政府創新補貼對企業創新的影響

摘 " 要：基于2012—2022年A股先進制造業企業面板數據的研究發現，政府創新補貼能夠顯著提升企業創新數量和質量，但其效果受到補貼發放主體、發放時間、內容性質、項目性質等多重因素的影響。由產業集聚區和地方政府發放的、后補貼的、關鍵性的和專項的創新補貼具有更為顯著的效果。同時，政府創新補貼在不同行業中的作用效果存在較大差異。進一步的因果路徑分析表明，政府創新補貼主要通過“信號傳遞效應”來提升創新數量，通過“資金供給效應”來提升創新質量。此外，政府創新補貼的不同分類與影響機制之間存在特定的匹配關系。基于此，政府應根據補貼的發放主體、設計與實施方式以及行業特性，精細化設計政府創新補貼，以精準對接企業的研發需求。當前，政府創新補貼以財務補貼為主，這可能導致企業對外部資源的過度依賴，削弱其內生創新動力。未來改革方向應著眼于從“顯性”財務補貼向“隱性”制度補貼轉型，通過系統性的制度創新，為企業的技術進步和新質生產力的培育提供全方位的制度支撐。

關鍵詞：科技創新;企業創新;政府創新補貼;財務補貼;制度補貼

中圖分類號：F273.1 " 文獻標識碼：A " 文章編號：1003-7543（2025）01-0107-18

黨的十八大以來，黨中央高度重視創新發展。從創新驅動發展戰略的提出，到創新被明確定位為引領國家發展的首要動力，政府的戰略重心從傳統的“要素驅動型”和“投資驅動型”模式轉向“創新驅動型”模式。這一戰略轉變旨在加速創新型國家的建設，以科技創新作為推動經濟高質量發展的核心引擎。2024年中央經濟工作會議進一步強調要因地制宜發展新質生產力，以科技創新引領現代化產業體系建設，為中國實現更長遠的高質量發展提供強勁驅動力。

創新活動與常規經營活動不同，其特點在于資金需求量大、回報周期長，且伴隨著較高風險。特別是對中國的制造業企業而言，技術創新常面臨資金短缺的挑戰[1]。在這種情況下，僅靠企業自有資金儲備和市場融資機制難以滿足創新需求。先進制造業具有戰略性，“十四五”規劃綱要明確提出了推動先進制造業和現代服務業深度融合發展的目標。同時，中共中央、國務院印發的《擴大內需戰略規劃綱要（2022—2035年）》強調，要圍繞推動制造業高質量發展、建設制造強國，培育世界級先進制造業集群。工業和信息化部在《制造業技術創新體系建設和應用實施意見》中，更是明確提出要在2027年底建成先進的制造業技術創新體系。

在此背景下，本文主要關注政策支持體系的轉型及其對科技創新的推動作用。本文以先進制造業為例，深入探討如何設計有效的政府創新補貼，推動政策支持體系優化與轉型，從而更有力地驅動科技創新和制造業轉型升級。

目前，對于政府補貼與企業技術創新之間的關系，學術界主要存在三種觀點：正向促進論、負向抑制論和無影響論。正向促進論認為，政府創新補貼對企業創新具有激勵作用，它能夠激勵企業擴大研發投資，積極參與研發和創新活動[2]，不僅能夠為企業提供資金，而且可以傳遞政府對企業發展潛力的認可，向投資者發送積極信號[3]。負向抑制論則持有相反的觀點，認為創新補貼可能導致企業過度依賴政府，降低自身研發投入[4]，并可能因政企間信息不對稱引發“尋補貼”行為或將資金挪用，從而抑制企業創新水平[5]。此外，還有研究認為政府創新補貼對企業創新的作用并不顯著，如無償資助等類型的補貼政策對中小企業的研發行為并未產生明顯正向促進效果[6]。綜上，已有研究往往將政府創新補貼與企業創新的關系絕對化，忽略了政府創新補貼有效性的條件性特征。同時，對于創新補貼的具體分類和機制效應缺乏深入探討。

本文的邊際貢獻主要體現在以下三個方面：第一，在測度方法上，引入政府創新補貼的新測度方式，基于文本分析方法，有效避免了傳統粗糙分類下誤判率較高、結果可靠性不足的問題。這一方法的改進不僅提高了研究的準確性，而且有助于對政府創新補貼進行更細致深入的探討和評估。第二，在研究視角上，深入探究了政府創新補貼對企業創新的條件有效性，揭示了不同條件下（涵蓋發放主體、發放時間、內容性質和項目性質）政府創新補貼對企業創新的促進作用，分析了其與“信號傳遞效應”和“資金供給效應”的差異化匹配關系，并厘清了具體的因果路徑和主導效應。這為全面評估政府創新補貼效果、優化政策效能提供了堅實的實證依據。第三，在現實意義上，本研究不僅對政府以財務補貼形式提供的創新補貼進行了實證分析，還在延伸討論中創新性地提出了從財務補貼向制度補貼轉型的構想，深入闡述了制度補貼的內涵，并提出了鏈式、臺式和網式三種具體的制度補貼模式。這一系列探討有助于為政策支持體系的優化和升級提供強有力的制度支撐，同時也有助于為培育新質生產力貢獻前瞻性的決策參考。

一、理論分析與研究假說的提出

技術創新一直被視為推動社會進步的核心力量。然而，Branscomb和Auerswald[7]提出了“創新裂隙”問題，即發明與成果轉換之間存在難以逾越的“死亡之谷”。這種裂隙很大程度上源于政府對創新發展支持不足，從而限制了科技成果有效轉化為生產力。在支持創新技術開發的市場化資金方面，現狀并不樂觀。盡管風險投資在高增長企業中表現活躍，但其投資時機通常選擇在項目已完成或即將投產的階段，這無疑增加了初創企業的融資難度[8]。天使投資雖然在一定程度上填補了這一空缺，但其資金規模相對較小，難以滿足大規模的技術創新需求[9]。此外，企業自身資金儲備也多用于現有技術的逐步改進，而非突破性的創新研究[10]。特別是對于制造業初創企業，它們還面臨著規模化生產的挑戰，這使得技術創新變得更加艱難。在這一背景下，政府資金支持的重要性愈加凸顯。

