基于Probit模型的上海市工業(yè)企業(yè)研發(fā)投入傾向分析

[摘要]采用2005—2007年上海市工業(yè)企業(yè)的42341個微觀數(shù)據(jù)，將企業(yè)分為研發(fā)企業(yè)和非研發(fā)企業(yè)，運用Probit模型分析各因素對研發(fā)投入的影響，并采用逐年估計檢驗和最小二乘法進(jìn)行穩(wěn)健性檢驗。結(jié)果表明：出口企業(yè)更有研發(fā)傾向；國有控股企業(yè)比起其他企業(yè)研發(fā)傾向更高；規(guī)模大的企業(yè)更有研發(fā)傾向，但研發(fā)的生產(chǎn)率卻較低。

[關(guān)鍵詞]研發(fā)投入；Probit模型；企業(yè)特征；出口型企業(yè)

[中圖分類號]F270[文獻(xiàn)標(biāo)識碼]A[文章編號]2095-3283（2017）01-0128-04

[作者簡介]鄭明秀（1994-）女，漢，安徽宿州人，碩士研究生，研究方向：國際貿(mào)易理論與政策，經(jīng)濟(jì)增長，產(chǎn)業(yè)結(jié)構(gòu)及產(chǎn)業(yè)組織。創(chuàng)新是經(jīng)濟(jì)增長的源泉，研發(fā)是創(chuàng)新的重要組成部分，研發(fā)投入與長期經(jīng)濟(jì)增長之間存在明顯的正向關(guān)系。2005—2007年，中國研發(fā)投入占GDP比重平均值僅為14%，美國為24%，日本為34%，而德國高達(dá)64%，與西方發(fā)達(dá)國家相比，我國研發(fā)投入較低。長期以來，我國經(jīng)濟(jì)增長方式主要為要素驅(qū)動型的“粗放式”增長，隨著資源約束的趨緊，如何實現(xiàn)“集約式”經(jīng)濟(jì)增長逐漸成為亟待解決的問題。上海市作為我國的經(jīng)濟(jì)中心，其研發(fā)投入在一定程度上反映了我國企業(yè)的創(chuàng)新實力。據(jù)統(tǒng)計，2005—2007年，上海規(guī)模以上的研發(fā)企業(yè)占所有企業(yè)的比重分別為991%、1096%、1173%，雖然研發(fā)企業(yè)的占比逐年增長，但只有平均1086%的企業(yè)進(jìn)行了研發(fā)投入。基于以上事實，本文運用2005—2007年上海市工業(yè)企業(yè)的42341個數(shù)據(jù)，根據(jù)數(shù)據(jù)可得性，對企業(yè)研發(fā)投入的傾向進(jìn)行分析。

一、文獻(xiàn)綜述

最早研究企業(yè)特征和市場特征與研發(fā)關(guān)系的是熊彼得與阿羅。在此框架之下，多位學(xué)者進(jìn)行了研究，如Zoltan JAcs（1987）；Michael Peneder、Martin Woerter（2014）；Gabriele Pellegrinoa（2014）；聶輝華（2008）；李洪亞（2014），由于研究的側(cè)重點、使用的數(shù)據(jù)以及方法不同，得出的結(jié)果各不相同。國外學(xué)者Julian Baumann（2016）運用德國中小企業(yè)的數(shù)據(jù)，對中小企業(yè)的研發(fā)投入與創(chuàng)新以及生產(chǎn)率之間的關(guān)系進(jìn)行了研究，指出中小企業(yè)比大企業(yè)從參與到研發(fā)的概率較低，卻有更高的研發(fā)密度；Andrea-Conte·Marco Vivarelli（2014）通過對來自意大利CIS數(shù)據(jù)庫超過3000個數(shù)據(jù)的研究發(fā)現(xiàn)，不管在大企業(yè)還是小企業(yè)，研發(fā)投入都是培養(yǎng)創(chuàng)新的重要方式，且研發(fā)投入對于創(chuàng)新的影響在大企業(yè)中更顯著；José García-Quevedo（2014）指出不同企業(yè)和市場的特征在企業(yè)的不同年齡對于創(chuàng)新的影響相同。我國學(xué)者成力為、戴小勇（2012）通過對中國30萬個企業(yè)數(shù)據(jù)進(jìn)行研究，得出企業(yè)規(guī)模、年齡正顯著影響研發(fā)投入總量。聶輝華（2008）發(fā)現(xiàn)企業(yè)的創(chuàng)新與市場規(guī)模呈倒U型。

