How does Policy Uncertainty Affect Enterprise's Innovation Performance: An Analysis of Mediating Role of Interregional R&D Factor Flow

Wang Jinfu, Li Jiahui, Zhang Yingying

(School of Management, Xi'an Polytechnic University, Xi'an 710048, China)

Abstract：Enterprises are rational economic subjects, and their profit-seeking nature of enterprises will make the uncertain policy environment either beneficial or detrimental to enterprise innovation. Although many scholars point out that the reasons for the divergence of benefits and drawbacks may lie in enterprise heterogeneity or differences in enterprise investment approaches, and argue that the rational use of market uncertainty caused by policy uncertainty to boost enterprise innovation development is the optimal choice in reform, most research findings still end up helplessly pointing to the need for government to maintain policy stability, and fail to provide concrete guidance on how governments can apply the potential advantages of policy uncertainty. An important reason for this is the disconnect between real-world needs and academic research findings. The heterogeneity of policy goals and measures in reality will inevitably lead to diverse policy uncertainties, while academics currently still take a holistic view of the relationship between policy uncertainty and firm innovation performance, which ultimately leads to a gap between practice and theory. As policy uncertainty induced by relevant policy adjustments in China in recent years has generally improved firm innovation, and an in-depth analysis of which type of policy uncertainty has played a positive role would be helpful to strengthen this incentive effect and provide comprehensive suggestions for policy system construction.

Due to the limitations of the research perspective, previous studies implied that the R&D factors of enterprises only came from local government agencies or financial institutions such as banks, and mostly focused on the role of intra-regional R&D factor inputs in the policy uncertainty and enterprise innovation performance. In fact, unlike the concept of regional R&D factor input as stock, the uneven regional spatial development pattern of information technology development overlays the inter-regional flow of R&D factors as a new driving force for enterprise innovation development, and differs significantly from the regional stock of R&D factors in innovation effect. In this context, if we still analyze how intra-regional R&D factors influence firms' innovation decisions in an uncertain policy environment from a static perspective and ignore the inter-regional interactions, we will inevitably be out of touch with the reality of firms' innovation practices.

The data in this study is from 2007-2019. Among them, all the data related to enterprises come from China Science and Technology Statistical Yearbook and China High Technology Industry Statistical Yearbook. To ensure the reliability of the regression results, this paper deflates all the nominal value data to obtain the actual value. At the same time, all data, except for the flow of R&D factors, are logarithmically processed.

The findings of the study are as follows :(1) in general, policy uncertainty is detrimental to firm innovation performance and R&D factor flow, specifically, policy uncertainty at the supply level has a negative effect on firm innovation performance and R&D factor flow, while the opposite is true for policy uncertainty at the demand and environment levels; (2) R&D factor flow such as talent and capital both play a partial mediating effect between policy uncertainty and firm innovation performance; (3) it's found that policy uncertainty at the supply level negatively affects firms' innovation performance by inhibiting the flow of R&D factors such as talent and capital, while policy uncertainty at the demand and environment levels positively affects firms' innovation performance by promoting the flow of R&D factors such as talent and capital.

This paper takes a government perspective and analyzes the impact of different types of policy uncertainty on firm innovation performance. In addition, instead of taking a static perspective to analyze the role of regional R&D factor, this paper focuses on the mediating role of inter-regional R&D factor flow with the assumption of spatial correlation to provide a new perspective and new ideas on the mechanism of policy uncertainty and provide a theoretical basis for the rational use of R&D factors by enterprises.

Key Words:Policy Uncertainty; R&D factor flow; Enterprise Innovation Performance; Policy Tools

收稿日期：2022-02-17

修回日期：2022-04-16

基金项目：国家自然科学基金青年项目 (71702139)；陕西省软科学研究计划重点项目(2020KRZ008)；陕西省软科学一般项目(2020KRM167)

作者简介：王进富(1978-)，男，甘肃靖远人，博士，西安工程大学副校长、管理学院教授，研究方向为创新管理；李嘉辉(1997-)，男，陕西渭南人，西安工程大学管理学院硕士研究生，研究方向为技术创新管理；张颖颖(1987-)，女，陕西咸阳人，博士，西安工程大学管理学院副教授，研究方向为孵化网络与创新管理。本文通讯作者：李嘉辉。

