政府创业风险投资引导基金对于企业创新能力的影响

摘 要：政府创业风险投资引导基金对于企业创新能力具有重要影响。为了明确政府创业风险投资引导基金对于企业创新能力的影响，促进企业创新能力提高，本文基于北京证券交易所上市的147家企业在2013—2022年的相关数据，利用渐进双重差分法探讨政府创业风险投资引导基金对企业创新能力的影响，并对影响机制进行研究。研究表明：其一，政府创业风险投资引导基金对于企业创新有正相关影响；其二，政府创业风险投资引导基金通过缓解企业融资约束，提升企业创新能力；其三，政府创业风险投资引导基金投资于高新技术企业更有利于提升企业的创新能力。这对于运用好政府创业风险投资引导基金引导作用具有重要的理论参考价值和实践指导意义。

关键词：政府创业风险投资引导基金；企业创新能力；北京证券交易所；渐进双重差分法

中图分类号：F830.9 文献标识码：A 文章编号：2096-0298（2024）07（a）--05

2021年9月，北京证券交易所的成立标志着中国资本市场改革和发展的重要里程碑，旨在进一步优化国家创新驱动发展战略的实施框架，并显著增强高新科技企业的融资能力和创新能力。北交所由原新三板中的精选层平移而来，重点服务对象是未达到创业板、科创板和主板上市条件的创新型中小企业。该交易所不仅为中小型创新企业提供了一个更为广阔和便捷的融资平台，促进了资本的有效配置，还增强了企业面对市场变化的灵活性和响应速度。在此背景下，政府创业风险投资引导基金的作用尤为重要，它通过降低投资风险、提供资金支持，进一步激发了企业的创新活力，对于促进科技成果转化、加速创新型经济体系建设具有深远的影响。

对于政府创业风险投资引导基金效应的研究，主流学术观点主要分为其发挥了引导效应或挤出效应两个方面。学者更多聚焦于政府引导基金的引导效应。安国俊和李皓（2020）认为政府创业风险投资引导基金可以借助财政资金的杠杆放大效应，以少量财政资金撬动更大规模的社会资本参与产业投资，实现支持经济发展的财政手段与市场化方式的融合。Standaert和Manigart（2018）利用全球25个国家，446家企业的创业投资数据，研究发现政府引导基金投资创业投资企业可以明显提高创投市场的资本总量，而且政府与私人混合基金投资的介入效果比单独一方介入的效果更好。

企业创新一直是学术界高度关注的课题，目前国内外学术界主要将企业创新能力定义为狭义和广义两类。目前，学术界较为主流的观点更接近于狭义范围的企业创新，即使用专利数量和创新研发投入等数据作为衡量指标。Gompers和Lerner（2010）衡量企业创新能力时使用了专利数量和研发支出两类指标。杨艳等（2007）认为，企业创新能力主要分为市场能力、技术能力和整合能力三个部分，而其中需要重点考察企业创新资金的投入和对D+WY2MZ5EZd0/VgiBxpR4pmwymUNXxGLnG5znLbabuI=应的产出水平。同样，袁建国等（2015）、温军和冯根福（2012）均从创新投入和创新产出两个角度来衡量企业创新的水平，其中以研发支出作为创新投入的衡量指标，以专利数量作为创新产出的衡量指标。

目前，虽然学术界存在大量探究引导基金对企业创新能力的影响及其机制的研究，但研究所用数据有待更新。陈丽娜和段理（2022）在筛选出未在其他资本市场进行IPO的企业，同时考虑政府引导基金投资时点以及研发周期后，挑选了136家在2010—2016年受到过政府引导基金投资的科创板上市企业作为研究样本。陈旭东等（2020）选取2012—2018年沪深两市A股上市公司面板数据。研究者选取的数据大多来自科创板或沪深A股上市的企业，很少使用2021年成立的北京证券交易所上市企业的相关数据。

本文选取2020—2022年在北京证券交易所上市的147家企业2013—2022年面板数据作为研究对象，探究政府创业风险投资引导基金对于企业创新能力的影响。本文可能的创新点在于：第一，本文选取北京证券交易所2020—2022年上市公司的相关数据，在数据选取方面具有一定的创新性；第二，研究了政府创业风险投资引导基金对于企业创新能力的影响以及政府创业风险投资引导基金通过缓解企业融资约束提升企业创新能力的影响机制，系统梳理了政府创业风险投资引导基金、融资约束和企业创新之间的影响关系，弥补了相关研究的空白。

