政府研發資助是否能拯救僵尸企業
——基于上海市中小企業的實證研究

欒 強，羅守貴，熊 琦，羅 津

(上海交通大學安泰經濟與管理學院，上海 200030)

隨著中國經濟增長方式從要素驅動型向創新驅動型轉變，僵尸企業問題也成為了重點難點。僵尸企業占有生產資源，阻礙高效率企業成長，會造成嚴重的資源錯配，損害經濟的增長潛力[1]。一些學者認為，僵尸企業是指負債重、經營差，依靠外部支持尤其是政府補貼才得以生存的企業[2-3]。其中，政府研發資助是重要的補貼方式，并且有其合理之處——彌補市場失靈[4-5]，合理配置資源，促進企業創新。

本文首先對上海市中小企業中僵尸企業的行業分布和占比變化情況進行識別，在此基礎上考察政府研發資助是否會改善僵尸企業狀況。本文的創新之處在于，一方面彌補了現有研究多側重于上市公司、規模以上工業企業等樣本代表性不足的問題，另一方面重點回答政府研發資助是否能夠拯救僵尸企業這一具有現實意義的問題。

1 僵尸企業的識別

1.1 數據來源

本文使用的數據來自上海市2008—2015年的中小企業統計數據，包含了企業的研發活動、人力資源、經營績效等情況，涵蓋了92個四位代碼行業。該統計數據也用于評定企業是否有資格獲得政府的優惠政策，同時在統計過程中有很多相關領域的專家進行檢查和核實，因此統計數據有較好的真實性和準確性。在剔除主要變量缺省和邏輯校驗異常的樣本后，最終得到包含111458個樣本點的非平衡面板數據。

1.2 僵尸企業的分布

本文借鑒申廣軍[3]使用的實際利潤法和過度借貸法，對上海市中小企業的僵尸企業分布情況進行識別。識別步驟如下：首先，從企業的賬面利潤中減去非營業性收入，得到實際利潤；其次，根據實際利潤和負債情況識別僵尸企業。實際利潤法的識別標準是：實際利潤連續三年為負的企業認定為僵尸企業。過度借貸法有三個需要同時滿足的標準：資產負債率高于50%，實際利潤為負，負債高于上一年。

從表1可以看出，實際利潤法得到的僵尸企業占比從2010—2015年呈現出明顯的遞減趨勢。過度借貸法識別的僵尸企業占比也是在初始年份最高，并且在2009—2012年遞減，雖然在2012年后小幅增長，但是直到2015年僵尸企業占比依然要比2009年小1.02個百分點。本文認為，實際利潤法識別結果的變化情況很可能反映了2008年金融危機對中國的巨大沖擊以及后期全球經濟的逐步改善，而過度借貸法識別結果的變化情況很可能反映的是金融危機后政府對國內經濟的強刺激帶來了企業狀況的短期改善，后期企業負債狀況的惡化才緩慢表現出來。

從表2可以看出，實際利潤法和過度借貸法兩種方法識別得到的僵尸企業行業分布情況總體上比較接近，相關系數達0.65。實際利潤法的識別結果表明，與居民基本需求密切相關的農副食品加工業、建筑安裝業、水的生產和供應業的僵尸企業占比較低，這些行業受外部環境沖擊的影響較小也很正常。與此同時，具有勞動密集型特征的有色金屬冶煉和壓延加工業、電力熱力生產和供應業，以及具有知識密集型特征的研究和試驗發展、科技推廣和應用服務業的僵尸企業占比都很高。這說明政府給僵尸企業輸血的重要原因很可能就是保障就業，另外一定程度上也反映出知識密集型行業核心競爭力較弱。過度借貸法的識別結果同樣表明，水的生產和供應業、電信廣播電視和衛星傳輸服務這些與居民日常生活息息相關的行業僵尸企業占比較低。具有勞動密集型特征的電力熱力生產和供應業的僵尸企業占比依然高達21.95%，也說明了這些行業在保障就業方面的重要性，因而在借貸方面也得到較為寬松的待遇。研究和試驗發展、科技推廣和應用服務業的僵尸企業占比分別高達16.06%、19.63%，與實際利潤法的識別結果一致。

表2 僵尸企業的行業分布情況(含2014年和2015年)

注：行業名稱是按照《國民經濟行業分類(GB/T 4754—2011)》的前兩位代碼劃分；由于部分行業可識別的樣本數很少并且有些企業未填寫行業類別，因此這些樣本歸并到了“其他”。

