产业政策提升数字企业的全要素生产率了吗.pdf

2023年 9 月技术经济第 42 卷第 9 期李平等：产业政策提升数字企业的全要素生产率了吗？李平1，2，李同舟3，董康4（1.中国社会科学院 数量经济与技术经济研究所，北京 100732；2.中国社会科学院 项目评估与战略规划研究咨询中心，北京 100732；3.中国社会科学院大学 商学院，北京 102488；4.四川省社会科学院 经济研究所，成都 610072）摘要：提升数字企业全要素生产率是促进数字经济高质量发展的必要方式，而产业政策的有效使用将对这一过程起到重要的推动作用。本文利用 20072020年中国数字行业上市企业的面板数据，实证检验了政府补贴、税收优惠、信贷支持和市场准入四类产业政策对数字企业全要素生产率的影响。研究发现，信贷支持显著促进了数字企业全要素生产率的提升，市场准入则起到显著的负向作用，政府补贴和税收优惠对数字企业全要素生产率的增长无明显效果，该结论在进行一系列稳健性检验后仍保持稳健。异质性和作用机制检验的结果表明，产业政策对数字企业全要素生产率存在产权、企业规模和企业生命周期方面的异质性作用，信贷支持和市场准入则分别通过缓解企业融资约束和加剧企业过度投资的方式影响数字企业的全要素生产率。本文的研究结论对于政府制定更为精准有效的产业政策具有一定的启示意义。关键词：产业政策；数字企业；全要素生产率；融资约束；过度投资中图分类号：F49文献标志码：A文章编号：1002980X（2023）9004112一、引言作为新一轮科技革命和产业变革的重要推动力量，数字技术的应用与创新愈发成为大国博弈和全球竞争的关键支点，将进一步在世界经济与科技竞争中发挥至关重要的作用。党的二十大报告中提出要加快发展数字经济，促进数字经济和实体经济深度融合，强调要加快建设现代化经济体系，着力提高全要素生产率。在全球数字竞争愈发激烈的背景下，发达国家密集出台支持数字经济发展的各类政策，试图巩固和提升现有优势，抢占未来科技发展先机。对中国而言，尽管在发展数字经济方面取得了一定成就，例如，2022年我国数字经济规模达 50.2万亿元，占 GDP的 41.5%。但也存在数字企业科技创新能力不足、关键核心技术受制于人、对国内大市场较为依赖等突出问题，数字经济发展的“质”亟待进一步提升。因此，发挥好我国特有的制度优势，借助有效的政策手段推动数字企业形成核心技术优势、有效提高全要素生产率，既是提高我国数字经济发展水平的重要方式，也是抢占未来科技制高点、促进中国式现代化发展的应有之义。近年来，数字经济一直是学术界关注的热点问题，众多学者从不同角度明确了数字经济所发挥的的各项作用，充分肯定了发展数字经济的重要价值和意义。然而，关于如何提升数字经济的发展水平，现有研究多是基于机理路径的定性研究，缺乏从实证角度定量探索究竟哪些因素能够有效促进数字经济的发展。数字经济作为一种新兴经济形态，技术较为密集且更新迭代迅速，市场需求和演进方向具有高度的不稳定性和不确定性，需要一定力度的政策扶持以帮助其发展兴盛（郭克莎，2019）。各级政府目前正积极作为，出台了包括数字基建、税收优惠、研发补贴和技能培训等一系列政策，旨在支持企业数字化转型、推动数字行业发展兴盛，这也引发部分学者从产业政策视角展开定量研究。秦文晋和刘鑫鹏（2022）以“宽带中国”试点作为准自然实验，实证检验了网络基础设施建设对发展数字经济的促进作用。邓峰和杨国歌（2021）发现，固定资产加速折旧政策能够通过缓解融资约束来提升数字企业的创新效率，且对中小规模和国有数字企业作用更为明收稿日期：20230901基金项目：国家自然科学基金“面向 2040年的中国经济社会发展愿景研究专项项目”（L2124005）作者简介：李平，中国社会科学院数量经济与技术经济研究所研究员，研究方向：技术创新与产业经济；李同舟，中国社会科学院大学商学院博士研究生，研究方向：数字经济与政策评估；董康，博士，四川省社会科学院经济研究所助理研究员，研究方向：数字经济。数据来源于国家互联网信息办公室发布的 数字中国发展报告（2022年）。41技术经济第 42 卷第 9 期显。黄华等（2022）从政策环境角度出发，验证了数字产业的政策环境对企业创新行为的促进作用。还有学者从政策比较的角度，探索不同类型的产业政策对数字经济创新的异质性影响（余长林等，2021）。产业政策是推动数字经济发展的重要变量，会对数字经济主体的生产活动和经营决策带来深远影响，但当前研究仅涉及前者对后者创新的作用，研究视角颇为单一。