创业板市场的环境构建分析论文

摘要：文章通过考察企业研发投入强度和股权激励强度，构建了兼顾企业短期和长期创新投入强度的二维分析模型，并以此对2014及2015年度公布上述两个指标的5180家新三板挂牌企业进行了分析，以期发现新三板挂牌企业创新投入与股权激励的情况及区域分布结构。下面是小编为大家整理的《创业板市场的环境构建分析论文 (精选3篇)》相关资料，欢迎阅读！

创业板市场的环境构建分析论文 篇1：

基于因子分析法的制造业企业盈利状况评价研究*

【摘要】 文章从盈利状况评价的理论入手，在分析盈利状况特征的基础上，从反映盈利状况特征的获利性、现金保障性、持续性和成长性四个方面设计与选取具有代表性的财务指标，构建制造业上市公司多指标盈利状况综合评价体系；同时选用能客观赋权的因子分析法建立评价模型并利用模型对江苏制造业上市公司2012年的盈利状况进行了分析评价；最后，根据实证分析结果提出了有关建议。

【关键词】 制造业企业； 盈利状况； 因子分析法

一、问题的提出

近年来，受经济不景气的影响，不论是发展中国家还是发达国家，都受到不小的冲击。上市公司爆出的重大财务造假丑闻，也向业界敲响了警钟。企业的管理者、投资人及政府有关部门都高度关注企业的盈利状况，其中有待思考与解决的问题是如何根据会计报表和财务指标来准确评价企业的盈利状况。

制造业是我国国民经济的重要支柱。近年来，我国制造业在保持稳步增长态势的同时，在证券市场上也获得了很大的发展，受到市场人士和广大投资者越来越多的关注。在当前经济背景下，制造业上市公司面临着市场销售困难，生产成本居高不下的局面，在国内上市公司盈利状况普遍不佳的情况下，制造业上市公司真实的盈利水平到底如何呢？本文认为解答以上问题，研究评价我国制造业上市公司的盈利状况有着重要的现实意义。一方面，可以帮助企业外部信息使用者进行科学的决策；帮助企业内部管理层找出并分析自身发展中存在的问题，提高对公司盈利的管理能力，从盈利角度避免企业陷入经营困境。另一方面，也有利于政府监管部门认清区域制造业的产业盈利状况，以便制定一些必要的政策来促进地方经济的发展。

从国内理论界来看，目前有关我国证券市场中制造业上市公司盈利状况的系统研究尚不多见。曹燕（2011）以我国家电制造业14家上市公司2009年年报数据为基础，对其盈利能力展开研究，盈利能力分析采用了对上市公司的6个盈利能力指标进行单变量比较分析的方法。黄世英、秦学志（2010）依据我国上市公司的数据利用统计方法计算了7项获利能力指标的最大值、最小值、均值和方差，对制造业盈利能力的各项指标进行特征分析；将制造业与其他行业2005年至2008年的均值进行整体对比分析，分析制造业和其他行业之间盈利能力指标的差异和特点。因此在评价制造业盈利状况方面，一般都是从获利能力这一角度对其进行行业或企业间比较研究，评价缺乏系统性和整体性，个别综合研究其指标选择也不够科学。本文认为对制造业上市公司盈利状况的研究应囊括盈利状况评价的多个特征，结合制造业行业上市公司的自身特点，构建合理的多指标盈利状况评价体系和评价模型，以求客观、全面地反映它们真实的收益状况；同时对评价结果进行分析，以期更好地为利益相关者进行科学决策服务。

二、盈利状况评价的理论基础

盈利状况评价应从“量”和“质”两方面进行，也就是说，盈利应具有“量”和“质”两方面的特性，具体包括盈利的获利性、现金保障性、持续性和成长性等四个方面。

（一）获利性

获利性是从数量方面考察企业的盈利。获利性分析主要集中在经营成果和资产利用效率之间的关系，主要衡量企业运用自身资源所获经营成效的状况。

（二）现金保障性

获利性指标是以权责发生制为基础的，当盈利伴随着越充分的净现金流入，盈利的收现性就越强，则盈利的质量就越高；反之，则越低。

（三）持续性

盈利中既包含经常性项目带来的盈利，又包含非经常性项目带来的盈利，不同的盈利构成项目对预测企业未来现金流量具有不同的含义。主营业务给企业带来的盈利是企业的核心收益来源，具有持续性、稳定性和可预见性特点，能够真实体现企业的获利能力、经营状况和发展潜力。如果企业的主业盈利忽高忽低，则表明企业的盈利质量不高。

（四）成长性

盈利的成长性主要是企业通过自身的生产经营活动，使销售收入和利润不断增长。一个盈利成长性强的公司，能够不断为股东创造财富，能够不断增加企业价值。而对于潜在的投资者来说，则会选择成长性强的企业进行投资。

三、制造业上市公司盈利状况评价模型设计

（一）盈利状况评价指标体系的设计

目前，研究上市公司盈利状况的指标各式各样，仅仅通过获利能力指标来评价盈利状况是片面和不科学的。本文认为要真实地评价上市公司的盈利状况，应从“量”和“质”两方面进行，即从获利性、现金保障性、持续性和成长性这四个方面来设计和选取评价指标。根据这一思路，本文初步设计的评价指标共20个，见表1。

（二）上市公司盈利状况评价模型构建方法

前面根据盈利状况评价的要求，构建了盈利状况评价指标体系，体系中各个指标是从不同的角度评测企业的盈利状况，综合考虑多个指标进行定量分析在实务操作中的难点是无法合理确定各个指标的权重；另外，事先确定各评价指标权数，会让企业追求权数相对较高的指标，使评价结果失去准确性。因此采用何种方法来确定指标权数成为评价企业盈利状况的关键问题之一。目前权数确定的方法有专家意见法、主成分分析法、因子分析法和模糊分析法等，结合盈利状况评价的特点，本文认为根据方差贡献率客观赋权的因子分析法是最恰当的建模方法。该方法通过对原始变量进行重构，提取一定数量能全面反映盈利状况的因子，构建盈利状况综合评价模型，且该法对因子还具有命名解释性，有利于分析问题、解决问题。

四、基于因子分析法的江苏制造业上市公司盈利状况实证分析

（一）研究样本、数据来源、预处理及评价指标的确定

处于长三角的江苏省是我国重要的制造业基地。本文选取江苏制造业上市公司作为研究对象，详细说明运用因子分析法进行制造业上市公司盈利状况分析的过程。2013年9月底，江苏在上海、深圳两地A股及创业板市场上共有167家正常上市的制造业企业，根据前面初步选择的20个财务指标，本文先从锐思金融研究数据库中直接查找样本企业2012年对应的指标数据，有5家公司数据严重不全，所以本文将其剔除，个别数据不全的公司，通过新浪财经查找其年度财务报表计算指标值后将数据补全。这里所有指标都是正向指标，所以只需对指标进行无量纲化。采用因子分析法构建评价模型，本文发现部分指标的共同度小于0.5，KMO值为0.486，且不易解释，所以最终选取了资产报酬率、净资产收益率（加权）、资产净利率、投入资本回报率、销售净利率、每股收益、营业收入现金含量、经营活动净收益／利润总额、扣除非经常损益后的净利润／净利润、经营活动现金流量净额增长率、每股经营活动现金流量增长率共11个指标。

