金融改革对全要素生产率的影响研究——基于五个国家级金融改革试验区的经验数据

陈晔婷,朱 锐，宋志刚，闫 东

(1.中央财经大学商学院，北京 110000；2.云南大学软件学院，云南 昆明 650091；3.中国社会科学院世界经济与政治研究所，北京 100732)

1 引言

随着改革开放的深入，中国经济增长取得了令人瞩目的成就。但是，长期以来中国经济增长主要依靠资本劳动及能源等生产要素的高投入，而生产率进步对经济增长的贡献率偏低。这种依靠要素投入的高速增长模式产生的隐患，如资源过度消耗、产业处于全球价值链低端等，制约了中国未来经济的发展。中国要实现经济的健康可持续发展，就必须借助于全要素生产率的进步。新古典经济学认为长期内，全要素生产率是促进经济增长的唯一源泉。如何利用外力促进全要素生产率，已成为中国亟待解决的问题。

目前关于金融发展对国民经济影响的研究主要集中在金融发展对经济增长的影响上，而全要素生产率作为推动经济增长的唯一源泉，在金融学与发展经济学的交叉领域还未得到足够的关注。全要素生产率的增长很大程度上依赖金融的支持。金融是否对全要素生产率的增长发挥作用，决定了金融体制改革是否影响中国经济增长方式的转变。

2012至2014年间，经国务院批准、分别在浙江、广东、福建、云南、山东等5地设立金融改革试验区，内容涉及金融组织和机构改革、金融产品创新、风险防范、民间金融发展等多个方面。这些改革试点，一方面可以通过试点地区为载体，把改革和发展有机结合起来，解决本地实际问题的同时为全国其他地区的综合改革起示范作用。另一方面，可以把改革风险和试错成本控制在一定区域之内，平稳有序推进改革进程。目前，各个金融改革区的改革效果备受瞩目。探究各个金融改革试验区对全要素生产率的影响，可以为今后金融体制改革方向和金融资源的有效配置提供一定的借鉴意义。

全要素生产率是技术进步的代名词。“技术进步”一词，最早于1912年由美国经济学家熊彼特《经济发展理论》中提出的，他首次把技术进步引入到经济增长理论中去。他认为金融体系能够推进技术进步，技术进步进而又推进经济增长。此后，也有国内学者验证了这一观点。阳佳余[1]采用金融发展指标衡量金融体系的改革成果，结合研发创新推动型的内生增长模型框架、实证检验我国金融发展通过影响研发效率而作用于经济增长。李苗苗[2]通过因果有向无环图等方法，实证发现金融发展、技术创新与经济增长两两之间存在长期均衡的协整关系。邵宜航[3]将技术进步的机制分成两类进行分析，结果表明：在经济发展程度越低，技术进步越多地选择模仿时，金融宽化对经济增长作用越显著；而随着经济发展，自主创新比重增加时，金融深化对增长的促进作用开始显现。

对于熊彼特的贡献，其中金融体系对技术进步的正向影响逐渐引起了学者们的关注。1969年，诺贝尔奖的获得者Hicks[4]在经济史理论中就开创性的提出过，金融体系能够为新技术的产生提供大量的资金支持。李俊霞等[5]利用系统动力学方法对科技金融支持高新技术产业展开实证研究。仿真结果发现，科技金融对高技术产业的技术进步有明显的积极作用。蒲文燕和张洪辉[6]以非上市公司为样本，发现民营公司想要实现技术创新，投入研发资金，相比于国营企业需要更宽松的金融环境。Ang[7]以韩国为研究对象，探讨了实施金融自由化政策对创新活动具有积极的影响，为熊彼特的内生增长框架提供了依据。跟据内生增长理论，技术进步决定着一国长期经济增长的速度和质量。

