張學(xué)鳳，李敬然，梁 會，邢 花

（沈陽藥科大學(xué)工商管理學(xué)院，遼寧 沈陽 110016）

近年來，我國醫(yī)藥制造業(yè)已發(fā)展為兼顧社會效益和經(jīng)濟(jì)效益的高技術(shù)知識密集型產(chǎn)業(yè)［1］。為支持醫(yī)藥制造業(yè)健康、有序發(fā)展，并不斷提升自主創(chuàng)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(fā)資金補(bǔ)貼。據(jù)統(tǒng)計(jì)，我國醫(yī)藥制造業(yè)科技活動(dòng)經(jīng)費(fèi)中，政府研發(fā)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(shù)產(chǎn)業(yè)科技活動(dòng)經(jīng)費(fèi)籌集總額的比例由2.3%上升至9.9%。但對于政府研發(fā)資金補(bǔ)貼將如何影響企業(yè)創(chuàng)新產(chǎn)出尚未得出一致結(jié)論。熊凱軍［2］研究中國制造業(yè)上市公司2007 年至2018年專利數(shù)據(jù)后得出結(jié)論，政府對企業(yè)的資金補(bǔ)助與企業(yè)的創(chuàng)新產(chǎn)出呈正相關(guān)。顏曉暢［3］研究各省規(guī)模以上工業(yè)企業(yè)2008 年至2016 年的數(shù)據(jù)時(shí)證明，政府資金補(bǔ)貼對企業(yè)創(chuàng)新產(chǎn)出有促進(jìn)作用。李磊［4］對2009 年至2016年滬深新能源汽車行業(yè)上市公司的研究證明，政府資金補(bǔ)貼與行業(yè)技術(shù)創(chuàng)新產(chǎn)出呈正相關(guān)。但也有學(xué)者得出不同的結(jié)論。張卿等［5］研究政府資金補(bǔ)貼與企業(yè)自身研發(fā)經(jīng)費(fèi)投入及企業(yè)創(chuàng)新產(chǎn)出之間的關(guān)系后得出結(jié)論，政府給予企業(yè)研發(fā)活動(dòng)的資金對企業(yè)技術(shù)創(chuàng)新效率造成了負(fù)面影響，可能與政府與企業(yè)之間存在信息不對稱有關(guān)。另有學(xué)者認(rèn)為，政府研發(fā)資金補(bǔ)貼對企業(yè)創(chuàng)新產(chǎn)出的影響并不呈線性關(guān)系。周京奎等［6］通過1998年至2007年中國大型工業(yè)公司相關(guān)數(shù)據(jù)研究政府科研補(bǔ)助對企業(yè)技術(shù)創(chuàng)新的影響認(rèn)為，政府經(jīng)費(fèi)補(bǔ)貼和企業(yè)創(chuàng)新績效之間有顯著“倒U 型”關(guān)系。王文煜等［7］研究2008 年至2013年中國上市公司的數(shù)據(jù)后發(fā)現(xiàn)，政府研發(fā)資金補(bǔ)貼與企業(yè)研發(fā)投資和研發(fā)產(chǎn)出之間存在“倒U型”關(guān)系，表明只有適度的研發(fā)資金補(bǔ)貼才能產(chǎn)生最有效的創(chuàng)新激勵(lì)效果?？梢姡邪l(fā)資金補(bǔ)貼對企業(yè)創(chuàng)新績效產(chǎn)出影響的研究多集中于新興產(chǎn)業(yè)和高技術(shù)產(chǎn)業(yè)，且研究結(jié)論不一致，而針對醫(yī)藥制造業(yè)的相關(guān)研究較少。本研究中通過分析政府研發(fā)資金補(bǔ)貼與醫(yī)藥制造業(yè)創(chuàng)新產(chǎn)出之間的關(guān)系，構(gòu)建模型探討了政府研發(fā)資金補(bǔ)貼對我國醫(yī)藥制造業(yè)創(chuàng)新產(chǎn)出的影響，為政府制訂更有效的資金支持政策提供參考。現(xiàn)報(bào)道如下。

1 資料與方法

1.1 模型設(shè)定

Griliehes 于1980 年就對研發(fā)投入因素如何影響生產(chǎn)率建立模型進(jìn)行了研究。模型中將企業(yè)研發(fā)投入、新技術(shù)投入和政府研發(fā)補(bǔ)助作為解釋變量，研究這3個(gè)因素對企業(yè)生產(chǎn)率的影響［8］。原始模型見公式（1）。

