資質認定型創新政策能否促進企業技術創新“增量提質”
——來自國家認定企業技術中心政策的證據

徐 揚 陶 鋒 韋東明

一、引言

隨著中國經濟進入新常態發展階段，推動創新驅動的內涵式增長成為促進經濟發展轉型，實現經濟高質量發展的重要方向。黨的十八大首次將“創新驅動發展”上升到國家發展戰略層面。黨的十九大報告進一步指出，要深化科技體制改革，建立以企業主體、市場為導向、產學研深度融合的技術創新體系。作為創新驅動發展最主要的動力來源，如何提升企業創新能力、建立世界一流創新型企業，突出創新型引擎企業的引領作用一直以來都是中國學界和政界關注的焦點和熱點問題(馮根福等，2021)，為此，各級政府出臺了大量旨在促進企業創新的經濟政策。早在20世紀90年代初，中國政府為了加強企業主導的技術創新組織建設，提出要在企業內部建立技術中心。經歷了近30年的發展，國家認定企業技術中心數量從1993年的40家上升到2020年1984家，已經成為中國推動企業建設高水平研發機構，開展應用基礎研究和前沿技術開發的重要舉措。因此，研究國家認定企業技術中心政策的創新效應，對于強化企業主體創新能力，完善關鍵核心技術攻關的新型舉國體制具有重要意義。為此，本文擬回答以下問題：國家認定企業技術中心政策對微觀企業技術創新是否存在促進效應，以及這種促進效應是提高了企業創新數量還是創新質量？目前國家認定企業技術中心政策存在哪些環節需要提升？國家級企業技術中心認定能否對行業內其他企業創新發展起到引領示范作用？在國家實施創新驅動發展戰略和重點培育創新型引擎企業的時代背景下，厘清上述問題顯得尤為關鍵。

在現有研究方面，與本文研究主題相關的文獻主要有兩類。一類是資質認定型創新政策對企業技術創新的影響研究。如楊國超、芮萌(2020)研究發現，高新技術企業資質認定政策不僅可以激發企業增加研發投入，而且還能促進創新產出數量和質量同步提升，但通過非真實手段增加創新投入而擁有高企資質的企業，反而降低了其技術創新水平。邱洋冬、陶鋒(2021)運用不同的數據樣本也得到了類似的研究結論，他們通過構造高新技術企業專利數據集，實證研究發現高企資質認定政策能夠提高企業真實性創新水平，但只存在于多次獲得認定的企業。Dai and Wang(2019)采用傾向得分匹配基礎上的雙重差分法實證研究發現高新技術企業資質認定政策并沒有導致企業創新激勵扭曲，反而提升了企業研發強度和全要素生產率。雷根強、郭玥(2018)、鄭玉(2020)研究認為國家高新技術企業認定政策能夠發揮積極信號傳遞作用，通過吸引金融資本和外部技術合作促進企業創新水平提升。相反地，李維安等(2016)、韓鳳芹、陳亞平(2020)通過實證研究認為高新技術企業資質會使處于強制度性環境中的企業利用其成為規避稅收的工具，企業可能通過主動迎合資質要求而進行策略式創新。章元等(2018)對中關村高新技術企業數據研究發現，政府稅收優惠對高新技術企業自主創新存在擠出效應，獲得補貼企業往往增加技術引進而減少自主研發，雖然對短期創新存在激勵作用，但長期激勵效應卻不顯著。其他資質認定政策方面，陳晨等(2021)研究發現國家創新型企業認定政策對企業創新和經濟績效在短期和長期均存在促進作用。汪蕾、張劍虎(2021)利用新三板上市公司數據研究發現，瞪羚企業資質認定能夠顯著提升企業創新質量，且這種促進作用對于處于增長期的瞪羚企業尤為明顯。另一類是以國家企業技術中心為研究對象的研究，主要通過分析企業技術中心現狀、運營模式、影響因素及分布特征，探討國家企業技術中心運營機制并提供建議(汪樟發等, 2009；陸建芳、戴炳鑫, 2012; 莊德林等，2020)。綜合上述研究文獻可以發現，目前學術界主要集中于第一類問題的研究，第二類問題囿于數據較為少見。資質認定型創新政策作為一種類似“挑選贏家”的選擇性產業政策，其是否能激勵企業增加研發投入，提升企業創新水平仍然存在較大爭議，但自從頒布國家認定企業技術中心政策以來，相關企業在獲得國家企業技術中心資質認定后其技術創新能力是否得到真正顯著提升至今尚未進行深入識別和研究。

鑒于此，為了準確識別出國家企業技術中心資質認定政策對企業技術創新的影響，本文選擇2006—2018年中國A股上市公司作為研究對象，結合上市公司專利數據，在傾向得分匹配法基礎上構建漸進雙重差分法模型來緩解遺漏變量對實證估計結果的不利影響。本文的實證結果表明，國家認定企業技術中心政策促進了企業創新數量和質量同步上升，這一促進作用在樣本企業屬于國有企業、高新技術行業企業和處于地區市場化程度低時更為顯著。進一步分析其作用機制發現，國家認定企業技術中心政策影響企業創新的機制不僅包括資金效應，還包括人才集聚效應和產學研合作效應。此外，拓展性研究表明國家認定企業技術中心政策能夠通過知識溢出發揮創新引領作用。本文的研究結果表明，國家認定企業技術中心政策能有效激發企業創新活力，提升企業的競爭力與持續發展能力。

