R&D補貼對企業技術創新影響的有效性和條件性分析

劉玉洪

一、研究背景與問題提出

（一）現實背景

十九大報告明確指出：“我國經濟已由高速增長階段轉向高質量發展階段，正處在轉變發展方式、優化經濟結構、轉換增長動力的攻關期，建設現代化經濟體系是跨越關口的迫切要求和我國發展的戰略目標。”實現持續的高質量發展在于創新驅動，技術創新是中國工業發展、工業化過程中實現工業文明的一個關鍵的戰略問題（金碚，2015）[1]。這一點對于中國“大國筋骨”的制造業來講，顯得尤為重要。為激勵企業開展技術創新，許多國家設立了雄心勃勃的R&D投資目標，如歐盟到2020年R&D投入占GDP的比例為3%（其中2/3由企業投資）（Klette et al.，2000）[2]。2015年美國、中國、印度、日本、德國、俄羅斯、巴西、法國、英國、印度尼西亞和OECD國家平均的R&D支出占GDP的比例分別為2.7%，2.1%，0.6%，3.3%，2.9%，1.1%，1.2%，2.2%，1.7%，0.1%和2.4%（Bloom et al.,2019）[3]，前3名的國家為日本（3.3%）、德國（2.9%）和美國（2.7%），中國R&D支出占GDP比例為2.1%，比例低于OECD國家的平均值2.4%。國泰安2007—2018年R&D補貼數據統計表明中國制造業上市公司獲得的R&D補貼2007年為5億元，2018年為86億元，增長近16倍。隨著我國R&D補貼力度的增加，科學評估R&D補貼對企業技術創新影響的有效性和條件性在以競爭政策為基礎，實現產業政策和競爭政策相協調（科瓦西奇等，2017）[4]的創新驅動時代，具有重要的現實意義。

（二）理論背景

由于知識創造的過程充滿不確定性和高風險性，R&D的公共品屬性和資本市場的不完美造成了市場失靈，因而市場有效的假設是不存在的（斯蒂格利茨和格林沃爾德,2017）[5]，而政治經濟制度的目標之一就是要減少不確定性，推動投資、激勵創新，提高效率（福山,2014）[6]，以更好地發揮政府在配置創新資源中的引導作用。

R&D補貼通過降低R&D成本、風險預期和增加邊際回報、收益預期而減緩市場失靈，以激勵企業增加R&D投入（David et al.，2000；王剛剛等,2017）[7][8]。對于依賴外部融資開展R&D活動的企業，R&D補貼幫助企業以合理的成本從內部融資轉向外部融資（Hyytinen and Toivanen,2005）[9]，減少信息不對稱和降低融資成本，以增加R&D投入。但從公共選擇理論角度看，R&D補貼由于公共機構的自我利益選擇程序和企業的盈利性，將減弱R&D補貼的有效性，因為公共機構可能補貼那些即使沒有補貼也可以成功的項目，或者由于沒有引入新的企業從事R&D活動而導致擠出效應（Aschhoff,2009）[10]。

基于R&D投入或產出的實證研究結論亦不盡相同（Dimos and Pugh，2016）[11]。總體來看，部分結論有效，部分結論無效（Toivanen，2006）[12]，結論是混合的 （mixed）（Blanes and Busom，2004）[13]，是沖突的（conflicting）（David et al.，2000）[7]，一定條件下有效的政策未必在另外的條件下同樣有效（Zú?iga-Vicente et al.,2014）[14]。這表明，R&D補貼對企業技術創新的影響尚需要進一步的實證，尤其在“健全使市場在資源配置中起決定性作用和更好發揮政府作用”的經濟體制改革下，R&D補貼有效性和條件性的評估，具有理論價值。

（三）問題提出

本文要研究的問題是在像中國這樣處于轉型過程的經濟體中，R&D補貼作為創新驅動、促進經濟增長和提高社會福利所需要的政策工具是否激勵企業增加了R&D投入和創新產出。第一，R&D補貼對企業技術創新影響的效應是促進還是抑制，即有效性。第二，R&D補貼影響企業技術創新的有效性是否存在邊界條件，即條件性。

