劉 鵬，張 雯，胡 睿

(安徽工程大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 蕪湖 241000)

新中國(guó)成立以后、尤其是改革開(kāi)放40多年來(lái)，我國(guó)制造業(yè)飛快發(fā)展并迅速建成了門(mén)類(lèi)齊全、獨(dú)立完整的產(chǎn)業(yè)體系。根據(jù)國(guó)家2017年10月1日開(kāi)始實(shí)施的《國(guó)民經(jīng)濟(jì)行業(yè)分類(lèi)》(GB/T4754—2017)劃分，我國(guó)制造業(yè)共有41個(gè)工業(yè)大類(lèi)，又可分為207個(gè)工業(yè)中類(lèi)和666個(gè)工業(yè)小類(lèi)，此外，我國(guó)制造業(yè)涉及幾百個(gè)領(lǐng)域，占全球規(guī)模20%左右，是制造業(yè)的第一大國(guó)。無(wú)疑，制造業(yè)的發(fā)展有力地推動(dòng)了我國(guó)工業(yè)化和現(xiàn)代化進(jìn)程，顯著增強(qiáng)了我國(guó)的綜合國(guó)力。

然而，與世界先進(jìn)水平相比，我國(guó)制造業(yè)仍然存在不少問(wèn)題。李燁和郭繼輝[1]認(rèn)為傳統(tǒng)制造業(yè)轉(zhuǎn)型有制度性和政策性障礙，要加強(qiáng)制度與政策創(chuàng)新；胡遲[2]提出制造業(yè)平均技術(shù)水平低，解決方法是要把握好技術(shù)與創(chuàng)新方向；丁雪和張驍[3]從企業(yè)價(jià)值鏈視角分析制造業(yè)轉(zhuǎn)型升級(jí)的策略是要依托自主技術(shù)和產(chǎn)品研發(fā)來(lái)實(shí)現(xiàn)鏈條升級(jí)；盛朝迅[4]以中美比較為視角發(fā)現(xiàn)我國(guó)制造業(yè)發(fā)展內(nèi)生動(dòng)力不足，突出表現(xiàn)在自主創(chuàng)新能力不足，提出要實(shí)施重點(diǎn)科技成果轉(zhuǎn)化的解決方法。

簡(jiǎn)單歸納上述學(xué)者的研究可知，制造業(yè)問(wèn)題集中反映為自主創(chuàng)新能力的不足。伴隨全球化進(jìn)程的不斷深入，創(chuàng)新作為社會(huì)發(fā)展的深層動(dòng)力已然成為我國(guó)經(jīng)濟(jì)發(fā)展新常態(tài)下的新引擎。自2015年“中國(guó)制造2025”重大戰(zhàn)略的問(wèn)世，制造業(yè)創(chuàng)新上升到了前所未有的新高度。在國(guó)際社會(huì)局勢(shì)復(fù)雜多變，全球經(jīng)濟(jì)趨勢(shì)走向尚不明朗的情況下，政府補(bǔ)貼成為我國(guó)政府促進(jìn)制造業(yè)創(chuàng)新的重要手段，以此來(lái)推動(dòng)行業(yè)結(jié)構(gòu)的戰(zhàn)略升級(jí)。

A省作為以制造業(yè)發(fā)展為主的傳統(tǒng)大省，其制造業(yè)創(chuàng)新效果具有典型的研究意義。且在深入貫徹落實(shí)“中國(guó)制造2025”戰(zhàn)略的同時(shí)，A省于2017年4月發(fā)布了《A省人民政府關(guān)于印發(fā)支持制造強(qiáng)省建設(shè)若干政策的通知》，提出自2018年起對(duì)A省制造業(yè)給予一定的財(cái)政補(bǔ)貼、鼓勵(lì)其創(chuàng)新發(fā)展(見(jiàn)表1所示)。無(wú)疑，評(píng)估A省制造業(yè)創(chuàng)新的財(cái)政補(bǔ)貼政策效果具有較強(qiáng)的現(xiàn)實(shí)意義。

表1 《A省人民政府關(guān)于印發(fā)支持制造強(qiáng)省建設(shè)若干政策的通知》財(cái)政補(bǔ)貼的相關(guān)政策

一、 文獻(xiàn)綜述

關(guān)于財(cái)政補(bǔ)貼的政策效果問(wèn)題，相關(guān)學(xué)者的研究并不少見(jiàn)，但不同學(xué)者的研究結(jié)論卻難以統(tǒng)一，甚至?xí)笙鄰酵ァ?/p>

