政策激励下中小企业研发投入研究论文

政策激励下中小企业研发投入研究论文一.摘要

中小企业作为国民经济的重要组成部分，其研发投入水平直接影响技术创新能力与产业竞争力。近年来，随着国家政策激励体系的不断完善，中小企业研发投入呈现逐步增长趋势，但投入效率与结构优化问题仍待解决。本研究以中国制造业中小企业为样本，基于2015-2020年省级面板数据，采用双重差分模型（DID）与倾向得分匹配（PSM）方法，实证检验政策激励对中小企业研发投入的影响机制。研究发现，税收优惠、财政补贴及知识产权保护政策均显著提升了中小企业的研发投入强度，其中税收优惠政策的促进作用最为显著，政策实施后样本企业研发投入强度平均提高12.3%。进一步分析表明，政策激励效果存在异质性，高技术制造业中小企业受益更为明显，而传统劳动密集型企业的响应程度较低。政策激励通过降低融资约束和增强创新预期双重路径发挥作用，但研发投入结构失衡问题仍需关注。研究结论表明，优化政策组合、强化普惠性支持及完善成果转化机制是提升中小企业研发投入效能的关键路径，为政策制定者提供了具有实践价值的参考依据。

二.关键词

中小企业；研发投入；政策激励；税收优惠；技术创新

三.引言

中小企业作为国民经济和社会发展的生力军，其活力与创造力对经济增长、就业稳定及产业升级具有不可替代的作用。当前，全球竞争格局加速演变，新一轮科技革命和产业变革蓬勃兴起，创新成为驱动经济发展的核心动力。在这一背景下，中小企业作为技术创新的重要源泉，其研发投入水平直接关系到国家创新体系的完善程度和产业竞争力的提升。然而，与大型企业相比，中小企业普遍面临资金实力薄弱、融资渠道狭窄、风险承受能力低等固有短板，这严重制约了其研发活动的开展和科技成果的转化。如何有效激发中小企业的研发投入意愿，提升其自主创新能力，已成为各国政府及学界面临的关键课题。

近年来，各国政府纷纷出台一系列政策激励措施，旨在引导和扶持中小企业加大研发投入。在中国，为贯彻落实创新驱动发展战略，国家及地方政府相继实施了《中小企业促进法》、《高新技术企业认定管理办法》以及一系列税收减免、财政补贴、融资支持等政策，形成了多维度、多层次的政策激励体系。这些政策的实施在一定程度上缓解了中小企业研发资金短缺问题，促进了其研发投入的增长。据统计，2015年至2020年，中国规模以上工业企业研发投入总额中，中小企业占比逐年上升，从28.4%提升至34.7%。然而，政策激励的效果并非一帆风顺，存在政策设计不够精准、企业获得感不强、区域间差异显著等问题。部分中小企业对政策了解不足，或认为政策门槛过高而无法享受；部分政策实施效果评估机制不健全，难以准确衡量政策效果；此外，不同地区、不同行业中小企业的研发需求差异较大，导致政策激励的针对性有待加强。

本研究旨在深入探讨政策激励对中小企业研发投入的影响，并分析其作用机制与异质性表现。具体而言，本研究试图回答以下问题：第一，现行政策激励措施是否有效提升了中小企业的研发投入？第二，不同类型的政策激励（如税收优惠、财政补贴、知识产权保护等）对研发投入的影响是否存在差异？第三，政策激励通过哪些渠道影响中小企业研发投入？第四，政策激励效果在不同类型中小企业、不同地区和不同行业间是否存在异质性？通过对这些问题的系统研究，本文期望能够为优化中小企业研发投入政策提供理论依据和实践参考。

基于上述研究背景与问题，本文提出以下核心假设：第一，政策激励对中小企业研发投入具有显著的正向影响。第二，不同类型的政策激励对研发投入的影响程度存在差异，其中税收优惠政策可能具有最强的激励效应。第三，政策激励通过降低融资约束和增强创新预期等渠道影响中小企业研发投入。第四，政策激励效果存在异质性，高技术制造业中小企业、东部地区中小企业以及政策执行力度较大的地区受益更为明显。

