High-tech Enterprise Identification and Enterprise Innovation Efficiency: Promote or Inhibit
——Counterfactual Estimation based on Chinese Listed Companies

Dou Qianbin,Sun Meilu,Wang Feiyao,Huang Yejing

(World Economic Institute,Shanghai Academy of Social Sciences,Shanghai 200020,China)

Abstract：As a specific industrial policy in China,policy "high-tech enterprises identification" present significant impact on R&D activities and innovation strategies of enterprises.On the basis of distinguishing the innovation efficiency of technology R&D stage and technology transformation stage,this paper uses 14 156 micro sample data of Chinese listed companies in 2008-2017,by adopting three-stage DEA model to measure the innovation efficiency of sample enterprises.Moreover,paper studies the impact of high-tech enterprise identification policies on the innovation efficiency of enterprises in the two stages through counterfactual estimation and medium effect model.The results show that the policy has positive impact in promoting innovation efficiency of Chinese listed companies in the stage of technology R&D.But the policy has a significant inhibitory effect on the innovation efficiency in the stage of technology transformation.Distinguish the main body of enterprises,the policy has a more significant impact on the state-owned enterprises and the enterprises that have implemented the equity incentive and have not obtained the venture capital.The empirical analysis of its influence mechanism shows that the policy affects the innovation efficiency of enterprises in the stage of technological R&D by two ways: easing the financing constraints of enterprises and improving the long-term liabilities.However,the policy also causes R&D investment of enterprises to "squeeze out" operating costs,advertising expenses and other expenses of enterprises,thus inhibiting the innovation efficiency of enterprises in the stage of technological transformation.

Key Words:High-tech Enterprise Identification; Enterprise Innovation Efficiency; Three-stage DEA Model; Counterfactual Estimation

DOI：10.6049/kjjbydc.2020020627

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2020)19-0123-10

收稿日期：2020-05-16

基金项目：上海市哲学社会科学规划一般项目(2018BJL001)

作者简介：窦钱斌(1989—)，男，安徽合肥人，上海社会科学院世界经济研究所博士研究生，研究方向为开放经济与国际金融；孙美露(1993—)，女，山东济南人，上海社会科学院世界经济研究所博士研究生，研究方向为产业创新；王菲瑶(1994—)，女，江苏镇江人，上海社会科学院世界经济研究所博士研究生，研究方向为互联网经济；黄烨菁(1973—)女，上海人，博士，上海社会科学院世界经济研究所研究员、博士生导师，研究方向为产业创新、科技合作。

0 引言

2008年，经国务院批准，科技部、财政部、国家税务总局联合发布了《高新技术企业认定管理办法》，引导企业加大研发力度，增加科技成果产出。目前，高新技术企业认定政策已实施十余年，从投入方面看，我国研发人员全时当量从2008年的196.54万人年增加到2019年的461.00万人年，研发经费内部支出从2008年的4 616.02亿元增加到2019年的21 737.00亿元；从产出方面看，国内专利申请数从2008年的71.71万件增加到2019年的417.20万件。显然，中国科技创新投入与产出在绝对量方面都得到了极大提升，但是从相对量方面来看，高新技术企业认定政策是否也同样提升了企业创新效率还有待证实。现有研究成果对企业创新效率的阐释主要集中于企业研发产出与研发投入之间的比率，其隐含的假设是，企业进行研发投入后，研发成果自然能够得到最大化应用。然而在现实中，企业技术研发和技术转化分属企业生产过程的不同环节。高新技术企业认定政策的直接目的在于提高中国企业技术研发阶段的创新绩效，这一产业政策的出发点是积极的，但高新技术产品价值链本身链条较长，从技术研发到技术转化所要求的生产要素组合和支撑条件不同，高新技术企业认定政策作用于这两个阶段的效率或许存在差异。如果仅从产业政策的基础性和诱导性作用去考虑产业政策效果，而忽视产业政策可能间接造成其它环节的损失，则可能导致产业政策“好心办坏事”。基于此，本文分别从企业技术研发和技术转化两个阶段的创新效率进一步考察高新技术企业认定政策对企业创新是否具有促进作用，这也更深入地回答了政策对产业实际创新结果的影响问题。