本文基于2007—2018年中國制造業上市公司R&D補貼樣本數據，首先實證R&D補貼對企業技術創新影響的有效性，然后從域觀經濟學視角①，把企業因素（創新能力、企業規模和產權性質）、產業因素（行業性質、市場競爭強度）和制度文化因素（融資約束）納入到統一框架中，分析R&D補貼對企業技術創新影響的條件性。

二、實證文獻綜述

本文分別就R&D補貼對企業R&D投入和產出兩方面的影響實證研究進行文獻綜述。

（一）對R&D投入的影響

部分實證研究表明，R&D補貼對企業R&D投入沒有擠出效應（Cerulli and Pot`I,2012）[15]，可以排除擠出效應（Carboni，2011）[16]。R&D補貼對企業自身R&D投入是正效應（Hud and Hussing?er， 2015；李 萬 福 等 ， 2013；田 曉 麗 等 ，2019）[17][18][19]，產生了額外性 （Bloch and Gravers?en，2012）[20]，R&D補貼發揮了“杠桿效應”（Brautzsch et al.，2015）[21]和“加速效應”（Ozce?lik and Taymaz，2008）[22]。

同時，也有部分實證研究表明R&D補貼抑制企業創新活動的開展。Larch（2002）[23]發現R&D補貼激勵小企業R&D投入增加顯著，而大企業不顯著，因而總體上不顯著。Choi and Lee（2017）[24]研究發現R&D補貼激勵生物技術風險公司R&D投入的證據是相當弱的，Acemoglu et al.（2017）[25]認為R&D補貼由于鼓勵了在位創新能力低的企業的生存和擴張而不能實現補貼目標，Busom （2000）[26]發現西班牙的R&D補貼對企業R&D投入有30%的擠出效應，Goolsbee（1998）[27]研究表明，由于R&D補貼提高了科研人員的工資但工作時間并未延長而直接擠出企業的R&D投入。孔淑紅（2010）[28]研究發現R&D稅收優惠對科技創新沒有起到明顯的促進作用，李艷艷和王坤（2016）[29]發現，所得稅激勵政策本身并未對企業技術創新活動產生顯著的激勵作用。

另外，某些實證研究結論是中性的。Gonz′alez and Paz′o（2008）[30]發現西班牙的R&D補貼對制造業小企業的R&D投入沒有擠出效應，無論是完全擠出還是部分擠出，對那些已經進行R&D活動的企業激勵效應不顯著。

（二）對R&D產出的影響

部分實證評估表明，R&D補貼可以轉化為企業的新產品產出（Hottenrott and Lopes Bento，2014）[31]， 高 質 量 產 品 的 生 產 （Guo et al.，2016）[32]， 新 產 品 的 銷 售 （Czarnitzki et al.，2011）[33]和提高專利產出（Czarnitzki and Hussing?er，2017）[34]以及增加企業專利申請數量和申請意愿 （Bronzini and Piselli,2016；Doh and Kim，2014）[35][36]，從而激勵企業創新（李香菊和賀娜，2019）[37]。Czarnitzki et al.(2011)[33]發現加拿大的R&D稅收減免對企業創新的大部分指標（新產品數量、新產品銷售和創新的原創性）有正效應。李香菊和賀娜（2019）[37]研究發現，無論從實際企業所得稅率來看，還是從名義企業所得稅率看，稅收激勵對企業技術創新都具有正向促進效應。

而黎文靖和鄭曼妮（2016）[38]研究發現R&D補貼激勵了企業增加創新“數量”（非發明專利）的策略性創新，但沒有顯著提高企業創新“質量”（發明專利）的實質性創新，從而產生抑制效應。肖葉（2019）[39]研究發現R&D稅收優惠不利于創新產出水平的提升。

總的來看，R&D補貼對企業技術創新的資源配置效應因使用不同的數據及指標，不同的研究方法和模型，因研究對象的組織、制度、文化等因素的差異而存在異質性，不存在定論，必須根據各國的特定環境和制度加以調整，因而無須追求所謂正確的定論。

