政府研发补贴有助于企业创新效率提升吗？——基于模糊集定性比较分析（fsQCA）的研究

赵 文，李月娇，赵会会

（山西财经大学 管理科学与工程学院，太原 030006）

创新是企业竞争优势的重要来源，但研发活动往往会占用企业大量资金，且具有周期长、风险大、外部性等特点。若单纯依靠市场这只“看不见的手”进行调节，难免出现“市场失灵”现象。理论上，政府的介入能改善这一尴尬局面。然而，大量实证研究表明，由于政府与企业之间的信息不对称以及企业的逆向选择，政府对企业的资助效果并不理想［1-2］，部分企业为获得创新扶持采取了低质量的“策略性创新”［3］，甚至出现骗补等极端情况。如，2016年9月，财政部通报了5家骗取新能源汽车补贴的企业名单，涉及金额高达10亿元人民币［4］；2016—2017年，工信部共处罚了11家新能源汽车骗补企业［5］。

政府研发补贴的出发点是提高企业单位创新投入的产出，即提升企业创新效率［6］，但补贴效果却是良莠不齐。对此，学者进行了大量研究，分析了政府研发补贴与企业创新效率之间的关系，但结果并不一致［7-9］。究其原因，一是创新效率测度方式存在不同；二是研究方法受限于变量的净效应分析，无法考查多变量的系统效应。因此，以更加合理的方式测度创新效率，并在此基础上采用更加匹配的研究方法分析政府研发补贴与企业创新效率之间的关系，在理论上就显得尤为重要。本文以高端装备制造业上市公司为研究样本，采用至强有效前沿最小距离模型（minimum distance to strong efficiency frontier，MinDS 模型）测度考虑非期望产出的创新效率，应用模糊集定性比较分析方法（fsQCA）研究政府研发补贴与政治关联、市场环境、企业所有制等要素组成的构型对企业创新效率的影响，探究高端装备制造业上市公司创新效率的提升路径。本文可能的研究贡献主要体现在3方面：①与现有大部分集中于省域或产业层面的宏观研究不同，本文深入微观企业层面探究政府研发补贴与企业创新效率之间的关系，提出改善政府补贴效果、提升企业创新效率的建议，丰富了现有研究；②与现有大部分测度创新效率的研究不同，本文在创新投入方面将技术人员与研发人员区别对待，在创新产出方面将发明专利与实用新型专利和外观设计专利区别对待，并且将未授权专利作为非期望产出纳入考虑松弛效应的MinDS 模型来测度企业创新效率，改进了企业创新效率的测度方式，对后续研究具有一定的借鉴意义；③鉴于政府研发补贴对创新效率的影响是一个复杂过程，本文采用fsQCA方法从整体性关系出发探讨引致较高企业创新效率的多个前因条件（政府研发补贴、企业所有制、政治关联与市场环境）的匹配机理，找到了政府研发补贴促进企业创新效率提升的多条等效路径，拓展了研究方法，进一步厘清了政府研发补贴作用于企业创新效率的机制，研究结果也更具现实启示意义。

1 文献综述

研发活动具有消费上的非排他性和收益上的非独占性，使得企业从事研发活动的私人收益率低于社会收益率，导致市场失灵［10］，这为政府干预企业创新提供了理论依据。卢方元和李彦龙［7］应用高技术产业省级面板数据考察了政府研发补贴对创新效率的影响，结果表明补贴能显著地提升创新效率。王勇和于淼淼［11］研究发现，政府研发补贴对企业创新效率有显著影响，并在行业竞争程度弱、国有产权与多元化程度低的企业中影响更为显著。然而，政府研发补贴对创新效率的激励效应也会受到多个因素的掣肘。补贴是不同于市场机制的资源配置方式，缺乏价值诉求，不利于企业创新效率的提升［12］。此外，与企业相比，政府决策层远离技术发展前沿，缺乏足够信息，导致选择资助项目时可能出现失误率高、滞后性强等不利现象［13］。陈庆江［14］认为政府更具战略眼光，往往从国家创新体系建设的视角筛选项目进行投资，其投资回报周期较长，因此短期来看不利于企业创新效率的提升。除了项目选择之外，市场环境、企业所有制以及政治关联等都会影响政府研发补贴对企业创新效率的促进作用［2，15-16］。

