78 管理评论第31卷观评估补贴政策效果。因此,本文基于中国工业企业的微观层面数据,首先使用最小二乘法和固定效应面板模型发现,财政补贴对于企业创新投入具有显著促进作用,企业创新投入反过来也能显著提高企业所获得的补贴,存在一种“双向促进”效应。为了克服样本自选择问题,本文利用倾向得分匹配propensity score matching,PSM来处理财政补贴政策非随机性带来的样本选择偏误问题,之后利用双重差分differences-in-differences,DID来分析财政补贴政策效果,发现财政补贴政策对于企业创新具有显著的促进效应,但是企业创新投入对于其所获得的补贴并没有显著影响,财政补贴与研发投入之间仅是存在“单向性”的促进效果。间接说明我国财政补贴具有显著提升微观企业研发投入的指引作用,而并不是作为一种“锦上添花”式的奖励,更非挤出企业的研发投入。在异质性检验中,本文发现财政补贴政策对于私人企业、东部和西部企业、非高新企业的研发投入促进效果更为显著。与已有研究相比,本文主要贡献在于1详细梳理学界对于财政补贴与企业创新投入相关的正反论述;2通过使用微观计量方法,在克服样本内生性问题基础上,证明财政补贴对于企业创新投入具有显著的促进效果,而非挤出效应;3通过对反向因果问题的深入研究,证明财政补贴只能够“单向”促进企业研发投入,企业已有研发投入不会影响其获得的补贴收入。本文余下的安排为第二部分为文献综述,从理论与实证两个角度,归纳分析了国内外关于财政补贴与企业创新投入的已有文献;第三部分描述实证思想、计量模型,并介绍相关变量及数据来源;第四部分报告实证结果,通过对比最小二乘法、固定效应面板模型、PSM-DID结果,深度剖析财政补贴对于企业创新投入的影响;最后部分陈述主要研究结论。文献综述和理论基础财政补贴对企业创新投入的影响结果并不是显而易见,并且其是否存在反向因果问题也鲜有文献研究。本部分主要解决两个关键问题一是基于理论和实证两个层面,归纳总结现有文献中财政补贴对企业创新投入的具体影响;二是通过整合已有文献,评述现阶段研究存在的不足。1、理论研究纵观已有研究,学者们通过理论建模等方法,从研发创新成本、收益和外部环境等角度,探讨了财政补贴政策效果,但是并未形成统一意见。目前对于补贴效果,有三种看法促进效应、挤出效应和混合效应。图1 财政补贴对企业创新投入的影响第一,财政补贴能够对企业的研发投入起到指引促进的效果。因为企业在进行研发过程中,政府的资金支持能够减少企业自身的成本和风险,从而促进企业投入更多资金用于创新研发[2]。企业的RGorg和Strobl[20]基于双重差分方法对爱尔兰制造业数据实证研究,也证明财政补贴与私人研发投入具有正向关系。同时,Gonzalez[21]对西班牙、Hu[22]对中国、Scott[23]对美国的实证研究也都得出了相似结论。也有学者的实证研究得出了不同结论,Hussinge[24]发现政府的补贴在低于特定阈值情况下对企业RWallsten[25]基于美国中小企业数据研究发现,对于获得政府补贴的企业,企业的研发强度并未有明显提升,结果表明政府补贴挤出了企业自有资金的R马嘉楠等[34]基于倾向得分匹配,也得到了相似观点。但是,马玉琪等[35]通过对中关村企业数据进行匹配发现,财政补贴虽然能够促进企业研发投入,但是效果不明显。郑世林和刘和旺[36]通过工具变量法发现,政府专项资金难以提高企业R卢馨等[29]基于战略新兴产业,使用多元线性回归;张爽等[33]基于战略新兴企业,使用双重差分方法;马嘉楠等[34]基于上海高科技园区数据,使用倾向得分匹配;挤出效应张兴龙等[30]基于医疗制造业,使用面板模型;杨晔等[31]基于上市公司数据,使用线性回归模型;郑世林和刘和旺[36]基于高技术产业化专项企业调查数据,使用工具变量法。没有影响郭晓丹等[32]基于战略新兴产业,使用动态面板模型;马玉琪等[35]基于中关村企业数据,使用倾向得分匹配,发现财政补贴效果不明显;反向影响企业创新投入对补贴的影响马玉琪等[35]使用logit模型,发现创新能力越强的企业越易获得补贴政策的扶持;邵敏和包群[37]研究表明地方政府选择补贴对象时,往往会更多地体现为“扶持强者”肖兴志和王伊攀[38]基于战略性新兴企业,使用面板回归和倾向得分匹配发现企业的研发投入金额会影响企业获得政府补贴的数额。