政府采購政策對高新企業創新活動影響的效應分析

馬承君，王建國，楊穎梅，劉　杰

(1.北京信息科技大學經濟管理學院，北京　100192；2.綠色發展大數據決策北京市重點實驗室，北京　100192)

當前，中國經濟發展已經從高速增長過渡到中高速增長的新常態階段，要想長期保持中高速增長的態勢，需要加快從要素驅動轉向創新驅動的步伐。創新的主體是企業，但由于存在正外部性，企業的創新活動存在市場失靈現象，這時需要政府實施創新政策，彌補市場失靈導致的損失。創新政策可以分為供給型、需求型和環境型三大類[1]，其中，政府采購作為需求型創新政策之一，很早就已經被許多國家所采用。從理論上看，政府采購能夠拉動市場對新產品的需求，幫助企業提高創新收益，降低創新風險。從實踐上看，美國、德國等國家通過實施政府采購政策，扶持了本國高新技術產業的發展，促進了本國整體創新能力的提升[2]。

發展高新技術產業，同樣是中國努力提升國家創新能力的措施之一，創新政策中的政府采購政策越來越受到各級政府的重視。然而，中國的政府采購制度尚不完備，采購水平與歐美等國家存在差距[3]，這就可能影響政府采購政策的實施效果。政府采購資金來源于國家財政的公共預算經費，而公共預算是有限的，如果政府采購政策沒有對高新技術產業發展起到應有的促進作用，就會造成浪費。政府采購政策究竟在多大程度上激勵了高新企業的創新活動，有待進一步量化。同時，由于潛在創新企業與在位創新企業面臨不同的創新成本，進而具有不同的創新決策行為(即是否創新和創新多少的決策)，這可能使得政府采購政策對兩類企業創新活動的影響效果存在差異。為此，本文從潛在和在位創新企業視角，考察政府采購與企業創新活動之間的關系，這對于研究政府采購政策的創新效應具有重要意義。

1　政府采購影響企業創新活動的路徑

根據政府采購相關理論可知，政府采購的主要政策目標包括促進經濟增長、調節經濟周期性波動、保護民族企業發展和促進社會創新水平提升等[4]。根據Vecchiato等[5]的觀點，政府采購屬于需求型創新政策，需求型創新政策是供給型創新政策的補充，從長期來看，與研發補貼相比，政府采購對創新有更大的推動作用[6]。政府采購可以創造對新產品的需求，或者增加潛在的消費需求，還能夠提出明確的新技術要求，激勵企業提高現有技術水平[7]。

圖1　政府采購政策影響企業創新活動的路徑

具體來看，政府采購通過拉動市場對新產品和新技術的需求提高企業創新的路徑有以下幾點：第一，提供穩定的市場，降低新產品和新技術的市場風險[8-9]。在創新鏈的中間試驗和初期市場化環節，投資多，風險大，但又缺乏市場關注，這一環節是所有創新企業都會面臨的難題，而政府采購可以為新產品和新技術提供穩定的銷售渠道，解決這兩個環節的資金問題，降低企業財務風險[8]。第二，提供較高的訂單價值，增加企業的創新收益[10]。與市場采購相比，政府采購往往有更高的價格[11]和更大的訂單量，較高的價格能夠為企業帶來更多的利潤，創新收益也相應更高；更大的訂單量能夠使創新企業產生規模經濟效應，提高生產效率[12]。第三，加速市場化進程，降低創新成本。政府采購政策能夠加速新產品和新技術的市場化進程，縮短創新投入資金的回收周期，提高研發資金利用率，降低研發成本。第四，產生示范效應，激發其他企業對新產品的需求[9,13]。政府采購政策有利于營造良好的創新環境和社會環境，引導私人資本流向這些產品和技術，鼓勵、刺激新產品和新技術的發展[14]。

