政策关注度与企业创新——基于政府资助的传导机制

傅利平，高 歌

(天津大学管理与经济学部，天津 300072)

0 引言

2012年党的十八大提出实施创新驱动发展战略，要求着力增强创新驱动发展新动力，2017年党的十九大报告又指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。企业作为国家创新体系的核心与主体，如何促进企业创新以驱动经济可持续发展，成为当前亟待研究解决的重大现实课题。政府作为引导与规范企业行为的重要角色，企业的创新与政府行为的关系也一直是学术界关注的焦点。在经济发展进入新常态的形势下，更需要政策来引导鼓励企业创新，因此，科学衡量政府对于企业创新的引导作用有着重要的现实意义。

目前关于政府行为与企业创新，既有研究可以归结为两方面展开讨论：一种观点从政策的文本和高管政治关联出发，以 “是否受到政策激励”和 “是否具有政治关联”为研究切入点，探究产业政策与政治关联对企业创新的效果与机制。已有研究认为当公司受到产业政策激励时，有助于民营企业突破行业壁垒和获得更多银行融资支持，即使是群团组织改革的政策通过优化企业创新网络和整合异质性资源也提升了企业的创新能力[1]。另一种观点从政府资助的角度出发，政府通过给予企业研发补助、研发拨款[2]、对研发企业的税收优惠[3]、提供研发低息贷款等政策措施，对企业创新活动予以鼓励，考察不同政府资助方式对企业创新行为的不同影响作用。现有研究在政府政策对企业影响的单一方向已经积累了丰厚的成果，但是缺少从企业角度出发对政策关注的有效衡量；并且大多只探寻了影响机制与不同方式的差异，并没有对传导过程进行深入研究。因此，本文在此基础上，根据 “政策关注—政府资助—企业创新”链式分析框架，首先，根据资源依赖理论梳理出企业政策关注对创新影响的理论模型；然后，基于机器学习、文本分析方法，构建一种更加精确的测量企业政策关注度的指标，并利用企业年报与政府工作报告对企业的政策关注度进行测量；最后，实证检验政策对企业创新行为影响的传导机制。

本文的边际贡献可能在于：①在研究切入视角方面，从企业对政策的主动关注度出发，探寻企业政策关注度在政府对企业创新的影响中发挥的作用；②探寻了政府补贴和税收优惠的传导机制，在一定程度上揭示了政策对企业创新的影响路径；③将计算机领域中的机器学习方法引入政策文本分析中，丰富了政策分析的衡量方法与度量思路。

1 理论分析与研究假设提出

1.1 政策关注与政府资助

政府对企业的作用可以分为隐性的政治关联和显性的政策影响两个方面。目前，已有研究主要集中于政府的产业政策与企业的政治关联对企业绩效的影响及其作用机制。在政治关联方面，大部分学者都认为政治关联能够促进企业获得的资源范围或者减少一些额外费用，如制度理论学者认为企业的政治关联能够帮助企业减少一些非必要的租金征收，并且能够帮助企业获取所需的资源、信息等，对企业经营发展产生促进作用[4]。企业与投资者之间的信息不对称导致企业创新外部融资约束[5],而良好的政治关联能够在一定程度上解决这种问题，比如更易通过证监会对IPO审核[6]，便利企业融资[7]，在发生财务危机时更易得到政府救助[8]，郭海等进一步考察了企业发展阶段与行业环境的复合情境化影响，认为政治关联与企业市场绩效之间存在更为复杂的动态关系[9]。在政策影响方面，产业政策本身就是通过提供低息贷款、研发补贴以及税收优惠[10]等资助方式影响企业，不止于此，产业政策可以看作是一种传递政府差异配置产业资源差的信号，由于创新的不确定性，企业与投资者之间的信息不对称导致了企业外部融资约束[6]，产业政策有助于降低市场主体对相关产业的顾虑，同时增强投资人的信心，降低企业经营成本和扩大资金来源，带来更多的资助效应。

