政府创新补贴、研发投入与企业创新绩效——基于河南省上市公司的实证研究

刘亚平（郑州商学院 河南巩义 451200）

一、引言

党的十九届五中全会提出，我国经济发展的外部环境正处于复杂的变化过程中，创新能力尚未满足高质量发展的要求，并强调，到2035年要在经济、科技及综合国力上有重大提升，经济的总产量以及来自城镇和乡村居民的平均收入水平得到改善，核心技术水平逐渐得到提升，在创新型国家中占据重要的地位。为了增强竞争实力，抵御外部带来的挑战，提高创新水平，激发企业的创新积极性，并增加企业的创新绩效将变得更加重要。

研发活动有助于增强企业创新实力、提高核心竞争力，能够促进地区经济的发展。随着我国经济的快速增长，企业更加注重研究开发活动，但是由于研发行为成本高、风险大、见效慢，所以很多企业对于研发活动存有顾虑。政府为了促进企业积极进行研发，会通过各种形式，如通过经费补助的直接方式及税收优惠等间接方式减轻企业资金投入的负担，以降低企业研发投入最终失败的风险。根据资金来源的不同，企业研发投入可分为企业自身资金的投入以及来自政府资金的投入，这两种方式的投入会对企业创新绩效产生不同的影响，而且差异较大。此外，高管团队是企业运营管理的核心，经济管理相关专业的高管通常更加关注企业的经济利益与投资回报率。基于上述内容，本文将探讨政府创新补贴与企业创新绩效之间的关系以及企业研发投入在二者之间起到的中介作用，并在此基础上分析高管专业背景的调节效应。

二、理论分析与研究假设

（一）政府创新补贴对企业创新绩效的影响。有关政府补助与企业创新绩效之间的关系，众多学者对其展开了研究，但是研究结论并未达成一致意见。王一卉（2013）以我国高新技术企业为对象，从企业的所有制制度、企业经营时间长短及企业经营所在地的位置三方面，对政府补助与创新绩效之间的关系进行了研究，研究发现，在国有企业中，政府补贴对企业创新绩效没有明显的促进作用；对于经营时间较短的企业而言，政府补助与创新绩效之间的关系更明显。Catozzella等（2016）基于意大利的数据样本，采用双变量内生转变模型进行实证检验发现，政府补贴对企业的创造力具有消极影响。桂黄宝、李航（2019）基于我国战略性新兴产业上市公司的数据资料，通过建立模型并进行实证检验发现，政府补贴与战略性新兴产业企业的创新绩效具有负相关关系。有的学者认为政府补贴对企业创新绩效具有正面影响。蒋安璇、郑军、裴潇（2019）通过对相关数据进行实证检验发现，政府补贴能够增加企业对研发活动的投入，并且有助于提高企业专利申请的数量，而且媒体的关注有助于增强政府补贴对企业创新投入的激励效用，进一步提高创新产出。颜晓畅（2019）采用固定效应面板模型对规模较大的制造业企业进行研究发现，来自政府的补贴与企业通过创新产生的效益呈正相关关系，而且创新能力在其中起到了中介作用。屈文彬、夏文丽（2020）研究发现，政府补助与企业绩效的关系会受到产权性质的影响，在非国企样本中政府补助对企业绩效具有正向促进作用。还有学者认为政府补贴与创新绩效之间的关系不明确。李爽（2016）通过对我国新能源上市企业的研究发现，新能源企业中，创新活动并未受到政府补助的影响。朱卫东、田雨绯、胡雪（2020）以沪深创业板和中小板的制造业上市公司为样本，分析政府创新资助与企业绩效之间的关系，研究发现，创新性的政府补贴与企业绩效之间不具有线性关系。本文认为政府创新补助与企业创新绩效之间具有密切的关系，由此，提出以下假设：

