（1.上海對外經(jīng)貿(mào)大學 國際經(jīng)貿(mào)學院，上海 201620；2.廈門大學 經(jīng)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(chuàng)新規(guī)劃》，到2017年初，為貫徹實施“雙循環(huán)”新發(fā)展格局，各省份相繼出臺以科技金融扶持高技術產(chǎn)業(yè)的若干政策措施①信息來源于《深圳市龍崗區(qū)經(jīng)濟與科技發(fā)展專項資金支持金融業(yè)發(fā)展實施細則》（深龍經(jīng)促〔2017〕8號）。?？萍冀鹑谠谛纬伞半p循環(huán)”新發(fā)展格局中能夠促進科技與金融結合，緩解企業(yè)融資約束，激勵企業(yè)研發(fā)創(chuàng)新，從而提高企業(yè)全要素生產(chǎn)率水平。因此，自2010年科技部等五部門發(fā)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(fā)銀行科技貸款已達到2003億元；2015—2020年，科技金融進入快速發(fā)展階段。

當前我國處于構建“雙循環(huán)”新發(fā)展格局的關鍵時期，我國經(jīng)濟發(fā)展正逐漸從高速度增長轉向高質量發(fā)展，提升企業(yè)全要素生產(chǎn)率是實現(xiàn)我國經(jīng)濟高質量發(fā)展的重要推動力。企業(yè)作為微觀經(jīng)濟活動的主體，如何通過科技金融的發(fā)展提升其全要素生產(chǎn)率，進而促進我國經(jīng)濟高質量發(fā)展，亦成為當前學術界研究的重點。有學者采用省級層面數(shù)據(jù)進行實證研究，發(fā)現(xiàn)科技金融發(fā)展能夠通過優(yōu)化生產(chǎn)效率顯著促進企業(yè)全要素生產(chǎn)率的提高（張騰和劉陽，2019）[1]。除此之外，還有學者利用地區(qū)相關數(shù)據(jù)研究發(fā)現(xiàn)金融發(fā)展可以提高城市全要素生產(chǎn)率，但不同區(qū)域的作用效果有所差異（李健和辛沖沖，2020）[2]。但是，金融發(fā)展不僅表現(xiàn)為金融規(guī)模擴張，還表現(xiàn)為金融結構調整，而金融結構調整能顯著促進企業(yè)的全要素生產(chǎn)率的提高，因此應同時注重金融規(guī)模擴張與結構調整的協(xié)調發(fā)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(fā)現(xiàn)地區(qū)科技金融發(fā)展能顯著促進當?shù)仄髽I(yè)全要素生產(chǎn)率的提高（董倩，2018）[4]。

在現(xiàn)有文獻的基礎上，本文的創(chuàng)新點如下。第一，以往的文獻主要集中于科技金融發(fā)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(yè)全要素生產(chǎn)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(yè)，因此本文采用2001—2020年高技術行業(yè)上市公司數(shù)據(jù)，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(yè)創(chuàng)新能力兩個渠道解釋科技金融政策對企業(yè)全要素生產(chǎn)率的影響機制。第四，本文還探究了科技金融發(fā)展對處于不同生命周期、不同產(chǎn)權結構的企業(yè)的異質性影響?；诖?，本文后續(xù)安排如下：第二部分為機制分析與假說提出；第三部分為數(shù)據(jù)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(yè)全要素生產(chǎn)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(shù)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(chǎn)品的使用者以及生產(chǎn)要素的提供者，企業(yè)生產(chǎn)同質或者異質產(chǎn)品。消費者的效用函數(shù)為：

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

消費者在預算約束下可得到產(chǎn)品i的需求函數(shù)：

其中，M為差異化產(chǎn)品的種類數(shù)；N為消費者數(shù)量，代表市場規(guī)模；為產(chǎn)品價格指數(shù)；pmax是消費量為0時的價格。

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

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

假定企業(yè)進入市場后初始全要素生產(chǎn)率水平為1。企業(yè)為獲取更多的市場份額和壟斷利潤會根據(jù)其初始全要素生產(chǎn)率水平?jīng)Q定其研發(fā)創(chuàng)新程度以及所需的外部融資水平。

