空间计量视角下不同政府科技资助方式对企业研发投入的影响

摘要：基于空间计量视角，选取我国部分省区2011—2015年工业企业面板数据为样本，实证研究了政府不同科技资助方式对企业研发投入的影响。结果表明，我国各地区企业研发投入及政府直接补贴资助、直接税收优惠和间接税收优惠存在着显著的空间自相关性，主要表现为内生交互效应。政府直接补贴资助、直接税收优惠和间接税收优惠对企业研发投入均有显著的激励作用，但间接税收优惠的激励效果最好，直接税收优惠激励效果次之，直接补贴资助效果相对最弱。政府对大规模企业的研发投入激励效果要优于小规模企业;国有产权比重越高越不利于激发企业研发投入;企业绩效对于企业研发投入具有显著的正向影响;市场竞争会显著地促进企业提高研发投入水平。

关键词：空间计量;科技资助;研发投入

中图分类号：F 061.5文献标识码：A文章编号：1672-7312（2019）02-0215-07

0引言

党的十八大明确提出“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置。”党的十九大再次强调“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。”在此创新驱动发展的战略背景下，我国各级政府部门非常重视科技创新活动，致力于构建以企业为主体、市场为导向、产学研深度融合的技术创新体系，进而提升经济发展的质量。一方面，由于研发投入具有公共产品性质，研发活动存在市场失灵，市场竞争机制下企业对研发活动的投资规模可能低于社会的最优理想水平[1];另一方面，由于在不同的发展时期，政府需要对某些重点产业和符合国家科技发展方向的研发活动加以引导，以达到优化和调整产业结构的目的。这就需要政府发挥公共科技资源的杠杆功能，对企业研发投入进行引导，充分激发企业研发投入潜能，进而扩大全社会的研发投入规模。但是，政府科技资助能否发挥预期的激励效果，不同学者的研究结论却不尽相同。

Gonzalez[2]、Lee[3]、王俊[4]、白俊红[5]、廖信林[6]及王刚刚等[7]认为，政府科技资助有利于降低企业研发成本和风险，激发了技术创新的乘数效应，能够刺激企业进行更大的研发投入，并引导企业的技术创新方向，从而提升整个产业的研发创新能力。Wallste[8]，Montmartin和Herrera[9]及肖丁丁等[10]则认为，政府科技资助不仅不会刺激企业增加研发投入，反而会因为政府科技资助的刺激导致市场创新要素价格上涨，从而会在一定程度上抑制企业研发投入，甚至会替代一部分企业研发投入。还有学者认为政府科技资助对企业研发投入并不是简单的线性杠杆或挤出效应，而是存在非线性关系。如吴晓晓和苏朝晖[11]指出，政府科技强度与企业研发投入之间呈现倒“U”型关系，即随着政府资助强度的提高，企业研发投入强度的系数由正转负。张辉等[12]认为，政府补贴对企业研发投入的影响存在双重门槛效应，即当政府补贴强度在某个区间时，补贴效率最高。

上述结论大多是在考虑单一的政府科技资助方式得出的，很少考虑到政府不同科技资助方式的差异性，近几年有学者开始关注此问题的研究。如周海涛[13]等通过研究发现，政府直接资助方式对企业研发资金投入更易产生“挤出效应”，间接资助方式对企业研发资金投入更易产生“杠杆效应”;马文聪[14]等进一步地将政府科技资助分为直接补贴资助、直接税收优惠和间接税收优惠3种，研究发现：3种科技资助方式对企业研发投入均有显著激励效应，且直接税收的优惠最强。再者，已有文献很少考虑各地区企业研发投入之间以及政府科技助之间的空间交互影响。事实上，现实中由于研发资本在空间上的自由流动，以及区域创新生态系统日趋成熟，区域间的创新活动相互依赖是客观存在的。传统的不考虑区域创新活动的空间交互作用，则很有可能忽略了模型设定中的一些重要因素，从而导致模型分析结果缺乏有效的解释力。

鉴于以上分析，引入空间计量模型，探讨不同的政府科技资助方式对企业研发投入的影响。研究结果不仅可以评估政府以往科技资助政策的实施效果，也可以作为政府未来制定更加细致的科技资助政策体系的参考依据。

