創新政策效果評價：基于行業和區域層面的分析

郭丕斌，劉宇民

(1.太原師范學院 經濟系，山西 晉中 030619； 2.中北大學 經濟與管理學院，山西 太原 030051)

一、引言

從1988年鄧小平同志在全國科學大會上提出“科學技術是第一生產力”開始，到2006年全國科技大會上提出自主創新、建設創新型國家戰略，并頒布《實施〈國家中長期科學和技術發展規劃綱要( 2006-2020 年) 〉的若干配套政策》[1]，尤其是2012 年提出創新驅動發展戰略以來[2]，創新活動不只局限于科技領域，而是實實在在體現在了企業的經營活動之中，“十九大”更是強調要加快建設創新型國家、倡導創新文化，把創新的概念擴展到了經濟、社會、政治和文化的各個方面。隨著創新驅動戰略的深入實施，開展創新政策評價有助于政府了解各類政策工具的實施效果，對進一步完善創新政策組合、加快建設創新型國家步伐具有重要的決策參考價值。

鑒于創新政策評價對創新政策改進和創新活動激勵的重要作用，國內外學者對其進行了系統的相關研究。在概念界定方面，從20世紀50年代末開始，主要強調科學政策與創新研究的概念[3]，而沒有將科學政策與創新政策進行嚴格區分，目前仍然有學者沿用科技創新政策的概念進行科技創新政策的評價[1,4]。但隨著“創新驅動”一詞越來越受到學界的重視，越來越多的學者直接使用創新政策的概念[5-7]，相應地開始進行創新政策評價的研究。在評估框架方面，趙莉曉(2014)[8]基于公共政策的評估邏輯,結合創新政策評估的特點，建立了一套涵蓋政策制定(事前)、政策執行(事中)和政策效果(事后)的創新政策評估框架；Rogge等(2016)[9]拓展了跨學科政策組合概念,提出了由元素、政策過程和特征三方面組成的評估框架；曲婉等(2017)[2]結合創新活動過程，構建了由政策作用對象、創業創新活動和政策評估內容與對象組成的整體性評估框架；Gault(2018)[10]出于監測和評價已實施的創新政策考慮，結合系統評價方法，建立了一個由非金融企業部門、金融企業部門、一般的政府部門、為家庭部門服務的非營利機構和家庭部門等5個部門構成的系統性評估框架，此框架更便于國際比較。在評估內容方面，一些學者從系統角度出發，重點評估創新政策的完整性、協調性及政策效力等內容[7,11-13]，而另一些學者則更加關注政策效果，重點是評估政策實施的有效性問題[14-17]。評估方法方面，對政策內容的分析多用文本挖掘方法[7,12-13,18-20],而對政策效果的分析則涉及的方法較多，有定性的德爾菲方法[21]、軟系統方法[22],也有定量的如因子分析、熵權法和灰色綜合評價法[14]、專利面板數據分析[15,23-24]、聚類系數[25]等,也有學者使用定性與定量相結合的實驗方法進行評價[26]。

綜上，國內外學者在創新政策評價各個方面取得了豐碩的研究成果，尤其是近年來國內學者的研究成果逐漸豐富起來，為科學評價我國的創新政策提供了有益的參考與借鑒。然而，已有文獻在以下三個方面還有改進的空間：(1)已有研究多是針對創新政策文本進行分析，尚缺乏對政策工具實施效果的調查與模型檢驗；(2)從政策效果維度看，還鮮有從企業家感知角度進行研究；(3)對創新政策工具在行業和區域層面的政策效應也缺乏比較性的實證結果。因此，通過定量方法，從企業家對創新政策工具效果感知角度評價我國創新政策工具的有效性，對豐富創新政策評價理論、進一步改進我國創新政策效果有促進作用。

基于當前的研究基礎及研究缺失，本文以企業家對創新政策的感知為切入點，利用《2014年全國企業創新調查統計資料》中的大規模調查問卷數據，從行業和區域兩個層面、用因子分析法對11個行業大類和31個區域(省、市、自治區)進行分析，探索近年來我國9個創新政策工具的政策效果，并據此提出相應的政策改進建議。本文的研究成果對于揭示我國創新政策工具在不同行業和區域層面的影響力和實施效果，進而進行有針對性的調整與改進、加快建設創新型國家的步伐具有重要的實踐意義。

