政府应如何构建有利于颠覆性技术涌现及创新价值实现的政策环境,推动企业通过“换道超车、弯道超车”实现颠覆性创新并获得竞争优势,值得深入研究。
文章从强制性制度压力视角探讨政策工具对企业颠覆性创新的影响机理,并基于中国政府对新能源车企实行“双积分”政策的准自然实验,运用断点回归开展实证研究。
工信部会同相关部门于
2017
年
9
月发布了
“
双积分
”
政策。该政策以中国境内年产量或进口量大于
3
万辆的乘用车企业为考核对象
,
根据汽车制造商生产的汽车产品相关参数进行加权计算
,
产生新能源汽车积分
(NEV
积分
)
与平均燃料消耗量积分
(CAFC
积分
)
。根据
“
双积分
”
管理办法
,
企业削减燃油车油耗和生产新能源汽车能够获得正积分。企业可通过结转、关联企业间转让
CAFC
正积分、自有
NEV
积分或在积分市场购买其它企业的
NEV
积分等方式抵偿积分亏空。政策要求各车企
NEV
积分与
CAFC
积分均为正数
,
未达标的企业会受到暂停部分燃油车型生产的处罚。
“双积分”政策引致的强制性制度压力在一定程度上激励车企推出颠覆性创新成果以获得竞争优势。首先
,“
双积分
”
政策采取自上而下的行政命令形式
,
具备
“
强制
”
属性
,
积分考核与抵偿规则等规制方式使得车企需采取合理化的关系构建与行为调整措施
,
促进与颠覆性创新标准的适配。其次
,
按照
“
双积分
”
政策要求
,
车企在每一年度必须满足一定比例的新能源汽车积分比例要求
,
这将激励车企推出数量更多的新能源汽车相关颠覆性技术并将其商业化
,
以符合政策要求并获取新能源汽车正积分。最后
,
车企生产新能源汽车得到的富余新能源正积分可在积分交易市场出售
,
这进一步推动车企围绕新能源积分奖励开展更大规模、更高质量的颠覆性创新
,
其颠覆性创新产出在企业整体创新产出中的权重会得到提升。基于上述分析
,
提出如下假设
:
“双积分”政策实施带来的强制性制度压力通过激励企业实施研发创新项目
,
推动其颠覆性创新能力提升。启动与实施研发创新项目并进行研发合作
,
对推进企业颠覆性创新尤为重要。“双积分”政策引致的强制性制度压力还将激励车企参与技术标准联盟
,
增强企业拓宽技术知识来源的意识
,
进而促进其颠覆性创新能力提升。通过机制分析
,
文章提出如下假设
:
文章整理了
3
类数据
:
一是工信部发布的
2016—2021
年
187
家乘用车企业的
“
双积分
”
核算信息
;
二是专利数据
,
本文从
Patsnap
数据库中搜集样本企业
2016-2021
年申请的
19 729
条与新能源汽车技术相关的专利
,
并提取专利引用信息
;
三是企业数据
,
企业年龄与所有权信息从国家企业信用信息公示系统查询整理得到
,
企业参与技术标准联盟的数据来自
CNKI
《标准数据总库》中
2015-2022
年汽车行业所有正式标准
,
企业新增研发项目数据来自
2017—2022
年《节能与新能源汽车年鉴》
,
媒体关注数据来自中国经济新闻库。通过样本匹配和数据清洗
,
最终获得
2016—2021
年
805
个样本。
构建样本中每项新能源汽车专利的颠覆性指数
(DI),
计算公式如式
(1)
。
划分车企NEV积分达标与否(Di)
。当NEV积分大于0时,处理变量为1,反之为0。
包括：企业性质
(SOE)
、企业类型
(Firmtype)
、企业年龄
(Age)
、媒体关注度
(Media)
、城市创新力指数
(Inindex)
、城市经济规模
(Cgdp)
以及城市人口规模
(Cpop)
。
图2利用带宽选择和曲线拟合方法展示了分组变量NEV积分与颠覆性创新相关变量之间的关系,
在断点0处有一个明显的向上跳跃
,初步表明“双积分”政策对车企颠覆性创新具有提升作用。
采用2SLS模型检验全样本情形下的政策实施效果。表2展示了模糊断点回归结果,列(1)对应的被解释变量为企业是否有颠覆性创新,结果显示在控制企业、地区属性特征及时间效应后,
“双积分”政策的估计系数为0.140并且显著
。这表明,“双积分”政策的实施能显著提高企业研发颠覆性创新概率。由列(2)—(4)的回归结果可知,
“双积分”政策显著提升颠覆性创新的数量、占比与质量
。
为准确评估政策的效果,进行最优带宽样本下的2SLS回归,结果如表3所示。列(1)是将企业是否有颠覆性创新作为被解释变量的回归结果,
在最优带宽[-0.047,0.047]内,变量P即政策的回归系数为0.066且显著
。这表明,在达标线0附近的一个很小区间内,“双积分”政策会促使企业提高参与颠覆性创新的概率。列(2)—(4)也表明,
在最优带宽内,“双积分”政策对新能源车企颠覆性创新的数量、比重、质量同样产生显著推动作用
。可见,无论是全样本还是最优带宽情况下,都支持假设H1成立。
包括：以协变量为被解释变量进行回归；采用核密度函数方法检验“双积分”政策识别策略的有效性；基于三角核函数的回归方法
,
采用均方误差计算最优带宽
,
进一步对模型进行非参数估计；将最优带宽与不同带宽设定下的估计结果进行比较；安慰剂检验。
表8是基于式(7)估计得出的“双积分”政策与车企颠覆性创新的机制分析结果。列(1)—(4)探究“双积分”政策带来的增加研发项目是否为提升车企颠覆性创新的重要路径。列(1)—(3)显示,
“双积分”达标与新增研发项目的交互项及新增研发项目变量的系数都为正
,表明“双积分”政策通过增加车企研发项目的路径提高其产生颠覆性创新的概率、数量和比重,证明新增研发项目是“双积分”政策激励车企进行颠覆性创新的作用机制。
在表8中,列(5)(6)(8)结果显示,
参与技术标准联盟以及“双积分”达标和参与技术标准联盟的交互项对颠覆性创新各项指标的回归系数均显著为正
。机制分析结果表明,“双积分”政策可以激励企业通过增加研发项目以及参与技术标准联盟,为其开展颠覆性创新提供良好支持,因此,假设H2得到支持。