其中，Y為生產(chǎn)率；R1為企業(yè)研發(fā)投入經(jīng)費(fèi)；R2為政府對企業(yè)研發(fā)的補(bǔ)助；R3為新技術(shù)投入。

本研究中主要探討我國政府研發(fā)資金補(bǔ)貼對醫(yī)藥制造業(yè)創(chuàng)新產(chǎn)出的影響，故將政府對企業(yè)的補(bǔ)助作為重要自變量，企業(yè)自身投入的研發(fā)資金和人員作為控制變量，結(jié)合柯布道格拉斯生產(chǎn)函數(shù)表達(dá)式，設(shè)立研究模型，見公式（2）。

其中，Y為企業(yè)創(chuàng)新產(chǎn)出能力；K為資本投入，其中Kg為政府對企業(yè)的研發(fā)補(bǔ)貼資金，Ke為企業(yè)研發(fā)投入；L為人力資本投入；常數(shù)C 為系統(tǒng)內(nèi)影響創(chuàng)新產(chǎn)出的其他確定性因素。

公式（2）兩邊取對數(shù)，得到研究模型，見公式（3）。

1.2 資料來源

專利常作為研究創(chuàng)新和技術(shù)進(jìn)步的指標(biāo)［9］，故本研究中用醫(yī)藥制造業(yè)專利申請量（件）衡量企業(yè)創(chuàng)新產(chǎn)出。模型（3）中的專利申請數(shù)（件）、政府研發(fā)資金補(bǔ)貼（萬元）、企業(yè)研發(fā)資金（萬元）、研發(fā)人員（人）數(shù)據(jù)出自2010 年至2020 年的《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》。由于該年鑒2018 年未出版，經(jīng)繪制2009 年至2016 年上述變量各自的散點(diǎn)圖發(fā)現(xiàn)，數(shù)據(jù)變化具有一定趨勢性，故可使用Trend 函數(shù)預(yù)測2017 年各指標(biāo)數(shù)值來填補(bǔ)缺失值，以保證數(shù)據(jù)的完整性。對涉及資金的變量用消費(fèi)者價(jià)格指數(shù)平減（1978 = 100），消除價(jià)格因素的影響［10］。因西藏、云南、青海的關(guān)鍵數(shù)據(jù)缺失，故本研究中采用Stata 13.0軟件對其余28個(gè)?。ㄗ灾螀^(qū)、直轄市）的相關(guān)數(shù)據(jù)進(jìn)行回歸分析。

1.3 研究方法

面板數(shù)據(jù)的一種極端估計(jì)策略為混合回歸，即假設(shè)個(gè)體之間無差異，回歸方程完全相同?；旌匣貧w忽略了個(gè)體間的異質(zhì)性，該異質(zhì)性可能與解釋變量相關(guān)，導(dǎo)致估計(jì)結(jié)果不一致。實(shí)踐中常用估計(jì)策略是個(gè)體效應(yīng)模型，即假定個(gè)體回歸方程斜率相同、截距不同以捕捉異質(zhì)性。若擾動(dòng)項(xiàng)與某個(gè)解釋變量相關(guān)，則為固定效應(yīng)模型；若擾動(dòng)項(xiàng)與所有解釋變量不相關(guān)，則為隨機(jī)效應(yīng)模型。本研究中將混合回歸結(jié)果作為參考值，通過拉格朗日乘子檢驗(yàn)判斷混合回歸和隨機(jī)效應(yīng)模型的優(yōu)劣；通過豪斯曼檢驗(yàn)判斷固定效應(yīng)模型和隨機(jī)效應(yīng)模型的優(yōu)劣，通過比較確定最佳研究模型，并對固定效應(yīng)模型進(jìn)一步采用最小二乘虛擬變量法，證明個(gè)體固定效應(yīng)的存在；并通過對各?。ㄗ灾螀^(qū)、直轄市）時(shí)間序列數(shù)據(jù)進(jìn)行普通最小二乘估計(jì)，分別得出政府研發(fā)資金補(bǔ)貼的投入對創(chuàng)新產(chǎn)出的影響。研究思路見圖1。

