开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
党的十九大报告指出要坚定实施创新驱动发展战略，将科技创新摆在国家发展全局的核心位置，并进一步明确了企业在技术创新体系中的主体地位，提出高效激发企业创新活力对国家创新发展战略实施十分必要。在当前创新驱动发展大背景下，如何推动企业高效创新已成为创新研究的热点和焦点。
现有企业创新研究多从单一要素或变量对创新绩效的影响入手，缺乏对企业创新的系统性研究，而创新是一个多要素互动作用过程，需要对多方面的影响和作用效果进行综合探究。从企业外部看，各级政府不断加大科技创新支持力度，政府补助是其中的重要形式之一，有助于企业提升创新绩效。此外，企业资源水平也在很大程度上影响企业创新，丰富的创新资源能给企业带来充足的研发资金，帮助企业开展研发活动；丰富的政治资源代表企业拥有良好的政府关系，有助于其获得更多信息和资源。因此，有必要将外部政策因素及内部资源因素纳入同一研究框架，探究企业如何合理配置内外部资源以实现创新绩效提升。
战略性新兴产业作为国家重点关注和发展的新兴产业，是我国实现技术追赶以及建设创新型国家的关键着力点。2010年，国务院发布《关于加快培育和发展战略性新兴产业的决定》，明确对七大新兴产业进行重点培育和扶持，随后中央及地方政府出台了大量支持和补助政策。那么这些政策能否有效促进企业创新？企业内部资源能否有效推动企业创新？企业又应如何合理配置内外部资源？
基于上述问题，本文利用2010-2016年中国战略性新兴产业上市企业面板数据，通过建立面板向量自回归动态模型，构建战略性新兴产业上市企业创新系统，利用GMM估计、脉冲响应函数和方差分解等方法分析外部政府补助、企业内部资源与企业创新绩效的交互作用，探究在内外部因素共同作用下企业如何有效实现创新。
创新作为企业的一种特殊经济活动，会受到企业外部环境因素和内部资源因素的共同影响，据此，本文将企业创新影响因素研究归纳为两类。
(1)环境因素，是指企业外部影响企业创新的各种因素，包括企业所处的宏观经济环境、产业市场环境和政策制度环境等，主要体现为行业竞争与垄断程度[1]、市场化程度、市场扭曲程度[2]、政策支持程度[3-4]等。
(2)资源因素，是指企业内部影响企业创新的各种因素。具体包括企业组织因素，如企业规模、组织结构、企业文化、战略管理等[5-6]；企业与外部组织的联系与互动关系，包括与政府部门、供应商、买方、竞争者的协同作用等[7]；企业创新资源，包括研发资金投入情况和技术引进消化吸收能力等[8]。
关于政府补助影响企业创新绩效的研究存在两种不同观点，分别是促进论和抑制论两大流派。促进论认为由于创新活动具有显著的外部性特征[9]，企业往往缺乏主动创新的动力。政府创新补贴既可以直接弥补企业创新中的资源不足，也可以降低战略性新兴产业企业创新投入风险和成本，引导企业加大创新投入，进而促进企业创新产出。Martin[10]提出政府R&D补贴会引发创新竞争，激发企业提供更多新技术；白俊红和李婧[11]应用中国大中型企业分行业面板数据分析发现，政府R&D资助对提升企业技术创新效率具有显著影响。
抑制论[12-13]主要包括信息不对称理论和挤出效应理论两个方面。信息不对称理论认为，一方面，政府与企业之间存在信息不对称，政府在选择补助对象时并不能完全掌握企业创新资源和能力，存在补助对象选择偏误[14]；另一方面，政府对资助企业的创新行为缺乏有效监督，无法确保创新补贴是否用于企业创新活动(王俊，2010)。两方面的共同作用导致政府补助抑制了企业创新。挤出效应理论认为，政府资助除可能促进企业加大投资外，还可能取代企业自身投资,诱使其减少投资，即政府财政支持很可能被用以替代原本计划的研发投入[16-17]。
另有学者研究得出不同结论。如刘虹等[17]研究认为，政府R&D补贴会同时对企业产生激励效应和挤出效应，在补助初期激励效应较显著，而当补助额度超过最优补助额后挤出效应增强；余菲菲和钱超[18]应用门槛模型的估计结果表明，政府科技补助与科技型中小企业创新投入存在非线性关系；霍江林和刘素荣[19]的研究发现，政府补助与企业研发效率存在正“U”型关系。
