高新技术企业识别及激励政策有效性：数量激励导向下的效率损失

冯海波 楼清昊

一 引 言

近年来，随着我国国内劳动力成本上升和技术水平接近世界前沿，依靠低要素成本吸引外国投资、以技术引进与外溢效应提升本国生产技术水平的旧发展模式难以为继。要进一步推动经济发展就必须加大科技投入，将科技创新作为推动高质量发展的主要动力。党的十八大正式提出实施创新驱动发展战略，我国研究与试验发展(R&D)投入规模快速攀升，从2012年的1.03万亿元增长至2021年的2.79万亿元，研发强度(R&D支出占GDP比重)从2012年的1.98%上升至2021年的2.44%。按研发部门划分，我国企业部门在研发领域发挥了主导作用，其研发投入占全社会研发投入的比例常年维持在70%左右，其中规模以上工业企业的研发支出又占到了所有企业研发支出中的大部分。以2017年为例，规模以上工业企业的研发经费内部支出为1.2万亿元，占我国全部研发经费内部支出的68.23%，占我国所有企业研发经费内部支出的87.94%。在这样一种创新资源投入结构下，企业创新效率高低将直接影响我国创新体系的效率。为更好地推进我国经济的高质量发展，也需要在不断加大创新资源投入的同时，大力提升企业部门的创新效率。

为激励企业加大技术创新投入，我国各类科技政策都非常重视创新数量指标的设定与运用。例如，2006年颁布的《国家中长期科学和技术发展规划纲要(2006—2020年)》提出我国“到2020年，全社会研究开发投入占国内生产总值的比重提高到2.5%以上，力争科技进步贡献率达到60%以上，对外技术依存度降低到30%以下，本国人发明专利年度授权量和国际科学论文被引用数均进入世界前5位”，上述数量型指标为我国科技创新工作提供了参考坐标与努力方向。为降低政策执行成本，加速创新数量达标，各类创新激励政策都以严格的数量型指标作为获取相应资质的门槛性要求。以高新技术企业激励政策为例，企业必须满足研发强度、高新技术产品收入占销售收入比重、研发人员占比等数量型指标的硬性要求，才有资格向有关部门提起相应的申请。由于获得高新技术企业资格能够缓解企业融资约束(王刚刚等，2017)，更加容易获得政府补助(孙刚等，2016)以及更低的所得税率，因此企业有很强的动机利用政府与企业间的技术能力信息不对称，通过操纵研发支出、生产低质量专利、发送虚假“创新类型”信号等方式(杨国超等，2017；林洲钰等，2013；安同良等，2009)，寻得政府的扶持。这样一种“一刀切”式的数量化管理措施，可能使得大量市场主体为了在短期内快速提升数量型指标，以满足资格认定标准，及时获得政策扶持，将宝贵的研发资源投入到低效率策略性创新中，从而造成了效率损失。

为印证上述观点，本文从高新技术企业识别和激励政策有效性两个维度对高新技术企业政策的激励效果进行实证研究。高新技术企业识别方面，本文通过比较创新数量与创新效率对企业获取高新技术企业资格概率的影响，观察高新技术企业识别过程中是否存在重数量、轻效率的倾向。评估激励政策有效性方面，为解决自选择效应，本文使用倾向得分匹配(PSM)方法，从技术水平、盈利能力、企业规模、企业成长性等多个维度对处理组(高新技术企业)与对照组(非高新技术企业)进行匹配，仅保留处理组和对照组重叠的部分后，检验激励政策的实际效果。

二 制度背景与理论假说

根据传统经济理论，技术创新具有正向外溢效应，企业的边际研发成本低于社会边际研发收益，导致实际研发投入低于社会最优水平。为鼓励企业增加研发投入，政府通过财政补贴、税收减免等方式降低市场主体的研发成本，提升市场主体的创新收益。在我国现行激励创新政策体系中，无论是从覆盖面还是激励力度的角度看，高新技术企业认定政策都具有举足轻重的地位。获取高新技术企业资格能够为企业带来数量可观的税收减免与财政补贴。根据《中华人民共和国企业所得税法》，“国家需要重点扶持的高新技术企业，减按15%的税率征收企业所得税”。其中，需要重点扶持的高新技术企业是指经各省高新技术企业认定管理机构认定后，获取了高新技术企业资格的企业。自2008年以来，各省高新技术企业认定管理机构由同级科技行政管理、财政、税务部门共同组成。同时，该办法也明确了税收激励在高新技术企业认定工作中的核心作用。此外，具有高新技术企业资格也是申请诸多中央和地方财政补贴的前置条件。

