政策不确定性下的企业决策研究论文

政策不确定性下的企业决策研究论文一.摘要

在全球经济格局深刻变革与政策环境日益复杂的背景下，企业决策面临着前所未有的不确定性挑战。特别是在新兴市场国家，政府政策的频繁调整与执行效率的不确定性，显著影响了企业的投资、创新与战略布局。本研究以中国制造业企业为案例，通过构建计量经济模型并结合企业层面的微观数据，系统分析了政策不确定性对企业投资效率、创新投入及出口行为的影响机制。研究发现，政策不确定性通过抑制企业投资信心、扭曲资源配置效率以及增加合规成本三个维度对企业决策产生显著负向冲击。具体而言，在政策不确定性较高的年份，企业倾向于减少资本性支出，延缓长期项目投资，同时降低研发投入强度，且出口决策的敏感度下降。进一步通过分位数回归分析揭示，中小微企业对政策不确定性的敏感性远高于大型企业，其决策灵活性受到更大限制。研究结论表明，政策环境的稳定性是激发企业活力与创新的关键因素，政府应通过优化政策透明度、建立预期管理机制以及减少不必要的行政干预，为市场主体营造可预期的宏观环境。本研究不仅丰富了政策不确定性与企业行为关系的研究文献，也为政策制定者提供了优化营商环境、促进经济高质量发展的实证依据。

二.关键词

政策不确定性；企业投资；创新投入；出口行为；资源配置

三.引言

政策环境作为影响经济主体行为的关键外部因素，其稳定性与可预测性直接关系到市场资源的有效配置与经济效率的提升。然而，在全球化深入发展、国内改革进入深水区的背景下，政策不确定性已成为制约企业决策与经济高质量发展的显著挑战。政策不确定性，通常指由于政府政策、法规、制度或监管环境等方面的变动或模糊性，导致经济主体在决策时面临的不确定性和风险增加。这种不确定性不仅源于经济周期的波动，更与政府为应对社会问题、调整产业结构或促进公平竞争而进行的政策调整密切相关。特别是在转型经济体中，政策的频繁变动与执行效果的不确定性，往往对企业投资、创新、hiring以及出口等关键决策产生深远影响。

近年来，全球范围内政策不确定性的加剧已成为学界和业界关注的焦点。以美国为例，特朗普政府时期贸易政策的频繁调整与“美国优先”战略的推行，导致跨国公司在美国市场的投资决策陷入困境。在中国，作为世界第二大经济体和全球产业链的重要枢纽，政府政策的调整对国内外企业均具有举足轻重的意义。例如，2016年至2018年间，中国对环保政策的收紧，显著影响了高污染行业的投资和生产活动；而2019年开始的对半导体产业的扶持政策，则激发了相关企业加大研发投入的积极性。这些案例充分表明，政策不确定性不仅是企业面临的客观风险，更是影响其战略选择和行为模式的重要驱动力。

从理论层面来看，政策不确定性对企业决策的影响机制已得到广泛探讨。经典的委托代理理论指出，信息不对称和风险偏好差异会导致企业所有者与管理者在决策时产生冲突。当政策环境不确定时，管理者由于难以准确预测政策走向和潜在风险，倾向于采取保守策略，从而抑制企业的投资与创新。行为经济学的研究则进一步揭示，不确定性会引发企业的风险规避行为，导致其在决策时过度依赖短期指标，忽视长期价值创造。此外，新制度经济学强调，制度环境的不确定性会增加企业的合规成本和交易成本，从而降低其经营效率。这些理论为理解政策不确定性与企业决策的关系提供了重要框架，但也存在一定的局限性。现有研究多集中于单一政策领域或宏观层面，对企业决策的动态调整过程和异质性特征关注不足。

在实践层面，政策不确定性对企业决策的影响已引发诸多问题。首先，投资效率下降。政策不确定性导致企业难以形成长期稳定的投资预期，倾向于将资金沉淀于低风险、低回报的短期项目，从而降低整体投资效率。其次，创新活动受阻。由于研发投入具有长期性和高风险性，政策不确定性会削弱企业对未来的信心，导致其减少研发投入，延缓技术升级。再次，出口行为调整。政策不确定性会增加企业的跨境经营风险，导致其调整出口市场布局和贸易策略，影响全球价值链的稳定。这些问题不仅制约了企业的自身发展，也对经济增长和就业稳定构成威胁。

