区域试点政策对创新的作用效果与途径研究

王晶晶，张伯超

(上海社会科学院 经济研究所，上海 200020)

一、问题提出与相关研究

创新是实现中国经济高质量增长的关键。为了实现创新战略，区域试点是中国重要的产业政策，2008年创新型试点城市在深圳的开建就是其中一项重要的措施。除了创新型试点城市这一政策，较早展开的国家高新区建设政策以及经济技术开发区政策也是重要的区域试点政策。截至2020年，共设立国家创新型城市78个，国家高新区169个，国家经济技术开发区219个，区域试点政策已经取得重要成果。那么，这三类政策——创新型城市、高新区、经济技术开发区如何提升中国的创新能力？拉动创新能力提升的途径，除了创新投入规模的增加外，还来自创新投入利用效率的提高。更进一步，一国创新效率的提高，不仅来自部门自身创新投入利用效率的提高，还来自部门之间创新投入配置效率的提高。因此，本文将使用城市层面面板数据，利用双重差分方法，从城市自身和城市之间两个维度，考察中国三类区域试点政策对总体创新水平的影响。在考察城市自身时，主要分析政策对试点城市自身创新能力、创新投入规模和创新投入利用效率的影响；在考察城市之间时，进一步分析政策对城市之间创新投入配置效率的影响。本文的研究旨在对中国区域试点政策作用与创新的效果给出客观评价，并为其转型优化提供现实依据。

已有学者对区域试点政策对创新的效果展开了评估[1]。李政和杨思莹(2019)分析指出，高新区和创新型城市试点政策对最终创新能力都有着显著的促进作用[2-3]。区域试点型政策作为世界很多国家普遍采用的政策[4]，通过吸引高新技术企业集聚、增加投资与就业，从而形成集聚经济。就具体的政策实践，李政和杨思莹(2019)将其总结为四个方面——加强战略引领、促进要素集聚、重视企业创新、完善创新环境[3]。而一个重要的问题是，以创新提升为目的、以城市试点为基础的区域试点型政策是如何作用于最终创新能力的？前期研究多是从政策试点城市自身的角度解答这一问题，而其评估的对象也多是最终创新成果——创新力指数。然而，即便从城市自身的角度，创新能力的提升还包括创新投入规模的增加和创新投入利用效率(1)尽管依据创新价值链的定义，创新的整个过程可分为科技研发阶段(创新投入到专利的阶段)和成果转化阶段(专利到最终产品的阶段)，相应的效率可分为科技研发效率和成果转化效率，但是如果以成果转化阶段的最终产品作为产出来测算投入利用效率的话，那么本文所指的创新投入利用效率则是科技研发效率和成果转化效率的综合。的提高，既有文献对此涉及较少。

近年来，为了提高创新能力，中国研发经费投入也在快速增长，自本文样本期2003年开始，年均增长率达到14.3%，截至2020年其占国内生产总值(GDP)的比重达到2.2%，已超过经济合作与发展组织成员国的平均水平。一些研究指出，地理依赖型政策将促进生产要素投入的集聚，比如促进外商投资、本地投资以及职工人数的增加[5-6]。以创新为重要目标的三类区域试点型政策是否也促进了创新要素投入的增加？尽管近年来中国创新投入快速增加，但高质量研发成果仍存在不足。魏尚进等(Wei et al.，2017)指出中国全要素生产率(TFP)依然较低，仅为经济合作与发展组织成员国的一半，近年来甚至是负增长[7]。即便以创新的直接成果来衡量，虽然中国专利数量也在快速增加，但是高质量专利却仍缺乏，唐要家和孙路(2006)指出中国大量专利无法有效地转化为新产品或技术[8]。中国研发投入快速增加，但是高质量研发成果却仍较少，这反映出中国创新投入利用效率较低的问题。有些研究认为，区域试点政策将提高生产率[5]。而有些研究指出，这类政策更多是在依赖税收优惠、土地优惠、财政补贴等政策红利[9]，却忽视了生产效率的提高[10-11]。

