政府專項(xiàng)補(bǔ)助與企業(yè)創(chuàng)新產(chǎn)出：來(lái)自專利的證據(jù)

張楊勛 周 浩

(暨南大學(xué) 產(chǎn)業(yè)經(jīng)濟(jì)研究院，廣東 廣州 510632)

一、引言

提升企業(yè)創(chuàng)新產(chǎn)出的數(shù)量與質(zhì)量是我國(guó)當(dāng)前建設(shè)創(chuàng)新型國(guó)家的重要目標(biāo)，而政府補(bǔ)助是實(shí)現(xiàn)這一目標(biāo)的重要手段之一。現(xiàn)有文獻(xiàn)對(duì)于政府補(bǔ)助能否促進(jìn)企業(yè)創(chuàng)新產(chǎn)出存在著分歧[1][2]，這可能是由于不同研究在數(shù)據(jù)處理、研究方法和研究視角的選擇上存在差異。在數(shù)據(jù)處理上，現(xiàn)有文獻(xiàn)普遍將政府補(bǔ)助金額作為自變量，將企業(yè)的專利申請(qǐng)量作為因變量，進(jìn)行籠統(tǒng)的總量分析[3][4]，并不能在兩者之間建立直接聯(lián)系；在方法上，現(xiàn)有文獻(xiàn)大多采用OLS或者對(duì)數(shù)線性模型[3][5]，而專利申請(qǐng)數(shù)據(jù)更適合使用泊松回歸等計(jì)數(shù)模型；在研究視角上，現(xiàn)有文獻(xiàn)主要從市場(chǎng)環(huán)境、企業(yè)性質(zhì)和高管激勵(lì)等角度，探討了政府補(bǔ)助的創(chuàng)新效應(yīng)在企業(yè)內(nèi)外部特征影響下的差異化表現(xiàn)[4][6][7]?；诖?，本文以近年實(shí)施的戰(zhàn)略性新興產(chǎn)業(yè)政策為研究背景，構(gòu)建了政府補(bǔ)助名目與專利申請(qǐng)技術(shù)分類之間的對(duì)應(yīng)關(guān)系，結(jié)合上市公司的財(cái)務(wù)和高管特征數(shù)據(jù)，利用偽最大似然泊松回歸方法，對(duì)政府補(bǔ)助的創(chuàng)新效應(yīng)進(jìn)行了檢驗(yàn)，并從企業(yè)外部環(huán)境和內(nèi)部高管特征的角度進(jìn)行了異質(zhì)性分析。本文的邊際貢獻(xiàn)有兩點(diǎn)：一是利用相關(guān)文件，基于政府補(bǔ)助明細(xì)項(xiàng)目和國(guó)際專利分類號(hào)建立了政府補(bǔ)助與企業(yè)創(chuàng)新產(chǎn)出之間的直接聯(lián)系，從而更準(zhǔn)確地度量了政府補(bǔ)助對(duì)企業(yè)創(chuàng)新產(chǎn)出的影響；二是基于企業(yè)的外部市場(chǎng)化程度和內(nèi)部高管團(tuán)隊(duì)成員研發(fā)經(jīng)歷這兩個(gè)視角分析了政府補(bǔ)助創(chuàng)新效應(yīng)在不同條件下的差異化表現(xiàn)，探討了政府補(bǔ)助的適用范圍，對(duì)現(xiàn)有研究進(jìn)行了補(bǔ)充。

二、文獻(xiàn)綜述與研究假設(shè)

