周晓艳 卞元月

摘要：西方文献普遍认为R&D;的“市场失灵”是政府研发公共支出存在的理由。为研究政府补贴能否解决研发外部性问题，选取2001—2007年中国工业企业数据库研发密集型行业中的微观企业数据，利用倾向得分匹配模型检验政府补贴对企业R&D;行为的影响。研究结果证实：政府补贴对企业R&D;支出存在显著的“挤出”效应，且由于行业异质性的存在，政府补贴对不同行业企业R&D;支出的挤出效应存在较大差异。政府公共支出并未达到预期的激励作用。

关键词：政府补贴；研发行为；挤出效应；选择性偏差；倾向得分匹配方法

中图分类号：F202 文献标识码：A 文章编号：1007-2101（2018）03-0030-09

自Schumpeter（1912）创新理论提出以来，相关领域的研究一直受到学者们的关注。新增长理论认为R&D;投入是技术进步的最直接来源（Romer，1990）。现代经济增长内生演化的动力是技术进步，而R&D;活动则是技术进步的源泉。R&D;活动不仅是隐性知识和显性知识的来源之一，而且通过产品创新和工艺创新，进而推动经济的可持续性增长（Cohen和Levinthal，1989；Furman、Porter和Stern，2002）。但企业R&D;活动所具有的正外部性将导致市场失灵以及随之而来的投资不足问题（Tassey，2004）。因此，為纠正这种市场失灵，政府的研发补贴和税收优惠就成为纠正这种外部性的必要措施。

政府补贴真的能解决研发的外部性吗？在庇古外部性理论中有两个隐含的假设：首先，正外部性效应的生产者可以约束自己的行为；其次，庇古津贴对于正外部性效应的生产者能够形成有效激励，降低其成本，从而增加供给。这两个隐含的假设在现实中存在吗？政府补贴是挤出抑或激励微观企业进行R&D;投资？对这一问题的回答，学术界对微观层次的研究方法存在异议，因而产生了研究结论的冲突。

中国是高速发展的新兴经济体，但同时也面临着发展不平衡的问题。工业化后期对传统技术和高新技术的选择是关乎中国产业发展的重大战略问题。就高科技行业而言，其中的研发投资显得尤为重要（Lee，2010）。自2006年中长期科技发展规划发布以来，我国政府研发补贴强度占自主研发强度的比例平均为44.23%，2008年、2009年更是达到了50%以上，超过了国际惯例的50%。与此同时，根据欧盟的统计数据，2011年全球企业研发投入前1 000名企业中，中国只有19家企业上榜[1]。由两组宏微观数据的对比可知，我国企业研发投入水平离发达国家的标准还相差甚远，政府每年巨额的补贴所产生的激励效应与预期也相差甚远。

在中国转轨制度背景下，政府补贴对微观企业的R&D;行为会产生何种效应？能否解决研发外部性问题？本文拟从微观层面来探讨这一问题。考虑到行业异质性的存在，以中国工业企业数据库中研发密集型行业中的企业为样本，采用大样本的微观企业层面数据，采用PSM模型以解决可能的选择性偏差，使得研究结论更精准。

一、文献综述

西方文献普遍认为自发的R&D;活动存在“市场失灵”，而这是政府公共投资存在的原因之一。由于知识生产的不完全独占而导致的负外部性，此时，如果完全交给市场，为技术知识或信息的生产而进行的投资则低于社会最佳水平（Arrow，1962）。由于R&D;的公共产品特性、R&D;活动的外部性以及R&D;过程中的不确定性和风险，使得企业不愿投资R&D;。Romer（1990）也认为技术具有非竞争性和部分排他性，政府公共支出有助于企业进行研发投资。与此同时，R&D;活动也面临着另一种类型的市场失灵，Hall（2002）研究表明，对于一些具有现金流约束的小企业或新创企业而言，由于外部融资的成本过高，导致无法进行R&D;投资。Hall（2002）认为这种市场失灵是由企业自有资金进行R&D;活动的回报率和外部投资者所要求的回报率之间的差异造成的。大量的理论和实证文献认为，从整个社会角度而言，私人企业缺乏足够的激励来进行R&D;投资。由于知识生产的不完全独占而导致的负外部性，政府干预便有了合理的理由。据此，政府可利用相应的政策机制来消除这种市场失灵，这种政策包括补贴和税收优惠，以期缩小R&D;投资的私人和社会回报率的差距（Berger，1993；Hall，2002）。现实中果真如此吗？

