创新政策对城市科技创新建设的影响及其异质性分析

李军林 许艺煊 韦天宇

摘   要：借助我国2004—2016年242个地级市的面板数据，采用固定效应模型、系统GMM法和基于回归方程的分解法对我国城市间的科技创新差异展开综合分解，研究发现：财政科技投入、人才引进、信息化建设和营造整体创新环境这四类创新政策均能够有效提升城市创新水平;比较不同创新政策的重要性可发现，政府的科研资金支持是引导科技创新的主要政策，其后是人才和信息方面的政策，整体创新环境方面的政策影響力目前虽然最小，但也发挥着重要的作用;进一步分析政府支持创新的资金投入方式发现，资助科研单位的原生创新，实现产学研合作，比直接补贴企业更有助于扩大城市科技创新建设的成果;此外，我国多数地级市政府的科学事业费支出仍然偏小。地方政府引导科技创新，应在打好不同创新政策“组合拳”的同时，重点加大对科研活动的资金支持，促进产学研深度融合，切实提升地方科技治理能力和水平。

关键词：创新政策;城市科技创新;创新驱动发展战略

中图分类号：F124.3   文献标识码：A   文章编号：1003-7543（2021）02-0128-18

《国家中长期科学和技术发展规划纲要（2006—2020年）》首次提出要建设国家创新体系，并突出强调政府要在经济、科技政策上发挥导向作用，改变创新的支持方式，将企业作为技术创新的主体，实现产学研相结合。国家创新体系是决定国家发展水平的基础。建设现代化经济体系，推动经济高质量发展，增强我国经济国际竞争力，从根本上讲要靠创新。党的十九届五中全会提出要坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑，面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，完善国家创新体系，加快建设科技强国。为响应国家号召，我国各地市政府积极探索科技创新体制机制改革的地方经验，努力提升本地的科技创新能力，但建设成效存在显著差异。由2004—2016年全国地级市的科技创新成果数据可发现，我国各地市的科技创新能力得到了快速且大幅度的提高，但各地市科技创新建设成效的差异总体来看也随着创新能力的提升逐年变大。考虑到在国家创新体系中政府发挥着主导作用，各地市出台的创新政策是否是其建设成效差异的主要来源呢？进一步地，在不同的创新政策中，哪一类创新政策发挥了更为重要的作用呢？

对以上问题，现有文献未作出明确的回答，多是使用企业、省际数据或某一区域内的地级市数据检验各类创新政策的具体作用成效。有鉴于此，本文首先梳理现有研究成果，明确政府在国家创新体系中的角色定位和职能，然后围绕政府的创新职能，总结有关创新政策有效性的实证文献，在其研究结论和建议的基础上，进一步借助2004—2016年中国创新专利研究数据和《中国城市统计年鉴》数据，综合采用固定效应面板数据回归模型、系统GMM法、工具变量法和多期双重差分法对创新政策的有效性展开检验;在政策有效的前提下，采用夏普利值分解法对城市间的科技创新成效差异进行综合分解。

一、创新中的政府职能与创新政策的有效性

（一）创新中的政府职能

在创新的产生过程中，企业是创新的主体，其他主要的参与方还包括政府、高校、研究院所和创新服务中介机构。那么，政府在创新中具体扮演的角色是什么？已有研究指出，在技术创新的产生过程中，政府发挥着主导作用，它像一个巨大的伞盖，保护整个创新过程，为其提供一切可能产生利好的资源来促进创新的实际效果[1]。经典的三螺旋模型（Triple Helix Model）还将政府、企业和高校视为拥有独立身份但又彼此相互作用和联系的主体，在创新过程中实现彼此资源共享。功能重叠的部分是创新思路和想法被创造的空间。创新本身具有复杂性、无序性、不确定性和难衡量性，实现创新的可持续并非易事[2]，因此，在这个空间中，政府的制度资源需要在高校和企业的平衡中努力寻找契合点[3]。由此可见，政府作为创新体系的建设者和维护者，在整个创新集成网络中扮演着主导作用，是自主创新活动的重要策划者。进一步地，为促进和激励创新活动，作为引导者的政府在哪些方面“可为”呢？就创新的产生过程而言，企业是对产品市场需求作出反应最快的主体，在挖掘到潜在需求以后，开始进入研发设计、测试检验、计划生产、销售反馈的流程中，在这个过程中接受高校的基础研究和应用研究，阶段性地实现流程创新和产品技术创新。在由企业和高校这两大主体构成的创新生态中，政府能够从财政科技投入、引进人才、信息化建设和营造整体创新环境四个方面给予创新所需的资源和动力，形成完整动态的创新体系。

