政府產(chǎn)業(yè)基金、地方金融發(fā)展與企業(yè)創(chuàng)新

李宇辰，孫沁茹，郝項(xiàng)超

(1.中國農(nóng)業(yè)銀行博士后科研工作站，北京 100005；2.中國人民大學(xué)博士后科研流動站，北京 100872；3.南開大學(xué)經(jīng)濟(jì)學(xué)院，天津 300071)

0 引言

政府產(chǎn)業(yè)基金作為一種政府作用與市場機(jī)制相結(jié)合的重要載體，是增加創(chuàng)業(yè)投資和產(chǎn)業(yè)投資資本供給、引導(dǎo)社會資本投向重點(diǎn)領(lǐng)域和薄弱環(huán)節(jié)的中小企業(yè)、支持企業(yè)創(chuàng)新和帶動產(chǎn)業(yè)轉(zhuǎn)型升級的重要政策工具。政府產(chǎn)業(yè)基金在中國經(jīng)歷了10余年的發(fā)展，規(guī)模和數(shù)量龐大，已成為重要產(chǎn)業(yè)政策工具，然而實(shí)際運(yùn)行效果如何卻并不清楚。

已有文獻(xiàn)主要嘗試通過比較政府產(chǎn)業(yè)基金與私人風(fēng)險資本投資企業(yè)的創(chuàng)新差異來評價政府產(chǎn)業(yè)基金的影響是積極還是消極[1-2]。然而政府產(chǎn)業(yè)基金的首要目標(biāo)通常不是效益，而是如何解決創(chuàng)新型企業(yè)在融資方面的市場失靈問題。因此，比較政府產(chǎn)業(yè)基金與私人風(fēng)險資本對創(chuàng)新影響之間的差異并不能準(zhǔn)確評價政府產(chǎn)業(yè)基金的真實(shí)作用。依據(jù)政府產(chǎn)業(yè)基金的目標(biāo)和定位，要準(zhǔn)確評價其作用就需要對比受到政府產(chǎn)業(yè)基金投資的企業(yè)與未受到任何風(fēng)險資本投資的企業(yè)之間的差異，但現(xiàn)有的公開數(shù)據(jù)都不能提供上述比較分析所需的全部數(shù)據(jù)。為此，本文手工構(gòu)建一個新數(shù)據(jù)庫，該數(shù)據(jù)庫不僅包括政府產(chǎn)業(yè)基金投資企業(yè)的財(cái)務(wù)、非財(cái)務(wù)信息以及專利等數(shù)據(jù)，也包括無風(fēng)險資本投資企業(yè)的相關(guān)數(shù)據(jù)。實(shí)證研究發(fā)現(xiàn)，相對于未受任何風(fēng)險資本投資的企業(yè)，政府產(chǎn)業(yè)基金投資的企業(yè)創(chuàng)新更活躍；在金融發(fā)展水平較低的地區(qū)，政府產(chǎn)業(yè)基金緩解市場失靈的作用更明顯，能夠更有效地促進(jìn)企業(yè)創(chuàng)新。研究還發(fā)現(xiàn)，政府產(chǎn)業(yè)基金對低質(zhì)量創(chuàng)新的影響要顯著大于其對高質(zhì)量創(chuàng)新的影響。

