政府产业基金、地方金融发展与企业创新

李宇辰，孙沁茹，郝项超

(1.中国农业银行博士后科研工作站，北京 100005；2.中国人民大学博士后科研流动站，北京 100872；3.南开大学经济学院，天津 300071)

0 引言

政府产业基金作为一种政府作用与市场机制相结合的重要载体，是增加创业投资和产业投资资本供给、引导社会资本投向重点领域和薄弱环节的中小企业、支持企业创新和带动产业转型升级的重要政策工具。政府产业基金在中国经历了10余年的发展，规模和数量庞大，已成为重要产业政策工具，然而实际运行效果如何却并不清楚。

已有文献主要尝试通过比较政府产业基金与私人风险资本投资企业的创新差异来评价政府产业基金的影响是积极还是消极[1-2]。然而政府产业基金的首要目标通常不是效益，而是如何解决创新型企业在融资方面的市场失灵问题。因此，比较政府产业基金与私人风险资本对创新影响之间的差异并不能准确评价政府产业基金的真实作用。依据政府产业基金的目标和定位，要准确评价其作用就需要对比受到政府产业基金投资的企业与未受到任何风险资本投资的企业之间的差异，但现有的公开数据都不能提供上述比较分析所需的全部数据。为此，本文手工构建一个新数据库，该数据库不仅包括政府产业基金投资企业的财务、非财务信息以及专利等数据，也包括无风险资本投资企业的相关数据。实证研究发现，相对于未受任何风险资本投资的企业，政府产业基金投资的企业创新更活跃；在金融发展水平较低的地区，政府产业基金缓解市场失灵的作用更明显，能够更有效地促进企业创新。研究还发现，政府产业基金对低质量创新的影响要显著大于其对高质量创新的影响。

1 文献回顾与假说提出

1.1 文献回顾

国内外文献研究了政府风险资本促进中小企业发展的作用。Lerner[3]对美国中小企业创新计划的研究发现，受到政府风险资本支持的企业雇佣员工数量及销售额增长相比没有受到政府风险资本支持的企业更快。Lerner[4]认为，政府风险资本之所以能够促进高科技企业发展，主要是因为政府风险资本存在认证效应与补偿研发外部性效应。Guerini等[5]通过对欧洲科技型创业企业进行实证研究发现，政府风险资本的投资增加了企业后续受到私人风险资本投资的可能性，政府风险资本确实发挥了筛选和认证作用。Cumming[6]通过对澳大利亚政府主导的创新投资基金 (IIF)的分析发现，政府风险资本对于初创期、早期以及高科技企业的融资具有显著帮助，并且发挥监督和提供增值服务的作用。Munari等[7]在Cumming[6]研究的基础上进一步考察区域因素的影响，发现英国的政府风险资本更倾向于投资早期和高科技企业，且这一现象在技术落后地区尤为显著。国内研究方面，燕志雄等[8]构建的委托代理模型表明，当企业家的代理问题很严重且项目不确定性很高时，政府引导型基金的可获得性最高，而政府主导型和风险投资家型基金的可获得性均很低。杨敏利等[9]实证研究政府引导基金对社会资金进入创业投资领域的引导作用，结果发现这一作用在不同省份存在显著差异。在创业投资发展成熟省份，政府引导基金对社会资金的影响表现为挤出效应，而在创业投资发展落后省份，则表现出引导作用。丛菲菲等[10]进一步发现国有资本的参与能够增加创投行业的整体融资规模以及对企业的投资规模，进而带动民营创投资本对科技创新企业的投资，即存在引导效应。

也有学者研究政府风险资本对企业创新的影响，但得到的结论不一致。Audretsch等[11]对美国中小企业创新计划的研究发现，美国中小企业创新计划能够促进中小企业技术研发以及成果的商业化，并能产生良好的社会效益。Howell[12]研究美国中小企业创新计划的作用，发现政府风险资本在企业创立早期的资助会使得企业随后获得私人风险资本投资的可能性加倍，并且对企业的创新和营收产生明显促进作用。Pierrakis等[13]通过对不同性质的风险资本进行实证研究发现，风险资本受到政府支持的力度越大，就会与创新系统里的其他角色产生更密切的交互关系，政府支持的风险资本在地方创新生态系统中扮演着动员不同角色的重要作用。与之相反，Grilli等[14]通过对欧洲高新技术型创业企业进行实证研究发现，私人风险资本对于企业销售增长具有促进作用，而政府管理的风险资本对企业销售增长不具有显著作用，且由私人风投领投、政府管理的风险资本同时进行联合投资时，对企业销售增长具有显著促进作用。Pierrakis等[15]通过对英国2539家公司进行实证研究发现，受政府支持的风险资本投资的企业创新活动会受到抑制，而当政府支持的风险资本与私人风险资本联合投资时这一作用并不显著。