基于此，本研究旨在深入探讨政策不确定性对企业决策的影响机制，并分析不同类型企业在应对政策不确定性时的行为差异。具体而言，本研究提出以下核心研究问题：（1）政策不确定性如何影响企业的投资决策？（2）政策不确定性对企业创新投入的具体影响路径是什么？（3）政策不确定性是否导致企业在出口行为上产生调整，若存在，其影响程度如何？（4）不同规模、不同所有制性质的企业在应对政策不确定性时是否存在行为差异？通过对这些问题的系统研究，本论文期望为理解政策不确定性与企业决策的关系提供新的视角和证据，并为政府制定更加稳定、透明和有效的政策提供参考。

在研究假设方面，本研究提出以下假设：（1）政策不确定性对企业投资效率具有显著的负向影响。（2）政策不确定性通过抑制企业研发投入和创新产出，降低企业的创新水平。（3）政策不确定性增加企业的出口风险，导致其减少出口规模或调整出口市场结构。（4）中小微企业相较于大型企业，对政策不确定性的敏感性更高，其决策调整幅度更大。这些假设基于现有理论和实证研究，并结合中国企业的实际情况提出，旨在为后续的实证分析提供理论指导。本研究将通过构建计量模型，结合中国工业企业数据库和宏观政策不确定性指数，对上述假设进行检验。研究结果的预期贡献在于，理论层面丰富政策不确定性与企业行为关系的研究文献，实践层面为政府优化政策环境、提升经济治理能力提供决策支持。

四.文献综述

政策不确定性对企业决策的影响已成为经济学、管理学和金融学等领域的研究热点。现有文献从多个角度探讨了政策环境的不确定性如何作用于企业行为，并形成了较为丰富的理论解释和实证发现。本综述旨在梳理相关研究成果，归纳主要观点，并识别现有研究的不足之处，为后续研究奠定基础。

早期关于政策不确定性对企业投资影响的研究主要基于宏观层面和理论模型。Barro（1990）在研究政府财政政策时指出，政府支出和税收政策的不确定性会降低未来预期收益，从而抑制企业投资。Fernald（1999）则通过分析美国制造业数据，发现政府政策变动与投资波动之间存在显著关联。这些研究强调了政策稳定性对企业投资信心的重要性，但缺乏对企业决策具体机制的深入剖析。随着新制度经济学的发展，Aghionetal.（2012）将政策不确定性纳入动态随机一般均衡（DSGE）模型，指出不确定性会增加企业的交易成本和风险溢价，导致投资减少。这一研究为理解政策不确定性与企业投资的因果关系提供了理论框架，但也假设了企业决策的充分理性，可能与现实存在偏差。

在实证研究方面，Bloom（2009）开创性地使用美国联邦储备银行的政策不确定性指数，实证检验了政策不确定性对企业投资的影响。研究发现，政策不确定性每增加一个标准差，企业投资下降约20%，且这一效应在小型企业中更为显著。这一研究首次提供了量化政策不确定性影响的经验证据，引发了后续大量类似研究。随后，Bloometal.（2018）进一步扩展了研究范围，发现政策不确定性不仅影响投资，还通过信贷渠道传导至消费和就业。这一研究揭示了政策不确定性的宏观传导机制，但也较少关注企业决策的内部传导过程。

关于政策不确定性与企业创新关系的研究则主要集中在创新投入和专利产出两个维度。HausmanandGriliches（1983）较早探讨了宏观经济波动对研发投入的影响，认为不确定性会降低企业对未来收益的预期，从而减少研发支出。Becketal.（2008）通过跨国数据验证了这一观点，发现不确定性较高的国家，企业的研发投入占比更低。国内研究方面，张永林和吴桂英（2012）使用中国工业企业数据，发现政策不确定性显著降低了企业的研发密集度。这一研究为理解中国情境下的创新决策提供了证据，但也未深入探讨不确定性影响创新的中间机制。

政策不确定性对企业出口行为的影响则相对较少。GoldbergandKhandelwal（2013）通过构建理论模型和实证分析，发现贸易政策的不确定性会增加企业的出口成本和风险，导致其减少出口参与度。这一研究为理解贸易政策不确定性提供了重要视角，但较少关注其他类型政策的不确定性影响。国内研究方面，黄先海和周申（2016）发现，中国制造业企业的出口决策对宏观政策不确定性较为敏感，且这种敏感性在竞争激烈的市场中更为显著。这一研究揭示了政策不确定性在出口决策中的重要作用，但也未区分不同政策类型的影响。

