The Influence of Innovative City Construction on Total Factor Productivity of Service Industry

Xuan Ye1,Peng Jie2

(1.School of International Economics and Trade,Nanjing University of Finance and Economics; 2. Jiangsu Institute of Industrial Development Research, Nanjing University of Finance and Economics, Nanjing 210023, China)

Abstract：As the "new engine" of economic development, the service industry has become an important force driving the dual-cycle development at home and abroad. China's trade in services far exceeds that of the UK, Germany and other countries, and has ranked second in the world for eight years in a row. Although the overall proportion of China's service industry has increased in recent years, there is still a big gap between China's industrial development and that of developed countries. At present, the supply of producer services supporting industrial upgrading and high-quality consumer services driving demand growth is obviously insufficient. The problem of relatively low productivity has not been fundamentally changed. The innovative city construction, as an important measure to promote the goal of "leading innovative countries" in China, plays a key role in industrial upgrading and innovation driving. There is great guiding significance for the high-quality development of service industry and the construction of an innovation-oriented country by accurately evaluating the effect and mechanism of the construction of innovation-oriented cities .

Taking approved innovation-oriented cities as the research object, this study matches the panel data of China's prefecture-level cities from 2004 to 2020 with the data of A-share listed service enterprises in Shanghai and Shenzhen, and then constructs a multi-period differential model to study the impact of innovative city construction on the total factor productivity of service enterprises. First, this paper examines whether pilot policies can promote the productivity of listed service enterprises, and focuses on the time-delay and dynamic characteristics of innovative city construction. Secondly, the number of universities and night light index in history are used as instrumental variables to test the robustness of the benchmark conclusions. This study also tries to explore the main paths through which the pilot policy can affect the productivity improvement of service enterprises. Finally, according to the differences between the characteristics of enterprises and cities, it analyzes the differential impact of innovative city construction on the total factor productivity of service enterprises.

The main conclusions are as follows. (1) Compared with non-pilot cities, the construction of innovative cities is more conducive to the improvement of total factor productivity of service enterprises in pilot cities. After the robustness tests, such as the instrumental variable test, year-to-year matching test and placebo test, this conclusion remains valid. Besides, the innovative city construction has time-delay and long-term dynamic. (2) The mechanism test results show that the construction of innovation-oriented cities can boost the production efficiency of service enterprises in pilot cities by improving the capital allocation efficiency of service enterprises and improving the technological innovation level of service enterprises. Meanwhile,the innovative city construction can also improve the total factor productivity of service enterprises by accelerating the agglomeration of service industry in pilot cities and the collaborative agglomeration of service industry and manufacturing industry. (3) The heterogeneity results based on firm characteristics show that the policy effect of knowledge-intensive service enterprises and enterprises with low financing constraints is relatively obvious. In terms of the regional differences of service enterprises, innovative city construction has a strong policy effect on service enterprises in coastal cities and areas with a higher legal level.

Accurate evaluation of the effects of innovative city construction is of great guiding significance for China to become one of the most innovative countries by 2030. It also provides important inspiration for how to achieve high-quality development of China's service industry at the present stage. According to the research conclusion, this paper puts forward three countermeasures and suggestions. First, in order to give play to the role of resource agglomeration and talent and technology innovation in the construction of innovation-oriented cities, the government should actively foster an innovation and entrepreneurship ecosystem in pilot cities to achieve breakthroughs in generic technologies and key technologies. Second, it is essential to improve the financial support system and property rights protection measures. Local governments need to provide sound investment and financing channels for the development of the service sector and encourage healthy innovative competition among enterprises. Third, Chinese local governments and micro enterprises need to take advantage of the Internet and digitalization to promote the synergistic agglomeration of service industry and manufacturing industry.

Key Words：Innovative City Construction; Sevice Industry;Capital Allocation Efficiency; Industrial Synergisitic Agglomeration; Total Factor Productivity

收稿日期：2022-07-29

修回日期：2022-10-08

基金项目：国家社会科学基金后期资助重点项目(21FJLA001);江苏省社科基金项目(21EYA004,21EYC005);江苏省研究生科研与实践创新计划(KYCX21_1429)

作者简介：宣烨(1968—),男,安徽庐江人,博士,南京财经大学国际经贸学院教授、博士生导师,研究方向为服务经济、大国经济、产业转型升级理论政策;彭婕(1997—),女,江苏南通人,南京财经大学江苏产业发展研究院硕士研究生,研究方向为创新政策与服务经济。本文通讯作者:彭婕。