政府補貼的實際成效受到其設計和實施方式的影響，涉及補貼的發放主體、發放時間、內容性質、項目性質等多個維度。研究表明，當政府補貼具備高度的針對性和靈活性時，其對企業創新的促進作用更為顯著[11]。此類針對性補貼能夠更精準地支持企業的創新活動，并降低創新風險，從而激發企業的創新活力。同時，不同類型的政府機構作為補貼發放者，也會對企業的創新活動產生不同的影響[12]。具體來說，某些機構可能更深入地了解企業的創新需求和市場環境，因而其提供的補貼能更有效地幫助企業實現創新產出[13]。此外，政府層級也會對企業的研發投入和產出產生不同的影響。有研究顯示，高層級政府的補貼通常具有更強的創新激勵效果，這可能與其雄厚的財政實力和廣泛的政策影響力有關[14]。補貼發放的時效性對企業創新活動也至關重要[15]。及時提供補貼能夠幫助企業有效克服創新障礙，特別是當補貼與企業的創新周期相契合時，其效果將會顯著提升[16]。例如，對研發稅收減免的調查顯示，稅收激勵的時機直接影響了企業的創新成果[17]。政府補貼在項目不同階段的發放也會對企業的創新產生不同的影響。有研究發現，政府補貼在項目前期、中期和后期的發放對企業創新的影響存在差異，但關于哪種方式更有效，結論并不一致。Bronzini和Piselli發現，早期的補貼更能有效地促進企業的研發活動[18]。而楊歡和李香菊則提出，事后補貼更能顯著提升企業的創新效率[19]。就政府補貼的內容而言，針對特定技術的補貼，相較于針對特定行業或普遍性的補貼，更能促進相關領域的創新[11]。此類針對性補貼能更直接地支持企業的技術研發活動，推動技術突破和產業升級。

然而，政府補貼的有效性并非在所有企業和情境下都是一致的。相反，它會隨著接受補貼的企業的特征和所處環境的具體條件而變化。補貼與企業創新的關系受到企業特征的影響，包括企業規模和以前的研發活動[20]。總體而言，政府補貼的不同維度都會對企業創新產生影響。然而，目前這些關于條件有效性的發現分散在不同的研究中，缺乏系統整合和應用。因此，如何綜合這些不同維度的討論，并應用于提高政府創新補貼的有效性上，就顯得尤為重要。

基于以上分析，本文提出假說1：政府創新補貼可以被視為條件性有效的政策工具，其有效性受到發放主體、發放時間、內容性質和項目性質等多重因素的影響。

政府創新補貼能夠通過“信號傳遞效應”和“資金供給效應”兩種機制，對企業創新的數量和質量產生顯著的激勵作用。具體而言，“信號傳遞效應”體現在政府對企業進行深度考察后，向外傳遞企業的優勢信息，有助于緩解潛在的逆向選擇問題。該效應主要為信息的流出，但也可能吸引潛在資本市場的資金流入。政府創新補貼的發放過程通常伴隨著嚴格的項目篩選和綜合評估，全面考量申請項目的技術可行性、發展前景和潛在貢獻等多個方面。因此，獲得補貼的企業被視為得到了政府的認可，這種積極的信號使市場投資者基于對政府技術和監管認證的信任[21]，而對企業未來的發展給予更高預期[22]。這種認證和指導信號能夠降低市場對新產品的不確定性和誤解風險，吸引更多市場投資者（包括金融機構和社會資本）的參與，同時有效延長企業創新的持續時間[14]，有助于形成多元化的資金支持體系，進一步推動企業創新活動的可持續發展。“資金供給效應”則是指政府直接為企業提供無償的研發資金補充，這主要涉及政府資金的流入，能直接緩解企業的財務約束，特別是在研發方面減輕資金壓力[12]。企業的創新過程涉及大量設備購置、高技術人才引進以及不確定的長周期成果轉化，面臨融資約束的企業往往難以通過內部和外部融資渠道獲得充足的研發生產資金[23]。而中國的資本市場尚待完善，銀行通常傾向于在企業發展的中后期提供融資，風險投資公司也偏好投資后期成熟的研發項目[24]。因此，政府為企業創新無償提供的資金保障可以直接作為企業的研發資金使用，降低了企業自身研發投入，有效緩解了企業創新過程中面臨的融資壓力，使企業能夠更加專注于創新研發活動。

簡而言之，“信號傳遞效應”主要體現在信息的流出以及由此吸引的潛在資金流入，而“資金供給效應”則著重強調政府資金的流入。盡管這兩種機制都能為企業帶來外部資金支持，從而緩解其融資約束，但它們的側重點和資金來源并不相同。因此，在提升企業創新績效方面的作用路徑也存在差異，需要分別進行深入剖析。

鑒于此，本文提出假說2：政府創新補貼能夠通過“信號傳遞效應”和“資金供給效應”提升企業創新的數量和質量。

二、研究設計

（一）樣本選擇

本文選取2012—2022年A股市場中的先進制造業企業作為研究樣本。數據主要來源于CSMAR和Wind數據庫，其中政府補貼明細數據摘自企業年報的“營業外收入”部分，而專利水平數據則來自國家知識產權局的專利檢索網站。選取2012年作為起始時間，主要是因為自該年起政府補貼的明細記錄開始規范化，包含了發放主體、發放原因、具體性質等詳細信息，便于文本分析。對于先進制造業的界定，本文以是否屬于制造業中的高新技術行業為標準，具體涵蓋了七大行業（醫藥制造業，鐵路、船舶、航空航天和其他運輸設備制造業，計算機、通信和其他電子設備制造業，儀器儀表制造業，電氣機械及器材制造業，石油加工等加工業，化學原料及化學制品制造業）。

