產業政策的資源誤置效應及其微觀機制研究

張龍鵬 湯志偉

(電子科技大學 公共管理學院，四川 成都 611731)

一、引言

隨著中國步入中等收入國家，原先支撐經濟高速增長的一些因素正在發生變化。投資率不斷下降，人口結構發生改變，廉價勞動力優勢不斷縮小，外部壓力不斷增加，從而導致中國經濟增長進入下滑軌道。現有粗放的經濟增長方式越來越難以為繼，中國經濟增長的方式亟待轉變，需要新動能、新舉措方能確保經濟中高速增長，并逐步向中高端經濟發展水平邁進。中共十九大報告指出，要使市場在資源配置中起決定性作用，更好發揮政府作用。這明確了中國未來經濟體制改革目標和發展方式轉型的方向，即通過完善政府職能與優化市場機制實現資源優化配置。Hsieh et al.(2009)的研究也表明，中國通過改革經濟體制中阻礙資源有效配置的因素，能夠使經濟產出提高30%～50%。然而，Dollar et al.(2007)、聶輝華等(2011)、蔣為等(2015)等研究發現，中國存在較為嚴重的資源誤置效應，要素資源并未在企業間實現有效配置。因此，深入研究造成資源誤置的原因，有助于改善市場中的資源配置效率，實現經濟增長方式轉變，提高經濟增長活力。

產業政策作為政府干預經濟活動的重要方式，對于有效發揮政府與市場在資源配置中的作用具有重要價值。產業政策傾向于利用行政審批、行業準入等直接干預性的行政手段以及財政、金融、土地、貿易等間接干預性的經濟手段扶持某一產業發展，進而影響產業內的資源配置情況。在一個不受產業政策干預的市場環境中，行業內企業間的資源配置情況僅取決于企業生產率的高低，為獲得更高收益，生產要素資源將從低生產率企業流向高生產率企業，這時資源實現了重置與優化，行業生產率將得以提高。然而，在一個存在產業政策的市場環境中，由于產業政策的干預，資源會在產業政策的作用下流入相關企業。在產業政策所支持的行業內，并非所有企業都能夠獲得產業政策支持，通常也只有少數企業能夠得到扶持，因此，產業政策會表現出差異化的執行特征。差異化的產業政策使得生產要素資源在不同政策支持力度的企業之間流動和重新配置。當生產要素資源從低政策支持力度企業流向高政策支持力度企業，且低政策支持力度企業的生產率更高時，資源誤置效應就產生了。此外，產業政策支持少數企業，尤其是傾向于支持低生產率企業，而這將扭曲市場的進入退出機制，低生產率企業因得到產業政策的支持不能有序退出市場，高生產率企業由于缺乏政策支持難以進入市場，從而降低了市場資源配置的動態效率。那么，中國的產業政策是否存在資源誤置效應呢？如果存在，是否由差異化的產業政策所導致的呢？對于這兩個問題的研究，有助于我們認識中國產業政策的執行效果與經濟效應，從而明確產業政策轉型方向與優化的目標。

二、文獻綜述

作為政府干預微觀經濟活動的重要方式，產業政策一向是產業經濟學和發展經濟學關注的熱點，尤其是林毅夫與張維迎圍繞著產業政策進行了大討論。一方面，Stiglitz et al.(2015)、Krugman(1986)、Rodrik(2007)、林毅夫(2017)等從市場失靈角度論證了產業政策存在的必要性，而張維迎(2016)、江飛濤等(2010)等則從政府的機會主義行為與政府失靈的角度說明產業政策的無效性；另一方面，Beason et al.(1996)、Criscuolo et al.(2012)、Du et al.(2014)、Aghion et al.(2015)等研究了不同國家產業政策的執行效應與經濟效應。由于中國是使用產業政策較多的國家，學者尤其關注產業政策對中國經濟所造成的影響，以期規劃和構筑新時代中國產業政策轉型與優化的新方向與新體系。現有研究主要探討了中國產業政策對生產率、創新、投資、產能過剩等方面的影響，但這些研究所得到的結論并未達成共識。其中，產業政策與生產率的研究和本文的主題密切相關。

