政府發展戰略與企業全要素生產率

姜磊 姜煜 趙秋運 付才輝 吳清揚

摘要：隨著中國經濟逐漸步入新常態，創新驅動高質量發展成為經濟工作的重中之重。本文基于新結構經濟學的分析視角，采用1998—2013年中國規模以上工業企業數據，探討了政府發展戰略對企業全要素生產率的影響。研究發現：違背比較優勢的政府發展戰略會顯著降低企業的全要素生產率;在要素市場發育程度更低的省區，違背比較優勢的政府發展戰略對企業全要素生產率的負面影響更明顯。

關鍵詞：全要素生產率;發展戰略;比較優勢;高質量發展

文獻標識碼：A

文章編號：1002-2848-2020（05）-0103-10

一、引言及文獻綜述

近年來，我國經濟逐漸步入新常態，經濟增速明顯放緩，創新驅動成為政府以及社會各界關心的熱點問題。十九大報告提到，創新是引領發展的第一動力，是建設現代化經濟體系的戰略支撐。2019年3月的《國務院政府工作報告》再次強調要堅持創新引領發展，培育壯大新動能。全要素生產率（Total Factor Productivity，TFP）是衡量技術進步的重要指標，企業是技術創新的主體。因此，如何激發企業創新積極性、提高企業全要素生產率對于促進經濟可持續發展具有重要的現實意義。

企業創新能力是一個企業得以存活和發展的源泉，政府政策從不同層面上影響著企業全要素生產率。現有文獻主要從兩個研究視角研究政府政策對企業全要素生產率的影響。首先是產業政策。諸多學者認為稅收優惠、財政補貼政策對于企業全要素生產率具有正面作用。政府需要有一系列的制度安排引導企業進行技術選擇[1-2]，政府財政補貼以及稅收優惠能夠顯著提高企業的全要素生產率[3-4]。也有部分學者強調了過度的政府補貼會帶來企業尋租行為，反而抑制了企業全要素生產率的提高[5]。其次是政企關系。現有研究認為政治關聯會對企業產生影響，但具體會提高還是降低企業全要素生產率并沒有達成一致的觀點。一些學者指出，政治關聯為企業帶來了政府的隱形保護，通過政治關聯可以獲得關鍵的政府資源和支持，例如擁有稅收減免、產權保護、財政補貼等，能夠增加企業長期研發支出，提升全要素生產率，保持企業的市值穩定[6-7]。另一部分學者卻指出，政治關聯不利于提升企業全要素生產率。政治關聯會降低市場競爭、助長過度投資，從而降低企業的創新活動與研發投入，使企業技術創新乏力，全要素生產率低下，在失去政治關聯后企業會呈現出更差的企業績效[8-9]。

可以看出，生產要素的配置是政府政策影響企業全要素生產率的重要途徑，而違背比較優勢的政府發展戰略同樣會導致生產要素的錯配，從而抑制全要素生產率的提高。現有研究表明，政府優先發展重工業的發展戰略扭曲了要素市場，導致資本密集型產業超常發展[10]，提高了技術模仿成本，使得技術進步的實際速度低于潛在速度，不利于長期技術進步。林毅夫等[11]基于41個國家的跨國數據進行研究，發現技術選擇指數偏離最優點對長期TFP有顯著的負面影響，偏離程度越大，長期TFP越低。林毅夫等[12]基于各省區市數據的研究發現一個技術落后經濟體如果遵循比較優勢，從先進經濟體那里選擇模仿適合自身發展階段的適用技術，能夠降低生產成本;反之，違背比較優勢將使技術進步的實際速度低于潛在速度。

