科技金融政策是否提升了企業全要素生產率？

劉少波 吳 玥

一 引言及文獻述評

當前，我國經濟發展進入結構調整和轉型的關鍵時期，創新發展和高質量發展是今后主旋律。企業是經濟發展的主體和微觀基礎，企業全要素生產率已成為國家經濟發展質量的重要衡量指標(徐朝陽和林毅夫, 2009)。科技型中小企業在科技創新領域成績突出，其能不能持續不斷地進行科技創新、提高全要素生產率是國家經濟發展的關鍵。但科技型中小企業普遍面臨資金短缺、融資成本高等一系列問題，較為嚴重地影響著其生存和發展。

為此， 2011年，科技部、中國人民銀行、銀監會、保監會和證監會五部門啟動了“促進科技和金融結合試點”政策(以下簡稱“科技金融政策”)，第一批試點地區有16個，包括中關村國家自主創新示范區、天津市、上海市、江蘇省、浙江省“杭溫湖甬”地區、安徽省合蕪蚌自主創新綜合實驗區、武漢市、長沙高新區、廣東省“廣佛莞”地區、重慶市、成都高新區、綿陽市、關中—天水經濟區(陜西)、大連市、青島市、深圳市等。計劃通過推動試點地區形成示范效應，積極探索技術創新與資金融通對接的新方式，深化政府財政資金的使用效率，引導社會多方資本自主參與創新，促進科技型中小企業成長。在第一批試點地區取得良好成效的基礎上，2016年科技金融政策第二批試點接力展開，試點地區包括鄭州市、廈門市、寧波市、濟南市、南昌市、貴陽市、銀川市、包頭市和沈陽市9個城市。

現有研究從不同角度對科技金融政策效果進行了評估。張明喜和魏世杰(2015)以北京中關村、武漢和上海作為研究地區，對科技金融政策的實施效果進行理論分析。國麗娜(2015)系統梳理科技金融政策的邏輯鏈條，深度探究當前政策的進展情況和存在的問題，提出需促進政府提供的科技創新資金在各地區激勵相容、建設中介信息平臺并積極利用電子分析技術提高政策服務能力。何震(2019)、馬凌遠和李曉敏(2019)、鄭石明等(2020)以第一批“促進科技和金融結合試點”地區為研究對象，通過PSM-DID模型對科技金融政策與地區創新水平之間的關系進行研究，結果表明政策實施對試點地區創新水平提升有正面影響。此外，科技金融政策對技術創新的作用機制是通過財政資金投入實現的。吳凈(2020)也利用PSM-DID模型研究科技金融政策在第一批試點地區民營企業科技創新水平提升中的作用，結果顯示科技金融政策對民營企業創新水平的提高有推動作用，且存在逐年遞增的增長效應。其在異質性檢驗中又發現，科技金融政策的實施在東中部地區的效應更加明顯。孔一超和周丹(2020)檢驗科技金融政策與第二批試點地區新三板高新技術企業生產率之間的關系，實證結果顯示科技金融政策的推行顯著促進了第二批試點地區新三板高新技術企業生產率的提升，作用路徑為增加高新技術企業科技創新投入。

這些成效是源于科技金融政策驅動還是企業自然增長，科技金融政策的激勵作用通過哪些渠道發揮，科技金融政策的作用是否存在異質性，今后應該如何完善政策并促進其實施？本文嘗試回答這些問題，邊際貢獻在于：(1)不同于已有文獻以研發投入(R&D)或專利數量作為衡量指標探討科技金融政策對城市或企業技術創新的影響，本文關注企業發展質量，進一步延伸研究的邏輯鏈條至企業全要素生產率，拓展了研究視角和深度;(2)以往關于“促進科技和金融結合試點”政策效果的研究未結合第一批和第二批試點地區進行分析。本文采取逐年PSM-多期DID模型檢驗科技金融政策對兩批試點地區的綜合影響，因而結論更有說服力；(3)在充分識別科技金融政策和企業全要素生產率基本關系的基礎上，系統地揭示了科技金融政策促進全要素生產率提升的兩個作用機制，即“科技金融政策—改善資金融通狀況—提升全要素生產率”和“科技金融政策—降低外源融資成本—提升全要素生產率”；(4)進一步在“科技金融政策—全要素生產率”研究范式中進行較全面的異質性分析，發現科技金融政策對不同地區、不同所有權性質及不同行業科技型中小企業全要素生產率具有不同的影響。

