以人工智能、生物技术等创新为主的第四次工业革命,标志着人类进入智能化时代。智能制造(Intelligent Manufacturing,IM)是基于新一代信息通信技术与先进制造技术深度融合,贯穿设计、生产、管理、服务等制造活动各个环节,具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式[1]。2015年5月,国务院发布《中国制造2025》,新一代信息技术、高端装备、新材料、生物医药等智能制造战略领域被重点关注,这对于我国实现从制造大国向制造强国转变具有重要战略意义。2020年10月,党的十九届五中全会明确提出把科技自立自强作为国家发展的战略支撑。近年来,我国科技实力有了极大提升,但由于我国在智能制造方面起步相对较晚,而发达国家起步更早,如2008年英国提出“高价值制造”战略、2011年美国实施“先进制造伙伴计划”战略、2013年德国提出“工业4.0”计划,发达国家在科学前沿和高技术领域仍然占据较大优势。我国一些关键核心技术还处于“卡脖子”困境,突破这些困境是我国科技自立自强的必由之路。2021年5月28日,习近平总书记在中国科学院第二十次院士大会、中国工程院第十五次院士大会上强调,“加快建设科技强国,实现高水平科技自立自强”,“把政府、市场、社会等各方面力量拧成一股绳,形成未来的整体优势”。本文基于智能制造业创新发展对我国的战略意义,以智能制造业为样本,研究政府补助与市场竞争是否协同助力创新产出,理顺政府、市场、智能制造业三者之间的关系,从而强化企业创新主体地位,完善技术创新的市场机制,实现我国智能制造业的突破性发展。
2021年是“十四五”规划开局之年,同时面临新冠疫情的影响,国际环境错综复杂,科技创新成为国际战略博弈的主要战场,这给我国智能制造业发展带来了机遇和挑战。目前我国智能制造业具有原始创新能力不够强、创新资源尚需整合、创新潜在风险较大、投资回收周期较长以及创新结果外溢等特点,虽然政府对智能制造业技术创新给予大力扶持,但由于市场竞争日益激烈,加上市场的负外部性,可能导致技术创新受阻。因此,研究政府激励政策与市场竞争能否协同发挥作用就显得尤为重要。企业创新受政府和市场双重影响,这一点毋庸置疑。戴浩和柳剑平[2]研究认为,在市场化水平高的地区,政府和市场的双重作用能够进一步优化企业研发资源配置,促进企业创新成长;康志勇和刘馨[3]研究发现,在市场竞争程度较低时,补贴与竞争兼容政策能够激励企业创新进而显著提高企业生产率;黄先海等[4]研究认为,政府支持能促进中国工业企业创新,但市场竞争会削弱政府支持的促进作用。众多学者不断探索技术创新中政府与市场的关系,但还存在以下不足:首先,现有文献少有从政府与市场协同角度研究其对企业创新产出的影响,即政府补助与市场竞争在创新产出中是否协同发挥作用?而且现有研究缺乏针对智能制造业上市公司的实证检验。其次,现有文献较少从优化企业创新产出结构角度研究政府与市场的作用,且大多是从量上阐述政府补助对企业创新的影响,而未从创新产出的数量和质量两方面进行研究,导致“研发扭曲”[5]。最后,学者们衡量企业创新产出的指标不一,包括专利授权数量[6]、企业价值[7]、新产品销售收入[8]等,难以区分企业创新产出结构特征。本文以此为切入点,探讨政府“有形的手”和市场“无形的手”能否促进智能制造行业创新产出?不同市场竞争环境下政府补助能否实现与市场的协同作用?政府补助和市场竞争对智能制造四大产业及不同区域创新产出是否具有不同影响?因此,在坚持市场主导、政府引导基本原则的前提下,厘清智能制造不同产业、不同区域中政府与市场之间的关系,促使市场竞争与政府政策协同发挥作用值得深入探究。
政府补助是政府给予企业的资金或资产类资源支持,具有数额较大、惠及面广、持续性较好等特点。现有文献中,大多数学者认为政府补助可以促进企业创新产出,在一定程度上达到了政府对企业补助的目的[9]。如陆国庆等[10]通过超越对数CDM模型和IT3SLS方法研究发现,政府补贴对企业创新绩效的激励作用具有显著性。关于政府补助在不同科技行业中的效果,李磊[11]研究发现,政府补助能够促进汽车产业整体创新产出;巫强和刘蓓[12]研究发现,政府补助的不同发放方式对战略性新兴产业创新具有不同影响机制。对于智能制造业而言,其科技创新广度、深度和精度更高,决定了智能制造业需要投入更多资金进行创新研发,在信息不对称的情况下,智能制造企业存在比其它行业更为显著的资金投入约束现象,而获得政府补助能够向市场发出“官方认证”的积极信号[13],引导更多外部资金缓解企业面临的创新融资困境,提高企业创新积极性[14]。智能制造业是我国建设世界科技强国的关键领域之一,政府重点将资金投向智能制造等最紧迫的关键核心领域,以充分发挥对高质量、关键核心技术创新的推动作用。基于资源基础理论,政府补助能实现科技资源的高效合理配置,为企业注入研发资金,加大企业研发投入[15],激励企业创新产出。
目前企业创新产出结构被看作一个综合性概念,用于阐释企业创新的结构性特征。从现有文献看,对企业创新产出结构的衡量主要是通过专利性质进行区分,包括发明专利、实用新型专利、外观设计专利授权数[6,16-17]和申请数[18],或通过熵值法构建结构性指标[5]衡量。发明专利通常被看作高质量创新产出,而将实用新型专利和外观设计专利作为低质量创新产出。有学者认为政府补助对企业创新产出中的实用新型专利和外观设计专利具有正向影响[9],对象征企业创新产出质量的发明专利影响并不显著(白旭云等,2019);另有学者发现,政府补贴对高质量创新产出发明专利的激励作用优于低质量创新产出实用新型专利和外观设计专利[19],并且政府补助对企业创新产出质量的影响大于创新产出数量[20]。政府将资金投向智能制造等最紧迫的关键核心领域,不仅需要创新产出数量日益增加,更需要创新产出质量不断提高,只有数量与质量平衡发展才能促进创新质量实质性提升[5]。发明专利产出是衡量企业原始创新能力和专利综合实力的核心指标[21],我国智能制造业需要依靠更多高质量创新产出抢抓世界科技发展先机。