首先，财政科技投入具体包含了政府对企业创新的财政补贴、税收优惠，对创新企业产品的政府购买以及政府设立的科学研究基金等对科研单位的资金支持。对于企业创新补贴和税收优惠，企业能否产生在经济和技术上可行的商业模式，将前期的投入变成价值投资，在很大程度上依赖于企业与政府之间的默契配合：如果政府不愿在经济上支持企业家，企业家就不太可能投资企业创新项目。就政府购买而言，考虑一些新兴产业，如电子、IT、航空等的早期发展史，政府购买刺激货物和服务的供应商进行创新甚至比政府提供资金和研究支持更加重要。建立符合国际规则的政府采购制度，能够扩大创新产品和服务的市场空间。在国家创新体系中，加强产学研合作是重要原则之一，而科学和教育的创新又是区域经济发展的主要驱动力[4]。政府设立基金，并且采用研究项目基金申报制和项目评审制，能够在学术研究层面引起竞争，激发科研人员的积极性，进而提高创新必需的基础研究的质量，促进原生创新向技术创新的转化[5]。

其次，政府的职能在于促进人才的流动。创新驱动实质上是人才驱动。谁拥有人才上的优势，谁就会拥有创新实力上的优势。一方面，更多的教师参与、更多的高层次创新人才、更多的原生创新转化[6]以及在创新文化上相互理解将有利于提升创新能力[7];另一方面，在创新扩散和技术领域，创新的中介机构是创新规范和标准的制定者，也是技术进入市场的评估者[8]。引进中介机构的雇员能够对企业创新难题给出最直接的解决方法，弥补企业自身的网络咨询缺陷和缺乏桥梁联系的不足，也为大学的基础研究提供实际应用的可行性指导，有效发挥创新体系内各主体部门的职能。

再次，在国家创新体系中，产学研以及中介机构之间创新资源、产品及服务的信息对接是关键环节。有研究指出，从竞争者、供给者和企业内部获得的信息、知识以及情报的传递效率与企业的创新效率和速度成正比[9]。因此，政府需要努力保持信息的畅通，提高信息在整个开放创新体系内的传递效率和市场吸收信息能力，打造连接国内外技术、资本、人才等创新资源的技术转移网络。

最后，政府具有营造整体创新环境的职能，需要建设一批引领企业创新和产业发展的国家技术创新中心，支持量大面广的中小企业提升创新能力，培育一批核心技术能力突出、集成创新能力强的创新型企业。具体地，政府主要通过知识产权制度与法律保护的健全、企业竞争环境的维护、创新文化的培育等激发创新的原动力。政府作为国家创新体系的主导者，有责任也有义务注重对创新文化的培养。

（二）创新政策的有效性

已有文献就财政科技投入、引进人才、信息化建设和营造整体创新环境这四类创新政策的有效性展开了广泛检验。就财政科技投入而言，现有研究多集中于考察财政补贴和税收优惠对企业创新的影响。在财政补贴上，大多数学者研究支持政府的创新补贴能够提升企业的自主创新能力[10-11]。部分研究也发现，财政补贴对于企业创新产出有显著负向影响[12]，且这一结论在经济较为落后的地区更为显著。还有学者指出，财政补贴与企业创新产出之间的关系是非线性的[13]。具体地，财政补贴对企业创新产出的激励存在一个适度的区间，即倒 U 型，当财政的补贴力度加强时，企业的创新绩效有可能随之提高，但也有可能降低。在税收优惠上，政府的税收优惠同样也会促进企业创新[14]。李维安等却发现，税收优惠对高新技术企业的创新绩效作用不明显[15]。综合考察财政补贴和税收优惠，朱平芳和徐伟民指出，政府在科技方面的补贴和税收优惠政策会互相作用，对企业的技术创新发挥更大的正向作用[16]。但有研究指出，由于企业规模、知识存量、技术水平、产权类型和企业所处行业不同，政府的财政补贴和税收优惠不一定促进企业创新[17]。在政府对科研单位创新的资金支持方面，研究发现，地区的科教资源能够促进企业的创新活动，政府科研基金能够通过产学研合作，降低企业R&D投入的风险，提高预期回报，从而提高创新活动的效率和效益。

就人才引进的政策来看，现有研究相对一致地发现引进人才必然促进创新[18]。但是，李平和许家云指出，由于不同地区的经济发展水平、金融市场、科研投入等不同，人才对创新的促进程度存在地区差异，并且具有一定的时滞性[19]。就信息化对创新的影响而言，丹麦创新网络计划的一项研究评估结果显示信息化与创新呈正相关关系。国内外相关研究也证明了这一点[18，20]。不同的是，董祺指出，雖然在我国信息化投资与企业规模、利润和创新增长三者之间存在强相关性，但信息化对企业创新具有正负双向的作用，因而信息化不一定会促进创新[21]。

