產業政策提升數字企業的全要素生產率了嗎？

李平，李同舟，董 康

（1.中國社會科學院數量經濟與技術經濟研究所，北京 100732；2.中國社會科學院項目評估與戰略規劃研究咨詢中心，北京 100732；3.中國社會科學院大學 商學院，北京 102488；4.四川省社會科學院 經濟研究所，成都 610072）

一、引言

作為新一輪科技革命和產業變革的重要推動力量，數字技術的應用與創新愈發成為大國博弈和全球競爭的關鍵支點，將進一步在世界經濟與科技競爭中發揮至關重要的作用。黨的二十大報告中提出要加快發展數字經濟，促進數字經濟和實體經濟深度融合，強調要加快建設現代化經濟體系，著力提高全要素生產率。在全球數字競爭愈發激烈的背景下，發達國家密集出臺支持數字經濟發展的各類政策，試圖鞏固和提升現有優勢，搶占未來科技發展先機。對中國而言，盡管在發展數字經濟方面取得了一定成就，例如，2022 年我國數字經濟規模達50.2 萬億元，占GDP 的41.5%。①數據來源于國家互聯網信息辦公室發布的《數字中國發展報告（2022 年）》。但也存在數字企業科技創新能力不足、關鍵核心技術受制于人、對國內大市場較為依賴等突出問題，數字經濟發展的“質”亟待進一步提升。因此，發揮好我國特有的制度優勢，借助有效的政策手段推動數字企業形成核心技術優勢、有效提高全要素生產率，既是提高我國數字經濟發展水平的重要方式，也是搶占未來科技制高點、促進中國式現代化發展的應有之義。

近年來，數字經濟一直是學術界關注的熱點問題，眾多學者從不同角度明確了數字經濟所發揮的的各項作用，充分肯定了發展數字經濟的重要價值和意義。然而，關于如何提升數字經濟的發展水平，現有研究多是基于機理路徑的定性研究，缺乏從實證角度定量探索究竟哪些因素能夠有效促進數字經濟的發展。數字經濟作為一種新興經濟形態，技術較為密集且更新迭代迅速，市場需求和演進方向具有高度的不穩定性和不確定性，需要一定力度的政策扶持以幫助其發展興盛（郭克莎，2019）。各級政府目前正積極作為，出臺了包括數字基建、稅收優惠、研發補貼和技能培訓等一系列政策，旨在支持企業數字化轉型、推動數字行業發展興盛，這也引發部分學者從產業政策視角展開定量研究。秦文晉和劉鑫鵬（2022）以“寬帶中國”試點作為準自然實驗，實證檢驗了網絡基礎設施建設對發展數字經濟的促進作用。鄧峰和楊國歌（2021）發現，固定資產加速折舊政策能夠通過緩解融資約束來提升數字企業的創新效率，且對中小規模和國有數字企業作用更為明顯。黃華等（2022）從政策環境角度出發，驗證了數字產業的政策環境對企業創新行為的促進作用。還有學者從政策比較的角度，探索不同類型的產業政策對數字經濟創新的異質性影響（余長林等，2021）。產業政策是推動數字經濟發展的重要變量，會對數字經濟主體的生產活動和經營決策帶來深遠影響，但當前研究僅涉及前者對后者創新的作用，研究視角頗為單一。科技創新的目的是為了推動生產力發展、提高效率水平，因此在研究產業政策對數字經濟的作用時，效率尤其是全要素生產率也是需要考量的重要因素，但目前尚未有學者對此展開探索。

基于此，本文從微觀企業角度入手，采用手工收集的數字行業上市企業2007—2020 年的各項財務數據，實證檢驗政府補貼、稅收優惠、信貸支持和市場準入四類產業政策對于數字企業全要素生產率的影響，并對不同產權、規模和生命周期的數字企業進行異質性分析，最后進行作用機制檢驗。本文的邊際貢獻在于：①鑒于目前針對產業政策影響數字經濟發展的研究尚不充分，探索性地從全要素生產率視角研究了產業政策對數字企業的作用效果，一定程度上彌補了現有研究的缺憾；②從正反兩個方面分析了不同類型產業政策對數字企業的作用機理，深化了對產業政策的理解與認識；③通過對比分析不同產業政策的作用情況，并進行不同產權、規模和生命周期數字企業的異質性分析，可以明確各類產業政策在不同情況下對數字企業全要素生產率的作用效力，能夠為政府制訂更為精準的產業政策提供借鑒參考。