DOI：10.6049/kjjbydc.2022070773

开放科学(资源服务)标识码(OSID)：

中图分类号：F726.9

文献标识码：A

文章编号：1001-7348(2023)11-0082-10

0 引言

“十四五”规划强调,促进服务业繁荣发展,构建优质高效、结构优化、竞争力强的服务产业新体系。服务业作为我国结构转型与消费驱动的重要支撑[1],对畅通国际国内双循环起着关键作用。2013年,服务业首度超越工业,到2015年占比超过50%,已成为国民经济发展的重要引擎。国家统计局数据显示,2021年中国服务业生产指数比上年增长13.1%,全年增长趋势明显。尽管近年来我国服务业比重持续上升,但生产率相对较低的难题并未得到根本改变[2]。与此同时,我国正处于向2030年跻身创新型国家前列目标迈进的关键阶段,城市作为承接国家创新经济的重要载体,起着资源集聚地和创新蓄水池的重要作用。为激发地区创新活力、赋能城市产业发展,2008年我国将深圳作为首个试点城市,开始探索创新型城市建设。2010年国家发改委发布《关于进一步推进创新型城市试点工作的指导意见》后,各地政府纷纷开展试点工作,构建以人才、科技和服务创新为主导的政策扶持体系,积极塑造文明奋进的城市形象。在经过多年的评估和经验分享后,2022年我国在已有78个试点城市的基础上启动新一批25个创新型城市建设,以求在提升人民生活品质的同时,实现高质量发展。那么,创新型城市建设能否提升服务业全要素生产率,进而助推我国城市服务业高质量发展?这种政策效应又将通过哪些渠道实现?在科技创新引领高质量发展的时代背景下,研究上述问题显得格外重要。

本文旨在研究创新型城市建设对服务业全要素生产率的影响,因此主要聚焦以下两类文献:一类是创新型城市建设的政策评价,尤其是服务业领域的政策效果。就中观产业层面而言,胡兆廉等[3]实证研究发现,“重服务,轻制造”的试点政策通过集聚生产性服务业最终促进当地制造业集聚。从细分服务业视角出发,创新型城市建设能够集聚创新资源、提高各部门生产率,如政策实施可增加产品专利、集聚研发产业等[4]。就微观企业层面而言,创新型城市建设能够提升企业集聚度与对外联系度,助推微观主体创新研发[5]。此外,政策效应与企业特征存在明显关联,创新型城市建设对高新技术企业和民营控股企业的政策效果更为明显[6],对成长期和成熟期企业创新质量的提升效果更为突出[7]。另一类文献则是全要素生产率相关研究。当前我国企业全要素生产率普遍不高[8],现有文献多聚焦企业生产率的驱动因素,如资源配置效率、科技创新和制度背景等[9-10]。本文重点关注服务业领域,我国服务业全要素生产率整体呈递增趋势[11],不少学者试图探究服务业全要素生产率提升的关键路径。如陈启斐等[12]基于各省投入产出表研究发现,服务贸易通过前后向关联提高服务业全要素生产率;郭慧芳和王宏鸣[13]研究发现,数字化转型通过增加研发投入与优化人力资本提升服务业全要素生产率(TFP)。

通过对已有文献进行梳理与回顾,发现国内外学者对创新型城市建设与产业发展的相关研究较多,但对服务业发展尤其是企业服务政策效应的研究较少。同时,现有文献大多仅基于城市创新氛围视角进行机制检验,鲜有研究延伸到微观企业和中观产业层面。基于此,本文构建渐进双重差分模型探究创新型城市建设对服务业全要素生产率的影响,并基于微观企业和中观产业视角打开试点政策影响服务业全要素生产率机制的“黑箱”,为进一步推动国家创新型城市建设和服务业高质量发展提供经验证据。

1 理论框架与研究假设

1.1 创新型城市建设与服务业全要素生产率

创新型城市建设以人才、技术和服务创新为核心驱动力,依靠政府税收激励等关键举措激发城市产业创新活力,这对具有制度敏感性特征的服务业具有显著推动作用[14]。具体来说,试点政策主要围绕以下重点工作为服务业培育良好的城市营商环境:第一,集聚创新资源。一方面,“人才新政”通过安排落户、提供补贴等福利将有效推动城市人力资本高级化,缓解服务业高素质人才紧缺的困境;另一方面,政府专项科技支出也促使科技创新活动向服务业扩散[15],在“干中学”和知识外溢下,服务业全要素生产率将得到提升。第二,优化发展环境。试点政策在金融体系和信贷支持方面的系列措施有助于优化金融配置,缓解企业融资约束[16],再加上政策明确要求考核碳排放量,这将进一步改善城市软环境,吸引人才和相关企业进驻。第三,改革体制机制。根据政策要求,地方相关部门需创新政府治理模式,释放企业活力和发展潜力。同时,高新技术企业占比、 知识密集型服务业占比等创新型城市建设考核机制的关键指标,明确凸显出政策的服务业偏向性特征。由此,本文提出以下假说:

