上半年中央企业研发经费投入同比增长3.8%

央企面临短期经营目标（利润、资产保值增值）与长期创新目标的多任务权衡。根据Holmström-Milgram多任务委托代理模型，当考核指标从偏重短期财务绩效转向赋予科技创新更高权重时，代理人会在长短期任务间重新配置努力。据此提出：H1：考核中创新权重提升正向促进央企研发投入强度；H2：该效应在技术密集型央企（电网、航天、通信）中强于资源垄断型央企；H3：效应伴随"工资帽"放松等配套激励而放大。

以国务院国资委历次《中央企业负责人经营业绩考核办法》修订（2013、2016、2019、2023年各版）作为外生政策冲击，将受影响央企作为处理组。关键识别假定为平行趋势——即若无考核修订，处理组与对照组的研发投入变动趋势一致。采用事件研究法动态图示处理效应，并用Goodman-Bacon（2021）分解检查双向固定效应DID的异质性处理效应偏误。

基准模型：R&D_intensity_{it} = α + β·Post_InnovationWeight_{it} + γ·X_{it} + μ_i + λ_t + ε_{it}。其中R&D_intensity为研发投入占营业收入比，Post_InnovationWeight为考核中创新指标权重上调后的虚拟变量，X_{it}包含企业规模、资产负债率、资产回报率、行业竞争度等时变控制变量，μ_i和λ_t分别为企业个体与年份固定效应，标准误在企业层面聚类。

被解释变量：研发投入/营业收入（R&D1）与研发投入/总资产（R&D2）双测度。核心解释变量：手工整理国资委考核办法文本，构建创新指标权重指数（0-100分），高于中位数为1。控制变量包括：企业规模（log总资产）、杠杆率（资产负债率）、盈利能力（ROA）、托宾Q、董事会独立性、政府补贴强度。数据区间2010-2026年，样本覆盖约380家央企控股A股上市公司。

（1）替换被解释变量为专利申请量/授权量（创新产出），检验研发投入是否转化为实际创新；（2）PSM-DID：以企业规模、行业、所有制结构为协变量倾向得分匹配后再做DID，缓解选择偏差；（3）排除同期其他政策干扰（如2015年"大众创业万众创新"、减税降费政策），在回归中控制政策虚拟变量；（4）工具变量法：以省级政府工作报告中"创新"词频作为考核压力的工具变量，应对考核办法修订本身可能内生于前期央企创新的担忧。

---

后发国家技术追赶面临"模仿容易、创新难"的结构性障碍。Amsden指出后发经济体需要"中等技术"制度安排来突破从吸收到原创的转换瓶颈。央企创新联合体本质上是一种降低产学研交易成本的制度创新——将分散的企业、高校、科研院所资源整合进统一技术攻关平台。据此提出：H1：央企创新联合体显著缩短了战略性产业的技术差距（以专利引用滞后测度）；H2：机制中介为创新网络密度提升——联合体增加了成员间联合专利申请与技术标准共建；H3：效应在"卡脖子"领域（芯片、航空发动机）强于一般竞争性领域。

以2019年国务院推动央企组建"产学研用"创新联合体为政策节点，收集截至2026年已组建的联合体名录，将参与联合体的技术子领域作为处理组。采用合成控制法，以未参与联合体但技术特征相近的产业子领域（包括民营企业主导的产业联盟覆盖领域）构造反事实对照组。关键假定：处理组与合成控制在政策前具有相似的技术演进轨迹，且无同期其他选择性政策混淆处理效应。

技术差距_{kt} = α_k + β·Post_Consortium_{kt} + φ·Network_Density_{kt} + δ·(Post_Consortium × Network_Density) + θ·X_{kt} + μ_t + ε_{kt}。技术差距以中国在该子领域的专利前向引用滞后（相对于全球技术前沿的引用时滞）度量。Post_Consortium为联合体成立后的虚拟变量，Network_Density为联合体内部成员间联合专利申请密度。通过δ系数检验中介路径是否成立。

技术差距：利用PATSTAT全球专利数据库，以五局（中美欧日韩）专利族的前向引用时滞构造技术前沿距离指标——中国专利被后续专利引用的平均时滞减去同期全球最短时滞。创新网络密度：联合体成员间的联合专利申请数/成员总数。控制变量：该领域R&D总支出、政府科技拨款、FDI技术溢出（外资专利本地引用占比）、科学家工程师人数。按3位IPC技术分类划分子领域，覆盖2015-2026年。

