经济政策不确定性、产业政策与企业创新

一 引 言

自2008年金融危机以来，全球经济增长陷入长期衰退，各国政府为平滑经济波动频繁调整经济政策，如中国政府出台了“四万亿”、“大众创业、万众创新”、“汇准息三降”等一系列宏观经济政策。然而，这些以刺激经济、缓解短期困境为目标的政策往往也会带来不断攀升的经济政策不确定性，即市场中的经济主体无法准确预知政府是否、何时以及如何改变现行经济政策(Gulen和Ion，2016)[1]。不断上升的经济政策不确定性不仅可能导致宏观经济衰退(Bloom，2009)[2]，也给微观企业的经营决策带来巨大挑战，尤其是企业的创新活动。由于创新活动本身具有高度不确定性和较高的调整成本(Bloom，2007)[3]，经济政策不确定性进一步加剧企业创新风险，从而可能抑制企业创新活动(亚琨等，2018[4]；Xu，2020[5])。

对中国企业而言，其创新决策很大程度上还取决于相关产业扶持政策(黎文靖和郑曼妮，2016)[6]。以“五年规划”为主的中国产业政策不仅以宽松的融资约束和各项国家补贴等形式为企业提供大量低成本资金(Chen et al.，2017)[7]，以此提升企业的“抗风险能力”，为企业在面临经济政策不确定性时做出的创新决策提供了资金支持；还能通过直接准入干预等措施提高行业竞争程度，进而迫使企业为了生存和超额利润积极从事创新活动(Aghion et al.，2015[8]；余明桂等，2016[9])；另外，相对稳定的周期性产业政策在一定程度上消除了经济政策不确定性的负面影响，使企业对未来经营环境有比较稳定的预期，从而有可能加大创新投入(余明桂等，2016)[9]。虽然产业政策的有效性曾引发过学者们的巨大争议，但当前更多学者争论的已不再是产业政策是否必要的问题，而是如何实施的问题(Rogge和Reichardt，2016[10]；黄先海和宋学印，2017[11])。那么，中国产业政策是否能在经济政策不确定性上升的背景下促进企业创新？产业政策对经济政策不确定性影响企业创新是否具有正向调节作用？如有，何时、通过何种机制发挥正向调节作用？

为了回答上述问题，本文从“五年规划”文本中手工整理了产业政策虚拟变量，并使用2007-2019年中国A股上市公司数据和Baker et al.(2016)[12]构建的经济政策不确定性指数，实证分析了产业政策对经济政策不确定性影响企业创新的调节作用。主要结论为：第一，总样本分析显示经济政策不确定性对企业创新活动有正向激励作用，这与大部分已有文献的结论一致(顾夏铭等，2018[13]；He et al.，2020[14])，然而分样本回归显示前述激励作用只在受到产业政策扶持的组别中存在；第二，产业政策对经济政策不确定性影响企业创新具有正向调节作用，且当经济政策不确定性指数高于样本中位数时，产业政策的正向调节作用更为显著，此时是产业政策发挥激励作用的最优时机，以上结论在更换多种计量方法和考虑内生性后仍然稳健；第三，产业政策主要通过提高政府补贴和行业竞争程度发挥正向调节作用；第四，产业政策的调节作用具有行业和企业所有制异质性。将样本分为高新技术行业和非高新技术行业后回归结果显示，产业政策只在高新技术行业发挥正向调节作用。另外，产业政策对非国有企业的创新投入和产出均具有显著的正向调节作用，而对国有企业的创新投入有显著正向调节作用，对创新产出的影响并不显著。

本文实证研究产业政策在经济政策不确定性影响企业创新中的调节作用以及作用机制，边际贡献在于：第一，研究视角更细化，结论更深入。已有文献认为经济政策不确定性能够激励企业创新，然而本文研究发现此激励作用只在受到产业政策支持的行业中有效。这有助于更深入探析经济政策不确定性发挥创新激励作用的条件；第二，为产业政策有效性的争议评析提供了新的经验证据。产业政策有效性一直是学术界的热点话题，本文认为在经济政策不确定性不断上升的背景下，产业政策对企业创新能够起到显著的正向作用，且经济政策不确定性较高时是产业政策发挥作用的最优时机，这为产业政策实施提供了理论支撑；第三，为政府选择合理的施政方案提供科学依据。近年来，中国频繁出台和调整经济刺激政策，经济政策不确定性持续攀升，本文发现周期性产业政策(五年规划)能够促使企业在高不确定性时加大创新投入，且“普惠型”政策效果更佳，这一结论为未来产业政策模式与实施时机选择提供了新的启示。

