产业政策、供应链溢出与下游企业创新.pdf

产业政策、供应链溢出与下游企业创新产业政策、供应链溢出与下游企业创新白茜韦庆芳蒲雨琦蔡卫星*摘要：创新驱动发展战略是实现高质量发展和中国式现代化的必由之路，如何更有效地发挥产业政策的创新激励效果在当前阶段尤其值得关注。文章基于中国上市公司供应链的独特场景，考察产业政策对企业创新的影响是否存在溢出效应及其作用机理。研究表明：首先，产业政策对企业创新的影响存在溢出效应，底线估计大致相当于产业政策直接效应的40%左右，以往研究只关注直接效应而忽视溢出效应在很大程度上低估了产业政策在推动企业创新方面的实际效果。其次，文章提出并识别了知识溢出效应和财务溢出效应两个潜在影响路径，进一步发现知识溢出对下游企业创新产出的影响更大，而财务溢出对下游企业创新投入的影响更大。再次，产业政策通过供应链溢出效应对下游企业创新的影响存在显著的异质性，在供应商-下游企业地理距离较近、供应商集中度较高以及地区制度质量较好的样本中更加显著，这进一步强化了文章的机制逻辑。最后，产业政策通过供应链溢出效应促进下游企业创新的效果主要体现在国家产业政策层面。文章从供应链溢出效应视角进一步丰富了产业政策与企业创新的相关研究，对更全面地评估并充分发挥产业政策创新激励效果进而实现高质量发展具有一定的启发价值。关键词：产业政策供应链企业创新溢出效应DOI：10.19592/ki.scje.410600JEL分类号：D85,O31,G18中图分类号：F273.7文献标识码：A文章编号：1000-6249（2023）10-070-25一、引言创新驱动发展战略在新时代新征程全面建设社会主义现代化强国全局中具有举足轻重的地位。党的二十大报告强调坚持“创新是第一动力”，不断塑造发展新动能新优势。坚持有效市场与有为政府相结合推动创新发展，是中国式现代化的重要路径。其中，以五年规划为主导的产业政策是中国经济发展在有效市场与有为政府结合的鲜明体现（陈钊，2022）。在此背景下，产业政策对微观企业创新行为的影响成为学术研究、政府部门以及产业界共同关注的热点问题（余明桂等，2016；黎文靖、郑曼妮，2016）。从现有文献看，有关这一主题的相关研究大多集中在产业政策能否促进微观企业创新，研究视角集中在产业政策的直接效应，即针对某个或者某些行业的支持政策能否促进这些行业内部企业的创*白茜，广东财经大学金融学院，E-mail：，通讯地址：广东省广州市海珠区仑头路21号，邮编：510320；韦庆芳（通讯作者），华侨大学经济与金融学院，E-mail：，通讯地址：福建省厦门市集美区集美大道668号,邮编：361021；蒲雨琦，广东财经大学金融学院，E-mail：；蔡卫星，广东财经大学金融学院 国家金融学研究中心，E-mail：。作者文责自负。基金项目：本文受国家社科基金重点项目“大数据驱动下中国地方金融风险监测与防控研究”（19AJY027）资助。资料来源:党的二十大代表热议科技创新不断塑造发展新动能新优势,https:/ et al.，2017）。本文在既有研究考虑产业政策直接效应的基础上，还从供应链溢出视角出发，考察了供应商所在行业的政策支持能否给下游企业创新带来增量影响，有助于我们更全面地理解宏观产业政策对微观企业创新的影响，即产业政策除了直接对行业内企业创新产生影响之外，还通过供应链上的溢出效应带来更为广泛的影响，并且这种影响在经济意义上非常可观。其次，从创新视角进一步拓展了有关企业供应链的相关研究。有关供应链的研究大多跟随国外研究（Chu et al.，2019；Intintoli et al.，2017），重点关注下游企业对上游供应商的影响（陈胜蓝、刘晓玲，2021；杨志强等，2020；底璐璐等，2020）。本文将这种自上游向下游的供应链溢出效应纳入到产业政策影响企业创新的理论框架，并基于实证数据检验了知识溢出和财务溢出两个具体的影响机制。最后，从数据层面进一步扩充了中国企业供应链数据。囿于数据可得性等限制，以往基于中国上市公司供应链的相关研究大多只关注上下游均为上市公司的样本（杨志强等，2020；底璐璐等，2020），资料来源:全国政协十四届一次会议举行第二次全体会议,https:/ etal.，2017）。在某种程度上，“五年规划”搭建起了中国产业政策的纲要框架，在“五年规划”的指导下，各职能部门和各级政府会相应出台各种具体化的产业政策及其工具，并通过各类细化措施来强化产业政策的落地（李晓萍、江飞涛，2019），包括但是不限于税收优惠（杨国超、芮萌，2020）、准入政策（江飞涛、李晓萍，2018）、政府补贴（郭玥，2018）、土地政策（范子英等，2022）、金融政策（Chen et al.