创新型企业往往呈现区域性集聚的特点，比如美国的硅谷、印度的班加罗尔。这些区域的创新活动不仅得到了大量的资金和技术支持，而且依托当地较为完善的基础设施、法律保护和高素质的劳动力得以运行。这暗示了整体创新环境的重要性。就知识产权保护而言，加强知识产权保护会对创新产生正向作用[22]。就创新集群政策而言，部分学者指出一个区域的技术创新效率能够决定该区域技术创新的绩效[23]。然而，也有研究指出，目前仍没有明确的证据表明集群政策能够持续地提供创新成果、提高创业和就业水平或提高企业生产力[17]。

综上，在国家创新体系中，政府发挥着主导作用，具体能够从财政科技投入、引进人才、信息化建设和营造整体创新环境四个方面给予创新所需的资源和动力，形成完整动态的科技创新体系。现有研究就创新政策的有效性展开了广泛验证，但未能达成共识。鉴于此，立足于我国各城市科技创新建设成效存在明显差异的客观事实，本文在明确政府在国家创新体系中的主导地位、基本职能和创新政策有效性的基础上，从财政科技投入、人才引进、信息化建设和营造整体创新环境四类政策差异入手实证检验各城市科技创新建设成效差异的主要来源。

二、研究设计与数据来源

（一）计量模型的建立

本文实证研究的重点在于对我国城市间科技创新成效差异的分解。目前，学术界已就差异分解发展出了多种方法。其中，基于回归方程的分解是一个主要方向。然而，基于回归方程的分解面临的最大困难是“路径依赖”问题，即分解结果受分解变量的顺序影响较大。对此，夏普利值分解法被安东尼·夏洛克斯（Anthony Shorrocks）提出并且快速发展起来[24]。夏普利值分解法的研究基础是分解指标的有效性，其分解的基本思想是：一个指标的差异是多个因素共同作用的结果，剔除其中任一因素，都会对该指标的差异产生一个边际贡献。那么，按照所有可能的剔除顺序，该因素被剔除产生的边际效益均值就是其贡献。最后，指标差异是所有因素的贡献之和。值得注意的是，贡献在本文中即为重要性大小。本文采用夏普利值分解法对我国城市间科技创新成效差异进行综合分解，首先对创新政策的有效性展开测度，建立如式（1）所示的固定效应面板数据回归模型：

Yit=c+Xit βt+Mit δt+λi+γt+uit（1）

被分解的对象Yit是我国各城市的科技创新建设成效，具体包括了获得发明专利数、获得实用新型专利数和获得外观设计专利数，下标i代表城市，t为年份。考虑到城市规模的固有差异，确保不同城市横向可比，本文将Yit分别取对数和人均值展开分析。创新政策变量向量为Xit，指能够影响城市科技创新建设成效差异的四类创新政策——财政科技投入、人才引进、信息化水平和整体创新环境①。βt为创新政策变量对城市科技创新建设成效的影响系数向量。Mit是控制变量向量，包括了城市经济发展水平、教育水平、对外开放水平、消费占比、产业结构、城市扩张、城镇化率等7个可能影响地区科技创新水平的因素。δt是控制变量的系数向量。c为常数项，λi是地区/城市固定效应，γt是时间固定效应，uit是残差项。考虑到潜在的棘轮效应和遗漏变量问题，本文还就模型（1）进行变型，采用两步系统GMM法估计不同创新政策的有效性，与固定效应面板数据回归模型结果对照，以确保研究结论稳健。

承接式（1），设城市间科技创新建设成效差异为D=f（Yit）。代入控制单一创新政策变量得到的Yit的估计值■it，然后能够获得每一类创新政策差异与被分解的城市科技创新建设成效差异间的关系，见式（2）：

（二）变量选取与数据来源

1.被解释变量

被解释变量是地级市科技创新建设成果，借鉴前人的一般做法[25]，本文采用我国各地级市每年的发明专利（ivt）、实用新型专利（utl）和外观设计专利（ad）的获批数量作为其代理指标，并且分别作取对数和人均化处理代入模型。相关数据来自中国研究数据服务平台（Chinese Research Data Services，CNRDS）的中国创新专利研究数据库（Chinese Innovation Research Database，CIRD）①。在稳健性检验中，本文还分别使用复旦大学产业发展中心发布的《中国城市和产业创新力报告2017》中的城市创新指数（idx）和北京大学企业大数据研究中心发布的中国区域创新创业指数（rf与mf）作为被解释变量展开指标稳健性检验。

