科技金融政策与科技型中小企业高质量发展.pdf

统计与决策2023年第16期总第628期科技金融政策与科技型中小企业高质量发展张露子，丁建臣（对外经济贸易大学 金融学院，北京 100029）摘要：文章将我国于2016年开展的第二批“促进科技与金融结合试点”政策作为一项准自然实验，基于我国科技型中小上市企业20112020年的数据，评估该政策对科技型中小企业高质量发展的影响效应及作用机制。研究发现：“促进科技与金融结合试点”政策显著促进了科技型中小企业高质量发展。机制分析发现，企业创新能力提升、地区金融资金支持及企业信贷能力提高，是该政策促进科技型中小企业高质量发展的三个重要机制。异质性检验表明，“促进科技与金融结合试点”政策对非国有性质科技型中小企业高质量发展的促进作用显著。关键词：“促进科技与金融结合试点”政策；科技型中小企业；高质量发展；准自然实验；机制分析中图分类号：F832.0文献标识码：A文章编号：1002-6487（2023）16-0147-05作者简介：张露子（1993），女，吉林长春人，博士研究生，研究方向：金融发展、区域经济。丁建臣（1962），男，黑龙江牡丹江人，教授，博士生导师，研究方向：金融监管、金融发展。0引言作为国民经济和社会发展的“生力军”，中小企业对推动我国技术进步和促进实体经济发展至关重要。长期以来，银行更倾向于将信贷资源提供给国有企业和相对成熟的大企业，导致中小企业的融资需求长期以来受到金融服务效率低下、信贷资源配置扭曲的约束，不仅融资成本高，而且获得融资的道路更是困难重重1,2。在此背景下，我国科技部于2011年会同人民银行、银监会、证监会、保监会五部门联合开展首批“促进科技与金融结合试点”，并于2016年设立第二批“促进科技与金融结合试点”，旨在通过探索金融创新的体制机制，选择科技资源和金融资源相对密集的国家自主创新示范区、技术创新工程试点省（市）等地区作为先行示范区，进行先行先试。基于已有研究35，本文从科技与金融相结合的角度，使用准自然实验的方法评估“促进科技与金融结合试点”政策对科技型中小企业高质量发展的推动效应，为探索我国经济高质量发展背景下金融业发展的路径选择提供参考与借鉴。1理论分析与研究假设由于信息不对称和委托代理等问题的存在，中小企业和科技型企业获得银行信贷和外部资金的难度较大，融资成本较高，存在融资约束。长期面临融资约束和依靠内部融资会导致企业错失对创新项目的投资机会，阻碍企业创新和发展。杨汉明等（2019）6研究发现，投资不足会抑制科技型中小企业可持续增长能力的提升。有研究发现，降低企业融资约束可以有效促进其全要素生产率的提高7。因此，缓解企业融资约束和拓宽企业资金获取渠道是促进科技型中小企业高质量发展的关键。“促进科技与金融结合试点”政策促进科技型中小企业高质量发展体现在以下几个方面。首先，政府发挥带头作用，增加对试点地区的财政科技投入，鼓励试点地区各类金融机构积极参与科技创新，引导各类金融资源合理流向科技型中小企业的科技创新活动。其次，政策支持引导科技型中小企业进入多层次资本市场，鼓励符合条件的高新技术企业上市，为科技型中小企业进入资本市场并获得资金支持提供便利。最后，加强和完善科技保险服务，为科技创新提供保障。鼓励试点地区的保险公司创新科技保险业务，加大对科技人员的保险服务力度和财政支持。基于上述分析，本文提出：假设1：“促进科技与金融结合试点”政策可以促进科技型中小企业高质量发展。假设2：“促进科技与金融结合试点”政策通过提高科技型中小企业创新能力来促进科技型中小企业高质量发展。假设3：“促进科技与金融结合试点”政策通过提高科技型中小企业信贷能力来促进科技型中小企业高质量发展。