現有文獻研究中國產業政策對生產率的影響并未得出一致性結論。宋凌云等(2013)基于政府五年規劃文件數據構建產業政策變量的研究發現，產業政策總體上提升了行業生產率，這一效應產生的微觀機制在于政府將政策資源導向了生產率增長較快的企業，從而實現了資源重置與優化。然而，其他學者以政府補貼、稅收優惠、信貸扶持等產業政策工具度量產業政策，結果發現產業政策對行業生產率的影響是復雜的。舒銳(2013)、李駿等(2017)研究發現，補貼與稅收優惠均未促進生產率的提升，但信貸扶持對行業生產率具有正向作用。于良春等(2016)基于汽車行業的研究發現，產業政策中的固定資產投資促進了生產率增長，研發投資卻對此產生了抑制作用。鑒于產業政策影響的不一致性，部分學者更加注重探討如何更好地實施產業政策以提升行業生產率。最具代表性的Aghion et al.(2015)的研究指出，如果中國產業政策配置到競爭性行業或促進了行業競爭，就能夠提升行業生產率。這一結論也得到了李駿等(2017)、韓超等(2017)等的支持。熊瑞祥等(2017)認為，產業政策需要與本地生產性結構保持一致才能發揮其促進生產率的作用。孫早等(2015)認為，產業政策能否起到促進生產率提高作用受到中央政府對地方政府考核的影響：當中央政府考核目標由“偏增長”轉向“重轉變”，地方政府產業政策的實施目標也由追求短期經濟增長向提升生產率轉變。

產業政策對生產率的影響不僅體現在生產率水平上，也體現在生產率的波動性上，因而需要研究產業政策對企業間生產率離散程度的影響，考察產業政策是否產生資源誤置效應。蔣為等(2015)研究補貼與生產率離散程度的關系后指出，補貼政策導致了行業內企業間生產率離散程度的擴大，這表明補貼政策提高了行業的資源誤置程度，造成這一結果的主要原因是補貼在行業內的差異化使用。蔣為(2016)進一步指出，增值稅的差異化使用也是導致生產率離散程度擴大與產生資源誤置的重要因素。

綜上，當前關于產業政策與生產率波動的研究文獻較少，僅有的研究只是探討了某一產業政策工具的使用方式對生產率波動的影響，并沒有明確差異化產業政策的資源誤置效應是由支持何種企業導致的。因此，只有深入研究產業政策與生產率波動的關系，才能揭示產業政策對生產率的影響，進而了解產業政策是否促進了資源配置效率的提升。針對現有研究的薄弱之處，本文致力于分析產業政策對生產率離散程度的影響，以考察產業政策是否存在資源誤置效應。具體研究過程如下：首先，根據產業政策文件構建產業政策變量，從整體上研究產業政策與生產率離散程度的關系；其次，構建產業政策工具的代理變量，研究產業政策工具及其執行方式對生產率離散程度的影響；最后，檢驗產業政策對資源誤置影響的微觀機制。

三、計量模型、變量測度與數據說明

(一)計量模型

本文需要論證的核心問題是：產業政策是否導致了行業內企業之間生產率離散程度的拉大，從而造成行業資源出現誤置。為了檢驗產業政策對資源誤置的影響，本文構建如式(1)所示的計量模型：

(1)

其中，i、t分別表示四位碼行業、年份；Dispersion表示行業的資源誤置程度，本文利用行業內企業間的生產率離散程度作為代理變量；Policy表示產業政策執行情況；Ctr表示控制變量；μ表示行業固定效應；ν表示時間固定效應；ξ為隨機誤差項；α1是本文重點關注的估計系數，如果其顯著為正，則表明產業政策會導致行業內企業間生產率離散程度的拉大，從而產生資源誤置效應。

(二)變量測度

1．被解釋變量

如果資源可以自由流動，不存在任何扭曲，那么所有企業的生產率應該相同，因為生產率高的企業會兼并或擠出生產率低的企業(Hsieh et al.,2009;聶輝華 等,2011)。基于此，我們可以利用行業內企業之間的生產率離散程度表示行業的資源誤置程度(聶輝華 等,2011;蔣為 等,2015)。企業之間的生產率離散程度越大，表明行業的資源誤置程度越高。為測算資源誤置程度，需要先測算企業的生產率。由于利用中國工業企業數據庫測算企業的生產率，因此根據聶輝華等(2011)的建議，采用Olley et al.(1996)的方法計算企業的生產率。該方法不僅有效解決傳統OLS方法估計生產率所帶來的缺失變量問題，還考慮了企業進入退出帶來的樣本選擇偏差問題。估算的具體形式如式(2)所示:

Yft=β0+βLLft+βKKft+βMMft+ηft+εft

(2)