二 機制與異質性分析

(一)機制分析

本文從數理模型和文獻梳理兩個角度闡述科技金融政策對企業全要素生產率的作用機制。一方面，基于Levine和Warusawitharana(2019)的模型進行推導，認為科技金融政策是通過拓寬外部融資渠道對科技型中小企業全要素生產率產生影響。另一方面，拓寬外部融資渠道具體表現為提升資金融通水平和降低外源融資成本，在此基礎上參考現有學者的相關研究、科技金融政策的文件內容與實施情況，進一步具體說明科技金融政策的作用路徑(如圖1所示)。

圖1 科技金融政策對企業全要素生產率的作用機制

假定一個企業按照Cobb-Douglas生產函數進行生產：

Y

=

AK

L

其中，

Y

為總產出，

A

為全要素生產率，

K

為資本要素的投入量，

L

為勞動要素的投入量。設

w

為人工勞動成本，企業面臨的未來現金流量為：

π

=max

Y

-

wL

用A′表示企業下一期的全要素生產率：

根據融資成本的啄食理論(Myers和Majluf,1984)，企業首先使用經營活動產生的自由現金流為實體投資和創新項目提供資金，然后利用外部資金滿足剩余需求。定義企業使用的外部融資額為

F

。在開展科技金融政策的試點地區，科技型中小企業的

F

將越能得到滿足，即科技金融政策與

F

之間存在正相關關系，鑒于此，

F

被視為“促進科技和金融結合試點”政策對科技型中小企業外部融資的金融支持力度。

由此推理得出，科技金融政策通過外部融資渠道提高了科技型中小企業全要素生產率。

一方面，任曙明和呂鐲(2014)、肖文和薛天航(2019)、孫陽陽和丁玉蓮(2020)研究表明金融資本是推動企業全要素生產率發展的重要力量。因此可以推測，科技金融政策可能通過緩解資金短缺進而促進了企業全要素生產率的提升。從政策內容來說，(1)科技金融政策通過創新金融科技市場體系，促進金融市場資源要素標準化發展，推動了市場規則和制度的完善。Chiu和Koppel(2019)認為這提升了資本市場的融資質量。黃銳等(2020)又提出資本市場融資質量的改善有益于緩解科技型中小企業的資金短缺問題。(2)科技金融政策通過完善科技金融中介組織體系可以改善金融市場信息不對稱問題，信息改善為疏通融資渠道提供了一定幫助(皮天雷等，2018；馬松等，2014；邱笛，2015)。從政策實踐來說，中關村示范區是市場制度建設的典范，以市場為主，政府為輔，提供了較好的融資市場環境，因此更好地發揮了資本對技術創新的帶動作用。此外，上海市建立“科貸通”和“小巨人信用貸”等融資服務平臺，一定程度上解決了資金提供方和科技型中小企業的融資對接問題。

另一方面，聶新蘭和黃蓮琴(2007)、盛丹和王永進(2013)、鞠曉生(2013)、王勇和張耀輝(2018)提出科技型企業的外源融資存在較高成本，會對企業效率產生消極影響。由此假設科技金融政策能夠降低企業外源融資成本，進而促進企業全要素生產率的提升。從政策內容來說，(1)科技金融政策可以利用新興技術彌補企業信用缺失的困境，有效解決資金提供者和企業之間的信任問題，降低企業融資成本(Heiskanen，2017；孫永坤，2018)。(2)科技金融政策通過創新科技投入方式與機制提供多渠道的低成本資金，改善了科技型中小企業外源融資成本高的困境。政策實踐中，武漢市政府通過設立一系列新興的融資服務機構，推出低成本的信貸產品，著力解決科技型中小企業融資成本高的困境；杭州市則實施了由政府與保險機構共同提供擔保服務的科技金融政策，降低了信用風險。

(二)異質性分析

考慮到企業所在地區經濟發展水平差異，本文將從地區角度進一步考察科技金融政策的全要素生產率效應。經濟發展階段決定了地區要素稟賦結構，從而決定了最適宜的產業結構。為了適應不同階段的市場特點，金融機構也在這一階段進行了調整，以匹配最適合的產業結構(林毅夫, 2018)。因此，一個地區的產業結構更加完整和多元化，技術產業和項目的發展也更加成熟。為了適應這種特性，金融機構積極參與科技金融政策。相反，地區產業結構落后，科技產業和金融產業的發展相對不成熟，金融機構更注重經濟利益，科技金融政策的實施效果相對較差。

