国务院《关于加快培育和发展战略性新兴产业的决定》明确指出,优先发展高端装备制造业,推动未来制造业强国建设[1]。高端装备制造业是我国七大战略新兴产业之一,该产业既处于价值链高端,又是产业链核心环节。2008年,科技部、财政部、国家税务总局出台高新技术企业认定政策后,我国高端装备制造业A股上市公司申请认定为高新技术企业比例一直保持在50%左右,专利申请数量由2008年的1 925项上升到2019年的24 400多项,增长约13倍。大力培育发展高端装备制造业是提升我国产业核心竞争力、拉动经济增长、提升国家综合实力与科技水平、实现大国向强国转变的重要战略。关注高新技术企业认定政策对创新专利产出数量与增长趋势的作用,全面评估认定政策对企业当前创新能力的影响,以及对创新可持续发展潜力演变的政策效应,有效避免“伪高新”、研发费用操纵等问题,具有重要现实意义。
技术生态位概念最早由Schot等[2]提出,是为可持续发展、突破技术创新建立的一个避免与主流竞争的保护空间。技术生态位体现了企业现有创新实力与潜力,以及在创新生态系统中的生态地位[3]。自朱春全[4]提出生态位态势理论后,许多学者将态势理论运用到技术生态位研究中。如孙冰等[5]认为,引入态势能够整体解释技术生态位的发展状态,包含过去的积累、现在的状态及未来发展潜力;曹兴等(2017)以技术创新产出数量与增长率衡量技术生态位的“态”与“势”,反映技术创新能力的现状及趋势。
基于微观视角,现有研究主要从研发投入、研发产出等方面评估高新技术企业认定的政策效应。在研发投入方面,围绕异质性个体的研究认为,认定政策对国营与民营企业、母公司与子公司、大型企业,以及政府干预较多、知识产权保护程度低地区的企业有显著政策效应[7-9]。基于不同类别研发投入,陈珍珍等[8]从人力投入和财力投入两方面,检验企业在认定前、认定期间和认定期满的政策效应差异;Dai等[10]基于投资行为,从研究支出和开发支出两方面评估政策效应。在研发产出方面,部分学者持正面效应观点,如雷根强等[8]认为,企业获得认定资格后,政府补助、税收优惠等政策可激励企业提高研发水平,对研发产出尤其是实质性创新产出有显著正向激励;另有学者持反面效应观点,如杨国超等[11]认为,由于信息不对称和企业寻租行为,研发操纵行为普遍存在,导致研发产出绩效降低。此外,围绕产业扶持政策与高新技术企业创新产出存在以下3种观点:①积极论,如有研究认为,直接资金等政府补助、加计扣除等税收优惠对高新技术企业创新产出具有正向影响[12-17];②消极论,如Guan&Yam[18]认为,直接指定用途的财政政策对高新技术企业专利产出有负面影响,但影响程度并不显著;③无关论,如有研究认为,税收政策等政府财政激励措施都与高新技术企业专利产出无关[18]。
学界就产业扶持政策对高新技术企业创新产出的作用存在争议,且围绕高新技术企业认定政策与创新研发产出的关系研究不够深入,行业政策效应检验不足。创新产出的测量多为数量指标,反映企业当下创新能力,认定政策随时间变化的动态效应尚未得到验证。鉴于此,本文借助生态位态势理论,利用技术生态位“态”与“势”指标,从技术创新产出数量与增长率方面衡量创新主体当前技术创新能力和创新可持续发展潜力,搜集2008—2019年高端装备制造业A股上市公司相关数据,运用PSM-DID模型全面评估高新技术企业认定对企业技术生态位的政策效应。
本文的主要贡献有:在研究视角方面,基于技术生态位视角,采用技术生态位的“态”与“势”衡量企业当前创新能力和创新可持续发展潜力,综合评估认定政策的激励效应,在检验政策时效性的基础上,引入是否连续认定和认定期限,分析政策效应的动态变化,有助于全面了解认定政策对企业当前创新能力和创新可持续发展潜力的作用,从微观层面揭示认定政策的薄弱环节,为政策制定和执行提供参考;在研究数据方面,现有研究大多采用省级面板或上市公司全样本数据,只有少数研究涉及具体制造业,本文运用高端装备制造业相关数据展开研究,不仅有利于丰富认定政策行业效应检验的研究成果,而且可为平息产业扶持政策对高新技术企业创新产出作用的争议,提供一定参考和证据支持。
生态位的完整概念由美国生物学家 Grinnell在1917年首次提出,其认为生态位是生物种群赖以生存的空间范围。生态学中对生态位概念的描述从空间、功能等宏观分类定位方面提出了各自理论(叶芬斌和许为民,2012)。因此,借助生态位理论对技术生态位的界定不一,如Schot &Geels[2]将技术生态位定义为“准演化”的微观技术环境;Agnolucci&Mcdowall[19]认为,技术生态位是推动新技术发展的辅助动力器;Lopolito等[20]将技术生态位定义为以各部分间紧密关系和系统集体行为为特征的复杂系统;叶芬斌和许为民(2012)认为,技术生态位是指时间和空间内技术环境提供的各种可利用资源集合。本文借鉴雷雨嫣等[21]对技术生态位的界定,即企业在技术创新活动中占据的技术领域空间。
朱春全[4]提出了生态位态势理论,认为“态”是生物单元的状态,即过去积累的结果;“势”是对环境现实的影响力或支配力,如生物增长率等。此后,越来越多的学者将态势理论应用于技术生态位研究中,如陈瑜等[6]将生态位的“态”定义为过去状态的累积,“势”是指未来增长趋势;曹兴等(2017)借助态势理论,采用技术生态位的“态”衡量以往积累与现有技术创新能力,同时采用技术生态位的“势”衡量技术创新能力与环境的潜在影响。借鉴已有研究,本文技术生态位的“态”以技术创新产出数量衡量,反映创新主体过去积累形成的当前技术创新能力;技术生态位的“势”以技术创新产出增长率衡量,反映创新主体技术创新能力增长趋势,即创新可持续发展潜力。从技术生态位的“态”与“势”两方面,评估高新技术认定政策对企业当前创新能力和创新可持续发展潜力的作用。
