异质性创新补贴对企业创新的机制分析

李海林 汤弘钦 林春培

摘 要：

从政府补贴中筛选出科技补贴与人才补贴二类创新型补贴，对二者进行跨时间、区间化划分，分别构建与创新数据的贝叶斯网络，实现对创新行为与绩效的预测分析、原因诊断与贡献率测度。研究结果表明：1.创新补贴对企业创新绩效的影响具有滞后效应，不同类型的补贴在滞后时间与影响能力上有所区别。科技补贴影响创新绩效的时间跨度长，综合效果好，对研发资金投入的影响能力更强；而人才补贴的影响情况相反。2.不同类型的创新补贴都存在粘性效应。3.创新补贴对企业创新具有门槛效应，但对于不同创新补贴仍存在区别。丰厚补贴积极影响企业创新，缺少补贴将引致企业创新产生微弱的消极反应。微量科技补贴负向影响创新行为与绩效，而微量人才补贴会使得企业出现策略性创新。

关键词：政府补贴；企业创新；贝叶斯网络；机器学习；门槛效应

作者简介：李海林，华侨大学工商管理学院教授，博士生导师，工学博士，主要研究方向：数据科学与创新管理（E-mail： hailin@hqu.edu.cn ；福建 泉州 362021）。汤弘钦，华侨大学工商管理学院硕士研究生，主要研究方向：数据科学与创新管理。林春培，华侨大学工商管理学院副院长，教授，博士生导师，管理学博士，主要研究方向：破坏性创新。

基金项目：国家社会科学基金资助重大项目（18ZDA062）；国家自然科学基金资助面上项目（71771049）；国家自然科学基金资助面上项目（71794059）

中图分类号：F273.1  文献标识码：A

文章编号：1006-1398（2023）02-0071-17

一 引 言

为建设现代化经济体系，中国政府提出以创新为战略支撑，经济增长动力逐渐转变为创新驱动【顾鑫、周延、张旭，等：《政府创新补助刺激企业自主R&D投资？——上市非金融企业的实证》，《华侨大学学报（哲学社会科学版）》2020年第3期，第91—101页。】。企业作为经济增长的主要微观创新主体，被赋予更多关注和研究。尤其是在如今中国的社会主义市场经济体制不断完善的情况下，政府在许多资源的配置中仍发挥着关键作用【陈作华、刘子旭：《政企关系与企业特质风险》，《管理科学》2019年第4期，第48—61页。】，必将通过多种方式影响着企业的创新实践【李晓冬、王龙伟：《市场导向、政府导向对中国企业创新驱动的比较研究》，《管理科学》2015年第6期，第1—11页。】，从而不断对企业创新能力提出了更高要求。企业创新过程是一个“厚积薄发”的过程，需要通过内部和外部的各种资源有效整合来支持该过程的顺利实施【陈清泰：《促进企业自主创新的政策思考》，《管理世界》2007年第7期，第1—3页。】。为此，如863计划、人才补贴政策等大量类型各异的创新补贴措施逐渐被推出，俨然成为提升企业创新能力与创新绩效的外部因素，成为企业创新资本的重要外部来源【张果果、郑世林：《国家产业投资基金与企业创新》，《财经研究》2021年第6期，第76—91页。】。

政府创新补贴对企业创新的重要性不言而喻，故其间关系持续吸引着学界的关注【成琼文、丁红乙：《财政补贴、政策组合与资源型企业创新产出——基于创新产出异质性视角》，《中国科技论坛》2021年第9期，第20—30页。】。然而，各家学者众说纷纭，原因可能在于目前研究鲜有关注到创新补贴还具有不同类型，缺少对其深入区别分析，导致“政府补助”到“企业创新”路径的认知深度还有欠缺。为弥补这一方面缺陷，本研究将从更有区分性的角度入手，将上市企业所受补贴进行初步筛选出创新类补贴，并基于关键词方法将创新补贴区分为科技补贴与人才补贴。此外，在研究过程中还加入使用在其他领域已

经较为成熟的贝叶斯网络方法，从而避免传统统计方法的局限，即无法处于综合角度同时进行多变量、多维度分析的缺陷，且能更为详细地将政府创新补贴区间化、跨时间化，分析异质性创新补贴是如何影响企业创新行为与创新绩效的关键问题，进而为政府分配创新资源与企业创新管理提供相关决策支持。

本文预计做出如下贡献：第一，完善了目前在类型、量级与时间等方面具有差异的异质性创新政府补贴对企业创新的驱动机制分析，进一步完善了“政府补助”到“企业创新”的路径研究。第二，以数据驱动研究【李海林、廖杨月、李军伟，等：《高校杰出学者知识创新绩效的影响因素研究》，《科研管理》2022年第3期，第63—71页。】，通过贝叶斯网络方法探讨出补贴与创新之间的复杂关系，也为当今管理学领域研究提供了新的研究思路。

二 文献回顾、局限与解决方案设想

（一）创新补贴与企业创新

对政府创新补贴与企业创新行为的研究雖在学界已有所建树，然而所得成果却略有不同，甚至已经产生了结论冲突。其中部分研究认为政府创新补贴可以降低企业在研发成本上的压力与不确定性、缓解创新活动的风险，进而提高创新行为的积极性【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.】，也使企业对诸如基础研发等利润低或在无资助情况下不会投入的项目注入资源，实现调整企业创新行为的目的【Tether B S.Who co-operates for innovation， and why： an empirical analysis.Research policy， 2002， （6）， pp.947-967.】，或是直接激励创新绩效【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》，《管理学报》2015年第12期，第1 797—1 804页。】。甚至是更为激进的政府风险投资，也会使得企业增加创新相关投入，提升创新产出【谢光华、郝颖、靳姝菲：《风险投资对政府补贴的创新激励有效性的影响研究》，《管理学报》2018年第9期，第1 337—1 346页。】。但也有研究认为由于政企间的信息不对称，补贴等政策可能会导致企业的过度投资【魏志华、赵悦如、吴育辉：《财政补贴：“馅饼”还是“陷阱”？——基于融资约束VS.过度投资视角的实证研究》，《财政研究》2015年第12期，第18—29页。】或导致企业策略性创新【黎文靖、郑曼妮：《实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响》，《经济研究》2016年第4期，第60—73页。】。

