政府资助、创新人力资源错配与区域创新绩效：基于门槛效应的检验

陈子韬，孟凡蓉，张润强

(1. 上海交通大学 国际与公共事务学院，上海 200030；2. 西安交通大学 公共政策与管理学院， 陕西 西安 710049)

0 引言

2021年9月，习近平总书记在中央人才工作会议上强调，人才是创新的第一资源，创新驱动的本质是人才驱动，必须坚持人才引领发展的战略地位，深入实施新时代人才强国战略。在贯彻落实创新驱动发展战略和人才强国战略过程中，我国加快建设以政府为主导、企业为主体的国家创新体系，在取得瞩目成就的同时，也暴露出一些发展模式问题[1]。由于创新活动的外部性、高成本和高风险特征[2]，市场机制配置创新人力资源或多或少存在失灵现象，在结果上表现为创新人力资源错配，即创新人力资源配置未达到最优水平[3-5]，在一定程度上阻碍了创新绩效提升[6-7]。

作为“市场失灵”的应对，创新活动中政府的介入被认为是优化资源配置的重要方式，这些介入主要表现为补贴、项目等政府资助形式[2，8]。但政府干预仅能缓解负面影响[9]，不可能完全解决创新人力资源错配问题，再加上政府机制并非完美，也会出现失灵现象[10-15]。关于政府资助与创新活动的关系，已有研究从不同角度展开实证分析，但结论存在明显分歧[16-17]，且多数研究未关注政府资助情景和目的：一方面忽视了政府资助作用的条件性，从而难以拆解其对创新活动的异质性影响；另一方面忽视了政府资助所处现实情景的复杂性，难以为决策者提供可靠依据。

面对加快科技强国建设的迫切需求，“政府扮演何种角色、如何改善治理模式以鼓励和促进创新”不仅是学术研究中需要系统回答的问题[1]，也是创新发展实践中处理好“市场—政府”关系的关键内容。因此，本文聚焦于政府资助与区域创新绩效关系，重点考察创新人力资源错配对政府资助影响的门槛效应，整体上采用实证思路开展研究，以期为政府决策提供参考。

1 文献综述

1.1 区域创新系统与区域创新绩效

创新是指在现有资源基础上对知识和技术进行整合、吸收及再创造，并在此过程中创造价值和实现效益的活动。创新内容不仅包含新的知识体系和技术发明，也包括新的价值和效益[17]。创新具有科技与经济双重属性，而区域被认为是从系统角度探究创新活动的合适尺度[10，18]。区域创新系统是支持并促进创新的区域性组织系统，在区域创新活动和创新发展中发挥基础性作用[19-20]。区域创新绩效是区域创新系统各功能模块运行的综合结果，具体表现为创新产出和创新收益[18]。区域创新系统在多层次创新体系中发挥重要的承上启下作用，既是宏观层面国家创新系统的向下延伸，也是微观层面企业创新系统的向上扩展[21]。因此，企业作为创新活动主体[10]，其创新活动水平也会反映在区域创新绩效中。

目前关于区域创新绩效的研究成果较丰富，整体上分为两个方面。一是区域创新绩效描述与测度，侧重于呈现区域创新绩效的时空分布特征。上述研究多使用数据包络分析、随机前沿分析等量化方法，基于创新生产过程，从效率维度体现创新活动绩效。大多数研究发现，我国区域创新绩效有较大提升空间，且资金、人力等创新资源并不能完全转化为创新产出[20，22-25]。也有少数研究从创新产出角度，描述区域创新绩效的分布特征[26]。二是区域创新绩效的影响因素，重点探究区域创新绩效的制约因素及提升策略。由于区域创新绩效可从过程和产出两方面衡量，因此一部分研究从区域创新绩效产出方面入手，侧重于探索提升专利等创新产出的方式[10，27-28]，另一部分则强调区域创新绩效的过程机制，将区域创新效率作为研究的因变量[15，29]。虽然这些研究的侧重点不同且研究结论差异较大，但依然存在一些共识，其中，不同形式的政府资助被认为是区域创新绩效的重要影响因素，并得到实证分析支持[16，30]。

