政策性負擔擠出上市企業(yè)研發(fā)投資了嗎？

魏 巍， 王云芳

(1.天津電子信息職業(yè)技術學院，天津 300011；2.北京安永華明會計師事務所，北京 100738)

一、引言

政府在微觀市場協(xié)調和宏觀資源調配過程中具有重要作用，是推動中國經(jīng)濟增長的重要力量。但是，當?shù)胤秸莆沾罅可a(chǎn)資源后，其在資源傾斜方面的話語權會倒逼企業(yè)陷入政企關系競爭之中。企業(yè)為加強與政府間的合作，往往會以承擔一定的政策性負擔為代價，通過分擔政府在經(jīng)濟管理工作的部分成本，強化政企關聯(lián)。Lin & Li(2008)[1]在研究預算軟約束形成機制時對政策性負擔進行了分類和定義。政策性負擔可分為戰(zhàn)略性負擔和社會性負擔。戰(zhàn)略性負擔指在傳統(tǒng)的趕超戰(zhàn)略影響下，企業(yè)將資金投放于不具有比較優(yōu)勢的資本密集型產(chǎn)業(yè)或產(chǎn)業(yè)區(qū)段所形成的負擔。社會性負擔則是指企業(yè)通過接納過多的冗員、支付工人福利、提供公共建設和公共管理等社會性職能來輔助政府完善社會福利與社會穩(wěn)定所需的成本。企業(yè)為構建政治關聯(lián)，往往會承擔更多的政策性負擔。盡管現(xiàn)有文獻分析了顯性或隱性政治關聯(lián)對企業(yè)投資行為及企業(yè)價值的影響，但立足企業(yè)自身、將企業(yè)自發(fā)承擔政策性負擔的行為視為隱性關聯(lián)形式，進而檢驗“政策性負擔”如何影響研發(fā)投入的文獻尚不多見。為此，聚焦于那些承擔了高政策性負擔的企業(yè)，力爭分析此類企業(yè)以政策性負擔為載體強化政治關聯(lián)的行為究竟是在政府補貼、信貸和稅收優(yōu)惠等資源傾斜效應影響下激勵了企業(yè)自身的創(chuàng)新能力，還是因導入了更多的政府干預而削弱了企業(yè)創(chuàng)新能力，即政府資源配置傾斜和干預行為究竟更多地表現(xiàn)為支持之手還是掠奪之手。

從現(xiàn)有文獻看，黃亮等(2021)[2]、龔強等(2015)[3]發(fā)現(xiàn)，企業(yè)因承擔政策性負擔而發(fā)生的不必要支出會直接擠占研發(fā)支出所需的資金，從而抑制創(chuàng)新，且政策性負擔的增加會顯著降低民營企業(yè)績效(劉春和孫亮，2013)[4]。同時，承擔政策性負擔而獲得的政府補貼也未能產(chǎn)生績效補償(喻貞等，2020)[5]，故現(xiàn)有研究多認為存在“掠奪之手”。然而，伴隨近年來營商環(huán)境的改善，上述情況是否有所好轉？對此重點考察了那些承擔了更多政策性負擔的企業(yè)，其研發(fā)投入(創(chuàng)新能力)是否會被擠出。聚焦于研發(fā)投資(而非固定投資)是由于企業(yè)若想鞏固市場競爭地位、提高市場份額，研發(fā)必不可少，只有核心科技實力的提升才能換取長期競爭力。另外，選擇研發(fā)投入，也是力爭揭示那些通過政治聯(lián)結而獲得更多“資源市場競爭力”的企業(yè)，其通過創(chuàng)新來博得“產(chǎn)品市場競爭力”的動機是否會顯著弱化。畢竟政策性負擔過重往往會導致企業(yè)更愿意走“捷徑”，即更愿意通過搶占上游市場資源(而非爭奪下游客戶資源)來獲得競爭力，導致對創(chuàng)新的忽視以及對研發(fā)投入的“擠出”。

綜上，沿上述預期探尋中國經(jīng)濟轉型過程中政府是否出于政績和職位晉升的目的將自身的社會經(jīng)濟發(fā)展內化于企業(yè)，導致企業(yè)目標的扭曲和激勵約束機制的失效，從而表現(xiàn)為那些承擔了更高政策性負擔的企業(yè)，反而呈現(xiàn)出更低的研發(fā)投入水平。

