高新技術企業認定與企業創新效率：提升還是抑制
——基于中國上市公司的反事實估計

竇錢斌，孫美露，王菲瑤，黃燁菁

(上海社會科學院 世界經濟研究所，上海 200020)

0 引言

2008年，經國務院批準，科技部、財政部、國家稅務總局聯合發布了《高新技術企業認定管理辦法》，引導企業加大研發力度，增加科技成果產出。目前，高新技術企業認定政策已實施十余年，從投入方面看，我國研發人員全時當量從2008年的196.54萬人年增加到2019年的461.00萬人年，研發經費內部支出從2008年的4 616.02億元增加到2019年的21 737.00億元；從產出方面看，國內專利申請數從2008年的71.71萬件增加到2019年的417.20萬件。顯然，中國科技創新投入與產出在絕對量方面都得到了極大提升，但是從相對量方面來看，高新技術企業認定政策是否也同樣提升了企業創新效率還有待證實。現有研究成果對企業創新效率的闡釋主要集中于企業研發產出與研發投入之間的比率，其隱含的假設是，企業進行研發投入后，研發成果自然能夠得到最大化應用。然而在現實中，企業技術研發和技術轉化分屬企業生產過程的不同環節。高新技術企業認定政策的直接目的在于提高中國企業技術研發階段的創新績效，這一產業政策的出發點是積極的，但高新技術產品價值鏈本身鏈條較長，從技術研發到技術轉化所要求的生產要素組合和支撐條件不同，高新技術企業認定政策作用于這兩個階段的效率或許存在差異。如果僅從產業政策的基礎性和誘導性作用去考慮產業政策效果，而忽視產業政策可能間接造成其它環節的損失，則可能導致產業政策“好心辦壞事”。基于此，本文分別從企業技術研發和技術轉化兩個階段的創新效率進一步考察高新技術企業認定政策對企業創新是否具有促進作用，這也更深入地回答了政策對產業實際創新結果的影響問題。

實踐中，中國政府主要采用財政、金融和貿易政策扶持企業創新，但最主要也是最常用的兩種政策工具則是稅收優惠和政府補貼。學界主要從企業研發投入、研發產出和研發效率3個視角評估各項產業扶持政策的政策效果。從企業研發投入視角看，部分學者認為，稅收優惠、政府補貼等產業政策對企業研發投入具有正向積極作用[1-2]。但也有持不同觀點的學者認為，雖然財政補貼總體上有助于提升企業研發投入，但是二者之間還呈現出復雜的非線性關系，過高的財政補貼反而可能不利于企業研發投入增加[3-4]。張杰等[5]研究中小企業創新發現，中國的創新補貼政策對中小企業研發投入沒有顯著影響效應。從企業研發產出視角看，不少學者對財政補貼、稅收優惠等產業政策的創新產出效應持肯定態度[6-9]，如李世奇和朱平芳(2019)的研究表明，研發補貼對大型企業和國有企業創新產出的激勵效應更顯著；馬文聰等[10]基于產業政策類型視角認為，直接稅收優惠對企業創新產出具有促進作用，但直接補貼和間接稅收優惠對企業創新產出的影響不顯著。從企業研發效率視角看，學界就產業扶持政策和企業研發效率間的關系主要有以下3種觀點：①積極論，如盧方元和李彥龍(2016)認為，稅收優惠和政府補貼對企業創新效率提升作用顯著；②消極論，如任躍文[11]、Hong等[12]認為，政府補貼不利于企業創新效率提升；③無關論，如陳慶江[13]、Hong等[14]認為，政府科技投入等產業扶持政策雖然能夠刺激企業創新投入與產出，但對創新效率沒有顯著影響。