因此，本文的研究基于内生增长理论，研究金融改革的实施是否可以促进全要素生产率的增长。我国学者对金融发展与全要素生产率的关系做出了一些研究，目前没有得到统一的结论。刘降斌[8]通过实证发现，无论是金融发展规模还是金融发展效率，都对中国高新技术产业的技术创新有明显的促进作用。该作用是非线性的。李健和卫平[9]采用动态面板广义矩估计等方法验证民间金融发展对全要素生产率的影响。结果发现，民间金融发展对全要素生产率影响显著，且主要作用渠道是技术效率增长而不是技术进步效应。而黄凌云等[10]实证发现目前我国金融发展对技术进步还不存在显著的直接促进作用。类似的张杰[11]的研究结论是中国当前的金融体系并未对全要素生产率提高形成有效的支撑和激励作用，相反，信贷市场竞争的加剧对全要素生产率发展起到了一定程度的阻碍作用。由此可见，金融改革带来的发展对全要素生产率的影响目前尚未得到一致的结论。

前人的研究多以我国各省的金融发展情况为研究对象，而各省的金融发展水平参差不齐，这是导致实证结果不一致的一个很重要的原因。并且每个省的基本情况不同，发展侧重点不同，这也造成了研究结论的偏误。因此，本文以我国进行金融改革的五个试验区为研究对象，探讨结合各个地区实际情况的改革对全要素生产率的影响。填补了当前研究无法有区别的去考察研究对象的空白的同时也检验了我国进行金融改革试验区的试验效果究竟如何。数据方面通过手工收集金融改革试验区和所有省份的2008～2015年的专利申请量、新产品销量以及R&D投入、研发人员投入等数据用以计算全要素生产率。企业特征数据及外商投资等控制变量数据通过历年的《中国统计年鉴》，结合合成控制法检验金融改革对全要素生产率的影响。

以往的研究从风险分散功能和监管功能研究金融发展对技术创新的传导机制。例如Levine[12]认为金融体系通过横向风险分担能吸引更多的资金投向高风险的技术创新领域，并且通过金融契约激励和监管创新者的努力，有利于信贷在相互竞争的技术生产者之间的配置，这些都能促进技术创新；随着全球资本流动速度的加快，以跨国企业为主要载体的国际间投融资行为发展迅速，对外直接投资和外商投资逐渐成为趋势。吴哲等[13]结合对一带一路沿线国家的数据测算发现，对外直接投资通过逆向技术溢出提高我国制造业企业的全要素生产率的。实现金融改革优化，高效的金融系统能够为企业对外投资和吸收先进技术知识提供充分的融资支持从而提升企业进行对外投资的意愿和成功的可能性。Alfaro[14]、李梅[15]通过实证发现，金融体系通过影响对外直接投资时的逆向知识溢出进而对技术创新产生影响，并存在门槛效应。而对于进行对外直接投资的企业而言，融资困难是一大难题。无论是通过贷款、发行股票还是发行债券进行融资都受到了种种限制。对金融市场的改革则可以加快融资审批流程，拓展渠道，提高效率。从根本上改善企业融资环境，为企业的海外并购和直接投资活动等提供良好的保障。良好的金融环境可以增加企业进行度外直接投资行为。因此本文在探讨金融改革试验区的改革是否能够提高当地全要素生产率的同时，进一步的探究是否对外直接投资成为金融改革对全要素生产率影响的起到较为重要的中介作用。对外直接投资数据由历年的《中国对外直接投资公报》获得。