根据本文研究思路，本文主要从以下五个部分展开阐述和分析：第1部分是文献综述与研究假说，提出本文的三个假说；第2部分是实证研究设计，包括模型设定、变量说明和数据来源和描述性统计；第3部分是实证结果分析，包括基准回归分析、稳健性检验和内生性分析；第4部分进一步分析包括机制分析和异质性分析；第5部分是结论和政策建议，总结全文并提出针对性的政策建议。

1 文献综述与研究假说

国外学术界较早开始关注政府引导基金与企业创新之间的关系。Cumming和Li（2013）对美国SBIR项目进行了研究，使用美国的州数据，研究表明该项目能够增加创投市场投资总额。Bertoni和Tykvova（2015）的研究发现，由政府部门主导的，具有公共投资属性的政府引导基金投资更能对企业创新产生显著促进作用。国内学者对于政府引导基金与企业创新之间的作用关系关注较晚，但分析方法和研究视角较为丰富。邓晓兰和孙长鹏（2019）认为政府引导基金具有通过促进企业创新推动产业升级的作用机制， 且效果显著，政府引导基金、企业创新、产业创新三者线性相关，形成良性循环。程聪慧和王斯亮（2018）研究表明，引导基金支持的创业企业的创新产出与未受引导基金支持的创业企业相比有显著增加，但由于存在累积效应与迟滞效应，引导基金引导作用的发挥必须依赖于持续努力。目前鲜有学者关注具有创业风险投资性质的政府引导基金对于企业创新能力的影响。据此，本文提出研究假设1：

H1：政府创业风险投资引导基金能够提升企业创新能力。

有关影响机制的研究中，学界采用不同的机制路径来证明创业风险投资对于企业创新有正相关影响。邹璇和张梦雨（2020）研究了融资约束、风险投资对企业创新的双边效应。研究结果显示，风险投资能够正向提高企业的创新产出，但融资约束会对该效果产生抑制。段勇倩和陈劲（2021）使用文献计量法对1996—2020年研究创业风险投资与企业创新之间关系的相关文献梳理，将创业风险投资影响企业创新的机制路径分为信号、资源、制度与激励四种。Chemmanur和Fulghieri（2014）认为信号的机制路径是在企业由于与投资机构之间存在信息不对称而产生了融资困境的背景下产生的。可以看出，在机制检验中，研究者倾向于将融资约束作为中介变量，通过分析各种影响因素对融资约束的影响检验创业风险投资对企业创新能力的影响。但目前多数研究关注于创业风险投资对企业创新能力的影响，其中细分的政策性政府引导基金对于企业创新能力的研究，缺乏系统梳理其具体的影响机制，据此本文提出研究假设2：

H2：政府创业风险投资引导基金通过缓解企业融资约束，提升企业创新能力。

国内较多学者从企业异质性层面，关注政府引导基金对于企业创新能力的影响。黄嵩等（2020）使用科技型企业作为研究样本，研究了与独立性创投基金相比，政府引导基金在促进科技型企业技术创新方面的效果要更优。李善民等（2020）的研究表明，政府引导基金会显著提高科技型初创企业可获得的投资数量和投资额。这表明政府引导基金能够发挥支持作用，为科技型企业提供资金支持。丁灵（2020）通过对2012—2018年新三板挂牌上市的科技型中小企业进行分析，认为政府引导基金对科技型创业创新活动具有正向引导效应。据此，本文提出研究假设3：

H3：高新技术企业受到政府创业风险投资引导基金投资后，更有利于提升企业创新能力。

2 实证研究设计

2.1 模型设定

政府引导基金是一种政策性基金，本文尝试通过比较企业在获得政府引导基金前后创新能力的差异，进而探究政府创业风险投资引导基金对于企业创新能力的影响。本文考虑到政府创业风险投资引导基金投资创新型中小企业的时间节点不同，因此构造多时点的渐进双重差分法分析政府创业风险投资引导基金对于企业创新能力的影响。具体构建的模型如下：

R&Dit=α0+α1Treati×Postt+α2Xit+μi+δt+εit（1）

其中，R&Dit是企业i在第t年的研发支出与营业收入之比，Treati×Postt表示政策虚拟变量和时间虚拟变量相乘，Xit表示企业层面的控制变量，它表示可能影响企业创新的其他因素，具体包括企业规模（Size）、资产收益率（ROA）、固定资产比率（Fixratio）、资产负债比（Level）、税负（Tax）、企业存续期（Age）、股权集中度（Share）。μi和δt分别表示企业个体固定效应和年份固定效应。εit是随机误差项，指除以上影响因素外，其他可能会对企业创新能力产生影响并随时间变化的因素。

