学术圈丨创新补贴提高了中国企业的创新能力吗？

本文来源于香樟经济学术圈，作者连艺博。

原创：连艺博 中国人民大学商学院2017级本科生

邮箱：[e-mail]。

原文信息：

Cheng, H., Fan, H., Hoshi, T., & Hu, D. (2019). Do Innovation Subsidies Make Chinese Firms More Innovative? Evidence from the China Employer Employee Survey. National Bureau of Economic Research,.

1引言

中国经济的高速增长依赖于廉价的劳动力、高储蓄率所带来的人均资本的增加，以及来自国外的先进技术。然而这些因素的作用正在下降，中国面临经济增长方式的转型，政府致力于通过多种创新补贴来激励企业的创新行为。在此背景下，本文研究了创新补贴的分配和作用。具体而言，本文研究了哪种类型的企业更有可能获得创新补贴，以及获得创新补贴的企业是否提高了创新能力、生产能力和盈利能力。本文在文献方面的贡献主要包括三个领域。首先，本文建立在对研发（R&D）投资提供公共财政支持的理论之上。创新是长期经济增长的关键动力。多数创新活动是由私营企业完成的，但市场失灵可能使得企业无法达到社会最优的研发投资。一种形式的市场失灵是由于私人对研发收益的占有权是不完全的，由于研发活动创造的知识的使用是非竞争性的，并且会外溢给其他个体，研发的私人收益小于社会收益。另一种形式的市场失灵是资本市场的信息不对称。企业和外部的资金提供者之间的信息不对称会增加企业的资金成本，而创新活动的信息不对称可能更严重，因为企业往往不愿意泄露创新的想法。为了克服研发投资的市场失灵问题，政府会加大知识产权的保护力度，并为私人研发提供经济激励，如税收抵免和直接补贴。本文通过研究中国政府为促进经济转型升级而实施的大规模创新补贴政策，为文献做出了贡献。

其次，本文与公共创新激励措施对私人创新活动的影响有关。许多文献研究了创新补贴是增加了总研发支出（挤入效应），还是替代了私人部门的研发支出（挤出效应），并得出了不同的结论，创新补贴的影响取决于诸多因素。近期的文献则使用断点回归等方法更细致地研究了创新补贴的作用，如对专利数的影响。在少数有关中国创新补贴的研究中，Fang等（2018）发现创新补贴与企业未来创新正相关，特别是在反腐败运动和地方政府负责官员离任后；Dang 和 Motohashi （2015）发现创新补贴增加了专利数量，但降低了专利质量。最后，本文为有关资源错配及其对总量生产率的影响的文献做出了贡献。企业间的资源错配可能会对总量全要素生产率产生重要影响，而创新补贴是资源错配的一种潜在根源。一种可能的资源错配是优先补贴国企或有政治关系的企业，因为政治上受偏爱的企业不一定更有创新性。另一种可能的资源错配是对大企业给予补贴，而从补贴受益更多的小企业和较年轻的企业则无法获得补贴，这种类型的资源错配会使大企业维持市场势力，提高行业的进入门槛，从而抑制了总量生产率的增长。

本文的主要发现是，具有政治关系的企业更有可能获得创新补贴，但并没有表现出更高质量的创新；与国家所有权相比，政治关系对获得创新补贴的可能性有更大的影响。这意味着，如果企业继续保持着政治关系，国家所有权比例的下降也并不意味着分配效率的提高。本文的组织方式如下，第二部分介绍中国创新政策的背景，第三部分介绍本文所用的数据CEES，第四部分研究创新补贴的分配，第五部分研究创新补贴的作用，第六部分总结。