一部分學(xué)者認(rèn)為財(cái)政補(bǔ)貼具有促進(jìn)效應(yīng)，能正向提升制造業(yè)的創(chuàng)新水平。例如，González和Pazó[5]使用西班牙2214家制造業(yè)企業(yè)數(shù)據(jù)進(jìn)行實(shí)證回歸，發(fā)現(xiàn)補(bǔ)貼政策對(duì)創(chuàng)新有促進(jìn)作用。當(dāng)企業(yè)沒(méi)有得到政策支持時(shí)，部分企業(yè)會(huì)失去研發(fā)積極性、甚至停止研發(fā)創(chuàng)新活動(dòng)；Hewitt-Dunda和Roper[6]使用愛(ài)爾蘭和北愛(ài)爾蘭1994～2002年數(shù)據(jù)，通過(guò)面板回歸表明財(cái)政補(bǔ)貼顯著提高了企業(yè)研發(fā)創(chuàng)新活動(dòng)的比重；游達(dá)明和朱桂菊[7]通過(guò)構(gòu)建“補(bǔ)貼→研發(fā)→生產(chǎn)”三階段動(dòng)態(tài)博弈模型，研究表明財(cái)政補(bǔ)貼不會(huì)產(chǎn)生阻礙，而且能夠提高企業(yè)技術(shù)創(chuàng)新的積極性。

一部分學(xué)者認(rèn)為財(cái)政補(bǔ)貼具有擠出效應(yīng)，會(huì)反向削弱制造業(yè)的創(chuàng)新水平。例如，Blanes和Busom[8]基于美國(guó)數(shù)據(jù)、采用聯(lián)立方程模型的實(shí)證方法，發(fā)現(xiàn)大約有30%的企業(yè)存在因財(cái)政補(bǔ)貼而產(chǎn)生擠出效應(yīng)的現(xiàn)象；Wallsten[9]應(yīng)用美國(guó)SBIR數(shù)據(jù)庫(kù)數(shù)據(jù)，通過(guò)非平衡面板回歸發(fā)現(xiàn)財(cái)政補(bǔ)貼對(duì)中小企業(yè)研發(fā)創(chuàng)新擠出效應(yīng)更加明顯；肖文和林高榜[10]認(rèn)為由于政府追求遠(yuǎn)期目標(biāo)與企業(yè)追求短期目標(biāo)形成了較大的沖突，政府財(cái)政補(bǔ)貼支持并不利于技術(shù)創(chuàng)新效率的提升；喬洪武和朱亞男[11]認(rèn)為，由于政府和企業(yè)之間存在信息不對(duì)稱，企業(yè)發(fā)送虛假信息騙取補(bǔ)助，使得財(cái)政補(bǔ)貼產(chǎn)生“逆向”激勵(lì)作用。

還有一部分學(xué)者認(rèn)為財(cái)政補(bǔ)貼具有門(mén)檻效應(yīng)，制造業(yè)創(chuàng)新水平在既定區(qū)間凸顯。毛其淋和許家云[12]利用工業(yè)企業(yè)數(shù)據(jù)進(jìn)行門(mén)檻面板回歸后認(rèn)為，制造業(yè)創(chuàng)新補(bǔ)貼強(qiáng)度的最優(yōu)區(qū)間是[0.0009，0.0399]，一旦超出這個(gè)范圍就會(huì)抑制企業(yè)的創(chuàng)新水平；張杰[13]基于2008～2014年全國(guó)企業(yè)創(chuàng)新調(diào)查數(shù)據(jù)庫(kù)的微觀數(shù)據(jù)進(jìn)行門(mén)檻面板回歸后發(fā)現(xiàn)財(cái)政補(bǔ)貼對(duì)民營(yíng)企業(yè)的創(chuàng)新投入總體上呈現(xiàn)出顯著的U型關(guān)系激勵(lì)效應(yīng)，這意味著財(cái)政補(bǔ)貼的規(guī)模必須達(dá)到一定臨界值才會(huì)對(duì)企業(yè)創(chuàng)新投入產(chǎn)生擠入效應(yīng)，否則就會(huì)產(chǎn)生擠出效應(yīng)。