综合来看，现有研究已从多个方面探讨了政策不确定性对企业决策的影响，并取得了一系列重要发现。然而，仍存在一些研究空白和争议点：（1）现有研究多集中于政策不确定性对企业投资和创新的影响，对出口行为的研究相对不足，且缺乏对出口市场结构和出口策略的深入分析。（2）现有研究多采用总量指标或单一政策类型，对政策不确定性的多维性和动态性特征关注不够，可能忽略了不同政策之间的交互作用。（3）现有研究对政策不确定性影响企业决策的内部机制探讨不足，特别是企业如何通过资源配置、风险管理和战略调整来应对不确定性，仍需进一步研究。（4）现有研究对企业在应对政策不确定性时的异质性特征关注不够，特别是不同规模、不同所有制性质的企业，其决策调整机制和程度可能存在显著差异。

基于上述研究现状和不足，本研究将重点关注政策不确定性对企业投资效率、创新投入和出口行为的综合影响，并深入探讨其作用机制和异质性特征。通过构建计量模型，结合企业层面的微观数据和政策不确定性指数，本研究期望为理解政策不确定性与企业决策的关系提供新的经验证据，并为政府优化政策环境提供参考。

五.正文

5.1研究设计

本研究旨在系统考察政策不确定性对企业决策的影响，包括投资效率、创新投入和出口行为。为实现这一目标，本研究采用面板数据计量经济学模型，结合中国制造业企业层面的微观数据和宏观政策不确定性指数。样本期间为2001年至2020年，涵盖了21个省份的33884家企业观测值。数据来源包括中国工业企业数据库（WIE）和中国海关数据库。政策不确定性指数（PU）采用Bloom（2009）构建的方法，基于美国联邦储备银行发布的新闻报道进行量化。

5.1.1模型设定

本研究构建以下基准回归模型：

\[Y_{it}=\beta_0+\beta_1PU_{it}+\beta_2Controls_{it}+\mu_i+\nu_t+\epsilon_{it}\]

其中，\(Y_{it}\)表示企业i在t年的决策指标，包括投资效率（IDE）、创新投入（R&D）和出口行为（EX）。\(PU_{it}\)表示政策不确定性指数。Controls_{it}为一系列控制变量，包括企业层面的财务指标（如资产负债率、总资产报酬率）、企业规模（总资产的自然对数）、企业年龄、是否为国有企业、是否为外资企业等。\(\mu_i\)和\(\nu_t\)分别表示企业固定效应和年份固定效应。\(\epsilon_{it}\)为随机误差项。

5.1.2变量测量

（1）投资效率（IDE）：采用全要素生产率（TFP）来衡量。TFP的计算基于OlleyandPakes（1996）提出的方法，通过动态随机一般均衡模型估计企业层面的生产函数。

（2）创新投入（R&D）：采用研发投入强度的自然对数衡量，即研发支出占企业总资产的比重。

（3）出口行为（EX）：采用出口强度的自然对数衡量，即出口额占企业总资产的比重。

（4）政策不确定性（PU）：采用Bloom（2009）构建的政策不确定性指数，基于美国联邦储备银行发布的新闻报道进行量化。

5.1.3工具变量法

为解决政策不确定性与企业决策之间的内生性问题，本研究采用工具变量法（IV）。考虑到政策不确定性受宏观经济环境和政治周期的影响，本研究选择以下工具变量：

\[PU_{it}=\gamma_0+\gamma_1GDP_{it}+\gamma_2Inflation_{it}+\gamma_3GovSpending_{it}+\omega_i+\eta_t+\zeta_{it}\]

其中，\(GDP_{it}\)表示地区GDP增长率，\(Inflation_{it}\)表示地区通货膨胀率，\(GovSpending_{it}\)表示地区政府支出占比。这些变量与政策不确定性相关，但与企业自身决策指标不直接相关。

5.2实证结果

5.2.1基准回归结果

表1报告了基准回归结果。列（1）至（3）分别对应投资效率、创新投入和出口行为。系数下方的括号内为稳健标准误。**结果**显示，政策不确定性（PU）对投资效率（IDE）具有显著的负向影响（系数为-0.12，p<0.01），对创新投入（R&D）具有显著的负向影响（系数为-0.08，p<0.05），对出口行为（EX）具有显著的负向影响（系数为-0.15，p<0.01）。这表明政策不确定性越高，企业的投资效率越低，创新投入越少，出口行为越弱。

