李双杰 尹倩雯
［摘要］党的二十大报告指出，要推动经济高质量发展，而高科技是经济高质量发展的引擎，尤其在创新全球化的时代背景下，企业研发和产能升级迫在眉睫。基于2016—2021年我国673家A股上市高技术企业的面板数据，以企业R&D支出为中介变量、企业规模和企业吸收能力为调节变量，构建调节中介效应模型，探究政府研发补贴对企业R&D产出的影响机制。实证结果表明：（1）企业研发支出在政府研发补贴促进企业R&D产出过程起部分中介作用；
（2）企业规模在上市企业R&D支出与产出间起正向调节作用，即研发支出对大企业R&D产出的提升效果优于小企业，且企业规模的调节作用存在行业异质性；
（3）企业吸收能力在上市企业研发支出与产出间不存在显著调节作用。
［关键词］政府研发补贴；
企业研发支出；
企业R&D产出；
GPCA；
调节中介效应
［中图分类号］F273.1中图分类号［文献标志码］文献标志码A［文章编号］1672-4917（2023）03-0080-10
一、引言
党的二十大报告指出，要推动经济高质量发展，而高科技是经济高质量发展的引擎。尽管我国综合国力世界排名第二，自主创新研发能力也在不断增强，但仍與世界发达国家存在一定差距，缺乏核心技术、高耗能高污染等问题始终困扰我国。新一轮科技革命正在进行，基于创新全球化的时代背景，科技创新已占据国家发展核心地位，为解决我国“卡脖子”困境，近年来政府始终密切关注高新技术产业的发展。企业作为自主研发创新的中坚力量，政府必须重视可能由技术外溢引起的市场失灵等问题，并有针对性地规划研发补贴的发放机制。为尽快实现由“中国制造”向“中国创造”的转变，政府对企业研发的支持力度逐年加大，但企业创新产出仍较缓慢，明晰政府研发补贴对企业R&D产出的作用机制尤为重要。因此，本文旨在研究分析政府研发补贴对企业R&D支出与产出的影响机理。具体而言，构建专利质量评价体系并计算专利质量评价综合指数作为R&D产出的代理变量，中介变量为企业R&D支出，调节变量为企业规模和企业吸收能力，通过直接、间接和调节效应探究政府研发补贴对企业R&D产出的内在联系，以期为提升政府研发补贴使用效率及企业创新产出效率、优化政策制度结构提供参考。
目前，国内外学者对政府研发补贴与企业R&D产出的关系进行了一些研究，大部分学者认为政府研发补贴正向影响上市企业R&D产出，主要集中在三个方面：一是研究政府补贴对企业研发的直接影响。白俊红［1］通过建立静态和动态面板数据模型，得出政府补贴能促进企业研发活动的结论。樊琦和韩民春［2］基于制造业企业实证研究发现，政府研发补贴显著促进企业创新产出，但当市场竞争超过临界值后，政府R&D投入促进企业创新的作用不断下降。史洁琼［3］利用倾向得分匹配模型得出，政府研发补贴能推动企业创新产出量质齐升。李映辉等［4］的分析结果显示，财政科学技术支出、全国政府性基金对规模以上工业企业高技术产业专利申请数有显著正相关。二是通过中介效应分析政府补贴对企业研发的影响过程。邹洋等［5］通过构建中介效应模型分析发现，政府研发补贴能促进企业研发投入，进而提高企业创新产出水平。宋春芳和徐晓媛［6］利用中介效应模型研究发现，政府研发补贴对企业创新有显著的激励作用，同时促进企业R&D投入。三是探究政府补贴促进企业研发的特点。Kang和Park［7］认为，政府通过资金投入刺激企业研发，从而影响企业创新产出。Bronzini和Piselli［8］表明，小型企业中政府研发补贴促进企业专利申请量增加的可能性更大。赵欣宇［9］重点探讨政府补贴对创业板企业创新行为的作用，结果表明政府补贴对企业研发投入和创新产出均有显著推动作用。李丹丹［10］采用双向固定效用模型和面板Tobit模型，分析得出政府研发补贴对企业创新绩效存在显著的激励效应，且这种正向促进效应具有时滞性。
