The study draws the following conclusions. Firstly among the three types of local scientific and technological innovation objectives, only the innovation input objective constraints can significantly promote the improvement of urban innovation level, and the impact of innovation output objective constraints and innovation enterprise objective constraints on urban innovation is not significant. Secondly the impact of local scientific and technological innovation target constraints on urban innovation is realized through fiscal expenditure on science and technology. It can significantly promote the improvement of fiscal expenditure on science and technology, and then promote the improvement of urban innovation level by setting innovation investment target constraints by local governments. Thirdly there is regional heterogeneity in the impact of local innovation investment target constraints on urban innovation. Specifically, in the eastern region, the target constraint of innovation investment significantly promotes the improvement of urban innovation level, but has no significant impact on the central and western regions. Lastly the impact of innovation investment intensity target on urban innovation has a threshold effect. When the target of innovation investment intensity is higher than 2.8%, it will significantly inhibit the improvement of urban innovation level.
The policy implications of this paper are as follows.(1) The local governments should give priority to setting innovation investment targets. According to the government work reports of 280 cities in 2019, there are 176 cities setting the goal of innovative enterprises, and it is far greater than the number of innovation investment goals. In order to improve the level of urban innovation, local governments should give priority to setting innovation investment targets.(2) When setting the goal of scientific and technological innovation, local governments should fully consider the geographical location. Specifically, local governments in the central and western regions still focus on "competition for growth", which is not suitable for setting innovation investment targets. The eastern region has regional advantages, stronger government innovation preference and richer financial resources, which is more suitable for setting innovation investment targets.