财政资源分配、城市创新激励政策与创新效率提升

《Economic Analysis and Policy》：Financial Resource Allocation, Urban Innovation Incentive Policies, and Innovation Efficiency Enhancement

　　摘要：优化金融资源配置与城市创新激励政策之间的协同效应，为提升中国城市群的创新效率、推动区域创新高质量发展提供了重要支撑。本研究以2014年至2024年中国19个主要城市群为研究对象，运用面板数据及差分法、阈值回归等实证方法，分析金融资源配置与城市创新激励政策对城市群创新效率的可持续影响。研究探讨了多因素的影响程度，并分析了这两类因素影响城市群创新效率的机制与调节效应，重点关注金融资源配置与城市创新激励政策的互动关系及异质性特征。本研究的边际贡献包括：（1）基于19个主要城市群的十年面板数据，提供了全面、连续且具有代表性的中观层面数据，更准确地反映城市群层面的金融资源配置与创新政策实施现状及效果；（2）结合城市群发展的实际情况，对不同发展层级、金融发展水平及人力资本水平带来的异质性影响进行了分类分析，明确了各类因素在不同情境下的作用差异；（3）构建了多维度检验框架，通过稳健性检验、内生性处理及平行趋势检验等方法，验证研究结果的可靠性，并揭示城市创新激励政策的调节机制。研究结果表明，优化金融资源配置与实施城市创新激励政策均能对城市群创新效率产生积极且可持续的推动作用，二者存在协同赋能效应。其中，城市创新激励政策在这一关系中发挥着积极的调节作用，且在国家级城市群以及金融发展水平和人力资本水平超过一定阈值的城市群中，这种调节效应更为显著。

引言：作为高质量区域经济发展的核心动力，创新已成为全球竞争的关键焦点。城市群作为集聚创新要素、推动产业协同发展的主要载体，通过提升创新效率，在增强国家创新竞争力方面发挥着重要作用（Mao和Liu，2025）。在此背景下，如何通过优化资源配置、完善政策体系来激发城市群的创新活力，突破创新发展瓶颈，已成为全球政府和学术界共同关注的紧迫问题。金融是现代经济的核心，金融资源配置的效率直接影响创新要素流动的效率及其整合质量，为创新活动提供基础的资金支持与风险分担保障（Gao等人，2026）；而城市创新激励政策作为政府引导创新发展的关键制度工具，通过税收优惠、财政补贴、人才扶持等多种措施，为创新主体创造有利的发展环境，降低创新成本与风险，提升创新效率（Anna等人，2023）。金融资源配置与城市创新激励政策并非孤立运作，而是紧密相连：合理的金融资源配置为政策实施提供必要的资金支持，进而放大政策的创新赋能效应（Li，2025）；科学设计的创新激励政策则能明确创新发展的方向，引导金融资源精准流向创新领域，从而提升金融资源配置的针对性与有效性（Hao等人，2025）。在中国城市群的创新实践中，尽管各地积极推进金融资源优化配置与创新激励政策实施，但仍面临诸多现实挑战：部分城市群存在金融资源配置结构失衡的问题（Francisca等人，2022），创新领域的融资约束较为突出（Mbanyele等人，2026），且金融资源过度集中在传统产业；创新激励政策存在严重同质化现象，配套措施不足，实施效果不佳，无法充分发挥预期作用（Huang等人，2026）；两者之间的协调机制不够完善，政策引导与资金支持未能形成合力，难以有效解决城市群创新效率提升缓慢、区域创新差距扩大的问题。现有国内外文献已对金融资源配置、创新激励政策与区域创新效率之间的关系开展了大量理论与实证研究，大多数研究都独立证实了二者在促进创新方面的积极作用。相关研究表明，优化金融资源配置可以通过完善创新融资体系、规避创新风险、优化资本供给等方式，支持技术研发与成果转化，从而有效提升区域创新效率与质量（Bao和Chai，2022）。同时，创新激励政策可以通过财政补贴、税收优惠、知识产权保护、人才扶持等多元手段，弥补创新领域的市场缺陷，激发各类创新主体的积极性，进而推动区域创新体系的发展。然而，现有研究仍存在明显不足：大多数研究仅考察金融资源配置或创新政策各自的单独效应，较少关注二者对城市群创新效率的综合影响，尤其忽视了创新激励政策在金融赋能创新过程中的调节机制与边界条件，形成了明显的研究缺口。此外，尽管不同城市群在经济发展层级、产业基础、金融发展水平、人力资本以及创新禀赋等方面存在显著差异，但现有研究尚未系统揭示区域异质性对政策调节效应与金融赋能结果的差异影响，也未能充分探讨多元主体协同赋能的异质性模式（Sotohebo，2025）。因此，本文系统分析了金融资源配置、创新激励政策与城市群创新效率之间的内在机制，明确了政策调节效应及其区域异质性。这一研究不仅弥补了现有研究的不足，还为优化城市群金融资源配置、构建差异化的创新政策体系、推动区域创新协同发展与高质量发展提供了必要的理论依据与实践指导。本研究以2014年至2024年中国19个主要城市群为样本，基于面板数据，运用差分法、阈值回归等实证方法，系统分析金融资源配置与城市创新激励政策对城市群创新效率的影响，重点揭示城市创新激励政策的调节作用及其异质性特征。实证分析将验证优化金融资源配置与实施城市创新激励政策对创新效率的直接影响及其协同赋能效应，同时从城市群发展水平、金融发展水平及人力资本水平等维度分析其异质性。本研究的边际贡献主要体现在以下几个方面：首先，基于19个中国主要城市群的十年长面板数据，提供了全面、连续且具有代表性的中观层面数据支持，更准确地反映城市群层面的金融资源配置与创新政策实施现状及效果；其次，打破传统单因素影响研究的范式，构建了连接金融资源配置、城市创新激励政策与创新效率的理论分析框架，揭示了三者之间的内在机制与异质性特征，为相关理论的发展提供了新的实证依据。后续各部分的结构如下：第一部分为引言，主要介绍研究背景、现实意义、研究方法及核心结论；第二部分为理论分析与研究假设，基于相关理论基础，阐明变量之间的内在逻辑关系，并提出研究假设；第三部分为研究设计与数据来源，详细说明研究模型的构建、变量定义、数据来源及数据处理方法；第四部分为实证结果分析，通过基准回归、动态效应检验、稳健性检验、内生性处理及异质性分析等方法，全面检验研究假设；第五部分为结论，总结研究结果。

