汪合黔，陈开洋

（1.太平产业投资管理有限公司，广东 深圳 518038；2.复旦大学管理学院博士后科研流动站，上海 200433；3.上海黄金交易所博士后科研工作站，上海 200001）

一、引言

在全球疫情持续反复、国家间关系日趋复杂的国际环境中，我国关键核心技术面临“卡脖子”难题（陈劲等，2020）。部分关键领域装备与零部件，如集成电路、发动机、关键材料、数控系统、工业软件等仍依赖国外技术，一旦国际环境发生变化，国民经济将会受到重大影响。因此，降低我国工业技术对外依赖程度、提升我国工业技术的国际竞争优势，是构建国内国际双循环新发展格局的关键举措（刘鹤，2020）。中小企业是我国技术创新的主体，我国六成以上的专利由中小企业发明，七成以上技术创新由中小企业完成，八成以上新产品由中小企业开发①资料来源：中小企业已成中国技术与机制创新主体[EB/OL].中华人民共和国中央人民政府官方网站,2007-10-30。。2018年，工业和信息化部开始实施专精特新“小巨人”企业培育政策（以下简称“小巨人”政策），旨在培育“专精特新”②专精特新是指专业化、精细化、特色化、新颖化四方面特征。效益拔尖的排头兵企业。2019—2021年，全国共计4922家中小企业入选专精特新“小巨人”企业（以下简称“小巨人”企业）培育名单，这些企业获得国家与地方各级政府在资金、人才等多方面的扶持。这是我国应对国际技术“卡脖子”难题的重要举措之一，有助于大中小企业协同创新发展，增强企业核心技术硬实力，赢得长期市场份额与国际地位。然而，迄今为止，鲜有文献系统地考察“小巨人”政策的实施效果。

结合数据可得性，本文基于2018—2021年上市公司年度面板数据，使用双重差分法考察“小巨人”政策实施对中小企业创新投入与经营绩效的影响。本文可能的创新点主要有两个方面：第一，本文有助于推进我国“小巨人”政策效应评估，为后续政策优化提供参考。已有文献指出，“小巨人”政策与已有的创新支持政策相近，不仅能有效缓解中小企业融资困境，拓宽融资渠道，还提高了中小企业的创新投入与产出，提升研发效率。然而，上述已有研究文献在方法上依赖文本分析和多元线性回归，忽视了潜在内生性问题对政策评估带来的干扰。同时，在研究样本上仅关注已入选的“小巨人”企业，未考虑部分企业进入名单后经营指标的动态变化。本文以“小巨人”政策实施为外生冲击，考察“小巨人”企业的研发投入与经营绩效在受培育前后较其他未受培育企业的变化情况，控制一系列不可观测因素对识别结果的干扰，并考察“小巨人”政策的短期动态效果，为精准开展政策评估提供来自企业层面的微观证据。第二，本文侧重从政策创新激励视角评估“小巨人”政策对“小巨人”企业创新投入与经营绩效的双重影响。已有研究表明，政府创新支持政策显著增加企业研发投入，加之技术具有外部性，全社会经济总产出与社会福利均有明显改善。本文在评估政府创新支持政策对研发投入影响的基础上，还考察了企业经营绩效在政策实施前后的变化，该研究视角的拓展方向能够对已有研究形成较好的补充，助力中小企业实现“创新提高收入，收入反哺创新”的正反馈循环。

二、理论分析与研究假设

创新活动是长期经济增长的主要动力（Dasgupta和Stiglitz，1980）。通常来说，企业技术创新促进企业生产差异化产品，以获得更高的市场份额与收益（Braguinsky等，2021）。然而，技术溢出效应（外部性）使得单个企业研发收益远小于社会收益，加之信息不对称增加企业的资金负担，这可能使得全社会企业研发投入规模无法达到最优水平（Martin和Scott，2000）。为了弥补市场失灵和提高生产效率，政府往往针对中小企业出台创新支持政策，如税收抵免、专利箱、政府补贴、信贷融资等（Bloom等，2019；刘诗源等，2020；樊勇等，2020），帮助企业分担成本压力，也向市场释放积极信号，聚拢更多社会资源，这有助于改善企业的创新表现。

