高新技術(shù)企業(yè)認(rèn)定與企業(yè)創(chuàng)新效率：提升還是抑制
——基于中國上市公司的反事實(shí)估計(jì)

竇錢斌，孫美露，王菲瑤，黃燁菁

(上海社會(huì)科學(xué)院 世界經(jīng)濟(jì)研究所，上海 200020)

0 引言

2008年，經(jīng)國務(wù)院批準(zhǔn)，科技部、財(cái)政部、國家稅務(wù)總局聯(lián)合發(fā)布了《高新技術(shù)企業(yè)認(rèn)定管理辦法》，引導(dǎo)企業(yè)加大研發(fā)力度，增加科技成果產(chǎn)出。目前，高新技術(shù)企業(yè)認(rèn)定政策已實(shí)施十余年，從投入方面看，我國研發(fā)人員全時(shí)當(dāng)量從2008年的196.54萬人年增加到2019年的461.00萬人年，研發(fā)經(jīng)費(fèi)內(nèi)部支出從2008年的4 616.02億元增加到2019年的21 737.00億元；從產(chǎn)出方面看，國內(nèi)專利申請數(shù)從2008年的71.71萬件增加到2019年的417.20萬件。顯然，中國科技創(chuàng)新投入與產(chǎn)出在絕對量方面都得到了極大提升，但是從相對量方面來看，高新技術(shù)企業(yè)認(rèn)定政策是否也同樣提升了企業(yè)創(chuàng)新效率還有待證實(shí)?，F(xiàn)有研究成果對企業(yè)創(chuàng)新效率的闡釋主要集中于企業(yè)研發(fā)產(chǎn)出與研發(fā)投入之間的比率，其隱含的假設(shè)是，企業(yè)進(jìn)行研發(fā)投入后，研發(fā)成果自然能夠得到最大化應(yīng)用。然而在現(xiàn)實(shí)中，企業(yè)技術(shù)研發(fā)和技術(shù)轉(zhuǎn)化分屬企業(yè)生產(chǎn)過程的不同環(huán)節(jié)。高新技術(shù)企業(yè)認(rèn)定政策的直接目的在于提高中國企業(yè)技術(shù)研發(fā)階段的創(chuàng)新績效，這一產(chǎn)業(yè)政策的出發(fā)點(diǎn)是積極的，但高新技術(shù)產(chǎn)品價(jià)值鏈本身鏈條較長，從技術(shù)研發(fā)到技術(shù)轉(zhuǎn)化所要求的生產(chǎn)要素組合和支撐條件不同，高新技術(shù)企業(yè)認(rèn)定政策作用于這兩個(gè)階段的效率或許存在差異。如果僅從產(chǎn)業(yè)政策的基礎(chǔ)性和誘導(dǎo)性作用去考慮產(chǎn)業(yè)政策效果，而忽視產(chǎn)業(yè)政策可能間接造成其它環(huán)節(jié)的損失，則可能導(dǎo)致產(chǎn)業(yè)政策“好心辦壞事”?；诖?，本文分別從企業(yè)技術(shù)研發(fā)和技術(shù)轉(zhuǎn)化兩個(gè)階段的創(chuàng)新效率進(jìn)一步考察高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新是否具有促進(jìn)作用，這也更深入地回答了政策對產(chǎn)業(yè)實(shí)際創(chuàng)新結(jié)果的影響問題。

實(shí)踐中，中國政府主要采用財(cái)政、金融和貿(mào)易政策扶持企業(yè)創(chuàng)新，但最主要也是最常用的兩種政策工具則是稅收優(yōu)惠和政府補(bǔ)貼。學(xué)界主要從企業(yè)研發(fā)投入、研發(fā)產(chǎn)出和研發(fā)效率3個(gè)視角評估各項(xiàng)產(chǎn)業(yè)扶持政策的政策效果。從企業(yè)研發(fā)投入視角看，部分學(xué)者認(rèn)為，稅收優(yōu)惠、政府補(bǔ)貼等產(chǎn)業(yè)政策對企業(yè)研發(fā)投入具有正向積極作用[1-2]。但也有持不同觀點(diǎn)的學(xué)者認(rèn)為，雖然財(cái)政補(bǔ)貼總體上有助于提升企業(yè)研發(fā)投入，但是二者之間還呈現(xiàn)出復(fù)雜的非線性關(guān)系，過高的財(cái)政補(bǔ)貼反而可能不利于企業(yè)研發(fā)投入增加[3-4]。張杰等[5]研究中小企業(yè)創(chuàng)新發(fā)現(xiàn)，中國的創(chuàng)新補(bǔ)貼政策對中小企業(yè)研發(fā)投入沒有顯著影響效應(yīng)。從企業(yè)研發(fā)產(chǎn)出視角看，不少學(xué)者對財(cái)政補(bǔ)貼、稅收優(yōu)惠等產(chǎn)業(yè)政策的創(chuàng)新產(chǎn)出效應(yīng)持肯定態(tài)度[6-9]，如李世奇和朱平芳(2019)的研究表明，研發(fā)補(bǔ)貼對大型企業(yè)和國有企業(yè)創(chuàng)新產(chǎn)出的激勵(lì)效應(yīng)更顯著；馬文聰?shù)萚10]基于產(chǎn)業(yè)政策類型視角認(rèn)為，直接稅收優(yōu)惠對企業(yè)創(chuàng)新產(chǎn)出具有促進(jìn)作用，但直接補(bǔ)貼和間接稅收優(yōu)惠對企業(yè)創(chuàng)新產(chǎn)出的影響不顯著。從企業(yè)研發(fā)效率視角看，學(xué)界就產(chǎn)業(yè)扶持政策和企業(yè)研發(fā)效率間的關(guān)系主要有以下3種觀點(diǎn)：①積極論，如盧方元和李彥龍(2016)認(rèn)為，稅收優(yōu)惠和政府補(bǔ)貼對企業(yè)創(chuàng)新效率提升作用顯著；②消極論，如任躍文[11]、Hong等[12]認(rèn)為，政府補(bǔ)貼不利于企業(yè)創(chuàng)新效率提升；③無關(guān)論，如陳慶江[13]、Hong等[14]認(rèn)為，政府科技投入等產(chǎn)業(yè)扶持政策雖然能夠刺激企業(yè)創(chuàng)新投入與產(chǎn)出，但對創(chuàng)新效率沒有顯著影響。

