市場失靈、政府干預與創(chuàng)新激勵——對科技型中小企業(yè)創(chuàng)新基金的實證檢驗

郭 研 郭 迪 姜 坤

?

市場失靈、政府干預與創(chuàng)新激勵——對科技型中小企業(yè)創(chuàng)新基金的實證檢驗

郭 研1郭 迪2姜 坤3

（1．北京大學經濟學院 北京 100871）（2．香港大學 香港薄扶林道）（3．University of Roehampton London SW15 5PJ）

基于企業(yè)層面的面板數據，本文檢驗了科技型中小企業(yè)創(chuàng)新基金對企業(yè)全要素生產率的影響。研究發(fā)現(xiàn)創(chuàng)新基金存在事前的選擇效應和事后對企業(yè)全要素生產率的促進效應。創(chuàng)新基金的篩選機制由集中到分權決策的變化提供了自然試驗的機會，這一外生的篩選機制的變化對創(chuàng)新基金的效應產生了顯著的影響。在經濟越不發(fā)達的地區(qū)，創(chuàng)新基金的作用越顯著，說明市場失靈的情況下政府干預的有效性。

政府研發(fā)資助 全要素生產率 激勵機制

一、引 言

大多數國家都對企業(yè)的研發(fā)投入提供資助。對于私人研發(fā)的公共資助主要源于技術的外部性和科技項目的融資難問題。正的技術外部性使私人研發(fā)投入不足。高科技項目的高風險，以及信息不對稱導致中小科技企業(yè)難以獲得研發(fā)投入的外部融資（Hall和Lerner，2009）。創(chuàng)新是一國持續(xù)發(fā)展的重要推動力，因此政府通過扶持政策以糾正市場失靈。但政府介入私人領域的研發(fā)投入帶來的激勵扭曲（Acemoglu等，2013），反而有可能擠出私人的研發(fā)投入。

實證研究對于評價科技政策的效果至關重要。但利用企業(yè)層面的數據進行的實證研究結論并不統(tǒng)一。一系列對不同國家的研究都發(fā)現(xiàn)政府資助激勵了被資助企業(yè)研發(fā)投入，提高了企業(yè)的生產率，例如美國（Lerner，2000；Audretsch et al，2002），以色列（Lach，2002），愛爾蘭（G?rg和Strobl，2007），和德國（Aerts和Schmidt，2008；Czarnitzki和Lopes-Bento，2011）。然而，一些研究也發(fā)現(xiàn)政府資助和企業(yè)研發(fā)、企業(yè)績效間沒有顯著關系，甚至是負的關系。Klette和M?en（1999）對挪威的研究發(fā)現(xiàn)政府資助對企業(yè)的績效沒有正的影響。Clausen（2009）用同樣的數據發(fā)現(xiàn)“研究”（research）資助激勵了企業(yè)的研究支出，而“開發(fā)”（development）資助則替代了企業(yè)的開發(fā)支出。L??f和Hesmati（2005）對芬蘭的研究認為政府資助只對小企業(yè)的研究支出有正的激勵作用。Wallsten（2000）發(fā)現(xiàn)政府資助對私人研發(fā)投入的擠出效應。Acemoglu等（2013）發(fā)現(xiàn)擠出效應會降低社會福利和經濟增長。

關于中國政府實施的各項高科技政策的實證研究由于微觀數據的缺乏較少有基于企業(yè)層面數據的系統(tǒng)研究。有限的研究多是限于行業(yè)技術效率的研究（姚洋和章奇，2001；安同良等，2009）。我們的研究利用科技型中小企業(yè)創(chuàng)新基金1999-2007年的所有被資助項目的信息得以評價創(chuàng)新基金政策——我國政府面向中小型高科技企業(yè)的最大創(chuàng)新資助計劃，就我們所知這是第一個針對中國政府的高科技政策利用企業(yè)微觀數據的實證研究。

已往研究中看似矛盾的實證結果很可能是由于政策運作機制的不同和市場失靈在程度上的差異所致。本文要回答的問題是在什么樣的運作機制和市場環(huán)境下，創(chuàng)新基金的資助能夠有效發(fā)揮作用，這種政府對企業(yè)創(chuàng)新的干預是否糾正了市場失靈。

科技型中小企業(yè)創(chuàng)新基金自1999年實施以來，在2005年經歷了一次重要的運行機制的變化，即中央政府將項目篩選的決策權部分地下放給地方政府。這一外生的政策沖擊提供了一個自然試驗的機會，使我們有可能探討政策的運行機制與政策效果之間的關系。雖然學術界較少有針對政府部門的組織結構和政府公共項目效率之間的關系的研究，但產業(yè)組織理論中有大量針對私人企業(yè)的組織形式和投資績效之間關系的研究可供借鑒。