2.核心解释变量

核心解释变量是能够影响城市科技创新建设成效差异的四类创新政策。在财政科技投入上，2007年政府收支分类科目改革前，其具体包括了科学事业费（基础研究和应用研究费用）、科技三项费用（试验开发费用）、科学基建费和其他科学事业费四大类。其中，科学事业费是地方政府用于发展和促进各种科学研究事业的经费支出，不包含政府对企业的创新补贴和税收优惠。在现有的城市统计资料中，仅《中国城市统计年鉴》相对连续、完整地记录了我国各地市的科学事业费支出，财政补贴和税收优惠的数据在地级市层面难以获取。同时考虑到现有研究有关政府资金支持科研单位创新的有效性检验还比较少，本文以地级市的科学事业费（exp）作为财政科技投入的代理指标。在人才引进和流动方面，以科研与综合技术服务业从业人员数（res）作为衡量地区创新服务人才程度的指标。在信息化建设上，信息传输、计算机服务和软件业从业人员数（it）被用以刻画地区信息化水平。上述三个指标数据均来自《中国城市统计年鉴》。最后，在营造整体创新环境方面，为探索具有中国特色的城市创新发展道路，提高城市的整体创新水平，我国进行了创新型城市试点。这一政策能加强政府战略引领、促进人才集聚、激励企业投资和优化创新环境。因此，本文根据科学技术部发布的创新型城市试点相关政策文件与指导意见，整理出2004—2016年地级市试点名单，并设置创新型城市试点的虚拟变量（c），即试点城市取值为1，非试点城市取值為0。

3.控制变量

本文选用高等学校在校学生数（edu）这一指标来控制地区教育水平差异的影响。此外，本文进一步从经济基本属性、经济结构属性、人口属性三方面对影响城市科技创新能力差异的城市特征因素予以控制。控制变量的数据来源于《中国城市统计年鉴》、各城市的统计公报和地方政府网站。表1（下页）为本文主要变量的描述性统计结果。

三、实证结果分析

（一）创新政策对城市科技创新建设成效的影响

现有研究尚未就创新政策的有效性达成共识，在一个系统内再次检验不同创新政策的有效性十分必要。具体地，本文建立固定效应面板数据回归模型和两步系统GMM模型①，分别探究科学事业费，科研综合技术服务业从业人员数，信息传输、计算机服务和软件业从业人员数，创新型城市试点与否对城市获得发明、实用新型和外观设计专利数的影响。

如表2所示，在两种方法下（对被解释变量取对数和作人均化处理），估计结果基本一致。对于发明专利和实用新型专利，四类创新政策均存在显著的促进作用，即一个城市的科学事业费越多、科研服务人才越多、信息服务从业人员越多，并且处于创新型城市试点阶段，则该城市的科技创新建设成果越多，创新能力水平也越高。对于外观设计专利数，只有信息服务从业人员数与其存在显著的正相关关系。这是由外观设计专利的特性所决定的：一般而言，发明与实用新型专利多用于服务实体经济的发展，而外观设计专利数则更多地代表了一个城市的文化水平。在我国，前者受重视的程度明显高于后者，影响因素也更多。就信息化对科技创新的影响而言，本文结论支持信息化与创新呈正相关关系的观点。

比较四类创新政策对城市获得发明专利和实用新型专利数的影响，容易发现政府资金投入对增加实用新型专利数更加有效，而人力资本的积累对增加发明专利数更有效，这同样也是由发明与实用新型专利的特征属性差异决定的。是否处于创新型城市试点阶段，对一个城市的发明专利数影响最大，然后是实用新型专利数，外观设计专利数最少。相较于已有研究[26]，这一结果在证实创新型城市试点政策有效的基础上，进一步对城市科技创新建设成效的不同表现形式进行了检验。以上结果表明四类创新政策均能够显著正向影响城市科技创新建设成效。

（二）不同创新政策对城市科技创新建设成效差异的解释程度

既然政府资金投入、人才引进、信息化建设和整体创新环境的营造都有益于城市科技创新建设，那么我国各城市科技创新建设成效差异的主要政策来源是什么？什么是政府引导科技创新的政策“主力拳”？本文基于夏普利值分解法①对不同城市科技创新建设成效差异进行整体分解，控制变量的分解结果略。如表3所示，四类创新政策对城市科技创新建设成效差异的总体解释力很高，都在50%以上。特别对于与实体经济发展密切相关的发明专利和实用新型专利，政策总解释度约在60%及以上水平。这表明我国各地市创新政策重点的不同是其建设成效差异的主要来源。

进一步比较不同的创新政策重要性，无论是何种专利类型，政府的科研资金支持对城市科技创新建设成效差异的贡献度都是最大，而创新型城市试点与否的贡献度最小。四类创新政策的重要性从大到小排序为：科学事业费（资金），信息传输、计算机服务和软件业从业人员数（信息），科研综合技术服务业从业人员数（人才），创新型城市试点与否（整体创新环境）。

