數(shù)字創(chuàng)新與產(chǎn)業(yè)政策選擇：基于政策工具組合視角

賀 剛，余 慧

（西華大學 經(jīng)濟學院，成都 610039）

0 引言

早在20世紀90年代，“數(shù)字經(jīng)濟”這一觀點就被Tapscott（1997）[1]提出，其強調互聯(lián)網(wǎng)對世界經(jīng)濟格局帶來的影響，并認為數(shù)字經(jīng)濟是在人類智慧網(wǎng)絡化的基礎上發(fā)展出的新經(jīng)濟模式。數(shù)字經(jīng)濟作為戰(zhàn)略性新興產(chǎn)業(yè)發(fā)揮了重要作用，但我國數(shù)字一體化發(fā)展起步較晚，解決關鍵“卡脖子”技術問題、推進“數(shù)字中國”建設與實現(xiàn)創(chuàng)新引領的高質量發(fā)展都需要國家政策給予大力支持。已有文獻研究與歷史經(jīng)驗并不否認產(chǎn)業(yè)政策的必要性和重要性，其關注的焦點是實施什么樣的產(chǎn)業(yè)政策，具有爭議性的結論主要體現(xiàn)在三個方面。第一種觀點認為適度的產(chǎn)業(yè)政策可提高產(chǎn)業(yè)創(chuàng)新效率[2,3]；第二種觀點認為產(chǎn)業(yè)政策的效果會打折扣或無效[4—6]；第三種觀點則認為產(chǎn)業(yè)政策工具組合存在較大的異質性，甚至具有截然相反的效果[7,8]。國內外文獻對創(chuàng)新的政策選擇評價進行了大量研究，但對數(shù)字創(chuàng)新的政策工具組合效果的識別研究較少。鑒于此，本文選取2013—2019 年中國滬深A 股數(shù)字經(jīng)濟企業(yè)為研究樣本，從政策工具箱中選擇政府補貼、稅收優(yōu)惠及其組合實施來分析促進數(shù)字創(chuàng)新的產(chǎn)業(yè)政策選擇問題。

1 理論分析與研究假設

1.1 政府補貼與稅收優(yōu)惠的單一政策效應

數(shù)字創(chuàng)新存在社會收益大于企業(yè)收益的可能性，首先，政府補貼的目的在于減少創(chuàng)新過程中的經(jīng)濟風險，具有典型的“事前扶持”特征。其次，作為戰(zhàn)略性新興技術產(chǎn)業(yè)，企業(yè)在市場上的研發(fā)融資十分困難，同時還要面臨高昂的研發(fā)成本，而政府補貼能夠直接補充一部分研發(fā)資金，在一定程度上減緩了企業(yè)融資約束和資金壓力。最后，政府對企業(yè)進行資金補貼還具有信號傳遞屬性，向社會傳遞企業(yè)在信譽、競爭力方面的積極信號，產(chǎn)業(yè)政策通過“外部信心效應”和“內部信心效應”促進受支持企業(yè)研發(fā)投入增加[9]，吸引社會資金對企業(yè)進行投資，使得企業(yè)實際獲得的資金數(shù)倍于政府補貼的數(shù)額?；诖?，本文提出：

假設1：政府補貼有助于促進數(shù)字創(chuàng)新。

與政府補貼不同，稅收優(yōu)惠主要是對創(chuàng)新成功預期成果的獎勵，屬于“事后補貼”。已有文獻研究發(fā)現(xiàn)，稅收優(yōu)惠不僅能以稅費返還的形式減少企業(yè)成本，增加企業(yè)現(xiàn)金流，而且能加速創(chuàng)新設備投入折舊、研發(fā)費用的加計扣除，從而激勵企業(yè)增加研發(fā)投入[10]。此外，稅收優(yōu)惠作為一定時期內，政府為了特定經(jīng)濟和社會目標，對特定納稅人給予減輕稅收負擔的優(yōu)惠政策，稅收優(yōu)惠可以激勵更多創(chuàng)新型企業(yè)加入該產(chǎn)業(yè)，引導社會資源優(yōu)化配置。基于此，本文提出：