政府创新支持政策可以帮助企业降低成本压力（Aghion等，2021）。一方面，创新活动具有外部性。这使得企业的创新成果易被同行模仿甚至抄袭，当创新的收益被社会共享，成本由企业独立承担时，企业无法获得足额收益以弥补其创新投入，其继续创新的动力大大减弱（Akcigit等，2021）。另一方面，创新活动具有不确定性。大多数创新活动都是在本行业前沿领域开展，创新过程中的方向、方法和可行性都需要反复探索、调整与改进，试错成本是创新活动中一笔不小的固定投入（Bolton和Farrell，1990；Azoulay等，2019），无法负担这部分成本的企业很难独立从事研发活动。因此，针对技术已处于行业前端，但现有经营状况无法助其继续实现技术突破的中小企业，政府可以通过发展科技金融、给予财政奖励等方式，帮助企业分担由外部性和不确定性带来的创新风险，激励企业投入更多创新资源（陈和和黄依婷，2022）。

政府创新支持政策释放出企业具备创新潜力的信号（Chan等，1990；伍健等，2018；郭玥，2018）。一方面，专精特新“小巨人”名单上的企业，其经营活动和发展方向符合国家产业规划和政策，具有创新潜力与培育的可行性。这一信号将为企业吸引更多的社会资源，如投资者、合作者、客户等利益相关方，促进有限的社会资源在政府支持领域投入到创新活动之中。另一方面，获得政策支持也代表企业在当地拥有融洽的政商关系（Xu，2011），有能力获取地方政府支持。基于此，本文提出第一个研究假设：

H1：“小巨人”政策具有创新激励效应，短期内将提高“小巨人”企业研发投入。

创新活动的三大特征决定了创新投入短期内难以转化为企业效益。第一，创新活动周期长，短期内成本大于收益（Dosi和Nelson，2010）。单个创新活动从投入到产出，过程多是渐进的，在大量资本与人力要素投入的情况下，技术工人不断通过“干中学”改善生产方式，提高劳动生产率，这个过程需要大量时间。第二，企业创新投入转化为效益的核心是规模化生产。研发的初始投入（固定成本）高，企业要想通过收益弥补这部分成本，需要规模化生产以摊薄单位产品中固定成本所占份额，这样才可能获得规模递增的收益（Loury，1979）。这就需要改造原有生产线才能实现规模化生产，令固定资产投资负担加大。在企业预算约束下，当创新投入短期大幅上升时，设备生产与改造的费用将会受到限制，其短期内实现创新产品规模化生产的可能性较低。第三，创新产品的供给与需求要不断磨合，费用支出会大幅增加（Rob，1991；Azoulay等，2019；张杰，2020）。市场是产品质量与性价比的“试金石”，新产品与新技术只有满足了市场需求，才能获得大众青睐，并产生规模效应。因此，在规模化生产前，新产品与消费者往往存在供需不匹配和信息偏差等问题。企业与消费者不断沟通磨合，向市场宣传产品的优势与边际价值就十分必要。这一环节可确保产品在不出现致命性缺陷的前提下，不断根据客户体验完善功能与降低成本，这样才有机会在规模化生产后将产品推往全国甚至海外市场，这一磨合过程需要时间与经验的积累，也需要投入资源对接市场打开销路，产生的费用会大幅增加。基于此，本文提出第二个研究假设：

H2：“小巨人”政策短期内难以改善“小巨人”企业的经营绩效。

企业入选”小巨人”名单后，将获得来自各级政府的财政补贴，企业可用于研发投入的资金量增大，这部分资金最终会体现在企业“营业外收入”科目中（幸仲先和丁运秋，2013）。同时，政府创新支持政策向市场传递了积极信号，反映了企业所在行业的重要性与创新潜力，有助于入选企业获得更多资金支持，如银行信贷、风险资金等，缓解企业融资约束，为其在研发领域配置更多资金创造条件。因此，企业进入“小巨人”企业名单后，其营业外收入相比其他未受培育企业将显著提升，企业面临的融资约束将得到一定程度缓解。基于此，本文提出第三个假设：

H3：入选“小巨人”培育名单的企业营业外收入短期内显著提升，面临的融资约束明显下降。

三、研究设计

（一）模型设计

考虑到企业入选“小巨人”名单的时间存在差异，本文参考Li等（2016）、郭峰和熊瑞祥（2018）的方法，使用双重差分法（Difference-in-Differences method，简称DID）识别专巨政策对企业研发投入等指标的影响。该方法的原理是构建已入选“小巨人”名单的处理组企业与未入选的对照组企业，在控制其他可观测变量的前提下，对比处理组企业与对照组企业间的结果变量差异，模型设定如下：