表1归纳了国内已有研究现状,可以看出国内研究结果众说纷纭,例如对于“战略新兴企业”的研究,不同学者研究甚至得出了完全相反的结论。产生这种现象,可能的原因是因为普通计量方法忽视了样本内生性问题,从而使得回归结果具有样本自选择、反向因果问题,并不是政策的真实效果。因此,本文将基于中国工业企业的经验数据,通过构建准实验方法,在解决内生性问题的基础上,来研究财政补贴政策对我国企业创新投入的影响。并且,将基于实际情境,通过微观计量方法来探讨补贴政策与创新投入之间的反向因果问题,以填补相关研究的空白。研究设计、计量模型和变量描述计量研究中,如若数据存在内生性问题,将会导致计量结果有偏。在现实情境中,往往需要企业提出相关的补贴申请,之后政府部门再进行审核。评估财政补贴效果的关键在于获得补贴是否是随机的,然而具有创新倾向的企业更愿意申请财政补贴资助,这种非随机性使得存在样本自选择问题。更为重要的是,在申请制的背景下,财政补贴和企业创新投入有可能存在反向因果问题,由于企业往年具有研发行为,使得政府相信补贴该企业的风险更小,从而本身研发投入高的企业更容易获得补贴,并不是补贴促进了企业的研发行为。因此,本文在研究财政补贴政策对企业创新投入的影响时,将分别使用描述性统计、面板模型回归与微观计量方法。如图2所示,本文通过数据的描述性分析,对经验数据进行初步分析。面板回归模型则是基于我国经验数据,考察财政补贴与研发创新投入的相关性,单纯进行面板回归的目的,也是为了与后文微观计量方法形成对比,从而论述忽视样本内生性问题所产生的偏差。微观计量方法包含倾向得分匹配和双重差分法,通过构建准实验来克服样本自选择问题,科学探讨企业获得补贴所产生的效果。进一步地,本文将着重探讨财政补贴与创新投入之间的反向因果问题,在确保不存在双向影响基础上,评估补贴政策的真实效果。最后,基于企业微观性质,进行异质性分析。1、面板模型回归在使用面板模型回归考察变量相关性时,本文首先考察企业是否获得财政补贴,对其研发投入的影响,建立以下计量模型RDit αo α1Subsidyit α2TDRit α3PFAit α4Saleit α5Profitit α6Deficitit α7Exportit α8HTIit α9FEit α10SIPit α11IPRit εit 1其中,i和t分别代表企业和时间,ε为随机误差项。 RD表示企业创新投入水平,Subsidy表示各企业获得补贴收入水平。在控制变量选取中,本文引入了资产负债率TDR、人均固定资产PFA、营业收入Sale、营业利润Profit、企业亏损情况Deficit、企业出口情况Export、是否为高新产业HTI、企业所在城市第二第6期姚东旻,等指引促进还是“锦上添花” 81 图2 本文实证策略框架产业比重SIP和知识产权保护程度IPR等宏观经济变量,α为各个变量所对应的估计系数。在讨论反向因果关系时,即企业的研发行为是否会影响其获得的补贴,本文构建以下的计量模型Subsidyit βo β1RDit β2TDRit β3PFAit β4Saleit β5Profitit β6Deficitit β7Exportit β8HTIit β9FEit β10SIPit β11IPRit εit 2其中i和t分别代表企业和时间,ε为随机误差项,RD表示企业研发投入规模,β为各指标变量的估计系数,其余参数设置同上。2、微观计量回归面板模型回归主要是基于数据相关性的考察,未能解决样本自选择、反向因果等内生性问题,所得出的结果可能是有偏的,因此本文还将引入微观计量方法。其中倾向得分匹配的目的是将获得政策处理与未获得政策处理的企业进行匹配。对于政策效果评估,一般采用双重差分方法,进一步地,我们通过设置s和t两个虚拟变量来划分所有子样本,其中变量s用来衡量地区差异,变量t表示时间差异。根据上述界定,可以将DID方法的基准模型设定如下RDi μ αXi βs γt δs t εi 3下标i表示第i个企业,RDi表示企业i的研发创新投入情况,X表示一系列的控制变量,ε表示随机扰动项。对于处理组企业所在地区s 1,实行财政补贴政策前后的研发投入分别为E RD|s1,t0 E RD0T μβ;E RD|s1,t1 E RD1T μβγδ,因此ΔRDE RD1T -E RD0T γδ。