行政审批改革与企业全要素生产率*——基于行政审批中心设立的准自然实验

詹新宇，王一欢

一、引 言

十八届三中全会以来，在“放管服”思想的指导下，行政审批改革愈发注重突出政府简化事项、优化程序和提高效率的实质性松绑效果，成为构建“亲清”新型政商关系的重要载体，也是打开“双创”新局面的锁钥之一；党的十九届四中全会公布的《中共中央关于坚持和完善中国特色社会主义制度，推进国家治理体系和治理能力现代化若干重大问题的决定》，更是明确指出，要“深入推进简政放权、放管结合、优化服务，深化行政审批制度改革，改善营商环境，激发各类市场主体活力。”将推进行政审批制度改革提高到推进“中国之治”的战略高度。

近些年随着中国经济增速持续走低、下行压力不断增大，依托“五大发展理念”的牵引实现集约式高质量增长成为当前阶段中国经济工作的重心。党的十九大报告指出，随着中国经济由高速增长转向高质量增长，提高生产要素的使用效率和整个经济的TFP被纳入经济增长的目标范畴，这意味着全要素生产率在衡量高质量发展水平上发挥着重要价值。高质量发展本质上是依靠市场机制调节来实现的微观问题，企业作为市场经济的基本单元，深入挖掘其创新潜能、全面提升生产效率无疑是经济高质量发展的着力点。新时期宏观经济局势将推动企业逐渐摒弃粗放式的要素数量型增长，转向创新、技术驱动的高质量、高效率发展，全要素生产率同样可以用作度量企业发展质量的标尺。

随着经济下行压力的不断增大，通过降低企业显隐性负担来激发市场潜能、释放企业活力的政府举措层出不穷。起始于2012年的“营改增”拉开了减税降费的帷幕，近年来无论是普惠式还是定向式的减税降费都为降低企业显性负担做出了突出贡献；然而“放管服”思路指导下的现行行政审批改革模式究竟能否为减轻企业隐性负担产生裨益，从而为企业生产效率提高、整体价值提升起到正面影响？目前，学界对于设立行政审批中心的宏微观经济效应尚存分歧，为此，本文将通过构建行政审批中心与企业全要素生产率之间的实证模型分析检验当前阶段中国行政审批改革的模式对企业发展质量带来的实际效应及其作用机制，进而探索行政审批改革在推动中国经济高质量发展过程中发挥的作用。

本文可能的创新点有：（1）运用双重差分模型检验中国现阶段行政审批改革助力经济高质量发展的实际效应；（2）丰富了企业全要素生产率影响因素的研究，将行政体制改革纳入提高企业发展质量的良方；（3）从把握投资机会能力和投资效率两个方面阐明了行政审批改革通过提高微观经济主体资源配置效率而非科研创新能力进一步作用于全要素生产率的短期路径。

二、文献综述

（一）行政审批改革

由于审批数量的增减、流程的重塑以及方式的变迁是改革行政审批制度的关键，建立独立于原有审批体系、并且集中审批空间和环节的行政审批中心成为中国行政审批改革的重要组成部分（江彩云，2019）。虽然审批中心在各个地区的称谓有所差异，但其功能定位都是简化企业个人的登记注册、证照办理等事项（夏杰长和刘诚，2017）。然而仅依靠审批事项增减、审批流程简化、审批时间缩短的行政审批中心模式并不能实现政府、社会与市场之间的权力调整，杨伟伟（2016）认为相比于新兴的行政审批局，遍地开花的行政审批中心存在机构属性模糊、审批权限不足、审批方式陈旧以及审批功能弱化等弊端，受到仍然履行审批监督责任的原审批部门的极大掣肘。在行政审批改革不断深入的趋势推动下，未来的行政审批中心不得不向审批业务、审批数据和政务服务全方位集成的方向发展（艾琳等，2013）。

