- 公共管理評論(2017年第1期/總第24期)
- 巫永平主編
- 9274字
- 2019-01-04 20:17:39
公共管理評論2017年第1期 總第24期第39~54頁
科技計劃對企業創新的作用評估:基于863計劃的實證研究
【摘要】財政科技投入的快速增長與企業薄弱的研發能力,令政府科技計劃的作用在我國飽受質疑。科技計劃究竟能否促進企業創新,又如何對其作用效果進行評價?本文引入了基于增量概念的科技計劃評估框架,并以國家高技術研究發展計劃(863計劃)為例,實證考察了科技計劃對企業創新的作用效果。在運用雙重差分傾向得分匹配(PSM-DID)控制選擇性偏誤后,本文發現,863計劃的資助顯著提升了企業的創新績效。本文的研究結論為這一尚處于爭議中的研究問題提供了來自新興國家的重要經驗證據。
【關鍵詞】科技計劃 政策評估 企業創新 雙重差分匹配
一 引言
自第二次世界大戰結束以來,美國的先進技術計劃(ATP)、小企業創新研究計劃(SBIR),歐盟的框架計劃(FP)、尤里卡計劃(EURECA)等科技計劃如雨后春筍般相繼啟動,現已成為政府組織并推動科技發展的基本渠道和主要模式。在我國,科技計劃更是促進科技創新能力與產業發展的一項重要政策工具。
統計數據顯示,2014年我國的政府財政科技投入達6454.5億元,占財政支出的4.25%,其中對科技計劃的中央財政撥款就高達287.9億元。
然而在財政科技投入的長期支持下,作為創新主體的企業,研發能力卻備受詬病。數據顯示,2014年我國規模以上工業企業的平均研發強度僅0.84%, 遠遜于美、歐、日等國家企業平均3%的研發強度。
企業“大而不強”的問題始終存在:一方面我國企業在世界500強榜單中的排名與數量迅速上升;另一方面在湯森路透發布的“2015全球百強創新機構”
中,竟無一家來自中國大陸的企業上榜。政府科技計劃的有效性也因此飽受質疑:政府官員究竟能否有效地分配、管理與使用財政科技經費?科技計劃究竟能否有效地促進企業創新?
事實上,科技計劃的真實效果并非不證自明(self-evident)。政府的研發資助究竟能否促進企業創新,具備較大的異質性,需要進行科學審慎的評估分析。然而長期以來,這類研究都面臨著兩個核心問題:一是基于什么樣的認知框架來理解并評價科技計劃發揮的作用?二是通過什么樣的計量方法來準確識別政策干預和政策目標間的因果關聯。尤其是后者,現已成為創新政策領域關注的焦點問題。
針對上述問題,本文引入了基于增量概念的科技計劃評估框架,并以國家高技術研究發展計劃(863計劃)為例,實證考察了政府科技計劃對企業創新的促進作用。基于雙重差分傾向得分匹配估計(PSM-DID)的平均干預效應(ATT)估計有效控制了政策評估研究中常見的選擇性偏誤,得以做出可靠的因果推斷。
二 理論背景與研究假設
(一)科技計劃與企業創新
現代經濟理論指出,創新的正外部性會導致均衡狀態下私人部門的研發投入低于社會最優水平。創新作為一種“知識”,很容易被他人學習模仿,這使得創新主體在承擔風險的同時卻難以獨占收益,因而削弱了創新的意愿。同時,研發活動的高調整成本(high adjustment costs)、
長回報周期(long-term returns)
等特征都導致企業家不愿投入到研發活動中,進一步加劇了上述知識市場的失靈問題。
與此同時,創新還面臨資本市場的失靈問題:企業家與外界的信息不對稱(information asymmetry)會造成企業的融資約束(financial constraint)。首先,投資人難以判斷高技術、高風險項目的優劣;而出于對模仿者的防范,企業家也不愿過多透露新產品的技術特性,加劇了“逆向選擇”與“檸檬溢價”。其次,研發活動的直接產出主要依附于人力資本,以無形資產為主不易測量,同時產出的不確定性也進一步增加了外部監管的難度,加劇了“道德風險”問題。
有鑒于此,世界上絕大多數國家均積極通過政府科技計劃干預企業的研發活動,以彌補創新的正外部性。一方面,科技計劃提供的研發補貼能降低企業創新的成本與風險,進而促進企業的創新行為與創新產出;另一方面,科技計劃還能扮演金融中介的作用,通過向市場投資人傳遞有關企業質量的積極信號,
緩解雙方的信息不對稱,從而幫助企業吸引外部融資。
然而盡管如此,仍有大量學者質疑科技計劃的實際效果,認為由政府挑選贏家(picking winner)的模式存在較多的不確定性。
首先,科技計劃的核心特征就是資助項目的競爭性與選擇性。而政治家與政府官員同樣是自利且理性的,很有可能會在公共資源的配置中采取機會主義行為(opportunistic behavior)。尤其是在選擇資助對象時,政府官員更愿意選擇那些即便未獲得政府資金支持也有較大概率成功的研發項目,從而造成科技計劃在表面上的“有效”。另外,由于難以完全依賴客觀指標,科技計劃在選擇資助對象時的主觀性也為政府官員的尋租行為提供了天然土壤,如Furman在分析我國科技型中小企業創新基金的資助對象時就發現,政治關聯企業更容易獲得科技計劃資助。
其次,企業往往將科技計劃視作一種相對“廉價”的資金來源,從而造成浪費,或者低于自有研發資金的使用效率。同時,由于存在信息不對稱,科技計劃的主管部門難以準確得知資助企業基于研發資助所形成的產出,這使得企業有能力向政府隱瞞資金的真實使用情況、夸大科技計劃的資助效果。上述問題也導致在現實中,科技計劃的資金往往只是替代或“擠出”(crowd out)了企業的研發投入,造成公共財政資源的極大浪費。
(二)基于增量概念的科技計劃評估
評價科技計劃的作用效果,其根本困難在于識別政策干預與政策目標間的因果關聯。一方面,基于宏觀目標開展的評估難以區分整個宏觀經濟社會背景的潛在影響,如項目執行期間的經濟周期、產業調整等;另一方面,基于微觀的合同指標,如企業研制的新產品、原型機等,往往會錯誤地將企業開展的系列研發工作的成果都歸功于科技計劃的支持,從而高估后者的影響。