基于以上分析,本文提出以下假设:
H1a:政府补助对企业创新产出具有显著正向激励效应;
H1b:与低质量创新产出相比,政府补助对高质量创新产出的正向激励效应更显著。
创新是以竞争为核心的市场经济制度基本特征,市场竞争是影响企业创新的关键因素[22]。现有研究表明,市场竞争对企业创新产出具有促进作用。首先,由于市场竞争内含优胜劣汰机制,可以激励企业进行研发投资、技术创新等[23]。对于专业性较强的智能制造业,开展创新活动存在一定困难,市场竞争能够促进此类企业创新产出[24]。其次,一定范围内的市场竞争越激烈,企业创新能力越强[25]。随着市场竞争加剧,创新企业面临破产和利润下降的风险也会随之增加,而产品市场竞争促使企业通过提升自身技术创新能力获得竞争优势,降低对风险的敏感程度,从而鼓励企业不断开展创新活动,提升自主创新能力[26]。最后,我国经济由政府主导逐步向市场主导演变,充分体现市场在经济发展过程中的积极作用,更需要发挥市场在资源配置中的重要作用,通过市场竞争激发企业创新产出。
市场竞争能促进企业开展与发明专利相关的实质性创新[27]。企业想要在市场竞争中取得优势就必须依靠创新寻求突破,对利润的渴望会驱使企业提高创新产出水平,代表高质量创新产出的发明专利才能为企业带来实际竞争优势[28]。智能制造行业是制造业的智能化转型升级,市场竞争更为激烈,只有依靠高质量创新产出突破核心技术瓶颈,才能提高智能制造企业竞争优势。
基于以上分析,本文提出以下假设:
H2a:市场竞争对企业创新产出具有显著正向激励效应;
H2b:与低质量创新产出相比,市场竞争对高质量创新产出的正向促进作用更显著。
厘清政府与市场之间的关系对智能制造企业创新至关重要。政府补助作为一种内部力量,通过出台财税政策鼓励智能制造企业创新发展,希望以此缓解企业融资约束、竞争压力大、创新回报期长等问题,促进智能制造企业创新产出。市场竞争是企业的一种外部力量,在千变万化的宏微观环境中,智能制造企业想要在竞争中实现自身创新发展,必然需要加大关键技术的研发投入,不断提升自身创新能力和竞争优势。张琴和朱少英[29]发现,在市场竞争作用下,政府补贴能够正向促进企业创新投入,政府和市场对企业创新能力具有协同促进效应。智能制造业是信息通信技术与先进制造技术的深度融合,其集成创新要求更高。因此,依靠单一“有形的手”或“无形的手”难以满足当前智能制造科技创新发展需求,更需要推动有效市场和有为政府的协同结合,形成推动智能制造创新产出的强大合力。
基于以上分析,本文选取市场竞争强度这一情景因素作为调节变量,并提出以下假设:
H3:市场竞争能够正向调节政府补助对企业创新产出的正向促进作用。
本文选取沪深两市智能制造行业上市公司面板数据作为研究样本,为确保研究的科学性、真实性和完整性,删除样本中ST、*ST类上市公司,筛出归属于智能制造行业不同产业类别的重复样本,并剔除信息和研究数据披露不完整的上市公司样本,最终得到1 058家上市公司样本,样本所属产业分布情况如表1所示。考虑到我国智能制造行业的发展历程、2015年出台的《智能制造2025》文件以及研究内容的时效性,本文选取2015—2019年智能制造行业上市公司数据,最终获得3 411个有效样本点。所有原始数据均来源于锐思数据库、中国研究数据服务平台和国泰安数据库,统计软件为Stata15.1。
表1 样本企业所属产业分布情况
智能制造产业类别合计(家)新一代信息技术产业137高端装备产业594新材料产业18生物医药产业309合计1 058
(1)被解释变量:企业创新产出(EIO)。企业创新产出是企业资金、人力等资源投入的最终体现,专利是反映企业创新能力的重要指标。对于专利数据,目前学者应用较多的是专利申请数或授权数,而专利申请量更能反映真实创新水平,一方面,专利从提交申请到授权审批需要一定时间,另一方面,专利授权需要监测和缴纳年费,不确定因素较多,难以准确衡量企业创新产出。因此,本文采用专利申请数作为因变量,同时为更好地衡量企业创新产出质量,本文参考中国专利法分类标准,将专利分为发明专利、实用新型专利和外观设计专利,并根据研究需要,将专利分为高质量创新产出发明专利及低质量创新产出实用新型专利与外观设计专利。其中,专利总产出(ZL)采用年度3项专利申请总数衡量,高质量创新产出(HP)采用年度发明专利申请总数衡量,低质量创新产出(LP)采用年度实用新型专利与外观设计专利申请总数衡量。
(2)解释变量:政府补助(SUB)。政府在宏观层面提供财政扶持政策,对提升落后地区经济竞争力及薄弱的智能制造行业创新能力具有重要作用。政府财政扶持政策主要通过财政资金、税收优惠等方式促进企业创新发展。有学者使用虚拟变量衡量政府补助[30],也有学者使用政府补助金额的对数作为衡量指标[31],还有学者直接使用企业获得的政府补助金额作为衡量指标[32]。本文选择Csmar数据库中计入营业外收入的政府补助金额作为衡量指标,并借鉴蒋樟生[31]的做法,对政府补助金额取对数。
(3)调节变量:市场竞争(PCM)。根据现有研究,衡量市场竞争的指标包括HHI指数[33]、勒纳指数[34]、折旧+息税前利润与销售收入的比值[35]、销售费用占营业收入的比重[36]等,也有研究将存货周转率[37]作为产品市场竞争的替代变量。本文借鉴张楠等[35]的做法,使用勒纳指数(PCM=折旧及息税前利润/营业收入)作为市场竞争的衡量指标,由于PCM是负向指标,因此本文取(折旧+息税前利润)/营业收入的负值,PCM值越大,市场竞争越激烈。