本文可能的貢獻如下：(1)首次基于國家認定企業技術中心資質政策這一具體化載體探討其對企業創新的影響及其機制，豐富了有關企業創新影響數量和質量因素的經驗研究，為其促進作用的后續優化提供了相關經驗證據；(2)創新指標度量方面，本文從專利知識寬度、前向引用等多個維度構建了企業創新產出的度量指標，避免了單獨采用專利數量衡量的缺陷，探索性地檢驗了國家認定企業技術中心政策對企業技術創新的影響；(3)識別策略方面，本文在傾向得分匹配法基礎上采用“漸進式”雙重差分估計，可有效減少遺漏變量和樣本異質性所帶來的選擇性偏誤，是檢驗國家認定企業技術中心政策創新效應的有效工具。

二、政策背景與理論機制分析

(一)政策背景

20世紀90年代初，在社會主義市場經濟體制建設大背景下，企業逐步轉為生產經營和市場競爭主體，但創新能力不足、科研與生產脫節等現象引起政府部門廣泛關注。為提升企業技術創新能力，建立有效的市場技術創新運行機制，使企業真正成為技術研發主體。1992年國務院等有關部門頒布《推進企業技術進步的若干政策措施》，首次提出要在大型企業和集團公司內部建立技術中心，并于1993年公布第一批認定的40家企業(集團)技術中心。國家企業技術中心不僅從事研究開發活動，還具備一些企業運營活動所需要的其他功能，包括輔助戰略決策、培育人才、加強產學研合作、吸引技術資本，以及搜集和分析研發情報等職能。經過近30年的不斷探索，國家企業技術中心政策不斷完善，形成一套嚴格的資格認定、稅收優惠、資金補助和評價審核等方面的流程體系。截至2020年12月，共認定國家級企業技術中心1636家、分中心108家(如圖1所示)。國家統計局最新數據顯示(1)http：//www.stats.gov.cn/tjsj/zxfb/201802/t201802131583424.html.，2017年1276家國家企業技術中心共投入研發經費5096.8億元，占所在企業研發投入的84.8%，其中制造業技術中心投入研發經費占比達78.1%；國家企業技術中心所在企業當年共申請專利21.4萬件，其中發明專利11.8萬件，占申請專利總數的55.1%。

圖1 1993—2020年國家企業技術中心認定數量情況數據來源：根據官方網站公布數據整理。

國家企業技術中心認定政策的基本特點主要有以下幾點：一是從政策定位上看，國家企業技術中心作為國家創新基礎設施建設的重要組成部分，其主要目的是培育創新主體，發揮企業在國家技術創新體系中的主體作用，同時以國家企業技術中心為載體，整合創新資源，以企業現實需求和薄弱環節為導向，建設與企業發展要求相匹配、代表行業領先水平、有利于吸引和培育優秀人才的自主創新平臺，此外，進一步發揮國家企業技術中心企業在技術創新方面的引領示范作用，帶動行業內其他企業創新發展。二是從政策優惠角度上看，獲得國家企業技術中心資質認定后，企業有機會享受科技開發用品免征進口稅、承擔中央財政科技計劃(專項、基金等)的研發任務和地方政府獎勵資金扶持，但總體而言，企業通過國家認定所帶來的政府直接資金扶持遠小于企業實際研發投入，其對企業創新活動本身所需的資金直接貢獻不大，更多是資質認定通過信號傳遞所帶來的間接效應。總之，國家認定企業技術中心政策對于提升微觀企業技術創新能力，帶動產業結構優化升級和推動宏觀經濟高質量發展具有重要意義。

(二)影響機制分析

理論上對創新問題的研究最早可以追溯到熊彼特有關“創造性破壞”的開創性研究。創新作為一種戰略性行為，具有周期長、風險高、投入規模大等特點(Holmstrom, 1989)，相比于企業一般性的經營投資行為，企業從事技術創新活動需要重點克服三個方面的難題：一是創新資金約束問題，由于創新活動本身所具有的高風險屬性直接限制了企業的創新強度以及積極性，成為掣肘企業創新高質量發展的主要障礙之一(Brown et al.，2012)，同時還會對后續研發活動造成資金缺乏，導致研發項目擱置或放棄(張璇等,2017)。二是高素質人才集聚難題，技術創新需要個體在掌握一定知識水平后才能發生，因此以知識為核心的高素質人才是企業研發創新的主體(王玨、祝繼高,2018)，企業往往受限于企業規模和平臺資源無法獲取合適的技術創新人才，造成企業創新人力資本的缺乏(陳思等,2017)。三是創新信息的匱乏，隨著創新活動技術復雜性提升和技術融合度增強，技術方面的信息缺乏成為企業創新發展的攔路虎，企業僅憑自身的創新資源和實力很難有效實現技術創新水平的快速提升，與此同時復雜性知識本身還具有的隱性特征，只有面對面交流才能發生知識溢出和轉移，使企業往往很難從外部知識市場輕易獲得知識溢出。總之，資金約束、人力資本以及創新信息是企業技術創新需要重點解決的難題(蔡衛星等,2019；王康，2019)。

