近些年,科技創(chuàng)新一直是被關(guān)注的熱點(diǎn),在黨的十九大報(bào)告中闡述道“創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力,是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐”。而一個(gè)國(guó)家科技創(chuàng)新的主體是企業(yè),企業(yè)實(shí)現(xiàn)創(chuàng)新的基礎(chǔ)無(wú)疑就是研發(fā)投入（R&D）。地方政府為了激勵(lì)當(dāng)?shù)仄髽I(yè)進(jìn)行研發(fā)投入,以稅收優(yōu)惠或財(cái)政轉(zhuǎn)移等政府補(bǔ)助的方式將資金轉(zhuǎn)移給了市場(chǎng)當(dāng)中具有創(chuàng)新潛力的企業(yè),這種以財(cái)政轉(zhuǎn)移支付的方式影響企業(yè)的投資、生產(chǎn)、融資與研發(fā)等行為在A股以往的20年中一直存在。根據(jù)中國(guó)上市公司研究院聯(lián)合發(fā)布的數(shù)據(jù)顯示,2018年政府補(bǔ)助相關(guān)年報(bào)數(shù)據(jù)披露中A股公司政府補(bǔ)助合計(jì)1527.38億元,較上年增加200多億元,共3487家上市公司獲政府補(bǔ)助,占A股上市公司總數(shù)的97.76%,而政府補(bǔ)助與企業(yè)的研發(fā)創(chuàng)新活動(dòng)息息相關(guān)�；谏鲜霰尘�,本文在文獻(xiàn)綜述及理論機(jī)理分析的基礎(chǔ)上,利用中國(guó)制造業(yè)上市公司為研究對(duì)象,研究方向?yàn)檎a(bǔ)助的強(qiáng)度和企業(yè)的研發(fā)投入在異質(zhì)性下有何關(guān)系,采用廣義傾向得分匹配（GPSM）考察了企業(yè)所有權(quán)不同和所處行業(yè)不同的情況下政府補(bǔ)助強(qiáng)度對(duì)企業(yè)研發(fā)投入作用的“適度區(qū)間”。另利用空間計(jì)量模型,分析在企業(yè)層面政府補(bǔ)助與企業(yè)研發(fā)投入在空間上的關(guān)系... 

【文章來(lái)源】：浙江工商大學(xué)浙江省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文研究框架