（二）企业生产效率

在产能相对过剩、有效供给不足的国情约束下，我们应从供给体系的角度出发探索经济高质量发展的道路。逄锦聚和杨瑞龙（2019）认为由于生产方式的高质量变革是主要依靠市场机制调节作用来实现的微观问题，如何释放微观经济主体的活力就成为了经济高质量发展的题中之义。全要素生产率对于打破规模报酬递减、实现经济可持续增长的决定性作用随着新古典学派经济增长理论的发展逐渐被认可和重视，在实践中也被视作政府避免因盲目投入要素而遭受规模报酬递减报复的法门（蔡昉，2013）。因为以残差形式反映的全要素生产率可被分解为资本重新配置的效率和创新效率两部分，资本配置效率和技术创新能力被认为是影响企业全要素生产率的重要因素（程惠芳和陆嘉俊，2014；孟辉和白雪洁2017；张辽和吴耸杰，2019），全要素生产率也通常被用来反映投入产出效率与科技创新实力的实质增长。

（三）行政审批改革对企业全要素生产率的影响

就企业个体而言，一方面行政审批改革在增加研发时间、节省创新成本以及提高创新效率等方面产生的积极效应有利于企业创新活动的开展（王永进和冯笑，2018）；另一方面，行政审批改革还能在要素投入不足的情况下提高企业资源配置效率（张天华等，2019）。从作用机制而言，孙艳阳（2019）认为行政审批中心的设立，主要通过降低企业的效率性制度交易成本而非费用性制度交易成本的途径来实现企业价值的提升，夏杰长和刘诚（2017）认为企业交易费用的降低无论在减轻企业负担方面还是杜绝寻租腐败方面都能提高企业效率；朱光顺等（2020）发现行政审批改革通过加大企业进入的威胁进而倒逼市场参与主体提升生产效率。上述文献基于不同视角对行政审批改革与企业全要素生产率之间的关系进行了分析，然而鲜有学者在路径分析中将资源配置效率和企业创新能力结合起来。

此外，部分学者对现阶段设立行政审批中心这种改革模式的实际经济效果表示质疑。首先，行政审批中心受到同级职能部门和上级相应机关的双重领导，集合审批权限的真实能力、精简审批事项的实际效果都无法保障（李晓燕和杨夕冉，2018）。其次，涉及各部门核心利益的重大事项往往是行政审批中心难以触及的盲区，二次审批、重复收费的怪相无疑会加重企业的行政遵从成本（栗燕杰，2017）。最后，审批项目数量的周期式反弹导致改革的正负效应在震荡中抵消，企业、民众对于改革成效的感知并不强烈（李雷，2019）。

三、研究假设与模型设计

（一）研究假设

从上文可以看出，以行政审批中心为主要载体的审批制度改革对经济发展质量有着重要影响。企业作为经济高质量发展的基本单元，在行政审批改革的推动下也应当能实现效率和效益的双重提升。一方面，审批事项的缩减意味着企业无论是从事生产经营行为还是投资融资活动都面临较小的制度约束和门槛限制，自身在既定资源开发利用程度、投资融资机会把握上有了更多的主观能动性，从而节省了大量的机会成本和沉没成本。随着市场配置资源效率的不断提高，企业的要素流动、资源流通更加便利，生产效率必然有所上升；另一方面，审批流程的简化和透明使得企业的行政遵从成本降低，释放出之前被繁琐的审批环节所占用的经济成本和时间成本，令其有更多的资金和精力从事利于企业效益最大化的行为。审计过程的透明化营造出更公平的竞争市场环境，企业更有动力在市场秩序的引导下从事高风险、高收益的活动，实现企业价值和生产效率的质变。

在行政管理体制改革不断深化的背景下，行政审批中心承担了更突出、更重要的载体角色。随着设立时间的增长，审批中心的进驻部门逐步增多、监管权限日渐扩大，其简化事项、缩短流程的效果愈发明显，企业在更为宽松的市场环境下更容易达成生产效率增长的目标。基于此，本文提出假说1a：

