創新型企業家政策對企業發展的影響
——以南京市為例

高春南， 花 睿， 劉玉棟

(1.南京市科技信息研究所， 南京 210018； 2.南京市火炬高技術產業開發中心， 南京 210018)

發展是第一要務，人才是第一資源，創新是第一動力。黨的十九屆五中全會提出要堅持創新在中國現代化建設全局中的核心地位，提升企業技術創新能力，激發人才創新活力。在進入新時代后，企業家既要像傳統企業家那樣擅長組織生產和銷售，還要有能力組織創新資源研發原創性技術，開創全新商業模式或者生成新業態[1]。同時，各省、市相繼出臺創新型企業家政策，從鼓勵研發、節約成本等方面給企業發展提供便利，創新型企業家的規模不斷擴大，為城市發展提供了重要的創新動力。

2016年，南京市實施“創業南京”英才計劃，持續完善人才政策體系，實施創新型企業家培育計劃。2017年公布首批55家創新型企業家，于2018年建立南京創新型企業家統計平臺。數據顯示，創新型企業家數量從2018年到2020年平均增長150%。企業家所屬企業銷售收入、利潤總額、稅收、研發投入、新銀行貸款年平均增長率分別為41.38%，47.5%，27.1%，199.6%和172.1%。在人員上企業研發人員、引進高層次人才年平均增長率分別為124.6%和104%。

1 理論機制和研究假設

1.1 理論機制

南京市創新型企業家優惠政策主要是申報“創業南京”創新型企業家培育計劃且通過審核后，將給予最高5年、貸款總額不超過3 000萬元的貸款貼息、眾創空間場租減免、研發機構認定、科技成果轉化補貼等政策。這些政策從企業發展各個階段提供有效的幫助(圖1)，有效降低了企業運行成本，促進了企業快速發展。

圖1 創新型企業家政策對企業正向激勵作用理論機制

1.2 相關文獻

國內外學者對創新型企業家政策機理以及同經濟發展的關系做了相關的研究。陳崢[2]從分析了我國創新型企業家自身生成機制和現狀，并從黨管干部、創新激勵與容錯糾錯和共擔風險等方面提出政策建議；黃寰[3]從創新經濟角度分析了關鍵是培育創新型企業家；陳歡等[4]分析了經濟高質量發展與企業家之間的關系。但以往研究缺乏對具體創新型企業家量性分析。基于此，本研究通過對南京地區創新型企業家的研究，從2016—2020年企業發展的視角出發，評估南京評選創新型企業家效果及其對企業的影響，研究評選創新性企業家對企業發展各項指標的變化，為創新型企業家進一步完善政策提出針對性建議，為中國科技創新政策的更好實施提供參考。

1.3 研究假設

企業獲得政府認定創新企業家是對企業家和所管理的企業的認可，有助于更好地激發企業的內生動力，促進企業經濟發展和科技創新。企業獲得政府認定創新企業家具有認定效應，能夠向外部資本傳遞企業家個人能力和企業創新能力的客觀信息，從而提高外部資本對企業的信任度，促進資本市場“資本鏈”與“創新鏈”的結合[5]。貸款總額、場租減免等優惠政策可以為企業降低運行成本，在銷售環節的彈性空間更大，營業收入和資產總值也將有所提升。

基于上述研究，提出如下假設：

H1.創新企業家政策對企業經濟發展有正向的激勵作用。

H2.創新企業家政策對企業科技創新有正向的激勵作用。

H3.創新企業家政策對企業營業收入有正向的激勵作用。

H4.創新企業家政策對企業資產總值有正向的激勵作用。

2 數據與模型構建

2.1 數據來源與處理

采用的調研數據來源于2017年公布首批55家創新型企業家，這些企業家所屬企業經過了政府管理科技的部門的推薦和篩選50家，并通過了南京創新企業家統計平臺、wind數據庫、走訪調研等形式，剔除數據不全、企業變更等多方因素，最終搜集50家企業中2016—2020年完整數據39家。將這些企業能夠作為2018年創新型企業家開展分析的樣本，另外搜集2016年至今南京高新技術企業631家，共計樣本數據670家。