學界對產業扶持政策與企業創新能力的相關問題進行了較為廣泛的研究，但是一方面，現有文獻對產業政策與企業創新效率之間的關系存在爭議，仍需尋找新的證據進行佐證，并且產業政策多集中于稅收優惠和政府補貼，較少關注高新技術企業認定政策；另一方面，諸多學者對企業創新過程的定義多集中于單一技術研發過程，較少從技術研發和技術轉化兩階段理解企業創新過程的二元性。現實中的創新是由研究發明和市場轉化兩部分組成的，企業在完成技術研發后，能否進行有效轉化是企業績效問題的核心所在。因此，本文綜合考慮企業技術研發和技術轉化階段的創新過程，運用三階段DEA模型對兩階段效率進行測度，對高新技術企業認定政策與企業創新效率間的關系進行深入挖掘。

1 理論分析

為簡化分析，假設企業生產函數滿足AK形式，并考慮企業創新效率存在兩個階段，即技術研發和技術轉化。在技術研發階段，企業投入一定資本，并不一定能夠獲得規模報酬不變的技術研發成果；在技術轉化階段，企業將已研發出的技術成果和資本投入到產品生產中，也并不一定能夠獲得規模報酬不變的最終產品。假設企業產品生產函數為：

Y=φAK1

(1)

其中，Y表示產品生產數量，A表示技術研發成果，K1表示企業技術轉化階段的資本投入規模，φ表示企業技術轉化階段的創新效率。企業的產品生產函數表明，當技術轉化階段的創新效率越高時，一定單位的技術水平與資本所能獲得的產品數量越多。同時，技術研發成果由企業投入的資本與技術研發階段的創新效率所決定。

A=φK2

(2)

其中，K2表示企業技術研發階段的資本投入規模，φ表示企業技術研發階段的創新效率。當φ越高時，企業投入1單位資本所能獲得的技術研發成果越多。基于式(1)、(2)可得：

Y=φφK1K2

(3)

假設企業資本數量固定為K，企業按照利潤最大化決策，將K分配到技術研發階段和技術轉化階段，并且每1單位的K所需要付出的利息為r，同時假定企業每1單位產品價格為1，則企業利潤最大化決策為：

maxφφK1K2-rK

s.t.K1+K2=K

(4)

此時，均衡條件有：

r=φφK1=φφK2

(5)

(6)

高新技術企業認定政策約束下，企業利潤最大化決策為：

(7)

其對應的一階均衡條件有：

(8)

在高新技術企業認定政策模型設定中，政策會影響企業技術研發階段的資本投入變化α，進而影響企業技術研發成果，表明企業技術研發階段的創新效率φ是關于α的函數，高新技術企業認定政策通過α影響企業技術研發階段的創新效率φ。同時，在企業生產最終產品的利潤最大化決策下，政策會影響資本價格變化β，進而影響企業最終產品生產數量，表明高新技術企業認定政策通過β影響企業技術研發階段的創新效率φ。進而對式(8)求偏導，可得：

(9)

(10)

2 計量模型設定、變量與數據來源

2.1 計量模型設定

2.1.1 基準回歸

基于上述理論推演過程，本文首先構建OLS回歸模型，研究高新技術企業認定政策對企業創新效率的影響，以作為后續研究的參照基準。

(11)

其中，被解釋變量efficiencyi為企業效率變量，hi_techi為高新技術企業認定變量，controli為控制變量，εi為服從標準正態分布的隨機誤差項。在方程(11)的估計中，如果回歸系數α1>0且顯著，表明政府部門對高新技術企業進行資質認定可以有效促進企業創新效率提升，反之則具有抑制作用。

2.1.2 反事實匹配

雖然通過OLS方法對式(11)進行估計可以研究高新技術企業資質認定對企業創新效率的平均效應，但同時也會產生兩個問題。一方面，盡管考慮了一系列控制變量controli，但依然可能存在遺漏變量的問題，無法分離出影響企業創新效率的其它因素；另一方面，OLS回歸無法克服由于樣本選擇偏差而引致的內生性問題，導致回歸系數的估計結果有偏。為了處理這一內生性問題，本文利用反事實匹配方法加以解決。如果被認定和沒有被認定為高新技術企業能夠被一組共同協變量所解釋，就可以利用這一組協變量對樣本進行分層配對，每層中僅包含被認定和沒有被認定兩類企業，進一步對分層比例和分層差異進行加權處理，則可以得到ATT(平均處理效應)的估計。具體步驟如下：