項目篩選的質量依賴于決策者的組織結構（Sah和Stiglitz，1991）。雖然存在著分權機制下事前獲取信息的激勵和事后失去控制之間的權衡取舍（Aghion和Tirole，1997），但一般而言，在信息較模糊時分權的組織結構更有效，當信息成本較低且信息較清楚時，集權的結構更好（Stein，2002）。從預算軟約束入手，Dewatripont和Maskin（1995）認為在無法事前獲取項目信息的情況下，分散的信貸市場比集中的信貸市場在篩選投資項目時更有效。當事前的信息較差，集中的信貸市場會導致預算軟約束。相反，分權決策不僅降低事前的篩選成本，而且事后會及時終止低質量的項目，這樣前述的兩種失誤都會降低（Qian和Xu，1998）。對高科技企業(yè)的研究發(fā)現(xiàn)越靠近技術前沿的企業(yè)，越年輕的企業(yè)更傾向于分散決策（Acemoglu等，2007）。

前述的研究成果可以對公共項目的決策機制與效率關系的研究提供一些借鑒。本文基于企業(yè)層面的面板數據，研究了創(chuàng)新基金這一政府對高科技企業(yè)的研發(fā)資助政策是否糾正了市場失靈，在獲得政府資助后企業(yè)是否提高了生產率，這種政府政策干預的效應是否隨政策實施機制的變化而改變。

本研究對于現(xiàn)有文獻有以下三個方面的貢獻：首先，大部分關于政府研發(fā)資助的理論和實證研究針對的是市場經濟為主的國家，這是第一篇系統(tǒng)化地研究轉軌國家政府的研發(fā)資助的文章。因此本研究展示了另外一種經濟制度下，政府的研發(fā)資助對企業(yè)TFP的影響。其次，本文將現(xiàn)有研究擴展到討論項目篩選機制的變化對項目事前和事后效應的影響，這恰恰是在現(xiàn)有文獻中被忽略的。第三，在一國之內對政府研發(fā)資助項目的跨區(qū)域研究避免了跨國研究中難以控制的變量對政策效果的干擾，區(qū)域差異的檢驗結果也表明政府研發(fā)政策對市場失靈的糾錯作用。

本文的第二部分介紹了創(chuàng)新基金和2005年的政策變化；第三部分描述了數據來源和樣本構建；第四部分給出創(chuàng)新基金對企業(yè)生產率影響的實證結果和穩(wěn)健性檢驗；第五部分檢驗篩選機制的變化對創(chuàng)新基金效果的影響以及穩(wěn)健性檢驗；第六部分是創(chuàng)新基金的跨區(qū)域差異；第7部分得出結論。

二、創(chuàng)新基金的制度背景

（一）創(chuàng)新基金介紹

1999年5月，國務院批準設立了科技型中小企業(yè)技術創(chuàng)新基金，這是我國第一支支持中小企業(yè)技術創(chuàng)新的政府專項基金。創(chuàng)新基金通過提供資金支持或者引導外部投資幫助企業(yè)進行科技成果轉化，并試圖通過創(chuàng)新基金激勵企業(yè)研發(fā)，獲得技術的溢出性社會收益。①

創(chuàng)新基金支持的項目和承擔項目的企業(yè)應具備下列條件：第一，創(chuàng)新基金支持的項目要符合國家產業(yè)技術政策。第二，申請企業(yè)的職工人數原則上不超過500人，其中具有大專以上學歷的科技人員占職工總數的比例不低于30%。②第三，企業(yè)每年用于高新技術產品研究開發(fā)的經費不低于銷售額的3%，直接從事研究開發(fā)的科技人員應占職工總數的10%以上。

根據中小企業(yè)和項目的不同特點，創(chuàng)新基金主要以無償資助、貸款貼息、資本金投入等方式給予支持。無論哪種形式，創(chuàng)新基金的資助金額一般不超過100萬元，個別重大項目最高不超過200萬元。從1999年到2011年底，創(chuàng)新基金累計支持中小企業(yè)技術創(chuàng)新項目30，537個，資助金額191.7億元。到2011年底，我國創(chuàng)業(yè)板上市的273家企業(yè)中有88家獲得過創(chuàng)新基金的支持。③

（二）2005年創(chuàng)新基金篩選機制的變化

中國科技部的創(chuàng)新管理中心是創(chuàng)新基金的主管部門，負責發(fā)放申請指南，組織篩選和評估項目，進行項目的中期檢查和結項。財政部是創(chuàng)新基金的監(jiān)管部門，參與審議創(chuàng)新基金年度支持重點和工作指南，并根據預算計劃撥款，同時對基金運作和使用情況進行監(jiān)督、檢查?？萍疾亢拓斦抗餐瑢徟鷦?chuàng)新基金資助項目，向國務院提交年度執(zhí)行情況報告等。