雖然前人的研究已經(jīng)非常豐富，但仍然存在兩點(diǎn)可供深入研究的方向：第一，立足于某一省份或地區(qū)，以更加細(xì)化的微觀數(shù)據(jù)量化財(cái)政補(bǔ)貼政策的具體效果?，F(xiàn)有研究多以一國(guó)為主體，雖然研究樣本足夠豐富，但由于地方異質(zhì)性和樣本代表性問(wèn)題的存在，往往難以客觀衡量政策在特定地區(qū)的執(zhí)行效果；第二，定量研究在內(nèi)生性問(wèn)題的解決上較為乏力，不同研究的實(shí)證結(jié)果存在較大差異。現(xiàn)有研究多采用面板模型或門(mén)檻回歸度量財(cái)政補(bǔ)貼的政策效果，其結(jié)果的可靠性與可信性均存在一定問(wèn)題，對(duì)于政策沖擊這一準(zhǔn)自然實(shí)驗(yàn)方法的具體量化尚存在一定改進(jìn)空間。

本文正是在上述兩方面進(jìn)行了一定探索：一方面，以A省2018年生效的財(cái)政補(bǔ)貼政策為評(píng)估對(duì)象，手動(dòng)收集A省上市公司的微觀數(shù)據(jù)，評(píng)估這一準(zhǔn)自然實(shí)驗(yàn)的創(chuàng)新效果，以求全面刻畫(huà)A省促進(jìn)制造業(yè)創(chuàng)新的財(cái)政補(bǔ)貼政策作用。另一方面，采用PSM-DID的前沿方法，有效解決了樣本選擇偏差造成的內(nèi)生性問(wèn)題，同時(shí)以一系列穩(wěn)健性檢驗(yàn)、以實(shí)現(xiàn)對(duì)實(shí)證效果的有效反饋，確保實(shí)證研究的可靠性與可信性。

二、 實(shí)證方法與研究指標(biāo)

(一) 基于PSM-DID的實(shí)證方法

為了有效評(píng)估財(cái)政補(bǔ)貼政策對(duì)A省制造業(yè)創(chuàng)新的影響效應(yīng)，其重點(diǎn)在于克服內(nèi)生性問(wèn)題對(duì)評(píng)估結(jié)果的影響，合理還原出財(cái)政補(bǔ)貼政策這一準(zhǔn)自然實(shí)驗(yàn)的沖擊效果。因此，在實(shí)證方法的選擇上，我們選擇傾向得分匹配—雙重差分法(PSM-DID)進(jìn)行實(shí)證分析。

第一步，利用傾向得分匹配(PSM)方法進(jìn)行樣本匹配。將受財(cái)政補(bǔ)貼政策影響的制造業(yè)樣本視為實(shí)驗(yàn)組(treat=1)，將未受政策影響的其他行業(yè)視為對(duì)照組(treat=0)，從對(duì)照組中選擇一系列與實(shí)驗(yàn)組具有相同特征的樣本進(jìn)行匹配，以有效的解決樣本選擇偏差造成的內(nèi)生性問(wèn)題。

第二步，利用匹配后的樣本構(gòu)建雙重差分(DID)模型。通過(guò)構(gòu)建行業(yè)虛擬變量與時(shí)間虛擬變量的交叉項(xiàng)(treat*post)代表財(cái)政補(bǔ)貼這一準(zhǔn)自然實(shí)驗(yàn)政策度量其對(duì)企業(yè)創(chuàng)新的影響效果。同時(shí)將一系列控制變量納入模型之中、輔之以一系列穩(wěn)健性檢驗(yàn)，以實(shí)現(xiàn)對(duì)實(shí)證效果的有效反饋。

(二) 指標(biāo)選取與數(shù)據(jù)來(lái)源

1.指標(biāo)選取。第一， 被解釋變量選取。為了有效測(cè)度企業(yè)創(chuàng)新這一被解釋變量，分別選取企業(yè)創(chuàng)新績(jī)效與企業(yè)創(chuàng)新產(chǎn)出兩個(gè)指標(biāo)進(jìn)行度量[14][15]。其中，企業(yè)創(chuàng)新績(jī)效(rdr1)用新產(chǎn)品產(chǎn)值/企業(yè)總產(chǎn)值的比率表示，企業(yè)創(chuàng)新績(jī)效(rdr2)用企業(yè)專利申請(qǐng)數(shù)量進(jìn)行表示。

