李海林 湯弘欽 林春培

摘 要：

從政府補(bǔ)貼中篩選出科技補(bǔ)貼與人才補(bǔ)貼二類創(chuàng)新型補(bǔ)貼，對二者進(jìn)行跨時間、區(qū)間化劃分，分別構(gòu)建與創(chuàng)新數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)，實(shí)現(xiàn)對創(chuàng)新行為與績效的預(yù)測分析、原因診斷與貢獻(xiàn)率測度。研究結(jié)果表明：1.創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新績效的影響具有滯后效應(yīng)，不同類型的補(bǔ)貼在滯后時間與影響能力上有所區(qū)別?？萍佳a(bǔ)貼影響創(chuàng)新績效的時間跨度長，綜合效果好，對研發(fā)資金投入的影響能力更強(qiáng)；而人才補(bǔ)貼的影響情況相反。2.不同類型的創(chuàng)新補(bǔ)貼都存在粘性效應(yīng)。3.創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新具有門檻效應(yīng)，但對于不同創(chuàng)新補(bǔ)貼仍存在區(qū)別。豐厚補(bǔ)貼積極影響企業(yè)創(chuàng)新，缺少補(bǔ)貼將引致企業(yè)創(chuàng)新產(chǎn)生微弱的消極反應(yīng)。微量科技補(bǔ)貼負(fù)向影響創(chuàng)新行為與績效，而微量人才補(bǔ)貼會使得企業(yè)出現(xiàn)策略性創(chuàng)新。

關(guān)鍵詞：政府補(bǔ)貼；企業(yè)創(chuàng)新；貝葉斯網(wǎng)絡(luò)；機(jī)器學(xué)習(xí)；門檻效應(yīng)

作者簡介：李海林，華僑大學(xué)工商管理學(xué)院教授，博士生導(dǎo)師，工學(xué)博士，主要研究方向：數(shù)據(jù)科學(xué)與創(chuàng)新管理（E-mail： hailin@hqu.edu.cn ；福建 泉州 362021）。湯弘欽，華僑大學(xué)工商管理學(xué)院碩士研究生，主要研究方向：數(shù)據(jù)科學(xué)與創(chuàng)新管理。林春培，華僑大學(xué)工商管理學(xué)院副院長，教授，博士生導(dǎo)師，管理學(xué)博士，主要研究方向：破壞性創(chuàng)新。

基金項(xiàng)目：國家社會科學(xué)基金資助重大項(xiàng)目（18ZDA062）；國家自然科學(xué)基金資助面上項(xiàng)目（71771049）；國家自然科學(xué)基金資助面上項(xiàng)目（71794059）

中圖分類號：F273.1? 文獻(xiàn)標(biāo)識碼：A

文章編號：1006-1398（2023）02-0071-17

一 引 言

為建設(shè)現(xiàn)代化經(jīng)濟(jì)體系，中國政府提出以創(chuàng)新為戰(zhàn)略支撐，經(jīng)濟(jì)增長動力逐漸轉(zhuǎn)變?yōu)閯?chuàng)新驅(qū)動【顧鑫、周延、張旭，等：《政府創(chuàng)新補(bǔ)助刺激企業(yè)自主R&D投資？——上市非金融企業(yè)的實(shí)證》，《華僑大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版）》2020年第3期，第91—101頁?！俊Ｆ髽I(yè)作為經(jīng)濟(jì)增長的主要微觀創(chuàng)新主體，被賦予更多關(guān)注和研究。尤其是在如今中國的社會主義市場經(jīng)濟(jì)體制不斷完善的情況下，政府在許多資源的配置中仍發(fā)揮著關(guān)鍵作用【陳作華、劉子旭：《政企關(guān)系與企業(yè)特質(zhì)風(fēng)險》，《管理科學(xué)》2019年第4期，第48—61頁?！?，必將通過多種方式影響著企業(yè)的創(chuàng)新實(shí)踐【李曉冬、王龍偉：《市場導(dǎo)向、政府導(dǎo)向?qū)χ袊髽I(yè)創(chuàng)新驅(qū)動的比較研究》，《管理科學(xué)》2015年第6期，第1—11頁?！浚瑥亩粩鄬ζ髽I(yè)創(chuàng)新能力提出了更高要求。企業(yè)創(chuàng)新過程是一個“厚積薄發(fā)”的過程，需要通過內(nèi)部和外部的各種資源有效整合來支持該過程的順利實(shí)施【陳清泰：《促進(jìn)企業(yè)自主創(chuàng)新的政策思考》，《管理世界》2007年第7期，第1—3頁。】。為此，如863計(jì)劃、人才補(bǔ)貼政策等大量類型各異的創(chuàng)新補(bǔ)貼措施逐漸被推出，儼然成為提升企業(yè)創(chuàng)新能力與創(chuàng)新績效的外部因素，成為企業(yè)創(chuàng)新資本的重要外部來源【張果果、鄭世林：《國家產(chǎn)業(yè)投資基金與企業(yè)創(chuàng)新》，《財(cái)經(jīng)研究》2021年第6期，第76—91頁。】。

政府創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的重要性不言而喻，故其間關(guān)系持續(xù)吸引著學(xué)界的關(guān)注【成瓊文、丁紅乙：《財(cái)政補(bǔ)貼、政策組合與資源型企業(yè)創(chuàng)新產(chǎn)出——基于創(chuàng)新產(chǎn)出異質(zhì)性視角》，《中國科技論壇》2021年第9期，第20—30頁?！?。然而，各家學(xué)者眾說紛紜，原因可能在于目前研究鮮有關(guān)注到創(chuàng)新補(bǔ)貼還具有不同類型，缺少對其深入?yún)^(qū)別分析，導(dǎo)致“政府補(bǔ)助”到“企業(yè)創(chuàng)新”路徑的認(rèn)知深度還有欠缺。為彌補(bǔ)這一方面缺陷，本研究將從更有區(qū)分性的角度入手，將上市企業(yè)所受補(bǔ)貼進(jìn)行初步篩選出創(chuàng)新類補(bǔ)貼，并基于關(guān)鍵詞方法將創(chuàng)新補(bǔ)貼區(qū)分為科技補(bǔ)貼與人才補(bǔ)貼。此外，在研究過程中還加入使用在其他領(lǐng)域已

經(jīng)較為成熟的貝葉斯網(wǎng)絡(luò)方法，從而避免傳統(tǒng)統(tǒng)計(jì)方法的局限，即無法處于綜合角度同時進(jìn)行多變量、多維度分析的缺陷，且能更為詳細(xì)地將政府創(chuàng)新補(bǔ)貼區(qū)間化、跨時間化，分析異質(zhì)性創(chuàng)新補(bǔ)貼是如何影響企業(yè)創(chuàng)新行為與創(chuàng)新績效的關(guān)鍵問題，進(jìn)而為政府分配創(chuàng)新資源與企業(yè)創(chuàng)新管理提供相關(guān)決策支持。

本文預(yù)計(jì)做出如下貢獻(xiàn)：第一，完善了目前在類型、量級與時間等方面具有差異的異質(zhì)性創(chuàng)新政府補(bǔ)貼對企業(yè)創(chuàng)新的驅(qū)動機(jī)制分析，進(jìn)一步完善了“政府補(bǔ)助”到“企業(yè)創(chuàng)新”的路徑研究。第二，以數(shù)據(jù)驅(qū)動研究【李海林、廖楊月、李軍偉，等：《高校杰出學(xué)者知識創(chuàng)新績效的影響因素研究》，《科研管理》2022年第3期，第63—71頁?！浚ㄟ^貝葉斯網(wǎng)絡(luò)方法探討出補(bǔ)貼與創(chuàng)新之間的復(fù)雜關(guān)系，也為當(dāng)今管理學(xué)領(lǐng)域研究提供了新的研究思路。

二 文獻(xiàn)回顧、局限與解決方案設(shè)想

（一）創(chuàng)新補(bǔ)貼與企業(yè)創(chuàng)新

對政府創(chuàng)新補(bǔ)貼與企業(yè)創(chuàng)新行為的研究雖在學(xué)界已有所建樹，然而所得成果卻略有不同，甚至已經(jīng)產(chǎn)生了結(jié)論沖突。其中部分研究認(rèn)為政府創(chuàng)新補(bǔ)貼可以降低企業(yè)在研發(fā)成本上的壓力與不確定性、緩解創(chuàng)新活動的風(fēng)險，進(jìn)而提高創(chuàng)新行為的積極性【Kang K N， Park H.Influence of government R&D support and inter-firm collaborations on innovation in Korean biotechnology SMEs.Technovation， 2012， （1）， pp.68-78.】，也使企業(yè)對諸如基礎(chǔ)研發(fā)等利潤低或在無資助情況下不會投入的項(xiàng)目注入資源，實(shí)現(xiàn)調(diào)整企業(yè)創(chuàng)新行為的目的【Tether B S.Who co-operates for innovation， and why： an empirical analysis.Research policy， 2002， （6）， pp.947-967.】，或是直接激勵創(chuàng)新績效【周海濤、張振剛：《政府研發(fā)資助方式對企業(yè)創(chuàng)新投入與創(chuàng)新績效的影響研究》，《管理學(xué)報(bào)》2015年第12期，第1 797—1 804頁?！俊Ｉ踔潦歉鼮榧みM(jìn)的政府風(fēng)險投資，也會使得企業(yè)增加創(chuàng)新相關(guān)投入，提升創(chuàng)新產(chǎn)出【謝光華、郝穎、靳姝菲：《風(fēng)險投資對政府補(bǔ)貼的創(chuàng)新激勵有效性的影響研究》，《管理學(xué)報(bào)》2018年第9期，第1 337—1 346頁?！?。但也有研究認(rèn)為由于政企間的信息不對稱，補(bǔ)貼等政策可能會導(dǎo)致企業(yè)的過度投資【魏志華、趙悅?cè)?、吳育輝：《財(cái)政補(bǔ)貼：“餡餅”還是“陷阱”？——基于融資約束VS.過度投資視角的實(shí)證研究》，《財(cái)政研究》2015年第12期，第18—29頁?！炕?qū)е缕髽I(yè)策略性創(chuàng)新【黎文靖、鄭曼妮：《實(shí)質(zhì)性創(chuàng)新還是策略性創(chuàng)新？——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響》，《經(jīng)濟(jì)研究》2016年第4期，第60—73頁。】。

