The Impact of the "Specialization, Sophistication, Differentiation, and Innovation" Policy on the Innovation Performance of Little Giant Enterprises:The Perspective of Corporate Information Transparency

Ma Liang 1,Gan Qixu 2

(1.School of Economics, Hangzhou Dianzi University, Hangzhou 310000, China; 2. School of Economics, Capital University of Economics and Business, Beijing 100070, China)

Abstract：Since the outbreak of the China-American trade friction in 2018, China has faced increasingly severe challenges in key core technology fields. Despite a surge in the number of international patent applications, China's dependence on foreign intellectual property has not diminished, indicating an underlying weakness in innovation quality. Against this backdrop, the “Specialization, Sophistication, Differentiation, and Innovation” (SSDI) policy for small and medium-sized enterprises (SMEs), initiated by China's Ministry of Industry and Information Technology in 2011 and formally implemented in 2018, aims to cultivate “Little Giant” companies that excel in innovation and dominate niche markets. These firms are vital for driving technological innovation, enhancing industrial chain levels, and strengthening international competitiveness. However, while existing research suggests that the SSDI policy has encouraged increased R&D investment and innovation output, there is a paucity of in-depth analysis on whether it effectively improves the quality of corporate innovation. This research aims to contribute to a more comprehensive understanding of the factors that influence innovation policy outcomes. This is crucial for policymakers seeking to refine the SSDI policy and for firms looking to optimize their innovation strategies in the face of evolving market conditions and policy environments.

This paper first proposes hypotheses on the impact and mechanisms of the SSDI policy on the technological innovation of “Little giant” enterprises, as well as the differential effects of the policy under varying levels of market transparency through a theoretical model. Further, this paper utilizes data from listed companies on the Shanghai and Shenzhen A-shares market from 2018 to 2023 which is sourced from the CSMAR and CNRDS databases, and employs a multi-period difference-in-differences (DID) method to test the above hypotheses. The research findings reveal that the SSDI policy significantly enhances both the innovation quality and quantity of “Little Giant” enterprises. Moreover, the policy has a gradient promotion effect, meaning that “Little Giant” enterprises outperform provincial and municipal SSDI enterprises in terms of technological innovation levels, and the latter, in turn, outperform other enterprises. By alleviating financing constraints, providing risk compensation, and promoting the accumulation of human capital, the SSDI policy substantially improves the innovation performance of “Little Giant” enterprises. In terms of human capital, it is the high level of human capital that is the key factor in improving the innovation quality of “Little giant” enterprises. Further research finds that the enterprises adopt different innovation strategies under varying levels of corporate information transparency. Specifically, when corporate information transparency is low, “Little Giant” enterprises receiving SSDI policy support tend to opt for strategies that increase the quantity of innovation rather than its quality, thereby engaging in “innovation pandering” behavior. In contrast, when corporate information transparency is high, the SSDI policy effectively promotes the innovation quality of “Little Giant” enterprises. These findings are pivotal as they not only substantiate the SSDI policy efficacy but also highlight the conditional nature of this effectiveness, contingent upon the level of corporate information transparency. By revealing the differential impact of the policy in various market conditions, this study offers valuable insights for policymakers aiming to refine the SSDI policy and for “Little giant” enterprises seeking to optimize their innovation strategies.

The possible marginal contributions of this paper are threefold. Firstly, current research on the effect of the SSDI policy mostly focuses on the quantity of innovation, this paper examines the impact of the policy on both the quantity and quality of enterprise innovation at the same time, which helps to comprehensively assess the effect of the policy. Secondly, most of the existing innovation policies only support technological innovation of enterprises from the aspect of financial support, and lack the design of human capital incentives. This paper not only analyzes the role of financial support of the policy, but also pays special attention to the role of different human capitals in the process of innovation, which provides an important idea for the incentive design of the innovation policy. Thirdly, the impact of innovation policy on the quality of enterprise innovation is controversial, and why the effect of the SSDI policy remains to be further analyzed. Following the information asymmetry theory, this paper analyzes the differentiated innovation strategies that enterprises may adopt under different market transparency conditions, and emphasizes the importance of constructing a transparent and efficient market information mechanism to stimulate the innovation vitality of enterprises.

Key Words：SSDI Policy; Innovation Performance;"Little Giant" Enterprises;Information Transparency

收稿日期：2024-09-30

修回日期：2024-12-12

基金项目：浙江省社科规划课题(21NDJC009Z)

作者简介：马良(1985—),男,安徽合肥人,博士,杭州电子科技大学经济学院副教授,研究方向为产业政策与企业创新;甘崎旭(1998—),男,四川绵阳人,首都经济贸易大学经济学院博士研究生,研究方向为产业政策与企业创新。本文通讯作者:甘崎旭。

