创新激励政策视角下江西省上市公司R&D效率研究

黎子霁， 唐 昆

(1. 江西农业大学 经济管理学院， 南昌 330045； 2. 江西财经大学 财税与公共管理学院， 南昌 330013)

根据《国家中长期科学和技术发展规划纲要(2006—2020)》，我国将于2020年建成创新型国家。企业是社会R&D创新的微观主体，R&D创新是企业培植核心能力和提升竞争优势的源泉。因此，我国在企业所得税税率、税收优惠、研发创新补贴几个方面对企业R&D创新给予支持。我国政府在R&D创新方面投入的政策资金非常之多，但这些创新扶持政策对企业R&D投入效率的影响情况需要学术研究来证实。

目前，学术界对创新政策的研究集中在对政策的理论分析基础上。理论分析方面，孙继红、王宏起等人从静态视角揭示税收政策通过关键要素作用于不同创新环节产生的影响， 从动态视角揭示税收政策促进战略性新兴企业自主创新演化的作用过程[1]；周华伟从理论分析出发，对不同形式的R&D税收激励方案进行了比较研究，从研发投入、创新产出和生产力等角度分析税收激励政策的效果[2]。实证研究方面，由于我国企业微观层面R&D投资状况的研究存在数据搜寻的困难，现有研究多为利用宏观统计数据，对比历年研发扶持政策，描述政策变化情况并分析不同政策的实施对企业的影响。王俊峰、朱志凌基于博弈模型，针对研发费用加计扣除政策落实过程中存在的问题，找到最适合企业发展的政策环境[3]；王春元用双重差分模型评估我国2013年正式实施的税收优惠政策的效果[4]。微观层面中，直接利用上市公司数据对R&D投资进行实证研究的文献较少，大多数采用问卷形式对小范围地区的企业进行研究，如赵彤、徐晓、刘丁蓉等人考察政策实施效果和部分企业对政策执行情况的反映[5-9]。

近年来西方学者研究的重点集中于创新激励政策是否有效以及有效程度如何等，利用的分析工具主要包括边际有效税率分析、生产结构分析和价格弹性估计等。Eisner等人用边际有效税率分析模型对税收优惠的有效性进行分析，研究结果说明创新激励政策对总体企业研发投入产生促进作用[10]；Wallsten研究美国小型企业R&D活动发现税收优惠对企业创新活动存在一定反作用[11]。而Robot研究指出，直接的财政补贴和研发费用加计扣除政策均是促进企业R&D活动的有效手段，并且后者在实证中已经被证明是有效的[12]；Czarnitzki等人通过非参匹配方法，对3562家公司R&D活动投入与税收优惠政策之间的关系进行实证检验，结果表明执行创新政策能够促使企业增加研发支出[13]。

通过文献回顾可以发现，大部分研究针对的都是创新激励政策对研发投入影响，很少研究涉及R&D效率问题。本研究的创新之处在于，在以往创新激励政策效果研究的基础上，结合创新型企业的R&D特征，采用研发投入与产出计算出的生产效率、纯技术效率和规模效率作为企业R&D效率，运用DEA-Tobit 两步法分析创新激励政策与江西省上市公司R&D效率的关系。

一、研究模型、样本来源与指标说明

(一)研究模型与方法

本文采用DEA-Tobit两步法来研究创新激励政策对江西省上市公司的R&D效率的影响效应。

第一步，参照生产有效性评价方法，运用DEA中的CCR模型评估出决策单元(Decision Making Units ，DMU)的效率值，包括生产效率、技术效率和规模效率。基本思路为：设有n个DMU，其输入输出向量分别为：

Xi=(x1i,x2i,…,xmi)T>0，i=1,2,…,n

Yi=(y1i,y2i,…,ysi)T>0，i=1,2,…,n

(1)