（二）江苏制造业各上市公司盈利状况分析

1.因子分析法的适用性分析

一组变量是否适合采用因子分析法，主要与变量之间的相关性有关。Bartlett球形检验可用来检验变量之间是否具有显著的相关关系，显著的球形检验表明变量适合采用因子分析。另外，还可以通过检验净相关矩阵的方法进行判断。取样适切性量数（MSA）为所有相关系数与净相关系数之比，MSA值越大表明变量之间的相关性越高，越适合进行因子分析。各观测变量MSA的平均数称为KMO统计量，KMO越大表明变量越适合进行因子分析。根据学者Kaiser（1974）的观点：如果KMO值小于0.5，则不宜进行因子分析；大于0.6时，适合进行因子分析。KMO值越大，越适合作因子分析。据此本文对评价指标数据进行了KMO和Bartlett球形检验：KMO统计量的值为0.705，Bartlett球形检验的近似卡方值为2 594.897，达到0.05的显著性水平。综合KMO统计量和Bartlett球形检验，不难发现研究样本中的评价指标完全适合作因子分析。

2.公因子及其经济意义分析

本文实证分析中共有4个因子对应的特征根大于1，因此提取相应的4个公因子，4个公因子的累积贡献率为89.808%，可以认为这4个因子基本反映了原变量的绝大部分信息。为便于进行因子的经济意义分析，本文采用方差最大旋转法进行因子旋转，经过旋转后的载荷系数有了鲜明的两极分化。根据旋转后的因子载荷阵（见表2），发现第一主因子F1在每股收益、净资产收益率（加权）、资产净利率、资产报酬率、投入资本回报率、销售净利率这6个指标上有较大的因子载荷，很明显F1因子代表获利能力的强弱；F2为成长性因子，因为它在经营活动现金流量净额增长率、每股经营活动现金流量增长率这两个指标上有较大的载荷；F3为持续性因子，因为它在经营活动净收益／利润总额、扣除非经常损益后的净利润／净利润这两个指标上载荷较大，而这两个指标代表着企业盈利的持续性；F4在营业收入现金含量这一指标上有较大的载荷，因此为现金保障性因子。

3.评价得分模型的构建

根据江苏制造业上市公司盈利状况因子得分系数矩阵和原始变量的标准化值就可以计算每个观测值各因子的得分，这里用X1—X11分别表示11个原始指标对应的标准化值。

F1=0.168X1+0.184X2+0.194X3+0.193X4+0.197X5+

0.163X6+0.002X7+0.001X8-0.006X9-0.045X10-0.037X11

F2=-0.006X1+0.006X2-0.007X3+0.005X4+0.003X5+

0.003X6+0.501X7+0.501X8+0.013X9+0.001X10+0.003X11

F3=0.000X1- 0.029X2- 0.008X3+0.000X4-0.020X5-

0.062X6-0.001X7-0.001X8-0.002X9+0.532X10+0.527X11

F4=0.010X1+0.030X2 +0.006X3 +0.044X4+0.025X5-

0.139X6+0.013X7+0.009X8+0.982X9+0.001X10-0.005X11

如果因子的权重按照其方差贡献率来确定，则选择前4个主因子构造的江苏制造业上市公司盈利状况评价指数（文中用PSI表示）模型为：

PSI = （45.796×F1 + 18.141×F2 + 16.658×F3 +9.214×F4）/89.808

4.评价结果分析

根据上面的评价模型，结合样本的评价指标数据，可以计算出江苏制造业各上市公司4个因子的得分、综合评价指数（PSI）与排名（由于表太大太长，这里不能将得分及排序情况一一列出，如读者需要可与作者联系）。这里考虑论文篇幅，只列出了PSI前10名与后10名（见表3）。由表3可以发现江苏制造业上市公司盈利状况呈现以下特征。

（1）江苏制造业上市公司的盈利状况两极分化情况明显

盈利状况比较好的企业有江苏洋河酒厂、南通江山农药化工、罗莱家纺、江苏恒瑞医药、江苏长青农化、光一科技、常熟风范电力设备、南京新联电子、日出东方太阳能、常熟市天银机电等，其中盈利状况位列第一、第二的江苏洋河酒厂股份有限公司和南通江山农药化工股份有限公司的PSI值分别是2.575、2.055；盈利状况最差的是江苏华盛天龙光电设备股份、江苏阳光股份有限公司和江苏中达新材料集团股份有限公司，这三家公司的PSI值分别是-3.375、-2.137、-2.117。可以看出江苏制造业上市公司的盈利状况两极分化非常明显，盈利状况较差的上市公司要么在获利能力、现金保障能力、持续能力和成长能力四方面均较差，要么没有全面均衡发展，仅仅注重了其中的某一两个方面。

（2）江苏制造业上市公司的EPS排名和PSI排名并不一致

由于篇幅所限，江苏制造业上市公司的EPS（每股收益）排名和PSI排名比较表从略，表4为EPS排名和PSI排名差异位列前15的上市公司。EPS排名和PSI排名不一致也反映了盈利状况分析不仅要关注盈利的“量”，还要关注盈利的“质”。从EPS来看，江苏联发纺织股份有限公司2012年为1.07元，排在第8位，而其PSI排名则为29位；徐工集团EPS排名为第5名，但PSI排名则为42位。从PSI排名来看，洋河股份排名第一，其第一主因子得分远远高于其他公司，从决定第一主因子的销售净利率、总资产收益率、投入资本回报率三个指标来看，洋河股份2012年资产报酬率达到了令人惊讶的38.05%，销售净利率、投入资本回报率分别高达35.62%和49.30%，出色的产品获利能力是其获得稳定盈利的基础，从而洋河股份PSI排名第一，也就不足为奇了。

（3）制造业上市公司内部出现了一定的板块（行业）分化现象

从上市公司所属的行业来看，制造业上市公司内部出现了一定的板块（行业）分化现象。

（三）江苏制造业上市公司分行业盈利状况分析

为了便于进行分行业盈利状况分析，本文按照162家样本所生产产品的不同，对制造业进行了行业细分，共划分为9个行业。为准确起见，9个行业所对应的前文11个评价指标值，本文取行业内上市公司相关评价指标2010—2012年的算术平均数。运用因子分析法，采用上述11个指标，对江苏制造业上市公司分行业盈利状况进行对比分析。在采用11个指标进行初步的因子分析时，发现KMO值小于0.6，因子的经济意义也不好解释。因此，本部分研究对指标进行了调整，最终选取了每股收益、净资产收益率、资产报酬率、资产净利率、投入资本回报率、经营活动现金流量净额增长率、每股经营活动现金流量增长率、扣除非经常损益后的净利润／净利润8个评价指标。由于具体的分析过程在前文中已有详细介绍，限于篇幅，分行业盈利状况的因子分析详细过程从略，下面是用因子分析法构建的分行业盈利状况评价模型：