2.2 变量说明

2.2.1 被解释变量

在研究企业创新水平层面，袁建国等（2015）、温军和冯根福（2012）选择从创新活动的投入与产出综合衡量企业的创新能力，研发支出代表创新投入，专利数量代表创新产出。由于研发支出具有更加直观、权威和可比较的优势，故而从创新投入的角度，选用研发支出与营业收入之比（R&D）用于基准回归。对于稳健性检验，由于专利存在专利申请和专利授权两种情况，相较于需要有一定程序、容易受监管机构执行效率影响的专利授权，专利申请更能直接反映企业现阶段的创新水平，所以选用企业新增专利申请总量作为替换的被解释变量。综上所述，从投入和产出两个角度，全面衡量企业创新能力。

2.2.2 解释变量

本文的关键解释变量（Treat×Post）为“是否得到政府引导基金（Treat）”和“某时刻是否接受政府引导基金（Post）”的交乘项。政策虚拟变量（Treat）。设置处理组和对照组，得到政府引导基金的处理组该变量取值为1，未得到政府引导基金的对照组该变量取值为0。时间虚拟变量（Post）。定义得到政府引导基金当年及之后年份该变量取值为1，得到政府引导基金之前的年份该变量取值为0。交乘项变量（Treat×Post）。使用政策虚拟变量（TReat）和时间虚拟变量（Post）之间的相互作用（Treat×Post）可以有效反映得到政府引导基金对企业创新能力的影响。当且仅当Treat和Post同时等于1时，Treat×Post取值为1，其余情况取值为0。本文实证部分采用双重差分方法进行分析，Treat×Post的系数表示政府引导基金对企业创新能力的净影响。

2.2.3 控制变量

在对可能影响企业创新能力的控制变量选择方面，本文参照文强等（2024）、吴先明和马子涵（2024）和Li等（2022）的研究方法，结合数据的可获得性，主要选择以下控制变量：企业规模（Size）、资产收益率（ROA）、固定资产比率（Fixratio）、资产负债比（Level）、税负（Tax）、企业存续期（Age）、股权集中度（Share）。

2.3 数据来源和描述性统计

本文以截至2022年底的191家北交所现有企业为基础，在剔除样本中的金融类企业、被ST处理的企业和样本数据严重缺失的企业后，保留全部得到政府创业风险投资引导基金投资的企业作为样本，共计28家。剔除得到政府创业风险投资引导基金投资的企业样本后，保留全部剩余样本作为没有得到政府创业风险投资引导基金投资的企业样本，共计119家。本文选择2013—2022年作为研究区间。其中，公司相关数据来自中国研究数据服务平台（CNRDS）、Wind数据库以及部分手工整理，政府引导基金投资数据来自清科私募通。

3 初步分析

3.1 基准回归分析

在未加入控制变量的回归结果中，Treat×Post的系数估计值为0.129；在加入控制变量的回归结果中，Treat×Post的系数估计值为0.097。加入的控制变量对于企业研发与营业收入之比有一定的解释作用，所以Treat×Post系数估计值变小。同时，加入控制变量后，调整的拟合优度明显提高，由0.041变为0.186，表明加入其他影响因素后，模型的拟合性更好，更加合理。在两种估计结果下，基本结论均未改变，Treat×Post的系数在99%置信水平下显著为正，证明得到政府创业风险投资引导基金可以显著提升企业的创新能力，假设H1得到验证。此外，在控制变量中，部分控制变量的估计系数较为显著，这表明影响企业创新能力的因素中，政策性基金因素只是其中一个方面，还会受到其他因素的影响。例如企业规模越大，企业资产规模越大，可用于研发的资金越多，在一定程度上能够提高企业的创新能力和资产负债比例，加大企业研发投入，刺激企业发展，在一定程度上提高企业的创新能力。企业税收越高，表明企业收入所得较高，说明企业经营较好，有利于提高企业的创新能力。

3.2 稳健性检验

3.2.1 平行趋势检验

本文首先运用渐进双重差分模型所需的平行趋势假设进行稳健性检验。处理组的渐进DID估计系数的95%置信区间。选用政府创业风险投资引导基金投资前一年作为基期，结果显示，政府引导基金投资前两年和前三年，Treat×Post系数不显著。政府创业风险投资引导基金投资后的Treat×Post系数均显著异于0，即通过平行趋势检验，具有稳健性。