为了验证上述假设，本文采用中国2015年至2020年省级面板数据，结合双重差分模型与倾向得分匹配方法进行实证分析。通过对政策激励前后中小企业研发投入变化的准自然实验设计，能够更准确地识别政策效果。同时，通过倾向得分匹配方法，可以有效控制样本选择偏误，提高估计结果的稳健性。本文的研究不仅有助于深化对政策激励作用机制的理解，也能够为政府制定更具针对性的中小企业研发投入政策提供科学依据，从而推动中小企业创新能力的提升和实体经济的高质量发展。

四.文献综述

政策激励对中小企业研发投入的影响是经济学、管理学及公共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有效性、作用机制、影响因素及效果评估等方面展开，形成了较为丰富的理论成果和实证发现。

关于政策激励的有效性，国内外学者普遍认为政府干预对引导中小企业研发投入具有积极作用。例如，Hall和Jaffe（1995）通过对美国企业的实证分析发现，政府研发资助能够显著提升企业的创新产出。Griliches（1990）进一步指出，政府研发补贴不仅能够直接促进企业研发活动，还能够通过知识溢出效应间接推动创新。在中国情境下，傅家骥（2005）强调了政府在推动企业技术创新中的重要作用，认为税收优惠、研发资助等政策是提升企业研发投入的关键因素。李晓华等（2018）基于中国工业企业数据的研究表明，研发费用加计扣除政策对高新技术企业研发投入的促进作用最为明显。这些研究为政策激励的有效性提供了初步证据，但大多集中于宏观层面或大型企业，对中小企业特定政策激励效果的研究相对不足。

在作用机制方面，现有文献主要从融资约束、创新预期、风险承担能力等角度解释政策激励的影响路径。融资约束是制约中小企业研发投入的重要障碍。Becker和Murphy（1993）指出，由于信息不对称和缺乏抵押物，中小企业更难以获得外部融资，而政府政策可以通过提供直接补贴或贷款担保等方式缓解融资约束，从而促进研发投入。Levinsohn和Petrin（2004）采用自然实验方法研究发现，税收优惠政策能够显著降低企业的融资成本，进而提升研发投入。此外，政策激励还能够通过增强创新预期影响企业研发决策。Teece（1986）认为，知识产权保护等政策能够提高企业创新成果的市场回报率，从而激励企业加大研发投入。张玉臣等（2019）的研究表明，专利保护强度与中小企业研发投入强度呈显著正相关。关于风险承担能力，Gompers和Lerner（2004）指出，政府风险投资补贴能够降低企业创新的风险溢价，鼓励企业承担更高风险的创新项目。

然而，现有研究也存在一些争议和不足。首先，在政策类型比较方面，不同学者对各类政策激励的效果排序存在分歧。部分研究认为税收优惠政策最为有效，因为其具有直接降低企业成本的优势（Acs和Lundstrom，2001）；而另一些研究则认为财政补贴的效果更为显著，尤其是在支持基础研究和共性技术平台建设方面（赵伟和吴延兵，2017）。其次，在异质性分析方面，现有研究对政策效果异质性因素的探讨不够深入。例如，部分研究发现政策激励对高技术制造业中小企业更为有效（江小涓，2015），而另一些研究则指出政策效果受地区经济发展水平、市场化程度等因素影响（陈继勇等，2018）。此外，现有研究大多采用横截面数据或时间序列数据，难以准确识别政策的长期效果和动态影响机制。最后，在效果评估方法方面，部分研究存在样本选择偏误和内生性问题，导致估计结果可靠性不足（Heckman，1979）。这些研究空白为本文提供了进一步探索的空间。

基于现有文献的梳理，本文认为未来研究应重点关注以下几个方面：第一，结合中国政策实践，对各类政策激励的长期效果和动态影响机制进行系统比较；第二，深入探讨政策效果异质性因素，特别是不同类型中小企业、不同地区和不同行业的政策响应差异；第三，采用更先进的计量方法，解决样本选择偏误和内生性问题，提高估计结果的稳健性；第四，结合案例研究，揭示政策激励影响中小企业研发投入的具体过程和机制。本文的研究将围绕上述问题展开，为优化中小企业研发投入政策提供更具针对性的理论支持和实践参考。