整体而言，已有的区域创新绩效研究为本文提供了良好的分析基础，但也存在不足。一方面，基于测算结果得出，我国区域创新效率有待提升[24-25]，反映出创新资源未充分利用，资金、人力等创新资源存在错配。另一方面，政府以资助等形式参与创新活动被认为是影响区域创新绩效提升的重要因素[16,30]，并被视为应对资源错配的有效举措[8]，但是少有研究将其置于创新资源错配的背景下进行讨论。尤其对于处于转型期的中国，创新驱动发展战略的核心在于纠正人力资源错配的不良影响[7]。

1.2 创新资源错配与政府资助

资源错配表现为资源配置实际状态与理想状态的偏离程度。由于其成因复杂且克服条件苛刻，资源错配被视为一种客观存在的状态[5，31]。由于创新活动具有正外部性和高度信息不对称特征，市场机制难以保障创新资源得到有效配置，尤其是在要素和产品市场发育尚不完善的新兴经济体中创新资源错配问题更加突出[11]。对处于转型期的中国而言，人力资源配置失灵现象更明显并导致人力资源错配[9]。在直接测算人力资源错配程度的基础上，一部分研究关注创新资源错配对创新产出和效率的影响[3,32]，另一部分研究分析了导致创新资源错配的主要因素[4,33]。其中，要素价格扭曲测算是使用较多的一种方式，并且政府在创新资源错配中具有一定影响力[4,32]。

由于在创新资源配置过程中存在市场失灵，发挥政府作用成为提升创新绩效、建设创新体系的普遍做法[2,11]。我国政府也以多种形式参与创新活动，如通过设立科技项目或提供资金补贴等形式支持研发活动[1]。然而，政府资助作为市场失灵的应对方式和创新资源配置的有效手段，其自身也面临失灵风险。实践中，政府资助并非总能提升创新绩效，其存在地区与行业差异[11,15]。整体而言，关于政府资助对创新绩效的影响，现有研究存在“促进”与“抑制”两类对立观点，分别认为政府是市场作用的补充和替代[29]。

支持“促进”观点的研究认为，政府资助能够弥补市场失灵导致的创新资源配置与创新保障不足。一方面，由于创新活动具有显著的外部性特征，并且高收益与高风险并存，导致企业等创新主体的创新投入未达到有效水平，而政府资助能够弥补上述投入不足，保障创新活动拥有足够投入[2]。另一方面，相对于其它创新主体，政府拥有信息汇聚与制度权力优势，政府资助体现了其对创新主体的制度支持与政策优待，有助于提升创新活动的过程效率[13]。因此，政府资助被认为能够促进创新活动产出水平[11]。

此外，有相当数量研究支持“抑制”观点，即政府由于能力不足或资助失效，无法有效引导和保障创新活动开展。首先，政府不具有创新专业性，即便能够汇聚单个创新主体难以企及的信息，也可能由于信息处理和市场预判能力有限，在资助群体选择方面出现战略决策失误[13]。其次，由于政府对企业创新活动存在信息不对称，可能资助了低效率的创新主体，导致“劣币驱逐良币”，同时，破坏公平竞争的市场环境，诱导企业为获取补贴等政府资助而从事虚假创新[4]。再次，政府资助会扰乱要素市场价格，干扰创新主体决策，导致自身创新投入被挤出[11]。最后，政府资助往往附带政府对企业的要求，对企业创新决策形成约束，降低企业根据市场信息动态调整创新活动的能力。

整体而言，现有研究呈现了政府在创新活动中的作用方式和影响机制，为解释政府资助对区域创新绩效的实际影响提供了扎实基础。创新资源错配作为市场失灵风险的具体表现，也是政府资助在创新活动中亟待解决的重要问题，却在现有研究中未有明确体现。我国政府在创新投入中发挥重要作用[1],由于政府资助可能导致资本市场要素价格扭曲，且研发投入强度已经被纳入政府规划目标，因此，从某种程度而言，资金错配不适合作为探究政府作用的情景因素。相对而言，创新人力资源作为创新活动的基本载体，能够为区域创新系统运转提供基础条件(李拓晨，梁蕾，李韫畅，2021)。由于其错配无法完全避免，政府更多地采取应对式方法消除其不良影响[9]，并且我国创新活动中的人力资源配置存在稀缺与过剩并存现象[7]，使得创新人力资源错配成为探究政府作用的重要情境，为整合“抑制”和“促进”两种对立观点提供了可能。同时，由于创新人力资源存在培养周期和流动限制等固有属性，其错配状态相对稳定，以其作为情境因素进行探究更易获得具有操作性的对策建议。