科技创新的目的是为了推动生产力发展、提高效率水平，因此在研究产业政策对数字经济的作用时，效率尤其是全要素生产率也是需要考量的重要因素，但目前尚未有学者对此展开探索。基于此，本文从微观企业角度入手，采用手工收集的数字行业上市企业 20072020年的各项财务数据，实证检验政府补贴、税收优惠、信贷支持和市场准入四类产业政策对于数字企业全要素生产率的影响，并对不同产权、规模和生命周期的数字企业进行异质性分析，最后进行作用机制检验。本文的边际贡献在于：鉴于目前针对产业政策影响数字经济发展的研究尚不充分，探索性地从全要素生产率视角研究了产业政策对数字企业的作用效果，一定程度上弥补了现有研究的缺憾；从正反两个方面分析了不同类型产业政策对数字企业的作用机理，深化了对产业政策的理解与认识；通过对比分析不同产业政策的作用情况，并进行不同产权、规模和生命周期数字企业的异质性分析，可以明确各类产业政策在不同情况下对数字企业全要素生产率的作用效力，能够为政府制订更为精准的产业政策提供借鉴参考。二、理论分析与研究假设产业政策作为国家对于产业发展和结构调整进行干预的各类政策总和，具有鲜明的调控和培植作用，尤其是在以数字行业为代表的新兴产业领域，产业政策发挥着扶持初创企业（周文斌和后青松，2021）、促进企业创新（陈雄辉等，2020；Wang et al，2022）、降低经营风险（邓峰等，2021；董鸿源和袁潮清，2023）、推动多方合作（李文鹣等，2021；周晓阳等，2022）等多个方面的重要作用。但与此同时，产业政策若使用不当也会对数字企业的经营绩效带来负面影响（Riccardo et al，2023），造成市场扭曲和不公平竞争加剧，引发资源错配、重复建设和产能过剩等一系列问题（陈小亮和陈彦斌，2019），不利于数字行业的良性发展。由此可见，借助产业政策促进数字经济发展并非易事，必须深入剖析产业政策对数字经济主体的作用机制，合理评估各类政策的实施状况和作用效力，才更有助于发挥好产业政策的推动作用，避免和减少因政策设计和实施不当带来的负向影响。此外，根据黎文靖和李耀淘（2014）、余明桂等（2016）的研究，产业政策大致包括市场准入、特许经营权和环保规制等直接干预类，以及资金支持、研发费用加计扣除和政府采购等间接引导类。考虑到具体产业政策对于数字经济发展的重要程度及数据的可得性，本文选取并考察政府补贴、税收优惠、信贷支持和市场准入四类产业政策对数字企业全要素生产率的影响。全要素生产率是对经济增长质量和技术进步状况的衡量，也是近些年我国在发展过程中反复强调的重要指标。企业全要素生产率的提高主要源于创新能力的提升和资源配置效率的改善，尤其对于知识与技术高度密集的数字企业而言，创新能力的高低是影响其全要素生产率的关键因素。本文重点从创新能力和资源配置效率两个维度分析四类产业政策对数字企业全要素生产率的影响。政府补贴是我国应用十分广泛的一类产业扶持政策，一直受到产业界和学界的重点关注。政府补贴可以为数字企业的创新活动提供资金支持，增加其研发投入并与之共担创新风险，从而激发出数字企业的创新积极性，有助于数字企业创新能力的提高。与此同时，政府补贴可以传递出政府认可数字行业的发展前景这一重要信号（Li et al，2019），会吸引资金资源大量涌入推动数字行业发展壮大。行业规模的扩张一方面会增加数字企业可利用创新资源的数量；另一方面则会引发行业内竞争烈度的增加。为了在激烈竞争中获得生存和发展空间，数字企业必须加大创新研发力度，以增强自身竞争力并获取超额利润（王宏伟等，2022），从而进一步通过创新能力的提升来提高自身全要素生产率。但从另一角度看，政府补贴也可能带来负向影响，引发企业的“偷懒”和寻租行为，还会致使部分企业“沉溺于”低质量的创新研发中（黎文靖和郑曼妮，2016），从而导致挤出效应、资源错配等一系列降低企业全要素生产率的问题出现（Howell，2017）。基于此，本文提出假设 1：政府补贴有可能促进数字企业全要素生产率的提升（H1）。税收优惠作为政府引导产业发展的核心政策工具，也是影响数字企业全要素生产率的重要因素。税收优惠可以通过增加数字企业净利润的方式改善企业财务状况，使其拥有更多资金投入创新研发，从而带来对42李平等：产业政策提升数字企业的全要素生产率了吗？数字企业的创新激励效应。