１０８．［ＸＩＯＮＧＹｏｎｇｑｉｎｇ，ＷＡＮＧＸｉ．ＰｏｌｉｃｙｏｐｔｉｏｎｓｆｏｒＮＥＶｔｅｃｈｎｏｌｏｇｙｉｎｎｏｖａｔｉｏｎｉｎｃｅｎｔｉｖｅｓ：‘ｓｕｐｐｏｒｔｉｖｅ’ｏｒ‘ｔｈｒｅｓｈｏｌｄ’ｐｏｌｉｃｉｅｓ？［Ｊ］．
Ｃｈｉｎａｐｏｐｕｌａｔｉｏｎ
，ｒｅｓｏｕｒｃｅｓａｎｄｅｎｖｉｒｏｎｍｅｎｔ，２０２０，３０（１１）：９８－１０８．］收稿日期：２０２０－０１－１８ 修回日期：２０２０－０６－２０
作者简介：熊勇清，博士，教授，博导，主要研究方向为新兴产业与技术创新。Ｅ ｍａｉｌ：ｘｙｑ＠ｃｓｕ．ｅｄｕ．ｃｎ。通信作者：王溪，博士生，主要研究方向为新兴产业与技术创新。Ｅ ｍａｉｌ：９５３８７９５１７＠ｑｑ．ｃｏｍ。
基金项目：国家自然科学基金项目“新能源汽车产业供需双侧政策的多维度匹配性分析及动态转换研究”（批准号：７１８７４２０８）；中南大学研究生自主探索创新项目“新能源汽车产业供需双方诉求差异研究”（批准号：２０１９ｚｚｔｓ２０６）。
新能源汽车技术创新激励的政策选择：“扶持性”抑或“门槛性”政策？
熊勇清 王 溪
（中南大学商学院，湖南长沙４１００８３）
摘要 作者将新能源汽车产业政策区分为“扶持性”和“门槛性”两类，以１１４家新能源汽车上市公司的面板数据为样本，运用双重差分法分析了两类政策对于突破式创新与渐进式创新的激励效果及其差异性。研究发现：①“扶持性”政策存在较强的技术创新激励偏向，对渐进式创新的激励更灵敏；“门槛性”政策对于突破式、渐进式创新激励的灵敏性和显著性差异较小且“门槛性”政策激励效果的显著性高于“扶持性”政策。②市场势力对“扶持性”政策的激励效果具有较强的调节作用，对于突破式创新激励的显著性和灵敏性均表现为提升性影响，对于渐进式创新激励的显著性表现为提升性影响，但对灵敏性表现为一定的降低性影响。市场势力对于“门槛性”政策激励效果的调节作用不明显。③政策惠及度对“扶持性”政策的激励效果具有较强的调节作用，对突破式创新激励的显著性和灵敏性均表现为提升性影响，对渐进式创新激励显著性的影响不明显，灵敏性表现为一定的降低性影响。政策惠及度对“门槛
性”政策激励效果的显著性具有较强的调节作用，对于突破式及渐进式创新激励的显著性均表现为提升性影响，但没有明显影响该政策对两类技术创新激励的灵敏性。新能源汽车产业政策应注重“扶持性”与“门槛性”政策的互补协同，并进一步强化“门槛性”政策的作用；应重视政策工具与市场力量的共生互补，依据市场势力确定“扶持性”政策的激励对象，对所有的新能源汽车企业进行无差异的“门槛性”政策激励；还应注重提升“扶持性”“门槛性”政策的公平性与均衡性。关键词 “
扶持性”政策；“门槛性”政策；技术创新；政策惠及度；市场势力中图分类号 Ｆ２０４ 文献标识码 Ａ 文章编号 １００２－２１０４（２０２０）１１－００９８－１１ ＤＯＩ：１０．１２．６２／ｃｐｒｅ．２０２００６３６
发展新能源汽车产业是加速中国汽车工业转型的重
大战略选择，尽管产业政策一直以来饱受争议［１］
，但由于新能源汽车产业尚处于“商业化示范阶段”［２］
，面临着技术创新周期长、风险大［３］，并存在较强正外部性［４］
等诸多
现实情况，积极发挥产业政策的促进作用是世界各国发展
新能源汽车等新兴产业的普遍选择［５］
。中国近年来先后
