战略性新兴产业创新政策绩效评估及影响因素研究

张敬文 童锦瑶 徐莉

摘 要：创新政策有利于引导和促进战略性新兴产业快速发展，对于我国加速构建现代化产业体系具有重要作用。基于DEA-Malmquist指数法，测算2010—2018年中国战略性新兴产业创新政策绩效，并运用面板数据回归模型探究战略性新兴产业创新政策绩效影响因素。研究表明：我国战略性新兴产业创新政策绩效整体处于较高水平，并呈现波动上升趋势，东、中、西部地区的政策绩效具有明显差异;产业规模、企业创新意愿、市场化程度、科技化水平和政策支持力度对创新政策绩效影响明显，科技化水平和政策支持力度对产业创新政策绩效具有显著正向影响。

关键词：战略性新兴产业;创新政策;绩效评估;影响因素

本文索引：张敬文，童锦瑶，徐莉.<变量 2>[J].中国商论，2022（04）：-145.

中图分类号：F276 文献标识码：A 文章编号：2096-0298（2022）02（b）--06

党的十九届五中全会报告指出坚持创新在现代化建设全局中的核心地位。这一新提法把创新的重要性提升到一个新高度，为我国战略性新兴产业发展和前沿技术研发提供了更好的支持。战略性新兴产业是以创新为驱动力，对经济社会发展具有重大引领带动作用的产业，培育壮大战略性新兴产业对推进我国经济高质量发展具有重要意义。2010年以来，中央和地方政府相继出台一系列战略性新兴产业科技创新政策，提升战略性新兴产业创新水平。但这些政策的效果如何未有定论，只有科学评估战略性新兴产业创新政策绩效，探究创新政策实施的影响因素，才能保证后续政策调整的及时性及政策的针对性、科学性，实现战略性新兴产业可持续发展。基于此，采用DEA-Malmquist指数模型，结合战略性新兴产业创新属性，测度战略性新兴产业创新政策的绩效，并運用面板回归模型进一步实证检验创新政策实施效果的关键影响因素，为更好地发挥创新政策效用提供借鉴。

1 文献综述

政策环境对产业技术创新发挥着重要的激励和引导作用（赵滨元，2021），对创新政策进行评估是学者普遍关注的话题，从已有文献看，部分学者的研究证实了创新政策对企业创新的积极作用。Kang和Park（2012）认为环境政策也能为企业创新提供良好的制度环境;Boeíng（2016）认为政府补助会挤出企业原有创新投入进而抑制企业创新。Gault（2018）从企业、政府等部门构建创新政策的系统性评估框架。已有大量研究表明，财税、信贷一系列促进创新的政策措施对企业研发创新具有正向促进作用（庞兰心和官建成，2018）。芮明杰和韩佳玲（2020）利用双重差分模型检验了创新政策对企业研发创新的促进作用。陈雄辉等（2020）的研究表明，科技政策力度越大，越能提升企业的创新水平，但也有部分学者认为创新政策并不都正向促进研发创新。刑会和王飞（2019）研究发现，战略性新兴产业环境面政策会诱发企业的寻租行为。陈文俊等（2020）对创新政策的研究发现，产业政策对企业创新具有显著的抑制效应。姚伟民等（2021）对中小企业创新的研究显示，政府的资助政策对创新产出没有直接影响，只有通过对科技人员的投入，才能给创新带来积极影响。

创新政策的实施效果还会受各种因素影响，陈钊和熊瑞祥（2015）认为遵循地方比较优势能使产业政策发挥更好的效果。Flanagan等（2011）认为政策之间相互作用程度影响创新政策的预期效果。Greenwald和Stiglitz（2013）认为知识禀赋较高的地区，政策会取得更好的效果。俞立平（2018）研究表明，政策执行力度正向促进政策实施效果。产业政策和企业创新之间的关系受区域创新环境影响（王晓珍等，2018）。产业政策效果受市场化水平影响，产业政策对企业创新作用在市场化水平低的地区更明显（逯东和朱丽，2018）。张超林和王连军（2019）认为政策效果发挥取决于企业内部治理、市场环境等内外部因素。

综上所述，创新政策的有效性具有复杂性特征，已有研究对创新政策是否有效促进创新并未达成统一意见，同时，创新政策的实施效果受企业行为、政策制定、地区产业发展环境多种因素的影响，不同地区、不同产业的创新政策实施效果必然具有差异性。因此，针对战略性新兴产业，必须对其产业创新政策是否有效，在什么条件或原则下有效，以及如何更好地发挥作用进行深入研究。