综合来看，上述研究都是从企业单一接受的角度证实了企业具有政治关联，或者在产业政策激励范围内时对企业的影响，并没有考察企业主动关注政策给企业带来的作用。为了更好地解释政策关注对于企业产生的影响，本文引入资源依赖理论 (Resource Dependence Theory)构建理论框架。相对于早期的封闭组织观，资源依赖理论认为包括企业在内的社会组织有能动性去调整组织的外部控制条件，并指出包括企业政治行为在内的五个重要的理论应用领域。该理论认为，没有任何组织在资源上是完全自给自足的，因此组织的生存和发展依赖于从外部环境中获取资源和管理不确定性的能力。政治环境作为企业所处的环境之一，企业会通过一定的策略寻求与政府的合作以换取所需资源[11]。例如，通过政治关联获取有效信息和其他资源，参与行业标准制定，或者根据政策调整生产经营活动等，从而获得更多的补助或者市场份额，并以此应对市场竞争压力。根据资源依赖理论，企业需要遵守政策，以减少来自政府的约束力，同时迎合政策也能够获得相应的资源，政府干预政策 (补贴、许可等)是可以作为政治产品进行交易的[12]。企业将政府作为一种生产要素或者要素载体，通过关注政策来获取相关资源，帮助实现自身的战略目标。根据以往研究从政府补助、税收优惠和融资约束三个方面出发，做出如下假设。假设H1a：企业的政策关注度对企业当年所获政府补助有正向作用；假设H2a：企业的政策关注度对企业当年税收优惠有正向作用；假设H3a：企业的政策关注度对企业当年融资约束有改善作用。

考虑到政府资助的审批环节与执行时间，政府资助方式对企业的作用存在一定的时滞性[13],对政策关注度与政府资助做出补充假设。假设H1b：企业的政策关注度对企业次年所获政府补助有正向作用；假设H2b：企业的政策关注度对企业次年税收优惠有正向作用；假设H3b：企业的政策关注度对企业次年融资约束有改善作用。

1.2 政府资助与企业创新

政府是国家创新体系与制度的设计者，又是市场规则的制定者、企业创新的推动者，政府的相关政策、各种形式的资助必然会对企业的创新产生影响。政府资助是促进企业创新还是抑制企业创新，依然存在争论。 “挤入效应”支持者认为政府资助能够对企业创新产生积极作用，直接补贴为企业带来现金流入，税收优惠为企业降低实际税负，在一定程度上减少了现金流出，降低了企业的现金压力，增加了资金的内部积累，为企业创新提供了内源融资能力[14]。对于创新企业来说，研发融资受到的融资约束比传统融资更为严重[15]，政府资助能够改善企业的融资环境，促进企业创新，并且不同形式的政府资助影响效应也不相同[16]。企业创新具有高风险性和正外部性，政府补助可以有效降低企业研发成本，补偿创新正外部性带来的成本与收益风险[17]，政府提供的直接补贴、税收优惠政策都能降低企业创新活动的成本，或是直接缓解企业的资金紧张[18]，这些资源的获取将直接或间接影响企业包括研发投入在内的长期投资决策。支持 “挤出效应”的学者则认为，政府资助会导致企业的寻租行为，使得短期效益提升，从长期来讲对企业创新产生了消极作用。政治关联可以通过资助，助长企业过度投资等行为影响企业创新，抑制了企业技术创新[19]。然而 “挤出效应”与 “挤入效应”并不都是只能单一存在的，从企业个体层面而言，直接资助和间接资助对不同企业间同时存在杠杆效应和挤出效应[20]，在某些情况下直接资助方式对企业研发资金投入更易产生 “挤出效应”，间接资助方式对企业研发资金投入更易产生 “杠杆效应”，由于企业规模和产权性质的不同也有所不同[21]。在以创业板上市公司为样本，考察政府补助与税收优惠对企业的激励作用的研究中，得到与周海涛等相反的结论[22],再结合生命周期的视角探寻了政府补助、税收优惠与企业创新绩效的关系则能够得出更丰富的结论[23]。

从已有研究成果来看，多数学者都认为政府资助对企业创新有促进作用，并且很多学者还将不同资助方式的不同作用进行了区分。从资源依赖的角度来看，企业与政府之间是基于交换的共生性依赖关系[8]，政府资助缓解了企业的资源紧张，同时企业创新也为政府带来一定的资源。在创新驱动发展战略的背景下，政府需要企业进行创新来印证政策的实施效果，但是鲜有将政府资助作为政策关注度与企业创新行为的中间传导机制进行研究的。基于此，本文提出假设H4a：企业当年融资约束、所获得的政府补贴与税收优惠对企业创新有正向作用；H4b：企业次年融资约束、所获得的政府补贴与税收优惠对企业创新有正向作用。

图1所示为概念模型，根据本文的假设，描绘了企业政策关注度与政府补贴、税收优惠、融资约束以及企业创新行为三者之间的关系。

图1 概念模型

2 研究设计

2.1 样本选择

本文选取2010—2019年深沪两市A股上市公司作为研究样本，删除年度专利申请总数小于1 的公司，最终样本有3337个观测值。企业的年度报告来自上市公司年度披露的公开信息，每年的政府工作报告来自中国政府网，专利数据和企业财务数据来自国泰安数据库，企业研发投入数据来自wind数据库。为了消除极端值的影响，对连续变量的1%和99%百分位进行Winsorize 处理，以下数据报告均基于处理后的数据结果。