目前关于政府补贴对企业创新效率影响的研究已取得丰硕成果，但仍存在一定不足。①现有研究大部分集中于省域或产业层面，微观企业层面的研究相对较少。宏观解释应建立在微观分析基础之上，若能深入微观企业层面探究政府补贴与创新效率之间的关系，将有助于进一步厘清政府研发补贴作用于企业创新效率的机制，有益于政府制定更有针对性的政策来改善政府补贴效果。②本文对已有研究中创新效率的测度方式未展开综述，但目前大部分研究采用DEA中的BCC或CCR模型，没有考虑松弛效应；同时，虽然近年来已有宏观层面的研究将非期望产出纳入创新效率测度模型中，但微观层面还未见有考虑非期望产出的研究，导致已有创新效率测度并不准确。本文采用考虑松弛效应与非期望产出的MinDS模型来测度企业创新效率，测量更加合理。③学者们逐渐认识到政府研发补贴对企业创新效率的影响是一个复杂的过程，所以引入调节变量来分析二者之间的关系，但因研究方法的限制，也仅限于两两交互的影响［7，14］，未能考虑多因素的综合效应，无法脱离研究解释变量净效应的窠臼。此外，现有研究已逐渐意识到政府研发补贴可能会通过多种路径实现企业创新效率的提升，即构型的等效性［17］，然而，已有研究虽然丰富，但却无法凝练各种等效路径并进行横向比较分析。本文所采用的fsQCA方法能从整体性关系出发探讨众多因素间复杂的共同作用及其等效性。

2 研究设计

2.1 研究方法

2.1.1 创新效率评价方法——MinDS模型 当投入或产出要素有松弛时，CCR、BCC等传统DEA效率测度模型会高估决策单元（DMU）的效率。TONE［18］在目标函数中引入投入和产出的松弛变量，构建了SBM模型，并于2003年对模型进行改进，引入非期望产出，改善了效率评价的效果。然而，SBM模型也有其不合理之处，它是利用强有效前沿面上最远的投影点对效率值进行测算，因而会低估非有效DMU 的效率值［19］。为此，APARICIO 等［20］提出了MinDS 模型，用于弥补SBM模型的上述缺陷，所得效率值更加合理，具体模型如下所示。

每个DMU 均有m 种投入，记为xi(i = 1，2，…，m)，投入权重为vi( i = 1，2，…m)；q 种产出，记为yr(r =1，2，…，q)，产出权重为μr(r = 1，2，…，q)，本文在计算时将各种投入、产出的权重视为相同。λ为DMU的线性组合系数。分别为投入的松弛变量和产出的松弛变量。E为经SBM模型判定为有效的DMU的集合；M 是一个足够大的正数。本文采用MaxDEA 软件中的MinDS 模块对样本企业的创新效率进行测度。

2.1.2 因果关系分析方法——定性比较分析（QCA） 定性比较分析最早运用于社会学领域的小样本研究。近年来，其处理小样本、复杂因果关系的优势得到了越来越多学者的关注与认同［17］。定性比较分析是以布尔代数运算与集合论的思想为基础，探究因素之间如何组合导致结果变量的出现，是一种兼具定性分析（案例导向）与定量分析（变量导向）优势的分析方法［21］。该方法具有如下3个特点：①传统定量分析多是考察因素对结果的净效应，即便引入调节变量，仍是假定了要素之间是相互独立的，且3个因素以上的交互作用较难解释［22］，而定性比较分析认为各要素并不是孤立地对结果产生影响，而是将各种要素的组合（称为“构型”）视为一个整体作用于结果变量，故可考察多因素的系统效应；②定性比较分析强调因果之间的复杂性，认为同一种结果可由不同的构型达到，即等效性原则；③对小样本数据有较强的适用性。综上，鉴于将情境变量纳入政府研发补贴作用于企业创新效率研究的复杂性，而且，由于研发数据等信息的缺失，本文最终只保留了33个企业，样本量较小，所以采用定性比较分析方法对该问题进行研究。

