政府研發資金補貼對醫藥制造業創新產出的影響

張學鳳，李敬然，梁 會，邢 花

（沈陽藥科大學工商管理學院，遼寧 沈陽 110016）

近年來，我國醫藥制造業已發展為兼顧社會效益和經濟效益的高技術知識密集型產業［1］。為支持醫藥制造業健康、有序發展，并不斷提升自主創新能力水平，政府除在政策方面予以傾斜外，還投入大量研發資金補貼。據統計，我國醫藥制造業科技活動經費中，政府研發資金投入由1995 年的2 703.0 萬元增至2015 年的208 934.4 萬元，占政府向高技術產業科技活動經費籌集總額的比例由2.3%上升至9.9%。但對于政府研發資金補貼將如何影響企業創新產出尚未得出一致結論。熊凱軍［2］研究中國制造業上市公司2007 年至2018年專利數據后得出結論，政府對企業的資金補助與企業的創新產出呈正相關。顏曉暢［3］研究各省規模以上工業企業2008 年至2016 年的數據時證明，政府資金補貼對企業創新產出有促進作用。李磊［4］對2009 年至2016年滬深新能源汽車行業上市公司的研究證明，政府資金補貼與行業技術創新產出呈正相關。但也有學者得出不同的結論。張卿等［5］研究政府資金補貼與企業自身研發經費投入及企業創新產出之間的關系后得出結論，政府給予企業研發活動的資金對企業技術創新效率造成了負面影響，可能與政府與企業之間存在信息不對稱有關。另有學者認為，政府研發資金補貼對企業創新產出的影響并不呈線性關系。周京奎等［6］通過1998年至2007年中國大型工業公司相關數據研究政府科研補助對企業技術創新的影響認為，政府經費補貼和企業創新績效之間有顯著“倒U 型”關系。王文煜等［7］研究2008 年至2013年中國上市公司的數據后發現，政府研發資金補貼與企業研發投資和研發產出之間存在“倒U型”關系，表明只有適度的研發資金補貼才能產生最有效的創新激勵效果。可見，政府研發資金補貼對企業創新績效產出影響的研究多集中于新興產業和高技術產業，且研究結論不一致，而針對醫藥制造業的相關研究較少。本研究中通過分析政府研發資金補貼與醫藥制造業創新產出之間的關系，構建模型探討了政府研發資金補貼對我國醫藥制造業創新產出的影響，為政府制訂更有效的資金支持政策提供參考。現報道如下。

1 資料與方法

1.1 模型設定

Griliehes 于1980 年就對研發投入因素如何影響生產率建立模型進行了研究。模型中將企業研發投入、新技術投入和政府研發補助作為解釋變量，研究這3個因素對企業生產率的影響［8］。原始模型見公式（1）。

其中，Y為生產率；R1為企業研發投入經費；R2為政府對企業研發的補助；R3為新技術投入。

本研究中主要探討我國政府研發資金補貼對醫藥制造業創新產出的影響，故將政府對企業的補助作為重要自變量，企業自身投入的研發資金和人員作為控制變量，結合柯布道格拉斯生產函數表達式，設立研究模型，見公式（2）。

其中，Y為企業創新產出能力；K為資本投入，其中Kg為政府對企業的研發補貼資金，Ke為企業研發投入；L為人力資本投入；常數C 為系統內影響創新產出的其他確定性因素。

公式（2）兩邊取對數，得到研究模型，見公式（3）。

1.2 資料來源

專利常作為研究創新和技術進步的指標［9］，故本研究中用醫藥制造業專利申請量（件）衡量企業創新產出。模型（3）中的專利申請數（件）、政府研發資金補貼（萬元）、企業研發資金（萬元）、研發人員（人）數據出自2010 年至2020 年的《中國高技術產業統計年鑒》。由于該年鑒2018 年未出版，經繪制2009 年至2016 年上述變量各自的散點圖發現，數據變化具有一定趨勢性，故可使用Trend 函數預測2017 年各指標數值來填補缺失值，以保證數據的完整性。對涉及資金的變量用消費者價格指數平減（1978 = 100），消除價格因素的影響［10］。因西藏、云南、青海的關鍵數據缺失，故本研究中采用Stata 13.0軟件對其余28個省（自治區、直轄市）的相關數據進行回歸分析。

1.3 研究方法

面板數據的一種極端估計策略為混合回歸，即假設個體之間無差異，回歸方程完全相同。混合回歸忽略了個體間的異質性，該異質性可能與解釋變量相關，導致估計結果不一致。實踐中常用估計策略是個體效應模型，即假定個體回歸方程斜率相同、截距不同以捕捉異質性。若擾動項與某個解釋變量相關，則為固定效應模型；若擾動項與所有解釋變量不相關，則為隨機效應模型。本研究中將混合回歸結果作為參考值，通過拉格朗日乘子檢驗判斷混合回歸和隨機效應模型的優劣；通過豪斯曼檢驗判斷固定效應模型和隨機效應模型的優劣，通過比較確定最佳研究模型，并對固定效應模型進一步采用最小二乘虛擬變量法，證明個體固定效應的存在；并通過對各省（自治區、直轄市）時間序列數據進行普通最小二乘估計，分別得出政府研發資金補貼的投入對創新產出的影響。研究思路見圖1。

