赵当如 刘玲

摘要：基于2016—2017年上市公司A股制造業微观数据，运用DEA-Tobit模型测算政府科技投入对企业科技投入绩效的影响程度，选取2016—2017年中国30个省（市、自治区）的省际宏观数据，在考虑科技产出负外部性的影响下，运用改进非期望SBM模型剔除政府科技投入对企业科技投入的内生性影响来测算中国30个省（市、自治区）的政府与企业的科技投入绩效。结果表明，政府科技投入负向调节企业科技投入与其绩效之间的关系;经济科技水平较发达地区政府与市场的科技投入绩效较高;经济科技发展水平最高的东部沿海地区企业科技投入绩效高于政府科技投入绩效;经济科技发展水平较弱的中部地区政府与市场的科技投入绩效相持平;西部地区政府科技投入绩效高于市场;经济较弱的中部地区科技带来的环境污染比经济发展最好的东部地区和发展最弱的西部地区更多，符合科技发展水平与环境污染间的倒“U”型关系。

关键词：外部性;内生性;科技投入绩效;政府与市场;改进非期望SBM模型;Tobit模型

中图分类号：F273.1;F275         文献标识码：A

文章编号：0439-8114（2020）15-0190-06

Abstract：Based on A-shares listed micro data of companies manufacturing from 2016 to 2017， this study uses DEA-Tobit model to calculate the government investment in science and technology influence on the performance of enterprise investment in science and technology level， and considers the output of science and technology under the influence of negative externalities based on the provincial macro data of 30 provinces（cities， autonomous regions） in China from 2016 to 2017，and then uses improved unexpected SBM model to measure Chinas 30 provinces（cities， autonomous regions） of investment in science and technology performance of the government and enterprises by eliminating the impact on enterprise investment in science and technology of government investment in science and technology endogenous. The results show that government investment in science and technology negatively regulates the relationship between enterprise investment in science and technology and its performance. The performance of government and market investment in science and technology is higher in the developed regions. The performance of enterprises in the eastern coastal areas with the highest level of economic and technological development is higher than that of the government. The performance of the government and the market in the central region with a weak level of economic and technological development is equal to that of the market. The western region government investment in science and technology performance is higher than the market. The environmental pollution caused by science and technology in the central region with weak economy is more than that in the eastern region with the best economic development and the western region with the weakest development， which is in line with the inverted “U”relationship between the level of science and technology development and environmental pollution.

Key words： externality; endogencity; science and technology investment performance; government and market; improved unexpected SBM model;tobit model

党的十八大明确指出科技创新是提高社会生产力和综合国力的战略支撑[1]，但中国在对科技创新与产业创新的过程中遭到发达国家的技术封锁[2]，因此自主科技创新成为研究和关注的重点。科技投入是影响科技创新实力最重要的因素，同时也是其决定因素[3]，中国科技投入能力在全球名列前茅，但其对环境的影响也愈发突出。根据党的十八大和十九大“建设生态文明城市、坚持人与自然和谐共处”的会议精神，要将科技进步带来的环境污染纳入科技投入绩效评价体系中。政府、企业和金融机构是科技投入的三大主体，其中政府和企业分别代表政府和市场，金融机构起到中介调节作用。市场相比政府能更好地进行资源配置，但同时也会产生环境污染等外部性影响而导致的市场失灵问题[4]，而税改后由于财政分权体制和寻租等政府干预失效等原因，政府也会对环境造成负面影响，其中包括科技活动[5-9]。同时，政府科技投入、企业科技投入、金融机构贷款三者之间互相影响[10-12]，从而不能准确地得出单个主体真实的科技投入绩效。在此背景下，在科技投入绩效分析框架体系中纳入负外部性影响因素，并通过考虑科技投入产出系统中的内生性问题来比较政府与市场科技投入绩效，具有重要的理论价值与现实意义。