其中：Yit为企业i在时间t时的研发投入对数和净资产收益率；Treatit表示企业i在时间t时是否评为“小巨人”企业；β为本文关心的回归系数，反映“小巨人”政策实施对处理组企业研发投入和净资产收益率的影响。考虑到企业经营指标会受到其他因素的影响，本文使用Xit控制随时间变动的企业特征，包括企业规模、资产负债率、研发费用占总费用比重、营业收入增长率、资本收益率、财务费用占总费用比重、净利润率、企业年龄。在此基础上，进一步控制企业固定效应ρi和年份固定效应μt，以期控制企业与年份层面不可观测因素对被解释变量的影响。εit为无法被方程解释的随机扰动项。本文将标准误聚类在企业层面，允许被解释变量在企业层面存在序列相关。

双重差分实证结果有效的前提，是处理组与对照组变量在冲击前满足平行趋势。此时后入选“小巨人”名单的企业（控制组）可视为先入选企业（处理组）的反事实状态，处理组与其反事实组的结果变量差异，可解释为“小巨人”政策的因果效应。模型（2）用于检验处理组与对照组之间变量的平行趋势与动态效应：

（二）变量定义

本文的核心解释变量Treatit表示企业是否被评为“小巨人”企业，企业在被评为“小巨人”企业的当年t和之后年份取1，否则取0。

核心被解释变量有两个：一是研发投入Ln(RD)，反映企业每年研发环节的投入力度（田巍和余淼杰，2014）。二是净资产收益率ROE，反映股东自有资本的经营效率（谢德仁和汤晓燕，2014）。

参考以往文献的研究方法，选择以下变量为控制变量：经营规模Scale、资产负债率DebtAsset_ratio、研发费用占比RD_ratio、营业收入增长率、总资产收益率ROA、财务费用占比Financial_ratio、净利润率Profit_ratio、企业年龄Age。

本文主要变量的具体定义见表1：

表1 变量定义

（三）数据来源

本文以2018—2021 年我国A股上市公司为样本，数据包含企业的资产负债表、现金流量表与利润表中的财务指标，均来自Wind数据库。为提升处理组企业与对照组企业之间的可比性，本文按照申万三级行业分类，剔除从未出现过“小巨人”企业的行业样本，同时剔除指标存在缺失的观测值，构建企业—年份平衡面板数据。全样本包含2180家上市公司样本，其中，282家企业在2019—2021年间被工信部评为“小巨人”企业，占比为12.9%。

（四）描述性统计分析

表2是主要变量的描述性统计结果。“小巨人”企业的营业收入、资产负债率、研发投入三项指标均明显低于非“小巨人”企业，且营业收入增长率、研发投入占比指标相对较高，说明“小巨人”政策的实施情况与政策文件要求基本一致，主要针对规模相对较小、资产负债率指标较好和研发投入占比较高的中小型企业，而非偏好盈利能力强、研发经费充裕的大企业。

表2 变量描述性统计结果

图1显示，在处理组企业进入“小巨人”名单前，处理组和对照组企业的研发投入占比整体呈小幅上升态势，组间差异并不明显；在处理组企业进入“小巨人”名单后的第2、3年时，处理组企业的研发投入占比明显高于匹配对照组企业，两组企业研发投入占比逐渐拉大。

图1 处理组与对照组企业的研发投入对比

四、回归分析

（一）基准回归结果

表3第（1）列显示，企业入选“小巨人”名单后，其研发投入较其他上市公司上升5.73%，该结果在1%显著性水平下显著。考虑到企业与年份维度不可观测因素可能会内生影响研发投入，表3第（2）列加入企业与年份固定效应，核心解释变量标准误小幅下降，模型解释力得到提升，企业入选小巨人名单将提升企业3.28%的研发投入，“小巨人”政策创新激励效应明显。然而，第（3）（4）列结果显示，研发投入提升短期内未显著改善公司盈利能力。据估算，相较于未进入“小巨人”名单的上市公司，入选“小巨人”企业培育名单的上市公司研发费用共增长72.41亿元，平均每家公司研发投入增加642万元。这与郭玥（2018）的发现一致，即“小巨人”企业培育政策改善了中小企业创新环境，引导企业向研发环节投入更多经费。这说明“小巨人”企业在行业中拥有较强的创新潜力，政府创新支持政策有助于企业吸引更多的社会与市场资源，本文研究假设H1与H2得到验证。