圖1 研究思路Fig.1 Research flow chart

2 實(shí)證分析

2.1 自變量相關(guān)性檢驗(yàn)

多重共線性即本應(yīng)獨(dú)立的變量之間存在非常高的相關(guān)度。模型中出現(xiàn)嚴(yán)重的多重共線性而不采取措施干預(yù)，可能導(dǎo)致回歸結(jié)果與預(yù)期不一致，而變量相關(guān)性檢驗(yàn)?zāi)軝z驗(yàn)變量之間的相關(guān)性及相關(guān)程度，故在研究前需先進(jìn)行變量相關(guān)性檢驗(yàn)。自變量相關(guān)系數(shù)見表1。可見，lnL和lnKg與lnKe的相關(guān)系數(shù)分別為0.86 和0.97，lnKe和lnKg的相關(guān)系數(shù)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(guān)系數(shù)Tab.1 Correlational coefficients of independent variables

通過方差膨脹因子（VIF）進(jìn)一步判斷變量相關(guān)的程度，VIF 值越大表明共線性越嚴(yán)重，當(dāng)VIF ＞10 則可認(rèn)為共線性較強(qiáng)。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(yán)重，可能會使回歸結(jié)果與實(shí)際相悖，則必須處理。參考文獻(xiàn)［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(tǒng)計(jì)分析

對變量先進(jìn)行簡要的描述性統(tǒng)計(jì)分析，結(jié)果見表3?？梢?，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(chǎn)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(biāo)準(zhǔn)差為1.28，說明大部分的數(shù)值和其平均值之間差異較大。因此，判定各?。ㄗ灾螀^(qū)、直轄市）政府研發(fā)資金補(bǔ)貼金額差異較大。

表3 變量描述性統(tǒng)計(jì)分析Tab.3 Descriptive statistical analysis of variables

2.3 混合回歸分析

作為參照，先進(jìn)行混合回歸分析?；旌匣貧w是將面板數(shù)據(jù)混合在一起視為截面數(shù)據(jù)，對數(shù)據(jù)進(jìn)行普通最小二乘估計(jì)。混合回歸分析結(jié)果見表4?？梢?，lnKg系數(shù)符號為正，說明投入政府研發(fā)資金補(bǔ)貼會促進(jìn)企業(yè)專利數(shù)量的產(chǎn)出，與經(jīng)濟(jì)理論相符；lnKg的系數(shù)估計(jì)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(jié)果Tab.4 Results of the pooled regression analysis

2.4 固定效應(yīng)模型回歸分析

由于不能確定面板數(shù)據(jù)模型的不可觀測成分是否與解釋變量相關(guān)，故對數(shù)據(jù)分別進(jìn)行固定效應(yīng)模型和隨機(jī)效應(yīng)模型回歸分析，通過豪斯曼檢驗(yàn)判斷應(yīng)使用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。固定效應(yīng)模型回歸分析結(jié)果見表5。rho 表示個(gè)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(gè)體誤差較好地解釋了復(fù)合擾動(dòng)項(xiàng)的方差變動(dòng)。lnKg的P值為0.000，說明政府研發(fā)資金補(bǔ)貼與醫(yī)藥制造業(yè)專利產(chǎn)出有顯著關(guān)系。由于政府研發(fā)資金補(bǔ)貼占企業(yè)總研發(fā)投入的平均比重為6.50%，對專利產(chǎn)出的促進(jìn)作用不會很明顯，即系數(shù)并不會很大，故lnKg的系數(shù)由0.800（混合回歸分析結(jié)果）下降為0.382，估計(jì)結(jié)果更合理。

表5 固定效應(yīng)模型回歸分析結(jié)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(shù)省（自治區(qū)、直轄市）的虛擬變量系數(shù)在5%水平上顯著，故拒絕“所有個(gè)體虛擬變量系數(shù)都為0”的假設(shè)，即認(rèn)為存在個(gè)體固定效應(yīng)。

2.6 隨機(jī)效應(yīng)模型回歸分析

隨機(jī)效應(yīng)模型回歸分析進(jìn)一步檢驗(yàn)個(gè)體效應(yīng)是否以隨機(jī)效應(yīng)的形式存在，結(jié)果見表6?？梢?，rho 值為0.45，小于固定效應(yīng)模型的0.68，說明固定效應(yīng)模型的解釋力度更好。