如果當?shù)氐目萍冀鹑诎l(fā)展水平為μ，并且企業(yè)獲得政府與金融市場資金的概率ρi和企業(yè)所受融資約束程度ωi，可以推出?ρi/?μ＞0，?ωi/?μ＜0。企業(yè)融資成本是當?shù)乜萍冀鹑诎l(fā)展水平的函數(shù)，當?shù)乜萍冀鹑谒皆礁?，則該地區(qū)的企業(yè)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(yè)決定投入研發(fā)成本γ(Δc)2。企業(yè)一般會投入一定比例的內(nèi)部資金進行研發(fā)創(chuàng)新，其比例為κi∈(0，1)，剩余的研發(fā)資金1-κi則來自外部市場融資。則企業(yè)進行研發(fā)創(chuàng)新活動所需成本為：

企業(yè)為實現(xiàn)利潤最大化進行生產(chǎn)，則有：

則企業(yè)的全要素生產(chǎn)率可表達為：

令企業(yè)全要素生產(chǎn)率對科技金融發(fā)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(fā)展可以促進企業(yè)的研發(fā)投入并且緩解其融資約束，而企業(yè)研發(fā)投入的增加以及融資約束的緩解最終會表現(xiàn)為對企業(yè)全要素生產(chǎn)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(yè)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(yè)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(yè)全要素生產(chǎn)率越高、邊際成本會越低，可以得出企業(yè)邊際標準差為：

可以看出，科技金融發(fā)展會促進企業(yè)全要素生產(chǎn)率的提高，降低企業(yè)生產(chǎn)的邊際成本，只有當企業(yè)生產(chǎn)產(chǎn)品的邊際成本低于臨界邊際成本時，企業(yè)才會選擇生產(chǎn)。因此當臨界生產(chǎn)成本越低，該市場下企業(yè)的臨界生產(chǎn)效率則會越高，企業(yè)就會越集中于核心競爭力產(chǎn)品，其全要素生產(chǎn)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(yè)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(fā)展水平的提高，企業(yè)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(yè)更容易獲得金融資金，從而將更多資金用于自身產(chǎn)出的提高，進而提高企業(yè)全要素生產(chǎn)率，因此提出假說3。

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

令企業(yè)研發(fā)創(chuàng)新投入對科技金融發(fā)展水平求導，可得：

創(chuàng)新是企業(yè)提升競爭力的重要渠道，從式（16）可以看出，當?shù)貐^(qū)科技金融發(fā)展水平更高時，會吸引更多企業(yè)進入，企業(yè)為了提升競爭能力，會進行研發(fā)創(chuàng)新，而研發(fā)創(chuàng)新的成果最終將會用于企業(yè)自身全要素生產(chǎn)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(yè)，進行研發(fā)創(chuàng)新投入均能提升企業(yè)全要素生產(chǎn)率?；谝陨戏治?，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(yè)全要素生產(chǎn)率的提高。

假說2：科技金融政策促進企業(yè)全要素生產(chǎn)率提高，促進其臨界邊際成本下降，進一步促進企業(yè)全要素生產(chǎn)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(yè)融資約束來提升企業(yè)全要素生產(chǎn)率以及企業(yè)生產(chǎn)集中度。

假說4：科技金融政策可以通過提升企業(yè)創(chuàng)新能力來提升企業(yè)全要素生產(chǎn)率和生產(chǎn)集中度。

三、數(shù)據(jù)來源與指標測算

（一）樣本與數(shù)據(jù)來源

本文數(shù)據(jù)來自國泰安數(shù)據(jù)庫。樣本為2001—2020年全部A股高技術行業(yè)上市公司數(shù)據(jù)，涵蓋滬、深兩市主板、中小企業(yè)板、創(chuàng)業(yè)板與科創(chuàng)板，并進行一系列的處理①根據(jù)《上市公司行業(yè)分類指引》，篩選出化學原料與化學品制造業(yè)，化學纖維制造業(yè)，醫(yī)藥制造業(yè)，通用設備制造業(yè)，專用設備制造業(yè)，鐵路、船舶、航空航天及其他運輸材料制造業(yè)，電器機械及器材制造業(yè)，計算機、通信和其他電子設備制造業(yè)，儀器儀表制造業(yè)，其他制造業(yè)十大制造業(yè)，以及互聯(lián)網(wǎng)及相關服務業(yè)，軟件和信息技術服務業(yè)，研究和試驗發(fā)展，專業(yè)技術服務業(yè)四大與高技術制造業(yè)配套的服務業(yè)；剔除了ST和*ST公司樣本；剔除相關財務和公司治理觀測數(shù)據(jù)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(xù)變量逐年進行處理以緩解離群值對結果的潛在影響。根據(jù)以上處理方式最終得到14個行業(yè)1934家上市公司的11462個觀測值，為本文研究的所有數(shù)據(jù)。。