二、數(shù)據(jù)的來源、處理及描述

（一）數(shù)據(jù)的來源及處理

本文數(shù)據(jù)均來自2005—2007年中國工業(yè)企業(yè)數(shù)據(jù)庫中上海企業(yè)數(shù)據(jù)，按照毛德鳳（2013）和孫曉華（2014）的研究方法，對數(shù)據(jù)進(jìn)行了篩選和整理。具體數(shù)據(jù)處理步驟為：剔除研究開發(fā)費用為負(fù)值的數(shù)據(jù)；剔除資產(chǎn)總計、固定資產(chǎn)凈值、出口交貨值、銷售產(chǎn)值中任意一項為0或者是負(fù)值的數(shù)據(jù)；剔除從業(yè)人員均值小于等于8的數(shù)據(jù)；剔除明顯不符合實際情況和企業(yè)會計準(zhǔn)則的數(shù)據(jù)。剔除的數(shù)據(jù)樣本占總樣本的比重為094%，不影響數(shù)據(jù)的代表性。在進(jìn)行篩選后，得到的樣本數(shù)為42341個（注：以2005年為基期，采用固定資產(chǎn)投資價格指數(shù)對固定資產(chǎn)凈值進(jìn)行了平減，平減指數(shù)是來自《中國統(tǒng)計年鑒》）。

（二）變量的選取和描述

被解釋變量。企業(yè)研發(fā)投入：rd，為二值被解釋變量，選取數(shù)據(jù)庫中“研究開發(fā)費”數(shù)據(jù)代表，如果企業(yè)的研究開發(fā)費大于0，那么rd取值為1，否則取值為0，從而將上海的企業(yè)分為研發(fā)企業(yè)和非研發(fā)企業(yè)。

解釋變量。出口企業(yè)：exp，為虛擬變量，Melitz（2003）認(rèn)為企業(yè)存在異質(zhì)性問題，生產(chǎn)率較高的企業(yè)能夠進(jìn)行進(jìn)出口貿(mào)易，而研發(fā)投入是影響企業(yè)全要素生產(chǎn)率的重要組成部分。國家控股state為虛擬變量，數(shù)據(jù)庫包括描述各企業(yè)的控股情況的數(shù)據(jù)，因此將國有控股企業(yè)取值為1，其余類型的企業(yè)取值為0。企業(yè)規(guī)模lnsize為企業(yè)資產(chǎn)總量的對數(shù)，熊彼得認(rèn)為，規(guī)模大的企業(yè)更有研發(fā)投入的傾向且更具有創(chuàng)新能力，因此本文檢驗企業(yè)規(guī)模與研發(fā)投入傾向之間關(guān)系。

控制變量。年齡：lnage為企業(yè)年齡的對數(shù)；資本勞動：lnkl表示資本密度，為固定資產(chǎn)凈值與企業(yè)從業(yè)人員均值之比的對數(shù)；資產(chǎn)負(fù)債率：dar為負(fù)債總額/資產(chǎn)總額，各變量的統(tǒng)計數(shù)據(jù)見表1。

三、實證模型及結(jié)果分析

（一）實證模型

本文采用的估計模型為：

rdit為是否進(jìn)行研發(fā)投入的二值變量，X為解釋變量，Z為控制變量，ɑ為常數(shù)項，β和θ為估計參數(shù)，ε為白噪聲。

（二）實證結(jié)果及分析

運用Probit回歸方法對 ①式進(jìn)行回歸估計，結(jié)果如表2所示。表2中（1）（2）列為Probit回歸得到的系數(shù)，（3）（4）列為邊際效應(yīng)系數(shù)，其中，第（3）列是對應(yīng)于第（1）列的邊際效應(yīng)系數(shù)，第（4）列是對應(yīng)于第（2）列的邊際效應(yīng)系數(shù)。第（1）列控制了年份、行業(yè)和常數(shù)項，而第（2）列沒有控制這三個變量。直觀上，與沒有控制年份、行業(yè)、常數(shù)項的系數(shù)相比，控制之后系數(shù)變得更加合理與穩(wěn)健了。