表3 基准回归结果

与现有文献相比，本文发现政府创新支持政策对研发投入的影响相对温和（3.28%）。Dechezleprêtre等（2016）研究发现，英国基于企业资产规模的税收减免政策变动提升了10%的企业研发投入；Agrawal等（2020）发现，加拿大科学R&D政策调整促使受资助中小企业总研发投入提高17%。较为温和的政策效应可能与“小巨人”政策实施细则或样本选择有关：一方面，政府创新支持项目的奖励经费多为分年度发放，这样政策效果要在政策实施多年之后逐渐显现。另一方面，相较于初创公司，上市公司大多已具生产规模，研发与技术转化流程较为完善，其受政府创新支持政策的边际效应可能小于全社会科技型中小企业的边际效应。

（二）稳健性检验

1.平行趋势检验

处理组与对照组满足平行趋势是基准回归结果有效的前提。表4为模型（2）的回归结果，其中，处理组企业入选“小巨人”名单前2期内（k＜0），其研发投入和净资产收益率与对照组企业相比无显著差异，说明对照组企业能较好地充当处理组企业的“反事实”状态。处理组企业入选“小巨人”名单之后（k≥0），其研发投入较对照组企业至少在10%显著性水平下显著大于0，随着时间推移，βk的估计系数越来越大，表明“小巨人”政策创新激励效应趋于明显。与此相比，企业净资产收益率在企业入选“小巨人”名单前后无显著变化，说明政府创新支持政策对企业盈利能力的短期影响并不明显。上述结果进一步支持了本文研究假设H1和H2。

表4 双重差分模型平行趋势检验

2.基于倾向性评分匹配的双重差分模型

为提高双重差分过程中处理组企业与对照组企业间的可比性，降低组间系统性差异可能带来的估计偏误，本文使用基于倾向性评分的双重差分法（PSM-DID），对基准实证结果做稳健性检验。考虑到企业入选“小巨人”名单时间不同，本文使用企业入选“小巨人”企业前一年份样本的可观测特征，为处理组企业匹配特征相近的对照组企业，匹配成功的样本进入主回归。使用的匹配方法包括：1对1匹配、1对4匹配、核密度匹配、半径匹配（Abadie等，2004；Imbens和Wooldridge，2009）。表5结果显示，四种匹配方法得到的回归结果均与基准结果一致。相比匹配对照组企业，处理组企业入选“小巨人”名单后，其研发投入水平显著提高3.06%～5.08%，但短期盈利能力未得到显著改善。可见，在PSM-DID设定下，研发投入提升幅度多高于表3第（2）列结果，说明相较于倾向性评分得到的匹配对照组，使用全部上市公司样本作为对照组可能低估“小巨人”政策的创新效应。四种匹配方法均显著降低了处理组企业与匹配对照组企业协变量间的系统性差异，各协变量均通过了平衡性检验。

表5 使用PSM-DID方法的回归结果

3.安慰剂检验

现实中，企业能否入选“小巨人”名单并获得政府创新政策支持，会受到宏观层面诸多不可观测因素干扰。因此，基准回归中的处理效应可能是遗漏变量引起的。为缓解上述担忧，本文参考Li等（2016）的方法，通过随机设置上市公司入选“小巨人”名单年份，检验潜在遗漏变量和不可观测因素对基准结果的干扰程度。为保证随机过程中每年入选“小巨人”名单的数量与样本中实际入选数量保持一致，本文在2019—2021年间，每年依次从企业样本中按照序列{33,141,108}，随机抽取特定数量的上市公司在当年和之后年份伪入选“小巨人”名单。例如，2019年从2180家企业中随机选取33家上市公司在当年和之后年份伪入选“小巨人”名单，2020年从剩余的2147家企业中随机选取141家实体企业在当年和之后年份伪入选“小巨人”名单，2021年从剩余的2006家企业中随机选取108家上市公司在当年和之后年份伪入选“小巨人”名单，最终剩余1898家企业被定义为伪对照组。在此基础上，对所有企业样本重新设定Treatit变量，回归模型（1）得到一次伪处理效应。重复上述操作1000次，得到伪双重差分处理效应系数分布图（见图2）。空心圆点代表每次伪双重差分回归系数β，分布均值为0.0011（垂直虚线），标准差为0.0168。黑色实线为表3第（2）列基准回归系数β=0.033，落在系数分布边缘，显著异于伪处理效应均值（t=(0.033-0.0011)/0.0168=1.899），且伪处理效应均值在统计上未显著异于0（t=0.065）。结果表明，“小巨人”政策的处理效应并非其他不可观测因素导致的。