PSI =（48.533 × F1 +28.024 × F2 + 14.783 × F3） /91.340

这里，F1为获利性因子；F2为成长性因子；F3为持续性因子。

用因子分析法计算得到的江苏制造业分行业盈利状况的因子得分和综合评价指数及排名情况见表5。在江苏制造业行业发展中，食品、饮料、电子、医药、生物制品、木材、家具等行业盈利状况较佳，这是因为随着人们生活水平的提高，人们对生活用品的需求越来越大。近年来受国际经济环境和出口受阻等因素的影响，纺织、服装、皮毛行业盈利状况较差，排名位列第八，表明传统行业盈利状况令人担忧，急需进行产业升级，以增加其经济附加值。石油、化学、塑料、塑胶的获利性和盈利稳定性较差，但具有相对较好的成长性，可能是由于受到国内外原材料成本上升等因素的影响，导致获利空间趋小；另外，这些行业对环境造成的污染较大，需要进行科技创新，积极开发新能源、新材料。机械、设备、仪表等行业，其盈利水平处于中下游，近年来国内外需求缩减，市场销售困难，因此造成其盈利状况不太乐观。政府监管部门作为市场的调节者，应针对行业情况积极推行相关政策来促进江苏制造业产业的发展。

五、结论与建议

本文从盈利状况评价的理论入手，根据对盈利的特征分析，从反映盈利状况的获利性、现金保障性、持续性和成长性四个方面，设计与选取多个财务指标运用多元统计分析方法中能客观赋权的因子分析法构建了评价模型，并利用模型对2012年江苏制造业上市公司的盈利状况进行了实证分析。通过实证研究，本文的结论与建议如下。

第一，综合评价模型告诉我们，获利性因子的贡献最大，持续性、成长性、现金保障性因子权重均不小，所以，笔者认为企业要改善盈利状况应从“量”和“质”两方面着手，一方面要特别注意提高企业的获利能力；另一方面，企业要扎根于主业，还要注意在不断拓展市场的同时做好现金流量的规划和管理。只有这样，企业才能健康、可持续地发展，企业在资本市场才能有良好的“盈利”形象。

第二，制造业上市公司的EPS排名和PSI排名往往不一致，这就要求投资者在评价上市公司盈利状况时不能仅关注盈利的“量”，还要注意评价企业盈利的“质”。

第三，盈利状况是一个多维的概念，无法通过某个或某几个传统的财务指标对其进行准确的评价，只有从盈利的获利性、现金保障性、持续性和成长性四个方面构建评价指标体系，借用因子分析法才能得出较好的结论；并且因子分析法对综合后的指标（即因子）还具有命名解释性，从而为利用综合模型进行企业或行业盈利状况分析提供了便利。●

【参考文献】

［1］ 曹燕.中国家电制造业上市公司盈利能力研究——来自2009年年报数据［J］.山西财经大学学报，2011（4）：134-135.

［2］ 储一昀.上市公司盈利质量分析［J］.会计研究， 2000（9）：31-36.

［3］ 程翠凤.基于因子分析法的江苏制造业上市公司收益质量评价［J］.财会月刊，2011（15）：36-39.

［4］ 李晓荣.因子分析在上市公司盈利能力分析中的应用［J］.财经科学，2002（8）：218-220.

［5］ J.Peter Green.The impact of the Quality of Earnings on the Valuation Relevance of Cash Flow Disclosures［J］. BritishAccountingReview,1999（31）：387-413.

［6］ Kothair,S.P.Capital Markets Research in Accounting［J］.Journal of Accounting and Economics,2001（9）:105-231.

［7］ AdelinaGschwandtner．ProfitPersistence in the“Very”Long Run：Evidence From Survivors and Exiters［J］. AppliedEconomics， 2005， 37（7）：793-806.

［8］ Anita M．McGahan， Michael E．Porter．The emergence and sustainability of abnormal profits［J］.StrategicOrganization，2003，1（1）：79-108．

［9］ Anita M．McGahan， Michael E．Porter．What do We Know About Variance in Accounting Profitability？［J］.ManagementScience， 2002， 48（7）：834-851.

［10］ Dennis C．Mueller.The persistence of profits above the norm［J］.Economica，1977，44（176）：369-380.

［11］ 汝莹，符蓉. 收益与收益质量的分层研究［J］.中国工业经济，2003（7）：61-68.

基金项目：江苏省高校哲学社会科学研究基金资助项目“江苏制造业结构调整与经济效益的实证研究”（2010SJB790034）；江苏省第二次经济普查项目“江苏工业经济效益实证研究”（2009LW10）。

作者：程翠凤

创业板市场的环境构建分析论文 篇2：

我国新三板挂牌企业的可持续创新能力分析与对策

摘要：文章通过考察企业研发投入强度和股权激励强度，构建了兼顾企业短期和长期创新投入强度的二维分析模型，并以此对2014及2015年度公布上述两个指标的5180家新三板挂牌企业进行了分析，以期发现新三板挂牌企业创新投入与股权激励的情况及区域分布结构。结果显示：新三板挂牌企业创新投入存在着“强度普遍较高、行业差异较大”的特点，显著强于同期A股制造业上市企业平均研发投入强度。同时，新三板挂牌企业也相对更重视有长期、持续作用的股权激励，结合近期对新三板挂牌公司的实地调研，本文亦有针对性地提出了若干对策。

关键词：新三板；创新投入；股权激励

一、研究背景及意义

随着我国经济进入新常态，有关对经济增长持续动能的探索被放置在了前列。创新，作为企业发展的源动力，越来越被企业及政府所重视。在经济结构切换及新旧动能转换的重要时刻，研究主要面向成长型、创新創业型中小微企业的新三板市场意义重大，对实现创新驱动和经济转型调整方面有很高的参考价值。近两年我国新三板市场企业群体创新投入情况如何，可持续创新能力如何，不同行业企业的创新分布情况如何，对新三板市场有哪些新需要？对这些问题我们应有基于数据分析基础上的基本判断，以便据此为中小微科技企业营造更好的创新环境和政策支持条件。为此，本文以企业研发投入强度和股权激励强度为指标，构建了兼顾企业短期和长期创新能力的二维分析模型，并以此模型分析衡量了新三板挂牌公司创新能力近两年的基本现状和分布结构。