DOI：10.6049/kjjbydc.D2024090809

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(2025)09-0087-11

0 引言

随着全球科技竞争格局的深刻变革和产业链价值链的加速重构,突破关键核心技术、实现高水平科技自立自强是推进我国经济高质量发展的必由之路。2022年工业和信息化部印发《优质中小企业梯度培育管理暂行办法》,构建创新型中小企业、专精特新中小企业和专精特新“小巨人”企业组成的优质中小企业梯度培育体系。专精特新“小巨人”企业位于产业基础核心领域,创新能力突出、质量效益好,是优质中小企业的核心力量。

与传统创新政策相比,专精特新政策具有精准性高、支持手段多样化等显著特征,主要体现如下:第一,政策支持精准化。与传统创新政策易导致资源稀释效应不同[1-2],专精特新政策通过“梯度培育—动态评估”机制筛选目标企业,能够确保政策资源向具有技术潜力和市场前景的企业集中[3]。第二,支持工具系统化。除传统财政支持工具外,专精特新政策引入人才引进专项通道、产业链协同平台等工具,形成“资金+人才+生态”的立体支持体系[4]。第三,战略导向长期化。专精特新政策紧扣国家战略目标,强调企业需要在细分领域内形成自主知识产权,并通过“动态考核—退出机制”倒逼企业不断提升创新质量。

专精特新政策具有诸多优势,但在政策实施过程中可能面临政策信号和企业响应的非对称性难题,即企业信息透明度差异导致企业创新行为分化[5]。低信息透明度企业倾向于通过专利数量堆砌或技术模仿迎合政策考核,从而形成“创新泡沫”。这类企业获得政策红利后,往往缺乏持续研发投入动力,从而导致政策资源错配。反之,高信息透明度企业更倾向于开展实质性创新,通过降低外部投资者与政策部门的监督成本吸引长期资本,从而形成创新资源的正向循环[6-7]。这一分化的根源在于信息环境的调节效应,即在低透明度条件下,政策信号易被异化为“寻租工具”;在高透明度条件下,政策信号则转化为“创新催化剂”[8-9]。因此,信息透明度不仅是政策执行效力的“调节器”,也可能是企业创新战略选择的“分水岭”。鉴于此,本文基于企业信息透明度视角,尝试从理论机制阐述和实证检验两个方面回答专精特新政策对“小巨人”企业创新绩效的影响。尤其在不同信息环境下,“小巨人”企业是否会选择不同创新策略?通过研究上述问题以期为政策制定提供参考,助力专精特新政策体系优化,推动专精特新企业高质量发展。

本文可能的边际贡献在于:第一,当前关于专精特新政策效果的研究多关注创新数量,本研究同时考察该政策对企业创新数量和创新质量的双重影响,有助于全面评估政策效果。第二,现有创新政策多从资金等方面提供支持,缺乏人力资本激励设计,本研究分析了不同人力资本在创新过程中的作用,为激励机制设计提供新思路。第三,本研究基于信息不对称理论,探讨企业在不同信息透明度条件下的创新策略,强调提高企业信息透明度对优化政策效果和激发企业创新活力的重要性。

1 文献综述

围绕创新政策与企业创新之间的关系,相关研究表明,创新政策通过提供财政支持和缓解融资约束,有效促进企业技术创新投入与产出数量增长[10-11]。然而,专利数量增长并不意味着专利质量提升。若专利质量未同步提升,则堆叠的专利“泡沫”对我国经济发展的促进作用有限,难以满足高质量发展需求,这促使学术界开始关注创新政策对企业创新质量的影响。

尽管在理论上,创新政策通过支持企业创新促进其创新绩效提升,但在实践中,由于信息不对称和政策执行过程中的诸多限制,政策效果并未完全达到理论预测的理想状态。目前,关于创新政策如何影响企业技术创新质量的观点存在分歧。一方面,新结构经济学认为,政府适度干预有助于产业结构转型升级和经济社会发展[12-13]。基于这一理论,有研究发现,创新政策通过缓解企业融资约束和弥补创新外溢损失,提升了企业创新质量[14-15]。然而,现行创新政策多侧重于创新补贴和信贷优惠,忽视了对人力资本的激励。因此,这些政策对企业技术创新的激励效果可能不足。在我国产业转型升级的关键时期,人力资本对企业技术创新的影响不容忽视[16],特别是高层次人力资本对企业创新质量提升至关重要[17]。另一方面,基于信息不对称理论,有研究对创新政策的有效性也提出了质疑。该理论认为,产业政策实质上是政府与企业签订的一种不完全契约,双方信息掌握不充分,加上缺乏有效的第三方执行机制,导致政策实施效果存在显著差异[18]。创新政策能够给企业带来税收减免、资金补助,但由于创新数量是一种易于观测的积极信号[19],企业天然有通过扩大创新规模向政府发送信号寻求政策支持的倾向。由于企业与政府对专利信息的掌握程度存在差异,在政府对企业信息掌握不充分的情况下,企业可能采取创新迎合行为获取政策红利,而非致力于提升企业竞争力的高质量创新活动,进而导致政策失灵以及创新资源浪费[3,6]。