基于资源论可认为，内部资源对企业创新发展至关重要，是企业竞争优势的来源。企业要获得创新发展，需要充分发挥内部资源的协同作用，对各种资源进行有效整合。企业内部资源包含资金资源、人力资源、物质资源等多方面资源要素。考虑到本文主要探究政府补助、内部资源与企业创新绩效的交互关系，因此在选取内部资源变量时重点考虑会与政府补助、企业创新绩效产生交互影响的因素。在文献梳理的基础上，选取政治资源和创新资源两种重要内部资源，并参考李梅和余天骄[20]的研究，将政治资源和创新资源纳入同一研究框架，用以代表企业内部资源要素。
政治资源是指企业高层管理者与政府部门建立的关系。一方面，政治资源不仅意味着企业能获得更多信息和资源，而且能帮助企业形成更为稳定和有利的制度环境。实证研究表明，政治资源对企业进入特殊行业以及获得融资便利、财政补贴和税收优惠等具有正向影响[21-23]。杨筠和宁向东[24]以中国中小企业板民营上市公司为样本，其研究结果也支持政治关联对企业获取政府补贴具有正向影响。另一方面，自Auty[25]提出资源诅咒假设以来，学者们研究发现政治资源也存在诅咒效应；袁建国等[26]对政治资源诅咒效应进行了验证，结论支持政治关联对企业创新活动和创新效率具有阻碍作用。有关企业政治资源影响创新效果的研究尚未得出一致结论。
创新资源是指企业技术创新中需要的各种投入，以研发资金投入为代表。作为企业重要的内部资源，创新资源被大部分学者证实对企业创新绩效有显著促进作用[27]，但也有一些学者在研究中得出了不一致结论。如陈德智[27]使用全球12个产业132家研发企业的大样本面板数据展开研究，发现在不同产业中，企业R&D投入对创新绩效的影响是不同的。近年来，学者们也逐渐关注到企业研发投入与创新绩效的非线性关系以及投入对产出的滞后效应(朱月仙,方曙，2007)。现有文献对具有不同行业特征的企业创新资源与创新绩效关系的研究尚不够充分。
综上所述，尽管现有文献在一定程度上对政府补助或内部资源与企业创新绩效的影响关系作出了探究，但极少有学者将两种重要因素纳入同一研究框架，研究政府补助和内部资源的共同作用效果及与企业创新之间的交互影响，而将战略性新兴产业上市企业等具有代表性的企业群体作为研究对象并展开研究的更少。基于此，本文重点关注政府补助、内部资源与战略性新兴产业上市企业创新的交互作用。通过建立面板向量自回归动态模型，分析三者之间的长、短期动态交互效应，探究在内外部因素共同作用下企业如何有效实现创新。该研究从理论框架构建、研究方法选择等方面丰富了企业创新绩效研究内容，同时，对于指导企业厘清外部政策要素、内部资源要素与企业创新绩效的关系，合理配置内外部资源，实现技术创新具有现实指导意义。此外，从政策制定角度，该研究对政府补助政策制定、补助额度确定具有重要启示。
本文拟从以下方面丰富现有研究：①在研究框架构建方面，同时从影响企业创新的外部政策因素和内部资源因素着手，探究政府补助、内部资源与企业创新的交互关系；②在研究方法选择方面，选用能够反映政府补助、企业资源和创新绩效三者动态互动关系的面板向量自回归方法，并考虑变量的内生性和滞后性问题；③在分析影响创新绩效的资源因素基础上，同时关注企业政治资源和创新资源两种资源要素对企业创新的影响。
采用面板向量自回归模型(Penal Vector Autoregressive Model，简称PVAR)进行实证分析。PVAR可以把所有变量看成一个内生系统进行处理，将各变量的滞后项均考虑在内，不仅继承了面板数据估计方法和向量自回归模型的优点，也大大降低了普通向量自回归模型对时间序列的长度要求，可以处理时间跨度较短的面板数据。此外，PVAR不需要预先对变量关系作出假设，而假定所有变量都是内生变量，采用“让数据说话”的方式获得各变量交互关系，对变量关系的描述更加真实。该模型最早被Gilchrist&Himmelberg[29]用于研究投资、未来资本生产率和公司现金流之间的交互关系，Love[30]对其进行了改进并应用微观企业层面数据展开研究。此后，学者们将该方法应用于经济波动、价格波动等方面的研究[31]。如张瑞等[32]运用该模型研究R&D投入与产出的关系，探究了R&D投入的滞后效果，但尚未有学者应用该方法系统研究企业创新。
为研究政府补助、企业内部资源与企业创新行为间的动态关系，本文选取我国战略性新兴产业上市企业2010-2016年数据，将政府补助、内部资源(包括创新资源和政治资源)及企业创新绩效纳入企业创新系统框架，构建PVAR模型以研究各变量间的动态交互效应。系统中的动态交互效应可以分为3类：直接效应，即政府补助和内部资源两个变量滞后项对创新绩效的影响；强化效应，即3个变量滞后项对其自身当期的影响；反馈效应，即创新绩效滞后项对其它两个变量的影响。基于上述分析，构建如图1所示的概念模型，探索企业如何通过合理整合内外部因素以实现创新绩效提升。