2研究设计2.1模型设定2.1.1基准回归模型本文评估的是我国于2016年实施的第二批“促进科技与金融结合试点”这一政策，该政策设立的试点城市包含：厦门、郑州、济南、宁波、贵阳、沈阳、包头、银川、南昌9个城市，为避免首批城市的干扰，本文将首批试点地区涉财 经 纵 横DOI:10.13546/ki.tjyjc.2023.16.028147统计与决策2023年第16期总第628期及的41个城市剔除，处理组为第二批试点城市中的科技型中小企业，控制组为非试点城市中的科技型中小企业，设计双重差分模型如下：TFPijt=0+1*DIDijt+*Control_microit+*Control_macrojt+i+t+it（1）其中，i、j、t分别代表企业、城市、年份，TFPijt为企业全要素生产率，DIDijt为“促进科技与金融结合试点”政策实施的虚拟变量，Control_microit为企业层面的控制变量，Control_macrojt为地区层面的控制变量，i和t为个体固定效应和年份固定效应，it为随机扰动项。2.1.2机制检验模型（1）创新能力机制为检验“促进科技与金融结合试点”政策通过提高企业创新能力这一机制，促进科技型中小企业的高质量发展，构建机制检验模型如下：innovationijt=0+1*DIDijt+*Control_microit+*Control_macrojt+i+t+it（2）其中，innovationijt为企业创新能力，DIDijt为“促进科技与金融结合试点”政策实施的交互项。（2）融资约束缓解效应为检验“促进科技与金融结合试点”政策通过加大地区金融资金支持力度，进而促进科技型中小企业的高质量发展，构建模型如下：fin_supportijt=0+1*DIDijt+*Control_microit+*Control_macrojt+i+t+it（3）TFPijt=0+1*DIDijt*fin_supportijt+*Control_microit+*Control_macrojt+i+t+it（4）其中，fin_supportijt为地区金融资金支持力度，DIDijt*fin_supportijt为“促进科技与金融结合试点”政策实施的虚拟变量与地区金融资金支持水平的交互项。为探究“促进科技与金融结合试点”政策通过提高企业信贷能力，进而促进科技型中小企业高质量发展，构建模型如下：TFPijt=0+2*DIDijt*banklevijt+*Control_microit+*Control_macrojt+i+t+it（5）TFPijt=0+3*DIDijt*rijt+*Control_microit+*Control_macrojt+i+t+it（6）其中，banklevijt为企业贷款可得性，rijt为企业借款利率。DIDijt*banklevijt和DIDijt*rijt分别为企业贷款可得性和企业借款利率与“促进科技与金融结合试点”政策实施虚拟变量的交互项。2.2变量选取（1）被解释变量本文选取企业全要素生产率作为企业高质量发展的代理指标，具体做法是：将企业主营业务收入作为产出要素，职工人数、固定资产净值作为投入要素，参考鲁晓东和连玉君（2012）8的做法，使用LP法对上市公司TFP进行计算，作为本文核心被解释变量，并使用OP法计算的企业TFP作为替换指标进行稳健性检验。（2）解释变量我国于2016年开展的第二批“促进科技与金融结合试点”政策的城市是本文研究的核心对象，因此，设定政策实施的交互项作为解释变量，具体做法是：生成政策实施的时间虚拟变量Dijt，Dijt=1表示所处年份为2016年及以后年份，反之为0；再生成政策实施的城市虚拟变量treatijt，treatijt=1表示该城市是试点的9个城市，反之为 0；交互项DIDijt=Dijt*treatijt，DIDijt=1表示企业所在城市当年已实施了“促进科技与金融结合试点”政策，反之为0。（3）控制变量及其他变量企业层面的控制变量和其他变量如表1所示。