高新技术企业激励政策按照激励方式的不同可以分为两个阶段：第一个阶段是2008年以前，这一阶段我国实行以区域性政策为主的激励方式，各地设立的高新技术开发区对高新技术企业认定起着决定性作用。具体来看，1996年以前，只有位于国家高新技术产业开发区内的企业才能享受高新技术企业税收减免。1996年以后，虽然将认定范围扩展至高新技术开发区以外的企业，但是两者的认定条件有着较为显著的差异，其中对位于高新技术开发区外企业的认定要求更细致，相关指标限定更为严格。以研发强度为例，位于高新技术开发区的企业需要达到3%，而位于高新技术开发区以外的企业则需要达到4%。到了2000年，科技部提升了高新技术开发区内企业认定要求，在一定程度上弱化了区域性差异。特定条件的地域性差异在文件中真正的消除则要到2008年。2008年，随着《企业所得税法》的正式实施，科技部、财政部与国家税务总局共同修订了高新技术企业认定办法，新办法消除了区域性差异，高新技术开发区内外企业的认定条件趋向一致。新的高新技术企业认定条件中除了对研发强度、研发人员占比等指标有硬性要求以外，还要求申请企业须经过一定流程的组织审查，通过专家评审符合要求后才能获得高新技术企业的认定资格。因此，企业能否最终获得高新技术企业资格是一个由多部门共同协调认定的结果。我国目前负责高新技术企业认定的部门为省级科技行政管理部门同本级财政、税务部门共同组成的高新技术企业认定管理机构。由于各省份经济发展阶段、产业结构、财政充裕度、行政效率等因素存在显著差异，因此高新技术企业认定在实际操作过程中存在着一定的地区性差异。

在实际执行过程中，行政部门认定高新技术企业面临最主要的困难是如何准确地识别与评估企业的创新能力与技术水平。由于高新技术领域普遍存在技术壁垒与技术保密，负责评审的机构很难在短时间内全面准确掌握申请公司的创新能力及其市场发展前景，这就导致信息不对称问题在该领域格外凸显。为了降低管理难度与成本，现有管理办法“一刀切”，以数量型指标是否达到门槛标准来筛选申请企业。例如，2008年制定的《高新技术企业认定管理办法》中设置了诸多数量型指标来筛选企业，要求申请企业的研发强度、科技成果转化能力、自主知识产权数量、销售与总资产成长性等一系列指标必须达到规定标准。另一方面，在认定过程中，创新质量却因为严重的信息不对称，难以被行政部门准确地衡量与把握，导致想要寻求政策扶持的企业运用各类方法努力达到数量型指标的门槛。由于高新技术企业资格认定一般会考察一定时期内的企业创新数量指标，这就使得部分企业会在短期内增加低效研发投入，以便在规定期限内达到数量型指标门槛。如果存在大量实行该类策略的企业，就会使得高新技术企业资格认定呈现出创新效率的逆向选择特征，即创新数量对高新技术企业资格认定有正向影响，但是创新效率对高新技术企业资格认定反而有负向影响。对此，本文提出假说1。

假说1：创新数量增加了高新技术企业认定的可能性，创新效率降低了高新技术企业认定的可能性。

当前，我国学术界也对产业政策的有效性存在一定争议，有学者认为我国的产业政策存在试图以政府决策与选择来替代市场机制的缺陷(江飞涛和李晓萍，2010)，但是也有学者认为“有为政府”通过政策改善经济圈的产业发展环境，有效发挥了经济圈要素禀赋在国际分工中的比较优势(胡晨光等，2011)。具体到激励技术创新政策，现有研究也尚未达成共识，既有存在正向激励的证据(林洲钰等，2013；张信东等，2014)，也有未达到激励效果的证据(胡凯和吴清，2018；李林木和郭存芝，2014)。本文认为导致估计结果差异如此之大的一个可能原因是，激励政策对创新数量和创新效率的影响存在显著差异。由于我国高新技术企业激励政策存在重数量、轻质量特征，企业为了获取相应的政策激励资格，会通过增加大量低质量创新、降低资源配置效率的方式来适应资格评选要求。这一策略使得大量资源被投入至低效率的创新中，进而造成企业生产率与创新效率的下降。本文据此提出假说2。