推出了一系列新能源汽车产业政策，在新能源汽车市场培育过程中发挥了积极作用，然而对于新能源汽车企业技术
创新的促进效果十分有限［６］
。为进一步提高新能源汽车
产业政策在促进技术创新过程中的“精准性”，至少有两个方面的问题有必要给予高度关注：
首先，新能源汽车产业政策可分为两类，一类是以激励为手段的“扶持性”政策，主要是通过“财政补贴”“税收优惠”等方式为新能源汽车产业的发展提供资金、市场等
方面的支持［
７］
；另一类是以约束为手段的“门槛性”政策，主要是通过“技术标准”“环境标准”等方式为新能源汽车
产业的竞争提供规范化的营商环境［６］
。新能源汽车产业政策是提升新能源汽车企业技术创新水平的催化器［５］，由
于“扶持性”与“门槛性”政策的作用机理不完全相同，这两类政策对于新能源汽车企业技术创新的激励效果也必然存在差异，为更好地促进企业的技术创新水平，新能源汽车产业政策的实施究竟是以“扶持性”为主，抑或以“门槛性”为主？亟待理论界给出可靠的事实依据。
其次，新能源汽车产业政策的创新激励效果不仅与政策类型密切相关，同时也与政策实施方式、实施对象（企业）的现有基础密切相关。从政策实施方式来看，“政策惠及度”反映了政策激励总额在激励对象间的分布方式，
刻画了政策的集中性与公平性［８］
。在政策扶持总量不变
·
８９·中国人口·资源与环境 ２０２０年 第３０卷 第１１期 ＣＨＩＮＡＰＯＰＵＬＡＴＩＯＮ，ＲＥＳＯＵＲＣＥＳＡＮＤＥＮＶＩＲＯＮＭＥＮＴ Ｖｏｌ．３０ Ｎｏ．１１ ２０２０
的情况下，政策激励总额分配的集中度对激励效果存在较大影响［９］。从政策实施对象来看，“市场势力”反映了企业间的有效竞争，可衡量企业对市场的控制能力［１０］。市场势力是影响企业技术创新活动的重要因素，其影响了企业的技术创新活动决策并很大程度上决定了技术创新活动质量［１１］。
针对以上问题，本研究以１１４家新能源汽车上市公司的面板数据为样本，运用双重差分法开展相关分析研究，并从三方面进行探索：其一，以“扶持性”与“门槛性”政策对微观企业的创新激励效果为切入点，以弥补现有研究对“门槛性”政策关注不足的缺憾。其二，以显著性与灵敏性特征为视角，多角度对比分析两类政策的创新激励效果，以弥补政策激励效果评价单一的缺憾。其三，纳入市场势力与政策惠及度概念，从企业内、外部更加全面地刻画“扶持性”与“门槛性”政策的创新激励效果，为提升新能源汽车产业政策创新激励效果的“精准性”提供决策参考。
１ 文献综述与理论分析
１．１ 文献综述及评价
已有文献关于新能源汽车产业政策与技术创新的关系研究，主要集中在两个方面：
（１）新能源汽车产业政策技术创新激励效果的比较分析。现有研究多将新能源汽车产业政策划分为“
供给侧”“需求侧”［１２］或“功能性”“选择性”产业政策［１３］，这些类型的政策基本上可以归属为“扶持性”政策。理论界针对此类政策存在诸多争议：部分学者认为“扶持性”政策很重要，如Ｋｉｍ等［１４］指出“供给侧”政策能降低技术创新成本，提升企业技术创新动力。也有部分学者认为“扶持性”政策会阻碍企业提升技术创新水平，如Ｄｏｓｉ［１５］认为“功能性”政策无法提供利基市场以保护新兴产业在示范推广前期避免和已有技术体系的正面竞争。