DOI：10.6049/kjjbydc.2022020260

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2022)13-0105-09

0 引言

政策工具作为政府推动企业创新发展的重要手段，由于在颁布时间、力度和内容等方面存在不确定性，致使企业无法预知政府何时以何种方式改变现行政策，而企业创新决策显著受政策工具的影响。因此，政策不确定性对企业创新的影响成为近年来的研究热点。尽管学者普遍认为政策不确定性对企业创新具有或利或弊的影响，并指出利弊分歧的原因可能在于企业异质性[1-2]或企业投资方式差异[3]，提出合理运用政策不确定性导致的市场不确定性助推企业创新发展是当前情景下的最优选择[4]。但大多数研究仅指出政府需要保持政策稳定性[5]，而无法指导政府高效利用政策不确定性的潜在优势，主要原因在于现实需求与学术研究成果脱节。现实中，政策目标异质性不可避免地导致政策不确定性，而学界仍以整体视角看待政策不确定性与企业创新绩效的关系[4-6]，导致理论与实践脱节。如赵萌[6]指出，近年来中国相关政策调整引发的政策不确定性总体上提高了企业创新水平。因此，深入探析哪类政策不确定性在其中发挥积极作用，有助于强化这一激励效应并为政策体系构建提供具体建议。

政策不确定性对企业创新绩效的作用机制成为现有研究普遍关注的问题，经历长久的思想碰撞后，“政策不确定性—研发要素—企业创新绩效”这一影响脉络逐渐得到学界认同。邓江花[7]认为，政策不确定性会影响企业研发资金补助，促使企业迫于经营压力而放弃创新活动；Wu[3]指出，政策不确定性通过提升企业从地区金融机构获取研发资本的难度，进而影响企业创新绩效。囿于研究视角，以往研究大多关注地区研发要素投入在政策不确定性与企业创新绩效间的作用路径。实际上，与地区研发要素投入这一“存量”概念不同，信息技术发展叠加区域空间发展格局的不均衡促使研发要素区域“流量”成为企业创新发展的新动能，并在发挥创新效应过程中与研发要素区域“存量”存在较大差别[8]。上述背景下，若以静态视角分析区域研发要素对不确定性政策环境中企业创新决策的影响，忽视地区间互动关系，则难免与企业创新实践脱节。由此，在不确定性政策环境中，企业是否受区域研发要素流动的影响？不同研发要素流动会产生何种影响？本文尝试回答上述问题。

本文研究贡献在于：第一，以往研究大多从企业视角出发，发现政策不确定性对创新绩效的影响差异是企业异质性和企业投资方式差异所致，本文从政府视角出发，剖析不同类型政策不确定性对企业创新绩效的影响；第二，现有研究仅从静态视角分析地区研发要素“存量”对政策不确定性与企业创新绩效的作用路径，难免与现实脱节。鉴于此，本文以空间相关性为基础假设，揭示区域间研发要素流动的中介作用，既可为政策不确定性的作用机理研究提供新思路，也可为企业合理运用研发要素提供理论依据。

1 文献综述与研究假设

1.1 政策不确定性与企业创新绩效

现有研究普遍将政策工具分为供给层、需求层和环境层3类。依据实物期权理论，不同类型政策不确定性能够影响决策者对研发投资成本与收益的权衡，进而对企业创新绩效产生不同影响。

(1)供给层政策通过弥补研发要素的稀缺性降低企业生产研发过程中的不确定性，进而提升其创新绩效。当企业无法预知政府何时以何种力度出台该类政策时，生产要素供给的不稳定性将扭曲要素市场价格，增加企业沟通成本。出于获得超额收益的目的，企业具有较强动机与官员建立政治联系，进而导致更多资源流入非生产性活动[9]，减少研发投资预期收益，从而不利于企业创新绩效提升。

(2)需求层政策制定的目的在于刺激区域创新需求与改善市场环境[10]，但其频繁调整或出台导致企业面临动荡的市场环境。现有研究表明，一方面，企业为了生存主动开发满足市场需求的新产品[11]，增加创新活动的预期收益；另一方面，不确定性市场环境会使企业、供应商和研发机构等出于生存目的主动建立联系，快速补充企业内部技术创新知识,降低企业研发成本[12]。

(3)环境层政策制定的目的在于通过税收优惠、法规为企业营造良好的外部制度环境，其不确定性会促使企业外部制度环境发生变化。根据“制度—结构—行为”的分析逻辑，企业创新活动总是嵌入于当地制度环境中，其经营战略和行为决策是对地区制度环境的适应[13]。当外部制度环境不断变化时，企业为降低环境不确定性带来的负面影响，更有动机同市场中介机构和合作伙伴建立紧密关系，减少对外部制度环境的依赖，进而获得新技术和新知识，提高研发投资预期收益[14]。

综上所述，政策不确定性对企业创新绩效产生何种影响取决于哪一类政策不确定性在创新决策过程中更为重要。现有研究表明，相比于需求层政策与环境层政策不确定性促使企业提前布局所带来的超额预期收益,供给层政策提供的生产要素直接关乎企业当下生死存亡[10]。在生产要素有限性与管理者绩效考核的双重约束下，企业对供给层政策的依赖性较强。据此，本文提出如下假设：