H1:创新型城市建设总体上可显著提升试点城市服务业全要素生产率。

1.2 创新型城市建设对服务业全要素生产率影响的机制

从企业外部环境看,我国仍属于发展中国家,市场资源错配和产业创新不足等问题亟待解决。创新型城市建设通过政府创新驱动举措提高企业资本配置效率、科技创新水平和产业集聚程度,从而助推试点城市服务业全要素生产率提升。

首先,试点政策能够提高服务企业资本配置效率,具体表现为降低资本错配和经营风险,缓解信息不对称问题。资源错配理论强调,劳动资本要素与企业资源配置效率密切相关[9]。创新型城市建设的专项财政支出和“信号”机制能够合理引导要素流向,促使政府资金和社会资本流入服务业领域,助力企业缓解融资约束和提升内部资本配置效率。当前小规模服务企业均面临银行借贷难、投融资机会少等困境,而试点政策的实施可缓解这一现象。一方面,创新考核机制导致的政策偏向性特征赋予相关高科技服务业在资源开发和投融资方面更强的主观能动性[17];另一方面,试点城市的设施和网络共享促使声誉机制发挥作用,有效降低服务企业在契约执行中的信息不对称和道德风险。在政策利好消息下,服务企业的信息搜寻成本下降、非效率投资减少,这将促使企业将资金、精力注入效益最大化行为,以此增强公司治理效应。

其次,试点政策能够提高服务企业的科技创新水平,主要体现在逃避竞争效应和加强产学研合作方面[18]。中国服务业正处于快速成长期,试点政策通过减税降费和创新奖补举措不断吸引微观主体加入,在加剧市场竞争的同时,倒逼服务企业研发创新。当前我国服务业创新发展与转型升级的关键因素在于人才和技术,而结合有效市场和有为政府的创新型城市建设可协同企业、高校和研发机构共同为服务业提供高素质人才和高水平科技成果。一方面,税收优惠和科技支持不仅能够鼓励服务企业主动研发,也能够促使高校和研发机构在加强自身科研能力建设的同时,与当地技术密集型企业展开积极合作,谋求创新的多赢局面。另一方面,试点政策关注大学科技园新增在孵企业数等创新考核指标,这意味着政府会为人才和技术培育提供保障。随着产学研创新体系逐步完善,服务企业的创新人才和技术缺口得以弥补,从而提升服务业全要素生产率。

最后,试点政策能够提高城市产业集聚程度,具体表现为高端服务业率先集聚,并与制造业形成空间聚合效应,共同助推服务业全要素生产率提升。试点城市强调加强信息网络建设,这将缓解供需双方的信息不对称、优化资源要素配置,为高端服务业集聚奠定基础。高端服务业位于城市产业链高端,具有极强的知识创造力和产业带动力,能协同制造业形成空间集聚。在产业关联方面,试点政策实施下,高端服务业可通过前后向关联和制造业产业链实现更优匹配,这将促进产业间直接贸易并引导要素合理流动[19]。在产业竞争方面,协同集聚区会淘汰低效率企业并增强知识溢出效应[20]。新经济地理学中的选择效应指出,竞争使企业面临自身发展与发展成本间的选择。适应市场变化能力较弱的低效率企业将被率先淘汰,这种竞争机制能有效提升服务业中间产品竞争力和制造业发展水平,从而提高产业生产率。由此,本文提出以下假说:

H2a:创新型城市建设通过提高资本配置效率助推服务业全要素生产率提升;

H2b:创新型城市建设通过提高科技创新水平助推服务业全要素生产率提升;

H2c:创新型城市建设通过提高产业集聚程度助推服务业全要素生产率提升。

创新型城市建设对服务业全要素生产率的作用机制如图1所示。

2 研究设计

2.1 数据来源

考虑到创新型城市建设为分批试点,本文选取2004—2020年试点城市服务企业作为处理组,将非试点城市服务企业作为控制组。服务企业相关数据来源于CSMAR数据库,剔除《上市公司行业分类指引》(2012年版)中行业分类代码为A～E的产业,仅保留服务业。为确保实证研究数据的可靠性,对数据进行如下处理:①剔除ST、*ST和PT类企业;②剔除样本年份不足和主变量数据缺失的企业;③剔除因倒闭或破产无法正常交易的企业;④采用线性插值法补齐缺失值并对连续变量进行上下1%Winsorize缩尾处理。本文城市层面数据来源于《中国城市统计年鉴》和各地方政府公报,企业专利数据来源于中国研究数据服务平台。

2.2 模型与变量定义

借鉴国内外学者广泛采用的多期双重差分法[21],构建以下模型:

lnTFPijt=α0+α1Cic+α2Controlijt+γj+μt+θjt+εijt

(1)

其中,lnTFPijt为服务业全要素生产率,i、j、t分别代表企业、行业和年份,Cic为城市i在t年是否为创新型试点城市;Controlijt为控制变量,包括资产负债率、资产期限等;γj、μt、θjt分别为行业固定效应、年份固定效应和行业—年份固定效应,εijt为随机误差项。