显然除了补贴政策效果,还包含时间效应,企业随着成立时间增长,自然而然会改变研发投入情况。同理,对于控制组企业所在地区s0,补贴政策前后的研发投入分别为μ和μγ,研发投入变化为ΔRDγ,这个差异是未实施补贴政策,仅仅由时间变化对于企业研发投入的影响。通过对匹配的处理组、控制组企业的ΔRD做差,能够得到财政补贴政策对于企业创新投入的净影响ΔΔRDδ,从而能够评估财政补贴政策对于企业创新投入的影响。因此,使用DID方法可以消除时间和地域偏差,得到政策效果的无偏结果。3、研究设计本文使用2005-2007年中国工业企业经验数据进行研究,涵盖总共150402家企业,451206个样本。为了确保微观计量研究结果的稳健性,本文将使用各类情境与年度的组合,来考察财政补贴与企业创新投入之间的关系。1财政补贴对企业创新投入影响由于财政补贴政策有别于其他国家政策,其效果产生的时间难以精准确定。因此,在考察补贴政策对于企业创新投入影响时,本文将获得补贴的企业视为处理组,将未获得补贴的企业视为对照组,并且区分政策无滞后、政策有滞后两种情况进行讨论,图3展示了具体的研究思路。82 管理评论第31卷当不考虑财政补贴政策的滞后效应,即当年获得补贴,就能够直接影响企业当年的创新投入时。在2006年为分类年度的情况时,将2006年获得补贴的企业视为处理组,通过倾向得分匹配获得得分相近的对照组,考察处理组与对照组2005年至2006年研发投入的变化情况;同理,对于2007年企业样本进行相同考察。也有学者认为,财政补贴对于企业研发投入的影响具有滞后性[39]。企业决策往往具有一定超前性,例如2006年的研发计划,其预算金额在2005年已经基本确定了,当年获得的补贴收入,只可能在下一年才产生效果。因此,以2006年为分类年度时,考察企业2006年与2007年研发投入的变化情况,以验证2006年获得补贴的企业,在之后年度里是否会改变研发行为。同理,对2005年获得补贴企业做相同考察。图3 财政补贴对企业研发投入影响的研究思路2反向因果问题检验为了科学检验是否存在反向因果问题,本文在考察企业创新投入对于其获得补贴影响时,将有研发行为的企业视为处理组,其余企业视为对照组。同理,本文设计了六种情境当仅仅考察当年研发行为对于企业获得补贴的影响时。例如以2006年视为分类年度,当年有研发的企业作为处理组,通过倾向得分匹配,配对得分相近的、当年未进行研发的企业,考察处理组与对照组在2005年与2006年情境一获得补贴收入是否存在差异。以2007年为分类年度时,可以对比样本企业2005年与2007年情境二、2006年与2007年情境三两种情境下,补贴收入的变化。企业往年的研发行为,也有可能影响其获得补贴的可能。因此,本文还将考察企业往年的研发行为对于其补贴收入的影响。当企业在2005年-2007年之间,任何一个年度里有过研发活动,则将其视为处理组,从未进行研发活动的企业作为对照组,从而对比处理组与对照组企业在2005年至2007年情境四、2006年至2007年情境五补贴收入的变化。当以2006年作为分类年度时,2005年、2006年有研发投入的企业视为处理组,未进行研发的企业视为对照组,考察处理组与对照组在2005年与2006年情境六获得补贴收入是否存在差异。4、数据说明本文所使用数据主要来自于中国工业企业数据库、全国地市县财政统计资料、中国城市统计年鉴等,研究的样本区间为2005-2007年。企业的微观数据主要来源于中国工业企业数据库,由于该数据库中存在异常值,本文保留了三年都营业的企业,并基于Feenstra等[40]的做法,对异常值进行剔除。并且,为了控制知识产权保护对于企业创新投入的影响,本文使用樊纲等[41]所计算的各省知识产权保护指数。表2为本文使用的主要变量及描述性统计分析。表2 变量定义及描述性统计变量名称计算方法均值方差最小值最大值研究开发费企业当年研究开发支出万元 43. 26 1362 0. 000 300000研究开发费对数 Ln1当年研究开发费 0. 286 1. 132 0. 000 641. 2财政补贴当年获得的补贴收入万元 27. 35 641. 2 0. 