基于资源基础理论,获得高新技术企业认定资格的企业,可以享受到税收优惠、创新补贴等各项政策支持,充裕的资金流会增强企业资源获取能力和研发投入强度,促进企业创新产出[7],提升企业在产业集群内的影响力和技术地位,企业人才、知识等优质资源得以不断积累、沉淀,从而有利于技术生态位态势发展。基于战略生态位管理理论,Lopolito等[20]着眼于创新生态位与现有技术制度之间的互动,提出创新生态位产生需要三大机制相互作用,即愿景、网络力量和知识,并验证了信息传播、提供补贴等政策干预在创新生态位发展中的重要作用。基于信号传递理论,政府通过信息传播增强行动者对技术的期望,而高新技术企业认定政策同样具有指向信号(区别于竞争对手的质量属性)和激活信号(增加货币量的质量属性)[22],可推动企业在创新网络中多方合作支持[7],提高研发成功率,促进技术生态位态势发展。基于以上分析,提出如下假设:
H1a:高新技术企业认定政策对企业技术生态位的“态”具有正向激励效应;
H1b:高新技术企业认定政策对企业技术生态位的“势”具有正向激励效应。
不同政策具有不同时效性。已有研究表明,高新技术认定政策对研发投入的作用存在滞后[10];税收优惠政策对专利申请的影响存在时滞性[17];首次获得认证资格的企业,由于不确定政府资助是否具有连续性,使得企业投资决策者更多投资短期而非长期研究项目[10]。企业受机会主义、研发操纵[11]、非生产性寻租等行为影响,导致技术生态位态势发展不稳定。但从长远看,基于生态位开发形成的社会网络具有的特征,促使创新主体即使看不到短期市场价值的情况下,也愿意投资新技术,以维持或扩展生态位[23]。而且,资金补贴等政策可有效分摊企业研发成本和创新风险,政府补贴越高,研发成本越低,战略新兴产业越倾向扩张生态位[6]。获得认定资格后,随着创新资源积累,企业有能力投资新技术,推进产学研平台等创新网络构建与扩展,同时带来额外价值行动者[5](如拥有可观网络资源或新技术信息的企业、公共机构等)加入网络,从而使企业占据的技术空间领域不断扩张,促进企业技术创新能力不断积累与增长。基于以上分析,提出如下假设:
H2a:高新技术企业认定政策对企业技术生态位“态”历年的正向激励效应大小呈曲线波动上升;
H2b:高新技术企业认定政策对企业技术生态位“势”历年的正向激励效应大小呈曲线波动上升。
宏观经济政策能够激发企业的状态依赖性[24],已获得认定资格的企业更倾向于继续获得政策优惠,状态依赖性引发连续认定的期望,使企业提前规划研发费用归集、项目预算和专利申请等,进入获得认定、期望连续认定(增加研发投入、专利申请数量等)到再次认定的良性循环中。此外,政府实施的高新技术企业认定政策及其激发连续认定的状态依赖性,提高了合作创新网络参与者在网络中的定位,即在战略、愿景上朝着同一方向发展、运行的程度[23],而在网络中的定位越高,生态位开发的范围就越大[25],越利于技术生态位态势发展。基于以上分析,提出如下假设:
H3a:连续认定可增强认定政策对企业技术生态位“态”与“势”的正向激励效应;
Dai等[10]研究认为,税收优惠对初次认定、重复认定和多次认定企业的政策激励显著不同。创新活动的高沉没成本会促使企业保持创新持续性[24],随着认定期限增加,企业创新资源储备充足,研发项目投资经验成熟,企业创新能力与创新可持续发展潜力逐渐增强。达到一定期限后,企业创新积极性减弱,且政府选择性补助也会对企业创新产生挤出效应[7],从而出现创新资源配置效率低[26]、投资过度等问题,进而降低认定政策的激励效应。此外,曹兴等(2017)研究发现,创新网络中心度与技术生态位的“态”“势”呈倒U型关系,结构洞和关系强度对技术生态位“势”的影响呈倒U型。随着认定期限增加,政府通过认定政策提高行动者对技术的期望,增强其对网络资源的控制力,进而减弱认定政策对技术生态位态势发展的作用。基于以上分析,提出如下假设:
H3b:随着认定期限增加,认定政策对企业技术生态位“态”的正向影响先逐渐增大,到达拐点后逐渐减小,呈倒U型变化趋势;
H3c:随着认定期限增加,认定政策对企业技术生态位“势”的正向影响先逐渐增大,到达拐点后逐渐减小,呈倒U型变化趋势。
理论界对所有制异质性企业创新产出的产业扶持政策效应存在争议,如雷根强等[7]、陈玥卓[17]认为,扶持政策对国有企业创新产出激励效果更好;Bronzini&Piselli[14]、贺康等[16]则认为,扶持政策对非国有企业政策激励效果更好。基于中国情景,本文认为国有企业在创新网络中具有优势地位,更容易获得政府直接资助[18],占据可观的网络资源和技术更能促进企业技术创新领域扩张。而非国有企业在监管、市场准入等方面长期处于劣势[7],受研发操纵[11]、短期投资[10]等行为影响,创新资源积累较慢,导致认定政策对其技术生态位态势的激励效应较弱。基于以上分析,提出如下假设:
H4:与非国有企业相比,认定政策对国有企业技术生态位“态”与“势”的政策激励效应更强。
国有企业在市场竞争中具有得天独厚的优势、丰富的知识产权储备、较高的社会地位与影响力。认定政策具有指向信号和激活信号[22],获得认定资格是对企业技术水平和创新发展能力的官方肯定[11],国有企业更倾向于连续获得认定资格,持续性地进行研发创新活动,巩固自身社会地位,证明自身创新实力。连续获得认定资格的国有企业,创新资源种类与数量的获取、积累都优于非国有企业,更易充分利用网络资源开展技术创新活动。基于以上分析,提出如下假设:
H5: 与非国有企业相比,连续认定更能增强认定政策对国有企业技术生态位“态”与“势”的政策激励效应。
随着认定期限增加,国有企业基于严重的委托代理问题,在国家战略和多种政治目标鞭策下,促使其保持创新持续性、积极性,创新产出会持续保持在较高水平。国有企业支持在现有技术基础上,在较长时间内拥有足够资源维持生态位开发[25],并以其特有的影响力占据创新网络中心位置,协调不同创新成员间的知识交流[27],刺激网络扩展。随着时间推移,网络扩展带来更多资源供创新主体使用,网络也因此更加稳定,关系稳定和网络复杂有利于国有企业在技术创新领域扩张。因此,认定政策对国有企业技术生态位“态”与“势”的正向激励不断增强。
随着认定期限增加,政府给予资质认定向外释放的积极信号,促使非国有企业获取多元技术合作和资金支持,可有效缓解融资约束等问题[7],技术创新活动所需资源要素的空间范围迅速扩张。基于高沉没成本和状态依赖性[24],非国有企业管理层更倾向于关注企业创新产出数量和效率,因此认定政策的激励效应会逐渐增大。雷根强等[7]研究发现,认定政策对民营企业研发产出的激励只源于实质性创新(发明专利),但实质性创新并不是一蹴而就的,其对企业创新资源积累、市场需求敏感度、战略调整速度、资源柔性等都有较高要求。而达到一定期限后,非国有企业技术创新会面临资源匮乏、创新成本高、风险不可控等一系列问题,创新产出数量和效率会降低,认定政策对其技术生态位态势发展的促进作用就会减弱。根据以上分析,提出如下假设:
H6a:随着认定期限增加,认定政策对国有企业技术生态位“态”的正向影响逐渐增大,对非国有企业的正向影响先逐渐增大,到达拐点后逐渐减小,存在倒U型变化趋势。
H6b:随着认定期限增加,认定政策对国有企业技术生态位“势”的正向影响逐渐增大,对非国有企业的正向影响先逐渐增大,到达拐点后逐渐减小,存在倒U型变化趋势;
国有企业创新方向受政府干预较多,投资自主权受限,基于多重政治目标,国有企业会放弃投资风险较高的创新活动[16]。而非国有企业具有完全投资自主权,能够及时根据外部环境完善企业创新战略,调整资源配置和创新方向,促进技术研发成功,快速进入并占领创新生态系统的有利空间,与获得认定资格前相比,非国有企业技术创新产出数量显著增加。因此,随着认定期限增加,认定政策更能调动非国有企业创新积极性和自主性,对其技术生态位“态”的激励效应增加大于国有企业。
随着认定期限增加,企业在技术创新活动中占据的技术创新领域空间(技术生态位)不断变迁,如要进一步获取生存空间,就必须调动更多创新要素[21]。基于中国情景,与非国有企业相比,国有企业是更具控制力的核心组织,能够为整个技术生态位网络带来额外价值[5]。因此,随着认定期限增加,国有企业不依赖现有网络资源,更有能力打破现有网络局面,快速建立新的联盟网络,在技术创新领域不断扩张,技术生态位“势”的发展速度较快。根据以上分析,提出如下假设:
H6c:随着认定期限增加,认定政策对非国有企业技术生态位“态”的激励效应增加大于国有企业,即认定政策更能调动非国有企业当前技术创新能力;
H6d:随着认定期限增加,认定政策对国有企业技术生态位“势”的激励效应增加大于非国有企业,即认定政策更能调动国有企业创新可持续发展潜力演变。
被解释变量为企业技术生态位。借鉴已有研究(曹兴等,2017),从技术生态位的“态”(TNs)和“势”(TNp)两方面反映技术生态位。技术生态位的“态”以企业当年发明专利总量衡量,反映创新主体当前技术创新能力;技术生态位的“势”以企业当年发明专利数量与基期差值/基期衡量,反映企业技术创新能力增长趋势,即创新可持续发展潜力。在2007—2019年间,企业首次专利申请年份为该企业技术生态位“势”的计算基期,通过测量之后年份在基期基础上的增长情况,研究认定政策对企业技术生态位“势”(创新可持续发展潜力)演变的促进作用。
核心解释变量为是否认定为高新技术企业(RHT)。企业认定为高新技术企业取1,包括初次认定和处在认定期限内,否者取0。此外,参考雷根强等[7]、Dai等[10]、王康等[28]的研究,选取相应的控制变量:公司规模(lnscale)、员工数量(lnnoe)、股权性质(nature)、资本劳动比(CIR)、资本密集度(CI)、资产报酬率(roa)、公司年龄(age)。详见表1。
本文借鉴李香菊和杨欢[29]的样本处理方法,选取高端装备制造业9个子行业A股上市公司作为研究对象,数据主要来源于CSMAR数据库、金融Choice(近两年专利申请数量查询国家知识产权局网进行完善)。对数据进行如下处理:①剔除ST、样本数据缺失企业(人工查找可得除外);②考虑变量增长率计算,剔除统计数据当年企业上市不足两年的研究对象。最终得到2008—2019年间2 225个样本观测值,包括1 078个认定组观测值和1 147个未认定组观测值,具体变量描述性统计如表2所示。结果显示,高新技术认定企业技术生态位的“态”与“势”均值远远大于未认定企业,同时公司规模、资本劳动比等变量也是如此,说明高新技术认定企业可能具有更高的创新能力。如果直接进行比较分析,则无法规避自选择效应、内生性等问题干扰。鉴于此,本文采用PSM-DID方法有效规避相关干扰,以确保高新技术企业认定对技术生态位政策效应的精确检验。
表1 主要变量定义及说明