，2017）等。从整体上看，中国产业政策的引进和发展，是在改革开放以来中国社会主义市场经济快速发展的历史进程大背景下发生的，对宏观经济发展和微观企业行为都产生了极其重要的影响。学术界对于产业政策效果有效性进行了广泛讨论，特别是2016年林毅夫教授和张维迎教授在朗润园“产业政策思辨会”的公开辩论，更是将产业政策是否有效的争论推向了一个新的高度。总结学者们的现有研究，大家对于产业政策效果的认识上存在着一定的分歧，有的研究认为产业政策在促进经济发展、产业转型升级与产业竞争力提升上发挥了积极作用（Chang，2003；Ciuriak，2013；宋凌云、王贤彬，2013；韩永辉等，2017），也有一些研究强调产业政策可能会阻碍经济发展、带来寻租与腐败行为乃至经济增长的长期停滞（Baumol et al.，2007；Robinson，2010；黎文靖、郑曼妮，2016；蒋冠宏，2022）。基于这些讨论，越来越多的学者认为，产业政策研究的重点应该转向“如何制定并实施成功的产业政策”（Ciuriak，2013；李晓萍、江飞涛，2019）。三、文献综述与理论分析（一）文献综述创新活动具有正外部性、高风险性、高不确定性的特点，存在明显的融资约束和激励不足问题722023年10期（Manso，2011；Chu et al.，2019；钟华明、刘志铭，2023）。鉴于创新在经济增长中的关键作用（Arrow，1962；Romer，1986）和市场无形之手在推动创新中的潜在缺陷（Chang，2003），通过政府的有形之手就成为一个自然而然的政策选择（余明桂等，2016）。作为政府有形之手的重要体现，产业政策得到了广泛使用（江飞涛、李晓萍，2018）。在此基础上，学者们对产业政策与微观企业创新之间的关系进行了广泛讨论，大部分研究集中在直接效应视角，即重点关注某项或者某些产业政策是如何影响所在行业的企业创新，大体认为主要存在着资源效应（余明桂等，2016；Gao et al.，2021）、信号效应（Meulemanand De Maeseneire，2012；郭玥，2018）、竞争效应（江飞涛、李晓萍，2018；余明桂等，2016）和寻租效应（黎文靖、郑曼妮，2016；杨国超、芮萌，2020）等四种潜在机制，产业政策的整体影响取决于上述效应的相对大小。第一，资源效应，是指产业政策可以给所在行业内企业带来资源优势进而影响企业创新。纵观全球各国产业政策内容，大多数情况下都会为了支持特定产业发展，由各部门和各级政府通过财政、金融、税收等手段给企业提供资源支持和让渡经济利益。例如，政府补贴、税收优惠、研发费用加计扣除、固定资产加速折旧等财税手段能够降低创新活动的边际成本和研发风险，提升内源融资能力和资金水平（余明桂等，2016；Gao et al.，2021）。信贷配给能够直接向企业输送信贷资金，项目审批、贷款核准等行政性干预能够引导信贷政策方向，使得得到产业政策支持的企业能够以较低的信贷融资成本获取丰富的信贷资源（Chen et al.，2017）。这些措施大大缓解了得到产业政策支持行业的融资约束问题，从而促进企业创新。第二，信号效应，是指产业政策通过传递某些对所在行业内企业有利的信号来促进企业创新。信号效应由信号传递理论衍生而来（Spence，1973），认为产业政策传递了行业发展前景好、投资机会大的信号（Meuleman and De Maeseneire，2012；郭玥，2018）。这种信号在信贷市场上有助于缓解银企信息不对称，使得银行更愿意向获得产业政策支持的企业投放信贷（余明桂等，2016）；在资本市场上有助于缓解企业与潜在投资者之间的信息不对称，使得市场投资者更有信心长期持有企业股票（郭玥，2018）。从整体上看，这种信号传递大大缓解了融资企业与外部投资者之间的信息不对称问题，从而通过提供充足的资金支持来促进企业创新。第三，竞争效应，是指产业政策会导致的市场竞争程度变化进而影响企业创新。加强或者放松行业进出是产业政策非常重要的一项内容（江飞涛、李晓萍，2018）。现有研究认为，放松行业管制、降低进入壁垒、简化行政审批手续等促进竞争的产业政策措施会加速企业进入和退出，使得行业竞争加剧，促使企业持续创新以保持竞争优势和市场份额（余明桂等，2016）。