——来自韩国中小企业的证据

推文人 | 孙秀丽

原文信息：Cin, B. C., Kim, Y. J., & Vonortas, N. S. (2017). The impact of public R&D subsidy on small firm productivity: evidence from Korean SMEs. Small Business Economics, 48(2), 345-360.

 

一、研究背景

 

经济的增长依赖于创新以及为了提高产品和生产过程的新知识的应用。R&D投入被认为是提高技术水平和经济增长的最重要因素之一，这对于发展中国家和发达国家来说都很重要。如果没有政府干预，由于外部性或知识的溢出性，R&D投资的社会收益会超过其私人收益，由此导致R&D投资率是社会次优的。科技企业的不确定性以及缺少应对这种不确定性的保险进一步导致私人R&D投资低于社会最优水平。政府R&D补贴存在的最重要的理由就是可以纠正市场失灵，即通过减少企业R&D成本来提高其他的积极性。在长达半个世纪的时间里，很多的实证文献研究了政府R&D补贴，私人R&D投资以及企业绩效之间的关系。这些研究并没有得到一致的结论。对于R&D补贴到底是促进了企业R&D投资，还是对企业R&D有挤出作用，还远没有统一的结论。

 

二、研究方法

 

 

David et al. (2000) 认为之前的研究都会受到选择性偏误的影响。申请政府R&D补助以及受到补助都不是随机的，因此简单的OLS会带来选择性偏误。也就是说，受到补贴的企业其实是被政策制定者选择出来的，因为这些企业更可能会成功的进行创新活动，因此这个选择过程遵从的是”挑选优胜者(picking the winners)“的方式。从企业的角度来说，只有已经成功进行R&D活动的企业才可能会申请R&D补贴。忽略这种自我选择机制可能会使得结果产生偏误，由此而得到的政策建议也会不可靠。选择性偏误反映了对反事实信息的缺乏：如果没有政府补贴项目，会怎么样。除了选择性偏误，企业的R&D投资还可能跟受到补贴的概率具有同步性，而这又会转而会受到决定企业是否决定申请补贴的因素的影响。为了控制这种同步性以及选择性偏误，本文同时用了DID法以及两阶段Tobit/Logit-GMM法。

 

当企业包含了滞后的被解释变量时，对于小的T大的N型的面板数据来说，由于滞后的被解释变量可能会与随机扰动项相关，固定效应模型（FE）和随机效应(RE) GLS估计量都可能会有偏误且不一致(Arellano, 2003)。这样，即使没有任何的内生性以及反事实的问题，传统的面板数据估计方法，如FE和RE仍然会产生偏误。解决这个问题的方法是用 Anderson and Hsiao (1980)的方法，即排除个体效应，并用被解释变量的滞后项作为工具变量来估计一阶差分模型。作为Anderson and Hsiao估计量的拓展，Arellano and Bond (1991)提出用GMM的方法。进一步的，Arellano and Bover (1995)和Blundell and Bond (1998) 提出另外一种动态面板的方法，即系统GMM，这种方法采用GMM估计法所没有利用的额外的非线性的矩约束。Blundell and Bond (2000) 认为系统GMM估计量可以克服动态面板GMM的很多问题。在本文中，作者用系统GMM来估计动态劳动生产率模型。

 

为了控制企业R&D和政府R&D补贴的可能的内生性，本文用了两阶段的RE估计方法。在第一阶段，将企业R&D投资和企业是否被资助作为被解释变量，工具变量（如滞后的总销售量的自然对数）和外生变量作为解释变量做面板数据回归。第二步，用第一步估计得到的两个被解释变量的拟合值来代替企业的R&D以及补贴的哑变量，重新估计劳动生产率模型。

 

但如果忽略了R&D投资的删截（censored ）分布性，结果也有可能会是有偏的。本文用Tobit-RE估计法来解决这个问题：在第一阶段，用同样的IV来做企业R&D支出的Tobit回归，而非RE回归，第二阶段，仍然用RE回归，即使包含有滞后的被解释变量作为解释变量。但这个结果仍然可能是有偏误的，因为滞后被解释变量可能是内生的。当模型中包含滞后被解释变量时，随机效应(RE) GLS估计量可能是内生的，因为企业的固定效应可能与随机扰动项相关(Arellano, 2003)。因此，即使考虑到了内生性以及反事实结果的问题，传统的面板估计方法，如FE和RE仍然可能产生有偏的估计量。为了解决这个问题，作者用Arellano and Bond (1991)提出的GMM法，以及Arellano and Bover (1995) 和Blundell and Bond (1998, 2000)提出的系统GMM法。为了控制内生性，作者用了两阶段Tobit/logit-GMM 以及Tobit/Logit-系统GMM。更确切的说，本文在第一阶段用Tobit模型来估计企业R&D以及用Logit模型来估计受到补贴与否，在第二阶段估计劳动生产率时用GMM或者系统GMM。

 

结果：政府补贴可以通过刺激私人R&D投资来间接地提高劳动生产率。这种间接作用是通过政府分担成本以及R&D投资的风险而实现的。

 

Abstract

 

Abstract: This paper explores the effects of R&D promotion policy on SME performance. We use a large panel data set on public R&D subsidies to Korean manufacturing firms. We control for counter- factual outcomes employing the DID (difference in differences) estimation procedure as well as for the endogeneity of the R&D investment and the R&D subsidy using the 2-stage Tobit/Logit DPD (dynamic panel data) procedure. We find significant evidence for positive effects of the public R&D subsidy on both the R&D expenditure and the value added productivity of Korean manufacturing SMEs. The policy thus appears to have been successful in fostering technological advancement and in promoting economic growth.