创新驱动我国经济高质量发展研究

袁宝龙 李琛

摘 要：如何促进我国经济高质量发展是当前学术界和政府部门关注的重要议题，而经济政策不确定性指数趋高已成为新时代经济发展需要考虑的重要影响因素。在现有理论研究成果的基础上，从绿色全要素生产率视角出发，构建创新驱动区域经济高质量发展的计量回归模型，进一步引入经济政策不确定性作为调节变量，分析这一重要因素是否会影响创新驱动经济高质量发展的有效性，并采用我国2005-2016年30个省份面板数据，利用IVTobit方法进行实证检验，结果发现：（1）创新对区域经济高质量发展具有显著的促进作用;（2）经济政策不确定性对区域经济高质量发展具有显著的抑制作用，但是经济政策不确定性会正向调节创新对区域经济高质量发展的影响，这表明在EPU较高的环境中，地区会通过投入创新来化解市场风险，EPU与R&D形成了良好的耦合效应;（3）创新对经济高质量发展的影响以及经济政策不确定性的调节作用具有明显的区域异质性。研究的政策启示是，政府应鼓励企业提高研发投入以应对不确定的政策环境，经济政策的调整应以促进企业创新为前提，而且，各地区应制定差异化的政策，其中，中、西部地区应适度降低经济政策的不确定性，稳定市场预期。

关键词：高质量发展;创新;经济政策不确定性;绿色全要素生产率

一、引言

党的十九大报告指出：“我国经济已由高速增长阶段转向高质量发展阶段，正处在转换增长动力的攻关期”，而且进一步提出“推动经济发展质量变革、效率变革、动力变革，提高全要素生产率”，这既是新时代经济发展的鲜明特征，也是未来经济发展的战略指向。随后，习近平总书记在2018年全国生态环境保护大会上强调，“绿色发展是构建高质量现代化经济体系的必然要求”。党的十九届五中全会进一步提出：“推动绿色发展，促进人与自然和谐共生。”由此可见，推进经济社会发展全面绿色转型，是我国中长期发展的重要战略目标。环境利益就是经济利益，绿水青山就是金山银山，二者的内在统一是解决生态文明建设主要矛盾的创造性方案（陈翠芳和李小波，2019）。绿色全要素生产率较好地反映了环境利益与经济利益的融合，因此，从这一视角出发，研究如何促进我国经济高质量发展具有重要理论和实践意义。

自2018年以来，“经济高质量发展”成为我国学术界和政府部门讨论的高频词。从现有文献来看，关于经济高质量发展的研究主要集中在理论层面，一是经济高质量发展内涵的讨论（任保平和李禹墨，2018），二是经济高质量发展路径的讨论（罗文和徐光瑞，2013;任保平和文丰安，2018）。这些研究的对象主要是宏观经济和社会整体，鲜有从绿色全要素生产率的视角讨论我国如何实现经济高质量发展。诚然，现有研究为构建我国经济高质量发展的动力机制奠定了理论基础，普遍提出创新是促进经济高质量发展的重要动力，但是缺乏实证研究。而且，创新的转化需要良好的政策环境，这直接决定创新与经济高质量发展的融合度（Sirmon等，2007）。因此，有必要从实证层面检验创新对经济高质量发展的影响，以及创新效用发挥的政策环境因素。

本文从一个新的视角分析创新与经济高质量发展的关系，即经济政策不确定性（Economic Policy Uncertainty，EPU）。自2008年金融危机以来，高能耗、高排放、高污染和低附加值的粗放型增长模式难以为继，而清洁高效的集约型增长模式尚未完全形成，加上不够完善的政策沟通机制，经济政策不确定性迅速上升。1995-2007年，EPU指数的均值是86.4，但金融危机之后，这一指数的均值达到155.3（纪洋等，2018）。EPU指数上升意味着企业经营的外部环境面临较大的不确定性，这极有可能影响地区企业的创新策略和效果。

本文的学术贡献包括：其一，从绿色全要素生产率的视角，实证检验创新对我国区域经济高质量发展的影响。现有研究主要从理论层面探讨我国经济高质量发展的内涵和路径，鲜有实证研究，而且，部分研究以人均国内生产总值、单位产值污染物排放量等来衡量经济高质量发展水平，尚未体现“提高全要素生产率”的政策目标（陈诗一和陈登科，2018;吴士炜和余文涛，2018）。这一研究既能有效解决当下我国区域发展面临的资源、环境约束压力和经济下行压力的实践难题，也为我国有效实施创新驱动战略提供了理论支撑和经验证据。

