“雙循環”下科技金融對企業全要素生產率的影響
——基于國家科技金融試點政策的準自然實驗

（1.上海對外經貿大學 國際經貿學院，上海 201620；2.廈門大學 經濟與管理學院，福建 廈門 361000）

一、引言

2016年7月，國務院將“科技金融”列入《“十三五”國家科技創新規劃》，到2017年初，為貫徹實施“雙循環”新發展格局，各省份相繼出臺以科技金融扶持高技術產業的若干政策措施①信息來源于《深圳市龍崗區經濟與科技發展專項資金支持金融業發展實施細則》（深龍經促〔2017〕8號）。。科技金融在形成“雙循環”新發展格局中能夠促進科技與金融結合，緩解企業融資約束，激勵企業研發創新，從而提高企業全要素生產率水平。因此，自2010年科技部等五部門發布《促進科技和金融結合試點實施方案》之后，各省份均開始進行一系列實踐。截至2010年年底，國家開發銀行科技貸款已達到2003億元；2015—2020年，科技金融進入快速發展階段。

當前我國處于構建“雙循環”新發展格局的關鍵時期，我國經濟發展正逐漸從高速度增長轉向高質量發展，提升企業全要素生產率是實現我國經濟高質量發展的重要推動力。企業作為微觀經濟活動的主體，如何通過科技金融的發展提升其全要素生產率，進而促進我國經濟高質量發展，亦成為當前學術界研究的重點。有學者采用省級層面數據進行實證研究，發現科技金融發展能夠通過優化生產效率顯著促進企業全要素生產率的提高（張騰和劉陽，2019）[1]。除此之外，還有學者利用地區相關數據研究發現金融發展可以提高城市全要素生產率，但不同區域的作用效果有所差異（李健和辛沖沖，2020）[2]。但是，金融發展不僅表現為金融規模擴張，還表現為金融結構調整，而金融結構調整能顯著促進企業的全要素生產率的提高，因此應同時注重金融規模擴張與結構調整的協調發展（徐清，2016）[3]。還有學者以2008—2016年96家城商行為樣本，運用多種估計方法發現地區科技金融發展能顯著促進當地企業全要素生產率的提高（董倩，2018）[4]。

在現有文獻的基礎上，本文的創新點如下。第一，以往的文獻主要集中于科技金融發展對各省份的影響，本文則從微觀層面探討科技金融政策對企業全要素生產率水平的影響。第二，由于科技金融政策主要作用對象為科技型企業，因此本文采用2001—2020年高技術行業上市公司數據，確保了樣本的精度與廣度。第三，本文嘗試從融資約束與企業創新能力兩個渠道解釋科技金融政策對企業全要素生產率的影響機制。第四，本文還探究了科技金融發展對處于不同生命周期、不同產權結構的企業的異質性影響。基于此，本文后續安排如下：第二部分為機制分析與假說提出；第三部分為數據來源與指標測算；第四部分為計量模型設計與實證分析；第五部分為進一步討論；第六部分為研究結論與政策建議。

二、機制分析與假說提出

本文在相關文獻的基礎上，構建科技金融與企業全要素生產率的理論模型（Melitz和Ottaviano，2008；李宏亮和謝建國，2018）[5-6]。

在需求層面，沿用M-O的消費者擬線性效用函數形式，考慮采用一個封閉市場模型，消費者在該模型中作為產品的使用者以及生產要素的提供者，企業生產同質或者異質產品。消費者的效用函數為：

其中，q0和qi分別表示同質產品和差異化產品i的數量，參數α、λ、η均大于0，λ為任意兩種差異化產品之間的替代彈性，而α和η則表示同質產品與差異化產品的替代彈性。

消費者在預算約束下可得到產品i的需求函數：

其中，M為差異化產品的種類數；N為消費者數量，代表市場規模；為產品價格指數；pmax是消費量為0時的價格。

在供給層面，根據M-O模型，企業只使用勞動生產要素，即以邊際勞動產出來描述企業全要素生產率，當勞動力成本單位化為1時，企業全要素生產率即為邊際生產成本的倒數，c(φi)=1/φi，且?ci/?φi＜0。當企業處于臨界全要素生產率時，利潤為0，此時可以得出企業臨界邊際成本c*=1/φ*。