三、研究假設

對于依靠內部融資開展R&D活動的企業，R&D補貼產生激勵效應的機制包括三個方面。第一，R&D補貼通過降低R&D成本、風險預期和增加邊際回報、收益預期而減緩市場失靈，以激勵企業增加R&D投入。R&D補貼的可預測性，誘導以逐利為目標的企業增加R&D投入，因為R&D補貼為企業的R&D活動承擔了一定的風險，降低了企業經濟損失的預期值，從而激勵企業的R&D投入。第二，R&D補貼降低被補貼企業其他項目的固定成本，由此增強了R&D補貼的效應。第三，由于 R&D具有流動性 （Fagerberg，2017）[40]，R&D補貼創造的知識經常溢出到其他企業，因而其他企業可以從中受益（Czarnitzki and Lopes-Ben?to，2013）[41]，提高了其他未獲補貼企業R&D活動的成功率，由此增強了R&D補貼的效應。獲得R&D補貼相當于向市場投資者傳遞了值得信任的政府信用認證信號和向外部投資者傳遞了政府監管認證的雙重信用信號（王剛剛等，2017）[8]，傳遞企業質量信息給股東和其他潛在投資者，減少信息不對稱和降低融資成本，以增加R&D投入。基于上述分析，我們提出如下假設：

假設H1a：R&D補貼促進了企業R&D的投入。

假設H1b：R&D補貼促進了企業R&D的產出。

現代經濟中，R&D資本存量創造的知識是企業創新產出的重要因素，間接決定了生產率水平（Griliches,1988）[42]，通過促進新技術的吸收影響生產率增長（Parisi et al.,2005）[43]，不僅促進技術創新，還影響技術擴散、模仿和吸收消化的能力（Vogel，2015）[44]。有R&D投資經驗的企業，不必再面臨“初始沉沒成本”。由于R&D活動的傳承性和持續性等特征，過去的R&D投入對當前R&D投資具有強有力的預測性（Peters et al.，2013）[45]，具有較高專利存量的企業有更高的學習能力 （Zú?iga-Vicente，2014）[14]，因而更具創新能力。基于上述分析，我們提出如下假設：

假設H2：相比創新能力低的企業，配置給創新能力高的企業，R&D補貼的效應更顯著。

大企業由于研發實力和抗風險能力，因而可以促進企業的技術創新。企業規模越大，其利用資源進行創新的可能性越大（Galende and De La Fuente,2003）[46]，更可能投資于創新活動（Noori et al.,2016）[47]，基于研發實力和抗風險能力，大企業更容易獲得R&D補貼（胡凱和吳清，2018；王剛剛等，2017）[48][8]。

另一方面，大企業由于存在競爭壓力，壟斷性的市場結構會導致企業缺乏創新的積極性。企業創新產出因規模大而降低（Hashi and Stojcic，2013）[49]，小企業比大企業更具創新性（Paunov，2012；Cruz-Cazares et al.，2013）[50][51]，小微 （mi?cro）企業和中小企業（SME）一樣可以受益于創新，提高生產率（Baumann and Kritikos，2016）[52]。R&D補貼對企業自有R&D投入起到“加速效應”，小企業更受益于R&D補貼而開展R&D活動（Ozcelik and Taymaz,2008）[22]，R&D補貼顯著影響小企業的專利申請數量和申請意愿（Bronzini and Piselli，2016）[35]。基于上述分析，我們提出如下假設：

假設H3a：與小規模企業相比，R&D補貼對大企業的R&D投入影響更顯著。

假設H3b：與大規模企業相比，R&D補貼對小企業的R&D產出影響更顯著。

市場結構是最重要的影響企業技術創新的因素（Kamien and Schwartz，1982）[53]，競爭使創新過程成為企業常規化的決策原則，在競爭中生產出更好的新產品或以更好的工藝生產原有的產品（威廉?鮑莫爾，2016）[54]。競爭和創新之間存在倒U型關系，當競爭激烈時，增加R&D補貼后，倒U型變得更陡峭 （KilponenandSantavirta，2007）[55]。基于上述分析，我們提出如下假設：

