蔡绍洪」，彭长生2,俞立平3(1.贵卅财经大学中国西部绿色发展战略研究院，贵州贵阳550025；2. 安庆师范大学 经济与管理学院，安徽 安庆246001 ；3. 浙江工商大学统计与数学学院，浙江杭州310018)摘要：分析企业规模与创新政策之间的互动机制，进而评估企业规模对创新政策绩效的影响具有重要意义。 本文在对创新政策测度的基础上，从创新政策与政府研发补砧两个角度，综合采用联立方程模型、面板门槛回归 模型、贝叶斯向量自回归模型研究了创新政策、政府研发补砧、企业规模、创新成果之间的关系。研究结果表明：
创新政策与企业规模负相关，不利于小企业发展壮大；企业规模与政府研发补贴负相关，小企业更容易获 得支持；当企业规模较小时，创新政策对创新成果的弹性更大；企业规模与创新成果正相关，小企业创新
成果较少；当企业规模较小时，政府研发补贴对创新成果有轻微贡献；当创新政策较高时，创新政策对企 业规模有轻度贡献；当企业规模较大时，创新政策与企业规模正相关。总体上，中小企业在创新政策方面
机会大于挑战。关键词：创新政策；企业规模;创新成果；政府研发补贴中图分类号:F204 文献标识码：A 文章编号：1005 - 0566(2019)09 - 0037 - 14Do The Innovation Policy Benefit SMEs?CAI Shao-hong1 ,PENG Chang-sheng2, YU Li-ping3(1. Research Institute of Green Economic Development Strategy in Western China,Guizhou University of finance and economics, Guiyang 550025 , China ；2. School of Management and Economics, Anqing Normal University, Anqing 246001 , China；3. School of Statistics and Mathematics, Zhejiang Gongshang University, Hangzhou 310018 , China)Abstract: It is of great significance to evaluate the impact mechanism, impact characteristics and impact laws of SMEs
from the perspective of the innovation policy. Based on the measurement of the innovation policy, this paper studies the
relationship between the innovation policy, government R&D subsidies, enterprise scale and innovation achievements from
the perspectives of the innovation policy and government R&D subsidies by using simultaneous equation model, panel threshold regression model and bayesian vector autoregressive model. The results show that the innovation policy is
negatively related to the enterprise scale, which is not conducive to the development of small enterprises； the enterprise收稿日期:2019 -03 -12 修回日期:2019 -07 -28基金项目：国家社科重大项目专项子课题:西部地区在一带一路战略中的作用及竞争优势研究(2015MZD038)；浙江省一流学科A类 (浙江工商大学统计学)资助。作者简介:蔡绍洪(1958 -),男，贵州任怀人，贵州财经大学中国西部绿色发展战略研究院教授、博导，研究方向：复杂系统、区域经济。 通讯作者:俞立平。37中国软科学2019年第9期scale is negatively related to the government' s R&D subsidies, and the small enterprises are more likely to obtain support ；
when the scale of the enterprise is small, the innovation policy is more resilient to innovation achievements. The enterprise
scale is positively related to the innovation achievements, and the innovation achievements of small enterprises are less；
when the scale of enterprises is small, government R&D subsidies have a slight contribution to innovation achievements ； when the level of innovation policy is high, the innovation policy has a slight contribution to the enterprise scale ； when the scale of the enterprise is large, the innovation policy is positively related to the enterprise scale.Key words:innovation policy； enterprise scale； innovation achievements； government R&D subsidies—、弓I言根据国家创新系统理论，政府应该在科技创 新中发挥重要作用。创新政策是国家或地方政府
为科技创新而制定的各种直接政策与间接政策的 总和。改革开放40年来，从科学技术是第一生产 力到创新驱动发展战略，国家和地方政府一直重 视科技在经济社会中的作用，出台了大量的创新 政策。创新政策一般分为供给政策、需求政策、环
境政策三大类⑴，政府用于鼓励创新的研发与税
收补贴属于供给政策，也称为直接政策,其他政策 一般称为间接政策，当然这些政策统称为创新 政策。对创新政策的绩效进行评估是个复杂的问 题。由于政策的多样性、交叉性、复杂性,很难从 定量角度对创新政策进行评估。现有研究许多以
政府研发补贴作为创新政策的替代变量,但这样 的实证结果是不全面的，毕竟政府研发补贴仅仅 是创新政策中的一部分。所以对创新政策绩效进
行分析首先要解决创新政策的测度问题,其次才 能综合评估测度出的创新政策与政府研发补贴的
绩效。创新政策对于不同规模企业的发展具有重要 意义。大型企业是国民经济的重要支柱，国家或
