宏观经济政策对政府科技补贴绩效的影响研究——基于“四万亿”经济刺激计划分析

杨 艳，郑雅婷

(湖南大学工商管理学院，长沙 湖南 410006)

一、引 言

改革开放以来，中国社会主义现代化建设取得了举世瞩目的伟大成就，但经济增长过度依赖能源资源消耗，自主创新能力较弱，经济效益有待提高。目前中国处于向创新型国家的转型阶段，如果想要做大做强，就必须依赖自身的研发创新，增强软实力[1]。技术创新源于研发投资，但由于研发具有公共品的特征，其溢出效应降低了企业自主创新的积极性[2]。且技术创新项目具有保密性特征，外部投资者和内部管理者之间存在严重的信息不对称，使得企业难以获得外部融资[3]。因此，社会研发投资水平总是低于最优投资水平，需要政府介入以促进企业的研发创新。2006年，中国颁布了《国家中长期科学和技术发展规划纲要(2006—2020)》，提出加强自主创新能力与建设创新型国家的战略，发挥财政资金对企业自主创新的引导作用。

政府科技补贴是以公共资金直接支持企业技术创新的财政支出。政府补贴政策的有效性已经有许多学者研究，但未能达成一致。有研究表明，政府补贴能够有效提升企业的研发投入水平[4][5]、促进企业的专利产出[6][7]、提升企业的创新效率[8]；然而，也有研究提供相反的证据，认为政府参与资源配置失效，会挤出企业的自主研发投入[9][10]，不利于企业的专利产出[11]和创新效率的提高[12][13]。为进一步厘清政府补贴与企业创新的关系，学者开始关注产权性质[14]、行业特征[15]、外部环境[16]、内部控制[17]、政治关联[18]等因素对政府补贴绩效的影响。然而，现有文献较少从宏观经济政策视角来研究政府科技补贴绩效。

持续深化改革以来，市场经济地位进一步提高，但现实中政府仍对关键性生产要素(如资金、土地等)保持控制。中国的法制不健全、市场机制不成熟、政府力量强大等问题[19]使得政府出台的宏观经济政策对企业行为有重大影响。那么，宏观经济政策如何影响政府科技补贴绩效？“四万亿”经济刺激计划(以下简称“四万亿”)提供了一个检验政府的宏观经济政策后果的理想外部冲击环境。“四万亿”是中国在2007年美国次贷危机席卷全球的环境下，为平滑经济周期、稳定GDP而推出的促进经济增长的十项措施。该计划具有一定的综合性，不仅包括货币政策、财政政策，还包括产业政策等。有研究表明，“四万亿”有效拉动了GDP增长，对拉动内需和抵御外部冲击发挥了巨大作用[20]，但也引发新一轮通胀和更严重的产能过剩等问题[21]。微观而言，该计划显著提高了其重点倾向行业企业杠杆率[22]，如钢铁、水泥等行业的固定资产投资规模进一步扩大[23]；“四万亿”会导致企业投资效率下降[24]，受其重点支持十大行业下的政府控制企业更容易存在过度投资行为。现有文献大多集中于研究“四万亿”对企业投融资行为的影响，而较少研究“四万亿”对企业研发创新行为的影响。在“四万亿”实施期间，受其重点支持行业的企业面对外部需求突然上升以及未来经济高度不确定性的情形，政府科技补贴的绩效是否改变以及如何改变便是值得探究的问题。

基于此，本文选取2007～2014年中国A股上市公司作为研究样本，实证检验了“四万亿”与政府科技补贴绩效的关系。通过手工收集整理，本文从政府补贴明细中提取了政府科技补贴的数据，再以专利申请数衡量政府科技补贴的绩效。在进行实证检验后发现，政府科技补贴可以促进企业专利产出，但“四万亿”会抑制政府科技补贴对企业创新的促进效应。在进一步研究中，本文发现产权性质、是否为高新技术企业、知识产权保护程度均会影响“四万亿”与政府科技补贴绩效的关系。考虑到内生性问题可能引发的偏误，本文采用Heckman两阶段方法为“四万亿”抑制政府科技补贴绩效提供了更为稳健的证据。此外，本文还通过变量替换进行了稳健性检验。