除了政策对试点城市自身的影响，另一个重要的问题是政策实施对整个国家的影响。尽管部分以高新区政策为例的研究指出，高新区政策对政策实施城市的作用并非源于对周边城市的掠夺[3]，但是作为基于地域的产业政策，区域试点政策仍是选择性的政策，有些城市被选中实施试点政策，而有些城市没被选中。如果将整个国家的资源看作一整个“蛋糕”，那么区域试点政策必然会涉及有效分配问题。根据靳来群等(2019)的分析，创新效率可分为两个层面，创新投入利用效率(城市自身)和创新投入配置效率(城市之间)[12]。这一概念的细分在有关生产效率的分析中已比较成熟，比如近年来比较丰富的生产要素配置效率的研究[13]。被试点政策选中的城市吸引了大量的研发要素集聚，从整个国家的宏观层面来讲，这正是资源配置的过程。有较多研究已经着重分析了中国生产要素的配置效率问题，谢长泰和克莱诺(Hsieh & Klenow，2009)早已明确指出中国生产要素错配程度严重，其优化将是提升中国全要素生产率的重要途径[14]。也有部分研究对经济政策对资源配置效率的影响展开了探讨[15-16]，然而近年来部分研究指出中国的创新要素配置效率也亟待优化[7，17]。靳来群等(2020)通过对两类要素配置效率的评估发现，创新要素的结构性错配程度甚至比生产要素错配更为严重[18]。那么，具有选择性质的城市试点政策如何影响创新投入的配置效率成为值得研究的问题。

二、机制分析

一国创新能力的提高，既离不开创新投入规模的增加，也离不开创新效率的提高。而一国创新效率的提高又可分为两条途径：一是部门或企业自身创新投入利用效率的提高，二是部门或企业之间创新投入配置效率的提高。本文在分析区域试点政策对创新能力的作用机制时，也将从创新投入规模、创新投入利用效率、创新投入配置效率三个方面展开分析。

(一)区域试点政策对创新投入规模的作用机制

首先，试点区域将通过完善基础设施，吸引优质企业入驻，形成明显的经济集聚。集聚加强企业之间的竞争，迫使企业增加研发投入，提高创新能力和生产效率。此外，当地政府将提高行政服务能力，降低企业的交易成本和运行成本，使企业有更多的精力和资金投入生产与研发中；同时，当地政府也会加强专利保护力度，更好地维护企业研发收益，激励企业更多地投入到研发中去。

其次，区域试点政策的重要目标在于促进区域内科技创新能力。为配合该目标，当地政府会加大对科技创新的补贴，该区域内企业会加大自身研发经费投入。试点区域内的企业相对于区域外企业，还享受着更低的土地价格和更加优惠的税费政策，而这些优惠政策将会降低企业的运行成本，使企业能够有更多的自身资源投入到科技创新上。试点区域也会降低企业的融资成本，使企业能够得到更多的外部资金用于科技创新。

再次，试点区域也将加快创新基地建设、加大人才引进力度。人才是创新的最根本要素，各地在吸引创新资本进入的同时，也通过各类人才政策和科研团队建设政策，如户口安置、子女入学、安家补助、科研经费等政策，展开高强度的“抢人大战”。试点区域将集聚较多高素质的创新人才和高水平的创新团队。因此，中国区域试点政策将通过提高试点区域的创新资本与创新人员投入以提高试点区域的创新能力。

(二)区域试点政策对创新投入利用效率的作用机制

首先，试点区域作为创新要素的集聚区，将产生显著的经济集聚效应。在政府各类优惠政策的引导下，试点地区汇集了高密度和多层次的创新资本和创新人员。创新要素在空间上的聚集会通过技术溢出、劳动池和中间品投入联系以及共享、匹配和学习效应等来促进本地的创新效率。技术溢出使试点内以及试点外的企业能够获得正外部性，进而能够提高城市整体的创新效率。同时，集聚区内汇集了生产多样性和专业化的企业，也创造了更多的就业，使得企业和工人之间匹配数量、质量以及效率得到提高。