税收优惠可以通过引导资源的流向，促使数字企业将有限的资源朝着政策所倡导的高效率领域投入，进而改善资源配置效率，减少数字企业的非效率投资（Rego and Wilson，2012）。此外，根据贺炎林等（2022）的研究，税收优惠的一部分会用来提高员工薪酬和增加员工职业培训，这在一定程度上可以激发员工的工作积极性并提高员工的技能水平，从而可以通过提高人力资本水平的方式提升企业全要素生产率（郑宝红和张兆国，2018）。但与此同时，税收优惠也无法避免对数字企业全要素生产率的负向影响，原因同政府补贴较为类似，政策寻租、资源错配和道德风险等问题的存在可能导致政策的实际效果背离初衷。基于此，本文提出假设 2：税收优惠有可能促进数字企业全要素生产率的提升（H2）。信贷支持是指政府帮助企业获得银行信贷的一类产业政策，会对企业的投融资活动产生重要影响。对于创新性强、技术含量高的数字企业而言，融资约束是影响其创新投入的重要因素，而创新又是一个长期且持续的过程，因而银行信贷这一稳定性强、持续性好的融资渠道显得尤为重要（郑世林等，2023）。一方面，信贷支持可以提高数字企业的银行信贷可得性，帮助其缓解融资约束，减少企业为获取信贷资金而产生的非生产性投入，有助于数字企业更专注于生产经营和创新从而提高全要素生产率；另一方面，信贷支持能够帮助数字企业获得一定额度的低息贷款，降低企业的资金使用成本，增加其在创新研发方面的可用资金，进而有利于数字企业创新能力的提高。此外，缺乏稳定的融资渠道是我国多数企业所面临的突出问题，进而对企业的创新活动带来了不利影响（马光荣等，2014），这也更加凸显了信贷支持对于数字企业发展的重要价值。基于此，本文提出假设 3：信贷支持能够促进数字企业全要素生产率的提升（H3）。市场准入直接影响某一行业的市场竞争强度，是干预性较强的一类产业政策。市场准入政策可以通过降低审核门槛的方式促使更多企业进入数字行业，提高数字行业的竞争程度。在竞争压力下企业的创新动力得到激发，行业的创新活力也进一步提升，从而有利于数字企业的技术创新（余长林等，2021）。放宽数字行业准入限制能够减少各种形式的不合理限制和隐性壁垒，使各类要素进出流动更为自由，从而促进资源的高效率配置，有助于数字行业整体全要素生产率的提升。但与此同时，市场竞争的加剧也会强化数字企业的危机意识，促使企业进行多领域投入和超前布局，以期找到新的风口“先下手为强”，在未来竞争中抢占先机。由于数字行业具有知识、技术密集度高的显著特征，投资金额大、研发风险高，企业若竞相采用扩张性手段不断开辟新领域，很可能导致过度投资行为的出现（章琳一和张洪辉，2015），从而给数字企业带来效率损失。基于此，本文提出假设 4：市场准入有可能促进数字企业全要素生产率的提升（H4）。三、研究设计（一）样本选择与数据来源本文以 20072020年我国沪深 A 股数字行业上市企业为研究样本，根据证监会 2012版行业分类，选择计算机、通信和其他电子设备制造业、电信、广播电视和卫星传输服务业、互联网和相关服务业、软件和信息技术服务业四类行业中的上市企业作为研究样本，并依据下述原则进行数据剔除：剔除 special treatment（ST）类公司；剔除关键数据缺失较严重的企业；剔除成立年限不满五年的企业，最终获得了总计 1995个样本观测值。此外，为避免异常值的干扰，对样本数据进行 2%的双边缩尾处理。文中所需的所有数据均源于国泰安（CSMAR）数据库。（二）变量定义与说明1.被解释变量对于全要素生产率的测算，目前学术界应用较广的方法包括索洛余量法、固定效应法、LevinsohnPetrin方法（LP法）、OlleyPakes方法（OP法）、数据包络分析法（DEA）和广义矩方法（GMM）等。不同方法的优劣势各有差异，例如，固定效应估计值无法体现时间变化信息，OP法虽然能较好地解决内生性问题但要求投资非43技术经济第 42 卷第 9 期负，GMM 法对于样本数据的要求较高等（鲁晓东和连玉君，2012）。本文同时选择 LP、OP和 GMM 三类方法对数字企业的全要素生产率进行测度，以便于进行后续回归结果的比较，避免因测度方法本身的局限性影响结论的稳健。2.解释变量（1）政府补贴。政府补贴反映政府部门对企业的资金支持力度，本文借鉴孔东民等（2013）的处理方法，从企业财务报表附注的营业外收入中选择“政府补助”一项，并将其除以总资产以消除公司规模的影响，以此来衡量政府补贴。（2）税收优惠。当前学术界对税收优惠政策的衡量大体可分为直接和间接两种方式，前者多以企业收到的税费返还来衡量，后者多以企业实际税率来指代。