國內外學者在政府采購政策促進企業創新方面做了大量研究。孫曉華[15]基于歐盟9個國家的面板數據進行OLS回歸，發現政府公開采購能夠有效驅動技術創新，而由于缺乏競爭性及針對性，政府采購總額與專利數量呈負相關關系。Aschhoff等[16]基于德國1100多家企業截面數據的研究表明，政府采購與知識溢出對創新的效果大致相同，但是政府采購對小規模企業的創新尤其有效。也有學者利用中國的數據進行研究，基于全國性數據或省際數據的研究大都表明，政府采購對中國的自主創新水平的提升具有較強的促進作用[17-20]。徐進亮等[21]基于北京和廣西地區區域數據運用VAR方法進行實證分析，研究表明，政府采購對地區的創新投入和創新產出均存在正向促進作用，但發揮作用時間較長，需要兩年左右時間才能對自主創新起到顯著的促進作用。

目前關于政府采購政策促進企業創新方面的理論基礎比較完善，但在實證研究方面還存在不足。第一，現有相關研究幾乎沒有區分政府采購對潛在創新企業和在位創新企業創新活動的影響，但由于兩類企業存在創新決策的差異性(即是否創新和創新多少的差異性)，對此進行區分是必要的。第二，現有相關文獻中缺乏從微觀層面研究政府采購對企業創新活動的影響，與本文相近的研究是杜勇濤[11]，但是他僅運用了簡單的統計方法，缺少影響效果的量化。第三，現有的計量模型多難以克服模型內生性和選擇性誤差等問題，現有的回歸分析、灰色關聯度分析[17]、格蘭杰因果檢驗[19]等方法均無法避免企業異質性導致的估計偏誤，研究結果的科學性有待進一步驗證，國外僅有Aschhoff等[16]嘗試利用微觀企業數據，它的不足之處在于匹配樣本數量較少，說服力不夠強。

2　研究方法與數據

2.1　數據來源

中國的高新企業大多集中在高新區，其中，中關村示范區(以下簡稱“示范區”)是中國建立最早且發展最為成熟的國家級高新區，無論從企業數量上看，還是從企業體量上看，示范區都是中國最大的高新企業聚集區，經濟總量遠超其他高新區，示范區內高新企業對政策的反饋效果能夠在很大程度上代表中國高新產業整體的政策實施效果，因此本文將示范區內高新企業作為樣本進行研究。本文采用的微觀企業數據由中關村國家自主創新示范區管委會提供，涵蓋了示范區2012—2015年所有納入高新技術企業范圍并上報有效年度報表的企業。該數據覆蓋企業眾多，涉及企業信息豐富，包括企業的基本情況、經營狀況、人力資源和研發活動等諸多指標。在確定研究考察的企業樣本選擇標準時，由于本文研究的是政府采購政策對企業創新活動的影響，而不考慮企業的市場進入和退出過程，因此本文選取的是2012—2015年持續經營的企業。

在剔除數據異常的企業后，共有8351家企業納入樣本統計范圍。首先，就獲得政府采購合同的企業比例來看，在考察期(2013—2015年)內獲得政府采購合同的企業比例分別為2.74%、2.91%和2.73%，這表明，從本文樣本看，僅有少數企業能夠獲得政府采購合同，絕大多數企業并未享受到政府采購政策。其次，就獲得政府采購合同企業的人均政府采購合同金額而言，在考察期內人均政府采購合同金額分別為0.0557、0.0599和0.0564，而對應的中位數則為0，遠小于均值，這表明人均政府采購合同金額的分布呈明顯的偏態分布。

2.2　變量選擇

從本文的研究目的出發，基于傾向指數匹配模型，以及相關經驗研究，本文主要涉及的變量及其詳細解釋見表1。本文從企業的創新產出和創新投入兩個方面衡量企業的創新活動，創新產出的衡量指標包括新產品銷售收入、新產品銷售收入占總收入比重(以下簡稱“新產品銷售收入占比”)、專利申請數及人均專利申請數，創新投入的指標包括研發經費投入、人均研發經費投入和研發密集度。同時，由于不同行業的企業在勞動生產率等方面存在一定差異，結合行業整體的勞動生產率等特點，本文將11個行業大類的企業分成4個子集，包括信息服務業、科研服務業、工業和建筑業、其他行業。