考慮到企業所有權性質不同，本文進一步從所有權視角考察科技金融政策的全要素生產率效應。借鑒Coase(2014)、唐躍軍和左晶晶(2014)、徐曉萍等(2017)的研究，受國家政策的影響，國有企業大多以社會公共服務為主要經營業務，它們更偏好于獲得低風險收益，缺乏創新精神。因此，即便國有企業在科技金融政策的推動下改善了資金融通狀況，降低了外源融資成本，其管理者也可能不愿意注入大量資金支撐技術創新。而在科技金融政策的推動下，民營企業的戰略目標和資本配置更加靈活，競爭意識更強，認識到只有通過自主研發和創新，才能實現企業的盈利目的和可持續發展。

考慮到企業所屬行業特征，進一步從行業類別視角考察科技金融政策的全要素生產率效應。根據景曼詩和尹夏楠(2018)的研究，不同行業核心業務、研發需求和研發補貼資金不盡相同，科技金融政策將對各行業企業創新表現產生不同程度的影響，因此，本文比較信息技術業和一般制造業這兩個主要行業中的科技型中小企業。產品開發、工藝設計等創新活動是信息技術業保持核心競爭力的基礎，而一般制造業則把重點放在成本競爭上，而不是創新活動上。因此，信息技術業很有可能會獲得更大的金融支持，從而投入更多的資金進行研發活動，最終提升企業的全要素生產率。

三 全要素生產率測算

本文的被解釋變量為企業全要素生產率(

TFP

)。借鑒安同良等(2009)的做法，用年均從業人數表示勞動投入量

L

，用固定資產凈額表示資本投入量

K

。同時，考慮到本文研究對象為科技型中小企業，大多處于初始發展階段，營業利潤呈現負數，因此用營業收入作為企業產出

Y

的度量指標更具客觀性。此外，使用SFA方法測算

TFP

時，借鑒易明等(2019)的做法，解釋變量

Z

包括：(1)對外開放程度(

open

)，用企業當年出口值衡量；(2)政府支持力度(

gov

)，用企業當年政府補助衡量。使用LP方法測算

TFP

時，借鑒任勝鋼等(2019)的做法，用購買商品、接受勞務支付的現金衡量中間投入(

M

)。

表1 被解釋變量名稱與含義

根據上文的企業全要素生產率測算方法，借助Frontier軟件和Stata軟件將樣本企業投入產出要素，即固定資產凈額(

K

)、年均從業人數(

L

)以及營業收入(

Y

)代入超越對數函數形式的SFA方法以及LP方法，進行參數估計和全要素生產率測算，得到如表2所示的估計結果。

表2 基于SFA方法和LP方法的估計結果

(續上表)

SFA方法下，

γ

值為0.6481，接近1，在1%水平上通過顯著性檢驗，表明技術無效率干擾項

u

顯著存在，

σ

值和LR值的t統計量分別在10%和1%的水平上顯著；LP方法下，勞動投入變量、資本投入變量的回歸系數均在1%水平上顯著。從以上檢驗結果可以判定，本文構造的超越對數函數形式的SFA模型和LP模型是有效的。

四 實證研究

(一)研究設計

本文研究對象為中小板、創業板科技型中小企業，相比于主板企業，更具有創新創業特征。科技金融政策的設立目的是緩解科技型中小企業融資壓力。因此，本文將樣本選擇范圍設定于中小板、創業板企業具有一定的合理性。由于中小板和創業板分別于2004年6月25日和2009年10月30日正式運營，故將研究時間窗口設定為2010-2019年。

研究數據來源于Wind數據庫、科技型中小企業信息服務平臺和《中國城市統計年鑒》。其中，企業的基本信息(包括證券代碼、統一社會信用代碼、上市時間與成立時間、所有制類型、所屬城市、地區與行業等)及財務信息(包括總資產、營業收入、資產負債率等)來自Wind數據庫。城市的基本信息(包括城市人均GDP、城市產業結構等)來自《中國城市統計年鑒》。數據處理以及實證分析分別在Excel、Frontier和Stata軟件中進行。變量含義和描述性統計如表3、表4所示。

表3 變量名稱與含義

表4 描述性統計

(二)平衡性檢驗

為了避免樣本選擇性偏差對研究結果的干擾，首先進行逐年PSM。將所有控制變量作為匹配依據，逐年測算PSM得分，為處理組樣本匹配合適的控制組樣本，并刪除沒有匹配成功的觀測值。通過平衡性檢驗判斷最終匹配結果(如表5所示)。