（三）城市科技创新建设成效差异的横向分解

在前一节的重要性测度中，混杂了不同年份同一城市、不同年份不同城市的时间差异影响。排除时间差异的作用，本文能够实现在一个静态可比的情境下，明确在同一年份不同城市科技创新建设成效差异的主要政策来源，即差异的横向分解，结果见如图1所示。首先观察图中创新政策的总解释度变化，可知四类创新政策能够整体解释约50%以上的我国城市科技创新建设成效差异，这再次说明了我国各地市创新政策的不同是其建设成效差异的主要来源。

就获得发明专利数差异的分解结果来看，2004—2007年三类创新政策（创新型城市试点尚未启动）的解释力大小从大到小排序为人才、信息、资金;2007年及之后的排序为资金、信息、人才、整体创新环境。换言之，在不同城市，政府在科研资金支持上的差异是其科技创新结果差异的主因。排序变化的原因可能在于：国务院在2006年印发了《实施〈国家中长期科学和技术发展规划纲要（2006—2020年）〉的若干配套政策》。之后，科技部、国家发展改革委、教育部等部门分工合作，研究制定了99条“配套政策”的实施细则，改变了过去创新政策不配套、不衔接的问题，逐渐形成了相对完整的政策体系。再看获得实用新型专利差异的分解结果，资金的解释力一直最高，人才和信息次之，整体创新环境最弱。最后观察获得外观设计专利差异的分解结果，可以发现资金仍然解释力最高;其次是信息;解释力较弱的是人才和整体创新环境。

城市科技创新建设成效差异的横向分解结果显示：政府在创新中发挥着主导作用，其创新政策重点的不同是科技创新建设成效差异的主要来源。政府在引导科技创新的过程中，出台政策的“主力拳”是对科研活动的资金支持。但值得注意的是，在旨在营造整体创新环境的创新型城市试点政策出台后，其解释力在短期内快速提升，逼近信息和人才方面的政策。

（四）政府資金支持的最优方式：企业补贴抑或科研资助

囿于数据可得性，前文仅以科学事业费作为财政科技投入的代理变量，而未考虑政府对企业的创新补贴和税收优惠。在明确政府引导科技创新的政策“主力拳”是对科研活动的资金支持后，一个问题被自然地提出：政府资金是补贴企业创新，还是资助科研单位原生创新更好？为回答这一问题，本文借助中国工业企业数据库2005—2007年的数据①，将数据库内工业企业获得的政府创新补贴聚类并加总到其所在的地级市，得到地级市的企业创新补贴数据（sub），然后再次基于夏普利值分解法展开横向分解。

由表4可知，2005—2007年企业补贴对我国城市科技创新建设成效差异的解释力不足10%，明显低于科学事业费。这一结果表明，相较于产学研模式，政府对创新主体——企业的直接资金支持作用比较有限。为更好地发挥政府在科技创新中的主导作用，政府支持科技创新活动的资金应更多地投向科研单位，激发原生创新，通过产学研合作，使城市的科技创新建设成效最大化。再看企业补贴和科学事业费的整体解释力②，与图1所示结果基本一致，再次证明了企业创新补贴政策的作用有限。可能的原因如下：一是政府创新补贴不一定能有效解决企业研发资金不足的问题，在一定程度上对企业研发投入存在“挤出效应”;二是我国企业多采取与高校、科研机构合作的形式进行创新，其在产学研合作中发挥的主要作用体现在原生创新向技术创新成果的转化上。但我国技术创新成果转化率不足30%（发达国家的这一指标为60%～70%），存在科技成果转化率低、可应用科技成果率不高、企业和个人参与科研项目不积极等问题。

（五）科学事业费的最优区间

相较于企业创新补贴，科学事业费是城市科技创新建设成效差异的主要政策来源。进一步地，是否科学事业费越多越好？这里采用门限回归法[28]，检验科学事业费对城市创新建设成效的门限效应，门限变量为科学事业费。事实上，门限回归模型相当于一个分段函数模型，在其他条件相同的情况下，当科学事业费小于门限值时，其系数为θ1，而当大于门限值时，系数为θ2。门限回归模型以“残差平方和最小化”为原则确定最优门限值，进而检验门限值的显著性。本文建立门限回归模型如下：