第二， 解釋變量選取。核心解釋變量為財(cái)政補(bǔ)貼政策，用treat*post這一政策交叉項(xiàng)進(jìn)行度量。其中，treat*post=1，表示受政策影響的制造業(yè)企業(yè)；treat*post=0，則表示未受到政策沖擊的企業(yè)。

第三， 控制變量選取。首先，本文的控制變量包括treat和post兩個(gè)基本虛擬變量。treat為行業(yè)虛擬變量，treat=1表示制造業(yè)、treat=0表示其他行業(yè)；post為年份虛擬變量，post=1表示政策實(shí)施以后的年份、即2018年及以后，post=0表示政策尚未實(shí)施的年份、即2017年及之前。其次，為了有效解決遺漏變量造成的內(nèi)生性問(wèn)題，本文選擇包括股權(quán)性質(zhì)、企業(yè)規(guī)模、經(jīng)營(yíng)現(xiàn)金流、總資產(chǎn)報(bào)酬率、融資約束、資產(chǎn)負(fù)債率、托賓Q值等指標(biāo)作為控制變量[16][17]。在實(shí)證分析中同時(shí)控制了年度效應(yīng)(year)與城市效應(yīng)(city)，相關(guān)指標(biāo)的具體解釋見(jiàn)表2所示。

2.數(shù)據(jù)來(lái)源。由于A省促進(jìn)制造業(yè)創(chuàng)新的財(cái)政補(bǔ)貼政策自2018年開(kāi)始生效，出于數(shù)據(jù)可得性考慮，本文進(jìn)行實(shí)證研究的數(shù)據(jù)時(shí)間跨度選取為2015～2020年。其中，企業(yè)創(chuàng)新數(shù)據(jù)來(lái)源于A省上市公司的年度財(cái)務(wù)報(bào)表和企業(yè)專利數(shù)據(jù)庫(kù)，其他控制變量數(shù)據(jù)來(lái)源于WIND數(shù)據(jù)庫(kù)和CSMAR數(shù)據(jù)庫(kù)。為了消除異常值的影響，本文剔除了ST企業(yè)并對(duì)數(shù)據(jù)在5%水平上進(jìn)行Winsorize處理，共收集了142家A省上市公司連續(xù)6年的微觀數(shù)據(jù)。

(三) 模型建立與描述性統(tǒng)計(jì)

1.實(shí)證模型：

rdr1it=α0+α1treatit*postit+βcontorlit+yeart+cityi+σit

(1)

rdr2it=α0+α1treatit*postit+βcontorlit+yeart+cityi+σit

(2)

其中，i和t分別代表企業(yè)和時(shí)間，treat和post則分別代表行業(yè)虛擬變量和時(shí)間虛擬變量，σit表示隨機(jī)誤差項(xiàng)。通過(guò)構(gòu)建包括城市個(gè)體效應(yīng)、年份效應(yīng)的雙重固定效應(yīng)模型，觀察treat和post的交互項(xiàng)系數(shù)來(lái)評(píng)估財(cái)政補(bǔ)貼對(duì)A省制造業(yè)創(chuàng)新的實(shí)證影響。

2.描述性統(tǒng)計(jì)。如表3所示，被解釋變量rdr1和rdr2兩個(gè)企業(yè)創(chuàng)新指標(biāo)的標(biāo)準(zhǔn)差分別為11.75和3.86，且5%分位數(shù)、25%分位數(shù)、50%分位數(shù)、75%分位數(shù)與95%分位數(shù)之間存在顯著差異。表明樣本研究期間，不同企業(yè)的創(chuàng)新效果具有顯著不同，為后文分析制造業(yè)補(bǔ)貼的實(shí)證效果提供了客觀基礎(chǔ)。

表3 變量描述性統(tǒng)計(jì)

三、 樣本匹配與實(shí)證回歸

(一) 樣本匹配結(jié)果

如圖1所示，在進(jìn)行PSM樣本匹配之前，實(shí)驗(yàn)組和對(duì)照組具有不同的特征趨勢(shì)，其概率分布分布呈右偏和左偏特征。在進(jìn)行PSM匹配之后，實(shí)驗(yàn)組和對(duì)照組具有了相同的特征趨勢(shì)，實(shí)證回歸中內(nèi)生性問(wèn)題得到了有效控制。