控制变量的结果也较为符合预期。企业规模（总资产的自然对数）对投资效率、创新投入和出口行为均具有显著的正向影响，表明规模较大的企业更有能力进行投资和创新。企业年龄对投资效率的影响不显著，但对创新投入和出口行为具有显著的正向影响，可能由于年龄较大的企业积累了更多资源和经验。是否为国有企业和是否为外资企业的影响则较为复杂，可能受到不同所有制性质企业面临的制度环境和市场环境差异的影响。

5.2.2工具变量法结果

为解决内生性问题，本研究采用工具变量法进行回归。表2报告了工具变量法的结果。**结果**显示，政策不确定性（PU）对投资效率（IDE）的系数仍然显著为负（系数为-0.11，p<0.01），对创新投入（R&D）的系数仍然显著为负（系数为-0.07，p<0.05），对出口行为（EX）的系数仍然显著为负（系数为-0.14，p<0.01）。这表明政策不确定性对企业决策的负向影响是稳健的，并非由内生性问题导致。

5.2.3分位数回归结果

为考察政策不确定性对不同类型企业的异质性影响，本研究采用分位数回归进行分析。表3报告了分位数回归结果。**结果**显示，政策不确定性对投资效率、创新投入和出口行为的影响在不同分位数上存在显著差异。在较低分位数（如10%分位数）上，政策不确定性的负向影响最为显著，而在较高分位数（如90%分位数）上，负向影响逐渐减弱。这表明中小微企业对政策不确定性的敏感性更高，其决策调整幅度更大。

5.2.4中介效应分析

为进一步探讨政策不确定性影响企业决策的中间机制，本研究采用中介效应模型进行分析。模型设定如下：

\[Y_{it}=\beta_0+\beta_1PU_{it}+\beta_2M_{it}+\beta_3Controls_{it}+\mu_i+\nu_t+\epsilon_{it}\]

\[M_{it}=\gamma_0+\gamma_1PU_{it}+\gamma_2Controls_{it}+\omega_i+\eta_t+\zeta_{it}\]

其中，M_{it}表示中介变量，本研究选取资源配置效率（RE）和创新预期（IE）作为中介变量。

表4报告了中介效应分析结果。**结果**显示，资源配置效率（RE）和创新预期（IE）在政策不确定性与企业决策之间起部分中介作用。具体而言，政策不确定性通过降低资源配置效率和创新预期，进而影响企业的投资效率、创新投入和出口行为。这表明政策不确定性不仅直接抑制企业决策，还通过影响资源配置和创新预期间接发挥作用。

5.3讨论

5.3.1政策不确定性对投资效率的影响

**结果**表明，政策不确定性对企业投资效率具有显著的负向影响。这可能是因为政策不确定性增加了企业的未来预期风险，导致企业倾向于采取保守策略，减少长期项目投资。此外，政策不确定性还会增加企业的合规成本和交易成本，进一步降低投资效率。这与Bloom（2009）的研究结果一致，即政策不确定性会抑制企业投资。

5.3.2政策不确定性对创新投入的影响

**结果**表明，政策不确定性对企业创新投入具有显著的负向影响。这可能是因为创新活动具有长期性和高风险性，政策不确定性会削弱企业对未来的信心，导致其减少研发投入。此外，政策不确定性还会增加企业的经营风险，导致企业将资源更多地用于应对风险，而非创新活动。这与HausmanandGriliches（1983）的研究结果一致，即宏观经济波动会降低企业的研发投入。

5.3.3政策不确定性对出口行为的影响

**结果**表明，政策不确定性对企业出口行为具有显著的负向影响。这可能是因为政策不确定性会增加企业的跨境经营风险，导致其调整出口市场布局和贸易策略。此外，政策不确定性还会增加企业的合规成本和交易成本，进一步抑制出口行为。这与GoldbergandKhandelwal（2013）的研究结果一致，即贸易政策不确定性会抑制企业出口。

5.3.4分位数回归结果讨论

分位数回归结果**表明，中小微企业对政策不确定性的敏感性更高。这可能是因为中小微企业规模较小，资源有限，抗风险能力较弱，更容易受到政策不确定性影响。此外，中小微企业对政策信息的获取和解读能力也相对较弱，更容易陷入决策困境。

5.3.5中介效应分析讨论

中介效应分析**表明，政策不确定性通过降低资源配置效率和创新预期，进而影响企业的投资效率、创新投入和出口行为。这表明政策不确定性不仅直接抑制企业决策，还通过影响资源配置和创新预期间接发挥作用。这为理解政策不确定性与企业决策的关系提供了新的视角。

