引言

2011年7月，国家工信部首次提出“专精特新”这一概念，即“专业化、精细化、特色化、新颖化”；2024年7月，党的二十届三中全会《决定》提出，要构建促进专精特新中小企业发展壮大机制。专精特新“小巨人”企业是专精特新中小企业中的佼佼者，是专注于细分市场、创新能力强、市场占有率高、掌握关键核心技术、质量效益优的排头兵，重点培育“小巨人”企业，提升产业链供应链韧性，是最大限度解决“卡脖子”问题的利器，有助于深入实施创新驱动发展战略，实现经济高质量发展。

专精特新的灵魂是创新，创新也是“小巨人”这类中小企业发展的第一动力。然而，创新活动周期长、风险性高，需要企业长期投入充足的资金用于技术研发，并将成果转化为商业价值及生产力，但其正外部性也意味着企业无法获得与投入相匹配的市场回报，抑制了创新积极性，因此，需要财政补贴等外部力量的激励。

那么，财政补贴究竟是否能对专精特新“小巨人”企业创新质量产生实质性影响？和创新息息相关的地区知识产权保护是否能够调节财政补贴对“小巨人”企业创新质量的影响作用？这些问题都具有一定的研究价值和现实意义，值得进行深入探究。

本文可能的边际贡献和创新点主要有两点：一是丰富了专精特新“小巨人”企业创新影响因素的相关研究。目前相关研究集中于专精特新“小巨人”政策效果，而本文直接将“小巨人”企业作为研究对象，讨论财政补贴对其创新质量的影响，同时考虑地方知识产权保护可能在其中存在的调节效应。二是使用更科学准确的方式衡量“小巨人”企业创新水平。现有研究关于创新的测度方法更多基于专利数量，不能真实反映“小巨人”企业的创新水平，本文聚焦于企业创新质量，使用专利国际专利分类号（IPC）信息，利用赫芬达尔指数的测算思路，采用知识宽度法衡量，使研究结果具有一定的科学性和准确性。

一、文献综述与研究假设

（一）财政补贴与专精特新“小巨人”创新

较多学者发现专精特新“小巨人”相关政策会对企业创新产生激励效果，经济政策不确定性、数字金融发展等外部因素，以及企业数字化重视程度、双元知识搜索、企业家冒险倾向等内部因素也会对“小巨人”企业的研发创新和专利质量产生影响。

对于财政补贴能否促进企业创新，学术界尚未达成共识，现有研究观点可以分为三种。一种观点认为，财政补贴在企业创新过程中发挥着重要的“促进效应”，必要的政府补贴能够缓解企业融资约束，提高创新投入和创新能力，强化“小巨人”认定对企业双元创新正向跃迁的激励效应，从而促进企业高质量创新。另一种观点认为，财政补贴对创新具有“挤出效应”，会抑制企业的创新产出，降低企业的自主研发资金，抑制创新效率。第三种观点则认为财政补贴与专精特新企业专利质量之间存在倒“Ｕ”型关系，补贴强度只有在适度区间范围内才能发挥其激励效应，过高的补贴额度会引发“寻补贴”的投资渠道从而抑制企业创新。

本文认为财政补贴能够通过改善融资约束、成本压力大、信息不对称等问题促进“小巨人”企业研发创新。从融资约束角度看，“小巨人”企业高质量创新的高风险性意味着需要更多的资金，发放财政补贴能够有效减轻其融资约束，与企业共同承担因外部性与不确定性而导致的创新风险。从成本压力角度看，“小巨人”企业长期活跃在产业前沿，需要较大投资于创新，但创新的外部性使得企业并不能获得足额回报，财政补贴则有利于企业减轻研发资金顾虑，缓解成本压力，专心于提高创新质量。从信号传导角度看，创新的保密性使得企业与外界存在信息不对称而不易获得与创新项目相匹配的投资，财政补贴则提示了补贴企业的经营情况良好且具有较好的发展前景，表现为一种积极信号，能够为企业吸引更多利益相关者投资于新产品和技术的研发，最终实现创新质量的提升。基于此，本文提出如下假设：

