“中国制造2025”政策是否促进企业技术创新？

熊英子，张冰倩，唐炎钊

（厦门大学管理学院，福建 厦门 361005）

1 引言

2015年，国务院正式发布了《中国制造2025》的通知，出台了促进我国制造业发展和转型升级的战略部署和相关政策。目前，我国制造业增加值已是全球第一，某些优势领域已接近或者达到世界先进水平，但是，我国制造业的利润率却仅为2.59%，与发达国家相比，制造业发展创新能力不足，人员整体素质和国际市场竞争力方面还是存在一定差距［1］。我国在世界舞台上的形象还是“制造大国”，“中国制造2025”政策的提出将指引我国制造业由“大”向“强”转变，也是我国新时期、经济新常态下的必然选择。

虽说我国目前已建立起了工业门类完备的产业结构体系，综合国力日渐提升，然而高端制造业的发展进入了瓶颈期，“中国制造2025”的提出目的就在于改变现在“大而不强”的困境，经过10年的发展，中国进入制造强国之列，到2045年进入世界制造强国的前列。对于“中国制造2025”行动纲领中提出的第一个基本方针——创新驱动，5年的发展与努力之后究竟答案如何？近几年专利申请数量的爆发式增长真的有效促进了企业创新能力还是只是“象征性”创新？本文将根据专利有效授权类型对企业创新进行区分。由于发明专利的授权需要经过严格的审查，并且强调专利的开创性和实用性，往往具有更高的含金量，因而本文将发明专利产出视为实质性创新；而实用新型和外观设计专利主要是针对产品形状、结构或外观提出的新方案［2］，所以本文将实用新型和外观设计专利产出视为象征性创新。本文将聚焦于十大重点领域的技术创新能力进行实证分析，同时对研究对象进行异质性分析，以期对我国未来产业政策的结构优化调整提供理论参考和实证结果支持。

本文针对“中国制造2025”产业政策对企业创新的影响进行研究，并以产权性质及行业特性进行分组效应分析，同时通过双重差分模型及相关的内生性检验进一步验证“中国制造2025”政策的有效性，研究内容可归纳为以下几个方面：第一部分为引言。阐述本研究的选题背景及研究意义，进一步挖掘出政策实施面临的有效性问题以及现实基础，基于此进行后续的研究内容开展和研究方法选择。第二部分是对相关理论的回顾及文献综述的梳理，并针对“中国制造2025”产业政策提出研究假设，根据相关理论及文献综述，分析了产业政策实施的必要性、政策实施过程中可能出现的问题以及对政策成效性进行总结。另外，聚焦于微观企业层面，讨论产权性质及行业特征对企业创新异质性的影响，依据上述分析提出本文的研究假设。第三部分为实证研究。研究“中国制造2025”政策颁布前后对制造业行业企业技术创新的影响差异，分析影响企业技术创新的可能因素及作用机制，建立多元回归模型，选取有关变量并进行科学论证。为了增强分析的准确性及科学性，利用双重差分模型对政策效应进行检验，识别产业政策对企业创新的影响效果并进一步进行稳健性分析。第四部分为总结与建议。根据以上部分的研究内容和实证结果，总结分析并提出政策建议，对我国高端制造业领域的产业政策提出优化性的参考建议，促进我国制造业的良性发展。

2 文献综述与研究假设

2.1 文献综述

2.1.1 产业政策与企业创新相关研究。经济学上对外部性的定义指自身的行为直接影响外部的经济环境或利益，但是却不通过影响价格来达成，转移了自身行为的后果，也就是说自身行为的后果并没有完全由自己来承担。从定义可以看出，外部性会对经济行为产生一定的影响，对市场价格造成一定的扭曲，相关资源的配置也难以达到最优。面对市场调节不足时，有学者认为应当利用政府这只“看得见的手”进行干预。然而，科斯定理认为“市场失灵”并不是政府对市场施加干预的充要条件，该理论认为产权界定清楚后将有效解决外部性问题，但是现实生活中，界定外部性的成本很高，在相关产权的界定和争论过程中代价过大，很难在合理的成本下界定清楚，从而失去了自愿协商的前提，因此，产业政策的存在，在现有经济体制下具有其合理性。

根据信息不对称理论，市场的认证信号一定程度上可以弥补信息不对称问题，由此Megginson和Weiss两位学者提出了认证理论（Certification Theory）［3］。尽管市场上存在各种有关信息披露的法规，但行之有效的信息披露机制仍然是缺乏的，理性的内部者在获得信息时会倾向于隐瞒或掩盖对自己不利的信息，而外部参与者会猜测内部者发布信息的真实性并产生犹豫。如果市场上存在某些信誉度高的市场主体来为之“背书”，且该主体如果传递的是虚假不实的信息，被市场揭露后会令其背负重大的损失，那么外部参与者很有可能会选择信任该高信誉的市场主体［4］。政府主体天然具有极高的信誉度和信用，政府的相关创新政策和支持措施能够向市场上释放具备政府级别的信用认证，使其他市场主体给予企业更高的认可度和信用度，帮助企业缓解融资约束，提供一定的融资便利性。