(3)Local governments need to further increase the proportion of fiscal expenditure on science and technology. According to the statistical bulletin of national science and technology investment in 2019, China's R&D investment intensity is 2.23%. Although it has reached a record high, it still lags the scientific and technological powers such as the United States (2.83%) and Japan (3.26%). Therefore, it is necessary to continue to increase financial support and give full play to the promotion and guiding role of fiscal expenditure on the R & D investment of the whole society. (4) When setting specific innovation investment intensity targets, local governments should balance the relationship between scientific and technological innovation targets and other targets such as economic growth targets, residents' employment targets and residents' income targets, reasonably control financial resources, and then improve the use efficiency of financial resources.
开放科学(资源服务)标识码(OSID)：
创新是引领发展的第一动力，是实现经济高质量发展和可持续增长的重要驱动力。城市是创新活动的空间载体，城市创新体系是国家创新体系的重要组成部分，因此提升城市创新能力有助于增强国家创新实力。作为城市创新体系的重要建设主体，地方政府是引导和支持创新活动的关键一环。在中国式分权下，地方政府拥有充分的财政支出自主权，因此财政科技支出是地方政府参与城市创新系统建设的基本手段，能够直接提升全社会创新投入水平[1]。事实上，随着创新驱动发展战略的深入实施，政府官员的考核内容也发生明显变化，GDP等经济发展速度指标逐渐淡化，取而代之的是科技创新、环境保护等体现发展质量的指标[2-3]。因此，各地区政府也从围绕经济发展的指标竞争逐步转向围绕财政科技支出的创新竞争。为向外传递正向的能力信号和积极的行为举动，各地区设立了不同的科技创新目标[4]。
鉴于此，本文将实证考察地方科技创新目标约束对城市创新的影响及作用机制，其可能存在的边际贡献是：第一，在研究视角方面，通过手工整理2013-2019年各省市政府工作报告中关于地方科技创新目标的表述，确定地方科技创新目标约束变量，并结合城市面板数据和城市创新指数数据，考察地方科技创新目标约束对城市创新的影响，从而补充和拓展既有研究；第二，在研究内容方面，以财政科技支出作为地方科技创新目标约束对城市创新的影响路径，验证地方科技创新目标约束对城市创新的影响机制，进一步深化研究主题。
围绕城市创新，既有研究主要从以下方面展开讨论：一是考察创新政策对城市创新水平的影响，并肯定创新政策对提升城市创新水平的积极作用。如设立国家创新型城市的试点政策对城市创新水平存在激励效应[5-7]，此外，国家知识产权示范城市建设、智慧城市建设、国家高新区建设等创新政策也与城市创新力存在正向关联[8-12]。二是考察创新投入要素对城市创新的影响，主要从土地资源、人力资本等方面展开研究。一方面，土地要素错配不利于城市创新水平提升，如大规模出让工业用地的资源配置方式对城市创新水平的综合影响是不利的[13]。另一方面，高铁建设有助于人力资本要素流动，在发达城市形成人才聚集效应，影响区域创新结构，促进发达城市创新水平提升[14-15]。从某种角度而言，外来人力资本是城市保持创新活力与竞争力的源泉[16]。三是考察中国式财政分权制度与城市创新的关系，但存在“如愿以偿”和“事与愿违”两种对立观点。即一种观点认为，财政分权赋予地方财政支出自主权，能够通过提升财政科技支出比重实现城市创新水平提升[17]。另一种观点认为，财政分权会促发地方政府“为增长而竞争”和“为引资而竞争”，这会抑制地方政府创新偏好，阻碍城市创新水平提升[18-20]。
不难看出，既有文献多集中于探讨创新政策、创新要素和财政分权制度与城市创新的关系，鲜有研究将城市创新与政府行为结合起来，缺乏从地方政府目标约束视角分析政府行为对城市创新影响的研究。由于地方目标责任考核制是我国政府管理体制的核心组成部分，地方政府每年设定的目标具有较强指导性和约束力，对地区经济社会发展和政府行为产生深远影响[21]。因此，分析地方政府如何设定科技创新目标，以及科技创新目标如何影响政府行为，进而影响城市创新水平具有重要理论意义和实践意义。
在中国式分权和“晋升锦标赛”体制下，各地区倾向于设定更高的发展目标，通过发挥财政支出自主权，将大量财政资源投向生产性活动，进而实现辖区内经济高速增长和政治晋升[22-23]。中央对地方具有垂直管理特征，并制定了一套自上而下的目标激励体系[24-25]。早期研究聚焦于“GDP”晋升锦标赛，研究结果显示，地方官员晋升概率随着辖区内经济绩效提升而增大[26]。但是，当创新驱动发展成为国家重大发展战略后，中组部于2013年发布的地方官员政绩考核制度不再将GDP作为主要指标，而是突出科技创新的重要性，使得区域竞争呈现出“R&D崇拜”和“创新崇拜”现象[27-28]。由此可见，科技创新成为地方政府的竞争标尺 [3]。
随着创新驱动发展战略的不断推进，各级政府的工作重心开始转向科技创新，大量政府文件中也开始出现“科技创新”等词汇及相关短语。作为重要的政府文件，政府工作报告通常阐述当年主要工作和目标，能够反映当年政府工作重点[29]。鉴于此，本文通过查阅历年地方政府工作报告，以确定地方政府设定了哪些科技创新目标。为了更清楚地解释地方科技创新目标约束对城市创新的影响，本文以“晋升锦标赛”和压力型体制为制度背景，从两个方面分析地方政府设定科技创新目标的内在逻辑，以及地方科技创新目标约束对城市创新的作用机理(见图1)。
图1 地方科技创新目标影响城市创新的机理分析
Fig.1 Mechanism analysis of the impact of local scientific and technological innovation objectives on urban innovation