企業(yè)異質(zhì)性下政府補(bǔ)助與其研發(fā)投入的關(guān)系研究23企業(yè)獲得更多的政府補(bǔ)助金額。在第二步的回歸模型中，以企業(yè)研發(fā)投入強(qiáng)度為處理變量，以政府補(bǔ)助強(qiáng)度T額一次項(xiàng)和政府補(bǔ)助強(qiáng)度的二次項(xiàng)T^2為核心解釋變量，將上一步估計(jì)出的廣義傾向得分值G的一次項(xiàng)和二次項(xiàng)作為控制變量，并加入了政府補(bǔ)助強(qiáng)度和廣義傾向得分值的交互項(xiàng)進(jìn)行回歸分析。在估計(jì)中，由于該廣義傾向得分法模型（GPSM）控制了其他匹配變量的差異，根據(jù)不同的控制變量進(jìn)行得分匹配得到一組得分值G，該G值的存在使得第二步回歸模型中企業(yè)研發(fā)投入的增加或減少是由政府補(bǔ)助強(qiáng)度T引起的。從第二步的回歸結(jié)果中得到控制變量G對(duì)企業(yè)研發(fā)投入的影響不顯著而政府補(bǔ)助強(qiáng)度T的估計(jì)系數(shù)為正且在1%的水平下顯著，二次項(xiàng)系數(shù)T^2的估計(jì)系數(shù)為負(fù)且在1%的水平下顯著，即在一定強(qiáng)度的政府補(bǔ)貼下，企業(yè)的研發(fā)投入隨著政府補(bǔ)助強(qiáng)度的增加而增加，但過(guò)高的政府補(bǔ)助強(qiáng)度會(huì)抑制企業(yè)的研發(fā)投入，這一結(jié)果表明政府補(bǔ)助對(duì)企業(yè)研發(fā)投入的促進(jìn)作用存在“適度區(qū)間”，假設(shè)1成立。本文根據(jù)連續(xù)型處理變量政府補(bǔ)助強(qiáng)度的取值區(qū)間[0，1]，以0.01為步長(zhǎng)，將政府補(bǔ)助強(qiáng)度劃分為100個(gè)子區(qū)間，即選擇t=0.01，0.02，…，0.99，1.00共100個(gè)處理強(qiáng)度值，得到劑量-反應(yīng)函數(shù)。利用廣義傾向得分法第二步得到的回歸系數(shù)，計(jì)算出每個(gè)子區(qū)間對(duì)應(yīng)的政府補(bǔ)助強(qiáng)度和企業(yè)研發(fā)投入的平均處理效應(yīng)，即每一個(gè)政府補(bǔ)助強(qiáng)度區(qū)間所對(duì)應(yīng)的平均企業(yè)研發(fā)投入強(qiáng)度，進(jìn)而通過(guò)對(duì)各區(qū)間的平均企業(yè)研發(fā)投入強(qiáng)度大小的對(duì)比，刻畫出政府補(bǔ)助強(qiáng)度對(duì)企業(yè)研發(fā)投入的影響效果。另外平均處理效應(yīng)的標(biāo)準(zhǔn)誤利用bootstrap（100）即自舉抽樣100次保證參數(shù)估計(jì)值的相對(duì)誤差不大于5%，具體如圖3-1所示。圖3-1全體企業(yè)政府補(bǔ)助強(qiáng)度與企業(yè)研發(fā)投入的劑量反應(yīng)函數(shù)圖

企業(yè)異質(zhì)性下政府補(bǔ)助與其研發(fā)投入的關(guān)系研究26在廣義傾向得分匹配法模型估計(jì)第一步可以得到，對(duì)于國(guó)有企業(yè)，其企業(yè)規(guī)模、現(xiàn)金持有量和股權(quán)集中度對(duì)政府補(bǔ)助有顯著影響，企業(yè)規(guī)模的估計(jì)系數(shù)顯著為負(fù)，現(xiàn)金持有量和股權(quán)集中度的估計(jì)系數(shù)顯著為正，說(shuō)明政府對(duì)小規(guī)模的企業(yè)補(bǔ)助較多，偏向于股權(quán)集中度高和現(xiàn)金持有量多的企業(yè)；對(duì)于非國(guó)有企業(yè)，政府補(bǔ)助強(qiáng)度與企業(yè)年齡、企業(yè)成長(zhǎng)性、企業(yè)規(guī)模和現(xiàn)金持有量的估計(jì)系數(shù)顯著為負(fù)，與企業(yè)的固定資產(chǎn)占比、股權(quán)集中度及薪酬激勵(lì)的估計(jì)系數(shù)顯著為正，即政府偏向于對(duì)固定資產(chǎn)占比較高，股權(quán)集中度較集中和薪酬激勵(lì)較強(qiáng)的非國(guó)有企業(yè)進(jìn)行財(cái)政補(bǔ)助。國(guó)有企業(yè)與非國(guó)有企業(yè)在估計(jì)系數(shù)正負(fù)相反且均通過(guò)了10%水平上的顯著變量是企業(yè)的現(xiàn)金持有量，國(guó)有企業(yè)現(xiàn)金持有量越多獲取的政府補(bǔ)助越多，而非國(guó)有企業(yè)現(xiàn)金持有量越多獲取的政府補(bǔ)助強(qiáng)度越低。圖3-2國(guó)有企業(yè)和非國(guó)有企業(yè)的相關(guān)劑量反應(yīng)函數(shù)圖從GPS模型估計(jì)第二步結(jié)果得到，不管是國(guó)有還是非國(guó)有企業(yè)，在1%的顯著性水平下，政府補(bǔ)助強(qiáng)度的一次項(xiàng)T估計(jì)系數(shù)為正，二次項(xiàng)T^2估計(jì)系數(shù)為負(fù)，說(shuō)明政府補(bǔ)助強(qiáng)度對(duì)企業(yè)研發(fā)投入的作用具有“適度區(qū)間”。最后，分別對(duì)國(guó)有企業(yè)與非國(guó)有企業(yè)進(jìn)行劑量反應(yīng)函數(shù)分析，如圖3-2所示。從劑量反應(yīng)函數(shù)圖中紅線部分可以看出，對(duì)于國(guó)有企業(yè)來(lái)說(shuō)，政府補(bǔ)助強(qiáng)度的適度區(qū)間為0.4~0.5，相應(yīng)的國(guó)有企業(yè)政府補(bǔ)助最大值為3.68%，則政府補(bǔ)助的適度強(qiáng)度為