二、文獻評述與邏輯假設

(一)文獻述評

國家為了履行其公共職能，實現(xiàn)社會及就業(yè)穩(wěn)定等目標，往往會對企業(yè)施加政策干預。企業(yè)在政府干預下會被攤派更多的公共性負擔。施加這一負擔是政府干預經(jīng)濟的一種手段(Lin & Li，2008)[1]，其造成的不利影響是預算軟約束。例如，林毅夫和李志赟(2004)[6]認為，在信息不對稱的情況下，國有企業(yè)管理者可利用國家強加的政策負擔作為表現(xiàn)不佳的借口。為減少不必要的核實成本，政府通常會直接對企業(yè)作出補償。Shleifer & Vishny(1994)[7]發(fā)現(xiàn)，地方政府會通過兼并、收購來支持當?shù)靥潛p企業(yè)，因為這些公司通常承擔了更多社會責任和政策性負擔。倪志良等(2019)[8]以1998—2013年中國工業(yè)企業(yè)數(shù)據(jù)為樣本，基于預算軟約束這一中介視角，研究了政策性負擔對國有企業(yè)杠桿率的影響，發(fā)現(xiàn)預算軟約束在政策性負擔與國企杠桿率之間起到部分中介作用，且政策性負擔對杠桿率的影響在不同規(guī)模、不同經(jīng)濟區(qū)域間存在顯著差異。葉建宏和汪煒(2015)[9]則以企業(yè)高管的超額薪酬為切入點，發(fā)現(xiàn)在董事會以及大股東的監(jiān)督下，企業(yè)承擔的政策性負擔會顯著降低企業(yè)高管對公司業(yè)績的敏感性，并且這一降低效應在不同產(chǎn)權屬性和層級狀況下，會有顯著差異(林鐘高等，2014；Liao et al，2009)[10-11]。趙雅娜和敖小波(2016)[12]則以冗員程度度量企業(yè)所承受的政策性負擔，發(fā)現(xiàn)政策性負擔除了會約束企業(yè)的自由現(xiàn)金流外還會損害企業(yè)的核心優(yōu)勢。

現(xiàn)有文獻主要從“預算軟約束”“薪酬激勵”等角度探討企業(yè)在承受政策性負擔后會對企業(yè)造成的影響，也有部分文獻從“自由現(xiàn)金流競爭”角度出發(fā)，發(fā)現(xiàn)企業(yè)因承受政策性負擔而造成現(xiàn)金流運轉壓力，從而在現(xiàn)金流有限條件下對資金的用途分配作出更改。那么過高的政策性負擔是否會通過一定的傳導渠道進一步擠出企業(yè)研發(fā)投資呢？政策性負擔與企業(yè)研發(fā)支出之間的關系至今依然不清晰，這為本研究保留了空間。

(二)邏輯分析與假設

1.基于“信號理論”的積極效應分析。積極的社會責任表現(xiàn)(如ESG表現(xiàn))往往被市場視為企業(yè)經(jīng)營質量的信號，會借助信號效應對企業(yè)生產(chǎn)經(jīng)營釋放“利好”消息并提高企業(yè)市場聲譽，這會向市場散發(fā)優(yōu)質經(jīng)營的“質量信號”，從而減少因信息不對稱而引發(fā)的融資約束(高杰英等，2021)[13]。類似地，現(xiàn)有研究指出，政策性負擔也可以理解為是企業(yè)主動承擔社會責任的一種表現(xiàn)形式，而這種“主動”往往可以吸引社會關注，從而提高企業(yè)的影響力，擴大聲譽效應，有利于拓展?jié)撛诳蛻羧后w。同時，由于對政策性負擔的承接強度常被市場解讀為是企業(yè)與政府之間的關系嵌入強度的信號——國有企業(yè)通常承擔更多的負擔(蔡明榮和王毅航，2022)[14]。所以，高負擔引發(fā)的高關聯(lián)也通常被市場解讀為一種“資源優(yōu)勢”。于是，在信號理論下，那些承擔政策性負擔更多的企業(yè)，其資源優(yōu)勢(信號)也會為其帶來融資約束緩解效應(于博和夏青華，2019)[15]，進而間接激勵企業(yè)研發(fā)支出。但是，近年來的一些研究對信號理論的適用性提出了“質疑”。如：金宇等(2021)[16]研究發(fā)現(xiàn)，承擔過多社會責任并沒有通過信號機制來緩解融資約束，進而來實現(xiàn)創(chuàng)新激勵。同時，張安軍(2022)[17]的研究也發(fā)現(xiàn)更高的社會責任承擔水平不僅沒有激勵企業(yè)綠色創(chuàng)新能力，反而抑制了綠色創(chuàng)新。綜上認為“信號理論”下的正向影響預期(激勵創(chuàng)新預期)存在失靈風險。