本文的创新点主要体现在：(1)基于合成控制法的金融改革实施效果的实证测度，提高金融改革实施效果度量的准确性。以往的对政策的研究如果选择实证方法度量，基本采用双重差分法或者倾向得分匹配法。这些方法本身在对象的选择上会产生偏误以及匹配上的误差，并且对样本数量和时间跨度要求较低高。本文选择的合成控制法，特点是让数据“自己说话”，最小化了上述方法中的偏误，并且不要求样本的时间跨度很长。因此本文采用合成控制法用于测度金融改革试验区的政策对全要素生产率的影响，更为适用的同时能够更为准确的测算出金融改革对制造业全要素生产率的影响；(2)由于五个金融改革区进行改革的定位与功能各不相同，因此对五个金融改革区需要分别检验用以解释什么样的金融改革能够提升企业全要素生产率。不同于以往研究大多从宏观政策角度出发通过语言文字描述政策的实施的研究[16-17]，也不同于笼统分析政策实施结果的实证研究[18-19]，本文选择的研究对象为金融改革试验区。一项政策的制定往往是考虑多个方面的。例如金融改革也包含很多方向不同的改革细则。而各个金融改革区则有更加明确的改革目的。因此选择金融改革试验区为研究对象，获得的结论能够对未来政策的制定提供更加具有针对性的依据。(3)已有研究中，学者们在研究金融发展与全要素生产率的影响因素时，除了金融体系自身的影响因素外，往往只考虑到外商直接投资的影响，而忽略了对外直接投资这种影响机制。随着“一带一路”的提出，越来越多的企业选择走出国门进行对外直接投资。本文在考察金融改革对全要素生产率影响的基础上，考虑了对外直接投资变量的作用机制，检验金融改革区改革成效的同时通过实证探究对外直接投资在其中可能起到的作用。

与阳佳余和赖明勇[1]、李健和卫平[9]等以往学者以金融发展来考察各个地区的金融环境不同，本文选择的研究对象是我国五个金融改革试验区。金融环境在不断的改革中才能得以发展，探究金融改革的成效、从政策制定的根源出发，得到的结论能够为改革措施以及金融的发展指引正确的方向。此外，与仅仅讨论现象的文献不同，本文分析在现象的基础上深入探讨了金融改革对全要素生产率作用的内在机制，对现有研究进行了进一步的补充；在方法上，与以往学者通常采用的、衡量政策效果的倾向得分匹配法[20]和倍差法[21]不同，合成控制法能够避免常用方法可能出现的偏误，使实证结果更加准确、可信度更高。

2 合成控制法

合成控制法(Synthetic Control Method)最早由Abadie和Gardeazabal[22]于2003年提出，它的基本思路是：根据已有的数据和目标单元构建一个“反事实”的对照单元，再根据事件发生后的目标单元与对照单元的差别进行计算，进而对事件效果进行评估。鉴于许多政策干预和对社会科学感兴趣的事件发生在一个总体水平，并影响到一小部分总体单元，合成控制方法在比较案例研究中的潜在适用性非常大，它的优势在于：1.扩展了传统的双重差分法，是非参数的方法。2.通过数据本身的特性决定权重的大小，提高了结果的可信度。此后，这种较为新颖的非参数的方法逐渐被国外[23-24]、我国的学者们[25-26]用于测度各种政策实施的效果。

(1)

(2)

我们想求出一个(K×1)维的向量权重W=(w2,…,wk+1)，满足wk≥0，且w2+…+wk+1=1。每个向量W的特定值都是对K个省份的特定权重。

(3)

(4)

(5)

(6)

3 实证结果与分析

3.1 数据背景

目前我国有五个国家级的金融综合改革试验区，分别是2012年3月温州市金融改革区，旨在试验“地方金融组织体系，金融服务体系、民间资本市场体系”等方面；2012年7月广东珠三角金融改革区将试验的重点放在“农村金融改革创新综合试验、城乡统筹发展金融改革创新综合试验”上；2012年12月福建泉州服务实体经济改革区以金融服务实体经济为核心定位；2013年11月云南沿边金融改革区则是探索跨境金融改革创新，推动沿边地区和民族地区经济金融和谐发展；以及2014年2月山东青岛金融改革区，它是以财富管理为主题的金融综合改革试验区。我们的目标是用其他省的加权平均来模拟没有进行金融改革改革的五个金融改革试验区市“反事实”的全要素生产率然后与真实的金融改革区进行对比来估计金融改革对其全要素生产率的影响。根据合成控制法的思想，我们选择权重时要使得在金融改革前，合成金融改革区各项影响的因素和改革区本身尽可能的一致。