政府创新补贴对企业创新绩效的影响关系也吸引了较多注意，可同样产生了最终分析结果的冲突。有学者用企业的专利授权量【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》，《管理世界》2021年第3期，第137—160页。】，或以基于专利的新产品【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》，《管理世界》2015年第1期，第75—86页。】作为企业的创新产出绩效，研究政府研发类或创新类补贴与创新绩效之间的关系，均得到上述补贴对创新绩效有正向影响的结论。相反，也有其他研究者使用专利申请数计算创新产出绩效【白旭云、王砚羽、苏欣：《研发补贴还是税收激励——政府干预对企业创新绩效和创新质量的影响》，《科研管理》2019年第6期，第9—18页。】，或采用研发经费与研发人员数量为创新绩效的代理变量【张杰、郑姣姣、于浩：《政府创新补贴政策对企业私人性质创新投入的激励效应》《南京大学学报（哲学·人文科学·社会科学）》2021年第2期，第16—45页。】，从而来研究政府创新补贴与其关系，却发现创新补贴会干扰企业的创新活动与产出，进而出现挤出效应。也有外国学者基于西班牙、新西兰等国家的数据研究，得出创新补贴对创新行为与绩效产生抑制性影响效果【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）异质性创新补贴与企业创新

实际上，政府为支持企业创新而给予的补贴还具有更细致差异，对企业创新存在不同效果，故有学者认为，企业所受的创新补贴应该再往下区分，分析它们的异质性效果。为此，马嘉楠和周振华【马嘉楠、周振华：《地方政府财政科技补贴、企业创新投入与区域创新活力》，《上海经济研究》2018年第2期，第53—60页。】将企业受到的政府补贴区分出多种类别，并在研究结论中提及创新人才类、创新活动类补贴对企业创新有显著激励的效果，创新文化或企业发展类激励较少，资金融通类无激励效果。另外，在目前各地都开展“人才争夺战”的背景下，政府鼓励企业创新给予人才政策补贴带来的效果应该赋予更多关注。而且随着经济社会发展，企业已然成为重要的创新主体，企业对人才的有效利用是推动创新的重要条件

【孙鲲鹏、罗婷、肖星：《人才政策、研发人员招聘与企业创新》，《经济研究》2021年第8期，第143—159页。】。因此，本文认为应该注重创新人才类、创新活动类等落在实处的创新补贴。

虽然关于促进创新而提出的创新补贴与企业创新的关系研究已经较为丰富，但是关注到企业人才补贴带来的优质提升效果的研究较少。刘春林和田玲【刘春林、田玲：《人才政策“背书”能否促进企业创新》，《中国工业经济》2021年第3期，第156—173页。】通过研究发现，人才政策补贴对企业创新存在促进作用，为重视人才补贴提供了更多理论支撑。孙鲲鹏和罗婷⑤

强调，在出台相关人才补贴政策之后，企业对研发人员的招聘赋予更多重视，促进了企业利用人才资源的效率。此外，赵晶和孟维烜【赵晶、孟维烜：《官员视察对企业创新的影响——基于组织合法性的实证分析》，《中国工业经济》2016年第9期，第109—126页。】和Li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.】都在其研究中说明政府人才计划将赋予企业更强的合法性，减轻外部对企业的担忧，为企业创新提供保障。

综上所述，可将政府创新补贴关注点置于人才补贴与其它创新补贴进行对比，并对此二者进行深入探究不同创新补贴对企业创新的异质性影响，分析二者對企业创新管理具有的重要意义。

（三）现有局限与解决方案设想

通过回顾现有研究，发现以下几点值得深入思考和研究：第一，政府创新补贴对企业创新行为与绩效的关系研究仍是比较粗糙，缺乏跨时间、区间化处理，导致结论冲突。第二，关于政府创新补贴的研究基础较多，但是缺少对各种补贴作用于企业创新绩效的贡献率研究。第三，目前多使用传统统计方法进行研究政府补贴与企业创新的关系，很难分析创新补贴对企业创新的影响机制与复杂关系。

为应对上述局限，可从更为细致的视角对研究进行设计解决：首先，本研究将视角缩小至近期重点关注的人才与科技补贴，通过关键词从政府补贴数据筛选出科技补贴和人才补贴。其次，将上述两种类型的补贴数据进行跨时间、区间化处理，从而更严谨地讨论异质性创新补贴对企业创新的影响。最后，基于数据驱动分析的研究范式，使用贝叶斯网络方法构建数据分析模型，分析上述二类创新补贴对企业创新行为与绩效的影响，分析并对比二者对企业创新行为与绩效的预测分析、原因诊断或贡献率测量【陈静、蒋正凯、付敬奇：《基于Netica的自学习贝叶斯网络的构建》，《电子测量与仪器学报》2016年第11期，第 1687—1 693页。】【Chen 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】，进而提炼结论与管理启示。

三 指标选取与数据来源

（一）科技补贴

科技补贴（Tech Subsidy）：科技补贴体现政府对企业科技创新的重视程度以及扶持力度。在企业财务报表附注的政府补贴明细中，可以直接了解该项指标的细节情况。但由于条目众多，需要预先对数据编码，并基于关键词筛选关于科技补贴的具体项目。借鉴现有研究所选的关键词并适度增加：“科研”“专利”“创新”“科技”等③。

（二）人才补贴

人才补贴（Talent Subsidy）：人才补贴体现政府对企业引才力度的重视程度，以及对企业吸纳人才能力的要求与期待。与科技补贴相同，该项指标数据需经过关键词筛选来从政府补贴项目中获取。具体使用的关键词是参考了郭玥【郭玥：《政府创新补助的信号传递机制与企业创新》，《中国工业经济》2018年第9期，第98—116页。】和刘春林和田玲【刘春林、田玲：《人才政策“背书”能否促进企业创新》，第156—173页。】的研究并适当增加，包含了“人才”“专家”“院士”“学者”等。

