科技支持、補貼陷阱與區(qū)域創(chuàng)新能力

吳曉飛

(山東大學 經(jīng)濟學院，山東 濟南 250100)

?

科技支持、補貼陷阱與區(qū)域創(chuàng)新能力

吳曉飛

(山東大學 經(jīng)濟學院，山東 濟南 250100)

利用1998—2013年的省際面板數(shù)據(jù)，運用固定效應模型，從科技補貼強度的角度進行實證分析。研究表明：地方政府科技補貼強度與區(qū)域創(chuàng)新能力之間存在著較為明顯的倒U型關系，這意味著如果政府支持強度超過某一臨界點，就可能會落入“補貼陷阱”；東部地區(qū)和中西部地區(qū)倒U型關系存在一定差異，東部地區(qū)表現(xiàn)較為顯著，而中西部地區(qū)并不明顯。

科技補貼強度； 區(qū)域創(chuàng)新能力；地區(qū)差異

創(chuàng)新是經(jīng)濟增長和社會發(fā)展的重要源泉，但由于創(chuàng)新具有正外部性，所以科技創(chuàng)新過程往往面臨著市場失靈的困擾(Arrow，1962；Tassey，2004)。為了彌補因市場失靈所造成的創(chuàng)新不足，各國政府一般會對本國的科技創(chuàng)新給予一定的政策支持。自提出建設創(chuàng)新型國家以來，中國各級地方政府紛紛加大了對本地區(qū)科技研發(fā)的財政支持力度，地方科技財政支出占比逐年升高。地方政府創(chuàng)新支持力度的加大，一方面有利于擴大創(chuàng)新產(chǎn)出，提升區(qū)域的創(chuàng)新能力；但另一方面，也可能對企業(yè)等創(chuàng)新主體的研發(fā)投入產(chǎn)生“擠出”效應，從而對區(qū)域創(chuàng)新產(chǎn)生不利影響?；诖?，本文從地方政府科技補貼強度的角度出發(fā)，探討了地方財政支出對區(qū)域創(chuàng)新能力的影響，并對東部地區(qū)和中西部地區(qū)進行了比較分析。

一、文獻評述

政府科技補貼與創(chuàng)新之間關系的討論由來已久。早期研究主要集中于創(chuàng)新的正外部性以及政府科技補貼的必要性。一般而言，為了糾正研發(fā)活動存在的“市場失靈”，政府應該進行創(chuàng)新補貼。Hamberg(1966)利用廠商截面數(shù)據(jù)發(fā)現(xiàn)，政府R&D補貼能夠促進企業(yè)增加研發(fā)支出；Lichtenberg(1987)則嘗試將政府R&D補貼內(nèi)生到其計量模型中，但研究結(jié)論卻并不穩(wěn)健，在采用工具變量法時政府R&D補貼與企業(yè)研發(fā)之間存在替代關系，而采用固定效應法時二者則存在互補關系。這些早期的研究嘗試為后續(xù)研究開拓了視野，提供了思路。

Almus et al.(2003)、Lee(2011)均在一定程度上證實，政府的創(chuàng)新補貼可以刺激企業(yè)的研發(fā)活動，科技補貼對企業(yè)創(chuàng)新存在著杠桿效應。解維敏等(2009)、顧元媛等(2012)、陸國慶等(2014)進一步驗證了上述結(jié)論。但Lach(2002)認為，企業(yè)為了獲得政府R&D補貼可能會傾向于迎合政府的引導，而減少政府補貼之外的創(chuàng)新活動；Link et al.(2009)以美國小企業(yè)為例，發(fā)現(xiàn)政府支持的小企業(yè)創(chuàng)新研究計劃(SBIR)的商品化概率僅為0.47，表明政府支持的效果并不理想；樊琦等(2011)的研究證實，政府R&D補貼對經(jīng)濟落后地區(qū)的影響要弱于經(jīng)濟發(fā)達地區(qū)，R&D補貼績效存在地區(qū)差異。

