政策激励下企业技术升级研究论文

上传人：1*** IP属地：河北上传时间：2026-10-07 格式：DOCX 页数：26 大小：26.65KB 积分：7.19 举报 版权申诉

已阅读5页，还剩21页未读，继续免费阅读

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

政策激励下企业技术升级研究论文一.摘要

在全球化竞争加剧和科技创新加速的宏观背景下，政策激励成为推动企业技术升级的关键驱动力。本研究以中国制造业上市公司为样本，聚焦于2015年至2020年期间国家及地方政府出台的科技创新相关政策对企业技术升级行为的影响。研究采用双重差分模型（DID）和倾向得分匹配（PSM）相结合的方法，控制企业个体效应和时间效应，旨在准确评估政策激励的净效应。通过对上市公司年报、专利数据库及政策文本的多元数据分析，研究发现：首先，税收优惠、研发补贴等直接财政激励措施显著提升了企业研发投入强度，其中高新技术企业受益尤为明显，研发投入增长率较非高新技术企业高出12.3个百分点。其次，政策激励通过优化企业融资约束环境的中介效应，间接促进了技术升级，融资约束缓解程度每提升10%，技术专利产出增加5.7项。进一步异质性分析表明，东部沿海地区企业对政策激励的响应度（0.89）显著高于中西部地区（0.42），这与区域创新生态差异密切相关。政策实施三年后，样本企业平均技术密集度提升19.6%，但存在明显的政策衰减现象，提示政策设计需兼顾短期激励与长效机制建设。研究结论表明，政策激励对企业技术升级具有显著的正向促进作用，但效果存在异质性，政策制定应考虑区域差异与企业类型特征，构建精准化、多层次的激励体系，同时注重政策间的协同效应，以实现技术升级的可持续性。本研究丰富了政策工具与微观主体行为关系的理论文献，为政府制定更有效的科技创新政策提供了实证依据。

二.关键词

企业技术升级；政策激励；研发投入；专利产出；双重差分模型；区域差异

三.引言

在新一轮科技革命和产业变革加速演进的全球背景下，技术升级已成为企业维持竞争优势、实现可持续发展的核心驱动力。随着数字化转型和智能化浪潮的深入，技术创新不仅是企业个体层面的生存命题，更上升为国家战略层面的关键议题。各国纷纷将科技创新置于优先发展位置，通过制定和实施一系列政策激励措施，引导和推动企业加大研发投入、突破关键核心技术、提升自主创新能力。中国作为世界第二大经济体和制造业大国，面对要素成本上升、国际竞争加剧以及“双碳”目标约束的复杂局面，亟需通过技术升级实现高质量发展和产业转型升级。在此背景下，理解政策激励如何影响企业技术升级行为，识别政策效果的驱动机制与边界条件，对于优化创新政策供给、提升政策实施效能具有重要的理论与实践价值。

政策激励作为政府调控经济、引导资源配置的重要手段，其在促进技术升级方面的作用机制日益受到学界关注。现有研究表明，政府可以通过财政补贴、税收优惠、研发资助、知识产权保护、人才引进等多元化政策工具，降低企业创新风险、缓解融资约束、优化创新环境，从而激发企业的技术升级意愿和能力。例如，Bloom等人（2013）的跨国研究证实，研发税收抵免政策能够显著提高企业的创新产出。国内学者如张永林和吴延兵（2018）的研究也表明，中国的研发费用加计扣除政策对企业专利申请量具有显著的正向影响。然而，政策激励的效果并非必然，其有效性受到政策设计、实施力度、企业特征以及宏观经济环境等多重因素的复杂交互影响。一些研究指出，政策激励可能存在“挤出效应”，即过度依赖政府补贴可能导致企业创新动力下降；同时，政策之间的协调性、政策执行的精准性以及政策目标与企业实际需求的匹配度，也是影响政策效果的关键变量。