我们选择的预测控制变量包括人均GDP、一个地区所有制造业企业总数(size)、资产负债率(Lev)、劳动力人数(Lab)、制造业盈利状况(固定资产/劳动人数)(Roe)、外商投资FDI、行业出口值(X)。其中，制造业企业总数(size)、与行业出口值(X)和资产负债率(Lev)和盈利状况(Roe)属于企业层面特征。人均GDP高的区域，生产力强，使全要素生产率增长。外商投资可以有更多的资金被投入到研发创新，促进全要素生产率增加。出口和利用外资数值为美元值，我们用年度平均人民币兑美元的汇率进行折算，再以消费物价指数折算成2008年为基期进行平减。控制变量数据是从2008年-2015年《统计年鉴》中获取的全国35个省级行政区面板数据。全要素生产率测度由deap2.1软件完成，由于创新活动产出的滞后性，产出项的数据滞后一年。专利申请量、新产品销量以及R&D投入、研发人员投入等数据用以计算全要素生产率数据依然从《统计年鉴》中获取。全要素生产率简称为(Total Factor Productivity，TFP)。对外直接投资数据通过历年商务部提供的《对外直接投资统计公报》中获得。为了合成的软件需要，所有控制变量均取对数。

3.2 统计描述

对主要变量的描述性统计如下表所示，进一步的，研究的各个目标金融改革区的全要素生产率情况与对照组全要素生产率的均值情况列于表1。本文以五个金融改革试验区为实验组分别进行了合成分析。其余的29个省级行政区则组成了对照组，其中，上海于2014年成立自贸区，由于自贸区也进行了金融制度方面的改革的尝试且成立时间在进行实证研究的时间区间范围内，因而将上海从对照组中剔除，对照组由剩余28个省级行政区组成。在合成过程中发现，由于广东的全要素生产率的原始数据有较大偏差，因而拟合曲线结果效果并不理想，所以后文中着重探讨其它四个金融改革区的拟合情况。合成过程通过MATLAB软件实现。

表1 主要变量的描述性统计

图1 目标金融改革区与对照组平均的全要素生产率对照(2008～2015)

图1中实线所示的是对照组进行平均之后大致走向。可以看出，从2008年到2015年间，全要素生产率的平均改变并不显著，2008年到2011年有所下降，2011年到2014年略有回升，2015年又略有下降。虽然影响全要素生产率的因素有很多，但是随着研发投入的增加，全要素生产率并没有随之增加说明了科技资源投入的相对过剩。并且我国工业制造业企业大多依然采用低成本，低价格的竞争模式，并没有把研发创新作为制造业企业发展的战略目标。这也是造成科研经费利用不足，全要素生产率不能提高的原因之一。

图1中虚线表示的是各个金融改革试验区2008年到2015年间实际的全要素生产率情况，其中，浙江与云南的全要素生产率在不同程度上高于平均水平，而福建和山东的全要素生产率则在平均水平之下，初步推断，通过金融改革的实施，使得浙江和云南两个实验区的全要素生产率得到了改善，而福建和山东的改革并没有使其全要素生产率改善，具体是否如此以及产生的原因还要进行合成分析才能验证和解释。

3.3 基于合成控制法的实证分析

在合成过程中，对照组的每个城市都会产生一个权重，权重高的城市说明与目标的金融改革区更相似，相反则表明相似度不高。这样就合成了一个“反事实”的金融改革区，它的曲线在发生政策之前与真实曲线几乎重合。由于“反事实”的曲线合成的目的就是能够模拟出未实施政策的目标改革区的创新情况如何，所以在改革发生之后，真实曲线与合成曲线之间的差异，则说明了改革的效果。如果两个曲线走向无明显差异，说明改革实施没有明显效果。相反，则说明改革起到了一定作用。图2中展示了对几个金融改革区的合成结果。其中，竖直虚线代表政策发生的年份，观测竖直虚线前后两条曲线的走向变化，则能得出政策是否有效的结论。

其中，图2a为合成后的浙江和实际浙江的全要素生产率的对照图，图2b为合成后的云南与实际云南的全要素生产率对照图，图2c和图2d分别是福建和山东的对照图。实线表示真实的金融改革区2008年-2015年全要素生产率情况，虚线则表示合成的金融改革区，即不发生金融改革的改革区在改革年前后的全要素生产率情况。

