用。

④所有制结构(x7)：所有制结构指标用各省国有工业企业产值与规模以上工业企业总产值的比值来衡量。一般认为，国有企业资金实力雄厚，在研发投入上是存在优势的。

首先利用LM检验对模型的设定进行检验，检验结果见表5。

表5　空间Tobit模型设定检验

根据表5的检验结果，空间Tobit模型的设定形式应该为同时空间自回归Tobit模型(SSAR)，因此构建如下模型：

yit=max(0,c+λW·yit+β1x1it+β2x2it+β3x3it+β4x4it+β5x5it+β6x6it+β7x7it+εit)

(10)

4.3　空间面板Tobit模型估计结果

利用最大似然估计方法对同时空间自回归Tobit模型(SSAR)进行估计，估计结果见表6。

表6　同时空间自回归Tobit模型估计结果

根据实证结果，我们可以得到如下结论：

第一，财政补贴的回归系数(β1)为-0.039，并且在5%水平上通过显著性检验。这个结果说明，来自政府部门的财政支持非但没有提高高新区的创新效率，反而对高新区创新效率产生了负面影响，这似乎与我们的常规想法相悖。而出现如此结果，可能基于如下三个原因：①对高新技术企业发展的财政支持体制存在一定的问题，由于体制的不畅，使得相当一部分财政支持资金没有真正进入体制研发部门，反而被低效的体制系统消耗掉了。例如，在高新技术企业认定方面，获得财政支持的核心指标是拥有自主知识产权，但政府与申请企业之间存在着较为严重的信息不对称，因此，政府需要投入大量资金以获得在不同领域的专业知识以及判断力，从而对申请企业进行遴选，这就需要政府支付大量的信息成本。其次，由于如何认定自主知识产权却没有一个统一的标准，因此，在具体认定过程中，就出现了较大的灰色空间，从而使得一些企业利用一些非法的手段骗取财政支持，但这些资金并没有进入研发，而是被浪费掉。最后，各地方政府在财政政策扶持的过程中，往往受到政治目标的影响，很多生产效率较低甚至亏损的国有企业获得了大量资金扶持，从而使得资金使用效率大大降低。总之，财政政策扶植高技术产业发展过程中，很大一部分资金落入了“体制陷阱”，导致政策失效。②政府部门对科技创新财政支持中，无偿资助占比太高。在最近10年的财政扶植中，财政无偿资助占比最高的年份达96.5%，最低的年份也达到了70%，平均为83%，如果再加上科研奖励与科研配套，无偿资助占比已经超过90%。如此高比重的非市场化运作方式，必然会导致巨大的市场扭曲，无法确保资金流入高效率及潜在收益大的研发项目中，长此以往，必然会导致很多企业对政府的资助产生严重的依赖性，并且，在这个过程中也存在着极高的道德风险。③扶植缺乏事后监督体制，而更注重的是事前评估，也就是说，重点关注的是创新项目的申报阶段，但在资金拨出之后，获得资助的企业是否取得项目申请时所声称的预期成果却缺乏监督与审核，没有一个可以对企业进行惩戒或者激励的事后监督体制，从而导致很多企业只将精力放在申报补贴阶段，而最终的创新成果不尽人意。

第二，同样令人惊讶的是对研发活动税收激励效应的实证结果，它对高新区创新效率也起到了负向激励作用。从实证结果中可以看出，对研发活动税费扣除补贴的回归系数(β3)为-0.037，并且在1%水平上通过显著性检验。也就是说，政府对高新区提供的税收优惠越多，高新区的创新效率反而越低。这个不符合常理的结果反而恰恰说明了由于在科技企业税收激励上的无差异设计，导致企业在短期利益驱使下改变创新活动中资金投入的构成，进而扭曲科技资源有效配置的事实。特别是那些大中型工业企业，在这种税收优惠政策下，往往更愿意把资金投入那些风险较低、同时科技含量也较低的“再标签”科技项目中，从而导致资金的创新投入产出比很低，资金的使用严重失效。