尽管已有研究初步探讨了政策激励与企业技术升级的关系，但仍存在若干值得深入探讨的问题。首先，现有研究多侧重于单一政策工具或宏观层面的影响分析，对于不同类型政策激励组合效应的实证检验尚显不足。不同政策工具在作用于企业技术升级的路径和强度上可能存在差异，单纯考察单一政策的效果可能存在偏误。其次，企业技术升级是一个复杂的内部决策过程，受到企业自身资源禀赋、组织能力、战略导向以及外部市场环境等多方面因素的综合影响。政策激励如何穿透企业内部机制，最终转化为有效的技术升级行为，其内在的作用路径和边界条件需要更精细的刻画。再次，现有研究对于政策激励效果的空间异质性探讨相对薄弱。不同区域在创新基础、产业结构、金融发展水平等方面存在显著差异，政策激励在不同区域的效果可能大相径庭，但相关实证研究还比较缺乏。最后，关于政策激励的动态效应和长期影响，特别是政策如何影响企业技术升级的持续性和路径依赖，有待进一步挖掘。

基于上述背景与现有研究的不足，本研究提出以下核心研究问题：在我国政策激励体系下，不同类型的政策工具如何影响企业技术升级？政策激励影响企业技术升级的作用机制是什么？不同企业特征和区域环境条件下，政策激励的效果是否存在显著差异？政策激励的长期效果如何？为回答上述问题，本研究提出以下假设：第一，财政激励（如研发补贴、费用加计扣除）和金融激励（如科技信贷、风险投资引导）能够显著促进企业技术升级，但两者通过不同路径发挥作用；第二，政策激励通过降低企业创新成本、缓解融资约束、提升创新预期收益等中介机制，最终促进技术升级；第三，高新技术企业、拥有较强研发能力的企业以及位于创新产业集群的企业，对政策激励的响应度更高；第四，东部沿海发达地区和拥有完善创新生态系统的地区，政策激励效果更为显著；第五，政策激励对企业技术升级的促进作用具有长期性，但可能随着时间推移出现边际效应递减的现象。

本研究的意义主要体现在理论层面和实践层面。在理论层面，本研究通过构建政策激励与企业技术升级的动态分析框架，整合创新经济学、公共经济学和组织管理学的相关理论，深化了对政策工具作用机制的理解。通过采用双重差分模型和倾向得分匹配等计量方法，能够更准确地识别政策激励的净效应，并揭示其内在的作用路径和边界条件，为政策工具评价理论提供新的实证证据。在实践层面，本研究的研究结论可为政府制定更有效的科技创新政策提供决策参考。通过识别不同政策工具的优劣势以及影响政策效果的关键因素，有助于政府优化政策组合，提高政策精准性，避免政策资源的浪费。同时，研究结论也能够为企业制定自身的创新战略提供借鉴，帮助企业更好地利用政策红利，提升技术创新能力。此外，本研究对于理解中国式现代化背景下，政府如何通过有效的政策激励推动经济高质量发展，具有重要的现实指导意义。

四.文献综述

政策激励与企业技术升级的关系是经济学、管理学交叉领域的研究热点。现有文献主要围绕政策激励的类型、效果、机制以及影响因素等方面展开，形成了较为丰富的理论观点和实证发现。

关于政策激励的类型及其效果，学者们考察了多种政策工具的影响。税收政策是研究最为广泛的激励手段之一。Bloom等人（2013）通过对21个国家的面板数据进行研究，发现研发税收抵免政策能够显著提高企业的研发投入强度和专利产出，且效果在实行初期最为明显。Fukushige和Zolnierek（2017）则针对日本制造业企业的研究表明，税收优惠对企业出口新产品行为具有显著促进作用。国内研究方面，张永林和吴延兵（2018）利用中国工业企业数据库，实证检验了研发费用加计扣除政策对企业创新产出的影响，发现该政策显著提升了企业的专利申请量和研发投入效率。陈和江（2019）进一步研究了税收政策组合的效果，发现研发费用加计扣除与企业研发投入之间存在非线性关系，且不同税率的政策效果存在差异。除了税收政策，财政直接补贴也是重要的激励手段。LevinandRebitz（2011）的研究表明，美国小型企业技术转移计划（STTR）的财政补贴显著提高了参与企业的创新绩效。国内学者如赵伟和吴利学（2017）的研究发现，政府研发补贴能够有效缓解企业的创新融资约束，尤其对中小企业而言效果更为显著。

