王業(yè)斌

(中央財經大學經濟學院，北京 100081)

一、引 言

新世紀以來，中國對技術創(chuàng)新的政府投入和金融信貸支持不斷加大。據有關數據顯示，2000－2008年間中國財政科技撥款由575.6億元增加到2581.8億元，科技活動中的金融機構貸款由196.2億元增加到405.2億元(數據來自《中國科技統計年鑒(2009)》)。在政府投入、金融信貸力度不斷增強的同時，政府投入與金融信貸是否都顯著促進了技術創(chuàng)新?此外，同樣作為企業(yè)的外源創(chuàng)新投入，二者的技術創(chuàng)新效果孰優(yōu)孰劣?對這些問題的回答，不僅有利于對技術創(chuàng)新過程中政府投入、金融信貸的作用做出正確評價，更有利于明確今后技術創(chuàng)新支持政策的重點。

理論上，政府投入能彌補企業(yè)的創(chuàng)新資金不足、降低企業(yè)的研發(fā)成本和風險，進而有利于技術創(chuàng)新［1］。但作為政府干預手段，政府投入也有可能取代企業(yè)自身的研發(fā)投資，產生“擠出效應”，進而對技術創(chuàng)新產生不利影響［2］。因此，政府投入的技術創(chuàng)新效應有賴于實證結果的檢驗。而對于金融信貸，熊彼特早在其著作《經濟發(fā)展理論》中指出，金融系統對技術創(chuàng)新具有重要作用，但前提是金融資源要分配給那些最有可能成功開發(fā)新產品并投入生產的企業(yè)［3］。特別是對于中國而言，由金融機構流出的信貸資金集中流向國有企業(yè)部門［4］，而國有企業(yè)卻存在著創(chuàng)新效率的無效損失［5］。因此，金融信貸對技術創(chuàng)新的影響同樣有待于進一步的驗證。

同理論分析一致，既有的實證研究并未就政府投入與金融信貸對技術創(chuàng)新的影響取得統一的結論。例如，Leyden and Link(1991)、Gonzalez and Pazo(2008)等研究發(fā)現政府投入能激勵企業(yè)擴大研發(fā)支出，進而有利于技術創(chuàng)新［6］［7］;而Lichtenberg(1987)、Gorg and Strobl(2007)等發(fā)現政府投入在一定程度上擠出了企業(yè)的研發(fā)投資，降低了行業(yè)整體的研發(fā)投入水平，進而對技術創(chuàng)新產生不利影響［8］［9］;King and Levine(1993)等發(fā)現金融信貸促進了技術創(chuàng)新;Rioja and Valev(2004)等發(fā)現大多數發(fā)展中國家金融信貸主要影響的是資本積累而不是技術創(chuàng)新［10］［11］。但更為重要的是，作為影響技術創(chuàng)新的兩個極為重要的政策手段，現有的實證研究基本上只是分別考慮政府投入或金融信貸對技術創(chuàng)新的影響，較少有人將二者結合起來以比較它們的技術創(chuàng)新效應。例如，針對中國的經驗分析中，朱平芳和徐偉民(2003)、白俊紅(2011)等僅研究了政府投入對技術創(chuàng)新的影響［12］［13］; 葉子榮和賈憲洲(2011)等也僅研究了金融信貸對技術創(chuàng)新的影響［14］; 俞亞星(2011)比較分析了企業(yè)資金、政府資金和金融機構貸款在高技術產業(yè)發(fā)展中的作用，但也只是考慮它們對產業(yè)總產值而不是對技術創(chuàng)新的影響［15］。

基于以上分析，本文擬以高技術產業(yè)為例，進一步檢驗政府投入、金融信貸對技術創(chuàng)新的影響。與現有文獻不同，本文將政府投入與金融信貸同時置入模型中，以對二者的技術創(chuàng)新效應進行比較分析。

二、高技術產業(yè)技術創(chuàng)新過程中的政府投入與金融信貸:事實特征

一般認為，高技術產業(yè)是將高新技術轉化為實際生產力的承載體，是一國技術創(chuàng)新的重要體現。因此，本文選取高技術產業(yè)進行實證研究，利用相應年份的《中國高技術產業(yè)統計年鑒》，對高技術產業(yè)技術創(chuàng)新過程中的政府投入與金融信貸現狀做一基本描述。由于1999年以前的相關科技統計數據較為殘缺，2009年后的《中國高技術產業(yè)統計年鑒》不再有科技活動中的金融機構貸款數據，統計口徑發(fā)生了變化，因此本文選取的考察時間段為1999－2008年。從名義值來看，1999－2008年間政府投入總額由162777萬元增加到878819萬元，金融信貸總額由179579萬元增加到337937萬元，二者支持力度均大幅增強，但年均政府投入總額(353447萬元)略高于金融信貸總額(348284萬元)。

