政府補貼真的能解決研發外部性嗎？

周曉艷 卞元月

摘要：西方文獻普遍認為R&D;的“市場失靈”是政府研發公共支出存在的理由。為研究政府補貼能否解決研發外部性問題，選取2001—2007年中國工業企業數據庫研發密集型行業中的微觀企業數據，利用傾向得分匹配模型檢驗政府補貼對企業R&D;行為的影響。研究結果證實：政府補貼對企業R&D;支出存在顯著的“擠出”效應，且由于行業異質性的存在，政府補貼對不同行業企業R&D;支出的擠出效應存在較大差異。政府公共支出并未達到預期的激勵作用。

關鍵詞：政府補貼；研發行為；擠出效應；選擇性偏差；傾向得分匹配方法

中圖分類號：F202 文獻標識碼：A 文章編號：1007-2101（2018）03-0030-09

自Schumpeter（1912）創新理論提出以來，相關領域的研究一直受到學者們的關注。新增長理論認為R&D;投入是技術進步的最直接來源（Romer，1990）。現代經濟增長內生演化的動力是技術進步，而R&D;活動則是技術進步的源泉。R&D;活動不僅是隱性知識和顯性知識的來源之一，而且通過產品創新和工藝創新，進而推動經濟的可持續性增長（Cohen和Levinthal，1989；Furman、Porter和Stern，2002）。但企業R&D;活動所具有的正外部性將導致市場失靈以及隨之而來的投資不足問題（Tassey，2004）。因此，為糾正這種市場失靈，政府的研發補貼和稅收優惠就成為糾正這種外部性的必要措施。

政府補貼真的能解決研發的外部性嗎？在庇古外部性理論中有兩個隱含的假設：首先，正外部性效應的生產者可以約束自己的行為；其次，庇古津貼對于正外部性效應的生產者能夠形成有效激勵，降低其成本，從而增加供給。這兩個隱含的假設在現實中存在嗎？政府補貼是擠出抑或激勵微觀企業進行R&D;投資？對這一問題的回答，學術界對微觀層次的研究方法存在異議，因而產生了研究結論的沖突。

中國是高速發展的新興經濟體，但同時也面臨著發展不平衡的問題。工業化后期對傳統技術和高新技術的選擇是關乎中國產業發展的重大戰略問題。就高科技行業而言，其中的研發投資顯得尤為重要（Lee，2010）。自2006年中長期科技發展規劃發布以來，我國政府研發補貼強度占自主研發強度的比例平均為44.23%，2008年、2009年更是達到了50%以上，超過了國際慣例的50%。與此同時，根據歐盟的統計數據，2011年全球企業研發投入前1 000名企業中，中國只有19家企業上榜[1]。由兩組宏微觀數據的對比可知，我國企業研發投入水平離發達國家的標準還相差甚遠，政府每年巨額的補貼所產生的激勵效應與預期也相差甚遠。

在中國轉軌制度背景下，政府補貼對微觀企業的R&D;行為會產生何種效應？能否解決研發外部性問題？本文擬從微觀層面來探討這一問題。考慮到行業異質性的存在，以中國工業企業數據庫中研發密集型行業中的企業為樣本，采用大樣本的微觀企業層面數據，采用PSM模型以解決可能的選擇性偏差，使得研究結論更精準。