由于间接衡量需对企业原始数据做更多处理，为尽可能减少因数据处理计算所带来的误差与信息损失，本文借鉴柳光强（2016）的做法，以企业“收到的各项税费返还总额/总资产”来代表税收优惠。（3）信贷支持。信贷支持对于企业降低融资成本、增强流动性具有十分关键的意义。参考 Aghion 等（2015）的研究，以“利息支出/流动负债”代表企业的借贷利率，并将行业的平均借贷利率减去企业的借贷利率，该差值越大，说明企业获得的信贷支持力度越大。（4）市场准入。截至目前，学术界对于行业准入的衡量并没有一个公认的指标，代表性的研究中多以行业竞争强度进行表征。本文借鉴陈志斌和王诗雨（2015）的处理方法，以行业主营业务利润率标准差的倒数进行衡量。该值越大，表明行业内企业的竞争强度越大，市场准入门槛越低。3.控制变量根据数字企业的基本特征，结合钱雪松等（2018）、陈熙和朱玉杰（2021）等相近研究的做法，选择企业年龄（Age）、总资产（Size）、总资产利润率（ROA）、资产负债率（Lev）、资本密集度（Asset）、第一大股东持股比例（Top1）、托宾 Q（TobinQ）作为本文的控制变量。（三）模型设定为检验四类产业政策对我国数字企业全要素生产率的影响，构建如式（1）基准回归模型。lnTFPjt=0+1Subjt+2TaxPjt+3Loanjt+4Marjt+Controljt+j+r+t+jt（1）其中：lnTFPjt为数字企业 j在 t年全要素生产率的对数值；Subjt为政府补贴；TaxPjt为税收优惠；Loanjt为信贷支持；Marjt为市场准入；Controljt为一系列控制变量；j、r、t分别指企业、地区和时间固定效应；jt为随机干扰项；为待估系数。（四）描述性统计表 1报告了主要变量 20072020年的描述性统计结果。可以发现，由三种方法测算出的数字企业全要素生产率具有不小的差异性，采用 LP方法估计出的全要素生产率均值要显著高于使用 OP和 GMM 方法的估计值，说明采取不同方法进行全要素生产率的测算和计量结果对比是必要的。产业政策对不同数字企业的作用力度也差异较大，以政府补贴为例，个别企业获得的补贴额达到了其总资产的 18.1%，而另一部分企业得到的政府补贴相比其总资产几乎可以忽略不计。此外，四类产业政策的均值和标准差显著不同，说明不同产业政策的实施状况存在一定的差异性，可能会对数字企业的全要素生产率带来异质性影响。表 1变量的描述性统计变量TFP_LPTFP_OPTFP_GMMSubTaxPLoanMar样本量1995199519951995199519951995均值7.1954.5383.3090.0080.0110.0004.054标准差0.8100.6450.6100.0110.0170.0231.022最小值5.4563.0041.7430.0000.000-0.3093.102最大值9.7646.7195.8400.1810.2520.0275.575变量AgelnSizeROALevAssetTop1TobinQ样本量1995199519951995199519951995均值9.13021.8370.0430.3832.1720.3082.809标准差6.0081.1150.0780.1901.4820.1352.217最小值1.00019.345-0.9590.0250.0880.0530.113最大值26.00027.1460.9642.86127.6430.88633.47544李平等：产业政策提升数字企业的全要素生产率了吗？四、实证分析（一）基本回归表 2报告了四类产业政策对数字企业全要素生产率的回归结果。在控制了一系列控制变量及企业个体、年份和省份固定效应之后，结果显示，信贷支持显著促进了数字企业全要素生产率的提升，在通过三种方法测算出的 TFP 的回归当中回归系数均在 1%的水平下显著为正。市场准入则带来显著的负向效应，政府补贴和税收优惠对数字企业全要素生产率的影响并不显著，假设 H3得以验证，假设 H1、假设 H2和假设 H4 则未能得到证实。究其可能的原因，相较于计划经济色彩残留、“寻租空间”相对较大的政府补贴和税收优惠政策而言，市场倾向性更强的信贷支持政策有利于企业聚焦于主业经营与企业发展，降低企业在政策寻租和利益游说中的资源投入，从而在促进数字企业的全要素生产率方面更具优势。