2.2.1 被解释变量

本文被解释变量为全要素生产率(lnTFP),采用Levinsohn&Petrin[22]的方法计算。具体计算方式为营业成本、销售费用、管理费用和财务费用之和减去折旧摊销、支付给职工以及为职工支付的现金。

2.2.2 核心解释变量

考虑到学术界广泛采用DID模型验证政策效果,如智能制造政策、智慧型城市建设[23]等。本文继续沿用创新型城市建设的界定范围[24],即核心解释变量Cic表示若该城市在第t年成为创新型城市,则当年及之后年份为1,否则为0。

2.2.3 控制变量

借鉴刘建江等[25]的做法,本文在企业和城市层面控制一系列可能影响服务业全要素生产率的变量。在企业层面,考虑到经营风险、资产结构、管理成本与企业生产率间的紧密联系,本文选取资产负债率(Lev)、固定资产比率(Fix)和管理费用率(Mer)进行控制。同时,高管控制与任职会对企业决策产生直接影响,本文进一步选取股权集中度(Top)和两职合一(Dua)作为控制变量。在城市层面,区域经济增长与政府拨款有助于服务业创新转型,本文选取经济发展水平(Pgdp)和政府科技支出(Tec)进行控制。同时,城市金融环境与信息基础设施对服务业缓解融资约束和数字化转型起到关键作用,本文选取金融支撑基础(Fin)和互联网水平(Inte)作为控制变量。具体变量刻画与描述性统计如表1所示。

3 实证结果与分析

3.1 平行趋势检验

采用DID模型存在一个重要前提,即在政策实施前,处理组与控制组间不存在明显差异,但在政策实施后出现较大变化。借鉴徐佳等(2020)的研究,本文从城市层面计算服务业全要素生产率均值,对平行趋势假设进行检验,构造如下模型:

(2)

其中,lnTFPct为城市层面的服务业全要素生产率,下标c、t为城市和年份。本文以政策实施前一年作为基期,将政策实施前后超过7年的均归为第七年,当政策实施前的交互项均不显著异于0时,则表明通过平行趋势检验。如图2所示,试点政策实施前,处理组与控制组的服务业全要素生产率并不存在明显差异,满足平行趋势假设。政策实施后,创新型城市建设对服务业全要素生产率的影响存在滞后性和长期动态性。原因可能是,从国家公布试点城市名单到企业获取地方政府资源再到政策效果发挥,这其中存在一定时间差。同时,创新具有两阶段特性,从研发投入到创新产出再到产业化实现商业价值的过程较为缓慢。因此,创新型城市建设对服务业全要素生产率的影响存在滞后性。

3.2 政策效应分析

表2汇报了基准回归结果。列(3)结果显示,在控制年份、行业、行业—年份以及其它影响因素后,试点政策与服务业全要素生产率之间依旧呈现显著正相关趋势。这表明在创新型城市建设影响下,试点城市会形成资源集聚地与创新蓄水池,有效助推服务业全要素生产率提升。因此,H1得到证实。在当前中国服务业全要素生产率相对较低的境况下,本文结论可为缓解服务业困境提供新的思路,以政府创新驱动为核心的创新型城市建设能够激发服务业创新活力、提升服务业全要素生产率,从而助推服务业向城市产业价值链高端攀升。

3.3 内生性问题分析

考虑到创新型城市建设与服务业全要素生产率间可能存在双向因果关系,本文采用工具变量法缓解内生性问题。创新型城市选取的依据为创新基础好、经济发展水平高等,而1997年高校数量可反映城市知识和创新底蕴,符合相关性和外生性要求。由于本文为面板数据,可构造上述变量与政策时间虚拟变量的交乘项。考虑到试点政策与当地经济发展也存在关联,本文进一步纳入1997年夜间灯光数据进行内生性检验,结果如表3所示。

由第一阶段回归结果可知,创新型城市建设与两个工具变量存在显著正相关关系,表明试点城市的选择的确与该城市固有知识和经济发展水平相关联。弱工具变量检验和不可识别检验显示,Cragg-Donald Wald F统计量和Kleibergen-Paap rk LM统计量的P值均为0,说明不存在弱工具变量和识别不足的问题。第二阶段回归结果显示,纳入工具变量后,创新型城市建设对服务业全要素生产率的影响依然显著为正。因此,在解决内生性问题后,本文基准结论依旧成立。

3.4 稳健性检验

3.4.1 替换代理变量

本文服务业全要素生产率的代理变量是基于LP方法计算的对数化全要素生产率。为使实证结果更加稳健,将被解释变量替换为基于Olley&Pakes[26]方法计算的全要素生产率,结果如表4所示。列(1)结果显示,在新构造的服务业全要素生产率下,政策交互项的系数在1%的统计水平上仍保持显著正相关趋势。因此,本文研究结论稳健。