企業成本函數為：C(qi)=ciqi。由于企業成本ci＜c=pmax，則根據利潤最大化條件，可得：

假定企業進入市場后初始全要素生產率水平為1。企業為獲取更多的市場份額和壟斷利潤會根據其初始全要素生產率水平決定其研發創新程度以及所需的外部融資水平。

如果當地的科技金融發展水平為μ，并且企業獲得政府與金融市場資金的概率ρi和企業所受融資約束程度ωi，可以推出?ρi/?μ＞0，?ωi/?μ＜0。企業融資成本是當地科技金融發展水平的函數，當地科技金融水平越高，則該地區的企業就更容易獲得外部融資，其所面臨的融資約束就越低。假定外部市場單位融資成本為ωi(μ)，并且企業決定投入研發成本γ(Δc)2。企業一般會投入一定比例的內部資金進行研發創新，其比例為κi∈(0，1)，剩余的研發資金1-κi則來自外部市場融資。則企業進行研發創新活動所需成本為：

企業為實現利潤最大化進行生產，則有：

則企業的全要素生產率可表達為：

令企業全要素生產率對科技金融發展水平求偏導可得出：

式（12）中的一階偏導大于0表明，科技金融的發展可以促進企業的研發投入并且緩解其融資約束，而企業研發投入的增加以及融資約束的緩解最終會表現為對企業全要素生產率的促進作用，因此，提出待檢驗的假說1。

借鑒M-O模型，假設企業邊際成本服從帕累托分布，即G(c)=(ci/c)k，其中k≥1，0≤ci≤c，由于在位企業邊際成本不應大于臨界邊際成本，因此有c=c*=1/φ*，由于企業全要素生產率越高、邊際成本會越低，可以得出企業邊際標準差為：

可以看出，科技金融發展會促進企業全要素生產率的提高，降低企業生產的邊際成本，只有當企業生產產品的邊際成本低于臨界邊際成本時，企業才會選擇生產。因此當臨界生產成本越低，該市場下企業的臨界生產效率則會越高，企業就會越集中于核心競爭力產品，其全要素生產率離散程度就會越低，集中度會越高。因此提出假說2。

在式（12）的基礎上對企業融資約束程度ωi(μ)求偏導，可得：

從式（14）可以看出，隨著科技金融發展水平的提高，企業面臨的融資約束水平會下降（?ωi/?μ減少），當融資約束水平下降時，企業更容易獲得金融資金，從而將更多資金用于自身產出的提高，進而提高企業全要素生產率，因此提出假說3。

由于企業研發投入為c(Δc)=κiγ(Δc)2+(1-κi)ρi(μ)ωi(μ)γ(Δc)2，則可得：

令企業研發創新投入對科技金融發展水平求導，可得：

創新是企業提升競爭力的重要渠道，從式（16）可以看出，當地區科技金融發展水平更高時，會吸引更多企業進入，企業為了提升競爭能力，會進行研發創新，而研發創新的成果最終將會用于企業自身全要素生產率水平的提升。這也符合Aiello和Cardamone（2020）[7]的研究結論，即對任何類型企業，進行研發創新投入均能提升企業全要素生產率。基于以上分析，提出假說4。

綜上，本文提出如下四個假說。

假說1：科技金融政策能夠促進企業全要素生產率的提高。

假說2：科技金融政策促進企業全要素生產率提高，促進其臨界邊際成本下降，進一步促進企業全要素生產率分布離散程度下降。

假說3：科技金融政策可以通過緩解企業融資約束來提升企業全要素生產率以及企業生產集中度。

假說4：科技金融政策可以通過提升企業創新能力來提升企業全要素生產率和生產集中度。

三、數據來源與指標測算

（一）樣本與數據來源

本文數據來自國泰安數據庫。樣本為2001—2020年全部A股高技術行業上市公司數據，涵蓋滬、深兩市主板、中小企業板、創業板與科創板，并進行一系列的處理①根據《上市公司行業分類指引》，篩選出化學原料與化學品制造業，化學纖維制造業，醫藥制造業，通用設備制造業，專用設備制造業，鐵路、船舶、航空航天及其他運輸材料制造業，電器機械及器材制造業，計算機、通信和其他電子設備制造業，儀器儀表制造業，其他制造業十大制造業，以及互聯網及相關服務業，軟件和信息技術服務業，研究和試驗發展，專業技術服務業四大與高技術制造業配套的服務業；剔除了ST和*ST公司樣本；剔除相關財務和公司治理觀測數據缺失的樣本；剔除2020年新上市的樣本；對在1%和99%顯著性水平上的主要連續變量逐年進行處理以緩解離群值對結果的潛在影響。根據以上處理方式最終得到14個行業1934家上市公司的11462個觀測值，為本文研究的所有數據。。