Wernerfelt（1984）首次提出了资源基础理论（Resource-Based View），认为企业的发展需要各种资源来支持，不论是有形的或无形的，都会成为企业独特的能力，最终内化为企业的核心竞争力。资源基础理论着眼于企业拥有的各种资源，尤其是那些难以模仿、稀有、特异的资源及能力，通过合理配置这些资源及能力，从而实现企业超额利润和竞争优势的目的。也就是说，企业对超额利润的追求最终都化为对那些稀缺资源和特异能力的追逐、占有及配置。企业不是一个完全封闭的组织，而是一个开放系统，会受到内外部资源的影响和制约，对于企业来说，政府及其他市场主体的支持不仅是重要的资源，还可以通过两者的社会地位和资源网络，帮助企业获取其他关键且稀缺的资源。

2.1.2 企业技术创新的影响因素研究。目前，针对影响企业进行创新的因素存有丰富的研究成果，由于各位学者研究的角度不同，提出的影响因素也各不相同。其中，解维敏等学者（2009）研究认为，政府的科研资助对企业研发支出具有刺激效应，有利于促进企业自主创新［5］；冯福根和温军两位学者（2005）关注的是公司治理与企业技术创新之间的关系［6］；黄德春和刘志彪两位学者（2006）基于波特假设，研究了环境规制与企业技术创新的关系［7］。笔者研读了大量有关技术创新影响因素的文献，从本文的研究目的出发，选取了以下因素进行归纳梳理，以帮助本研究进行后续的假设推导和实证分析。

①所有制。从资源基础理论出发，不同的企业所有权性质能够赋予企业不同的资源配置方式，也决定了企业内部的治理结构和制度安排，进而有可能对企业的技术创新活动产生影响。对于中国企业来说，不同产权性质的企业也许面临着不同的历史包袱以及决策程序。国有企业作为我国国民经济的重要组成部分，具有特殊的历史地位，由于受中央或地方政府的管理和控制，国有企业担任着维护经济平稳发展、社会稳定和谐的重要角色，当其面临亏损或危机时，政府会给予一定的支持或优惠政策，在此背景下，学术界对于国有企业的技术创新作用存在两种不同的声音：一种观点认为，政府对国有企业的政策倾斜会加剧资源冗余，同时国有企业内部僵化的治理结构以及尖锐的委托—代理问题使得资源的浪费更加严重，也会导致特权主义以及代理人不合理的高额薪资问题［8］。另外，国有企业所担负的特殊社会责任，使其决策的程序与非国有企业相比流程更长，很有可能在科技创新竞赛中失去研发创新的最佳“窗口时期”。另一种观点认为，市场在对关键资源配置时常常会存在“市场失灵”的问题［9］，创新过程中关键技术的泄密或溢出效应都会致使企业预期创新回报的损失，使得自主创新活动将面临一定的市场风险。基于国有企业的自身特性，其与非国有企业相比具备一个更加有利于创新的外部环境，通过依靠政府的支持，在金融贷款、亏损补贴及经营保护方面具有得天独厚的优势，另外，我国国有企业的高管往往需要面临政绩考核，在此压力下，国有企业对于研发创新活动也会更为重视。

②行业特性。不同行业具有各自特定的行业属性，企业是否进行创新研发也可能会受到行业属性差异的影响。其中，安同良学者（2016）就曾通过对江苏省制造企业的问卷调查研究，发现行业因素是企业技术创新活动的主要影响因素之一［10］。对于知识密度高、科技含量高、技术研发人员需求量高的高科技行业来说，其在创新活动中会有更强的技术创新动机，且该行业发展速度快，研发竞争激烈，对其他行业的渗透力较强，此类行业的发展对经济和社会进步具有重要意义。高科技行业突出体现了创造力、创新力以及环境友好性，一般来说，当R&D方面的投入超过一般行业时，或者科技人员、研发人员的报酬超过一般行业时，可以认定为高科技行业。

高科技行业的技术创新能力究竟如何？郑曼妮（2016）认为，高科技行业面临的竞争压力更大，为了在科技竞争中生存，该行业更可能进行高质量的创新活动［11］。然而也有学者利用1998—2007年的高科技与非高科技行业的创新效率进行对比，发现高科技行业的资金利用效率较低，创新投入存在较大的浪费［12］。