綜合實際利潤法和過度借貸法的識別結果來看，僵尸企業占比較高的行業主要有以下幾個：科技推廣和應用服務業、電力熱力生產和供應業、有色金屬冶煉和壓延加工業、商務服務業、零售業、研究和試驗發展、非金屬礦物制品業，涵蓋了勞動密集型、知識密集型和第三產業的重要組成部分。本文認為，勞動密集型行業在保障就業方面具有重要功能，因而獲得了相對寬松的借貸環境，進而可能滋生僵尸企業。知識密集型行業依然具有較高的僵尸企業比重，這一方面可能反映了中國知識經濟的競爭力有待進一步提高，另一方面可能也反映了知識密集型中小企業面臨較大的創新風險和經營風險，獲得了較多補貼。商務服務業、零售業是第三產業的重要組成部分，對宏觀經濟敏感度較高，而中國從2012年便開始面臨經濟增長的下行壓力，這可能是影響這兩類行業僵尸企業比例的主要原因。

另外，還有一個有意思的發現，對于勞動密集型特征和知識密集型特征的行業，兩種方法識別出來的僵尸企業占比非常接近，比如電力熱力生產和供應業、非金屬礦物制品業、研究和試驗發展、專業技術服務業。本文認為，主要是因為這兩類行業與實體經濟關聯非常密切，因而過高的杠桿率與較差的經營績效往往會同步出現，這與金融屬性較強的行業有顯著差別，因為后者很多高杠桿的企業也具有較高利潤，比如房地產業。以本文的樣本為例，對于2014—2015年中杠桿率大于50%的企業，電力熱力生產和供應業、非金屬礦物制品業、研究和試驗發展、專業技術服務業這四個行業的總資產利潤率平均值分別為-4.8%、-0.39%、-20.2%、-18.8%；而與之形成鮮明對比的是，房地產業中杠桿率大于50%的企業的總資產利潤率平均值為1.8%。因此，知識密集型和勞動密集型行業的特質意味著它們應當采取低杠桿率的穩健經營策略，尤其是知識密集型中小企業應當降低風險，側重股權融資，因為高杠桿率往往也對應著高風險和高成本。

2 政府研發資助能否拯救僵尸企業

本文的識別結果表明，無論觀察全體的企業樣本還是將勞動密集型、知識密集型行業分開來看，僵尸企業的占比都很高。然而，我們的樣本統計發現，兩種方法識別的僵尸企業在2012—2015年受到政府研發資助的比例均呈現出快速增加的趨勢，并且實際利潤法識別的僵尸企業受政府研發資助的比例增加了一倍多，在2015年時已高達19.89%(見表3)；而過度借貸法識別的僵尸企業受政府研發資助的比例更是增加了兩倍，在2015年時已經高達25.29%。因此，本文后續的實證分析將重點研究如下問題：政府研發資助能拯救僵尸企業嗎？

表3 僵尸企業受政府研發資助情況

2.1 變量與模型

由于政府研發資助存在選擇偏誤，并且由此導致的內生性問題往往會使得處理變量的估計系數不一致，因此，本文實證過程中采取了兩方面措施：①將處理變量做時間滯后處理，因為事實上研發投入效果也存在時間滯后[6]；②使用Maddala提出的處理效應模型[7]進行分析。在變量選擇方面，Kancs等[8]主要考慮了企業年齡、規模、利潤、收入以及行業類別等變量，Un等[9]還強調了研發合作的重要作用。同時，參考國內對企業研發的相關政策導向，我們發現企業內部研發投入、研發人員、財務狀況以及專利數量等在評定過程中都是關鍵的考核指標。綜合考慮，我們主要使用了表4所示的變量。

表4 變量名稱與定義

本文建立的處理效應模型包括兩部分：一部分是處理效應模型，用于估計政府研發資助的作用效果，見方程(1)；另一部分是處理方程，用于解決選擇偏誤問題，見方程(2)。

Yit+k=b0+b1IfGovit+b2Zit×IfGovit+b3lnRdInit+b4lnREmpit+b5lnRdCoit+b6lnPaAuit+b7Ageit+b8Sizeit+b9∑Indj+b10∑Ecoj+eit

(1)