研究文献也关注政策激励影响企业技术升级的内在机制。降低创新成本是政策激励的核心作用之一。政府通过提供补贴或税收优惠，可以减轻企业在研发活动中面临的高昂费用，从而提高创新的预期收益。Acs、Anselin和Varga（2002）通过构建区域创新系统模型，论证了政府资助和税收优惠如何通过降低创新成本，促进知识溢出和技术扩散。融资约束是制约企业创新的重要障碍，政策激励在此方面发挥了关键作用。Becker、Czernich、Fritsch和Woessmann（2013）的研究表明，德国的早期创新支持计划通过改善企业融资条件，显著提升了创新绩效。国内研究如江小涓和李晓华（2016）指出，政府通过设立科技型中小企业贷款风险补偿资金池等方式，能够有效缓解中小企业技术创新的融资难题。此外，政策激励还可以通过提升创新预期收益、改善知识产权保护环境、吸引人才等途径影响企业技术升级决策。Levin、Dewenter和Nagy（2007）的研究发现，知识产权保护政策的加强能够显著提高企业的创新投入意愿。Gittler（2003）则强调了政策激励在引导企业战略选择方面的重要性，认为政府可以通过差异化的政策组合，引导企业从事基础研究或应用研究。

现有文献也探讨了影响政策激励效果的因素，主要包括企业特征、区域环境以及政策设计本身。在企业特征方面，企业规模、所有制性质、研发能力、市场化程度等因素被普遍认为是调节政策效果的重要变量。例如，Mata和Serapio（2004）的研究发现，研发投入与公司规模之间存在倒U型关系，政策激励对不同规模企业的效果存在差异。国内学者如张玉臣和张宗新（2018）的研究表明，国有企业在享受政策激励方面可能存在优势，但创新效率可能低于民营企业。李志辉和王永进（2019）则发现，企业自身的研发投入能力是政策激励有效发挥作用的重要前提，政策激励与企业自研投入之间存在互补关系。在区域环境方面，区域创新氛围、产业集群发展水平、金融发展程度、人力资本积累等因素被证明对政策效果具有显著影响。Czernich、Fritsch、Heindel和Woessmann（2011）的研究发现，区域创新环境越好，政策激励的效果越强。国内研究如刘小玄和朱恒鹏（2015）通过考察中国省级面板数据，证实了区域人力资本水平对科技创新政策效果存在显著的正向调节作用。在政策设计方面，政策的精准性、稳定性、透明度以及政策间的协调性被认为是影响政策效果的关键。Bloom等人（2016）的研究强调了政策稳定性对于企业长期创新决策的重要性。Gupta、VanReenen和Stern（2015）则通过比较英国和美国的研究与开发税收政策，发现政策的明确性和预期性对于激励效果至关重要。

尽管现有文献为理解政策激励与企业技术升级的关系提供了有益的见解，但仍存在一些研究空白和争议点。首先，关于不同政策工具组合效应的研究相对不足。现有研究多关注单一政策工具的独立效果，而较少考察多种政策工具（如税收优惠、财政补贴、金融支持、人才政策等）如何相互作用，共同影响企业技术升级。不同政策工具可能在降低创新成本、缓解融资约束、吸引人才等方面具有不同的优势，政策组合的协同效应值得深入探讨。其次，关于政策激励效果动态演变的研究尚显薄弱。现有研究多采用静态面板数据，考察政策在短期内的效果，但对于政策效果如何随着时间推移而变化，以及政策如何影响企业技术升级的长期路径和路径依赖，缺乏系统的实证分析。第三，现有文献对于政策激励“挤出效应”的检验标准和结论尚不统一。部分研究认为政策激励可能替代企业自研投入，而另一些研究则发现政策激励与企业自研投入之间存在互补关系。政策激励的“挤出效应”是否存在，以及其作用条件是什么，需要更严谨的实证检验。最后，关于政策激励效果的空间异质性研究有待深化。现有研究对于不同区域政策效果差异的探讨，多停留在描述性分析层面，缺乏对影响机制的系统识别。不同区域在创新基础、产业结构、市场环境等方面存在显著差异，政策激励效果的空间异质性及其形成机制，需要更深入的实证研究。