2.2 研究假设

根据创新理论，在创新研发领域普遍存在创新外部性，创新研发成果是一种具有正外部性属性的公共物品，如果在创新环境中没有足够的激励，较难驱动企业自主进行技术创新，长期以往将导致技术创新产品供应不足，最终将可能影响我国科技创新能力。根据巨人肩膀效应，大量的科技创新都是在前人研究成果的基础上“青出于蓝”。一项技术创新成果的应用和推广，能够为其他科技创新的研发和应用开辟道路，因此，激励创新的产业政策的实施就是在给市场创新环境增加“催化剂”，通过政府政策的倾斜，给予市场主体足够的激励，诱导企业进行技术创新，弥补部分外部性原因导致的激励损失。

基于资源基础理论（Resource-Based View），企业通过占有独特的、不可替代的关键资源，来保持其在市场竞争中的优势地位，而资源的形态可以是有形的，也可以是无形的。其中，该理论认为货币资金为用途最广泛的资源。企业的各项经营决策本质上是在分配各项可支配的资源，指定资源的用途，同时，决策的实施具有不可还原性，所以，在企业做经营决策时，都需要考虑自身的资源储备，通过资源配置来影响企业决策。产业政策的实施不仅包含土地审批、建立研究基地、人才资源等“软支持”，还包括对重点支持领域的国家科技专项基金计划、创新奖励机制及风险补偿机制等“硬支持”，从一定程度上被支持企业拥有了一个丰厚的“资源包”，相比于未被支持的企业产生了资源优势，面对创新研发活动具有更高的灵活性。为了获得这种“资源包”，企业可能更倾向于进行符合政策风格的创新活动。《中国制造2025》文件中通过规模以上制造业研发经费内部支出占主营业务收入比重、规模以上制造业每亿元主营业务收入有效发明专利数来对“创新能力”指标进行衡量，因此，基于政策导向，被支持的企业更有可能进行高质量的创新。

认证理论认为，信息不对称问题会导致其他市场参与者无法完全掌握企业经营的真实情况，如果有高信用的主体对其进行认证，那么市场对该企业的认可度将可能更高，此理论广泛地运用于风险投资及金融领域。在产业经济学领域，政府主体同样具备高信誉、高信用的特征，政府对重点领域企业的支持，可以看作对企业经营与发展潜力的“背书”。研发创新对企业来说是一项资金耗费量和技术人才需求量较大的项目，可能面临研发资金短缺、研发人员匮乏的窘境；而对于有政府“背书”的企业，更有可能从其他市场参与者中吸引投资，同时，“中国制造2025”政策中明确提出了“政产学研用”相结合的方针，这将搭建起企业与高等院校优秀科技人才交流的桥梁，进一步增强企业的创新能力。

基于上述分析，本文提出以下研究假设：

H1：“中国制造2025”产业政策能够促进企业的技术创新；

H2：“中国制造2025”产业政策能够更显著地促进被支持企业的实质性创新。

根据上述文献研究，我国国有企业相对于非国有企业其管理者对于政治目标的追求更加明显，《中国制造2025》文件中强调了要将创新摆在制造业发展的核心位置，国有企业管理者受到政绩考核的约束［13］，对于这一产业政策要求做出的反应可能更加敏感，加之有利的外部创新环境，产业政策对国有企业创新的激励可能更大。此外，基于“创新能力”考核指标的要求，国有企业相对于非国有企业可能有更大的动机去进行高质量创新活动，通过实质性创新成果，提升企业发明专利有效授权量，保证考核指标的达成。

由此，本文提出以下研究假设：

H3：相对于其他企业，“中国制造2025”产业政策对国有企业技术创新的促进作用更大；

H3a：相对于其他企业，“中国制造2025”产业政策对国有企业实质性创新的影响更大；

H3b：相对于其他企业，“中国制造2025”产业政策对国有企业象征性创新的影响更小。

高科技行业具有知识密度高、溢价高、资金需求密集、风险密集的特性，决定了该行业通过创新谋生存的路径。越是高质量的技术创新成果，越有可能保障企业在该行业中立于不败之地，并通过创新竞争获取超额回报。产业政策的支持，一定程度上缓解了高科技行业资金需求量大的问题。根据认证理论，政府重点发展的领域很可能会吸引大量市场参与者的目光，再加之高科技行业本身高风险、高回报的特性，机构投资者更是趋之若鹜；而对于非高科技行业，此类吸引作用可能不及高科技行业。由此可以认为，产业政策对高科技行业与非高科技行业的技术创新促进作用可能存在一定的差异。

