政府R&D支持、企業創新資金對其創新效率影響的實證研究

伍虹儒

摘 要：政府R&D支持與企業創新資金是推動企業創新效率提升的主要力量。然而由于市場不完全、信息扭曲等原因，兩者產生不同的創新產出效果，既“替代”，又“互補”。文中采用隨機前沿模型和threshold回歸模型，通過對2007—2018年成都高新區內120家上市科技企業的創新數據進行分析，探討政府R&D支持與企業創新資金對企業創新效率的影響，以及兩者發揮作用的最佳范圍。研究結果顯示，目前國內企業在創新過程中，政府R&D支持對企業創新效率呈負作用，現有政策尚未發揮應有的效應。企業創新資金有助于創新效率的提高，具有推動作用。政府R&D支持產生最佳效應的范圍在0.171以上，企業創新資金的最佳范圍是0.577～0.664.

關鍵詞：政府R&D支持;企業創新資金;企業創新效率;最佳范圍;最佳效應

中圖分類號：F 425 ? 文獻標識碼：A ? 文章編號：1672 - 7312（2020）02 -0119-07

Abstract：The government R&D support and enterprise innovation fund are the main power to promote their innovation efficiency.However，due to the incomplete market and the distortion of information，the two have different innovative outputs，which are both “substitute” and “complementary”.Based on the innovation data from 120 listed S&T enterprises in Chendu hi-tech industrial development zone（2007-2018），this paper examined the impact of government R&D support and enterprise innovation fund on enterprise innovation efficiency by using the stochastic frontier model and the threshold regression model.Moreover，the optimal range of their impact has been analyzed respectively.The results show that government R&D support influences enterprise innovation efficiency negatively，and policies do not play role properly.However，enterprise innovation fund can promote their innovation efficiency.The optimal extent of government R&D support is over 0.171，and enterprises innovation fund is 0.577 to 0.664.

Key words：Government R&D support;Enterprise innovation fund;Enterprise innovation efficiency;Optimal extent;Optimal effect

0 引言

隨著國內企業競爭實力的不斷提升，企業資金逐步得到累積，除滿足必要的生產運營需要以外，有更多的資金投入到R&D中。而且面對來自于國內國際市場的激烈競爭，企業要實現產品競爭力的提升，擴大產品的市場份額，也需要不斷增加其創新投入，從而獲得維護其核心競爭優勢。此外，政府對企業的R&D支持規模也呈不斷上升的趨勢，對促進企業創新效率起到了重要的引導作用。眾多創新政策促進企業提升創新效率。但是，和科研事業發達的國家相比較，國內企業創新整體水平仍較低。因此，實現政府R&D支持和企業創新資金使用效率的最佳化，就成為影響企業創新效率的核心要素。

企業的R&D經費主要來自于政府支持與企業自籌，兩者是企業開展創新活動的主要保障。企業R&D經費往往以市場需求為主導，以開發新產品、新技術和新工藝為主要目的，因此，企業R&D經費的使用效果和效率會高于政府R&D支持[1]。但是，由于信息不對稱、R&D資源的壟斷等原因，企業R&D經費投入會受到影響，這為政府向企業提供R&D支持奠定了理論基礎[2]。與此相同，政府R&D支持也會受到市場不完善、制度缺失等問題的影響，而且還容易出現政府R&D支持效率低下，反應緩慢等問題[3]。由此，企業創新資金與政府R&D支持對企業創新效率的影響有哪些？有沒有區別？怎樣通過調整R&D經費結構實現企業創新效率的最優化？這些問題亟待解決。

綜上所述，文中擬從以下兩方面展開研究：采用隨機前沿模型實證分析政府R&D支持與企業創新資金對企業創新效率的作用;采用Threshold回歸模型確定政府R&D支持與企業創新資金產生最佳效應的范圍。

1 理論概述

政府R&D支持與企業創新資金作為創新系統的重要組成部分，是推動企業創新效率提升的主要力量。然而由于市場不完全、信息扭曲等原因，兩者產生不同的創新產出效果，既“替代”，又“互補”。

1.1 政府R&D支持與企業創新資金對企業創新效率的效應分析 ?在企業開展創新活動的過程中，政府R&D支持與企業創新資金均對企業創新效率的提升產生重要影響。但是由于R&D資金來源的主體不同，兩者存在不同的效應，文中接下來著重從作用領域、作用方式和參與程度3方面進行總結。