2.基于“資源競爭”理論的負面沖擊效應分析。首先，承擔政策性負擔對企業(yè)經(jīng)營績效和投資能力均具有一定的損害。林毅夫和李志赟(2004)[6]指出，國有企業(yè)承擔政府施加的負擔會增加企業(yè)的經(jīng)營成本，可能會導致企業(yè)運行效率低下。其次，高政策性負擔企業(yè)存在“以劣充優(yōu)”的機會主義行為，這會倒逼地方政府在資源約束條件下減少對長期研發(fā)投入的財政支持，而增加對短期就業(yè)和社會保障的支持(龔強等，2015)[3]。再次，從微觀層面的資源競爭看，政策性負擔的提高會搶占企業(yè)自由現(xiàn)金流，從而在資源配置能力有限條件下，讓企業(yè)不得不減少創(chuàng)新支出。最后，為滿足政府的宏觀經(jīng)濟增長目標，承擔高政策性負擔的企業(yè)會更多地將資金投資于一些周期短、見效快的低回報率項目，甚至用于為一些不會產(chǎn)生實際效率的員工支付薪酬，這會占用有限的資源、擠出長期研發(fā)支出(趙雅娜和敖小波，2016)[12]。

綜上，我國目前正處于高速發(fā)展狀態(tài)，政策性負擔多數(shù)情況下屬于企業(yè)的一種被動行為，在自身發(fā)展不順暢的情況下，政策性負擔帶來的更多是一種成本上的負擔。即使部分企業(yè)是“主動承擔”，但由“主動”帶來的企業(yè)外在形象的提升從開始到真正發(fā)揮作用需要時間的積累，而在短期內這種成本的付出并不能得到有效的補償，所以在資金等資源緊缺的情況下，企業(yè)勢必作出戰(zhàn)略調整，擠出部分用于研發(fā)投資的長期資金。基于此，提出如下假設：

假設：政策性負擔的提升會擠出企業(yè)研發(fā)投資，從而抑制創(chuàng)新。

三、實證設計

(一)樣本范圍

從Wind和CNRDS數(shù)據(jù)庫收集數(shù)據(jù)，覆蓋2011—2018年滬深主板上市的A股公司，進行了如下剔除：(1)剔除銀行、保險業(yè)等金融業(yè)企業(yè)；(2)剔除ST、*ST企業(yè)(3)剔除關鍵財務數(shù)據(jù)存在缺失的公司。最后，為避免極端值的干擾，對所有連續(xù)變量進行了上下1%的winsor處理。經(jīng)上述處理，最終得到1554家企業(yè)，12420個樣本觀測值。

(二)核心變量的定義與度量方式

1.政策性負擔(Burden)的度量。借鑒張霖琳等(2015)[18]衡量政策性負擔的方法，建立模型(1)估計企業(yè)的最優(yōu)資本密集程度。然后，計算企業(yè)實際資本密集程度與經(jīng)濟要素稟賦所決定的最優(yōu)資本密集程度的偏離，即政策性負擔(Burden)。正殘差代表戰(zhàn)略性負擔，源于地方增長目標推動下企業(yè)被迫進入具有比較優(yōu)勢的戰(zhàn)略領域，使得其實際資本密度要高于最優(yōu)資本密集程度(Qian，1998)[19]；負殘差代表社會性負擔，不對殘差方向做進一步細分，取絕對值來衡量政策性負擔。

INTENCi，t=α0+α1Sizei，t-1+α2Levi，t-1+α3Roai，t-1+α4Growthi，t-1+α5Capitalt-1
+∑Province+∑year+∑Industry+εi，t

(1)

式(1)中，INTENC表資本密集程度，用每百萬資產(chǎn)雇傭員工來衡量，Sizet-1、Levt-1、Growtht-1、Roat-1、Capitalt-1代表t-1年的公司規(guī)模、資產(chǎn)負債率、營業(yè)收入增長率、資產(chǎn)收益率及資產(chǎn)結構(固定資產(chǎn)/總資產(chǎn))。∑Province、∑year、∑Industry分別是地區(qū)、年度和行業(yè)虛擬變量。

2.企業(yè)創(chuàng)新投資活動(RD)的測度。研發(fā)創(chuàng)新的資源投入力度一定程度上反映了企業(yè)家生產(chǎn)性精神的配置意愿，因此，借鑒儲德銀等(2016)[20]從研發(fā)投入維度來衡量創(chuàng)新的思路，用研發(fā)支出(RD)代理創(chuàng)新水平。