由此，本文提出以下研究假设：

H4：相对于其他行业，“中国制造2025”产业政策对高科技行业技术创新的促进作用更大；

H4a：相对于其他行业，“中国制造2025”产业政策对高科技行业实质性创新的影响更大；

H4b：相对于其他行业，“中国制造2025”产业政策对高科技行业象征性创新的影响更小。

3 样本选取及模型设计

3.1 样本选取

为检验“中国制造2025”政策对我国企业技术创新的影响，本文主要采用2010—2019年我国A股上市的公司为样本，为了更加有效地检验政策的实施效果，本文选取2015—2019年五年的时间作为制造强国战略实施后的时间年份，并选取政策实施前的五年，即2010—2014年作为制造强国战略实施效果的参照年份。

为了减少异常数据及样本对研究结果的影响，同时保证研究结论的准确性及针对性，本文按照如下步骤对A股上市公司进行了筛选和整理：①剔除了ST和ST*类上市公司；②为避免特殊业务性质带来数据上的差异，剔除了金融行业；③删除重要研究指标数据大量缺失的上市公司；④由于2012年证监会相关行业分类标准中的制造业企业不一定属于“中国制造2025”政策的支持范畴，同时“中国制造2025”政策支持的范围辐射至行业分类中非制造业行业，所以本文参考了逯东、池毅两位学者（2019）的方法［14］，利用《〈中国制造2025〉重点领域技术路线图》作为筛选依据，将上市公司主营业务及主要产品属于技术路线图支持的重点领域的企业甄别出来作为政策支持企业，设置政策虚拟变量，将样本分为“中国制造2025”政策支持企业和非支持企业。相关财务数据主要来源于国泰安数据库、wind数据库，专利授权数据来源于国家知识产权局网站。由于相关财务数据采用公司合并报表的数据，为了提高数据的一致性，笔者手工整理了上市公司的控制链条，整理出上市公司及其子公司的关系，并通过佰腾网收集补充样本企业专利数据信息。为了消除极端值及异常值对整体数据的影响，针对连续变量进行了1%和99%的Winsorize处理。

3.2 变量定义

3.2.1 被解释变量。企业的技术创新是模型的被解释变量，通过梳理技术创新相关的文献研究，发现主要有两种测量方法：一是企业的专利申请数量、专利引用率或者专利授权量；二是从研发投入的角度来衡量，即企业实际用于研发投入的资金。本文探讨的是“中国制造2025”政策对企业研发创新的影响，通过比较政策实施前后企业的技术创新成果，可以直观地体现出政策投入的实施效果和效用；同时，有效授权意味着后续企业须向专利局缴纳专利年费，如果放弃续费就表明企业预期未来这些专利无益于自身产品市场发展，是一种迎合政策的短视行为，并非实质性的技术创新，因而本文参照邢会等学者的做法［15］，采用专利有效授权数量来衡量企业的技术创新。在我国，专利分为三种类型：发明、实用新型和外观设计，其中发明专利更加强调创造性，需要对产品、方法提出新的改进方案或新的技术方案，申请难度更大，含金量更高，企业的创新能力和质量更强，同时，发明专利授权量也是《中国制造2025》文件中衡量“创新能力”的重要指标。本文参考黎文婧等学者的做法［2］，将企业发明专利（Inven）的有效授权视为实质性创新；将实用新型（Utility）及外观设计（Design）的有效授权视为象征性创新。因此，为了全面衡量企业技术创新的水平，本文将上市公司及其子公司的上述类型专利授权数量加1的自然对数作为企业技术创新的代理变量。

3.2.2 解释变量。部分产业政策研究文献中采用政府补贴、税收优惠、贸易保护等政策手段作为产业政策激励的代理变量，然而，上述手段往往针对某一具体的行业或领域［16］，同时，一些针对公司层面的数据难以获得（如贸易保护、项目审批等），与本文对“中国制造2025”政策的研究不相适应，因此，本文参照陈东华等（2010）［17］、宋凌云和王贤彬（2013）［18］、余明桂（2016）［19］、朱程玉（2020）［20］等学者对产业政策的衡量方式，对国家出台的产业政策相关文件进行解读，进一步定义产业政策（Ip）激励对象。根据2015年国务院印发的《中国制造2025》文件中重点发展的十大领域对样本企业进行筛选，同时笔者参考国家制造强国建设战略咨询委员会发布的《〈中国制造2025〉重点领域技术路线图》文件，人工比对、筛选样本企业的经营范围及主营产品，若上市企业经营范围及主营产品属于“中国制造2025”政策支持的十大重点领域，则认为是政策激励行业，赋值Ip为1，其他为0。

3.2.3 控制变量。根据对以往研究的梳理，选取了可能对企业技术创新存在影响的变量指标作为控制变量。本文选取企业规模（size）、企业年龄（Age）、产权性质（Gov）以及负债率（Lev）、现金流（Cɑsh）、资产收益率（Roɑ）相关财务指标作为本文的控制变量。各变量的定义及具体测量方法如表1所示。