2 研究假设

基于区域创新系统功能视角，区域创新绩效由创新投入水平与创新过程效率共同决定[18]，现有研究分析了资源错配对区域创新活动两阶段的影响。一是在投入阶段，资源错配会影响创新主体投入决策，致使关键的创新资源投入减少。如张杰等[34]、周申与海鹏[35]基于企业层面的实证分析发现，要素市场价格扭曲会抑制企业研发资源投入规模和投入意愿。由于企业是区域创新系统的基本微观构成(王松，胡树华，牟仁艳，2013)，企业投入规模缩小会在宏观上表现为区域创新系统中投入水平降低。二是在研发阶段，资源错配干扰市场方向的信息传递，抑制创新活动开展，导致创新效率降低。如Hsieh&Klenow[22]基于美国资源配置情况的对比分析发现，资金与人力资源错配造成约30%～50%的生产效率损失；白俊红和卞元超[36]基于我国省级面板数据研究发现，人力与资本要素市场呈现强扭曲状态，并导致区域创新效率损失。综合两个阶段的影响，现有研究已经揭示资源错配对创新活动存在负面影响。有少数研究进一步聚焦于人力资源错配，探究其对区域创新绩效的影响。如李平和季永宝[37]以省级区域为研究对象，验证了要素价格扭曲对创新决策和创新活动的抑制作用，其包含资金要素和劳动力要素；李静等[9]采用2001-2013年省级区域面板数据，验证了人力资源错配引起的创新动力不足问题；李勇和马芬芬[38]基于省级面板数据，验证了人力资源错配通过对专利等技术创新的抑制作用，进而影响区域层面的产业结构升级。虽然现有人力资源错配研究主要面向广义范畴的生产要素，尚未聚焦于创新人力资源[4]，但已经明确其对创新活动有负面影响。创新人力资源错配作为更聚焦的概念，其与创新活动的关系更密切，负面影响也更突出。基于上述分析，本文提出以下研究假设：

H1：创新人力资源错配与区域创新绩效呈负相关关系。

为了应对市场失灵风险，创新活动中的政府资助获得了学术界的广泛关注。目前有相当数量的实证研究发现，创新活动中的政府资助有助于提升区域创新绩效。在区域创新活动过程方面，政府资助被认为是提升创新效率的重要手段。如李政等[13]区分了政府参与区域创新活动的基本形式，通过实证分析发现，政府主导资金的直接参与对区域创新效率产生显著正向影响；柳卸林等[16]以30个省级区域面板数据为基础，研究发现政府研发补贴能够正向提升区域技术创新效率，并且该正向影响在不同发展方式下无显著差异。在区域创新活动的投入和产出方面，相当数量的研究基于实证分析，验证了政府资助的促进作用。如白俊红[39]基于我国工业行业面板数据发现，政府R&D资助能够提高企业R&D支出与创新产出；Szczygielski等[40]通过对比两国企业数据进行实证分析，发现政府资金支持均能够提升创新绩效。由于企业是区域创新系统的基本构成[10]，政府资助在企业层面对创新绩效的促进作用也会扩展提升至区域层面。有学者通过分析我国省级面板数据发现，表现为研发投入的推力型政府资助能够显著提高专利产出(张攀，吴建南，2017)。虽然政府资助在创新活动中的促进作用获得一定数据支持，但另有研究认为，政府自身也面临失灵风险，在创新活动中具有负向作用，抑制了区域创新绩效提升[15,29]。相关研究涉及面向企业、城市、国家等不同层级的实证分析，表明政府资助并不必然能够提升创新绩效，甚至最终表现为抑制作用[23-24]。综上，政府资助对创新活动的影响存在双面性，既可能通过提供保障方式发挥促进作用，也可能造成约束，产生抑制效果。由于两种作用均存在，实际的政府资助效果取决于上述作用的相对强弱程度。如果政府资助的促进作用更强，则政府资助对区域创新绩效存在正向影响。考虑到创新对区域发展的积极意义，实践中政府资助的核心目标在于提升创新绩效、促进创新发展，负向作用主要是由政府能力不足和资助不当导致的。因此，本文提出如下研究假设：