（二）指標測算

1.全要素生產率

本文被解釋變量是企業全要素生產率，本文使用參數法、半參數法和非參數法計算，分別以lntfp_lp、lntfp_op和lntfp_hr表示②OP全要素生產率估計方法的優點是能夠同時解決TFP估計時常見的聯立性和企業進出造成的樣本選擇問題，從而得到更有效的估計量。LP全要素生產率的優點是使用中間投入作為全要素生產率的代理變量，中間投入為0的觀測值比投資為0的更少，從而能夠得到更有效的估計。（Levinsohn和Petrin，2003；Olley和Pakes，1996；Head和Ries，2003）[8-10]。

2.全要素生產率離散程度

本文另一個被解釋變量為企業全要素生產率離散程度，借鑒一些學者的研究[11]，采用標準差系數表示，即以標準差除以均值得出，分別以disperson_lp、disperson_op、disperson_hr表示。

3.企業融資約束

本文構建企業運營資本投資敏感性指數（WSK）作為融資約束的代理變量（張杰等，2016；Ding等，2013）[12-13]。

使用兩步法估算WSK指數。

第一步，設計企業運營資本投資方程。

其中，WKit是企業運營資本，為流動資產和負債的差值；IWKit為企業運營資本投資，使用當期企業運營資本減去前一期企業運營資本所得；Kt為初始期的固定資產凈值。企業層面的控制變量主要包括營業收入增長率、資產負債率、保抵押水平等。此外，還控制了行業固定效應和省份年份固定效應，εit為殘差值。

第二步，將企業運營資本投資方程中估計所得的殘差值用于第二階段企業運營資本投資增長率對現金流敏感性指標的計算③這種做法的合理性在于:如果企業運營資本投資不受現金流的影響，那么高現金流的企業的殘差均值與低現金流企業的殘差均值不會有顯著差異；相反，如果企業的運營資本投資與現金流相關，那么經過現金流加權后的隨機擾動項均值與未加權的隨機擾動項均值就會表現出顯著差異。。則i企業在t期融資約束由下式所示：

其中，cashit為i企業t年的現金流，是當年凈利潤和折舊之和；T為i企業的觀測時間長度。

4.企業創新能力

由于上市公司企業研發投入數據自2008年以后開始統計，造成樣本部分缺失，因而本文企業創新能力采用企業總的專利數量來衡量，lnpatentit表示i企業在t年專利擁有量對數值。

5.科技金融發展水平

本文核心解釋變量為科技金融發展水平，借鑒相關學者的研究，按照“科技資源—經費投入—產出效率”的思路進行設置，分別表示科技金融發展水平相關的資源指數、經費指數、融資指數和產出指數四個方面，采取以下指標綜合度量科技金融發展水平（張芷若和谷國鋒，2019）[14]。

由于原始數據量綱不同，本文借鑒相關學者的研究，首先對原始數據進行標準化處理，以標準化后的數據通過熵值賦權法得到各指標權重，采用線性加權求和得到科技金融各指標權重的平均值（具體見表1），從而計算得到我國31個省份（不含港、澳、臺地區）科技金融發展水平指數（張衛民等，2003）[15]。

圖1為2001—2020年我國31個省份的科技金融發展水平分布圖。由圖1可以看出，科技金融發展水平較高的地區主要分布在北京、上海、廣州，其次為江蘇、天津、浙江等，即位于京津冀、長三角、珠三角三大經濟圈。其中，北京是我國的政治中心，科技金融發展迅速；上海作為國際金融中心，金融資源豐富，2015年金融業已躍居全國首位，成為上海的支柱產業；廣東以深圳為代表，為中小科技型企業提供了重要的市場資金來源。此外，作為科技創新產出的載體，北京、上海、廣東深圳的科技創新主體對科技金融發展貢獻突出。

圖2為2001—2020年我國整體科技金融發展水平與高技術企業全要素生產率水平的走勢。從圖2可以看出，我國科技金融發展水平逐年升高，并在2010年出現小幅度飛躍，自2011年之后呈現不斷上升的趨勢。此外，上市公司整體全要素生產率水平也呈現出上升趨勢，并與科技金融發展水平走勢基本趨于一致。圖3為2001—2020年我國31個省份的科技金融發展水平與該省份對應的上市公司全要素生產率水平的走勢。從圖3可以看出，科技金融發展水平較高地區，上市公司全要素生產率水平也較高，并且大多位于北京、廣東、上海和江蘇等科技金融發展水平較高的省份。