表1 各变量定义及测量方式

3.3 模型设计

本文主要探讨“中国制造2025”产业政策对企业技术创新的影响，所以本文首先利用多元线性回归模型进行因果性影响的分析，由于政策的实施可能存在时滞效应，本研究将其滞后一起处理，具体模型如下：

以上模型是关于产业政策对企业技术创新的影响进行分析，分别检验产业政策对专利有效授权数量（Pɑtent_ln）、发明专利数量（Inven_ln）、实用新型专利数量（Utility_ln）及外观设计专利数量（Design_ln）的促进效果。其中，Pɑtent_ln变量仅代表企业在专利授权数量上的体现，Inven_ln、Utility_ln、Design_ln三个变量进一步研究了专利授权结构，以此探究企业创新的质量，C为截距项，β、α、φ、ω分别为四个模型的系数，ε为随机误差项，下标i为企业样本，t表示时间。

为进一步细分产业政策的影响，对样本进行分组分析，按照产权性质和行业特性分别进行分组检验，将模型（1）至（4）重新进行实证分析。

由于企业内部高管的创新态度和领导力以及地区发展等因素难以获取观测数据，很难通过多元线性回归模型分析所有影响产业政策对企业技术创新作用的因素，会产生遗漏变量的问题，克服内生性问题也成为研究产业政策对企业创新影响的重要环节。因此，本文构建了政策评估研究领域最常用的DID模型进行进一步的研究。

为了更加准确评估“中国制造2025”政策的影响，本文将在多元线性回归模型的基础上进一步采用双重差分模型（Differences-in-Differences Method）来研究产业政策对企业技术创新的政策效应。双重差分法是一种自然实验设计，由周黎安和陈烨（2005）两位学者首次在我国引入使用［21］，该准自然实验的方法能够有效克服内生性，目前被广泛应用于政策评估效果的研究中。本文利用“中国制造2025”政策对十大重点领域的选取，设置处理组和对照组，构建如下DID模型：

在“中国制造2025”政策发布前后，政策关注的十大重点领域企业的技术创新如果出现明显的变化，可以认为该变化可能是产业政策所导致的。根据前文所述，国务院2015年颁布了《中国制造2025》行动纲领，因而政策冲击的年份为2015年，T为政策实施虚拟变量，取值为1时为2015年之后，等于0时为2015年之前；Ip为分组虚拟变量，取值为1时即处理组，表示为“中国制造2025”政策支持的十大重点领域行业，取值为0时即对照组，表示不属于十大重点领域行业。

4 实证研究分析

4.1 描述性统计

表2为本文相关变量观测值、平均值、最小值、四分位数、最大值及标准差的统计结果，通过描述性统计分析先对本文研究样本数据有一个整体的了解。

表2 相关变量描述性统计结果

从统计结果可以看出，产业政策支持（Ip）的平均值为0.611 0，表明在研究期间，有61.10%的样本受到了政策支持。专利授权总数（Pɑtent）平均值为37.91，标准差为187.46，表明研究期间我国专利授权数量差异较大，技术创新能力良莠不齐。其中，发明专利授权数量（Inven）平均值为10.97，占专利授权总数（Pɑtent）平均值（37.91）的28.94%，总体来看，我国高质量技术创新水平可能不高；实用新型专利授权数量（Utility）平均值为21.02，约为发明专利授权数量（Inven）平均值的两倍，总体上看，我国技术创新可能更倾向于小发明或小专利，技术性创新的后劲缺乏；外观设计专利授权数量（Design）平均值为5.91，最小值为0，最大值为929，标准差为33.44。可以发现专利授权总数（Pɑtent）、发明专利授权数量（Inven）、实用新型专利授权数量（Utility）、外观设计专利授权数量（Design）四个变量数据标准差较大，且偏右态分布，对以上四个变量进行了取对数处理后，标准差均显著变小。

4.2 Spearman相关性检验

为了避免变量间的高度多重共线性问题，保证模型的正确性和估计的有效性，对样本数据进行了Spearman相关性分析，结果如表3所示：①主要变量间的相关系数都小于0.5，且VIF最高值为1.58，表明变量间未存在多重共线性问题；②被解释变量Pɑtent_ln、Inven_ln、Utility_ln与解释变量Ip的相关系数分别为0.146、0.226、0.114，且都在1%的显著性水平上相关，Design_ln与Ip的相关系数为0.009，表明产业政策支持对企业创新（专利授权总数、发明专利授权量、实用新型专利授权量、外观设计专利授权量）具有积极作用。上述结果可以在一定程度上支持本文的H1假设，后文将进一步利用多元线性回归模型进行严格检验；③大部分控制变量与因变量间的相关系数在1%的水平上显著，表明本文模型的设计是合适的。