变量类型符号变量名称计算说明被解释变量TNs技术生态位的“态”企业当年专利申请总数TNp技术生态位的“势”(企业当年专利申请数量-基期数)/基期数核心变量RHT高新技术企业认定企业是否被认定为高新技术企业,是1,否0控制变量lnscale公司规模总资产的自然对数lnnoe员工数量员工人数的自然对数nature股权性质国有控股取1,否则取0CIR资本劳动比固定资产净值/员工数量CI资本密集度总资产/营业收入roa资产报酬率息税前利润/平均总资产age公司年龄截止2019年公司成立的时间
表2 主要变量描述性统计结果
变量高新技术企业(1 078个观测值)平均值标准差最小值最大值非高新技术企业(1 147个观测值)平均值标准差最小值最大值TNs(技术生态位的“态”)137.68715.30908 8608.9845.89201 256TNp(技术生态位的“势”)5.25911.014-1103.50.5293.585-148age(公司年龄)17.658 65.35833919.9210.7942115lnscale(公司规模)22.558 91.241 519.710 426.433 522.187 91.663 717.641 326.672 8lnnoe(员工数量)8.211 81.130 35.147 511.812 37.929 51.494 51.609 412.138 7CIR(资本劳动比)12.547 30.957 39.143 317.305 512.469 31.164 75.47117.656 5nature(股权性质)0.656 70.475010.6020.48901roa(资产报酬率)0.044 740.059 19-0.519 40.306 80.045 080.332 2-1.122 910.616CI(资本密集度)2.108 21.871 80.41347.672.522 37.230 20.243196.589 1
本文利用双重差分倾向得分匹配法(PSM-DID),考虑企业认定为高新技术企业的时间不同,采用多期DID模型,借鉴Beck等[30]、王康等[28]的研究,检验高新技术企业认定政策对高端装备制造业A股上市公司技术生态位的激励效应。模型如下:
Yit=α0+α1RHTit+αjcontrolit+λi+θi+εit
(1)
其中,Yit代表被解释变量技术生态位的“态”(TNs)和“势”(TNp),RHTit表示企业i在t年是否认定为高新技术企业,controlit为控制变量,λi、θi分别代表个体固定效应和时间固定效应,εit代表随机扰动项。
PSM样本匹配采用最近邻匹配算法,匹配比例按1∶1(匹配容差0.05)进行逐年匹配。具体处理如下:在基于logistic离散选择模型的高新技术企业认定预测估计中,选择age、lnscale、lnnoe、CIR、nature、roa、CI变量作为匹配特征进行控制,匹配后作均衡性检验,最后得到1 674个基础观测数据集。匹配后倾向得分核密度高度接近,匹配效果较好,匹配前后样本均衡性检验结果见表3。结果显示,匹配后实验组与控制组基本不存在显著差异,标准化偏差基本都小于5%,满足均衡性假设。通过上述倾向得分匹配修正样本数据,解决样本自选择问题引起的估计偏差。
3.1.1 回归结果分析
高新技术企业认定政策对技术生态位作用的实证检验结果如表4所示。结果显示,高新技术企业认定(RHT)对企业技术生态位“态”与“势”的系数分别为99.884 6和4.344 5,且在1%的水平上显著,H1a和H1b成立。表明高新技术企业认定政策对企业技术生态位的“态”与“势”具有正向激励效应,即认定政策不仅能显著促进企业当前技术创新能力提升,也会影响企业技术创新能力增长趋势,促进企业创新可持续发展潜力演变。
在控制变量方面,公司规模、年龄、员工数量、资产报酬率与技术生态位“态”的相关系数均显著为正。公司规模越大、经营时间越长、人力资源越充裕、盈利水平越高,其经济实力、技术人员储备及研发能力越强,越倾向于技术生态位积累,从而增强企业自身持续竞争优势。资本深化、资本密集度对技术生态位“势”的系数均显著为负。可能是由于组织资源冗余,导致创新资源配置效率下降,从而使资本深化程度与资本密集度抑制了专利申请数量增长。此外,股权性质对技术生态位“态”与“势”的影响系数表明,与国有企业相比,高端装备制造业中非国有企业专利申请数量较高,但专利申请数量增长却较低。
表3 倾向得分匹配前后变量误差消减情况
注:*、***分别代表1%、10%的显著性水平
变量Unmatched MatchedMeanTreatedControl标准偏差(%)绝对偏差(%)tpage(公司年龄)U17.65919.919-26.581.0-6.19***0.000M18.88818.4595.01.590.113lnscale(公司规模)U22.55922.18825.395.85.93***0.000M22.50422.52-1.1-0.20.838lnnoe(员工数量)U8.211 87.929 521.3925.00***0.000M8.186 58.209 1-1.7-0.330.739CIR(资本劳动比)U12.54712.4697.384.31.72*0.086M12.55512.5431.10.220.824nature(股权性质)U0.656 770.602 4411.344.72.65***0.008M0.655 740.685 79-6.2-1.220.221roa(资产报酬率)U0.044 740.045 08-0.1-230.8-0.030.974M0.041 90.043 03-0.5-0.320.747CI(资本密集度)U2.108 22.522 3-7.890.2-1.82*0.068M2.0942.053 60.80.580.562