假设1：政府创新补贴有助于企业创新绩效的提高。

（二）企业研发投入的中介效应。很多学者从不同角度对政府补贴、研发投入及企业创新绩效三者之间的关系进行了分析，得出了不同的结论。大多数学者认为政府给予企业的补助，能够促进企业增加研究开发投入，可以减少企业研发投入中自身资金的注入；也有学者认为，政府补贴并未促进企业研发投入的增加。丘东、王维才、谢宗晓（2016）从政府补贴对企业创新绩效的作用机理角度对研发投入的中介效应进行分析，研究表明企业研发投入具有中介作用。王一卉（2013）通过分析发现，经济发展较差的地区，政府补贴与研发投入正向关系不显著，也不能改变企业的绩效。贾春香、王婉莹（2019）以高新技术企业为研究对象，深入分析了不同形式的政府补贴对企业创新绩效的影响，研究发现政府补贴与企业创新绩效之间具有显著的关系；研发投入在政府补贴与企业创新绩效之间能够发挥部分中介效应。丁伦桢、韩书成（2019）将政府补贴进一步细分为与研究开发直接相关以及与研究开发无关的补贴，并进行分类检验，研究发现，相比于非研发补贴，研发补贴的中介作用更明显。梅冰菁、罗剑朝（2020）采用西北农林科技大学科技型企业的相关数据库资料，通过实证检验发现，研发投入在政府补贴与创新绩效之间能够起到中介效应。本文从政府补贴明细项目中筛选出与创新相关的项目，认为政府补贴中创新性的补贴能够增加企业对于研究开发的投入，并有助于增加企业通过创新产生的效益。因此，提出如下假设：

假设2：研发投入对政府创新补贴与企业创新绩效之间的关系具有正向调节作用。

（三）高管团队专业背景的调节作用。部分学者对高管团队与创新绩效之间的关系展开了研究。Bushee（1998）采用实证的方法，以市场价值超过50亿美元的企业为对象展开研究，研究发现企业的创造性受到高级管理人员所学专业的影响。Smith&Tushman（2005）认为，企业在做出战略决策时，高级管理人员受教育的背景不同，其收集的信息也存在差异，进而决策效果也不同。因此高级管理人员的专业与企业价值之间具有一定的关系，专业性越强，企业市场价值越高。张长江、陈雨晴、温作民（2020）认为，异质性越高的高管团队更容易从多种角度、多种渠道获取准确且多样化的信息，并通过已有专业知识对信息进行加工整理，从而有助于高管团队做出有效、实用的战略决策。高层梯队理论认为，高管的认知、学习能力及阅历会对企业经营决策起到一定的作用。周茂春、刘仁越（2020）基于高层梯队理论以及特质激活理论对我国高新制造业公司进行相关研究，发现高管成员的专业背景与企业创新性之间具有明显的正向关系，认为高管团队成员的本科、研究生以及博士专业与企业主营业务契合度越高，企业创新能力越强。综上，本文认为，高管团队教育背景的专业性越强，企业创新水平越高，企业价值也越大，同时经管专业背景的高管成员，更加注重投资回报水平，对创新绩效的影响更明显。据此，提出以下假设：

假设3：与其他专业的高管团队相比，经济管理相关专业的高管人员比例越高，企业利用政府创新补贴的能力越强，高管专业背景对政府创新补贴与企业创新绩效之间的调节作用越明显。

三、研究设计

（一）样本选取与数据来源。本文选取的样本为2015—2019年河南省88家上市公司，分析所用的大部分数据来源于国泰安CSMAR数据库，其他数据通过企业财务报告、公司官网、巨潮资讯及同花顺等渠道获得，基于基础数据，去掉部分异常的数据，同时对变量进行1%的Winsorize处理，最后得到170个样本数据。

（二）变量定义。

1.因变量。为防止专利数据之间不均衡，对专利数据采取对数的形式，又由于部分企业并非每年都存在专利授权，所以将专利授权数加1，然后再进行标准化，作为创新绩效的代理变量。专利授权数采用集团公司中单体公司当年发明、实用新型以及外观设计的专利授权数量的合计数。

2.自变量。政府创新补贴指企业当年从政府获取的与创新相关的补贴占当年营业收入的比重，其中政府补贴中与创新项目相关的补贴是从企业年报附注“政府补助”的明细项目中提取出来，并进行收集与整理获得，包括研究项目政府扶持资金、科技创新项目奖励、科研拨款、国内外申请专利补助、发明专利奖、重大创新科技经费、技术开发补助、名牌产品奖励费、技改补贴、科技成果转化奖励、新产品财政扶持资金、科技进步奖励、创新计划补贴、专项经费补贴、重大科技专项资金、企业知识产权补助资金、发明专利扶持资金、著作权资助、院士及博士后科研资助以及引智专项等项目，将每年的明细项目进行加总，汇总出每年政府创新补助总量，作为当年的政府创新补助。若没有明细，则通过查询发文单位或批准机关的文件中关于补助的“说明”“种类”等信息获得。