3.4.2 排除政策干扰

为避免其它区位政策对基准结果造成偏误,本文排除同时期实施国家自主创新示范区政策和国家级新区导向的城市。自主创新示范区试点能够有效推动区域创新发展[27],国家级新区也可在创新制度和扩张要素的基础上助力产业转型升级[28],因此两者均会对服务业领域产生影响。分别剔除上述城市后进行回归,列(2)(3)结果显示,政策交互项的系数仍显著为正,表明排除其它政策干扰后,试点政策实施依然可以助推我国试点城市服务业全要素生产率提升。

3.4.3 逐年PSM-DID

为保证基准结论的可靠性,本文在多期DID分析前进行逐年倾向得分匹配。本文采用一对一近邻匹配的方式为试点城市样本逐年匹配对照组,在去除非重合区域样本从而满足共同支撑假设要求的基础上,对匹配后的样本再次进行回归分析。列(4)结果显示,经过逐年PSM-DID后,政策虚拟变量Cic的最终估计系数、符号和显著性均与基准回归结果相近。

3.4.4 安慰剂检验

考虑到其它随机因素的影响,本文进行安慰剂检验。首先,本文随机抽取样本服务企业所在城市作为新的创新型城市,并为其随机抽取新的试点年份,以重新估计基准模型。其次,分别重复上述过程200次和500次,可得到多次回归系数和p值。由图3可知,回归模拟值的分布大多集中在0附近,且估计值的p值大多大于0.1。同时,真实回归系数显著异于安慰剂检验中的系数,可被视为极端值,这从反事实角度证实了创新型城市建设可显著提升服务业全要素生产率。

4 机制检验与拓展性分析

4.1 机制检验

根据前文假设,创新型城市建设可能通过提高资本配置效率、科技创新水平和产业集聚程度等主要途径影响我国试点城市服务业全要素生产率。

4.1.1 资本配置效率的作用机制

考虑到企业资源在数量、质量和密集度方面存在异质性,无法直接对资本配置效率进行衡量。因此,本文基于投资效率视角,以企业对投资机会的敏感性反映企业资本配置效率[29]。借鉴钱雪松等(2018)的研究,构造以下模型:

Invijt=φ0+φ1Cic+φ2Cic×Opinvijt-1+φ3Opinvijt-1+φ4Controlijt-1+γj+μt+θjt+εijt

(3)

其中,Invijt为企业当期投资支出,采用购建无形资产、固定资产和其它长期资产支付的现金与年初总资产的比值衡量。Opinvijt-1由滞后一期的企业资产收益率Roaijt-1和净资产收益率Roeijt-1衡量,以反映公司获利能力与潜在投资机会[30]。本文主要关注式(3)中政策虚拟变量与投资机会交互项系数的显著性,若该系数显著为正,则表明创新型城市建设有助于提高企业资本配置效率。

此外,本文采用Richardson模型估算企业投资效率[31],借鉴张莉等[32]的研究,构造以下模型:

Invijt=θ0+θ1Growthijt-1+θ2Levijt-1+θ3Cashijt-1+θ4Ageijt-1+θ5Sizeijt-1+θ6Invijt-1+γj+μt+θjt+εijt

(4)

其中,Invijt为企业当期投资支出,Growthijt-1、Levijt-1、Cashijt-1、Ageijt-1、Sizeijt-1分别代表滞后一期的营业收入增长率、资产负债率、现金持有量、企业年龄和企业规模。本文重点关注式(4)中的残差绝对值(Inv_e),Inv_e≠0,则表明该企业存在投资过度或投资不足的情况,其值越大代表企业实际投资与理想投资的差距越大,即投资效率越低。本文将式(4)得到的投资效率与政策虚拟变量构成交互项形式,以检验创新型城市建设能否通过资本配置效率助推试点城市服务业全要素生产率提升,具体模型如下:

lnTFPijt=β0+β1Cic+β2Cic×Inv_e+β3Inv_e+β4Controlijt+γj+μt+θjt+εijt

(5)

基于资本配置效率机制的回归结果如表5所示,此时Vark代表Roa、Roe和Inv_e。列(1)(2)结果显示,Cic×Roa、Cic×Roe的回归系数在1%的统计水平上显著为正,表明相较于非试点城市,创新型城市建设对试点城市服务企业的资本配置效率产生显著正向作用,并通过提高企业资本配置效率助推服务业全要素生产率提升。列(3)中Cic×Inv_e的系数显著为负,表明试点政策能够缓解企业投资过度或不足的问题,在提高资本配置效率的同时,助推服务企业全要素生产率提升,H2a得到验证。创新型城市建设强调完善试点城市金融信贷体系,加强信息基础设施建设,这有利于为服务企业传递有效信息、缓解融资约束,在助力微观主体提高内部资本配置效率的基础上提升企业生产率。