就国内文献而言，有关政府风险资本影响企业创新的研究较少。王晗等[1]采用私募通数据库中样本企业进行实证研究，认为政府风险资本投资的企业与私人风险资本投资的企业专利申请数量不具有显著性差异，但这并不能充分证明政府风险资本与私人风险资本对企业创新的影响相同。程聪慧等[16]考察2008—2014年受科技型中小企业创新基金投资的50家创业企业，研究发现受政府引导基金支持的创业企业比未受政府引导基金支持的创业企业有更多创新产出，但考虑到其样本数量较少，因此研究结论的可靠性和稳健性值得商榷。不仅如此，有限的样本也使得其未能进一步分析不同地区金融发展水平差异的影响。董建卫等[2]基于失败容忍和激励两个理论视角考察政府引导基金参股创投基金对企业创新的影响，发现对亏损补偿以提高创业投资家的失败容忍度是政府引导基金促进企业创新的关键。

1.2 假说提出

创新型企业在当今以知识为支撑的经济中发挥着重要作用，企业创新的研发活动需要大量的资金投入，然而其融资天生存在一些困境。首先，其高不确定性使得企业和外部投资者之间存在着严重的信息不对称，这会提高企业外源融资的成本甚至完全阻断企业外源融资[3]。其次，缺少内部现金流和抵押物、管理层与所有者之间的代理问题也是企业难以获得外援融资的重要原因[17]。私人风险资本的出现在一定程度上缓解了创新型企业融资困难问题，但由于其逐利性，私人风险资本较少投资于研发周期较长、不确定因素较大的创新型企业，创新型企业在融资方面仍存在市场失灵。政府风险资本的出现是为了解决创新型企业融资的市场失灵问题，政府风险资本通过投资于私人风险资本较少投资的早期高科技企业缓解了其融资缺口问题[4,6,18-19]，进而有效支持了企业研发创新活动。因此，提出假说H1：政府产业基金促进了企业创新。

创新型企业融资的市场失灵问题在金融发展水平不同的地区会有所不同。在金融发展水平较高的地区，金融机构技术水平较高，能够较好地缓解信息不对称，增强投资者信心；金融机构之间的竞争较为充分，各类金融创新产品与服务较为丰富，能够在一定程度上缓解创新型企业的融资缺口。与之相反，在金融发展欠发达地区，企业往往更难以从银行、信托、风险投资等金融机构获得融资支持。在这种环境中，政府产业基金能够更加显著地缓解市场失灵，弥补该地区创新型企业的融资缺口，进而更加有效地促进企业创新。因此，提出假说H2：在金融发展水平较低的地区，政府产业基金缓解市场失灵的作用更明显，因此其能够比金融发展水平较高地区的政府产业基金更有效地促进企业创新。

2 研究设计

目前中国尚未有较为完善的政府产业基金数据库，因此以往研究受到很大局限。本文依据政府公开信息构建新的政府产业基金数据库，并据此构建计量模型对本文提出的假设进行检验。

2.1 计量模型构建与变量定义

为了检验假说1，借鉴Bertrand等[20]和郝项超等[21]的研究，构建一般双重差分模型如下:

PATit=a1+a2GOVit×AFTERit+a3CVit+μi1+υt1+εit1

(1)

式中，借鉴郝项超等[22-23]的研究，PATit是t年度企业i申请且被授权的专利数量。GOV是虚拟变量，获得政府产业基金投资的企业为1，否则为0。AFTER是虚拟变量，当财务年度大于等于企业获得政府产业基金投资年度时为1，否则为0。CV为控制变量，主要包括企业年龄AGE、企业当年是否获得政府高新技术企业认证CER、企业当年注册资本CAP、作品著作权数量WRI、软件著作权数量SOF。由于本文研究的企业主要是非上市中小企业，无法获取其财务数据，故仅以CAP衡量企业规模，同时由于中小企业特别是科技型中小企业在创业早期往往会进行大量的研发活动，故加入CER、WRI、SOF以衡量企业经营状况。μi和νt分别表示企业个体与时间相关的固定效应。

为了检验假说2，构建扩展双重差分模型，可表示为：

PATit=b0+b1GOVit×AFTERit+b2GOVit×AFTERit×INSit+b3INSit+b4CVit+μi2+υt2+εit2

(2)

式中，INS为企业所在地市金融机构网点数量，其他变量定义同式 (1)。在式 (1) (2)中，a1度量政府产业基金投资对企业创新的影响，b2度量地方金融发展水平的差异对政府产业基金促进企业创新的影响。