2.2 企业政策关注度的构建

(1)构建思路。现有对于政策和企业创新影响的研究中，大多集中于公共政策如何使企业接受并发挥作用的视角，忽略了企业微观主体主动关注政策对自身产生的影响，针对这一点，本文提出了企业 “政策关注度”这一指标来衡量企业关注政策的程度。

企业年报是企业在报告期内对经营活动的总结报告，包含当期公司从事的主要业务、主要产品和用途、合作伙伴以及重大变动，是对企业一年内经营的较好总结，而国务院发布的政府工作报告作为每年全国人民代表大会期间发布的公文，对上一年度工作进行了总结，包括经济建设、财政政策、发展战略等，是对政府总体政策的较好总结。所以，本文选取企业年报与次年国务院政府工作报告的相似度来评估企业的政策关注度。

(2)构建方法。由于企业年报与政府工作报告都是非结构化的文本数据，无法直接衡量，并且传统的文本分析和内容分析方法过于繁琐，对于企业的政策关注度无法进行较好的衡量。近些年随着大数据技术的发展，学术研究上有了更多的数据来源，在理论上，近些年学者们提出了新的范式与方法，利用跨域信息的融合分析挖掘传统范式中不可测量的相关信息[24]；在实践上，也有学者应用到研究当中，利用机器学习、文本分析和语义引用方法，构建了 “创新基因”，进行技术创新质量的新测度[25]。

将中文文本转化为计算机能够识别的数据的核心思想是将语料转化为向量，最基础的方法是one hot向量表示法，一个语料中当前词用1表示，其余用0，如[1,0,0,…,0][0,0,1…,0]，但是这种方法导致向量过于稀疏并且无法进行运算，而word2vec是Google的Mikolov团队提出的一种word embedding的NLP具体手段，它可以将所有词向量化为低维度的连续稠密向量，并且其中意思相近的词将被映射到向量空间中相近的位置，这样词与词之间就可以定量度量它们之间的关系，挖掘词与词之间的联系。本文利用机器学习中word2vec工具，首先通过jieba分词对企业年报和政府工作报告进行分词，然后通过哈工大停用词表去除类似 “这样” “的”等无实际意义的词汇和标点，利用word2vec中的Gensim模型，这是一款开源的第三方Python工具包，用于从原始的非结构化文本中无监督地学习到文本隐层的主题向量表达，在算法选择上采用对低频词敏感的skip-gram算法，将出现频率小于等于1次的低频词汇过滤。算法将企业年报和政府工作报告转化为指定维度为300的低维密集向量，然后通过计算向量间的余弦值判断文本间的相似程度，得到企业的政策关注度。

2.3 变量定义

(1)政策关注度。企业年报与政府工作报告的相似度，基于政府工作报告具有一定的滞后性，本文选取的都是企业年报与下一年政府工作报告的相似度。

(2)企业创新能力。参考Tong 等[26]和黎文靖等[13]的研究，本文以专利申请数量衡量企业的创新能力。因为：①技术创新是资源投入和使用效率的最终体现，因此代表创新产出的专利申请数量能更好地体现企业的创新能力；②专利的授予容易受官僚因素的影响，并且由于诸多不确定性因素，专利申请量相比于授权数量更能反映企业的创新行为。同时，分别对Patent的1% 和99% 百分位进行Winsorize 处理后，再加1取自然对数。

(3)政府资助方式。本文选取政府补贴 (Subsidies)、税收优惠 (TI)以及融资约束 (CE)作为政府资助方式的研究对象，以样本公司年度报告中财务报告附注的政府补助部分作为政府补贴数据来源。由于2016年全面实施营业税改增值税，以税率计算税收优惠会导致额外的波动性，本文以收到的税收返还定义税收优惠。考虑到不同企业由于体量不同导致同样的补助总额以及税收优惠带来的激励作用是不同的，所以以公司年度收到补助合计与总资产比值来定义政府补贴、以获得的税收返还与息税前利润的比值来定义税收优惠。葛结根认为，当管理者认为他们面临较高的融资约束时，公司将呈现出较高的现金持有水平[27]，所以以期末现金及现金等价物与总资产比值定义融资约束水平。

(4)控制变量。参考黎文靖等[13]、解学梅等[28]的研究，本文在考察政治关联对政府资助方式、资助方式对公司创新行为的影响时，控制了流动比率、资产负债率、固定资产比例、资产收益率、净现金流、公司规模、公司年龄和研发投入。

