徐 扬 陶 锋 韦东明

一、引言

随着中国经济进入新常态发展阶段，推动创新驱动的内涵式增长成为促进经济发展转型，实现经济高质量发展的重要方向。党的十八大首次将“创新驱动发展”上升到国家发展战略层面。党的十九大报告进一步指出，要深化科技体制改革，建立以企业主体、市场为导向、产学研深度融合的技术创新体系。作为创新驱动发展最主要的动力来源，如何提升企业创新能力、建立世界一流创新型企业，突出创新型引擎企业的引领作用一直以来都是中国学界和政界关注的焦点和热点问题(冯根福等，2021)，为此，各级政府出台了大量旨在促进企业创新的经济政策。早在20世纪90年代初，中国政府为了加强企业主导的技术创新组织建设，提出要在企业内部建立技术中心。经历了近30年的发展，国家认定企业技术中心数量从1993年的40家上升到2020年1984家，已经成为中国推动企业建设高水平研发机构，开展应用基础研究和前沿技术开发的重要举措。因此，研究国家认定企业技术中心政策的创新效应，对于强化企业主体创新能力，完善关键核心技术攻关的新型举国体制具有重要意义。为此，本文拟回答以下问题：国家认定企业技术中心政策对微观企业技术创新是否存在促进效应，以及这种促进效应是提高了企业创新数量还是创新质量？目前国家认定企业技术中心政策存在哪些环节需要提升？国家级企业技术中心认定能否对行业内其他企业创新发展起到引领示范作用？在国家实施创新驱动发展战略和重点培育创新型引擎企业的时代背景下，厘清上述问题显得尤为关键。

在现有研究方面，与本文研究主题相关的文献主要有两类。一类是资质认定型创新政策对企业技术创新的影响研究。如杨国超、芮萌(2020)研究发现，高新技术企业资质认定政策不仅可以激发企业增加研发投入，而且还能促进创新产出数量和质量同步提升，但通过非真实手段增加创新投入而拥有高企资质的企业，反而降低了其技术创新水平。邱洋冬、陶锋(2021)运用不同的数据样本也得到了类似的研究结论，他们通过构造高新技术企业专利数据集，实证研究发现高企资质认定政策能够提高企业真实性创新水平，但只存在于多次获得认定的企业。Dai and Wang(2019)采用倾向得分匹配基础上的双重差分法实证研究发现高新技术企业资质认定政策并没有导致企业创新激励扭曲，反而提升了企业研发强度和全要素生产率。雷根强、郭玥(2018)、郑玉(2020)研究认为国家高新技术企业认定政策能够发挥积极信号传递作用，通过吸引金融资本和外部技术合作促进企业创新水平提升。相反地，李维安等(2016)、韩凤芹、陈亚平(2020)通过实证研究认为高新技术企业资质会使处于强制度性环境中的企业利用其成为规避税收的工具，企业可能通过主动迎合资质要求而进行策略式创新。章元等(2018)对中关村高新技术企业数据研究发现，政府税收优惠对高新技术企业自主创新存在挤出效应，获得补贴企业往往增加技术引进而减少自主研发，虽然对短期创新存在激励作用，但长期激励效应却不显著。其他资质认定政策方面，陈晨等(2021)研究发现国家创新型企业认定政策对企业创新和经济绩效在短期和长期均存在促进作用。汪蕾、张剑虎(2021)利用新三板上市公司数据研究发现，瞪羚企业资质认定能够显著提升企业创新质量，且这种促进作用对于处于增长期的瞪羚企业尤为明显。另一类是以国家企业技术中心为研究对象的研究，主要通过分析企业技术中心现状、运营模式、影响因素及分布特征，探讨国家企业技术中心运营机制并提供建议(汪樟发等, 2009；陆建芳、戴炳鑫, 2012; 庄德林等，2020)。综合上述研究文献可以发现，目前学术界主要集中于第一类问题的研究，第二类问题囿于数据较为少见。资质认定型创新政策作为一种类似“挑选赢家”的选择性产业政策，其是否能激励企业增加研发投入，提升企业创新水平仍然存在较大争议，但自从颁布国家认定企业技术中心政策以来，相关企业在获得国家企业技术中心资质认定后其技术创新能力是否得到真正显著提升至今尚未进行深入识别和研究。

鉴于此，为了准确识别出国家企业技术中心资质认定政策对企业技术创新的影响，本文选择2006—2018年中国A股上市公司作为研究对象，结合上市公司专利数据，在倾向得分匹配法基础上构建渐进双重差分法模型来缓解遗漏变量对实证估计结果的不利影响。本文的实证结果表明，国家认定企业技术中心政策促进了企业创新数量和质量同步上升，这一促进作用在样本企业属于国有企业、高新技术行业企业和处于地区市场化程度低时更为显著。进一步分析其作用机制发现，国家认定企业技术中心政策影响企业创新的机制不仅包括资金效应，还包括人才集聚效应和产学研合作效应。此外，拓展性研究表明国家认定企业技术中心政策能够通过知识溢出发挥创新引领作用。本文的研究结果表明，国家认定企业技术中心政策能有效激发企业创新活力，提升企业的竞争力与持续发展能力。