針對政府科技補貼究竟是促進還是抑制企業(yè)的研發(fā)，有學者嘗試從正反兩個方面加以研究。通過分析政府R&D補貼對企業(yè)研發(fā)支出的影響，劉虹等(2012)認為政府補貼對研發(fā)支出可能同時存在激勵效應與擠出效應，兩種效應的分布呈倒U型，但是這一研究沒有對不同的地區(qū)做出進一步區(qū)分，同時也沒有考慮區(qū)域創(chuàng)新能力問題；范允奇等(2014)的研究則表明，當存在腐敗時，政府R&D投入對技術創(chuàng)新效率的影響可分解為負向的規(guī)模效應和正向的結(jié)構效應，而凈效應則取決于這兩種效應的相對大小。

有學者則關注政府的不同政策對企業(yè)研發(fā)活動所產(chǎn)生的影響。Hall et al.(2000)、Bloom et al.(2002)在考察稅收政策對R&D活動的作用后發(fā)現(xiàn)，政府的稅收優(yōu)惠政策有助于增加R&D支出。戴晨等(2008)比較了稅收優(yōu)惠與財政補貼對企業(yè)研發(fā)的不同影響后，認為稅收優(yōu)惠比財政補貼更有助于促進企業(yè)研發(fā)。熊維勤(2011)認為，較高的稅率會顯著降低企業(yè)的研發(fā)收益以及研發(fā)努力。在政府科技財政支出方面，生延超(2008)的研究表明，如果政府介入技術聯(lián)盟創(chuàng)新系統(tǒng)，那么創(chuàng)新產(chǎn)品補貼將比創(chuàng)新投入補貼更加有效；胡志國等(2013)發(fā)現(xiàn)，政府直接進行R&D有利于促進經(jīng)濟增長，但政府R&D補貼卻更有利于改善社會福利。上述研究意味著，政府合理選擇創(chuàng)新補貼方式是十分重要的現(xiàn)實問題。

從已有文獻來看，政府科技補貼與創(chuàng)新之間的關系是國內(nèi)外眾多學者關注的焦點。相關研究主要包括政府R&D補貼對企業(yè)創(chuàng)新的影響、政府不同支持政策對創(chuàng)新的作用效果等。盡管現(xiàn)有研究已經(jīng)做出了許多有益探索，但對于政府科技補貼如何影響創(chuàng)新仍未達成共識。正如顧元媛等(2012)所言，由于缺少中國政府對企業(yè)進行R&D 補貼的數(shù)據(jù)，因此部分研究在計量分析的數(shù)據(jù)處理方面有失精準。本文從政府科技補貼強度的視角，用地方財政科技撥款占地方財政支出總額的比重表示政府科技補貼強度，某種程度上可以彌補現(xiàn)有研究因數(shù)據(jù)缺失的缺憾；另外研究中還進一步對政府科技補貼強度的臨界點進行了估算，評估政府科技補貼強度對東部地區(qū)和中西部地區(qū)的影響的差異。

二、研究設計

(一)數(shù)據(jù)來源

本文選取除西藏以外的30個省、直轄市、自治區(qū)的相關面板數(shù)據(jù)，樣本的時間為1998—2013年。對政府科技補貼強度這一主要解釋變量，以地方財政科技撥款占財政總支出的比重來衡量，相關數(shù)據(jù)來源于中國統(tǒng)計年鑒和各省市統(tǒng)計年鑒；而對于區(qū)域創(chuàng)新能力這一因變量，用樣本各省市的專利申請總數(shù)和授權總數(shù)來表示(Li，2009；漆艷茹 等，2013)，相關數(shù)據(jù)主要來源于中國科技統(tǒng)計年鑒和各省市統(tǒng)計年鑒；回歸分析中其他各控制變量的數(shù)據(jù)則主要來源于中國統(tǒng)計年鑒、中國科技統(tǒng)計年鑒、各省市統(tǒng)計年鑒以及有關統(tǒng)計公報。

(二)模型設定

已有研究多將創(chuàng)新過程視作一種知識生產(chǎn)過程，用擴展形式的柯布-道格拉斯函數(shù)(C-D函數(shù))來表示(李曉鐘 等，2008；姜明輝 等，2013)。本文從已有研究出發(fā)，引入C-D函數(shù)形式的區(qū)域創(chuàng)新模型：

Y=Af(K,L,H)

(1)

