張 卿，劉昭樂

(中共廣東省委黨校，廣東 廣州 510053)

一、問題的提出

改革開放以來，我國(guó)的高科技產(chǎn)業(yè)在創(chuàng)新和技術(shù)發(fā)展方面取得了長(zhǎng)足的進(jìn)步，經(jīng)濟(jì)發(fā)展動(dòng)力正由要素、投資驅(qū)動(dòng)為主向創(chuàng)新驅(qū)動(dòng)為主轉(zhuǎn)變。[1]2007年至2016年中國(guó)高科技企業(yè)數(shù)由21517個(gè)增加到30798個(gè)，增長(zhǎng)了43%；專利申請(qǐng)數(shù)由34446項(xiàng)增加到131680項(xiàng)，增長(zhǎng)了近3倍(見表1)。

表1 2007年—2016年中國(guó)高科技產(chǎn)業(yè)的發(fā)展情況

創(chuàng)新研發(fā)一般周期較長(zhǎng)，不確定性乃至風(fēng)險(xiǎn)較大，需要大量專項(xiàng)資金投入。一方面需要政府和社會(huì)的補(bǔ)貼投入，以克服創(chuàng)新市場(chǎng)薄弱的失靈，另一方面需要企業(yè)增強(qiáng)創(chuàng)新意識(shí)，加大自主創(chuàng)新投入力度。20世紀(jì)80年代以來，我國(guó)大力實(shí)施高科技產(chǎn)業(yè)發(fā)展的火炬計(jì)劃等戰(zhàn)略。統(tǒng)計(jì)顯示，在過去四十年間政府投入約1513.7億元用于推動(dòng)研發(fā)活動(dòng)，其中高新技術(shù)產(chǎn)業(yè)的補(bǔ)助總額已從2007年的65億元增加到2016年的213.1億元，年均增長(zhǎng)率為12.6%。同時(shí)，高科技企業(yè)R&D內(nèi)部經(jīng)費(fèi)支出由1995年的18億元增加到2016年的2438億元，年均增長(zhǎng)率為25%；R&D人員全時(shí)當(dāng)量投入由57838人增加到580248人，22年間增長(zhǎng)了9倍。

然而，政府補(bǔ)貼是否“擠占”企業(yè)R&D投入？政府補(bǔ)貼和企業(yè)R&D投入能否顯著提升創(chuàng)新效率？這是兩個(gè)經(jīng)濟(jì)學(xué)界頗為關(guān)注的問題。本文擬采用隨機(jī)前沿生產(chǎn)函數(shù)來考察政府補(bǔ)貼與企業(yè)R&D投入之間的關(guān)系，以及政府研發(fā)補(bǔ)貼和企業(yè)R&D投入對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率的影響性。

二、文獻(xiàn)綜述

關(guān)于公共補(bǔ)貼是否擠占企業(yè)R&D投入。Leyden和Link觀察到補(bǔ)貼、技術(shù)和知識(shí)溢出之間的互補(bǔ)性，并指出政府研發(fā)支持可能增加私人支出。然而，當(dāng)政府的研發(fā)支持用于私人研發(fā)回報(bào)已經(jīng)很高的領(lǐng)域時(shí)，可能會(huì)對(duì)私人研發(fā)支出產(chǎn)生負(fù)面影響。[2]Wallsten使用1990年至1999年參與小企業(yè)創(chuàng)新研究(SBIR)項(xiàng)目公司的數(shù)據(jù)集，發(fā)現(xiàn)政府資助與企業(yè)研發(fā)投入之間有明顯的“擠出效應(yīng)”。[3]Hussinger研究了1980年至2000年120個(gè)德國(guó)制造業(yè)公司的樣本，認(rèn)為公共研發(fā)資金并沒有擠出企業(yè)自身的研發(fā)支出。[4]姜寧、黃萬利用高技術(shù)產(chǎn)業(yè)2003—2008年的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)政府補(bǔ)貼并不一定會(huì)促使企業(yè)增加R&D投入水平，其效應(yīng)與政府補(bǔ)貼率r有關(guān)。[5]白俊紅、李俊運(yùn)用隨機(jī)前沿模型，對(duì)1998—2007年中國(guó)大中型工業(yè)企業(yè)分行業(yè)進(jìn)行了實(shí)證分析，結(jié)果是企業(yè)自身R&D投入的提高有利于其吸收和利用政府的R&D資助。[6]李林木、郭存芝以2008—2010年為研究期，基于全國(guó)高新技術(shù)產(chǎn)業(yè)減免稅調(diào)查和相關(guān)指標(biāo)的省級(jí)面板數(shù)據(jù)，實(shí)證研究發(fā)現(xiàn)政府減免稅能有效刺激企業(yè)增加研發(fā)投入，但短期對(duì)研發(fā)產(chǎn)出、產(chǎn)業(yè)發(fā)展速度與規(guī)模沒有明顯效應(yīng)。[7]

