政府R&D支持、企业创新资金对其创新效率影响的实证研究

伍虹儒

摘 要：政府R&D支持与企业创新资金是推动企业创新效率提升的主要力量。然而由于市场不完全、信息扭曲等原因，两者产生不同的创新产出效果，既“替代”，又“互补”。文中采用随机前沿模型和threshold回归模型，通过对2007—2018年成都高新区内120家上市科技企业的创新数据进行分析，探讨政府R&D支持与企业创新资金对企业创新效率的影响，以及两者发挥作用的最佳范围。研究结果显示，目前国内企业在创新过程中，政府R&D支持对企业创新效率呈负作用，现有政策尚未发挥应有的效应。企业创新资金有助于创新效率的提高，具有推动作用。政府R&D支持产生最佳效应的范围在0.171以上，企业创新资金的最佳范围是0.577～0.664.

关键词：政府R&D支持;企业创新资金;企业创新效率;最佳范围;最佳效应

中图分类号：F 425   文献标识码：A   文章编号：1672 - 7312（2020）02 -0119-07

Abstract：The government R&D support and enterprise innovation fund are the main power to promote their innovation efficiency.However，due to the incomplete market and the distortion of information，the two have different innovative outputs，which are both “substitute” and “complementary”.Based on the innovation data from 120 listed S&T enterprises in Chendu hi-tech industrial development zone（2007-2018），this paper examined the impact of government R&D support and enterprise innovation fund on enterprise innovation efficiency by using the stochastic frontier model and the threshold regression model.Moreover，the optimal range of their impact has been analyzed respectively.The results show that government R&D support influences enterprise innovation efficiency negatively，and policies do not play role properly.However，enterprise innovation fund can promote their innovation efficiency.The optimal extent of government R&D support is over 0.171，and enterprises innovation fund is 0.577 to 0.664.

Key words：Government R&D support;Enterprise innovation fund;Enterprise innovation efficiency;Optimal extent;Optimal effect

0 引言

隨着国内企业竞争实力的不断提升，企业资金逐步得到累积，除满足必要的生产运营需要以外，有更多的资金投入到R&D中。而且面对来自于国内国际市场的激烈竞争，企业要实现产品竞争力的提升，扩大产品的市场份额，也需要不断增加其创新投入，从而获得维护其核心竞争优势。此外，政府对企业的R&D支持规模也呈不断上升的趋势，对促进企业创新效率起到了重要的引导作用。众多创新政策促进企业提升创新效率。但是，和科研事业发达的国家相比较，国内企业创新整体水平仍较低。因此，实现政府R&D支持和企业创新资金使用效率的最佳化，就成为影响企业创新效率的核心要素。

企业的R&D经费主要来自于政府支持与企业自筹，两者是企业开展创新活动的主要保障。企业R&D经费往往以市场需求为主导，以开发新产品、新技术和新工艺为主要目的，因此，企业R&D经费的使用效果和效率会高于政府R&D支持[1]。但是，由于信息不对称、R&D资源的垄断等原因，企业R&D经费投入会受到影响，这为政府向企业提供R&D支持奠定了理论基础[2]。与此相同，政府R&D支持也会受到市场不完善、制度缺失等问题的影响，而且还容易出现政府R&D支持效率低下，反应缓慢等问题[3]。由此，企业创新资金与政府R&D支持对企业创新效率的影响有哪些？有没有区别？怎样通过调整R&D经费结构实现企业创新效率的最优化？这些问题亟待解决。

综上所述，文中拟从以下两方面展开研究：采用随机前沿模型实证分析政府R&D支持与企业创新资金对企业创新效率的作用;采用Threshold回归模型确定政府R&D支持与企业创新资金产生最佳效应的范围。

1 理论概述

政府R&D支持与企业创新资金作为创新系统的重要组成部分，是推动企业创新效率提升的主要力量。然而由于市场不完全、信息扭曲等原因，两者产生不同的创新产出效果，既“替代”，又“互补”。

1.1 政府R&D支持与企业创新资金对企业创新效率的效应分析  在企业开展创新活动的过程中，政府R&D支持与企业创新资金均对企业创新效率的提升产生重要影响。但是由于R&D资金来源的主体不同，两者存在不同的效应，文中接下来着重从作用领域、作用方式和参与程度3方面进行总结。

