[区域发展] 科技支持、补贴陷阱与区域创新能力（下）
2017年05月02日 来源:国研网 作者:山东大学 经济学院 吴晓飞
东部地区和中西部地区回归结果的不同，可能缘于二者经济发展水平以及创新基础等方面的差异。对子样本的描述性统计分析发现，东部地区的政府科技补贴强度最大值为7.31，而中西部地区最大值仅为3.30。由于经济发展水平较高，东部地区对创新投入也更为重视，因此政府会将更多的财政支出用于补贴地区的研发创新。但是如果政府科技补贴强度过高而超过某一合理水平，就会对私人部门的创新投入产生挤出效应；且过高的政府科技补贴强度也会影响到对其他相关公共目标的财政支出，从而降低财政科技补贴的效率。然而，由于中西部地区经济发展水平较低，目前公共财政用于科技创新补贴的比率仍然偏低，因此，中西部地区并未表现出明显的倒U型曲线关系。由于中西部地区的创新基础比较薄弱，当地政府部门也应该合理把握科技补贴的强度，以最大限度地发挥科技财政补贴对区域创新的推动作用。在表3和表4中，其他各控制变量的回归结果与全样本情况下的回归结果(表2)基本一致。
(三)稳健性检验与扩展研究
在本部分将验证结论的稳健性和适用性，具体做法是：首先，将发明专利申请数和授权数分离出来，单独进行回归分析，以验证主要结论的可靠性；其次，采用Tobit回归模型对上述研究结论加以验证；最后，检验模型是否存在内生性问题。限于篇幅，以下只汇报主要变量的检验结果。
1.发明专利申请数和授权数
在所有专利类型中，发明专利最能体现一个地区的创新能力和创新水平，因此可将发明专利的相关数据分离出来，单独进行回归检验。其中，发明专利申请数以Ln IZLA表示；发明专利授权数以Ln IZLL表示，对二者均进行了自然对数处理。另外，为与前文相对应，在以Ln IZLA为因变量的情况下，自变量分别采取不滞后和滞后一期两种情形；而在以Ln IZLL为因变量的情况下，自变量则分别采取滞后两期和滞后三期两种情形，具体检验结果见表5。从表5可知，在以发明专利申请数和授权数为因变量的情况下，主要解释变量的系数符号均与前文一致，而差别在于个别变量的显著水平有所上升或下降。因此，上文主要研究结论是较为稳健的。
表5 发明专利申请数和授权数的回归结果
全样本 | 东部地区 | 中西部地区 | ||||||||||
Ln IZLA | Ln IZLL | Ln IZLA | Ln IZLL | Ln IZLA | Ln IZLL | |||||||
FIN | 0.358*** | 0.336*** | 0.248*** | 0.294*** | 0.297** | 0.249** | 0.292** | 0.344** | 0.362*** | 0.357** | 0.195* | 0.203* |
(4.12) | (3.44) | (3.10) | (3.62) | (2.54) | (2.25) | (2.67) | (2.71) | (2.96) | (2.49) | (1.82) | (1.89) | |
FIN2 | -0.065*** | -0.072*** | -0.039* | -0.061*** | -0.051** | -0.052** | -0.050** | -0.077*** | -0.103 | -0.104 | -0.056 | -0.068 |
(-3.52) | (-3.15) | (-2.01) | (-3.18) | (-2.47) | (-2.50) | (-2.42) | (-3.56) | (-1.37) | (-1.60) | (-0.71) | (-0.90) | |
YEAR&PROVINCE | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes |
观测值 | 480 | 450 | 420 | 390 | 176 | 165 | 154 | 143 | 304 | 285 | 266 | 247 |
F | 344.31 | 274.61 | 385.87 | 329.30 | 492.88 | 505.10 | 518.89 | 482.63 | 159.62 | 159.19 | 103.75 | 98.32 |
Adj R2 | 0.931 | 0.928 | 0.914 | 0.922 | 0.939 | 0.941 | 0.937 | 0.944 | 0.925 | 0.921 | 0.907 | 0.913 |
2.Tobit检验
由于因变量的最低界限是0，其数据结构特征为下界单边截尾数据，Tobin(1958)针对这种具有截断值特征的因变量提出了截断回归模型(Censored Regression Model)。因此，在本部分采用这种方法对研究结论的稳健性进行检验，具体结果见表6。从表6的回归结果可知，在采用Tobit模型的情况下，主要解释变量的系数符号并未发生变化，但是个别变量的显著水平有所上升。尤其对于中西部地区而言，FIN2的回归系数在部分情况下通过了10%的显著性水平，这说明中西部地区的政府科技补贴强度虽然相对较低，但仍有可能会超过合理补贴水平，进而对区域创新能力产生负面影响。总体上，中西部地区政府科技补贴强度与区域创新能力之间的倒U型关系并不明显。表6的回归结果表明主要结论仍然稳健。
表6 Tobit模型的检验结果
全样本 | 东部地区 | 中西部地区 | |||||||||||
Ln TZLA | Ln TZLL | Ln TZLA | Ln TZLL | Ln TZLA | Ln TZLL | ||||||||
FTN | 0.361*** | 0.355*** | 0.296*** | 0.247*** | 0.308*** | 0.267*** | 0.242*** | 0.216*** | 0.340*** | 0.367*** | 0.330*** | 0.276*** | |
(9.93) | (9.15) | (7.89) | (6.36) | (5.16) | (4.50) | (4.56) | (4.20) | (7.98) | (6.85) | (6.41) | (5.59) | ||
FIN2 | -0.064*** | -0.072*** | -0.055*** | -0.051*** | -0.045*** | -0.041*** | -0.029** | -0.027** | -0.101* | -0.105* | -0.095* | -0.074 | |