在省一級，省科委的創(chuàng)新基金辦公室向中央一級的管理中心報告。省級創(chuàng)新基金辦公室的職能在2005年發(fā)生了重要變化。2005年前，創(chuàng)新基金項目的篩選主要控制在中央一級，省級創(chuàng)新基金辦公室主要是在中央管理部門和地方企業(yè)間起一個上傳下達的橋梁作用，對于項目篩選的決策基本沒有發(fā)言權。2005年創(chuàng)新基金引入了新的申請和篩選機制。新的機制增加了篩選的透明度并且將決策權部分地進行了分權。首先，省一級地方政府建立了自己的創(chuàng)新基金項目并負責項目的初步篩選。省級創(chuàng)新基金辦公室對推薦項目的評估占科技部創(chuàng)新基金管理中心最終決策的30%的權重，在項目最終確認前，地方政府需要對推薦項目拿出資助資金的至少50%（西部省份可以出25%）。省級創(chuàng)新基金辦公室在向創(chuàng)新管理中心推薦前要進行為期兩周的公示，如果公眾有不同意見，地方政府必須給予回應。這一篩選機制的改變利用了地方政府的信息優(yōu)勢，強化了地方政府的激勵機制。通過出資配比的方式將地方政府的利益與被資助企業(yè)的創(chuàng)新效率綁定在一起，透明化也減少了政府的尋租機會。因此，我們預計2005年的篩選機制變化對創(chuàng)新基金的效應會產生顯著影響。

三、樣本和數據

我們的數據來源于兩個數據庫。其一，我們從創(chuàng)新基金網站獲取了1999年以來創(chuàng)新基金資助企業(yè)的基本信息——企業(yè)名稱、地址，項目特征，資助方式，資助時間等。其二，國家統(tǒng)計局發(fā)布的中國規(guī)模以上工業(yè)企業(yè)數據庫，該數據庫囊括了1998-2007年間銷售收入超過500萬元的制造業(yè)企業(yè)。數據庫提供了企業(yè)的財務信息和其他企業(yè)層面的特征，包括企業(yè)所在地、行業(yè)、建立時間、所有權結構等。

1999年至2007年獲得創(chuàng)新基金資助的企業(yè)項目共6167個。我們首先通過企業(yè)名稱、地址和行業(yè)代碼進行精確匹配，然后又用模糊匹配（避免因為名稱、地址縮寫而導致漏失問題）從規(guī)模以上企業(yè)數據庫中找到這些獲得創(chuàng)新基金資助的企業(yè)，得到其財務和其他信息。給定規(guī)模以上企業(yè)數據庫的局限，那些年銷售收入低于500萬元的資助企業(yè)和非制造業(yè)企業(yè)被排除在樣本外。這一匹配策略使我們涵蓋了所有被創(chuàng)新基金資助的規(guī)模以上制造業(yè)企業(yè)，共獲得1999年至2007年至少獲得一次資助的企業(yè)樣本2638家，共18224個年觀測值。

81%的被資助企業(yè)集中于國家統(tǒng)計局定義的8個高技術行業(yè)，這種分布體現(xiàn)了創(chuàng)新基金致力于支持高科技企業(yè)的研發(fā)投入。樣本企業(yè)獲得資助的時間分布與全部創(chuàng)新基金資助企業(yè)的時間分布類似，說明我們的樣本具有一定的代表性。①

為了給對待組——創(chuàng)新基金資助企業(yè)構建一個控制組——非資助企業(yè)，我們從規(guī)模以上企業(yè)數據庫中確認那些潛在的非資助企業(yè)，即有資格申請創(chuàng)新基金但沒有申請，或者申請了沒有獲得資助的企業(yè)。根據創(chuàng)新基金每年公布的申請標準，控制企業(yè)所在地后，隨機地以1比5的方式匹配出非資助企業(yè)。最終我們從12025家有申請資格的非資助企業(yè)中共獲得64，474個年觀測值。

我們用兩種方法計算企業(yè)的TFP以免結論受到特定算法的影響。第一種方法是直接用取對數的線性柯布道格拉斯（Cobb–Douglas）生產函數的普通最小二乘法（OLS）殘值獲得。當不可觀測的沖擊影響到生產投入時，OLS估計出來的生產函數將是有偏的，而且OLS方法忽略了對動態(tài)趨勢的考慮。因此，我們根據Olley和Pakes（1996）的方法將投資作為代理變量，這種半參數估算法同時控制了不可觀測變量對生產率的影響，以及企業(yè)退出導致的樣本不隨機的選擇性偏誤。變量是按照Olley和Pakes（1996）方法計算的帶有時間趨勢的全要素生產率，是除去時間趨勢的全要素生產率。

企業(yè)層面的控制變量包括年齡、規(guī)模、負債率，和所有權結構。企業(yè)的年齡是企業(yè)在給定年份距離建立時的時間長度取對數，創(chuàng)新基金資助企業(yè)的平均年齡是10年，與非資助企業(yè)的年齡相近。企業(yè)規(guī)模以企業(yè)總人數的對數形式來衡量。企業(yè)杠桿比率是指給定年份企業(yè)的總負債對總資產的比例。企業(yè)的所有權結構是以國有股權對總股權的比例來衡量的。使用的變量極值調整在第一和第九十九的百分位數來消除異常值。表1報告了資助企業(yè)和非資助企業(yè)的TFP和其他變量的描述性統(tǒng)計結果。平均而言，資助企業(yè)較非資助企業(yè)有更高的TFP，更大的規(guī)模和更低的杠桿比率。