后文内容安排如下：第二部分是文献回顾和理论假说；第三部分是实证模型设定、变量定义和数据说明；第四部分是实证结果分析；第五部分是机制分析；最后是结论与政策启示。

二 文献回顾和研究假说

(一)经济政策不确定性与企业创新

经济政策不确定性对企业经营活动有重要影响，其中经济政策不确定性对企业投资活动的抑制作用得到学术界的广泛认同(Dixit和Pindyck，1994[15]；Bloom et al.，2007[16]；Gulen和Ion，2016[1]；李凤羽和杨墨竹，2015[17])，包括影响企业的实业投资(张成思和刘贯春，2018)[18]、投融资决策(才国伟等，2018)[19]、金融资产配置(聂辉华等，2020)[20]、企业跨国投资(陈胤默等，2019)[21]和并购(Bonaime et al.，2018)[22]等。然而，研发投入作为企业资本投资活动的一种特殊形式，其调整成本特征与普通投资活动不同(Bloom，2007)[3]，因此经济政策不确定性对企业创新活动的影响在学界仍有较大争议。

一些学者认为经济政策不确定性能够促进企业创新(Atanassov et al.，2015[23]；孟庆斌和施倩，2017[24]；顾夏铭等，2018[13]；He et al.，2020[14])。经济政策不确定性会加剧市场风险，而企业在一定条件下会选择加速创新以应对市场风险、增加市场势力(Aghion et al.，2015)[8]。而且未来的不确定性是企业利润的重要来源之一，假如未来都可以预测，企业的利润就不复存在了(Knight，1921)[25]。另外，虽然经济政策不确定性抑制了企业物质资本投资，但企业有可能将部分投资转向创新投入，从而实现更好的长期收益(顾夏铭等，2018)[13]。

另一些学者则认为经济政策不确定性会抑制企业创新投入(Marcus，1981[26]；Bhattacharya et al.，2014[27]；Wang et al.，2017[28]；南晓莉和韩秋，2019[29])。上述观点主要是基于实物期权理论，在投资不可逆的情形下，企业倾向于延迟投资以避免投资收益的损失(Bernanke，1983)[30]。而企业的研发投入有明显的专用性特征，因而具有很强的不可逆性(温军等，2011)[31]，经济政策不确定性上升一方面提高了期权的等待价值，企业将延迟研发投入，另一方面会使企业更倾向于配置金融资产，从而挤出创新投资(亚琨等，2018)[4]。另外，也有学者认为经济政策不确定性会加剧银行信贷风险(张倩肖和冯雷，2018)[32]、提高企业的资金成本(Xu，2020)[5]，从而抑制创新活动。基于以上讨论，本文提出如下竞争性假说：

假说1a：经济政策不确定性正向影响企业的创新活动；

假说1b：经济政策不确定性负向影响企业的创新活动。

(二)产业政策的调节作用

产业政策通过鼓励和扶持特定行业以推动产业升级，是中国经济发展的一个重要特点，而每隔五年颁布的“五年规划”则是中国实施产业政策的重要指导性文件，各地方政府和职能部门据此制定相应的产业发展政策。已有研究认为产业政策对微观企业发展有积极的作用，能提升企业投资(Criscuolo et al.，2012)[33]、实现企业价值增长和提高企业生产率(Aghion et al.，2015[8]；宋凌云和王贤彬，2017[34])。