（二）指標測算

1.全要素生產(chǎn)率

本文被解釋變量是企業(yè)全要素生產(chǎn)率，本文使用參數(shù)法、半?yún)?shù)法和非參數(shù)法計算，分別以lntfp_lp、lntfp_op和lntfp_hr表示②OP全要素生產(chǎn)率估計方法的優(yōu)點是能夠同時解決TFP估計時常見的聯(lián)立性和企業(yè)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(chǎn)率的優(yōu)點是使用中間投入作為全要素生產(chǎn)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(chǎn)率離散程度

本文另一個被解釋變量為企業(yè)全要素生產(chǎn)率離散程度，借鑒一些學者的研究[11]，采用標準差系數(shù)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(yè)融資約束

本文構建企業(yè)運營資本投資敏感性指數(shù)（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(shù)。

第一步，設計企業(yè)運營資本投資方程。

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

第二步，將企業(yè)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(yè)運營資本投資增長率對現(xiàn)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(yè)運營資本投資不受現(xiàn)金流的影響，那么高現(xiàn)金流的企業(yè)的殘差均值與低現(xiàn)金流企業(yè)的殘差均值不會有顯著差異；相反，如果企業(yè)的運營資本投資與現(xiàn)金流相關，那么經(jīng)過現(xiàn)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(xiàn)出顯著差異。。則i企業(yè)在t期融資約束由下式所示：

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

4.企業(yè)創(chuàng)新能力

由于上市公司企業(yè)研發(fā)投入數(shù)據(jù)自2008年以后開始統(tǒng)計，造成樣本部分缺失，因而本文企業(yè)創(chuàng)新能力采用企業(yè)總的專利數(shù)量來衡量，lnpatentit表示i企業(yè)在t年專利擁有量對數(shù)值。

5.科技金融發(fā)展水平

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

由于原始數(shù)據(jù)量綱不同，本文借鑒相關學者的研究，首先對原始數(shù)據(jù)進行標準化處理，以標準化后的數(shù)據(jù)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(qū)）科技金融發(fā)展水平指數(shù)（張衛(wèi)民等，2003）[15]。

圖1為2001—2020年我國31個省份的科技金融發(fā)展水平分布圖。由圖1可以看出，科技金融發(fā)展水平較高的地區(qū)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(jīng)濟圈。其中，北京是我國的政治中心，科技金融發(fā)展迅速；上海作為國際金融中心，金融資源豐富，2015年金融業(yè)已躍居全國首位，成為上海的支柱產(chǎn)業(yè)；廣東以深圳為代表，為中小科技型企業(yè)提供了重要的市場資金來源。此外，作為科技創(chuàng)新產(chǎn)出的載體，北京、上海、廣東深圳的科技創(chuàng)新主體對科技金融發(fā)展貢獻突出。

圖2為2001—2020年我國整體科技金融發(fā)展水平與高技術企業(yè)全要素生產(chǎn)率水平的走勢。從圖2可以看出，我國科技金融發(fā)展水平逐年升高，并在2010年出現(xiàn)小幅度飛躍，自2011年之后呈現(xiàn)不斷上升的趨勢。此外，上市公司整體全要素生產(chǎn)率水平也呈現(xiàn)出上升趨勢，并與科技金融發(fā)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(fā)展水平與該省份對應的上市公司全要素生產(chǎn)率水平的走勢。從圖3可以看出，科技金融發(fā)展水平較高地區(qū)，上市公司全要素生產(chǎn)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(fā)展水平較高的省份。

6.主要變量描述性統(tǒng)計

表2列示了主要研究變量的描述性統(tǒng)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(fā)展水平分布

圖2 2001—2020年我國整體科技金融發(fā)展水平和全要素生產(chǎn)率水平走勢

圖3 2001—2020年31個省份科技金融發(fā)展水平與全要素生產(chǎn)率水平走勢

從全樣本描述性統(tǒng)計來看，科技金融發(fā)展滯后一期指數(shù)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(fā)展指數(shù)存在較大差異，并且企業(yè)全要素生產(chǎn)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(yè)全要素生產(chǎn)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(yè)生產(chǎn)總值占比，地區(qū)外貿(mào)依存度，地區(qū)產(chǎn)業(yè)結構，地區(qū)政府干預力度以及企業(yè)層面控制變量，如企業(yè)規(guī)模、企業(yè)年齡、企業(yè)員工數(shù)量、資產(chǎn)負債率、流動比率以及企業(yè)成長性。?？刂谱兞康拿枋鲂越y(tǒng)計因篇幅未具體給出。主要變量的描述性統(tǒng)計結果詳見表2。