在第（3）列中，得到是否出口系數(shù)為00224，在第（4）列該系數(shù)為00728，系數(shù)都為正且在1%的統(tǒng)計水平上顯著。表明在控制了年份、行業(yè)和常數(shù)項后，該系數(shù)變動明顯更加穩(wěn)健。因此，面臨國際市場上更強烈的競爭，出口企業(yè)若想要生存并獲得利潤，必須進(jìn)行不斷創(chuàng)新提高生產(chǎn)率，增強國際競爭力。

企業(yè)的產(chǎn)權(quán)為國有state系數(shù)在第（3）列為00871，在第（4）列為0205，較第（3）列大012，兩次估計得到的系數(shù)都是非常顯著的。表明上海市國有控股企業(yè)相對于其他性質(zhì)企業(yè)進(jìn)行研發(fā)投入的概率顯著較高，形成這一結(jié)果的原因可能是國有企業(yè)較其他企業(yè)的國家創(chuàng)新財政補貼力度更強。

企業(yè)規(guī)模變量lnsize的系數(shù)在第（3）列為00530，系數(shù)為正，而第（4）列該邊際效應(yīng)系數(shù)為-0011，系數(shù)為負(fù)。考慮到遺漏變量及穩(wěn)健性的問題，第（3）列估計得到的結(jié)果更有可信度。企業(yè)規(guī)模系數(shù)變量說明企業(yè)規(guī)模越大，進(jìn)行研發(fā)投入的概率越高。大企業(yè)比小企業(yè)擁有更多的融資渠道以及風(fēng)險分擔(dān)等方面的優(yōu)勢，存在規(guī)模經(jīng)濟(jì)的優(yōu)勢，因此更具有創(chuàng)新能力。本文的結(jié)果支持了熊彼得的假說，企業(yè)研發(fā)存在規(guī)模依賴。

此外，在控制了年份、行業(yè)和常數(shù)后，企業(yè)的年齡邊際效應(yīng)不顯著，但是符號為正，與不控制這些因素得到的符號為負(fù)的系數(shù)相比較更合理。Gabriele Pellegrinoa（2014）認(rèn)為成熟的企業(yè)比年輕的企業(yè)更支持R&D的投入，企業(yè)隨著的年齡的增加而增加研發(fā)投入，證實了研發(fā)投入的“年齡依賴”。Lnkl為人均資本密度的對數(shù)，該系數(shù)為-0007，而且該系數(shù)在1%的水平上顯著，說明資本密度越強的企業(yè)進(jìn)行研發(fā)投入的概率越低。產(chǎn)業(yè)發(fā)展過程中，資本密集型企業(yè)更多依賴要素投入帶來利潤。資產(chǎn)負(fù)債率dar，兩列的估計符號都為負(fù)且非常顯著，第（3）列中的dar系數(shù)為-00317，這意味著資產(chǎn)負(fù)債率越高進(jìn)行研發(fā)的概率越低。張杰、蘆哲（2012）的研究表明資金流動性約束抑制了企業(yè)研發(fā)投入的積極性，本文的實證結(jié)果與此一致。

四、穩(wěn)健性檢驗

首先，進(jìn)行Probit逐年估計；其次，采用最小二乘的方式進(jìn)行估計，估計結(jié)果如表3所示，前三列為Probit估計得到的邊際效應(yīng)的系數(shù)。我們可以看到，估計的結(jié)果與表2中采用面板數(shù)據(jù)得到的結(jié)果符號相一致，且統(tǒng)計顯著度和邊際效應(yīng)的系數(shù)大小相差不大。說明2005—2007年沒有發(fā)生結(jié)構(gòu)性變化，因此不一一進(jìn)行解釋。