中国企业的创新决策在很大程度上也受到相关产业扶持政策的影响(黎文靖和郑曼妮，2016)[6]。首先，以“五年规划”为主的中国产业政策通过财政手段发挥作用。经济政策不确定性升高会提高企业的资金成本(Xu，2020)[5]，而涵盖奖金奖励、科研经费、人才引进等多个方面的政府补贴为企业提供了大量低成本资金(Chen et al.，2017)[7]，充足的低成本资金提升了企业的抗风险能力(周亚虹等，2015)[35]，为企业在面临经济政策不确定性时做出创新决策提供了资金支持，且已有研究表明财政补贴是政府支持企业研发创新最为有效的外部补偿手段之一(Velde et al.，2011[36]；Faruq，2012[37]；解维敏等，2009[38])；其次，中国产业政策通过金融手段发挥作用。经济政策不确定性上升会加剧企业面临的金融摩擦(谭小芬和张文婧，2017)[39]，使融资来源不稳定，进而制约企业的创新活动(鞠晓生等，2013)[40]，而产业政策可以通过资本市场资源配置和缓解信息不对称(李莉等，2015)[41]显著提升企业的资本市场融资(陈冬华等，2010[42]；祝继高等，2015[43])；再次，企业在面临高不确定性时倾向于谨慎进入新的行业，而产业政策能够通过直接准入干预措施提高行业竞争程度，行业竞争程度的提高会迫使企业为了生存和超额利润积极从事创新活动(Aghion et al.，2015[8]；余明桂等，2016[9])；除此之外，确定的政策(Policy Certainty)对企业创新有十分重要的正向作用(Jiang et al.，2020)[44]，而相对稳定的周期性产业政策(“五年规划”)在一定程度上消除了经济政策不确定性的负面影响，使企业对未来经营环境有比较稳定的预期，从而有可能加大创新投入(余明桂等，2016)[9]。基于以上讨论，本文提出以下四个假说：

假说2：产业政策对经济政策不确定性影响企业创新有正向调节作用。

假说2.1：产业政策通过财政手段(增加政府补贴)发挥正向调节作用；

假说2.2：产业政策通过金融手段(降低融资约束)发挥正向调节作用；

假说2.3：产业政策通过准入干预(提升行业竞争)发挥正向调节作用。

三 研究设计

(一)模型设定

本文分别采用模型(1)和模型(2)分析经济政策不确定性对企业创新活动的影响，以及产业政策对经济政策不确定性影响企业创新的调节作用：

Invti, t=β0+β1EPUi, t-1+∑φiXi, t-1+εi, t

(1)

Invti, t=β0+β1EPUi, t-1+β2Policyi, t-1+β3(EPU×Policy)i, t-1+∑φiXi, t-1+εi, t

(2)

其中，Invti, t为企业i在t年的创新活动，包括创新投入(Rdratio)和创新产出(Lninv)。考虑到创新活动具有时滞性，以及为了减轻内生性的影响，模型中所有解释变量(除企业年龄)都滞后一期。其中EPU为中国经济政策不确定性指数，EPU×Policy为中国经济政策不确定性指数和产业政策(Policy)的交互项，X为公司层面的控制变量，包括企业年龄、速动比率、资产收益率、最大股东持股比例、公司规模和杠杆率，ε为误差项。需要注意的是，由于每个企业i在t年面临同样的EPU指数，也就是说EPU变量在横截面上是不变的，另外每个行业在同一年面临的产业政策是一致的，这意味着本文不能加入年份和行业固定效应，否则固定效应会把经济政策不确定性和产业政策的解释能力都吸收了(Duong et al.，2020)[45]。

另外，为了检验假说2.1-2.3，借鉴Giroud和Mueller(2011)[46]、Yu et al.(2017)[47]的处理方式，本文构建如下模型：

Channeli, t=β0+β1Policyi, t-1+∑φiXi, t-1+εi, t

(3)

Channeli, t=β0+β1(d1×Policy)i, t-1+β2(d2×Policy)i, t-1+∑φiXi, t-1+εi, t

(4)

Invti, t=β0+β1EPUi, t-1+β2(EPU×Channel)i, t-1+∑φiXi, t-1+εi, t

(5)