政府創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新績效的影響關(guān)系也吸引了較多注意，可同樣產(chǎn)生了最終分析結(jié)果的沖突。有學(xué)者用企業(yè)的專利授權(quán)量【吳偉偉、張?zhí)煲唬骸斗茄邪l(fā)補(bǔ)貼與研發(fā)補(bǔ)貼對新創(chuàng)企業(yè)創(chuàng)新產(chǎn)出的非對稱影響研究》，《管理世界》2021年第3期，第137—160頁?！浚蛞曰趯＠男庐a(chǎn)品【楊洋、魏江、羅來軍：《誰在利用政府補(bǔ)貼進(jìn)行創(chuàng)新？——所有制和要素市場扭曲的聯(lián)合調(diào)節(jié)效應(yīng)》，《管理世界》2015年第1期，第75—86頁?！孔鳛槠髽I(yè)的創(chuàng)新產(chǎn)出績效，研究政府研發(fā)類或創(chuàng)新類補(bǔ)貼與創(chuàng)新績效之間的關(guān)系，均得到上述補(bǔ)貼對創(chuàng)新績效有正向影響的結(jié)論。相反，也有其他研究者使用專利申請數(shù)計(jì)算創(chuàng)新產(chǎn)出績效【白旭云、王硯羽、蘇欣：《研發(fā)補(bǔ)貼還是稅收激勵——政府干預(yù)對企業(yè)創(chuàng)新績效和創(chuàng)新質(zhì)量的影響》，《科研管理》2019年第6期，第9—18頁?！浚虿捎醚邪l(fā)經(jīng)費(fèi)與研發(fā)人員數(shù)量為創(chuàng)新績效的代理變量【張杰、鄭姣姣、于浩：《政府創(chuàng)新補(bǔ)貼政策對企業(yè)私人性質(zhì)創(chuàng)新投入的激勵效應(yīng)》《南京大學(xué)學(xué)報(bào)（哲學(xué)·人文科學(xué)·社會科學(xué)）》2021年第2期，第16—45頁?！浚瑥亩鴣硌芯空畡?chuàng)新補(bǔ)貼與其關(guān)系，卻發(fā)現(xiàn)創(chuàng)新補(bǔ)貼會干擾企業(yè)的創(chuàng)新活動與產(chǎn)出，進(jìn)而出現(xiàn)擠出效應(yīng)。也有外國學(xué)者基于西班牙、新西蘭等國家的數(shù)據(jù)研究，得出創(chuàng)新補(bǔ)貼對創(chuàng)新行為與績效產(chǎn)生抑制性影響效果【Arqué-Castells P.Persistence in R&D Performance & its Implications for the Granting of Subsidies.Review of Industrial Organization，2013，（3），pp.193-220.】。

（二）異質(zhì)性創(chuàng)新補(bǔ)貼與企業(yè)創(chuàng)新

實(shí)際上，政府為支持企業(yè)創(chuàng)新而給予的補(bǔ)貼還具有更細(xì)致差異，對企業(yè)創(chuàng)新存在不同效果，故有學(xué)者認(rèn)為，企業(yè)所受的創(chuàng)新補(bǔ)貼應(yīng)該再往下區(qū)分，分析它們的異質(zhì)性效果。為此，馬嘉楠和周振華【馬嘉楠、周振華：《地方政府財(cái)政科技補(bǔ)貼、企業(yè)創(chuàng)新投入與區(qū)域創(chuàng)新活力》，《上海經(jīng)濟(jì)研究》2018年第2期，第53—60頁。】將企業(yè)受到的政府補(bǔ)貼區(qū)分出多種類別，并在研究結(jié)論中提及創(chuàng)新人才類、創(chuàng)新活動類補(bǔ)貼對企業(yè)創(chuàng)新有顯著激勵的效果，創(chuàng)新文化或企業(yè)發(fā)展類激勵較少，資金融通類無激勵效果。另外，在目前各地都開展“人才爭奪戰(zhàn)”的背景下，政府鼓勵企業(yè)創(chuàng)新給予人才政策補(bǔ)貼帶來的效果應(yīng)該賦予更多關(guān)注。而且隨著經(jīng)濟(jì)社會發(fā)展，企業(yè)已然成為重要的創(chuàng)新主體，企業(yè)對人才的有效利用是推動創(chuàng)新的重要條件

【孫鯤鵬、羅婷、肖星：《人才政策、研發(fā)人員招聘與企業(yè)創(chuàng)新》，《經(jīng)濟(jì)研究》2021年第8期，第143—159頁。】。因此，本文認(rèn)為應(yīng)該注重創(chuàng)新人才類、創(chuàng)新活動類等落在實(shí)處的創(chuàng)新補(bǔ)貼。

雖然關(guān)于促進(jìn)創(chuàng)新而提出的創(chuàng)新補(bǔ)貼與企業(yè)創(chuàng)新的關(guān)系研究已經(jīng)較為豐富，但是關(guān)注到企業(yè)人才補(bǔ)貼帶來的優(yōu)質(zhì)提升效果的研究較少。劉春林和田玲【劉春林、田玲：《人才政策“背書”能否促進(jìn)企業(yè)創(chuàng)新》，《中國工業(yè)經(jīng)濟(jì)》2021年第3期，第156—173頁?！客ㄟ^研究發(fā)現(xiàn)，人才政策補(bǔ)貼對企業(yè)創(chuàng)新存在促進(jìn)作用，為重視人才補(bǔ)貼提供了更多理論支撐。孫鯤鵬和羅婷⑤

強(qiáng)調(diào)，在出臺相關(guān)人才補(bǔ)貼政策之后，企業(yè)對研發(fā)人員的招聘賦予更多重視，促進(jìn)了企業(yè)利用人才資源的效率。此外，趙晶和孟維烜【趙晶、孟維烜：《官員視察對企業(yè)創(chuàng)新的影響——基于組織合法性的實(shí)證分析》，《中國工業(yè)經(jīng)濟(jì)》2016年第9期，第109—126頁?！亢蚅i等人【Li L.Chen J.Gao H.et al.The certification effect of government R&D subsides on innovative entrepreneurial firmsaccess to bank finance：Evidence from China.Small Business Economics，2019，（1），pp.241-259.】都在其研究中說明政府人才計(jì)劃將賦予企業(yè)更強(qiáng)的合法性，減輕外部對企業(yè)的擔(dān)憂，為企業(yè)創(chuàng)新提供保障。

綜上所述，可將政府創(chuàng)新補(bǔ)貼關(guān)注點(diǎn)置于人才補(bǔ)貼與其它創(chuàng)新補(bǔ)貼進(jìn)行對比，并對此二者進(jìn)行深入探究不同創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的異質(zhì)性影響，分析二者對企業(yè)創(chuàng)新管理具有的重要意義。

（三）現(xiàn)有局限與解決方案設(shè)想

通過回顧現(xiàn)有研究，發(fā)現(xiàn)以下幾點(diǎn)值得深入思考和研究：第一，政府創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新行為與績效的關(guān)系研究仍是比較粗糙，缺乏跨時間、區(qū)間化處理，導(dǎo)致結(jié)論沖突。第二，關(guān)于政府創(chuàng)新補(bǔ)貼的研究基礎(chǔ)較多，但是缺少對各種補(bǔ)貼作用于企業(yè)創(chuàng)新績效的貢獻(xiàn)率研究。第三，目前多使用傳統(tǒng)統(tǒng)計(jì)方法進(jìn)行研究政府補(bǔ)貼與企業(yè)創(chuàng)新的關(guān)系，很難分析創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的影響機(jī)制與復(fù)雜關(guān)系。

為應(yīng)對上述局限，可從更為細(xì)致的視角對研究進(jìn)行設(shè)計(jì)解決：首先，本研究將視角縮小至近期重點(diǎn)關(guān)注的人才與科技補(bǔ)貼，通過關(guān)鍵詞從政府補(bǔ)貼數(shù)據(jù)篩選出科技補(bǔ)貼和人才補(bǔ)貼。其次，將上述兩種類型的補(bǔ)貼數(shù)據(jù)進(jìn)行跨時間、區(qū)間化處理，從而更嚴(yán)謹(jǐn)?shù)赜懻摦愘|(zhì)性創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的影響。最后，基于數(shù)據(jù)驅(qū)動分析的研究范式，使用貝葉斯網(wǎng)絡(luò)方法構(gòu)建數(shù)據(jù)分析模型，分析上述二類創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新行為與績效的影響，分析并對比二者對企業(yè)創(chuàng)新行為與績效的預(yù)測分析、原因診斷或貢獻(xiàn)率測量【陳靜、蔣正凱、付敬奇：《基于Netica的自學(xué)習(xí)貝葉斯網(wǎng)絡(luò)的構(gòu)建》，《電子測量與儀器學(xué)報(bào)》2016年第11期，第 1687—1 693頁?！俊綜hen Y.Chen R.Hou J.et al.Research on usersparticipation mechanisms in virtual tourism communities by bayeslan network.

