《战略性新兴产业产能效率与政府补助行为——基于新一代信息技术产业上市公司的实证分析-汤萱.pdf》由会员分享，可在线阅读，更多相关《战略性新兴产业产能效率与政府补助行为——基于新一代信息技术产业上市公司的实证分析-汤萱.pdf（9页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、莩肃碌玄 2017年第3期战略性新兴产业产能效率与政府补助行为基于新一代信息技术产业上市公司的实证分析+汤萱谢梦园【摘要】通过DEA分析法及回归分析法研究政府补助行为对以新一代信息技术产业为典型代表的战略性新兴产业产能效率的影响，研究结果表明，201l一2014年分别有92、92、93、85的样本企业的产能效率为非DEA有效，效率平均值分别为O429、O-469、o416、O563，产能效率值有效性较差；新一代信息技术产业确实存在整体产能效率不足的问题，政府补助行为整体上与新一代信息技术产业的产能效率存在显著的负相关关系；不同类型的政府补助行为对整个产业内部R&D投入的影响存在显著差异，政府直
2、接补助与产业产能效率之间存在显著负相关关系，政府间接补助对产业产能效率具有不显著的正向影响；产业产能效率与国有控股比例、企业经济贡献率存在显著的正向影响，而与地区研发程度具有不显著的正向影响。关键词】新一代信息技术产业 产能效率 政府直接补助 政府间接补助中图分类号F49文献标识码A文章编号10007326(2017)03008909一、引言2016年是中国经济发展的去产能之年，供给侧结柯陛改革将抓“三去一降一补”五大任务中的“去产能”置于首位，国务院就钢铁、煤炭化解产能过剩问题也出台了若干政策文件。中国七大战略性新兴产业同样面临着产能过剩和产业失衡发展的问题，如新能源产业中的风能设备产业和光
3、伏太阳能产业迅速膨胀成为产能过剩和重复建设行业；海洋战略性新兴产业逐渐成为沿海各地区竞相投资的热点和规划建设的重要领域，然而伴随着投资项目增多，产业相同领域重复布局、规划趋同弊端的初现，也出现结构性产能过剩的问题。国家宏观经济调控的重心已经从“需求侧”转向“供给侧”，化解产能过剩成为当前供给侧结构性改革的首要任务。全球经济进入后金融危机时代，战略性新兴产业以其引导性、创新性及渗透性，成为各国走向经济+本文系广东省自然科学基金(2015A0303135lO)、广州市哲学社会科学规划课题(2016GzzKD7)、广州国际金融研究院课题“金融支持广州战略新兴产业发展研究”(16GFR02802)、国
4、家社会科学基金重大项目(16ZDAl31)的阶段性成果。作者简介 汤萱，广州大学经济与统计学院副教授；谢梦园，广州大学经济与统计学院硕士研究生(广东广州，5l0006)。一89万方数据复苏的关键选择。随着中国制造2025规划的发布，新一代信息技术产业更以其蕴含的技术创新能力备受关注，国家的产业扶持政策也进一步向其倾斜，着力推动以云计算、大数据、物联网等新一代信息技术与制造业的融合创新。一方面，各级政府大力提倡发展战略性新兴产业，另一方面，在各级政府各类产业政策的支持下，战略性新兴产业的发展依然出现了产能过剩、市场有效需求不足、投资跟风、科研成果转化效率低等问题。中国战略性新兴产业产能过剩出现的
5、主要原因在于中央政府干预失效和地方政府干预过度的相互叠加。产能过剩及产业发展失衡成为当前战略性新兴产业发展亟待解决的关键问题，新一代信息技术产业因其战略地位和产业特征，享受较多的政策扶持，分析政府补助行为对该产业产能效率的影响对整体认识中国战略性新兴产业的发展尤为重要。然而，已有研究成果鲜有从产能效率的角度考虑政府补助对战略性新兴产业的影响，且对战略性新兴产业产能过剩问题的研究基本停留在理论分析和现状描述层面，较为缺乏实证研究。目前尚未有从政府补助行为的直接补助行为和间接补助行为视角出发，研究分析政府补助行为对战略性新兴产业产能效率的影响。近年来，各级政府财政部门积极发挥财政职能，加大资金扶持
