论文部分内容阅读
摘 要：政府为了激励企业进行技术创新，制定了一系列优惠政策。为了考察政府资助政策对企业技术创新的激励效果，本文将采用回归分析和双因素方差分析法，分别考虑资助政策的单独影响和综合影响。研究结果表明：（1）政府直接补助和税收优惠对企业研发支出都有正向作用，但政府补助的作用大于税收优惠的作用;（2）考虑交互作用之后，政府直接资助与税收优惠对企业研发支出的正向作用更明显。
关键词：政府资助方式;交互作用;双因素方差分析
引言：当前我国正处在产业转型升级和转变经济增长方式的关键时期，增强自主创新能力尤为重要，党的十八大报告指出，要实施创新驱动发展战略，把创新摆在国家发展全局的核心位置，着力构建以企业为主体、市场为导向、产学研相结合的技术创新体系。但是，由于技术创新活动存在正外部性和不确定性导致企業R&D投资低于社会最优水平（Arrow，1962），这就为政府介入提供了理论基础。当今世界各国都普遍关注政府在技术创新领域中的作用，OECD国家中使用财税优惠的国家由1995年的15个上升到了2011年的26个。我国财政科技投入也一直呈现增长态势，平均每年增幅63.3%。当然，除财政科技投入这一直接资助手段外，我国还有税收优惠、政府购买、公共研究等不同的激励工具，但直接资助和税收优惠是作用范围最广的两个手段，因而成为研究的主体。大部分的实证研究都从不同程度上证明了这两种政策工具的激励效果。但是现有实证研究对激励效果的考察都是孤立考虑不同工具的效果，而一般情况下不同激励工具是同时使用的，相互之间也是紧密联系的，因此我们应该把不同激励工具纳入一个框架内考虑，不仅考虑他们的单独作用，同时也要考虑它们的交互作用。所以本文将建立两个模型：没有加入交互项及加入交互项的模型，来考虑两种不同工具的交互作用及交互作用对政策工具激励效果的影响。
一、研究设计
（一）样本选取和数据来源。本文以2011-2013年上市公司制造业企业为样本，剔除数据缺失的上市公司后得到268个样本，其中2011年70个，2012年105个，2013年93个。本文研究使用的上市公司数据均来自CSMAR的中国上市公司财务报表数据库和中国上市公司财务报表附注数据库。
（二）模型构建。（1）方差分析。本文先使用双因素方差分析方法对政府直接补助与税收优惠两种手段之间是否存在交互作用进行检验。首先，我们采用双因素方差分析法进行检验。提出原假设H0：各自变量不同水平下观测变量各总体均值无显著差异，自变量各效应和交互效应同时为0，即自变量和它们的交互作用对观测变量没有产生显著性影响数学表达式为a1=a2=……=ak=0，b1=b2=……=br=0。由于双因素方差分析要求自变量为分类变量，所以本文将政府补助和税收返还进行了分类处理，1000万元以下取值1，1000万-1亿元取值2，1亿元以上取值3。（2）回归分析。我们建立如下模型并使用多元回归分析方法检验政府资助及不同方式之间交互作用对企业技术创新行为的影响。
R&D=α0+α1Gov+α2Tax+α3Demand+α4Size+α5 Location +ε①
R&D=α0+α1Gov+α2Tax+α3Gov×Tax+α4Demand+α5Size+α6
Location+ε ②
其中，α0为截距，α1～α6为系数，ε为残差。模型中各变量解释如下：1）因变量。R&D代表样本公司当年研发支出增加额，用来反映企业的研发行为。本文采用数据来自于CSMAR中国上市公司财务报表附注数据库中长期资产中的研发支出数据。2）自变量。政府补助Gov：政府补助反映政府对企业技术创新活动的直接资助，体现在会计科目中主要涉及两个科目：“补贴收入”和“专项应付款”，通过对比发现，营业外收入中分部项目里的政府补助这一指标能较好地衡量政府对企业的科技补贴，所以本文采用政府补助这一指标进行衡量。