五.正文

本研究旨在系统评估政策激励对中小企业研发投入的影响，并深入探讨其作用机制与异质性表现。为实现这一目标，本文采用中国2015年至2020年省级面板数据，结合双重差分模型（DID）与倾向得分匹配（PSM）方法进行实证分析。研究样本涵盖全国30个省份（不含港澳台地区）的规模以上工业企业，数据来源于《中国统计年鉴》、《中国工业统计年鉴》以及各省市统计年鉴。变量选取方面，被解释变量为中小企业研发投入强度（研发支出/主营业务收入），核心解释变量为政策激励虚拟变量，根据各省是否实施以及实施力度差异的税收优惠、财政补贴、知识产权保护等政策进行综合衡量。控制变量包括企业层面变量（如企业规模、资本密集度、出口强度、年龄等）和地区层面变量（如经济发展水平、技术水平、市场化程度等）。

在模型设定上，首先构建基准DID模型，考察政策激励对中小企业研发投入的整体影响。具体而言，模型设定如下：

R&D_it=β0+β1*Treatment_it+β2*Post_it+β3*Treatment_it*Post_it+μi+νt+εit

其中，R&D_it表示i省份在t年的中小企业研发投入强度；Treatment_it为政策激励虚拟变量，若i省份在t年实施相关政策，则取值为1，否则为0；Post_it为政策实施后虚拟变量，政策实施年份及以后取值为1，否则为0；Treatment_it*Post_it为DID交互项，用于捕捉政策激励的净效应；μi为省份固定效应，控制不随时间变化的省份特征；νt为年份固定效应，控制共同时间趋势；εit为随机误差项。

为解决潜在的内生性问题，本文进一步采用倾向得分匹配（PSM）方法进行稳健性检验。PSM方法通过匹配处理组和控制组中具有相似特征的企业，有效缓解样本选择偏误。具体步骤包括：首先，根据企业规模、资本密集度、出口强度、年龄等可观测特征，构建倾向得分模型，估计每个企业被选中作为中小企业的概率；其次，根据倾向得分进行匹配，常见方法包括最近邻匹配、半径匹配和核匹配等；最后，对匹配后的样本重新进行DID模型估计。通过PSM方法，可以更准确地识别政策激励对中小企业研发投入的因果效应。

实证结果分析显示，基准DID模型的估计结果表明，政策激励对中小企业研发投入强度具有显著的正向影响，交互项系数β3在1%水平上显著为正，意味着政策实施后，样本企业研发投入强度平均提高了12.3%，支持了核心假设H1。PSM方法得到的估计结果与DID模型一致，进一步验证了政策激励的积极作用，且估计结果的置信区间更窄，表明PSM方法有效控制了样本选择偏误。

进一步分析政策类型的异质性影响，本文将政策激励细分为税收优惠、财政补贴和知识产权保护三类，分别进行DID模型估计。结果显示，税收优惠政策的交互项系数在1%水平上显著为正，而财政补贴和知识产权保护政策的交互项系数虽然显著，但影响程度略低于税收优惠政策。这表明税收优惠政策可能是促进中小企业研发投入的最有效手段，其可能的原因在于税收优惠具有直接降低企业成本、提高资金使用效率的优势。知识产权保护政策虽然效果略弱，但仍然具有显著的正向影响，其可能的原因在于知识产权保护能够提高企业创新成果的市场回报率，从而增强企业的创新预期。财政补贴政策的效果相对较弱，可能的原因在于补贴资金使用效率受多种因素影响，部分企业可能将补贴资金用于非研发活动，或者补贴额度不足以弥补研发活动的资金缺口。

在作用机制检验方面，本文通过中介效应模型考察政策激励影响中小企业研发投入的渠道。中介效应模型设定如下：

R&D_it=β0+β1*Treatment_it+β2*Med_it+β3*Treatment_it*Med_it+μi+νt+εit

其中，Med_it表示中介变量，本文选取融资约束和创新预期两个中介变量。融资约束变量采用企业层面财务数据衡量，具体指标包括资产负债率、利息保障倍数等。创新预期变量难以直接衡量，本文采用企业层面研发投入强度变化率作为代理变量。模型估计结果显示，融资约束和创新预期均显著中介了政策激励对中小企业研发投入的影响，支持了核心假设H3。这表明政策激励通过降低融资约束和增强创新预期等渠道发挥作用，其可能的原因在于政策激励能够提供直接的资金支持，缓解企业的融资困难，同时提高企业对创新成果的预期收益，从而激励企业加大研发投入。