Knowledge-Based Systems，2021，（226），p.107 161】，進(jìn)而提煉結(jié)論與管理啟示。

三 指標(biāo)選取與數(shù)據(jù)來源

（一）科技補(bǔ)貼

科技補(bǔ)貼（Tech Subsidy）：科技補(bǔ)貼體現(xiàn)政府對企業(yè)科技創(chuàng)新的重視程度以及扶持力度。在企業(yè)財(cái)務(wù)報(bào)表附注的政府補(bǔ)貼明細(xì)中，可以直接了解該項(xiàng)指標(biāo)的細(xì)節(jié)情況。但由于條目眾多，需要預(yù)先對數(shù)據(jù)編碼，并基于關(guān)鍵詞篩選關(guān)于科技補(bǔ)貼的具體項(xiàng)目。借鑒現(xiàn)有研究所選的關(guān)鍵詞并適度增加：“科研”“專利”“創(chuàng)新”“科技”等③。

（二）人才補(bǔ)貼

人才補(bǔ)貼（Talent Subsidy）：人才補(bǔ)貼體現(xiàn)政府對企業(yè)引才力度的重視程度，以及對企業(yè)吸納人才能力的要求與期待。與科技補(bǔ)貼相同，該項(xiàng)指標(biāo)數(shù)據(jù)需經(jīng)過關(guān)鍵詞篩選來從政府補(bǔ)貼項(xiàng)目中獲取。具體使用的關(guān)鍵詞是參考了郭玥【郭玥：《政府創(chuàng)新補(bǔ)助的信號傳遞機(jī)制與企業(yè)創(chuàng)新》，《中國工業(yè)經(jīng)濟(jì)》2018年第9期，第98—116頁?！亢蛣⒋毫趾吞锪帷緞⒋毫?、田玲：《人才政策“背書”能否促進(jìn)企業(yè)創(chuàng)新》，第156—173頁?！康难芯坎⑦m當(dāng)增加，包含了“人才”“專家”“院士”“學(xué)者”等。

人才補(bǔ)貼與科技補(bǔ)貼共同構(gòu)成企業(yè)獲得的創(chuàng)新補(bǔ)貼。此外，由于存在二類補(bǔ)貼的關(guān)鍵詞同時屬于同一條補(bǔ)貼項(xiàng)目的情況，故出于嚴(yán)謹(jǐn)考慮，將重合部分的補(bǔ)貼項(xiàng)目列入人才補(bǔ)貼，篩選情況如圖1所示。

（三）創(chuàng)新行為

創(chuàng)新行為（RD）：創(chuàng)新行為是企業(yè)創(chuàng)新的重要部分。對企業(yè)創(chuàng)新行為的度量，多是選擇研發(fā)支出占比（RD-I）和研發(fā)人員占比（RD-II）來作為代理變量【楊洋、魏江、羅來軍：《誰在利用政府補(bǔ)貼進(jìn)行創(chuàng)新？——所有制和要素市場扭曲的聯(lián)合調(diào)節(jié)效應(yīng)》，第75—86頁?！?。此二代理變量都是相對數(shù)，涵蓋了多項(xiàng)企業(yè)異質(zhì)性指標(biāo)，能夠較全面地反映企業(yè)對創(chuàng)新行為的態(tài)度與力度。二者數(shù)值越高，越能體現(xiàn)企業(yè)對創(chuàng)新行為的重視與投入。若研發(fā)支出為X，營業(yè)收入為Y，研發(fā)人員數(shù)量為Z，職工總數(shù)為Size，則研發(fā)支出占比（RD-I）與研發(fā)人員占比（RD-II）可通過如下公式量化：

RD-I=X÷Y×100%

（1）

RD-II=Z÷Size×100%

（2）

（四）創(chuàng)新績效

創(chuàng)新績效（Inno）：創(chuàng)新績效是企業(yè)創(chuàng)新的重要部分，是眾多因素導(dǎo)致企業(yè)的最終創(chuàng)新產(chǎn)出?，F(xiàn)有研究多采用研發(fā)投入或產(chǎn)出衡量創(chuàng)新績效，但是研發(fā)投入只能反映短期行為，無法進(jìn)行長期考察，而選擇專利授權(quán)量作為該項(xiàng)指標(biāo)的代理變量可以避免該問題【黨力、楊瑞龍、楊繼東：《反腐敗與企業(yè)創(chuàng)新： 基于政治關(guān)聯(lián)的解釋》，《中國工業(yè)經(jīng)濟(jì)》2015年第7期，第146—160頁。】。借鑒陳修德等人【陳修德， 梁彤纓， 雷鵬， 秦全德.高管薪酬激勵對企業(yè)研發(fā)效率的影響效應(yīng)研究.《科研管理》2015年第36卷第9期，第6—35頁?！康牧炕椒ǎ紤]到不同專利具有不同類型區(qū)分與創(chuàng)新價值，應(yīng)該賦予不同專利類型以不同的權(quán)重，故某個企業(yè)在某段時間的創(chuàng)新績效Inno可基于公式（3）來計(jì)算：

Inno=∑3i=1wipi

（3）

其中，權(quán)重wi∈w，w=［0.5，0.3，0.2］。pi（i∈（1，2，3））依次表示不同專利類型的數(shù)量，即發(fā)明授權(quán)型、實(shí)用新型和外觀設(shè)計(jì)型三種。

（五）數(shù)據(jù)來源

科技補(bǔ)貼和人才補(bǔ)貼數(shù)據(jù)可以在CSMAR（國泰安）數(shù)據(jù)庫的財(cái)務(wù)報(bào)表附注——政府補(bǔ)貼明細(xì)中分別提取。創(chuàng)新行為的代理變量數(shù)據(jù)是從RESSET（銳思）金融數(shù)據(jù)庫中檢索獲取的。量化創(chuàng)新績效的專利數(shù)據(jù)是基于python語言設(shè)計(jì)爬蟲程序，從知網(wǎng)專利數(shù)據(jù)庫中自動收集而來。該專利數(shù)據(jù)庫收錄了國內(nèi)外申請與授權(quán)的專利詳情，其中包括國內(nèi)的發(fā)明授權(quán)專利，實(shí)用新型專利和外觀設(shè)計(jì)專利共計(jì)3 400余萬條，是國內(nèi)較為詳細(xì)的專利數(shù)據(jù)庫，且對各大高?；蜓芯繖C(jī)構(gòu)而言，該庫數(shù)據(jù)均較容易獲得，故擇其獲得專利數(shù)據(jù)。

四 研究設(shè)計(jì)

為分析不同類型補(bǔ)貼與企業(yè)創(chuàng)新之間的關(guān)系，需要使用孤立森林算法對數(shù)據(jù)預(yù)處理以保證數(shù)據(jù)純度與質(zhì)量。再依據(jù)預(yù)處理后的補(bǔ)貼與創(chuàng)新相關(guān)數(shù)據(jù)進(jìn)行貝葉斯網(wǎng)絡(luò)建模，以實(shí)現(xiàn)預(yù)測分析、原因診斷以及貢獻(xiàn)率測量，探究不同類型與量級的補(bǔ)貼對企業(yè)創(chuàng)新的復(fù)雜關(guān)系，最終提煉結(jié)論與管理啟示。

（一）研究方法

貝葉斯網(wǎng)絡(luò)（Bayesian network，BN）是貝葉斯方法的再拓展，是基于復(fù)雜系統(tǒng)的，用于體現(xiàn)變量間概率分布的有向無環(huán)圖，結(jié)合了諸如機(jī)器學(xué)習(xí)、概率學(xué)習(xí)與決策分析等多學(xué)科技術(shù)【何永昌、陳之光、王海鋒，等：《基于Netica的導(dǎo)彈故障診斷貝葉斯網(wǎng)絡(luò)模型研究》，《航空兵器》2020年第1期，第89—95頁?！?。該模型具有預(yù)測分析與原因診斷的雙向推理功能【王必好、張郁：《基于貝葉斯網(wǎng)絡(luò)的技術(shù)進(jìn)步預(yù)測與路徑優(yōu)化選擇》，《科學(xué)學(xué)研究》2019年第8期，第1 364—1 374頁。】，且在貢獻(xiàn)率計(jì)量皆有所建樹【陳靜、蔣正凱、付敬奇：《基于Netica的自學(xué)習(xí)貝葉斯網(wǎng)絡(luò)的構(gòu)建》，第1 687—1 693頁。】，因此運(yùn)用于如診斷技術(shù)故障【W(wǎng)ang J， Wang Z， Stetsyuk V， et al.Exploiting bayesian networks for fault isolation： A diagnostic case study of diesel fuel injection system.ISA transactions， 2019， （86）， pp.276-286.】等領(lǐng)域，有助于解釋自變量對因變量的影響機(jī)制【楊慧芳：《基于貝葉斯網(wǎng)絡(luò)的鋁型材擠壓過程異常檢測》，《計(jì)算機(jī)應(yīng)用與軟件》2019年第9期，第100—105頁?！?，但在管理學(xué)領(lǐng)域的應(yīng)用較少。

應(yīng)用貝葉斯網(wǎng)絡(luò)需要先假設(shè)各個節(jié)點(diǎn)與節(jié)點(diǎn)間的有向邊，進(jìn)而模擬關(guān)系并對此建立模型【Chen Y， Chen R， Hou J， Xie X.Research on users' participation mechanisms in virtual tourism communities by Bayesian network.Knowledge-Based Systems， 2021， （226）， p.107 161.】。假設(shè)V（V={V1，V2，…，Vn}）

為預(yù)設(shè)節(jié)點(diǎn)或變量，A（A={Vi→Vj|（i，j∈n）}）

為預(yù)設(shè)節(jié)點(diǎn)間的有向邊或變量間傳導(dǎo)路徑，二者共同構(gòu)成一組有向無環(huán)圖Net=（V，A）。模型中存在反映變量之間關(guān)聯(lián)性的條件概率表，列出了各節(jié)點(diǎn)的父節(jié)點(diǎn)所對應(yīng)的條件概率P={P（V1|V1，V2，…，Vi-1（j∈n））}

，從而得到數(shù)學(xué)模型：BN=（Net，P）=（V，L，P）

。該方法還能計(jì)算父節(jié)點(diǎn)聯(lián)合概率，即

P（V）=∏P（Vi|VFi）

，其中VFi表示變量Vi的父節(jié)點(diǎn)集。

雖然確定節(jié)點(diǎn)與設(shè)定模型可通過如爬山算法等來確定，但是這類算法一般只能尋找出局部最優(yōu)，無法全局考慮，而且管理學(xué)研究不能僅僅局限于算法結(jié)論，需要基于學(xué)科常識來共同決定模型，故本文決定結(jié)合爬山算法結(jié)果與管理學(xué)理論與文獻(xiàn)基礎(chǔ)，構(gòu)建貝葉斯網(wǎng)絡(luò)模型。

（二）研究思路

為獲知異質(zhì)性補(bǔ)貼對企業(yè)創(chuàng)新行為與創(chuàng)新績效的影響關(guān)系，并提出管理建啟示，將遵循如圖2所示的研究思路：第一，篩選補(bǔ)貼類型。通過關(guān)鍵詞篩選方法，將政府補(bǔ)貼數(shù)據(jù)細(xì)分為人才補(bǔ)貼與非人才補(bǔ)貼的科技補(bǔ)貼二類創(chuàng)新補(bǔ)貼，并按年份求和量化。第二，度量企業(yè)創(chuàng)新活動。根據(jù)公式（1）至（3），量化企業(yè)的創(chuàng)新行為（RD）與創(chuàng)新績效（Inno）。第三，構(gòu)建貝葉斯網(wǎng)絡(luò)。綜合量化的人才補(bǔ)貼、科技補(bǔ)貼、創(chuàng)新行為與創(chuàng)新績效數(shù)據(jù)后，結(jié)合爬山算法計(jì)算結(jié)果和現(xiàn)有文獻(xiàn)理論以做建模支撐，構(gòu)建不同類型的補(bǔ)貼與企業(yè)創(chuàng)新的貝葉斯網(wǎng)絡(luò)模型。第四，分析網(wǎng)絡(luò)并提煉結(jié)論。根據(jù)所構(gòu)建的貝葉斯網(wǎng)絡(luò)模型，研究不同補(bǔ)貼對企業(yè)創(chuàng)新的影響，從而對其關(guān)系進(jìn)行預(yù)測分析、原因診斷及計(jì)算貢獻(xiàn)率，最終提煉相關(guān)結(jié)論并提出管理啟示。