二、基于创新投入与股权激励的二维分析模型

国内外衡量企业创新能力主要有两种方法：投入法和产出法。鉴于新三板挂牌企业主要是成长型、创业创新型中小微企业，往往尚处于企业发展初期，成长性好但盈利较弱，有核心技术但可能尚未形成知识产权，有市场但自主品牌尚不强。因此，从投入角度衡量较易而从产出角度较难。另一方面，一些学者研究了公司治理与持续创新能力的关系。例如Zenger（1994）研究发现：创新研发涵盖专有信息知识，如果股东无法正确评价高管研发行为的战略价值，会抑制高管的研发兴趣，从而导致企业持续创新能力减弱。而若给予高管持有公司股份的权利，则有助于持续创新，从而使高管和所有者利益趋于一致。Zahra、Neubaum和Huse（2000）通过实证研究也发现，企业高管的持股比例与创新活动显著正相关。国内一些学者（马富萍，2009；夏冬，2008）从国内企业实证研究方面验证了上述结论。企业高管及核心员工的股权激励，因改善了公司治理对于创新的认知，且减少了委托代理人的“短视”，直接有助于企业持续创新能力提升。可见，高管和核心员工的股权比例指标很大程度上能力衡量持续创新能力。

为了兼顾短期和长期创新能力，我们选择通过创新投入强度及创新激励强度两个维度对新三板挂牌企业可持续创新能力给予分析和衡量。创新的投入强度通过企业R&D投入占销售收入的比例指标来衡量，创新的激励强度以企业股权激励结构（董事、监事、高管以及核心员工持股数占全部股权的比例）来衡量。这两个指标可以较直观地反映了企业的创新投入程度和创新的持续动力，这样形成如图1所示的创新投入强度及股权激励强度的二维分析框架。

以样本企业的平均研发投入强度和平均股权激励作为分割线，形成四个区域。研发投入强度和股权激励强度“双高”的区域，为高投入高激励区：研发投入强度和股权激励强度“双低”的区域，为低投入低激励区域：研发投入高但股权激励强度低的区域，为高投入低激励区域：研发投入强度低、股权激励强度低的“双低”区域，为低投入高激励区域。通过上述区域划分，我们认为落入“双高”区域的企业更可能是创新能力强且创新能力可以持续的“未来之星”企业，更可能成为群体中的“脱颖而出者”，具有向上分层发展的能力和实力：而落入“双低”区域的企业则更可能是创新能力弱、创新持续驱动力也较弱的“易淘汰者”，可能成为向下分层淘汰的对象或被整合的对象。对于落入另外两个区域的新三板企业，则构成了一种中间状况，会向“双高”区域或“双低”区域不断转化和动态演进。

三、新三板挂牌企业研发投入及股权激励情况

我们选取了2014年及2015年公布了研发投入和股权激励数据的新三板挂牌企业作为观察研究对象，共5180家（占2016年4月底全部挂牌企业总数的75.3%）。此外我们对占新三板挂牌企业总数比例最高的两个行业——制造业（共3066个样本）以及信息传输、软件和信息技术服务业（共1199个样本）进行了对比研究。表1对新三板挂牌企业的研发投入及股权激励情况进行了总结。首先，从研发投入上看，总体企业呈现出两大特点，即强度普遍较高、行业差异较大。从创新投入强度上来看，挂牌企业研发投入占销售收入的比例普遍超过3%，2014年新三板挂牌企业R&D投入占销售收入的比例，平均数为8.8%，2015年稍有下降也高达8.3%。从中位数来看，企业研发投入强度保持在6%的水平。其次，研发投入方面，行业差异也较大。制造业企业投入强度在7%左右，低于整体水平约1个百分点，而信息传输、软件和信息技术服务业因其高附加值、高技术特征，整体投入强度近两年高达14%-15%。是制造业投入强度的2倍强，且显著高于同期总体三板企业平均投入水平。

同时，研究也发现，与主板的制造业企业相比，新三板挂牌企业的研发强度尤其突出。新三板挂牌制造业企业R&D投入占销售收入的占比近两年均保持在7%左右，是同期A股制造业上市企业平均研发投入强度（约2.6%）的2.7倍。从制造业的细分行业研发投入情况来看，化学纤维制造业及仪器仪表制造业企业表现突出，占比均超过10%；计算机、通信和其他电子设备制造业、专用设备制造业以及医药制造业占比也均超过8%，排名靠前。总体行业排名与沪深两市上市企业细分行业结构类似，但均有超过1倍的强度增强（沪深两市同期计算机业、专用设备、以及医药制造业研发强度分别为5.28%，4.25%及3.3%），表现出强劲的创新投入能力，充分表现了其快速成长型新兴企业的显著特点。

而在新三板挂牌企业的股权激励结构方面，我们对挂牌公司高管、董事、监事及核心员工的持股（包含限售及流通股份，但不包含未统计在内的员工期权数据）情况进行了统计分析。如表1所示，总体来看，样本企业的股权激励强度逐步增加，近两年企业高管持股比例占总股本三分之一强，制造业企业平均股权激励比例从2014年的34，9%小幅上升至2015年的35.6%，信息服务业则维持在36%左右。在重视创新投入的同时，新三板企业越来越重视有长期、持续作用的股权激励。此外，新三板企业股权激励水平与沪深主板企业存在着显著差异，其股权激励水平远高于沪深主板企业。

四、新三板挂牌企业创新投入与股权激励区域分布

我们利用前述二维分析框架，来分析一下新三板企业创新投入与股权激励的区域分布情况。

1.制造业企业细分行业分布情况趋于优化。2015年和2014年相比较，“双高”区域企业比例提升、“双低”区域企业比例降低。2015年，在3066家制造业企业中处于“双高”区的企业占总体数量的13.6%，比2014年增多了近1个百分点：同时，在“双低”区域的企业占比却下降了近2个百分点，显示出新三板挂牌制造业企业的良好发展趋势。

从制造业细分行业分布情况来看，新三板制造业企业细分行业中医药制品业和仪器仪表制造业、计算机通信和其他电子设备制造业、化学纤维制造业投入强度表现突出，但股权激励结构上却较弱，可能导致创新的持续动力不足（图3）。而传统制造业、轻工业等部分细分行业则体现出较强长期激励水平特征，有望未来在创新驱动的转型升级中脱颖而出。

2.信息服務业企业细分行业分布情况及分析。新三板信息传输、软件和信息技术服务业（简称信息服务业）企业创新竞争优势明显、结构性升级明显。新三板信息服务业创新投入强度平均值保持在14%-15%左右，为新三板制造业企业的一倍左右，是沪深制造业上市公司创新投入强度的5倍左右。信息服务业平均股权激励强度也有小幅上升，2015年达到36.9%。信息服务业企业数量分布来看，虽然在1199家信息业企业中，2015年处于“双高”区域的比例是14.5%，比2014年有所下降。但是，在“双低”区域的企业占比下降的更多（由39.6%下降到36.5%），下降比例远远大于高创新投入区的变化比例，说明信息服务业企业进行结构性的优化调整情况较好。