其二，本文引入经济政策不确定性作为调节变量，对创新影响区域经济高质量发展的政策因素进行了讨论，揭示了创新投入发挥效用的政策条件。现有研究主要探讨经济政策不确定性对区域经济发展及企业活动的直接影响，鲜有将其作为地区企业运营的外部政策环境来考虑。本文将经济政策不确定性作为调节变量，讨论其对创新与经济高质量发展的间接影响。这一研究在一定程度上不仅丰富了关于经济政策不确定性的研究文献，而且有助于为经济政策的调整提供新的准则。

其三，分区域研究创新对经济高质量发展的影响差异。由于地区经济发展水平和创新基础差异较大，本文将我国区域划分为东、中、西部，分别探讨创新影响经济高质量发展的区域异质性。这一研究能够为不同地区的经济高质量发展提供针对性的策略。

二、文献综述与研究假设

（一）创新与经济高质量发展

目前，关于经济高质量发展内涵的讨论重点从经济发展的宏观层面进行。经济高质量发展是指国民经济整体质量和效率，通常可以用全要素生产率来衡量，体现为三次产业结构的高端化、技术结构的升级化、资源能耗的递减性和劳动力结构的适应性。从宏观层面来看，钞小静和任保平（2011）研究发现，1978-2007年经济增长质量得到了一定程度的提高，导致这一增长的原因是资源利用和生态环境代价降低。师博和任保平（2018）构建了包括增长的基本面和社会成果两个维度的我国省际经济高质量发展指标体系，研究发现，1992-2016年经济增长质量在波动中上升。Long和Ji（2019）利用GPI（Genuine Progress Indicator）衡量地区经济增长质量，结果显示我国大部分省份GPI在波動中上升，而资源消耗和环境污染是导致社会福利损失的重要原因。此外，陈诗一和陈登科（2018）、吴士炜和余文涛（2018）等利用人均GDP和单位产值污染物排放量来衡量经济高质量发展水平。从微观层面来看，胡晖和唐恩宁（2020）利用全要素生产率来衡量企业的高质量生产水平。陈太义等（2020）从创新行为和质量行为两个维度衡量企业高质量发展水平。

从高质量发展的动力来看，任保平（2018）、任保平和文丰安（2018）认为，创新发展是经济高质量发展的第一动力。辜胜阻等（2018）认为创新驱动与核心技术突破是经济高质量发展的基石。从高质量发展的实施路径来看，罗文和徐光瑞（2013）认为，工业高质量发展应通过优化工业结构、加强技术创新、实施低碳发展等策略来推进。贺晓宇和沈坤荣（2018）认为，高质量发展强调质量，强调效率，强调产品和服务的供给顺应需求的升级，这就决定了实现高质量发展必须提高全要素生产率。余泳泽和胡山（2018）提出，我国经济高质量发展需要以创新为第一动力，以市场化改革为主要抓手，以对外开放为重要手段，以提高人民生活质量为主要目标。徐盈之和童皓月（2019）认为，营造有利于资本高效运作的金融包容性环境，能够促进经济高质量发展。戴翔（2019）认为，可通过主动扩大进口实现要素分工条件下的资源优化配置，从而促进经济高质量发展。

绿色是经济高质量发展的普遍形态，刘志彪（2018）提出，把生态环境内化为经济发展的财富是高质量发展的支撑要素之一。陈诗一和陈登科（2018）也研究发现，雾霾污染显著降低了经济发展质量。从理论上来说，经济向绿色高质量发展的着力点包括两个方面：一是通过技术进步来实现产业结构的高级化和合理化;二是进一步通过技术创新实现绿色发展（任保平，2018）。从技术贡献的视角来看，技术进步是促进经济绿色发展的主要动力，从要素贡献的视角来看，COD、SO2排放降低及劳动力节约是促进我国经济绿色发展的主要动力（Liu等，2016），而要素贡献率的提高可以通过创新来实现。

目前，从绿色全要素生产率的视角来看，我国经济尚未完全实现可持续的绿色发展。创新能够降低单位产值的能源和资源消耗量，因此，创新是促进高质量发展的重要动力（Chen和Golley，2014）。从企业层面来看，创新既能降低企业污染物和CO2排放，也能促进企业财务绩效的提高（Long等，2017）。从行业层面来看，由一般技术创新向绿色创新转型，能够提高行业劳动生产率和能源、资源利用效率（袁宝龙和李琛，2018）。从区域层面来看，创新能够促进地区的绿色发展，而且地区治理水平越高，创新对经济高质量发展的促进作用越强（Zhang等，2018）。至此，我们提出如下研究假设：