表1 創(chuàng)新基金資助企業(yè)和非資助企業(yè)的變量統(tǒng)計

續(xù)表1

變量資助企業(yè)觀測值均值標準差最小值最大值非資助企業(yè)觀測值均值標準差最小值最大值 杠桿率（Lvg_rt）18,1760.5640.249013.06464,1450.6060.337015.704 國有股權比例（State_Shr）18,0790.1090.2840163,5300.1280.31901 TFP_ols17,0880.3630.987-9.8944.59259,8550.0301.182-13.4166.579 TFP_op117,0912.6971.443-7.4908.37959,8782.4251.582-11.9919.695 TFP_op217,0912.3981.045-8.2127.14859,8782.2031.272-11.0078.804

四、創(chuàng)新基金資助的企業(yè)比非資助企業(yè)有更高的TFP嗎？

表1的描述性統(tǒng)計顯示政府在對被資助企業(yè)的選擇并不是隨機的。通常政府試圖將具有創(chuàng)新潛力或者效率更高的企業(yè)挑選出來已達到政策目標，但同時由于選擇性效應的存在干擾了對創(chuàng)新基金效果的識別。即到底是政府資助提高了企業(yè)的效率還是企業(yè)即便沒有政府資助也有更高的效率。我們首先檢驗的是創(chuàng)新基金是否提高了企業(yè)的生產率，其次，通過傾向得分匹配和工具變量的方法識別創(chuàng)新基金的效應。

（一）創(chuàng)新基金對企業(yè)TFP的影響

我們用公式1通過面板數據的固定效應模型檢驗創(chuàng)新基金是否對企業(yè)的全要素生產率產生影響。

其中被解釋變量y是企業(yè)i在時間t的全要素生產率。InnoAft是虛擬變量，如果在時間t企業(yè)i獲得了創(chuàng)新基金的資助，則為1，否則為0。包括一系列的控制變量，指企業(yè)層面不隨時間變化的不可觀測變量，用以控制年度效應。系數是我們關注的創(chuàng)新基金對企業(yè)TFP的影響系數。樣本包括了資助企業(yè)和隨機匹配的非資助企業(yè)。

表2中模型1至3都顯示創(chuàng)新基金InnoAft與三種方法計算的企業(yè)TFP都顯著正相關。結果表明創(chuàng)新基金注入后企業(yè)的TFP不僅高于非資助企業(yè)，而且高于自身被資助前的TFP。例如模型2和3顯示，企業(yè)獲得創(chuàng)新基金資助后，比之前自身的或非資助企業(yè)的帶有時間趨勢和去除時間趨勢的TFP分別高9.4%和7.8%。

表2 創(chuàng)新基金與企業(yè)的TFP

續(xù)表2

（1）TFP_ols（2）TFP_op1（3） TFP_op2 Firm_age0.161***（0.021）0.184***（0.021）0.078***（0.021） State_Shr-0.140***（0.029）-0.166***（0.029）-0.157***（0.030） Lvg_rt-0.225***（0.027）-0.213***（0.027）-0.199***（0.027） Firm_size-0.006（0.016）-0.039**（0.016）-0.040**（0.016） _cons0.209***（0.079）2.673***（0.082）2.145***（0.081） Year EffectYYY Firm EffectYYY N76,46076,48576,485 adj. R-sq0.0310.0200.043 P-value0.0000.0000.000

注：括號中報告的是標準誤，* = p<0.1, ** = p<0.05, *** = p<0.01。

在我國由于金融業(yè)對國有企業(yè)的偏好，通常高科技中小企業(yè)的資金約束一直以來抑制了企業(yè)的研發(fā)投入。因此，我們檢驗了創(chuàng)基新金的貨幣效應。通過對資助規(guī)模與TFP關系的檢驗使我們能更深入地理解政府研發(fā)資助是否對高科技企業(yè)面臨的資金約束給予了緩解?；貧w公式2中InnoAmt是指企業(yè)i在時間t獲得的資助金額，如果企業(yè)i在時間t沒有獲得資助則為0。公式2中的其他變量與公式1一致。

回歸結果顯示InnoAmt與企業(yè)的TFP顯著正相關①。例如一百萬元的基金資助可以提高企業(yè)的和分別為12%和10%。考慮到資助金額的相對數對于不同規(guī)模的企業(yè)意義不同，我們還將公式2中資助金額的絕對數量替換為資助金額占總利潤和資助金額占現(xiàn)金持有量的比例重新進行了回歸，但結果并不顯著。這一回歸結果也許說明中小型科技企業(yè)面臨著嚴重的資金約束，以至于任何數量的外部資金都可以幫助他們提高績效。

（二）創(chuàng)新基金效應的識別與穩(wěn)健性檢驗

我們已經發(fā)現(xiàn)創(chuàng)新基金與企業(yè)TFP之間的顯著正相關的關系，但是尚不能得出任何因果關系的結論，因為企業(yè)TFP的提高可能來自其他因素的影響。首先，創(chuàng)新基金的資助對象并不是隨機選擇的，正如表1所示TFP越高的企業(yè)越有可能被創(chuàng)新基金選中，因此正的相關性很可能來自事前的選擇性效應。如果前述的分析成立，那么我們就難以得出創(chuàng)新基金解決了企業(yè)的資金約束問題進而提高了TFP的結論。因為即便沒有創(chuàng)新基金的資助，被選中的具有潛力的企業(yè)也可能有更高的TFP。