學(xué)界對產(chǎn)業(yè)扶持政策與企業(yè)創(chuàng)新能力的相關(guān)問題進(jìn)行了較為廣泛的研究，但是一方面，現(xiàn)有文獻(xiàn)對產(chǎn)業(yè)政策與企業(yè)創(chuàng)新效率之間的關(guān)系存在爭議，仍需尋找新的證據(jù)進(jìn)行佐證，并且產(chǎn)業(yè)政策多集中于稅收優(yōu)惠和政府補(bǔ)貼，較少關(guān)注高新技術(shù)企業(yè)認(rèn)定政策；另一方面，諸多學(xué)者對企業(yè)創(chuàng)新過程的定義多集中于單一技術(shù)研發(fā)過程，較少從技術(shù)研發(fā)和技術(shù)轉(zhuǎn)化兩階段理解企業(yè)創(chuàng)新過程的二元性?，F(xiàn)實(shí)中的創(chuàng)新是由研究發(fā)明和市場轉(zhuǎn)化兩部分組成的，企業(yè)在完成技術(shù)研發(fā)后，能否進(jìn)行有效轉(zhuǎn)化是企業(yè)績效問題的核心所在。因此，本文綜合考慮企業(yè)技術(shù)研發(fā)和技術(shù)轉(zhuǎn)化階段的創(chuàng)新過程，運(yùn)用三階段DEA模型對兩階段效率進(jìn)行測度，對高新技術(shù)企業(yè)認(rèn)定政策與企業(yè)創(chuàng)新效率間的關(guān)系進(jìn)行深入挖掘。

1 理論分析

為簡化分析，假設(shè)企業(yè)生產(chǎn)函數(shù)滿足AK形式，并考慮企業(yè)創(chuàng)新效率存在兩個(gè)階段，即技術(shù)研發(fā)和技術(shù)轉(zhuǎn)化。在技術(shù)研發(fā)階段，企業(yè)投入一定資本，并不一定能夠獲得規(guī)模報(bào)酬不變的技術(shù)研發(fā)成果；在技術(shù)轉(zhuǎn)化階段，企業(yè)將已研發(fā)出的技術(shù)成果和資本投入到產(chǎn)品生產(chǎn)中，也并不一定能夠獲得規(guī)模報(bào)酬不變的最終產(chǎn)品。假設(shè)企業(yè)產(chǎn)品生產(chǎn)函數(shù)為：

Y=φAK1

(1)

其中，Y表示產(chǎn)品生產(chǎn)數(shù)量，A表示技術(shù)研發(fā)成果，K1表示企業(yè)技術(shù)轉(zhuǎn)化階段的資本投入規(guī)模，φ表示企業(yè)技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率。企業(yè)的產(chǎn)品生產(chǎn)函數(shù)表明，當(dāng)技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率越高時(shí)，一定單位的技術(shù)水平與資本所能獲得的產(chǎn)品數(shù)量越多。同時(shí)，技術(shù)研發(fā)成果由企業(yè)投入的資本與技術(shù)研發(fā)階段的創(chuàng)新效率所決定。

A=φK2

(2)

其中，K2表示企業(yè)技術(shù)研發(fā)階段的資本投入規(guī)模，φ表示企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率。當(dāng)φ越高時(shí)，企業(yè)投入1單位資本所能獲得的技術(shù)研發(fā)成果越多。基于式(1)、(2)可得：

Y=φφK1K2

(3)

假設(shè)企業(yè)資本數(shù)量固定為K，企業(yè)按照利潤最大化決策，將K分配到技術(shù)研發(fā)階段和技術(shù)轉(zhuǎn)化階段，并且每1單位的K所需要付出的利息為r，同時(shí)假定企業(yè)每1單位產(chǎn)品價(jià)格為1，則企業(yè)利潤最大化決策為：

maxφφK1K2-rK

s.t.K1+K2=K

(4)

此時(shí)，均衡條件有：

r=φφK1=φφK2

(5)

(6)

高新技術(shù)企業(yè)認(rèn)定政策約束下，企業(yè)利潤最大化決策為：

(7)

其對應(yīng)的一階均衡條件有：

(8)

在高新技術(shù)企業(yè)認(rèn)定政策模型設(shè)定中，政策會(huì)影響企業(yè)技術(shù)研發(fā)階段的資本投入變化α，進(jìn)而影響企業(yè)技術(shù)研發(fā)成果，表明企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率φ是關(guān)于α的函數(shù)，高新技術(shù)企業(yè)認(rèn)定政策通過α影響企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率φ。同時(shí)，在企業(yè)生產(chǎn)最終產(chǎn)品的利潤最大化決策下，政策會(huì)影響資本價(jià)格變化β，進(jìn)而影響企業(yè)最終產(chǎn)品生產(chǎn)數(shù)量，表明高新技術(shù)企業(yè)認(rèn)定政策通過β影響企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率φ。進(jìn)而對式(8)求偏導(dǎo)，可得：