实践中，中国政府主要采用财政、金融和贸易政策扶持企业创新，但最主要也是最常用的两种政策工具则是税收优惠和政府补贴。学界主要从企业研发投入、研发产出和研发效率3个视角评估各项产业扶持政策的政策效果。从企业研发投入视角看，部分学者认为，税收优惠、政府补贴等产业政策对企业研发投入具有正向积极作用[1-2]。但也有持不同观点的学者认为，虽然财政补贴总体上有助于提升企业研发投入，但是二者之间还呈现出复杂的非线性关系，过高的财政补贴反而可能不利于企业研发投入增加[3-4]。张杰等[5]研究中小企业创新发现，中国的创新补贴政策对中小企业研发投入没有显著影响效应。从企业研发产出视角看，不少学者对财政补贴、税收优惠等产业政策的创新产出效应持肯定态度[6-9]，如李世奇和朱平芳(2019)的研究表明，研发补贴对大型企业和国有企业创新产出的激励效应更显著；马文聪等[10]基于产业政策类型视角认为，直接税收优惠对企业创新产出具有促进作用，但直接补贴和间接税收优惠对企业创新产出的影响不显著。从企业研发效率视角看，学界就产业扶持政策和企业研发效率间的关系主要有以下3种观点：①积极论，如卢方元和李彦龙(2016)认为，税收优惠和政府补贴对企业创新效率提升作用显著；②消极论，如任跃文[11]、Hong等[12]认为，政府补贴不利于企业创新效率提升；③无关论，如陈庆江[13]、Hong等[14]认为，政府科技投入等产业扶持政策虽然能够刺激企业创新投入与产出，但对创新效率没有显著影响。

学界对产业扶持政策与企业创新能力的相关问题进行了较为广泛的研究，但是一方面，现有文献对产业政策与企业创新效率之间的关系存在争议，仍需寻找新的证据进行佐证，并且产业政策多集中于税收优惠和政府补贴，较少关注高新技术企业认定政策；另一方面，诸多学者对企业创新过程的定义多集中于单一技术研发过程，较少从技术研发和技术转化两阶段理解企业创新过程的二元性。现实中的创新是由研究发明和市场转化两部分组成的，企业在完成技术研发后，能否进行有效转化是企业绩效问题的核心所在。因此，本文综合考虑企业技术研发和技术转化阶段的创新过程，运用三阶段DEA模型对两阶段效率进行测度，对高新技术企业认定政策与企业创新效率间的关系进行深入挖掘。

1 理论分析

为简化分析，假设企业生产函数满足AK形式，并考虑企业创新效率存在两个阶段，即技术研发和技术转化。在技术研发阶段，企业投入一定资本，并不一定能够获得规模报酬不变的技术研发成果；在技术转化阶段，企业将已研发出的技术成果和资本投入到产品生产中，也并不一定能够获得规模报酬不变的最终产品。假设企业产品生产函数为：

Y=φAK1

(1)

其中，Y表示产品生产数量，A表示技术研发成果，K1表示企业技术转化阶段的资本投入规模，φ表示企业技术转化阶段的创新效率。企业的产品生产函数表明，当技术转化阶段的创新效率越高时，一定单位的技术水平与资本所能获得的产品数量越多。同时，技术研发成果由企业投入的资本与技术研发阶段的创新效率所决定。

A=φK2

(2)

其中，K2表示企业技术研发阶段的资本投入规模，φ表示企业技术研发阶段的创新效率。当φ越高时，企业投入1单位资本所能获得的技术研发成果越多。基于式(1)、(2)可得：

Y=φφK1K2

(3)

假设企业资本数量固定为K，企业按照利润最大化决策，将K分配到技术研发阶段和技术转化阶段，并且每1单位的K所需要付出的利息为r，同时假定企业每1单位产品价格为1，则企业利润最大化决策为：

maxφφK1K2-rK

s.t.K1+K2=K

(4)

此时，均衡条件有：

r=φφK1=φφK2

(5)