本文可能的贡献如下：(1)首次基于国家认定企业技术中心资质政策这一具体化载体探讨其对企业创新的影响及其机制，丰富了有关企业创新影响数量和质量因素的经验研究，为其促进作用的后续优化提供了相关经验证据；(2)创新指标度量方面，本文从专利知识宽度、前向引用等多个维度构建了企业创新产出的度量指标，避免了单独采用专利数量衡量的缺陷，探索性地检验了国家认定企业技术中心政策对企业技术创新的影响；(3)识别策略方面，本文在倾向得分匹配法基础上采用“渐进式”双重差分估计，可有效减少遗漏变量和样本异质性所带来的选择性偏误，是检验国家认定企业技术中心政策创新效应的有效工具。

二、政策背景与理论机制分析

(一)政策背景

20世纪90年代初，在社会主义市场经济体制建设大背景下，企业逐步转为生产经营和市场竞争主体，但创新能力不足、科研与生产脱节等现象引起政府部门广泛关注。为提升企业技术创新能力，建立有效的市场技术创新运行机制，使企业真正成为技术研发主体。1992年国务院等有关部门颁布《推进企业技术进步的若干政策措施》，首次提出要在大型企业和集团公司内部建立技术中心，并于1993年公布第一批认定的40家企业(集团)技术中心。国家企业技术中心不仅从事研究开发活动，还具备一些企业运营活动所需要的其他功能，包括辅助战略决策、培育人才、加强产学研合作、吸引技术资本，以及搜集和分析研发情报等职能。经过近30年的不断探索，国家企业技术中心政策不断完善，形成一套严格的资格认定、税收优惠、资金补助和评价审核等方面的流程体系。截至2020年12月，共认定国家级企业技术中心1636家、分中心108家(如图1所示)。国家统计局最新数据显示(1)http：//www.stats.gov.cn/tjsj/zxfb/201802/t201802131583424.html.，2017年1276家国家企业技术中心共投入研发经费5096.8亿元，占所在企业研发投入的84.8%，其中制造业技术中心投入研发经费占比达78.1%；国家企业技术中心所在企业当年共申请专利21.4万件，其中发明专利11.8万件，占申请专利总数的55.1%。

图1 1993—2020年国家企业技术中心认定数量情况数据来源：根据官方网站公布数据整理。

国家企业技术中心认定政策的基本特点主要有以下几点：一是从政策定位上看，国家企业技术中心作为国家创新基础设施建设的重要组成部分，其主要目的是培育创新主体，发挥企业在国家技术创新体系中的主体作用，同时以国家企业技术中心为载体，整合创新资源，以企业现实需求和薄弱环节为导向，建设与企业发展要求相匹配、代表行业领先水平、有利于吸引和培育优秀人才的自主创新平台，此外，进一步发挥国家企业技术中心企业在技术创新方面的引领示范作用，带动行业内其他企业创新发展。二是从政策优惠角度上看，获得国家企业技术中心资质认定后，企业有机会享受科技开发用品免征进口税、承担中央财政科技计划(专项、基金等)的研发任务和地方政府奖励资金扶持，但总体而言，企业通过国家认定所带来的政府直接资金扶持远小于企业实际研发投入，其对企业创新活动本身所需的资金直接贡献不大，更多是资质认定通过信号传递所带来的间接效应。总之，国家认定企业技术中心政策对于提升微观企业技术创新能力，带动产业结构优化升级和推动宏观经济高质量发展具有重要意义。

(二)影响机制分析

理论上对创新问题的研究最早可以追溯到熊彼特有关“创造性破坏”的开创性研究。创新作为一种战略性行为，具有周期长、风险高、投入规模大等特点(Holmstrom, 1989)，相比于企业一般性的经营投资行为，企业从事技术创新活动需要重点克服三个方面的难题：一是创新资金约束问题，由于创新活动本身所具有的高风险属性直接限制了企业的创新强度以及积极性，成为掣肘企业创新高质量发展的主要障碍之一(Brown et al.，2012)，同时还会对后续研发活动造成资金缺乏，导致研发项目搁置或放弃(张璇等,2017)。二是高素质人才集聚难题，技术创新需要个体在掌握一定知识水平后才能发生，因此以知识为核心的高素质人才是企业研发创新的主体(王珏、祝继高,2018)，企业往往受限于企业规模和平台资源无法获取合适的技术创新人才，造成企业创新人力资本的缺乏(陈思等,2017)。三是创新信息的匮乏，随着创新活动技术复杂性提升和技术融合度增强，技术方面的信息缺乏成为企业创新发展的拦路虎，企业仅凭自身的创新资源和实力很难有效实现技术创新水平的快速提升，与此同时复杂性知识本身还具有的隐性特征，只有面对面交流才能发生知识溢出和转移，使企业往往很难从外部知识市场轻易获得知识溢出。总之，资金约束、人力资本以及创新信息是企业技术创新需要重点解决的难题(蔡卫星等,2019；王康，2019)。