人才补贴与科技补贴共同构成企业获得的创新补贴。此外，由于存在二类补贴的关键词同时属于同一条补贴项目的情况，故出于严谨考虑，将重合部分的补贴项目列入人才补贴，筛选情况如图1所示。

（三）创新行为

创新行为（RD）：创新行为是企业创新的重要部分。对企业创新行为的度量，多是选择研发支出占比（RD-I）和研发人员占比（RD-II）来作为代理变量【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》，第75—86页。】。此二代理变量都是相对数，涵盖了多项企业异质性指标，能够较全面地反映企业对创新行为的态度与力度。二者数值越高，越能体现企业对创新行为的重视与投入。若研发支出为X，营业收入为Y，研发人员数量为Z，职工总数为Size，则研发支出占比（RD-I）与研发人员占比（RD-II）可通过如下公式量化：

RD-I=X÷Y×100%

（1）

RD-II=Z÷Size×100%

（2）

（四）创新绩效

创新绩效（Inno）：创新绩效是企业创新的重要部分，是众多因素导致企业的最终创新产出。现有研究多采用研发投入或产出衡量创新绩效，但是研发投入只能反映短期行为，无法进行长期考察，而选择专利授权量作为该项指标的代理变量可以避免该问题【党力、杨瑞龙、杨继东：《反腐败与企业创新： 基于政治关联的解释》，《中国工业经济》2015年第7期，第146—160页。】。借鉴陈修德等人【陈修德， 梁彤缨， 雷鹏， 秦全德.高管薪酬激励对企业研发效率的影响效应研究.《科研管理》2015年第36卷第9期，第6—35页。】的量化方法，考虑到不同专利具有不同类型区分与创新价值，应该赋予不同专利类型以不同的权重，故某个企业在某段时间的创新绩效Inno可基于公式（3）来计算：

Inno=∑3i=1wipi

（3）

其中，权重wi∈w，w=［0.5，0.3，0.2］。pi（i∈（1，2，3））依次表示不同专利类型的数量，即发明授权型、实用新型和外观设計型三种。

（五）数据来源

科技补贴和人才补贴数据可以在CSMAR（国泰安）数据库的财务报表附注——政府补贴明细中分别提取。创新行为的代理变量数据是从RESSET（锐思）金融数据库中检索获取的。量化创新绩效的专利数据是基于python语言设计爬虫程序，从知网专利数据库中自动收集而来。该专利数据库收录了国内外申请与授权的专利详情，其中包括国内的发明授权专利，实用新型专利和外观设计专利共计3 400余万条，是国内较为详细的专利数据库，且对各大高校或研究机构而言，该库数据均较容易获得，故择其获得专利数据。

四 研究设计

为分析不同类型补贴与企业创新之间的关系，需要使用孤立森林算法对数据预处理以保证数据纯度与质量。再依据预处理后的补贴与创新相关数据进行贝叶斯网络建模，以实现预测分析、原因诊断以及贡献率测量，探究不同类型与量级的补贴对企业创新的复杂关系，最终提炼结论与管理启示。

（一）研究方法

贝叶斯网络（Bayesian network，BN）是贝叶斯方法的再拓展，是基于复杂系统的，用于体现变量间概率分布的有向无环图，结合了诸如机器学习、概率学习与决策分析等多学科技术【何永昌、陈之光、王海锋，等：《基于Netica的导弹故障诊断贝叶斯网络模型研究》，《航空兵器》2020年第1期，第89—95页。】。该模型具有预测分析与原因诊断的双向推理功能【王必好、张郁：《基于贝叶斯网络的技术进步预测与路径优化选择》，《科学学研究》2019年第8期，第1 364—1 374页。】，且在贡献率计量皆有所建树【陈静、蒋正凯、付敬奇：《基于Netica的自学习贝叶斯网络的构建》，第1 687—1 693页。】，因此运用于如诊断技术故障【Wang 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.】等领域，有助于解释自变量对因变量的影响机制【杨慧芳：《基于贝叶斯网络的铝型材挤压过程异常检测》，《计算机应用与软件》2019年第9期，第100—105页。】，但在管理学领域的应用较少。

应用贝叶斯网络需要先假设各个节点与节点间的有向边，进而模拟关系并对此建立模型【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.】。假设V（V={V1，V2，…，Vn}）

为预设节点或变量，A（A={Vi→Vj|（i，j∈n）}）

为预设节点间的有向边或变量间传导路径，二者共同构成一组有向无环图Net=（V，A）。模型中存在反映变量之间关联性的条件概率表，列出了各节点的父节点所对应的条件概率P={P（V1|V1，V2，…，Vi-1（j∈n））}

，从而得到数学模型：BN=（Net，P）=（V，L，P）

。该方法还能计算父节点联合概率，即

P（V）=∏P（Vi|VFi）

，其中VFi表示变量Vi的父节点集。

虽然确定节点与设定模型可通过如爬山算法等来确定，但是这类算法一般只能寻找出局部最优，无法全局考虑，而且管理学研究不能仅仅局限于算法结论，需要基于学科常识来共同决定模型，故本文决定结合爬山算法结果与管理学理论与文献基础，构建贝叶斯网络模型。

（二）研究思路

为获知异质性补贴对企业创新行为与创新绩效的影响关系，并提出管理建启示，将遵循如图2所示的研究思路：第一，筛选补贴类型。通过关键词筛选方法，将政府补贴数据细分为人才补贴与非人才补贴的科技补贴二类创新补贴，并按年份求和量化。第二，度量企业创新活动。根据公式（1）至（3），量化企业的创新行为（RD）与创新绩效（Inno）。第三，构建贝叶斯网络。综合量化的人才补贴、科技补贴、创新行为与创新绩效数据后，结合爬山算法计算结果和现有文献理论以做建模支撑，构建不同类型的补贴与企业创新的贝叶斯网络模型。第四，分析网络并提炼结论。根据所构建的贝叶斯网络模型，研究不同补贴对企业创新的影响，从而对其关系进行预测分析、原因诊断及计算贡献率，最终提炼相关结论并提出管理启示。