表3 Spearman相关性分析结果

4.3 多元回归模型结果分析

为探讨“中国制造2025”产业政策对企业技术创新的影响，本文对模型（1）至模型（4）进行了多元线性回归检验，表4为模型（1）至模型（4）的检验结果，表中第（1）、（2）、（3）、（4）列分别代表专利授权总数（Pɑtent_ln）、发明专利数量（Inven_ln）、实用新型专利数量（Utility_ln）、外观设计专利数量（Design_ln）模型的回归结果。同时本文对年份（Yeɑr）及行业（Ind）进行了控制，由于篇幅有限，未展开年份（Yeɑr）及行业（Ind）虚拟变量结果。

表4 产业政策对企业技术创新的影响

从表4的检验结果可以看出：①产业政策支持对企业技术创新总体上具有积极作用，模型（1）的Ip系数为0.677，且p＜0.01，表明被产业政策支持会促进企业进行技术创新，增加企业专利数量，支持了本文H1假设。②因表4中模型（2）的Ip系数为0.440，且在1%的水平下显著，模型（3）的Ip系数为0.245，同样在1%的水平下显著，所以笔者对模型（2）和（3）的系数进行了似无相关检验（SUEST）［22］。检验结果表明，Ip系数在两组间存在显著差异，对应的p-value值为0.000，表明“中国制造2025”产业政策可能对发明专利创新的促进作用更大，企业更愿意进行高质量、高含金量的实质性技术创新，支持了本文H2假设；③模型（4）的Ip系数为-0.009，且不显著，表明外观设计类、样式类的微小创新并未受到“中国制造2025”产业政策的显著影响。

上述实证结果表明，“中国制造2025”产业政策能够促进被支持企业进行技术创新，H1假设成立；同时区别于过去的低水平小发明的策略性创新［11］，而是由过去的“数量增长”模式转变为“质量发展”，更加倾向于高水平实质性的创新，H2假设成立。

4.4 产业政策效应分组分析

国有经济在我国经济发展进程中发挥着特殊的作用，国有企业更是国民经济的支柱，其覆盖范围包含了战略性及垄断性行业。国有企业的创新行为可能更容易受到政策的影响，相关政策与资源也更有可能向其倾斜；民营企业与国有企业的资源约束不同，面临的制度环境不确定性也更加明显，而企业创新面临着较大的风险，且有可能是一项难以获利的策略［23］。在较早期的研究中也支持了这一点，相比于民营企业，国有企业有更强的创新意愿［24-25］，但是也有学者认为民营企业的创新能力更强［6，26］。因此，本文进一步划分了产权性质进行分组分析，分别研究国有企业和非国有企业受到产业政策激励时创新活动的质量。

企业技术创新不仅受企业产权性质的影响，也可能会受到特定行业的影响。有学者发现不同行业间的创新活动具有明显的差异［10］，在主要生产要素（诸如劳动力、资本、技术）以及市场发展前景方面的差异可能会影响企业的内部创新活动。顾夏铭等学者（2018）认为高科技行业只有保持持续性的创新活动才能在市场竞争中不被淘汰，并且技术创新竞争中的“领头羊”将获取巨大的回报［27］。高科技行业具有知识密度高、竞争强、收益大、风险密集的市场属性，驱使其具有更大的动力去进行技术创新，因此，高科技行业的创新活动与非高科技行业的技术创新将可能产生一定的差异。本文也将按照是否属于高科技行业进行分组回归分析。

综上所述，为进一步探析产业政策对企业创新的作用机制，本文将根据企业的产权性质以及是否属于高科技企业进行分组分析，分别将国有企业、非国有企业、高科技行业、非高科技行业面板数据命名为Panel A、Panel B、Panel C、Panel D。

本文在进行分组回归结果分析前先进行了似无相关模型的检验（SUEST），此举是为了避免在比较分组样本系数的显著性水平时置信区间重叠可能造成的偏差，从而导致分组回归系数不能直接比较的问题。对四个面板的数据执行SUR估计（seemingly unrelated regression）后，分别检验Panel A-Panel B、Panel C-Panel D两组间的系数差异，检验结果显示对应的Ip系数的p-value均为0.000，表明两组系数差异明显，进行分组回归比较是合适的。

