政府補助與創新效率研究
——基于企業成長視角

黃靜懿，丁元耀

（寧波大學商學院，浙江寧波 315211）

一、引言

盡管我國已經進入創新型國家行列，但與發達的創新型國家相比，我國創新發展還存在不少薄弱環節。而企業是國家創新的細胞，是載體，針對當前企業創新困難等諸多問題，各級政府要落實好研發費用加計扣除等減稅降費政策，推動科研基礎設施和儀器開放共享等優化創新服務，來提高企業投入和開展創新的能力和意愿。

企業是技術創新的主體，但地方政府作為一只看得見的手，引導并激勵企業進行創新活動，并為企業創造良好的市場環境，顯然政府與技術創新關系密切。政府補助是促進企業技術創新的重要手段，是各國普遍采用的促進企業創新活動政策，可以明顯刺激企業的創新活動，并且在促進企業研發方面也具有顯著的實施效果。從理論上分析，政府補助與企業創新效率息息相關。

現階段關于政府補助與創新效率的研究多集中于兩者關系的直接考察。白俊紅和李婧（2011）[1]基于宏觀層面，考察了政府R&D 資助是如何影響大型工業企業技術創新的，并發現政府R&D 資助能促進技術創新效率。李左峰和張銘慎（2012）[2]重點考察了我國95 家創新型企業，研究了政府科技項目的投入對公司創新績效的影響，發現研發投入強度不同，政府科技項目投入對企業的創新效率的影響也不同。王一卉（2013）[3]對高技術公司進行了研究，發現政府補貼能總體提高企業的創新績效，但在國有企業中，政府補貼的增加會導致其創新績效的下降，而在相對缺乏經驗的企業中，政府補貼提高創新績效的作用要強于其在更富有經驗的企業中的作用。丁凱和朱順林（2016）[4]也研究了高技術產業，發現政府R&D 補貼能發揮正向促進作用。而洪嵩（2015）[5]從宏觀層面進行分析，得出相反的結論。

盡管對于這兩者之間關系的研究結果存在較大爭議，即激勵或者抑制。但單一的、線性的研究兩者之間的關系，有可能會因為研究的地域不同、行業不同、視角不同、數據不同而得出對立的結論。通過對近幾年大量的文獻梳理可以發現，大多數研究都集中于政府補貼對創新效率的直接研究，鮮少有文章基于不同視角對此問題進行深入探索。

基于此，本文以企業成長理論的視角來研究微觀企業層面的政府補貼和創新效率之間的關系。以上市企業為研究對象，構造調節效應分析模型，并利用隨機前沿模型、因子分析法、面板Tobit 模型、混合Tobit 模型以及隨機效應模型等計量模型來考察企業成長視角下政府補貼與創新效率之間的關系。

二、研究假說

企業創新作為國家創新的細胞，企業的整體創新水平體現了行業的創新水平，而所有行業的創新水平又體現了國家整體的創新水平。所以要想提高一國的創新水平，勢必要發揮政府作為一只看得見的手的作用。國家想要引導企業進行創新活動，激發企業的創新動力，就要發揮政府的作用，制定激勵企業創新的政策，來更好地引導企業創新。目前，最普遍采用的手段，就是給企業進行補貼和補助，通過增加企業的營業外收入，來激勵企業選擇創新并提高其創新產出和創新績效。即：

假設1：政府補助可以正向促進企業的創新效率。

根據企業成長理論，企業自身發展是企業自身的內生原因。潘羅斯認為企業擁有的資源狀況是決定企業能力的基礎，而企業能力決定了企業成長的速度、方式和界限。馬利斯繼承了上述觀點，認為企業的內部資源制約著企業的成長速度。她認為企業成長和企業的創新能力息息相關。對于成長性高、籌資能力強、投資能力強、營運能力強、盈利能力強的企業來說，它掌握了更多的信息和資源，在進行創新活動的過程中會更有效率。所以，企業的成長性可能會促進創新效率的提升，即：

