企业规模对创新政策绩效的影响研究——以高技术产业为例

蔡绍洪，彭长生，俞立平

(1.贵州财经大学 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)

一、引言

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[1]，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。Schumpeter[2]提出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[3]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。Philips[4]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[5]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[6]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[8]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[9]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[10]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。Mansfield[11]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。Laforet[12]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。Mansel[13]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[14]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[16]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[17]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[18]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[19]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[20]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[21]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[22]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[24]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[25]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[26]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[27]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[28]在此基础上，建立包含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[29]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[30]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[31]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[32]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出何种特征？

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。

二、创新政策与企业规模之间互动机制

图1 创新政策与企业规模

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[1]。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。从实证研究角度出发，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]。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[2-3]。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，获得垄断利润，催生企业进行扩大再生产，带来规模增加。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[10-11]。

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[35]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[36]。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，寻找政策制定和执行中可能存在的问题，进而加以优化和改进。

三、研究方法与数据

(一)研究方法

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：

(1)

公式(1)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，P1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，cij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[37-38]，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。

对于面板联立方程，本文采用Blundell等[39]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，但如果进一步引入工具变量，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f(θ)与工具变量zt之间的正则条件为：

E[f(θ)′Z]=0

(2)

Θ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：

J(θ)=(m(θ))′Am(θ)

(3)

公式(3)中，m(θ)=f(θ)′Z，A为加权矩阵；任何对阵正定阵A都是θ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出了企业规模、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Hansen[40]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。

①创新政策、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τ，使得当F≤τ和F>τ时，创新政策对创新成果的弹性分别为θ1和θ2：

(4)

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：

(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τ，使得当P1≤τ和P1>τ时，创新政策对企业规模的弹性系数分别为θ1和θ2：

(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：

(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τ，使得当F≤τ和F>τ时，创新政策对企业规模的弹性系数分别为θ1和θ2：

(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：

(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[41]首创，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。

(二)创新政策的测度

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[42]的研究，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′KαLβGγ

(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

(三)研究数据

关于创新成果变量，借鉴Griliches[43]的研究，采用新产品销售收入作为替代变量。这是因为，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。创新政策已经测度出来，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

四、实证结果

(一)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

注：*、**、***分别表示在10%、5%、1%的水平下检验通过。

(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 联立方程估计结果

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，说明政府研发补贴绩效总体较低。

(三)面板门槛模型估计结果

(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业规模门槛效应。继续进行双门槛检验，F检验值为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

注：*、**、***分别表示在10%、5%、1%的水平下检验通过。

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、中低门槛、中高门槛、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，数据数量有32个。可见，随着企业规模的扩大，创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。

(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，结果如表5所示。

表5 政府研发补贴的企业规模门槛估计

注：*、**、***分别表示在10%、5%、1%的水平下检验通过。

从回归结果看，企业规模有3个门槛，其对数值分别为5.040、6.990、8.605，将企业规模分为低门槛、中低门槛、中高门槛、高门槛4个区域。当企业规模处于低门槛区时，政府研发补贴对创新成果的弹性系数为0.280，但没有通过统计检验，数据数量有145个；当企业规模处于中低门槛区时，政府研发补贴对创新成果的弹性系数为-0.029，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。随着企业规模扩大，政府研发补贴对创新成果的阻碍作用越大，政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 创新政策自身门槛估计

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0.000，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

注：*、**、***分别表示在10%、5%、1%的水平下检验通过。

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。

(四)贝叶斯向量自回归估计

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

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。

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)。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。