(一)文獻(xiàn)綜述

由于在政府補(bǔ)助創(chuàng)新效應(yīng)的觀點(diǎn)上存在分歧[2][8]，學(xué)者們近年開始關(guān)注企業(yè)內(nèi)外部因素對(duì)政府補(bǔ)助創(chuàng)新效應(yīng)的差異化影響。關(guān)于外部環(huán)境，有研究發(fā)現(xiàn)政府補(bǔ)助的創(chuàng)新效應(yīng)僅在低市場(chǎng)化或高知識(shí)產(chǎn)權(quán)保護(hù)程度的地區(qū)顯著[3][4]，也有研究發(fā)現(xiàn)政府補(bǔ)助對(duì)高市場(chǎng)化程度地區(qū)企業(yè)的創(chuàng)新產(chǎn)出有顯著促進(jìn)[9]。據(jù)此可見(jiàn)，政府補(bǔ)助的創(chuàng)新效應(yīng)在不同國(guó)家和不同地區(qū)之間可能呈現(xiàn)出差異化的效果。對(duì)于企業(yè)個(gè)體特征，現(xiàn)有研究主要從資產(chǎn)規(guī)模、產(chǎn)權(quán)性質(zhì)和內(nèi)部高管激勵(lì)等角度，探討政府補(bǔ)助創(chuàng)新效應(yīng)在具有不同特征的企業(yè)群體中的差異化表現(xiàn)[6][7][10]。

基于文獻(xiàn)回顧可以發(fā)現(xiàn)，政府補(bǔ)助的創(chuàng)新效應(yīng)會(huì)受到企業(yè)外部環(huán)境與內(nèi)部特征的影響。關(guān)于外部環(huán)境，現(xiàn)有研究主要基于樊綱等人所提出的市場(chǎng)化與知識(shí)產(chǎn)權(quán)保護(hù)指數(shù)[11](P61—248)，探討政府補(bǔ)助創(chuàng)新效應(yīng)在不同省份間的差異化表現(xiàn)。而關(guān)于企業(yè)內(nèi)部特征，現(xiàn)有文獻(xiàn)缺乏對(duì)于企業(yè)內(nèi)部高管團(tuán)隊(duì)成員特征的關(guān)注。當(dāng)前已有大量文獻(xiàn)證實(shí)了諸如職業(yè)經(jīng)歷等高管特征對(duì)于企業(yè)創(chuàng)新產(chǎn)出有著重要的影響[12][13][14]，高管團(tuán)隊(duì)作為企業(yè)的決策中樞，其成員的個(gè)人特征可能影響政府補(bǔ)助的創(chuàng)新效應(yīng)。綜上，本文擬從企業(yè)外部市場(chǎng)化程度和內(nèi)部高管特征這兩個(gè)視角，探討政府補(bǔ)助創(chuàng)新效應(yīng)的作用條件。

(二)研究假設(shè)

對(duì)政府補(bǔ)助創(chuàng)新效應(yīng)持肯定觀點(diǎn)的學(xué)者認(rèn)為，政府補(bǔ)助可以緩解知識(shí)溢出等正外部性問(wèn)題，并通過(guò)類似官方認(rèn)證的作用，為企業(yè)吸引更多外部融資的機(jī)會(huì)，從而促進(jìn)企業(yè)的創(chuàng)新[15]；而持否定觀點(diǎn)的學(xué)者則認(rèn)為政府失靈的現(xiàn)象更為常見(jiàn)，政府補(bǔ)助會(huì)對(duì)企業(yè)產(chǎn)生不良的誘導(dǎo)作用，引發(fā)企業(yè)以獲取政府補(bǔ)助為目的的“策略性創(chuàng)新”行為[16]。從現(xiàn)實(shí)來(lái)看，政府補(bǔ)助作為一種常見(jiàn)的政策工具在諸如美國(guó)等其他國(guó)家均被廣泛使用[17]。我國(guó)當(dāng)前的市場(chǎng)制度體系建設(shè)仍未完善，政府補(bǔ)助作為市場(chǎng)機(jī)制的補(bǔ)充，可以在強(qiáng)化創(chuàng)新活動(dòng)正外部性的同時(shí)提高企業(yè)作為創(chuàng)新主體的積極性?；诖?，本文提出研究假設(shè)H1：