然而，也有部分学者认为政府研发补贴对上市企业R&D产出无显著影响。巫强和刘蓓［11］运用系统广义矩估计方法分析战略新兴产业上市公司相关数据，得出定额研发补贴对上市公司的创新产出没有显著影响的结论。范允奇和李晓钟［12］运用SFA模型和空间外溢效应分析发现，政府R&D投入对技术创新效率没有明显影响，政府研发补贴作用的不确定性可能由企业资源、科技政策、产业发展水平等因素引起。
由此可见，学术界对政府研发补贴与企业R&D产出的关系尚未形成统一意见。此外，现有文献并未考虑政府研发补贴对企业研发产出的作用会受到企业规模、吸收能力等因素的影响。因此，本文以2016—2021年高技术行业673家A股上市企业为研究对象，着重考虑政府研发补贴对企业R&D产出的促进作用和企业研发支出的中介效应，同时考察企业规模和企业吸收能力在研发支出与产出间的调节作用，并进一步分析行业异质性，多角度实证分析政府研发补贴对企业R&D产出的影响过程。
本文主要贡献在于：（1）构建专利质量评价指标体系，避免衡量R&D产出指标的单一性，综合考虑了专利产出的数量与质量因素；
（2）考虑企业研发支出的中介效应，并结合企业规模和吸收能力二者在企业研发支出对产出影响中的调节作用，进一步明确政府补贴对企业研发产出的作用路径；
（3）分析高技术行业中信息传输、软件和信息技术服务业与高技术制造业的行业异质性，拓展该课题研究。
二、理论分析与假设
（一）政府研发补贴对上市企业R&D产出的直接效应
由于企业研发活动本身具有高风险、不确定、长周期和技术外溢等特征，市场失灵和资金不足等问题必然发生，此时政府干预对于纠正市场失灵具有重要作用。许多学者认为政府研发补贴是最有效的干预手段，政府研发补贴可以增加整个社会的研发投入，带动企业从事研发活动的积极性。具体而言，政府研发补贴对企业R&D产出有三方面的直接效应：一是政府研发补贴能转移分摊企业研发投资风险，降低企业进行研发活动的风险预期，从而正向影响其研发产出；
二是政策引导，政府研发补贴会帮助企业吸引高校和科研机构等的技术合作和支持，提高企业的研发效率，进而直接提高企业R&D产出；
三是获得政府补贴的企业会在一定程度上受到政府监管，可以提高企业创新质量和企业R&D产出。基于此，提出假设1：
假设1：政府研发补贴正向影响上市企业R&D产出。
（二）政府研发补贴对上市企业R&D产出的中介效应
政府研发补贴直接影响企业R&D支出，进而影响企业从事研发创新、扩大市场等活动的资金支持，最终影响企业的R&D产出。不仅如此，政府研发补贴对于其他投资方和目标客户群体而言，无疑是积极的信号，投资方很可能因为国家的认可而追加投资，从而使该项目获得更多的研发资金支持，企业R&D支出的进一步增加也将促进企业R&D产出。因此，本文将企业R&D支出作为中介变量，即政府研发补贴通过影响企业R&D支出进而影响企业R&D产出。其存在的影响路径如下：一是缓解企业R&D投入的融资约束，政府研发补贴可以直接为企业的研发活动提供部分资金，增加企业R&D支出，进而提高企业R&D产出；
二是政府研发补贴的“认证效应”，即其在资本和客户市场中释放积极信号，正向引导投资意愿、价格预期及需求量等，从而影响企业预期收益，进一步影响企业R&D支出，形成对企业R&D产出的导向作用；
三是企业为争取更多的政府研发补贴，将根据宏观政策环境不断改变自身R&D支出，进而影响其研发产出。基于以上理论提出假设2a与2b：
假设2a：政府研发补贴正向影响上市企业R&D支出。
假设2b：上市企业R&D支出正向影响其R&D产出。
（三）企业吸收能力的调节效应