第2期刘明广：空间计量视角下不同政府科技资助方式对企业研发投入的影响1模型建立、变量说明与数据来源

1.1空间计量模型建立

在研究政府科技资助对企业研发投入的影响时，大多文献是将企业研发投入作为被解释变量，将政府科技资助作为解释变量构建回归模型[15-17]，其基本回归模型形式如下

ERD=c+α·X+β·Z+μ（1）

式中ERD为企业自身的研发投入;c为常数项;X为政府科技资助;Z为其它影响企业研发投入的控制变量;μ为随机误差项;α和β为模型回归系数，表示政府科技资助及其它控制变量对企业研发投入的影响。如果α和β显著为正时，表示政府科技资助和其它控制变量对企业研发投入具有激励效应;如果α和β显著为负时，表示政府科技资助和其它控制变量对企业研发投入具有挤出效应;如果α和β不显著时，表示政府科技资助和其它控制變量对企业研发投入影响关系尚不明确[18]。

传统的政府科技资助对企业研发投入回归模型没有考虑相邻地区间由于创新要素的流动会导致各地区发生联系，从而使各地区某些观测变量或属性值之间具有空间相关性。这种空间相关性通常在空间计量经济模型中表现为内生交互效应、外生交互效应或误差交互效应[19]。内生交互效应是指一个地区的企业研发投入受到临近地区企业研发投入的影响;外生交互效应则是指一个地区的企业研发投入会受到临近地区解释变量的影响;而误差交互效应是指模型某些遗漏的影响因素是空间相关的，或者不可观测的测量误差项是空间相关的。根据Halleck和Elhorst的研究，以上3种空间效应至少可以组合成7种空间计量模型，但在实际应用中，通常采用空间滞后模型（SAR）、空间误差模型（SEM）或空间杜宾模型（SDM），这3种空间计量模型形式如式（2）、式（3）和式（4）所示。

ERDit=c+ρ·W·ERDit+α·X+β·Zit+εit，εit=N（0，σ2）（2）

ERDit=c+α·Xit+β·Zit+（I-λW）-uit，uit=N（0，σ2）（3）

ERDit=c+ρ·W·ERDit+α·X+θ·W·X+β·Zit+εit，εit=N（0，σ2）（4）

式（2）、式（3）和式（4）中，i和t分别为第i个地区和第t年;ρ为被解释变量的空间滞后系数;θ为解释变量的空间滞后系数;λ为空间误差系数;W为空间权重矩阵;εit和uit为随机误差向量，其它符号意义同前。

1.2变量说明

1.2.1被解释变量

对于企业研发投入（ERD）的测量，本文选取《中国科技统计年鉴》各地规模以上工业企业研发经费内部支出中的企业自筹资金作为企业研发投入的替代指标。企业研发投入还涉及流量指标和存量指标的测量问题，在实证研究中2种方法均有采用。存量指标通常采用永续盘存法进行核算，由于在核算的过程中需要人为设定若干参数，导致企业研发投入存量核算结果不够准确。因此，鉴于无法客观地核算企业研发投入的存量指标，本研究采用企业研发投入的流量指标作为存量指标的替代指标。

1.2.2解释变量

政府对企业科技资助的方式多种多样，如政府财政科技拨款的科学技术支出、财政补贴、专项计划等直接支出，也包括政府的税收优惠、低息贷款及政府采购等间接方式。由于我国各类统计年鉴中很少有专门的政府科技资助统计数据，导致大多文献采用的是企业研发总投入中政府资金作为替代指标，还有的将政府财政拨款中的科技拨款作为替代指标。借鉴马文聪等人的研究方法，将中国《工业企业科技活动统计年鉴》中的“使用来自政府部门的研发资金”“高新技术企业减免税”和“研究开发费用加计扣除减免税”作为解释变量，并分别记作政府直接补贴资助（GDS）、直接税收优惠（GDT）和间接税收优惠（GIT）。

1.2.3控制变量

为了分离政府科技资助对企业研发投入的影响，大部分文献是将一些因素加以控制。常见的控制变量包括企业规模、产权类型、金融机构贷款、企业绩效、国际化、吸收能力、市场规模及市场竞争等。考虑到数据的可得性和控制变量采用的频次，采用企业规模（S）、产权类型（O）、企业绩效（P）和竞争程度（M）作为控制变量。被解释变量、解释变量和控制变量的具体定义及说明见表1.

