创新是发展的根本，创新政策是创新驱动发展的基本手段。创新政策目标强调在符合市场经济规律、国际规则的前提下，把提升企业创新能力作为转变增长方式的支撑点，创新政策效果强调创新不仅要注重数量增加，更要注重质量提升。现有学者对创新政策效果关注较多，但主要研究单一政策效果，且大多只是探讨创新政策工具对创新绩效的影响，而最终政策需要以组合或者协同形式解决问题，目前已有文献对创新政策组合作用的研究关注较少。

政府多次强调利用多种政策组合，鼓励全社会支持自主创新。目前我国创新政策工具主要采用供给型、需求型及环境型政策工具[1]，3类政策中供给型创新政策应用时间较早、数量较多、效果也很明显。近年来，需求型和环境型创新政策工具的影响力逐渐显现，多种政策工具相互作用、合力促进创新，因此可全面考查多种创新政策工具组合作用效果。本文采用我国内地省份面板数据，聚焦创新政策工具及其交互作用，探讨创新政策工具组合对创新能力和创新绩效的影响，挖掘有效提升创新能力、改进创新绩效的政策工具组合方案，以弥补当前研究不足。

创新是经济持续增长的新动能，创新能力是转变经济增长方式的支撑点，政府通过补助等形式对创新主体进行资助，并为其提供设备、资金与基础设施等良好的物质条件，间接促进创新能力提升[2]。部分学者运用VAR模型[3]、系统动力学模型[4]等方法验证创新政策对创新能力的作用机理，也有部分学者证实创新政策对创新能力的正向激励效果[5-6]，其均从不同角度证实创新政策是政府提高创新能力最有力的政策工具，但目前较少有学者关注创新能力构成的复杂性并进行深入研究。

因此，应综合利用多种创新政策工具组合，引导企业成为科技创新主体，逐步形成自主创新政策合力。已有学者从不同角度探讨了政策组合的作用。李伟红等(2014)研究证实创新政策工具两两组合对经济增长具有显著影响；李冬冬等[7]认为在双重外部性下，组合政策对提高研发水平比单一政策更优；张永安等(2015)聚焦于创新政策对区域企业创新绩效的影响，发现政策工具组合运用效率较高，且不同产业间创新政策效率存在异质性；徐喆等(2017)利用负二项回归模型实证检验不同类别组合和同一类政策内不同政策组合特征对高技术产业创新能力的影响。现有研究较少涉及不同种类政策工具组合作用效果以及如何进行组合效果更优。

创新政策作用效果研究一直是学者关注重点，已有研究成果颇丰。现有研究一方面从国家层面[8]、区域层面[9-11]、产业层面[12-14]及企业层面[15-16]验证创新政策作用效果，发现创新政策对不同层次主体激励效果不同，另一方面证实不同类型创新政策作用效果[17-20]由于政策类别不同而存在明显差异，但现有研究较少从创新数量和创新质量两个方面进行创新政策效果研究。

本文从创新数量、创新质量双维视角出发，利用中国省市层面数据研究创新政策工具及其交互项对创新能力及创新绩效的影响，考查供给型政策、需求型政策及环境型政策的交互作用及其对创新能力的影响，从而揭示多种创新政策工具组合作用及其与创新能力、创新绩效间的关系。

创新政策作用效果主要体现在两个方面：一是调控效果(张永安等，2015)，二是激励效果[21]，无论哪种效果其核心目的均是促进创新能力提升。不同层次、不同类型创新政策工具对创新能力的促进作用存在一定差别。其中，供给型创新政策的主要目的在于扩大创新要素供给，需求型创新政策主要目的在于扩大创新需求，环境型创新政策主要目的在于优化创新环境，3类政策工具从不同角度共同作用于企业主体，共同促进其创新能力提升。基于此，本文提出如下假设：

H1：创新政策工具及其交互项能够显著促进基础创新能力和技术创新能力提升。

企业创新能力是促进我国经济由高速增长向高质量提升的关键要素，其对创新绩效的促进作用主要体现在以下两个方面：一是增加研发投入。创新能力越强的企业，其越愿意加大创新投入[22]；二是直接产出创新成果。创新能力越强的企业，拥有的专利技术越多，越能够正向促进企业创新绩效提升。基础创新能力越强，越有利于从根本上促进企业创新质量提升；技术创新能力越强，企业新产品数量越多，其市场创新绩效越高，从而直接表现为企业创新数量越多。由此，本文提出如下假设：