表4 基准回归结果
注:*、**、***分别代表1%、5%、10%的显著性水平;括号内为t值
变量TNsTNpper_tnsper_tnpRHT(高新技术企业认定)99.884 6***4.344 5***10.884***0.613 2***(4.59)(5.84)(6.37)(6.79)age(公司年龄)9.795 8***0.0181.139 5***0.006 5(4.64)(0.36)(5.13)(1.02)lnscale(公司规模)62.589 5***0.814 4***5.408 1***0.094 1***(4.34)(4.6)(5.00)(5.44)lnnoe(员工数量)26.650 5***-0.300 13.158 8***-0.050 3 ***(2.46)(-1.54)(3.45)(-2.50)CIR(资本劳动比)-38.392 9***-0.839 8***-2.631 3***-0.078 84***(-3.52)(-4.34)(-2.50)(-3.44)naure(股权性质)-54.506 9*2.207 7***-4.146 2*0.259 6***(-1.71)(7.25)(-1.77)(8.06)roa(资产报酬率)237.633 2*2.296 628.872 8***0.210 3(1.85)(1.13)(2.63)(1.24)CI(资本密集度)-3.640 5-0.543 9***-0.398 2-0.070 9***(-1.16)(-3.84)(-0.53)(-4.61)_cons-1 266.276***-5.515 6**-132.088 2***-0.816 1**(-4.57)(-2.37)(-5.86)(-1.99)个体固定效应是是是是时间固定效应是是是是within R20.094 40.113 10.095 70.126 3N1 6741 6741 6741 674
3.1.2 稳健性检验
(1)平行趋势检验。借鉴Cerulli[31]等的做法,运用动态扩展模型进行平行趋势检验,检验模型如下:
(2)
其中,Yit表示因变量技术生态位的“态”与“势”,控制变量不变;d_ij表示企业i认定为高新技术企业前第j年,dik表示企业i初次认定后第k年仍为高新技术企业,实验组企业取1,控制组企业取0;其它变量含义同上。本文考察认定前的4年与初次认定后的10年,共14个时间点两组的差异。图1显示了平行趋势检验的δj、δk值变化情况,即企业认定为高新技术企业前,δj值均在0附近平缓波动,实验组与控制组无显著差异;认定后,技术生态位的“态”与“势”存在显著差异。因此,平行趋势检验满足DID方法共同趋势假设的基本前提。
(2)替代被解释变量。本文验证认定政策对人均专利申请(per_tns)和人均专利申请增长率(per_tnp)的政策效应,结果如表4所示。结果显示,是否认定(RHT)的影响系数为10.884和0.6132,且在1%的水平下显著为正。
(3)加入地区和行业虚拟变量。由于不同行业、不同地区的企业创新存在差异,因此加入地区和行业虚拟变量进行稳健性检验。结果显示(因篇幅所限,省略),是否认定(RHT)的影响系数仍在1%的水平下显著为正,认定政策对技术生态位的促进效应未发生实质性变化。
通过上述一系列稳健性检验可知,高新技术企业认定对技术生态位的“态”与“势”有显著正向影响,研究结论稳健。
3.2.1 政策时效性
借鉴王康等[28]的研究,利用动态扩展模型检验高新技术企业认定政策对技术生态位在企业获得认定资格第1年(初次认定当年为d1)到第11年(d11)(包含5个第12年的观测值)的政策效应变化情况,如表5所示。结果显示,除d3对技术生态位“态”的作用系数不显著外,其余均显著为正。同时,认定政策对技术生态位“态”与“势”历年的正向激励效应大小以认定期限为周期波动上升,H2a和H2b成立。此外,认定政策对技术生态位“态”(TNs)的影响系数在3年认定期内呈现U型变化趋势,说明认定政策能有效刺激企业连续认定的状态依赖性。而为了规避未来获得政策资助的不确定性,企业会有效规划每年专利申请数量,延迟部分专利申请,确保认定期满当年资格复审时再次获得认定资格。这也验证了何熙琼等[24]提出的状态依赖性是企业创新持续性的作用机制。对技术生态位“势”(TNp)的影响系数在3年认定期内逐年递增,说明与认定政策实施前相比,获得认定资格的企业在3年认定期限内专利申请增长率连续增加。但d3、d4 、d6、d7、d9、d10的系数分别为3.020 77、1.718 3、6.517 7、6.337 6、6.818 4、10.374 2,说明在认定期满与下个认定期前的衔接时间点上,企业可能采取了保守型研发投资决策,规避机会成本,从而使专利增长率下降,认定政策对技术生态位“势”的政策激励效应减弱。该结果与Dai等[11]提出的基于政府资助连续性不确定的投资动机类似。
图1 平行趋势检验(左边为TNs,右边为TNp)
表5 政策时效性检验结果
注:**、***分别代表5%、10%的显著性水平;括号内为t值