關(guān)于政府補(bǔ)貼對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率的影響。樊琦、韓民春通過對(duì)1992—2008年28個(gè)省域面板數(shù)據(jù)的考察，發(fā)現(xiàn)我國(guó)政府R&D補(bǔ)貼投入政策對(duì)提高國(guó)家及區(qū)域自主創(chuàng)新產(chǎn)出有十分顯著的影響。[8]張同斌、高鐵梅構(gòu)建了高新技術(shù)產(chǎn)業(yè)的可計(jì)算一般均衡(CGE)模型，借助2007年中國(guó)投入產(chǎn)出表，發(fā)現(xiàn)政府財(cái)政激勵(lì)政策能有效地促進(jìn)高新技術(shù)產(chǎn)業(yè)的產(chǎn)出和效率增長(zhǎng)。[9]羅雨澤、朱來軍、陳衍泰以2005—2009年中國(guó)高新技術(shù)產(chǎn)業(yè)數(shù)據(jù)為樣本，運(yùn)用收入型全要素生產(chǎn)率函數(shù)進(jìn)行實(shí)證檢驗(yàn)，并未觀察到政府補(bǔ)貼投入對(duì)生產(chǎn)效率有顯著促進(jìn)作用，我國(guó)政府過去所主導(dǎo)的研發(fā)投入模式與實(shí)際生產(chǎn)需要結(jié)合度不夠高。[10]

關(guān)于企業(yè)R&D投入對(duì)高科技產(chǎn)業(yè)的創(chuàng)新效率的影響。朱有為、徐康寧利用隨機(jī)前沿生產(chǎn)函數(shù)，采用中國(guó)1995—2004年13個(gè)細(xì)分行業(yè)的面板數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)企業(yè)資金規(guī)模和市場(chǎng)競(jìng)爭(zhēng)程度與研發(fā)效率之間存在著顯著的正相關(guān)關(guān)系。[11]薛慶根考察了1998～2011年歷年中國(guó)高技術(shù)產(chǎn)業(yè)的Moran’sI指數(shù)，得出結(jié)論是企業(yè)經(jīng)費(fèi)投入的創(chuàng)新績(jī)效顯著。[12]李海東、馬威運(yùn)用2010年中國(guó)24個(gè)省級(jí)面板數(shù)據(jù)，構(gòu)建投入產(chǎn)出指標(biāo)體系，研究發(fā)現(xiàn)了企業(yè)在技術(shù)創(chuàng)新過程中的主體作用得到體現(xiàn)，但是企業(yè)R&D資金直接投入對(duì)于高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率具有顯著抑制作用。[13]

綜上所述，中外學(xué)者關(guān)于政府補(bǔ)貼與企業(yè)R&D投入的關(guān)系、政府補(bǔ)貼和企業(yè)R&D投入對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率的影響得出的結(jié)論不一致。這既有時(shí)序和區(qū)域的差別，又有變量選取、研究方法的差異。本文則采用隨機(jī)前沿分析法(SFA)，基于2007至2016年中國(guó)28個(gè)省級(jí)面板數(shù)據(jù)，共同探討政府補(bǔ)貼、企業(yè)R&D投入和高科技產(chǎn)業(yè)創(chuàng)新效率之間的關(guān)系，并為中國(guó)高科技產(chǎn)業(yè)的發(fā)展提出相關(guān)見解。