此外，企业在不同年份获得的政府补贴和税收优惠可能差异较大，而信贷支持作为解决企业融资问题的重要工具，在政策的连续性和稳定性方面相对更优，能帮助企业获得更加可靠的现金流来源，故而对于数字企业的效率提升作用更大。市场准入政策的回归结果表明，更低市场门槛、更具竞争性的市场环境不利于数字企业全要素生产率的提升。细究后发现，区别于传统企业边际成本先递减后递增的一般规律，以互联网服务为代表的数字企业，在完成高额固定成本投入之后便具有显著的低边际成本特征，能够以接近于零的成本无限扩增其产量、持续降低长期平均成本。在这种规模报酬递增的状态下，数字企业的生产效率必然与企业规模成正比，这显然会压缩小企业的生存空间，使得完全竞争难以实现（荆文君和孙宝文，2019；陈晓红等，2022）；此外，市场竞争过于激烈可能引发数字企业的过度投资行为，尤其是在新风口出现的早期阶段，烧钱补贴、跑马圈地的现象屡见不鲜，数字企业之间的竞争更像是一场你死我活的零和博弈。这显然会造成巨大的市场投入，导致数字企业“透支过度”，给企业带来效率损失。刘亭立等（2019）和高粼彤等（2022）对新兴产业的研究也对此有所印证。因此，市场准入政策更加考验政府对公平和效率的兼顾，既要推动构建一个公平高效、充满活力的有序市场，又要对数字企业“蹭热度”“挤风口”式一拥而上的市场行为进行合理调节，缓解企业的过度投入和资源浪费，从而促进数字企业全要素生产率的提升。（二）异质性检验1.产权异质性产权性质是影响企业获得政策支持的一个重要变量，产业政策所带来的政府“软预算约束”和“所有制歧视”问题曾一度引发学术界的广泛探讨（林毅夫等，2004；刘瑞明，2011）。故根据数字企业的产权性质进行分组回归。表 3报告了基于产权异质性的回归结果，可以发现，四类产业政策对于国有数字企业的全要素生产率增长并无明显的促进作用，在通过三种方法测算的 TFP的回归当中各回归系数均不显著。非国有数字企业的回归结果则与全样本结果保持一致，信贷支持和市场准入政策分别发挥了正向和负向的影响作用。可能的原因在于，产业政策多以缓解融资约束的方式来帮助企业经营发展，而国有企业因其有着更为紧密的政商关联，获取政府资金支持的机会更多，面临的融资约束更小，故而对于产业政策的需求普遍不及非国有企业那般迫切，对政府支持资金的利用也可能会更加粗放和低效。而非国有企业由于缺乏某种意义上的“保护”，面临的市场竞争压力更大，必须将有限的资源聚焦于企业的生存和发展，对于产业政策的利用效率可能更高。此外，相较于拥有更多自主决策权的非国有企业而言，国有企业虽然受到了更多的政策帮扶，但也面临着更多来自于政府的决策干预，违背效率原则的经营决策时常出现。这可能会扭曲国有企业的资源配置表 2基本回归结果变量SubTaxPLoanMarAgelnSizeROALevAssetTop1TobinQ常数项NR2（1）lnTFP_LP-0.0421（0.0612）0.2070（0.1760）0.1710*（0.0538）-0.0585*（0.0221）-0.0053*（0.0009）0.0808*（0.0050）0.1040*（0.0189）0.0568*（0.0153）-0.0212*（0.0054）-0.0708（0.0468）-0.0005（0.0007）0.5370*（0.1580）19950.789（2）lnTFP_OP-0.0897（0.1190）0.1750（0.3230）0.3230*（0.0994）-0.1300*（0.0463）-0.0114*（0.0017）0.0827*（0.0099）0.1990*（0.0375）0.0845*（0.0252）-0.0255*（0.0072）-0.0900（0.0701）-0.0012（0.0012）0.3850（0.3130）19950.541（3）lnTFP_GMM-0.1160（0.1860）0.1340（0.4560）0.4950*（0.1450）-0.2050*（0.0698）-0.0168*（0.0025）0.0847*（0.0144）0.2990*（0.0566）0.1110*（0.0352）-0.0304*（0.0089）-0.1180（0.0967）-0.0019（0.0016）0.3860（0.4430）19950.430注：*、*、*分别表示在 10%、5%、1%的统计水平上显著，括号中为标准误。45技术经济第 42 卷第 9 期效率，不利于其全要素生产率的提升；另外，国有企业凭借其特殊的市场地位，所处的竞争环境相对宽松，因市场竞争压力而进行过度投资的情况显然较少。