H1：创新对我国区域经济高质量发展具有促进作用。

（二）EPU与经济高质量发展

经济政策不确定性是指经济主体无法确切预知政府是否、何时以及如何改变现行经济政策，是经济不确定性的重要组成部分（Gulen和Ion，2016）。Baker等（2016）根据《南华早报》的每日新闻内容构建了我国经济政策不确定性指数（EPU index），直接刻画了经济政策整体的不确定性。这种基于新闻索引来构建经济不确定性的方法与美国和其他国家相关指数的构建相一致，并得到了广泛的引用（Wang和Sun，2017）。

现有文献主要关注EPU对宏观经济变量和微观企业活动的影响。从宏观经济变量来看，EPU会抑制地区投资、经济增长和产业生产，也会引发通货膨胀和失业率增加（Baker等，2016）。此外，EPU也会导致资源和能源价格上涨，从而抑制投资和发展（Wang和Sun，2017）。从微观企业活动来看，经济政策不确定性不仅会引起股市动荡，而且会进一步改变消费者和投资者的游戏规则和决策过程，导致消费者和投资者更倾向于通过持有现金来规避风险（Baker等，2014）。经济政策不确定性的提高会伴随市场预期的不确定性，导致企业的股票收益率下降（Christou等，2017），企业融资成本上升（Drobetz等，2018），企业投资和并购活动受到制约（Markel等，2018）。至此，我们提出如下研究假设：

H2：EPU对我国区域经济高质量发展具有抑制作用。

（三）EPU在创新与经济高质量发展之间的调节作用

现有研究较少关注EPU对创新活动的影响。Bloom（2007）指出，R&D投资不同于普通资本投资，R&D活动具有更强的开发性和探索性，属于高风险的长期投资项目，因此EPU对两者的影响可能会不同。创新是经济增长的重要动力，创新能力较强的企业能够获得较强的市场势力和较高的超额利润。当企业面临市场竞争和风险时，企业在一定程度上倾向于加速创新以增加市场势力（Aghion等，2015），而经济政策不确定性提高可能会加剧市场风险，这会使得企业进一步加大创新投入以保住或者重新获得市场势力。

上述观点也得到了一些实证研究的支持。Chen和Kettunen（2017）研究发现，碳减排政策的不确定性能够引致发电企业更多地投资能源技术创新，因为这种政策不确定性可以提高预期消费者剩余，降低预期的电力价格。顾夏铭等（2018）研究发现，EPU会促进企业R&D投入。Roper和Tapinos（2016）认为，企业在环境不确定的条件下依然能够积极承担技术创新的风险，主要原因是创新能够给企业带来先发优势，使企业成为市场领导者。至此，我们提出如下研究假设：

H3：EPU正向调节创新与我国区域经济高质量发展的关系。

本文的理论模型如图1所示。

三、研究设计

（一）模型构建

依据上述理论假设，本文构建以下计量回归模型。由于创新投入转化为经济和环境效益具有一定的滞后性（Zhang等，2018），而且EPU对市场主体行为的影响也具有滞后性，因此，本文引入创新和EPU的滞后两期进行回归。

其中，EHQD代表经济高质量发展水平，R&D代表创新水平，EPU代表经济政策不确定性水平，i代表地区，t代表年份，ε为随机误差项。

（二）变量定义与测量

（1）经济高质量发展（EHQD）。有效性是衡量经济高质量发展的尺度之一，这种有效性可以用资源投入与产出的比例关系来表示（程虹和高诗雅，2019），其中应有之义在于，地区经济高质量发展必须注重资源能源利用效率的提高和环境成本的降低，提高地區绿色全要素生产率。要实现地区经济高质量发展，既要求经济快速增长，又要求污染排放减少，这符合方向性距离函数的思想，因为方向性距离函数值测度了在给定方向、投入和生产技术结构下，“好”产品扩大与“坏”产品缩减的可能性大小。基于此，本文参考Tone（2001）、李谷成（2014）的做法，利用SBM方向性距离函数测量区域经济高质量发展水平（式2）。

（2）创新（R&D）。目前测量创新的指标主要包括R&D投入、专利数量、新产品产值（Zhang等，2018）。在前文的论述中，EPU会对市场主体的创新行为产生影响，而这一影响的直接体现是地区R&D投入的变化。因此，本文使用各地区R&D投入占GDP的比重来衡量创新水平。

（3）经济政策不确定性（EPU）。本文采用Baker等（2016）构建的经济政策不确定性指数来衡量该指标。该指数由斯坦福大学和芝加哥大学联合研究组发布，该方法选取了香港《南华早报》作为新闻报道检索平台，基于文本检索和过滤方法构建了我国经济政策不确定性指数（具体构建方法见http：//www.policyuncertainty.com/research.html）。本文采取算术平均的方式，将月度数据转化成年度经济不确定性指数。

