The Mechanism of Industrial Policy and Firm's Total Factor Productivity：Research on a Quasi-Natural Experiment of Self-dependent Innovation Demonstration Area

Wang Siwen, Sun Yahui

(School of International Economics and Trade，Lanzhou University of Finance and Economics，Lanzhou 730020, China)

Abstract：Whether industrial policy can improve the total factor productivity of enterprises is an important issue in the field of industrial economy.This paper uses the quasi-natural experiment to study the impact of industrial policies on the total factor productivity of enterprises in the self-dependent innovation demonstration area.The study find that industrial policies have significantly improved the total factor productivity of enterprises in the area, but the absorption levels of industrial policies are different for different ownership enterprises.Compared with state-owned enterprises.Non-state-owned enterprises are more likely to receive industrial policy incentives to improve total factor productivity.Further research found that the role of industrial policies and the impact of industries in which enterprises are located have different effects on total factor productivity.Industrial policies have significantly improved the total factor productivity of key supporting enterprises and capital-intensive enterprises.After taking technological innovation as an intermediary variable between industrial policy and total factor productivity.It was found that 90% of industrial policy is acting on corporate total factor productivity through technological innovation.The government can use technological innovation as a tool to implement targeted industrial policies to improve the total factor productivity of enterprises.

Key Words:Industrial Policy；Technological Innovation；Self-Dependent Innovation Demonstration Area；Total Factor Productivity；Quasi-Natural Experiment

收稿日期：2021-02-15

修回日期：2021-03-30

基金项目：兰州财经大学科研创新团队支持计划项目(2020年)

作者简介：王思文(1982-)，女，辽宁凤城人，博士，兰州财经大学国际经济与贸易学院教授、硕士生导师，研究方向为产业经济、国际贸易；孙亚辉(1996-)，男，内蒙古包头人，兰州财经大学国际经济与贸易学院硕士研究生，研究方向为中小企业与西部产业发展。

DOI：10.6049/kjjbydc.2020120404

开放科学(资源服务)标识码(OSID)：

中图分类号：F260

文献标识码：A

文章编号：1001-7348(2021)23-0131-10

0 引言

改革开放40多年来，我国经济持续发展，市场化程度不断提升，但由于垄断、公共物品和信息不对称、外部性等因素，市场存在失灵现象。此时，国家调控显得尤为关键和重要。产业政策是指国家对产业形成和发展进行干预的各种政策总和，是一种弹性较强的政府干预方式。政府通过实施产业政策可以引导甚至控制投资方向、调整产业结构，实现预定经济目标，但学界对产业政策的有效性问题存在较大争议。林毅夫[1,2]以其新结构经济学理论主张，政府应成为有为政府，国家经济发展离不开市场和政府的双重作用，二者并不矛盾，通过发挥比较优势制定产业政策，并经由“两轨六步法”引领产业发展；张维迎则采用新自由主义经济学观点予以反驳，强调自由市场和有限政府，认为选择性产业政策注定会失败。纵观历史，不论是发达经济体还是处于追赶中的发展中经济体，产业政策在经济发展过程中均被广泛应用，但应用结果有成功(如日本汽车产业政策)也有失败(如日本家电产业政策)，而且成功和失败案例很难从数量上进行比较。因此，不管是赞成产业政策的一方还是反对的一方都可以找到支持自己证据，这样的争论显然不可能有定论。本文认为，研究重点是如何实施产业政策才能达到预期效果，进而找到产业政策边界条件，而不是争论要不要产业政策这个简单的二元问题。

本文研究产业政策对企业全要素生产率的影响。党的十九大报告中明确提出要提高全要素生产率，这在党的全国代表大会报告中尚属首次，因而如何通过产业政策提升全要素生产率成为产业经济实践领域的重要命题。目前，已有研究大多集中在区域范围或市场层面，主要考虑产业政策带来的集聚效应、选择效应对企业集聚和选址的影响，或市场竞争和资源配置如何导致企业利润下降与资源浪费[3,4,5]。上述研究中，产业政策实施效果大多采用外部因素测量，如是否带来产业集聚以及是否产生外部性，抑或直接采用补贴衡量，但均忽视了一个问题，即产业政策实施效果难以被简单测量。原因在于：第一，产业政策种类繁多，实施效果千差万别，作用途径各不相同，导致实证分析中可能会存在遗漏变量等问题[6,7,8]。第二，产业政策实施效果受多种因素影响，其中一个重要因素是企业自身特征，如企业所有制和所处行业不同均会影响产业政策实施效果。一些企业会为长期发展放弃短期利益，另一些企业则为追求短期利润最大化而不愿意从事高风险的创新活动，因而达不到产业政策预期目标[9,10,11]。第三，从实证研究看，基于某种选择性产业政策角度(如政府补贴)，选取地区宏观经济指标分析产业政策对企业全要素生产率的作用难以揭示其内在作用机理[12,13,14]。以企业作为研究对象时，为测度产业政策实施效果一般选择政府扶持的特定行业企业，造成样本选择性偏误，从而导致对产业政策效果的有偏估计[15,16]。因此，如何选取合理的研究对象测度产业政策对企业全要素生产率的作用效果，成为亟待解决的问题。