2中国的创新政策

过去40年中国经济高速增长，2015年全球制造业增加值中国的占比为26.7%，2016年德勤全球制造业竞争力指数中国排名第一。然而中国政府意识到，支持经济快速增长的条件正在消失，例如廉价劳动力的消失。根据CEES研究团队，中国的工资水平与巴西相同，大大高于其他新兴市场（马来西亚，泰国，墨西哥，越南和印度）。在人口增长方面，2015年以来工作人口（15-64岁）增长率为负；老龄化加剧，2011年65岁以上人口占比8.5%，预计到2036年将超过20%，接近OECD国家平均水平。中国技术进步的有利条件也在消失。由于中国工业技术落后于发达国家，可以通过引进国外技术发展工业；对知识产权较低的保护力度也有助于提高新技术的传播速度（虽然会降低创新者推进技术前沿的激励）。随着经济增长，各行业越来越接近技术前沿，中国面临自主创新的挑战。为了使制造业在全球保持竞争力，中国需要对制造业进行转型升级，使其更具创新性和效率，因此中国政府致力于鼓励中国创新。中国采取的创新政策是针对多个目标产业提出产业政策，通过补贴、税收减免、信贷优惠等方式支持这些产业。例如，中国政府在2009年初开始鼓励新能源汽车产业，2012年发布了《节能与新能源汽车产业发展规划（2012―2020年）》，提出到2020年新能源汽车的生产能力达到每年200万辆；从2009年至2015年，中央财政对新能源汽车推广应用予以补助的资金总额约为334.35亿元，此外地方政府还提供相当于中央政府补贴的30％至100％的配套补贴。在补贴政策的帮助下，新能源汽车行业发展迅速，由此带来的一个问题是产能过剩。2017年中国已成为新能源汽车存量最大的国家，已完成的200个新能源汽车项目的总产能达到每年2000万辆，是上述《规划》提出的目标的10倍。新能源汽车行业的产能超过了需求，因此许多企业只能靠补贴获利，如果补贴金额减少，将会出现亏损。补贴带来的另一个问题是骗补，如财政部的专项调查显示，93家新能源汽车企业通过多种形式的骗补获得了92.7亿元人民币。《中国制造2025》（下文简称MIC 2025）于2015年发布，旨在使中国从低附加值的制造业大国转为高附加值的制造业强国。2017年，中央政府选择了约30个城市进行试点，并发布了11项具体的产业政策。MIC 2025涉及10个行业，包括新一代信息技术产业、高档数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、农机装备、新材料和生物医药及高性能医疗器械。行业代码为13, 14, 25, 26, 27, 28, 34, 35, 36, 37, 38, 39 和 40。许多政策工具将被用于实现MIC 2025的目标，其中创新补贴是一项主要政策工具，例如政府鼓励银行业对目标行业提供金融支持。本文使用MIC 2025正式实施以前的数据来检验创新补贴的分配和作用，有助于为MIC 2025的政策评估提供重要信息。

3数据

本文所用的数据来自中国企业—劳动力匹配调查（CEES），该调查由武汉大学质量发展战略研究院、香港科技大学、斯坦福大学和中国社会科学院等机构联合发起，在2015年和2016年分别进行了一轮。2015年的调查在广东省进行，调查对象是573个企业与其4838个员工，覆盖了13个地级市和下属的19个区县。2016年的调查新增加了湖北省，共调查了1122个企业与其9103个员工，覆盖了26个地级市和39个区县。企业样本以2014年进行的第三次经济普查数据作为抽样总体，使用与规模大小成比例的概率抽样方法（PPS），以制造业就业人数衡量规模大小，先在每个省内抽取20个区县，再在每个区县抽取50个企业，因此企业样本能够代表中国企业的就业人数。样本数和回答率如Table A1所示。

CEES问卷中包含了技术和创新补贴的信息，CEES询问了企业是否获得了各种补贴，其中4种补贴（环保技术补贴，新能源技术补贴，高科技补贴和技术升级补贴）被认为是创新补贴。在2015年的第一轮调查中，CEES询问了企业是否在2012-2014年期间获得了创新补贴；在2016年第二轮调查中，对追访企业CEES询问了是否在2015年获得创新补贴，对新企业样本询问了是否在2012-2015年期间获得创新补贴。本文由此构建了创新补贴虚拟变量，当企业在2012-2015年期间任一年获得创新补贴时取值为1，23%的样本取值为1。

本文关注创新补贴是否优先分配给受政治偏爱的企业。国家所有权是对政治偏爱的一种衡量方式，但中国企业也可以通过在人民代表大会和人民政治协商会议中获得席位来与政府建立关系。当企业CEO或所有者是人大代表或政协委员时（无论是国家还是地方级别），本文认为该企业具有政治关系。