图2 “小巨人”政策伪处理效应分布图

（三）异质性分析

1.入选批次对“小巨人”政策效应的异质性影响

随着“小巨人”政策的实施，“小巨人”企业的评选指标一直在更新、完善过程之中。2020年8月，工信部降低了对申请企业有效发明专利数量的要求，当年入选“小巨人”名单的企业数量较2019年大幅增加。因此，不同批次入选“小巨人”名单的企业，其经营指标受政策影响程度可能存在差异。

考虑到第一批入选“小巨人”名单的企业数量较少，为提高估计参数的准确性，将处理组分为第一二批入选公司与第三批入选公司，分别使用两组“小巨人”上市公司作为处理组，以从未入选“小巨人”名单的上市公司为对照组，分样本进行双重差分回归。表6显示，相比从未入选“小巨人”名单的对照组企业，第一二批“小巨人”企业研发投入上升2.87%，第三批“小巨人”企业研发投入上升4.85%，两组“小巨人”企业净资产收益率均无显著变化。从回归系数大小与显著程度上看，“小巨人”政策对第三批“小巨人”企业的创新激励效应高于第一、二批企业，说明随着创新支持政策机制的改进，入选“小巨人”名单企业的创新投入动机越来越强。

表6 入选批次的异质性影响分析

2.企业所有制属性对“小巨人”政策效应的异质性影响

“小巨人”政策的实施效果可能与企业所有制性质关系密切。国有企业外部融资渠道相对多元，自有资金腾挪空间大，可用于研发投入的资金相对充足，其受“小巨人”政策创新激励影响相对有限（张璇等，2017）。而非国有企业面临的融资约束较强，融资渠道单一且成本较高，尤其是其研发环节融资难度更大，非国有企业对研发环节获得政策支持的需求更为迫切，“小巨人”政策对非国有企业的创新激励效应相对更强。

按照企业所有制，将样本企业分为国有企业与非国有企业两类，分别对模型（1）回归。表7显示，国有企业入选“小巨人”名单后，其研发投入较对照组企业无显著变化，而非国有企业入选“小巨人”名单后的创新激励效应明显，入选企业的研发投入较对照组企业提升4.66%，在1%显著性水平下显著。该结果表明，“小巨人”政策有效缓解了非国有企业的融资约束，对非国有企业研发投入激励效果更强。

表7 企业所有制的异质性影响分析

五、影响渠道检验

（一）营业外收入和融资约束渠道

为验证“小巨人”政策激励企业增加创新投入的可能机制，本文使用营业外收入对数作为因变量，对模型（1）回归。营业外收入是指与企业日常营业活动无直接关系的各项利得，如政府补助等（幸仲先和丁运秋，2013），“小巨人”政策给予企业的政府补贴应体现在该项指标中。表8第（1）列显示，相比非“小巨人”企业，“小巨人”企业的营业外收入平均增加22.14%、243.52万元，该增幅小于企业研发投入平均增幅（约642万元），说明“小巨人”政策的补贴效应仅能解释研发投入增长中的一部分增幅。

研发投入增长中另一部分增幅，可能来自“小巨人”政策的融资约束效应。为考察上市公司入选“小巨人”名单前后融资约束程度的变化情况，将SA指数作为被解释变量对模型（1）回归，其中SA指数的构建使用鞠晓生等（2013）、Hadlock和Pierce（2010）的方法。表8第（2）列结果显示，“小巨人”政策显著改善了“小巨人”企业的相对融资约束程度。