党的十八大报告明确提出，科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置。十九大报告进一步提出，要通过增强创新能力提高全要素生产率。因此，选取合理的研究对象，既能规避现有研究采用全国样本导致产业政策施政范围过于广泛的问题，又能充分体现创新的渗透性，这是本文需要突破的难点。国家深入实施创新驱动发展战略，打造促进经济社会发展新的增长极，在各地重点布局了自主创新示范区、全面创新改革试验区等一大批旨在推进自主创新和高技术产业发展的区域，鼓励其开展先行先试、探索经验、作出示范。从整体成效看，各示范试验区在创新体制改革、创新要素整合、创新资源集聚、创新成果转化等方面取得了显著成效，已成为当地引领经济社会发展新的重要引擎。自2009年3月成立的第一个国家自主创新示范区——中关村国家自主创新示范区开始，经过10年发展，截至2019年8月(批复成立鄱阳湖国家自主创新示范区)国家自主创新示范区数量已达到21个。由于国家自主创新示范区的选择是以区域而非企业为基础，且产业政策实施对整个区域而言具有普惠性，因而本文以国家自主创新示范区作为研究对象，在一定程度上克服了样本选择性偏误问题，避免了采用单一产业政策分析全国工业企业时重要变量遗漏的问题，也突出了创新对产业政策和全要素生产率的影响，使产业政策有效性测度更加合理。

本文边际贡献在于：第一，已有产业政策与企业全要素生产率研究对象大多为行业或市场，微观领域研究也集中在全国规模以上工业企业[17]，导致产业政策实施范围过大。不同地区针对本地不同产业进行布局，产业政策实施的侧重点各不相同，如果只考虑全国规模以上工业企业，就难以精准测度区域型产业政策对地区经济发展的影响。本文从国家自主创新示范区入手，研究区域型产业政策对企业全要素生产率提升的有效性，从微观层面拓展产业政策作用范围，为政府制定相关政策提供参考。第二，提出产业政策实施路径，即通过何种渠道促进企业全要素生产率提升。通过理论假设和实证检验，利用中介效应模型验证技术创新这条传导路径，为政府倾向性实施产业政策提供支撑。第三，在实证方法选取上，采用准自然实验研究，并对其可能出现的内生性问题进行探讨。在实证策略设计中，不仅从总体样本上对理论假说进行验证，而且就不同所有权、不同行业企业对于产业政策的反应，以及不同产业政策可能造成的差异性影响进行分析，丰富此类研究结论，使政策实施更具有针对性。

1 政策背景、作用机制及研究假设

1.1 政策背景

科技部指出，建设国家自主创新示范区对进一步完善科技创新体制机制，加快发展战略性新兴产业，推进创新驱动发展，加快转变经济发展方式等，将发挥重要的引领、辐射、带动作用。已有关于产业政策有效性的文献大多聚焦于全国工业企业或沿海地区企业，本研究从西部地区寻找合适的样本，深入检验产业政策在西部地区的实施效果，进一步拓展产业政策研究范围。已获批的21个国家自主创新示范区中，有成都、西安、重庆、兰白和乌昌石等5个位于西部地区的国家自主创新示范区。在上述5个国家自主创新示范区中，本文选择兰白国家自主创新示范区(下文简称兰白自创区)作为研究对象，原因在于：第一，重庆、成都和西安工业体系比较完善，产业政策覆盖面较广、实施力度较大、企业基础相对较好，对不同类型产业政策的响应缺乏异质性。第二，兰白和乌昌石作为区域内重点城市群，属于区域型国家自主创新示范区，对于产业政策实施效果反应灵敏，研究该样本可以为今后跨区域合作提供现实基础。第三，兰白国家自主创新示范区是在全国首家以科技创新改革为主题的试验区——兰白科技创新改革试验区(以下简称兰白试验区)经过4年创新改革、先行先试的基础上，依托兰州高新区和白银高新区建设的国家自主创新示范区，具有能够直接借鉴的具体做法和实践经验，能够充分说明科技创新改革试验区成功经验的应用性和可复制性，研究成果具有较强的代表性和指导意义。第四，兰白问题研究具有普适性，国家自主创新示范区最常用的产业政策工具主要包括政府补贴、税收优惠和低息贷款，这在兰白产业政策中都有充分体现，而且产业政策实施效果传导路径也普遍适用。因此，研究兰白国家自主创新示范区既能体现产业政策的广泛性，又能发现产业政策在欠发达地区的特异性和重要意义。第五，2019年8月19—22日习近平总书记在考察甘肃期间，强调要加快改造传统产业，培育新兴产业，不断夯实高质量发展基础。这正是兰白国家自主创新示范区产业政策的初衷和今后发展方向，也体现了本文选取兰白国家自主创新示范区(下文简称兰白自创区)为研究对象的代表性和可靠性。

1.2 作用机制及研究假设

1.2.1 产业政策与全要素生产率

一方面，产业政策对企业全要素生产率的促进表现为集聚效应和选择效应。①集聚效应：集聚带来企业间要素流动与共享，降低交易成本[3,5,18,19]，表现在自创区层面，具体可以通过自身优势吸引众多企业与人才落户，加快知识溢出与共享，提高区内企业生产率；②选择效应：自创区政府扶持政策会形成优胜劣汰的选择机制，新结构经济学认为，各国产业政策实施效果不佳的原因不是政府干预，而是政府错误干预，产业政策应该重点倾向于本国具有比较优势的行业[20,21,22]。

另一方面，产业政策会抑制企业全要素生产率提升，具体表现在：第一，市场竞争机制失效，让企业产生惰性。产业政策(如补贴)直接提高企业利润，让企业在低效率水平下虽能很好地生存，但失去了竞争动力，难以提高全要素生产率[4,23,24]。第二，资源配置失效。如寻租行为，某些企业为获得政策优惠而热衷于建立政治联系，这样容易导致寻租，而寻租行为会使资源配置进入无效状态，出现资源浪费，从而降低企业全要素生产率[25,26,27]。基于以上分析，本文提出以下理论假设：

