創新政策的測度及不同政策效果比較研究

俞立平，鐘昌標，王安然，林強文

(1.浙江工商大學統計與數學學院，浙江 杭州 310018；2.云南財經大學商學院，云南 昆明 650221；3.西交利物浦大學國際商學院，江蘇 蘇州 215123；4.廣州商學院科研處，廣東 廣州 511363)

近年來，隨著經濟發展進入新常態，產業發展需要轉型升級，創新驅動發展是必由之路。為了鼓勵企業進行創新，政府不斷加大創新政策的實施力度，也取得了一定成績，在 《2020全球創新指數》(GII)中我國綜合創新指數全球排名第14位，從2013年到2020年提升了21位。創新政策可分為直接創新政策與間接創新政策，直接創新政策是指政府對創新企業的財政科技補貼和投入 (包括稅收減免)；間接創新政策是指其他所有技術、人才、科技中介、科技金融政策等。更廣義的間接創新政策還包括與創新相關的經濟、產業、環境政策等。

本文從廣義創新政策界定角度出發，建立創新政策的定量測度模型，以中國高技術產業的省際面板數據開展研究，運用面板數據模型、門檻模型、貝葉斯向量自回歸模型對直接和間接政策的績效進行全方位研究，分析直接與間接政策之間的關系，對創新政策績效做全面的評估。

1 文獻綜述

由于研究目的不同，創新政策的分類視角是多種多樣的。Rothwell等[1]從政策工具理論視角出發，將創新政策分為供給型、需求型和環境型，認為供給政策對科技活動有直接作用，而環境政策工具屬于間接作用型政策。Ekboir[2]依據市場失靈、任務使命、合作互惠，把區域科技創新政策劃分為政府對科技創新的直接投資政策、間接支持政策及外圍促進政策。Helfand等[3]以創新系統演化為分類依據，將創新政策劃分為4種類型：研發刺激、技術轉移、創新瓶頸突破和系統創新。Bataille[4]將創新政策劃分為預見型、任務導向型、擴散導向型。Klein等[5]根據政府運用資源的方式不同，把政策劃分為信息型、權威型、組織型及財政型。Phaal等[6]依據政府對市場的參與程度分為自愿型、強制型、混合型政策。

關于創新政策績效研究的成果也較為豐富。Falk[7]從定性定量兩個方面對澳大利亞的直接與間接政策進行研究，發現這兩種政策間存在互補關系，在共同作用下企業會加大R&D投入，從而使企業具有更高的生產績效，提升突破性創新的可能。目前，部分學者關注政府的財稅政策對企業創新的影響，Hall等[8]研究證實稅收優惠對企業技術創新具有明顯提升作用，但提升效果的大小受到國別和地區差異的影響。Bloom等[9]發現在固定國家特征、經濟波動等影響因素后，稅收減免對研發投資水平和研發強度有激勵作用。李翠芝等[10]認為，財稅政策扶持強度大更有利于非國有企業、中小企業的創新水平。姜安等[11]發現研發稅收優惠激勵企業研發投資，有利于創新質量的提升。武倩等[12]發現，隨著時間的推移創新型城市建設政策對城市生產率提升顯著。

關于創新政策的測度一直是個關鍵問題。Lis等[13]從創新政策的內容分析出發，對政策互補性、協調性以及對創新的影響等進行評估，多采用文本挖掘法。也有學者從政策的實效效果出發，判定政策的有效性，多采用構建指標體系法，還有學者采用專家打分法等其他方法進行評價。例如：Hultink 等[14]從計劃層次、公司利潤、產品層次、顧客接受度和財務狀況五個方面對荷蘭技術政策績效進行評估；李強[15]對產業創新政策進行抽象與量化，篩選具體地方政策進行結構分析。