3.其他控制變量。參考袁建國(2015)[21]，設定了如下幾類控制變量：一是與企業(yè)融資能力有關的因素，如(杠桿率)、和(公司年齡)。二是與盈利能力相關的因素，如oa(資產(chǎn)回報率)、rowth(營業(yè)收入增長率)。三是與現(xiàn)金流循環(huán)能力相關的因素，如f(企業(yè)經(jīng)營性現(xiàn)金凈流)。四是成長性因素，如ize(總資產(chǎn)規(guī)模)、Captal(資產(chǎn)結構)。五是與公司治理有關的因素，如Top1(大股東持股比)和tate(所有制形式)。

上述各類變量的具體定義及度量口徑詳見表1。

(三)模型設定

為檢驗假設，借鑒甄麗明和羅德論(2019)的研究[22]，構建了如下實證模型：

RDi，t=β0+β1Burdeni，t+β2Controlsi，t+fi+gt+εi，t

(2)

式(2)中，RDi，t為企業(yè)i在時間t的創(chuàng)新投資支出，Burdeni，t為企業(yè)i在時間t所承受的政策性負擔，Controlsi，t代表一系列控制變量，主要包括Roa(企業(yè)業(yè)績)、Lev(資產(chǎn)負債率)、Size(企業(yè)規(guī)模)、Growth(企業(yè)成長性)、Cf(企業(yè)經(jīng)營現(xiàn)金流)、Capital(資產(chǎn)結構)等企業(yè)特征變量。

表1 變量名稱及定義

四、實證結果與分析

(一)描述性統(tǒng)計分析

表2概括了主要變量的描述性統(tǒng)計結果。其中：政策性負擔(Burden)均值為1.200，最小值為0，最大值為12，說明不同公司承擔的政策性負擔差距較大。研發(fā)投入(RD)的平均值8.30，最小值0.30，最大值為15.0，表明當前我國上市公司研發(fā)投資方面也有較大差距。

(二)相關性分析

表3為一些主要變量間的相關性分析，在表中可以看出各變量與企業(yè)研發(fā)投資的關系。政策性負擔(Burden)對于研發(fā)投資(RD)在10%的顯著水平與之呈負相關，表明政策性負擔會抑制企業(yè)的研發(fā)投資水平，這為后文的實證檢驗提供了初步證據(jù)。最后，從其他變量間的相關性可知，企業(yè)承擔承受較高的政策性負擔時，會約束企業(yè)現(xiàn)金流，阻礙公司更好地成長，且會影響公司監(jiān)督機構職能的執(zhí)行。從結果看，各變量間不存在明顯的多重共線性問題。

表3 Pearson相關性分析矩陣

(三)基準模型分析

假設重在考察企業(yè)在承受高政策性負擔時，是否會對創(chuàng)新投資有擠出效應。即政府干預與企業(yè)創(chuàng)新的關系。表4表明：第(1)列OLS回歸中，政策性負擔(Burden)系數(shù)為-0.235，在1%水平上顯著；第(2)列加入控制變量后，政策性負擔(Burden)系數(shù)依然在1%水平上負顯著。在(3)(4)列對個體和年份雙向固定后，Burden的系數(shù)分別為-0.111，-0.114，與OLS回歸相比，系數(shù)數(shù)值上總體有所減少，但依然顯著為負。即證明政策性負擔對企業(yè)創(chuàng)新的負向效應，假設得證。

表4 政策性負擔對創(chuàng)新投資效應檢驗

(四)內生性處理

1.多期(漸進)DID。在表4的主檢驗中，政策性負擔(Burden)采用了張霖琳等(2015)一文中求殘差絕對值的方式進行度量，因此，政策性負擔為連續(xù)值。考慮到若假設邏輯成立——政策性負擔越強，越會擠出企業(yè)對創(chuàng)新的投入，當將政策性負擔從連續(xù)值調整為代表“高/低”水平的分組值后，相關結論也依然應該成立。于是，按Burden取值的高低對樣本進行了“高/低”分組，并用TBurden來代表該分組變量(政策性負擔高于75%分位數(shù)的樣本，TBurden=1；低于25%分位數(shù)的樣本，TBurden=0)。為避免分組頻繁跳動，分組過程剔除了政策性負擔位于中間50%的樣本。這樣處理的好處是，高負擔組可視為受負擔影響的分組(處理組)，而低負擔組則可近似地等價為不受負擔影響的分組(控制組)。