综上所述,现有研究虽然探讨了传统创新政策与企业创新绩效之间的关系,但对创新政策的作用仍存在争议。同时,与“小巨人”企业相关的专精特新政策对创新绩效的影响研究依然不足,尤其在不同信息环境下,“小巨人”企业是否存在创新迎合行为鲜有学者关注。因此,本文基于企业信息透明度视角,探究专精特新政策与“小巨人”企业创新绩效之间的关系。

2 理论分析与研究假设

2.1 专精特新政策创新激励模型构建

本文通过构建一个理论模型分析专精特新政策如何影响企业创新行为,进而探讨在不同企业信息透明度条件下,政策对企业技术创新的差异化影响。

本文构造企业创新成本函数如下:

θM+D=i(ωhLh+ωlLl+rK)

(1)

式(1)中,M表示企业自有资本,D表示贷款资本,Lh表示高层次人力资本、Ll表示低层次人力资本、K表示物质资本,价格分别为ωh、ωl和r,ωh>ωl。考虑到信息不对称导致的融资约束,贷款资本D较企业自有资本成本更高,假设企业自有资本的机会成本为1,则贷款资本的成本为γ,γ>1,且融资约束越大,贷款成本γ越高。当企业债务融资规模增大时,企业技术创新投入的价格加成会增大,假设价格加成为i,且1<i<γ。根据货币持有三大需求,企业需要保留一定的现金资产以应对交易、风险以及可能的投资机会,假设企业投入创新活动的资本份额为θ。

进一步,本文将企业创新生产函数设置为CES函数形式:

(2)

式(2)中,Y为创新产出,σ为替代弹性且σ>1,可以证明在该生产函数下,两种要素的替代弹性是固定的,Lh、Ll、K定义与式(1)一致。ah、al、ak分别为高层次人力资本、低层次人力资本和物质资本的生产效率,且ah>al。

考虑到企业除追求利润最大化目标外,还存在对技术创新的偏好,结合式(1)(2),企业开展技术创新活动的收益函数如下:

(3)

式(3)中,π为企业创新的收益函数,P为创新成果的市场价格。一般而言,创新难度越大,这种创新成果的市场价格P越高。T(P,Y)为企业技术创新水平,与P和Y正相关, β为企业对技术创新的偏好水平。

2.2 政策的创新激励效应与传导路径分析

根据式(3),本文讨论要素投入价格加成对企业技术创新的影响:

(4)

由式(4)可知,企业技术创新所得收益与企业面临的要素投入价格加成水平i呈负相关关系。

本文进一步讨论不同层次人力资本(高层次人力资本和低层次人力资本)对企业技术创新的影响(令

(5)

(6)

因此,高层次人力资本和低层次人力资本投入相对量满足以下关系:

(7)

式(7)表明,高层次人力资本和低层次人力资本投入相对量与其价格成反比,与其生产效率成正比。进一步求导,可得高层次人力资本、低层次人力资本投入相对量与人力资本的相对创新生产效率的关系为:

(8)

式(8)表明,高层次人力资本与低层次人力资本的相对生产效率差异越大,企业高层次人力资本的相对投入量越大。由于高层次人力资本技术知识水平更高,更适应从事高质量创新,因而企业在进行人力资本投资时,会将高质量人力资本投入到高质量创新过程中。即人力资本增多会促进企业技术创新水平提升,高层次人力水平提升是提升企业创新质量的关键因素。

一方面,专精特新政策通过财政补贴、税收优惠以及贷款贴息等方式,直接降低“小巨人”企业融资成本。这些优惠机制共同构成“小巨人”企业创新失败风险补偿机制,鼓励企业投入资源开展风险高、潜力大的创新活动。另一方面,专精特新政策将企业科研创新人员规模纳入考核标准,企业为获取政策支持存在扩大高层次人力资本规模的动力,该政策对“小巨人”企业的资源倾斜使得企业拥有更多资源和声誉以招揽、吸引人才,进而促进企业创新绩效提升。据此,本文提出以下假设:

H1：专精特新政策通过降低融资约束、对创新风险提供补偿以及提高人力资本水平3条路径显著提升“小巨人”企业创新绩效,其中,高水平人力资本是提高企业创新质量的关键因素。

2.3 不同信息透明度下政策对企业创新绩效的影响

本文进一步探讨在不同企业信息透明度条件下,专精特新政策对企业创新策略的影响。在企业信息透明度较高情况下,政策执行者能够更好地监督企业行为。当企业行为不符合政策要求时,企业所获得的政策支持力度减小。此时,企业收益函数如下:

(9)

式(9)中,iL为企业面临的价格加成水平。此时企业信息透明度较高,政策执行者能够对企业技术创新质量进行识别,企业面临的价格加成水平与企业技术创新质量负相关。对P进行求导可得:

(10)

由式(10)可以看出,在企业信息透明度较高情况下,企业技术创新收益与创新质量正相关,即此时企业更倾向于提高技术创新质量。

企业信息透明度较低情况下,政策执行者难以有效监督企业创新行为。政策执行者无法迅速识别企业技术创新质量,只能根据企业创新数量提供政策支持,这可能导致企业技术创新活动目标和行为发生扭曲,从而偏离技术创新的本质和长期价值的实现。此时,企业收益函数如下:

(11)

式(11)中,iH为企业面临的价格加成水平。此时企业信息透明度较低,政策执行者难以对企业技术创新质量进行识别,企业可能通过扩大创新规模向外传递积极信号以获取政策支持,因而iH与企业技术创新数量负相关。对Y进行求导:

(12)

由式(12)及理论分析可知,在企业信息透明度较低情况下,企业技术创新收益与创新数量正相关,此时企业更倾向于提高技术创新数量。根据上述分析,本文提出以下假设:

H2：不同企业信息透明度条件下,专精特新政策对“小巨人”企业创新绩效的影响存在差异,企业信息透明度较高情况下促进创新质量提升,而在企业信息透明度较低情况下促进创新数量提升。

3 研究设计

3.1 样本选取与数据来源

本文选取2018—2023年中国沪深A股上市公司作为研究样本,将评选上“小巨人”的企业作为实验组,而将未评选上的企业作为对照组。数据来源于CSMAR数据库和CNRDS数据库,为确保结果可靠性,本文对数据进行如下处理:第一,根据证监会发布的《上市公司行业分类指引(2012年版)》,在二级行业水平上剔除未出现过“小巨人”企业的行业;第二,剔除ST、*ST和PT企业样本;第三,剔除信息缺失样本,并对连续控制变量在1%和99%分位上进行缩尾处理。

3.2 变量测量

3.2.1 被解释变量

创新质量(Quality):通常来说,相较于实用新型和外观设计,发明专利的创新质量更高,更能反映企业创新质量,已有文献也多选择发明专利申请量或授权量作为企业创新质量的衡量指标[20]。基于此,本文对发明专利申请量加1取对数,对企业创新质量进行初步评估与稳健性检验。

创新质量体现了企业创新技术深度、市场影响力、创新价值。“小巨人”企业创新往往具有较高的技术含量和市场竞争力,简单以发明专利数量衡量其创新质量可能难以反映真实情况,发明专利年度引用次数可以一定程度上反映企业技术突破的影响力和广度[21]。考虑到专利引用存在“截断”问题[20],本文进一步将上市公司发明专利年度引用数量减行业中位数后,除以行业中位数进行去量纲化处理,得到标准化发明专利引用数量,以此作为创新质量的代理变量。

创新数量(Quantity):专利申请作为创新活动的重要产出之一,其数量直接关联企业研发投入和创新成效。为了消除极端值的影响并使数据更符合正态分布,本研究以企业专利申请数量加1后取对数衡量企业创新数量。

3.2.2 关键解释变量

专精特新政策(Policy):本研究基于前5批专精特新“小巨人”企业样本,采用多期双重差分法(DID)构建政策变量。具体而言,若企业于第t年入选“小巨人”企业,则从入选年度至政策红利覆盖期结束均赋值为1,否则为0。根据工业和信息化部发布的《优质中小企业梯度培育管理暂行办法》,“小巨人”企业认定有效期为3年。由于评选结果公示与政策落实存在跨年度延滞(如第一批次公示期为2019年6月至2022年6月),本研究对赋值区间进行整年度对齐处理:第一批次企业覆盖2019—2022年,第二批次覆盖2020—2023年,后续批次依此类推。

3.2.3 控制变量

参考已有文献,本文选取控制变量如下:企业规模(Size),采用企业总资产的对数表示;资产负债率(Lev),采用总负债与总资产的比值表示;总资产周转率(TAT),采用营业收入与总资产的比值表示;总资产净利润率(ROA),采用净利润与总资产的比值表示;营业收入增长率(Growth),采用企业当年营业收入与上一年度营业收入的比值表示;两职合一(Dual),董事长与总经理是同一人为1,反之则为0;产权性质(SOE),国有企业为1,非国有企业为0。

本文主要变量描述性统计和相关性分析结果如表1、表2所示。

3.3 模型设置

本研究旨在评估专精特新政策对“小巨人”企业创新绩效的因果效应,考虑到政策实施存在时间上的批次差异,因此采用多期双重差分法作为主要计量经济模型,具体模型设定如下:

Innovationit=α0+α1Policyit+α2Xit+λi+γt+δj+εit

(13)

式(13)中,i、t分别表示企业和年份,Innovationit为企业创新质量(Quality)或创新数量(Quantity),Policyit表示企业是否评选上“小巨人”企业,Xit为一系列控制变量,λi、γt、δj则分别表示企业、年份和行业层面的固定效应,εit为随机误差。考虑到企业层面的潜在序列相关,本文采用企业层面的聚类标准误矫正标准误,以提高估计结果的稳健性。