其中Channel代表政府补贴(Sub)、融资约束(SA)和行业竞争(HHI)。模型(3)用于分析产业政策是否能够增加企业获得的政府补贴、降低企业面临的融资约束以及提升企业所在行业的竞争程度。模型(4)中的d1和d2分别表示较低(低于EPU指数的样本中位数)和较高(高于EPU指数的样本中位数)的经济政策不确定性，因此d1×Policy和d2×Policy分别表示产业政策在低不确定性和高不确定性的情形中对政府补贴、融资约束和行业竞争的影响。模型(5)表示政府补贴、融资约束和行业竞争对经济政策不确定性的调节作用。

(二)变量定义与解释

1.变量定义

(1)创新变量。本文将创新变量分为创新投入和创新产出。创新投入以研发投入(R&D)占营业收入的比率即研发比率(Rdratio)衡量；创新产出采用发明专利申请数量进行衡量，参考Fang et al.(2014)[48]的处理方法，以企业当年发明专利申请数量加1取对数得到创新产出变量Lninv。

(2)经济政策不确定性指数。本文采用 Baker et al.(2016)[12]构建的经济政策不确定性指数(EPU)，该指数基于南华早报构建了中国月度经济政策不确定性指数，借鉴Wang et al.(2014)[49]的做法，采用几何平均法将月度数据转化为年度数据，为了方便回归使用年度不确定性指数除以100，公式如下：

(6)

(3)产业政策。产业政策数据来源于《中华人民共和国国民经济和社会发展第十一个五年(2006-2010年)规划纲要》、《中华人民共和国国民经济和社会发展第十二个五年(2011-2015年)规划纲要》和《中华人民共和国国民经济和社会发展第十三个五年(2016-2020年)规划纲要》。本文手工对上述“五年规划”进行了细致的文本分析，若纲要中出现“支持/扶持”、“优先发展”、“大力、重点支持/扶持”等描述，则认为是产业政策支持的行业，赋值为“1”，其余的行业则为“0”，并与《上市公司行业分类指引》(2012版)中的行业代码进行匹配。

(4)特征变量。本文在研究产业政策调节作用的机制和异质性分析中还涉及以下变量：政府补贴(Sub)，使用政府补助的自然对数进行分析；融资约束(SA)，参照Hadlock和Pierce(2010)[50]的计算公式以及姜付秀等(2016)[51]的处理方式(-0.737*Size+0.043*Size2-0.040*Age，其中Size是企业总资产的自然对数，Age表示企业的年龄)计算出融资约束，SA值越大表示企业面临的金融约束越小；行业竞争指数(HHI)，本文使用赫芬达尔-赫希曼指数衡量行业竞争程度，具体为企业营业收入占行业市场份额的平方和；企业股权性质(SOE)，若为国有企业，则赋值为1，若为非国有企业，赋值为0；高新技术行业(High)，根据国家统计局发布的《高新技术(服务业)行业分类标准》和《高新技术(制造业)行业分类标准》的行业代码，将《上市公司行业分类指引》中的行业代码与其对应，在标准中出现的认为是高新技术行业，赋值为1，其余为0。

(5)控制变量。参考以往文献(Xu，2020[5]；Duong et al.，2020[45])，本文选取企业规模、资产收益率、最大股东持股比例、速动比率、杠杆率、企业年龄作为控制变量。企业规模(Size)，使用企业总资产的自然对数进行衡量；资产收益率(ROA)，衡量公司的盈利能力，采用公司净利润占总资产的比率进行衡量；最大股东持股比例(Top1)，是指企业拥有最多股份的股东的持股比例，表示企业的股权集中度；速动比率(Lratio)，用来衡量企业的流动资产可以立即变现用于偿还流动负债的能力，一般来说速动比率过低，企业的短期偿债风险较大，速动比率过高，企业在速动资产上占用资金过多，会增加企业投资的机会成本，计算方法为(流动资产-存货)/流动负债；杠杆率(Lev)，以企业总负债与总资产的比值进行分析；企业年龄(Age)，是观测年份与企业成立年份差额。