二、理論分析與研究假設

產業政策作為國家對于產業發展和結構調整進行干預的各類政策總和，具有鮮明的調控和培植作用，尤其是在以數字行業為代表的新興產業領域，產業政策發揮著扶持初創企業（周文斌和后青松，2021）、促進企業創新（陳雄輝等，2020；Wang et al，2022）、降低經營風險（鄧峰等，2021；董鴻源和袁潮清，2023）、推動多方合作（李文鶼等，2021；周曉陽等，2022）等多個方面的重要作用。但與此同時，產業政策若使用不當也會對數字企業的經營績效帶來負面影響（Riccardo et al，2023），造成市場扭曲和不公平競爭加劇，引發資源錯配、重復建設和產能過剩等一系列問題（陳小亮和陳彥斌，2019），不利于數字行業的良性發展。由此可見，借助產業政策促進數字經濟發展并非易事，必須深入剖析產業政策對數字經濟主體的作用機制，合理評估各類政策的實施狀況和作用效力，才更有助于發揮好產業政策的推動作用，避免和減少因政策設計和實施不當帶來的負向影響。此外，根據黎文靖和李耀淘（2014）、余明桂等（2016）的研究，產業政策大致包括市場準入、特許經營權和環保規制等直接干預類，以及資金支持、研發費用加計扣除和政府采購等間接引導類。考慮到具體產業政策對于數字經濟發展的重要程度及數據的可得性，本文選取并考察政府補貼、稅收優惠、信貸支持和市場準入四類產業政策對數字企業全要素生產率的影響。

全要素生產率是對經濟增長質量和技術進步狀況的衡量，也是近些年我國在發展過程中反復強調的重要指標。企業全要素生產率的提高主要源于創新能力的提升和資源配置效率的改善，尤其對于知識與技術高度密集的數字企業而言，創新能力的高低是影響其全要素生產率的關鍵因素。本文重點從創新能力和資源配置效率兩個維度分析四類產業政策對數字企業全要素生產率的影響。

政府補貼是我國應用十分廣泛的一類產業扶持政策，一直受到產業界和學界的重點關注。政府補貼可以為數字企業的創新活動提供資金支持，增加其研發投入并與之共擔創新風險，從而激發出數字企業的創新積極性，有助于數字企業創新能力的提高。與此同時，政府補貼可以傳遞出政府認可數字行業的發展前景這一重要信號（Li et al，2019），會吸引資金資源大量涌入推動數字行業發展壯大。行業規模的擴張一方面會增加數字企業可利用創新資源的數量；另一方面則會引發行業內競爭烈度的增加。為了在激烈競爭中獲得生存和發展空間，數字企業必須加大創新研發力度，以增強自身競爭力并獲取超額利潤（王宏偉等，2022），從而進一步通過創新能力的提升來提高自身全要素生產率。但從另一角度看，政府補貼也可能帶來負向影響，引發企業的“偷懶”和尋租行為，還會致使部分企業“沉溺于”低質量的創新研發中（黎文靖和鄭曼妮，2016），從而導致擠出效應、資源錯配等一系列降低企業全要素生產率的問題出現（Howell，2017）。