QCA方法有多种形式，近年来以csQCA与fsQCA为主。csQCA中的变量取值为0或1，而fsQCA通过校准可以将变量的取值转化为0～1之间的连续值。因fsQCA 是csQCA 的拓展，且能更好地描述变量在程度或水平上的变化，因而本文采用fsQCA 进行分析。不同于一般实证分析，QCA 具有一定的“思想实验”和探索性，采用该方法研究问题时，除非有清楚的理论依据，通常可以不提具体假设，而是通过归纳或演绎构建原因条件［22］。本文通过文献梳理，采用归纳的方式来构建原因条件。

2.2 样本选择

《中国制造2025》指出，打造具有竞争力的制造业对于提升我国综合国力具有重要意义。当前，我国制造业大而不强，制约其高质量发展的重要因素是创新能力弱，关键核心技术对外依存度高。为此，国家将加强财政资金对高端装备制造业、新能源汽车等战略产业的支持，促进其技术创新，推动其快速高质量发展。由于样本筛选后新能源汽车产业仅剩17家上市公司，不适合开展fsQCA分析，故选择样本量相对较多的沪深两市高端装备制造业企业作为研究对象，时间为2016年。根据高端装备制造业子产业分布，选择Wind 数据库概念股分类“高端装备制造、高铁、航母、机器人、通用航空、卫星导航、无人机、智能交通”中的企业为研究样本。

本文将发明专利授权数作为测度企业创新效率的产出指标，而发明专利从申请到获批最多需要5年，故由2016年往前追溯到2012年，共选择198家上市公司为研究样本。在此基础上根据以下条件对样本进行筛选：①感兴趣的读者可向作者索取33家企业的原始数据。剔除研发投入披露不详的企业；②2015年、2016年披露的研发人员数和技术人员数不等的企业。2015年之前，企业年报只披露技术人员数，而没有细分出研发人员数，故而以往研究均采用技术人员数作为企业研发的人力资本投入。虽然有些企业的技术人员等同于研发人员，但有些企业的研发人员只是技术人员的子集。本文选择在2015—2016年连续两年中，企业披露的研发人员数与技术人员数均相等的企业，即这些企业的技术人员等同于研发人员，因而2012年这些企业所披露的技术人员数可认为就是企业的研发人员数。经过筛选，最后剩余33家企业①。

已有研究关于研发投入作用于产出是否具有滞后性存在不同观点，有的从当期视角展开分析［9，23］，有的认为滞后期为1年［24-25］，也有研究认为滞后期为3年［26］。本文认为上述研究都有可取性，既要考虑研发投入的当期效应，也要考虑其滞后效应。由于上述33家企业中有18家是2010年及以后上市，从而无法获得这些企业2010年的研发投入数据。若剔除这18家企业，样本丰富度将受到影响，故而选择滞后一期，即研究样本的时期为2011—2012年。

2.3 变量测量和数据来源

2.3.1 结果变量 本文采用数据包络分析中的MinDS 模型测度创新效率（EF），投入指标为研发人员数量与研发费用。至于产出指标，与以往研究采用单一的专利授权数或专利申请数不同，本文将产出分为期望产出与非期望产出，并以发明专利授权数与未授权数分别对其进行测度。专利分为发明、实用新型和外观设计3种，根据专利审查制度，实用新型与外观设计专利只需初审合格即可获得专利授予权，而发明专利除初步审查之外还需通过实质审查方可获得专利授予权，申请周期和保护期都相对较长，科技含量更高，所以本文选择发明专利来测度企业的研发产出。具体到操作层面，以企业当年申请的发明专利的最终授权数测度。发明专利如果通过授权，意味着得到了国家知识产权局的认可，具有较高的创新性，能够为企业带来创新收益。反之，企业的发明专利如果经过3～5年的修改仍不能通过申请，则说明该研究无效，徒费资金，因而应将发明专利未授权数作为一项非期望产出。