（1）更换技术差距测度：以全要素生产率差距（中国该产业TFP/美国该产业TFP）替代专利指标，使用WIOD投入产出表计算；（2）安慰剂检验：将政策时间前移至2015年（虚假干预），检验合成控制组的安慰剂分布；（3）排除"芯片大基金"等同期的选择性产业政策干扰，在控制变量中加入国家集成电路产业投资基金等专项支持力度指标；（4）使用工具变量——以央企负责人政治晋升激励强度（是否曾在科技系统任职）作为联合体组建强度的IV。

---

经典凯恩斯主义将逆周期调节归于财政与货币政策，但在中国经济实践中，国有资本的投资行为同样具有显著的逆周期特征。波兰尼的"嵌入性"视角揭示：中国的市场机制深度嵌入国家调控体系，央企正是这一嵌入的制度载体。当私人投资因不确定性预期而收缩时，国家通过国有资本"三个集中"——向关系国家安全和国民经济命脉的重要行业、公共服务和应急能力建设、前瞻性战略性新兴产业集中——实施定向投资扩张，起到托底总需求的"压舱石"作用。H1：央企固定资产投资增速与GDP增速呈逆周期关系；H2：该逆周期效应在2008年、2015年、2020年和2025年等经济下行期尤为显著；H3：逆周期扩张以短期ROA下降为代价，但换取了宏观经济波动率的降低。

核心识别挑战在于央企投资与GDP之间的双向因果关系。采用Panel VAR框架和符号约束识别：通过Cholesky分解（央企投资→私人投资→GDP的顺序）隔离央企投资的独立冲击，并利用"国资委年度投资计划批复时间"作为外生工具变量——国家发改委对央企重大投资项目的审批时间表在年度内相对固定（通常在一季度集中下达），对季度GDP变动具有外生性。

建立三变量Panel VAR：Y_{it} = A_1·Y_{i,t-1} + A_2·Y_{i,t-2} + ... + A_p·Y_{i,t-p} + u_{it}，其中Y为向量[央企投资增速, 私人投资增速, GDP增速]。通过脉冲响应函数（IRF）展示央企投资一个标准差正向冲击对GDP增速的动态传导路径，通过历史分解量化央企投资在不同时期对GDP偏离潜在增长率的贡献度。

央企投资增速取自国资委年度财务决算汇编中98家央企的固定资产投资合计季度序列。经济下行期虚拟变量：定义GDP增速低于HP滤波趋势值为1，反之为0。产业集中度指标：按"三个集中"方向——国家安全（国防、能源、粮食）、公共服务（电网、电信、水利）、战略新兴产业（芯片、AI、新能源）——分类加总央企投资额，计算各方向集中度指数。数据区间2008Q1-2026Q2，构建季度面板。

（1）替换PVAR为局部投影法（Local Projections, Jordà 2005），放宽线性约束和模型误设风险；（2）采用动态因子模型（DFM）分离全国共同冲击与央企特有冲击，检验央企投资的独立宏观稳定贡献；（3）将央企替换为地方国企重复分析，验证"压舱石"效应是否为央企特有（制度差异检验）；（4）以"央企投资审批时长"（从申请到批复的天数）作为投资增速的工具变量，应对同期政策内生性问题。

---

Griliches将研发投入视为一种知识资本投资，通过永续盘存法累积为知识存量进入生产函数。但Romer模型揭示研发具有"站在巨人肩膀上"的正外部性，同时Jones指出研发人员数量增加可能伴随"创意捕捞"成本上升导致递减回报。央企研发经费的快速增长是否带来同比例的知识资本积累？这取决于R&D转化效率与知识折旧率。H1：央企研发资本存量对TFP的产出弹性为正但低于非国企，反映转化效率差距；H2：在航天、电网、通信等央企具有规模优势的领域，研发产出弹性高于传统制造领域；H3：央企研发对产业链下游民营企业的知识溢出效应显著为正。

核心挑战在于研发投入与TFP之间的内生性——高效率企业可能同时具有高研发投入和高TFP。采用系统GMM方法（Blundell & Bond, 1998），以研发存量的滞后二阶及以上差分作为水平方程的工具变量，以差分方程的滞后水平作为工具变量，利用研发到TFP的时滞结构性（通常3-5年）构建排他性条件。