從現有研究看，關于創新的作用機制以及績效的研究成果較為豐富。關于創新政策的定量測度，多從政策內容與政策實效出發，采用文本挖掘、指標體系、專家打分等方法。總體上，以下領域需要進一步深入研究：第一，比較直接與間接創新政策績效的研究成果較少，需要加強該領域的研究；第二，進一步深入探討直接創新政策與間接政策的關系及協調情況；第三，目前尚沒有較好的創新政策測度工具，需要深入研究。

2 理論基礎與研究方法

2.1 創新政策與創新成果的互動機制

在科技創新投入產出中，主要的投入變量包括企業研發經費投入、研發人員投入和創新政策 (見圖1)。在投入變量中，必須處理好直接創新政策與間接創新政策的協調關系，如果間接創新政策能夠取得相對較好的結果，那么可以適當減少直接創新政策，畢竟財政科技資源是寶貴的，要將其應用到最重要的領域。

圖1 創新政策與創新成果的互動機制

創新政策除了對科技成果的直接貢獻外，還有對企業研發投入的間接作用機制，即有益的創新政策可以促進企業增加創新投入，從而使得企業能夠獲得更好的創新效果。直接創新政策即政府研發經費與企業研發經費的關系比較復雜，學術界主要持兩種觀點，一種認為兩者是互補關系，即政府研發經費能夠促進企業加大研發投入。Czarnitzki 等[16]認為政府補貼對于企業研發項目而言僅占很少一部分，大部分資金還是企業的自發投入，通過提供政府對企業的研發補助資金，總的來說提升了企業整體的研發投入。Guellec等[17]研究發現研發支出稅收政策可為企業直接降低研發成本，激勵企業增大研發投入。另一種觀點認為兩者是替代關系，即政府研發經費補貼會促使企業減少研發投入。Lach[18]認為當政府的補貼計劃實施時，企業通常會申請政府補貼計劃內的研發項目，因為這對企業來說邊際成本機會為零，這時 “擠出效應”出現，政府的補貼擠出了企業的研發支出。

從反饋效應看，如果創新政策能夠取得較好的創新成果，在一定程度上會促進政府繼續出臺相關政策，或者加大研發經費投入，從而形成良性循環。除非在創新成果非常顯著的情況下，創新政策的反饋效應才有所減弱。反饋效應同樣適用于研發經費與研發人員，在創新成果較好的情況下會激勵企業繼續加大經費與人員投入。

2.2 創新政策的測度

本文將創新政策分為直接政策P1與間接政策P2，P是直接政策與間接政策的總和，即P=P1+P2。直接政策不需要測度，可以通過財政科技投入以及政府稅收補貼來反映，在這種情況下，無論是測度出P2或者P，都能解決創新政策的測度問題。當然，無論是P1還是P2，都必須進行標準化處理，如極大值均是100，這樣P的極大值就是200。

本文基于知識生產函數，從全要素生產率分解的角度測度創新政策，進而計算出間接創新政策。知識生產函數是Griliches[19]、Jaffe[20]在Cobb-Douglas生產函數的基礎上建立的，即Y=AKαLβ，式中Y、K、L分別為創新成果、研發經費、研發勞動力，α、β為彈性系數，A為全要素生產率 (TFP)。Ray等[21]將TFP指數分解為技術進步指數TP、技術效率指數TE，TE又可分解為純技術效率指數PTE和規模效率指數STE，即TFPch=TPch×TEch=TPch× (PTEch×STEch)。F?re等[22]進一步明確了TFP的指數性質，在計算各相關指數時要用幾何平均法，當上述各種指數的數值大于1時代表指數提高、小于1時代表退步、等于1時代表維持不變。

全要素生產率綜合表示科技投入產出中的技術進步和管理水平，如果基于宏觀數據研究，那么管理水平就是政策水平。對于宏觀創新投入產出而言，除了技術進步，其他都由宏觀管理因素決定，這些本質上都是廣義創新政策，把自身的技術進步變量引入知識生產函數中，這樣TFP就可以表示創新政策。決定創新投入產出技術進步的因素有很多，如科研儀器設備的重大技術進步、人才培養水平的快速提高、革命性的通用技術取得突破等。對于我國科技發展而言，最近幾十年來最大的技術進步就是以計算機、互聯網為代表的信息化，因此在上述基礎上增加信息化變量I，即Y=A′KαLβIγ。信息化變量I的引入使得全要素生產率A′中已經沒有技術進步的影響，此時的A′綜合代表所有創新政策因素，包括直政策和間接政策。