地方政府无疑需要支持，而广大中小企业数量最
多、吸引的就业最大、创造的GDP比重很高，也是
经济发展的重要组成部分。为了提高创新政策效 果，需要关注的问题包括:究竟如何更好地对创新 政策进行测度？创新政策、政府研发税收补贴与 企业规模关系如何？创新政策、政府研发税收补
贴对什么类型的企业更为有利？创新政策、政府 研发税收补贴的绩效与企业规模是什么关系？创 新政策、政府研发税收补贴在执行中面临哪些问 题？如何更有效地提高创新政策与政府研发税收
38补贴的效果？开展相关问题的研究不仅从理论上
推进了国家创新系统的研究，而且在实践中有利 于寻找差距，发现问题，从而为政策优化提供
依据。关于创新与企业规模关系的研究较多，但学 术界研究结论并不一致，大致有三种结论。第一 种观点认为大企业更适合创新。Schumpeter123提
岀企业规模越大越有利于技术创新的观点，认为
大企业研发实力和抗风险能力对技术创新拥有绝
对作用。Hirschey等⑶发现美国企业的创新同样 受企业规模的影响，企业的研发支出和企业规模 之间存在正相关关系。Philips⑷研究发现企业研
发强度与企业规模显著正相关，说明大企业更适
合创新。Ona等⑸发现行业平均规模对企业的创
新绩效有积极影响，两者之间呈正相关关系。
Vaona等⑹对欧洲企业的研究发现,关于产品创新
和工艺创新，大企业绩效高于比中小企业。Lee 等〔7］对韩国2414家中小型企业和329家大型企
业的研究表明，大型企业的创新效率高于中小企
业。叶林⑻发现产品创新和工艺创新水平大企业 高于中小企业，国有企业在产品创新倾向和水平
上高于非国有企业。牛泽东等⑼实验研究认为, 企业规模与技术创新之间更多地表现为一种递增 关系,追求企业规模的合理扩张是促进企业技术 创新水平提高的关键因素。第二种观点认为小企业更适合创新。
Arrow\"。】认为,在一定条件下，竞争市场比垄断市
场能够产生更多的创新激励，大企业和垄断的市 场结构将阻碍企业创新。Mansfield1\"］认为，大企
业的垄断地位一旦形成，企业就会丧失技术创新 的动力，企业规模过大效率降低，不利于技术进 步。Laforet1121认为竞争性市场的创新特许收费制 度和知识产权保护更有利于鼓励企业创新，因此
小企业更有动力创新。Mansel⑴］认为，宽松的管 理环境有利于创新活动的开展，大企业对那些小 的、不太重要的创新兴趣不大，而这对中小企业来
说正是一个机会。Jaffe〔⑷实证研究表明，小企业
比大企业拥有更高的技术创新效率。Katrak［15］ 的研究也表明小企业承担了更大比例的创新
份额。第三种观点认为企业规模与创新呈非线性关 系。Bound等基于美国企业的研究发现，企业
规模和研发支出之间存在U型曲线关系。
Scherer】\"】发现企业规模与创新投入之间存在先减
后增的倒U型关系。朱晋伟等［阁实证研究发现，
R&D经费投入比率与创新绩效在大型企业中呈正
相关关系,而在中型企业里呈倒U型关系。高良
谋等［闵将“熊彼特假设”和倒u关系的放在同一 个分析框架分析，实证发现企业规模与技术创新
呈倒U型关系。刘志红等⑵］研究发现企业规模 与技术创新投入之间呈倒U型关系，与技术创新 产出之间呈U型关系。姚云浩⑵［研究发现，以企 业员工数量或年营业额为代表的旅游企业规模，
均与创新水平之间呈现明显的倒U型关系。关于创新政策与企业规模的关系,Corchuelo^］ 对西班牙企业的研究发现税收激励仅对大企业创新
有显著的推动作用。Lach［23］对以色列的研究发现， 政府R&D补贴对中小企业的促进作用非常明显，
但对大企业不显著。邢斐、王红建⑵)实证研究认
为，在市场竞争程度较小的行业中，不应资助规模 过大的企业;在市场竞争程度较强的产业中，应避 免资助规模过小的企业。董静等⑵］发现企业规模
能够影响政府资助对企业创新的“杠杆效应”的发 挥程度，规模越大，资助对企业创新水平的正向激
励越强。李艳华［旳认为研发补贴和税收激励是两
种主要的创新政策，R&D补贴对中小企业创新新 颖度提升有显著正向影响，税收激励对大企业创
新新颖度提升有显著正向影响。创新政策的分类和测度是研究其与企业规模 关系的基础。Ruiz等提出PMC( Policy Modeling
Consistency Index)政策指数测度模型,对创新政策 进行综合评估。张永安等⑵］在此基础上,建立包
科技与产业企业规模对创新政策绩效的影响研究含37个指标的政策测度模型，对12项国务院创新 政策进行文本挖掘和测度。Isabel等I”】将创新政
策分为政府主导、地方主导、使命型、扩散型、一般 型、特定型6种,采用了 46个政策编码框架,对技
术政策进行评估。Hultink等⑶］以荷兰企业为研 究对象，从计划层次、公司利润、财务状况、顾客接 受度、产品层次5个方面对创新政策绩效进行评
估。高峰、赵绘存等⑶［基于中国知网科技政策数 据,定义了节点累积强度和架构完善度，采用
CITESPACE软件进行共词聚类分析，进而分析中 国创新政策热点的演进图。黄萃等宓］运用共词分
析和聚类分析，对建国以来到2010年期间4707项 创新政策进行分析,评估不同时期创新政策的聚 焦点和变迁路径。从现有的研究看，关于创新与企业规模之间 关系的研究成果比较充分,但研究结论并不一致，
主要原因是研究对象不同、研究数据不同、研究时 间不同，导致企业创新存在较大的异质性。关于
创新政策与企业规模之间的关系，主要集中在研 究政府研发与税收补贴与企业规模之间的关系，
研究成果总体不多，而关于一般创新政策与企业
规模之间的研究较少，主要原因是创新政策的测 度比较困难。至于创新政策的定量测度,现有的 研究主要集中在采用文献计量学、指标体系等方
面。总体上,关于创新政策与企业规模之间的关
系,在以下几个方面有待深入：第一，创新政策对企业规模的影响机制有待 进一步分析,其理论研究比较缺乏。第二，创新政策包罗万象，除了可以定量研究
的政府研发与税收补贴外,还应包括一般更广泛 意义上的创新政策,对创新政策首先进行测度，然
后再研究其与企业规模之间的关系。第三，创新政策与企业规模之间是互相影响 的,而且是动态的，从研究方法角度，需要充分考
虑变量的内生性，以及从变量之间动态互动关系 角度加强研究。第四,创新政策的绩效受企业规模的影响，其
影响特征和影响规律具有什么特点？创新政策对 企业规模的影响又呈现岀何种特征？39中国软科学2019年第9期本文首先建立创新政策与企业规模之间关系 的理论框架，然后以中国高技术产业为例,综合采 用联立方程模型、面板门槛回归模型、向量自回归
模型全面分析创新政策与企业规模之间的关系及 其特征，从而对企业规模对创新政策绩效的影响
进行全面的总结和分析。图1创新政策与企业规模二、创新政策与企业规模之间互动机制创新政策与企业规模、创新成果的关系如图1 所示。包括创新政策对企业规模的作用机制、创 新政策对创新成果的作用机制、企业规模与创新
成果的互动机制、企业规模对创新政策的作用机
制、创新成果对创新政策的作用机制。(1)创新政策对企业规模的作用机制创新政策包括环境政策、供给政策、需求政策
三大类⑷。需要说明的是，有些政策并不是单纯
的创新政策，可能涉及到产业政策、经济政策等方 面,这是直接影响企业规模的。环境政策为科技 创新配套服务，如知识产权保护、科技金融、科技 中介、研究成果转化等等，环境政策对企业规模的