2.2 样本与数据

在以往对政府产业基金的研究中，学者常采用清科私募通、投中CVsource等商业数据库的数据进行分析，然而这些数据库对政府产业基金的界定并不准确，其政府产业基金名单未能覆盖国家发展改革委公布的名单，且仅能提供少量的投资案例，无法较为准确地反映政府产业基金的整体运行情况，在很大程度上限制了以往研究的深度和广度。更为重要的是，这些数据库无法提供未受任何风险资本支持的企业数据，因而无法准确反映政府产业基金投资对企业创新的影响。

依据国家发展改革委公开的政府产业基金信息、工商局公开的企业工商登记信息等一系列政府公开信息构建多维度、较为全面的政府产业基金数据库。数据库构建过程中主要依靠WIND全球企业数据库。2016年国家发展改革委建立政府出资产业投资基金信用信息登记系统，并于2017年9月公布所统计的全国政府产业基金名单。本文依据该名单上的母基金，在WIND全球企业数据库上检索到与其工商登记名称一致的母基金1046家，采集其工商登记的基本信息。根据一定的词库将其投资的子公司划分为子基金与实体企业，如 “投资” “基金”等，对于被判定为子基金的公司，重复上述过程直至其投资的子公司全部为实体企业为止。最终，本文采集到母基金及子基金7000家，采集到被投资的实体企业14339家。考虑到行文方便，本文将所有受到政府产业基金投资的企业简称为GVC企业。对所有GVC企业，按照成立年度相同、所在城市相同、所处行业相同、注册资本最为接近的原则为其匹配了5家配对企业，并采集所有配对企业的相关信息。政府产业基金在早期的发展并不规范，2008年《关于创业投资引导基金规范设立与运作指导意见》颁布后才得以规范运作，故将样本期间限定为2009—2018年。本文对所采集到的GVC企业进行如下处理：①剔除2009年以前被投资的企业；②保留状态为在业和存续的企业；③剔除注册资本信息不完善的企业；④剔除2019年成立的企业；⑤剔除投资时间在2019年的企业；⑥剔除未能获得配对的企业。对于配对企业，除了进行上述处理以外，还根据其工商登记的变更信息，将受过私人风险资本投资的配对企业剔除。经上述处理，样本保留了12845家GVC企业和45081家配对企业。

12845家GVC企业与45081家配对企业的行业分布见表1。由表1可见，政府产业基金投资的行业范围较广，但又侧重于高新技术行业。其中，科学研究和技术服务业实体企业数量最多，占比为36.30%；其次是信息传输、软件和信息技术服务业实体企业，占比为18.30%。

表1 GVC企业与配对企业行业分布

本文的被解释变量PAT所使用的专利数据来自国家知识产权局专利检索及分析系统。变量GOV、AFTER、AGE、CER、CAP所使用的信息均来自WIND全球企业数据库的工商登记信息，WRI和SOF均根据WIND数据库采集的国家版权局公开信息整理得出。变量INS是根据中国银保监会官方网站公布的金融企业许可证信息整理得出。

3 实证结果与分析

在估计双重差分模型 (1) (2)时，将PAT、INS、WRI、SOF分别加上1之后再取自然对数值，将AGE与CAP直接取其自然对数值，以消除异方差的影响。借鉴郝项超等[21]的研究，采用混合最小二乘法来估计双重差分模型的系数，并根据企业水平的聚类标准差来判断系数的显著性。

3.1 政府产业基金对企业创新的影响分析

双重差分模型的估计结果见表2。由模型 (1)的结果可知，GOV与AFTER交叉项的系数为0.179，且在1%显著性水平下显著，说明在政府产业基金投资后，GVC企业每年申请且获授权的专利数量比配对企业多17.9%,这显示了政府产业基金能显著促进所投资企业的创新，验证了本文的假说1。由模型 (2)的结果可知，在加入GOV、AFTER与INS的交叉项以及INS后，GOV与AFTER交叉项的系数为0.550，且在1%显著性水平下显著，政府产业基金对所投资企业创新的促进效果更明显；INS的系数为0.047，且在5%的显著性水平下显著，说明地方金融发展水平的提高有利于促进当地企业的创新活动；而本文最关心的指标为GOV、AFTER与INS的交叉项，其系数为-0.048，且在1%显著性水平下显著，说明在地方金融发展水平较低的地区，政府产业基金促进企业创新的效果更明显，验证了本文的假说2。