4.1.2 科技创新水平的作用机制

创新型城市建设能够通过逃避竞争效应和加强产学研合作效应激发微观企业的创新探索意愿,从而提升试点城市服务业全要素生产率。本文从科技创新水平视角出发,将企业创新成果分为渐进性创新(Ninvo)和突破性创新(Invo),分别以公司当年非发明型专利(设计型专利与实用型专利)授权数和公司当年发明型专利授权数衡量。由于相当比例的企业在某些年份专利数为0,借鉴祝树金等(2021)的研究,本文进行如下转换:Ninvo/Invo=ln[patentijt+(patentijt2+1)1/2]。基于科技创新水平机制的中介回归结果如表5所示,此时Vark代表Ninvo和Invo。

从科技创新视角看,Cic×Ninvo、Cic×Invo的回归系数均显著为正,并且政策虚拟变量对服务业全要素生产率的提升作用相较于基准模型明显减弱。这表明创新型城市建设不仅有利于激发企业非核心内容的渐进性创新行为,也有利于鼓励企业开展以提高核心竞争力为目标的突破性创新,即试点政策能够通过政策引领作用鼓励服务企业进行研发创新,从而提升服务业全要素生产率,H2b得到验证。由事实可知,我国创新型城市建设通过集聚创新资源、支持技术创新与人才引进、提供资金支持和风险防范等措施,在2020年培育出全国近80%的高科技企业。这些举措对实现服务业高质量发展至关重要,而创新型城市建设正好提供了这一发展契机。

4.1.3 产业集聚程度的作用机制

从产业集聚程度视角出发,在政策红利加持下,试点城市的高端服务业不仅可以率先形成集聚效应,还能带动其它产业协同发展,共同助推服务业全要素生产率提升。因此,本文主要从高端服务业集聚(Sag)和产业协同集聚(Coag)视角考察城市产业集聚程度在政策效应中的作用渠道。高端服务业集聚(Sag)可根据区位熵指数求得:Sag=(Hiprocs/Totalc)/(Hipros/Total)。其中,Hiprocs表示城市c的高端服务业从业人数,Hipros表示所有城市的高端服务业从业人数,Totalc表示城市c的全部从业人数,Total表示所有城市的全部从业人数。产业协同集聚也即高端服务业与制造业协同集聚(Coag),计算公式如下:Coag=1-|(Dsm-Sag)/(Dsm+Sag)|+(Dsm+Sag)。其中,Dsm表示由区位熵得到的制造业集聚。考虑到《中国城市统计年鉴2021》不再公布各细分行业从业人数指标,本文仅对2004—2019年样本进行机制检验。借鉴邵朝对等[33]的研究,本文先检验政策虚拟变量是否作用于中介变量,再引入政策虚拟变量与中介变量的交互项检验作用机制。

表6为基于产业集聚程度机制的中介回归结果。由列(1)(3)可知,政策虚拟变量的回归系数均显著为正,表明创新型城市建设的确能够作用于试点城市的高端服务业集聚和产业协同集聚。列(2)(4)中交互项的系数均显著为正,表明创新型城市建设能够增强高端服务业集聚和产业协同集聚对服务业全要素生产率的正向作用,H2c得到验证。因此,试点政策的实施不仅能够促进城市产业链高端即高端服务业集聚,还能够实现制造业与高端服务业的协调发展,使两者在空间上形成聚合效应,从而助推服务业全要素生产率提升。

4.2 异质性分析

在识别创新型城市建设对服务业全要素生产率政策效应的基础上,本文基于企业和区域特征进一步考察政策效应的异质性影响。

相较于非知识密集型服务业,具有人才集聚和知识溢出优势的知识密集型服务业更加强调高质量人才和技术需求,而注重创新和人才培育的试点政策恰好满足相关企业的高端需求并促使其转型发展,因此这类服务业受创新型城市建设的冲击更大。借鉴唐保庆和吴飞飞[34]的研究,将服务业划分为知识密集型服务业与非知识密集型服务业。由表7中列(1)(2)可知,试点政策对不同类型服务企业全要素生产率均起正向促进作用。由费舍尔组合检验结果可知,经验P值在1%的统计水平上显著。因此,相较于非知识密集型服务企业,知识密集型服务企业的政策效应更加显著。

相较于低融资约束企业,具有较高融资约束的公司将面临更大的流动性风险,因此融资约束差异很可能影响试点政策效果。本文采用SA指数衡量融资约束并以政策前一年的中位数为界进行分组回归,由表7 中列(3)(4)可知,试点政策对高融资约束企业的全要素生产率提升效果并不显著,对低融资约束企业的生产率提升效果较为显著。这表明在我国金融发展普遍受限的形势下,试点政策更有助于提升低融资约束企业的全要素生产率。因此,我国在创新型城市建设中需注重区域金融环境的优化,从而为服务企业生产、创新保驾护航。