假設2：企業成長會正向提高企業的創新效率。

對于企業來說，第一要務不是創新而是生存，生存才是企業的第一目標，是企業最基本的需求，當企業“食不果腹”的時候想到的首先是如何增加企業的利潤，如何擴大銷售收入，如何減少資不抵債的風險。所以有了生存才能發展。又由于企業研發一個新產品，申請一項新專利是要耗費大量的人力、財力和時間的，機會成本極高，風險極大。當企業考慮自身能力和條件的時候會更慎重和警覺。因此，當政府實施補助政策的時候，企業采取創新策略會有一定的滯后性。所以企業成長可能會減弱政府補貼對創新效率的正向影響。即：

假設3：企業在政府補貼和創新效率的關系中起負向調節作用。

三、數據來源和變量說明

（一）創新效率的測算

首先進行創新效率的測算。根據以往的文獻研究，測算創新效率主要有兩類方法：以隨機前沿為代表（SFA）的參數法和以包絡分析（DEA）為代表非參數法。官建成和陳凱華（2009）[6]主要使用了包絡分析法模型對中國高技術產業創新效率進行評價。李向東等（2011）[7]以17 個高技術產業的細分行業為根基，使用了SFA 和DEA 兩種方法來測算我國高技術產業的創新效率。考慮到，隨機前沿方法能區分不同的效率單元，允許統計噪音的存在，能夠有效控制異質性（洪嵩，2015）[5]。并且可以彌補單一研究方法的不足，實現參數方法和非參數方法的優勢互補，增強效率結果的穩健性。本文認為選用SFA方法更為合理。

在投入指標的選取上，以往的研究主要采用R&D 活動人員折合全時當量、R&D 經費內部支出，科技活動經費內部支出、科技機構個數（黃永興和張國慶，2007）[8]。由于本文主要研究上市企業，根據數據的可及性，采取研發人員數量和研發支出作為創新效率的投入指標。在產出指標的選取上，以往的研究主要采用專利申請量（鄭潔等，2008）[9]、新產品收益（鄭堅和丁云龍，2008）[10]。由于考慮到有些企業連續幾年都沒有申請專利，使得專利申請量這個指標會有大量數據缺失影響測算。相比之下，營業收入指標在上市公司中較易獲得，而且也更接近技術創新的實際產出，因此考慮將營業收入這一指標作為創新效率產出指標。

本文運用國泰安上市企業數據庫，選取2015—2019 年，699 家企業的數據，并運用Frontier 4.1 軟件進行測算。

（二）企業成長的測算

目前，企業成長的評價方法主要有單一指標法和綜合評價法。單一指標衡量企業的成長方便簡潔，但是無法綜合全面地評價企業的成長。現階段，越來越多的學者運用綜合評價方法來衡量企業成長。主要評價方法有：聚類分析法、灰色關聯分析法、層次分析法、突變級數法、主成分分析法和因子分析法等。由于因子分析法可以化簡數據，更具有可解釋性，因此本研究采取因子分子法來評價上市公司的企業成長。

依據評價性指標的可取得性、可量化性、典型性、可比性和相關性，本研究主要采用了以下幾個指標來構建上市公司的成長性評價體系：營業利潤率、總資產增長率、主營業務成本率、資產負債率以及總資產周轉率。營業利潤率是指企業的營業利潤與營業收入的比率。它是衡量企業盈利能力的一個最為典型的指標。池仁勇和潘李鵬（2016）[11]用此指標來構建企業成長性評價體系。總資產增長率是企業年末總資產的增長額同年初資產總額之比，衡量了公司的發展狀況。徐寧和任天龍（2014）[12]都用此指標來構建和衡量企業的成長能力。主營業務成本率是指主營業務成本與主營業務收入之比，反映了成本和收入的配比關系，衡量了主營業務收入中主營業務成本占比多少，該比值越高則說明主營業務收入的盈利貢獻越低。資產負債率，是負債總額與資產總額的比例關系，體現了公司的還款能力。總資產周轉率是指企業在一定時期內銷售收入同平均資產總額的比值，反映了企業整體資產的營運能力。