四、實證模型構建與檢驗②本文根據(jù)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(qū)科技金融的發(fā)展將緩解企業(yè)融資約束，激勵企業(yè)進行研發(fā)創(chuàng)新，從而促進企業(yè)全要素生產(chǎn)率的提高，并進一步降低企業(yè)全要素生產(chǎn)率分布的離散程度，提升企業(yè)生產(chǎn)集中度。更重要的是，如果該地區(qū)的科技金融發(fā)展水平較高，更多的企業(yè)將會“用腳投票”，將其業(yè)務轉移到該地區(qū)，以便更好地吸收科技金融發(fā)展帶來的紅利。這就帶來選擇性偏差和互為因果關系等內(nèi)生性問題。為緩解此內(nèi)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(qū)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(shù)據(jù)。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(shù)據(jù)進行檢驗，結果仍然支持這一結論。因此，根據(jù)假說1與假說2，DID模型設定如下：

表2 主要變量描述性統(tǒng)計

其中，Treati是政策虛擬變量。如果企業(yè)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(qū)層面的控制變量，包括外資流入程度（FDI）以及金融業(yè)發(fā)展程度（fin_gdp）；Xi表示企業(yè)層面的控制變量，包括企業(yè)規(guī)模（lnsize）、企業(yè)年齡（lnage）、員工人數(shù)（lnstaff）、資產(chǎn)負債率（lev）、流動比率（debe_ratio）以及企業(yè)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(qū)位、資源、發(fā)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?shù)臉颖咀鳛樘幚斫M和對照組，并消除不匹配的樣本?？梢钥闯觯琍SM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(xù)的雙重差分模型。

2.機制檢驗模型設計

企業(yè)的創(chuàng)新成果和融資能力會影響企業(yè)的全要素生產(chǎn)率（張曉莉，2021）[16]?；诩僬f3，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(shù)WSKit和企業(yè)創(chuàng)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(chǎn)率的回歸系數(shù)顯著為正，對全要素生產(chǎn)率離散程度的回歸系數(shù)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(yè)全要素生產(chǎn)率的提高，顯著降低了企業(yè)全要素生產(chǎn)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(chǎn)率和生產(chǎn)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(yè)全要素生產(chǎn)率，降低企業(yè)全要素生產(chǎn)率分布的離散程度。

（三）穩(wěn)健性檢驗

1.內(nèi)生性檢驗

為了解決內(nèi)生性問題，本文借鑒相關學者的研究，采用省級互聯(lián)網(wǎng)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(lián)網(wǎng)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(yè)全要素生產(chǎn)率弱相關。表5報告了該方法中的LM統(tǒng)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(lián)網(wǎng)普及率作為工具變量之后，科技金融政策的交互項系數(shù)仍然與基準回歸一致，進一步驗證了科技金融的發(fā)展能顯著提高企業(yè)全要素生產(chǎn)率水平提升、顯著降低全要素生產(chǎn)率分布離散程度，提升生產(chǎn)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(shù)分布在0附近，且服從正態(tài)分布，符合本文安慰劑檢驗的預期。

3.其余穩(wěn)健性檢驗

（1）由于科技金融政策對企業(yè)全要素生產(chǎn)率的作用會受到地區(qū)科技金融發(fā)展的影響，為了更加穩(wěn)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(qū)科技金融指數(shù)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(fā)展情況不同的地區(qū)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(shù)顯著為正，表明科技金融政策對科技金融發(fā)展更好的地區(qū)的企業(yè)全要素生產(chǎn)率及生產(chǎn)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(yè)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(yè)全要素生產(chǎn)率指標，使用近似全要素生產(chǎn)率的估計方法，方程設為lntfp=ln(y/l)-sln(k/l)。其中，y為企業(yè)營業(yè)收入；l為從業(yè)人員數(shù)；k為固定資產(chǎn)規(guī)模；s為生產(chǎn)函數(shù)中資本的貢獻度，設定為1/3。全要素生產(chǎn)率記為lntfp_hr，其標準差系數(shù)記為disperson_hr。結果如表7第（5）列—第（6）列所示，科技金融對企業(yè)全要素生產(chǎn)率以及生產(chǎn)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(fā)展顯著促進了企業(yè)全要素生產(chǎn)率的提高以及企業(yè)全要素生產(chǎn)率集中度的提升；第（3）列—第（4）列表明，科技金融發(fā)展顯著緩解企業(yè)的融資約束以及促進其創(chuàng)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(fā)展水平的提高會通過提高企業(yè)創(chuàng)新能力和緩解融資約束進而提升企業(yè)全要素生產(chǎn)率以及其全要素生產(chǎn)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(yè)全要素生產(chǎn)率及其集中度的提升作用對處于不同生命周期的企業(yè)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(yè)生命周期劃分標準。對比留存收益股權比在各取值區(qū)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(yè)賦值為1進行交互項回歸?；貧w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(yè)的全要素生產(chǎn)率和生產(chǎn)集中度產(chǎn)生了顯著提升作用；對于成熟期企業(yè)來說，其全要素生產(chǎn)率提升作用并不顯著；而對于衰退期企業(yè)來說，科技金融政策顯著促進其全要素生產(chǎn)率的增長，但對生產(chǎn)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(yè)全要素生產(chǎn)率及其生產(chǎn)集中度的提升作用更強，可能是由于成長期企業(yè)在其成長過程中由于信息不對稱、缺乏成熟的管理、創(chuàng)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(yè)研發(fā)創(chuàng)新，進而提升成長期企業(yè)的全要素生產(chǎn)率。