H2a：基础创新能力能够显著促进企业创新质量提升；

H2b：技术创新能力能够显著促进企业创新数量增加。

目前，从创新数量与创新质量角度探讨创新政策作用效果的研究不多。不同类型创新政策对创新绩效的作用机制不同，供给型创新政策通过加大人才、资金等创新要素投入促进研发，从而增加创新数量、提升创新质量；需求型创新政策指向明确，通过营造有利于创新的市场环境促进创新扩散，既能增加创新数量，又有利于创新质量提升；环境型创新政策通过构建良好的创新发展环境，间接推动创新数量增加和创新质量提升。基于此，本文提出如下假设：

H3：创新政策工具及其交互项能够显著促进创新数量增加和创新质量提升。

本文基于以上分析，以熊彼特的创新理论为基础，对其进行适当调整和改进，构建模型如图1所示。模型构建过程主要考虑以下3个因素：①创新政策工具主要分为需求型、供给型及环境型3类，实际上3种政策组合使用，共同对区域创新能力和创新绩效产生影响。鉴于此，本文将3种政策及其交互项纳入模型进行实证研究；②根据曾婧婧等[21]的研究成果，结合本文研究目的，将创新能力分为基础创新能力和技术创新能力两种；③考虑创新能力对创新绩效的复杂影响，本文从创新数量和质量双维视角，探究创新能力对新产品销售收入和创新效率的影响。

图1 研究模型

(1)创新政策工具。①供给型创新政策工具是区域创新的推动力，政府通过信息、技术、人才及资金等工具改善区域创新要素供给状况，推动技术发展进而促进区域创新。供给型创新政策工具主要包括研发补贴、人才培养与激励、科技投入、信息服务等方面。考虑到数据可获取性，本文选用R&D人员全时当量作为供给型创新政策工具的评价指标；②需求型创新政策工具是区域创新的拉动力，政府通过政府采购、示范工程、贸易管制、技术认定等措施降低市场不确定性，改善创新条件，增加区域创新需求，刺激市场或重构新市场，从而拉动区域创新能力提升及促进新产品开发。本文选用政府采购作为需求型创新政策评价指标；③环境型创新政策工具主要是指政府通过金融支持、税收优惠、法规管制等为创新创建良好的发展环境，间接推动区域创新及新产品、新技术开发与利用。基于数据可获取获性及研究需要，本文选取政府补助衡量环境型创新政策。

(2)因变量：创新绩效。本文将创新绩效分为创新数量和创新质量两个维度。创新数量代表创新规模，本文借鉴Griliches[23]的研究成果，采用新产品销售收入对其进行测量；创新质量代表创新水平，本文参考董鹏刚等[24]的研究成果，选用创新效率作为衡量指标。创新效率测算采用非参数法DEA-Malmquist法，创新投入评价指标为R&D经费内部支出和科技活动人员数，创新产出评价指标为专利申请数和技术市场成交额。

(3)创新能力：基础创新能力是区域创新能力提升的源动力，各级政府通过设立自然基金等多种举措推动原始创新，进而促进技术创新能力提升及科技进步和社会发展。本文参考曾婧婧等[21]的做法，选用各省论文发表总量作为评价基础创新能力的指标。技术创新能力是区域创新能力提升的主要驱动力，用以反映应用科学领域的创新成果，基础科学领域研究成果只有转化成技术才能推动创新，因此技术创新能力是促进社会发展的核心。基于数据准确性和可获取性并参考现有文献做法，本文采用专利申请授权量衡量技术创新能力。

(4)控制变量。创新绩效受一系列因素的共同影响，除政策变量外，参考已有学者研究成果，本文引入如下控制变量：①经济发展水平。通常经济发展水平较高地区更愿意投入更多资源用于创新，用人均GDP表示；②省市规模。不同规模省市其创新数量和效率均不同，用各省市年末人口总数表示。考虑到我国东西部地区发展不均衡，对创新发展影响差异较大，所以西部省市赋值为0，东部省市赋值为1(除陕西、四川、云南、贵州、广西、甘肃、青海、宁夏、新疆、西藏、内蒙古、重庆市外，其它均为东部地区)；③考虑到国外创新对国内的影响，引入国外创新水平及对外开放程度两个控制变量。其中，国外创新水平采用外商直接投资额衡量，对外开放程度采用进出口总额与GDP的比值衡量；④考虑到创新活动投入大且风险高，引入金融发展水平作为控制变量，采用金融机构年末存贷款余额与GDP占比衡量。

为缓解异方差带来的影响，变量中所有绝对量均取对数处理，详细变量说明见表1。

表1 变量说明及定义

变量类型变量名称变量指标变量标识变量指标定义因变量创新绩效InPerformance创新数量Innum新产品销售收入,取对数创新质量Inqua创新效率,根据DEA计算得出自变量创新政策InPolicy供给型-人才激励SupR&D人员全时当量,取对数环境型-金融支持Env政府补助,取对数需求型-政府采购Dem政府采购额,取对数中间变量创新能力Inability基础创新能力Basis发表论文数量,取对数技术创新能力Tech专利申请授权数量,取对数省市规模Scale年末省市人口总数,取对数经济发展水平Eco人均GDP,取对数控制变量Control variable国外创新水平InOut外商直接投资额,取对数金融发展水平Fin金融机构年末存贷款余额/GDP对外开放程度Open进出口总额/GDP