变量TNsTNp变量TNsTNp是否认定(d1)60.771 1**2.748 5***是否认定(d7)125.428 6***6.337 6***(2.17)(2.67)(4.4)(8.12)是否认定(d2)55.410***2.771 4***是否认定(d8)128.349 6***8.729***(5.13)(3.28)(6.91)(10.36)是否认定(d3)143.985 53.0207 7**是否认定(d9)160.353 7***6.818 4***(1.53)(2.34)(3.27)(11.66)是否认定(d4)74.104 9***1.718 3***是否认定(d10)268.518 4***10.374 2***(5.06)(3.45)(4.32)(5.56)是否认定(d5)73.309 8***3.274 7***是否认定(d11)278.967***14.021 4***(4.86)(2.89)(5.41)(7.83)是否认定(d6)104.521 2***6.517 7***(7.26)(4.16)within R20.107 90.179 3within R20.107 90.179 3N16741674N16741674
3.2.2 连续认定与认定期限作用
借鉴王康等[28]的研究,在式1基础上加入是否连续认定(CRHT)与高新技术企业认定(RHT)的交互项,得到式(3)。通过估计交互项系数,考察连续认定在认定政策与技术生态位关系中的作用。同时,加入认定期限(TRHT)与高新技术企业认定(RHT)的交互项,以及认定期限(TRHT)平方与高新技术企业认定(RHT)的交互项得到式(4)。通过估计交互项系数,考察认定期限在认定政策与企业技术生态位关系中的作用。
Yit=β0+β1RHT×CRHTit+βjcontrolit+λi+θi+εit
(3)
Yit=χ0+χ1RHT×TRHTit+χ2RHT×TRHT2it+χjcontrolit+λi+θi+εit
(4)
相关变量含义同上。连续认定与认定期限政策效应的估计结果如表6所示,结果显示,模型3中RHT×CRHTit的系数分别为111.034 3和4.709,在1%的水平下显著,且大于RHT的系数,表明连续认定增强了认定政策对技术生态位“态”与“势”的促进作用,H3a成立。模型4中RHT×TRHTit的系数显著为正,但对技术生态位“态”的影响系数显著为负,说明随着认定期限增加,认定政策对技术生态位“态”的正向影响先逐渐增大,到达拐点后逐渐减小,呈倒U型变化趋势,H3b成立。认定前期,认定政策对技术生态位“态”的促进作用随认定期限增加而增强,但到达一定程度后,认定期限增加反而会抑制认定政策对技术生态位“态”的促进作用。对技术生态位“势”的影响系数为-0.018 1,但不显著,表明随着认定期限增加,认定政策对技术生态位“势”的正向影响逐渐增大,不存在倒U型变化趋势,H3c不成立。随着认定期限增加,认定政策对企业专利申请数量增长率的促进作用保持持续增长。
表6 连续认定与认定期限的政策效应检验结果
注:**、***分别代表5%、10%的显著性水平;括号内为t值
变量模型1TNsTNp模型3TNsTNp模型4TNsTNpTNsTNpRHT99.884 58***4.344 5***(4.59)(5.84)RHT×CRHT111.034 3***4.709***(4.86)(6.56)RHT×TRHT18.409***0.984 9***49.375***1.115***(52.45)(13.43)(3.14)(3.67)RHT×TRHT2-4.296**-0.018 1(-2.34)(-0.4)within R20.094 40.113 10.096 30.118 40.094 20.146 50.098 00.146 6
所有制异质性检验结果如表7、8所示。在模型1、3中,RHT、RHT×CRHT对国有企业和非国有企业技术生态位“态”与“势”的影响系数均显著为正,但对国有企业的影响系数大于非国有企业,H4和H5成立。相对于非国有企业,认定政策对国有企业技术生态位“态”与“势”的额外激励效应更强,连续认定更能增强认定政策对国有企业的政策激励效应。
表7 基于“态”的所有制异质性检验结果
变量国有企业-TNs(N=1 120)模型1模型3模型4非国有企业-TNs(N=554)模型1模型3模型4RHT109.05***22.14**(5.53)(2.11)RHT×CRHT120.53***38.74**(6.12)(2.37)RHT×TRHT24.19***23.84***-5.1866.56*(23.36)(9.2)(-0.64)(1.94)RHT×TRHT20.048-10.18(0.12)(-1.96)Within R20.121 90.124 40.132 10.132 10.097 40.098 30.097 60.112 4
表8 基于“势”的所有制异质性检验结果
注:*、**、***分别代表1%、5%、10%的显著性水平;括号内为t值
变量国有企业-TNs(N=1 120)模型1模型3模型4非国有企业-TNs(N=554)模型1模型3模型4RHT5.73***1.73***(5.54)(3.09)RHT×CRHT6.18***1.96***(6.18)(3.3)RHT×TRHT1.21***1.43***0.52***0.56*(12.69)(3.54)(5.4)(1.89)RHT×TRHT2-0.03-0.005(-0.47)(-0.17)Within R20.1230.128 90.155 60.1560.092 40.101 10.146 10.146 1