(4)控制变量。企业年龄反映企业所处发展阶段,企业规模大小直接或间接影响到企业创新投入和产出。由于创新能力存在差异,企业在确定创新投入时,会考虑自身经营活动现金流的流入和流出。偿债能力强的企业,其财务状况和经营状况良好,能够更有效地进行筹融资。企业产权性质不同,对政策的敏感度也不同,企业股权制衡对企业未来发展方向和资源积累具有重要作用。基于以上考虑,本文选取企业规模(SIZE)、偿债能力(LEV)、公司年龄(AGE)、产权性质(STATE)、经营活动现金流(CF)、股权制衡度(ER)为控制变量。具体变量定义及测量方法见表2。
表2 变量定义及测量
变量类型变量定义符号变量测量方法被解释变量企业创新产出(EIO)ZL年度3类专利申请总数HP年度发明专利申请总数LP年度实用新型专利与外观设计专利申请总数解释变量政府补助SUB政府补助金额的对数市场竞争PCM-(息税前利润+折旧)/营业收入控制变量企业规模SIZE企业当年年末总资产的自然对数偿债能力LEV总负债/总资产公司年龄AGE观测年度与企业成立年度的差产权性质STATE国有控股取值为1,否则为0经营活动现金流CF经营现金流量/年初总资产股权制衡度ER前十大股东持股比例
基于上文理论分析,结合可能对创新产出造成影响的其它因素,本文设计模型(1),以验证H1a、H1b。
EIOit=α0+α1SUBit+α2SIZEit+α3LEVit+α4AGEit+α5STATEit+α6CFit+α7ERit+εit
(1)
为分析市场竞争如何影响企业创新产出,以及对高质量创新产出和低质量创新产出的影响程度,本文设定研究模型(2),以验证H2a、H2b。
EIOit=α0+α1PCMit+α2SIZEit+α3LEVit+α4AGEit+α5STATEit+α6CFit+α7ERit+εit
(2)
为进一步研究政府补助和市场竞争对企业创新产出及其质量的影响,本文将政府补助与市场竞争的交乘项纳入模型中,设计调节效应模型(3)进行检验。
EIOit=α0+α1SUBit+α2PCMit+α3SUBit*PCMit+α4SIZEit+α5LEVit+α6AGEit+α7STATEit+α8CFit+α9ERit+εit
(3)
式(1)~(3)中,EIO包括被解释变量ZL、HP和LP,i代表第i家智能制造行业上市公司,t代表第t期,α为待估系数,ε为随机误差项。式(1)中,α1为SUB的系数,若α1为正,表明政府补助具有促进作用,反之则表明政府补助具有抑制作用。式(2)中,α1为PCM的系数,代表市场竞争对企业创新产出的影响。式(3)中,α3为政府补助与市场竞争交乘项的系数,用于衡量当政府补助和市场竞争同时作用于企业创新产出总量和质量时,政府补助和市场竞争能否协同助力企业创新产出。
如表3所示,企业间创新产出差异较大。就创新产出总量而言,最大值为263,最小值为0,均值为9.333,说明智能制造行业上市公司专利申请数差异较大,且呈现“正三角形”状态。就创新产出质量而言,高质量创新产出均值为5.081,低质量创新产出均值为3.897,说明尽管企业间专利申请数存在差异,但相较于低质量创新产出,企业更倾向于申请高质量创新专利。政府补助最大值为20.08,最小值为8.375,均值为15.45,说明政府对智能制造行业上市公司补助整体力度较大;标准差较小(2.203),离散程度较低,说明智能制造企业获得政府补助可能存在同质性。市场竞争的衡量指标勒纳指数差异较大,最大值为0.563,最小值为-0.655,说明智能制造行业上市公司面临的市场竞争程度不尽相同。
表3 变量描述性统计结果
变量N均值标准差中位数最小值最大值ZL(专利总产出)3 4119.33333.9000263HP(高质量创新产出)3 4115.08118.0500139LP(低质量创新产出)3 4113.89715.0500117SUB(政府补助)3 41115.452.20315.738.37520.08PCM(市场竞争)3 411-0.1590.159-0.148-0.6550.563SIZE(企业规模)3 41122.251.15122.1220.1926.18LEV(偿债能力)3 4110.5030.2840.4470.065 61AGE(公司规模)3 4119.8096.8828025STATE(产权性质)3 4110.2910.454001CF(经营活动现金流)3 4110.052 60.075 30.047 8-0.1660.282ER(股权制衡度)3 41157.0114.5057.6922.4189.82
表4报告了相关性分析结果。结果显示,政府补助与企业创新产出ZL的相关系数为0.203,在1%水平下显著正相关,表明政府补助对企业创新产出具有促进作用。政府补助与企业高质量创新产出HP、低质量创新产出LP的相关系数分别为0.195、0.196,表明政府补助能够促进企业高低质量创新产出。此外,控制变量之间的相关系数都较小,控制变量与自变量之间也没有显著相关性,基本可以判断各变量之间不存在共线性问题。
表4 相关性分析结果
变量12345678910111.ZL(专利总产出)12.HP(高质量创新产出)0.956***13.LP(低质量创新产出)0.935***0.814***14.SUB(政府补助)0.203***0.195***0.196***15.PCM(市场竞争)0.055***0.055***0.053***-0.073***16.SIZE(企业规模)0.424***0.413***0.401***0.329***0.00617.LEV(偿债能力)0.131***0.124***0.133***-0.112***0.188***0.315***18.AGE(公司规模)0.148***0.153***0.128***0.075***0.061***0.438***0.170***19.STATE(产权性质)0.204***0.213***0.178***0.131***0.097***0.385***0.157***0.504***110.CF(经营活动现金流)-0.022-0.021-0.0240.069***-0.271***-0.002-0.099***-0.085***-0.069***111.ER(股权制衡度)0.071***0.055***0.080***0.047***-0.164***0.073***0.001-0.281***0.0050.168***1