1 文獻(xiàn)回顧與假說提出

1.1 文獻(xiàn)回顧

國內(nèi)外文獻(xiàn)研究了政府風(fēng)險資本促進(jìn)中小企業(yè)發(fā)展的作用。Lerner[3]對美國中小企業(yè)創(chuàng)新計(jì)劃的研究發(fā)現(xiàn)，受到政府風(fēng)險資本支持的企業(yè)雇傭員工數(shù)量及銷售額增長相比沒有受到政府風(fēng)險資本支持的企業(yè)更快。Lerner[4]認(rèn)為，政府風(fēng)險資本之所以能夠促進(jìn)高科技企業(yè)發(fā)展，主要是因?yàn)檎L(fēng)險資本存在認(rèn)證效應(yīng)與補(bǔ)償研發(fā)外部性效應(yīng)。Guerini等[5]通過對歐洲科技型創(chuàng)業(yè)企業(yè)進(jìn)行實(shí)證研究發(fā)現(xiàn)，政府風(fēng)險資本的投資增加了企業(yè)后續(xù)受到私人風(fēng)險資本投資的可能性，政府風(fēng)險資本確實(shí)發(fā)揮了篩選和認(rèn)證作用。Cumming[6]通過對澳大利亞政府主導(dǎo)的創(chuàng)新投資基金 (IIF)的分析發(fā)現(xiàn)，政府風(fēng)險資本對于初創(chuàng)期、早期以及高科技企業(yè)的融資具有顯著幫助，并且發(fā)揮監(jiān)督和提供增值服務(wù)的作用。Munari等[7]在Cumming[6]研究的基礎(chǔ)上進(jìn)一步考察區(qū)域因素的影響，發(fā)現(xiàn)英國的政府風(fēng)險資本更傾向于投資早期和高科技企業(yè)，且這一現(xiàn)象在技術(shù)落后地區(qū)尤為顯著。國內(nèi)研究方面，燕志雄等[8]構(gòu)建的委托代理模型表明，當(dāng)企業(yè)家的代理問題很嚴(yán)重且項(xiàng)目不確定性很高時，政府引導(dǎo)型基金的可獲得性最高，而政府主導(dǎo)型和風(fēng)險投資家型基金的可獲得性均很低。楊敏利等[9]實(shí)證研究政府引導(dǎo)基金對社會資金進(jìn)入創(chuàng)業(yè)投資領(lǐng)域的引導(dǎo)作用，結(jié)果發(fā)現(xiàn)這一作用在不同省份存在顯著差異。在創(chuàng)業(yè)投資發(fā)展成熟省份，政府引導(dǎo)基金對社會資金的影響表現(xiàn)為擠出效應(yīng)，而在創(chuàng)業(yè)投資發(fā)展落后省份，則表現(xiàn)出引導(dǎo)作用。叢菲菲等[10]進(jìn)一步發(fā)現(xiàn)國有資本的參與能夠增加創(chuàng)投行業(yè)的整體融資規(guī)模以及對企業(yè)的投資規(guī)模，進(jìn)而帶動民營創(chuàng)投資本對科技創(chuàng)新企業(yè)的投資，即存在引導(dǎo)效應(yīng)。

也有學(xué)者研究政府風(fēng)險資本對企業(yè)創(chuàng)新的影響，但得到的結(jié)論不一致。Audretsch等[11]對美國中小企業(yè)創(chuàng)新計(jì)劃的研究發(fā)現(xiàn)，美國中小企業(yè)創(chuàng)新計(jì)劃能夠促進(jìn)中小企業(yè)技術(shù)研發(fā)以及成果的商業(yè)化，并能產(chǎn)生良好的社會效益。Howell[12]研究美國中小企業(yè)創(chuàng)新計(jì)劃的作用，發(fā)現(xiàn)政府風(fēng)險資本在企業(yè)創(chuàng)立早期的資助會使得企業(yè)隨后獲得私人風(fēng)險資本投資的可能性加倍，并且對企業(yè)的創(chuàng)新和營收產(chǎn)生明顯促進(jìn)作用。Pierrakis等[13]通過對不同性質(zhì)的風(fēng)險資本進(jìn)行實(shí)證研究發(fā)現(xiàn)，風(fēng)險資本受到政府支持的力度越大，就會與創(chuàng)新系統(tǒng)里的其他角色產(chǎn)生更密切的交互關(guān)系，政府支持的風(fēng)險資本在地方創(chuàng)新生態(tài)系統(tǒng)中扮演著動員不同角色的重要作用。與之相反，Grilli等[14]通過對歐洲高新技術(shù)型創(chuàng)業(yè)企業(yè)進(jìn)行實(shí)證研究發(fā)現(xiàn)，私人風(fēng)險資本對于企業(yè)銷售增長具有促進(jìn)作用，而政府管理的風(fēng)險資本對企業(yè)銷售增長不具有顯著作用，且由私人風(fēng)投領(lǐng)投、政府管理的風(fēng)險資本同時進(jìn)行聯(lián)合投資時，對企業(yè)銷售增長具有顯著促進(jìn)作用。Pierrakis等[15]通過對英國2539家公司進(jìn)行實(shí)證研究發(fā)現(xiàn)，受政府支持的風(fēng)險資本投資的企業(yè)創(chuàng)新活動會受到抑制，而當(dāng)政府支持的風(fēng)險資本與私人風(fēng)險資本聯(lián)合投資時這一作用并不顯著。

就國內(nèi)文獻(xiàn)而言，有關(guān)政府風(fēng)險資本影響企業(yè)創(chuàng)新的研究較少。王晗等[1]采用私募通數(shù)據(jù)庫中樣本企業(yè)進(jìn)行實(shí)證研究，認(rèn)為政府風(fēng)險資本投資的企業(yè)與私人風(fēng)險資本投資的企業(yè)專利申請數(shù)量不具有顯著性差異，但這并不能充分證明政府風(fēng)險資本與私人風(fēng)險資本對企業(yè)創(chuàng)新的影響相同。程聰慧等[16]考察2008—2014年受科技型中小企業(yè)創(chuàng)新基金投資的50家創(chuàng)業(yè)企業(yè)，研究發(fā)現(xiàn)受政府引導(dǎo)基金支持的創(chuàng)業(yè)企業(yè)比未受政府引導(dǎo)基金支持的創(chuàng)業(yè)企業(yè)有更多創(chuàng)新產(chǎn)出，但考慮到其樣本數(shù)量較少，因此研究結(jié)論的可靠性和穩(wěn)健性值得商榷。不僅如此，有限的樣本也使得其未能進(jìn)一步分析不同地區(qū)金融發(fā)展水平差異的影響。董建衛(wèi)等[2]基于失敗容忍和激勵兩個理論視角考察政府引導(dǎo)基金參股創(chuàng)投基金對企業(yè)創(chuàng)新的影響，發(fā)現(xiàn)對虧損補(bǔ)償以提高創(chuàng)業(yè)投資家的失敗容忍度是政府引導(dǎo)基金促進(jìn)企業(yè)創(chuàng)新的關(guān)鍵。

