異質性創新補貼對企業創新的機制分析

李海林 湯弘欽 林春培

摘 要：

從政府補貼中篩選出科技補貼與人才補貼二類創新型補貼，對二者進行跨時間、區間化劃分，分別構建與創新數據的貝葉斯網絡，實現對創新行為與績效的預測分析、原因診斷與貢獻率測度。研究結果表明：1.創新補貼對企業創新績效的影響具有滯后效應，不同類型的補貼在滯后時間與影響能力上有所區別?？萍佳a貼影響創新績效的時間跨度長，綜合效果好，對研發資金投入的影響能力更強；而人才補貼的影響情況相反。2.不同類型的創新補貼都存在粘性效應。3.創新補貼對企業創新具有門檻效應，但對于不同創新補貼仍存在區別。豐厚補貼積極影響企業創新，缺少補貼將引致企業創新產生微弱的消極反應。微量科技補貼負向影響創新行為與績效，而微量人才補貼會使得企業出現策略性創新。

關鍵詞：政府補貼；企業創新；貝葉斯網絡；機器學習；門檻效應

作者簡介：李海林，華僑大學工商管理學院教授，博士生導師，工學博士，主要研究方向：數據科學與創新管理（E-mail： hailin@hqu.edu.cn ；福建 泉州 362021）。湯弘欽，華僑大學工商管理學院碩士研究生，主要研究方向：數據科學與創新管理。林春培，華僑大學工商管理學院副院長，教授，博士生導師，管理學博士，主要研究方向：破壞性創新。

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

中圖分類號：F273.1? 文獻標識碼：A

文章編號：1006-1398（2023）02-0071-17

一 引 言

為建設現代化經濟體系，中國政府提出以創新為戰略支撐，經濟增長動力逐漸轉變為創新驅動【顧鑫、周延、張旭，等：《政府創新補助刺激企業自主R&D投資？——上市非金融企業的實證》，《華僑大學學報（哲學社會科學版）》2020年第3期，第91—101頁?！?。企業作為經濟增長的主要微觀創新主體，被賦予更多關注和研究。尤其是在如今中國的社會主義市場經濟體制不斷完善的情況下，政府在許多資源的配置中仍發揮著關鍵作用【陳作華、劉子旭：《政企關系與企業特質風險》，《管理科學》2019年第4期，第48—61頁?！?，必將通過多種方式影響著企業的創新實踐【李曉冬、王龍偉：《市場導向、政府導向對中國企業創新驅動的比較研究》，《管理科學》2015年第6期，第1—11頁?！?，從而不斷對企業創新能力提出了更高要求。企業創新過程是一個“厚積薄發”的過程，需要通過內部和外部的各種資源有效整合來支持該過程的順利實施【陳清泰：《促進企業自主創新的政策思考》，《管理世界》2007年第7期，第1—3頁?！?。為此，如863計劃、人才補貼政策等大量類型各異的創新補貼措施逐漸被推出，儼然成為提升企業創新能力與創新績效的外部因素，成為企業創新資本的重要外部來源【張果果、鄭世林：《國家產業投資基金與企業創新》，《財經研究》2021年第6期，第76—91頁?！?。

政府創新補貼對企業創新的重要性不言而喻，故其間關系持續吸引著學界的關注【成瓊文、丁紅乙：《財政補貼、政策組合與資源型企業創新產出——基于創新產出異質性視角》，《中國科技論壇》2021年第9期，第20—30頁?！?。然而，各家學者眾說紛紜，原因可能在于目前研究鮮有關注到創新補貼還具有不同類型，缺少對其深入區別分析，導致“政府補助”到“企業創新”路徑的認知深度還有欠缺。為彌補這一方面缺陷，本研究將從更有區分性的角度入手，將上市企業所受補貼進行初步篩選出創新類補貼，并基于關鍵詞方法將創新補貼區分為科技補貼與人才補貼。此外，在研究過程中還加入使用在其他領域已

經較為成熟的貝葉斯網絡方法，從而避免傳統統計方法的局限，即無法處于綜合角度同時進行多變量、多維度分析的缺陷，且能更為詳細地將政府創新補貼區間化、跨時間化，分析異質性創新補貼是如何影響企業創新行為與創新績效的關鍵問題，進而為政府分配創新資源與企業創新管理提供相關決策支持。

本文預計做出如下貢獻：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性創新政府補貼對企業創新的驅動機制分析，進一步完善了“政府補助”到“企業創新”的路徑研究。第二，以數據驅動研究【李海林、廖楊月、李軍偉，等：《高校杰出學者知識創新績效的影響因素研究》，《科研管理》2022年第3期，第63—71頁?！?，通過貝葉斯網絡方法探討出補貼與創新之間的復雜關系，也為當今管理學領域研究提供了新的研究思路。