税收返还Tax：由于没有确切的指标对税收优惠进行衡量，企业对从事技术创新活动所享受的税收减免、加速折旧等一系列措施产生的优惠金额也没有进行统计，所以本文采用税收返还这一指标进行替代，此指标反映的是企业收到的增值税、营业税、所得税等各种税费的返还。政府补助与税收返还的乘积项Gov×Tax ：乘积项用来反映政府补助与税收返还的交互作用。若乘积项的系数不为0，就表明政府补助与税收返还的同时作用不等于两种方式单独作用的乘积，两种不同方式之间是相互影响的。3）控制变量营业收入Demand：本文研究我们将采用营业收入来衡量市场需求，因为营业收入能在一定程度上反映企业产品的市场需求规模，在此基础上的创新成果与企业现有产品有很大的关联和相似性，因而市场需求不会有太大的差异。
企业规模Size：史毅（2001）指出，大企业与小企业在进行技术创新时各有优势，但大企业能更好地满足创新活动的各种要素需求，承担创新的高风险。熊彼特在1969年就指出，大企业比小企业更有创新的积极性。本文研究采用企业总资产来衡量企业规模。
二、实证检验结果及分析
（一）双因素方差分析。运用spss软件进行方差分析，得到以下结果，如表1所示。 表1 双因素方差分析结果
a. R 方 = .883（调整 R 方 = .878）
表1是方差分析的主要部分结果。我们主要分析自变量及交互作用的影响，控制变量不予分析。首先从F统计值来看，FA=17.014>F0.05（2，4）=6.94，FB=15.752>F0.05（2，4）=6.94，FAB=7.260
>F0.05（8，4）=6.04，所以拒绝原假设H0：a1=a2=a3=0，b1=b2=b3=0，说明政府直接资助、税收返还以及两者的交互作用对研发支出都存在影响;从相伴概率来看，三者的sig值均为0.000<0.01，拒绝原假设，说明检验结果在99%的置信水平上显著。
同时，我们还可进行政府直接补助与税收返还对研发支出作用的大小比较。由于设定的是全因子饱和模型，因此总的离差平方和主体部分为自变量对观测变量的单独影响、两个自变量的交互作用、随机变量的影响三部分，但由于本文加入三个协变量控制其他因素的影响，所以总离差平方和中也就包含了这三个变量的影响，但我们可以不作考虑。表中显示，不同水平政府补助对研发支出的贡献离差平方和为16691.287，均方为8345.644，不同水平税收返还对研发支出的贡献离差平方和为15453.184，均方为7726.592，16691.287>15453.184且8345.644
>7726.592，这说明政府补助的影响比税收返还的影响大。
（二）多元回归分析。（1）无交互项多元回归。首先我们对模型①进行回归分析，结果如表2所示。
表2 无交互项回归系数表
上表中，我們可以看到，政府补助与税收返还的检验sig值均为0.000，小于0.05，所以拒绝原假设，说明这两个因素对研发支出有显著影响。政府补助的回归系数为0.172，说明政府补助每增加一个单位，企业研发支出增加0.172个单位;税收返还的回归系数为0.077，说明税收返还每提高一个单位，企业研发支出增加0.077个单位，0.172>0.077，说明政府补助的作用大于税收返还的影响，这与上文方差分析的结果相同，如果加入交互项后结果会如何呢？
（2）有交互项多元回归。在进行含有交互项回归时，我们不能直接对模型②直接回归，因为这样不利于我们观察交互作用对政府补助和税收返还回归系数产生的影响。在含有交互项时，原变量的参数解释会有所差别，因为在如模型②中，α2表示政府补助为零时税收返还对企业研发支出的影响，这通常没有什么意义，而且这时税收返还对研发支出的影响系数已不再是α2，通过求导得到=α2+α3Gov，所以我们可以将
Gov代入估计结果中，Tax对R&D的影响就为α2+α3Gov。但为了更加精确，我们可以通过将模型重新参数化，使元变量系数具有一定意义。模型参数化后变成：