第（4）列為普通最小二乘法得到的結(jié)果。用傳統(tǒng)的OLS進(jìn)行二值因變量估計會造成估計的有偏和不一致。從系數(shù)可知，用OLS估計的結(jié)果系數(shù)雖然和Probit估計的邊際效應(yīng)系數(shù)符號一致，但是其系數(shù)偏大。其中，國家控股的系數(shù)比估計得到的結(jié)果系數(shù)大一倍，其余變量偏大超過01。這說明本文選取的Probit估計方法很好地控制了聯(lián)立性偏誤問題，較為穩(wěn)健。

五、結(jié)論及建議

第一，出口企業(yè)更具有研發(fā)傾向。因此，應(yīng)繼續(xù)支持“走出去”戰(zhàn)略，擴(kuò)大對外出口規(guī)模，利用外需刺激出口企業(yè)的研發(fā)熱情。

第二，國有控股企業(yè)較其他企業(yè)的研發(fā)傾向更高。因此，政府應(yīng)通過相應(yīng)政策，提高其他企業(yè)研發(fā)投入的積極性，同時加強引導(dǎo)國有企業(yè)進(jìn)一步轉(zhuǎn)型升級。

第三，規(guī)模大的企業(yè)更有研發(fā)投入傾向，研發(fā)的生產(chǎn)率卻較低。因此，對于中小企業(yè)而言應(yīng)該努力壯大自身規(guī)模，以獲取規(guī)模經(jīng)濟(jì)優(yōu)勢，擺脫進(jìn)入研發(fā)需要“沉沒成本”的困境。另一方面要發(fā)揮自身研發(fā)投入密度高、效率高的優(yōu)勢。大企業(yè)應(yīng)該著重提高研發(fā)投入效率。

[參考文獻(xiàn)]

[1]李洪亞R&D、企業(yè)規(guī)模與成長關(guān)系研究——基于中國制造業(yè)企業(yè)數(shù)據(jù)：2005—2007[J]世界經(jīng)濟(jì)文匯，2014（3）：98-120

[2]聶輝華，譚松濤，王宇鋒創(chuàng)新、企業(yè)規(guī)模和市場競爭：基于中國企業(yè)層面的面板數(shù)據(jù)分析[J]世界經(jīng)濟(jì)，2008（7）：57-66

[3]Gabriele Pellegrinoa，Mariacristina Piva Do Innovative Inputs Lead to Different Innovative Outputs in Mature and Young Firms？ [J]Economia -Quaderno，2014（97）

[4]Michael Peneder，Martin WoerterCompetition， R&D and Innovation： Testing the Inverted-U in a Simultaneous System[J]Evol Econ，2014（24）：653-687

[5]Zoltan JAcs and David B Audretsch，Innovation，Market Structure，and Firm Size[J]The Review of Economics and Statistics，1987，NovVol69 No4：567-574

[6]Julian Baumann，Alexander SKritikosThe link between R&D，Innovation and Productivity： Are Micro Firms Different？[J]Research Policy，2016（45）：1263-1274

[7]Andrea Conte·Marco VivarelliSucceeding in Innovation：Key Insights on the Role of R&D and Technological Acquisition Drawn from Company Data[J]Empir Econ，2014（47）：1317-1340

[8]José García-Quevedo，Gabriele Pellegrino，Marco VivarelliR&D Drivers and Age： Are Young Firms Different？[J]Research Policy，2014（43）：1544–1556

[9]成力為，戴小勇研發(fā)投入分布特征與研發(fā)投資強度影響因素的分析——基于我國30萬個工業(yè)企業(yè)面板數(shù)據(jù)[J]中國軟科學(xué)，2012（8）：152-165

[10]毛德鳳，李靜，彭飛，駱正清研發(fā)投入與企業(yè)全要素生產(chǎn)率——基于PSM和GPS的檢驗[J]財經(jīng)研究，2013（4）：134-144

[11]孫曉華，王昀R&D投資與企業(yè)生產(chǎn)率——基于中國工業(yè)企業(yè)微觀數(shù)據(jù)的PSM分析[J]科研管理，2014（11）：92-99

[12]Marc J.MelitzThe Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity[J].Econometrica，2003（71）：1695-1725.

（責(zé)任編輯：張彤彤劉茜）