相反地，目录指导、市场准入、供地审批、淘汰落后产能等削弱竞争的产业政策措施则会阻碍企业进入和退出，导致行业垄断程度不断上升，使得企业在低创新水平下也能够继续生存从而缺乏创新动力（余明桂等，2016）。第四，寻租效应，是指策略性迎合产业政策来实施各类寻租活动进而影响企业创新。与大多数的政府干预活动一样，产业政策也可能导致一系列寻租活动。例如，企业通过策略性创新（黎文靖、郑曼妮，2016）、研发操纵（杨国超、芮萌，2020）等方式来不正当获取政府补贴、信贷支持、税收优惠等创新资源，但没有将这些资源用于创新活动，从而造成创新资源的浪费。这一寻租过程会产生高昂成本，挤占高质量创新所依赖的资源，进而抑制企业创新（Krueger，1974）。从整体上看，产业政策导致的寻租效应将会对企业创新带来严重的负面影响。从整体上看，现有文献聚焦产业政策对所在行业企业创新的影响并展开了深入研究，对于我们准73产业政策、供应链溢出与下游企业创新确把握产业政策与企业创新之间的关系具有重要的启发价值。但是，我们也充分注意到，现有文献对于产业政策与企业创新之间关系的研究主要集中在产业内部视角，即针对某个或者某些产业的支持政策能否促进这些产业内企业的创新（余明桂等，2016；黎文靖、郑曼妮，2016）。考虑到产业政策往往具有全局性和长远性（江飞涛、李晓萍，2010；江飞涛、李晓萍，2018；陈钊，2022），那么一个重要而有趣的问题是：针对特定产业的支持政策，能否对其他产业中企业的创新产生影响？以及，这种产业政策溢出效应是通过何种渠道产生的？对上述问题的回答将有助于我们更好地理解产业政策的创新效应，但遗憾的是，从我们掌握的文献来看，有关这一问题的讨论还相对较少。（二）理论分析：产业政策、供应链溢出与下游企业创新通过对产业政策与企业创新之间关系的研究文献梳理，本文发现现有研究并没有对产业政策溢出效应给予足够的重视。我们认为，产业政策对企业创新的影响可以分为两个方面：一方面是通过直接效应，包括前述的资源效应、信号效应、竞争效应以及寻租效应，直接影响行业内的企业创新，这是现有文献的主要研究方向；另一方面是上游供应商受到产业政策的影响，并通过供应链传导到下游企业，从而形成溢出效应。我们认为这种溢出效应是产业政策影响企业创新的重要机制，本文对此进行了创新性探索。基于上述背景，本部分提出了一个产业政策影响企业创新的理论框架，在产业政策的直接效应的基础之上进一步纳入溢出效应。基于数据可得性考虑，本文主要从供应链视角出发考察产业政策溢出效应。我们将上述讨论通过图1所示的理论框架来表示：图1理论框架现有文献主要集中在直接效应，本文则重点关注溢出效应。我们认为产业政策通过供应链溢出影响下游企业创新，至少包括知识溢出和财务溢出两个重要的影响机制：第一，知识溢出。知识溢出最早可以追溯到Arrow（1962）的开创性研究，认为在代表性的知识生产函数中，企业将新知识作为创新活动的投入，既能促进本企业生产具有排他性产品，也能溢出到其他企业并促进这些企业的创新。在此基础之上，社会网络理论进一步解释了供应链创新溢出，认为企业创新优势可以通过嵌入蕴含丰富知识和信息资产的外部网络来实现，而供应链是企业获取外部信息和知识的重要渠742023年10期道（Nieto and Santamara，2007）。供应商网络给下游企业创造了接触外部创新知识的机会，新思路、新实践和新模式等创新信息得到快速传播，从而为下游企业创新能力提升提供了可能（Gao et al.，2015）。有研究表明，供应商是企业进行产品开发和产品改进的重要信息来源，同供应商的协作能够在增强企业运作弹性和市场适应性的同时降低企业经营风险，加快产品开发和创新频率（Nieto and Santamara，2007）。具体来说，从供应商到下游企业的知识溢出包括但是不限于以下方式：一方面，供应商能够通过参与新产品开发（Supplier Involvement in New Product Development，SINPD）直接提升下游企业的创新能力。SINPD是供应商向制造商提供技术知识与创新资源并参与决策共同完成新产品开发的过程（Handfield et al.，1999）。这一过程可以认为是更广泛供应商网络的一个接入点，其背后是一系列产品、工艺技术和创新相关能力的集合（Johnsen，2006），能够大大缩短创新活动开发周期。