假说2：长期来看，高新技术企业资格认定对企业的创新效率有负向影响，对企业的创新数量有正向影响。

三 数据描述与实证策略

(一)实证模型

高新技术企业激励政策自颁布以来经历了多次改革，其中最近的两次分别是在2008年与2016年。2008年，由科技部、财政部、国家税务总局共同印发的《高新技术企业认定管理办法》(国科发火〔2008〕172号)首次制定出统一规范的认定标准，明确了许多认定高新技术企业必须满足的数量型指标要求。2016年，科技部、财政部、国家税务总局修订了《高新技术企业认定管理办法》，放宽了部分数量型指标要求，如取消了大学学历职工的比例要求，取消了核心技术的取得年限要求等。由于政策调整是外部随机事件，因此以上两次政策调整为本文评估高新技术企业认定影响因素及其实施效果创造了有利条件。

综合政策变迁历程，本文基于2008—2016年的面板数据，使用Logistic模型来识别影响高新技术企业认定的因素。构建的回归模型见式(1)：

THR

=

α

+

α

Invt

-1+

α

CMS

-1+

ΓX

-1+

Z

+

A

+

ε

(1)

其中

THR

为是否为高新技术企业的二值变量，如果被认定为高新技术企业则为1，反之则为0。由于认定高新技术企业主要是对企业在过去一段时间的技术创新水平的事后确认，因此如果解释变量与控制变量是可变数值型变量时，本文采取滞后一阶的方法，使其更符合高新技术企业认定的实际情况，同时也避免内生性问题。其中，

Invt

-1为技术创新评价指标，使用企业专利申请数量作为创新数量的代理变量，使用研发投入产出效率作为创新效率的代理变量；

CMS

-1为地方财政紧张程度，使用征管力度一阶滞后项作为代理变量；

X

-1为可变数值型控制变量，主要包含总资产(

LNA

)、销售增长率(

SRR

)、资产负债率(

ALR

)、企业成熟度(

RT

)、净资产收益率(

ROE

)；

Z

为不随时间变化的定性型控制变量，包括是否为高技术产业(

HTI

)、是否为非国有企业(

NSOE

)；

A

为时间虚拟变量。本文估计的核心参数

α

代表技术创新指标对高新技术企业认定概率的影响。

在评估政策效果时，由于参与者并不是随机选定的，获得高新技术企业资格的样本一般具有更强的技术创新能力与更佳的财务状况，如果直接进行回归可能会出现遗漏变量的问题。为缓解因遗漏变量导致的估计偏误，本文使用倾向得分匹配(Propensity Score Matching)的方法，从技术水平、盈利能力、企业规模、企业成长性等多个维度对处理组(高新技术企业)与对照组(非高新技术企业)进行匹配，仅保留处理组和对照组重叠的部分(Common Support)，从而有效控制政策的自选择效应。本文使用2008—2016年的面板数据进行实证分析前，先进行倾向得分匹配，以达到控制自选择效应的目的。具体的政策效果评估模型见式(2)：

IE

, +=

β

+

β

D

, +

ΓX

, +

Z

+

ε

(2)

其中，

IE

, +为被解释变量，代表企业创新效率，本文选取研发投入产出效率作为技术创新效率的代理变量。由于政策效果具有滞后性，本文使用未来

n

期的创新效率作为被解释变量。

D

, 为政策变量，被认定为高新技术企业的样本取值为1，反之则为0。

X

为

t

期的可变数值型控制变量，

Z

为不随时间变化的定性控制变量。本文的主要目的是估计

β

数值，即高新技术企业激励政策对企业各期创新效率的影响程度。

(二)变量与描述性统计

解释变量方面，本文使用专利申请数衡量企业创新数量，使用研发投入产出效率衡量企业创新效率。目前大多数文献以专利申请数量衡量企业创新效率(张信东等，2014；胡凯和吴清，2018；李林木和郭存芝，2014)，本文认为在考察创新效率时不应仅考虑专利，还要考虑投入资源规模，在同等资源投入情况下， 得到的创新成果越少，创新效率越低。为此，本文选取研发投入产出效率来衡量创新效率，即单位研发投入所带来的专利成果，由于当期研发投入一般会在几年后反映出创新成果，本文以未来三期的专利申请数除以当期的研发投入金额来衡量研发投入产出效率。