2 战略性新兴产业创新政策绩效测度

2.1 测度方法

采用DEA-Malmquist指数模型对战略性新兴产业创新政策绩效进行测度。Malmquist指数主要用于计算不同时期生产效率的变化。Fare等将Malmquist指数与DEA理论相结合，适用于对多个决策单元进行动态评价（黄海霞和张治河，2015）。本文运用Malmquist指数，将每个省份作为一个决策单元（DMU），进行战略性新兴产业创新政策绩效评价。

Malmquist指数一般采用t和t+1期的几何平均数来表示，公式为：

（1）

M0可以分解为技术效率（TE）和技术进步（TC）：

（2）

技术效率（TE）能继续分解为规模效率（SE）和纯技术效率（PTE）：

（3）

TE反映t至t+1期决策单元技术效率的变化程度，当TE>1时，说明相对技术效率提高;TC反映 t ～ t+1 期技术研发或创新能力的进步程度，当 TC>1 时，表明出现技术进步或创新。PTE表示在既定制度、管理水平和技术水平下产业的产出能力，SE反映在制度和管理水平一定的条件下，实际规模与最有生产规模的差距。

本文借鉴俞立平等（2018）的政策测度方法，采用Malmquist指数分解出技术效率来测算政策绩效。由于技术效率还包含技术要素，因此需要在原模型中引入一个科技投入指标，剔除其中的技术因素，使新测算出的技术效率不受技术要素的影响，最大限度地代表政策的综合绩效水平。政策绩效并不只是某一时期内的政策效果，而是以往政策在某一时刻的反映，应该是一个存量指标，所以在进行分析之前，通过连乘将新的全要素生产率转化为存量数据。

2.2 数据来源和变量说明

考虑到战略性新兴产业数据的可获得性，根据国家统计局发布的《战略性新兴产业分类标准》（2018），本文采用与战略性新兴产业具有高度吻合性的高技术产业数据予以替代（邵云飞等，2020），以我国 31个省市为研究对象，搜集2009—2018年各省市数据，其中西藏、青海和新疆的数据有所缺失予以剔除，最终获得28个省市的战略性新兴产业数据。所有原始数据均来源于《中国统计年鉴》（2010—2019）、《中国科技统计年鉴》（2010—2019）和国家统计局网站。

创新产出指标选择专利申请量和新产品销售收入两个指标，新产品销售收入采用工业生产成品出厂价格指数进行平减。投入指标选择R&D资本存量和R&D人员全时当量作为创新资本投入和创新人员投入，其中R&D资本存量的计算采用永续盘存法，研发价格指数的构建借鉴朱平芳（2003）的研究：研发价格指数=0.55×居民消费价格指数+0.45×固定资产投资价格指数，折旧率采用15%。额外增加的技术要素投入指标，参考蔡绍洪等（2019）的研究，采用电信业务额予以替代，并采用GDP价格指数予以平减。

2.3 创新政策绩效测算结果

根据DEA-Malmquist指数模型设定，使用DEAP2.1软件计算出2009—2018年我国各省份战略性新兴产业创新政策的技术效率值及其分解，由于计算出的技术效率值是相对变化值，以2009年为基年，技术效率值始于2010年，因此以2010年的技术效率值为初始值进行连乘得到2010—2018年的存量值，即战略性新兴产业创新政策绩效。东、中、西部三大地区战略性新兴产业创新政策绩效均值变化如图1所示。

从全国情况来看，2010—2018年全國战略性新兴产业创新政策绩效均值呈现较为稳定的波动上升趋势，且整体保持较高水平，说明我国2010年以来实施的促进战略性新兴产业创新发展的政策取得了较好的效果。整体比较，全国和三大地区的战略性新兴产业创新政策绩效的发展趋势较一致，在2011年和2016年有明显下降，可能是因为 2011年和2016年分别是我国战略性新兴产业“十二五”规划、“十三五”规划执行开始的年份，国家总体上对战略性新兴产业发展进行宏观指导，地方响应中央倡议，需要一定时间根据地区实际情况进行调整。随着各地区创新政策不断出台和完善，政策绩效呈现明显上升趋势。

从三大地区具体情况来看，东部地区的产业创新政策绩效基本与全国创新政策绩效重合，只在2011年和2016年有略微下降，其余年份处于上升状态，主要是因为东部地区整体发展水平较高，战略性新兴产业发展基础较好，产业创新政策能取得较好成果。中部地区的产业创新政策绩效均值最高，波动上升趋势比较明显，中部地区具有战略性新兴产业发展的良好区位和资源条件，但经济发展水平、产业发展、市场环境等条件存在不足，光靠市场的作用无法支持战略性新兴产业的创新发展，因此政府在产业技术创新中的作用就更为重要和显著。西部地区的产业创新政策绩效均值整体处于较低水平，在2010—2017年比较稳定，2018年上升较快。我国西部地区受限于自然条件等因素，和东部、中部地区的经济发展水平、科技水平等仍有较大差异，战略性新兴产业创新受资金、人才、市场等条件制约，产业创新政策难以在短期内取得较好效果。