表6 穩(wěn)健性檢驗：考慮地區(qū)科技金融發(fā)展、使用2008年金融危機后樣本

表7 穩(wěn)健性檢驗：加入第二批試點城市、更換全要素生產(chǎn)率指標

（二）不同產(chǎn)權性質的影響

為了研究科技金融政策對企業(yè)全要素生產(chǎn)率的作用在不同產(chǎn)權性質企業(yè)之間的差異，本文按照產(chǎn)權屬性將企業(yè)分為國有企業(yè)（SOE1）、民營企業(yè)（SOE2）以及外資企業(yè)（SOE3）進行分組回歸，依然采用交互項方式?；貧w結果見表10?；貧w結果顯示，科技金融政策對國有企業(yè)的促進作用相對比較明顯，可能的原因是：一方面，民營企業(yè)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(shù)據(jù)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(huán)”新發(fā)展格局下，提高企業(yè)全要素生產(chǎn)率對促進國家經(jīng)濟發(fā)展具有一定的意義，而地區(qū)科技金融政策為企業(yè)提供了豐富的資本與技術資源，對企業(yè)全要素生產(chǎn)率的提升起著重要作用。本文采用2001—2020年A股高新技術產(chǎn)業(yè)上市公司數(shù)據(jù)，探究科技金融政策對不同類型的企業(yè)全要素生產(chǎn)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(fā)展雖整體呈現(xiàn)增長趨勢，但表現(xiàn)出明顯的不平衡性，科技金融發(fā)展水平較高的地區(qū)主要在京津冀、長三角、珠三角三大經(jīng)濟圈；（2）基準回歸發(fā)現(xiàn)，科技金融政策能夠顯著促進企業(yè)全要素生產(chǎn)率及生產(chǎn)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(yè)融資約束以及提高企業(yè)研發(fā)能力，促進企業(yè)全要素生產(chǎn)率及生產(chǎn)集中度的提升；（4）異質性檢驗表明，科技金融的發(fā)展對于不同生命周期、不同產(chǎn)權性質的企業(yè)會產(chǎn)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(yè)全要素生產(chǎn)率和生產(chǎn)集中度的提升。

表9 基于不同生命周期企業(yè)的異質性檢驗結果

表10 基于不同產(chǎn)權性質企業(yè)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(fā)展的實際情況，本文提出如下建議。

第一，考慮地區(qū)科技金融發(fā)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(qū)科技金融發(fā)展水平，準確評估科技財政預算、配套金融體系以及當?shù)仄髽I(yè)發(fā)展狀況，根據(jù)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(fā)力點。加強對科技金融政策專項基金的管理并放大商業(yè)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(yè)的成果轉化，為其發(fā)展提供機會和路徑。

第三，深化科技金融改革，助力實體經(jīng)濟。持續(xù)引導科技金融政策的實施，并考慮將其作為提升中小企業(yè)和民營企業(yè)全要素生產(chǎn)率和生產(chǎn)集中度的重要手段之一。防止由于科技金融發(fā)展的不平衡性對地區(qū)經(jīng)濟和地區(qū)中小企業(yè)產(chǎn)生不利的影響。

第四，企業(yè)應強化自身創(chuàng)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(yè)和私營企業(yè)應積極尋求發(fā)展策略，及時了解政策信息與動態(tài)，主動尋求科技金融政策支持。抓住科技金融發(fā)展的機遇，積極投入研發(fā)創(chuàng)新，實現(xiàn)自身的蓬勃發(fā)展。