注:***表示在1%的水平下显著
表5中模型(1)结果显示,政府补助与企业专利申请总数的相关系数为1.498,t值为4.85,在1%的水平上显著,表明政府补助对企业创新产出具有正向激励效应,H1a得到初步验证。按照中国专利法分类标准,将企业创新产出细分为高质量创新产出和低质量创新产出并进行多元回归分析。结果显示,政府补助与企业高质量创新产出、低质量创新产出均在1%的显著性水平上正相关,t值分别为5.14、3.89,说明政府补助政策对企业高、低质量创新产出均具有促进作用。高质量创新产出系数为0.849,低质量创新产出系数为0.539,说明政府补助对企业高质量创新产出的促进作用优于低质量创新产出,H1b得到验证。模型(2)结果显示,市场竞争与企业创新产出在1%的显著性水平上正相关,说明市场竞争能够促进企业创新产出,H2a得到验证。同时,市场竞争与高质量创新产出、低质量创新产出均在1%的显著性水平上正相关,系数分别为7.610、6.649,表明市场竞争对企业高质量创新产出的激励效应大于低质量创新产出,在一定程度上能够优化企业创新产出结构,H2b得到验证。模型(3)中引入政府补助与市场竞争的交乘项后,在1%的显著性水平上与企业创新产出正相关,相关系数为4.616,说明市场竞争能够正向调节政府补助对企业创新产出的促进作用,政府补助和市场竞争能够协同助力企业创新产出。在政府和市场的共同作用下,市场竞争能够正向调节政府补助对高、低质量创新产出的促进作用,H3得到验证。
表5 主效应与调节效应检验结果
变量模型(1)ZLHPLP模型(2)ZLHPLP模型(3)ZLHPLPSUB1.498***0.849***0.539***2.181***1.188***0.833***(4.85)(5.14)(3.89)(6.00)(6.10)(5.10)PCM15.21***7.610***6.649***-53.43**-26.36**-22.82**(4.21)(3.94)(4.11)(-2.57)(-2.36)(-2.44)SUB*PCM4.616***2.286***1.980***(3.37)(3.11)(3.22)SIZE11.73***6.032***5.043***13.22***6.857***5.600***12.03***6.179***5.170***(18.61)(17.87)(17.82)(22.67)(21.95)(21.42)(19.07)(18.29)(18.25)LEV-9.697***-6.000***-3.112**-13.68***-8.022***-4.822***-14.03***-8.168***-4.991***(-2.75)(-3.18)(-1.97)(-3.77)(-4.13)(-2.97)(-3.88)(-4.22)(-3.08)AGE-0.260**-0.147***-0.113**-0.281***-0.160***-0.120***-0.231**-0.132**-0.101**(-2.56)(-2.70)(-2.49)(-2.78)(-2.94)(-2.64)(-2.29)(-2.44)(-2.22)STATE5.596***3.741***1.667***5.164***3.525***1.479**4.943***3.415***1.384**(4.02)(5.02)(2.67)(3.69)(4.71)(2.36)(3.55)(4.58)(2.21)CF-12.37*-6.583*-5.580*-3.275-1.874-1.784-4.982-2.875-2.366(-1.70)(-1.69)(-1.71)(-0.44)(-0.47)(-0.54)(-0.67)(-0.73)(-0.71)ER0.049 40.006 270.033 2*0.067 9*0.015 50.041 3**0.070 5*0.016 90.042 4**(1.25)(0.30)(1.87)(1.70)(0.73)(2.31)(1.78)(0.79)(2.38)常数项-274.5***-140.9***-117.0***-280.1***-143.8***-119.3***-288.9***-148.1***-123.2***(-23.23)(-22.27)(-22.05)(-23.60)(-22.62)(-22.42)(-23.69)(-22.67)(-22.50)年份控制控制控制控制控制控制控制控制控制行业控制控制控制控制控制控制控制控制控制样本量3 4113 4113 4113 4113 4113 4113 4113 4113 411R20.1980.1890.1800.1970.1870.1800.2050.1950.187
注:括号内的数值为t值,***、**、*分别表示在1%、5%和10%的水平下显著;下同
本文按照《中国制造2025》中的产业类别对样本进行划分,具体归纳分类为新一代信息技术、高端装备、新材料和生物医药四大主要产业类别。如表6所示,政府补助对不同智能制造产业创新产出的激励效果存在较大差异。政府补助政策与四大产业创新产出的相关系数均为正,说明政府补助对智能制造产业创新产出具有正向影响。其中,政府补助与高端装备产业在1%的显著性水平上正相关,与新材料产业在10%的显著性水平上正相关,与其它两类产业相比,政府补助政策对高端装备和新材料产业创新产出的促进作用更显著,并且对高端装备产业的促进作用最为显著。可能是因为,高端装备产业以航空、汽车、船舶等为代表,具有高技术含量、高附加值及占据产业链核心地位的特点,企业生产过程普遍具有良好的自动化、数字化基础。虽然政府补助对新材料产业创新产出具有促进作用,但新材料产业门类多、链条长、工艺复杂,对新材料领域的支持政策仍有待完善。创新产出质量分析结果显示,政府补助与四大产业高、低质量创新产出的系数均为正,说明政府补助政策对企业高、低质量创新产出均具有促进作用,但仅对高端装备产业高、低质量创新产出的促进作用具有显著性,并且对高质量创新产出的促进作用大于低质量创新产出,这与高端装备产业研究基础雄厚有关。尽管新一代信息技术和生物医药产业一直受到各类政府补助政策支持,但由于其核心技术研发和市场需求都具有较大不确定性,科研成果转化率相对较低,多样化技术路线和产品快速更迭换代会产生巨大创新成本,可能导致政府补助难以发挥最大效用。