基于此，本文提出假設1：

政府補貼有可能促進數字企業全要素生產率的提升（H1）。

稅收優惠作為政府引導產業發展的核心政策工具，也是影響數字企業全要素生產率的重要因素。稅收優惠可以通過增加數字企業凈利潤的方式改善企業財務狀況，使其擁有更多資金投入創新研發，從而帶來對數字企業的創新激勵效應。稅收優惠可以通過引導資源的流向，促使數字企業將有限的資源朝著政策所倡導的高效率領域投入，進而改善資源配置效率，減少數字企業的非效率投資（Rego and Wilson，2012）。此外，根據賀炎林等（2022）的研究，稅收優惠的一部分會用來提高員工薪酬和增加員工職業培訓，這在一定程度上可以激發員工的工作積極性并提高員工的技能水平，從而可以通過提高人力資本水平的方式提升企業全要素生產率（鄭寶紅和張兆國，2018）。但與此同時，稅收優惠也無法避免對數字企業全要素生產率的負向影響，原因同政府補貼較為類似，政策尋租、資源錯配和道德風險等問題的存在可能導致政策的實際效果背離初衷。

基于此，本文提出假設2：

稅收優惠有可能促進數字企業全要素生產率的提升（H2）。

信貸支持是指政府幫助企業獲得銀行信貸的一類產業政策，會對企業的投融資活動產生重要影響。對于創新性強、技術含量高的數字企業而言，融資約束是影響其創新投入的重要因素，而創新又是一個長期且持續的過程，因而銀行信貸這一穩定性強、持續性好的融資渠道顯得尤為重要（鄭世林等，2023）。一方面，信貸支持可以提高數字企業的銀行信貸可得性，幫助其緩解融資約束，減少企業為獲取信貸資金而產生的非生產性投入，有助于數字企業更專注于生產經營和創新從而提高全要素生產率；另一方面，信貸支持能夠幫助數字企業獲得一定額度的低息貸款，降低企業的資金使用成本，增加其在創新研發方面的可用資金，進而有利于數字企業創新能力的提高。此外，缺乏穩定的融資渠道是我國多數企業所面臨的突出問題，進而對企業的創新活動帶來了不利影響（馬光榮等，2014），這也更加凸顯了信貸支持對于數字企業發展的重要價值。

基于此，本文提出假設3：

信貸支持能夠促進數字企業全要素生產率的提升（H3）。

市場準入直接影響某一行業的市場競爭強度，是干預性較強的一類產業政策。市場準入政策可以通過降低審核門檻的方式促使更多企業進入數字行業，提高數字行業的競爭程度。在競爭壓力下企業的創新動力得到激發，行業的創新活力也進一步提升，從而有利于數字企業的技術創新（余長林等，2021）。放寬數字行業準入限制能夠減少各種形式的不合理限制和隱性壁壘，使各類要素進出流動更為自由，從而促進資源的高效率配置，有助于數字行業整體全要素生產率的提升。但與此同時，市場競爭的加劇也會強化數字企業的危機意識，促使企業進行多領域投入和超前布局，以期找到新的風口“先下手為強”，在未來競爭中搶占先機。由于數字行業具有知識、技術密集度高的顯著特征，投資金額大、研發風險高，企業若競相采用擴張性手段不斷開辟新領域，很可能導致過度投資行為的出現（章琳一和張洪輝，2015），從而給數字企業帶來效率損失。

基于此，本文提出假設4：

市場準入有可能促進數字企業全要素生產率的提升（H4）。

三、研究設計

（一）樣本選擇與數據來源

本文以2007—2020 年我國滬深A 股數字行業上市企業為研究樣本，根據證監會2012 版行業分類，選擇計算機、通信和其他電子設備制造業、電信、廣播電視和衛星傳輸服務業、互聯網和相關服務業、軟件和信息技術服務業四類行業中的上市企業作為研究樣本，并依據下述原則進行數據剔除：①剔除special treatment（ST）類公司；②剔除關鍵數據缺失較嚴重的企業；③剔除成立年限不滿五年的企業，最終獲得了總計1995 個樣本觀測值。此外，為避免異常值的干擾，對樣本數據進行2%的雙邊縮尾處理。文中所需的所有數據均源于國泰安（CSMAR）數據庫。