然而，受限于经济发展阶段和科技体制机制不健全，长期以来中国在企业创新融资约束、人力资本以及创新信息互补方面还比较薄弱，这阻碍了以企业为主导的技术创新体系构建。作为企业重要的创新平台，国家企业技术中心的设立为这一难题的解决提供了可能。具体而言，国家认定企业技术中心对企业技术创新的影响主要表现在以下三个方面：

1.嫁接政府和市场资金，促进企业创新。

国家认定企业技术中心政策可以通过多种方式帮助企业缓解创新融资约束问题：首先，从政府方面来看，企业在获得国家企业技术中心资格认证后，不仅可以享受到科技开发用品进口免征关税的优惠，而且还能承担中央财政科技计划(专项、基金等)的研发项目和获得国家科技部等部门设立的企业技术中心能力建设专项资金，同时各地方政府还专门设立了国家企业技术中心资格奖励，如广东省对首次认定为国家企业技术中心的企业一次性资金奖励最高可达1500万元。

其次，从资本市场角度来看，国家认定企业技术中心所发挥的积极信号传递能够缓解企业与外部资本市场间的信息不对称。一方面，由于创新活动本身所具有的正外部性和市场预期风险，使得企业不愿意过多披露相关研发信息，即使企业想公开，一些隐性技术知识也很难被外界所知(Blind et al.，2017)。另一方面，资本市场(如机构投资者)在挑选投资对象时通常需要投入大量的人力和物力，付出高昂的信息甄别成本。与此同时，作为信息获取弱势方，外部投资者还容易面临逆向选择和道德风险等问题(刘春林、田玲，2021)。政府作为第三方通过对企业技术中心的认定介入企业与外部投资者之间的互动关系，授予企业国家企业技术中心称号，需要经过严密的筛选论证过程，要对企业的技术创新能力水平以及创新要素、发展前景等多个方面进行综合性评估，同时，企业获得国家企业技术中心认定并不是一劳永逸的，从2005年开始每两年进行一次考核评价，评价为不合格的，撤销其国家级技术中心资质。总之，企业获得国家企业技术中心称号是政府对其技术创新能力和发展前景的“背书”。基于以上分析，本文提出以下假说：

H1：国家企业技术中心资质认定有利于企业缓解融资约束，进而促进企业创新水平提升。

2.提升人力资本，促进企业创新。

国家认定企业技术中心政策可以充分发挥人才培养和人才引进功能为企业创新活动提供高质量的人力资本。李静等(2017)认为人力资本错配是当前中国经济发展面临的突出问题，大量高素质人才选择进入高收入的垄断性行业，而不是生产性或创新型企业。企业缺乏高质量人才的原因主要在于，一是没有足够的企业声誉吸引技术人才，二是没有足够的资源匹配人才需求(陈思等, 2017)。国家企业技术中心作为重要的企业创新协同平台，不仅能够发挥自身品牌和资源优势，激励企业增加研发创新投入，提高人才培养力度和引导高素质人才资源向企业集聚，还可以通过与不同创新主体间的紧密合作，为企业提供人力支持。例如，合肥美亚光电技术股份有限公司技术中心获得国家认证后，2014年研发创新人员培训费用占整个技术中心员工总收入之比达到7%，中心采用内部培训、外部培训等多种方式为技术人员提供多渠道的在职培训和交流学习机会。基于以上分析，本文提出以下假说：

H2：企业获得国家企业技术中心认定有利于其发挥人才集聚效应提升企业创新水平。

3.加大产学研合作，促进企业创新。

作为产学研合作创新平台，国家企业技术中心使企业进行产学研合作更加广泛和便利。国家企业技术中心可以发挥创新协同效应使得企业与科研院所、高校和行业内其他企业等不同创新主体建立相互信任的创新网络，创造稳定的合作关系，为企业建立多重信息渠道，降低研发风险，获得创新规模经济效应(权小锋等, 2020)。例如，2017 年5 月，由山煤国际能源集团企业技术中心，联合中科院山西煤化所、北京交通大学等15 家从事石墨烯相关领域技术研究院校及相关企业，组成“山西省石墨烯产业技术创新战略联盟”，成为山煤国际能源集团实现创新驱动战略，提高自主研发能力和核心竞争力的重要举措。另外，以国家企业技术中心为平台可以促进社会不同创新主体间产生良好的协同效应，降低企业在创新过程中的不确定性和失败风险。基于上述分析，提出如下假说：