一方面，当科技创新作为指标纳入地方官员政绩考核体系后，地方政府具有设定科技创新目标的自我施压特征，这是因为“为创新而竞争”能够帮助地方官员实现政治晋升[30]。在我国，地方官员拥有充分的自由裁量权。原因在于，改革开放后中央政府将大部分经济管理权力下放到地方，使地方政府拥有一定经济自主决策权。同时，财政分权体制改革也赋予地方财政支出自主权，使得地方政府有权自行调整财政支出结构[31-32]。此外，长期实行的属地分级管理模式也给予地方政府充分的行政权力，相比之下，地方政府受到的外部监督和制约则非常有限[22]。在此情形下，地方政府可以根据所属辖区的经济发展水平、信息化水平、金融发展水平、产业结构等因素，按照上级政府提出的科技创新目标要求，自主设定符合自身条件的科技创新目标，通过调动财政资源、优化财政支出结构，实现这些目标，并进一步提升城市创新水平和获取政治晋升。
另一方面，由于我国的行政层级具有垂直管理特征，下级政府设定科技创新目标的动力主要来源于上级政府压力。具体而言，在我国压力型体制下，上级政府将科技创新任务和目标层层分解，派遣给下级政府，责令其在规定时间内完成，然后根据完成情况进行奖惩[33]。中央政府作为国家创新战略的制定者，将科技创新目标分配给省级政府和市级政府，最终由市级政府执行。在此过程中，下级政府向上级政府负责，上级政府保有对下级政府问责的权利[34]。在合理的压力区间内，下级政府可以将压力转换为动力，较好地完成上级政府派发的任务。但是，当下级政府面临的科技创新压力超过一定限度时，压力型体制将出现异化，导致“上有政策，下有对策”的现象[35]。地方政府为实现科技创新目标可能会弄虚作假，产生适得其反的效果。另一方面，如果上级政府设定的科技创新目标过低，下级政府可能会降低努力程度，甚至替代或抛弃，使目标偏离预期方向[35-36]。
因此，地方政府在设定科技创新目标时会受到内部约束和外部约束的双重限制。其中，内部约束激励地方官员合理设定科技创新目标，但外部约束可能导致其设定的科技创新目标“事与愿违”，使得科技创新目标对城市创新水平的影响难以确定。基于以上分析，本文提出如下研究假设：
H1a：地方科技创新目标约束促进城市创新水平提升；
H1b：地方科技创新目标约束抑制城市创新水平提升。
就地方科技创新目标约束对城市创新的影响机理而言，本文认为，科技创新目标通过影响地方政府财政支出结构进而影响城市创新水平。这是因为，中国式财政分权制度赋予地方政府财政支出自主权，地方政府可以根据自身偏好配置财政资源，优化财政支出结构，进而实现地区经济发展目标[31-32]。因此，当科技创新成为当年的发展目标后，地方政府为了实现科技创新目标，必然会调整财政支出结构，扩大科技创新支出。鉴于此，地方政府可能更倾向将财政资金用于研发活动，在减少生产性支出的同时提升财政科技支出比例。一方面，地方政府通过财政补贴、税收优惠等激励政策，鼓励企业从事创新活动，在促进企业创新能力提升的同时提高城市创新水平；另一方面，地方政府的科技创新支出还可能流向高校和科研机构，鼓励他们进行基础研究，促进产学研融合。基于以上分析，本文提出如下研究假设：
H2：地方科技创新目标约束通过影响财政科技支出水平，进而影响城市创新水平。
(1)被解释变量：城市创新水平(inv)。既有研究主要以城市专利数量衡量城市创新水平，但专利数量无法反映真实的社会经济价值，不同行业的专利数据也不具有可比性[14]。此外，有研究以《中国城市和产业创新力报告2017》中公布的城市创新指数测度城市创新水平，该指数综合度量了城市创新产出状况，但其考察区间为2001-2016年，不涉及2017年及以后数据，无法满足本文研究需要[14]。鉴于此，借鉴毛文峰和陆军[13]、张梁等[37]的做法，选取历年《中国区域创新创业指数》中公布的人均创新创业指数除以100作为被解释变量。该指数是以北京大学企业大数据研究中心为主导，由其与北京大学国家发展研究院和龙信数据研究院联合开发的。它综合考察了地区企业创新创业的实际产出，涉及全行业、所有规模企业，但不包含直辖市和自治州数据。
(2)解释变量：地方科技创新目标约束。通过查阅历年政府工作报告，确定地方政府设定的科技创新目标，结果发现，由于历年国务院政府工作报告中未明确提出科技创新目标，导致各省市政府工作报告中关于科技创新的表述存在重大差异。因此，为统一口径和方便后续研究，地方科技创新目标约束细分为以下三类：一是创新投入目标约束(target1)，其与研发经费支出或全社会研发投入相关；二是创新产出目标约束(target2)，其与专利申请数、专利授权数或发明专利相关；三是创新企业目标约束(target3)，其仅与高新技术企业相关。通过检索我国内地30个省市(西藏因数据缺失，未纳入研究范畴)以及280个副省级城市、地级市城市政府工作报告中的表述，对地方科技创新目标约束进行统计，如表1所示。若市政府设定了创新投入目标，则记为1，否则为0；若市政府设定了创新产出目标，记为1，否则为0；若市政府设定了创新企业目标，记为1，否则为0。需要说明的是，借鉴余泳泽和孙鹏博[34]的做法，仅将在当年政府工作报告中明确披露数值(包含绝对数和相对数)的省市认定为受到科技创新目标约束，对模糊性表述不予统计。
表1列示了我国省市科技创新目标统计结果。2013-2019年设定了科技创新目标的省市数量逐年增长，但也存在一些值得关注的现象：第一，2013年设定创新投入目标的省级政府数量高于2014-2017年数量，2013年和2014年设定创新企业目标的省级政府数量高于2015-2016年数量，这可能是自2012年提出创新驱动发展战略后省级政府采取了策略性行为；第二，设定创新产出目标的省级政府数量始终不超过2个，而市级政府数量呈现缓慢增长态势，表明两级政府均不倾向于设置此类目标；第三，从三类科技创新目标看，两级政府偏好存在细微差异，省级政府偏向于设立创新投入目标和创新企业目标，而市级政府更倾向于设立创新企业目标。
表1 各省市科技创新目标数量统计结果
Tab.1 Statistics on the number of scientific and technological innovation objectives of provinces and cities in China
30个省市统计结果年度创新投入目标创新产出目标创新企业目标280个副省级城市和地级市统计结果年度创新投入目标创新产出目标创新企业目标2019130142019975417620189112201872581732017521220174653136201651420165553109201542220152638912014125201434397620136252013183251