扩展的Cobb-Douglas知识生产函数：logTFP_{it} = α + ρ·logR&Dstock_{i,t-3} + β·logK_{it} + γ·logL_{it} + δ·logR&Dstock_{i,t-3} × SOE_dummy + λ'Controls + μ_i + τ_t + ε_{it}。其中R&Dstock以15%年折旧率的永续盘存法（K_{it} = R_{i,t-1} + (1-δ)K_{i,t-1}）构建。SOE_dummy与R&Dstock的交互项δ捕获央企相对于非国企的研发产出弹性差异，是检验H1的核心参数。

TFP：以Levinsohn-Petrin（2003）半参数法估计，以中间投入作为不可观测生产率的代理变量，避免传统OLS的联立性偏误。研发资本存量初始值：R&Dstock_{i0} = R_{i0}/(g+δ)，其中g为研发支出平均增长率，δ取15%。控制变量集：企业年龄、出口强度（出口/营收）、市场集中度（HHI）、政府补贴/营收比、行业×年份固定效应。样本为2005-2026年A股制造业和信息技术服务业上市公司（约2500家），央企样本约380家。

（1）替换TFP估计方法：以Ackerberg-Caves-Frazer（ACF, 2015）法代替LP法，放宽劳动投入决策先于中间投入的假定；（2）替换折旧率假设：将研发资本折旧率从15%替换为10%和20%两种情形，检验结论对折旧率参数的敏感性；（3）以研发人员全时当量（FTE）替代研发经费构建人力研发存量，从投入替代的视角交叉验证；（4）行业间知识溢出：在方程中加入行业层面的R&Dstock加权平均（以投入产出表的前向/后向关联系数为权重），检验央企→非国企的纵向溢出渠道。

---

根据Becker人力资本理论，企业研发活动同时包含通用性知识（可跨企业迁移）和企业特定知识（仅在本企业有价值），央企的技术攻关天然偏重后者。Lazear锦标赛理论预测，薪酬差距扩大激励代理人投入更多努力，但创新具有高不确定性和长周期特征，过度依赖短期薪酬锦标赛可能导致代理人偏好"短平快"的专利数量而非突破性质量。H1：央企内部薪酬差距（总经理薪酬/研发人员平均薪酬）与专利数量正相关，但与被引次数和权利要求数呈倒U型关系；H2：股权激励试点央企的专利质量（被引次数、PCT申请）显著高于纯现金激励央企；H3：央企研发人员流动率（研发人员离职率）与专利质量负相关——高流动率导致企业特定知识资本流失。

利用2019年后国资委在部分科技型央企推行"岗位分红权"和"项目收益分红"试点作为外生薪酬结构冲击。处理组为被纳入试点的央企控股上市公司（约60家），对照组为未被纳入的同类科技型央企。以试点分批推进（不同央企分批纳入）的时间差异构建多期DID识别。关键识别假定：试点选择主要基于企业行业属性（科技型）而非前期专利表现，且处理组与对照组在试点前的专利产出趋势无系统性差异。

创新质量_{it} = α + β_1·WageGap_{it} + β_2·WageGap_{it}^2 + β_3·ShareIncentive_{it} + β_4·Turnover_{it} + γ·X_{it} + μ_i + λ_t + ε_{it}。创新质量以专利平均前向被引次数（剔除自引，三年窗口）和PCT国际专利申请数两个指标度量。WageGap以高管-员工薪酬比衡量锦标赛激励强度，引入平方项检验非线性效应。ShareIncentive为股权激励试点虚拟变量。

被解释变量多维度：专利数量（申请量）、专利质量（五年内前向被引次数/专利数、PCT申请量、三方专利族数）、原创性指数（1-赫芬达尔指数，基于专利引用技术领域的分散度）。核心解释变量：高管-员工薪酬比（Tournament Incentive），以总经理总薪酬/研发人员平均薪酬计算。工具变量：同省份同行业非央企的薪酬比均值（反映区域劳动力市场薪酬竞争压力，但不直接影响本企业创新产出）。数据区间2010-2026年，央企科技型上市公司样本约120家。

（1）替换薪酬差距测度：以总经理薪酬/所有员工75分位数薪酬替代均值比，减少极端值影响；（2）泊松伪最大似然（PPML）回归：因专利被引次数为计数数据且存在大量零值，以PPML替代OLS线性模型；（3）双重机器学习（Double ML）：使用随机森林和LASSO筛选高维控制变量（包括CEO特征、董事会结构、行业技术周期等），减少模型设定偏误；（4）异质性分析：按央企层级（一级集团vs二级子公司）和垄断程度（石油石化vs电子信息）分组回归，检验锦标赛效应是否因企业治理结构而异。

---