一、文獻綜述

西方文獻普遍認為自發的R&D;活動存在“市場失靈”，而這是政府公共投資存在的原因之一。由于知識生產的不完全獨占而導致的負外部性，此時，如果完全交給市場，為技術知識或信息的生產而進行的投資則低于社會最佳水平（Arrow，1962）。由于R&D;的公共產品特性、R&D;活動的外部性以及R&D;過程中的不確定性和風險，使得企業不愿投資R&D;。Romer（1990）也認為技術具有非競爭性和部分排他性，政府公共支出有助于企業進行研發投資。與此同時，R&D;活動也面臨著另一種類型的市場失靈，Hall（2002）研究表明，對于一些具有現金流約束的小企業或新創企業而言，由于外部融資的成本過高，導致無法進行R&D;投資。Hall（2002）認為這種市場失靈是由企業自有資金進行R&D;活動的回報率和外部投資者所要求的回報率之間的差異造成的。大量的理論和實證文獻認為，從整個社會角度而言，私人企業缺乏足夠的激勵來進行R&D;投資。由于知識生產的不完全獨占而導致的負外部性，政府干預便有了合理的理由。據此，政府可利用相應的政策機制來消除這種市場失靈，這種政策包括補貼和稅收優惠，以期縮小R&D;投資的私人和社會回報率的差距（Berger，1993；Hall，2002）。現實中果真如此嗎？

早期的文獻集中探討政府的公共支出與企業R&D;投入之間存在互補還是替代關系，也即公共支出是否對企業內部R&D;投入有擠出效應？現有的文獻對此存有異議。Blank和Stigler（1957）是最早研究政府公共支出和私人企業R&D;支出關系的學者，但其研究也未能得出一致的結論。Nadri和Mamuneas（1996）關于美國制造業的研究表明，有政府補貼的企業會增加其研發投入，且其研發活動可能產生“技術外溢”，從而使市場中的競爭對手獲益，并可能替代了其競爭對手的研發投入。Wallsten（2000）選取美國SBIR數據庫數據，運用聯立方程模型分析美國微觀企業數據得出結論：政府通過SBIR計劃對企業的補貼存在完全的擠出效應。Lach（2002）和Hussinger（2003）的研究卻得出了相反的結論。Lach（2002）利用以色列企業數據，證實公共支出有助于激勵小企業增加研發支出，但對大企業而言，這一效應并不顯著。Hussinger（2003）對德國制造業企業微觀樣本運用半參數模型進行分析，結論表明政府公共支出和企業研發支出之間保持穩定的正相關關系。Nola（2010）以1994—2002年愛爾蘭及北愛爾蘭的數據為樣本，其研究結果表明政府資助對企業研發活動占比、產品改進式創新以及新產品開發式創新都有積極影響。然而，大量的文獻并未就公共支出和企業內部R&D;關系得出一致的結論。Aerts和Schmidt（2008）甚至認為兩者之間并非簡單的互補或替代關系。

Devid等（2000）對過去35年的文獻進行梳理后發現，大約1/3的研究結論支持公共支出對私人研發支出存在擠出效應。但Devid認為，文獻研究結論的差異有以下原因：首先，研究方法的差異性，包括計量模型的選擇；其次，數據層次的差異，早期的研究多集中在宏觀和行業數據，且多采用橫截面數據而非縱向數據，而另一些學者認為考慮到企業異質性的存在，運用企業層面數據的相關研究更合理（David等，2000；Ali-Yrkk？觟，2005）。最后，Devid等（2000）還認為制度和國家間的差異也會影響上述研究結論。

但近年來這一領域的海外文獻在研究方法上的改進是較為普遍的。Lichtenberg（1984）就指出早期研究中一個關鍵的問題是假如沒有政府公共支出，企業的R&D;行為又當如何？這也是之前的實證文獻中尚未解決的問題。很明顯，這是不可觀測的。Lichtenberg（1984）首次提到，研究公共支出對企業R&D;行為的影響，需要合適的反事實框架（counterfactual framework）以應對可能的選擇性偏差（selection bias）。之后的實證文獻采用了一些計量方法以解決可能的選擇性偏差。Wallsten（2000）、Busom（2000）和Hussinger（2003）運用結構方程模型的方法，Lach（2002）則采用DID估計方法來研究政府支出對以色列制造業企業R&D;行為的影響效應。Almus和Czarnitzki（2003）采用簡單匹配估計法來研究公共支出對東德企業R&D;支出的影響。就計量方法而言，Blundell和Costa Dias（2000）認為非參數的傾向得分匹配和DID方法可能會提高這一命題實證研究結果的精確性。