数据来源：各地方网站和政府工作报告
(3)中介变量：财政科技支出(fta)。根据理论分析，财政科技支出是地方科技创新目标影响城市创新水平的一条路径，因此本文选取财政科技支出作为中介变量，采用城市科技支出占一般公共预算支出的比重度量，对地方科技创新目标与城市创新水平间的影响机制进行深入分析。
(4)控制变量。为控制其它城市创新影响因素，借鉴路京京等[17]、李政和杨思莹[18]、何凌云和马青山[19]的研究，选取以下控制变量：①经济发展水平(pgdp)，以城市人均GDP度量；②信息化水平(internet)，以互联网宽带接入用户数×100占总人口的比重度量；③金融发展水平(finance)，以年末金融机构人民币各项存款余额占GDP比重度量；④产业结构(ind)，以第三产业增加值占GDP比重度量；⑤人力资本质量(hum)，以普通本专科在校学生数×100占总人口的比重度量。
既有研究大多使用省级面板数据对区域创新的影响因素展开讨论，但该做法忽视了同一省份内不同城市间的创新差异。因此，本文选取样本信息更加丰富的城市面板数据进行研究。由于北京、上海、天津和重庆属于直辖市，在行政级别上属于省级政府，因此剔除上述4个城市。同时，由于西藏自治区数据缺失严重，也未纳入考察。此外，本文考察的是创新驱动发展战略背景下地方科技创新目标约束对城市创新的影响，因此将样本观测时间限定为2013-2019年，最终得到26个省和自治区管辖的277个城市、1 507个观测值的面板数据。城市创新数据来源于历年《中国区域创新创业指数》，地方科技创新目标数据来源于各城市人民政府网站中披露的历年政府工作报告并经手工整理，其余数据来源于《中国城市统计年鉴》。
表2是对主要变量的描述性统计结果。其中，城市创新水平均值为0.511，标准差为0.283，表明不同城市创新水平差异较大。创新投入目标约束、创新产出目标约束和创新企业目标约束的均值分别为0.191、0.171和0.426，表明大多数城市倾向于创新企业目标约束。
表2 主要变量描述性统计结果
Tab.2 Descriptive statistics of main variables
变量观测值平均值标准差最大值最小值城市创新水平inv150 70.511 10.283 310.003 4创新投入目标约束target1150 70.191 80.393 810创新产出目标约束target2150 70.171 90.377 410创新企业目标约束target3150 70.426 00.494 710财政科技支出fta150 70.016 70.017 30.206 80.000 6经济发展水平pgdp150 75.508 33.489 746.774 90.840 7信息化水平internet150 70.242 70.185 41.890 20.003 5金融发展水平finance150 71.458 80.826 720.100 20.376 9产业结构ind150 70.423 10.092 30.792 30.164 4人力资本质量hum150 71.972 72.574 913.112 40.021 2
为检验地方科技创新目标约束对城市创新水平的影响，根据理论分析，设立基准回归模型，如式(1)～(3)所示。
invit=α0+α1target1it+α2∑controlit+ui+λt+εit
(1)
invit=α0+α1target2it+α2∑controlit+ui+λt+εit
(2)
invit=α0+α1target3it+α2∑controlit+ui+λt+εit
(3)
式中，i代表城市，t代表年份。被解释变量为城市创新水平(inv)，解释变量分别为创新投入目标约束(target1)、创新产出目标约束(target2)和创新企业目标约束(target3)，control表示控制变量。ui和λt分别表示个体固定效应、时间固定效应。
表3列示了本文基准回归估计结果。其中，第(1)-(3)列的回归模型控制了个体固定效应，第(4)-(6)列的回归模型控制了个体固定效应和时间固定效应。结果显示，创新投入目标约束的回归系数显著为正，表明创新投入目标约束能够显著促进城市创新水平提升。创新产出目标约束的回归系数为负，创新企业目标约束的回归系数正，但都不显著。
表3 基准回归估计结果
Tab.3 Benchmark regression estimation results
变量(1)(2)(3)(4)(5)(6)invinvinvinvinvinvtarget10.020 7***0.022 2***(2.628 6)(2.803 6)target2-0.004 2-0.003 9(-0.568 9)(-0.532 5)target30.001 70.002 3(0.315 4)(0.435 5)pgdp0.004 4*0.004 9**0.004 8**0.004 9*0.005 1**0.005 1**(1.962 4)(2.101 9)(2.096 6)(1.922 9)(2.016 4)(2.024 0)internet-0.053 2**-0.049 8**-0.051 2**-0.042 9*-0.045 9*-0.045 7*(-2.216 4)(-2.063 1)(-2.140 6)(-1.774 5)(-1.873 3)(-1.847 5)finance-0.003 3-0.003 3-0.003 4-0.002 9-0.003 1-0.003 1(-0.976 8)(-1.009 8)(-1.013 9)(-0.882 9)(-0.967 9)(-0.964 7)ind-0.010 00.017 10.014 60.039 50.040 30.045 0(-0.148 5)(0.245 5)(0.208 0)(0.456 5)(0.455 3)(0.510 6)hum0.005 20.005 20.005 30.005 90.005 60.005 7(1.146 6)(1.116 7)(1.117 9)(1.259 0)(1.165 6)(1.171 4)个体固定控制控制控制控制控制控制时间固定不控制不控制不控制控制控制控制常数项0.494 4***0.484 1***0.484 5***0.470 1***0.472 9***0.469 9***(17.308 0)(16.249 3)(16.383 8)(12.431 8)(12.458 4)(12.356 1)样本数1 5071 5071 5071 5071 5071 507adj.R-sq0.0130.0070.0070.0110.0040.004
