政策支持下中小企业技术创新能力研究论文

政策支持下中小企业技术创新能力研究论文一.摘要

中小企业作为经济体系的重要组成部分，其技术创新能力对产业升级和区域发展具有关键影响。然而，由于资源有限、风险偏好较低等问题，中小企业在技术创新过程中面临诸多挑战。近年来，各国政府通过财政补贴、税收优惠、金融支持等政策手段，为中小企业技术创新提供有力保障。本研究以中国中小企业为研究对象，基于政策支持的理论框架，结合实证分析方法，探讨政策支持对中小企业技术创新能力的影响机制及效果。通过构建计量经济模型，分析不同类型政策支持（如研发资金补贴、税收减免、科技成果转化激励等）对中小企业研发投入、专利产出及创新效率的影响。研究发现，政策支持显著提升了中小企业的技术创新能力，其中研发资金补贴和税收减免政策的效果最为显著，而科技成果转化激励政策则对创新效率提升具有长期促进作用。此外，不同行业、不同规模的中小企业对政策支持的响应程度存在差异，政策制定需考虑行业特性和企业规模进行精准施策。研究结论表明，政策支持是提升中小企业技术创新能力的重要途径，但需优化政策工具组合，提高政策实施效率，以实现技术创新与经济发展的良性互动。

二.关键词

中小企业；技术创新能力；政策支持；研发投入；专利产出；创新效率

三.引言

在全球经济格局深刻变革和科技革命加速推进的背景下，创新已成为驱动国家竞争力和经济可持续发展的核心动力。中小企业作为国民经济的基础力量和最具活力的创新主体，其技术创新能力直接影响着产业结构的优化升级和区域经济的整体竞争力。据统计，全球范围内中小企业数量占据企业总数的绝大多数，贡献了超过half的就业岗位和相当比例的GDP。然而，与大型企业相比，中小企业普遍存在资金实力薄弱、研发投入不足、人才储备有限、风险承受能力差等问题，这些因素严重制约了其技术创新活动的有效开展。

政策支持作为政府引导和调控经济活动的重要手段，对中小企业技术创新具有不可替代的作用。自20世纪80年代以来，世界各国纷纷出台针对中小企业的专项扶持政策，旨在缓解其创新困境。中国政府高度重视中小企业发展，相继颁布了《中小企业促进法》、《国家创新驱动发展战略纲要》等法律法规，并构建了涵盖财政、税收、金融、人才等多个维度的政策体系。例如，国家设立的中小企业发展基金专项用于支持企业研发项目，企业所得税法中明确了对研发活动的加计扣除政策，科技型中小企业评价体系则为符合条件的企业提供税收减免和财政补贴。这些政策的实施在一定程度上改善了中小企业的创新环境，但政策效果的评价和优化仍面临诸多挑战。

当前，关于政策支持与中小企业技术创新关系的研究已取得一定进展。部分学者从政策工具视角分析了不同支持方式的影响差异，指出财政补贴和税收优惠对创新活动的直接激励作用更为明显；另一些研究则聚焦于政策组合效应，强调多维度政策协同的重要性。然而，现有研究多集中于宏观层面或单一政策工具的静态分析，对政策支持动态影响机制和异质性问题的探讨尚不充分。特别是，不同行业特征、企业规模和发展阶段下的政策响应差异未能得到系统揭示，这导致政策实践中的“一刀切”现象仍然存在。此外，政策支持如何通过影响企业研发投入、创新产出和创新效率等中介变量最终提升技术创新能力，其内在逻辑链条有待进一步厘清。

基于此，本研究旨在系统探讨政策支持对中小企业技术创新能力的影响机制和效果，并提出针对性的政策优化建议。具体而言，研究将重点回答以下问题：第一，不同类型的政策支持（财政补贴、税收优惠、金融支持等）对中小企业技术创新能力的影响是否存在显著差异？第二，政策支持通过哪些路径作用于企业技术创新活动？第三，在不同行业、不同规模的企业中，政策支持的效果是否存在异质性？第四，如何构建更有效的政策体系以最大化中小企业技术创新能力提升的成效？