2.2 計量策略與模型設定

2.2.1 計量策略

想要獲得政策效應，最簡單的方法市直接比較處理組和對照組的2018—2020年企業指標情況，通過技術處理組和對照組指標的平均差異來獲得創新型企業家給處理組帶來的提升。但是，這種方法存在兩個較大的弊端：一是因為是否成為創新型企業家首先是企業自我選擇的結果，一些創新因子較強企業可能更傾向于申報創新型企業家，而一些創新因子尚可，但企業家自身不愿參評等原因的企業可能會放棄申報。因此，初始條件產生的差異導致“選擇偏差”出現，導致直接比較處理組和對照組的指標情況可能得到的結果并不可靠。二是政策效應主要研究的參與企業，也是就處理組的企業獲得創新型企業家(D=1)和未獲得(D=0)兩種情況的指標情況的差異，單純的比較處理組和對照組各指標的平均值差異并不能真正帶來想要的結果。

2.2.2 模型設定

為了克服內生性和樣本選擇等問題，運用政策評估常用的研究方法結合傾向匹配得分與雙重差分(PSM-DID)來探究創新型企業家政策對企業發展的影響，Rosenbaum和Rubin[6]提出的傾向得分匹配法(PSM)，通過將控制組與處理組樣本進行可觀測控制變量的匹配，可有效解決由樣本選擇問題導致的模型內生性，然后在匹配后再進行DID檢驗，以求獲得真正的處理效應[7],具體模型設定為以下兩步：

第一步，利用傾向得分匹配構建對照組(1)。PSM模型中的變量以分為結果變量、處理變量以及匹配變量(或協變量)3種。使用PSM的主要目的是通過得到結果變量的平均處理效應來衡量政策效應的方向和大小。由本文的研究對象可知，結果變量應為企業2018年當年的營業收入、資產總額、利潤總額、人員數；處理變量則表示企業是否獲得創新型企業家，分別用1和0表示；匹配變量為了更好地描述企業的經濟發展和研發創新能力，匹配過程中使用的協變量(X)具體包括營業收入(Operating)、主營業務收入(Main)、上繳稅費總額(Tax)、年末資產總計(Assets)、期末擁有有效專利數(Patent)。利用Logit模型估計得到個樣本傾向得分，采用最近鄰匹配得到與實驗組匹配的對照組樣本。

Logit(Groupi,t)=?(Xi,t-1)

(1)

第二步，本文雙重差分法(DID)構建基準回歸模型(2)。

被解釋變量企業激勵效應(Fin)，主要通過企業通用評價指標——資產收益率(ROA)和統計局官方公布評價企業創新的指標之一——創新活動評價(SCI)兩個角度衡量激勵效應。其中，資產收益率反映企業在當年利潤額和資產總額的比率并放大10 000倍(Net/Assets×10 000)，用以衡量企業利用資產獲取利潤的能力，反映了企業總資產的利用效率，表示為ROA。創新活動評價指標是科技活動經費占產品銷售收入比重并放大10 000倍(Science/ Operating×10 000)，表示為SCI。

解釋變量為分組虛擬變量Group和時間虛擬變量Time。其中，Group表示2017年企業人員參評創新企業家情況，評為創新企業家則賦值為1，反之為0。同時2018年為參評的時間節點，因此時間虛擬變量Time在2018年后設為1，反之為0。分組虛擬變量和時間變量的交乘項(Group×Time)系數則為本文關注的DID系數，表示了創新企業家政策對企業激勵效應的處置強度。

(2)

模型(2)中：Fini,t代表了i企業的第t年的成長水平；Timei,t表示i企業是否評為2017年創新企業家(即將2017年入選創新行企業設置為設置組，將所有非入選企業設置為控制組)，時間虛擬變量Timei,t表示了第i企業第t年是否受到創新企業家政策影響；Groupi,t×Timei,t系數β3則為本文關注的雙重差分估計系數，表明創新企業家政策對企業成長水平的凈處理效應，β3的系數如果為正則表示創新企業家政策促進了企業成長，反之則表明有抑制作用；Controli,t為影響企業成長的一系列控制變量。