本文還根據R＆D支出價格指數對政府投入、金融信貸總額進行平減，將名義值轉化為實際值。圖1描述了1999－2008年間高技術產業(yè)技術創(chuàng)新過程中的政府投入和金融信貸總額(1999年不變價)的時間趨勢。從變動趨勢來看，1999－2008年間政府投入總額基本呈現上升的態(tài)勢，特別是2006年后上升趨勢更為明顯，考察期內年均增長22%;金融信貸總額在1999－2003年間不斷上升，但2004年后反而基本呈現下降的態(tài)勢，考察期內年均增長僅為10%。就各年絕對值比較而言，金融信貸總額在2006年以前均高于政府投入總額，2006年以后則被政府投入總額趕超。

圖1 政府投入與金融信貸總額的時間趨勢

三、研究模型、變量選擇與數據來源

(一)模型設定

為了比較政府投入與金融信貸對技術創(chuàng)新的影響，本文將政府投入、金融信貸同時納入分析框架，構建回歸模型如下①在模型中，對技術創(chuàng)新水平與R＆D資本存量進行人均化處理，目的在于消除R＆D資本存量與R＆D人員之間的多重共線性 (本文二者的相關系數高達0.850)。:

其中，Y表示技術創(chuàng)新水平，K、L表示R＆D資本存量和R＆D人員，Zf、Jr表示政府投入和金融信貸，β、λ、υ為相應變量的產出彈性，δ為常數，ηi為行業(yè)效應，εit為隨機誤差項。

自熊彼特(Schumpeter，1942)開創(chuàng)性地提出關于創(chuàng)新的系列理論以來，國內外不少學者研究了企業(yè)規(guī)模和產權結構對技術創(chuàng)新的影響。因此，為了進一步探討企業(yè)規(guī)模、產權結構對政府投入與金融信貸技術創(chuàng)新效應的影響，在具體的回歸分析時，本文還在模型中控制了政府投入、金融信貸與企業(yè)規(guī)模(Siz)、產權結構(Pow)的交互項。

(二)變量構造

參考既有的研究，回歸模型中的技術創(chuàng)新水平用專利申請數來表征;R＆D人員用科技活動人員數來表征;企業(yè)規(guī)模用行業(yè)總產值與企業(yè)數的比值來表征(并進行對數化處理)，其中總產值用工業(yè)品出廠價格指數平減為1999年不變價;產權結構用國有及國有控股企業(yè)產值與行業(yè)總產值的比值來表征;政府投入與金融信貸分別用科技活動籌集經費中的政府資金和金融機構貸款來表征②余泳澤和周茂華(2010)等用科技活動籌集經費中的政府資金比例來度量政府投入［16］，本文則用政府資金的絕對數來表示。同樣地，金融信貸也用金融機構貸款的絕對數來表示。;對于R＆D資本存量，參照白俊紅(2011)等的方法，其可以表示為Kt=(1－δ)Kt－1+Et－1，δ為折舊率(同大多數研究一樣，假定為15%)，Et－1為滯后一期的R＆D支出現值(用科技活動經費內部支出來表征)，基期的R＆D資本存量為K0=E0/(g+δ)，g為各行業(yè)R＆D實際經費支出的算術平均增長率。上述變量中，政府投入、金融信貸與R＆D支出現值均用R＆D支出價格指數平減為1999年不變價，而對于R＆D支出價格指數，同朱平芳和徐偉民(2003)一樣，將其構造為0.45×固定資產投資價格指數+0.55×消費價格指數。

(三)數據說明

本文分析的原始數據中，固定資產投資價格指數、消費價格指數、工業(yè)品出廠價格指數來自于各年的《中國統計年鑒》，其余數據均來自于各年的《中國高技術產業(yè)統計年鑒》。選取的樣本為13個三位碼行業(yè)共10年數據(不包括數據缺失較多的航天器制造、廣播電視設備制造、其他電子設備制造、辦公設備制造行業(yè))。變量的描述性統計如表1所示。

表1 變量描述性統計

四、回歸估計結果與討論

(一)基本回歸結果

對模型進行估計，基本的回歸結果如表2中列(2.1)－(2.5)所示。其中，列(2.2)－(2.5)為依次將政府投入、金融信貸與企業(yè)規(guī)模、產權結構的交互項納入模型中的估計結果。Hausman檢驗支持列(2.1)－(2.3)選擇固定效應模型，列(2.4)－(2.5)選擇隨機效應模型。