其中：Y表示地區(qū)創(chuàng)新產(chǎn)出，用以衡量區(qū)域創(chuàng)新能力；A為前期的知識存量；K和L分別表示區(qū)域創(chuàng)新的資本和人力投入；H則代表除資本和人力以外影響創(chuàng)新能力的其他因素，如政府對創(chuàng)新的支持力度、技術市場因素等。

在式(1)的基礎上，借鑒已有研究成果(Li，2009；劉虹 等，2012)，將基本回歸模型設定如下：

Ln TZL=β0+β1FIN+β2FIN2+β3Ln PGDP+β4Ln PEO+β5Ln MKT+δt+δi+μ

(2)

其中：向量Ln TZL為回歸的因變量，由Ln TZLA和Ln TZLL兩個分量組成，這兩個分量分別表示專利申請總數(shù)和專利授權總數(shù)的自然對數(shù)，用以衡量區(qū)域創(chuàng)新能力；FIN為本文重點關注的解釋變量，即政府科技補貼強度，用地方財政科技撥款占財政總支出的比重來衡量；為了考察政府科技補貼強度與區(qū)域創(chuàng)新能力之間是否存在二次曲線關系，引入FIN的平方項*為了避免引入平方項后所帶來的共線性問題，參照吳曉云等(2013)的做法對變量進行了標準化處理。；借鑒Furman et al.(2002)的辦法，以人均GDP的自然對數(shù)(Ln PGDP)來衡量地區(qū)前期的知識存量；Ln PEO表示R&D人員全時當量的自然對數(shù)，用來反映地區(qū)創(chuàng)新的要素投入；Ln MKT則為技術市場成交額的自然對數(shù)，反映了市場環(huán)境對創(chuàng)新的影響；δt和δi分別為年度固定效應(YEAR)和地區(qū)固定效應(PROVINCE)；μ為模型的隨機誤差項。

式(2)并沒有包含創(chuàng)新的資本投入變量，原因在于R&D人員全時當量與研發(fā)資本投入之間存在高度相關性，檢驗表明二者在取自然對數(shù)后相關系數(shù)達到了0.94，若將兩個變量同時加入回歸方程可能會導致結(jié)果出現(xiàn)偏差，因此在本研究中僅以R&D人員全時當量作為創(chuàng)新投入的基本變量。此外，由于從專利申請到獲得授權往往需要一段較長的時間，若以專利數(shù)量作為區(qū)域創(chuàng)新能力的指標則需要考慮時間滯后關系。對此，本文著重分析兩種滯后情形：一是以專利申請數(shù)為因變量時，自變量不滯后和滯后一期；二是以專利授權數(shù)為因變量時，自變量分別滯后兩期和三期(Li，2009；岳鵠 等，2009)。通過上述回歸模型可以系統(tǒng)考察政府科技補貼強度對區(qū)域創(chuàng)新能力的影響。

三、實證結(jié)果與分析

(一)描述性統(tǒng)計

表1　主要變量的描述性統(tǒng)計

主要變量的描述性統(tǒng)計特征結(jié)果見表1。從中可知，不同年份、不同地區(qū)的專利申請總數(shù)和專利授權總數(shù)均存在較大差異。其中，專利申請總數(shù)在取自然對數(shù)后的最小值為4.82，最大值為13.13；專利授權總數(shù)在取對數(shù)后的最小值為4.13，最大值為12.51；FIN的最小值和最大值分別為0.39和7.31，這說明各樣本省市之間在創(chuàng)新水平和政府科技補貼方面存在較強的個體特征。因此，需要在回歸模型中對年度固定效應和地區(qū)固定效應進行控制。其他各回歸變量的描述性統(tǒng)計結(jié)果如表1所示，在此不再贅述。

(二)實證結(jié)果與分析

正如上文所言，由于R&D人員全時當量與研發(fā)資本投入之間存在高度相關性，因此在回歸模型中去除研發(fā)資本投入變量，剩余各自變量之間的Pearson相關系數(shù)絕對值最大為0.75，模型不存在嚴重的共線性問題。由于采用省級面板數(shù)據(jù)進行實證分析，故以Hausman檢驗來確定模型的具體形式，檢驗結(jié)果表明，在各種情形下固定效應模型更優(yōu)(Prob>chi2=0.000)。因此，后文中將以雙向固定效應模型作為回歸的基本方法。