6.主要變量描述性統計

表2列示了主要研究變量的描述性統計結果。

表1 科技金融綜合評價體系指標及其權重

圖1 2001—2020年我國31個省份科技金融發展水平分布

圖2 2001—2020年我國整體科技金融發展水平和全要素生產率水平走勢

圖3 2001—2020年31個省份科技金融發展水平與全要素生產率水平走勢

從全樣本描述性統計來看，科技金融發展滯后一期指數的平均值分別為0.1702與0.3443，標準差分別為0.1493與0.2127，這表明各省份的科技金融發展指數存在較大差異，并且企業全要素生產率離散程度也較大，這也為本文研究提供了基礎。此外還控制了一系列與企業全要素生產率相關的變量①控制變量包括外商直接投資流入程度，金融業生產總值占比，地區外貿依存度，地區產業結構，地區政府干預力度以及企業層面控制變量，如企業規模、企業年齡、企業員工數量、資產負債率、流動比率以及企業成長性。。控制變量的描述性統計因篇幅未具體給出。主要變量的描述性統計結果詳見表2。

四、實證模型構建與檢驗②本文根據實證設計進行分析，結論供參考。

（一）計量模型設計

1.基準回歸模型設計

從理論模型中可以看出，地區科技金融的發展將緩解企業融資約束，激勵企業進行研發創新，從而促進企業全要素生產率的提高，并進一步降低企業全要素生產率分布的離散程度，提升企業生產集中度。更重要的是，如果該地區的科技金融發展水平較高，更多的企業將會“用腳投票”，將其業務轉移到該地區，以便更好地吸收科技金融發展帶來的紅利。這就帶來選擇性偏差和互為因果關系等內生性問題。為緩解此內生性問題，本文使用PSM—DID方法來設立基準回歸模型。

科技金融試點政策于2011年首次啟動，隨后于2016年啟動第二批試點城市③2011年11月，中國人民銀行和中華人民共和國科學技術部首次啟動了北京、上海、天津等41個城市作為科技金融試點城市。到2016年，又增加了9個城市。。由于第二批試點涉及的地區較少，而本文研究的時間段為2001—2020年，為了確保結果為2011年的凈影響，在接下來的研究中將去掉第二批9個試點城市的樣本數據。此外，考慮到2008年金融危機的影響，本文進一步使用2008—2016年的數據進行檢驗，結果仍然支持這一結論。因此，根據假說1與假說2，DID模型設定如下：

表2 主要變量描述性統計

其中，Treati是政策虛擬變量。如果企業位于科技金融試點城市，則值為1；否則，該值為0。Postt是一個時間虛擬變量，2011年政策實施前值為0，2011年后值為1。Treati×Postt為科技金融試點政策的虛擬變量。Фj表示地區層面的控制變量，包括外資流入程度（FDI）以及金融業發展程度（fin_gdp）；Xi表示企業層面的控制變量，包括企業規模（lnsize）、企業年齡（lnage）、員工人數（lnstaff）、資產負債率（lev）、流動比率（debe_ratio）以及企業成長性（growth）；此外還加入固定效應，包括年份固定效應（εt）、個體固定效應（εi），εit為擾動項。最后，確定39個城市為處理組，其他城市為對照組。

由于試點城市的選擇不是隨機的，會受到區位、資源、發展等因素的影響，因此本文首先采用傾向得分法進行匹配，使用基準回歸的控制變量作為匹配的基礎，采用近似匹配1∶1的匹配方法，得到適當的樣本作為處理組和對照組，并消除不匹配的樣本。可以看出，PSM匹配前，對照組與處理組之間存在明顯差異，但匹配后，兩組之間的差異不明顯①PSM的平衡性檢驗因篇幅原因未詳細列出。，因而使用匹配后的樣本用于后續的雙重差分模型。