非国有企业由于处于竞争第一线，开辟新领域、寻找新机遇的动力更强，出现过度投资的概率更大，故而市场准入对于非国有企业的负向影响更为显著。2.企业规模异质性企业规模往往与企业的市场影响力和资源充裕度强相关，这会使得不同规模的企业对于产业政策的需求程度和利用状况不尽相同，因而也是影响产业政策作用效果的一个重要因素。本文借鉴邓峰等（2021）处理数字企业的做法，依据企业员工人数进行规模划分，按人数是否大于 2000人分为大企业和中小企业两类，分组回归的结果见表 4。总体上看，信贷支持对于中小数字企业全要素生产率的提升作用明显，市场准入对两类数字企业的全要素生产率均带来负向影响，但对大企业的作用显著性更强。部分原因在于，相较于多凭借规模优势占领市场的大企业而言，组织决策高度灵活、对市场需求十分敏感的中小企业往往更具创新活力，期望凭借产品服务创新和效率提升来获得进一步发展的机会（王孝松和张瑜，2021）。但受制于风险承担能力低、可利用资源有限，中小企业的融资约束相对较高，但对于信贷支持往往更为倚重。而大企业的抗风险能力往往更强，获取资源资金的渠道更广，信贷可得性要优于中小企业，对于信贷支持政策的敏感程度可能不及前者；另外，根据前文的分析，排斥竞争性过强的市场环境是数字企业的普遍特征，尤其是对大企业而言，保持规模优势、维护市场地位的优先级显然更高，故而对于市场准入更加敏感。表 4基于企业规模的回归结果变量SubTaxPLoanMarControl常数项NR2中小企业（1）lnTFP_LP-0.0279（0.0385）0.3140（0.2090）0.1660*（0.0682）-0.0619*（0.0350）控制0.0565（0.1640）9290.8050（2）lnTFP_OP-0.1010（0.0729）0.3710（0.3820）0.3070*（0.1240）-0.1370*（0.0719）控制-0.4200（0.3010）9290.6520（3）lnTFP_GMM-0.1520（0.1170）0.4200（0.5340）0.4660*（0.1890）-0.2230*（0.1060）控制-0.7780*（0.4310）9290.5760大企业（4）lnTFP_LP0.0658（0.1140）0.2900*（0.1330）0.1690*（0.0815）-0.0497*（0.0185）控制0.5970*（0.1270）10660.7910（5）lnTFP_OP-0.0300（0.2310）0.3010（0.1950）0.2780（0.1730）-0.1360*（0.0434）控制0.4940*（0.2620）10660.5130（6）lnTFP_GMM-0.0826（0.3560）0.3310（0.2860）0.4340（0.2580）-0.2180*（0.0708）控制0.5130（0.4000）10660.3860注：*、*、*分别表示在 10%、5%、1%的统计水平上显著，括号中为标准误。3.企业生命周期异质性根据企业生命周期理论，处于不同生命周期的企业在资源约束、目标战略和发展稳定性等方面迥然相异，对于产业政策的需求很可能存在较大差异性。本文以企业年龄中位数为界线，将数字企业划分为成长期和成熟期两种类型并进行分组回归。表 5的回归结果显示，四类产业政策中，信贷支持显著促进了成长期数字企业全要素生产率的提升，市场准入则对成熟期数字企业的全要素生产率起到显著的抑制作用，其余产业政策的效果均不显著。究其可能的原因，对于成长期数字企业而言，开疆拓土、抢占市场是这一阶段主要任务，故而对外部资金有着巨大的需求。但此时企业的投资风险较高，面临的资金成本较大，融资渠道也较为表 3基于产权异质性的回归结果变量SubTaxPLoanMarControl常数项NR2国企（1）lnTFP_LP-0.1320（0.1120）0.4260（0.2500）0.1060（0.0748）-0.0241（0.0379）控制0.7750*（0.2610）6150.7050（2）lnTFP_OP-0.2970（0.1870）0.7420（0.4520）0.0457（0.1080）-0.0694（0.0702）控制0.6280（0.5180）6150.4960（3）lnTFP_GMM-0.4610（0.2660）0.9990（0.6360）0.0468（0.1560