■陽燦 劉明顯 劉忍妹

一、引言

我國經(jīng)濟依靠要素投入和國外技術引進實現(xiàn)持續(xù)高速增長，目前已成為世界第二大經(jīng)濟體，制造業(yè)增加值位居世界第一。然而，我國制造業(yè)仍存在科技水平整體較低、高端制造業(yè)的科技水平與國際先進水平差距較大等問題。從以專利衡量的創(chuàng)新產(chǎn)出來看，近二十年來中國專利申請數(shù)量呈現(xiàn)爆發(fā)式增長態(tài)勢，但創(chuàng)新質(zhì)量并未同步提升，與創(chuàng)新大國差距明顯，企業(yè)創(chuàng)新存在“重數(shù)量輕質(zhì)量”的現(xiàn)象[1]。而與實體經(jīng)濟科技水平偏低形成鮮明對比的是金融業(yè)的快速擴張。從2005年開始，我國金融業(yè)增加值占GDP 的比重迅速提高，從3.99%增至2020年的8.27%，增幅超過一倍①。相比之下，2020年美國金融業(yè)增加值占比為8.23%，英國為6.89%，德國為3.62%②。在金融業(yè)規(guī)模增速與實體經(jīng)濟科技進步逐步背離的背景下，如何促進科技與金融有效對接以及如何提高金融服務實體經(jīng)濟的能力已成為不可忽視的問題。

科技創(chuàng)新活動的自身特性與我國金融體系固有的結構性矛盾是阻礙科技與金融有效結合的主要原因?？萍紕?chuàng)新投入大、周期長且風險高，科技企業(yè)大多以輕資產(chǎn)運營，創(chuàng)新成果以無形資產(chǎn)為主，缺乏銀行放貸所要求的抵押擔保品。從當前金融體系看，金融抑制現(xiàn)象更為普遍[3]。由于法律管制和行政壁壘，我國金融機構的設立條件和進入門檻較高，形成了以國有大銀行為主的金融結構體系，股份制商業(yè)銀行和地方性中小商業(yè)銀行占比較低，證券市場和風險投資基金等各種直接融資方式發(fā)展緩慢。因此，在促進科技與金融相結合的過程中發(fā)揮政府“有形之手”的作用尤為重要?？萍冀鹑诠ぷ髯钤缈勺匪葜?0世紀80年代，經(jīng)過20多年的發(fā)展，科技金融投融資體系初步形成。隨著我國經(jīng)濟步入新常態(tài)發(fā)展階段，經(jīng)濟轉(zhuǎn)型任務對科技金融發(fā)展水平提出了更高的要求。為促進科技與金融的深度融合，科技部與一行三會在2011年聯(lián)合推動科技與金融結合試點政策，完善了科技金融工作的頂層設計，優(yōu)化了財政科技投入方式，充分發(fā)揮財政科技投入的引導作用和杠桿效應，以撬動金融資本和社會資本參與科技創(chuàng)新?？萍寂c金融結合試點政策標志著科技金融工作進入了深化發(fā)展階段[4]。綜上，探究科技金融政策能否提升企業(yè)全要素生產(chǎn)率，對促進科技與金融高效融合從而推動創(chuàng)新型國家建設具有重要的現(xiàn)實意義。