表6 政府补助与企业创新产出分产业回归结果
产业分类变量模型(1)ZL模型(2)HP模型(3)LP新一代信息技术产业SUB0.5570.2060.222(1.24)(0.82)(1.08)样本量424424424高端装备产业SUB2.297***1.311***0.721***(3.72)(4.41)(2.85)样本量1 9761 9761 976新材料产业SUB0.812*0.5950.217(1.73)(1.48)(1.63)样本量515151生物医药产业SUB0.1960.1160.131(1.26)(1.37)(1.53)样本量960960960
为分析不同市场竞争程度下,政府补助对企业创新产出的影响,便于政府“因境施策”,本文借鉴姜付秀等[38]的做法,以市场竞争(PCM)的中位数为分界点,当样本企业的PCM大于中位数时,归类为高市场竞争程度,其余归类为低市场竞争程度。如表7所示,在低市场竞争程度下,政府补助与企业创新产出总量及高、低质量创新产出的系数均为正,但仅与高质量创新产出在10%的显著性水平上正相关,且高质量创新产出的回归系数(0.335)大于低质量创新产出(0.118)。在高市场竞争程度下,政府补助与企业创新产出总量及高、低质量创新产出均在1%的显著性水平上正相关,并且高质量创新产出的回归系数(1.317)大于低质量创新产出(0.925)。综上可知,从创新产出质量看,在高、低市场竞争程度下,政府补助均有助于智能制造企业创新产出;从市场竞争程度看,相较于低市场竞争程度,高市场竞争程度下政府补助对高、低质量创新产出的促进作用更强,并且在高市场竞争程度下,政府补助对高质量创新产出的促进作用更加显著,能够提升企业创新产出质量,优化企业创新产出结构。
表7 政府补助与企业创新产出分市场竞争程度回归结果
模型(1)ZL高市场竞争程度低市场竞争程度模型(2)HP高市场竞争程度低市场竞争程度模型(3)LP高市场竞争程度低市场竞争程度SUB2.423***0.4761.317***0.335*0.925***0.118(5.16)(1.28)(5.06)(1.81)(4.36)(0.72)SIZE13.94***8.344***7.207***4.282***5.989***3.554***(14.43)(10.80)(13.47)(11.10)(13.75)(10.33)LEV-16.79***-7.411*-10.22***-4.223**-5.688**-2.898(-2.90)(-1.75)(-3.19)(-1.99)(-2.18)(-1.53)AGE-0.068 3-0.390***-0.037 8-0.220***-0.039 7-0.160***(-0.43)(-3.31)(-0.43)(-3.74)(-0.55)(-3.05)STATE4.414**4.228**3.338***2.764***1.0201.163(2.11)(2.42)(2.88)(3.17)(1.08)(1.49)CF-23.55*5.074-13.82**3.402-8.9811.119(-1.85)(0.65)(-1.96)(0.87)(-1.57)(0.32)ER0.259***-0.198***0.097 0***-0.104***0.135***-0.083 6***(4.07)(-4.38)(2.76)(-4.62)(4.70)(-4.17)常数项-345.7***-173.1***-177.5***-89.54***-147.7***-72.60***(-19.41)(-11.66)(-18.00)(-12.08)(-18.39)(-10.98)年份控制控制控制控制控制控制行业控制控制控制控制控制控制样本量1 7051 7061 7051 7061 7051 706R20.2700.1150.2440.1250.2500.101
由于区域间经济实力、市场化程度等存在差异,不同区域政府补助和市场竞争对智能制造企业创新产出的作用也不同。本文按我国经济地带将研究样本分为东、中、西三大区域,考察不同区域政府补助和市场竞争对智能制造企业创新产出的效果。如表8所示,东、中、西部地区智能制造企业样本量分别为2 369、624、418,显然大部分智能制造企业分布在东部地区。结果显示,政府补助与东、中、西部地区企业创新产出的相关系数均为正,说明政府补助对各区域智能制造企业创新产出均具有正向影响。其中,东部地区政府补助与企业创新产出总量及高、低质量创新产出均在1%的显著性水平上正相关,中部地区政府补助与企业创新产出总量在5%的显著性水平上正相关,与低质量创新产出在1%的显著性水平上正相关。表明政府补助对东部地区智能制造企业创新产出的激励作用比中西部地区更加显著。市场竞争同样对东、中、西部地区智能制造业创新产出均具有正向影响,其中,东部地区市场竞争与企业创新产出总量及高、低质量创新产出均在1%的显著性水平上正相关,西部地区市场竞争与企业创新产出总量及高、低质量创新产出均在10%的显著性水平上正相关。引入政府补助与市场竞争的交乘项后,东、中、西部地区创新产出系数均为正。