本文选取我国内地30个省份2008-2018年平衡面板数据作为样本(由于西藏研发支出及R&D人员全时当量数据缺失，故未纳入统计)，数据来源于《中国科技统计年鉴》、《中国高技术产业统计年鉴》以及各省市自治区统计年鉴，数据分析采用Stata15.0软件，本文主要变量统计结果见表2。

本文运用面板回归模型，其一般包括变系数、变截距及混合模型3种。对于模型确定，首先进行Chow检验，结果显示p值为0.000，即拒绝原假设，表明本文内容不宜选用混合模型；其次，进行Husman检验，结果依然拒绝原假设，意味着固定效应模型优于随机效应模型，故本文采用固定效应模型进行实证分析。鉴于本文是研究创新政策组合对创新能力及创新绩效的影响，政策类因素时间变化趋势明显，故本文估计方法为时间固定效应模型。数学模型如下：

Inabilityit=∝0+∝1Inpolicyit+∝2Controlit+εit

(1)

Inperfitit=β0+∝β1Inabilityit+β2Controlit+μit

(2)

Inperfitit=γ0+γ1Inpolicyit+γ2Inabilityit+γ3Controlit+δit

(3)

上述模型中，Inabilityit代表i省份t时期的创新能力，Inpolicyit代表i省份t时期不同类型创新政策工具，Inperfitit代表i省份t时期的创新绩效，Controlit代表控制变量，主要包括省市规模(Scale)、地区虚拟变量(Area)、国外创新水平(Inout)、对外开放程度(Open)、经济发展水平(Eco)及金融发展水平(Fin)。

对模型1进行回归分析。模型1-1-A、1-1-B、1-1-C以基础创新能力作为被解释变量，模型1-2-A、1-2-B、1-2-C中被解释变量为技术创新能力，两组模型中解释变量均为供给型、需求型和环境型创新政策工具及其交互项，加入控制变量后，逐步建立回归模型进行分析，结果如表3所示。

表2 主要变量描述性统计结果

变量类型变量标识样本最小值最大值均值标准差因变量Innum33011.3519.7216.621.59Inqua3300.721.130.990.05自变量Sup33010.4217.0614.431.36Env3304.029.187.020.95Dem3300.5612.436.350.45中间变量Basis3305.7111.088.090.91Tech3305.4313.089.621.52Scale3306.329.348.190.74Eco3309.0911.8610.610.52控制变量Inout3300.2613.105.562.08Fin3301.298.132.991.14Open3300.1681.7840.2910.344

注：表中地区虚拟变量未进行描述性统计分析，本数据根据Stata计算输出结果整理

表3 创新政策工具对创新能力的影响

变量基础创新能力Basis模型1-1-A模型1-1-B模型1-1-C技术创新能力Tech模型1-2-A模型1-2-B模型1-2-CConstant-5.184***-0.530-1.665-17.59***-3.3313.381(1.087 6)(1.599 4)(3.568 3)(1.437 5)(1.747 4)(2.785 7)Scale0.683***0.283*0.223*1.490***0.2*0.289**(0.048 5)(0.126 9)(0.143 1)(0.048 7)(0.113 6)(0.103 2)Eco0.598***0.075 20.004 781.326***-0.079 60.012 5(0.101 6)(0.145 4)(0.151 5)(0.136 9)(0.171 5)(0.154 2)Area0.030 40.067 50.071 70.014 7-0.138*-0.137**(0.057 6)(0.044 2)(0.045 8)(0.077 7)(0.057 1)(0.052 1)控制变量InOut0.137***0.097 2***0.094 2***-0.019 6-0.008 39-0.009 28(0.015 2)(0.015 6)(0.014 7)(0.018 0)(0.012 5)(0.012 3)Fin0.360***0.164**0.113*0.171***0.035 7*0.109*(0.045 0)(0.051 3)(0.053 9)(0.041 9)(0.038 8)(0.044 5)Open-0.094 50.1920.2630.709***0.629***0.499***(0.178 2)(0.169 4)(0.176 7)(0.137 7)(0.128 8)(0.129 3)Sup-0.079 90.1321.129***0.261(0.090 9)(0.424 6)(0.094 7)(0.219 3)Env0.429***0.627-0.095 1*-0.753***(0.046 6)(0.356 1)(0.046 8)(0.165 5)Dem0.004 3841.89***-0.122-15.69*(0.059 4)(10.899 0)(0.065 2)(7.164 1)自变量Sup*Env-0.0170.066 8***(0.031 3)(0.016 3)Sup*Dem3.565***1.633*(0.949 1)(0.650 0)Env*Dem3.116***1.260*(0.836 9)(0.537 1)

