王建　李思慧

摘 要 本文应用知识生产模型，区分了研发经费来源，实证分析了研发经费对国家创新能力的影响，并对银行贷款和风险投资两类研发经费来源进行了深入分析。结论认为：研发经费投入对区域创新能力有显著的提升作用；银行贷款效果受到制约，未能显著促进创新；风险投资能够带动政府资金和企业资金进入新技术研发领域，形成创新合力，从而显著提升创新能力。实证研究结论为拓宽创新融资渠道，优化科技投入资源配置，创新科技金融政策引导机制提供了思路。

关键词 研发经费 银行贷款 风险投资 科技金融

一、 引 言

企业技术创新、产业技术进步和创新型国家建设依赖自主创新能力的提高，而创新能力的提升需科技活动经费投入的支撑。由于企业自有资本的局限性和社会资本对较高边际报酬的诉求，科技活动经费一般来源于多个主体，比如政府科技投入资金由政府部门配置、风险资本由风险投资管理机构决定其投向等，这就决定了企业研发资金具有异质性所有权特征。Huang和Xu的观点认为，不同来源的企业研发资金对企业的监督和激励作用存在差异，进而对创新效率产生影响。从经济学的角度看，边际异质性金融资本在提高创新能力的效率上存在差异的原因是由于资本所有权的不同，对创新产出的报酬要求不同，最终表现在促进创新能力增长上的作用差异。但这种差异到底有多明显，哪种金融资本在提升创新能力上效率最高，采取何种科技和金融政策才能为创新活动提供有效的资金支持，这需要将各类异质性资本纳入同一分析方程比较其创新效率。

二、 理论梳理与文献回顾

科技金融体系是由为科技创新活动提供金融资源的政府、企业、金融市场、社会中介机构等各种主体，以及在科技创新活动中的行为活动共同组成的一个体系。

严成樑：《社会资本、创新与长期经济增长》，载《经济研究》2012年第11期，第4-60页。Levine和Zervos、杨宇和沈坤荣、王国顺和杨昆等学者都认为，来源于企业的创新投入是科技创新产出的直接原因，来自民间和资本市场的资金在科技创新中也起到积极的促进作用。由于企业的规模差异和所处的生命周期不同，因此其创新融资支持必然是一个多层次的资本市场

辜胜阻、洪群联、张翔：《论构建支持自主创新的多层次资本市场》，载《中国软科学》2007年第8期，第7-14页。。

熊彼特认为创新是经济发展的关键，并早在1912年就强调了金融对科技创新的重要性。Chowdhury和Maung对多国的研究结果表明，金融市场的发展水平对研发投入具有明显的促进作用，这种作用是一个长期积累的过程。Levine、孙伍琴的研究都发现，金融市场能够促进科技创新活动中的资本积累，通过将资金提供给能够开发并生产新产品的企业提高技术创新率，并能够在企业的分阶段融资创新活动中发挥更为有效的作用。在发达国家，金融市场融资是科技创新活动经费的主要来源。而刘俊杰和刘家铭对我国的研究发现，国内不同区域金融机构融资对创新活动的影响存在较大差异，其正向效应仅在东部地区出现。Alessandra和Stoneman、Luigi等的实证研究结果也显示金融机构及金融市场的发展水平对创新活动具有显著的积极作用。谈毅认为，银行的信贷发放制度具有明显的偏好性，越高的风险代表更高的还贷利率进而导致进一步的投资风险，而创新型企业具有很强的信息不对称性，这就需要以高风险、高收益产业为投资对象的风险资本的支持。Kaplan和Stomberg、Casamatta、Keuschning的研究都认为，风险投资除了满足创新型企业的资本需求外，还能够为企业提供管理、制定发展战略等服务带动企业成长，对企业创新提供关键支持。Hall（2002）的研究发现，风险投资对技术创新的积极作用远高于其他资本市场工具，有利于高新技术的发展与创新。Tykvova对美国和德国的实证研究显示，风险投资是企业技术创新资金的重要来源，对专利发明数量有显著的促进作用。但买忆媛（2004）的观点认为，风险投资市场的周期性可能导致企业创新活动的波动，因而对创新型企业发展产生影响。