遺憾的是，這些文獻存在以下幾點不足：一是集中于研究宏觀層面上發展戰略對于國家或省市區全要素生產率的影響，沒有從微觀層面上研究政府發展戰略對企業全要素生產率的影響。而微觀與宏觀層面的研究不盡相同，宏觀國家層面的比較優勢分析主要是國家橫截面上的對比，研究目的是為實現落后趕超國家更好更持續的發展謀劃出路。二是各國的數據指標往往衡量標準不一致，部分數據還存有國際性統計的遺漏。三是由于樣本量不足，使用宏觀數據的計量分析得出的結論不如微觀企業層面的計量分析可靠。省區間的比較優勢分析更側重于為國家整體發展配置資源，在企業具體制定戰略方面的借鑒意義不強。受到企業層面數據缺失的約束，對此問題的研究鳳毛麟角。有限的幾篇文獻都研究了企業轉向比較優勢行業對制造業企業全要素生產率的影響[13-14]。

綜上所述，對于政府發展戰略如何影響企業全要素生產率這一議題，微觀層面上的研究仍然較為薄弱，現有實證分析主要采用宏觀層面上的數據，而企業數據的采用能夠控制來自企業微觀特征的影響，尋找政府發展戰略影響企業全要素生產率的內在機制。在梳理已有文獻的基礎上，本文的創新有三點。第一，從新結構經濟學的視角出發，在理論上分析了政府發展戰略影響企業全要素生產率的傳導機制，并進一步探討了要素市場渠道在政府發展戰略影響企業全要素生產率中的作用機制。在我國經濟下行壓力日趨嚴峻與國內創新驅動高質量發展需求迅速增長的背景下，研究此問題不僅可以為我國創新政策的制定提供一定的思考和啟示，而且關系到我國經濟的高質量發展與社會的穩定，具有較重要的現實意義與政策內涵。第二，目前新結構經濟學提出的發展思路在微觀層面的實證分析和檢驗較為缺乏，本文從微觀數據出發來驗證遵循比較優勢能夠有效提升企業全要素生產率，可以有效補充新結構經濟學微觀層面上的實證研究。第三，由于部分數據缺失，以往的文獻中大多使用1998—2007年間的工業企業數據，本文在此基礎上對缺失數據進行估計，將其擴展至2013年。

本文的其他部分安排如下：第二部分從理論上簡要分析違背比較優勢的政府發展戰略會降低企業全要素生產率，并由此提出研究假說;第三部分對所用數據及指標進行詳細說明，并構建檢驗理論假說的實證模型;第四部分利用1998—2013年中國規模以上工業企業面板數據，實證檢驗政府發展戰略對企業全要素生產率的影響;第五部分是結論與政策建議。

二、理論分析與研究假說

違背比較優勢的政府發展戰略導致的最直接結果就是資源錯配。這種錯配不僅扭曲了要素市場，使要素價格信號無法發揮正常作用，要素間的相對價格無法反映要素稀缺程度，而且打亂了正常的金融市場秩序，誤導了資本市場的資本流向，降低了資本配置效率。國內外相關研究表明，資源錯配對全要素生產率具有顯著的抑制作用，是導致企業效率低下的重要原因[15-19]。這里區分兩種情況，一是得到政府發展戰略支持的企業，二是沒有得到政府發展戰略支持的企業。

對于得到政府支持的企業而言，當政府補貼不足以彌補企業生產成本增加的部分時，企業的生產率仍然保持低水平的狀態，是缺乏自生能力的[20]，然而這種本應被市場自然淘汰的低效率企業因為財政補貼或者銀行信貸支持獲得了持續存活的能力，久而久之，造成了大量的僵尸企業[21]。“僵而不死”的僵尸企業不僅自身生產效率低下[22]，而且會擠出非僵尸企業的投資[23]，顯著降低其全要素生產率[24]。

當政府補貼足以彌補企業生產成本時，財稅政策對于企業全要素生產率有一定的促進作用[3]，然而此時的技術進步是有偏的[12]，鼓勵資本密集型產業的政府發展戰略違背了比較優勢。企業選定的目標技術超越了自身發展階段的比較優勢，技術模仿成本高，技術進步的實際速度會低于潛在速度，而且有了其他相關基礎設施的配套之后，先進技術才能更有效地發揮出其效能。Leibenstein[25]發現即使發展中國家以整個工廠完整搬遷的方式轉移發達國家的先進技術，其生產效率也遠遠低于發達國家。如果將資源分配在更有效率的符合當前比較優勢的部門，全要素生產率增加速度會更快。