1 研究背景

目前有关科技投入绩效的研究分为2类，一是基于科技投入产出指标体系对地区总体科技投入绩效的研究，二是对不同主体的科技投入绩效的探讨。

区域财政科技投入产出绩效研究最主要的前提是构建一套完整的科技投入产出指标体系。科技投入主要分为人力投入、财力投入和物力投入，其中人力投入包括R&D人员（研究与试验发展人员）和地方千人计划人员[13-15];财力投入包括政府财政科技投入、企业研发支出和金融机构贷款[16，17];物力投入包括科研实验室在内的内资固定资产投入和外资固定资产投入[13，18]。科技产出一般分为直接产出和间接产出，直接产出一般指发明专利和论文;间接产出一部分学者认为是指技术合同成交额、科技产业收入额、GDP工业增加值等经济利益指标[13，18]，还有一部分学者则把环境污染所带来的“三废”作为间接产出的副产品[19]。上述研究对科技投入产出途径有了比较深入的分析，但对科技投入效率的研究所采用的指标体系中大部分是以科技成果或经济利益等正面效果作为科技产出的指标，而未考虑科技投入后进行研发和技术使用过程中所带来的环境污染等负面影响。英国在18世纪完成第一次工业革命后，科技领域有了质的突破，但同时也饱受工业化带来的水污染（工业废水污染）、空气污染（煤炭大气造成的雾霾污染）等，因此科技进步造成的生态环境污染问题不可忽视。

关于不同主体科技投入效率的研究，大部分学者都是对金融机构贷款、政府科技投入和企业科技投入3个不同渠道的投入来源进行研究。俞立平[14]运用TOPSIS评价法和面板分位数回归对中国30个省的面板数据实证研究后发现，企业投入对科技投入产出效率贡献最大，且不同地区科研水平贡献率不同;薛庆根[16]选取2001—2009年中国30个地区的省际面板数据研究发现政府科技投入效率最高，金融机构科技投入效率最低，且不同科技实力地区科技投入效率明显不同;郑军等[20]通过对各个科技投入主体与高校科技产出的关系研究发现政府科技投入效率最高，金融科技贷款与企业资金投入效率不稳定。从以上的研究可以看出，已有不少学者运用多种科技投入主体在不同方面考察了科技投入效率问题，但得到的结论却不同，并没有达成一致，同时在分析各个科技投入主体效率时并没有考虑到各个主体之间的相互影响机制，使得最终的结论可能偏离实际，所以考虑内生性影响因素可以更加深入地探究科技投入主体的真实绩效，提升相关领域的研究深度，对现实具有重要的指导作用。

综上分析，为了进一步厘清政府和市场的科技投入绩效及其之间的关系，选取2016—2017年A股制造业的微观数据，根据DEA-Tobit两阶段模型测算政府科技投入对企业科技投入绩效的具体影响程度，以2016—2017年中国30个省（市、自治区）的省际样本宏观数据为基础数据，利用改进非期望SBM模型来探究政府与市场的科技投入绩效。通过宏观数据与微观数据的结合，对政府与市场的科技投入效率进行比较，以便相关部门改进科技投入政策，优化科技投入资源配置，为实现“绿色科技”目标提供理论指导。

2 理论分析及研究假设

2.1 科技投入对生态环境的影响

2.1.1 政府科技投入对生态环境的影响 自中国1994年实行分税制改革后，财政分权成为最明显的财政体制，但这种“中国式分权”体制导致激励机制发生改变，使得地方政府开始出现“晋升锦标赛”制度，以经济增长为惟一目的，重视基础设施建设，忽视环境公共物品的投入与管理。这类行为往往在经济发展水平不高时容易出现“缺位现象”，造成各地政府因追求经济增长而导致环境污染产生“竞次”效应[21]，政府在科技投入上就会将财力投在经济效益高、产值高的企业，如重工业企业。根据“向底线赛跑”假说，地方政府会降低环境门槛，吸引大量的外商直接投资（Foreign direct investment，简称FDI）对这些企业加以扶持[22]，促使这类企业产生生产型技术进步。重工业企业中的钢铁业、煤炭业对环境造成巨大的负外部性影响，是导致环境污染的主要原因[23]。基于以上分析，提出研究假设H1，考虑外部性影响时经济科技水平发达地区政府科技投入效率较高。