（4）控制变量（CONTROL）。本文选择能源强度（EI）、国际贸易（EXP）、外商直接投资（FDI）、金融发展效率（FD）作为控制变量（金培振等，2014;冉光和等，2013）。各变量的测量方式见表1。

（三）数据来源与处理

本文以我国30个省份为例，由于西藏、香港、澳门、台湾地区数据缺失较多，故不纳入本文研究。各省R&D投入、劳动力数量、固定资产投资额、能源消费量、废水排放量、SO2排放量、固废排放量、GDP、进出口额、外商直接投资均来自《中国统计年鉴》。各省储蓄和贷款额来自《中国金融年鉴》。EPU数据来自网站http：//policyuncertainty.com/china_monthly.html。由于能源消费量、废水排放量、SO2排放量、固废排放量等部分数据在2005年之前有所缺失，因此，为了保持数据的完整性，本文以2005年为时间节点，选择2005-2016年为样本期限。为了消除通货膨胀的影响，使用现价/工业品出厂价格指数把货币值数据的当年价格转换成2005年不变价格。各行业的固定资产投入按照永续盘存法进行折算（式3）（张军等，2004）。为了进一步分析创新驱动经济高质量发展的区域异质性，本文将30个省份划分为东、中、西部地区，其中，东部地区包括北京、天津、辽宁、上海、江苏、浙江、山东、福建、广东、海南和河北;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖南、湖北;西部地区包括内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、新疆、宁夏、重庆。各变量的描述性统计结果见表2。

四、实证结果

（一）平稳性检验和协整检验

在进行计量回归分析之前，首先对本文的数据进行平稳性检验。本文采用Levin，Lin和Chu（LLC）、IPS、ADF-Fisher、PP-Fisher四种方法进行单位根检验，单位根检验方程均包括了常数项和时间趋势项。检验结果显示所有变量都是一阶平稳序列（表3）。

在估计面板数据的参数之前，有必要先检验研发强度、经济政策不确定性与经济高质量发展之间的协整关系，以避免出现伪回归现象。本文利用Pedroni协整检验方法进行检验，检验结果显示（表4），研发强度、经济政策不确定性与经济高质量发展存在面板协整关系。

1.基准回归分析

表5是全样本估计结果。由于因变量经济高质量发展的测算值在[0，1]区间，因此我们首先使用面板Tobit方法对模型进行估计，它比OLS方法更加稳健。表5中模型（1）是檢验创新对区域经济高质量发展的影响，结果显示，创新对经济高质量发展具有显著的促进作用（α=0.078，p<0.05），假设1得到验证，这表明创新是促进区域经济与能源、环境协调发展的重要动力。进一步在模型（2）中引入EPU，结果显示，EPU对区域经济高质量发展具有显著的抑制作用（α=-0.069，p<0.01），假设2得到验证，这表明经济政策不确定性会抑制地区企业的经济性投资，进而降低期望产出。

2.工具变量回归分析

由于经济高质量发展可能反向影响创新投入强度，我们首先对R&D变量进行了内生性检验，Hausman检验结果均在1%的水平下显著，表明创新的确存在内生性问题。基于此，本文采用工具变量法来进一步研究创新和EPU对经济高质量发展的影响。表5中模型（3）-（4）是Sys-GMM的回归结果，检验结果发现，AR（1）拒绝原假设而AR（2）接受原假设，其统计量不显著也说明了残差项不存在二阶序列相关的原假设成立，同时，Sargan检验接受原假设，表明工具变量并不存在过度识别约束。表5中模型（5）-（7）是IVTobit的回归结果，Wald外生性排除检验拒绝了原假设，表明创新是内生的。

在表5的模型（3）和（5）中，创新对经济高质量发展具有显著的促进作用（α=0.063，p<0.05;α=0.067，p<0.01），而且，在模型（4）和（6）中，EPU对经济高质量发展具有显著的抑制作用（α=-0.083，p<0.01;α=-0.106，p<0.01），假设1和假设2得到进一步支持。值得关注的是，IVTobit估计的结果与普通Tobit估计的结果相比，创新对经济高质量发展的影响系数较小，这表明创新的内生性使得普通Tobit估计结果产生向上偏倚，从而倾向于高估创新对经济高质量发展的影响。更进一步，在表5的模型（7）中引入R&D与EPU的交乘项，结果显示，EPU对创新与经济高质量发展具有显著的正向调节作用（α=0.043，p<0.1），假设3得到验证，这表明在EPU的影响下，地区虽然会抑制资产类投资、并购等经济活动，但会通过投入创新来化解市场风险，可见EPU与R&D形成了良好的耦合效应。