三、模型設(shè)定與變量選取

(一)模型設(shè)定

從生產(chǎn)力分析的角度來看，創(chuàng)新是一個(gè)知識(shí)生產(chǎn)過程。SFA(隨機(jī)前沿分析法)是一種計(jì)量經(jīng)濟(jì)學(xué)技術(shù)，它使用回歸分析來估計(jì)傳統(tǒng)的成本函數(shù)，不同之處在于使用估計(jì)方程中的殘差來測(cè)量技術(shù)的效率，其中誤差項(xiàng)被分為隨機(jī)誤差項(xiàng)和系統(tǒng)無效項(xiàng)。該方法基于回歸模型，該模型允許統(tǒng)計(jì)噪聲和假設(shè)檢驗(yàn)。在處理異質(zhì)性和異常值方面，它優(yōu)于非參數(shù)方法：數(shù)據(jù)包絡(luò)分析法(DEA)。在本研究中，采用隨機(jī)前沿生產(chǎn)函數(shù)來實(shí)證分析效率因素對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新的影響。下面簡(jiǎn)要介紹SFA模型。

Aigner,Lovell and Schmidt[14]和Meeusen and Van DenBroeck[15]分別獨(dú)立提出了如下隨機(jī)前沿生產(chǎn)函數(shù)模型：

lnyi=xiβ+vi-uii=1，2，……，N

(1)

隨機(jī)前沿分析的目的在于預(yù)測(cè)無效效應(yīng)(也可以稱為技術(shù)無效率程度)。最常用的產(chǎn)出導(dǎo)向的技術(shù)效率等于可觀測(cè)的實(shí)際產(chǎn)出與相應(yīng)的隨機(jī)前沿產(chǎn)出之比：

(2)

由(2)式所得的技術(shù)效率測(cè)算了第i個(gè)廠商的產(chǎn)出與完全有效廠商使用相同投入量所能得到的產(chǎn)出之間的相對(duì)差異，取值范圍是[0，1]。顯然，要預(yù)測(cè)技術(shù)效率TEi首先需要估計(jì)隨機(jī)前沿生產(chǎn)模型(1)中的參數(shù)。

以上模型都是截面數(shù)據(jù)模型，通常，我們期望獲得更有效的未知參數(shù)的估計(jì)量以及更有效的技術(shù)效率預(yù)測(cè)式。Battese and Coelli[16]提出了一個(gè)適用于(非平衡)面板數(shù)據(jù)的隨機(jī)前沿生產(chǎn)函數(shù)模型，該模型假設(shè)無效率項(xiàng)服從截?cái)嗾龖B(tài)分布，也允許其隨時(shí)間變化，因此也被稱為時(shí)變無效性隨機(jī)生產(chǎn)前沿模型(BC92模型)，該模型的基本形式如下：

yit=xitβ+(vit-uit)，i=1,2,……,Nt=1,2,……,T

uit=uiexp[-η(t-T)]

(3)

長(zhǎng)期以來，運(yùn)用隨機(jī)前沿模型的實(shí)證研究都是根據(jù)估計(jì)生產(chǎn)函數(shù)隨機(jī)前沿并預(yù)測(cè)企業(yè)效率，然后用預(yù)測(cè)得到的效率值對(duì)特定變量(如管理經(jīng)驗(yàn)，所有權(quán)特征等)進(jìn)行回歸，試圖找出企業(yè)之間存在效率差異的原因。這種研究模式屬于兩階段估計(jì)過程，即先通過隨機(jī)前沿模型估計(jì)得到企業(yè)效率值，然后以效率值為因變量對(duì)相關(guān)影響因素進(jìn)行回歸。但是，這種兩階段估計(jì)模式也被視為一個(gè)階段，并且兩個(gè)階段中關(guān)于無效率項(xiàng)的假設(shè)是不一致的。這樣的兩階段估計(jì)過程是不可能得出和一階段估計(jì)同等有效的結(jié)果的。