为克服“扶持性”政策实施过程中的缺陷，近年来中国大力推广技术标准、环境规制等“门槛性”政策，但是理论界对该类政策也存在不同观点。部分学者认为“门槛性”政策有利于提升企业技术创新水平，如白雪洁等［１６］指出技术标准的制定可降低企业逆向选择风险进而提升其技术创新水平；Ｍｉｇｕｅｌ等［１７］指出环境规制有效提升了企业的技术创新水平；也有部分学者认为“门槛性”政策会抑制企业的技术创新活动，如江飞涛和李晓萍［１８］认为准入门槛将会使大企业因缺乏竞争压力而丧失技术创新动力，抑制其技术创新活动。
（２）新能源汽车产业政策激励效果的影响因素。现有研究多从企业异质性和政策工具两方面，分析政策创新激励效果的差异性。针对企业异质性，主要从企业产权性质、年龄、财务状况及政商关联等静态角度分析其对政策激励效果的影响。如Ｃｈｏｉ等［１９］认为，政策对民营企业的创新激励效果更强；唐荣等［８］指出政策更能激发年轻企业的技术创新动力；Ｍｅｌｉｔｚ［２０］认为政策对财务状况较好的企业具有更强的激励效果；Ｇｏｒｄｏｎ等［２１］指出政商关联能为企业带来便
利政策，但关联度过高易造成寻租进而削弱企业的创新动力。针对政策工具，现有研究主要从政策手段及政策激励程度分析其对政策激励效果的影响。如Ｇｕｅｌｌｅｃ等［２２］认为“税收优惠”、“低息贷款”政策比“财政补贴”的激励效果更强；余明桂等［２３］指出政策对重点鼓励行业中企业的激励效果高于一般鼓励行业中的企业；Ｉｒａｎｉ等［２４］认为同样在低政策强度下，供给侧政策的创新激励效果强于需求侧政策。
１．２ 理论分析与概念模型
（１）“扶持性”与“门槛性”政策的功能比较。两类政策的作用机理不完全相同：“扶持性”政策以正面激励为主可通过“财政补贴”“税收优惠”等方式快速聚集要素资源，降低技术创新成本［１３］；同时通过降低成本，该政策可在短期内扩大市场规模，有效培育新能源汽车市场［２５］。“扶持性”政策也存在一些缺憾：“扶持性”政策为企业提供了一定的资源获取优势，但政府与企业间的信息不对称容易诱发企业对该政策形成依赖［２６］，导致逆向选择风险，致使部分企业将技术创新资金挪作他用或造成技术创新活动求快不求好、求量不求质［２７］；同时“扶持性”政策激励的针对性较弱，不仅对研发环节进行激励还对生产环节进行激励，易造成低水平的重复性创新从而导致技术创新的低端锁定［２８］。
“门槛性”政策偏重于对企业某些行为的禁止或约束，以实现企业的优胜劣汰、资源的优化再配置［１９
］。不同于“扶持性”政策的专向性，“门槛性”政策对新能源汽车企业提出同等的约束标准，以企业的行为而非身份为依据引导更多具有相关资质的企业进入市场，提升企业间的竞争与技术创新动力［２９］；同时“门槛性”政策还可通过监管企业的技术创新行为弱化逆向选择风险［３０］。“门槛性”政策也存在一定的缺憾：在该政策的实施过程中，政府容易越俎代庖，人为地选出“行业中的赢家”，没有让市场发挥主导作用设定产业的准入门槛［８］。
（２）两类政策作用中的调节性因素。市场势力与政策惠及度反映了企业所面对的市场环境与政策环境的变化，动态地影响了政策激励效果，因此有必要针对市场势力与政策惠及度对政策激励效果的调节影响展开研究。从“市场势力”方面来看，市场势力是市场竞争在企业层面的集中体现［３１］。市场势力对技术创新活动具有关键作
·
９
９
·
熊勇清等：新能源汽车技术创新激励的政策选择：“扶持性”抑或“门槛性”