3 战略性新兴产业创新政策绩效的影响因素分析

3.1 回归模型设定

战略性新兴产业创新政策效果受各种因素影响，通过DEA-Malmquist指数分析方法仅能测度创新政策综合绩效，因此，将DEA-Malmquist模型测算出的创新政策绩效作为被解释变量，参考孙早和席建成（2015）等学者的研究，选择产业规模、企业创新意愿、市场化程度、科技化水平和政策支持力度作为解释变量，建立战略性新兴产业创新政策绩效的影响因素回归分析模型：

（4）

其中，下标i和t分别表示省份和年份;PP表示战略性新兴产业创新政策绩效;IS表示产业规模;IT表示企业创新意愿，企业对技术创新资金投入极大地影响企业创新产出，从而最终对创新政策绩效产生影响;MA代表市场化程度，地区市场化程度越高，可能会削弱产业政策对创新资源的干预能力，减缓政策扭曲;TN代表科技化水平，科技化水平反映区域研发创新能力和水平，影响创新政策实施效果;GOV代表政策支持力度，反映政府创新政策的投入力度和创新资源管理强度，影响创新政策的实施成效。

在回归模型中，被解释变量PP由前面DEA-Malmquist指数模型测算得出。解释变量产业规模采用战略性新兴产业主营业务收入来衡量;企业创新意愿采用产业研发投入与主营业务收入的比重来衡量;市场化指数用城镇其他单位在岗职工人数占所有单位（国有、集体、其他）在岗职工人数的比重来衡量;科技化水平采用区域每千人拥有专利数进行衡量。政策支持力度采用政府财政科技支出占财政总支出比重来衡量。为了减少异方差的问题，所有指标均进行对数化处理。

3.2 面板数据回归结果分析

从前面测算全国各省份战略性新兴产业创新政策绩效可以发现，我国东、中、西部三个地区的政策绩效水平存在明显差异，因此采用Stata15软件对全国和东、中、西三大地区分别进行面板数据回归，对造成区域政策绩效水平差异的原因进行分析。由于本文数据年份跨度只有9年，数据年份较短，存在伪回归的概率很低，所以可以直接进行模型估计。考虑到不同的回归效应模型对个体效应的处理方式不同，需要从混合效应、随机效应和固定效应回归模型中选择最优模型对战略性新兴产业创新政策绩效影响因素进行分析。不同模型估计结果如表1所示。

由表1可以看出，全国和各地区利用普通标准误进行固定效应回归得到的 F 统计量，在 1%的显著性水平上拒绝原假设，表明在混合效应和固定效应中应选择固定效应模型;全国和东部地区的Hausman检验统计量在1%的显著性水平上拒绝原假设，表明可以选择固定效应模型。中部和西部地区的Hausman检验统计量没有拒绝原假设，因此选择随机效应模型进行分析。

从全国结果来看，产业规模对战略性新兴产业创新政策绩效的影响系数为-0.144，在5%的上显著，表明产业规模的无序扩大会使政策无法发挥应有的效果，甚至产生负效应。企业创新意愿和市场化程度的回归系数分别为0.068和0.035，没有通过显著性检验，说明对创新政策绩效存在不明显的正向促进作用。科技化水平的回归系数为0.121，在5%的水平上著性，说明区域科技水平有助于提高战略性新兴产业创新政策绩效。政策支持力度的回归系数为0.327，在1%的水平上显著，说明现阶段政府创新政策和创新资源的投入和支持对战略性新兴产业创新政策绩效的提高具有显著的正向促进作用。

从分区域看，东部地区企业创新意愿和政策支持力度对战略性新兴产业创新政策绩效的回归系数在5%的水平上显著为正，市场化程度和科技化水平的回归系数没有通过显著性检验，产业规模的回归系数在1%的水平上显著为负。说明东部地区产业发展成熟，市场机制比较完善，科技基础较好，企业创新意愿强。同时，政府注重创新对区域产业发展的驱动作用，对东部地区创新政策绩效的提高具有明显的促进作用，但产业规模过大也可能导致产能过剩，对创新政策绩效产生负向影响。