注：***、**、*分别表示在1%、5%、10%的水平下显著，括号内为t值，下同
对于上述研究结论，本文认为，可以利用张文翠[38]提出的上下协商博弈模型给予解释。地方科技创新目标设定是上级与下级政府博弈的结果，博弈情形可分为下级博弈优势、双方地位平等和上级博弈优势三类。就本文而言，创新企业目标最易于实现，下级政府会利用信息优势争取该目标设定权，因此属于下级博弈优势情形。表1中关于市政府设定三类科技创新目标的统计数据支持了上述结论，反映为创新企业目标设定数远远超过创新投入目标数和创新产出目标设定数。但是，创新企业目标设定并不必然导致创新水平提升，该结论获得部分微观证据支持。例如，在高新技术企业认定政策中，存在利用研发操纵行为的伪高新技术企业，政府支持难以提升其创新水平[39]。此外，上级政府更关注总体目标和结果型目标，会利用手中的目标设定权、检查验收权和激励分配权，对下级政府提出具体的创新产出要求，进而在创新产出目标设定的博弈中处于优势地位，这属于上级博弈优势情形[40]。此时，创新产出目标属于下级政府的外生性目标，可能出现上级政府预设的工作目标与下级政府为实现此目标的资源条件不匹配情形，进而导致下级政府行为扭曲[41]。因此，创新企业目标与创新产出目标设定都会出现上下博弈失灵，难以提升城市创新水平。而创新投入目标属于实现难度居中的目标，是双方地位平等的博弈结果。下级政府可以通过讨价还价，获取目标设定权和执行空间，最终实现平衡共赢[42]。
综上所述，在地方政府设定的三类科技创新目标中，只有创新投入目标约束显著促进城市创新水平提升，创新产出目标约束和创新企业目标约束对城市创新的影响不显著。
为检验基准回归结果的可靠性，从两个方面进行稳健性检验：第一，更改被解释变量的度量方式。使用《中国区域创新创业指数》的单位面积创新得分代替人均创新得分，对模型进行再估计；第二，调整样本区间。表1列示的2013年地方科技创新目标可能是为了迎合2012年提出创新驱动发展战略而采取的策略性行为，这会对实证结果产生影响。因此，本文剔除2013年的样本数据，对模型进行再估计。
表4列示了稳健性检验结果。数据显示，除第三列创新企业目标约束的显著性水平有提升，其余回归系数和显著性水平均与基准回归结果一致，表明本文结论稳健。
表4 稳健性检验估计结果
Tab.4 Estimation results of robustness test
变量更改被解释变量度量方式(1)inv(2)inv(3)inv调整样本区间(4)inv(5)inv(6)invtarget10.008 9***0.022 8***(2.608 6)(2.650 8)target2-0.000 6-0.001 9(-0.171 9)(-0.248 9)target30.004 3*0.002 4(1.734 1)(0.400 1)pgdp0.001 9*0.002 0**0.002 0**0.014 9***0.015 3***0.015 3***(1.907 8)(2.004 1)(2.075 7)(3.605 0)(3.644 6)(3.642 7)internet-0.021 7*-0.023 0*-0.021 9*-0.053 6**-0.055 8**-0.055 3**(-1.868 9)(-1.944 6)(-1.905 5)(-2.027 0)(-2.086 0)(-2.047 9)finance-0.000 6-0.000 7-0.000 80.000 90.000 70.000 6(-0.559 9)(-0.654 8)(-0.695 3)(0.474 4)(0.372 1)(0.350 1)ind-0.002 7-0.001 80.003 10.117 30.124 00.128 2(-0.077 8)(-0.049 4)(0.090 2)(1.198 9)(1.234 9)(1.270 3)hum0.00210.002 00.002 00.003 00.002 70.002 8(0.744 5)(0.698 1)(0.673 9)(0.610 2)(0.536 6)(0.538 0)个体固定控制控制控制控制控制控制时间固定控制控制控制控制控制控制常数项0.510 6***0.511 4***0.508 2***0.393 6***0.393 5***0.391 0***(33.500 1)(33.255 1)(33.356 4)(7.830 5)(7.799 2)(7.611 3)样本数1 5071 5071 5071 3171 3171 317adj. R-sq0.0100.0030.0060.0240.0160.016
根据理论分析，地方科技创新目标约束可能通过财政科技支出对城市创新水平产生影响，因此本文以财政科技支出作为中间变量，对地方科技创新目标约束与城市创新水平间的影响机制进行深入分析。由于基准回归结果显示，只有创新投入目标约束能够显著影响城市创新水平，因此，仅检验创新投入目标约束(target1)是否能够通过扩大财政科技支出(fta)，进而提升城市创新水平(inv)。
根据温忠麟和叶宝娟[43]的建议，设立以下逐步回归模型：
invit=a0+a1target1it+a2∑controlit+ui+λt+εit
(4)
ftait=b0+b1target1it+b2∑controlit+ui+λt+εit
(5)
invit=c0+c1target1it+c2ftait+c3∑controlit+ui+λt+εit
(6)
首先，检验式(4)中的a1系数，若显著为正，则表明创新投入目标约束对城市创新水平的总效应为正。其次，检验式(5)中的b1系数和式(6)中的c2系数，若两者显著为正，则表明间接效应显著，若两者有一个不显著，则使用Bootstrap法进行再次检验。最后，检验式(6)中的系数c1是否显著，若显著为正，则说明还存在直接效应。
表5列示了机制检验估计结果。结果显示，第(1)列中创新投入目标约束的回归系数显著为正，表明创新投入目标约束对城市创新水平的总效应为正。第(2)列中创新投入目标约束依然显著为正，但第(3)列中财政科技支出对城市创新水平的影响不显著，因此使用Bootstrap检验法进行检验。