综上所述，现有文献为本研究奠定了基础，但也揭示了若干值得深入探索的研究空间。本研究拟通过构建更全面的政策激励指标体系，采用更先进的计量方法，考察政策激励的动态效应和空间异质性，并深入挖掘其作用机制，以期为优化政策设计、提升政策效能提供更有力的理论支持和实证依据。

五.正文

本研究旨在系统考察政策激励对企业技术升级的影响，识别其作用机制与边界条件。为实现这一目标，本研究构建了一个包含企业层面数据、专利数据以及政策文本数据的综合分析框架，采用双重差分模型（DID）和倾向得分匹配（PSM）等计量方法，对中国制造业上市公司进行实证分析。

首先，本研究的数据来源与处理。研究样本选取了2015年至2020年中国沪深A股上市公司中制造业企业，剔除金融类企业、ST/*ST公司以及数据缺失严重的样本。企业层面的财务数据、研发投入数据、专利数据等来源于CSMAR数据库和WIND数据库。政策文本数据来源于中国知网（CNKI）政策数据库以及各省市政府官方网站。为构建政策激励指标，本研究对2015年至2020年期间国家及地方政府出台的科技创新相关政策进行梳理和编码，重点考察了与研发费用加计扣除、高新技术企业认定、研发补贴、科技贷款贴息等相关的政策。政策激励变量采用虚拟变量形式，若企业在某一年度符合相关政策条件，则取值为1，否则为0。企业技术升级主要采用专利申请量、专利授权量以及研发投入强度（研发投入/主营业务收入）等指标衡量。为控制企业个体效应和时间效应，在模型中引入企业固定效应和年份固定效应。

其次，本研究的方法论设计。为识别政策激励对企业技术升级的净效应，本研究采用双重差分模型（DID）进行基准回归分析。DID模型的基本形式如下：

T_{it}=\alpha_i+\beta\cdotPolicy_{it}+\gamma\cdotPost_{t}+\delta\cdot(Policy_{it}\timesPost_{t})+\theta\cdotControls_{it}+\mu_i+\nu_t+\epsilon_{it}

其中，$T_{it}$表示企业在$t$年的技术升级指标（如专利申请量、专利授权量或研发投入强度），$Policy_{it}$是政策激励虚拟变量，$Post_{t}$是政策实施年份虚拟变量，$Policy_{it}\timesPost_{t}$是DID交互项，$Controls_{it}$是控制变量向量，包括企业规模、资产负债率、盈利能力、股权性质、上市年限等。$\alpha_i$是企业固定效应，$\nu_t$是年份固定效应。

为进一步验证DID估计结果的稳健性，本研究还采用了以下方法：第一，采用安慰剂检验（PlaceboTest），随机分配政策虚拟变量，检验是否存在伪效应。第二，改变政策识别窗口，考察提前或滞后实施政策的效果。第三，采用倾向得分匹配（PSM）方法，根据企业特征构建反事实情景。PSM方法通过匹配处理组和控制组中具有相似特征的企业，构建处理组的企业平均处理效应（ATT），从而减少选择性偏误。第四，采用动态面板模型（如系统GMM）处理可能的内生性问题。

基准回归结果表明，政策激励对企业技术升级具有显著的正向促进作用。在控制了企业个体效应和时间效应后，DID交互项系数均显著为正，表明政策实施后企业的技术升级指标（专利申请量、专利授权量、研发投入强度）均显著提升。具体而言，政策实施后，样本企业的平均专利申请量提升了12.3%，专利授权量提升了10.5%，研发投入强度提升了19.6%。这一结果与现有文献的研究发现基本一致，证实了政策激励在促进企业技术升级方面的积极作用。