圖1 研究思路Fig.1 Research flow chart

2 實證分析

2.1 自變量相關性檢驗

多重共線性即本應獨立的變量之間存在非常高的相關度。模型中出現嚴重的多重共線性而不采取措施干預，可能導致回歸結果與預期不一致，而變量相關性檢驗能檢驗變量之間的相關性及相關程度，故在研究前需先進行變量相關性檢驗。自變量相關系數見表1。可見，lnL和lnKg與lnKe的相關系數分別為0.86 和0.97，lnKe和lnKg的相關系數為0.88，均大于0.85，說明三者間存在共線性，且共線性程度較高。

表1 自變量相關系數Tab.1 Correlational coefficients of independent variables

通過方差膨脹因子（VIF）進一步判斷變量相關的程度，VIF 值越大表明共線性越嚴重，當VIF ＞10 則可認為共線性較強。自變量方差膨脹因子見表2。

表2 自變量方差膨脹因子Tab.2 Variance inflation factors of independent variables

可見，lnKe和lnL的VIF 值均大于10，故多重共線性問題嚴重，可能會使回歸結果與實際相悖，則必須處理。參考文獻［11］，將lnKe和lnL從模型中剔除。修正后的研究模型見公式（4）。

2.2 描述性統計分析

對變量先進行簡要的描述性統計分析，結果見表3。可見，lnKg與lnY樣本值均為308，無缺失值。lnY的最大值和最小值之間差距較大，證明專利產出具有明顯的地域差異性；lnKg的最大值和最小值之間差距也較大，標準差為1.28，說明大部分的數值和其平均值之間差異較大。因此，判定各省（自治區、直轄市）政府研發資金補貼金額差異較大。

表3 變量描述性統計分析Tab.3 Descriptive statistical analysis of variables

2.3 混合回歸分析

作為參照，先進行混合回歸分析。混合回歸是將面板數據混合在一起視為截面數據，對數據進行普通最小二乘估計。混合回歸分析結果見表4。可見，lnKg系數符號為正，說明投入政府研發資金補貼會促進企業專利數量的產出，與經濟理論相符；lnKg的系數估計值為0.800，P值為0.000，說明其在1%水平上具有顯著差異；混合回歸R2值為0.65，說明模型的解釋力度可以接受；模型的F值為185.93，P值為0.000，說明模型整體有顯著差異。

表4 混合回歸分析結果Tab.4 Results of the pooled regression analysis

2.4 固定效應模型回歸分析

由于不能確定面板數據模型的不可觀測成分是否與解釋變量相關，故對數據分別進行固定效應模型和隨機效應模型回歸分析，通過豪斯曼檢驗判斷應使用固定效應模型還是隨機效應模型。固定效應模型回歸分析結果見表5。rho 表示個體誤差在全體誤差中所占的比例，表5中rho值為0.68，說明個體誤差較好地解釋了復合擾動項的方差變動。lnKg的P值為0.000，說明政府研發資金補貼與醫藥制造業專利產出有顯著關系。由于政府研發資金補貼占企業總研發投入的平均比重為6.50%，對專利產出的促進作用不會很明顯，即系數并不會很大，故lnKg的系數由0.800（混合回歸分析結果）下降為0.382，估計結果更合理。

表5 固定效應模型回歸分析結果Tab.5 Results of the fixed effects model regression analysis

2.5 最小二乘虛擬變量法

通過最小二乘虛擬變量法可知，多數省（自治區、直轄市）的虛擬變量系數在5%水平上顯著，故拒絕“所有個體虛擬變量系數都為0”的假設，即認為存在個體固定效應。

2.6 隨機效應模型回歸分析

隨機效應模型回歸分析進一步檢驗個體效應是否以隨機效應的形式存在，結果見表6。可見，rho 值為0.45，小于固定效應模型的0.68，說明固定效應模型的解釋力度更好。

表6 隨機效應模型回歸分析結果Tab.6 Results of the random effects model regression analysis

2.7 拉格朗日乘子檢驗

拉格朗日乘子檢驗用于判斷混合回歸和隨機效應模型如何選擇，結果見表7。可見，檢驗P值為0.000，故強烈拒絕“不存在個體隨機效應”的原假設，認為存在個體隨機效應，不能選擇混合回歸。