表1　主要變量的定義和說明

本文首先根據高新企業2014年獲得政府采購的情況，對各變量進行描述性統計分析，表2給出了描述性統計分析結果，其中控制組指的是未獲得政府采購的企業，處理組指的是獲得政府采購的企業。從均值看，在創新指標上，處理組企業在研發經費投入、人均研發經費投入、新產品銷售收入、新產品銷售收入占比、專利申請數、人均專利申請數等創新活動指標上均顯著高于控制組企業；而在特征變量上，處理組企業的年齡和規模高于控制組企業，比控制組企業更可能屬于信息服務業、工業和建筑業，在其他特征變量上兩組企業無顯著差異。

表2　2014年處理組與控制組主要變量對比

2.3　傾向指數匹配法

本文選擇傾向指數匹配法(PSM)來估計政府采購政策對企業創新活動的影響。之所以沒有直接比較獲得政府采購的企業與沒有獲得政府采購的企業之間的差異，是因為一般而言，政府采購合同不是隨機分配給企業的，如果獲得政府采購的企業的創新水平更高，并不能直接推出這是由于企業享受政府采購政策而直接導致的，也許是企業自身原本就有較強的創新能力，使得企業的創新水平更高。這其中的關鍵問題是，在企業享受到政府采購政策之后，則無法觀察到這個企業在沒有享受到政府采購政策情況下的創新狀態，即“反事實情形”。

為了構造這個“反事實情形”，本文使用Heckman、Lalonde和Smith提出的“傾向指數匹配方法”。這種方法的基本原理是，將處理組中企業與控制組中企業匹配，使得匹配后的兩個樣本組的配對企業之間僅在是否獲得政府采購合同上不同，而其他方面都相同或相似。這樣就能夠用控制組最大程度地近似代替處理組的“反事實情形”，進而比較兩組企業在創新活動上的差異。

匹配結果還要符合“共同支持條件”與“平衡性能條件”?！肮餐С謼l件”是指處理組中的企業傾向指數不高于控制組中企業傾向指數的最高值，同時也不低于控制組中企業傾向指數的最低值，因此在匹配過程中，不僅要剔除處理組中傾向指數高于控制組中傾向指數最高值的企業，還要剔除處理組中傾向指數低于控制組中傾向指數最低值的企業?！捌胶庑阅軛l件”是指在匹配后的處理組和匹配成功的控制組企業的各個協變量沒有顯著差異，即在企業規模、勞動生產率、人力資本密集度等方面沒有顯著差異。

3　實證檢驗結果

3.1　變量相關關系分析

在相關關系分析中，本文用企業創新產出的虛擬變量和創新投入與產出的實際值作為被解釋變量，用企業是否獲得政府采購的虛擬變量作為解釋變量，分別用Logit和OLS模型對高新企業的數據進行回歸。

首先，當以“企業創新與否”的虛擬變量作為被解釋變量，即以新產品銷售收入、專利申請數和研發經費投入作為被解釋變量時，以企業是否獲得政府采購虛擬變量作為解釋變量，進行Logit回歸，回歸結果見表3。由模型1可知，2013年政府采購虛擬變量的系數為1.55，且在1%水平上顯著，表明獲得政府采購企業的新產品銷售收入比沒有獲得政府采購的企業高1.55個單位，而2014年和2015年獲得政府采購企業的新產品銷售收入比沒有獲得政府采購的企業分別高1.50和1.35。

表3　Logit模型回歸結果

同理可知，在模型2和模型3中，獲得政府采購企業的專利申請數和研發經費投入均顯著高于沒有獲得政府采購的企業。就以上結果可以認為：在考察期內政府采購與企業創新活動之間具有顯著正相關關系。

其次，分別以創新投入和創新產出的實際值，包括新產品銷售收入、新產品銷售收入占比、專利申請數、人均專利申請數、研發經費投入、人均研發經費投入和研發密集度作為被解釋變量，以企業是否獲得政府采購虛擬變量作為解釋變量，進行OLS回歸，回歸結果見表4。前6個模型的政府采購變量的系數均顯著為正，且在考察期內實證結果表現得非常穩健，模型7的政府采購變量的系數并不顯著。因此，可以得到初步結論：政府采購與企業創新產出和研發經費投入以及人均研發經費投入之間具有顯著的正相關關系，而與企業研發密集度之間無明顯的相關關系。