在图2a和图2b中，竖直的虚线之前，直线与虚线几乎重叠，说明合成的金改区拟合的很好，在竖直虚线之后，实际金改区的全要素生产率曲线在合成金改区全要素生产率的曲线之下；而图2c和图2b则是实际金改区的全要素生产率曲线在合成金改区全要素生产率的曲线之上，从图中结果我们可以得出：浙江和云南实施的金融改革政策后，对其全要素生产率的促进效果显著，而福建和山东实施的金融改革措施，则对全要素生产率并没有促进作用，合成的结果与上文的推论相符，可以说，一些金融改革的施行是可以改善其企业全要素生产率的，但由于金融改革功能的不同，并不是所有的金融改革都可以对提升全要素生产率起到促进作用的。文献综述中提到，金融体系可以通过为需要进行技术创新的制造业企业提供资金支持或者通过降低这些制造业企业的融资门槛等方式帮助制造业企业解决改善全要素生产率所面临的资金问题；图2a的浙江温州金融改革区的建立是通过设立民营银行等措施为了更好的解决温州地区的民间借贷风波问题，民间融资和民间借贷是游离于正规金融市场之外的重要补充力量，也是构成一国金融结构体系的重要组成部分，虽然民间借贷存在着缺乏金融监管，风险不可控等难题。但是，从图2a中曲线可以判定，浙江温州的金融改革依然还是取得了很显著的成果，民间融资和民间借贷问题的改善使得想要进行技术创新的制造业企业有了更多获取资金支持的途径。在浙江温州实施金融改革以后，其制造业企业的全要素生产率确实有所提高了；图2b的云南金融改革区的设立是为了实现跨境金融，实现区域经济的国际化，其具体的措施包括跨境人民币业务创新以及金融基础设施建设等等。具体的重点任务如跨国公司资金运营服务便利化，支持跨国公司开设离岸账户，适时推动个人境外直接投资试点等措施都使得跨国公司以及个人投资者进行对外直接投资更加便利，想要进行技术创新的制造业企业或个人更便捷的获取国外的先进技术进而提升自身研发能力，同时更加完善的跨境金融服务为沿边制造业企业进行技术创新提供了资金支持。因此，云南的金融改革区也使得云南地区制造业企业的全要素生产率增强了。

图2 合成金改区与目标金改区的全要素生产率对照图

图2c合成的结果是福建进行金融改革前后全要素生产率的曲线。虽然福建于2015年起建立自贸区，但本文实证数据也考察到2015年，考虑到自贸区从建立到有成效需要一定时间，因而忽略了自贸区建立对结果产生的影响。福建金融改革区主要针对农村金融机构进行改革，为县城经济机构和发展做出贡献，由于进行技术创新的制造业企业多集中在城市镇。所以农村金融改革与制造业企业提升全要素生产率之间没有直接的联系，反而由于对农村金融改革的重视而忽略了城镇的金融发展，导致企业全要素生产率的下降。图2d合成的是山东进行金融改革前后全要素生产率的曲线，很明显的，合成出来的曲线与实际曲线差别不大。这可能是由于山东金融改革的重点并不是建设金融改革区而是深化金融体制改革，提升基础性的金融服务水平，由于改革时间尚短且针对性不强，所以目前看来并没有对制造业企业的全要素生产率起到作用。

3.4 合成结果的有效性、稳健性检验

我们通过借鉴Alberto[14]的随机化推理方法—安慰剂检验法(Pacebotest)来验证实证方法的有效性：选定一个非金融改革试验区的省级地级市，同时它没有在测算时间期限之内被设立为自贸区，对它进行同样的合成分析。观察合成之后与实际的情况是否有明显的差异。因为事实上这个被挑选出的城市是没有和真正的金融改革试验区一样进行金融改革的，因此我们得到的图形理论上不会有和真正的金融改革区一样的变化趋势。