H1a：自创区产业政策能够提升企业全要素生产率；

H1b：自创区产业政策可能抑制企业全要素生产率。

从理论研究层面，需要寻找一个存在于产业政策与全要素生产率之间的中介变量，让产业政策能够通过这一中介变量作用于企业全要素生产率，并使这一作用路径通过实证检验。党的十八大和十九大报告都提到了创新的重要性，结合研究对象选取，本文将技术创新作为中介变量，提出如下理论假设，并在第四部分进行实证检验。

1.2.2 产业政策与技术创新

企业技术创新是一个时间跨度长、过程难以预测、失败率高、投入产出具有不确定性的高风险活动，产业政策能否促进企业技术创新，目前实证检验结论并不一致。

产业政策对技术创新的促进作用表现在：第一，克服市场失灵。企业技术创新是一项外部性活动，尤其是在知识产权和专利保护不到位的情况下，一些企业的技术、专利很容易被别人模仿，进而丧失优势地位，导致利润下降。技术创新是一项高风险活动，一方面会存在有投入无产出的情况，另一方面会出现创新产品与消费者需求不符的情况，上述两种情况都会使企业遭受损失。在上述情况下，产业政策干预无疑非常重要。第二，缓解融资约束。企业技术创新需要大量资金投入，产业政策一般会通过财政补贴、税收优惠、放宽审批制度等方式缓解企业融资约束。已有研究表明，财政补贴和税收优惠能够缓解企业融资约束，降低企业创新成本，提高企业技术创新水平，对民营企业技术创新尤为重要[8,17,28,29,30]。

尽管产业政策可以克服企业在创新过程中的市场失灵问题，通过政策手段缓解企业融资约束，改善企业技术创新激励不足和资金短缺的情况，但可能会从以下方面抑制技术创新：第一，创新动力缺失。对受财政补贴的企业而言，其在市场竞争中处于优势地位，在低创新水平下仍然能获得利润，所以缺乏创新内在动力，选择安于现状，甚至在拿到财政补贴后宁愿扩大生产也不进行实质创新活动，导致受扶持企业产能过剩[31,32,33,34]。第二，所有制差异导致创新选择不同。相比于非国有企业，国有企业激励机制不同，其在重要行业和关键领域占主导地位，企业高管大多由政府直接任命，所以更加着眼于短期业绩，而不愿去尝试回报周期长且风险高的技术创新活动。与国有企业不同，非国有企业自负盈亏，高管利益直接和企业利润挂钩，故更看重长期收入，在这种情况下产业政策扶持无疑会促进非国有企业技术创新[35,36,37]。基于上述分析，本文提出以下理论假设：

H2a：自创区产业政策能够促进企业技术创新；

H2b：自创区产业政策可能抑制企业技术创新。

1.2.3 技术创新与全要素生产率

根据内生增长理论，在投入要素不变的情况下，技术创新是经济增长的主要动力。通过技术创新提升企业全要素生产率的途径主要有：第一，技术创新促进生产工艺、生产流程、生产工具创新和发明，使企业产品质量提高、生产成本降低，获得更多利润，进而扩大生产规模，进一步提升全要素生产率。此外，技术创新表现为产品创新，企业生产通过发明创造，以更高质量的产品满足消费者需求，从而促进全要素生产率提升[38,39,40]。第二，技术创新拉动经济增长。新产品作为其它产品生产的中间环节或创新过程的组成部分，进入其它产品生产创新过程中，发挥积极影响，带动经济体全要素生产率水平提升[41,42]。第三，技术创新改变企业内部要素投入比例。为了改进工艺，企业会采购更多机器设备，减少劳动力资源使用，提高资源配置比例，使资本劳动配置比例达到合理水平，从而提高企业全要素生产率。进一步地，企业会加大投资规模，再次促进全要素生产率提高[43,44]。通过上述分析，本文提出以下理论假设：

H3：自创区企业技术创新能够促进企业全要素生产率提升。

2 研究设计、变量与数据

2.1 研究设计

2.1.1 产业政策与全要素生产率

为识别产业政策对企业全要素生产率的影响，本文将产业政策作为一项准自然实验，采用双重差分法进行研究。由于兰白国家自主创新示范区于2018年2月获批，批复时间较短，无法进行准自然实验。因此本文利用兰白自创区的前身——2014年由科技部批复成立的兰白试验区产业政策这一准自然实验进行估计。原因在于，兰白自创区是全国首家以科技创新改革为主题的试验区——兰白试验区的基础上建设的国家自主创新示范区，由于试验区和自创区带动区域发展目标一致，因而产业政策具有较好的延续性，这可以由出台的规划得到验证。产业政策一致性表明，科技创新改革试验区的成功经验可以应用和复制，也说明本文使用兰白试验区所得到的结论是可行且有效的。为此，构造计量模型如式(1)所示。

TFPit=β0+β1policyi×Aftert+β2policyi+β3Aftert+β4Controlit+εit

(1)

其中，下标i为企业，t为年份，TFP为企业全要素生产率，Policy为分组变量，After为时间变量，Control为控制变量。本文采用包含时间固定效应和个体固定效应的双向固定效应模型进行估计，模型主要观察Policyi和Aftert交互项的系数β1，衡量产业政策冲击对企业全要素生产率的影响。Policyi的系数和Aftert的系数分别被时间固定效应与个体固定效应吸收。