6、力度，创新资金投入形式，对战略性新兴产业发展的财政支持投人力度相当大，战略性新兴产业的发展明显具有较强的政府主导色彩，但政府各种财政投入对战略性新兴产业的发展及产能效率的影响产生什么样的效应却没有介入研究，本文从战略性新兴产业的产能效率与政府补助行为之间的关系出发，并进一步考察直接政府补助与间接政府补助对战略性新兴产业产能效率影响的差异，有助于为政府有关部门制定有效的财政补助政策及发展战略性新兴产业提供有益的参考，具有重要的现实意义和参考价值。二、理论分析及研究假设(一)产能过剩及产能效率的界定产能表现为可变投入下所可能达到的最优、最大产出或潜在产出的能力，即成本最低产量和长期均衡中实际产量的
7、差别。现实中最简单直观的表现是供大于求即过剩，也有研究认为，在供给略大于需求及供给远远超过总需求的两种状态下，后一种才能界定为过剩。目前学术界对产能过剩尚未有一个权威的界定，大致有三种见解：其一，产能过剩是一个绝对总量。当现有生产能力、在建生产能力及拟生产能力的总和超过消费能力的总和就是产能过剩。其二，产能过剩是一个相对量。产能过剩与否，不能只看生产能力和可能的总给量，要在有效需求变量难以测定的情况下，既要进行绝对总量对比，更要考虑相对有效需求量。其三，产量过剩是一个结构性概念。同样的产能，质量及层次等级不同，对经济增长的影响也有所不同。产能过剩实质是由于实际产出低于生产能力水平导致的生产能力
8、过剩。产能效率是指在一定投入条件下企业希望获得最大化产出水平，其评价指标通常用产能利用率来衡量，表示生产能力利用程度的指标，以此反映产能过剩的程度。国内外学者在对产能效率进行研究时，通常将产能利用率即实际产出与产能产出的比值作为其替代变量，并进一步运用生产函数法、成本函数法、峰值法、数据包络分析法(DEA)、随机生产前沿分析(sPF)对其进行测度。其中，基于非参数估计的DEA方法，以其既无需对投入指标之间的函数表达式做出假定，也无需对投入产出产量进行无量纲化处理等的特性，获得了广泛应用。为此，本文亦沿用此定义并考虑到战略性新兴产业发展规模差异较大且处于发展期，进一步采用投人导向型DEABcc方
9、法，以技术效率值、规模效率值及规模效率变动情况为计算依据测度战略性新兴产业产能效率。通过政府补助行为对战略性新兴产业产能效率的影响的实证研究，能够更好地解释和应对产能过剩引发的社会经济问题。(二)政府补助行为与产能效率关于政府补助行为效应的研究，国外主要集中在政府补助对企业研发活动的双重效应，即“挤出效应”与“刺激效应”。“挤出效应”主张政府增加公共投资会挤出私人部门投资，主要表现为：其一，国家对R&D投入会“替代”私人对R&D的投人其二，这种替代是不成比例的，国家的投入所导致的“替代”大于投入本身。许多学者持有“挤出效应”的观点(Howe和Mcfe廿idge，1976；Lichtenberg
10、，1984；一90万方数据Na“和Mamuneas，1996；wallsten，2000)；【l】2】3【4也有学者持相反观点，认为政府补助对企业生产活动，尤其是研发有明显的促进作用，即“刺激效应”，也称作“杠杆效应”(c叩ron，1997；Jose，2003)；【5【q Jose(2003)总结了自20世纪60年代以来政府补助对私人部门研发活动效应的计量经济学研究成果，结论表明有23的文献认为政府补助会产生“挤出效应”，有513的文献认为政府补助会起到“刺激作用”，有257的文献认为结论不显著。由此可知，学者关于政府补助效应的研究结果仍然颇具争议。关于产能效率研究主要集中在以高新技术产业和战
11、略性新兴产业R&D活动为研究对象的产能过剩(陈志，2010；韩国高，2011；于会娟和韩立民，2013；姚晓芳等，2013；王辉等，2015；杨震宇，2016)。7】8】9】【10】【11战略性新兴产业产能过剩的研究主要集中在：一是以风能、太阳能光伏产业为代表的新能源产能过剩的研究，相关研究表明这些产业的过剩由一定的结构性过剩和体制性过剩构成，导致供需结构失衡和过度投资；二是海洋战略性新兴产业产能过剩的研究，相关研究从体制、政府行为、企业自身不同的角度分析产能过剩的成因。从研究方法上有利用DEA模型对战略性新兴产业R&D投入产出效率进行的研究，也有利用生产函数法及可变成本函数估算方法测度我国战