鑒于反事實框架可以應對可能的選擇性偏差，近年來文獻廣泛采用匹配估計法（matching estimators）來分析公共支出對微觀企業研發支出的影響。這方面文獻包括Almus和Czarnitaki（2003）以及Czarnitaki和Licht（2005）對德國制造業企業的實證研究，Duguet（2004）對法國企業研發行為的考察，以及Herrera和Heijs（2007）關于西班牙企業研發行為的研究。但海外文獻中1990年之前的研究多集中在美國，少數研究以加拿大和英國企業為目標。除了？魻z？觭elik和Taymaz（2008）對土耳其的研究之外，針對發展中國家的相關研究較少。

相對于海外研究而言，我國在這一領域的研究數量不多且結論相對單一，大多采用宏觀或行業數據。Hu（2001）利用北京海淀區1995年813個高科技企業的截面數據樣本，研究得出政府R&D;和私人R&D;有顯著的正相關性。童光榮、高杰（2004）的研究也得出類似的結論。相關研究還包括許治、師萍（2005）以及趙付民（2006）。以上研究多采用宏觀數據基于行業層面的研究。解維敏等（2008）以滬深股市上市公司微觀數據為樣本，其研究也支持公共研發支出促進了微觀企業研發支出。另一些學者則從博弈論視角來剖析政府宏觀政策對企業R&D;行為的影響（柳劍平等，2005；生延超，2008）。安同良等（2009）構建了企業與政府參與的動態不對稱信息博弈模型，由于信息不對稱和逆向選擇，政府對企業的研發補貼無法產生預期的激勵效應。

由文獻梳理可知，多數研究采用的是宏觀或行業數據，且集中在對發達國家的研究。早期大多數的研究均集中在制造業，一些學者認識到行業間技術密集度的較大差異，因而近年來的研究多集中在高技術行業（Aerts和Thorwarth，2008；Ali-Yrkk？觟，2005；Duguet，2004）。但以發展中國家或地區技術密集型行業的微觀企業為研究對象，在研究方法中采取計量方法以解決可能的選擇性偏差的文獻卻不多見，本文的研究可為這一領域提供新的經驗證據。

二、數據來源和模型構建

本文數據來源于1999—2007年中國工業企業數據庫，考慮到制造業與農業、采掘業、電力等行業的顯著差異，本文的研究集中于制造業企業樣本。在確定本研究所考察的企業樣本選擇標準時，鑒于不同行業存在異質性，本文擬采用該數據庫研發密度前三位的行業作為樣本來源。為確定樣本來源，首先利用規模以上工業企業數據計算出代碼為13-42各行業的研發密度（研發支出/營業收入），表1為研發密度排名前八大行業。在表1中，無論是全樣本還是只包含研發支出大于0的企業樣本，研發密度前三位的行業均為醫藥行業、通信和電子設備制造業及儀表儀器制造業（其二分位行業代碼分別為40、41和27）。根據以上統計結果，本文將以1999—2007年國家統計局規模以上工業企業數據中的醫藥行業、通信及電子設備制造業及儀表儀器制造業三個行業的企業數據作為研究樣本。

鑒于工業企業數據庫中的一些樣本存在錯漏和統計口徑誤差，以及抽樣過程中存在的一些偏差，在具體樣本企業選取方面，本文借鑒謝千里等（2008）數據處理方法，剔除滿足下列條件之一的樣本：企業員工數低于8人，銷售額增長率高于100%或低于0，企業工業增加值為負。此外，為了克服極端值的影響，本文對連續變量按照首尾1%極端值進行了縮尾處理，借以降低極端值的影響，增加研究結果的穩健性。

表2為2001—2007年電子通信設備行業、醫藥、儀器儀表行業企業接受政府補貼和研發行為的概況。從表2中可以看出，除了2003年樣本企業數出現下降，其余年份樣本企業數逐年增加，接受政府補貼以及接受補貼且有R&D;支出的企業數也逐年增加。鑒于中國工業企業數據庫中2004年的研發支出數據缺失，因而本文在對全樣本數據進行實證分析的同時，以2001—2003年度子樣本和2005—2007年度子樣本來進行穩健性檢驗。