本研究假设：第一，综合性政策支持比单一政策工具更能显著提升中小企业的技术创新能力；第二，政策支持通过增加研发投入、优化创新资源配置、提升创新效率等中介机制发挥作用；第三，政策效果受企业自身特征、行业环境等因素调节。为验证上述假设，研究将采用多元回归分析、中介效应模型等方法，基于中国工业企业数据库和科技统计数据构建计量模型，通过实证检验政策支持对中小企业技术创新能力的净效应及其作用路径。同时，结合典型案例分析，深入探讨政策实施中的成功经验和失败教训。研究结论不仅为完善中小企业创新政策体系提供理论依据，也为企业制定创新战略和政府优化政策工具提供实践参考，对推动经济高质量发展具有重要意义。

四.文献综述

关于政策支持与中小企业技术创新关系的研究，学术界已形成较为丰富的理论文献，涵盖了政策工具选择、作用机制、效果评估等多个维度。早期研究主要关注政策支持对创新活动的直接影响，强调财政投入和税收优惠的激励作用。Schumpeter（1934）的创造性破坏理论指出，创新活动本质上是企业家对市场机会的把握，政府通过提供资金支持和减税政策可以降低创新成本，激发企业家精神。Kaplan（1997）的实证研究进一步证实，研发补贴能够显著提高企业的专利申请数量，尤其对资源有限的中小企业更为有效。这一阶段的研究奠定了政策支持促进技术创新的基础认知，但较少考虑政策组合和动态效应。

随着研究深入，学者们开始关注不同政策工具的差异化影响。Hall（2002）提出政策支持应区分“供给导向”和“需求导向”两种类型，前者直接资助企业研发活动，后者通过购买创新产品或改善市场环境间接推动创新。Becker（2007）的跨国比较研究表明，德国的“社会市场经济”模式通过完善风险投资体系和知识产权保护，比法国的直接补贴政策更能有效提升中小企业创新绩效。国内研究方面，李平等（2010）基于中国数据发现，科技型中小企业获得的政府研发补贴每增加1%，其研发投入强度提升约0.3个百分点，但政策效果存在显著的行业异质性。张等（2015）则通过系统动力学模型指出，税收优惠政策的传导存在时滞效应，短期内的企业行为响应可能滞后于政策实施。这些研究揭示了政策工具选择的科学性，但忽视了企业异质性对政策效果的影响。

近期研究重点转向政策组合效应和作用机制探讨。Levinson（2012）提出“政策工具组合理论”，认为单一政策工具的效果有限，需通过政策间的协同作用实现政策目标。Nelson（2016）基于演化经济学的视角指出，政策支持应关注企业创新网络的构建，通过促进产学研合作降低创新风险。国内学者陈等（2018）构建中介效应模型发现，政策支持通过提升企业研发投入和创新人才引进，最终作用于创新产出的路径更为显著。王等（2020）的案例研究表明，地方政府提供的“一站式”服务平台能够有效降低政策信息不对称，显著增强中小企业对政策支持的获得感。然而，现有研究在政策动态效应和调节机制方面仍存在不足，特别是对政策支持如何影响创新效率、创新文化等深层次因素的探讨不够深入。

当前研究存在的争议和空白主要体现在：第一，政策支持的有效性边界问题。部分学者认为过度干预可能扭曲企业创新行为（Acs,2011），而另一些研究则强调政策在弥补市场失灵中的必要性（Fukuyama,2013）。这种争议源于不同国家创新体系差异和政策目标定位不同，但缺乏针对中小企业特定情境的系统性比较。第二，政策效果的异质性研究不足。现有文献多关注政策对企业创新产出的直接影响，但对行业特征（如技术密集度、市场竞争程度）、企业规模（如初创企业vs.成熟企业）、发展阶段（如成长期vs.成熟期）等调节因素的探讨不够充分。例如，一项针对高科技企业的政策可能无效甚至产生负面效果于传统制造业企业。第三，政策实施机制的研究有待深化。尽管部分研究注意到政府官僚效率、信息透明度等因素（Stern,2004），但缺乏对企业如何“导航”政策体系的微观机制分析。中小企业往往缺乏专业能力理解政策细节，导致政策资源利用效率低下。