企業是國家創新系統中開展創新活動的主體。企業創新資金在其R&D過程中產生重要影響，而政府R&D支持則以引導和規范為主。面對市場的激烈競爭，企業以顧客需求為導向，通過開發具有應用價值的新產品和新服務，來獲得維持企業的競爭優勢。通過使用先進技術，增加R&D投入，提高創新效率。由此，企業對R&D經費的使用效果會格外關注，R&D經費使用效率將會優于政府R&D支持[4]。

政府R&D支持與企業創新資金關注的領域不同，政府主要集中在基礎研究范疇，而企業則以實用類研究為重點，因此，面向不同的領域帶來截然不同的創新成效。實用類研究注重開發能夠滿足市場需求的新產品和新服務，針對性強。企業通過迅速實現技術的商業化，擴大市場份額，獲得利潤最大化，企業創新效率高[5]。與此相反，基礎研究雖然在短期內難有成效，但是從長期來看，其引領相關領域的研究，會產生巨大的社會效益和經濟效益，提高企業整體創新水平。由此，可以認為，政府R&D支持的創新效率更高。

企業創新資金使R&D資源結構產生改變，而政府R&D支持則以現有的資源為基礎。政府通過資金支持的方式，解決企業在R&D過程中面臨的資金問題。然而，內部效應、腐敗等現象的存在，使得政府R&D支持的效率降低[6]。相反，企業通過敏銳的市場洞察力，獲得有價值的信息，以“干中學”的方式掌握新知識和新技術，從而實現對R&D資源的合理配置，提高創新效率[7]。但是，事實上由于R&D資源壟斷、信息不對稱等問題，使企業在配置創新資源過程中出現失誤，進而影響創新效率的提升[8]。

1.2 政府R&D支持與企業創新資金的最佳范圍分析 ?作為企業開展創新活動的重要保障，政府R&D支持與企業創新資金相輔相成，相互彌補各自產生的負面影響，形成“互補”。通過這種關系，兩者對企業創新效率的作用實現最佳化。然而，由于政府R&D支持與企業創新資金的局限性，又使得兩者相互擠出，形成“替代”，給企業創新效率帶來負面效應。

具體來說，政府R&D支持與企業創新資金的“互補”主要表現在，前者使后者的投入程度加大，后者又提高前者的使用效率。

第一，政府R&D支持對企業創新資金產生引導作用。Saban等[9]指出，政府R&D支持可平衡企業創新成本，降低企業面臨的R&D風險，提高企業創新熱情。張玉玲、葛玉輝和姚瑩瑩[10]認為，政府R&D支持能夠推動企業創新資金的投入，實現專利數量的增加。賀紅、師澤遠和雷戰波[11]認為，政府R&D支持能有效促進企業創新動機的提高，政府R&D支持對企業創新資金不會產生“擠出”作用。

第二，企業創新資金對政府R&D支持產生“正向激勵”作用。企業創新資金一方面可以提升其自身的創新水平，實現政府支持的預期目標;另一方面也顯示出企業和國家利益的統一，進一步吸引政府R&D支持。曾曉花和周懷峰[12]，吳延兵[13]等學者指出，企業增加創新資金，不僅使其自身的創新能力得到提升，而且帶動整個社會技術創新水平的提高。以此良性循環，企業在國家創新系統中的作用逐步凸顯，政府則進一步增加對企業創新活動的支持，以充分發揮企業作為創新主體的主導作用[14]。

政府R&D支持與企業創新資金的“替代”效應主要表現為兩者相互“擠出”。第一，前者擠出后者。若企業獲得政府R&D支持的難度較低，則企業容易失去進行創新活動的熱情。Cohen和Levinthal[15]，Huber[16]研究發現，政府在選擇R&D支持項目時，一般傾向于回報率高、成功可能程度大的項目，而這些項目又正是企業要開展的。一旦獲得政府R&D支持后，企業將使用政府R&D經費，取代原先安排的創新投入，或者是開展獲得支持的項目，放棄沒有獲得支持的項目。因此，政府R&D支持對企業創新資金產生“擠出”作用[17]。

第二，企業創新資金會帶來政府R&D支持的降低。企業在競爭激烈的市場中，為實現持續發展，已能夠充分掌握判斷各種信息[18]。隨著國內企業創新資金的使用取得良好成效，企業創新效率得到提升，促使企業進一步增加創新資金[19]。隨著投入規模的擴大，政府R&D支持部分被擠出，導致政府R&D支持規模不斷縮小[20]。

2 研究模型與變量設定

2.1 研究模型

2.1.1 基礎模型

目前，生產函數主要有柯布-道格拉斯與超越對數2種形式。通過比較分析，文中認為，柯布-道格拉斯函數盡管在形式上較為簡單，但白俊紅等[21]假設技術中性和產出彈性固定，超越對數則放寬這些假設，且形式靈活。傅曉霞和吳利學[22]認為，超越對數函數能有效避免估計偏差。

2.2 變量設定和數據來源

2.2.1 變量設定

文中采用的主要變量見表1.