Carr andPearson（1999）基于国家采购管理协会（National Association of Purchasing Management，NAPM）739家会员企业的实证研究，以及李随成、姜银浩（2010）对福田汽车供应链的案例研究都表明，供应商参与新产品开发对下游企业创新起到了强有力的推动作用。另一方面，通过与供应商互动学习来间接提升下游企业创新能力。在与供应商互动学习过程中，下游企业通过频繁、高质量面对面交流获得大量隐性知识，通过与现有知识的结合创造大量新的交叉知识，从而大大提升创新成功概率（Johnsen et al.，2006）。此外，学习模仿作为率先创新者的供应商的创新思路、汲取成功经验和失败教训能够大大提升创新效率（Gao et al.，2015）。针对日本三菱电机公司的案例研究表明，其与供应商之间存在大量的正式或非正式沟通；快速有效的互动沟通能够提高新产品开发的柔性，降低新产品项目的不确定性，进而提升产品创新能力（Funk，1993）。此外，供应商为了分享商业利润，通常愿意与下游企业公司共享创新资源，包括信息、技术、人力和资金等（Song and DiBenedetto，2008）。第二，财务溢出。财务溢出与企业创新的融资约束有关，创新活动依靠大量、长期的资金支持，而企业自身生产积累和营运资金往往难以满足这一需要，因此，外部融资成为重要的资金来源渠道（Brown etal.，2012；张璇等，2017）。Allen et al.（2005）在其具有广泛影响力的一项研究中指出，在中国，正规金融体系相对不够完善，因此产业链和供应链上的基于声誉（reputation）和关系（relationship）的商业信用等另类融资渠道在外部融资过程中发挥了重要作用。商业信用的竞争力假说认为，供应商出于避免失去大客户、提升销量、获取质量保证、增强竞争力等目的，有动机向市场地位较高、信用较好的大客户提供大额、持续性的商业信用（Fisman and Raturi，2004；余明桂、潘红波，2010）。商业信用通常属于低利息甚至是无利息负债，而处于市场强势地位的下游企业有动机挤占上游供应商的商业信用以最大化自身利益（Giannettietal.，2011）。综合上述讨论，我们将产业政策通过供应链对下游企业创新的溢出效应总结为：上游供应商得到产业政策支持通过知识溢出和财务溢出对下游企业创新带来影响。据此，我们提出本文的核心研究假设：研究假设：给定其他条件相同的情况下，针对供应商的产业政策支持对下游企业创新具有显著的影响。四、实证研究设计（一）样本与数据本文以20122018年披露前5大供应商的全部A股上市公司为初始样本，跨越了“十二五”规划和“十三五”规划两大时期。在基准样本中，本文包含1229家保留完整披露具体的前5大供应商名称的上市公司，一共得到3844个公司-年度样本观测值（共披露了19220个供应商）。根据研究需要对数据75产业政策、供应链溢出与下游企业创新进行如下处理：（1）删除ST、*ST公司样本观测值；（2）删除金融行业样本观测值；（3）删除资产负债率大于1的样本观测值。最终，本文包含了3312个公司-年度观测值样本。本文的研究数据主要来源于以下几个渠道：（1）上市公司供应商信息来自于公司年报，手工整理得到；（2）创新相关的专利申请授权信息来自于专利信息数据库；（3）产业政策数据来自于国家发展与改革委员会公开政策法规中的“五年规划”，并根据上市公司及其子公司以及供应商所在行业信息进行匹配得到；（4）财务数据来自于CNRDS数据库。为了消除异常值的影响，本文对连续变量进行了上下1%缩尾调整（winsorize）处理。（二）变量与模型为研究产业政策在供应链上的溢出效应，我们重点关注上市公司的上游供应商获得产业政策支持能否对下游企业创新具有显著的促进作用。参考余明桂等（2016）、黎文靖、郑曼妮（2016）、底璐璐等（2020）研究基础之上，本文设定如下基准计量模型：Innov_Customeri,t=0+1*IP_Supplieri,t+2*IP_Customeri,t+Xi,t+Industry+Year+t+i,t（1）其中，被解释变量Inno_Customer是上市公司创新的衡量指标。为了确保研究结论的可靠性，我们分别从创新投入和创新产出两个维度构建相关测度指标。具体来说，在创新投入层面，参考既有研究的做法（余明桂等，2016；郭玥，2018），本文使用研发经费占比（RD_Customer）作为衡量指标。