吸收能力概念首次提出时包括知识获取、知识同化和知识应用三个维度［13］，是企业在自主研发创新过程中能否有效汲取外部环境中有利资源的決定性因素。企业识别、吸收新的外部知识应用于商业目的的能力，直接影响企业研发水平［14］，企业吸收能力越强，越有利于增强企业研发合作、外部技术获取以及区域间流动要素消化利用的有效性，增加研发效率和创新绩效［15-16］。具体而言，吸收能力强的企业获取资金时，能够灵活运用，在最大程度上转化为创新产出；
反之，吸收能力较弱的企业获取资金时，无法灵活有效地运用资金，可能导致资金有效利用率低，从而导致企业R&D产出数量少、质量低。基于企业吸收能力的调节效应，提出假设3：
假设3：企业吸收能力在上市企业R&D支出与上市企业R&D产出间起正向调节作用。
（四）企业规模的调节效应
企业规模反映企业R&D支出和追加研发投入的潜能，不同规模企业的资源禀赋和风险承受能力差异明显。首先，大企业在技术积累和人才储备等方面都较小企业有明显优势，成熟企业在多年发展过程中已形成了较为固定的研发路径与战略同盟，拥有稳定的资金来源及客户市场，核心技术及资源存在相对黏性和核心刚性，且大企业更能够吸引合作伙伴进行资源整合，以实现资源最大化利用，将研发支出成功转化为创新产出的效率更高。其次，大企业风险承受能力更强，充足的资金和人才储备使大企业更倾向于积极探索未知领域，比担心风险而采取跟随战略的小企业更具创新动力。基于企业规模的调节效应，提出假设4：
假设4：企业规模正向调节上市企业R&D支出对企业R&D产出的影响。
三、指标测度与模型构建
（一）指标体系测度与变量说明
1. 指标体系构建与测度
借鉴相关研究成果［17-19］，采用理论分析法，遵循科学性、全面性原则，充分考虑指标客观性和数据可得性，本文基于专利的发明、申请、审查、授权、运营等全过程，从结构、技术和运营三个层面构建专利质量评价指标体系，见表1。
由于本文关注企业层面的面板数据，经典主成分分析仅针对平面数据并不能很好地处理面板数据，因此，本文采用时序全局主成分分析法构建综合评价指数，该方法在PCA基础上融入时序分析，打破了PCA的应用局限性，信息量损失更小，且在长期数据分析上更具稳健性和代表性。本文使用RStudio统计软件进行GPCA，KMO和Bartlett检验结果见表2，表明适合作时序全局主成分分析。
前4个主成分的累积方差贡献率为72.20%（见表3），能够解释原始数据中绝大部分信息，因此，提取前4个主成分构建专利质量综合指数。由第1—4主成分的因子载荷矩阵结果可分别写出4个线性表达式，将前4个主成分对应的特征值作为权重进行加权，得到前4个主成分计算综合指数Patentit的权重：
αk=Ek∑4j=1Ej（1）其中，αk为第k主成分在Patentit中的权重，Ek、Ej分别为第k和j主成分的特征值。
构建专利质量综合指标Patentit为：Patent=0.2615A1+0.0365A2+0.1987A3+
0.2476B1+0.2673B2-0.0838B3+
0.2069C1+0.0511C2+0.2255C3。（2）2. 变量说明（见表4）
（1）被解释变量。我国专利数量位居全球首位，然而并不能够代表我国的技术创新水平居于世界最尖端，即衡量企业R&D产出时不仅要考虑数量因素，更需纳入专利质量等影响因素。因此，本文选取上述9个代理变量（见表1），应用时序全局主成分分析法构建专利质量评价综合指数，作为企业R&D产出的代理变量。
（2）解释变量。为剔除企业规模效应，本文选取企业年报中营业外收入项目下披露的政府研发补助金额与其期末资产总额之比，作为衡量政府研发补贴的指标。