其中，Y、L、K、M分別表示企業產出、就業人數、資本存量、中間品投入量的對數值；ηft是被企業決策者觀察到而未被研究人員觀察到的生產率沖擊；εft是既沒被企業決策者也沒被研究人員觀察到的生產率沖擊。由于傳統OLS方法忽略了ηft的存在，然而企業勞動雇傭決策和投資等都受到生產率ηft的影響，直接使用傳統OLS方法估計將帶來內生性問題，從而造成回歸結果有偏，在此借鑒Olley et al.(1996)的方法。Olley et al.(1996)的辦法的核心思想是，如果企業投資和生產率呈現單調正相關關系，生產率ηft就可以寫成企業投資的函數，將這個函數形式帶入式(2)就可以解決由生產率ηft帶來的缺失變量問題，進而測算出每個企業的生產率水平[注]此處的生產率為對數形式。。由于生產率水平趨勢成分的存在，本文對生產率水平去除其趨勢成分，對所得序列進行標準化處理，進而得到一個可比的生產率波動序列[注]本文將企業的生產率序列考慮為一個退勢平穩過程，把企業生產率對年份趨勢回歸后的殘差作為退勢平穩的生產率序列。此外，標準化處理采用了z-score標準化的方法。。借鑒蔣為(2016)、聶輝華等(2011)的研究，本文采用對數生產率波動序列的標準差作為行業內企業間生產率離散程度的代理變量。標準差越大，表明生產率離散程度越大，行業資源誤置程度越高。生產率離散程度的度量方式如式(3)所示:

(3)

2．核心解釋變量

Policy表示產業政策執行情況，為本文的核心解釋變量。Policy為一個虛擬變量，行業如果得到國家產業政策支持，賦值為1，否則為0。本文借鑒宋凌云等(2013)、余明桂等(2016)的研究，利用國家“九五”計劃、“十五”計劃、“十一五”規劃文件刻畫了產業政策的執行情況。“五年計劃(規劃)”文件中提到的產業名稱五花八門，難以與國民經濟行業分類中的名稱對應。為此，我們借鑒宋凌云等(2013)的研究，在二位碼行業層面考察某行業是否得到國家產業政策的支持：首先，對于重點支持的行業，“五年計劃(規劃)”文件會明確使用“發展”、“積極發展”、“支持發展”、“重點開發”等詞匯，本文將這些行業提取出來，按照國民經濟行業代碼(GB/T 4754-2003)將其歸入相應的二位碼行業；其次，對于文件中提到的具體制造產品，本文也按照國民經濟行業代碼將其歸入相應的二位碼行業；最后，文件中提到的新材料、新能源等涉及面甚廣，無法歸入具體行業，本文暫不考慮。由于我們是在二位碼行業層面考察行業是否得到產業政策的支持，但是在四位碼行業層面進行相關問題的研究，因此在構建產業政策變量時，我們需要做如下處理：如果某二位碼行業得到國家產業政策的支持，則認為其下屬的四位碼行業均得到產業政策支持，Policy就賦值為1。

3．控制變量

(三)數據說明

一方面，借鑒聶輝華等(2011)、蔣為等(2015)的研究辦法，采用1998—2007年中國工業企業數據庫測算行業的資源誤置程度；另一方面，我們根據宋凌云等(2013)、余明桂等(2016)、Aghion et al.(2015)的研究辦法，利用中國的“五年計劃(規劃)”文件識別產業政策執行情況，同時使用中國工業企業數據庫構建不同產業政策工具的代理變量。相關數據的具體情況與處理過程如下：

中國工業企業數據庫包括了中國全部國有工業企業與年銷售額500萬人民幣以上的非國有工業企業。本文在國民經濟行業分類的基礎上剔除非制造業企業，并按照Brandt et al.(2012)的調整代碼將2003年前后的行業代碼調整為統一的小類行業代碼。對數據所涉及樣本年份內區域行政編碼的調整，我們參考了Lu et al.(2009)的方法進行調整。此外，根據樊娜娜等(2017)、聶輝華等(2012)的建議：刪除工業總產值、固定資產凈值平均余額等缺失的樣本；刪除累計折舊小于當年折舊、總資產小于流動資產、總資產小于固定資產凈值平均余額的樣本；刪除職工人數小于8人的樣本。

