非技術成本、融資約束對我國新能源產業全要素生產率的影響研究

任保全，吳小璇

(1.常州大學 經濟學院，江蘇 常州 213159；2.常州大學 管理學院，江蘇 常州 213159)

0 引言

2020年國家明確提出了“2030碳達峰，2060碳中和”的戰略構想。新能源產業作為創新驅動和推動新舊動能轉換的先導[1]，其發展是實現雙碳目標必不可少的環節。近年來，我國新能源產業產業化日益成熟，取得了矚目成就。首先，供給端實現了高質量發展。2019年，《新時代的中國能源發展》白皮書中顯示，中國多晶硅、光伏電池、光伏組件的產量分別約占全球總產量份額的67%、79%、71%，位居世界第一[2]。2021年，我國多晶硅產量49萬噸，占全球總量的78%，全球多晶硅第一大國的地位更加鞏固。其次，可再生能源的消費比重快速增長。2020年中國能源消費同比增長2.1%，在全球可再生能源消費中，中國的可再生能源消費量達7.79艾焦耳，為全球貢獻了能源消費主要的增長。盡管新能源產業發展迅猛，但其行業的發展仍面臨諸多問題。一是新能源產業的非技術成本即軟成本下降較難。有研究表明，可再生能源的軟成本下降速度遠不如硬成本，中國光伏行業協會秘書長王勃華[3]曾表示“非技術成本已達總投資成本的20%以上。”二是融資約束，與傳統產業相比，新能源產業屬于資本、技術以及知識高度密集型的產業，高投資、高收益、高風險的行業特征使其更易面臨融資約束這一普遍性難題。顯然，非技術成本和融資約束成為阻礙新能源產業發展的主要因素。此外，全要素生產率(TFP)是衡量產業高質量發展的重要指標之一，因此，用全要素生產率來衡量新能源產業的發展現狀。現有文獻多基于土地價格和融資成本視角研究企業生產率，鮮有文獻基于非技術成本視角。同時大多數學者聚焦于融資約束視角研究生產率且研究結論不盡相同，鮮有文獻同時從非技術成本和融資約束視角研究我國新能源產業全要素生產率的狀況。

那么，我國新能源產業高質量發展的趨勢如何？由多方要素構成的非技術成本是促進還是抑制了新能源產業全要素生產率的增長？融資約束是否阻礙了該產業全要素生產率的提升？在異質性視角下該影響有何差異？因此本文利用新能源產業微觀數據，探究非技術成本及融資約束對全要素生產率的影響，具有重要的理論和現實意義。

1 文獻綜述與假設提出

1.1 非技術成本與全要素生產率

新能源產業的非技術成本指土地租金、稅費、融資成本、前期的開發費以及“路條費”等外部成本[4]。其中占比較大的是地價及稅費。現有文獻直接關注土地價格及相關稅費對企業全要素生產率影響的較少。部分學者認為土地價格與企業創新之間存在正面影響機制。首先，由于土地價格本身與區位價值有著密切的關系，位于高地價區位的企業往往可以享受更多的集聚經濟帶來的正外部性，進而更有利于企業創新[5]。再者，用地成本的上升通過要素替代效應促進企業創新，具體表現為當土地價格短期上升時會影響其他因素對土地要素的替代，長期上漲則會促進企業技術創新[6]。另外，用地成本上升會通過“創造性破壞”效應促進企業技術創新，因為對企業而言，用地成本的上升意味企業整體成本上升，會對企業造成生存壓力，為獲得競爭優勢企業勢必會提高創新水平[7]。但是，閆昊生等[8]卻認為地價的上漲不僅使企業面臨資金約束，同時也影響了企業的資源配置，最終造成企業研發投入的縮減。