為了控制事前的選擇性偏誤，我們用傾向得分匹配法（PSM）重新構建了控制組（Rosenbaum和Rubin，1983）。我們以創(chuàng)新基金注入前一年企業(yè)的多項指標為資助企業(yè)匹配出對應的非資助企業(yè)。傾向得分以企業(yè)獲得創(chuàng)新基金可能性的估計值體現(xiàn)。我們以企業(yè)的兩位數行業(yè)代碼、所在地、規(guī)模和TFP為依據（Demurger 等，2002）建立了非創(chuàng)新基金資助的控制組企業(yè)。控制企業(yè)所在地是因為地區(qū)發(fā)展水平的差異可能會對結果產生影響。企業(yè)規(guī)模和企業(yè)TFP都取企業(yè)獲得創(chuàng)新基金資助前一年的數據。我們?yōu)橘Y助企業(yè)以1:5的比例按照相鄰傾向得分匹配法匹配出控制組樣本。這些標準使資助企業(yè)和非資助企業(yè)在創(chuàng)新基金注入前從各個層面看都是近似的。對比獲得資助前創(chuàng)新基金資助企業(yè)與非資助企業(yè)的TFP均值和中位數，無論是均值的t檢驗還是中位數的雙尾Wilcoxon秩和檢驗都表明兩組企業(yè)的TFP和規(guī)模沒有顯著差異。①

我們再次用公式1對這個新匹配的樣本進行回歸。表3顯示在控制了事前的選擇性效應后，模型1到3用不同算法得到的TFP其InnoAftit的回歸系數都顯著為正。不過相對于之前的隨機匹配樣本，創(chuàng)新基金的影響程度有所下降，但至少說明被資助企業(yè)的TFP好于獲得資助前的水平，也好于非資助企業(yè)。模型2中資助企業(yè)較控制組企業(yè)的TFP提高了8.3%。

表3 創(chuàng)新基金與企業(yè)的TFP（傾向得分匹配樣本）

注：括號中報告的是標準誤， * = p<0.1, ** = p<0.05, *** = p<0.01。

傾向得分匹配法的局限是無法控制一些不可觀測變量對TFP的影響，例如我們無法從數據中了解企業(yè)的研發(fā)能力或者管理團隊的水平等，這些變量都可能影響企業(yè)的TFP。為了剔除不可觀測變量的干擾，我們采用了兩個工具變量來識別創(chuàng)新基金對TFP的影響。第一個工具變量我們用企業(yè)所在城市高科技園區(qū)內的企業(yè)數量識別企業(yè)獲得創(chuàng)新基金的可能性。高科技園區(qū)內企業(yè)的數量代表了一個地區(qū)高科技企業(yè)的研發(fā)能力和高科技企業(yè)的供給水平。園區(qū)內的企業(yè)越多，企業(yè)越有機會獲得創(chuàng)新基金的支持。當然，較多的高科技園區(qū)內的企業(yè)有可能加劇對創(chuàng)新基金申請的競爭，對企業(yè)獲得創(chuàng)新基金產生負的作用。但由于基金授予的最終決策權并不在市一級地方政府，無論是2005年前還是2005年后創(chuàng)新基金的篩選都是由省級政府運作的，因此，競爭方面的影響并不很大。作為城市水平的變量，高科技園區(qū)內企業(yè)的數量與該地區(qū)具體企業(yè)的TFP相關性不大。這個工具變量符合外生性和相關性的兩個條件。第二個工具變量是縣級政府的固定資產總投資。在我國縣一級地方政府管理地方經濟，進行資源配置，地區(qū)間為了經濟增長相互競爭，總是試圖向中央政府爭取更多的資源和支持。通常野心越大的地方政府固定資產的投資越多，也更愿意支持本地企業(yè)爭取中央政府的創(chuàng)新基金。因此，我們預期在那些固定資產投資較多的地區(qū)，企業(yè)更有可能獲得創(chuàng)新基金。而且，地方政府的固定資產投資與個別企業(yè)的TFP沒有直接關系。地方政府1998-2007年的投資數據來自市縣級統(tǒng)計年鑒。

表4 企業(yè)TFP的兩階段最小二乘Probit（Probit-2SLS）估計

續(xù)表4

（1）（2）（3） TFP_olsTFP_op1TFP_op2 Firm_size-0.060*（0.032）-0.168***（0.042）-0.209***（0.023） Constants1.559***（0.137）4.211***（0.192）3.668***（0.144） N428504286742867 P Value 0.0000.0000.000 Sargan test P Value0.17960.38660.8088