表6 隨機(jī)效應(yīng)模型回歸分析結(jié)果Tab.6 Results of the random effects model regression analysis

2.7 拉格朗日乘子檢驗(yàn)

拉格朗日乘子檢驗(yàn)用于判斷混合回歸和隨機(jī)效應(yīng)模型如何選擇，結(jié)果見表7?？梢姡瑱z驗(yàn)P值為0.000，故強(qiáng)烈拒絕“不存在個(gè)體隨機(jī)效應(yīng)”的原假設(shè)，認(rèn)為存在個(gè)體隨機(jī)效應(yīng)，不能選擇混合回歸。

表7 拉格朗日乘子檢驗(yàn)結(jié)果Tab.7 Results of the LM test

2.8 豪斯曼檢驗(yàn)

通過豪斯曼檢驗(yàn)判斷應(yīng)使用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，以lnKg為變量，系數(shù)（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(xiàng)與解釋變量不相關(guān)”的原假設(shè)，認(rèn)為應(yīng)使用固定效應(yīng)模型，由此可得到政府研發(fā)資金補(bǔ)貼對我國醫(yī)藥制造業(yè)創(chuàng)新產(chǎn)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?。ㄗ灾螀^(qū)、直轄市）的時(shí)間序列數(shù)據(jù)對模型（4）進(jìn)行普通最小二乘估計(jì)，得出政府研發(fā)資金補(bǔ)貼的投入對各?。ㄗ灾螀^(qū)、直轄市）創(chuàng)新產(chǎn)出的影響。結(jié)果見表8。可見，天津、山西、內(nèi)蒙古、黑龍江等15 個(gè)?。ㄗ灾螀^(qū)、直轄市）的系數(shù)不顯著（P＞0.05），無法根據(jù)其系數(shù)判斷政府研發(fā)資金補(bǔ)貼對創(chuàng)新產(chǎn)出的影響；北京、河北、遼寧、吉林等13 個(gè)?。ㄗ灾螀^(qū)、直轄市）政府研發(fā)資金補(bǔ)貼與其創(chuàng)新產(chǎn)出的關(guān)系顯著（P＜0.05），甘肅省和新疆維吾爾自治區(qū)的創(chuàng)新產(chǎn)出彈性系數(shù)均為負(fù)值，北京、河北、山東、廣東等11個(gè)?。ㄗ灾螀^(qū)、直轄市）的創(chuàng)新產(chǎn)出彈性系數(shù)均為正值。

表8 政府研發(fā)資金補(bǔ)貼對各?。ㄗ灾螀^(qū)、直轄市）創(chuàng)新產(chǎn)出影響的回歸結(jié)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(fā)資金補(bǔ)貼對企業(yè)創(chuàng)新產(chǎn)出的影響

本研究中基于2010 年至2020 年《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》醫(yī)藥制造業(yè)各省份政府研發(fā)資金補(bǔ)貼和專利申請量等面板數(shù)據(jù)，運(yùn)用面板數(shù)據(jù)的分析方法，系統(tǒng)研究了我國醫(yī)藥制造業(yè)政府研發(fā)資金補(bǔ)貼對企業(yè)創(chuàng)新產(chǎn)出的影響。

1）我國政府研發(fā)資金補(bǔ)貼對提高醫(yī)藥制造業(yè)的創(chuàng)新產(chǎn)出具有顯著影響。通過混合回歸、固定效應(yīng)模型、隨機(jī)效應(yīng)模型的分析，并結(jié)合最小二乘虛擬變量法檢驗(yàn)證明個(gè)體異質(zhì)性的存在，根據(jù)拉格朗日乘子檢驗(yàn)和豪斯曼檢驗(yàn)最終得出本研究最恰當(dāng)?shù)哪Ｐ蜑楣潭ㄐ?yīng)模型。利用該模型分析可知，政府對醫(yī)藥制造業(yè)的研發(fā)資金補(bǔ)貼每增加1%，企業(yè)的專利申請量增加0.382%，且系數(shù)在1%水平上顯著。

