巫景飛， 希吉日， 倪中新，2

（1.上海大學(xué)經(jīng)濟學(xué)院，上海 200444；2.上海大學(xué)金融信息研究中心，上海 200444）

一、引言

在全球技術(shù)變革及我國經(jīng)濟進入新常態(tài)的背景下，2016年5月，中共中央國務(wù)院印發(fā)《國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略綱要》，并提出“三步走”目標。2020 年“十四五”規(guī)劃綱要再次強調(diào)，堅持創(chuàng)新在我國現(xiàn)代化建設(shè)全局中的核心地位，完善技術(shù)創(chuàng)新市場導(dǎo)向機制，強化企業(yè)創(chuàng)新主體地位，促進創(chuàng)新要素向企業(yè)聚集。

為了響應(yīng)國家發(fā)展戰(zhàn)略，中央和地方政府相繼出臺《關(guān)于深化科技體制改革加快國家創(chuàng)新體系建設(shè)的意見》《關(guān)于完善研究開發(fā)費用稅前加計扣除政策的通知》等以稅收優(yōu)惠、財政補助為核心的一攬子技術(shù)創(chuàng)新激勵政策，以提高企業(yè)創(chuàng)新能力，促進我國財政科技經(jīng)費投入的大幅度上升，有力保障了國家各項科技發(fā)展任務(wù)的順利實施。據(jù)統(tǒng)計，我國全社會研發(fā)經(jīng)費已從2015年1.42萬億元增長到2020 年2.4 萬億元，①數(shù)據(jù)來源：2021 年2 月科學(xué)技術(shù)部于國務(wù)院新聞辦公室舉辦的新聞發(fā)布會上表明，我國科技實力和創(chuàng)新能力大幅提升。2020 年全球?qū)＠暾埩窟_到27.59 萬件，其中中國以68 720 件超越美國，排名全球第一。②數(shù)據(jù)來源：2021年3月世界知識產(chǎn)權(quán)組織（WIPO）公布全球國際專利申請排名情況。研發(fā)補助類別多、范圍廣，既包括開發(fā)區(qū)創(chuàng)新專項資金等科技項目資金補助，又包括瞪羚企業(yè)認定資金等認定型創(chuàng)新補助以及國家重點基礎(chǔ)研發(fā)（973 計劃）等計劃型補助。不同專項資助、認定標準以及計劃項目都有其針對的受惠對象和規(guī)定的資助要求，因此具有不同的政策效果。

通過補助政策驅(qū)動企業(yè)研發(fā)行為究竟能否達到政府推動創(chuàng)新產(chǎn)出目的？企業(yè)獲得研發(fā)補助后是否將資源投入研發(fā)項目？抑或是僅僅做出迎合政策姿態(tài)獲取政府補助？為了有效避免科研經(jīng)費擠占、資源挪用等現(xiàn)象，提高政府補助使用效率，國務(wù)院相繼發(fā)布《關(guān)于改進加強中央財政科研項目和資金管理的若干意見》等文件并提出實行后補助方式對研發(fā)組織進行科研經(jīng)費補助，鼓勵與引導(dǎo)企業(yè)按照國家戰(zhàn)略和市場需求先行開展研發(fā)項目，促進企業(yè)需求與國家目標緊密結(jié)合，充分發(fā)揮企業(yè)在研發(fā)投入、成果轉(zhuǎn)化等環(huán)節(jié)中的主體作用。后補助將“重過程”轉(zhuǎn)變?yōu)椤爸亟Y(jié)果”，形成結(jié)果導(dǎo)向科研管理模式，使研發(fā)單位自行承擔(dān)項目風(fēng)險，將經(jīng)費資助與科研產(chǎn)出掛鉤，提高科技資源配置效果及科技經(jīng)費使用效益，是一種對現(xiàn)有研發(fā)補助方式的有效補充。

因此，針對后補助有效性及適用性等問題，本文首次基于2007—2020年中國上市公司數(shù)據(jù)將研發(fā)補助劃分為前后兩類方式，運用PSM、GPSM 兩種方法實證分析兩類補助方式的有效性、適用性及差異性。

二、文獻綜述

創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略在提高技術(shù)創(chuàng)新水平的同時也造成了“數(shù)量長足、質(zhì)量跛腳”的創(chuàng)新困境。［1］由于創(chuàng)新不可避免地產(chǎn)生知識外溢效應(yīng)，技術(shù)優(yōu)勢及其信息收益無法完全被私人獨立占有，私人邊際收益低于社會邊際收益，導(dǎo)致研發(fā)行為演變?yōu)橐粓龅却┺?，企業(yè)不求自主創(chuàng)新，唯求搭便車。［2］資源高投入、過程不可分、成果無保障、信息不對稱、過程高風(fēng)險等特征進一步削弱企業(yè)自主創(chuàng)新原動力，導(dǎo)致市場失靈，因此需要政府對企業(yè)研發(fā)投資進行政策支持，促進其研發(fā)產(chǎn)出。［3］然而，對于現(xiàn)階段補助政策實施效果依舊存在較大爭議，研究結(jié)果由于宏觀制度背景、數(shù)據(jù)處理方法、受惠對象選擇等因素差異呈現(xiàn)出較大不同。綜合而言，相關(guān)文獻主要圍繞以下四點展開：

首先，關(guān)于研發(fā)補助有效性，“餡餅”派針對美國、中國等國家進行的研究表明，研發(fā)補助政策整體有效，對企業(yè)創(chuàng)新具有“正面效應(yīng)”。［4］［5］149其中，郭玥指出：在滿足一定技術(shù)審查及監(jiān)管能力的前提條件下，研發(fā)補助能夠為企業(yè)提供研發(fā)投入的直接補充和外部投資的間接帶動。［6］109考慮不同外部環(huán)境，Bongsuk Sung 利用韓國相關(guān)數(shù)據(jù)發(fā)現(xiàn)，政府補助對企業(yè)創(chuàng)新產(chǎn)出的激勵作用在市場化程度較高地區(qū)更為顯著，［7］而逯東等使用中國大陸地區(qū)數(shù)據(jù)研究后發(fā)現(xiàn)，反而在市場化程度較低且知識產(chǎn)權(quán)保護程度較高的地區(qū)，政府補助才能夠?qū)ζ髽I(yè)產(chǎn)出具有顯著的促進作用。［8］由此可見，政府補助的激勵效果具有地區(qū)差異性。而“陷阱”派則支持研發(fā)補助的無效論甚至有害論。［9］83［10］Boeing P.站在政府角度表明，政府更加傾向于選擇成功幾率足夠高的項目或研發(fā)能力足夠強的企業(yè)進行資助，［11］因此，“擇優(yōu)”補貼雖然在表面上呈現(xiàn)出整體有效，但實質(zhì)上卻僅對具備獨立研發(fā)能力的企業(yè)項目進行了“錦上添花”的資助，對私人研發(fā)投入反而產(chǎn)生了擠出效應(yīng)。