然后将高新技术企业认定政策引入到模型中，高新技术企业认定政策一方面规定了企业认定标准，即企业研发投入水平，当企业研发投入水平达不到标准时，就需要投入更多资本到技术研发阶段。同时，企业被认定为高新技术企业后，政府会给予被认定企业一定优惠政策，这里表示为企业能够获得更低的租金r。在没有政策支持的情形下，企业技术研发阶段投入的最优资本规模为企业租金利息为r。当引入政策约束后，企业为了达到高新技术企业认定政策规定的标准，假设需要在技术研发阶段投入的取值范围为[1,2]，表明政策约束下，企业技术研发阶段的资本投入范围为同时，被认定为高新技术企业后，企业能够获得租金优惠，假设政策优惠下的企业利息租金为其中，β的取值范围为[1,+∞]，当β取值越高时，企业利息租金越低，政策优惠力度越大。因此，当引入高新技术企业认定政策时，企业的产品生产函数转变为：

(6)

高新技术企业认定政策约束下，企业利润最大化决策为：

(7)

其对应的一阶均衡条件有：

(8)

在高新技术企业认定政策模型设定中，政策会影响企业技术研发阶段的资本投入变化α，进而影响企业技术研发成果，表明企业技术研发阶段的创新效率φ是关于α的函数，高新技术企业认定政策通过α影响企业技术研发阶段的创新效率φ。同时，在企业生产最终产品的利润最大化决策下，政策会影响资本价格变化β，进而影响企业最终产品生产数量，表明高新技术企业认定政策通过β影响企业技术研发阶段的创新效率φ。进而对式(8)求偏导，可得：

(9)

(10)

由于α∈[1,2]，由式(9)可知表明企业技术研发阶段资本投入的相对改变α越大，则企业技术研发阶段的创新效率越高；由于β∈[1,+∞]，由式(10)可知表明企业技术转化阶段资本价格的相对改变β越大，则企业技术转化阶段的创新效率越低。因此，在引入高新技术企业认定政策后，政策约束会提高企业技术研发阶段的创新效率，但同时也会抑制企业技术转化阶段的创新效率。

2 计量模型设定、变量与数据来源

2.1 计量模型设定

2.1.1 基准回归

基于上述理论推演过程，本文首先构建OLS回归模型，研究高新技术企业认定政策对企业创新效率的影响，以作为后续研究的参照基准。

(11)

其中，被解释变量efficiencyi为企业效率变量，hi_techi为高新技术企业认定变量，controli为控制变量，εi为服从标准正态分布的随机误差项。在方程(11)的估计中，如果回归系数α1>0且显著，表明政府部门对高新技术企业进行资质认定可以有效促进企业创新效率提升，反之则具有抑制作用。

2.1.2 反事实匹配

虽然通过OLS方法对式(11)进行估计可以研究高新技术企业资质认定对企业创新效率的平均效应，但同时也会产生两个问题。一方面，尽管考虑了一系列控制变量controli，但依然可能存在遗漏变量的问题，无法分离出影响企业创新效率的其它因素；另一方面，OLS回归无法克服由于样本选择偏差而引致的内生性问题，导致回归系数的估计结果有偏。为了处理这一内生性问题，本文利用反事实匹配方法加以解决。如果被认定和没有被认定为高新技术企业能够被一组共同协变量所解释，就可以利用这一组协变量对样本进行分层配对，每层中仅包含被认定和没有被认定两类企业，进一步对分层比例和分层差异进行加权处理，则可以得到ATT(平均处理效应)的估计。具体步骤如下：

首先，利用Logit回归，选择一系列既定的可观测协变量，估计出企业可能被认定为高新技术企业的概率，这一概率即被认定为高新技术企业的倾向得分值。

P(Xit)=Pr (hi_techit=1|Xit)

(12)

其中，Xit表示一系列协变量，hi_techit=1表示企业i在t年被政府部门认定为高新技术企业。其次，按照估计出的倾向得分值大小，对被认定和没有被认定的两组企业进行一对一配对。最后，定义被认定为高新技术企业对企业创新效率影响的平均处理效应(ATT)为：

ATT=

(13)

其中，M表示被认定为高新技术企业的个数，I、J分别代表被认定和未被认定为高新技术企业的集合，i、j分别代表属于I、J中的企业元素，efficiency、hi_tech的含义同上，pit、pjt分别代表上一步中某个企业被认定和未被认定为高新技术企业的概率预测值，权重函数w(pit,pjt)表示当用未被认定为高新技术企业j的效率值对被认定为高新技术企业i的效率值进行“反事实”替代时所赋予的权重。