在创新产出层面，本文使用对数化的企业申请发明专利数（Patent_Customer）进行衡量。相对而言，在发明、实用新型和外观设计三种专利类型中，发明专利的技术含量和质量最高（蔡卫星等，2019）；同时，考虑到授权过程较长，且检测过程较高的不确定性（黎文靖、郑曼妮，2016），使用发明专利申请数量来作为关键被解释变量。关键解释变量（IP）是一个虚拟变量，当某个行业得到国家五年发展规划支持时取值为1，否则取值为0。本文从上市公司视角出发，将上市公司视为下游企业（Customer），参考既有研究的做法，引入上市公司及其子公司所在行业是否得到产业政策支持（IP_Customer），以控制产业政策的直接效应。在此基础上，我们重点关注上市公司的上游供应商（Supplier），引入上游供应商所在行业是否得到产业政策支持（IP_Supplier），通过估计系数1显著性来识别产业政策在供应链上的溢出效应。表1主要变量及其定义变量类型被解释变量解释变量控制变量变量名称专利申请_下游企业研发投入_下游企业产业政策_供应商产业政策_下游企业公司规模公司年龄资产负债率总资产收益率固定资产占比现金持有变量符号Patent_CustomerRD_CustomerIp_SupplierIp_CustomerSizeAgeLevRoaTangCash变量定义下游企业发明专利申请加1的自然对数下游企业研发投入/营业收入供应商受产业政策支持=1，否则=0下游企业受产业政策支持=1，否则=0对数化总资产对数化企业年龄总负债/总资产净利润/总资产固定资产/总资产经营性净现金流量/总资产762023年10期参考既有研究的做法，本文控制了一系列影响企业创新的潜在因素（Chu et al.，2019；余明桂等，2016；黎文靖、郑曼妮，2016；蔡卫星等，2019），包括公司规模（Size，用对数化的总资产来衡量）、公司年龄（Age，用对数化的公司成立时间来衡量）、杠杆程度（Lev，用资产负债率来衡量）、盈利能力（Roa，用总资产收益率来衡量）、资产结构（Tang，用固定资产占总资产的比重来衡量）、现金比率（Cash，用经营性净现金流量/总资产来衡量）。与此同时，我们还控制了行业和年度固定效应，并将所有回归结果在公司层面进行了群聚（cluster）调整。变量定义见表1。（三）描述性统计表 2汇报了主要变量的描述性统计结果。企业发明专利申请数量 Patent_Customer的平均值为12.377，方差为115.125；企业研发投入占比RD_Customer的平均值为2.891，方差为4.586，表明不同公司间创新表现差距较大；供应商是否得到产业政策支持Ip_Supplier的平均值为0.536，说明大约54%的供应商得到产业政策支持；企业自身所在行业是否得到产业政策支持Ip_Customer的平均值为0.733，说明大约73%的企业得到产业政策支持，与余明桂等（2016）,黎文靖、郑曼妮（2016）的研究相近。其他变量的描述性统计与相关文献相近，表明本文研究样本构造的可靠性。表2描述性统计变量符号Patent_CustomerRD_CustomerIp_SupplierIp_CustomerSizeAgeLevRoaTangCash平均值12.3772.8910.5360.73322.0702.8790.4550.0300.2320.043标准差115.1254.5860.4990.4421.2090.3190.2150.0670.1780.095最小值0.0000.0000.0000.00019.4361.9460.059-0.3960.001-0.339中位数2.0001.7501.0001.00021.9422.8900.4470.0300.1960.042最大值510572.7501.0001.00025.6583.4660.9250.2110.7280.334五、实证结果分析（一）基准回归本文首先考察产业政策通过供应链溢出影响下游企业创新的整体效应。在这里，我们分为两步来检验这一影响：首先检验下游企业自身所在行业的产业政策对企业创新的影响，在此基础上进一步加入供应商是否得到产业政策支持变量，估计结果见表3。在表3中，我们分别使用了创新产出（Patent_Customer）和创新投入（RD_Customer）作为被解释变量，两种情况下的估计结果是一致的，因此我们主要以创新产出为例来解释主要发现。