本文贡献在于：将“四万亿”经济刺激计划与企业研发创新行为结合起来讨论，丰富了宏观经济政策对企业行为影响等方面的研究；将专利分为高质量的发明专利和低质量的非发明专利，更为深入地探讨了企业的创新行为；全面、细致地对比了“四万亿”的短期、长期影响；将全部样本按产权性质、是否为高新技术企业、所在地区知识产权保护力度高低进行分组，讨论“四万亿”对不同企业的影响。本文拓展了有关政府科技补贴绩效的影响因素研究，有助于澄清政府科技补贴与创新政策的争议，丰富了宏观经济与企业创新行为的研究。

二、理论分析与假说提出

(一)政府科技补贴对创新的影响

技术创新的高投入是企业技术创新的基础和保证，政府科技补贴可以缓解企业资金压力，激励企业将创新资源分配到高成本的新技术领域，弥补“价格溢出”和“知识溢出”带来的损失，降低企业融资成本和企业对风险高、投入大的创新项目的压力[25][26]。此外，企业获得政府补贴还有信号传递的作用，通过降低技术创新活动的信息不对称性，为企业吸引投资。Maryann等(2006)发现，与未获得政府研发补贴的企业相比，获得政府研发补贴的公司会有更多来源的资金[27]。Kleer(2010)使用信号模型发现如果补贴伴随着一个质量信号，它可以导致私人投资增加或更好地选择[28]。Takalo等(2010)发现在一定条件下，公共研发补贴可以减少科技型创业企业的融资约束[29]。由此，我们提出假说1：

H1：政府科技补贴会激励企业创新。

(二)“四万亿”影响

中国的2008年GDP为30.07万亿元，按计划中央政府将在两年时间就投入4万亿元，加上地方政府投资的18万亿元，该政策涉及的资金占中国经济总量的比重较大，因而对企业经营行为带来巨大影响。一方面，受“四万亿”重点支持的行业需求大增，受其重点支持行业的企业为追逐利润和市场份额，将资源更多投向可以获得短期利润的项目(如固定资产更新、产能扩大等)。有研究表明，“四万亿”使其重点支持行业的固定资产投资规模进一步扩大[23]且企业投资效率下降[24]。由于，企业的资源是有限的，企业的经营重心转到固定资产投资和追逐短期利润必然导致其对高风险研发活动的忽视。另一方面，企业研发行为会随经济周期变化。当企业由于监管、医疗保健和税收等方面的可能变化而对经营成本产生怀疑时，他们会对研发投资计划更加谨慎[30]。企业的研发创新支出是顺周期的[31]、在繁荣时期表现出聚集的趋势[32]。因此，在经济危机时期，企业经营外部环境面临巨大不确定性，致使企业进行研发创新的动力降低，并进而导致政府科技补贴绩效下降。由此，我们提出假说2：

H2：“四万亿”会抑制政府科技补贴绩效。

(三)分组分析

1.产权性质

在“四万亿”实施期间，更多的资源被分配给国有企业[33]，且国有企业的杠杆率比非国有企业的杠杆率增长相对更大[34]。这一方面是因为“四万亿”资金投向主要为基础设施建设、灾后重建、保障性住房建设等国有企业居多的行业，另一方面是出于国有企业天然的政治优越性。因此，在“四万亿”背景下，国有企业面临市场需求大增的情形要远胜于非国有企业，国有企业更可能将资源过多地放在固定资产更新、扩大产能等方面，导致其对研发创新的重视程度下降更多。此外，在经济危机时期，国有企业可能更需要在维护社会稳定和就业方面做出更多贡献[35][36]。由此，我们提出假说3a：