（三）數(shù)據(jù)準(zhǔn)備

為避免政策影響與數(shù)據(jù)庫限制，選取滬深兩市2016年以后上市的所有A股制造業(yè)上市公司作為研究樣本，行業(yè)分類標(biāo)準(zhǔn)參考中國證監(jiān)會于2012年（CSRC2012行業(yè)分類標(biāo)準(zhǔn)）公布的上市公司行業(yè)分類指引。

時間因素對例如營銷管理【何永昌、陳之光、王海鋒，等：《基于Netica的導(dǎo)彈故障診斷貝葉斯網(wǎng)絡(luò)模型研究》，第89—95頁。】等企業(yè)管理相關(guān)研究有著重大影響，故研究補(bǔ)貼與創(chuàng)新的關(guān)系時也有必要考慮該因素【朱桂龍、蔡朝林、陳朝月：《聲譽(yù)積累優(yōu)勢還是績效積累優(yōu)勢？政府R&D補(bǔ)貼分配中“粘性”效應(yīng)探究》，《科學(xué)學(xué)與科學(xué)技術(shù)管理》2019年第3期，第43—55頁?！?，分析異質(zhì)性補(bǔ)貼對企業(yè)持續(xù)性創(chuàng)新的真實(shí)影響方向。為此選擇t期的創(chuàng)新績效（Innot）、t-1期的創(chuàng)新行為（RD-It-1 & RD-IIt-1）、t-2期的科技補(bǔ)貼（Tech Subsidyt-2）和人才補(bǔ)貼（Talent Subsidyt-2），以及t-1期的上述二類補(bǔ)貼（Tech Subsidyt-1? & Talent Subsidyt-1），其中t為2020年。選擇該數(shù)據(jù)結(jié)構(gòu)還有余下原因：第一，同期節(jié)點(diǎn)之間關(guān)系難以觀測。第二，與創(chuàng)新績效相關(guān)的投入對其產(chǎn)出有滯后性的影響。第三，研究重點(diǎn)在于政府創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的影響，故對補(bǔ)貼多設(shè)置節(jié)點(diǎn)以深入探討。第四，前一期補(bǔ)貼會作用于當(dāng)期創(chuàng)新行為（RD）和創(chuàng)新績效（Inno），且前一期創(chuàng)新行為（RD）也可能影響當(dāng)期的創(chuàng)新績效（Inno）。第五，往期補(bǔ)貼對當(dāng)期可能存在粘性效應(yīng)，即政府會繼續(xù)補(bǔ)貼往期已有補(bǔ)貼的企業(yè)，有必要對補(bǔ)貼增加箭頭路徑。此外，度量創(chuàng)新績效（Inno）是基于企業(yè)的已授權(quán)專利，通過公式（3）計(jì)算。量化創(chuàng)新行為（RD）則是基于公式（1）至（2）實(shí)現(xiàn)。

科技補(bǔ)貼（Tech Subsidy）與人才補(bǔ)貼（Talent Subsidy）數(shù)據(jù)則是分別通過關(guān)鍵詞篩選分類所得，二類補(bǔ)貼存在的重合部分全部視為人才補(bǔ)貼。初步處理后得到47 952條科技補(bǔ)貼數(shù)據(jù)，4 904條人才補(bǔ)貼數(shù)據(jù)。但初步處理后的補(bǔ)貼數(shù)據(jù)仍只是每個年份內(nèi)受到具體補(bǔ)貼項(xiàng)目（包括補(bǔ)貼名稱與金額），需要將其按年份求和以完成數(shù)據(jù)匹配。

經(jīng)匹配處理后，得到兩種補(bǔ)貼類型所對應(yīng)的數(shù)據(jù)結(jié)構(gòu)：Subsidyt-2 /Subsidyt-1 /RD-It-1 /RD-It-2 /Innot?？紤]到數(shù)據(jù)可能有異常值影響，決定刪除空值后，使用孤立森林算法對數(shù)據(jù)進(jìn)行預(yù)處理，最終可以使用的科技補(bǔ)貼數(shù)據(jù)共2 639條，人才補(bǔ)貼數(shù)據(jù)共2 640條。其中，兩種補(bǔ)貼數(shù)據(jù)的并集共2 773條，具有相同索引的重合數(shù)據(jù)共2 506條，重合度達(dá)90.4%，具有比較分析的價值。

五 分析結(jié)果

（一）科技補(bǔ)貼—企業(yè)創(chuàng)新網(wǎng)絡(luò)模型

目前可用于搭建貝葉斯網(wǎng)絡(luò)模型的軟件已有很多，如Netica，Hugin，JavaBayes等。為快速且清楚定義節(jié)點(diǎn)、訓(xùn)練數(shù)據(jù)以及將結(jié)果可視化，諸如醫(yī)藥、工業(yè)工程等許多領(lǐng)域已經(jīng)廣泛使用Netica軟件【何永昌、陳之光、王海鋒，等：《基于Netica的導(dǎo)彈故障診斷貝葉斯網(wǎng)絡(luò)模型研究》，第89—95頁?！?。Netica是基于Java語言開發(fā)的，用于建立貝葉斯網(wǎng)絡(luò)模型的軟件，該軟件可以有針對性與目的性地建立各個節(jié)點(diǎn)，擬合樣本數(shù)據(jù)構(gòu)建貝葉斯網(wǎng)絡(luò)模型，并計(jì)算模型中每個節(jié)點(diǎn)的條件概率分布。結(jié)合上述原因和現(xiàn)有管理學(xué)共識，選擇使用Netica軟件構(gòu)建人才補(bǔ)貼或科技補(bǔ)貼貝葉斯網(wǎng)絡(luò)模型，分析結(jié)果并提煉出相關(guān)結(jié)論與管理啟示。選擇t-2期科技補(bǔ)貼（Tech Subsidyt-2）、t-1期科技補(bǔ)貼（Tech Subsidyt-1）、t-1期創(chuàng)新行為（RD-It-1 & RD-IIt-1）和t期創(chuàng)新績效（Innot）構(gòu)成貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)。結(jié)合爬山算法、現(xiàn)有管理學(xué)常識輔助構(gòu)建網(wǎng)絡(luò)，并代入數(shù)據(jù)以學(xué)習(xí)，最終構(gòu)建如圖3所示的科技補(bǔ)貼貝葉斯網(wǎng)絡(luò)模型圖。如此設(shè)置節(jié)點(diǎn)的理由如下：（1）往期政府補(bǔ)貼對企業(yè)創(chuàng)新行為與創(chuàng)新績效都存在影響，而同一期補(bǔ)貼對創(chuàng)新行為的影響能力難以觀測。（2）參考朱桂龍等的研究【朱桂龍、蔡朝林、陳朝月：《聲譽(yù)積累優(yōu)勢還是績效積累優(yōu)勢？政府R&D補(bǔ)貼分配中“粘性”效應(yīng)探究》，第43—55頁?！浚喝羝髽I(yè)在往期受到過補(bǔ)貼，通常在當(dāng)期也會得到支持，猜測補(bǔ)貼具有粘性效應(yīng)。

由于研究重點(diǎn)在于分析不同類型、時間和區(qū)間的異質(zhì)性補(bǔ)貼如何影響企業(yè)創(chuàng)新，有必要對科技補(bǔ)貼進(jìn)行三等級分類以進(jìn)行更為細(xì)致地分析。因研究方法的特點(diǎn)以及軟件自動化結(jié)果，（Tech Subsidyt-2）與（Tech Subsidyt-1）兩節(jié)點(diǎn)中的數(shù)據(jù)會按三分位數(shù)被自動劃分為三部分，并依數(shù)據(jù)順序自動化設(shè)定高、中、零三種狀態(tài)與其對應(yīng)的先驗(yàn)概率，其中高為大量補(bǔ)貼、中為略微補(bǔ)貼、零為沒有補(bǔ)貼。類似地，（RD-It-1）、（RD-IIt-1）與（Innot）被自動分為兩個部分，即依據(jù)中位數(shù)分割，并按順序賦予高、低二種狀態(tài)標(biāo)簽與其對應(yīng)的先驗(yàn)概率。以上節(jié)點(diǎn)皆可以在網(wǎng)絡(luò)模型圖中所對應(yīng)的中間區(qū)域有所顯示。

1.預(yù)測分析

預(yù)測分析是基于貝葉斯網(wǎng)絡(luò)模型來實(shí)現(xiàn)自前向后的推理。增加箭頭前置節(jié)點(diǎn)（父節(jié)點(diǎn)）以新的推斷信息，能夠預(yù)測箭頭后置節(jié)點(diǎn)（子節(jié)點(diǎn)）的概率變化，而且該項(xiàng)概率變化產(chǎn)生的影響還會隨箭頭向下一個節(jié)點(diǎn)繼續(xù)傳導(dǎo)。通過對比變化后的模型與原模型，即可得到相應(yīng)的預(yù)測推斷信息。

（1）t-2期創(chuàng)新補(bǔ)貼預(yù)測分析

根據(jù)圖4、表1和表2，并從概率變化的角度觀察，可得到如下結(jié)果：第一，大量科技補(bǔ)貼對二類創(chuàng)新行為與創(chuàng)新績效皆存在促進(jìn)作用。第二，少量科技補(bǔ)貼卻反而會負(fù)向影響創(chuàng)新行為與績效。第三，沒有受到科技補(bǔ)貼將使企業(yè)創(chuàng)新產(chǎn)生微弱的消極反應(yīng)。第四，科技補(bǔ)貼存在粘性效應(yīng)。第五，企業(yè)創(chuàng)新行為對科技補(bǔ)貼的反應(yīng)存在差異，即研發(fā)支出占比較研發(fā)人員占比對科技補(bǔ)貼反應(yīng)度更大。