影响是间接的，主要服务于企业创新,而企业创新
一旦取得重大突破,会呈现爆炸式的增长从而导 致企业规模扩大，这是其间接影响。供给政策是国家或地方政府的科技创新资源 直接分配政策，其特点可以进行较好的统计，方便
研究，典型的是财政科技补贴以及税收科技补贴。
需求政策是能够促进市场增加对创新成果需求增 加的政策,如新一代互联网政策、纳米材料、量子
40通讯科技政策等。供给政策和需求政策均是有一
定的产业导向的，通过引领新兴产业、前沿产业, 淘汰落后产业，促进企业转型升级，实现对企业规
模的影响，这也是一种直接影响。创新政策对企业规模同时也存在负向机制。 当企业规模较小时，其创新能力差,抗风险能力不
强,企业往往处在初创期，迫切需要政府创新政策 的支持，另外创新政策在企业研发要素的比重较
高，创新政策效果总体较好。随着企业规模的扩 大，企业研发能力增强，竞争力有所提升,此时创 新政策在企业研发要素中的比重下降，创新政策
的总体效果可能会减弱。(2) 创新政策对创新成果的影响机制创新政策对创新成果的影响无疑是直接的和
非常重要的。由于创新政策对创新成果的影响机 理已经十分成熟，因此主要从实证研究的技术路 线角度加以分析。从实证研究角度岀发，可以从
两个路径开展研究,一是在对创新政策测度的基 础上，进行后续实证研究;二是对供给政策直接进
行实证研究,因为数据完备[33 -34]0但是这两种内
涵是不一样的，前者更为全面，但创新政策测度难 度较大，后者主要面向供给政策，毕竟不太全面，
学术界将供给政策作为创新政策研究的替代变量 是值得商榷的。关于供给政策以及创新政策测度结果对创新 成果的影响，可以从三个方面来进行研究:第一是
对创新成果的直接影响，或者是平均弹性;第二是 企业规模门槛效应，即研究不同企业规模下创新 政策对创新成果弹性的大小，揭示其中可能存在
的问题和规律;第三是政策自身的门槛效应，包括
供给政策以及所有创新政策，即不同政策水平下， 政策对创新成果弹性的大小及规律。(3) 企业规模与创新成果的互动机制关于企业规模对创新的影响，目前的研究比 较充分，尽管研究结论不不一致。关于创新成果
对企业规模的影响，主要体现在以下几个方面:第 一,规模增加效应口“。基础创新、重大创新能够
快速扩大企业规模，这是创新的原始动力,表现在 企业一旦取得重大创新，就面临巨大的竞争优势，
科技与产业企业规模对创新政策绩效的影响研究获得垄断利润，催生企业进行扩大再生产，带来规
定和执行中可能存在的问题，进而加以优化和改进。模增加。第二，规模维持效应。如果行业技术进
步速度减慢,或者企业研发投入不足，就会导致企 业创新不够，难以出现较大创新成果,此时企业规
模其实是相对稳定的，短期情况下更是如此。甚 至在极端情况下，出现企业规模逐渐减小效应,这
在传统产业、落后产业、缺乏关键技术的制造业产 业等更容易发生U0-li]o企业规模与创新成果两者之间的关系是动态 的，不一定永远呈现正向关系、负向关系、不相关
关系，情况比较复杂。(4) 企业规模对创新政策的作用机制企业规模与创新政策的关系比较复杂。邢斐 等〔旳通过对上市公司的研究发现,在市场竞争程
度较小的行业中,不应资助规模过大的企业;在市
场竞争程度较强的产业中,应避免资助规模过小 的企业。企业规模对创新政策的作用机制主要表 现在两个方面。第一是垄断治理效应，通过持续
创新，一旦某个企业规模巨大，达成了垄断，或者 某个行业里出现了少数几个企业的寡头垄断，政
府部门就会评估这些企业潜在的影响，进而采取
相应的措施限制或维持企业规模,从而对创新政 策带来潜在的影响,包括环境政策、供给政策与需
求政策。第二是小微企业鼓励效应，对于某些新
兴产业，小微企业众多，创新活跃，创新潜力巨大， 这也会导致政府改进创新政策，加强对小微企业
的支持，使得这些企业尽快成长，扩大规模。通常 情况下，政府更倾向于支持小微企业，在有限财力 情况下，支持小微企业容易取得较好的成果和影 响力。(5) 创新成果对创新政策的作用机制推进国家创新体系建设，要建立有效的反馈 机制，及时收集和处理系统运行信号，在此基础上
对系统进行必要的纠正和调整[旳o创新成果对创 新政策具有重要的反馈机制,这也是政策执行效 果的重要体现。如果创新政策的实施达到了预期 效果，创新成果好，项目达到预期目的，就会鼓励
政府继续加大创新政策，如果创新政策造成创新 成果不佳，也会促使政府反思创新政策,寻找政策制
三、研究方法与数据研究方法(一)本文同时采用联立方程模型、面板门槛回归 模型、贝叶斯向量自回归模型研究创新政策与企
业规模之间的关系。采用联立方程模型可以详细
地描述创新政策与企业规模互动关系的静态状
态，采用面板门槛回归模型可以分析创新政策与 企业规模之间的非线性静态关系，而采用贝叶斯
向量自回归模型可以描述创新政策与企业规模之 间的动态关系，三者相结合可以全面反映两者之
间的关系全貌。(1)联立方程模型由于创新政策、政府研发补贴、企业规模、创
新成果等变量之间存在复杂关系，明显存在着变
量的内生性，以及可能的多重共线性，因此本文采 用联立方程模型进行估计：log(y)= cl0 +c」og(K) + c12log(Z,) +cJog(PJ+ c14log(P2) +c』og(F)-log(F) = % +c21log(r)+c22log(P1) +c』og(P2)
log(片)=Cjo +c31log(y)+ c32log(^) +c33log(f) ■log(P2) =% +c41log(y)+c42】og(K) + c43log(F)(1)公式⑴中,Y表示创新成果,K、L分别表示
研发经费投入与研发人员投入,Pi表示测度的创新
政策水平,P2表示政府研发补贴,F表示企业规模， %表示各变量的回归系数。从提高回归系数解释
效果出发，所有变量均取对数，这样回归系数才能 表示弹性意义，另外还有一个优点就是可以降低
异方差。方程一源于Griliches-Jaffe知识生产函 数⑶「遡，他们将Cobb-Douglas生产函数用于研发 投入产出的研究。在知识生产函数基础上，增加
了创新政策与政府研发补贴，以及企业规模。方程二是企业规模的影响因素，根据前文分 析,企业规模受创新成果、创新政策、政府研发补 贴等变量的影响。方程三和方程四是创新政策与政府研发补贴 的影响因素,包括创新成果、研发投入、企业规模。41中国软科学2019年第9期对于面板联立方程，本文采用Blundell等国] 提出的系统广义矩法(SYS-GMM)进行估计。虽 然联立方程模型已经大大降低了变量的内生性问
题,但如果进一步引人工具变量，采用SYS-GMM
估计效果更佳。GMM估计的精华是力求使变量之 间接近理论上关系，样本实际值和模型就能代表
变量之间的理论关系，估计方法就是使得理论值 和实际值之间加权距离最小。参数函数/(0)与工 具变量z,之间的正则条件为：£[/(e)'z]=o
(2)0为被估计参数值,GMM估计的标准是使工 具变量与函数f之间的样本相关性接近于0：丿(0) =(m(0))'4m(0)
(3)公式(3)中，m(0) =/(0)'Z,A为加权矩阵;
任何对阵正定阵A都是0的一致估计。本文工具 变量采用所有自变量的一阶滞后项。(2)面板门槛回归模型联立方程模型仅仅估计岀了企业规模、创新
政策、政府研发补贴、创新成果等变量之间的平均 弹性，为了进一步估计它们之间的非线性关系，发