早期的文献集中探讨政府的公共支出与企业R&D;投入之间存在互补还是替代关系，也即公共支出是否对企业内部R&D;投入有挤出效应？现有的文献对此存有异议。Blank和Stigler（1957）是最早研究政府公共支出和私人企业R&D;支出关系的学者，但其研究也未能得出一致的结论。Nadri和Mamuneas（1996）关于美国制造业的研究表明，有政府补贴的企业会增加其研发投入，且其研发活动可能产生“技术外溢”，从而使市场中的竞争对手获益，并可能替代了其竞争对手的研发投入。Wallsten（2000）选取美国SBIR数据库数据，运用联立方程模型分析美国微观企业数据得出结论：政府通过SBIR计划对企业的补贴存在完全的挤出效应。Lach（2002）和Hussinger（2003）的研究却得出了相反的结论。Lach（2002）利用以色列企业数据，证实公共支出有助于激励小企业增加研发支出，但对大企业而言，这一效应并不显著。Hussinger（2003）对德国制造业企业微观样本运用半参数模型进行分析，结论表明政府公共支出和企业研发支出之间保持稳定的正相关关系。Nola（2010）以1994—2002年爱尔兰及北爱尔兰的数据为样本，其研究结果表明政府资助对企业研发活动占比、产品改进式创新以及新产品开发式创新都有积极影响。然而，大量的文献并未就公共支出和企业内部R&D;关系得出一致的结论。Aerts和Schmidt（2008）甚至认为两者之间并非简单的互补或替代关系。

Devid等（2000）对过去35年的文献进行梳理后发现，大约1/3的研究结论支持公共支出对私人研发支出存在挤出效应。但Devid认为，文献研究结论的差异有以下原因：首先，研究方法的差异性，包括计量模型的选择；其次，数据层次的差异，早期的研究多集中在宏观和行业数据，且多采用横截面数据而非纵向数据，而另一些学者认为考虑到企业异质性的存在，运用企业层面数据的相关研究更合理（David等，2000；Ali-Yrkk？觟，2005）。最后，Devid等（2000）还认为制度和国家间的差异也会影响上述研究结论。

但近年来这一领域的海外文献在研究方法上的改进是较为普遍的。Lichtenberg（1984）就指出早期研究中一个关键的问题是假如没有政府公共支出，企业的R&D;行为又当如何？这也是之前的实证文献中尚未解决的问题。很明显，这是不可观测的。Lichtenberg（1984）首次提到，研究公共支出对企业R&D;行为的影响，需要合适的反事实框架（counterfactual framework）以应对可能的选择性偏差（selection bias）。之后的实证文献采用了一些计量方法以解决可能的选择性偏差。Wallsten（2000）、Busom（2000）和Hussinger（2003）运用结构方程模型的方法，Lach（2002）则采用DID估计方法来研究政府支出对以色列制造业企业R&D;行为的影响效应。Almus和Czarnitzki（2003）采用简单匹配估计法来研究公共支出对东德企业R&D;支出的影响。就计量方法而言，Blundell和Costa Dias（2000）认为非参数的倾向得分匹配和DID方法可能会提高这一命题实证研究结果的精确性。

鉴于反事实框架可以应对可能的选择性偏差，近年来文献广泛采用匹配估计法（matching estimators）来分析公共支出對微观企业研发支出的影响。这方面文献包括Almus和Czarnitaki（2003）以及Czarnitaki和Licht（2005）对德国制造业企业的实证研究，Duguet（2004）对法国企业研发行为的考察，以及Herrera和Heijs（2007）关于西班牙企业研发行为的研究。但海外文献中1990年之前的研究多集中在美国，少数研究以加拿大和英国企业为目标。除了？魻z？觭elik和Taymaz（2008）对土耳其的研究之外，针对发展中国家的相关研究较少。