洪银兴认为，从发展创新型经济的需求来说，科技金融制度中政府对科技创新和创业项目的引导性投入能够带动科技金融的投资方向，并通过完善创新环境和政策对创新活动提供必要的支撑。张玉喜对科技金融投入的综合研究显示，我国科技金融投入对科技创新的影响主要体现在政府企业和社会中介机构方面，金融市场的支持作用还存在很大的发展空间

张玉喜、赵丽丽，中国科技金融投入对科技创新的作用效果——基于静态和动态面板数据模型的实证研究，科学学研究，2015（2）：177-185.。综上所述，对不同来源的研发经费影响进行研究，关注科技金融系统中的银行信贷、风险投资等异质性经费对创新活动的作用效果，对政府合理利用创新资源、对科技金融政策进行评价调整具有重要意义。

三、 模型构建与变量说明

（一） 模型构建

创新能力的强弱很大程度上取决于经济内部的知识生产过程，其本质与产品生产的投入产出过程类似，本文以产品生产的C-D函数为基础，将创新能力视作知识生产的产出。Griliches最早提出了“知识生产函数”的概念，成为技术创新探索的里程碑，为知识生产的探讨提供了重要理论工具。Jaffe在此基础上将知识生产的资本投入延伸至经费投入和人力资源投入两个方面，形成了目前广泛应用的Griliches-Jaffe知识生产函数：

Qt=AtKαtLβteεt（1）

其中，Q表示创新产出，A表示知识水平或技术水平，K表示创新的物质资本投入，L表示创新的人力资本投入，α和β分别表示物质资本和人力资本投入的知识产出弹性，ε为随机干扰项。

在实际的知识生产过程中，创新是一个动态的过程，从资本和人力的投入到知识的产出可能存在时滞，这使得使用当期投入产出的知识生产函数具有一定的局限性。考虑知识生产的时间要素，结合Brandt和Rawski的文中模型，本文采取滞后一期的创新要素投入，得到如下模型：

（二） 变量说明

1. 研发经费变量

研发经费是知识生产中重要的投入要素之一，现有文献关注的研发经费包含存量和流量两个概念。部分学者认为，由于知识生产具有一定的累积效应，前期的研发投入会持续对后期的创新能力产生影响，因此研发资本存量对当期知识产出的影响更为重要。在研发的时间序列分析中，研发经费的滞后项常被作为被解释变量加入模型分析，这类滞后项实际上已经考虑了前期成本对知识产出的影响，因此另一类观点认为，研发经费的流量对当期知识产出的作用更为显著。鉴于公式（3）的变量表述，根据历年《中国统计年鉴》，本文采用每年国家科技经费筹集额（由于2009年以后，相关年鉴不再对科技经费筹集额进行汇总，故2009～2011年该指标由研发内部支出按相应比例换算所得），即流量概念表示研发经费变量。

2. 研发人力资本变量

人力资本是知识生产中的另一个重要投入要素，常用的指标包括研发人员数和研发人员全时当量。受数据限制，研发人员数指标由2009年起在《中国科技统计年鉴》中开始出现，之前使用科技活动人员数度量研发过程中的人力资本投入，由于这两个指标之间缺乏转换标准，且科技活动人员还包含管理人员等在内，故对研发人力资本变量的度量不够准确。研发人员全时当量考虑了研发过程中存在的非全时工作人员并进行了相应的工作量折算，对总体研发人力资本的度量较为准确，且在年鉴中具有较长时间的可用指标序列，故本文使用研发人员全时当量作为研发人力资本变量。

3. 创新能力变量

创新投入的大小只能表明国家可投入研发的可用资源的大小，在知识生产过程中由于国家隐性知识、既有技术水平等因素的影响，知识产出会产生较大的差异。从这个角度来看，知识产出是衡量国家创新能力强弱的更为适宜的指标。本文采用国家专利申请受理数作为创新能力变量的测度指标。

4. 研发经费异质性变量

根据科技活动经费筹集额结构的所有权差异，将其分成政府资金、企业资金、银行贷款、风险投资、其他社会资金五个部分，考察经费投入异质性对创新能力的影响。科技活动经费筹集额中的政府资金、企业资金和银行贷款资金数据来源于历年《中国统计年鉴》，风险投资数据来源于历年《中国创业风险投资发展报告》和《中国创业投资市场年度研究报告》，其他社会资金由科技活动经费筹集总额减去前四部分所得。为考查研发经费相对结构对创新能力的影响，本文同时计算各所有权资金占科技活动经费筹集额比例作为解释变量对模型进行回归。各主要变量及含义如表1所示。