假说1a：行政审批中心的设立显著提高了企业的全要素生产率，从而助益于经济发展质量的提升，并且行政审批中心设立时长也与企业全要素生产率提升呈同方向变化。

对于当下行政审批改革效果持谨慎态度的学者们主要从行政审批中心设立的形式化、表面化这一角度提出质疑，他们认为未摆脱僵化行政管理体制束缚的事实令改革始终流于形式。一方面审批中心难以真正发挥集合审批业务、精简审批事项的效果，市场配置资源仍受到较大限制，企业的资源利用能力和生产效率并未显著提高；另一方面审批中心与原审批单位的事项重叠、削减审批事项后的反弹都令企业的行政遵从成本总体保持不变，企业在仍受到资金约束困扰的情况下难以开展最符合自身效益目标的生产经营行为，生产效率不会出现质变。基于此，本文提出假说1b：

假说1b：行政审批中心的设立主要是流于形式需要，它并不能显著提高企业的全要素生产率。

行政审批改革对于企业的积极影响可能是通过效率性制度交易成本和费用性制度交易成本的降低来实现（孙艳阳，2019）。一方面，审批事项数目缩减意味着经济市场面临更小的政府干预，企业能够按照最优配置方式决定要素、资源、人才和技术的流向，资源配置效率必然得到有效提高；另一方面，审批流程和手续的简化意味着企业的行政遵从成本和政治交易成本大幅降低，被释放的行政成本占用资金将推动企业积极从事研发创新行为，进而不断提高创新能力（汪冲和江笑云，2018）。正如前文所述，资源配置效率和研发创新能力是企业全要素生产率提升的重要影响因素，基于此本文提出第2个假说：

假说2：行政审批中心的建立通过提高企业的资源配置效率和研发创新能力进而提升全要素生产率。

（二）模型设计

本文的实证模型选取行政审批中心设立时间和企业全要素生产率这两个变量，反映行政审批改革和经济发展质量的具体情况。由于各地级市设立行政审批中心的时间分散在各年度，单一政策冲击式的传统DID 并不适用，设置连续政策冲击变量、在此基础上构建多期双重差分模型的做法被广泛使用（Bertrand et al.，2004；许和连和王海成，2018）。模型（1）被用来验证行政审批设立与企业全要素生产率之间的关系。

上式中被解释变量TFP_lp为企业全要素生产率，核心解释变量Set为某地级市是否设立行政审批中心，X为控制变量集合，包括企业和城市两个层面；下标c、i、t分别表示城市、企业以及时间，同时模型中加入行业虚拟变量Industry、年份虚拟变量Year和城市虚拟变量City来同时控制行业固定效应、时间固定效应以及城市固定效应。

四、变量与数据

（一）变量说明

1.核心变量

本文的被解释变量是全要素生产率，主流测度方法是在拟合C—D 生产函数的基础上构造线性关系并获取残差项，但存在同时性偏差和样本选择性偏差（鲁晓东和连玉君，2012）。Olley＆Pakes（1996）通过将企业的当期投资作为不可观测生产率冲击的代理变量来解决同时性偏差问题。这种方法的软肋在于大量投资额为零的企业被舍弃，结果估计的随机性受到极大挑战。为此，Levinsohn＆Petrin（2003）在继承OP 思路的基础上采用企业中间品投入作为代理变量，从而在一定程度上解决了OP 法计算下样本损失严重的问题。此外，OP法和LP法都通过刻画企业生存概率估计了企业的进入和退出，即使存在样本选择性偏差也不影响度量结果的一致性。本文在基准模型中选择LP法度量企业的全要素生产率，在稳健性检验中使用OP法以及ACF法的度量值。

本文的解释变量是行政审批中心设置虚拟变量，具体做法是某地级市设立行政审批中心当年及以后取1，设立以前取0。此外，根据行政审批中心的成立年份设置了审批中心设立时长指标，用于反映审批改革的连续效果，具体为地级市行政审批中心年龄加1的自然对数。