假設2：稅收優(yōu)惠有助于促進數(shù)字創(chuàng)新。

1.2 政府補貼與稅收優(yōu)惠的政策工具組合機制

從政府補貼和稅收優(yōu)惠單一政策工具來看，無論是事前補貼還是事后優(yōu)惠均對企業(yè)創(chuàng)新具有促進作用，但由于其實施方式不同，作用機制具有三種表現(xiàn)形式。第一種類型是政策工具組合的強化效應。有研究認為政府補貼和稅收優(yōu)惠的交互效應有利于企業(yè)研發(fā)投入的增加[7]，兩種工具的互補作用可以緩解企業(yè)的融資約束，降低企業(yè)成本和增加預期收益，增強數(shù)字創(chuàng)新動力。第二種類型是政策工具組合的擠出效應。由于存在信息不對稱問題，政府往往難以全面掌握企業(yè)的經(jīng)營狀況和技術創(chuàng)新信息，在這種“有限信息”情況下制定財政補貼政策，這是政府失靈的一個表現(xiàn)或產(chǎn)業(yè)政策的局限，企業(yè)可能會用政府補貼代替自有資金，從而對企業(yè)創(chuàng)新產(chǎn)生“擠出效應”[6]。同時，部分企業(yè)會為了得到更多的財政補貼而進行尋租活動，已有研究指出政府對企業(yè)的補貼力度越大，企業(yè)進行尋租的動機就越大[11]。企業(yè)會在經(jīng)營狀況得到改善的情況下，將收到的部分財政補貼用于企業(yè)其他低風險、高收益的項目上，兩者的組合實施強化了政企之間的“逆向選擇”和尋租行為，從而對企業(yè)的研發(fā)資金配置產(chǎn)生雙重擠出效應[8]。第三種類型是政策工具組合實施的替代效應。政府補貼與稅收優(yōu)惠兩種工具促進技術創(chuàng)新的本質是一樣的，只是實施的時間和方式不同，政策工具之間存在可替代性?；诖耍疚奶岢觯?/p>

假設3：政府補貼與稅收優(yōu)惠的政策工具組合對數(shù)字創(chuàng)新存在擠出和替代效應。

2 研究設計

2.1 模型構建

對于模型的確定，本文進行Hausman 檢驗，結果拒絕原假設，故本文采用固定效應模型進行實證分析。由于政策類因素的時間變化趨勢明顯，并且產(chǎn)業(yè)政策的實施通常存在省份之間的差異，故本文估計方法采用雙向固定效應模型，其中的個體效應按照省份劃分來固定。

其中，β0為常數(shù)項，β1至β6為各變量的回歸系數(shù)，i和t分別表示企業(yè)和年份，j表示省份，innoit表示i公司t時期的創(chuàng)新能力，gov、tax分別表示政府補貼、稅收優(yōu)惠；age、lev、roa、fix分別表示企業(yè)年齡、資產(chǎn)負債率、資產(chǎn)收益率、固定資產(chǎn)占比；μj表示不隨時間變化的個體固定效應；δt表示年度固定效應，ε表示隨機干擾項。式（1）和式（2）分別將政府補助和稅收優(yōu)惠單獨作為解釋變量代入模型之中，主要為了探討兩者各自對數(shù)字創(chuàng)新的影響，式（3）為進一步加入不同控制變量后，產(chǎn)業(yè)政策對數(shù)字創(chuàng)新的影響。

除了檢驗政府補貼和稅收優(yōu)惠單一工具對數(shù)字創(chuàng)新的影響之外，本文進一步研究政策工具組合對數(shù)字創(chuàng)新的影響，即在式（3）中加入政府補貼和稅收優(yōu)惠的交互項，得到計量模型如下：

其中，gov*tax表示政府補貼和稅收優(yōu)惠的交互項，其余變量定義與式（1）相同。由式（4）可知，加入交互項后，解釋變量gov對于inno的邊際效應不再只是常數(shù)，而是依賴于解釋變量tax，如果β3＞0，則gov對inno的邊際效應隨著tax 的增大而上升；反之，如果β3＜0，則隨著tax 的增大，gov 對inno 的邊際效應下降。由于兩個變量在交互效應中的地位是一致的，所以變量tax 對于inno 的邊際效應也是一致的。

2.2 變量選擇

（1）被解釋變量。本文的被解釋變量為數(shù)字創(chuàng)新（inno）。關于數(shù)字創(chuàng)新的衡量方式大致可以分為三種：一是用新產(chǎn)品的銷售收入及利潤率來評價，二是用企業(yè)專利的申請數(shù)量、授權數(shù)量、有效數(shù)量以及專利被引用的次數(shù)進行測度，三是數(shù)字研發(fā)投入。由于新產(chǎn)品的銷售收入和利潤率等數(shù)據(jù)可獲得性不強，并且考慮到專利尤其是發(fā)明專利審核周期較長，為充分且較為全面地反映數(shù)字創(chuàng)新活動的進展，本文采用企業(yè)研發(fā)投入作為被解釋變量，同時以專利申請數(shù)量（patents），包括外觀設計專利、實用新型專利、發(fā)明專利，作為替代變量來進行穩(wěn)健性檢驗。

