精准研发补贴对制造业企业创新能力的影响研究_王蔷瑞.pdf

现代营销下旬刊2023.06XDYX战 略一、引言党的二十大报告明确指出“创新是第一动力”，深入实施创新驱动发展战略成为我国经济实现从“数量增长”到“质量增长”的必然选择。企业是创新的微观主体，为激发企业创新活力，国家出台了一系列政策促进企业创新。然而，“大水漫灌”的效果并不理想。随着新时代对于政策“精准性”的要求不断提高，精准补贴逐步成为重要方向。精准研发补贴是相对于一般研发补贴而言的，是研发补贴政策的“高级”状态，可以理解为一种具备“精准”性质、达到“精准”标准的研发补贴政策（王春城，2018）。以精准研发补贴提升制造业创新能力，成为推进创新驱动发展战略的重要突破口。基于上述分析，本文从精准研发补贴视角，整合资源基础理论、信号理论和注意力基础观等多个理论，揭示精准研发提升制造业创新能力的作用机制，并以河南制造业上市公司为例进行实证研究，为河南省利用精准研发补贴提高制造业企业创新能力提供经验支持。二、理论分析与研究假设研发补贴究竟“如其所愿”，还是“事与愿违”尚无定论（李万福等，2017）。有研究显示，政策补贴对企业创新起到了积极作用（李丹丹，2022），但也有文献表明，政府补贴可能产生“挤出”效应（Gorg和Strobl，2007）。实际上，并不是任何一项政策都能充分激发企业创新活力，政府研发补贴政策能否取得实效，其中一个重要的前提是政策本身的精准性。精准研发补贴对制造业企业创新能力的影响，主要体现在以下方面。从资源角度来看，精准研发补贴能够通过定向资源配置机制提升制造业企业创新能力。资源基础理论认为，企业是各种资源的集合体，企业所拥有各种资源的异质性决定了企业竞争力的差异（Wernerfelt，1984）。企业创新活动更是离不开资金支持，而精准研发补贴能够实现政府资金的定向配置。精准性要求研发补贴政策在目标、对象、工具、效果等方面，都需具备“精准”特征。在补贴过程中，针对企业发展阶段和自身特性适时、适量发放补贴，定向精准地对企业进行资金支持。这种“量体裁衣”的精准补贴，能够有效缓解企业的资金压力，从而有助于企业的创新发展。从信号效应来看，精准研发补贴可以作为一种重要的信号传递媒介，缓解融资约束。精准研发补贴给企业贴上政府认可的标签，向外界表明企业的形象和行为符合政府乃至社会的期望，有助于获取外部融资（吴伟伟和张天一，2021）。此外，精准研发补贴在企业与政府之间建立了关联，减少企业在融资过程中的制度压力。融资约束的降低，有利于企业获得更丰富的创新资金来源，从而提高创新能力。从注意力基础观来看，精准研发补贴通过内源性激励机制来提升被补贴企业的创新能力。注意力基础观认为，企业的行为是管理者注意力配置的结果（Ocasio，2011）。高管配置在创新上的注意力越多，企业的创新强度就越高（曾宪聚等，2020）。精准研发补贴能够对企业管理层形成内源性激励效应，表现为企业创新注意力的提高。一方面，精准研发补贴通过准确识别补贴对象，精准确定补贴规模和补贴方式，能够较好地契合企业对于政策资金的期望和需求，激发管理者创新的信心和积极性。另一方面，精准研发补贴过程中会对企业行为及绩效进行必要的监督和评价，从而促使管理者更多关注创新。在实践中，相关部门往往以上一政策周期的企业创新表现，作为下一周期研发补贴的决策依据。企业为了获取更多的政策资金，将投入更多精力提高本期的创新绩效。基于上述分析，本文提出假设H1：精准研发补贴能够提高企业创新能力。三、研究设计（一）样本与数据本文选取20112020年河南省制造业上市公司作为研究样本，剔除带有ST和PT标志的样本与核心变量数据缺失精准研发补贴对制造业企业创新能力的影响研究王蔷瑞（河南师范大学商学院河南新乡453007）摘要：精准研发补贴是提高制造业企业创新能力的重要手段。本文从资源配置机制、信号效应机制、内源性激励机制三个维度，揭示了精准研发补贴对制造业企业创新能力的影响机制，并以河南省制造业上市公司为例进行实证研究。