其中,东部地区政府补助与市场竞争的交乘项与企业创新产出总量及高、低质量创新产出均在1%的显著性水平上正相关,且对高质量创新产出的促进作用强于低质量创新产出;中部地区低质量创新产出在5%的显著性水平上正相关,且相较于高质量创新产出,政府补助与市场竞争协同对中部地区低质量创新产出的促进作用更加显著。因此,政府补助和市场竞争能够促进不同区域智能制造企业创新产出,并且两者能够协同助力高、低质量创新产出,其中东部地区政府补助与市场竞争的协同促进作用更强,中部地区次之,西部地区较弱。这是因为,东部地区经济发达,较早建立起先进制造业基地,政府政策引导力度较大,智能制造企业在积极的政策导向和激烈的市场竞争下更加主动进行智能化转型升级;中部地区在关键领域的研究基础相对薄弱,政府补助对智能制造业进行创新激励,仅仅提高了实用新型专利和外观设计专利产出数量,但未能实现高质量创新产出;西部地区智能制造企业较少,受经济实力、研究基础、市场竞争程度、信息渠道等因素影响,目前政府与市场协同助力创新产出的效果尚不理想。
表8 政府补助、市场竞争与企业创新产出分地区回归结果
变量模型(1)ZLHPLP模型(2)ZLHPLP模型(3)ZLHPLP东部地区SUB1.704***1.000***0.567***2.720***1.519***0.976***(4.28)(4.78)(3.13)(5.61)(5.95)(4.41)PCM19.64***9.869***8.552***-82.00***-42.09***-32.33**(3.86)(3.69)(3.70)(-2.83)(-2.76)(-2.44)SUB*PCM6.900***3.528***2.774***(3.56)(3.46)(3.14)样本量2 3692 3692 3692 3692 3692 3692 3692 3692 369中部地区SUB0.892**0.5220.376***1.249**0.6830.571***(2.13)(1.49)(2.94)(2.48)(1.63)(3.73)PCM5.0023.1322.134-30.04-11.56-17.79*(0.93)(0.70)(1.29)(-0.91)(-0.42)(-1.77)SUB*PCM2.3290.9891.313**(1.11)(0.57)(2.06)样本量624624624624624624624624624西部地区SUB0.3990.1450.2100.6650.2520.369(0.87)(0.62)(0.85)(1.29)(0.96)(1.34)PCM7.874*3.826*3.977*-18.88-6.850-12(1.93)(1.85)(1.83)(-0.75)(-0.54)(-0.90)SUB*PCM1.7660.7051.055(1.08)(0.85)(1.21)样本量418418418418418418418418418
企业创新产出包括技术性产出和收益性产出。前文研究利用专利这一技术性产出作为企业创新产出的衡量指标,为保证研究的科学性和严谨性,本文将新产品销售收入占比(新产品销售收入/总销售收入)这一收益性产出作为企业创新产出的替代变量,解释变量政府补助和控制变量保持不变,重新进行回归分析。如表9所示,政府补助政策对企业新产品销售收入具有促进作用,与前文研究结果一致。也即,政府补助对企业创新产出的技术性产出和收益性产出均具有促进作用,既提升了企业技术水平,也增加了企业收益,说明本文研究结果较为稳健。
表9 稳健性检验结果
变量新产品销售收入SUB0.063 6***(2.69)SIZE-0.038 6**(-1.97)LEV-0.082 9***(-9.31)AGE-0.012 1***(-3.75)STATE0.052 3(1.25)CF-0.021 8(-1.40)ER-0.005 32***(-4.83)常数0.201***(4.98)年份控制行业控制样本量3 411R20.138
前文实证结果可能会受到因果关系推断、自选择等问题影响而存在内生性问题,从而导致分析结果存在偏差。因此,本文通过因果关系推断检验和自选择检验缓解内生性问题,确保分析结果的可靠性。
由于企业开展创新活动的周期较长,政府补助对企业创新的影响可能存在滞后性。因此,本文将解释变量政府补助和市场竞争分别滞后一期,样本量由3 411下降到2 250。结果显示,总体来看,政府补助和市场竞争及两者的交乘项系数正负号未发生改变,且均在5%的显著性水平上正相关,并且与低质量创新产出相比,高质量创新产出的回归系数更大,促进作用更显著。滞后一期的回归结果及结论与前文一致。受篇幅限制,因果关系推断检验结果备索。
企业获得政府补助可能不是随机的,会受到其它因素影响,如政府扶持政策、企业与政府之间的关系、企业自有资源及实施基础等,这些因素可能导致政府在为企业提供资助时存在自选择问题。因此,本文采用倾向得分匹配法(PSM)进行进一步检验。首先,构建倾向得分模型,计算出倾向得分值;然后,按最近邻匹配原则,为获得补助企业配对出未获得补助企业。选取企业规模、偿债能力、公司年龄、产权性质、经营活动现金流、股权制衡度以及所属年份和行业等基本特征。在采用倾向得分匹配回归估计之前,本文先进行平衡性检验,匹配后大多数协变量的标准化偏差绝对值小于10%,且大多数T检验结果不显著,说明处理组与对照组没有系统差异,再比较匹配前的结果发现,大多数变量的标准化偏差均大幅减小,证明所有协变量都通过了平衡性检验。
表10结果显示,获得政府补助(处理组)的企业创新产出(ZL)自然对数为13.106,未获得政府补助(对照组)的企业创新产出(ZL)自然对数为8.909,平均处理效应(ATT)的估计值为4.197,对应的T值为2.75,在1%水平上显著为正,因而处理组的企业创新产出显著高于对照组。说明与未获得政府补助的企业相比,获得政府补助的企业创新产出会增加,即政府补助会促进企业创新产出。检验结果佐证了前文分析,避免了样本自选择带来的偏误,使结果更加稳健。
表10 平均处理效应估计结果