2.機制檢驗模型設計

企業的創新成果和融資能力會影響企業的全要素生產率（張曉莉，2021）[16]。基于假說3，為驗證其傳遞渠道，本文使用中介效應檢驗方法，設計如下計量模型：

其中，Mit為中介變量，這里主要指融資約束指數WSKit和企業創新能力指標lnpatentit，其余指標同上。

（二）基準回歸及平行趨勢檢驗結果

表3顯示了PSM匹配后的樣本估計結果。交互項對全要素生產率的回歸系數顯著為正，對全要素生產率離散程度的回歸系數顯著為負，說明在控制其他因素后，科技金融政策顯著促進了企業全要素生產率的提高，顯著降低了企業全要素生產率分布的離散程度。表4為進一步的平行趨勢檢驗。結果表明，在政策實施前，處理組與對照組之間差異不大。政策實施后，顯著提升了處理組的全要素生產率和生產集中度水平。因此，符合DID的基本假說，再次驗證了科技金融政策能夠顯著提升企業全要素生產率，降低企業全要素生產率分布的離散程度。

（三）穩健性檢驗

1.內生性檢驗

為了解決內生性問題，本文借鑒相關學者的研究，采用省級互聯網普及率作為工具變量進行兩階段最小二乘估計（謝絢麗等，2018）[17]。使用省級互聯網普及率作為工具變量的原因是其與科技金融高度相關，但是與企業全要素生產率弱相關。表5報告了該方法中的LM統計量均在1%的顯著性水平上顯著，表明該工具變量與科技金融顯著相關，又不存在識別不足的問題。此外，由Wald F檢驗可知，工具變量不存在弱識別的問題。同時，上述檢驗證明了工具變量的有效性。同時，在加入互聯網普及率作為工具變量之后，科技金融政策的交互項系數仍然與基準回歸一致，進一步驗證了科技金融的發展能顯著提高企業全要素生產率水平提升、顯著降低全要素生產率分布離散程度，提升生產集中度。

表3 PSM—DID回歸結果

表4 平行趨勢檢驗

2.安慰劑檢驗

對政策虛擬變量進行安慰劑檢驗，對Treati進行隨機抽樣，按照初始回歸重復進行500次。圖4為安慰劑檢驗的結果，可以看出估計系數分布在0附近，且服從正態分布，符合本文安慰劑檢驗的預期。

3.其余穩健性檢驗

（1）由于科技金融政策對企業全要素生產率的作用會受到地區科技金融發展的影響，為了更加穩健地驗證本文基準回歸得到的結論，在該部分加入前文所計算的地區科技金融指數與政策交互項的三重交互項，分析科技金融政策實施對于科技金融發展情況不同的地區的差異影響。實證結果如表6第（1）列—第（4）列所示，三重交互項的系數顯著為正，表明科技金融政策對科技金融發展更好的地區的企業全要素生產率及生產集中度的提升作用更強。

表5 工具變量2sls回歸結果

圖4 安慰劑檢驗

（2）使用2008—2016年的樣本進行回歸分析。由于2008年金融危機之后，我國各省份的金融業或多或少遭受沖擊。因此，為了控制2008年金融危機以及2016年第二批試點城市的影響，本文在該部分使用2008—2016年的子樣本進行分析。結果如表6第（5）列—第（8）列所示，在使用子樣本進行回歸并排除了金融危機影響之后，科技金融政策作用效果仍然顯著。

（3）加入第二批試點城市進行分析。為了保證樣本的全面性，在該部分將第二批試點城市加入回歸中。結果如表7第（1）列—第（4）列所示，仍支持本文主要結論。

（4）更換被解釋變量。更換企業全要素生產率指標，使用近似全要素生產率的估計方法，方程設為lntfp=ln(y/l)-sln(k/l)。其中，y為企業營業收入；l為從業人員數；k為固定資產規模；s為生產函數中資本的貢獻度，設定為1/3。全要素生產率記為lntfp_hr，其標準差系數記為disperson_hr。結果如表7第（5）列—第（6）列所示，科技金融對企業全要素生產率以及生產集中度均有顯著的提升作用。

4.機制檢驗

表8為中介效應回歸結果，從第（1）列—第（2）列可以看出，科技金融發展顯著促進了企業全要素生產率的提高以及企業全要素生產率集中度的提升；第（3）列—第（4）列表明，科技金融發展顯著緩解企業的融資約束以及促進其創新能力的提高；第（5）列—第（8）列在控制了中介變量的基礎上，其結果仍然顯著。因此可以看出科技金融發展水平的提高會通過提高企業創新能力和緩解融資約束進而提升企業全要素生產率以及其全要素生產率集中度，因而驗證了假說3和假說4。