（三）数据准备

为避免政策影响与数据库限制，选取沪深两市2016年以后上市的所有A股制造业上市公司作为研究样本，行业分类标准参考中国证监会于2012年（CSRC2012行业分类标准）公布的上市公司行业分类指引。

时间因素对例如营销管理【何永昌、陈之光、王海锋，等：《基于Netica的导弹故障诊断贝叶斯网络模型研究》，第89—95页。】等企业管理相关研究有着重大影响，故研究补贴与创新的关系时也有必要考虑该因素【朱桂龙、蔡朝林、陈朝月：《声誉积累优势还是绩效积累优势？政府R&D补贴分配中“粘性”效应探究》，《科学学与科学技术管理》2019年第3期，第43—55页。】，分析异质性补贴对企业持续性创新的真实影响方向。为此选择t期的创新绩效（Innot）、t-1期的创新行为（RD-It-1 & RD-IIt-1）、t-2期的科技补贴（Tech Subsidyt-2）和人才补贴（Talent Subsidyt-2），以及t-1期的上述二类补贴（Tech Subsidyt-1  & Talent Subsidyt-1），其中t为2020年。选择该数据结构还有余下原因：第一，同期节点之间关系难以观测。第二，与创新绩效相关的投入对其产出有滞后性的影响。第三，研究重点在于政府创新补贴对企业创新的影响，故对补贴多设置节点以深入探讨。第四，前一期補贴会作用于当期创新行为（RD）和创新绩效（Inno），且前一期创新行为（RD）也可能影响当期的创新绩效（Inno）。第五，往期补贴对当期可能存在粘性效应，即政府会继续补贴往期已有补贴的企业，有必要对补贴增加箭头路径。此外，度量创新绩效（Inno）是基于企业的已授权专利，通过公式（3）计算。量化创新行为（RD）则是基于公式（1）至（2）实现。

科技补贴（Tech Subsidy）与人才补贴（Talent Subsidy）数据则是分别通过关键词筛选分类所得，二类补贴存在的重合部分全部视为人才补贴。初步处理后得到47 952条科技补贴数据，4 904条人才补贴数据。但初步处理后的补贴数据仍只是每个年份内受到具体补贴项目（包括补贴名称与金额），需要将其按年份求和以完成数据匹配。

经匹配处理后，得到两种补贴类型所对应的数据结构：Subsidyt-2 /Subsidyt-1 /RD-It-1 /RD-It-2 /Innot。考虑到数据可能有异常值影响，决定删除空值后，使用孤立森林算法对数据进行预处理，最终可以使用的科技补贴数据共2 639条，人才补贴数据共2 640条。其中，两种补贴数据的并集共2 773条，具有相同索引的重合数据共2 506条，重合度达90.4%，具有比较分析的价值。

五 分析结果

（一）科技补贴—企业创新网络模型

目前可用于搭建贝叶斯网络模型的软件已有很多，如Netica，Hugin，JavaBayes等。为快速且清楚定义节点、训练数据以及将结果可视化，诸如医药、工业工程等许多领域已经广泛使用Netica软件【何永昌、陈之光、王海锋，等：《基于Netica的导弹故障诊断贝叶斯网络模型研究》，第89—95页。】。Netica是基于Java语言开发的，用于建立贝叶斯网络模型的软件，该软件可以有针对性与目的性地建立各个节点，拟合样本数据构建贝叶斯网络模型，并计算模型中每个节点的条件概率分布。结合上述原因和现有管理学共识，选择使用Netica软件构建人才补贴或科技补贴贝叶斯网络模型，分析结果并提炼出相关结论与管理启示。选择t-2期科技补贴（Tech Subsidyt-2）、t-1期科技补贴（Tech Subsidyt-1）、t-1期创新行为（RD-It-1 & RD-IIt-1）和t期创新绩效（Innot）构成贝叶斯网络节点。结合爬山算法、现有管理学常识辅助构建网络，并代入数据以学习，最终构建如图3所示的科技补贴贝叶斯网络模型图。如此设置节点的理由如下：（1）往期政府补贴对企业创新行为与创新绩效都存在影响，而同一期补贴对创新行为的影响能力难以观测。（2）参考朱桂龙等的研究【朱桂龙、蔡朝林、陈朝月：《声誉积累优势还是绩效积累优势？政府R&D补贴分配中“粘性”效应探究》，第43—55页。】：若企业在往期受到过补贴，通常在当期也会得到支持，猜测补贴具有粘性效应。

由于研究重点在于分析不同类型、时间和区间的异质性补贴如何影响企业创新，有必要对科技补贴进行三等级分类以进行更为细致地分析。因研究方法的特点以及软件自动化结果，（Tech Subsidyt-2）与（Tech Subsidyt-1）两节点中的数据会按三分位数被自动划分为三部分，并依数据顺序自动化设定高、中、零三种状态与其对应的先验概率，其中高为大量补贴、中为略微补贴、零为没有补贴。类似地，（RD-It-1）、（RD-IIt-1）与（Innot）被自动分为两个部分，即依据中位数分割，并按顺序赋予高、低二种状态标签与其对应的先验概率。以上节点皆可以在网络模型图中所对应的中间区域有所显示。

1.预测分析

预测分析是基于贝叶斯网络模型来实现自前向后的推理。增加箭头前置节点（父节点）以新的推断信息，能够预测箭头后置节点（子节点）的概率变化，而且该项概率变化产生的影响还会随箭头向下一个节点继续传导。通过对比变化后的模型与原模型，即可得到相应的预测推断信息。

（1）t-2期創新补贴预测分析

根据图4、表1和表2，并从概率变化的角度观察，可得到如下结果：第一，大量科技补贴对二类创新行为与创新绩效皆存在促进作用。第二，少量科技补贴却反而会负向影响创新行为与绩效。第三，没有受到科技补贴将使企业创新产生微弱的消极反应。第四，科技补贴存在粘性效应。第五，企业创新行为对科技补贴的反应存在差异，即研发支出占比较研发人员占比对科技补贴反应度更大。

