
一、引 言
创新驱动的绿色发展是转变经济发展方式,实现经济高质量发展的必然选择。党的二十届三中全会强调要“聚焦建设美丽中国,加快经济社会发展全面绿色转型”。习近平总书记也指出,“绿色发展是高质量发展的底色,新质生产力本身就是绿色生产力”。这为推动高质量发展、建设美丽中国提供了行动纲领和科学指南。而发展绿色生产力的关键是要把加快绿色创新落到实处,以持续性绿色创新带动绿色产业增长,以巩固提升中国绿色发展优势。在此背景下,企业作为经济发展的关键主体和科技创新的主力军,肩负着构建绿色技术体系推进绿色文明发展道路的重要使命。然而,受绿色创新的外部性强、成本高、周期长和风险大等特征影响,企业开展持续性绿色创新的动力往往不足,若没有持续性的创新资源投入,很难将绿色创新落到实处。此外,市场逐利性也会进一步导致企业在持续性绿色创新的过程中出现“市场失灵”问题。因此,如何解决持续性绿色创新过程中“市场失灵”问题对加快形成绿色生产力至关重要。
事实上,在中国“有为政府+有效市场”的机制下,制度是引导企业开展持续性绿色创新的重要驱动力。2022年,财政部发布《财政支持做好碳达峰碳中和工作的意见》,强调“增投入、转方式、建机制”,通过综合运用财政资金引导和多元化投入等政策措施,为开展绿色低碳科技创新和基础能力建设等工作做好财政保障。据财政部披露,2023年中央财政安排生态环保和绿色低碳的相关资金已达到
值得注意的是,财政资金投入的多元化安排方式存在不同运作方式和作用渠道。在“拨”与“投”视角下,财政资金投入可分为补贴类与投资类。补贴类包括直接补贴和消费补贴等,是直接干预型工具的典型代表;投资类包括专项基金和债券发行等,是市场运作型工具的典型代表(赵天宇和郭树龙,2024)。这表明剖析本文核心问题需要考虑财政资金投入方式的差异性。同时,从“绿色”和“创新”两个政策目标来看,补贴类工具包括创新补贴和环保补贴。创新补贴旨在发挥财政科技经费的引导作用,推动企业技术创新;而环保补贴则是激励企业进行环保设备和环保工艺改进。投资类工具包括创新引导基金和绿色引导基金。创新引导基金支持科技创新,着力提升企业自主创新能力和关键核心技术攻关能力;而绿色引导基金以绿色转型为导向,重点扶持绿色产业和绿色技术。因此,本文将政府补贴、政府引导基金以及对应具象化政策工具纳入一个研究框架,以此分析“拨投结合”对企业持续性绿色创新的激励效应与机制。本文利用2003—2022年沪深A股上市公司数据,以政府补贴、政府引导基金以及“拨投结合”为出发点,检验其对企业持续性绿色创新的激励效应,并揭示作用机制与激励效应存在的特定条件。研究发现:①政府引导基金的激励效应强于政府补贴,“拨投结合”具有混合激励效应。将财政投入资金的目标具象化为“创新”和“绿色”后发现,仅有同质目标政策工具的“拨投结合”才具有混合激励效应。②激励效应产生的作用机制存在差异,创新倾向和融资约束是共性机制,风险承担和风险投资是差异化机制。③政府补贴、政府引导基金以及“拨投结合”的激励效应因企业面临的资本市场开放情况、环保压力以及所处生命周期的差异而存在不同。④相较于政府补贴,政府引导基金以及“拨投结合”引致的企业持续性绿色创新能够转化为绿色生产力。
本文可能的边际贡献有:①丰富与扩展了财政资金投入的创新激励效应和企业持续性绿色创新制度因素的识别两个领域文献。本文揭示了政府补贴与政府引导基金两类财政资金投入的“拨投结合”对企业持续性绿色创新的激励效应、差异化作用机制以及特定条件,并检验了“创新”和“绿色”目标下具象化政策工具“拨投结合”的激励效应,有助于加深对财政资金投入的绿色创新激励效应的理解。②基于持续性绿色创新的本质特征,从政策激励视角构建了政府补贴、政府引导基金以及“拨投结合”与企业持续性绿色创新的理论分析框架,统合了创新倾向、融资约束、风险承担以及风险投资等机制。从理论层面丰富和扩展了现有文献。③基于持续性绿色创新视角的研究结论具有重要现实价值。现有文献缺乏考虑绿色创新的持续性,而本文基于这一情境,研究了财政资金对推动企业持续性绿色创新的作用,对提升财政资金在加快形成绿色生产力方面的精准性、有效性,以及实现财政“增投入、转方式、建机制”具有启示意义。
二、文献回顾与机理分析
(一)文献回顾
持续性创新最早由Geroski等(1997)提出,强调企业维持长期累积知识和改进技术的动态过程。随后,学界关注的一个焦点是企业开展持续性创新的时间周期。这类文献的关键论点是:创新成功、知识积累与研发沉没成本是延长企业持续性创新时间周期的重要因素,然而,当前期创新能够满足当期需求时,企业会中断创新(Peters,2009)。同时,也有部分研究表明,持续性创新有两个时间阈值,一般在3年或5年后创新保持持续性的概率明显衰减(Peters,2009;Triguero和Córcoles,2013)。当前研究聚焦持续性绿色创新的影响因素与机制,从技术应用视角来看,数字化技术应用是企业持续性绿色创新的驱动因素,作用机制包括融资约束和资源配置(Zhang和Yu,2024);从高管特征视角来看,认为具有IT背景的CEO会推动企业持续性绿色创新(Pan等,2024);从政府行为视角来看,认为地方政府环保关注度能通过增加环保资源补偿与强化企业管理层环保认知而推动企业持续性绿色创新(周泽将和高雅萍,2025)。但现有研究尚未充分探讨不同方式的财政资金投入对企业持续性绿色创新的激励效应与差异化作用机制。
财政资金投入的创新激励效应也备受学界关注。就政府补贴而言,其有效性存在争议。一方面,直接型的补贴政策对企业私人性质创新投入具有挤出效应(张杰,2021),并且存在逆向选择、道德风险行为与创新惰性行为等问题,会造成一定的扭曲性激励(安同良等,2009),从而对企业技术创新无显著影响(陈强远等,2020)。另一方面,政府补贴的创新激励效应具有条件有效性,这些条件包括要素市场扭曲与所有制的联合调节(杨洋等,2015)以及企业金融化与所有制的联合调节(吴伟伟和张天一,2021)。此外,就绿色创新而言,适度的政府补贴能通过降低企业融资成本和提高企业自主研发能力等机制促进企业绿色创新(邹甘娜等,2023),且数字化转型、环境监管、董事会治理等因素能增强政府补贴的绿色创新激励效应(Duan等,2024)。可见,现有文献关于政府补贴的研究较为丰富,但缺乏针对企业持续性绿色创新激励效应的检验。
政府引导基金是支持企业技术创新的一项重要制度安排。现有文献指出,政府引导基金能聚集社会资本、引导资本投向(宫义飞等,2021),体现了政府“扶持之手”的作用。在创新激励效应方面,政府引导基金融合了“政府引导”和“市场机制”的优势,可通过提升对创新失败风险的容忍度和缓解外部融资约束而实现企业核心技术突破(吴超鹏和严泽浩,2023)。此外,赵天宇和郭树龙(2024)关注了政府补贴与政府引导基金的创新激励效应,并检验了资金融通及风险平衡两个共性传导机制。然而,该文并未聚焦持续性绿色创新的情境,尤其缺乏对以“创新”和“绿色”为目标的具象化政策工具激励效应的考察,同时也未识别两类政策工具的差异化作用机制。据此,本文将聚焦企业持续性绿色创新,以弥补现有文献的缺口。