圖1 樣本匹配前后的傾向得分核密度圖

(二)實(shí)證回歸的基本結(jié)果

進(jìn)行PSM樣本匹配之后，利用DID(雙重差分法)進(jìn)行基礎(chǔ)實(shí)證回歸(見(jiàn)表4)。一方面，將創(chuàng)新績(jī)效(rdr1)作為因變量，財(cái)政補(bǔ)貼政策的實(shí)施(treat*post)作為自變量，同時(shí)控制城市個(gè)體效應(yīng)、年份效應(yīng)等因素進(jìn)行實(shí)證回歸，表明財(cái)政補(bǔ)貼能有效促進(jìn)A省制造業(yè)創(chuàng)新，其創(chuàng)新績(jī)效有顯著提高，表4的回歸結(jié)果(1)和(2)即證明了這一點(diǎn)。(1)和(2)分別代表實(shí)證回歸中是否控制了諸如股權(quán)性質(zhì)、企業(yè)規(guī)模等影響因素。結(jié)果表明，無(wú)論是否將控制因素納入回歸模型中，其實(shí)證結(jié)果依然顯著；另一方面，創(chuàng)新產(chǎn)出(rdr2)作為因變量，財(cái)政補(bǔ)貼政策的實(shí)施(treat*post)作為自變量，同時(shí)控制城市個(gè)體效應(yīng)、年份效應(yīng)等因素進(jìn)行實(shí)證回歸，其結(jié)果依然表明財(cái)政補(bǔ)貼能有效促進(jìn)A省制造業(yè)創(chuàng)新，其創(chuàng)新產(chǎn)出有顯著提高，表4的回歸結(jié)果(3)和(4)即證明了這一點(diǎn)。(3)和(4)分別代表實(shí)證回歸中是否控制了諸如股權(quán)性質(zhì)、企業(yè)規(guī)模等影響因素。結(jié)果表明，無(wú)論是否將控制因素納入回歸模型中，其實(shí)證結(jié)果同樣顯著。

表4 基礎(chǔ)回歸結(jié)果

變 量rdr1rdr2(1)(2)(3)(4)(0.0286)(0.0372)(0.0360)(0.0363)treat?post20190.0782???0.2244???0.1893???0.2052???(0.0287)(0.0395)(0.0380)(0.0381)treat?post20200.0570?0.2295???0.1993???0.2182???(0.0294)(0.0408)(0.0398)(0.0401)constant3.1304???4.6043???3.5126???3.4302???(0.0147)(0.2768)(0.3547)(0.3387)control否是否是個(gè)體固定效應(yīng)是是是是時(shí)間固定效應(yīng)是是是是城市固定效應(yīng)是是是是N852852852852R-squared0.0050.0530.0710.082

總結(jié)來(lái)看，財(cái)政補(bǔ)貼政策確實(shí)能有效促進(jìn)A省制造業(yè)創(chuàng)新。同時(shí)，從表6中可以發(fā)現(xiàn)，其促進(jìn)效果具有較強(qiáng)的持續(xù)性。財(cái)政補(bǔ)貼的政策效果于2018年開(kāi)始凸顯，2019、2020等之后年份的影響效果依舊十分顯著，且其正向影響在不斷提高?？梢?jiàn)，財(cái)政補(bǔ)貼政策的創(chuàng)新效果十分突出。

四、 穩(wěn)健性檢驗(yàn)

(一)平行趨勢(shì)檢驗(yàn)

是否滿足平行趨勢(shì)是雙重差分回歸的必要前提，除了圖1提供了初步證據(jù)之外，還要進(jìn)行有效的計(jì)量檢驗(yàn)。尤其是財(cái)政政策的影響效果具有一定的時(shí)滯性，平行趨勢(shì)檢驗(yàn)必不可少。具體做法為：以2017年為基期構(gòu)建年份虛擬變量與實(shí)驗(yàn)組的交互項(xiàng)，如果滿足平行趨勢(shì)的基本假設(shè)，則2015～2017年的估計(jì)系數(shù)將與0無(wú)顯著差異，其檢驗(yàn)結(jié)果見(jiàn)圖2所示。在95%的置信區(qū)間內(nèi)，2015～2017年之間不存在顯著差異，2018～2020年之間存在顯著差異。由此可見(jiàn)，在財(cái)政補(bǔ)貼政策執(zhí)行之前，實(shí)驗(yàn)組和對(duì)照組之間的行業(yè)創(chuàng)新結(jié)果不存在顯著差異，具有相同的平行趨勢(shì)。

圖2 平行趨勢(shì)檢驗(yàn)圖

(二)改變窗口期和反事實(shí)檢驗(yàn)