使用双重差分法的前提是要满足平行趋势假定，即处理组和对照组在政策实施之前必须具有相同的发展趋势，这是保证双向固定效应为一致估计量的重要条件。通过计算兰白试验区企业全要素生产率，绘制实验组和对照组全要素生产率的时间趋势图，如图1所示。图中，横轴表示时间，纵轴表示年度全要素生产率均值，2014年之前实验组和对照组全要素生产率基本平行，满足双重差分法的基本假定。产业政策实施后，2015年开始实验组全要素生产率增速加快，而对照组增速则不显著，说明产业政策能够显著促进实验组全要素生产率提升，但具体作用机制仍需进一步实证检验。

2.1.2 作用机制检验：技术创新的中介效应

根据研究假设，本文揭示技术创新在产业政策与全要素生产率之间的作用关系，为检验技术创新是否起到应有的中介作用，参考温忠麟等[45]构造中介效应的方法，在式(1)的基础上构建如下方程：

TFPit=β0+β1policyi×Aftert+β2policyi+β3Aftert+β4Controlit+εit

(2)

Innovit=δ0+δ1Policyit×After+δ2Policyi+δ3After+δ4Controlsit+εit

(3)

TFPit=γ0+γ1policyi×Aftert+γ2Innovit+γ3policyi+γ4Aftert+γ5Controlit+εit

(4)

式(2)为产业政策对企业全要素生产率的影响；式(3)为产业政策对企业技术创新的影响，技术创新(Innov)采用企业研发投入占总资产的比重衡量；式(4)为技术创新和产业政策同时对企业全要素生产率的影响，衡量中介效应，若δ1和γ1全部显著则说明中介效应显著，若至少有一个不显著则需要进行Sobel检验。

2.2 变量与数据

本文研究数据来自2013—2016年兰白试验区微观企业数据，后者涵盖2013—2018年兰白试验区企业特征数据，由于2017年统计口径发生重大变化，之后年份数据缺失，无法满足准自然实验要求，故数据时间截至2016年。考虑到企业实际经营情况，在样本筛选过程中，参考已有中国工业企业数据库相关研究处理方法，本文剔除如下数据：工业增加值、固定资产、期末员工人数小于等于0的数据；工业增加值大于工业总产值的数据；企业技术创新投入资金小于0的数据，以及缺失数据。兰白试验区政策出台时间为2014年11月，本文将2013—2014年作为政策出台前时期，将2015—2016年作为政策出台后时期。

2.2.1 被解释变量：企业全要素生产率(TFP)

通过简单线性估计方法用于企业TFP估计时，会产生同时性偏差(simultaneity bias)和样本选择性偏差(selectivity and attrition bias)。为解决这一问题，参考王思文等[46]的研究成果，使用LP法估计全要素生产率，并将OP、GMM法估计的全要素生产率作为替代变量用于稳健性检验。

2.2.2 解释变量

本文核心解释变量为产业政策(Policyi)和实施时间(Aftert)的交互项。对于政策虚拟变量Policy，基于对《兰白科技创新改革试验区发展规划(2015-2020)》的解读，将企业分为扶持企业和非扶持企业。兰白试验区重点培育发展新材料、新能源、生物产业、信息技术、先进装备制造、节能环保、新型煤化工和现代服务业等八大战略性新兴产业。通过手动整理分类，若企业属于上述八大产业企业则取1，否则取0；时间虚拟变量After在2014年之前取0，之后取1。

2.2.3 控制变量

参考宋凌云和王贤彬[47]、张莉等(2019)的研究成果，选取企业规模(Size)、经营年限(Age)、出口虚拟变量(Export)、资产报酬率(Roa)、资产负债率(Lev)、固定资产占比(Fixs)作为控制变量，变量定义见表1。

表2为主要变量描述性统计结果，其中，企业全要素生产率均值为0.785，标准差为1.176，最小值仅为-4.881，最大值为5.448，说明兰白试验区内企业全要素生产率存在较大差异且波动幅度较大，可成为本研究的素材。

3 实证结果及分析

3.1 产业政策对企业全要素生产率的影响

为了检验兰白试验区产业政策对企业全要素生产率的影响，本文对式(1)进行回归。在回归中，控制时间固定效应、企业个体固定效应，计量结果如表3所示。

表3第(1)列不加入任何控制变量，结果显示，产业政策对TFP的回归结果(Policy×After)在1%的置信水平下显著为正。第(2)列在加入控制变量后结果仍显著为正，说明产业政策有助于促进区内扶持企业全要素生产率提升。其它控制变量系数也符合预期，企业规模和利润率的系数均在1%的水平下显著为正，说明规模越大、盈利水平越高的企业生产率越高；企业年龄系数为正，说明企业越成熟就越有能力利用试验区资源提高自身生产率。对第(3)—(4)列进行分所有制检验，结果显示，产业政策对不同所有制企业的影响存在差异。国有企业系数为负但不显著，非国有企业系数显著为正，说明产业政策更能促进非国有企业生产率提高；产业政策对国有企业全要素生产率表现为抑制作用，和以往大多数研究结论一致[23,48,49]。产业政策对不同所有制企业影响存在差异，可能原因如下：