(二)机理分析与假说
1. 政策激励机制。理解持续性绿色创新的关键在于准确把握“持续性”的内涵。Geroski等(1997)认为,创新的“持续性”是累积知识和改进技术相结合,并不断形成规模经济效益的动态过程。这是对熊彼特创新理论的延伸,即创新并非一蹴而就,而是一个不断试错、学习和演进的动态过程。其体现在两个方面:一是稳定性,即创新不是偶然的、断断续续的,而是具有相对稳定的趋势。企业只有保持技术进步的连续性,才能摆脱创新的偶然性和间断性,形成稳定的发展趋势。二是积累性,即创新的“持续性”依赖于企业在不断的研发、学习和实践中逐步积累的技术知识和创新能力。总之,技术进步与知识积累为企业创新提供了内在驱动力,从而使创新具有“持续性”。可见,熊彼特创新理论为持续性绿色创新提供了理论支撑。资源依赖理论认为,企业资源是有限的,其创新的“持续性”面临投入不足问题的制约(肖忠意和林琳,2019)。
制度理论为上述问题提供了理论回应,即制度因素在缓解资源约束、促进企业持续性绿色创新方面发挥着重要作用。具体地,政府补贴与政府引导基金作为两类不同的财政资金投入方式,能有效克服持续性绿色创新过程面临的外部性强、成本高、周期长与风险大等一系列特征难题(王永贵和李霞,2023),见表1。首先,持续性绿色创新具有一定公共产品属性,有显著的外部性,而政府补贴与政府引导基金作为政府干预手段能弥补“市场失灵”。其次,政府补贴作为无偿转移支付,具有直接资金支持效应;政府引导基金作为市场化财政资金投入的抓手,能吸引社会资本共同参与绿色创新投资,为企业提供持续、稳定的资本支持。两者均能缓解持续性绿色技术研发投入成本高的问题(刘剑民等,2024;孟祥瑜等,2024)。最后,持续性绿色创新使得企业面临着更高的技术与市场双重不确定性以及高创新失败风险,也面临长期创新动力不足的挑战,作为耐心资本,政府引导基金具有长期目标导向,且其风险共担与收益共享机制能有效分散企业开展持续性绿色创新的风险,增强长期战略投入动力。
| 持续性绿色 创新 |
特征 | 外部性强 | 成本高 | 周期长 | 风险大 |
| 需求 | 具有公共产品性质, 需要激励性制度驱动 |
研发应用成本高, 需要多方资本支持 |
研发周期与回报周期长,需要长期战略支持 | 技术与市场不确定性高,需要建立风险分担与收益分享机制 | |
| 政府补贴 | 特征 | 激励性工具 | 直接支持 | 短期目标导向 | 单方风险 |
| 有效性 | √ | √ | |||
| 政府引导基金 | 特征 | 激励性工具 | 政策杠杆 | 长期目标导向 | 风险共担 |
| 有效性 | √ | √ | √ | √ |
然而,补贴政策的单向支持特性可能导致企业产生依赖性,补贴退出后创新持续性不足(Song等,2023)。相比之下,政府引导基金利用“有为政府+有效市场”的运行机制,依托专业化的项目筛选体系、规范化的投资管理流程以及系统化的增值服务体系,可有效规避传统政府补贴模式中存在的寻租、策略性创新等问题,能削弱“政府失灵”风险(赵天宇和郭树龙,2024)。
此外,政府补贴与政府引导基金“拨投结合”能够实现协同投入,产生“1+1>2”的资源叠加效应,具备混合激励效应。具体来说,政府补贴解决初期资金缺口,激励短期绿色创新;而政府引导基金通过市场化运作方式,提供持续资本支持,确保绿色创新的持续性。因此,“拨投结合”能发挥短期和中长期的激励效应。
综上,提出假说H1:政府引导基金对企业持续性绿色创新的激励效应强于政府补贴,并且“拨投结合”具有混合激励效应。
2. 创新倾向机制。持续性绿色创新具有正外部性特征,企业无法完全获得创新的社会收益,导致其创新意愿不足。财政资金投入可通过补偿机制有效缓解这一问题,激励企业持续性绿色创新。具体地,政府补贴体现了成本补偿机制,作为一种直接的财政资金支持方式,能降低其绿色创新的初始成本压力(Dimos和Pugh,2016)。特别是在持续补贴的支持下,企业研发资金压力逐步得到缓解,其创新倾向会显著增强,进而可能将绿色创新作为长期战略(赵玉林和谷军健,2018)。政府引导基金则体现了“成本+收益”补偿机制。一方面,其能通过股权投资等方式分担企业研发成本,并借助资本纽带的深度合作模式,推动企业从被动响应绿色创新转向主动将其作为战略重点。另一方面,政府引导基金可帮助企业快速实现从技术创新到商业落地,从而弥补企业因正外部性而未能获得的收益。这种财政资金投入方式增强了企业创新倾向,能激励其加大绿色技术研发的持续投入。据此,提出假说H2:政府补贴、政府引导基金以及“拨投结合”可通过增强企业创新倾向,进而激励企业持续性绿色创新。
3. 融资约束机制。持续性绿色创新具有高成本特征,企业在研发过程中面临较大的资金压力,而财政资金投入能缓解企业融资约束,为其提供资金保障。一方面,政府补贴具有信号传递效应,能向市场传递政府对创新的支持态度,从而增强投资者和金融机构的信心(郭玥,2018)。这种信号传递效应有助于缓解企业融资约束,降低外部融资成本,使企业易获得资金支持,并加大绿色创新投入,推动绿色创新从短期行为向长期战略转变(鞠晓生等,2013)。另一方面,引导基金能通过政策杠杆效应撬动多方资本注入,缓解企业融资约束(吴超鹏和严泽浩,2023)。原因在于,政府引导基金通常与金融机构或企业联合运作,能缓解企业在资本市场上面临的信息不对称,且可通过资金靶向作用引导资本投向,降低企业信贷资金成本,从而发挥“融资造血”功能(宫义飞等,2021),为企业开展持续性绿色创新提供资金支持。据此,提出假说H3:政府补贴、政府引导基金以及“拨投结合”能通过缓解企业融资约束而激励企业持续性绿色创新。
4. 风险承担机制。持续性绿色创新具有研发周期与回报周期长的特征,企业需要具备较强的风险承担能力才能应对潜在风险。政府引导基金的长期目标导向,使其具备耐心资本特性(张壹帆和陆岷峰,2025),这对提升企业风险承担能力具有重要作用。政府引导基金具有较长的投资周期和较低的回报预期,能提供持续、稳定的资金支持,使企业能更好地应对绿色创新的技术、市场和政策不确定性,从而激励企业开展长周期的创新活动,推动持续性绿色创新。相比之下,政府补贴在提升企业风险承担能力方面的作用较为有限(高翔和独旭,2017)。因为政府补贴主要解决企业的短期财务需求,帮助企业应对即时的资金问题,不能增强其在持续性绿色创新中的风险承担能力。因此,由于缺乏耐心资本特性,政府补贴难以激励企业在面对长期绿色创新风险时作出积极决策。基于此,提出假说H4:相较于政府补贴,政府引导基金能够提升企业风险承担能力,激励企业持续性绿色创新。
