中國戰略性新興企業技術創新投入時空演化及影響因素研究

孟 霏，魯志國，肖露露

(1.深圳大學 經濟學院，廣東 深圳 518000；2.吉首大學 商學院，湖南 吉首 416000)

0 引言

隨著中國經濟發展邁入“換擋減速增效”新時代，傳統“勞動力+資源”雙驅動的粗放型經濟增長模式亟待轉變，創新驅動成為中國經濟增長的新引擎。戰略性新興產業具備技術密集、能耗少和成長潛力大等特征，是獲取未來競爭新優勢的關鍵領域。然而，囿于宏觀政府政策與微觀企業特征等因素，中國省域間戰略性新興企業技術創新投入存在顯著空間異質性。以2019年樣本企業研發經費投入強度(研銷比)均值來說，位列前3位的省(市)分別為北京(0.085 2)、福建(0.073 5)和天津(0.072 4)，而排在末位的甘肅企業技術創新投入強度僅為0.013 3，極差為0.071 9。區域企業技術創新投入落差較大可能會影響中國創新驅動發展戰略總體布局，從而阻礙省域間協同創新。基于此，針對中國戰略性新興企業，有必要探討以下問題：技術創新投入時空演化特征如何？技術創新投入影響因素有哪些？技術創新投入是否具有空間溢出效應？政府創新政策實施效果如何？上述問題的答案對促進中國區域經濟協調發展具有較高的理論價值和實踐意義。

1 文獻回顧

近年來，學界對技術創新這一核心議題展開了熱烈探討，主要包括以下方面：

(1)技術創新演化趨勢與空間分布研究。從區域層面，Bernardi等[1]以西班牙專利申請數據為樣本，研究發現地區創新水平愈發均衡；羅建等[2]采用首位度指數、ESDA等技術手段，通過分析湖南省14個市州創新投入要素時空演化特征，發現R&D經費投入差距逐漸縮小，R&D人員投入差距逐漸擴大，兩大創新投入要素空間集聚現象顯著，尤其是西南部地區呈大面積“低-低”集聚。從產業或企業層面，Buzard & Carlino[3]通過分析美國各產業創新情況，發現東北部是美國產業創新匯集區；邱士雷等[4]以中國高技術產業為研究對象，通過ESDA法探索產業創新空間分布特征，發現中國高技術產業創新產出空間集聚特征顯著，已形成“環渤海”、“長江”和“珠江”三大創新集群帶。

(2)技術創新驅動因素研究。從區域層面，Shang等[5]以中國專利授權數據為樣本，發現R&D經費支出、高校與科研機構數量是驅動區域創新能力的主導因素；王晶晶等[6]通過實證分析發現，技術溢出、政府政策和經濟發展是顯著促進山東省創新產出的核心要素。從產業或企業層面，Snell & Hill[7]基于122家財富500強企業橫斷面數據，發現股權集中度可以促進研發支出增加；張璇等[8]基于世界銀行對中國120個城市12 400家企業投資與經營環境的調查數據研究發現，員工人力資本、CEO激勵對企業研發投資密度具有顯著促進作用。

(3)政府資助與企業技術創新關系研究。現有研究主要有3種觀點：第一，正向激勵。王剛剛等[9]認為，政府資助可釋放出技術和監管雙重認證信號，有助于企業獲取其它渠道的研發資金。第二，負向抑制。Lichtenberg[10]指出，政府研發資助會擠出企業研發項目資金，從而負向影響企業研發投入。同時，尋租[11]、資金使用約束機制松散[12]和逆向選擇[13]均會導致負向抑制效果。第三，不確定性。有部分學者認為，政府資助與企業技術創新關系不確定，取決于資助規模(康志勇，2017)、企業所屬地區[14]和企業成長階段[15]等異質性條件。