H1：政策不确定性总体上对企业创新绩效具有负向影响。

H1a：供给层政策不确定性可能抑制企业创新绩效提升；

H1b：需求层政策不确定性能够促进企业创新绩效提升；

H1c：环境层政策不确定性能够促进企业创新绩效提升。

1.2 政策不确定性与研发要素流动

学者们将研发要素流动划分为研发人员流动与研发资本流动，并认为不论是哪种研发要素，其流动原因均可归纳为以下两方面：第一，流动主体，即研发要素的逐利性。该观点认为，人员、资本等研发要素空间流动实为在评估流动两地边际收益率后作出的理性决策，当流入地预期边际收益率大于流出地时，研发要素会遵循利益最大化的市场规律自然流动。第二，流动客体，即企业对研发要素价值与价格的比较。该观点指出，研发要素能否顺利流动的关键在于流入地企业接纳与否[15]，认为尽管研发要素对某地区企业具有较高的利用价值，但由于研发要素转化为实际创新动能过程中存在沟通、利用成本，可能促使企业转向非生产性活动，从而不利于要素流动。

供给层政策不确定性能够直接影响生产要素供应总量。一方面，对于流动主体而言，不确定性要素供应导致市场供需均衡价格点向不可知方位移动，从而不利于人才、资金等研发要素主体对未来收益的判断；另一方面，对于流动客体而言，要素供给不确定性促使管理者权衡可见的寻租收益和未知的沉没成本，同时迫于企业代理人绩效考核目标的多重压力，最终作出稳定收益的决策,导致低估研发要素价值并高估其价格[16]，从而不利于研发要素流动。在不确定性外部环境中，需求层和环境层政策不确定性能够直接影响市场环境与创新环境动荡程度，一方面促使研发人才、资本等流动主体看到地区间巨大的市场空间[17]，从而提升未来预期边际收益率；另一方面激励企业积极抢占创新高地，摆脱市场格局中的低端锁定[18]。在上述过程中，管理者会加强对研发要素价值的衡量，积极引入研发要素。相比于需求层政策和环境层政策，短视化及制度本身缺位导致供给层政策成为政府推动区域创新体系发展的工具[19]。由此可见，政策不确定性对研发要素流动的影响受制于供给层政策不确定性。基于此，本文提出如下假设：

H2：政策不确定性不利于研发人员流动；

H2a：供给层政策不确定性抑制研发人员流动；

H2b：需求层政策不确定性能够促进研发人员流动；

H2c：环境层政策不确定性能够促进研发人员流动。

H3：政策不确定性不利于研发资本流动；

H3a：供给层政策不确定性抑制研发资本流动；

H3b：需求层政策不确定性能够促进研发资本流动；

H3c：环境层政策不确定性能够促进研发资本流动。

1.3 研发要素流动的中介作用

一方面，供给层政策通常扮演信号传递的角色，降低企业与外部合作者间的信息不对称，但在不确定性政策环境中，这种信号传递会扭曲市场机制，直接干预与控制要素价格，阻碍要素流动[20]，不利于区域间资源均衡配置及知识共享，从而影响企业创新绩效；另一方面，需求层和环境层政策不确定性直接作用于企业外部经营环境，而不确定性市场环境能够带来较大的盈利空间并引发研发风险溢价，促使研发要素流向本地高技术产业(宛群超等，2020)，加快研发要素配置。此时，机遇预期效应能够促进企业研发投资的执行价值提升，从而提高企业创新绩效。

综上所述，本文认为，政策不确定性通过研发要素流动对企业创新绩效的影响取决于研发要素流动更容易受哪类政策不确定性的影响。总体来看，尽管需求层和环境层不确定性能够引发研发风险溢价，进而强化研发要素流动意愿，但供给层政策不确定性导致的要素无序化竞争与市场供需均衡价格模糊不仅会极大地降低溢价金额，而且可能提升研发要素在企业间的错配度，使人才、资金过度集中于低效率公共部门，导致资源配置与知识溢出效应难以发挥[21-23]，从而不利于企业创新绩效提升。据此，本文提出如下假设：

H4：政策不确定性通过抑制研发人员流动负向影响企业创新绩效；

H4a：供给层政策不确定性通过抑制研发人员流动负向影响企业创新绩效；

H4b：需求层政策不确定性通过促进研发人员流动正向影响企业创新绩效；

H4c：环境层政策不确定性通过促进研发人员流动正向影响企业创新绩效。

H5：政策不确定性通过抑制研发资本流动负向影响企业创新绩效；

H5a：供给层政策不确定性通过抑制研发资本流动负向影响企业创新绩效；

H5b：需求层政策不确定性通过促进研发资本流动正向影响企业创新绩效；

H5c：环境层政策不确定性通过促进研发资本流动正向影响企业创新绩效。

基于以上分析，本文构建如下理论模型，如图1所示。

2 模型、数据与变量

2.1 数据来源与处理

本文数据时间跨度为2007—2019年。其中，企业相关数据来自于《中国科技统计年鉴》《中国高技术产业统计年鉴》，为确保数据的严谨性和回归结果的可靠性，本文对所有名义值数据进行平减得到实际值。同时，对除研发要素流动外的所有数据进行对数化处理。