000 140000财政补贴对数 Ln1当年补贴收入 0. 396 1. 256 0. 000 11. 85资产负债率负债总额/资产总额0. 571 0. 291 0. 000 17. 30第6期姚东旻,等指引促进还是“锦上添花” 83 续表变量名称计算方法均值方差最小值最大值人均固定资产固定资产规模/职工人数,取对数3. 783 1. 343 -6. 774 14. 08营业收入当年营业收入,取对数8. 111 1. 236 -0. 916 18. 39营业利润当年营业利润,取对数3. 932 2. 433 -2. 303 15. 26亏损情况亏损企业取1,其他取0 0. 136 0. 343 0. 000 1. 000出口规模企业出口产值/企业总产值0. 191 0. 355 0. 000 9. 000高新产业国家高新产业取1,其他取0 0. 061 0. 240 0. 000 1. 000财政支出科技类财政支出,取对数5. 929 2. 232 0. 000 11. 99第二产业比重第二产业GDP/总GDP 0. 519 0. 094 0. 001 0. 904知识产权保护程度来源于中国市场化指数 12. 60 8. 722 -0. 010 30. 09实证结果分析1、面板模型回归本文首先使用企业财务数据、省级与市级宏观经济指标数据,通过最小二乘法与固定效应面板模型可以得到表3结果。其中模型1-3表示分年度回归结果,模型4是全样本回归结果。通过回归结果可以看出,在分年度回归与全样本回归中,采用混合最小二乘法还是固定效应模型,企业获得的财政补贴对其研发投入都具有显著促进作用。在混合最小二乘法模型中,财政补贴增加1,企业创新投入将会增加约27. 5左右;在固定效应模型中,财政补贴增加1,企业创新投入将增加5. 4左右,说明财政补贴与企业创新投入具有正向相关性。表3 财政补贴对企业研发投入的回归结果解释变量研究开发费对数Pooled OLS Panel Model Fixed Effect1 2 3 4 1 2 3 4财政补贴对数0. 250∗ ∗ ∗ 0. 275∗ ∗ ∗ 0. 298∗ ∗ ∗ 0. 275∗ ∗ ∗ 0. 046∗ ∗ ∗ 0. 069∗ ∗ ∗ 0. 044∗ ∗ ∗ 0. 054∗ ∗ ∗0. 004 0. 004 0. 004 0. 004 0. 002 0. 002 0. 002 0. 001控制变量控制控制控制控制控制控制控制控制时间控制控制控制控制控制控制控制控制行业控制控制控制控制控制控制控制控制省份控制控制控制控制控制控制控制控制样本区间2005,2006年2005,2007年2006,2007年2005-2007年2005,2006年2005,2007年2006,2007年2005-2007年样本数量300804 300804 300804 451206 300804 300804 300804 451206注括号内为标准误;∗ ∗ ∗表示p0. 01,∗ ∗表示p0. 05,∗表示p0. 1。在反向因果检验中,本文使用最小二乘法和固定效应面板模型,探讨了研究开发费对于企业获得财政补贴的影响,具体结果见表4。其中模型1-3是分年度回归结果,模型4是全样本回归结果。可以看出,无论是采用混合最小二乘法还是固定效应模型,在总样本或者分年度回归的情况下,企业投入的研究开发费对于其获得的补贴收入都是有显著的正向促进作用。表4 企业研发投入对财政补贴的回归结果解释变量财政补贴对数Pooled OLS Panel Model Fixed Effect1 2 3 4 1 2 3 4研究开发费对数0. 368∗ ∗ ∗ 0. 346∗ ∗ ∗ 0. 358∗ ∗ ∗ 0. 357∗ ∗ ∗ 0. 075∗ ∗ ∗ 0. 100∗ ∗ ∗ 0. 070∗ ∗ ∗ 0. 084∗ ∗ ∗0. 005 0. 004 0. 004 0. 004 0. 003 0. 003 0. 003 0. 001控制变量控制控制控制控制控制控制控制控制时间控制控制控制控制控制控制控制控制行业控制控制控制控制控制控制控制控制省份控制控制控制控制控制控制控制控制样本区间2005,2006年2005,2007年2006,2007年2005-2007年2005,2006年2005,2007年2006,2007年2005-2007年样本数量300804 300804 300804 451206 300804 300804 300804 451206注括号内为标准误;∗ ∗ ∗表示p0. 