通過文獻回顧發現，當前研究為本文奠定了扎實的理論與實踐基礎，但仍有待進一步完善：①研究數據和研究對象：由于數據收集原因，既有研究大多采用全國、省域和城市群等宏觀數據，來源于國家或地區統計年鑒，缺乏微觀企業層面數據，研究對象涵蓋所有行業，或針對高技術產業、制造業等，已有研究結論是否適用于中國戰略性新興企業需要重新檢驗；②研究方法：現有研究大多采用首位度指數等傳統數理統計方法，基于地理信息系統技術的研究亟待補充；③研究內容：對于政府資助與企業技術創新間的關系，既有研究尚未蓋棺定論，且研究假設前提為地區間創新要素相互獨立，忽視了現代社會創新要素流動所導致的空間關聯性。此外，既有文獻大多未區分創新資助與一般性資助，研究結論的穩健性受到質疑。因此，本文基于2012—2019年中國內地30個省市(西藏因數據不全未納入統計)882家戰略性新興上市企業面板數據，采用Theil指數、探索性空間數據分析(ESDA)等方法，全方位考察中國戰略性新興企業技術創新投入時空演化特征，通過構建空間面板模型，剖析影響戰略性新興企業技術創新投入的關鍵因素。

本文可能的貢獻如下：第一，研究對象選擇契合中國國情，符合時代發展背景，能夠為戰略性新興企業領域研究增添新的經驗證據。數據源自Csmar、Wind、iFind等微觀企業數據庫，研究結論具有現實價值。第二，結合傳統數理統計與地理信息系統技術，采用Theil指數、探索性空間數據分析(ESDA)等方法，綜合考察中國戰略性新興企業技術創新投入時空演化特征，研究結論更加科學、全面。第三，構建地理距離和鄰接兩大空間權重矩陣，從空間關聯角度考察戰略性新興企業技術創新投入的溢出效應。區別于以往研究對空間計量模型選擇過程的簡略描述，本文通過LR、LM等一系列檢驗確定最匹配樣本數據的空間估計模型。此外，剔除非創新資助的噪音干擾，研究結論更加精準，進一步討論區域、創新資助程度等異質性情境下結論的適用性，拓展研究深度。

2 研究設計

2.1 研究方法

2.1.1 泰爾指數(Theil)

本文采用Theil指數衡量企業技術創新投入差異變動趨勢，公式如下：

(1)

(2)

Twr=ReTe+RmTm+RwTw

(3)

T=Tbr+Twr

(4)

式(1)-(4)中，Te,Tm,Tw表示東、中、西部Theil指數，ne,m,w表示東、中、西部區域，Ri為區域企業技術創新投入強度占全國的比值，Re,m,w為東、中、西部地區企業技術創新投入強度占全國的比值，Hi為區域企業人力資本占全國的比值；He,m,w為東、中、西部地區企業人力資本占全國的比值，Tbr為域間差異，Twr為域內差異，T值為反映區域戰略性新興企業技術創新投入強度差異的總Theil指數。T值越接近于0說明區域企業技術創新投入強度越均等化，反之亦然。

2.1.2 探索性空間數據分析法(ESDA)

全局Moran′s I指數用于識別企業技術創新投入空間關聯程度，公式如下：

(5)

Moran散點圖用于探索企業技術創新投入的空間關聯模式。其中，第一至四象限分別代表4種集聚類型，即H-H(高-高)、L-H(低-高)、L-L(低-低)、H-L(高-低)。

2.1.3 空間面板模型

空間面板模型主要有空間面板滯后(SPLM)和空間面板誤差(SPEM)兩類模型。其中，SPLM模型用于考察鄰近地區觀測值對本地觀測值的影響，SPEM模型用于考察鄰近地區關于被解釋變量誤差沖擊對本地觀測值的影響[16]。在構建空間面板模型前，需設定基準模型，借鑒程華和張志英(2020)的研究成果，基準面板模型設定如下：

(6)

式中，i和t表示第i個省份第t年數據，rd為企業技術創新投入，gov為政府創新資助，c為常數項，β1、βj分別為政府創新資助與各控制變量(controls)的回歸系數，εit為隨機擾動項，下同。

SPLM模型在式(7)的基礎上，設定如下：

(7)