本文試圖從企業層面考察生產補貼對企業R&D;行為的影響效應。由于企業接受補貼是一個內生變量，簡單比較得到和未得到生產補貼的兩組企業在研發行為上的差異無法揭示政府補貼對企業研發行為的凈影響。要準確地估算政府補貼對企業研發行為的影響效應，必須要有效處理政府補貼的內生性問題。本文嘗試通過比較企業在某一時期得到與未得到政府補貼兩種情形下的研發行為差異來估算這一因果效應。但是，實證研究的難點在于，對于某年獲得政府補貼的企業而言，其在該年未得到政府補貼這一虛擬情形下的研發行為無法觀測，因而如何估算獲得政府補貼企業在同期反事實（counterfactual experiments）情形下的研發行為就成為構建模型的關鍵。

就一項政策沖擊而言，顯然政策沖擊對象的平均處理效應（ATT）是研究的焦點。但ATT估計的難點是無法觀測到控制組受到政策沖擊時的結果，因而這是一種“反事實估計”。此時，簡單的回歸技術必然會使得估計結果有偏。

本文采用“傾向指數匹配方法”（Propensity Score Matching，PSM）來模擬一種自然實驗的狀態。PSM方法由Roseenbaum等（1985）最早應用于生物統計領域，20世紀90年代被廣泛運用于其他社會科學領域。PSM方法的模擬實驗證明，在一定的假定條件下可以得到模型的無偏估計結果，從而得到一種自然實驗的效果。

表3為變量定義和描述性統計，其中企業市場勢力的衡量以企業貸款賬款被拖欠程度來表示。

三、模型估計與實證分析

基于研究的邏輯框架，本文實證分析包括：首先以離散選擇模型來驗證政府財政補貼與企業研發行為之間的關系；其次，以針對非隨機樣本數據的“傾向評分匹配方法”來進一步驗證政府財政補貼和企業研發行為之間的關系。

（一）Logit模型實證結果

鑒于實證模型中被解釋變量為典型的二元虛擬變量，因此，本文首先選擇離散選擇模型中的Logit模型。

Schumpeter（1912）開創性的研究中得出企業規模和創新活動之間的關系，之后一些文獻認為企業規模與其R&D;活動之間具有非線性關系。而由于資本市場的不完全競爭所導致的金融約束是政府干預企業研發行為的主要原因之一（Arrow，1962；Hall，1992，2002；Ughetto，2008；Takalo和Tanayama，2010）。在基本回歸模型中，本文以企業是否有利息支出的虛擬變量來衡量企業是否獲得金融支持。為了控制其他因素的影響，離散選擇模型包含的控制變量為：出口密度、利潤率、廣告支出和市場勢力。Cull和Xu（2005）的研究得出，政府在決定向哪些企業提供補貼時，會考慮企業贏利能力。而市場勢力以企業貸款賬款被拖欠程度來表示，也就是（企業年平均應付賬款凈額-企業年平均應收賬款凈額）/企業銷售額。在中國現行金融體系和社會信用體系不完善的背景下，企業普遍會面臨貸款被拖欠和融資難的雙重困境，但那些處于產業或產品鏈的核心環節或者終端環節的企業，其市場勢力較強，賬款被拖欠概率就越小（張杰，2009）。因而模型中采用企業貸款賬款被拖欠程度來衡量企業的市場勢力。在已有文獻的基礎上，并結合中國工業企業數據庫的數據特點，本文的基礎回歸模型可以表述為（變量定義見表3）：

rdit=β0+β1subsidiesit+β2lkit+β3ageit+β4age2it+β5loanit+β6exportsaleit+β7profitsale+β8marketpowerit+β9advertiseit+εit