认定政策对技术生态位“态”的作用。模型4结果显示,在国有企业样本中,RHT×TRHT的系数显著为正,RHT×TRHT2的系数为负且不显著;在非国有企业样本中,RHT×TRHT系数显著为正,RHT×TRHT2系数显著为负,H6a得到验证。随着认定期限增加,认定政策对国有企业技术生态位“态”的正向影响逐渐增大,对非国有企业技术生态位“态”的正向影响先逐渐增大,到达拐点后逐渐减小,存在倒U型变化趋势。认定政策对非国有企业的影响系数为66.56,大于23.84,H6c得到验证。认定政策对非国有企业技术生态位“态”的正向激励效应增加大于国有企业,即随着认定期限增加,认定政策更能促进非国有企业当前技术创新能力提升。
认定政策对技术生态位“势”的作用。国有企业与非国有企业样本结果均显示,RHT×TRHT的系数显著为正,RHT×TRHT2的系数不显著,H6b未得到验证。随着认定期限增加,认定政策对非国有和国有企业技术生态位“势”的正向影响逐渐增大,且不存在倒U型变化趋势,但对国有企业的影响系数大于非国有企业,H6d得到验证。认定政策对国有企业技术生态位“势”的正向激励效应增加大于非国有企业,即随着认定期限增加,认定政策更能促进国有企业创新可持续发展潜力演变。
本文利用2008—2019年高端装备制造业A股上市公司样本数据,采用PSM-DID模型,在评估高新技术企业认定政策对技术生态位“态”与“势”效应的基础上,运用动态扩展模型检验政策时效性,引入是否连续认定和认定期限变量,分析政策的动态效应变化,进一步分样本检验所有制异质性企业的政策差异。本文得到以下结论:首先,高新技术企业认定政策对企业技术生态位“态”与“势”具有显著促进作用,即认定政策有助于提高企业当前技术创新能力和创新可持续发展潜力;连续认定增强了认定政策对技术生态位“态”与“势”的激励效应;与非国有企业相比,是否认定和是否连续认定对国有企业的额外政策激励效应更强。其次,认定政策对企业技术生态位“态”与“势”历年的正向激励效应大小,以3年认定期限为周期波动上升。其中,认定政策对技术生态位“态”的政策效应在3年认定期内呈U型变化趋势,对“势”的政策效应在3年认定期内逐年增长。再次,随着认定期限增加,认定政策对企业技术生态位“态”的正向影响先逐渐增大,到达拐点后逐渐减小,呈倒U型变化趋势,但对国有企业不存在倒U型变化趋势;短期内认定政策对国有企业当前技术创新能力的政策激励更强,但随着认定期限增加,认定政策更能调动非国有企业当前技术创新能力。最后,随着认定期限增加,认定政策对企业技术生态位“势”的正向影响逐渐增大;认定政策对非国有和国有企业的政策效应均不存在倒U型变化趋势,即随着认定期限增加,认定政策能够有效促进所有企业创新可持续发展潜力演变,但对国有企业的额外政策激励效应更强。
(1)增强政策柔性,提高政策扶持均衡度。高新技术认定政策对企业当前创新能力和创新可持续发展潜力都具有持续长效的促进作用,但在一定程度上对国有企业的政策激励效应更强。政府需加强政策柔性,为各类企业营造公平、良好的市场环境。具体而言,关注技术创新水平提升幅度和创新可持续发展潜力演变速度,对持续创新机制建设较好的民营、外资企业,给予额外奖励,以缓解企业研发压力和风险;有效抑制企业在认定周期衔接年的保守决策、投机性创新等问题,避免人才、技术等资源支配权高度集中,提高民营和外资企业资源支配力、行业影响力和市场竞争地位,促进非国有企业创新可持续发展潜力演变,推进整个产业快速均衡发展。
(2)弱化申请认定机制,强化事前事中事后监督。认定政策的时效性检验结果表明,认定政策可有效激发企业对外部环境的状态依赖性。基于《高新技术企业认定管理办法》对知识产权、研发投入占比等条件的硬性要求,企业会提前规划研发费用投入与归集,放缓专利申请数量与速度,抑制企业实现真正意义上的“自主创新”[24]。结合国务院近期发布的《深化北京市新一轮服务业扩大开放综合试点建设国家服务业扩大开放综合示范区工作方案》(国函〔2020〕123号)文件精神,弱化高新技术企业认定机制,扩大“报备即批准”试点范围,强化事前事中事后监督,推进企业持续性创新,促进企业实现真正意义的“自主创新”。
(3)改革专利申报制度,确保政策扶持的精准性。到达一定程度后,认定期限增加反而会抑制认定政策对企业专利申请数量的促进作用。通过调研可知,在高新技术企业申报中,对于申请人不唯一的专利,在提供其它企业放弃使用该专利申报高新技术企业的证明后,在认定环节,申报人知识产权评分与申请人唯一的专利无明显区别,这给企业提供了很大操纵空间。建议从源头治理,鼓励合作创新,改革专利申请制度,多个组织申请同一专利时,要求申请人就各自贡献进行分摊,高新技术企业申报时评审专家根据申报企业在专利中的贡献率评分。通过改革专利申请制度,再借助专利申请到公告的时间差,压缩企业在专利申请数量上的操纵空间,确保认定政策扶持对象的精准性,降低认定期限增加对政策促进效应的抑制作用。
本文从技术生态位视角评估了高新技术企业认定的动态政策效应,还存在一定不足。首先,本文未深入探讨高新技术企业认定对技术生态位“态”与“势”的作用机制。未来研究可以尝试深入检验中介、调节效应,揭示高新技术企业认定对技术生态位的作用路径及政策有效性的边界条件。其次,本文仅考虑了所有制异质性企业动态政策效应的差异。按照本文研究思路,未来可扩展研究对象,解析政策对不同产业、不同地区企业技术生态位的作用,进一步验证并丰富已有研究。
[1] 刘兰剑.高端装备制造业创新政策评估实证研究[J].科研管理,2020,41(1):48-59.