现其中可能存在的问题，探索创新政策与企业规 模之间的规律，需要进一步采用面板门槛回归模 型进行估计,研究方法采用Hansen⑷]提出的面板
门槛回归模型。根据图1框架，本文研究创新政
策、政府研发补贴对创新成果贡献的企业规模门 槛,以及创新政策、政府研发补贴对企业规模的自 身门槛、企业规模门槛。创①新政策、政府研发补贴对创新成果贡献
的企业规模门槛该门槛模型研究的是，随着企业规模的变化,
创新政策、政府研发补贴对创新成果贡献的弹性 特征。以创新政策为例，在公式(1)方程一基础
上,以单门槛为例，如果存在一个企业规模门槛值
T,使得当FWt和F >t时，创新政策对创新成果的
弹性分别为81和02 ：log( Y) I = c0 + ff,log(Pt) +c」og(K) +C2】og(厶)+C3】og(F) + c4log(P2)log( Y) I f>t = c0 + 02log( P]) + C]log( K) + qlog(厶)+ c3log(F) + c4log(P2)(4)42对于多门槛的情况，与单门槛类似。当然对
于政府研发补贴对创新成果的企业规模门槛效
应,其研究方法也类似，公式如下：iog(y)I fST = c0 +久険(戸2)+C]iog(K)+C2】0g(厶)+ C3log(F) + c4log(Pj)log(y)I f>t = c0 + 02log(P2) +C|log(K) +qlog(厶)+ c3log(F) + c4log(P,)(5)② 创新政策、政府研发补贴对企业规模影响 的自身门槛该门槛研究的是随着创新政策、政府研发补
贴自身的规模不同，从而导致创新政策、政府研发 补贴对企业规模影响的弹性呈现的特征。以创新 政策为例,在公式(1)方程二的基础上，以单门槛
为例，如果存在一个创新政策门槛值T,使得当P,
WT和片>丁时，创新政策对企业规模的弹性系数
分别为6和也：log(F) I = Co + 0,log(P1) +C|log(Y) +
c2log(P2)log(F) I P|>T = c0 +仇吨出)+ Cjlog(y)+
l-C2log(P2)(6)
对于多门槛的情况，与单门槛类似。当然对于政府研发补贴对企业规模自身的门槛效应，其
研究方法也类似,公式如下：'log(F) I P S7 = c0 +®log(P2)+c」og(Y) +C2】Og(P| )log(F) I Pi>T = c0 + 02log(P2) + C]log(y)+<2log(Pl)(7)③ 创新政策、政府研发补贴对企业规模影响
的企业规模门槛该门槛研究的是随着企业规模不同，从而导 致创新政策、政府研发补贴对企业规模影响的弹
性呈现的特征。以创新政策为例,在公式(1)方程 二的基础上,以单门槛为例,如果存在一个企业规
模门槛值T,使得当FWt和F >T时，创新政策对
企业规模的弹性系数分别为6和E:log(F) I fST = c0 +0|log(PJ +cjog(y)+ c2log(P2)log(F) I f>t = c0 +%log(Pi) +cjog(y)+ c2log(P2)(8)对于多门槛的情况，与单门槛类似。当然对 于政府研发补贴对企业规模影响的企业规模门槛
效应，其研究方法也类似，公式如下：'log(F) Ifg = c0 + ^logCPJ + c,log(y)+C2】Og(P| )log(F) I f>t = c0 + 02log(P2) +cjog(y)+
qlog\")(9)(3)贝叶斯向量自回归模型联立方程模型研究了创新政策、政府研发补
贴、企业规模、创新成果之间的平均弹性，面板门 槛回归模型研究了这些变量之间的非线性特征，
从而便于发现问题和总结高质量。但是这两种研 究均属于静态研究,有必要从变量的动态关系角
度进一步进行分析,这时采用面板贝叶斯向量自
回归模型就是一个较好的选择。贝叶斯向量自回归模型(Bayesian Vector
Autoregressions, BVAR),由 Litterman[411 首仓!J,它是
在贝叶斯推断理论(Bayesian Inference)基础上构
建的,与传统VAR模型相比,主要优点是通过设定
VAR模型中系数的分布函数，而不是简单确定系 数的精确数量关系，从而大大节省了自由度，而且
也不会产生传统VAR模型的不可信结构,在短期 预测时具备良好的预测精度，因而得到了广泛的 使用。对于BVAR模型的进一步分析，与传统
VAR模型一样，也是采用脉冲响应函数与方差分 解进行。创新政策的测度(二)本文采用知识生产函数来测度创新政策。由 于本文基于中国高技术产业省际面板数据宏观数
据进行相关研究，现有文献中创新政策测度的所 有方法均无法采用，所以借鉴俞立平等〔⑵的研究，
科技与产业企业规模对创新政策绩效的影响研究在知识生产函数中引入创新技术进步变量，从而
在全要素生产率中将技术进步因素剥离,这样就 可以用新的全要素生产率代表创新政策°在知识生产函数的基础上，增加创新技术进 步G变量：Y = A'^L^G7 (10)只要能够找到合适的技术进步变量G,就可以 测度出创新政策。本文采用电信业务额作为创新
投入产出的技术进步替代变量，这是因为,信息革
命是改革开放以来我国科技创新领域最大的技术 进步,其核心是计算机与互联网引领的，带来科技
信息资源共享，科研数据处理技术产生质的飞跃, 科技信息存储与传递手段彻底更新，既包括智能
手机、平板电脑等移动平台，也包括大数据、云计
算、人工智能等等。以上测度模型的前提是，必须基于宏观或产
业层面的数据来进行测度，因为只有这样计算得
到的全要素生产率才能作为创新政策。需要说明 的是，这里的创新政策是广义的创新政策,不仅包
括与创新直接相关的正的,也包括与创新间接相 关的经济政策、社会政策、环境政策等。本文分别估计出各地区知识生产函数，然后 进一步计算出每年某地区的全要素生产率A，。采
用各地区的时间序列数据估计知识生产函数的最 大优点是，可以充分反映各地区的异质性，使得
计算结果更能反映不同地区创新的资源禀赋 差异。全国平均创新政策如图2所示，在1997 -
2005年期间，存在较大的波动，随着政策水平提
高，从2006年开始，创新政策总体发展趋于平稳， 处于稳定增长态势。图2全国创新政策平均值研究数据(三)关于创新成果变量，借鉴Griliches⑷)的研究, 采用新产品销售收入作为替代变量。这是因为,
43中国软科学2019年第9期传统研究有一部分采用发明专利作为替代变量, 但实际滞后期太长得牺牲大量数据。比如研发投 入到创新成果产生一般有1-2年的滞后,但是发
明专利从申请到获得批存往往有3年左右的滞后,
所以实际滞后期长达4-5年，因此本文舍弃了该 方法。企业规模采用主营业务额表示，反映高技术
企业的市场接受程度。研发经费采用企业研发经 费内部支出表示，研发人员采用研发人员折合全 时当量表示。创新政策已经测度岀来，政府研发 补贴统计年鉴有现成数据。全部数据均来自预
1998 -2017年中国高技术产业统计年鉴。由于西藏、新疆、青海缺失数据较多，因此对 这3个地区的数据进行了剔除处理,数据的描述统
计如表1所示。表1变量描述统计变量名称变量内涵均值极大值极小值标准差Y（万元）新产品销售收入5107933.00147000000. 0057.0013874602.00P1（指数）创新政策803. 8636121.050. 332819.46P2（万元）政府研发补贴28787.85332730.001.0050327. 58