表2 政府投入、金融信貸對技術創(chuàng)新影響的回歸結果

從基本的估計結果來看，列(2.1)顯示政府投入的系數顯著為正，說明政府投入顯著促進了行業(yè)的技術創(chuàng)新，政府投入每增加1%，行業(yè)的人均專利數增加0.199%;金融信貸的系數雖然也為正，但卻并不顯著。加入交互項以后，列(2.2)－(2.5)顯示政府投入對技術創(chuàng)新依然具有顯著的正向影響，此時政府投入的偏效應依次為0.163、0.136、0.027、0.025①根據列(2.2)，政府投入對技術創(chuàng)新的偏效應為－0.169+0.065 Siz，將Siz的均值代入，可求得政府投入對技術創(chuàng)新的偏效應為0.163，其他情形(包括金融信貸的偏效應)可同理求得。;金融信貸對技術創(chuàng)新的影響則很不穩(wěn)定，除在列(2.3)中有顯著影響外，其他列中都不顯著，即使在列(2.3)中金融信貸的偏效應(0.077)也低于政府投入的偏效應(0.136)。金融信貸對技術創(chuàng)新的影響不太顯著，可能的原因是中國銀行業(yè)中國有銀行的主導地位和所有制偏向，使得金融機構的信貸資金集中流向了創(chuàng)新效率較低的國有企業(yè)部門。綜合各種情形比較來看，相對于金融信貸而言，政府投入更能促進行業(yè)技術創(chuàng)新水平的提升。

從表2中列(2.2)－(2.3)還可以看出，政府投入、金融信貸與企業(yè)規(guī)模的交互項的系數均顯著為正，表明企業(yè)規(guī)模對政府投入和金融信貸的吸收利用存在正向效應，企業(yè)規(guī)模越大，政府投入、金融信貸對技術創(chuàng)新的影響亦越大。從表2中列(2.4)－(2.5)來看，政府投入與產權結構的交互項的系數顯著為負，說明行業(yè)中的國有產權對政府投入的吸收利用存在負面影響，國有產權比重越高，政府投入對技術創(chuàng)新的影響越小;而金融信貸與產權結構的交互項的系數雖然也為負，但統計上并不顯著。基本回歸結果還顯示，人均R＆D資本也顯著有利于行業(yè)的技術創(chuàng)新。以列(2.5)為例，人均R＆D資本每增加1%，人均專利數增加0.932%。

(二)穩(wěn)健性討論

政府投入與金融信貸可能存在一定的偏向性，即并不是所有的企業(yè)在技術創(chuàng)新過程中都可以獲得政府投入和金融信貸，政府與金融機構可能會根據一定的條件(如企業(yè)規(guī)模)來決定是否進行投入和提供信貸。同時，企業(yè)自身的技術創(chuàng)新水平可能也會對政府投入、金融信貸產生影響，因為企業(yè)自身的技術創(chuàng)新水平越高，企業(yè)活力越強，就越有可能獲得政府投入和金融信貸的青睞。因此，政府投入、金融信貸可能并不是嚴格外生的變量，內生性問題的存在可能使估計結果存在偏誤。于是，本文還通過對政府投入與金融信貸采取滯后一期的方法，重新對模型進行估計，回歸結果如表2中列(2.6)－(2.10)所示。

從估計結果來看，取滯后一期值后，政府投入對技術創(chuàng)新仍有顯著的正向影響，說明政府投入確實顯著促進了行業(yè)的技術創(chuàng)新;在各種情形下，政府投入的偏效應依次為0.082、0.209、0.086、0.064、0.072。而金融信貸對技術創(chuàng)新的影響依然不太穩(wěn)定，除在列(2.8)、(2.10)中對技術創(chuàng)新存在顯著影響外(偏效應為0.059和－0.016)，其他列中均不顯著。因此，與未取滯后一期值相比，雖然政府投入的技術創(chuàng)新效應有所下降，但綜合各種結果可以看出，政府投入比金融信貸仍更有利于行業(yè)技術創(chuàng)新水平的提升，這與前文的結論是相一致的。

表2中列(2.6)－(2.10)還反映出，與基本回歸結果一樣，人均R＆D資本依然對技術創(chuàng)新產生顯著的正向影響，政府投入、金融信貸與企業(yè)規(guī)模的交互項的系數依然顯著為正，政府投入與產權結構的交互項的系數依然顯著為負。不同的是，金融信貸與產權結構的交互項的系數開始變得顯著。由于經過內生性處理后，估計結果更為可靠，因此本文認為金融信貸與產權結構也存在顯著為負的交互作用，國有產權不利于金融信貸技術創(chuàng)新效應的發(fā)揮。