1.全樣本的回歸結(jié)果

從表2全樣本條件下的回歸結(jié)果可知，無論是以專利申請總數(shù)還是以專利授權總數(shù)為因變量，政府科技補貼強度變量FIN的系數(shù)均顯著為正，這說明地方政府科技補貼強度越大，科技補貼水平越高，對地區(qū)創(chuàng)新能力的正向推動作用也就越強。同時，F(xiàn)IN2的回歸系數(shù)均為負值且較顯著，表明在控制其他因素的條件下，區(qū)域創(chuàng)新能力是政府科技補貼強度的二次函數(shù)，呈現(xiàn)出“倒U型”的特征，這意味著在初始階段，政府科技補貼強度對區(qū)域創(chuàng)新能力會起到較為明顯的促進作用，但這種激勵效應隨著補貼強度的增強而減弱，超過一定強度后甚至可能會對地區(qū)創(chuàng)新產(chǎn)生負面影響，落入所謂的“補貼陷阱”。經(jīng)推算，倒U型曲線的拐點出現(xiàn)在政府科技補貼強度大約5%左右的范圍內(nèi)。目前，各省市的科技補貼強度多數(shù)情況下均低于5%，仍處于倒U型曲線的上升階段。

表2　全樣本回歸結(jié)果

注：***、**、*表示1%、5%、10%的顯著水平；括號中給出了各回歸結(jié)果的t統(tǒng)計量。下同。

政府科技補貼強度與區(qū)域創(chuàng)新能力之間的倒U型關系，可以從兩個方面來解釋：一方面，在合理的范圍內(nèi)，加大政府科技補貼強度有利于激發(fā)企業(yè)等主體的創(chuàng)新活力，促進地區(qū)創(chuàng)新水平的提高。由于科技創(chuàng)新具有正外部性，使得企業(yè)等主體從事研發(fā)創(chuàng)新的動力有所不足，創(chuàng)新活動面臨著“市場失靈”的困擾，而政府科技補貼則是糾正這一問題的重要手段。在初始階段，提高政府科技補貼強度會對企業(yè)創(chuàng)新活動起到補償?shù)淖饔茫ぐl(fā)企業(yè)的創(chuàng)新熱情，提高地區(qū)創(chuàng)新能力。但政府科技補貼不可能無限度的發(fā)揮作用，科技補貼資金也會面臨邊際報酬遞減問題。因此，一旦政府科技補貼強度超出合理的界限，就可能會使創(chuàng)新產(chǎn)出產(chǎn)生遞減的趨勢。在科技補貼強度較高時，會對企業(yè)研發(fā)投資產(chǎn)生“擠出”效應，導致地區(qū)創(chuàng)新產(chǎn)出下降，從而影響到區(qū)域創(chuàng)新能力的提升。根據(jù)前述推算，在全國層面上這一合理界限為政府科技補貼強度在5%。

另一方面，科技補貼強度指標也反映了科技財政與其他財政支出的對比情況。政府科技補貼力度加大，相應其他財政支出往往就會減少，因為財政支出總量是相對固定的，一個領域投入多了，對其他領域的投入也就相應的少了，但是創(chuàng)新過程也離不開上述這些相關的“軟件”和“硬件”條件的支持。而從更廣泛的意義上，一個地區(qū)基礎設施的完善程度、教育投入力度等也是構成地區(qū)創(chuàng)新環(huán)境的重要部分。政府科技補貼強度超過一定界限，可能會影響到對這些配套設施和領域的投入，反而不利于區(qū)域創(chuàng)新能力的有效提升。因而，需要強調(diào)科技財政支出與其他財政支出的合理平衡，如果只是單純的提高科技補貼強度而忽略其他影響因素，最終也只會造成財政資源配置上的低效率，甚至還可能阻礙區(qū)域創(chuàng)新能力的提升。