首先，利用Logit回歸，選擇一系列既定的可觀測協變量，估計出企業可能被認定為高新技術企業的概率，這一概率即被認定為高新技術企業的傾向得分值。

P(Xit)=Pr(hi_techit=1|Xit)

(12)

其中，Xit表示一系列協變量，hi_techit=1表示企業i在t年被政府部門認定為高新技術企業。其次，按照估計出的傾向得分值大小，對被認定和沒有被認定的兩組企業進行一對一配對。最后，定義被認定為高新技術企業對企業創新效率影響的平均處理效應(ATT)為：

ATT=

(13)

其中，M表示被認定為高新技術企業的個數，I、J分別代表被認定和未被認定為高新技術企業的集合，i、j分別代表屬于I、J中的企業元素，efficiency、hi_tech的含義同上，pit、pjt分別代表上一步中某個企業被認定和未被認定為高新技術企業的概率預測值，權重函數w(pit,pjt)表示當用未被認定為高新技術企業j的效率值對被認定為高新技術企業i的效率值進行“反事實”替代時所賦予的權重。

2.1.3 影響機制的中介效應檢驗

基于上述計量模型研究結果，本文進一步利用中介效應模型對高新技術企業認定政策影響企業創新效率的作用機制進行檢驗，并且借鑒溫忠麟等[15]提出的中介效應檢驗程序，對下述模型結果進行檢驗。

(14)

(15)

(16)

其中，efficiencyit表示企業i在t年的創新效率值，hi_techit表示企業i在t年是否被認定為高新技術企業，interk,it表示高新技術企業資質認定影響企業創新效率的第k個中介變量，controlit為控制變量，vi、λt分別表示控制行業效應和時間效應，εit表示滿足正態分布的隨機擾動。方程(14)表示高新技術企業認定對企業創新效率影響的總效應，系數β1衡量總效應大小，方程(15)表示高新技術企業資質認定對第k個中介變量的影響，將方程(15)代入方程(16)中，得到的系數乘積ρkγk,1為第k個中介變量的中介效應，即表示高新技術企業資質認定通過第k個中介變量影響企業創新效率的程度。

2.2 變量說明

2.2.1 企業創新效率

借鑒孟維站等[16]的研究，本文分別從技術研發階段和技術轉化階段兩個維度考察企業創新效率。其中，技術研發階段是指企業技術生產過程，技術轉化階段是指企業的技術應用過程。本文利用三階段DEA模型對企業技術研發階段和技術轉化階段的創新效率進行測度，具體步驟如下：

第一步，利用Banker等[17]提出的BCC模型對規模報酬可變條件下的創新效率進行測度，將傳統DEA模型中的綜合技術效率(crste)分解為純技術效率(vrste)和規模效率(scal)兩部分，具體關系是crste=vrste·scal。本文以各上市公司作為決策單元，技術研發階段的投入指標選取研發人員投入數量、研發資金投入數量兩個指標，技術研發階段的產出指標和技術轉化階段的投入指標選取專利申請數、有效專利數兩個指標(由于本文將企業創新分成兩個階段，技術轉化階段是對企業生產的技術進行應用的階段，因而技術研發階段的產出可被視為技術轉化階段的投入)，技術轉化階段的產出指標選取營業收入增加值(見表1)。需要說明的是，高新技術企業營業收入增加值構成不完全等同于新產品營業收入，某些部分來源于新產品銷售之外的經營活動收入，但限于新產品營業收入增加值完整數據可獲性較差，本文選擇企業全部營業收入增加值替代新產品營業收入增加值作為技術轉化階段的產出指標。通過BCC模型，可以測度出企業技術研發階段和技術轉化階段的綜合技術效率(crste)、純技術效率(vrste)和規模效率(scal)，并在此基礎上計算出技術研發階段和技術轉化階段的投入冗余。