为了研究创新补贴对企业创新活动的影响，本文使用5个变量衡量企业创新能力。首先是获得专利的虚拟变量，当企业在2012-2015年期间获得了专利授权（包括中国和国外）时取值为1；其次是2012-2015年期间获得的专利总数；由于专利中包括不属于技术范畴的外观设计专利，本文将发明专利数作为第三个变量；第四是在国外（主要是美国）获得的专利数，由于中国的专利制度允许创新和设计的小幅调整，因此国外授予的专利比中国的质量高很多；最后是新产品虚拟变量，当企业在2012-2015年期间推出新产品时取值为1。

本文还研究了间接与创新相关的经济绩效是否受到创新补贴的影响，经济绩效分为三类，分别是生产率、市场份额和盈利能力。本文采用两种方式衡量生产率，一种是劳动生产率，用总销售额除以雇员人数来衡量；另一种是全要素生产率（TFP），本文通过估计增加值生产函数在控制了行业异质性的基础上来计算每个企业的全要素生产率，同时使用LP（2003）方法来纠正企业生产率和要素投入之间的相关性所导致的偏误（企业生产率因不可观测进入误差项，故存在遗漏变量导致的内生性问题）。市场份额使用销售额衡量，是一个分类变量，小于或等于1%时取值为1，介于1%和10%之间时取值为2，介于11%和50%之间取值为3，大于50%时取值为4。盈利能力采用两种方式衡量，一种是销售利润率，定义为利润除以销售额；另一种是亏损虚拟变量，当企业在2013-2015年期间出现亏损时取值为1。

本文的控制变量包括企业特征如员工人数（取对数）、企业年龄、是否出口（出口取1）、研发强度（研发费用除以销售额）等，CEO特征如受教育年限、工作经验、是否拥有MBA（拥有取1）等，以及省份（湖北取1）和行业虚拟变量（26个行业，均为制造业，行业代码从13到43，少数合并）。描述性统计如Table 1所示。所有样本中23%的企业具有政治关系，其中13%的企业CEO或所有者是人大代表，14%是政协委员，这一比例高于国有企业的7%。

Table 2是政治关系和国有企业的列联表。可以看出，国有企业和政治关系不完全相关，771个样本不是国有企业也没有政治关系，27个样本是国有企业且有政治关系，同时223个有政治关系的样本不是国有企业，50个国有企业没有政治关系。

4创新补贴的分配

本节研究国家所有权和政治关系是否对获得创新补贴的可能性有影响。Table 3使用列联表进行了相关性检验，将企业按照是否是国有企业以及是否有政治关系划分为四类，并报告了每类企业获得补贴的比例。可以看出，国有企业相比非国有企业更有可能获得补贴，具有政治关系比不具有更有可能获得补贴，但还不能证明这些企业是因为与政府的关系而受到优惠待遇。例如，国有企业和具有政治关系的企业可能集中在研发强度高的行业，而这些行业更可能获得补贴。

为了控制影响创新补贴可能性的其他因素，本文估计了Probit回归模型。因变量是创新补贴虚拟变量，主要解释变量是国有企业和政治关系虚拟变量，控制变量包括企业特征、CEO特征，以及行业和省份虚拟变量。数据中包含因变量和主要解释变量的样本数量为1053个，包含所有控制变量的样本为924个，最终进入模型的样本为924个，回归结果如Table 4所示，报告的是平均边际效应（average marginal effect）。

模型1-3检验国有企业对创新补贴可能性的影响，模型1只包括省份和行业虚拟变量，模型 2加入企业特征，模型3加入CEO特征。随着控制变量增加，系数从显著到不显著，说明控制企业和CEO特征后，国家所有权与获得创新补贴无关。模型4-6检验政治关系对创新补贴可能性的影响。随着控制变量增加，系数减小但仍显著为正。模型6表明，具有政治关系使获得创新补贴的可能性增加了8.84%，考虑到只有23%的样本获得了创新补贴，因此政治关系也具有经济上的显著性。模型7-9同时包含了政治关系和国有企业虚拟变量，在只控制行业和省份时，两者都具有显著性，而随着控制变量的增加，只有政治关系具有显著性。模型10包含了政治关系和国有企业虚拟变量的交互项，边际效应点估计为负且不显著，说明无论是不是国有企业，政治关系都与创新补贴正相关（模型10并未报告边际效应，右侧的Original列包含了交互项且相比模型1-10变量系数更大，推测其报告的是回归系数，即尚未计算平均边际效应）。