F（亿元）主营业务收入2120.9637765. 209.424666. 85K（万元）研发经费内部支出294794. 208406913.0042.00798890.30L（人年）研发人员折合全时当量10534. 00
21029&006.0024024. 48n数据量20 x 27 = 540四、实证结果（―）变量的平稳性检验本文基于面板数据进行研究，既包括时间序 列也包括截面数据,时间跨度长达20年，因此需要
进行单位根检验,以防止可能出现的伪回归问题。 为了保证研究的稳健性,本文同时采用LLC、PP、
ADF三种检验方法，以结果一致为准。结果如表2 所示，经过一阶差分，所有变量均为平稳时间 序列。表2平稳性检验变量Levin lin&ChuADFPP检验结果log(Y)-3.526 ***59. 88597. 686 ***部分平稳log(PJ-9. 387 •**207. 388 ***247. 966 ***平稳log( P2 )-1.676 **3& 39936. 149部分平稳log(F)-0.41757. 12347. 589不平稳log(K)-5. 969 ***52. 86069. 747*部分平稳log(L)-1.988 **50. 34052. 334部分平稳Alog(Y)-17. 264 ***326. 802 ***809. 160 ***平稳Alog(P,)-20.580 ***404. 103 ***921.270 ***平稳Alog(P2)-16. 649 ***393. 520 ***1662. 24 ***平稳Alog(F)-9. 278 ***193. 009 ***213. 245 ***平稳Alog(K)-21.757 ***399. 524 ***493. 381 ***平稳Alog(L)-20. 439 ***399. 002 ***1061.43 ***平稳注：*、\"、”*分别表示在10%、5%、1%的水平下检验通过。44（二）联立方程估计结果联立方程估计结果如表3所示，方程1的拟合 优度为0.907,除政府研发补贴外,所有变量均通 过统计检验;方程2的拟合优度为0. 854,政府研
发补贴同样没通过统计检验，其他变量通过了统
计检验;方程3的拟合优度较低，只有0.088,说明 影响创新政策的因素比较复杂，本文变量难以较
好地解释。研发经费没有通过统计检验，其他变 量通过了统计检验;方程4的拟合优度为0. 753,
创新成果没有通过统计检验，其他变量通过了统 计检验。总体上结构方程模型的拟合优度良好。表3联立方程估计结月3变量说明方程1 方程2
方程3 方程4
log(Y)log(F)log(Pi)log®)C常数2. 648 ***
-2. 561 *** -0. 343-1. 121 ***(13. 308)(-15.617)(-0. 488)(-3.916)Log(K( -1))研发经费0.498 ***1. 198 *** (7. 539)一-0. 039(-0.249)(17.216)log(L( -1))劳动力0. 282 ***(5. 036)———log(Pi( -1))创新政策0.083 ***
-0.069*** (6.019)(-5. 532)——log(P2( - 1))政府研发补贴-0.0560.030(-1.625)(1.302)——log(F( - 1))企业规模0.515***-0. 758 *** -0.609***(9. 530)一(-4. 505)(-&213)log(Y( -1))创新成果—0. 659 *** 0. 731 ***0.069(34. 201)(5. 727)(1.241)R2拟合优度0.9070. 8540. 0880. 753注：*、“、“*分别表示在10%、5%、1%的水平下检验通过。综合以上估计结果，可以看出：第一，创新政策对企业规模的弹性系数为
-0. 069,企业规模对创新政策的弹性系数为 -0. 758,两者为反向互动关系。创新政策力度越 大,对规模越小的企业越有利。企业规模对创新
政策虽然也有负向影响,但由于拟合优度较低，可 以认为这种影响微不足道。政府研发补贴与企业
规模无关，企业规模对政府研发补贴的弹性系数 为-0.609,说明政府在对高技术企业进行研发补
贴时，并不考虑企业规模，但客观上，小企业获取 的政府研发补贴更多。第二，企业规模对创新成果的弹性系数为
0. 515,创新成果对企业规模的弹性系数为0. 659,
两者互动良好，企业规模越大，创新水平越强。从
这个角度，说明中国高技术产业总体上更接近熊 皮特的理论，即大企业更愿意创新。第三，创新政策对创新成果的弹性为0. 083,
创新成果对创新政策的弹性为0. 731,说明两者形
科技与产业企业规模对创新政策绩效的影响研究成了良好的互动关系。政府研发补贴与创新成果 无关，而创新成果对政府研发补贴也无关,说明政
新政策对创新成果的弹性有所降低，甚至对大型
企业而言,创新政策的作用并不显著。府研发补贴绩效总体较低。(2)政府研发补贴对创新成果的企业规模 门槛首先进行单门槛检验,F检验值为16. 155,概
面板门槛模型估计结果(三)(1)创新政策对创新成果的企业规模门槛首先进行单门槛检验,F检验值为24.489,概 率为0.000,拒绝原假设，说明存在创新政策的企
率为0.001,拒绝原假设，说明存在政府研发补贴 的企业规模门槛效应。继续进行双门槛检验,F检
业规模门槛效应。继续进行双门槛检验,F检验值 验值为11 • 978,概率为0. 000,拒绝原假设,继续进 行三门槛检验,F检验值为14. 028,概率为0. 000, 拒绝原假设,因此最终采用3门槛模型进行估计,
为18.442,概率为0. 000，拒绝原假设,继续进行三 门槛检验,F检验值为18.214,概率为0. 000,拒绝
原假设，因此最终采用3门槛模型进行估计，结果 如表4所示。表4创新政策的企业规模门槛估计结果如表5所示。表5政府研发补贴的企业规模门槛估计变量说明回归结果数据记录变量说明研发经费回归结果数据记录log(K( -1))log(K( -1))log(L( -D)log(P2( -1))log(F( -1))log(Pt( -1))T(ln(F( -1))^5.319)log[P—l)]5. 379 政府研发补贴(0. 728)研发经费1450. 278 *•*(4. 849)0. 172 •••(2. 895)0.039 (0. 563)164log[P2( -D]5.040 从回归结果看，企业规模有3个门槛，其对数 值分别为5. 319、6. 989、8. 828,将企业规模分为低 门槛冲低门槛冲高门槛、高门槛4个区域。当企 业规模处于低门槛区时，创新政策对创新成果的 弹性系数为0. 373,并且通过了统计检验，数据数 量有174个;当企业规模处于中低门槛区时，创新 政府研发补贴对创新成果的弹性系数为-0. 029, 政策对创新成果的弹性系数为0.278,也通过了统 计检验，数据数量有164个;当企业规模处于中高 门槛区时，创新政策对创新成果的弹性系数为 同样没有通过统计检验，数据数量有193个；当企 业规模处于中高门槛区时,政府研发补贴对创新 成果的弹性系数为-0.086,通过了统计检验，数据 数量有135个;当企业规模处于高门槛区时，政府 0.172,同样通过了统计检验，数据数量有143个; 当企业规模处于高门槛区时，创新政策对创新成 果的弹性系数为0.039,但没有通过了统计检验, 研发补贴创新成果的弹性系数为-0. 