表1变量说明变量类型被解释变量解释变量控制变量其他变量名称企业全要素生产率“促进科技与金融结合试点”政策实施的虚拟变量企业年龄盈利能力财务结构企业成长性营业收入经济发展水平劳动力人数投资环境第二产业比重第三产业比重金融资金支持力度企业创新能力企业贷款可得性企业借款利率产权性质符号TFPTFP_LPDIDageroelevtagrlnsale_scalelnGDPlnLaborlnFDIindustrytertiaryfin_supportinnovationbanklevrstate计算方法参考文献8，使用OP法计算企业全要素生产率参考文献8，使用LP法计算企业全要素生产率DIDijt=1表示企业所在城市当年已实施了“促进科技和金融结合试点”；反之为0。年份-企业成立时间总负债/净资产期末负债总额/资产总额企业资产年增长率企业营业收入额，取对数地区GDP，取对数就业总人数，取对数实际利用外资总额，取对数第二产业产值/GDP第三产业产值/GDP年末金融机构各项贷款余额/GDP企业当年专利申请量+1，取对数（长期借款+短期借款）/营业总收入利息费用/付息债务国有=1；非国有=22.3数据来源本文以在沪深主板上市的中小企业和科创板上市企业20112020年的数据为研究样本，地区层面的数据来自历年 中国统计年鉴、地方统计年鉴、EPS数据库。上市公司的财务数据、企业信息数据来自国泰安数据库、Wind数据库，企业专利申请数据来自国家知识产权专利2011年10月，我国设立首批“促进科技与金融结合试点”城市，首批试点地区涉及16个地区，包含：中关村国家自主创新示范区、天津市、上海市、江苏省、浙江省“杭温湖甬”地区、安徽省合芜蚌自主创新综合实验区、武汉市、长沙高新区、广东省“广佛莞”地区、重庆市、成都高新区、绵阳市、关中天水经济区（陕西）、大连市、青岛市、深圳市16个地区，涉及41个城市：北京、天津、上海、重庆，南京、无锡、连云港、淮安、盐城、徐州、常州、南通、苏州、镇江、扬州、宿迁、泰州、杭州、温州、宁波、湖州、合肥、芜湖、蚌埠、广州、佛山、东莞、深圳、西安、渭南、商洛、铜川、暴击、咸阳、成都、绵阳、武汉、长沙、大连、青岛、天水。财 经 纵 横148统计与决策2023年第16期总第628期数据库。在原始样本的基础上，剔除金融类企业、ST企业和*ST企业、数据缺失严重的样本，并根据企业注册地行政地区代码与地级市层面的宏观数据进行匹配，最终得到包含340家企业在内的2230个企业-年份观测值。3实证分析3.1DID基准回归结果分析DID基准回归结果如表2第（4）列所示，“促进科技与金融结合试点”政策实施的虚拟变量对企业全要素生产率的回归系数为0.680且在5%水平上显著，说明“促进科技与金融结合试点”政策显著促进了科技型中小企业全要素生产率提升，证实了假设1。表2基准回归结果DIDagelnsale_scaleroelevtagrlnGDPlnLabortertiaryindustrylnFDI观测值R2年份固定效应个体固定效应控制变量被解释变量：TFP（1）0.156（0.252）22300.027yesyesno（2）0.682*（0.264）0.061*（0.019）1.099*（0.153）-0.086（0.061）2.571*（0.612）0.000（0.723）22300.599yesyesyes（3）0.663*（0.263）0.055*（0.018）1.089*（0.149）-0.085（0.060）2.582*（0.607）-0.040（0.719）-0.015（0.177）0.198（0.159）-0.007（0.013）-0.009（0.013）-0.019（0.042）22300.601noyesyes（4）0.680*（0.267）0.062*（0.019）1.088*（0.150）-0.092（0.061）2.624*（0.612）-0.106（0.715）0.062（0.196）0.135（0.175）-0.007（0.013）-0.011（0.013）-0.019（0.042）22300.603yesyesyes注：*表示在1%水平上显著，*表示在5%水平上显著，*表示在10%水平上显著，括号内为聚类稳健性标准误。下同。3.2PSM-DID检验结果分析为降低双重差分法估计的偏误，本文采用PSM-DID方法对基准回归结果进行稳健性检验。