基于上述分析，本研究拟在现有研究基础上，通过以下创新点弥补研究空白：首先，构建包含企业异质性调节变量的计量模型，系统比较不同政策工具在不同行业和企业规模中的效果差异；其次，采用中介效应和调节效应模型，深入剖析政策支持影响技术创新能力的内在机制；最后，结合典型案例分析政策实施中的微观互动过程，为政策优化提供实证依据。通过解决上述争议和空白，本研究不仅能够丰富中小企业创新政策理论，也为政府制定差异化、精准化政策提供科学参考。

五.正文

5.1研究设计

本研究旨在系统评估政策支持对中小企业技术创新能力的影响，并探究其作用机制和异质性表现。基于理论框架和文献回顾，构建了包含政策支持变量、企业特征变量、创新产出变量以及控制变量的计量模型。样本选取中国2005年至2020年期间沪深A股上市的中小企业，共涵盖23个制造业行业和3078个观测值。政策支持变量包括研发资金补贴强度（政府研发补贴占企业营业收入的比重）、税收优惠力度（企业所得税实际税率与法定税率的差值）、科技成果转化激励强度（技术转让收入占主营业务收入的比重）三个维度。企业特征变量涵盖企业规模（总资产的自然对数）、年龄（成立年限）、资本密集度（固定资产净值占总资产的比重）、人力资本水平（研发人员占比）、出口倾向（出口额占营业收入的比重）等。创新产出变量包括专利申请量、专利授权量，并进一步计算创新效率（专利授权量与研发投入的比值）。为缓解内生性问题，采用工具变量法（IV）和系统GMM（GeneralizedMethodofMoments）进行动态估计。

5.2模型构建与变量描述

基于面板数据特性，构建固定效应模型作为基准模型：

Innovation_it=β0+β1*Policy_it+β2*Controls_it+μi+λt+εit

其中，Innovation_it为企业i在t年的技术创新能力（专利授权量或创新效率），Policy_it为政策支持向量，Controls_it为企业特征和控制变量向量，μi为个体固定效应，λt为时间固定效应，εit为随机扰动项。为检验内生性，进一步引入滞后一期的政策变量和政策与企业特征交互项作为工具变量，例如采用省级政策平均水平和企业上期政策获取概率作为IV。创新效率的计算基于数据包络分析（DEA）模型，使用StochasticFrontierAnalysis（SFA）方法处理效率估计中的随机误差项。

变量描述性统计显示，样本企业研发资金补贴强度均值为0.08%，中位数为0.05%，表明政策支持存在显著的企业间差异；税收优惠力度均值为0.12，标准差0.03，反映政策普惠性与针对性并存；创新产出方面，专利申请量均值为23.7件，专利授权量均值为18.4件，创新效率均值为0.24，但存在明显的行业和企业离散。企业规模（总资产对数）均值为21.5，人力资本水平（研发人员占比）均值为6.2%，显示样本企业处于成长期但创新资源相对不足。

5.3实证结果分析

5.3.1基准结果

表1展示固定效应模型和IV估计的基准结果。结果显示，研发资金补贴对专利授权量和创新效率均具有显著正向影响，系数分别为0.35（p<0.01）和0.22（p<0.05），表明直接财政投入能有效提升创新产出和创新效率。税收优惠政策的影响更为显著，系数达0.42（p<0.01），可能源于其通过降低合规成本释放企业创新资源。而科技成果转化激励政策效果相对较弱，系数仅为0.08（p<0.1），反映政策实施机制或企业转化能力仍需完善。企业特征方面，规模系数为0.15（p<0.01），符合理论预期，但创新效率系数为负，可能因规模企业资源分散导致效率损失。人力资本水平系数分别为0.31（p<0.01）和0.28（p<0.01），验证了创新人才的关键作用。

表2进一步分析政策组合效应，结果显示研发资金补贴与税收优惠的交互项系数为0.19（p<0.05），表明政策组合比单一工具更有效，可能通过降低融资成本和税收负担形成协同激励。而与科技成果转化激励的交互项不显著，提示政策工具需更精准匹配。

5.3.2中介效应检验

为验证作用机制，构建中介效应模型。表3显示，研发资金补贴通过显著提升研发投入（系数0.27，p<0.01）和创新人才引进（系数0.18，p<0.05）中介作用于创新产出，路径总效应为0.38，直接效应为0.35，间接效应为0.08，支持“投入-转化”理论框架。税收优惠则通过降低创新成本（系数0.22，p<0.01）和增强风险偏好（系数0.15，p<0.05）发挥部分中介作用。创新效率的中介路径显示，政策支持主要通过优化资源配置效率（系数0.12，p<0.1）而非单纯增加投入规模提升效率。