01,∗ ∗表示p0. 05,∗表示p0. 1。84 管理评论第31卷综合表3和表4的结果可知,在未考虑内生性基础上,直接使用数据进行最小二乘法与面板回归,可以证明财政补贴对企业后续研发投入起到促进作用,并且,企业的研发投入也能够显著增加其后续获得的补贴收入,财政补贴可以被视为一种“锦上添花”的奖励行为,两者存在一种“双向促进”的影响,难以有效论证是财政补贴促使企业增加自身研发投入,更有可能是获得补贴的企业本身具有强烈的研发倾向,从而容易高估,甚至错误估计补贴政策的真实效果。为了克服样本自选择等内生性问题的影响,在下文中将引入微观计量方法。2、倾向得分匹配与双重差分1匹配的有效性倾向得分匹配和双重差分法的关键前提,是保证处理组与对照组构建的有效性。匹配有效性主要体现在,匹配前处理组群体与对照组群体在协变量层面可能有较大区别,通过倾向得分匹配将得分相近的企业匹配在一起,剔除未能找到匹配对象的企业之后,处理组与对照组群体在协变量层面应该不具有较大差异,因此可以认为通过倾向得分匹配,为处理组找到了相类似的对照组,进而能够进行后续的双重差分等处理。图4汇报了2005年-2007年的各个年度里,获得补贴的企业处理组与未获得补贴企业群体对照组,在匹配前后的协变量差异。可知匹配之后处理组与对照组在各个维度的协变量差异性都大幅度减少,部分变量甚至完全无差异,该倾向得分匹配是有效的。图4 2005年-2007年企业匹配有效性检验2财政补贴对企业创新投入影响根据前文的研究思路,本文在区分补贴政策是否存在滞后性的基础上,总共设计了六种情境的准实验构第6期姚东旻,等指引促进还是“锦上添花” 85 建。表5依次报告了在不考虑滞后以及考虑滞后的情况下,企业获得的财政补贴收入对于其研发投入的影响。当不考虑滞后时,2006年获得补贴收入的企业,相对于当年未获得补贴的企业,研发投入将显著增加63. 95万元。在情境二和情境三中,都是将2007年获得补贴收入的企业作为处理组,当年未获得补贴收入的企业作为控制组,区别在于前者的时间跨度为2005年至2007年,后者的时间跨度为2006年至2007年,双重差分结果显示,无论如何更改时间维度,处理组企业的研发投入总是显著高于控制组企业,说明在不考虑财政补贴政策滞后性的情况下,企业获得的补贴收入对于其创新投入水平有显著的促进效应。在考虑补贴政策滞后效应的情况下,双重差分结果表明,企业当年获得的财政补贴对于其将来的研发投入都是具有显著的促进作用。情境四与情境五中,2005年获得补贴收入的企业,其在2006年、2007年的研发投入都是显著高于控制组企业。在情境六中,2006年获得补贴的企业视为处理组,未获得补贴收入视为控制组,在2007年时,处理组相对于控制组企业,研发投入显著增加了88. 45万元。双重差分结果显示,在考虑政策滞后性时,企业获得的财政补贴也能够显著促进其研发投入,不具有挤出效应。表5 财政补贴对于企业创新投入的影响补贴政策无滞后效应补贴政策有滞后效应情境一情境二情境三情境四情境五情境六研究开发费63. 947∗ ∗ ∗ 134. 220∗ ∗ ∗ 84. 361∗ ∗ ∗ 53. 313∗ ∗ ∗ 134. 653∗ ∗ ∗ 88. 453∗ ∗ ∗标准误 16. 211 18. 938 19. 881 16. 290 20. 272 21. 184处理组个数18689 17197 17197 18779 18779 18689对照组个数131711 133173 133140 131613 131615 131696注∗ ∗ ∗表示p0. 01,∗ ∗表示p0. 05,∗表示p0. 1。3反向因果问题检验前文已经探讨了企业获得的补贴收入对于其研发投入的影响,本文将进一步考察是否存在反向因果问题,对于传统回归结果所发现的“双向促进”现象进行再检验。因此,根据上文研究设计,通过区分企业当年与往年是否有研发行为,本文设计六个情境进行考察,详见表6。