H3a：相对非国有企业，“四万亿”对政府科技补贴绩效的抑制作用在国有企业更强。

2.是否为高新技术企业

高新技术企业是指在2008年《国家重点支持的高新技术领域》内，持续进行研究开发与技术成果转化，形成企业核心自主知识产权的经济实体。高新技术企业认定需满足研发强度、人员构成、科技成果转化能力等条件。相比非高新技术企业，高新技术企业有更强的创新意愿，以及拥有更丰富的知识积累。研究发现，企业知识积累显著提升企业创新能力[37]，并通过创新能力的中介作用促进企业成长[38]。在“四万亿”背景下，中国提出十项扩大内需政策，其中包括加快自主创新和结构调整。在这个背景下，企业获得大量补贴、税收等扶持政策，相比更具创新意愿和创新能力的高新技术企业，非高新技术企业的研发创新成果并不能马上增强。由此，本文提出假说3b：

H3b：相对高新技术企业，“四万亿”对政府科技补贴绩效的抑制作用在非高新技术企业分组更强。

3.地区知识产权保护力度

知识产权保护可以在技术研发阶段减少投资风险、缓解融资压力[39]，是保障专利独占利益的关键。在知识产权保护力度较强的地区，企业因能获得更多的保护而更愿意进行研发创新并将创新成果转化为专利，而在知识产权保护力度较弱的地区，企业研发意愿较弱且较不愿意公开研发成果信息和申请专利。Lin等(2010)研究发现产权保护与企业研发活动显著正相关[40]。在“四万亿”背景下，知识产权保护力度较强的地区受到的负面影响较小，而知识产权保护力度较弱的地区受到的负面影响较大。由此，本文提出假说3c：

H3c：相对在知识产权保护力度较强地区的企业，“四万亿”对政府科技补贴绩效的抑制作用在知识产权保护力度较低地区的企业更强。

三、研究设计

(一)样本选择与数据来源

本文选取2007～2014年A股上市公司为样本进行检验。中国于2007年开始采用新《企业会计准则》，为保证数据的可比性，选择2007年为数据起始期间。2008年底“四万亿”经济刺激计划出台，并于2009年正式实施。政策实施期间为2009～2010年，故在主要分析当中本文采用2007～2010年数据，仅在验证“四万亿”政策的持续性时采用2011～2014年数据。企业财务数据和专利授权数据来自CSMAR数据库，各地区GDP数据来自中国统计局官网。本文对原始数据进行了筛选并剔除了主要变量缺失的样本。由于金融、保险行业特殊性，对创新的需求较弱，故在回归中排除金融、保险行业(根据2012年版证监会行业分类)。并且，经营困难、濒临退市的PT/ST公司，也不再纳入回归分析。最终，共得到6 095个有效观测值，为控制极端值对检验结果带来的偏误，对所有连续变量进行了前后1%的缩尾处理。

(二)变量定义与模型设定

解释变量政府科技补贴(RDSub)取自上市公司财务报表附注中的政府补助项目。本文根据相关介绍是否涉及“研发”“创新”“科研”“新产品”“R&D”“专利”“重大项目”“火炬计划”“星火计划”“973计划”等关键词判断是否属于政府科技补贴，剔除“纳税大户”“上市”“出口”“外贸”“展会”等明显不属于政府科技补贴的项目，并除以总资产进行标准化。被解释变量企业创新绩效一般采用企业新产品收入、专利数量等进行衡量。由于现行上市公司财务报表很难区分新产品收入，故本文采用企业专利数量来描述企业创新绩效。由于专利申请到授权需要一定时间，故用专利申请数量衡量企业创新产出更为贴切，并使用专利授权数量作为替换变量进行稳健性分析。此外，由于从研发到产出需要一定的时间，本文采用滞后一期的专利数量加1后取对数进行衡量。本文被解释变量包括所有专利申请数(LnApply)、发明专利申请数(LnIApply)和非发明专利申请数(LnUDApply)。