本文政策数据来自于北大法宝、政府部门官网等。相较于东部地区，西部地区使用政策工具更为频繁，加上市场机制不健全以及经济发展水平落后，导致人才、资金等研发要素长期处于净流出状态，企业极可能将资金投入非生产性活动，进而引发政府失灵。由此，本文聚焦西部地区，探究政策不确定性对企业创新的影响，为西部地区政府干预方式、方向提供具体建议。课题组对2007年1月1日至2019年12月31日西部地区(因数据不全，西藏地区除外)省级层面831项创新政策进行收集，为确保数据质量，依据创新政策标准对已收集的政策作进一步筛选，得到578项政策，具体情况如表1所示。

从政策分布数量结构看，与需求导向型和环境支持型政策相比，区域政策偏向于供给导向型政策，这与张炜[23]的研究结论一致，一定程度上说明所收集的政策数据较为合理。但需要指出的是，在市场化程度较低且政府干预力度较大的西部地区，这种政策结构极可能强化企业对供给政策的依赖性，尤其是在生产要素有限条件下，企业具有较强动机通过政府获取更多生产要素，此时供给层政策不确定性对企业创新绩效具有较大影响，最终导致政策不确定性总体上对企业创新绩效产生负向影响。

2.2 变量选取与说明

(1)被解释变量：企业创新绩效(lnpa)。企业创新绩效主要表现在创新成果上，而专利通常是创新成果的具体体现。因此，本文选取高新技术企业专利申请数衡量企业创新绩效。

(2) 解释变量：政策不确定性(lnpu)。学者们普遍认为，政策力度和有效性是政策工具的关键构成[24]，其不可预知性是政策不确定性的核心内涵[25]。因此，借鉴程华(2013)的指标构建思路和方法，将政策不确定性指标拆解为政策分值计算与不确定性衡量。关于政策分值计算，本文首先使用方辉[24]构建的指标体系及量表，对政策力度与有效性进行打分，随后采用张炜等[23]的研究方法，综合政策力度和有效性两方面计算各项政策分值，如式(1)和式(2)所示。关于不确定性衡量，本文采用王进富等[26]的研究方法，利用变异系数法衡量样本观测期内政策分值波动程度，即政策不确定性指数。具体地，当政策类别为供给层政策时，采用上述方法得到的指标即为供给层政策不确定性(lnsp)，需求层政策不确定性(lnde)与环境层政策不确定性(lnen)亦然。

(1)

式(1)中，TPGi为某地区第i年各类政策分值，Uk表示量表中三级指标权重，采用主成分分析法计算，Pij表示第i年第j项政策力度得分，PGij表示第i年第j项政策有效性得分。运用上述公式计算供给层政策，所得TPG即为供给层政策得分，需求层和环境层政策亦然，如式(2)所示。

(2)

式(2)中，TPTi为某地区第i年总政策分值，Up表示量表中二级指标权重，仍使用主成分分析法计算，TPGi为供需环3类政策分值(二级指标)。

(3)中介变量：研发人员流动(pfl)和研发资本流动(cfl)。学者们普遍将研发要素流动划分为研发人员流动与研发资本流动[21]，本文依循该思路展开研究。

第一，研发人员流动(pfl)。“推力—拉力”模型常用来解释人员流动的原因，认为人口流动是本地推力和外地拉力共同作用的结果。本文借鉴白俊红[21]的引力模型测算地区间研发人员流动，具体如式(3)所示。

pflij=lnMilnKjRij-b

(3)

其中，i空间单元i表示西部地区10个省份，j表示全国内地30个省份(因数据不全，西藏地区除外)。pflij表示从i省流动到j省的研发人员数量，Mi表示i省研发人员数量，Kj表示流向地j省的吸引力，采用人均GDP值表征。Rij是经纬度测算后的两地区间实际距离，b为距离衰减系数，表示研发人才流动随距离衰减的速度，通常取1或2。考虑到西部地区为资源禀赋弱势地区，研发人员流动对距离的敏感性较强，故取2。对于任意地区i，可以运用式(4)估计研发人员流动总量。

(4)

第二，研发资本流动(cfl)。与研发人员流动不同，研发资本流动更多受地区金融发展程度的影响，地区金融系统越发达，研发资本流动越便捷。因此，本文参考蒋天颖等[27]的研究方法测算地区间研发资本流动，具体如式(5)、式(6)所示。

cflij=lnNilnNjRij-2

(5)

(6)

cflij表示从i省流动到j省的研发资本量，cfli表示i地区研发资本凝聚力，N表示研发资本存量，Rij为经纬度测算后两地区间的实际距离。

(4)控制变量。

地区开放程度(lnopen)。地区开放程度越高，企业越能快速获取并利用新知识增强自身创新能力。参考白俊红[21]的研究成果，本文采用各省进出口总额与各省GDP之比表征。