1.3数据来源

由于我国西藏、香港、澳门以及台湾4个省级行政区的大部分数据缺失。因此，本文以除了上述4个省级行政区以外，选取我国30个省级地区规模以上工业企业为研究对象，并将规模以上工业企业简称为企业。尽管从2009年开始，中国《工业企业科技活动统计年鉴》开始记载“使用来自政府部门的科技活动资金”“高新技术企业减免税”和“研究开发费用加计扣除减免税”数据，但考虑到2010年以前的数据口径为大中型工业企业，而2011年以后数据口径为规模以上工业企业，因此，将研究时段设为2011—2015年。按照表1的变量定义及说明，企业研发投入、政府直接补贴资助、直接税收优惠、间接税收优惠和市场竞争数据直接来源于2012—2016年的中国《工业企业科技活动统计年鉴》，而企业规模、产权类型和企业绩效数据通过采集2012—2016年《中国科技统计年鉴》相关指标换算而来。为了消除异方差影响，对除了产权类型和企业绩效以外的变量进行对数处理。之所以未对产权类型和企业绩效取对数是因为两变量数值较小，而且企业绩效极个别数据为负值。

2实证分析

2.1变量的空间自相关检验

在建立空间计量模型之前，需要对数据的空间相关性进行检验，通常可以采用Morans I指数、Gearys比率、广义G统计量等进行检验。其中，应用最多的方法是全局Morans I指数，其计算公式如下

I=ni=1nj=1wij（xi-）（xj-）S2ni=1nj=1wij（5）

式中，I為全局Morans I指数;wij为二进制的空间权重矩阵，分为Bishop相邻、Rook相邻、Queen邻接及k最近邻接等;xi和xj为研究单元的观察值;为各研究单元观察值的均值;S为研究单元观察值的标准差;n为研究单元总数。全局Morans I指数在[-1，1]之间取值，此值大于0表示正相关，小于0表示负相关，等于0 表示不相关[20]。

采用Rook空间权重矩阵，根据全局Morans I指数计算公式，以我国各地区企业研发投入（ERD）及政府直接补贴资助（GDS）、直接税收优惠（GDT）和间接税收优惠（GIT）为指标，利用GeoDA软件计算出我国各地区企业研发投入、政府3种科技资助方式的Morans I检验结果，具体见表2.由表2可知，我国各地区企业研发投入各年的Morans I值均大于0，并且通过了显著性检验;政府直接补贴资助的Morans I值在2013年和2015年没有通过显著性检验，但在2011年、2012年和2014年通过了显著性检验，而且其Morans I值为正;政府直接税收优惠和间接税收优惠各年的Morans I值均为正，并且通过了显著性检验。这说明我国各地区企业研发投入具有很强的空间相关性，邻近地区企业在研发投入上存在着明显的空间聚集效应;同样，政府直接税收优惠和间接税收优惠也存在着显著的全局空间自相关特性，邻近地区政府在直接税收优惠和间接税收优惠上存在着明显的空间聚集效应;与企业研发投入、政府直接补贴资助和直接税收优惠相比，政府直接补贴资助的空间相关性相对来说比较弱，也就是说一个地区政府的直接补贴资助受临近地区政府直接补贴资助的影响较小。综合来看，在研究政府科技资助对企业研发投入影响时，应当考虑能够描述空间因素的空间计量模型，否则会导致模型的设定偏差和参数估计结果的有偏性。

2.2模型形式选择

面板数据模型根据参数设置的不同可以分为固定效应和随机效应模型。一般而言，如果仅以样本自身效应为条件进行推论，适宜采用固定效应模型;如果以样本对总体效应进行推论，则可采用随机效应模型[21]。研究政府科技资助对企业研发投入的影响，所考察的截面单位是我国30个省级地区总体企业的所有单位，因此应该选用固定效应模型进行分析。事实上，豪斯曼检验值为27.771 6，相应的概率值为0.000 2，拒绝了随机效应模型的原假设，也进一步验证了采用固定效应模型的准确性。

前文的Morans I指数检验已经表明，传统的计量经济模型很难较好地拟合样本数据。在此情形下，就需要通过运用纳入空间交互效应的计量经济模型来研究政府科技资助对企业研发投入影响。Morans I检验只能判定我国各地区企业研发投入及政府直接补贴资助、直接税收优惠和间接税收优惠是否存在空间相关性，却不能判定模型到底是采用何种空间计量模型形式。Elhorst提出了从具体到一般，再从一般到具体的空间计量模型选择方法。从具体到一般方法通过估计非空间计量模型来判定是SAR模型还是SEM模型，通常采用拉格朗日乘子LM检验及其稳健形式检验决定采用SAR模型还是SEM模型。拉格朗日乘子LM检验及其稳健形式检验分别记为LMLAG，Robust LMLAG，LMERR和Robust LMERR.Anselin指出，如果LMLAG检验显著而LMERR检验不显著，则选取SAR模型;反之，如果LMERR检验显著而LMLAG检验不显著则选取SEM模型;如果LMLAG检验和LMERR检验都显著时，选择稳健形式检验显著性比较高的模型[22-23]。从一般到具体方法则判定SDM模型能否简化为SAR模型或SEM模型，通常采用LR检验。如果2种空间计量模型选择方法都指向了SAR模型或SEM模型，则选择相应的模型比较稳妥;如果2种空间计量模型选择方法的结论不一致，则选择SDM模型。依据以上模型选择方法，采用普通最小二乘法对模型（1）进行参数估计，并进行拉格朗日乘子LM及其稳健形式检验，具体结果见表3.