(1)国有企业和非国有企业在市场竞争中所处地位不同。对于竞争性行业的国有企业而言，其承受的政策性负担低于垄断性行业的国有企业，但相比于非国有企业，又能享受某些优惠和便利[50]。因此，产业政策实施后，该类国有企业并没有动力通过创新等途径提高市场竞争水平。对于垄断性行业的国有企业，如中国石油兰州石油化工公司，是中国石油天然气集团公司旗下的地区服务公司，总资产达400亿元，年销售收入700亿元以上，在行业竞争中具有绝对优势且利润极高，因而对提升全要素生产率没有内在动力。非国有企业在市场竞争中处于劣势，更愿意利用资源提高自身竞争力水平。

(2)资源禀赋差异。国有企业在面临财务困境时会得到政府额外资助、税收减免以及其它补偿金，导致其预算软约束，因而缺乏提升企业生产率的动力；非国有企业常遭受资源匮乏与融资困难，若获得政府支持则能够在很大程度上缓解其资源约束。另外，相对于国有企业，非国有企业具有更强的组织与管理能力，能够有效将资源转化为产出。

(3)资本配置效率扭曲。兰白试验区产业政策实施目标为促进地方经济增长和企业创新，由于政府对不同所有制企业的干预能力存在差异，因而对不同所有制企业全要素生产率的影响也不同。对于国有企业而言，政府为保增长任务，对国有企业投资行为具有更强的干预性，会迫使其违背原则增加投资行为，使其资本配置效率发生扭曲，因而在产业政策实施的情况下，国有企业全要素生产率不升反降。

基于国有企业和非国有企业在市场竞争中的地位、资源禀赋及资本配置效率等因素，两者各自呈现不同的特质与动机，进而影响产业政策对生产率的有效性。H1a在全样本中得到验证。

3.2 稳健性检验

3.2.1 内生性问题

使用双重差分模型进行政策效应估计的重要前提是政策实施需要满足外生性需求，即政策对实验组样本的选取是随机的。前文回归结果表明，兰白试验区产业政策对实验组全要素生产率具有显著促进作用。但产业政策实施不具有随机性，如果其偏向于某些本身就具有较高生产率的企业，就会导致估计结果出现偏误。为解决这一问题，借鉴宋凌云和王贤彬[47]处理内生性的方法，首先采用Probit模型量化企业受产业政策扶持的概率，然后以Probit模型估计拟合值作为工具变量，设定产业政策的Probit模型如下：

prob{Policy=1}=δ0+δ1ENTERPRISEit+δ2Xit+υit

(5)

其中，i表示企业，t表示年份，ENTERPRISE表示企业职工份额，Xit为式(1)中的控制变量，政府产业政策选择的重要依据是企业对地区的相对重要性。企业职工数占全省当年在岗职工人数的比重能影响一个企业成为扶持企业的概率，但对企业全要素生产率不具有直接影响。因此，选择其作为企业成为扶持企业的重要影响因素是合理的。采用Probit模型估计得到企业受产业政策扶持的概率，以Probit估计拟合值作为工具变量并采用2SLS对模型(1)进行估计，结果如表4所示。第(1)-(2)列对全样本进行估计，交互项系数显著为正，说明兰白试验区产业政策对实验组全要素生产率具有促进作用，和前文结论一致；第(3)-(4)列为分所有制检验结果，非国有企业显著为正，表明兰白实验区产业政策对非国有企业全要素生产率具有促进作用，而国有企业系数为负，也与前文结论一致，说明兰白实验区产业政策对国有企业全要素生产率具有抑制作用。因此，在缓解内生性问题之后，本文结论依然稳健。

3.2.2 平行趋势检验

使用双重差分模型的另一个重要前提是实验组和对照组需要满足平行趋势假定。虽然绘制实验组和对照组的全要素生产率趋势图(见图1)，初步证明了产业政策实施之前实验组和对照组具有平行趋势，但仍需进行进一步检验。为此，构造产业政策实施之前的年份变量(2013年取1，其它年份为0；2014年取1，其它年份为0)与分组变量的交互项。如果加入交互项后，Policy×After依然显著但构造的交互项不显著，则说明实验组和控制组有共同趋势。结果如表5所示，说明产业政策实施之前，实验组和控制组并无显著差异，符合平行趋势假设。

3.2.3 改变全要素生产率测量方法

为检验基准模型的稳健性，以OP和GMM方法计算的全要素生产率作为被解释变量进行回归分析，结果如表6所示。控制企业个体固定效应和时间固定效应后，对基准模型进行回归。第(1)-(2)列以OP法计算的全要素生产率作为被解释变量，在加入控制变量后(Policy×After)系数为0.158 4且显著；第(3)-(4)列以GMM法计算的全要素生产率作为被解释变量，在加入控制变量后(Policy×After)系数为0.166 7且显著。交互项系数均为正值，说明与对照组相比，兰白试验区产业政策能够促进实验组企业全要素生产率提升，与前文结果一致，说明研究结论稳健。

3.2.4 反事实检验

为检验兰白试验区产业政策对企业全要素生产率的促进作用，假设政策实施时间为2013年，构建政策实施前的哑变量(T2013和T2014)。如果政策实施后能够显著促进企业全要素生产率提升，则构建的政策前哑变量交互项系数不显著。检验结果如表7所示，在政策实施前，政策哑变量的交互项系数均不显著，说明产业政策对企业全要素生产率具有显著促进作用。

3.3 产业政策对企业的异质性影响

前文研究表明，兰白试验区产业政策对企业全要素生产率具有促进作用，但对不同企业的实施强度具有差异性，同时不同类型企业受产业政策的影响程度和效果也不同。因此，应对产业政策不同维度所表现出的异质性有所区分，进一步观察产业政策实施效果。本文从产业政策实施程度和不同行业企业两个方面，考察不同产业政策对异质性企业全要素生产率的影响。