關于產業政策的刻畫，現有文獻主要有兩種方法：一種基于產業政策文件的文本分析情況構建產業政策變量;另一種利用補貼、稅收、信貸等產業政策工具直接刻畫產業政策執行情況。這兩類方法各有優缺點:第一種方法能夠從整體上刻畫產業政策的實施情況，但不能細致地反映產業政策的執行程度情況;第二種方法雖然能較為細致地反映各行業受產業政策影響的程度，但產業政策實施的復雜性導致難以單憑幾個產業政策工具反映中國的產業政策整體情況。基于此，本文綜合使用這兩種方法，先采用第一種方法從整體上研究產業政策的資源誤置效應，再利用第二種方法研究產業政策產生資源誤置效應的微觀機制。產業政策工具代理變量的度量需要利用中國工業企業數據庫數據。

中國是使用產業政策較多的國家之一，從中央政府到各級地方政府均出臺許多推動產業發展的政策文件。在這些產業政策文件中，政府“五年計劃(規劃)”是中國產業政策體系的最重要組成部分(李文貴 等，2016)，也是地方政府制定產業政策的藍本，將引導“五年計劃(規劃)”時期中國產業發展方向。因此，學者們也主要根據“五年計劃(規劃)”文件構建產業政策變量(宋凌云 等，2013；余明桂 等，2016；李文貴 等，2016)。遵循現有研究的思路，本文采用中央政府出臺的“五年計劃(規劃)”作為主要依據材料，進而刻畫中國產業政策的執行情況。“五年計劃(規劃)”文件專門有一章論述工業發展與工業結構調整目標，本文就是通過對該章的內容進行文本分析，進而對產業政策進行識別。由于中國工業企業數據庫的時間跨度為1998—2007年，因而我們分析產業政策的文件分別為國家“九五”計劃(1996—2000年)、“十五”計劃(2001—2005年)以及“十一五”規劃(2006—2010年)。

四、實證結果與分析

(一)基準回歸結果與分析

根據式(1)，本文采用面板數據固定效應模型估計產業政策對資源誤置的影響，回歸結果如表1所示。模型(1)未加入任何控制變量，單獨檢驗了產業政策與資源誤置的關系，模型(2)加入了行業的成本特征變量，模型(3)進一步控制了行業的開放程度，模型(4)填加了所有制變量，模型(5)最后控制了市場結構對資源誤置的影響。在逐步加入控制變量的過程中，產業政策變量(Policy)的估計系數變化不大，且均在1%的顯著性水平上為正。回歸結果表明，對于得到國家產業政策重點支持的行業而言，企業之間的生產率離散程度較大，資源誤置程度較高，從而說明中國的產業政策存在資源誤置效應。這表明產業政策為手段的政府干預扭曲了企業之間的資源配置，限制了市場機制作用的發揮，因此我們需要重新審視中國產業政策的實際效果，要考慮產業政策是否應以促進市場競爭為前提，從根本上改進產業政策的執行方式，促進政策執行效果的提升，讓市場機制在經濟活動中發揮決定性作用。

表1 基準回歸結果

注：***、**、*分別表示1%、5%、10%的顯著性水平；( )內為穩健標準差。下同。

接下來，進一步對表1中的控制變量做簡要說明。固定成本(FC)的估計系數在5%的顯著性水平上為負，這表明固定成本較高的行業具有較低的生產率離散程度，資源誤置程度更小，這與蔣為等(2015)、Ding et al.(2014)的研究結論一致。行業固定成本的增加將導致行業的臨界生產率上升，低生產率企業將從市場中退出，企業間生產率的離散程度將降低。出口比重(Export)的估計系數在1%的顯著性水平上為負，這表明出口比重越高，行業資源誤置程度越低，這也驗證了Melitz(2003)的研究，即出口有助于行業資源配置效率的提升。國有企業比重(SOE)的估計系數在1%的顯著性水平上為正，表明國有企業比重高的行業，資源誤置程度也高。蔣為等(2015)認為，國有企業普遍面臨預算的軟約束，這將造成國有企業并不受臨界生產率的限制。即使面臨虧損，國有企業仍然能夠繼續生產與經營，從而拉大生產率離散程度。因此，國有企業比重越高的行業，生產率離散程度越大，資源誤置程度也越明顯。

(二)穩健性檢驗與分析

1．資源誤置指標的再度量

基準回歸結果使用標準差度量了企業之間生產率的離散程度，進而測度了行業的資源誤置程度，但生產率離散程度的度量方法有多種。為了說明回歸結果不受生產率離散程度度量方式的影響，接下來采用其他方式重新進行度量。本文使用四分位差與90/10分位差重新度量了行業內企業間的生產率離散程度。四分位差為生產率的75分位數減去25分位數；90/10分位差為生產率的90分位數減去10分位數。四分位差與90/10分位差越大，生產率離散程度就越大，資源誤置程度越高。表2的模型(1)與模型(2)分別匯報了四分位差與90/10分位差的回歸結果，產業政策的估計系數均在1%的顯著性水平上為正，表明產業政策存在資源誤置效應，本文的研究結論并不受生產率離散程度度量方式的影響。