Table 4结果表明，创新补贴更有可能分配给具有政治关系的企业和国有企业（只控制行业和省份，模型1）。由于国家所有权或政治关系与企业创新能力不会完全正相关，因此可能存在一些企业由于不具有与政府的关系而没有获得创新补贴，但其创新能力高于获得补贴的企业，从这个意义上讲，本文认为创新补贴的分配效率低下。此外，相比国家所有权，政治关系更能预测企业获得创新补贴的可能性。

本文还发现，在2015年以前，创新补贴优先分配给MIC 2025所针对的行业。检查行业虚拟变量发现，MIC 2025目标行业的系数具有较大的正值；如果将行业虚拟变量替换为单个虚拟变量，当企业属于MIC 2025目标行业时取值为1，其系数在所有模型中都为正且具有统计意义（这一部分结果没有报告）。

15创新补贴的作用

本节使用OLS估计了创新补贴对企业创新能力和经济绩效的影响，由于部分因变量是0-1变量，因而存在线性概率模型固有缺点，如预测值小于0或大于1等。此外，尽管获得创新补贴与补贴产生作用之间存在滞后性，但由于数据限制，本文只能在横截面上考察创新补贴与绩效的相关性。Table 5是对创新能力的回归结果，根据创新能力衡量标准不同可以将模型1-10分为5组。模型1、2的因变量是获得专利的虚拟变量。模型1中创新补贴具有正的显著性，补贴使获得专利的可能性增加了29%；同时，大企业、研发密集型的企业更有可能拥有专利， CEO具有高学历的和MBA学历的企业也更可能获得专利，但CEO的工作经验似乎不重要。模型2加入了政治关系和国有企业虚拟变量，政治关系具有正的显著性，国有企业不显著，说明即使没有创新补贴，政治关系本身也能提高获得专利的可能性。模型3、4的因变量是企业获得的专利总数，结果与模型1、2相似，区别在于模型4表明国有企业对增加专利总数也具有显著为正的额外影响。模型5、6的因变量是发明专利数。中国授予的专利包括发明专利、实用新型专利和外观设计专利三种，其中发明专利是中国专利中质量最高的，2016年发明专利仅占专利总数的28.2%，发明专利的回归结果与模型3、4相当。模型7、8的因变量是国外专利数。虽然发明专利相比其他专利质量更高，但与美日欧等发达经济体相比质量仍较低。国外专利的回归结果与之前不同，创新补贴系数为正但很小，经济意义上不显著，说明创新补贴能增加国内专利数，但无法在国外获得专利，而政治关系和国家所有权也没有额外的影响。专利数通常被认为是厚尾分布，因而本文使用泊松回归模型重新估计了模型3-8，结果与OLS没有差别。模型9、10的因变量是新产品虚拟变量。创新补贴显著为正，说明补贴增加了推出新产品的可能性，但政治关系和国家所有权没有影响。

Table 6是对经济绩效的回归结果。结果表明，创新补贴只对以销售额除以员工人数衡量的劳动生产率有正的影响，但显著性不高。这表明创新补贴不会使企业提高生产率、盈利能力或者增加市场份额；尽管创新补贴能够增加国内专利数量和推出新产品的可能性，但无助于经济绩效的提高。国有企业对劳动生产率有正的影响，对其他绩效指标没有显著影响；政治关系对劳动生产率和市场份额有正的影响，并降低了亏损的可能性，这再次说明政治关系相比国有企业可以对中国企业更好地预测。

总之，创新补贴增加了企业获得的专利总数以及推出新产品的可能性，但真正具有创新性的国外专利数并没有显著增加，这表明创新补贴可能只鼓励渐进的技术改进以及与旧产品没有太大不同的新产品。本文的结论与Dang 和 Motohashi（2015）一致，他们研究中国的专利数据发现，创新补贴会鼓励企业缩小专利的范围，以更容易地获得专利。此外，创新补贴也没有改善企业的经济绩效（除了销售额除以员工人数外），表明受创新补贴鼓励产生的专利和新产品并不会提高生产率和盈利能力。