這一問題由Kumbhakar,Ghosh and McGukin[17]和Reifschneider and Stevenson[18]提出，他們認(rèn)為隨機(jī)前沿的無效率項(xiàng)(ui)可以表示為廠商特定變量和隨機(jī)誤差的確定性函數(shù)。Battese and Coelli[19]提出了一個(gè)和Kumbhakar,Ghosh and McGukin[17]等價(jià)的模型，同時(shí)增加了配置效率分析、去除了利潤(rùn)最大化的一階條件并適用于面板數(shù)據(jù)。這一模型也被稱作BC95模型，該模型形式如下：

yit=xitβ+(vit-uit)，i=1,2,……,N；t=1,2,……,T

(4)

mit=zitδ

(二)變量選取

1.創(chuàng)新產(chǎn)出。為了衡量和測(cè)算高科技產(chǎn)業(yè)科技創(chuàng)新效率中產(chǎn)出水平，本文采用中國(guó)大陸28個(gè)省份2007年至2016年的專利申請(qǐng)數(shù)量來作為創(chuàng)新效率中的因變量，由于數(shù)據(jù)的可獲得性，本文剔除了西藏、新疆和青海。盡管有些學(xué)者提出用專利申請(qǐng)數(shù)量來衡量產(chǎn)出水平存在一定的缺陷，但是大多數(shù)研究人員卻認(rèn)為專利申請(qǐng)是最合適的創(chuàng)新績(jī)效指標(biāo)之一。Kang and Park發(fā)現(xiàn)專利申請(qǐng)最重要的優(yōu)勢(shì)是其相對(duì)較高的標(biāo)準(zhǔn)化和隨時(shí)可用性。[20]Bransetter和Sakakibara也指出，在分析政府補(bǔ)貼的有效性和效率時(shí)，專利提供了明確的產(chǎn)出績(jī)效指標(biāo)用于研發(fā)。[21]因此，本文選用各個(gè)省份的專利申請(qǐng)數(shù)作為被解釋變量(Y)來測(cè)算高技術(shù)產(chǎn)業(yè)創(chuàng)新產(chǎn)出。

2.投入因子。根據(jù)上文討論的概念和框架，本文的解釋變量分為投入因子和效率因子。資本和人力是被視為創(chuàng)新活動(dòng)的直接投入因素。因此本文選用R&D經(jīng)費(fèi)內(nèi)部支出作為衡量投入的第一個(gè)因素，即：資本投入(K)；用R&D人員折合全時(shí)當(dāng)量作為測(cè)算投入的第二個(gè)因素，即：勞動(dòng)力投入(L)。

3.效率因子。政府不僅通過法律和政策支持創(chuàng)新活動(dòng)，而且還為企業(yè)提供直接的財(cái)政支持或研究補(bǔ)助。總體而言，政府是企業(yè)創(chuàng)新不可或缺的重要角色，特別是在高科技產(chǎn)業(yè)。因此，我們使用政府補(bǔ)貼：GG(Goverment Grant)來衡量政府在科技活動(dòng)中的支持。企業(yè)資金是高科技企業(yè)研發(fā)資金的重要組成部分，在研發(fā)活動(dòng)中可以視為市場(chǎng)行為的一部分。企業(yè)是創(chuàng)新的主導(dǎo)力量，因此我們采用研發(fā)籌資額中企業(yè)R&D投入：EF(Enterprise Funding)來表明企業(yè)對(duì)創(chuàng)新的意愿。同時(shí)，金融機(jī)構(gòu)被視為可以為企業(yè)創(chuàng)新活動(dòng)提供資金的支持機(jī)構(gòu)，因此我們利用金融機(jī)構(gòu)的研發(fā)資金金融貸款：FL(Financial Loan)來量化他們對(duì)研發(fā)活動(dòng)的支持。