从细分行业来看，信息服务业分为三大类行业，电信、广播电视和卫星传输服务、互联网和相关服务以及软件和信息技术服务业，其平均投入强度及激励强度见表4。可以看出，电信服务业作为较为传统的信息服务业，其研发投入水平较低，符合其行业属性，而互联网及软件业研发投入强度约为14%，也体现出明确的行业特性。但从激励强度看，相较其他两个细分行业，互联网业高管持股比例普遍较小，差异达到接近8个百分点，将可能影响其持续创新能力。

五、政策建议

在前述数据分析的基础上，结合近期对40多家不同类型新三板挂牌企业的实地调研访谈情况，提出若干政策建议。

1.应坚定新三板市场的发展方向和定位，在服务中小微企业发展的基础上进一步突显支持创新。由于新三板市场准入门槛低、包容性强，挂牌企业数量迅速增长，企业差异化逐渐明显。尽管存在着企业质地良莠不齐现象，但从数据中得出的基本判断：新三板挂牌公司短期创新的研发投入和长期创新的股权激励都显著强于主板市场和创业板市场，这是非常突出的亮点，应给予充分肯定。建议要进一步使新三板市场成为中小微企业发展举足轻重的直接融资渠道，进一步强化资本与产业创新的有机结合，进一步发挥要素集成、筛选发现、企业培育、资金放大与风险分散功能，尤其要进一步突显支持创新

2.建议特定行业企业要更重视创新投入和股权激励的作用，提升可持续创新能力。国际范围内的经验都表明特定行业（尤其是互联网行业）要坚持高强度投入和高强出，但目前新三板市场中互联网行业的激励强度偏低（见表2）。没有投入就没有产出，没有持续投入和一致利益创造机制就难有持续创新能力。因此，对于正处于高成长阶段的企业，依然要重视对创新的投入，以保持长久的竞争能力。

3.政策引导新三板企业从低投入低激励区逐步引导至高投入高激励区。从分析框架中可以看出，若企业长期停留在低投入低激励区，则会逐步缺乏创新活力，丧失竞争能力。而对于处于其他区域的企业而言，如何正确地选择演化路径，进行区域间的优化则是一大挑战。因此，在政策引导上，监管机构应当注意不同行业的企业在二维分析框架中的演化方向，通过识别行业特点，逐步引导企业遵循的有可持续性创新能力的演化路径，扶持处于“双低”区域企业走出创新困局，增强新三板企业的创新可持续性，恢复中小企业的创新活力。

4.发挥新三板市场的直接融资作用，帮助中小企业解决创新的后顾之忧。在调研中也看到，许多企业均面临融资难、成本高、信用低等瓶颈，这对创新的投入能力也有所损害。因此，新三板市场应当更积极主动地发挥直接融资作用，帮助已挂牌的优质企业融资。发挥市场功能，提高资源配置效率。

作者：吴字晨

创业板市场的环境构建分析论文 篇3：

财政补贴政策与企业研发创新

摘 要：通过建立面板数据模型与采用2012—2017年中国创业板上市公司微观数据，研究财政补贴政策对企业研发创新的影响以及区分不同行业和地区来分析影响的异质性。其中企业研发创新活动根据发展阶段分为研发投入与创新产出，实证结果表明：财政补贴与企业研发投入具有显著的正相关关系，表明财政补贴对企业创新投入具有促进作用;财政补贴对企业创新产出的影响不显著。按照行业划分，财政补贴对高新技术企业研发投入和创新产出显著正相关，对非高新技术企业研发投入的关系不显著，创新产出的关系显著。按照地区划分，对于东部地区，财政补贴与企业研发投入和创新产出显著正相关;对于非东部地区，财政补贴对企业研发投入具有促进作用，与创新产出关系不密切。本文的研究結论有助于优化财政补贴的配置，提高财政补贴的使用效率。

关键词：财政补贴;研发投入;创新产出;异质性;面板分析

Financial Subsidy Policy and Enterprise R & D Innovation

——An Empirical Study Based on the Listed Companies

on the Growth Enterprise Market

LIU Meng-yao，TIAN Fa

（Business School，University of Shanghai for Science and Technology，Shanghai 200093，China）

Key words：financial subsidy;innovation investment;innovative output;heterogeneity;panel analysis

0 引言

随着经济全球化的加快，科技创新已经成为国家综合国力的最重要的体现，已经成为影响国家前途命运、民族振兴、人民生活福祉的重要力量。然而科技创新是风险高、投入大、周期长的活动，容易造成“市场失灵”。为了营造宽松的国家创新环境，活跃企业创新氛围，增强企业创新对社会经济、产业发展的带动作用，各国政府都积极发挥“看得见的手”纷纷推出一系列财政补贴政策，为企业创新发展保驾护航。国家统计局公布数据显示，国家财政科学技术支出在2018年为9 518.2亿元，已经实现连续多年增长。但是财政补贴的公平配置以及企业的合理使用补贴问题也随之出现。因此如何利用财政补贴促进企业研发创新，如何优化财政补贴配置，就成为近年研究的热点课题。

对于财政补贴与企业研发创新之间的关系，由于所采用数据在国家、行业和市场环境等方面的差异，国内外专家学者侧重不同角度进行了研究，得到了许多有益成果。对于财政补贴与企业研发投入之间的关系，一直以来存在“挤入效应”（crowding-in effect）、“挤出效应”（crowding-out effect）和“混合效应”（mixing effect）的不同观点。一部分学者认为，财政补贴对企业研发投入存在“挤入效应”。Hewitt-Dundas和Roper（2010）利用德国和弗兰德斯的微观工业数据，证实了接受财政补贴的企业的研发活动更为活跃[1]。Nola（2010）在对1994—2002年爱尔兰和北爱尔兰的数据分析后发现财政补贴对企业进行研发活动、产品改进创新和新产品的开发创新活动都有积极意义[2]。卢方元和李彦龙（2016）运用随机前沿模型，表明财政补贴对高新技术产业的研发效率提升作用显著[3]。张向达（2018）研究发现财政补贴对创业板高科技企业的研发投入存在显著的正向作用，但不同补贴强度、补贴增速和补贴弹性的影响不是单纯的线性关系[4]。

而一部分学者认为，财政补贴会直接或间接造成企业研发投入资金的减少，即存在“挤出效应”。Mukoyama（2000）研究表明，政府与企业之间的信息不对称会使得财政补贴挤出企业自身研发投资[5]。Wallsten（2000）同年对美国小型企业研究后发现政府的研发补贴挤出了私人研发投入[6]。国内学者中安同良等（2009）基于国内数据研究得出结论：在出现逆向选择和信息不对称时，政府直接资金支持企业研发创新的政策效果不理想[7]。顾群（2016）通过对科技型中小企业研究发现财政补贴对创新绩效有“挤出效应”[8]。