R&D=α0+α1Gov+α2Tax+α3（Gov-U1）×（Tax-U2）+α4
Demand+α5Size+α6 Location+ε ③
运用spss对模型③进行多元回归，得到如下结果，如表3所示。
表3 有交互项的回归系数表
模型③中，U1，U2分别表示政府补助和税收返还的均值，此时，α2代表政府补助在均值处税收返还对研发支出的偏效应，表示税收返还每提高1个单位，研发支出提高α2个标准差。
表3中参数化乘积项表示的就是模型中的（Gov-U1）×（Tax-U2），表中各变量的显著性概率均小于0.05，说明各变量对研发支出都有显著影响。此时，政府补助的回归系数为
0.214，税收返还的回归系数为0.112，两个系数均大于无交互项回归时的系数0.172和0.077，这说明，考虑到两变量交互作用后，政府补助与税收返还对企业研发支出的激励作用有所增强。同时，0.214>0.112也符合方差分析关于政府补助对企业研发支出的激励作用大于税收返还的作用这一结果。
三、研究结论
本文以2011-2013年制造业上市公司为样本，考察了政府直接补助与间接税收返还对企业研发行为的影响。研究发现，在控制了其他显著变量后，政府补助与税收返还对企业研发支出有正向影响，且政府补助的影响大于税收返还的影响;同时这两种资助手段之间存在交互作用，并且在加入交互项衡量交互作用后，政府补助与税收返还对企业研发支出的正向作用变得更强。本文研究结果的政策含义是，在经济转型升级的当前，政府正朝着服务型政府转变，国家应加大对企业创新的扶持力度，激励企业进行技术创新活动;再者，由于不同资助手段间交互作用的存在，政府应充分发挥各种手段的激励作用，综合运用各种手段，这与很多说明性研究结论相一致。
参考文献：
[1] Christian Kohler. The impact and effectiveness of fiscal incentives for R&D[J]. Manchester institute if innovation research，2012.
[2] 解维敏，唐清泉，陆珊珊. 政府R&D资助、企业R&D支出与自主创新[J].金融研究，2009.
关键词：政府资助方式;交互作用;双因素方差分析
引言：当前我国正处在产业转型升级和转变经济增长方式的关键时期，增强自主创新能力尤为重要，党的十八大报告指出，要实施创新驱动发展战略，把创新摆在国家发展全局的核心位置，着力构建以企业为主体、市场为导向、产学研相结合的技术创新体系。但是，由于技术创新活动存在正外部性和不确定性导致企業R&D投资低于社会最优水平（Arrow，1962），这就为政府介入提供了理论基础。当今世界各国都普遍关注政府在技术创新领域中的作用，OECD国家中使用财税优惠的国家由1995年的15个上升到了2011年的26个。我国财政科技投入也一直呈现增长态势，平均每年增幅63.3%。当然，除财政科技投入这一直接资助手段外，我国还有税收优惠、政府购买、公共研究等不同的激励工具，但直接资助和税收优惠是作用范围最广的两个手段，因而成为研究的主体。大部分的实证研究都从不同程度上证明了这两种政策工具的激励效果。但是现有实证研究对激励效果的考察都是孤立考虑不同工具的效果，而一般情况下不同激励工具是同时使用的，相互之间也是紧密联系的，因此我们应该把不同激励工具纳入一个框架内考虑，不仅考虑他们的单独作用，同时也要考虑它们的交互作用。所以本文将建立两个模型：没有加入交互项及加入交互项的模型，来考虑两种不同工具的交互作用及交互作用对政策工具激励效果的影响。
一、研究设计
（一）样本选取和数据来源。本文以2011-2013年上市公司制造业企业为样本，剔除数据缺失的上市公司后得到268个样本，其中2011年70个，2012年105个，2013年93个。本文研究使用的上市公司数据均来自CSMAR的中国上市公司财务报表数据库和中国上市公司财务报表附注数据库。