式中，wij為空間權重矩陣，wijrdij屬于鄰近省份效應因素。ρ為空間滯后系數，反映鄰近省份企業技術創新投入對本省企業技術創新投入的影響程度和效果，當ρ顯著為正，說明以互補效應為主；當ρ顯著為負，說明以擠出效應為主。μi、vt分別表示控制時間與空間效應，下同。

SPEM模型在式(7)的基礎上，設定如下：

(8)

式中，φit為空間自相關誤差項，λ為空間誤差系數，表示回歸方程殘差間的空間依賴關系，反映鄰近省份不可觀測因素對本省企業技術創新投入的影響程度和效果。

2.2 樣本選取與數據來源

考慮到數據可得性，本文以2012—2019年中國深滬A股、中小板及創業板戰略性新興上市企業數據作為研究樣本。企業研發投入等微觀層面數據來自Csmar、Wind、iFind等數據庫。參照現有文獻，對原始數據作如下處理：

(1)現階段尚未有統一文件對戰略性新興企業所屬行業進行細化，借鑒孫早等[17]的研究成果，參照《國務院關于加快培育和發展戰略性新興產業的決定(2010)》等權威分類政策文件加以界定。

(2)剔除研究時間段被ST、*ST、PT處理的財務狀況異常企業。

(3)剔除凈利潤率大于1、資產負債率不在0～1范圍內的異常觀測值企業。

(4)根據技術路徑依賴性，剔除注冊時間不足兩年的企業。

(5)剔除關鍵指標數據缺失過多企業，采用平均增長率法將缺失數據轉換為平衡面板數據。

(6)為減輕離群值擾動，對連續變量進行上下1%截尾處理，最終甄選出882家隸屬七大戰略性新興產業領域上市企業共7 056個觀測值。此外，借鑒王卉彤等[18]、呂承超等[19]的研究成果，采用同一省級行政區取均值的技術手段，按注冊地將樣本企業劃分至中國(內地)30個省市中。

本文主要關注企業技術創新投入，旨在揭示政府扶持背景下企業創新研發活動的應對策略。由于企業研發需要投入大量資金，借鑒解維敏等[20]的研究成果，考慮企業當期收入情況而非總資產，為剔除企業規模效應，本文選取研銷比作為企業技術創新投入強度的代理變量。

3 實證分析

3.1 戰略性新興企業技術創新投入時空演化特征分析

3.1.1 企業技術創新投入發展趨勢

圖1顯示，2012-2019年中國戰略性新興企業技術創新投入總體呈上升趨勢，技術創新投入強度由0.038 6升至0.044 2，漲幅達14.5%。2012—2014年技術創新投入強度逐年上升，2015年后呈波動回落態勢。究其原因，2012年7月國務院《關于印發“十二五”國家戰略性新興產業發展規劃的通知》明確“戰略性新興產業重要骨干企業研發投入占銷售收入的比重達到5%以上”。同年11月，黨的十八大報告明確提出“實施創新驅動發展戰略”。這一系列政策無不彰顯國家對企業科技創新活動的大力支持，因此，戰略性新興企業應緊抓機遇，重視經濟發展創新驅動效應，加大研發投入力度。2015年作為分水嶺，此后技術創新投入強度波動下降，一定程度上說明中國戰略性新興企業經濟增長方式尚未完全轉變，技術創新投入要素仍有優化空間。從三大區域看，東中西部地區戰略性新興企業技術創新投入變動趨勢與全國整體水平基本保持一致，但各區域投入強度存在差異，東部地區投入強度明顯高于中部、西部。

3.1.2 企業技術創新投入空間差異

由表1可知，2012—2019年中國戰略性新興企業技術創新投入的Theil總指數呈波動下降趨勢，2014年抵達峰值后大幅回落，于2019年跌至0.041 7，降幅為32.31%，表明戰略性新興企業技術創新投入呈均等化趨勢。區域企業技術創新投入差異縮小與政府大力實施協調發展戰略密切相關，近年來“中部崛起”“西部大開發”等一系列戰略舉措，加速形成“你追我趕、各具特色”的區域創新格局。從域內和域間差異看，研究期內Twr的變動軌跡與T全國大致相仿，Tbr則呈波動下降的演進態勢，歷年Twr的貢獻率遠高于Tbr，說明域內差異是總差異的主要來源，意味著三大區域內部企業技術創新投入強度差異較大。