表5 机制检验估计结果
Tab.5 Estimation results of mechanism test
变量(1)(2)(3)invftainvtarget10.022 2***0.002 2***0.021 3***(2.803 6)(2.649 7)(2.701 4)fta0.410 0(1.578 2)pgdp0.004 9*0.000 6**0.004 6*(1.922 9)(2.393 6)(1.839 3)internet-0.042 9*0.004 2-0.044 5*(-1.774 5)(1.197 5)(-1.853 1)finance-0.002 9-0.000 6*-0.002 6(-0.882 9)(-1.938 2)(-0.827 2)ind0.039 5-0.006 80.042 4(0.456 5)(-0.813 0)(0.492 8)hum0.005 9-0.000 00.005 9(1.259 0)(-0.043 7)(1.279 3)个体固定控制控制控制时间固定控制控制控制常数项0.470 1***0.014 2***0.464 4***(12.431 8)(3.798 1)(12.360 3)样本数1 5071 5311 507adj.R-sq0.0110.0480.013
表6列示了使用Bootstrap检验法进行1 000次重复取样的检验结果。数据显示，财政科技支出的间接效应显著为正，且95%的置信区间内不包含0，表明创新投入目标约束能够通过扩大财政科技支出实现城市创新水平提升，假设H2得到验证。
表6 Bootstrap法估计结果
Tab.6 Estimation results of Bootstrap method
变量财政科技支出间接效应0.023 4***95%的置信区间[0.011 5,0.035 3]直接效应0.077 2***95%的置信区间[0.050 2,0.104 1]样本数1 507
城市创新依赖于良好的经济环境、科教环境、区位环境和社会文化环境，不同地区经济发展水平、金融发展水平、产业结构等方面的差异会导致地方科技创新目标约束对城市创新水平产生不同影响。例如，我国东部地区相较于中部地区与西部地区，其经济发展水平较高，基础设施建设更完善，创新文化和氛围更浓厚。而中部地区和西部地区存在区位劣势，财政资源有限，参与对外交流的机会与合作更少，提升城市创新水平面临多维因素制约。因此，本文将总样本细分为东部地区、中部地区和西部地区3个子样本，检验地方创新投入目标约束对城市创新的影响是否存在区位异质性。
表7列示了城市异质性估计结果。数据显示，东部地区城市设定的创新投入目标约束能够显著促进城市创新水平提升，而在中部地区和西部地区，创新投入目标约束对城市创新的影响均不显著。其原因在于：首先，西部地区经济发展水平相对落后，政府创新偏好不足，财政资源供给有限，地方政府往往将有限的资源投入生产性公共品[44]。其次，中部地区处于经济快速发展阶段，地方官员也倾向于将大量财政支出用于生产性支出，以加大投资等方式推动经济在短期内迅速增长(李政，杨思莹，2018)。因此，中部地区和西部地区存在“重生产、轻创新”的财政支出偏好，导致其设定的创新目标难以实现。而东部地区经济发展水平较高，财政资金充足，地方政府有能力为创新活动提供充足的研发费用，进而提升城市创新水平，最终实现高质量发展。因此，地方创新投入目标约束对城市创新的影响存在显著的区位异质性。
表7 城市异质性估计结果
Tab.7 Estimation results of urban heterogeneity
变量东部地区中部地区西部地区(1)inv(2)inv(3)invtarget10.017 5**0.034 80.008 5(2.141 0)(1.611 3)(0.708 7)pgdp-0.001 60.014 1**-0.001 1(-1.363 1)(2.127 8)(-0.129 2)internet-0.005 7-0.079 9-0.066 3(-0.205 3)(-1.524 9)(-1.326 4)finance-0.117 8***0.001 60.052 4(-6.399 4)(1.059 6)(1.625 4)ind0.470 3***-0.046 40.085 7(3.579 9)(-0.281 5)(0.620 0)hum0.004 4-0.002 70.012 1(0.914 4)(-0.271 3)(1.436 8)个体固定控制控制控制时间固定控制控制控制常数项0.626 3***0.418 5***0.285 1***(12.379 5)(5.938 6)(2.997 5)样本数527615365adj. R-sq0.1240.020.024
为进一步考察地方创新投入目标约束对城市创新的影响，引入“创新投入强度目标(rdtarget)”变量进行拓展性分析。具体而言，重新筛选政府工作报告中设定的创新投入增长型目标，最终得到包含218个观测值的混合截面数据。表8的创新投入强度目标描述性统计结果显示，平均值为2.1%，最大值和最小值分别为5%与0.4%，表明不同城市设定的创新投入强度目标差异较大。
表8 创新投入强度目标描述性统计结果
Tab.8 Descriptive statistics of innovation investment intensity target
变量观测值平均值(%)最大(%)最小值(%)rdtarget2182.150.4
根据理论分析，创新投入强度目标对城市创新的影响受到内部约束和外部约束的双重限制，是两级政府进行协商博弈的结果，该影响可能是非线性的。为此，参考Hansen[45]的研究，建立门槛模型，检验创新投入强度目标是否存在门槛效应。门槛模型具体设定如下：
invit=α0+α1rdtargetitI(rdtargetit<γ1)+α2rdtargetitI(γ1<rdtargetit<γ2)+…+α3∑controlit+εit
(7)
其中，rdtargetit表示门槛变量；I(·)表示指示函数；γ1和γ2分别为门槛值；controlit表示pgdpit、internetit、financeit、indit、humit等控制变量函数。