4.控制變量。此外，我們還得考慮控制變量。本文選擇企業(yè)規(guī)模(Size)和企業(yè)利潤(rùn)(Profit)作為控制變量。政府補(bǔ)貼和企業(yè)規(guī)模之間應(yīng)該存在一些內(nèi)生性，一般政府補(bǔ)貼多的企業(yè)有足夠的資金來雇傭員工。企業(yè)規(guī)模一般用人數(shù)來衡量，所以我們使用每個(gè)省份高技術(shù)產(chǎn)業(yè)從業(yè)人員平均人數(shù)來衡量高技術(shù)產(chǎn)業(yè)的企業(yè)規(guī)模。政府也會(huì)選擇盈利能力強(qiáng)的企業(yè)作為補(bǔ)貼對(duì)象，所以企業(yè)的利潤(rùn)額可以很好地衡量企業(yè)的盈利能力。

綜上所述，本文運(yùn)用創(chuàng)新產(chǎn)出，投入因子，效率因子和控制變量，通過利用隨機(jī)前沿生產(chǎn)函數(shù)分析政府補(bǔ)貼，企業(yè)R&D投入和金融貸款對(duì)創(chuàng)新產(chǎn)出的影響來衡量創(chuàng)新效率。

(三)數(shù)據(jù)來源及處理

本文選用2007—2016年最近十年中國(guó)28個(gè)省級(jí)面板數(shù)據(jù)，共280個(gè)觀測(cè)量，數(shù)據(jù)均來自于歷年《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。其中，考慮到價(jià)格因素對(duì)R&D經(jīng)費(fèi)內(nèi)部支出、政府補(bǔ)貼、企業(yè)R&D投入、金融貸款和利潤(rùn)額的影響，本文利用CPI價(jià)格指數(shù)將上述支出的名義價(jià)值轉(zhuǎn)化為以2007年為基期的實(shí)際價(jià)值。各個(gè)變量的描述性統(tǒng)計(jì)分析見表2。

表2 變量的描述性統(tǒng)計(jì)分析

四、實(shí)證分析結(jié)果

運(yùn)用Frontier4.1軟件，我們構(gòu)建了6個(gè)模型來估計(jì)政府補(bǔ)貼、企業(yè)資金和高科技產(chǎn)業(yè)創(chuàng)新效率的關(guān)系。主要是想解決兩個(gè)問題：第一，在高科技產(chǎn)業(yè)中，政府補(bǔ)貼資金是否“擠占”了企業(yè)私人資金？第二，政府補(bǔ)貼和企業(yè)R&D投入是否能提升中國(guó)的高科技產(chǎn)業(yè)創(chuàng)新效率？利用隨機(jī)生產(chǎn)函數(shù)最大似然估計(jì)，結(jié)果如表3所示。

表3 隨機(jī)前沿生產(chǎn)函數(shù)最大似然估計(jì)結(jié)果

模型一模型二模型三模型四模型五模型六lnEF0.04860.0146-0.2054***-0.2504*0.0023(0.4824)(0.1428)(-3.1521)(-1.8686)(0.0221)lnFL0.0325*0.0220.0830.0304*(1.7884)(1.3547)(0.5161)(1.882)LnK*lnGG0.0405***(2.3903)LnK*lnEF0.0307(1.6478)LnK*lnFL-0.0137(-0.7329)LnL*lnGG0.0402*(1.7783)LnL*lnEF0.0249(1.2373)LnL*lnFL-0.0088**(-2.2419)sigma-squared0.3533***0.3407***0.3269***0.2957***0.2134***0.1797***(3.9299)(3.7907)(3.7894)(3.948)(4.4861)(5.2665)gamma0.5842***0.5676***0.5572***0.54***0.4128***0.2808**(5.3029)(4.7739)(4.5697)(4.3919)(3.1532)(2.1068)log-likelihood-158.0209-157.9021-155.9985-150.3749-138.142-141.1256LR-test82.858167.775170.391381.251593.774890.1032