其次，试点区域也会配套相对便利的城市交通、信息等基础设施。这不仅能够打破科技创新活动的时空距离障碍，也能够缓解信息不对称，促进知识与技术的交流与传播，进而有助于提高城市创新投入利用效率[19]。

再次，为了更好地发挥试点区域的创新示范效应，地方政府也会积极推动试点区域的企业与本地的高校、研究机构融合，形成政产学研创新链体系。这种研发成果的共享和风险共担机制也能激发多主体的创新活力，提高创新效率。创新创造又是新技术产生、扩散和累积的过程，从而容易形成良好循环。

然而也应看到，政策试点城市存在的创新支持体系不健全、产权界定不明晰、政府干预过度等问题也会在一定程度上限制创新投入利用效率的提高[20]。而且过度集聚会扭曲市场竞争机制，容易助长企业创新惰性[21]。不仅如此，尽管试点地区的企业能够获得政府更多的研发支持，但由于存在信息不对称问题，创新激励难免会带来企业的“研发操纵”问题[22]。这就很难提高城市创新效率。已有研究也发现了一些端倪。比如，白素霞和陈彤(2021)对高新区高新技术产业的测度分析发现其创新效率普遍偏低[23]。梁向东和阳柳(2021)则指出国家自主示范区的创新溢出效应并不显著，甚至抑制了创新效应的空间扩散[24]。因此，区域试点政策是否促进了创新投入利用效率的提高，依然需要进一步的评估。

(三)区域试点政策对创新投入配置效率的作用

区域试点政策的选择性特征意味着国家仅选择一部分城市作为试点。这样的选择性政策伴随着创新投入的再配置过程。如果某城市创新投入相对不足，而试点政策恰好选中了该城市并提高其创新投入规模，那么这样的试点政策则优化了创新投入的配置效率。相反，如果某城市创新投入过度，但试点政策仍配置给了该城市并继续加大创新投入，那么这样的试点政策则恶化了创新投入配置效率[12]。

以国家开发区(包括了高新区和经济技术开发区)为例，国家级开发区主要是由省级开发区升级而来，这也意味着，在获批国家级开发区时，该城市已经建设省级开发区多年，有着一定的科技创新基础。在申请国家级开发区时，城市首先根据自身的发展情况提出申请，然后中央政府再批准，这一“自下而上”的过程也使国家开发区的批准有着更好的信息对称性。中央政府部门在审批试点城市时，主要参考其经济发展水平、人力资本水平、产业结构、创新成果及各类创新平台发展情况等指标，同时也会派相关专家展开实地考察并提出建议等。由此，信息更为对称区域导向型政策将更容易惠及那些创新投入不足的城市。因此，以创新为重要目标的区域试点政策，对创新投入配置效率将有着重要的优化作用。

三、实证研究设计

(一)计量模型与变量设置

首先，为了实证分析三类区域试点政策对创新成果、创新投入规模及利用效率的作用，本文构造如下多期双重差分(DID)模型展开实证分析：

rdit=β0+β1didit+γXit+ui+νt+εit

(1)

其中，解释变量为是否存在区域试点政策虚拟变量(did)，具体包括创新型城市建设虚拟变量(cxcs)、高新区建设虚拟变量(gxq)和经济技术开发区虚拟变量(jkfq)，同时控制个体效应(ui)和时间效应(vt)。当相关政策发生时，政策虚拟变量(did)取值为1；未发生时，该变量取值为0。试点城市及其政策开始时间来自相关政府网站和《中国开发区审核公告目录》。

被解释变量(rd)既包括创新成果(patent)的对数，又包括创新投入规模——研发人员(rl)和研发资本(rk)的对数，还包括创新投入利用效率(A)。

创新成果(patent)用创新力指数衡量[25]。尽管较多研究使用专利数量衡量创新成果，但这种做法忽略了不同专利之间价值的差异性。复旦大学研究团队[25]在构造创新力指数时充分考虑到了这一问题，使用创新力指数更能客观反映不同城市之间的创新成果。创新投入主要包括研发人员(rl)和研发资本(rk)，较多文献使用研发人员全时当量衡量前者，而城市层面的该数据并无披露，本文用科研技术服务从业人数衡量；后者使用历年研发资本存量表示，采用公式Kit=(1-η)Kit-1+Iit计算得到(永续盘存法)，基期存量采用公式Kib=Iib/(gi+η)得到。其中，折旧率η取值15%，研发支出I用城市统计年鉴披露的科学支出衡量，gi为年均科学支出增长率。