H3：企业获得国家企业技术中心认定有利于其发挥产学研合作效应提升企业创新水平。

三、研究设计

(一)数据样本

本文研究的样本为2006—2018年中国非金融上市公司A股的非平衡面板数据。选择2006年作为研究的起始年份主要原因在于2006年财政部对企业R&D的会计处理做了重大修改，修改前后标准变化大，且2006—2018年所认定的国家企业技术中心占国家企业技术中心总数的73.29%，能够较好的反映总体情况。财务数据来自CSMAR数据库和WIND数据库，选取上市公司数据作为研究样本的主要原因在于上市企业往往迈过了初创期，在各自行业内发展良好。国家认定企业技术中心的上市公司数据来自国家发改委、科技部等官方网站公布名单的手工收集整理。需要说明的是，本文所研究的国家企业技术中心仅指上市公司本身所拥有的国家企业技术中心，不包含在上市公司母公司或者子公司层面认定的国家企业技术中心。上市公司专利数据来自中国研究数据服务平台(CNRDS)数据库和色诺芬经济金融(CCER)数据库。在此基础上，本文根据以下标准对样本进行处理：(1)筛除ST或*ST企业样本；(2)剔除金融保险行业企业样本；(3)删除财务指标缺失或明显有误的样本；(4)剔除样本期内评价为不合格被撤销的企业样本。最后，为了避免异常极端值影响，本文对样本内所有连续变量进行上下1%水平的缩尾处理，最终得到15641个企业—年度观测值，其中被认定拥有国家企业技术中心资格的企业为362家，未拥有认定资格企业为1904家。

(二)识别策略和模型设定

由于企业获得国家企业技术中心认定的时间不同，本文首先采用双重差分模型检验企业获得国家认定企业技术中心对其技术创新的影响。考虑到企业获批国家级企业技术中心称号并非随机，国家发改委等有关部门制定的国家企业技术中心相关规定对企业提出了一系列要求，如具有良好的经济技术实力和经济效益，且具有一定的研究试验条件，这些要求可能使得拥有国家企业技术中心资质的企业在认定之前，本身技术创新能力相比更强。因此，企业能否被认定为国家企业技术中心可能存在自选择偏误。因此，本文借鉴王康等(2019)、刘瑞明、赵仁杰(2015)的做法，进一步采用倾向得分匹配法基础上的渐进双重差分法来减轻实验组和控制组在认定前的差异，使其更好符合平行趋势假设，降低由企业异质性所带来的样本选择性偏误。，基准模型设置如下：

innovationi,t=α0+α1didi,t+∑δcontrolsi,t+λi+θt+εi,t

(1)

其中，下标i表示企业，下标t表示年份。innovationi,t为本文被解释变量，分别通过专利数量和质量代表企业技术创新水平。鉴于一项专利从申请到最终获得授权需要经历1—2年的审核及完善过程，在审核过程中可能存在许多不确定因素(Tong et al.，2014)。因此，在衡量企业创新能力方面，专利申请日期比授权日期更加客观，更能及时反映企业创新产出的变化(杨国超、芮萌, 2020)。根据中国《专利法》所规定三种专利类型，本文采用企业全年三种类型专利(发明专利、实用新型、外观设计)申请数加1取自然对数表示创新数量(2)在稳健性检验中本文还进行了被解释变量滞后处理，其结果不影响本文结论。。

didi,t是本文核心解释变量，代表上市公司是否在样本期内被评定为国家企业技术中心企业的哑变量，被认定为1，否则为0 。α1是本文最关注的参数，表示排除其他干扰因素后，企业获得国家企业技术中心称号对其技术创新的净效应，α1大于0表示国家企业技术中心促进了企业技术创新，反之则抑制企业技术创新。

此外，controlsi,t为控制变量，参考杨国超、芮萌(2020)、权小锋等(2020)等已有相关研究做法，控制如下变量：企业规模(size)，采用企业总资产取自然对数值表示；研发投入强度(rd_ratio)，用企业研发投入除以销售收入比值表示；企业年龄(firmage)，用观测年份减去成立年份加1取自然对数表示；资产负债率(leverage)，利用总负债除以总资产比值表示；总资产收益率(roa)，用净利润除以总资产比值表示；企业第一大股东持股比例(top1)；是否为国有企业(soefirm)，是则为1，否为0；销售收入增长率(salesgrowth)，用年平均营业收入增长率表示；企业现金流(cash_ratio)，用货币资产除以总资产比例表示；董事会规模(lnboardsize)，用公司董事会人数加1取自然对数表示。λi为企业固定效应，θt为时间固定效应，εi,t为随机干扰项。

表1 匹配前主要变量描述性统计

(三)描述性分析

表1是对主要变量匹配前的描述性统计分析。可以看出，实验组企业无论是专利申请数量，还是专利知识宽度均值均大于控制组企业，同样地，企业规模、研发投入比、总资产收益率等主要变量也是如此。这初步验证了认定政策对企业技术创新的确存在显著影响，同时也说明存在明显的“自选择效应”。因此，采用PSM-DID模型来有效减少上述问题干扰，从而实现国家认定企业技术中心政策创新效应的有效估计。