中部地区科技化水平的回归系数为0.408，通过了1%水平的显著性检验，对产业创新政策绩效具有显著的正向促进作用;市场化程度和政策支持力度的回归系数没有通过显著性检验，正向促进作用不明显;产业规模和企业创新意愿则具有一定的负向效应。表明中部地区战略性新兴产业发展具有一定的产业基础优势和资源优势，但和东部地区仍存在差距，还需要继续提升科技化水平、完善市场机制及增强政策支持力度，提高创新政策绩效。

西部地区产业规模、企业创新意愿和科技化水平的回归系数为正，但没有通过显著性检验，对创新政策绩效均具有不明显的正向促进作用;市场化程度和政策支持力度的回归系数为负，但不显著，说明对创新政策绩效具有不明显的负向效应。西部地区相较东部和中部地区，更受产业发展基础和发展条件的约束，一般政策支持方式不适用于西部地区新兴产业创新发展，难以提高创新政策绩效。现阶段，产业规模扩张、企业创新投入增加及科技化水平提升有助于提高创新政策绩效。

3.3 分位数回归结果分析

为进一步检验面板数据回归效应模型结果的稳健性，更加深入地分析创新政策不同绩效水平与各影响因素的关系，从而揭示战略性新兴产业创新政策出现区域性差异的原因。在面板数据回归的基础上，再利用全国28个省份的面板数据进一步进行分位数回归，回归结果如表2所示。

从表2可以看出，分位数回归结果与表1的全国分省面板数据回归结果基本吻合，说明回归结果是可靠的。产业规模回归系数为负，在0.5～0.75的分位点上较为显著，表明过大的产业规模不利于战略性新兴产业创新政策绩效的提高。企业创新意愿和市场化程度在0.1～0.9的分位点上回归系数均为正数，但不显著，说明提高企业创新意愿和完善市场机制在一定程度上有助于提高创新政策的实施效果。科技化水平在0.1～0.9的分位点上的回归系数为正，且在0.5～0.9的分位点上较为显著，说明通过加大科技投入、加强区域科技基础设施建设，有利于提高创新政策绩效。政策执行力度在0.1～0.9分位点处的回归系数都为正，且基本比较显著，表明政策支持力度的提高对创新政策效果的发挥具有显著促进作用。综上所述，当战略性新兴产业创新政策绩效处于较低水平时，政府有效落实有利于产业创新的政策和措施能显著提升创新政策绩效水平;当创新政策绩效处于较高水平时，科技投入和政策执行力仍然是持续提高政策绩效的有效手段。

4 结语

本文以2010—2018年我国28个省市战略性新兴产业面板数据为样本，运用DEA-Malmquist指数模型测算了战略性新兴产业创新政策绩效，并通过固定效应回归和分位数回归，分析了产业规模、企业创新意愿、市场化程度、科技化水平和政策支持力度五个指标对政策创新绩效的影响，得出以下结论和启示：

第一，我国战略性新兴产业创新政策绩效在2010—2018年整体处于较高水平，并呈现波动上升趋势。随着我国战略性新兴产业技术水平的提升和产业创新政策体系的完善，创新政策取得了较好的实施效果。

第二，我国东、中、西部地区的战略性新兴产业创新政策绩效具有明显差异，中部地区的政策绩效水平最高，东部次之，西部最低。东、中、西部地区在经济、科技、市场条件、产业基础和制度环境等客观条件上存在较大差异，东部地区产业发展、市场发育成熟，市场在产业技术创新中起决定作用，中部地区相较于东部地区发展基础较差，积极的产业创新政策对产业技术创新的影响较大，政策效果更加明显。西部地区受客观发展条件的制约，产业创新政策在短期内难以取得较好的效果，但随着地区经济、科技、制度和产业发展水平的提升，政策效果逐渐显现。

第三，科技化水平和政策支持力度对我中国战略性新兴产业政策绩效具有显著的促进作用，企业创新意愿和市场化程度则没有呈现显著的促进作用，产业规模具有显著的负向作用。分地区回归结果显示，战略性新兴产业创新政策绩效受产业规模、企业创新意愿五个因素的影响程度具有一定差异。为进一步提高我国战略性新兴产业创新政策绩效，首先，政府应当积极发挥政策的引导作用，根据产业发展阶段的实际需求和不同区域产业发展、经济环境等方面的差异，有针对性地制定创新促进政策。其次，加大对科技发展落后地区的科技投入支持力度，促进地区技术进步;鼓励社会资本投入新兴产业创新中，降低企业研发成本，提高企業自主创新的主动性。最后，强化监督责任，通过加强制定行业规范标准和监督市场主体投资行为等措施，引导产业有序发展，避免因为规模扩大而造成产能过剩或同质化竞争。

参考文献

赵滨元.京津冀协同创新绩效影响因素分析：基于空间杜宾模型[J]. 商业经济研究，2021（1）：162-166.