注：括號中報告的是標準誤， * = p<0.1, ** = p<0.05, *** = p<0.01。

我們的回歸模型包括選擇方程和結果方程兩部分，采用兩階段最小二乘回歸模型（Heckman，Urzua，和Vytlacil，2006）進行檢驗。表4報告了基于隨機匹配樣本的Probit 2SLS的回歸結果。表4-A顯示第一階段的估計結果說明兩個工具變量——給定年份高科技園區(qū)內企業(yè)的數量（lnfirmno）和縣級政府的固定資產投資（Fixassets）與企業(yè)獲得創(chuàng)新基金的可能性顯著正相關，即兩個工具變量都符合相關性的條件。同時，Sargan檢驗結果說明這兩個工具變量對于影響企業(yè)TFP不可觀測變量而言是外生的。表4-B報告了第二階段的估計結果。模型1至3都顯示資助企業(yè)的TFP在獲得創(chuàng)新基金后不僅比非資助企業(yè)高，也比之前自身的TFP高。我們用傾向得分匹配法匹配的樣本重復上述的回歸進行穩(wěn)健性檢驗，在控制了事前選擇性效應后，結果依舊穩(wěn)健。以上結果說明在排除內生性問題后，我們得出創(chuàng)新基金顯著地提高了企業(yè)的TFP。

五、2005年政策變化和創(chuàng)新基金的效果

（一）問題的提出

2005年的政策變化根本上改變了項目的篩選機制。首先，更有信息優(yōu)勢的地方有了決策的發(fā)言權；其次，引入了共同出資的方式將地方與中央的利益聯(lián)接在一起；第三，通過公眾監(jiān)督使決策更加透明。這一系列的變化降低了項目篩選中的委托-代理問題和激勵扭曲問題，將會降低集中決策過程中的效率損失，使更多的科技企業(yè)受益。我們的問題是這種篩選機制的變化是否會影響創(chuàng)新基金的事前的選擇效應和事后對TFP的促進效應。

基于學術界對私人企業(yè)的組織形式和決策效率的研究成果，給定創(chuàng)新基金主要支持處于技術前沿的中小企業(yè)，我們判斷這些項目存在較高的風險和嚴重的信息問題，因此，我們可以提煉出三個關于2005年政策變化可能導致的潛在結果的假設。

假設1：2005年前決策機制更集中，地方政府在向上級政府推薦項目時更傾向于規(guī)避風險，更多地依賴“硬”的可度量的信息，即2005年前選的企業(yè)在獲得基金資助時相對于2005年后選的企業(yè)有更高的TFP。

假設2：2005年后分權化篩選機制激勵地方政府獲取信息，可度量的信息和不可觀測的信息都將作為推薦和選擇項目的依據。相比2005年前，2005年后獲得資助的企業(yè)有更高的增長潛力和更嚴重的資金約束。如果是這樣，那么創(chuàng)新基金的事后效應在2005年后要強于之前。

假設3：給定政府的研發(fā)資助是為了糾正市場失靈，那么市場越不發(fā)達的地區(qū)，創(chuàng)新基金的效應應該越強。

（二）2005年政策變化對創(chuàng)新基金效應的影響

我們采用logit回歸模型檢驗2005年篩選機制的變化對創(chuàng)新基金選擇性效應的影響，結果見表5。回歸樣本被分為兩個子樣本，5-A是2005年前獲得資助的企業(yè)及其對應的非資助企業(yè)，5-B是2005年后獲得資助的企業(yè)及其對應的非資助企業(yè)。表5-A模型1至3顯示獲得創(chuàng)新基金的可能性與三種方法計算的TFP顯著正相關。表5-B中模型2測算的TFP_OP1的系數雖然為正，但并不顯著。這些發(fā)現(xiàn)支持了假設1，即在更加集中的決策機制下，地方政府傾向于以可觀測的信息為依據篩選項目，而且選擇的項目要比2005年后選的項目TFP更高。我們進一步做了Z檢驗驗證表5-A的系數是否與表5-B的系數顯著不同，結果確實如此。

表5 創(chuàng)新基金項目選擇（2005年前和2005年后的子樣本）

注：括號內是標準誤，* = p<0.1，** = p<0.05，*** = p<0.01。

為了檢驗2005年政策變化如何影響創(chuàng)新基金對TFP的效應，我們進行了一系列的回歸。回歸公式3中所有控制變量與公式1相同。公式1中的虛擬變量被兩個虛擬變量和替代，分別表示2005年之前獲得資助和2005年后獲得資助。虛擬變量為1如果企業(yè)i在時間t獲得資助而且第一次獲得資助的時間在2005年之前，否則為0；另一個虛擬變量為1如果企業(yè)i在時間t獲得資助而且第一次獲得資助的時間在2005年之后，否則為0；

表6 2005年前和2005年后創(chuàng)新基金與企業(yè)的TFP

注：括號中報告的是標準誤，* = p<0.1, ** = p<0.05, *** = p<0.01。

表6報告了篩選機制變化對創(chuàng)新基金效果的影響。表6-A中模型1至3顯示and都與企業(yè)的TFP顯著正相關，這與我們在表2中得到的結論一致。重要的是我們發(fā)現(xiàn)的系數在三個回歸模型中都小于的系數，表 6-B通過lincom檢驗顯示兩個系數的差異顯著。三個回歸模型中的系數平均大約是的三倍。例如，模型1顯示2005年前被資助的企業(yè)獲得資助后TFP相對于獲得資助前的TFP和對應的非資助企業(yè)的TFP要高6.4%，而2005年后獲得資助的企業(yè)，資金注入后TFP較獲得資助前以及對應的非資助企業(yè)的TFP要高16.7%。同樣的結果在以OP方法計算的TFP也適用。創(chuàng)新基金對企業(yè)TFP的促進作用在2005年篩選機制更加分權化后顯著地提高了，這一觀察與我們的假設2一致。