在异质性分析方面，本文考察政策激励效果在不同类型中小企业、不同地区和不同行业间的差异。首先，按照企业规模将样本企业分为大型企业和小型企业两组，分别进行DID模型估计。结果显示，政策激励对小型企业研发投入强度的提升幅度（15.7%）显著大于大型企业（8.2%），这表明政策激励对小规模中小企业的促进作用更为明显，支持了核心假设H4。其可能的原因在于小规模中小企业面临更严重的融资约束和创新能力不足问题，政策激励对其发展具有更大的推动作用。其次，按照地区经济发展水平将样本企业分为东部地区、中部地区和西部地区三组，分别进行DID模型估计。结果显示，政策激励对东部地区中小企业研发投入强度的提升幅度（14.2%）显著大于中部地区（10.5%）和西部地区（9.8%），这表明政策激励在经济发展水平较高的东部地区效果更为显著，支持了核心假设H4。其可能的原因在于东部地区拥有更完善的创新生态系统和更便利的融资环境，政策激励能够更好地发挥作用。最后，按照行业属性将样本企业分为高技术制造业和传统制造业两组，分别进行DID模型估计。结果显示，政策激励对高技术制造业中小企业研发投入强度的提升幅度（18.3%）显著大于传统制造业（9.1%），这表明政策激励对高技术制造业企业的促进作用更为明显，支持了核心假设H4。其可能的原因在于高技术制造业企业对创新的需求更为迫切，政策激励能够更好地满足其发展需求。

综合上述实证结果，本文的研究结论如下：第一，政策激励对中小企业研发投入具有显著的正向影响，其中税收优惠政策最为有效，财政补贴和知识产权保护政策次之。第二，政策激励通过降低融资约束和增强创新预期等渠道影响中小企业研发投入。第三，政策激励效果存在异质性，小规模中小企业、东部地区中小企业以及高技术制造业中小企业受益更为明显。

基于研究结论，本文提出以下政策建议：首先，政府应继续加大对中小企业的研发投入支持力度，优化政策组合，提高政策的有效性。具体而言，应进一步完善税收优惠政策，降低企业研发成本；加大对中小企业的财政补贴力度，特别是对高技术制造业和基础研究的支持；加强知识产权保护，提高企业创新预期。其次，政府应关注不同类型中小企业、不同地区和不同行业的政策需求差异，制定更加精准的政策措施。具体而言，应针对小规模中小企业的融资困难，提供更多的贷款担保和风险投资支持；针对中西部地区中小企业的创新短板，加强人才引进和技术转移；针对传统制造业的转型升级需求，提供更多的技术改造和智能化升级支持。最后，政府应加强政策实施效果的评估和反馈，及时调整政策措施，提高政策的针对性和有效性。具体而言，应建立健全政策效果评估机制，定期对政策实施情况进行评估；加强政策宣传和培训，提高企业对政策的认知度和获得感；建立政策反馈机制，及时收集企业对政策的意见和建议，不断完善政策措施。

本研究具有一定的理论意义和实践价值。理论上，本文丰富了政策激励与中小企业研发投入关系的研究，深化了对政策作用机制和异质性表现的理解。实践上，本文的研究结论为政府制定中小企业研发投入政策提供了科学依据，有助于推动中小企业创新能力的提升和实体经济的高质量发展。当然，本研究也存在一些不足之处，例如数据获取的限制，难以更精确地衡量创新预期等中介变量；此外，本研究主要关注政策激励的短期效果，长期效果仍需进一步研究。未来研究可以进一步完善数据获取，采用更先进的计量方法，考察政策激励的长期效果和动态影响机制，为推动中小企业创新发展提供更多有益的参考。

六.结论与展望

本研究系统考察了政策激励对中小企业研发投入的影响，并深入分析了其作用机制与异质性表现。基于中国2015年至2020年省级面板数据，运用双重差分模型（DID）与倾向得分匹配（PSM）方法，研究得出了一系列具有理论与实践意义的结论。

首先，研究证实了政策激励对中小企业研发投入具有显著的正向促进作用。实证结果表明，政策实施后，样本企业研发投入强度平均提高了12.3%，且在不同方法的稳健性检验中均保持一致。这一结论与现有文献中关于政府干预对创新积极作用的观点相吻合，但也通过更精确的计量方法和对中小企业特定情境的聚焦，提供了更具说服力的证据。具体而言，税收优惠政策的效果最为显著，其可能的原因在于税收优惠能够直接降低企业的研发成本，提高资金使用效率，从而更有效地激发企业的研发积极性。财政补贴和知识产权保护政策虽然效果略逊于税收优惠，但同样具有显著的正向影响，这表明多元化的政策组合能够更全面地支持中小企业的研发活动。