12、略性新兴产业产能利用率情况，如杨震宇(2016)得出我国战略性新兴产业整体产能利用率为6128，除了电子计算机制造业外，其余产业产能利用率都偏低的结论。产能效率与政府行为相关的研究聚焦在产能过剩与政府补助行为两者的关系上，且总体上认同政府补助对于产能过剩的正向影响，大多遵循“(地方)政府短期化行为导致对微观部门的不正当干预进而造成重复建设及过度投资导致引发产能过剩”的研究主线(耿强等，2011；王立国和鞠蕾，2012；王开科，2013；鲍金红，2013；余东华和吕逸楠，2015)。【13】14【”】16】【171研究从不同视角阐述了造成产能过剩的原因，战略性新兴产业的政策性补贴加大会加速形成产
13、能过剩；地方政府不正当干预会引发企业过度投资及企业成本外部化，进一步造成产能过剩；国有企业低成本扩张会造成体制性产能过剩；战略性新兴产业“阶梯式”发展过程中缺乏市场与政府调控的机制；光伏产业不仅呈现结构性产能过剩和体制性产能过剩，政府偏好于对战略性新兴产业进行不当干预，引致和加剧了光伏产业的产能过剩，对其内部各环节产能过剩的影响程度存在明显差异，光伏产业中政府干预程度越深的环节，产能过剩程度越严重。(三)研究假设新一代信息技术产业作为七大战略性新兴产业之一和我国重要的经济增长贡献领域，具有的产业特征和战略地位决定了政府补助行为对该产业发展过程中的支持主导地位，国家“十三五”规划和“中国制造20
14、25”行动纲领也进一步将新一代信息技术产业列为政府重点扶持对象。在中央政府不断出台相应鼓励政策和配套措施驱动下，各级地方政府高度重视，在财政分权下处于竞争地位的地方政府定会对具有获利潜力的新一代信息技术产业加以扶持，以提高本地方经济发展竞争能力。在政策环境持续利好的诱导下，不免也出现为了获得政府补助而迎合政策转向新一代信息技术的企业，事实上却并未将补助真正用于战略性新兴产业发展上，造成有效投人不足的情况。同时，基于地方政府官员职业晋升和经济利益的考虑，迎合中央政府政策，也会出现大力发展新一代信息技术产业的行为。国家和地方出台的各项扶持政策出现“竞争过度”和“激励扭曲”时，显现为政府不当干预微观
15、经济的行为，就会产生过度的“刺激效应”，并通过成本外部化效应、投资补贴效应和风险外部化效应扭曲企业的投资行为，进而导致企业过度投资、重复投资，出现效率低下的情况，不符合实际的产业发展。另一方面，由于政府补助行为的“挤出效应”客观存在，企业会因为政府资金的不断投入而产生路径依赖，再加上新一代信息技术产业创新活动的高风险和收益滞后等特征，企业缺乏自主投资的动力，企业投资的渠道和方向会发生变化，更倾向于投资与企业主要业务发展相关度不高，但收益高且投资回收期较短的投资项目上。同时，政府补助会降低企业的投入，政府投入的增加导致市场对研发等资源的需求增长，而由于短期内研发等资源供给缺乏弹性，资源价格的提高
16、促使部分企业将原计划用于企业核心业一91万方数据务发展的资金转用于其他用途，造成私人部门投入的不足，进而导致整体效率低下。不管是“刺激效应”，还是“挤出效应”，均会影响企业整体的产能产出。从长远看，都不利于产业的发展，也不利于政府补助目的的实现。据此，提出研究假设：H1：政府补助行为与新一代信息技术产业产能效率存在显著负相关关系。政府补助行为主要指中央和地方政府的政府补贴，企业从政府无偿获得的货币性资产或者非货币性资产，预示着接受政府补贴方从政府补助获取在市场中不可以获得的某种利益或价值。政府补助按照不同类型可划分为直接补助和间接补助，其中直接补助指政府给予支持特定领域开展研发活动的研发拨款、
17、奖励拨款或财政贴息、项目补助、上市奖励、投资等；间接补助是指政府对某些商品的出口给予财政上的优惠，主要包括退还或减免出口商品所缴纳的销售税、消费税、增值税、所得税等国内税。对进口原料或半制成品加工再出口给予暂时免税或退还已缴纳的进口税，免征出口税，对出口商品实行延期付税、减低运费、提供低息贷款、实行优惠汇率以及对企业开拓出口市场提供补贴等，主要目的是降低产品成本，以提高国际竞争力。从政府补贴实践来看，我国对包括新一代信息技术产业在内的战略性新兴产业主要采取政府项目补助、税收优惠、采购补助、奖励、投资等方式。其中，政府补助和税收优惠是最重要和最常用的两种方式，二者对战略性新兴产业产能效率的影响具