1.2 假說提出

創(chuàng)新型企業(yè)在當(dāng)今以知識為支撐的經(jīng)濟(jì)中發(fā)揮著重要作用，企業(yè)創(chuàng)新的研發(fā)活動需要大量的資金投入，然而其融資天生存在一些困境。首先，其高不確定性使得企業(yè)和外部投資者之間存在著嚴(yán)重的信息不對稱，這會提高企業(yè)外源融資的成本甚至完全阻斷企業(yè)外源融資[3]。其次，缺少內(nèi)部現(xiàn)金流和抵押物、管理層與所有者之間的代理問題也是企業(yè)難以獲得外援融資的重要原因[17]。私人風(fēng)險資本的出現(xiàn)在一定程度上緩解了創(chuàng)新型企業(yè)融資困難問題，但由于其逐利性，私人風(fēng)險資本較少投資于研發(fā)周期較長、不確定因素較大的創(chuàng)新型企業(yè)，創(chuàng)新型企業(yè)在融資方面仍存在市場失靈。政府風(fēng)險資本的出現(xiàn)是為了解決創(chuàng)新型企業(yè)融資的市場失靈問題，政府風(fēng)險資本通過投資于私人風(fēng)險資本較少投資的早期高科技企業(yè)緩解了其融資缺口問題[4,6,18-19]，進(jìn)而有效支持了企業(yè)研發(fā)創(chuàng)新活動。因此，提出假說H1：政府產(chǎn)業(yè)基金促進(jìn)了企業(yè)創(chuàng)新。

創(chuàng)新型企業(yè)融資的市場失靈問題在金融發(fā)展水平不同的地區(qū)會有所不同。在金融發(fā)展水平較高的地區(qū)，金融機(jī)構(gòu)技術(shù)水平較高，能夠較好地緩解信息不對稱，增強(qiáng)投資者信心；金融機(jī)構(gòu)之間的競爭較為充分，各類金融創(chuàng)新產(chǎn)品與服務(wù)較為豐富，能夠在一定程度上緩解創(chuàng)新型企業(yè)的融資缺口。與之相反，在金融發(fā)展欠發(fā)達(dá)地區(qū)，企業(yè)往往更難以從銀行、信托、風(fēng)險投資等金融機(jī)構(gòu)獲得融資支持。在這種環(huán)境中，政府產(chǎn)業(yè)基金能夠更加顯著地緩解市場失靈，彌補(bǔ)該地區(qū)創(chuàng)新型企業(yè)的融資缺口，進(jìn)而更加有效地促進(jìn)企業(yè)創(chuàng)新。因此，提出假說H2：在金融發(fā)展水平較低的地區(qū)，政府產(chǎn)業(yè)基金緩解市場失靈的作用更明顯，因此其能夠比金融發(fā)展水平較高地區(qū)的政府產(chǎn)業(yè)基金更有效地促進(jìn)企業(yè)創(chuàng)新。

2 研究設(shè)計(jì)

目前中國尚未有較為完善的政府產(chǎn)業(yè)基金數(shù)據(jù)庫，因此以往研究受到很大局限。本文依據(jù)政府公開信息構(gòu)建新的政府產(chǎn)業(yè)基金數(shù)據(jù)庫，并據(jù)此構(gòu)建計(jì)量模型對本文提出的假設(shè)進(jìn)行檢驗(yàn)。

2.1 計(jì)量模型構(gòu)建與變量定義

為了檢驗(yàn)假說1，借鑒Bertrand等[20]和郝項(xiàng)超等[21]的研究，構(gòu)建一般雙重差分模型如下:

PATit=a1+a2GOVit×AFTERit+a3CVit+μi1+υt1+εit1

(1)