(9)

(10)

2 計(jì)量模型設(shè)定、變量與數(shù)據(jù)來源

2.1 計(jì)量模型設(shè)定

2.1.1 基準(zhǔn)回歸

基于上述理論推演過程，本文首先構(gòu)建OLS回歸模型，研究高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率的影響，以作為后續(xù)研究的參照基準(zhǔn)。

(11)

其中，被解釋變量efficiencyi為企業(yè)效率變量，hi_techi為高新技術(shù)企業(yè)認(rèn)定變量，controli為控制變量，εi為服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)誤差項(xiàng)。在方程(11)的估計(jì)中，如果回歸系數(shù)α1>0且顯著，表明政府部門對高新技術(shù)企業(yè)進(jìn)行資質(zhì)認(rèn)定可以有效促進(jìn)企業(yè)創(chuàng)新效率提升，反之則具有抑制作用。

2.1.2 反事實(shí)匹配

雖然通過OLS方法對式(11)進(jìn)行估計(jì)可以研究高新技術(shù)企業(yè)資質(zhì)認(rèn)定對企業(yè)創(chuàng)新效率的平均效應(yīng)，但同時(shí)也會(huì)產(chǎn)生兩個(gè)問題。一方面，盡管考慮了一系列控制變量controli，但依然可能存在遺漏變量的問題，無法分離出影響企業(yè)創(chuàng)新效率的其它因素；另一方面，OLS回歸無法克服由于樣本選擇偏差而引致的內(nèi)生性問題，導(dǎo)致回歸系數(shù)的估計(jì)結(jié)果有偏。為了處理這一內(nèi)生性問題，本文利用反事實(shí)匹配方法加以解決。如果被認(rèn)定和沒有被認(rèn)定為高新技術(shù)企業(yè)能夠被一組共同協(xié)變量所解釋，就可以利用這一組協(xié)變量對樣本進(jìn)行分層配對，每層中僅包含被認(rèn)定和沒有被認(rèn)定兩類企業(yè)，進(jìn)一步對分層比例和分層差異進(jìn)行加權(quán)處理，則可以得到ATT(平均處理效應(yīng))的估計(jì)。具體步驟如下：

首先，利用Logit回歸，選擇一系列既定的可觀測協(xié)變量，估計(jì)出企業(yè)可能被認(rèn)定為高新技術(shù)企業(yè)的概率，這一概率即被認(rèn)定為高新技術(shù)企業(yè)的傾向得分值。

P(Xit)=Pr(hi_techit=1|Xit)

(12)

其中，Xit表示一系列協(xié)變量，hi_techit=1表示企業(yè)i在t年被政府部門認(rèn)定為高新技術(shù)企業(yè)。其次，按照估計(jì)出的傾向得分值大小，對被認(rèn)定和沒有被認(rèn)定的兩組企業(yè)進(jìn)行一對一配對。最后，定義被認(rèn)定為高新技術(shù)企業(yè)對企業(yè)創(chuàng)新效率影響的平均處理效應(yīng)(ATT)為：

ATT=

(13)

其中，M表示被認(rèn)定為高新技術(shù)企業(yè)的個(gè)數(shù)，I、J分別代表被認(rèn)定和未被認(rèn)定為高新技術(shù)企業(yè)的集合，i、j分別代表屬于I、J中的企業(yè)元素，efficiency、hi_tech的含義同上，pit、pjt分別代表上一步中某個(gè)企業(yè)被認(rèn)定和未被認(rèn)定為高新技術(shù)企業(yè)的概率預(yù)測值，權(quán)重函數(shù)w(pit,pjt)表示當(dāng)用未被認(rèn)定為高新技術(shù)企業(yè)j的效率值對被認(rèn)定為高新技術(shù)企業(yè)i的效率值進(jìn)行“反事實(shí)”替代時(shí)所賦予的權(quán)重。

2.1.3 影響機(jī)制的中介效應(yīng)檢驗(yàn)

基于上述計(jì)量模型研究結(jié)果，本文進(jìn)一步利用中介效應(yīng)模型對高新技術(shù)企業(yè)認(rèn)定政策影響企業(yè)創(chuàng)新效率的作用機(jī)制進(jìn)行檢驗(yàn)，并且借鑒溫忠麟等[15]提出的中介效應(yīng)檢驗(yàn)程序，對下述模型結(jié)果進(jìn)行檢驗(yàn)。

(14)

(15)

(16)

其中，efficiencyit表示企業(yè)i在t年的創(chuàng)新效率值，hi_techit表示企業(yè)i在t年是否被認(rèn)定為高新技術(shù)企業(yè)，interk,it表示高新技術(shù)企業(yè)資質(zhì)認(rèn)定影響企業(yè)創(chuàng)新效率的第k個(gè)中介變量，controlit為控制變量，vi、λt分別表示控制行業(yè)效應(yīng)和時(shí)間效應(yīng)，εit表示滿足正態(tài)分布的隨機(jī)擾動(dòng)。方程(14)表示高新技術(shù)企業(yè)認(rèn)定對企業(yè)創(chuàng)新效率影響的總效應(yīng)，系數(shù)β1衡量總效應(yīng)大小，方程(15)表示高新技術(shù)企業(yè)資質(zhì)認(rèn)定對第k個(gè)中介變量的影響，將方程(15)代入方程(16)中，得到的系數(shù)乘積ρkγk,1為第k個(gè)中介變量的中介效應(yīng)，即表示高新技術(shù)企業(yè)資質(zhì)認(rèn)定通過第k個(gè)中介變量影響企業(yè)創(chuàng)新效率的程度。

