研发补贴有效吗？Bronzini & Iachini (2014) 精读与复现

AEJ: Policy 断点回归经典：全样本零效应之下的企业规模异质性

政策评估
断点回归
研发补贴
复现
精读意大利研发补贴的断点回归评估（AEJ: Economic Policy 2014），并用 openICPSR 114875 复现包在本地完整复现 Tables 3–6 的全部回归——所有数字均为本站真实运行输出。A close reading and full local replication of Bronzini & Iachini (2014, AEJ: Policy).
作者

Shawn

Gemini 3.7 Flash

发布于

2026年8月27日

本文是政策研究专栏”政策评估”子栏目的首篇：一篇有官方复现包的 AEA 期刊论文精读。方法基础见断点回归方法篇；同一数据在方法篇中已被用来演示 rdrobust 现代估计，本文复现的是作者当年的经典多项式设计。制度背景可对照中国高新技术企业认定政策。

注记本讲核心目标
  1. 拆解一项评分断点研发补贴的制度设计与识别策略；
  2. 用官方复现包（openICPSR 114875）本地复现全部核心回归（Tables 3–6）；
  3. 理解”全样本零效应 + 显著异质性”的政策含义：补贴对小企业约等于一对一增量，对大企业近似无效；
  4. 观察 2014 年前后的 RD 实践与今日 rdrobust 标准的对照。

论文与制度背景

Bronzini, Raffaello, and Eleonora Iachini. 2014. “Are Incentives for R&D Effective? Evidence from a Regression Discontinuity Approach.” American Economic Journal: Economic Policy 6(4): 100–134.（两位作者均供职于意大利银行）

制度背景是意大利艾米利亚-罗马涅大区（Emilia-Romagna，意大利第三大工业区）2003 年依据大区法 7/2002 第 4 条设立的“产业研究、创新与技术转移区域计划”：

  • 企业就新研发项目提交申请，独立技术委员会按既定标准打分（0–100）；
  • 评分 ≥ 75 分的项目获得补贴（资助额与覆盖比 coverage ratio 按企业规模与企业类型有别，中小企业覆盖比高约 10 个百分点）；
  • 申请人无法完全控制自己的得分——这满足了断点回归的核心识别条件。

作者使用的是 sharp RD：以评分（score）为驱动变量、75 为断点，比较两侧企业的投资表现。评分由委员会综合评定，企业在边际上”够不到手”，断点附近便近似随机分组。这与高新技术企业认定形成鲜明对照——后者的驱动变量（申报研发强度）完全掌握在企业手中，只能走向 bunching 设计。

复现包走读

openICPSR 114875 是”小而全”的典范，仅四个文件：

文件 内容
Bronzini-Iachini_dataset.dta 357 个申请项目，104 个变量（结果变量、评分、分组变量及作者分析中生成的交互项）
Stata-program.do Tables 3–6 的全部回归（Stata 11 语法）
Stata-program_Readme.pdf 使用说明
LICENSE.txt 许可条款

代码结构教科书般清晰，核心设定三句话讲完：

gen s = score - 75              // 驱动变量中心化
gen streat  = s * treat         // 处理侧交互项（s, s2, s3 同理）
reg INVSALES treat snotreat* streat* , cluster(score)

即：结果变量为投资/销售比（INVSALES），断点跳跃由 treat 系数捕捉，两侧允许不同阶多项式（0–3 阶），标准误按评分聚类；窗口三档——全样本、50%（score 51–81）、35%（score 65–79）。对应论文 Tables 3–4（基准）、Table 5（企业规模）、Table 6（覆盖比/企业年龄）。

警告复现小坑（亲测）

.dta 中已保存了作者跑完后的派生变量（s、streat、high、fclowm 等），直接重跑 Stata-program.do 会在 gen s=score-75 处报”already defined”。跑之前先 capture drop 掉全部派生变量即可——本站按此处理，一次跑通全部回归。