如子图（a）所示，当节点（Tech Subsidyt-2）状态高的概率被设定为100%，发现其子节点（Innot）、（RD-It-1）和（RD-IIt-1）状态高的概率分别提升了5.2%、10.3%和4.8%，而（Tech Subsidyt-1）状态高的概率提升了33%。同样，如子图（b）所示，当设定（Tech Subsidyt-2）状态中的概率为100%，上述三个子节点状态高的概率分别变化了-5.8%、-8.7%和-3.1%，而（Tech Subsidyt-1）状态中的概率提升了25.2%。此外，如子图（c）所示，设定（Tech Subsidyt-2）状态零的概率为100%，对应的三个子节点状态高的概率分别变化了0.7%、-1.0%和-1.4%，而零状态（Tech Subsidyt-1）概率也提升了34.6%。

（2）t-1期科技补贴预测分析

t-1期科技补贴的子节点只有创新绩效，故只分析此二者预测推断信息。观察图5与表3发现，t-1期科技补贴对创新绩效的影响情况与t-2期科技补贴分析结果一至三类似，且t-1期科技补贴对创新绩效的影响能力大于t-2期。设定节点（Tech Subsidyt-1）状态高、中和零的概率为100%时，发现（Innot）状态高的概率分别变化了3.7%、-3.5%和0%。

2.原因诊断与贡献率测量

原因诊断推理是基于箭头后节点（子节点）的确定性结果来逆向推理，分析前阶段各种因素（父节点）的影响方式与程度。该种推理方式依靠中间环节的可靠性，为最终结果预测提供更加精细化分析。在原因诊断分析中，还可以使用公式（4）计算得出每个节点对于变化后确定性节点的贡献率【陈静、蒋正凯、付敬奇：《基于Netica的自学习贝叶斯网络的构建》，第1 687—1 693页。】。若设Con为某前置节点对确定性节点的贡献率，R0是变化前该前置节点的概率，R′是变化后该前置节点的概率，则Con计算公式如下：

Con=R′-R0R0×100%

（4）

由于研究重点在于政府创新补贴，因此只对其进行分析。如图6与表4所示，大量科技补贴对企业创新有明显的促进作用。没有科技补贴对企业影响十分有限。而少量科技补贴对企业创新的作用则是负向，更可能出现挤出效应或策略性创新的效果。理由如下：当设定（Innot）状态高的概率为100%，分别观察（Tech Subsidyt-2）的高、中、零三种状态的贡献率分别为10.4%、-11.7%和1.3%；（Tech Subsidyt-1）的高、中、零三种状态的贡献率分别为7.2%、-7.0%、0%。该结果与两期预测分析的相同。

对比两期科技补贴对创新绩效影响发现，t-2期的科技补贴对创新绩效的贡献率绝对值都大于t-1期，即t-2期的科技补贴对创新绩效的影响力更强。

（二）人才补贴—企业创新网络模型

与科技补贴模型的建模逻辑相似，在人才补贴贝叶斯网络模型中，选择t-2期人才补贴（Talent Subsidyt-2）、t-1期人才补贴（Talent Subsidyt-1）、t-1期创新行为（RD-It-1 &RD-IIt-1）以及t期创新绩效（Innot）共四组数据构成该网络节点。将数据代入并学习，构建出如图7所示的人才补贴贝叶斯网络模型。其中，两补贴节点的状态高为大量补贴，状态中为少量补贴，状态零为没有补贴，其他节点的分割方式与科技补贴的相同。

1.预测分析

（1）t-2期人才补贴预测分析

观察图8、表5和表6，得出与t-2期科技补贴对t期企业创新行为与绩效的类似分析结果：第一，高强度人才补贴会正向促进企业创新行为与创新绩效。第二，中等人才补贴虽然会对二类创新行为均有促进作用，但是对创新绩效只产生消极效果。第三，缺少人才补贴时，企业创新仍会产生微弱反应。第四，人才补贴存在粘性效应，即若企业在往期接受过人才补贴，在当期大概率也会继续受到人才补贴。第五，不同创新行为对不同量的人才补贴的反应也有差异。研发支出占比对高强度人才补贴更敏感，而研发人员占比对中强度人才补贴更敏感。

如子图（a）所示，当设定节点（Talent Subsidyt-2）状态高的概率为100%，发现子节点（Innot）、（RD-It-1）和（RD-IIt-1）状态高的概率分别变化了2.2%、9.9%和5.2%，而（Talent Subsidyt-1）状态高的概率提升23.9%。如子图（b）示，设置（Talent Subsidyt-2）状态中的概率为100%，上述三个子节点的概率分别变化了-4.3%、1.8%和6.9%，而（Talent Subsidyt-1）状态中的概率提升了23.9%。又如子图（c）示，若（Talent Subsidyt-2）状态零的概率为100%，则三个子节点变化概率分别为0.2%、-1.6%和-1.7%。而（Talent Subsidyt-1）状态零的概率提升了9.2%。

（2）t-1期人才补贴预测分析

因当期人才补贴对当期创新行为影响很难观测，故不进行分析。据图9与表7，探究t-1期科技补贴对创新绩效的影响，发现除获得和t-2期人才补贴预测分析中关于创新绩效的类似结果外，还发现t-1期对创新绩效的影响能力小于t-2期，此者与科技补贴跨时间区别研究得到的分析结果不同。即当分别设定节点（Talent Subsidyt-1）状态为高、中、零的概率为100%，（Innot）高状态的概率分别得到7.7%、-5.2%和-0.4%的变化幅度。

2.原因诊断与贡献率测量

观察图10与表8得出如下结果：第一，没有得到人才补贴对企业创新绩效提升的影响极其有限。第二，少量人才补贴只会降低创新绩效，即发生挤出效应。第三，只有大量人才补贴才能促进企业创新绩效。理由如下：设定（Innot）状态高的概率为100%，计算（Talent Subsidyt-2）状态为高、中、零的贡献率分别为4.7%、-8.4%和0.5%。而（Talent Subsidyt-1）的三種状态的贡献率分别为14.9%、-10.2%、-0.6%。

对不同时期人才补贴对创新绩效的影响发现，t-1期人才补贴对创新绩效的贡献率绝对值都大于t-2期，即t-1期的人才补贴对创新绩效的影响能力大过t-2期的该种补贴。此项分析结果与科技创新补贴所得的结果相异。