由此可见，政府创新支持政策对中小企业的创新激励作用，一方面，通过政策补贴增加企业营业外收入，增加企业可用于研发投入的资金数量。另一方面，政府创新支持政策向市场传递的积极信号，有助于入选企业获得更多社会资源、令融资约束得以放松，进而激励企业在研发领域配置更多资源。本文假设H3得到验证。

（二）费用成本渠道

前述分析结果显示，虽然“小巨人”企业研发投入明显增加，但在短期内并未转化为其盈利能力。下面尝试通过分析企业营业总收入、经营费用（财务费用、管理费用、销售费用与研发费用合计）、营业总成本（营业成本与营业外成本合计）等指标，进一步考察“小巨人”企业盈利能力未显著改善的原因。上市公司入选“小巨人”名单前后，其营业总收入较其他公司增加1.26%（见表8第（3）列），但其经营费用较其他公司增加5.18%（见表8第（4）列），该成本效应在1%显著性水平下显著。在经营费用四个构成项目中，管理费用增长最明显，较其他公司增加5.30%（见表8第（5）列），这一成本效应最终都将被统计在营业总成本指标中，最终导致营业总成本上升1.61%（见表8第（6）列），增长幅度高于营业总收入增幅。由此可见，企业入选“小巨人”并且获得政策支持后，仍需一定时间才能将其研发投入转化为盈利能力，并且严格控制生产经营各项费用支出对提升企业盈利能力至关重要。

表8 “小巨人”政策的影响机制检验

六、研究结论与政策建议

为缓解关键核心技术方面面临的“卡脖子”难题、支持中小企业创新发展，我国从2018年开始实施专精特新“小巨人”企业培育政策。本文基于2018—2021年上市公司年度面板数据，以“小巨人”政策实施为准自然实验，使用双重差分方法研究政策实施对中小企业研发投入与经营绩效的影响。研究表明：第一，企业入选“小巨人”名单之后，其研发投入在短期内出现显著提升，但经营绩效没有显著变化；第二，影响机制分析表明，“小巨人”政策通过提高企业营业外收入、缓解企业融资约束等渠道，支持“小巨人”企业增加研发投入；第三，异质性分析表明，“小巨人”政策对后期入选企业和非国有企业的创新激励效应更高；第四，入选“小巨人”名单后，企业的成本费用显著增加，但研发投入无法在短期内转化为盈利能力。

基于上述研究结果，就进一步完善政策措施、支持企业创新发展提出以下建议：

第一，持续加大政策支持力度，促进提升“小巨人”企业研发、创新能力，构建我国产业创新系统和区域创新系统。“小巨人”企业是我国当前中小企业培育梯度体系中承上启下的重要主体，既是行业内“单项冠军”的潜在竞争者，也是“专精特新”中小企业的领航者。“小巨人”企业培育要与我国的先进制造业集群、战略性新兴产业集群、创新型产业集群的发展进一步结合起来，与鼓励、支持民营企业发展壮大进一步结合起来，依据国家产业总体布局和不同地方的经济结构、产业结构特色，推动各经济区域内“小巨人”企业与其他中小企业的交流与协作，注重利用技术溢出效应促进技术应用多样化，全面提升各类中小企业创新能力。

第二，进一步优化“小巨人”企业的评选标准，促进“小巨人”企业质量提升与数量增长齐头并进。在我国现阶段的企业梯度培育体系中，“小巨人”企业的评选标准基本实现可量化，该类企业的评定效率相对较高。然而，随着评定标准逐步放宽，企业评定环节开始出现“做材料”等情形。评定部门与企业无实质性接触，也不利于掌握参评企业的真实信息。为此，应进一步优化“小巨人”企业评选标准，鼓励地方政府和相关利益主体参与“小巨人”企业推选、认定环节，发挥地方政府和相关利益主体的信息优势，更精准把握特定领域研发前景与可行性。

第三，进一步优化营商环境，支持中小企业提升创新成果转化能力，缓解创新要素错配问题。增加营业收入、控制成本费用是改善企业盈利能力的重要方式，而研发成果转化和应用需要有充足的时间和资金、资源投入。为此，应进一步发展多层次资本市场，完善产融对接机制，提高资本市场和信贷市场的信息透明度，缓解信息不对称带来的“融资难融资贵”问题，促进“小巨人”企业提升成本费用管理能力、营运能力和市场拓展能力，形成“企业研发投入提高盈利水平，高盈利水平反哺研发投入”的良性循环局面。