（2）解釋變量。政府補貼（gov）：采用企業(yè)當年獲得的實際政府補貼額表示。稅收優(yōu)惠（tax）：選用企業(yè)實際收到的稅費返還金額表示。為研究政府補貼和稅收優(yōu)惠政策組合對數(shù)字創(chuàng)新的影響，引入兩者的交互項來對政策工具組合進行量化分析。

（3）控制變量。為解決遺漏變量可能帶來的內生性問題，控制可能影響數(shù)字創(chuàng)新的因素，引入如下控制變量：企業(yè)年齡（age），采用當前年份-企業(yè)成立年份來衡量；資產(chǎn)負債率（lev），采用企業(yè)總負債額與總資產(chǎn)的比值來表示；資產(chǎn)收益率（roa），采用凈利潤與總資產(chǎn)的比值來表示；固定資產(chǎn)占比（fix），采用固定資產(chǎn)與總資產(chǎn)的比值來表示。為緩解異方差帶來的影響，單獨數(shù)值變量采取取對數(shù)的處理方式，為避免數(shù)值為零導致對數(shù)無意義的問題，對所有變量取對數(shù)值加1。

2.3 樣本選擇和數(shù)據(jù)來源

根據(jù)國家統(tǒng)計局發(fā)布的《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類（2021）》，結合證監(jiān)會2012 年對上市企業(yè)的分類標準，本文選取2013—2019 年我國滬深A 股上市的信息傳輸、軟件和信息技術服務業(yè)企業(yè)為研究樣本，樣本企業(yè)包含三類具體行業(yè)：電信廣播電視和衛(wèi)星傳輸服務、互聯(lián)網(wǎng)和相關服務、軟件和信息技術服務業(yè)?；跀?shù)據(jù)可獲得性對樣本進行如下處理：剔除已經(jīng)退市的企業(yè)；剔除金融類、ST類企業(yè)；剔除上市不滿一年和數(shù)據(jù)缺失較多的企業(yè)；剔除專利申請數(shù)量常年為零的企業(yè)，這類企業(yè)屬于非創(chuàng)新型企業(yè)或者技術保密性企業(yè)。經(jīng)過上述處理之后，最終得到938個樣本觀測值。本文數(shù)據(jù)來自國泰安數(shù)據(jù)庫、Wind數(shù)據(jù)庫及上市公司年報，部分專利申請數(shù)據(jù)缺失值從專利之星和佰騰網(wǎng)檢索系統(tǒng)收集。

2.4 描述性統(tǒng)計分析

在進行回歸分析之前，本文對樣本進行描述性統(tǒng)計分析，結果顯示，數(shù)字創(chuàng)新（inno）最小值為0，最大值為21.528，企業(yè)之間的創(chuàng)新水平差距較大，企業(yè)創(chuàng)新投入的均值18.288和中位數(shù)18.371相差不大，說明樣本企業(yè)中超過近半數(shù)企業(yè)的數(shù)字創(chuàng)新未達到平均水平。解釋變量政府補貼最大值為20.197，最小值為0，稅收優(yōu)惠最大值為21.833，最小值為0，樣本極值相差較大，說明不同企業(yè)的政策扶持力度存在較大差異；同時，政府補貼和稅收優(yōu)惠的均值和中位數(shù)相差較小，說明約半數(shù)企業(yè)的政策扶持力度未達到平均水平?？刂谱兞糠矫妫髽I(yè)年齡、資產(chǎn)負債率、資產(chǎn)收益率等表現(xiàn)出一定差異。