续表3 创新政策工具对创新能力的影响

变量基础创新能力Basis模型1-1-A模型1-1-B模型1-1-C技术创新能力Tech模型1-2-A模型1-2-B模型1-2-CYear Fixed EffectsYesYesYesYesYesYesP值0.0000.0000.0000.0000.0000.000回归效果R20.770 90.833 70.837 60.912 70.948 70.953 2AIC407.8304.8300.7427.4254.7228.2N330330330330330330

注： *、 **、***表示显著性水平分别为0.1、0.05、0.01，括号内为t值，本数据根据Stata计算输出结果整理而来，下同

由表3可知，国外创新水平显著促进基础创新能力提升，对外开放程度显著促进技术创新能力提升，这可能是由于国外技术创新直接推动了国内科研能力提升，但国内还是以跟踪性创新为主，故国外创新水平对基础创新能力促进效应显著；对外开放程度反映与国外技术的对接交流程度，通过技术引进等方式推动国内技术进步，提高对外开放程度会显著促进国内技术创新能力提升；金融发展水平和城市规模均显著促进基础创新能力和技术创新能力提升，表明培育良好的金融发展环境、提高金融发展水平、优化城市规模均有助于创新能力提升。

(1)创新政策工具对创新能力的影响。表3回归结果表明，研发人员数量对技术创新能力的回归系数为1.129且通过统计检验，表明目前供给型创新政策显著促进技术创新能力提升，但其对基础创新能力的回归系数为-0.079且未通过统计检验，意味着供给型创新政策并没有推动基础创新能力提升。供给型政策可通过扩大创新要素供给直接推动技术创新，此部分结论表明供给型创新政策实现了其政策目标。

政府补助对基础创新能力的回归系数为0.429且通过统计检验，意味着政府补助显著促进基础创新能力提升，但其对技术创新能力的回归系数为-0.0951且通过统计检验，表明政府补助显著抑制了技术创新能力提升。这说明，首先环境型创新政策作用效果明显；其次，加大政府补助导致政策导向型R&D投入增加，但R&D投入增加并未推动技术进步进入良性循环。

需求型政策对基础创新能力和技术创新能力无显著影响。这表明，当前政府采购措施并未推动区域创新能力提升。这一结论与政策设立初衷相背离，可能原因在于目前政府采购主要倾向于市场上已有产品，且政策存在监管难、执行难等问题，削弱了政府采购政策对创新绩效的直接影响，导致其对基础创新能力和技术创新能力的影响不明显。

(2)创新政策工具交互项对创新能力的影响。研发人员数量与政府采购交互项对基础创新能力和技术创新能力均存在显著正向影响，影响系数分别为3.565和1.633，政府补助与政府采购交互项对基础创新能力和技术创新能力的影响系数分别为3.116和1.260，且在统计上均显著，意味着需求型创新政策显著提升了供给型和环境型创新政策的有效性。研发人员数量和政府补助交互项对技术创新能力的回归系数为0.066 8且通过显著性检验，表明供给型和环境型创新政策组合显著提升了技术创新能力。

假设H1得到部分验证，说明创新政策工具组合能够促进区域创新能力提升。需求型创新政策通过行政手段建立政府采购渠道从而推动区域创新发展，供给型创新政策通过扩大创新要素供给直接推动技术创新，环境型创新政策通过扩大金融支持间接促进技术创新，三者各有优长。在实践中，应将不同类型创新政策工具有效结合，实现创新政策功能协同互补，从而设计合理的创新发展政策。

对模型2进行回归，分析创新能力对创新绩效的影响，以创新数量和创新质量为因变量，以基础创新能力和技术创新能力为自变量，以省市规模、金融发展水平、经济发展水平及高技术产业发展水平等为控制变量建立模型进行回归分析，结果见表4。

由表4可知，基础创新能力对创新效率的回归系数为-0.069 6且通过统计检验，意味着基础创新能力显著抑制创新质量提升，原因可能在于大量基础研究成果尚未找到商业化途径，亟需构建高校、科研机构与企业的商业合作机制，加快成果转化进程；技术创新能力对新产品销售收入的影响系数为0.634且在1%显著性水平下显著，表明技术创新能力显著促进了创新数量增加。技术创新能力与创新数量间关系具有两面性。一方面，技术创新能力提升会推动技术发展进而加速新产品研发，企业因此获得超额利润；另一方面，新产品销售收入增加使得企业利润增长，进而有利于企业加大研发活动支出，推动技术创新发展。由此，假设H2a、H2b得到验证。