（3）中介变量。选取企业R&D支出作为中介变量，为剔除企业规模效应，采用研发支出金额与其期末总资产之比表示。
（4）调节变量。本文选取企业吸收能力和企业规模作为调节变量。采用前一期专利授权量加1取自然对数表示企业吸收能力；
以资产总额衡量企业规模，由于一般研发活动需要大量资金支持，本文采用企业期末资产总额加1取自然对数表示企业规模。
（二）模型构建
1. 中介效应
由图1可知，c表示解释变量Subsidy对被解释变量Patent的总效应，c′表示解释变量Subsidy影响被解释变量Patent的直接效应，a*b表示解释变量Subsidy通过中介变量Spending对被解释变量Patent产生的中介效应，其中c=a*b+c′。因此，可通过判断c′的显著性以衡量中介效应，即若c′显著则为部分中介效应，如果c′不显著则为完全中介效应。
本文选用Bootstrap检验方法，与其他检验方法相比具有较高统计效力，Bootstrap法是公认可以取代Sobel方法直接检验系数乘积的方法［20］。Bootstrap检验H0：ab=0，对于抽取的样本，可以得到其系数乘积的估计值记为a^b^，从而构成ab的一个置信度为95%的置信区间，若置信区间不包含0则拒绝原假设，系数乘积显著［21-22］。
综上，本文构建面板数据模型（3）—（5）如下：Patentit=α1Subsidyit+α2scaleit+α3ACit+
α4NUMit+α5ageit+α6DARit+Z′i+εit，（3）
Spendingit=β1Subsidyit+β2scaleit+β3ACit+
β4NUMit+β5ageit+β6DARit+Z′i+εit，（4）
Patentit=γ1Subsidyit+γ2Spendingit+γ3scaleit+
γ4ACit+γ5NUMit+γ6ageit+γ7DARit+Z′i+εit。（5）i=1，2，…，673（表示各上市企業），t=2016，2017，…，2021（表示各年份），εit为随机扰动项，Z′i在固定效应模型时为Ci，在随机效应模型时为+μi，α、β、γ表示回归系数。
2. 调节中介效应
以中介作用为核心，调节作用建立在中介作用的基础上，即先验证Subsidy->Spending->Patent中介路径存在，说明具有中介作用，随后分析调节作用。
由图2可知，d、e分别表示调节变量scale、AC对中介变量Spending影响被解释变量Patent产生的调节效应。
本文构建面板数据模型（6）—（8）如下：Patentit=a1Subsidyit+a2Spendingit+a3scaleit+
a4ACit+a5Spendingit*scaleit+a6NUMit+
a7ageit+a8DARit+Z′i+εit，（6）
Patentit=b1Subsidyit+b2Spendingit+b3scaleit+
b4ACit+b5Spendingit*ACit+b6NUMit+
b7ageit+b8DARit+Z′i+εit，（7）
Patentit=c1Subsidyit+c2Spendingit+c3scaleit+
c4ACit+c5Spendingit*scaleit+c6Spendingit*ACit+
c7NUMit+c8ageit+c9DARit+Z′i+εit。（8）模型（6）和（7）主要检验系数a5、b5是否显著，即通过判断a5、b5的显著性确定调节变量企业规模、企业吸收能力是否对企业R&D支出影响R&D产出产生调节效应；
模型（8）同时加入两个调节变量，检验系数c5、c6是否显著，进一步判断企业规模与企业吸收能力对企业R&D支出影响产出的调节作用。