138,也通过 了统计检验，数据数量有40个。随着企业规模扩 数据数量有32个。可见,随着企业规模的扩大，创 大,政府研发补贴对创新成果的阻碍作用越大，政 45中国软科学2019年第9期府研发补贴总体上绩效不高，只有当企业规模较 小时，才有微弱的正向影响。(3)创新政策对企业规模影响的创新政策门 槛效应由于政府研发补贴对企业规模影响弹性系数 并没有通过统计检验，因此下面只分析创新政策 对企业规模影响的有关门槛效应，即创新政策自 身的门槛效应与企业规模的门槛效应。先看创新政策自身的门槛效应，首先进行单 门槛检验,F检验值为14. 859,概率为0.000,拒绝 原假设，说明存在创新政策自身的门槛效应。继 续进行双门槛检验，F检验值为8.500,概率为 0. 002,拒绝原假设,但第一阶段数据过量过少,代 表性不强，最终决定采用单门槛模型估计,结果如 表6所示。表6创新政策自身门比U估计变量说明回归结果数据记录log(Y( -1))研发经费0. 551(24. 174)log(P2( -D)政府研发补贴0. 249 ***(9. 839)log[P|( -1)]t ( In ( P| ( - 1 ) ) W创新政策-0.421 •**1.087)(-3.725)65log[P,( -1)]创新政策0. 003T(ln(P|( -1)) >1.087)(0. 065)448注：•、“ 分别表示在10%、5%、1%的水平下检验通过。从回归结果看，创新政策有1个门槛，其对数 值分别为1-087,将创新政策分为低门槛、高门槛2 个区域。当创新政策处于低门槛区时，创新政策 对企业规模影响的弹性系数为-0. 421,并且通过 了统计检验，数据数量有65个;当创新政策处于高 门槛区时，创新政策对企业规模的弹性系数为 0.003,但没有通过统计检验，数据数量有448个。 也就是说，当创新政策强度较低时,创新政策与企 业规模负相关，当创新政策强度较高时，创新政策 与企业规模不相关。(4)创新政策对企业规模影响的企业规模门 槛效应再看企业规模的门槛效应，首先进行单门槛 检验,F检验值为150. 504,概率为0. 000,拒绝原 假设,说明存在创新政策的企业规模门槛效应。 继续进行双门槛检验,F检验值为65. 174,概率为 460.000,拒绝原假设。继续进行3门槛检验,但第四 阶段数据过量过少，代表性不强，最终决定采用双 门槛模型估计，结果如表7所示。表7创新政策的企业规模门槛估计变量说明回归结果数据记录log(Y( -D)研发经费0. 488 *•*(24.011)log(P2( - D)政府研发补贴0. 155 **•(6. 820)log[P| (-1)]T(ln(F( -1)) W5. 207)创新政策-0. 136 •• (-3. 241)163bg[P|( -1)]t(5.207 Wln(F( -1))创新政策-0.018W6. 989)(-0.444)175bg[R( -1)]T(ln(F( -1)) >6. 989)创新政策0. 116***(2. 748)175注：•、”、…分别表示在10%、5%、1%的7K平下检验通过。从回归结果看，企业规模有2个门槛，其对数 值分别为5.207,6. 989,将企业规模分为低门槛、 中门槛、高门槛3个区域。当企业规模处于低门槛 区时，创新政策对企业规模影响的弹性系数为 -0. 136,并且通过了统计检验，数据数量有163 个;当企业规模处于中门槛区时，创新政策对企业 规模的弹性系数为-0.018,但没有通过统计检验, 数据数量有175个;当企业规模处于高门槛时，创 新政策对企业规模的弹性系数为0. 116,并且通过 了统计检验。也就是说，当企业规模较小时，创新 政策与企业规模负相关，对小企业不利；当企业规 模较大时,创新政策与企业规模正相关，对大企业 有利。贝叶斯向量自回归估计(四)由于创新政策、政府研发补贴、企业规模、创 新成果之间的作用关系时间跨度较长，因此综合 考虑后滞后期选择3期，建立贝叶斯向量自回归模 型,然后采用脉冲响应函数进行分析。第一，企业规模的脉冲响应函数(见图3)。来 自创新成果一个标准差的正向冲击对其影响最 大,当期发挥作用，随后快速升高,说明创新成果 的增加对企业规模扩大效果显著。其次是研发经 费的冲击，也是当期发挥作用，随后缓慢提高。而 创新政策的冲击对企业规模当期有微弱的正向影 响，随后缓慢降低为负数。政府研发补贴的冲击 对企业规模的影响为负数，总体影响比较轻微，但 作用时间较长。图3 企业规模的脉冲响应函数—e— P1 —«— P2 ―X— F图4创新成果的脉冲响应函数第二，创新成果的脉冲响应函数（见图4）。来 自研发经费一个标准差的正向冲击对其影响最 大,当期为0,随后快速升高，作用时间较长。来自 企业规模一个标准差的正向冲击的影响次之，当 期为了，到第二期达到极大值，随后比较平稳。而 来自创新政策与政府研发补贴的冲击对创新成果 作用比较轻微。第三，创新政策的脉冲响应函数（见图5）。来 自创新成果一个标准差的正向冲击对创新政策的 影响最大，当期达到极大值,第二期有所下降后开 始平稳，说明创新成果对创新政策有良好的反馈 作用。来自企业规模与政府研发补贴的冲击对创 新政策影响较小。而来自研发经费一个标准差的 正向冲击对创新的影响为负数，这是因为，只要企科技与产业企业规模对创新政策绩效的影响研究业加大研发投入，那么政府其实是没有必要采取 激励措施的。Y —«— K ―e— P1 —■— P2 —«— F图5创新政策的脉冲响应函数图6政府研发补贴的脉冲响应函数第三是政府研发补贴的脉冲响应函数（见图 6）0来自研发经费一个标准差的正向冲击对其影 响最大，当期就处于较高水平，作用比较平稳。来 自创新成果一个标准差的正向冲击当期也产生影 响，但水平不高，从第二期开始快速增长,说明创 新成果对政府研发补贴的影响有较长的滞后期。 而来自创新政策和企业规模的冲击对其影响较小。五、研究结论（1）创新政策与企业规模负相关，不利于小企 业发展壮大创新政策包括环境政策、需求政策、供给政 策，环境政策对企业规模的影响是潜在的,而供给 47中国软科学2019年第9期政策与需求政策对企业规模的影响主要是通过影 响产业创新而实现的。企业规模对创新政策具有 垄断治理效应与小微企业支持效应，同时存在正 向与负向的影响。企业规模对创新政策的影响最 终取决于两者互动关系的终结结果。联立方程的 研究结果表明，创新政策对企业规模影响的弹性 系数为负数,而企业规模对创新政策也有微弱的 负向影响。贝叶斯向量自回归的研究结果表明， 创新政策对企业规模的影响为负数，企业规模对 创新政策的影响较弱。以上充分说明，创新政策强 度与企业规模负相关,随着创新政策强度提高,企业 规模越小,创新政策不利于激励小企业做大做强。(2) 企业规模与政府研发补贴负相关,小企业 更容易获得支持联立方程的研究结果表明，政府研发补贴与 企业规模无关，但是企业规模与政府研发补贴负 相关。脉冲响应函数表明，政府研发补贴的冲击 对企业规模影响为负数，而企业规模的冲击对政 府研发补贴几乎没有影响。