5. 风险投资机制。持续性绿色创新具有高风险特征,企业需要通过风险转移机制来分担创新失败的代价,而政府引导基金通过风险分担与收益共享机制,能够有效吸引风险投资参与。通过建立“政府引导、市场运作”的投资机制,政府引导基金与风险投资者共同承担投资风险,从而降低企业代理成本(杨军等,2009)。此外,风险投资者参与不仅能带来资金支持,还能为企业提供丰富的市场经验、行业洞察和战略指导,帮助企业实现绿色技术商业化应用,从而激励企业开展持续性绿色创新。相比之下,政府补贴在帮助企业获取风险投资方面的作用较为有限,因为其补贴的支持方式与风险投资的运作逻辑存在差异。一是补贴缺乏市场化回报机制,难以与风险投资追求资本增值的目标有效衔接;二是补贴的短期目标导向无法满足风险投资对长期资本运作的需求。因此,在缺乏风险投资参与的情况下,管理者的代理冲突将成为制约企业开展持续性绿色创新的重要因素(王永贵和李霞,2023)。基于此,提出假说H5:相较于政府补贴,政府引导基金能够吸引风险投资,激励企业持续性绿色创新。
综合机理分析与假说,本文构建了一个理论分析框架(见图1)。
|
| 图 1 理论分析框架 |
三、研究设计
(一)模型构建
本文构建了双向固定效应模型来检验政府补贴、政府引导基金以及“拨投结合”对企业持续性绿色创新的激励效应。
| $ {SGI}_{i,t}={\alpha }_{0}+{\alpha }_{1}{GS}_{i,t}+\sum {\alpha }_{n}{Controls}_{i,t}+\sum Year+\sum Firm+{\varepsilon }_{i,t} $ | (1) |
| $ {SGI}_{i,t}={\alpha }_{0}+{\alpha }_{1}{GGF}_{i,t}+\sum {\alpha }_{n}{Controls}_{i,t}+\sum Year+\sum Firm+{\varepsilon }_{i,t} $ | (2) |
| $ {SGI}_{i,t}={\alpha }_{0}+{\alpha }_{1}{GS}_{i,t}+{\alpha }_{2}{GGF}_{i,t}+{\alpha }_{3}{GS\times GGF}_{i,t}+\sum {\alpha }_{n}{Controls}_{i,t}+\sum Year+\sum Firm+{\varepsilon }_{i,t} $ | (3) |
其中,SGI表示企业持续性绿色创新;GS表示政府补贴,GGF表示政府引导基金,GS×GGF表示“拨投结合”;Controls表示控制变量集;Year表示年份固定效应;Firm表示企业固定效应;i表示企业下标,t表示年份下标。
(二)变量说明
1. 被解释变量:企业持续性绿色创新(SGI)。其本质属性体现在时间维度上的持续性,即在较长的时间跨度内维持创新活动的能力和趋势,表现为时序上的动态变化和创新规模的积累效应。部分研究表明,创新的持续性具有时间阈值(3年或5年),尤其是3年时间周期更为明显(Peters,2009;Triguero和Córcoles,2013)。基于此,本文参考周泽将和高雅萍(2025)的做法,利用企业绿色专利申请数量的前后期增长率与当期和前期的绿色专利申请总量之间的乘积来反映企业绿色创新的持续程度,见公式(4)。
| $ {SGI}_{i,t}=\frac{{GI}_{i,t}+{GI}_{i,t-1}}{{GI}_{i,t-1}+{GI}_{i,t-2}}({GI}_{i,t}+{GI}_{i,t-1}) $ | (4) |
2. 解释变量:政府补贴(GS)、政府引导基金(GGF)以及“拨投结合”(GS×GGF)。其中,政府补贴采用企业当年获得的政府补贴金额占年末总资产的比例来衡量;政府引导基金则参考孟祥瑜等(2024)的研究,使用政府引导基金总共持有的被投企业股权比例进行度量;“拨投结合”使用政府补贴与政府引导基金的交乘项衡量。
3. 机制变量:创新倾向(CIT),参考孟庆斌等(2019)的研究,用企业年度研发支出与年末总资产之比衡量。融资约束(FC),参考李春涛等(2020)的研究,用FC指数衡量。风险承担(CRT),参考何瑛等(2019)的研究,用t至t+2年的经年度行业均值调整后的企业盈利能力的极差衡量。风险投资(VC),参考吴超鹏等(2012)的研究,用上市公司是否具有风险投资背景的虚拟变量衡量,企业十大股东中有风险投资取1;否则取0。
4. 控制变量。一方面,控制如下企业层面的财务变量:资产负债率(Lev),年末总负债/年末总资产;企业价值(TobinQ),用托宾Q值衡量;账面市值比(BM),用账面价值比总市值衡量;两职合一(Dual),董事长与总经理是同一个人为1,否则为0;财务杠杆(FL),用(净利润+所得税费用+财务费用)/(净利润+所得税费用)衡量。另一方面,控制以下影响企业绿色创新的变量:供应链数字化(DSC),企业入选商务部“供应链创新与应用试点企业”当年及之后年份为1,否则为0;供应链金融化(SCF),用企业年报中供应链金融关键词词频衡量,并做对数化处理;CEO绿色经历(CGE),CEO具有绿色经历取1,否则为0。
(三)数据说明
本文以2003—2022年沪深A股上市公司为研究样本。首先,2003年国务院发布了《中国21世纪初可持续发展行动纲要》,明确了绿色创新是推动可持续发展的核心任务之一,因此,该纲要是研究我国绿色创新问题的关键起点。其次,数据情况如下:政府引导基金数据来自清科私募通数据库;绿色专利数据来自国家知识产权局;政府补贴和供应链金融数据根据上市公司年报整理;供应链数字化数据根据商务部名单整理;其他变量的原始数据来自中国研究数据服务平台(CNRDS)、万德数据库(Wind)和国泰安数据库(CSMAR)。最后,参考以往的研究惯例,对样本数据进行以下处理:①剔除了金融业、处于ST状态的企业;②剔除被解释变量、核心解释变量观测值缺失的样本,并剔除绿色专利申请数量在样本期内观测值始终为0或缺失的样本;③为了克服极端值对估计结果可能带来的影响,将连续变量进行了1%的缩尾处理。
四、实证结果分析
(一)基准回归
基准回归对假说H1进行了实证检验,估计结果如表2所示。其中,列(1)表明,政府补贴对企业持续性绿色创新具有激励效应,且在1%水平上显著。逻辑在于:作为直接干预型政策工具,政府补贴能通过成本补偿机制缓解持续性绿色创新的外部性问题;同时,作为无偿转移支付,政府补贴具有短期目标导向和直接资金支持效应,能够缓解企业在绿色创新上的资金瓶颈,并通过信号传递效应缓解企业融资约束,降低外部融资成本,激励企业绿色创新从短期行为向长期战略转变,从而有效缓解持续性绿色创新成本高的问题。
| 变量 | 非标准化回归系数 | 标准化回归系数 | ||||||
| (1)SGI | (2)SGI | (3)SGI | (4)SGI | (5)SGI | (6)SGI | (7)SGI | (8)SGI | |