在數據處理上，本文剔除了ST 和 PT 類公司，并排除了關鍵變量缺失的樣本，最終得到包含 9 519個觀測值的數據集。為緩解異常值影響，本文還針對連續性變量的1%和 99%百分位進行了Winsorize處理。

（二）變量選取及說明

表1列示了本研究中的主要變量及其計算方法，表2（下頁）提供了變量的描述性統計結果。

1.被解釋變量

本文從企業創新數量和企業創新質量兩個維度評估企業的創新績效。企業創新數量的衡量，借鑒了李春濤等[25]、余典范和王佳希[26]的做法，以有效發明專利（包括發明專利、實用新型和外觀設計專利）的總申請量加1后取自然對數作為衡量指標。同時，以創新效率（InnoEff1）[27]作為穩健性檢驗的替代指標。企業創新質量的衡量，則參考了曹虹劍等[28]的做法，以專利他引次數為評價標準，并在穩健性檢驗中使用總引用次數（CitedTimes_all）作為替代變量。

2.解釋變量

本文選取政府創新補貼作為解釋變量。以往研究普遍采用郭玥[29]的創新補貼劃分方法，本文則在此基礎上進行了改進，利用Python對政府補貼明細進行了深入的文本分析。相較于原有的手工處理方法，這種方法更為精確，有效降低了誤判率。具體操作步驟如下：首先，使用jieba進行中文分詞和剔除停用詞;其次，按照tf-idf值排序，提取與創新有關的關鍵詞;最后，通過逐步篩選，確保沒有遺漏任何與創新補貼相關的內容（見表3）。為了驗證該方法的有效性，本文從郭玥[29]在官方網站提供的創新補貼匯總數據出發，追溯出所有的明細組成，并與本文明細進行對比。結果發現，原有的手工處理方法由于分類界定較為粗糙，誤判率較高（約為34.55%），其相關的實證分析結果可能因此受到影響，而本文采用的新方法則能夠有效規避這一問題。

3.機制變量

為衡量創新補貼的“信號傳遞效應”，研究引入分析師關注度（Attention）變量[29-30]。同時，為評估“資金供給效應”，選取了反映融資約束程度的SA指數[28]。

4.控制變量

參考現有研究[31-32]，本文選取一系列反映公司基本特征的控制變量，包括企業規模（Size）、資產負債率（Lev）、凈資產收益率（ROE）、股權集中度（TOP1）和成長性（Growth）。此外，還借鑒了余典范和王佳希[26]的研究，引入可能影響企業創新績效的其他公司特征變量，包括當期及滯后一期的研發投入強度，基于Dickinson[33]現金流組合法劃分的生命周期（LifeCycle）以及行業競爭程度（HHI_Income）。

（三）基準模型構建

為檢驗政府創新補貼對企業創新數量和質量的影響，本文對混合回歸模型、隨機效應模型和固定效應模型進行了比較和選擇。F統計量、LM統計量和Hausman檢驗統計量均在1%水平上顯著，說明固定效應模型相對最優。因此，本文最終確定采用基于靜態面板的雙向固定效應模型作為基準模型。該模型的結構如下：

Innovit=α+βInnosubit+γX+θi+μt+εit（1）

Innovit=α+βInnosubit-3+γX+θi+μt+εit（2）

其中，i代表公司，t代表年份，因變量代表企業創新績效，分別由企業創新數量和企業創新質量來衡量。核心解釋變量為政府創新補貼，模型（1）和模型（2）的主要區別在于分別使用當期和滯后三期的政府創新補貼作為代理變量，其中模型（2）使用滯后三期的創新補貼，主要是考慮到從專利申請到公開需要2—3年的過程，因而參考陳強遠等[31]的做法再單獨對滯后變量進行考量。X代表綜合選取的控制變量。此外，為了更準確地估計模型參數，模型中引入企業層面和年份層面的固定效應，以控制不可觀測的異質性因素對研究結果的影響。

三、實證結果及分析

（一）基準回歸結果

表4展示了政府創新補貼對企業創新數量和企業創新質量的影響，分別考慮了當期和滯后三期的不同情況。研究發現，不論是當期還是滯后三期，政府創新補貼均與企業創新數量顯著正相關，這說明了政府創新補貼對企業創新活動的持續推動作用。就企業創新質量而言，創新補貼的當期效果顯著為正，但滯后三期并未達到顯著性水平，表明政府創新補貼對企業創新質量的正向影響可能存在一定的時效性。

（二）穩健性檢驗

為保證實證結果的穩健性和可信度，本文使用泊松模型、處理樣本自選擇問題和替換被解釋變量對基準回歸結果進行驗證。首先，替換模型進行回歸。考慮到企業創新質量衡量中所使用的他引次數屬于計數型數據，本研究采用了高維固定效應面板泊松模型重新估計。其次，考慮由自選擇效應引發的內生性問題。政府創新補貼看似是外生給定的政策影響，但實際上存在著樣本選擇性偏誤和互為因果所引發的內生性問題。一方面，那些本身具有較強創新能力的企業往往會更積極主動地申請政府創新補貼;另一方面，政府常參考企業原有的創新能力作為篩選標準，這可能導致估計結果產生偏差。本文使用Heckman兩步法以緩解內生性干擾，在第一步的選擇方程中，根據獲得創新補貼的可能性計算出IMR比率，并將其作為控制變量代入第二步。最后，替換被解釋變量進行回歸。具體而言，分別將企業創新數量的代理變量Patent替換為InnoEff1，企業創新質量的代理變量CitedTimes替換為CitedTimes_all。其中，InnoEff1用來衡量創新效率，等于有效專利申請量加1取自然對數;CitedTimes_all為總引次數，是他引次數和自引次數的總和。總體來看，通過多個維度的全面檢驗，基準實證結果的穩健性和可信度得到充分驗證。限于篇幅，具體穩健性檢驗結果備索。