（二）變量定義與說明

1.被解釋變量

對于全要素生產率的測算，目前學術界應用較廣的方法包括索洛余量法、固定效應法、Levinsohn-Petrin方法（LP 法）、Olley-Pakes 方法（OP 法）、數據包絡分析法（DEA）和廣義矩方法（GMM）等。不同方法的優劣勢各有差異，例如，固定效應估計值無法體現時間變化信息，OP 法雖然能較好地解決內生性問題但要求投資非負，GMM 法對于樣本數據的要求較高等（魯曉東和連玉君，2012）。本文同時選擇LP、OP 和GMM 三類方法對數字企業的全要素生產率進行測度，以便于進行后續回歸結果的比較，避免因測度方法本身的局限性影響結論的穩健。

2.解釋變量

（1）政府補貼。政府補貼反映政府部門對企業的資金支持力度，本文借鑒孔東民等（2013）的處理方法，從企業財務報表附注的營業外收入中選擇“政府補助”一項，并將其除以總資產以消除公司規模的影響，以此來衡量政府補貼。

（2）稅收優惠。當前學術界對稅收優惠政策的衡量大體可分為直接和間接兩種方式，前者多以企業收到的稅費返還來衡量，后者多以企業實際稅率來指代。由于間接衡量需對企業原始數據做更多處理，為盡可能減少因數據處理計算所帶來的誤差與信息損失，本文借鑒柳光強（2016）的做法，以企業“收到的各項稅費返還總額/總資產”來代表稅收優惠。

（3）信貸支持。信貸支持對于企業降低融資成本、增強流動性具有十分關鍵的意義。參考Aghion 等（2015）的研究，以“利息支出/流動負債”代表企業的借貸利率，并將行業的平均借貸利率減去企業的借貸利率，該差值越大，說明企業獲得的信貸支持力度越大。

（4）市場準入。截至目前，學術界對于行業準入的衡量并沒有一個公認的指標，代表性的研究中多以行業競爭強度進行表征。本文借鑒陳志斌和王詩雨（2015）的處理方法，以行業主營業務利潤率標準差的倒數進行衡量。該值越大，表明行業內企業的競爭強度越大，市場準入門檻越低。

3.控制變量

根據數字企業的基本特征，結合錢雪松等（2018）、陳熙和朱玉杰（2021）等相近研究的做法，選擇企業年齡（Age）、總資產（Size）、總資產利潤率（ROA）、資產負債率（Lev）、資本密集度（Asset）、第一大股東持股比例（Top1）、托賓Q（TobinQ）作為本文的控制變量。

（三）模型設定

為檢驗四類產業政策對我國數字企業全要素生產率的影響，構建如式（1）基準回歸模型。

其中：lnTFPjt為數字企業j在t年全要素生產率的對數值；Subjt為政府補貼；TaxPjt為稅收優惠；Loanjt為信貸支持；Marjt為市場準入；Controljt為一系列控制變量；μj、μr、μt分別指企業、地區和時間固定效應；εjt為隨機干擾項；β為待估系數。

（四）描述性統計

表1 報告了主要變量2007—2020 年的描述性統計結果。可以發現，由三種方法測算出的數字企業全要素生產率具有不小的差異性，采用LP 方法估計出的全要素生產率均值要顯著高于使用OP 和GMM 方法的估計值，說明采取不同方法進行全要素生產率的測算和計量結果對比是必要的。產業政策對不同數字企業的作用力度也差異較大，以政府補貼為例，個別企業獲得的補貼額達到了其總資產的18.1%，而另一部分企業得到的政府補貼相比其總資產幾乎可以忽略不計。此外，四類產業政策的均值和標準差顯著不同，說明不同產業政策的實施狀況存在一定的差異性，可能會對數字企業的全要素生產率帶來異質性影響。