H1：政府補(bǔ)助在總體上能夠促進(jìn)企業(yè)的創(chuàng)新產(chǎn)出。

我國(guó)自1978年開始逐步實(shí)施市場(chǎng)化改革，然而由于經(jīng)濟(jì)發(fā)展程度等因素的制約，不同省份的市場(chǎng)化進(jìn)程有所差異[18](P216—223)。張杰等的研究發(fā)現(xiàn)，相比知識(shí)產(chǎn)權(quán)保護(hù)與金融發(fā)展水平較好的省份，政府補(bǔ)助對(duì)于中小型科技企業(yè)私人研發(fā)投入的促進(jìn)作用在那些發(fā)展水平較差的省份表現(xiàn)更好[19]。企業(yè)在高市場(chǎng)化程度的環(huán)境中進(jìn)行創(chuàng)新，可能具有以下優(yōu)勢(shì)：(1)融資渠道較多且完善，能夠形成較為寬松的研發(fā)環(huán)境[20]；(2)市場(chǎng)中介組織和法治環(huán)境較為成熟，企業(yè)創(chuàng)新成果的保護(hù)與交易機(jī)制較為完備[21]；(3)市場(chǎng)中以競(jìng)爭(zhēng)機(jī)制作為主導(dǎo)，使得企業(yè)更加具有創(chuàng)新的動(dòng)機(jī)[22]。因此，在市場(chǎng)化程度高的地區(qū)企業(yè)對(duì)政府補(bǔ)助的響應(yīng)動(dòng)機(jī)可能偏弱。綜上，本文提出研究假設(shè)H2：

H2：政府補(bǔ)助的創(chuàng)新效應(yīng)在市場(chǎng)化程度一般的地區(qū)作用更大。

企業(yè)是否進(jìn)行創(chuàng)新，主要由公司內(nèi)部的高管團(tuán)隊(duì)進(jìn)行決策?；诟吖軋F(tuán)隊(duì)理論，企業(yè)的戰(zhàn)略規(guī)劃與決策會(huì)受到高管團(tuán)隊(duì)成員人口統(tǒng)計(jì)特征的影響[23]?，F(xiàn)有研究廣泛探討了高管團(tuán)隊(duì)成員的受教育水平和職業(yè)背景等個(gè)人特征對(duì)于企業(yè)創(chuàng)新的影響[12][13][14]。其中，高管團(tuán)隊(duì)成員的職業(yè)經(jīng)歷，對(duì)于塑造其管理與決策風(fēng)格有著重要的影響，而與創(chuàng)新活動(dòng)高度相關(guān)的職業(yè)經(jīng)歷是高管的研發(fā)經(jīng)歷。具有研發(fā)經(jīng)歷的高管可能對(duì)企業(yè)的創(chuàng)新產(chǎn)出有以下正面影響：(1)更能理解研發(fā)與創(chuàng)新對(duì)于企業(yè)的重要性，因此更愿意為創(chuàng)新活動(dòng)提供資金支持[24]；(2)能夠更合理地制定創(chuàng)新活動(dòng)的相關(guān)規(guī)劃與戰(zhàn)略，提升資金的使用效率[25]；(3)可能利用自身在技術(shù)領(lǐng)域的權(quán)威性為企業(yè)獲取政府的相關(guān)補(bǔ)助[26]。據(jù)此，本文提出研究假設(shè)H3：

H3：政府補(bǔ)助的創(chuàng)新效應(yīng)對(duì)于高管團(tuán)隊(duì)成員有研發(fā)經(jīng)歷的企業(yè)作用更大。