(-6.29) | (-7.00) | (-5.64) | (-5.38) | (-3.25) | (-3.25) | (-2.33) | (-2.28) | (-1.76) | (-1.82) | (-1.79) | (-1.35) | ||
YEAR&PROVINCE | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | |
观测值 | 480 | 450 | 420 | 390 | 176 | 165 | 154 | 143 | 304 | 285 | 266 | 247 | |
Pseudo R2 | 0.986 | 0.988 | 0.983 | 0.978 | 0.967 | 0.954 | 0.909 | 0.895 | 0.984 | 0.982 | 0.981 | 0.975 | |
Chi2 | 1777.90 | 1706.67 | 1668.05 | 1566.91 | 674.26 | 651.14 | 621.89 | 633.97 | 1011.95 | 942.96 | 865.10 | 834.18 | |
3.内生性问题
由于R&D人员全时当量与研发资本投入之间存在着高度相关性，因此在回归中剔除了研发资本投入变量，以避税内生性问题对结果的干扰，保证回归结果的可靠性。为了解决这一问题，将验证模型的内生性问题，方法是在模型中剔除变量Ln PEO，引入研发资本投入变量Ln INVS，重新进行回归分析。由于主要解释变量FIN和FIN2与变量Ln INVS的相关系数较小(平均分别约为0.37和0.24)，如果引入Ln INVS后的回归结果与前文基本一致，则可认为不存在严重的内生性，具体检验结果见表7。
表7 内生性检验
全样本 | 东部地区 | 中西部地区 | ||||||||||
Ln TZLA | Ln TZLL | Ln TZLA | Ln TZLL | Ln TZLA | Ln TZLL | |||||||
FIN | 0.399*** | 0.372*** | 0.371*** | 0.321*** | 0.300** | 0.259** | 0.220* | 0.228* | 0.414*** | 0.421*** | 0.433** | 0.367** |
(3.92) | (3.24) | (3.15) | (2.85) | (2.56) | (2.27) | (1.98) | (2.11) | (3.24) | (2.92) | (2.76) | (2.54) | |
FIN2 | -0.070*** | -0.075** | -0.064** | -0.062** | -0.042** | -0.033** | -0.016 | -0.025* | -0.099 | -0.108 | -0.114 | -0.090 |
(-3.14) | (-2.62) | (-2.17) | (-2.25) | (-2.44) | (-2.24) | (-0.92) | (-1.83) | (-1.53) | (-1.37) | (-1.15) | (-0.92) | |
YEAR&PROVINCE | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes |
观测值 | 480 | 450 | 420 | 390 | 176 | 165 | 154 | 143 | 304 | 285 | 266 | 247 |
F | 178.17 | 190.61 | 199.83 | 177.74 | 461.92 | 485.13 | 456.47 | 410.65 | 109.71 | 113.01 | 81.90 | 109.09 |
Adj R2 | 0.918 | 0.914 | 0.908 | 0.916 | 0.936 | 0.938 | 0.931 | 0.940 | 0.915 | 0.908 | 0.906 | 0.914 |
从表7可知，在引入研发资本投入变量后，虽然回归系数的大小有所变化，但其系数符号并未改变，主要回归结果与前文的结果之间并未表现出明显差异，因此回归模型不存在严重的内生性，主要结论仍然稳健。
四、结论及启示
政府科技补贴对区域创新影响较大，但影响的方式、程度及范围仍然缺乏定论。本文从政府科技补贴强度的角度进行实证分析后，得出以下主要结论：首先，在全国层面上，政府科技补贴强度与区域创新能力之间存在较为明显的倒U型关系，其拐点出现在政府科技补贴强度5%左右的范围内。其次，对数据的描述性统计分析发现，当前各样本省(市)的科技补贴强度在多数情况下均低于5%，即总体上仍处于倒U型曲线的上升阶段。第三，在地区层面上，政府科技补贴强度对区域创新能力的影响存在着差异，东部地区倒U型关系较为显著，而中西部地区则并不明显。
通过对政府财政支持科技创新的研究，有助于进一步理解政府科技支持政策对区域创新能力的影响，从而在实践中采取更加有针对性的财政政策。具体政策含义主要包括：(1)政府相关部门必须合理把握对创新的补贴力度，以确保科技支持政策对区域创新发挥推动作用。在加大科技财政投入时，应当警惕政府科技补贴强度过高，以至于越过倒U型曲线的拐点，落入“创新补贴陷阱”。当前政府科技补贴强度的合理水平应该在5%左右，但大多数省市的科技补贴强度仍低于这一水平，因此，在现有的创新条件下，各省市应进一步提高科技补贴力度，同时注意使补贴比例不要超过上述合理的水平。(2)由于东部地区科技补贴强度较高，倒U型关系显著，因而东部省市要注意过高的科技补贴的潜在不利影响，需要优化财政支出结构，提高科技补贴效率。(3)中西部地区倒U型关系尚不明显，要继续提高科技财政支出的比重，以推动地区创新水平的提高；同时科技财政支出要向优化创新基础和改善创新环境等方面倾斜，以解决中西部地区创新基础较为薄弱的状况。
注释：
①为了避免引入平方项后所带来的共线性问题，参照吴晓云等(2013)的做法对变量进行了标准化处理。
②其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省市，其余各省市则划归为中西部地区。