表1 戰略性新興企業技術創新投入Theil指數

3.1.3 企業技術創新投入空間格局演化

本文以2012年、2019年作為觀察年份，采用Arcgis10.2軟件中的自然間斷點分級法繪制中國戰略性新興企業技術創新投入強度空間四分位圖。圖2顯示，近8年來，中國戰略性新興企業技術創新投入強度保持相對穩定的空間格局。以2019年為例，企業技術創新投入強度大致呈“中心—外圍”的空間分布模式，北京、天津和福建地區企業技術創新投入強度處于領先地位，上海、廣東、湖北等11個省市處于第二區間，創新投入較高水平以上省市地理位置多位于東中部地帶，占總樣本的46.7%，而甘肅、青海等西部內陸省份企業技術創新投入強度仍有較大提升空間。在一定程度上說明，北京、上海等東部經濟強省(市)可以發揮創新資源、人才高度集聚優勢，科技創新發展勢頭強勁，企業研發投入力度較大，而湖北等中部省(市)企業也能夠緊緊牽住科技創新這個“牛鼻子”，創新投入強度蓄勢提升，激發經濟新活力。

圖2 戰略性新興企業技術創新投入強度空間格局演化

3.1.4 企業技術創新投入空間關聯分析

表2顯示，2012-2019年全局Moran's I指數均為正且在5%的水平上顯著，表明中國戰略性新興企業技術創新投入強度呈現出高創新投入省(市)被高創新投入省(市)包圍(H-H型)、低創新投入省(市)被低創新投入省(市)包圍(L-L型)的空間組織模式。從時間維度看，全局Moran's I指數由0.193(2012年)上升至0.359(2019年)，說明中國省(市)間戰略性新興企業技術創新投入的空間依賴越來越強。

表2 戰略性新興企業技術創新投入全局Moran's I指數

由圖3可知，中國戰略性新興企業技術創新投入強度集聚類型以H-H型和L-L型為主，呈空間極化態勢。其中，2012年、2019年H-H型和L-L型集聚省(市)分別占總體樣本的73.33%、66.7%。在集聚類型變化方面，2012-2019年H-H型省份數量由13個降至12個，黑龍江、安徽和山東由H-H型轉為L-H型，山西和湖北由H-L型落入H-H型，H-H型省市大多位于東部沿海地區，經濟聯系緊密，企業技術創新水平較高，企業間技術創新投入溢出效應顯著，構成自主創新投入的核心區域。2012-2019年L-L型省市數量由9個降至8個，重慶由L-L型升入H-L型，L-L型省市大多位于西部地區，創新水平相對較低，企業間技術創新投入溢出效應較小。

圖3 戰略性新興企業技術創新投入空間聚類情況

3.2 戰略性新興企業技術創新投入影響因素分析

3.2.1 變量選取與說明

政府創新資助(gov)。創新資助可以通過成本補償、風險分擔、外部性彌補和信號傳遞等效應激勵企業增加技術創新投入，具體來說：①有助于緩解企業研發項目初期的固定成本問題。創新項目在發起與延續過程中需大量資金投入，相當于一筆大額固定成本支出，企業往往難以解決項目初期資金需求。此時，政府創新資助以資金注入的形式可有效緩解企業研發初期資金緊張狀況，降低創新成本。②有助于降低企業研發失敗風險。企業在創新決策前往往要事先預估所需成本和潛在收益，風險規避型企業在面對風險較大的研發項目時可能采取相對保守的研發策略，進而錯失發展良機。政府創新資助以資本形式幫助企業開展創新活動，提升項目研發成功率。③有助于彌補創新活動正外部性給研發企業帶來的利潤損失。創新活動具有較大的技術外溢效應，加上受知識產權法律保護不力等因素影響，容易導致外部企業“搭便車”，進而使企業失去技術創新動力。政府創新資助可彌補企業技術成果外溢產生的利潤損失，縮短企業研發投入與社會最優水平的差距。④有助于企業獲取其它渠道的研發資金。由于資本市場的不完備性和信息不對稱，銀行等金融機構更傾向于將資金貸給規模大、信譽好的企業，對中小規模企業研發項目往往持謹慎態度。政府創新資助向外界傳遞出一種企業良性發展信號，在信息不對稱情況下，獲得“認證”的企業往往能夠獲得更多利益相關者支持。

