科技创新共同体推文99|公共研发补贴能否促进企业的探索性创新?中央和地方补贴计划的异质效应

中国的快速发展引起了学术界和决策者的三大担忧。首先，在成本优势和巨大的国内市场需求的刺激下，中国公司主要依靠模仿，并对现有产品或技术进行增量创新。其次，大多数中国制造公司因其技术水平和增值能力低下而锁定在全球价值链的低端。第三，随着增长放缓，中国传统的投资驱动发展模式可能已经达到极限。

针对这些担忧，中国中央政府启动了《国家中长期科技发展计划（2006-2020年），敦促中国企业进入新兴技术领域，创造新市场，进行产业升级，并通过自主创新实现可持续发展。为了应对中央政府的战略指导，鼓励中国企业通过吸收和采用新知识进行探索性创新。

基于新知识的探索性创新一方面为企业的新技术组合提供了来源，以打破对熟悉知识和解决问题方法的路径依赖的学习陷阱。探索性创新还有助于企业抓住新的新技术机会，但这些机会却被现任者忽视了。对于发展中国家公司，特别是那些从事技术水平相对较低的传统部门的公司来说，探索性创新和相关学习行为可能会引发突破性发明，这随后帮助他们实现产业升级，摆脱甚至跳过发达国家公司建立的技术轨迹。

为了应对这一差距，我们试图回答：公共研发补贴能促进企业的探索性创新吗？为了全面揭示研发补贴的影响，我们考虑了与补贴提供者和接受者相关的应急因素。工业集聚的专业化程度如何调节研发补贴对企业探索性创新的影响？

2.1 公共研发补贴与企业探索性创新

通过探索性创新，企业可能进入一个全新的技术领域，甚至改变其技术重点，从而进一步触发技术进步和增值方面的升级机会。

然而，探索性创新通常伴随着高成本，并且往往受到通用资源和专用资源的限制。公共研发补贴作为促进创新的常用政策工具，可以帮助企业在创新过程中缓冲资源约束。研发补贴计划的设计符合强调新兴技术领域和发展方向的政府政策。特此指导接受方公司在被视为合法且享有政府认可利益的有前景的技术领域开展探索活动。

假设1a：接受公共研发补贴有助于企业探索性创新。

尽管有好的一面，但不少研究表明，研发补贴可能会对企业的创新绩效产生负面影响。①补贴赞助者和接受者的利益不一致。② 公共研发补贴可能会挤出企业自身的创新投资。

因此，受赞助公司可能会停滞不前，甚至减少其在探索性创新方面的投资，因此提出了一个相互竞争的假设：

假设1b：接受公共研发补贴会抑制企业的探索性创新。

2.2 中央和地方政府的研发补贴计划

与地方省级政府相比，中央政府通常向受援国企业提供更多的通用财政资源。考虑到分级治理结构，从中央项目获得补贴可能会给企业带来地方项目无法提供的全国范围的支持。考虑到中央政府补贴计划提供的资源慷慨和全国认可的优势，我们建议：

假设2a：与地方研发补贴计划相比，中央计划能更好地促进企业的探索性创新。

由于地理位置接近，地方政府与赞助企业有更多的互动和信息交流，这减少了信息不对称，使地方政府能够了解企业的实际需求。地方政府在经济上也更接近企业，可以直接受益于其管辖范围内企业的发展。除了地理和经济上的邻近性，地方政府在行政上也与当地公司有很大的距离。因此，我们提出以下替代假设：

假设2b：与中央补贴计划相比，地方补贴计划能够更好地促进企业的探索性创新。

2.3 产业集聚与公共研发补贴的互动

高水平的专业集聚企业可能倾向于停留在特定的学习模式中，并表现出知识同质性，这进一步损害了它们的探索意图和机会。公共研发补贴可以帮助企业克服产业集聚带来的问题，为接受者创造一个资源丰富的环境。专业化产业集聚为企业的探索性经营提供了良好的基础，增强了研发补贴对探索性创新的激励作用。我们在此提议：

假设3：在获得公共研发补贴后，具有高度专业化集聚的行业中的企业更有可能进行探索性创新。

3.1 数据

为了调查中央和地方研发补贴计划对企业探索性创新的影响，本研究使用了江苏省科学技术厅进行的一项官方调查的小组数据集。

我们选择了2010年至2014年连续上市的高科技制造公司，并总共抽取了2243家公司的样本。并排除了观察期短的公司。其次，因虚假信息报告而被取消资格的公司被排除在外，以确保结果的稳健性。最后，从CNIPA网站上检索到符合筛选标准并有发明专利记录的2024家公司。我们对专利的搜索范围从2006年到2016年。

公共补贴不是随机分配给公司的，因此如果我们直接比较补贴接受者和非受助人的业绩，就会出现选择偏见。为了减少这种偏见，我们根据广义增强模型对数据进行处理。

匹配后的样本包括240家公司，有1198家公司年观察。图1显示了预匹配样本和匹配样本中倾向分数的分布，显示了高度平衡。

3.2 变量

3.2.1 因变量

研究的因变量为探索性创新，通过新专利的比例来衡量，该比例计算为具有新知识的专利在给定年份的目标公司所有专利申请中的比例。

对于稳健性检验，我们还使用新专利的计数数量，计算为特定年份目标公司产生的新专利申请总数，作为探索性创新的替代测量。

3.2.2 自变量

我们使用虚拟变量来表示参与公共研发补贴计划（补贴）。补贴从公司获得补贴的年份中设为1，包括该年，并在该年之前设为0。对于从未获得补贴的公司，补贴设为0。

3.2.3 交互变量

本研究的交互变量，即产业集聚的专业化程度，是通过区位熵（LQ）来衡量的，区位熵是经济地理学和区域研究文献中的经典衡量指标。

3.2.4控制变量

我们还控制了几个可能影响企业探索性创新的变量。首先，控制三个公司级技术相关变量的影响，即技术多样性、能力和知识储备。技术多样性（Tech_Diver）是根据以下熵指数计算的