）-0.1110（0.1020）控制0.6080（0.7600）6150.4410非国企（4）lnTFP_LP-0.0038（0.0803）0.0184（0.1410）0.1390*（0.0499）-0.0829*（0.0421）控制0.4750*（0.1420）13800.8510（5）lnTFP_OP0.0297（0.1390）-0.2420（0.2650）0.2940*（0.0890）-0.1650*（0.0789）控制0.2620（0.2760）13800.6230（6）lnTFP_GMM0.1110（0.2150）-0.4880（0.3740）0.4610*（0.1310）-0.2670*（0.1190）控制0.2680（0.4010）13800.5000注：*、*、*分别表示在 10%、5%、1%的统计水平上显著；括号中为标准误。46李平等：产业政策提升数字企业的全要素生产率了吗？有限。信贷支持政策能够为其提供成本较低、相对稳定的现金流来源，帮助其缓解融资约束，支持企业的生产经营和研发创新，有助于提高其全要素生产率。而成熟期数字企业的业务模式和发展框架基本成型，面临的融资约束相对更小，更为注重其市场地位的稳固，对于鼓励竞争的市场准入政策具有一定的排斥性，这可能导致了市场准入对其全要素生产率的负向影响。（三）稳健性检验1.调整样本年度区间考虑到 2008年金融危机和 2020年新冠疫情所带来的外生冲击，可能会对数字企业的经营运转带来某些不利影响，影响估计结果的稳健性，故将样本的年度区间调整为 20102019年进行再次估计。表 6（1）（3）列的结果显示，调整后的估计结果与之前保持一致，研究结论保持稳健。2.替换解释变量有别于政府补贴、收税优惠和信贷支持，市场准入本身具有一定的争议性，不同学者对市场准入的衡量方法差别较大，仅用行业利润率进行衡量可能影响结论的稳健性。本文引入赫芬达尔指数（HHI）替换原有解释变量，对市场准入政策进行重新表征。赫芬达尔指数公式为 HHI=(Xi/X)2，其中 Xi为数字行业中企业 i的收入；X 为行业总收入。HHI指数越大，表明该行业竞争程度越低，市场门槛越高。根据表 6的（4）（6）列的结果，替换后的回归结果同之前一致，HHI指数与数字企业全要素生产率显著正相关，研究结论保持稳健。表 6稳健性检验结果（样本区间、替换解释变量）变量SubTaxPLoanMarHHIControl常数项NR2（1）lnTFP_LP-0.0755（0.0671）0.2110（0.1850）0.1140*（0.0537）-0.0889*（0.0247）控制0.5750*（0.1700）17530.7950（2）lnTFP_OP-0.1570（0.1220）0.1880（0.3580）0.2290*（0.1010）-0.1890*（0.0531）控制0.4750（0.3400）17530.5640（3）lnTFP_GMM-0.2130（0.1810）0.1560（0.5110）0.3630*（0.1480）-0.3020*（0.0832）控制0.5730（0.4840）17530.4420（4）lnTFP_LP-0.0210（0.0540）0.2260（0.1660）0.1810*（0.0576）8.4610-6*（3.9410-6）控制0.3060*（0.1240）19950.7910（5）lnTFP_OP-0.0549（0.1080）0.2020（0.3090）0.3380*（0.1050）1.2810-5*（6.6310-6）控制-0.1270（0.2310）19950.5430（6）lnTFP_GMM-0.0612（0.1680）0.1750（0.4350）0.5190*（0.1530）2.0210-5*（9.6410-6）控制-0.4220（0.3300）19950.4320注：*、*、*分别表示在 10%、5%、1%的统计水平上显著；括号中为标准误。3.解释变量滞后处理考虑到产业政策从开始实施到发挥作用也存在一定的时滞，可能不会对数字企业全要素生产率的提升起到立竿见影的效果，故将解释变量滞后一期进行再度估计，表 7的估计结果同之前依然保持一致。4.更换回归估计方法为保证结果的可靠性，同时在一定程度上缓解内生性问题，本文借鉴宋敏等（2021）的处理方法，采用系统 GMM 法对加入 TFP 滞后项的动态面板模型进行重新估计。