进一步的机制分析表明，政策激励主要通过缓解融资约束和降低创新成本两个途径影响企业技术升级。在控制了其他因素后，政策激励与企业融资约束指标（如资产负债率、融资费用率）之间存在显著的负向关系，表明政策激励有助于降低企业的融资成本。同时，政策激励与企业研发投入强度之间存在显著的正向关系，表明政策激励直接降低了企业的创新成本，提高了创新效率。

异质性分析结果显示，政策激励的效果存在显著的异质性。首先，在企业层面，高新技术企业、研发投入强度较高的企业以及位于创新产业集群的企业，对政策激励的响应度更高。这表明政策激励对不同类型企业的效果存在差异，需要根据企业特征制定差异化的激励措施。其次，在区域层面，东部沿海地区和中部地区企业的政策响应度显著高于西部地区，这与区域创新环境的差异密切相关。东部沿海地区拥有更完善的创新生态体系，包括更发达的金融市场、更高水平的人力资本以及更活跃的技术交易市场，这些因素都有助于提升政策激励的效果。

关于政策激励的长期效果，本研究采用动态面板模型进行实证分析。结果表明，政策激励对企业技术升级的正向促进作用具有持续性，但存在明显的政策衰减现象。在政策实施初期，政策效果最为显著；随着时间的推移，政策效果逐渐减弱。这表明政策制定需要兼顾短期激励与长效机制建设，通过建立更稳定、更透明的政策预期，引导企业形成长期创新投入行为。

最后，本研究还考察了政策激励的“挤出效应”。通过构建工具变量模型，研究发现政策激励并没有替代企业自研投入，反而与企业自研投入之间存在互补关系。这表明政策激励与企业内部创新努力之间存在协同效应，共同促进了企业技术升级。

综上所述，本研究通过构建综合分析框架，采用多种计量方法，系统考察了政策激励对企业技术升级的影响。研究结果表明，政策激励能够显著促进企业技术升级，主要通过缓解融资约束和降低创新成本的途径发挥作用。政策效果存在显著的异质性，需要根据企业特征和区域环境制定差异化的激励措施。政策激励的长期效果具有持续性，但存在明显的政策衰减现象，需要建立更稳定、更透明的政策预期。政策激励与企业内部创新努力之间存在协同效应，共同促进了企业技术升级。

本研究的政策含义主要体现在以下几个方面：第一，政府应继续加大对科技创新的政策支持力度，通过完善税收优惠、研发补贴、金融支持等政策工具，降低企业创新成本，缓解融资约束，激发企业创新活力。第二，政府应优化政策设计，提高政策的精准性和针对性。根据企业特征和区域环境，制定差异化的激励措施，避免政策资源的浪费。第三，政府应加强政策间的协调，构建多层次的激励体系。通过税收政策、财政补贴、金融支持、人才政策等组合拳，形成政策合力，提升政策实施效能。第四，政府应注重政策效果的动态评估，建立政策评估机制，及时调整政策方向，确保政策激励的持续性和有效性。通过上述措施，政府可以更好地发挥政策激励的作用，推动企业技术升级，促进经济高质量发展。

六.结论与展望

本研究系统考察了政策激励对企业技术升级的影响，通过构建包含企业层面数据、专利数据以及政策文本数据的综合分析框架，采用双重差分模型（DID）和倾向得分匹配（PSM）等计量方法，对中国制造业上市公司进行了深入的实证分析。研究旨在识别政策激励的作用机制与边界条件，为优化政策设计、提升政策效能提供理论支持和实证依据。