表7 拉格朗日乘子檢驗結果Tab.7 Results of the LM test

2.8 豪斯曼檢驗

通過豪斯曼檢驗判斷應使用固定效應模型還是隨機效應模型，以lnKg為變量，系數（b）FE，（B）RE，（b-B）Difference，sqrtIdiang（V _ b - V _ B）］Difference 分別為0.382，0.534，- 0.150，0.030，P值為0，故拒絕“H0：截距項與解釋變量不相關”的原假設，認為應使用固定效應模型，由此可得到政府研發資金補貼對我國醫藥制造業創新產出影響的線性回歸方程lnY= 5.404 +0.382 lnKg。

2.9 普通最小二乘回歸

利用各省（自治區、直轄市）的時間序列數據對模型（4）進行普通最小二乘估計，得出政府研發資金補貼的投入對各省（自治區、直轄市）創新產出的影響。結果見表8。可見，天津、山西、內蒙古、黑龍江等15 個省（自治區、直轄市）的系數不顯著（P＞0.05），無法根據其系數判斷政府研發資金補貼對創新產出的影響；北京、河北、遼寧、吉林等13 個省（自治區、直轄市）政府研發資金補貼與其創新產出的關系顯著（P＜0.05），甘肅省和新疆維吾爾自治區的創新產出彈性系數均為負值，北京、河北、山東、廣東等11個省（自治區、直轄市）的創新產出彈性系數均為正值。

表8 政府研發資金補貼對各省（自治區、直轄市）創新產出影響的回歸結果Tab.8 Regression results of the impact of government R & D subsidy on innovation output in each province（autonomous region and municipality）

3 討論

3.1 政府研發資金補貼對企業創新產出的影響

本研究中基于2010 年至2020 年《中國高技術產業統計年鑒》醫藥制造業各省份政府研發資金補貼和專利申請量等面板數據，運用面板數據的分析方法，系統研究了我國醫藥制造業政府研發資金補貼對企業創新產出的影響。

1）我國政府研發資金補貼對提高醫藥制造業的創新產出具有顯著影響。通過混合回歸、固定效應模型、隨機效應模型的分析，并結合最小二乘虛擬變量法檢驗證明個體異質性的存在，根據拉格朗日乘子檢驗和豪斯曼檢驗最終得出本研究最恰當的模型為固定效應模型。利用該模型分析可知，政府對醫藥制造業的研發資金補貼每增加1%，企業的專利申請量增加0.382%，且系數在1%水平上顯著。

2）我國政府研發資金補貼對經濟水平較發達和研發能力較強的省份創新產出的影響系數總體上顯著大于經濟水平較不發達和研發能力較薄弱的省份。通過各省份時間序列數據的普通最小二乘回歸結果可判斷各省份系數的差異，江蘇、天津、四川、湖南、安徽、山東、浙江、廣東等經濟水平相對較發達省份的系數均在0.7 以上，即這些省份的政府對醫藥制造業的研發資金補貼每增加1%，其專利量會增加0.7%以上，創新效率水平較高；而相比之下，廣西、山西、內蒙古、寧夏、甘肅、新疆等經濟發展水平較不發達省份的系數均為負值，說明其政府對醫藥制造業的研發資金投入并不能有效促進醫藥制造業創新產出的增加。

3.2 建議

1）持續加大對醫藥制造業的研發資金補貼投入，激勵醫藥制造業不斷提升創新能力。鑒于政府研發資金補貼對醫藥制造業創新產出具有促進作用，應大力支持實施政府研發資金補貼政策。醫藥制造業同其他高技術產業一樣，其研發活動需要持續、大量地投入資金、人力、物力，且研發產出結果具有不確定性，研發過程一旦失敗，會給企業造成巨大的經濟損失，一定程度上制約著醫藥制造業主動開展創新活動的積極性。然而，政府研發資金的資助可以分擔企業創新活動的部分風險，也能在一定程度上促進企業創新決策的優化［12］。在政府資金的支持下，企業積極投身研發創新活動，將有利于不斷提升我國醫藥制造業的創新能力，促進行業健康、可持續發展。

2）調整資源分配方式，促進創新效率提升，使有限的資源產出利益最大化。政府應當注重區域資源和資金的有效流動和合理配置［13］，對經濟欠發達地區給予一定程度的資金支持和政策傾斜［14］，在技術方面提供必要的支持，對經濟較發達地區保持政府研發資金補貼的持續投入。對于經濟較不發達的省份，政府研發資金補貼對企業創新產出的激勵效果并不理想，究其原因在于經濟發展水平限制了技術創新水平，故在區域創新發展戰略的實施過程中，政府要加強各省（自治區、直轄市）的經濟交流活動［15］，通過區域間的合作共享，促進協同發展，對解決目前發展不平衡的問題具有重要意義。

3.3 局限性

本研究不足之處在于：1）在處理多重共線性時考慮到自變量個數較少而未采取主成分分析法等方法，直接剔除lnKe和lnL，雖然消除了多重共線性的影響，但同時可能使估計結果存在一定偏差；2）在數據收集方面，選取的時間跨度較短，可能會使某些變量難以體現其發展趨勢，未來需進一步深入研究與繼續完善。