Die Schätzung der privaten Erträge aus Investitionen in Forschung und Entwicklung (FuE) steht seit langem im Fokus vieler empirischer Arbeiten. Als Ansatz wird zumeist eine Wissensproduktionsfunktion verwendet. In diesem Ansatz führen FuE-Investionen zu einer Erhöhung des firmeninternen Wissenskapitalstocks, der wiederum als ein Inputfaktor in die Produktionsfunktion eines Unternehmens eingeht. Die Schätzung des Effekts des Wissenskapitalstocks auf den Output eines Unternehmens stellt ein Maß für die Erträge aus FuE dar.

Dieses Papier stellt einen neuen Ansatz vor, die privaten Erträge aus Investitionen in FuE zu messen. Wir entwickeln und schätzen ein dynamisches strukturelles Modell der Entscheidung eines Unternehmens in FuE zu investieren, das konsistent ist mit einer Maximierung der langfristig erwarteten Nettoerträge aus dieser Investition. Das Modell berücksichtigt, dass die Entscheidung eines Unternehmens in FuE zu investieren, die Wahrscheinlichkeit für zukünftige Produkt- und Prozessinnovationen beeinflusst und sich die Einführung von Produkt- und Prozessinnovationen wiederum auf die zukünftige Produktivität und die Gewinne des Unternehmens auswirkt. Das Modell erlaubt es somit, den Einfluss der FuE-Entscheidung auf den Firmenwert (abdiskontierte Summe aller zukünftigen Gewinne) zu identifizieren. Die Differenz zwischen den Firmenwerten, wenn das Unternehmen in FuE investiert und wenn es nicht investiert, ist ein Maß für die langfristigen Erträge aus FuE. Ein Unternehmen wird sich für FuE-Aktivitäten entscheiden, wenn die langfristigen Erträge größer als die damit verbundenen Kosten sind. Dabei erlaubt das Modell, dass sich die Kosten im Falle einer Aufnahme von FuE-Aktivitäten (Sunk Costs) von denen bei Fortsetzung von FuE-Aktivitäten (Fixkosten) unterscheiden.

Wir verwenden Daten des Mannheimer Innovationspanels für das deutsche verarbeitende Gewerbe, um das Modell zu schätzen und die langfristigen Erträge zu berechnen. Unsere Ergebnisse zeigen eine hohe Variation in den erwarteten Erträgen aus FuE zwischen und innerhalb von Industrien. So reichen die erwarteten Erträge für ein Medianunternehmen (gemessen anhand seiner Produktivität) von 43 Millionen Euro in der Automobilindustries, über 20 Millionen Euro in der Chemischen Industrie bis zu rund 350 Tausend Euro in der Gummi-/Kunststoffverarbeitung oder in der Glas/Keramik/Steinwaren-Industrie. Berücksichtigt man neben den erwarteten langfristigen Erträgen aus FuE auch deren Kosten, dann lassen sich mittels des Modells auch die Nettoerträge aus FuE schätzen. Die Ergebnisse zeigen auch hier eine große Variation zwischen den Industrien sowie zwischen Firmen, die bereits in der Vorperiode FuE durchgeführt haben und solchen, die auf FuE in der Vorperiode verzichtet haben. Dies liegt auch darin begründet, dass die geschätzten Fixkosten deutlich geringer sind als die Sunk costs. So variieren die Nettoerträge, gemessen als Anteil am Firmenwert, für die Medianunternehmen in den fünf Hightech-Industrien zwischen 2.4 und 3.2 Prozent, wenn das Unternehmen FuE in der Vorperiode durchgefürt hat. Ohne FuE-Erfahrung liegen die Nettoerträge dagegen zwischen -4.6 to 0.6 Prozent. Ein negativer Wert bedeutet, dass in dieser Industrie das Medianunternehmen es als nicht profitabel erachtet in FuE zu investieren. Betrachtet man innerhalb der Gruppe der Unternehmen ohne FuE-Erfahrung nur solche, die FuE profitabel finden und daher FuE-Aktivitäten neu aufnehmen, dann erzielen sie Nettoerträge von 2.0 bis 2.4 Prozent. Diese Nettoerträge sind in den sieben Lowtech-Industrien deutlich niedriger und liegen bei rund 0.2 Prozent.

Das geschätzte dynamische strukturelle Modell kann genutzt werden, um kontrakfaktische Politiksimulationen durchzuführen. Zum Beispiel kann analysiert werden, wie sich eine Reduktion der FuE-Kosten als Folge einer FuE-Subvention auf die Entscheidung eines Unternehmens in FuE zu investieren und auf das zukünftige Produktivitätswachstum auswirkt. Unsere Ergebnisse zeigen, dass eine Reduktion der Fixkosten um 20 Prozent in den Hightech-Industrien nach 5 Jahren zu einem Anstieg der FuE-Beteiligung um etwa 7 Prozentpunkte und zu einer Zunahme der durchschnittlichen Produktivität um 4 Prozent führt. Dagegen hat eine Reduktion der Sunk Costs um 20 Prozent nur geringe Auswirkungen auf beide Größen. Beide Politikmaßnahmen haben somit sehr unterschiedliche Auswirkungen auf die FuE-Entscheidung eines Unternehmens. Während geringere Fixkosten für alle Unternehmen einen größeren Anreiz darstellt in FuE zu investieren, ist dies bei der Reduktion der Sunk Costs nicht der Fall. Einige Unternehmen werden zwar dadurch FuE-Aktivitäten aufnehmen, gleichzeitig sinkt der Optionswert für Unternehmen mit FuE-Erfahrung und ein Teil dieser Unternehmen stellt daher FuE-Aktivitäten ein.

Peters, Bettina, Mark J. Roberts, Van Anh Vuong und Helmut Fryges (2013), Estimating Dynamic R&D Demand: An Analysis of Costs and Long-Run Benefits, ZEW Discussion Paper No. 13-089, Mannheim, erschienen in: RAND Journal of Economics. Download

Schlagworte

R&D demand, Innovation, Productivity, Dynamic structural model