對于沒有得到政府支持的企業而言，這種政府發展戰略通過加劇企業融資約束與扭曲要素市場兩種渠道對其全要素生產率造成了顯著的抑制作用。一方面，如圖1所示，在一個自由競爭開放的市場環境中，若沒有政府稅收補貼或直接投資干預，所有企業都能夠以同樣的市場利率r1借入或借出資本。技術選擇符合當地資源稟賦優勢的企業能夠維持最低成本，獲取最大利潤，資本積累KD1更加豐厚，投資能力更強;而違背比較優勢的企業缺乏自生能力，資本積累FF1較少。當政府實行違背比較優勢的發展戰略時，違背比較優勢的企業獲得財稅補貼，其投資曲線由CAF1向右上方移動至CAF2，市場利率由r1上升至r2，資本積累由KF1擴張至KF2;而此時符合比較優勢的企業資本積累則由KD1被擠出至KD2，融資成本上升，企業不得不依靠企業內部資本完成投資[26]。然而由于部分涉及項目投資額巨大，企業在資金不足時往往會放棄有利的投資機會，導致資源錯配，生產率降低。特別是研發活動往往集收益不確定、風險大和見效期長等特征為一體，外部融資成本與調整成本高昂，如果融資約束中斷企業研發活動，企業經營會產生巨大損失，從而抑制生產率的提高。大量研究表明企業遭受融資約束會顯著降低全要素生產率[27-28]。

另一方面，在要素市場扭曲的情況下，土地、資本等生產要素資源甚至部分關鍵性要素的定價權和分配權掌握在地方政府手上，因此企業直接通過與地方政府官員建立人脈關系或直接進行尋租便可以獲得可觀的企業利潤。張杰等[29]發現這類由于要素市場扭曲導致的尋租等非生產性活動會顯著擠出企業在機器設備更新、員工技能培訓等方面的實體投資，從而限制了R&D投入，降低生產率。更重要的是，為保證政府財政正常運轉，財稅額外補貼的部分會以稅收的形式轉嫁到這部分沒有受到政府發展戰略支持的企業上，同時這部分企業面臨的要素價格提高，利潤空間被極大壓縮，限制了其規模擴張從而使其無法獲得規模效應帶來的生產率的提高。

從以上理論分析中可知，違背比較優勢的政府發展戰略導致技術模仿成本高，延緩實際技術進步速度;同時，由于發展資本密集型產業的部分企業缺乏自生能力，自身全要素生產率不高，無法有效帶動相關產業發展，還會擠出同行業正常企業的資源，損害行業公平競爭，降低同行業其他企業的全要素生產率。基于以上分析，本文提出兩個待檢驗的假說。

假說1：違背比較優勢的政府發展戰略會降低企業全要素生產率。

假說2：在要素市場發育程度更低的省區，違背比較優勢的政府發展戰略對所在企業全要素生產率的負面影響更顯著。

二、數據說明與指標構建

本文使用的數據來自1998—2013年中國規模以上工業企業數據庫。為了保證結果的可靠性，在參考已有文獻[13，30]做法的基礎上，本文對數據做了一些篩選：去除遺漏變量和出現異常值的樣本，例如刪除工業總產值、固定資產凈值年平均余額、工業增加值、職工年均人數等數值為0，企業年齡小于0的樣本;剔除職工年均人數小于8人的企業;刪除不符合會計準則的樣本，即總資產小于流動資產、總資產小于固定資產凈值年平均余額、累計折舊小于當期折舊的企業樣本。

（一）技術選擇指數的構建及變化趨勢

本文關注政府發展戰略對于企業全要素生產率的影響。在核心解釋變量中，本研究主要關注政府優先發展資本密集型產業的程度。參考林毅夫[31]的方法構造了一個技術選擇指數（Technology Choice Index，TCI），t時期r地區的技術選擇指數（TCIrt）定義如下：

其中，KMrt是指t時期r地區工業資本存量;

Krt是指t時期r地區的總資本存量;

LMrt是指t時期r地區工業就業人數;