3.3.1 基于政策扶持程度强弱视角

不同产业政策对企业全要素生产率的影响可能存在异质性，本文按产业政策对不同企业的扶持程度进行区分，观察不同扶持程度下产业政策对企业全要素生产率的影响。通过企业财务数据，选取受实质性金融支持的企业，包括税收减免和财政补贴，将该类企业视为重点扶持企业，其它企业视为一般扶持企业，以观察不同产业政策对企业全要素生产率的差异性影响。

估计结果如表8第(1)-(2)列所示，第(1)列为重点扶持企业，交互项系数显著为正，说明兰白试验区产业政策对重点扶持企业的全要素生产率具有促进作用；第(2)列为一般扶持企业，交互项系数不显著，表明兰白试验区产业政策对一般扶持企业全要素生产率无显著影响。可能原因在于：首先，被重点扶持的企业大多数处于培育发展阶段，政府支持力度较大，金融性支持有利于缓解企业资金约束，直接或间接增加企业技术创新经费，带动技术创新投入增加，促进企业全要素生产率提升。其次，金融性支持有助于企业产品形成价格优势，促使企业进一步扩大生产规模，带来规模经济效应。随着市场规模扩大，一方面企业需要更先进的管理方法，另一方面企业规模扩大会导致内部经济，进而提升企业全要素生产率。最后，金融性支持一定程度上能够弥补企业技术创新的外溢性，使资源配置更有效率。因此，产业政策对重点扶持企业和一般扶持企业具有差异性实施效果。

3.3.2 基于企业不同行业分组视角

兰白试验区产业政策实施效果可能受企业所处行业的影响，不同行业对生产要素的需求不同，从而导致产业政策实施效果不同。为进一步研究产业政策实施效果的异质性，本文参考鲁桐和党印[51]的研究成果，将企业划分为资本密集型、劳动力密集型和技术密集型企业，通过4位行业代码确定企业所处位置并分行业对式(1)进行回归，结果如表8所示。

表8第(3)-(5)列显示，不同行业视角下产业政策实施效果具有异质性。劳动力密集型和资本密集型企业的交互项系数均显著为正，而技术密集型企业交互项系数不显著，说明兰白试验区产业政策对劳动力密集型企业和资本密集型企业全要素生产率均具有促进作用，但对技术密集型企业无显著影响。同时可以看出，资本密集型企业系数大于劳动密集型企业系数(0.418 5>0.206 7)，说明兰白试验区产业政策对资本密集型企业全要素生产率的促进作用大于劳动力密集型企业。原因可能是：首先，相对于技术密集型企业，劳动力密集型企业和资本密集型企业更易吸收就业，而就业水平关系到一个地区经济稳定与发展，故政府对该类企业给予的政策优惠更多，如财政补贴、税收优惠等。对处于发展阶段的企业而言，该类补贴无疑可以极大促进企业发展，提高企业创新投入。因此，劳动力密集型企业和资本密集型企业全要素生产率在产业政策作用下得到显著提升。其次，技术创新是时间长、难度大的高风险活动，技术密集型企业产品具有较高的科技含量，在短期内技术创新难以推动企业全要素生产率提升。并且，创新难度和风险不断增加，即使取得政策支持，企业也更愿意扩大生产规模，而不是开展实质性创新。技术密集型企业在创新过程中所需要的资金量巨大，遇到资金短缺问题的可能性也更大，从而进一步抑制兰白试验区产业政策实施效果。

3.4 技术创新的中介效应检验

为检验技术创新在产业政策与企业全要素生产率之间的作用机制，本文采用式(2)-(4)的中介效应模型。表9第(1)列为产业政策对全要素生产率的影响，(Policy×After)系数显著为正，说明兰白实验区产业政策能够显著促进企业全要素生产率提高。第(2)列为兰白试验区产业政策对企业技术创新的影响，交互项系数仍显著为正，说明兰白实验区产业政策对企业技术创新具有促进作用。第(3)列为企业技术创新和产业政策对企业全要素生产率的影响，式(3)、式(4)的交互项系数δ和γ均显著为正，且第(3)列回归系数为0.205 9，小于第(1)列系数0.224 7，说明中介效应成立，且属于不完全中介效应，即兰白试验区产业政策通过技术创新促进企业全要素生产率提升。根据温忠麟[45]的研究方法，可以测度出技术创新中介效应占直接效应的比例为0.903 6(0.224 7×0.205 9/0.051 2)，说明90.36%的兰白试验区产业政策通过技术创新作用于企业全要素生产率。上述检验表明，技术创新是产业政策促进企业全要素生产率提高的有效路径，能够为兰白试验区和兰白自创区产业政策实施提供经验证据。由此，H2a和H3得到验证。

4 结语

4.1 结论

如何实施产业政策才能更好地提升企业全要素生产率是本文回答的主要问题。本文通过分析产业政策对企业全要素生产率的作用机制，提出理论假设，并使用准自然实验方法，基于国家自主创新示范区相关数据对产业政策对企业全要素生产率的影响进行实证检验。

(1)总体上，产业政策能够显著提升示范区内企业全要素生产率，但不同所有制企业对产业政策的吸收程度不同。相较国有企业非国有企业更容易受产业政策的激励作用，进而提升全要素生产率。