创新投入利用效率(A)，参考有关创新投入利用效率研究的通常做法[26-27]，设置创新产出函数为C-D函数形式，得到yit=Aitrkitαrlitβ。参考已有文献[12]对创新产出函数的估计结果，研发资本投入产出弹性α取值为2/3，研发人员投入产出弹性β取值为1/3。

shareit=β0+β1Ait+β2didit+β3didit×Ait+γXit+ui+νt+εit

(2)

其中，创新投入的配置效率(即投入与其利用效率的相关性)可用系数β1+β3did衡量，则系数β3体现城市试点政策对创新投入配置效率的调节作用。当β3显著为正时，意味着城市试点政策优化了创新投入的配置效率，反之亦反。参考已有文献[25]的做法，创新产出份额shareit用城市i年份t的创新力指数占当年所有城市创新力指数总和的比重衡量，创新投入利用效率Ait的计算同上文。

控制变量X主要包括：用人均国内生产总值(GDP)衡量的经济发达程度(dev)，用第二产业和第三产业占比衡量的产业结构(ind)，用外商直接投资比重衡量的开放程度(fdi)，用财政支出占比衡量的政府干预程度(int)，以及用人口总量对数衡量的城市规模(siz)。

(二)数据来源和描述性统计

本文所用数据为285个地级及以上城市层面面板数据，时间跨度为2003—2019年。其中，由于所用指标中正式披露的创新力指数数据仅到2016年，因此近年数据主要用插补法得到。创新力指数来自《中国城市和产业创新力报告》，其他数据主要来自《中国城市统计年鉴》。描述性统计分析见表1。

表1 各变量的描述性统计

四、区域试点政策对城市自身创新成果、投入规模及其利用效率的作用

(一)基础实证结果及分析

本文利用模型(1)实证检验了三类区域试点型政策对创新成果的作用，结果见表2。在实证分析时，首先构造了一元回归面板模型作为基础，如列(1)、列(3)和列(5)所示；接着加入控制变量以避免遗漏变量问题，如列(2)、列(4)和列(6)所示。可以看到，无论是创新型试点城市建设(cxcs)，还是高新区(gxq)和经济技术开发区(jkfq)，对创新成果都有非常显著的正向效应。相对于无政策实施的城市而言，以创新为重要目标的区域试点政策一定程度上促进了政策实施城市的创新水平提高。

表2 三类区域试点政策对创新成果的作用

表3进一步列示了三类区域试点政策对创新投入的作用，可以看到三类政策也都促进了政策实施城市的创新投入，尤其是研发资本投入。政策试点城市通过提供各类税收、土地政策优惠，以及创新基础设施和制度上的保障，促进了创新要素向政策试点城市的集聚。这样的集聚效应也可以通过促进企业创新的竞争与协作，提高企业自身创新投入，最终带来政策试点城市综合创新投入的增加。

表3 三类区域试点政策对创新投入的作用

尽管这样的试点政策带来了创新投入的增加，但是在投入集聚的过程中，这些政策是否也带来了城市自身创新投入利用效率的提高？本文就此问题展开分析。利用模型(1)，将所测算的创新投入利用效率作为被解释变量，得到回归结果如表4所示。