3 實證結果分析

3.1 基準回歸結果

本文的基礎變量對應的是面板數(shù)據(jù)，創(chuàng)新往往具有滯后效應，故使用雙向固定效應模型估計政策工具及其組合對數(shù)字創(chuàng)新的影響。表1 中列（1）是政府補貼對數(shù)字創(chuàng)新的回歸結果，列（2）是稅收優(yōu)惠對數(shù)字創(chuàng)新的影響。從回歸結果看，兩種政策工具單獨使用都對數(shù)字創(chuàng)新具有正向影響，系數(shù)均在1%的水平上顯著為正。每增加1個單位政府補貼，數(shù)字創(chuàng)新投入將提高0.404 個單位；稅收優(yōu)惠每增加1個單位，數(shù)字創(chuàng)新投入將提高0.157個單位。列（3）是在列（1）和列（2）基礎上分別加入政府補貼或稅收優(yōu)惠其中一個作為控制變量的結果。可以看出，不論是以政府補貼作為基本解釋變量，還是以稅收優(yōu)惠作為基本解釋變量，并把另一個作為控制變量，gov和tax的系數(shù)均在1%的水平上顯著為正，與列（1）、列（2）相比系數(shù)均有所減小，說明政府補貼的作用仍然大于稅收優(yōu)惠的效用，因此假設1、假設2得證。

表1 產(chǎn)業(yè)政策工具對數(shù)字創(chuàng)新的影響

上述基準回歸結果可能會受到遺漏變量的影響，即可能沒有考慮到企業(yè)自身的特征變量。因此，在模型中逐步加入可能同時影響數(shù)字創(chuàng)新及產(chǎn)業(yè)政策工具選擇的控制變量。列（4）至列（7）結果顯示，政府補貼與稅收優(yōu)惠對數(shù)字創(chuàng)新的影響顯著為正，而且各項回歸系數(shù)差異較小，說明結果具有穩(wěn)健性。

3.2 政策工具組合機制檢驗

本文接下來分析政府補貼與稅收優(yōu)惠的交互作用對數(shù)字創(chuàng)新的影響，結果見表1 中列（8）。政府補貼和稅收優(yōu)惠的交互項與數(shù)字創(chuàng)新的系數(shù)為-0.105，且在1%的水平上顯著。從加入交互項后的回歸系數(shù)看，政府補貼與稅收優(yōu)惠的回歸系數(shù)分別為0.281、0.294，高于列（7）中的0.233、0.104，如預期分析一樣存在擠出效應，政府補貼回歸系數(shù)差為0.048，約為17%，稅收優(yōu)惠的回歸系數(shù)差為0.190，約為65%，其他控制變量基本保持不變。政府補貼和稅收優(yōu)惠的交互效應為負，無論將哪個變量作為自變量，隨著調節(jié)變量的增加，自變量對于研發(fā)投入的邊際效應都隨之減小。這進一步說明，政府補貼與稅收優(yōu)惠的組合實施存在替代效應，當政府補貼和稅收優(yōu)惠同時作用于企業(yè)，兩者之間可以相互替代，且企業(yè)并不會將全部資金用于數(shù)字創(chuàng)新。但實踐中，由于政府對財政資金的補貼往往設立監(jiān)督使用的機制，而對于稅收優(yōu)惠的監(jiān)管則較為弱化，其對使用資金屬性與多少的監(jiān)管往往不像財政資金那樣嚴格且有效性較弱，導致政企之間的逆向選擇和尋租行為在兩種工具之間表現(xiàn)出較大差異，這與王桂軍和張輝（2020）[8]的研究結果相比，具有邊際上的貢獻，假設3得證。

3.3 內生性檢驗

由于數(shù)字創(chuàng)新和政府補貼之間可能存在雙向因果關系，政府補貼可能會產(chǎn)生內生性問題，因此本文采取政府補貼滯后一期作為政府補貼的工具變量，進行兩階段最小二乘法估計（2SLS），結果見表2。其中，Lgov系數(shù)在1%的水平上顯著，表明gov 和Lgov 高度相關，政府補貼和稅收優(yōu)惠的系數(shù)均在1%的水平上顯著為正，政府補貼和稅收優(yōu)惠交互項的系數(shù)仍然在1%的水平上顯著為負，與前文研究結果保持一致。同樣地，用稅收優(yōu)惠滯后一期作為工具變量也得到了相同的結論，結果見下頁表3。

表2 政府補貼滯后一期估計結果

表3 稅收優(yōu)惠滯后一期估計結果

3.4 穩(wěn)健性檢驗

為保證回歸結果不受到數(shù)字創(chuàng)新測度變量選取的影響，本文選取企業(yè)專利申請數(shù)量（patents）作為被解釋變量的代理變量進行穩(wěn)健性檢驗。專利申請數(shù)量越多，表明數(shù)字創(chuàng)新能力越強。運用此變量測度產(chǎn)業(yè)政策工具組合重新進行上述檢驗，結果見表4。結果與前文研究一致，表明結論具有一定穩(wěn)健性。