根據(jù)研究方法可將現(xiàn)有關于科技金融的文獻分為兩類。一類通過構建科技金融指數(shù)探討科技金融的經(jīng)濟效應。張芷若等[5]構建省級科技金融指數(shù)并基于空間計量模型發(fā)現(xiàn)科技金融能推動地區(qū)經(jīng)濟增長。王秀麗等[6]發(fā)現(xiàn)科技金融通過資本市場融資提高了地區(qū)國際技術專利申請水平。陳建麗[7]研究表明科技金融對制造業(yè)上市企業(yè)的研發(fā)投入具有正向激勵作用。然而，這類研究容易受到測量誤差和內(nèi)生性問題的干擾。另一類文獻將2011年底實施的促進科技與金融結合試點視作一項準自然實驗，以科學地識別其因果效應。馬凌遠等[8]基于地級市面板數(shù)據(jù)，運用雙重差分法發(fā)現(xiàn)科技金融政策顯著提升了地區(qū)創(chuàng)新水平。馮永琦等[9]采用多時點雙重差分法考察了科技金融政策對地區(qū)產(chǎn)業(yè)結構升級的影響，發(fā)現(xiàn)該政策通過提高金融發(fā)展水平和增加財政科技投入推動了產(chǎn)業(yè)結構優(yōu)化升級。馮銳等[10]研究表明科技與金融結合試點顯著提高了地區(qū)全要素生產(chǎn)率。但這類文獻立足于宏觀或中觀層面，對作為創(chuàng)新主體企業(yè)的技術進步關注不足。少量文獻從企業(yè)層面探討了科技金融政策對技術進步的影響。余紅偉等[11]以中小板和創(chuàng)業(yè)板上市企業(yè)為研究對象，發(fā)現(xiàn)科技金融政策促進了企業(yè)全要素生產(chǎn)率提升?？滓怀萚12]發(fā)現(xiàn)科技金融政策通過激勵中小高新技術企業(yè)增加創(chuàng)新投資提高了生產(chǎn)率。但這些研究大多以中小板、創(chuàng)業(yè)板或新三板上市企業(yè)為研究對象，可能存在樣本選擇局限問題，難以全面揭示科技金融政策對企業(yè)全要素生產(chǎn)率的作用效果。由于我國各種風險投資發(fā)展緩慢，創(chuàng)新投資過度集中于產(chǎn)業(yè)鏈和創(chuàng)新鏈后端，對種子期和初創(chuàng)期企業(yè)支持力度不足。在此背景下，科技金融政策能否提高成長期企業(yè)全要素生產(chǎn)率？同時，促進高科技行業(yè)技術進步是實現(xiàn)向制造業(yè)強國轉(zhuǎn)變的根本途徑，那么科技金融政策能否促進高科技企業(yè)全要素生產(chǎn)率提升？制度環(huán)境會對企業(yè)外部融資條件和創(chuàng)新行為產(chǎn)生重要影響，我國各地區(qū)經(jīng)濟、社會和文化發(fā)展的不平衡導致制度環(huán)境存在較大差異，科技金融政策的影響是否呈現(xiàn)出區(qū)域異質(zhì)性？現(xiàn)有文獻并沒有對以上問題進行系統(tǒng)探討。本文將2011年實施的科技金融政策視為一項準自然實驗，運用PSM-DID方法試圖對以上問題進行解答并探究科技金融政策提高企業(yè)全要素生產(chǎn)率的作用機制。

本文可能的邊際貢獻在于：（1）使用大樣本的工業(yè)企業(yè)數(shù)據(jù)，有助于全面揭示科技金融政策的微觀效應，進一步拓展了關于科技金融的研究范圍。（2）從資金融通和資金使用兩方面考察了科技金融政策提高企業(yè)全要素生產(chǎn)率的內(nèi)在機制，并基于企業(yè)、行業(yè)和地區(qū)三個維度探討了科技金融政策的異質(zhì)性效果，為該領域的研究增添了新的經(jīng)驗證據(jù)。

二、政策背景和研究假設

（一）政策背景

經(jīng)濟體的金融結構應與其經(jīng)濟發(fā)展階段相適應[13]。在新常態(tài)發(fā)展階段，產(chǎn)業(yè)結構正由勞動、資本密集型向知識、技術密集型轉(zhuǎn)型升級。在同一產(chǎn)業(yè)內(nèi)部，自主研發(fā)創(chuàng)新逐漸替代國外技術引進和簡單模仿創(chuàng)新推動企業(yè)技術進步。外部經(jīng)營環(huán)境和自身盈利模式的變化促使企業(yè)外部融資需求從單一、短期、債權性向多樣化、長期、股權性轉(zhuǎn)變。然而，目前由國有大銀行主導的金融體系難以匹配高科技企業(yè)、初創(chuàng)期企業(yè)和戰(zhàn)略性新興行業(yè)的融資需求。同時，處于經(jīng)濟轉(zhuǎn)型期的科技產(chǎn)業(yè)也難以達到金融資本所要求的利潤標準。因此，促進科技與金融進一步深度結合需充分發(fā)揮政府“有形之手”的作用。

為構建多層次、多渠道、廣覆蓋的科技金融投融資體系，2011年，科技部聯(lián)合中國人民銀行等部門開展了“促進科技和金融結合試點”，并確定了首批進行試點的16個地區(qū)共41個城市③。自政策實施以來，試點地區(qū)不斷創(chuàng)新財政科技投入方式，除綜合運用無償資助、償還性補助、股權投入、貸款貼息、保費補貼、稅收優(yōu)惠等方式對創(chuàng)新項目給予直接資金支持之外，還通過風險補償、融資擔保、設立創(chuàng)業(yè)投資引導基金、組建科技支行和科技小額貸款公司等舉措，利用市場化機制鼓勵金融資本和民間資本支持企業(yè)科技創(chuàng)新。截至2015年底，各試點地區(qū)相繼出臺了350 余項科技金融改革措施，設立了近40億元的科技金融專項資金，在科技信貸、科技成果轉(zhuǎn)化引導基金、多層次資本市場、科技保險、科技金融服務組織等多個領域取得一定進展[14]。因此，科技金融政策既是我國應對工業(yè)化中后期經(jīng)濟結構調(diào)整的階段性制度安排，也是推進創(chuàng)新型國家建設的重要戰(zhàn)略部署。綜上，科技金融政策對企業(yè)而言是一個相對外生的沖擊，這為本文使用雙重差分法考察經(jīng)濟影響提供了依據(jù)。