二 文獻回顧、局限與解決方案設想

（一）創新補貼與企業創新

對政府創新補貼與企業創新行為的研究雖在學界已有所建樹，然而所得成果卻略有不同，甚至已經產生了結論沖突。其中部分研究認為政府創新補貼可以降低企業在研發成本上的壓力與不確定性、緩解創新活動的風險，進而提高創新行為的積極性【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.】，也使企業對諸如基礎研發等利潤低或在無資助情況下不會投入的項目注入資源，實現調整企業創新行為的目的【Tether B S.Who co-operates for innovation， and why： an empirical analysis.Research policy， 2002， （6）， pp.947-967.】，或是直接激勵創新績效【周海濤、張振剛：《政府研發資助方式對企業創新投入與創新績效的影響研究》，《管理學報》2015年第12期，第1 797—1 804頁?！?。甚至是更為激進的政府風險投資，也會使得企業增加創新相關投入，提升創新產出【謝光華、郝穎、靳姝菲：《風險投資對政府補貼的創新激勵有效性的影響研究》，《管理學報》2018年第9期，第1 337—1 346頁?！?。但也有研究認為由于政企間的信息不對稱，補貼等政策可能會導致企業的過度投資【魏志華、趙悅如、吳育輝：《財政補貼：“餡餅”還是“陷阱”？——基于融資約束VS.過度投資視角的實證研究》，《財政研究》2015年第12期，第18—29頁?！炕驅е缕髽I策略性創新【黎文靖、鄭曼妮：《實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響》，《經濟研究》2016年第4期，第60—73頁?！?。

政府創新補貼對企業創新績效的影響關系也吸引了較多注意，可同樣產生了最終分析結果的沖突。有學者用企業的專利授權量【吳偉偉、張天一：《非研發補貼與研發補貼對新創企業創新產出的非對稱影響研究》，《管理世界》2021年第3期，第137—160頁?！?，或以基于專利的新產品【楊洋、魏江、羅來軍：《誰在利用政府補貼進行創新？——所有制和要素市場扭曲的聯合調節效應》，《管理世界》2015年第1期，第75—86頁?！孔鳛槠髽I的創新產出績效，研究政府研發類或創新類補貼與創新績效之間的關系，均得到上述補貼對創新績效有正向影響的結論。相反，也有其他研究者使用專利申請數計算創新產出績效【白旭云、王硯羽、蘇欣：《研發補貼還是稅收激勵——政府干預對企業創新績效和創新質量的影響》，《科研管理》2019年第6期，第9—18頁?！?，或采用研發經費與研發人員數量為創新績效的代理變量【張杰、鄭姣姣、于浩：《政府創新補貼政策對企業私人性質創新投入的激勵效應》《南京大學學報（哲學·人文科學·社會科學）》2021年第2期，第16—45頁?！?，從而來研究政府創新補貼與其關系，卻發現創新補貼會干擾企業的創新活動與產出，進而出現擠出效應。也有外國學者基于西班牙、新西蘭等國家的數據研究，得出創新補貼對創新行為與績效產生抑制性影響效果【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）異質性創新補貼與企業創新

實際上，政府為支持企業創新而給予的補貼還具有更細致差異，對企業創新存在不同效果，故有學者認為，企業所受的創新補貼應該再往下區分，分析它們的異質性效果。為此，馬嘉楠和周振華【馬嘉楠、周振華：《地方政府財政科技補貼、企業創新投入與區域創新活力》，《上海經濟研究》2018年第2期，第53—60頁?！繉⑵髽I受到的政府補貼區分出多種類別，并在研究結論中提及創新人才類、創新活動類補貼對企業創新有顯著激勵的效果，創新文化或企業發展類激勵較少，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”的背景下，政府鼓勵企業創新給予人才政策補貼帶來的效果應該賦予更多關注。而且隨著經濟社會發展，企業已然成為重要的創新主體，企業對人才的有效利用是推動創新的重要條件

【孫鯤鵬、羅婷、肖星：《人才政策、研發人員招聘與企業創新》，《經濟研究》2021年第8期，第143—159頁?！?。因此，本文認為應該注重創新人才類、創新活動類等落在實處的創新補貼。

雖然關于促進創新而提出的創新補貼與企業創新的關系研究已經較為豐富，但是關注到企業人才補貼帶來的優質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”能否促進企業創新》，《中國工業經濟》2021年第3期，第156—173頁?！客ㄟ^研究發現，人才政策補貼對企業創新存在促進作用，為重視人才補貼提供了更多理論支撐。孫鯤鵬和羅婷⑤

強調，在出臺相關人才補貼政策之后，企業對研發人員的招聘賦予更多重視，促進了企業利用人才資源的效率。此外，趙晶和孟維烜【趙晶、孟維烜：《官員視察對企業創新的影響——基于組織合法性的實證分析》，《中國工業經濟》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劃將賦予企業更強的合法性，減輕外部對企業的擔憂，為企業創新提供保障。

綜上所述，可將政府創新補貼關注點置于人才補貼與其它創新補貼進行對比，并對此二者進行深入探究不同創新補貼對企業創新的異質性影響，分析二者對企業創新管理具有的重要意義。

（三）現有局限與解決方案設想

通過回顧現有研究，發現以下幾點值得深入思考和研究：第一，政府創新補貼對企業創新行為與績效的關系研究仍是比較粗糙，缺乏跨時間、區間化處理，導致結論沖突。第二，關于政府創新補貼的研究基礎較多，但是缺少對各種補貼作用于企業創新績效的貢獻率研究。第三，目前多使用傳統統計方法進行研究政府補貼與企業創新的關系，很難分析創新補貼對企業創新的影響機制與復雜關系。