(2)产业政策作用程度和企业所处行业对全要素生产率的影响不同，产业政策对重点扶持企业和资本密集型企业的全要素生产率具有显著提升作用。

(3)将技术创新作为产业政策和企业全要素生产率的中介变量后研究表明，90%的产业政策通过技术创新作用于企业全要素生产率。政府可以通过技术创新这一抓手实施有针对性的产业政策，从而提升企业全要素生产率。

4.2 启示

(1)按照企业类型，采取有针对性的指导政策提高全要素生产率。研究发现，产业政策整体上对企业全要素生产率具有积极影响，这为产业政策的有效性争论提供了经验证据。因此，建议政府在制定与推行产业政策时，充分考虑不同所有制特征，因企制宜、分类指导，支持企业做大做强。就国有企业而言，解决产业政策冲击带来的生产率下降问题，要引导企业通过市场竞争机制提高资源利用率。与国有企业相比，非国有企业处于弱势地位，在项目审批、融资、市场进入等方面面临更多约束，缺乏发展机会。因此，政府要进一步加大简政放权力度，破除企业所有制身份桎梏，从产业政策入手，大力推动非国有企业发展，减少项目审批、企业贷款、市场进入等方面的限制，有效解决非国有企业融资难、融资成本高等问题，从而激发非国有企业创新活力和市场竞争积极性。

(1)充分发挥技术创新的作用，提高企业技术创新能力。本文验证了技术创新在产业政策和企业全要素生产率间的中介效应。因此，要充分发挥技术创新的作用，产业政策的重心是提高扶持企业技术创新能力，而不是一味追求产品数量提升，忽视质量。政府应遵循市场竞争原则，通过税收、金融或创新补贴等方式激发企业创新潜能，鼓励企业提高创新能力，引导企业以供给侧结构改革为导向，解决“卡脖子”问题，以科技创新方式实现技术升级，从而实现产业转型。对于国有企业，应鼓励其在产业政策支撑方向上与高校和科研机构合作，促进技术创新成果交易，降低其参与技术市场交易的成本。对于非国有企业，政府在制定产业政策时应积极营造公平合理的市场竞争环境，在市场准入、政策支持、金融财税、政府采购等方面进一步完善相关配套政策，鼓励科技创新，通过对企业科技创新资金的政策倾斜，激发自创区企业科技创新活力，从而有效促进产业科技创新活动。

4.3 不足与展望

未来研究可以在以下方面作进一步细化：首先，应尽可能获取更多国家自主创新示范区企业微观数据，使研究结果更加稳健；其次，在样本量足够大时，除技术创新外，可能会发现更多中介路径，从而使产业政策实施途径更加有效和多样；最后，在后续数据更丰富的情境下，对企业分类应不拘于国有企业和非国有企业，可以进行更多分组检验，使产业政策实施更具有针对性。

参考文献:

[1] 林毅夫,向为,余淼杰.区域型产业政策与企业生产率[J].经济学(季刊),2018,17(2):781-800.

[2] 林毅夫.新结构经济学与中国发展之路[J].中国市场,2012,19(50):3-8.

[3] MELO P C,GRAHAM D J,NOLAND R B.Ameta-analysis of estimates of urban agglomeration economies[J].Regional Science and Urban Economics,2009,39(3):332-342.

[4] BLONIGEN B A.Industrial policy and downstream export performance[J].The Economic Journal,2016,126(595):1635-1659.

[5] 谭诗羽,吴万宗,夏大慰.国产化政策与全要素生产率:来自汽车零部件制造业的证据[J].财经研究,2017,43(4):82-95.

[6] NEUMANN M.Industrial policy and competition policy[J].European Economic Review,1990,34(2-3):562-567.

[7] POWELL B.Statedevelopment planning:did it create an east Asian miracle[J].The Review of Austrian Economics,2005,18(3-4):305-323.

[8] AGHION P,CAI J,DEWATRIPONT M,et al.Industrial policy and competition[J].American Economic Journal:Macroeconomics,2015,7(4):1-32.

[9] MCKENNA R,COHEN S S,BORRUS M G.Industrialpolicy and international competition in high technology[J].California Management Review,1984,26(2):15-32.

[10] ALBERT GUANGZHOU HU.R&D organization,monitoring intensity,and innovation performance in chinese industry[J].Economics of Innovation and New Technology,2003,12(2):117-144.

[11] 戴魁早,刘友金.要素市场扭曲如何影响创新绩效[J].世界经济,2016,39(11):54-79.

[12] 杨晓妹,刘文龙.财政R&D补贴、税收优惠激励制造业企业实质性创新了吗:基于倾向得分匹配及样本分位数回归的研究[J].产经评论,2019,10(3):115-130.

[13] 李子彪,孙可远,吕鲲鹏.三类政府财政激励政策对高新技术企业创新绩效的激励机制:基于企业所有权性质的调节效应[J].技术经济,2018,37(12):14-25,75.

[14] 宋凌云,王贤彬.产业政策如何推动产业增长:财政手段效应及信息和竞争的调节作用[J].财贸研究,2017,28(3):11-27.

[15] 周燕,潘遥.财政补贴与税收减免:交易费用视角下的新能源汽车产业政策分析[J].管理世界,2019,35(10):133-149.

[16] 彭月兰,任晋晋.促进我国风电发展的财税政策研究[J].经济问题,2018,40(8):28-31,83.

[17] 戴小勇,成力为.产业政策如何更有效:中国制造业生产率与加成率的证据[J].世界经济,2019,42(3):69-93.