（二）研究假設

加大研發(fā)投入以提升產(chǎn)品競爭力是企業(yè)獲得競爭優(yōu)勢的關鍵。然而，廣大民營企業(yè)和中小企業(yè)資金積累有限，盈利水平也極易受到市場環(huán)境、經(jīng)濟周期等因素影響而具有較高的不確定性，僅靠內(nèi)源融資難以支撐長周期、高投入的創(chuàng)新活動。并且，由于行業(yè)技術前沿變遷較快，高科技企業(yè)往往沒有穩(wěn)定的生命周期，財務信息和組織結構波動較大，信用評估結果不理想。研發(fā)信息的專有性更是加劇了企業(yè)與銀行等金融機構的信息不對稱[15]。因此，創(chuàng)新企業(yè)在外源融資方面面臨嚴重的融資約束。融資約束會抑制企業(yè)全要素生產(chǎn)率增長[16]?？萍冀鹑谡吣芡ㄟ^以下幾個方面緩解企業(yè)融資約束：（1）組建科技支行和科技小額貸款公司，直接對接創(chuàng)新企業(yè)融資需求，拓寬企業(yè)的融資渠道；構建政府、企業(yè)、金融機構和民間資本共同參與的、多元化的貸款風險分擔機制，通過科技貸款補助、貸款貼息、風險補償、融資擔保、科技保險等手段分散科技創(chuàng)新風險，進而激勵銀行等金融機構對創(chuàng)新活動提供融資服務。（2）設立創(chuàng)業(yè)投資引導基金和科技成果轉(zhuǎn)化引導基金，以股權投入的方式支持初創(chuàng)期和種子期科技企業(yè)；完善多層次資本市場建設，增大直接融資比重。有研究表明，以市場為導向的直接融資更有利于企業(yè)創(chuàng)新[17]。一方面，相比于銀行信貸，股權融資不需要抵押擔保品，為以輕資產(chǎn)運營的科技企業(yè)提供了融資便利，從而降低了其融資成本。另一方面，創(chuàng)新項目的高風險性使企業(yè)難以產(chǎn)生穩(wěn)定的現(xiàn)金流，而股權融資不要求企業(yè)按時還本付息。同時，股權的分散性也有助于投資者規(guī)避風險。（3）健全科技金融中介服務體系，促進科技成果轉(zhuǎn)化?？萍冀鹑谥薪闄C構是聯(lián)通科技企業(yè)與金融機構的重要平臺，能為企業(yè)提供信用擔保、信息咨詢、產(chǎn)權認證及交易、資信評級、科技成果評估等服務?？萍冀鹑谥薪榉阵w系的完善有助于克服科技和金融結合過程中的資源條件缺乏和信息不對稱問題。融資約束限制企業(yè)為凈現(xiàn)值大于零的項目融資，導致投資效率低下。融資約束的緩解能降低企業(yè)流動性風險，使企業(yè)有足夠資金用于固定資產(chǎn)更新和研發(fā)投入，從而促進其技術創(chuàng)新和生產(chǎn)率提升。此外，融資約束的改善擴大了企業(yè)生產(chǎn)規(guī)模，規(guī)模經(jīng)濟能降低生產(chǎn)成本，有利于企業(yè)分攤固定資產(chǎn)投資的沉沒成本，進而促使其進一步改進生產(chǎn)工藝。綜上所述，本文提出如下假設：

假設：科技金融政策能促進全要素生產(chǎn)率的提升。

三、研究設計

（一）數(shù)據(jù)樣本

本文以2008—2014年中國工業(yè)企業(yè)數(shù)據(jù)庫中的企業(yè)為研究樣本。該數(shù)據(jù)庫的統(tǒng)計對象為所有國有工業(yè)企業(yè)和規(guī)模以上非國有工業(yè)企業(yè)。參照Brandt 等[18]的方法，按照法人代碼、企業(yè)名稱、法人代表、行政區(qū)劃等對數(shù)據(jù)進行序貫匹配。對于其中的少數(shù)異常值做如下處理：（1）刪除關鍵變量缺失的樣本；（2）刪除實收資本小于0的樣本；（3）刪除從業(yè)人員小于8人、開業(yè)成立時間為1949年之前的觀測值；（4）刪除流動資產(chǎn)大于總資產(chǎn)、固定資產(chǎn)大于總資產(chǎn)、資產(chǎn)負債率小于0或大于1等不符合公認會計準則的觀測值。由于2010年數(shù)據(jù)質(zhì)量較差[19]，故剔除2010年的樣本，將2009年和2011年視為連續(xù)年份處理。將四位數(shù)行業(yè)代碼以2002年國民經(jīng)濟行業(yè)分類標準為基準進行調(diào)整。城市層面變量來源于《中國城市統(tǒng)計年鑒》。為避免極端值影響，所有連續(xù)變量均進行1%和99%分位數(shù)的縮尾處理。