2.2 變量說明

2.2.1 企業(yè)創(chuàng)新效率

借鑒孟維站等[16]的研究，本文分別從技術(shù)研發(fā)階段和技術(shù)轉(zhuǎn)化階段兩個(gè)維度考察企業(yè)創(chuàng)新效率。其中，技術(shù)研發(fā)階段是指企業(yè)技術(shù)生產(chǎn)過程，技術(shù)轉(zhuǎn)化階段是指企業(yè)的技術(shù)應(yīng)用過程。本文利用三階段DEA模型對企業(yè)技術(shù)研發(fā)階段和技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率進(jìn)行測度，具體步驟如下：

第一步，利用Banker等[17]提出的BCC模型對規(guī)模報(bào)酬可變條件下的創(chuàng)新效率進(jìn)行測度，將傳統(tǒng)DEA模型中的綜合技術(shù)效率(crste)分解為純技術(shù)效率(vrste)和規(guī)模效率(scal)兩部分，具體關(guān)系是crste=vrste·scal。本文以各上市公司作為決策單元，技術(shù)研發(fā)階段的投入指標(biāo)選取研發(fā)人員投入數(shù)量、研發(fā)資金投入數(shù)量兩個(gè)指標(biāo)，技術(shù)研發(fā)階段的產(chǎn)出指標(biāo)和技術(shù)轉(zhuǎn)化階段的投入指標(biāo)選取專利申請數(shù)、有效專利數(shù)兩個(gè)指標(biāo)(由于本文將企業(yè)創(chuàng)新分成兩個(gè)階段，技術(shù)轉(zhuǎn)化階段是對企業(yè)生產(chǎn)的技術(shù)進(jìn)行應(yīng)用的階段，因而技術(shù)研發(fā)階段的產(chǎn)出可被視為技術(shù)轉(zhuǎn)化階段的投入)，技術(shù)轉(zhuǎn)化階段的產(chǎn)出指標(biāo)選取營業(yè)收入增加值(見表1)。需要說明的是，高新技術(shù)企業(yè)營業(yè)收入增加值構(gòu)成不完全等同于新產(chǎn)品營業(yè)收入，某些部分來源于新產(chǎn)品銷售之外的經(jīng)營活動(dòng)收入，但限于新產(chǎn)品營業(yè)收入增加值完整數(shù)據(jù)可獲性較差，本文選擇企業(yè)全部營業(yè)收入增加值替代新產(chǎn)品營業(yè)收入增加值作為技術(shù)轉(zhuǎn)化階段的產(chǎn)出指標(biāo)。通過BCC模型，可以測度出企業(yè)技術(shù)研發(fā)階段和技術(shù)轉(zhuǎn)化階段的綜合技術(shù)效率(crste)、純技術(shù)效率(vrste)和規(guī)模效率(scal)，并在此基礎(chǔ)上計(jì)算出技術(shù)研發(fā)階段和技術(shù)轉(zhuǎn)化階段的投入冗余。

第二步，構(gòu)建如下SFA回歸模型，觀察外界環(huán)境因素和噪聲對企業(yè)兩階段投入冗余的影響。

(17)

方程(17)中，k表示企業(yè)兩階段第k個(gè)松弛變量，vki+uki表示混合誤差項(xiàng)，vki表示服從正態(tài)分布的隨機(jī)擾動(dòng)，uki表示服從非負(fù)斷尾正態(tài)分布的管理非效率，uki與vki無關(guān)。envirji表示環(huán)境變量，參考李洪偉等[18]、孟維站等[16]的研究，本文選取政府資助、研發(fā)人員密度、研發(fā)硬件基礎(chǔ)和區(qū)域市場環(huán)境4個(gè)外界宏觀環(huán)境變量(具體解釋見表1)，然后將外界宏觀環(huán)境變量按照企業(yè)所在省份進(jìn)行匹配，利用式(17)的估計(jì)結(jié)果對企業(yè)兩階段投入量進(jìn)行調(diào)整，從而剔除外部環(huán)境因素對企業(yè)創(chuàng)新效率的影響。

表1 企業(yè)創(chuàng)新效率測度指標(biāo)體系

第三步，將調(diào)整后的投入數(shù)據(jù)重新代入第一步的DEA模型中進(jìn)行測算，進(jìn)而可以得到技術(shù)研發(fā)階段的綜合技術(shù)效率(rd_crste)、純技術(shù)效率(rd_vrste)、規(guī)模效率(rd_scal)以及技術(shù)轉(zhuǎn)化階段的綜合技術(shù)效率(tran_crste)、純技術(shù)效率(tran_vrste)、規(guī)模效率(tran_scal)6個(gè)指標(biāo)。綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率共同組成了對企業(yè)創(chuàng)新效率的測度，其中，綜合技術(shù)效率代表規(guī)模不變條件下的企業(yè)創(chuàng)新效率,是本文考察的重點(diǎn)。

2.2.2 高新技術(shù)企業(yè)認(rèn)定

高新技術(shù)企業(yè)認(rèn)定是本文的核心解釋變量，參考雷根強(qiáng)和郭玥[1]的處理方法，按照2008年《高新技術(shù)企業(yè)認(rèn)定管理辦法》中的規(guī)定，如果企業(yè)處在高新技術(shù)企業(yè)認(rèn)定有效期限內(nèi)則取值為1，否則取0。