| GS | 1.436***(0.406) | 1.402***(0.406) | 1.262***(0.407) | 0.022***(0.006) | 0.022***(0.006) | 0.020***(0.006) | ||
| GGF | 5.333***(0.861) | 5.292***(0.861) | 1.277(1.342) | 0.045***(0.007) | 0.044***(0.007) | 0.011(0.011) | ||
| GS×GGF | 4.503***(1.155) | 0.046***(0.012) | ||||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 |
| R2 | 0.089 | 0.090 | 0.090 | 0.091 | 0.089 | 0.090 | 0.090 | 0.091 |
| 注:*、**和***分别表示在10%、5%和1%水平上显著,括号内为标准误,限于篇幅,控制变量和常数项的估计结果未予列出,固定效应包括企业固定效应、年份固定效应,下表统同;此外,下表均展示标准化回归系数。 | ||||||||
表2列(2)表明,政府引导基金对企业持续性绿色创新具有激励效应,并且在1%水平上显著。原因在于:作为市场运作型政策工具,政府引导基金能通过“成本+收益”补偿机制缓解持续性绿色创新的外部性问题;并能通过发挥政策杠杆效应,吸引社会资本共同参与绿色创新投资,为企业提供持续、稳定的资本支持;同时,风险共担与收益共享机制能有效分散企业持续性绿色创新风险,从而缓解持续性绿色创新的成本高、周期长、风险性大问题。
表2列(4)进一步考察了“拨投结合”的混合激励效应,结果表明,政府补贴与政府引导基金的交互项在统计意义上具有显著性。背后逻辑在于:“拨投结合”能够形成政策合力,产生“1+1>2”的资源叠加效应。事实上,各地政府也在积极探索支持科技成果转化的“拨投结合”的创新模式,从而发挥补贴类与投资类财政资金投入的组合效能。
为比较政府补贴和政府引导基金对企业持续性绿色创新的作用大小,本文采用标准化回归进行分析。表2列(7)显示,政府补贴的估计系数显著为0.022,政府引导基金的估计系数显著为0.044,这表明政府引导基金的激励效应强于政府补贴。背后逻辑在于:政府引导基金利用“有为政府+有效市场”的运行机制,依托专业化的项目筛选体系、规范化的投资管理流程以及系统化的增值服务体系,有效规避了传统政府补贴模式中存在的寻租和策略性创新等问题,削弱了财政资金投入的“政府失灵”风险。至此,假说H1得证。
(二)具象化政策工具检验
政府补贴和政府引导基金具有多元化目标,因此,本文紧扣持续性绿色创新这一特殊情境,将财政投入资金目标具象化为“创新”和“绿色”,并检验单一目标政策工具、同质目标政策工具组合、异质目标政策工具组合的激励效应。在政府补贴方面,聚焦政府创新补贴(GSI)和政府环保补贴(GSG)两类工具。其中,政府创新补贴使用企业获得政府创新补贴额与企业年末总资产的比例衡量。企业获得的政府创新补贴额是基于公司年报,运用“关键词检索”方法搜索政府补助明细中的具体项目名称,从而确定属于创新补助范畴的项目,并加总得到公司年度创新补贴总额(郭玥,2018);政府环保补贴使用企业获得政府环保补贴额与企业年末总资产的比例衡量,企业获得的政府环保补贴额的收集方法与政府创新补贴额相同。
政府引导基金方面,本文聚焦政府创新引导基金(GGFI)和政府绿色引导基金(GGFG)两类工具。其中,政府创新引导基金使用总共持有的被投企业累计股权比例测度。根据《国务院办公厅关于促进政府投资基金高质量发展的指导意见》,创业投资类基金的目标是支持科技创新,推动加快实现高水平科技自立自强,提升自主创新能力和关键核心技术攻关能力。因此,本文基于清科私募通数据库,通过企业所获得基金名称中是否包括“创业”“创新”关键词,识别企业是否获得政府创新引导基金。政府绿色引导基金同样使用总共持有的被投企业累计股权比例测度。中国循环经济协会统计分析表明,政府绿色引导基金的主要投向是环保、新能源和新材料行业。
表3展示了具象化政策工具的检验结果。从单一目标政策工具来看,政府创新补贴与政府环保补贴均能促进企业持续性绿色创新,其逻辑在于,补贴类政策具有成本补偿效应以及信号传递效应;政府创新引导基金与政府绿色引导基金均能促进企业持续性绿色创新,原因在于,投资类政策具有“成本+收益”补偿效应、政策杠杆效应、耐心资本效应以及风险分担效应,能有效克服企业持续性绿色创新的四大难题。从目标单一政策工具的估计系数来看,政府创新引导基金的激励效应要强于政府创新补贴,政府绿色引导基金的激励效应要强于政府环保补贴,这说明市场化运作方式的投资类工具比直接干预型的补贴类工具更有效。另一方面,从政策工具组合来看,以“创新”为目标的政府创新补贴与政府创新引导基金的“拨投结合”、以“绿色”为目标的政府环保补贴与政府绿色引导基金的“拨投结合”均具有显著的激励效应。相反,异质目标政策工具的“拨投结合”激励效应不明显。原因在于,同质目标政策工具组合能通过目标聚焦、信号协同与资源互补形成激励合力;而异质目标政策工具组合会因目标冲突而引发资源耗散和信号模糊,进而增加决策成本,削弱混合激励效应。
| 变量 | 单一目标政策工具 | 同质目标政策工具组合 | 异质目标政策工具组合 | |||||
| (1)SGI | (2)SGI | (3)SGI | (4)SGI | (5)SGI | (6)SGI | (7)SGI | (8)SGI | |
| GSI | 0.012**(0.005) | 0.012**(0.005) | 0.012**(0.005) | |||||
| GSG | 0.011**(0.005) | 0.012**(0.005) | 0.012**(0.005) | |||||
| GGFI | 0.052***(0.019) | 0.044**(0.020) | 0.053***(0.019) | |||||
| GGFG | 0.020***(0.005) | 0.012**(0.006) | 0.019***(0.006) | |||||
| GSI×GGFI | 0.013**(0.007) | |||||||
| GSG×GGFG | 0.017***(0.005) | |||||||
| GSI×GGFG | 0.003(0.005) | |||||||
| GSG×GGFI | 0.007(0.005) | |||||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 | 29 270 |
| R2 | 0.089 | 0.089 | 0.089 | 0.089 | 0.089 | 0.090 | 0.089 | 0.089 |