（二）變量定義與數(shù)據(jù)描述

1.被解釋變量。本文參照魯曉東等[20]的思路，同時采用LP法和OP法估計企業(yè)全要素生產(chǎn)率以確保結果的穩(wěn)健性。由于從2008年起中國工業(yè)企業(yè)數(shù)據(jù)庫缺失用于估算全要素生產(chǎn)率的工業(yè)增加值和中間投入，本文借鑒李青原等[21]以及寇宗來等[19]的做法，利用“中間投入合計=工業(yè)總產(chǎn)值×（銷售成本÷銷售收入）-應付工資-本年折舊”補齊中間投入，利用“工業(yè)增加值=工業(yè)總產(chǎn)值-中間投入合計+本年應交增值稅”補齊工業(yè)增加值。應付工資和本年折舊在2008年和2009年缺失，使用插值法補齊④。在用OP法估算全要素生產(chǎn)率時需用到企業(yè)投資額，采用永續(xù)盤存法計算資本投入：

其中，Iit為企業(yè)i第t年的投資，Kit為企業(yè)i第t期的資本存量，δ為折舊率，參照聶輝華等[22]的研究，將折舊率設定為10%。為消除名義值的價格因素，以2008年為基期，用固定資產(chǎn)投資價格指數(shù)和工業(yè)品出廠價格指數(shù)分別對資本存量和工業(yè)增加值進行平減。

2.核心解釋變量。我國分別在2011年和2016年開展了兩次“促進科技和金融結合試點”，本文考察第一次試點對企業(yè)全要素生產(chǎn)率的影響。具體地，將首批41 個試點城市作為實驗組，其他未受到政策影響的城市作為對照組。Treati為組別虛擬變量，試點城市賦值為1，未試點城市賦值為0。Aftert為事件虛擬變量。科技部在2011年10月確定了試點地區(qū)名單，考慮到政策實施的滯后性，將2012年作為政策開始實施時點，Aftert在2012年及之后賦值為1，2012年之前賦值為0。交互項Treati×Aftert為核心解釋變量，其系數(shù)是本文所關注的科技金融政策對實驗組和對照組的影響差異。

3.控制變量。企業(yè)層面變量包括：（1）資本密集度（Fix），固定資產(chǎn)除以從業(yè)人數(shù)再取對數(shù)；（2）流動資產(chǎn)比率（Liq），流動資產(chǎn)除以總資產(chǎn)；（3）企業(yè)規(guī)模（Size），年末總資產(chǎn)的自然對數(shù)；（4）企業(yè)年齡（Age），觀測年份減企業(yè)開業(yè)成立年份后加1取自然對數(shù)；（5）企業(yè)年齡的平方項（Age2）；（6）管理費用率（Fee），管理費用除以主營業(yè)務收入。城市層面變量包括：（1）對外開放程度（Fdi），地區(qū)當年實際利用外資金額除以地區(qū)生產(chǎn)總值；（2）產(chǎn)業(yè)結構（Str），第三產(chǎn)業(yè)增加值占地區(qū)GDP 的比重；（3）經(jīng)濟發(fā)展水平（Pgdp），人均GDP的對數(shù)；（4）金融從業(yè)人員比重（Pfin），金融從業(yè)人員數(shù)除以地區(qū)單位從業(yè)人員總數(shù)。本文還加入了用主營業(yè)務產(chǎn)品銷售收入計算的三位數(shù)行業(yè)代碼層面的赫芬達爾指數(shù)（Hhi），以控制行業(yè)競爭程度對企業(yè)全要素生產(chǎn)率的影響。主要變量的描述性統(tǒng)計見表1。

表1 主要變量描述性統(tǒng)計

（三）模型設定

本文構建的雙重差分模型如下：

雙重差分變量Didit等于交互項Treati×Aftert。Xit為一系列控制變量。μi為個體固定效應，用來控制不隨時間變化的企業(yè)自身特征。λt為時間固定效應，用來控制特定年份的宏觀經(jīng)濟沖擊。εit為隨機擾動項?？紤]到試點政策以各城市作為試點對象，不同年份的殘差在同一城市內(nèi)可能存在自相關，將所有標準誤均聚類到城市層面。