（三）网络对比分析

1.预测分析对比

比较科技补贴模型与人才补贴模型的分析结果发现，两种补贴对企业创新行为与创新绩效的影响规律不尽相同。

相同之处在于：第一，大量创新补贴对企业创新绩效与行为都有积极影响。对比两组模型发现，无论是何种类或何时期，只要补贴数额较大，都会带来高状态创新绩效与行为的概率提升。第二，少量创新补贴只会抑制创新绩效。从两个模型的共同点发现，在任何时间节点上，少量的两种补贴对企业创新绩效皆存在负向影响。换言之，创新性补贴具有门槛效应，仅依靠少量补贴无法引致创新绩效提升。第三，没有创新补贴几乎不会左右企业创新绩效与行为。从两种补贴的预测分析模型得出，没有补贴导致企业创新绩效与行为的概率变化都低于2%。第四，创新补贴都存在粘性效应。调整前一期高状态补贴为确定性事件后，后一期相同状态补贴的概率皆有大幅度提升。

不同之处在于：第一，创新行为受二类补贴的主要影响方式不同。从概率增幅绝对值的角度（下同）可以发现，企业研发人员占比更受人才补贴的影响，而企业研发支出占比对科技补贴更敏感。而且在少量补贴的情况下，人才补贴对创新行为产生正向影响，而科技补贴却是负向影响。第二，t-2期二类补贴对提高创新绩效的影响强度不同。在预测模型中，t-2期科技补贴对创新绩效的影响能力强于同期人才补贴。第三，不同时期的二类补贴对创新绩效也会有不同影响效果。若从不同时期的角度看，t-2期科技补贴对创新绩效的影响能力大于t-1期，而t-1期人才补贴对创新绩效产生的效果则比t-2期的更加明显。第四，少量的二类补贴对创新行为影响效果亦不相同。t-2期科技补贴对创新行为的影响能力负向；人才补贴则相反。

2.原因诊断对比

对比两组模型的原因诊断分析有以下发现：第一，不同类型的创新补贴对创新绩效有不同程度的滞后效应。t-2期的科技补贴对高创新绩效的贡献效果大于同期的人才补贴。从两组原因诊断模型的贡献率计算表得出，t-2期时科技补贴的贡献率绝对值加总明显大于同期人才补贴。相反，t-1期人才补贴对高创新绩效的贡献效果强于同期的科技补贴。此结果依然可以从贡献率绝对值加总得出。第二，不同时期的二类补贴对创新绩效带来的贡献，皆可证明存在门槛效应。对比发现，大量的科技补贴与人才补贴皆对企业创新绩效呈正向效应，少量的二类补贴都将产生负向影响，零补贴则对企业创新绩效与行为产生的原因贡献皆极小。第三，若从综合视角出发，科技补贴效果大于人才补贴。对比不同补贴的原因诊断模型得出，两期的科技补贴的贡献率绝对值加总大于人才补贴。

（四）可信性分析

为了归纳出有意义的结论，可以借由现有文献与贝叶斯网络所得结果的共同点，实现稳健性与可信性检验，同时分析补贴对创新的影响机理。根据数据分析结果，创新补贴对企业创新行为与绩效产生影响时，有三个要点与前人研究直接或间接地产生呼应：滞后效应、粘性效应与门槛效应。其中，在门槛效应的解释中，分析了政府创新补贴如何影响创新绩效的两个机制，从而对贝叶斯网络分析的影响机制进行补充：其一，创新补贴促进数字化转型，进而促进创新绩效。其二，创新补贴缓解企业融资压力，进而提升创新绩效。

1.异质性创新补贴的滞后效应

创新补贴具有时滞性，也即通常需要一定的时间才能发挥其对企业创新活动的积极作用【李丹丹：《政府研发补贴对企业创新绩效的影响研究——基于企业规模和产权异质性视角》，《经济学报》2022年第1期，第141—161页。】。基于贝叶斯网络的数据分析还发现，异质性创新性补贴仍具有时间差异，对于科技补贴应该赋予更长的考察时间，而对于人才补贴则可以期望企业在较短时期内看到成果。

根据贝叶斯网络所展示的现象，科技补贴需要较长的考察时间，也即需要基于更长时期分析其对创新绩效的积极作用。已有研究认为，科技补贴更可能有利于企业的技术升级与迭代，并且企业技术从研发到应用和升级需要较长的时间【聂辉华、李光武、李琛；《关于企业补贴的八个关键问题——兼评当下的产业政策研究》，《学术月刊》2022年第6期，第47—60页。】，故其对创新绩效产生影响耗时较长。

对比不同网络发现，人才补贴通常在滞后一期有更明显的效果。现有证据表明，企业在接受人才补贴后，通常会在滞后一期时产生更丰富、多元的促进创新的效果【刘亦晴、陈宬、陈思：《人才政策驱动企业技术创新的联动效应研究》，《科研管理》，（2022-04-20）［2022-09-10］.http：//kns.cnki.net/kcms/detail/11.1567.G3.20220418.0836.002.html.】，其中包括研发投入、研发人员占比增加、创新绩效的直接提高等。对于人才补贴而言，政府给予企业该类补贴的主要目的是提升企业的引才力度，增加高素质研发人才的占比。然而，企业在搜罗人才时，通常更关注人才所带来的价值，也即说明被雇佣者通常需要有一定的研究成果等才会被企业所招聘，从而可能在较短时期内迅速改善企业创新行为、促进其创新绩效。例如，华为技术有限公司在近些年的“百万年薪”招聘计划中，所吸引的人才皆拥有相应创新成果，或是依据人才的科研管理才能直接招聘，从而更可能尽快落地创新成果以实现经济效益。