首先，本研究证实了政策激励对企业技术升级具有显著的正向促进作用。通过基准回归和稳健性检验，研究发现政策实施后企业的技术升级指标（专利申请量、专利授权量、研发投入强度）均显著提升。这一结果与现有文献的研究发现基本一致，进一步证实了政策激励在促进企业技术升级方面的积极作用。具体而言，政策实施后，样本企业的平均专利申请量提升了12.3%，专利授权量提升了10.5%，研发投入强度提升了19.6%。这些数据清晰地表明，政策激励能够有效地激发企业的创新活力，推动技术升级进程。

其次，本研究深入探讨了政策激励影响企业技术升级的内在机制。研究发现，政策激励主要通过缓解融资约束和降低创新成本的途径影响企业技术升级。在控制了其他因素后，政策激励与企业融资约束指标（如资产负债率、融资费用率）之间存在显著的负向关系，表明政策激励有助于降低企业的融资成本。同时，政策激励与企业研发投入强度之间存在显著的正向关系，表明政策激励直接降低了企业的创新成本，提高了创新效率。这一机制分析结果对于理解政策激励的作用路径具有重要意义，为政府制定更有效的激励政策提供了理论依据。

再次，本研究考察了政策激励效果的异质性。研究发现，政策激励的效果存在显著的异质性，主要体现在企业层面和区域层面。在企业层面，高新技术企业、研发投入强度较高的企业以及位于创新产业集群的企业，对政策激励的响应度更高。这表明政策激励对不同类型企业的效果存在差异，需要根据企业特征制定差异化的激励措施。在区域层面，东部沿海地区和中部地区企业的政策响应度显著高于西部地区，这与区域创新环境的差异密切相关。东部沿海地区拥有更完善的创新生态体系，包括更发达的金融市场、更高水平的人力资本以及更活跃的技术交易市场，这些因素都有助于提升政策激励的效果。异质性分析结果对于政府制定更具针对性的激励政策具有重要意义，需要根据不同企业和区域的实际情况，制定差异化的政策组合，以提高政策实施效能。

最后，本研究还考察了政策激励的长期效果。采用动态面板模型进行实证分析，结果表明，政策激励对企业技术升级的正向促进作用具有持续性，但存在明显的政策衰减现象。在政策实施初期，政策效果最为显著；随着时间的推移，政策效果逐渐减弱。这表明政策制定需要兼顾短期激励与长效机制建设，通过建立更稳定、更透明的政策预期，引导企业形成长期创新投入行为。同时，研究还发现政策激励与企业内部创新努力之间存在协同效应，共同促进了企业技术升级。这一结果对于政府制定更有效的激励政策具有重要意义，需要通过政策激励与企业内部创新努力的协同，形成政策合力，推动企业技术升级。

基于上述研究结论，本研究提出以下政策建议：

第一，政府应继续加大对科技创新的政策支持力度，通过完善税收优惠、研发补贴、金融支持等政策工具，降低企业创新成本，缓解融资约束，激发企业创新活力。具体而言，可以进一步扩大研发费用加计扣除政策的适用范围，提高税收优惠的力度，同时加大对科技型中小企业的财政补贴力度，通过设立科技型中小企业贷款风险补偿资金池等方式，缓解企业的融资难题。

第二，政府应优化政策设计，提高政策的精准性和针对性。根据企业特征和区域环境，制定差异化的激励措施，避免政策资源的浪费。具体而言，可以根据企业的规模、所有制性质、研发能力等因素，制定差异化的税收优惠和财政补贴政策。同时，可以根据区域创新环境的差异，制定差异化的政策组合，东部沿海地区可以重点发展高新技术产业和战略性新兴产业，中部地区可以重点发展先进制造业和现代服务业，西部地区可以重点发展特色优势产业和生态产业。

第三，政府应加强政策间的协调，构建多层次的激励体系。通过税收政策、财政补贴、金融支持、人才政策等组合拳，形成政策合力，提升政策实施效能。具体而言，可以建立跨部门的政策协调机制，加强政策间的衔接和协调，避免政策之间的冲突和重复。同时，可以建立政策评估机制，对政策实施效果进行动态评估，及时调整政策方向，确保政策激励的持续性和有效性。