本文将2011—2012年申请并最终获得授权的发明专利之和作为期望产出，将未获得授权的专利之和作为非期望产出。同时，将这两年的研发经费之和作为投入指标之一，将研发人员的平均数作为另一项投入指标。专利数据来源于CSMAR数据库，研发人员及研发费用数据均来源于Wind数据库。

2.3.2 原因变量 本文在梳理已有文献的基础上，采用归纳方法选择以下主要原因变量。

1）政府研发补贴。按照发放时间的不同可将政府研发补贴分为企业开展研发活动之前的鼓励性补贴即事前补贴（BGOV）和开展研发活动之后的奖励性补贴即事后补贴（AGOV）。事前补贴包括新产品开发补助、专利申请补助、技术研究开发与技术改造项目补贴、与企业技术创新有关的专项发展资金等；事后补贴包括科学技术奖励、专利奖励、开发项目的财政贴息等。事前补贴虽然能够弥补企业从事研发活动时信息溢出所带来的损失，但存在一定的道德风险；事后补贴可以避免寻租，解决市场结构导致创新产品竞争不充分等问题。两者有效搭配，可消除企业在研究阶段以及开发阶段的市场失灵［27-28］。相关数据来自上市公司年报，根据合并利润表营业外收入报表项目下的政府补助明细进行逐个甄选整理而得。对于存在疑惑的补贴项目，通过查找对应的说明来明确其归属，若缺乏对应的说明，本文则将该补贴项目排除在研发补贴集合之外。

2）政治关联（GR）。中国处于转型时期，政府拥有各种审批权。通过构建政治关联，企业能更早更准确地获知政府创新支持信息、更易获得政府补贴以及银行贷款、更有可能突破行业壁垒，向市场传递积极信号，获得更多有利于企业创新的关键资源。然而，企业家为寻求和维持与官员的关系，需耗费较多精力和资源，有时为迎合政府对本地经济发展或其他战略目的的要求会牺牲企业长期发展能力而专注于短期获利较大的项目，从而挤出创新资源，最终导致企业创新乏力，陷入“政治资源诅咒”的漩涡［29］。因此，政府补贴对于企业创新效率的作用受到政治关联的调节影响，相关实证研究也支持了这一点［30］。借鉴赵文和王娜［31］的研究，本文采用情报学中的内容分析法对企业的政治关联进行测度，即对2011—2012年企业官网所公布的该企业董事会成员与政府领导共同出席相关活动的新闻报道进行编码，并利用百度新闻作为信息补充。例如，若有一篇董事会成员接待政府领导视察该企业的新闻，便为其加1分，类似新闻报道越多，企业的政治关联越丰富。

3）企业所有制（OWN）。国有企业的融资成本低，其创新效率反而比民营企业低［32-33］。民营企业融资成本高、融资渠道窄，反而会珍惜并利用好每一笔资金，具有较高的创新效率。国有企业能得到更多的政策性照顾，具有预算软约束，能够规避严峻的市场竞争，具备制度环境下的垄断优势，但这反而会削弱其创新研发的动力［34］。此外，国有企业缺乏完善的监督激励机制，企业运营中的交易成本过高，不利于企业的创新发展［35］。因此，政府补贴对于企业创新效率的作用受到所有制的调节。本文将企业分为国有和民营两种类型，分别用1和0表示，数据来源于Wind数据库中上市公司的“公司属性”字段。