2.控制变量

本文的控制变量选取兼顾城市、企业（任曙明和吕镯，2014；钱雪松等，2018；张辽和吴耸杰，2019）两个维度。其中微观层面控制变量可分为企业基本情况：企业规模Size、Lnl、资产负债率Lev、固定资产比率Capint、获取贷款能力Debit、企业价值Tobin、企业年龄Lnage、沉没成本Lnsink、研发支出比例Rd①研发支出比例和机制分析中的科研创新能力是两个不同概念，属于投入和产出的关系，在相关性上有着长短期的差异。、股权性质Soe、董高兼任Dual；企业盈利能力：资产收益率Roa、销售收入增长率Saleadd、自由现金流量Cash、政府补助比率Govputsale；地方经济发展：GDP 人均水平Lnapgdp、GDP 增长率Gdprate、第二产业比重Second、政府财政压力Stress；地方其他因素：人口增长率Population、每万人大学生数量College、固定资产投资比重Citycapint。

本文选取2000—2016年所有A 股上市公司作为初始样本，并剔除了以下数据：（1）金融行业的上市公司；（2）退市风险警示公司（ST 公司）；（3）最终控制人不详的上市公司；（4）样本期间内所有权性质变化的公司；（5）缺失数据较多且无法补充的公司样本（张辽和吴耸杰，2019）。

为剔除异常值对分析和结论的干扰，下文对模型中的连续变量都进行了1%和99%水平上的Winsorize处理。

（二）描述性统计

表1列示了各变量描述性统计的结果，其中所有连续变量均报告1%和99%水平缩尾后的结果。图1反映了各地级市设立行政审批中心的趋势。从图中可以看出，中国设立审批中心的趋势基本呈现倒U型。2002年国务院颁布《行政审批制度改革工作的实施意见的通知》前后，全国迎来设立行政审批中心的高潮，在此之后各地竞相建造审批中心的势头放缓，审批改革逐渐过渡到凸显实质、摒弃形式的阶段。截止2015年，全国设立审批中心的城市达到222个，这也覆盖了样本内所有的城市。

表1 主要变量统计特征描述

图1 各地级市设立行政审批中心情况

五、实证分析

（一）基准模型回归分析

本文采用同时固定行业、城市和时间效应的双向固定效应。回归过程中消除了异方差和序列相关对估计结果的影响。表2 列示了基准回归结果，模型（1）、（2）、（3）使用双重差分固定效应回归的方法，模型（4）、（5）、（6）采用双向固定效应回归的方法。其中，模型（1）、（4）未对连续变量进行缩尾处理，模型（2）、（5）未控制行业和城市效应。在加入行业、城市、时间虚拟变量并剔除异常值后，模型（3）的结果显示设立行政审批中心对于企业全要素生产率的影响显著为正，模型（6）显示企业全要素生产率会随着审批中心的发展显著提高，初步证明假说1a成立。

表2 基准模型回归结果1（验证假说1a）

从表2 的结果可以看出，行政审批中心的成立的确提高了辖区内企业的全要素生产率。但不可回避的问题是，部分学者担忧的形式化、表面化问题真的存在吗？我们认为，如果行政审批中心内部具备不同功能属性的部门、事项、窗口的数量多少能够影响到企业的全要素生产率，那么有理由相信行政审批中心聚合审批资源、集中审批权限的做法并非没有实质作用。

由于本文所选样本期内的城市在2015年才全部正式设立了行政审批中心，当年的审批中心内部各项统计更为完整和统一，因此我们选取2015 年各城市审批中心进驻部门（Lndepartment）、事项（Lnitem）和窗口数量（Lnwindow）的自然对数作为核心解释变量，该年度辖区内企业的全要素生产率作为被解释变量，同时固定行业和城市效应，控制变量与前文一致。考虑到截面数据无法反映解释变量影响的滞后性，本文同时也使用了2015—2016年的面板数据。