Lrt是指t時期r地區總就業人數。在其他條件不變的情況下，優先發展資本密集型產業發展戰略下的工業部門資本更加密集，同時吸納勞動力較少，其技術選擇指數（TCIrt）會比符合比較優勢的工業部門大。

圖2匯報了基于1998—2013年中國工業企業數據庫繪制的全國及分地區情況下技術選擇指數的變化趨勢。隨著時間的變化，技術選擇指數呈現逐漸下降趨勢，考慮到2009年和2010年存在重要數據缺失和錯誤，影響后續研究，本文剔除了2009年和2010年的數據。剔除兩年數據之后，2011年技術選擇指數有所回升，2012年和2013年繼續呈現下降趨勢，2013年低至0.9。區分所在地區，東部地區技術選擇指數除2006年和2011年小幅回升外，呈現穩定下降趨勢;西部地區技術選擇指數最初呈上升趨勢，在2000年達到最大值4.32之后開始逐年下降，2003年出現小幅回升;中部地區最初呈上升趨勢，在2003年達到最大值3.89之后開始趨于下降，2006年和2011年出現小幅回升。整體而言，三個地區的技術選擇指數呈現不斷下降的趨勢。其中，西部地區的技術選擇指數最高，特別是在1998—2003年間高達4.32;東部地區技術選擇指數最低，下降趨勢最為平緩;中部地區技術選擇指數在2003年之前低于西部地區，但2003年后與西部地區比較接近，二者呈交替下降趨勢。中西部地區技術選擇指數相比較高，這可能是由于“三線建設”將重工業多布局在中西部地區，使得中西部地區重工業優先發展程度高于東部地區。2011年中東部地區技術選擇指數出現回升，這可能是由于我國為應對2008年金融危機實行的四萬億計劃，使得市場中本該淘汰的落后產能得以繼續存在，企業在缺乏自生能力的情況下也能繼續經營。

（二）企業全要素生產率估計

全要素生產率的常用計算方法通常要對生產函數進行參數的估計，傳統的OLS方法由于無法解決變量的同時性和樣本選擇性偏差問題，估計結果往往存在偏誤。為處理內生性，目前學術界主要有以下四種常用的參數估計方法：OP法、LP法、GMM法以及固定效應法。本文主要用Levinsohn等[32]的方法在基準模型中對全要素生產率進行測度，后續參照Olley等[33]的方法進行穩健性檢驗。

LP法對OP法的改進主要是用中間投入作為資本投入變量的代理變量，為此有效緩解了OP法中損失的投資為零的樣本帶來的偏差，以及刪除大量樣本的問題。但是OP法比LP法更可取之處在于：LP法只能解決同時性偏差，OP法同時解決了同時性和樣本選擇性偏差。

經過處理，本文用LP法和OP法計算TFP用到的主要變量（取對數）的統計特征如表1所示。

（三）模型構建

為了研究政府發展戰略對企業全要素生產率的影響，本文構建的基準回歸方程如下：

其中，下標i表示企業，r表示省份，t表示年份。被解釋變量Yirt代表企業i在第t年的全要素生產率，記為TFP。核心解釋變量TCIrt表示企業所在省份的技術選擇指數，地區違背比較優勢優先發展資本密集型產業程度越大，它的TCI就會越高。εirt表示隨機誤差項。

為了提高估計結果的準確性，本文在模型中加入控制變量集合Xirt。參照已有文獻，選擇了企業層面和省份層面的控制變量，省份層面的數據來源于歷年的統計年鑒。企業層面控制變量包括：要素密集度、企業規模、企業年齡、企業出口狀況、負債資產比、政府補貼、融資成本和所在地區所在行業市場份額。省份層面控制變量包括：人均GDP、就業人數、財政支出占GDP比重、第二產業比例、平均受教育年限、信貸規模占GDP比例等，以分離各省經濟發展水平、產業結構、受教育水平狀況和市場發育程度對于企業全要素生產率的影響。變量說明如表2所示;在舍棄變量殘缺值后，變量描述性統計如表3所示。