三、實(shí)證研究

(一)數(shù)據(jù)來(lái)源

本文所使用的數(shù)據(jù)分為5部分：專利數(shù)據(jù)整理自畢威迪公司的Oriana數(shù)據(jù)庫(kù)；上市公司的政府補(bǔ)助數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)和高管特征數(shù)據(jù)整理自國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)；市場(chǎng)化指數(shù)數(shù)據(jù)整理自王小魯、樊綱和胡李鵬所撰寫的《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告(2018)》[18](P216—223)。關(guān)于數(shù)據(jù)處理，本文首先利用國(guó)家知識(shí)產(chǎn)權(quán)局編制的《國(guó)際專利分類與國(guó)民經(jīng)濟(jì)行業(yè)分類參照關(guān)系表(2018)》、國(guó)家統(tǒng)計(jì)局編制的《戰(zhàn)略性新興產(chǎn)業(yè)分類(2018)》和世界知識(shí)產(chǎn)權(quán)組織編制的WIPO-Maingroup-2018.01，構(gòu)建“戰(zhàn)略性新興產(chǎn)業(yè)分類-國(guó)民經(jīng)濟(jì)行業(yè)分類-專利技術(shù)分類”的對(duì)應(yīng)關(guān)系，得到了屬于7大戰(zhàn)略性新興產(chǎn)業(yè)的共計(jì)3797個(gè)專利大組。其次，基于文本匹配，標(biāo)記了政府補(bǔ)助數(shù)據(jù)中包含“戰(zhàn)略性新興產(chǎn)業(yè)”等相關(guān)字段的記錄，從而得到了以“戰(zhàn)略性新興產(chǎn)業(yè)政策”為名目的數(shù)據(jù)，共計(jì)11099條，占比為3.92%。最后，本文依據(jù)股票代碼對(duì)專利數(shù)據(jù)進(jìn)行匹配，識(shí)別了1279家上市公司中屬于前述3797個(gè)專利大組的發(fā)明專利申請(qǐng)數(shù)據(jù)，共計(jì)140620條。其中，合作申請(qǐng)專利的情況，本文的處理方式如下：假定A公司和B公司合作申請(qǐng)了1條發(fā)明專利，兩家公司各計(jì)1條專利。這種情況的比重是15.3%。最后，出于數(shù)據(jù)可得性的考量，本文將研究的時(shí)間區(qū)間定為2008～2016年。

(二)模型設(shè)定

本文以發(fā)明專利申請(qǐng)數(shù)量度量上市公司的創(chuàng)新產(chǎn)出數(shù)量，以發(fā)明專利申請(qǐng)的授權(quán)數(shù)量度量上市公司的創(chuàng)新產(chǎn)出質(zhì)量。鑒于專利數(shù)據(jù)為計(jì)數(shù)數(shù)據(jù)，本文參考相關(guān)文獻(xiàn)的研究方法[27]，使用偽最大似然泊松回歸作為基準(zhǔn)回歸模型，模型設(shè)定如下。

E(TotalSEIInvit+1|Xit)=exp(β0+β1SEIGSpctit+β2TotalCitingit+β3Sizeit+

β4CashRatioit+β5Levit+β6ROAit+γProvince+δYear+θIndcd)

(1)

E(TotalGrantedSEIInvit+1|Xit)=exp(β0+β1SEIGSpctit+β2TotalCitingit+β3Sizeit+

β4CashRatioit+β5Levit+β6ROAit+γProvince+δYear+

θIndcd)

(2)

式(1)和式(2)中各變量的定義如下：

1.被解釋變量。TotalSEIInvit+1表示公司i在t+1年所申請(qǐng)的屬于戰(zhàn)略性新興產(chǎn)業(yè)相關(guān)技術(shù)分類的發(fā)明專利申請(qǐng)數(shù)量。TotalGrantedSEIInvit+1表示公司i在t+1年所申請(qǐng)的屬于戰(zhàn)略性新興產(chǎn)業(yè)相關(guān)技術(shù)分類的發(fā)明專利申請(qǐng)截至2019年最終被授權(quán)的數(shù)量。

2.解釋變量。SEIGSpctit表示公司i在t年所得到的以戰(zhàn)略性新興產(chǎn)業(yè)為發(fā)放名目的政府補(bǔ)助占公司在t年總資產(chǎn)的比例。本文以每家企業(yè)每年以戰(zhàn)略性新興產(chǎn)業(yè)為發(fā)放名目的政府補(bǔ)助金額總數(shù)除以該企業(yè)當(dāng)年期末的總資產(chǎn)，這里參考了楊芷晴等人的做法[4]。

3.控制變量。TotalCitingit表示公司i在t年所申請(qǐng)的發(fā)明專利截至2019年底為止被其他公司或個(gè)人所引用的總次數(shù)，本文以此度量公司i在t年的創(chuàng)新能力。若一項(xiàng)專利申請(qǐng)的被引用次數(shù)越多，那么它的技術(shù)價(jià)值就越高[28]。與現(xiàn)有文獻(xiàn)以被授權(quán)專利數(shù)量度量企業(yè)創(chuàng)新能力的方式相比[29]，本文的做法能夠更準(zhǔn)確地度量企業(yè)整體的創(chuàng)新能力。除此之外，本文參考相關(guān)文獻(xiàn)[16][30][31][32]，選擇了Sizeit(期末總資產(chǎn))、CashRatioit(現(xiàn)金比率)、Levit(資產(chǎn)負(fù)債率)和ROAit(資產(chǎn)收益率)作為控制變量。