H2：政府资助与区域创新绩效呈正相关关系。

关于政府资助对创新的影响，促进论或抑制论长期处于对立状态，两者均拥有大量证据支持。整体而言，二者对政府资助作用的解释逻辑并不矛盾，而是强调政府与市场关系的特定方面，并且由于实证分析对象和数据类型存在差异，导致不同的作用结果。因此，政府资助对创新绩效的影响天然存在双面性，现实中的结果也取决于其特定条件[15]。白俊红和卞元超[11]通过面板数据分析，验证了资助形式的政府支持对产学研协同创新的正向作用存在门槛效应，说明政府资助对创新活动的影响并非是完全线性的；叶祥松和刘敬[29]通过梳理国内研究，发现2007年及之前的实证研究多发现政府支持不利于创新活动，而2007年后的研究发现政府支持对创新活动有促进作用，并认为技术市场发展是导致该结果的解释因素。在我国实施创新驱动发展战略的过程中，伴随科技投资增大和科技人才规模扩大，传统的创新资源配置模式也逐渐暴露出其局限，成为制约创新发展的主要障碍[1]。创新人力资源错配既反映出市场机制在创新活动中的失灵状态，也是决定政府作用的重要条件[9]。王文和孙早[4]测算了地区研发资源错配情况，发现政府在研发资源配置过度地区表现为负向作用，在研发资源配置不足地区表现为正面作用。与之类似，当创新资源高度错配时，市场机制难以发挥作用，而政府资助能够更好地发挥促进作用；当创新资源趋近于有效配置时，政府资助的抑制作用更突出。因此，错配作为创新资源配置的客观状态，一方面会直接影响创新产出，另一方面也会影响政府资助对创新绩效的作用，导致呈现出不同结果。因此，本文基于以上分析提出如下研究假设：

H3：创新人力资源错配在政府资助对区域创新绩效的影响中存在门槛效应。

综上，3个研究假设构成本文分析框架，如图1所示。可以概括为，区域创新系统通过创新活动，将创新资源转化为区域创新绩效。由于市场机制不完善，创新人力资源错配会对区域创新绩效产生影响。政府基于提升区域创新绩效的目的会干预创新活动，但对区域创新绩效存在抑制和促进两种作用，其实际结果取决于两者强弱对比关系。该关系由创新人力资源错配这一区域创新协同的客观状态决定，即创新人力资源错配对政府资助影响的门槛效应。

图1 政府资助对区域创新绩效影响的分析框架Fig.1 Analytical framework about the impact of government funding on regional innovation performance

3 研究设计

3.1 模型构建

为了检验研究假设，利用面板数据分析技术开展实证检验。结合上文所述，本文分析的关系中包含线性关系和门槛效应两种类型假设。首先，为验证假设H1和H2，构建线性模型，具体如下所示：

Innovationit=β0+β1RMit+β2GFit+βZ+μi+λt+εit

(1)

式中，Innovation表示因变量区域创新绩效，GF和RM分别表示政府资助与创新人力资源错配，Z表示控制变量，β为待估计系数，μi、λt、εit分别表示个体效应、时间效应、随机效应。若β1<0，则假设H1得到支持。若β2>0，则假设H2得到支持。

为进一步验证研究假设H3，在上述模型基础上构建门槛模型，具体如下：

Innovationit=β0+β1RMit+∑βTGFitI(·)+βZ+μi+λt+εit

(2)