2.1.3 影响机制的中介效应检验

基于上述计量模型研究结果，本文进一步利用中介效应模型对高新技术企业认定政策影响企业创新效率的作用机制进行检验，并且借鉴温忠麟等[15]提出的中介效应检验程序，对下述模型结果进行检验。

(14)

(15)

(16)

其中，efficiencyit表示企业i在t年的创新效率值，hi_techit表示企业i在t年是否被认定为高新技术企业，interk,it表示高新技术企业资质认定影响企业创新效率的第k个中介变量，controlit为控制变量，vi、λt分别表示控制行业效应和时间效应，εit表示满足正态分布的随机扰动。方程(14)表示高新技术企业认定对企业创新效率影响的总效应，系数β1衡量总效应大小，方程(15)表示高新技术企业资质认定对第k个中介变量的影响，将方程(15)代入方程(16)中，得到的系数乘积ρkγk,1为第k个中介变量的中介效应，即表示高新技术企业资质认定通过第k个中介变量影响企业创新效率的程度。

2.2 变量说明

2.2.1 企业创新效率

借鉴孟维站等[16]的研究，本文分别从技术研发阶段和技术转化阶段两个维度考察企业创新效率。其中，技术研发阶段是指企业技术生产过程，技术转化阶段是指企业的技术应用过程。本文利用三阶段DEA模型对企业技术研发阶段和技术转化阶段的创新效率进行测度，具体步骤如下：

第一步，利用Banker等[17]提出的BCC模型对规模报酬可变条件下的创新效率进行测度，将传统DEA模型中的综合技术效率(crste)分解为纯技术效率(vrste)和规模效率(scal)两部分，具体关系是crste=vrste·scal。本文以各上市公司作为决策单元，技术研发阶段的投入指标选取研发人员投入数量、研发资金投入数量两个指标，技术研发阶段的产出指标和技术转化阶段的投入指标选取专利申请数、有效专利数两个指标(由于本文将企业创新分成两个阶段，技术转化阶段是对企业生产的技术进行应用的阶段，因而技术研发阶段的产出可被视为技术转化阶段的投入)，技术转化阶段的产出指标选取营业收入增加值(见表1)。需要说明的是，高新技术企业营业收入增加值构成不完全等同于新产品营业收入，某些部分来源于新产品销售之外的经营活动收入，但限于新产品营业收入增加值完整数据可获性较差，本文选择企业全部营业收入增加值替代新产品营业收入增加值作为技术转化阶段的产出指标。通过BCC模型，可以测度出企业技术研发阶段和技术转化阶段的综合技术效率(crste)、纯技术效率(vrste)和规模效率(scal)，并在此基础上计算出技术研发阶段和技术转化阶段的投入冗余。

第二步，构建如下SFA回归模型，观察外界环境因素和噪声对企业两阶段投入冗余的影响。

(17)

方程(17)中，k表示企业两阶段第k个松弛变量，vki+uki表示混合误差项，vki表示服从正态分布的随机扰动，uki表示服从非负断尾正态分布的管理非效率，uki与vki无关。envirji表示环境变量，参考李洪伟等[18]、孟维站等[16]的研究，本文选取政府资助、研发人员密度、研发硬件基础和区域市场环境4个外界宏观环境变量(具体解释见表1)，然后将外界宏观环境变量按照企业所在省份进行匹配，利用式(17)的估计结果对企业两阶段投入量进行调整，从而剔除外部环境因素对企业创新效率的影响。

第三步，将调整后的投入数据重新代入第一步的DEA模型中进行测算，进而可以得到技术研发阶段的综合技术效率(rd_crste)、纯技术效率(rd_vrste)、规模效率(rd_scal)以及技术转化阶段的综合技术效率(tran_crste)、纯技术效率(tran_vrste)、规模效率(tran_scal)6个指标。综合技术效率、纯技术效率和规模效率共同组成了对企业创新效率的测度，其中，综合技术效率代表规模不变条件下的企业创新效率,是本文考察的重点。