二、數據與方法

(一)數據處理

數據來源于《2014年全國企業創新調查統計資料》。該調查是國家統計局于2015年針對全國企業進行的一項創新情況調查，類似于歐盟創新調查(Community Innovation Survey，CIS)，采用重點調查與抽樣調查相結合的方法，樣本量近44萬家企業，其中規模以上工業企業37.8萬家，特級、一級建筑企業0.9萬家，省級以上金融企業0.2萬家，其他服務企業5萬家，數據量巨大，具有廣泛的代表性。數據涵蓋11個行業和31個區域。

本文所涉及的數據是《2014年全國企業創新調查統計資料》中企業家對9項創新政策效果感知的4級利克特量表結果，即認為創新政策對促進創新有高、中、低、無4種影響。

為了便于開展研究，本文作如下模型假定：

1.假定受訪企業家是理性的，其所作判斷是客觀的；

2.假定評價結果中，認為對創新有高、中影響的兼為積極判斷，二者累加比重視為持積極態度者所占比例；

3.假定持積極態度者所占百分比能夠代表所在行業或區域的總體情況。

此外，對文章符號說明如下。

Xi(i=1,…,9)的取值均為調查表中企業家認為相應政策工具對創新有高、中影響數據之和，具體含義如下。

X1：政策1——企業研發費用加計扣除稅收優惠政策

X2：政策2——高新技術企業所得稅減免政策

X3：政策3——優先發展產業的支持政策

X4：政策4——金融支持相關政策

X5：政策5——創造和保護知識產權的相關政策

X6：政策6——技術轉讓、技術開發收入免征增值稅和技術轉讓減免所得稅優惠政策

X7：政策7——鼓勵企業吸引和培養人才的相關政策

X8：政策8——企業研發活動專用儀器設備加速折舊政策

X9：政策9——科技開發用品免征進口稅收政策

X=(X1,X2,…，X9)T：樣本數據矩陣，B：因子得分系數矩陣

F1：第一因子得分，F2：第二因子得分

αi(i=1,…,q)：方差貢獻率，ZF：因子分析模型的綜合得分

(二)研究方法

針對數據來源涉及到的9個政策工具指標，為了科學合理地評價創新政策工具的實施效果，本文參照朱明皓等學者[14]的方法，運用因子分析和主成分分析法進行評價。

1.在9項政策工具對應的企業家判斷表中，按照前述模型假定2、假定3的方法對問卷結果進行數據處理；

2.進行KMO檢驗和Bartlett球形度檢驗；

3.用主成分法來估計因子載荷矩陣，以主成分的累計方差貢獻率大于85%為準來提取公因子；

4.用方差最大旋轉法進行因子載荷矩陣旋轉，使用公式

Fj=bj1X1+bj2X2+…+bjpXp

(1)

計算因子得分(本模型p取9)，其中bj1,bj2,…，bjp為SPSS輸出的因子得分系數矩陣B的第j列元素，按每個樣本在各個公因子上的因子得分作為指標進行政策效果評價；

5.用方差貢獻率作為權重加權求和樣本的因子得分，即使用公式

ZF=α1F1+α2F2+…+αqFq

(2)

得出樣本的綜合得分，以綜合得分對樣本進行綜合評價。

6.使用主成分分析法給出第一主成分，由其所對應的最大特征值對應的特征向量各分量確定9項政策的權重，從而對前述因子得分和綜合得分結果給出輔助分析。

三、實證結果及分析

(一)樣本描述性統計

按照假定2和假定3，9個政策工具指標的樣本數據分布情況如表1、表2所示。數據反映出各項政策在行業和區域層面具有不同的體現。

表1 按行業對創新支持力度描述性統計

注：本表數據根據《2014年全國企業創新調查統計資料》由作者整理。

表2 按區域對創新支持力度描述性統計

注：本表數據根據《2014年全國企業創新調查統計資料》由作者整理。

(二)效度分析

本文的數據來源于《2014年全國企業創新調查統計資料》，該數據是國家統計局系列創新調查結果，具有較高的信度，因此本文不做信度分析。但因子分析前，需要進行KMO檢驗和Bartlett 的球形度檢驗，當KMO檢驗系數>0.5，P值(Bartlett 的球形度檢驗的統計值的顯著性概率) <0.05時，問卷才有結構效度，才能進行因子分析。經計算(表3)，行業層面數據的KMO值為0.652，尚可接受，即這樣處理調查表是合理的；區域層面據的KMO值為0.900，表明非常適合作因子分析，即這樣處理調查表是特別合理的，可繼續對整理后數據作因子分析。