相较于内陆城市,沿海城市的发展基础、信息基础设施等条件相对完善,更有利于服务企业的综合运转和创新竞争。本文将服务企业按所在城市划分为沿海和内陆企业,由表7 中列(5)(6)可知,相较于内陆企业,沿海企业受创新型城市建设的影响更大,即在试点政策培育的创新氛围下,沿海企业利用政策优势和区域基础深化发展,助推生产效率和创新成果双向提升。

地区法治水平越高,越能避免创新产出的“搭便车”现象,保护研发企业利益,激发微观主体创新意愿,助推服务业高质量发展。本文采用樊纲市场化指数中的中介组织发育和法律得分衡量法治水平,并以政策前一年的中位数为界进行分组回归,由表7 中列(7)(8)可知,相较于法治水平较低的地区,高法治水平地区的政策效果更加显著。因此,在试点政策推行下,高法治程度地区的企业智力成果和合法权益能够得到有效保护,这将切实推动产品线创新升级,助力服务业全要素生产率提升。

5 结论与启示

创新型城市建设凭借其创新驱动优势对我国城市服务业创新发展和转型升级具有重要意义。本文基于多期DID法探究试点政策对服务业全要素生产率的影响效应,得到如下主要结论:首先,创新型城市建设能够显著提升试点城市服务企业全要素生产率,且存在滞后性和长期动态性。其次,试点政策通过提高资本配置效率、科技创新水平和产业集聚程度等主要路径助推服务业全要素生产率提升。最后,就企业特征差异而言,创新型城市建设对高知识密集度、低融资约束企业生产率的促进作用更加显著;就企业区位差异而言,创新型城市建设对沿海城市和高法治水平区域企业的政策效果更加显著。

本文理论贡献在于:第一,已有文献多聚焦创新型城市建设对城市和产业层面的政策影响,本文提供来自服务企业生产率的政策分析,有助于深化试点政策在服务业领域的经验研究;第二,本文创新性地从微观企业和中观产业层面打开试点政策影响服务业全要素生产率机制的“黑箱”,分析资本配置效率、科技创新水平和产业集聚程度的作用机理,对相关文献的理论机制进行了有力补充;第三,本文基于城市与企业特征差异进行异质性分析,深入考察政策对不同类型企业和地区的差异化影响,有助于未来我国创新型城市建设的策略性完善和服务业的深化发展。

为推进创新型国家建设和服务业高质量发展,本文提出如下建议。首先,创新型城市建设应立足于集聚人才、技术等创新资源要素。我国地方政府需积极培育试点城市创新创业生态系统,进一步完善人才引育和技术创新机制,力求将城市打造成资源集聚地和创新蓄水池,实现行业共性技术和关键技术的突破,以此推动产业向价值链高端延伸。其次,从试点政策下我国城市服务业发展现状看,各地方政府必须为服务业发展提供配套金融支持体系和服务系统,积极引进国内外先进服务技术和人才,鼓励服务企业间形成良性创新竞争,完善知识产权保护体系。最后,创新型城市建设在带动地方服务业创新发展的同时,要积极响应新时期国家战略导向,引导先进制造业与现代服务业融合发展。地方政府在强调高端服务业引领性发展的同时,也需考虑到制造业服务化的重要性,以互联网和数字化转型谋求制造业与服务业在空间上形成聚合效应,发挥政策对服务业与制造业业态的放大、叠加和倍增作用。

本文研究局限与展望如下:首先,试点政策分批推进,考虑到实证数据的可获得性,本文样本期间为2004—2020年,即仅涉及2018年及之前获批的创新型城市。未来应持续关注政策实施范围和效果,助力创新型城市建设深化发展。其次,考虑到目前服务业是我国经济增长的主动力,本文研究范围仅考虑服务业领域,但这并不意味着其余行业不是重点。未来可继续探究各类行业在创新型城市建设下如何实现高质量发展。最后,本文基于微观企业视角探究资本配置效率与科技创新水平在政策影响服务业全要素生产率中的作用渠道,而当前涉及创新型城市建设机制渠道的文献大多从城市宏观营商环境出发,未来应继续从微观主体视角挖掘试点政策的作用路径,助推政策策略性完善与服务业创新发展。

参考文献：

[1] 江小涓.服务业增长:真实含义、多重影响和发展趋势[J].经济研究,2011,57(4):4-14,79.

[2] 江小涓.用数字技术克服“鲍莫尔病”[N]. 北京日报,2021-10-25(009).

[3] 胡兆廉,聂长飞,石大千.鱼和熊掌可否得兼——创新型城市试点政策对城市产业集聚的影响[J]. 产业经济研究,2021,20(1)):128-142.