2.数据来源

本文以2007-2019年中国A股上市公司为样本，公司财务数据来自CSMAR数据库，EPU数据来自Baker的经济政策不确定性网站，产业政策数据为笔者手工整理得到。考虑到数据的完整性，以及数据质量对实证的影响，本文对数据做了以下处理：剔除在观测期内被 ST、*ST 等特殊处理的上市公司；删除金融行业公司；剔除重要财务数据缺失严重的上市公司；删除观测年份企业年龄小于5的公司。最后得到1069家企业，共2475个观测值。

3.描述性统计

表1为主要变量的描述性统计，表中Rdratio和Lninv的标准差分别为4.30和1.62，说明样本中上市公司的创新活动有很大差异性。其中，研发投入的均值说明，平均而言，样本企业研发投入占营业收入的4.64%。EPU指数的最小值为0.69，最大值为4.03，标准差为1.09，这说明不同年份之间经济政策不确定性相差较大。产业政策的均值为0.59，意味着59%的行业受到“五年规划”支持，产业政策的覆盖面较广。从SOE和High的均值可以发现，样本中，国有企业占比43%，高新技术企业占比66%。

表1 主要变量的描述性统计

(续上表)

四 实证结果与分析

(一)基本检验结果

1.经济政策不确定性与企业创新

表2为经济政策不确定性对企业创新活动的影响。表2中的列(1)和列(4)分别是中国EPU指数对研发投入比率和发明专利申请数量的回归结果。结果表明，经济政策不确定性与创新投入、产出之间存在显著的正向关系，即经济政策不确定性升高会促使企业增加研发投入和产出，因此这个回归结果支持了假说1a。对于企业来说，经济政策不确定性虽然带来了风险，但是也伴随着机遇，为了应对不确定性的升高和获得更大的市场势力，企业可能会选择加大研发投入进行创新活动，试图提高公司竞争力和技术创新水平避免被市场淘汰。另外，对比表2列(1)和列(4)中EPU的系数可以发现，经济政策不确定性对企业研发投入的正向影响更加显著，而对研发产出的影响显著性较低，这一方面是由于创新活动本身具有高度不确定性，另一方面印证了中国企业的创新效率较低(张海洋和史晋川，2011)[52]。

为了进一步研究不同经济政策不确定性水平下企业的创新活动，本文将EPU指数划分为低不确定性(低于EPU指数样本中位数)和高不确定性(高于EPU指数样本中位数)。表2的列(2)和列(5)、列(3)和列(6)分别报告了当EPU指数较低时和EPU指数较高时，经济政策不确定性对企业创新投入和产出的影响。结果显示，当经济政策不确定性低于样本中位数时，其对企业创新活动的影响并不显著，只有当经济政策不确定性高于样本中位数时，才能提升企业的创新投入与产出。

表2 经济政策不确定性与企业创新

(续上表)

2.产业政策的调节作用

中国企业的创新活动在很大程度上还受到国家产业政策的影响，表3中经济政策不确定性与产业政策的交互项代表了产业政策对于经济政策不确定性影响企业创新活动的调节作用(1)囿于篇幅，在后文实证结果中，本文略去了相关控制变量的回归结果，作者备索。。表3列(1)和列(4)分别是产业政策对于中国EPU指数影响企业研发投入比率和发明专利申请数量的调节作用。结果表明，产业政策与EPU指数交互项的系数均为正且在1%的水平上显著，表明产业政策对于经济政策不确定性影响创新投入和产出具有十分显著的正向调节作用。进一步将样本划分为未受到产业政策支持(Policy=0)和受到产业政策支持(Policy=1)两个子样本，结果表明在未受到产业政策支持的行业中，经济政策不确定性对企业创新投入与产出的影响为正，但并不显著，而在受到支持的行业中，影响为正且在1%的水平上显著。也就是说，被产业政策扶持的企业，经济政策不确定性对企业创新活动的正向作用更强，这个结果也验证了前文中的假说2。

为了研究产业政策发挥正向调节作用的最优时机，本文进一步按照EPU指数的中位数将样本划分为低不确定性(低于样本中位数)和高不确定性(高于样本中位数)两个样本。表4为相应的回归结果。可以发现，无论是对企业研发投入还是产出，当经济政策不确定性指数高于样本中位数时，产业政策的正向调节作用更为显著，这说明，经济政策不确定性较高的宏观背景是产业政策发挥其正向调节作用的最优时机。