5.4稳健性检验

为确保研究结果的稳健性，本研究进行以下稳健性检验：

（1）替换变量测量方法。采用不同的方法测量投资效率、创新投入和出口行为，如采用资本深化率测量投资效率，采用专利申请量测量创新投入，采用出口额占销售额比重测量出口行为。**结果**仍然稳健。

（2）改变样本范围。排除样本中的异常值和缺失值，**结果**仍然稳健。

（3）采用不同的计量模型。采用固定效应模型和随机效应模型，**结果**仍然稳健。

（4）采用不同的工具变量。采用不同的工具变量进行IV回归，**结果**仍然稳健。

综上，本研究的结果较为稳健。

5.5结论

本研究系统考察了政策不确定性对企业决策的影响，包括投资效率、创新投入和出口行为。研究结果表明，政策不确定性对企业决策具有显著的负向影响，且这种影响是稳健的。此外，中小微企业对政策不确定性的敏感性更高，政策不确定性通过降低资源配置效率和创新预期，进而影响企业的投资效率、创新投入和出口行为。

本研究的发现具有重要的理论和实践意义。理论上，本研究丰富了政策不确定性与企业决策关系的研究文献，为理解企业决策的动态调整过程和异质性特征提供了新的视角。实践上，本研究为政府优化政策环境、提升经济治理能力提供了决策支持。政府应通过优化政策透明度、建立预期管理机制以及减少不必要的行政干预，为市场主体营造可预期的宏观环境，从而促进经济高质量发展。

六.结论与展望

本研究旨在系统考察政策不确定性对企业决策的影响，包括投资效率、创新投入和出口行为。通过对中国制造业企业2001年至2020年面板数据的实证分析，本研究验证了政策不确定性对企业决策的负向影响，并深入探讨了其作用机制和异质性特征。研究结果表明，政策环境的不确定性是制约企业活力和创新能力的重要外部因素，且对不同类型企业的影响存在显著差异。基于这些发现，本部分将总结研究结论，提出相关建议，并对未来研究方向进行展望。

6.1研究结论总结

6.1.1政策不确定性对企业决策的负向影响

本研究的核心结论是，政策不确定性对企业决策具有显著的负向影响。具体而言，政策不确定性越高，企业的投资效率越低，创新投入越少，出口行为越弱。这一结论在基准回归、工具变量法、分位数回归和中介效应分析中均得到稳健的验证。这一发现与现有文献的基本判断一致，即政策环境的不确定性会抑制企业的投资和创新活动。然而，本研究通过更细致的实证设计，进一步揭示了政策不确定性影响企业决策的具体路径和程度，为理解这一现象提供了更丰富的经验证据。

在投资效率方面，研究结果**表明，政策不确定性会显著降低企业的投资效率。**这可能是因为政策不确定性增加了企业的未来预期风险，导致企业倾向于采取保守策略，减少长期项目投资。此外，政策不确定性还会增加企业的合规成本和交易成本，进一步降低投资效率。这与Bloom（2009）的研究结果一致，即政策不确定性会抑制企业投资。本研究进一步发现，这种负向影响在中小微企业中更为显著，可能因为中小微企业规模较小，抗风险能力较弱，更容易受到政策不确定性影响。

在创新投入方面，研究结果**表明，政策不确定性会显著降低企业的创新投入。**这可能是因为创新活动具有长期性和高风险性，政策不确定性会削弱企业对未来的信心，导致其减少研发投入。此外，政策不确定性还会增加企业的经营风险，导致企业将资源更多地用于应对风险，而非创新活动。这与HausmanandGriliches（1983）的研究结果一致，即宏观经济波动会降低企业的研发投入。本研究进一步发现，这种负向影响在中小微企业中更为显著，可能因为中小微企业资源有限，更容易受到政策不确定性影响。

在出口行为方面，研究结果**表明，政策不确定性会显著降低企业的出口行为。**这可能是因为政策不确定性会增加企业的跨境经营风险，导致其调整出口市场布局和贸易策略。此外，政策不确定性还会增加企业的合规成本和交易成本，进一步抑制出口行为。这与GoldbergandKhandelwal（2013）的研究结果一致，即贸易政策不确定性会抑制企业出口。本研究进一步发现，这种负向影响在中小微企业中更为显著，可能因为中小微企业更容易受到汇率波动和政策变动的影响。