2.2.2 高新技术企业认定

高新技术企业认定是本文的核心解释变量，参考雷根强和郭玥[1]的处理方法，按照2008年《高新技术企业认定管理办法》中的规定，如果企业处在高新技术企业认定有效期限内则取值为1，否则取0。

2.2.3 协变量与控制变量

在上述OLS回归、反事实匹配和中介效应计量模型中，选择公司规模(asset)、资本结构(lev)、净资产收益率(roe)、长期负债率(llr)、行业虚拟变量(ind)、地区虚拟变量(locate)作为计量模型的协变量和控制变量。其中，公司规模是公司总资产的自然对数，资本结构是公司总负债与总资产之比，净资产收益率是公司净利润与股东权益期末余额之比，长期负债率是公司长期负债与总资产之比，行业虚拟变量按照2011年国家统计局《国民经济行业分类》标准将所有样本设置成18个门类(剔除金融业)，地区虚拟变量按照公司办公地址所属省份设置成31个虚拟变量。

2.3 数据说明

本文选择2008—2017年中国上市公司作为研究样本，上述变量中公司内部情况相关数据均来源于CSMAR数据库和Wind咨讯数据库，公司所处外部环境变量数据来源于《中国科技统计年鉴》。其中，外部环境变量2008年缺失部分数据用线性插值法补全，然后运用极值标准化方法对所有环境变量进行无量纲化处理。在公司样本中，剔除上证B股、深证B股、金融行业、专利申请数据缺失或为0、有效专利数据缺失或为0、研发人员投入数据缺失或为0、研发金额投入数据缺失或为0的样本，最终得到包含2 835家公司的14 156个样本，具体变量的描述性统计如表2所示。

3 实证结果与分析

3.1 OLS方法估计结果

表3、4是对式(11)的估计结果。表3第(1)、(3)和(5)列直接考察高新技术企业资质认定(hi_tech)对企业技术研发阶段创新效率的影响，考虑到遗漏变量的问题，表3第(2)、(4)和(6)列进一步引入一系列控制变量进行最小二乘估计。

表3的实证结果显示，虽然对技术研发阶段的纯技术效率而言，高新技术企业资质认定变量系数不显著，但是对技术研发阶段的综合技术效率和规模效率来说，不管是否引入控制变量，高新技术企业资质认定变量系数都在1%的置信水平下显著为正。因此，可以初步判断政府部门的高新技术企业资质认定政策可以有效促进企业技术研发阶段的创新效率提升。

表4考察了高新技术企业资质认定(hi_tech)对企业技术转化阶段创新效率的影响。结果显示，无论是用综合技术效率(tran_crste)、纯技术效率(tran_vrste)还是规模效率(tran_scal)衡量创新效率，高新技术企业资质认定变量的影响系数均在1%的置信水平下显著为负，引入控制变量后，结果依然在1%的置信水平下显著。这一初步结果表明，高新技术企业资质认定政策显著抑制了企业技术转化阶段的创新效率。

3.2 反事实方法估计结果

考虑到OLS方法对估计结果产生的系统性偏误，本文利用反事实匹配方法对上述问题进行进一步研究。反事实估计结果的可靠性建立在条件独立性假设的基础上，即要求被认定和未被认定为高新技术企业的两组企业之间在协变量上不存在显著差异。因此在进行反事实估计前，本文先进行反事实匹配的平衡性检验，如表5所示。结果显示，进行反事实匹配后，6个协变量的t值均不显著，并且t检验的相伴概率均大于0.1，表明在匹配后，被认定和未被认定为高新技术企业的两组企业之间在协变量上均不存在显著差异，反事实匹配的估计结果可靠。

运用最近邻匹配方法对式(13)进行估计，得到高新技术企业认定政策对企业创新效率影响的平均处理效应(ATT)，如表6所示。结果显示，无论从综合技术效率、纯技术效率还是从规模效率衡量企业创新效率，经过反事实匹配后的处理组平均处理效应，在技术研发阶段的创新效率均表现为正值，而技术转化阶段的创新效率方面均表现为负值，这一结果与OLS方法估计结果总体一致，意味着解决内生性问题后，高新技术企业认定政策对企业创新效率的影响依然在技术研发和技术转化两个阶段呈现出明显相反的结果。