為應對上述局限，可從更為細致的視角對研究進行設計解決：首先，本研究將視角縮小至近期重點關注的人才與科技補貼，通過關鍵詞從政府補貼數據篩選出科技補貼和人才補貼。其次，將上述兩種類型的補貼數據進行跨時間、區間化處理，從而更嚴謹地討論異質性創新補貼對企業創新的影響。最后，基于數據驅動分析的研究范式，使用貝葉斯網絡方法構建數據分析模型，分析上述二類創新補貼對企業創新行為與績效的影響，分析并對比二者對企業創新行為與績效的預測分析、原因診斷或貢獻率測量【陳靜、蔣正凱、付敬奇：《基于Netica的自學習貝葉斯網絡的構建》，《電子測量與儀器學報》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】，進而提煉結論與管理啟示。

三 指標選取與數據來源

（一）科技補貼

科技補貼（Tech Subsidy）：科技補貼體現政府對企業科技創新的重視程度以及扶持力度。在企業財務報表附注的政府補貼明細中，可以直接了解該項指標的細節情況。但由于條目眾多，需要預先對數據編碼，并基于關鍵詞篩選關于科技補貼的具體項目。借鑒現有研究所選的關鍵詞并適度增加：“科研”“專利”“創新”“科技”等③。

（二）人才補貼

人才補貼（Talent Subsidy）：人才補貼體現政府對企業引才力度的重視程度，以及對企業吸納人才能力的要求與期待。與科技補貼相同，該項指標數據需經過關鍵詞篩選來從政府補貼項目中獲取。具體使用的關鍵詞是參考了郭玥【郭玥：《政府創新補助的信號傳遞機制與企業創新》，《中國工業經濟》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”能否促進企業創新》，第156—173頁?！康难芯坎⑦m當增加，包含了“人才”“專家”“院士”“學者”等。

人才補貼與科技補貼共同構成企業獲得的創新補貼。此外，由于存在二類補貼的關鍵詞同時屬于同一條補貼項目的情況，故出于嚴謹考慮，將重合部分的補貼項目列入人才補貼，篩選情況如圖1所示。

（三）創新行為

創新行為（RD）：創新行為是企業創新的重要部分。對企業創新行為的度量，多是選擇研發支出占比（RD-I）和研發人員占比（RD-II）來作為代理變量【楊洋、魏江、羅來軍：《誰在利用政府補貼進行創新？——所有制和要素市場扭曲的聯合調節效應》，第75—86頁?！?。此二代理變量都是相對數，涵蓋了多項企業異質性指標，能夠較全面地反映企業對創新行為的態度與力度。二者數值越高，越能體現企業對創新行為的重視與投入。若研發支出為X，營業收入為Y，研發人員數量為Z，職工總數為Size，則研發支出占比（RD-I）與研發人員占比（RD-II）可通過如下公式量化：

RD-I=X÷Y×100%

（1）

RD-II=Z÷Size×100%

（2）

（四）創新績效

創新績效（Inno）：創新績效是企業創新的重要部分，是眾多因素導致企業的最終創新產出?，F有研究多采用研發投入或產出衡量創新績效，但是研發投入只能反映短期行為，無法進行長期考察，而選擇專利授權量作為該項指標的代理變量可以避免該問題【黨力、楊瑞龍、楊繼東：《反腐敗與企業創新： 基于政治關聯的解釋》，《中國工業經濟》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研發效率的影響效應研究.《科研管理》2015年第36卷第9期，第6—35頁?！康牧炕椒?，考慮到不同專利具有不同類型區分與創新價值，應該賦予不同專利類型以不同的權重，故某個企業在某段時間的創新績效Inno可基于公式（3）來計算：

Inno=∑3i=1wipi

（3）

其中，權重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量，即發明授權型、實用新型和外觀設計型三種。

（五）數據來源

科技補貼和人才補貼數據可以在CSMAR（國泰安）數據庫的財務報表附注——政府補貼明細中分別提取。創新行為的代理變量數據是從RESSET（銳思）金融數據庫中檢索獲取的。量化創新績效的專利數據是基于python語言設計爬蟲程序，從知網專利數據庫中自動收集而來。該專利數據庫收錄了國內外申請與授權的專利詳情，其中包括國內的發明授權專利，實用新型專利和外觀設計專利共計3 400余萬條，是國內較為詳細的專利數據庫，且對各大高?；蜓芯繖C構而言，該庫數據均較容易獲得，故擇其獲得專利數據。

四 研究設計

為分析不同類型補貼與企業創新之間的關系，需要使用孤立森林算法對數據預處理以保證數據純度與質量。再依據預處理后的補貼與創新相關數據進行貝葉斯網絡建模，以實現預測分析、原因診斷以及貢獻率測量，探究不同類型與量級的補貼對企業創新的復雜關系，最終提煉結論與管理啟示。

（一）研究方法

貝葉斯網絡（Bayesian network，BN）是貝葉斯方法的再拓展，是基于復雜系統的，用于體現變量間概率分布的有向無環圖，結合了諸如機器學習、概率學習與決策分析等多學科技術【何永昌、陳之光、王海鋒，等：《基于Netica的導彈故障診斷貝葉斯網絡模型研究》，《航空兵器》2020年第1期，第89—95頁?！?。該模型具有預測分析與原因診斷的雙向推理功能【王必好、張郁：《基于貝葉斯網絡的技術進步預測與路徑優化選擇》，《科學學研究》2019年第8期，第1 364—1 374頁?！?，且在貢獻率計量皆有所建樹【陳靜、蔣正凱、付敬奇：《基于Netica的自學習貝葉斯網絡的構建》，第1 687—1 693頁?！?，因此運用于如診斷技術故障【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.】等領域，有助于解釋自變量對因變量的影響機制【楊慧芳：《基于貝葉斯網絡的鋁型材擠壓過程異常檢測》，《計算機應用與軟件》2019年第9期，第100—105頁?！?，但在管理學領域的應用較少。