四、實證結果分析

（一）傾向得分匹配

科技部等部門《關于印發(fā)促進科技和金融結合試點實施方案的通知》指明，將在科技金融資源密集地區(qū)先行試點，由各地區(qū)先進行申報，經(jīng)科技部審批同意后才能獲得試點資格。這使得實驗組與對照組的選擇是非隨機的，存在自選擇問題[23]。在構建雙重差分模型之前，使用傾向得分匹配（PSM）方法[24]找出與實驗組在其他方面最為接近的對照組，以緩解處理效應（Treatment Effect）的選擇性偏差對結果的干擾。由于雙重差分適用于面板數(shù)據(jù)，而傾向得分匹配適用于截面數(shù)據(jù)，現(xiàn)有研究主要使用混合匹配或逐期匹配來解決此問題。相比于將面板數(shù)據(jù)視為截面數(shù)據(jù)的混合匹配，逐期匹配不僅能避免“自匹配”問題，還能更好地控制時間效應。另外，過多的匹配變量會降低匹配質(zhì)量[25]。因此，本文使用1∶1卡尺最近鄰匹配方法以企業(yè)層面變量為依據(jù)進行逐期匹配。匹配前后的核密度圖和共同取值范圍見圖1和圖2（以2008年為例）。匹配前實驗組和對照組核密度曲線偏差較大，匹配后趨勢基本一致，共同支撐假設檢驗表明兩組絕大部分樣本都處于共同取值范圍內(nèi)，說明PSM有效地降低了樣本選擇偏差。

圖1 匹配效果核密度函數(shù)圖

圖2 共同支撐假設檢驗

（二）基準回歸結果

基于匹配后的數(shù)據(jù)，基準回歸結果見表2。在控制了企業(yè)和年份固定效應后，無論是對于用LP法還是OP法估計的全要素生產(chǎn)率，DID的估計系數(shù)均在1%水平上顯著為正。這表明與對照組相比，科技金融政策實施后實驗組全要素生產(chǎn)率提高更多，即科技金融政策對企業(yè)全要素生產(chǎn)率具有正向影響，假設1成立。另外，表2（1）和（2）列的估計系數(shù)較為接近，說明回歸結果較為穩(wěn)健。

（三）穩(wěn)健性檢驗

1.平行趨勢檢驗。雙重差分法要求政策實施前，實驗組和對照組企業(yè)全要素生產(chǎn)率變化趨勢基本一致。此處使用事件研究法進行檢驗。具體地，本文將核心解釋變量DID替換為年份虛擬變量交互組別虛擬變量Treat，將2011年設為基期。回歸結果如表3（1）和（2）列所示，交互項Treat_2008、Treat_2009的回歸系數(shù)均不顯著，說明各地區(qū)企業(yè)全要素生產(chǎn)率在科技金融政策實施前滿足平行趨勢假設條件。另外，從動態(tài)效應看，Treat_2012、Treat_2013、Treat_2014 的回歸系數(shù)逐漸增大，這表明隨著時間推移，政策效果具有放大趨勢。

2.安慰劑檢驗。理論上，表2的回歸結果可能是由于同期出現(xiàn)的其他政策或隨機因素造成的，本文通過安慰劑檢驗來排除這些因素的干擾。刪除2012年及以后年份的樣本，將政策時間提前至2009年，將其作為虛擬的政策沖擊時點，同時替換核心解釋變量為Treat×Year2009?；貧w結果見表3（3）和（4）列，Treat×Year2009 的系數(shù)均不顯著，表明全要素生產(chǎn)率的提升是由科技金融政策引起的。

表2 基準回歸結果

表3 穩(wěn)健性檢驗1

3.控制實驗組時間趨勢。為進一步排除實驗組和對照組企業(yè)全要素生產(chǎn)率具有不同變動趨勢的可能性，在模型（2）中加入實驗組時間趨勢項（Treat×t）作為控制變量進行回歸，其中，t在2008年取值為1，在2009年取值為2，依次類推。表3（5）和（6）列結果表明，上述結論依然穩(wěn)健。

4.刪除直轄市樣本。直轄市的科技金融發(fā)展較快，導致模型的反向因果和自選擇問題更為嚴重。剔除直轄市樣本后的回歸結果見表4，DID的系數(shù)依舊在1%水平上顯著為正。