四、实证结果与分析

(一)平衡性检验

首先根据PSM-DID模型的思路和逻辑进行样本匹配，为实验组找到合适的控制组。参照王康等(2019)做法，采用企业获批国家企业技术中心称号前一年的协变量进行逐年匹配。选取的是2008—2018年开始获批国家企业技术中心的企业，匹配样本区间为2007—2017年。参考Abadie et al.(2004)的建议，采用k阶最近邻匹配(4)在稳健性检验中，还分别采用1 ∶2和1 ∶3比例进行匹配，其结果不影响本文结论。(k=4,半径为0.05)。具体操作步骤如下：(1)对于2008年被评定国家企业技术中心的企业，匹配时采用对应企业2007年的协变量，从当年未获批企业中匹配与认定企业特征相似的控制企业样本集，即使用logit模型来估计被评定倾向得分。协变量主要参考以往研究和影响企业被评定国家企业技术中心的决定因素，分别采用企业规模、总资产收益率、研发投入强度、有效专利数量、研发人员占总员工比重、国有企业哑变量、企业年龄、资产负债率等变量；(2)根据上述做法，依次对2009—2018年的企业样本进行逐年匹配，最后，合并上述分年度样本集，形成本文基础数据集。

在进行回归之前，为了确保匹配结果的可靠性，进行了平衡性检验。图2分别为匹配前后的核密度曲线(倾向得分匹配图)。从图中对比可以看出，匹配前实验组和控制组的倾向得分值存在显著差异，匹配后实验组和控制组的倾向得分分布几乎重合，表明两组企业的协变量之间不存在显著性差异。因此，本文后续采用的PSM-DID模型具有较好的实证分析效果。

图2 匹配前后倾向得分概率分布图资料来源：作者根据stata软件绘制。

(二)基准回归结果与分析

表2报告了国家企业技术中心认定政策对企业技术创新影响的实证结果，其中第(1)至(4)列为国家企业技术中心政策对企业三种类型专利申请数量的估计结果，当被解释变量为专利数量时，无论采用DID估计还是PSM-DID估计，核心解释变量did的估计系数只在发明专利申请数量上通过5%的显著性水平检验，而为实用新型和外观设计专利申请数时，估计结果在统计上不显著且为负。通常情况下，发明专利相比于实用新型和外观设计专利在申请要求和授权过程更为严格，质量也就越高(He et al., 2017; 蔡卫星等, 2019)，这从数量层面上表明相比于非认定企业，国家企业技术中心政策能够激励企业从事更多实质性创新，减少策略式创新行为，具体表现为增加发明专利申请数量，减少实用新型和外观设计专利非发明专利的申请数量。第(5)至(8)列分别为匹配前后国家企业技术中心政策对企业专利质量影响的估计结果，当被解释变量为申请发明专利和实用新型专利知识宽度时，核心解释变量did系数均至少在10%的水平下显著，这说明国家企业技术中心政策有利于促进企业创新质量的提升。从估计系数的经济意义上看，国家企业技术中心认定政策使企业发明专利申请数量增加约10.38%，发明专利知识宽度增加约24.17%。

表2 基准回归结果

因此，在控制其他条件不变的前提下，国家认定企业技术中心政策可以显著激励企业技术创新“增量提质”，起到引领企业创新发展的作用。当前，中国产业政策往往面临企业迎合策略式创新的挑战，即产业政策会诱导企业的逆向选择行为，造成了专利“泡沫”现象的发生，而国家认定企业技术中心政策并未导致企业策略性创新行为的可能原因在于：一是从动机看，国家认定企业技术中心政策支持力度相对较小，政府对企业获得认定资质后所给予的资金奖励远小于企业研发资金投入，企业受益更多的是通过资质认定所带来的积极信号传递，因此，企业“寻资质补贴”的策略性动机较弱。二是从资质维持时间来看，国家认定企业技术中心考核要求中明确指出，企业获得国家企业技术中心资质认定后，每两年考核一次，考核标准中对企业研发强度、发明专利数量等指标具有严格要求。相比而言，专利政策、税收政策很少考虑资助后的影响，使得企业从事策略式创新行为的成本相对较低，更容易引起企业机会主义行为(张杰、郑文平, 2018)。

(三)平行趋势检验

上文实证分析结果表明无论是采取DID估计亦是PSM-DID估计，国家企业技术中心认定政策都能有效促进企业创新数量和质量提升，而双重差分实施的前提条件是满足平行趋势假设。本文采用Jacobson et al.(1993)的做法，利用事件分析法进行平行趋势检验。具体模型如式(2)所示。其中，D表示是否被认定为国家企业技术中心的哑变量，即D=1为实验组企业，否则即为控制组企业。t分别表示被认定前2年以及认定后的9年。系数{β-2, β-1, β1,…, β9}分别表示被认定的第t年，实验组和控制组的发明专利申请量和发明专利知识宽度是否存在显著差异。其他变量的设定同模型(1)。

(2)

