林 娟，周利星，王 圓

（廣東行政職業(yè)學院a.電子信息學院；b.財經(jīng)商貿學院，廣州 510800）

一、引言

技術創(chuàng)新作為企業(yè)發(fā)展的核心競爭力和推動力，一直是理論和實務界共同關注的焦點問題。從熊彼特到羅默、盧卡斯，許多經(jīng)濟學家都對技術創(chuàng)新進行了界定和分析。熊彼特認為技術創(chuàng)新是“創(chuàng)造性破壞”的過程（Schumpeter，1934），Romer（1986）以及Lucas（1988）將資本積累納入到分析框架中，Zeng（1997）強調了知識積累是技術創(chuàng)新的重要因素。

由于技術創(chuàng)新具有長期性、外溢性以及較大的不確定性等特點，各國大多對創(chuàng)新采取扶持政策，如直接補貼、稅收減免、金融支持等（Bérubéand Mohnen，2009；González and Pazó，2008）。然而，創(chuàng)新扶持對企業(yè)創(chuàng)新激勵的影響效果究竟是互補效應還是替代效應并未得到一致結論，也有學者認為二者的關系存在不確定性（Wu，2005）。在我國轉型和創(chuàng)新驅動背景下，學者們將創(chuàng)新扶持效果的差異更多地歸因為企業(yè)所有權性質的差異。如邵敏和包群（2011）發(fā)現(xiàn)地方政府補貼更多地向國有企業(yè)傾斜，民營企業(yè)所獲的補貼概率和額度較小。孔東民等（2013）基于政府扶持的盈余管理動機，也發(fā)現(xiàn)相比于規(guī)模較小的民營企業(yè)，規(guī)模較大的國有企業(yè)獲得了更高的政府補貼。

如何更好地發(fā)揮創(chuàng)新扶持政策對企業(yè)創(chuàng)新的激勵作用成為焦點問題。一方面是知識產權政策的立法和執(zhí)行的激勵作用，如郭春野和莊子銀（2012）從知識產權保護的嚴格程度分析了國家層面的創(chuàng)新激勵問題，發(fā)現(xiàn)激勵效應依賴于市場結構，也有學者從知識產權執(zhí)法層面對企業(yè)創(chuàng)新激勵的效果進行了檢驗。另一方面是創(chuàng)新扶植政策的激勵效果檢驗，如Wallsten（2000）分析了政府的產業(yè)扶植政策對企業(yè)研發(fā)的促進作用。同時，由于創(chuàng)新活動的長期性和不確定性，政策扶持的另一作用則在于可以緩解企業(yè)的融資約束（Fazzari et al.,1988；Carpenter et al.,1998；Benito and Hernando，2007；仁曙明、呂鐲，2014）。我國企業(yè)眾多，但創(chuàng)新扶持政策的作用效果和作用機制還不太清晰。因此，本文的研究有重要的理論和現(xiàn)實意義。

二、實證分析

（一）數(shù)據(jù)與變量構建

本文以2007-2019年A股上市公司為研究樣本，并對數(shù)據(jù)進行如下處理：剔除金融類上市公司；剔除ST以及期間退市的樣本；剔除主要變量有較多缺失的樣本。為減少極端值的影響，本文對所有連續(xù)型變量進行1%和99%的縮尾處理。原始數(shù)據(jù)來自萬得（Wind）及國泰安（CSMAR）數(shù)據(jù)庫，最終得到20537個觀測值。由于數(shù)據(jù)通過hausman檢驗，p值為0.00，故不能使用Tobit模型。且因變量的方差均大于均值，alpha顯著（p＜0.05），證明數(shù)據(jù)過度分散，故為負二項分布。因此本研究采用負二項回歸模型。

另外，為探討政府補貼及獎勵對企業(yè)創(chuàng)新的影響是否在不同的行業(yè)存在異質性，本文按照行業(yè)將企業(yè)分為兩組：高科技行業(yè)及傳統(tǒng)行業(yè)。高科技行業(yè)包括電子、計算機、醫(yī)藥生物、通信，其他均為傳統(tǒng)行業(yè)。

本文使用的主要因變量是企業(yè)申請的專利數(shù)量。專利包括三種類型：發(fā)明、實用新型和外觀設計（本文使用的主要變量如表1所示）。

表1 主要變量說明

本文的控制變量如下：企業(yè)規(guī)模方面的控制變量，包括總資產和員工總人數(shù)；融資約束方面的控制變量，包括杠桿率、Z-score和現(xiàn)金流量比率；盈利能力方面的控制變量，包括ROA、營業(yè)收入和營業(yè)收入增長率；有關股權分散程度的控制變量，本文使用前十大股東持股比例；其他對創(chuàng)新有影響的變量包括企業(yè)年齡、技術人員比例、受高等教育員工比例（本科以上）、固定資產比例、是否為戰(zhàn)略高科技行業(yè)、企業(yè)性質（國有及非國有）?？刂谱兞康拇a和度量單位如表2所示。