2.异质性创新补贴的粘性效应

贝叶斯网络分析结果说明，不同类型的创新补贴皆具有粘性效应，也即企业可能会在一段时间内连续获得政府补贴。从现实情境出发，获得创新补贴的企业通常会出现马太效应，也即说明创新补贴有可能产生粘性效应【朱佳龙、蔡朝林、陈朝月：《声誉积累优势还是绩效积累优势？政府R&D补贴分配中“粘性”效应探究》，第43—55页。】。发生这种效应通常有如下成因：一方面获得创新补贴的企业在创新活动上表现更好，从而拥有更好的声誉。政府作为有限理性的主体，对积极创新的企业给予创新补贴可以有效降低信息不对称性【Wu A.The Signal Effect of Government R&D Subsidies in China：Does Ownership matter？.Technological Forecasting and Social Change，117，PP.339-345.】。为了尽可能保证补贴的成功率，优化政策决策水平以助其实现经济目标，从而重复选择先前认定的受补贴企业。政府对企业给予较丰厚的补贴也代表其相对深厚的信任度，因此政府补贴决策更可能产生粘性效应。另一方面基于寻租理论，已然拥有声誉积累的创新企业可能能满足官员利益最大化的动机。未受到补贴的企业只能给政府官员寻找寻租企业的成本。相反，对已然认定为高创新绩效的企业，拥有补贴权力的官员则可以通过“设租”等手段与企业捆绑，获取自身的“权力租金”，实现自身利益的提升【柳光强：《税收优惠、财政补贴政策的激励效应分析——基于信息不对称理论视角的实证研究》，《管理世界》2016年第10期，第62—71页。】。

3.异质性创新补贴的门槛效应

根据贝叶斯网络分析结果，创新补贴对企业创新的门槛效应。更为丰厚的补贴不仅可以为企业带来充足的创新资金，还可以通过技术审查等向外部利益相关者发送企业拥有优势技术与高质量创新项目等积极信号，增加对企业创新活動的支持，促进创新绩效【白旭云、王砚羽、苏欣：《研发补贴还是税收激励——政府干预对企业创新绩效和创新质量的影响》，第9—18页。】。相反，没有创新补贴则表达了政府对企业创新支持的消极态度，定会对企业创新行为与绩效产生不同程度的负面影响。对于略微的、少量的补贴虽然展示了政府对企业的创新支持，但支持力度不够并无法起到激励作用，却会使得企业作出策略性创新的消极决策。其中，少量科技补贴还负向影响创新行为。这种现象可能因为该量级的科技补贴并不具有如人才补贴的定向约束力，导致企业采取策略性创新。综合两种补贴的效果还可以得出，补贴具有门槛效应【李晓钟、徐怡：《政府补贴对企业创新绩效作用效应与门槛效应研究——基于电子信息产业沪深两市上市公司数据》，《中国软科学》2019年第5期，第31—39页。】，即只有大量的补贴才能真正促进企业创新。

结合现有研究，还发现创新补贴对创新绩效存在如下机理可以继续说明门槛效应的存在：第一，政府给予企业创新性补贴将在一定程度上促进企业数字化转型进程的加速，这将通过促进知识整合等中间要素进一步影响企业创新绩效。第二，企业接受政府的创新补贴将有助于缓解其对于创新活动的资金压力，从而进一步促创新绩效。在该影响机理的过程中，政府补贴对数字化转型进程的有效加速，也有进一步缓解融资约束以提升创新绩效。这从侧面再次证明创新性补贴对创新绩效具有门槛效应，从而与贝叶斯网络分析结果形成呼应，加强该分析结果的可信性。

（1）创新性补贴促进企业数字化转型，进而促进知识整合等影响企业创新绩效。

其一，在数字经济时代，政府持续强调数企业数字化转型在经济运行中的重要作用。在此过程中，政府有必要发挥其作为“有形之手”的关键作用，推动企业数字化转型【吴非、常曦、任晓怡：《政府驱动型创新：财政科技支出与企业数字化转型》，《财政研究》2021年第1期，第102—115页。】。政府的创新补贴作为激发企业创新活力的重要手段，能够避免企业在创新过程中缺乏所需资源【杨晓林、刘文龙、王有兴：《政府创新补贴与企业技术创新——兼论补贴合理区间》，《财贸研究》2021年第10期，第70—83页。】，从而激励企业进行数字化转型。此外，企业进行变革需要大量的资源，因此少量补贴难以有效助其进行，而是需要较为丰富的补贴与激励的注入才能促进变革实现【陈林、朱卫平：《出口退税和创新补贴政策效应研究》，《经济研究》2008期第11期，第74—87页。】。数字化转型作为企业拥有的一种创新性变革，将在政府给予丰富的创新补贴时被赋予更大重视程度与应用深度【陈和、黄依婷：《政府创新补贴对企业数字化转型的影响——基于A股上市公司的经验证据》，《南方金融》，（2022-08-03）［2022-09-10］.http：//kns.cnki.net/kcms/detail/44.1479.F.20220802.1536.002.html.】，从而加速相应的转型进程。

其二，数字化变革的逐步深入将促使企业的知识整合能力与信息共享水平随之提升。具体而言，对于任何类型的创新，企业皆需要将资源禀赋、自身能力以及外部知识等信息有效整合，这就要求企业拥有共享信息与整合信息的能力【戚聿东、肖旭：《数字经济时代的企业管理变革》，《管理世界》2020年第6期，第135—152页。】。此外，企业创新活动可能涵盖多方领域，跨越多种信息知识，因此仅仅熟悉单一类型技术的企业往往难以拥有足够的创新绩效。数字化技术的进步将帮助企业对跨领域知识的共享与整合，从而引致创新绩效的提高。

（2）创新补贴将缓解资金压力以促创新绩效。在该机理中，补贴也将加速数字化转型进程，也能缓解融资约束以提升创新绩效。

其一，创新补贴需要经由政府认可才能拨出，其中必然存在政府背书的间接信号。这种信号将使得投资者和金融机构对受补贴的企业赋予信任，从而能够有效帮助企业创新活动缓解融资压力，获得足够的创新资源，并最终促进创新绩效。其中，较少量补贴可能使企业为追求某些经济利益而进行策略性创新，从而使得利益相关者是否对企业注入资金资源持有观望态度。相反，更为丰厚的补贴则会向外界强化并释放上述信号，

增强多方主体对企业的信任程度。不仅如此，对于人才吸引而言，企业受到人才类型的补贴同样会对外界发出信号，体现其对人才的重视程度已经得到政府支持，自然会加强其引才力度。