式中，βT表示门槛回归系数，其赋值情况由门槛数决定。I(·)为示性函数，当括号条件为真时取值为1，否则取值为0。以双门槛为例，模型可以表示为:

(3)

3.2 变量测量

3.2.1 因变量与自变量

对于因变量区域创新绩效Innovation，由于其本身是一个复杂概念，现有测量方式主要分为3种：一是从创新产出和经济效益角度出发，主要使用专利数据、新产品销售收入、技术市场成交额等；二是从创新活动过程角度出发，主要使用基于投入产出测算得到的创新效率[15,29]；三是融合多个角度，采用多维度的综合指标进行测量[18]。整体而言，专利数据在我国统计体系内拥有较一致的统计口径，数据质量较高，能够从产出角度较准确地衡量区域创新水平[26]。因此，本文使用专利申请量衡量区域创新绩效Innovation，侧重于反映区域创新活跃程度。

对于自变量政府资助GF，采用R&D内部支出中政府资金占比进行衡量。政府资金是政府干预创新活动的直接表现，体现为对创新的推力，同时能够在一定程度上展现正式制度支持程度。R&D内部支出中政府资金占比能从资金资助结果角度反映政府对创新活动的影响，在已有研究中应用较普遍[42]。考虑到在资助研发项目时政府可能偏向于创新绩效高的创新主体，为规避内生性风险，实际测量使用滞后一期的数据。

3.2.2 门槛变量

创新人力资源错配RM属于资源错配的一种类型，反映出创新人力资源配置的实际状态与理想状态的偏离程度，通常使用人力要素价格扭曲系数估算，具体计算公式如下：

(4)

(5)

借鉴以往研究，人力产出弹性βLit采用索洛余值法估算，假定创新产出的生产函数为规模报酬不变的C-D生产函数形式，具体如下：

(6)

式中，Y表示创新产出，即区域创新绩效，K表示创新资金。两边同取自然对数，并调整为面板数据形式，得：

(7)

当创新人力资源错配RM数值为0时，表示创新资源处于有效配置状态，大于0和小于0分别表示创新资源配置处于不足与过度状态。该数值绝对值反映了错配程度，其中，绝对值越大表示错配程度越严重。数值正向提升表示创新人力资源配置向配置不足发展，负向提升表示创新人力资源配置向配置过度发展。考虑到创新人力资源错配RM在模型中存在高内生风险，使用滞后一期的数据衡量。

3.2.3 控制变量

考虑到区域创新绩效影响因素的特点，从两个方面选择控制变量：一方面是从创新活动投入角度，将创新资金K和创新人力L纳入控制变量。考虑到创新投入通常作为创新产出的原因，其内生性较弱，故使用当期数据进行分析。另一方面是从创新活动环境角度，选择地区发展水平GRPpc、技术市场发育TechMarket、制度环境InstitutionEnv、国际合作Internation作为控制变量，分别采用人均地区生产总值、技术市场成交额占GDP比重、市场化指数、国际资金占R&D内部支出比重衡量。考虑到这些变量存在较高的内生性风险，因此使用滞后一期数据进行分析。

3.3 数据说明

考虑到数据的可获取性，使用2010-2019年我国内地30个省级区域(西藏地区由于数据缺失较多，未纳入研究范畴)的面板数据进行分析，数据来源于《中国科技统计年鉴》、国家统计局及相关公开报告，其描述性统计结果如表1所示。由于创新活动具有地理空间集聚特征，且区域能够更好地反映创新活动中的知识学习，因此省级区域是研究中国创新的合适单元[18]。

表1 变量描述性统计结果Tab.1 Descriptive statistics of variables

由于区域创新绩效Innovation、创新资金K、创新人力L使用绝对数衡量，并作自然对数化处理，以避免变量数量级过大而导致异方差风险。对于经济变量存在的通胀因素，均以2009年为基期进行平减调整。其中，地区发展水平GRPpc使用GRP平减指数进行调整，由国家统计局提供的名义地区生产总值和地区生产总值指数计算得到；创新资金K计算中的R&D内部支出数据采用R&D经费平减指数进行调整，由55%居民消费价格指数和45%固定资产投资价格指数综合计算得到[11]。制度环境InstitutionEnv使用市场化指数衡量，来源为《中国分省份市场化指数报告(2018)》。由于数据报告年份仅至2016年，参考已有研究做法，基于历年平均增幅，将数据外推至2019年(马连福，王丽丽，张琦，2015)。