基于“增量”(additionality)概念的評估框架有效解決了上述問題。“增量”概念最早運用于20世紀末對英國先進信息技術計劃的研究,即考察科技計劃的資助在多大程度上形成了企業的研發活動“增量”。OECD則將“增量”概念界定如下:相比沒有政府干預的情況,私人部門因接受政府研發資助而新產生的研發活動。隨著學者逐漸意識到創新過程的非線性,研究的關注點逐漸從投入增量(input additionality)轉移到產出增量(output additionality),即回答科技計劃是否促進了企業的創新產出與績效,
測度時的量化指標既包含研發活動直接申請、授予的專利數,也包括新產品產值、銷售額、服務創新等企業研發活動的間接產出。
基于“增量”概念評估科技計劃的核心在于:政府科技計劃是否以及在多大程度上引起了企業的新增研發活動,這在本質上是需要回答一個反事實(counter-factual)的研究問題。因此在“增量”概念發展的初期,相關研究主要采用基于調查的主觀評價,存在較嚴重的系統性偏誤。直到近期,得益于計量經濟學的迅速發展,基于增量概念的科技計劃評估被納入到干預效應(treatment effect)的研究框架中得以定量化,并逐步轉向基于微觀數據的計量分析。
對產出增量的實證研究進一步印證了學者此前的擔憂。盡管部分學者觀察到科技計劃的積極作用,如Czarnitzki在針對歐盟框架計劃(FP)的分析中指出,資助顯著增加了企業的專利數與專利引用數。但仍有不少證據表明,科技計劃并未達到預期效果,如Norrman等人的研究并沒有發現瑞典創新中心科技計劃提升了企業的銷售額與總資產。
還有學者分析指出,科技計劃可能僅起到了部分效果,如Furman的研究就發現,我國的科技型中小企業創新基金雖然能提升企業的存活率,但對專利等創新產出并不存在顯著影響。
目前已有的實證研究還主要集中在發達國家,對新興國家的研究極為匱乏。以我國為例,相關研究提供的還主要是宏觀層面的經驗證據,
不僅無法給出研究者最為關心的平均干預效應的因果推斷,也難以區分不同來源研發資助的效果差異。然而,新興國家技術創新的發展經驗可能與發達國家存在根本差異,尤其是政府扮演的主導角色不容忽視。
Kim的研究中就指出,韓國政府的技術轉移、技術交流與本地研發等產業政策對韓國企業從模仿到創新并最終實現技術追趕起到了關鍵作用。
同時,新興國家政府的研發資助還面臨著與西方國家迥異的政治經濟環境,產權保護的不健全,資本市場的滯后,尋租與關系網絡等因素,都進一步加劇了該問題的不確定性。
(三)研究假設
1986年3月啟動的國家高技術研究發展計劃,又稱“863計劃”,是我國政府在推動高技術研發方面最為核心的科技計劃。隨著企業逐漸成為技術創新的主體,863計劃在“十五”以來開始逐漸引入企業參與乃至主導課題的研發工作,幫助一批創新型企業在這個過程中脫穎而出。盡管學者對科技計劃的評估結論存在較大出入,但考慮下述理由,本文仍支持對863計劃的積極正面評價,即認為863計劃能顯著提升企業的創新績效。
首先,從實際的資助成果來看,863計劃自設立的三十年來,成功支持了大量高風險的技術研發及產業化工作,國人耳熟能詳的超高性能計算機、深水機器人、載人航天技術等關鍵前沿技術,以及華為、浪潮、科大訊飛等創新型企業均得益于863計劃的階段性支持。也正是因此,863計劃享有崇高的社會聲譽,被認為是我國高技術發展的一面旗幟,客觀上反映了全社會對863計劃的資助效果的認可。
其次,科學家在863計劃的立項評審與決策中占據較大話語權,一定程度上減少了政府官員在分配公共資金時的尋租空間。盡管在“十五”期間,863計劃中的專家組織不再直接掌握課題的經費配置權,相比之前影響力有一定下降。但不可否認的是,專家組織仍然在863計劃的執行過程中承擔了重要的技術決策與管理職能。同時,這一階段的評審環節還引入了同行評審專家庫制度,進一步加強公正性。
此外,863計劃還有著較為嚴格的經費使用與成果考核制度。課題責任人須嚴格執行批準的課題預算,對資金使用的自由裁量權較小,且不得超出課題預算范圍。同時,863計劃簽訂的課題合同中,會明確規定課題負責人在結題前需完成的技術成果,以及相應可量化的考核指標,如新產品研發、原型機研制等,并在各個年度對應考核目標進行審查。因此,在863計劃中,企業挪用、濫用科研經費的情況相對較少。基于此,本文提出假設:863計劃能顯著提升企業的創新績效。
三 研究設計
(一)研究方法
直接比較資助企業與未資助企業在創新產出上的差異,會帶來結論的“選擇性偏誤”,難以得出真正的因果推斷。近年來,不少學者采用傾向得分匹配法(Propensity Score Matching, PSM)估計科技計劃的平均干預效應(Average Treatment Effect on the Treated, ATT),在一定程度上控制了選擇性偏誤問題。但傾向得分匹配法只能控制個體可觀測特征帶來的影響,無法解決由不可觀測特征引起的“隱性偏差”。最典型的如企業的創新意愿與政治關聯,無法被客觀數據捕捉,卻有可能同時影響企業獲得科技計劃資助的概率以及企業的研發產出,導致這類研究的結論仍不十分可信。
本文針對上述不足,采用雙重差分傾向得分匹配(Difference-in-Difference PSM, PSM-DID)方法對科技計劃的干預效果進行估計。PSM-DID結合了傾向得分匹配法與雙重差分模型的優勢,不僅能控制可觀測特征引起的偏誤,還能控制不可觀測但不隨時間變化(time invariant)的組間差異。PSM-DID的運用須滿足有條件獨立假定與共同取值假定;
此外還需同時包含企業在申請資助前后各期的信息。
設干預前為時期t′,干預后為時期t。在t′時期,所有樣本(干預組與控制組)的潛在結果均為y0t′;在t時期,外部干預已經發生,故兩種潛在結果分別記為y1t(外部干預)與y0t(未受外部干預)。科技計劃的平均干預效應可做如下一致估計:

其中,Sp為共同取值范圍的集合,I1與I0分別為干預組與控制組的集合,Nt為集合I1∩Sp中包含的個體數,ω(i, j)為對應于配對(i, j)的權重。(y1ti -y0t′i)為干預組個體i在干預前后的變化,而(y0tj -y0t′j)為控制組個體j在干預前后的變化。
具體的操作步驟如下:①根據干預變量Di與協變量xi估計傾向得分,根據數據特征選擇運用logit模型或probit模型進行回歸計算;②對干預組的任一樣本i,通過近鄰匹配法或整體匹配法,確定與其相匹配的控制組樣本(集合Sp); ③對干預組的任一樣本i,計算因變量在干預前后期的變化(y1ti-y1t′i); ④計算與其匹配的控制組樣本的因變量在干預前后期的變化(y0tj-y0t′j); ⑤根據以上公式計算評估干預效應ATT。
(二)數據來源
本文的研究數據主要包含863計劃的課題數據與國家統計局的工業企業數據。
首先,基于2001~2006年的863計劃課題申請數據與科技部網站公示的課題立項信息,人為篩選出樣本企業中申請成功的企業與申請失敗的企業,分別作為研究的干預組與控制組。具體處理過程主要包括:①基于2001~2006年各年度的863計劃課題申請數據與最終公示的課題立項信息,合并比對得到當年申請成功的企業名錄與申請失敗的企業名錄;②以具有獨立法人資格的企業為基本單元,基于企業的名稱、地址與法人代表等關鍵信息,識別同一企業在不同年份的申請信息并進行合并。考慮到對企業而言,最關鍵的是初次承擔863計劃、從“無”到“有”的經歷,因而本文僅考慮企業首次成功申請863計劃的時間,并將其作為外部干預(treatment)的作用時間。
其次,根據企業的名稱、地址、法人代表等關鍵信息,將按照上述辦法處理得到的863計劃課題數據與國家統計局的工業企業數據庫(China Industrial Enterprise Database)進行匹配。工業企業數據庫由國家統計局收集統計,每年由各省、區、市的有關工業企業按照統一方法、統計口徑和填報目錄進行上交,具有較高的準確性和一致性。數據庫包含的企業以“國民經濟行業分類”中的工業企業,尤其是制造業企業為主,涵蓋了我國全部的國有工業企業及規模以上非國有工業企業,是目前國內外學者研究中國企業行為與績效的主要數據庫,獲得了廣泛運用。
最后,本文對上述數據進行了進一步的檢查與刪誤,并將總資產在1%~99%區間以外的企業均視作離群值予以刪除。最終的研究樣本中,共包含2001~2006年間申請863計劃的630家企業(非平衡面板)。其中,39.8%的企業最終申請成功并獲得了863計劃的資助,與863計劃的整體資助比重較為接近;樣本企業主要來自廣東、北京、江蘇、山東與浙江等創新能力較強的省份,所屬行業主要包括通信設備、計算機及其他電子設備制造業,電氣機械及器材制造業,化學原料及化學制品制造業,專用設備制造業,以及通用設備制造業,與該期間863計劃的重點資助技術領域(信息、能源、交通)較為一致,具有較好的代表性。
(三)變量測度
本文的研究變量主要包括衡量企業創新績效的因變量、衡量企業是否獲得科技計劃資助的干預變量,以及影響企業成功申請科技計劃的協變量。
本文采用企業的新產品產值(npv)對創新績效進行測度。新產品產值即報告期內企業生產的新產品的總價值。國家統計局對“新產品”的具體釋義如下:新產品是指采用新技術原理、新設計構思研制、生產的全新產品,或在結構、材質、工藝等某一方面比原有產品有明顯改進,從而顯著提高了產品性能或擴大了使用功能的產品。一般可將新產品簡要概括為以下兩類:一是技術特性或用途相比前一階段有顯著差異的產品;二是性能具有重大改進或提高的現有產品。
本文認為,技術創新的本質是發明的首次商業化應用,而采用專利數來測量創新績效存在明顯缺陷。首先,專利申請的要求相對較高,不能反映一些改良性的創新。其次,企業可能出于一些戰略因素或商業機密的考慮,不愿為創新或新研發產品申請專利;而企業自身的特質,如申請專利積極性上的差異也會影響這一指標測度的準確性,尤其考慮到在我國,企業尋求專利保護的意識還相對薄弱。
此外,企業有可能出于應付科技計劃課題考核的目標而大量申請專利,在結題后就將其束之高閣,因而采用專利數還有可能高估企業的創新績效。
本文的干預變量為企業是否獲得863計劃的資助(granted),屬于二元虛擬變量。考慮到863計劃主要考察企業的研發能力與產業化潛力,本文在進行傾向得分匹配時,基于已有文獻的討論將下述變量作為匹配的協變量:
①企業所有制(sosce),虛擬變量,采用工業企業數據庫中的“控股情況”項作為測度。②企業規模(size),取企業總資產的對數作為測度。
③企業年齡(age),采用企業申請863計劃年份與企業開業年份間的差值作為測度。④資本密集度(cpi),采用固定資產/職工人數作為測度。
⑤營業利潤率(profit),即企業的主營業務利潤與主營業務收入之比。⑥企業出口(export),虛擬變量,有出口行為的企業設為1,否則為0。⑦資產負債率(lever),測算方式為企業債務總額/企業資產總額。
⑧冗余資源(sr),采用企業的凈利潤/主營業務收入作為測度。
⑨行業技術水平(inno),基于本研究對2003年前后標準統一后的二分位行業編碼,計算各行業的企業研發投入之和/主營業務收入之和。
四 實證分析
表1匯報了主要變量的描述性統計結果。在樣本企業中,39.8%的企業是國有企業,企業的平均年齡17.8年,54.9%的企業有出口行為。
表1 主要變量的描述性統計