政府資助金額信息披露于上市公司財務報表附注營業外收入科目下的政府補助明細中，現有文獻大多直接采用一般性資助總額進行表征，既包含創新類資助，也包含污染治理、納稅大戶獎勵及拆遷補償等非創新類資助。為保證研究結果的精準性，本文將非創新類資助剝離，僅分析創新類資助對戰略性新興企業技術創新投入的直接作用。甄選步驟借鑒郭玥[21]的做法，采用關鍵詞檢索確定創新資助范疇項目，通過加總可得每家上市企業創新資助總額。關鍵詞篩選標準如下：①技術創新；②政府支持政策；③創新成果；④人才及技術合作；⑤戰略性新興產業領域專有名詞。最終，參考沈毅和張清正[22]的研究成果，采用政府創新資助金額/企業總資產表征政府創新資助強度。

為盡量避免遺漏變量造成的估計結果偏誤，本文依次將控制變量引入模型進行檢驗：①企業規模(size)：規模較大企業往往擁有雄厚的資本、充足的人力資源等，能夠彌補企業研發成本，本文以企業資產總額表征，并對其進行對數化處理；②資產負債率(lev)：一般來說，企業資產負債率過高會增大企業經營風險，而研發又是高風險活動，具有較高負債水平的上市公司可能對研發投入活動更加謹慎，本文以企業負債總額與總資產比重衡量；③企業年齡(age):一般來講，成立時間長的企業存在資本積累優勢，對研發風險性具備更強的承受能力，其研發創新積極性較高，本文以企業成立年限代表企業年齡，并對其進行對數化處理；④成長能力(growth)：成長能力較強的公司為維持自身地位，需通過加大企業創新投入力度維持其成長性，本文以企業營業收入增長率加以衡量；⑤總資產收益率(roa)：企業盈利能力越強，經營績效越高，研發投入越多，本文以凈利潤與企業平均資產總額的比值表征；⑥股權集中度(econ)：在公司決策時，公司股權過于集中會對公司研發投資決策造成不利影響，進而導致公司利益損失[23]，本文以前十大股東持股比例衡量；⑦人力資本(hum)：企業創新投入強度很大程度上取決于受雇于該企業的員工質量，本文以技術人員數量與員工總數的比值表征。變量含義及描述性統計結果見表3。

表3 變量含義及描述性統計結果

3.2.2 空間面板模型適用性檢驗

本文采用空間面板模型(將反映空間結構的矩陣引入到傳統計量模型中)分析問題。在采用空間面板模型估計參數前，需要檢驗模型的適用性，即判斷SPLM模型和SPEM模型哪個更適合樣本數據檢驗：首先對不包含空間交互作用的基準模型進行OLS估計，再通過檢驗LR和LM統計量，選擇與樣本數據擬合程度較好的模型。一般來說，若LMlag的顯著性高于LMerror，且R-LMlag顯著而R-LMerror不顯著，則采用SPLM模型，反之則采用SPEM模型；若R-LMlag、R-LMerror統計量均顯著，宜選擇統計值較大的模型[24]。檢驗結果如表4所示。