18、有差异性。一般而言，税收优惠具有较高的政策灵活性和较低的管理成本，也较少干预市场，从而对市场公平性影响较小，而非普惠性的财政补助直接作用于市场，影响企业间公平竞争，从而可能导致新的政府补助失灵产生。税收优惠和财政补助对企业产能效率影响的比较研究发现，税收优惠的效果优于财政补助。政府补助的不同方式对新一代信息技术产业产能效率的影响具有差异性。区别政府直接补贴和间接补贴两种方式，有利于政府部门应根据战略性新兴产业不同产业以及产业内的差异提供不同程度的政府补助方式以更好促进产业发展。据此，提出研究假设：H2：不同类型的政府补助行为对新一代信息技术产业产能效率的影响存在显著差异。三、研究设计与计量模型
19、(一)数据来源及样本选择本文采用微观计量的方式探究新一代信息技术产业上市公司产能效率与政府补助之间的关系，其中研发支出、研发人员、主营业务产品收入及政府补助等有关数据资料来自于上市公司年度报告手工收集整理；上市公司年度报告来自于中国证监会指定信息披露网站巨潮资讯网“r、硼，cninfocomcn)；专利数据则来自于中国及多国专利审查信息查询服务平台。根据“十二五”规划中新一代信息技术产业的概念界定，选取了201 12014年新一代信息技术产业概念板块128家上市公司为数据样本，包括下一代通信网络、物联网、三网融合、新型平板显示、高性能集成电路和高端软件，并进行如下筛选：(1)采用DEA方法进行
20、产能效率分析，运用DEAP2I软件须剔除。值和负值变量，故剔除了研发投入与专利数据为。或者缺失的样本；(2)部分企业上市时间短，造成数据缺失严重，故剔除了年报数据严重缺失的样本；(3)数据披露不完全，并难以补充缺失数据的样本。经过上述调整，最终得到73家具有完整数据的上市公司样本，样本点为292个。(二)产能效率DEABcc模型国外学者在投入产出效率分析上具有一定的开创性和拓展性。solow(1956)采用cobbDouglas生产函数首创了用技术进步因素解释经济增长的先河。181Grossman和Helpman(1989、1991a、1997)考虑了RD与经济增长的关系，对产品质量改进与经济
21、增长关系进行了开创性的研究；19】【20】【211Romer(1986)关注知识和技术的溢出效应及R&D的外部性与经济增长的关系；【221Nadri(1993)揭示了R&D活动的强外部性及R&D可以解释50的全要素生产率的增长。口如在投入产出效率分析中，DEA(数据包络分析)与sPF(随机生成前沿分析)是常运用的方法，在测定产能产出和产能利用率被广泛运用。根据产能效率定义，参考可变规模收益(VRs)下的Bcc模型，建立如下含有非阿基米德无穷小一92万方数据的投入导向的Bcc模型。具体分析如下：假定有N个决策单元(这里N为样本公司个数)，每个决策单元都有M项投入与s项产出。其中第j个决策单位的投
22、入向量为xj=(x。，xmj)To，产出向量为Yj=(Y。j，Ysj)To，o为相对效率，入j代表第j个决策单元投入和产出变量的权数，MN为投人矩阵，sN为产出矩阵，S一代表投入变量的松弛变量，S+则是产出的松弛变量。min良。p一占(s一+s+)甩S1九jXj+S一=eX、，=1乃巧一s+=K=1y五：1(三)投入主导型BCc模型下变量定义1产能投入考核变量。对于技术占比高的新一代信息技术产业来说，产能投入既要考虑固定资产的利用，更要考虑无形资产的有效利用。根据产能的界定以及研究对象的特征，本文选取固定资产净额(FA)、无形资产净额(IA)、营业成本(cost)作为产能投入的考核变量。其中，