在进行门槛回归前需要确定门槛值和个数，借鉴Hansen[46]提出的自举法，利用Stata软件中的Threshold模块进行门槛效应分析，估计结果如表9所示。
表9 门槛效应主要估计结果
Tab.9 Main estimation results of threshold effect
变量门槛值(%)Bootstrap P值95%的置信区间被解释变量:inv回归系数标准误t值rdtarget_11.50.000 0[1.5,2.7]15.615 9***3.381 44.618 2rdtarget_22.80.001 2[2.5,2.9]2.799 42.339 41.196 6
首先，对全样本进行5 000次Bootstrap模拟，计算出门槛值为1.5%，此时rdtarget的回归系数为15.615 9，表明创新投入强度目标能够显著提升城市创新水平。随后，分别对门槛值两侧子样本进行检验，发现左侧子样本不显著，右侧子样本的门槛值为2.8%，在1%的置信水平下显著，此时rdtarget的回归系数仍然为正但不显著。
在得到创新投入强度目标门槛值后，以门槛值为界，使用OLS进行分样本回归，以检验创新投入强度对城市创新影响的异质性。表10列示了分样本回归估计结果。数据显示，当创新投入强度目标低于2.8%时，其对城市创新的影响为正但不显著。当创新投入强度目标高于2.8%时，其显著抑制城市创新水平提升。原因在于，地方官员往往面临多重目标约束，尤其是严重的资源约束，当创新投入目标强度设定过高时，由于财政资源匮乏，会产生目标偏差，不利于城市创新水平提升[47]。需要说明的是，由于样本数据较少，因此需要谨慎对待上述研究结论。
表10 分样本回归估计结果
Tab.10 Estimation results of sub-sample regression
变量(1)rdtarget≤1.5%(2)1.5%
本文通过手工收集2013-2019年我国各省市政府工作报告中关于科技创新目标的数据，将地方科技创新目标细分为创新投入目标、创新产出目标和创新企业目标，并将地方科技创新目标与城市面板数据相结合，进行实证分析。结果显示：第一，在三类地方科技创新目标中，只有创新投入目标约束能够显著促进城市创新水平提升，创新产出目标约束和创新企业目标约束对城市创新的影响不显著；第二，地方科技创新目标约束对城市创新的影响通过财政科技支出实现，地方政府设定创新投入目标约束能够显著促进财政科技支出增加，进而推动城市创新水平提升；第三，地方创新投入目标约束对城市创新的影响存在区位异质性，具体而言，在东部地区，创新投入目标约束显著促进城市创新水平提升，但对中部地区和西部地区的影响不显著；第四，创新投入强度目标对城市创新的影响存在门槛效应。当创新投入强度目标高于2.8%时，会显著抑制城市创新水平提升。
本文研究为优化地方科技创新目标设定和财政支出结构调整提供了经验证据。第一，地方政府应当优先考虑设定创新投入目标。从2019年280个城市的政府工作报告来看，有176个城市设定了创新企业目标，远远大于创新投入目标设定数量。展望未来，为提升城市创新水平，地方政府应当优先考虑设定创新投入目标。第二，地方政府在设定科技创新目标时，应充分考虑城市区位，东部地区城市应尽可能设定创新投入目标。具体而言，中部地区和西部地区的地方政府仍然围绕“为增长而竞争”，不适合设定创新投入目标。东部地区具有区位优势，政府创新偏好较强，财政资源更丰富，更适合设定创新投入目标。第三，地方政府需要进一步提高财政科技支出比重。《2019年全国科技经费投入统计公报》显示，我国R&D经费投入强度为2.23%，虽然创历史新高，但与美国(2.83%)、日本(3.26%)等科技强国尚有差距。因此，要继续加大财政支持力度，发挥财政科技支出对全社会R&D投入的拉动和引导作用。第四，地方政府在设定创新投入强度目标时，不应设定过高，要平衡好科技创新与经济增长、居民就业、居民收入等其它目标关系，合理支配财政资源，进而提高财政资源使用效率。
[1] LEE C Y. The differential effects of public R&D support on firm R&D: theory and evidence from multi-country data[J]. Technovation, 2011, 31(5-6): 256-269.
[2] 卞元超,白俊红.“为增长而竞争”与“为创新而竞争”——财政分权对技术创新影响的一种新解释[J].财政研究,2017，38(10):43-53.
[3] 李恩极,李群.地方政府创新竞争与企业创新[J].当代财经,2021，42(4):16-27.
[4] 刘淑琳,王贤彬,黄亮雄.经济增长目标驱动投资吗——基于2001-2016年地级市样本的理论分析与实证检验[J].金融研究,2019，62(8):1-19.
[5] LYU L,SUN F,HUANG R.Innovation-based urbanization: evidence from 270 cities at the prefecture level or above in China[J]. Journal of Geographical Sciences, 2019, 29(8): 1283-1299.
[6] 佘硕,王巧,张璐.政府创新政策的创新驱动效应评估[J].城市问题,2019,38(7):68-76，103.
[7] 熊波,金丽雯.国家高新区提高了城市创新力吗[J].科技进步与对策,2019,36(4):40-49.
[8] 纪祥裕,顾乃华.知识产权示范城市的设立会影响创新质量吗[J].财经研究,2021,47(5):49-63.
[9] CARAGLIU A,DEL BO C F.Smart innovative cities: the impact of Smart City policies on urban innovation[J]. Technological Forecasting and Social Change, 2019, 142: 373-383.
[10] 袁航,朱承亮.智慧城市是否加速了城市创新[J].中国软科学,2020,35(12):75-83.
[11] 楚金华,钟安原.智慧城市建设对城市创新力提升的影响研究[J].电子政务,2021,18(4):16-29.
[12] 李政,杨思莹.国家高新区能否提升城市创新水平[J].南方经济,2019,37(12):49-67.