企业是国家创新系统中开展创新活动的主体。企业创新资金在其R&D过程中产生重要影响，而政府R&D支持则以引导和规范为主。面对市场的激烈竞争，企业以顾客需求为导向，通过开发具有应用价值的新产品和新服务，来获得维持企业的竞争优势。通过使用先进技术，增加R&D投入，提高创新效率。由此，企业对R&D经费的使用效果会格外关注，R&D经费使用效率将会优于政府R&D支持[4]。

政府R&D支持与企业创新资金关注的领域不同，政府主要集中在基础研究范畴，而企业则以实用类研究为重点，因此，面向不同的领域带来截然不同的创新成效。实用类研究注重开发能够满足市场需求的新产品和新服务，针对性强。企业通过迅速实现技术的商业化，扩大市场份额，获得利润最大化，企业创新效率高[5]。与此相反，基础研究虽然在短期内难有成效，但是从长期来看，其引领相关领域的研究，会产生巨大的社会效益和经济效益，提高企业整体创新水平。由此，可以认为，政府R&D支持的创新效率更高。

企业创新资金使R&D资源结构产生改变，而政府R&D支持则以现有的资源为基础。政府通过资金支持的方式，解决企业在R&D过程中面临的资金问题。然而，内部效应、腐败等现象的存在，使得政府R&D支持的效率降低[6]。相反，企业通过敏锐的市场洞察力，获得有价值的信息，以“干中学”的方式掌握新知识和新技术，从而实现对R&D资源的合理配置，提高创新效率[7]。但是，事实上由于R&D资源垄断、信息不对称等问题，使企业在配置创新资源过程中出现失误，进而影响创新效率的提升[8]。

1.2 政府R&D支持与企业创新资金的最佳范围分析  作为企业开展创新活动的重要保障，政府R&D支持与企业创新资金相辅相成，相互弥补各自产生的负面影响，形成“互补”。通过这种关系，两者对企业创新效率的作用实现最佳化。然而，由于政府R&D支持与企业创新资金的局限性，又使得两者相互挤出，形成“替代”，给企业创新效率带来负面效应。

具体来说，政府R&D支持与企业创新资金的“互补”主要表现在，前者使后者的投入程度加大，后者又提高前者的使用效率。

第一，政府R&D支持对企业创新资金产生引导作用。Saban等[9]指出，政府R&D支持可平衡企业创新成本，降低企业面临的R&D风险，提高企业创新热情。张玉玲、葛玉辉和姚莹莹[10]认为，政府R&D支持能够推动企业创新资金的投入，实现专利数量的增加。贺红、师泽远和雷战波[11]认为，政府R&D支持能有效促进企业创新动机的提高，政府R&D支持对企业创新资金不会产生“挤出”作用。

第二，企业创新资金对政府R&D支持产生“正向激励”作用。企业创新资金一方面可以提升其自身的创新水平，实现政府支持的预期目标;另一方面也显示出企业和国家利益的统一，进一步吸引政府R&D支持。曾晓花和周怀峰[12]，吴延兵[13]等学者指出，企业增加创新资金，不仅使其自身的创新能力得到提升，而且带动整个社会技术创新水平的提高。以此良性循环，企业在国家创新系统中的作用逐步凸显，政府则进一步增加对企业创新活动的支持，以充分发挥企业作为创新主体的主导作用[14]。

政府R&D支持与企业创新资金的“替代”效应主要表现为两者相互“挤出”。第一，前者挤出后者。若企业获得政府R&D支持的难度较低，则企业容易失去进行创新活动的热情。Cohen和Levinthal[15]，Huber[16]研究发现，政府在选择R&D支持项目时，一般倾向于回报率高、成功可能程度大的项目，而这些项目又正是企业要开展的。一旦获得政府R&D支持后，企业将使用政府R&D经费，取代原先安排的创新投入，或者是开展获得支持的项目，放弃没有获得支持的项目。因此，政府R&D支持对企业创新资金产生“挤出”作用[17]。

第二，企业创新资金会带来政府R&D支持的降低。企业在竞争激烈的市场中，为实现持续发展，已能够充分掌握判断各种信息[18]。随着国内企业创新资金的使用取得良好成效，企业创新效率得到提升，促使企业进一步增加创新资金[19]。随着投入规模的扩大，政府R&D支持部分被挤出，导致政府R&D支持规模不断缩小[20]。

2 研究模型与变量设定

2.1 研究模型

2.1.1 基础模型

目前，生產函数主要有柯布-道格拉斯与超越对数2种形式。通过比较分析，文中认为，柯布-道格拉斯函数尽管在形式上较为简单，但白俊红等[21]假设技术中性和产出弹性固定，超越对数则放宽这些假设，且形式灵活。傅晓霞和吴利学[22]认为，超越对数函数能有效避免估计偏差。

2.2 变量设定和数据来源

2.2.1 变量设定

文中采用的主要变量见表1.