表2中控制變量Ln PGDP的回歸系數(shù)為正值，但是顯著性較弱，說明前期的知識存量對區(qū)域創(chuàng)新能力存在一定程度的正向影響；R&D人員全時當量Ln PEO的回歸系數(shù)為正且較為顯著，這意味著研發(fā)要素投入對區(qū)域創(chuàng)新能力具有明顯的正向推動作用；Ln MKT的回歸系數(shù)同樣為正且十分顯著，表明技術市場的活躍程度同樣是影響區(qū)域創(chuàng)新能力的重要因素。從上述實證結(jié)果以及模型的F值和修正的R2值來看，采用的回歸模型擬合較好。根據(jù)回歸結(jié)果，要提高區(qū)域創(chuàng)新能力，政府相關部門必須合理地把握對科技創(chuàng)新的補貼強度，完善研發(fā)人員激勵政策，引導創(chuàng)新要素高效率配置，同時還要營造有利于研發(fā)創(chuàng)新的市場環(huán)境，以推動地區(qū)創(chuàng)新水平向更高層次演進。

2.東部和中西部地區(qū)的回歸結(jié)果

由于東、中、西部地區(qū)在創(chuàng)新要素和創(chuàng)新基礎方面存在的差異，政府科技補貼強度對區(qū)域創(chuàng)新能力的影響可能存在區(qū)域差異。因此，將樣本各省市區(qū)分為東部地區(qū)和中西部地區(qū)兩個子樣本，分別進行回歸檢驗*其中，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11個省市，其余各省市則劃歸為中西部地區(qū)。，具體結(jié)果見表3和表4。從表3可知，對東部地區(qū)而言，政府科技補貼強度變量FIN的回歸系數(shù)為正且較為顯著，F(xiàn)IN2的回歸系數(shù)多數(shù)情況下顯著為負，說明東部地區(qū)政府科技補貼強度與區(qū)域創(chuàng)新能力之間的倒U型關系存在且明顯。根據(jù)測算，東部地區(qū)倒U型曲線的拐點出現(xiàn)在政府科技補貼強度6%左右。而從表4可知，對于中西部地區(qū)來說，F(xiàn)IN的回歸系數(shù)仍然為正且十分顯著，而FIN2的回歸系數(shù)雖然為負卻未通過顯著性檢驗。因此，對于中西部地區(qū)而言，政府科技補貼強度與區(qū)域創(chuàng)新能力之間并不存在明顯的倒U型關系。

表3　東部地區(qū)的回歸結(jié)果

表4　中西部地區(qū)的回歸結(jié)果

東部地區(qū)和中西部地區(qū)回歸結(jié)果的不同，可能緣于二者經(jīng)濟發(fā)展水平以及創(chuàng)新基礎等方面的差異。對子樣本的描述性統(tǒng)計分析發(fā)現(xiàn)，東部地區(qū)的政府科技補貼強度最大值為7.31，而中西部地區(qū)最大值僅為3.30。由于經(jīng)濟發(fā)展水平較高，東部地區(qū)對創(chuàng)新投入也更為重視，因此政府會將更多的財政支出用于補貼地區(qū)的研發(fā)創(chuàng)新。但是如果政府科技補貼強度過高而超過某一合理水平，就會對私人部門的創(chuàng)新投入產(chǎn)生擠出效應；且過高的政府科技補貼強度也會影響到對其他相關公共目標的財政支出，從而降低財政科技補貼的效率。然而，由于中西部地區(qū)經(jīng)濟發(fā)展水平較低，目前公共財政用于科技創(chuàng)新補貼的比率仍然偏低，因此，中西部地區(qū)并未表現(xiàn)出明顯的倒U型曲線關系。由于中西部地區(qū)的創(chuàng)新基礎比較薄弱，當?shù)卣块T也應該合理把握科技補貼的強度，以最大限度地發(fā)揮科技財政補貼對區(qū)域創(chuàng)新的推動作用。在表3和表4中，其他各控制變量的回歸結(jié)果與全樣本情況下的回歸結(jié)果(表2)基本一致。

(三)穩(wěn)健性檢驗與擴展研究

在本部分將驗證結(jié)論的穩(wěn)健性和適用性，具體做法是：首先，將發(fā)明專利申請數(shù)和授權數(shù)分離出來，單獨進行回歸分析，以驗證主要結(jié)論的可靠性；其次，采用Tobit回歸模型對上述研究結(jié)論加以驗證；最后，檢驗模型是否存在內(nèi)生性問題。限于篇幅，以下只匯報主要變量的檢驗結(jié)果。