表3 产业政策的调节作用

表4 产业政策发挥正向调节作用的时机

(二)稳健性检验

1.替换被解释变量

前文创新投入变量使用研发投入(R&D)占营业收入的比率表示，由于企业不同年份的营业收入可能有较大波动，因此本文用研发投入的自然对数(Lnrd)进行稳健性检验；前文创新产出变量使用发明专利申请数量衡量，而发明专利是专利中的一部分，专利申请是专利的其中一种状态，为了从多方面描述创新产出水平，下面用专利申请总数(Lnpat1)、专利授权总数(Lnpat2)、发明专利授权数量(Lninv2)、除发明专利外的专利申请数量(Lnu&d1)和授权数量(Lnu&2)分别作为因变量进行检验。表5列(1)-列(6)结果显示，经济政策不确定性与产业政策的交互项都显著为正，这表明前文的结论较为稳健。

表5 稳健性检验：替换创新变量

2.替换解释变量

前文的EPU指数采用几何平均法将基于南华早报的月度EPU指数转化为年度指数，本文将从以下两个方面进行稳健性检验：一是使用算术平均法将基于南华早报的月度EPU指数转化为年度指数，二是使用算术平均法将基于大陆报纸的月度EPU指数(Huang et al.，2019)[53]转化为年度指数。表6结果与前文基本保持一致，唯一的区别在于列(6)中EPU的系数不显著，t值1.65接近显著，这可能是由于创新产出本身的高度不确定性。

表6 稳健性检验：替换经济政策不确定性指数

3.更换计量方法

首先，相较于OLS，倾向得分匹配(PSM)能够在一定程度上克服选择性偏误问题。由于我们无法观测到受到产业政策支持企业在不受产业政策支持时的具体状况，而受到产业支持和不受产业支持的企业在财务、规模、经营状况等方面的较大差异可能会对结果产生影响，因此需要通过倾向得分匹配法从未受到产业政策支持的企业中匹配出最接近受产业政策支持的企业作为控制组。具体地，本文借鉴陈爱贞和张鹏飞(2019)[54]的做法，使用一对一匹配和核匹配，然后使用匹配结果进行前文的回归检验。匹配后的平衡性检验结果显示(2)囿于篇幅，匹配后的平衡性检验结果省略，作者备索。，实验组与控制组在匹配后组间无显著差异，表明采用的匹配方法效果较为理想。匹配后样本的回归结果见表7，交互项的回归结果与前文基本一致，验证了结论的稳健性。

其次，本文使用发明专利申请数量衡量创新产出，由于专利申请数量为非负、离散的整数，而泊松回归和负二项回归对计数数据能够实现更好的拟合效果，降低回归模型产生的估计偏误。因此本文借鉴袁建国等(2015)[55]、沈国兵和袁征宇(2020)[56]的做法，分别使用泊松回归和负二项回归来检验产业政策调节作用的稳健性，表8的结果进一步验证了前文结论的稳健性。

表7 匹配后的回归结果

表8 泊松回归和负二项回归

(续上表)

4.更换EPU高低的分类标准

如何区分经济政策不确定性的高低？前文按照EPU指数的样本中位数划分，为了检验这种分类标准的稳健性，本部分将中国和美国同一年份的EPU指数进行比较，当中国的EPU指数大于美国的EPU指数时，认为中国的经济政策不确定性较大，当中国的EPU指数小于美国的EPU指数时，认为中国的经济政策不确定性较小。表9结果显示，当中国的经济政策不确定性较大时，产业政策能够发挥显著的正向调节作用，反之，产业政策的调节作用失效。这个结论与前文高度一致，证明了前文结论的稳健性。