ATT处理组对照组平均差异T值未匹配(ZL)13.7134.9558.7587.61ATT(ZL)13.1068.9094.1972.75
本文实证研究了政府补助与市场竞争是否协同助力智能制造企业创新产出。由于智能制造行业上市公司所处市场环境和拥有的资源各不相同,使得政府补助政策产生的效果也存在差异,因此本文在基准回归基础上,针对不同产业类别与市场竞争环境以及不同区域企业的激励效果进行拓展性检验,得出以下结论:
(1)政府补助政策对智能制造企业创新产出具有正向激励效应。政府资金支持能够缓解企业融资约束和资金短缺问题,促进企业创新产出。同时,政府补助政策对企业高、低质量创新产出均具有促进作用,且对高质量创新产出的激励效应强于低质量创新产出。不同产业、区域的激励效应存在差异,政府补助对高端装备和新材料产业的创新产出激励作用更强,对东部地区创新产出总量、高质量创新产出、低质量创新产出,以及中部地区创新产出总量、低质量创新产出的促进作用更为显著。
(2)市场竞争能够促进智能制造企业创新产出。市场竞争对企业高质量创新产出的激励作用强于低质量创新产出,能够提升企业创新产出质量,在一定程度上优化企业创新产出结构。
(3)市场竞争能正向调节政府补助与企业创新产出的关系,对高、低质量创新产出均具有正向调节效应,且政府补助与市场竞争的交互项对企业创新产出的激励作用比政府补助的激励作用更强,表明市场竞争与政府补助能够协同促进企业创新产出。与低市场竞争程度相比,高市场竞争程度下政府补助对企业创新产出的促进作用更显著,且对高质量创新产出的促进作用比低质量创新产出更显著。政府补助与市场竞争能够协同促进东、中、西部地区企业创新产出,且对东部地区高低质量创新产出和中部地区低质量创新产出的促进作用更显著。
(1)分产业、区域制定智能制造行业扶持政策。智能制造行业政策可以向重点领域倾斜,对于不同产业、区域,需要针对性地制定扶持政策,避免简单的“一刀切”现象,重点扶持战略性、关键性领域,鼓励企业高质量创新产出,实现创新产出数量目标与质量目标的平衡。本文研究表明,政府补助政策对智能制造四大产业的创新产出都具有正向激励效应,但不同产业的激励效应存在差异,对高端装备和新材料产业的促进作用更具显著性;政府补助政策对东、中、西部地区企业创新产出都具有正向影响,其中对东、中部地区的激励作用更加显著。分产业看,需要继续对四大行业采取补助政策支持,推动整个智能制造业快速转型升级;对创新产出效应较好的高端制造和新材料产业,应加大政府投入,以提高其创新产出效率;智能制造的核心是制造业与新一代信息技术的深度融合,需持续增加对新一代信息技术产业的政府补助,加快智能制造信息化升级,进一步推动高质量关键技术的创新发展。分区域看,要继续发挥东部地区创新优势,加大对东部地区智能制造战略性、关键性领域的政府补助,以高质量创新产出带动高质量科技发展,打造世界科学前沿的智能制造新兴技术创新产业高地。同时,考虑未来中西部地区智能制造业技术创新上升空间较大,需适当加大对中西部地区智能制造业的政府补助,提高中西部地区智能制造业的科技创新广度与深度,增加发明专利、实用新型专利和外观设计专利产出。此外,需要加强对政府补助资金使用的监管,防止出现低质量创新产出优于高质量创新产出的“逆流现象”,确保扶持资金使用的有效性。
(2)营造良好的市场创新环境。充分发挥市场在企业创新中的促进作用,良好的市场竞争环境有助于提高企业自主创新的公平性和积极性,提高企业创新产出数量和质量。本文研究表明,市场竞争对企业创新产出具有正向激励效应,并且对高质量创新产出的激励作用大于低质量创新产出;市场竞争对东、西部地区企业创新产出的促进作用更显著。因此,随着全球智能制造发展日新月异,需要进一步优化创新产出的市场竞争环境。首先,进一步完善知识产权保护制度,扩大知识产权保护范围,建设知识产权保护督查队伍,营造公平的技术市场竞争环境。其次,构建多轨制的知识产权保护体系,不仅仅局限于立法、司法和行政保护,更要将知识产权保护体系扩展到知识产权管理组织帮扶保护、“自我救济”保护、舆论导向保护等多领域。最后,推进中西部地区市场化深度发展,克服高端产业低端化局面,尊重市场规律,使政府补助发挥更好的协同效应。
(3)进一步发挥有为政府与有效市场的协同作用。在促进智能制造企业创新产出的过程中,应协调好政府与市场的关系。本文研究表明,市场竞争能正向调节政府补助与企业创新产出的关系,对高、低质量创新产出均具有正向调节效应,且政府补助与市场竞争协同对东部地区高低质量创新产出和中部地区低质量创新产出的促进作用更加显著。因此,在当前市场竞争环境下,适宜继续采用政府补助促进我国智能制造企业创新产出,构建政府补助与市场竞争的动态互补机制,妥善处理智能制造业中政府“有形的手”与市场“无形的手”之间的权衡,充分发挥有为政府和有效市场对创新产出的协同助力作用。随着市场竞争环境的不断优化,我国经济由政府主导逐步转向市场主导,政府可以日渐减少对企业的补助政策,逐步退出对企业的干预,强化市场竞争这只“无形的手”的激励效应,充分发挥市场在资源配置中的决定性作用,让企业真正成为市场中创新研发的主动者,从而使企业在公平有序的市场环境中实现创新产出,特别是实现关键核心技术的跨越式发展。
本研究尚存在一定局限性,有待更深入研究。首先,本文实证研究数据时间跨度设定在2015—2019年,可能存在时间跨度较短的不足。其次,本文仅针对智能制造行业上市公司进行研究,样本选择、数量及所属行业具有特殊性,且智能制造行业发展处于起步阶段,有待后续进一步研究得出更具普遍意义的结论。
[1] 工业和信息化部,财政部.智能制造发展规划(2016-2020年)[EB/OL].(2021-03-21)[2016-12-08].https://www.miit.gov.cn/ztzl/rdzt/znzzxg gz/wjfb/art/2020/art_35cb8480b880493a9e57250d11d28c55.html.