2.1.2 企业科技投入对生态环境的影响 企业是经济增长的活力源泉，企业只有不断进行技术创新才能在市场中拥有竞争和生存地位。在企业竞争中，由于競争成本随着竞争激烈程度的提升而增加，再加上企业一般不会遵守市场规则，有可能会打破对环境监管的遵守，从而将竞争领域延伸到环境污染领域[24]。根据环境库兹涅茨曲线（Environmental kuznets curve，EKC），经济水平较低时，人们主要以提高收入水平为首要目标，这种以收入水平作为惟一需求的“需求驱动”导致企业更关注生产型的技术进步，希望通过此类技术进步达到利益最大化[25]。随着时间的推移，新的技术逐渐被其他企业所掌握，从而促使企业再次进行技术创新。由于发展中国家企业规模普遍较小，随着企业竞争程度的提高，为了谋求生存，企业开始通过发展企业集群或产业集聚在市场中获得更明显的竞争优势。企业集群发展与环境污染之间符合“倒U型”关系[26，27]，企业集群发展初期对环境污染较大，当企业达到一定的集中程度时会减少对环境的污染，加上这一时期政府严格的环境监管也会激发企业加大对绿色科技研发的投入，从而形成绿色科技进步，生态环境污染程度就会不断降低。此外，随着收入水平较高的消费者对生态环境问题认知度和重视度的提高，企业不再以单一的利润为目的，而是通过进行绿色生产来赢得消费者，以保持市场竞争力，从而减少对环境的污染。基于以上分析，提出研究假设H2，考虑外部性影响时经济科技水平发达地区企业科技投入效率较高。

2.1.3 金融科技投入对环境的影响 金融科技投入在短期内能解决科研经费短缺的问题，长期能贴近市场需求，提高自主研发效率[14]。高等院校和部分研究所属于政府机关管辖，这部分机构的科研成果最终要走向企业市场，形成经济成果，而另一部分不属于政府机关管辖的研究所一般通过与企业合作来完成科技创新。综上可知，金融科技投入是跟随着市场需求的，因而金融科技贷款和企业科技投入的方向相同，金融机构间接帮助了企业科技活动对环境的影响。因此，企业科技投入与其对环境的负面影响程度和经济发展水平都呈倒“U”型关系，但对环境污染的影响程度并不清楚。因此提出研究假设H3，考虑外部性影响时企业科技投入效率与政府科技投入效率之间的关系不确定。

2.2 不同科技投入主体之间的影响

政府对企业的科研经费补贴会降低企业的技术研发风险与成本，企业会把原本分配给科研的资金转移至生产，因此企业的科技投入资金减少，导致出现“挤出效应”[28，29]。然而政府偏向对周期长、风险大、短期回报低的基础性研究领域进行投资补贴，这对企业短期技术创新效率并不明显，同时因为“挤出效应”无法很好地刺激企业的创新效率。因此，提出研究假设H4，政府科技投入对企业科技投入效率存在负向影响。

3 模型、变量与数据

3.1 模型构建

3.1.1 效率评价模型 通过理论分析，考虑科技产出的负外部性影响，在绩效评价体系指标中加入环境污染指标。根据Tone构造出的非期望SBM模型，以生产单元包络面的最远点为标准进行测算，效率测算结果偏小[30]，本研究对无效决策单元的非期望SBM模型进行改进，将生产前沿面顶点由最远距离调整为最有效距离。模型改进后如下所示：

3.2 变量与数据

选择政府研发经费补贴作为政府科技投入强度的替代指标，选取上市公司会计报告中披露的研发支出作为企业科技投入的替代指标。数据来源于2016—2017年的《中国科技统计年鉴》《中国统计年鉴》、国家统计局数据库、万得金融数据库（WIND）和国泰安数据库（CSMAR）。其中，关于效率评价模型中的变量数据来源于《中国科技统计年鉴》和《中国统计年鉴》，采用中国30个省（市、自治区）的省级宏观数据;关于探究政府科技投入对企业科技投入效率影响程度的Tobit模型中的变量数据来源于《中国科技统计年鉴》、国家统计局数据库、万得金融数据库（WIND）和国泰安数据库（CSMAR），其中政府科技投入来源于《中国科技统计年鉴》，企业科技投入来源于万得金融数据库，关于企业科技投入效率中的科技产出来源于国泰安数据库中的上市公司研究数据库，企业样本来源于沪深两市A股制造业上市公司，一共988个企业样本。由于科技产出的滞后性，投入变量数据来源于2016年，产出变量数据来源于2017年。