應用貝葉斯網絡需要先假設各個節點與節點間的有向邊，進而模擬關系并對此建立模型【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V（V={V1，V2，…，Vn}）

為預設節點或變量，A（A={Vi→Vj|（i，j∈n）}）

為預設節點間的有向邊或變量間傳導路徑，二者共同構成一組有向無環圖Net=（V，A）。模型中存在反映變量之間關聯性的條件概率表，列出了各節點的父節點所對應的條件概率P={P（V1|V1，V2，…，Vi-1（j∈n））}

，從而得到數學模型：BN=（Net，P）=（V，L，P）

。該方法還能計算父節點聯合概率，即

P（V）=∏P（Vi|VFi）

，其中VFi表示變量Vi的父節點集。

雖然確定節點與設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，無法全局考慮，而且管理學研究不能僅僅局限于算法結論，需要基于學科常識來共同決定模型，故本文決定結合爬山算法結果與管理學理論與文獻基礎，構建貝葉斯網絡模型。

（二）研究思路

為獲知異質性補貼對企業創新行為與創新績效的影響關系，并提出管理建啟示，將遵循如圖2所示的研究思路：第一，篩選補貼類型。通過關鍵詞篩選方法，將政府補貼數據細分為人才補貼與非人才補貼的科技補貼二類創新補貼，并按年份求和量化。第二，度量企業創新活動。根據公式（1）至（3），量化企業的創新行為（RD）與創新績效（Inno）。第三，構建貝葉斯網絡。綜合量化的人才補貼、科技補貼、創新行為與創新績效數據后，結合爬山算法計算結果和現有文獻理論以做建模支撐，構建不同類型的補貼與企業創新的貝葉斯網絡模型。第四，分析網絡并提煉結論。根據所構建的貝葉斯網絡模型，研究不同補貼對企業創新的影響，從而對其關系進行預測分析、原因診斷及計算貢獻率，最終提煉相關結論并提出管理啟示。

（三）數據準備

為避免政策影響與數據庫限制，選取滬深兩市2016年以后上市的所有A股制造業上市公司作為研究樣本，行業分類標準參考中國證監會于2012年（CSRC2012行業分類標準）公布的上市公司行業分類指引。

時間因素對例如營銷管理【何永昌、陳之光、王海鋒，等：《基于Netica的導彈故障診斷貝葉斯網絡模型研究》，第89—95頁?！康绕髽I管理相關研究有著重大影響，故研究補貼與創新的關系時也有必要考慮該因素【朱桂龍、蔡朝林、陳朝月：《聲譽積累優勢還是績效積累優勢？政府R&D補貼分配中“粘性”效應探究》，《科學學與科學技術管理》2019年第3期，第43—55頁?！?，分析異質性補貼對企業持續性創新的真實影響方向。為此選擇t期的創新績效（Innot）、t-1期的創新行為（RD-It-1 & RD-IIt-1）、t-2期的科技補貼（Tech Subsidyt-2）和人才補貼（Talent Subsidyt-2），以及t-1期的上述二類補貼（Tech Subsidyt-1? & Talent Subsidyt-1），其中t為2020年。選擇該數據結構還有余下原因：第一，同期節點之間關系難以觀測。第二，與創新績效相關的投入對其產出有滯后性的影響。第三，研究重點在于政府創新補貼對企業創新的影響，故對補貼多設置節點以深入探討。第四，前一期補貼會作用于當期創新行為（RD）和創新績效（Inno），且前一期創新行為（RD）也可能影響當期的創新績效（Inno）。第五，往期補貼對當期可能存在粘性效應，即政府會繼續補貼往期已有補貼的企業，有必要對補貼增加箭頭路徑。此外，度量創新績效（Inno）是基于企業的已授權專利，通過公式（3）計算。量化創新行為（RD）則是基于公式（1）至（2）實現。

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

經匹配處理后，得到兩種補貼類型所對應的數據結構：Subsidyt-2 /Subsidyt-1 /RD-It-1 /RD-It-2 /Innot?？紤]到數據可能有異常值影響，決定刪除空值后，使用孤立森林算法對數據進行預處理，最終可以使用的科技補貼數據共2 639條，人才補貼數據共2 640條。其中，兩種補貼數據的并集共2 773條，具有相同索引的重合數據共2 506條，重合度達90.4%，具有比較分析的價值。