如子圖（a）所示，當(dāng)節(jié)點(diǎn)（Tech Subsidyt-2）狀態(tài)高的概率被設(shè)定為100%，發(fā)現(xiàn)其子節(jié)點(diǎn)（Innot）、（RD-It-1）和（RD-IIt-1）狀態(tài)高的概率分別提升了5.2%、10.3%和4.8%，而（Tech Subsidyt-1）狀態(tài)高的概率提升了33%。同樣，如子圖（b）所示，當(dāng)設(shè)定（Tech Subsidyt-2）狀態(tài)中的概率為100%，上述三個子節(jié)點(diǎn)狀態(tài)高的概率分別變化了-5.8%、-8.7%和-3.1%，而（Tech Subsidyt-1）狀態(tài)中的概率提升了25.2%。此外，如子圖（c）所示，設(shè)定（Tech Subsidyt-2）狀態(tài)零的概率為100%，對應(yīng)的三個子節(jié)點(diǎn)狀態(tài)高的概率分別變化了0.7%、-1.0%和-1.4%，而零狀態(tài)（Tech Subsidyt-1）概率也提升了34.6%。

（2）t-1期科技補(bǔ)貼預(yù)測分析

t-1期科技補(bǔ)貼的子節(jié)點(diǎn)只有創(chuàng)新績效，故只分析此二者預(yù)測推斷信息。觀察圖5與表3發(fā)現(xiàn)，t-1期科技補(bǔ)貼對創(chuàng)新績效的影響情況與t-2期科技補(bǔ)貼分析結(jié)果一至三類似，且t-1期科技補(bǔ)貼對創(chuàng)新績效的影響能力大于t-2期。設(shè)定節(jié)點(diǎn)（Tech Subsidyt-1）狀態(tài)高、中和零的概率為100%時，發(fā)現(xiàn)（Innot）狀態(tài)高的概率分別變化了3.7%、-3.5%和0%。

2.原因診斷與貢獻(xiàn)率測量

原因診斷推理是基于箭頭后節(jié)點(diǎn)（子節(jié)點(diǎn)）的確定性結(jié)果來逆向推理，分析前階段各種因素（父節(jié)點(diǎn)）的影響方式與程度。該種推理方式依靠中間環(huán)節(jié)的可靠性，為最終結(jié)果預(yù)測提供更加精細(xì)化分析。在原因診斷分析中，還可以使用公式（4）計(jì)算得出每個節(jié)點(diǎn)對于變化后確定性節(jié)點(diǎn)的貢獻(xiàn)率【陳靜、蔣正凱、付敬奇：《基于Netica的自學(xué)習(xí)貝葉斯網(wǎng)絡(luò)的構(gòu)建》，第1 687—1 693頁。】。若設(shè)Con為某前置節(jié)點(diǎn)對確定性節(jié)點(diǎn)的貢獻(xiàn)率，R0是變化前該前置節(jié)點(diǎn)的概率，R′是變化后該前置節(jié)點(diǎn)的概率，則Con計(jì)算公式如下：

Con=R′-R0R0×100%

（4）

由于研究重點(diǎn)在于政府創(chuàng)新補(bǔ)貼，因此只對其進(jìn)行分析。如圖6與表4所示，大量科技補(bǔ)貼對企業(yè)創(chuàng)新有明顯的促進(jìn)作用。沒有科技補(bǔ)貼對企業(yè)影響十分有限。而少量科技補(bǔ)貼對企業(yè)創(chuàng)新的作用則是負(fù)向，更可能出現(xiàn)擠出效應(yīng)或策略性創(chuàng)新的效果。理由如下：當(dāng)設(shè)定（Innot）狀態(tài)高的概率為100%，分別觀察（Tech Subsidyt-2）的高、中、零三種狀態(tài)的貢獻(xiàn)率分別為10.4%、-11.7%和1.3%；（Tech Subsidyt-1）的高、中、零三種狀態(tài)的貢獻(xiàn)率分別為7.2%、-7.0%、0%。該結(jié)果與兩期預(yù)測分析的相同。

對比兩期科技補(bǔ)貼對創(chuàng)新績效影響發(fā)現(xiàn)，t-2期的科技補(bǔ)貼對創(chuàng)新績效的貢獻(xiàn)率絕對值都大于t-1期，即t-2期的科技補(bǔ)貼對創(chuàng)新績效的影響力更強(qiáng)。

（二）人才補(bǔ)貼—企業(yè)創(chuàng)新網(wǎng)絡(luò)模型

與科技補(bǔ)貼模型的建模邏輯相似，在人才補(bǔ)貼貝葉斯網(wǎng)絡(luò)模型中，選擇t-2期人才補(bǔ)貼（Talent Subsidyt-2）、t-1期人才補(bǔ)貼（Talent Subsidyt-1）、t-1期創(chuàng)新行為（RD-It-1 &RD-IIt-1）以及t期創(chuàng)新績效（Innot）共四組數(shù)據(jù)構(gòu)成該網(wǎng)絡(luò)節(jié)點(diǎn)。將數(shù)據(jù)代入并學(xué)習(xí)，構(gòu)建出如圖7所示的人才補(bǔ)貼貝葉斯網(wǎng)絡(luò)模型。其中，兩補(bǔ)貼節(jié)點(diǎn)的狀態(tài)高為大量補(bǔ)貼，狀態(tài)中為少量補(bǔ)貼，狀態(tài)零為沒有補(bǔ)貼，其他節(jié)點(diǎn)的分割方式與科技補(bǔ)貼的相同。

1.預(yù)測分析

（1）t-2期人才補(bǔ)貼預(yù)測分析

觀察圖8、表5和表6，得出與t-2期科技補(bǔ)貼對t期企業(yè)創(chuàng)新行為與績效的類似分析結(jié)果：第一，高強(qiáng)度人才補(bǔ)貼會正向促進(jìn)企業(yè)創(chuàng)新行為與創(chuàng)新績效。第二，中等人才補(bǔ)貼雖然會對二類創(chuàng)新行為均有促進(jìn)作用，但是對創(chuàng)新績效只產(chǎn)生消極效果。第三，缺少人才補(bǔ)貼時，企業(yè)創(chuàng)新仍會產(chǎn)生微弱反應(yīng)。第四，人才補(bǔ)貼存在粘性效應(yīng)，即若企業(yè)在往期接受過人才補(bǔ)貼，在當(dāng)期大概率也會繼續(xù)受到人才補(bǔ)貼。第五，不同創(chuàng)新行為對不同量的人才補(bǔ)貼的反應(yīng)也有差異。研發(fā)支出占比對高強(qiáng)度人才補(bǔ)貼更敏感，而研發(fā)人員占比對中強(qiáng)度人才補(bǔ)貼更敏感。

如子圖（a）所示，當(dāng)設(shè)定節(jié)點(diǎn)（Talent Subsidyt-2）狀態(tài)高的概率為100%，發(fā)現(xiàn)子節(jié)點(diǎn)（Innot）、（RD-It-1）和（RD-IIt-1）狀態(tài)高的概率分別變化了2.2%、9.9%和5.2%，而（Talent Subsidyt-1）狀態(tài)高的概率提升23.9%。如子圖（b）示，設(shè)置（Talent Subsidyt-2）狀態(tài)中的概率為100%，上述三個子節(jié)點(diǎn)的概率分別變化了-4.3%、1.8%和6.9%，而（Talent Subsidyt-1）狀態(tài)中的概率提升了23.9%。又如子圖（c）示，若（Talent Subsidyt-2）狀態(tài)零的概率為100%，則三個子節(jié)點(diǎn)變化概率分別為0.2%、-1.6%和-1.7%。而（Talent Subsidyt-1）狀態(tài)零的概率提升了9.2%。

（2）t-1期人才補(bǔ)貼預(yù)測分析

因當(dāng)期人才補(bǔ)貼對當(dāng)期創(chuàng)新行為影響很難觀測，故不進(jìn)行分析。據(jù)圖9與表7，探究t-1期科技補(bǔ)貼對創(chuàng)新績效的影響，發(fā)現(xiàn)除獲得和t-2期人才補(bǔ)貼預(yù)測分析中關(guān)于創(chuàng)新績效的類似結(jié)果外，還發(fā)現(xiàn)t-1期對創(chuàng)新績效的影響能力小于t-2期，此者與科技補(bǔ)貼跨時間區(qū)別研究得到的分析結(jié)果不同。即當(dāng)分別設(shè)定節(jié)點(diǎn)（Talent Subsidyt-1）狀態(tài)為高、中、零的概率為100%，（Innot）高狀態(tài)的概率分別得到7.7%、-5.2%和-0.4%的變化幅度。

2.原因診斷與貢獻(xiàn)率測量

觀察圖10與表8得出如下結(jié)果：第一，沒有得到人才補(bǔ)貼對企業(yè)創(chuàng)新績效提升的影響極其有限。第二，少量人才補(bǔ)貼只會降低創(chuàng)新績效，即發(fā)生擠出效應(yīng)。第三，只有大量人才補(bǔ)貼才能促進(jìn)企業(yè)創(chuàng)新績效。理由如下：設(shè)定（Innot）狀態(tài)高的概率為100%，計(jì)算（Talent Subsidyt-2）狀態(tài)為高、中、零的貢獻(xiàn)率分別為4.7%、-8.4%和0.5%。而（Talent Subsidyt-1）的三種狀態(tài)的貢獻(xiàn)率分別為14.9%、-10.2%、-0.6%。

對不同時期人才補(bǔ)貼對創(chuàng)新績效的影響發(fā)現(xiàn)，t-1期人才補(bǔ)貼對創(chuàng)新績效的貢獻(xiàn)率絕對值都大于t-2期，即t-1期的人才補(bǔ)貼對創(chuàng)新績效的影響能力大過t-2期的該種補(bǔ)貼。此項(xiàng)分析結(jié)果與科技創(chuàng)新補(bǔ)貼所得的結(jié)果相異。

（三）網(wǎng)絡(luò)對比分析

1.預(yù)測分析對比

比較科技補(bǔ)貼模型與人才補(bǔ)貼模型的分析結(jié)果發(fā)現(xiàn)，兩種補(bǔ)貼對企業(yè)創(chuàng)新行為與創(chuàng)新績效的影響規(guī)律不盡相同。