4 结果与分析

4.1 政府科技投入对企业科技投入效率的影响程度

模型（4）的系数估计结果如表1所示，由表1可知，全样本中政府科技投入负向调节企业科技投入与其效率之间的关系，企业科技投入效率被政府科技投入行为“挤出”而造成效率的损失，H4得到验证。同时也发现政府科技投入的估计系数在全样本和子样本的模型中影响均不显著。由于国有企业与非国有企业所有权性质的差异，因此政府科技投入对企业科技投入效率的影响程度不同。政府科技投入对企业科技投入效率的影响程度表达如下：

4.2 效率测算

根据模型（1）、模型（2）和模型（3）得出改进非期望SBM模型的科技投入效率，同时加入在不考虑环境外部性影响下科技投入的效率作为对比，使用BCC的DEA模型（规模报酬可变的数据包络面模型）计算不考虑环境外部性影响下的科技投入效率，结果见表2。由表2可知，当考虑环境负外部性影响时，绝大部分省（市、自治区）决策单元效率值降低，经济发达的东部沿海地区科技投入效率较高。从科技投入主体效率来看，当考虑非期望产出时，经济水平不同的地区效率值差异较大，经济发达地区政府科技投入效率和企业科技投入效率较大，H1和H2得到验证。

总体而言，西部地区的政府科技投入和企業科技投入低于东部地区，高于中部地区。根据倒“U”型理论，经济科技水平落后的西部地区科技投入对环境的影响并不大，而经济水平高于西部的中部地区的科技投入产出对环境的负面影响相比西部科技投入技术水平反而更高。中部地区环境污染水平接近倒“U”型曲线的顶端位置;东部与西部地区改进的非期望SBM模型和DEA模型的测算结果总体相差不大，因此东部与西部地区目前造成的环境污染水平分别居倒“U”型曲线的右侧和左侧。

具体来看，东部地区的政府科技投入与企业科技投入效率差异不明显，但经济水平最高的东部沿海地区企业科技投入效率高于政府科技投入效率，证实了市场对资源配置的高效率。中部地区政府科技投入效率和企业科技投入效率的关系并不明显，主要是由于中部地区经济水平较低，市场上的企业集群程度并不高。西部地区的政府科技投入效率值总体上高于企业科技投入效率值，是由于西部地区的经济水平和市场化水平较低，以及特殊的地理环境和基础设施不完善，导致市场的企业活力较低，政府的科技资源主要投向基础设施和公共设施，而这些是科技活动的基础，因此政府的投入促进了西部地区科技活动的发展，从而使得西部地区的政府科技投入效率高于企业科技投入效率。

5 结论与建议

基于2016—2017年上市公司A股制造业微观数据，运用DEA-Tobit模型测算政府科技投入对企业科技投入绩效的影响程度，选取2016—2017年中国30个省（市、自治区）的省际宏观数据，在考虑科技产出负外部性影响下，运用改进非期望SBM模型剔除政府科技投入对企业科技投入的内生性影响来测算中国30个省（市、自治区）的政府科技投入绩效和企业科技投入绩效。结果表明，①政府科技投入负向调节了企业科技投入与其绩效之间的关系;②经济科技水平较发达地区政府与市场的科技投入绩效较高，经济科技发展水平最低的西部地区其次，经济科技水平居中的中部地区最低;③经济科技发展水平最高的东部沿海地区企业科技投入绩效高于政府科技投入绩效;经济科技发展水平较弱的中部地区政府与市场的科技投入绩效相持平;西部地区政府科技投入绩效高于市场科技投入绩效;④经济较弱的中部地区科技带来的环境污染比经济发展最好的东部地区和发展最弱的西部地区更多，符合科技发展水平与环境污染间的倒“U”型关系。

根据以上结论，本研究提出如下建议。首先要加强市场化改革，在经济发达地区以企业为导向，将科技资源交给企业配置，在经济实力较弱地区，政府部门要起到带头作用，充分利用科技资金，加强对科研基础设施的投入与完善，为企业的科研活动增添动力。其次，要充分利用金融机构，降低金融机构和企业信息的交流门槛，加强企业和金融机构的信息透明度。最后，企业、政府和金融机构三者的合理协调能促进科技资源的利用，降低环境的污染，使科技投入效率真正得到提高。

参考文献：

[1] 庞瑞芝，范 玉，李 扬. 中国科技创新支撑经济发展了吗？[J]. 数量经济技术经济研究，2014，31（10）：37-52.

[2] 吴祖昱. 科技创新对经济发展的实证分析[J]. 山东农业大学学报（自然科学版），2018，49（2）：363-366.