表6显示，除技术研发阶段的纯技术效率外，其它创新效率指标经过反事实匹配后，处理组的平均处理效应均在5%的置信水平上显著，且相对效应均在10%以上，表明高新技术企业认定政策对企业创新效率具有显著性影响。从技术研发阶段的创新效率来看，匹配后的相对效应相较于未匹配状态均有所提升，表明在未匹配状态下，高新技术企业认定政策对企业技术研发阶段创新效率的影响被低估；而从技术转化阶段的创新效率来看，匹配后的相对效应相较于未匹配状态均有所降低，表明在未匹配状态下，高新技术企业认定政策对企业技术转化阶段创新效率的影响被高估。

3.3 分样本进一步研究

雷根强和郭玥[1]的研究表明，企业所有权性质对企业创新能力具有重要影响，因此本文按照企业所有权性质将样本划分为国有企业和非国有企业进行分样本研究，结果见表7第(1)、(2)列。结果显示，无论是国有企业还是非国有企业，高新技术企业认定政策对企业技术研发阶段的创新效率总体表现出正向促进作用，而对企业技术转化阶段的创新效率表现出负向抑制作用，这一特点与OLS估计和反事实匹配估计结果一致，进一步验证了上文实证结果的稳健性。在国有企业样本中，除技术研发阶段的纯技术效率外，高新技术企业认定政策对企业创新效率影响的平均处理效应均在10%的置信水平上显著；而在非国有企业样本中，平均处理效应在综合技术效率、纯技术效率和规模效率变量上均不显著。这一实证结果表明，高新技术企业认定政策效果在国有企业中表现更加突出。

高管和员工是企业创新的主体，企业是否对其实施股权激励会对企业创新效率产生不可忽视的影响[19-20]。按照企业是否实施股权激励，本文进一步将样本分成两组子样本进行研究，结果见表7第(3)、(4)列。结果显示，高新技术企业认定政策对企业技术研发阶段创新效率的平均处理效应总体表现为正值，而对企业技术转化阶段创新效率的平均处理效应均表现为负值，这一实证结果与前文估计结果基本一致。但是，在实施股权激励的样本中，高新技术企业认定政策对企业创新效率影响的平均处理效应在显著性和绝对值上总体高于未实施股权激励样本的对应值。这一结果表明，相对于未实施股权激励的企业而言，高新技术企业认定政策对实施股权激励的企业具有更显著的创新促进效果。

在企业创新效率影响因素中，风险投资支持因素扮演着越来越重要的角色[21-22]。因此，本文按照是否有风险投资进入将样本划分为两个子样本进行研究，结果见表7第(5)、(6)列。在有风险投资进入的样本中，除企业技术研发阶段的规模效率变量外，高新技术企业认定政策对企业创新效率影响的平均处理效应均不显著；而在没有风险投资进入的样本中，这一平均处理效应总体上较为显著，且平均处理效应的正负方向也与前文实证结果基本一致。这意味着，相对于有风险投资进入的企业，高新技术企业认定政策对没有风险投资进入的企业具有更显著的创新效率影响效应。

4 影响机制检验

4.1 技术研发阶段影响机制检验

高新技术企业具有无形资产占比高、可抵押资产少等特点，加上企业创新产品从初始研发到产出收益过程中存在较高不确定性，导致其在金融市场寻求融资的难度较大，融资约束较为严重。政府对高新技术企业进行认定是一种研发资助政策，而研发资助政策只要包含资质审查，就相当于对企业质量的一种认定，从而向市场传递一种积极信号。这种正外部性一定程度上影响银行等金融机构和外部投资者决策，从而缓解企业融资约束，提高长期负债水平。而融资约束的缓解有利于企业提高研发强度和扩大规模，长期负债水平的提升则能更好地保障周期较长的创新活动。这表明高新技术企业认定政策(hi_tech)对企业技术研发阶段创新效率的影响可能通过融资约束(fc)和长期负债(ltl)两个变量进行传导，借鉴于永达等[22]的做法，本文利用企业利息支出与固定资产之比衡量企业面临的融资约束，通过构建中介效应模型对这一影响机制进行检验，结果如表8所示。