2.2.3 協(xié)變量與控制變量

在上述OLS回歸、反事實(shí)匹配和中介效應(yīng)計(jì)量模型中，選擇公司規(guī)模(asset)、資本結(jié)構(gòu)(lev)、凈資產(chǎn)收益率(roe)、長期負(fù)債率(llr)、行業(yè)虛擬變量(ind)、地區(qū)虛擬變量(locate)作為計(jì)量模型的協(xié)變量和控制變量。其中，公司規(guī)模是公司總資產(chǎn)的自然對數(shù)，資本結(jié)構(gòu)是公司總負(fù)債與總資產(chǎn)之比，凈資產(chǎn)收益率是公司凈利潤與股東權(quán)益期末余額之比，長期負(fù)債率是公司長期負(fù)債與總資產(chǎn)之比，行業(yè)虛擬變量按照2011年國家統(tǒng)計(jì)局《國民經(jīng)濟(jì)行業(yè)分類》標(biāo)準(zhǔn)將所有樣本設(shè)置成18個(gè)門類(剔除金融業(yè))，地區(qū)虛擬變量按照公司辦公地址所屬省份設(shè)置成31個(gè)虛擬變量。

2.3 數(shù)據(jù)說明

本文選擇2008—2017年中國上市公司作為研究樣本，上述變量中公司內(nèi)部情況相關(guān)數(shù)據(jù)均來源于CSMAR數(shù)據(jù)庫和Wind咨訊數(shù)據(jù)庫，公司所處外部環(huán)境變量數(shù)據(jù)來源于《中國科技統(tǒng)計(jì)年鑒》。其中，外部環(huán)境變量2008年缺失部分?jǐn)?shù)據(jù)用線性插值法補(bǔ)全，然后運(yùn)用極值標(biāo)準(zhǔn)化方法對所有環(huán)境變量進(jìn)行無量綱化處理。在公司樣本中，剔除上證B股、深證B股、金融行業(yè)、專利申請數(shù)據(jù)缺失或?yàn)?、有效專利數(shù)據(jù)缺失或?yàn)?、研發(fā)人員投入數(shù)據(jù)缺失或?yàn)?、研發(fā)金額投入數(shù)據(jù)缺失或?yàn)?的樣本，最終得到包含2 835家公司的14 156個(gè)樣本，具體變量的描述性統(tǒng)計(jì)如表2所示。

表2 主要變量描述性統(tǒng)計(jì)結(jié)果

3 實(shí)證結(jié)果與分析

3.1 OLS方法估計(jì)結(jié)果

表3、4是對式(11)的估計(jì)結(jié)果。表3第(1)、(3)和(5)列直接考察高新技術(shù)企業(yè)資質(zhì)認(rèn)定(hi_tech)對企業(yè)技術(shù)研發(fā)階段創(chuàng)新效率的影響，考慮到遺漏變量的問題，表3第(2)、(4)和(6)列進(jìn)一步引入一系列控制變量進(jìn)行最小二乘估計(jì)。

表3的實(shí)證結(jié)果顯示，雖然對技術(shù)研發(fā)階段的純技術(shù)效率而言，高新技術(shù)企業(yè)資質(zhì)認(rèn)定變量系數(shù)不顯著，但是對技術(shù)研發(fā)階段的綜合技術(shù)效率和規(guī)模效率來說，不管是否引入控制變量，高新技術(shù)企業(yè)資質(zhì)認(rèn)定變量系數(shù)都在1%的置信水平下顯著為正。因此，可以初步判斷政府部門的高新技術(shù)企業(yè)資質(zhì)認(rèn)定政策可以有效促進(jìn)企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率提升。

表3 基準(zhǔn)模型：高新技術(shù)企業(yè)認(rèn)定對技術(shù)研發(fā)階段創(chuàng)新效率的影響

表4考察了高新技術(shù)企業(yè)資質(zhì)認(rèn)定(hi_tech)對企業(yè)技術(shù)轉(zhuǎn)化階段創(chuàng)新效率的影響。結(jié)果顯示，無論是用綜合技術(shù)效率(tran_crste)、純技術(shù)效率(tran_vrste)還是規(guī)模效率(tran_scal)衡量創(chuàng)新效率，高新技術(shù)企業(yè)資質(zhì)認(rèn)定變量的影響系數(shù)均在1%的置信水平下顯著為負(fù)，引入控制變量后，結(jié)果依然在1%的置信水平下顯著。這一初步結(jié)果表明，高新技術(shù)企業(yè)資質(zhì)認(rèn)定政策顯著抑制了企業(yè)技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率。

表4 基準(zhǔn)模型：高新技術(shù)企業(yè)認(rèn)定對技術(shù)轉(zhuǎn)化階段創(chuàng)新效率的影響

3.2 反事實(shí)方法估計(jì)結(jié)果

考慮到OLS方法對估計(jì)結(jié)果產(chǎn)生的系統(tǒng)性偏誤，本文利用反事實(shí)匹配方法對上述問題進(jìn)行進(jìn)一步研究。反事實(shí)估計(jì)結(jié)果的可靠性建立在條件獨(dú)立性假設(shè)的基礎(chǔ)上，即要求被認(rèn)定和未被認(rèn)定為高新技術(shù)企業(yè)的兩組企業(yè)之間在協(xié)變量上不存在顯著差異。因此在進(jìn)行反事實(shí)估計(jì)前，本文先進(jìn)行反事實(shí)匹配的平衡性檢驗(yàn)，如表5所示。結(jié)果顯示，進(jìn)行反事實(shí)匹配后，6個(gè)協(xié)變量的t值均不顯著，并且t檢驗(yàn)的相伴概率均大于0.1，表明在匹配后，被認(rèn)定和未被認(rèn)定為高新技術(shù)企業(yè)的兩組企業(yè)之間在協(xié)變量上均不存在顯著差異，反事實(shí)匹配的估計(jì)結(jié)果可靠。