4.4.1 产权性质分组分析。根据表5及表6的结果分析可以发现：①从专利授权总量（Pɑtent_ln）来看，国有企业的表现优于非国有企业，Panel A的模型（1）的Ip系数为1.182，Panel B的模型（1）的Ip系数为0.484，两者都在1%的水平下显著，总体上看，在产业政策的刺激下，国有企业的创新表现比非国有企业的创新表现更优，支持了本文H3假设；②从专利结构上看，Panel A的模型（2）的Ip系数为0.521，Panel B的模型（2）的Ip系数为0.388，两者都显著为正，说明在发明专利实质性创新方面，国有企业和非国有企业都受到了产业政策的正向激励，且国有企业的表现优于非国有企业，支持了本文H3a假设；③Panel A的模型（3）的Ip系数为0.426，Panel B的模型（3）的Ip系数为0.161，在实用新型专利方面，国有企业的成果产出约为非国有企业的三倍；④Panel A的模型（4）的Ip系数为0.234，Panel B的模型（4）的Ip系数为-0.065，在外观设计专利象征性创新方面，产业政策对国有企业具有一定的刺激作用，但对非国有企业产生挤出作用，说明产业政策的支持一定程度上也会引发国有企业“迎合性”创新行为的产生，反对了本文H3b假设。

表5 国有企业多元线性回归结果

表6 非国有企业多元线性回归结果

4.4.2 行业特性分组分析。根据表7及表8的结果分析可以发现：①高科技行业与非高科技行业在专利总量（Pɑtent_ln）回归模型中的Ip系数均为正，表明产业政策能够促进企业的有效创新活动，具体来看，Panel C的模型（1）的Ip系数为0.799，且在1%的显著性水平下显著；Panel D的模型（1）的Ip系数为0.165，在统计意义上不显著。在产业政策刺激下，高科技行业的技术创新表现比非高科技行业更优，支持了H4假设；②当以发明专利数（Inven_ln）来衡量实质性创新水平时，Panel C的Ip系数为0.439，Panel D的Ip系数为0.411，且两者都在1%的水平上显著，说明“中国制造2025”政策可能对于提高高科技行业的实质性创新产出的促进作用更大，这与该政策的制定初衷是相符的，支持了H4a假设；③当以外观设计专利数（Design_ln）来衡量象征性创新水平时，Panel C的Ip系数为0.069，Panel D的Ip系数为-0.300，两者都在统计意义上显著。在产业政策的支持下，高科技行业与非高科技行业相比，对于进行象征性创新行为的意愿更大，拒绝了H4b假设。

表7 高科技行业多元回归结果

表8 非高科技行业多元回归结果

4.5 双重差分模型结果分析

“中国制造2025”政策的实施使一部分企业受到了政策的影响，而另外一部分企业可能未受到影响或者影响较小，因而可以将其理解为一个自然实验。政策的支持可以看作是对实验对象进行了某种“处理”，定义为处理组，而未受政策影响的对象定义为对照组，通过受到政策支持的处理组和未受到政策支持的对照组之间的对比，可以观测到政策产生的效果。

考虑到在多元线性回归检验产业政策与企业技术创新的因果关系时，一定程度上会受到内生性问题的困扰，使结果存在偏误，为了更加科学、准确地评估政策效果，本文利用DID模型进行了自然实验检验，结果分析如表9所示。

表9 “中国制造2025”与企业技术创新

根据上文所述，本文关注的是分组虚拟变量（Ip）和政策实施虚拟变量（T）交乘项（Ip×T）的系数，从表8中可以看出：Ip×T的系数在模型（1）和模型（2）的检验中非常显著，且都为正数，说明“中国制造2025”政策的实施使我国受到政策支持的企业比未受到政策支持的企业的专利数量高出约e0.32，表明本文H1假设显著成立；从专利结构上看，Ip×T的系数在第（1）、（2）、（3）列分别为0.210 1、0.082 2、0.027 5，说明政策的实施对处理组企业的发明专利创新、实用新型专利创新、外观设计专利创新都具有一定的促进作用，且发明专利创新估计的Ip×T系数在1%的显著性水平下显著，“中国制造2025”政策对被支持企业的发明专利创新具有更显著的作用，对外观设计专利创新的作用不显著，说明本文H2假设显著成立。

4.6 稳健性检验

4.6.1 平行趋势检验。双重差分模型使用的前提条件是需要满足平行趋势（common test）假设，为了保证检验结果的无偏性，在产业政策实施前，处理组和对照组应该拥有共同趋势。

本研究通过画图和回归的方法来进行平行趋势假设的稳健性检验。将模型（5）中的Ti,t项变为年份虚拟变量，如果在政策实施前有n年，设置n个年份虚拟变量，同时生成了与Ipi,t相乘的n个交互项，利用交互项检验政策冲击前处理组和对照组的差异，如果交互项不显著，即表示不存在明显差异，通过平行趋势假设；然后，通过事件研究法绘制处理组和对照组的检验图。为了进行平行趋势检验，本文构造了以下检验模型：