[18] ROSENTHAL S S,STRANGE W C.Evidence on the nature and sources of agglomeration economies[J].HandBook of Regional and Urban Economics,2004(4):2119-2171.

[19] 余壮雄,杨扬.大城市的生产率优势:集聚与选择[J].世界经济,2014,37(10):31-51.

[20] 韩永辉,黄亮雄,王贤彬.产业政策推动地方产业结构升级了吗:基于发展型地方政府的理论解释与实证检验[J].经济研究,2017,52(8):33-48.

[21] 陈永清,夏青,周小樱.产业政策研究及其争论述评[J].经济评论,2016,37(6):150-158.

[22] 蔡玉蓉,汪慧玲.科技创新、产业集聚与地区劳动生产率[J].经济问题探索,2018，39(10):59-69.

[23] HARRISON A E.An empirical test of the infant industry argument:comment[J].American Economic Review,1994,84(4):1090-1095.

[24] 王文,孙早,牛泽东.产业政策、市场竞争与资源错配[J].经济学家,2014,26(9):22-32.

[25] RANASINGHE A.Impact ofpolicy distortions on firm-level innovation,productivity dynamics and TFP[J].Journal of Economic Dynamics and Control,2014(46):114-129.

[26] HSIEH C T,KLENOW P J.Misallocation and manufacturing TFP in China and India[J].Quarterly Journal of Economics,2009,124(4):1403-1448.

[27] 李政,杨思莹,路京京.政府补贴对制造企业全要素生产率的异质性影响[J].经济管理,2019,41(3):5-20.

[28] 余明桂,范蕊,钟慧洁.中国产业政策与企业技术创新[J].中国工业经济,2016,33(12):5-22.

[29] 苑德宇,李德刚,宋小宁.产业集聚、企业年龄与政府补贴[J].财贸经济,2018,39(9):39-56.

[30] 唐荣,顾乃华,谭周令.产业政策、市场结构与企业价值链定位[J].产业经济研究,2019,18(1):12-26.

[31] DIXON P B,RIMMER M T.You can't have a CGE recession without excess capacity[J].Economic Modelling,2011,28(1-2):602-613.

[32] 张亚斌,朱虹,范子杰.地方补贴性竞争对我国产能过剩的影响:基于倾向匹配倍差法的经验分析[J].财经研究,2018,44(5):36-47,152.

[33] 宣烨.要素价格扭曲、制造业产能过剩与生产性服务业发展滞后[J].经济学动态,2019,59(3):91-104.

[34] 徐齐利,聂新伟,范合君.政府补贴与产能过剩[J].中央财经大学学报,2019,39(2):98-118,128.

[35] CHEN Y W,YANG Y P,WANG L F S,et al.Technology licensing in mixed oligopoly[J].International Review of Economics & Finance,2014(31):193-204.

[36] GAVIOUS I,LAHAV Y,RUSS M.Changes in the value implications of compensation costs throughout the economic cycle:an examination of high-tech versus low-tech industries[J].Asia-Pacific Journal of Accounting & Economics,2016,23(2):200-223.

[37] 马红,侯贵生.混合所有制改革、地方国企依赖与国有企业创新升级:基于制造业的实证研究[J].上海财经大学学报,2019,21(2):30-45,64.

[38] PARK W G.International R&D spillovers and OCED economic growth[J].Economic Inquiry,1995,33(4):571-591.

[39] GRIFFITH R,REDDING S,REENEN J V.Mapping the two faces of R&D:productivity growth in a panel of OECD industries[J].Review of Economics and Statistics,2004,86(4):883-895.

[40] 陈维涛,严伟涛,庄尚文.进口贸易自由化、企业创新与全要素生产率[J].世界经济研究,2018,37(8):62-73,136.

[41] MOHNEN P, HALL B H.Innovation and productivity: an update [J].Eurasian Business Review, 2013, 3(1): 47-65.

[42] TANG J M,LE C D.Multidimensional innovation and productivity[J].Economics of Innovation and New Technology,2007,16(7):501-516.

[43] BAUMANN J,KRITIKOS A S.The link between R&D,innovation and productivity:are micro firms different[J].Research Policy,2016,45(6):1263-1274.

[44] 王薇,艾华.政府补助、研发投入与企业全要素生产率:基于创业板上市公司的实证分析[J].中南财经政法大学学报,2018,71(5):88-96.

[45] 温忠麟,张雷,侯杰泰,等.中介效应检验程序及其应用[J].心理学报,2004,36(5):614-620.

[46] 王思文,管新帅,刘雪强.出口、创新与生产率:基于异质性企业的联合决策模型[J].经济评论,2018,39(5):75-89,105.

[47] 宋凌云,王贤彬.重点产业政策、资源重置与产业生产率[J].管理世界,2013,29(12):63-77.

[48] 钱雪松,康瑾,唐英伦,等.产业政策、资本配置效率与企业全要素生产率:基于中国2009年十大产业振兴规划自然实验的经验研究[J].中国工业经济,2018,35(8):42-59.

[49] 李骏,刘洪伟,万君宝.产业政策对全要素生产率的影响研究:基于竞争性与公平性视角[J].产业经济研究,2017,16(4):115-126.

[50] 刘晔,张训常,蓝晓燕.国有企业混合所有制改革对全要素生产率的影响:基于PSM-DID方法的实证研究[J].财政研究,2016,37(10):63-75.

[51] 鲁桐,党印.公司治理与技术创新:分行业比较[J].经济研究,2014,49(6):115-128.

(责任编辑：张 悦)