然而，受限于經濟發展階段和科技體制機制不健全，長期以來中國在企業創新融資約束、人力資本以及創新信息互補方面還比較薄弱，這阻礙了以企業為主導的技術創新體系構建。作為企業重要的創新平臺，國家企業技術中心的設立為這一難題的解決提供了可能。具體而言，國家認定企業技術中心對企業技術創新的影響主要表現在以下三個方面：

1.嫁接政府和市場資金，促進企業創新。

國家認定企業技術中心政策可以通過多種方式幫助企業緩解創新融資約束問題：首先，從政府方面來看，企業在獲得國家企業技術中心資格認證后，不僅可以享受到科技開發用品進口免征關稅的優惠，而且還能承擔中央財政科技計劃(專項、基金等)的研發項目和獲得國家科技部等部門設立的企業技術中心能力建設專項資金，同時各地方政府還專門設立了國家企業技術中心資格獎勵，如廣東省對首次認定為國家企業技術中心的企業一次性資金獎勵最高可達1500萬元。

其次，從資本市場角度來看，國家認定企業技術中心所發揮的積極信號傳遞能夠緩解企業與外部資本市場間的信息不對稱。一方面，由于創新活動本身所具有的正外部性和市場預期風險，使得企業不愿意過多披露相關研發信息，即使企業想公開，一些隱性技術知識也很難被外界所知(Blind et al.，2017)。另一方面，資本市場(如機構投資者)在挑選投資對象時通常需要投入大量的人力和物力，付出高昂的信息甄別成本。與此同時，作為信息獲取弱勢方，外部投資者還容易面臨逆向選擇和道德風險等問題(劉春林、田玲，2021)。政府作為第三方通過對企業技術中心的認定介入企業與外部投資者之間的互動關系，授予企業國家企業技術中心稱號，需要經過嚴密的篩選論證過程，要對企業的技術創新能力水平以及創新要素、發展前景等多個方面進行綜合性評估，同時，企業獲得國家企業技術中心認定并不是一勞永逸的，從2005年開始每兩年進行一次考核評價，評價為不合格的，撤銷其國家級技術中心資質。總之，企業獲得國家企業技術中心稱號是政府對其技術創新能力和發展前景的“背書”。基于以上分析，本文提出以下假說：

H1：國家企業技術中心資質認定有利于企業緩解融資約束，進而促進企業創新水平提升。

2.提升人力資本，促進企業創新。

國家認定企業技術中心政策可以充分發揮人才培養和人才引進功能為企業創新活動提供高質量的人力資本。李靜等(2017)認為人力資本錯配是當前中國經濟發展面臨的突出問題，大量高素質人才選擇進入高收入的壟斷性行業，而不是生產性或創新型企業。企業缺乏高質量人才的原因主要在于，一是沒有足夠的企業聲譽吸引技術人才，二是沒有足夠的資源匹配人才需求(陳思等, 2017)。國家企業技術中心作為重要的企業創新協同平臺，不僅能夠發揮自身品牌和資源優勢，激勵企業增加研發創新投入，提高人才培養力度和引導高素質人才資源向企業集聚，還可以通過與不同創新主體間的緊密合作，為企業提供人力支持。例如，合肥美亞光電技術股份有限公司技術中心獲得國家認證后，2014年研發創新人員培訓費用占整個技術中心員工總收入之比達到7%，中心采用內部培訓、外部培訓等多種方式為技術人員提供多渠道的在職培訓和交流學習機會。基于以上分析，本文提出以下假說：

H2：企業獲得國家企業技術中心認定有利于其發揮人才集聚效應提升企業創新水平。

3.加大產學研合作，促進企業創新。

作為產學研合作創新平臺，國家企業技術中心使企業進行產學研合作更加廣泛和便利。國家企業技術中心可以發揮創新協同效應使得企業與科研院所、高校和行業內其他企業等不同創新主體建立相互信任的創新網絡，創造穩定的合作關系，為企業建立多重信息渠道，降低研發風險，獲得創新規模經濟效應(權小鋒等, 2020)。例如，2017 年5 月，由山煤國際能源集團企業技術中心，聯合中科院山西煤化所、北京交通大學等15 家從事石墨烯相關領域技術研究院校及相關企業，組成“山西省石墨烯產業技術創新戰略聯盟”，成為山煤國際能源集團實現創新驅動戰略，提高自主研發能力和核心競爭力的重要舉措。另外，以國家企業技術中心為平臺可以促進社會不同創新主體間產生良好的協同效應，降低企業在創新過程中的不確定性和失敗風險。基于上述分析，提出如下假說：