本研究依舊選取了該699 家上市公司作為觀測對象，觀測時間從2015 開始，2019 年結束，共計5年。所有數據均來自于國泰安上市公司數據庫。營業利潤率、總資產增長率、主營業務成本率、資產負債率和總資產周轉率這5 個指標構建的成長評價體系的因子分析KMO 值均大于0.5，Bartlett 檢驗P統計量顯著，因此適合采用因子分析法。因子解釋的力度都在50%以上，說明采用該方法是合理的。利用SPSS 21 軟件進行測算。

（三）其他變量的構建

主要解釋變量政府補助采用該年獲得的政府補助比上該年的總資產來衡量，由于不同規模企業，同樣數額的補助的資金會產生完全不同的效果，用該衡量方法可以消除公司規模所產生的影響（孔東民等，2013）[13]。企業成長采用上一節測得的企業成長得分來衡量。

被解釋變量上市企業創新效率采用上一節測得的數據來衡量。

控制變量主要有公司規模、公司年齡、投入研發強度以及控制年份和行業。公司規模采用該公司該年的總資產的對數來衡量。企業年齡采用該年份減去企業成立的年份來獲得。研發投入強度用研發費用和銷售收入的比值來衡量。

以上涉及到變量的數據均來自于國泰安2015—2019 年上市企業的數據，一共涉及到699 家企業5 年的數據變化。

表1 所有變量描述性統計

四、實證分析和穩健性檢驗

（一）政府補助、企業成長與創新效率關系實證研究

根據變量的特征，本研究將采用混合Tobit 和面板Tobit 兩種模型，并結合Subhash Sharma 等（1981）和溫忠麟等（2005）[14]提出調節效應的概念和分析方法，用STATA15 軟件來檢驗假設1、假設2 以及假設3。其中，按照溫忠麟建議的調節效應的檢驗方法，在回歸之前對自變量政府補貼和調節變量企業成長進行中心化。由于不同年份的政策、環境會有所不同，對企業產生的影響也不同所以對年份進行控制。行業不同，企業的發展和創新也會不同，所以對行業也進行控制。

表2 全樣本回歸結果

模型（1）是控制變量和因變量分別在混合Tobit和面板Tobit 計量模型下的回歸結果。從結果中可以看出企業年齡與企業創新效率無明顯相關性。而企業規模在兩種模型下，都與企業創新效率呈顯著正相關，企業規模每擴大一個單位，該企業的創新效率會增加10%。而研發投入強度卻會抑制企業的創新效率，但是研發投入強度的抑制強度非常小，可忽略不計。

模型（2）是自變量政府補貼和因變量分別在混合Tobit 和面板Tobit 計量模型下的回歸結果。從結果中可以看出政府補貼可以顯著正向刺激企業的創新效率，并且刺激的幅度非常大，政府每多補助一個單位的資金，企業的創新效率會增長30%以上。至此假設1 成立。

模型（3）是自變量政府補貼和調節變量企業成長分別在混合Tobit 和面板Tobit 計量模型下的回歸結果。從結果可以看出，加上調節變量之后，政府補貼仍然正向刺激企業的創新效率。在兩個計量模型的回歸結果下，政府多補助一個單位的資金，企業的創新效率依舊漲幅在30%以上。而調節效應企業成長也會顯著提高企業的創新效率，也符合之前的假設，即成長性好的企業會更有動力和激情去研發創新，提升企業自身的創新效率。只是計量模型不同，估測出的影響效應差別較大。至此假設2 成立。