融資成本在非技術成本中占比次之。近年來，學者們大多從融資方式和融資結構來研究其對技術創新的影響，而從融資成本視角研究的文獻鮮有，戴新民等[9]利用上市公司的微觀數據分析權益融資成本、盈余質量與投資效率之間的關系。研究結果表明：高水平的盈余管理能提高盈余質量，消除內外部信息的不對稱，進而改變資源分布水平，從而提高企業的入股效果。此外，提高權益資金成本對投資效率的提升有促進作用，而技術創新是一種特殊的投資。因此，權益資金成本的提高能夠促進入股技術創新效果的提升。張天億[10]利用實證分析和規范分析研究了融資成本與技術創新之間的關系，其指出融通資金的費用對企業技術創新水平有著促進作用，其中權益資金成本發揮著主導作用。

1.2 融資約束與全要素生產率

融資約束是影響企業業務活動及發展的重要因素，而全要素生產率綜合反應了企業的生產經營狀況。目前，關于融資約束對全要素生產率的影響存在兩類觀點即融資約束促進論和融資約束抑制論，融資約束是促進還是抑制了企業全要素生產率的提升，一直是值得深究和探討的話題。

新能源產業作為戰略性新興產業，創新過程的長周期性決定其需要大量的資金，其資金主要來源于自有資金和外部融資兩方面。“啄食順序理論”認為，信息不對稱和交易成本的存在使得企業優先選擇內源性融資，而后選擇外源融資。但企業在研發創新過程中往往會面臨不確定性和信息不對稱性，這使得投資于創新過程的回報可能會被極度扭曲[11]。另外，高度的信息不對稱性以及資本市場的流動性風險會使得代理成本遠高于一般情況下投資者和企業家之間的代理成本。上述因素的存在使得企業在進行創新活動時面臨較高的融資成本且難以獲得充足的外源資金，產生的融資約束問題致使企業的創新效率不斷下降，最終導致企業的生產率降低[12]。如劉家悅等[13]從所有權異質性層面發現融資約束對全要素生產率產生一定的抑制作用，且民營企業所受到的抑制作用最大。段梅等[14]研究表明企業面臨的融資約束是經濟政策不確定性影響企業全要素生產率的一個重要因素，當企業面臨融資約束時經濟政策不確定性會對企業全要素生產率產生負面影響。FEERANDO等通過研究歐元區國家融資約束與企業全要素生產率之間的關系得出融資約束對企業全要素生產率有著顯著的負向影響。

但也有學者認為，融資約束有利于企業全要素生產率的提升。MUSSO等[16]利用法國制造業面板數據研究得出，企業的外部融資約束有助于其自身的增長，同時融資約束能夠促進企業短期生產率的提升。LI[17]認為，當企業面臨較大資金約束和不確定性時進行創新活動的動機更強，其更傾向于提高創新效率來獲得更大的收益。劉小玄等[18]認為融資約束的存在促使管理者具有較高的風險意識，同時投資者對投資項目的回報率要求升高，為立足于市場企業不得不提高生產率。

綜上所述，現有文獻從土地價格和融資成本視角研究生產率的較多，從非技術成本視角的研究較少。關于融資約束的研究較多，但與非技術成本相結合的比較性研究較少。針對新能源產業研究的文獻本身較少，從外部融資約束和內部融資約束視角探究其對全要素生產率影響的文獻更少。那么在新能源產業中，內部融資約束和外部融資約束對全要素生產率的影響是遵循促進論還是抑制論，值得進一步探究。

基于上述分析，本文提出：

假設1：由于非技術成本由多方要素構成，不同因素影響作用不同，因此非技術成本對新能源產業全要素生產率產生的影響復雜，存在一定程度的多變性。

假設2：由于融資約束可細分為內源性融資和外源性融資，因此融資約束對新能源產業全要素生產率產生的影響存在異質性。

2 實證設計

2.1 分位數回歸模型

采用OLS(普通最小二乘法)對面板數據進行估計只能度量“平均影響”而無法全面反應自變量X對因變量Y在不同條件分布上的影響，該估計方法存在一定的局限性，而分位數回歸能夠克服該局限性。因此，本文采取KOENKER等[19]提出的分位數回歸模型，探討在不同分布水平上，非技術成本及融資約束對新能源產業TFP的影響。下面具體解釋該模型