2.2.2 數據來源

文中以成都高新區內120家上市科技企業為分析樣本，主要涉及電子信息、裝備和生物醫藥行業。所分析數據主要來源于2007—2018年企業年報數據和成都市經信委技術中心統計數據，并附以調查問卷和走訪調研。為使數據更加準確，使用國家知識產權局公布數據確定企業發明專利數。

3 實證結果分析

3.1 基礎模型驗證與實證結果分析

企業R&D過程中從企業創新資金使用到創新產出有一定時期的滯后[25]。不同學者對這一滯后期的設定也有所不同，分別為1年[26]、2年[27]和3年[28]。為全面考慮上述情形，文中在對隨機前沿模型進行實證驗證時，將滯后期設定為無滯后、滯后期為1年、滯后期為2年和滯后期為3年這4種情況。

之所以出現上述結果，文中認為主要有2方面原因。第一，政府R&D支持程度偏低。政府對企業進行R&D支持的主要目的是引導其創新方向，平衡企業創新成本，解決長期負債可能導致企業失去創新熱情的問題。目前，由于國內市場活力不足，企業缺乏創新投資的意愿和能力，政府應為其提供必要的經費支持，促進企業創新動機的提高。但是，較少的政府R&D支持經費，使企業創新缺少必要的資金保障，而縮減其R&D規模，進而企業的創新能力降低，阻礙創新效率的提升。第二，則是由于政府R&D支持程度偏高。偏高的政府R&D支持經費導致創新要素需求的增加，但是由于市場在較短時期內對這類稀缺創新資源缺少供給，從而帶來創新關鍵要素價格的提高，最終使企業創新成本提升。因此，部分企業會選擇盈利水平高的項目，而終止盈利水平低的項目。研究結果顯示，兩者的“擠出”作用在創新資源缺乏的國家非常顯著[29]。由此，文中認為偏低或者偏高的政府R&D支持程度均阻礙企業提升創新效率。

代表企業創新資金的變量lnEIFit在M1和M2中的回歸系數均為負，且顯著，通過5%的顯著性檢驗。在M3和M4中，回歸系數均為正，但不顯著，這表示企業創新資金推動其創新效率的提升。企業為實現持續發展，能夠準確了解和掌握相關的市場信息，合理確定創新資源的投入規模，使其具有相對科學的比例，帶動R&D水平的提升。

此外，政府通過有效的干預，降低了“市場失效”對企業創新活動的影響。企業創新資金以政府引領為主導，確保選擇正確的投資領域、方向和規模，實現資金能夠投入到稀缺的領域，從而帶動企業創新效率的提升。

表示技術合同交易額的lnTCTit，表示R&D人員構成比例的lnLit，表示企業對外開放程度的lnOpenit在M1，M2，M3和M4中的回歸系數均為負，且顯著。這代表其均有效提升了企業的創新效率。企業的技術合同交易額越高、R&D人員構成比例越高、企業對外開放程度越高，其創新效率就會越高。

綜上所述，政府R&D支持對企業創新效率產生負效應，而企業創新資金對創新效率起推動作用。由此，文中認為政府R&D支持程度偏低或偏高，企業創新資金投入程度相對合理。那么要實現國內企業創新效率的最優化，兩者是否存在產生正向效應的最佳范圍？接下來，文中將使用threshold模型驗證是否存在政府R&D支持程度與企業創新資金投入程度的門檻，并據此分析兩者的門檻特征，進而確定兩者產生正向效應的最佳范圍。

3.2 Threshold模型驗證與實證結果分析

根據上述研究，文中接下來分析要實現企業創新效率的最大化，政府R&D支持與企業創新資金產生正向效應中是否存在最佳范圍。為此，文中將政府R&D支持程度與企業創新資金投入程度作為Threshold變量。

3.2.1 Threshold驗證

通過對Threshold效果驗證，確定門檻數量。文中分別設定存在無門檻、一重門檻、雙重門檻和三重門檻4種情形，并依次對M3和M4進行驗證，驗證結果見表3.