4 数据结果与讨论

4.1 线性模型回归结果

根据模型设定，使用Stata15.0进行数据处理。根据表1的描述性结果，各变量组间标准差远大于组内标准差，并且F检验和Hausman检验结果分别为25.72与78.59，均在1%的水平下显著，因此选择固定效应面板模型进行数据拟合。结果如表2所示，其中，标准误均采用稳健标准误。

相较于Model1，Model2控制了时间效应，两者均在1%的显著水平下通过F检验，说明模型数据拟合情况良好。由于固定效应模型控制了个体效应，R2偏高，但控制时间效应后，R2仍有明显提升。在具体系数方面，创新人力资源错配RM的系数均在1%水平下显著为负，说明创新资源指数越大，配置水平越趋于不足，区域创新绩效则越低。创新资源是支撑创新活动的基础，创新资源配置不足会阻碍创新活动开展。政府资助GF的系数均不显著且数值较小，说明政府资助在整体上并未表现出特定影响方向，该结果可能是两种差异化影响混合所致，有待使用门槛模型展开进一步检验。

4.2 门槛模型回归结果

在固定效应面板数据的基础上，使用Hansen提出的基于个体固定效应的门槛回归模型进行拟合，其基本原理：首先对原方程两边进行时间平均，得到时间平均方程，再将时间平均方程与原方程相减，得到离差方程，然后运用自举法(Bootstrap)扩展样本数量，基于离差方程，依次对递增数量的门槛效应进行检验。在具体参数设定方面，参照普遍做法，将精度(Trim)设置为0.01，自举次数设置为3 000次,不同门槛数量的模型检验结果如表3所示。结果显示，创新人力资源错配RM单门槛效应模型检验结果在10%的水平下显著，拒绝无门槛假设；同时，双门槛模型检验结果同样在10%的水平下显著，拒绝单门槛假设；三重门槛模型检验结果未通过。图2为双门槛效应的似然比函数曲线，辅助验证了创新人力资源错配RM对政府资助GF具有双门槛效应，具体门槛值估计结果如表4所示。结果显示，创新人力资源错配RM的两个门槛值分别为-1.755 6和-0.974 8，并且95%的置信区间不重叠。

表2 线性模型结果Tab.2 Result of linear regression model

表3 基于Bootstrap的门槛模型检验结果Tab.3 Result of threshold regression model based on Bootstrap

表4 基于双门槛模型的门槛估计结果Tab.4 Results of threshold estimation based on double-threshold model

图2 基于双门槛模型的似然比分布Fig.2 Distribution of LR statistics based on double-threshold model

根据双门槛模型形式，对模型数据进行拟合，结果如表5所示。模型拟合的F检验结果在1%水平下显著，说明模型拟合情况良好。R2相较于线性模型回归结果有所增大，说明选择门槛效应模型有助于提升模型解释力。创新人力资源错配RM系数依然在1%的水平下显著为负，但数值相较于线性模型回归结果有明显变小，说明创新人力资源错配会损害区域创新活动，但适当的政府资助能够在一定程度下降低损害程度。在不同门槛区间内，政府资助GF系数均在5%的水平下显著，并且具有不同发展方向，在一定程度上解释了政府资助GF在线性模型回归结果中不显著的原因，即未能区别出创新人力资源错配RM的门槛效应。

具体而言，当创新人力资源错配RM小于第一门槛值(-1.755 6)时，政府资助GF系数在5%的水平下显著为负，说明在创新人力资源错配严重过度时，政府资助不利于区域创新活动开展，表现出消极作用。政府资助的积极作用主要是弥补由于外部性和高风险性导致的企业投入不足，当资源配置过度时，政府资金反而对创新活动形成方向限制[2]，约束创新主体自主性。