⑤ 部分企業的新產品產值為0,取對數后理論上應為負無窮,此處近似賦值為0。因為其余企業的新產品產值(萬)均遠大于1(取對數為0),因此賦值后不改變原有變量間的大小關系,不會影響計量結果。
表2匯報了主要變量的相關性分析結果。可以看到,企業的新產品產值與所有制、年齡、規模、出口、資產負債率以及行業技術水平等變量緊密相關,表明研究選取的控制變量確實在很大程度上與企業的創新績效有緊密關聯。此外,企業是否成功獲得863計劃的資助,與企業自身的所有制、年齡、規模、出口、資產負債率等情況密切相關,間接表明了干預組企業與控制組企業之間可能存在系統性差異,在進行分析時需認真考慮選擇性偏誤問題。
表2 主要變量的相關性分析

表3反映了在申請資助當年,干預組與控制組樣本在關鍵變量上的組間差異。可以發現,干預組企業的新產品產值(8.712)顯著高于樣本組企業(6.176),可見863計劃確實篩選出了更具創新能力的企業;此外,除資本密集度、營業利潤率、冗余資源以及行業技術水平4項外,其余5項協變量均存在顯著組間差異,無法排除“選擇性偏誤”的存在。
表3 申請資助時關鍵變量的組間比較