为验证假说1，采用PSM模型估计。PSM中的变量包括处理变量、结果变量和协变量：处理变量为当年是否获得政府科技补贴；结果变量为滞后一期的专利申请数；协变量包括企业规模、年龄、资产负债率、是否亏损、托宾Q、产权性质、是否属于高新技术产业以及当地GDP水平。

为验证假说2，采用双重差分模型估计，如式(1)所示。由于部分样本数据的被解释变量专利申请数在左侧取值为0且受时间和行业影响较大，故本文采用单侧Tobit模型进行回归，并控制时间和行业固定效应。

LnApplyit/LnIApplyit/LnUDApplyit=β0+β1RDSubit+β2IndAit+β3IndAit×RDSubit+β4Postit+

β5Postit×RDSubit+β6Postit×IndAit+β7Postit×IndAit×

RDSubit+∑Controlsit+εit

(1)

在上式中，下标i代表企业，下标t代表年份，εit代表误差项。IndA代表企业所处行业是否受到“四万亿”经济刺激计划的重点支持，将农林牧渔、冶金工业、电力、热力、燃气及水生产和供应业、建筑业、交通运输业、房地产业、居民服务业、文化、体育和娱乐业、生态保护和环境治理业、软件和信息技术服务业、装备制造业等行业划分为“四万亿”重点支持行业。Post表示时间变量，中国于2008年底制定“四万亿”经济刺激计划，政策实施期间为2009～2010年，故将2007～2008年定义为Post=0，2009～2010年定义为Post=1。Controls表示控制变量。本文选取可能影响企业创新活动的控制变量有研发投入强度(RDI)、公司规模(Size)、公司成立年龄(Age)、流动比率(Liquidity)、固定资产比例(Tangibility)、经营活动现金流量净额(CF)、独董比例(Indep)、所在地区GDP(LnGDP)以及是否亏损(Loss)。在进一步分析中，本文加入3个变量：产权性质(SOE)、是否为高新技术企业(HighTech)和地区知识产权保护力度(Ipr)。具体定义见表1。

表1 变量定义表

四、实证分析与结果

(一)样本差异性检验

如表2所示，样本企业平均每年专利申请数、发明专利申请数、非发明专利申请数和政府科技补贴占总资产比重分别为1.649、1.075、1.256和0.064%，而所有专利、发明专利和非发明专利的标准差分别为1.648、1.312和1.510，说明样本分布较为分散、差异较大。样本中66.6%的企业属于受“四万亿”重点支持的行业，56.4%的企业为国有企业，而24.6%的企业为高新技术企业。

表2 描述性统计分析

(二)回归结果分析

1.政府科技补贴对创新绩效的影响

为检验假说1，本文采用K近邻匹配(k=1,4)、卡尺内近邻匹配、半径匹配和核匹配的匹配方法。如表3所示，前5列为2007年的样本数据，6～10列为2008年的样本数据，对所有类型专利，不论采用什么匹配方法，处理组的专利申请总数、发明专利申请数和非发明专利申请数都显著高于控制组。因而，政府科技补贴能显著增加企业的专利申请数量，印证了本文假说1。

表3 “四万亿”刺激计划对总专利授权数量的影响

2.“四万亿”刺激计划对政府科技补贴绩效的影响

双重差分模型的估计结果如表4所示。Panel A中，第一列中变量RDSub的估计系数显著为正，说明政府科技补贴对创新绩效有显著的促进作用，再次印证了假说1；第二列中变量IndA的估计系数无显著性表明是否受“四万亿”经济刺激计划重点支持并不会直接影响企业的专利产出；第三列中变量IndA和变量RDSub的交互项系数显著为负，说明变量IndA会负向调节政府科技补贴的创新激励效应；第四列中时间虚拟变量Post的估计系数显著为正表明随着时间推移，企业的专利产出会显著增加；第五列中变量Post和变量RDSub的交互项系数无显著性表明时间虚拟变量不会调节政府科技补贴的创新激励效应；第六列中，时间虚拟变量Post、变量IndA以及变量RDSub交互项的估计系数显著为负，表明与非重点倾向行业上市公司相比，“四万亿”经济刺激计划显著降低了政府科技补贴对重点倾向行业企业申请专利的激励作用，这印证了本文的假说2。在Panel B和Panel C中，变量IndA、时间虚拟变量Post以及变量RDSub交互项的估计系数也显著为负，说明不论是发明专利还是非发明专利，“四万亿”经济刺激计划均会显著降低政府科技补贴的创新激励效应。