表9 更换经济政策不确定性高低分类标准的回归结果

5.考虑内生性

本文使用的经济政策不确定性指数和产业政策指标均为国家宏观层面指标，微观个体的活动很难会对宏观指标产生影响，所以企业创新活动对经济政策不确定性的反向影响很小。前文的解释变量和控制变量均做了滞后处理，这样很大程度上避免了反向因果关系。另外，为了进一步验证实证结果的稳健性和解决潜在的内生性问题，借鉴王义中和宋敏(2014)[57]的研究，本文使用美国经济政策不确定性和美国经济政策不确定性与产业政策的交互项作为工具变量，并使用两阶段最小二乘法(2SLS)进行回归。表10结果与前文基本一致，除了列(2)中EPU指数的系数不显著，这可能是由于创新产出本身的高度不确定性。

表10 内生性：工具变量法(2SLS)

(三)异质性

1.行业属性

由于高新技术行业与非高新技术行业在“创新基因”(资源、人才、投资等)方面有巨大的差异性，本文将总样本分为高新技术行业样本与非高新技术行业样本，表11列(1)-列(4)报告了相应的结果，可以发现在高新技术行业中，经济政策不确定性与产业政策的交互项系数显著为正，而在非高新技术产业中交互项并不显著，这意味着，只有在高新技术行业中，产业政策才能起到显著的正向调节作用。这一结果的可能原因是：相较于非高新技术行业，高新技术行业的产品更新换代更快，企业随时面临“不创新即淘汰”的竞争环境，而创新成功的企业能够获得巨额回报，因此企业的创新意愿更强。另外，产业政策不仅能够给高新技术企业带来充足的资金，还能进一步提升行业竞争程度，从而促使企业在经济政策不确定性较高的背景下持续创新。

2.企业所有权性质

为了检验产业政策调节作用在不同所有制企业中的异质性，本文将总样本分为国有企业和非国有企业两个子样本，表11列(5)-列(8)报告了相应的结果，观察经济政策不确定性与产业政策的交互项系数可以发现：首先，产业政策对非国有企业的创新投入和产出均具有显著的正向调节作用，这是由于在融资方面非国有企业面临严重的“金融歧视”(Brandt和Li，2003[58]；Allen et al.，2005[59])，而产业政策对非国有企业的补贴支持、信贷资金以及IPO审批放松等一系列政策，可以显著缓解其资源与融资约束，从而刺激非国有企业从事研发和创新。其次，产业政策只对国有企业的创新投入有显著正向调节作用，对创新产出的影响并不显著。出现此结果可能的原因是，相较于创新投入，研发产出本身具有较大的不确定性，而中国国有企业的创新效率较低(张海洋和史晋川，2011)[52]，因此国有企业增加创新投入的同时并没有提高创新产出。

表11 产业政策调节作用的异质性

五 产业政策调节作用的机制

前文理论分析表明，产业政策可能通过提高政府补贴、降低融资约束和提高行业竞争程度发挥正向调节作用，因此本部分将对假说2.1-假说2.3进行实证检验。

(一)政府补贴

表12列(1)显示产业政策对政府补贴有显著的正向影响，列(2)说明产业政策对政府补贴的正向作用在经济政策不确定性较高时较为显著，列(3)和列(4)中政府补贴与经济政策不确定性的交互项系数均显著为正，这说明在控制了其他因素之后，政府补贴对经济政策不确定性影响企业创新活动有显著的促进作用。主要原因可能是，当企业获得的政府补贴增加时，一方面企业可以无偿获得资源和资金支持，提升其抗风险能力，在一定程度上直接促进企业的创新活动(周亚虹等，2015)[35]；另一方面获得政府支持可以使其展现正向形象，可能会吸引外部投资者投入资金，增加企业的可用资金，进而扩大研发投入和创新活动(郭玥，2018)[60]。回归结果证实了政府补助是产业政策发挥正向调节作用的传导机制，验证了假说2.1。

表12 产业政策调节作用的机制：政府补贴

(续上表)

(二)融资约束

前文分析表明，经济政策不确定性会加剧企业面临的融资约束，而产业政策的实施可以缓解这种金融摩擦。由SA指数构建方法得知，其指数越小，企业面临的融资约束越大，表13列(1)中产业政策的系数显著为正，表明产业政策能够缓解企业面临的融资约束。而列(2)中两个交互项的系数表明产业政策对融资约束的正向作用只有在经济政策不确定性较高时才显著。列(3)和列(4)中融资约束与经济政策不确定性的交互项系数均不显著，这意味着融资约束对经济政策不确定性影响企业创新活动并没有显著的作用，因此假说2.2的机制并不成立。