政策？
用：市场势力越强，企业越占据资源与信息优势，能准确地
了解行业状况，从而提升创新效率［３２］
；但过高的市场势力也会使企业产生惰性，削弱其技术创新动力［３３］。因此，依
据市场势力确定政策激励对象具有重要影响。相关研究
表明［２８］，政府依据市场势力因势利导地对技术创新先行
者的外部性进行补偿才能使潜在的比较优势转为真正的比较优势，提升政策激励效果。
从“政策惠及度”方面来看，政策惠及度刻画了是以竞争性还是集中性的方式实施政策激励，主要衡量政策激励总额在企业间的分布是否均衡
［８］
。政策惠及度越高，表
明激励总额在激励对象间的分布越均衡，而政策惠及度越低，表明分布越集中。相关研究表明，若以“差别对待”的方式给予个别企业丰富的政策资源，易导致寻租活动，降低企业的技术创新水平
［１９］
；而若以“平均主义”的方式将
政策激励总额分布给各企业，则可能产生搭便车现象，造
成激励不足［８］
。因两类政策的性质与作用机理不同，故各
自所匹配的政策惠及度也可能存在差异，不同的政策惠及度可能导致政策激励效果不同。
２ 研究方法与模型构建
２．１ 研究方法与样本选择
双重差分法（ｄｉｆｆｅｒｅｎｃｅ ｉｎ ｄｉｆｆｅｒｅｎｃｅ，ＤＩＤ）是广泛应用
于政策效果评价的研究方法［３４］。本研究应用该方法将样
本企业分为受到政策支持的“处理组”（取值为１）及未受到政策支持的“对照组”（取值为０），通过对比政策实施前后两组样本企业的技术创新产出变化差异来验证政策的创新激励效果。本研究以２００７—２０１８年间新能源汽车领域的１
４４家上市公司为研究样本，删除ＳＴ类企业及专利申请数量小于１的企业，共采集了１１６个研究样本，剔除数据缺失项后最终形成１３１０个样本观测值。自２００９年新能源汽车产业被确立为战略性新兴产业，各省纷纷出台了一系列“扶持性”与“门槛性”政策，因此，本研究将２００９年作为新能源汽车产业政策的实施元年，以２００７—２０１８年为政策的时间窗口（记为ｔｉｔ），对受到政策激励的企业在激励当年及以后取值为１，否则为０。２．２ 模型构建与变量定义２．２．１ 模型构建
为考察两类政策的激励效果，考虑到政策激励效果有滞后性，将两类政策滞后一期，构建基准计量模型一。
Ｙ＝β０＋β１ｔ＋β２ＩＰα，ｉ＋β３ＩＰｔα
汽车企业，ｉ，ｔ－１＋β４Ｘ＋μｉ，ｔ
（１）
模型一，Ｙｉ，ｔ，ｍ为被解释变量，代表样本企业ｉ在第ｔ年ｍ类创新产出的情况（ｍ＝１代表发明专利；ｍ＝２代表非发明专利，本研究用专利申请数量衡量企业当期的技术创
新水平，故无需对其进行滞后一期的处理）；ＩＰα，ｉ为产业政策的实施情况（α＝１代表“扶持性”政策，α＝２代表“门槛性”政策）；ｔｉ，ｔ为政策实施时间；ＩＰα，ｉ×ｔｉ，ｔ－１是核心解释变量政策效果交互项（其中系数β３为政策对技术创新的激励系数）；Ｘｉ，ｔ为控制变量，μｉ，ｔ为随机误差项。
考虑到“扶持性”与“门槛性”政策的创新激励效果可能存在相互影响，在模型（１）中加入两类政策交互项，构建模型二：
Ｙ＝β０＋β１ｔｉ，ｔ－１＋β２ＩＰ＋β３ＩＰｔα
＋β４
ＩＰｔ×ＩＰｔ＋β５Ｘ＋μｉ，ｔ
（２）
为探求市场势力的调节作用，参照Ａｇｈｉｏｎ等［３５］
学者
的做法引入市场势力与政策效果交互项，在模型一的基础上构建模型三：