設隨機變量Y的分布函數見式(1)

F(y)=P(Y≤y)

(1)

則Y的第τ分位數Q(τ)定義見式(2)

Q(τ)=lnf(y∶F(v)≥τ)

(2)

式中：τ為回歸線以下的數據占比；y的整個分布被其分為2部分；(1-τ)為位于分位數Q(τ)以上的部分。對于任意的0<τ<1，則損失函數見式(3)

(3)

式中：u為參數;ρτ(u)為被解釋變量y處于τ分位上以及分位下的概率密度函數。設分位數回歸模型見式(4)

yi=xiβ(τ)+ε(τ)i

(4)

因此假定u=1，則τ分位的樣本分位數線性回歸β(τ)的求解轉化為最小化問題式(5)

(5)

代入損失函數后，即為最優解見式(6)

(6)

顯然，極端值的波動對分位數回歸的影響小于OLS回歸。因此，線性樣本分位數回歸中，給定x的τ分位數函數見式(7)

(7)

本文使用分位數回歸能夠更好探究不同分布水平上非技術成本和融資約束對新能源產業TFP的影響。

2.2 變量選取及模型設定

2.2.1 被解釋變量

全要素生產率(TFP)：用來衡量技術進步在生產中的貢獻，是資本、勞動、土地等生產要素投入量不變時，生產量仍能夠增加的部分[20]。本文借鑒魯曉東[21]等學者采用LP法測量新能源產業上市公司TFP，同時以OP法測量結果作為穩健性檢驗。

2.2.2 核心解釋變量

非技術成本(NTC)：非技術成本由土地租金、稅費、融資成本、前期的開發費以及“路條費”等外部成本構成。由于非技術成本的指標測量沒有明確的界定，同時對新能源產業而言研發支出構成技術成本，因此本文采取“余值扣除法”即從營業成本中剔除研發支出來衡量非技術成本。

融資約束(FC)：本文借鑒陳娟娟[22]、成力為等[23]將融資約束細分為外部融資約束與內部融資約束以更好探究融資約束對新能源產業全要素生產率的影響。內部融資約束采用企業現金存量占比來衡量。外部融資約束則參考HADLOCK[24]等學者采用SA指數來度量，當SA越大，企業受到的融資約束程度越嚴重。

2.2.3 控制變量

為更加準確的測量非技術成本與融資約束對TFP的影響，本文參照已有文獻，在計量模型中加入可能影響企業全要素生產率的其他變量具體包括：資產負債率(LEV)用上市公司總負債除以總資產衡量。企業盈利水平(ROA)用企業凈利潤與總資產比值衡量。資本密集度(CAPINT)用上市公司的固定資產與總資產的比值衡量。勞動力投入取對數(LnL)用上市公司年平均人數的對數衡量。另外，本文還控制了年份因素。

基于上述變量的分析，本文的計量模型設定見式(8)

(8)

式中：下標i為企業個體；下標t為企業年份；α為常數項；β為對應變量的估計參數；ε為隨機擾動項。被解釋變量為lnTFP(全要素生產率取對數)，NTC(非技術成本)、IFC(內部融資約束)、FC(外部融資約束)為核心解釋變量，其余為控制變量，包括LEV(資產負債率)、ROA(企業盈利水平)、CAPINT(資本密集度)、LnL(勞動力投入)以及year(年份效應)。

以上各變量的定義和說明詳見表1。

表1 變量符號定義及來源

2.2 數據來源與處理

本文以中國戰略性新興產業綜指指數為基礎，根據《戰略性新興產業分類(2018)》中的重點產品和服務及主營業務篩選出本文的初選樣本即145家新能源產業上市公司2010—2021年數據。數據來源于Wind數據庫和國泰安(CSMR)，部分缺失數據來自巨潮資訊網中上市公司的財務報表，通過手工整理獲得。對原始數據進行以下處理：剔除2010—2021年出現ST、ST*、PT的樣本，剔除金融公司，剔除所需變量存在缺失的數據，共得到12年936個觀測值。