假设1：财政补贴有利于专精特新“小巨人”企业提升创新质量。

此外，关于企业创新质量测度的研究已较为丰富，基本都是从专利视角采用单指标进行测度。大部分学者将发明专利的申请数量或授权数量作为企业创新的代理变量；只有少数学者抓住专利的特征测度企业创新质量，如专利被引用率、专利族规模、专利知识宽度等。

（二）财政补贴、地区知识产权保护强度和专精特新“小巨人”创新

现有研究大多单独关注知识产权保护对企业创新的影响，也有学者发现加强知识产权保护使政府补助与企业创新质量的U型曲线更加陡峭且Ｕ型转折点左移。可见，知识产权保护强度作为影响企业创新的重要外部因素，在财政补贴对“小巨人”企业创新质量的影响中也可能存在调节效应：知识产权保护强度越高，企业创新成果被低成本模仿和侵权的风险越低，研发项目的边际收益逐渐提高，使得补贴更多流向实质性研发活动，从而催生更多高质量的原创性专利产出。反之，知识产权强度越低，法律对侵权行为的规制力度不足，易导致重数量、轻质量的策略性创新，企业收到的补贴也更多地被用于管理成本补偿，挤占研发资源，从而降低整体专利的创新性。基于此，本文提出如下假设：

假设2：地区知识产权保护强度正向调节财政补贴对专精特新“小巨人”企业创新质量提升的影响。

二、研究设计

（一）样本选择与数据来源

本文选取2019-2024年已公布的六批专精特新“小巨人”企业认定名单中沪深A股专精特新“小巨人”上市企业作为研究对象。本文还对数据做了以下处理：剔除ST/*ST企业、关键变量缺失样本；对连续变量进行1%的缩尾处理，以消除离群值对估计结果的影响。

本文的专利数据来自中国研究数据服务平台（CNRDS）的中国创新专利研究数据库（CIRD），上市企业特征数据来自CSMAR数据库，地区知识产权保护强度度量所需数据来自《中国城市统计年鉴》和Openlaw裁判文书网。

根据工信部文件公示，“小巨人”企业认定有效期仅保留三年，故三年后需企业自主申请复核，通过后才予保留“小巨人”称号。由于政策发布的时间集中于下半年，同时考虑到政策效果的时滞性以及数据的可比性，本文将企业对应的样本区间调整为公示当年起的4年，通过认定复核的企业相应增加3年。本文还搜集各省份各批次复核名单对数据进行修正，受限于复核名单的可得性，缺失的部分企业仅保留其认定年份内的相关数据，以保证结果的准确性。

（二）模型设定

为检验财政补贴对专精特新“小巨人”企业创新质量的影响，建立如下双向固定效应模型作为基准回归模型：

其中，表示i企业在t年份的创新质量，Sub表示财政补贴情况，Controls为一系列控制变量，β₀为常数项，β₁是回归系数，ε_i,t表示随机误差项，为减少估计偏误，对模型的企业个体（Id）及年份（Year）进行了控制。