本文研究步骤为：首先进行GMM估计，得出变量之间的短期关系；然后进行冲击响应函数分析，刻画系统中每个内生变量的正交化冲击对其它变量的影响；最后得到预测期内的方差分解结果，衡量各变量贡献度。
图1 研究概念模型
2.2.1 变量设计
表1 变量定义
变量简称 指标衡量政府补助SubLn当年企业实际获得的政府补助创新资源RDLn研发资金投入政治资源PC企业中有政治关系的高管占高管总数比例创新绩效PatentLn(企业当年专利申请数+1)
(1)政府补助。参考彭雪蓉等[33]的研究，采用企业财务报表中“营业外收入——政府补助”科目下的“政府补助金额”衡量，对其取自然对数。
(2)创新资源。通常选取研发资金投入和研发人员投入衡量[34]。本文研究中，由于方法的限制，无法同时使用两个变量衡量企业创新资源，考虑到研发资金投入较研发人员投入更具有代表性，故参考李梅和余天骄[20]的研究，采用研发资金投入衡量企业创新资源丰裕程度，具体用每年研发资金投入取自然对数表示。
(3)政治资源。企业政治资源主要有两种衡量方式：第一种是采用虚拟变量衡量企业政治资源。以Faccio[21]和袁建国等[26]的研究为代表,利用公开披露资料收集公司实际控制人或董事会成员的政府背景信息，界定企业是否具备政治关系。如果企业高管在人大、政协、工商联或政府重要部门任职,则视为具有政治背景。第二种是在第一种方法基础上，通过计算有政治关系的高管人员数占高管总人数比例，以此作为企业政治资源衡量变量。李梅和余天骄[20]采用该方式研究企业资源在海外研发投资与母公司创新绩效间的调节作用。相比采用虚拟变量衡量政治资源，采用比例形式的连续变量能够更准确地反映政治资源水平，更具有科学性。因此，本文采用该指标。
(4)创新绩效。企业创新绩效通常采用两种测量方法，一是采用企业专利数衡量，包括专利申请数、专利授权数和专利引用数；二是采用新产品收益衡量。本文基于数据可得性，并考虑到专利从申请到授权的周期，认为专利申请数是衡量企业创新绩效的合适变量。因此，借鉴武志勇[35]、刘凤朝[36]、李梅[37]等的研究，采用专利申请数衡量企业创新绩效。
2.2.2 样本选取
本文以我国战略性新兴产业上市公司为研究对象，根据战略性新兴产业具体定义和内涵解释，选取节能环保、新一代信息技术、生物、高端装备制造、新能源、新材料和新能源汽车七个产业的上市公司。由于我国当前暂未按战略性新兴产业类别对上市公司进行统一划分，借鉴张永安等[38]的方法，结合国家统计局发布的《战略性新兴产业分类》与《国民经济行业分类》，匹配主营业务符合战略性新兴产业标准的企业。考虑到2010年国务院颁布的《关于加快培育和发展战略性新兴产业的决定》以及企业数据披露情况，样本研究年度为2010-2016年。此外，采取以下原则对研究对象进行筛选：①剔除样本年度内曾为ST等异常股；②剔除主营业务范围发生变化的样本；③剔除样本年度内数据不全的企业。最后得到199家上市公司1 393个研究样本。本文所有数据均来源于巨潮资讯网及国泰安数据库，运用STATA12.0统计软件进行数据分析。
2.2.3 描述性统计分析
表2 变量描述性统计结果
变量最小值最大值平均值标准差Sub7.82421.12316.2631.421PC0.0290.6000.1020.064RD10.26322.09217.7141.250Patent07.1512.4832.326
表2显示了各变量描述性统计分析结果。结果显示：所有样本企业在报告期内均获得了政府补助，这与战略性新兴产业受到较大程度政府支持的现状相符；样本企业在报告期内的政治资源水平，最大值为0.6，但平均值仅为0.102，表明样本企业政治资源平均水平较低；就样本企业创新绩效来看，表现出非常大的差异。
为有效避免“伪回归”问题，对面板数据进行面板单位根检验，以考察面板数据是否平稳。由于研究采用的面板数据样本量远大于时间序列长度，因此同时采用LLC、IPS检验对各变量序列进行面板单位根检验，以保证检验结果的稳健性。单位根检验结果如表3所示，检验结果大多拒绝了变量非平稳假设，说明各变量均具有平稳性。