图3报告了国家企业技术中心认定政策对企业技术创新的动态效应估计结果，左右图被解释变量分别为发明专利申请量对数(lnapply_inv)和发明专利知识宽度(know_inv)，虚线为90%的置信区间。可以看出，系数β变化情况，在t < 0,也就是被认定之前，系数β的估计值并不显著，符合平行趋势假设。被认定后，系数β值表现出明显的上升趋势，说明实验组的发明专利申请量和知识宽度明显高于控制组企业，国家企业技术中心认定政策对企业创新具有明显的增量提质作用。

图3 平行趋势及动态效应分析资料来源：作者根据stata软件绘制。

(四)稳健性检验

1.更换被解释变量

除了专利申请量，专利授权量也是重要的技术创新产出测度指标。本文进一步采用3种类型专利授权量，以及发明专利和实用新型专利知识宽度中位数加总的方式进行稳健性检验。表3报告了更换被解释变量后的估计结果，从表中可以看出无论是采用被解释变量滞后一期还是当期数值，核心解释变量did系数依然显著为正，这说明上文所得出的显著正向影响是可靠的。

表3 稳健性检验结果(一)

2.内生性问题检验

采用上一年度本行业认定国家企业技术中心的企业数量对数值(number)作为工具变量。从经验上看，上一年度本行业内被认定的国家企业技术中心数量越多，对同行业的其他企业申请国家企业技术中心认定具有引导示范作用，满足相关性要求。就外生性而言，上一年度行业国家企业技术中心的数量一般不会通过除国家企业技术中心以外的其他途径影响到企业真实创新活动。通过两阶段最小二乘法回归估计后发现，上一年度本行业国家企业技术中心的数量对于国家企业技术中心的设立存在正面影响，且第一阶段F值估计系数远远高于通常所认为的弱工具变量临界值，而在第二阶段剔除干扰因素后，国家企业技术中心认定政策仍显著提升了企业发明专利申请数量和专利知识宽度，表明本文估计结果的稳健性。

表4 工具变量检验结果

3.安慰剂检验

为了尽可能避免国家企业技术中心认定政策的激励效应受到其他非观测遗漏因素的影响，本文借鉴Li et al.(2016)的经验做法，基于模型(1)得出的估计结果，采用间接安慰剂检验的方法，在匹配后的样本中随机选择子样本作为实验组来进行间接检验，并重复500次上述回归模拟。图4左右侧分别为发明专利申请量(lnapply_inv)和发明专利知识宽度(know_inv)的P值分布图，从图中可以直观看出，通过计算机模拟回归的估计值均分布在零值附近，且基本服从正态分布，基准估计结果(17.6%、2.9%)位于在整个分布之外。因此，可以反推λ为零，从而证明国家企业技术中心认定政策对专利数量和质量的促进作用估计并未受到其他不可观测的随机因素干扰。

图4 安慰剂检验结果资料来源：作者根据stata软件绘制。

表5 稳健性检验结果

4.其他稳健性检验

除了上述稳健性检验之外，本文还采用一系列其他估计方法：(1)变更PSM-DID匹配方法，在模型2的基础上，本文进一步更换匹配参数，分别采用1∶3和1∶2比例进行匹配，回归结果均与基准回归结果保持一致，表明结论依然稳健(5)限于篇幅，估计结果，留存备索。；(2)考虑到专利申请后需要一段时间才会被国家知识产权局公布，将被解释变量提前一期再次进行检验，以减弱被解释变量与核心解释变量之间可能存在的反向因果关系，结果与基准回归结果一致(6)限于篇幅，估计结果，留存备索。;(3)排除其他政策干扰，企业创新水平的提升不仅受到国家认定企业技术中心政策的影响，可能还受到其他政策影响。在基准回归模型的基础上，本文分别加入高新技术企业认定政策(tech)和企业博士后科研工作站政策(doc)的双重差分项进行检验,回归结果如表5所示，控制其他政策干扰后，国家认定企业技术中心政策仍然对企业创新数量和质量起到促进作用，表明基准回归结果依然稳健;(4)控制联合固定效应，在基准模型的基础上，进一步控制省份-时间交互项、行业-时间交互项联合固定效应，估计结果见表5第(5)和(6)列所示，did系数都至少在5%的水平显著为正，再次证明基准回归结果稳健。

五、异质性与机制分析

(一)异质性分析

本节将通过分样本回归进一步探讨国家认定企业技术中心政策可能存在的优化方向，具体探讨的问题如下：认定政策对企业创新数量和创新质量的促进作用是否会因企业所有权性质、所处行业属性以及区域制度环境的不同而呈现差异化的结果？这对于继续优化国家企业技术中心认定政策，切实提高企业创新能力具有重要的政策指导意义。