四、实证分析
基于673家高技术行业上市企业专利与财务等方面相关数据，基于中介效应与调节效应构建模型，运用StataMP 16进行实证分析，考察本文中介变量与调节变量的选择是否合理，并验证上述假设。
（一）数据来源与描述性统计
1. 样本选择与数据来源
本文以2016—2021年中国高技术行业上市企业为研究对象，参照国民经济分类行业及高技术行业细分类标准筛选样本，选取高技术服务业和高技术制造业的9个二级行业的A股上市企业作为高技术行业的代表样本，剔除ST和*ST企业，最终保留673家企业的4038组有效观测值，其中，专利质量评价指标相关数据来源于incopat数据库，其他数据来源于wind数据库。
2. 描述性统计分析
据表5可知，专利质量评价综合指数的均值为2.903 3，标准差为1.463 5，表明我国高技术行业上市公司整体创新水平良好，但不同企业间R&D产出水平仍存在较大差异。政府研发补贴均值为0.005 9，表明政府对高技术行业的财政支持力度较大，但各企业获得的研发补贴力度差距也较大。企业R&D支出的均值为0.034 0，表明企业研发支出水平较高，且企业R&D支出远大于政府研发补贴，可以说明政府补贴并不是企业研发活动的主要支撑来源。企业吸收能力和企业规模的均值分别为3.496 8和22.381 1，标准差分别为1.536 9和1.153 3，进一步表明不同企业间吸收能力与规模存在显著差异。
（二）模型选择与回归结果分析
1. 模型选择
通过Hausman检验判断面板数据适合固定效应或随机效应模型，原假设H0：μi与所有解释变量均不相关。检验结果见表7，模型（1）—（6）均拒绝原假设H0，即均采用固定效应模型。
2. 回归结果分析
由表6可知，_bs_1代表间接效应结果，_bs_2代表直接效应结果，二者置信区间均不包含0，拒绝原假设H0：ab=0，系数乘积显著，表明既存在正向间接效应也存在正向直接效应。
本文对模型（1）—（6）进行固定效应回归，结果见表7所示。
回归（1）中，政府研发补贴的系数估计值为9.032 2，且在1%水平上统计显著，表明政府研发补贴促进上市企业R&D产出，即假设1成立。
回归（2）中，政府研发补贴系数估计值在1%水平上统计显著为0.190 4，表明政府研发补贴正向影响上市企业R&D支出，即假设2a成立。
回归（3）中，政府研发补贴系数估计值为7.701 0，企业R&D支出系数估计值为6.991 3，且均在1%水平上统计显著，表明中介变量起部分中介作用，即政府研发补贴既直接影响企业R&D产出又通过企业研发支出正向影响研发产出，假设2b成立。
回归（4）报告显示，企业R&D支出系数估计值为7.439 9，在1%水平上统计显著，即企业R&D支出对产出呈正向影响，而企业R&D支出与企业规模交互项的系数估计值为1.383 2，在10%水平上显著，说明企业规模正向调节企业R&D支出对产出的影响，假设4成立。对比回归（2）与回归（4）可知，企业规模负向影响研发支出，但正向调节R&D支出对产出的影响作用，其原因可能是大企业拥有较为固定的研发战略和稳定的合作伙伴，已具备核心技术和资源，能够更有效地进行资源配置，使研发支出转化为产出的效率更高。
回归（5）结果显示，企业R&D支出与吸收能力交互项的系数估计值为负，且在统计意义上并不显著，与理论分析结果不一致，可能由于企业吸收能力对上市企业研发支出与R&D产出的影响非线性。对比回归（2）与回归（5），企业吸收能力显著促进企业R&D支出，但由于高技术行业特性，创新风险较高，吸收能力较强的企业虽然更有意愿投入研发支出，却不一定能够获得创新成果，因此，也可能导致企业吸收能力的调节作用不显著，即假设3未得到支持。