产业结构(lnis)。产业结构高级化引发的产业集聚及知识溢出能够显著促进高新技术企业创新能力提升。因此，本文以第二产业和第三产业总产值占地区生产总值的比重表征该变量。

市场化程度(lntech)。在市场化程度较高的地区，企业能够从市场中获取多元化生产要素，从而有助于创新绩效提升。因此，本文采用地区技术市场成交额衡量市场化程度。

各变量描述性统计分析结果如表2所示。

2.3 模型构建

基于以上假设，参考温忠麟[28]的中介效应检验程序，构建三阶段模型，其中第一阶段模型如下：

lnpait=β0+β1lnpuit+β2lnControlit+μi+εit

(7)

lnpait=β0+β1lnspit+β2lndeit+β3lnenit+β4lnControlit+μi+εit

(8)

式(7)、式(8)分别检验总政策不确定性及不同类别政策不确定性对企业创新绩效的影响。其中，i、t分别表示省份和年份，lnpait为企业专利申请数，lnpuit为总政策不确定性，lnspit为供给层政策不确定性，lndeit为需求层政策不确定性，lnenit为环境层政策不确定性。lnControlit为一系列控制变量，包含地区开放程度、产业结构和市场化程度。μi表示个体不可观测效应，εit为随机误差项，满足经典假设。

第二阶段、第三阶段分别检验研发人员流动和研发资本流动的中介作用，检验公式如下：

pflit=γ0+γ1lnpuit+γ2lnControlit+μi+εit

(9)

pflit=γ0+γ1lnspit+γ2lndeit+γ3lnenit+γ4lnControlit+μi+εit

(10)

cflit=γ0+γ1lnpuit+γ2lnControlit+μi+εit

(11)

cflit=γ0+γ1lnspit+γ2lndeit+γ3lnenit+γ4lnControlit+μi+εit

(12)

式(9)和式(10)中pflit为被解释变量，表示研发人员流动；式(11)和式(12)中cflit为被解释变量，表示研发资本流动，其余变量含义同上。验证研发要素流动在政策不确定性与企业创新绩效间的中介效应，具体公式如下：

lnpait=λ0+λ1lnpuit+λ2pflit+λ3lnControlit+μi+εit

(13)

lnpait=λ0+λ1lnspit+λ2lndeit+λ3lnenit+λ4pflit+λ5lnControlit+μi+εit

(14)

lnpait=λ0+λ1lnpuit+λ2cflit+λ3lnControlit+μi+εit

(15)

lnpait=λ0+λ1lnspit+λ2lndeit+λ3lnenit+λ4cflit+λ5lnControlit+μi+εit

(16)

3 实证结果

3.1 面板单位根检验

为了避免伪回归，通常对面板数据进行单位根检验。本文采用变异系数法对政策不确定性相关指标加以衡量，不同地区组内样本值均一致，不存在单位根，故仅对其余变量进行单位根检验。本文采用目前被广泛使用的IPS和LLC检验方法，核心变量检验结果见表3。结果表明，各变量均为平稳变量。

3.2 回归结果分析

3.2.1 政策不确定性对企业创新绩效的影响

本文根据Hausman检验结果选择固定效应模型进行估计，结果见表4。表4模型(1)为政策不确定性单一变量回归结果，结果表明，政策不确定性(lnpu)与企业创新绩效(lnpa)的回归系数在10%水平下显著为正，表明在遗漏变量偏误及误差干扰的情况下，政策不确定性依然对企业创新绩效具有显著负向影响，说明政策不确定性是企业创新决策过程中不可忽视的因素。模型(2)是纳入控制变量后政策不确定性(lnpu)对企业创新绩效(lnpa)影响的回归结果，可以发现，回归系数在1%水平上显著为正，再次说明政策不确定性对企业创新绩效具有负向影响，这与西部地区生产要素长期净流出的现实背景有关，生产要素在市场机制作用下自发流向体制健全、经济环境较好的东部地区，导致西部地区企业生产要素处于欠缺状态，进而强化其对供给类政策的依赖性，最终导致供给类政策不确定性的影响更显著，假设H1得以验证。模型(3)检验供需环3类政策不确定性对企业创新绩效的差异化影响，结果发现，供给层政策不确定性(lnsp)系数在1%显著性水平下对企业创新绩效(lnpa)具有负向影响，需求层政策不确定性(lnde)系数在1%显著性水平下对企业创新绩效(lnpa)具有正向影响，环境层政策不确定性(lnen)系数在5%显著性水平下对企业创新绩效(lnpa)具有正向影响。这是由于以供给层政策为主的政策导向与企业生产要素有限性的耦合关系能够强化企业对供给层政策的依赖性，当供给层政策具有不确定性时，企业将花费更多精力维持政商关系以稳定要素供给，从而影响自身创新绩效。需求层和环境层政策不确定性能够引发外部环境动荡，倒逼企业在不确定性市场环境中加大研发投入，从而提升企业创新绩效。