表3 KMO 和 Bartlett 檢驗

(三)政策工具在行業和區域層面的實施效果分析

1.行業層面的政策效果及分析

進行因子分析時，前兩個公因子解釋的累計方差超過85%，已經達到94%，因此提取兩個公因子就能夠很好解釋原有變量所包含的信息。由旋轉成分矩陣及旋轉空間成分圖(圖1)可以看到，第一個公因子代表了除第4項政策以外的8項政策，可以解釋為所有非金融相關支持性政策因素，第二個公因子只有第4項政策，即金融支持相關政策因素。再根據成分得分系數矩陣可由公式(1)計算各行業兩個因子得分，所得結果見表4。

圖1 旋轉空間成分圖

行業因子1分數因子2分數行業因子1分數因子2分數采礦業0.053770.00979信息傳輸、軟件和信息技術服務業1.712531.33234制造業0.927340.96254金融業-2.299191.63740電力、熱力、燃氣及水生產和供應業-0.343000.01692租貸商務服務業-0.10755-0.88285建筑業0.03534-0.02962科學研究和技術服務業0.68913-0.41169批發零售業-0.52067-1.61214水利、環境和公共設施管理業-0.197800.01075交通運輸、倉儲和郵政業0.05010-1.03346

從因子得分看，第1因子得分最高的是信息傳輸、軟件和信息技術服務業(以下簡稱信息產業)，其次是制造業和科學研究和技術服務業，表明這三個產業在非金融政策方面得到的支持相對較高，尤其以信息產業最為明顯。第2因子得分最高的是金融業，其次是信息傳輸、軟件和信息技術服務業和制造業，表明其在金融政策方面得到巨大支持，其中，金融業得到的金融政策支持最為明顯。

由公式(2)用兩個因子的權重計算(其中q取2)各行業綜合得分如表5所示。從綜合得分可以看出，信息產業、制造業及科學研究和技術服務業占據前三位，這個結果也說明了我國近年來從政策導向上對這些產業的支持傾向；金融業與批發零售業排在后兩位，表明從整體上看，這9項政策對上述三個產業的積極作用最明顯，對金融業和批發零售業最不明顯。

在完成上述因子分析后，使用主成分分析法確定這9項政策對于11個行業的權重如表6所示。這一結果表明，所有政策的系數全部為正，可見這9項政策對11個行業都有正向效應，但政策效應有較大差距：第2項政策，即高新技術企業所得稅減免政策的影響最大，排在其后的是技術轉讓、技術開發收入免征增值稅和技術轉讓減免所得稅優惠政策和企業研發費用加計扣除稅收優惠政策，而這三項政策都與稅收優惠與減免有關，說明從行業層面看，在各項創新政策中稅收政策類最有影響力，而稅收政策對創新的積極影響也得到了其他學者的證實[2,27-28]；其他各項政策重要程度下降較為明顯，第4項政策，即金融支持相關政策的影響最小。

表5 各行業綜合得分

表6 9項創新政策在行業層面的總體權重

2.區域層面的政策效果及分析

類同于行業層面的分析方法，在區域層面，計算得到前兩個公因子解釋的累計方差超過85%，達到96%。因此提取兩個公因子就能夠很好解釋原有變量所包含的信息。由旋轉成分矩陣和旋轉空間成分圖(圖2)可以看到，第1個公因子代表了第1、2、5、6、8、9項政策，第2個公因子代表了第3、4、7項政策。按照Howlett(1995)[29]的分類方法,依據政府介入強度進行創新政策工具的分類，可以將創新政策工具分為強制型政策、混合型政策和自愿型政策，而第1個因子代表的6項政策基本上屬于財政激勵類政策，可以解釋為強制型政策，第2個因子代表的3項政策基本上屬于科技人才培養和風險資本類政策，可以解釋為混合型政策。由此可以看出，在中國近年來的創新政策中，政府的介入程度比較高，表明創新活動中政府主導的趨勢比較明顯，這也正是政府在解決創新的“市場失靈”問題上應有的作為。