表1 主要解释变量含义及计算方法

(续上表)

本文所使用的数据，除年末所得税税率数据来源于Wind数据库外，其他所有数据都来源于国泰安数据库。行业划分标准参照证监会出台的《上市公司行业分类指引》(2012年修订)。受西部大开发政策的影响，位于西部地区的企业存在额外的税率式减免，为区分高新技术企业激励政策与西部大开发政策的影响，本文剔除了位于西部地区的企业样本。最后，为去除极端值的干扰，所有变量都在1%和99%的分位数上，进行了Winsorize处理。主要变量的描述性统计见表2。

表2 主要变量的描述性统计

四 高新技术企业识别研究

表3为技术创新数量和创新效率对高新技术企业识别的回归结果。列(1)中仅将专利申请数量作为解释变量；列(2)在列(1)的基础上加入了控制变量；列(3)仅将研发投入产出效率作为解释变量；列(4)在列(3)的基础上加入了控制变量；列(5)将专利申请数量与研发投入产出效率共同作为解释变量且加入了控制变量。结果显示，除列(1)以外，所有的创新数量(

LNAP

)系数都为正，且在1%的水平上显著。这表明创新数量对高新技术企业认定概率具有显著的正向影响。创新效率(

IE

)系数在所有列中均显著为负。并且列(5)结果显示，在加入创新数量指标后，创新效率系数绝对值变大。这表明在控制了创新数量的影响后，创新效率对高新技术企业资格认定具有更强的负向影响。这可能是由于在强烈的数量型激励导向下，部分企业投入了大量资源用以策略性创新，这一行为在提高企业获得高新技术资格概率同时，也大大降低了企业的创新效率。综上，创新数量对企业获得高新技术企业资格具有显著正向影响，创新效率对企业获得高新技术企业资格具有显著负向影响，从而有效印证了假说1。

表3 高新技术企业识别的基准回归

五 高新技术企业激励政策效果的实证研究

(一)倾向得分匹配

为解决自选择效应，缓解内生性问题，本文使用倾向得分匹配的方法，基于2008—2016年的样本，从技术水平、盈利能力、企业规模、企业成长性等多个维度对处理组(高新技术企业)与对照组(非高新技术企业)进行匹配，仅保留处理组和对照组重叠的部分，为检验匹配后的样本是否存在显著差异，本文对倾向得分匹配结果做了平衡性检验。以2008年为例，样本的平衡性检验结果如表4所示。经过匹配后，样本各匹配变量的偏误率都在10%以内，T检验值也全都不显著，这表明匹配后的对照组与处理组在可观测变量上无显著区别，匹配后样本可测变量的偏误率大幅降低，因此本文选取的可观测变量与匹配方法较为合理。

表4 2008年倾向得分匹配的平衡性检验

(二)高新技术企业激励政策对创新效率的影响

根据上文分析，本部分在倾向得分匹配的基础上，使用2008—2016年数据估计高新技术企业激励政策效应，结果见表5。列(1)使用当期研发投入产出效率作为被解释变量，列(2)使用未来一期的研发投入产出效率作为被解释变量，列(3)使用未来两期的研发投入产出效率作为被解释变量，列(4)使用未来三期的研发投入产出效率作为被解释变量。列(1)中，

TRH

回归系数为-0.424，在1%的水平上显著，这表明获得高新技术企业资格在当期对研发投入产出效率具有显著的负向影响；列(2)和列(3)中，

TRH

回归系数分别为-0.335和-0.250，分别在1%和5%的水平上显著；列(2)和列(3)中

TRH

回归系数绝对值小于列(1)，并呈现出逐年缩小的趋势；列(4)中，

TRH

回归系数不显著，这表明高新技术企业资格对创新效率的负向影响仅表现在获得高新技术企业资格后的两年时间内。综上，表5结果有效地支持了假说2，即高新技术企业激励政策会降低企业的创新效率，但是在获得高新技术企业资格一段时间后，这一负向效应将减小，直至不显著。这可能是由于企业在获得高新技术企业资格后，进行策略性创新的动机衰减，低效创新投入逐步减少，从而导致滞后期数越多，高新技术企业资格对创新效率的负面影响越小，直至表现为不显著。