2.2.2 数据来源

文中以成都高新区内120家上市科技企业为分析样本，主要涉及电子信息、装备和生物医药行业。所分析数据主要来源于2007—2018年企业年报数据和成都市经信委技术中心统计数据，并附以调查问卷和走访调研。为使数据更加准确，使用国家知识产权局公布数据确定企业发明专利数。

3 实证结果分析

3.1 基础模型验证与实证结果分析

企业R&D過程中从企业创新资金使用到创新产出有一定时期的滞后[25]。不同学者对这一滞后期的设定也有所不同，分别为1年[26]、2年[27]和3年[28]。为全面考虑上述情形，文中在对随机前沿模型进行实证验证时，将滞后期设定为无滞后、滞后期为1年、滞后期为2年和滞后期为3年这4种情况。

之所以出现上述结果，文中认为主要有2方面原因。第一，政府R&D支持程度偏低。政府对企业进行R&D支持的主要目的是引导其创新方向，平衡企业创新成本，解决长期负债可能导致企业失去创新热情的问题。目前，由于国内市场活力不足，企业缺乏创新投资的意愿和能力，政府应为其提供必要的经费支持，促进企业创新动机的提高。但是，较少的政府R&D支持经费，使企业创新缺少必要的资金保障，而缩减其R&D规模，进而企业的创新能力降低，阻碍创新效率的提升。第二，则是由于政府R&D支持程度偏高。偏高的政府R&D支持经费导致创新要素需求的增加，但是由于市场在较短时期内对这类稀缺创新资源缺少供给，从而带来创新关键要素价格的提高，最终使企业创新成本提升。因此，部分企业会选择盈利水平高的项目，而终止盈利水平低的项目。研究结果显示，两者的“挤出”作用在创新资源缺乏的国家非常显著[29]。由此，文中认为偏低或者偏高的政府R&D支持程度均阻碍企业提升创新效率。

代表企业创新资金的变量lnEIFit在M1和M2中的回归系数均为负，且显著，通过5%的显著性检验。在M3和M4中，回归系数均为正，但不显著，这表示企业创新资金推动其创新效率的提升。企业为实现持续发展，能够准确了解和掌握相关的市场信息，合理确定创新资源的投入规模，使其具有相对科学的比例，带动R&D水平的提升。

此外，政府通过有效的干预，降低了“市场失效”对企业创新活动的影响。企业创新资金以政府引领为主导，确保选择正确的投资领域、方向和规模，实现资金能够投入到稀缺的领域，从而带动企业创新效率的提升。

表示技术合同交易额的lnTCTit，表示R&D人员构成比例的lnLit，表示企业对外开放程度的lnOpenit在M1，M2，M3和M4中的回归系数均为负，且显著。这代表其均有效提升了企业的创新效率。企业的技术合同交易额越高、R&D人员构成比例越高、企业对外开放程度越高，其创新效率就会越高。

综上所述，政府R&D支持对企业创新效率产生负效应，而企业创新资金对创新效率起推动作用。由此，文中认为政府R&D支持程度偏低或偏高，企业创新资金投入程度相对合理。那么要实现国内企业创新效率的最优化，两者是否存在产生正向效应的最佳范围？接下来，文中将使用threshold模型验证是否存在政府R&D支持程度与企业创新资金投入程度的门槛，并据此分析两者的门槛特征，进而确定两者产生正向效应的最佳范围。

3.2 Threshold模型验证与实证结果分析

根据上述研究，文中接下来分析要实现企业创新效率的最大化，政府R&D支持与企业创新资金产生正向效应中是否存在最佳范围。为此，文中将政府R&D支持程度与企业创新资金投入程度作为Threshold变量。

3.2.1 Threshold验证

通过对Threshold效果验证，确定门槛数量。文中分别设定存在无门槛、一重门槛、双重门槛和三重门槛4种情形，并依次对M3和M4进行验证，验证结果见表3.