表5 平衡性檢驗(yàn)結(jié)果

運(yùn)用最近鄰匹配方法對式(13)進(jìn)行估計(jì)，得到高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率影響的平均處理效應(yīng)(ATT)，如表6所示。結(jié)果顯示，無論從綜合技術(shù)效率、純技術(shù)效率還是從規(guī)模效率衡量企業(yè)創(chuàng)新效率，經(jīng)過反事實(shí)匹配后的處理組平均處理效應(yīng)，在技術(shù)研發(fā)階段的創(chuàng)新效率均表現(xiàn)為正值，而技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率方面均表現(xiàn)為負(fù)值，這一結(jié)果與OLS方法估計(jì)結(jié)果總體一致，意味著解決內(nèi)生性問題后，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率的影響依然在技術(shù)研發(fā)和技術(shù)轉(zhuǎn)化兩個(gè)階段呈現(xiàn)出明顯相反的結(jié)果。

表6 高新技術(shù)企業(yè)認(rèn)定對企業(yè)兩階段創(chuàng)新效率影響的平均處理效應(yīng)

表6顯示，除技術(shù)研發(fā)階段的純技術(shù)效率外，其它創(chuàng)新效率指標(biāo)經(jīng)過反事實(shí)匹配后，處理組的平均處理效應(yīng)均在5%的置信水平上顯著，且相對效應(yīng)均在10%以上，表明高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率具有顯著性影響。從技術(shù)研發(fā)階段的創(chuàng)新效率來看，匹配后的相對效應(yīng)相較于未匹配狀態(tài)均有所提升，表明在未匹配狀態(tài)下，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)技術(shù)研發(fā)階段創(chuàng)新效率的影響被低估；而從技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率來看，匹配后的相對效應(yīng)相較于未匹配狀態(tài)均有所降低，表明在未匹配狀態(tài)下，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)技術(shù)轉(zhuǎn)化階段創(chuàng)新效率的影響被高估。

3.3 分樣本進(jìn)一步研究

雷根強(qiáng)和郭玥[1]的研究表明，企業(yè)所有權(quán)性質(zhì)對企業(yè)創(chuàng)新能力具有重要影響，因此本文按照企業(yè)所有權(quán)性質(zhì)將樣本劃分為國有企業(yè)和非國有企業(yè)進(jìn)行分樣本研究，結(jié)果見表7第(1)、(2)列。結(jié)果顯示，無論是國有企業(yè)還是非國有企業(yè)，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率總體表現(xiàn)出正向促進(jìn)作用，而對企業(yè)技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率表現(xiàn)出負(fù)向抑制作用，這一特點(diǎn)與OLS估計(jì)和反事實(shí)匹配估計(jì)結(jié)果一致，進(jìn)一步驗(yàn)證了上文實(shí)證結(jié)果的穩(wěn)健性。在國有企業(yè)樣本中，除技術(shù)研發(fā)階段的純技術(shù)效率外，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率影響的平均處理效應(yīng)均在10%的置信水平上顯著；而在非國有企業(yè)樣本中，平均處理效應(yīng)在綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率變量上均不顯著。這一實(shí)證結(jié)果表明，高新技術(shù)企業(yè)認(rèn)定政策效果在國有企業(yè)中表現(xiàn)更加突出。

高管和員工是企業(yè)創(chuàng)新的主體，企業(yè)是否對其實(shí)施股權(quán)激勵(lì)會(huì)對企業(yè)創(chuàng)新效率產(chǎn)生不可忽視的影響[19-20]。按照企業(yè)是否實(shí)施股權(quán)激勵(lì)，本文進(jìn)一步將樣本分成兩組子樣本進(jìn)行研究，結(jié)果見表7第(3)、(4)列。結(jié)果顯示，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)技術(shù)研發(fā)階段創(chuàng)新效率的平均處理效應(yīng)總體表現(xiàn)為正值，而對企業(yè)技術(shù)轉(zhuǎn)化階段創(chuàng)新效率的平均處理效應(yīng)均表現(xiàn)為負(fù)值，這一實(shí)證結(jié)果與前文估計(jì)結(jié)果基本一致。但是，在實(shí)施股權(quán)激勵(lì)的樣本中，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率影響的平均處理效應(yīng)在顯著性和絕對值上總體高于未實(shí)施股權(quán)激勵(lì)樣本的對應(yīng)值。這一結(jié)果表明，相對于未實(shí)施股權(quán)激勵(lì)的企業(yè)而言，高新技術(shù)企業(yè)認(rèn)定政策對實(shí)施股權(quán)激勵(lì)的企業(yè)具有更顯著的創(chuàng)新促進(jìn)效果。

在企業(yè)創(chuàng)新效率影響因素中，風(fēng)險(xiǎn)投資支持因素扮演著越來越重要的角色[21-22]。因此，本文按照是否有風(fēng)險(xiǎn)投資進(jìn)入將樣本劃分為兩個(gè)子樣本進(jìn)行研究，結(jié)果見表7第(5)、(6)列。在有風(fēng)險(xiǎn)投資進(jìn)入的樣本中，除企業(yè)技術(shù)研發(fā)階段的規(guī)模效率變量外，高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率影響的平均處理效應(yīng)均不顯著；而在沒有風(fēng)險(xiǎn)投資進(jìn)入的樣本中，這一平均處理效應(yīng)總體上較為顯著，且平均處理效應(yīng)的正負(fù)方向也與前文實(shí)證結(jié)果基本一致。這意味著，相對于有風(fēng)險(xiǎn)投資進(jìn)入的企業(yè)，高新技術(shù)企業(yè)認(rèn)定政策對沒有風(fēng)險(xiǎn)投資進(jìn)入的企業(yè)具有更顯著的創(chuàng)新效率影響效應(yīng)。