為了驗(yàn)證實(shí)證結(jié)果的有效性，還進(jìn)行了動(dòng)態(tài)窗口檢驗(yàn)，分別將政策影響的窗口期改為5年、4年、3年、2年，縮小樣本量進(jìn)行雙重差分回歸，其結(jié)果依然十分顯著，見(jiàn)表7所示。在窗口期改變的情況下，無(wú)論使用rdr1抑或rdr2作為因變量進(jìn)行回歸，實(shí)證結(jié)果同樣證明了財(cái)政補(bǔ)貼政策的有效性，其分別在1%和5%的水平下通過(guò)了顯著性檢驗(yàn)。

表5 改變窗口期和反事實(shí)檢驗(yàn)

此外，我們進(jìn)行反事實(shí)檢驗(yàn)。其具體做法為：假設(shè)財(cái)政補(bǔ)貼政策的實(shí)施年份分別為2015年和2016年，并分別構(gòu)建年份虛擬變量與實(shí)驗(yàn)組的交互項(xiàng)進(jìn)行實(shí)證回歸，其結(jié)果并不顯著(見(jiàn)表5)。通過(guò)改變政策實(shí)施年份進(jìn)行反事實(shí)檢驗(yàn)，可以證明，財(cái)政補(bǔ)貼政策確實(shí)從2018年開(kāi)始生效，前文實(shí)證回歸的有效性得到了驗(yàn)證。

(三) 安慰劑檢驗(yàn)

所謂安慰劑檢驗(yàn)，即是為了驗(yàn)證實(shí)證結(jié)果是否還受到了除財(cái)政補(bǔ)貼政策以外其他遺漏變量的影響。其具體做法為：隨機(jī)在實(shí)驗(yàn)組中產(chǎn)生虛擬政策年份，構(gòu)建“年份—城市”之間的隨機(jī)試驗(yàn)，按照表4中(2)和(4)列的模型進(jìn)行回歸，以虛擬實(shí)驗(yàn)的回歸系數(shù)概率驗(yàn)證實(shí)證結(jié)果的可信性。本文在進(jìn)行了500次重復(fù)實(shí)驗(yàn)之后，其實(shí)驗(yàn)結(jié)果的估計(jì)系數(shù)均在0附近均勻分布，見(jiàn)圖3所示。可見(jiàn)本文的實(shí)證結(jié)果并未受遺漏變量等影響，模型不存在內(nèi)生性問(wèn)題。

圖3 安慰劑檢驗(yàn)

表6 改變實(shí)證估計(jì)方法

(四) 改變實(shí)證估計(jì)方法

最后，通過(guò)改變實(shí)證估計(jì)方法驗(yàn)證PSM-DID的有效性。分別采用OLS和DID進(jìn)行直接回歸，其結(jié)果依然穩(wěn)健(見(jiàn)表6)，分別在1%和5%的水平下通過(guò)了顯著性檢驗(yàn)?？梢?jiàn)，無(wú)論采用何種實(shí)證方法均能證明，A省財(cái)政補(bǔ)貼政策確實(shí)能有效提高制造業(yè)創(chuàng)新水平。

五、 異質(zhì)性分析

(一) 政策受益的地域差異

將A省142家上市公司按照地域分布劃分為沿江地區(qū)城市(6個(gè))、省會(huì)周邊城市(4個(gè))以及其他城市三大地域，根據(jù)表4中第(2)和(4)列的模型進(jìn)行回歸后發(fā)現(xiàn)，財(cái)政補(bǔ)貼政策具有明顯的受益地域差異(見(jiàn)表9)。

表7 財(cái)政補(bǔ)貼政策受益的地域差異

其中，省會(huì)周邊城市的政策受益性最高，財(cái)政補(bǔ)貼政策對(duì)該地區(qū)制造業(yè)創(chuàng)新具有顯著的正向促進(jìn)作用；相比來(lái)看，沿江地區(qū)的政策受益性較差，僅在10%的水平下通過(guò)了顯著性檢驗(yàn)，且其正向促進(jìn)作用僅為省會(huì)周邊城市的1/4；而其他城市的制造業(yè)創(chuàng)新效果則并不顯著，這與A省上市行業(yè)的地域分布差異存在一定關(guān)聯(lián)。總體來(lái)看，A省財(cái)政補(bǔ)貼政策的創(chuàng)新效果主要映射于省會(huì)周邊城市。