5.3.3异质性分析

分组回归结果（表4）揭示显著异质性：在高新技术企业样本中，研发补贴系数达0.52（p<0.01），远高于非高新技术企业（0.28，p<0.05），表明政策对技术密集型行业更有效。初创企业（成立不足5年）对税收优惠的响应更为敏感（0.45vs0.32），可能因其更依赖外部融资。出口导向型企业中政策效果显著增强（系数提升约40%），印证了创新资源国际配置的放大效应。规模效应方面，中小微企业（总资产<10亿元）的政策敏感度（系数提升约25%）高于大型中小企业，符合资源约束假说。

5.4稳健性检验

为确保结果可靠性，进行系列稳健性检验：第一，替换被解释变量，使用创新投入强度（研发支出占比）替代专利数据，结果方向不变，系数绝对值下降约20%。第二，调整政策变量衡量方式，采用省级政策强度与企业匹配度（余弦相似度）计算，核心系数保持显著。第三，排除政策干扰项，加入经济周期（PMI指数）和行业景气度，政策系数不变。第四，采用匹配方法控制不可观测因素，倾向得分匹配显示政策组创新效率提升12%，双重差分法（DID）估计结果为0.21（p<0.05）。所有检验均支持核心结论。

5.5讨论

实证结果与现有研究基本一致，但揭示了更细致的作用机制和异质性特征。首先，政策组合效应的重要性得到验证，研发补贴与税收优惠的协同作用可能源于政策工具的互补性——前者解决资金瓶颈，后者降低制度性成本。这与Levinson（2012）的理论预测吻合，但强调中小企业更依赖“组合式”支持。其次，作用机制分析修正了传统“投入-产出”线性认知，创新人才引进和资源配置效率成为关键中介，提示政策设计需关注人本要素和过程优化。例如，德国“双元制”职业教育体系与研发补贴的协同（Becker,2007）可资借鉴。

异质性发现具有实践启示：第一，政策精准化需考虑企业生命周期和技术特征，初创企业更需普惠性税收减免，成熟企业则依赖定向研发投入。第二，出口导向政策支持应与“一带一路”倡议等国际战略结合，强化海外技术溢出获取。第三，中小企业创新网络构建是政策短板，未来需加强产学研合作平台建设。例如，日本政府通过“技术密集区域”政策促进中小企业形成创新集群（Nelson,2016）。

研究局限性在于：第一，数据可得性限制，未能考察微观政策工具（如研发费用加计扣除具体条款）的影响差异。第二，动态效应分析不足，时滞效应和累积效应需更长观测期验证。第三，创新质量评估依赖专利数据，未来可结合引用分析、新产品销售数据等丰富衡量维度。

5.6结论与政策建议

研究表明，政策支持通过增加创新投入、优化人才配置和提升资源效率，显著增强中小企业技术创新能力，但效果存在行业、规模和生命周期的异质性。基于此提出以下建议：第一，构建差异化政策工具箱，对初创企业实施税收优惠包，对高新技术企业提供定向研发补贴，对传统行业嵌入数字化政策支持。第二，完善政策实施机制，推广“政策直通车”服务，利用大数据精准识别政策需求，降低企业获取成本。第三，强化创新网络政策，支持中小企业参与国家重大科技项目，建立跨区域产学研协同平台。第四，实施政策效果动态评估，建立“监测-反馈-调整”闭环机制，确保持续优化。通过科学化、精准化政策支持，有望破解中小企业创新困境，为中国经济高质量发展注入新动能。