由于合成结果显示浙江和云南两地的金融改革是可以有效提升企业全要素生产率的，因此按照安慰剂选择对象的一般方法，把合成浙江和云南两地权重最大的城市作为安慰剂检验的对象。因为权重越大，说明和所研究的城市相似度越高，合成浙江权重最大的城市是江苏，合成云南权重最大的城市是湖北。图3中展示了对这两个城市进行安慰剂检验的结果。可以看到，江苏和湖北在施行金融改革前后，实际的全要素生产率与合成的全要素生产率曲线走势相近，两条曲线上下波动不大，说明结果通过了安慰剂检验，两个城市没有像真正的金改区一样在金融改革年之后发生较大变动。可以说，浙江和云南进行的金融改革确实是改善了制造业企业的全要素生产率。并且也可以从侧面反映出对企业全要素生产率的影响确实是由实施金融改革引起的。

图3 安慰剂检验，左图是江苏的检验结果，右图是湖北(Placebo test)

通过进行敏感性分析来进行稳健性检验，还是以浙江和云南为稳健性检验的分析对象，具体的构建方法是通过每次重复反馈的过程的依次删除对合成浙江以及云南的贡献为正的一个制造业企业。目的是为了检验实行金融改革对成为金改试验区的浙江和云南地区的企业全要素生产率影响程度是否受到合成组城市的影响，是否会因为控制组里任何一个城市的缺失而导致结果的不同。结果发现，去掉控制组里的任一城市后，合成图像依然是虚线在实线之下，与删除之前结果相符。可以说，实验的结果是不随着控制组制造业企业的不同而变化的，这与前文的结论一致，证明了本文结果的稳健性，具体检验结果如下图4所示：

3.5 对外直接投资的中介作用回归分析

上述结果中，浙江和云南两个金融改革区的金融改革能对全要素生产率产生促进作用。其中，云南金融改革区的目的是促进与东盟的开放合作，积极探索跨境金融改革创新。这恰恰为制造业企业“走出去”的带来金融助力，使制造业企业从事更多的对外直接投资活动。因此，选用云南省的数据即考察了云南金融改革区对金融系统的改革成果，又能研究对外直接投资对金融改革影响全要素生产率起到的部分中介的作用。

图4 迭代去除控制组城市的合成目标金融改革区

由于云南省的金融改革始于2013年，因此选择的数据是2013年-2016年云南省的相关数据。金融改革之后带来的金融发展，衡量根据以往学者的研究，用金融发展规模指标(地区金融机构贷款总额/GDP)和金融发展效率指标(企业贷款/GDP)来衡量金融发展、即金融改革的成效。数据分别来自《中国统计年鉴》和《金融统计年鉴》，用Fin表示。基于MacKinnon[27]、温忠麟和侯杰泰[28]的基础上，计算模型如公式(6)所示：

TFPt=α0+β1Fint+λ1Size+λ2Lab+λ3Lev+λ4Roe+λ5GDP+λ6X+λ7FDI+εt

(6)

OFDIt=α0+β2Fint+λ1Size+λ2Lab+λ3Lev+λ4Roe+λ5GDP+λ6X+λ7FDI+εt

(7)

TFPt=α0+β3OFDIt+λ1Size+λ2Lab+λ3Lev+λ4Roe+λ5GDP+λ6X+λ7FDI+εt

(8)

TFPt=α0+β4Fint+β5OFDI+λ1Size+λ2Lab+λ3Lev+λ4Roe+λ5GDP+λ6X+λ7FDI+εt

(9)

模型(6)用于检验金融改革对全要素生产率的影响，模型(7)用于检验金融改革对对外直接投资的影响，模型(8)用于检验对外直接投资对全要素生产率的影响，模型(9)用于检验控制了对外直接投资数不变的情况下金融改革对全要素生产率的贡献显著性，即检验中介效应显著性。其中，TFPt为云南省i时间的全要生产率。Fint为云南省i时间的金融发展情况。OFDIt为云南省t时间的对外直接投资量。εt为随机误差项。其余为与上一部分实证相同的控制变量。模型(6)到模型(9)的检验结果如下表所示。由于控制变量的检验结果不是本文研究的重点，固表2中未列出。