构建的CCR模型如下：

式(1)(2)中，n、m、s分别为决策单元DMU、输入变量xij及输出变量yir的个数，δ为决策单元的有效值，S-、S+是剩余和松驰变量；模型的具体运用为求解该DEA模型得到各企业的δ值。若δ= 1，则DMU是DEA 有效的，否则为非DEA有效；对于同为 DEA 有效的决策单元，CCR模型无法对其效率值排序，对于非DEA有效的决策单元，δ值越小表示企业的该项投入相对有效性越低，此情况下可对企业之间的相对有效性进行比较。

第二步，选取CCR模型评估所得的生产、技术、规模3个效率值为因变量，选取研发费用加计扣除所减少的应纳税所得的具体数额及研发补助金额为自变量建立回归模型。根据自变量的系数判断影响因素对效率值的影响方向与影响强度。需要注意的是，DEA模型确定的效率值取值仅在0～1之间，为防止回归所得参数估计值产生偏向于0的情形，需运用截取回归模型(Censored Regression Model)，即 Tobit 模型，具体如下：

y*=βxi+ε

yi=0 ify*≤0

式(3)中，β为回归参数向量，xi为自变量向量，yi*为因变量向量，yi为效率值向量。

(二)数据来源及指标选取

1． 决策单元的划分

以17家江西省上市公司为样本，将2015—2017 年3年的平均数据作为决策单元，为了保密，分别用 1～17 序号表示。

2.CCR模型的指标选择与样本数据的获取

本文借鉴了其他学者相关研究成果，结合实地调研获得数据。在指标选取方面，选取研发人员数和研发费用作为投入变量，选取专利申请数和主营业务收入作为产出变量，构建了一个“2 投入、2产出”的DEA模型。投入变量和产出指标阐释说明如下：

(1) 人力投入。企业投入研发创新活动的人员数，是衡量其创新投入规模的一个重要指标。我国科技型企业的认定标准中将科研人员占比作为重要指标之一，如在科技型中小企业的资格认定中，明确规定科技人员应当占全体职工的15%以上。因此，选取研发人员数作为人力投入变量。

(2) 资金投入。企业的R&D活动主要依托研发经费，研发经费的投入是研发产出基本前提，分析企业研发创新活动的具体效率情况，显然应选取研发费用作为投入的衡量指标。

(3) 专利申请数。企业的专利申请数直接反映一个上市公司的研发成果，所以选取专利申请数作为R&D效率产出指标。

(4) 主营业务收入。企业作为以盈利为目的的主体，其研发创新活动的目的最终在于创造更多利润，因此研发创新成果不仅仅体现在科研产品、专利成果，还可通过主营业务收入这一较为综合的变量来反映，因此选取主营业务收入作为衡量企业的产出指标。

3.Tobit回归模型指标选取与数据来源

根据江西省所选17家上市公司的研发特征，以及享受当地政府创新激励政策优惠的情况，通过财务报告手工收集了以下指标，作为Tobit回归模型的自变量：

(1) 政策因素。选取研发费用加计扣除对应纳税所得额的调减额作为衡量的数据来源；研发补助指标，代表政府对企业研发创新方面的补助力度。

(2) 非政策因素。选取企业规模、企业年龄、资本结构以及企业性质4个变量，解释非政策因素对企业R&D效率的影响。其中，企业规模用企业总资产对数表示，企业年龄是指从企业成立至2017年的时间，资本结构用资产负债率(期末负债/总资产)表示。企业性质是对企业性质进行划分，将国家控股型企业赋值为1，将民营企业赋值为0。

二、江西省17家样本上市公司R&D投入产出的DEA效率评估

通过 DEAP 2.1软件计算17家样本企业的R&D生产效率(TE)均值以及纯技术效率(PTE)、规模效率(SE)输出结果(见表1)。

为了更直观地判断样本企业R&D投入的生产效率、纯技术效率、规模效率情况，将实证数据整理并作图(见图1)。

由表1及图1可知：

(1) 根据生产效率结果，样本上市公司生产效率总体偏低。17家上市公司中，仅3家企业生产效率为1，达到DEA有效，平均值仅为0.476，另12家企业生产效率低于前沿效率。