五 分析結果

（一）科技補貼—企業創新網絡模型

目前可用于搭建貝葉斯網絡模型的軟件已有很多，如Netica，Hugin，JavaBayes等。為快速且清楚定義節點、訓練數據以及將結果可視化，諸如醫藥、工業工程等許多領域已經廣泛使用Netica軟件【何永昌、陳之光、王海鋒，等：《基于Netica的導彈故障診斷貝葉斯網絡模型研究》，第89—95頁?！?。Netica是基于Java語言開發的，用于建立貝葉斯網絡模型的軟件，該軟件可以有針對性與目的性地建立各個節點，擬合樣本數據構建貝葉斯網絡模型，并計算模型中每個節點的條件概率分布。結合上述原因和現有管理學共識，選擇使用Netica軟件構建人才補貼或科技補貼貝葉斯網絡模型，分析結果并提煉出相關結論與管理啟示。選擇t-2期科技補貼（Tech Subsidyt-2）、t-1期科技補貼（Tech Subsidyt-1）、t-1期創新行為（RD-It-1 & RD-IIt-1）和t期創新績效（Innot）構成貝葉斯網絡節點。結合爬山算法、現有管理學常識輔助構建網絡，并代入數據以學習，最終構建如圖3所示的科技補貼貝葉斯網絡模型圖。如此設置節點的理由如下：（1）往期政府補貼對企業創新行為與創新績效都存在影響，而同一期補貼對創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：《聲譽積累優勢還是績效積累優勢？政府R&D補貼分配中“粘性”效應探究》，第43—55頁?！浚喝羝髽I在往期受到過補貼，通常在當期也會得到支持，猜測補貼具有粘性效應。

由于研究重點在于分析不同類型、時間和區間的異質性補貼如何影響企業創新，有必要對科技補貼進行三等級分類以進行更為細致地分析。因研究方法的特點以及軟件自動化結果，（Tech Subsidyt-2）與（Tech Subsidyt-1）兩節點中的數據會按三分位數被自動劃分為三部分，并依數據順序自動化設定高、中、零三種狀態與其對應的先驗概率，其中高為大量補貼、中為略微補貼、零為沒有補貼。類似地，（RD-It-1）、（RD-IIt-1）與（Innot）被自動分為兩個部分，即依據中位數分割，并按順序賦予高、低二種狀態標簽與其對應的先驗概率。以上節點皆可以在網絡模型圖中所對應的中間區域有所顯示。

1.預測分析

預測分析是基于貝葉斯網絡模型來實現自前向后的推理。增加箭頭前置節點（父節點）以新的推斷信息，能夠預測箭頭后置節點（子節點）的概率變化，而且該項概率變化產生的影響還會隨箭頭向下一個節點繼續傳導。通過對比變化后的模型與原模型，即可得到相應的預測推斷信息。

（1）t-2期創新補貼預測分析

根據圖4、表1和表2，并從概率變化的角度觀察，可得到如下結果：第一，大量科技補貼對二類創新行為與創新績效皆存在促進作用。第二，少量科技補貼卻反而會負向影響創新行為與績效。第三，沒有受到科技補貼將使企業創新產生微弱的消極反應。第四，科技補貼存在粘性效應。第五，企業創新行為對科技補貼的反應存在差異，即研發支出占比較研發人員占比對科技補貼反應度更大。

如子圖（a）所示，當節點（Tech Subsidyt-2）狀態高的概率被設定為100%，發現其子節點（Innot）、（RD-It-1）和（RD-IIt-1）狀態高的概率分別提升了5.2%、10.3%和4.8%，而（Tech Subsidyt-1）狀態高的概率提升了33%。同樣，如子圖（b）所示，當設定（Tech Subsidyt-2）狀態中的概率為100%，上述三個子節點狀態高的概率分別變化了-5.8%、-8.7%和-3.1%，而（Tech Subsidyt-1）狀態中的概率提升了25.2%。此外，如子圖（c）所示，設定（Tech Subsidyt-2）狀態零的概率為100%，對應的三個子節點狀態高的概率分別變化了0.7%、-1.0%和-1.4%，而零狀態（Tech Subsidyt-1）概率也提升了34.6%。

（2）t-1期科技補貼預測分析

t-1期科技補貼的子節點只有創新績效，故只分析此二者預測推斷信息。觀察圖5與表3發現，t-1期科技補貼對創新績效的影響情況與t-2期科技補貼分析結果一至三類似，且t-1期科技補貼對創新績效的影響能力大于t-2期。設定節點（Tech Subsidyt-1）狀態高、中和零的概率為100%時，發現（Innot）狀態高的概率分別變化了3.7%、-3.5%和0%。

2.原因診斷與貢獻率測量

原因診斷推理是基于箭頭后節點（子節點）的確定性結果來逆向推理，分析前階段各種因素（父節點）的影響方式與程度。該種推理方式依靠中間環節的可靠性，為最終結果預測提供更加精細化分析。在原因診斷分析中，還可以使用公式（4）計算得出每個節點對于變化后確定性節點的貢獻率【陳靜、蔣正凱、付敬奇：《基于Netica的自學習貝葉斯網絡的構建》，第1 687—1 693頁?！?。若設Con為某前置節點對確定性節點的貢獻率，R0是變化前該前置節點的概率，R′是變化后該前置節點的概率，則Con計算公式如下：

Con=R′-R0R0×100%

（4）

由于研究重點在于政府創新補貼，因此只對其進行分析。如圖6與表4所示，大量科技補貼對企業創新有明顯的促進作用。沒有科技補貼對企業影響十分有限。而少量科技補貼對企業創新的作用則是負向，更可能出現擠出效應或策略性創新的效果。理由如下：當設定（Innot）狀態高的概率為100%，分別觀察（Tech Subsidyt-2）的高、中、零三種狀態的貢獻率分別為10.4%、-11.7%和1.3%；（Tech Subsidyt-1）的高、中、零三種狀態的貢獻率分別為7.2%、-7.0%、0%。該結果與兩期預測分析的相同。