表2 模型中介效应检验结果

模型(6)的结果表明，在控制了所有控制变量后，当金融发展对于全要素生产率的系数达到13.467时，对应的P值小于0.001。说明金融改革的作用能够对全要素生产率具有显著的正向作用。模型(7)检验结果显示，金融发展对于对外直接投资的系数为正的0.887，对应P值小于0.001。表明金融发展对对外直接投资量的正向影响非常显著。模型(8)的检验结果发现，对外直接投资系数为2.54，对应P值为0.005。说明对外直接投资在1%的显著性水平下能够有效促进全要素生产率。目前结果已经可以说明中介作用的存在。模型(9)进一步检验对外直接投资的中介效应。当对外直接投资系数达到8.775时，对应P值小于0.001。同时金融改革的系数变为-9.228，P值也上升了，显著性水平下降了，说明对外直接投资的部分中介效应明显。

4 结语

本文选用的研究对象是自2012年起陆续开始实施不同金融改革功能的国家级金融改革试验区，结合较为新颖且更为准确的方法——合成控制法，对金融改革是否可以提高企业全要素生产率这一问题进行了实证验证。本文获得的结论如下：(1)研究结果显示，金融改革是可以企业的全要素生产率起到提升的作用，但是不同的改革措施效果是各不相同的。只有能为制造业企业融资提供资金支持以及为制造业企业提高全要素生产率提供便利的改革才能有针对性的改善制造业企业的全要素生产率。五个试验区中，浙江和云南两个试验区的相关改革措施能够促进当地企业的全要素生产率提高。(2)在此基础上，结合云南试验区的相关数据，实证验证了金融改革的有效实施促使更多的企业进行对外直接投资，国外的先进技术通过逆向的知识溢出传递回国内，进而提高了当地的全要素生产率。云南金融改革区发展跨境业务效果显著，在云南金融改革区，对外直接投资数量稳步增加，部分中介效应明显。金融改革区的设立、相关金融措施的实施是促进全要素生产率的一个非常重要的举措。

综上所述提出以下政策建议。(1)就目前我国的实情来看，随着对全要素生产率的重视，各个地区的科研资金投入和创新产出都有增加。但是严重存在着科研资金不能充分利用的问题，这是由于大部分的制造业企业依然是以低成本，低价格的竞争模式生存，并没有把自身的全要素生产率作为当前的首要目标，这与制造业企业的自身和政府的引导是密不可分的。由于科技是第一生产力，十八大以来科技创新被摆在了国家发展全局的核心位置，所以各级政府应当大力引导制造业企业注重科技创新，努力提升全要素生产率，把发展科技作为制造业企业发展的首要任务。同时，由于制造业企业自身发展的局限性，所以需要政府积极的加以政策措施协调配合，国家实行金融改革做为“供给侧改革”的重要一环，为帮助制造业企业解决创新难题提供了良方。一方面可以借鉴金融改革措施对提升企业全要素生产率的积极作用，所以应当充分利用相应的国家级“金融改革试验区”，推进相应金融改革的建设，推广相应的金融改革以及其它类似政策改革的进一步探索。(2)浙江作为第一个设立的改革区，旨在引导民间融资规范发展。目前已使浙江民间金融的发展渐入正轨，促进区域的技术进步。中小企业融资是我国经济发展中一个较为棘手的问题，浙江改革的初见成效给我国相关政策制定打了一剂强心针、为它省市地区的改革实施起到了良好的指引作用。而云南金融改革试验区，为了鼓励企业“走出去”，采取了一系列金融改革措施。例如，开展跨境人民币双向贷款试点、鼓励本土金融机构到海外设分支机构、办理跨境人民币国际结算业务、争取放宽人民币现钞出入境管理等等一系列具体措施。通过本文中的实证发现这些措施效果显著。因此为了提高技术水平，实现全要素生产率提高，云南金融改革试验区的改革措施值的学习和借鉴。为企业进行对外直接投资开拓渠道、提高效率提供金融助力，改善企业融资环境，为企业“走出去”学习国外先进技术提供良好保障是我国为提高全要素生产率的一项较为有效的金融改革措施之一。