表7 分樣本檢驗(yàn)：高新技術(shù)企業(yè)認(rèn)定對企業(yè)兩階段創(chuàng)新效率影響的平均處理效應(yīng)

4 影響機(jī)制檢驗(yàn)

4.1 技術(shù)研發(fā)階段影響機(jī)制檢驗(yàn)

高新技術(shù)企業(yè)具有無形資產(chǎn)占比高、可抵押資產(chǎn)少等特點(diǎn)，加上企業(yè)創(chuàng)新產(chǎn)品從初始研發(fā)到產(chǎn)出收益過程中存在較高不確定性，導(dǎo)致其在金融市場尋求融資的難度較大，融資約束較為嚴(yán)重。政府對高新技術(shù)企業(yè)進(jìn)行認(rèn)定是一種研發(fā)資助政策，而研發(fā)資助政策只要包含資質(zhì)審查，就相當(dāng)于對企業(yè)質(zhì)量的一種認(rèn)定，從而向市場傳遞一種積極信號。這種正外部性一定程度上影響銀行等金融機(jī)構(gòu)和外部投資者決策，從而緩解企業(yè)融資約束，提高長期負(fù)債水平。而融資約束的緩解有利于企業(yè)提高研發(fā)強(qiáng)度和擴(kuò)大規(guī)模，長期負(fù)債水平的提升則能更好地保障周期較長的創(chuàng)新活動(dòng)。這表明高新技術(shù)企業(yè)認(rèn)定政策(hi_tech)對企業(yè)技術(shù)研發(fā)階段創(chuàng)新效率的影響可能通過融資約束(fc)和長期負(fù)債(ltl)兩個(gè)變量進(jìn)行傳導(dǎo)，借鑒于永達(dá)等[22]的做法，本文利用企業(yè)利息支出與固定資產(chǎn)之比衡量企業(yè)面臨的融資約束，通過構(gòu)建中介效應(yīng)模型對這一影響機(jī)制進(jìn)行檢驗(yàn)，結(jié)果如表8所示。

表8第(2)、(3)列是對式(15)的估計(jì)結(jié)果，第(2)、(3)列中高新技術(shù)企業(yè)認(rèn)定政策的系數(shù)估計(jì)結(jié)果分別顯示為負(fù)和為正，且在1%的置信水平下顯著，表明高新技術(shù)企業(yè)認(rèn)定政策能夠顯著緩解企業(yè)融資約束，提高長期負(fù)債水平，這也與上文分析結(jié)果一致。進(jìn)一步地，根據(jù)中介效應(yīng)檢驗(yàn)程序，檢驗(yàn)融資約束和長期負(fù)債是否具有中介效應(yīng)。實(shí)證結(jié)果顯示，方程(14)、(15)、(16)中β1、γk,1、ρk值的估計(jì)結(jié)果均在5%的置信水平上顯著，表明融資約束和長期負(fù)債作為中介變量的作用顯著，高新技術(shù)企業(yè)認(rèn)定政策通過融資約束和長期負(fù)債兩個(gè)渠道對企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率產(chǎn)生影響。

表8 高新技術(shù)企業(yè)認(rèn)定對技術(shù)研發(fā)階段創(chuàng)新效率影響的作用機(jī)制檢驗(yàn)結(jié)果

4.2 技術(shù)轉(zhuǎn)化階段影響機(jī)制檢驗(yàn)

企業(yè)獲得高新技術(shù)企業(yè)認(rèn)定后，政府補(bǔ)貼有利于放大創(chuàng)新投入的正外部性，提高企業(yè)自身創(chuàng)新收益。但企業(yè)創(chuàng)新投入的增加會(huì)對廣告支出等營業(yè)成本產(chǎn)生擠出效應(yīng)，使企業(yè)技術(shù)轉(zhuǎn)化階段的運(yùn)營支出減少，進(jìn)而導(dǎo)致企業(yè)雖然提升了技術(shù)生產(chǎn)水平，但同時(shí)也降低了主營業(yè)務(wù)收入，形成技術(shù)轉(zhuǎn)化效率損失。這表明高新技術(shù)企業(yè)認(rèn)定政策(hi_tech)可能通過營業(yè)成本(oc)和廣告支出(ae)兩條作用路徑對企業(yè)技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率產(chǎn)生影響，表9是對這一影響機(jī)制的中介效應(yīng)檢驗(yàn)結(jié)果。

表9第(2)、(3)列結(jié)果顯示，在控制其它影響因素以及不同行業(yè)、年份時(shí)間效應(yīng)后，高新技術(shù)企業(yè)認(rèn)定政策對營業(yè)成本(oc)和廣告支出(ae)兩個(gè)中介變量的影響均在1%的置信水平下顯著為負(fù)，表明高新技術(shù)企業(yè)認(rèn)定政策顯著降低了企業(yè)營運(yùn)成本和廣告費(fèi)用方面的支出。這主要是由于企業(yè)為了能夠達(dá)成高新技術(shù)企業(yè)資質(zhì)認(rèn)定標(biāo)準(zhǔn)，會(huì)增加研發(fā)資金投入，進(jìn)而對運(yùn)營和廣告投入形成擠出效應(yīng)。根據(jù)中介效應(yīng)檢驗(yàn)程序，表9中β1、γk,1和ρk的估計(jì)值均在1%的置信水平上顯著，表明高新技術(shù)企業(yè)認(rèn)定政策通過營業(yè)成本和廣告支出兩條路徑對企業(yè)技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率產(chǎn)生顯著作用。