具體各變量的描述性統計見表2。

表2 變量的描述性統計

3 實證結果及分析

3.1 全要素生產率及非技術成本趨勢分析

全要素生產率及非技術成本的趨勢分析(圖1)。圖1中2010—2021年新能源產業TFP整體處于逐步上升的趨勢，TFP平均值的最小值為8.47，最大值為9.37，新能源產業內各企業間TFP在均值8.82附近浮動，波動性不大。因此，新能源產業整體發展效率在波動上升。同時，新能源產業上市公司的非技術成本整體處于逐步上升的趨勢。對比2010年與2021年新能源產業上市公司的非技術成本，其數值由330千萬元左右上升至900千萬元左右。那么，非技術成本對全要素生產率存在什么影響？下面將通過實證進一步探究。

圖1 2010—2021新能源產業上市公司非技術成本與全要素生產率趨勢

3.2 整體估計

非技術成本及融資約束對新能源產業TFP影響的整體估計結果見表3。表3的第(1)列是OLS穩健性回歸，第(2)-(6)列為10%～90%分位數回歸。具體結果分析如下：

表3 整體估計

第一，核心解釋變量非技術成本(NTC)在OLS回歸和各條件分位點上的分位數回歸均顯著為正，非技術成本的二次項(NTC^2)在OLS回歸和各條件分位點上的分位數回歸均顯著為負，說明非技術成本與新能源產業TFP之間存在顯著的倒U型關系。從而使假設1得到了驗證。在分位數回歸中非技術成本二次項的估計系數整體呈上升趨勢，且低分位點(10%和25%)上的估計系數小于高分位點(75%和90%)，說明在TFP水平較高的企業，非技術成本與生產率之間倒U型關系更顯著。

第二，內部融資約束(IFC)在OLS回歸和各條件分位點上的分位數回歸均顯著為負，說明內部融資約束不利于新能源產業TFP的提升。從而印證了假設2。在分位數回歸中，內部融資約束在10%分位點的估計系數最大，且各分位點的估計系數呈遞減趨勢，說明內部融資約束對TFP較低的企業存在更強的抑制作用。

第三，外部融資約束(FC)在OLS回歸和各條件分位點上的分位數回歸均顯著未正，說明外部融約束可對全要素生產率產生促進作用，有利于新能源產業全要素生產率的提升。從而印證了假設2。在分位數回歸中，外部融資約束在10%分位點的估計系數最大，且各分位點的估計系數呈遞減趨勢，說明外部融資約束對生產率水平較低企業的促進作用大于生產率水平較高的企業。

第四，控制變量中，資產負債率、企業盈利水平以及勞動力投入均促進了企業TFP的提升，在OLS和分位數回歸中均顯著。資本密集度對企業TFP存在抑制作用，不利于企業生產率的提升。

3.3 產權性質的異質性

現有研究表明，對不同產權性質的企業，在數字金融的作用性、代理成本、企業管理模式等方面存在差異，為研究企業在不同產權性質下自變量對因變量影響的差異性，本文進一步劃分國有和非國有企業進行分組回歸，回歸結果見表4，其中列(1)(3)(5)(7)(9)(11)為國有企業的樣本回歸結果，列(2)(4)(6)(8)(10)(12)為非國有企業的樣本回歸結果。

表4 分產權性質估計

對比國有企業和非國有企業的回歸結果，可得出如下結論：

第一，非技術成本在OLS回歸和各分位點的分位數回歸均顯著為正。對于非技術成本的二次項，除位于90%分位點的國有企業外，估計系數在OLS回歸和各條件分位點上的分位數回歸均顯著為負。因此，非國有企業存在更顯著的倒U型特征。在分位數回歸中，非國有企業非技術成本的二次項在低分位點(10%和25%)上的估計系數小于高分位點(75%和90%)，說明在TFP水平較高的非國有企業，非技術成本與生產率之間倒U型關系更顯著。