在基準回歸模型中，本文采用了兩種固定效應設定方式：同時控制年份、省份、行業固定效應或者同時控制年份、企業固定效應。為解決內生性問題，除了在基準回歸中加入眾多企業和省份控制變量之外，本文還使用了工具變量（IV）方法。

四、實證分析

（一）基準回歸結果

基于1998—2007年工業企業數據樣本的基準回歸結果如表4所示。第（1）（2）列只加入企業層面控制變量，技術選擇指數前的系數分別為-0.0956和-0.116。第（3）（4）列在此基礎上納入省份層面的控制變量。從中可見，TCI系數仍然顯著為負，即政府發展戰略向上偏離比較優勢程度越高，企業的全要素生產率越低。第（4）列的回歸結果顯示，在控制年份、企業固定效應和其他控制變量不變的條件下，技術選擇指數每提高1個百分點，企業的全要素生產率下降11%。企業控制變量的回歸結果也比較符合預期。企業規模越大、出口比例越高、負債資產比越低、融資成本越低、市場份額占比越高的企業相對全要素生產率表現更好。

（二）穩健性檢驗

工業企業數據庫自2008年之后存在較嚴重的數據缺失問題

主要包括：（1）2008—2013年工業增加值和中間投入數據全部缺失，無法計算TFP;（2）2008—2013年固定資產年平均余額全部缺失，無法計算TCI。對此，本文依據余淼杰等[35]使用的方法和相關會計法則分別對以上數據進行了估計補齊，整合了1998—2013年的數據，作為穩健性檢驗的參考。

表5報告了使用1998—2013年工業企業數據的回歸結果。第（1）（2）列仍然采用LP法計算TFP，第（3）（4）列采用OP法計算TFP。從中可見，在擴大的樣本中，TCI系數仍然顯著為負，違背比較優勢的政府發展戰略會顯著降低企業全要素生產率，這說明本文的結果是穩健的。

（三）內生性檢驗

技術選擇指數是政府發展戰略向上偏離比較優勢程度的一個代理變量，但它本身也是企業技術選擇的結果，可能具有內生性，而技術選擇指數的內生性可能會導致回歸結果產生偏誤。內生性問題主要源于遺漏變量、反向因果、度量誤差等。首先，雖然本文已經在基準回歸中加入了眾多控制變量以期降低遺漏變量所產生的內生性問題，但是仍然可能遺漏某些同時影響技術選擇指數和企業全要素生產率而且不可觀察的變量。其次，技術選擇指數可能存在測量誤差從而影響回歸結果[10]。最后，違背比較優勢的政府發展戰略與企業全要素生產率之間可能存在雙向因果關系。工具變量（IV）法是解決上述問題的一個有效的計量方法。

結合相關性和排他性等標準，參考陳斌開等[10，36]的理論，本文引入1963年人口死亡率和人口密度作為技術選擇指數的工具變量，以緩解內生性問題。表6為使用工具變量的回歸結果。在第一階段回歸中，工具變量符號顯著為正，Cragg-Donald Wald F值均大于10，不存在弱工具變量問題，限于篇幅，沒有列表報出。在第二階段回歸中，無論是否納入省份控制變量，TCI的系數均顯著為負。綜合來看，考慮了內生性問題后，本文的基準結果依然是穩健的。

（四）進一步討論

旨在鼓勵資本密集型產業優先發展的政府發展戰略會通過政府干預扭曲要素市場價格，使得資本要素價格低于資本邊際生產力，以支持當地資本密集型企業的生存與發展。以上研究說明，這樣的企業實際上沒有自生能力，自身創新能力低下，企業全要素生產率不高。如果政府通過扭曲要素市場價格，降低了當地企業的全要素生產率，則這一影響應該對要素市場發育程度更低的省區中的企業更為強烈。