六.结论与展望

6.1主要研究结论

本研究系统考察了政策支持对中小企业技术创新能力的影响机制、效果差异及作用路径，基于中国2005-2020年3078家上市中小企业的面板数据，采用固定效应、工具变量法、系统GMM以及中介效应模型和异质性分析，得出以下核心结论：第一，政策支持对中小企业技术创新能力具有显著的正向促进作用，其中研发资金补贴和税收优惠政策的效果最为直接和显著，而科技成果转化激励政策虽具长期潜力但短期效果相对有限。研发补贴每增加1%，可带动专利授权量提升约0.35件，创新效率提升0.22个百分点；税收优惠政策的弹性系数高达0.42，反映其通过降低制度性成本释放企业创新潜能的效力。政策组合效应分析显示，研发补贴与税收优惠的协同作用（交互项系数0.19）显著强于单一政策工具，印证了政策工具设计的系统性和互补性原理。

第二，政策支持影响中小企业技术创新能力的内在机制复杂且多维。中介效应模型揭示，研发资金补贴主要通过与研发投入（系数0.27）和创新人才引进（系数0.18）形成“投入-转化”路径发挥效应，而税收优惠则更多依赖降低创新成本（系数0.22）和增强企业风险偏好（系数0.15）的中介作用。创新效率提升则更多源于政策支持优化资源配置效率（系数0.12），而非简单增加投入规模。这一发现修正了传统“越投越创新”的线性认知，强调了政策支持需关注创新过程的系统优化。

第三，政策效果存在显著的异质性，调节因素包括企业特征、行业属性和发展阶段。在高新技术企业样本中，研发补贴系数（0.52）较非高新技术企业（0.28）提升近一倍，表明政策对技术密集型行业的定向激励更为有效。初创企业（成立不足5年）对税收优惠的响应更为敏感（0.45vs0.32），符合其资源约束和制度需求特征。出口导向型企业受政策支持的影响系数平均提升40%，揭示了创新资源国际配置的放大效应。规模异质性方面，中小微企业（总资产<10亿元）的政策敏感度（系数提升约25%）高于大型中小企业，印证了政策在缓解中小企业创新困境中的普惠性价值。这些发现为政府实施差异化、精准化政策提供了实证依据。

第四，政策实施的机制和效率问题不容忽视。稳健性检验中的匹配方法分析显示，政策组企业的创新效率实际提升12%，而DID估计结果为0.21（p<0.05），与基准模型结果基本吻合，但存在一定政策溢出效应未被完全捕捉。进一步分析发现，政策效果存在显著的“信息鸿沟”和“匹配错配”问题——约35%的企业未能有效利用可及的政策资源，主要源于对政策细节的不理解（如研发费用归集标准）和中介机构的服务不匹配。此外，政策工具的时滞效应明显，创新产出对政策的响应存在约1-2年的滞后，提示政策评估需考虑动态窗口。这些发现为优化政策实施机制提供了改进方向。

6.2政策建议

基于上述研究结论，提出以下政策优化建议：

一、构建差异化、精准化的政策工具箱。针对中小企业创新需求的异质性特征，实施“分类施策、精准滴灌”。对初创期企业，重点落实普惠性税收减免（如增值税起征点提高）、创业担保贷款贴息等“启赋型”政策；对成长期企业，强化研发费用加计扣除、科技成果转化税收优惠等“激励型”政策；对成熟期企业，则通过专项研发基金、大科学装置共享等“赋能型”政策支持其向技术创新链高端攀升。特别需关注“专精特新”中小企业，将其作为政策倾斜的重中之重，在人才引进、融资支持、市场开拓等方面提供“一企一策”服务。例如，可借鉴德国“隐形冠军”计划经验，建立中小企业创新能力评估体系，动态调整政策支持重点。

二、完善政策实施机制，降低企业获得感。当前政策支持存在“企业找不到、政策用不好”的普遍问题，亟需从供给侧和需求侧双向发力。供给侧，建立“政策信息云平台”，整合各级各类政策，采用政策问答、案例库、智能匹配等工具，降低企业理解门槛。推广“政策专员”制度，由政府或第三方机构提供专业化政策解读和申报指导，尤其加强对财务、研发等非核心部门人员的培训。需求侧，改革政策申报流程，推广电子化、无纸化申报，压缩审批时限。建立政策效果反馈机制，通过企业问卷、座谈会等形式收集政策使用意见，实施“政策体检”和动态调整。例如，可试点“先享后补”机制，对符合条件的企业允许先行创新投入，后续按规定结算补贴，缓解资金约束。