在通过了二阶序列相关检验 AR（2）与过度识别约束检验（Hansen检验）后，表 8的回归结果再次验证了之前结论的稳健性。表 5基于企业生命周期异质性的回归结果变量SubTaxPLoanMarControl常数项NR2成长期（1）lnTFP_LP-0.0856（0.0788）0.0195（0.1300）0.2390*（0.0525）-0.0099（0.0266）控制0.1640（0.1180）11060.8690（2）lnTFP_OP-0.1050（0.1390）-0.1630（0.2220）0.4580*（0.0846）-0.0276（0.0572）控制-0.3580（0.2660）11060.6630（3）lnTFP_GMM-0.1060（0.1920）-0.2800（0.2850）0.6620*（0.1070）-0.0578（0.0797）控制-0.6700*（0.3630）11060.5390成熟期（4）lnTFP_LP-0.0728（0.0865）0.3660（0.2470）0.0875（0.0651）-0.0892*（0.0364）控制0.8910*（0.2030）8890.6830（5）lnTFP_OP-0.2070（0.1580）0.5050（0.4700）0.1330（0.1150）-0.1850*（0.0719）控制0.9420*（0.4030）8890.4480（6）lnTFP_GMM-0.3330（0.2380）0.6150（0.6820）0.2130（0.1780）-0.2730*（0.1110）控制1.0800*（0.6100）8890.3680注：*、*、*分别表示在 10%、5%、1%的统计水平上显著；括号中为标准误。47技术经济第 42 卷第 9 期表 7稳健性检验结果（解释变量滞后处理）变量L.SubL.TaxPL.LoanL.Mar（1）lnTFP_LP-0.1010（0.0614）-0.0950（0.1980）0.1930*（0.0791）-0.0489*（0.0250）（2）lnTFP_OP-0.1320（0.1330）-0.1690（0.3780）0.2720*（0.1240）-0.1080*（0.0446）（3）lnTFP_GMM-0.1500（0.2120）-0.2540（0.5420）0.3670*（0.1670）-0.1660*（0.0672）变量Control常数项NR2（1）lnTFP_LP控制0.5130*（0.1530）17260.7780（2）lnTFP_OP控制0.2840（0.2940）17260.5350（3）lnTFP_GMM控制0.1870（0.4230）17260.4160注：*、*、*分别表示在 10%、5%、1%的统计水平上显著；括号中为标准误。表 8稳健性检验结果（更换回归估计法）变量L.lnTFP_lpL.lnTFP_opL.lnTFP_GMMSubTaxPLoanMar（1）lnTFP_lp0.6820*（0.0710）-0.0863（0.1840）-0.0310（0.1700）0.2350*（0.0917）-0.0055*（0.0030）（2）lnTFP_op0.7030*（0.0511）-0.2420（0.2590）-0.0845（0.2960）0.305*（0.1310）-0.0128*（0.0048）（3）lnTFP_GMM0.7470*（0.0380）-0.2700（0.3420）-0.1850（0.3830）0.3970*（0.1750）-0.0166*（0.0064）变量ControlConstantAR（1）AR（2）HansenN（1）lnTFP_lp控制0.0502（0.0737）-5.3245（0.0000）-1.1145（0.2651）94.1999（0.2095）1726（2）lnTFP_op控制-0.0014（0.1180）-6.4487（0.0000）-0.2344（0.8147）98.0010（0.1408）1726（3）lnTFP_GMM控制0.0049（0.1770）-6.9181（0.0000）-0.2820（0.9775）97.5078（0.1487）1726注：*、*、*分别表示在 10%、5%、1%的统计水平上显著；括号中为标准误。五、机制分析前文验证了信贷支持和市场准入对数字企业全要素生产率的影响作用，为进一步探索影响政策效力的关键因素，明确两类产业政策的具体作用路径，进而进行机制检验与分析。根据前