我們進一步將樣本分成兩個子樣本做穩(wěn)健性檢驗，一個是只包括2005年前獲得資助的企業(yè)和對應的非資助企業(yè)，一個是只包括2005年后獲得資助的企業(yè)和對應的非資助企業(yè)。對這兩個子樣本的回歸再次驗證了創(chuàng)新基金的效應在程度上因為篩選機制的改變而變化。①當篩選機制從集權向分權轉變后，地方政府的積極性得到激勵，更有潛力的企業(yè)被挖掘出來，事前的選擇性效應削弱了。2005年后創(chuàng)新基金相對于2005年前，其對企業(yè)TFP的促進作用增強了。

六、創(chuàng)新基金效應的區(qū)域差異

既然政府對研發(fā)活動的資助是為了糾正市場失靈，那么市場環(huán)境是否對創(chuàng)新基金的效應產生影響？在我國市場環(huán)境和制度環(huán)境地區(qū)間差異很大。我們關注的是政府的研發(fā)資助對企業(yè)TFP的影響是否隨市場條件的不同而存在差異。若跨區(qū)差異存在的話，2005年后的篩選機制的變化又對這種區(qū)域效應帶來何種影響？

首先，創(chuàng)新基金的區(qū)域效應通過公式4進行估計。公式4中的其他變量與公式1一致，但公式4中增加了衡量市場發(fā)達程度的變量Mrt。Mrt代表企業(yè)i在時間t所在省的市場發(fā)達程度。同時將和的交乘項放入公式4。

2005年決策機制分權化的變化對創(chuàng)新基金區(qū)域效應的影響用公式5進行回歸。

公式5與公式3的變量一致，只是加入了變量Mrt、Mrt和Inno_2005Aft以及Mrt和o_2005Bfr的交乘項。加入這些變量是為了識別政策變化前后創(chuàng)新基金的區(qū)域效應。市場化指數用樊綱等（2009）每年在中國各省對企業(yè)的調查編制的1999至2007年的指數。這一指數關注市場發(fā)展的五個方面指標。②

表7 不同市場條件下的創(chuàng)新基金與企業(yè)的TFP

注：括號中報告的是標準誤， * = p<0.1, ** = p<0.05, *** = p<0.01。

表7報告了跨區(qū)效應的實證結果。和的交乘項與三種TFP都是顯著負相關。即在市場化程度越低的地區(qū)，創(chuàng)新基金的效果越顯著。這一結果說明在市場機制不夠完善的地區(qū)，創(chuàng)新基金更有效，支持了政府對“市場失敗”的糾錯效應。

2005年政策變化對創(chuàng)新基金區(qū)域效應的影響與公式3的回歸結果類似。①和都與TFP顯著正相關，而且的系數比的系數顯著提高。和的交乘項與和的交乘項都與企業(yè)的TFP顯著負相關。而且，和交乘項的系數比和交乘項的系數顯著減小。這些結果說明一個企業(yè)如果位于市場化相對落后的地區(qū)比那些在市場化程度相對發(fā)達地區(qū)的企業(yè)更有可能從創(chuàng)新基金中受益，這種影響又因為2005年分權化的篩選機制被強化了，印證了假設3。

七、結 論

本文檢驗了我國最大的鼓勵中小企業(yè)創(chuàng)新的政府項目——科技型中小企業(yè)創(chuàng)新基金對企業(yè)生產率的影響。研究發(fā)現(xiàn)創(chuàng)新基金對企業(yè)TFP存在事前的選擇效應和事后的促進效應。篩選機制的變化對創(chuàng)新基金事前選擇效應和事后促進效應均有影響。政府資助效應的地區(qū)差異說明政府介入的創(chuàng)新政策能夠糾正市場失靈。

創(chuàng)新基金一般會選擇TFP較高的企業(yè)資助，同時獲得資助的企業(yè)在基金注入后比之前TFP進一步提高，也比非資助企業(yè)高。我們通過傾向得分匹配法控制事前的選擇性偏差，通過兩步驟Heckman估計解決識別性問題，結果穩(wěn)健。項目篩選機制從集中向分權決策的轉化會影響創(chuàng)新基金的效應。在2005年前集中的決策機制下，地方政府作為中央政府的代理人更傾向于規(guī)避風險，更多依據“硬”的或可觀測的信息向中央推薦TFP更高的企業(yè)。2005年決策機制分權化后，地方政府具有更多的決策權。分權后地方政府對于企業(yè)申請時可觀察到的TFP并不特別關注，而更加關注企業(yè)的增長潛力。篩選機制的變化一方面降低了創(chuàng)新基金事前的選擇性效應，另一方面增強了創(chuàng)新基金事后對TFP的促進作用。創(chuàng)新基金的效應具有區(qū)域性差異，而且篩選機制的變化強化了區(qū)域效應。在市場較不發(fā)達的地方，創(chuàng)新基金的作用更強大。這說明在市場失靈越嚴重的地方，政府的作用就越顯著。同時在市場較不發(fā)達地區(qū)企業(yè)較難獲得外部融資，所以創(chuàng)新基金效應在這類市場中更加顯著。2005年之后，篩選機制的變化進一步強化了政府政策在市場不發(fā)達地區(qū)的糾錯作用。