4 实证检验与分析

4.1 基准回归分析

专精特新政策对“小巨人”企业创新绩效的影响检验结果如表3列(1)～(3)所示。列(1)(2)分别采用发明专利申请数量和发明专利引用数量衡量创新质量,结果显示,专精特新政策显著提升了“小巨人”企业创新质量;列(3)显示,该政策显著增加了“小巨人”企业创新数量。上述结论和已有研究结论一致[10,22]。

以上研究分析了专精特新政策对 “小巨人”企业创新绩效的影响,然而在现有专精特新政策体系中,除“小巨人”企业外,还存在相当数量的省市级专精特新企业。这两类企业的区别如下:“小巨人”企业由工业和信息化部认定,代表在技术创新、市场竞争力和专业化程度上的高标准;省市级专精特新企业则由地方政府认定,相较而言,可能在规模和影响力上略逊,但为地方经济发展和技术创新的重要力量。“小巨人”企业往往能获得更多政策扶持和资源倾斜,而省市级专精特新企业在地方政策支持下发展,因而考察这两类企业在政策支持下的创新绩效差异有助于深化对专精特新政策体系的认识。

基于此,本文进一步区分“小巨人”企业、省市级专精特新企业以及其它企业,结果如表3列(4)～(9)所示,分别比较“小巨人”企业与其它企业(列(4)(7))、“小巨人”企业与省市级专精特新企业(列(5)(8))、省市级专精特新企业与其它企业(列(6)(9))的创新绩效。结果显示,在创新质量方面,专精特新政策存在梯度促进作用,即对“小巨人”企业创新质量的促进作用更强。在创新数量方面,专精特新政策显著提高了“小巨人”企业创新产出,但对省市级专精特新企业创新数量的影响不显著。

综上所述,专精特新政策体系有助于提升目标企业创新质量,尤其对认定标准更为严格、获得政策支持力度更大的“小巨人”企业创新质量的提升作用更为显著。这也表明,专精特新政策有效促进创新资源向创新能力更强的企业集中,优化创新资源配置,取得了较好的实施效果。同时,政策对省市级专精特新企业创新质量也具有推动作用,进一步证明了政策的有效性。

4.2 机制分析

借鉴江艇[23]的研究,本文采用如下模型检验专精特新政策影响“小巨人”企业创新绩效的中介机制:

Mediatorit=α0+α1Policyit+α2Xit+λi+γt+δj+εit

(14)

Innovationit=α0+α1HHit+α2LHit+α2Xit+λi+γt+δj+εit

(15)

式(14)中,Mediatorit为中介变量(融资约束、创新风险补偿和人力资本)。式(14)用于检验专精特新政策对中介变量的影响,式(15)中HHit、LHit分别代表高层次人力资本和低层次人力资本,用于检验两种人力资本对企业创新绩效的影响是否存在差异。

4.2.1 融资约束

以SA指数[24]衡量融资约束,结果如表4列(1)(2)所示。结果显示,专精特新政策有效缓解了“小巨人”企业融资约束,进而促进其创新绩效提升。

4.2.2 创新风险补偿

以现金资产持有比例(Cash)衡量创新风险补偿[25],结果如表4列(3)(4)所示。结果显示,专精特新政策显著降低了“小巨人”企业现金资产比例,表明该政策对“小巨人”企业提供了创新风险补偿,进而促进其创新绩效提升。

4.2.3 人力资本

人力资本方面,本文区分了高层次人力资本(高等学历人员规模Hedu和研发人员规模RP[26])与低层次人力资本(非高等学历人员规模Ledu和非研发人员规模NRP),结果如表5所示。

表5列(1)～(4)以高等学历人员规模(Hedu)和非高等学历人员规模(Ledu)代表高层次人力资本与低层次人力资本进行检验。结果显示,首先,专精特新政策在1%显著性水平上与高等学历人员规模和非高等学历人员规模正相关;其次,高等学历人员规模在1%显著性水平上与“小巨人”企业创新质量正相关,而非高等学历人员规模对创新质量的影响则不显著,前者对创新数量的影响系数明显大于后者。

为了进一步验证以上结论,本文以研发人员规模(RP)和非研发人员规模(NRP)分别代表高层次人力资本与低层次人力资本进行检验,结果见表5列(5)～(8)。结果显示,首先,专精特新政策在1%显著性水平上与高等学历人员规模和非高等学历人员规模正相关;其次,研发人员规模对创新质量的影响系数为正且t值接近显著性阈值,可以近似认为高层次人力资本提升了创新质量,非研发人员规模对创新质量的影响不显著,前者对创新数量的影响系数明显大于后者。上述结果和前文结果基本一致。

综上所述,专精特新政策通过缓解融资约束、提供创新风险补偿以及促进人力资本积累促进“小巨人”企业创新绩效提升,并且在人力资本方面,高层次人力资本是提高企业创新质量的关键因素。机制分析结果和基准结果证明研究假设H1成立。