从表3可以看出，2015年行政审批中心进驻部门、事项和窗口的数量显著提高了辖区内企业的全要素生产率，并且在随后的一年内其积极影响依然存在，从而推翻了假说1b。

（二）稳健性检验

1.变更全要素生产率的度量方式

近年来，学者们对OP法、LP法所采用的模型加以改进后形成了新的度量方式——ACF 法。本文在保持生产函数各变量与基准模型完全一致的前提下运用op法和acf法构建TFP。未报告的结果显示，使用不同方法度量全要生产率并不改变基准回归得出的结论：设立行政审批中心能显著提高辖区企业的全要素生产率，且改革的积极效应随着时间推移愈发凸显。

表3 基准模型回归结果2（验证假说1b）

目前根据一致半参数估计思想度量全要素生产率的LP法、OP法，均是在构建索洛模型的基础上求得残差，关于残差提取事实上有两种做法：直接获得和倒挤获得，二者区别在于后者（本文使用）没有将索洛方程中的截距项剔除，因此度量结果偏大。为了避免因为全要素生产率提取方式的差异而可能存在干扰实证结果准确度的情况，我们仍然按照直接获得残差的方式重新度量了LP 法和OP 法下的全要素生产率。结果表明，使用更换提取方式后重新度量的TFP 作为被解释变量，基本结论不发生变化：某地设置行政审批中心后，辖区内企业全要素生产率显著提高；且随着时间推移，正向影响越大。

2.平行趋势检验

多期DID由于政策实施的年份不统一，无法使用传统DID的平行趋势检验方法，因此本文设计了如下计量模型（许和连和王海成，2018）：

模型中为一系列虚拟变量，当处理组位于审批中心设立前第i年时取1；当处理组位于审批中心设立后第i 年时，取1；其余年份均取0。平行趋势检验的基本做法：以设立审批中心当年作为对照组，观察与对照组相比是否存在显著差异，若在审批中心设立之前年度不存在显著差异而设立后出现差异，则证明通过了平行趋势检验。

图2直观地反映了平行趋势检验的结果，其中折线表示系数的走势，横轴表示距离审批中心设立年份的时间，纵轴表示估计值的大小。可以看出，审批中心设立前的六年，无论何种方式度量的全要素生产率均未在处理组与对照组之间产生显著差异；审批中心设立后的多数年份内，对全要素生产率的影响系数通过了5%的显著性检验，并且正向系数也证实了假说1a 关于审批中心积极效应更突出的认定。

3.安慰剂检验

由于设立审批中心的城市内企业全要素生产率可能整体更高，无法准确识别政策效应，因而在此通过安慰剂检验来验证该假设是否成立。本文采用虚置审批中心设立时间的做法（夏杰长和刘诚，2017），具体的思路是：将设立审批中心的年份分别提前2年和3年，如果确实因为全要素生产率更高的地方先设置审批中心进而产生了虚假回归，那么改变其设立时间后企业的全要素生产率应该依然是显著的，反之则证明企业全要素生产率的提升来自于审批改革的政策效应。回归结果证明，无论哪种方法度量的全要素生产率，在改变审批中心设立年份后均不显著，排除了全要素生产率自身因素对于实证结果的干扰，进而证明了基准回归结果的稳健性。

图2 行政审批中心与企业全要素生产率的动态效应

4.控制样本选择偏差

地级市是否设立行政审批中心，一方面源自行政管理体制变革的推力和上级日臻复杂的绩效考核压力，另一方面受制于该地区经济发展的自身情况。全要素生产率作为经济发展质量的重要内容，可能作为地方政府设立行政审批中心的参考依据，从而使本文关心的行政审批改革效应出现偏差。因此本文构建以下Logit 模型（王永进和冯笑，2018），来探究经济发展质量对于行政审批中心改革本身是否会产生影响：