表1 變量的描述性統計

四、實證分析

（一）基本回歸

表2 報告了四類產業政策對數字企業全要素生產率的回歸結果。在控制了一系列控制變量及企業個體、年份和省份固定效應之后，結果顯示，信貸支持顯著促進了數字企業全要素生產率的提升，在通過三種方法測算出的TFP 的回歸當中回歸系數均在1%的水平下顯著為正。市場準入則帶來顯著的負向效應，政府補貼和稅收優惠對數字企業全要素生產率的影響并不顯著，假設H3 得以驗證，假設H1、假設H2 和假設H4 則未能得到證實。究其可能的原因，相較于計劃經濟色彩殘留、“尋租空間”相對較大的政府補貼和稅收優惠政策而言，市場傾向性更強的信貸支持政策有利于企業聚焦于主業經營與企業發展，降低企業在政策尋租和利益游說中的資源投入，從而在促進數字企業的全要素生產率方面更具優勢。此外，企業在不同年份獲得的政府補貼和稅收優惠可能差異較大，而信貸支持作為解決企業融資問題的重要工具，在政策的連續性和穩定性方面相對更優，能幫助企業獲得更加可靠的現金流來源，故而對于數字企業的效率提升作用更大。

表2 基本回歸結果

市場準入政策的回歸結果表明，更低市場門檻、更具競爭性的市場環境不利于數字企業全要素生產率的提升。細究后發現，區別于傳統企業邊際成本先遞減后遞增的一般規律，以互聯網服務為代表的數字企業，在完成高額固定成本投入之后便具有顯著的低邊際成本特征，能夠以接近于零的成本無限擴增其產量、持續降低長期平均成本。在這種規模報酬遞增的狀態下，數字企業的生產效率必然與企業規模成正比，這顯然會壓縮小企業的生存空間，使得完全競爭難以實現（荊文君和孫寶文，2019；陳曉紅等，2022）；此外，市場競爭過于激烈可能引發數字企業的過度投資行為，尤其是在新風口出現的早期階段，燒錢補貼、跑馬圈地的現象屢見不鮮，數字企業之間的競爭更像是一場你死我活的零和博弈。這顯然會造成巨大的市場投入，導致數字企業“透支過度”，給企業帶來效率損失。劉亭立等（2019）和高粼彤等（2022）對新興產業的研究也對此有所印證。因此，市場準入政策更加考驗政府對公平和效率的兼顧，既要推動構建一個公平高效、充滿活力的有序市場，又要對數字企業“蹭熱度”“擠風口”式一擁而上的市場行為進行合理調節，緩解企業的過度投入和資源浪費，從而促進數字企業全要素生產率的提升。

（二）異質性檢驗

1.產權異質性

產權性質是影響企業獲得政策支持的一個重要變量，產業政策所帶來的政府“軟預算約束”和“所有制歧視”問題曾一度引發學術界的廣泛探討（林毅夫等，2004；劉瑞明，2011）。故根據數字企業的產權性質進行分組回歸。表3 報告了基于產權異質性的回歸結果，可以發現，四類產業政策對于國有數字企業的全要素生產率增長并無明顯的促進作用，在通過三種方法測算的TFP 的回歸當中各回歸系數均不顯著。非國有數字企業的回歸結果則與全樣本結果保持一致，信貸支持和市場準入政策分別發揮了正向和負向的影響作用。可能的原因在于，產業政策多以緩解融資約束的方式來幫助企業經營發展，而國有企業因其有著更為緊密的政商關聯，獲取政府資金支持的機會更多，面臨的融資約束更小，故而對于產業政策的需求普遍不及非國有企業那般迫切，對政府支持資金的利用也可能會更加粗放和低效。而非國有企業由于缺乏某種意義上的“保護”，面臨的市場競爭壓力更大，必須將有限的資源聚焦于企業的生存和發展，對于產業政策的利用效率可能更高。此外，相較于擁有更多自主決策權的非國有企業而言，國有企業雖然受到了更多的政策幫扶，但也面臨著更多來自于政府的決策干預，違背效率原則的經營決策時常出現。這可能會扭曲國有企業的資源配置效率，不利于其全要素生產率的提升；另外，國有企業憑借其特殊的市場地位，所處的競爭環境相對寬松，因市場競爭壓力而進行過度投資的情況顯然較少。非國有企業由于處于競爭第一線，開辟新領域、尋找新機遇的動力更強，出現過度投資的概率更大，故而市場準入對于非國有企業的負向影響更為顯著。