對比兩期科技補貼對創新績效影響發現，t-2期的科技補貼對創新績效的貢獻率絕對值都大于t-1期，即t-2期的科技補貼對創新績效的影響力更強。

（二）人才補貼—企業創新網絡模型

與科技補貼模型的建模邏輯相似，在人才補貼貝葉斯網絡模型中，選擇t-2期人才補貼（Talent Subsidyt-2）、t-1期人才補貼（Talent Subsidyt-1）、t-1期創新行為（RD-It-1 &RD-IIt-1）以及t期創新績效（Innot）共四組數據構成該網絡節點。將數據代入并學習，構建出如圖7所示的人才補貼貝葉斯網絡模型。其中，兩補貼節點的狀態高為大量補貼，狀態中為少量補貼，狀態零為沒有補貼，其他節點的分割方式與科技補貼的相同。

1.預測分析

（1）t-2期人才補貼預測分析

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

如子圖（a）所示，當設定節點（Talent Subsidyt-2）狀態高的概率為100%，發現子節點（Innot）、（RD-It-1）和（RD-IIt-1）狀態高的概率分別變化了2.2%、9.9%和5.2%，而（Talent Subsidyt-1）狀態高的概率提升23.9%。如子圖（b）示，設置（Talent Subsidyt-2）狀態中的概率為100%，上述三個子節點的概率分別變化了-4.3%、1.8%和6.9%，而（Talent Subsidyt-1）狀態中的概率提升了23.9%。又如子圖（c）示，若（Talent Subsidyt-2）狀態零的概率為100%，則三個子節點變化概率分別為0.2%、-1.6%和-1.7%。而（Talent Subsidyt-1）狀態零的概率提升了9.2%。

（2）t-1期人才補貼預測分析

因當期人才補貼對當期創新行為影響很難觀測，故不進行分析。據圖9與表7，探究t-1期科技補貼對創新績效的影響，發現除獲得和t-2期人才補貼預測分析中關于創新績效的類似結果外，還發現t-1期對創新績效的影響能力小于t-2期，此者與科技補貼跨時間區別研究得到的分析結果不同。即當分別設定節點（Talent Subsidyt-1）狀態為高、中、零的概率為100%，（Innot）高狀態的概率分別得到7.7%、-5.2%和-0.4%的變化幅度。

2.原因診斷與貢獻率測量

觀察圖10與表8得出如下結果：第一，沒有得到人才補貼對企業創新績效提升的影響極其有限。第二，少量人才補貼只會降低創新績效，即發生擠出效應。第三，只有大量人才補貼才能促進企業創新績效。理由如下：設定（Innot）狀態高的概率為100%，計算（Talent Subsidyt-2）狀態為高、中、零的貢獻率分別為4.7%、-8.4%和0.5%。而（Talent Subsidyt-1）的三種狀態的貢獻率分別為14.9%、-10.2%、-0.6%。

對不同時期人才補貼對創新績效的影響發現，t-1期人才補貼對創新績效的貢獻率絕對值都大于t-2期，即t-1期的人才補貼對創新績效的影響能力大過t-2期的該種補貼。此項分析結果與科技創新補貼所得的結果相異。

（三）網絡對比分析

1.預測分析對比

比較科技補貼模型與人才補貼模型的分析結果發現，兩種補貼對企業創新行為與創新績效的影響規律不盡相同。

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

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

2.原因診斷對比

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

（四）可信性分析

為了歸納出有意義的結論，可以借由現有文獻與貝葉斯網絡所得結果的共同點，實現穩健性與可信性檢驗，同時分析補貼對創新的影響機理。根據數據分析結果，創新補貼對企業創新行為與績效產生影響時，有三個要點與前人研究直接或間接地產生呼應：滯后效應、粘性效應與門檻效應。其中，在門檻效應的解釋中，分析了政府創新補貼如何影響創新績效的兩個機制，從而對貝葉斯網絡分析的影響機制進行補充：其一，創新補貼促進數字化轉型，進而促進創新績效。其二，創新補貼緩解企業融資壓力，進而提升創新績效。

1.異質性創新補貼的滯后效應

創新補貼具有時滯性，也即通常需要一定的時間才能發揮其對企業創新活動的積極作用【李丹丹：《政府研發補貼對企業創新績效的影響研究——基于企業規模和產權異質性視角》，《經濟學報》2022年第1期，第141—161頁?！??；谪惾~斯網絡的數據分析還發現，異質性創新性補貼仍具有時間差異，對于科技補貼應該賦予更長的考察時間，而對于人才補貼則可以期望企業在較短時期內看到成果。

根據貝葉斯網絡所展示的現象，科技補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新績效的積極作用。已有研究認為，科技補貼更可能有利于企業的技術升級與迭代，并且企業技術從研發到應用和升級需要較長的時間【聶輝華、李光武、李??；《關于企業補貼的八個關鍵問題——兼評當下的產業政策研究》，《學術月刊》2022年第6期，第47—60頁?！?，故其對創新績效產生影響耗時較長。