相对于海外研究而言，我国在这一领域的研究数量不多且结论相对单一，大多采用宏观或行业数据。Hu（2001）利用北京海淀区1995年813个高科技企业的截面数据样本，研究得出政府R&D;和私人R&D;有显著的正相关性。童光荣、高杰（2004）的研究也得出类似的结论。相关研究还包括许治、师萍（2005）以及赵付民（2006）。以上研究多采用宏观数据基于行业层面的研究。解维敏等（2008）以沪深股市上市公司微观数据为样本，其研究也支持公共研发支出促进了微观企业研发支出。另一些学者则从博弈论视角来剖析政府宏观政策对企业R&D;行为的影响（柳剑平等，2005；生延超，2008）。安同良等（2009）构建了企业与政府参与的动态不对称信息博弈模型，由于信息不对称和逆向选择，政府对企业的研发补贴无法产生预期的激励效应。

由文献梳理可知，多数研究采用的是宏观或行业数据，且集中在对发达国家的研究。早期大多数的研究均集中在制造业，一些学者认识到行业间技术密集度的较大差异，因而近年来的研究多集中在高技术行业（Aerts和Thorwarth，2008；Ali-Yrkk？觟，2005；Duguet，2004）。但以发展中国家或地区技术密集型行业的微观企业为研究对象，在研究方法中采取计量方法以解决可能的选择性偏差的文献却不多见，本文的研究可为这一领域提供新的经验证据。

二、数据来源和模型构建

本文数据来源于1999—2007年中国工业企业数据库，考虑到制造业与农业、采掘业、电力等行业的显著差异，本文的研究集中于制造业企业样本。在确定本研究所考察的企业样本选择标准时，鉴于不同行业存在异质性，本文拟采用该数据库研发密度前三位的行业作为样本来源。为确定样本来源，首先利用规模以上工业企业数据计算出代码为13-42各行业的研发密度（研发支出/营业收入），表1为研发密度排名前八大行业。在表1中，无论是全样本还是只包含研发支出大于0的企业样本，研发密度前三位的行业均为医药行业、通信和电子设备制造业及仪表仪器制造业（其二分位行业代码分别为40、41和27）。根据以上统计结果，本文将以1999—2007年国家统计局规模以上工业企业数据中的医药行业、通信及电子设备制造业及仪表仪器制造业三个行业的企业数据作为研究样本。

鉴于工业企业数据库中的一些样本存在错漏和统计口径误差，以及抽样过程中存在的一些偏差，在具体样本企业选取方面，本文借鉴谢千里等（2008）数据处理方法，剔除满足下列条件之一的样本：企业员工数低于8人，销售额增长率高于100%或低于0，企业工业增加值为负。此外，为了克服极端值的影响，本文对连续变量按照首尾1%极端值进行了缩尾处理，借以降低极端值的影响，增加研究结果的稳健性。

表2为2001—2007年电子通信设备行业、医药、仪器仪表行业企业接受政府补贴和研发行为的概况。从表2中可以看出，除了2003年样本企业数出现下降，其余年份样本企业数逐年增加，接受政府补贴以及接受补贴且有R&D;支出的企业数也逐年增加。鉴于中国工业企业数据库中2004年的研发支出数据缺失，因而本文在对全样本数据进行实证分析的同时，以2001—2003年度子样本和2005—2007年度子样本来进行稳健性检验。

本文试图从企业层面考察生产补贴对企业R&D;行为的影响效应。由于企业接受补贴是一个内生变量，简单比较得到和未得到生产补贴的两组企业在研发行为上的差异无法揭示政府补贴对企业研发行为的净影响。要准确地估算政府补贴对企业研发行为的影响效应，必须要有效处理政府补贴的内生性问题。本文尝试通过比较企业在某一时期得到与未得到政府补贴两种情形下的研发行为差异来估算这一因果效应。但是，实证研究的难点在于，对于某年获得政府补贴的企业而言，其在该年未得到政府补贴这一虚拟情形下的研发行为无法观测，因而如何估算获得政府补贴企业在同期反事实（counterfactual experiments）情形下的研发行为就成为构建模型的关键。

就一项政策冲击而言，显然政策冲击对象的平均处理效应（ATT）是研究的焦点。但ATT估计的难点是无法观测到控制组受到政策冲击时的结果，因而这是一种“反事实估计”。此时，简单的回归技术必然会使得估计结果有偏。

本文采用“倾向指数匹配方法”（Propensity Score Matching，PSM）来模拟一种自然实验的状态。PSM方法由Roseenbaum等（1985）最早应用于生物统计领域，20世纪90年代被广泛运用于其他社会科学领域。PSM方法的模拟实验证明，在一定的假定条件下可以得到模型的无偏估计结果，从而得到一种自然实验的效果。