4）市场化水平（MA）。激烈的市场竞争迫使企业更加注重研发质量，促使企业提升研发资源的配置效率，增强企业开展创新活动的内在动力［13-14］；同时，良好的要素市场有利于研发人员、资金、技术等创新资源流动到相对高效的项目，盘活现有的存量创新资源，从而可促进企业创新效率的提高［36］。市场化水平对企业创新效率不仅有直接影响，还具有其他复杂影响，如所有制对政府补贴和企业创新之间的调节作用还受到要素市场扭曲程度的影响［37］。数据来源于王小鲁等发布的《中国分省份市场化指数报告》，取2011年与2012年市场化指数的平均值来测度企业所在区域的市场化水平。

3 实证分析

3.1 描述性统计分析

从表1变量描述性统计分析结果可以看出：①样本企业的平均创新效率较高，达到了0.7，但是企业之间并不均衡，标准差达到0.3，创新效率最小值只有0.1，离效率前沿面有较大差距；②政府在事前补贴上投入更多，且标准差也更大，说明政府研发补贴在企业间的分配存在明显差异；③政治关联的平均值为5.7，意味着企业每年平均会迎来6次官员视察，每年最多可能迎来21次官员视察，几乎每月2次，这样高频次的官员视察所折射的政治关联对企业创新效率的影响究竟如何，值得深入研究；④企业所有制的平均值为0.3，表明样本中民企与国企的数量分布较为均衡；⑤市场化水平的平均值为7.4，表明样本企业大多在市场化水平较高的区域，市场竞争比较激烈。

表1 变量的描述性统计分析结果Tab.1 Descriptive statistical analysis results of the variables

3.2 变量的校准

校准是指根据相关标准设定目标集合，并基于模糊数学的方法测度各样本隶属于该目标集合的程度，即测度模糊隶属度。校准后的数据更具解释性，而未校准的数据只能显示各样本的相对位置。如，通过未校准的“政府补贴”，只能知道一个企业比另一个企业得到的政府补贴是多还是少，但并不知道这一补贴数额是高还是低，而校准后的数据可以显示出一个企业所得政府补贴隶属于“高政府补贴”的程度。

对变量进行校准需预设完全隶属、中间点和完全不隶属3个锚点。锚点的设定应尽可能基于现有理论与经验知识［38］，尽量根据已有研究结论或共有常识来设定锚点，以使校准后的隶属度与大众对该变量的心理感知相一致。当然，如果缺乏此类知识，也可以使用机械式的锚点，如平均值、分位数等［39］。参考FISS［17］、GARCIA-CASTRO 和FRANCOEUR［40］、唐鹏程和杨树旺［41］的研究，本文将高政府研发事前补贴、高政府研发事后补贴、丰富的政治关联、高市场化水平这4个目标集合的3个锚点分别设定为样本数据的上四分位数、中位数以及下四分位数。其中，因政府研发事后补贴的中间点与下四分位数相同，均为0，考虑实际情况，选择除0之外的最小值2.2作为中间点，政治关联的中间点也采用同样方式进行处理。此外，因企业所有制为0—1变量，故不做校准。最后，因企业创新效率采用DEA方法进行测度，而DEA中的效率前沿与校准时的目标集合概念类似，故对企业创新效率也不做校准。各变量的校准锚点如表2所示。

表2 各变量校准锚点Tab.2 Calibration anchors for each variable

不同锚点下样本分布情况如表3所示。由表3可知，从事前补贴来看，企业在不同锚点下的样本分布较为均匀。大部分企业的事后补贴较低，且只有8家企业完全隶属于高事后补贴。从政治关联来看，企业在不同锚点下的样本分布与事后补贴维度相似，绝大部分企业的政治关联较低，与高政治关联的企业存在一定差距。至于市场化水平，其样本分布与事前补贴维度相似，只是隶属于高市场化水平的企业只有4家，相对较少。

表3 不同锚点下样本分布情况Tab.3 Sample distribution under different calibration anchors

依据表2中设定的各变量锚点，采用fsQCA3.0软件对数据进行校准，校准后各变量的描述性统计分析结果如表4所示。由表4可知，各变量均值在0.5附近，标准差在0.4附近，说明样本较为均匀地分布在0～1之间，且具有一定的多样性。