回归（6）中，同时加入企业R&D支出分别与企业规模和企业吸收能力的交互项，企业R&D支出与企业规模交互项的系数估计值为2.054 6，在5%水平上显著，而企业R&D支出与吸收能力交互项的系数估计值仍为负且不显著，进一步验证了前文所述假设4成立，但假设3未得到支持。
（三）稳健性检验与内生性检验
1. 稳健性检验
本文选用变量替换法进行稳健性检验，选用“ln（企业员工总数+1）”作为企业规模的替代变量，企业员工人数来源wind数据库。回归结果见表8所示，替换调节变量测度方式后，scale与Spending*scale的系数估计值符号和显著性均与前文保持一致，证明企业规模的调节效应稳健。
2. 内生性检验
本文需要考虑两方面的内生性，一方面是可能存在反向因果，即企业R&D产出能力更强的企业，其自身可能具有较强的政治背景和经济实力，申请政府研发补贴更容易，研发支出也更多。因此，本文将核心解释变量提前一期进行回归，以减弱反向因果影响，见表9中回归（1）—（2），提前一期的政府研发补贴对企业R&D产出和支出的系数作用方向与原模型一致且均显著。此外，参考江艇［23］关于调节效应的论述，回归（4）报告中，企业R&D支出与企业规模交互项的系数在10%水平上显著，表明企業R&D支出与产出的相关性在不同规模的企业间存在显著差异，而反向因果在不同的企业间发挥作用的程度相同，说明反向因果不是解释相关性的全部原因，因此进一步强化了企业R&D支出促进产出的因果关系。
另一方面，本文可能存在遗漏变量。因此，使用工具变量法进行检验，参考俞会新等［24］的研究成果，选择（政府研发补贴-政府研发补贴均值）×（企业R&D支出-企业R&D支出均值）作为政府研发补贴的工具变量IV。结果见表9所示，回归（3）报告IV-2SLS结果显示，一阶段回归中，工具变量IV系数为7.123 8，且在1%水平上显著，符合工具变量与解释变量强相关，根据Kleibergen-Paap rk LM统计量拒绝IV识别不足的原假设，Kleibergen-Paap Wald rk F统计量为23.114，大于10，按经验拒绝弱工具变量假设，仅选择一个工具变量即不存在过度识别问题，二阶段回归中，政府研发补贴系数为21.493 0，企业R&D支出与企业规模交互项系数为1.407 4且均显著，与原模型一致，表明本文前述的回归结果稳健。
（四）行业异质性分析
根据国民经济分类行业标准，将研究对象划分为信息传输、软件和信息技术服务业（软件和信息技术服务业、互联网和相关服务）与高技术制造业（计算机通信和其他电子设备制造业、铁路船舶航空航天和其他运输设备制造业、汽车制造业、电气机械及器材制造业、医药制造业、仪器仪表制造业、专用设备制造业），作进一步行业异质性回归分析。
表10中，对比回归（1）—（3）与回归（5）—（7）可知，软件和信息技术服务业的政府研发补贴对企业研发产出的直接作用和中介作用均要显著于高技术制造业。本文认为原因如下：首先，相较于互联网和信息软件等方面的创新，航空航天等硬件设备的创新产出难度更高，核心技术及资源存在相对黏性和核心刚性，受政府研发补贴和企业R&D支出的影响较小，且企业普遍有固定的研发策略与投资计划，政府补贴难以影响其原有策略和创新产出水平；
其次，高技术制造业由于其行业特殊性，创新风险更高，例如芯片研发等关键技术，扩大研发支出未必能够成功产出。
对比回归（4）与回归（8），软件和信息技术服务业的企业R&D支出与企业规模交互项系数为5.850 9，在1%水平上显著；