相同之處在于：第一，大量創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新績效與行為都有積極影響。對比兩組模型發(fā)現(xiàn)，無論是何種類或何時期，只要補(bǔ)貼數(shù)額較大，都會帶來高狀態(tài)創(chuàng)新績效與行為的概率提升。第二，少量創(chuàng)新補(bǔ)貼只會抑制創(chuàng)新績效。從兩個模型的共同點(diǎn)發(fā)現(xiàn)，在任何時間節(jié)點(diǎn)上，少量的兩種補(bǔ)貼對企業(yè)創(chuàng)新績效皆存在負(fù)向影響。換言之，創(chuàng)新性補(bǔ)貼具有門檻效應(yīng)，僅依靠少量補(bǔ)貼無法引致創(chuàng)新績效提升。第三，沒有創(chuàng)新補(bǔ)貼幾乎不會左右企業(yè)創(chuàng)新績效與行為。從兩種補(bǔ)貼的預(yù)測分析模型得出，沒有補(bǔ)貼導(dǎo)致企業(yè)創(chuàng)新績效與行為的概率變化都低于2%。第四，創(chuàng)新補(bǔ)貼都存在粘性效應(yīng)。調(diào)整前一期高狀態(tài)補(bǔ)貼為確定性事件后，后一期相同狀態(tài)補(bǔ)貼的概率皆有大幅度提升。

不同之處在于：第一，創(chuàng)新行為受二類補(bǔ)貼的主要影響方式不同。從概率增幅絕對值的角度（下同）可以發(fā)現(xiàn)，企業(yè)研發(fā)人員占比更受人才補(bǔ)貼的影響，而企業(yè)研發(fā)支出占比對科技補(bǔ)貼更敏感。而且在少量補(bǔ)貼的情況下，人才補(bǔ)貼對創(chuàng)新行為產(chǎn)生正向影響，而科技補(bǔ)貼卻是負(fù)向影響。第二，t-2期二類補(bǔ)貼對提高創(chuàng)新績效的影響強(qiáng)度不同。在預(yù)測模型中，t-2期科技補(bǔ)貼對創(chuàng)新績效的影響能力強(qiáng)于同期人才補(bǔ)貼。第三，不同時期的二類補(bǔ)貼對創(chuàng)新績效也會有不同影響效果。若從不同時期的角度看，t-2期科技補(bǔ)貼對創(chuàng)新績效的影響能力大于t-1期，而t-1期人才補(bǔ)貼對創(chuàng)新績效產(chǎn)生的效果則比t-2期的更加明顯。第四，少量的二類補(bǔ)貼對創(chuàng)新行為影響效果亦不相同。t-2期科技補(bǔ)貼對創(chuàng)新行為的影響能力負(fù)向；人才補(bǔ)貼則相反。

2.原因診斷對比

對比兩組模型的原因診斷分析有以下發(fā)現(xiàn)：第一，不同類型的創(chuàng)新補(bǔ)貼對創(chuàng)新績效有不同程度的滯后效應(yīng)。t-2期的科技補(bǔ)貼對高創(chuàng)新績效的貢獻(xiàn)效果大于同期的人才補(bǔ)貼。從兩組原因診斷模型的貢獻(xiàn)率計(jì)算表得出，t-2期時科技補(bǔ)貼的貢獻(xiàn)率絕對值加總明顯大于同期人才補(bǔ)貼。相反，t-1期人才補(bǔ)貼對高創(chuàng)新績效的貢獻(xiàn)效果強(qiáng)于同期的科技補(bǔ)貼。此結(jié)果依然可以從貢獻(xiàn)率絕對值加總得出。第二，不同時期的二類補(bǔ)貼對創(chuàng)新績效帶來的貢獻(xiàn)，皆可證明存在門檻效應(yīng)。對比發(fā)現(xiàn)，大量的科技補(bǔ)貼與人才補(bǔ)貼皆對企業(yè)創(chuàng)新績效呈正向效應(yīng)，少量的二類補(bǔ)貼都將產(chǎn)生負(fù)向影響，零補(bǔ)貼則對企業(yè)創(chuàng)新績效與行為產(chǎn)生的原因貢獻(xiàn)皆極小。第三，若從綜合視角出發(fā)，科技補(bǔ)貼效果大于人才補(bǔ)貼。對比不同補(bǔ)貼的原因診斷模型得出，兩期的科技補(bǔ)貼的貢獻(xiàn)率絕對值加總大于人才補(bǔ)貼。

（四）可信性分析

為了歸納出有意義的結(jié)論，可以借由現(xiàn)有文獻(xiàn)與貝葉斯網(wǎng)絡(luò)所得結(jié)果的共同點(diǎn)，實(shí)現(xiàn)穩(wěn)健性與可信性檢驗(yàn)，同時分析補(bǔ)貼對創(chuàng)新的影響機(jī)理。根據(jù)數(shù)據(jù)分析結(jié)果，創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新行為與績效產(chǎn)生影響時，有三個要點(diǎn)與前人研究直接或間接地產(chǎn)生呼應(yīng)：滯后效應(yīng)、粘性效應(yīng)與門檻效應(yīng)。其中，在門檻效應(yīng)的解釋中，分析了政府創(chuàng)新補(bǔ)貼如何影響創(chuàng)新績效的兩個機(jī)制，從而對貝葉斯網(wǎng)絡(luò)分析的影響機(jī)制進(jìn)行補(bǔ)充：其一，創(chuàng)新補(bǔ)貼促進(jìn)數(shù)字化轉(zhuǎn)型，進(jìn)而促進(jìn)創(chuàng)新績效。其二，創(chuàng)新補(bǔ)貼緩解企業(yè)融資壓力，進(jìn)而提升創(chuàng)新績效。

1.異質(zhì)性創(chuàng)新補(bǔ)貼的滯后效應(yīng)

創(chuàng)新補(bǔ)貼具有時滯性，也即通常需要一定的時間才能發(fā)揮其對企業(yè)創(chuàng)新活動的積極作用【李丹丹：《政府研發(fā)補(bǔ)貼對企業(yè)創(chuàng)新績效的影響研究——基于企業(yè)規(guī)模和產(chǎn)權(quán)異質(zhì)性視角》，《經(jīng)濟(jì)學(xué)報(bào)》2022年第1期，第141—161頁?！??；谪惾~斯網(wǎng)絡(luò)的數(shù)據(jù)分析還發(fā)現(xiàn)，異質(zhì)性創(chuàng)新性補(bǔ)貼仍具有時間差異，對于科技補(bǔ)貼應(yīng)該賦予更長的考察時間，而對于人才補(bǔ)貼則可以期望企業(yè)在較短時期內(nèi)看到成果。

根據(jù)貝葉斯網(wǎng)絡(luò)所展示的現(xiàn)象，科技補(bǔ)貼需要較長的考察時間，也即需要基于更長時期分析其對創(chuàng)新績效的積極作用。已有研究認(rèn)為，科技補(bǔ)貼更可能有利于企業(yè)的技術(shù)升級與迭代，并且企業(yè)技術(shù)從研發(fā)到應(yīng)用和升級需要較長的時間【聶輝華、李光武、李琛；《關(guān)于企業(yè)補(bǔ)貼的八個關(guān)鍵問題——兼評當(dāng)下的產(chǎn)業(yè)政策研究》，《學(xué)術(shù)月刊》2022年第6期，第47—60頁。】，故其對創(chuàng)新績效產(chǎn)生影響耗時較長。

對比不同網(wǎng)絡(luò)發(fā)現(xiàn)，人才補(bǔ)貼通常在滯后一期有更明顯的效果。現(xiàn)有證據(jù)表明，企業(yè)在接受人才補(bǔ)貼后，通常會在滯后一期時產(chǎn)生更豐富、多元的促進(jìn)創(chuàng)新的效果【劉亦晴、陳宬、陳思：《人才政策驅(qū)動企業(yè)技術(shù)創(chuàng)新的聯(lián)動效應(yīng)研究》，《科研管理》，（2022-04-20）［2022-09-10］.http：//kns.cnki.net/kcms/detail/11.1567.G3.20220418.0836.002.html.】，其中包括研發(fā)投入、研發(fā)人員占比增加、創(chuàng)新績效的直接提高等。對于人才補(bǔ)貼而言，政府給予企業(yè)該類補(bǔ)貼的主要目的是提升企業(yè)的引才力度，增加高素質(zhì)研發(fā)人才的占比。然而，企業(yè)在搜羅人才時，通常更關(guān)注人才所帶來的價值，也即說明被雇傭者通常需要有一定的研究成果等才會被企業(yè)所招聘，從而可能在較短時期內(nèi)迅速改善企業(yè)創(chuàng)新行為、促進(jìn)其創(chuàng)新績效。例如，華為技術(shù)有限公司在近些年的“百萬年薪”招聘計(jì)劃中，所吸引的人才皆擁有相應(yīng)創(chuàng)新成果，或是依據(jù)人才的科研管理才能直接招聘，從而更可能盡快落地創(chuàng)新成果以實(shí)現(xiàn)經(jīng)濟(jì)效益。

2.異質(zhì)性創(chuàng)新補(bǔ)貼的粘性效應(yīng)

貝葉斯網(wǎng)絡(luò)分析結(jié)果說明，不同類型的創(chuàng)新補(bǔ)貼皆具有粘性效應(yīng)，也即企業(yè)可能會在一段時間內(nèi)連續(xù)獲得政府補(bǔ)貼。從現(xiàn)實(shí)情境出發(fā)，獲得創(chuàng)新補(bǔ)貼的企業(yè)通常會出現(xiàn)馬太效應(yīng)，也即說明創(chuàng)新補(bǔ)貼有可能產(chǎn)生粘性效應(yīng)【朱佳龍、蔡朝林、陳朝月：《聲譽(yù)積累優(yōu)勢還是績效積累優(yōu)勢？政府R&D補(bǔ)貼分配中“粘性”效應(yīng)探究》，第43—55頁?！?。發(fā)生這種效應(yīng)通常有如下成因：一方面獲得創(chuàng)新補(bǔ)貼的企業(yè)在創(chuàng)新活動上表現(xiàn)更好，從而擁有更好的聲譽(yù)。政府作為有限理性的主體，對積極創(chuàng)新的企業(yè)給予創(chuàng)新補(bǔ)貼可以有效降低信息不對稱性【W(wǎng)u A.The Signal Effect of Government R&D Subsidies in China：Does Ownership matter？.Technological Forecasting and Social Change，117，PP.339-345.】。為了盡可能保證補(bǔ)貼的成功率，優(yōu)化政策決策水平以助其實(shí)現(xiàn)經(jīng)濟(jì)目標(biāo)，從而重復(fù)選擇先前認(rèn)定的受補(bǔ)貼企業(yè)。政府對企業(yè)給予較豐厚的補(bǔ)貼也代表其相對深厚的信任度，因此政府補(bǔ)貼決策更可能產(chǎn)生粘性效應(yīng)。另一方面基于尋租理論，已然擁有聲譽(yù)積累的創(chuàng)新企業(yè)可能能滿足官員利益最大化的動機(jī)。未受到補(bǔ)貼的企業(yè)只能給政府官員尋找尋租企業(yè)的成本。相反，對已然認(rèn)定為高創(chuàng)新績效的企業(yè)，擁有補(bǔ)貼權(quán)力的官員則可以通過“設(shè)租”等手段與企業(yè)捆綁，獲取自身的“權(quán)力租金”，實(shí)現(xiàn)自身利益的提升【柳光強(qiáng)：《稅收優(yōu)惠、財(cái)政補(bǔ)貼政策的激勵效應(yīng)分析——基于信息不對稱理論視角的實(shí)證研究》，《管理世界》2016年第10期，第62—71頁?！俊?/p>