由于不同企業(yè)進入受處理組的時點并不相同，故采用多期DID法估計，表5報告的是雙向固定下的處理效應估計量(TWFEDD)。

表5 多期DID估計結果

表5為多期DID估計結果。其中，處理效應變量為TBurden(等同于DID交互項)，且模型同時控制了個體和年度固定效應估計。結果顯示：TBurden系數(shù)為負且在5%水平上顯著，表明將政策性負擔轉換為啞變量后，其對企業(yè)創(chuàng)新投資的擠出效應依然顯著，假設再次得證。

2.考慮異質性處理的雙向固定效應估計量——對漸進DID中“負權重”問題的考慮。Chaisemartin & Haultfoeuille(2020)[23]研究發(fā)現(xiàn)：DID估計系數(shù)可理解為不同類型2×2DID效應(ATT)的加權值。然而，由于處理組存在時變特征，即本期屬于高負擔組(TBurden=1)的企業(yè)，很可能在下期變?yōu)榈拓摀M(TBurden=0)，盡管上述跳變在剔除中間50%的樣本后明顯減弱，但依然不能排除。這意味著傳統(tǒng)漸進DID估計系數(shù)在經(jīng)2*2分解后，會由于存在“負權重”問題而導致DID估計系數(shù)產(chǎn)生偏差。為此，通過twowayfeweight命令檢驗了異質性處理下的負權重數(shù)量，發(fā)現(xiàn)DID估計系數(shù)可視為經(jīng)1035個正權重與833個負權重加權所得到的估計值，由于負權重占比較高，故估計偏誤不可忽略，即多期(交疊)DID估計系數(shù)是有偏的。

由于隨時間變化企業(yè)承受的政策性負擔水平可能出現(xiàn)從高到低、從低到高的交替轉換過程，因此，對于這種含退出狀態(tài)的時變處理組，借鑒Chaisemartin & Haultfoeuille(2020)[24]，引入轉換效應(Switch Effect)進行分析，即以處理狀態(tài)的轉換為事件，對各個2×2分組下的處理效應進行加權，從而重新評估政策性負擔對研發(fā)投入的影響。換言之，加權計算的過程會將政策從無到有(0-1)、從有到無(1-0)兩個正負方向的效果進行加權平均，而將處理不變(一直是1或一直是0)的樣本作為控制組。便可在兼容非同質性處理效應的同時，更準確地刻畫處理組的“動態(tài)”處理(含退出)過程，從而更準確地證明“擠出”關系的存在。

具體而言，轉換效應WTC的計算公式如下：

(3)

式(3)中，DID+，t指的是政策從0到1的平均結果減去穩(wěn)定組(兩期都是0)的平均結果，DID-，t指的是穩(wěn)定組(兩期都是1)的平均結果減去政策從1到0的平均結果。

表6為基于多期多個體DID(DID_M命令)估計的雙向固定下的異質性處理效應結果，同時報告了處理期之前一期的安慰劑檢驗結果。

表6 多期多個體DID估計下的轉換效應及其安慰劑檢驗

表6包含了三組估計結果，其差別在于參與估計的樣本范圍不同，依次為：

(1)全樣本下，將高于上1/4分位數(shù)的樣本作處理組、低于下1/4分位數(shù)的樣本作控制組，進行處理效應估計的結果。

(2)全樣本下，將高于中位數(shù)的樣本作處理組、低于中位數(shù)的樣本作控制組，進行處理效應估計的結果。

(3)分年度計算中位數(shù)，進行高低分組比估計轉換效應的結果。當控制組和處理組的取值距離越遠時，0和1之間越不容易產(chǎn)生跳躍，所以轉換樣本較少(只有38個)。但隨著距離從上下1/4分位點調整為1/2分位點后，在0和1之間進行轉換的樣本開始增多(升至152個)，最后，當以每個年度單獨計算中位數(shù)并設定轉換區(qū)間后，轉換發(fā)生的更為頻繁，接近1/7的樣本發(fā)生過轉換(1129個)，故預期在這一分類下，以狀態(tài)轉換事件進行事件加權，重新計算處理效應，應能更好地修正處理效應估計偏差，提升估計一致性。

實際回歸結果驗證了上述預期：

第一類分組下估計系數(shù)確實不顯著，說明狀態(tài)跳變更難發(fā)生時，擠出效應更難被“捕獲”。

第二類分組下轉換效應系數(shù)已在10%的顯著度下表現(xiàn)出擠出關系，這與轉換樣本明顯增多有關。

第三類分組下轉換效應的顯著性明顯提高(5%的顯著度)，說明基于轉換效應也能驗證擠出關系的存在。上述估計過程通過放松分組條件，即放寬轉換條件，更好地捕捉到了擠出的過程，也證明了本文假設的穩(wěn)健性。