表4 “四万亿”对政府科技补贴绩效的影响

3.“四万亿”影响持续性分析

检验“四万亿”影响的持续性，定义Year2009～Year2014共6个时间虚拟变量，每个变量当年取值为1，2007～2008年取值为0，即每个变量只取3年数据，以检验当年样本数据和“四万亿”实施前样本数据的差异。如表5所示，由计划重点倾向行业虚拟变量IndA、时间虚拟变量Year以及政府科技补贴RDSub交互项的估计系数显著性可知，“四万亿”对政府科技补贴绩效的抑制作用呈现先增强后减弱的趋势，在2010年“四万亿”退出之后这种抑制作用并不会马上消失，而是会持续到2012年，这和一般项目的建设周期为2～3年的规律相符合。

(三)分组分析

1.产权性质

不同产权性质企业的双重差分模型估计结果如表6所示，IndA、Post、RDSub3个变量的交乘项系数对于LnApply均显著为负，但国有企业有两颗星的显著度，而非国有企业只有一颗星的显著度，所以“四万亿”对政府科技补贴创新绩效的抑制作用在国有企业更为显著。IndA、Post、RDSub三个变量的交乘项系数对于LnIApply在国有企业显著，而在非国有企业不显著，表明对发明专利而言，“四万亿”对政府科技补贴绩效的影响只在国有企业显著，印证了本文的假说3a。

2.是否为高新技术企业

如表7所示，对于高新技术企业的所有专利、发明专利和非发明专利，IndA、Post、RDSub3个变量的交乘项系数均无显著性，而对于非高新技术企业，IndA、Post、RDSub3个变量的交乘项系数显著为负，说明非高新技术企业获得的政府科技补贴绩效受“四万亿”的影响更为显著，印证了本文的假说3b。

表6 产权性质分组分析

表7 企业是否为高新技术企业分组分析

3.地区知识产权保护力度

如表8所示，对于知识产权保护力度较高的地区，企业的所有专利、发明专利和非发明专利，IndA、Post、RDSub3个变量的交乘项系数均无显著性，而对于知识产权保护力度较低的地区企业，IndA、Post、RDSub3个变量的交乘项系数显著为负，说明“四万亿”对政府科技补贴绩效的影响在知识产权保护力度较弱的地区更为显著，印证了本文的假说3c。

五、稳健性分析

(一)内生性问题控制

更有创新意愿的企业更容易获得补贴，政府补贴又进一步促进企业创新，为解决模型1的自选择问题，本文采用双重差分和Heckman两步法回归进行稳健性分析。Heckman回归的第一阶段回归模型选取的变量包括应交税费TaxPayable、是否亏损Loss、产权性质SOE、公司规模LnAsset、公司年龄Age、地区GDP水平LnGDP以及地区市场化水平Market。如表9所示，变量IndA、Post、RDSub交互项的估计系数显著为负，与表4的结果基本一致，表明与非重点倾向行业上市公司相比，“四万亿”经济刺激计划显著降低了在重点倾向行业公司的政府科技补贴绩效，表明本文的回归估计结果稳健。