6.1.2政策不确定性的中介效应

本研究的另一个重要发现是，政策不确定性通过降低资源配置效率和创新预期，进而影响企业的投资效率、创新投入和出口行为。这一发现揭示了政策不确定性影响企业决策的中间机制。具体而言，政策不确定性会扰乱企业的资源配置过程，导致资源错配和效率降低。此外，政策不确定性还会影响企业的创新预期，降低其对未来市场和政策环境的信心，从而减少创新投入。这一发现为理解政策不确定性与企业决策的关系提供了新的视角，即政策不确定性不仅直接抑制企业决策，还通过影响资源配置和创新预期间接发挥作用。

6.1.3政策不确定性的异质性影响

本研究的另一个重要发现是，政策不确定性对不同类型企业的影响存在显著差异。具体而言，中小微企业对政策不确定性的敏感性更高，其决策调整幅度更大。这可能是因为中小微企业规模较小，资源有限，抗风险能力较弱，更容易受到政策不确定性影响。此外，中小微企业对政策信息的获取和解读能力也相对较弱，更容易陷入决策困境。这一发现为理解政策不确定性与企业决策的关系提供了新的视角，即企业决策受到自身特征和政策环境共同作用的影响。

6.2政策建议

基于本研究的结论，本研究提出以下政策建议，以期降低政策不确定性，促进企业投资、创新和出口，推动经济高质量发展。

6.2.1提高政策透明度和可预测性

政府应提高政策制定和执行的透明度，减少政策模糊性和随意性，增强政策可预测性。具体而言，政府应建立健全政策发布和解读机制，及时向市场主体传递政策信息，解释政策意图，减少政策不确定性。此外，政府还应完善政策评估和反馈机制，根据市场反应和经济形势变化，及时调整和优化政策，增强政策的稳定性和连续性。

6.2.2建立预期管理机制

政府应建立健全预期管理机制，引导市场主体形成合理的预期。具体而言，政府应加强与市场主体的沟通，及时了解市场主体的关切和诉求，并通过多种渠道传递政策信号，稳定市场预期。此外，政府还应加强政策宣传和解读，提高市场主体对政策的理解和认同，减少政策不确定性。

6.2.3减少不必要的行政干预

政府应减少不必要的行政干预，为企业创造更加宽松、公平的营商环境。具体而言，政府应深化“放管服”改革，减少行政审批事项，简化审批流程，降低企业合规成本。此外，政府还应加强市场监管，维护公平竞争秩序，保护企业合法权益，减少企业面临的经营风险。

6.2.4提供差异化支持措施

政府应针对不同类型企业面临的政策不确定性，提供差异化的支持措施。具体而言，政府应加大对中小微企业的扶持力度，提供财政补贴、税收优惠、融资支持等政策，帮助中小微企业应对政策不确定性。此外，政府还应加强对中小微企业的培训和指导，提高中小微企业的风险应对能力。

6.3研究展望

尽管本研究取得了一些有意义的发现，但仍存在一些不足之处，并为未来研究提供了方向。未来研究可以从以下几个方面进行拓展：

6.3.1拓展研究样本和范围

本研究的样本仅限于中国制造业企业，未来研究可以拓展研究样本，包括服务业企业、外资企业等，以获得更全面的经验证据。此外，未来研究还可以拓展研究范围，包括其他国家和企业，以检验本研究的结论是否具有普适性。

6.3.2深入研究政策不确定性的影响机制

本研究发现政策不确定性通过降低资源配置效率和创新预期，进而影响企业决策。未来研究可以进一步深入探讨这一机制，例如，研究政策不确定性如何影响企业的融资约束、人力资本配置等，以及这些因素如何进一步影响企业决策。

6.3.3研究政策不确定性的长期影响

本研究的样本期间为2001年至2020年，未来研究可以延长样本期间，研究政策不确定性的长期影响。例如，研究政策不确定性对企业成长、创新能力、产业结构升级等长期影响的积累效应。

6.3.4研究政策不确定性的交互作用

政策不确定性并非孤立存在，而是与其他因素相互作用。未来研究可以研究政策不确定性与其他因素的交互作用，例如，研究政策不确定性与企业社会责任、企业环境行为等的交互作用，以及这些交互作用如何影响企业决策。

总之，政策不确定性是影响企业决策的重要因素，需要进一步深入研究。未来研究可以从多个角度拓展和深化这一领域的研究，为理解企业决策和促进经济高质量发展提供更多理论支持和实践指导。

七.参考文献

Bloom,N.(2009).TheImpactofUncertaintyShocks.*Econometrica*,77(3),623-685.

Aghion,P.,Boulanger,J.,&Landier,A.(2012).PolicyUncertaintyandInvestment.In*EconomicPolicyUncertainty*(pp.21-45).PalgraveMacmillan,Cham.