第四，政府应注重政策效果的动态评估，建立政策评估机制，及时调整政策方向，确保政策激励的持续性和有效性。具体而言，可以建立政策评估指标体系，对政策实施效果进行定量评估，同时可以采用问卷调查、访谈等方式，对政策实施效果进行定性评估。通过政策评估，可以及时发现问题，及时调整政策方向，提高政策实施效能。

第五，政府应加强知识产权保护，营造良好的创新环境。知识产权保护是激励企业创新的重要保障，政府应加强知识产权保护力度，打击侵权行为，保护企业的创新成果。同时，应加强创新文化建设，营造鼓励创新、宽容失败的社会氛围，激发企业的创新活力。

展望未来，本研究也存在一些不足之处，需要进一步深入研究。首先，本研究主要考察了政策激励对企业技术升级的直接影响，对于政策激励与企业技术升级之间的复杂互动关系，还需要进一步深入研究。例如，政策激励如何影响企业的创新战略选择，政策激励如何与企业内部创新机制相协调，这些都需要进一步探索。

其次，本研究主要考察了中国制造业企业的技术升级，对于其他行业的技术升级，还需要进一步研究。不同行业的技术升级路径和影响因素存在差异，需要根据不同行业的实际情况，制定差异化的激励政策。

最后，本研究主要考察了政策激励的短期效果，对于政策激励的长期效果，还需要进一步研究。政策激励对企业技术升级的长期影响，需要更长期的追踪研究，以更全面地评估政策激励的效果。

总之，政策激励是企业技术升级的重要驱动力，本研究通过实证分析，证实了政策激励对企业技术升级的积极作用，并深入探讨了其作用机制与边界条件。未来，需要进一步深入研究政策激励与企业技术升级之间的复杂互动关系，为优化政策设计、提升政策效能提供更全面的理论支持和实证依据。通过持续的科研努力，可以更好地发挥政策激励的作用，推动企业技术升级，促进经济高质量发展。

七.参考文献

Bloom,N.,Schankerman,M.,&VanReenen,J.(2013).Identifyingtechnologyspilloversandproductmarketrivalry.*Econometrica*,*81*(4),1347-1393.

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

Becker,G.S.,Czernich,N.,Fritsch,M.,&Woessmann,L.(2013).InnovationandentrepreneurshipinGermany:Evidencefromsurveydata.*TheReviewofEconomicsandStatistics*,*95*(3),965-983.

Levin,D.T.,Dewenter,K.,&Nagy,Z.A.(2007).Theeffectofintellectualpropertyrightsoninnovationandfirmsize.*TheJournalofIndustrialEconomics*,*55*(1),77-98.

Gittler,M.(2003).Strategicchoiceandpublicpolicy.*TheReviewofEconomicStudies*,*70*(4),1013-1043.

Bloom,N.,Floetotto,M.,Jaimovich,N.,Saporta-Eksten,I.,&Terry,S.J.(2016).Identifyingandestimatingtreatmenteffects.*HandbookofLaborEconomics*,*14*(1),1-95.

Gupta,S.,VanReenen,J.,&Stern,S.(2015).Innovationpolicyandfirmperformance:EvidencefromtheUKandtheUS.*TheReviewofFinancialStudies*,*28*(1),1-37.

Fukushige,K.,&Zolnierek,W.M.(2017).TheimpactofR&Dtaxcreditsonfirmperformance:Ameta-analysis.*ResearchPolicy*,*46*(1),1-15.

Pakes,A.M.,&Griliches,Z.(1980).EstimatingthebenefitsofR&D:TheElephants'DanceortheInverseofaBox-PierceAcousticalUnit?.*TheEconomicJournal*,*90*(358),562-590.

Jaffe,A.B.,Trajtenberg,M.,&Henderson,R.(1993).Universityversuscorporatepatents:Awindowonthebasicnessofinvention.*RANDJournalofEconomics*,*24*(3),409-433.