(2) 根据纯技术效率结果，样本企业的纯技术效率有待提高。17家上市公司中有6家达到了DEA有效状态，占比35.29%，剩余的11家仍处于非DEA有效状态；17家样本公司的平均纯技术效率为0.701。

(3) 根据规模效率结果，样本上市公司的规模效率普遍较低，阶段性上呈现出较大差异。考察的17家企业中，处于规模报酬递增与递减阶段的企业各有7家，剩余3家规模报酬不变；规模效率平均值为0.702，仅3家达到DEA有效。

上述结论证实了江西省上市企业普遍存在R&D效率偏低的现实情况。

表1 江西省样本企业2015—2017年R&D平均投入产出值的DEA效率状况

注：生产效率(TE)=纯技术效率(PTE)*规模效率(SE)；Drs、Irs 、-分别表示企业处于规模报酬递减、递增、不变阶段

三、创新激励政策对江西省样本企业R&D活动效率影响的计量分析

(一)变量选取与模型设定

本研究选取研发费用加计扣除(KC)、研发补助(BZ)、企业性质(XZ)、企业年龄(NL)、企业规模(GM)以及资本结构(JG)作为Tobit回归模型的解释变量。企业生产效率、技术效率以及规模效率作为回归模型的被解释变量，分别记作TE、PTE以及SE。具此建立以下3个回归模型：

Model1:TE=α0+α1KC+α2BZ+α3XZ+α4NL+α5GM+α6JG+ε

Model2:PTE=α0+α1KC+α2BZ+α3XZ+α4NL+α5GM+α6JG+ε

Model3:SE=α0+α1KC+α2BZ+α3XZ+α4NL+α5GM+α6JG+ε

(二)计量结果分析

1.模型1，企业R&D生产效率的分析

(1) 政策因素对江西省上市公司R&D的生产效率的影响。第一，研发补贴与企业的研发创新生产效率呈显著负相关，这表明政府增加补助并不能使企业R&D的生产效率提高，反而可能让企业依赖补助而怠于真实的研发生产；第二，研发费用加计扣除与R&D生产效率相关系数为负，但不显著，说明研发费用加计扣除这一政策对

企业R&D生产效率影响情况不明显，难以判断该政策因素的具体作用。

(2) 非政策因素对江西省上市公司R&D生产效率的影响。第一，企业规模与企业研发创新的生产效率呈显著正相关，说明规模对研发创新的生产效率的提高具有较大影响；第二，企业年龄与生产效率不显著负相关，可认为新兴企业更具有研发创新活力；第三，资本结构与R&D生产效率呈负相关，但不显著，因此不能说明更少的负债能提高研发创新活动；第四，企业性质与企业R&D生产效率在5%的显著水平上正相关，说明国有企业在研发创新的生产效率方面比民营企业更具优势。

注：柱状图从左到右依次为生产效率、纯技术效率、规模效率

图1 江西省样本企业2015—2017年R&D平均投入产出值的DEA效率

2.模型2，企业R&D纯技术效率的分析

(1) 政策因素对企业R&D技术效率的影响。第一，研发补助对企业研发创新的技术效率有正向影响，但相关关系不显著。第二，研发费用加计扣除政策对企业研发创新的技术效率有不显著的正向影响。

(2) 非政策因素对企业R&D技术效率的影响。第一，企业内部管理中资本结构对企业技术效率有显著的正向影响，由于企业技术效率反映企业在同等技术水平上不同企业的R&D生产效率存在区别，因而与内部管理效率有紧密联系。第二，企业年龄和企业规模与企业R&D的技术效率相关关系不显著。第三，企业性质与企业R&D的技术效率有不显著正相关关系。可能由于决策单元数量较少，难以显现政策因素对企业技术效率的显著规律。