3.異質(zhì)性創(chuàng)新補(bǔ)貼的門檻效應(yīng)

根據(jù)貝葉斯網(wǎng)絡(luò)分析結(jié)果，創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的門檻效應(yīng)。更為豐厚的補(bǔ)貼不僅可以為企業(yè)帶來充足的創(chuàng)新資金，還可以通過技術(shù)審查等向外部利益相關(guān)者發(fā)送企業(yè)擁有優(yōu)勢技術(shù)與高質(zhì)量創(chuàng)新項(xiàng)目等積極信號，增加對企業(yè)創(chuàng)新活動的支持，促進(jìn)創(chuàng)新績效【白旭云、王硯羽、蘇欣：《研發(fā)補(bǔ)貼還是稅收激勵——政府干預(yù)對企業(yè)創(chuàng)新績效和創(chuàng)新質(zhì)量的影響》，第9—18頁?！?。相反，沒有創(chuàng)新補(bǔ)貼則表達(dá)了政府對企業(yè)創(chuàng)新支持的消極態(tài)度，定會對企業(yè)創(chuàng)新行為與績效產(chǎn)生不同程度的負(fù)面影響。對于略微的、少量的補(bǔ)貼雖然展示了政府對企業(yè)的創(chuàng)新支持，但支持力度不夠并無法起到激勵作用，卻會使得企業(yè)作出策略性創(chuàng)新的消極決策。其中，少量科技補(bǔ)貼還負(fù)向影響創(chuàng)新行為。這種現(xiàn)象可能因?yàn)樵摿考壍目萍佳a(bǔ)貼并不具有如人才補(bǔ)貼的定向約束力，導(dǎo)致企業(yè)采取策略性創(chuàng)新。綜合兩種補(bǔ)貼的效果還可以得出，補(bǔ)貼具有門檻效應(yīng)【李曉鐘、徐怡：《政府補(bǔ)貼對企業(yè)創(chuàng)新績效作用效應(yīng)與門檻效應(yīng)研究——基于電子信息產(chǎn)業(yè)滬深兩市上市公司數(shù)據(jù)》，《中國軟科學(xué)》2019年第5期，第31—39頁?！浚粗挥写罅康难a(bǔ)貼才能真正促進(jìn)企業(yè)創(chuàng)新。

結(jié)合現(xiàn)有研究，還發(fā)現(xiàn)創(chuàng)新補(bǔ)貼對創(chuàng)新績效存在如下機(jī)理可以繼續(xù)說明門檻效應(yīng)的存在：第一，政府給予企業(yè)創(chuàng)新性補(bǔ)貼將在一定程度上促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程的加速，這將通過促進(jìn)知識整合等中間要素進(jìn)一步影響企業(yè)創(chuàng)新績效。第二，企業(yè)接受政府的創(chuàng)新補(bǔ)貼將有助于緩解其對于創(chuàng)新活動的資金壓力，從而進(jìn)一步促創(chuàng)新績效。在該影響機(jī)理的過程中，政府補(bǔ)貼對數(shù)字化轉(zhuǎn)型進(jìn)程的有效加速，也有進(jìn)一步緩解融資約束以提升創(chuàng)新績效。這從側(cè)面再次證明創(chuàng)新性補(bǔ)貼對創(chuàng)新績效具有門檻效應(yīng)，從而與貝葉斯網(wǎng)絡(luò)分析結(jié)果形成呼應(yīng)，加強(qiáng)該分析結(jié)果的可信性。

（1）創(chuàng)新性補(bǔ)貼促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，進(jìn)而促進(jìn)知識整合等影響企業(yè)創(chuàng)新績效。

其一，在數(shù)字經(jīng)濟(jì)時代，政府持續(xù)強(qiáng)調(diào)數(shù)企業(yè)數(shù)字化轉(zhuǎn)型在經(jīng)濟(jì)運(yùn)行中的重要作用。在此過程中，政府有必要發(fā)揮其作為“有形之手”的關(guān)鍵作用，推動企業(yè)數(shù)字化轉(zhuǎn)型【吳非、常曦、任曉怡：《政府驅(qū)動型創(chuàng)新：財(cái)政科技支出與企業(yè)數(shù)字化轉(zhuǎn)型》，《財(cái)政研究》2021年第1期，第102—115頁?！?。政府的創(chuàng)新補(bǔ)貼作為激發(fā)企業(yè)創(chuàng)新活力的重要手段，能夠避免企業(yè)在創(chuàng)新過程中缺乏所需資源【楊曉林、劉文龍、王有興：《政府創(chuàng)新補(bǔ)貼與企業(yè)技術(shù)創(chuàng)新——兼論補(bǔ)貼合理區(qū)間》，《財(cái)貿(mào)研究》2021年第10期，第70—83頁?！浚瑥亩钇髽I(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。此外，企業(yè)進(jìn)行變革需要大量的資源，因此少量補(bǔ)貼難以有效助其進(jìn)行，而是需要較為豐富的補(bǔ)貼與激勵的注入才能促進(jìn)變革實(shí)現(xiàn)【陳林、朱衛(wèi)平：《出口退稅和創(chuàng)新補(bǔ)貼政策效應(yīng)研究》，《經(jīng)濟(jì)研究》2008期第11期，第74—87頁?！俊?shù)字化轉(zhuǎn)型作為企業(yè)擁有的一種創(chuàng)新性變革，將在政府給予豐富的創(chuàng)新補(bǔ)貼時被賦予更大重視程度與應(yīng)用深度【陳和、黃依婷：《政府創(chuàng)新補(bǔ)貼對企業(yè)數(shù)字化轉(zhuǎn)型的影響——基于A股上市公司的經(jīng)驗(yàn)證據(jù)》，《南方金融》，（2022-08-03）［2022-09-10］.http：//kns.cnki.net/kcms/detail/44.1479.F.20220802.1536.002.html.】，從而加速相應(yīng)的轉(zhuǎn)型進(jìn)程。

其二，數(shù)字化變革的逐步深入將促使企業(yè)的知識整合能力與信息共享水平隨之提升。具體而言，對于任何類型的創(chuàng)新，企業(yè)皆需要將資源稟賦、自身能力以及外部知識等信息有效整合，這就要求企業(yè)擁有共享信息與整合信息的能力【戚聿東、肖旭：《數(shù)字經(jīng)濟(jì)時代的企業(yè)管理變革》，《管理世界》2020年第6期，第135—152頁?！俊４送?，企業(yè)創(chuàng)新活動可能涵蓋多方領(lǐng)域，跨越多種信息知識，因此僅僅熟悉單一類型技術(shù)的企業(yè)往往難以擁有足夠的創(chuàng)新績效。數(shù)字化技術(shù)的進(jìn)步將幫助企業(yè)對跨領(lǐng)域知識的共享與整合，從而引致創(chuàng)新績效的提高。

（2）創(chuàng)新補(bǔ)貼將緩解資金壓力以促創(chuàng)新績效。在該機(jī)理中，補(bǔ)貼也將加速數(shù)字化轉(zhuǎn)型進(jìn)程，也能緩解融資約束以提升創(chuàng)新績效。

其一，創(chuàng)新補(bǔ)貼需要經(jīng)由政府認(rèn)可才能撥出，其中必然存在政府背書的間接信號。這種信號將使得投資者和金融機(jī)構(gòu)對受補(bǔ)貼的企業(yè)賦予信任，從而能夠有效幫助企業(yè)創(chuàng)新活動緩解融資壓力，獲得足夠的創(chuàng)新資源，并最終促進(jìn)創(chuàng)新績效。其中，較少量補(bǔ)貼可能使企業(yè)為追求某些經(jīng)濟(jì)利益而進(jìn)行策略性創(chuàng)新，從而使得利益相關(guān)者是否對企業(yè)注入資金資源持有觀望態(tài)度。相反，更為豐厚的補(bǔ)貼則會向外界強(qiáng)化并釋放上述信號，

增強(qiáng)多方主體對企業(yè)的信任程度。不僅如此，對于人才吸引而言，企業(yè)受到人才類型的補(bǔ)貼同樣會對外界發(fā)出信號，體現(xiàn)其對人才的重視程度已經(jīng)得到政府支持，自然會加強(qiáng)其引才力度。

其二，互聯(lián)網(wǎng)等數(shù)字化技術(shù)的發(fā)展，使得各方主體的溝通交流突破了時空限制【Cecere G， Corrocher N， Gossart C， et al.Technological pervasiveness and variety of innovators in green ICT： A patent-based analysis.Research Policy， 2014， （10）， pp.1 827-1 839.】。大數(shù)據(jù)、區(qū)塊鏈、AI等減少了信息交互過程中的不對稱因素，提高了透明性【張鵬楊、張碩：《數(shù)字全球價值鏈參與如何穩(wěn)定企業(yè)產(chǎn)出波動》，《經(jīng)濟(jì)管理》2022年第7期，第5—22頁?！?，這對金融體系是銀行主導(dǎo)的大環(huán)境下，提高了企業(yè)從銀行獲取資金的能力，提升了銀行對企業(yè)的好感度，也會提升公司的債權(quán)或股權(quán)融資的能力。結(jié)合前文，政府創(chuàng)新性補(bǔ)貼將加速數(shù)字化轉(zhuǎn)型進(jìn)程，也即促進(jìn)數(shù)字化技術(shù)的應(yīng)用深入，從而隨之導(dǎo)致創(chuàng)新績效得到進(jìn)一步提升。