以上計算得到全要素生產率是每年各單位的指數，需要注意的是，創新政策具有存量屬性。新的一年開始，政策并不是從零開始，而是繼續維持在去年年底的水平，并且隨著新的政策變化而變化，所以要定量測度創新政策，必須將基年政策乘以各年的全要素生產率指數，即：

(1)

式中，Pij表示區域創新政策，i表示地區，j表示年度，t表示當前年度，區域創新政策就是TFP指數的累乘結果。

創新政策計算出來后，對其進行標準化，再減

去直接政策，就得到間接政策：

(2)

公式 (2)是一種線性變換，不影響后續基于面板數據進行回歸的實證研究。

2.3 直接創新政策與間接創新政策績效及協調

在知識生產函數中，進一步引入直接創新政策與間接創新政策：

logY=c0+c1logK+c2logL+c3logP1+c4logP2+μ

(3)

公式 (3)可以直接估計出直接創新政策與間接創新政策的彈性，對其平均貢獻做一個估計。如果要進一步估計出直接創新政策與間接創新政策的作用規律，可以進一步引入2次項，進行非線性估計，即：

logY=c0+c1logK+c2logL+c3logP1+c4logP2+c5log2P1+c6log2P2+μ

(4)

為了進一步研究直接政策與間接政策的關系和協調水平，在公式 (4)的基礎上進一步引入直接創新政策與間接創新政策的交互項：

logY=c0+c1logK+c2logL+c3logP1+c4logP2+c5logP1logP2+μ

(5)

對于創新政策的非線性效應，可以進一步采用Hansen[23]提出的面板門檻回歸模型進行估計。以直接創新政策和單門檻為例，其門檻模型為：

(6)

式中，τ為直接創新政策門檻，θ1、θ2分別為不同門檻下的政策彈性。

2.4 研發投入、創新政策與創新成果的互動關系

為了進一步綜合分析直接創新政策、間接創新政策與研發經費投入、研發勞動力、創新成果之間的互動關系，進一步分析創新政策的績效，繼續采用貝葉斯向量自回歸模型 (BVAR)進行估計。在貝葉斯推斷理論與Sims[24]創立的傳統向量自回歸模型 (VAR)基礎上，Litterman[25]提出貝葉斯向量自回歸模型。與傳統VAR模型的最大區別是，BVAR模型在進行參數估計時巧妙地節省了自由度，比如對于一個有m個內生變量、滯后階數為p的VAR模型，估計參數多達m(mp+1 )個，而超級變量往往只有三個。對于BVAR模型，主要采用脈沖響應函數、方差分解等分析變量之間的動態關系，這樣與面板數據模型、面板門檻模型相結合，可以全面比較分析直接創新政策與間接創新政策的績效以及變量之間的關系。

3 實證結果

3.1 數據來源

本文以高技術產業為研究對象開展研究，其中研發經費變量采用高技術企業R&D經費內部支出，研發人員變量采用高技術企業研發人員折合全時當量，在創新政策中直接創新政策變量采用政府研發經費投入，關于創新成果，借鑒Griliches[26]的做法，采用新產品銷售收入作為替代變量。

信息化變量借鑒俞立平[27]、李坤望等[28]的研究，用電信業務額作為替代變量。這是因為，由于時間跨度較長，采用指標體系缺失數據過多。郵政業務額中很大一部分是快遞業務，早期快遞業務不發達時可以代表信息化，現在電子商務非常發達，這樣處理已經不合適。電信業務額包括信息化 (如互聯網、手機、電話、數據業務等)的絕大多數內容。