对模型3进行回归，以创新数量和创新质量为因变量，以3类创新政策工具及其交互项、基础创新能力和技术创新能力为自变量，逐步引入控制变量进行回归，具体结果如表5和表6 所示。

表4 创新能力对创新数量与创新质量的影响检验结果

变量创新数量Innum模型2-1-A模型2-1-B模型2-1-C模型2-1-D创新质量Inqua模型2-2-A模型2-2-B模型2-2-C模型2-2-DConstant-12.87***-12.79***-1.724-1.7488.219***7.859***8.263***7.939***(1.540 2)(1.698 2)(1.434 1)(1.521 5)(0.892 5)(0.934 0)(1.285 5)(1.308 9)控制变量Scale1.445***1.435***0.501***0.505***0.050 50.098 0*0.046 90.091 3(0.069 6)(0.092 6)(0.099 4)(0.111 4)(0.036 7)(0.042 5)(0.072 3)(0.074 4)Eco1.673***1.664***0.833***0.836***-0.013 10.028 5-0.016 30.022 5(0.138 5)(0.160 1)(0.114 0)(0.127 7)(0.073 1)(0.080 2)(0.104 7)(0.109 2)Area0.259**0.258**0.250***0.250***0.037 20.039 30.037 10.039 2(0.088 4)(0.087 6)(0.070 1)(0.069 7)(0.046 7)(0.046 7)(0.046 7)(0.046 7)InOut-0.016 1-0.018 2-0.003 67-0.002 96-0.010 3-0.000 812-0.010 3-0.000 703(0.021 5)(0.023 7)(0.016 6)(0.017 9)(0.009 2)(0.009 5)(0.009 3)(0.009 6)Fin-0.044 6-0.050-0.153***-0.151**0.029 80.054 8*0.029 40.054 1*(0.047 1)(0.061 2)(0.040 8)(0.055 3)(0.021 3)(0.026 0)(0.021 8)(0.026 3)Open0.628***0.630***0.1790.179-0.173-0.179-0.175-0.183(0.175 3)(0.177 3)(0.148 8)(0.150 7)(0.109 5)(0.108 9)(0.112 2)(0.111 5)Basis0.015-0.005 15-0.069 4*-0.069 6*(0.088 5)(0.075 8)(0.034 3)(0.034 4)中间变量Tech0.633***0.634***0.002 460.004 55(0.057 9)(0.058 0)(0.042 1)(0.042 0)Year Fixed EffectsYesYesYesYesYesYesYesYesP值0.0000.0000.0000.0000.0000.0000.0000.000回归效果R20.868 20.867 80.900 30.899 90.745 20.747 60.744 40.746 8AIC589.8591.7498.9500.899.5197.44101.599.42N330330330330330330330330

表5和表6表明，随着控制变量、自变量及其交互项的逐步引入，模型回归效果不断加强，解释能力逐步提高，模型6拟合优度高于其它模型。国外创新水平和对外开放程度显著促进新产品销售收入，显著抑制创新效率，因此国外创新水平和对外开放程度可以显著促进国内创新数量增加，但对创新质量起显著抑制作用。这是因为，虽然国外创新水平有所提升，但国内企业现阶段依然以跟随创新模式为主，自主创新能力并未得到有效提升，因此抑制了国内创新效率提升。

金融发展水平对创新数量和创新质量起显著抑制作用，这与徐晓舟等[25]的结论部分一致。可能原因在于，金融机构通常支持风险低、市场前景好且具有还款能力的项目，而创新项目通常资金投入大、风险较高以及前景不明朗，因此很难得到金融支持，与回归结果一致。

(1)3类创新政策工具及其交互项对创新绩效的影响。人才激励政策显著促进新产品销售收入增长，表明供给型创新政策显著促进创新数量增加；政府补助对新产品销售收入的回归系数显著为正，表明环境型创新政策对创新数量具有显著正向影响；需求型创新政策对创新数量的回归系数为正，但未通过显著性检验，表明需求型创新政策对创新数量有促进作用，但不明显。供给型、需求型及环境型创新政策对创新质量均无显著影响。这一结论表明，我国目前3类创新政策对创新数量促进作用显著，但创新质量的直接影响作用不明显。

供给型和环境型创新政策交互项对创新数量呈显著抑制作用，由上述分析结果可知供给型和环境型创新政策对创新数量均为显著促进，说明供给型和环境型创新政策组合功能存在竞争；供给型和需求型创新政策交互项以及环境型和需求型创新政策交互项对创新数量的回归系数均为正且通过统计性检验，说明供给型和需求型以及环境型和需求型创新政策组合显著促进了创新数量提升，即需求型与供给型、需求型与环境型创新政策组合功能呈现协同互补性。总体而言，对创新数量而言，创新政策交互项作用效果明显优于单一政策效果。供给型、环境型和需求型创新政策两两交互项对创新质量的回归系数均为负且通过统计性检验，表明3类创新政策交互项对创新质量抑制作用显著，假设H3得到部分验证。