其二，互联网等数字化技术的发展，使得各方主体的沟通交流突破了时空限制【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.】。大数据、区块链、AI等减少了信息交互过程中的不对称因素，提高了透明性【张鹏杨、张硕：《数字全球价值链参与如何稳定企业产出波动》，《经济管理》2022年第7期，第5—22页。】，这对金融体系是银行主导的大环境下，提高了企业从银行获取资金的能力，提升了银行对企业的好感度，也会提升公司的债权或股权融资的能力。结合前文，政府创新性补贴将加速数字化转型进程，也即促进数字化技术的应用深入，从而随之导致创新绩效得到进一步提升。

六  结 论

（一）研究结果

企业于外部的各种联系对创新具有积极作用，但存在黑边效应，需要对外部信息与资源具体分析【林春培、沈鹤、余传鹏：《企业外部社会联系对破坏性创新的影响研究》，《科研管理》2019年第5期，第80—89页。】。政府创新补贴在作为影响企业创新的外部资源因素【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》，《中国工业经济》2017年第2期，第60—78页。】，具有名目繁多、类型各异的特点，且还具有区间、时间等差别，有必要对其进行细化分类、区别研究。本文使用基于关键词的文本挖掘方法筛选出科技补贴和人才补贴，在文献理论的基础上建立贝叶斯网络模型，将不同类型补贴自动区间化、跨时间划分，探究科技补贴与人才补贴对企业创新活动的影响。最后基于现有文献，对所得分析结果进行可信性分析与讨论，同时讨论政府创新补贴对企业创新的影响机理。通过研究得出如下结论：

1.创新补贴对企业创新绩效的影响具有滞后效应，不同类型的补贴在滞后时间与影响能力上有所区别。科技补贴影响创新绩效需要的时间跨度长，综合效果更明显，且从比较优势角度看，更会导致企业研发资金投入的变化。人才补贴影响创新绩效的时间跨度短，综合效果较弱，从比较优势角度看，更会导致引才力度变化。若排除度量方式的原因，不同政府创新补贴对企业创新的影响的确存在差异，区别化创新补贴具有逻辑合理性。

2.异质性创新补贴皆存在粘性效应。若企业在往期受到过补贴，在当期还受到补贴的可能性将会大大提升。创新补贴是政府对企业创新态度与成绩的认可，对该类企业的持续补助对政府而言是一项低成本且有稳定回报的决策。

3.创新补贴对企业创新具有门槛效应，但对于不同创新补贴仍存在区别。更为丰厚的创新补贴对企业创新有积极效果，缺少补贴将引致企业创新产生微弱的消极反应。仅给予企业少量科技补贴对创新行为与绩效都是抑制效果，而微量人才补贴会使得企业的重视创新行为的策略性创新。总之，创新补贴具有门槛效应，给予企业较大量级的补贴才能更为有效地促进企业创新。

（二）理论意义

1.考虑政府补贴的类别区分、量级差别以及时间差异，丰富了多种类型的创新补贴与企业创新的关系对比研究，也解释了目前研究所存在的冲突。目前研究缺乏将政府创新补贴进行异质性分析，得出政府补贴对创新行为的调控作用常有不同甚至是相反效果。本研究结果是对上述问题的完善深化，在一定程度上回应了争议。

2.将研究拓展到较为系统的视角，建立出能够解释多类型变量、处理多种节点共行的网络分析模型，从而尽可能得出较为全面的研究成果。为目前企业管理学的研究开拓了新的视野，也为企业创新决策提供了新式方法支持。

（三）实践启示

本研究能为企业创新提供管理启示，也能为政府提供政策支持。

对企业的创新管理启示：首先，考虑到创新补贴对创新行为与绩效的积极影响与门槛效应，启示企业应主动向政府展示自身创新能力，要求政府尽可能赋予更多的创新支持，从而提升自身创新能力与绩效。其次，考虑到异质性补贴对企业创新行为的不同影响，启示企业应清楚了解自身对创新的关注点是引才力度或是研发投入，依此有针对性地吸引不同类型的专项创新补贴。

对政府合理配置创新补贴资源的支持：第一，鉴于异质性创新补贴皆有门槛效应，建议政府应对企业给予更大的创新资金扶持力度，尽量避免因给予少量的创新补贴而导致企业策略性创新。同时建议政府减少使用大水漫灌的政策，而应尽可能对企业进行一定时期的考察再进行精准补贴，从而防止企业为获取补贴而进行应付性创新。第二，鉴于创新补贴都存在粘性效应，建议政府需对企业进行持续的跟踪考察，完善考核评估机制，从而对高创新行为与高创新绩效予以持续积极鼓励。也避免由于粘性效应，而对低创新行为或低创新绩效的企业进行持续“损失性补贴”。第三，鉴于研发资金投入比引才力度更容易受创新补贴的影响，建议政府对资本密集型创新企业给予更多的补贴倾斜。但政府亦不能忽略人才的作用，应提供诸如保障住房等非资金政策辅助人才补贴以支持创新。第四，鉴于科技补贴与人才补贴的效果滞后效应不一致性，建议政府对科技补贴效果与人才补贴效果有不同年限的考察。相较于人才补贴，对科技补贴效果观测应放在更长的时间跨度进行评估。

（四）不足与展望

虽然对于异质性政府补贴与企业创新的影响规律进行了研究和分析，具有一定的理论意义和实践管理启示，但仍存在几个不足值得我们继续深入思考和研究：

1.对于创新补贴类型的区分是基于前人研究所提出的文本挖掘方法，應该使用统一理论和方法来对创新补贴类型进行精确定义，提高研究结论的精确性和普适性。因此，对补贴类型分类进行更为科学的统一研究是未来需要解决的一个重点问题。

2.因为创新补贴具有粘性效应，故在上述管理启示中已经提及应该完善考核机制。然而，受篇幅限制，故没有对此进行深入探讨，没有分析如何制定考核企业创新的方案。未来学者可以继续往这方面给予更多关注，得出政府给予创新补贴的最优决策。

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

【責任编辑：吴应望】