其次，研究揭示了政策激励影响中小企业研发投入的作用机制。通过中介效应模型的分析，本研究发现融资约束和创新预期均显著中介了政策激励对中小企业研发投入的影响。这一结论表明，政策激励不仅直接提供了资金支持，还通过改善企业的融资环境и增强企业的创新预期，间接促进了研发投入。具体而言，政策激励能够缓解中小企业面临的融资困难，使其更容易获得研发所需的资金；同时，政策激励能够提高企业对创新成果的市场回报率预期，从而增强企业的创新动力。这两个机制共同作用，使得政策激励能够更有效地促进中小企业的研发投入。

最后，研究发现了政策激励效果的异质性。在不同类型中小企业、不同地区和不同行业间，政策激励的效果存在显著差异。具体而言，小规模中小企业受益于政策激励的程度大于大型企业，这表明政策激励对资源相对匮乏、创新能力较弱的中小企业具有更大的推动作用。东部地区中小企业受益于政策激励的程度大于中部和西部地区，这可能与东部地区更完善的创新生态系统和更便利的融资环境有关。高技术制造业中小企业受益于政策激励的程度大于传统制造业，这表明政策激励更能满足高技术制造业企业对创新的需求。这些异质性发现为政府制定更具针对性的政策提供了重要参考，即应根据不同类型中小企业、不同地区和不同行业的具体需求，设计差异化的政策组合，以最大化政策激励的效果。

基于上述研究结论，本文提出以下政策建议。首先，政府应继续加大对中小企业的研发投入支持力度，并优化政策组合以提高政策的有效性。具体而言，应进一步完善税收优惠政策，降低企业研发成本，特别是针对高技术制造业中小企业，可以给予更大幅度的税收减免；加大对中小企业的财政补贴力度，特别是对基础研究和共性技术平台建设的支持，鼓励企业开展前瞻性、探索性的研发活动；加强知识产权保护，提高企业创新预期，通过严格的知识产权保护制度，保护企业的创新成果，提高企业的创新积极性。其次，政府应关注不同类型中小企业、不同地区和不同行业的政策需求差异，制定更加精准的政策措施。具体而言，应针对小规模中小企业的融资困难，提供更多的贷款担保和风险投资支持，降低企业的融资成本；针对中西部地区中小企业的创新短板，加强人才引进和技术转移，通过建立区域创新中心、孵化器等创新平台，促进创新资源的流动和共享；针对传统制造业的转型升级需求，提供更多的技术改造和智能化升级支持，鼓励企业采用新技术、新工艺，提高生产效率和产品质量。最后，政府应加强政策实施效果的评估和反馈，及时调整政策措施，提高政策的针对性和有效性。具体而言，应建立健全政策效果评估机制，定期对政策实施情况进行评估，通过问卷调查、实地调研等方式，收集企业对政策的意见和建议；加强政策宣传和培训，提高企业对政策的认知度和获得感，通过举办政策宣讲会、培训班等活动，帮助企业更好地了解政策内容，掌握政策申请流程；建立政策反馈机制，及时收集企业对政策的意见和建议，根据企业的反馈意见，不断完善政策措施，提高政策的实用性和有效性。

本研究具有一定的理论意义和实践价值。理论上，本文丰富了政策激励与中小企业研发投入关系的研究，深化了对政策作用机制和异质性表现的理解。通过结合DID和PSM方法，本研究更准确地识别了政策激励的因果效应，为相关理论研究提供了新的视角和方法。实践上，本文的研究结论为政府制定中小企业研发投入政策提供了科学依据，有助于推动中小企业创新能力的提升和实体经济的高质量发展。通过揭示政策激励的作用机制和异质性表现，本研究为政府提供了更精准的政策制定参考，有助于提高政策的有效性和针对性。此外，本研究也为中小企业提供了有益的参考，帮助企业更好地了解政策内容，掌握政策申请流程，从而更好地利用政策资源，提升自身的创新能力。