由于研發(fā)補助有效性相關(guān)研究并沒有對補助實施范圍、資助方式等因素做出明確分類，因此，針對不同研發(fā)補助方式，馬永紅和那琪通過建立三階段博弈模型對欠發(fā)達地區(qū)產(chǎn)學(xué)研合作方式的創(chuàng)新補助策略展開分析，發(fā)現(xiàn)創(chuàng)新產(chǎn)品補助相較于研發(fā)投入補助更能顯著促進企業(yè)創(chuàng)新產(chǎn)出。［12］［13］巫強利用GMM 方法提出定額研發(fā)補助在促進戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)創(chuàng)新方面不如比率研發(fā)補助方式有效。［14］另外，考慮不同途徑的研發(fā)補助，周海濤和張振剛認為，資金資助方式雖然能夠直接增加企業(yè)研發(fā)投入，但也容易造成企業(yè)不必要的權(quán)力尋租等不公平行為，而稅收優(yōu)惠政策相比而言更加普惠且公平。［15］相反，Mamuneas、熊維勤等的研究則提出，相比于稅收優(yōu)惠政策，直接資金補助的指引效果更為顯著。［16］［17］

不同研發(fā)補助呈現(xiàn)出不同政策效果可能源于企業(yè)異質(zhì)性。在區(qū)域異質(zhì)性方面，顏建軍發(fā)現(xiàn)，研發(fā)補助能夠顯著促進較早實現(xiàn)對外開放、引進先進技術(shù)的中國東部地區(qū)企業(yè)的技術(shù)跨越。［18］趙康生發(fā)現(xiàn)地區(qū)金融發(fā)展水平越高，政府補助對企業(yè)研發(fā)投入的激勵效果越明顯。［19］企業(yè)規(guī)模方面，Bernini采用意大利南部地區(qū)企業(yè)的數(shù)據(jù)進行研究后表明，由于大規(guī)模企業(yè)的資本密集度更高，獲得政府補助的可能性更大，因此政府補助的效果也更好。［20］融資約束方面，王剛剛指出，對研發(fā)活動資金主要來源于內(nèi)部融資的企業(yè)而言，政府補助很難通過吸引外部融資而激勵企業(yè)研發(fā)投入。［21］71

最后，關(guān)于政府研發(fā)后補助的相關(guān)研究。由于后補助是企業(yè)在國家目標指引下先行投入研發(fā)資金并自主組織研發(fā)工作，僅當完成研發(fā)任務(wù)，政府才會“面向結(jié)果”進行補助，因此與傳統(tǒng)的研發(fā)前補助相比，后補助貢獻體現(xiàn)于發(fā)揮企業(yè)在成果轉(zhuǎn)化中的主體作用，賦予企業(yè)研發(fā)自主權(quán)，政府對成果驗收后給予的后補助資金流向不設(shè)限制。成果導(dǎo)向的后補助能夠避免企業(yè)在申請資助過程中存在的騙補行為，在理論上更能監(jiān)督企業(yè)的創(chuàng)新活動。［22］目前，國外關(guān)于后補助政策的研究較為成熟。Alessandro 基于意大利中小企業(yè)的案例研究發(fā)現(xiàn)，創(chuàng)新券后補助政策雖然對企業(yè)創(chuàng)新績效的影響有限，但卻能通過促進中小企業(yè)與合作伙伴的后續(xù)聯(lián)手而間接增加企業(yè)對研發(fā)活動的私人投資。［23］Zhao Chen 等指出，企業(yè)重新標記研發(fā)投入、錯誤報道研發(fā)投資等行為導(dǎo)致了政府資助向創(chuàng)新項目較少企業(yè)的錯誤分配，對研發(fā)后補助有效性研究結(jié)果產(chǎn)生了誤導(dǎo)性判斷，肯定了政府后補助干預(yù)的合理性。［24］由于后補助政策在國內(nèi)推行時間較短，因此現(xiàn)有文獻以研發(fā)后補助政策的效果評述等定性研究為主。其中劉楠指出，后補助能夠?qū)㈨椖恳绯鲂?yīng)內(nèi)生化而促進企業(yè)創(chuàng)新，肯定了實施后補助的必要性。［25］黃先海和謝璐構(gòu)建博弈模型以及數(shù)據(jù)模擬法發(fā)現(xiàn)，相較于前補助，后補助更能夠提高福利效果。［26］在實證研究方面，趙瑞瑞以中小板與創(chuàng)新板民營企業(yè)為樣本，分析了創(chuàng)新券后補助對企業(yè)成長的激勵效果及影響路徑，指出創(chuàng)新券通過激勵產(chǎn)學(xué)研知識共享，提高企業(yè)創(chuàng)新績效與創(chuàng)新效率、推動企業(yè)成長。［27］綦勇等以制造業(yè)上市公司為樣本，在考慮政府偏好的基礎(chǔ)上，通過動態(tài)博弈模型考察政府事前事后兩種補助對企業(yè)創(chuàng)新產(chǎn)出的影響，并表明前補助更有利于提高國有企業(yè)創(chuàng)新，而后補助則通過改變政府偏好而激勵非國有企業(yè)的創(chuàng)新。［28］

綜上，當前有關(guān)政府研發(fā)補助的研究中，對后補助一類新型補助方式的研究較為缺乏，尤其實證研究只限于聚焦某種后補助類型或針對具有某類特征的企業(yè)，而對中國上市公司整體的研究因數(shù)據(jù)缺乏而基本處于空白狀態(tài)。政府研發(fā)后補助與傳統(tǒng)的前補助具有本質(zhì)的不同，它能夠深刻影響企業(yè)研發(fā)決策，因而有必要對政府研發(fā)前、后兩類補助方式的政策有效性進行深入的理論與實證分析。本文通過手工篩選上市公司研發(fā)前、后補助數(shù)據(jù)，對兩類補助方式的政策效果進行對比分析，豐富了政府研發(fā)補助方式對企業(yè)創(chuàng)新的影響研究。