高技术制造业的企业R&D支出与企业规模交互项系数为0.119 8，不显著，表明对软件和信息技术服务业，企业规模正向调节企业R&D支出对研发产出影响的作用，要显著于高技术制造业。本文认为原因如下：软件和信息技术服务业的技术开发周期更短，新技术不断取代旧技术，产品更新快且竞争性更强，大企业在技术积累和人才储备等方面都更具优势，同时大企业更容易吸引同盟进行资源整合以实现资源的最优配置。
五、分析结论与建议
本文基于理论与实证两方面，论述了政府研发补贴对上市企业R&D产出的影响。研究结果显示：第一，政府研发补贴对上市企业R&D产出存在直接效应，政府研发补贴促进企业R&D产出；
第二，企业研发支出在政府补贴与企业R&D产出间起部分中介作用，即政府研发补贴通过促进企业R&D支出，提升了企业研发产出水平；
第三，企业规模在上市企业R&D支出与产出间起正向调节作用，且存在行业异质性，即研发支出对大企业R&D产出的提升效果优于小企业，且软件和信息技术服务业企业规模的正向调节作用显著于高技术制造业；
第四，企业吸收能力在上市企业R&D支出与产出间不存在显著调节作用。
依据上述研究结论，本文对政府改善研发补贴效果的途径提出如下建议：第一，完善对企业R&D的补助政策，加大扶持力度的同时，监管资金流向，尽量减少企业由于研发经费不足而无法顺利开展工作的情况，转移分担企业研发投资风险，同时建立健全研发补贴监管和审查制度，确保每一笔经费物尽其用。第二，建立企业R&D数据库，减少信息不对称，以政府数据库作担保，促进企业间或企业与高校、研究所等合作，兼顾技术保密与外部资金获取，共同提升研发创新效率。第三，完善企业研发产出评估体系，兼顾创新产出的“质”与“量”，构建高质量评价指标体系，以衡量政府研发补贴对企业R&D产出的促进效果，便于及时调整政策方向。第四，合理分配补贴资源，提高针对性，更多地关注创新型企业的发展，充分考虑企业规模的正向调节作用，同时鉴于行业异质性，政府部门可以考虑向信息传输、软件和信息技术服务业倾斜更多的政府补贴，而针对高技术制造业则可以提供其他多种政策形式的扶持。
［参考文献］
［1］白俊红：《中国的政府R&D资助有效吗？ 来自大中型工业企业的经验证据》，《经济学（季刊）》2011年第4期，第1375—1400页。
［2］樊琦、韩民春：《我国政府R&D投入、市场竞争与自主创新关系研究》，《中国科技论坛》2011年第3期，第10—14页。
［3］史洁琼：《政府研发补贴提高了企业创新质量吗？——来自中国上市公司的经验证据》，《企业经济》2021年第11期，第100—108页。
［4］李映辉、詹湘东、吴玲玉：《政府研发补贴对企业创新的影响——基于规模以上高新技术工业企业数据》，《科技创业月刊》2021年第12期，第4—9页。
［5］邹洋、叶金珍、李博文：《政府研发补贴对企业创新产出的影响——基于中介效应模型的实证分析》，《山西财经大学学报》2019年第1期，第17—26页。
［6］宋春芳、徐晓媛：《政府研发补贴对企业创新产出的影响研究》，《财会研究》2020年第6期，第13—16页。
［7］Kyung-Nam Kang， Hayoung Park：“Influence of government R&D support and inter-firm collaborations on innovation in Korean biotechnology SMEs”，Technovation，Vol.32，No.1，2011，pp.68-78.
［8］Raffaello Bronzini， Paolo Piselli：“The impact of R&D subsidies on firm innovation”，Research Policy，Vol.45，No.2，2016，pp.442-457.