第二步，構建如下SFA回歸模型，觀察外界環境因素和噪聲對企業兩階段投入冗余的影響。

(17)

方程(17)中，k表示企業兩階段第k個松弛變量，vki+uki表示混合誤差項，vki表示服從正態分布的隨機擾動，uki表示服從非負斷尾正態分布的管理非效率，uki與vki無關。envirji表示環境變量，參考李洪偉等[18]、孟維站等[16]的研究，本文選取政府資助、研發人員密度、研發硬件基礎和區域市場環境4個外界宏觀環境變量(具體解釋見表1)，然后將外界宏觀環境變量按照企業所在省份進行匹配，利用式(17)的估計結果對企業兩階段投入量進行調整，從而剔除外部環境因素對企業創新效率的影響。

表1 企業創新效率測度指標體系

第三步，將調整后的投入數據重新代入第一步的DEA模型中進行測算，進而可以得到技術研發階段的綜合技術效率(rd_crste)、純技術效率(rd_vrste)、規模效率(rd_scal)以及技術轉化階段的綜合技術效率(tran_crste)、純技術效率(tran_vrste)、規模效率(tran_scal)6個指標。綜合技術效率、純技術效率和規模效率共同組成了對企業創新效率的測度，其中，綜合技術效率代表規模不變條件下的企業創新效率,是本文考察的重點。

2.2.2 高新技術企業認定

高新技術企業認定是本文的核心解釋變量，參考雷根強和郭玥[1]的處理方法，按照2008年《高新技術企業認定管理辦法》中的規定，如果企業處在高新技術企業認定有效期限內則取值為1，否則取0。

2.2.3 協變量與控制變量

在上述OLS回歸、反事實匹配和中介效應計量模型中，選擇公司規模(asset)、資本結構(lev)、凈資產收益率(roe)、長期負債率(llr)、行業虛擬變量(ind)、地區虛擬變量(locate)作為計量模型的協變量和控制變量。其中，公司規模是公司總資產的自然對數，資本結構是公司總負債與總資產之比，凈資產收益率是公司凈利潤與股東權益期末余額之比，長期負債率是公司長期負債與總資產之比，行業虛擬變量按照2011年國家統計局《國民經濟行業分類》標準將所有樣本設置成18個門類(剔除金融業)，地區虛擬變量按照公司辦公地址所屬省份設置成31個虛擬變量。

2.3 數據說明

本文選擇2008—2017年中國上市公司作為研究樣本，上述變量中公司內部情況相關數據均來源于CSMAR數據庫和Wind咨訊數據庫，公司所處外部環境變量數據來源于《中國科技統計年鑒》。其中，外部環境變量2008年缺失部分數據用線性插值法補全，然后運用極值標準化方法對所有環境變量進行無量綱化處理。在公司樣本中，剔除上證B股、深證B股、金融行業、專利申請數據缺失或為0、有效專利數據缺失或為0、研發人員投入數據缺失或為0、研發金額投入數據缺失或為0的樣本，最終得到包含2 835家公司的14 156個樣本，具體變量的描述性統計如表2所示。

表2 主要變量描述性統計結果

3 實證結果與分析

3.1 OLS方法估計結果

表3、4是對式(11)的估計結果。表3第(1)、(3)和(5)列直接考察高新技術企業資質認定(hi_tech)對企業技術研發階段創新效率的影響，考慮到遺漏變量的問題，表3第(2)、(4)和(6)列進一步引入一系列控制變量進行最小二乘估計。

表3的實證結果顯示，雖然對技術研發階段的純技術效率而言，高新技術企業資質認定變量系數不顯著，但是對技術研發階段的綜合技術效率和規模效率來說，不管是否引入控制變量，高新技術企業資質認定變量系數都在1%的置信水平下顯著為正。因此，可以初步判斷政府部門的高新技術企業資質認定政策可以有效促進企業技術研發階段的創新效率提升。