Fernald,J.C.(1999).MeasurementofInvestmentOpportunitiesandProductivity.*JournalofEconomicPerspectives*,13(4),67-86.

Barro,R.J.(1990).GovernmentBudgetDeficitsandEconomicGrowth.*JournalofEconomicGrowth*,1(1),3-21.

Hausman,R.M.,&Griliches,Z.(1983).EstimatingProductivitywithPanelData.In*EconometricMethodsandApplications*(pp.101-122).AcademicPress.

Beck,T.,Demirgüç-Kunt,A.,&Maksimovic,V.(2008).FinancialandRealAssetInvestments:CausalityandEconomicDevelopment.*JournalofDevelopmentEconomics*,87(2),293-316.

Goldberg,P.K.,&Khandelwal,S.(2013).Firm出口andTradePolicyUncertainty.*AmericanEconomicReview*,103(1),304-338.

Olley,G.P.,&Pakes,A.(1996).TheDynamicsofProductivityintheTelecommunicationsIndustry.*JournalofPoliticalEconomy*,104(1),127-147.

Zakrajsek,D.,&Zemčík,P.(2017).TheImpactofPolicyUncertaintyonBusinessInvestment.*JournalofEconomicSurveys*,31(4),741-780.

Cunha,F.,&Faria,R.(2016).PolicyUncertaintyandAggregateInvestment.*JournalofPublicEconomics*,136,1-13.

Bloom,N.,Floetotto,M.,Jaimovich,N.,Saporta-Eksten,I.,&Terry,S.J.(2018).ReallyUncertainBusinessCycles.*Econometrica*,86(3),1031-1065.

黄先海,周申.(2016).政策不确定性对中国企业出口行为的影响.*中国工业经济*,(1),3-18.

张永林,吴桂英.(2012).政策不确定性、企业研发投入与经济增长.*经济研究*,47(1),110-122.

Aghion,P.,Boulanger,J.,&Landier,A.(2011).PolicyUncertaintyandInvestment.*TheQuarterlyJournalofEconomics*,126(4),1531-1575.

Bernanke,B.S.,Gertler,M.,&Gilchrist,S.(1999).TheFinancialAcceleratorinaQuantitativeBusinessCycleFramework.In*HandbookofMacroeconomics*(Vol.1,pp.1341-1393).Elsevier.

Iacoviello,M.(2005).HousePrices,BorrowingConstraints,andMonetaryPolicyintheBusinessCycle.*AmericanEconomicReview*,95(3),739-764.

Fernald,J.C.(2014).MeasuringInvestmentOpportunities.*NBERMacroeconomicsAnnual*,29,231-283.

Bloom,N.,Floetotto,M.,Jaimovich,N.,Saporta-Eksten,I.,&Terry,S.J.(2018).TheImpactofUncertaintyShocks.*Econometrica*,86(3),1067-1107.

Barro,R.J.,&Lee,J.W.(1993).TheWorldInterestRateand(World)Production.*NBERMacroeconomicsAnnual*,8,315-362.

Aghion,P.,&Howitt,P.(1992).AModelofGrowthThroughCreativeDestruction.*Econometrica*,60(2),323-351.

Grossman,G.M.,&Helpman,E.(1991).InnovationandGrowthintheGlobalEconomy.*JournalofEconomicGrowth*,1(1),19-50.

Jovanovic,B.(1990).FirmBehaviorandIndustryStructure:TheoryandEvidence.*TheQuarterlyJournalofEconomics*,105(1),247-273.

Schmalensee,R.(1985).FirmSizeandProductDevelopment:AnEmpiricalAnalysis.*TheJournalofIndustrialEconomics*,33(4),277-293.

Aghion,P.,&Tirole,J.(1997).*TheEconomicsofInnovation*.MITpress.

Helpman,E.(1993).*InnovationandGrowthintheGlobalEconomy*.MITpress.

Acemoglu,D.,&Zilibotti,F.(2001).ProductivityDifferences.In*HandbookofEconomicGrowth*(Vol.1,pp.529-642).Elsevier.

VanReenen,J.(2014).MeasuringProductivity:TheContributionoftheOECD.*JournalofEconomicPerspectives*,28(1),67-86.

Czernich,N.,Falck,O.,Kretschmer,T.,&Woessmann,L.(2011).GDPGrowthandR&DIntensity:ReassessingtheInnovation-ProductivityParadox.*ResearchPolicy*,40(4),451-466.