H3：企業獲得國家企業技術中心認定有利于其發揮產學研合作效應提升企業創新水平。

三、研究設計

(一)數據樣本

本文研究的樣本為2006—2018年中國非金融上市公司A股的非平衡面板數據。選擇2006年作為研究的起始年份主要原因在于2006年財政部對企業R&D的會計處理做了重大修改，修改前后標準變化大，且2006—2018年所認定的國家企業技術中心占國家企業技術中心總數的73.29%，能夠較好的反映總體情況。財務數據來自CSMAR數據庫和WIND數據庫，選取上市公司數據作為研究樣本的主要原因在于上市企業往往邁過了初創期，在各自行業內發展良好。國家認定企業技術中心的上市公司數據來自國家發改委、科技部等官方網站公布名單的手工收集整理。需要說明的是，本文所研究的國家企業技術中心僅指上市公司本身所擁有的國家企業技術中心，不包含在上市公司母公司或者子公司層面認定的國家企業技術中心。上市公司專利數據來自中國研究數據服務平臺(CNRDS)數據庫和色諾芬經濟金融(CCER)數據庫。在此基礎上，本文根據以下標準對樣本進行處理：(1)篩除ST或*ST企業樣本；(2)剔除金融保險行業企業樣本；(3)刪除財務指標缺失或明顯有誤的樣本；(4)剔除樣本期內評價為不合格被撤銷的企業樣本。最后，為了避免異常極端值影響，本文對樣本內所有連續變量進行上下1%水平的縮尾處理，最終得到15641個企業—年度觀測值，其中被認定擁有國家企業技術中心資格的企業為362家，未擁有認定資格企業為1904家。

(二)識別策略和模型設定

由于企業獲得國家企業技術中心認定的時間不同，本文首先采用雙重差分模型檢驗企業獲得國家認定企業技術中心對其技術創新的影響。考慮到企業獲批國家級企業技術中心稱號并非隨機，國家發改委等有關部門制定的國家企業技術中心相關規定對企業提出了一系列要求，如具有良好的經濟技術實力和經濟效益，且具有一定的研究試驗條件，這些要求可能使得擁有國家企業技術中心資質的企業在認定之前，本身技術創新能力相比更強。因此，企業能否被認定為國家企業技術中心可能存在自選擇偏誤。因此，本文借鑒王康等(2019)、劉瑞明、趙仁杰(2015)的做法，進一步采用傾向得分匹配法基礎上的漸進雙重差分法來減輕實驗組和控制組在認定前的差異，使其更好符合平行趨勢假設，降低由企業異質性所帶來的樣本選擇性偏誤。，基準模型設置如下：

innovationi,t=α0+α1didi,t+∑δcontrolsi,t+λi+θt+εi,t

(1)

其中，下標i表示企業，下標t表示年份。innovationi,t為本文被解釋變量，分別通過專利數量和質量代表企業技術創新水平。鑒于一項專利從申請到最終獲得授權需要經歷1—2年的審核及完善過程，在審核過程中可能存在許多不確定因素(Tong et al.，2014)。因此，在衡量企業創新能力方面，專利申請日期比授權日期更加客觀，更能及時反映企業創新產出的變化(楊國超、芮萌, 2020)。根據中國《專利法》所規定三種專利類型，本文采用企業全年三種類型專利(發明專利、實用新型、外觀設計)申請數加1取自然對數表示創新數量(2)在穩健性檢驗中本文還進行了被解釋變量滯后處理，其結果不影響本文結論。。

didi,t是本文核心解釋變量，代表上市公司是否在樣本期內被評定為國家企業技術中心企業的啞變量，被認定為1，否則為0 。α1是本文最關注的參數，表示排除其他干擾因素后，企業獲得國家企業技術中心稱號對其技術創新的凈效應，α1大于0表示國家企業技術中心促進了企業技術創新，反之則抑制企業技術創新。

此外，controlsi,t為控制變量，參考楊國超、芮萌(2020)、權小鋒等(2020)等已有相關研究做法，控制如下變量：企業規模(size)，采用企業總資產取自然對數值表示；研發投入強度(rd_ratio)，用企業研發投入除以銷售收入比值表示；企業年齡(firmage)，用觀測年份減去成立年份加1取自然對數表示；資產負債率(leverage)，利用總負債除以總資產比值表示；總資產收益率(roa)，用凈利潤除以總資產比值表示；企業第一大股東持股比例(top1)；是否為國有企業(soefirm)，是則為1，否為0；銷售收入增長率(salesgrowth)，用年平均營業收入增長率表示；企業現金流(cash_ratio)，用貨幣資產除以總資產比例表示；董事會規模(lnboardsize)，用公司董事會人數加1取自然對數表示。λi為企業固定效應，θt為時間固定效應，εi,t為隨機干擾項。

表1 匹配前主要變量描述性統計

(三)描述性分析

表1是對主要變量匹配前的描述性統計分析。可以看出，實驗組企業無論是專利申請數量，還是專利知識寬度均值均大于控制組企業，同樣地，企業規模、研發投入比、總資產收益率等主要變量也是如此。這初步驗證了認定政策對企業技術創新的確存在顯著影響，同時也說明存在明顯的“自選擇效應”。因此，采用PSM-DID模型來有效減少上述問題干擾，從而實現國家認定企業技術中心政策創新效應的有效估計。