四、 实证分析与结论解释

（一） 数据处理

与大多数文献衡量区域创新能力使用专利申请受理数这一指标不同，本文同时采用了专利申请授权数（patent_au）作为衡量创新能力的指标，主要是基于以下考虑：首先授权发明专利已经通过授权机构审查，更能客观地反映出一个国家或地区创新能力随时间的变化情况；其次发明专利表现了一个地区商业化新技术的能力，而授权发明专利比其他指标更接近于创新的商业应用。专利申请受理数和专利申请授权数的同时使用，能够更全面地衡量创新能力，避免单独指标在回归过程中存在的偏误。本文分别以专利申请数和授权数为被解释变量，以滞后一期的研发经费及研发人员全时当量为解释变量，模型（3）被扩展为：

lnpatentt=lnAt-1+αlnrdcapt-1+βlnrdhumt-1+εt-1（4）

当区分不同研发经费来源后，根据模型（4）可得：

lnpatentt=lnAt-1++α1lnrdcap_bt-1+α2lnrdcap_rt-1+α3lnrdcap_gt-1+α4lnrdcap_ct-1+α5lnrdcap_et-1+βlnrdhumt-1+εt-1（5）

在实际模型回归过程中，对除增长率和比例变量外的其他变量进行对数化处理，以统一变量数量级、弱化异方差问题。本文采用时间序列数据考察研发经费及其异质性对国家创新能力的影响，由于这两类数据同时具有时间趋势性，为避免出现伪回归问题，必须首先对时间序列数据进行单位根检验， ADF检验和PP检验的结果显示，专利申请受理数、科技经费筹集额及不同来源资金、研发人员全时当量变量的原序列均平稳。协整检验结果显示，知识生产投入和产出变量之间存在较为稳定的协整关系，能够进行模型回归。

（二） 模型分析与实证结论

模型初步回归结果显示，考虑不同研发经费来源后，各经费来源之间存在较大的相关性，回归后除研发人员全时当量外，其余各变量VIF值显著大于10，模型总体VIF均值达到90.14，意味模型存在较为严重的多重共线性，需进一步处理，否则模型回归将出现OLS估计量非有效、变量显著性失去意义等结果。

考虑研发经费异质性后，本文重点关注来源于银行贷款和风险投资两部分的科技经费筹集额。由于银行及风投机构对于创新活动的投入大小在很大程度上受到国家科技创新政策的引导，对这两部分经费效果的测度对于国家科技金融政策未来的调整具有一定的参考意义。当将模型（5）去除政府资金、企业资金变量两个引起多重共线性的非主要变量后，由于银行贷款和风险投资依旧存在较高的相关性，剩余变量回归后的VIF值依旧较大，存在一定的多重共线性，因此考虑同时使用差分法和去除变量法。首先将研发经费不同来源原序列进行差分处理，模型（5）进一步变化为：

lnpatentt=lnAt-1+α1drdcap_bt-1+α2drdcap_rt-1+α3drdcap_gt-1+α4drdcap_ct-1+α5drdcap_et-1+βlnrdhumt-1+εt-1（6）

将模型（6）初步回归后发现，各变量VIF值仍然超过可接受范围。进行相关性分析后发现，风险投资增量drdcap_r、企业资金增量drdcap_c和政府资金增量drdcap_g之间在1%的显著性水平下仍然存在较强的相关性，考虑到本文关注重点是银行贷款和风险投资在创新能力中的角色，因此删去引起主要变量多重共线性的企业资金增量和政府资金增量变量，保留风险投资增量变量。

模型（7）初步回归结果显示，各主要变量VIF值均显著小于10，变量VIF均值仅为1.79，模型多重共线性在可接受范围，可以进行下一步分析。

对被解释变量和解释变量的分析发现，风险投资增量与创新能力之间可能存在非线性关系，为了更准确地对主要变量进行描述，需要在模型（7）中加入平方项，故可得模型（8）：

lnpatentt=lnAt-1+α1drdcap_bt-1+α2drdcap_rt-1+α3（drdcap_rt-1）2+α5drdcap_et-1+βlnrdhumt-1+εt-1（8）