对比表4模型(2)与模型(3)发现，尽管需求层政策不确定性和环境层政策不确定性均对企业创新绩效具有正向影响，而供给层政策不确定性对企业创新绩效具有负向影响，但总体来说，政策不确定性对企业创新具有负向影响。由此可见，相比于需求层和环境层政策不确定性，供给层政策不确定性更受企业关注，进一步支持本文研究假设。

3.2.2 政策不确定性对研发要素流动的影响

表5检验政策不确定性对研发要素流动的影响。表5模型(1)和模型(3)验证政策不确定性(lnpu)对研发人员流动(pfl)与研发资本流动(cfl)的影响，结果显示，政策不确定性(lnpu)对研发人员流动(pfl)与研发资本流动(cfl)影响的回归系数均在1%水平上显著为负，说明政策不确定性总体上不利于研发人员与研发资本流动，假设H2与H3得以验证。表5模型(2)和模型(4)检验供需环3类政策不确定性对研发人员与研发资本流动的影响，结果显示，供给层政策不确定性(lnsp)对研发人员流动(pfl)与研发资本流动(cfl)影响的回归系数均在1%水平上显著为负，说明供给层政策不确定性不利于研发要素流动，假设H2a与H3a得以验证。需求层政策不确定性(lnde)对研发人员流动(pfl)与研发资本流动(cfl)影响的回归系数均在1%水平上显著为正，说明需求层政策不确定性能够促进研发要素流动，假设H2b与H3b得以验证。环境层政策不确定性对研发人员流动(pfl)与研发资本流动(cfl)的影响不显著，与理论预期不符，原因在于环境层政策不确定性虽然可以通过动荡的市场环境驱动研发要素流动以获得超额收益，但西部地区不健全的市场机制会模糊研发要素流动的预期收益，从而降低对研发要素流动的影响。

通过对比表5模型(1)、模型(3)、模型(2)及模型(4)发现，无论哪类政策不确定性，其对研发资本流动(cfl)的影响始终大于研发人员流动(pfl)，说明研发资本流动更容易受政策不确定性的影响。这是因为相比于研发资本纯粹的逐利性，研发人员作为复杂理性人，其决策受除政策外的多种因素影响。

3.2.3 中介效应估计结果

为了检验研发要素流动在政策不确定性与企业创新绩效间的中介作用，参考温忠麟[28]的研究成果，本文结合逐步回归法与Bootstrap法进行检验。

以研发要素流动作为中介变量，政策不确定性对企业创新绩效影响的回归结果如表6所示。对比表6模型(1)与表5模型(1)的相应系数发现，研发人员流动(pfl)在政策不确定性(lnpu)与企业创新绩效(lnpa)间起部分中介作用，说明政策不确定性不仅可以直接影响企业创新绩效，而且可以通过地区间研发要素流动间接影响企业创新绩效，假设H4得以验证。

对比表6模型(2)与表5模型(2)的相应系数发现，研发人员流动(pfl)在供给层政策不确定性(lnsp)、需求层政策不确定性(lnde)与企业创新绩效(lnpa)间均起部分中介作用，但在环境层政策不确定性(lnen)与企业创新绩效(Inpa)间的中介作用不显著。本文采用Bootstrap法进一步检验发现，当Bootstrap循环次数设置为1 000时，间接效应P值为0.03，小于0.05，且置信区间为(1.065，5.086)不包含0，故研发人员流动的中介效应依然显著[28]，假设H4a—H4c得以验证。

对比表6模型(3)与表5模型(3)的相应系数发现，研发资本流动(cfl)在政策不确定性(lnpu)与企业创新绩效(lnpa)间起部分中介作用，说明政策不确定性对企业创新绩效的作用部分源于其对研发资本流动的影响，假设H5得以验证。

对比表6模型(4)与表5模型(4)的相应系数发现，研发资本流动(cfl)在供给层政策不确定性(lnsp)、需求层政策不确定性(lnde)与企业创新绩效(lnpa)间均起部分中介作用，但在环境层政策不确定性(lnen)与企业创新绩效(Inpa)间的中介作用不显著。本文将Bootstrap循环次数设置为1 000作进一步检验发现，间接效应系数95%置信区间为(1.453，5.619)，间接效应显著异于0，说明环境层政策不确定性依然能够通过促进研发资本流动影响企业创新绩效，假设H5a-H5c得以验证。