（三）其他影響因素分析

控制變量的回歸結果揭示了一系列重要發現。研發投入強度在當期與滯后期均對企業創新的數量和質量產生顯著正向效應，這一結果凸顯了企業自身研發投入對于提升企業創新績效的重要作用。其次，企業規模對企業創新質量具有顯著正向影響，這或可歸因于規模較大的企業具備更為豐富的資源和更強的支撐能力，有利于開展高質量的創新活動。此外，股權集中度正向影響企業創新質量，意味著股權較為集中的企業在決策上可能更為靈活高效，能夠迅速適應市場變化并推進創新進程。行業競爭程度對企業創新質量產生了顯著的負向影響，表明在激烈的市場環境下，企業可能更傾向于追求短期盈利目標，而在一定程度上忽視了對長期創新投資的投入。同時，企業的成長期與企業創新數量呈現顯著的正相關關系，而與企業創新質量則呈現顯著的負相關關系。這一發現可能表明，隨著企業的逐步發展和成熟，其創新策略逐漸由追求數量向追求質量轉變。以上控制變量的回歸結果，為企業在制定創新戰略時提供了有益參考，即需要綜合考慮自身研發投入、企業規模、股權結構、行業競爭和生命周期等多重因素來推動創新活動的開展。因篇幅所限，詳細的控制變量回歸結果備索。

（四）進一步劃分政府創新補貼

對于政府創新補貼，本文深入探討了其設計和實施方式的差異性，并根據多個維度對其進行了細致分類。具體來說，按照發放主體，劃分為產業集聚區（Parkratio）、中央（Centralratio）和地方（Localratio）發放的創新補貼;按照發放時間，劃分為先補貼（Beforeratio）和后補貼（Afterratio）的創新補貼;按照內容性質，將補貼明細中明確標注為“關鍵”的補貼項目，劃分為關鍵性（Coreratio）創新補貼，未明確標注的劃分為非關鍵性（Ncoreratio）創新補貼;按照項目性質，根據補貼明細中是否明確提及“專項項目”，將創新補貼劃分為專項（Specratio）和非專項（Commonratio）。為精準捕捉不同分類對有效性變化的影響，本文在回歸模型中加入其他分類的虛擬變量作為控制變量。例如，在分析發放主體所引起的有效性變化時，模型控制了發放時間、內容性質和項目性質的虛擬變量，其他分類的回歸分析亦同。根據補貼的發放主體、發放時間、內容性質和項目性質來設計更有效的政府創新補貼，可為政策制定者提供重要參考。具體回歸分析結果如圖1（下頁）所示，從而驗證了本文的假說1。

按發放主體分類的回歸結果顯示，不同來源的政府創新補貼效果存在差異。地方發放的創新補貼顯著促進了企業創新數量和質量，中央發放的創新補貼對企業創新數量的正向影響存在滯后性，而當期產業集聚區發放的創新補貼對企業創新質量具有即時正向影響。這可能是因為，中央層面的創新補貼相較于地方及產業集聚區的創新補貼，在針對性和精準性上存在不足。由于中央發放的創新補貼需要覆蓋全國范圍內的企業，因而可能難以充分考慮各地區、各行業的差異性和特殊需求。相較之下，地方和產業集聚區所提供的創新補貼更貼近當地企業和產業的實際需求，從而能更有效地推動企業的創新活動。此外，產業集聚區內企業間合作和交流往往更為緊密，這有助于促進技術創新和知識轉移，從而能夠有效提升企業創新數量和質量。

按發放時間分類的回歸結果表明，后補貼在激勵企業創新績效方面效果更為顯著，而先補貼的積極影響需要一段時間才能顯現。這可能是因為，后補貼作為對企業創新成果的認可，允許企業在研發活動初期先使用自有資金進行投入，當研發取得一定成果后再給予補貼，這樣既能確保資金的有效利用，又能防止企業在研發初期因資金不足而中斷項目，因而具有更強的激勵作用。而先補貼作為一種項目啟動前的資金支持，可能需要一段時間來體現其對企業創新的促進作用。這啟示政策制定者應根據企業的創新階段和需求慎重考慮補貼的發放時間，確保補貼能夠最大化地發揮其效用。

按內容性質分類的回歸結果顯示，關鍵性創新補貼長期顯著促進企業創新數量和質量，而非關鍵性創新補貼雖然對企業創新數量有積極影響，但對企業創新質量的長期提升效果有限。關鍵性補貼通常針對企業研發活動的核心環節和關鍵技術，能夠直接提升企業的研發能力和核心競爭力，因而其對企業創新數量和質量的促進作用更為顯著和持久。而非關鍵性補貼雖然也能在一定程度上刺激企業的創新活動，但由于不直接針對研發的核心環節，因而對企業創新質量的促進作用相對有限。

按項目性質分類的回歸結果顯示，專項創新補貼與企業創新數量和質量顯著正相關，表明針對特定項目的政府補貼能有效推動創新。相較之下，非專項創新補貼對企業創新績效的直接貢獻有限。可能的原因是，非專項創新補貼更加靈活，但也導致企業在使用資金時缺乏明確的方向和目標，從而降低了其對企業創新的直接影響。同時，相較于專項項目，非專項創新補貼的發放通常不需要經過嚴格的評估和審批過程，難以保證獲得資金支持的項目質量，因而影響了非專項創新補貼在推動企業創新方面的效果。