表3为变量定义和描述性统计，其中企业市场势力的衡量以企业贷款账款被拖欠程度来表示。

三、模型估计与实证分析

基于研究的逻辑框架，本文实证分析包括：首先以离散选择模型来验证政府财政补贴与企业研发行为之间的关系；其次，以针对非随机样本数据的“倾向评分匹配方法”来进一步验证政府财政补贴和企业研发行为之间的关系。

（一）Logit模型实证结果

鉴于实证模型中被解释变量为典型的二元虚拟变量，因此，本文首先选择离散选择模型中的Logit模型。

Schumpeter（1912）开创性的研究中得出企业规模和创新活动之间的关系，之后一些文献认为企业规模与其R&D;活动之间具有非线性关系。而由于资本市场的不完全竞争所导致的金融约束是政府干预企业研发行为的主要原因之一（Arrow，1962；Hall，1992，2002；Ughetto，2008；Takalo和Tanayama，2010）。在基本回歸模型中，本文以企业是否有利息支出的虚拟变量来衡量企业是否获得金融支持。为了控制其他因素的影响，离散选择模型包含的控制变量为：出口密度、利润率、广告支出和市场势力。Cull和Xu（2005）的研究得出，政府在决定向哪些企业提供补贴时，会考虑企业赢利能力。而市场势力以企业贷款账款被拖欠程度来表示，也就是（企业年平均应付账款净额-企业年平均应收账款净额）/企业销售额。在中国现行金融体系和社会信用体系不完善的背景下，企业普遍会面临贷款被拖欠和融资难的双重困境，但那些处于产业或产品链的核心环节或者终端环节的企业，其市场势力较强，账款被拖欠概率就越小（张杰，2009）。因而模型中采用企业贷款账款被拖欠程度来衡量企业的市场势力。在已有文献的基础上，并结合中国工业企业数据库的数据特点，本文的基础回归模型可以表述为（变量定义见表3）：

rdit=β0+β1subsidiesit+β2lkit+β3ageit+β4age2it+β5loanit+β6exportsaleit+β7profitsale+β8marketpowerit+β9advertiseit+εit

其中i为企业，t为时间，εit为随机误差项。表4为政府补贴对企业R&D;支出影响效应的Logit模型结果，从表4中可以看出，无论是全样本模型还是不同行业子样本模型，政府补贴subsidies和企业R&D;支出都呈负相关关系，但并不显著，只有通信电子设备行业在10%的显著性水平下呈负相关关系。实证结果还可看出，企业规模和企业R&D;投资成正比，成熟企业越倾向于进行R&D;投资，而那些更容易获得金融支持的企业会选择进行R&D;投资。企业利润率、广告支出都和企业R&D;支出呈显著正相关关系。传统的熊彼特假设认为由于规模经济的存在，大企业更倾向于进行研发投资（Schumpeter，1943；Kohn和Scott，1982）。另外，规模大的企业所面临的融资约束也较小，更易于获得金融支持，本文logit模型的实证结果进一步支持了以上结论。

正如Lichtenberg（1984）指出的，假如没有政府公共支出，企业的R&D;行为又当如何？很明显，这是不可观测的，研究公共支出对企业R&D;行为的影响，需要合适的反事实框架（counterfactual framework）以应对可能的选择性偏差（selection bias）。因而，本文将采用倾向得分匹配方法来应对可能的选择性偏差。

（二）倾向得分匹配（PSM）方法

1. 倾向得分匹配的平衡性检验。倾向得分匹配方法（PSM）的基本思路在于，在评估某项政策的效果时，若能找到与激励组尽可能相似的控制组，则能有效降低样本的选择性偏差。

首先，定义虚拟变量SBi，t={0，1}，SBi，t=1表示企业i在t期获得了政府补贴，SBi，t=0表示企业i在t期未获得政府补贴；定义RDi，t表示企业i在t期获得政府补贴后同期的研发行为。本文的模型要比较企业i在得到与未得到政府补贴两种情形下的同期研发行为差异，即政府补贴对企业研发行为的影响效应：