单一门限：Yit=c+θ1TEitI（TEit≤ρ）+θ2TEitI（TEit>ρ）+Xit βt+Mit δt+εit（5）

双重门限：Yit=c+θ1TEitI（TEit≤ρ1）+θ2TEitI（ρ1ρ2）+Xit βt+Mit δt+εit（6）

式（5）和（6）分别假定门限变量存在单一和双重门限效应，I（·）为指示函数，科学事业费TE为门限变量，ρ为门限值，ε是残差项。需注意的是，分解政策变量向量Xit中不再包含财政科技投入的代理指标科学事业费。结果如表5（下页）所示。科学事业费对城市获得发明专利数和实用新型专利数的影响均存在一个门限值，分别为45 912.84万元和37 078.78万元①，对获得外观设计专利数不存在门限值。就科学事业费对获得发明专利数的门限效应而言，当科学事业费低于45 912.84万元时，其对获得发明专利数无显著影响;但当高于45 912.84万元时，科学事业费能够显著增加我国各城市获得发明专利数，即最优区间为高于45 912.84万元，而在此最优区间的城市占全样本城市的比例仅为23%。对于实用新型专利数，科学事业费无论是高于还是低于门限值，均能显著增加其数量。但相比低于门限值，科学事业费高于门限值37 078.78万元时，实用新型专利数增加得更多，即最优区间为高于37 078.78万元，在此最优区间的城市占比约为28%。这表明我国多数地级市政府的科学事业费支出偏小，并不在最优区间之内。对于外观设计专利数，科学事业费无显著影响。

四、稳健性检验

（一）替换被解释变量的选取指标

基准回归部分，本文主要选择我国各地级市每年的发明、实用新型和外观设计的专利获批数量作为城市科技创新成效的衡量指标。然而，考虑到专利数量不能直接反映专利质量，本文进一步将专利数替换为衡量专利质量的城市创新指数（idx）和区域创新创业指数（rf与mf），从而能更为全面地衡量城市创新能力。城市创新指数通过专利更新模型测算不同年份专利的潜在价值，采用多维度构建而成，并加总到城市层面，有效地度量了城市创新水平。中国区域创新创业指数采用企业大数据库的“全量”数据，将原本分散的技术、人、投资等几个领域数据有机联系起来，涵盖能够体现创新创业不同侧面的多维度综合评价指标。本文从中选取总维度下的人均得分指标与单位面积得分指标，代入固定效应面板数据回归模型和两步系统GMM模型。结果如表6（下页）所示，其与基准回归结果一致，即四类创新政策有益于城市科技创新建设。

（二）内生性问题检验

本文的核心解释变量分别是财政科技投入、人才引进、信息化建设与营造整体创新环境四类创新政策，它们之间可能存在统计意义上的关联，进而带来估计偏差，影响本文结论的可信度。为此，本文选取省级政府工作报告中与创新相关的词汇频数占总词汇频数的比重逐一分别作为财政科技投入、人才引进、信息化建设三类创新政策的工具变量①，以发明、实用新型和外观设计的专利获批数的对数值和人均值为被解释变量，采用两阶段最小二乘估计法（2SLS）对创新政策有效性进行再检验。政府工作报告中的创新词频比重可以反映政府创新意志的变化，进而影响政府出台的创新政策，因此满足工具变量相关性假定②。创新词频比重也能够满足工具变量外生性假定：第一，地方政府工作报告一般发生在年初，而创新活动则贯穿于一年的始终，可以有效规避反向因果的内生性问题;第二，下级政府的政策一般难以直接影响到上级政府的决策。本文使用的创新词频比重是省级层面变量，其他相关变量是地级市层面变量。结果如表7（下页）所示，其与基准回归结果相一致，即对于发明专利和实用新型专利，四类创新政策均存在显著的促进作用;对于外观设计专利，只有信息服务从业人员数能够显著提升城市创新建设成效。

因为创新型城市虚拟变量（c）是二元变量，创新词频比重不能作为其工具变量进行再估计。考虑到2008—2016年国家陆续设立了61个国家创新型试点城市，其中包含53个地级市，本文以此作为准自然实验，将试点城市作为实验组，非试点城市作为对照组，构建多时点双重差分模型（以下简称“多期DID”），再次估计创新型城市试点政策绩效。特别注意的是，多期DID模型中，双重差分变量应为政策实施时间虚拟变量，即对于试点城市，试点政策当年及其以后年份为1，其他为0;对于非试点城市，均取值为0。这与本文模型（1）中c的设定完全相同。换言之，如果将除创新型城市试点政策外的其他三个政策变量视作控制变量，模型（1）就是多期DID模型。双重差分模型应用的前提条件是政策实施前实验组与对照组具有共同趋势。为此，本文首先设置处理变量，即试点城市取值1，非试点城市取值0，将其分别与试点政策推行之前和之后三年的年份虚拟变量生成交互项（ty_R1-3与ty_1-3）。若ty_R1-3的系数均不显著，则说明地区虚拟变量和年份虚拟变量能够很好地控制住其他效应而不与政策效应混杂，即政策实施前实验组与对照组中的城市具有一致的创新水平发展趋势，因而共同趋势得到满足。如表8（下页）结果所示，式（1）所示的多期DID模型具有较好的适用性，且在共同趋势假设检验结果中，创新型城市虚拟变量（c）对发明专利和实用新型专利数依然存在显著正向作用，对外观设计专利数无显著影响，这与表2基准回归结果相符。