(三)稳健性与内生性检验
1. 增加宏观层面控制变量。本文增加以下宏观层面控制变量进行稳健性检验:地区研发支出强度(RD),用所在省份R&D经费内部支出与GDP的比值衡量;地区产业结构高级化(SH),用所在省份三产与二产的比值衡量;地区技术市场发展水平(TM),用所在省份技术成交额与GDP的比值衡量;地区金融发展水平(FM),用所在省份金融机构存贷款之和与GDP的比值衡量。在增加宏观层面控制变量后,估计结果与基准回归结果基本一致。
2. 控制高维固定效应。本文进一步控制行业和省份固定效应,结果表明在同时固定企业、年份、行业、省份后,政府补贴、政府引导基金以及“拨投结合”对企业持续性绿色创新的估计系数符号方向、大小顺序和显著性水平均与基准回归结果基本一致。
3. 子样本回归。考虑突发公共卫生事件的影响,本文对样本做了处理,剔除了2020年及以后的观测样本并对基准模型进行重新估计,结果表明核心解释变量对被解释变量的影响系数方向和显著性与基准回归结果基本一致,这表明基准回归结论是稳健的。
4. 内生性处理。本文分别以政府补贴、政府引导基金以及“拨投结合”的滞后一期项作为工具变量,采用二阶段最小二乘法进行估计检验。回归结果如表4列(1)至列(3)所示,政府补贴和政府引导基金以及“拨投结合”的估计系数符号和显著性水平均与基准回归结果基本一致,这表明在控制可能的内生性问题后,本文的研究结论仍稳健。
| 变量 | (1) | (2) | (3) |
| SGI | SGI | SGI | |
| GS | 0.043**(0.019) | 0.033*(0.019) | |
| GGF | 0.064***(0.011) | −0.023(0.025) | |
| GS×GGF | 0.110***(0.028) | ||
| 控制变量 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 25 571 | 25 571 | 25 571 |
| R2 | 0.083 | 0.085 | 0.084 |
(四)作用机制检验
1. 创新倾向机制。由表5列(1)至列(4)可知,企业创新倾向的增强显著推动了企业持续性绿色创新,并且政府补贴、政府引导基金以及“拨投结合”均能显著增强企业创新倾向。其逻辑在于:直接的财政资金支持能降低企业绿色创新的初始成本压力,在持续补贴的情况下,企业创新倾向显著增强,可能会将绿色创新活动纳入企业长期战略决策(Dimos和Pugh,2016;赵玉林和谷军健,2018);而政府引导基金不仅能通过股权投资等方式分担企业的研发成本,还可帮助企业快速实现技术创新商业落地,弥补企业因正外部性而未能获得的收益。因此,财政资金的投入能使创新外部性得到缓解,增强企业创新倾向,从而保证绿色创新方面的研发投入与产出的持续性。基于此,假说H2得以验证。
| 变量 | 创新倾向机制 | 融资约束机制 | ||||||
| (1)CIT | (2)CIT | (3)CIT | (4)SGI | (5)FC | (6)FC | (7)FC | (8)SGI | |
| GS | 0.074***(0.004) | 0.073***(0.004) | −0.008*(0.004) | −0.007*(0.004) | ||||
| GGF | 0.008*(0.004) | −0.012*(0.007) | −0.025***(0.005) | −0.013(0.009) | ||||
| GS×GGF | 0.025***(0.007) | −0.014*(0.009) | ||||||
| CIT | 0.057***(0.014) | |||||||
| FC | −0.068***(0.010) | |||||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 19 957 | 19 957 | 19 957 | 19 957 | 28 788 | 28 788 | 28 788 | 28 788 |
| R2 | 0.090 | 0.075 | 0.091 | 0.059 | 0.418 | 0.419 | 0.419 | 0.090 |
2. 融资约束机制。由表5列(5)至列(8)可知,企业融资约束的缓解能促进企业持续性绿色创新,并且政府补贴和政府引导基金以及“拨投结合”均能缓解企业融资约束。其逻辑在于:政府补贴具有信号传递效应,能够向市场传递政府的支持态度,从而增强投资者和金融机构的信心,缓解企业融资约束,为持续性绿色创新提供资金保障(郭玥,2018);而政府引导基金能通过政策杠杆效应撬动多方资本注入,降低企业信贷资金成本,从而发挥“融资造血”功能,为持续性绿色创新提供资金保障(宫义飞等,2021;吴超鹏和严泽浩,2023)。因此,在财政资金投入的作用下,企业融资约束得到缓解,持续性绿色创新的高成本问题得到解决。至此,假说H3得证。
3. 风险承担机制。由表6列(1)至列(4)可知,企业风险承担能力提升促进了企业持续性绿色创新,但仅政府引导基金提升了企业风险承担能力。原因在于:政府引导基金以长期目标为导向,具有较长的投资周期和较低的回报预期,体现了耐心资本的特性,能够提供持续、稳定的资金支持,从而激励企业进行长周期创新活动,实现持续性绿色创新(张壹帆和陆岷峰,2025);相比之下,政府补贴主要解决企业的短期财务需求,应对企业即时的资金问题,缺乏耐心资本特性,难以增强企业风险承担能力(高翔和独旭,2017)。这表明由于政策工具性质的差异,“拨投结合”难以在提升企业风险承担能力方面形成合力。基于此,假说H4得以验证。
| 变量 | 风险承担机制 | 风险投资机制 | ||||||
| (1)CRT | (2)CRT | (3)CRT | (4)SGI | (5)VC | (6)VC | (7)VC | (8)SGI | |
| GS | −0.008(0.008) | −0.008(0.008) | 0.011(0.038) | 0.014(0.038) | ||||
| GGF | 0.023*(0.013) | 0.006(0.022) | 0.070**(0.036) | 0.124*(0.064) | ||||
| GS×GGF | 0.026(0.027) | −0.086(0.086) | ||||||
| CRT | 0.010*(0.005) | |||||||
| VC | 0.069***(0.015) | |||||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 25 987 | 25 987 | 25 987 | 25 987 | 12 880 | 12 880 | 12 880 | 23 619 |