（五）進一步討論

1.考慮創新的累積效應

以往以專利來衡量企業創新水平的相關文獻，缺乏對企業上期創新活動對本期創新產出影響的考慮，但企業的研發創新行為本身存在累積效用，有必要進行討論和識別[34]。為此，本文構建如下動態面板模型：

Innovit=α+βInnosubit+κInnovit-1+θRdit+λRdit-1+γX+θi+μt+εit（3）

相較于基準模型，動態面板模型主要增加了創新的滯后一期項，由于納入被解釋變量的滯后一期，此時直接采用固定效應回歸會產生嚴重的內生性問題，因而本文采用系統GMM兩步法進行估計。

表5（下頁）中列（1）和列（3）展示的是使用內生變量的1～5階滯后項作為GMM工具變量的結果，列（2）和列（4）展示的是使用不限定滯后階數但允許系統自動刪減多余工具變量的結果。可以發現，政府創新補貼對企業創新的數量和質量都有顯著的正向累積效應。在控制企業的創新累積效應后，創新補貼對企業創新數量產生顯著的正向影響，而對企業創新質量的影響不明顯。

2.考慮不同行業情況

為進一步細分行業并分析創新補貼的影響，本文對先進制造業中的各個行業進行了劃分。考慮到部分行業樣本量較小，可能導致回歸結果不可靠，本文采取了以下策略：第一，將樣本量較少的三個行業（石油加工等加工業，鐵路、船舶、航空航天和其他運輸設備制造業，儀器儀表制造業）合并為“其他行業”類別，以確保每個分析單元有足夠的樣本量;第二，針對合并后的行業分類，本文采用Bootstrap重復抽樣1 000次的方法對回歸結果進行穩健性檢驗。因篇幅所限，相關結果備索。

可以發現，就促進企業創新數量而言，地方發放的關鍵性創新補貼效果最佳;就促進企業創新質量而言，產業集聚區發放的關鍵性創新補貼效果最佳。此外，政府創新補貼在行業間作用效果差異較大，按各行業出現的次數排序依次為：計算機、通信和其他電子設備制造業（9），醫藥制造業（7），電氣機械及器材制造業（3），化學原料及化學制品制造業（3）以及其他行業（3）。具體而言，計算機、通信和其他電子設備制造業的創新補貼效果最為顯著，可能是因為該行業技術創新密集，對創新補貼的依賴度較高;其次是醫藥制造業，該行業對研發和創新的投入較大，創新補貼可以有效降低其研發風險。在實際政策實施過程中，還需要結合具體行業特征進行深入分析，精準施策，確保政府創新補貼與行業需求之間的高度匹配和有效性。

（六）機制檢驗與因果路徑分析

1.影響機制檢驗

前文的回歸分析表明，政府創新補貼在提升企業創新績效方面具有顯著的效果。然而，這種有效性具有條件性，受到補貼發放主體、設計與實施方式等多重因素的影響，且在不同行業中的效果存在差異。通過深入的理論探討，本研究揭示了政府創新補貼促進企業創新績效提升的兩大核心機制：一是通過“信號傳遞效應”提升企業外部關注度，進而吸引資本流入;二是通過“資金供給效應”實現政府資金流入。這兩種機制協同作用，能夠有效緩解企業的融資壓力。

基于上述討論，本文采用逐步檢驗法，對“信號傳遞效應”和“資金供給效應”進行了機制檢驗。為應對可能存在的內生性問題，避免遺漏變量的影響[35]，本文還參考了Guo等[36]提出的雙重糾偏LASSO（Doubly Debiased Lasso，DDL）回歸方法，對中介模型中的潛在偏誤進行了修正。相關結果驗證了假說2。通過對比逐步檢驗法與DDL修正后的結果，發現兩者的結論一致，表明逐步檢驗法得出的結論是可靠的。因此，在后續分析不同類型的創新補貼與影響機制間的匹配關系時，本文主要采用逐步檢驗法進行進一步探討。

結果顯示，在信號傳遞效應方面（見表6列（1）—列（3），下頁），政府創新補貼顯著提升了企業的外部吸引力，進而促進企業創新績效的提升。進一步分析表明，不同類型的創新補貼的信號傳遞效應具有差異性（見表7列（1）—列（3））。首先，相較于中央和產業集聚區發放的創新補貼，地方發放的創新補貼在信號傳遞上的效果更為顯著。這可能是因為，地方政府在推動本地經濟發展和創新能力方面具有更強的動力和責任，且在地方具有較高的公信力和權威性，從而能夠吸引更多的合作機會和資源支持。其次，先補貼優于后補貼，因為企業通過先補貼能夠更早地獲得市場的關注和認可，進而在競爭中占據有利地位。再次，關鍵性創新補貼的顯著效應體現在企業創新質量的提升上，其對應的信號傳遞效應明顯強于非關鍵性創新補貼，主要原因在于關鍵性創新補貼通常與企業的核心競爭力和技術潛力相關，更容易獲得資本市場的青睞。最后，專項創新補貼在信號傳遞效應上表現得更為突出，這可能是因為專項創新補貼具有明確的政策導向性，能夠清晰傳遞政府對特定領域或項目的重視，從而吸引更多的投資和關注。