表9 高新技術(shù)企業(yè)認(rèn)定對技術(shù)轉(zhuǎn)化階段創(chuàng)新效率影響的作用機(jī)制檢驗(yàn)結(jié)果

5 結(jié)論與政策建議

5.1 研究結(jié)論

本文利用2008—2017年14 156個(gè)中國上市公司微觀樣本數(shù)據(jù)，首先，運(yùn)用三階段DEA模型分別對上市公司技術(shù)研發(fā)階段和技術(shù)轉(zhuǎn)化階段的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率進(jìn)行測度，以此作為企業(yè)創(chuàng)新效率的衡量指標(biāo)；然后，運(yùn)用反事實(shí)匹配方法探究高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)創(chuàng)新效率影響的平均處理效應(yīng)，并在此基礎(chǔ)上進(jìn)行進(jìn)一步分樣本研究；最后，運(yùn)用中介效應(yīng)模型分別考察高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)技術(shù)研發(fā)和技術(shù)轉(zhuǎn)化階段創(chuàng)新效率的影響機(jī)制。研究發(fā)現(xiàn)：①本文以綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率3種效率度量方法衡量企業(yè)創(chuàng)新效率，基于OLS回歸以及控制樣本選擇偏差的PSM估計(jì)方法，實(shí)證結(jié)果表明，高新技術(shù)企業(yè)認(rèn)定政策對上市公司技術(shù)研發(fā)階段創(chuàng)新效率的促進(jìn)作用高度顯著，但對技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率則具有抑制作用；②進(jìn)一步根據(jù)上市企業(yè)內(nèi)部資本結(jié)構(gòu)特征差異將樣本劃分為不同類型分別加以驗(yàn)證，結(jié)果表明，高新技術(shù)企業(yè)認(rèn)定政策對上市公司兩階段創(chuàng)新效率的影響效應(yīng)在所有分樣本中總體上依然成立，驗(yàn)證了上述結(jié)論的穩(wěn)健性，但這一影響效應(yīng)在不同類型企業(yè)間存在差異，其中，在國有企業(yè)、實(shí)施股權(quán)激勵(lì)以及沒有風(fēng)險(xiǎn)投資進(jìn)入的樣本企業(yè)中表現(xiàn)更加顯著；③影響機(jī)制的中介效應(yīng)檢驗(yàn)結(jié)果表明，高新技術(shù)企業(yè)認(rèn)定政策能夠緩解企業(yè)融資約束并提高長期負(fù)債水平，進(jìn)而對企業(yè)技術(shù)研發(fā)階段的創(chuàng)新效率產(chǎn)生促進(jìn)作用，同時(shí)企業(yè)為了滿足高新技術(shù)企業(yè)認(rèn)定標(biāo)準(zhǔn)，會(huì)增加技術(shù)研發(fā)階段的資金投入，從而擠出營運(yùn)階段的營業(yè)成本和廣告支出等費(fèi)用，進(jìn)而對企業(yè)技術(shù)轉(zhuǎn)化階段的創(chuàng)新效率產(chǎn)生抑制效應(yīng)。

5.2 政策建議

基于以上結(jié)論，本文提出如下政策建議：①高新技術(shù)企業(yè)認(rèn)定政策在一定程度上對企業(yè)技術(shù)研發(fā)階段創(chuàng)新效率具有積極作用，政府部門在未來應(yīng)當(dāng)繼續(xù)深入實(shí)施這一政策，同時(shí)可以嘗試針對不同類型企業(yè)制定差異化的高新技術(shù)企業(yè)認(rèn)定標(biāo)準(zhǔn)，如針對非國有企業(yè)、未實(shí)施股權(quán)激勵(lì)的企業(yè)以及有風(fēng)險(xiǎn)投資支持的企業(yè)，可以在一定程度上放寬高新技術(shù)企業(yè)認(rèn)定標(biāo)準(zhǔn)，使認(rèn)定政策對上述企業(yè)產(chǎn)生更加顯著的作用；②從高新技術(shù)企業(yè)技術(shù)研發(fā)階段的影響機(jī)制來看，政府部門可以引導(dǎo)金融機(jī)構(gòu)針對高新技術(shù)企業(yè)調(diào)整信貸結(jié)構(gòu)，一方面增加金融機(jī)構(gòu)對高新技術(shù)企業(yè)的信貸支持力度，緩解高新技術(shù)企業(yè)融資約束，另一方面可以改善信貸期限結(jié)構(gòu)，為高新技術(shù)企業(yè)開辟一條長期穩(wěn)定的信貸通道，以增強(qiáng)高新技術(shù)企業(yè)認(rèn)定政策對企業(yè)技術(shù)研發(fā)階段創(chuàng)新效率的正向作用；③由于高新技術(shù)企業(yè)技術(shù)轉(zhuǎn)化階段會(huì)出現(xiàn)創(chuàng)新效率損失，稅務(wù)部門可以專門針對高新技術(shù)企業(yè)在技術(shù)開發(fā)、技術(shù)轉(zhuǎn)讓、技術(shù)咨詢等環(huán)節(jié)的增值稅予以一定減免，并考慮對企業(yè)在研發(fā)活動(dòng)中產(chǎn)生的費(fèi)用給予一定所得稅扣除或稅前攤銷，以弱化認(rèn)定政策對企業(yè)運(yùn)營過程中營業(yè)成本、廣告支出等費(fèi)用的擠出效應(yīng)，降低認(rèn)定政策對企業(yè)技術(shù)轉(zhuǎn)化階段創(chuàng)新效率的不利影響。