表3数据显示，政府R&D支持程度在M3中存在三重门槛，且显著。企业创新资金投入程度在M4中存在三重门槛，且显著。各Threshold值的回归结果见表4.

表4数据显示，通过Bootstrap对M3进行估计所得ωGThreshold值分别是0.050，0.107和0.171.由此结果可知，政府R&D支持程度不同对企业创新效率产生不同影响，分为4个区间。低政府R&D支持程度，ωG≤0.050.次低政府R&D支持程度，0050<ωG≤0.107.次高政府R&D支持程度，0.107<ωG≤0.171.高政府R&D支持程度，ωG>0.171.通过Bootstrap对M4进行估计所得ωEThreshold值分别是0.577，0.664和0.727.由此结果可知，企业创新资金投入程度不同对企业创新效率产生不同影响，分为4个区间。低企业创新资金投入程度，ωE≤0.577.次低企业创新资金投入程度，0.577<ωE≤0.664.次高企业创新资金投入程度，0.664<ωB≤0.727.高企业创新资金投入程度，ωE>0.727.

3.2.2 回归估计与实证结果分析

文中对有Threshold变量的M3和M4进行回归估计，结果见表5.

M3数据显示，要降低政府R&D支持对企业创新效率的负效应，必须使其支持程度突破一定Threshold值。当政府R&D支持程度小于0.050时，尽管政府R&D支持对企业创新效率产生的负面影响最小，弹性为-0.050，但是由于目前国内政府R&D支持均已大于该比例，因此，文中要寻找一个更高的比例。当政府R&D支持程度为0.050～0107时，政府R&D支持对企业创新效率产生的负面影响较大，弹性为-0.105.当政府R&D支持程度为0.107～0.171时，政府R&D支持对企业创新效率产生的负面影响有所降低，弹性为-0.086.当政府R&D支持程度为0.171时，政府R&D支持对企业创新效率产生的负面影响比较小，弹性为-0066，尽管该数值小于第1区间的弹性-0.050，但是两者较为接近。

M4数据显示，企业创新资金对其创新效率的作用有显著的门槛性。要实现企业创新资金对其创新效率的推动效应，必须使企业创新资金投入程度位于合理范围内。企业创新资金投入程度偏低或者偏高，均会降低企业创新资金对其创新效率的正向效应。当企业创新资金投入程度小于0.577时，弹性为0.115，这意味着企业创新资金不足，对企业创新效率产生的影响有限。当企业创新资金投入程度为0.577～0.664时，企业创新资金对其创新效率产生最佳的推动效应，弹性为0.160.当企业创新资金投入程度为0.664～0.727时，企业创新资金對其创新效率产生的影响出现降低，弹性为0.145.当企业创新资金投入程度大于0.727时，企业创新资金对其创新效率产生的推动效应不断降低，弹性为0126，但是大于第1区间的弹性0.115.

根据上述实证分析结果，文中认为目前国内政府R&D支持程度大于0.171时，企业创新资金投入程度为0.577～0.664时，能够降低两者对企业创新效率的负面效应，从而使国内企业创新水平得到提升。

4 研究结论

首先，文中就政府R&D支持与企业创新资金对企业创新效率的作用机制进行分析。其次，采用成都高新区120家上市科技企业的创新数据开展实证研究（2007—2018年），剖析两者对企业创新效率产生的影响。总的来看，国内政府R&D支持对企业创新效率产生负效应，企业创新资金能够带动企业创新效率的提升。通过使用Threshold模型确定政府R&D支持程度与企业创新资金投入程度产生最佳效应的范围。实证结果显示，目前国内政府R&D支持程度的最佳范围应在突破0.050的基础上，实现大于0.171，企业创新资金投入程度的最佳范围是0.577～0.664，这样才会最大限度地降低政府R&D支持对企业创新效率的负效应，充分发挥企业创新资金对其创新效率的推动作用。

据此，文中认为政府与市场应在企业创新过程中充分发挥各自的作用，为国内企业开展创新活动提供良好的环境与充足的经费保障。第一，政府应增大R&D支持规模，实现政府R&D支持程度在最佳范围内，降低政府R&D支持对企业创新效率的负效应。第二，政府应逐步完善激励企业创新资金投入的优惠政策，提高企业开展创新活动的主动性。此外，企业应通过增加创新资金，采用先进技术和吸引外来优秀人才，逐步提高产品的市场竞争力，充分发挥作为创新主体的重要作用。

参考文献：

[1] Grifin A.The effect of project and process characteristics on product development cycle time[J].Journal of Marketing Research，2017，34：24-35.