表3數據顯示，政府R&D支持程度在M3中存在三重門檻，且顯著。企業創新資金投入程度在M4中存在三重門檻，且顯著。各Threshold值的回歸結果見表4.

表4數據顯示，通過Bootstrap對M3進行估計所得ωGThreshold值分別是0.050，0.107和0.171.由此結果可知，政府R&D支持程度不同對企業創新效率產生不同影響，分為4個區間。低政府R&D支持程度，ωG≤0.050.次低政府R&D支持程度，0050<ωG≤0.107.次高政府R&D支持程度，0.107<ωG≤0.171.高政府R&D支持程度，ωG>0.171.通過Bootstrap對M4進行估計所得ωEThreshold值分別是0.577，0.664和0.727.由此結果可知，企業創新資金投入程度不同對企業創新效率產生不同影響，分為4個區間。低企業創新資金投入程度，ωE≤0.577.次低企業創新資金投入程度，0.577<ωE≤0.664.次高企業創新資金投入程度，0.664<ωB≤0.727.高企業創新資金投入程度，ωE>0.727.

3.2.2 回歸估計與實證結果分析

文中對有Threshold變量的M3和M4進行回歸估計，結果見表5.

M3數據顯示，要降低政府R&D支持對企業創新效率的負效應，必須使其支持程度突破一定Threshold值。當政府R&D支持程度小于0.050時，盡管政府R&D支持對企業創新效率產生的負面影響最小，彈性為-0.050，但是由于目前國內政府R&D支持均已大于該比例，因此，文中要尋找一個更高的比例。當政府R&D支持程度為0.050～0107時，政府R&D支持對企業創新效率產生的負面影響較大，彈性為-0.105.當政府R&D支持程度為0.107～0.171時，政府R&D支持對企業創新效率產生的負面影響有所降低，彈性為-0.086.當政府R&D支持程度為0.171時，政府R&D支持對企業創新效率產生的負面影響比較小，彈性為-0066，盡管該數值小于第1區間的彈性-0.050，但是兩者較為接近。

M4數據顯示，企業創新資金對其創新效率的作用有顯著的門檻性。要實現企業創新資金對其創新效率的推動效應，必須使企業創新資金投入程度位于合理范圍內。企業創新資金投入程度偏低或者偏高，均會降低企業創新資金對其創新效率的正向效應。當企業創新資金投入程度小于0.577時，彈性為0.115，這意味著企業創新資金不足，對企業創新效率產生的影響有限。當企業創新資金投入程度為0.577～0.664時，企業創新資金對其創新效率產生最佳的推動效應，彈性為0.160.當企業創新資金投入程度為0.664～0.727時，企業創新資金對其創新效率產生的影響出現降低，彈性為0.145.當企業創新資金投入程度大于0.727時，企業創新資金對其創新效率產生的推動效應不斷降低，彈性為0126，但是大于第1區間的彈性0.115.

根據上述實證分析結果，文中認為目前國內政府R&D支持程度大于0.171時，企業創新資金投入程度為0.577～0.664時，能夠降低兩者對企業創新效率的負面效應，從而使國內企業創新水平得到提升。

4 研究結論

首先，文中就政府R&D支持與企業創新資金對企業創新效率的作用機制進行分析。其次，采用成都高新區120家上市科技企業的創新數據開展實證研究（2007—2018年），剖析兩者對企業創新效率產生的影響。總的來看，國內政府R&D支持對企業創新效率產生負效應，企業創新資金能夠帶動企業創新效率的提升。通過使用Threshold模型確定政府R&D支持程度與企業創新資金投入程度產生最佳效應的范圍。實證結果顯示，目前國內政府R&D支持程度的最佳范圍應在突破0.050的基礎上，實現大于0.171，企業創新資金投入程度的最佳范圍是0.577～0.664，這樣才會最大限度地降低政府R&D支持對企業創新效率的負效應，充分發揮企業創新資金對其創新效率的推動作用。

據此，文中認為政府與市場應在企業創新過程中充分發揮各自的作用，為國內企業開展創新活動提供良好的環境與充足的經費保障。第一，政府應增大R&D支持規模，實現政府R&D支持程度在最佳范圍內，降低政府R&D支持對企業創新效率的負效應。第二，政府應逐步完善激勵企業創新資金投入的優惠政策，提高企業開展創新活動的主動性。此外，企業應通過增加創新資金，采用先進技術和吸引外來優秀人才，逐步提高產品的市場競爭力，充分發揮作為創新主體的重要作用。

參考文獻：

[1] Grifin A.The effect of project and process characteristics on product development cycle time[J].Journal of Marketing Research，2017，34：24-35.