5.排除其他政策干擾。首先，在模型（2）的基礎上進一步控制行業(yè)時間聯(lián)合固定效應，以消除行業(yè)層面的時變因素對結果的干擾?，F(xiàn)有研究發(fā)現(xiàn)，2012年實施的綠色信貸政策、2009年出臺的十大產(chǎn)業(yè)振興規(guī)劃以及“十二五”規(guī)劃都試圖通過金融手段來促進企業(yè)提升全要素生產(chǎn)率。表4（3）和（4）列表明，在加入了時間固定效應和行業(yè)固定效應的交乘項后，基準回歸結果未發(fā)生顯著變化。其次，在本文研究期內(nèi)（2008—2014年），與科技金融政策類似的其他政策還包括國家創(chuàng)新型城市試點工作和成立國家自主創(chuàng)新示范區(qū)。自深圳市于2008年成為首個創(chuàng)新型城市試點地區(qū)以來，截至2014年，共有49 個城市先后獲得試點資格⑤。此外，共有9個城市在樣本期內(nèi)成為國家自主創(chuàng)新示范區(qū)。本文在模型（2）中加入虛擬變量Region和Distric。若某地區(qū)在當年是國家創(chuàng)新試點城市，Region 取值為1；否則，取值為0。同樣，當某地區(qū)在當年屬于國家自主創(chuàng)新示范區(qū)，District賦值為1；否則，賦值為0。在消除這兩項政策的干擾后，表4（5）和（6）列給出的結果并未明顯改變前文結論。

表4 穩(wěn)健性檢驗2

（四）機制分析

由理論分析可知，科技金融政策主要通過多項舉措為企業(yè)研發(fā)活動提供融資便利，提高企業(yè)創(chuàng)新能力，從而推動全要素生產(chǎn)率提升。因此，本文從資金融通和資金使用兩方面，考察政策沖擊是否通過緩解企業(yè)融資約束和提高企業(yè)創(chuàng)新能力作用于全要素生產(chǎn)率。

1.資金融通方面。企業(yè)往往需要通過債務性融資和權益性融資來滿足研發(fā)項目的大額資金需求。融資約束會抑制企業(yè)全要素生產(chǎn)率提升。如果科技金融政策通過改善企業(yè)融資約束進而提升全要素生產(chǎn)率，可以觀察到政策沖擊對全要素生產(chǎn)率的提升效應在高融資約束的企業(yè)中更明顯。基于此，參照Hadlock等[26]的方法，用SA指數(shù)⑥來衡量企業(yè)面臨的融資約束，然后按照當年所有企業(yè)SA指數(shù)的中位數(shù)將全樣本分為兩組，并定義虛擬變量FC，當SA指數(shù)大于中位數(shù)時FC取值為1，當SA指數(shù)小于中位數(shù)時FC取值為0，在回歸方程中加入交互項DID×FC。表5匯報了對融資約束效應進行檢驗的結果。交互項DID×FC 的系數(shù)顯著為正，說明科技金融政策通過緩解企業(yè)融資約束提高了全要素生產(chǎn)率。

2.資金使用方面。企業(yè)技術創(chuàng)新能力對全要素生產(chǎn)率有重要影響[27]。本文進一步從資金使用方面考察當融資約束緩解后企業(yè)是否增加了研發(fā)投入，提高了創(chuàng)新能力。由于中國工業(yè)企業(yè)數(shù)據(jù)庫從2008年開始缺少企業(yè)研發(fā)投入數(shù)據(jù)，本文通過匹配工業(yè)企業(yè)數(shù)據(jù)庫與國家知識產(chǎn)權局的企業(yè)專利數(shù)據(jù)庫獲得企業(yè)專利申請記錄，并參照周煊等[28]的研究，使用專利申請數(shù)量來衡量企業(yè)創(chuàng)新能力。根據(jù)專利性質(zhì)，可將所有申請專利分為發(fā)明、實用新型和外觀設計專利。相比后兩種專利，發(fā)明專利技術復雜度更高，申請難度更大，更能體現(xiàn)企業(yè)實際技術水平。本文使用發(fā)明專利來測度企業(yè)實質(zhì)性創(chuàng)新，用專利總和衡量其整體創(chuàng)新水平。由于專利數(shù)據(jù)存在大量零值，對其加1取自然對數(shù)。從表5（3）和（4）列結果可以看出，DID 的系數(shù)均在5%水平上顯著為正，說明科技金融政策顯著提高了企業(yè)創(chuàng)新能力。

表5 機制分析

（五）異質(zhì)性分析

1.基于企業(yè)產(chǎn)權的異質(zhì)性分析。國有企業(yè)在融資過程中具有產(chǎn)權優(yōu)勢，商業(yè)銀行更偏好于國有企業(yè)的低風險貸款需求。眾多民營企業(yè)則面臨相對嚴重的融資約束。因此，科技金融政策對非國有企業(yè)的影響可能更大。本文按產(chǎn)權性質(zhì)將樣本劃分為國有企業(yè)和非國有企業(yè)。表6 的結果表明，科技金融政策對非國有企業(yè)全要素生產(chǎn)率的促進作用強于國有企業(yè)。