最后，將“跳變”時點前提1期進行安慰劑檢驗，發(fā)現(xiàn)安慰劑并不發(fā)揮作用，因為變更沖擊時點后“擠出”關系消失。

(五)對自選擇問題的考慮——處理效應估計

1.外生處理效應——RA/PW/IPWRA。由于初始創(chuàng)新水平高的企業(yè)落入低政策性負擔組的概率會更高(因為創(chuàng)新強的企業(yè)更注重產(chǎn)品市場競爭優(yōu)勢而非資源市場競爭優(yōu)勢)，所以，將虛擬變量作為自變量來對創(chuàng)新投資(RD)進行估計時存在自選擇問題。為此，利用處理效應估計來克服“自選擇”導致的估計偏誤。處理效應估計可以分為外生處理和內生處理兩類。其差別在于產(chǎn)生選擇過程的模型殘差是否與主方程的殘差相關。若相關，則為內生處理；否則為外生處理。本節(jié)從外生處理出發(fā)進行檢驗，方法包括：回歸調整(RA)、逆概率加權(IPW)、帶逆概率加權的回歸調整(IPWRA)。其中，回歸調整是將處理組與對照組平均估計作差進而估算平均處理效應ATE；逆概率加權是分別將處理組與對照組結果加權后作差來估計平均處理效應ATE；雙重穩(wěn)健法(IPWRA)是在逆概率加權的基礎上再進行回歸調整，從而更加穩(wěn)健地校正回歸模型的自選擇偏誤。

(1)回歸調整法(RA)

RA解決“樣本選擇偏差”的思路是：先估計出假如處理組承受高政策性負擔的企業(yè)沒有被強加較高的政策性負擔時對創(chuàng)新的投入程度是多少，然后在統(tǒng)一的樣本范圍(處理組樣本)內，計算處理組的平均處理效應——ATET，從而得到政策性負擔對創(chuàng)新投資的效應。具體模型如下：

ATET=E(YTBurden=1，i|TBurdeni=1)-E(YTBurden=0，i|TBurdeni=1)

(4)

式(4)中，Y代表企業(yè)研發(fā)投入(RD)，TBurden為政策性負擔分組變量(以上下1/4分組)。E(YTBurden=0，i|TBurdeni=1)代表承受了高政策性負擔的企業(yè)，在假設沒有承受較高政策性負擔的情況下對創(chuàng)新的投入程度，即“反事實”結果。

回歸調整法估算反事實的步驟如下：

首先，分別用處理組和控制組樣本來估計方程(5)(6)中協(xié)變量XTBurden的系數(shù)β1和β0；然后，將處理組的樣本數(shù)據(jù)XTBurden帶入(6)中，由于此時β0包含了控制組樣本下XTBurden對研發(fā)投入(RD)的影響特征，于是，可利用它估計出處理組樣本如果當初未承受高政策性負擔，其創(chuàng)新投入的水平，即求得反事實的E(YTBurden=0，i|TBurdeni=1)，進而得到式(4)中的ATT。

YTBurden=1，i=β1XTBurden=1，i+εi

(5)

YTBurden=0，i=β0XTBurden=0，i+εi

(6)

式(5)～式(6)中，β1和β0的差異代表了處理組和控制組樣本特征不同帶來的XTBurden對研發(fā)投入的影響。其中，協(xié)變量X包括：資產(chǎn)收益率(Roa)、營業(yè)收入增長率(Growth)、企業(yè)經(jīng)營性現(xiàn)金凈流(Cf)、大股東持股比(Top1)、資產(chǎn)負債率(Lev)等因素。

(2)逆概率加權法(IPW)

逆概率加權通過給高概率選入的樣本更低的權重、低概率選入的樣本更高的權重來降低處理組和控制組的非隨機性，以解決“依可觀測變量選擇”而產(chǎn)生的“選擇偏差”。它首先通過Probit模型計算出在Zi的選擇機制下，每個樣本i對創(chuàng)新投資的概率P(treatedi=1)。模型如下：

p(treatedi=1)=β0+∑βjZi+εi

(7)

式(7)中，Zi表示協(xié)變量，具體包括：資產(chǎn)收益率(Roa)、營業(yè)收入增長率(Growth)、企業(yè)經(jīng)營性現(xiàn)金凈流(Cf)、大股東持股比(Top1)、資產(chǎn)負債率(Lev)等因素。在計算出P(treatedi=1，i)的基礎上，通過逆概率加權，便可得到ATE和ATT，具體如式(8)～式(9)所示。