由表4可以看到，三类区域试点型政策并没有促进创新投入利用效率的提高，创新型城市政策(cxcs)对创新投入利用效率甚至存在着显著的抑制作用。原因在于：首先，如程郁和陈雪(2013)[29]、袁航和朱承亮(2018)[30]对高新区的分析，这类试点城市政策在很大程度上依赖于政策优惠、土地开发、要素优惠以及招商引资等增量路径，多以要素驱动为主，并已出现投入规模不经济问题。已有研究仅针对生产过程，在创新过程中也会存在这些问题。同时，政策试点城市存在的创新支持体系不健全、产权界定不明晰、政府干预过度等问题[20]也在一定程度上限制了试点城市创新投入利用效率的提高。其次，被选中作为各类试点城市的地方政府在利用相应创新补贴、税收优惠吸引和促进企业创新时，存在严重的信息不对称问题，既不能拥有企业技术演进和发展的完全信息，也无法就企业的研发前景进行正确的预见[31]。因此，政策具体实施时可能无法帮助那些真正的高质量创新型企业，在一定程度上存在配置效率低下问题[17]。最后，地方创新水平作为考核官员是否晋升的一重要政绩标准，也会促使地方官员出于短期内得以晋升的目的，而去扶持那些创新又多又快的企业，使得企业也愿意避开那些风险高周期长的高质量创新。最终导致试点城市政策提供的创新补贴等激励创新的措施会使企业“策略式”地增加专利数量，而忽视了专利的质量[32]。本文创新成果指标采用的是复旦大学研究团队[25]的创新力指数，该指数的编制虽然基于城市的专利数量，但同时又基于专利的价值进行了调整。试点政策虽然表面上增加了企业的创新投入和创新成果，但这些创新成果仅是价值较低的专利，当以专利价值调整后的创新力指数作为创新成果测算创新投入利用效率时，实证结果表明试点政策无法提高创新效率。

表4 三类区域试点政策对创新投入利用效率的作用

(二)动态分析与平行趋势检验

参考平行趋势检验的常用方法[33]建立模型(3)，分析相关区域政策对创新成果、投入及其利用效率作用的动态性：

(3)

其中，j取值为-6，-5，...，5，6。假设区域试点政策首次执行年份为si，如果t-si= -6(政策执行前的第6年)，则d-6it=1，否则为0。而对于那些早于政策执行6年的时期归并到-6，政策执行后6年的归并到6。考虑到政策实施前一年，城市会提前做出相应准备以期被政策选中，因此选取政策实施前的第二年为基期。

表5列示了各类区域试点型政策对创新成果及研发资本投入的动态作用结果。基于表3，区域试点政策对研发人员的作用并不显著，因此在此并无列示。变量d-6到d-1回归系数不显著或为负，这表明在政策实施前实验组和控制组之间满足平行趋势假设。而政策实施当年及以后年份，可以看到变量d0至变量d6都比较显著，且回归系数多呈现出逐年增大的趋势。这说明政策实施后，城市创新成果以及创新资本投入得到了显著提升，并且这种促进效应随着政策实施时间变得越来越大。区域试点政策带来创新资源向政策实施城市的集聚，并且政策实施的时间越久，这种集聚效应越明显。

表5 区域试点政策对创新成果和投入作用效果的动态分析

图1中绘制了区域试点型政策对创新投入利用效率的动态作用和90%置信区间，横轴表示政策实施的时间，如“-5”表示城市被选中实施试点政策前的第5年，相应的“5”则表示政策开始实施后的第5年。可以看到，政策实施前第6年到前第3年，也就是式(2)变量d-6到变量d-3，其回归系数的置信区间包含了“0”，意味着无法拒绝0假设，这也表明了在政策实施前实验组和控制组之间满足平行趋势假设。政策实施后的第2年(也就是变量d2)，其对创新投入利用效率的负向影响最为明显，随着政策实施时间越来越长，其对创新投入利用效率的负向作用虽然一直存在且显著，但也越来越小(回归系数逐渐接近于0)。由表4可以看到，高新区政策与经济技术开发区政策的实施对创新投入利用效率并不显著，在此不再对其进行动态分析。

图1 创新型城市政策对创新投入利用效率作用效果的动态分析

综上，三类区域试点型政策主要通过促进政策实施城市创新投入的增加带来城市创新力的提高，并且政策实施时间越长，作用越大。而对创新投入利用效率而言，高新区政策和经济开发区政策并无显著作用。尽管创新型城市政策对利用效率有着一定的抑制作用，但该作用也将随着时间的推移而变得不明显。