表3 基于產權異質性的回歸結果

2.企業規模異質性

企業規模往往與企業的市場影響力和資源充裕度強相關，這會使得不同規模的企業對于產業政策的需求程度和利用狀況不盡相同，因而也是影響產業政策作用效果的一個重要因素。本文借鑒鄧峰等（2021）處理數字企業的做法，依據企業員工人數進行規模劃分，按人數是否大于2000 人分為大企業和中小企業兩類，分組回歸的結果見表4。總體上看，信貸支持對于中小數字企業全要素生產率的提升作用明顯，市場準入對兩類數字企業的全要素生產率均帶來負向影響，但對大企業的作用顯著性更強。部分原因在于，相較于多憑借規模優勢占領市場的大企業而言，組織決策高度靈活、對市場需求十分敏感的中小企業往往更具創新活力，期望憑借產品服務創新和效率提升來獲得進一步發展的機會（王孝松和張瑜，2021）。但受制于風險承擔能力低、可利用資源有限，中小企業的融資約束相對較高，但對于信貸支持往往更為倚重。而大企業的抗風險能力往往更強，獲取資源資金的渠道更廣，信貸可得性要優于中小企業，對于信貸支持政策的敏感程度可能不及前者；另外，根據前文的分析，排斥競爭性過強的市場環境是數字企業的普遍特征，尤其是對大企業而言，保持規模優勢、維護市場地位的優先級顯然更高，故而對于市場準入更加敏感。

表4 基于企業規模的回歸結果

3.企業生命周期異質性

根據企業生命周期理論，處于不同生命周期的企業在資源約束、目標戰略和發展穩定性等方面迥然相異，對于產業政策的需求很可能存在較大差異性。本文以企業年齡中位數為界線，將數字企業劃分為成長期和成熟期兩種類型并進行分組回歸。表5 的回歸結果顯示，四類產業政策中，信貸支持顯著促進了成長期數字企業全要素生產率的提升，市場準入則對成熟期數字企業的全要素生產率起到顯著的抑制作用，其余產業政策的效果均不顯著。究其可能的原因，對于成長期數字企業而言，開疆拓土、搶占市場是這一階段主要任務，故而對外部資金有著巨大的需求。但此時企業的投資風險較高，面臨的資金成本較大，融資渠道也較為有限。信貸支持政策能夠為其提供成本較低、相對穩定的現金流來源，幫助其緩解融資約束，支持企業的生產經營和研發創新，有助于提高其全要素生產率。而成熟期數字企業的業務模式和發展框架基本成型，面臨的融資約束相對更小，更為注重其市場地位的穩固，對于鼓勵競爭的市場準入政策具有一定的排斥性，這可能導致了市場準入對其全要素生產率的負向影響。

表5 基于企業生命周期異質性的回歸結果

（三）穩健性檢驗

1.調整樣本年度區間

考慮到2008 年金融危機和2020 年新冠疫情所帶來的外生沖擊，可能會對數字企業的經營運轉帶來某些不利影響，影響估計結果的穩健性，故將樣本的年度區間調整為2010—2019 年進行再次估計。表6（1）～（3）列的結果顯示，調整后的估計結果與之前保持一致，研究結論保持穩健。

表6 穩健性檢驗結果（樣本區間、替換解釋變量）

2.替換解釋變量

有別于政府補貼、收稅優惠和信貸支持，市場準入本身具有一定的爭議性，不同學者對市場準入的衡量方法差別較大，僅用行業利潤率進行衡量可能影響結論的穩健性。本文引入赫芬達爾指數（HHI）替換原有解釋變量，對市場準入政策進行重新表征。赫芬達爾指數公式為HHI=∑(Xi/X)2，其中Xi為數字行業中企業i的收入；X為行業總收入。HHI指數越大，表明該行業競爭程度越低，市場門檻越高。根據表6 的（4）～（6）列的結果，替換后的回歸結果同之前一致，HHI指數與數字企業全要素生產率顯著正相關，研究結論保持穩健。