[2] 戴浩,柳剑平.政府补助对科技中小型企业成长的影响机理:技术创新投入的中介作用与市场环境的调节作用[J].科技进步与对策,2018,35(23):137-145.
[3] 康志勇,刘馨.政府支持与市场竞争对企业创新绩效的交互影响[J].研究与发展管理,2020,32(6):66-77.
[4] 黄先海,宋学印,诸竹君.中国产业政策的最优实施空间界定:补贴效应、竞争兼容与过剩破解[J].中国工业经济,2015,32(4):57-69.
[5] 郑婷婷,王虹,干胜道.税收优惠与创新质量提升:基于数量增长与结构优化的视角[J].现代财经(天津财经大学学报),2020,40(1):29-40.
[6] 朱平芳,徐伟民.上海市大中型工业行业专利产出滞后机制研究[J].数量经济技术经济研究,2005,22(9):136-142.
[7] 何涌.R&D投入能促进企业创新质量的提升吗:基于风险投资的调节作用[J].经济经纬,2019,36(4):118-125.
[8] 俞立平,戴化勇,蔡绍洪.创新数量、创新质量对外贸出口影响效应研究[J].科研管理,2019,40(10):116-125.
[9] CZARNITZKI D,LICHT G.Additionality of public R&D grants in a transition economy[J].Economics of Transition,2006,14(1):101-131.
[10] 陆国庆,王舟,张春宇.中国战略性新兴产业政府创新补贴的绩效研究[J].经济研究,2014,49(7):44-55.
[11] 李磊.政府研发补贴对新能源汽车产业技术创新产出的影响研究[J].科技管理研究,2018,38(17):160-166.
[12] 巫强,刘蓓.政府研发补贴方式对战略性新兴产业创新的影响机制研究[J].产业经济研究,2014,73(6):41-49.
[13] 杨洋, 魏江,罗来军.谁在利用政府补贴进行创新——所有制和要素市场扭曲的联合调节效应[J].管理世界,2015,31(1): 75-86,98,188.
[14] ALECKE B,MITZE T,REINKOWSKI J,et al.Does firm size make a difference? analysing the effectiveness of R&D subsidies in east Germany[J].German Economic Review,2012,13(2):174-195.
[15] 吕久琴,郁丹丹.政府科研创新补助与企业研发投入:挤出、替代还是激励[J].中国科技论坛,2011,27(8):21-28.
[16] 张古鹏,陈向东.基于专利的中外新兴产业创新质量差异研究[J].科学学研究,2011,29(12):1813-1820.
[17] 储德银,纪凡,杨珊.财政补贴、税收优惠与战略性新兴产业专利产出[J].税务研究,2017,33(4):99-104.
[18] 黎文靖,郑曼妮.实质性创新还是策略性创新:宏观产业政策对微观企业创新的影响[J].经济研究,2016,51(4):60-73.
[19] 卢真,朱俊杰.财政补贴与企业创新产出质量:基于上市公司面板数据[J].河北经贸大学学报,2019,40(5):35-42,59.
[20] 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,2014,35(11):35-45.
[21] 刘凤朝,沈能.基于专利结构视角的中国区域创新能力差异研究[J].管理评论,2006,18(11):43-47,64.
[22] AGHION P,AKCIGIT U,HOWITT P.The schumpeterian growth paradigm[J].Annual Review of Economics,2015,7(1):557-575.
[23] 汪金祥,廖慧艳,吴世农.企业竞争优势的度量、来源与经济后果:基于中国上市公司的实证研究[J].经济管理,2014,36(11):58-67.
[24] 陈新桥,骆品亮.企业创新投入产出关系及其实证研究:基于完全竞争市场结构下的分析[J].产业经济研究,2005,18(5):58-63.
[25] 刘芳.研发投入、市场竞争与公司创新能力研究[J].中国注册会计师,2019,31(8):29-33,3.
[26] ARROW K J.The economic implications of learning by doing[J].The Review of Economic Studies,1962,29(3):155.
[27] 钟廷勇,许超亚,李江娜.产业政策、市场竞争与企业创新策略选择[J].江海学刊,2021,332(2):105-112.
[28] 吴柏钧,牟琪.我国企业缺乏实质性技术创新的市场内生性因素分析[J].华东理工大学学报(社会科学版),2018,33(1):59-68,86.
[29] 张琴,朱少英.政府补贴、创新投入与民营高科技企业创新能力:基于市场竞争的调节作用[J].会计之友,2018,36(12):39-43.
[30] 王春元,于井远.财政补贴、税收优惠与企业自主创新:政策选择与运用[J].财经论丛,2020,265(10):33-43.
[31] 蒋樟生.开放式创新对制造业企业研发投入的影响——政府补助与市场竞争的调节作用[J].科技进步与对策,2021,38(9):100-108.
[32] 刘大鹏,赵茂,蒋铭.行业差异、R&D投入与A股上市企业创新绩效:基于CDM模型的实证分析[J].企业经济,2019,38(6):55-62.
[33] 卜华,范璞.机构投资者持股与盈余管理:基于产品市场竞争视角[J].会计之友,2020,38(4):87-92.
[34] 康志勇,汤学良,刘馨.“鱼与熊掌能兼得”吗:市场竞争、政府补贴与企业研发行为[J].世界经济文汇,2018(4):101-117.
[35] 张楠,徐良果,戴泽伟,等.产品市场竞争、知识产权保护与企业创新投入[J].财经科学,2019,480(11):54-66.
[36] 夏清华,黄剑.市场竞争、政府资源配置方式与企业创新投入:中国高新技术企业的证据[J].经济管理,2019,41(8):5-20.
[37] 彭中文,曾龙基,魏浩.产品市场竞争、知识外溢与企业技术效率提升[J].科技进步与对策,2019,36(19):91-99.
[38] 姜付秀,屈耀辉,陆正飞,等.产品市场竞争与资本结构动态调整[J].经济研究,2008,43(4):99-110.