[3] 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，2015，33（2）：177-184，214.

[4] 张 琳. 环境污染问题的经济学分析——基于市场失灵与政府失灵的考察[J]. 山东财政学院学报，2008（5）：24-27.

[5] KONISKY D M. Assessing U S state susceptibility to environmental regulatory competition[J]. State politics and policy quarterly，2009，9（4）：404-428.

[6] PORTER M E，LINDE C V D. Toward a new conception of the environment-competitiveness relationship[J]. Journal of economic perspectives，1995，9（4）：97-118.

[7] 祁 毓，卢洪友，徐彦坤. 中国环境分权体制改革研究：制度变迁、数量测算与效应评估[J]. 中国工业经济，2014（1）：31-43.

[8] 李子豪，刘辉煌. 腐败加剧了中国的环境污染吗——基于省级数据的检验[J]. 山西财经大学学报，2013，35（7）：1-11.

[9] 程 萍. 建立推动可持续发展的“可持续科技创新”评价体系构想[J]. 武汉大学学报（社会科学版），2003（3）：307-312.

[10] COCCIA M. The interaction between public and private R&D expenditure and national productivity[J]. Prometheus，2011，29（2）：121-130.

[11] HU A G. Ownership， government R&D， private R&D， and productivity in chinese industry[J]. Journal of comparative economics，2001，29（1）：136-157.

[12] 钱水土，张 宇. 科技金融发展对企业研发投入的影响研究[J]. 科学学研究，2017，35（9）：1320-1325.

[13] 吕 晨，曾明彬. 基于DEA的中国区域科技投入产出相对效率研究[J]. 科学管理研究，2014，32（2）：101-104.

[14] 俞立平. 银行贷款、政府及企业科技投入贡献的纵向差距研究——基于面板数据分位数回归的估计[J]. 科技进步与对策，2013，30（4）：28-32.

[15] 戚尔鹏，叶 鹰. 用生产函数分析科技投入产出关联的初步研究[J]. 科学学研究，2017，35（12）：1841-1847.

[16] 薛庆根.  金融支持、政府与企业投入的科技创新效率研究[J].  科技管理研究，2012，32（13）：15-19.

[17] WANG L C. Science & Technology input and economic growth： An empirical analysis based on the three major coastal economic regions of China[J]. Energy procedia，2011，5：1779-1783.

[18] 方爱平，李 虹. 基于DEA模型的西部区域科技投入产出效率分析——以西部大开发12个省、市、自治区为例[J].  科技进步与对策，2013，30（15）：52-56.

[19] 趙当如，陈 为. 绿色视角下的我国区域财政科技投入绩效评价及其空间收敛性研究[J].  海南金融，2018（2）：4-16.

[20] 郑 军，翟华云. 企业、政府、金融机构科技投入与高校科技产出的关系研究[J].  科技进步与对策，2012，29（6）：18-21.

[21 ]蔡 昉，都 阳，王美艳. 经济发展方式转变与节能减排内在动力[J]. 经济研究，2008（6）： 4-11，36.

[22] PKE I R. Trade， development and sustainability—a critical assessment of the“free trade dogma”[J]. Ecological economics，1994，    9（1）：13-22.

[23] 吴俊培，丁玮蓉，龚 旻. 财政分权对中国环境质量影响的实证分析[J]. 财政研究，2015（11）：56-63.

[24] BRANCO F，VILLAS-BOAS J M. Competitive vices[J]. Journal of marketing research， 2015， 52（6）：801-816.

[25] 白俊红，聂 亮. 技术进步与环境污染的关系——一个倒U形假说[J]. 研究与发展管理，2017，29（3）：131-140.

[26] 黄 娟，汪明进. 科技创新、产业集聚与环境污染[J]. 山西财经大学学报，2016，38（4）：50-61.

[27] 杨仁发. 产业集聚能否改善中国环境污染[J]. 中国人口·资源与环境，2015，25（2）：23-29.

[28] 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.

[29] 肖丁丁，朱桂龙，王 静.  政府科技投入对企业R&D支出影响的再审视——基于分位数回归的实证研究[J]. 研究与发展管理，2013，25（3）：25-32.

[30] 郭 文，孙 涛. 中国区域全要素能源效率评价及其空间收敛性——基于改进的非期望SBM模型[J]. 系统工程，2015，33（5）：70-80.