Kang K， Park H. Influence of government R&D support and inter-firm collaborations on innovation in Korean biotechnology SMEs[J]. Technovation，2012，32（1）：68-78.

Boeíng P. The allocation and effectiveness of China’s R&D subsidies-evidence from listed firms[J]. Research Policy， 2016， 45（9）.

Gault F. Defining and measuring innovation in all sectors of the economy [J]. Research Policy，2018，47（3）：617-622.

龐兰心，官建成.政府财税政策对高技术企业创新和增长的影响[J]. 科学学研究，2018，36（12）：2259-2269.

芮明杰，韩佳玲.产业政策对企业研发创新的影响研究：基于促进创新型产业政策“信心效应”的视角[J].经济与管理研究，2020，41（9）：78-97.

陈雄辉，楚鹏飞，罗晓晴，等.科技政策对企业创新的作用机制研究：以广东省为例的实证分析[J]. 技术经济，2020，39（12）：61-68.

邢会，王飞，高素英.战略性新兴产业政策促进企业实质性创新了吗：基于“寻租”调节效应的视角[J].产经评论，2019， 10（1）：86-99.

陈文俊，彭有为，胡心怡.战略性新兴产业政策是否提升了创新绩效[J]. 科研管理，2020，41（1）：22-34.

姚伟民，李燕，狄振鹏.政府资助对中小企业创新研发的影响[J]. 技术经济，2021，40（4）：12-18.

陈钊，熊瑞祥.比较优势与产业政策效果：来自出口加工区准实验的证据[J].管理世界，2015（8）：67-80.

Flanagan K， Uyarra E， Laranja M. Reconceptualising the policy mix for innovation[J]. Research Policy， 2011，40（5）：702-713.

Greenwald B， Stiglitz J. Industrial policies， the creation of a learning society， and economic development[J].The Industrial Policy Revolution，2013：43-71.

王晓珍，邹鸿辉，高伟.产业政策有效性分析：来自风电企业产权性质及区域创新环境异质性的考量[J].科学学研究，2018（2）：228-238.

俞立平，章美娇，王作功.中国地区高技术产业政策评估及影响因素研究[J].科学学研究，2018，36（1）：28-36.

逯东，朱丽.市场化水平、战略性新兴产业政策与企业创新[J]. 产业经济研究，2018（2）：65-77.

张超林，王连军，袁立华.产业政策对企业技术效率的异质性影响研究：基于中国制造业上市公司的实证检验[J]. 产业经济研究，2019（5）：39-50.

黄海霞，张治河.中国战略性新兴产业的技术创新效率：基于DEA-Malmquist指数模型[J].技术经济，2015，34（1）：21-27+68.

朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响：上海市的实证研究[J].经济研究，2003（6）：45-53+94.

邵云飞，穆荣平，李刚磊.我国战略性新兴产业创新能力评价及政策研究[J].科技进步与对策，2020，37（2）：66-73.

蔡绍洪，彭长生，俞立平.企业规模对创新政策绩效的影响研究：以高技术产业为例[J]. 中国软科学，2019（9）：37-50.

孙早，席建成.中国式产业政策的实施效果：产业升级还是短期经济增长[J].中国工业经济，2015，328（7）：52-67.

Research on Performance Evaluation and Influencing Factors of Innovation Policy for Strategic Emerging Industries

1.Jiangxi Normal University Nanchang， Jiangxi 330022

2.Jiangxi Normal University， Regional Innovation and Entrepreneurship Research Center

Nanchang， Jiangxi 330022

ZHANG Jingwen1，2 TONG Jinyao1 XU Li1

Abstract： Innovation policy helps to guide and promote the rapid development of strategic emerging industries and plays an important role in accelerating the construction of modern industrial system in China. Based on the DEA-Malmquist index method， this study measures the innovation policy performance of China’s strategic emerging industries from 2010 to 2018， and uses the panel data regression model to explore the influencing factors of strategic emerging industry innovation policy performance. The research shows that the innovation policy performance of strategic emerging industries in China is at a high level as a whole， and shows a fluctuating upward trend， and there are obvious differences in policy performance among the eastern， central and western regions. Industrial scale， enterprise innovation willingness， degree of marketization， scientific and technological level and policy support have a significant impact on innovation policy performance， while scientific and technological level and policy support have a significant positive impact on industrial innovation policy performance.

Keywords： strategic emerging industries; innovation policy; performance evaluation; influencing factors