五、進一步討論

（一）不同生命周期的影響

為了檢驗科技金融政策對企業全要素生產率及其集中度的提升作用對處于不同生命周期的企業是否存在差異，本文采用留存收益與股東權益的比值（留存收益股權比）作為企業生命周期劃分標準。對比留存收益股權比在各取值區間的公司特征，本文將留存收益股權比小于0.1的公司定義為成長期樣本，留存收益股權比位于0.1與0.5之間的上市公司定義為成熟期樣本，剩余公司為衰退期樣本。不同于分樣本，本文分別將成長期（LC1）、成熟期（LC2）和衰退期（LC3）企業賦值為1進行交互項回歸。回歸結果見表9。回歸結果顯示，科技金融政策對處于成長期企業的全要素生產率和生產集中度產生了顯著提升作用；對于成熟期企業來說，其全要素生產率提升作用并不顯著；而對于衰退期企業來說，科技金融政策顯著促進其全要素生產率的增長，但對生產集中度的提升作用并不顯著。這表明科技金融對成長期企業全要素生產率及其生產集中度的提升作用更強，可能是由于成長期企業在其成長過程中由于信息不對稱、缺乏成熟的管理、創新能力不足等原因，更容易面臨資金短缺、投資不足等困難。因此，科技金融政策會通過緩解融資約束、激勵企業研發創新，進而提升成長期企業的全要素生產率。

表6 穩健性檢驗：考慮地區科技金融發展、使用2008年金融危機后樣本

表7 穩健性檢驗：加入第二批試點城市、更換全要素生產率指標

（二）不同產權性質的影響

為了研究科技金融政策對企業全要素生產率的作用在不同產權性質企業之間的差異，本文按照產權屬性將企業分為國有企業（SOE1）、民營企業（SOE2）以及外資企業（SOE3）進行分組回歸，依然采用交互項方式。回歸結果見表10。回歸結果顯示，科技金融政策對國有企業的促進作用相對比較明顯，可能的原因是：一方面，民營企業相對來說接收和了解相關政策存在一定的時滯；另一方面，本文數據截至2020年，未捕捉到近期的政策效應和政策后期作用的影響。

表8 中介效應檢驗結果

六、本文結論與政策建議

（一）主要結論

在“雙循環”新發展格局下，提高企業全要素生產率對促進國家經濟發展具有一定的意義，而地區科技金融政策為企業提供了豐富的資本與技術資源，對企業全要素生產率的提升起著重要作用。本文采用2001—2020年A股高新技術產業上市公司數據，探究科技金融政策對不同類型的企業全要素生產率的影響。主要結論如下：（1）通過圖像分析可以看出，近年來我國各省份科技金融發展雖整體呈現增長趨勢，但表現出明顯的不平衡性，科技金融發展水平較高的地區主要在京津冀、長三角、珠三角三大經濟圈；（2）基準回歸發現，科技金融政策能夠顯著促進企業全要素生產率及生產集中度的提升；（3）機制檢驗表明，科技金融政策主要通過緩解企業融資約束以及提高企業研發能力，促進企業全要素生產率及生產集中度的提升；（4）異質性檢驗表明，科技金融的發展對于不同生命周期、不同產權性質的企業會產生差異性影響，科技金融政策能顯著促進成長期和國有企業全要素生產率和生產集中度的提升。

表9 基于不同生命周期企業的異質性檢驗結果

表10 基于不同產權性質企業的異質性檢驗結果

（二）政策建議

基于上述研究結論和當前科技金融發展的實際情況，本文提出如下建議。

第一，考慮地區科技金融發展不平衡性。在進一步完善科技金融政策之前，應充分考慮到各地區科技金融發展水平，準確評估科技財政預算、配套金融體系以及當地企業發展狀況，根據實際情況制定合理政策。

第二，將緩解融資約束、降低融資成本作為發力點。加強對科技金融政策專項基金的管理并放大商業金融的杠桿效應，在管理專項資金時，既要提高資金的利用效率，又要注重資金施予的公平性。積極促進當前效益不佳的科技型中小企業的成果轉化，為其發展提供機會和路徑。

第三，深化科技金融改革，助力實體經濟。持續引導科技金融政策的實施，并考慮將其作為提升中小企業和民營企業全要素生產率和生產集中度的重要手段之一。防止由于科技金融發展的不平衡性對地區經濟和地區中小企業產生不利的影響。

第四，企業應強化自身創新能力和金融風險管理的能力，積極尋求政策支持。中小企業和私營企業應積極尋求發展策略，及時了解政策信息與動態，主動尋求科技金融政策支持。抓住科技金融發展的機遇，積極投入研發創新，實現自身的蓬勃發展。