当考察企业当年的研发投入对于其获得的财政补贴收入的影响,根据情境一的结果可知,2006年具有研发投入的企业,相比较当年没有研发行为企业,其获得补贴并未显著提升;根据情境二和情境三也可知,2007年有研发行为的企业,无论对比其2005年与2007年的财政补贴收入差异,还是对比2006年与2007年的补贴收入差异,都是不具有显著促进作用的。因此,企业当年的研发投入,不会影响其获得的补贴收入。当考察企业往年研发行为对于其获得补贴收入的影响时,双重差分结果同样显示,往年进行了创新投入的企业,并不会比从未开展研发活动的企业获得更多的补贴收入,企业往年的研发行为对于其当年获得的补贴收入并未产生显著影响。表6 企业创新投入对于补贴收入的影响仅考虑当年具有研发行为同时考虑往年研发行为情境一情境二情境三情境四情境五情境六补贴收入 6. 924 6. 474 6. 924 6. 474 6. 924 6. 474标准误 12. 241 10. 802 12. 241 10. 802 12. 241 10. 802处理组个数10345 13684 10345 13684 10345 13684对照组个数140057 136717 140057 136717 140057 136717注∗ ∗ ∗表示p0. 01,∗ ∗表示p0. 05,∗表示p0. 1。综合表5至表6结果,通过准实验设计,倾向得分匹配与双重差分方法,本文发现这种因果关系表现出强烈的“单向性”,企业研发行为对于其后续获得的补贴收入并不会产生显著影响,表明在解决样本自选择基础上,能够得到财政补贴政策效果的真实估计,计量研究中必须正视数据的内生性问题。并且,本文研究也说明我国财政补贴具有显著“带动”微观企业研发投入的指引作用,而非是作为“锦上添花”式的奖励,更非挤出企业的研发投入。4异质性分析已有学者研究表明,企业异质性对于政策评估结果会产生影响。因此,本文将进一步通过线性回归模型、面板回归模型和微观计量方法,检验实证分析的结果是否随着参数设定的变化保持适当的稳健性。在本部分86 管理评论第31卷的微观计量方法中,依旧采用上文所设计的六种情境进行讨论,从企业的所有权、所在地区、是否为高新产业三个方面进行稳健性检验。表7汇报了最小二乘法与固定效应面板模型的回归结果。可以看出,财政补贴对于国有企业和私人企业的创新投入影响,效果较为接近,但是对于国有企业影响更为显著。考虑企业地域差异时,补贴政策对于东部、中部企业创新行为影响更明显;并且,补贴政策对于高新产业创新投入的促进程度更大。因此,基于简单计量回归结果发现,财政补贴对于任何性质企业均表现出较为显著的促进作用,尤其对于国有企业、私人企业,东部、中部企业和高新产业企业效果最佳。表7 异质性的普通计量结果企业性质Pooled OLS Panel Model Fixed Effect1 2 3 4 1 2 3 4国有控股0. 282∗ ∗ ∗ 0. 285∗ ∗ ∗ 0. 310∗ ∗ ∗ 0. 293∗ ∗ ∗ 0. 046∗ ∗ ∗ 0. 040∗ ∗ ∗ 0. 035∗ ∗ ∗ 0. 040∗ ∗ ∗0. 010 0. 010 0. 010 0. 009 0. 008 0. 008 0. 007 0. 005集体控股0. 148∗ ∗ ∗ 0. 178∗ ∗ ∗ 0. 136∗ ∗ ∗ 0. 226∗ ∗ ∗ 0. 079∗ 0. 118∗ ∗ 0. 032∗ ∗ ∗ 0. 033∗0. 010 0. 012 0. 009 0. 006 0. 047 0. 052 0. 005 0. 019私人控股0. 226∗ ∗ ∗ 0. 272∗ ∗ ∗ 0. 226∗ ∗ ∗ 0. 262∗ ∗ ∗ 0. 033∗ 0. 015 0. 033∗ 0. 045∗ ∗ ∗0. 006 0. 006 0. 006 0. 005 0. 019 0. 017 0. 019 0. 003港澳台商控股0. 217∗ ∗ ∗ 0. 271∗ ∗ ∗ 0. 271∗ ∗ ∗ 0. 256∗ ∗ ∗ 0. 250∗ ∗ ∗ -0. 062 0. 026∗ ∗ ∗ 0. 026∗ ∗ ∗0. 016 0. 018 0. 016 0. 015 0. 072 0. 146 0. 007 0. 007东部0. 