表8第(2)、(3)列是对式(15)的估计结果，第(2)、(3)列中高新技术企业认定政策的系数估计结果分别显示为负和为正，且在1%的置信水平下显著，表明高新技术企业认定政策能够显著缓解企业融资约束，提高长期负债水平，这也与上文分析结果一致。进一步地，根据中介效应检验程序，检验融资约束和长期负债是否具有中介效应。实证结果显示，方程(14)、(15)、(16)中β1、γk,1、ρk值的估计结果均在5%的置信水平上显著，表明融资约束和长期负债作为中介变量的作用显著，高新技术企业认定政策通过融资约束和长期负债两个渠道对企业技术研发阶段的创新效率产生影响。

4.2 技术转化阶段影响机制检验

企业获得高新技术企业认定后，政府补贴有利于放大创新投入的正外部性，提高企业自身创新收益。但企业创新投入的增加会对广告支出等营业成本产生挤出效应，使企业技术转化阶段的运营支出减少，进而导致企业虽然提升了技术生产水平，但同时也降低了主营业务收入，形成技术转化效率损失。这表明高新技术企业认定政策(hi_tech)可能通过营业成本(oc)和广告支出(ae)两条作用路径对企业技术转化阶段的创新效率产生影响，表9是对这一影响机制的中介效应检验结果。

表9第(2)、(3)列结果显示，在控制其它影响因素以及不同行业、年份时间效应后，高新技术企业认定政策对营业成本(oc)和广告支出(ae)两个中介变量的影响均在1%的置信水平下显著为负，表明高新技术企业认定政策显著降低了企业营运成本和广告费用方面的支出。这主要是由于企业为了能够达成高新技术企业资质认定标准，会增加研发资金投入，进而对运营和广告投入形成挤出效应。根据中介效应检验程序，表9中β1、γk,1和ρk的估计值均在1%的置信水平上显著，表明高新技术企业认定政策通过营业成本和广告支出两条路径对企业技术转化阶段的创新效率产生显著作用。

5 结论与政策建议

5.1 研究结论

本文利用2008—2017年14 156个中国上市公司微观样本数据，首先，运用三阶段DEA模型分别对上市公司技术研发阶段和技术转化阶段的综合技术效率、纯技术效率和规模效率进行测度，以此作为企业创新效率的衡量指标；然后，运用反事实匹配方法探究高新技术企业认定政策对企业创新效率影响的平均处理效应，并在此基础上进行进一步分样本研究；最后，运用中介效应模型分别考察高新技术企业认定政策对企业技术研发和技术转化阶段创新效率的影响机制。研究发现：①本文以综合技术效率、纯技术效率和规模效率3种效率度量方法衡量企业创新效率，基于OLS回归以及控制样本选择偏差的PSM估计方法，实证结果表明，高新技术企业认定政策对上市公司技术研发阶段创新效率的促进作用高度显著，但对技术转化阶段的创新效率则具有抑制作用；②进一步根据上市企业内部资本结构特征差异将样本划分为不同类型分别加以验证，结果表明，高新技术企业认定政策对上市公司两阶段创新效率的影响效应在所有分样本中总体上依然成立，验证了上述结论的稳健性，但这一影响效应在不同类型企业间存在差异，其中，在国有企业、实施股权激励以及没有风险投资进入的样本企业中表现更加显著；③影响机制的中介效应检验结果表明，高新技术企业认定政策能够缓解企业融资约束并提高长期负债水平，进而对企业技术研发阶段的创新效率产生促进作用，同时企业为了满足高新技术企业认定标准，会增加技术研发阶段的资金投入，从而挤出营运阶段的营业成本和广告支出等费用，进而对企业技术转化阶段的创新效率产生抑制效应。