假設H4：相比競爭強度低的行業企業，配置給競爭強度高的行業企業，R&D補貼的效應更顯著。

從技術創新的角度看，R&D活動是研發密集型行業中企業保持競爭優勢的關鍵（Hall et al.,2005；魯桐和黨印，2014）[56][57]。相比低技術行業，R&D投入對高技術行業企業的生產率影響更大（魯桐和黨印，2014）[57]。高技術行業的生產率與R&D存量之比的彈性高于中低技術行業，這是因為R&D投入的有效性的“門檻”效應意味著提高生產率，大量R&D投入是必要條件。同時，相比中低技術行業，R&D投入對高技術行業企業的生產率影響更大（Castellani et al.，2019）[58]。基于上述分析，我們提出如下假設：

假設H5：相對于非技術密集型行業企業，配置給技術密集型行業中的企業，R&D補貼的效應更顯著。

產權性質決定了企業的資源配置方式，深刻影響企業的技術創新行為與創新績效。吳延兵（2009）[59]研究發現，國有產權對R＆D人數有顯著正影響，但對R＆D支出沒有顯著影響。Lin et al．（2010）[60]研究發現，非國有企業比國有企業有更高的研發投資意向。吳延兵（2012）[61]研究表明，民營企業在創新投入和專利創新效率上領先于國有企業。李長青等（2014）[62]研究發現：私營企業在大多數行業中的技術創新投入和產出處于優勢，而國有企業僅在壟斷競爭行業中具有優勢。Hu and Jefferson（2009）[63]發現非國有企業比國有企業有更高的專利申請傾向。Chen et al．（2018）[64]研究表明，國有企業的創新效率顯著低于非國有控股企業。鄒昭晞（2011）[65]認為民營企業的研發費用和研發人員的投入效率均高于國有企業。基于上述分析，我們提出如下假設：

假設H6：相比國有企業，配置給非國有企業，R&D補貼的效應更顯著。

由于資本市場不完美造成的金融約束是政府干預企業R&D投入的主要原因（Ughetto,2008；Takalo and Tanayama，2010）[66][67]。一方面，R&D投資是高投資成本，存在投資臨界值（Cohen and Klepper，1996）[68]和初始成本、固定成本（Peters et al.，2013）[61]，R&D投資中的重要部分R&D人員和培訓，一旦投入則立即成為沉沒成本。而超過一定額度的R&D投資具有不可分割性（Cohen and Klepper，1996）[68]，導致R&D投資的高風險。另一方面，R&D抵押價值低。相對于實物資本，R&D作為無形資產不能通過抵押取得貸款（Moc?nik，2001）[69]，可以開展的R&D項目由于內部資金短缺不能正常開展（Cazrnitzki et al.，2011）[70]，由于缺少外部借款人或投資者而擱置（Czarnitzki and Lopes-Bento，2013）[41]。基于上述分析，我們提出如下假設：

假設H7：相比融資約束低的企業，配置給融資約束高的企業，R&D補貼效應更顯著。

四、研究設計

（一）樣本及數據

本文基于國泰安CSMAR數據庫，構建2007—2018年中國制造業上市公司R&D補貼數據庫、企業創新數據庫和企業基本信息及財務數據庫。

1.R&D補貼數據庫。本文2007—2018年中國滬深上市制造業上市公司的R&D補貼數據，參考王剛剛等（2017）[8]的做法，本文選定6類關鍵詞作為統計R&D補貼項目的依據。（1）創新：如“創新”“研發”“R&D”等；（2）產品：“新產品”“新材料”“新工藝”等；（3）人員：“院士”“千人計劃”等；（4）規劃：“863”“973”“火炬計劃”等；（5）經費：“科學進步獎”“技術進步獎”等；（6）技術：“重大技術”“工程中心”“實驗室”等。以企業年度報告對這些項目的補貼額度先分別篩選，然后加總作為樣本公司該年度的R&D補貼數據。最終本文獲得了2322家制造業上市公司10478個企業-年度觀測值。