（二）模型构建。（1）方差分析。本文先使用双因素方差分析方法对政府直接补助与税收优惠两种手段之间是否存在交互作用进行检验。首先，我们采用双因素方差分析法进行检验。提出原假设H0：各自变量不同水平下观测变量各总体均值无显著差异，自变量各效应和交互效应同时为0，即自变量和它们的交互作用对观测变量没有产生显著性影响数学表达式为a1=a2=……=ak=0，b1=b2=……=br=0。由于双因素方差分析要求自变量为分类变量，所以本文将政府补助和税收返还进行了分类处理，1000万元以下取值1，1000万-1亿元取值2，1亿元以上取值3。（2）回归分析。我们建立如下模型并使用多元回归分析方法检验政府资助及不同方式之间交互作用对企业技术创新行为的影响。
R&D=α0+α1Gov+α2Tax+α3Demand+α4Size+α5 Location +ε①
R&D=α0+α1Gov+α2Tax+α3Gov×Tax+α4Demand+α5Size+α6
Location+ε ②
其中，α0为截距，α1～α6为系数，ε为残差。模型中各变量解释如下：1）因变量。R&D代表样本公司当年研发支出增加额，用来反映企业的研发行为。本文采用数据来自于CSMAR中国上市公司财务报表附注数据库中长期资产中的研发支出数据。2）自变量。政府补助Gov：政府补助反映政府对企业技术创新活动的直接资助，体现在会计科目中主要涉及两个科目：“补贴收入”和“专项应付款”，通过对比发现，营业外收入中分部项目里的政府补助这一指标能较好地衡量政府对企业的科技补贴，所以本文采用政府补助这一指标进行衡量。税收返还Tax：由于没有确切的指标对税收优惠进行衡量，企业对从事技术创新活动所享受的税收减免、加速折旧等一系列措施产生的优惠金额也没有进行统计，所以本文采用税收返还这一指标进行替代，此指标反映的是企业收到的增值税、营业税、所得税等各种税费的返还。政府补助与税收返还的乘积项Gov×Tax ：乘积项用来反映政府补助与税收返还的交互作用。若乘积项的系数不为0，就表明政府补助与税收返还的同时作用不等于两种方式单独作用的乘积，两种不同方式之间是相互影响的。3）控制变量营业收入Demand：本文研究我们将采用营业收入来衡量市场需求，因为营业收入能在一定程度上反映企业产品的市场需求规模，在此基础上的创新成果与企业现有产品有很大的关联和相似性，因而市场需求不会有太大的差异。
企业规模Size：史毅（2001）指出，大企业与小企业在进行技术创新时各有优势，但大企业能更好地满足创新活动的各种要素需求，承担创新的高风险。熊彼特在1969年就指出，大企业比小企业更有创新的积极性。本文研究采用企业总资产来衡量企业规模。
二、实证检验结果及分析
（一）双因素方差分析。运用spss软件进行方差分析，得到以下结果，如表1所示。 表1 双因素方差分析结果
a. R 方 = .883（调整 R 方 = .878）
表1是方差分析的主要部分结果。我们主要分析自变量及交互作用的影响，控制变量不予分析。首先从F统计值来看，FA=17.014>F0.05（2，4）=6.94，FB=15.752>F0.05（2，4）=6.94，FAB=7.260
>F0.05（8，4）=6.04，所以拒绝原假设H0：a1=a2=a3=0，b1=b2=b3=0，说明政府直接资助、税收返还以及两者的交互作用对研发支出都存在影响;从相伴概率来看，三者的sig值均为0.000<0.01，拒绝原假设，说明检验结果在99%的置信水平上显著。
同时，我们还可进行政府直接补助与税收返还对研发支出作用的大小比较。由于设定的是全因子饱和模型，因此总的离差平方和主体部分为自变量对观测变量的单独影响、两个自变量的交互作用、随机变量的影响三部分，但由于本文加入三个协变量控制其他因素的影响，所以总离差平方和中也就包含了这三个变量的影响，但我们可以不作考虑。表中显示，不同水平政府补助对研发支出的贡献离差平方和为16691.287，均方为8345.644，不同水平税收返还对研发支出的贡献离差平方和为15453.184，均方为7726.592，16691.287>15453.184且8345.644