由表4可知，Hausman檢驗(60.01，P=0.000 0)結果表明，應采用固定效應下的空間面板回歸模型進行分析。LR檢驗結果顯示，時間和空間固定效應的LR統計量均在1%的水平下顯著，說明應選擇包含時空雙向固定效應的面板回歸模型。LM和Robust LM檢驗結果顯示，LMlag與LMerror在1%的水平下顯著，R-LMlag與R-LMerror分別在1%、10%的水平下顯著，表明非空間面板模型的LM檢驗同時適用于SPLM、SPEM模型。但R-LMlag(19.154)>R-LMerror(2.325)，故本文選擇SPLM模型進行后續空間回歸分析。觀測數據空間相關性的存在違背了傳統計量模型的經典假設條件，如仍采用OLS進行參數估計，將導致結果失真[25]。因此，本文參考Elhors[26]的建議，采用極大似然法(MLE)對時空雙固定效應的SPLM模型進行估計，既能有效緩解傳統OLS估計中變量的內生性問題，又能科學反映觀測變量間的空間依賴程度。

表4 基準模型回歸結果

3.2.3 回歸結果分析

本文首先對SPLM模型進行納入控制變量的依次回歸，再對納入全部控制變量后的SPEM模型進行回歸，以檢測估計結果的穩定性，結果如表5所示。

由表5可知：①列(1)結果顯示，gov系數為正值且在1%的水平上顯著，表明政府創新資助對戰略性新興企業技術創新投入具有顯著正向影響；ρ系數為負值且在1%的水平上顯著，說明鄰近省市戰略性新興企業加大技術創新投入會抑制本省市戰略性新興企業技術創新投入；②列(2)—(8)依次納入控制變量企業規模(size)、資產負債率(lev)、企業年齡(age)、成長能力(growth)、總資產收益率(roa)、股權集中度(econ)和人力資本(hum)，結果再次驗證列(1)研究結論的穩健性；③通過對比時空雙固定效應的基準模型、SPLM模型和SPEM模型發現，除空間回歸系數外，各模型中的回歸結果具有較好的穩健性。此外，SPEM模型中λ系數顯著為負值，表明鄰近省市不可觀測因素會抑制本省市戰略性新興企業技術創新投入。

表5 全國樣本空間面板模型回歸結果

據前文所述，本文對列(8)的回歸結果進行分析：①gov的回歸系數為2.250 8，在1%的水平上顯著，表明政府創新資助可以顯著促進中國戰略性新興企業技術創新投入，這也解釋了目前中國政府之所以大力推進“863計劃”“星火計劃”等財政科技計劃，其最終目的是為了提升戰略性新興企業自主創新能力。②ρ的系數為-0.454 9，在1%的水平上顯著，表明中國戰略性新興企業技術創新投入具有負向空間溢出效應。可能原因在于，企業創新過程中存在大量難以編碼的隱性知識，需要通過面對面交流獲取。對地理距離鄰近的不同省份來說，一方面，企業間研發策略是互補的，本省企業為搶占市場份額，可以從鄰近省份企業創新思想中獲得啟發，進而激勵自身進行創新，增加研發投入，開展研發競賽。另一方面，企業研發策略具有替代性，由于研發活動的技術外溢效應存在與知識產權保護不力的情況，本省企業可通過模仿鄰近省份企業新技術進行自身技術改進，這意味著本省企業可能選擇減少研發甚至不研發，期待鄰近省份企業增加研發投入，從而坐享其成[27]。總體結果說明替代效應大于互補效應，大多數企業更傾向于“搭便車”，選擇減少研發或不研發，致使鄰近省份企業增加技術創新投入，從而抑制本省企業技術創新投入。③從各控制變量看，size、age、hum的系數分別為0.761 0、-6.824 4和-5.164 6且均在1%的水平上顯著，說明企業規模能夠顯著促進戰略性新興企業技術創新投入，反映出規模較大企業能夠憑借雄厚的資本、充沛的人力資源等彌補自身研發成本。企業年齡會顯著抑制企業技術創新投入，可能原因在于，年輕企業往往處于成長階段，有活力、有沖勁，追求快速發展且投資動力充足，年長企業則大多處成熟階段，投資決策相對保守。人力資本會顯著抑制企業技術創新投入，可能是由于當前中國戰略性新興企業技術人員具有知識結構惰性，創新動機較弱，導致這類人力資本會抑制企業技術創新投入。另外，lev、growth、roa、econ的系數分別為0.953 0、-0.139 2、-0.312 1和-1.171 0，均未通過10%的顯著性水平檢驗。