本文的數據均來自歷年中國高技術產業統計年鑒，由于重慶于1996年從四川省單列，因此本文起始年度從1997年開始。此外，青海、寧夏、新疆、西藏的高技術產業不發達，數據缺失嚴重，因此在模型計算中不計入內。相關變量根據物價指數進行相應的平減，變量的描述統計結果如表1所示。

表1 變量的描述統計結果

3.2 創新政策測度

歷年創新政策如圖2所示，相關數據已經過標準化處理，不同創新政策之間不具有可比性。從創新政策總量看，2015年與1998年相比略有提升，但總體提升幅度不大，創新驅動發展的基本格局和政策框架沒有發生根本改變。直接政策總體上處于提升階段，尤其從2007年開始，政府研發經費補貼處于快速上升狀態，而間接政策總體上處于緩慢下降狀態。

圖2 歷年創新政策

2015年直接創新政策與間接創新政策的地區比較如表2所示，直接創新政策即政府研發經費補助最高的省市以西部地區為主，這和東部地區高技術產業比較發達有關。

表2 地區政策比較

3.3 面板數據估計

(1)面板數據的平穩性檢驗。從數據上看面板數據時間跨度較長，為了防止在回歸中出現偽回歸問題，回歸前對所有相關變量進行平穩性檢驗。本文的平穩檢驗方法分別采用levin Lin&Chu檢驗、ADF檢驗、PP檢驗，經過1階差分，所有變量均為平穩時間序列。

(2)面板數據估計。面板數據的估計結果如表3所示，本文在綜合評估中滯后期均選擇1期，分別基于式 (3)(4)(5)估計直接創新與間接創新的平均彈性、非線性規律、交互作用效果，估計方法

表3 面板數據估計結果

采用系統廣義矩 (SYS-GMM)，以處理內生性的影響。

式 (3)的Hausman檢驗結果為25.311，相伴概率為0.000，說明應采用固定效應模型進行估計。從直接創新政策與間接創新政策的彈性系數來

看均通過統計檢驗，P1的系數為0.095，P2為0.723，間接創新政策績效要大于直接創新政策。此外研發經費通過檢驗，回歸系數為0.808，研發勞動力沒有通過統計檢驗。式 (4)的Hausman檢驗結果為44.694，相伴概率為0.000，表明估計模型應該選擇固定效應模型。直接創新政策與間接創新政策2次項的回歸系數均通過統計檢驗，并且都為正值。說明無論是直接創新政策還是間接創新政策，其對創新成果的貢獻均呈U形非線性關系。此外研發經費通過檢驗，回歸系數為0.804，研發勞動力同樣沒有通過統計檢驗。式 (5)的Hausman檢驗結果為31.949，相伴概率為0.000，同樣說明應采用固定效應模型進行估計。直接創新政策與間接創新政策交互項的彈性系數均通過統計檢驗，其回歸系數為-0.588，說明直接創新政策與間接創新政策協調狀況不佳。此外研發經費通過檢驗，回歸系數為0.798，研發勞動力還是沒有通過檢驗。

(3)面板門檻回歸模型估計。首先估計直接創新政策的門檻效應，單門檻F檢驗值為2.813、相伴概率為0.091，沒有通過統計檢驗，不存在門檻效應。接著估計間接創新政策的門檻效應，單門檻F檢驗值為34.191、p值為0.000，雙門檻F檢驗值為13.998、p值為0.000。繼續進行三門檻檢驗，其F檢驗值為2.246、p值為0.149，最終采用雙門檻模型估計，結果如表4所示。處于低、中、高門檻的數據記錄分別為277條、95條、87條，大多數處在低門檻水平，隨著門檻水平的提高，間接創新政策的彈性系數不斷遞增。面板門檻回歸的結果與帶有2次項的公式 (8)并不矛盾，在低門檻時，間接創新政策數據大多處在U形曲線的底端，其彈性系數較低，少數數據已經到了U形曲線的右端，因此隨著門檻水平的提高，間接創新政策的彈性系數越來越大。