上述结论是将获得创新补贴和未获得创新补贴的企业进行比较得到的，依赖的假设是因变量独立于是否获得补贴。当补贴是随机分配时这一假设能够成立，但补贴企业与非补贴企业之间可能有系统性差异以致无法比较。本文尝试使用倾向得分匹配（PSM）解决这一问题，PSM结果与OLS基本相同，唯一不同的是OLS中创新补贴对新产品的作用显著为正，而PSM不显著。

上文的分析假设创新补贴的作用不取决与企业特征，如规模。下面放松这一假设，考察创新补贴的作用如何因企业规模的变化而变化。Table B2展示了对创新能力的回归结果，其中包含了创新补贴与企业规模的交互项。可以看出，当因变量是各类专利数量时，交互项具有显著性（第2-4列）。在经济绩效的回归结果中，只有当因变量是市场份额时，交互项才显著（见Table B3）。

Panel A-D进一步展示了获得补贴企业和未获得补贴企业的因变量预测值和企业规模的函数关系。Panel A和B表明获得创新补贴的企业总体上获得了更多的专利，而大企业因创新补贴获得的专利比小企业多；Panel C表明对于国外专利，即使是大企业，获得补贴与否的差异也不明显，这符合Table 5的结论，即创新补贴对获得国外专利作用不大；Panel D同样表明，无论规模大小，创新补贴对市场份额的作用都很小。

注：计算预测值和95%的置信区间时，除创新补贴和企业规模外的其余变量均取平均值。企业规模的范围限于样本的中间90％

6结论

本文使用CEES数据研究创新补贴的分配和影响，对中国创新政策进行了评估。本文有3个主要发现。首先，具有政治关系的企业更有可能获得创新补贴，并且相比国家所有权，对获得补贴的可能性有更大的影响，由于有政治关系的企业不一定是创新型企业，因此结果表明创新补贴的分配效率低下。其次，获得创新补贴的企业会申请更多的专利，并且更有可能推出新产品，但不一定在中国境外申请更多的专利。由于中国授予的专利质量低于国外司法管辖区，因此结果表明，创新补贴会鼓励企业进行渐进式的改进，而不是提出真正具有创新性的技术。第三，获得创新补贴的企业没有表现出更高的生产率、更强的盈利能力和更大的市场份额，因此，创新补贴无助于企业经济绩效的提高。本文的发现对中国政府刺激创新的尝试具有启示。中国政府认为创新补贴等产业政策将使中国在创新领域成为全球的领导者，并促进中国经济继续增长。本文的结果表明，这些产业政策对促进创新无效，并且会扭曲经济资源的分配。如果中国政府希望长期促进创新，那么逐步取消这些优惠政策以为所有经济参与者创造公平竞争的商业环境可能会更有效。

7启发与建议

1.题目和框架

本文主要研究了创新补贴的分配和作用，具体包括三部分，一是哪种类型的企业更有可能获得创新补贴，二是获得创新补贴的企业是否提高了创新能力，三是获得创新补贴的企业是否提高了经济绩效。而本文的题目“创新补贴提高了中国企业的创新能力吗”，只涵盖了本文的主要内容的一部分。可以考虑让本文题目的内涵更广，或者将创新补贴对创新能力的作用作为主干内容突出，进一步丰富这一部分的论证，如对竞争性假说进行排除，而将其余部分作为延伸或者辅助证据。

2.变量与数据

本文第二部分在介绍中国的创新政策和《中国制造2025》时，将创新补贴作为一项主要政策工具进行了较为详细的讨论，例如区分了中央和地方政府的补贴，同时认为补贴包含优先获得廉价资本，例如银行业提供的金融支持。相比之下，本文在第三部分对创新补贴的定义没有展开说明，如没有明确是否包括银行的优惠信贷，并且没有区分不同类型的补贴，如来自中央或是地方政府，只是笼统设为0-1变量。可以考虑将创新补贴划分为不同类别，不仅有助于稳健性检验，还可能提供进一步的证据。例如，如果创新补贴的分配依赖政治关系，这一机制更可能在地方政府的补贴上体现出来。