四、實證結果與分析

(一)平衡性檢驗

首先根據PSM-DID模型的思路和邏輯進行樣本匹配，為實驗組找到合適的控制組。參照王康等(2019)做法，采用企業獲批國家企業技術中心稱號前一年的協變量進行逐年匹配。選取的是2008—2018年開始獲批國家企業技術中心的企業，匹配樣本區間為2007—2017年。參考Abadie et al.(2004)的建議，采用k階最近鄰匹配(4)在穩健性檢驗中，還分別采用1 ∶2和1 ∶3比例進行匹配，其結果不影響本文結論。(k=4,半徑為0.05)。具體操作步驟如下：(1)對于2008年被評定國家企業技術中心的企業，匹配時采用對應企業2007年的協變量，從當年未獲批企業中匹配與認定企業特征相似的控制企業樣本集，即使用logit模型來估計被評定傾向得分。協變量主要參考以往研究和影響企業被評定國家企業技術中心的決定因素，分別采用企業規模、總資產收益率、研發投入強度、有效專利數量、研發人員占總員工比重、國有企業啞變量、企業年齡、資產負債率等變量；(2)根據上述做法，依次對2009—2018年的企業樣本進行逐年匹配，最后，合并上述分年度樣本集，形成本文基礎數據集。

在進行回歸之前，為了確保匹配結果的可靠性，進行了平衡性檢驗。圖2分別為匹配前后的核密度曲線(傾向得分匹配圖)。從圖中對比可以看出，匹配前實驗組和控制組的傾向得分值存在顯著差異，匹配后實驗組和控制組的傾向得分分布幾乎重合，表明兩組企業的協變量之間不存在顯著性差異。因此，本文后續采用的PSM-DID模型具有較好的實證分析效果。

圖2 匹配前后傾向得分概率分布圖資料來源：作者根據stata軟件繪制。

(二)基準回歸結果與分析

表2報告了國家企業技術中心認定政策對企業技術創新影響的實證結果，其中第(1)至(4)列為國家企業技術中心政策對企業三種類型專利申請數量的估計結果，當被解釋變量為專利數量時，無論采用DID估計還是PSM-DID估計，核心解釋變量did的估計系數只在發明專利申請數量上通過5%的顯著性水平檢驗，而為實用新型和外觀設計專利申請數時，估計結果在統計上不顯著且為負。通常情況下，發明專利相比于實用新型和外觀設計專利在申請要求和授權過程更為嚴格，質量也就越高(He et al., 2017; 蔡衛星等, 2019)，這從數量層面上表明相比于非認定企業，國家企業技術中心政策能夠激勵企業從事更多實質性創新，減少策略式創新行為，具體表現為增加發明專利申請數量，減少實用新型和外觀設計專利非發明專利的申請數量。第(5)至(8)列分別為匹配前后國家企業技術中心政策對企業專利質量影響的估計結果，當被解釋變量為申請發明專利和實用新型專利知識寬度時，核心解釋變量did系數均至少在10%的水平下顯著，這說明國家企業技術中心政策有利于促進企業創新質量的提升。從估計系數的經濟意義上看，國家企業技術中心認定政策使企業發明專利申請數量增加約10.38%，發明專利知識寬度增加約24.17%。

表2 基準回歸結果

因此，在控制其他條件不變的前提下，國家認定企業技術中心政策可以顯著激勵企業技術創新“增量提質”，起到引領企業創新發展的作用。當前，中國產業政策往往面臨企業迎合策略式創新的挑戰，即產業政策會誘導企業的逆向選擇行為，造成了專利“泡沫”現象的發生，而國家認定企業技術中心政策并未導致企業策略性創新行為的可能原因在于：一是從動機看，國家認定企業技術中心政策支持力度相對較小，政府對企業獲得認定資質后所給予的資金獎勵遠小于企業研發資金投入，企業受益更多的是通過資質認定所帶來的積極信號傳遞，因此，企業“尋資質補貼”的策略性動機較弱。二是從資質維持時間來看，國家認定企業技術中心考核要求中明確指出，企業獲得國家企業技術中心資質認定后，每兩年考核一次，考核標準中對企業研發強度、發明專利數量等指標具有嚴格要求。相比而言，專利政策、稅收政策很少考慮資助后的影響，使得企業從事策略式創新行為的成本相對較低，更容易引起企業機會主義行為(張杰、鄭文平, 2018)。

(三)平行趨勢檢驗

上文實證分析結果表明無論是采取DID估計亦是PSM-DID估計，國家企業技術中心認定政策都能有效促進企業創新數量和質量提升，而雙重差分實施的前提條件是滿足平行趨勢假設。本文采用Jacobson et al.(1993)的做法，利用事件分析法進行平行趨勢檢驗。具體模型如式(2)所示。其中，D表示是否被認定為國家企業技術中心的啞變量，即D=1為實驗組企業，否則即為控制組企業。t分別表示被認定前2年以及認定后的9年。系數{β-2, β-1, β1,…, β9}分別表示被認定的第t年，實驗組和控制組的發明專利申請量和發明專利知識寬度是否存在顯著差異。其他變量的設定同模型(1)。

(2)