3.2.2 替换被解释变量

在基准回归中，本文选用研发支出与营业收入之比（R&D）作为企业创新能力的代理变量，从创新投入角度解释企业创新能力，现利用新增专利总量（Patent）作为衡量指标，从创新产出角度解释企业创新能力。具体数据由中国研究数据服务平台统计获得。替换被解释变量后稳健性结果如表4第（1）列和第（2）列所示。对比表4中第（1）列与第（2）列，在替换被解释变量后，Treat×Post的系数仍在99%置信水平下显著，从创新产出的角度进一步验证了假设H1。

3.2.3 控制个体固定效应

为了更准确地估计政府创业风险投资引导基金政策变化对企业创新能力的影响，隔离政策效果与个体不变特征的混淆并且保证在不同样本条件下依然成立，进一步进行控制个体固定效应的稳健性检验。部分影响由个体固定效应解释，所以Treat×Post系数估计值变小。但是加入个体固定效应后，Treat×Post的系数仍在99%置信水平下显著，说明控制个体固定效应后仍具有稳健性。

3.3 内生性分析

司春晓等（2021）的研究表明，长期相同趋势不一定总是成立，这成为渐进双重差分法所面临的内生性问题。基于反事实框架的PSM-DID模型可以在一定程度上实现随机试验的目的，解决内生性问题。选择所有控制变量作为协变量，利用Logit模型计算倾向得分值，使用一比一近邻匹配方法进行企业倾向得分匹配，匹配后进行平衡性检验。结果表明，相较于匹配前，大部分控制变量的标准化偏差在匹配后都有明显下降。同时P值有所提升，即匹配前显著，匹配后不显著。这表明，匹配之后，处理组变量和对照组变量不存在系统性差异，即近邻匹配结果较好，结果满足平衡性检验。

4 进一步分析

4.1 机制分析

根据理论假设，政府创业风险投资引导基金主要通过缓解企业融资约束对企业创新能力产生影响，因此本文选择企业融资约束（SA）作为中介变量。本文参考Hadlock和Pierce（2010）、鞠晓生等（2013）和冀志斌等（2020）对融资约束的衡量指标，采用SA指数衡量企业面临的融资约束。相较于 KZ 指数、WW指数等常用融资约束衡量指数，SA指数采用企业规模、企业存续期两个外生性指标，可以避免因采用企业财务指标而产生的内生性问题。具体计算公式如下：

SA=-0.737×SIZE+0.043×SIZE2-0.04×AGE（2）

借鉴王爱萍等（2020）和梁玲玲等（2023）关于中介效应的研究，结合基准回归模型，构建中介效应模型如下：

SAit=β0+β1Treati×Postt+β2Xit+μi+δt+εit（3）

R&Dit=φ0+φ1Treati×Postt+φ2SAit+φ3Xit+μi+δt+εit（4）

其中，SAit为企业融资约束中介变量，通过判别α1、β1、φ1和φ2的显著性，实现对中介效应的识别。

解释变量Treat×Post的系数为9.254，在99%置信水平下显著，说明政府创业风险投资引导基金对企业融资约束的缓解具有正向作用，能够降低企业融资约束程度。解释变量Treat×Post和中介变量SA的系数分别为0.095和0.0003，在99%置信水平下显著，说明存在中介效应，并且政府引导基金、融资约束的缓解对企业创新能力具有正向的影响。因此，由上述中介效应的实证结果可知，政府引导基金对企业创新能力的促进作用，是通过缓解企业融资约束的中介机制实现的，融资约束在政府引导基金影响企业创新水平过程中起到了部分中介的作用。假设H2得到验证。

4.2 异质性分析

本文进一步探讨政府引导基金对于不同类型企业创新能力的影响。基于政府创业风险投资引导基金投资企业的初衷，政府引导基金更希望投资符合国家政策发展方向的行业与企业，提高国家综合国力和相关行业与企业的核心创造力。高新技术企业作为衡量一国实力水平和发展潜力的重要组成部分，自然是政府引导基金重点关注对象。基于本文原有样本，采用科技部、财政部等部门于2016年联合印发的《高新技术企业认定管理办法》中对于高新技术企业的界定，筛选出有128家企业属于高新技术企业，19家为非高新技术企业。高新技术企业Treat×Post系数在99%置信水平上显著，非高新技术企业Treat×Post系数不显著，说明相较于非高新技术企业，政府引导基金投资于高新技术企业更有利于提升企业的创新能力，假说H3得到验证。

5 结语

现阶段用于政府创业风险投资引导基金的规模不断扩大、创新能力愈发成为企业重要战略支撑能力的背景下，以北交所2020—2022年挂牌上市公司为样本，研究了政府创业风险投资引导基金对于企业创新能力提升的影响及作用机制，研究发现：其一，政府创业风险投资引导基金对于企业创新有正相关影响；其二，政府创业风险投资引导基金通过缓解企业融资约束，提升企业创新能力；其三，从企业异质性角度，政府创业风险投资引导基金投资于高新技术企业更有利于提升企业的创新能力。