表3 基準模型：高新技術企業認定對技術研發階段創新效率的影響

表4考察了高新技術企業資質認定(hi_tech)對企業技術轉化階段創新效率的影響。結果顯示，無論是用綜合技術效率(tran_crste)、純技術效率(tran_vrste)還是規模效率(tran_scal)衡量創新效率，高新技術企業資質認定變量的影響系數均在1%的置信水平下顯著為負，引入控制變量后，結果依然在1%的置信水平下顯著。這一初步結果表明，高新技術企業資質認定政策顯著抑制了企業技術轉化階段的創新效率。

表4 基準模型：高新技術企業認定對技術轉化階段創新效率的影響

3.2 反事實方法估計結果

考慮到OLS方法對估計結果產生的系統性偏誤，本文利用反事實匹配方法對上述問題進行進一步研究。反事實估計結果的可靠性建立在條件獨立性假設的基礎上，即要求被認定和未被認定為高新技術企業的兩組企業之間在協變量上不存在顯著差異。因此在進行反事實估計前，本文先進行反事實匹配的平衡性檢驗，如表5所示。結果顯示，進行反事實匹配后，6個協變量的t值均不顯著，并且t檢驗的相伴概率均大于0.1，表明在匹配后，被認定和未被認定為高新技術企業的兩組企業之間在協變量上均不存在顯著差異，反事實匹配的估計結果可靠。

表5 平衡性檢驗結果

運用最近鄰匹配方法對式(13)進行估計，得到高新技術企業認定政策對企業創新效率影響的平均處理效應(ATT)，如表6所示。結果顯示，無論從綜合技術效率、純技術效率還是從規模效率衡量企業創新效率，經過反事實匹配后的處理組平均處理效應，在技術研發階段的創新效率均表現為正值，而技術轉化階段的創新效率方面均表現為負值，這一結果與OLS方法估計結果總體一致，意味著解決內生性問題后，高新技術企業認定政策對企業創新效率的影響依然在技術研發和技術轉化兩個階段呈現出明顯相反的結果。

表6 高新技術企業認定對企業兩階段創新效率影響的平均處理效應

表6顯示，除技術研發階段的純技術效率外，其它創新效率指標經過反事實匹配后，處理組的平均處理效應均在5%的置信水平上顯著，且相對效應均在10%以上，表明高新技術企業認定政策對企業創新效率具有顯著性影響。從技術研發階段的創新效率來看，匹配后的相對效應相較于未匹配狀態均有所提升，表明在未匹配狀態下，高新技術企業認定政策對企業技術研發階段創新效率的影響被低估；而從技術轉化階段的創新效率來看，匹配后的相對效應相較于未匹配狀態均有所降低，表明在未匹配狀態下，高新技術企業認定政策對企業技術轉化階段創新效率的影響被高估。

3.3 分樣本進一步研究

雷根強和郭玥[1]的研究表明，企業所有權性質對企業創新能力具有重要影響，因此本文按照企業所有權性質將樣本劃分為國有企業和非國有企業進行分樣本研究，結果見表7第(1)、(2)列。結果顯示，無論是國有企業還是非國有企業，高新技術企業認定政策對企業技術研發階段的創新效率總體表現出正向促進作用，而對企業技術轉化階段的創新效率表現出負向抑制作用，這一特點與OLS估計和反事實匹配估計結果一致，進一步驗證了上文實證結果的穩健性。在國有企業樣本中，除技術研發階段的純技術效率外，高新技術企業認定政策對企業創新效率影響的平均處理效應均在10%的置信水平上顯著；而在非國有企業樣本中，平均處理效應在綜合技術效率、純技術效率和規模效率變量上均不顯著。這一實證結果表明，高新技術企業認定政策效果在國有企業中表現更加突出。