通過logit回歸估計企業獲得863計劃資助的傾向得分,然后采用二次核匹配將傾向得分相近的企業進行匹配以控制企業資質的差異,匹配范圍限于滿足共同取值假定的樣本企業。表4展示了匹配前后,干預組與控制組在各協變量上的組間差異。可以看到,在進行傾向得分匹配后,所有協變量的組間差異均已不再顯著。
表4 傾向得分匹配前后協變量的組間比較

圖1反映了匹配前后,干預組與控制組在各協變量上的偏差率。當各點所在位置越接近橫軸“0”坐標時,表明干預組與控制組在該協變量上的偏差就越小。在匹配后(matched),各點均更靠近“0”坐標軸,表明匹配后各協變量的組間偏差均接近于0。可以認為,此時滿足傾向得分匹配的有條件獨立假定。

圖1 傾向得分匹配前后協變量的偏差率比較
通過圖2也可以直觀看到,絕大多數樣本的傾向得分均在共同取值范圍內,僅有干預組的4個樣本因傾向得分過高被剔除出分析,損失樣本較少。在剔除這少部分樣本后,可以認為此時滿足傾向得分匹配的共同取值假定。

圖2 傾向得分的共同取值范圍
下面進行雙重差分傾向得分匹配。考慮到科技計劃的資助效果可能存在滯后,本文在匹配后進行差分時,分別將目標年份設定為申請資助后的第一、第二、第三年,將其與基準期(t=0)進行比較,以加強研究結論的穩健性。估計結果分別見表5~表7,匯總后如表8所示。
表5 資助后第一年的平均干預效應