圖3報告了國家企業技術中心認定政策對企業技術創新的動態效應估計結果，左右圖被解釋變量分別為發明專利申請量對數(lnapply_inv)和發明專利知識寬度(know_inv)，虛線為90%的置信區間。可以看出，系數β變化情況，在t < 0,也就是被認定之前，系數β的估計值并不顯著，符合平行趨勢假設。被認定后，系數β值表現出明顯的上升趨勢，說明實驗組的發明專利申請量和知識寬度明顯高于控制組企業，國家企業技術中心認定政策對企業創新具有明顯的增量提質作用。

圖3 平行趨勢及動態效應分析資料來源：作者根據stata軟件繪制。

(四)穩健性檢驗

1.更換被解釋變量

除了專利申請量，專利授權量也是重要的技術創新產出測度指標。本文進一步采用3種類型專利授權量，以及發明專利和實用新型專利知識寬度中位數加總的方式進行穩健性檢驗。表3報告了更換被解釋變量后的估計結果，從表中可以看出無論是采用被解釋變量滯后一期還是當期數值，核心解釋變量did系數依然顯著為正，這說明上文所得出的顯著正向影響是可靠的。

表3 穩健性檢驗結果(一)

2.內生性問題檢驗

采用上一年度本行業認定國家企業技術中心的企業數量對數值(number)作為工具變量。從經驗上看，上一年度本行業內被認定的國家企業技術中心數量越多，對同行業的其他企業申請國家企業技術中心認定具有引導示范作用，滿足相關性要求。就外生性而言，上一年度行業國家企業技術中心的數量一般不會通過除國家企業技術中心以外的其他途徑影響到企業真實創新活動。通過兩階段最小二乘法回歸估計后發現，上一年度本行業國家企業技術中心的數量對于國家企業技術中心的設立存在正面影響，且第一階段F值估計系數遠遠高于通常所認為的弱工具變量臨界值，而在第二階段剔除干擾因素后，國家企業技術中心認定政策仍顯著提升了企業發明專利申請數量和專利知識寬度，表明本文估計結果的穩健性。

表4 工具變量檢驗結果

3.安慰劑檢驗

為了盡可能避免國家企業技術中心認定政策的激勵效應受到其他非觀測遺漏因素的影響，本文借鑒Li et al.(2016)的經驗做法，基于模型(1)得出的估計結果，采用間接安慰劑檢驗的方法，在匹配后的樣本中隨機選擇子樣本作為實驗組來進行間接檢驗，并重復500次上述回歸模擬。圖4左右側分別為發明專利申請量(lnapply_inv)和發明專利知識寬度(know_inv)的P值分布圖，從圖中可以直觀看出，通過計算機模擬回歸的估計值均分布在零值附近，且基本服從正態分布，基準估計結果(17.6%、2.9%)位于在整個分布之外。因此，可以反推λ為零，從而證明國家企業技術中心認定政策對專利數量和質量的促進作用估計并未受到其他不可觀測的隨機因素干擾。

圖4 安慰劑檢驗結果資料來源：作者根據stata軟件繪制。

表5 穩健性檢驗結果

4.其他穩健性檢驗

除了上述穩健性檢驗之外，本文還采用一系列其他估計方法：(1)變更PSM-DID匹配方法，在模型2的基礎上，本文進一步更換匹配參數，分別采用1∶3和1∶2比例進行匹配，回歸結果均與基準回歸結果保持一致，表明結論依然穩健(5)限于篇幅，估計結果，留存備索。；(2)考慮到專利申請后需要一段時間才會被國家知識產權局公布，將被解釋變量提前一期再次進行檢驗，以減弱被解釋變量與核心解釋變量之間可能存在的反向因果關系，結果與基準回歸結果一致(6)限于篇幅，估計結果，留存備索。;(3)排除其他政策干擾，企業創新水平的提升不僅受到國家認定企業技術中心政策的影響，可能還受到其他政策影響。在基準回歸模型的基礎上，本文分別加入高新技術企業認定政策(tech)和企業博士后科研工作站政策(doc)的雙重差分項進行檢驗,回歸結果如表5所示，控制其他政策干擾后，國家認定企業技術中心政策仍然對企業創新數量和質量起到促進作用，表明基準回歸結果依然穩健;(4)控制聯合固定效應，在基準模型的基礎上，進一步控制省份-時間交互項、行業-時間交互項聯合固定效應，估計結果見表5第(5)和(6)列所示，did系數都至少在5%的水平顯著為正，再次證明基準回歸結果穩健。

五、異質性與機制分析

(一)異質性分析

本節將通過分樣本回歸進一步探討國家認定企業技術中心政策可能存在的優化方向，具體探討的問題如下：認定政策對企業創新數量和創新質量的促進作用是否會因企業所有權性質、所處行業屬性以及區域制度環境的不同而呈現差異化的結果？這對于繼續優化國家企業技術中心認定政策，切實提高企業創新能力具有重要的政策指導意義。