表4 校准后各变量的描述性统计分析结果Tab.4 Descriptive statistical analysis results of calibrated variables

3.3 实证结果与分析

首先对原因变量进行必要条件检验，如果某个原因变量是导致结果出现的必要条件，则表明该原因变量一定会被纳入结果构型，因而也就没有必要将其纳入随后的定性比较分析之中。QCA是建立在集合论基础上的分析方法，判断原因变量是否为导致结果出现的必要条件，即是判断原因变量对应的案例集合是否为结果变量对应案例集合的子集。本文采用fsQCA3.0软件进行数据分析，得到如表5所示的必要性检验结果。由表5 可知，所有原因变量的一致性都低于0.9，表明本文所分析的各原因变量并非引致较高企业创新效率的必要条件，因此在随后的真值表运算时应予以保留。

在此基础上，本文继续探究上述原因变量的哪些组合是导致高企业创新效率的充分性解释，其中一致性阈值设定为0.75，案例阈值设定为1［42］，最终留下20个案例。通过模糊集的定性比较分析可以得到复杂解、中间解及精简解3类解。复杂解是用最保守的方式来处理反事实，没有经过简化，所以得到的构型较多，对之后的路径分析不利；精简解和中间解都经过了简化，但精简解不仅加入了简单反事实分析，而且还加入了复杂反事实分析，因而可能会过度简化，出现与现实不符的情况；中间解只考虑了简单反事实分析，虽然推论过程较为保守，但所得结果会较为合理，更加符合现实，因而本文最终只对中间解做解释。

类似于中药方剂配伍的“君臣佐使”原则，虽然定性比较分析认为要素是联合起来系统性地作用于结果，但要素也分核心要素与非核心要素。同时出现于中间解和精简解的原因条件称为核心要素，它与结果有较强因果关系，其替代性较弱。相反，仅在中间解出现的原因条件称为非核心要素。研究结果参考FISS［17］的表达方式呈现，●代表原因变量出现，⊗代表原因变量未出现，大圈和小圈用来区分核心要素和非核心要素，空白区域表示原因变量的出现与否对结果没有影响。其次，本文将构型区分为一阶等效性与二阶等效性：一阶等效性是指两个构型或多个构型都能导致同一结果，但其核心要素不同；二阶等效性是指两个或多个构型都能导致同一结果，但其核心要素相同。结果如表6所示。

表5 各变量必要条件检验Tab.5 Analysis of necessary conditions

表6 取得高创新效率的构型Tab. 6 Configurations for high innovation efficiency

与上述必要条件检验中的一致性不同，表6的一致性是衡量某构型的案例集合是结果变量案例集合子集的近似程度②一致性的计算公式为Consistency(Xi ≤Yi)=min(Xi，Yi Xi，其中，Xi 为原因构型的隶属度，Yi为结果变量的隶属度。，由于某些案例可能同时隶属于不同的构型，故而存在各构型一致性之和大于总体一致性的情况。由表6可知，一致性最小值为0.78，最大值达到0.94，表明各构型作为结果变量的充分条件具有一定的可靠性。

QCA方法认为“条条大路通罗马”，达到结果的路径可以有许多条，而覆盖度即是从实证数据的角度说明某条路径的重要性，即总案例中有多少案例是通过这条路径实现结果③覆盖度的计算公式为Coverage(Xi ≤Yi)=min(Xi，Yi Yi，其中，Xi 为原因构型的隶属度，Yi为结果变量的隶属度。。同样道理，由于某些案例可能同时隶属于不同的构型，故而存在各构型覆盖度之和大于总体覆盖度的情况。由表6可知，总体覆盖度达到了0.78，说明通过fsQCA所找到的5条构型解释了绝大部分实现高创新效率的路径。其次，表6中1a、1b和1c3个构型的覆盖度较高，说明它们是样本企业实现高创新效率的主要途径。