还有部分学者主张财政补贴对企业研发投入产生的效应是非线性的。Zhu等和Lundin（2006）研究发现财政补贴和企业研发投入呈现先升后降的倒 U 型关系[9]。张杰等（2015）对科技型中小企业样本进行实证研究发现，财政补贴方式的不同对企业研发创新的影响具有异质性[10]。路春城和吕慧（2019）建立门槛面板模型后发现，对于制造业企业的研发投入，财政补贴强度存在最优区间，且补贴效用和补贴效率存在异质性[11]。

那么，财政补贴对企业创新产出又有什么影响呢？Czarnitzki（2005）、白俊红和李婧（2011）等指出财政补贴程度与企业专利产出量存在明显正相关，且企业研发水平比未受到政府补贴的企业明显偏高[12-13]。肖仁桥等（2015）则观点相反：财政补贴对企业创新效率呈现负相关。也有学者认为财政补贴对企业创新产出的影响不是简单的杠杆效应或替代效应[14]。郭晓丹等（2011）研究发现：财政补贴尽管没有直接促进企业研发投入资金增长，但企业却取得了更多的专利，证明了財政补贴的积极作用[15]。毛其淋和许家云（2015）认为财政补贴只有在适度的区间内对企业新产品创新具有激励作用[16]。陈远燕等（2018）发现财政补贴虽然对企业专利授权显著正相关，但对作为核心创新产出的发明专利授权影响不大[17]。

通过对相关文献的整理，既有研究中财政补贴对企业研发投入的效应研究较多，创新产出的效果研究较少。而研发投入与创新产出作为企业研发创新活动的表现和结果，应该纳入同一范畴综合分析。为此，文中建立了两个多元面板线性回归模型，分别研究财政补贴与两者之间的关系，并比较财政补贴产生影响的异同。同时，对样本进行异质性处理，分析财政补贴在不同地区和行业差异下的影响效果，使本文研究更具有现实意义。

1 作用机理与理论假设

1.1 财政补贴与企业创新投入

根据企业投资行为决策模型，当企业研发投入的边际收益高于或低于边际成本时，研发投入水平都不是最优的。在研发投入的边际成本减少或边际收益增加的情况下，企业会扩大研发投资规模; 反之，企业会减少研发投资

[18]。政府实施的财政补贴政策可以帮助企业克服启动经费困难、共同成本高昂或吸收能力低下等问题，从而促使企业加大研发投入、提高企业研发效率、增加企业创新项目的成功机会，从而增加企业的边际收益。但是，财政补贴会使企业对研发要素的需求增大，导致要素价格上涨，且由于信息不对称，导致企业的“寻租”活动，使原本计划用于研发活动的资金用作其他目的。根据上述分析，本文提出如下假设。

H1：财政补贴可以提高企业研发投入规模，产生杠杆效应。

H2：财政补贴提高了企业研发成本，直接或间接挤出企业研发投入。

1.2 财政补贴与企业创新产出

根据委托代理理论，在市场经济环境下，企业作为代理人，是谋求经济效益的经济人，在履行代理责任的同时希望获得更多的经济激励;政府作为委托人，是谋求经济、社会效益的社会人，政府旨在通过更少的经济激励获得更多的创新产出。在创新产出方面，企业和政府的诉求一致，在经济激励方面两者存在一定的博弈。根据上述分析，本文提出如下假设。

H3：财政补贴有利于创新成果转化，对企业创新产出有促进作用。

H4：财政补贴不利于提升企业研发创新效率，对企业创新产出有负向作用。

1.3 行业差异与企业研发创新

当前，不同国家和地区都出台了各种各样的研发补贴政策，扶持范围、对象、补贴标准差别较大，但大多侧重于需要创新支持的高新技术产业。David 等（2000）认为政府研发补贴对企业研发投入和研发产出的影响跟企业技术依赖度有关，实证结果发现技术依赖度较高行业的企业更需要通过获得研发补贴以获得竞争优势，表明财政补贴对这类企业的成长更有帮助[19]。胡荣才等（2014）发现对于传统的制造业，财政补贴只会加剧产能过剩[20]。根据上述分析，本文提出如下假设。

H5：和非高新企业相比，财政补贴对高新企业研发投入和创新产出更具有激励作用。

1.4 地区差异与企业研发创新

市场具有信息不对称的特性，因此不仅可能导致企业的逆向选择，而且存在着地区差异。信息化程度和开放程度高的地区，信息的披露相对规范和健全。因此，财政补贴对企业研发创新的影响与地区的发达水平有较大的关系。樊琦和韩民春（2011）根据经济发展划分地区后发现，政府直接资助对经济发达地区企业创新产出更具促进作用[21]。王一卉（2013）发现地区的开放程度是导致不同地区创新主体的创新效率出现差异的重要因素[22]。根据上述分析，本文提出如下假设。

H6：与中西部地区企业相比，东部地区对财政补贴的吸纳能力更好，企业研发投入和创新产出与财政补贴的互补效应更显著。

2 研究设计

2.1 样本选取与数据来源

文中以2012—2017年创业板上市公司作为最初研究样本。与主板相比，创业板上市公司更有潜力、风险更高，其上市门槛较低，存在规模限制、信息不对称和资源匮乏等问题，更加需要政府支持来减少研发创新风险，从而能更好地反映财政补贴对高风险企业研发创新的影响程度。时间跨度选为2012—2017年，是因为上市公司在财务报表中披露研发投入数据是从2007年开始，且2012年以前的数据存在严重的数据缺失（龙小宁和林志帆，2018）[23]。研究数据主要从CSMAR国泰安数据库、WIND数据库中取得，个别数据由人工识别录入完成收集，在剔除了缺少研发投入、财政补贴和专利申请等重要信息不完整的样本后，最终筛选出2 253个观测样本。

2.2 变量说明

2.2.1 被解释变量

1）研发投入（RD）。根据现有研究，企业研发投入分为人力投入和财力投入，本文主要研究财力投入。考虑到数据的可获得性，选取企业研发费用投入作为衡量指标。

2）创新产出（LNTP）。企業创新产出的衡量方式主要有新产品产值、专利申请量、专利授权数等。由于专利申请量可以直接衡量企业的研发成果，反映企业的技术创新水平。因此本文借鉴Lin等人的做法，选取专利申请量来衡量企业创新产出[24]。

2.2.2 解释变量

财政补贴（Subsidy）。由于不同行业、不同类型的企业所接受财政补助的金额存在较大差异，文中借鉴武咸云等（2016）的做法选用财政补贴强度，即政府补助金额占企业营业收入的比重衡量财政补贴[25]。考虑到企业从获得财政补贴到进行研发投入存在一定的时滞，同时为克服潜在的双向因果内生性问题，我们将财政补贴做滞后一期处理。