1.企業所有權的異質性

根據企業所有權屬性劃分為國有企業樣本和非國有企業樣本進行分析。基于分樣本的估計結果表6顯示，從發明專利申請數量上看，國家企業技術中心認定政策對國有企業和非國有企業都存在顯著促進作用，且非國有企業部門核心解釋變量系數大于國有企業，但從專利質量角度看，認定政策只對國有企業創新質量存在正向顯著促進作用，而對非國有企業樣本促進作用則不顯著。可能原因在于，國有企業在資源獲取、經營目標和激勵機制方面與非國有企業存在顯著差異(馮根福等，2021)。國有企業往往受到政府財政的軟預算約束，而非國有企業無論是在外部融資還是政策傾斜方面都面臨不同程度的“歧視”，其研發活動受到創新資源不足的約束，國家企業技術中心認定效應更容易對非國有企業創新數量發揮積極作用。但與此同時，研發創新活動本身具有的正外部性造成私人回報率小于社會回報率，使得非國有企業往往規避知識溢出效應大的基礎性研究，而國有企業作為政府解決創新市場失靈的重要工具，在政府的各種機制監督下往往從事了更多的基礎性研究(葉靜怡等，2019)，專利質量水平相對更高。

2.行業技術特征的異質性

各行業由于技術特征的不同，其創新活動存在不同的特點，亦會使國家企業技術中心認定政策對企業技術創新數量和質量方面的影響存在差異。鑒于此，本文參考潘越等(2017)的劃分標準，將企業所屬行業劃分為高新技術行業和非高新技術行業，分樣本回歸結果如表6所示，國家企業技術中心認定政策對高新技術行業和非高新技術行業企業無論是在創新數量還是創新質量方面都存在顯著促進效應，回歸系數方面高新技術行業組大于非高新技術行業。究其原因可能是，高新技術企業往往處于高知識密度、高競爭和高收益的市場環境中，迫使企業必須具備較好的技術創新水平，而國家企業技術中心認定政策更能激勵高新技術行業企業發揮認定政策所帶來的信號傳遞作用，獲得更多的市場資金扶持和創新合作機會等。

表6 異質性分析結果(一)

3.區域制度環境的異質性

從政策實施制度環境來看，國家企業技術中心認定政策是否會因為區域市場化水平的不同而呈現差異化的結果？鑒于此，本文借鑒王小魯等構造的市場化指數，對各省份市場化水平按照中位數進行分組，分為高市場化水平地區和低市場化地區。回歸結果見表7所示，核心解釋變量did的估計系數只在低市場化地區中顯著為正，而在高市場化地區不顯著。可能的原因在于，低市場化程度地區相比較高市場化地區，無論是在創新要素資源稟賦，還是研發信息獲取方面都處于弱勢地位，國家企業技術中心認定政策所發揮的正向效果相對更大。這一回歸結果同時也意味著，國家認定企業技術中心政策更應該強化在制度環境較弱地區的實施。

(二)影響機制分析

上文的理論分析表明，國家認定企業技術中心政策通過資金效應、人才集聚效應和產學研合作效應來影響企業技術創新，接下來，將通過實證分析驗證上述機制。

1.資金效應

企業獲得國家企業技術中心認定后，不僅可以享受到地方政府的資金獎勵和科技專項資金扶持，更為重要的是，認定政策的信號傳遞有利于緩解企業與外部資本市場的信息不對稱問題，增加外部融資。對此，本文構建了如下兩個變量作為資金效應的代理變量：企業當年獲得政府補貼的對數值(lnsub)，以及參考郭玥(2018)的做法，根據上市公司前十大股東是否存在風險投資機構判斷企業當期是否獲得風險投資，構建虛擬變量vc_dum，存在即為1，否則為0。在模型(1)的基礎上，構造如下計量模型：

表7 異質性分析結果(二)

lnsubi,t=α0+α1didi,t+∑δcontrolsi,t+λi+θt+εi,t

(3)

probit(vc_dumi,t=1)=α0+α1didi,t+∑δcontrolsi,t+λi+θt+εi,t

(4)

在式子(3)和(4)中，其他變量定義同前，估計結果見表8。從表8可以看出，無論被解釋變量是企業獲得政府補貼對數值(lnsub)，還是企業是否獲得風險投資(vc_dum)，國家認定企業技術中心政策(did)的估計系數都顯著為正，這說明國家企業技術中心政策具有嫁接財務資源的功效，能夠增加企業政府補貼，以及引導風險資本加大對企業研發資金投入。

2.人才集聚效應

本文借鑒權小鋒等(2020)做法，分別采用企業研發人員數量對數值(researcher)和員工中碩士及以上學位人數對數值(master)來表示企業高端人才集聚效應。表8給出國家認定企業技術中心政策對人才集聚影響的估計結果。結果顯示，無論是研發人員數量還是企業碩士以上學歷員工數量作為被解釋變量，核心解釋變量did的估計系數都在1%的水平上顯著為正，這說明認定政策能夠幫助企業壯大研發團隊，改善人才隊伍學歷結構，從而為企業創新提質增量提供更多高素質人才。