第二，內部融資約束在非國有企業的OLS回歸和10%～90%分位點上的回歸均顯著為負，在國有企業中并不顯著，說明內部融資約束對非國有企業TFP存在更強的抑制作用，對比非國有企業各分位點的估計系數可以發現，TFP較低的企業(10%和25%分位點)更易受內部融資約束的抑制。

第三，外部融資約束在非國有企業的OLS回歸和各分位點上的分位數回歸均顯著為正，但在國有企業中，僅在TFP水平較低的企業(10%和25%分位點)顯著為正，綜合整體估計系數，外部融資約束對TFP較低的企業的促進作用更大。

第四，控制變量中，資產負債率、企業盈利水平、資本密集度和勞動力投入在非國有企業OLS和各分位點上的回歸都較為顯著，而國有企業僅資本密集度在OLS和各分位數點上的回歸顯著。

3.4 區域異質性

相關研究表明各省在市場化進程、金融發展水平等方面都存在差異，因此，本文按照東部和中西部兩大經濟區域劃分，進一步考察非技術成本和融資約束在不同地區對全要素生產率影響的差異性，回歸結果見表5。其中列(1)(3)(5)(7)(9)(11)為東部地區的樣本回歸結果，列(2)(4)(6)(8)(10)(12)為中西部地區的樣本回歸結果。

表5 區域異質性估計

對比東中西部地區新能源產業上市公司的回歸結果，可得出以下結論：

第一，非技術成本在東部地區和中西部地區的OLS回歸和各分位點上的分位數回歸均顯著為正，說明非技術成本有利于東中西部地區TFP的提升。且對比東部和中西部的估計系數發現，非技術成本的促進作用在中西部地區更顯著。對于非技術成本的二次項，東部地區和中西部地區的OLS回歸和各分位點上的分位數回歸均顯著為負，說明在東部和中西部地區，倒U型特征顯著。同時，對比東部和中西部地區，中西部地區存在更顯著的倒U型特征。另外，對東部地區而言，倒U型特征在TFP水平較高(75%和90%分位點)的企業更顯著。對中西部地區而言，倒U型特征的顯著性呈現先上升后下降的趨勢。

第二，內部融資約束在東部地區的OLS回歸和各分位點上的分位數回歸均顯著為負，說明內部融資約束不利于東部地區生產率的提升，且內部融資約束對TFP水平低(10%和25%分位點)的企業存在更強的抑制作用。而在中西部地區，內部融資約束在OLS回歸和50%、10%分位點上顯著。

第三，外部融資約束對中西部地區的OLS回歸和各分位點上的分位數回歸均顯著為正，且外部融資約束對TFP水平低(10%和25%分位點)的企業存在更強的促進作用。在東部地區，除位于90%分位點外，東部地區的OLS回歸和各分位點上的分位數回歸均顯著為正。對比東部及中西部地區發現，相比東部地區，外部融資約束對中西部地區生產率的促進作用更大。

第四，控制變量中，資產負債率的升高顯著促進了東部和中西部生產率的提升，企業盈利水平對中西部的促進作用強于東部地區，資本密集度對東部地區的抑制作用強于中西部地區，勞動力投入總體上對東中西部地區存在顯著的促進作用。

3.5 穩健性檢驗

3.5.1 更換因變量全要素生產率衡量方式回歸

在本文的實證分析中全要素生產率采用LP法測量，為確保實證的可靠性，更換全要素生產率的測量方法即采用OP法測量結果進行回歸，發現非技術成本與TFP之間倒U型特征顯著，同時內部融資約束不利于生產率的提升，外部融資約束顯著促進生產率的提升，與前述結果保持一致。因此，上述結果具有穩健性。