ATTPSM=E（RDi，t|SBi，t=1）-E（RDi，t|SBi，t=0）

但是我们无从观测在t期获得政府补贴的企业i，假设在t期未获得政府补贴情形下的同期研发行为，即E（RDi，t|SBi，t=0）无法获得，但可利用匹配的方法，寻找企业特征与企业i最为相似，但在t期没有获得政府补贴的另一企业j，并用该企业的同期研发行为E（RDj，t|SBj，t=0）来替代E（RDi，t|SBi，t=0）。基于虚拟变量SBi，t={0，1}，本文将每一年的样本企业分为处理组（treatment group）和对照组（control group），设定t为处理组企业，即企业i在t期获得政府补贴；j表示对照企业，即企业j在t期未获得政府补贴。基于Heckman等（1997）的PSM模型，政府补贴对企业研发行为的影响效应如下：

ATTPSM=E（RDi，t|SBi，t=1）-E（RDi，t|SBi，t=0）

=E（RDi，t|SBi，t=1）-E（RDj，t|SBj，t=0）

其次，匹配。根据Rosenbaum和Rubin（1983）的研究，采用PSM模型进行配对，可以有效解决配对维度的问题。而在选择模型中的匹配变量的过程中，遗漏重要变量将会产生有偏的估计结果，但若模型中包含无关变量，则可能使方差增大（Bryson等，2002）。本文结合现有文献以及样本数据特征，以微观企业异质性如企业规模、年龄、出口密集度、广告密集度、利润率等影响企业研发行为的因素设为共同支持条件（common support condition）。设定与处理组企业i最为相似的对照组企业j，使得配对企业i和j在共同支持条件方面尽可能保持一致，从而控制这些因素对企业研发行为可能带来的影响。

在倾向得分回归模型中，如果因变量为二值变量时，采用logit模型或probit模型会产生相似的结果（Caliendo和Kopeinig，2008）。因此，在本文的实证部分中选取logit模型来估算个体参加处理组的概率。

如果接受补贴的企业与未接受补贴的企业在匹配变量上不存在显著差异，此“条件独立性假设”被满足，则倾向得分匹配的结果具有可靠性。否则可能匹配变量的选取或匹配方法的选择有误，倾向得分匹配模型的估算无效。因而，在生成倾向得分匹配估算结果之后，需通过匹配平衡性检验（Rosenbaum和Rubin，1983）以确保估算结果的可靠性。本文借鉴了目前使用较多的标准偏差检验和t检验，以此来对倾向得分匹配的估算结果进行检验。

表5为全样本的匹配平衡性检验，出于篇幅考虑，仅报告了最邻近匹配法（Nearest Neighbor Matching）下各变量的匹配平衡性检验结果。在表5中可以看出，匹配之前，处理组和对照组企业在匹配变量上有较大差异，但匹配之后，处理组和对照组样本在匹配变量上的标准差减少50%以上，且匹配后标准偏差绝对值控制在4%以内。匹配后其标准偏差均小于20且t检验的p值也远大于0.1，不拒绝原假设，即处理组与对照组无系统性差异。因此，可以推断本文模型中的的匹配变量與估计方法是合适的。

2. 倾向得分匹配估计结果。即便已经得到倾向得分值，但仍然无法估算对应的平均激励效果ATT。原因在于，倾向得分值为一个连续变量，因而难以找到两个倾向得分完全相同的样本，这使得激励组和控制组样本之间的匹配难以实现。

目前，对于此类问题的解决，文献中提到有多种匹配方法，主要包括：最近邻匹配法、半径匹配法、核匹配法以及分层匹配法。在估算全样本的平均激励效果（ATT）时，本文分别采用以上四种匹配方法。表6为针对全样本采用四种方法得到的平均激励效果（ATT）。鉴于篇幅，本文仅简单介绍前两种方法的基本思路。最近邻匹配法是以估算的PS值为基准，前后向分别寻找与处理组样本PS值最为接近的控制组样本，以此作为处理组的匹配对象。半径匹配法是预先设定一个常数r，将控制组中的PS值与激励样本的PS值之间差异小于r的样本选定为匹配对象（Lian等，2011）。从表6中可以看出，这四种匹配方法的ATT均为负值，且除了半径匹配之外，其余ATT值均显著，这表明政府补贴对企业研发投资产生显著的挤出效应。最近邻匹配法得出的ATT值为-0.022，在5%水平下显著，因而以最近邻匹配法得出的结论是，政府补贴会导致进行R&D;投资的企业数显著下降2.2%。