23、固定资产和无形资产变量依据上市公司合并资产负债表中的“固定资产净额”、“无形资产净额”项目所披露的数据列示，营业成本变量则依据上市公司合并利润表中的“营业成本”项目所披露的数据列示。2产能产出考核变量。根据产能的内涵特征和对应产能投入的考核变量，将选取营业收人和申请专利作为产能产出的考核变量。当期已获得的产出产值是最直接、最有效的评价指标，在财务数据中具体体现为“营业收入”，故采用营业收入(Income)表示产出变量。研发活动在新一代信息技术产业占据核心地位，除了直接的产品产出，更需考虑研发活动产出的衡量，故选取每一期新申请专利数量(Patent)来衡量样本公司产能产出。(四)政府补助与战略性
24、新兴产业产能效率线性回归模型1。基本模型。模型以新一代信息技术产业上市公司的产能效率为被解释变量，以各个地区地方政府的干预行为为解释变量，分别从地方政府财政资助、国内贷款、国有控股企业比例、企业经济贡献率来定义解释变量，具体模型如下：CEit=pa七8 Lhdg讯agi?t七8声ode。七0#onJ七8囊eit七e?呱，=成+屈111如“+厦lni，z匆啦+屈sD如，+屈con“+屈如，+q其中，鼠为截距，e为扰动项。2模型中各变量释义。(1)被解释变量。产能效率(呸，)：代表样本i公司以第t年整体产能投入与产出为基本变量所得出的产能效率值，效率值由产能效率DEA分析得出。(2)解释变量。政府
25、补助总额(妇f珂如“)、政府直接补助(电“)与政府间接补助(f咒始)：在政府补助行为与产能效率关系模型中，既要对政府补助总额的被解释变量进行考察，也要将政府补助分解为直接政府补助和间接政府补助两方面进行分别考察，进一步验证研究假设。变量采用绝对值对数化的方法平滑数据，即表示为h以fn妇“、1Il始“与lnfn妇“。(3)控制变量。一93万方数据国有控股比例(sD沈“)：控股比例用来反映持有股股东对企业所持股份的比例和股东对企业的控制程度。国有控股比例衡量政府对战略陛新兴产业企业发展的控制程度。该变量采用样本企业国有法人持股比例数表示，即期末国有法人持股数量期末股份总数。企业经济贡献率(c彻印)
26、：经济贡献率可以综合反应新一代信息技术企业经营绩效和盈利能力，体现对产业及地区GDP的贡献程度。一般来说，较高的经济贡献率，体现了企业良好的经营运作，对政府提供补助的有效利用，以及较高的产能利用率。因此，预测该控制变量与其产能效率成正向相关的关系，其公式表达为=(利润总额+税金总额+利息支出)平均资产总额。地区研发程度(如啦)：地区研发程度代表地区研究与发展(R&D)水平，是该模型为准确测度样本企业产能效率与政府补助行为关系所引入的宏观变量。地区R&D水平不管是对微观企业还是整个地区的研发创新能力都有显著的正向影响，研发程度越高的地区越有利于新一代信息技术产业的发展，其投入转化成产出的效率可能
27、越高。变量采用研发投入宏观指数，即当年地区研究与试验发展经费支出占地区国内生产总值比例。四、实证检验结果与分析(一)描述性统计表1为运用statal40得到的变量描述性统计结果。由此可知，在产能效率分析的五个变量中，投入变量固定资产净额(F-A)、无形资产净额(IA)以及营业成本(cost)的平均数分别为26266、9106、173017，标准差分别为47060、18959、841112，表明不同决策单元在不同年份，其固定资产净额(FA)、无形资产净额(IA)及营业成本(cost)的投入存在一定的差异；产出变量方面，营业收入(Income)与新申请专利(Patem)平均数为210039与250
28、8，标准差分别为889853与3819，亦表明不同决策单元，营业收入(Income)与新申请专利(Patent)产出存在一定差异。在产能效率与政府补助相关性分析部分，被解释变量产能效率(CE)的平均数和标准差分别为047和027，意味着从总体上看，决策单元的产能效率更高，但不同决策单位的产能效率值的差异性更大。(二)产能效率结果分析表2为运用DEAP21软件运算得到的各样本企业的技术效率值(cE)、cE频数分布、规模效率值(SE)及规模效率变动情况(VE)的基本统计表。由表3可知，样本企业在201l一2014年的四个时问段内产能效率值整体偏低，产能效率平均值分别为0429、o469、0416、