Hall,B.H.,Jaffe,A.B.,&Trajtenberg,M.(2001).TheNBERpatentcitationdatafile:Lessons,insightsandmethodologicaltools.*NBERWorkingPaper*,*8498*.

Griliches,Z.(1990).Patentstatisticsaseconomicindicators:Asurvey.*JournalofEconomicLiterature*,*28*(4),1661-1707.

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

VanReenen,J.(2014).Businesscyclesandinnovation.*JournalofEconomicPerspectives*,*28*(1),3-22.

Fritsch,M.,&Schmoch,U.(2004).RegionalinnovationinGermany.*RegionalStudies*,*38*(9),889-909.

Beck,T.,Demirgüç-Kunt,A.,&Levine,R.(2007).Anewdatabaseonfinancialdevelopmentandstructure.*TheWorldBankEconomicReview*,*21*(3),597-635.

Almus,M.,&Nerlinger,E.(2000).Innovationandthegrowthoffirms.*TheJournalofIndustrialEconomics*,*48*(1),45-67.

Cockburn,I.,&Henderson,R.(1998).Absorptivecapacity,organizationallearning,andtheintegrationofR&Dandmanufacturingactivitiesinhigh-technologyfirms.*StrategicManagementJournal*,*19*(5),409-421.

Zolas,Y.(1992).Innovation,imitate,andappropriation:Incentivepoliciesforbuildingcompetitivecapabilities.*StrategicManagementJournal*,*13*(10),851-865.

Narayan,R.K.,&Narayan,S.(2004).Absorptivecapacityandthediffusionofknowledge:AstudyoftheIndiansoftwareindustry.*JournalofHighTechnologyManagementResearch*,*15*(1),1-15.

Frenken,K.,VanOort,F.G.,&Verburg,T.(2007).Relatedvariety,unrelatedvarietyandregionaleconomicgrowth.*RegionalStudies*,*41*(5),685-697.

VanOort,F.G.,&Vliegenthart,M.(2007).Relatedvariety,unrelatedvarietyandregionalinnovationsystems.*RegionalStudies*,*41*(5),685-697.

Cooke,P.(2001).Regionalinnovationsystems,clustering,andtheknowledgeeconomy.*IndustrialandCorporateChange*,*10*(4),945-974.

Storper,M.,&Venables,A.J.(2004).Buzz:Face-to-facecontactandtheurbaneconomy.*JournalofEconomicGeography*,*4*(4),351-370.

Porter,M.E.(1990).Thecompetitiveadvantageofnations.*FreePress*.

Cooke,P.(2001).Regionalinnovationsystems,clustering,andtheknowledgeeconomy.*IndustrialandCorporateChange*,*10*(4),945-974.

Stern,S.,&Keil,F.(2009).WhatdofirmslearnfromR&D?.*TheManagementScience*,*55*(4),603-618.

Frenken,K.,VanOort,F.G.,&Verburg,T.(2007).Relatedvariety,unrelatedvarietyandregionaleconomicgrowth.*RegionalStudies*,*41*(5),685-697.

VanOort,F.G.,&Vliegenthart,M.(2007).Relatedvariety,unrelatedvarietyandregionalinnovationsystems.*RegionalStudies*,*41*(5),685-697.

Altenburg,T.,&Pegels,A.(2007).Knowledgenetworksinregionalinnovationsystems:TheroleofscientificandtechnologicalcentersinGermany.*IndustryandInnovation*,*14*(4),295-319.

Cooke,P.,&Urquhart,O.(2005).Regionalinnovationsystems,clustering,andtheknowledgeeconomy:Towardsaresearchagenda.*IndustrialandCorporateChange*,*14*(4),571-587.

Bresnahan,T.A.,&Trajtenberg,M.(1995).Universityversuscorporatepatents:Awindowonthebasicnessofinvention.*RANDJournalofEconomics*,*26*(3),698-708.

Jaffe,A.B.,Trajtenberg,M.,&Henderson,R.(2005).Universityversuscorporatepatents:Awindowonthebasicnessofinvention.*RANDJournalofEconomics*,*26*(3),698-708.