表2 双重差分模型估计结果

3.2 稳健性检验

(1)尽管本文在采集数据时按照成立年度相同、所在城市相同、所处行业相同、注册资本最为接近的原则进行配对，但这种方法较为粗糙，不能很好地控制GVC企业与配对企业之间的差异。因此，对于企业创新而言，政府产业基金的投资可能并不是一个完全外生的事件，而是更接近于一个准试验。在这种情况下，直接采用双重差分模型来检验政府产业基金对企业创新的影响可能存在一定的偏差。本文采用倾向得分匹配法对GVC企业进行配对来解决双重差分模型的内生性。针对配对结果，本文进一步采用倾向分数模型诊断检验、平衡检验来检验配对结果，以确保GVC企业与配对企业构成的样本满足双重差分模型有关样本随机假设的要求。借鉴郝项超等[22]的方法，构建倾向分数模型如下:

GOV=c0+c1AGE+c2CER+c3CAP+c4PATAC+IND+υ+ε(3)

式中，GOV是虚拟变量，定义同上。控制变量主要包括企业年龄AGE、企业当年是否获得政府高新技术企业认证CER、企业当年注册资本CAP以及企业累计获得专利数量PATAC。PATAC为企业成立起至当前年度申请且获得授权的所有专利数量之和。由于大量企业在成立之初即获得政府产业基金投资，无法获取投资前一年的数据，故采用企业获得政府产业基金投资当年的数据进行配对，依据GVC企业与配对企业当年的数据计算每家企业的倾向分数，并按照成立年度相同、所在城市相同、所处行业相同、注册资本最为接近的原则为12845家GVC企业进行一比一配对，采用Logit方法来估计其系数，并保留得分偏离度在20%以内的企业。最终，本文为9319家GVC企业匹配到了配对企业。

配对的有效性直接影响双重差分模型估计结果的准确性，因此本文采用两个方法进行检验，见表3。首先是倾向分数模型诊断检验。表3的Panel A报告了配对前后倾向分数模型的 Logit估计结果，结果表明企业特征变量确实对政府产业基金选择投资企业有明显影响，但经过配对后这些变量的系数除CAP外均不再显著。PseudoR2从最高的0.046 大幅下降到0.004。模型拟合的χ2检验结果进一步表明所有解释变量的系数均为零的原假设无法拒绝，因此配对后这些变量对企业是否会受到政府产业基金投资不再有任何显著影响。其次，本文对配对变量进行平衡检验。表3 Panel B结果表明，GVC企业与配对企业之间配对变量除CAP外都不存在显著差异。上述检验结果表明，配对后的样本满足双重差分模型有关样本随机的假设。

表3 倾向得分匹配有效性检验

本文使用倾向得分匹配后的样本对双重差分模型进行重新估计，估计结果见表4。由模型 (1)的结果可知，GOV与AFTER交叉项的系数为0.072，且在1%显著性水平下显著，这一结果较未进行倾向得分匹配前的结果有所减弱，但依然表明政府产业基金能促进所投资企业的创新。由模型 (2)的结果可知，在加入GOV、AFTER与INS的交叉项以及INS后，GOV与AFTER交叉项的系数为0.300，且在1%显著性水平下显著；INS的系数为0.051，但不再显著；GOV、AFTER与INS的交叉项系数为-0.030，且在1%显著性水平下显著，说明在金融发展水平较低地区，政府产业基金促进企业创新的作用更明显。综上，在进行倾向得分匹配后所得结果与前文结论基本一致。

表4 倾向得分匹配后的双重差分模型估计结果

(2)本文构建了更多衡量地方金融发展水平的替代指标。通过中国经济与社会发展统计数据库获取中国各地市存款总量、贷款总量与GDP总量的数据，并分别计算各地市存款总量与GDP总量的比值DEP、贷款总量与GDP总量的比值LOA以替换企业所在地市金融机构网点数量INS，并对双重差分模型式 (2)进行重新估计，结果见表5。由表5可知，无论对INS采用哪种替代变量，在金融发展水平较低的地区，政府产业基金投资促进企业创新的作用都更加明显，本文的主要结论没有发生变化。

表5 替换INS指标后的双重差分模型估计结果

(3)本文构建创新数量的替代变量。专利包含发明专利、外观专利和实用新型专利，获得发明专利授权往往说明企业创新活动的质量较高，而获得外观专利、实用新型专利授权往往说明企业创新活动的质量较低。本文构建企业当年申请且获授权的发明类专利数量INPAT以及非发明类专利数量NOPAT两个被解释变量，并分别采用新的被解释变量对双重差分模型进行重新估计，结果见表6。由表6可知，政府产业基金对于企业发明类专利与非发明类专利数量的增长均有促进作用，但对非发明类专利的促进作用更明显，说明政府产业基金会促进一些低质量的创新。同时，政府产业基金与地方金融发展水平对促进企业专利数量增长的替代关系仅在非发明类专利中显著。