出现以上结果可能的原因如下：一方面，当经济政策不确定性较低时，虽然产业政策能够有效缓解企业的融资约束(表13列(2))，然而此时企业扩张市场的动力不足，创新意愿较低；另一方面，当经济政策不确定性较高时，只有融资约束小的企业才能体现EPU对其创新活动的促进作用(顾夏铭等，2018)[13]，而银行作为产业政策使用金融手段的重要主体，其放贷行为在经济政策不确定性较高时更加谨慎，这也造成了产业政策在EPU较高时并不能缓解企业的融资约束(表13列(2))，因此导致了假说2.2的机制失效。

表13 产业政策调节作用的渠道：融资约束

(续上表)

(三)行业竞争

表14列(1)显示产业政策对HHI指数有显著的负向影响，由于HHI指数越低，行业竞争程度越高，这意味着产业政策会显著提升企业所处行业的竞争程度，且列(2)显示这种提升作用在经济政策不确定性高时更为显著。列(3)和列(4)中HHI指数与经济政策不确定性的交互项系数均显著为负，这说明在控制了其他因素之后，行业竞争程度对经济政策不确定性影响企业创新投入与产出都有显著的促进作用。回归结果证实了行业竞争程度是产业政策发挥正向调节作用的传导机制，验证了假说2.3。

表14 产业政策调节作用的机制：行业竞争

六 结论与启示

中国经济目前已进入增速放缓的“新常态”时期，亟需从要素和投资驱动转为创新驱动，而微观企业是效率高、成本低的重要创新主体，然而自2008年金融危机以来，中国的经济政策不确定性持续上升，这是否影响了微观企业的创新活动？以“五年规划”为主的产业政策又能否起到正向调节作用？为了回答以上问题，本文使用2007-2019年中国A股上市公司样本，实证分析了产业政策对经济政策不确定性影响企业创新的调节作用，得出以下结论：第一，只有当EPU指数较高时才能发挥经济政策不确定性对企业创新的正向激励作用。即经济政策不确定性较高时，创新成功带来的超额回报激励企业进行创新活动；第二，产业政策对经济政策不确定性影响企业创新具有正向调节作用。相较于不受产业政策支持的行业，经济政策不确定性对受到产业政策支持的行业的正向激励作用更为显著，且经济政策不确定性高于样本中位数时是产业政策发挥作用的最优时机；第三，产业政策主要通过增加政府补贴和提升行业竞争程度发挥正向调节作用，而融资约束机制并不成立；第四，产业政策的调节作用具有行业和企业所有制异质性。相较于非高新技术行业，产业政策只在高新技术行业发挥正向调节作用。另外，产业政策对非国有企业的创新投入和产出均具有显著的正向调节作用，而对国有企业的创新投入有显著正向调节作用，对创新产出的影响并不显著。

据此有如下政策启示：第一，较高的经济政策不确定性能够激励企业从事创新活动，然而也会带来各种负面影响(如对企业投资的抑制作用)，而且本文发现只有在产业政策支持的行业中，经济政策不确定性才对企业创新有显著的正向影响。因此政府部门应当权衡经济政策不确定性带来的正向和负向影响，避免过于频繁地出台或调整经济政策，而应当更多地发挥周期性产业政策的调节作用；第二，产业政策调节作用的异质性分析表明政府可以通过实施相关产业政策，在经济政策不确定性较高时优化产业结构，为非国有企业在经济政策不确定性较高时创造良好的发展环境，为其创新活动提供资金，从而充分激发非国有企业的创新活力和创造力；第三，本文对产业政策调节作用机制的分析表明政府补贴和行业竞争程度的提高能够有效促进企业在经济政策不确定性较高时从事创新活动，因此政府应更多地采用“普惠型”的补贴政策，提升行业竞争度，促使高效率企业加大创新力度，低效率企业退出市场，从而实现整个行业效率的提升。