由表3可知，当采用拉格朗日乘子LM检验时，无固定、地区固定和时间固定模型均支持SAR模型，而双固定模型的LMLAG和LMERR均通过了显著性检验，要看稳健形式的LM检验，稳健形式的LM检验则支持SEM模型。因此，采用何种形式的效应模型成为决定SAR或SEM的关键。首先进行地区固定效应的F检验，原假设为无地区固定效应，F值等于26.5，相应的概率P值为0，故强烈拒绝原假设，即认为存在地区固定效应;其次进行时间固定效应的F检验，原假设为无时间固定效应，F值等于0.66，相应的概率P值为0.624 2，故接受原假设，即认为不存在时间固定效应，可能因为本研究的时间跨度较短，不存在明显的时间变动趋势;最后，由于没有时间固定效应，只有地区固定效应，没有必要进行双固定效应检验。因此，从具体到一般的选择方法看，应该采用地区固定效应的SAR模型比较适宜。LRspatiallag值为5.178 4，相应的P值为0.159 2，说明可以将SDM简化为SAR模型;LRspatialerror值为35.588 4，相应的P值接近0，说明不能将SDM简化为SEM模型。从一般到具体的选择方法看，同样支持SAR模型，这进一步验证了选择SAR模型的合理性。

2.3模型估计结果分析

前文的分析表明，最佳模型为具有空间固定效应的SAR模型，有很多文献将非空间计量模型与空间计量模型进行参数对比分析，但这样做往往是无效的，因为非空间计量模型的系数估计可以表示解释变量变化对被解释变量变化的边际效应，而空间计量模型由于存在反馈效应导致解释变量的直接效应与其系数的估计值有时并不相同。因此，本文没有将空间计量模型与非空间计量模型参数系数进行对比，而是输出了具有地区固定效应的SAR模型参数估计及相应的直接效应、间接效应和总效应，同时输出了地区固定效应的SEM模型和SDM模型的参数估计结果，具体见表4.根据表4的结果，可以进一步分析政府直接补贴资助、直接税收优惠和间接税收优惠及控制变量对企业研发投入的影响。

2.3.1政府直接补贴资助效果

政府直接补贴资助的系数估计和直接效应分别为0.030 1和0.032 1，反馈效应为0.002，之所以存在反馈效应是因为政府直接补贴资助对本地區企业研发投入的影响会传递到临近地区企业，且把临近地区企业的影响反馈到这个地区。政府直接补贴资助的系数估计和直接效应均在5%的显著性水平上显著异于为0，这说明政府直接补贴资助对企业研发投入具有显著的正向影响，其直接激励效应为0032 1，即政府直接补贴资助每增加1%，本地企业研发投入就会相应的增加 0.032 1%，表明政府的直接补贴资助对企业研发投入具有显著的杠杆作用。政府直接补贴资助的间接效应为0.022 9，也在5%的显著性水平上显著异于为0，说明在全国范围内，政府直接补贴资助不仅会促进本地企业研发投入的增长，而且对临近地区企业研发投入增长具有显著的空间溢出效应，即政府直接补贴资助每增加1%，将带动临近地区企业研发投入增加0.022 9%.政府直接补贴资助的总效应为0.055 1，也在5%的显著性水平上显著异于为0，说明政府直接补贴资助每增加1%，将对所有地区企业研发投入贡献达到0.055 1%.

