Page 184 - 《社会》2014年第4期
P. 184
政府补助与民营企业研发投入
效控制企业经理层的自主性，防止企业经理为了规避研发风险，怠于进
行研发投资，因此对于企业研发投资具有积极作用（陈爽英等， ２０１２ ）。
表 １ ：主要变量统计描述和相关系数矩阵 （ 犖＝２２２３ ）
均值 方差 犚犇 犛犝犅１ 犛犝犅２ 犈犇犝 犌犗犞 犛犐犣犈 犘犚犗
犚犇 １．７１ ２．４３ １
犛犝犅１０．１７ ０．３７ ０．１５８ １
犛犝犅２０．６１ １．４９ ０．１２４ ０．９１９ １
犈犇犝 ０．６４ ０．４８ ０．０９７ ０．０９８ ０．１０６ １
犌犗犞 ０．５１ ０．５ ０．１３０ ０．２２０ ０．２１４ ０．１２０ １
犛犐犣犈 ４．２３ １．５１ ０．２４５ ０．３４０ ０．３６８ ０．１２９ ０．４００ １
犘犚犗 ３．５４ ２．３１ ０．２５８ ０．３１７ ０．３５１ ０．１１５ ０．３３４ ０．５８０ １
注： １． 狆 ＜ ０．０５ ；
２．犛犝犅１ 表示企业是否获得政府研发补助， 犛犝犅２ 表示企业获得补助的额度。
表 １ 呈现了各变量的统计描述。我们发现，在有效样本中，获得政府
补助的民营企业共有 ４３６ 家，占总数的 １７％ ； ６４％ 的企业主教育水平在大
专及以上；超过一半的企业主（ ５１％）当选为各级人大代表或政协委员。
（三）模型
本文采用 犜狅犫犻狋 模型探讨政府补助与企业研发投入之间的关系。
犜狅犫犻狋 模型是因变量满足某种约束条件下取值的模型，最早由 犜狅犫犻狀 提
出，此后这类模型从最初的结构式模型扩展到时间序列模型、面板数据
模型以及非参数模型等（周华林、李雪松， ２０１２ ）。本文使用的是标准
犜狅犫犻狋 模型，这一模型适合处理因变量有大量删截值（比如，很多企业的
研发投入为 ０ ）的数据。当因变量出现大量“ ０ ”观测值时，通过最小二
乘法估计的参数是有偏和不一致的，因此，一般线性回归方法并不适
用，而 犜狅犫犻狋 模型通过最大似然估计可以较好地解决这个问题。同时，
与 犔狅 犵 犻狊狋犻犮 模型相比， 犜狅犫犻狋 模型充分有效地利用了“企业是否投资研发”
及“不同企业投资强度不同”这两部分有效信息。 犜狅犫犻狋 模型设置如下：
犚犇 犻 ＝ β 犼 犡 犻 犼 ＋α 犛犝犅 犻＋δ 犽 犣 犻犽 ＋γ 犽 犛犝犅 犻 犣 犻犽 ＋ ε 犻
烄 犚犇 犻 若 犚犇 犻 ＞０
犚犇 犻 ＝
烅 ０ 若 犚犇 犻 ≤０
烆
是潜变
因变量 犚犇 犻 为企业实际研发投资强度，取值为非负值， 犚犇 犻
是模型的控制变量，分别表示企业所在行业、企业历史以及企业治
量。 犡 犻 犼
表示政府补助的虚拟变量， α 代表
理结构， 代表这些变量的系数； 犛犝犅 犻
β 犼
· １ ７ ７ ·