表4 穩(wěn)健性檢驗結果

4 異質性分析

4.1 行業(yè)異質性

根據(jù)前文分析可知，樣本企業(yè)涉及的行業(yè)具體可分為以下三類：第一類是電信廣播電視和衛(wèi)星傳輸服務（行業(yè)Ⅰ），第二類是互聯(lián)網(wǎng)和相關服務（行業(yè)Ⅱ），第三類是軟件和信息技術服務業(yè)（行業(yè)Ⅲ）。由表5可知，政府補貼和稅收優(yōu)惠對于行業(yè)Ⅱ和行業(yè)Ⅲ數(shù)字創(chuàng)新的影響都顯著為正，而對于行業(yè)Ⅰ的數(shù)字創(chuàng)新而言，系數(shù)都不顯著；不論從經(jīng)濟意義還是統(tǒng)計水平上看，政策工具組合對行業(yè)Ⅲ的擠出效應和替代效應均較為明顯，行業(yè)Ⅰ和行業(yè)Ⅱ雖然在統(tǒng)計上不顯著，但其系數(shù)符號符合理論預期。這說明行業(yè)Ⅱ、行業(yè)Ⅲ對于技術創(chuàng)新要求較高，產(chǎn)業(yè)政策工具對行業(yè)Ⅰ的創(chuàng)新影響力不強，這可能與其處于市場結構的壟斷地位相關，即具有壟斷屬性的數(shù)字企業(yè)創(chuàng)新積極性不高。

表5 行業(yè)異質性檢驗結果

4.2 區(qū)域異質性

產(chǎn)業(yè)政策工具對數(shù)字創(chuàng)新影響的區(qū)域異質性檢驗結果見下頁表6。對于東部地區(qū)來說，無論是政府補貼還是稅收優(yōu)惠，其回歸結果都非常顯著。對于中部地區(qū)，只有政府補貼的系數(shù)在1%的水平上顯著為正，且其系數(shù)為東部地區(qū)的3 倍多，而西部地區(qū)只有稅收優(yōu)惠的系數(shù)在1%的水平上顯著為正。再從政策工具組合的交互項看，其系數(shù)只在東部地區(qū)具有顯著性。

表6 區(qū)域異質性檢驗結果

4.3 規(guī)模異質性

本文將葉陽平（2020）[12]按照年份統(tǒng)計的企業(yè)資產(chǎn)均值作為劃分標準，將企業(yè)當年的規(guī)模大于劃分標準的認定為大規(guī)模企業(yè)，小于劃分標準的認定為小規(guī)模企業(yè)。下頁表7結果顯示，產(chǎn)業(yè)政策對于大規(guī)模企業(yè)數(shù)字創(chuàng)新的回歸系數(shù)除政府補貼外，其他均在統(tǒng)計上顯著。但對于小規(guī)模企業(yè)而言，不論是政府補貼還是稅收優(yōu)惠對數(shù)字創(chuàng)新的影響均在1%的水平上顯著為正，對數(shù)字創(chuàng)新具有明顯的激勵作用；政策工具組合的交互項系數(shù)在5%的水平上顯著。

表7 規(guī)模異質性檢驗結果

5 結論

本文基于政策工具組合視角，采用2013—2019 年滬深A 股數(shù)字經(jīng)濟企業(yè)數(shù)據(jù)，實證研究了政府補貼、稅收優(yōu)惠對數(shù)字創(chuàng)新的作用機制，重點強調兩者組合實施對數(shù)字創(chuàng)新的影響。研究發(fā)現(xiàn)：政府補貼和稅收優(yōu)惠都能顯著促進數(shù)字創(chuàng)新，政府補貼的事前效用、直接效用大于稅收優(yōu)惠的事后效用和間接效用；政策工具組合實施存在擠出和替代效應；產(chǎn)業(yè)政策工具對不同行業(yè)、區(qū)域、規(guī)模的企業(yè)具有異質性影響，對于互聯(lián)網(wǎng)和相關服務、軟件和信息技術服務業(yè)企業(yè)、東部地區(qū)企業(yè)、小規(guī)模企業(yè)而言，政府補貼和稅收優(yōu)惠傳導機制均有效，中部地區(qū)更偏好于政府補貼，而西部地區(qū)、規(guī)模較大的企業(yè)則偏好于稅收優(yōu)惠的政策激勵工具。