(2)创新能力的中介作用。由表5可知，当基础创新能力和技术创新能力同时引入创新数量模型时，3类创新政策交互项均不再显著，技术创新能力显著提升了创新数量，表明技术创新能力在创新政策工具对创新数量影响中发挥完全中介作用。由表6可知，当基础创新能力和技术创新能力同时引入创新质量模型时，3类创新政策工具交互项均不再显著，而基础创新能力对创新质量具有显著正向影响，表明基础创新能力在创新政策工具对创新质量的影响中发挥完全中介作用。显然，创新能力是影响创新政策工具与创新绩效关系的关键因素。创新政策只有在提升区域创新能力的基础上，才能影响创新绩效。因此，创新政策应致力于影响创新能力，才能进一步激发创新活力，提升创新绩效。

表5 创新政策工具、创新能力对创新数量的影响检验结果

变量创新数量Innum模型3-1-A模型3-1-B模型3-1-C模型3-1-D模型3-1-E模型3-1-FConstant-12.87***1.625-6.155-6.316-7.592-7.661(1.540 2)(1.701 9)(5.044 6)(5.274 5)(4.637 1)(4.776 4)控制变量Scale1.4450.185*0.175*0.1970.052 50.066 8(0.069 6)(0.130 8)(0.152 4)(0.154 8)(0.144 7)(0.145 7)Eco1.673***0.2770.3270.3280.322*0.322*(0.138 5)(0.161 3)(0.178 2)(0.181 5)(0.157 0)(0.159 4)Area0.259**0.099 30.095 20.1020.153*0.156*(0.088 4)(0.075 7)(0.077 0)(0.075 4)(0.073 2)(0.072 7)Inout-0.016 1-0.004 15*0.006 39**0.015 5*0.010 3**0.015 5**(0.021 5)(0.017 8)(0.017 3)(0.020 1)(0.016 2)(0.017 9)Fin-0.044 6-0.163***-0.114*-0.104*-0.161**-0.154*(0.047 1)(0.048 8)(0.059 5)(0.062 3)(0.060 1)(0.062 7)Open0.628***0.526**0.528**0.553**0.316*0.334*(0.175 3)(0.173 1)(0.175 9)(0.177 3)(0.158 6)(0.160 5)自变量Sup1.159***1.891***1.904**1.780***1.789**(0.102 3)(0.555 5)(0.585 8)(0.521 7)(0.541 3)Env0.170**0.3920.4530.7120.742(0.059 9)(0.442 6)(0.482 4)(0.426 9)(0.451 2)Dem0.051 8-10.14-6.089-3.472-1.269(0.082 0)(12.744 6)(13.794 6)(12.749 0)(13.531 8)Sup* Env0.056 9*-0.058 5-0.085 3*-0.085 7(0.040 3)(0.042 8)(0.038 8)(0.040 1)Sup* Dem0.912**0.5680.2180.032 9(1.092 1)(1.182 3)(1.084 3)(1.149 1)Env * Dem0.775*0.4730.2390.076 2(0.955 0)(1.038 7)(0.959 3)(1.021 3)中间变量Basis0.096 70.055 1(0.101 4)(0.087 0)Tech0.425***0.418***(0.083 6)(0.085 1)回归效果Year Fixed EffectsYesYesYesYesYesYesP值0.0000.0000.0000.0000.0000.000R20.868 20.902 40.904 50.904 70.9120.911 9AIC589.8493.7490.1490.4464465.4N330330330330330330

表6 创新政策工具、创新能力对创新质量的影响检验结果

变量创新质量Inqua模型4-2-A模型4-2-B模型4-2-C模型4-2-D模型4-2-E模型4-2-FConstant8.219***9.4064.6674.5174.6814.566(0.892 5)(1.382 5)(2.703 5)(2.582 8)(2.697 4)(2.570 2)控制变量Scale0.050 5-0.064 5-0.131-0.111-0.13-0.106(0.036 7)(0.098 9)(0.091 1)(0.086 7)(0.092 8)(0.088 5)Eco-0.013 1-0.126-0.187-0.187-0.187-0.187(0.073 1)(0.134 7)(0.124 8)(0.123 7)(0.125 1)(0.124 1)Area0.037 20.014 90.010 90.017 40.010 40.015 4(0.046 7)(0.048 2)(0.045 9)(0.045 2)(0.048 4)(0.047 8)InOut-0.010 3**-0.004 36**-0.004 21*0.008 07*-0.004 58*-0.008 1*(0.009 2)(0.009 5)(0.009 5)(0.009 5)(0.009 5)(0.009 4)Fin0.029 80.034 2*-0.008 8**0.001 34*-0.008 4**-0.003 2*(0.021 3)(0.027 5)(0.028 8)(0.028 3)(0.030 8)(0.030 2)