第三，对高新技术企业的税收减免与高新区创新效率无直接相关性。从实证结果来看，其系数(β2)并未通过显著性检验。按照中国科技税收扶植政策的相关规定，高新技术企业可以获得15%的企业所得税优惠。然而，这一政策在执行过程中，依然与其他政策类似，采取了“一刀切”的做法，只要企业符合一些特定指标规定，如研发投入、研发人员、高新技术产品收入等指标符合一定的要求，就可以被认定为高新技术企业，从而可以获得相应的税收优惠与减免。然而，这一政策至少面临两个方面的问题：①对高新技术产品收入的定义。只要是符合中国高新技术产品名录中的产品就都被认定为高新技术产品。但实际上，很多企业虽然销售这些产品，但产品的核心技术完全是通过购买或引进的，而我们的企业只是在该产品的劳动密集型环节上给予了进一步的加工，因此，这样的企业本质上算不得高新技术企业。对这种企业的税收减免无法有效提高创新效率；②很多企业为了获得税收优惠，努力的方向并不是在如何创新，反而是如何达到高新技术企业的指标认定，由此，很多没有什么创新的企业与真正实施了创新战略的企业同样享有税收优惠，不仅造成不公平，更重要的是造成资金的浪费。

第四，现有的评价机制更是给一些企业造假套取国家税收优惠提供了可称之机。一些企业肆意伪造相关申请资料，冒充高新技术企业，从而套取国家的优惠税收政策。并且，这种现象是很普遍的，审计署在2009年曾进行过一次抽查，在被抽查的116家享受税收优惠的高新技术企业中，竟有85家企业实际上并没有达到高新技术企业认定标准，不合格率高达73%。更为严重的是，甚至一些十分知名的企业也纷纷通过造假获取高新身份，造成了十分恶劣的社会影响。由此，也就不难理解为什么对高新技术企业进行了那么多的税收优惠，但仍无法提高创新效率。

第五，控制变量结果表明,研发资本存量、研发人员数均与高新区创新效率存在正相关关系。企业规模与高新区创新效率无直接相关性，所有制结构与高新区创新效率负相关，说明国有部门占比太高会影响创新效率。

5　结论与启示

研究结果显示，中国高新区创新效率存在着地区不平衡，东、西部创新效率要高于中部地区。创新激励政策并没有很好的起到促进高新区创效率的作用，在我们检验的三种激励政策中，只有对高新技术企业的税收减免对高新区创新效率不显著。而财政扶持以及针对研发过程的税收减免不仅没有提高高新区创新效率，反而起到了相反的作用。出现上述结果的可能原因如下：第一，科技体制存在问题，科技投入没有进入研发活动中而是被体制不畅所造成的低效率消耗了，对高新技术产业的财政补贴大多进入了“体制陷阱”。第二，无偿资助占比太高。尽管这种激励方式具有针对性强、操作简单的优势，但长期来看，这将使得财政资金使用效率低下并导致企业对政府资助产生习惯性依赖，并可能产生严重的道德风险；第三，由于在税收激励政策上的无差异设计，导致企业在短期利益驱使下改变创新活动中资金投入的构成，进而扭曲科技资源有效配置，出现“再标签”行为。第四，针对有资格接受科技优惠政策的企业缺乏合理的评估和追踪机制，导致有些企业造假或者给了一些投机企业可乘之机，为少缴纳税款，大肆伪造高新技术企业申报资料。

针对上述情况，在实施创新激励政策上应该改善支持方式，完善支持机制，从以下几个方面加强完善：第一，首先要提高创新激励支出活动的市场化程度，从而弱化无偿资助的负面效果，因为无偿资助会带来权力寻租、资金配置错位、挤出效应以及道德风险等很多问题，从而导致政策失效。而更加市场化的支出方式则会很大程度上较少这些负面效应，提高资金的使用效率。第二，国家科技政策在支持方式上应该逐渐从政府投入推动型向政府机制推动型转变。也就说，政府应该更加注重完善科技投入机制、创造良好的科技投入环境，通过机制、体制上的构建来引导创新主体增加研发投入，将更多的市场主体吸引到创新活动中来，而不应该一味依赖无偿补贴来刺激创新。第三，要提高政府研发补助的效率，可以从事前评估、事中监督和事后激励等角度考虑。在事前评估上，要积极寻求那些具有较高的研发驾驭能力以及具有较长期的战略规划，并能够积极响应政府研发补助，加强配套投资的企业；事中监督意味着研发补助发放后要时常抽查企业的资金运用情况，这种抽查不是要监督企业必须取得预期的创新成果，因为研发失败率是很高的，一定要求成功也是不现实的。所以，监督的重点在于防止企业将研发补助挪用于其他地方。事后激励则是说，对于成功获得预期创新成果的企业，应该给予奖励，例如，在税收上给予优惠，或者在未来研发补贴方面给予一些优先的权利。第四，在创新激励政策上应该更加注重政策措施的“杠杆效应”，因为研发主体毕竟是企业，政府应该通过加大对基础研究以及共性前沿技术研究的投资来为企业的后续跟进创造机会，从而降低企业进一步研究的成本和风险，刺激企业研发投资，从而充分发挥创新激励政策的“杠杆效应”。