3.解釋變量滯后處理

考慮到產業政策從開始實施到發揮作用也存在一定的時滯，可能不會對數字企業全要素生產率的提升起到立竿見影的效果，故將解釋變量滯后一期進行再度估計，表7 的估計結果同之前依然保持一致。

表7 穩健性檢驗結果（解釋變量滯后處理）

4.更換回歸估計方法

為保證結果的可靠性，同時在一定程度上緩解內生性問題，本文借鑒宋敏等（2021）的處理方法，采用系統GMM 法對加入TFP滯后項的動態面板模型進行重新估計。在通過了二階序列相關檢驗AR（2）與過度識別約束檢驗（Hansen 檢驗）后，表8 的回歸結果再次驗證了之前結論的穩健性。

表8 穩健性檢驗結果（更換回歸估計法）

五、機制分析

前文驗證了信貸支持和市場準入對數字企業全要素生產率的影響作用，為進一步探索影響政策效力的關鍵因素，明確兩類產業政策的具體作用路徑，進而進行機制檢驗與分析。

根據前文的理論分析，信貸支持能夠通過緩解融資約束的方式促進數字企業全要素生產率的提升，而市場準入則會引發數字企業的過度投資從而帶來效率損失，故分別從融資約束和信貸支持兩個方面，構建中介效應模型分別進行機制檢驗，模型為

其中：Policyjt為產業政策，包括信貸支持Loanjt和市場準入Marjt，政府補貼與稅收優惠則納入控制變量當中；Medjt為中介變量，包括融資約束FCjt和過度投資Overinjt，前者采用體現影響因素最為全面的WW 指數來衡量（苗苗等，2019），后者借鑒Richardson（2006）的研究，通過構建投資期望模型對數字企業的過度投資進行估計，模型如式（4）所示。

其中：Investjt為數字企業j在t年的新增投資支出；Growjt-1、Levjt-1、Cashjt-1、Agejt-1、lnSizejt-1、Retjt-1和Invjt-1分別為數字企業j在t-1 年的TobinQ增長率、資產負債率、現金保有量、企業年齡、企業規模的對數值、股票收益率和投資支出；α為待估系數。以投資期望模型回歸后的殘差項（僅正值）作為對數字企業過度投資Overinjt的衡量。

（一）信貸支持機制-融資約束

表9 報告了融資約束中介效應的檢驗結果：信貸支持顯著降低了數字企業的融資約束程度（Loan的系數為-0.0904，10%水平下顯著），而融資約束對數字企業全要素生產率有明顯的抑制作用，說明中介效應成立，信貸支持通過降低數字企業的融資約束來提高其全要素生產率。Sobel檢驗結果也確保了結論的穩健性（Z值都在1%水平下顯著）。數字技術的持續升級和快速迭代決定了數字企業需要不斷加大技術創新投入以確保自身競爭優勢，而信貸支持所帶來融資約束的改善意味著數字企業能夠緩解資金不足的問題，并可以輕裝上陣，更加聚焦于研發創新，從而更有可能實現技術升級和效率提升。

表9 機制檢驗結果（信貸支持機制）

（二）市場準入機制-過度投資

市場準入機制的檢驗結果見表10。由結果可知，市場準入加劇了數字企業的過度投資行為（系數為0.0855，10%水平下顯著），過度投資對數字企業的全要素生產率起到顯著的抑制作用，且Sobel 檢驗均通過，中介效應成立。數字行業具有企業競爭烈度大、技術研發難度高的顯著特點，數字企業必須不斷探索新領域并提早布局才更有助于應對競爭對手的挑戰。市場準入則會提高數字行業的市場競爭強度，激發數字企業的“搶占先機”和“攀比動因”（劉亭立等，2019），加劇企業的過度投資行為，降低資金的配置效率，從而給數字企業帶來效率損失。