在上一節(jié)的模型選取中我們討論過γ的取值范圍是[0,1]，如果γ=0則表示模型不存在技術(shù)無效效應(yīng)，所有相對(duì)于前沿的偏離都是由隨機(jī)噪聲引起的。所以γ值越接近1，表明反映噪聲和技術(shù)無效項(xiàng)的隨機(jī)誤差均存在，在對(duì)生產(chǎn)函數(shù)的研究中需要考慮技術(shù)無效因素。表3的結(jié)果顯示，γ值基本在0.5以上，且在1%的水平下顯著，說明利用隨機(jī)前沿生產(chǎn)函數(shù)來分析政府補(bǔ)貼、企業(yè)資金和高科技產(chǎn)業(yè)創(chuàng)新效率的研究是合適的。

由模型一可以看出，β0、β1和β3的系數(shù)分別為-5.5615、0.6522和0.3931，且都在1%的水平下顯著，說明資本和企業(yè)規(guī)模均會(huì)對(duì)高科技產(chǎn)業(yè)的創(chuàng)新效率產(chǎn)生影響，且都是正相關(guān)的。這與先前的研究也是一致的，Cohen指出，較大的企業(yè)享受的經(jīng)濟(jì)規(guī)模和資本市場(chǎng)準(zhǔn)入、以及實(shí)現(xiàn)創(chuàng)新營(yíng)銷的互補(bǔ)性更容易，獲得的效益也更高。[22]431-434其中，資本的影響度是0.6522，勞動(dòng)力的影響程度僅僅才0.0349，且不顯著，這說明研發(fā)資本投入對(duì)中國(guó)高科技產(chǎn)業(yè)創(chuàng)新效率的貢獻(xiàn)超過了研發(fā)勞動(dòng)力投入，在目前的中國(guó)國(guó)情下，高科技產(chǎn)業(yè)還是資本密集型產(chǎn)業(yè)，雖然人才是創(chuàng)新的第一要素，但是還需要不斷加強(qiáng)人才引進(jìn)政策，使得勞動(dòng)力投入在高科技產(chǎn)業(yè)的創(chuàng)新效率中的貢獻(xiàn)不斷上升。

從模型二、三、四中，我們可以看出在沒有政府補(bǔ)貼的情況下，企業(yè)R&D投入的系數(shù)為0.0486，且不顯著；但是，當(dāng)將政府補(bǔ)貼考慮在內(nèi)，企業(yè)資金的系數(shù)變?yōu)?0.2054，且在1%的水平下顯著。這說明，沒有政府補(bǔ)貼時(shí)，企業(yè)R&D投入對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率的影響是負(fù)相關(guān)的；有政府補(bǔ)貼時(shí)，企業(yè)資金對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率是正相關(guān)影響。表明政府補(bǔ)貼并沒有“擠占”企業(yè)R&D投入，企業(yè)R&D投入的提高有利于其吸收和利用政府的R&D資助。在模型四中，政府補(bǔ)助的系數(shù)是0.1506，且在1%的水平下顯著，說明政府補(bǔ)貼對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率存在顯著的負(fù)相關(guān)影響。而企業(yè)R&D投入的系數(shù)為-0.2054，在1%的水平下顯著，表明企業(yè)R&D投入對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率存在顯著的正相關(guān)影響。