258∗ ∗ ∗ 0. 291∗ ∗ ∗ 0. 315∗ ∗ ∗ 0. 288∗ ∗ ∗ 0. 042∗ ∗ ∗ 0. 070∗ ∗ ∗ 0. 044∗ ∗ ∗ 0. 054∗ ∗ ∗0. 005 0. 006 0. 005 0. 005 0. 006 0. 003 0. 003 0. 002中部0. 253∗ ∗ ∗ 0. 260∗ ∗ ∗ 0. 268∗ ∗ ∗ 0. 260∗ ∗ ∗ 0. 057∗ ∗ ∗ 0. 080∗ ∗ ∗ 0. 042∗ ∗ ∗ 0. 061∗ ∗ ∗0. 013 0. 012 0. 012 0. 011 0. 006 0. 006 0. 006 0. 004西部0. 198∗ ∗ ∗ 0. 202∗ ∗ ∗ 0. 227∗ ∗ ∗ 0. 210∗ ∗ ∗ 0. 036∗ ∗ ∗ 0. 046∗ ∗ ∗ 0. 034∗ ∗ ∗ 0. 040∗ ∗ ∗0. 009 0. 009 0. 009 0. 008 0. 009 0. 005 0. 005 0. 004东北0. 168∗ ∗ ∗ 0. 183∗ ∗ ∗ 0. 202∗ ∗ ∗ 0. 184∗ ∗ ∗ 0. 048∗ ∗ ∗ 0. 047∗ ∗ ∗ 0. 033∗ ∗ ∗ 0. 043∗ ∗ ∗0. 014 0. 014 0. 015 0. 013 0. 007 0. 007 0. 007 0. 005高新产业0. 537∗ ∗ ∗ 0. 556∗ ∗ ∗ 0. 590∗ ∗ ∗ 0. 562∗ ∗ ∗ 0. 095∗ ∗ ∗ 0. 125∗ ∗ ∗ 0. 099∗ ∗ ∗ 0. 109∗ ∗ ∗0. 015 0. 014 0. 013 0. 013 0. 012 0. 013 0. 012 0. 009非高新产业0. 203∗ ∗ ∗ 0. 227∗ ∗ ∗ 0. 248∗ ∗ ∗ 0. 226∗ ∗ ∗ 0. 038∗ ∗ ∗ 0. 059∗ ∗ ∗ 0. 036∗ ∗ ∗ 0. 046∗ ∗ ∗0. 004 0. 004 0. 004 0. 004 0. 002 0. 002 0. 002 0. 001控制变量控制控制控制控制控制控制控制控制时间控制控制控制控制控制控制控制控制行业控制控制控制控制控制控制控制控制省份控制控制控制控制控制控制控制控制样本区间2005,2006年2005,2007年2006,2007年2005,2007年2005,2006年2005,2007年2006,2007年2005,2007年注括号内为标准误;∗ ∗ ∗表示p0. 01,∗ ∗表示p0. 05,∗表示p0. 1。东部、中部、西部、东北省份划分依据我国统计局标准;高新产业划分标准依据中国科技统计年鉴标准。根据表8倾向得分匹配与双重差分结果,财政补贴对于企业创新投入总体呈现促进效应,但是在个别类型企业上,与普通计量回归结果存在差异。当考虑企业所有制类型差异时,财政补贴对于国有企业、私人企业的研发投入都是呈现显著促进效应,但是对于国有企业的提升效果高于私人企业,补贴政策对于集体企业的促进效果较为不明显。在考察分地区异质效应时,财政政策对东部、西部的企业的研发支出促进效果显著,对于中部企业促进效果较低,对于在东北的企业甚至存在挤出效应。当以高新产业划分样本企业时,财政补贴对于非高新产业的促进效应更为显著,但是高新产业的促进效果高于非高新产业。因此,基于微观计量的异质性分析可知,财政补贴政策对于私人企业、东部和西部企业、非高新企业的研发投入促进效果更为显著。5总结至此,本文已经就财政补贴对企业创新投入的影响进行了详细论证,并且对于反向因果问题也进行了分情境讨论,对企业异质性影响进行了检验。表9总结了本文实证研究主要内容与结论。第6期姚东旻,等指引促进还是“锦上添花” 87 表8 异质性的微观计量分析企业性质补贴政策无滞后效应补贴政策有滞后效应2006年为分类年度2007年为分类年度2005年为分类年度2006年为分类年度2005-2006 2005-2007 2006-2007 2005-2006 2005-2007 2006-2007国有控股497. 96∗ ∗ ∗ 474. 98∗ ∗ ∗ 159. 42 224. 85∗ ∗ ∗ 279. 05∗ 53. 35121. 