我們的研究從微觀層面檢驗了政府資助對企業(yè)研發(fā)的影響，得出了和大多數國家一致的結論，即政府的資助政策提高了企業(yè)的全要素生產率。更為重要的是，我們發(fā)現(xiàn)創(chuàng)新政策的有效性與政策實施的組織形式、運行機制和市場環(huán)境緊密相關，這對于公共項目的制定與實施有重要的借鑒意義。

1. 安同良、周紹東和皮建才：《“R＆D補貼對中國企業(yè)自主創(chuàng)新的激勵效應》[J]，《經濟研究》2009年第10期。

2. 樊綱、王小魯、朱恒鵬：《中國市場化指數》[R]，中國經濟改革研究基金會經濟研究所，2009年。

3. 姚洋、章奇：《中國工業(yè)企業(yè)技術效率分析》[J]，《經濟研究》2001年第10期。

4. Acemoglu, D., Akcigit, U., Bloom, N., & Kerr, W. R., 2013,[J], NBER working paper (No. w18993).

5. Acemoglu, D., Antràs, P., & Helpman, E., 2007,[J], The American economic review, 97 (3), 916–943.

6. Aerts, K., & Schmidt, T., 2008,[J], Research Policy, 37 (5), 806–822.

7. Aghion P., Akcigit, U., Howitt P., 2013,[J], Working paper.

8. Aghion, P., & Tirole, J., 1997,[J].ournal of political economy, 105 (1), 1–29.

9. Audretsch D. B., Link, A. N., & Scott. J. T., 2002,[J], Research Policy, 31 (1), 145–158.

10. Clausen, T. H., 2009,[J], Structural Change and Economic Dynamics, 20 (4), 239–253.

11. Czarnitzki, D., & Lopes Bento, C., 2011,[R], ZEW-Centre for European Economic Research Discussion Paper, (11 ? 053).

12. Démurger, S., Sachs, J. D., Woo, W. T., Bao, S., & Chang, G., 2002,[J]. China Economic Review, 13 (4), 444–465.

13. Dewatripont, M., & Maskin, E., 1995,[J]. The Review of Economic Studies, 62 (4), 541–555.

14. G?rg, H., & Strobl, E., 2007,[J], Economica, 74 (294), 215–234.

15. Hall, B. H., & Lerner, J., 2009,[J], NBER working paper (No. w15325).

16. Heckman, J. J., Urzua, S., & Vytlacil, E., 2006,[J], The Review of Economics and Statistics, 88 (3), 389–432.

17. Klette, T. J., & M?en, J., 1999,[J], Nordic Journal of Political Economy, 25, 53–74.

18. Lach, S., 2002,[J], The Journal of Industrial Economics, 50 (4), 369–390.

19. Lerner, J., 2000,[J], The Journal of Private Equity, 3 (2), 55–78.

20. L??f, H., & Hesmati, A., 2005,[J],CESIS. Electronic Working Paper Series.

21. Olley, GS, and A. Pakes, 1996,[J], Econometrica, 64: 1263–1297

22. Qian, Y., & Xu, C., 1998,[J]. The Review of Economic Studies, 65 (1), 151–164.

23. Rosenbaum, P. R., & Rubin, D. B., 1983,[J], Biometrika, 70 (1), 41–55.

24. Sah, R., & Stiglitz, J., 1991,[J]. Quarterly Journal of Economics, 106 (1), 289–295.

25. Stein, J. C., 2002,[J], The Journal of Finance, 57(5), 1891–1921.

26. Wallsten, S. J., 2000,[J]. RAND Journal of Economics, 31 (1), 82–100.

① Source: http://www.innofund.gov.cn/

②經省級以上人民政府科技主管部門認定的高新技術企業(yè)進行技術創(chuàng)新項目的規(guī)模化生產，其企業(yè)人數和技術人員所占比例條件可適當放寬。

③http://www.innofund.gov.cn/.

①由于篇幅限制，我們略去了樣本企業(yè)的行業(yè)和資助時間分布的表格。

①回歸表格由于篇幅所限在本文中略去，有興趣的讀者可以向作者索取。

①單變量分析結果由于篇幅所限在本文中略去，有興趣的讀者可以向作者索取。

①所有第一階段與第二階段回歸的控制變量相同，為了節(jié)省空間，在此略去。

①回歸結果限于篇幅略去

②包括政府與企業(yè)的關系，私人部門的發(fā)展，產品市場的發(fā)展，資源市場的發(fā)展，工商業(yè)服務中介和法律機構的發(fā)展。

①回歸結果表格由于篇幅所限在本文中略去，有興趣的讀者可以向作者索取。