[2] SCHOT J, GEELS W. Strategic niche management and sustainable innovation journeys: theory,findings,research agenda,and policy [J].Technology Analysis and Strategic Management,2008(20):539-554.
[3] 崔严芳,张卓.结构、关系与技术生态位:基于合作与知识双网络的视角[J].科技管理研究,2019,39(11):159-167.
[4] 朱春全.生态位态势理论与扩充假说[J].生态学报,1997,17(3):324-332.
[5] 孙冰,袭希,余浩.网络关系视角下技术生态位态势研究——基于东北三省新能源汽车产业的实证分析[J].科学学研究,2013,31(4):518-528.
[6] 陈瑜,谢富纪,于晓宇,等.战略性新兴产业生态位演化的影响因素及路径选择[J].系统管理学报,2018,27(3):414-421,451.
[7] 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):34-49.
[8] 陈珍珍,何宇,徐长生.高新技术企业认定对研发投入的政策效应研究——来自A股上市公司的经验证据[J].中国科技论坛,2019,35(7):1-10.
[9] 曾婧婧,龚启慧,王庆.中国高新技术企业认定政策绩效评估——基于双重差分模型的实证分析[J].科技进步与对策,2019,36(9):118-125.
[10] DAI XY,VERREYNNE M L,WANG J H, et al. The behavioral additionality effects of a tax incentive program on firms' composition of R&D investment[J].R&D Management,2020,50(4):510-521.
[11] 杨国超,刘静,廉鹏,等.减税激励、研发操纵与研发绩效[J].经济研究,2017,52(8):110-124.
[12] 郑春美,李佩.政府补助与税收优惠对企业创新绩效的影响——基于创业板高新技术企业的实证研究[J].科技进步与对策,2015,32(16):83-87.
[13] 庞兰心,官建成.政府财税政策对高技术企业创新和增长的影响[J].科学学研究,2018,36(12):149-159.
[14] BRONZINI R, PISELLI P. The impact of R&D subsidies on firm innovation[J].Research Policy,2016,45(2):442-457.
[15] 郭玥.政府创新补助的信号传递机制与企业创新[J].中国工业经济,2018,35(9):98-116.
[16] 贺康,王运陈,张立光,等.税收优惠、创新产出与创新效率——基于研发费用加计扣除政策的实证检验[J].华东经济管理,2020,34(1):37-48.
[17] 陈玥卓.税收优惠影响企业创新产出的多元机制研究——来自中国软件与集成电路产业的证据[J].科技进步与对策,2020,37(18):123-132.
[18] GUAN J C,YAM R C M. Effects of government financial incentives on firms' innovation performance in China: evidences from Beijing in the 1990s[J].Research Policy,2015,44(1):273-282.
[19] AGNOLUCCI P,MCDOWALL W.Technologcial change in niches:auxiliary power units and the hydrogen economy[J].Technological Forecasting and Social Change,2007,74(8):1394-1410.
[20] LOPOLITO A,MORONE P,TAYLOR R.Emerging innovation niches: an agent based model[J].Research Policy,2013,42(6/7):1225-1238.
[21] 雷雨嫣,陈关聚,徐国东,等.技术变迁视角下企业技术生态位对创新能力的影响[J].科技进步与对策,2019,36(17):72-80.
[22] BIANCHI M,MURTINU S,SCALERA V G.R&D subsidies as dual signals in technological collaborations[J].Research Policy,2019,48 (9):103-121.
[23] HOOGMA R. Exploiting technological niches:strategies for sustainable transport:the approach of strategies niches management[M].Enschede:Twente University Press,2000.
[24] 何熙琼,杨昌安.中国企业的创新持续性及其作用机制研究——基于成本性态视角[J].科学学与科学技术管理,2019,40(5):105-121.
[25] 张光宇,谢卫红,刘艳.战略生态位管理的理论及实践[M].北京:科学出版社,2014.
[26] 范德成,杜明月.高端装备制造业技术创新资源配置效率及影响因素研究——基于两阶段StoNED和Tobit模型的实证分析[J].中国管理科学,2018,26(1):13-24.
[27] DHANARAJ C,PARKHE A.Orchestrating innovation networks[J].The Academy of Management Review,2006,31(3):659-669.
[28] 王康,李逸飞,李静,等.孵化器何以促进企业创新——来自中关村海淀科技园的微观证据[J].管理世界,2019,35(11):102-118.
[29] 李香菊,杨欢.产业异质性、税收激励与自主创新——中国战略性新兴产业A股上市公司实证研究[J].科技进步与对策,2019,36(9):60-68.
[30] BECK T, LEVINE R,LEVKOV A.Big bad banks? the winners and losers from bank deregulation in the United States[J].The Journal of Finance,2010,65(5):1637-1667.
[31] CERULLI G, VENTURA M. Estimation of pre- and posttreatment average treatment effects with binary time-varying treatment using Stata[J].The Stata Journal,2019,19(3):551-565.