| R2 | 0.041 | 0.041 | 0.041 | 0.090 | − | − | − | 0.066 |
| 注:列(5)−列(7)使用Logit模型估计;VC变量未作标准化处理。 | ||||||||
4. 风险投资机制。由表6列(5)至列(8)可知,风险投资能促进企业持续性绿色创新,但仅政府引导基金促进了企业吸引风险投资。逻辑在于:政府引导基金能通过风险分担与收益共享机制有效吸引风险投资参与,降低企业代理成本,并且风险投资者的参与不仅带来了资本支持,还能为企业提供丰富的市场经验、行业洞察和战略指导,帮助企业实现绿色技术商业化应用,减少企业创新失败风险,从而激励企业进行持续性绿色创新(杨军等,2009);相比之下,由于政府补贴的支持方式与风险投资的运作逻辑存在差异,使得获补企业对风险投资的吸引作用较弱。这也表明由于政策工具性质的差异,“拨投结合”难以在吸引风险投资方面形成合力。基于此,假说H5得以验证。
五、拓展性分析
(一)异质性分析
1. 资本市场开放视角。本文将样本企业按照是否为沪深港通划分为资本市场开放程度高和资本市场开放程度低两组进行异质性分析。由表7可知,政府补贴、政府引导基金以及“拨投结合”对企业持续性绿色创新的激励效应和混合激励效应在资本市场开放程度高的企业中更显著。原因在于:政府补贴、政府引导基金向市场释放了明确的政策支持信号,表明企业战略符合国家创新导向,增强了投资者的信心;这种政策背书降低了企业融资成本与风险溢价,同时形成了稳定的创新投入预期,能倒逼企业加大研发以匹配政策合法性和市场估值期望,从而形成“信号强化—资源集聚—创新兑现”的正向循环。
| 变量 | 沪深港通 | 非沪深港通 | 沪深港通 | 非沪深港通 | 沪深港通 | 非沪深港通 |
| (1)SGI | (2)SGI | (3)SGI | (4)SGI | (5)SGI | (6)SGI | |
| GS | 0.028***(0.008) | 0.007(0.006) | 0.025***(0.008) | 0.007(0.006) | ||
| GGF | 0.041***(0.008) | 0.009(0.013) | 0.005(0.013) | 0.015(0.026) | ||
| GS×GGF | 0.048***(0.013) | −0.008(0.032) | ||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 22 663 | 6 607 | 22 663 | 6 607 | 22 663 | 6 607 |
| R2 | 0.103 | 0.021 | 0.104 | 0.021 | 0.105 | 0.021 |
| 经验P值 | 0.020** | 0.160 | 0.080* | |||
| 注:经验P值用于检验组间系数差异的显著性,采用费舍尔组合检验得到,下表统同。 | ||||||
2. 环保压力视角。本文依据企业所在城市是否位于2007年国务院公布的《国家环境保护“十一五”规划》中的113个环保重点城市,将样本企业分为两组进行回归分析。由表8可知,在不同组别中政府补贴和政府引导基金均能促进企业持续性创新,而“拨投结合”仅对位于环保重点城市的企业具有混合激励效应。原因在于:位于环保重点城市的企业面临更大的绿色转型压力和更强的技术改造需求,会综合利用各类财政资金进行持续性绿色创新。
| 变量 | 环保重点城市 | 非环保重点城市 | 环保重点城市 | 非环保重点城市 | 环保重点城市 | 非环保重点城市 |
| (1)SGI | (2)SGI | (3)SGI | (4)SGI | (5)SGI | (6)SGI | |
| GS | 0.022***(0.007) | 0.040**(0.017) | 0.019**(0.007) | 0.039**(0.017) | ||
| GGF | 0.041***(0.008) | 0.077***(0.029) | 0.007(0.012) | 0.046(0.059) | ||
| GS×GGF | 0.046***(0.013) | 0.034(0.058) | ||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 23 473 | 3 004 | 23 473 | 3 004 | 23 473 | 3 004 |
| R2 | 0.096 | 0.058 | 0.097 | 0.059 | 0.098 | 0.061 |
| 经验P值 | 0.360 | 0.240 | 0.500 | |||
3. 生命周期视角。本文参考刘诗源等(2020)的研究,采用现金流模式法,用经营、投资、筹资三类活动现金流净额的正负组合来反映不同生命周期的经营风险、盈利能力和增长速度等特征,进而客观划定企业在当年所属的生命周期阶段,并在此基础上进行异质性分析。结果如表9所示,政府补贴、政府引导基金以及“拨投结合”对处于成长期和成熟期企业的持续性绿色创新具有显著的激励效应,对衰退期企业作用不明显。原因在于:对于成长期、成熟期企业来说,财政资金投入能降低研发成本,激励其持续性绿色创新;而对于衰退期企业来说,其面临市场萎缩和资源短缺,即使获得资金支持,也缺乏足够资源、能力与意愿进行持续性绿色创新。
| 变量 | 成长期 | 成熟期 | 衰退期 | 成长期 | 成熟期 | 衰退期 | 成长期 | 成熟期 | 衰退期 |
| (1)SGI | (2)SGI | (3)SGI | (4)SGI | (5)SGI | (6)SGI | (7)SGI | (8)SGI | (9)SGI | |
| GS | 0.025** | 0.024** | 0.023 | 0.020* | 0.024** | 0.024* | |||
| (0.012) | (0.011) | (0.014) | (0.012) | (0.011) | (0.014) | ||||
| GGF | 0.055*** | 0.026* | −0.007 | 0.018 | −0.012 | 0.059 | |||
| (0.012) | (0.014) | (0.023) | (0.019) | (0.026) | (0.047) | ||||
| GS×GGF | 0.047** | 0.071* | −0.088 | ||||||
| (0.019) | (0.038) | (0.054) | |||||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 12 298 | 11 376 | 5 512 | 12 298 | 11 376 | 5 512 | 12 298 | 11 376 | 5 512 |