表3 单位根检验结果
检验方法SubPCPatentRDLLC-37.930***-50.576***-26.135***-73.897***IPS-2.351***-1.530-2.173***-1.893***
根据研究设计，建立两个PVAR模型，分别用于检验内部资源(创新资源与政治资源)、政府补助与企业创新绩效的交互作用效果。
PVAR模型的一般形式为：
在本文构建的两个模型中，yit表示第i个企业在第t年由内生变量组成的向量，模型1中
模型2中
为yit的j阶滞后项，k代表滞后阶数，B0为截距，Bj为系数矩阵，fi和dt分别为个体固定效应与时间效应，εit为随机扰动项。
3.2.1 创新资源、政府补助与企业创新绩效
(1)滞后阶数判断。根据AIC、BIC、HQIC准则判断模型的最佳滞后阶数，结果如表4所示，3个准则均表明最佳滞后阶数为1，故建立滞后一阶的PVAR模型。
(1)
表4 模型1滞后阶数判断
lagAICBICHQIC17.859 87*10.855*9.004 12*27.868 9611.475 49.249 1138.262 3812.852 910.049 849.100 1515.440 411.611 5512.176 722.801 316.476 7
(2)GMM估计。
表5 模型1GMM估计结果
变量SubitRDitPatentitSubit-10.388***0.035-0.017RDit-10.262***0.593***0.210*Patentit-10.039*0.026*0.175***
首先通过Helmert转换，消除个体在每期未来观测值的均值，从而达到消除个体固定效应的目的，随后应用GMM估计得到PVAR模型估算结果。表5为模型1滞后一期的GMM估计结果，第一列检验滞后期创新资源和创新绩效对当期政府补助的影响，结果显示企业创新资源投入和创新绩效产出均能在短期内对政府补助发挥信号作用，其中，创新资源的作用更显著；第二列检验发现，滞后一期的政府补助和创新绩效均对创新资源有促进作用，且创新绩效的作用效果更显著，表明企业当期创新资源投入更依赖于前期创新成果；第三列检验发现，滞后一期政府补助对企业创新绩效提升的作用效果不显著，而创新资源对创新绩效的作用效果显著为正，表明在短期内相较于政府补助，创新资源促进企业创新绩效的作用效果更显著。
(3)脉冲响应。脉冲响应用于分析模型中随机扰动项冲击对其它变量当期和未来期的影响，能比较直观地反映变量动态交互关系，并由此判断变量时滞关系。为检验各变量未来几期的持续相互作用效果，采用脉冲响应检验各变量未来6期的交互作用关系，得到95%置信区间内的脉冲响应函数。其中，横轴是冲击反应响应期数，以年为单位，纵轴表示变量对冲击的响应程度，中间实线表示各期内冲击反应强度，上下两条线之间表示95%置信区间，使用蒙特卡洛方法模拟产生置信区间。检验结果如图2-图5所示。
图2反映了政府补助与企业创新绩效的相互作用效果，从总体上看，政府补助与企业创新绩效是相互促进的。政府补助对创新绩效的作用效果随时间呈减弱趋势，但是其95%置信区间处于0附近，因此不能认为政府补助对企业创新绩效有显著作用；而创新绩效对政府补助表现出稳定的正向促进作用，作用强度在第一年达到最大，此后其作用效果随时间逐期减弱。这表明政府补助并不能显著提高企业创新绩效，但良好的创新绩效能够发挥信号作用，使企业在申请政府补助时更受青睐。
图2 政府补助与企业创新绩效交互作用的脉冲响应
图3 企业创新资源与创新绩效交互作用的脉冲响应
图3反映了企业创新资源和创新绩效的相互作用效果，从总体上看，企业创新资源和创新绩效是相互促进的。创新资源对创新绩效的作用效果随时间减弱；而创新绩效对企业创新资源的冲击效果在第一期迅速提升，然后逐渐减弱。这表明拥有丰富的创新资源有利于企业创新绩效提高，而创新绩效提高又会进一步激励企业加大创新资源投入，两者相互促进。
图4反映了政府补助与企业创新资源相互作用的效果，从总体上看，政府补助和企业创新资源是相互促进的。政府补助对企业创新资源的冲击效果在第一期达到最高，以后逐渐减弱；而创新资源对政府补助的冲击在第一期迅速提升，第二期稳定，随后缓慢减弱。这说明创新资源充足的企业更容易在政府筛选补助对象时占据优势，且这种优势持续时间长。