2.企業創新數據庫。本文采取企業R&D投入和企業當年申請的專利衡量企業的創新能力。本文采用專利總體情況（發明專利、實用新型和外觀設計），然后再區分發明專利和非發明專利，檢驗R&D補貼對企業創新產出的影響。研發投入和專利從CSMAR的“上市公司研發創新”中進行匹配得到“研發人員數量”“研發投入金額”、發明專利和非發明專利。

3.企業基本信息及財務數據庫。制造業上市公司的基本信息從CSMAR的“上市公司基本信息”中進行匹配得到“企業規模”“年齡”，企業最終控制人性質來自CCER數據庫。財務數據從CS?MAR的“利潤表”獲取“營業收入”和“凈利潤”，從“資產負債表”獲取“總資產”和“所有者權益”。同時，刪除財務狀況存在異常情況的公司樣本。最后，對所有公司財務數據進行上下1%的縮尾處理（Winsorize）。

在完成上述步驟后，將構建的R&D補貼數據庫、企業創新數據庫、企業基本信息數據庫及財務數據庫進行整合，最終得到2007—2018年中國制造業上市公司R&D補貼企業技術創新數據庫。

（二）變量定義與測量

1.因變量。R&D投入采用研發投入強度，rd1=研發投入/總資產*100來表示。以當年申請的發明專利來衡量創新產出，pti=ln(1+發明數量)。為了緩解專利數量呈右偏態分布的問題，參考黎文靖和鄭曼妮（2016）[38]等研究，對專利變量在第99分位上進行了Winsorize處理，然后利用專利數量的自然對數作為對創新變量的主要測量。為了避免損失企業-年度觀測值的數量，我們對專利變量進行加1再取自然對數。根據文獻的一般做法，當企業-年度的專利信息缺失時，專利數量設定為0，這在一定程度上緩解了樣本選擇偏差的問題。

2.自變量。本文采用R&D補貼強度rdsubsidy=研發補貼/總資產，作為自變量。

3.控制變量。本文在研究R&D補貼對企業技術創新影響時考慮了以下控制變量：企業規模、企業年齡、有形資產、企業成長、高管持股、市場競爭強度、企業市場價值（托賓Q）、杠桿率和產權性質等，同時，控制了企業個體、時間固定效應（見表1）。

表1 主要變量的定義及說明

（三）模型設定

我們通過下面的計量模型對本章的假設進行檢驗。

其中，Yit代表企業的創新能力rd1it和ptiit，rd1it衡量企業的R&D投入能力，ptiit衡量企業創新產出能力。rdsubsidyi,t-1為R&D補貼強度，采取滯后一期而避免樣本選擇偏誤。Zi,t－1為控制變量，此外，模型也加入了固定效應（FE），時間效應（μt）和隨機擾動項（εit）以控制不可觀察的變量對R&D投入、專利的影響。

創新能力的高低以TFP年度行業中位數為基準，高于中位數則定義為創新能力高，記為1；反之則創新能力低，記為0。采用同樣方法對企業規模、競爭強度、行業性質和融資約束等進行處理，產權性質則把國有企業記為1，非國有企業記為0。

（四）樣本選擇偏誤及處理

R&D補貼對企業技術創新受多種因素影響，為了減弱樣本選擇偏誤導致的混淆效應，本文通過以下程序為樣本企業（獲得R&D補貼的企業）選擇合適的控制樣本（未獲得R&D補貼的企業）。首先，為了控制時間效應，我們將R&D補貼rd?subsidy滯后一期rdsubsidyi,t-1作為自變量進行回歸，所有控制變量均采取滯后一期，同時加入時間效應（μt）控制時間效應。其次，為了控制有形資產（PPE）、企業成長（GROWTH）、公司高管持股 （MHR）、企業規模 （SIZE）、企業年齡（AGE）、杠桿率（LEV），利用PSM匹配技術從制造業中未獲得R&D補貼的企業中進行匹配。