(8)

(9)

式(8)～式(9)中，Y表示RD，treated即為TBurden，若企業(yè)承擔高政策性負擔，則TBurden=1，否則TBurden=0。N1表示承受高政策性負擔的企業(yè)數(shù)量，N0表示承受低政策性負擔的企業(yè)數(shù)量。

(3)雙重穩(wěn)健法(IPWRA)

雙重穩(wěn)健法(IPWRA)可以保證無論是概率方程還是主方程，只要任何一個設定合理，都可以得到處理效應的有效估計。它將回歸調整法和逆概率加權法結合起來計算處理效應，其基本步驟是：首先，通過概率估計得到權重，其次，通過逆概率加權計算得到加權處理后的Y；再次，利用加權計算后的“樣本”估計β1和β0，得到E(Ytreated=0，i|treatedi=1)的反事實結果；最后，代入式(4)計算ATET。

表7依次列示了RA、IPW、IPWRA的估計結果。結果表明：三種情況下處理組平均處理效應ATT均為負(在5%顯著度)，表明高政策性負擔確實會對企業(yè)的研發(fā)投入產(chǎn)生負面影響。

表7 基于加權調整法的估計結果

2.內生處理效應——Heckit兩步法估計。考慮到可能存在 “不可觀測變量”所引起的自選擇問題，參考Maddala(1983)[24]中采用的Heckit兩步法進行評估。在對“選擇過程”進行結構建模時，涉及到兩個方程：

第一個方程是第一階段的“處理(選擇)方程”，如式(10)：

TBurdeni=I(γZi+vi> 0)

(10)

第二個方程是第二階段的“結果方程”，如式(11)所示：

RD=β1TBurdeni+β2Contrrols+u

(11)

首先，式(11)中控制變量與回歸調整法中的變量保持一致，故不再贅述。

其次，就選擇方程而言，式(10)中的Zi代表一系列選擇因素，并且處理效應估計要求Zi中至少包含了一個不出現(xiàn)于結果方程控制變量中的協(xié)變量，即必須存在一個具有工具變量性質的zi，且zi滿足條件cov(zi，u)=0。在工具變量zi的設計方面，引入樣本企業(yè)所在省的GDP增速作為工具變量。其邏輯如下：省份GDP的高低對政府決策的制定有重要影響。當省份GDP增速較快時，說明地區(qū)經(jīng)濟增長對資本更具吸引力。此時，GDP水平可以通過加強財富資本集聚和知識資本外溢來影響創(chuàng)新。但當一個省的GDP增速明顯放緩時，如樣本期內(2011—2018)各地經(jīng)濟增速就明顯進入下行周期。此時，調整成本的存在導致固定資本和人力資本的撤出會較為滯后，加之政府此時又會通過稅收優(yōu)惠或補貼等財政手段穩(wěn)定投資和吸引人才。所以，GDP減速通過上述因素抑制創(chuàng)新的作用會較弱。但GDP增速的持續(xù)下行卻會極大程度提高政府官員的政績壓力并加劇地方財政壓力。于是，在政績壓力和財政壓力的共同作用下，政府很可能會要求地方企業(yè)承接社會性服務，這會倒逼企業(yè)承擔更多的社會責任。此時，為了穩(wěn)定增長、避免大規(guī)模失業(yè)，政府更有動力要求企業(yè)承擔更多的非經(jīng)濟職能。可見，在GDP增速下行期，政策性負擔將成為政府干預沖擊企業(yè)財務穩(wěn)健性、進而影響研發(fā)支出水平的主要渠道。因此，將GDP增速作為工具變量，這符合政企之間的互動特征和工具變量的外生性。

表8表明：在考慮了內生自選擇偏誤后，政策性負擔(TBurden)對研發(fā)投入的估計系數(shù)依然顯著為負，即擠出效應依然成立，這進一步為假設提供了穩(wěn)健性支持。

表8 內生處理效應(Heckit兩步法)估計結果

五、結論、創(chuàng)新與啟示

政府與企業(yè)之間的關系歷來都是學者們研究的熱點。政策性負擔作為連接政府與企業(yè)的橋梁，對企業(yè)各項活動的影響頗有爭議。使用2011—2018年主板上市公司數(shù)據(jù)，檢驗了政策性負擔對企業(yè)創(chuàng)新投資的擠出，豐富了現(xiàn)有文獻中對創(chuàng)新投資的相關研究。結論如下：當企業(yè)承受較高的政策性負擔時，雖然會在一定程度上得到政府的“好處”，但是這種“好處”往往并不能抵消所付出的成本，即在資金與資源短缺的情況下，企業(yè)為了承擔政策性負擔會一定程度上擠出創(chuàng)新投資。上述研究結論在經(jīng)漸進DID、帶異質性處理的多期DID及內、外生處理效果等內生處理和自選擇處理修正估計偏誤后，結論依然成立。