表5 平衡性檢驗

圖2 匹配前與匹配后的核密度函數分布

圖3 共同支撐假設檢驗

結果顯示，逐年匹配前，控制組與處理組的控制變量存在顯著差異，說明科技金融政策第一批和第二批試點地區的選擇并不是隨機的。從標準差偏差看，控制組與處理組經過匹配后標準差偏差都小于10%，符合匹配后標準差偏差不超過10%的標準界限；從t檢驗看，t值都顯著下降，且無法拒絕原假設中處理組與控制組之間不存在明顯差異，即認為處理組企業和控制組企業之間不存在顯著差異；從P值看，經過傾向匹配得分后模型有較大的P值；從圖2看，使用核匹配法進行匹配后兩者間的差距減小，趨勢基本一致。綜合表明經過匹配，處理組和控制組樣本間差距較小，匹配質量較高，滿足整體平衡性條件。進一步檢驗匹配后處理組和控制組PSM的重合區域，從圖3可以直觀看出，大多數樣本在共同取值范圍內，近似服從正態分布。

(三)逐年PSM-多期DID

本文構建基準回歸模型如下：

TFP

=

β

+

β

Time

×

Policy

+

β

∑

Controls

+

Firm

+

Year

+

ε

(1)

其中，交互項的系數

β

即為平均處理效應中需要觀測的值，如果

β

顯著為正，則說明科技金融政策能夠促進科技型中小企業全要素生產率的提升。

接著，測算科技金融政策對企業全要素生產率的平均處理效應，結果如表6所示，列(1)和列(2)為未進行逐年PSM的結果，列(3)和列(4)為進行逐年PSM后的結果。結果顯示，科技金融政策對第一批和第二批試點地區科技型中小企業全要素生產率均有顯著的正向影響，這與預期相符。

表6 逐年PSM-多期DID估計結果

(續上表)

五 穩健性檢驗

(一)內生性處理

根據工具變量法，選取城市創業歷史傳承水平，即中華城市中的老字號數量，作為科技金融政策的工具變量，這滿足工具變量的相關性和外生性要求。此外，本文借鑒Nunn和Qian(2014)建立一個時間變量和橫截面變量之間的交互項解決中華城市老字號數量是橫截面數據問題的方法，基于胡兆廉等(2021)的研究實踐，構建了中華城市老字號數量(橫截面數據)和R&D經費支出(時間序列數據)的交互項(

Brand

×

R&D

)，作為科技金融政策的工具變量。

表7 工具變量估計結果

如表7所示，本文構造的工具變量與科技金融政策的實施存在高度相關性，因此本文的基準回歸模型可能存在內生性問題。但在考慮了潛在的內生性后，估計系數依然顯著為正，并且明顯大于表6中的基準估計系數，說明科技金融政策的內生性傾向于低估科技金融政策對科技型中小企業全要素生產率的正向影響。

(二)共同趨勢假設檢驗

為了檢驗是否滿足運用DID方法的共同趨勢假設，本文分別將2011年和2016年實施科技金融政策的試點地區作為處理組、非試點地區作為控制組的虛擬變量，與每年的時間虛擬變量相乘構建交叉項，在此基礎上檢驗系數是否顯著。結果表明，在兩次科技金融政策試點實施之前的三年，該政策效果并不顯著。政策實施后，該政策效果開始在10%水平上具有顯著性。這意味著在政策實施之前，處理組和控制組之間不存在明顯的差異，這符合共同趨勢假設。因此，本文采用多期DID方法滿足基本假設，對政策效果進行了有效的估計。

表8 共同趨勢檢驗

(三)安慰劑檢驗

參考Cai et al.(2016)、Ferrara et al.(2012)等的研究，根據實際試點時間，本文從樣本中隨機選取50個企業作為“偽”處理組，然后將剩余樣本設為控制組，以構建安慰劑試驗的虛擬變量

flasePolicy

，最后構建安慰劑試驗交叉項

Time

×

flasePolicy

。圖4顯示了重復上述過程200次的估計結果，發現回歸系數的平均值接近于0，通過了穩健性檢驗。

圖4 安慰劑檢驗

六 進一步研究

(一)中介效應檢驗

本文借鑒溫忠麟和葉寶娟(2004)的中介效應檢驗方法，實證研究“促進科技和金融結合試點”政策通過資金融通、成本降低渠道對科技型中小企業全要素生產率產生的影響。參考Hadlock和Pierce(2009)、鞠曉生(2013)、劉莉亞等(2015)的研究，資金融通指標用

SA

指數衡量，計算方法為：-0

.

737*

Size

+0

.

043*

Size

-0

.