也就是说，政府在进 行研发补贴分配时,更多考虑项目本身,而不关心 企业规模。但中小企业在申请项目时，往往具有 优势,根本原因是小企业机制灵活，创新积极性 高，因此获得政府研发补贴的企业以小企业居多。(3) 当企业规模较小时,创新政策对创新成果 的弹性更大面板门槛回归结果表明，创新政策对创新成 果的作用具有企业规模门槛效应，随着企业规模 的扩大，创新政策对创新成果贡献的弹性持续降 低，甚至当企业规模很大时,创新政策与创新成果 无关，即创新政策对大企业的创新激励存在“失 灵”现象，从这个角度，说明创新政策对小企业更 加有利。(4) 企业规模与创新成果正相关，小企业创新 成果较少创新成果对企业规模具有规模增加效应与规 模维持效应。联立方程的研究结果表明，企业规 模对创新成果的弹性系数为正，而创新成果对企 业规模的弹性也为正，两者正相关。脉冲响应函 数显示，企业规模的正向冲击对创新成果的影响 48为正,而创新成果的正向冲击对企业规模的影响 也为正，两者良性互动。这个结论与熊彼特的理 论接近，即大企业更愿意创新，小企业创新成果 较少。(5) 当企业规模较小时,政府研发补贴对创新 成果有轻微贡献联立方程的研究结果表明，政府研发补贴与 创新成果不相关，说明政府研发补贴绩效不高。 政府研发补贴对创新成果的贡献存在企业规模门 槛效应，随着企业规模的扩大，政府研发补贴对创 新成果的贡献的负向影响越来越大。只有当企业 规模较小时，政府研发补贴才有轻微的正向影响， 表现为政府研发补贴与创新成果不相关。(6) 当创新政策较高时,创新政策对企业规模 有轻度贡献面板门槛回归的结果表明，创新政策对企业 规模的影响存在自身的门槛效应，当创新政策较 低时，创新政策与企业规模呈显著的负相关，只有 当创新政策较高时,创新政策对企业规模才有轻 度的正向贡献，表现为不相关。也就是说,创新政 策水平较高地区，企业更有可能进一步做大规模。(7) 当企业规模较大时,创新政策与企业规模 正相关虽然创新政策与企业规模总体表现为负相 关，但创新政策对企业规模的影响具有企业规模 门槛效应，当企业规模较低和中等时，创新政策与 企业规模负相关，当企业规模较高时，创新政策与 企业规模正相关。也就是说，创新政策更有利于 大型企业做大规模,中小企业会面临更多挑战。总体上，在现有的创新政策与政府研发补贴 框架下，中小企业机遇与挑战并存，机遇总体上大 于挑战，中小企业有更多创新发展机遇。我国的 创新政策总体上还有改进空间，政府研发补贴绩 效水平总体较低。创新政策应该更多地支持中小 企业发展,更多地鼓励中小企业创新。本文通过 几个计量模型，综合分析企业规模对创新政策绩 效的影响，总结其中的规律和问题,提高了研究的 稳健性，对创新政策的优化也具有一定的借鉴 意义。参考文献：[1 ] Ekboir J M. Research and technology policies in innovation systems: Zero tillage in Brazil [ J ] . Research Policy, 2003,32(4) ：573-586.[2] Schumpeter J. A. Capitalism , Socialism and Democracy [M] . New York： Harper & Row, 1942. [3 ] Hirschey M, Skiba H, Wintoki M B. The size, concentration and evolution of corporate R&D spending in US firms from 1976to 2010：Evidence and implications] J]. Journal of Corporate Finance ,2012,18 (3) ：496-518.[4 ] Phillips A. Patents potential competition, and technical progress[ J]. American Economic Review, 1966,56(3) : 301-310.[5] Ona S, Signes P, Garrigos A, et al. Impact of innovative practices in environmentally focused firms： Moderating factors [J]. International Journal of Environmental Research, 2011,5 (2) :425-434.[6] Vaona A,Pianta M. Firm size and innovation in European manufacturing [J]. Small Business Economics,2008,30 (3)： 283-299.[7] Lee S, Park G, Yoon B, et al. Open innovation in SMEs： An intermediated network model [ J ]. Research Policy, 2010, 39(2) ：290-300.[8] 叶 林.企业规模与创新技术选择[J]・经济评论， 2014(6):138-148.[9] 牛泽东，张倩肖，王 文•高技术产业的企业规模与技 术创新——基于非线性面板平滑转换回归(PSTR)模型的 分析[J]・中央财经大学学报,2012(10):68-74.[10 ] Arrow K J. Economic welfare and the allocation of resources for invention [ J ] . Nber Chapters, 1972, 12: 609-626.[11] Mansfield E. The economics of technological change [M]. New York： Norton, 196&[12] Laforet S. Organizational innovation outcomes in SMEs： Effects of age, size and sector[ J]. Journal of World Business, 2013,48(4) ：490-502.[13 ] Mansel G. Blackford. The rise modem business in Great Britain, The United States and Japan [ M ]. The University of Carolina Press, 1998.[14 ] Jaffe A. B. Demand and supply influences in R&D intensity and productivity growth [ J ] . Review of Economics and Statistics, 1988, 70(3) ：431-437.