5 进一步分析

5.1 不同企业信息透明度条件下“小巨人”企业创新策略

创新政策本质上是政府与企业之间的一种不完全契约,其实施效果与企业信息透明度密切相关。在企业信息透明度较高时,政策执行者能够识别企业创新质量水平,进而有针对性地降低企业创新成本和弥补外溢性损失,有效提升企业创新绩效。企业信息透明度较低时,企业往往倾向于通过增加专利数量传递创新信号,以获取政策支持。此时,创新政策可能会导致企业创新“泡沫”增加。为探讨不同企业信息透明度条件下专精特新政策影响效果,本文选取公司透明度和分析师关注度两个指标表征企业信息透明度。公司透明度来源于深交所和沪交所披露数据,设置A和B级为透明度较高组,C和D级为透明度较低组;以分析师(团队)关注数量的中位数区分较高和较低分析师关注度。

其中,公司透明度指标反映了企业财务状况、经营情况、重大事项等信息披露的及时性、准确性。因此,公司透明度水平提升能够提高利益相关者对企业信息的掌握程度,降低企业股价波动,强化风险投资对企业创新绩效的激励作用[27]。分析师对企业持续关注,意味着企业信息在市场中的流动性较高,利益相关者能更充分获取企业信息。因此,分析师关注度提升能够提高企业信息披露质量,降低会计信息风险[28]。理论分析与经验证据表明,公司透明度和分析师关注度能够较好地反映企业信息透明度水平,并分别体现企业信息透明度的信息披露与外部监督两个方面。

表6列(1)～(4)以公司透明度进行分组检验,结果显示,专精特新政策对公司透明度较高企业创新质量的促进作用更强,对公司透明度较低企业创新数量的促进作用更强。这表明,高公司透明度有助于政策执行者更准确地识别和激励企业创新行为,从而提高创新质量。相反,低公司透明度可能增加政策执行者对企业创新行为的辨别难度,导致企业倾向于通过扩大创新规模获得政策支持。

表6列(5)～(8)以分析师关注度进行分组检验,结果显示,专精特新政策显著促进分析师关注度较高企业创新质量提升,而对于分析师关注度较低企业则仅促进其创新数量提升。这说明,分析师持续关注对企业创新质量提升起积极作用。在外部监督较弱情况下,企业更倾向于通过增加创新数量获取政策支持,这可能是为了在缺乏直接质量评估的情况下,通过增加创新数量展示其创新活动。

总体而言,较高的企业信息透明度使得政策执行者能够有效识别企业创新行为,政策执行者通过加大对高质量创新行为的支持力度激励企业提高创新质量水平。而在企业信息透明度较低的情况下,政策执行者难以识别企业创新行为,企业更可能通过增加创新数量迎合政策激励。以上结果证明假设H2成立。

5.2 稳健性检验

为验证企业信息透明度影响效果的稳健性,本文以分析师关注度作为企业信息透明度分组依据作如下稳健性检验。

5.2.1 平行趋势与动态效应检验

双重差分模型的有效性建立在平行趋势假设成立的基础上,因而本文设置如下模型考察处理组与对照组的平行趋势和动态效应:

(16)

式(16)中,Dkt表示企业是否为第k期“小巨人”企业,为消除多重共线性问题,本文剔除了k=-5的虚拟变量,检验结果如表7所示。

表7列(1)(2)验证企业信息透明度较高时该政策的平行趋势。结果表明,专精特新政策显著提升了“小巨人”企业创新质量,显示出政策对高质量创新活动的精准扶持。然而,该政策对创新数量的影响不显著。这表明,较高的企业信息透明度增强了政策执行者对企业创新行为的识别能力,从而激励企业提高技术创新质量。

表7列(3)(4)验证企业信息透明度较低时该政策的平行趋势。结果显示,政策对创新数量具有显著促进作用。然而,政策对创新质量的影响不显著。这表明,在企业信息透明度较低时,企业依赖创新数量扩张策略响应政策激励,进而导致企业创新质量提升不足。

综上所述,在企业信息透明度较高情况下,政策能够促使企业开展高质量创新活动;而在企业信息透明度较低情况下,企业更倾向于通过增加创新数量获取政策支持。平行趋势与动态效应检验结果验证了假设H2的稳健性。

5.2.2 安慰剂检验

为排除其它非政策因素对研究结果的干扰,本文通过替换个体和年份的方式进行安慰剂检验。替换实验个体的安慰剂检验方式如下:按照2019—2023年间每年“小巨人”企业的数量随机抽取样本作为虚拟实验组,其余样本作为虚拟对照组,重复此操作1 000次,生成安慰剂检验系数分布图,如图1所示。

结果显示,在企业信息透明度较高时,创新质量(图1(a))和创新数量(图1(b))的系数均值均未显著偏离零(t值为-0.107、-0.446)。在企业信息透明度较低时,创新质量(图1(c))和创新数量(图1(d))的系数均值也未显著偏离零(t值为0.244、-0.703)。即其它非政策因素对“小巨人”企业创新绩效不存在显著影响,政策效应的稳健性得到验证。