表4　OLS模型回歸結果

總的來看，可以認為，政府采購與企業創新活動之間存在顯著的正相關關系，而且這種正相關關系非常穩健。盡管如此，這不足以推出二者之間存在因果關系，二者之間的因果關系還需要采用PSM模型繼續進行實證分析。

3.2　傾向指數匹配結果分析

本文進一步構建PSM模型分析二者之間的關系。首先，本文對潛在創新產出或投入企業、在位創新產出或投入企業進行定義。定義規則是：在考察期內，獲得政府采購合同的前一年沒有創新產出或創新投入的企業劃為潛在創新產出企業或潛在創新投入企業，有創新產出或創新投入的企業劃為在位創新產出企業或在位創新投入企業。之所以對潛在創新企業和在位創新企業進行區分，是因為這兩組企業的創新決策行為是不同的。沉沒成本是影響企業創新活動的重要因素，面對不同的成本，企業可能會做出不同的創新決策。企業在做出創新決策時必須對可能的新產品新技術或者專利研發費用、市場銷售前景進行評估，而這些環節包含了較高的沉沒成本，潛在創新產出企業由于剛剛涉足某項新產品或新技術，其面臨的問題是能否跨越必須投入的沉沒成本進而做出是否創新的決策。對于在位創新企業而言，它已經承擔了沉沒成本，其面臨的問題是承擔起可變成本，進而做出創新多少的決策。

如果政府采購的對象是潛在創新產出企業或潛在創新投入企業，則針對這類企業的采購會不會促使其之后產生創新產出或進行創新投入？反之，如果政府選擇采購的對象是在位創新產出企業或在位創新投入企業，則針對這類企業的采購會不會使得其之后的創新產出或創新投入增加？為了回答這兩個方面的問題，根據企業在獲得政府采購前一年(2013年)的創新活動情況，本文將全部樣本企業集合分為兩部分：潛在創新產出(投入)企業子集和在位創新產出(投入)企業子集，并對每一個樣本企業子集使用PSM方法進行實際因果關系分析。

(1)政府采購與企業是否有創新活動之間的因果關系分析。本文定義處理變量為企業在2014年是否獲得政府采購的虛擬變量，處理變量在企業政府采購金額大于0時為1，否則為0。定義結果變量為企業的創新產出和創新投入的虛擬變量。同時，定義結果變量為2014年或2015年企業開始有創新產出或創新投入，以新產品銷售收入為例，取值規則是在2014年或2015年中的任何一年中企業的新產品銷售收入大于0時為1，否則為0，處理組包括2012—2013年沒有新產品銷售收入、2013年沒有政府采購，而2014年獲得政府采購的53家樣本企業，控制組包括2012—2013年沒有新產品銷售收入、2013—2015年沒有獲得政府采購的6213家企業，全部樣本企業為6266家。當以專利申請數和研發經費投入作為被解釋變量時，其取值規則與新產品銷售收入作為被解釋變量時相同，全部樣本企業分別為5796家和2764家。

本文選擇的匹配方法是“傾向指數匹配方法”，其中的匹配變量包括企業獲得政府采購前一年，即2013年的生產效率(以勞動生產率度量)、人力資本密集度(以高素質員工比例度量)、企業規模(以期末從業人員數度量)、企業成熟度(以企業壽命度量)以及企業出口狀態(以出口情況度量)，通過Probit回歸模型估計傾向指數，為處理組中的企業一一配對傾向指數最接近的控制組企業。此外，行業特點作為影響企業創新活動的因素之一會影響匹配后的結果，為了保證匹配后的處理組企業和控制組企業能處于相似的特征條件下，在匹配時將行業子集變量加入到協變量中。

此外，匹配的結果還需要滿足兩個條件：一是共同支持條件，這個條件在匹配過程中施加，另一個是平衡性能條件，這個條件需要在匹配后驗證。匹配結果與平衡性能檢驗結果見表5。可以看出，在匹配前，處理組企業和控制組企業的匹配變量的雙樣本T檢驗結果顯示：兩組企業在勞動生產率、企業性質方面存在顯著性差異。因此，必須在匹配后再次對匹配變量進行雙樣本T檢驗，以保證匹配結果滿足平衡性條件。