表6中每条构型的含义分别如下。构型1a（BGOV*～OWN）表明政府研发事前补贴可促进民营企业提高创新效率。构型1b（AGOV*～OWN）表明政府研发事后补贴也可促进民营企业提高创新效率。民营企业融资成本高，融资渠道少，而政府研发补贴可缓解企业的融资约束。同时，获得政府研发补贴也是对企业创新能力的一种肯定，能够向市场传递积极信号，从而吸引更多创新资金。此外，由于民营企业的融资成本高，所以会珍惜每一笔来之不易的资金，将其充分用于企业的研发，有利于创新效率的提升。构型1c（MA*～OWN）表明身处良好市场环境的民营企业即便没有政府研发补贴，也能具有较高的创新效率。良好的市场环境意味着更加激烈的市场竞争，为了生存乃至做大做强，企业就要不断求新求变。因而，良好的市场环境能够增强企业创新的内在动力，有利于企业创新效率的提升。

比较构型1a、1b与1c可知，身处欠佳市场环境中的民营企业若能取得政府研发补贴，无论是事前补贴还是事后补贴，都将有助于创新效率的提升；相反，身处良好市场环境的民营企业对政府补贴的依赖性会更低。良好市场环境中的要素市场比较发达，要素流动顺畅，企业较易获得创新资源，而欠佳的市场环境中要素市场不发达，企业一方面需要从政府处获得创新资源，另一方面更需要借助政府的事后奖励来提升自己的声誉，从而增强市场对企业的信任度。此外，由构型1a、1b与1c还可得出，在民营企业创新效率的提升路径中，政府研发事前补贴、政府研发事后补贴、市场环境存在着替代性，3种要素都不是民营企业取得较高创新效率的必要条件，企业可以根据自身情况有选择性地探索提升创新效率的模式。

构型2（BGOV*AGOV*～GR*～MA）表明在欠佳市场环境中，无论是国有企业还是民营企业，如果没有丰富的政治关联，那么应认真努力地开展研发活动，积极争取政府研发事前与事后补贴，尤其是事后补贴。事前补贴可以缓解企业创新资金的不足，同时也可向企业利益相关者传递积极信号，但对于企业而言，可能存在道德风险，而事后补贴由于具有相对完善的监督机制，可以有效控制企业的道德风险。因而，两种补贴相辅相成，且以事后补贴为主，可有效提高企业的创新效率。

结合构型3（～BGOV*GR*～MA）与构型2来看，在欠佳市场环境中，无论是国有企业还是民营企业，如果拥有较多的政治关联，最好不要借此寻求事前补贴，否则，这类资源不仅不会被企业珍惜利用，反而可能导致企业粗放经营，导致创新效率低下，使企业陷入“政治资源诅咒”的漩涡。尤其是国有企业，因其与政府有着天然的政治联系，在财政补贴、融资方面有着民营企业不可比拟的优势，如果仍然依靠政治关联获取事前补贴，纵使短期能够缓解其融资约束，但长期来看，企业发展将为其所累，不利于企业创新效率的提升。

4 结论与启示

企业唯有积极创新，才能在日趋竞争激烈的市场环境中立于不败之地。随着企业创新力度的不断加大，如何使创新资源得到最优配置，即如何提高企业的创新效率，成为政府、企业及学者共同关心的问题。本文以2011—2012年沪深两市的高端装备制造业上市公司为样本，基于模糊集定性比较分析方法对高端装备制造业企业创新效率的提升路径进行了探索。研究结果表明，政府研发补贴能否促进企业创新效率的提升，并非简单地取决于补贴时间、补贴额度，而是在很大程度上取决于其与企业所有制、政治关联、市场环境等多个前因条件能否较好匹配。此外，研究结果还表明，政府研发补贴引致较高的企业创新效率存在多条等效的匹配路径，为探究不同情境下企业创新效率的提升策略提供了理论基础。具体地，本文得到了下列研究结论与管理启示。