三、理論分析與研究假說

基于政府發(fā)放研發(fā)補助和企業(yè)產(chǎn)生研發(fā)成果的時間順序，研發(fā)補助被分為前補助和后補助。政府補助發(fā)放于企業(yè)研發(fā)成果前則稱為前補助，反之為后補助。前補助基于企業(yè)當下就業(yè)人數(shù)、繳納稅收表現(xiàn)等特征給予即期補助，以資金支持為主。前補助通過降低企業(yè)財務(wù)風(fēng)險，提升其市場聲譽，［5］150從而促進企業(yè)創(chuàng)新，但由于信息不對稱、企業(yè)信息披露機制和政府技術(shù)評價體系依舊存在缺陷，政府難以全面掌握企業(yè)研發(fā)能力和技術(shù)水平信息，因此甄別出真正能夠提高企業(yè)創(chuàng)新產(chǎn)出項目的能力有限。另外，前補助多以政策目標為導(dǎo)向，而市場瞬息萬變，政策的實施與傳達具有時滯性，導(dǎo)致企業(yè)與市場需求差距較大，前補助在彌補市場失靈、優(yōu)化社會資產(chǎn)配置的同時也可能扭曲市場激勵機制、降低市場效率，使得企業(yè)出現(xiàn)“尋租”“騙補”等行為。［29］而由于后補助要求企業(yè)先行投入研發(fā)資金，自主組織研發(fā)工作，僅當完成研發(fā)任務(wù)時政府才“面向結(jié)果”進行補助，因此在一定程度上掐滅了企業(yè)產(chǎn)生尋租行為的念頭。即使在過程監(jiān)督不透明的情況下，以企業(yè)為主體、市場為導(dǎo)向的后補助也能夠通過創(chuàng)新產(chǎn)出為依據(jù)，結(jié)合市場與政策需求對企業(yè)進行技術(shù)評價，彌補了政府研發(fā)前補助的不足。但研發(fā)補助方式并不存在“最佳幻想”，在實踐中混合使用兩類研發(fā)補助方式獲取綜合效益才能夠最大化地促進企業(yè)實現(xiàn)創(chuàng)新產(chǎn)出。企業(yè)需要積極探索政策工具，確保補助手段的多元化，分散政策工具帶來的風(fēng)險。基于此，本文提出：

假說1：相比于獲得單一補助方式的企業(yè)，同時獲得前、后兩類補助的企業(yè)創(chuàng)新產(chǎn)出更高。

假說2：企業(yè)獲得的后補助強度越大，創(chuàng)新產(chǎn)出越高。

由于經(jīng)濟發(fā)展因素的制約，不同省份的市場化進程以及創(chuàng)新氛圍均有所差異。企業(yè)創(chuàng)新績效不僅歸功于內(nèi)部活動，也受到外部因素的影響。［30］創(chuàng)新環(huán)境較好地區(qū)具備完善且完備的融資渠道、成熟的法制環(huán)境，［31］［32］［33］因此，政府補助對創(chuàng)新環(huán)境較好地區(qū)的中小企業(yè)研發(fā)投入的擠入效應(yīng)更強，企業(yè)研發(fā)行為被模仿和侵權(quán)風(fēng)險得到了有效緩解，但與此同時創(chuàng)新活動風(fēng)險大、回報周期長，企業(yè)管理層出于風(fēng)險規(guī)避和自身利益，更可能傾向于放棄風(fēng)險較高的研發(fā)項目，削弱企業(yè)創(chuàng)新意愿。［34］因此，前補助可能導(dǎo)致企業(yè)創(chuàng)新不作為，帶來不公平競爭行為；而后補助由于以結(jié)果為導(dǎo)向，有效避免尋租行為，從而對企業(yè)創(chuàng)新產(chǎn)出產(chǎn)生一定的促進作用。相反，對處于創(chuàng)新環(huán)境較差地區(qū)的企業(yè)而言，由于企業(yè)融資環(huán)境較差，研發(fā)資源受限，僅靠企業(yè)內(nèi)部資源可能無法支撐研發(fā)活動的開展，往往需要借助外部資源的援助，此時，政府研發(fā)前補助和后補助均能使企業(yè)創(chuàng)新產(chǎn)出有明顯的增加?；诖耍疚奶岢觯?/p>

假說3：對處于創(chuàng)新環(huán)境較差地區(qū)的企業(yè)而言，兩類補助方式均能對創(chuàng)新產(chǎn)出發(fā)揮促進作用，但對創(chuàng)新環(huán)境較好地區(qū)的企業(yè)，只有后補助才能發(fā)揮促進作用。

所有制不同的企業(yè)因其獲取政府研發(fā)支持的能力和動力不同，政府研發(fā)補助方式對企業(yè)創(chuàng)新產(chǎn)出的影響有所差異。對于國有企業(yè)，由于資源實力優(yōu)勢相對占優(yōu)，更容易達到獲取研發(fā)前補助的標準。此外，在信息不對稱的情況下，避免犯錯的動機使得政府部門更傾向?qū)⒄邪l(fā)前補助優(yōu)先撥給國有企業(yè)，而國有企業(yè)輕松獲得政府資源后無需付出研發(fā)投入和努力，導(dǎo)致嚴重的資源冗余問題，［35］弱化了研發(fā)前補助的創(chuàng)新促進作用。相反，大多數(shù)民營企業(yè)由于實力弱，獲取研發(fā)資源途徑較窄，面對政府各類研發(fā)補助和支持，雖然獲取難度大，但更有動力去爭取，以此攤薄其本身計劃進行的研發(fā)投入。此外，出于免責(zé)避險的動機，政府有關(guān)部門對給予民營企業(yè)補貼的事后監(jiān)督考核也更加嚴格，也間接使得研發(fā)補助更有成效。因此，無論前、后研發(fā)補助均能對民營企業(yè)的創(chuàng)新產(chǎn)出發(fā)揮促進作用。基于此，本文提出：

假說4：對民企而言，兩類補助方式均能對創(chuàng)新產(chǎn)出發(fā)揮促進作用，但對國企，只有后補助能發(fā)揮促進作用。

四、研究方法

（一）實證模型

政府在研發(fā)補助審查過程中遵循擇優(yōu)原則（Pick the Winner）篩選受惠企業(yè)，［9］93因此本文選擇傾向得分匹配方法（Propensity Score Matching，PSM）解決企業(yè)層面可能存在的樣本內(nèi)生性問題。通過建立反事實，使用近似替代的方法，尋找除補助方式外其他關(guān)鍵的統(tǒng)計特征近似或相同的對照組企業(yè)，考察獲得某類補助的企業(yè)在沒有獲得該補助的反事實情況下創(chuàng)新產(chǎn)出是否有差異。其次，進一步通過廣義傾向得分匹配方法（Generational Propensity Score Matching，GPSM）考察企業(yè)獲得的后補助強度對其創(chuàng)新產(chǎn)出的影響。

1.傾向得分匹配模型

借鑒戴覓和余淼杰的做法，第一步，以企業(yè)特征變量即協(xié)變量作為自變量、企業(yè)所在分組作為因變量進行Logistic回歸，要求協(xié)變量應(yīng)同時影響PSM 模型中的處理變量和結(jié)果變量。第二步，依據(jù)估計結(jié)果進行擬合，綜合得到傾向得分值，并將處理組通過傾向得分值“距離”相近的方法與對照組進行匹配，使兩組企業(yè)除了補助方式外，在其他協(xié)變量之間并無顯著差異，［36］即：