［9］赵欣宇：《政府补贴对创业板企业创新影响的实证研究》，山东大学2021年学位论文。
［10］李丹丹：《政府研发补贴对企业创新绩效的影响研究——基于企业规模和产权异质性视角》，《经济学报》2022年第1期，第141—161页。
［11］巫强、刘蓓：《政府研发补贴方式对战略性新兴产业创新的影响机制研究》，《产业经济研究》2014年第6期，第41—49頁。
［12］范允奇、李晓钟：《政府R&D投入、空间外溢与我国高技术产业技术创新效率》，《工业技术经济》2014年第5期，101—107页。
［13］Wesley M. Cohen， Daniel A. Levinthal：“Absorptive Capacity：
A New Perspective on Learning and Innovation”，Administrative Science Quarterly，Vol.35，No.1，1990，pp.128-152.
［14］袁胜超：《数字化驱动了产学研协同创新吗？——兼论知识产权保护与企业吸收能力的调节效应》，《科学学与科学技术管理》2023年第4期，第60—81页。
［15］柳卸林、张文逸、葛爽等：《数字化是否有利于缩小城市间发展差距？——基于283个城市的实证研究》，《科学学与科学技术管理》2021年第6期，第102—113页。
［16］樊霞、赵丹萍、何悦：《企业产学研合作的创新效率及其影响因素研究》，《科研管理》2012年第2期，第33—39页。
［17］杨登才、李国正：《高校专利质量评价体系重构与测度——基于23所高校的实证分析》，《北京工业大学学报（社会科学版）》2021年第2期，第109—121页。
［18］李仲飞、杨亭亭：《专利质量对公司投资价值的作用及影响机制》，《管理学报》2015年第8期，第1230—1239页。
［19］丁焕峰、何小芳、孙小哲：《中国城市专利质量评价及时空演进》，《经济地理》2021年第5期，第113—121页。
［20］温忠麟、叶宝娟：《中介效应分析：方法和模型发展》，《心理科学进展》2014年第5期，第731—745页。
［21］方杰、张敏强：《中介效应的点估计和区间估计：乘积分布法、非参数Bootstrap和MCMC法》，《心理学报》2012年第10期，第1408—1420页。
［22］Preacher Kristopher J， Hayes Andrew F：“Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models”，Behavior research methods，Vol.40，No.3，2008，pp.879-891.
［23］江艇：《因果推断经验研究中的中介效应与调节效应》，《中国工业经济》2022年第5期，第100—120页。
［24］俞会新、关忠路、张淼等：《政府创新补助对环保企业创新的影响研究——基于外部监督调节效应分析》，《华东经济管理》2020年第7期，第1—8页。
The Influence of Government R&D Subsidies on the R&D Outputs of Chinese Listed Enterprises：
An Empirical Study on the Moderating Mediation Effect
Li Shuangjie， Yin Qianwen
（Economics and Management School， Beijing University of Technology，Beijing 100124， China）
Abstract： The report of the 20th National Congress of the Communist Party of China points out that we need to promote high-quality economic development， and high-tech is the engine of high-quality economic development. Especially in the era of innovation globalization， enterprise research and development and capacity upgrading are urgent. Based on the panel data of 673 Chinese A-share listed high-tech enterprises from 2016 to 2021， a moderating mediation effect model is established to explore the impact of government R&D subsidies on enterprise R&D outputs， taking enterprise R&D expenditure as the mediating variable and enterprise size and absorption capacity as the moderating variables. The empirical results show that：
（1） enterprise R&D expenditure plays a partial mediating role in the process of government R&D subsidies promoting enterprise R&D output; （2） Enterprise size has a positive moderating effect on the relationship between R&D expenditure and output of listed enterprises， that is， the improvement effect of R&D expenditure on R&D output of large enterprises is better than that of small enterprises， and the moderating effect of enterprise size has industry heterogeneity; （3） The absorptive capacity of enterprises has no significant moderating effect on R&D expenditure and output of listed enterprises.
Key words：Government research and development subsidy；
Enterprise R&D expenditure；
Enterprise R&D output；
GPCA；
Moderating Mediation Effect
（責任编辑刘永俊；
责任校对朱香敏编辑）