地区知识产权保护作为外部条件，对企业创新高质量发展具有重要意义。因此，进一步构建调节效应模型如下：

其中，lnIPP_i,t为调节变量地区知识产权保护强度。具体的变量名称与说明如表1所示。

变量类别	变量名称	变量符号	变量定义
被解释变量	专利质量	Pq	根据专利IPC分类码测算的企业当年所有专利的知识宽度
解释变量	财政补贴	Sub	政府补贴总额加1取自然对数
控制变量	企业年龄	Age	观测年份-成立年份后加1取自然对数
	资产负债率	Lev	总负债/总资产
	盈利能力	Roe	净利润/净资产期末余额
	两职合一	Dual	董事长兼总经理为1，否则为0
	管理费用率	Manage	管理费用/营业收入
	管理层薪酬总额	Msalary	管理层的薪酬总额取自然对数
	董监高海外背景	Dsmback	董监高具有海外背景为1，否则为0
	地区GDP增长率	GDPgrowth	地区生产总值增长率，2024年采用前4年的平均增长率估算
	地区人均GDP	GDPper	地区人均生产总值取自然对数，2024年采用前4年的平均增长率估算
调节变量	地区知识产权保护强度	lnIPP	IPP加1取自然对数，公式定义见下文

（三）变量定义

1.被解释变量

企业创新质量（Pq）。由于企业创新质量主要表现为专利价值，因此本文参考杨鹏等（2024）的研究，使用国家知识产权局的企业专利文件中记录的国际专利分类号（IPC）信息，采用知识宽度法来测度。该方法通过比较专利组内知识宽度反映创新质量的高低，可过滤掉大量策略性、窄领域的模仿专利。我国的IPC分类体系采用“部-大类-小类-大组-小组”的分级形式，以专利号“G01L5/00”为例，“G”表示部，“01”表示大类，“L”表示小类，大组和小组则使用斜号隔开。利用赫芬达尔指数的测算思路，本文在IPC大组层计算企业层面的专利知识宽度，反映企业在不同技术领域的布局广度，计算公式为：

其中，α为专利分类号中各大组分类所占的比重。Pq的值越大，意味着企业专利涉及的知识领域越广，被外界模仿和围绕该专利进行改进的难度越大，因此企业的创新能力越强，专利质量越高。例如，企业A的某项发明专利共有3个分类号（B25B11/00，G01L5/00，G01M13/04），企业B的某项发明专利共有5个分类号（B29C64/112，B29C64/386，B29C64/393，B33Y50/00，B33Y50/02）。尽管直观上来看，企业B的发明专利分类号数量更多，但是仅涉及B29C64和B33Y50两种知识领域，而企业A的发明专利涉及B25B11、G01L5和G01M13三种知识领域，进一步计算可得企业A和B的知识宽度分别为0.67和0.50，企业A的专利质量比企业B更高。由于外观设计专利的IPC分类码与发明专利和实用新型专利的IPC分类码存在较大不同，因此本文选择的是企业当年申请的发明专利和实用新型专利数据。

2.解释变量

财政补贴（Sub）。本文选取企业利润表的“其他收益”科目下的政府补贴总额，参考张雪洋的研究，采用加1取自然对数的方式衡量。由于“小巨人”企业公示的时间一般在下半年，且企业收到的财政补贴通常需要一段时间才能反映在研发成果中，因此，本文在回归中将财政补贴滞后一期。

3.控制变量

参考周小梅等的研究，本文选取如下控制变量：企业年龄、资产负债率、盈利能力、两职合一、管理费用率、管理层薪酬总额、董监高海外背景、地区GDP增长率和地区人均GDP。此外，还采用了年份固定效应和个体固定效应。

4.调节变量

地区知识产权保护强度（lnIPP）。借鉴沈国兵和黄铄珺（2019）的做法，选取城市人民法院的知识产权审判结案数（IPPCourt）来度量城市层面知识产权保护强度。本文还参考WIPO（2018）的研究，使用城市GDP进行去规模处理以排除城市规模的影响，并利用显性比较优势指数（RCA）构建了城市层面知识产权保护强度，公式如下：

其中，IPP_j,t表示第t年城市j以知识产权审判结案数为基础的城市层面知识产权保护强度；IPPCourt_j,t和GDP_j,t分别代表第t年城市j的知识产权审判结案数和GDP；IPPCourt_c,t和GDP_c,t分别代表第t年中国整体知识产权审判结案数和GDP。