六 ?結(jié) 論

（一）研究結(jié)果

企業(yè)于外部的各種聯(lián)系對創(chuàng)新具有積極作用，但存在黑邊效應(yīng)，需要對外部信息與資源具體分析【林春培、沈鶴、余傳鵬：《企業(yè)外部社會聯(lián)系對破壞性創(chuàng)新的影響研究》，《科研管理》2019年第5期，第80—89頁?！俊Ｕ畡?chuàng)新補(bǔ)貼在作為影響企業(yè)創(chuàng)新的外部資源因素【王剛剛、謝富紀(jì)、賈友：《R&D補(bǔ)貼政策激勵機(jī)制的重新審視——基于外部融資激勵機(jī)制的考察》，《中國工業(yè)經(jīng)濟(jì)》2017年第2期，第60—78頁?！?，具有名目繁多、類型各異的特點(diǎn)，且還具有區(qū)間、時間等差別，有必要對其進(jìn)行細(xì)化分類、區(qū)別研究。本文使用基于關(guān)鍵詞的文本挖掘方法篩選出科技補(bǔ)貼和人才補(bǔ)貼，在文獻(xiàn)理論的基礎(chǔ)上建立貝葉斯網(wǎng)絡(luò)模型，將不同類型補(bǔ)貼自動區(qū)間化、跨時間劃分，探究科技補(bǔ)貼與人才補(bǔ)貼對企業(yè)創(chuàng)新活動的影響。最后基于現(xiàn)有文獻(xiàn)，對所得分析結(jié)果進(jìn)行可信性分析與討論，同時討論政府創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的影響機(jī)理。通過研究得出如下結(jié)論：

1.創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新績效的影響具有滯后效應(yīng)，不同類型的補(bǔ)貼在滯后時間與影響能力上有所區(qū)別?？萍佳a(bǔ)貼影響創(chuàng)新績效需要的時間跨度長，綜合效果更明顯，且從比較優(yōu)勢角度看，更會導(dǎo)致企業(yè)研發(fā)資金投入的變化。人才補(bǔ)貼影響創(chuàng)新績效的時間跨度短，綜合效果較弱，從比較優(yōu)勢角度看，更會導(dǎo)致引才力度變化。若排除度量方式的原因，不同政府創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新的影響的確存在差異，區(qū)別化創(chuàng)新補(bǔ)貼具有邏輯合理性。

2.異質(zhì)性創(chuàng)新補(bǔ)貼皆存在粘性效應(yīng)。若企業(yè)在往期受到過補(bǔ)貼，在當(dāng)期還受到補(bǔ)貼的可能性將會大大提升。創(chuàng)新補(bǔ)貼是政府對企業(yè)創(chuàng)新態(tài)度與成績的認(rèn)可，對該類企業(yè)的持續(xù)補(bǔ)助對政府而言是一項(xiàng)低成本且有穩(wěn)定回報(bào)的決策。

3.創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新具有門檻效應(yīng)，但對于不同創(chuàng)新補(bǔ)貼仍存在區(qū)別。更為豐厚的創(chuàng)新補(bǔ)貼對企業(yè)創(chuàng)新有積極效果，缺少補(bǔ)貼將引致企業(yè)創(chuàng)新產(chǎn)生微弱的消極反應(yīng)。僅給予企業(yè)少量科技補(bǔ)貼對創(chuàng)新行為與績效都是抑制效果，而微量人才補(bǔ)貼會使得企業(yè)的重視創(chuàng)新行為的策略性創(chuàng)新。總之，創(chuàng)新補(bǔ)貼具有門檻效應(yīng)，給予企業(yè)較大量級的補(bǔ)貼才能更為有效地促進(jìn)企業(yè)創(chuàng)新。

（二）理論意義

1.考慮政府補(bǔ)貼的類別區(qū)分、量級差別以及時間差異，豐富了多種類型的創(chuàng)新補(bǔ)貼與企業(yè)創(chuàng)新的關(guān)系對比研究，也解釋了目前研究所存在的沖突。目前研究缺乏將政府創(chuàng)新補(bǔ)貼進(jìn)行異質(zhì)性分析，得出政府補(bǔ)貼對創(chuàng)新行為的調(diào)控作用常有不同甚至是相反效果。本研究結(jié)果是對上述問題的完善深化，在一定程度上回應(yīng)了爭議。

2.將研究拓展到較為系統(tǒng)的視角，建立出能夠解釋多類型變量、處理多種節(jié)點(diǎn)共行的網(wǎng)絡(luò)分析模型，從而盡可能得出較為全面的研究成果。為目前企業(yè)管理學(xué)的研究開拓了新的視野，也為企業(yè)創(chuàng)新決策提供了新式方法支持。

（三）實(shí)踐啟示

本研究能為企業(yè)創(chuàng)新提供管理啟示，也能為政府提供政策支持。

對企業(yè)的創(chuàng)新管理啟示：首先，考慮到創(chuàng)新補(bǔ)貼對創(chuàng)新行為與績效的積極影響與門檻效應(yīng)，啟示企業(yè)應(yīng)主動向政府展示自身創(chuàng)新能力，要求政府盡可能賦予更多的創(chuàng)新支持，從而提升自身創(chuàng)新能力與績效。其次，考慮到異質(zhì)性補(bǔ)貼對企業(yè)創(chuàng)新行為的不同影響，啟示企業(yè)應(yīng)清楚了解自身對創(chuàng)新的關(guān)注點(diǎn)是引才力度或是研發(fā)投入，依此有針對性地吸引不同類型的專項(xiàng)創(chuàng)新補(bǔ)貼。

對政府合理配置創(chuàng)新補(bǔ)貼資源的支持：第一，鑒于異質(zhì)性創(chuàng)新補(bǔ)貼皆有門檻效應(yīng)，建議政府應(yīng)對企業(yè)給予更大的創(chuàng)新資金扶持力度，盡量避免因給予少量的創(chuàng)新補(bǔ)貼而導(dǎo)致企業(yè)策略性創(chuàng)新。同時建議政府減少使用大水漫灌的政策，而應(yīng)盡可能對企業(yè)進(jìn)行一定時期的考察再進(jìn)行精準(zhǔn)補(bǔ)貼，從而防止企業(yè)為獲取補(bǔ)貼而進(jìn)行應(yīng)付性創(chuàng)新。第二，鑒于創(chuàng)新補(bǔ)貼都存在粘性效應(yīng)，建議政府需對企業(yè)進(jìn)行持續(xù)的跟蹤考察，完善考核評估機(jī)制，從而對高創(chuàng)新行為與高創(chuàng)新績效予以持續(xù)積極鼓勵。也避免由于粘性效應(yīng)，而對低創(chuàng)新行為或低創(chuàng)新績效的企業(yè)進(jìn)行持續(xù)“損失性補(bǔ)貼”。第三，鑒于研發(fā)資金投入比引才力度更容易受創(chuàng)新補(bǔ)貼的影響，建議政府對資本密集型創(chuàng)新企業(yè)給予更多的補(bǔ)貼傾斜。但政府亦不能忽略人才的作用，應(yīng)提供諸如保障住房等非資金政策輔助人才補(bǔ)貼以支持創(chuàng)新。第四，鑒于科技補(bǔ)貼與人才補(bǔ)貼的效果滯后效應(yīng)不一致性，建議政府對科技補(bǔ)貼效果與人才補(bǔ)貼效果有不同年限的考察。相較于人才補(bǔ)貼，對科技補(bǔ)貼效果觀測應(yīng)放在更長的時間跨度進(jìn)行評估。

（四）不足與展望

雖然對于異質(zhì)性政府補(bǔ)貼與企業(yè)創(chuàng)新的影響規(guī)律進(jìn)行了研究和分析，具有一定的理論意義和實(shí)踐管理啟示，但仍存在幾個不足值得我們繼續(xù)深入思考和研究：

1.對于創(chuàng)新補(bǔ)貼類型的區(qū)分是基于前人研究所提出的文本挖掘方法，應(yīng)該使用統(tǒng)一理論和方法來對創(chuàng)新補(bǔ)貼類型進(jìn)行精確定義，提高研究結(jié)論的精確性和普適性。因此，對補(bǔ)貼類型分類進(jìn)行更為科學(xué)的統(tǒng)一研究是未來需要解決的一個重點(diǎn)問題。

2.因?yàn)閯?chuàng)新補(bǔ)貼具有粘性效應(yīng)，故在上述管理啟示中已經(jīng)提及應(yīng)該完善考核機(jī)制。然而，受篇幅限制，故沒有對此進(jìn)行深入探討，沒有分析如何制定考核企業(yè)創(chuàng)新的方案。未來學(xué)者可以繼續(xù)往這方面給予更多關(guān)注，得出政府給予創(chuàng)新補(bǔ)貼的最優(yōu)決策。

Analysis on the Mechanism of Heterogeneous Innovation Subsidy

on Enterprise Innovation

LI Hai-lin， TANG Hong-qin， LIN Chun-pei

Abstract： Through the spatio-temporal analysis of the two innovation subsidies selected from government subsidies， namely， technology subsidies and talent subsidies， this paper respectively constructs Bayesian network of innovation data， and conducts predictive analysis， cause diagnosis and contribution measurement of innovation behavior and performance. The research shows that： 1. The influence of innovation subsidies on the innovation performance of enterprises has a hysteresis effect， and different types of subsidies have differences in lag time and influence ability. Tech subsidies have a long time span and a good overall effect on innovation performance， and a stronger impact on R&D capital investment; The impact of talent subsidies is opposite. 2. Different types of innovation subsidies have viscous effects. 3. Innovation subsidies have a threshold effect on enterprise innovation， but there are still differences for different innovation subsidies. Large amount subsidies have a positive impact on enterprise innovation， while the lack of subsidies will lead to weak negative impacts on enterprise innovation. Micro technology subsidies have a negative impact on innovation behavior and performance， while micro talent subsidies can lead to strategic innovation in enterprises.

Keywords： government subsidies; enterprise innovation; Bayesian network; machine learning; threshold effect

【責(zé)任編輯：吳應(yīng)望】