2．按行業分組

政府對所支持行業的選擇通常依賴于一定的標準。一般而言，資本密集型行業比勞動密集型行業更容易得到產業政策的支持。同時，行業內企業間的生產率離散程度也會受到行業性質的影響。如果忽略行業的異質性，將會因遺漏重要解釋變量而產生內生性問題。為避免該問題對估計結果造成的影響，本文將樣本劃分為資本密集型行業組與勞動密集型行業組[注]鑒于本文是在二位碼行業層面構建產業政策變量，因此我們計算1998—2007年各二位碼行業資本勞動比的均值，以衡量行業的資本密集型程度，資本勞動比大于中位數的行業為資本密集型行業，小于或等于中位數的行業為勞動密集型行業。，以重新檢驗產業政策與資源誤置之間的關系。表2的模型(3)與模型(4)分別是資本密集型行業組與勞動密集型行業組的回歸結果。估計結果表明，即使根據資本密集程度進行行業分組，產業政策依然顯著造成了行業的資源誤置，研究結論并未受到行業異質性的影響。

3．按地區分組

本文主要通過構建行業面板數據以研究產業政策對資源誤置的影響。由于行業的資源配置效率會受到地區因素的影響，因而基于行業面板數據的研究會遺漏這一重要解釋變量。為說明研究結論不受地區因素的影響，一個可行的辦法是將樣本按地區分組，檢驗研究結論在各組是否依然成立。本文將研究樣本分為東部地區組和中西部地區組[注]東部地區組包括北京、天津、河北、遼寧、上海、江蘇、浙江、山東、福建、廣東、海南；中西部地區組包括黑龍江、吉林、安徽、江西、山西、河南、湖北、湖南、內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、青海、甘肅、寧夏、新疆。，相應的回歸結果如表2的模型(5)與模型(6)所示。不論是在東部地區組還是在中西部地區組，產業政策變量的估計系數均在1%的顯著性水平上為正，并且估計值與基準回歸結果中的估計值并無明顯差異。在控制地區因素后，產業政策依然導致了生產率離散程度的擴大，產生了資源誤置效應。

4．內生性處理

按行業與地區分組的穩健性檢驗部分解決了因遺漏重要解釋變量而產生的內生性問題，但這還不能得到較為完整的估計結果。為了更好地處理內生性問題，本文參考余明桂等(2016)的研究辦法，利用“十一五”規劃對支持行業進行大范圍調整[注]根據本文的研究，“九五”計劃、“十五”計劃、“十一五”規劃支持的行業數分別為12個、18個、8個。可見，從“十五”計劃到“十一五”規劃，產業政策的調整范圍較大，從而為本文利用DID模型研究產業政策與資源誤置提供了很好的契機。，選取試驗組與對照組，構建如式(4)所示的DID模型：

(4)

其中，Treat等于1為試驗組，代表“十五”計劃與“十一五”規劃中都被產業政策支持的行業；Treat等于0為對照組，代表“十五”計劃中被產業政策扶持，但“十一五”規劃中未被產業政策扶持的行業。事件沖擊的時間為“十一五”規劃實施的年度即2006年，Post等于1為2006年及以后，等于0為2006年之前。其余變量的定義與式(1)一致。由于式(1)已經控制了行業固定效應與時間固定效應，因此不再將Treat與Post兩個變量單獨放入估計模型中。在DID模型中，α1是我們關注的估計系數，其反映了產業政策對資源誤置的影響。

表2的模型(7)匯報了基于式(4)的DID模型的回歸結果。Treat×Post的估計系數在1%的顯著性水平上為正，表明產業政策拉大了行業內企業間的生產率離散程度，出現了資源誤置效應。由此可見，本文采用DID模型的估計方法后，研究結論依然成立。

接下來進一步參考車嘉麗等(2017)的研究，利用“九五”計劃與“十五”計劃中對產業政策的調整，從另外一個角度構建DID模型。Treat等于1為試驗組，代表“九五”計劃中未被產業政策支持的行業，但“十五”計劃中被產業政策支持的行業；Treat等于0為對照組，代表“九五”計劃與“十五”計劃中均未被產業政策支持的行業。事件沖擊的時間為“十五”計劃實施的年度，即2001年，Post等于1為2001年及以后，等于0為2001年之前。基于此，表2的模型(8)匯報了相應的估計結果。Treat×Post的估計系數顯著為正，表明重新構建DID模型后產業政策依然導致了行業資源誤置。