由表4的实证模型回归结果可知，模型主要解释变量通过了相应的显著性检验，方程总体显著性较高，模型解释程度较好。

总的来看，模型（3）中研发资本变量和研发人员变量系数均表现出一定的稳健性，研发资金总量和研发人员的增加将显著提升区域创新能力。当研发资本每增加1%，专利申请受理数和专利申请授权数将对应增长0.74%和0.70%，且都通过了1%水平下的显著性检验。当研发人员全时当量每增加1%，专利申请受理数和专利申请授权数将分别在1%和5%的水平下通过显著性检验，数量相应增加0.59%和0.70%。

当具体考虑研发经费异质性后，不同来源经费对区域创新能力的影响表现出了一定的差异。银行贷款和其他资金均未对创新能力变量产生显著影响，意味着银行贷款增量的变化不会对专利申请受理数和授权数产生显著影响。而风险资金变量及其平方项均通过了显著性检验，意味着风险资金变动对创新能力的影响存在“拐点”。结合风险资金变量系数为正和平方项系数为负的情况可知，风险资金变化对创新能力处于有益的影响范围。即当风险资金每增加1亿元，专利申请受理数和授权数将分别增加0.0122%和0.0134%。以2011年专利申请受理数1633347件、授权数960513件计算，若风险投资增加1亿元，专利申请受理数、授权数将分别相应增加199件和129件，即每50-70万左右的风险资金投入即可刺激一个授权专利的出现。

（三） 研究结论进一步解释

关于研发资金总量与创新效率之间的正向关系，本文的研究结论和已有研究是一致的，不同之处在于对研发资金结构的考虑。实际上，吴耀宏等早就指出，中国自主创新经费内部存在结构失衡问题。一直以来，银行贷款都是产业发展资金供给的主要来源，同样也被认为是支持科技成果转化和产业化的创新的重要资金要素。但是由于科技项目市场评估能力的局限性以及传统体制遗留下来的信贷审批机制等问题，商业银行往往更加注重短期经济利益，并不倾向于将资金大规模投放于风险较大的科技创新领域，而更倾向于向成长期、成熟期项目和企业融资，对早期科技创新领域的金融支持作用不足，银行在贷款过程中对科技风险的承担性不足，因此未能形成培育创新能力的显著推动力量。而风险投资对创新能力的影响不仅仅表现在投资本身，从图1数据分析结果中可以看出，风险投资与政府投资和企业自身投资存在高度相关性，风险投资的走向可能意味着行业和政策方向，除以提供股权融资外，更加注重对企业成长性的培育和辅导，有利于降低机构与企业直接的信息不对称，因此风险投资能够带动一大批敢于承担风险或具有引导作用的资金进入科技创新前沿领域，成为推动创新的主体力量。

五、 结论与政策建议

实证分析结论表明，在资金要素相对稀缺的条件下，加大研发经费边际投入对区域创新能力有显著的提升作用；银行贷款效果受到制约，未能显著促进创新；风险投资能够引导政府资金和企业资金进入，形成创新合力，能够显著提升创新能力。基于此，为使稀缺的资金资源边际效用最大化，科技金融政策制定应根据资金所有权的不同，分类引导，优化科技资本资源配置。

一是建立企业研发经费持续投入机制。创新能力的持续提升是建立在资金这一重要要素投入基础之上，在当前全社会研发经费稀缺的条件下，研发活动（不论来自于哪个投资主体）投资的边际效益总是不断增加，因此，无论是政府、银行、风投机构，还是企业自身，研发资金持续的投入总是有益的。二是建立企业研发经费投入分类引导机制。三大类（政府补贴、银行贷款及风险投资）研发经费边际投入产生的创新效益存在的差异也表明应当建立分类引导机制，实行分类考核和监管。首先，明确财政资金支持的领域和方向，重点支持技术创新前期关键共性技术及基础研究、种子期和初创期项目研发等资金供给“市场失灵”阶段。其次，财政资金更加注重引导以天使投资为主导的社会资本投向科技创新的前端，提供除了资金要素供给以外的孵化管理服务，强化长期内成长性培育和创新能力提升。再次，以市场机制为基础，引导银行信贷资金供给具有一定成长性，已实现中试及初步产业化的科技企业，提高科技成果转化和产业化能力。

参考文献：

[1] Haizhou Huang， Chenggang Xu. Soft Budget Constraint and the Optimal Choices of Research and Development Projects Financing[J]. Journal of Comparative Economics， 1998， 26， 62-791.