当创新人力资源错配RM处于第一门槛值(-1.755 6)和第二门槛值(-0.974 8)时，政府资助GF系数在1%的水平下显著为负，且数值大于前一种情况，说明在创新人力资源错配为一般过度时，政府资助会严重抑制区域创新活动，表现出强消极作用。一方面，作为创新主体的企业会保持一定投入，政府资金的介入会降低其创新投入意愿[39]，并且政府资助也会影响企业对创新活动市场价值的判断，导致创新决策失误概率增大。另一方面，政府资助可能诱发虚假创新行为[4]，尤其当人力资源集聚但是未产生明显过度信号时，可能加剧政府对企业创新活动的误判，阻碍创新活动开展。

表5基于双门槛模型的检验结果Tab.5 Result of double-threshold regression model

当创新人力资源错配RM大于第二门槛(-0.974 8)时，政府资助GF的系数在5%的水平下显著为正，说明当创新资源配置出现轻度过度或者不足时，政府资助有助于提升区域创新绩效，表现出积极作用。政府资助主要是为了应对创新活动中的市场失灵，由于创新活动具有高风险和高收益并重的特点，市场失灵主要表现为创新投入不足，因此政府直接资助和间接引导均能够促使资源投入达到有效水平[8]。同时，政府具有信息优势，能够汇总分散的行业信息，在制定创新战略的过程中作出合理决策，并且政府资助能够发挥市场信号作用，引导创新资源汇聚[42]，因此在创新资源配置轻度过度时政府资助亦能发挥积极作用。

综上，根据数据结果，假设H1和H3得到支持，假设H2在创新人力资源错配RM跃过第二门槛值时得到支持。

4.3 讨论：区域异质的干预策略

创新人力资源错配RM的估算结果如图3所示，其中，每个点表示30个省级区域在对应年份中的错配指数。整体而言，在观察期的11年内创新人力资源错配地区的分布较稳定，大部分地区的错配指数集中于-2.00～0.50的区间范围内，创新资源配置处于低水平过渡至低水平不足状态。少部分地区创新人力资源错配指数表现为异常值，绝对值较大，说明存在较突出的错配情况。

2019年创新人力资源错配指数地区分布如表6所示，据此，可根据门槛模型拟合结果对地区政府资助作用进行类型划分。在研究涉及的30个省级区域中，20个地区的政府资助表现为积极作用，有助于进一步提升创新资助力度，与市场机制形成良好互补。值得注意的是，江苏、浙江、山东、重庆的错配指数为正，且前两项数值较大，说明这些地区创新资源配置不足，该类地区政府有必要加大创新资助，促进区域资源投入。在其余10个地区中，创新资源配置均存在严重过度情况，政府资助表现为消极作用。这些地区需要重点调整创新干预策略，降低资金、补贴等政府资助强度，转变干预策略，将创新政策重点聚焦于市场培育和创新环境营造，优先恢复市场机制在创新活动中的作用。

图3 创新人力资源错配指数的时间分布Fig.3 Temporal distribution of misallocation index of innovative human resource

5 结论与启示

本文分析了政府资助与创新人力资源错配对区域创新绩效的影响，考虑了创新人力资源错配在政府资助影响创新活动中的门槛效应，并基于省级面板数据进行实证分析，得到3个结论：①创新人力资源错配对区域创新绩效存在显著负向影响；②政府资助在资源配置不足和轻度过度时能够显著提升区域创新绩效，但在资源配置严重过度时具有消极作用；③政府资助在约2/3的省级区域表现为积极作用，其余表现为强弱不同的消极影响。

基于上述发现，面向加快建设科技强国和构建新发展格局，本文提出如下政策启示。

(1)形成创新人力资源错配动态检测机制。由于创新资源配置是一个动态过程，在创新人力资源存在不同程度错配的情况下，政府资助会表现出不同创新绩效。因此，动态把握创新人力资源错配程度成为优化政府资助举措的关键，需要以省级统计部门为主导，协同其它部门，构建区域创新人力资源配置的长期监测机制，提供以季度或月度为时间单位的创新人力资源错配报告清单，并构建省、市、县(区)三级政府信息传导机制，为区域各级政府动态调整资助政策提供信息参考。