三、实证结果分析

（一）描述性统计

表2为基准回归所需变量的描述性统计。专精特新“小巨人”企业创新质量的最小值为0，最大值为0.9901，标准差为0.1569，表明“小巨人”企业创新质量存在较大差异；财政补贴的最小值为13.0354，最大值为18.6836，标准差为1.0629，离散程度和波动性均较低，说明企业收到的财政补贴金额差异较小；地区知识产权保护强度的最小值为0.0312，最大值为2.1576，标准差为0.5603，说明“小巨人”企业所在地区知识产权保护水平仍存在较大差异。其余各控制变量总体分布均在合理的范围之内。

变量	样本量	均值	标准差	最小值	最大值
Pq	2174	0.8907	0.1569	0.0000	0.9901
Sub	2174	16.1813	1.0629	13.0354	18.6836
lnIPP	2174	0.7156	0.5603	0.0312	2.1576
Age	2174	2.9181	0.3033	2.0794	3.4965
Lev	2174	0.3120	0.1737	0.0450	0.7634
Roe	2174	0.0505	0.0973	-0.3917	0.2614
Dual	2174	0.4940	0.5001	0.0000	1.0000
Manage	2174	0.0815	0.0598	0.0086	0.3879
Msalary	2174	15.5894	0.4917	14.5015	16.9472
Dsmback	2174	0.6067	0.4886	0.0000	1.0000
GDPgrowth	2174	0.0560	0.0253	-0.0014	0.1330
GDPper	2174	11.8306	0.3785	10.6899	12.2647

（二）相关性分析

变量的相关性分析结果显示，各个解释变量之间的相关系数绝对值均低于0.5，表明变量之间并不存在高度相关关系。此外，本文还对各解释变量的方差膨胀因子值（VIF）进行了计算，均值为1.17，均远小于10，说明解释变量之间不存在严重的多重共线性问题。受限于篇幅，这里不做展示。

（三）回归结果分析

1.基准回归结果分析

表3报告了全样本回归模型的回归结果。第（1）列仅控制个体和年份，回归结果显示，财政补贴的系数为0.0283且在1%的水平上显著为正，说明财政补贴对专精特新“小巨人”企业创新质量的提升具有显著的正向效应。由于该结果可能会受到其他变量的影响而产生偏差，第（2）列加入一系列控制变量，结果显示财政补贴的回归系数为0.0298且仍在1%的水平上显著为正，再次验证财政补贴为专精特新“小巨人”企业带来了资金补助，可以改善企业的创新条件和创新环境，最终实现创新质量的提升。因此，可验证本文的假设1。

2.地区知识产权保护强度的调节作用

回归结果如表3第（3）列所示，Sub×lnIPP的回归系数为正，且在1%的水平上显著，表明较高的地区知识产权保护强度能够有效增强财政补贴对“小巨人”企业创新质量提升的正向作用，假设2得到验证。

变量	(1)	(2)	(3)
	Pq	Pq	Pq
Sub	0.0283***	0.0298***	0.0009
	(2.9942)	(3.1602)	(0.0741)
lnIPP			-0.5834***
			(-2.8004)
Sub×lnIPP			0.0358***
			(2.9296)
控制变量	NO	YES	YES
个体固定效应	YES	YES	YES
年份固定效应	YES	YES	YES
样本量	1401	1401	1401
adj. R2	0.116	0.122	0.135

（四）稳健性检验

本文基准回归模型中的财政补贴取滞后一期，一定程度上限制了反向因果关系的可能性。为进一步验证实证结果的可靠性和准确性，本文还将使用替换被解释变量、倾向得分匹配法等方法来进一步检验模型的稳健性，排除内生性问题。