表5 高新技术企业激励政策对创新效率的影响分析

(三)高新技术企业激励政策的数量效应分析

为进一步形成对照，本文在倾向得分匹配的基础上，参照模型(2)，使用2008—2016年数据估计高新技术企业激励政策对创新数量的影响，结果见表6。列(1)使用当期专利申请数量作为被解释变量，列(2)使用未来两期的专利申请数量作为被解释变量，列(3)使用未来两期的专利申请数量作为被解释变量，列(4)使用未来三期的专利申请数量作为被解释变量。列(1)-列(4)

TRH

回归系数都显著为正。从

TRH

回归系数的绝对数值来看，列(1)为0.375，列(2)为0.476，列(3)为0.542，整体上呈现出逐步上升的特点，这表明高新技术企业资格对企业创新数量形成了较强的正向激励。这可能是由于企业在获得高新技术企业资格后，能够将更多的资源投入创新活动，同时随着合规性动机减弱，低效创新投入有所减少，从而刺激创新数量逐年上升。

综上，通过实证发现，高新技术企业激励政策对创新质量具有负向效应，对创新数量具有正向效应，印证了假说2。

表6 高新技术企业激励政策对创新数量的影响分析

六 异质性分析

(一)高新技术企业识别的产权异质性分析

为进一步研究高新技术企业识别是否存在产权上的异质性，按照企业性质进行分类回归，结果见表7。列(1)和列(2)的解释变量为专利申请数量，且列(1)为非国有企业样本回归结果，列(2)为国有企业样本回归结果；列(3)和列(4)的解释变量为研发投入产出效率，且列(3)为非国有企业样本回归结果，列(4)为国有企业样本回归结果。列(1)和列(2)的结果显示，无论是国有企业样本还是非国有企业样本，创新数量回归系数都在1%的水平上显著为正，其中非国有企业创新数量回归系数为0.314，国有企业创新数量回归系数为0.149，这表明创新数量对非国有企业获得高新技术企业资格的正向影响相对更大。这可能是由于国有企业与地方政府之间具有更强的政治关联度，从而导致在高新技术企业识别过程中主管部门对国有企业创新数量的要求相对较小。列(3)和列(4)的结果显示，国有企业创新效率回归系数在10%的水平上显著为负(-0.165)，非国有企业创新效率回归系数在1%的水平上显著为负(-0.266)，且非国有企业组回归系数绝对值小于国有企业组，这表明创新效率对国有企业获得高新技术企业资格的负向影响相对更大。这可能是由于主管部门在高新技术企业资格认定的过程中更加重视国有企业的创新投入规模与行业地位，这一倾向导致许多高投入低创新效率的国有企业反而有更大的概率获得高新技术企业资格。

表7 高新技术企业识别的产权异质性分析

(二)高新技术企业激励政策对创新效率影响的异质性分析

为进一步研究表5的结果是否具有异质性，以未来一期的研发投入产出效率为被解释变量，按照模型(2)，分产权性质和企业生命周期进行回归分析，结果见表8。其中列(1)为非国有企业组，列(2)为国有企业组，列(3)为成长期企业组，列(4)为成熟期企业组，列(5)为衰退期企业组。列(1)和列(2)中，

TRH

回归系数分别为-0.266、-0.455，且都在5%的水平上显著，这表明高新技术企业资格认定同时降低了非国有企业和国有企业的创新效率，但是总体上对国有企业的影响更大。这可能是由于在获得高新技术企业资格后，非国有企业和国有企业都将更多的激励收益投入到创新活动，但是由于国有企业的管理效率低于非国有企业，导致在研发资源增加的同时，国有企业创新效率下降得更快。列(3)

TRH

的回归系数为-0.081，且不显著，这表明高新技术企业资格认定对成长期企业的研发投入产出效率没有显著影响；列(4)和列(5)中，

TRH

回归系数分别为-0.248和-0.766，分别在5%和1%的水平上显著，这表明高新技术企业资格认定对成熟期和衰退期企业产生显著的负向影响，且对衰退期企业的负向影响要强于成熟期企业。这可能是由于成长期企业在面临快速增长的市场需求时，通过策略性创新谋求税收减免与财政补贴的收益远小于扩大生产的收益，从而未产生研发投入产出效率下降的情况，而成熟期和衰退期企业在面临停滞的市场需求时，有更强的动力通过策略性创新谋求税收减免与财政补贴收益，进而导致了创新效率的降低。