1.發(fā)明專利申請數(shù)和授權數(shù)

在所有專利類型中，發(fā)明專利最能體現(xiàn)一個地區(qū)的創(chuàng)新能力和創(chuàng)新水平，因此可將發(fā)明專利的相關數(shù)據(jù)分離出來，單獨進行回歸檢驗。其中，發(fā)明專利申請數(shù)以Ln IZLA表示；發(fā)明專利授權數(shù)以Ln IZLL表示，對二者均進行了自然對數(shù)處理。另外，為與前文相對應，在以Ln IZLA為因變量的情況下，自變量分別采取不滯后和滯后一期兩種情形；而在以Ln IZLL為因變量的情況下，自變量則分別采取滯后兩期和滯后三期兩種情形，具體檢驗結(jié)果見表5。從表5可知，在以發(fā)明專利申請數(shù)和授權數(shù)為因變量的情況下，主要解釋變量的系數(shù)符號均與前文一致，而差別在于個別變量的顯著水平有所上升或下降。因此，上文主要研究結(jié)論是較為穩(wěn)健的。

表5　發(fā)明專利申請數(shù)和授權數(shù)的回歸結(jié)果

2.Tobit檢驗

由于因變量的最低界限是0，其數(shù)據(jù)結(jié)構特征為下界單邊截尾數(shù)據(jù)，Tobin(1958)針對這種具有截斷值特征的因變量提出了截斷回歸模型(Censored Regression Model)。因此，在本部分采用這種方法對研究結(jié)論的穩(wěn)健性進行檢驗，具體結(jié)果見表6。從表6的回歸結(jié)果可知，在采用Tobit模型的情況下，主要解釋變量的系數(shù)符號并未發(fā)生變化，但是個別變量的顯著水平有所上升。尤其對于中西部地區(qū)而言，F(xiàn)IN2的回歸系數(shù)在部分情況下通過了10%的顯著性水平，這說明中西部地區(qū)的政府科技補貼強度雖然相對較低，但仍有可能會超過合理補貼水平，進而對區(qū)域創(chuàng)新能力產(chǎn)生負面影響?？傮w上，中西部地區(qū)政府科技補貼強度與區(qū)域創(chuàng)新能力之間的倒U型關系并不明顯。表6的回歸結(jié)果表明主要結(jié)論仍然穩(wěn)健。

表6　Tobit模型的檢驗結(jié)果

3.內(nèi)生性問題

由于R&D人員全時當量與研發(fā)資本投入之間存在著高度相關性，因此在回歸中剔除了研發(fā)資本投入變量，以避稅內(nèi)生性問題對結(jié)果的干擾，保證回歸結(jié)果的可靠性。為了解決這一問題，將驗證模型的內(nèi)生性問題，方法是在模型中剔除變量Ln PEO，引入研發(fā)資本投入變量Ln INVS，重新進行回歸分析。由于主要解釋變量FIN和FIN2與變量Ln INVS的相關系數(shù)較小(平均分別約為0.37和0.24)，如果引入Ln INVS后的回歸結(jié)果與前文基本一致，則可認為不存在嚴重的內(nèi)生性，具體檢驗結(jié)果見表7。

表7　內(nèi)生性檢驗

從表7可知，在引入研發(fā)資本投入變量后，雖然回歸系數(shù)的大小有所變化，但其系數(shù)符號并未改變，主要回歸結(jié)果與前文的結(jié)果之間并未表現(xiàn)出明顯差異，因此回歸模型不存在嚴重的內(nèi)生性，主要結(jié)論仍然穩(wěn)健。

四、結(jié)論及啟示

政府科技補貼對區(qū)域創(chuàng)新影響較大，但影響的方式、程度及范圍仍然缺乏定論。本文從政府科技補貼強度的角度進行實證分析后，得出以下主要結(jié)論：首先，在全國層面上，政府科技補貼強度與區(qū)域創(chuàng)新能力之間存在較為明顯的倒U型關系，其拐點出現(xiàn)在政府科技補貼強度5%左右的范圍內(nèi)。其次，對數(shù)據(jù)的描述性統(tǒng)計分析發(fā)現(xiàn)，當前各樣本省(市)的科技補貼強度在多數(shù)情況下均低于5%，即總體上仍處于倒U型曲線的上升階段。第三，在地區(qū)層面上，政府科技補貼強度對區(qū)域創(chuàng)新能力的影響存在著差異，東部地區(qū)倒U型關系較為顯著，而中西部地區(qū)則并不明顯。