[2] Alessandra C. Stoneman P. Financial Constraints to Innovation in the UK： Evidence from CIS2 and CIS3[R]. Oxford Economic Papers，2008，60（4）：711-730.

[3] Luigi， B.， Fabio， S. Alessandro， S. Banks and Innovation： Micro-econometric Evidence on Italian Firms[J]. Journal of Financial Economics， 2008， 90（2）：197-217.

[4] Kaplan S. N.， Stromberg P. Financial Contracting Theory Meets the Real World： An Empirical Analysis of Venture Capital Contracts[J]. Review of Economic Studies， 2003，70：281-295.

[5] Casamatta， Catherine. Financing an Advising： Optimal Financial Contracts with Venture Capitalists[J]. Journal of Finance， 2003， 58（5）：2059-2086.

[6] Keuschnings Christian. Venture Capital Backed Growth[J]. Journal of Economic Growth， 2004，9（2）：239-261.

[7] Tykvova T. Venture Capital in Germany and Its Impact on Innovation [J/OL]. Social Science Research Network Working Paper， Presented at the 2000， Conference， Athens.

[8] 洪银兴. 科技金融及其培育[J].经济学家，2011（6）：22-27.

[9] Levine R， Zervos S. Stock Markets， Banks， and Growth[J]. American Economic Review， 1998，88（3）：536 -558.

[10] 严成樑. 社会资本、创新与长期经济增长[J] ，经济研究，2012（11）：4-60.

[11] 杨宇，沈坤荣. 社会资本对技术创新的影响——基于中国省级面板数据的实证研究[J]. 当代财经，2010 （8） ：5-13.

[12] 王国顺，杨昆. 社会资本、吸收能力对创新绩效影响的实证研究[J].管理科学，2011 （5）：23 -36.

[13] 黄丽华. 公共政策视角下的中国技术创新政策[J].管理科学， 2003（3）：74-77.

[14] 买忆媛.开发性金融机构在企业技术创新过程中的作用[J].研究与发展管理，2005（4）：79-82.

[15] Chowdhury R.，Maung M. Financial market development and the effectiveness of R&D investment： Evidence from developed and emerging countries [J].Research in International Business and Finance，2012，26 （2）：258-272.

[16] 俞立平. 省际金融与科技创新互动关系的实证研究[J].科学学与科学技术管理，2013 （ 4） ：88-97.

[17] 孙伍琴.论不同金融结构对技术创新的影响[J].经济地理，2004（2）：182-186.

[18] 陈敏，李建民. 金融中介对我国区域科技创新效率的影响研究——基于随机前沿的距离函数模型[J].中国科技论坛，2012 （11） ：85-90.

[19] 谈毅，冯宗宪.企业创新的金融支持[J].科学学研究，2002（5）：539-543.

[20] 李思慧. 晋升激励视角下外资质量对创新效率的影响研究[J]. 世界经济与政治论坛，2014（3）：116-129.

[21] 刘俊杰，刘家铭.科技经费投入结构对区域创新能力的影响——基于全国30省市区面板数据的实证检验[J].广西师范大学学报：哲学社会科学版，2011（5）：18-23.

[22] 辜胜阻，洪群联，张翔.论构建支持自主创新的多层次资本市场[J].中国软科学，2007（8）：7-14.

[23] 张玉喜，赵丽丽.中国科技金融投入对科技创新的作用效果——基于静态和动态面板数据模型的实证研究[J].科学学研究，2015（2）：177-185.

[24] Stulz R.M. Financial Structure， Corporate Finance and Economic Growth[J]. International Review of Finance， 2000，1（1）： 11-38.

[25] Hall Bronwyn H. The Financing of Research and Development[R]. NBER Working Paper No.8773， 2002.

（责任编辑：赵英杰）