模型（4）是在之前的回歸模型中加入調節效應政府補貼和企業成長的乘積之后分別在混合Tobit和面板Tobit 計量模型下的回歸結果，其中也控制了行業效應和年份效應。從結果可以看出，政府補貼在影響企業創新效率這方面更加顯著，且影響效果極大，政府每多補助一個單位的資金，企業的創新效率可達到60%以上。企業成長依舊能正向促進企業的創新效率，并且和模型（3）的回歸結果相差不大。但是，調節效應變量對企業的創新效率呈顯著負相關，且刺激性非常大。政府補貼和企業成長的乘積每增加一個單位，企業的創新效率會損失90%以上，同時也解釋了為何政府補貼會挫傷企業創新積極性的原因。至此，假設3 成立。

（二）行業異質性檢驗

根據邁克爾波特的產業組織理論的企業成長理論，企業持續成長的競爭優勢來自于有吸引力的產業和選定產業內的相對優勢。考慮到行業的不同，企業的成長性也會有所不同。下面研究行業異質性對上市企業的創新效率的影響。本文將所考察的企業按照我國國家標準GB/T 4754—2017 進行行業分類，并對各個行業的企業進行分組回歸。為了增強實證結果的可信性，采取多種計量模型進行回歸分析，在進行行業異質性分析的時候采用靜態面板計量模型，并用Stata 15 軟件進行模型的篩選，根據結果的可行性最終采用穩健的隨機效應模型進行實證回歸。下面進行行業異質性回歸結果報告：

本次選取的樣本涉及到16 個行業，其中制造業有495 家，而其他行業的企業個數太少，會導致回歸結果有偏差，所有本文將重點報告制造業。

表3 制造業行業回歸結果

由回歸結果可知，對于制造業行業來說政府補貼正向促進創新效率的發展，政府補貼每提高一個單位，制造業行業的創新效率提升43%，也符合假設1 的假設。同時企業成長也正向促進制造業行業創新效率的提升，企業成長每提升一個單位，創新效率增加1.4%，也符合假設2 的假設。而企業成長作為調節變量，同時負向影響政府補貼對創新效率的關系。在控制變量里，企業年齡正向影響創新效率，企業年齡每增加一年，創新效率提升31%。企業規模每擴大一個單位，創新效率提升8.4%。而研發投入強度負向影響企業的創新效率，但這種影響微乎其微。

（三）生命周期性檢驗

根據企業生命周期的企業成長理論，考慮到企業生命周期可能對企業的創新效率產生影響，接下來將研究不同時期的企業對創新效率產生的影響。本文將所考察的企業按照成立時間是否超過10 年分為成熟期和成長期，并對這兩個時期的企業進行分組回歸。其中成熟期企業有602 家，成長期企業有97 家。為了增強實證結果的可信性，采取多種計量模型進行回歸分析，在進行企業生命周期分析的時候采用混合Tobit 模型進行實證回歸，下面進行企業生命周期回歸結果報告（見表4）。

表4 不同生命周期的企業回歸分析

由表4 回歸結果可知，對于成長期企業，政府補貼顯著增強創新效率，政府補貼每增加一個單位，企業的創新效率會提升254%，可見對于成長期的企業，政府補助猶如及時雨，為成立初期的企業雪中送炭。并且，企業成長也顯著提高創新效率，企業成長每提升一個單位，創新效率增加10.8%，可見企業的發展和創新效率息息相關，緊密相連。而企業成長的調節效應卻不顯著，沒有通過調節效應檢驗。出現此情況有可能是因為成長期企業樣本太少導致回歸結果不明顯。對于控制變量，企業規模也會正向促進企業的創新效率，企業規模每擴大一個單位，企業創新效率會增加11.69%，而研發強度對創新效率的影響不顯著。