表6 異質(zhì)性分析：企業(yè)產(chǎn)權

2.基于企業(yè)生命周期特征的異質(zhì)性分析。處于不同生命周期階段的企業(yè)具有不同的生產(chǎn)經(jīng)營特征。成長期企業(yè)不僅需要加大對新產(chǎn)品的研發(fā)投入來迅速獲得競爭優(yōu)勢，還需要大量資本性投入來擴大產(chǎn)能。然而，成長期企業(yè)盈利能力弱，內(nèi)部資金積累不足，市場前景不穩(wěn)定，限制了其外源性融資。成熟期企業(yè)經(jīng)營相對穩(wěn)定，逐漸積累的市場聲譽能夠幫助企業(yè)獲得更多的外源性融資，因此處于這一時期的企業(yè)傾向于加大對高端創(chuàng)新項目的研發(fā)投入強度以擴大市場份額。衰退期企業(yè)往往面臨組織架構僵化、經(jīng)營能力下降等問題，管理者更愿意削減開支，采取保守型經(jīng)營策略，往往通過以對現(xiàn)有產(chǎn)品的改進為主的創(chuàng)新活動來維持市場份額。因此，科技金融政策對成長期企業(yè)的影響可能大于成熟期和衰退期企業(yè)。參照Van Wissen[29]及董曉芳等[30]的做法，以年齡作為劃分企業(yè)生命周期的標準。本文按照企業(yè)年齡的三分位數(shù)將樣本分為成長期（1—7年）、成熟期（8—12年）和衰退期（13年及以上）企業(yè)。表7結果說明，科技金融政策對成長期企業(yè)全要素生產(chǎn)率的促進作用大于成熟期和衰退期企業(yè)。

表7 異質(zhì)性分析：企業(yè)生命周期

3.基于行業(yè)外部融資依賴度的異質(zhì)性分析。機制分析表明，緩解融資約束是科技金融政策影響企業(yè)全要素生產(chǎn)率的作用途徑。如果該結論成立，那么其對外部融資依賴度較高的行業(yè)影響更強。借鑒張璇等[31]的方法，用行業(yè)長期負債除以行業(yè)固定資產(chǎn)來衡量企業(yè)外部融資依賴程度。具體地，行業(yè)外部融資依賴度（Efd）等于同行業(yè)企業(yè)的外部融資依賴度的均值。按照當年外部融資依賴度的中位數(shù)將行業(yè)劃分為高融資依賴組和低融資依賴組。表8結果顯示，科技金融政策對高融資依賴行業(yè)的全要素生產(chǎn)率提升更明顯。這進一步證明了緩解融資約束是科技金融政策提高全要素生產(chǎn)率的重要渠道。

表8 異質(zhì)性分析：外部融資依賴度

4.基于高科技行業(yè)與傳統(tǒng)行業(yè)的異質(zhì)性分析。參照傅元海等[32]的分類標準，將樣本劃分為高科技行業(yè)和傳統(tǒng)行業(yè)⑦。從表9可以看出，科技金融政策對傳統(tǒng)行業(yè)的全要素生產(chǎn)率作用更大。其原因在于：一方面，高科技行業(yè)往往是技術密集型行業(yè)，產(chǎn)品技術復雜度較高，行業(yè)技術前沿變遷較快，難以通過簡單的模仿創(chuàng)新實現(xiàn)技術突破，必須依賴大量資金、人才投入以及長期技術積累才能獲得競爭優(yōu)勢。而傳統(tǒng)行業(yè)主要是資源密集型行業(yè)，產(chǎn)品技術復雜度較低，通過引進、模仿和改造便可提升產(chǎn)品價值。另一方面，相比于高科技行業(yè)創(chuàng)新活動的高風險性，銀行更青睞于傳統(tǒng)行業(yè)的低風險融資需求。因此，傳統(tǒng)行業(yè)相對于高科技行業(yè)實現(xiàn)技術進步更為容易，科技金融政策對傳統(tǒng)行業(yè)的全要素生產(chǎn)率作用更大。

表9 異質(zhì)性分析：高科技行業(yè)與傳統(tǒng)行業(yè)