通過對政府財政支持科技創(chuàng)新的研究，有助于進一步理解政府科技支持政策對區(qū)域創(chuàng)新能力的影響，從而在實踐中采取更加有針對性的財政政策。具體政策含義主要包括：(1)政府相關部門必須合理把握對創(chuàng)新的補貼力度，以確?？萍贾С终邔^(qū)域創(chuàng)新發(fā)揮推動作用。在加大科技財政投入時，應當警惕政府科技補貼強度過高，以至于越過倒U型曲線的拐點，落入“創(chuàng)新補貼陷阱”。當前政府科技補貼強度的合理水平應該在5%左右，但大多數(shù)省市的科技補貼強度仍低于這一水平，因此，在現(xiàn)有的創(chuàng)新條件下，各省市應進一步提高科技補貼力度，同時注意使補貼比例不要超過上述合理的水平。(2)由于東部地區(qū)科技補貼強度較高，倒U型關系顯著，因而東部省市要注意過高的科技補貼的潛在不利影響，需要優(yōu)化財政支出結(jié)構，提高科技補貼效率。(3)中西部地區(qū)倒U型關系尚不明顯，要繼續(xù)提高科技財政支出的比重，以推動地區(qū)創(chuàng)新水平的提高；同時科技財政支出要向優(yōu)化創(chuàng)新基礎和改善創(chuàng)新環(huán)境等方面傾斜，以解決中西部地區(qū)創(chuàng)新基礎較為薄弱的狀況。

戴晨，劉怡. 2008. 稅收優(yōu)惠與財政補貼對企業(yè) R&D影響的比較分析[J]. 經(jīng)濟科學(3)：58-71.

樊琦，韓民春. 2011. 政府R&D補貼對國家及區(qū)域自主創(chuàng)新產(chǎn)出影響績效研究：基于中國28個省域面板數(shù)據(jù)的實證分析[J]. 管理工程學報(3)：183-188.

范允奇，徐玉生. 2014. 腐敗、政府R&D 投入與高技術產(chǎn)業(yè)技術創(chuàng)新效率[J]. 財貿(mào)研究(6)：95-102.

顧元媛，沈坤榮. 2012. 地方政府行為與企業(yè)研發(fā)投入:基于中國省際面板數(shù)據(jù)的實證分析[J]. 中國工業(yè)經(jīng)濟(10)：77-88.

胡志國，嚴成樑，龔六堂. 2013. 政府研發(fā)政策的經(jīng)濟增長效應與福利效應[J]. 財貿(mào)經(jīng)濟(9)：112-120.

姜明輝，賈曉輝. 2013. 基于C-D 生產(chǎn)函數(shù)的產(chǎn)業(yè)集群對區(qū)域創(chuàng)新能力影響機制及實證研究[J]. 中國軟科學(6)：154-161,183.

陸國慶，王舟，張春宇. 2014. 中國戰(zhàn)略性新興產(chǎn)業(yè)政府創(chuàng)新補貼的績效研究[J]. 經(jīng)濟研究(7)：44-55.

劉虹，肖美鳳，唐清泉. 2012. R&D 補貼對企業(yè)R&D 支出的激勵與擠出效應：基于中國上市公司數(shù)據(jù)的實證分析[J]. 經(jīng)濟管理(4)：19-28.

李曉鐘，張小蒂. 2008. 外商直接投資對我國技術創(chuàng)新能力影響及地區(qū)差異分析[J]. 中國工業(yè)經(jīng)濟(9)：77-87.

漆艷茹，劉云，侯媛媛. 2013. 基于專利影響因素分析的區(qū)域創(chuàng)新能力比較研究[J]. 中國管理科學(S2)：594-599.

任國良，蔡宏波，郭界秀. 2013. 政府R&D 政策評價研究的實證沿革與最新進展:綜述與評價[J]. 世界經(jīng)濟文匯(6)：55-88.