[2]Poter M E.Competitive strategy[M].New York：Free Press，2018.

[3]Barmey J.Firm resources and sustained competitive advantage[J].Journal of Management，2015，17（1）：99-120.

[4]Prahalad C K，Hamel G.The core competence of the corporation[J].Harvard Business Review，2016，68（3）：79-91.

[5]Hughes C D，Chafin D C.Turning new product development into a continuous learning process[J].The Journal of Product Innovation Management，2010（13）：89-104.

[6]岳洪江，张 琳，梁立明.基金项目负责人与科技人才年龄结构比较研究[J].科研管理，2002（06）：100-106.

[7]樊 纲，王小鲁，马光荣.中国市场化进程对经济增长的贡献[J].经济研究，2011（02）：4-16.

[8]邢 毅.市场失灵-政府对高新技术产业规制的缘起[J].华东经济管理，2014（05）：60-63.

[9]Saban K，Lanasa J，Lackman C，et al.Organizational learning：a critical component to new product development[J].Journal of Product & Brand Management，2010，9（02）：99-119.

[10]张玉玲，葛玉辉，姚莹莹.TMT跨界行为对企业创新绩效的影响研究[J].技术与创新管理，2019（04）：425-432.

[11]贺 红，师泽远，雷战波.科技优势转化为发展优势的SWOT分析-以西安市为例[J].技术与创新管理，2016（05）：497-501.

[12]曾晓花，周怀峰.农业龙头企业科技创新财政支持政策研究-以广东省为例[J].技术与创新管理，2015（05）：415-420+438.

[13]吴延兵.R&D存量、知识函数与生产效率[J].经济学（季刊），2016（04）：1129-1156.

[14]Cusumano M A，Nobeoka L.Strategy，structure and performance in product development：observations from the auto industry[J].Research Policy，20011（21）：265-293.

[15]Cohen W M，Levinthal D A.Absorptive capacity：a new perspective on learning and innovation[J].Administrative Science Quarterly，2010（35）：128-152.

[16]Huber G P.Organizational learning：the contributing processes and the literatures[J].Organization Science，2011，2（01）：88-115.

[17]Brockman B K，Morgan R M.The role of existing knowledge in new product innovativeness and performance[J].Decision Sciences，2013，34（02）：385-419.

[18]Gold A H，Malhotra A，Segars A H.Knowledge management：an organizational capabilities perspective[J].Journal of Management Information Systems，2016，18（01）：185-214.

[19]王晓琦，万振塬.专利视角下陕西省航空航天制造业创新能力分析——基于Granger检验和VAR模型[J].技术与创新管理，2019（04）：433-440.

[20]任 振，王成程，沈敏圣，等.基于改进霍尔三维结构的重大科研项目风险管理研究[J].技术与创新管理，2019（04）：470-475.

[21]白俊紅，江可申，李 婧.应用随机前沿模型评测中国区域研发创新效率[J].管理世界（月刊），2019（10）：51-61.

[22]傅晓霞，吴利学.前沿分析方法在中国经济增长核算中的适用性[J].世界经济，2017（07）：56-66.

[23]Battese G E，Coelli T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics，1995（20）：325-332.

[24]Hansen B E.Threshold effects in non-dynamic panels：estimation，testing and inference[J].Journal of Economics，1999，93：345-368.

[25]Moorman C.Organizational market information processes：cultural antecedents and new product outcomes[J].Journal of Marketing Research，2015，32（03）：318-335.

[26]Lynn G S.New product team learning：developing and profiting from your knowledge capital[J].California Management Review，1998，40（04）：78-93.

[27]Lynn G S，Reilly R R，Akgun A E.Knowledge management in new product teams：practices and outcomes[J].IEEE Transactions on Engineering Management，2010，47（02）：221-230.

[28]Tatikonda M V，Rosenthal S R.Technological novelty，project complexity and product development execution success[J].IEEE Transactions on Engineering Management，2010，47（01）：78-87.

[29]Verworn B，Herstatt C，Nagahira A.The fuzzy front end of Japanese new product development projects：impact on success and differences between incremental and radical projects[J].R&D Management，2018（38）：1-19.

（责任编辑：严 焱）