表6 采用创新数量的替代变量后双重差分模型估计结果

(4)专利获批滞后会影响到临近专利查询年度2019年的专利数量，因为新申请的专利在统计的年度可能还未来得及获得国家产权局的批准。考虑到中国专利从申请到批准的时间间隔通常不超过5年[21]，将2015—2018年的样本删除，重新估计模型结果，见表7。由表7可知，GOV与AFTER交乘项的系数仍为显著的正值，说明本文的结论没有发生变化。

表7 剔除2015—2018年样本后的双重差分模型估计结果

(5)本文根据政府产业基金投资企业的时期不同对样本进行重新划分。各地政府早期设立的投资基金主要以创业投资引导基金为主，投资领域主要集中在早期创业项目。近年来，地方财政改变支持产业发展方式，由直接补贴改为基金引导，其中大部分为股权投资。这样，政府产业基金的目标不仅支持创新创业，还推动中小企业发展、产业转型升级、发展基础设施和公共服务领域，其投资范围已不仅是最初的初创型中小企业，还包括非初创型中小企业。据此，将样本划分为初创型中小企业与非初创型中小企业。由于目前官方对初创型中小企业暂无明确定义，本文的划分参考科技部、上海市关于初创型中小企业的定义，将成立年限在5年之内、注册资本不高于2000万人民币的企业划分为初创型中小企业，否则划分为非初创型中小企业。重新估计双重差分模型，结果见表8。由表8可知，政府产业基金对初创型和非初创型中小企业都明显促进其创新活动，但对非初创型中小企业的创新促进作用更明显；在金融发展水平较低地区，政府产业基金投资促进企业创新的作用都更明显，且这种替代作用在初创型中小企业更明显，这与本文的基本结论一致。

表8 按投资时期划分样本后的双重差分模型估计结果

(6)本文根据政府产业基金投资的企业是否为高技术企业将样本进行重新划分。政府产业基金的重要政策目标是促进创新，但同时也兼顾促进就业、支持地方基础设施建设等其他政策目标，因此政府产业基金投资不同类型的企业可能出于不同的政策目的。根据国家统计局颁布的《高技术产业 (制造业)分类 (2013)》《高技术产业 (服务业)分类 (2013)》，将样本划分为高技术企业与非高技术企业，并重新估计双重差分模型，结果见表9。由表9可知，政府产业基金对于高技术企业与非高技术企业的创新活动均具有促进效果，且促进高技术企业创新的效果更好；在金融发展水平较低地区，政府产业基金投资促进企业创新的作用都更明显，且这种替代关系对于高技术企业更明显，这也进一步验证了本文的假设。

表9 按是否为高技术企业划分样本后的双重差分模型估计结果

(7)本文根据政府产业基金投资的企业创新产出是否以专利为导向重新划分样本。信息传输、软件和信息技术服务业、科学研究和技术服务业、制造业往往以专利为创新产出的主要导向，而其他行业创新活动的产出形式不以专利为主，如果不对样本进行区分，会导致估计结果不准确，重新估计双重差分模型，结果见表10。由表10可知，政府产业基金促进创新的作用在以专利为创新产出导向的企业中更明显，且在以专利为创新产出导向的企业中，政府产业基金与地方金融发展水平对促进企业创新存在显著替代关系，这与本文的主要假设一致。

表10 按创新产出是否以专利为导向划分样本后的双重差分模型估计结果

4 结论与政策建议

本文构建政府产业基金投资数据库，实证分析政府产业基金是否能够促进企业创新以及这种促进作用在地方金融发展水平不同的情况下有何差异。研究发现，政府产业基金所投资企业相对于未受任何风险资本投资的企业创新数量有明显增长；在金融发展水平较低的地区，政府产业基金缓解市场失灵的作用更明显，因而更有效地促进企业创新。本文还发现，政府产业基金往往会促进一些低质量的创新。

本文的研究结论具有两个方面的政策含义。①继续发展和完善政府产业基金，缓解市场失灵所导致的企业融资缺口问题，推动企业创新数量与质量的增长。②政府产业基金应当与地方金融发展形成良性的互补关系，在地方金融发展水平较高的地区，政府产业基金应当作为其他金融机构的辅助，不与地方金融机构争利；在地方金融发展水平较差的地区，政府产业基金应当大力投资处于高技术行业以及创业早期的企业，着力打造创新基础平台，以带动地方整体创新水平的提升与产业转型。