结果发现，精准研发补贴能够显著提高制造业企业创新能力。机制检验表明，精准研发补贴通过提高研发投入、降低融资约束、增强创新注意力三个渠道发挥作用。异质性分析表明，精准研发补贴对制造业企业创新能力的提升作用，受企业规模、所有制和生命周期的影响。关键词：精准研发补贴；制造业企业；创新能力基金项目：河南省哲学社会科学青年项目资助（编号：2019CJJ080）中图分类号：F204文献识别码：ADOI：10.19932/ki.22-1256/F.2023.06.001001现代营销下旬刊2023.06XDYX战 略的样本，最终得到469个“公司年份”观测值。精准研发补贴数据来自国泰安数据库。本文从国泰安数据库中获取了20112020年河南制造业上市公司补贴数据，并通过手工整理识别精准研发补贴。企业财务数据来自Wind数据库，专利数据来自CNRDS数据库，创新注意力数据来自WinGo数据库。（二）变量度量（1）被解释变量。创新能力（Innov），采用企业专利申请数来度量创新绩效。我国专利分类包括发明、实用新型和外观设计三种，其中发明专利的质量最高，被认为是“实质性创新”。因此，本文参考黎文靖和郑曼妮（2016）采用发明专利申请数的自然对数来度量创新能力。（2）解释变量。精准研发补贴（Sub），精准研发补贴是本文提出的一个崭新概念，学界尚未给出精准研发补贴的量化方法。国泰安数据库收录了企业获得的政府补贴金额以及相关明细的详细描述，这为本文识别精准研发补贴提供了依据。因此，本文从国泰安数据库中获取河南制造业上市公司政府补贴数据，然后通过手工对各项补贴明细及其描述进行逐条分析，判断其是否为研发补贴，以及是否为精准补贴，最后按年份将企业同年获得的精准补贴金额相加，并除以企业总资产，以此来衡量精准研发补贴。精准研发补贴的判定步骤如下：第一，筛选研发补贴。从国泰安数据库中获取了20112020年河南制造业上市公司补贴数据，共计13305条记录。参考郭玥（2018）的研究，如果出现研发相关的关键词，则判定为研发补贴。第二，识别精准研发补贴。对于第一步得到的样本展开更深入分析，如果研发补贴明细中涉及具体的研发项目或研发专项，则判定为精准研发补贴。（3）中介变量。第一，研发投入（Rd），用以衡量资源定向配置效应。考虑到企业规模的巨大差异，本文采用研发投入金额占营业收入的百分比进行度量。第二，融资约束（KZ），用以刻画信号效应。本文采用KZ指数来衡量。第三，创新注意力（Atten），用以刻画内源性激励机制。企业年报包含了管理层对企业过去一年经营活动的总结回顾，能够反映企业的战略执行及资源配置情况，是企业注意力的外在表现。因此，本文采用企业创新相关的关键词词频，除以年度报告总字数来度量，数据来源于WinGo数据库。（4）控制变量。本文控制了如下变量：企业规模（Size），以总资产的自然对数表示；上市年限（Age），以观测年份与上市年份之差的自然对数表示；企业所有制（Soe），国有企业为1，非国有企业为0；两职合一（Dual），如果董事长与总经理两职合一则为1，否则为0；大股东持股（Top1），以第一大股东持股比例来衡量；董事会规模（Board），以董事会人数来度量；现金流（Cash），以企业经营现金流比率来度量。四、实证结果与分析（一）基准回归本研究运用 stata16.0 软件进行基准回归，结果见表 1。模型1的结果显示，精准研发补贴的回归系数为0.521，并且在5%的水平上显著，表明精准研发补贴能够提高河南制造业企业创新能力。为了确保基准回归的稳健性，本文还采用另外三种方式进行了回归：第一，替换被解释变量，采用上市公司专利申请总量的自然对数来度量创新能力，结果见模型2。该模型中精准研发补贴的系数为0.568，在5%的水平上显著。第二，采用随机效应模型进行估计，结果见模型3。该模型显示精准研发补贴的系数在1%的水平上显著为正。第三，考虑到2015年股市出现较大波动可能导致估计结果出现偏差，剔除2015年的样本并进行回归，结果见模型4。