1.企业所有权的异质性

根据企业所有权属性划分为国有企业样本和非国有企业样本进行分析。基于分样本的估计结果表6显示，从发明专利申请数量上看，国家企业技术中心认定政策对国有企业和非国有企业都存在显著促进作用，且非国有企业部门核心解释变量系数大于国有企业，但从专利质量角度看，认定政策只对国有企业创新质量存在正向显著促进作用，而对非国有企业样本促进作用则不显著。可能原因在于，国有企业在资源获取、经营目标和激励机制方面与非国有企业存在显著差异(冯根福等，2021)。国有企业往往受到政府财政的软预算约束，而非国有企业无论是在外部融资还是政策倾斜方面都面临不同程度的“歧视”，其研发活动受到创新资源不足的约束，国家企业技术中心认定效应更容易对非国有企业创新数量发挥积极作用。但与此同时，研发创新活动本身具有的正外部性造成私人回报率小于社会回报率，使得非国有企业往往规避知识溢出效应大的基础性研究，而国有企业作为政府解决创新市场失灵的重要工具，在政府的各种机制监督下往往从事了更多的基础性研究(叶静怡等，2019)，专利质量水平相对更高。

2.行业技术特征的异质性

各行业由于技术特征的不同，其创新活动存在不同的特点，亦会使国家企业技术中心认定政策对企业技术创新数量和质量方面的影响存在差异。鉴于此，本文参考潘越等(2017)的划分标准，将企业所属行业划分为高新技术行业和非高新技术行业，分样本回归结果如表6所示，国家企业技术中心认定政策对高新技术行业和非高新技术行业企业无论是在创新数量还是创新质量方面都存在显著促进效应，回归系数方面高新技术行业组大于非高新技术行业。究其原因可能是，高新技术企业往往处于高知识密度、高竞争和高收益的市场环境中，迫使企业必须具备较好的技术创新水平，而国家企业技术中心认定政策更能激励高新技术行业企业发挥认定政策所带来的信号传递作用，获得更多的市场资金扶持和创新合作机会等。

表6 异质性分析结果(一)

3.区域制度环境的异质性

从政策实施制度环境来看，国家企业技术中心认定政策是否会因为区域市场化水平的不同而呈现差异化的结果？鉴于此，本文借鉴王小鲁等构造的市场化指数，对各省份市场化水平按照中位数进行分组，分为高市场化水平地区和低市场化地区。回归结果见表7所示，核心解释变量did的估计系数只在低市场化地区中显著为正，而在高市场化地区不显著。可能的原因在于，低市场化程度地区相比较高市场化地区，无论是在创新要素资源禀赋，还是研发信息获取方面都处于弱势地位，国家企业技术中心认定政策所发挥的正向效果相对更大。这一回归结果同时也意味着，国家认定企业技术中心政策更应该强化在制度环境较弱地区的实施。

(二)影响机制分析

上文的理论分析表明，国家认定企业技术中心政策通过资金效应、人才集聚效应和产学研合作效应来影响企业技术创新，接下来，将通过实证分析验证上述机制。

1.资金效应

企业获得国家企业技术中心认定后，不仅可以享受到地方政府的资金奖励和科技专项资金扶持，更为重要的是，认定政策的信号传递有利于缓解企业与外部资本市场的信息不对称问题，增加外部融资。对此，本文构建了如下两个变量作为资金效应的代理变量：企业当年获得政府补贴的对数值(lnsub)，以及参考郭玥(2018)的做法，根据上市公司前十大股东是否存在风险投资机构判断企业当期是否获得风险投资，构建虚拟变量vc_dum，存在即为1，否则为0。在模型(1)的基础上，构造如下计量模型：

表7 异质性分析结果(二)

lnsubi,t=α0+α1didi,t+∑δcontrolsi,t+λi+θt+εi,t

(3)

probit(vc_dumi,t=1)=α0+α1didi,t+∑δcontrolsi,t+λi+θt+εi,t

(4)

在式子(3)和(4)中，其他变量定义同前，估计结果见表8。从表8可以看出，无论被解释变量是企业获得政府补贴对数值(lnsub)，还是企业是否获得风险投资(vc_dum)，国家认定企业技术中心政策(did)的估计系数都显著为正，这说明国家企业技术中心政策具有嫁接财务资源的功效，能够增加企业政府补贴，以及引导风险资本加大对企业研发资金投入。

2.人才集聚效应

本文借鉴权小锋等(2020)做法，分别采用企业研发人员数量对数值(researcher)和员工中硕士及以上学位人数对数值(master)来表示企业高端人才集聚效应。表8给出国家认定企业技术中心政策对人才集聚影响的估计结果。结果显示，无论是研发人员数量还是企业硕士以上学历员工数量作为被解释变量，核心解释变量did的估计系数都在1%的水平上显著为正，这说明认定政策能够帮助企业壮大研发团队，改善人才队伍学历结构，从而为企业创新提质增量提供更多高素质人才。