2.2.3 控制变量

为了避免因为遗漏的变量带来的估计偏差，文中根据国内大多数文献的研究，选取控制变量：企业规模（Size）、资产收益率（ROA）、人力资本（HC）、股权结构（Structure）和发展能力（Growth）。这些都是对研发投入和创新产出有重要影响的因素。

各变量定义及具体计算口径见表1。为使回归系数易于解读和削弱极端值的影响，将Subsidy乘以1 000，Subsidy、ROA、Growth均进行前后各1%的缩尾处理。

2.3 模型设定

文中把企业的研发创新活动划分为研发投入和创新产出，参照以往文献的构建思路，在此构建了两个多元面板线性回归模型来分析财政补贴对两者的影响。

在模型（1）、（2）中，下标i为企业;t为年份。RD为企业研发投入能力;LNTP为企业创新产出能力;β0是常数项;Subsidy为财政补贴强度;X为相关控制变量;μi为企业固定效应，用于控制企业层面上不随时间变化的遗漏变量产生的影响;θt为年份固定效应，用于控制年度层面上企业受到的共同冲击。此外，为消除潜在的残差组内相关性与异方差对估计系数显著性推断的影响，回归标准误聚类到企业层面。

同时，文中按照行业和地区的划分标准对企业进行分类，分组回归分析。根据行业划分，将高新企业的回归分析记为模型三（1，2），非高新企业的回归分析记为模型四（1，2）。根据地区划分，将东部地区的回归分析记为模型五（1，2），中西部地区的回归分析记为模型六（1，2）。

3 实证结果与讨论

3.1 描述性统计分析

文中对所使用面板数据的统计特征见表2。通过描述性统计数据可以看出。

1）解释变量财政补贴（Subsidy）的比例均值为18.48%，最小值为0.278%，最大值为123.1%，中位数小于均值，说明政府对企业的财政补贴强度差异较大。

2）被解释变量里，研发投入（RD）的比例均值为7.01%，说明创业板市场企业的总体研发投入强度不足;但最小值为0.72%，最大值为32.61%，则说明企业间存在明显差异。创新产出（LNTP）取对数的均值为3.87，最小值为0.69，最大值为7.20，表明企业的创新产出能力有较大波动。

3）控制变量中，企业规模（Size）、资产收益率（ROA）、发展能力（Growth）的标准差都较小，说明数据较为平稳。人力资本（HC）和股权结构（Structure）标准差分别为19.50、11.60，表明公司对技术人才的重视和企业资本结构显著不同。

3.2 回归分析

3.2.1 总样本回归分析

文中使用计量软件Stata 14.0，运用多元面板回归结合了F检验、Hausman检验的结果，确定选择使用固定效应模型进行回归分析。

全样本回归结果见表3。前两列为OLS回归结果。后两列为FE回归结果。通过第1、3列展示可以看出：财政补贴与企业研发投入在 1%的水平下显著正相关，与假设1相符。表明当政府对创业板上市公司增加补贴时，企业也相应上调自己的研发投入资金。第2、4列展示了财政补贴对全样本创新产出的影响。结果显示，OLS回归系数是FE 回归系数的3倍，表明OLS高估了控制变量的作用。意味着财政补贴强度的提高对企业创新产出的作用较小，但影响依然为正。现阶段我国创业板上市公司科研成果的转化能力较低，政府资源存在错配现象，与假设4相符。

同时表3还显示企业规模不影响研发投入，但对创新产出有明显的促进作用。说明规模相对较大的企业协调资源的能力更强，更容易开展研发活动。资产收益率、发展能力的系数显著为负，说明盈利良好的企业更愿意将资金用于扩大生产，而不愿意继续深入研发创新活动，表明创业板上市公司进行研发创新更多的是追求自身短期的快速发展。此外，据双向固定效应模型显示，控制时间效应显著，控制企业效应不显著。

3.2.2 高新企业与非高新企业

根据中国统计年鉴2013年关于高新技术产业分类。引入虚拟变量Orscience（高新=1，非高新=0）。高新技术产业是指：电气机械和器材制造业，通信设备、计算机和其他电子设备制造业，医疗、医药制造业，仪器仪表制造业，铁路、船舶以及航空航天制造业、信息服务、电子商务服务、检验检测服务、专业技术服务业中的高技术服务、研发设计服务、科技成果转化服务、知识产权及相关法律服务、环境监测及治理服务等，其行业分类代码前两位分别是27、37、38、39、40、63、64、65、72、73、74、75、77、85、86、87。

表4提供了区分高新企业与非高新企业的回归结果。模型三（1）和模型四（1）数据分析显示，无论是否是高新企业，财政补贴对研发投入都在 1%的水平下显著为正，表明财政补贴强度的提高，对创业板上市公司的研发创新活动都有激励作用。模型三（2）和模型四（2）数据分析显示，无论是否是高新企业，财政补贴与创新产出都呈正向作用，但没有对研发投入的效果显著。并且财政补贴对高新企业的创新产出没有非高新企业的创新产出作用显著。不符合假设5的设定。说明传统行业通过财政补贴，更容易实现创新成果转化。

对于控制变量，企业规模对高新企业的研发投入影响甚微，但显著促进其创新产出，而对非高新企业则均具有显著的负向相关性。资产收益率对高新企业的研发创新活动具有显著的负向相关性，这说明高新企业更多地力求短期利润最大化。股权结构与研发投入和创新产出的关系均不显著，表明企业内部结构与企业研发创新活动关系不显著。发展能力对高新企业研发投入的抑制作用比非高新企业显著，表明高新企业的研发创新活动更容易受到发展能力的限制。

3.2.3 按地区划分

按公司注册地址对创业板上市公司进行划分，并引入虚拟变量Oreast（东部=1，其他=0）。其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等共计11个省份。

表5提供了将企业按地区划分的回归结果。东部地区企业样本数1 705，占总样本的75.68%，可见我国地区经济发展东部地区具有明显优势。模型五（1）和模型六（1）回归分析显示，财政补贴对东部地区企业研发投入系数为0.116，对非东部地区企业研发投入系数为0.087，均在1%的置信水平下都显著为正，且东部企业创新投入的系数是非东部企业创新投入系数的两倍，表明财政补贴更能激发东部地区企业的创新投入热情。模型五（2）、模型六（2）的分析数据显示，财政补贴对东部地区企业创新产出显著正相关，与非东部地区企业的创新产出关系不显著，表明东部地区对财政补贴的吸纳和运用在效果上优于中西部地区。这可能与该地区本身创新资源丰富有关。以上分析符合假设6的设定。

同时对于控制变量，发展能力对东部企业研发投入的抑制作用小于非东部企业。表明东部企业更注重长远的战略规划，非东部企业更注重短期利益。人力资本对东部地区企业研发创新活动的影响不确定，而对中西部地区企业研发投入和创新产出都有激励效应，表明人才对于非东部企业研发创新更加重要。