其中，Yi代表可被觀察到的結(jié)果變量；A 為處理變量，A=1 表示處理組；YiN表示同時獲得兩類補助的企業(yè)在獲得單一補助時的結(jié)果變量，由于是不可被觀察到的反事實變量，因此使用條件獨立假設(shè)（Conditional Independence Assumption，CIA）從受惠企業(yè)處理組中估計反事實結(jié)果，構(gòu)造與反事實處理組YiN匹配的新對照組，即：

傾向得分匹配法最重要的步驟之一是選擇全面的協(xié)變量集X，但變量集X 的選擇在現(xiàn)實中無法“全”面，即使足夠全面也會由于過于多維而無法按照每個變量進行處理組和對照組之間的匹配，因此Rosenbaum 和Rubin 提出傾向得分值（Propensity-Score），將多維協(xié)變量集降至一維方便匹配，［37］即：

其中，YiY（X={xi}）表示處理組企業(yè)同時獲得兩類補助的概率，?PiY（X={xi}）表示對照組中傾向得分值與處理組最相近的企業(yè)同時獲得兩類補助的概率，因此可以通過傾向得分值對兩組企業(yè)進行合理的匹配，以最大程度避免研究過程中樣本選擇偏差問題的出現(xiàn)。第三步，為了確保匹配效果，對匹配后的數(shù)據(jù)進行共同支撐假設(shè)和平衡性假設(shè)檢驗；第四步，計算平均處置效應(yīng)（ATT），檢驗相應(yīng)補助效果：

2.廣義傾向得分匹配模型

與PSM 相似，PSM 通過可觀測的條件匹配樣本，推斷處理變量和結(jié)果變量的因果關(guān)系，但相比于只能檢驗二元處理變量的處理效應(yīng)，不能識別連續(xù)變量補助強度引起的企業(yè)創(chuàng)新產(chǎn)出差異的傳統(tǒng)PSM，GPSM 能夠?qū)μ幚碜兞渴嵌嘣兞炕蜻B續(xù)變量的處理效應(yīng)進行反事實分析，在樣本滿足條件獨立性假設(shè)的條件下，克服選擇性偏誤，檢驗不同取值的后補助強度對企業(yè)創(chuàng)新產(chǎn)出的差異化影響，即個體的劑量反應(yīng)函數(shù)。GPSM 既能夠判斷后補助強度與企業(yè)創(chuàng)新產(chǎn)出之間是否存在因果關(guān)系，也能夠判斷兩者之間是否呈現(xiàn)線性關(guān)系并計算出因果關(guān)系的大小。原理如下：對一組隨機樣本，以下標i 表示不同個體，Yi（t）表示個體i 對不同取值的處理變量t 的潛在產(chǎn)出水平，也被稱為劑量反應(yīng)函數(shù)（Unit-level Dose-response Function），μ（t）=E［Yi（t）］表示平均劑量反應(yīng)函數(shù)（Average Dose-response Function），不同取值的處理變量所對應(yīng)的函數(shù)值差異為處理強度變化所帶來的因果效應(yīng)。Hirano 和Imbens 將估計具體分為以下三個步驟：第一步，估計處理變量的條件概率密度。［38］由于GPSM 需要將處理變量控制在［0，1］區(qū)間且滿足正態(tài)分布假定，而后補助強度分布高度有偏，存在大量零值，因此借用Barbara 和Marco 提出的Fractional Logistic 回歸模型修正密度函數(shù)。［39］第二步，根據(jù)連續(xù)型處理變量Ti和廣義傾向得分GPS，構(gòu)建結(jié)果變量Y的條件期望模型，其中GPS被表示為處理變量的條件概率密度函數(shù)r（t，x）=fT|X（t|x），是控制協(xié)變量X后當處理變量T取值為t的概率。最后一步，根據(jù)式（5）和（6）得到平均劑量反應(yīng)函數(shù)μ（t）和處理效應(yīng)（Treatment Effect，TE）：

（二）數(shù)據(jù)來源

本文研究對象選擇2007—2020 年滬深A(yù) 股所有開展研發(fā)活動的上市公司，并進行了以下數(shù)據(jù)處理：剔除ST、*ST 及PT 企業(yè)樣本、金融相關(guān)行業(yè)企業(yè)樣本以及主要變量數(shù)據(jù)缺失的企業(yè)樣本。通過國家相關(guān)政策文件、國家科學(xué)技術(shù)部網(wǎng)站和上市公司網(wǎng)站中手動搜集整理的方式，建構(gòu)企業(yè)獲得研發(fā)前補助和后補助數(shù)據(jù)。為盡量減少數(shù)據(jù)錯漏與變量缺失值影響，上市公司財務(wù)指標及專利產(chǎn)出等數(shù)據(jù)綜合CSMAR 數(shù)據(jù)庫、CNRDS數(shù)據(jù)庫、Wind 咨詢等多個原始數(shù)據(jù)庫獲取，城市創(chuàng)新氛圍數(shù)據(jù)來源于復(fù)旦大學(xué)產(chǎn)業(yè)發(fā)展研究中心2017年發(fā)布的《中國城市和產(chǎn)業(yè)創(chuàng)新力報告》，省市市場化程度數(shù)據(jù)來源于樊綱和王小魯?shù)染幹频摹吨袊袌龌笖?shù)（2016）》，由于兩篇報告中數(shù)據(jù)均提供至2016 年，本文選取其中2007—2016 年數(shù)據(jù)，采用各地區(qū)指標的年平均增長幅度作為2016—2020 年增長幅度，補齊各地區(qū)數(shù)據(jù)。最后，為了減輕異常值的影響，針對連續(xù)型變量按照上下1%水平進行了Winsorize 縮尾處理，最終得到18 444 個企業(yè)年度觀測樣本。

（三）樣本說明

上市公司獲得政府研發(fā)補助的信息披露于公司財務(wù)報表“營業(yè)外收入”科目下“政府補助明細”中。因缺乏統(tǒng)一的披露形式，本文通過“關(guān)鍵詞法”對上市公司政府補助具體項目名稱進行搜索，［6］107［21］65從而確定屬于研發(fā)補助并通過加總得到研發(fā)補助總額。搜索標準如下：第一，技術(shù)創(chuàng)新關(guān)鍵詞，如政府補助項目名稱或補助備注中出現(xiàn)“研發(fā)”“創(chuàng)新”“R&D”等；第二，創(chuàng)新政策關(guān)鍵詞，如“星火計劃”“火炬計劃”“973”等；第三，研發(fā)成果關(guān)鍵詞，如“知識產(chǎn)權(quán)”“專利”“成果轉(zhuǎn)化”等；第四，創(chuàng)新人才及技術(shù)合作關(guān)鍵詞，如“引才引智”“產(chǎn)學(xué)研”“對外合作”等；第五，專有名詞，如生物新藥技術(shù)研發(fā)相關(guān)的“肽”“抗腫瘤”“銀杏達莫注射液”等，電子信息技術(shù)研發(fā)相關(guān)的“集成技術(shù)”“云計算”“磁控線圈”等，以及其他如“釩鈦”“高溫高頻”“電子芯片”等。而難以通過關(guān)鍵詞檢索的研發(fā)補助則通過查詢補助資金來源、發(fā)放依據(jù)等信息進行判斷。