利用PSM匹配技術需要滿足平衡性假設和共同支撐假設，從表2中可以看出，在經過平衡性分析過程之后，匹配后的協變量有形資產（PPE）、企業成長（GROWTH）、企業盈利能力（ROA）、公司高管持股（MHR）、企業規模（SIZE）、企業年齡（AGE）和杠桿率（LEV）在處理組和控制組之間的偏差程度都分別降低了96.5%，85.5%，88.6%，98.7%，85.0%，52.1%和96.8%。匹配后樣本中所有協變量的p值都在10%水平上不顯著，V（T）/V（C）的比值是接近1，這表明處理組和控制組之間沒有顯著差異，其協變量分布是一致的（詳見圖1和圖2從視覺上描繪了協變量匹配前后偏差程度的變化情況）。同時，根據表2中的聯合檢驗p值，傾向得分的聯合分布在兩個組中也是相同的。處理組與控制組具有一致的分布，其微小差異只是相同個體的不同表現而已，在統計意義上為同一個體。

另外，根據匹配前、后的核密度函數圖來對共同支撐假設進行檢驗。從圖3和圖4可以看出，匹配之后，處理組和控制組的核密度函數基本上接近，說明兩者有共同支撐的區域。

表2 協變量匹配質量檢驗

圖1 協變量的偏差變化圖

圖2 處理組和控制組匹配對比

經過平衡性假設和共同支撐假設檢驗后，匹配后的處理組和控制組在統計意義上是同一個體，因此，一定程度上減弱了樣本選擇偏誤所導致的混淆效應。

圖3 匹配前的核密度函數

圖4 匹配后的核密度函數

五、實證分析

（一）描述性統計

在回歸分析前對模型中變量間的相關性及各變量的描述性統計進行了分析。表3報告了變量間的相關性矩陣以及各變量的描述性統計。從各變量的相關系數來看沒有超過0.5的，方差膨脹因子（Variance Inflation Factors,VIF）的檢驗結果顯示VIF的均值為，低于1.60，這表明在我們的回歸分析中不存在多重共線性問題。

（二）基準回歸結果

從表4的（1）中看出，R&D補貼對企業R&D投入強度rd1的估計系數為正（α=0.395）且在1%的水平上顯著，這說明R&D補貼正向影響企業R&D投入，假設H1a得到了支持。

從表5的（2）中看出，R&D補貼對企業發明專利的pti的估計系數為正（α=0.243）且在1%的水平上顯著，這說明R&D補貼正向影響企業發明專利，假設H1b得到了支持。

表3 變量的描述性統計及相關矩陣

從表6可以看出，R&D補貼對創新能力高的企業的效應為正（α=0.231），大于對創新能力低的企業的效應（α=0.218），這表明R&D補貼給創新能力高的企業的政策效應更顯著，假設H2得到了支持。

表4 研發投入回歸結果

表5 專利回歸結果

表6 創新能力回歸結果

表7 企業規模回歸結果

從表7可以看出，R&D補貼對大企業R&D投入強度的效應（α=0.453）大于對小企業的效應（α=0.273）。R&D補貼對大企業發明專利的效應（α=0.146）小于對小企業發明專利的效應（α=0.218）。這說明R&D補貼對大企業的R&D投入強度激勵效應顯著，而對小企業的發明專利促進效應顯著，假設H3a和H3b分別得到了支持。

從表8可以看出，R&D補貼對競爭強度高的企業R&D投入強度的效應（α=0.439）高于對競爭強度低的企業（α=0.294）。R&D補貼對競爭強度高的企業發明專利的效應（α=0.258）與競爭強度低的企業的效應（α=0.248）基本一致，實證結果支持假設H4。

表9結果顯示，R&D補貼對技術密集型企業R&D投入強度的效應（α=0.448）高于對非技術密集型企業的效應（α=0.166）。R&D補貼對技術密集型企業發明專利的影響效應（α=0.247）高于對非技術密集型企業發明專利的效應（α=0.163），假設H5得到了支持。

表8 競爭強度回歸結果

表9 行業性質回歸結果

表10 產權性質回歸結果

表11 融資約束回歸結果

表10結果表明，R&D補貼對國有企業R&D投入強度的影響（α=0.501），高于對非國有企業R&D投入強度的影響（α=0.338）。R&D補貼對國有企業發明專利的影響（α=0.263）基本接近但略高于對非國有企業的影響（α=0.220）。假設H6沒有得到支持。