對比不同網絡發現，人才補貼通常在滯后一期有更明顯的效果?，F有證據表明，企業在接受人才補貼后，通常會在滯后一期時產生更豐富、多元的促進創新的效果【劉亦晴、陳宬、陳思：《人才政策驅動企業技術創新的聯動效應研究》，《科研管理》，（2022-04-20）［2022-09-10］.http：//kns.cnki.net/kcms/detail/11.1567.G3.20220418.0836.002.html.】，其中包括研發投入、研發人員占比增加、創新績效的直接提高等。對于人才補貼而言，政府給予企業該類補貼的主要目的是提升企業的引才力度，增加高素質研發人才的占比。然而，企業在搜羅人才時，通常更關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所招聘，從而可能在較短時期內迅速改善企業創新行為、促進其創新績效。例如，華為技術有限公司在近些年的“百萬年薪”招聘計劃中，所吸引的人才皆擁有相應創新成果，或是依據人才的科研管理才能直接招聘，從而更可能盡快落地創新成果以實現經濟效益。

2.異質性創新補貼的粘性效應

貝葉斯網絡分析結果說明，不同類型的創新補貼皆具有粘性效應，也即企業可能會在一段時間內連續獲得政府補貼。從現實情境出發，獲得創新補貼的企業通常會出現馬太效應，也即說明創新補貼有可能產生粘性效應【朱佳龍、蔡朝林、陳朝月：《聲譽積累優勢還是績效積累優勢？政府R&D補貼分配中“粘性”效應探究》，第43—55頁?！?。發生這種效應通常有如下成因：一方面獲得創新補貼的企業在創新活動上表現更好，從而擁有更好的聲譽。政府作為有限理性的主體，對積極創新的企業給予創新補貼可以有效降低信息不對稱性【Wu A.The Signal Effect of Government R&D Subsidies in China：Does Ownership matter？.Technological Forecasting and Social Change，117，PP.339-345.】。為了盡可能保證補貼的成功率，優化政策決策水平以助其實現經濟目標，從而重復選擇先前認定的受補貼企業。政府對企業給予較豐厚的補貼也代表其相對深厚的信任度，因此政府補貼決策更可能產生粘性效應。另一方面基于尋租理論，已然擁有聲譽積累的創新企業可能能滿足官員利益最大化的動機。未受到補貼的企業只能給政府官員尋找尋租企業的成本。相反，對已然認定為高創新績效的企業，擁有補貼權力的官員則可以通過“設租”等手段與企業捆綁，獲取自身的“權力租金”，實現自身利益的提升【柳光強：《稅收優惠、財政補貼政策的激勵效應分析——基于信息不對稱理論視角的實證研究》，《管理世界》2016年第10期，第62—71頁?！?。

3.異質性創新補貼的門檻效應

根據貝葉斯網絡分析結果，創新補貼對企業創新的門檻效應。更為豐厚的補貼不僅可以為企業帶來充足的創新資金，還可以通過技術審查等向外部利益相關者發送企業擁有優勢技術與高質量創新項目等積極信號，增加對企業創新活動的支持，促進創新績效【白旭云、王硯羽、蘇欣：《研發補貼還是稅收激勵——政府干預對企業創新績效和創新質量的影響》，第9—18頁?！?。相反，沒有創新補貼則表達了政府對企業創新支持的消極態度，定會對企業創新行為與績效產生不同程度的負面影響。對于略微的、少量的補貼雖然展示了政府對企業的創新支持，但支持力度不夠并無法起到激勵作用，卻會使得企業作出策略性創新的消極決策。其中，少量科技補貼還負向影響創新行為。這種現象可能因為該量級的科技補貼并不具有如人才補貼的定向約束力，導致企業采取策略性創新。綜合兩種補貼的效果還可以得出，補貼具有門檻效應【李曉鐘、徐怡：《政府補貼對企業創新績效作用效應與門檻效應研究——基于電子信息產業滬深兩市上市公司數據》，《中國軟科學》2019年第5期，第31—39頁?！?，即只有大量的補貼才能真正促進企業創新。

結合現有研究，還發現創新補貼對創新績效存在如下機理可以繼續說明門檻效應的存在：第一，政府給予企業創新性補貼將在一定程度上促進企業數字化轉型進程的加速，這將通過促進知識整合等中間要素進一步影響企業創新績效。第二，企業接受政府的創新補貼將有助于緩解其對于創新活動的資金壓力，從而進一步促創新績效。在該影響機理的過程中，政府補貼對數字化轉型進程的有效加速，也有進一步緩解融資約束以提升創新績效。這從側面再次證明創新性補貼對創新績效具有門檻效應，從而與貝葉斯網絡分析結果形成呼應，加強該分析結果的可信性。