2.3.2政府税收优惠效果

政府直接税收优惠的系数估计、直接效应、间接效应和总效应分别为0.055 9，0.059 1，0.044 4和0.103 5，且各估计值均通过了显著性水平检验，同样说明在全国范围内，政府直接税收优惠不仅促进本地企业研发投入增长，而且对临近地区研发投入增长具有显著的空间溢出效应，即政府直接税收优惠每增加1%，将促进本地企业研发投入增加 0.059 1%，带动邻近地区企业研发投入增加0.044 4%，对所有地区企业研发投入增长贡献达到0.103 5%.政府间接税收优惠的系数估计、直接效应、间接效应和总效应分别为0.081 9，0.086 8，0065 8和0.152 6，且各估计值也显著地异于0，同样说明在全国范围内，政府间接税收优惠不仅促进本地企业研发投入增长，而且对临近地区企业研发投入增长也具有显著的空间溢出效应，即政府间接税收优惠每增加1%，将促进本地企业研发投入增加 0.086 8%，带动邻近地区企业研发投入增加0065 8%，对所有地区企业研发投入增长贡献达到0.152 6%.

2.3.3控制变量效果

除了政府直接补贴资助、直接税收优惠和间接税收优惠对企业研发投入具有重要影响以外，其他一些控制变量对企业研发投入的影响也值得关注。企业規模、绩效和市场竞争对企业研发投入具有显著的正向影响，而产权类型对企业研发投入具有显著的负向影响。该结果说明，随着企业规模扩大企业研发投资规模也随之扩大，这可能因为大企业资金雄厚、承担研发风险能力更强，更有利于企业扩大研发投入;当企业绩效提高了，企业由于具有充足的资金会增加在研发方面的投入;市场竞争程度越激励，企业为了生存以及获得超额利润，就会不断地增加研发投入进行技术创新，进而推出新产品或新服务;由于在国有股权比重较高的企业中，经营管理者往往是由上级主管部门任命的，他们关注的是企业短期的财务利润，而对需要长期投资且风险较高的研发活动热情不高，因此，国有产权比重高的企业不愿意在研发上进行过多的投资[24]。

另外，表4的SAR模型、SEM模型和SDM模型的GDS，GDT，GIT，S，O，P和M系数符号完全一致，这说明本研究结论具有稳健性。SEM模型的主要拟合效果指标R2，Logl，AIC和BIC均劣于SAR模型，尽管SDM模型拟合效果指标LogL和AIC稍优于SAR模型，但R2和BIC却劣于SAR模型，最主要的是SDM模型解释变量GDS和GIT的空间滞后项系数没有通过显著性检验，SDM模型不能很好地拟好样本数据。因此，以具有地区固定效应SAR模型回归结果为分析依据是非常可靠和可信的。

3研究结论与建议

1）Morans I指数、拉格朗日乘子LM及LR检验表明，我国各地区企业研发投及政府直接补贴资助、直接税收优惠和间接税收优惠存在着显著的空间自相关性，在模型形式上主要表现为内生交互效应，即空间滞后模型（SAR）形式。另外，还可以观察到，政府直接补贴资助、直接税收优惠和间接税收优惠3个解释变量间接效应显著地不为0.这说明，各地区政府要激励本地区企业的研发投入，除了关注本地政府科技资助政策体系以外，还应该高度关注其他地方政府的科技资助情况，充分发挥政府科技资助的空间溢出效应，创造有利于地区间技术与知识学习、交流、分享的平台环境，从而进一步促成我国各地区企业研发活动联动发展格局。

2）政府直接补贴资助、直接税收优惠和间接税收优惠对企业研发投入均有显著的激励作用，这与马文聪等人的研究结论基本一致，但也存在一些细微差别。间接税收优惠对企业研发投入的激励效果最好，直接税收优惠激励效果次之，直接补贴资助效果相对最弱，而马文聪等人认为直接税收优惠激励效应最强，政府直接补贴资助次之，间接税收优惠最弱;另外，周海涛等人也认为税收优惠资助方式对于企业研发投入的影响大于政府直接补贴资助方式。本研究结论的政策启示在于：首先，政府科技资助对于缓解企业研发投入资金压力，降低企业研发风险具有重要的促进作用，今后政府应该继续保持对企业研发投资的科技资助;其次，政府应该进一步完善以项目研发、科技计划及直接科技拨款等直接补贴资助的政策体系，坚决杜绝政府直接补贴行为所引致的道德风险和逆向选择;最后，政府还应该将有限的资金更多地倾向于研究开发费用加计扣除减免税及高新技术企业减免税等优惠政策上，将企业研发投入资助重点由事前补助向事后补助倾斜。