文章創(chuàng)新點體現(xiàn)在：一是有關企業(yè)研發(fā)投入的影響因素研究并不少見，但從企業(yè)自發(fā)承擔政策性負擔這一新視角考察該自發(fā)行為及其背后隱含的尋租過程對創(chuàng)新是否會產(chǎn)生擠出作用的文獻卻相對鮮見。二是承擔政策性負擔作為一種隱性政治關聯(lián)方式，通常能獲得更多的資源傾斜(如政府補貼或市場準入)，但現(xiàn)有文獻也發(fā)現(xiàn)這些資源補償未能帶來企業(yè)的績效補償，因此認為存在“掠奪之手”。伴隨近年來營商環(huán)境的改善，掠奪之手逐漸向扶植之手轉變。但鮮有研究考察隱性關聯(lián)(承擔政策性負擔)會對企業(yè)創(chuàng)新(而非績效)產(chǎn)生怎樣的影響，筆者則拓展了此研究領域。三是在檢驗方法上，為避免傳統(tǒng)多期多組DID(交疊DID)的估計偏差問題，不僅采用Chaisemartin & Haultfoeuille(2020)最新提出的帶異質性處理效應的雙向固定估計量(TWFEDD)來排除負權重對估計結果的擾動，還借助外生處理效應(RA/IPW/IPWRA估計量)和內生處理效應(Heckit Two-Step估計量)等方法提升結論穩(wěn)健性。

基于以上研究結論，提出如下建議：

第一，推動金融體系市場化改革。民營企業(yè)在經(jīng)營過程中會更加依賴于銀行融資，但同時因其規(guī)模、資產(chǎn)等各方面問題往往會受到各大銀行的歧視，出現(xiàn)融資難、融資貴等問題。這是導致企業(yè)通過承擔更多政策性負擔來獲得尋租權的關鍵動因，其歸根矛盾是市場資源分配不合理。因此，提高金融資源的市場配置效率，推動進市場和金融機構的市場化改革進程至關重要。

第二，建設服務型政府、減少政府干預。過往由于推行的漸進式改革，政府利用行政手段對企業(yè)進行直接干預，并為了履行社會職能向企業(yè)強制攤派較重的政策性負擔。政策性負擔使得企業(yè)戰(zhàn)略決策時不能按照價值最大化的經(jīng)營目標進行決策，導致企業(yè)競爭力下降。基于此，應強化行政體制改革，推動實現(xiàn)管理型政府到服務型政府角色的轉變，應通過簡政放權來優(yōu)化營商環(huán)境、減少行政干預，激發(fā)企業(yè)創(chuàng)新活力。

第三，建立健全配套的法律體系。企業(yè)研發(fā)創(chuàng)新不僅需要內部生產(chǎn)性資源的主動型配置，也有賴于外部環(huán)境的改善。一方面，只有不斷加強法律法規(guī)建設，強化民營企業(yè)及中小企業(yè)產(chǎn)權保護，才能減輕企業(yè)承擔的政策性負擔，使企業(yè)能夠按照企業(yè)價值最大化目標去經(jīng)營，更加合理地將資源在生產(chǎn)性與非生產(chǎn)性方面配置。另一方面，由于政府在執(zhí)法過程中的干預程度較為嚴重，且各地區(qū)法制化水平參差不齊，影響司法獨立性，在一定程度上影響了企業(yè)投資行為，進而導致資源配置效率低下。只有公司內外部制度建設越健全，才能使企業(yè)經(jīng)營模式更趨市場化，那么政策性負擔對生產(chǎn)性資源配置的抑制效應也會不斷弱化。

第四，搭建地區(qū)性的創(chuàng)新平臺或創(chuàng)新孵化基地，升級創(chuàng)新生態(tài)。通過營造良好的激勵自主創(chuàng)新的市場、法制和經(jīng)營等制度環(huán)境，搭建公開、公正和競爭充分的企業(yè)自主創(chuàng)新平臺，減少企業(yè)研發(fā)支出收益的外部不確定性，引導企業(yè)增加研發(fā)投資水平。