表2 控制變量說明

（二）基準回歸

為了減少誤差，本文對數(shù)值較大的變量如RD、subsidy、reward、asset、employees、operincome取對數(shù)。對補貼和獎勵取滯后一期，并使用二次方模型。具體回歸模型如下：

本文關心的系數(shù)主要是β、β、β和β，這四個系數(shù)分別度量了政府補貼平方、政府補貼一次項、政府獎勵平方和政府獎勵一次項對企業(yè)專利數(shù)量的影響。

本文的基準回歸結果如表3所示。其中第一列僅僅是對所有控制變量進行回歸，第二列的回歸中加入了補貼和補貼的平方項，第三列的回歸加入了獎勵和獎勵的平方項，第四列的回歸同時加入了補貼和獎勵的一次項和平方項。從表3可以看出，補貼和獎勵的平方項與一次項都在統(tǒng)計上顯著，這表明政府補貼和獎勵對企業(yè)專利數(shù)量有顯著影響，并且這一影響為非線性的。具體來說，當政府補貼和獎勵數(shù)額非常小時，其對企業(yè)的專利數(shù)量的影響為負；而只有當政府補貼和獎勵超過一定金額時，補貼與獎勵才能對企業(yè)創(chuàng)新起到正向的激勵作用。

表3 基準回歸結果

（三）異質性分析

本文按照行業(yè)分為兩組，第一組為高科技行業(yè)，第二組為傳統(tǒng)行業(yè)?；貧w結果如表4所示，高科技行業(yè)的回歸結果展示于第一列，傳統(tǒng)行業(yè)的回歸結果展示于第二列。本文發(fā)現(xiàn)對高科技行業(yè)，只有政府補貼對企業(yè)專利數(shù)量有顯著影響，政府獎勵對企業(yè)專利的影響不顯著。而對傳統(tǒng)行業(yè)，政府補貼和獎勵對企業(yè)專利數(shù)量都有顯著影響。這表明政府扶持政策的效果確實存在行業(yè)異質性。

表4 分行業(yè)回歸結果

（四）機制分析

本文探討創(chuàng)新支持政策是否通過增加企業(yè)的研發(fā)投入來增加企業(yè)的創(chuàng)新成果。此處使用的回歸方程與方程（1）類似，只是把因變量換成了企業(yè)研發(fā)投入?；貧w結果如表5所示。本文將企業(yè)分為高科技行業(yè)及傳統(tǒng)行業(yè)（第一列為高科技行業(yè)，第二列為傳統(tǒng)行業(yè)）。研究發(fā)現(xiàn)對高科技行業(yè)，政府補貼與獎勵的平方項和一次項均對企業(yè)的研發(fā)投入有顯著影響；而對傳統(tǒng)行業(yè)，只有政府補貼的平方項對企業(yè)的研發(fā)投入有顯著影響。此處的結果表明，相比傳統(tǒng)行業(yè)，高科技行業(yè)中政府的補貼和獎勵對企業(yè)研發(fā)投入的影響更大。并且，通過增加企業(yè)的研發(fā)投入來增加企業(yè)的創(chuàng)新成果是創(chuàng)新支持政策發(fā)揮作用的機制。

表5 機制分析

三、結論

本文使用我國上市公司數(shù)據(jù)研究政府創(chuàng)新支持政策對企業(yè)創(chuàng)新的影響。研究發(fā)現(xiàn)政府補貼和獎勵對企業(yè)專利數(shù)量有顯著影響，并且這一影響為非線性的。具體來說，當政府補貼和獎勵數(shù)額非常小時，其對企業(yè)的專利數(shù)量的影響為負；而只有當政府補貼和獎勵超過一定金額時，補貼與獎勵才能對企業(yè)創(chuàng)新起到正向的激勵作用。異質性分析發(fā)現(xiàn)，對高科技行業(yè)，只有政府補貼對企業(yè)專利數(shù)量有顯著影響，政府獎勵對企業(yè)專利的影響不顯著；而對傳統(tǒng)行業(yè)，政府補貼和獎勵對企業(yè)專利數(shù)量都有顯著影響。機制分析表明，創(chuàng)新支持政策通過增加企業(yè)的研發(fā)投入來增加企業(yè)的創(chuàng)新成果。并且，相比傳統(tǒng)行業(yè)，高科技行業(yè)中政府的補貼和獎勵對企業(yè)研發(fā)投入的影響更大。

高科技企業(yè)是我國經(jīng)濟發(fā)展和創(chuàng)新的重要動力。本文的研究結論表明，政府應該加大對高科技企業(yè)的補貼和獎勵，以增加這些企業(yè)的研發(fā)投入，激發(fā)企業(yè)的創(chuàng)新活力，提升企業(yè)的創(chuàng)新成果，從而為我國經(jīng)濟實現(xiàn)高質量發(fā)展打下堅實基礎。