對于成熟期企業，政府補助依舊正向顯著影響企業的創新效率，政府補助每增加一個單位，企業創新效率會提高62.08%，可見對于成熟期企業政府補助猶如錦上添花。企業成長也顯著提升創新效率，企業成長每增加一個單位，企業創新效率提高3.6%。企業成長的調節效應也十分顯著，符合假設3 的理論假設。同樣的，對于控制變量企業規模依然正向促進企業的創新效率，企業規模每擴大一個單位，企業創新效率增加11.31%。雖然研發投入強度會負向影響企業的創新效率，但影響的力度非常小，可以忽略不計。

（四）穩健性檢驗

首先本文將上下刪減1%樣本，分別通過混合Tobit 和面板Tobit 計量模型進行回歸檢驗政府補貼、企業成長和企業創新效率。上下刪減樣本之后回歸結果和之前的顯著性并沒有太大改變，政府補貼和企業成長依舊對企業創新效率產生正向影響，而企業成長對政府補貼影響創新效率過程中依然起到負向的調節作用，因此假設1、假設2、假設3依舊顯著成立。只是刪減樣本之后的回歸結果中各個變量影響創新效率的系數有所變化。

其次，本文將上下刪減1%樣本，分組回歸通過隨機效應計量模型進行回歸檢驗行業異質性與企業創新效率。制造業行業的企業也滿足假設1、假設2 和假設3，且和原模型的系數變化不大。

最后，本文將上下刪減1%樣本，通過混合Tobit計量模型進行回歸檢驗企業生命周期與企業創新效率。成長期企業各個回歸量的系數變化不大，只是調節變量的調節效應不太顯著，有可能是因為成長期企業的樣本太少所導致的。而對于成熟期企業的穩健性檢驗完全通過，只是對于調節變量和調節效應的系數會和之前的歸回結果所有差異。

五、研究結論和政策建議

（一）研究結論

本文主要選取2015—2019 年上市公司的面板數據，在此基礎上運用隨機前沿方法測算出的創新效率作為被解釋變量，以因子分析法測算：出的企業成長得分作為調節變量，以政府補助作為主要解釋變量，依據理論和假設進行回歸分析。

通過先前章節的分析和回歸，總體來說政府補貼對企業的創新效率有明顯正向的刺激作用，而且刺激力度非常大，說明這一政策不但對其他國家企業適用，也對我國企業適用。企業成長也正向促進公司的創新效率，可見企業成長與公司的創新效率密不可分且息息相關。雖然，企業成長在調節政府補助影響企業創新效率呈現負的作用，但也不能掩蓋政府補助能正向提高企業創新效率的事實。同時也解釋了其他研究檢測出政府補貼呈現負向影響創新效率可能是由于企業成長的負向調節作用的原因。

另外，本文又通過行業異質性檢驗，對樣本進行分行業進行回歸，由于考慮到某些行業的樣本數量太少，會影響結果的可信度，因此只選取制造業行業進行分析報告，也可以發現對于在制造業行業來說，政府補貼能很大力度上提高企業的創新效率，企業成長也能對提升企業的創新效率起到添磚加瓦的作用。

最后，對企業的生命階段進行分類，按照不同年齡段進行分組回歸，發現不論是對于成長期類企業，還是成熟期類企業，政府補貼都能很好地促進企業創新效率的提升，企業成長也能對提高公司的創新效率助一臂之力。

（二）政策建議

通過本文理論和實證結合的研究，本文的結論有一定的現實意義，可以對提高企業的創新效率提出相應的政策建議。

政府補助對于企業的創新效率有明顯提升作用，在未來，政府部門可以加大力度對企業進行資助，減輕企業的負擔。對于制造業企業來說，政府補助尤為重要，政府部門可以加大對制造業企業的資助。

打鐵還需自身硬。企業自身是創新的載體，是創新的主動力。要想提高創新效率，企業自身要提高創新意愿，發揮主觀能動性。所以企業要提高自身實力，擴大自身規模，進行可持續發展加強自身建設。實力強，成長性好，創新效率自然而然就提高了。