3.2.4 穩健性檢驗

為進一步提升實證分析結果的可信度，本文采用重構鄰接空間權重矩陣的方法代替原模型中的地理距離權重矩陣，再運用MLE對時空雙固定SPLM模型進行估計。具體來說，對于鄰接權重矩陣wij，根據省級空間截面是否具有共同邊界設定0～1二進制矩陣，分別對前文列(1)-(8)進行穩健性檢驗(限于篇幅，結果不再展示，如有需要，可向作者索取)。結果顯示，核心解釋變量、空間滯后項、控制變量回歸系數的正負號與前文基本保持一致，僅系數大小有小幅變化且顯著性并無差別，表明本文研究結論具有較好的穩健性。

3.2.5 分區域回歸結果

中國各區域經濟發展水平和資源稟賦差異較大，為探究不同區域情境下研究結果的適用性，本文將全國分為東部地區和中西部地區，得到東部地區11個省(市)，中西部地區19個省(市)，基于地理距離和鄰接權重矩陣，運用MLE對時空雙固定的SPLM模型進行回歸分析，結果見表6。

表6 分區域SPLM模型回歸結果

由表6可知：①東部地區gov的系數顯著為正，表明政府創新資助能夠顯著促進東部地區戰略性新興企業技術創新投入，但其對中西部地區的促進作用不顯著。究其原因，相較于中西部地區，東部地區市場化程度較高，政府對經濟的直接干預較少，企業面臨的市場競爭更加激烈，通過研發獲得持久競爭力的意愿更為強烈。同時，東部地區知識產權保護制度更為完善，當企業研發成果受到完善制度保護的情況下，不易被其它企業“搭便車”，能夠提升自身投資回報率，充分激發研發活動積極性。②無論是東部地區還是中西部地區，ρ系數均顯著為負，但中西部地區的負向空間溢出效應更強，表明相較于東部地區，中西部地區由于知識產權保護制度不健全，企業研發策略更多地體現為替代效應。

3.2.6 分創新資助程度回歸結果

不同程度創新資助情境下研究結果的適用性有待進一步檢驗。本文按照創新資助程度均值，將全國分為高創新資助和低創新資助兩大區域，得到北京、天津等13個高創新資助省(市、自治區)，山西、內蒙古等17個低創新資助省(市、自治區)，如表7所示。

表7 各省(市、自治區)按政府創新資助程度劃分情況

同樣地，基于地理距離和鄰接權重矩陣，運用MLE對時空雙固定的SPLM模型進行回歸分析，結果見表8。

由表8可知：①高創新資助組gov的系數顯著為正，而低創新資助組gov的系數也為正，但未通過10%的顯著性水平檢驗，表明低政府創新資助對企業技術創新投入的激勵作用不顯著，高政府創新資助能夠顯著促進企業技術創新投入。可能原因在于，企業進行研發活動需要逾越一定的門檻條件[28]，當資助過少不足以彌補高額企業研發資金缺口時，企業往往不愿冒風險開展研發活動。當政府創新資助逾越研發活動的門檻條件后，其對企業研發投入的刺激作用就會逐漸增強。②高創新資助組ρ的系數顯著為負，而低創新資助組ρ的系數也為負，但未通過10%的顯著性水平檢驗，表明在高創新資助組中，鄰近省市企業技術創新投入增加會顯著抑制本省市企業技術創新投入，而在低創新資助組中這一抑制效應并不顯著。對此可能的解釋是，由表7可以看出，中國政府創新資助行為釋放出“扶優扶強”的信號，傾向于資助技術創新投入較高省市的戰略性新興企業，原本創新投入較高企業的研發成果較多，其空間外溢性較強，導致其它企業更愿意采取“搭便車”的研發策略，最終造成省份間企業技術創新投入相互抑制的現象。相對而言，獲得政府創新資助較少的企業，其研發成果較少，研發活動空間外溢性較弱，省份間企業雖會采取“搭便車”的研發策略，但更多地通過增加自身研發投入提升創新能力，導致低創新資助組中企業技術創新投入的負向空間溢出效應并不顯著。