其中i為企業，t為時間，εit為隨機誤差項。表4為政府補貼對企業R&D;支出影響效應的Logit模型結果，從表4中可以看出，無論是全樣本模型還是不同行業子樣本模型，政府補貼subsidies和企業R&D;支出都呈負相關關系，但并不顯著，只有通信電子設備行業在10%的顯著性水平下呈負相關關系。實證結果還可看出，企業規模和企業R&D;投資成正比，成熟企業越傾向于進行R&D;投資，而那些更容易獲得金融支持的企業會選擇進行R&D;投資。企業利潤率、廣告支出都和企業R&D;支出呈顯著正相關關系。傳統的熊彼特假設認為由于規模經濟的存在，大企業更傾向于進行研發投資（Schumpeter，1943；Kohn和Scott，1982）。另外，規模大的企業所面臨的融資約束也較小，更易于獲得金融支持，本文logit模型的實證結果進一步支持了以上結論。

正如Lichtenberg（1984）指出的，假如沒有政府公共支出，企業的R&D;行為又當如何？很明顯，這是不可觀測的，研究公共支出對企業R&D;行為的影響，需要合適的反事實框架（counterfactual framework）以應對可能的選擇性偏差（selection bias）。因而，本文將采用傾向得分匹配方法來應對可能的選擇性偏差。

（二）傾向得分匹配（PSM）方法

1. 傾向得分匹配的平衡性檢驗。傾向得分匹配方法（PSM）的基本思路在于，在評估某項政策的效果時，若能找到與激勵組盡可能相似的控制組，則能有效降低樣本的選擇性偏差。

首先，定義虛擬變量SBi，t={0，1}，SBi，t=1表示企業i在t期獲得了政府補貼，SBi，t=0表示企業i在t期未獲得政府補貼；定義RDi，t表示企業i在t期獲得政府補貼后同期的研發行為。本文的模型要比較企業i在得到與未得到政府補貼兩種情形下的同期研發行為差異，即政府補貼對企業研發行為的影響效應：

ATTPSM=E（RDi，t|SBi，t=1）-E（RDi，t|SBi，t=0）

但是我們無從觀測在t期獲得政府補貼的企業i，假設在t期未獲得政府補貼情形下的同期研發行為，即E（RDi，t|SBi，t=0）無法獲得，但可利用匹配的方法，尋找企業特征與企業i最為相似，但在t期沒有獲得政府補貼的另一企業j，并用該企業的同期研發行為E（RDj，t|SBj，t=0）來替代E（RDi，t|SBi，t=0）。基于虛擬變量SBi，t={0，1}，本文將每一年的樣本企業分為處理組（treatment group）和對照組（control group），設定t為處理組企業，即企業i在t期獲得政府補貼；j表示對照企業，即企業j在t期未獲得政府補貼。基于Heckman等（1997）的PSM模型，政府補貼對企業研發行為的影響效應如下：

ATTPSM=E（RDi，t|SBi，t=1）-E（RDi，t|SBi，t=0）

=E（RDi，t|SBi，t=1）-E（RDj，t|SBj，t=0）

其次，匹配。根據Rosenbaum和Rubin（1983）的研究，采用PSM模型進行配對，可以有效解決配對維度的問題。而在選擇模型中的匹配變量的過程中，遺漏重要變量將會產生有偏的估計結果，但若模型中包含無關變量，則可能使方差增大（Bryson等，2002）。本文結合現有文獻以及樣本數據特征，以微觀企業異質性如企業規模、年齡、出口密集度、廣告密集度、利潤率等影響企業研發行為的因素設為共同支持條件（common support condition）。設定與處理組企業i最為相似的對照組企業j，使得配對企業i和j在共同支持條件方面盡可能保持一致，從而控制這些因素對企業研發行為可能帶來的影響。

在傾向得分回歸模型中，如果因變量為二值變量時，采用logit模型或probit模型會產生相似的結果（Caliendo和Kopeinig，2008）。因此，在本文的實證部分中選取logit模型來估算個體參加處理組的概率。