2.2.3 變量說明和描述性統計

參考相關文獻，構造了一系列反映企業情況的控制變量，變量定義及計算方法見表1，對其進行描述性統計見表2。

表1 變量定義及計算方法

表2 主要變量描述性統計

續表2

3 實證分析

正如本文模型構建部分所指出的，直接將所有樣本企業設置為控制組進行雙重差分估計有可能導致參數估計出現偏差，因此運用PSM-DID方法重新匹配控制組，以期估計結果更為穩健可靠。

3.1 傾向性匹配(PSM)模型分析

根據式(1)采用Logit模型對數據做傾向性匹配(PSM)，并采用1∶1無放回臨近匹配法對處置組和控制組進行了匹配，得到匹配后的協變量平衡性檢驗結果見表3。

表3 平行假設檢驗數據

可以看出，Operating、Main、Tax、Assets、Patent 5個匹配變量匹配前后顯著性P值均分別<0.05和>0.05，符合假設檢驗條件，得出數據有效。對其匹配結果制作可視化圖，如圖2所示。

圖2 匹配后實驗組和對照組其平行性假設檢驗結果

匹配樣本變量均在0值附近，符合對照組與實驗組匹配要求并生成可視化圖2，同時，取消426個未匹配樣本，PSM匹配樣本成功。

3.2 雙重差分(DID)模型分析

對傾向性匹配PSM模型后的企業進行DID模型計算，結果見表4。

表4 企業DID 模型運算結果

續表4

3.3 假設結論

H1假設結論：創新型企業家政策對企業資產收益率ROA的影響。企業資產收益率ROA是客觀反映企業凈利潤的情況，從結果上看，DID=-74.24，且不顯著，反應創新型企業家政策對企業盈利正向激勵不明顯，H1假設不成立。

H2假設結論：創新型企業家政策對企業創新活動評價指標SCI的影響。企業創新活動評價指標SCI是企業開展科研活動的指標，從結果上看，DID=-55.68創新型企業家政策對企業創新活動正向激勵不明顯，H2假設不成立。

H3假設結論：創新型企業家政策對企業營業收入的影響。對企業營業收入(Operating)做DID模型分析，從結果上看，DID=79.92*,可以看出創新型企業家政策對企業營業收入正向激勵效果比較明顯，H3假設成立。

H4假設結論：創新型企業家政策對企業資產總值的影響。對企業資產總值(Assets)做DID模型分析，從結果上看，DID=11 114***,可以看出創新型企業家政策對企業資產總值正向激勵效果比較明顯。在細分指標上，Operating、Profit、Patent正向激勵效果比較顯著，H4假設成立。

綜上所述，基于PSM-DID模型對2017年入選創新型企業家，2016—2020年數據進行分析，創新企業家政策對企業資產收益率ROA和企業創新活動SCI效果并不明顯，但對營業收入和資產總值具備正向激勵作用。

4 原因分析與對策建議

4.1 原因分析

4.1.1 在客觀因素上對國內企業影響較為明顯

2020年中國經濟受中美貿易摩擦、新冠疫情等客觀影響較大，隨著中美貿易摩擦不斷省級，中國以電子信息領域為首的高技術企業海外市場流失嚴重，關鍵核心技術“卡脖子”技術突顯，企業產品生產、出口受到嚴重波及、企業經濟下滑嚴重。一季度，受新型冠狀病毒影響，企業直接關閉，復工初期產業鏈上下游斷層問題嚴重，直接經濟損失較大。這些客觀因素導致企業大部分數據與往年數據相較差距較大，企業整體發展出現曲線出現了斷崖式滑坡。