[13] 毛文峰,陆军.土地要素错配如何影响中国的城市创新创业质量——来自地级市城市层面的经验证据[J].产业经济研究,2020,19(3):17-29，126.
[14] 王春杨,兰宗敏,张超,等.高铁建设、人力资本迁移与区域创新[J].中国工业经济,2020,38(12):102-120.
[15] 孙文浩.高铁网络、逆集聚与城市创新[J].财经科学,2021,65(3):119-132.
[16] 张萃.外来人力资本、文化多样性与中国城市创新[J].世界经济,2019,42(11):172-192.
[17] 路京京,杨思莹,马超.财政分权、金融分权与科技创新[J].南方经济,2021,39(6):36-50.
[18] 李政,杨思莹.财政分权体制下的城市创新水平提升——基于时空异质性的分析[J].产业经济研究,2018,17(6):50-61.
[19] 何凌云,马青山.财政分权对城市创新的影响——基于地方政府竞争视角[J].经济与管理研究,2020,41(10):132-144.
[20] SIYING YANG, ZHENG LI, JIAN LI. Fiscal decentralization, preference for government innovation and city innovation: evidence from China[J]. Chinese Management Studies,2020,14(2): 391-409.
[21] 马亮.目标治国、绩效差距与政府行为:研究述评与理论展望[J].公共管理与政策评论,2017,6(2):77-91.
[22] 周黎安.中国地方官员的晋升锦标赛模式研究[J].经济研究,2007,53(7):36-50.
[23] LI X, LIU C, WENG X, et al. Target setting in tournaments: theory and evidence from China[J]. The Economic Journal, 2019, 129(623): 2888-2915.
[24] TSUI,KAI-YUEN,YOUQIANG WANG. Between separate stoves and a single menu: fiscal decentralization in China[J]. The China Quarterly,2004,177: 71-90.
[25] BLANCHARD O,SHIEIFER A.Federalism with and without political centralization. China versus Russia[J]. Harvard Institute of Economic Research Working Papers, 2000,48(1):171-179.
[26] LI H, ZHOU L A. Political turnover and economic performance: the incentive role of personnel control in China[J]. Journal of Public Economics, 2005, 89(9-10): 1743-1762.
[27] 余泳泽,张先轸.要素禀赋、适宜性创新模式选择与全要素生产率提升[J].管理世界,2015,31(9):13-31，187.
[28] 胡善成,靳来群.政府研发补贴促进了策略创新还是实质创新——理论模型与实证检验[J].研究与发展管理,2021,33(3):109-120.
[29] 徐现祥,刘毓芸.经济增长目标管理[J].经济研究,2017,52(7):18-33.
[30] 卞元超,吴利华,白俊红.增长、创新与晋升——来自中国省级地方政府的经验证据[J].科研管理,2019,40(8):53-61.
[31] QIAN Y, ROLAND G.Federalism and the soft budget constraint[J]. American Economic Review, 1998: 1143-1162.
[32] JIN H, QIAN Y, WEINGAST B R. Regional decentralization and fiscal incentives: federalism, Chinese style[J]. Journal of Public Economics, 2005, 89(9-10): 1719-1742.
[33] 薛泉.压力型体制模式下的社会组织发展——基于温州个案的研究[J].公共管理学报,2015,12(4):131-142，160.
[34] 余泳泽,孙鹏博,宣烨.地方政府环境目标约束是否影响了产业转型升级[J].经济研究,2020,55(8):57-72.
[35] 王程伟,马亮.压力型体制下绩效差距何以促进政府绩效提升——北京市“接诉即办”的实证研究[J].公共管理评论,2020,2(4):82-109.
[36] LI J. The paradox of performance regimes: strategic responses to target regimes in Chinese local government[J]. Public Administration, 2015, 93(4): 1152-1167.
[37] 张梁,相广平,马永凡.数字金融对区域创新差距的影响机理分析[J].改革,2021(5):88-101.
[38] 张文翠.基层政府政绩目标设置博弈与压力型体制异化——基于北方七个地市的实地调研[J].公共管理学报,2021,18(3):64-75，171.
[39] 杨国超,芮萌.高新技术企业税收减免政策的激励效应与迎合效应[J].经济研究,2020,55(9):174-191.
[40] 周雪光,练宏.中国政府的治理模式:一个“控制权”理论[J].社会学研究,2012,27(5):69-93，243.
[41] 狄金华.政策性负担、信息督查与逆向软预算约束——对项目运作中地方政府组织行为的一个解释[J].社会学研究,2015,30(6):49-72，243.
[42] 冯猛.政策实施成本与上下级政府讨价还价的发生机制 基于四东县休禁牧案例的分析[J].社会,2017,37(3):215-241.
[43] 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.
[44] 张宽,黄凌云.政府创新偏好与区域创新能力:如愿以偿还是事与愿违[J].财政研究,2020(4):66-82.
[45] HANSEN B E.Threshold effects in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2): 345-368.
[46] HANSEN B E.Sample splitting and threshold estimation[J]. Econometrica, 2000, 68(3): 575-603.
[47] 刘焕,吴建南,徐萌萌.不同理论视角下的目标偏差及影响因素研究述评[J].公共行政评论,2016,9(1):151-171，186.