[15 ] Katrak H. Imports of technology, enterprise size and R&D・based production in a newly industrializing country: The evidence from indian enterprises [ J ] . World Development, 1994,22 (10) ：1599-160&科技与产业企业规模对创新政策绩效的影响研究[16] Bound J,Cummins C, Griliches Z, et al. Who does R&D and who patents? [ J ]. R&D Patents and Productivity, 1984 (21) ：21-54.[17] Scherer F. M. Size of firm, oligopoly and research: A comment [ J ] . Canadian Journal of Economics and Political Science, 1965a,31(2) ：256-266.[18] 朱晋伟，梅静娴.不同规模企业间创新绩效影响因素 比较研究一基于面板数据半参数模型[J].科学学与科 学技术管理,2015,36(2) ：83-91.[19] 高良谋，李 宇•技术创新与企业规模关系的形成与 转化[J].中国软科学,2008(12):96-104.[20] 刘志红，曹俊文.节能环保企业规模与产权性质对技 术创新的影响一基于江西省的调查数据[J].科技管理 研究,2018,38(5) ：135-141.[21] 姚云浩.旅游企业规模与创新策略选择[J].四川师 范大学学报(社会科学版),2017,44(3) :80-87.[22] Corchuelo M B, Mar Nez-Ros E. Who benefits from R&D tax policy [J]. Cuademos de Economfa y Direccidn de la Empresa,2010,13 ( 45) : 145 ・ 170.[23 ] Lach S. Do R&D subsidies stimulate or displace private R&D evidence from Israel [ J ] . Journal of Industrial Economics,2002,50( 4) ：369-390.[24] 邢斐，王红建.企业规模、市场竞争与研发补贴的 实施绩效[J].科研管理,2018(7):4349.[25] 董 静，翟海燕,杨自伟•政府科技资助对谁更有 效？一基于企业规模与所有制三维交互的研究[J].财 经研究,2016,42(7):87-98.[26] 李艳华.R&D补贴、税收激励与企业创新新颖度提 升一基于企业规模的比较研究[J].科技管理研究， 2015,35(5) ：1-5.[27] Ruiz Estrada M,Yap S F,Nagaraj S. Beyond the ceteris paribus assumption: Modeling demand and supply assuming omnia mobilis [ J ] . International Journal of Economics Research,2008(2) ： 185-194.[28] 张永安，郑海拓.国务院创新政策量化评价一基于 PMC指数模型[J].科技进步与对策,2017,34 ( 17)： 127-136.[29 ] Isabel Freitas , Nick T. Mapping public support for innovation: A comparison of policy alignment in the UK and France] J]. Research Policy,2008,37(9) : 1446-1464.[30 ] Hultink E J, Robben H S J. Measuring new product success: The difference that time perspective makes [J]. The Journal of Product Innovation Management, 1995 ( 12 )： 392-405.[31]高 峰,赵绘存，贾特妮.我国科技创新政策演进路 49中国软科学2019年第9期径研究一基于政策研究热点的视角[J] •情报杂志， 2017,36 (11) ：86-91.[32] 黄萃,赵培强，李江.基于共词分析的中国科技 创新政策变迁量化分析[J].中国行政管理,2015(9)： 115-122.[33] 骆大进，王海峰，李垣.基于社会网络效应的创新 政策绩效研究[J].科学学与科学技术管理,2017,38(11 ): 10-19.[34] 赵良浩，李玉婵，张玲玉.我国科技创新政策绩效区 域异质性研究——基于2000 - 2010年大中型工业企业数 据的研究[J].工业技术经济,2013,32(10):83-89.[35] 邢斐，王红建.企业规模、市场竞争与研发补贴的 实施绩效[J].科研管理,2018,39(7):4349.[36] 贺德方，唐玉立，周华东.科技创新政策体系构建及 实践[J].科学学研究,2019,37(1):3-10+44.[37 ] Griliches, Z. Issues in assessing the contribution of research and development to productivity growth [ J ] . Bell Journal of Economics, 1979( 1 ) ：92-l 16.50[38] Jaffe, A. B. Real effects of academic research [ J ]. The American Economic Review, 1989 (5) ：957-970.[39 ] Blundell R, S Bond. Initial conditions and moment restrictions in dynamic panel data models [ J ] . Journal Of Econometrics, 1998,87(1) ： 115-143.[40] Hansen B E. Threshold effects in non-dynamic panels: Estimation, testing and inference [ J ] . Journal of Econometrics, 1999, 93(2) ：345-368.[41 ] Litterman R B. Forecasting with bayesian vector autoregressions five years of experience [ J ] . Journal of Business and Economics Statistics, 1986(4) ：25-38.[42]俞立平，章美娇，王作功.中国地区高技术产业政策 评估及影响因素研究[J].科学学研究,2018(1):28-36.[43 ] Griliches Z. Patent statistics as economic indicators: A survey [ J ] . Journal of Economic Literature, 1990,28 ( 12 )： 1661-1707.(本文责编：王延芳)
因篇幅问题不能全部显示，请点此查看更多更全内容