在模型五、模型六中我們加入了交互項(xiàng)來驗(yàn)證研發(fā)資本和勞動(dòng)力對(duì)技術(shù)無效因子的創(chuàng)新效率的影響。結(jié)果表明，研發(fā)資本和政府補(bǔ)貼存在反向交互關(guān)系(系數(shù)為0.0405，在1%的水平下顯著)，并顯著影響高科技產(chǎn)業(yè)創(chuàng)新效率。說明在中國(guó)高科技產(chǎn)業(yè)中，研發(fā)資本的增加并不會(huì)幫助政府補(bǔ)貼來提升創(chuàng)新效率。勞動(dòng)力投入與政府補(bǔ)貼的關(guān)系同樣如此(系數(shù)為0.0402，在10%的水平下顯著)。但是，勞動(dòng)力與金融貸款相結(jié)合的系數(shù)為-0.0088，在5%的水平下顯著，可以看出勞動(dòng)力投入有助于金融機(jī)構(gòu)提供貸款以提升我國(guó)高科技產(chǎn)業(yè)創(chuàng)新效率，這里研究人力資本和金融對(duì)高科技產(chǎn)業(yè)創(chuàng)新效率的影響，在未來的研究中可以進(jìn)一步細(xì)化。

通過以上研究，我們可以發(fā)現(xiàn)，第一，在我國(guó)科技產(chǎn)業(yè)中，政府補(bǔ)貼對(duì)企業(yè)R&D投入不存在“擠占效應(yīng)”，政府R&D補(bǔ)助資金可以和企業(yè)自身研發(fā)資金“并行不悖”。第二，政府補(bǔ)貼并不能提升我國(guó)高科技產(chǎn)業(yè)創(chuàng)新效率，反而會(huì)阻礙創(chuàng)新效率，但是，企業(yè)R&D投入對(duì)高科技產(chǎn)業(yè)的創(chuàng)新效率卻存在顯著的正面影響。一方面是因?yàn)檎Y助的項(xiàng)目可能偏離市場(chǎng)的需求，而專利等相關(guān)的創(chuàng)新產(chǎn)出也不容易實(shí)現(xiàn)商業(yè)價(jià)值。另一方面，由于政府和企業(yè)信息不對(duì)稱，存在事后“道德風(fēng)險(xiǎn)”，政府補(bǔ)貼企業(yè)后缺乏監(jiān)督懲罰機(jī)制，受資助的企業(yè)可能會(huì)使用這些補(bǔ)助金用于其它目的并減少它們的整體創(chuàng)新投入。這些結(jié)果也表明，市場(chǎng)在資源配置中起決定性作用，企業(yè)私人資金投入帶來的效果往往大于政府補(bǔ)貼，至少在高科技產(chǎn)業(yè)中是如此。

此外，圖2顯示了基于模型四的2007年至2016年我國(guó)高科技產(chǎn)業(yè)的創(chuàng)新效率。如圖2所示，我國(guó)高科技產(chǎn)業(yè)創(chuàng)新效率十年間顯著提升，從2007年的0.5375增加到2016年的0.7359，年均增長(zhǎng)率為3.19%。這些結(jié)果表明，我國(guó)高技術(shù)產(chǎn)業(yè)的創(chuàng)新能力正在逐步提高，政府對(duì)這些行業(yè)的支持取得了一些成就。然而，創(chuàng)新效率仍相對(duì)較低，政府仍需要優(yōu)化政策，以提高高科技產(chǎn)業(yè)的創(chuàng)新效率。研發(fā)資金投入可以快速提升高科技產(chǎn)業(yè)創(chuàng)新效率，但是，也不能忽略了科技人才隊(duì)伍建設(shè)。