表3中第（1）和（3）栏的估计结果表明，下游企业自身所在行业的产业政策（Ip_Customer）的估计系数均为正，并且在1%的水平下显著，这意味着产业政策确实是对企业创新具有显著的直接促进效应，与余明桂等（2016）的研究结果是一致的。除了统计意义上的显著性，产业政策对企业创新的促进效应在经济意义上也非常可观，以表3第（1）栏为例，在本文半弹性设定下，下游企业自身所在行业的产77产业政策、供应链溢出与下游企业创新业政策（Ip_Customer）的估计系数为0.2876，意味着与那些没有得到产业政策支持的上市公司相比，得到产业政策支持的上市公司创新产出高出了28.76%，这是一个在经济意义上非常可观的影响。表3中第（2）和（4）栏是进一步加入了供应商是否得到产业政策支持（Ip_Supplier）因素后的估计结果。我们发现：无论是使用创新产出还是创新投入，供应商是否得到产业政策支持（Ip_Supplier）的估计系数均为正，并且至少在5%的水平下显著，这意味着上游供应商得到产业政策支持同样对下游企业创新具有显著的促进效应，这种效应在以往研究中往往被忽视。从经济意义上看，以表3第（2）栏为例，供应商是否得到产业政策支持（Ip_Supplier）的估计系数为0.1197，意味着与那些供应商没有得到产业政策支持的上市公司相比，供应商得到产业政策支持的上市公司创新产出要高出了11.97%，这同样是一个在经济意义上不容忽视的影响。进一步地，如果我们对比产业政策的直接效应和溢出效应，以表3第（2）栏为例，产业政策的溢出效应（0.1197）大致相当于直接效应（0.2848）的40%左右，说明尽管产业政策的直接效应是主要效应，但是溢出效应也是非常可观的，这意味着以往对于产业政策与企业创新之间的研究在总体效应上存在着相当程度的低估。表3基准回归估计结果Ip_SupplierIp_CustomerSizeAgeLevRoaTangCashIndustry FEYear FENR2（1）Patent_Customer0.2876*（4.3396）0.3779*（10.1229）-0.2352*（-2.0651）-0.3064*（-1.7659）0.4938（1.3717）-0.6868*（-2.8333）0.0069（0.0248）YesYes33120.2897（2）Patent_Customer0.1197*（2.1582）0.2848*（4.3137）0.3798*（10.1659）-0.2388*（-2.1009）-0.2986*（-1.7176）0.5229（1.4464）-0.6674*（-2.7528）-0.0131（-0.0472）YesYes33120.2916（3）RD_Customer0.3746*（3.1835）-0.0834（-1.4446）-0.8502*（-4.3853）-1.9882*（-6.0457）-1.3040*（-1.7823）-1.6549*（-4.2525）0.2670（0.5741）YesYes33120.4446（4）RD_Customer0.2778*（3.0054）0.3679*（3.1201）-0.0789（-1.3777）-0.8585*（-4.4247）-1.9700*（-6.0048）-1.2365*（-1.6860）-1.6098*（-4.1287）0.2205（0.4786）YesYes33120.4479注：括号内为T统计量，*、*、*分别表示在0.01、0.05、0.1的置信度水平下显著。以下表同。（二）稳健性检验1.双重差分法检验为缓解供应商得到产业政策支持与下游企业创新之间可能存在的内生性问题，参考杨兴全等（2018）的研究方法，构建如下的双重差分模型进行检验：782023年10期Innov_Customeri,t=0+1*Treatj_Postt+2Treatj+3*IP_Customeri,t+Xi,t+Industry+Year+t+i,t（2）其中，Treat是区分实验组和控制组的虚拟变量，实验组“十二五”规划没有得到产业政策支持而“十三五”规划得到产业政策支持的行业，控制组“十二五”规划和“十三五”规划都没有得到产业政策支持的行业。Post是在“十二五”期间取值为0，而在“十三五”期间取值为1。模型其他设定和处理同基准模型。本文关注的核心估计系数是1，如果1显著为正，表明供应商得到产业政策支持能够显著提升下游企业创新。在进行双重差分估计之前，我们先进行平行趋势检验，以第一年作为基期（Nunn and Qian,2011；陈钊、申洋，2021）。