（三）分区域估计

表6是分区域估计结果。同样，为了避免内生性问题，我们采用IVTobit方法进行回归。Wald外生性排除检验拒绝了原假设，表明在不同地区，创新活动也存在内生性。

1.东部地区

表6中模型（1）-（3）是东部地区的估计结果。模型（1）显示，创新对该地区经济高质量发展具有显著的促进作用（α=0.035，p<0.05），假设1在该地区得到验证。进一步在模型（2）中引入EPU，结果显示，EPU对该地区经济高质量发展具有显著的促进作用（α=0.118，p<0.01），这与全样本的估计结果并不一致，假设2在该地区并未得到验证。可能的原因是，该地区能源环境政策体系较为完善，企业对未来该地区节能减排政策力度趋紧有着一致的预期，而且，该地区创新水平较高，市场竞争力也较强，经济政策的不确定性有助于为企业抢占市场至高点提供更多的机会。更进一步，在模型（3）中引入R&D与EPU的交乘项，结果显示，EPU对创新与经济高质量发展具有显著的正向调节作用（α=0.036，p<0.01），假设3在该地区得到验证。

2.中部地区

表6中模型（4）-（6）是中部地区的估计结果。模型（4）显示，创新对该地区经济高质量发展具有显著的促进作用（α=0.302，p<0.01），假设1在该地区得到验证。进一步在模型（5）中引入EPU，结果显示，EPU对该地区经济高质量发展具有显著的抑制作用（α=-0.078，p<0.1），假设2在该地区得到验证。更进一步在模型（6）中引入R&D与EPU的交乘项，结果显示，EPU对创新与经济高质量发展具有正向调节作用（α=0.134，p<0.1），假设3在该地区得到验证。

3.西部地区

表6中模型（7）-（9）是西部地区的估计结果。模型（7）显示，创新对该地区经济高质量发展具有显著的抑制作用（α=-0.123，p<0.01），假设1在该地区未得到验证。可能的原因是，在高污染密集度地区，经济发展的高能耗、高排放、高污染、低增长特征较为突出，创新的绿色化水平较低，因此在促进经济发展的同时，会产生更多的能源消费和污染物排放，即“能源回弹效应”较为明显（金培振等，2014）。进一步在模型（8）中引入EPU，结果显示，EPU对该地区经济高质量发展具有显著的抑制作用（α=-0.096，p<0.05），假设2在该地区得到验证。更进一步在模型（9）中引入R&D与EPU的交乘项，结果显示，EPU对创新与经济高质量发展具有正向调节作用，但是并不显著，假设3在该地区未得到验证。可能的原因是，西部地区企业发展对政府经济政策的依赖性较强，而对市场的敏感性不足，在EPU较高时，企业对市场持谨慎观望态度，收紧包括创新投入在内的一切投资。

（四）稳健性检验

为了进一步检验实证结果的稳健性，首先，本文利用超效率DEA方法测量区域经济高质量发展水平，并用专利数量测量区域创新水平，使用Sys-GMM估计方法进行回归，结果见表7中的模型（1）-（3）。其次，本文利用两阶段最小二乘回归（2SLS）进行回归，选择内生解释变量的滞后一期为工具变量，结果见表7中的模型（4）-（6）。结果显示，除了个别控制变量有所差异，自变量、调节变量及因变量仅表现出系数大小的变化，各假设检验的结果与表5基本一致，表明本文实证结果是稳健可靠的。

五、结论与政策启示

本文从绿色全要素生产率视角出发，构建了创新驱动区域经济高质量发展的计量回归模型，并且进一步引入經济政策不确定性作为调节变量，分析这一重要因素是否会影响创新驱动经济高质量发展的有效性。同时，采用我国2005-2016年30个省份面板数据，利用IVTobit方法进行实证检验。本文得出以下研究结论：

第一，创新对区域经济高质量发展具有显著的促进作用，这表明创新是促进区域经济与能源、环境协同发展的重要动力。这一结论既支持了罗文和徐光瑞（2013）、任保平和文丰安（2018）、陈昌兵（2018）、任保平（2018）的理论研究成果，同时，也与Liu等（2016）、Chen和Golley（2014）等学者的研究结论具有一致性，这些研究均认为创新能够促进经济与能源、环境协调发展。

第二，EPU对区域经济高质量发展具有显著的抑制作用。该结论也支持了Gulen和Ion（2016）、Baker等（2016）的观点，表明我国的EPU对固定资产投资、就业及GDP等方面产生了消极作用，导致地区经济发展受到抑制。进一步发现，EPU对创新与经济高质量发展具有显著的正向调节作用，这充分说明创新投资与一般的固定资产投资性质不同，在EPU较强的情况下，企业倾向于利用创新来化解市场风险，抢占市场优势，而且创新产生了较好的经济效益和环境效益。同时，也说明EPU是一把双刃剑，只有经济政策的调整以促进企业创新为前提，这种适度的EPU才有助于促进地区经济高质量发展。该结论也支持了Bloom（2007）、Aghion（2015）、Chen和Kettunen（2017）的观点。