如果接受補貼的企業與未接受補貼的企業在匹配變量上不存在顯著差異，此“條件獨立性假設”被滿足，則傾向得分匹配的結果具有可靠性。否則可能匹配變量的選取或匹配方法的選擇有誤，傾向得分匹配模型的估算無效。因而，在生成傾向得分匹配估算結果之后，需通過匹配平衡性檢驗（Rosenbaum和Rubin，1983）以確保估算結果的可靠性。本文借鑒了目前使用較多的標準偏差檢驗和t檢驗，以此來對傾向得分匹配的估算結果進行檢驗。

表5為全樣本的匹配平衡性檢驗，出于篇幅考慮，僅報告了最鄰近匹配法（Nearest Neighbor Matching）下各變量的匹配平衡性檢驗結果。在表5中可以看出，匹配之前，處理組和對照組企業在匹配變量上有較大差異，但匹配之后，處理組和對照組樣本在匹配變量上的標準差減少50%以上，且匹配后標準偏差絕對值控制在4%以內。匹配后其標準偏差均小于20且t檢驗的p值也遠大于0.1，不拒絕原假設，即處理組與對照組無系統性差異。因此，可以推斷本文模型中的的匹配變量與估計方法是合適的。

2. 傾向得分匹配估計結果。即便已經得到傾向得分值，但仍然無法估算對應的平均激勵效果ATT。原因在于，傾向得分值為一個連續變量，因而難以找到兩個傾向得分完全相同的樣本，這使得激勵組和控制組樣本之間的匹配難以實現。

目前，對于此類問題的解決，文獻中提到有多種匹配方法，主要包括：最近鄰匹配法、半徑匹配法、核匹配法以及分層匹配法。在估算全樣本的平均激勵效果（ATT）時，本文分別采用以上四種匹配方法。表6為針對全樣本采用四種方法得到的平均激勵效果（ATT）。鑒于篇幅，本文僅簡單介紹前兩種方法的基本思路。最近鄰匹配法是以估算的PS值為基準，前后向分別尋找與處理組樣本PS值最為接近的控制組樣本，以此作為處理組的匹配對象。半徑匹配法是預先設定一個常數r，將控制組中的PS值與激勵樣本的PS值之間差異小于r的樣本選定為匹配對象（Lian等，2011）。從表6中可以看出，這四種匹配方法的ATT均為負值，且除了半徑匹配之外，其余ATT值均顯著，這表明政府補貼對企業研發投資產生顯著的擠出效應。最近鄰匹配法得出的ATT值為-0.022，在5%水平下顯著，因而以最近鄰匹配法得出的結論是，政府補貼會導致進行R&D;投資的企業數顯著下降2.2%。

鑒于行業異質性的存在，匹配過程中若加入行業虛擬變量則可能會使匹配變量數目劇增，為保證匹配后的處理組企業和對照組企業能處于同一行業，本文分行業進行匹配。表7為分行業的ATT估計結果，從表7中可以看出這三個行業的PSM匹配結果和全樣本的匹配結果基本一致，政府補貼和進行R&D;投資的企業數呈顯著的負相關關系。但分行業的ATT估計結果還顯示政府補貼對不同行業企業研發行為的影響存在較大差異，在通信及電子設備制造業，政府補貼會導致進行R&D;投資的企業數下降3.9%，而在醫藥行業，這一數字僅為0.6%。

鑒于中國工業企業數據庫缺失2004年企業研發支出的數據，因而，本研究將全樣本劃分為兩個子樣本進行穩健性檢驗。表8為不同年份ATT估計結果，鑒于篇幅只選取最近鄰匹配法和核匹配法的ATT結果。從表8中可以看出，兩個子樣本的四種不同匹配方法得到的ATT值均和全樣本的ATT值保持一致。2001—2003年，最近鄰匹配法表明，政府補貼導致進行R&D;投資的企業數顯著下降2.8%，而在2005—2007年，最近鄰匹配法得出的這一結果為顯著下降1.9%。兩個子樣本的ATT估計結果均驗證了政府補貼會對企業R&D;投資有擠出效應。