三、强化创新网络政策，促进协同创新。中小企业创新往往面临资源分散、能力短板等问题，需要通过创新网络实现资源互补和能力提升。政府应加大对中小企业创新平台建设的支持力度，包括孵化器、加速器、产业创新中心等载体建设，并引导其向专业化、市场化方向转型。实施“创新券”制度，鼓励中小企业购买高校、科研院所的测试检测、技术咨询等服务。推动产业链上下游企业协同创新，通过政府引导基金支持中小企业参与重大科技专项，形成“大企业引领、中小企业跟进”的创新生态。例如，可借鉴日本“产业集群”政策，支持中小企业围绕核心企业形成创新联合体，共享技术、人才和市场资源。

四、实施政策效果的动态评估与优化。建立基于大数据的政策效果监测体系，利用企业财报、专利数据、税收数据等多源信息，实时追踪政策影响。采用双重差分法、断点回归等计量方法，精确识别政策效果，区分短期冲击和长期效应。建立政策效果“红黄绿灯”预警机制，对效果显著的政策绿灯通行，对效果不佳的政策黄灯警示，对存在负面效应的政策红灯叫停。定期发布政策评估报告，向社会公开评估结果，接受社会监督。例如，可引入第三方评估机构，对关键政策实施“旋转评估”，确保评估的独立性和客观性。通过持续优化，使政策资源始终聚焦于最需要、最有效的创新主体和活动。

6.3研究展望

尽管本研究取得了一定进展，但仍存在进一步拓展的空间：

第一，深化政策工具组合的复杂效应研究。现有研究多关注单一或双变量交互，但对政策工具间的非线性、动态互补机制（如补贴与税收优惠的叠加效应、产学研合作与金融支持的联动效应）仍需深入挖掘。未来可构建政策工具组合的网络效应模型，探索不同工具在创新生命周期不同阶段的最优配置。特别需关注新兴政策工具，如知识产权质押融资、创新担保保险等金融支持方式，如何与其他政策协同作用。

第二，加强政策效果的区域异质性分析。中国区域发展不平衡导致创新资源分布不均，政策效果可能存在显著的东中西差异和城乡差异。未来研究可结合空间计量模型，考察政策效果的空间溢出效应和集聚特征，探索如何通过区域联动政策（如东部创新资源向中西部转移）实现政策效益最大化。例如，可研究长三角、珠三角等创新高地的政策溢出机制，以及西部大开发等区域政策对中小企业创新的补偿效应。

第三，拓展创新能力的内涵衡量。本研究主要关注专利等量化创新产出，但对创新质量、创新效率的微观机制仍需深化。未来可结合文本分析、社会网络分析等方法，从知识创造、技术突破、市场价值等多元维度衡量创新能力。例如，可研究政策支持如何影响企业技术路线选择、颠覆性创新发生率等深层次创新活动。同时，关注政策对不同类型创新（如产品创新、工艺创新、商业模式创新）的差异化影响机制。

第四，探索政策支持的国际化比较研究。中国中小企业创新政策面临与发达国家共通但也独特的挑战。未来可开展跨国比较研究，分析不同创新体系（如德国社会市场经济、美国创新生态系统、日本网络创新体系）的政策工具选择和实施经验，为中国特色创新政策提供国际镜鉴。特别需关注后发国家中小企业创新政策的追赶策略，以及全球化背景下政策工具的国际协调问题。

总之，中小企业技术创新是经济高质量发展的关键引擎，政策支持是不可或缺的外部动力。通过持续深化研究，不断完善政策设计，将有效破解中小企业创新困境，为中国建设科技强国奠定坚实基础。未来的研究需更加注重跨学科交叉、大数据应用和微观机制挖掘，以期为政策实践提供更具洞察力的理论支持。

七.参考文献

Acs,Z.J.,Anselin,L.,&Varga,A.(2002).Patentsandinnovationcountsasmeasuresofregionalproductionofnewknowledge.ResearchPolicy,31(7),1069-1085.

Becker,G.S.(1983).ATheoryofCompetitionAmongWorkerswithDifferentHumanCapital.InO.Ashenfelter&A.Rees(Eds.),EvaluationofLaborMarketPolicies(pp.73-97).UniversityofChicagoPress.