（1）創新性補貼促進企業數字化轉型，進而促進知識整合等影響企業創新績效。

其一，在數字經濟時代，政府持續強調數企業數字化轉型在經濟運行中的重要作用。在此過程中，政府有必要發揮其作為“有形之手”的關鍵作用，推動企業數字化轉型【吳非、常曦、任曉怡：《政府驅動型創新：財政科技支出與企業數字化轉型》，《財政研究》2021年第1期，第102—115頁?！?。政府的創新補貼作為激發企業創新活力的重要手段，能夠避免企業在創新過程中缺乏所需資源【楊曉林、劉文龍、王有興：《政府創新補貼與企業技術創新——兼論補貼合理區間》，《財貿研究》2021年第10期，第70—83頁?！?，從而激勵企業進行數字化轉型。此外，企業進行變革需要大量的資源，因此少量補貼難以有效助其進行，而是需要較為豐富的補貼與激勵的注入才能促進變革實現【陳林、朱衛平：《出口退稅和創新補貼政策效應研究》，《經濟研究》2008期第11期，第74—87頁?！?。數字化轉型作為企業擁有的一種創新性變革，將在政府給予豐富的創新補貼時被賦予更大重視程度與應用深度【陳和、黃依婷：《政府創新補貼對企業數字化轉型的影響——基于A股上市公司的經驗證據》，《南方金融》，（2022-08-03）［2022-09-10］.http：//kns.cnki.net/kcms/detail/44.1479.F.20220802.1536.002.html.】，從而加速相應的轉型進程。

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

（2）創新補貼將緩解資金壓力以促創新績效。在該機理中，補貼也將加速數字化轉型進程，也能緩解融資約束以提升創新績效。

其一，創新補貼需要經由政府認可才能撥出，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構對受補貼的企業賦予信任，從而能夠有效幫助企業創新活動緩解融資壓力，獲得足夠的創新資源，并最終促進創新績效。其中，較少量補貼可能使企業為追求某些經濟利益而進行策略性創新，從而使得利益相關者是否對企業注入資金資源持有觀望態度。相反，更為豐厚的補貼則會向外界強化并釋放上述信號，

增強多方主體對企業的信任程度。不僅如此，對于人才吸引而言，企業受到人才類型的補貼同樣會對外界發出信號，體現其對人才的重視程度已經得到政府支持，自然會加強其引才力度。

其二，互聯網等數字化技術的發展，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.】。大數據、區塊鏈、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：《數字全球價值鏈參與如何穩定企業產出波動》，《經濟管理》2022年第7期，第5—22頁?！?，這對金融體系是銀行主導的大環境下，提高了企業從銀行獲取資金的能力，提升了銀行對企業的好感度，也會提升公司的債權或股權融資的能力。結合前文，政府創新性補貼將加速數字化轉型進程，也即促進數字化技術的應用深入，從而隨之導致創新績效得到進一步提升。

六 ?結 論

（一）研究結果

企業于外部的各種聯系對創新具有積極作用，但存在黑邊效應，需要對外部信息與資源具體分析【林春培、沈鶴、余傳鵬：《企業外部社會聯系對破壞性創新的影響研究》，《科研管理》2019年第5期，第80—89頁?！?。政府創新補貼在作為影響企業創新的外部資源因素【王剛剛、謝富紀、賈友：《R&D補貼政策激勵機制的重新審視——基于外部融資激勵機制的考察》，《中國工業經濟》2017年第2期，第60—78頁?！?，具有名目繁多、類型各異的特點，且還具有區間、時間等差別，有必要對其進行細化分類、區別研究。本文使用基于關鍵詞的文本挖掘方法篩選出科技補貼和人才補貼，在文獻理論的基礎上建立貝葉斯網絡模型，將不同類型補貼自動區間化、跨時間劃分，探究科技補貼與人才補貼對企業創新活動的影響。最后基于現有文獻，對所得分析結果進行可信性分析與討論，同時討論政府創新補貼對企業創新的影響機理。通過研究得出如下結論：

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

2.異質性創新補貼皆存在粘性效應。若企業在往期受到過補貼，在當期還受到補貼的可能性將會大大提升。創新補貼是政府對企業創新態度與成績的認可，對該類企業的持續補助對政府而言是一項低成本且有穩定回報的決策。

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

（二）理論意義

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

2.將研究拓展到較為系統的視角，建立出能夠解釋多類型變量、處理多種節點共行的網絡分析模型，從而盡可能得出較為全面的研究成果。為目前企業管理學的研究開拓了新的視野，也為企業創新決策提供了新式方法支持。

（三）實踐啟示

本研究能為企業創新提供管理啟示，也能為政府提供政策支持。

對企業的創新管理啟示：首先，考慮到創新補貼對創新行為與績效的積極影響與門檻效應，啟示企業應主動向政府展示自身創新能力，要求政府盡可能賦予更多的創新支持，從而提升自身創新能力與績效。其次，考慮到異質性補貼對企業創新行為的不同影響，啟示企業應清楚了解自身對創新的關注點是引才力度或是研發投入，依此有針對性地吸引不同類型的專項創新補貼。

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

（四）不足與展望

雖然對于異質性政府補貼與企業創新的影響規律進行了研究和分析，具有一定的理論意義和實踐管理啟示，但仍存在幾個不足值得我們繼續深入思考和研究：

1.對于創新補貼類型的區分是基于前人研究所提出的文本挖掘方法，應該使用統一理論和方法來對創新補貼類型進行精確定義，提高研究結論的精確性和普適性。因此，對補貼類型分類進行更為科學的統一研究是未來需要解決的一個重點問題。

2.因為創新補貼具有粘性效應，故在上述管理啟示中已經提及應該完善考核機制。然而，受篇幅限制，故沒有對此進行深入探討，沒有分析如何制定考核企業創新的方案。未來學者可以繼續往這方面給予更多關注，得出政府給予創新補貼的最優決策。

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

【責任編輯：吳應望】