鉴于行业异质性的存在，匹配过程中若加入行业虚拟变量则可能会使匹配变量数目剧增，为保证匹配后的处理组企业和对照组企业能处于同一行业，本文分行业进行匹配。表7为分行业的ATT估计结果，从表7中可以看出这三个行业的PSM匹配结果和全样本的匹配结果基本一致，政府补贴和进行R&D;投资的企业数呈显著的负相关关系。但分行业的ATT估计结果还显示政府补贴对不同行业企业研发行为的影响存在较大差异，在通信及电子设备制造业，政府补贴会导致进行R&D;投资的企业数下降3.9%，而在医药行业，这一数字仅为0.6%。

鉴于中国工业企业数据库缺失2004年企业研发支出的数据，因而，本研究将全样本划分为两个子样本进行稳健性检验。表8为不同年份ATT估计结果，鉴于篇幅只选取最近邻匹配法和核匹配法的ATT结果。从表8中可以看出，两个子样本的四种不同匹配方法得到的ATT值均和全样本的ATT值保持一致。2001—2003年，最近邻匹配法表明，政府补贴导致进行R&D;投资的企业数显著下降2.8%，而在2005—2007年，最近邻匹配法得出的这一结果为显著下降1.9%。两个子样本的ATT估计结果均验证了政府补贴会对企业R&D;投资有挤出效应。

为了进一步检验模型的稳健性，本文以研发密度为因变量，检验政府补贴对企业研发密度的影响。本文遵循Lev和Sougiannis（1996）的思路，把研发支出和企业销售额的比率界定为研发密度，运用PSM模型对全样本进行ATT估计，结果见表9。限于篇幅本文只选取最近邻匹配法和核匹配法的ATT结果，从表9中核匹配法的ATT估计中，政府补贴使得企业研发密度显著下降1.7%，也进一步验证了政府补贴对企业研发支出的替代效应或挤出效应。

本文初步运用logit模型检验政府补贴对企业R&D;投资行为的影响，logit模型结果表明政府补贴会部分挤出企业R&D;投资，但这一结果并不显著。而PSM模型和logit模型的结论基本一致，但PSM模型的结论均显著，无论是全样本还是分行业或分年度的子样本，PSM模型的结果都表明政府补贴均使得进行R&D;投资的企业数目显著下降，验证了政府补贴对企业研发支出的挤出效应。以上也同时表明采用PSM方法可以较好地处理由于内生性问题和样本选择偏差所引起的选择性偏差问题。

本文的结论支持了Shrieves（1978）、Higgins等（1981）以及Wallsten（2000）的研究结论，政府补贴会对企业R&D;投入具有挤出效应，会显著减少企业R&D;投入。已有研究往往从宏观或者行业层面的加总数据考察政府补贴对研发的影响，这一类型的研究得到的结论往往是统计意义上的显著，其前提假设是企业同质化、具有可加性。然而在现实中不同行业之间、同一行业内不同企业之间、同一企业不同发展阶段之间均存在显著的异质性，所以宏观研究结论往往与微观个体影响存在矛盾，其根本原因就在于微观数据研究包含了更多的异质性、更贴近现实（Mansfield和Switzer，1984；David等，2000）。本文采用企业层面微观数据的研究却能够避免既有研究的缺陷，也为此领域的研究提供来自发展中国家微观企业的经验证据。

四、结论

在当今全球范围的科技创新大潮中，创新资源和要素正在向企业集聚，企业已成为创新投入的主力军，而研发投入的多少在很大程度上决定着企业未来创新能力的强弱。高科技产业的技术创新能力对于培育未来中国经济新的增长点具有战略意义，如何有效解决研发外部性问题，提高企业技术创新的积极性，政府补贴作为一种政策工具，能否对企业研发行为产生激励效应？对于这一问题的回答，有助于制定和完善高科技产业的补贴政策。

本文選取2001—2007年规模以上工业企业数据的医药行业、通信及电子设备制造业及仪表仪器制造业微观企业数据，采用“倾向得分匹配方法”（PSM）研究政府补贴对企业研发支出的影响。本文的研究证实就所选取的行业总体而言，政府补贴对行业中企业R&D;支出存在显著的“挤出”效应，且稳健性检验的结果也支持这一结论。值得注意的是，本文样本中由于行业异质性的存在，政府补贴对不同行业的企业R&D;支出的挤出效应存在较大差异。其中，就通信及电子设备制造业而言，政府补贴会导致进行R&D;投资的企业数下降3.9%，而在医药行业，这一数字仅为0.6%。