Becker,G.S.,&Murphy,K.M.(1993).Asimpletheoryofrationaladdiction.TheQuarterlyJournalofEconomics,108(1),79-110.

Feldman,M.P.(1999).Thegeographyofinnovation.MITPress.

Florida,R.(2002).Theriseofthecreativeclass:Andhowit'stransformingwork,leisure,communityandeverydaylife.BasicBooks.

Fukuyama,F.(2014).Theroadtoprosperity:Howfreemarketsanddemocracyareliftingmillionsoutofpoverty.BasicBooks.

Hall,B.H.(2002).ThefinancingofR&Dandinnovation.InO.Hall&N.Rosenberg(Eds.),Handbookoftheeconomicsofinnovation(Vol.2,pp.771-860).Elsevier.

Kaplan,S.(1997).TheeffectsofR&DtaxcreditsoncorporateR&Dexpenditures:Anempiricalanalysis.TheJournalofProductInnovationManagement,14(1),82-101.

Leibenstein,H.(1966).Organizationalcapabilitiesandtheeconomicprocess.TheJournalofEconomicLiterature,4(3),597-639.

Levinson,D.(2012).Policydesignandthepoliticsofthetoolkit.Governance,25(3),355-375.

Nelson,R.R.(1993).Nationalsystemsofinnovation:Acomparativeanalysis.OxfordUniversityPress.

Nelson,R.R.(2016).Goodinnovation,badinnovation.MITPress.

North,D.C.(1990).Institutions,institutionalchangeandeconomicperformance.CambridgeUniversityPress.

Schumpeter,J.A.(1934).Thetheoryofeconomicdevelopment.HarvardUniversityPress.

Stern,S.(2004).SciencepoliciesintheUS:Ananalysisoftheproblem.ResearchPolicy,33(3),597-606.

Teece,D.J.(1988).Capturingvaluefromtechnologicalinnovation:TheneweconomicsofindustrialR&D.ResearchPolicy,17(2),172-194.

VanNieuwenhuizen,J.,&VanStel,A.(2005).TheimpactofinnovationonfirmgrowthintheNetherlands.ResearchPolicy,34(7),1197-1206.

Acs,Z.J.,Anselin,L.,&Varga,A.(2002).Patentsandinnovationcountsasmeasuresofregionalproductionofnewknowledge.ResearchPolicy,31(7),1069-1085.

Becker,G.S.(1983).ATheoryofCompetitionAmongWorkerswithDifferentHumanCapital.InO.Ashenfelter&A.Rees(Eds.),EvaluationofLaborMarketPolicies(pp.73-97).UniversityofChicagoPress.

Becker,G.S.,&Murphy,K.M.(1993).Asimpletheoryofrationaladdiction.TheQuarterlyJournalofEconomics,108(1),79-110.

Feldman,M.P.(1999).Thegeographyofinnovation.MITPress.

Florida,R.(2002).Theriseofthecreativeclass:Andhowit'stransformingwork,leisure,communityandeverydaylife.BasicBooks.

Fukuyama,F.(2014).Theroadtoprosperity:Howfreemarketsanddemocracyareliftingmillionsoutofpoverty.BasicBooks.

Hall,B.H.(2002).ThefinancingofR&Dandinnovation.InO.Hall&N.Rosenberg(Eds.),Handbookoftheeconomicsofinnovation(Vol.2,pp.771-860).Elsevier.

Kaplan,S.(1997).TheeffectsofR&DtaxcreditsoncorporateR&Dexpenditures:Anempiricalanalysis.TheJournalofProductInnovationManagement,14(1),82-101.

Leibenstein,H.(1966).Organizationalcapabilitiesandtheeconomicprocess.TheJournalofEconomicLiterature,4(3),597-639.

Levinson,D.(2012).Policydesignandthepoliticsofthetoolkit.Governance,25(3),355-375.

Nelson,R.R.(1993).Nationalsystemsofinnovation:Acomparativeanalysis.OxfordUniversityPress.

Nelson,R.R.(2016).Goodinnovation,badinnovation.MITPress.

North,D.C.(1990).Institutions,institutionalchangeandeconomicperformance.CambridgeUniversityPress.

Schumpeter,J.A.(1934).Thetheoryofeconomicdevelopment.HarvardUniversityPress.