3.2.4 稳健性检验

文中将财政补贴/企业资产作为财政补贴（Subsidy）的代理变量，再次对假设1、2、3和4进行了检验，根据表6的分析结果可见，财政补贴对企业研发投入仍然具有显著促进的影响，而财政补贴与企业创新产出无显著作用。其余控制变量的显著性水平与实证结果也基本保持一致，说明實证结果具有稳健性。

4 结论与建议

文中将企业研发创新活动根据发展阶段分为研发投入与创新产出，通过实证探讨了创业板上市企业财政补贴与研发创新之间的关系，并比较了在高新与非高新、东部与非东部企业之间的异同。研究结论如下：第一，就样本总体而言，财政补贴对企业研发投入具有正向激励作用，对企业创新产出关系不显著。表明政府的资金引导可以激发企业的创新研发热情，但创新效果的提升则需要考虑更多方面。第二，从行业来看，高新企业比传统行业企业对财政补贴的利用能力更强，财政补贴对企业研发投入的正向激励更强;而财政补贴对企业创新产出的作用则是非高新企业更加显著，表明政府资源在非高新企业的持续参与有助于创新成果的转化。第三，不同地区对财政补贴的吸纳能力不同，经济相对发达地区能更有效地利用财政补贴作用于企业研发投入和创新产出。

根据以上研究结论，文中就如何更加有效地发挥财政补贴的作用提出以下建议：第一，加强财政补贴政策适用项目的评估和监督，通过法律法规保护企业研发创新成果。一方面，政府应全面了解和考察申请企业及项目，使财政补贴用来扶持真正缺少资金的创新型企业，避免企业的“寻租”行为。另一方面，政府应跟进企业使用过程的程度和效果，避免企业使用政府补贴用于非创新的活动，导致资源的错配和浪费。第二，针对不同行业和不同地区的企业制定差异化财政补贴政策。和非高新企业相比，高新企业更加需要技术创新，政府应放松行政监管，为其创造宽松的外部环境。和东部地区相比，中西部地区企业更容易面临融资困境，政府应增强对其的融资支持，重点是中西部地区的高新企业，在促进社会公平的同时使政府资源得到更有效的利用。第三，丰富财政补贴的方式，优化财政补贴政策。政府应将财政补贴的发放分为事前、事中、事后，以实现对项目效果的监管。同时帮助建立科研机构和企业的联系，为企业创新积累人力资源和提供人才支持，有效减少落后地区企业创新成果转化发展差距。

参考文献：

[1]AertsK，Schmidt T.Two for the price of one？[J].Research Policy，2008，37（05）：806-822.

[2]Nola Hewitt Dundas，Stephen Roper.Output additionality of Public Support for Innovation：Evidence for Irish Manufacturing Plants[J].European Planning Studies，2010（01）：107-122.

[3]卢方元，李彦龙.政府支持有助于提升高技术产业R&D效率吗？[J].科学学研究，2016，34（12）：1800-1806+1829.

[4]张向达，齐默达.财政补贴对企业研发投入是激励还是枷锁？——基于创业板上市公司经验数据分析[J].辽宁大学学报（哲学社会科学版），2018，46（06）：36-45.

[5]Mukoyama T.Innovation，imitation，and growth with cumulative technology[J].Journal of Monetary Economics.2003，50（02）：361-380.

[6]Wallsten S J. The effects of government-industry R&D programs on private R&D： the case of the small business innovation research program[J].The RAND Journal of Economics，2000，31（01）：82-100.

[7]安同良，周绍东，皮建才.R&D补贴对中国企业自主创新的激励效应[J].经济研究，2009（10）：87-98.

[8]顾群.财政补贴对企业创新效率影响研究——基于创新投资异质性视角[J].财会通讯，2016（36）：41-44.

[9]Zhu P，Xu W， Lundin N.The impact of government’s fundings and tax incentives on industrial R&D investments： Empirical evidences from industrial sectors in Shanghai[J].China Economic Review，2006，17（01）：51-69.

[10]张杰，陈志远，杨连星，新夫.中国创新补贴政策的绩效评估：理论与证据[J].经济研究，2015（10）：4-17.

[11]路春城，吕慧.财政补贴促进了中国制造业企业的研发投入吗——基于2008—2016年上市公司的门槛效应分析[J].宏观经济研究，2019（08）：94-103.

[12]Czarnitzki D，Hussinger K.The link between R&D subsidies，R&D spending and technological performance[R].Mannheim：ZEW-Centre for European Economic Research Discussion Paper，2004.

[13]白俊红，李婧.政府R&D资助与企业技术创新——基于效率视角的实证分析[J].金融研究，2011（06）：181-193.

[14]肖仁桥，王宗军，钱丽.我国不同性质企业技术创新效率及其影响因素研究：基于两阶段价值链的视角[J]管理工程学报，2015（02）：190-201.

[15]郭晓丹，何文韬，肖兴志.战略性新兴产业的政府补贴、额外行为与研发活动变动[J].宏观经济研究，2011（11）：63-70.

[16]毛其淋，许家云.政府补贴对企业新产品创新的影响——基于补贴强度“适度区间”的视角[J].中国工业经济，2015（06）：97-107.

[17]陳远燕，何明俊，张鑫媛.财政补贴、税收优惠与企业创新产出结构——来自中国高新技术上市公司的证据[J].税务研究，2018（12）：48-54.

[18]邹洋，王茹婷.财政分权、政府研发补贴与企业研发投入[J].财经论从，2018，237（9）：32-42.

[19]David PA， Hall B H， Toole A A. Is public R&D a complement or substitute for private R&D？ A review of the econometric evidence[J].Research Policy，2000，29（4）：497-529.

[20]胡荣才，曾汪泉，刘黎.政府补贴的省际与行业差异效应研究——以中部六省上市公司为例[J].中国管理科学，2014，22（S1）：253-260.

[21]樊琦，韩民春.我国政府R&D投入、市场竞争与自主创新关系研究[J].中国科技论坛，2011（03）：10-14.

[22]王一卉.政府补贴、研发投入与企业创新绩效——基于所有制、企业经验与地区差异的研究[J].经济问题探索，2013（07）：138-143.

[23]龙小宁，林志帆.中国制造业企业的研发创新：基本事实、常见误区与合适计量方法讨论[J]. 中国经济问题，2018（02）：114-135.

[24]Lin B W，Chen J S.Corporate technology portfolios and R&D performance measures：a study of technology intensive firms[J]. R&D Management，2005，35（02）：157-170.

[25]武咸云，陈艳，杨卫华.战略性新兴产业的政府补贴与企业R&D投入[J].科研管理，2016，37（05）：19-23.

（责任编辑：严 焱）

作者：刘梦瑶 田发