回归结果如表3所示，第（2）列为使用1：1近邻匹配进行PSM的基准回归结果，可以看出“促进科技与金融结合试点”政策实施的虚拟变量对企业全要素生产率的回归系数为0.677，且在5%水平上显著。此外，使用核匹配（k=4）和卡尺匹配（cal）进行PSM后的交互项系数均显著为正数，证明本文基准回归的结论是稳健的。表3PSM-DID检验结果DID观测值R2年份固定效应个体固定效应控制变量被解释变量：TFP（1）1：10.146（0.254）21950.026yesyesno（2）1：10.677*（0.269）21950.614yesyesyes（3）k=40.664*（0.260）22230.611yesyesyes（4）cal0.679*（0.269）21920.601yesyesyes3.3稳健性检验3.3.1平行趋势检验本文将政策实施前3年、政策实施当年、政策实施后3年的时间虚拟变量分别与处理组虚拟变量treat相乘，生成交互项pre_3、pre_2、pre_1、current、post_1、post_2、post_3，并将pre_1作为基准组，将这些交互项作为解释变量进行回归，结果见表4。表4第（2）列结果显示，政策实施前2、3年的交互项系数均不显著，表示政策前处理组和对照组之间不存在显著差异，即通过了平行趋势检验。表4平行趋势及动态效应检验pre_3pre_2currentpost_1post_2post_3观测值R2年份固定效应个体固定效应控制变量被解释变量：TFP（1）-0.223（0.200）-0.035（0.268）0.657*（0.335）0.310（0.343）0.978*（0.297）22300.604yesyesyes（2）-0.223（0.201）-0.035（0.269）0.007（0.290）0.658*（0.340）0.310（0.347）0.978*（0.300）22300.604yesyesyes图1显示，在“促进科技与金融结合试点”政策开展前，处理组和对照组的企业高质量发展指数的走势较为一致；而在试点政策实施后，两组的时间趋势出现差异。2013201420152016201720182019处理组控制组7.57.06.56.05.5TFP年份图1 处理组和对照组企业的时间趋势图图2显示，“促进科技与金融结合试点”政策实施前2、3年的系数值在0附近且均不显著，满足平行趋势假设。pre_3pre_2currentpost_1post_2post_31.51.00.50-0.5政策时点Coefficients图2 平行趋势及动态效应检验图财 经 纵 横149统计与决策2023年第16期总第628期3.3.2安慰剂检验（1）地区安慰剂检验本文参考盛丹和张慧玲（2017）9、石大千等（2018）10的做法，从对照组城市中随机选取9个城市作为虚拟的处理组，进行PSM-DID检验。结果显示，随机化后多数系数的P值位于P=0.1以上，说明多数系数至少在10%的水平上不显著。因此，本文的基准结论是稳健的。（2）更换政策发生时间将2014年、2015年设定为虚拟的政策实施时间，生成时间虚拟变量D2014、D2015，再与试点地区的虚拟变量treat相乘，生成虚拟政策实施的变量DID2014、DID2015，分别进行PSM-DID检验，结果如表5所示，交互项系数均不显著，本文的基准结论稳健。表5虚拟政策时间的安慰剂检验DID2014DID2015观测值R2年份固定效应个体固定效应控制变量被解释变量：TFP（1）-0.097（0.235）22300.601yesyesyes（2）-0.052（0.252）22300.601yesyesyes3.3.3排除其他政策干预为排除其他政策对基准结论的影响，本文引入“国家自主创新示范区”这一政策，生成虚拟变量 DID_zone，DID_zone=1表示该城市当年属于国家自主创新示范区；反之，DID_zone=0。