模型(7)與模型(8)的DID模型均需要滿足一個基本的前提條件，即平行趨勢假設。因此，為了驗證DID模型的有效性，本文進行了平行趨勢檢驗。根據Mora et al.(2014)的研究，我們利用Stata軟件中的didq命令進行平行趨勢檢驗。檢驗結果表明，模型(7)與模型(8)均滿足平行趨勢假設前提。

表2 穩健性檢驗回歸結果

五、產業政策的資源誤置效應的微觀機制分析

產業政策的實施依賴于一系列的政策工具。補貼、稅收優惠、信貸扶持、關稅保護等都是政府常用的產業政策工具(Du et al.,2014；Aghion et al.,2015)。對于政府支持的行業而言，其將獲得更大力度的補貼、稅收優惠、信貸扶持，以及獲得更為嚴格的關稅保護。政府通過產業政策工具的組合使用，從而達成其產業政策目標。因此，分析產業政策資源誤置效應的微觀機制必須從產業政策工具入手。本文將從兩個層面探討產業政策是如何導致資源誤置的：先研究產業政策工具對資源誤置的影響，然后探討產業政策工具的使用方式與資源誤置的關系。

(一)產業政策工具與資源誤置

前文通過對國家“五年計劃(規劃)”文件的解讀，進而構建產業政策變量探討中國產業政策是否存在資源誤置效應。然而，基于政策文件構建的產業政策變量只是初步刻畫了產業政策的實際執行情況，可能還存在潛在的識別問題，因為政策文件中沒有明確支持的行業并不意味著這些行業得不到相應的產業政策資源；此外對于明確支持的行業，實際支持力度也會有所不同。而本文在構建變量時對此均賦予了相同的數值。因此，接下來利用中國工業企業數據庫構造產業政策工具的代理變量，以進一步研究產業政策的資源誤置效應，這不僅能更為細致地考察產業政策對資源誤置的影響，還能明確具體哪些政策工具產生了資源誤置效應。

表3 產業政策工具與資源誤置的回歸結果

本文在四位碼行業層面構造了四個產業政策工具變量。(1)補貼強度(Subsidy)：行業補貼強度為行業內企業補貼強度的均值。企業補貼強度為補貼與銷售額的比值。(2)稅收優惠(Tax)：行業稅收優惠為行業內企業稅收優惠的均值。企業稅收優惠的計算方法為：稅收優惠=企業法定適用稅率×利潤總額-實際應交所得稅(宋凌云 等，2013)。在本文的樣本期內，內資企業統一法定稅率為33%，外資企業為15%。根據中國工業企業數據庫中的企業控股情況變量，本文將國有控股、集體控股、私人控股和其他控股的企業視為內資企業，港澳臺商控股和外資控股的企業則視為外資企業(宋凌云 等，2013)。另外，本文計算企業稅收優惠時，剔除利潤總額為負的企業，因為所得稅按照企業稅前利潤作為稅基，稅前利潤為負，企業并不需繳納所得稅(蔣為，2016)。(3)信貸扶持(Credit)：行業信貸扶持為行業內企業信貸扶持的均值。根據李駿等(2017)、Aghion et al.(2015)的研究，企業信貸扶持可定義為行業平均貸款利率減去企業貸款利率的數值，差值越大，表明企業信貸扶持力度越大。企業貸款利率利用企業利息支出與流動負債的比值來度量。(4)關稅保護(Tariff)：本文采用WTO 報告的中國海關在1997年、2000—2007 年(1998年與1999年兩年未報告)HS6位碼產品的關稅稅率，并對海關編碼與國民經濟行業進行匹配，得到四位碼行業的平均關稅(蔣為，2016)，進而衡量行業的關稅保護程度。關稅稅率越高意味著越關稅保護越嚴格。在實證分析中，上述四個產業政策工具變量均取自然對數。