4.1.2 在效用周期上政策立足長遠，尚在發酵

南京市創新型企業家政策2017年開始實施以來，主要在租貸款貼息、眾創空間場租減免、研發機構認定、科技成果轉化補貼等政策，但從整體數據來看，創新型企業家所屬企業在經濟指標銷售收入和利潤年平均增值率分別降低27%和25.5%，人才指標研發人員和高層次人才數量年平均增值率分別降低了11.4%和6.1%，除去上述客觀因素造成的影響之外，新增企業自身發展情況，所屬高層次人員數量均有所降低。同時，也能看到企業在研發投入上和銀行貸款上有所提升，年平均增值率分別提高了12.5%和5.6%，符合創新型企業家政策鼓勵研發、促進融資的目標。政策實施僅2年，隨著研發端的效益一般在8～10年周期，融資轉化成效益3～5年的發酵期，必將對企業相關指標突出表現。

4.1.3 在引導作用上優惠措施有待進一步挖掘

創新型企業家政策優惠對企業節約經濟成本和促進研發端起到了積極的作用，但政策始終只是起到引導作用，企業家創新動力，生產出符合市場需求的產品才是企業內生動力的根本，目前的政策來看，創新型企業家政策缺乏對企業生產與研發的深層次的引導作用，如產業鏈角度出發，以需求為導向，鼓勵定向研發生產等。

4.1.4 在數據統計上部分政策效用無法體現

創新企業家政策在眾創空間場租減免、研發機構認定、科技成果轉化補貼等方面無法用量化指標進行統計考核，對企業實際受益程度無法更加客觀的評價。

4.2 對策建議

4.2.1 鼓勵以企業為主體加強研發

中美貿易摩擦對中國“卡脖子”技術的封鎖與世界范圍內不斷升級的新型冠狀病毒可以列為長期存在的客觀因素影響，同樣也是世界經濟“百年未有之大變局”是空間的“變局”，政府要在現代企業制度、有效的市場競爭、良好的社會信用、健全的法制體系、規范的政府行為上不斷深化。表現為政府有形之手相對弱化，市場無形之手越來越強，資源、資本、人力、技術、產品、信息等生產要素，主要由市場來優化配置。政府要政策上在做好國外疫情防控的前提下，不斷提高企業前沿技術的研究發展，以創新型企業家為代表的鼓勵研發、貸款的形式不斷深化，促進企業長期發展。

4.2.2 在政策導向上進一步貼近企業需求

黨的十八屆三中全會指出：經濟體制改革核心是處理好政府和市場的關系，使市場在資源配置中起決定性作用和更好發揮政府作用。政府提出政策作為一個方向指引，進一步促進創新資源的優化和積聚。既要在減免租、研發認定、成果轉化補貼等方面“外部”為創新型企業做好優惠服務工作，同時也要在“內部”創新資源貼近企業現狀供需關系，挖掘產業鏈上下游深層次的供需差異，以創新為源頭，采取需求項目征集、預購訂單等方式促進企業內生動力發展。

4.2.3 在政策目標上更加聚焦企業人才

人才是城市創新發展重要的動力之一。在政策上要精準聚焦產業發展需求，統籌推進人才引進、培育、使用等各環節工作，廣聚高端人才、廣納青年人才、廣留各類人才。實行更加積極、更加開放、更加有效的人才政策，推進人才治理體系和治理能力現代化。如創新企業家等政策將優惠服務定位在所屬企業，不僅要將“目光”集中在企業自身的發展上，還要將“視線”聚焦在企業人才本身，提供促進企業人才個人發展的相關措施，如個人貸款額度、就學就醫、子女上學上等提供便利。

4.2.4 進一步調整完善統計工作

目前現有的統計僅對創新型企業家指標數據進行統計，但政策中每一個優惠政策應該有相關的統計數據為支撐，如何在統計上挖掘出一些更好的輔助指標來配合政策的實施，一方面建議政府應進一步加強數據的建設，進一步完善數據；另一方面在統計分析中加強數據關聯性探索，促進政策措施的科學和系統性。