本文采用企業所在省份的要素市場化指數檢驗要素市場渠道的作用機制，在基準回歸的基礎上，加入各省份要素市場化指數及其與技術選擇指數的交互項，回歸結果見表7。在全樣本和非國有企業樣本回歸中，交互項均顯著為正。國有企業樣本中，交互項系數也為正，在控制企業固定效應的設定中顯著為正。當技術選擇指數增加時，處于要素市場發育程度更低省份的企業的全要素生產率受到的削弱作用更強。而且，這一效應對于非國有企業更加明顯。這意味著在要素市場發育程度更低的省份中，企業受到的要素價格扭曲影響更強烈，其全要素生產率的抑制作用更明顯。回歸結果支持了要素市場渠道發揮的作用。

五、結論與政策建議

通過對1998—2013年中國規模以上工業企業數據的分析，本文發現：違背比較優勢的政府發展戰略會顯著降低企業全要素生產率;在要素市場發育程度更低的省區，違背比較優勢的政府發展戰略對所在企業全要素生產率的負面影響更為顯著。因此，遵循比較優勢進行發展戰略的制定有助于合理配置生產要素，提升企業全要素生產率，從而推動經濟發展質量變革、效率變革、動力變革。

本文的研究結論有助于深入認識影響企業全要素生產率的深層原因，充實了新結構經濟學的理論內涵與實證研究，并在一定程度上為如何提高企業全要素生產率提供了政策建議。一方面，政府需要積極作為發揮好協調作用，在制定發展戰略與產業政策時遵循當地的實際要素稟賦結構，充分挖掘當地比較優勢的發展潛力，推動生產要素合理配置，實現經濟的可持續發展。另一方面，讓要素市場在資源配置中充分發揮其決定作用，由企業當地的要素稟賦結構決定勞動和資本的相對價格，企業根據所在地區的比較優勢進行技術選擇，才能夠提高企業和所在地區整體的全要素生產率，激勵創新活動蓬勃發展，保證經濟的健康高效運行。

參考文獻：

[1]付才輝. 金融干預的成本與收益： 產能過剩與技術進步 [J]當代經濟科學， 2015（4）： 1-13.

[2]姜磊， 郭玉清， 劉夢琰. 比較優勢與企業杠桿率： 基于新結構經濟學的研究視角 [J]. 經濟社會體制比較， 2020（5）： 25-36.

[3]任曙明， 呂鐲. 融資約束， 政府補貼與全要素生產率： 來自中國裝備制造企業的實證研究 [J]. 管理世界， 2014（11）： 10-23.

[4]林毅夫， 向為， 余淼杰. 區域型產業政策與企業生產率 [J]. 經濟學（季刊）， 2018（2）： 781-800.

[5]邵敏， 包群. 政府補貼與企業生產率： 基于我國工業企業的經驗分析 [J]. 中國工業經濟， 2012（7）： 70-82.

[6]LUBOS P， PIETRO V. Political uncertainty and risk premia [J]. Journal of Financial Economics， 2013， 110（3）： 520-545.

[7]SONG M l， AI H S， LI X. Political connections， financing constraints， and the optimization of innovation efficiency among Chinas private enterprises [J]. Technological Forecasting and Social Change， 2015， 92： 290-299.

[8]袁建國， 后青松， 程晨. 企業政治資源的詛咒效應： 基于政治關聯與企業技術創新的考察 [J]. 管理世界， 2015（1）： 139-155.

[9]LIU Q G， LUO T P， TIAN G. Political connections with corrupt government bureaucrats and corporate M&A decisions： a natural experiment from the anti-corruption cases in China [J]. Pacific-Basin Finance Journal， 2016， 37： 52-80.

[10]陳斌開， 林毅夫. 發展戰略， 城市化與中國城鄉收入差距 [J]. 中國社會科學， 2013（4）： 81-102.

[11]林毅夫， 董先安， 殷韋. 技術選擇， 技術擴散與經濟收斂 [J]. 財經問題研究， 2004（6）： 3-10.

[12]林毅夫， 劉培林. 經濟發展戰略對勞均資本積累和技術進步的影響： 基于中國經驗的實證研究 [J]. 中國社會科學， 2003（4）： 18-32.

[13]李強. 比較優勢與制造業企業全要素生產率： 行業比較優勢真的很重要嗎 [J]. 南方經濟， 2016（11）： 81-94.