表8 不同創新資助程度下SPLM模型回歸結果

4 結語

4.1 結論

本文基于2012—2019年中國(內地)30個省市882家戰略性新興上市企業面板數據，采用Theil指數、探索性空間數據分析(ESDA)等方法考察中國戰略性新興企業技術創新投入時空演化特征，通過構建空間面板計量模型，剖析影響企業技術創新投入的關鍵因素。

(1)從全國總體看，企業技術創新投入呈波動上升趨勢。從三大區域看，東中西部地區企業技術創新投入變動趨勢與全國整體情況基本保持一致，但各區域投入強度存在差異，東部地區投入強度明顯高于中、西部地區。

(2)從全國總體看，企業技術創新投入愈發均等化，Theil總指數呈波動下降趨勢。從三大區域看，域內差異是總差異的主要來源，意味著中國三大區域內部企業技術創新投入強度差異較大。

(3)企業技術創新投入空間格局大致穩定，呈現“中心—外圍”的分布模式，中心省份多位于東中部地區，外圍省份多位于西部內陸地區。

(4)企業技術創新投入呈現H-H型、L-L型空間組織模式，且各省域間企業技術創新投入空間依賴愈發緊密。研究時間跨度內，H-H型省份數量未發生變化，大多位于東部沿海地區，而L-L型省份數量有所減少，大多位于西部內陸地區。

(5)從全國總體看，政府創新資助是顯著促進企業技術創新投入的重要因素，且企業技術創新投入具有顯著負向空間溢出效應。分區域看，增加政府創新資助有助于促進東部地區企業技術創新投入，但其對中西部地區的促進作用不顯著。無論是東部地區還是中西部地區，企業技術創新投入的空間溢出效應均顯著為負，但中西部地區的溢出效應更強。分創新資助程度看，低政府創新資助對企業技術創新投入的激勵作用不顯著，高政府創新資助則能夠顯著促進企業技術創新投入。在高創新資助組中，鄰近省份企業增加技術創新投入會顯著抑制本省企業技術創新投入，而在低創新資助組中這一抑制效應不顯著。

4.2 啟示

(1)完善區域協同機制，深化企業協作創新。例如，應設立跨區域常態化協調管理機構，統籌各地區創新主體之間創新與科技協作事務。戰略性新興企業技術創新活動對科研人才、知識技術、研發資金等要素的要求較高，協調管理機構應積極發揮指引作用，從全局視角考慮，弱化邊界藩籬和政策壁壘，增強企業間交流合作，促進創新要素跨境流動，從而實現“以合作促規模化發展”的愿景。此外，協調管理機構應合理引導要素流向，避免要素流動“單向化”進一步加劇。

(2)繼續加大資助力度，發揮資金引導作用。政府應繼續加大資助力度，為企業技術研發提供資金保障，激發企業創新意愿，從而實現創新驅動發展。與此同時，應完善資助資金監管機制，明確政府資助資金使用范疇，使資助資金切實用于企業創新活動，從而實現創新資助激勵效應最大化。

(3)健全地區知識產權保護制度，保障企業創新活動收益。應完善知識產權保護相關法律法規及其執行機制，努力優化地區知識產權保護環境。在立法方面，應進一步提升相關法律法規的可操作性，重點完善侵權懲罰性賠償制度，加大地區知識產權保護力度，為企業營造公平、正義、高效的創新環境。在執法方面，應健全地區相關部門之間的執法聯動協作機制，加大知識產權侵權懲處力度，通過增加違法機會成本避免侵權行為發生，保障企業創新活動的正常收益，增強企業“幸福感”，弱化企業技術創新投入的負向溢出效應。