结果如表6第（2）列所示，在基准回归中加入国家自主创新示范区实施的变量后，“促进科技与金融结合试点”政策实施的虚拟变量对企业全要素生产率的回归系数仍为正数0.725，且在1%水平上显著，进一步验证了本文结论的稳健性。表6排除其他政策和替换变量的稳健性检验DIDDID_zone观测值R2企业数年份固定效应个体固定效应控制变量被解释变量（1）：TFP_LP0.769*（0.401）12630.079yesyesyesyes（2）：TFP0.725*（0.268）-0.382*（0.170）22300.604yesyesyesyes3.3.4替换核心被解释变量参考鲁晓东和连玉君（2012）8的研究，采用LP法重新计算企业全要素生产率，作为被解释变量的替代指标，结果如表6第（1）列所示。“促进科技与金融结合试点”政策实施的虚拟变量对企业全要素生产率的回归系数为0.769，且在10%水平上显著，表明本文的基准回归的结论是稳健的。4机制分析与异质性检验4.1创新能力效应机制检验结果如表7所示，可以看出，“促进科技与金融结合试点”政策实施的虚拟变量对企业创新能力的回归系数为0.820且在1%水平上显著，说明“促进科技与金融结合试点”的实施显著促进了科技型中小企业创新能力提升，验证了假设2。表7企业创新能力效应的机制检验DID观测值R2企业数年份固定效应个体固定效应控制变量被解释变量：innovation（1）0.779*（0.260）12610.063281nonoyes（2）0.820*（0.305）12610.101281yesyesyes4.2融资约束缓解效应4.2.1地区金融资金支持机制金融资金支持的调节效应检验如表8所示，第（1）列的结果显示，“促进科技与金融结合试点”政策实施的虚拟变量对金融资金支持的回归系数为0.293，且在1%水平上显著，表明“促进科技与金融结合试点”政策对地区金融资金支持产生显著的正向影响；第（2）列的结果显示，金融资金支持与“促进科技与金融结合试点”政策实施的交互项系数为0.302，且在1%水平上显著，表明金融资金支持在“促进科技与金融结合”政策在促进科技型中小企业高质量发展的过程中，起到正向促进作用，验证了假设3。表8金融资金支持的调节效应检验DIDDID*fin_supportfin_support观测值企业个数R2年份固定效应个体固定效应控制变量被解释变量（1）fin_support0.293*（0.089）22303400.685yesyesyes（2）TFP0.302*（0.111）-0.105（0.117）22303400.604yesyesyes4.2.2企业信贷支持机制下页表9汇报了企业信贷支持的机制检验结果，第（1）列的结果显示，“促进科技与金融结合试点”政策实施的虚拟变量对企业贷款可得性的回归系数为0.030，且在10%水平上显著；第（2）列企业贷款可得性与“促进科技与金融结合试点”政策实施的交互项对企业全要素生产率的回归系数为2.795，且在5%水平上显著，表明“促进科技与金融结合试点”政策通过提高企业贷款可得性，进而促进科技型中小企业全要素生产率提升；第（3）列的结果显示，国家自主创新示范区的具体设立时间及城市为：2009年，北京、武汉；2011年，上海；2014年，深圳、南京、苏州、无锡、常州、镇江；2015年，长沙、株洲、湘潭、天津、成都、西安、杭州、广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆；2016年，济南、青岛、淄博、潍坊、烟台、威海、沈阳、大连、福州、厦门、泉州、合肥、芜湖、蚌埠、重庆；2018年，宁波、温州、兰州、白银、乌鲁木齐、昌吉、石河子。财 经 纵 横150统计与决策2023年第16期总第628期“促进科技现金融结合试点”政策实施的虚拟变量对企业借款利率的回归系数为-0.942，且在5%水平上显著；第（4）列的结果显示，企业借款利率与“促进科技与金融结合试点”政策实施的交互项对企业全要素生产率的回归系数为-0.483，且在1%水平上显著，表明“促进科技与金融结合试点”政策通过降低中小科技型企业的信贷成本，从而促进其全要素生产率提升，验证了假设3。