3.中介变量。本文采用相关学者的做法，选择该企业当年的研发投入与当年的营业收入之间的比值作为企业研发投入（R&D）的代理变量。

4.调节变量。以高管团队中具备经济管理相关专业的高管人员占高管总人数的比例来反映高管团队的专业背景。

具体变量定义如下页表1所示。

表1 变量定义表

（三）模型构建。为了检验政府创新补贴与企业创新绩效之间的关系，建立如下模型：

为了检验企业研发投入在政府创新补贴与企业创新绩效之间的中介效应，在模型（1）的基础上加入研发投入变量，建立如下模型：

为了检验高管专业背景对政府创新补贴与企业绩效之间的调节作用，在模型（3）的基础上引入高管专业背景、高管专业背景与政府创新补贴的交互项，建立如下模型：

四、实证分析

（一）描述性统计。从表2描述性统计分析可以发现，研发投入以及专利授权数量的极大值与极小值之间差异较为突出，说明企业之间的创新投入以及创新产出具有较大的差异；政府补贴在不同企业中差异不是特别明显；经济管理专业的高管人员占比在各个企业中分布较为均匀；控制变量中，企业年龄、第一大股东的持股份额以及固定资产比率的分布也不均匀，说明不同企业经营情况存在差异。

表2 描述性统计分析

（二）相关性分析。为了确保实证检验的准确度，采用Pearson方法对本文选取的变量进行相关性检验。结果如表3所示，本文选取的变量之间的相关系数均低于0.5，表明各个变量之间没有显著的线性相关关系。

表3 变量Pearson相关系数表

（三）回归分析。从表4模型回归结果可以看出，模型1将企业创新绩效（Patent）作为被解释变量，将政府创新补贴（SUB）作为解释变量，然后对模型进行回归，用于解释假设1，通过分析发现，政府创新补贴的系数为150.3，在1%水平上显著，说明企业当年获得的来自政府的创新性补贴越多，获得的专利授权数量越多，验证了假设1。模型（2）和模型（3）用于分析研发投入是否具有中介作用，实证检验证明，以研发支出（R&D）作为被解释变量，政府创新补贴（SUB）作为解释变量的政府创新补贴的系数为149.2，在10%的水平上显著；然后以企业创新绩效为被解释变量，在模型（1）的基础上，引入研发支出中介变量，通过回归分析发现，政府创新补贴和研发支出的回归系数分别为135.8和0.0972，分别在5%和1%的水平上显著，说明研发支出能够起到部分中介效应，验证了假设2。模型（4）是对假设3的检验，通过分析发现，高管专业背景的调节效应并不显著，说明高管的专业背景对政府补贴与企业创新绩效之间的关系没有起到明显的作用。

表4 模型回归结果

（四）稳健性检验。由于企业通常通过对生产要素和经济资源的不断储备逐渐实现盈利目标，而通过创新活动给企业带来收益的风险往往比较高，究其原因，是因为从创新投入到成果转化并被市场接纳，实现创新效益，需要很长的时间。为防止检验结果出现偏差，将模型中政府创新补贴变量滞后一期，进一步进行回归，通过分析发现，回归结果并未发生较大变化，说明回归结果依然较为稳健。

五、结论与启示

（一）研究结论。本文以2015—2019年河南省上市公司为研究样本，实证分析政府创新补贴与企业创新绩效之间存在的关联关系；为了研究二者之间关系的内在机理，进一步探讨了企业的研发支出在政府创新补贴与企业创新绩效之间的中介作用；此外，结合高管专业背景，深入分析高级管理人员的专业背景对政府创新补贴与企业创新绩效关系的影响。研究发现，政府创新补贴能够促进企业创新绩效的提升，而且作用显著；政府创新补贴有助于企业增加研发投入，研发投入又进一步促进企业创新绩效的提高，研发支出具有一定的中介效应；高管中具有经济管理专业的人员所占比重对政府创新补贴与企业创新绩效之间的关系不具有显著影响。

（二）研究启示。第一，政府部门可以建立创新补贴机制，加大对企业的创新补贴力度，提升企业的创新能力，最终实现我国创新能力的大幅提升。第二，政府应加强对补贴资金的监督，既要保证创新补贴的数量，还要提高补贴的质量，确保企业将政府补贴用于研发，有效促进企业创新绩效的提升。第三，明确政府补贴的分类及使用范围，加强政府补贴事后评价，提高政府补贴的效用。