29、0536；从效率值频率分布来看，效率值在o5以上的样本分别占总体样本的30。14、35。62、2877、4657，均低于50的比例，数据说明至少有一半以上的样本企业存在产能效率极低的情况。从频率分布上来看，20 14年之前的产能效率值的频率最高峰分布在020299区间范围，2014年的频率高峰值虽提高到040499范围，但效率依然不乐观；从规模收益的变动情况(VE)的分布来看，产能规模收益变动情况的频率的高峰值分布在规模收益递减阶段，四个时间段的规模收益递减占比分别达到了9041、8493、9041、表l 主要变量描述性统计变量名称 平均数 中位数 标准差 最小值 最大值FA(百万) 2626
30、6 13241 47060 273 397892IA(百万) 9106 53 18959 O01 225217Cost(百万) 173017 37690 841112 1168 7324987Income(百万) 210039 68722 889853 10053 7975160Patent(个) 2508 10 3819 100 26200CE O47 O388 O27 O124 1ode O09 O 017 0 O615C0n 007 O07 005 O 046de 0。03 002 0。02 O006 O0694万方数据表2 样本企业BCC模型下投入主导型产能效率统计表变量类型年份 20
31、11 2012 2013 2014平均值 O|429 O469 0416 0536中值 O317 O377 0309 O486技术效率(CE) 标准差 O275 O269 026l 0242最小值 O1“ O156 0137 0167最大值 1 l l l1O9巾999 6 6 5 11O8田899 2 3 l 0O7田799 3 2 5 4O6帕699 3 7 2 305帕599 3 4 4 9CE频数分布O4巾499 5 4 4 7O3叼399 5 7 8 17O2帕299 ll 13 9 15O1帕199 18 18 23 6O_o099 17 9 12 1规模效率(SE) 中值 0。5
32、07 O654 052l O7“标准差 O246 O245 O-228 O19l最小值 O175 0232 O216 O27l最大值 l 1 1 1变动情况(vE) 递增 l 5 2 2不变 6 6 5 11递减 66 62 66 608219，规模效率递增所代表在生产要素按照同一百分比发生改变时，产出水平会以更小的百分比发生改变。此时较大的投入并不能带来同等或者更多的产出，企业的产出水平有限，面临着产能过剩的危险。(三)产能效率与政府补助回归结果分析表3为运用statal40获得的产能效率与政府补助总额，以及由政府补助进一步分类为政府直接补助(以)和政府间接补助(in电)的实证结果。在进行回
33、归之前，亦利用statal40对模型设定的合理性进行了Hausman检验，检验结果显示，模型34对应的F统计量F(5，237)=690对应的P值为表3 产能效率与政府直接补助、间接补助回归结果预期符号 CE CEO0168+1n电in电 (一135)003964+ln起 (一281)O00235Inin屯 (022)O283+ 0429$sode 未定(317) (407)1225+ 10364COn +(4-35) (331)0459 O875de +(O47) (086)0622+ O929+常数项(296) (389)N 292 243R2 O0750 O0953P 00000 0000
34、0注：括号里的是t值；表示在5水平上显著；+表示在1水平上显著；+表示在01水平上显著；拟合优度为调整后的R2。一95万方数据(ProbF)=00000，模型35对应的F统计量F(5，237)=610对应的P值为(ProbF)=00000，两个P值均小于01，说明回归模型总体设计合理，进行回归分析有意义。从回归结果可以发现，政府直接补助(1ndg)的回归系数为一00396，在1的水平上显著为负，表明政府直接补助(1n船)与企业产能效率(cE)之间存在显著负相关关系，政府直接补助(1n电)每变动1，企业产能效率(cE)就随之反向变动00396。但是，政府间接补助(1nindg)的回归系数为000