第三，创新对经济高质量发展的影响具有区域异质性。在东部和中部地区，创新对经济高质量发展均具有显著的促进作用，但是，创新对西部地区经济高质量发展具有显著的抑制作用;EPU对东部地区经济高质量发展具有显著的促进作用，相反，对中、西部地区经济高质量发展具有显著的抑制作用;EPU对东、中部地区创新与经济高质量发展具有显著的正向调节作用，对西部地区的调节作用并不显著。

上述结论蕴含的政策含义包括：

第一，创新也是促进我国经济高质量发展的重要动力。因此，一方面，应鼓励企业加大研发投入力度，大力推动大中型工业企业建立研发机构，鼓励其与高校、科研院所建立协同创新中心，提高自主创新能力，重点加强对节能环保技术和工艺创新力度，促进企业由高消耗、高污染、低附加值向低碳、节能的高质量层次发展;另一方面，政府应设立行业共性关键技术重大项目库，加大基础研究支持力度，加快攻克关键技术瓶颈。

第二，EPU会抑制区域经济高质量发展，但是EPU与R&D形成了良好的耦合效应。因此，相关部门在频繁制定和调整经济政策时，应坚持有利于促进企业创新这一原则，减少经济政策不确定性的负面影响。相关政府部门应致力于构建良好的经济环境，帮助企业更好地激发创新活力。尤其在当前经济下行压力增大、资源环境约束增强的情形下，政府制定经济政策时应充分权衡经济增长与节能减排的双重目标，避免出台短视政策。

第三，从地区差异来看，东部地区创新、EPU均能显著促进经济高质量发展，因此，该地区应进一步完善和巩固科技创新政策，加快绿色创新政策的深化改革。对于中部地区而言，应加大创新支持力度，避免因频繁调整经济发展政策而影响企业发展预期。对西部地区而言，应着力加大节能环保技术的创新和应用，降低经济政策变化的频率，稳定市场预期。

本文研究的局限性在于：第一，EPU采用Baker et al.（2016）构建的经济政策不确定性指数来衡量，缺少我国各省份的具体数据;第二，影响创新与经济高质量发展关系的因素可能还有市场化程度等，未来可对此进行补充研究。

参考文献：

[1] 钞小静、任保平，2011：《中国经济增长质量的时序变化与地区差异分析》，《经济研究》第4期。[Chao Xiaojing and Ren Baoping，2011，The Fluctuation and Regional Difference of Quality of Economic Growth in China，Economic Research Journal，4.]

[2] 陈翠芳、李小波，2019：《生态文明建设的主要矛盾及中国方案》，《湖北大学学报（哲学社会科学版）》第6期。[Chen Cuifang and Li Xiaobo，2019，The Main Contradiction of Ecological Civilization Construction and Chinas Plan，Journal of Hubei University（Philosophy and Social Science），6.]

[3] 陈诗一、陈登科，2018：《雾霾污染、政府治理与经济高质量发展》，《经济研究》第2期。[Chen Shiyi and Chen Dengke，2018，Air Pollution，Government Regulations and High-quality Economic Development，Economic Research Journal，2.]

[4] 陈太义、王燕、赵晓松，2020：《营商环境、企业信心与企业高质量发展——来自2018年中国企业综合调查（CEGS）的经验证据》，《宏观质量研究》第2期。[Chen Taiyi，Wang Yan and Zhao Xiaosong，2020，Business Environment， Enterprise Confidence and High Quality Development——Empirical Evidence from the 2018 China Enterprise General Survey （CEGS），Journal of Macro-quality Research，2.]

[5] 程虹、高诗雅，2019：《新中国70年经济发展质量：制度红利与人口红利的叠加效应》，《宏观质量研究》第2期。[Cheng Hong and Gao Shiya，2019，The Quality of Economic Development in 70 Years of New China：The Superposition Effect of Institutional Dividend and Demographic Dividend，Journal of Macro-quality Research，2.]

[6] 戴翔，2019：《主动扩大进口：高质量发展的推进机制及实现路径》，《宏观质量研究》第1期。[Dai Xiang，2019，Actively Expand Imports： The Promotion Mechanism and Realization Path of High Quality Development，Journal of Macro-quality Research，1.]

[7] 辜勝阻、吴华君、吴沁沁、余贤文，2018：《创新驱动与核心技术突破是高质量发展的基石》，《中国软科学》第10期。[Gu Shengzu，Wu Huajun，Wu Qinqin and Yu Xianwen，2018，Innovation-driven and Core Technology Breakthrough：The Cornerstone of High-quality Development，China Soft Science，10.]