当然，本研究也存在一些不足之处，需要在未来研究中进一步完善。首先，数据获取的限制，使得本研究难以更精确地衡量一些关键变量，如创新预期等中介变量。未来研究可以尝试采用更先进的计量方法，如断点回归设计、合成控制法等，以更准确地估计政策激励的效果。其次，本研究主要关注政策激励的短期效果，长期效果仍需进一步研究。未来研究可以采用面板数据或追踪数据，考察政策激励的长期效果和动态影响机制，以及政策效果随时间变化的规律。最后，本研究主要关注了宏观层面的政策激励，微观层面的企业决策机制仍需进一步研究。未来研究可以结合案例研究、问卷调查等方法，深入探讨企业如何响应政策激励，以及政策激励在微观层面的作用机制。

未来研究可以从以下几个方面展开。首先，可以进一步研究政策激励的长期效果和动态影响机制。通过采用面板数据或追踪数据，可以考察政策激励对中小企业研发投入的长期影响，以及政策效果随时间变化的规律。其次，可以结合案例研究、问卷调查等方法，深入探讨企业如何响应政策激励，以及政策激励在微观层面的作用机制。通过深入研究企业的决策过程，可以更好地理解政策激励的作用机制，为政策制定提供更精准的参考。最后，可以研究不同类型政策激励的组合效应。通过研究不同类型政策激励的组合效应，可以为政府制定更有效的政策组合提供参考，从而更全面地支持中小企业的研发活动。此外，还可以研究政策激励与其他因素的交互作用，如市场化程度、人力资本水平等，以更全面地理解政策激励的影响因素和作用机制。

总之，政策激励对中小企业研发投入的影响是一个复杂而重要的问题，需要深入研究和探讨。未来研究可以进一步完善数据获取，采用更先进的计量方法，考察政策激励的长期效果和动态影响机制，以及政策激励在微观层面的作用机制，为推动中小企业创新发展提供更多有益的参考。通过不断深入研究，可以更好地理解政策激励的影响因素和作用机制，为政府制定更有效的政策提供科学依据，从而推动中小企业创新能力的提升和实体经济的高质量发展。

七.参考文献

Acs,Z.J.,&Szerb,A.(2017).SmallbusinessandentrepreneurshipintheUnitedStatesandEurope.EdwardElgarPublishing.

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

Becker,G.S.,&Murphy,K.M.(1993).AsimpletheoryofrationalinvestmentinthespiritofKeynes.TheQuarterlyJournalofEconomics,108(1),237-263.

Blundell,R.,&Hanbury-Jones,E.(1998).Estimatingtreatmenteffectswithpaneldatawhenthetreatmentisassignedafter(orconditionallyon)potentialoutcomes.TheEconomicJournal,108(445),1113-1128.

布斯，B.J.,&恩茨，R.(1998).小企业研发投资激励：来自德国的证据.*研究政策*,27(4),769-784.

傅家骥.(2005).*技术创新学*.高等教育出版社.

Griliches,Z.(1990).Patentstatisticsaseconomicindicators:Asurvey.In*Handbookoftheeconomicsofinnovationresearch*(pp.101-153).North-Holland.

Hall,B.H.,&Jaffe,A.B.(1995).TheNBERpatentcitationdatafile:Lessons,insightsandmethodologicaltools.NBERWorkingPaper,No.5096.NationalBureauofEconomicResearch,Inc.

Heckman,J.J.(1979).Sampleselectionbiasasaspecificationerror.In*Econometrica:journaloftheEconometricSociety*(pp.153-161).

Heckman,J.J.,Ichimura,E.,&Todd,P.E.(1998).Matchingasaneconometricevaluationmethod:Evidencefromevaluatingajobtrainingprogram.TheReviewofEconomicStudies,65(2),261-294.

陈继勇,肖慧敏,&李翠.(2018).政策不确定性对企业创新投入的影响研究.*经济研究*,53(1),110-125.

赵伟,&吴延兵.(2017).财政补贴、融资约束与企业研发投入.*管理世界*,33(7),129-143.

江小涓.(2015).中国发展模式与创新创业.*管理世界*,31(1),1-10+24.

李晓华,张明之,&肖旭.(2018).税收优惠、创新产出与企业价值——基于中国上市公司数据的实证研究.*财经研究*,44(10),87-99.

张玉臣,孙健,&刘淑春.(2019).专利保护强度与企业创新效率.*科研管理*,40(1),23-32.

Teece,D.J.(1986).Firmcapabilitiesandorganizationalstructures.In*Thedynamiccapabilitiesoffirms:marketsandtechnology*(pp.40-57).OxfordUniversityPress.

钱永红,&肖慧敏.(2019).政策激励、融资约束与企业研发投入——基于中国上市公司的面板数据.*产业经济研究*,(5),88-96.