>7726.592，这说明政府补助的影响比税收返还的影响大。
（二）多元回归分析。（1）无交互项多元回归。首先我们对模型①进行回归分析，结果如表2所示。
表2 无交互项回归系数表
上表中，我們可以看到，政府补助与税收返还的检验sig值均为0.000，小于0.05，所以拒绝原假设，说明这两个因素对研发支出有显著影响。政府补助的回归系数为0.172，说明政府补助每增加一个单位，企业研发支出增加0.172个单位;税收返还的回归系数为0.077，说明税收返还每提高一个单位，企业研发支出增加0.077个单位，0.172>0.077，说明政府补助的作用大于税收返还的影响，这与上文方差分析的结果相同，如果加入交互项后结果会如何呢？
（2）有交互项多元回归。在进行含有交互项回归时，我们不能直接对模型②直接回归，因为这样不利于我们观察交互作用对政府补助和税收返还回归系数产生的影响。在含有交互项时，原变量的参数解释会有所差别，因为在如模型②中，α2表示政府补助为零时税收返还对企业研发支出的影响，这通常没有什么意义，而且这时税收返还对研发支出的影响系数已不再是α2，通过求导得到=α2+α3Gov，所以我们可以将
Gov代入估计结果中，Tax对R&D的影响就为α2+α3Gov。但为了更加精确，我们可以通过将模型重新参数化，使元变量系数具有一定意义。模型参数化后变成：
R&D=α0+α1Gov+α2Tax+α3（Gov-U1）×（Tax-U2）+α4
Demand+α5Size+α6 Location+ε ③
运用spss对模型③进行多元回归，得到如下结果，如表3所示。
表3 有交互项的回归系数表
模型③中，U1，U2分别表示政府补助和税收返还的均值，此时，α2代表政府补助在均值处税收返还对研发支出的偏效应，表示税收返还每提高1个单位，研发支出提高α2个标准差。
表3中参数化乘积项表示的就是模型中的（Gov-U1）×（Tax-U2），表中各变量的显著性概率均小于0.05，说明各变量对研发支出都有显著影响。此时，政府补助的回归系数为
0.214，税收返还的回归系数为0.112，两个系数均大于无交互项回归时的系数0.172和0.077，这说明，考虑到两变量交互作用后，政府补助与税收返还对企业研发支出的激励作用有所增强。同时，0.214>0.112也符合方差分析关于政府补助对企业研发支出的激励作用大于税收返还的作用这一结果。
三、研究结论
本文以2011-2013年制造业上市公司为样本，考察了政府直接补助与间接税收返还对企业研发行为的影响。研究发现，在控制了其他显著变量后，政府补助与税收返还对企业研发支出有正向影响，且政府补助的影响大于税收返还的影响;同时这两种资助手段之间存在交互作用，并且在加入交互项衡量交互作用后，政府补助与税收返还对企业研发支出的正向作用变得更强。本文研究结果的政策含义是，在经济转型升级的当前，政府正朝着服务型政府转变，国家应加大对企业创新的扶持力度，激励企业进行技术创新活动;再者，由于不同资助手段间交互作用的存在，政府应充分发挥各种手段的激励作用，综合运用各种手段，这与很多说明性研究结论相一致。
参考文献：
[1] Christian Kohler. The impact and effectiveness of fiscal incentives for R&D[J]. Manchester institute if innovation research，2012.
[2] 解维敏，唐清泉，陆珊珊. 政府R&D资助、企业R&D支出与自主创新[J].金融研究，2009.