本文分別選用最鄰近匹配法、半徑匹配法和核匹配法，以新產品銷售收入和專利申請數的虛擬變量作為創新產出的結果變量，以研發經費投入的虛擬變量作為創新投入的結果變量，選取勞動生產率、高素質員工比例、企業規模、企業壽命、出口情況以及行業大類虛擬變量作為匹配變量。匹配后發現處理組和控制組企業的所有匹配變量的雙樣本T檢驗均不能拒絕原假設，即匹配后處理組和控制組企業的匹配變量均不存在顯著性差異，滿足平衡性能條件，匹配成功。

表5　潛在創新企業匹配前后雙樣本T檢驗結果

匹配結果如表6所示，ATT即為政府采購對企業創新活動的影響。在新產品銷售收入模型中，處理組企業的值高于控制組企業0.16左右，而且三種方法的結果均非常顯著；在專利申請數模型中，半徑匹配法與核匹配法的處理組企業的值顯著高于控制組，而最近鄰匹配法的值雖不顯著，但符號為正；在研發經費投入模型中，處理組企業的值高于控制組企業0.2左右，而且三種方法的結果均非常顯著。總體來看，在企業其他條件相同的情況下，獲得政府采購的潛在創新企業在隨后進行創新的概率顯著高于沒有獲得政府采購的潛在創新企業，即政府采購確實提高了潛在創新企業創新的可能性。

表6　潛在創新企業PSM匹配結果

(2)政府采購與企業創新活動之間的因果關系分析。上一組的匹配結果回答了兩個問題中的第一個，即對政府采購與企業是否存在創新活動之間進行了因果關系分析。接下來進一步回答第二個問題，即政府采購與企業創新活動之間的因果關系。

本次匹配定義處理變量為企業在2014年是否獲得政府采購合同的虛擬變量，定義結果變量為企業的創新產出和創新投入在2013—2015年的變化。具體來看，以新產品銷售收入的變化作結果變量為例，處理組包括2013年有新產品銷售收入、2013年沒有獲得政府采購、2014年獲得政府采購的所有企業，共47家；控制組包括2013年有新產品銷售收入、2013—2015年沒有獲得政府采購的所有企業，共1835家，兩組企業共1882家。其他變量作結果變量時，對處理組和控制組的定義類似。匹配方法和過程與之前的匹配相同，匹配變量仍為企業獲得政府采購前一年，即2013年的生產效率、人力資本密集度、企業規模、企業成熟度、企業出口狀態和行業虛擬變量。

匹配的平衡性能檢驗結果見表7。匹配后發現處理組和控制組企業的所有匹配變量的雙樣本T檢驗均不能拒絕原假設，即匹配后處理組和控制組企業的匹配變量均不存在顯著性差異，滿足平衡性能條件，匹配成功。

匹配結果如表8所示，ATT即為政府采購政策對企業創新活動的影響。從結果來看，無論是創新產出變量，還是創新投入變量，結果都不顯著，這表明，在企業其他條件相同的情況下，獲得政府采購的在位創新企業在隨后提高其創新產出和創新投入的水平并沒有顯著高于沒有獲得政府采購的在位創新企業，即政府采購政策對在位企業創新活動沒有顯著影響。

表7　在位創新企業匹配前后雙樣本T檢驗結果

表8　在位創新企業PSM匹配結果

3.3　實證結論的進一步分析

為了驗證上述結果的穩健性，本文再次將2011—2014年持續經營的企業作為樣本，采用相同的方法進行分析，結果見表9和表10?？梢园l現，對于潛在創新投入或產出企業而言，政府采購提高了企業產生更多創新投入或新產品銷售收入的可能性。而對于那些已經有創新產出和創新投入的企業而言，政府采購的作用并不顯著，這與前文的研究結果基本一致。