式中，下標i代表不同企業，t代表不同年份。Yit+k為被解釋變量，k為正整數，代表被解釋變量領先了k年。

IfGovit=1(a0+a1IfGovit-1+a2Ageit-1+a3Sizeit-1+a4Roait-1+a5lnIncit-1+a6lnRdInit-1+a7lnREmpit-1+a8lnRdCoit-1+a9DebRit-1+a10lnPaAuit-1+a11lnIPAuit-1+a12lnXIncit-1+a13∑Indj+a14∑Ecoj+uit)

(2)

模型可以分兩步進行估計：第一步，對方程(2)用Probit模型進行估計，結合反米爾斯(Mill)函數即可得到個體i的風險值Lambdait;第二步，將Lambdait帶入方程(1)進行合并估計，可以得到一致的估計結果，即政府研發資助的作用效果。本文在后續的回歸結果中僅匯報最主要的第二步估計結果。

2.2 結果與分析

在回歸分析中，被解釋變量均取了領先1～4年，以反映政府研發資助的短期和長期效果。從表5可以看出，IfGov的系數在被解釋變量領先1年的模型中是顯著為負的，而在領先2年和3年的模型中雖然依舊為負但是逐漸變得不再顯著，并且在領先4年的模型中已經為正，雖然并不顯著。說明政府研發資助作用于健康企業時在短期內有更好的效果，這也意味著政府研發資助在取得較好成效后最好能夠對企業進行連續資助。無論是RZ×IfGov的系數，還是DZ×IfGov的系數，均在被解釋變量領先1～4年時顯著為正，并且絕對值都遠比IfGov的系數要大，這充分說明政府研發資助如果流向僵尸企業，將會使其狀況越發嚴重，無論是長期還是短期都是如此。因此，在后續政府研發資助政策的決策過程中，企業是否為僵尸企業應當作為一個重要的參考指標，以實現公共資源的有效配置。

表5 政府研發資助能否拯救僵尸企業的回歸結果

注：括號內為穩健標準誤，*、**、***分別表示在0.10、0.05、0.01的水平下顯著。

表5的回歸結果已經充分說明了政府研發資助能夠使健康企業變得更好，然而卻會使得僵尸企業變得更差。同時，我們還發現在表5中，模型(1)(3)(5)(7)的RZ×IfGov的系數明顯要比對應的模型(2)(4)(6)(8)的DZ×IfGov的系數要大，這說明實際利潤法識別的僵尸企業在政府研發經費使用方面要比過度借貸法識別的僵尸企業更加無效。被實際利潤法識別的僵尸企業反映了企業喪失營利能力，而過度借貸法識別的僵尸企業更是反映了企業債務負擔過重且難以自生，因此二者對政府研發資助表現出了差異化的反應。

事實上，進一步的實證還表明了政府研發資助會提高僵尸企業的負債強度，并降低其營利能力。同時，為了避免部分初創企業被診斷為僵尸企業所產生的影響，進一步對剔除初創企業之后的樣本進行的實證分析也說明了實證結論的穩健性。

3 總結與啟示

本文使用來自上海市企業層面的大樣本數據，對政府研發資助能否拯救僵尸企業這一問題進行了實證研究。首先使用實際利潤法和過度借貸法兩種方法識別了2009—2015年的僵尸企業情況，發現從時間維度來看，僵尸企業占比基本呈現出一個先減小后增大的變化趨勢，但是2015年的僵尸企業占比要比2009年低，尤其是實際利潤法識別的僵尸企業占比減少了將近一半，這反映出的僵尸企業問題雖然依然嚴峻，但是已經有所改善；從行業分布來看，部分具有勞動密集型特征和知識密集型特征行業的僵尸企業占比較高，并且兩種識別方法得到的結果非常一致，說明這兩類中小企業可能更應當采取低杠桿率的穩健經營策略。進一步的實證結果表明，政府研發資助能夠在短期內有效避免健康企業變成僵尸企業，但是卻會顯著促使僵尸企業在短期和長期都變得更加糟糕，這反映了現階段的公共資源錯配問題，并且可能會造成負反饋的惡性循環。該實證結果對不同的僵尸企業識別方法以及剔除初創企業之后的樣本都是穩健的。

本文實證結論的重要啟示在于，政府在甄選企業進行研發資助時需要完善評價標準，盡可能識別并剔除僵尸企業，因為流向僵尸企業的研發經費反而很可能會使這些企業的財務狀況、營利能力變得更差，導致公共資源配置的無效率，甚至政府決策的信號效應還會對社會資本產生誤導，擾亂資本市場的正常運行。同時，政府對健康企業的研發資助應當連續進行，這樣更能夠達到持續的良好效果。