为了消除极端值的影响，本文对连续变量1%和99%水平进行了缩尾处理，主要变量定义见表1。

表1 变量定义

3 结果分析

3.1 描述性统计

本研究对主要变量进行了描述性统计，见表2。政策关注度的均值为0.9079，说明在本研究样本中，公司对于政策的关注度都比较高，表明政府政策对企业的行为具有很强的引导作用。年度专利申请数量 (Patent)的均值为78.8957，个体数量从1到7318不等，标准差为277.7393，说明公司之间专利申请数量的差距很大，创新能力相当不均衡。在政府的资助方式上，当年和滞后一年代表公司融资约束的期末现金及现金等价物余额与总资产比值CE的均值为0.1792和0.1587，补贴与总资产的比值 (Subsidies)均值为0.0050和0.0054，税收优惠 (TI)的均值为0.0078和0.0029，说明除了税收优惠外，政府的资助方式较前一年度都有增长。

表2 描述性统计

3.2 假设检验

根据前人研究和前文的理论分析，本文构建了如下线性回归模型，为了验证政策关注度对企业所获补助、税收优惠和融资约束的影响，分别构建了模型 (1)至 (6)；为了检验企业所获补助、税收优惠与融资约束对企业创新行为的影响，本文构建了模型 (7)和 (8)：

Subsidiesi,t=b0+b1PAi,t+b2Tangibilityi，t+b3×

Levi,t+b4Sizei,t+b5Liquidityi,t+b6ROAi,t+b7R&Di,t+

b8×Agei,t+b9CFi，t+εi，t

(1)

Subsidiesi,t+1=b0+b1PAi,t+b2Tangibilityi，t+b3×

Levi,t+b4Sizei,t+b5Liquidityi,t+b6ROAi,t+b7R&Di,t+

b8×Agei,t+b9CFi，t+εi，t

(2)

TIi,t=b0+b1PAi,t+b2Tangibilityi，t+b3Levi,t+b4×

Sizei,t+b5Liquidityi,t+b6ROAi,t+b7R&Di,t+b8Agei,t+

b9×CFi，t+εi，t

(3)

TIi,t+1=b0+b1PAi,t+b2Tangibilityi，t+b3Levi,t+b4×

Sizei,t+b5Liquidityi,t+b6ROAi,t+b7R&Di,t+b8Agei,t+

b9×CFi，t+εi，t

(4)

CEi,t=b0+b1PAi,t+b2Tangibilityi，t+b3Levi,t+b4×

Sizei,t+b5Liquidityi,t+b6ROAi,t+b7R&Di,t+b8Agei,t+

b9×CFi，t+εi，t

(5)

CEi,t+1=b0+b1PAi,t+b2Tangibilityi，t+b3Levi,t+b4×

Sizei,t+b5Liquidityi,t+b6ROAi,t+b7R&Di,t+b8Agei,t+

b9×CFi，t+εi，t

(6)

lnPatenti,t=b0+b1Subsidiesi,t+1+b2TIi,t+1+b3×

CEi,t+1+b4Tangibilityi，t+b5Levi,t+b6Sizei,t+b7×

Liquidityi,t+b8ROAi,t+b9R&Di,t+b10Agei,t+b11CFi，t+εi，t

(7)

lnPatenti,t=b0+b1Subsidiesi,t+b2TIi,t+b3CEi,t+b4×

Tangibilityi，t+b5Levi,t+b6Sizei,t+b7Liquidityi,t+b8×

ROAi,t+b9R&Di,t+b10Agei,t+b11CFi，t+εi，t

(8)

其中，lnPatent表示对企业专利申请数量加1取自然对数，t为年份，i为企业，b0为截距项，bi为回归系数，ε为误差项，并且采用了Robust调整标准误差。

模型 (1)至 (6)的回归结果见表3。M1和M2 检验了政策关注度对政府补贴的直接影响，由M1和M2的回归结果可知，企业的政策关注度对其当年和滞后一年的政府补助具有显著正向影响。其中对于当年政府补助的影响中，政策关注度的回归系数为0.0037，在5%的水平显著，对次年政府补助的影响中，回归系数b1=0.0257，也是在5%的水平显著，即H1a与H1b 成立，说明企业对政策的关注能够显著增加当年和次年获得的政府补贴。M3和M4 检验了政策关注度对企业税收优惠的直接影响，M3的回归结果显示，政策关注度的回归系数为-0.0032，但是并不显著，说明企业的政策关注度对其当年的税收返还没有影响，由此H2a 不成立。可能的解释是，企业对于政府政策关注，但是税收返还无法在当年到达企业账户，所以企业的政策关注度对当年的税收返还不产生影响。进一步对税收返还的滞后项进行回归分析，发现政策关注度能够显著影响企业次年的税收返还，回归系数为0.0025，说明关注政策能够增加企业次年的税收返还，H2b成立。M5和M6给出了检验政策关注度对企业融资约束影响的回归结果，在当年的效应检验中，PA的回归系数并不显著，假设H3a不成立，这可能是因为企业在关注政策的当期申请的融资并不能及时缓解企业的资金压力，导致对于当年的融资约束并没有因此得到改善；在进一步检验滞后一期效应的影响中可以看出，PA的回归系数为-0.0930并且在5%的水平上显著，说明企业的政策关注能够改善企业滞后一期的融资约束，因此假设H3b成立。