表4 間接創新政策門檻回歸結果

3.4 貝葉斯向量自回歸模型估計

由于科研勞動力的回歸系數并不顯著，因此選用研發經費、直接創新政策、間接創新政策、創新成果四個變量建立BVAR模型，滯后期綜合均衡后選擇2期，過短的滯后期不能體現研發投入產出之間的互動關系，過長的滯后期變量之間的互動關系也較弱。

圖3所示為創新成果脈沖響應函數，研發經費一個標準差的正向沖擊對其影響最大，當期為0，隨后緩慢提高，第6期達到最大，這也從另外一個角度說明本文基于面板數據分析選擇滯后1期是有道理的。間接創新政策的沖擊對其影響次之，當期為0，隨后緩慢上升，說明創新政策的持續時間較長，而直接創新政策的沖擊對其影響最小，當期為0，第1期為比較小的正值，隨后開始緩慢降低為負數。以上結果和面板數據回歸的平均彈性大小排序是一致的。

圖3 創新成果的脈沖響應函數

圖4所示為直接創新政策脈沖響應函數，研發經費一個標準差的正向沖擊對其影響最大，當期有效，效果平穩并且時間較長。創新成果的沖擊對其影響次之，當期為0，隨后第2期短暫調整為負數，從第三期開始逐漸緩慢提高，顯示創新成果對政府經費有一定正反饋，但有較長滯后期。間接創新政策的沖擊當期沒有影響，但是隨后變為負數并繼續下降，說明間接創新政策的提升能夠降低直接創新政策即政府的研發經費補貼，總體上值得肯定。

圖4 直接創新政策的脈沖響應函數

圖5所示為間接創新政策脈沖響應函數，創新成果的正向沖擊對其影響顯著，當期有效，之后大致維持水平不變，顯示創新成果對間接創新政策有正向反饋。企業研發經費的沖擊對其影響為負，并且緩慢降低，說明在市場機制的作用下，企業研發經費投入增加會弱化間接創新政策，畢竟企業是創新主體，總體上可以接受。直接創新政策的沖擊對其影響同樣為負數，并且也是持續下降的，說明直接創新政策的增加會弱化間接創新政策，要加以注意。

圖5 間接創新政策的脈沖響應函數

圖6所示為研發經費脈沖響應函數，創新成果的正向沖擊對其影響最大，當期產生影響，隨后在平穩中波動。直接創新政策的沖擊對其影響次之，當期沒有影響，隨后緩慢升高，說明政府研發經費補貼能夠促進企業增加研發經費投入。間接創新政策的沖擊對其影響最小，當期沒有作用，隨后為負數并不斷減小，說明間接創新政策對鼓勵企業研發經費投入的影響不夠。

圖6 研發經費的脈沖響應函數

各變量的末期方差分解如表5所示，除了創新成果自身的方差分解，研發經費、間接創新政策的比重較大，分別為8.91%、8.22%，直接創新政策的比重極小，只有0.15%。企業研發經費的方差分解中，除了自身外，創新成果所占比重最大。直接創新政策的方差分解中，除了自身外，研發經費所占比重最高，其次是間接創新政策，最后是創新成果。間接創新政策的方差分解中，除了自身外，其余所占比重均不大。

表5 方差分解

4 研究結論與政策建議

4.1 研究結論

(1)創新政策測度模型總體有效。本文把創新技術進步變量引入宏觀知識生產函數，采用信息化作為創新技術進步的替代變量，剔除全要素生產率中的技術進步，此時全要素生產率就表示創新政策，然后用創新政策減去政府研發經費即直接創新政策，從而得到間接創新政策。實證研究表明，直接創新政策的彈性極小，根本不足以解釋創新驅動發展取得的成績，而間接創新政策彈性較大，效果比較顯著，從另外一個角度也說明本文的創新測度方法是可靠的。