5.基于地區(qū)創(chuàng)新環(huán)境的異質(zhì)性分析?？萍紕?chuàng)新具有的高風險、長周期和正外部性特征會對企業(yè)創(chuàng)新行為產(chǎn)生負向激勵，良好的制度環(huán)境會通過加強知識產(chǎn)權保護、優(yōu)化資源要素配置、完善市場中介組織等方式降低企業(yè)創(chuàng)新成本。本文參考曹希廣等[33]的研究，使用城市創(chuàng)新指數(shù)（Idex）來衡量地區(qū)創(chuàng)新環(huán)境。這一數(shù)據(jù)來源于復旦大學產(chǎn)業(yè)發(fā)展研究中心公布的《中國城市與產(chǎn)業(yè)創(chuàng)新力報告2017》。本文根據(jù)當年城市創(chuàng)新指數(shù)的中位數(shù)將樣本劃分為創(chuàng)新環(huán)境較好和創(chuàng)新環(huán)境較差的地區(qū)。表10結果顯示，科技金融政策對企業(yè)全要素生產(chǎn)率的提升作用在創(chuàng)新環(huán)境較差的地區(qū)表現(xiàn)更明顯⑧。這表明科技金融的發(fā)展能有效彌補制度條件的缺失，科技金融政策是促進制度環(huán)境較差地區(qū)企業(yè)實現(xiàn)科技進步的重要方式。

表10 異質(zhì)性分析：地區(qū)創(chuàng)新環(huán)境

五、結論

如何實現(xiàn)金融與科技有效對接，更好地發(fā)揮金融在企業(yè)科技進步中的作用，對當前經(jīng)濟結構轉(zhuǎn)型升級至關重要。本文以2011年實施的科技與金融結合試點政策作為準自然實驗，使用雙重差分方法考察了該政策對企業(yè)全要素生產(chǎn)率的影響。研究結果表明，科技金融政策顯著提高了企業(yè)全要素生產(chǎn)率。機制分析發(fā)現(xiàn)，科技金融政策通過緩解企業(yè)融資約束和提高企業(yè)創(chuàng)新能力，進而提升了企業(yè)全要素生產(chǎn)率。異質(zhì)性分析表明，科技金融政策對企業(yè)全要素生產(chǎn)率的提升作用主要存在于高外部融資依賴行業(yè)、傳統(tǒng)行業(yè)和制度環(huán)境較差的地區(qū)，且對非國有企業(yè)和成長期企業(yè)的作用更大。

上述研究具有以下啟示：（1）制定差別化的科技金融政策。科技金融政策對成長期、高外部融資依賴行業(yè)和制度環(huán)境較差地區(qū)企業(yè)的影響更為明顯，是緩解民營企業(yè)融資約束和彌補地區(qū)制度條件不足的有效途徑。因此，在進一步推廣科技與金融結合試點工作時，需充分考慮企業(yè)產(chǎn)權、企業(yè)生命周期特征、行業(yè)類別和地區(qū)制度環(huán)境因素，在有限的財政科技資金和金融資源條件下，對民營企業(yè)、成長期企業(yè)、高外部融資依賴度行業(yè)以及制度環(huán)境較差地區(qū)企業(yè)予以重點關注，提高科技金融政策的針對性和有效性。（2）進一步推進金融市場化改革。發(fā)展市場化導向的股份制中小商業(yè)銀行，推進多層次資本市場建設，提高直接融資比重?！?/p>

注 釋

①數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。由于《中國統(tǒng)計年鑒》只更新至2021年，故只獲得2020年金融業(yè)增加值數(shù)據(jù)。

②各國數(shù)據(jù)來源于OECD網(wǎng)站。

③41個試點城市包括：北京、天津、重慶、上海、南京、無錫、連云港、淮安、鹽城、徐州、常州、南通、蘇州、鎮(zhèn)江、揚州、宿遷、泰州、杭州、溫州、寧波、湖州、合肥、蕪湖、蚌埠、廣州、佛山、西安、渭南、商洛、銅川、寶雞、咸陽、成都、東莞、深圳、綿陽、武漢、長沙、青島、大連和天水。

④對于在2008年和2009年之外依然存在樣本的企業(yè)，利用該企業(yè)樣本區(qū)間內(nèi)平均折舊率推算；對于其他樣本區(qū)間內(nèi)不存在的企業(yè)，則根據(jù)同行業(yè)折舊率的均值調(diào)整。應付工資根據(jù)其占流動負債的比例采取同樣的方法插補。

⑤不同年份入選的城市有重復，本文以該城市首次入選年份作為政策實施時點。

⑥SA=-0.737×Size+0.043×Size2-0.04×Age。

⑦高科技行業(yè)包括：通用設備制造業(yè)，專用設備制造，交通運輸設備制造業(yè)，電氣機械和器材制造業(yè)，通信設備、計算機及其他電子設備制造業(yè)，儀器儀表及文化、辦公用機械制造業(yè)，化學原料和化學制品制造業(yè)，醫(yī)藥制造業(yè)，化學纖維制造業(yè)。其他為傳統(tǒng)行業(yè)。

⑧由于創(chuàng)新環(huán)境較差地區(qū)的樣本量較少，本文也通過納入DID 與創(chuàng)新環(huán)境分組虛擬變量的交互項或按城市創(chuàng)新指數(shù)的均值分組進行回歸，結論未發(fā)生改變。