表3 企业政策关注度与政府资助

政府不同资助方式及其滞后项对于企业创新行为的影响见表4，可以看出，政府补助Subsidies的系数估计值为17.2863，且在1% 的水平显著，企业融资约束CE与税收返还的系数估计值分别为-0.2361和5.8481，但是并不显著，说明在政府当期的资助方式中只有直接补助激励了企业的创新行为。滞后一期补助的回归系数为19.3066，在1% 的水平显著；CEt+1的系数估计值为0.0924 但是依旧不显著；TIt+1的系数估计值为16.9125，在10%的水平显著，说明对政策关注的企业，在预期政府补贴和税收返还增加时，其专利申请数量得到激励；但是融资约束的降低无论是在当期或是滞后一期都没能激励企业创新行为。

表4 政府资助与企业创新

3.3 稳健性检验

为了检验回归结果的稳定性，本文用企业研发支出代替专利申请数量作为被解释变量进行回归分析，得到的结果与原结果基本一致，如表5所示。总体来说，政府的资助方式中，只有直接补助能够在当年和滞后一年对企业创新行为产生激励作用，而税收返还只能在滞后一期体现显著的激励作用，说明企业通过政策关注度获得的政府资助对创新的激励作用具有滞后性，企业在通过积极配合政策，预期其能够获得更多补助、税收返还以及融资时，会刺激其更多的专利申请，同时也体现了财税激励政策的后向性与政策的引导作用，企业通过关注政策而增加创新行为，来寻求更多的政府资助。

表5 稳健性检验

4 结论

本文基于2010—2019年的政府工作报告和A股上市公司的财务数据及企业年报，以年度专利申请数量作为创新指标，以企业年报和政府工作报告的相似度为政策关注度指标，探究了政策关注对企业创新的激励作用，并检验了政府补贴、税收返还和融资约束三种传导机制。得到以下结论：①从当年的效应来看，政策关注度对企业当年所获政府补助有正向作用；②政策关注对企业所获政府资助有一定滞后性，政策关注度能够增加企业次年获得的政府补助和税收返还，并且缓解融资约束；③政策关注通过政府资助中的直接补助和税收返还对创新行为起激励作用，其中直接补助在当年和滞后一期都起激励作用，而税收返还存在滞后性，只在滞后一期起激励作用；④稳健性检验证实了本文结论的稳定性。

基于以上结论，本文得到以下启示：

(1)积极以政策引导企业的创新行为，推动迈入创新型国家行列。社会主义市场经济中，市场在资源配置中起决定性作用，但是政府同样要用好宏观调控这只 “看得见的手”，应该通过适当的政策积极引导企业的生产活动和创新行为，让企业在亟需提高创新能力的行业上加大研发，掌握核心技术，提升国家整体科技实力。

(2)增强政府资助力度，完善政府资助方式。增强企业创新能力，提高国家整体科技水平，需要不断坚持和完善政府对微观企业主体的资助方式，更多通过税收优惠、直接补助等方式支持企业创新。一方面，简化直接补助与税收返还的审批流程、提高补助与退税的资金额度、让政府资助发挥刺激企业创新的激励作用；另一方面，要注重优化政府资助的组合手段，丰富政府资助的方式与形式，发挥政府资助吸引企业关注政策与刺激创新的作用。

(3)提高政府资助的效率，科学制定资助方案。政府的资助对于不同企业产生的作用不尽相同，要提高政府资助的效率，首先应针对不同行业和不同类型的企业制定不同的自主方案，根据地区、行业的差异，普惠制资助与特惠制资助相结合，避免 “一刀切”导致的低质量创新引发的寻租行为，真正实现全国创新能力的提升；其次要加强政府给予资助的效率，尽量在企业响应政策的当期或滞后一期使资助到达企业账务，改善企业财务状况进行影响，促进创新行为。