Ｙｉ，ｔ，ｍ＝β０＋β１ＩＰｔα，ｉ，ｔ＋β２Ｃｏｍｐｅｔｉｔｉｏｎ＋β３ＩＰｔα
，ｉ，ｔ×Ｃｏｍｐｅｔｉｔｉｏｎ＋β４Ｘ＋μｉ，ｔ
（３）
模型三，Ｃｏｍｐｅｔｉｔｉｏｎｉ１ｔ为市场势力，ＩＰα
，ｉ×ｔｉ，ｔ×Ｃｏｍｐｅｔｉｔｉｏｎｉ，ｔ为政策效果与市场势力的交互项。
在模型一的基础上引入政策惠及度（Ｄｉｓ＿ＩＰα
，ｉ，ｔ），衡量政策激励总额在企业间的分布是否均衡，探究政策惠及度对政策激励效果的调节作用，构建模型四：
Ｙｉ，ｔ，ｍ＝β０＋β１ｔｉ，ｔ－１＋β２ＩＰα，ｉ＋β３ＩＰｔα，ｉ，ｔ－１＋β４ＩＰｔα
，ｉ，ｔ－１×Ｄｉｓ＿ＩＰα
，ｉ，ｔ－１＋β５Ｘｉ，ｔ＋μｉ，ｔ（４）
为判断“扶持性”与“门槛性”政策激励效果随时间产生的变化，验证两类政策的灵敏性，将模型一中的政策效果交互项分解为政策实施的１０个年份，构建动态效应模型五：
Ｙ＝β０＋β１ｔ＋β２
ＩＰ＋β３
ＩＰｔ＋β４
ＩＰｔ＋
β５
ＩＰｔ＋β６ＩＰｔ＋β７ＩＰｔ＋…＋β１３
ＩＰｔ＋β１４Ｘｉ，ｔ＋μｉ，ｔ
（５）
２．２．２ 变量定义与识别
借鉴相关研究成果［３６］
，分别对“扶持性”与“门槛性”
政策及技术创新指标进行识别定义，相关变量及说明如表１。
（
１）被解释变量。政策对技术创新的激励直接体现为专利申请数量的增加，可用专利申请数量衡量两类政策
的激励效果［３７－３８］
。技术创新分为突破式与渐进式创新［２８］，本研究用发明专利、非发明专利的申请数量分别衡
量企业的突破式与渐进式技术创新水平。
（２）解释变量。借鉴已有研究［２８］
，将针对新能源汽车
企业的政策文件中含有“补贴”“税收”及“奖励”等字眼的
划为“扶持性”政策，将含有“准入”“标准”及“规范”等字眼的划为“门槛性”政策。若企业在时间窗口内受到“扶持性”政策的激励，则ＩＰ１赋值为１，否则为０；受到“门槛性”政策的激励，则ＩＰ２赋值为１
，否则为０。·
００１
·中国人口·资源与环境 ２０２０年 第１１期
（３）调节变量。现有研究多用勒纳指数来衡量市
场势力（ｃｏｍｐｅｔｉｔｉｏｎ）［
２９］，但因企业年报中未披露边际成本数据，致使传统的勒纳指数较难度量。本研究参
考Ｐｅｒｅｓｓ［３１］
的做法，定义勒纳指数（Ｌｅｒｎｅｒ
）＝（营业收入－营业成本）
／营业收入。勒纳指数是对市场竞争的反向度量，本研究用（１－Ｌｅｒｎｅｒ）近似地衡量市场势力。
政策惠及度（Ｄｉｓ＿ＩＰ）是政策集中度的反向指标，体现了政策激励总额在激励对象间的分布是否均衡。参照
现有研究［２９］，用赫芬达尔指数（Ｈｅｒｆ＿ＩＰα
，ｉ，ｔ）度量政策集中度（Ｈｅｒｆ＿ＩＰɑ，ｔ）
，集中度越小，说明政策分布越均衡。政策惠及度变量的计算公式如下：Ｄｉｓ＿ＩＰαｔ＝１－Ｈｅｒｆ＿ＩＰα
，ｔ。（４）控制变量。企业技术创新水平与企业年龄、规模、产权性质等基础信息及盈利能力、经营风险与固定资产投
资等运营信息密切相关［３９］。借鉴黎文靖［２６］、苏昕等［４０］
学
者的研究，用总资产金额的对数衡量企业规模，成立年数的自然对数衡量企业年龄，用虚拟变量衡量企业的产权性质，并用资产收益率（Ｒｏａ）、资产负债率（Ｌｅｖ）及固定资产比例（Ｔａｎｇ）等指标衡量企业的盈利能力、经营风险与固定资产投资。
２．２．３ 变量描述性统计
对样本变量进行描述性统计，结果如表２。