| R2 | 0.098 | 0.099 | 0.057 | 0.099 | 0.099 | 0.057 | 0.100 | 0.100 | 0.058 |
| 经验P值 | 成长期与成熟期:0.320 成长期与衰退期:0.320 成熟期与衰退期:0.500 |
成长期与成熟期:0.140 成长期与衰退期:0.460 成熟期与衰退期:0.340 |
成长期与成熟期:0.460 成长期与衰退期:0.140 成熟期与衰退期:0.220 |
||||||
(二)经济后果分析
习近平总书记指出,“绿色发展是高质量发展的底色,新质生产力本身就是绿色生产力”。培育绿色生产力需要推动战略性、前沿性、颠覆性绿色技术持续创新以及推广应用,不断提升绿色全要素生产率。因此,本文以企业绿色全要素生产率(GTFP)作为经济后果变量,参考崔兴华和林明裕(2019)的做法,采用非径向SBM-ML指数测度。由表10可知,GS×SGI对企业绿色全要素生产率的估计系数不显著,而GGF×SGI对企业绿色全要素生产率的估计系数在10%水平上显著为正,GS×GGF×SG对企业绿色全要素生产率的估计系数在5%水平上显著为正。这表明市场化运作方式的政府引导基金更有效,且当其与政府补贴相结合时,能够形成叠加效应。其逻辑在于:政府引导基金利用“有为政府+有效市场”的运行机制,削弱了“政府失灵”风险,有效规避了传统政府补贴模式中存在的策略性创新等问题,从而能够转化为企业绿色生产力。
| 变量 | (1) | (2) | (3) |
| GTFP(t+1) | GTFP(t+1) | GTFP(t+1) | |
| GS | 9.34×10−5(0.001) | 1.87×10−4(0.001) | |
| GGF | −0.003(0.002) | −0.002(0.002) | |
| SGI | 9.30×10−5(0.002) | 3.62×10−4(0.001) | 3.72×10−4(0.002) |
| GS×SGI | 0.001(0.001) | −4.37×10−5(0.001) | |
| GGF×SGI | 0.003*(0.002) | −0.006(0.005) | |
| GS×GGF×SGI | 0.012**(0.006) | ||
| 控制变量 | 控制 | 控制 | 控制 |
| 固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 24 001 | 24 001 | 24 001 |
| R2 | 0.983 | 0.983 | 0.983 |
六、结论与政策启示
探究政府补贴和政府引导基金两类财政资金投入的“拨投结合”对企业持续性绿色创新的激励效应,对构建“有为政府+有效市场”绿色创新支持体系,加快形成绿色生产力,推动中国高质量发展具有重要理论和实践意义。鉴于此,本文研究了政府补贴、政府引导基金以及“拨投结合”对企业持续性绿色创新的作用。研究得到以下结论:①财政资金投入是激励企业持续性绿色创新的重要驱动因素。政府补贴与政府引导基金均对企业持续性绿色创新具有激励效应,但政府引导基金的激励效应强于政府补贴,且“拨投结合”具有混合激励效应。②政策工具目标的异同决定了“拨投结合”的混合激励效应。以“创新”为目标的“拨投结合”和以“绿色”为目标的“拨投结合”具有混合激励效应,而异质目标政策工具“拨投结合”并无显著影响。③两类财政资金投入产生激励效应的作用机制存在差异。创新倾向、融资约束是共性机制,风险承担、风险投资是差异化机制。④两类财政资金投入的激励效应需在特定条件下才有效。激励效应因企业面临的资本市场开放情况、环保压力以及所处生命周期的差异而不同,尤其是“拨投结合”的混合激励效应在资本市场开放程度高的企业、环保重点城市的企业以及成长期与成熟期的企业中更明显。⑤市场运作方式的财政资金投入引致的持续性绿色创新能转化为企业绿色生产力。政府补贴引致的企业持续性绿色创新对企业绿色全要素生产率的提升效果较为有限,而政府引导基金与“拨投结合”引致的企业持续性绿色创新能有效提升企业绿色全要素生产率。
本文的政策启示如下:①优化补贴类与投资类的财政资金投入组合,发挥财政资金支持企业持续性绿色创新的协同效应。政府补贴要以更精准、更迅速、更便捷的方式向企业提供支持;政府引导基金应与资本市场深度融合,引导社会资本参与,并形成多元化的绿色创新投资体系;同时探索建立绿色发展领域“拨—投—股”的创新型财政支持模式,使财政资金实现“无偿拨款—项目投资—股权转化”的循环使用。②加强财政资金的“精准滴灌”,提升财政资金使用效能。政府需要兼顾政策工具目标导向与企业特征,“靶向”精准使用财政政策工具,突出绩效导向,用活有限的财政资金。③建立财政资金投入效果的监测和反馈机制。政府应建立有效的监测机制,定期评估各类财政资金投入对企业持续性绿色创新及其经济后果的影响,并根据评估结果及时调整政策实施细则,确保政策能够适应企业需求并产生预期效果。
| [1] | 安同良, 周绍东, 皮建才. R&D补贴对中国企业自主创新的激励效应[J]. 经济研究, 2009(10): 87–98,120. |
| [2] | 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(4): 79–96. |
| [3] | 崔兴华, 林明裕. FDI如何影响企业的绿色全要素生产率?——基于Malmquist-Luenberger指数和PSM-DID的实证分析[J]. 经济管理, 2019(3): 38–55. |
| [4] | 高翔, 独旭. 政府补贴、政府治理能力与出口企业风险承担[J]. 财贸研究, 2017(12): 47–60. |
| [5] | 宫义飞, 张可欣, 徐荣华, 等. 政府引导基金发挥了“融资造血”功能吗[J]. 会计研究, 2021(4): 89–102. DOI:10.3969/j.issn.1003-2886.2021.04.008 |
| [6] | 郭玥. 政府创新补助的信号传递机制与企业创新[J]. 中国工业经济, 2018(9): 98–116. |
| [7] | 何瑛, 于文蕾, 杨棉之. CEO复合型职业经历、企业风险承担与企业价值[J]. 中国工业经济, 2019(9): 155–173. |
| [8] | 鞠晓生, 卢荻, 虞义华. 融资约束、营运资本管理与企业创新可持续性[J]. 经济研究, 2013(1): 4–16. |
| [9] | 李春涛, 闫续文, 宋敏, 等. 金融科技与企业创新——新三板上市公司的证据[J]. 中国工业经济, 2020(1): 81–98. |
| [10] | 刘剑民, 夏琴, 徐玉德, 等. 产业技术复杂性、政府补助与企业绿色技术创新激励[J]. 南开管理评论, 2024(2): 94–103. |