五、结论与政策建议

城市科技创新差异的主要政策来源，恰恰就是国家创新体系下以地级市为代表的地方政府引导和激励科技创新最需要被重视的职能。本文研究发现：第一，政府是创新的引导者，在激励科技创新的实践中发挥着主导作用。现有的创新政策，具体包括了财政科技投入、人才引进、信息化建设和营造整体创新环境四类，均对城市的科技创新建设成效产生显著的正向影响。第二，比较四类创新政策对城市科技创新建设成效差异的解释程度，本文发现城市不同规模的财政科技投入是科技创新建设成效差异的主要来源，随后是人才和信息方面的政策;整体创新环境方面的政策的影响力虽然最小，但在短期内快速发挥作用，逐渐与人才和信息方面的政策同等重要。第三，在明确了政府科研资金支持的重要性后，本文进一步考虑政府支持创新资金的投入方式，发现相较于产学研模式，政府对企业直接的资金支持作用较为有限。第四，本文着眼于科学事业费支出的最优区间，发现科学事业费对科技创新的激励存在门槛值，当科学事业费高于门槛值时，其引導和激励科技创新的作用才能在最大程度上得到发挥，而我国多数地级市政府的科学事业费支出仍然不足。基于以上结论，提出如下政策建议：

第一，充分发挥政府创新激励政策的导向作用，激发企业创新的内生动力。一方面，政府应打好科研资金支持、人才引进、信息化建设和营造整体创新环境四类创新政策的“组合拳”，完善支持企业创新的普惠性政策体系，而非仅依靠某一类的创新政策促进企业创新;另一方面，政府应重点加大对高校和科研单位的创新资金支持力度，同时赋予其更大的科研经费支配权和资源调动权，以鼓励开展研发活动，利用基础和应用成果服务企业生产。

第二，切实推动产学研深度融合，更多通过产学研的间接方式，有效支持企业创新。产学研深度融合是深化科技体制改革的一项重要内容，也是当前政府资金支持和引导科技创新的最优机制。推动产学研深度融合，一要强化企业在科技创新中的主体地位，在创新决策、研发投入和成果转化等核心环节给予企业更大的自主权;二要扩大政府参与、服务、引导科技创新的广度和深度，具体以重大科技项目为纽带，通过设立专项资金，以产学研联盟为载体，突破共性技术和关键核心技术，加快建设面向全社会的产学研信息共享平台和知识产权法庭，引导建立产学研利益分配机制和风险控制机制等。

第三，建立健全科学统一的成果评估体系。在企业内部，需要企业自身制订和完善评价技术人员工作成果的考核机制，尊重知识和人才，保证人才来去自由，从物质和精神两个方面同时激励技术人员创新;在企业之外，由政府主导建立科学公正、信息公开的产学研深度融合项目评价体系，在充分调动科研人员的主动性的同时，实现有效的社会监督。

第四，加强科技中介机构建设，为科技创新实体提供社会化、专业化服务。科技中介机构是促进科技成果商业化和技术创新的重要工具，是国家创新体系的重要一环。政府需要制定统一的中介服务机构标准，定期选聘外部评审专家以开展中介服务机构资格认定和审查，进一步整体优化科技中介服务组织布局，推动建设一批服务能力强、专业水平高、声誉信用好且具有较强竞争力的示范性科技中介服务机构。中介服务机构应主动提升自身技术水平和服务质量，强化复合型人才培训和日常管理等。

参考文献

[1]VALERIA C， FRANCESCO C， CHIARA M， et al. Demand-pull and technology-push public support for eco-innovation： the case of the biofuels sector[J]. Research Policy， 2015， 44（3）： 577-595.

[2]SHINKEVICH M V， SHINKEVICH A I， CHUDNOVSKIY A D， et al. Formalization of sustainable innovative development process in the model of innovations diffusion[J]. International Journal of Economics & Financial Issues， 2016， 6（1）： 179-184.

[3]MIROSHNIKOVA T， KUCHUGIN N. Economic efficiency of innovative corrosion resistant coating for sectors of russian national economy[J]. Procedia Economics & Finance， 2015（24）： 426-434.

[4]EGOROV N E， BABKIN A V， KOVROV G S， et al. Comparative assessment of innovative activity of region's economy actors on the basis of the triple helix model[J]. Procedia-Social and Behavioral Sciences， 2015， 207（1）： 816-823.

[5]CHEN C P， HU J L， YANG C H. An international comparison of R&D efficiency of multiple innovative outputs： the role of the national innovation system[J]. Innovation， 2011， 13（3）：341–360.

[6]卫平，汤雅茜.高新技术企业创新能力提升及其驱动因素——来自7城市企业微观调查数据的证据[J].改革，2020（6）：136-147.