5.2 政策建议

基于以上结论，本文提出如下政策建议：①高新技术企业认定政策在一定程度上对企业技术研发阶段创新效率具有积极作用，政府部门在未来应当继续深入实施这一政策，同时可以尝试针对不同类型企业制定差异化的高新技术企业认定标准，如针对非国有企业、未实施股权激励的企业以及有风险投资支持的企业，可以在一定程度上放宽高新技术企业认定标准，使认定政策对上述企业产生更加显著的作用；②从高新技术企业技术研发阶段的影响机制来看，政府部门可以引导金融机构针对高新技术企业调整信贷结构，一方面增加金融机构对高新技术企业的信贷支持力度，缓解高新技术企业融资约束，另一方面可以改善信贷期限结构，为高新技术企业开辟一条长期稳定的信贷通道，以增强高新技术企业认定政策对企业技术研发阶段创新效率的正向作用；③由于高新技术企业技术转化阶段会出现创新效率损失，税务部门可以专门针对高新技术企业在技术开发、技术转让、技术咨询等环节的增值税予以一定减免，并考虑对企业在研发活动中产生的费用给予一定所得税扣除或税前摊销，以弱化认定政策对企业运营过程中营业成本、广告支出等费用的挤出效应，降低认定政策对企业技术转化阶段创新效率的不利影响。

参考文献:

[1] 雷根强,郭玥.高新技术企业被认定后企业创新能力提升了吗——来自中国上市公司的经验证据[J].财政研究,2018,427(9):32-47.

[2] 王刚刚,谢富纪,贾友.R&D补贴政策激励机制的重新审视——基于外部融资激励机制的考察[J].中国工业经济,2017,347(2):60-78.

[3] 戴小勇,成力为.财政补贴政策对企业研发投入的门槛效应[J].科研管理,2014,35(6):68-76.

[4] 冯海红,曲婉,李铭禄.税收优惠政策有利于企业加大研发投入吗[J].科学学研究,2015,33(5):665-673.

[5] 张杰,陈志远,杨连星,等.中国创新补贴政策的绩效评估:理论与证据[J].经济研究,2015,50(10):4-17+33.

[6] 闫华红,廉英麒,田德录.政府补助与税收优惠哪个更能促进企业创新绩效[J].中国科技论坛,2019(9):40-48.

[7] 张信东,贺亚楠,马小美.R&D税收优惠政策对企业创新产出的激励效果分析——基于国家级企业技术中心的研究[J].当代财经,2014(11):35-45.

[8] GUO D,GUO Y,JIANG K.Government-subsidized R&D and firm innovation: evidence from China[J].Research policy,2016,45(6): 1129-1144.

[9] BRONZINI R,PISELLI P.The impact of R&D subsidies on firm innovation[J].Research Policy,2016,45(2): 442-457.

[10] 马文聪,叶阳平,李小转,等.政府科技资助对企业研发产出的影响——基于我国大中型工业企业的实证研究[J].管理评论,2019,31(11):94-107.

[11] 任跃文.政府补贴有利于企业创新效率提升吗——基于门槛模型的实证检验[J].科技进步与对策,2019,36(24):18-26.

[12] HONG J,FENG B,WU Y,et al.Do government grants promote innovation efficiency in China's high-tech industries[J].Technovation,2016,57(6):4-13.

[13] 陈庆江.政府科技投入能否提高企业技术创新效率[J].经济管理,2017,39(2):6-19.

[14] HONG J,HONG S,WANG L,et al.Government grants,private R&D funding and innovation efficiency in transition economy[J].Technology Analysis & Strategic Management,2015,27(9): 1068-1096.

[15] 温忠麟.张雷,侯杰泰,等.中介效应检验程序及其应用[J].心理学报,2004,36(5):614-620.

[16] 孟维站,李春艳,石晓冬.中国高技术产业创新效率分阶段分析——基于三阶段DEA模型[J].宏观经济研究,2019(2):78-91.

[17] BANKER R D,CHARNES A,COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science,1984,30(9):1078-1092.

[18] 李洪伟,任娜,陶敏,等.基于三阶段DEA的我国高新技术产业投入产出效率分析[J].中国管理科学,2012,20(S1):126-131.

[19] 何玉润,林慧婷,王茂林.产品市场竞争、高管激励与企业创新——基于中国上市公司的经验证据[J].财贸经济,2015(2):125-135.

[20] 赵登峰,唐杰,陈勇.人力资本、内部股权激励与创新企业长期产出的增长路径[J].南开经济研究,2015(2):3-23.

[21] 陈思,何文龙,张然.风险投资与企业创新:影响和潜在机制[J].管理世界,2017(1):158-169.

[22] 于永达,陆文香.风险投资和科技企业创新效率:助力还是阻力[J].上海经济研究,2017(8):47-60.

(责任编辑：陈 井)