4.虛擬變量。γProvince表示省份的虛擬變量，δYear表示年份的虛擬變量，θIndcd表示上市公司行業(yè)的虛擬變量。

表1 變量的描述性統(tǒng)計(jì)

注：此處的描述性統(tǒng)計(jì)使用了所有的數(shù)據(jù)，意在展示整體數(shù)據(jù)的情況。在正式估計(jì)中，由于對(duì)被解釋變量進(jìn)行了前置1期的處理，因此會(huì)損失部分的觀測(cè)，變量數(shù)值取小數(shù)點(diǎn)后3位，SEIGSpct的均值為0.0004。

(三)基準(zhǔn)回歸

基準(zhǔn)回歸的結(jié)果如表2所示，模型1和模型2分別對(duì)應(yīng)上文中的式(1)和式(2)，模型1中的被解釋變量為F1_TotalSEIInv，模型2中的被解釋變量為F1_TotalGrantedSEIInv，解釋變量為SEIGSpct。其中，解釋變量為t期，被解釋變量為t+1期。

從表2中的估計(jì)結(jié)果可以發(fā)現(xiàn)，SEIGSpct在模型1中的估計(jì)系數(shù)為6.1889，而在模型2中的估計(jì)系數(shù)為9.4393，上述結(jié)果分別在10%和1%的顯著性水平下顯著。由于泊松回歸估計(jì)系數(shù)有exp[(xk+δ)*βk]/exp (xkβk)=exp (δ*βk)的性質(zhì)，因此若解釋變量增加δ單位，被解釋變量的平均發(fā)生次數(shù)將是原先的exp (δ*βk)倍。本文以0.01為單位計(jì)算模型1和模型2中SEIGSpct的發(fā)生率比。當(dāng)SEIGSpct增加0.01，F(xiàn)1_TotalSEIInv的平均發(fā)生次數(shù)將是原先的exp(0.01*6.1889)=1.064倍，而F1_TotalGrantedSEIInv的平均發(fā)生次數(shù)將是原先的exp(0.01*9.4373)=1.099倍。至此，本文提出的假設(shè)1得以驗(yàn)證。

表2 基準(zhǔn)回歸結(jié)果

注:***、**和*分別表示1%、5%和10%的顯著性水平，括號(hào)內(nèi)為t統(tǒng)計(jì)值。下表同。

本文參考Correia等人的建議，在控制了省份固定效應(yīng)、年份固定效應(yīng)和行業(yè)固定效應(yīng)的基礎(chǔ)上，進(jìn)行偽最大似然泊松回歸。模型1和模型2的Pseudo R2分別為0.6851和0.6891，這說(shuō)明本文所設(shè)定的模型具有較好的擬合程度。

(四)穩(wěn)健性檢驗(yàn)

為檢驗(yàn)估計(jì)結(jié)果的穩(wěn)健性，本文利用負(fù)二項(xiàng)式回歸、零膨脹泊松回歸和零膨脹負(fù)二項(xiàng)式回歸對(duì)模型1和模型2進(jìn)行了再估計(jì)。一般而言，由于偽最大似然泊松回歸已經(jīng)放松了關(guān)于因變量條件均值的假定，因此無(wú)需再考慮因變量條件均值與條件方差不相等時(shí)所導(dǎo)致的過(guò)度離散問(wèn)題。在這里，本文僅是基于上述3種回歸模型對(duì)基準(zhǔn)回歸的結(jié)果進(jìn)行輔助性檢驗(yàn)。限于篇幅，本文省略了表3中的控制變量估計(jì)結(jié)果?？梢钥吹剑琒EIGSpct在3種回歸模型中的估計(jì)系數(shù)均為正向并且顯著，穩(wěn)健性檢驗(yàn)中估計(jì)結(jié)果在方向和顯著性上與基準(zhǔn)回歸的結(jié)果相比未存在明顯差異。