(2)間接創新政策的績效超過直接創新政策。面板數據的研究結果表明，直接創新政策的彈性系數很小，而間接創新政策的彈性系數較大。在創新成果的脈沖響應函數中，來自間接創新政策正向沖擊對創新成果的正向影響也遠遠超過直接創新政策。創新成果的方差分解中，間接創新政策所占比重也遠遠大于直接創新政策。雖然研究的模型不同，但是研究結論基本一致，充分說明間接創新政策大于直接創新政策的績效。

(3)間接創新政策的彈性隨著政策強度的提高而提升。間接創新政策對創新成果的彈性總體上呈現U形曲線，在U形曲線底端彈性系數最小。實際數據呈現兩階段門檻特征，即隨著間接創新政策力度的提升，其對創新成果貢獻的彈性系數也處在提高階段，提高間接創新政策的支持水平更加有利于創新成果產出。目前高技術產業大多數地區還處在低創新政策區域，即U形曲線底端，還需進一步完善與提升間接創新政策。

(4)直接創新政策與間接創新政策協調水平有待提高。面板數據回歸結果表明，直接創新政策與間接創新政策交互項的回歸系數為負數并通過統計檢驗。脈沖響應函數的結果表明，直接創新政策的正向沖擊對間接創新政策的影響為負數，也就是說，給企業直接的財政科技補貼反而會降低其他間接創新政策的效果，這是要注意的。間接創新政策的正向沖擊對直接創新政策的影響也為負數，也就是說，完善的間接創新政策有利于降低政府的財政科技補貼，節省寶貴的政府科技資源，這是值得肯定的。

(5)創新政策對創新成果的影響存在階段特征。脈沖響應函數的研究結果表明，直接創新政策的正向沖擊對創新成果的影響當期為0，第1期為正值，隨后緩慢下降為負值，而間接創新政策的正向沖擊對創新成果的影響當期為0，隨后穩步上升。說明創新政策對創新成果的影響具有階段特征，在其影響后期間接創新政策的作用更加明顯，而在其影響前期直接創新政策、間接創新政策均發揮正向影響作用，由此為了增加創新成果，發揮創新政策的最大效果，前期應更加重視直接創新政策與間接創新政策的相互協調，后期加大間接創新政策的力度。

(6)直接創新政策能更好地促進企業加大研發經費投入。研發經費的脈沖響應函數顯示，直接創新政策的正向沖擊對企業研發經費的影響為正，直接創新政策與企業研發經費是互補關系。而來自間接創新政策的沖擊對企業研發經費的影響為負，說明應該出臺更為有效的刺激企業加大研發經費的間接創新政策。

4.2 政策建議

(1)直接創新政策的績效有待進一步提升。本文研究發現，直接創新政策的績效低于間接創新政策，說明當前政府財政科技補貼的績效不佳，深層次的原因是財政科技補貼的分配機制還需要進一步完善。第一，應該進一步優化財政科技補貼的分配方式，確保公平公正；第二，要注重財政科技補貼在不同行業、不同所有制、不同規模企業之間的均衡；第三，要注重財政科技補貼績效的考核評估。

(2)重視分區施策，提升地區創新政策水平。間接創新政策的績效要超過直接創新政策，并隨著政策強度的提升而不斷提高，由于經濟發達地區創新水平較高，政策力度一般較強，往往其間接創新政策水平較高，政策效果總體較好；欠發達地區由于政策力度不強，相比間接創新政策，更加以直接創新政策為主。由此，國家層面應更重視分區施策，對于發達地區來說應加大簡政放權力度，鼓勵出臺更多適合該地區的創新政策；對于欠發達地區來說應加大直接支持，從而有利于完善和提升間接創新政策績效。

(3)提升直接與間接創新政策的協調水平。創新政策是個系統工程，單純依靠提高財政科技補貼或者單純依靠密集出臺各類政策的效果都是有限的，一定要用好政策工具，從創新環境、創新激勵、資金技術人才等全方位做好政策服務，不斷提高直接與間接創新政策的協調水平。