图5对比分析了政府补助与创新资源对创新绩效的作用效果，发现相较于政府补助，创新资源对创新绩效的促进作用更显著，两者的作用效果都随时间减弱。这说明相较于外部政府补助，丰富的创新资源更有利于企业获得良好创新绩效。
图4 政府补助与企业创新资源交互作用的脉冲响应
图5 政府补助(左)与创新资源(右)对企业创新绩效的脉冲响应
(4)方差分解。在分析脉冲响应图的基础上，使用方差分解进一步考察变量间的相互影响程度。方差分解是指将任意内生变量的预测均方误差分解为系统中各变量随机冲击的贡献度，计算每个变量冲击的贡献百分比，从而评估某变量冲击对另一个变量的影响程度，通过方差分解可以分析各变量的方差贡献率。
表6 模型1方差分解结果
变量时期SubRDPatentSub100.9280.0630.009RD100.0400.9490.011Patent100.0110.0470.943
表6列出了模型1在第10个预测期的方差分解结果，结果显示第10个预测期的方差分解结果稳定，因此分析具有研究意义。基于方差分解结果，可以得出以下结论：①创新资源投入和创新绩效产出均能对外释放信号，使得政府在收到企业具有创新潜力的信号后加大补助力度，其中，创新资源投入信号更受政府关注，对政府补助的影响更显著；②政府补助和创新绩效都能对企业创新资源投入产生正向冲击，其中，政府补助产生的资金支持效果强于创新绩效产出的激励效果；③创新资源对创新绩效的影响程度高于政府补助对创新绩效的影响程度，即关注创新资源投入更有利于企业获得较高创新绩效。
3.2.2 政治资源、政府补助与企业创新绩效
(1)滞后阶数判断。判断该模型的滞后阶数，结果如表7所示，AIC、BIC和HQIC三项准则都表明该模型的最佳滞后阶数为1阶,故建立滞后阶数为一阶的模型，模型形式为：
(2)
表7 模型2滞后阶数判断
滞后期AICBICHQIC13.426 95*6.702 71*4.816 2*23.716 727.042 474.851 8833.822 818.413 365.610 2244.530 3810.870 67.041 757.465 2918.089 911.765 4
(2)GMM估计。
表8 模型2GMM估计结果
变量SubitPCitatentitSubit-10.708***-0.018***0.314*PCit-10.9880.369***0.095**Patentit-10.054**0.0010.186***
表8显示了模型2滞后一期的GMM估计结果，其中，第一列估计结果表明滞后一期政治资源和创新绩效均对政府补助有促进作用，其中，政治资源的促进效果不显著，表明短期内创新绩效较好的企业更容易获得政府补助；第二列估计结果表明滞后一期政府补助对政治资源有挤出作用，而创新绩效对政治资源几乎没有作用；第三列估计结果表明，滞后一期政府补助和政治资源均对企业创新绩效有直接促进作用，政府补助的创新促进作用强于政治资源的作用。
(3)脉冲响应。图6反映了政府补助与企业政治资源相互作用的脉冲响应，总体上看，企业政治资源有助于获得政府补助，但政府补助会抑制企业的政治资源水平。政治资源对政府补助的作用首先呈逐渐增大趋势，在第二期达到最大冲击，随后呈逐渐递减趋势；与此相反，政府补助对政治资源的负向冲击也在第二期达到最大，随后逐渐递减。这表明丰富的政治资源确实能够帮助企业获得政府补助，但已经获得补助的企业会放松与政府部门的联系。
图6 政府补助与企业政治资源相互作用的脉冲响应
图7 企业政治资源与创新绩效交互作用的脉冲响应
图8 政府补助(左)与政治资源(右)对企业创新绩效的脉冲响应
图7反映了政治资源和创新绩效相互作用的脉冲响应，总体上看，企业政治资源显著促进了创新绩效，但创新绩效抑制了政治资源。政治资源对创新绩效的促进作用呈现先增加后递减的发展趋势，滞后一期时正向冲击达到最大；创新绩效对政治资源的冲击效果表现为短期促进和长期抑制。这说明创新绩效高的企业在长期发展中比较忽视政治资源培育，更有可能将有限资源投向企业发展的其它方面。
图8对比分析了政府补助和政治资源对创新绩效的作用效果，总体上看，政府补助和政治资源对创新绩效的冲击效果均在第1期达到最大，随后逐期递减。政府补助对创新绩效的最高冲击值为0.28，大约是政治资源冲击效果的2倍，即政府补助对创新绩效的直接作用效果强于政治资源。