高管和員工是企業創新的主體，企業是否對其實施股權激勵會對企業創新效率產生不可忽視的影響[19-20]。按照企業是否實施股權激勵，本文進一步將樣本分成兩組子樣本進行研究，結果見表7第(3)、(4)列。結果顯示，高新技術企業認定政策對企業技術研發階段創新效率的平均處理效應總體表現為正值，而對企業技術轉化階段創新效率的平均處理效應均表現為負值，這一實證結果與前文估計結果基本一致。但是，在實施股權激勵的樣本中，高新技術企業認定政策對企業創新效率影響的平均處理效應在顯著性和絕對值上總體高于未實施股權激勵樣本的對應值。這一結果表明，相對于未實施股權激勵的企業而言，高新技術企業認定政策對實施股權激勵的企業具有更顯著的創新促進效果。

在企業創新效率影響因素中，風險投資支持因素扮演著越來越重要的角色[21-22]。因此，本文按照是否有風險投資進入將樣本劃分為兩個子樣本進行研究，結果見表7第(5)、(6)列。在有風險投資進入的樣本中，除企業技術研發階段的規模效率變量外，高新技術企業認定政策對企業創新效率影響的平均處理效應均不顯著；而在沒有風險投資進入的樣本中，這一平均處理效應總體上較為顯著，且平均處理效應的正負方向也與前文實證結果基本一致。這意味著，相對于有風險投資進入的企業，高新技術企業認定政策對沒有風險投資進入的企業具有更顯著的創新效率影響效應。

表7 分樣本檢驗：高新技術企業認定對企業兩階段創新效率影響的平均處理效應

4 影響機制檢驗

4.1 技術研發階段影響機制檢驗

高新技術企業具有無形資產占比高、可抵押資產少等特點，加上企業創新產品從初始研發到產出收益過程中存在較高不確定性，導致其在金融市場尋求融資的難度較大，融資約束較為嚴重。政府對高新技術企業進行認定是一種研發資助政策，而研發資助政策只要包含資質審查，就相當于對企業質量的一種認定，從而向市場傳遞一種積極信號。這種正外部性一定程度上影響銀行等金融機構和外部投資者決策，從而緩解企業融資約束，提高長期負債水平。而融資約束的緩解有利于企業提高研發強度和擴大規模，長期負債水平的提升則能更好地保障周期較長的創新活動。這表明高新技術企業認定政策(hi_tech)對企業技術研發階段創新效率的影響可能通過融資約束(fc)和長期負債(ltl)兩個變量進行傳導，借鑒于永達等[22]的做法，本文利用企業利息支出與固定資產之比衡量企業面臨的融資約束，通過構建中介效應模型對這一影響機制進行檢驗，結果如表8所示。

表8第(2)、(3)列是對式(15)的估計結果，第(2)、(3)列中高新技術企業認定政策的系數估計結果分別顯示為負和為正，且在1%的置信水平下顯著，表明高新技術企業認定政策能夠顯著緩解企業融資約束，提高長期負債水平，這也與上文分析結果一致。進一步地，根據中介效應檢驗程序，檢驗融資約束和長期負債是否具有中介效應。實證結果顯示，方程(14)、(15)、(16)中β1、γk,1、ρk值的估計結果均在5%的置信水平上顯著，表明融資約束和長期負債作為中介變量的作用顯著，高新技術企業認定政策通過融資約束和長期負債兩個渠道對企業技術研發階段的創新效率產生影響。

表8 高新技術企業認定對技術研發階段創新效率影響的作用機制檢驗結果

4.2 技術轉化階段影響機制檢驗

企業獲得高新技術企業認定后，政府補貼有利于放大創新投入的正外部性，提高企業自身創新收益。但企業創新投入的增加會對廣告支出等營業成本產生擠出效應，使企業技術轉化階段的運營支出減少，進而導致企業雖然提升了技術生產水平，但同時也降低了主營業務收入，形成技術轉化效率損失。這表明高新技術企業認定政策(hi_tech)可能通過營業成本(oc)和廣告支出(ae)兩條作用路徑對企業技術轉化階段的創新效率產生影響，表9是對這一影響機制的中介效應檢驗結果。