在資金供給效應方面（見表6列（4）—列（6）），政府創新補貼顯著減輕了企業的資金壓力，降低了企業的融資約束，并有效促進了企業創新數量和質量的提升。不同類型的創新補貼在資金供給效應的表現上存在差異（見表7列（4）—列（6），下頁）。首先，地方和產業集聚區發放的創新補貼相較于中央發放的創新補貼在資金供給效應上表現得更為顯著，尤其是地方發放的創新補貼顯著提升了企業的創新績效。這可能是因為，地方政府更加注重精準支持，能夠及時有效地解決地方企業面臨的融資困境。而產業集聚區發放的創新補貼主要體現在提升企業創新質量上，產業集聚區作為創新平臺，更側重于推動企業在核心技術領域的突破和長期創新潛力的培育。其次，后補貼在資金供給效應上表現得更為顯著，可能是因為后補貼機制允許企業在研發活動初期使用自有資金進行投入，而政府補貼則在企業研發進入關鍵階段或取得一定成果后提供，這樣既能確保資金的高效利用，又能防止企業因資金不足而中斷研發。同時，后補貼賦予了企業更多的靈活性，使其能夠根據自身研發進度和資金需求申請補貼，從而更有效地緩解資金壓力。再次，與非關鍵性創新補貼相比，關鍵性創新補貼的顯著效應體現在企業創新質量的提升上，其對應的資金供給效應具有更大作用，這可能因為關鍵性創新補貼通常集中在企業研發活動的核心環節，能夠直接提升企業的研發能力和市場競爭力。最后，相較于非專項創新補貼，專項創新補貼更有可能直接解決企業在特定研發領域所面臨的資金短缺問題，從而在資金供給效應上更為顯著。

2.機制因果路徑分析

就政策制定者而言，明確哪種效應起主導作用至關重要。如果“信號傳遞效應”占主導地位，政府部門就應優先考慮完善信號傳遞過程;如果“資金供給效應”更為重要，則政策重點應轉向增強財政補貼和實施直接優惠政策。基于前面已驗證的“信號傳遞效應”和“資金供給效應”，借鑒Zhou[37]、Zhou和Yamamoto[38]所提出的因果路徑分析方法，對平均處理效應加以分解，旨在厘清主導效應。具體而言，設定X為處理變量，而M1和M2則是傳導機制中有邏輯先后順序的中間變量，且均依賴于處理變量X。基于這一設定，平均處理效應可以表示為：

ATE=E[Y（X，M1（X），M2（X，M1（X）））]（4）

進一步地，平均處理效應可以被分解為三個組成部分：直接效應（X→Y）、鏈式效應（X→M1→Y和X→M1→M2→Y）和非鏈式效應（X→M2→Y），其具體表達如公式（5）所示。

ATE=

+

+（5）

其中，第一部分為直接效應，代表的是政府創新補貼對企業創新績效的直接影響;第二部分為鏈式效應，涵蓋了政策通過M1對企業創新績效產生的所有直接或間接影響;第三部分為非鏈式效應，即創新補貼越過中間變量M1，而直接通過M2對企業創新績效產生的影響。本文分析發現，在政府創新補貼影響企業創新績效的多種因果路徑中，存在著一個先后因果路徑：政府創新補貼→信號傳遞→資金供給→企業創新績效。其中，對應的鏈式效應和非鏈式效應與上文刻畫的“信號傳遞效應”和“資金供給效應”相一致，分別代表信息流出（伴隨潛在資金流入）的影響，以及政府資金流入的影響。表8（下頁）和表9（下頁）詳細展示了政府創新補貼對企業創新數量和質量影響的分解情況，而圖2（下頁）和圖3則通過可視化方式，直觀地展示了這些影響的因果路徑。

研究結果顯示，政府創新補貼對企業創新績效的平均總效應顯著為正，這與前文的分析結論一致。此外，就提升企業創新數量而言，“信號傳遞效應”具有明顯的主導效應，占全部間接效應的58.33%。然而，在提高企業創新質量方面，“資金供給效應”占據主導地位，占全部間接效應的65.36%。

因果路徑分析的結果表明，政府創新補貼對企業創新績效的影響是通過多路徑實現的。“信號傳遞效應”和“資金供給效應”在不同層面上發揮了重要作用，分別在提升企業創新數量和質量上占據主導地位。因此，在促進企業創新績效提升的進程中，政策制定者可以根據階段性目標來制定相應的政策重點。具體來說，如果目標是快速提升企業創新數量，則政策應側重于強化信號傳遞效應;如果目標是提升創新質量，則應更多地關注如何通過補貼有效提供資金支持。此外，研究結果還間接支持了基準回歸的部分結論。具體而言，相較于后補貼和非專項創新補貼，先補貼和專項創新補貼在信號傳遞方面更顯著，有利于增加企業創新數量。而后補貼和關鍵性創新補貼在資金供給方面的效果更為突出，這一優勢也體現在對企業創新質量的正向促進作用上。

四、研究結論與政策建議

本文利用2012—2022年A股先進制造業企業面板數據，深入分析了政府創新補貼的有效性。研究結果表明，政府創新補貼顯著提升了企業創新的數量和質量。進一步分析發現，政府創新補貼的有效性具有條件性，受到多種因素的影響。具體而言：就發放主體而言，地方政府發放的創新補貼效果最佳，能顯著正向推動企業的創新數量和質量提升，而產業集聚區發放的創新補貼在提升創新質量方面表現出色。就發放時間而言，后補貼在推動企業創新方面的效果優于先補貼。就內容性質而言，關鍵性創新補貼在長期內能顯著促進企業的創新產出和質量的提升。就項目性質而言，專項項目的創新補貼對企業的創新數量和質量均有顯著的正面影響。此外，研究還發現不同行業的創新補貼效果存在差異，這需要充分考慮不同政府創新補貼在具體行業中的匹配度和有效性。

通過影響機制的分析，本文揭示了政府創新補貼可以通過“信號傳遞效應”和“資金供給效應”發揮作用，而這兩種效應的作用程度和具體效果受不同補貼類別的影響。進一步的因果路徑分析表明，政府創新補貼主要通過“信號傳遞效應”來提升創新數量，而通過“資金供給效應”來提升創新質量。這些發現為政策制定者提供了重要的參考：政府應根據發放主體、設計與實施方式以及行業特性等因素，精細化設計政府創新補貼，更好地滿足企業研發活動的具體需求。