图2左图的被解释变量是创新产出（Patent_Customer），右图的被解释变量是研发投入（RD_Customer）。从图2的动态趋势图可以看出，无论是创新产出还是研发投入，得到产业政策支持行业与得到支持之前的年份的交互项均不具有统计意义上的显著性，说明双重差分模型满足平行趋势的要求。图2双重差分的动态趋势图采用双重差分法的估计结果见表4。表4第（1）栏的被解释变量是创新产出（Patent_Customer），从估计结果上看，交互项（Treat_Post）的估计系数为正，且在1%的水平下显著。表4第（2）栏的被解释变量是研发投入（RD_Customer），从估计结果上看，交互项（Treat_Post）的估计系数为正，且在5%的水平下显著。以上结果表明，无论是创新产出还是研发投入，使用双重差分法进行估计时，供应商得到产业政策支持促进下游企业创新的结论没有发生改变。2.替代性解释已有文献发现，为获得产业政策支持的好处，企业倾向于对得到产业政策支持的其他行业内企业进行并购（蔡庆丰、田霖，2019）。因此，供应商所在行业得到产业政策支持可能会增加下游企业对其所在行业内企业的并购概率。为排除这一混淆性因素的影响，我们在基准模型的基础之上，进一步引表4的样本比基准回归的少一些，原因在于该样本不包含“十二五”和“十三五”都得到产业政策支持，以及“十二五”得到产业政策支持而“十三五”没有得到产业政策支持的样本。79产业政策、供应链溢出与下游企业创新入了M&A_Supplierindustry，定义为下游企业是否对供应商所在行业内企业进行并购的虚拟变量，若是则取值为1，否则为0。表4双重差分法估计结果Treat_PostIp_CustomerControlsIndustry FEYear FENR2（1）Patent_Customer0.3784*（2.8880）0.2833*（4.1357）YesYesYes29780.3044（2）RD_Customer0.4270*（1.9724）0.3687*（3.0358）YesYesYes29780.4583表5第（1）栏的被解释变量是创新产出Patent_Customer，从估计结果上看，下游企业对供应商所在行业内企业进行并购M&A_Supplierindustry的估计系数为正，且在10%的水平下显著。更为重要的是，供应商是否得到产业政策支持（Ip_Supplier）的估计系数仍然在5%的水平下显著为正。表5第（2）栏的被解释变量是研发投入（RD_Customer），从估计结果上看，下游企业对供应商所在行业内企业进行并购（M&A_Supplierindustry）的估计系数在5%的水平下显著为正；同时，供应商是否得到产业政策支持（Ip_Supplier）的估计系数仍然在1%的水平下显著为正。以上结果表明，无论是创新产出还是研发投入，进一步排除下游企业对供应商所在行业内企业进行并购这一替代性解释的影响之后，我们的核心结论仍然成立。表5排除替代性解释估计结果Ip_SupplierIp_CustomerM&A_SupplierindustryControlsIndustry FEYear FENR2（1）Patent_Customer0.1211*（2.1863）0.2801*（4.2329）0.0933*（1.7155）YesYesYes33120.2924（2）RD_Customer0.2806*（3.0377）0.3585*（3.0377）0.1862*（2.2786）YesYesYes33120.44903.安慰剂检验为缓解供应商得到产业政策支持在遴选上潜在的非随机性问题，我们采用随机化思路进行安慰剂检802023年10期验。理论上，因为供应商所在行业得到产业政策支持变量是随机赋予的，所以该变量的估计系数应该和零没有差异。从统计的角度来看，此时得到的供应商产业政策变量的估计系数应该分布在0的附近，即不具有任何统计意义上的显著性。此处，我们把供应商是否得到产业政策支持的随机遴选过程重复1000次。图3报告了1000次随机过程得到的估计系数 random1的分布，从图3中可以清晰地看到，无论是创新产出还是研发投入，随机估计系数 random1确实集中分布在零的附近。由此，可以认为，未观测到的特征基本不会对估计结果产生影响，表明在进一步考虑了供应商所在行业是否得到产业政策支持在遴选上潜在的非随机性之后，本文的核心结论仍然稳健。