续表6 创新政策工具、创新能力对创新质量的影响结果

变量创新质量Inqua模型4-2-A模型4-2-B模型4-2-C模型4-2-D模型4-2-E模型4-2-FOpen-0.173*-0.214*-0.132*-0.108**-0.13*-0.1**(0.109 5)(0.112 0)(0.099 2)(0.095 8)(0.104 1)(0.099 7)自变量Sup0.1450.787**0.799***0.788**0.803***(0.076 4)(0.252 9)(0.230 6)(0.253 6)(0.230 9)Env-0.054 10.3750.431*0.3720.421*(0.039 6)(0.191 8)(0.177 9)(0.196 5)(0.181 1)Dem-0.033 45.4679.2435.4059.067(0.049 9)(4.637 0)(5.046 2)(4.879 9)(5.193 6)Sup* Env-0.046 5*-0.048 0**-0.046 2*-0.047 0**(0.018 4)(0.016 8)(0.018 8)(0.017 2)Sup* Dem-0.716*-1.037*-0.709-1.017(0.433 5)(0.467 7)(0.463 1)(0.487 8)Env* Dem-0.392**-0.673-0.387-0.658(0.347 9)(0.376 0)(0.366 4)(0.387 2)中间变量Basis0.090 2*0.091 7*(0.040 2)(0.039 9)Tech0.003 990.015 3(0.061 7)(0.060 8)回归效果Year Fixed EffectsYesYesYesYesYesYesP值0.0000.0000.0000.0000.0000.000R20.745 20.747 10.760 40.763 30.759 60.762 6AIC99.5199.9785.8582.6787.8484.55N330330330330330330

本文选用2008-2018年中国内地30省份面板数据，基于创新质量与创新数量双重视角，实证研究创新政策工具及其交互项与创新能力、创新绩效间的作用关系，重点分析创新政策工具组合作用效果以及不同类型创新能力在创新政策工具与创新绩效关系中发挥的中介作用。结果表明：①供给型和环境型创新政策均有利于促进技术创新能力和创新数量提升，而需求型创新政策对创新能力及创新绩效的影响均不显著；②需求型、环境型和供给型创新政策两两组合对基础创新能力和技术创新能力呈显著正向影响，且显著促进创新数量提升，但对创新质量均呈显著负向影响；③需求型与供给型创新政策、需求型与环境型创新政策功能上呈现协同互补性，供给型和环境型创新政策功能上存在竞争；④基础创新能力在创新政策工具对创新质量的影响中发挥完全中介作用，技术创新能力在创新政策工具对创新数量的影响中发挥完全中介作用。

本文为我国创新政策设计和实施提供了新思路，未来应加强多种创新政策工具组合运用，充分发挥创新政策工具的协同互补作用。基于以上研究结论，本文提出如下管理启示：

(1)不仅应加强需求型创新政策对创新能力及创新绩效的促进作用，更应高度关注需求型创新政策与其它类型创新政策的交互作用。首先，需求型创新政策应强化创新能力导向，政府采购商品种类应通过政府采购平台提前发布未来技术需求信息，强化市场采购，政府作为需求方应搭建沟通平台，在政府、企业与科研院所之间建立良好的沟通渠道；另外，优化现有需求型创新政策工具，积极探索开发新型需求型创新政策工具，促进其它类型创新政策与需求型创新政策结合以促进需求型创新政策发挥更大作用。

(2)加强协同互补性创新政策工具组合，减少或弱化竞争性创新政策工具组合。政府应丰富需求型与供给型、需求型与环境型创新政策工具组合，改善供给型和环境型创新政策工具组合，对创新政策工具有效性和协同性进行评估，及时剔除过时的政策选项。另外，政策设计应相互协同，积极开发不同类型政策工具，优化政策组合类型，努力激发主体创新活力。

(3)3类创新政策交互项对创新质量均为显著负向影响，说明我国目前创新政策目标及效果主要体现在创新数量上，对创新质量提升尚未充分发挥作用。因此，创新政策目标、工具、评估等各方面都应作出调整。首先，应调整创新政策目标，从促进创新数量增加转变为促进创新质量提升；其次，创新政策整体设计强调协同性，综合覆盖创新各环节；最后，创新政策工具要从目前人才激励、R&D投入、政府补助等转为普惠性政策、引导性政策，将对创新的外部激励转变为社会内在需求，调动社会创新积极性。