由于本文重點討論研發(fā)前補助和后補助對企業(yè)創(chuàng)新產(chǎn)出的影響，因此需要進一步將研發(fā)補助分為研發(fā)前補助和研發(fā)后補助，后補助搜索標準如下：第一，明確指明為研發(fā)后補助的關(guān)鍵詞，如補助項目名稱或補助備注中出現(xiàn)“后補助”“事后補助”“獎勵性后補助”等；第二，中央政策文件中明確規(guī)定以成果為標準的補助政策關(guān)鍵詞，如“專精特新”“瞪羚企業(yè)”“創(chuàng)新券項目”等；第三，企業(yè)創(chuàng)新成果的關(guān)鍵詞，如“成果化及產(chǎn)業(yè)化”“市場化”“技術(shù)獎”等。

（四）變量說明

1.處理變量

企業(yè)獲得研發(fā)補助方式的虛擬變量及后補助強度。首先，將企業(yè)分為只獲得后補助、只獲得前補助、同時獲得兩類補助三組，利用PSM 方法比較分析不同情況下企業(yè)創(chuàng)新產(chǎn)出的差異。其次，GPSM 部分重點分析后補助強度對創(chuàng)新產(chǎn)出的影響，后補助強度以研發(fā)后補助占研發(fā)補助的比重衡量。

2.結(jié)果變量

企業(yè)創(chuàng)新產(chǎn)出，采用企業(yè)有效專利申請數(shù)刻畫企業(yè)總創(chuàng)新產(chǎn)出，以發(fā)明專利申請數(shù)和非發(fā)明專利申請數(shù)刻畫實質(zhì)性創(chuàng)新和策略性創(chuàng)新。本文專利申請數(shù)為集團上市公司合計申請數(shù)，包括上市公司本身、子公司、聯(lián)營公司以及合營公司申請數(shù)總和。

3.協(xié)變量

無論是PSM 還是GPSM，協(xié)變量的選取至關(guān)重要，不僅要滿足條件獨立假設(shè)和共同支撐假設(shè)，還需滿足平衡性假定。本文使用Stata 中psestimate 命令對協(xié)變量進行了篩選，盡可能控制了所有影響匹配效果的變量。具體分為：第一類，企業(yè)屬性層面：（1）企業(yè)規(guī)模，以總資產(chǎn)的自然對數(shù)衡量；（2）企業(yè)成熟度，即企業(yè)自成立以來的年數(shù)；（3）所有權(quán)性質(zhì)，國有企業(yè)取值1，民營企業(yè)取值0；（4）行業(yè)集中度，以營業(yè)收入為基準的HHI衡量，本文按照2012 年證監(jiān)會公布的《上市公司行業(yè)分類指引》對企業(yè)所屬行業(yè)進行分類。第二類，企業(yè)財務(wù)層面：（1）固定資產(chǎn)占比，即固定資產(chǎn)占總資產(chǎn)的比重；（2）財務(wù)杠桿，即資產(chǎn)負債率；（3）股權(quán)集中度，以第一大股東持股比例衡量；（4）審計水平，審計事務(wù)所為四大取值1，否則取值0；（5）成長能力，以營業(yè)收入增長率衡量；（6）薪酬激勵，以董事、監(jiān)事和高管年薪總額取自然對數(shù)衡量。第三類，區(qū)域環(huán)境：（1）創(chuàng)新氛圍；（2）市場化程度。由于處于不同行業(yè)的企業(yè)在研發(fā)投入方面存在較大差異，［40］因此本文也控制了行業(yè)和時間固定效應(yīng)。

五、實證分析結(jié)果

（一）描述性統(tǒng)計

由表1 可知，每年一家上市公司平均獲得政府研發(fā)前補助609.27 萬元和后補助299.32 萬元，后補助強度均值為31.89%，占比較小，但如圖1所示，上市公司獲得的后補助總額以及后補助強度在2007 至2020 年明顯上升，說明近年來政府研發(fā)補助方式逐步向后補助轉(zhuǎn)變。

表1 企業(yè)研發(fā)相關(guān)指標描述性統(tǒng)計

對于結(jié)果變量，表2 給出整個樣本以及每個處理組和對照組企業(yè)結(jié)果變量的均值、標準差以及均值差異?？梢钥闯觯珮颖镜钠骄倓?chuàng)新產(chǎn)出、實質(zhì)性創(chuàng)新、策略性創(chuàng)新分別為53.735、22.789 以及30.402 件。由分樣本分析結(jié)果可知，企業(yè)獲得單一補助時處理組樣本中總創(chuàng)新產(chǎn)出、實質(zhì)性創(chuàng)新、策略性創(chuàng)新均小于對照組，而企業(yè)同時獲得兩類補助時，處理組的三種創(chuàng)新產(chǎn)出反而均大于對照組，且均值差異具有統(tǒng)計顯著性?？梢猿醪酵茢?，與企業(yè)獲得單一補助相比，多元化補助能夠促進企業(yè)創(chuàng)新產(chǎn)出，同時也間接解釋了政府研發(fā)補助向后補助轉(zhuǎn)移的原因。

表2 結(jié)果變量的統(tǒng)計描述

表3 對協(xié)變量進行描述性統(tǒng)計，所有權(quán)性質(zhì)的均值為0.333，表明全樣本記錄中約有33%的國有企業(yè)樣本；企業(yè)規(guī)模的均值大致等于中位數(shù)，表明所選樣本企業(yè)規(guī)模近似服從對稱分布；企業(yè)所在城市創(chuàng)新氛圍波動較大且最值差異較大，表明目前不平衡的中國城市創(chuàng)新氛圍。