(五)異質(zhì)性分析

1.區(qū)域市場(chǎng)化程度

基于《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告(2018)》[18](P216—223)中所報(bào)告的2008～2016年各省(市、自治區(qū))的市場(chǎng)化總指數(shù)評(píng)分，本文首先計(jì)算了我國(guó)大陸地區(qū)31個(gè)省份市場(chǎng)化總指數(shù)評(píng)分在2008～2016年的平均值，再基于此評(píng)分對(duì)31個(gè)省份進(jìn)行排序，取前10位作為“市場(chǎng)化程度-高”的樣本組，取后21位作為“市場(chǎng)化程度-普通”的樣本組，基于偽最大似然泊松回歸對(duì)模型1和模型2進(jìn)行分組估計(jì)，所得的估計(jì)結(jié)果如表4所示。

表3 穩(wěn)健性檢驗(yàn)

表4 政府補(bǔ)助對(duì)不同市場(chǎng)化程度地區(qū)企業(yè)創(chuàng)新產(chǎn)出的影響

表4的估計(jì)結(jié)果發(fā)現(xiàn)，市場(chǎng)化程度與政府補(bǔ)助之間可能存在替代關(guān)系，政府補(bǔ)助對(duì)于上市公司創(chuàng)新產(chǎn)出的顯著正向影響僅在市場(chǎng)化程度普通的分樣本中成立。這可能是由于，在市場(chǎng)化程度高的地區(qū)，上市公司擁有更為多元化的融資渠道，因此政府補(bǔ)助對(duì)于其創(chuàng)新活動(dòng)的影響較小。而在市場(chǎng)化程度普通的地區(qū)，由于金融發(fā)展水平和相關(guān)融資制度尚不完善，政府補(bǔ)助對(duì)于上市公司創(chuàng)新活動(dòng)的影響較大。

從估計(jì)系數(shù)的大小和顯著性來(lái)看，在市場(chǎng)化程度普通的地區(qū)，當(dāng)SEIGSpct增加0.01，F(xiàn)1_TotalSEIInv的平均發(fā)生次數(shù)將是原先的exp(0.01*3.2838)=1.033倍，這一影響在10%的顯著性水平下顯著；而當(dāng)SEIGSpct增加0.01，F(xiàn)1_TotalGrantedSEIInv的平均發(fā)生次數(shù)將是原先的exp(0.01*6.5964)=1.07倍，這一影響在1%的顯著性水平下顯著。至此，本文提出的假設(shè)2得以驗(yàn)證。

2.高管團(tuán)隊(duì)研發(fā)經(jīng)歷

本文基于CSMAR數(shù)據(jù)庫(kù)中所提供的上市公司高管團(tuán)隊(duì)職業(yè)背景數(shù)據(jù)，將職業(yè)背景記錄為“研發(fā)”的觀測(cè)記為1，其他記為0。若上市公司i在t年的高管團(tuán)隊(duì)中至少有1名成員具有研發(fā)經(jīng)歷，則記為“高管團(tuán)隊(duì)有研發(fā)經(jīng)歷”；若上市公司i在t年的高管團(tuán)隊(duì)中無(wú)人具有研發(fā)經(jīng)歷，則記為“高管團(tuán)隊(duì)無(wú)研發(fā)經(jīng)歷”。本文據(jù)此進(jìn)行了分組估計(jì)，所得的估計(jì)結(jié)果如表5所示。

政府補(bǔ)助對(duì)上市公司創(chuàng)新產(chǎn)出的顯著影響僅在高管團(tuán)隊(duì)有研發(fā)經(jīng)歷的分樣本中成立。從估計(jì)系數(shù)的大小和顯著性來(lái)看，在高管團(tuán)隊(duì)有研發(fā)經(jīng)歷的分組中，當(dāng)SEIGSpct增加0.01，F(xiàn)1_TotalSEIInv的平均發(fā)生次數(shù)將是原先的exp(0.01*5.9431)=1.061倍，這一影響在10%的顯著性水平下顯著；而當(dāng)SEIGSpct增加0.01，F(xiàn)1_TotalGrantedSEIInv的平均發(fā)生次數(shù)將是原先的exp(0.01*8.9422)=1.094倍，這一影響在1%的顯著性水平下顯著。