Stern,S.(2004).SciencepoliciesintheUS:Ananalysisoftheproblem.ResearchPolicy,33(3),597-606.

Teece,D.J.(1988).Capturingvaluefromtechnologicalinnovation:TheneweconomicsofindustrialR&D.ResearchPolicy,17(2),172-194.

VanNieuwenhuizen,J.,&VanStel,A.(2005).TheimpactofinnovationonfirmgrowthintheNetherlands.ResearchPolicy,34(7),1197-1206.

李志辉,张骁.(2010).政府研发补贴、企业创新投入与产出效率——基于中国工业企业数据的实证分析.科研管理,31(4),117-124.

张永林,刘志彪.(2015).政府科技投入、创新效率与经济增长——基于中国省级面板数据的动态面板模型分析.经济研究,50(1),45-58.

陈劲,阳银娟.(2018).政策环境、企业创新行为与绩效关系研究.科学学研究,36(5),705-715.

王缉慈,芮明安.(2020).创新生态系统视角下中小企业创新政策研究.外国经济与管理,42(3),3-18.

Schumpeter,J.A.(1934).Thetheoryofeconomicdevelopment.HarvardUniversityPress.

Acs,Z.J.,Anselin,L.,&Varga,A.(2002).Patentsandinnovationcountsasmeasuresofregionalproductionofnewknowledge.ResearchPolicy,31(7),1069-1085.

Hall,B.H.(2002).ThefinancingofR&Dandinnovation.InO.Hall&N.Rosenberg(Eds.),Handbookoftheeconomicsofinnovation(Vol.2,pp.771-860).Elsevier.

Nelson,R.R.(1993).Nationalsystemsofinnovation:Acomparativeanalysis.OxfordUniversityPress.

Teece,D.J.(1988).Capturingvaluefromtechnologicalinnovation:TheneweconomicsofindustrialR&D.ResearchPolicy,17(2),172-194.

八.致谢

本研究能够顺利完成，离不开众多师长、同窗、朋友及家人的鼎力支持与无私帮助。在此，谨致以最诚挚的谢意。首先，衷心感谢我的导师XXX教授。从论文选题的确立到研究框架的构建，从理论模型的推敲到实证结果的分析，再到最终文稿的修改润色，XXX教授始终以其深厚的学术造诣、严谨的治学态度和宽厚的待人风范，给予我悉心的指导和无私的帮助。每当我遇到研究瓶颈时，导师总能以高屋建瓴的视角为我指点迷津；每当我因进度滞后而焦虑时，导师总是耐心鼓励，并帮助我调整心态。导师不仅在学术上为我引路，更在人生道路上给予我诸多教诲，其“格物致知、穷理尽性”的治学精神将使我受益终身。

感谢参与本研究评审和指导的各位专家学者，您们提出的宝贵意见极大地提升了本研究的学术价值。特别感谢XXX教授、XXX研究员等在政策分析方面给予的启发，以及XXX教授、XXX副教授等在计量经济学方法上提供的帮助。感谢研究生院各位老师为本研究提供的良好学习环境和学术资源。

感谢参与问卷调查和访谈的中小企业管理者和技术人员，您们的实践经验为本研究提供了鲜活的案例和有价值的洞见。特别感谢在数据收集过程中提供帮助的各位统计部门工作人员和数据库管理人员。

感谢我的同门XXX、XXX、XXX等同学，在研究过程中我们相互切磋、相互支持，共同度过了许多难忘的时光。您们的学术探讨激发了我的研究灵感，您们的真诚友谊是我前进的动力。

感谢我的朋友XXX、XXX等，在生活上给予我的关心和鼓励，在我遇到困难时给予我的支持和安慰。

最后，我要感谢我的家人。他们是我最坚强的后盾，他们的理解、包容和无私奉献是我能够专注于学业的重要保障。本研究的完成，凝聚着家人的心血和期望。在此，向他们致以最深沉的感谢和最真挚的祝福。

由于本人学识水平有限，研究中的疏漏和不足之处在所难免，恳请各位专家学者批评指正。

九.附录

附录A：主要变量定义与测算说明

本研究涉及的主要变量及其定义与测算方法如下：

(1)技术创新能力（Innovation）

被解释变量。采用专利授权量（Patents）和创新效率（Eff