技术多样性：

技术能力：通过公司无形资产与总资产的比率来衡量。

公司的知识存量：知识储备的观察期从2006年开始。此外，由于公司规模与专利数量之间可能存在高度相关性，我们将知识库存除以每家公司的员工人数。

除此之外，还控制了反映公司吸收能力的两个变量，即高教育员工比例和研发强度。高教育员工比例的衡量标准是拥有学士学位或以上员工总数的比例，研发强度以研发支出占公司总销售额的比例来衡量。

3.3 方法

在我们的PSM样本中，超过51.7%的观测结果的Explor_ratio值为0，13.0%的值为1。Explore_ratio的大量观察结果为0或1。因此，我们采用具有随机效应的面板数据Tobit模型进行统计分析。

在稳健型检验中，替代因变量，即新专利的数量，是一个只有非负值的计数变量。由于计数数字的高方差（平均=1.98，方差=11.44），采用了负二项式模型。

4.1 描述性分析

Subsidy表示补贴的接受者，而Local和Central表示补贴的来源。其次，交互变量位置商（LQ）与Subsidy没有显著关联，因此在回归分析中没有留下对潜在偏差的担忧。第三，虽然资本密集度和公司规模之间的相关性意味着多共线性的可能性，但方差通胀系数（VIF）（平均=2.01，最大=5.17）表明没有多共线性。

表2显示了每年在基于GBM的匹配样本中开始接受补贴的公司数量。

4.2 公共研发补贴与企业探索性创新

模型2中的补贴系数表明，接受公共研发补贴对探索性创新有积极影响（b = 0.304，p<0.01）。因此，假设1a支持假设1b。

模型3表示来自不同来源的补贴表现出异质效应：接受当地研发补贴使公司的探索性创新增加了19.1%（b = 0.396，p < 0.01），而中央补贴的这一积极影响仅为10.0%（b = 0.207，p < 0.01）。分析表明，地方补贴的效果明显大于中央补贴。这为假设2b提供了强有力的证据。

模式3隐含地假设补贴接受者的在探索性创新的补贴前水平与对照组（即从未获得补贴的公司）的水平相似。Model 4引入了两个虚拟变量Local和Central我们发现，虽然中央补贴接受者的创新补贴前水平比对照组低11.6%（b=-0.239，p<0.05），但当地受赠者的水平比控制组低30.3%（b=-0.625，p<0.01）。

模型6说明了工业聚集的专业水平与补贴效果之间的相互作用。表明，研发补贴对省级地区高度专业化行业的企业的影响更大：当LQ增加1时，补贴的积极影响增加了7.7%（b=0.160，p<0.05）。因此假设3得证。

4.3 稳健性检验

我们进行三步稳健性检验。首先，我们保留所有变量，并通过采用具有固定效果的标准的面板回归模型重新进行回归。其次，我们采用新专利的计数数量作为替代依赖变量，并使用固定效应负二项式模型重新运行回归。

表4说明了主要影响（模式7和10）、中央和地方补贴计划之间的异质效应（模式8和11）以及工业聚集的相互作用效应（模式9和12）的结果。所有估计结果与面板数据Tobit回归的结果几乎相同，为经验结果提供了额外的支持。

第三，我们通过采用基于二进制处理的PSM来扩展样本。虽然基于GBM的匹配完全控制了地方和中央研发补贴接受者的选择偏见，但接受中央和地方补贴的公司的许多观察被排除在样本之外。为了检查结果是否有助于纳入对补贴接受者的更多观察，我们使用接受当地或中央研发补贴的公司作为治疗小组，以匹配那些既没有地方或中央公共补贴的公司。根据PSM样本，我们重复了面板数据Tobit回归。表5报告了结果，这些结果与表3的结果几乎相同。

4.4 替代解释

我们采用生存分析来调查这一替代解释。表6中的模型17至19显示了探索性创新的生存分析。模型17使用整个样本，而模型18和19分别通过排除中央补贴和地方补贴的接受者来估计地方补贴和中央补贴的影响。这些结果证实了我们之前的分析，并证实了我们之前获得的结果对另一种类型的分析是鲁棒的。如模型17所示，研发补贴极大地促进了企业的探索性创新：接受研发补贴大大缩短了企业开始探索性创新所需的时间，而当地研发补贴的效果比中央补贴更强（模型18与19）。

模型20至22中的生存分析表明，公司倾向于恢复到以前熟悉的领域。如模式20所示，研发补贴的接受者比对照组更有可能回到熟悉的领域。然而，这种象征性的探索只存在于中央补贴的接受者身上（模型22），但在接受当地补贴的公司（模型21）中不存在。因此，我们可以得出结论，当地研发补贴对企业探索性创新的积极影响可以用学习视角而不是替代解释来更好地解释。

在本研究中，我们调查了接受公共研发补贴对企业探索性创新的影响。我们发现的一个亮点是，接受公共研发补贴可以显著增加公司进行探索性创新的可能性，特别是对当地研发补贴的接受者或嵌入高度专业化聚集的行业的接受者来说。实证结果表明，与中央计划相比，当地研发补贴计划可以更好地促进企业的探索性创新。人们还发现，与我们的预测相反，接受中央补贴的公司更有可能在探索性创新后返回熟悉的技术领域。

Innovation_Community