[8] 顾夏铭、陈勇民、潘士远，2018：《经济政策不确定性与创新——基于我国上市公司的实证分析》，《经济研究》第2期。[Gu Xiaming，Chen Yongmin and Pan Shiyuan，2018，Economic Policy Uncertainty and Innovation：Evidence from Listed Companies in China，Economic Research Journal，2.]

[9] 贺晓宇、沈坤荣，2018：《现代化经济体系、全要素生产率与高质量发展》，《上海经济研究》第6期。[He Xiaoyu and Shen Kunrong，2018，Modernized Economic System，Total Factor Productivity and High Quality Development，Shanghai Journal of Economics，6.]

[10] 胡晖、唐恩宁，2020：《环境权益交易对企业高质量生产的影响——基于碳排放权交易的经验证据》，《宏观质量研究》第5期。[Hu Hui and Tang Enning，2020，The Impact of Pollution Rights Trading on High Quality Production of Enterprises：Evidence from Carbon Emission Trading，Journal of Macro-quality Research，5.]

[11] 纪洋、王旭、谭语嫣、黄益平，2018：《经济政策不确定性、政府隐性担保与企业杠杆率分化》，《经济学（季刊）》第2期。[Ji Yang，Wang Xu，Tan Yuyan and Huang Yiping，2018，Economic Policy Uncertainty，Implicit Guarantee and Divergence of Corporate Leverage Rate，China Economic Quarterly，2.]

[12] 金培振、张亚斌、彭星，2014：《技术进步在二氧化碳减排中的双刃效应——基于中国工业35个行业的经验证据》，《科学学研究》第5期。[Jin Peizhen，Zhang Yabin and Peng Xing，2014，The Double-edged Effect of Technological Progress in Carbon Dioxide Emissions Reduction： Empirical Evidence from 35 Sub-industrial Sectors in China，Studies in Science of Science，5.]

[13] 李谷成，2014：《中国农业的绿色生产率革命：1978-2008年》，《经济学（季刊）》第2期。[Li Gucheng，2014，The Green Productivity Revolution of Agriculture in China from 1978 to 2008，China Economic Quarterly，2.]

[14] 刘志彪，2018：《理解高质量发展：基本特征、支撑要素与当前重点问题》，《学术月刊》第7期。[Liu Zhibiao，2018，Understanding the High-quality Development：Basic Features，Supporting Elements and Current Key-issues，Academic Montrhy，7.]

[15] 罗文、徐光瑞，2013：《中国工业发展质量研究》，《中国软科学》第1期。[Luo Wen and Xu Guangrui，2013，A Study on Chinas Industry Development Quality，China Soft Science，1.]

[16] 冉光和、徐鲲、鲁钊阳，2013：《金融发展、FDI对区域创新能力的影响》，《科研管理》第7期。[Ran Guanghe，Xu Kun and Lu Zhaoyang，2013，The Influence of Financial Development and FDI on Regional Innovation Capability，Science Research Management，7.]

[17] 任保平，2018：《创新中国特色社会主义发展经济学 阐释新时代中国高质量的发展》，《天津社会科学》第2期。[Ren Baoping，2018，Innovation of Socialist Development Economics with Chinese Characteristics and Interpretation of Chinas High-quality Development in the New era，Tianjin Social Sciences，2.]

[18] 任保平、李禹墨，2018：《新时代我国高质量发展评判体系的构建及其转型路径》，《陕西师范大学学报（哲学社会科学版）》第3期。[Ren Baoping and Li Yumo，2018，On the Construction of Chinese High-quality Development Evaluation System and the Path of Its Transformation in the New Era，Journal of Shaanxi Normal University（Philosophy and Social Sciences Edition），3.]

[19] 任保平、文豐安，2018：《新时代中国高质量发展的判断标准、决定因素与实现途径》，《改革》第4期。[Ren Baoping and Wen Fengan，2018，The Criteria， Determinants and Ways to Achieve High Quality Development in China in the New Era，Reform，4.]

[20] 师博、任保平，2018：《中国省际经济高质量发展的测度与分析》，《经济问题》第4期。[Shi Bo and Ren Baoping，2018，A Measurement of Chinas Provincial Economic High Quality Development，On Economic Problems，4.]

[21] 吴士炜、余文涛，2018：《环境税费、政府补贴与经济高质量发展——基于空间杜宾模型的实证研究》，《宏观质量研究》第4期。[Wu Shiwei and Yu Wentao，2018，How Environmental Tax-fee，Government Subsidy Affect Economic High Quality Development：Based on Spatial Dubin Model Empirical Research，Journal of Macro-quality Research，4.]