五、三类区域试点政策对城市之间创新投入配置效率的作用

基于前文的综述，区域试点型政策仍是选择性的政策，有些城市被选中实施试点政策，有些城市没被选中。这样选择性的试点城市政策如何影响创新投入的配置效率？接下来本文就该问题展开分析。基于式(2)，实证结果如表6所示。

可以看到，创新投入利用效率变量A显著为正，这表明创新投入利用效率高的城市，得到了更多的创新投入，生产了更多的创新产出，创新投入在城市间的配置具有一定的有效性。而交互项cxcs×A、gxq×A、jkfq×A的回归系数也都显著为正，这表明城市试点型政策加快了创新资源向利用效率更高城市的流入，也就是说三类政策都优化了创新投入的配置效率。

表6 三类区域试点政策对创新投入配置效率的作用

(4)

(5)

(6)

(7)

为检验区域试点型政策如何作用于研发投入配置效率，建立计量模型：

(8)

其中，被解释变量包括了研发人员投入力度pl和研发资本投入力度pk。解释变量中虚拟变量dl和dk刻画了投入不足和过度两种状态。当不足时，dl和dk等于0，当过度时，dl和dk等于1。交互项did×d则刻画了两种状态下，政策对投入力度影响的差异性。其中，系数β2为不足状态下政策的效果，系数β2+β3则为过度状态下政策的效果。

政策对研发资本投入力度影响的实证结果如表7所示。如列(1)—列(3)所示，对于研发资本而言，用以反映投入不足状态下政策作用变量cxcs、gxq、jkfq都显著为正，用以反映投入不足和过度状态下政策作用差异的交互项jkfq×d显著为负。进一步从回归系数的大小可以看到，投入不足状态下，创新型城市政策(cxcs)对投入力度的作用系数为0.396 4，并且显著为正，即创新城市政策缓解了城市投入的不足。投入不足状态下，高新区政策(gxq)对投入力度的作用系数为0.790 2，即高新区政策缓解了城市投入的不足。这意味着创新型城市政策和高新区政策通过弥补研发资本投入的不足，优化了城市间的研发资本配置。对于经济技术开发区政策而言(jkfq)，经济技术开发区政策缓解了投入的不足(对投入力度的作用系数为0.554 3)，并减轻了投入的过度(对投入力度的作用系数为0.554 3～0.836 6)系数显著，意味着政策优化了研发资本配置效率。

对于被解释变量为研发人员投入力度pl而言，如表7列(4)—列(6)所示，三类政策变量cxcs、gxq、jkfq的回归系数都不显著，同时交互项cxcs×dk、gxq×dk、jkfq×dk也不显著。这意味着三类政策并没有对研发人员投入产生明显影响。这与前文分析相符，区域试点型政策既没有带来研发人员投入规模的变化，也没有带来研发人员配置效率的变化。

综上，区域试点政策(尤其是高新区政策和经济技术开发区政策)总体上优化了创新投入的配置，而且这样的优化作用主要是通过优化研发资本的配置而实现。

表7 三类区域创新政策对研发资本与研发人员配置效率的作用

六、异质性分析

参考已有研究以及中国经济发展的现状，可以发现区域间存在明显的地理位置与政治地位的不平衡发展问题。东部地区相对于中西部地区，有着较高的经济发展和市场化程度，这正是区域政策发挥作用的软环境。东部地区软环境的相对优势是否会使区域政策对创新成果、创新投入，及其利用效率和配置效率的作用更加明显？省会城市或副省级城市相对于一般城市有着更高的政治地位资源获取能力，那么区域政策向这类城市的倾斜是否会降低政策的边际作用？本文通过将所有城市划分为东部地区和中西部地区，以及省会或副省级城市和一般城市，展开分组回归以回答上述问题，实证结果如表8和表9所示。