（1）对于民营企业，政府研发事前补贴、事后补贴、良好的市场环境都有助于提升企业的创新效率，三者之间存在替代性。因此，企业可以选择适合自己的方式来提高创新效率。如，企业可以选择营商环境较好的地方投资经营；若无法通过选择经营地域使企业融入竞争激烈的市场环境中，进而通过外力迫使自己强化创新能力，则企业应放眼全国乃至世界，见贤思齐，苦练内功，努力创新，以过硬的创新技术与产品赢得政府的认可，从而获得事前研发补贴，甚至事后研发补贴。相反，若企业仅与周围的企业相比，逐渐浸入欠佳市场环境的制度、文化，企业将成为“温水中的青蛙”，无法通过创新成为优秀乃至卓越的企业。总之，企业应发挥自己的主观能动性，积极探索提升企业创新效率的路径。

（2）身处欠佳市场环境的企业，若是其政治关联较弱，那么事前补贴与事后补贴相辅相成可以提升企业创新效率；若是政治关联较强，则应避免借此寻求事前补贴。首先，以往研究仅是孤立地分析各要素与创新效率之间的关系，所得结论往往有所差异，甚至相悖。本文结果表明，事前与事后补贴不存在孰优孰劣，其效应发挥取决于作用对象以及作用环境。其次，政府与企业应积极构建“亲”“清”政商关系。政府应积极营造公平、开放、透明的良好营商环境与创新环境，从而充分发挥市场竞争激励创新的根本性作用，使所有企业都受益，而非只有个别寻租企业才能受益。同时，企业应自力更生、砥砺前行，依靠自身的努力去赢得政府及市场的认可，而不是依靠寻租或虚假创新信息等手段去获得相关创新资源。最后，在改革开放过程中，我国各区域的市场化进程出现了差异，但并非只有良好的市场环境才能产生较高的企业创新效率，欠佳市场环境中的企业也有属于自己通往较高创新效率的路径。

（3）本文给出了适合民营企业创新效率提升的5条路径和适合国有企业创新效率提升的2条路径，结合构型2与构型3可知，提升企业创新效率的关键在于提升企业的内在创新动力。较高的研发强度意味着企业更加重视研发活动，愿意为企业创新付出更多的努力，表明该企业具有较高的内在创新动力。通过对高端装备制造业上市公司不同所有制企业研发强度的分析可知，民营企业的平均研发强度为6.19%，而国有企业的平均研发强度仅为3.32%，由此可见，国有企业对创新的重视程度相对不足，创新的内在动力相对较弱。国有企业在我国经济发展中具有举足轻重的地位，但其创新效率与经济地位却严重不匹配，因此国有企业应发挥主观能动性，积极探索创新效率的提升路径。此外，政府研发补贴应一视同仁，规避非生产性的寻租行为，促使企业将注意力集中于价值创造而非价值转移活动，通过平等的创新资源获取机会来促使国有企业强化资源有效配置意识，提升企业创新效率。最后，政府应完善补贴发放标准，不能仅考虑项目本身，还应将企业的创新意愿与创新能力纳入评价体系，如企业历年的研发强度、企业高管的创新精神以及企业历年创新效率等。

本文的不足之处如下。①本文是以高端装备制造业上市公司为研究样本，高端装备制造业为战略性新兴产业之一，可能会存在政府研发补贴的行业倾向性。今后的研究可以扩大研究范围，对行业进行细分对比，研究不同行业企业的创新效率提升是否有所差异。②因为创新数据缺失严重，所以样本量较少。若能扩大样本量，则有可能会得到其他导致较高创新效率的构型。随着今后创新数据的披露越来越丰富，可以继续沿着本文的思路完善相关研究工作。③本文是基于微观企业层面的数据开展的研究，由于单个企业的新产品销售收入数据难以获得，故而用发明专利授权数来表示企业的创新产出，但是仍然有一定的局限性，今后可以采用问卷调查的方式获得相关数据，并进行比较研究。