圖2 2007年至2016年我國(guó)高科技產(chǎn)業(yè)創(chuàng)新效率

五、結(jié)論和建議

本文通過實(shí)證分析，得出以下結(jié)論：

第一，研發(fā)資本和企業(yè)規(guī)模對(duì)高科技產(chǎn)業(yè)的創(chuàng)新效率產(chǎn)生正向影響。研發(fā)人員對(duì)高科技產(chǎn)業(yè)的創(chuàng)新效率影響不大，目前，我國(guó)高科技產(chǎn)業(yè)還是資本密集型產(chǎn)業(yè)，資本在高科技產(chǎn)業(yè)中起主要作用。第二，在我國(guó)高科技產(chǎn)業(yè)中，政府補(bǔ)貼并沒有“擠占”企業(yè)R&D投入，甚至還存在“誘導(dǎo)效應(yīng)”。政府補(bǔ)貼可以與企業(yè)自有資金協(xié)調(diào)一致，共同提升高科技產(chǎn)業(yè)的創(chuàng)新效率。第三，政府補(bǔ)貼不能提升我國(guó)高科技產(chǎn)業(yè)的創(chuàng)新效率，存在顯著的負(fù)相關(guān)影響；但是，企業(yè)R&D投入?yún)s可以顯著地提升我國(guó)高科技產(chǎn)業(yè)創(chuàng)新效率。政府R&D補(bǔ)助可能不是促進(jìn)我國(guó)高科技產(chǎn)業(yè)創(chuàng)新效率的最佳政策工具，企業(yè)R&D投入要以市場(chǎng)為導(dǎo)向，更加合理地配置資源。第四，政府補(bǔ)貼無論是和資本結(jié)合還是和勞動(dòng)力交互，都會(huì)對(duì)高科技產(chǎn)業(yè)的創(chuàng)新效率起阻礙作用，這進(jìn)一步佐證了上一條結(jié)論。而勞動(dòng)力與金融貸款相結(jié)合可以促進(jìn)創(chuàng)新效率的提高。

根據(jù)上述結(jié)論，我們可以提出以下政策和建議：

第一，改進(jìn)政府R&D項(xiàng)目資助決策機(jī)制，以減少政府和企業(yè)之間信息不對(duì)稱問題。企業(yè)是微觀市場(chǎng)的主體，也是創(chuàng)新的主體，政府應(yīng)該提供補(bǔ)助以降低企業(yè)創(chuàng)新成本和抵抗各種風(fēng)險(xiǎn)。但是，政府在資助對(duì)象的研發(fā)創(chuàng)新能力和資助項(xiàng)目的必要性的把握上處于不利地位，這就增加了事前“逆向選擇”風(fēng)險(xiǎn)，造成科技資源配置不合理。[23]政府在做研發(fā)項(xiàng)目的資助決策時(shí)，應(yīng)該用科學(xué)權(quán)威的方法進(jìn)行決策，如：采用專家評(píng)審機(jī)制，建立專家評(píng)審責(zé)任制，保證評(píng)議的公正性和客觀性。在此基礎(chǔ)上建立科研成果評(píng)價(jià)體系，這不僅可以對(duì)企業(yè)申報(bào)的科研成果進(jìn)行評(píng)價(jià)分級(jí)，也可以增加企業(yè)的“違約成本”。如果科研創(chuàng)新成果與預(yù)期目標(biāo)偏差過大，企業(yè)不僅會(huì)受到相應(yīng)懲罰，也可以對(duì)其他企業(yè)起到震懾效果。這種源頭治理的方法，可以降低信息不對(duì)稱性。第二，完善政府資金使用評(píng)估機(jī)制，提高資金使用標(biāo)準(zhǔn)。完善企業(yè)申請(qǐng)政府補(bǔ)助信息披露制度，降低事后“道德風(fēng)險(xiǎn)”。政府補(bǔ)貼的資金，由于缺乏監(jiān)督懲罰機(jī)制，研發(fā)資金并不能合理地配置到創(chuàng)新項(xiàng)目的各個(gè)環(huán)節(jié)，結(jié)果偏離市場(chǎng)的需求。受政府補(bǔ)助的高科技企業(yè)會(huì)將資金非法挪用，降低了補(bǔ)貼資金的利用效率。應(yīng)該在保證員工的工作積極性上，建立一個(gè)開放、透明的績(jī)效考核結(jié)果數(shù)據(jù)庫(kù)，保證考核結(jié)果的公正性和有效性。全程跟蹤資助資金使用動(dòng)態(tài)，并將評(píng)估結(jié)果作為進(jìn)一步獎(jiǎng)懲的依據(jù)。以此降低政府與企業(yè)之間的“道德風(fēng)險(xiǎn)”。