35、235，表明政府间接补助(1nindg)对企业产能效率(CE)具有正向影响，这与预期的假设存在差异，但该影响在任何常见显著性水平上都不显著，总体上来看，政府补助对企业产能效率还是存在显著的负向影响，其回归系数为一o0168，在5的水平上显著，表明政府补助行为在一定程度上会削弱企业的产能效率，总体上验证了假设H1。同时，政府直接补助和政府间接补助对企业产能效率影响的显著差异，验证了假设H2。控制变量国有控股比例(sode)与企业经济贡献率(con)对企业的产能效率(cE)存在显著正向的影响；地区研发程度(de)与企业的产能效率(CE)呈具有正向影响但不具有显著性。五、结论及政策启示本文采用201
36、12014年新一代信息技术上市公司的微观数据，结合产能效率DEA分析法与回归分析法，分析了政府补助行为对新一代信息技术产业产能效率的影响。研究结果表明，政府补助确实与新一代信息技术上市公司的产能效率存在负相关关系，其中政府直接补助对产能效率的影响显著为负。但是，政府直接补助与间接补助对产能效率的影响存在显著差异。政府间接补助与产能效率呈正相关关系，但不具有显著性。究其原因，可从两种类型的政府补助的不同性质进行分析。政府直接补助对接企业的研发活动，主要表现为地方政府对企业研发项目的直接财政拨款及资金奖励，政府间接补助表现为企业享有的各项税收优惠，包括增值税退税、出口退税、纳税奖励等，研发活动并非
37、其受益的直接对象，即该部分补助资金并不能有效地影响到企业的研发活动，也就可能导致了结果所出现的不显著的影响。研究结果总体上支持政府补助与新一代信息技术类企业产能效率负相关的研究假说，故政府应从以下几方面进行改进。第一，减少政府部门微观领域不正当的干预。战略性新兴产业的技术特点以及其战略地位，决定了政府干预的可能性和必要性。政府应该更多地在宏观经济领域推动产业协同发展，形成良生的政策传导机制，积极预防地方政府在政治晋升和经济利益驱动下进行的短期化行为，过度干预产业类企业的发展，盲目进行政府补助；同时，有针对性地进行研发扶持，提高对新一代信息技术产业基础性研发和前沿技术领域的扶持力度，选择重点领域
38、和重点发展企业进行研发补助。第二，提高政府补助行为的有效性。一方面，政府补助行为应采取更为有效的投入方式，保障战略性新兴产业发展初期的各项资源充足，引导新一代信息产业研发走向创新发展的轨道上；战略性新兴产业步入成熟期，政府补助逐渐退出对产业的扶持后，仍然能够保持依靠自身力量健康发展的能力。另一方面，注重不同类型的政府补贴对研发活动的影响，合理配置财政直接补助，提高直接补助的有效性；针对新一代新兴产业的特点，研究完善鼓励创新、引导投资和消费的税收支持政策及完善税收激励政策。第三，充分发挥抑制产能过剩的市场机制作用。产业补贴政策应当以维护市场竞争增进市场机能与扩展市场范围作为主要目标，推动体制改革
39、和不断完善市场机制的方式，健全和完善市场制度，调整中央与地方之间的利益分配机制，杜绝地方政府提供低价的补贴行为，充分发挥市场的作用，积极拓展扩展市场发挥作用的领域，进而推动战略性新兴产业与国民经济的健康发展。第四，规制与政府补助并行。政府在进行对战略性新兴产业补助行为的同时，要加强对补助对象的规制。在相关监管机构中设置政府补助使用监督的专门职能部门，同时完善惩罚机制，促进更多的企业将政府补贴投入到有关战略眭新兴产业发展的活动中。一96万方数据参考文献】【1】Howe，JD，Donald GMcF甜dge，“The Dete珊inants of R&D EXpe劬t11res”，砌删砌砌聊耐矿屁
40、绷聊枷，V019，no1，1976，pp57-712】Lichtenberg，FR，“The Effect of Govemment Funding on PriVate Industrial Research and DeVelopment：AReAssessment”，7)缸P砌蹦蒯q，扫砌r力耐Z0口聊胁，v0136，no1， 1987，pp97-1043Na“，and Ishaq M，“111llovation a11d SpilloversI，NBER Wb越ng P印ers，no4423，19934】Wallsten，and Scott J，“The Effects of Gove