五、結論與含義

本文運用1999－2008年高技術產業(yè)行業(yè)面板數據，分析比較了政府投入與金融信貸對技術創(chuàng)新的影響，得出了一個較為穩(wěn)定的結論，即政府投入比金融信貸更有利于行業(yè)技術創(chuàng)新水平的提升，政府投入對技術創(chuàng)新存在顯著的正向影響，金融信貸對技術創(chuàng)新的影響則不太顯著。金融信貸的技術創(chuàng)新效應不太顯著，這在一定程度上反映出金融機構的信貸資金并未流向最具創(chuàng)新性的企業(yè)的事實。而中國最具創(chuàng)新性的企業(yè)為非國有企業(yè)［17］，這也說明在高技術產業(yè)同樣存在著金融信貸的“所有制歧視”現象。研究結果還顯示，企業(yè)規(guī)模越大，政府投入、金融信貸對技術創(chuàng)新的正向影響越大;國有產權比重越高，政府投入、金融信貸對技術創(chuàng)新的促進作用越小。

基于此，本文認為在技術創(chuàng)新過程中，政府投入比金融信貸發(fā)揮著更為重要的作用，政府投入是必要而且是有效的。因此，在未來的技術創(chuàng)新支持政策中，應進一步強化政府投入力度;同時，為了真正發(fā)揮出金融信貸的技術創(chuàng)新效應，未來應深化金融體制改革，使金融信貸資金真正分配給那些創(chuàng)新效率較高的企業(yè)。此外，為了增強政策的針對性，在決定與引導政府投入、金融信貸的具體投向時，還必須充分考慮企業(yè)規(guī)模和產權結構等因素的影響。

［1］Guellee D.，Van P.The Impact of Public R＆D Expenditure on Business R＆D ［J］.Economic Innovation New Technology，2003，12(3):225－243.

［2］解維敏，唐清泉，陸姍姍.政府R＆D資助，企業(yè)R＆D支出與自主創(chuàng)新——來自中國上市公司的經驗證據 ［J］.金融研究，2009，(6):86－99.

［3］［美］約瑟夫·熊彼特著，何畏等譯.經濟發(fā)展理論［M］.北京:商務印書館，1990.78－85.

［4］王國松.信息不對稱與非公有制經濟的融資困難［J］.浙江工商大學學報，2009，(3):62－66.

［5］吳延兵.國有企業(yè)雙重效率損失研究 ［J］.經濟研究，2012，(3):15－27.

［6］Leyden D.，Link A.Why Are Governmental R＆D and Private R＆D Complements? ［J］.Applied Economics，1991，23(10):1673－1681.

［7］Gonzalez X.，Pazo C.Do Public Subsidies Stimulate Private R＆D Spending? ［J］.Research Policy，2008，37(3):371－389.

［8］Lichtenberg F.The Effect of Government Funding on Private Industrial Research and Development:a Re-assessment［J］.Journal of Industrial Economics，1987，36(1):97 －104.

［9］Gorg H.，Strobl E.The Effect of R＆D Subsidies on Private R＆D ［J］.Economica，2007，74(294):215－234.

［10］King R.G.，Levine R.Finance and Growth:Schumpeter Might Be Right［J］.Quarterly Journal of Economics，1993，108(3):717－737.

［11］Rioja F.，Valev N.Does One Size Fit All?A Reexamination of the Finance and Growth Relationship ［J］.Journal of Development E-conomics，2004，74(2):429 －447.

［12］朱平芳，徐偉民.政府的科技激勵政策對大中型工業(yè)企業(yè)R＆D投入及其專利產出的影響——上海市的實證研究 ［J］.經濟研究，2003，(6):45－53.

［13］白俊紅.中國的政府R＆D資助有效嗎?——來自大中型工業(yè)企業(yè)的經驗證據 ［J］.經濟學(季刊)，2011，10(4):1375－1400.

［14］葉子榮，賈憲洲.金融支持促進了中國的自主創(chuàng)新嗎?［J］.財經科學，2011，(3):10－18.

［15］俞亞星.籌資來源、金融支持與高技術產業(yè)發(fā)展——基于中國省級面板數據的實證研究［J］.金融與經濟，2011，(5):13－16.

［16］余泳澤，周茂華.制度環(huán)境、政府支持與高技術產業(yè)研發(fā)效率差異分析［J］.財經論叢，2010，(5):1－5.

［17］吳延兵.中國哪種所有制類型企業(yè)最具創(chuàng)新性 ［J］.世界經濟，2012，(6):3－27.