3.模型3，企业R&D规模效率的分析

(1) 政策因素对企业R&D的规模效率的影响。第一，研发补助对企业R&D的规模效率在1%的显著水平上呈负相关关系，说明政府给予的研发补助越多，可能对企业研发创新的规模效率有负面影响；第二，研发费用加计扣除政策对企业研发创新的规模效率有显著的负向影响，说明研发费用加计扣除政策虽然可以减少更多研发成本，但不能帮助企业产生更多的研发规模效益。

(2) 非政策因素对企业R&D规模效率的影响。第一，企业年龄与企业研发创新的规模效率呈显著负相关关系，说明企业成立时间越早，研发创新的规模效率越高；第二，企业规模与R&D的规模效率在1%的显著水平上呈正相关，说明企业规模越大，其研发创新的规模效率越大；第三，资本结构与企业R&D的规模效率不显著且呈负相关；第四，从企业R&D的规模效率的角度看企业性质的影响，以发现企业性质对规模效率有不显著的负影响，不能说明民营企业研发创新的规模效率高于国有企业。具体实证结果见表2。

四、结论与讨论

(一)研发补助对纯技术效率有提升作用，但不利于发挥生产与规模效率

模型 2 结果显示，政府的研发补助投入对企业R&D活动的纯技术效率正相关，但并不显著，模型1和3显示，研发补助反而导致生产效率与规模效率下降。这说明政府对企业的研发补助效果不佳，企业在补助收入的刺激下确实增加了研发投入，但该研发活动效率低下，并未成功转化为企业的生产能力，也未能促进企业规模报酬递增，企业研发活动显露出“为补助资金而研发”的怪象。因此，对于研发补助的发放应建立完备的考核机制，按照得分标准确定相应研发补助额度，促使企业将研发活动与生产活动相结合。

表2 创新激励政策对江西省上市公司R&D效率影响的计量结果

注：***、**和*分别表示在 1%、5%和 10%的统计水平上显著

(二)研发费用加计扣除政策有利于激励企业R&D活动

根据模型2，研发费用加计扣除政策减少了企业的研发创新成本，极大地缓解了企业的创新经费压力，促使企业从研发资金投入、人员投入等多方面加大研发投入。由财税〔2015〕119号文得知，从2015年开始研发费用加计扣除政策在所有行业实施，但由于创新激励政策的时滞性以及研发与产出的时滞性，研发费用加计扣除政策带来的研发创新红利尚未实现，因此模型1和模型3中研发费用加计扣除指标未能实现对R&D效率的正向影响。据此，江西省应当持续加大对研发费用加计扣除政策的支持力度，如适当放宽准予进行研发费用加计扣除企业的资格认定标准，简化相关的认定程序，延长因研发费用和加计扣除金额形成的亏损的结转期等，以促使企业加强研发投入力度，激励企业创新。

(三)从企业性质看，国有企业R&D效率高于民营企业

根据模型1，针对所选取的样本公司数据，发现江西省国企的研发创新投入更具生产与技术效率。这反映出作为市场主体的民营企业在研发创新环节还具有较大的提升空间，江西省政府应当着力提升民营企业的研发创新活力，引导民营企业实行高质量、高技术发展模式，从而激发全省的研发创新活力，提高研发创新效率。

(四)企业规模越大，其R&D活动的生产效率与规模效率越佳

根据模型1与模型3的结果，企业的总资产数与企业R&D生产效率、规模效率显著性正相关，这说明企业规模越大，其所具备的研发成果转化能力越强，从而促进生产效率的提升，实现生产的规模报酬递增。其原因可能是规模越大的企业其研发体系越完善，相对于小规模企业，其研发成果到生产应用的过程所耗费的时间与资金成本更少且更具效率。因此，江西省应当充分发挥大型企业的研发创新活力，鼓励其投入研发，利用好大规模企业R&D活动的生产与规模效率优势。