（二）傾向得分匹配

1.樣本匹配：甄選機制

考慮到專利數(shù)量0值較多且最值差距較大，參考通常文獻的做法，對專利數(shù)量加1后取對數(shù)處理。本文采用最鄰近匹配法對處理組和對照組樣本進行匹配，表3 最后三列為傾向得分匹配模型的Logistic回歸結(jié)果，反映政府在審批受惠企業(yè)過程中考慮的微觀企業(yè)和宏觀地區(qū)層面的因素影響，即哪些變量會對政府篩選企業(yè)產(chǎn)生顯著性影響。從第（1）和（2）列基準結(jié)果可以看出，企業(yè)成熟度對企業(yè)獲得政府研發(fā)補助具有正向顯著影響，即企業(yè)存續(xù)年限越長，獲得研發(fā)補助的可能性越高，可能的原因在于成熟度較高的企業(yè)相對而言更具申請政府補助、進行研發(fā)活動等相關(guān)經(jīng)驗，提高企業(yè)獲得研發(fā)補助的概率，但從第（3）列可得知并非企業(yè)成熟度越高，企業(yè)獲得的研發(fā)補助更多元化。另外，從第（1）列可以看到，所有權(quán)性質(zhì)在1%的顯著性水平上正顯著，而在第（2）列負相關(guān)，表明國有企業(yè)獲得前補助、民營企業(yè)獲得后補助的可能性更大。Logistic 回歸結(jié)果進一步說明研發(fā)補助受惠企業(yè)的選擇并非隨機，在后續(xù)的匹配過程中需要控制相關(guān)變量，以便使研究結(jié)果更加合理，不存在樣本選擇問題。

表3 協(xié)變量的描述性統(tǒng)計和傾向得分估計結(jié)果

2.平衡性與共同支撐檢驗

研究要求匹配后的樣本不存在系統(tǒng)性差異，因此接下來對匹配后樣本進行平衡性檢驗，考察匹配后的樣本是否滿足條件獨立分布假設(shè)。本文三種分類方式的匹配結(jié)果都表明，匹配后的協(xié)變量不存在顯著的組間均值差異，以企業(yè)同時獲得兩類補助方式為代表，平衡性檢驗結(jié)果如表4 所示，其中t 檢驗表明匹配后樣本的協(xié)變量均不存在顯著的組間均值差異且各變量的標準化差異絕對值較匹配前都有了較大幅度的下降。此外，匹配后模型的R2 很小，說明協(xié)變量對處理變量是否影響結(jié)果變量的解釋力很弱，即企業(yè)創(chuàng)新產(chǎn)出的提升與否對匹配后樣本而言是條件隨機的。

表4 平衡性檢驗結(jié)果

此外，匹配后數(shù)據(jù)還需要滿足共同支撐條件，確保匹配后的樣本具有可比性和良好的匹配質(zhì)量，增加估計的有效性。圖2 為處理組和對照組的P-Score 密度函數(shù)擬合圖，可以看出在匹配前兩組樣本傾向得分的概率分布存在差異且共同支撐域有限，而匹配后的區(qū)域基本重合，兩者的P-Score 擬合程度明顯優(yōu)于匹配前。條件獨立分布和共同支撐條件判斷標準都表明本文的匹配結(jié)果比較理想，可以確保估計的平均處理效應(yīng)是準確可靠的。

3.基準結(jié)果：激勵效應(yīng)

在確保匹配樣本較好地滿足了條件獨立分布和共同支撐條件后，本文估計出分組對企業(yè)創(chuàng)新的平均處置效應(yīng)，比較分析補助方式對創(chuàng)新產(chǎn)出的影響。表5的ATT結(jié)果顯示，企業(yè)只獲得前補助對三種創(chuàng)新產(chǎn)出的平均處置效應(yīng)為負，在1%的置信水平上顯著，可見樣本期內(nèi)僅獲得前補助會導(dǎo)致企業(yè)創(chuàng)新產(chǎn)出水平平均下降大約0.3 個百分點，而由于企業(yè)向政府申請后補助在研發(fā)活動之后，往往具有滯后期，因此企業(yè)只獲得后補助對創(chuàng)新產(chǎn)出也具有負效應(yīng)，但其負效應(yīng)的顯著性水平及影響系數(shù)較低。最后可以從Panel C 看出，企業(yè)同時獲得研發(fā)前、后兩類補助對企業(yè)創(chuàng)新產(chǎn)出具有正向的平均處置效應(yīng)，且均在1%的置信水平上顯著，說明企業(yè)同時獲得兩類補助能夠顯著促進企業(yè)創(chuàng)新產(chǎn)出，驗證了假說1，即相比于獲得單一補助方式的企業(yè)，同時獲得前、后兩類補助的企業(yè)創(chuàng)新產(chǎn)出更高。通過核匹配法、半徑匹配法以及2 對1 最近鄰匹配法得到的平均處置效應(yīng)具有較好的一致性。

表5 平均處置效應(yīng)（ATT）

（三）廣義傾向得分匹配

本節(jié)采用廣義傾向得分匹配模型考察后補助強度對企業(yè)創(chuàng)新產(chǎn)出的影響。由表6中Fractional Logistic 回歸模型估計結(jié)果可知，本文協(xié)變量較為合理。使用GPSM 剔除選擇性偏誤的前提在于通過平衡性檢驗，由第3 列可以看出，匹配前處理組與對照組企業(yè)在協(xié)變量的樣本均值相差較大且其統(tǒng)計差異顯著，說明處理效應(yīng)將受到企業(yè)協(xié)變量的影響而導(dǎo)致選擇性偏誤，因此需要對樣本進行匹配。由于后補助強度在［0，1］區(qū)間內(nèi)主要集中于0 端，因此嘗試對后補助強度較小區(qū)間進行細分，較大部分進行粗分，選取0.25、0.35 和0.45 作為臨界值，將樣本分為4組?？梢钥闯銎ヅ浜笞訁^(qū)間內(nèi)協(xié)變量的顯著性降低且標準化偏差明顯縮小，說明匹配后處理組和對照組樣本不存在較大的系統(tǒng)性差異，匹配結(jié)果滿足平衡性假定。

表6 廣義傾向得分匹配估計及平衡性檢驗結(jié)果

第二步，利用第一步的匹配結(jié)果估計創(chuàng)新產(chǎn)出的條件期望，以創(chuàng)新產(chǎn)出為被解釋變量、后補助強度為解釋變量、廣義傾向值為控制變量，進行OLS 回歸。采用二階逼近式擬合企業(yè)創(chuàng)新產(chǎn)出時幾乎所有變量均通過顯著性檢驗，說明進行第三步估計時不需要對變量進行剔除處理。為了更好地擬合企業(yè)創(chuàng)新，本文還進行了一階和三階逼近估計，關(guān)鍵變量均通過顯著性檢驗。