分地区来看，表8显示，在东部地区三类区域试点政策对创新成果的作用显著为正，而中西部或者不显著(如创新型城市政策变量cxcs和经济开发区政策变量jkfq的回归系数)，或者回归系数相对较小(如高新区政策变量gxq的回归系数)。从三类区域试点政策对创新资本投入的影响系数看，东部地区也都要大于中西部地区。表9显示，经济发达程度和市场化程度较高的东部地区，三类政策都显著促进创新资源向高生产率城市的流入，进而优化资源配置效率，并且东部地区优化资源配置的能力要高于中西部地区(由变量cxcs×A、gxq×A、jkfq×A的回归系数的显著性及大小可以看出)。三类政策对创新投入利用效率的负向作用更多体现在中西部地区。由变量cxcs、gxq、jkfq的回归系数可以看出，中西部地区更多依赖政策带来的投入增加以提高创新力，而忽视创新投入利用效率的提高。

分政治地位来看，表8显示，在省会或副省级城市，三类政策并没有促进创新成果的增长，而一般的城市其作用却显著为正。而且对于创新资本投入的作用效果，一般城市要远高于省会或副省级城市。而表9显示，省会或副省级城市三类区域试点政策对资源配置效率的作用都显著为正，且系数大小也都要高于一般城市。然而，省会或副省级城市的政策对创新投入利用效率的作用却显著为负，或负值绝对值大于一般城市。

综合表8和表9可以看到，由于更高的经济发达程度和市场化程度，东部地区无论是在创新投入规模还是创新投入配置效率上，三类区域试点政策的正向作用都高于中西部地区；政策对创新投入利用效率的负向作用主要体现在中西部地区。相对于一般城市，省会或副省级城市具有较高的资源获取能力，再增加一个“园区”的头衔，并不能为其带来更多的创新投入，也无法提高其利用创新投入的效率；但是三类试点政策增加了资源利用效率更高城市的创新投入，优化了创新投入的配置效率。

表8 对创新成果和投入的异质性分析

表9 对创新投入配置效率和利用效率的异质性分析

七、结论与启示

本文主要研究了创新型城市、高新区和经济技术开发区三类区域试点政策对中国创新的影响及其作用途径。通过将创新成果分解为创新投入规模和利用效率，从试点城市自身的角度展开了分析，结果表明，三类政策主要通过促进试点城市创新投入增加而带来了创新成果的提高，并且随着试点政策实施时间越长，作用越大；对创新投入利用效率而言，高新区政策和经济技术开发区政策并无显著作用，甚至创新型城市政策对利用效率有着抑制作用，不过该作用将随时间推移变得越来越不明显。区域试点政策是选择性政策，成为政策试点城市将带来创新投入的增加，城市之间的创新投入配置效率。本文发现，试点政策通过弥补试点城市研发资本投入的不足，减轻研发资本投入的过度，优化了城市之间创新资源的配置效率。异质性分析表明，三类区域试点政策对创新投入规模和配置效率的正向作用在东部地区要比中西部地区明显；政策对创新投入利用效率的负向作用主要体现在中西部地区。试点政策对创新投入和利用效率的作用在省会或副省级城市要明显低于一般城市；但是试点政策更能优化创新投入的配置效率。

本文的研究结论提供了如下启示：第一，区域试点政策有效地提高了城市创新投入，增加了创新成果，为未来政策试点的有序铺开提供了宝贵的经验。第二，在选择哪些城市进行政策试点时，应继续向那些创新投入不足的城市倾斜，以保证政策既能促进试点城市自身创新投入的增长，又能优化城市之间创新投入的配置，进而发挥政策对中国整体创新能力的促进作用。第三，转变试点城市自身的发展方式，实现高度依赖投入的粗放式创新向集约式创新转变，以提高创新投入的利用效率。通过优化城市内部创新机构、提高产学研结合密度，实现产业结构高级化并促进高质量创新成果，进而提高研发成果转化效率。第四，在政策试点推广的过程中，要根据城市的自身特征，如发展程度和政治地位等，实现政策有序推进。同时，也要充分考虑不同城市对政策的需求，避免政策资源的浪费。