[4] 刘佳,代明.研发产业集聚促进制造业升级效应研究——来自全国创新城市数据的数据检验[J].华东经济管理, 2019,33(4):67-76.

[5] 晏艳阳,谢晓锋.区域创新政策对微观主体创新行为的影响——基于创新型城市建设的研究[J]. 财经理论与实践,2019,40(6):2-8.

[6] 杨仁发,李胜胜.创新试点政策能够引领企业创新吗——来自国家创新型试点城市的微观证据 [J]. 统计研究,2020,37(12):32-45.

[7] 郭丰,杨上广,柴泽阳.创新型城市建设实现了企业创新的”增量提质”吗——来自中国工业企业的微观证据[J]. 产业经济研究,2021,20(3):128-142.

[8] 杨汝岱.中国制造业企业全要素生产率研究[J].经济研究,2015,61(2):61-74.

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

[10] 游家兴,伍翕婷,张哲远,等.政府创新意识下的企业全要素生产率研究[J].财贸经济,2022,43 (9):23-37.

[11] 夏杰长,肖宇,李诗林.中国服务业全要素生产率的再测算与影响因素分析[J].学术月刊,2019,51(2):34-43,56.

[12] 陈启斐,吴恒宇,杜运苏.服务贸易、结构变迁与服务业全要素生产率——前向关联效应与后向关联效应[J].南开经济研究,2022,38(3):121-141.

[13] 郭慧芳,王宏鸣.数字化转型与服务业全要素生产率[J].现代经济探讨,2022,41(6):92-102,113.

[14] CLAGUE C, KEEFER P, OLSON K M. Contract-Intensive money: contract enforcement, property rights, and economic performance[J].Journal of Economic Growth,1999, 4(2):185-211.

[15] KRUGMAN P,VENABLES T.Globalization and the inequality of nations[J]. Journal of Financial Economics, 2000,58(12):3-27.

[16] RAJAN R,ZINGALES L.Financial dependence and growth[J].Social ence Electronic Publishing,1988,88(3):559-586.

[17] 何熙琼,尹长萍,毛洪涛.产业政策对企业投资效率的影响及其作用机制研究——基于银行信贷的中介作用与市场竞争的调节作用[J].南开管理评论,2016,19(5):161-170.

[18] AGHION P,BLOOM N, BLUNDELL R, et al.Competition and innovation:an inverted-U relationship[J]. The Quarterly Journal of Economics, 2005,120(2):701-728.

[19] KOLKO J.Urbanization,agglomeration,and coagglomeration of service industries[R]. NBER Chapters, 2010:151-180.

[20] AMITI M. Location of vertically linked industries:agglomeration versus comparative advantage[J]. European Economic Review,2002,49(4):809-832.

[21] BECK T, LEVINE R, LEVKOV A.Big bad banks? the winners and losers from bank deregulation in the United States[J].The Journal of Finance,2010,65(2):1637-1667.

[22] LEVINSOHN J,PETRIN A. Estimating production functions using inputs to control for unobservables[J]. Review of Economic Studies,2003,70(2):317-341.

[23] 石大千,李格,刘建江.信息化冲击、交易成本与企业TFP——基于国家智慧城市建设的自然实验[J].财贸经济,2020,41(3):117-130.

[24] 白俊红,张艺璇,卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济, 2022,39(6):61-78.

[25] 刘建江,熊智桥,罗双成.知识产权保护是否提升了企业全要素生产率——基于知识产权示范城市建设的准自然实验[J].南京财经大学学报,2022,40(2):1-11.

[26] OLLEY G S, PAKES A.The dynamics of productivity in the telecommunications equipment industry[J].Econometrica, 1996,64(6):1263-1297.

[27] 梁向东,阳柳.国家自主创新示范区创新驱动效率测度及政策评价[J]. 中国软科学,2021,36(7): 131-142.

[28] 曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据[J].中国工业经济,2020,37(7):43-60.

[29] HUBBARD R G.Capital-market imperfections and investment[J].Journal of Economic Literature,1998,36(1):193-225.

[30] 靳庆鲁,孔祥,侯青川.货币政策、民营企业投资效率与公司期权价值[J].经济研究,2012,58(5): 96-106.

[31] RICHARDSON S. Over-investment of free cash flow[J].Review of Accounting Studies,2006,11(2-3): 159-189.

[32] 张莉,朱光顺,李世刚,等.市场环境、重点产业政策与企业生产率差异[J].管理世界,2019, 35(3):114-126.

[33] 邵朝对,苏丹妮.产业集聚与企业出口国内附加值:GVC升级的本地化路径[J].管理世界,2019, 35(8):9-29.

[34] 唐保庆,吴飞飞.知识产权保护、地方保护主义与区域间服务业结构发散[J]. 经济学动态, 2018,59(7):82-100.

(责任编辑：陈 井)