3.3 稳健性检验

(1)测量误差检验问题。考虑到政策不确定性与研发要素流动对企业创新绩效影响的时滞性，本文将自变量滞后一期进行检验发现，供给层政策不确定性显著负向影响企业创新绩效(t=-5.74，P<0.01)；需求层和环境层政策不确定性显著正向影响企业创新绩效(t=5.88，P<0.01；t=2.54，P<0.05)，并且研发要素流动的中介效应假设仍然成立。由此可见，测量误差检验结果与回归结果并无实质性差异。

(2)内生性问题。参考以往研究成果[29]，本文在模型中引入地区资本存量以提升结论的可靠性。结果显示，全部假设再次得到验证，说明结论具有稳健性。

4 结语

4.1 结果讨论

本文从不同政策类型角度出发，探讨政策不确定性对企业创新绩效的影响，并从人才和资本两个维度实证分析研发要素流动在其中的中介作用。

(1)不同类型政策不确定性对企业创新绩效的影响不同。现有研究大多以整体视角看待政策不确定性对企业创新绩效的影响，导致理论与实际脱节。为此，本文进一步区分政策不确定性类型并探讨其与企业创新绩效的关系，结果发现，供给层政策不确定性对企业创新绩效具有负向影响，需求层和环境层政策不确定性对企业创新绩效具有正向影响。

(2)政策不确定性对研发要素流动具有负向影响。具体地，供给层政策不确定性对研发人员与研发资本流动具有负向影响，需求层政策不确定性对其具有正向影响，而环境层政策不确定性对其无显著影响。

(3)研发要素流动在政策不确定性与企业创新绩效间发挥部分中介效应。与以往研究不同，本文以动态视角关注地区间研发要素流动在政策不确定性与企业创新绩效间的中介效应，发现政策不确定性可以通过抑制人才、资本等研发要素流动影响企业创新绩效。具体地，供给层政策不确定性通过抑制研发人员与研发资本流动影响企业创新绩效，需求层和环境层政策不确定性通过促进研发人员与研发资本流动影响企业创新绩效。

4.2 政策建议

(1)现阶段，合理控制政策不确定性仍是政府的主要工作。研究结果表明，政策不确定性总体上不利于企业创新绩效提升，为此，西部地区政府在调整或出台政策方针以推动企业创新发展时，应充分考虑政策不确定性对微观企业主体的影响，尤其是对企业创新活动的影响。一方面，相关部门在颁布政策时，应充分考虑未来外部环境变化，使政策在内容和力度上更具弹性；另一方面，政府可以通过问卷、实地访谈等方式与企业管理者及时沟通，充分了解企业对政策的真实感受及期望。

(2)降低供给层政策不确定性，转变政策发力方式。由于时间短、效应强，供给层政策成为政府助推企业发展的主要政策工具，但研究结果表明，在西部地区，供给层政策频繁出台引发的政策不确定性对企业创新绩效具有显著负向影响。一方面，未来政府需要在宏观层面上维持政策的稳定性；另一方面，政府需要注意供给层政策使用方式，将政策发力点转向助力企业与上下游生产商构建合作关系方面，帮助企业构建生产要素流通体系，减少对政策性资源的依赖，从根本上摆脱供给层政策不确定性的负向影响。

(3)合理利用需求层和供给层政策不确定性助推企业发展。研究结果表明，需求层和环境层政策不确定性能够促进企业创新绩效提升，因而政府可以利用需求层和环境层政策不确定性带来的潜在机遇推动企业发展。一方面，政府应充分发挥需求层和环境层政策不确定性的选择效应，并辅以一定的行政手段引导具有不同创新能力的企业积极参与市场竞争；另一方面，在政府与市场关系方面，建立健全市场机制，加快市场化进程，进一步培育需求层和环境层政策不确定性情景下企业市场竞争能力。

(4)政府应灵活利用各类政策不确定性引进优质要素资源。政府应意识到西部地区研发要素流出的原因不仅是经济发展、生活环境落后，更是西部地区频繁的政策变更无法让人才、资金等研发要素获得预期收益，导致其流入其它地区。基于此，西部地区政府不仅需要通过直接补贴、税收优惠等方式对研发要素给予支持，更需要稳定的政策环境，促使人才、资金等研发要素自发流入。为此，一方面，政府应降低供给层政策确定性，深化以市场为主导的资源配置方式改革；另一方面，充分发挥需求层与环境层政策不确定性引发的预期效应，基于研发要素自身特性合理引导其融入地区发展。

(5)促进研发要素流动，营造良好的市场环境。尽管需求层和环境层政策不确定性能够促进研发要素在地区间流动，缓解企业融资约束，但需要注意的是，达到上述效果的前提是完备的保障机制与良好的市场环境。由此，破除区域制度性壁垒，特别是阻碍创新要素自由流动的体制机制是未来西部地区政府工作的重点。

4.3 不足与展望

本文存在以下不足：第一，鉴于人力和物力的有限性，实证数据仅来自于西部地区。由于东、西部地区差异较大，相较于西部地方，东部地区政策不确定性、研发要素流动与企业创新绩效可能具有不同特征；第二，本研究中的企业仅指代高新技术企业，由于数据原因，未分析各类政策不确定性对不同所有制类型企业及不同规模企业的影响，未来可对其作进一步研究。

参考文献:

[1] AKRON S,DEMIR E, JMD ESTEBAN, et al. Economic policy uncertainty and corporate investment: evidence from the U.S. hospitality industry[J].Tourism Management,2020,77(6):104-119.