[22] 徐盈之、童皓月，2019：《金融包容性、資本效率与经济高质量发展》，《宏观质量研究》第2期。[Xu Yingzhi and Tong Haoyue，2019，Financial Inclusion，Capital Efficiency and High-Quality Economic Development，Journal of Macro-quality Research，2.]

[23] 余泳泽、胡山，2018：《中国经济高质量发展的现实困境与基本路径：文献综述》，《宏观质量研究》第4期。[Yu Yongze and Hu Shan，2018，The Connotation，Predicament and Basic Path of Chinas Economy of High-quality Development：A Literature Review，Journal of Macro-quality Research，4.]

[24] 袁宝龙、李琛，2018：《环境规制政策下创新驱动中国工业绿色全要素生产率研究》，《产业经济研究》第5期。[Yuan Baolong and Li Chen，2018，Innovation-driven Chinese Industrial Green Total Factor Productivity Under Environmental Regulation，Industrial Economics Research，5.]

[25] 张军、吴桂英、张吉鹏，2004：《中国省际物质资本存量估算：1952-2000》，《经济研究》第10期。[Zhang Jun，Wu Guiying and Zhang Jipeng，2004，The Estimation of Chinas Provincial Capital Stock：1952-2000，Economic Research Journal，10.]

[26] Aghion， P.，et al，2005，Competition and Innovation：an Inverted-U Relationship，The Quarterly Journal of Economics，120（2）：701-728.

[27] Baker， S. R.，N. Bloom and S. J. Davis，2016，Measuring Economic Policy Uncertainty，The Quarterly Journal of Economics，131（4）：1593-1636.

[28] Baker，S. R.，et al，2014，Why Has US Policy Uncertainty Risen Since 1960？，American Economic Review，104（5）：56-60.

[29] Bloom， N.，2007，Uncertainty and the Dynamics of R&D，American Economic Review，97（2）：250-255.

[30] Chen， L. and J. Kettunen，2017，Is Certainty in Carbon Policy Better than Uncertainty？，European Journal of Operational Research，258（1）：230-243.

[31] Chen， S. and J. Golley，2014，“Green” Productivity Growth in Chinas Industrial Economy，Energy Economics，44：89-98.

[32] Christou， C.，et al，2017，Economic Policy Uncertainty and Stock Market Returns in Pacific-rim Countries： Evidence Based on a Bayesian Panel VAR Model，Journal of Multinational Financial Management，40：92-102.

[33] Drobetz， W.，et al，2018，Policy Uncertainty， Investment， and the Cost of Capital，Journal of Financial Stability，39：28-45.

[34] Gulen， H. and M. Ion，2016，Policy Uncertainty and Corporate Investment，Review of Financial Studies，29（3）：523-564.

[35] Liu， G.，B. Wang and N. Zhang，2016，A Coin Has Two Sides： Which One is Driving Chinas Green TFP Growth？，Economic Systems，40（3）：481-498.

[36] Long， X. and X. Ji，2019，Economic Growth Quality， Environmental Sustainability， and Social Welfare in China-Provincial Assessment Based on Genuine Progress Indicator （GPI），Ecological Economics，159：157-176.

[37] Long， X.，et al，2017，The Effect of Environmental Innovation Behavior on Economic and Environmental Performance of 182 Chinese Firms，Journal of Cleaner Production，166：1274-1282.

[38] Markel， G. E.，C. Sims and B.C. English，2018，Policy Uncertainty and the Optimal Investment Decisions of Second-Generation Biofuel Producers，Energy Economics，76：89-100.

[39] Roper， S. and E. Tapinos，2016，Taking Risks in the Face of Uncertainty：An Exploratory Analysis of Green Innovation，Technological Forecasting & Social Change，112：357-363.

[40] Sirmon， D. G.，M.A. Hitt and R.D. Ireland，2007，Managing Firm Resources in Dynamic Environments to Create Value：Looking Inside the Black Box，Academy of Management Review，32（1）：273-292.

[41] Tone， K.，2001，A Slacks-based Measure of Efficiency in Data Envelopment Analysis，European Journal of Operational Research，130（3）：498-509.

[42] Wang， Q. and X. Sun，2017，Crude Oil Price：Demand， Supply，Economic Activity，Economic Policy Uncertainty and Wars-From the Perspective of Structural Equation Modelling （SEM），Energy，133：483-490.

[43] Zhang， J.，et al，2018，Do Technological Innovations Promote Urban Green Development？-A Spatial Econometric Analysis of 105 Cities in China，Journal of Cleaner Production，182：395-403.

責任编辑 郝 伟