表11結果證明，R&D補貼對融資約束強的企業R&D投入強度的影響（α=0.428）大于對融資約束弱的企業的影響（α=0.333）。R&D補貼對融資約束強的企業發明專利的影響（α=0.292）高于對融資約束弱的企業的影響（α=0.224），假設H7得到了支持。

（三）內生性Heckman檢驗

為克服R&D補貼行為的內生性，采用Heck?man兩階段回歸模型檢驗樣本的選擇偏誤。表12的（1）結果表明，R&D補貼顯著激勵了企業的R&D投入，在10%的水平上顯著。

同時，表12中的模型（2）和（3）是分別用rd2=研發/營業收入*100和employ=ln(1+研發人員)進行穩健性檢驗的結果。除了系數和標準誤的變化外，主效應與模型（1）估計的一致。這表明，R&D補貼對企業R&D投入的效應是顯著的，假設H1a得到了驗證。

表13的（2）專利Heckman兩階段回歸模型的結果表明，R&D顯著促進了企業創新發明專利的產出且在5%的水平上顯著。同時，表13中的模型（1）和（3）是分別用pt=ln(1+專利數量)和ptud=ln(1+包裝設計專利數量)進行穩健性檢驗的結果。除了系數和標準誤的變化外，主效應與模型（2）估計的一致。這表明，R&D補貼對企業發明專利的效應是顯著的，假設H1b得到了驗證。

表12 研發投入heckman兩階段回歸結果

表13 專利heckman兩階段回歸結果

六、結論與建議

本文基于中國制造業上市公司2007—2018年R&D補貼樣本，實證檢驗了R&D補貼對企業技術創新影響的有效性和條件性。結果表明，R&D補貼顯著激勵了企業增加R&D投入和創新產出，同時基于企業因素、產業因素和制度文化因素的統一框架證明了R&D補貼的有效性具有條件性。

首先，R&D補貼顯著激勵了企業R&D投入，這一結論與Carboni（2011）[18]、Bloch and Gravers?en（2012）[28]等的研究結論一致。這可以解釋為政府補貼通過降低單位成本和增加被補貼R&D項目的預期獲利性減輕市場失靈，由此激勵更多的私人R&D支出，即額外性。

其次，R&D補貼顯著激勵了企業創新產出，這一結論與Czarnitzki and Lopes Bento（2011）[54]、Czarnitzki and Hussinger （2017）[46]、Bronzini and Piselli （2016）[47]、Doh and Kim（2014）[48]等的結論是一致的。這可以解釋為R&D補貼通過降低單位成本和增加被補貼R&D項目的預期獲利性激勵了企業R&D投入，而R&D投入轉化為專利產出。

最后，R&D補貼的有效性是存在條件性的。第一，R&D補貼給創新能力高的企業，其政策效應更顯著。第二，R&D補貼對大企業的R&D投入強度激勵效應顯著，而對小企業的發明專利促進效應顯著。第三，R&D補貼配置給行業競爭強度高的企業，更能激勵企業R&D投入和發明專利產出。第四，R&D補貼對技術密集型企業的R&D投入強度和發明專利的影響比對非技術密集型企業的R&D投入強度和發明專利的影響均顯著。第五，R&D補貼對國有企業R&D投入的影響比對非國有企業的影響更顯著，但對發明專利的影響基本一致。第六，R&D補貼對對融資約束強的企業的效應大于對融資約束弱的企業的效應。

從政策制定的角度來看，本文的研究意義在于，第一，R&D補貼資源稀缺時，配置給創新能力高、行業競爭強度高的企業、技術密集型企業和融資約束強的企業，R&D補貼效應更顯著；第二，R&D補貼對大企業的R&D投入效應顯著高于小企業，但R&D補貼對規模小的企業的創新產出效應高于規模大的企業，這說明產業政策應該以競爭政策為基礎，強調R&D補貼政策的公平性和無歧視性；第三，完善金融結構為企業提供外部融資渠道，有利于企業技術創新的開展。