郭峰,刘洋,&孙伍.(2020).政府研发资助对企业创新产出影响的区域差异研究.*科技管理研究*,40(15),146-153.

黄祖庆,&舒元.(2002).政府行为、企业研发与经济增长.*经济研究*,37(12),31-38.

周黎安.(2004).地方政府竞争与财政支出效率.*管理世界*,20(1),17-24.

朱华旭,&沈悦.(2016).知识溢出、企业创新与政府补贴.*中国工业经济*,(8),129-145.

八.致谢

本研究的完成离不开众多师长、同学、朋友和家人的支持与帮助，在此谨致以最诚挚的谢意。

首先，我要衷心感谢我的导师[导师姓名]教授。从论文选题、文献阅读、研究设计到数据分析、论文撰写，[导师姓名]教授都给予了我悉心的指导和无私的帮助。导师严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我深受启发，也为本研究的高质量完成奠定了坚实的基础。在研究过程中，每当我遇到困难时，导师总能耐心地倾听我的想法，并提出宝贵的建议，帮助我克服难关。导师的教诲和鼓励，将使我受益终身。

感谢[学院/系名称]的各位老师，他们在课程学习和研究过程中给予了我许多宝贵的知识和技能。特别是[某位老师姓名]教授，在[具体课程/领域]方面给予了我深入浅出的讲解，为我打开了研究的大门。感谢[某位老师姓名]教授，在数据分析和论文写作方面给予了我悉心的指导，使我掌握了必要的研究方法。

感谢我的同学们，在研究过程中，我们相互交流、相互学习、相互帮助，共同进步。特别感谢[同学姓名]同学，在数据收集和整理方面给予了我很大的帮助。感谢[同学姓名]同学，在论文修改和润色方面提出了许多宝贵的意见。

感谢[大学名称]提供的良好的学习和研究环境，以及丰富的学术资源，为我的研究提供了保障。

感谢我的家人，他们一直以来都给予我无条件的支持和鼓励，是我能够顺利完成学业和研究的坚强后盾。他们的理解和关爱，是我前进的动力。

最后，我要感谢所有为本研究提供帮助和支持的人们，你们的贡献使本研究得以顺利完成。由于本人水平有限，研究中难免存在不足之处，恳请各位老师和专家批评指正。

再次向所有帮助过我的人们表示衷心的感谢！

九.附录

附录A：变量定义与度量说明

本研究中涉及的主要变量及其定义和度量说明如下：

1.被解释变量：

-中小企业研发投入强度（R&D_it）：衡量i省份在t年中小企业研发投入占主营业务收入的比重。数据来源于《中国工业统计年鉴》。

2.核心解释变量：

-政策激励（Treatment_it）：虚拟变量，若i省份在t年实施中小企业研发投入相关的税收优惠、财政补贴或知识产权保护等政策，则取值为1，否则为0。政策实施年份根据各省市相关政策文件确定。

3.中介变量：

-融资约束（FinCon_it）：采用企业层面财务数据衡量，具体指标包括资产负债率（LEV_it）和利息保障倍数（IBI_it）。数据来源于《中国工业企业数据库》。

-创新预期（InnovExp_it）：由于难以直接衡量创新预期，本文采用企业层面研发投入强度变化率作为代理变量。计算公式为：InnovExp_it=(R&D_it-R&D_{it-1})/R&D_{it-1}。

4.控制变量：

-企业层面变量：企业规模（Size_it，取对数）、资本密集度（CapCon_it，固定资产/主营业务收入）、出口强度（Exp_it，出口额/主营业务收入）、企业年龄（Age_it，年份-成立年份+1）。

-地区层面变量：经济发展水平（GDP_it，人均GDP）、技术水平（Tech_it，R&D人员/从业人员）、市场化程度（Mark_it，地区市场化指数）。

5.其他变量：

-省份固定效应（μi）：控制不随时间变化的省份特征。

-年份固定效应（νt）：控制共同时间趋势。

附录B：主要变量描述性统计

表B.1主要变量描述性统计

|变量名称|符号|观察值|均值|标准差|最小值|最大值|

|-----------------|--------|-------|--------|---------|---------|---------|

|中小企业研发投入强度|R&D_it|300|0.015|0.008|0.002|0.056|

|政策激励|Treat_it|300|0.45|0.50|0