(4)方差分解。表9列出了模型2在第10个预测期的方差分解结果，结果显示第10个预测期方差分解结果趋于稳定，因此具有研究意义。通过方差分解，可以得出：①政治资源和创新绩效对政府补助的方差贡献都非常小，表明虽然政治资源和创新绩效都能在一定程度上影响政府补助额度，但政府补助主要受上一期补助额的影响；②政府补助对政治资源的方差贡献达到27.3%，可见政府补助对政治资源的负向冲击非常大，相比较而言，创新绩效对政治资源的影响可以忽略不计；③政府补助对创新绩效的方差贡献达到7.6%，明显高于政治资源的贡献度，即相比政治资源，政府补助更有效地促进了创新。
表9 模型2方差分解
变量时期SubPCPatentSub100.9780.0080.013PC100.2730.7240.003Patent100.0760.0130.911
3.2.3 创新资源与政治资源对比分析
为了更直观地比较两种资源的作用效果，对其进行比较分析，分析结果见表10。
(1)创新资源与政治资源都显著促进创新绩效，创新资源的促进作用在投入时快速响应，随后促进作用缓慢降低，在第6期时基本消失；政治资源的促进作用在第一期逐渐增大，随后缓慢降低。对比政治资源与创新资源的作用效果，创新资源对创新绩效的促进响应效果更快速，短期表现显著，表明企业创新资源的转化速度更快。
表10 政治资源与创新资源作用效果对比
变量响应方向最大响应力度何时达到最大响应变量响应方向最大响应力度何时达到最大响应RD→Patent正向0.28第1期PC→Patent正向0.15第0期Patent→RD正向0.04第1期Patent→PC负向-0.002第4期RD→Sub正向0.12第1期PC→Sub正向0.05第1期Sub→RD正向0.06第1期Sub→PC负向-0.015第1期
图9 政治资源与创新资源时创新绩效促进作用效果对比
图10 创新绩效对政治资源与创新资源反馈效果对比
图11 政治资源与创新资源对政府补助促进作用效果对比
(2)比较创新绩效对内部资源的反馈作用，创新绩效对创新资源有显著促进作用，作用效果在滞后1期达到最大；创新绩效对政治资源的作用效果表现为短期促进作用及长期抑制作用。这表明创新绩效对企业资源的正向反馈是快速响应的，促进作用在滞后一期最佳，说明企业在完成创新成果转化后应迅速积累资源，为进一步的创新产出作准备。
(3)相比政治资源，创新资源更有助于企业获得政府补助，其作用效果是政治资源的2倍有余。此外，创新资源具有快速响应特点，滞后1期时创新资源的作用效果达到最大，说明创新资源有助于企业提高政府补助的灵敏度。对比结果显示，拥有政治资源和创新资源有助于企业获得政府补助，但政府在发放补助时更多考虑补助对象的创新资源拥有情况。
(4)政府补助有助于丰富企业创新资源，但是对政治资源有挤出效果，表明政府补助能够被企业有效转化为创新投入，反映出创新绩效高的公司更注重创新资源投入，而忽略政治资源投入。
图12 政府补助对政治资源与创新资源反馈效果对比
本文使用战略性新兴产业199家上市企业2010-2016年数据，应用PVAR模型构建战略性新兴企业创新系统，结合GMM估计、脉冲响应和方差分解方法，分析得出以下结论：
(1)从企业创新系统构建角度，通过综合GMM估计和脉冲响应估计结果，发现在影响企业创新绩效的内外部因素中，创新资源的效果最显著，政府补助次之，政治资源最弱。进一步关注创新绩效对企业创新资源的反馈效应，研究发现创新绩效提高也会激励企业加大创新资源投入，两者相互促进，形成企业创新的良性循环。因此，对于企业而言，加大创新资源投入更有利于创新发展，企业在资源总量有限的情况下，应优先配置创新资源。
(2)从创新系统反馈效应角度，通过综合分析GMM估计结果和创新绩效对企业内部资源反馈的脉冲响应估计结果，研究发现，在短期内创新绩效能够同时实现对企业创新资源和政治资源的积极反馈，反馈效果在滞后一期最佳，说明企业完成创新成果转化后的第一期为内部资源积累的最佳时期，企业应注意在短期内迅速积累资源，为推动企业后续创新活动作准备。
(3)从企业资源获取与配置角度，通过分析企业内部资源与创新系统因素的脉冲响应估计结果，研究发现，长期来看，政府补助和创新绩效对企业创新资源起促进作用，但会在一定程度上抑制企业政治资源。这说明一方面已经获得政府补助的企业会放松政治资源积累，另一方面创新绩效高的企业在长期发展中比较忽视政治资源培育，更有可能将有限的资源投向企业其它方面，企业内部资源配置不均的情形普遍存在。因此，企业在创新发展中应注重内部资源的均衡配置。