图3安慰剂检验结果4.进一步考虑潜在遗漏因素的影响为排除潜在遗漏因素的影响，我们在基准模型的基础之上进一步加入了企业、行业、地区层面的潜在影响因素，具体包括股权制衡度、两职合一、管理层持股比例、独立董事占比、机构投资者占比、产表6进一步考虑潜在遗漏因素的影响Ip_SupplierIp_CustomerControlsIndustry FEYear FENR2（1）Patent_Customer0.1369*（2.2885）0.2307*（3.2638）YesYesYes31290.2950（2）RD_Customer0.2671*（2.8041）0.2606*（2.1556）YesYesYes31290.4737权性质、行业垄断程度、经济发展水平、第二产业占比、人力资本。从表6的估计结果来看，无论是创新81产业政策、供应链溢出与下游企业创新产出（Patent_Customer）还是研发投入（RD_Customer），供应商是否得到产业政策支持（Ip_Supplier）和下游企业所在行业的产业政策（Ip_Customer）对应的估计系数都为正，且至少在5%的水平下显著。从经济意义上看，以第（1）列创新产出的估计结果为例，供应商是否得到产业政策支持（Ip_Supplier）的估计系数大小与基准模型的发现较为接近，该溢出效应大致相当于直接效应的60%（=0.1369/0.2307）。这表明，在进一步考虑潜在遗漏因素的影响之后，供应商得到产业政策支持促进下游企业创新的核心结论依然成立。5.使用其他模型的检验在基准回归中，我们采用发明专利加1取对数的方式来测度创新产出。尽管这种处理方式能够在满足经典线性模型假定、避免极端值影响等方面具有优势，但是最近的一项研究表明，对于发明专利这种计数型被解释变量，泊松（Poisson）模型能够在更一般的条件下得到一致的估计结果（Cohn et al.，2022）。对此，我们在表7第（1）列中使用Possion模型对基准结果进行重新估计，被解释变量是发明专利数。考虑到样本中近40%的发明专利数为0，我们在表7第（2）列中进一步使用零膨胀Poisson模型进行再次估计。表7的估计结果显示，无论是Poisson模型还是零膨胀Poisson模型，供应商是否得到产业政策支持（Ip_Supplier）和下游企业所在行业的产业政策（Ip_Customer）对应的估计系数都显著为正，且在至少5%的显著水平下。此外，在两种模型下，供应商是否得到产业政策支持（Ip_Supplier）的估计系数大小与基准模型的发现较为接近，溢出效应也都大致相当于直接效应的 40%（=0.1551/0.3623；=0.1086/0.2573）。以上结果表明，无论是使用 Ols 模型还是 Poisson 模型进行估计，我们的核心结论都是一致的。表7其他模型的估计结果Ip_SupplierIp_CustomerControlsIndustry FEYear FENPatent_Customer（1）Possion模型0.1551*（2.3215）0.3623*（3.6718）YesYesYes3312（2）零膨胀Possion模型0.1086*（7.7032）0.2573*（13.9278）YesYesYes33126.考虑产业政策的时滞性由于产业政策实施过程和政策传导的延迟、企业行为调整和技术创新的时滞等原因，产业政策效果的体现需要一定的时间，这可能对研究结论产生影响。对此，我们将基准回归中的被解释变量替换为未来一期的创新产出和创新投入，并在表8中展示了相应的估计结果。根据表8的估计结果，不论是未来一期的创新产出还是创新投入，供应商是否得到产业政策支持（Ip_Supplier）和下游企业所在行业的产业政策（Ip_Customer）对应的估计系数都显著为正，且在至少5%的显著水平下。从经济意义上822023年10期看，以第（1）列创新产出的估计结果为例，供应商是否得到产业政策支持（Ip_Supplier）的估计系数大小与基准模型的发现较为接近，该溢出效应大致相当于直接效应的65%（=0.1732/0.2626）。这表明，在考虑产业政策效果的时滞性之后，本文的核心结论依然稳健。表8被解释变量替换为下一期创新的估计结果Ip_SupplierIp_CustomerControlsIndustry FEYear FENR2（1）FPatent_Customer0.1732*（2.6