1.替换被解释变量

本文在前文的回归中利用企业当年专利涉及的大组种类总数来计算知识宽度，反映的是企业当年的技术丰富度的总体水平，但忽略了单个专利之间的差异性，不能体现企业专利质量的最高水准。因此，本文选取企业申请的发明专利及实用新型专利IPC分类码中覆盖大组种类数最多的一个专利，根据其大组种类数，重新计算得到该企业当年专利的知识宽度，即创新质量（Pq_max），以反映企业当年知识复杂度最高也最具价值的专利质量水平，回归结果如表4第（1）（2）列所示。可以看出，财政补贴对“小巨人”企业专利质量的影响系数保持在1%的水平上显著为正，财政补贴与地方知识产权的交互项系数在5%的水平上显著为正，与基准回归的结论一致，证明了本研究的稳健性。

2.倾向得分匹配法

为解决可能存在的样本选择偏差的问题，本文还使用倾向得分匹配法（PSM）中最常用的最近邻匹配对样本进行匹配并再次进行回归。回归结果如表4第（3）（4）列所示，财政补贴的系数在1%的水平上显著为正，交互项系数同样显著，与前文回归结果一致，再次说明本文的结果具有稳健性。

变量	(1)	(2)	(3)	(4)
	替换被解释变量		倾向得分匹配法
	Pq_max	Pq_max	Pq	Pq
Sub	0.0297***	0.0096	0.0275***	0.0170**
	(3.0299)	(0.7380)	(5.3791)	(2.1274)
lnIPP		-0.4294**		-0.2517*
		(-2.1937)		(-1.8982)
Sub×lnIPP		0.0255**		0.0145*
		(2.1776)		(1.7830)
控制变量	YES	YES	YES	YES
个体固定效应	YES	YES
年份固定效应	YES	YES	YES	YES
样本量	1401	1401	713	713
adj. R2	0.067	0.074

四、研究结论与政策启示

本文以2019-2024年间通过国家工信部认定的750家专精特新“小巨人”企业为研究对象，探讨财政补贴对专精特新“小巨人”企业创新质量的影响，得到以下结论：财政补贴有利于专精特新“小巨人”企业提升创新质量，且地区知识产权保护在财政补贴与“小巨人”企业创新质量提升的影响中起到正向调节作用。基于上述研究结果，提出如下政策建议：

政府应进一步加大对专精特新“小巨人”企业的财政补助力度。专精特新“小巨人”企业是我国创新发展的主力军，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，为促进“小巨人”企业持续创新发展，政府需加大财政补贴支持力度，做好创新发展的助力工作。

将知识产权保护强度作为财政资源分配的重要考量因素，对保护力度强、执法效率高的地区，在项目名额和资金额度上给予倾斜，形成正向激励，同时，调整财政补贴对企业的发放条件，将补贴与“小巨人”企业在知识产权申请和商业化表现挂钩，使其更侧重于创新成果的质量和市场应用，而非单纯的研发活动。

支持在创新集聚区设立知识产权保护中心，提供专利申请、确权、维权等的快速通道，促使相关部门合力维护企业创新利益；此外，可增加市场监管、司法系统在知识产权执法方面的资源投入，加大对知识产权侵权行为的惩罚性赔偿和执法力度，确保判决和裁决能够有效执行，提高侵权成本，从而增加企业研发高质量专利的信心。