本文以2015年作为政策实施的基准年，选取2015年前后3年进行趋势检验，结果显示：在2015年以前的年份，系数γk的回归结果在统计意义上不显著，也就是说在置信区间内存在0值，两者不存在显著差异，基本通过了平行趋势假设。根据检验结果绘制的趋势图（图1）所示：γk的系数在“中国制造2025”政策实施前确实在0值附近波动，而政策实施后，γk的系数显著大于0值，这说明本文的双重回归模型是合适的，处理组和对照组可以进行比较分析。

图1 平行趋势检验结果图

4.6.2 安慰剂检验。本文根据“中国制造2025”产业政策的“准自然实验”，利用2010—2019年上市企业的面板数据，针对产业政策对企业技术创新的影响进行了政策评估，但是对于研究的结论而言还存在一个质疑，即专利数量指标显著可能受到某些未考虑到的随机因素影响，模型中可能存在重要的遗漏变量，因此，笔者借鉴了Liu和Lu（2015）两位学者［28］以及周茂等学者（2018）［29］的研究方法，通过对随机生产实验组进行安慰剂检验，来检测产业政策对企业技术创新的促进作用是否由未观测到的随机因素造成。

本检验的目的是为了排除由于遗漏变量而产生的其他随机性因素对企业技术创新产生的作用，该检验可以使本研究因果识别效应的可信度得到增强。本研究通过多次随机抽取实验组，并且纵向合并1 000次安慰剂结果的系数和标准误，利用Stata 15软件绘制其分布图进行观测，如果系数集中分布于零附近，即可以认为不存在随机性因素干扰估计结果，进一步证明实证结果是无偏的。

笔者利用Stata 15软件进行安慰剂检验绘制了图2，可以从分布图中看出，t值统计量明显收敛于0值附近，这说明“中国制造2025”产业政策对企业技术创新的作用比较稳健。

图2 安慰剂检验结果图

5 总结与建议

本文为了研究“中国制造2025”产业政策对企业技术创新的作用，选取了2010—2019年公司专利授权数据及财务数据，从企业微观层面的视角来检验宏观的产业政策效果，依据前文相关理论的阐释与实证分析，本文的研究结论如下。

第一，“中国制造2025”产业政策对企业技术创新存在促进作用，对不同专利类型的产出存在一定的差异，其中对于发明专利、实用新型专利具有显著的促进作用，对于外观设计专利不具有显著影响。

第二，“中国制造2025”产业政策对不同产权性质的企业技术创新存在促进作用，且对于实质性创新的产出具有显著的积极作用。与其他企业相比，“中国制造2025”产业政策对于国有企业技术创新的促进作用更大，且在发明专利创新产出方面具有更显著的促进作用。

第三，对于不同行业特性的企业来说，“中国制造2025”产业政策对高科技行业的技术创新激励效应更加显著，且对不同类型专利（发明专利、实用新型专利、外观设计专利）的促进作用都很显著。

结合本文的理论分析与实证检验结果，为了实现中国制造业由“大”向“强”的转变，更好地发挥产业政策的作用，提出以下建议，希望对相关实践提供参考。

首先，随着我国经济发展进入新常态阶段，政府在制定相关产业政策的时候，应更加注重功能性、普惠性产业政策的运用。传统的政府补贴手段可能并不能真正促进企业创新［12］，而需要通过一揽子产业支持措施来促进企业技术创新，充分发挥市场机制的作用，强调市场主导、政府引导，减少政府的直接干预，改变过去选择特定企业或产品进行扶持的模式，转变为功能性产业政策，发挥市场在资源配置中的决定性作用，利用“市场友好型”的产业政策，去完善“市场失效”的问题，弥补市场调节不足的缺陷，提供更完善的制度保障，促进创新研发活动的顺利开展。

其次，政府在制定和实施相关产业政策时，应充分考虑不同行业、不同企业性质的异质性。政策的实施应当“因事制宜”，不能对所有的创新行为不加甄别地支持，容易造成创新资源配置错乱。建议政府成立相关创新小组，对企业的专利产出进行识别，对于技术含量高、应用前景广阔的实质性创新给予大力支持，激励其进行后续的研发创新；建立政策扶持绩效监测机制和退出机制，形成严格的创新绩效评估体系，避免出现企业利用产业政策进行短期投机行为；对于产能过剩的行业，也要通过过渡性退出机制引导其更好地适应市场竞争，摆脱对产业政策的依赖。

最后，对于企业自身而言，应当妥善利用好产业政策提供的支持，提升企业价值，在创新和生产过程中发现并解决问题，增强质量管理，加强企业人才培养。企业的经营管理也需要走出舒适圈，摆脱过去对政府补贴的依赖，积极主动适应市场竞争规则，尊重并维护知识产权，提高自身在国际上的竞争力，利用好两个市场、两种资源，深化国际合作，积极推动产业升级转型。