式中，借鑒郝項(xiàng)超等[22-23]的研究，PATit是t年度企業(yè)i申請且被授權(quán)的專利數(shù)量。GOV是虛擬變量，獲得政府產(chǎn)業(yè)基金投資的企業(yè)為1，否則為0。AFTER是虛擬變量，當(dāng)財(cái)務(wù)年度大于等于企業(yè)獲得政府產(chǎn)業(yè)基金投資年度時為1，否則為0。CV為控制變量，主要包括企業(yè)年齡AGE、企業(yè)當(dāng)年是否獲得政府高新技術(shù)企業(yè)認(rèn)證CER、企業(yè)當(dāng)年注冊資本CAP、作品著作權(quán)數(shù)量WRI、軟件著作權(quán)數(shù)量SOF。由于本文研究的企業(yè)主要是非上市中小企業(yè)，無法獲取其財(cái)務(wù)數(shù)據(jù)，故僅以CAP衡量企業(yè)規(guī)模，同時由于中小企業(yè)特別是科技型中小企業(yè)在創(chuàng)業(yè)早期往往會進(jìn)行大量的研發(fā)活動，故加入CER、WRI、SOF以衡量企業(yè)經(jīng)營狀況。μi和νt分別表示企業(yè)個體與時間相關(guān)的固定效應(yīng)。

為了檢驗(yàn)假說2，構(gòu)建擴(kuò)展雙重差分模型，可表示為：

PATit=b0+b1GOVit×AFTERit+b2GOVit×AFTERit×INSit+b3INSit+b4CVit+μi2+υt2+εit2

(2)

式中，INS為企業(yè)所在地市金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量，其他變量定義同式 (1)。在式 (1) (2)中，a1度量政府產(chǎn)業(yè)基金投資對企業(yè)創(chuàng)新的影響，b2度量地方金融發(fā)展水平的差異對政府產(chǎn)業(yè)基金促進(jìn)企業(yè)創(chuàng)新的影響。

2.2 樣本與數(shù)據(jù)

在以往對政府產(chǎn)業(yè)基金的研究中，學(xué)者常采用清科私募通、投中CVsource等商業(yè)數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行分析，然而這些數(shù)據(jù)庫對政府產(chǎn)業(yè)基金的界定并不準(zhǔn)確，其政府產(chǎn)業(yè)基金名單未能覆蓋國家發(fā)展改革委公布的名單，且僅能提供少量的投資案例，無法較為準(zhǔn)確地反映政府產(chǎn)業(yè)基金的整體運(yùn)行情況，在很大程度上限制了以往研究的深度和廣度。更為重要的是，這些數(shù)據(jù)庫無法提供未受任何風(fēng)險資本支持的企業(yè)數(shù)據(jù)，因而無法準(zhǔn)確反映政府產(chǎn)業(yè)基金投資對企業(yè)創(chuàng)新的影響。

依據(jù)國家發(fā)展改革委公開的政府產(chǎn)業(yè)基金信息、工商局公開的企業(yè)工商登記信息等一系列政府公開信息構(gòu)建多維度、較為全面的政府產(chǎn)業(yè)基金數(shù)據(jù)庫。數(shù)據(jù)庫構(gòu)建過程中主要依靠WIND全球企業(yè)數(shù)據(jù)庫。2016年國家發(fā)展改革委建立政府出資產(chǎn)業(yè)投資基金信用信息登記系統(tǒng)，并于2017年9月公布所統(tǒng)計(jì)的全國政府產(chǎn)業(yè)基金名單。本文依據(jù)該名單上的母基金，在WIND全球企業(yè)數(shù)據(jù)庫上檢索到與其工商登記名稱一致的母基金1046家，采集其工商登記的基本信息。根據(jù)一定的詞庫將其投資的子公司劃分為子基金與實(shí)體企業(yè)，如 “投資” “基金”等，對于被判定為子基金的公司，重復(fù)上述過程直至其投資的子公司全部為實(shí)體企業(yè)為止。最終，本文采集到母基金及子基金7000家，采集到被投資的實(shí)體企業(yè)14339家。考慮到行文方便，本文將所有受到政府產(chǎn)業(yè)基金投資的企業(yè)簡稱為GVC企業(yè)。對所有GVC企業(yè)，按照成立年度相同、所在城市相同、所處行業(yè)相同、注冊資本最為接近的原則為其匹配了5家配對企業(yè)，并采集所有配對企業(yè)的相關(guān)信息。政府產(chǎn)業(yè)基金在早期的發(fā)展并不規(guī)范，2008年《關(guān)于創(chuàng)業(yè)投資引導(dǎo)基金規(guī)范設(shè)立與運(yùn)作指導(dǎo)意見》頒布后才得以規(guī)范運(yùn)作，故將樣本期間限定為2009—2018年。本文對所采集到的GVC企業(yè)進(jìn)行如下處理：①剔除2009年以前被投資的企業(yè)；②保留狀態(tài)為在業(yè)和存續(xù)的企業(yè)；③剔除注冊資本信息不完善的企業(yè)；④剔除2019年成立的企業(yè)；⑤剔除投資時間在2019年的企業(yè)；⑥剔除未能獲得配對的企業(yè)。對于配對企業(yè)，除了進(jìn)行上述處理以外，還根據(jù)其工商登記的變更信息，將受過私人風(fēng)險資本投資的配對企業(yè)剔除。經(jīng)上述處理，樣本保留了12845家GVC企業(yè)和45081家配對企業(yè)。