2）我國政府研發(fā)資金補(bǔ)貼對經(jīng)濟(jì)水平較發(fā)達(dá)和研發(fā)能力較強(qiáng)的省份創(chuàng)新產(chǎn)出的影響系數(shù)總體上顯著大于經(jīng)濟(jì)水平較不發(fā)達(dá)和研發(fā)能力較薄弱的省份。通過各省份時(shí)間序列數(shù)據(jù)的普通最小二乘回歸結(jié)果可判斷各省份系數(shù)的差異，江蘇、天津、四川、湖南、安徽、山東、浙江、廣東等經(jīng)濟(jì)水平相對較發(fā)達(dá)省份的系數(shù)均在0.7 以上，即這些省份的政府對醫(yī)藥制造業(yè)的研發(fā)資金補(bǔ)貼每增加1%，其專利量會增加0.7%以上，創(chuàng)新效率水平較高；而相比之下，廣西、山西、內(nèi)蒙古、寧夏、甘肅、新疆等經(jīng)濟(jì)發(fā)展水平較不發(fā)達(dá)省份的系數(shù)均為負(fù)值，說明其政府對醫(yī)藥制造業(yè)的研發(fā)資金投入并不能有效促進(jìn)醫(yī)藥制造業(yè)創(chuàng)新產(chǎn)出的增加。

3.2 建議

1）持續(xù)加大對醫(yī)藥制造業(yè)的研發(fā)資金補(bǔ)貼投入，激勵(lì)醫(yī)藥制造業(yè)不斷提升創(chuàng)新能力。鑒于政府研發(fā)資金補(bǔ)貼對醫(yī)藥制造業(yè)創(chuàng)新產(chǎn)出具有促進(jìn)作用，應(yīng)大力支持實(shí)施政府研發(fā)資金補(bǔ)貼政策。醫(yī)藥制造業(yè)同其他高技術(shù)產(chǎn)業(yè)一樣，其研發(fā)活動(dòng)需要持續(xù)、大量地投入資金、人力、物力，且研發(fā)產(chǎn)出結(jié)果具有不確定性，研發(fā)過程一旦失敗，會給企業(yè)造成巨大的經(jīng)濟(jì)損失，一定程度上制約著醫(yī)藥制造業(yè)主動(dòng)開展創(chuàng)新活動(dòng)的積極性。然而，政府研發(fā)資金的資助可以分擔(dān)企業(yè)創(chuàng)新活動(dòng)的部分風(fēng)險(xiǎn)，也能在一定程度上促進(jìn)企業(yè)創(chuàng)新決策的優(yōu)化［12］。在政府資金的支持下，企業(yè)積極投身研發(fā)創(chuàng)新活動(dòng)，將有利于不斷提升我國醫(yī)藥制造業(yè)的創(chuàng)新能力，促進(jìn)行業(yè)健康、可持續(xù)發(fā)展。

2）調(diào)整資源分配方式，促進(jìn)創(chuàng)新效率提升，使有限的資源產(chǎn)出利益最大化。政府應(yīng)當(dāng)注重區(qū)域資源和資金的有效流動(dòng)和合理配置［13］，對經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)給予一定程度的資金支持和政策傾斜［14］，在技術(shù)方面提供必要的支持，對經(jīng)濟(jì)較發(fā)達(dá)地區(qū)保持政府研發(fā)資金補(bǔ)貼的持續(xù)投入。對于經(jīng)濟(jì)較不發(fā)達(dá)的省份，政府研發(fā)資金補(bǔ)貼對企業(yè)創(chuàng)新產(chǎn)出的激勵(lì)效果并不理想，究其原因在于經(jīng)濟(jì)發(fā)展水平限制了技術(shù)創(chuàng)新水平，故在區(qū)域創(chuàng)新發(fā)展戰(zhàn)略的實(shí)施過程中，政府要加強(qiáng)各?。ㄗ灾螀^(qū)、直轄市）的經(jīng)濟(jì)交流活動(dòng)［15］，通過區(qū)域間的合作共享，促進(jìn)協(xié)同發(fā)展，對解決目前發(fā)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(shí)考慮到自變量個(gè)數(shù)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(shí)可能使估計(jì)結(jié)果存在一定偏差；2）在數(shù)據(jù)收集方面，選取的時(shí)間跨度較短，可能會使某些變量難以體現(xiàn)其發(fā)展趨勢，未來需進(jìn)一步深入研究與繼續(xù)完善。