當前，政府創新補貼主要仍以傳統的財務補貼形式存在，盡管在短期內對提升企業創新績效具有正向推動作用，但其影響范圍和深度相對有限。財務補貼的短期性和不可持續性使得企業創新行為依賴于外部持續供給，而未能形成內生動力。隨著全球產業競爭加劇以及國際貿易規則的日趨透明，財務補貼的作用效果愈加有限，亟須推動補貼形式的創新。相較于“顯性”財務補貼，制度補貼作為一種“隱性”支持方式，能夠通過政府在產業政策協調、創新政策支持、中介平臺搭建、配套服務提供、產業營商環境優化，以及產業鏈和供應鏈的完善等方面提供長期、系統性的支持。制度補貼在激發企業創新長期動力、構建創新生態系統方面具有更大的潛力，其優勢是能在更廣闊的層面和更深的層次上推動企業創新績效的提升和可持續發展。推動政府創新補貼由財務補貼向制度補貼轉型，已成為促進企業創新發展的必然趨勢，這一戰略性轉變將為新質生產力發展提供強大、系統性的制度支撐。

針對目前以財務補貼為主的政府創新補貼所面臨的條件有效性和作用局限性，提出以下政策建議：

一是優化補貼發放策略。政府應根據補貼發放主體、發放時間、內容性質和項目性質等因素，制定更為精細化的政府創新補貼策略。具體而言，應明確不同主體和不同發放時間的補貼責任和重點，確保創新補貼資金能夠在最關鍵的時刻介入，實現補貼效果最大化。同時，創新補貼的內容性質和項目性質也應作為政策制定的重要考量因素。此外，政府還應充分考慮不同行業的創新需求和特性，確保創新補貼能夠精準投放到真正有價值的創新項目上。

二是加速政府創新補貼的轉型升級。企業創新的蓬勃發展，更多地依賴于政策制定者所提供的制度補貼。具體而言，可以圍繞鏈式、臺式和網式三種思維模式來提供制度補貼[39]。其一，推行鏈式制度補貼。該模式從整個產業鏈的角度，考慮產業鏈上下游企業間交易關系，通過尋找產業鏈條上存在的問題和癥結，有針對性地進行補鏈、強鏈、延鏈等完善產業鏈的工作，從要素供給、技術服務等方面進行保障，使產業鏈上下游的交易更加便利，從而推動產業鏈上所有企業的創新活動。其二，實施臺式制度補貼。該模式更強調超越產業鏈條而進行平臺建設和平臺創新，為域內不同產業集群和產業鏈搭建各類要素交易平臺和支持平臺。這些交易平臺和支持平臺包括各類線上線下交易平臺（如各類產權交易所和交易中心等）、技術創新平臺、專業人力資本市場平臺、科創金融和產業融資平臺（如各類產業發展基金、私募基金、創投、天使基金、投行和銀行等）。其三，推行網式制度補貼。該模式強調在充分考慮產業生命周期和科技水平的維度下，構建多層次、全方位的網絡支持體系，在創新鏈、產業鏈、資金鏈、人才鏈的構建中充分挖掘不同科技水平企業和不同性質行業的多元特征，有針對性地開展扶持，按照“動態系統集成思維”重構區域產業生態，為提升企業創新的效能和質量、推動高水平科技自立自強和經濟高質量發展提供堅實、系統的制度基石，進而為培育和發展新質生產力提供強大支撐。 [Reform]

參考文獻

[1]張杰，蘆哲，鄭文平，等.融資約束、融資渠道與企業Ramp;D投入[J].世界經濟，2012（10）：66-90.

[2]CHEN C， XU P. Did government Ramp;D subsidies increase Chinese firms' trade margins？ Evidence from innofund program[J]. Applied Economics Letters， 2021， 28（5）： 397-401.

[3]伍健，田志龍，龍曉楓，等.戰略性新興產業中政府補貼對企業創新的影響[J].科學學研究，2018（1）：158-166.

[4]許治，何悅，王晗.政府Ramp;D資助與企業Ramp;D行為的影響因素——基于系統動力學研究[J].管理評論，2012（4）：67-75.

[5]YI J， MURPHREE M， MENG S， et al. The more the merrier？ Chinese government Ramp;D subsidies， dependence， and firm innovation performance[J]. Journal of Product Innovation Management， 2021， 38（2）： 289-310.

[6]張杰，陳志遠，楊連星，等.中國創新補貼政策的績效評估：理論與證據[J].經濟研究，2015（10）：4-17.

[7]BRANSCOMB L， AUERSWALD P E. Between invention and innovation： An analysis of funding for early-stage technology development[R].Maryland： NIST， U.S. Department of Commerce， 2003.

[8]KORTUM S， LERNER J. Assessing the contribu-

tion of venture capital to innovation[J]. The RAND Journal of Economics， 2000， 31（4）： 674-692.

[9]KERR W R， LERNER J， SCHOAR A. The consequences of entrepreneurial finance： Evidence from angel financings[J]. The Review of Financial Studies， 2014， 27（1）： 20-55.

[10] HALL B H， LERNER J. The financing of Ramp;D and innovation[M]. North-Holland： Handbook of the Economics of Innovation， 2010.

[11] CLAUSEN T H. Do subsidies have positive impacts on Ramp;D and innovation activities at the firm level？[J]. Structural Change and Economic Dynamics， 2009， 20（4）： 239-253.

[12] HOWELL S T. Financing innovation： Evidence from Ramp;D grants[J]. American Economic Review， 2017， 107（4）： 1136-1164.

[13] BéRUBé C， MOHNEN P. Are firms that receive Ramp;D subsidies more innovative？[J]. Canadian Journal of Economics， 2009， 42（1）： 206-225.