本文的结论表明，在我国制造业中研发密度较高的行业中，政府补贴对企业的R&D;支出存在显著的“挤出”效应，政府公共支出并未达到预期的激励作用。鉴于研发的外部性问题，政府研发公共支出有其合理性（Arrow，1962），政府应如何调整其公共研发支出政策就成为解决这一问题的关键所在。我国可借鉴OECD国家的经验，政府对企业研发采用间接投入的方法，具体包括税收激励、科技溢出等。大多数OECD国家普遍采用的税收激励政策有税收减让、税收折扣、税收减免和延期纳税等，而科技溢出是通过政府资助公共实验室和高校R&D;活动间接实现的，比如美国的国家实验室、法国的CNRS。政府可重点支持基础研究、共性技术研究和战略领域的研究，而在一般竞争性领域，要多发挥市场机制的作用。另外，政府可以帮助企业与大学建立长期紧密型的研究伙伴关系，组织或协调行业内企业建立R&D;联盟。在这种企业与研究机构、或企业相互之间建立的R&D;合作中，政府的政策支持同样也具有重要作用。

注释：

①数据来源于http：//iri.jrc.ec.europa.eu/.，“The 2011 EU Industrial R&D; Investment SCOREBOARD”，European Commission-Joint Reserarch Center，2011。

②行业代码对应表http：//www.cstj.gov.cn/upload/newstxt/dmfl.htm。而根据欧盟的界定，R&D;密度在5%以上，为研发密度高的行业，R&D;密度为2%～5%属于中高研发密度的行业，R&D;密度为1%～2%属于为中低研发密度的行业，在1%以下属于研发密度低的行业。按照欧盟的标准，即便是表1中研发密度排名前三的行业也只能界定为中高研发密度的行业。

参考文献：

[1]熊彼特.经济发展理论[M].北京：商务印书馆，1990.

[2]Arrow，K..The Economic Implications of Learning by Doing[J]. Review of EconomicStudies，1962，29（80）：155-173.

[3]Czarnitzki D.， Licht G.. Additionality of public R&D; grants in a transitioneconomy[J]. The case of Eastern Germany. Economics of Transition，2006（14）：1101-1131.

[4]David P. A.，Hall B. H.， Toole A. A.， Public R&D; a Complement or Substitute forPrivate R&D;？ A Review of the Econometric Evidence[J]. Research Policy，2000（29）：497-529.

[5]Guellec D.，Van Pottelsberghe. The impact of public R&D; expenditure on business R&D;[J]. Economic Innovation New Technology，2003，12（3）：225-243.

[6]Hall B.H.，Van Reenen J.. How effective are fiscal incentivesfor R&D;？A review of the evidence[J]. Research Policy，2000（29）：449-469.

[7]Hu Albert G.. Z. Ownership，Government R&D;，Private R&D;，and Productivityin Chinese Industry[J]. Journal of Comparative Economics，2001，29（1）：136-157.

[8]Hussinger K.. R&D; and Subsidies at the firm level：an application of Parametric and Semi-Parametric Two- Step Selection Models[R]. ZEW Discussion Paper，2006： 03-63.

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

[10]Lichtenberg，Frank R. The effect of government funding on private industrial researchand development：a re-assessment[J]. The Journal of Industrial Economics，1987（36）：97-104.

[11]Tommy H. Clausen. Do subsidies have positiveimpacts on R&D; and innovation activities at the firmlevel[J]. Structural change and Economic Dynamics，2009（20）：239-253.

Can Government Subsidies Really Solve R&D; Externalities？

Zhou Xiaoyan， Bian Yuanyue

（International Business School， University of International Business and Economics， Beijing 100029， China）

Abstract： According to western literatures， the "market failure" of R&D; is the main cause for governmental public expenditure. To research whether subsidies can really solve the externality of R&D;， in this paper， authors selected Chinese industrial enterprise database in 2001-2007 to research micro enterprise data of intensive industry， and used tend score matching model to examine the impact of government subsidy on the enterprise R&D; behavior. The result verified that government subsidies had a significant "crowd out" effect on firm's R&D; investment. Because of the existence of industry heterology， there are large differences between different industries enterprises crowding out in R&D; spending from the government subsidies， the government public expenditure did not achieve the desired results.

Key words： governmental subsidies， R&D; behaviors， "crowd out" effect， selectivity bias， Propensity Score Matching Methods