表8 作用機制檢驗結果

表9 作用機制檢驗結果

3.產學研合作效應

技術中心作為企業重要的創新發展平臺，結合前文理論分析，其能夠通過增加與高校、科研院所以及產業內或產業間其他企業的研發合作來提高創新能力。基于此，在模型(3)的基礎上，參考以往文獻做法，采用企業專利是否為合作專利作為被解釋變量，來識別國家認定企業技術中心政策的產學研合作效應，回歸結果如表9所示，第(1)至(3)分別是采用三種類型聯合申請專利數量作為被解釋變量，從表中可以看出，只有當被解釋變量為聯合申請發明專利(lninvja)時，核心解釋的估計系數才顯著為正，進一步，本文還采用聯合授權三種類型專利數量作為穩健性檢驗，結果與采用聯合申請專利數量一致，僅在聯合授權發明專利上，核心解釋的估計系數顯著為正。這在一定程度上表明認定政策有利于產學研合作深度提升，減少短平快項目。

綜上所述，國家認定企業技術中心政策促進企業創新主要通過發揮資金效應、人才集聚效應和產學研合作效應來實現。

六、進一步研究

上文已經驗證了國家認定企業技術中心政策能夠增加企業創新數量以及創新質量，但國家制定此項政策不僅僅是要提高企業的自主創新能力，同時還希望能夠發揮行業引領示范作用，帶動產業內及產業間其他企業的創新驅動發展。為此，本文進一步基于專利知識溢出視角考察國家企業技術中心資質認定政策是否存在創新引領作用。

自Jaffe(1993)提出專利引用量可以作為測度知識流動的代理指標以來，該方法被廣泛用于研究知識在企業間、產業間或區域間的溢出問題。例如Nagaoka et al.(2010)認為被后續發明專利頻繁引用的發明專利意味著更大的技術影響力，即更高的價值和質量。同樣地，專利前向引用數量在某種程度上也可以衡量創新的擴散速度，一段時間范圍內專利被引用數越高意味著技術創新傳播速度越快，技術外溢水平也就越高(余泳澤等, 2019)。因此，本文進一步基于知識溢出視角，選取專利前向引用次數作為衡量企業技術知識擴散程度的指標，以驗證被認定企業在創新知識擴散方面是否起到引領示范作用。上市公司專利前向引用數據來自于CNRDS數據庫，專利前向引用次數經過剔除自引用次數加1取自然對數處理，鑒于專利被引用是一個長期過程，為了克服專利引用斷尾問題，本文參考Hall et al.(2001)的做法，除以該年企業所在行業的平均專利被引用次數以消除時間截斷誤差。表10依次報告了當被解釋變量為全部類型專利數量之和、發明專利數量、實用新型和外觀設計專利前向引用次數時的估計結果，結果顯示，認定政策所帶來的企業技術創新水平提升能夠顯著增加其專利被引用次數。表10第(2)至(4)列分樣本回歸顯示國家認定企業技術中心政策僅增加發明專利和實用新型專利的被引用次數，這與基準回歸結果一致。總之，國家認定企業技術中心政策能夠提升企業創新質量，增加企業技術知識外溢。

表10 進一步研究檢驗結果

七、結論與政策建議

本文綜合運用2006—2018年中國上市公司財務數據、專利數據及手工收集的資質認定數據，采用雙重差分法實證檢驗國家認定企業技術中心政策對企業創新數量和質量的影響。研究發現，國家認定企業技術中心政策的積極影響不僅體現在專利申請數量所衡量的“量”的維度上，還體現在專利知識寬度所衡量的“質”的維度上。異質性分析表明，國家企業技術中心認定政策對國有企業、高新技術行業和處于制度環境較低的企業創新促進效應更為顯著。機制分析表明，國家企業技術中心認定政策有利于企業嫁接政府與市場的雙重資源，以及產生人才集聚效應提高企業人力資本積累，和加大企業產學研合作力度。拓展性研究表明擁有國家級技術中心資質的企業具有較強的知識溢出能力，能夠在創新方面起到引領示范作用。

基于上述研究結論，本文提出以下對策建議：一是為了培育實施創新驅動發展的先行者和排頭兵，政府應將國家企業技術中心認定政策置于更為重要的地位。不同于其他資質認定政策，國家認定企業技術中心政策并不會造成企業策略性創新行為，政府對認定國家企業技術中心的資金支持遠小于對企業研發資金的投入強度，但國家認定企業技術中心政策卻能促進社會創新資源集聚，最終提升企業創新水平。二是影響機制分析表明國家認定企業技術中心政策能夠發揮積極信號傳遞作用，形成良好的社會聲譽，進而通過外部融資激勵或研發創新合作促進企業技術創新水平提升。因此，政府應繼續發揮資源整合優勢，聯合專業性的技術認定機構建立科技項目評估平臺，為社會投資者提供官方參考，同時強化國家企業技術中心認定政策的宣傳和工作，向市場傳遞更強的政府支持信號，完善政府引導下的創新資源市場化配置。三是異質性分析表明應進一步優化國家認定企業技術中心政策在不同制度環境地區的配置，避免政策資源的過度集中或不合理配置所造成的無謂損失和資源浪費。當短期內區域制度環境無法快速提升時，國家可以考慮在市場化水平較低地區通過強化企業技術中心政策來促進域內企業高質量發展，不斷提高行業龍頭企業和大企業集團的技術創新能力，發揮其引領示范作用。