(2)构建政府资助创新活动的分级分类工具体系。 由于区域之间的发展水平和创新基础存在差异，政府资助所面对的创新人力资源错配状况及其成因也有所不同。因此，政府资助创新活动的举措不应该是单一、机械的，而应该形成一套分级分类的政府资助工具体系，根据创新人力资源错配情况进行动态调整。如根据创新人力资源主要工作内容，分级为基础研究类、应用研究类、技术开发类、成果转化类，并根据不同类型创新活动探索事前资助、事中补贴、事后奖励、基础设施帮扶等多样态资助举措，灵活采用“赛马制”“揭榜挂帅”等新型研发资助模式。

表6 2019年各区域创新人力资源错配指数及政府资助作用类型Tab.6 Regional distribution of misallocation index of innovative human resource and the impact type of government funding in 2019

(3)提升区域协同创新水平，实现创新人力资源高效自由配置。以长三角地区为例，模型结果显示，江苏、浙江的错配指数为正，而安徽、上海的错配指数为负，说明即使是区域一体化程度较高的长三角地区，其区域创新人力资源配置效率仍有较大提升空间。因此，要进一步优化区域创新布局并实现创新人力资源高效配置，着力提升区域协同创新能力。如2020年12月科技部印发《长三角科技创新共同体建设发展规划》，明确提出建设长三角科技创新共同体。我国其它省区都应加大区域科技创新共同体建设，健全科技人力资源共享合作机制和创新平台，联合开展共性技术研发和“卡脖子”技术攻关，促进创新人力资源高效配置。

在研究贡献方面，本文基于实证分析验证了政府资助对区域创新绩效的非线性影响，并将创新人力资源错配引入两者关系中，探讨创新人力资源错配影响政府资助的门槛效应，整合了以往研究中关于政府资助“促进论”和“抑制论”两类对立观点，丰富了相关理论研究。同时，本文以“坚持市场在资源配置中起决定性作用”为基本政策背景，回应了如何“更好发挥政府作用”的实践需求，明确了政府在创新活动中更适合采用因地制宜、分类分级的资助策略，为进一步推进创新驱动发展战略、深化科技体制改革提供了决策依据。

由于数据获取性和研究篇幅等方面约束，本文存在一定研究不足，未来可进一步深入挖掘，主要体现在以下三方面：第一，理论深度有待挖掘。本文遵循实证分析思路，在已有研究基础上提炼出研究假设并形成分析框架。虽然本文通过省级面板数据验证了创新人力资源错配在政府资助对区域创新绩效的影响中存在门槛效应，但是仅局限于量化关系的呈现，在政策工具、主体动机、政策调试等方面的理论分析尚有待挖掘。未来研究可以根据政府资助作用类型不同，开展多个区域的案例比较研究，或者根据政府资助作用类型发生改变的单个区域开展纵向案例分析，进一步明确其中的内在影响机制。第二，分析尺度有待扩展。本文立足于区域层面展开讨论，重点关注省级地方政府资助创新活动的效果。区域作为一个中观尺度，是国家尺度的向下延伸和企业尺度的向上扩展[23-24]，即使被认为是从系统角度研究创新的合适尺度[10,20]，但所得研究结论在其它尺度上的适用性仍需进一步检验。未来研究可进一步向上和向下拓展研究情境，关注创新人力资源错配是否依然在政府资助对创新绩效的影响上具有门槛效应。如向上探寻国家层面人才项目资助效果及改进策略，向下关注政府对科创企业的资助绩效及优化策略。第三，数据精度有待提升。出于数据获取性、可靠性和完整性的考虑，本文主要从统计年鉴及相关官方统计渠道获取二手数据，存在较大滞后性，难以反映近2年政策实践效果，在一定程度上弱化了政策参考价值，并且无法涵盖所有创新活动的描述性指标。未来研究可考虑采用地方政府的年度公开报告等数据，提升数据时效性，并且扩展第三方数据来源，多方位强化数据精度，进一步提升研究决策的参考价值。