(4)从政府补助对象选择角度，通过分析内部资源对政府补助影响的脉冲响应估计结果，研究发现，企业创新资源和政治资源能够长期对政府补助发挥信号作用，其中，创新资源的灵敏度更高，其作用效果大约是政治资源的2倍有余，表明政府在选择补助对象时更青睐内部创新资源丰富的企业。但是，方差分解结果表明，企业内部资源和创新绩效的冲击作用对政府补助影响很小，影响本期政府补助额的主要因素是上期补助额，说明虽然政府在确定补助额度时已经将企业研发投入和创新潜力因素考虑在内，但特定企业的补助额有待进一步评估与调整。
本文研究启示如下：第一，企业为实现更高的创新产出，应当充分认识外部政策环境与内部资源水平对创新绩效提升的推动作用，厘清外部政策要素、内部资源要素与创新绩效提升之间的传导路径。一方面主动掌握政策发展趋势，以获得更多创新发展资金支持，另一方面注重各方资源获取与整合，引导企业资源向创新活动集聚，通过创新实现企业持续发展；第二，企业在发展中应关注内部资源投入和积累，充分认识创新绩效对企业内部资源的反馈作用，在实现创新产出后迅速积累资源，为进一步创新作准备；第三，企业在发展中应注意内外部资源的均衡配置，既要关注创新资源的持续投入，也不应忽视政治资源培育，应积极搭建社会关系网络，重视内部资源获取与整合；第四，对政府而言，合理的补助额度对发挥政府补助的积极作用至关重要。政府应定期对企业资源水平和创新能力进行评估，根据评估结果及时调整补助额度，使政府补助能够高效发挥作用。
[1] 张杰,郑文平,翟福昕. 竞争如何影响创新:中国情景的新检验[J]. 中国工业经济,2014(11):56-68.
[2] 戴魁早,刘友金. 要素市场扭曲、区域差异与R&D投入——来自中国高技术产业与门槛模型的经验证据[J]. 数量经济技术经济研究,2015,32(9):3-20.
[3] CASTELLACCI F. Innovation and the competitiveness of industries: comparing the mainstream and the evolutionary approaches[J]. Technological Forecasting&Social Change, 2008, 75(7):984-1006.
[4] ÅDNE CAPPELEN, RAKNERUD A, RYBALKA M. The effects of R&D tax credits on patenting and innovations[J]. Research Policy, 2012, 41(2):334-345.
[5] 李春涛,宋敏. 中国制造业企业的创新活动:所有制和CEO激励的作用[J]. 经济研究,2010,45(5):55-67.
[6] 吴延兵. 中国哪种所有制类型企业最具创新性[J]. 世界经济,2012,35(6):3-25+28-29+26-27.
[7] 范群林,邵云飞,尹守军. 企业内外部协同创新网络形成机制——基于中国东方汽轮机有限公司的案例研究[J]. 科学学研究,2014,32(10):1569-1579.
[8] 张娜,杨秀云,李小光. 我国高技术产业技术创新影响因素分析[J]. 经济问题探索,2015(1):30-35.
[9] ARROW，KENNETH J． The economic implication of learning by doing[J].Review of Economic Studies，1962，29(3):155-173．
[10] MARTIN S. R&D joint ventures and tacit product marketcollusion[J]. European Journal of Political Economy, 1996, 11(4):733-741.
[11] 白俊红,李婧. 政府R&D资助与企业技术创新——基于效率视角的实证分析[J].金融研究,2011(6):181-193.
[12] BOEING P. The allocation and effectiveness of China's R&D subsidies - evidence from listed firms[J]. Research Policy, 2016, 45(9):1774-1789.