表6 資助后第二年的平均干預效應

表7 資助后第三年的平均干預效應

表8 863計劃的平均干預效應

研究發現,863計劃的資助顯著提升了企業的創新績效。盡管在申請資助后的第一年,這種效果并不顯著,甚至PSM-DID的平均干預效應估計值小于0;但在申請資助后的第二、第三年,PSM-DID的估計結果均大于0。這表明,在考慮選擇性偏誤后,干預組企業的新產品產值增長仍要明顯快于控制組企業,且這一結果在1%的置信水平下顯著。
除二次核匹配外,本研究還通過局部線性回歸匹配等其他匹配方法進行了估計,以加強結論的穩健性,獲得的結果與上文一致。從而假設“863計劃能顯著提升企業的創新績效”得證。
五 研究結論、不足與展望
我國于2014年啟動了新一輪的科技體制改革,舉措之一便是整合863計劃、并將其并入新設立的國家重點研發計劃。三十年來,盡管863計劃取得了突出的成績,但同時也遭到了一定的非議,亟須對執行效果展開科學評價。作為我國高技術發展的一面旗幟,對863計劃的評估與總結,直接關系到未來一段時期內我國的研發資助體系與科技計劃管理體制的改革取向與路徑選擇,具有重要價值。
本文以國家高技術研究發展計劃(863計劃)為例,實證考察了政府科技計劃的產出增量效應。基于863計劃的課題數據與國家統計局的工業企業數據,本研究構建了2001~2006年企業層級的863計劃申請與立項數據,并通過雙重差分傾向得分匹配估計(PSM-DID)有效控制了干預效應研究中常見的選擇性偏誤,尤其是企業的不可觀測特征所引起的隱性偏差。研究發現,863計劃能顯著提升資助企業的創新績效,且這一效果在企業申請資助后的第二、第三年顯著。
一般而言,技術創新是一個長期過程,從概念的誕生到創新產品的出現需經歷漫長的階段,中途還存在較大的不確定性(如研發的失敗、商業化的失敗等),因而本文觀察到企業在接受863計劃資助后的第二年,新產品產值就迅速得到提升,可能存在如下幾點原因:①企業在申請863計劃前就已制定了較明確詳盡的研發計劃;②企業申報的新產品可能以性能具有重大改進或提升的現有產品為主,成型的速率高、風險低,也更有可能在短期內研發成功并投入生產;③863計劃支持的研發活動,在該階段主要以技術跟蹤為主,因而研發活動的重心在于工程上的技術實現,面臨的不確定性較小。這一發現也與近期國外學者的研究結論一致。
本文的主要貢獻在于:
第一,引入了基于增量概念的科技計劃評估,并針對科技計劃的產出增量效應展開實證研究。產出增量無疑是評價科技計劃是否有效的直接證據,但相比其重要性,已有的實證研究還遠遠不足。尤其是對新興國家,與發達國家截然不同的政治經濟環境、法制建設與資本市場現狀,都為科技計劃的實際效果帶來極大的不確定性。本研究為這一尚處于爭議中的研究問題提供了來自新興國家的重要經驗證據。
第二,本文有效控制了評估類研究中常見的選擇性偏誤。一方面通過控制樣本來源,構建了申請863計劃的企業數據。由于申請863計劃需滿足一定的門檻,這批企業相較其他企業具備更強的創新意愿與技術實力,使得研究的外部干預條件(treatment)更接近于隨機實驗;另一方面,通過采用雙重差分傾向得分匹配估計,有效控制了創新意愿、政治關聯等不隨時間變化的不可觀測特征,克服了一般匹配方法的固有缺陷,從而對科技計劃的實際效果做出因果推斷。
當然,采用新產品產值作為創新績效的測度還有諸多不足。新產品產值主要反映產品技術創新的績效,難以體現工藝技術創新的績效,而后者恰恰在創新研究中極易遭到忽略。工藝技術創新有助于改善企業對生產要素的使用,提高勞動生產率;同時改善產品質量,縮短生產周期,對企業極端重要。此外,在實際操作中往往難以對新產品的定義進行準確把握,也不便在產業間與國家間進行橫向比較。
未來的相關研究可從以下幾個方向著手展開:①變量測度的拓展。綜合運用多個指標對企業創新績效進行測度,除新產品外,進一步考察科技計劃對企業新工藝、專利申請與專利授予等變量的影響。②科技計劃的拓展。研究對象應涵蓋在不同階段支持企業創新的政府科技計劃,包括基礎研究、概念驗證階段,以及早期技術研發與產品開發階段等,加強研究結論的外部效度。③研究方法的拓展。通過采用斷點回歸等準實驗設計,消除隨時間變化的不可觀測因素帶來的選擇性偏誤,同時運用案例研究方法打開科技計劃影響企業創新的過程黑箱。