表１ 主要变量及说明
变量类型变量名称变量定义及计算公式
被解释变量
发明专利（ＰＦＩ）样本企业年度发明专利申请数量的自然对数
非发明专利（ＰＦＵ）样本企业年度实用新型专利与外观专利申请数量的自然对数
解释变量
扶持性政策（ＩＰ１）
若样本企业所在省份实施了“扶持性”政策，则ＩＰ１赋值为１
，否则为０门槛性政策（ＩＰ２）
若样本企业所在省份实施《新能源汽车示范推广目录》中或《排放控制要求》，则认为受到“门槛性”政策的激励，赋值为１
，否则为０调节变量
企业市场势力（Ｃｏｍｐｅｔｉｔｉｏｎｉ１ｔ）
企业市场势力对政策激励效果的影响，Ｃｏｍｐｅｔｉｔｉｏｎｉ１ｔ＝１－（营业收入－营业成本）／营业收入
政策惠及度（Ｄｉｓ＿ＩＰα
，ｉ，ｔ）集中性和竞争性的政策激励总额分布方式对技术创新的激励效果，
Ｄｉｓ＿ＩＰα
，ｉ，ｔ＝１－Σ（ＩＰａ，ｔ
Ｓｕｍ＿ＩＰα
，ｉ，ｔ）控制变量企业规模（Ｓｉｚｅ）样本企业期末总资产的自然对数产权性质虚拟变量（Ｎａｔｕｒｅ）
国有企业赋值为１，非国有企业赋值为０企业年龄（Ａｇｅ）自成立起企业年数的自然对数资产收益率（Ｒｏａ）资产收益率＝净利润／期末总资产资产负债率（Ｌｅｖ）资产负债率＝总负债／总资产
固定资产比例（Ｔａｎｇ）
固定资产比例＝固定资产净额／总资产
表２ 变量描述性统计
变量变量类型均值最小值最大值变量
变量类型
均值最小值最大值发明专利（Ｐ
Ｆ
Ｉ）被解释０．１７０２．９６非发明专利（ＰＦＵ）变量０．４３０３．０３“扶持性”政策（ＩＰ１）解释０．８５０１．００“门槛性”政策（ＩＰ２）变量０．１２０１．００
市场势力（Ｃｏｍｐｅｔｉｔｉｏｎ）“扶持性”政策惠及度（Ｄｉｓ＿ＩＰ１）“门槛性”政策惠及度（Ｄｉｓ＿ＩＰ２
）调节变量
０．６７０．９６０．８９
００．８９０．７１
３５．２９０．９８１．００
产权性质（Ｎａｔｕｒｅ）企业规模（Ｉｎｓｉｚｅ）企业年龄（Ａｇｅ）
资产收益率（Ｒｏａ）
资产负债率（Ｌｅｖ）固定资产比例（
Ｔａｎｇ）控制变量
０．３０
２２．２０２．８９
０．４７
０．５９０．１７
０
１７．４９１
０
０．２９０
１．００
２７．３９３．８９
１．２１
０．９８０．４３
·
１０１·熊勇清等：新能源汽车技术创新激励的政策选择：“扶持性”抑或“门槛性”政策？
（１）新能源汽车企业的技术创新多偏重于渐进式创新，且技术创新能力参差不齐。表２中发明专利与非发明专利的均值分别为０．１７与０．４３，表明新能源汽车企业的技术创新多为渐进式创新；发明与非发明的最小值均为０，最大值分别为２．９６、３．０３，表明企业间的技术创新水平存在较大差异。
（
２）目前中国新能源汽车产业政策以“扶持性”为主。“扶持性”“门槛性”政策的均值分别为０．８５与０．１２，表明目前中国新能源汽车产业政策以“扶持性”政策为主，较少运用“门槛性”政策。市场势力的均值为０．６７，表明该产业的市场集中性较弱，产业竞争性较强。“扶持性”与“门槛性”政策惠及度的均值较高，分别为０．９６、０．８９且最大值与最小值间差异较小，表明两类政策激励总额在企业间的分布较均衡。
３ 实证结果与分析讨论
３．１ 平行趋势检验