[13] MARINO M,LHUILLERY S,PARROTTA P,et al.Additionality or crowding-out? an overall evaluationof public R&D subsidy on private R&D expenditure[J]. Research Policy, 2016, 45(9):1715-1730.
[14] 安同良,周绍东,皮建才. R&D补贴对中国企业自主创新的激励效应[J]. 经济研究,2009,44(10):87-98+120.
[15] 解维敏,唐清泉,陆姗姗. 政府R&D资助,企业R&D支出与自主创新——来自中国上市公司的经验证据[J]. 金融研究,2009(6):86-99.
[16] 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[J]. 经济学：季刊，2011，10(4)：1375-1400.
[17] 刘虹,肖美凤,唐清泉. R&D补贴对企业R&D支出的激励与挤出效应——基于中国上市公司数据的实证分析[J]. 经济管理,2012,34(4):19-28.
[18] 余菲菲,钱超. 政府科技补助对企业创新投入的门槛效应——基于科技型中小企业的经验研究[J]. 科研管理,2017,38(10):40-47.
[19] 霍江林,刘素荣. 政府补助对创业板上市公司研发效率的影响[J].工业技术经济，2018,37(1):26-31.
[20] 李梅,余天骄. 海外研发投资与母公司创新绩效——基于企业资源和国际化经验的调节作用[J]. 世界经济研究,2016(8):101-113+134+137.
[21] FACCIO M. Politically connected firms[J]. American Economic Review, 2006, 96(1):369-386.
[22] CHUNG, KAE H. Business groups in Japan and Korea: theoretical boundaries and future direction[J]. International Journal of Political Economy, 2004, 34(3):67-98.
[23] 张敏,张胜,王成方,等.政治关联与信贷资源配置效率——来自我国民营上市公司的经验证据[J]. 管理世界,2010(11):143-153.
[24] 杨筠,宁向东. 政治关联、政府补贴与企业创新绩效[J]. 技术经济,2018,37(5):31-37.
[25] AUTY R.Sustaining development in mineral economies[M].1993.
[26] 袁建国,后青松,程晨. 企业政治资源的诅咒效应——基于政治关联与企业技术创新的考察[J]. 管理世界,2015(1):139-155.
[27] KOTABE M, SRINIVASAN S S, AULAKH P S. Multinationality and frm performance: the moderating role of R&D and marketing capabilities[J]. Journal of International Business Studies, 2002, 33(1):79-97.
[28] 陈德智. “研究”和“开发”与专利产出的关系研究——以全球R&D投资顶尖企业为例[J]. 管理工程学报,2011,25(4):81-86.
[29] GILCHRIST S, HIMMELBERG C. Investment, fundamentals and finance[J]. Social Science Electronic Publishing, 1998, 13:223-262.
[30] LOVE I, ZICCHINO L. Financial development and dynamic investment behavior: evidence from panelVAR[J]. Quarterly Review of Economics & Finance, 2007, 46(2):190-210.
[31] 李颖,胡日东. 中国房地产价格与宏观经济波动——基于PVAR模型的研究[J]. 宏观经济研究,2011(2):26-30.
[32] 张瑞,苏方林,李臣. 基于PVAR模型的R&D投入与产出关系的实证研究[J]. 科学学与科学技术管理,2011,32(12):18-25.
[33] 彭雪蓉,魏江.生态创新、资源获取与组织绩效——来自浙江省中小企业的实证研究[J]. 自然辩证法研究,2014,30(5):60-65.
[34] 刘小元,林嵩. 地方政府行为对创业企业技术创新的影响——基于技术创新资源配置与创新产出的双重视角[J]. 研究与发展管理,2013,25(5):12-25.
[35] 武志勇,王则仁,王维. 政府研发补助对东北高端装备制造企业创新绩效的影响——研发投入与高管人力资本的中介调节作用[J]. 科技进步与对策,2018,35(16):47-53.
[36] 刘凤朝,楠丁. 地理邻近对企业创新绩效的影响[J]. 科学学研究,2018,36(9):1708-1715.
[37] 李梅,余天骄. 东道国制度环境与海外并购企业的创新绩效[J]. 中国软科学,2016(11):137-151.
[38] 张永安,张瑜筱丹. 外部资源获取、内部创新投入与企业经济绩效关系——以新一代信息技术企业为例[J/OL]. 华东经济管理:[2018-10-28].https://doi.org/10.19629/j.cnki.34-1014/f.171019005.