表3匯報了產業政策工具與資源誤置的回歸結果。模型(1)—(4)分別研究了補貼強度、稅收優惠、信貸扶持、關稅保護對資源誤置的影響。除了信貸扶持變量的估計系數未通過顯著性檢驗外，其余產業政策工具變量的估計系數均顯著為正，這表明產業政策支持力度越大的行業，生產率離散程度越高，即產業政策存在資源誤置效應。產業政策的執行效果可能因為政策工具組合的不同而不同，不同政策工具之間可能存在替代效應或協同效應。模型(5)同時考察了四種產業政策工具對資源誤置的影響。估計結果顯示，補貼強度更高、稅收優惠更大、關稅保護更嚴格，行業資源誤置效應更明顯，信貸扶持對資源誤置的影響更不顯著。考慮了產業政策工具的組合后，產業政策的資源誤置效應依然存在。本文通過對產業政策工具的識別與度量，較為細致地刻畫了中國產業政策的執行情況，也進一步表明了本文研究結論的穩健性。更為重要的是，表3的估計結果表明，產業政策通過補貼、稅收、信貸、關稅等工具降低了行業的資源配置效率。

(二)產業政策工具執行方式與資源誤置[注]由于同一行業內企業面臨的關稅稅率是一致的，并不存在關稅的執行方式問題，因此這里主要討論補貼、稅收優惠、信貸扶持的執行方式。

研究產業政策工具與資源誤置關系只是為了說明使用何種政策工具會產生資源誤置效應，但還未能說明產業政策工具的執行方式與資源誤置的關系。本部分將就這一問題進行深入研究。

產業政策工具通常有兩種執行方式：一種是產業政策資源能夠惠及行業內大多數企業，即普惠式產業政策；另一種是產業政策資源向行業內少數企業傾斜，即差異化產業政策。就中國產業政策的實踐來看，差異化產業政策是主要的產業政策工具執行方式。如表4所示，就補貼這一政策工具的使用而言，1998—2007年僅有12%左右的企業獲得了政府補貼，其中少數企業占有了巨額的補貼資源，這與Aghion et al.(2015)、蔣為等(2015)、邵敏等(2011)等的研究結論一致。從稅收優惠政策工具的使用來看，樣本期內均值以上稅收優惠的企業比重為12.99%，這表明少數企業享有極為可觀的稅收優惠，產業政策工具執行的差異化特征顯著。與補貼、稅收優惠的使用情況不同，信貸扶持的使用較為分散，信貸扶持在均值以上的企業比重為77.49%。或許正是因為信貸扶持工具使用的較為分散，這才在表3中表現出：信貸扶持對資源誤置沒有產生顯著的影響。

表4 產業政策工具的執行情況(單位：%)

資料來源：作者根據中國工業企業數據庫計算。

更為關鍵的是，產業政策資源不僅被配置到少數企業，而且這些獲得政策資源的企業通常是低效率的，中國的產業政策更多地體現了“保護弱者”的傾向(邵敏 等，2011)。表5檢驗了何種類型企業更容易獲得產業政策資源，因此我們重點關注企業生產率與產業政策資源之間的關系。參考邵敏等(2011)的研究，我們考察了以下企業特征與產業政策資源的關系：(1)企業生產率(TFP)，可以根據式(2)計算而得；(2)企業規模(Size)，利用企業銷售收入的自然對數值度量；(3)所有制變量(SOE、FIE)，如果是國有企業，SOE賦值為1，否則為0，如果是外資企業，FIE賦值為1，否則為0；(4)新產品產值占比(Product)，該變量為企業新產品產值與工業總產值的比值；(5)企業出口行為(Export)，企業如果存在出口行為，Export賦值為1，否則為0。表5的模型(1)采用Probit模型研究了生產率對企業獲得補貼可能性的影響，模型(2)利用OLS方法分析了生產率對企業獲得稅收優惠的影響。回歸結果表明，企業生產率的估計系數均顯著為負，這表明生產率較高的企業獲得補貼的可能性較低，獲得的稅收優惠也較少。模型(3)利用OLS方法考察了企業生產率與其得到的信貸扶持之間的關系。企業生產率的估計系數未通過顯著性檢驗，說明企業生產率對其獲得信貸扶持額度的大小沒有產生顯著影響。表5的回歸結果表明，整體而言，產業政策資源主要流向了生產率較低的企業。

產業政策資源配置到低生產率企業將扭曲市場機制，低生產率企業因受政策扶持不能及時有序退出市場，新創企業因不能享受政策優惠而難以進入市場。不通暢的企業進入退出通道將阻礙市場機制作用的發揮，進而產生資源誤置效應。基于上述分析可知，產業政策資源配置到行業內少數低生產率企業，從而形成了差異化的產業政策工具執行方式，進而導致了行業內企業之間生產率離散程度的擴大，從而阻礙了行業資源配置效率的提升。接下來，我們將檢驗產業政策工具執行的差異化是否導致了資源誤置，以進一步闡述產業政策的資源誤置效應的微觀機制。