表10 機制檢驗結果（市場準入機制）

六、結論與建議

本文基于手工收集的2007—2020 年中國數字行業上市企業的相關數據，采用三種方法對數字企業的全要素生產率進行測算，實證檢驗了政府補貼、稅收優惠、信貸支持和市場準入四類產業政策對數字企業全要素生產率的作用效果，并進行基于企業產權、規模和生命周期的異質性分析，最后進行機制檢驗。研究發現：①四類產業政策中，信貸支持顯著促進了數字企業全要素生產率的提升，市場準入則起到顯著的負向作用，政府補貼和稅收優惠對數字企業全要素生產率的增長無明顯效果。②產業政策對數字企業全要素生產率的影響存在顯著的異質性，具體表現為產業政策對國有數字企業的全要素生產率無顯著影響，對非國有數字企業的作用情況與全樣本保持一致；信貸支持顯著促進了成長期數字企業全要素生產率的提升，市場準入則對成熟期數字企業的全要素生產率起到顯著的抑制作用；信貸支持對于中小數字企業全要素生產率的提升作用明顯，市場準入對大企業的負向影響更為顯著。③機制檢驗結果表明，信貸支持通過緩解數字企業的融資約束來提高其全要素生產率，市場準入加劇了數字企業的過度投資從而對其全要素生產率帶來負向影響。因此，為更好地發揮產業政策對數字企業的促進作用，盡可能提高數字企業的全要素生產率，本文提出如下政策建議：

（1）加大對數字行業的信貸支持力度，把握好政策工具的實施方向和重點。由于信貸支持政策顯著促進了數字企業全要素生產率的提升，因而針對數字行業應更為重視與信貸優惠相關的政策設計，發揮好信貸支持對數字企業的效率提升作用。要以激勵創新作為政策出發點，加強對創新型數字企業的支持力度，鼓勵企業通過研發創新實現全要素生產率提升，降低創新性不足的數字企業優惠信貸可得性。要提高信貸支持政策的針對性和精準度，進一步加大對非國有數字企業的支持力度，重點扶持處于初創期、規模較小和創新性強的數字企業。考慮到此類企業一般具有高風險特征，銀行信貸可得性較差，政府可酌情適度給予政策性擔保支持，增加企業獲得商業性信貸的機會。還應進一步優化對國有數字企業信貸支持的力度和方式，合理施用有限的政策資源，引導和激勵國有企業加強技術研發和創新投入，增大國有數字企業借助創新提高全要素生產率的內生動力。

（2）調節數字行業競爭烈度，健全公平競爭制度規則。針對過度競爭對數字企業所帶來的效率損失問題，應當進一步強化對數字行業的市場規制，通過規則健全和制度完善對過度和無序競爭行為進行監管調節。要健全市場準入制度，將提升數字企業供給質量與規范行業入場秩序相結合，逐步建立各類數字行業的準入標準，限制產品和服務不合規、不達標的企業進入市場運行，引導數字企業提供安全、便利、優質和規范的數字產品及服務。完善數字經濟公平競爭監管制度，構建全鏈條全流程全領域監管框架，明確反公平競爭行為的判別標準，強化對行業頭部企業的市場監管，推動形成自由公平競爭的市場秩序。進一步健全數字競爭規則，為數字企業提供清晰明確的規則指引，依法依規管控企業過度競爭、損害競爭的市場行為，努力構建有序、有度、有活力的市場競爭環境。

（3）多措并舉優化政策實施方式，提高產業政策作用效力。鑒于政府補貼和稅收優惠目前未能有效提升數字企業的全要素生產率，因此要進一步增加政策設計的科學性、政策覆蓋的精準性和政策使用的合理性，努力實現制定政策的預期目標。要進一步厘清不同數字行業的主要特點，進而實施差異化的產業政策，提升政策的針對性和靈活性。要提高政府對數字企業的資質認證能力，加強對申請產業政策支持企業的資質審核，對創新意愿強、發展潛力大和行業前景好的數字企業進行有效甄別，盡可能保證“好鋼用在刀刃上”。要健全補貼資金使用監督機制，確保獲補數字企業資金使用合理合規，提升補貼資金的作用效力。還應進一步完善如研發費用加計扣除等稅收優惠政策的政策設計，優化申請審批流程，提升政策實施效率，合理加大對初創期數字企業的政策傾斜。