12845家GVC企業(yè)與45081家配對企業(yè)的行業(yè)分布見表1。由表1可見，政府產(chǎn)業(yè)基金投資的行業(yè)范圍較廣，但又側(cè)重于高新技術(shù)行業(yè)。其中，科學(xué)研究和技術(shù)服務(wù)業(yè)實(shí)體企業(yè)數(shù)量最多，占比為36.30%；其次是信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)實(shí)體企業(yè)，占比為18.30%。

表1 GVC企業(yè)與配對企業(yè)行業(yè)分布

本文的被解釋變量PAT所使用的專利數(shù)據(jù)來自國家知識產(chǎn)權(quán)局專利檢索及分析系統(tǒng)。變量GOV、AFTER、AGE、CER、CAP所使用的信息均來自WIND全球企業(yè)數(shù)據(jù)庫的工商登記信息，WRI和SOF均根據(jù)WIND數(shù)據(jù)庫采集的國家版權(quán)局公開信息整理得出。變量INS是根據(jù)中國銀保監(jiān)會官方網(wǎng)站公布的金融企業(yè)許可證信息整理得出。

3 實(shí)證結(jié)果與分析

在估計(jì)雙重差分模型 (1) (2)時，將PAT、INS、WRI、SOF分別加上1之后再取自然對數(shù)值，將AGE與CAP直接取其自然對數(shù)值，以消除異方差的影響。借鑒郝項(xiàng)超等[21]的研究，采用混合最小二乘法來估計(jì)雙重差分模型的系數(shù)，并根據(jù)企業(yè)水平的聚類標(biāo)準(zhǔn)差來判斷系數(shù)的顯著性。

3.1 政府產(chǎn)業(yè)基金對企業(yè)創(chuàng)新的影響分析

雙重差分模型的估計(jì)結(jié)果見表2。由模型 (1)的結(jié)果可知，GOV與AFTER交叉項(xiàng)的系數(shù)為0.179，且在1%顯著性水平下顯著，說明在政府產(chǎn)業(yè)基金投資后，GVC企業(yè)每年申請且獲授權(quán)的專利數(shù)量比配對企業(yè)多17.9%,這顯示了政府產(chǎn)業(yè)基金能顯著促進(jìn)所投資企業(yè)的創(chuàng)新，驗(yàn)證了本文的假說1。由模型 (2)的結(jié)果可知，在加入GOV、AFTER與INS的交叉項(xiàng)以及INS后，GOV與AFTER交叉項(xiàng)的系數(shù)為0.550，且在1%顯著性水平下顯著，政府產(chǎn)業(yè)基金對所投資企業(yè)創(chuàng)新的促進(jìn)效果更明顯；INS的系數(shù)為0.047，且在5%的顯著性水平下顯著，說明地方金融發(fā)展水平的提高有利于促進(jìn)當(dāng)?shù)仄髽I(yè)的創(chuàng)新活動；而本文最關(guān)心的指標(biāo)為GOV、AFTER與INS的交叉項(xiàng)，其系數(shù)為-0.048，且在1%顯著性水平下顯著，說明在地方金融發(fā)展水平較低的地區(qū)，政府產(chǎn)業(yè)基金促進(jìn)企業(yè)創(chuàng)新的效果更明顯，驗(yàn)證了本文的假說2。

表2 雙重差分模型估計(jì)結(jié)果

3.2 穩(wěn)健性檢驗(yàn)

(1)盡管本文在采集數(shù)據(jù)時按照成立年度相同、所在城市相同、所處行業(yè)相同、注冊資本最為接近的原則進(jìn)行配對，但這種方法較為粗糙，不能很好地控制GVC企業(yè)與配對企業(yè)之間的差異。因此，對于企業(yè)創(chuàng)新而言，政府產(chǎn)業(yè)基金的投資可能并不是一個完全外生的事件，而是更接近于一個準(zhǔn)試驗(yàn)。在這種情況下，直接采用雙重差分模型來檢驗(yàn)政府產(chǎn)業(yè)基金對企業(yè)創(chuàng)新的影響可能存在一定的偏差。本文采用傾向得分匹配法對GVC企業(yè)進(jìn)行配對來解決雙重差分模型的內(nèi)生性。針對配對結(jié)果，本文進(jìn)一步采用傾向分?jǐn)?shù)模型診斷檢驗(yàn)、平衡檢驗(yàn)來檢驗(yàn)配對結(jié)果，以確保GVC企業(yè)與配對企業(yè)構(gòu)成的樣本滿足雙重差分模型有關(guān)樣本隨機(jī)假設(shè)的要求。借鑒郝項(xiàng)超等[22]的方法，構(gòu)建傾向分?jǐn)?shù)模型如下:

GOV=c0+c1AGE+c2CER+c3CAP+c4PATAC+IND+υ+ε(3)

式中，GOV是虛擬變量，定義同上。控制變量主要包括企業(yè)年齡AGE、企業(yè)當(dāng)年是否獲得政府高新技術(shù)企業(yè)認(rèn)證CER、企業(yè)當(dāng)年注冊資本CAP以及企業(yè)累計(jì)獲得專利數(shù)量PATAC。PATAC為企業(yè)成立起至當(dāng)前年度申請且獲得授權(quán)的所有專利數(shù)量之和。由于大量企業(yè)在成立之初即獲得政府產(chǎn)業(yè)基金投資，無法獲取投資前一年的數(shù)據(jù)，故采用企業(yè)獲得政府產(chǎn)業(yè)基金投資當(dāng)年的數(shù)據(jù)進(jìn)行配對，依據(jù)GVC企業(yè)與配對企業(yè)當(dāng)年的數(shù)據(jù)計(jì)算每家企業(yè)的傾向分?jǐn)?shù)，并按照成立年度相同、所在城市相同、所處行業(yè)相同、注冊資本最為接近的原則為12845家GVC企業(yè)進(jìn)行一比一配對，采用Logit方法來估計(jì)其系數(shù)，并保留得分偏離度在20%以內(nèi)的企業(yè)。最終，本文為9319家GVC企業(yè)匹配到了配對企業(yè)。

配對的有效性直接影響雙重差分模型估計(jì)結(jié)果的準(zhǔn)確性，因此本文采用兩個方法進(jìn)行檢驗(yàn)，見表3。首先是傾向分?jǐn)?shù)模型診斷檢驗(yàn)。表3的Panel A報(bào)告了配對前后傾向分?jǐn)?shù)模型的 Logit估計(jì)結(jié)果，結(jié)果表明企業(yè)特征變量確實(shí)對政府產(chǎn)業(yè)基金選擇投資企業(yè)有明顯影響，但經(jīng)過配對后這些變量的系數(shù)除CAP外均不再顯著。PseudoR2從最高的0.046 大幅下降到0.004。模型擬合的χ2檢驗(yàn)結(jié)果進(jìn)一步表明所有解釋變量的系數(shù)均為零的原假設(shè)無法拒絕，因此配對后這些變量對企業(yè)是否會受到政府產(chǎn)業(yè)基金投資不再有任何顯著影響。其次，本文對配對變量進(jìn)行平衡檢驗(yàn)。表3 Panel B結(jié)果表明，GVC企業(yè)與配對企業(yè)之間配對變量除CAP外都不存在顯著差異。上述檢驗(yàn)結(jié)果表明，配對后的樣本滿足雙重差分模型有關(guān)樣本隨機(jī)的假設(shè)。

表3 傾向得分匹配有效性檢驗(yàn)

本文使用傾向得分匹配后的樣本對雙重差分模型進(jìn)行重新估計(jì)，估計(jì)結(jié)果見表4。由模型 (1)的結(jié)果可知，GOV與AFTER交叉項(xiàng)的系數(shù)為0.072，且在1%顯著性水平下顯著，這一結(jié)果較未進(jìn)行傾向得分匹配前的結(jié)果有所減弱，但依然表明政府產(chǎn)業(yè)基金能促進(jìn)所投資企業(yè)的創(chuàng)新。由模型 (2)的結(jié)果可知，在加入GOV、AFTER與INS的交叉項(xiàng)以及INS后，GOV與AFTER交叉項(xiàng)的系數(shù)為0.300，且在1%顯著性水平下顯著；INS的系數(shù)為0.051，但不再顯著；GOV、AFTER與INS的交叉項(xiàng)系數(shù)為-0.030，且在1%顯著性水平下顯著，說明在金融發(fā)展水平較低地區(qū)，政府產(chǎn)業(yè)基金促進(jìn)企業(yè)創(chuàng)新的作用更明顯。綜上，在進(jìn)行傾向得分匹配后所得結(jié)果與前文結(jié)論基本一致。

表4 傾向得分匹配后的雙重差分模型估計(jì)結(jié)果

(2)本文構(gòu)建了更多衡量地方金融發(fā)展水平的替代指標(biāo)。通過中國經(jīng)濟(jì)與社會發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫獲取中國各地市存款總量、貸款總量與GDP總量的數(shù)據(jù)，并分別計(jì)算各地市存款總量與GDP總量的比值DEP、貸款總量與GDP總量的比值LOA以替換企業(yè)所在地市金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量INS，并對雙重差分模型式 (2)進(jìn)行重新估計(jì)，結(jié)果見表5。由表5可知，無論對INS采用哪種替代變量，在金融發(fā)展水平較低的地區(qū)，政府產(chǎn)業(yè)基金投資促進(jìn)企業(yè)創(chuàng)新的作用都更加明顯，本文的主要結(jié)論沒有發(fā)生變化。