劑量反應(yīng)函數(shù)圖表明，一階逼近估計的劑量反應(yīng)函數(shù)圖呈現(xiàn)出線性關(guān)系，二階和三階逼近估計的劑量反應(yīng)函數(shù)圖均呈現(xiàn)出倒U型。本文重點關(guān)注二階逼近估計，圖3 描繪了以實質(zhì)性創(chuàng)新為被解釋變量的GPSM 的處理結(jié)果，左圖報告平均劑量反應(yīng)函數(shù)圖，右圖報告不同后補助強度對企業(yè)創(chuàng)新產(chǎn)出的影響即處理效應(yīng)，其中實線表示函數(shù)關(guān)系，虛線表示估計函數(shù)的95%的置信上下界。因此，圖3 表明隨著企業(yè)所獲后補助強度逐漸增加，其創(chuàng)新產(chǎn)出先提升后下降，處理效應(yīng)函數(shù)圖也呈現(xiàn)出處理效應(yīng)由正向負轉(zhuǎn)變，即后補助強度過高時抑制效應(yīng)產(chǎn)生作用，影響企業(yè)研發(fā)，不利于企業(yè)創(chuàng)新產(chǎn)出。分析其傳導(dǎo)機制，可能的解釋有兩點：（1）后補助通過改變企業(yè)研發(fā)資金投入，從而影響企業(yè)創(chuàng)新；（2）后補助通過吸引研發(fā)人員投入，從而為企業(yè)研發(fā)活動注入新動力。倒U 型劑量反應(yīng)函數(shù)圖表明，在適當?shù)暮笱a助強度下，資金和人員兩種資源對創(chuàng)新產(chǎn)出的“擠入”效應(yīng)超過“擠出”效應(yīng)，最終呈現(xiàn)出后補助助力企業(yè)創(chuàng)新績效的結(jié)果。相反，當后補助強度超過峰值時，降低企業(yè)創(chuàng)新自主性和積極性。然而，由于樣本數(shù)據(jù)表明，現(xiàn)階段上市公司后補助強度遠低于劑量反應(yīng)函數(shù)的峰值，因此，后補助政策在當前的研究中，對企業(yè)的創(chuàng)新產(chǎn)出具有顯著的促進作用，驗證了假說2，即企業(yè)獲得的后補助強度越大，創(chuàng)新產(chǎn)出越高。

（四）穩(wěn)健性檢驗

1.修剪策略

考慮到PSM 中共同支撐條件可能受到傾向得分分布的尾部影響，因此，利用修剪策略（Trimming Strategy）考察基準結(jié)果對處理組傾向得分尾部極端樣本的穩(wěn)健性。［41］若修剪后結(jié)果仍與基準結(jié)果一致，表明基準結(jié)果不依賴于尾部樣本，研究結(jié)果較為可靠。本文分別嘗試了2%、5%和10%三種修剪水平，剔除處理組傾向得分分布尾部2%、5%和10%的樣本，結(jié)果如表7所示，基于不同的修剪水平，修剪后樣本的估計結(jié)果與基準結(jié)果依舊具有一致性，表明本文基準結(jié)果可靠性較高，假說1仍然成立。

表7 穩(wěn)健性檢驗-修剪策略

2.Rosenbaum邊界敏感性測試

由于傾向匹配基于可觀測變量進行匹配，未考慮不可觀測因素對企業(yè)獲得后補助的影響，因此，處理組和對照組之間的處理效應(yīng)可能存在隱藏性偏差。Rosenbaum 邊界敏感性測試能夠檢驗不可觀測變量導(dǎo)致的隱藏性偏差是否會顯著影響平均處理效應(yīng)，該方法指出：代表不可觀測變量影響的系數(shù)Г越小即越接近于1則敏感性越高，研究結(jié)果趨于不顯著；相反，系數(shù)Г 的值越大，其敏感性也會越低。這說明即使不可觀測變量對處理效應(yīng)產(chǎn)生影響也不足以改變原有推論，隱藏性偏差不會改變研究結(jié)果，平均處理效應(yīng)依舊有效。

下表為Rosenbaum 邊界敏感性測試結(jié)果，sig+和sig-是Wilcoxon 符號秩檢驗顯著性水平的上下界?？梢钥闯觯?2.0 的情況下針對總創(chuàng)新產(chǎn)出，Г=1.7 的情況下針對實質(zhì)性創(chuàng)新，Г=1.8 的情況下針對策略性創(chuàng)新，Wilcoxon符號秩檢驗的上下界都小于標準顯著性水平0.05，隱藏性偏差的影響較小，說明本文研究結(jié)果可靠且通過了敏感性測試，估計結(jié)果整體穩(wěn)健。

表8 Rosenbaum邊界敏感性測試

3.考慮滯后效應(yīng)

政府補貼到專利產(chǎn)出之間一般會有時間差，因此，后補助政策對企業(yè)研發(fā)產(chǎn)出的影響存在明顯的時滯性，且政府對后補助資金使用范圍不做明文要求，所以，本節(jié)進一步分析后補助是否促進企業(yè)后續(xù)創(chuàng)新產(chǎn)出。表9-Panel A 的PSM 結(jié)果表明，后補助政策有效促進企業(yè)后續(xù)創(chuàng)新產(chǎn)出，Panel B 的GPSM 結(jié)果也與基準回歸匹配結(jié)果相似，后補助強度對企業(yè)滯后1-2期的創(chuàng)新產(chǎn)出均有倒U型促進作用。

表9 滯后影響

六、異質(zhì)性分析

本節(jié)通過進一步對企業(yè)進行分類回歸，考察企業(yè)空間異質(zhì)性和企業(yè)所有權(quán)異質(zhì)性對研發(fā)補助激勵創(chuàng)新產(chǎn)出的影響。

（一）企業(yè)空間異質(zhì)性

本文從市場化程度和創(chuàng)新氛圍指數(shù)兩個角度衡量創(chuàng)新環(huán)境。首先從市場化程度角度分析，由表10-Panel A 可見，對處于市場化程度較高地區(qū)的企業(yè)而言，后補助都能夠在1%的置信水平上顯著提升企業(yè)創(chuàng)新產(chǎn)出，而前補助對企業(yè)創(chuàng)新產(chǎn)出的促進作用并不顯著，即只有后補助能夠促進市場化程度較高地區(qū)企業(yè)的各類創(chuàng)新產(chǎn)出。對市場化程度適中或市場化程度較低地區(qū)的企業(yè)而言，雖然前補助對策略性創(chuàng)新具有抑制作用，卻并不顯著，但從實質(zhì)性創(chuàng)新的角度出發(fā)，前補助能夠顯著促進這類企業(yè)的發(fā)明專利產(chǎn)出?？傮w而言，雖然政府研發(fā)補助對市場化程度不高地區(qū)企業(yè)的創(chuàng)新產(chǎn)出促進效應(yīng)主要體現(xiàn)在后補助的激勵作用上，但無論是前補助還是后補助都能夠促進這類企業(yè)的實質(zhì)性創(chuàng)新。其次，從創(chuàng)新氛圍角度分析，與市場化程度指標相似，Panel B 說明在任何創(chuàng)新氛圍地區(qū)，兩類補助方式對企業(yè)三種創(chuàng)新產(chǎn)出均具有正向促進效果，但前補助的促進作用只在創(chuàng)新氛圍適中或較低地區(qū)顯著，而后補助則在任何創(chuàng)新氛圍地區(qū)均顯著促進企業(yè)創(chuàng)新產(chǎn)出。驗證了假說3，即對處于創(chuàng)新環(huán)境較差地區(qū)的企業(yè)而言，兩類補助方式均能對創(chuàng)新產(chǎn)出發(fā)揮促進作用，但對創(chuàng)新環(huán)境較好地區(qū)的企業(yè)，只有后補助能發(fā)揮促進作用。