| [11] | 刘诗源, 林志帆, 冷志鹏. 税收激励提高企业创新水平了吗?——基于企业生命周期理论的检验[J]. 经济研究, 2020(6): 105–121. |
| [12] | 孟庆斌, 李昕宇, 张修平. 卖空机制、资本市场压力与公司战略选择[J]. 中国工业经济, 2019(8): 155–173. |
| [13] | 孟祥瑜, 谢获宝, 黄大禹. 政府引导基金与企业劳动收入份额[J]. 财经研究, 2024(9): 154–168. |
| [14] | 王永贵, 李霞. 促进还是抑制: 政府研发补助对企业绿色创新绩效的影响[J]. 中国工业经济, 2023(2): 131–149. |
| [15] | 吴超鹏, 吴世农, 程静雅, 等. 风险投资对上市公司投融资行为影响的实证研究[J]. 经济研究, 2012(1): 105–119. |
| [16] | 吴超鹏, 严泽浩. 政府基金引导与企业核心技术突破: 机制与效应[J]. 经济研究, 2023(6): 137–154. |
| [17] | 吴伟伟, 张天一. 非研发补贴与研发补贴对新创企业创新产出的非对称影响研究[J]. 管理世界, 2021(3): 137–160. |
| [18] | 肖忠意, 林琳. 企业金融化、生命周期与持续性创新——基于行业分类的实证研究[J]. 财经研究, 2019(8): 43–57. |
| [19] | 杨军, 周月书, 楮保金. 政府创业风险投资引导基金组织制度安排与代理成本分析[J]. 经济学动态, 2009(6): 81–84. |
| [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(1): 75–86. |
| [21] | 张杰. 中国政府创新政策的混合激励效应研究[J]. 经济研究, 2021(8): 160–173. |
| [22] | 张壹帆, 陆岷峰. 新质生产力视角下政府引导基金“耐心度”培育: 评价体系与利益平衡[J]. 证券市场导报, 2025(1): 53–64. |
| [23] | 赵天宇, 郭树龙. 政府引导基金、政府补贴与企业创新: 效应差异与互补影响[J]. 经济与管理研究, 2024(7): 57–76. |
| [24] | 赵玉林, 谷军健. 政府补贴分配倾向与创新激励的结构性偏差——基于中国制造业上市公司匹配样本分析[J]. 财政研究, 2018(4): 61–74. |
| [25] | 周泽将, 高雅萍. 地方政府环保关注度与企业绿色持续创新水平[J]. 系统工程理论与实践, 2025(1): 17–35. DOI:10.12011/SETP2024-0580 |
| [26] | 邹甘娜, 袁一杰, 许启凡. 环境成本、财政补贴与企业绿色创新[J]. 中国软科学, 2023(2): 169–180. DOI:10.3969/j.issn.1002-9753.2023.02.016 |
| [27] | Dimos C, Pugh G. The effectiveness of R&D subsidies: A meta-regression analysis of the evaluation literature[J]. Research Policy, 2016, 45(4): 797–815. DOI:10.1016/j.respol.2016.01.002 |
| [28] | Duan Y, Xi B, Xu X, et al. The impact of government subsidies on green innovation performance in new energy enterprises: A digital transformation perspective[J]. International Review of Economics & Finance, 2024, 94: 103414. |
| [29] | Geroski P A, van Reenen J, Walters C F. How persistently do firms innovate?[J]. Research Policy, 1997, 26(1): 33–48. DOI:10.1016/S0048-7333(96)00903-1 |
| [30] | Pan J Y, Bao H, Cifuentes-Faura J, et al. CEO’s IT background and continuous green innovation of enterprises: Evidence from China[J]. Sustainability Accounting, Management and Policy Journal, 2024, 15(4): 807–832. DOI:10.1108/SAMPJ-07-2023-0497 |
| [31] | Peters B. Persistence of innovation: stylised facts and panel data evidence[J]. The Journal of Technology Transfer, 2009, 34(2): 226–243. DOI:10.1007/s10961-007-9072-9 |
| [32] | Song Y, Zhang Z Y, Sahut J M, et al. Incentivizing green technology innovation to confront sustainable development[J]. Technovation, 2023, 126: 102788. DOI:10.1016/j.technovation.2023.102788 |
| [33] | Triguero Á, Córcoles D. Understanding innovation: An analysis of persistence for Spanish manufacturing firms[J]. Research Policy, 2013, 42(2): 340–352. DOI:10.1016/j.respol.2012.08.003 |
| [34] | Zhang H N, Yu G C. Reducing costs or increasing efficiency? Unveiling the effects and mechanisms of the digital economy on sustained green innovation[J]. International Review of Economics & Finance, 2024, 96: 103605. |