本文对部分变量和数据处理过程的说明有些简略。例如，使用LP方法计算企业的全要素生产率（TFP）至少需要两期数据，但全样本中只有487个广东追访样本参加了两轮调查，而描述统计中TFP的样本量为848，对于TFP是如何生成的没有详细的介绍。再如，本文使用的数据中部分广东企业样本没有参加第二轮调查的追访，因而这些样本只有第一轮调查的数据（截至2014年的数据），由于核心变量创新补贴的定义的时间范围是2012-2015年，将这些样本和参加第二轮调查的样本共同构成横截面数据可能对结论有影响，可以考虑对这些样本的处理方式进行说明。

3.回归模型

作为计数变量，当专利数是被解释变量时，由于取值非负，不符合正态分布，也不能直接取对数使其更符合正态分布，相比之下泊松分布能够较好模拟一定时间内取得的专利数。

被解释变量是0-1变量时，相比线性概率模型，Probit模型作为一种非线性模型能更好地拟合数据，但如果需要使用工具变量法来解决内生性问题，在非线性模型中包含IV时会使模型过于复杂。

4.识别策略

与未获得创新补贴的企业相比，获得创新补贴的企业在补贴之前的创新能力可能更高，即两类企业之间可能存在系统性差异。本文使用倾向得分匹配的方法（PSM），通过引入一组协变量将获得补贴的企业与未获得补贴但倾向得分（获得补贴的概率）相似的企业相匹配，使得创新能力与是否获得补贴相独立，因而可以得到参与者平均处理效应（ATT）。由于PSM是依可测变量选择，仍可能存在未被控制的变量，同时影响企业获得补贴的可能性与创新能力，因而PSM无法解决遗漏变量导致的内生性问题。

另一个可能存在的内生性问题是反向因果，即在考察创新补贴对企业创新能力和经济绩效的影响时，后者可能反过来对获得创新补贴的可能性有影响。可以考虑使用工具变量法来解决可能存在的反向因果问题和遗漏变量问题。

由于数据的限制，本文只能在横截面上讨论创新补贴和创新能力及经济绩效的关系，因而无法对创新补贴作用的滞后性进行更多的讨论，这使得本文可能低估了创新补贴的作用。

正如本文第二部分指出的，创新补贴只是政府促进创新的政策工具之一。政府可能出台包括创新补贴在内的一系列创新政策，因而创新补贴和其他创新政策难以有效区分，这可能造成本文结论的偏误。由于本文的结论是创新补贴作用不明显（即使高估也不影响结论），并且是对《中国制造2025》正式实施之前的数据进行检验，因而这个问题可能并不严重。可以考虑对创新补贴政策和其他创新政策加以分离。

本文对于导致结果的机制没有进行太多的讨论。本文发现政治关系能够增加获得创新补贴的可能性，而政治关系本身也会增加获得专利的可能性和数量，这可能意味着企业因为政治关系而获得政府的优待，补贴的分配效率低下，存在寻租的可能性。然而对此也可以有相反的解释，政治关系可能表示CEO具有高能力，或是企业实力强、影响力大，政府将其作为一种积极的信号优先提供补贴，政治关系本身会增加创新能力和经济绩效也能够验证这一机制。可以考虑进一步丰富论证内容，对竞争性假说进行排除。

__________________________________

本推文由中国经济转型讨论班（CETW）供稿，文末建议由讨论班成员提出、推文作者整理。

论文及ppt链接：https://pan.baidu.com/s/1uZt8k1lcXqpnABsMr9Z-1A提取码：64xz

Abstract 

The Chinese government has been using various subsidies to encourage innovations by Chinese firms. This paper examines the allocation and impacts of innovation subsidies, using the data from the China Employer Employee Survey (CEES). We find that the innovation subsidies are preferentially allocated to state owned firms and politically connected firms. Of these two (state ownership and political connection), political connection is more important in determining the allocation. We also find that the firms that receive innovation subsidies file and receive more patents, are more likely to introduce new products, but do not necessarily file and receive more patents abroad. Finally, the firms that receive innovation subsidies do not have higher productivity, more profits, or larger market shares. Overall, the results point to inefficiency of allocation of innovation subsidies and show that the subsidies encourage only incremental innovations and not radical ones.

·END·

点击搜索你感兴趣的内容吧

作者丨连艺博

出处丨香樟经济学术圈

推荐丨青酱

排版编辑丨青酱