[14]李強. 結構調整偏向性， 比較優勢變遷與制造業全要素生產率增長 [J]. 世界經濟研究， 2017（2）： 114-125.

[15]HSIEH C T， KLENOW P J. Misallocation and manufacturing TFP in China and India [J]. The Quarterly Journal of Economics， 2009， 124（4）： 1403-1448.

[16]BRANDT L， BIESEBROECK V J， ZHANG Y F. Creative accounting or creative destruction？ Firm-level productivity growth in Chinese manufacturing [J]. Journal of Development Economics， 2011， 97（2）： 339-351.

[17]聶輝華， 賈瑞雪. 中國制造業企業生產率與資源誤置 [J]. 世界經濟， 2011（7）： 27-42.

[18]張慶君. 要素市場扭曲， 跨企業資源錯配與中國工業企業生產率 [J]. 產業經濟研究， 2015（4）： 41-50.

[19]王欣， 曹慧平. 金融錯配對中國制造業全要素生產率影響研究 [J]. 財貿研究， 2019（9）： 43-53.

[20]林毅夫. 新結構經濟學， 自生能力與新的理論見解 [J]. 武漢大學學報（哲學社會科學版）， 2017（6）： 5-15.

[21]何帆， 朱鶴. 僵尸企業的處置策略 [J]. 中國金融， 2016（13）： 25-27.

[22]申廣軍. 比較優勢與僵尸企業： 基于新結構經濟學視角的研究 [J]. 管理世界， 2016（12）： 13-24.

[23]譚語嫣， 譚之博， 黃益平， 等. 僵尸企業的投資擠出效應： 基于中國工業企業的證據 [J]. 經濟研究， 2017（5）： 175-188.

[24]王永欽， 李蔚， 戴蕓. 僵尸企業如何影響了企業創新： 來自中國工業企業的證據 [J]. 經濟研究， 2008（11）： 99-114.

[25]LEIBENSTEIN H. Allocative efficiency vs. X-efficiency [J]. The American Economic Review， 1966， 56（3）： 392-415.

[26]MYERS S C， MAJLUF N S. Corporate financing and investment decisions when firms have information that investors do not have [J]. Journal of Financial Economics， 1984， 13（2）： 187-221.

[27]BADIA M， SLOOTMAEKERS V. The missing link between financial constraints and productivity [R]. IMF Working Paper， 2009.

[28]段梅， 李志強. 經濟政策不確定性， 融資約束與全要素生產率： 來自中國上市公司的經驗證據 [J]. 當代財經， 2019（6）： 3-12.

[29]張杰， 周曉艷， 李勇. 要素市場扭曲抑制了中國企業R&D？ [J]. 經濟研究， 2011（8）： 78-91.

[30]聶輝華， 江艇， 楊汝岱. 中國工業企業數據庫的使用現狀和潛在問題 [J]. 世界經濟， 2012（5）： 142-158.

[31]林毅夫. 發展戰略， 自生能力和經濟收斂 [J]. 經濟學（季刊）， 2002（2）： 269-300.

[32]LEVINSOHN J， PETRIN A. Estimating production functions using inputs to control for unobservables [J]. Review of Economic Studies， 2003， 70（2）： 317-341.

[33]OLLEY G S， PAKES A. The dynamics of productivity in the telecommunications equipment industry [J]. Econometrica， 1996， 64（6）： 1263-1297.

[34]魯曉東， 連玉君. 中國工業企業全要素生產率估計： 1999—2007 [J]. 經濟學（季刊）， 2012（2）： 541-558.

[35]余淼杰， 金洋， 張睿. 工業企業產能利用率衡量與生產率估算 [J]. 經濟研究， 2018（5）： 56-71.

[36]LIN Y F， WANG X. Development stragegy and international capital flows [R]. Working Paper Series of New Structural Economics， 2019.

[37]樊綱， 王小魯， 朱恒鵬. 中國市場化指數： 各省區市場化相對進程2011年度報告 [M]. 北京： 經濟科學出版社， 2011.

責任編輯、校對： 李再揚