替换实验年份的安慰剂检验方式如下:将政策实施年份提前5年,进而构建虚拟实验组和对照组。如果政策效应在虚拟年份也显著,这可能意味着存在其它因素促使创新绩效提升。

检验结果如表8所示,无论企业信息透明度如何,相较于其它企业,虚拟政策组企业创新绩效均未产生显著差异。这表明,随机选择实验年份不会显著影响创新绩效,排除了其它潜在因素的干扰。

5.2.3 替换被解释变量

为进一步验证上述结论的稳健性,本文使用替换被解释变量的方法进行稳健性检验。其中,创新质量以企业发明专利数量加1后取对数衡量,创新数量以专利授权总量加1后取对数衡量,结果如表9所示。结果表明,当企业信息透明度较高时,该政策对“小巨人”企业创新质量的促进作用更强;当企业信息透明度较低时,该政策对“小巨人”企业创新数量的促进作用更强。由此验证了假设H2的稳健性。

综上所述,3种稳健性检验结果均验证了本文假设H2的可靠性。

5.3 进一步分析:企业创新迎合行为

前文结果表明,在企业信息透明度较高时,专精特新政策主要促进企业创新质量提升。然而,这并不能直接证明政策能有效缓解企业创新迎合现象。为了进一步探究专精特新政策对“小巨人”企业创新迎合行为的影响,本文借鉴李健等[6]对创新迎合投入端的定义,即如果企业创新投入水平较高,则不存在创新迎合;如果企业创新投入水平较低,则存在创新迎合。本文采用申请发明专利每年平均被引次数加1取对数(MQ)考察“小巨人”企业是否存在创新迎合行为,如果政策实施后,企业发明专利平均引用水平下降,则视为存在创新迎合现象,回归结果如表10所示。

表10列(1)(2)汇报了在不同公司信息透明度下,专精特新政策对创新迎合影响的检验结果。结果显示,信息透明度较低和较高的“小巨人”企业在专精特新政策实施后均表现出显著创新迎合现象,且低信息透明度企业更显著。这表明,较低的信息透明度使得企业更倾向于通过增加专利数量获取政策支持,较高的信息透明度则缓解了企业创新迎合行为。

表10列(3)(4)汇报了在不同分析师关注度下,专精特新政策对企业创新迎合行为的影响。结果显示,分析师关注度较低的企业在政策实施后存在显著创新迎合现象。这说明,在缺乏外部监督的情况下,企业倾向于通过增加专利数量获取政策支持。对于分析师关注度较高的企业而言,创新迎合行为并不显著,表明加强外部监督能够有效抑制企业通过增加专利数量迎合政策的举动。

综上所述,专精特新政策对企业创新绩效的影响受到企业信息透明度的调节作用。较低的信息透明度将导致企业创新迎合行为,这进一步验证了H2。

6 结语

6.1 结论

本文基于2018—2023年沪深A股上市公司数据,采用多期双重差分法(DID)深入分析了专精特新政策对“小巨人”企业创新绩效的影响,得到以下主要结论:

(1)专精特新政策促进了“小巨人”企业创新绩效提升,并且“小巨人”企业、省市级专精特新企业以及其它企业在创新绩效表现上存在梯度差异。

(2)缓解融资约束、提供创新风险补偿以及提高人力资本水平是专精特新政策促进“小巨人”企业创新绩效提升的3种重要机制。人力资本方面,高层次人力资本是提升创新质量的关键因素。

(3)当企业信息透明度较低时,该政策更多促进了“小巨人”企业创新数量提升;而当企业信息透明度较高时,该政策对“小巨人”企业创新质量的激励作用更强。企业信息披露水平和外界对企业的监督水平是缓解企业创新迎合行为的关键因素。因此,公平透明的市场环境对于优化专精特新政策实施效果至关重要。

6.2 政策建议

(1)持续优化专精特新政策。专精特新政策促进“小巨人”企业创新绩效提升,有助于企业跨越“创新陷阱”。因此,应持续优化实施专精特新政策,鼓励受评企业开展高水平创新活动以带动地区、行业创新氛围,提升中国企业整体竞争力水平。

(2)加大人力资本培育力度。专精特新政策能够促进“小巨人”企业人力资本积累,其中,高层次人力资本如研发人员、高学历人员是该政策得以促进“小巨人”企业创新质量提升的关键因素。只有做好人力资本培育工作,才能更好发挥专精特新政策对“小巨人”企业创新质量的促进作用。因此,需要加大人力资本培育力度,扩大我国高层次人力资本规模。企业应加强文化建设,提升对高水平人才的重视程度,加强人才培养与储备。

(3)提高企业信息透明度。政策效果能否达到预期与政策执行者对企业信息的掌握程度紧密相关,当企业信息透明度较低时,政策执行者无法甄别企业创新行为,专精特新政策主要促进“小巨人”企业创新数量提升,“小巨人”企业存在创新迎合行为。因此,为实现专精特新政策推动实质性技术进步的目的,需要加强监督和提升企业信息披露水平,进而确保政策资源优化配置,促进高质量创新活动。

参考文献：

[1] 陈强远, 林思彤, 张醒. 中国技术创新激励政策: 激励了数量还是质量[J]. 中国工业经济, 2020,37(4): 79-96.