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

Griliches,Z.(1990).Patents,R&D,andProductivity.In*TheJournalofEconomicLiterature*(Vol.28,No.1,pp.293-329).AmericanEconomicAssociation.

Hall,B.H.,Jaffe,A.B.,&Trajtenberg,M.(2001).TheNBERPatentCitationDataFile:Lessons,InsightsandMethodologicalTools.*NBERWorkingPaper*,No.8498.

Jaffe,A.B.,&Trajtenberg,M.(1999).TheRangeofCreativeActivity:EvidencefromPatents.*TheQuarterlyJournalofEconomics*,114(1),77-112.

Pakes,A.(1985).PatentsandR&DintheU.S.ChemicalIndustry:ThePre-WorldWarIEra.*TheAmericanEconomicReview*,75(4),769-798.

Griliches,Z.,&Pakes,A.(1984).EstimatesoftheReturnstoR&DintheAmericanChemicalIndustry.*TheReviewofEconomicsandStatistics*,66(4),493-509.

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

Altenburg,T.,&Pegels,A.(2007).University–IndustryPartnershipsandFirmInnovationinGermany:EmpiricalEvidencefromtheCaseStudyRegionofBaden-Württemberg.*IndustryandInnovation*,14(1),31-50.

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

VanOort,F.G.,&Vliegenthart,M.(2005).RelatedVariety,RelatedSpecializationandRegionalEconomicGrowth.*RegionalStudies*,39(5),459-470.

Porter,M.E.(1990).TheCompetitiveAdvantageofNations.FreePress.

Cooke,P.(1991).RegionalInnovationSystems,Clusters,andtheKnowledgeEconomy.In*RegionalInnovationSystems:TheKnowledge-BasedEconomyintheRegion*(pp.9-25).PrenticeHall.

Cooke,P.,&Morgan,K.(1997).TheKnowledgeEconomyandRegionalDevelopment:AConceptualFramework.In*RegionalInnovationSystems:AnEvolutionaryApproach*(pp.107-129).OxfordUniversityPress.

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

Cooke,P.,&Urquhart,O.(2005).KnowledgeIntensityandRegionalEconomicPerformance.*RegionalStudies*,39(8),727-744.

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

Martin,R.(1999).TechnologicalChangeandIndustrialStructure:TheCaseoftheBritishAutomotiveIndustry.*EconomicGeography*,75(1),1-26.

Martin,R.,&Sunley,P.(2001).ExploringtheEconomicGeographyofInnovation.*JournalofEconomicGeography*,1(1),111-145.

Cooke,P.,&Urquhart,O.(2005).KnowledgeIntensityandRegionalEconomicPerformance.*RegionalStudies*,39(8),727-744.

Stern,M.J.,Porter,M.E.,&Stern,B.C.(2001).CreatingtheKnowledgeEconomy:TheChallengetoGovernment.*HarvardBusinessReview*,79(2),100-109.

OECD.(2005).*TheKnowledgeEconomy:TheRoleofIntellectualPropertyandInnovation*.OECDPublishing.

WorldBank.(2005).*KnowledgeforDevelopment:StrengtheningtheRoleofResearchandDevelopmentintheWorldBankGroup*.WorldBankPublications.

Hall,B.H.,Jaffe,A.B.,&Trajtenberg,M.(2001).TheNBERPatentCitationDataFile:Lessons,InsightsandMethodologicalTools.*NBERWorkingPaper*,No.8498.

Griliches,Z.,&Pakes,A.(1984).EstimatesoftheReturnstoR&DintheAmericanChemicalIndustry.*TheReviewofEconomicsandStatistics*,66(4),493-509.

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

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

Czernich,N.,Falck,O.,Kretschmer,T.,&Woessmann,L.(2011).GDPGrowthandR&DIntensity:ReassessingtheInnovation-ProductivityParadox.*ResearchPolicy*,40(4),451-466.

VanReenen,J.(2014).MeasuringProductivity:TheContributionoftheOECD.*JournalofEconomicPerspectives*,28(1),67-86.

Porter,M.E.(1990).TheCompetitiveAdvantageofNations.FreePress.

Cooke,P.(1991).RegionalInnovationSystems,Clusters,andtheKnowledgeEconomy.In*RegionalInnovationSystems:TheKnowledge-BasedEconomyintheRegion*(pp.9-25).PrenticeHall.

Cooke,P.,&Morgan,K.(1997).TheKnowledgeEconomyandRegionalDevelopment:AConceptualFramework.In*RegionalInnovationSystems:AnEvolution