理论分析与研究假设：资源基础理论认为，不同的资源禀赋是区域创新与发展的核心条件，区域创新活动的开展依赖于创新要素的集聚与优化配置。金融资源作为连接技术、人才、设备等创新要素的核心流动性资源，其优化配置能够推动创新要素的整合与流动，从而为创新活动提供支持。

研究模型：我们采用差分法进行实证分析，该方法非常适合用于分析创新激励政策在不同城市群分批实施的现实情况（Chetia等人，2025）。通过这种方法，我们可以准确识别城市创新激励政策对创新效率的净效应，并检验金融资源配置的调节作用。

（1）基线差分模型：IEi,t=a0+α1IPi,t+∑akControlsk,i,t+μi+λt

相关性分析：为检测模型是否存在严重的多重共线性问题，为后续的差分回归分析奠定基础，我们采用了皮尔逊相关性分析方法（Rishitha等人，2025），检测因变量、核心解释变量、调节变量及控制变量之间的相关性。表2展示了各变量之间的相关系数，所有相关系数均低于0.7，远低于通常认为的临界值。

进一步分析：本研究从城市群发展层级、金融发展水平及人力资本水平三个维度，考察其在顶层制度供给、市场中介环境以及微观人才基础方面的异质性。具体而言，城市群发展层级反映了区域战略定位与政策实施的差异；金融发展水平则体现了金融体系为创新活动提供支持的能力。

结论：基于2014年至2024年中国19个主要城市群的面板数据进行的实证研究表明，优化金融资源配置能够显著提升城市群创新效率，而实施城市创新激励政策也对城市群创新效率有积极影响。此外，城市创新激励政策在金融资源与创新效率之间的关系中发挥着显著的调节作用。

未标注参考文献：Daisuke Sotohebo 2025，Fakhrullah和DingDing，2025，Abdul和Arshad，2024

CRediT作者贡献声明：彭祥碧：写作——审稿与编辑，写作——初稿。彭祥碧，中国合肥工业大学建筑与艺术学院，合肥230000。