根据上述研究结论，本文提出如下政策建议。其一，积极有序开展政府引导基金在投资市场上的投资活动，增加对创新创业企业的投资规模，明确政府的引导作用。其二，关注政府创业风险投资引导基金对于企业融资约束的缓解作用，激发企业创新能力，提升企业的创新水平。其三，政府在出资设立引导基金时要加强宏观规划，减少盲目性。引导更多的资金会流向符合国家政策发展方向的企业，特别是在对高新技术企业投资过程中，可以按照企业规模、所属行业等标准建立健全企业分级标准体系，对应不同级别的企业给予不同力度的政府引导基金支持和政策扶持，从而实现“精准投资”和“专款专用”。

参考文献

Gompers P，Lerner J. Venture capital distributions： short-runand long-run reactions [J]. Journal of Finance， 2010，53（6）：2161-2183.

杨艳，朱恒源，吴贵生.我国企业创新能力的解构与演进[J].经济管理，2007（9）：30-35.

袁建国，后青松，程晨.企业政治资源的诅咒效应： 基于政治关联与企业技术创新的考察[J].管理世界，2015（1）：139-155.

温军，冯根福.异质机构、企业性质与自主创新[J].经济研究，2012，47（3）：53-64.

陈旭东，杨硕，周煜皓.政府引导基金与区域企业创新： 基于“政府+市场”模式的有效性分析[J].山西财经大学学报，2020，42（11）：30-41.

Cumming D.J.， Li Dan. Public policy， entrepreneurship， and venture capital in the United States[J]. Journal of Corporate Finance， 2013（23） ： 345-367.

Bertoni F， Tykvova T. Does Governmental Venture Capital Spur Invention and Innovation？ Evidence from Young European Biotech Companies[J]. Research Policy， 2015， 44（4）：925-935.

程聪慧，王思亮.创业投资政府引导基金能引导创业企业创新吗？[J].科学学研究，2018，36（8）：1466-1473.

邹璇，张梦雨.风险投资、融资约束与新能源企业创新： 基于异质性双边随机前沿模型[J].工业技术经济，2020，39（1）： 3-12.

段勇倩，陈劲.风险投资如何影响企业创新： 研究述评与展望[J].外国经济与管理，2021，43（1）： 136-152.

Chemmanur T.J， Fulghieri P. Entrepreneurial Finance and Innovation： An introduction and agenda for future research[J]. The Review of Financial Studies， 2014，27（1）： 1-19.

黄嵩，倪宣明，张俊超，等.政府引导基金能促进技术创新吗： 基于我国科技型初创企业的实证研究[J].管理评论，2020，32（3）： 110-12.

李善民，梁星韵，王大中.中国政府引导基金的引导效果及作用机理[J].南方经济，2020（8）：1-16.

丁灵.政府引导基金能引导企业科技创新吗： 基于创业投资引导基金[J].北方经贸，2020（1）：40-42.

文强，陈海强，袁煜玲.缓解融资约束必然促进企业创新吗？来自信贷扩张准实验的证据[J].系统工程理论与实践， 2024（1）： 1-24.

吴先明，马子涵.产业政策促进企业创新的传递机制与情境条件： 来自沪深A股上市公司的经验证据[J].当代经济管理， 2024， 46（1）： 31-42.

Li R， Rao J， Wan L. The digital economy， enterprise digital transformation， and enterprise innovation[J]. Managerial and Decision Economics， 2022， 43（7）： 2875-2886.

司春晓， 孙诗怡， 罗长远. 自贸区的外资创造和外资转移效应： 基于倾向得分匹配-双重差分法（PSM-DID）的研究[J].世界经济研究， 2021（5）： 9-23.

Hadlockcj， Piercejr. New evidence on measuring financial constraints： moving beyond the KZ index[J]. Review of financial studies，2010，23（5）：1909-1940.

鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究，2013（1）：416.

冀志斌，石政，贾圆圆.房价变动与企业融资约束关系的实证检验[J].统计与决策，2020（5）：123-128.

王爱萍，胡海峰，张昭.金融发展对收入贫困的影响及作用机制再检验： 基于中介效应模型的实证研究[J].农业技术经济， 2020（3）：70-83.

梁玲玲， 李烨， 陈松. 数字普惠金融促进企业绿色技术创新的效应与机制检验[J].统计与决策， 2023， 39（11）： 168-173.