表8 高新技术企业激励政策对创新效率影响的异质性分析

(三)高新技术企业激励政策对创新数量影响的异质性分析

为进一步研究表6的结果是否具有异质性，以未来一期的专利申请数量为被解释变量，按照模型(2)，分产权性质和企业生命周期进行回归分析，结果见表9。在未来一期的情况下，

TRH

在所有组别的回归系数都显著为正。这表明从创新数量的角度看，高新技术企业资格认定对所有组别企业创新数量都产生了显著的正向激励。列(2)

TRH

回归系数为0.505，略大于列(1)

TRH

回归系数0.489，表明相比非国有企业，高新技术企业激励政策对国有企业的影响相对更大。这可能是由于在获得高新技术企业资格后，非国有企业和国有企业都将更多激励收益投入到创新活动，从而大幅提升了企业的创新数量。列(5)

TRH

回归系数为0.616，大于列(4)

TRH

回归系数0.434，同时更大于列(3)

TRH

回归系数0.359，表明高新技术企业资格认定对衰退期企业创新数量的影响最大，对成熟期企业创新数量的影响次之，对成长期企业创新数量的影响最小。

表9 高新技术企业激励政策对创新数量影响的异质性分析

(续上表)

七 结论与启示

本文围绕高新技术企业识别及其激励政策有效性开展实证研究。高新技术企业识别方面，通过比较创新数量与创新效率对获取高新技术企业资格概率的影响，检验高新技术企业资格认定政策是否存在创新数量导向下的创新效率损失。高新技术企业激励政策有效性方面，为解决自选择效应，本文使用倾向得分匹配(PSM)方法，从技术水平、盈利能力、企业规模、企业成长性等多个维度对处理组(高新技术企业)与对照组(非高新技术企业)进行匹配，仅保留处理组和对照组重叠的部分后，对激励效果进行检验。结果表明：(1)在高新技术企业识别过程中，创新数量对资格认定有显著的正向影响，创新效率则对资格认定有显著的负向影响。(2)从政策效果上看，高新技术企业激励政策对创新效率有负向影响，但是随着时间推移，该影响逐渐减弱，并转变为不显著，对创新数量则具有持续的正向影响。表明部分企业可能通过策略性创新来寻求政策扶持，这一行为虽然提升了创新数量，但是也造成资源浪费，降低了创新效率。(3)高新技术企业资格认定对创新质量的负向影响具有一定异质性。分产权性质看，高新技术企业资格认定同时降低了非国有企业和国有企业的创新效率，且总体上对国有企业的影响更大；分生命周期看，高新技术企业资格认定对成熟期和衰退期企业产生显著的负向影响，且对衰退期企业的负向影响要强于成熟期企业，这可能是由于成长期企业在面临快速增长的市场需求时，通过策略性创新谋求税收减免与财政补贴的收益远小于扩大生产的收益，而成熟期和衰退期企业在面临停滞的市场需求时，有更强的动力通过策略性创新谋求税收减免与财政补贴收益，进而造成了创新效率的降低。

根据上述研究结论，本文得到以下政策启示：(1)优化高新技术企业的创新质量识别体系。实证结果显示，现行以创新数量为导向的高新技术企业激励政策在提升企业创新数量的同时，降低了企业研发效率，造成了资源浪费与效率损失。由于研发资源具有有限性、稀缺性特点，当大量资源被用于低效的创新活动时，将对实际有效的创新活动产生挤出效应。在我国研发投入快速增长的背景下，低效率的创新活动将严重制约我国高质量发展进程。因此，在高新技术企业认定过程中应加强高质量创新识别体系的建设，淡化创新数量的激励导向，完善创新质量审核体系，通过构建更有效的识别机制提升创新效率。(2)加强对成长期企业的支持力度。从实证结果来看，现行高新技术企业激励政策对成长期企业的创新效率未产生显著的负向效果，这可能是由于成长期企业面临快速扩张的市场需求，进行策略性创新的机会成本相对较高。由于成长期企业规模相比于成熟期企业较小，政府需要负担的激励成本相对更小。加大对成长期企业的激励力度，可以达到花更少的钱获得更好效果的目的。此外，通过加大对成长期创新型企业的激励力度，能够有效降低创新型企业的市场扩张成本，加速新技术普及，优化全社会的资源配置效率。