本地复现结果

以下所有数字来自本站本地 Stata 的实际运行输出（复现环境与命令见文末）。

基准效应（Tables 3–4）：全样本不显著，局部估计转正

设定 窗口 \(\hat\tau\)（treat） SE p 值
0 阶多项式 全样本 +0.012 0.013 0.350
1 阶 全样本 +0.040 0.020 0.053
2 阶 全样本 +0.046 0.030 0.134
3 阶 全样本 +0.065 0.042 0.126
2 阶 50%（51–81） +0.110 0.051 0.040
1 阶 35%（65–79） +0.068 0.041 0.120

模式与论文一致：全样本效应为正但多数不显著，收窄到断点附近的局部估计变大、二次多项式下显著——论文据此的表述是”整体上没有显著的投资增加”。

异质性（Table 5）：结论的全部重量所在

设定 窗口 小企业（treatsmall） 大企业（treatlarge）
0 阶 全样本 +0.045（p=0.018） −0.022（p=0.284）
1 阶 全样本 +0.081（p=0.003） −0.012（p=0.670）
2 阶 全样本 +0.099（p=0.001） −0.010（p=0.805）
1 阶 50% +0.090（p=0.013） +0.008（p=0.840）
2 阶 50% +0.179（p=0.002） +0.031（p=0.704）
1 阶 35% +0.143（p=0.006） −0.013（p=0.834）

小企业的投资/销售比提升稳定在 +4.5 至 +17.9 个百分点，横跨全部六种设定都显著；大企业在所有设定下都与零无差异。论文的解读是：小企业约按补贴金额一对一地增加投资（增量≈补贴额，即没有挤出），大企业则基本把补贴替换了自有支出（完全挤出）。

机制证据（Table 6，本站同样复现）显示：高覆盖比（补贴占项目成本比例高）与低覆盖比组、新老企业组间的差异都不如规模分组稳健；作者据此倾向于融资约束解释——小企业面临更高外部资金成本，补贴缓解了约束、转化为真实增量。

对照：若用今天的标准工具

方法篇已用同一数据演示 rdrobust：MSE 最优带宽 6.7 分、局部线性稳健推断给出 \(-0.06\)（p=0.212），协变量平衡检验通过。现代工具在断点极近处的功效明显更低（有效样本只剩 144），这提示两个互补的读法：论文的显著结果依赖较宽窗口与多项式设定；而 CCT 框架下的”精确的零”也未必是最后真相——357 个项目的样本量本身就限定了这场讨论的分辨率。这正是精读复现的价值：让读者亲手掂量证据的斤两。

政策含义与中国镜像

  1. “补贴有没有用”是错误的问题，正确的问题是”对谁、在什么约束下有用”。意大利的证据指向：融资约束紧的小企业边际反应大；
  2. 瞄准比撒网重要：如果补贴流向本来就不缺钱的大企业，净增量接近零，财政资金变成纯转移支付；
  3. 中国镜像：高新技术企业认定以 15% 税率惠及各规模企业，但研发费用占比阈值按规模分档（5%/4%/3%），事实上承认了不同规模企业的达标成本不同；而税收优惠经由应税所得起作用，对亏损/微利的小企业价值有限——直接补贴与税收激励的分工值得对照 Chen et al. (2021) 的反事实模拟：当企业可以”重贴标签”时，门槛式激励反而比抵免式更有效。

复现环境

  • 包来源：openICPSR 114875（https://doi.org/10.1257/pol.6.4.100 文章页 Replication Data 入口）
  • 本地运行：Stata（Windows）；先 capture drop 全部派生变量后整段执行 Stata-program.do
  • 运行耗时：秒级；无外部依赖

延伸阅读

  • Bronzini, Raffaello, and Eleonora Iachini. 2014. “Are Incentives for R&D Effective? Evidence from a Regression Discontinuity Approach.” American Economic Journal: Economic Policy 6(4): 100–134.
  • Wallsten, Scott J. 2000. “The Effects of Government-Industry R&D Programs on Private R&D: The Case of the Small Business Innovation Research Program.” RAND Journal of Economics 31(1): 82–100.（补贴挤出的经典对照）
  • Higgins, Kyle. 2024 起 AEA Data Editor 对 AEJ: Policy 复现包的年度报告（了解官方复现标准的演进）