表10 企業(yè)空間異質(zhì)性分析

（二）企業(yè)所有權(quán)異質(zhì)性

由于政府仍然控制著許多企業(yè)創(chuàng)新的關(guān)鍵資源，國有企業(yè)更有優(yōu)勢獲得創(chuàng)新資源，導(dǎo)致外部環(huán)境有利的國有企業(yè)自主研發(fā)較多。表11結(jié)果表明，后補助對國有企業(yè)的三種創(chuàng)新產(chǎn)出在1%的水平上均顯著為正。對民營企業(yè)而言，雖然政府研發(fā)補助對民營企業(yè)創(chuàng)新產(chǎn)出的促進效應(yīng)主要體現(xiàn)在后補助，但除了后補助，前補助也對民營企業(yè)實質(zhì)性創(chuàng)新具有顯著的促進作用，這是由于民營企業(yè)科技實力較弱、抗風(fēng)險能力較差導(dǎo)致缺乏發(fā)明創(chuàng)造所需的研發(fā)資源，從而熱衷于技術(shù)模仿或購買外來技術(shù)，而非自主創(chuàng)新，因此，需要政府對民營企業(yè)進行前期的研發(fā)經(jīng)費支持。驗證了假說4，對民企而言，兩類補助方式均能對創(chuàng)新產(chǎn)出發(fā)揮促進作用，但對國企，只有后補助能發(fā)揮促進作用。

表11 企業(yè)所有權(quán)異質(zhì)性

七、結(jié)論與政策建議

創(chuàng)新是引領(lǐng)發(fā)展的第一動力，是建設(shè)現(xiàn)代化經(jīng)濟體系的戰(zhàn)略支撐。本文運用PSM和GPSM 兩種方法，對兩類補助方式的激勵效果進行了對比分析，并討論了后補助強度對創(chuàng)新產(chǎn)出的影響，且在此基礎(chǔ)上進一步分析企業(yè)所處空間和所有權(quán)性質(zhì)對兩類補助的創(chuàng)新產(chǎn)出激勵作用的差異性。研究表明：（1）相比于只獲得單一補助方式的企業(yè)而言，同時獲得前、后兩類補助方式的企業(yè)其各種創(chuàng)新產(chǎn)出均更高；（2）企業(yè)獲得的后補助強度越高，其各種創(chuàng)新產(chǎn)出也越高；（3）異質(zhì)性分析表明：1）對處于市場化程度較高地區(qū)的企業(yè)而言，前、后兩類補助方式均能對企業(yè)創(chuàng)新發(fā)揮促進作用，但對處于市場化程度適中或較低地區(qū)的企業(yè)，只有后補助能發(fā)揮促進作用；2）對處于創(chuàng)新氛圍較高地區(qū)的企業(yè)，兩類補助方式均能對創(chuàng)新產(chǎn)出發(fā)揮促進作用，但對處于創(chuàng)新氛圍適中或較低地區(qū)的企業(yè)，只有后補助能發(fā)揮促進作用；3）對民企而言，兩類補助方式均能對創(chuàng)新產(chǎn)出發(fā)揮促進作用，但對國企，只有后補助能發(fā)揮促進作用。本文不僅以補助時點作為研究對象明晰了前后兩類研發(fā)補助對創(chuàng)新產(chǎn)出的影響，在一定程度上彌補了現(xiàn)有研究的空缺，同時為優(yōu)化政府研發(fā)補助的政策、助推企業(yè)實現(xiàn)創(chuàng)新產(chǎn)出提供了有益啟示。

由于獲得多樣化補助方式的企業(yè)，其創(chuàng)新產(chǎn)出更高，因此，建議政府破除最佳研發(fā)補助模式的“幻想”，在實踐中混合使用兩類研發(fā)補助方式，獲取綜合效益，最大化地促進企業(yè)實現(xiàn)創(chuàng)新產(chǎn)出，并積極探索政策工具，確保補助手段的多元化，分散政策工具帶來的風(fēng)險。

由于政府研發(fā)補助總體上能夠促進企業(yè)創(chuàng)新產(chǎn)出，且后補助強度越大，企業(yè)創(chuàng)新產(chǎn)出越高，因此，建議政府建立更加公平、更具競爭性的補助體系，在政府財力范圍之內(nèi)適度提高對企業(yè)的研發(fā)補助力度，以提升企業(yè)創(chuàng)新能力為導(dǎo)向，將更多有限資源配置到研發(fā)補助之上，發(fā)揮杠桿效應(yīng)，激發(fā)企業(yè)創(chuàng)新活力，強化企業(yè)創(chuàng)新主體地位，提升企業(yè)自主創(chuàng)新動力。

由于不同補助方式在不同區(qū)域、對不同企業(yè)會有不同的激勵效果，因此，建議政府應(yīng)該精準施策，根據(jù)企業(yè)特點制定個性化的研發(fā)補助方式。鑒于地區(qū)市場化指數(shù)和創(chuàng)新氛圍均能在政府研發(fā)補助對企業(yè)創(chuàng)新產(chǎn)出的激勵作用中帶來積極的調(diào)節(jié)效應(yīng)，因此，建議地方政府大力優(yōu)化營商環(huán)境，提高本地區(qū)市場化程度，提高政府補助資金獲取的公平性和使用的效率性，更好地激勵企業(yè)強化創(chuàng)新。在一個公平公正的社會環(huán)境下，政府對企業(yè)的研發(fā)補助投入將會產(chǎn)生更大的價值。換句話說，良好的地區(qū)營商環(huán)境將使政府研發(fā)補助“藥引子”“催化劑”功能更好地得到發(fā)揮。再如，對國有企業(yè)運用后補助的同時加強企業(yè)競爭意識和長遠發(fā)展目標，降低前補助對創(chuàng)新產(chǎn)出的抑制效應(yīng)；而對于民營企業(yè)，政府可以兩種方式綜合使用，充分發(fā)揮兩類研發(fā)補助的積極作用。