8 170. 1 160. 4 112. 2 166. 0 143. 6集体控股-287. 01∗ -151. 45 44. 23 -61. 19 4. 33 30. 48153. 9 143. 2 85. 01 159. 7 155. 4 91. 91私人控股69. 48∗ ∗ 59. 87 42. 61∗ ∗ 58. 88∗ ∗ 113. 68∗ ∗ 57. 49∗ ∗ ∗28. 95 37. 70 18. 39 28. 05 52. 80 18. 50港澳台商控股44. 75 101. 98∗ 59. 96∗ ∗ ∗ 49. 02 118. 55 58. 21∗ ∗ ∗29. 46 58. 09 17. 16 31. 24 73. 99 19. 84东部61. 67∗ ∗ ∗ 113. 41∗ ∗ ∗ 77. 42∗ ∗ ∗ 65. 58∗ ∗ ∗ 133. 34∗ ∗ ∗ 80. 50∗ ∗ ∗19. 12 21. 87 23. 67 18. 82 23. 71 25. 52中部58. 55 216. 57∗ ∗ ∗ 66. 49 69. 53 191. 47∗ ∗ ∗ 69. 7457. 38 60. 32 62. 86 59. 14 68. 49 64. 21西部84. 84∗ ∗ 106. 20∗ 108. 09∗ 75. 67∗ ∗ 194. 18∗ ∗ ∗ 107. 75∗ ∗ ∗36. 40 56. 88 60. 40 37. 72 61. 42 64. 51东北224. 48∗ ∗ ∗ 126. 58 90. 64 -209. 77∗ -153. 45∗ -36. 3677. 88 82. 62 55. 62 75. 27 83. 45 62. 43高新产业118. 31 358. 88∗ 268. 07 124. 28 328. 95∗ 215. 54103. 76 165. 73 163. 94 107. 18 23. 71 164. 95非高新产业62. 06∗ ∗ ∗ 107. 15∗ ∗ ∗ 58. 22∗ ∗ ∗ 50. 70∗ ∗ ∗ 108. 93 70. 36∗ ∗ ∗15. 33 15. 18 16. 23 15. 30 17. 08 18. 14注括号内为标准误;∗ ∗ ∗表示p0. 01,∗ ∗表示p0. 05,∗表示p0. 1。东部、中部、西部、东北省份划分依据我国统计局标准;高新产业划分标准依据中国科技统计年鉴标准。表9 本文实证研究总结研究内容结论简单回归方法财政补贴对企业创新投入影响显著正向与储德银等[28] 、卢馨等[29]研究结论一致企业创新行为对补贴收入影响显著正向与马玉琪等[35] 、肖兴志和王伊攀[38]研究结果一致微观计量方法财政补贴对企业创新投入影响显著正向企业创新行为对补贴收入影响没有影响表明该因果关系表现出强烈的“单向性”,而非“双向促进”。异质性分析控股情况财政补贴对于私人控股企业的研发投入促进效果显著,平均能够增加67万元研发投入。对于国有控股、集体控股、港澳台控股企业促进效果较为不显著。企业地域财政补贴对于东部、西部企业研发创新投入促进效果最为显著,大约能够增加88. 65万元、112. 79万元,对于中部企业影响较为不显著,对于东北企业甚至存在挤出效应。高新产业补贴政策对于非高新企业的创新投入影响更为显著,能够增加企业76. 24万元的研发投入。对于高新产业企业的研发投入促进效果较不显著。本文首先使用最小二乘法与固定效应面板模型,发现财政补贴能够显著促进企业的创新投入,该结果与储德银等[30]、卢馨等[31]研究结论一致;并且,也有学者提出创新投入也会影响企业的补贴收入[37,40],本文通过面板回归模型也证明,企业的研发投入也能够显著增加其获得的补贴收入。说明在未考虑样本内生性时,财政补贴与创新投入之间存在一种“双向促进”效应。之后,本文使用倾向得分匹配与双重差分法,通过构建准实验来评估补贴政策效果。结果发现这种因果关系表现出强烈的“单向性”,企业研发行为对于其后续获得的补贴收入并不会产生显著影响。说明我国财88 管理评论第31卷政补贴能够显著指引和促进微观企业的研发投入,不是“锦上添花”式的嘉奖,更不会挤出企业自身的研发投入。在异质性分析中,本