[7]SIEGEL D S， PHAN P H. Analyzing the effectiveness of university technology transfer： implications for entrepreneurship education[J]. Advances in the Study of Entrepreneurship， Innovation， and Economic Growth， 2005（1）： 1-38.

[8]HOWELLS J. Intermediation and the role of intermediaries in innovation[J]. Research Policy， 2006， 35（5）： 715-728.

[9]CARBONELL P， ESCUDERO A I R. The effect of market orientation on innovation speed and new product performance[J]. Journal of Business & Industrial Marketing， 2010， 25（7）： 501-513.

[10]CZARNITZKI D， LICHT G. Additionality of public R&D grants in a transition economy： the case of Eastern Germany[J]. Economics of Transition， 2005， 14（1）： 101-131.

[11]陳昭，刘映曼.政府补贴、企业创新与制造业企业高质量发展[J].改革，2019（8）：140-151.

[12]BERNINI C， PELLEGRINI G. How are growth and productivity in private firms affected by public subsidy？ evidence from a regional policy[J]. Regional Science and Urban Economics， 2011， 41（3）： 253-265.

[13]毛其淋，许家云.政府补贴对企业新产品创新的影响——基于补贴强度“适度区间”的视角[J].中国工业经济，2015（6）：94-107.

[14]邓子基，杨志宏.财税政策激励企业技术创新的理论与实证分析[J].财贸经济，2011（5）：5-10.

[15]李维安，李浩波，李慧聪.创新激励还是税盾？——高新技术企业税收优惠研究[J].科研管理，2016（11）：61-70.

[16]朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究，2003（6）：45-53.

[17]EDLER J， CUNNINGHAM P N， GOKA， et al. Handbook of innovation policy impact[Z]. Edward Elgar Publishing， 2016.

[18]ALBORS-GARRIGOS J， BARRERA R R. Impact of public funding on a firm's innovation performance： analysis of internal and external moderating factors[J]. International Journal of Innovation Management， 2011， 15（6）： 1297-1322.

[19]李平，許家云.国际智力回流的技术扩散效应研究——基于中国地区差异及门槛回归的实证分析[J].经济学（季刊），2011（3）：935-964.

[20]FRISHAMMAR J， HORTE S A. Managing external information in manufacturing firms： the impact on innovation performance[J]. Journal of Product Innovation Management， 2005， 22（3）： 251-266.

[21]董祺.中国企业信息化创新之路有多远？——基于电子信息企业面板数据的实证研究[J].管理世界，2013（7）：123-129.

[22]董雪兵，王争.R&D风险、创新环境与软件最优专利期限研究[J].经济研究，2007（9）：112-120.

[23]SIMMIE J. Innovation and urban regions as national and international nodes for the transfer and sharing of knowledge[J]. Regional Studies， 2003： 607-620.

[24]SHORROCK A F. Decomposition procedures for distributional analysis： a unified framework based on the Shapley value[Z]. University of Essex Working Paper， 1999.

[25]万广华，范蓓蕾，陆铭.解析中国创新能力的不平等：基于回归的分解方法[J].世界经济，2010（2）：3-14.

[26]李政，杨思莹.创新型城市试点提升城市创新水平了吗？[J].经济学动态，2019（8）：70-85.

[27]聂辉华，江艇，杨汝岱.中国工业企业数据库的使用现状和潜在问题[J].世界经济，2012（5）：142-158.

[28]HANSEN B E. Threshold effects in non-dynamic panels： estimation， testing， and inference[J]. Journal of Econometrics， 1999， 93（2）： 345-368.

Abstract： Under the background of national innovation system construction， there are obvious differences in the effectiveness of innovation construction among cities in China. Based on the government as the innovation guide， this paper uses fixed effect panel model， System GMM and Regression-based Decompositions to decompose the innovation difference among cities， utilizing the statistics of prefectural cities in China from 2004 to 2016. The results show that： Financial investment in science and technology， talent introduction， informatization construction and creation of an overall innovation environment can effectively improve the level of urban innovation. Comparing the importance of different innovation policies， the government's scientific research funding is the "main force" to guide innovation， followed by talents and information. Although the overall innovation environment has the smallest influence， it is also rapidly playing an important role in the short term. For the government-supported investment method of innovation funds， subsidizing the original innovation of scientific research units and realizing Industry-University-Research cooperation is more helpful than directly subsidizing enterprises. In addition， the scientific expenditures of most prefecture-level cities in China are still small. Therefore， when local governments guide scientific and technological innovation， they should focus on increasing financial support for scientific research activities and promote the in-depth integration of industry， university and research while fighting the "combination punch" of different innovation policies.

Key words： innovation policy; urban science and technology innovation; innovation-driven development strategy