表9第(2)、(3)列結果顯示，在控制其它影響因素以及不同行業、年份時間效應后，高新技術企業認定政策對營業成本(oc)和廣告支出(ae)兩個中介變量的影響均在1%的置信水平下顯著為負，表明高新技術企業認定政策顯著降低了企業營運成本和廣告費用方面的支出。這主要是由于企業為了能夠達成高新技術企業資質認定標準，會增加研發資金投入，進而對運營和廣告投入形成擠出效應。根據中介效應檢驗程序，表9中β1、γk,1和ρk的估計值均在1%的置信水平上顯著，表明高新技術企業認定政策通過營業成本和廣告支出兩條路徑對企業技術轉化階段的創新效率產生顯著作用。

表9 高新技術企業認定對技術轉化階段創新效率影響的作用機制檢驗結果

5 結論與政策建議

5.1 研究結論

本文利用2008—2017年14 156個中國上市公司微觀樣本數據，首先，運用三階段DEA模型分別對上市公司技術研發階段和技術轉化階段的綜合技術效率、純技術效率和規模效率進行測度，以此作為企業創新效率的衡量指標；然后，運用反事實匹配方法探究高新技術企業認定政策對企業創新效率影響的平均處理效應，并在此基礎上進行進一步分樣本研究；最后，運用中介效應模型分別考察高新技術企業認定政策對企業技術研發和技術轉化階段創新效率的影響機制。研究發現：①本文以綜合技術效率、純技術效率和規模效率3種效率度量方法衡量企業創新效率，基于OLS回歸以及控制樣本選擇偏差的PSM估計方法，實證結果表明，高新技術企業認定政策對上市公司技術研發階段創新效率的促進作用高度顯著，但對技術轉化階段的創新效率則具有抑制作用；②進一步根據上市企業內部資本結構特征差異將樣本劃分為不同類型分別加以驗證，結果表明，高新技術企業認定政策對上市公司兩階段創新效率的影響效應在所有分樣本中總體上依然成立，驗證了上述結論的穩健性，但這一影響效應在不同類型企業間存在差異，其中，在國有企業、實施股權激勵以及沒有風險投資進入的樣本企業中表現更加顯著；③影響機制的中介效應檢驗結果表明，高新技術企業認定政策能夠緩解企業融資約束并提高長期負債水平，進而對企業技術研發階段的創新效率產生促進作用，同時企業為了滿足高新技術企業認定標準，會增加技術研發階段的資金投入，從而擠出營運階段的營業成本和廣告支出等費用，進而對企業技術轉化階段的創新效率產生抑制效應。

5.2 政策建議

基于以上結論，本文提出如下政策建議：①高新技術企業認定政策在一定程度上對企業技術研發階段創新效率具有積極作用，政府部門在未來應當繼續深入實施這一政策，同時可以嘗試針對不同類型企業制定差異化的高新技術企業認定標準，如針對非國有企業、未實施股權激勵的企業以及有風險投資支持的企業，可以在一定程度上放寬高新技術企業認定標準，使認定政策對上述企業產生更加顯著的作用；②從高新技術企業技術研發階段的影響機制來看，政府部門可以引導金融機構針對高新技術企業調整信貸結構，一方面增加金融機構對高新技術企業的信貸支持力度，緩解高新技術企業融資約束，另一方面可以改善信貸期限結構，為高新技術企業開辟一條長期穩定的信貸通道，以增強高新技術企業認定政策對企業技術研發階段創新效率的正向作用；③由于高新技術企業技術轉化階段會出現創新效率損失，稅務部門可以專門針對高新技術企業在技術開發、技術轉讓、技術咨詢等環節的增值稅予以一定減免，并考慮對企業在研發活動中產生的費用給予一定所得稅扣除或稅前攤銷，以弱化認定政策對企業運營過程中營業成本、廣告支出等費用的擠出效應，降低認定政策對企業技術轉化階段創新效率的不利影響。