表8 作用机制检验结果

表9 作用机制检验结果

3.产学研合作效应

技术中心作为企业重要的创新发展平台，结合前文理论分析，其能够通过增加与高校、科研院所以及产业内或产业间其他企业的研发合作来提高创新能力。基于此，在模型(3)的基础上，参考以往文献做法，采用企业专利是否为合作专利作为被解释变量，来识别国家认定企业技术中心政策的产学研合作效应，回归结果如表9所示，第(1)至(3)分别是采用三种类型联合申请专利数量作为被解释变量，从表中可以看出，只有当被解释变量为联合申请发明专利(lninvja)时，核心解释的估计系数才显著为正，进一步，本文还采用联合授权三种类型专利数量作为稳健性检验，结果与采用联合申请专利数量一致，仅在联合授权发明专利上，核心解释的估计系数显著为正。这在一定程度上表明认定政策有利于产学研合作深度提升，减少短平快项目。

综上所述，国家认定企业技术中心政策促进企业创新主要通过发挥资金效应、人才集聚效应和产学研合作效应来实现。

六、进一步研究

上文已经验证了国家认定企业技术中心政策能够增加企业创新数量以及创新质量，但国家制定此项政策不仅仅是要提高企业的自主创新能力，同时还希望能够发挥行业引领示范作用，带动产业内及产业间其他企业的创新驱动发展。为此，本文进一步基于专利知识溢出视角考察国家企业技术中心资质认定政策是否存在创新引领作用。

自Jaffe(1993)提出专利引用量可以作为测度知识流动的代理指标以来，该方法被广泛用于研究知识在企业间、产业间或区域间的溢出问题。例如Nagaoka et al.(2010)认为被后续发明专利频繁引用的发明专利意味着更大的技术影响力，即更高的价值和质量。同样地，专利前向引用数量在某种程度上也可以衡量创新的扩散速度，一段时间范围内专利被引用数越高意味着技术创新传播速度越快，技术外溢水平也就越高(余泳泽等, 2019)。因此，本文进一步基于知识溢出视角，选取专利前向引用次数作为衡量企业技术知识扩散程度的指标，以验证被认定企业在创新知识扩散方面是否起到引领示范作用。上市公司专利前向引用数据来自于CNRDS数据库，专利前向引用次数经过剔除自引用次数加1取自然对数处理，鉴于专利被引用是一个长期过程，为了克服专利引用断尾问题，本文参考Hall et al.(2001)的做法，除以该年企业所在行业的平均专利被引用次数以消除时间截断误差。表10依次报告了当被解释变量为全部类型专利数量之和、发明专利数量、实用新型和外观设计专利前向引用次数时的估计结果，结果显示，认定政策所带来的企业技术创新水平提升能够显著增加其专利被引用次数。表10第(2)至(4)列分样本回归显示国家认定企业技术中心政策仅增加发明专利和实用新型专利的被引用次数，这与基准回归结果一致。总之，国家认定企业技术中心政策能够提升企业创新质量，增加企业技术知识外溢。

表10 进一步研究检验结果

七、结论与政策建议

本文综合运用2006—2018年中国上市公司财务数据、专利数据及手工收集的资质认定数据，采用双重差分法实证检验国家认定企业技术中心政策对企业创新数量和质量的影响。研究发现，国家认定企业技术中心政策的积极影响不仅体现在专利申请数量所衡量的“量”的维度上，还体现在专利知识宽度所衡量的“质”的维度上。异质性分析表明，国家企业技术中心认定政策对国有企业、高新技术行业和处于制度环境较低的企业创新促进效应更为显著。机制分析表明，国家企业技术中心认定政策有利于企业嫁接政府与市场的双重资源，以及产生人才集聚效应提高企业人力资本积累，和加大企业产学研合作力度。拓展性研究表明拥有国家级技术中心资质的企业具有较强的知识溢出能力，能够在创新方面起到引领示范作用。

基于上述研究结论，本文提出以下对策建议：一是为了培育实施创新驱动发展的先行者和排头兵，政府应将国家企业技术中心认定政策置于更为重要的地位。不同于其他资质认定政策，国家认定企业技术中心政策并不会造成企业策略性创新行为，政府对认定国家企业技术中心的资金支持远小于对企业研发资金的投入强度，但国家认定企业技术中心政策却能促进社会创新资源集聚，最终提升企业创新水平。二是影响机制分析表明国家认定企业技术中心政策能够发挥积极信号传递作用，形成良好的社会声誉，进而通过外部融资激励或研发创新合作促进企业技术创新水平提升。因此，政府应继续发挥资源整合优势，联合专业性的技术认定机构建立科技项目评估平台，为社会投资者提供官方参考，同时强化国家企业技术中心认定政策的宣传和工作，向市场传递更强的政府支持信号，完善政府引导下的创新资源市场化配置。三是异质性分析表明应进一步优化国家认定企业技术中心政策在不同制度环境地区的配置，避免政策资源的过度集中或不合理配置所造成的无谓损失和资源浪费。当短期内区域制度环境无法快速提升时，国家可以考虑在市场化水平较低地区通过强化企业技术中心政策来促进域内企业高质量发展，不断提高行业龙头企业和大企业集团的技术创新能力，发挥其引领示范作用。