参考文献：

1. [1] Blundell R, Bond S. Initial conditions and moment restrictions in dynamic panel data models[J].Journal of econometric,1998,87:115-143.
2. [2] Plank J C. Doblinger. The firm-level innovation impact of public R&D funding: Evidence from the German renewable energy sector[J].Energy policy,2018,113:430-438.
3. [3] 蔡庆丰,舒少文,吴奇艳.金融发展赋能城市“小巨人”企业培育及创新——从金融集聚到金融科技[J].财贸经济,2024,45(01):72-88.
4. [4] 曹春方,涂漫漫,刘薇.知识产权监管与企业集团内部专利转移[J].经济研究,2024,59(02):135-152.
5. [5] 晁玉方,路冬月,邹志勇.政府补助对专精特新企业突破式技术创新的影响研究[J].无锡商业职业技术学院学报,2025,25(02):29-38.
6. [6] 陈洋林,孟翠翠.专精特新“小巨人”企业培育政策对关键核心技术创新的影响[J].广西财经学院学报,2025,38(03):91-103.
7. [7] 付馨苇,谢家智.专精特新“小巨人”认定与双元创新正向跃迁[J].华东经济管理,2025,39(02):24-36.
8. [8] 郭嫱,蔡双立.企业家冒险倾向对专精特新“小巨人”企业持续创新的影响及其作用机制[J].科技管理研究,2024,44(10):212-222.
9. [9] 洪瑶小雪,许恒,于畅.政府补贴与企业高质量创新[J].南开学报(哲学社会科学版),2024(03):124-138.
10. [10] 李江,吴玉鸣.政府补助与制造业企业创新:基于“量”与“质”的视角[J].现代经济探讨,2023(04):88-98.
11. [11] 李万福,杜静,张怀.创新补助究竟有没有激励企业创新自主投资——来自中国上市公司的新证据[J].金融研究,2017(10):130-145.
12. [12] 梁冉,文学国,朱四伟,等.知识产权保护促进了企业创新质量的提升吗？——来自国家知识产权示范城市的准自然实验[J].科学学与科学技术管理,2024,45(03):3-20.
13. [13] 刘倩,栗华临.创新政策、高管技术背景与专精特新“小巨人”企业创新绩效研究[J].科技和产业,2024,24(03):98-105.
14. [14] 刘姝伶,苏涛永,张鹏.知识搜索及其双元性对专精特新“小巨人”企业数字创新的影响研究[J].研究与发展管理,2025,37(04):36-48.
15. [15] 马良,甘崎旭.专精特新政策对“小巨人”企业创新绩效的影响研究——基于企业信息透明度视角[J].科技进步与对策,2025,42(09):87-97.
16. [16] 毛其淋,许家云.财政补贴对企业新产品创新的影响——基于补贴强度“适度区间”的视角[J].中国工业经济,2015(06):94-107.
17. [17] 沈国兵,黄铄珺.城市层面知识产权保护对中国企业引进外资的影响[J].财贸经济,2019,40(12):143-157.
18. [18] 唐孝文,姚欣岑,于岚婷.数字化背景下“小巨人”企业创新路径研究[J].科研管理,2023(12):10-20.
19. [19] 温忠麟,叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展,2014,22(05):731-745.
20. [20] 武琼,徐涛,柳扬,等.“诅咒”还是“福音”：财政补贴如何影响专精特新企业投资决策[J].系统管理学报,2025,34(03):753-765.
21. [21] 邢斐,周泰云.研发补贴、知识产权保护与企业创新[J].中国科技论坛,2020(09):114-124.
22. [22] 杨鹏,尹志锋,张志伟,等.企业数字技术应用与专利质量提升——理论机制与经验事实[J].统计研究,2024,41(05):98-110.
23. [23] 易巍,龙小宁.行政边界与专利知识传播[J].数量经济技术经济研究,2023,40(10):159-180.
24. [24] 张杰,郑文平.创新追赶战略抑制了中国专利质量么？[J].经济研究,2018(05):28-41.
25. [25] 张鲁秀,杨亚茹.经济政策不确定性对专精特新“小巨人”企业创新的影响研究[J].山东社会科学,2025(05):159-167+2.
26. [26] 张雪洋.企业ESG表现对财务绩效的影响研究——基于政府补助和创新能力的双重中介效应[J].煤炭经济研究,2025,45(09):186-195.
27. [27] 赵胜超,曾德明,罗侦.产学研科学与技术合作对企业创新的影响研究——基于数量与质量视角[J].科学学与科学技术管理,2020(01):33-48.
28. [28] 周小梅,陈心怡,黄鑫.财税政策提升了制造企业创新质量吗——从“多多益善”到精准施策[J].税收经济研究,2025,30(01):85-95.