圖2 旋轉空間成分圖

類似于行業層面的方法，計算各區域兩個因子得分如表7所示。由此可見，在強制型政策上得分排在第一梯隊的區域是遼寧、北京和天津，排在第二梯隊的是江蘇、廣東、安徽和上海；而在混合政策上得分較高的幾個區域是西藏、吉林、湖南和河南。說明各省(自治區、直轄市)在政策工具的落實上各有側重。以上結果表明，從總體上看，東部和東南沿海地區政府介入創新政策較多，一定意義上體現了這些區域的政府部門在創新活動上的積極導向。

表7 各區域兩個因子得分

由公式(2)按兩個因子權重計算(其中q取2)各區域綜合得分如表8所示。由綜合得分的情況可見，遼寧受影響最高，其次是江蘇、天津和安徽，影響較小的是海南、山西和新疆。海南、山西和新疆三個省區是偏遠或資源型區域，受影響較小的原因也許與重視程度有關,也表明這些省份在創新政策的執行層面面臨比較嚴峻的形勢。

表8 各區域綜合得分

同樣使用主成分分析法確定這9項政策對于31個省份的影響權重如表9所示。可以看出，所有政策的系數全部為正，說明對31個區域來講這9項政策都有正向效應，但與9項政策對11個行業影響明顯不同，這9項政策對31個省份影響權重相差較小：第6、第9項政策，即技術轉讓、技術開發收入免征增值稅和技術轉讓減免所得稅優惠政策，以及科技開發用品免征進口稅收政策的重要性相同且最為顯著；第2、8項政策，即高新技術企業所得稅減免政策和企業研發活動專用儀器設備加速折舊政策也較為重要；其他各項政策重要程度有所下降，第5項創造和保護知識產權的相關政策和第7項鼓勵企業吸引和培養人才的相關政策相對最不重要。由此也可以看出，從區域層面看企業家更加務實，對能夠直接體現為資金支持的政策更為滿意，這一結果與蔣選等(2015)[30]、周江華等(2017)[31]的研究結果相近；對能夠影響企業創新有長遠影響的兩個政策最不在意，這一方面反映了這兩項政策本身的影響力不足問題，另一方面也從一定意義上反映了企業家在創新活動上的短期行為。

表9 9項創新政策在區域層面的總體權重

四、主要結論及政策建議

本文利用因子分析和主成分分析相結合的方法，以國家統計局2014年對近44萬家企業的創新調查數據為對象，從11個行業和31個區域進行了創新政策效果評價。研究結果顯示：(1)在行業層面，9項創新政策對信息產業、制造業及科學研究和技術服務業影響較大，對金融業和批發零售業較不明顯。(2)在區域層面，受9項創新政策影響較大的是遼寧、江蘇、天津和安徽，影響較小的是海南、山西和新疆。(3)不管是從行業還是區域層面，這9項創新政策全部具有正向影響，在行業層面的影響力差距較大，在區域層面差距較小；在兩個層面共同的特點是稅收優惠、減免政策的影響較為明顯。

基于上述研究結論，我們提出如下政策建議：(1)創新政策制定時要考慮不同行業對政策的吸收能力，在下一步的政策完善過程中應考慮行業的特殊性問題，尤其是針對傳統服務業受影響較小問題，調整政策、促進服務創新。(2)針對創新政策在各區域落實的不平衡性問題，可考慮借鑒歐盟的創新公示牌制度，定期公布各區域的政策執行情況，以促進對創新政策的重視程度。(3)針對9項創新政策的影響力不平衡問題，下一步可進一步調整非稅收類政策工具的內容，突出政策組合概念，讓所有創新政策一起形成整體合力，以發揮最大作用。

由于我國進行創新調查的間隔周期較長，本文所用數據是基于2014年的調查數據，數據較舊是本文的局限所在。追蹤最新數據、利用多種方法進行持續性創新政策效果評價是今后努力的研究方向。