表5 替換INS指標(biāo)后的雙重差分模型估計(jì)結(jié)果

(3)本文構(gòu)建創(chuàng)新數(shù)量的替代變量。專利包含發(fā)明專利、外觀專利和實(shí)用新型專利，獲得發(fā)明專利授權(quán)往往說明企業(yè)創(chuàng)新活動的質(zhì)量較高，而獲得外觀專利、實(shí)用新型專利授權(quán)往往說明企業(yè)創(chuàng)新活動的質(zhì)量較低。本文構(gòu)建企業(yè)當(dāng)年申請且獲授權(quán)的發(fā)明類專利數(shù)量INPAT以及非發(fā)明類專利數(shù)量NOPAT兩個被解釋變量，并分別采用新的被解釋變量對雙重差分模型進(jìn)行重新估計(jì)，結(jié)果見表6。由表6可知，政府產(chǎn)業(yè)基金對于企業(yè)發(fā)明類專利與非發(fā)明類專利數(shù)量的增長均有促進(jìn)作用，但對非發(fā)明類專利的促進(jìn)作用更明顯，說明政府產(chǎn)業(yè)基金會促進(jìn)一些低質(zhì)量的創(chuàng)新。同時，政府產(chǎn)業(yè)基金與地方金融發(fā)展水平對促進(jìn)企業(yè)專利數(shù)量增長的替代關(guān)系僅在非發(fā)明類專利中顯著。

表6 采用創(chuàng)新數(shù)量的替代變量后雙重差分模型估計(jì)結(jié)果

(4)專利獲批滯后會影響到臨近專利查詢年度2019年的專利數(shù)量，因?yàn)樾律暾埖膶＠诮y(tǒng)計(jì)的年度可能還未來得及獲得國家產(chǎn)權(quán)局的批準(zhǔn)。考慮到中國專利從申請到批準(zhǔn)的時間間隔通常不超過5年[21]，將2015—2018年的樣本刪除，重新估計(jì)模型結(jié)果，見表7。由表7可知，GOV與AFTER交乘項(xiàng)的系數(shù)仍為顯著的正值，說明本文的結(jié)論沒有發(fā)生變化。

表7 剔除2015—2018年樣本后的雙重差分模型估計(jì)結(jié)果

(5)本文根據(jù)政府產(chǎn)業(yè)基金投資企業(yè)的時期不同對樣本進(jìn)行重新劃分。各地政府早期設(shè)立的投資基金主要以創(chuàng)業(yè)投資引導(dǎo)基金為主，投資領(lǐng)域主要集中在早期創(chuàng)業(yè)項(xiàng)目。近年來，地方財(cái)政改變支持產(chǎn)業(yè)發(fā)展方式，由直接補(bǔ)貼改為基金引導(dǎo)，其中大部分為股權(quán)投資。這樣，政府產(chǎn)業(yè)基金的目標(biāo)不僅支持創(chuàng)新創(chuàng)業(yè)，還推動中小企業(yè)發(fā)展、產(chǎn)業(yè)轉(zhuǎn)型升級、發(fā)展基礎(chǔ)設(shè)施和公共服務(wù)領(lǐng)域，其投資范圍已不僅是最初的初創(chuàng)型中小企業(yè)，還包括非初創(chuàng)型中小企業(yè)。據(jù)此，將樣本劃分為初創(chuàng)型中小企業(yè)與非初創(chuàng)型中小企業(yè)。由于目前官方對初創(chuàng)型中小企業(yè)暫無明確定義，本文的劃分參考科技部、上海市關(guān)于初創(chuàng)型中小企業(yè)的定義，將成立年限在5年之內(nèi)、注冊資本不高于2000萬人民幣的企業(yè)劃分為初創(chuàng)型中小企業(yè)，否則劃分為非初創(chuàng)型中小企業(yè)。重新估計(jì)雙重差分模型，結(jié)果見表8。由表8可知，政府產(chǎn)業(yè)基金對初創(chuàng)型和非初創(chuàng)型中小企業(yè)都明顯促進(jìn)其創(chuàng)新活動，但對非初創(chuàng)型中小企業(yè)的創(chuàng)新促進(jìn)作用更明顯；在金融發(fā)展水平較低地區(qū)，政府產(chǎn)業(yè)基金投資促進(jìn)企業(yè)創(chuàng)新的作用都更明顯，且這種替代作用在初創(chuàng)型中小企業(yè)更明顯，這與本文的基本結(jié)論一致。