[14] 宋硯秋，齊永欣，高婷，等.政府創新補貼、企業創新活力與創新績效[J].經濟學家，2021（6）：111-120.

[15] CORNAGGIA J， MAO Y， TIAN X， et al. Does banking competition affect innovation？[J]. Journal of Financial Economics， 2015， 115（1）： 189-209.

[16] GONZáLEZ X， JAUMANDREU J， PAZó C. Barriers to innovation and subsidy effectiveness[J]. The RAND Journal of Economics，2001， 36（4）： 930-949.

[17] GUCERI I. Will the real Ramp;D employees please stand up？ Effects of tax breaks on firm-level outcomes[J]. International Tax and Public Finance， 2018， 25（1）： 1-63.

[18] BRONZINI R， PISELLI P. The impact of Ramp;D subsidies on firm innovation[J]. Research Policy， 2016， 45（2）： 442-457.

[19] 楊歡，李香菊.政府創新補貼對企業創新效率的影響效應及機制識別研究[J].管理學報，2023（4）：558-567.

[20] CZARNITZKI D， LOPES-BENTO C. Value for money？ New microeconometric evidence on public Ramp;D grants in Flanders[J]. Research Policy， 2013， 42（1）： 76–89.

[21] 王剛剛，謝富紀，賈友.Ramp;D補貼政策激勵機制的重新審視——基于外部融資激勵機制的考察[J].中國工業經濟，2017（2）：60-78.

[22] MEULEMAN M， DE MAESENEIRE W. Do Ramp;D subsidies affect SMEs' access to external financing？[J]. Research Policy， 2012， 41（3）： 580-591.

[23] CZARNITZKI D， HOTTENROTT H. Ramp;D investment and financing constraints of small and medium-sized firms[J]. Small Business Economics， 2011， 36（1）： 65-83.

[24] WANG Y， LI J， FURMAN J L. Firm performance and state innovation funding： Evidence from China's innofund program[J]. Research Policy， 2017， 46（6）： 1142-1161.

[25] 李春濤，閆續文，宋敏，等.金融科技與企業創新——新三板上市公司的證據[J].中國工業經濟，2020（1）：81-98.

[26] 余典范，王佳希.政府補貼對不同生命周期企業創新的影響研究[J].財經研究，2022（1）：19-33.

[27] 權小鋒，尹洪英.中國式賣空機制與公司創新——基于融資融券分步擴容的自然實驗[J].管理世界，2017（1）：128-144.

[28] 曹虹劍，張帥，歐陽峣，等.創新政策與“專精特新”中小企業創新質量[J].中國工業經濟，2022（11）：135-154.

[29] 郭玥.政府創新補助的信號傳遞機制與企業創新[J].中國工業經濟，2018（9）：98-116.

[30] 吳超鵬，吳世農，程靜雅，等.風險投資對上市公司投融資行為影響的實證研究[J].經濟研究，2012（1）：105-119.

[31] 陳強遠，林思彤，張醒.中國技術創新激勵政策：激勵了數量還是質量[J].中國工業經濟，2020（4）：79-96.

[32] 趙凱，陳澤平，SEBASTIEN M.何種補貼策略最利于激勵企業創新？——單項補貼工具vs.補貼工具組合[J].軟科學，2023（5）：54-61.

[33] DICKINSON V. Cash flow patterns as a proxy for firm life cycle[J]. The Accounting Review， 2011， 86（6）： 1969-1994.

[34] 孫傳旺，占妍泓.電價補貼對新能源制造業企業技術創新的影響——來自風電和光伏裝備制造業的證據[J].數量經濟技術經濟研究，2023（2）：158-180.

[35] 江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[36] GUO Z， [['][C]][EVID] D， BüHLMANN P. Doubly debiased lasso： High-dimensional inference under hidden confounding[J]. Annals of Statistics， 2022， 50（3）： 1320-1347.

[37] ZHOU X. Semiparametric estimation for causal mediation analysis with multiple causally ordered mediators[J]. Journal of the Royal Statistical Society Series B（Statistical Methodology）， 2022， 84（3）： 794-821.

[38] ZHOU X， YAMAMOTO T. Tracing causal paths from experimental and observational data[J]. The Journal of Politics， 2023， 85（1）： 250-265.

[39] 王曙光.優質產業營商環境構建與新質生產力發展[J].新視野，2024（4）：55-64.

The Impact of Government Innovation Subsidies on Corporate Innovation：Discussion on the Transition from Financial Subsidies to Institutional Subsidies

WANG Shu-guang " LIANG Shuang

Abstract： Using panel data from A-share advanced manufacturing firms from 2012 to 2022， this study finds that government innovation subsidies significantly enhance both the quantity and quality of corporate innovation. However， its effectiveness is influenced by factors such as the issuing body， timing， nature of the subsidy， and project characteristics. Subsidies distributed by industrial clusters and local governments， post hoc subsidies， critical innovation grants， and targeted funding programs demonstrate stronger effects. The impact of subsidies also varies significantly across industries. Causal pathway analysis reveals that government subsidies enhance innovation quantity primarily through the \"signal transmission effect\" and innovation quality through the \"capital supply effect\". Moreover， there is a specific alignment between subsidy classifications and their underlying mechanisms. Accordingly， policymakers should tailor subsidy designs to align with the issuing body， implementation approach， and industry-specific characteristics， ensuring precise targeting of corporate Ramp;D needs. Currently， government innovation subsidies are predominantly financial， which risks fostering excessive dependence on external resources and undermining firms' intrinsic innovation incentives. Future reforms should focus on transitioning from explicit financial subsidies to implicit institutional subsidies. Through systematic institutional innovations， governments can provide comprehensive support for technological progress and the cultivation of new quality productive forces.

Key words： technology innovation; corporate innovation; government innovation subsidies; financial subsidies; institutional subsidies