[2]Poter M E.Competitive strategy[M].New York：Free Press，2018.

[3]Barmey J.Firm resources and sustained competitive advantage[J].Journal of Management，2015，17（1）：99-120.

[4]Prahalad C K，Hamel G.The core competence of the corporation[J].Harvard Business Review，2016，68（3）：79-91.

[5]Hughes C D，Chafin D C.Turning new product development into a continuous learning process[J].The Journal of Product Innovation Management，2010（13）：89-104.

[6]岳洪江，張 琳，梁立明.基金項目負責人與科技人才年齡結構比較研究[J].科研管理，2002（06）：100-106.

[7]樊 綱，王小魯，馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究，2011（02）：4-16.

[8]邢 毅.市場失靈-政府對高新技術產業規制的緣起[J].華東經濟管理，2014（05）：60-63.

[9]Saban K，Lanasa J，Lackman C，et al.Organizational learning：a critical component to new product development[J].Journal of Product & Brand Management，2010，9（02）：99-119.

[10]張玉玲，葛玉輝，姚瑩瑩.TMT跨界行為對企業創新績效的影響研究[J].技術與創新管理，2019（04）：425-432.

[11]賀 紅，師澤遠，雷戰波.科技優勢轉化為發展優勢的SWOT分析-以西安市為例[J].技術與創新管理，2016（05）：497-501.

[12]曾曉花，周懷峰.農業龍頭企業科技創新財政支持政策研究-以廣東省為例[J].技術與創新管理，2015（05）：415-420+438.

[13]吳延兵.R&D存量、知識函數與生產效率[J].經濟學（季刊），2016（04）：1129-1156.

[14]Cusumano M A，Nobeoka L.Strategy，structure and performance in product development：observations from the auto industry[J].Research Policy，20011（21）：265-293.

[15]Cohen W M，Levinthal D A.Absorptive capacity：a new perspective on learning and innovation[J].Administrative Science Quarterly，2010（35）：128-152.

[16]Huber G P.Organizational learning：the contributing processes and the literatures[J].Organization Science，2011，2（01）：88-115.

[17]Brockman B K，Morgan R M.The role of existing knowledge in new product innovativeness and performance[J].Decision Sciences，2013，34（02）：385-419.

[18]Gold A H，Malhotra A，Segars A H.Knowledge management：an organizational capabilities perspective[J].Journal of Management Information Systems，2016，18（01）：185-214.

[19]王曉琦，萬振塬.專利視角下陜西省航空航天制造業創新能力分析——基于Granger檢驗和VAR模型[J].技術與創新管理，2019（04）：433-440.

[20]任 振，王成程，沈敏圣，等.基于改進霍爾三維結構的重大科研項目風險管理研究[J].技術與創新管理，2019（04）：470-475.

[21]白俊紅，江可申，李 婧.應用隨機前沿模型評測中國區域研發創新效率[J].管理世界（月刊），2019（10）：51-61.

[22]傅曉霞，吳利學.前沿分析方法在中國經濟增長核算中的適用性[J].世界經濟，2017（07）：56-66.

[23]Battese G E，Coelli T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics，1995（20）：325-332.

[24]Hansen B E.Threshold effects in non-dynamic panels：estimation，testing and inference[J].Journal of Economics，1999，93：345-368.

[25]Moorman C.Organizational market information processes：cultural antecedents and new product outcomes[J].Journal of Marketing Research，2015，32（03）：318-335.

[26]Lynn G S.New product team learning：developing and profiting from your knowledge capital[J].California Management Review，1998，40（04）：78-93.

[27]Lynn G S，Reilly R R，Akgun A E.Knowledge management in new product teams：practices and outcomes[J].IEEE Transactions on Engineering Management，2010，47（02）：221-230.

[28]Tatikonda M V，Rosenthal S R.Technological novelty，project complexity and product development execution success[J].IEEE Transactions on Engineering Management，2010，47（01）：78-87.

[29]Verworn B，Herstatt C，Nagahira A.The fuzzy front end of Japanese new product development projects：impact on success and differences between incremental and radical projects[J].R&D Management，2018（38）：1-19.

（責任編輯：嚴 焱）