该模型中精准研发补贴的回归系数为0.52，在5%的水平上显著。可以看出，模型2至模型4的回归结果，与基准效应检验结果保持较高的一致性，从而进一步支持了本文提出的假设。表1基准回归结果变量Sub控制变量ConstantR-squaredObservations模型1发明专利0.521*(2.25)Yes-19.566*(-8.000)0.283469模型2专利总数0.568*(2.48)Yes-9.822*(-3.54)0.366469模型3随机效应0.578*(2.67)Yes-14.388*（-6.54）0.371469模型4剔除特殊年份0.520*(2.17)Yes-15.615*(-5.10)0.394416注：*、*、*分别表示1%、5%、10%的显著性水平，括号内为t值，下同（二）机制检验本文采用逐步回归法检验三个中介机制，结果见表 2。模型1、模型2用于检验资源定向配置机制。模型1的被解释变量是研发投入，精准研发补贴的回归系数为0.733，在10%的水平上显著，说明精准研发补贴提高了企业研发投入。模型3的被解释变量为创新能力，该模型中研发投入的系数为0.055，在10%的水平上显著，同时精准研发补贴的回归系数显著为正（0.549，p0.05），说明研发投入在精准研发补贴与企业创新质量之间，发挥部分中介作用。模型3、模型4用于检验信号效应机制。模型3的被解释变量为企业融资约束，可以看出精准研发补贴的回归系数为-0.968，在1%的水平上显著，说明精准研发补贴降低了企业的融资约束。模型4的被解释变量为创新能力，融资约束的回归系数为-0.089，在5%的水平上显著，精准研发补贴的回归系数显著为正（0.411，p0.1），表明融资约束是精准研发补贴促进制造业企业创新能力的中介机制。模型5、模型6用于检验内源性激励机制。模型5的被解释变量为企业创新注意力，回归结果显示，精准研发补贴的回归系数为正（0.483），且在5%的水平上显著，意味着精准研发补贴提高了企业创新注意力。模型6的被解释变量是002现代营销下旬刊2023.06XDYX战 略创新能力，回归系数为0.479，在5%的水平上显著，同时精准研发补贴的回归系数仍显著为正（0.096，p0.05），表明创新注意力在精准研发补贴与高质量创新之间，发挥部分中介作用。表2中介机制检验变量Sub中介变量控制变量ConstantR-squaredObservations资源定向配置机制模型1Rd0.733*(1.91)Yes11.58*(2.41)0.099450模型2Innov0.549*(2.47)0.055*(1.85)Yes-16.10*(-5.79)0.368450信号效应机制模型3KZ-0.968*(-3.15)Yes14.42*(3.83)0.439454模型4Innov0.411*(1.88)-0.089*(-2.46)Yes-14.15*(-5.24)0.375454内源性激励机制模型5Atten0.483*(2.00)Yes1.422(0.49)0.219461模型6Innov0.096*(2.02)0.479*(2.14)Yes-16.083*(-5.97)0.375461（三）异质性检验本文选取企业规模、所有制和生命周期三个维度进行异质性检验，结果见表3。首先，对于企业规模异质性，本文按照均值将企业规模划分为大规模和小规模企业，并进行分组回归，回归结果见模型1和模型2。模型1中，对于大企业来说，精准研发补贴的回归系数为负，但不显著。模型2显示，对于小企业来说，精准研发补贴回归系数为0.703，在5%的水平上显著。这表明，精准研发补贴更能提升小企业的创新数量和创新质量，对大企业创新数量和创新质量的影响不显著。其次，对于所有制异质性，根据企业是否为国有企业进行分组回归，结果见模型3和模型4。可以看出，精准研发补贴对非国有企业创新数量的影响，在5%的水平上显著为正，但是国有企业的回归系数不显著，说明精准研发补贴