3）政府对大规模企业的研发投入激励效果要优于小规模企业。这说明规模较大企业在吸收政府科技资助方面更具有优势，而中小企业由于承担风险能力较弱且融资困难，往往在研发活动方面处于劣势。因此，应该鼓励企业跨地区、跨行业、跨所有制兼并重组，重点培育若干大型骨干企业，充分激发大规模企业的内生创新动力与潜能。国有产权比重越高越不利于激发企业研发投入。因此，政府应该对国有产权比重较低的民营企业给予较高的科技资助。企业绩效对于企业研发投入具有显著的正向影响。企业应该根据自身的盈利能力，科学评估研发活动的预期收益及风险性，根据绩效水平制定企业长远的研发投入战略。市场竞争会促进企业提高研发投入水平。这表明，政府应该努力营造市场化水平较高的竞争环境，形成以企业为主体、市场为导向的研发投入提升机制。

参考文献：

[1]Arrow K.The economic implication of learning by doing[J].Review of Economic Studies，1962，29（02）：155173.

[2]Gonzalez X，Pazo C.Do public subsidies stimulate private R&D spending？[J].Research Policy，2008，37（03）：91389.

[3]Lee C Y.The differential effects of public R&D supporton firm on firm R&D：theory and evidence from multicountry[J].Technovation，2011，31（05）：256 269.

[4]王俊.政府R&D资助与企业R&D投入的产出效率比较[J].数量经济技术经济研究，2011（06）：93100.

[5]白俊红.中国的政府R&D资助有效吗？来自大中型工业企业的经验证据[J].经济学（季刊），2011，11（04）：13761394.

[6]廖信林，顾炜宇，王立勇.政府R&D资助效果、影响因素与资助对象选择——基于促进企业R&D投入的视角[J].中国工业经济，2013（11）：148160.

[7]王刚刚，谢富纪，贾友.R&D补贴政策激励机制的重新审视——基于外部融资激励机制的考察[J].中国工业经济，2017（02）：6078.

[8]Wallsten S J.The effects of government industry R&D programs on private R&D：the case of the small business innovation research program[J].Rand Journal of Economics，2000，31（01）：82100.

[9]Montmartin B，Herrera M.Internal and external effects of R&D subsidies and fiscal incentives：empirical dente using spatial dynamic panel models[J].Research Policy，2015，44（05）：10651079.

[10]肖丁丁，朱桂龍，王静.政府科技投入对企业R&D支出影响的再审视——基于分位数回归的实证研究[J].研究与发展管理，2013，25（03）：2532.

[11]吴晓晓，苏朝晖.政府资助与企业研发投入——基于面板数据门槛模型的实证研究[J].软科学，2015，29（09）：3842.

[12]张辉，刘佳颖，何宗辉.政府补贴对企业研发投入的影响——基于中国工业企业数据库的门槛分析[J].经济学动态，2016（12）：2838.

[13]周海涛，张振刚.政府研发资助方式对企业创新投入与创新绩效的影响研究[J].管理学报，2015，12（12）：17971804.

[14]马文聪，李小转，廖建聪，等.不同政府科技资助方式对企业研发投入的影响[J].科学学研究，2017，35（05）：689699.

[15]YUA Feifei，GUO Yue，Khuong LeNguyen.The impact of government subsidies and enterprises R&D investment：a panel data study from renewable energy in China[J].Energy Policy，2016（89）：106113.

[16]余伟婷，蒋伏心.公共研发投资对企业研发投入杠杆作用的研究[J].科学学研究，2017，35（01）：8592.

[17]宋林，乔小乐.政府补贴对企业研发投入的影响研究——以装备制造业为例[J].经济问题，2017（11）：2027.

[18]李子彪，孙可远，赵菁菁.研发创新、非研发创新对创新绩效影响的差异化——基于高新技术企业的实证研究[J].技术经济，2017，36（11）：715.

[19]Paul Elhorst J.Spatial econometrics：from crosssectional data to spatial[M].Berlin：Springer，2013.

[20]刘明广.中国省域绿色发展水平测量与空间演化[J].华南师范大学学报（社会科学版），2017（03）：3744.

[21]石风光.环境全要素生产率视角下的中国省际经济差距研究[M].北京：经济科学出版社，2014.

[22]Anselin L，Florax R，Rey S J.Advances in spatial econometrics：methodology，tools and applications[M].Berlin：Springer，2004.

[23]谢兰云.R&D投人、技术溢出及吸收能力与经济增长的空间计量分析[J].数学的实践与认识，2014，44（12）：1925.

[24]王俊.政府R&D资助作用机制及激励效应研究[M].北京：经济科学出版社，2012.

（责任编辑：张江）