41、mmecIndustq R&D Programs on Private R&D：Tk Case of the S眦UBusinessI肿oVationResearchPro伊am”，7加尼聊如z，聊d，它朋老删而，V0131，no1，2000，pp82-1005Capron，Henri，and BVan Pottelsberghe De La Potterie，“Public Support t0 Business R&D：A Survey and Some NewQuantitativeEvidence”，尸b劬正V盘西“砌刀加西黝fz幻疗霸杉z邑锄D应t毋旷，oECD，1997，pp。17
42、l1886GarciaQuevedo，Jos6， “Do Public Subsidies Complemem Business R&D?A MetaAnalysis of the EconometricEvidence”，塘矗艚，v0157，no1，2004，pp87102【7陈志：新兴产业产能过剩了吗?，经济研究参考20lO年第28期。8】韩国高、高铁梅、王立国、齐鹰飞、王晓妹：中国制造业产能过剩的测度、波动及成因研究，经济研究2011年第2期。【9于会娟、韩立民：海洋战略性新兴产业结构性产能过剩：表现、成因及对策，理论学刊20】3年第3期。10】姚晓芳、李晓敏、龙丹：合肥市战略性新兴产业
43、研发投入与产出现状及效率分析，科技进步与对策2013年第2期。11王辉、张月友：战略性新兴产业存在产能过剩吗?以中国光伏产业为例，产业经济评论2015年第1期。12】杨震宇：我国战略性新兴产业产能过剩程度的测度，管理现代化2016年第2期。13耿强、江飞涛、傅坦：政策性补贴、产能过剩与中国的经济波动引入产能利用率RBc模型的实证检验，中国工业经济2011年第5期。【14】王立国、鞠蕾：地方政府干预、企业过度投资与产能过剩：26个行业样本，产业经济2012年第12期。15王开科：我国战略性新兴产业“阶梯式”发展路径选择，经济学家2013年第6期。16】鲍金红、胡璇：我国现阶段的市场失灵及其与政府
44、干预的关系研究，技术经济与管理研究2013年第7期。【17】余东华、吕逸楠：政府不当干预与战略性新兴产能迹剩，中国工业经济2叭5年第10期。1 8s010 w，a11d Robert M，“A Contribution to me Theory of Economic Growth”，7玩9例嘶砌蒯2n毙翮应慧，v0170，n01，1956，pp659419Gmssmall，Gene M，and Elhanan Helpman，“Product Devel叩ment and IntemationaI Trade”，办印聊q吲研删屁册口删，v0197，no6，1989，pp1261128320】
45、Grossman，Gene M，and ElhaIlall Helpmall，扬御懈加盯饼锄帕加砌劬励及珊册!y，MA：MIT press，199la21Grossman，Gene Mand E1hanan Helpman，“Quality Ladders in the Theory of Growth”，船眈矿如口刀硎詹劢砌西，v0158，no193，1997，pp4361221 Romer，andPaulM，“IncreasingRet嘲sandLon争RunGro吼h”，黜乃删纱而玩妇，点幻加厅纱，V0194，no5，1986，pp1002一103723】Na血，and Ishaq M， “I皿ovation and Spillovers”，NBER Woddng P印er 4223， l 993责任编辑：张超一97万方数据