表9基于企业信贷支持的机制检验DIDDID*banklevbanklevDID*rr观测值企业个数R2年份固定效应个体固定效应控制变量企业贷款可得性（1）banklev0.030*（0.017）12612810.471yesyesyes（2）TFP2.795*（1.156）0.847（0.883）12602810.666yesyesyes企业借款利率（3）r-0.942*（0.452）15793030.055yesyesyes（4）TFP-0.483*（0.170）0.009（0.009）8722360.655yesyesyes4.3异质性分析根据科技型中小企业的产权性质将其划分为国有和非国有，分样本进行回归，结果如表10所示。第（1）列结果显示，“促进科技与创新结合试点”政策实施的虚拟变量对企业全要素生产率的回归系数为0.011且不显著，说明“促进科技与创新结合试点”政策对于国有性质的科技型中小高质量发展的促进作用不显著；第（2）列的结果表明，“促进科技与创新结合试点”政策实施的虚拟变量对企业全要素生产率的回归系数为0.888，且在1%水平上显著。异质性结果表明，“促进科技与创新结合试点”政策对非国有性质的科技型中小企业高质量发展的促进更为明显，而对于国有性质的企业效果不显著，表明“促进科技与创新结合试点”政策的实施通过缓解企业融资约束、降低借款成本、提高企业创新能力，促进了这类科技型中小企业实现高质量发展。表10异质性检验结果DID观测值R2年份固定效应个体固定效应控制变量被解释变量：TFP（1）国有0.011（0.773）4250.679yesyesyes（2）非国有0.888*（0.300）17760.603yesyesyes5结论本文以我国科技型中小上市企业为样本，从科技金融政策的角度，评估“促进科技与金融结合试点”政策的实施效果及作用机制。研究发现，“促进科技与金融结合试点”政策的实施对于科技型中小企业的高质量发展具有显著的促进作用。机制检验发现，创新能力提升、地区金融资金支持和企业信贷可得性是“促进科技与金融结合试点”政策促进科技型中小企业高质量发展的重要路径。异质性检验发现，“促进科技与金融结合试点”政策对于非国有科技型中小企业的高质量发展促进作用显著。总体来看，“促进科技与金融结合试点”政策的实施促进了中小、科技型企业的创新发展和高质量发展，从根源上缓解了中小、科技型企业的融资困境，提高了借款可得性、降低了借款成本。进一步进行异质性检验，结果显示，“促进科技与金融结合试点”政策总体上对科技型中小企业的高质量发展效果显著，但是对于国有性质科技型中小企业的影响效应并不明显。参考文献：1李廷瑞,张昭.金融监管与中小企业技术创新来自新三板企业的证据J.贵州财经大学学报,2022,(5).2唐清泉,巫岑.银行业结构与企业创新活动的融资约束J.金融研究,2015,(7).3马凌远,李晓敏.科技金融政策促进了地区创新水平提升吗?基于“促进科技和金融结合试点”的准自然实验J.中国软科学,2019,(12).4冯永琦,邱晶晶.科技金融政策的产业结构升级效果及异质性分析基于“科技和金融结合试点”的准自然实验J.产业经济研究,2021,(2).5叶初升,李竺雯,孙薇.政府与市场双轮何以驱动中小科技企业创新?基于微观企业数据的促进科技和金融结合试点政策评估J.经济问题探索,2022,(5).6杨汉明,陈国英,颜子.投资不足对企业可持续增长影响的实证分析J.统计与决策,2019,(11).7邓可斌,曾海舰.中国企业的融资约束:特征现象与成因检验J.经济研究,2014,49(2).8鲁晓东,连玉君.中国工业企业全要素生产率估计:19992007J.经济学(季刊),2012,11(2).9盛丹,张慧玲.环境管制与我国的出口产品质量升级基于两控区政策的考察J.财贸经济,2017,38(8).10石大千,丁海,卫平,等.智慧城市建设能否降低环境污染J.中国工业经济,2018,(6).（责任编辑/梁红）财 经 纵 横151