(4)创新能力在创新政策与创新绩效关系中发挥完全中介作用。首先，政府在设计创新政策时应注重创新能力提升目标导向，并注重引导基础创新能力和技术创新能力提升，健全法制，打造公平竞争环境，真正将创新从外部激励转变成企业内在需求。

本研究也存在一些局限和不足，如创新政策工具指标选取R&D人员数量、政府补助及政府采购等政策工具可能存在一些遗漏，未来研究应进一步将创新政策工具扩展，建立更加完善的政策组合分析框架，充分挖掘政策工具组合内在影响机制，以更加全面、合理地评估创新政策工具组合作用效果。

参考文献:

[1] 张永安,耿喆,王燕妮.区域科技创新政策分类与政策工具挖掘——基于中关村数据的研究[J].科技进步与对策,2015,32(17):116-122.

[2] 周业安,高新雅.区域综合性创新政策能够提升当地的创新能力吗——基于西部大开发的经验实证研究[J].经济管理,2008(Z3):31-38.

[3] 张永安,郄海拓,袁页.科技创新政策与国家创新能力作用机理研究[J].华东经济管理,2019,33(3):104-110.

[4] 王进富,张耀汀.基于系统动力学的科技创新政策对区域创新能力影响机理研究[J].科技管理研究,2018,38(8):52-57.

[5] 佘硕,王巧,张璐.政府创新政策的创新驱动效应评估[J].城市问题,2019(7):68-76+103.

[6] 李凡,李娜,许昕.基于政策工具的可再生能源技术创新能力影响因素研究[J].科学学与科学技术管理,2016,37(10):3-13.

[7] 李冬冬，杨晶玉.基于增长框架的研发补贴与环境税组合研究[J].科学学研究，2015(7)：1026-1034.

[8] 陈向东,刘志春.基于创新生态系统观点的我国科技园区发展观测[J].中国软科学,2014(11):151-161.

[9] 李伟铭,刘骋,王浩.我国区域高技术产业竞争力差异与空间分布特征研究[J].中国科技论坛,2013(4):65-71.

[10] 闫军印,陈欣欣,侯孟阳.区域技术创新政策效果评价研究——基于30个省区的实证分析[J].工业技术经济,2014,33(7):139-145.

[11] 白嘉.中国区域技术创新能力的评价与比较[J].科学管理研究,2012,30(1):15-18.

[12] 朱明皓,窦水海,贾冀.中国汽车产业技术创新政策效果分析[J].科研管理,2017,38(7):26-36.

[13] KENNETH J,KLASSEN,JEFFREY A,et al.A Cross-national comparison of R&D expenditure decisions: tax incentives and financial constraints[J].Contemporary Accounting Research，2010 (3) : 639-680．

[14] 吴翌琳,谷彬.创新支持政策能否改变高科技产业融资难问题[J].统计研究,2013,30(2):32-39.

[15] HUANG K E, WU J H, LU S Y, et al. Innovation and technology creation effects on organizational performance [J]. Journal of Business Research, 2015, 69(6) : 2187-2192.

[16] BOLY V, MOREL L, ASSIELOU N G, et al. Evaluating innovative processes in french firms: methodological proposition for firm innovation capacity evaluation[J]. Research Policy, 2014,43( 3) :608-622.

[17] 闫华红,廉英麒,田德录.政府补助与税收优惠哪个更能促进企业创新绩效[J].中国科技论坛,2019(9):40-48.

[18] 桂黄宝.需求方创新政策研究进展与未来展望[J].科技进步与对策,2016,33(4):97-101.

[19] 武建龙,于欢欢,王宏起.面向企业创新创业的政策工具效果研究——来自278家企业的问卷调查[J].科技进步与对策,2016,33(19):88-93.

[20] ROTHWELL R, ZEGVELD W. Innovation and the small and medium sized firm[J].University of Illinors at Urbana-Champaign's Academy for Entrepreneurial Leadership Historical Research Reference in Entrepreneurship,1982,9( 3) :36-23.

[21] 曾婧婧,王巧.省级创新政策驱动创新能力的效果测评——以“十一五”至“十二五”期间中国省级面板数据为例[J].软科学,2017,31(8):25-30.

[22] 李常洪,郭嘉琦,宋志红,等.创新投入、创新产出与企业绩效:基于CDM模型的实证研究[J].华东经济管理,2013,27(5):164-168.

[23] GRILICHES Z.Patent statistics as economic indicators: a survey[J].Journal of economic literature，1990,28(12):1661-1707.

[24] 董鹏刚,史耀波.市场需求要素驱动的创新溢出效应研究[J].科技进步与对策,2019,36(9):19-25.

[25] 徐晓舟,阮珂.产业结构、金融发展与省域创新绩效[J].科研管理,2016,37(4):53-60.

(责任编辑：王敬敏)