3.5.2 改變樣本量的分組回歸

根據東部地區和中西部地區分組回歸的結果可以發現，東部和中西部地區在OLS回歸和各分位點上的分位數回歸均顯著為正，在非技術成本的二次項中，東部地區和西部地區的OLS回歸和各分位點上的分位數回歸均顯著為負。同時，東部和中西部地區的內部融資約束與外部融資約束TFP的影響均顯著。此外，本文采取隨機抽樣的方式，隨機抽取了樣本的80%并在此基礎上進行回歸，實證結果依舊一致。

3.5.3 數據再處理回歸

為解決內生性問題，本文將自變量非技術成本、內部融資約束及外部融資約束的數據滯后一期，進一步檢驗各自變量對TFP的影響。結果顯示，滯后一期的非技術成本和內外部融資約束與TFP之間的關系仍然顯著，原結論具有穩健性。

4 研究結論與建議

4.1 結論

本文在OLS回歸的基礎上采用分位數回歸模型，利用新能源產業上市公司的數據，從整體產業、產權性質、地區差異性多層面探究了非技術成本和內外部融資約束對新能源產業全要素生產率的影響。結果表明：首先，一定程度的非技術成本能夠促進全要素生產率的提升，但當非技術成本達到一定臨界值后，卻呈現了阻礙新能源產業發展的現象。從異質性回歸結果看，該特征在非國有企業及中西部地區更顯著。其次，內部融資約束不利于新能源產業全要素生產率的提升，該抑制作用對非國有企業及生產率水平較低的企業更顯著，同時，內部融資約束對東部地區全要素生產率的抑制作用明顯高于中西部地區。最后，外部融資約束對全要素生產率存在顯著的促進作用，該促進作用在非國有企業和生產率水平較低的企業中更顯著，同時，相比東部地區，外部融資約束對中西部地區的促進作用更大。

4.2 建議

第一，實施精準化政策降低非技術成本。首先，企業應加強與政府間的溝通和聯系以便更好了解新能源產業發展現狀。在了解行業現狀的基礎上，政府應制定并出臺具有針對性的政策。其次，在中西部差異性分析中非技術成本對中西部地區存在更顯著的抑制作用，因此應制定差別化的土地政策，對中西部地區擴大土地稅費優惠力度，進一步支持西部地區補短板，強弱項。最后，為降低非技術成本中“路條費”，還應降低稅收優惠的申請成本，簡化審批程序，提高審批效率。

第二，擺脫融資約束助力研發創新。在研發創新的過程中國有企業及非國有企業均會面臨融資約束。企業內部融資成本低且更易獲得，因此企業在進行研發創新時，往往會優先選擇內部融資來解決資金缺口，但對于生產率水平較低的企業以及一些非國有企業，它們在行業競爭中易處于劣勢地位，因此前期積累的少量現金流很難投入新的生產和創新活動。對該類企業應減少內部融資，更多依靠外部融資渠道。同時，現有金融機構對非國有企業及小規模且生產率低的企業研發投入的支持力度不大，從而導致外部融資約束對其創新行為的影響相比其他企業更顯著。因此，政府應率先給予非國有企業和中小企業更大的資金投入，通過信號傳遞機制和政策機制號召更多的金融機構為其研發創新活動提供保障，實現融資成本最小化，從根本上解決融資難問題，以期促進全要素生產率的提升。

第三，利用產業金融手段推動產業發展。一方面應設法擴充產業資金融匯渠道，實現多條腿向前進，利用融資平臺，通過專項資金、眾籌資金、低息貸款等收入降低成本。另一方面應充分利用互聯網背景下逐漸多元化的金融工具。多元金融工具的使用可以優化股權結構，為產業發展提供足夠的資金支持，緩解融資約束問題，從而促進企業核心技術研發。比如碳金融市場可通過提升可再生能源發電規模，促進企業技術創新。因此，未來可依托碳金融市場拓寬可再生能源企業的融資渠道。另外，還可以利用數字普惠金融，豐富融資途徑，助力新能源產業的發展。