表9　潛在創新企業PSM匹配結果

表10　在位創新企業PSM匹配結果

政府采購對企業創新活動的激勵效應是否會受企業年齡和規模這兩個因素的影響，即對于年齡和不同規模的企業而言，政府采購對企業創新活動的影響是否不同？為此，本文分別以企業年齡和規模的中位數為標準，將前文的處理組企業分為成熟企業和年輕企業，以及大型企業和小型企業，同時，分別對潛在創新企業和在位創新企業采用相同的方法進行匹配，結果見表11。總體上看，對于不同規模或年齡的企業組，前面的結論依然成立，但是不同組別的差異并不顯著。

表11　分年齡和分規模的潛在創新企業與在位創新企業PSM匹配結果

相比于在位創新企業，潛在創新企業的創新意愿更加強烈，創新需求更加迫切，但潛在企業面臨創新沉沒成本(典型的成本包括：儀器設備的采購所引致的固定成本，以及由于研發和生產銷售過程中的信息不完全或不對稱帶來的成本)的問題。只有企業預期的產品銷售收入至少能夠覆蓋這些成本，企業才會開展創新活動。政府采購是潛在創新企業新產品和新技術的重要的穩定銷售渠道，其提供的訂單價值在總的新產品訂單價值中較高(考察期內近半數企業，政府采購合同金額與新產品銷售收入的比值超過20%)，這能夠幫助企業更好地承擔創新沉沒成本。而對于在位創新企業而言，在突破創新沉沒成本之后，面臨的更多的是可變成本(如人工費、廣告費等)。一方面，長期的創新規劃使得創新投入相對而言存在路徑依賴(在考察期內第一年研發經費大于0的企業中，在后兩年均大于0的企業的占比接近七成)，受包括政府采購在內的其他因素變化影響不大。另一方面，在創新產出銷售方面有比較穩定的市場渠道，能夠覆蓋自身的可變成本，再加上政府采購提供的訂單價值在其總的新產品訂單價值中可能較小(考察期內超過三分之一的企業，政府采購合同金額與新產品銷售收入的比值低于20%)，結果，即使沒有政府采購，在位企業的新產品銷售仍將保持相對穩定的狀態。

4　結論與展望

本文基于中關村高新企業微觀數據，在進行相關性分析的基礎上，運用傾向得分匹配方法，解決了模型內生性和選擇性偏誤的問題，同時引入在位創新和潛在創新的概念，研究了政府采購政策對不同特點企業的創新活動影響，完善了關于政府采購政策激勵創新的研究成果。主要結論：對于潛在創新企業而言，從創新產出和投入角度看，政府采購政策有明顯的激勵效果；對于在位創新企業而言，從創新產出和投入，政府采購政策的激勵作用都不顯著。基于實證研究結論，本文提出如下政策建議。

第一，提高潛在創新企業的甄別能力，加大對潛在創新企業的政府采購支持力度。由于政府采購政策對潛在創新企業與在位創新企業的激勵效果不同，政府應該加強對兩類創新企業的甄別能力，在實施政府采購政策時應有所側重，降低政策實施成本，提高資源配置效率，提升政策執行效果。

第二，優化政府采購制度設計，降低政策門檻。目前各級政府的采購政策大都將產品或服務限定于某一個類似于新技術新產品的認定名單。而對于缺乏研發經費的潛在創新企業而言，較高的市場融資成本會影響潛在創新企業的創新意愿。因此，應該優化政府采購實施方案，為潛在創新企業提供類似于預訂、預購，或者類似于項目經費支持等形式，彌補企業研發經費不足，同時為新產品提供銷售渠道，提高企業的創新意愿。

本文的研究僅僅是初步成果，針對政府采購政策對高新企業創新活動影響的研究還需要進一步深化，深化的方向可以從以下兩個方面進行。第一，橫向擴展樣本范圍，本文的樣本僅限于中關村示范區，并未考慮其他地區的企業，而不同地區的經濟發展水平、政府采購規模及其技術運用能力也會影響政策效果。第二，縱向延長樣本數據，本文僅僅利用2011—2015年的兩組數據研究政府采購政策的作用，而政策實施效果可能存在滯后效應，這也是有待改進的地方。