[2] 陈强远, 张醒, 汪德华. 中国技术创新激励政策设计: 高质量发展视角[J]. 经济研究, 2022, 57(10): 52-68.

[3] 张瀚禹, 吴振磊. 高新技术企业认定如何影响企业创新行为——基于模糊断点回归的经验证据[J]. 经济管理, 2022, 44(6): 63-81.

[4] 刘灿雷, 高超. 教育、人力资本与创新——基于“量” 与“质” 的双重考察[J]. 财贸经济, 2021, 42(5): 110-126.

[5] 吕越, 张昊天, 谢红军. 土地引资、激励扭曲与企业策略性创新——来自工业用地出让的经验证据[J]. 数量经济技术经济研究, 2024, 41(8): 113-132.

[6] 李健, 赵乐欣, 姚能志, 等. 数字经济与企业创新迎合行为: 信息缓解政策扭曲效应的实证研究[J]. 数量经济技术经济研究, 2024, 41(7): 134-154.

[7] 王镝, 章扬. 企业数字化转型、策略性绿色创新与企业环境表现[J]. 经济研究, 2024, 59(10): 113-131.

[8] 李香菊, 祝丹枫. 财税政策波动如何影响中国制造业转型升级——基于信息不对称和目标冲突视角的分析[J]. 财贸研究, 2018, 29(11): 15-30.

[9] 杨国超, 张李娜. 产业政策何以更有效——基于海量媒体报道数据与研发操纵现象的证据[J]. 经济学(季刊), 2021, 21(6): 2173-2194.

[10] 汪合黔, 陈开洋. 创新支持政策对企业研发投入和经营绩效的影响 ——来自专精特新 “小巨人” 企业的微观证据[J]. 南方金融, 2022,44(11): 22-35.

[11] 寇宗来, 刘学悦. 中国企业的专利行为: 特征事实以及来自创新政策的影响[J]. 经济研究, 2020, 55(3): 83-99.

[12] 林毅夫. 新结构经济学: 反思经济发展与政策的理论框架[M]. 北京: 北京大学出版社, 2012.

[13] BARDHAN P. State and development: the need for a reappraisal of the current literature[J]. Journal of Economic Literature, 2016, 54(3): 862-892.

[14] 曹虹剑, 张帅, 欧阳峣,等. 创新政策与“专精特新”中小企业创新质量[J]. 中国工业经济, 2022,39(11): 135-154.

[15] 孙雅慧, 罗守贵. 持续资助的创新激励效应: 多多益善还是过犹不及[J]. 经济管理, 2023, 45(12): 81-101.

[16] 张亮, 邱斌, 吴腊梅, 等. 人力资本积累、贸易开放与中国制造业企业创新[J]. 经济学(季刊), 2024, 24(2): 379-394.

[17] 卿陶. 人力资本投入与企业创新——来自中国微观企业数据的证据[J]. 人口与经济, 2021,40(3): 108-127.

[18] 杨瑞龙, 侯方宇. 产业政策的有效性边界——基于不完全契约的视角[J]. 管理世界, 2019, 35(10): 82-94, 219-220.

[19] 邓向荣, 冯学良, 李仲武. 网络关注度对企业创新激励效应的影响机制研究——基于中国A股上市公司数据的实证分析[J]. 中央财经大学学报, 2020,63(9): 93-106.

[20] 方先明, 胡丁. 企业ESG表现与创新——来自A股上市公司的证据[J]. 经济研究, 2023, 58(2): 91-106.

[21] 曹春方, 张超. 产权权利束分割与国企创新——基于中央企业分红权激励改革的证据[J]. 管理世界, 2020, 36(9): 155-168.

[22] 张米尔, 任腾飞, 黄思婷. 专精特新“小巨人”遴选培育政策的专利效应研究[J]. 中国软科学, 2023,38(5): 33-43,53.

[23] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022,39 (5): 100-120.

[24] HADLOCK C J, PIERCE J R. New evidence on measuring financial constraints: moving beyond the KZ index[J]. The Review of Financial Studies, 2010, 23(5): 1909-1940.

[25] 余靖雯, 郭凯明, 龚六堂. 宏观政策不确定性与企业现金持有[J]. 经济学(季刊), 2019, 19(3): 987-1010.

[26] 汪冲, 宋尚彬. 研发投入激励对劳动收入份额的影响研究——基于人才集聚和收益共享视角[J]. 财政研究, 2022,43(9): 75-88.

[27] 姜双双, 刘光彦. 风险投资、信息透明度对企业创新意愿的影响研究[J]. 管理学报, 2021, 18(8): 1187-1194.

[28] 胡玮佳, 韩丽荣. 分析师关注降低上市公司的会计信息风险了吗——来自中国A股上市公司的经验证据[J]. 管理评论, 2020, 32(4): 219-230.

(责任编辑:张 悦)