表8 按投資時期劃分樣本后的雙重差分模型估計(jì)結(jié)果

(6)本文根據(jù)政府產(chǎn)業(yè)基金投資的企業(yè)是否為高技術(shù)企業(yè)將樣本進(jìn)行重新劃分。政府產(chǎn)業(yè)基金的重要政策目標(biāo)是促進(jìn)創(chuàng)新，但同時也兼顧促進(jìn)就業(yè)、支持地方基礎(chǔ)設(shè)施建設(shè)等其他政策目標(biāo)，因此政府產(chǎn)業(yè)基金投資不同類型的企業(yè)可能出于不同的政策目的。根據(jù)國家統(tǒng)計(jì)局頒布的《高技術(shù)產(chǎn)業(yè) (制造業(yè))分類 (2013)》《高技術(shù)產(chǎn)業(yè) (服務(wù)業(yè))分類 (2013)》，將樣本劃分為高技術(shù)企業(yè)與非高技術(shù)企業(yè)，并重新估計(jì)雙重差分模型，結(jié)果見表9。由表9可知，政府產(chǎn)業(yè)基金對于高技術(shù)企業(yè)與非高技術(shù)企業(yè)的創(chuàng)新活動均具有促進(jìn)效果，且促進(jìn)高技術(shù)企業(yè)創(chuàng)新的效果更好；在金融發(fā)展水平較低地區(qū)，政府產(chǎn)業(yè)基金投資促進(jìn)企業(yè)創(chuàng)新的作用都更明顯，且這種替代關(guān)系對于高技術(shù)企業(yè)更明顯，這也進(jìn)一步驗(yàn)證了本文的假設(shè)。

表9 按是否為高技術(shù)企業(yè)劃分樣本后的雙重差分模型估計(jì)結(jié)果

(7)本文根據(jù)政府產(chǎn)業(yè)基金投資的企業(yè)創(chuàng)新產(chǎn)出是否以專利為導(dǎo)向重新劃分樣本。信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)、制造業(yè)往往以專利為創(chuàng)新產(chǎn)出的主要導(dǎo)向，而其他行業(yè)創(chuàng)新活動的產(chǎn)出形式不以專利為主，如果不對樣本進(jìn)行區(qū)分，會導(dǎo)致估計(jì)結(jié)果不準(zhǔn)確，重新估計(jì)雙重差分模型，結(jié)果見表10。由表10可知，政府產(chǎn)業(yè)基金促進(jìn)創(chuàng)新的作用在以專利為創(chuàng)新產(chǎn)出導(dǎo)向的企業(yè)中更明顯，且在以專利為創(chuàng)新產(chǎn)出導(dǎo)向的企業(yè)中，政府產(chǎn)業(yè)基金與地方金融發(fā)展水平對促進(jìn)企業(yè)創(chuàng)新存在顯著替代關(guān)系，這與本文的主要假設(shè)一致。

表10 按創(chuàng)新產(chǎn)出是否以專利為導(dǎo)向劃分樣本后的雙重差分模型估計(jì)結(jié)果

4 結(jié)論與政策建議

本文構(gòu)建政府產(chǎn)業(yè)基金投資數(shù)據(jù)庫，實(shí)證分析政府產(chǎn)業(yè)基金是否能夠促進(jìn)企業(yè)創(chuàng)新以及這種促進(jìn)作用在地方金融發(fā)展水平不同的情況下有何差異。研究發(fā)現(xiàn)，政府產(chǎn)業(yè)基金所投資企業(yè)相對于未受任何風(fēng)險資本投資的企業(yè)創(chuàng)新數(shù)量有明顯增長；在金融發(fā)展水平較低的地區(qū)，政府產(chǎn)業(yè)基金緩解市場失靈的作用更明顯，因而更有效地促進(jìn)企業(yè)創(chuàng)新。本文還發(fā)現(xiàn)，政府產(chǎn)業(yè)基金往往會促進(jìn)一些低質(zhì)量的創(chuàng)新。

本文的研究結(jié)論具有兩個方面的政策含義。①繼續(xù)發(fā)展和完善政府產(chǎn)業(yè)基金，緩解市場失靈所導(dǎo)致的企業(yè)融資缺口問題，推動企業(yè)創(chuàng)新數(shù)量與質(zhì)量的增長。②政府產(chǎn)業(yè)基金應(yīng)當(dāng)與地方金融發(fā)展形成良性的互補(bǔ)關(guān)系，在地方金融發(fā)展水平較高的地區(qū)，政府產(chǎn)業(yè)基金應(yīng)當(dāng)作為其他金融機(jī)構(gòu)的輔助，不與地方金融機(jī)構(gòu)爭利；在地方金融發(fā)展水平較差的地區(qū)，政府產(chǎn)業(yè)基金應(yīng)當(dāng)大力投資處于高技術(shù)行業(yè)以及創(chuàng)業(yè)早期的企業(yè)，著力打造創(chuàng)新基礎(chǔ)平臺，以帶動地方整體創(chuàng)新水平的提升與產(chǎn)業(yè)轉(zhuǎn)型。