04*

Age

，即一個企業的

SA

指數越大，資金融通水平越低。參考黃銳等(2020)的研究，以財務費用

/

總負債衡量外源融資成本(

Cost

)。以資金融通(

SA

指數)渠道的檢驗為例，通過式(1)驗證科技金融政策對企業全要素生產率的效應，式(2)驗證科技金融政策對

SA

指數的效應，式(3)驗證科技金融政策是否通過機制變量

SA

指數對科技型中小企業全要素生產率產生影響。

SA

=

β

+

β

Time

×

Policy

+

βj

∑

Controls

+

Firm

+

Year

+

ε

(2)

TFP

=

β

+

β

Time

×

Policy

+

β

SA

+

β

∑

Controls

+

Firm

+

Year

+

ε

(3)

中介效應檢驗結果如表9所示。列(1)和列(6)為科技金融政策對企業全要素生產率作用的實證結果，列(2)、 列(4)、 列(7)和列(9)為科技金融政策對機制變量作用的實證結果，列(3)、 列(5)、 列(8)和列(10)為科技金融政策是否通過機制變量對科技型中小企業全要素生產率產生影響的實證結果。

由表9可以看出，列(1)和列(6)中

Time

×

Policy

系數顯著為正，說明“促進科技和金融結合試點”政策對第一批和第二批試點地區科技型中小企業全要素生產率具有正向作用。列(2)和列(7)中

Time

×

Policy

系數顯著為負，說明科技金融政策的實施有效緩解了科技型中小企業的融資約束;同理，列(4)和列(9)中

Time

×

Policy

系數顯著為負，說明科技金融政策的實施有效降低了科技型中小企業的融資成本。列(3)和列(8)中融資約束的系數顯著為負、

Time

×

Policy

系數顯著降低，驗證了資金融通機制的作用;同理，列(5)和列(10)中外源融資成本的系數顯著為負、

Time

×

Policy

系數降低但不顯著，驗證了成本機制的作用。表明科技金融政策的實施增加了企業獲得政府補貼和借貸的能力，從而將更多的資金用于企業發展，推動企業創新水平的提高，促進企業全要素生產率的提升，即科技金融政策是通過資金融通機制、成本降低機制實現的。

表9 中介效應檢驗

(二)異質性檢驗

本文按照不同標準劃分總體樣本，進一步分析科技金融政策對不同地區、所有權性質及行業類別科技型中小企業全要素生產率影響的異質性：(1)根據科技型中小企業所在區域，將總體樣本劃分為東部地區(

East

)、中部地區(

Mid

)、西部地區(

West

)分樣本；(2)根據科技型中小企業所有權性質，將總體樣本劃分為國有企業(

SOE

)、民營企業(

POE

)分樣本；(3)根據科技型中小企業所處行業類別，從總體樣本中劃分出一般制造業企業(

MM

)、信息技術業企業(

IT

)分樣本。將分樣本按照式(1)再次進行回歸，結果如表10所示。科技金融政策對東部地區科技型中小企業全要素生產率的提升效應強于中部和西部地區科技型中小企業，對民營企業全要素生產率的提升效應強于國有企業，對信息技術業企業全要素生產率的提升效應強于一般制造業企業。其中，西部地區具有顯著效應可能是由于試點城市雖處于西部地區，但經濟條件相對發達，且科技金融政策對西部試點地區科技型中小企業給予更加優惠的差異化利率。

表10 異質性分析

七 結論與政策建議

本文對“促進科技和金融結合試點”政策對第一批和第二批試點地區科技型中小企業全要素生產率的影響進行了研究，結果表明：(1)科技金融政策對促進科技型中小企業全要素生產率提高、提升國民經濟發展質量和效率具有重要作用。(2)中介效應檢驗結果顯示，改善資金融通狀況、降低外源融資成本是科技金融政策提高科技型中小企業全要素生產率的有效途徑。(3)異質性分析中，科技金融政策對東部地區、民營企業和信息技術業企業的效應更大。

基于研究結論和科技金融政策實施的實際情況，提出以下政策建議：第一，政府要進一步引導科技金融政策實施，考慮將其作為提高科技型中小企業全要素生產率和國家經濟發展質量的手段之一。第二，將改善資金融通狀況、降低外源融資成本作為科技金融政策實施過程中的著力點，從而更好地促進科技型中小企業提升全要素生產率。第三，政府在實施科技金融政策前，應充分結合地區、企業所有權性質和行業類別情況，不能盲目進行試點建設，忽略實際效益。同時，中國不同地區、不同所有制和不同行業企業發展差異較大，而科技金融政策資源也要積極為目前效益不佳的科技型中小企業提供發展機遇及契機，縮小企業間差距，從而帶動這些科技型中小企業全要素生產率提升。