生延超. 2008. 創(chuàng)新投入補貼還是創(chuàng)新產(chǎn)品補貼：技術聯(lián)盟的政府策略選擇[J]. 中國管理科學(6)：184-192.

吳曉云，李輝. 2013. 我國區(qū)域創(chuàng)新產(chǎn)出的影響因素研究:基于ICT的視角[J]. 科學學與科學技術管理(10)：69-76.

解維敏，唐清泉，陸姍姍. 2009. 政府R&D資助，企業(yè)R&D支出與自主創(chuàng)新:來自中國上市公司的經(jīng)驗證據(jù)[J]. 金融研究(6)：86-99.

熊維勤. 2011. 稅收和補貼政策對R&D效率和規(guī)模的影響:理論與實證研究[J]. 科學學研究(5)：698-706.

岳鵠，康繼軍. 2009. 區(qū)域創(chuàng)新能力及其制約因素解析:基于1997—2007省際面板數(shù)據(jù)檢驗[J]. 管理學報(9)：1182-1187.

曾萍，鄔綺虹. 2014. 政府支持與企業(yè)創(chuàng)新：研究述評與未來展望[J]. 研究與發(fā)展管理(2)：98-109.

ALMUS M, CZARNITZKI D. 2003. The effects of public R&D subsidies on firms′ innovation activities:the case of Eastern Germany [J]. Journal of Business & Economic Statistics, 21(2): 226-236.

ARROW K J. 1962. The Economic Implications of Learning by Doing [J]. The Review of Economic Studies, 29(3):155-173.

BLOOM N, GRIFFITH R, REENEN J V. 2002. Do R&D tax credits work? Evidence from a panel of countries 1979-1997 [J]. Journal of Public Economics, 85(1):1-31.

FURMAN J L, PORTER M E, STERN S. 2002. The determinants of national innovative capacity [J]. Research Policy, 31(6):899-933.

HALL B, REENEN J V. 2010. How effective are fiscal incentives for R&D? A review of the literature [R]. NBER Work Paper, 29(4-5): 449-469.

HAMBERG D. 1966. R&D: Essays on the economics of research and development [M]. New York:Random House.

LACH S. 2002. Do R&D subsidies stimulate or displace private R&D? Evidence from Israel [J]. Journal of Industrial Economics, 50(4): 369-390.

LEE C Y. 2011. The differential effects of public R&D support on firm R&D: Theory and evidence from multi-country data [J]. Technovation, 31(5):256-269.

LI X. 2009. China′s regional innovation capacity in transition: an empirical Approach [J]. Research Policy, 38(2):338-357.

LICHTENBERG F R. 1987. The effect of government funding on private Industrial research and development: A reassessment [J]. The Journal of Industrial Economics, 36(1):97-104.

LINK A N,SCOTT J T. 2009. Private investor participation and commercialization rates for government-sponsored Research and Development: Would a prediction market improve the performance of the SBIR program [J]. Economica, 76(302): 264-281.

TASSEY G. 2004. Policy issues for R&D investment in a knowledge-based economy [J]. Journal of Technology Transfer, 29(2):153-185.

TOBIN J. 1958. Estimation of relationships for limited dependent variables [J]. Econometrica, 26(1):24-36.

(責任編輯張坤)

Support of Science and Technology, Subsidy Trap and Regional Innovation Ability

WU XiaoFei

(School of Economics, Shandong University, Jinan 250100)

In general, there′s an obvious inverted U-shaped relationship between government subsidies strength of science and technology and regional innovation ability, which means that if government support strength is more than a certain critical point, it is likely to fall into “subsidies trap”. In addition, the inverted U-shaped relationship is different for the east region and the mid-west region, it′s more significant in east region but it′s no longer significant in mid-west region.

subsidies strength of science and technology; regional innovation ability; regional differences

2016-07-10

吳曉飛(1985--)，男，山東濟南人，山東大學經(jīng)濟學院博士生。

國家社會科學基金重點項目“企業(yè)原始創(chuàng)新的決定因素與影響效應研究”(14AJL008)。

F061.5;F812

A

1001-6260(2016)05-0099-08