【參考文獻(xiàn)】：
期刊論文
[1]政府補(bǔ)助對(duì)企業(yè)自主創(chuàng)新的影響研究——基于企業(yè)生命周期視角[J]. 朱永明,趙程程,趙健,賈明娥.  工業(yè)技術(shù)經(jīng)濟(jì). 2018(11)
[2]企業(yè)異質(zhì)性、政府補(bǔ)助與R&D投資[J]. 任海云,聶景春.  科研管理. 2018(06)
[3]政府補(bǔ)助對(duì)企業(yè)研發(fā)投入與績(jī)效的影響——基于生物醫(yī)藥制造業(yè)的實(shí)證研究[J]. 曹陽(yáng),易其其.  科技管理研究. 2018(01)
[4]政府補(bǔ)貼對(duì)企業(yè)R&D投資周期性的影響研究——基于融資約束視角[J]. 成力為,朱孟磊,李翹楚.  科學(xué)學(xué)研究. 2017(08)
[5]The Relationship between Government Subsidies and Research & Development Investment of Chinese Agricultural Listed Companies[J]. Xiaomin HAO,Chengxing MAO.  Asian Agricultural Research. 2017(07)
[6]研發(fā)投入異質(zhì)性與區(qū)域技術(shù)創(chuàng)新溢出效應(yīng)[J]. 呂新軍,代春霞.  經(jīng)濟(jì)經(jīng)緯. 2017(04)
[7]R&D資助、企業(yè)創(chuàng)新和技術(shù)進(jìn)步——基于國(guó)有企業(yè)與民營(yíng)企業(yè)對(duì)比的實(shí)證研究[J]. 欒強(qiáng),羅守貴.  科學(xué)學(xué)研究. 2017(04)
[8]財(cái)稅激勵(lì)政策對(duì)高新技術(shù)企業(yè)研發(fā)投入影響效應(yīng)分析——基于廣義傾向得分法的實(shí)證研究[J]. 馬玉琪,扈瑞鵬,趙彥云.  中國(guó)科技論壇. 2017(02)
[9]政府補(bǔ)貼對(duì)企業(yè)研發(fā)投入的影響——基于中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)的門檻分析[J]. 張輝,劉佳穎,何宗輝.  經(jīng)濟(jì)學(xué)動(dòng)態(tài). 2016(12)
[10]政府補(bǔ)助、研發(fā)投入與信息技術(shù)企業(yè)價(jià)值研究[J]. 王維,吳佳穎,章品鋒.  科技進(jìn)步與對(duì)策. 2016(22)

博士論文
[1]研發(fā)補(bǔ)貼的區(qū)域競(jìng)爭(zhēng)對(duì)企業(yè)創(chuàng)新影響研究[D]. 李世奇.上海社會(huì)科學(xué)院 2018

碩士論文
[1]政府補(bǔ)貼、生命周期與企業(yè)創(chuàng)新績(jī)效[D]. 齊云龍.暨南大學(xué) 2018
[2]生命周期視角下政府補(bǔ)助對(duì)企業(yè)研發(fā)投入的影響研究[D]. 李月娥.遼寧大學(xué) 2017



本文編號(hào)：3070949