這一結(jié)果顯示，政府補(bǔ)助的創(chuàng)新效應(yīng)會(huì)受到高管團(tuán)隊(duì)研發(fā)經(jīng)歷的影響。高管團(tuán)隊(duì)是上市公司內(nèi)部的關(guān)鍵決策團(tuán)體，決定著研發(fā)投入的數(shù)量與流向，若其內(nèi)部成員具有研發(fā)經(jīng)歷，可能更有效率地利用政府補(bǔ)助，進(jìn)而對(duì)公司創(chuàng)新產(chǎn)出的數(shù)量和質(zhì)量產(chǎn)生顯著的正向影響。至此，本文提出的假設(shè)3得以驗(yàn)證。

表5 政府補(bǔ)助對(duì)高管團(tuán)隊(duì)有/無(wú)研發(fā)經(jīng)歷的企業(yè)創(chuàng)新產(chǎn)出的影響

四、結(jié)論與政策建議

如何合理利用政府補(bǔ)助提升企業(yè)創(chuàng)新產(chǎn)出的數(shù)量和質(zhì)量，是當(dāng)前經(jīng)濟(jì)建設(shè)工作中的一個(gè)重要課題。本文在準(zhǔn)確匹配政府補(bǔ)助名目與專利技術(shù)分類的基礎(chǔ)上，利用更為穩(wěn)健的估計(jì)方法，探討了政府補(bǔ)助與企業(yè)創(chuàng)新產(chǎn)出的關(guān)系。本文得出以下三方面研究結(jié)論：(1)政府補(bǔ)助能夠在總體上提升企業(yè)專利化創(chuàng)新產(chǎn)出的數(shù)量和質(zhì)量；(2)政府補(bǔ)助與企業(yè)外部市場(chǎng)化程度存在替代效應(yīng)，補(bǔ)助對(duì)企業(yè)創(chuàng)新活動(dòng)的促進(jìn)作用僅限于市場(chǎng)化程度普通的地區(qū)；(3)政府補(bǔ)助與企業(yè)高管團(tuán)隊(duì)的研發(fā)經(jīng)歷形成互補(bǔ)效應(yīng)，企業(yè)高管團(tuán)隊(duì)的研發(fā)經(jīng)歷能夠更好地發(fā)揮政府補(bǔ)助的創(chuàng)新效應(yīng)。

基于上述研究結(jié)論，本文提出以下政策建議：(1)政府補(bǔ)助在總體上有利于提升企業(yè)創(chuàng)新產(chǎn)出的數(shù)量與質(zhì)量，其作為政府引導(dǎo)企業(yè)創(chuàng)新的重要工具，在當(dāng)前經(jīng)濟(jì)建設(shè)中有繼續(xù)實(shí)施的必要；(2)政府補(bǔ)助與市場(chǎng)機(jī)制之間可能存在著一定的替代性，不同省份在擬定政府補(bǔ)助策略時(shí)，應(yīng)當(dāng)結(jié)合本地的市場(chǎng)化程度對(duì)政策進(jìn)行具體調(diào)整。例如，市場(chǎng)化程度高的省份，可以考慮調(diào)整政府補(bǔ)助的形式，由常見(jiàn)的統(tǒng)一事后資金補(bǔ)貼向階段性補(bǔ)貼等較為靈活的形式轉(zhuǎn)變。而對(duì)于市場(chǎng)化程度一般的省份，在實(shí)施政府補(bǔ)助的同時(shí)，也應(yīng)當(dāng)繼續(xù)推進(jìn)市場(chǎng)化建設(shè)，完善相關(guān)制度法規(guī)，建立健全長(zhǎng)效的市場(chǎng)機(jī)制；(3)企業(yè)高管團(tuán)隊(duì)成員的研發(fā)經(jīng)歷與政府補(bǔ)助之間存在互補(bǔ)效應(yīng)，企業(yè)需要考慮自身高管團(tuán)隊(duì)結(jié)構(gòu)的合理性，重視高管研發(fā)經(jīng)歷的作用，以提升創(chuàng)新產(chǎn)出的數(shù)量與質(zhì)量。