要实现ＤＩＤ模型的有效性，需使处理组与对照组在专利申请发展趋势上满足“平行趋势”假设。通过对实施新能源汽车政策前两年（２００７—２００８）的政策效果交互项进行回归，得出２００７—２００８年政策效果交互项对发明专利的系数分别为－０．０３２（ｐ＞０．０５）和－０．００１６（ｐ＞０．０５），对非发明专利的系数分别为－０．０８４８（ｐ＞０．０５）和－０．５１２７（ｐ＞０．０５），政策效果交互项均不显著。在政策实施前，处理组与对照组不存在明显差别，本研究用ＤＩＤ模型检验政策对企业专利申请数量的影响，符合共同趋势假设的前提条件。
３．２ 两类政策对技术创新激励效果差异的多维特征分析３．２．１ 显著性特征的差异
为探究“门槛性”政策的创新激励效果差异，运用双重差分法对政策效果（ＩＰα，ｉ×ｔｉ，ｔ）进行回归分析，结果如表３。
“扶持性”政策激励的显著性弱于“门槛性”政策，且其激励效果存在偏向性，更多地激励渐进式创新；“门槛性”政策则能显著激励突破式与渐进式创新，两类政策间存在相互作用，“门槛性”政策能弱化“扶持性”政策的逆向选择风险。表３数据显示，
“扶持性”政策效果变量（ＩＰα，ｉ×ｔｉ，ｔ，α＝１）对发明专利的激励不明显，对非发明专利的激
励显著为正，系数为０．０８８１；“门槛性”政策效果变量（ＩＰα，ｉ×ｔｉ，ｔ，α＝２）对两种专利的影响均显著为正，系数分别为０
．３５４４、０．３４４８；政策交互项对发明专利与非发明专利均在１％的水平上显著为正，系数分别为０．４３４５、０．７２１４。数据表明“门槛性”政策比“扶持性”政策更能显著激励企业的技术创新，且不存在激励偏向。显著性特征存在差异的原因可能在于：信息不对称下“扶持性”政策激励易造成企业的逆向选择风险，导致其偏向于进行更容易实现的渐进式创新；而“门槛性”政策通过技术标准要求倒逼企业提升技术创新水平，且政策相互作用能弱化“扶持性”政策的逆向选择风险，有效提升产业政策的创新激励效果。３．２．２ 灵敏性特征的差异
为验证政策创新激励效果的灵敏性，对两类政策激励效果的动态效应进行回归分析，结果如图１。
“扶持性”政策存在较强的创新激励偏向，对渐进式
表３ “扶持性”、“门槛性”政策激励效果显著性的双重差分结果
变 量
“扶持性”政策
发明专利非发明专利
“门槛性”政策
发明专利
非发明专利
政策效果（ＩＰα
，ｉ×ｔｉ，ｔ）０．０３４６（０．８４４９）
０．０８８１
（１．３６２５）
０．３５４４
（３．４６８７）
０．３４４８
（５．３１１２）
政策交互项（ＩＰ１×ＩＰ２
）０．４３４５
（８．８２４４）
０．７２１４
（８．５８８５）０．４３４５
（８．８２４４）０．７２１４
（８．５８８５）
Ｎａｔｕｒｅ０．２３７６ ０．０３８２
０．０５８４
０．１４８８
Ｉｎｓｉｚｅ０．１０３７ ０．１０４３
０．１５６３
０．０７３２ Ａｇｅ０．２６５９
０．２２０５
０．２９３３
０．１９４８
Ｒｏａ－０．０５３３－０．０４３９
－０．０５３７
－０．０４２８Ｌｅｖ０．３２８８
１．１８１８
１．５９０５
０．４３３６
Ｔａｎｇ３．５０２５
１．３９８８ ３．２５９８ １．４４９２
ｃｏｎｓ
－２．６０６８
－２．１１３７
－３．１３９５
－１．８３７４
ｒ
２
０．１８９８０．１７２００．１７６３０．１９２０
注： Ｐ＜０．１， Ｐ＜０．０５，
Ｐ＜０．００１。括号内为ｔ值。
·
２０１
·中国人口·资源与环境 ２０２０年 第１１期
发布评论