為了進一步檢驗模型的穩健性，本文以研發密度為因變量，檢驗政府補貼對企業研發密度的影響。本文遵循Lev和Sougiannis（1996）的思路，把研發支出和企業銷售額的比率界定為研發密度，運用PSM模型對全樣本進行ATT估計，結果見表9。限于篇幅本文只選取最近鄰匹配法和核匹配法的ATT結果，從表9中核匹配法的ATT估計中，政府補貼使得企業研發密度顯著下降1.7%，也進一步驗證了政府補貼對企業研發支出的替代效應或擠出效應。

本文初步運用logit模型檢驗政府補貼對企業R&D;投資行為的影響，logit模型結果表明政府補貼會部分擠出企業R&D;投資，但這一結果并不顯著。而PSM模型和logit模型的結論基本一致，但PSM模型的結論均顯著，無論是全樣本還是分行業或分年度的子樣本，PSM模型的結果都表明政府補貼均使得進行R&D;投資的企業數目顯著下降，驗證了政府補貼對企業研發支出的擠出效應。以上也同時表明采用PSM方法可以較好地處理由于內生性問題和樣本選擇偏差所引起的選擇性偏差問題。

本文的結論支持了Shrieves（1978）、Higgins等（1981）以及Wallsten（2000）的研究結論，政府補貼會對企業R&D;投入具有擠出效應，會顯著減少企業R&D;投入。已有研究往往從宏觀或者行業層面的加總數據考察政府補貼對研發的影響，這一類型的研究得到的結論往往是統計意義上的顯著，其前提假設是企業同質化、具有可加性。然而在現實中不同行業之間、同一行業內不同企業之間、同一企業不同發展階段之間均存在顯著的異質性，所以宏觀研究結論往往與微觀個體影響存在矛盾，其根本原因就在于微觀數據研究包含了更多的異質性、更貼近現實（Mansfield和Switzer，1984；David等，2000）。本文采用企業層面微觀數據的研究卻能夠避免既有研究的缺陷，也為此領域的研究提供來自發展中國家微觀企業的經驗證據。

四、結論

在當今全球范圍的科技創新大潮中，創新資源和要素正在向企業集聚，企業已成為創新投入的主力軍，而研發投入的多少在很大程度上決定著企業未來創新能力的強弱。高科技產業的技術創新能力對于培育未來中國經濟新的增長點具有戰略意義，如何有效解決研發外部性問題，提高企業技術創新的積極性，政府補貼作為一種政策工具，能否對企業研發行為產生激勵效應？對于這一問題的回答，有助于制定和完善高科技產業的補貼政策。

本文選取2001—2007年規模以上工業企業數據的醫藥行業、通信及電子設備制造業及儀表儀器制造業微觀企業數據，采用“傾向得分匹配方法”（PSM）研究政府補貼對企業研發支出的影響。本文的研究證實就所選取的行業總體而言，政府補貼對行業中企業R&D;支出存在顯著的“擠出”效應，且穩健性檢驗的結果也支持這一結論。值得注意的是，本文樣本中由于行業異質性的存在，政府補貼對不同行業的企業R&D;支出的擠出效應存在較大差異。其中，就通信及電子設備制造業而言，政府補貼會導致進行R&D;投資的企業數下降3.9%，而在醫藥行業，這一數字僅為0.6%。

本文的結論表明，在我國制造業中研發密度較高的行業中，政府補貼對企業的R&D;支出存在顯著的“擠出”效應，政府公共支出并未達到預期的激勵作用。鑒于研發的外部性問題，政府研發公共支出有其合理性（Arrow，1962），政府應如何調整其公共研發支出政策就成為解決這一問題的關鍵所在。我國可借鑒OECD國家的經驗，政府對企業研發采用間接投入的方法，具體包括稅收激勵、科技溢出等。大多數OECD國家普遍采用的稅收激勵政策有稅收減讓、稅收折扣、稅收減免和延期納稅等，而科技溢出是通過政府資助公共實驗室和高校R&D;活動間接實現的，比如美國的國家實驗室、法國的CNRS。政府可重點支持基礎研究、共性技術研究和戰略領域的研究，而在一般競爭性領域，要多發揮市場機制的作用。另外，政府可以幫助企業與大學建立長期緊密型的研究伙伴關系，組織或協調行業內企業建立R&D;聯盟。在這種企業與研究機構、或企業相互之間建立的R&D;合作中，政府的政策支持同樣也具有重要作用。