[2] DEJUAN-BITRIA D, GHIRELLI C. Economic policy uncertainty and investment in Spain[J]. Journal of the Spanish Economic Association, 2021,58(5):1-38.

[3] WU ZHANG,ZHANG ZOU. The economic policy uncertainty and firm investment in Australia[J]. Applied Economics,2020,52(31):1-25.

[4] WEEDS H.Strategic delay in a real options model of R&D competition[J].The Review of Economic Studies,2002,69(3):729-747.

[5] 顾夏铭,陈勇民,潘士远.经济政策不确定性与创新——基于我国上市公司的实证分析[J].经济研究,2018,53(2):109-123.

[6] 赵萌,叶莉,范红辉.经济政策不确定性与制造业企业创新——融资约束的中介效应研究[J].华东经济管理,2020,34(1):49-57.

[7] 邓江花,张中华.经济政策不确定性与企业创新投资[J].软科学,2021,35(6):23-28.

[8] 卓乘风,邓峰.创新要素流动与区域创新绩效——空间视角下政府调节作用的非线性检验[J].科学学与科学技术管理,2017,38(7):15-26.

[9] CLAESSENS S,FEIJEN E,LAEVEN L. Political connections and preferential access to finance: the role of campaign contributions[J]. CEPR Discussion Papers, 2007, 88(3):554-580.

[10] 张永安,关永娟.创新政策工具组合、创新能力与创新绩效研究[J].科技进步与对策,2020,37(21):118-126.

[11] 李妹,高山行.环境不确定性、组织冗余与原始性创新的关系研究[J].管理评论,2014,26(1):47-56.

[12] 赵红,杨震宁.环境不确定性、研发管理与技术创新绩效间关系的实证分析[J].技术经济,2017,36(8):9-17,47.

[13] 任广乾,徐瑞,刘莉,等.制度环境、混合所有制改革与国有企业创新[J/OL].南开管理评论:1-20[2022-06-06].http://kns.cnki.net/kcms/detail/12.1288.f.20220512.1141.002.html.

[14] 崔世娟,李玲玉,汤迎丰,等.制度环境不确定性、联盟组合配置与企业绩效：一个基于fsQCA方法的研究[J].科技管理研究,2022,42(1):140-148.

[15] 杨省贵,顾新.区域创新体系间创新要素流动研究[J].科技进步与对策,2011,28(23):60-64.

[16] 陈德球,陈运森,董志勇.政策不确定性、市场竞争与资本配置[J].金融研究,2017，60(11):65-80.

[17] 韩峰,王业强.市场潜力、政府干预与人口城市化[J].中国人口科学,2017，31(1):59-70,127.

[18] 郭平.政策不确定性与企业研发投资:“延迟效应”还是“抢占效应”——基于世界银行中国企业调查数据的分析[J].山西财经大学学报,2016,38(10):1-12.

[19] 张永安,耿喆,王燕妮.区域科技创新政策分类与政策工具挖掘——基于中关村数据的研究[J].科技进步与对策,2015,32(17):116-122.

[20] 杨洋,魏江,罗来军.谁在利用政府补贴进行创新——所有制和要素市场扭曲的联合调节效应[J].管理世界,2015,31(1):75-86,98,188.

[21] 白俊红,王钺,蒋伏心,等.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7):109-123.

[22] 李静,楠玉.人才为何流向公共部门——减速期经济稳增长困境及人力资本错配含义[J].财贸经济,2019,40(2):20-33.

[23] 张炜,费小燕,肖云,等.基于多维度评价模型的区域政策评估——以江浙沪三省为例[J].科研管理,2016,37(S1):614-622.

[24] 方辉. 区域创新政策评价指标体系构建与应用研究[D].杭州：杭州电子科技大学,2015.

[25] 樊霞,陈娅,张巧玲.经济政策不确定性、政府隐性担保与企业创新持续性[J].管理学报,2020,17(9):1347-1354.

[26] 王进富,李嘉辉,张颖颖,等.政府资助波动、技术市场发展程度与国有企业R&D投入[J].科技进步与对策,2021,38(10):28-35.

[27] 蒋天颖,谢敏,刘刚.基于引力模型的区域创新产出空间联系研究——以浙江省为例[J].地理科学,2014,34(11):1320-1326.

[28] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.

[29] 吴延兵.R&D与生产率——基于中国制造业的实证研究[J].经济研究，2006,39(11):60-71.

(责任编辑：张 悦)