(二) 政策受益的產(chǎn)權(quán)差異

除了地域差異之外，財(cái)政補(bǔ)貼政策的受益同樣存在較大的產(chǎn)權(quán)差異。我們按照樣本企業(yè)的權(quán)屬不同，劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)。其中，國(guó)有企業(yè)59家、在A省上市企業(yè)中占比為41.54%；非國(guó)有企業(yè)(包括民營(yíng)企業(yè)、中外合資、國(guó)外獨(dú)資等企業(yè))83家、在A省上市企業(yè)中占比為58.46%。根據(jù)表6中第(2)和(4)列的模型進(jìn)行回歸后發(fā)現(xiàn)，財(cái)政補(bǔ)貼政策同樣具有明顯的受益產(chǎn)權(quán)差異，見(jiàn)表10所示。

表8 財(cái)政補(bǔ)貼政策受益的產(chǎn)權(quán)差異

其中，國(guó)有企業(yè)具有明顯的政策受益性，而政策影響對(duì)非國(guó)有企業(yè)卻沒(méi)有起到作用，當(dāng)然這與制造業(yè)企業(yè)產(chǎn)權(quán)分布具有一定關(guān)聯(lián)，如銅陵有色、蕪湖海螺等大型制造型企業(yè)其產(chǎn)權(quán)多為國(guó)家所有?？傮w來(lái)看，A省財(cái)政補(bǔ)貼政策的創(chuàng)新效果主要映射于國(guó)有企業(yè)。

表9 財(cái)政補(bǔ)貼政策受益的規(guī)模差異

(三) 政策受益的規(guī)模差異

此外，不同企業(yè)規(guī)模下也存在較大的政策受益差異。按照企業(yè)規(guī)模大小不同，我們將企業(yè)資產(chǎn)自然對(duì)數(shù)的中位數(shù)以上企業(yè)劃分為大規(guī)模企業(yè)，其他為小規(guī)模企業(yè)。根據(jù)表6中第(2)和(4)列的模型進(jìn)行回歸后發(fā)現(xiàn)，財(cái)政補(bǔ)貼政策同樣具有明顯的受益規(guī)模差異(見(jiàn)表11)。A省大規(guī)模企業(yè)具有顯著的創(chuàng)新受益性、而數(shù)量眾多的小企業(yè)卻沒(méi)有從政策中獲益。

六、 結(jié)論

總結(jié)全文研究結(jié)果，可以得到以下三點(diǎn)結(jié)論：

第一， 從整體來(lái)看，財(cái)政補(bǔ)貼確實(shí)能有效促進(jìn)A省制造業(yè)創(chuàng)新，且政策效果具有較強(qiáng)的持續(xù)性。A省財(cái)政補(bǔ)貼的政策效果于2018年開(kāi)始凸顯，2019、2020等之后年份的影響效果依舊十分顯著，且其促進(jìn)效應(yīng)不斷提升。

第二， 政策受益具有明顯的地域差異，省會(huì)周邊城市的制造業(yè)創(chuàng)新效果顯著，其他城市的制造業(yè)創(chuàng)新效果不佳。從地域分布來(lái)看，A省財(cái)政補(bǔ)貼政策的創(chuàng)新效果主要映射于以省會(huì)城市為代表的周邊城市。

第三， 國(guó)有制造業(yè)和大型制造業(yè)的創(chuàng)新效果顯著，其他制造業(yè)創(chuàng)新效果不佳，財(cái)政補(bǔ)貼效果具有顯著的產(chǎn)權(quán)差異和規(guī)模差異。非國(guó)有制造業(yè)和小型制造業(yè)的創(chuàng)新效果不顯著，政策影響范圍存在一定偏差。

本文建議應(yīng)實(shí)現(xiàn)A省財(cái)政補(bǔ)貼政策的精準(zhǔn)輻射：一方面，鼓勵(lì)省會(huì)周邊以外的城市出臺(tái)地方財(cái)政補(bǔ)貼激勵(lì)政策，重點(diǎn)培育沿江城市的制造業(yè)創(chuàng)新能力；另一方面，加強(qiáng)對(duì)現(xiàn)有政策的改進(jìn)完善，重點(diǎn)加強(qiáng)對(duì)小型非國(guó)有企業(yè)的補(bǔ)貼傾斜，實(shí)現(xiàn)政策效果的均等化覆蓋。