表5 企業特征與產業政策工具的回歸結果

為研究產業政策工具執行方式對資源誤置的影響，本文根據許家云等(2017)、蔣為等(2015)等的研究辦法，利用標準差度量產業政策工具執行的差異化程度，即標準差越大，產業政策工具執行的差異化程度越大。由于行業關稅是統一的，并不存在企業間的差異化問題，因此我們主要計算補貼、稅收優惠、信貸扶持的差異化程度。

補貼差異化、稅收優惠差異化、信貸扶持差異化的計算方法分別如式(5)、式(6)、式(7)所示：

(5)

(6)

(7)

基于對產業政策工具執行差異化的度量，表6匯報了產業政策工具執行的差異化對資源誤置的影響。表6模型(1)—(3)分別探討了補貼強度差異化、稅收優惠差異化、信貸扶持差異化對資源誤置的影響。補貼強度差異化與稅收優惠差異化的估計系數顯著為正，信貸扶持差異化的估計系數雖然為正，但未通過顯著性檢驗。補貼、稅收優惠被少數低生產率企業所占有，從而扭曲了市場機制，低生產率企業不能有序退出市場，高生產率企業難以進入市場，拉大了行業內企業間的生產率離散程度，造成了資源誤置；由于信貸扶持工具的使用較為分散，并沒有明顯傾向于低生產率企業，因而信貸扶持差異化對行業的資源誤置程度沒有造成顯著影響，這也從側面揭示了產業政策資源誤置效應的微觀機制是差異化的產業政策。由于產業政策工具通常并非單獨使用，產業政策對其所支持的行業可能同時使用了多種產業政策工具，因此模型(4)一并研究了補貼強度差異化、稅收優惠差異化、信貸扶持差異化與資源誤置的關系。回歸結果顯示，當我們同時考察三種產業政策工具的執行方式對資源誤置的影響時，補貼強度差異化、稅收優惠差異化、信貸扶持差異化的估計系數均顯著為正，這表明產業政策工具的使用存在互補效應，這些產業政策工具共同加強了行業的資源誤置程度。

表6 產業政策工具執行方式與資源誤置的回歸結果

六、結論與政策啟示

產業政策是政府推動產業發展的重要政策方式。對產業政策經濟效應的評估能夠了解產業政策執行成效，進而為產業政策的轉型與優化提供經驗支撐。本文基于生產率離散程度的視角，從產業政策、產業政策工具、產業政策工具執行方式三個層面研究產業政策對行業資源誤置的影響，并對其微觀機制進行了檢驗與分析。首先，通過對國家“五年計劃(規劃)”文件進行文本分析，構建了產業政策變量，進而從整體上研究了產業政策對資源誤置的影響。研究發現，在產業政策支持的行業，企業間的生產率離散程度較大，產業政策存在資源誤置效應。由于產業政策的實施依賴于補貼、稅收優惠、信貸扶持、關稅保護等政策工具，因而本文研究了這四種政策工具對資源誤置的影響。研究結果表明，補貼、稅收優惠、信貸扶持、關稅保護均導致了資源誤置效應的產生。最后，本文探討了產業政策及其政策工具產生的資源誤置效應微觀機制。研究結論認為，產業政策產生資源誤置效應的微觀機制在于中國產業政策使用的差異化。由于產業政策傾向于支持少數企業，并且獲得補貼、稅收優惠等政策資源的企業通常是低生產率企業，從而扭曲了市場機制，導致低生產率企業占有大量資源，不能有序退出市場，高生產率企業因難以獲得資源支持，市場進入動力不足，從而導致了資源誤置。

基于本文的研究，給我們的政策啟示是：中國現行產業政策是反競爭性的，與競爭性的產業政策格格不入。因此，中國產業政策轉型與優化的要點在于實現產業政策與競爭政策的深度融合。新時代下產業政策的主要特征應該是提供信息、建立市場秩序、強化市場競爭功能，從而真正為產業發展提供動力。此外，在產業政策調整過程中，應注意政策調整的系統性。正如本文研究所指出的那樣，由于產業政策中信貸扶持工具的使用較具普惠式特征，因而其單獨使用并未對行業資源誤置產生顯著性影響，但當與其他政策工具的使用時，信貸扶持工具的使用在一定程度上也造成了行業的資源誤置。換言之，我們不僅要準確評估各種產業政策工具的使用方式及其經濟影響，也要系統性對產業政策進行調整，此時方能取得預期的經濟績效。