表9 Heckman两阶段模型回归结果

(二)改变度量方法的稳健性分析

将所有专利申请数量(LnApply)、发明专利申请数量(LnIApply)和非发明专利申请数量(LnUDApply)依次替换为所有专利授权数量(LnGrant)、发明专利授权数量(LnIGrant)和非发明专利授权数量(LnUDGrant)。如表10所示，变量IndA、Post、RDSub交互项的估计系数显著为负，与表4的结果基本一致，表明与非重点倾向行业上市公司相比，“四万亿”经济刺激计划显著降低了在重点倾向行业公司的政府科技补贴绩效，检验了本文的回归估计结果稳健性。

表10 “四万亿”对政府科技补贴绩效的影响

六、结论与建议

本文基于中国A股上市公司的样本，运用倾向得分匹配和双重差分模型，探讨了“四万亿”经济刺激计划对政府科技补贴创新绩效的影响。研究发现，“四万亿”会抑制政府科技补贴对专利产出的激励效应，这种抑制作用对发明专利和非发明专利均显著，且这种抑制作用不会在“四万亿”政策退出之后马上消失，而会持续到2012年。本文进一步研究表明，相对非国有企业，“四万亿”对政府科技补贴绩效的抑制作用在国有企业更强，且“四万亿”对政府科技补贴绩效的抑制作用只在非高新技术企业显著，而对高新技术企业不显著；同时“四万亿”对政府科技补贴绩效的抑制作用只在知识产权保护程度低的地区显著，而对知识产权保护程度高的地区不显著。

本文的研究结论能得出如下启示：第一，在2007～2014年，中国处于创新型国家建设初期，政府科技补贴对创新具有显著的激励效应，这印证了采取补贴方式激励创新的重要性。第二，由于科技补贴绩效会因内外部因素而波动，因此，相关部门应建立相关的评审机制，对企业研发成果进行检验，避免企业将补贴资金用于与研发创新不相关的其他经营活动，以提高政府研发补贴资金的使用效率。第三，“四万亿”成功地让中国经济在2009年快速复苏，但它在一定程度上扰乱了市场秩序，尤其是在政策重点支持的行业。且其影响在该计划退出后持续存在。因此，政府在今后面对类似宏观经济波动时，出台刺激政策不仅应考虑政策短期内对经济的提振作用，也需考虑政策对企业行为的长期影响。第四，不同产权性质的企业受到的影响具有显著差异，政府在制定经济政策时，应考虑政策影响对象的综合情况，以免导致经济结构失衡。并且，相关部门应加强对小型民营企业的创新激励，在财税政策等方面适当倾斜以达到实质公平。第五，“四万亿”对政府科技补贴绩效的抑制作用主要体现在非高新技术企业，说明企业知识积累和创新能力对政府补贴绩效的发挥有重大影响，有关部门在发放补贴时可加强对企业历史研发数据的审查。第六，良好的知识产权保护环境可以保护企业的研发创新行为，政府应大力培养良好的知识产权保护制度，为企业创新提供制度保障。

本文的主要创新点如下：(1)从研究视角上看，现有文献较少关注宏观经济政策对政府科技补贴绩效的影响，本文将“四万亿”与政府科技补贴绩效联系起来，揭示了“四万亿”对政府科技补贴绩效的作用机理，并提供了经验证据。这既丰富了“四万亿”的经济后果研究，又拓展了政府研发补贴绩效的影响因素分析。(2)从研究内容上看，文章考察了微观及宏观两个维度的异质性对“四万亿”与政府研发补贴绩效的影响，即从企业产权性质、是否为高新技术企业及所在地区知识产权保护力度差异性等维度细化了“四万亿”对政府科技补贴绩效的影响，并进一步检验了“四万亿”的持续性影响，延伸和拓展了“四万亿”对政府研发补贴绩效的影响研究。(3)从研究方法上看，利用倾向得分匹配、两阶段最小二乘法来控制政府研发补贴和企业创新行为之间可能存在的内生性问题，从而使研究结论更稳健、更具说服力。本文对于全面、系统地评价“四万亿”经济刺激计划有一定的帮助，为政策制定者提供一定的借鉴和参考。