注釋：

①數據來源于http：//iri.jrc.ec.europa.eu/.，“The 2011 EU Industrial R&D; Investment SCOREBOARD”，European Commission-Joint Reserarch Center，2011。

②行業代碼對應表http：//www.cstj.gov.cn/upload/newstxt/dmfl.htm。而根據歐盟的界定，R&D;密度在5%以上，為研發密度高的行業，R&D;密度為2%～5%屬于中高研發密度的行業，R&D;密度為1%～2%屬于為中低研發密度的行業，在1%以下屬于研發密度低的行業。按照歐盟的標準，即便是表1中研發密度排名前三的行業也只能界定為中高研發密度的行業。

參考文獻：

[1]熊彼特.經濟發展理論[M].北京：商務印書館，1990.

[2]Arrow，K..The Economic Implications of Learning by Doing[J]. Review of EconomicStudies，1962，29（80）：155-173.

[3]Czarnitzki D.， Licht G.. Additionality of public R&D; grants in a transitioneconomy[J]. The case of Eastern Germany. Economics of Transition，2006（14）：1101-1131.

[4]David P. A.，Hall B. H.， Toole A. A.， Public R&D; a Complement or Substitute forPrivate R&D;？ A Review of the Econometric Evidence[J]. Research Policy，2000（29）：497-529.

[5]Guellec D.，Van Pottelsberghe. The impact of public R&D; expenditure on business R&D;[J]. Economic Innovation New Technology，2003，12（3）：225-243.

[6]Hall B.H.，Van Reenen J.. How effective are fiscal incentivesfor R&D;？A review of the evidence[J]. Research Policy，2000（29）：449-469.

[7]Hu Albert G.. Z. Ownership，Government R&D;，Private R&D;，and Productivityin Chinese Industry[J]. Journal of Comparative Economics，2001，29（1）：136-157.

[8]Hussinger K.. R&D; and Subsidies at the firm level：an application of Parametric and Semi-Parametric Two- Step Selection Models[R]. ZEW Discussion Paper，2006： 03-63.

[9]Lach S. Do R&D; subsidies stimulate or displace private R&D;？Evidence from Israel[J]. Journal of Industrial Economics，2002，50（4）：369-390.

[10]Lichtenberg，Frank R. The effect of government funding on private industrial researchand development：a re-assessment[J]. The Journal of Industrial Economics，1987（36）：97-104.

[11]Tommy H. Clausen. Do subsidies have positiveimpacts on R&D; and innovation activities at the firmlevel[J]. Structural change and Economic Dynamics，2009（20）：239-253.

Can Government Subsidies Really Solve R&D; Externalities？

Zhou Xiaoyan， Bian Yuanyue

（International Business School， University of International Business and Economics， Beijing 100029， China）

Abstract： According to western literatures， the "market failure" of R&D; is the main cause for governmental public expenditure. To research whether subsidies can really solve the externality of R&D;， in this paper， authors selected Chinese industrial enterprise database in 2001-2007 to research micro enterprise data of intensive industry， and used tend score matching model to examine the impact of government subsidy on the enterprise R&D; behavior. The result verified that government subsidies had a significant "crowd out" effect on firm's R&D; investment. Because of the existence of industry heterology， there are large differences between different industries enterprises crowding out in R&D; spending from the government subsidies， the government public expenditure did not achieve the desired results.

Key words： governmental subsidies， R&D; behaviors， "crowd out" effect， selectivity bias， Propensity Score Matching Methods