其中Set为地级市是否设立行政审批中心，Avetfp为每年度样本期内各城市所有企业全要素生产率的均值，X 为可能影响行政审批中心设立的其他因素，包括人均GDPlnapgdp、地方财政压力Stress、第二产业占比Second、对外开放程度Open、固定资产投资Citycapint、人口增长率Population 和人力资本College。需要说明的是：为了验证模型（3），本部分仅保留行政审批设立当年及以前的样本，Set=1 表示当年设立行政中心，Set=0表示当年未设立行政中心。未报告的结果显示，无论采用何种方式衡量经济发展质量，城市整体的全要素生产率并不影响地级市设立审批中心的选择，从而证明地级市建立行政审批中心这一外生政策是随机的。

企业选址在设立了行政审批中心的城市也可能使得本文探究的行政审批改革效应被高估。因此，本文剔除了企业成立年份大于行政中心设立年份、注册地变更的样本（郭小年和邵宜航，2019），排除企业选择导致的选择偏差。结果表明，在剔除相应样本后，无论是双重差分模型还是双向固定效应模型都与基本回归的结果保持一致，进而证明在排除可能存在的企业自选择因素后原结论依然稳健。

5.控制遗漏变量

除企业自身情况以及所处城市环境外，重大经济事件对于全要素生产率也会产生影响，从而干扰本文的实证结果。为剔除中国加入WTO 对于结果的影响，我们剔除2001年前的个体，将样本周期缩短为中国入世后的2002—2016 年；同时，考虑到2008 年的国际金融危机，我们设置了金融危机虚拟变量Finance，当年份小于2008年取0、大于等于2008年取1。

未报告的结果显示，控制中国加入WTO 以及国际金融危机的影响后，行政审批改革对企业全要素生产率的促进作用没有发生变化；且随着时间推移，改革的积极效应更加显著。

六、进一步探讨

本部分主要从企业融资约束、高管的政治关联、规模大小以及所处行业竞争程度等方面探究设立审批中心对企业全要素生产率影响的异质性。设计计量模型如下：

其中DV代表异质性虚拟变量，分别为融资约束（SA）、高管政治关联（Politic）、企业规模大小（Firmsize）和行业竞争程度（Compete）。

与此同时，本节还重点分析了审批中心作用于企业全要素生产率的传导机制。

（一）融资约束、高管政治关联异质性分析

本文首先采用Hadlock＆Pierce（2010）构建的SA 指数衡量企业融资约束，计算公式为：SA= 0.737*Size+ 0.043*Size2+ 0.04*Age，其中Size是企业规模、Age是企业年龄（SA指数越大，企业融资约束越弱）；然后设置融资约束虚拟变量：计算样本内所有企业SA指数的平均值，大于平均值取1，小于平均值取0。

表4中模型（1）、（2）列示了不同融资约束条件下企业受审批改革影响程度的情况。模型（1）显示设立行政审批中心对于融资约束大的企业影响显著为正，对于融资约束小的企业正向影响相对较小。此外，模型（2）显示融资约束大的企业在改革延续的数年内全要素生产率逐渐提升，相比而言，融资约束小的企业在审批中心设立后的时期全要素生产率增长幅度更小。

表4 异质性分析Ⅰ：融资约束、政治关联

本文观察样本期内企业各年度董事长在任期间是否有政府兼职的情况，设置高管政治关联虚拟变量：董事长身兼政府职位，取1；否则取0。

表4 的模型（3）、（4）报告了高管政治关联的异质性分析结果。从模型（3）、（4）可以看出，行政审批改革使得没有政治关联的企业生产率显著提升，并且积极效应在改革之后的年份内延续；有政治关联的企业无论是改革当年还是之后的年度内生产效率增长幅度都更小。

（二）企业规模、行业竞争异质性分析

本文根据国家统计局2017 年发布的《统计上大中小微型企业划分办法（2017）》将样本内企业按照营业收入、资本总额和从业人员三项指标分类，设置企业规模虚拟变量：大型企业取1，中小微型企业取0。

表5 的模型（1）、（2）列示了不同规模企业受行政审批改革影响下全要素生产率的变化情况。模型（1）可以看出，中小微型企业的全要素生产率在设立行政审批中心后提升幅度更大。模型（2）的结果反映，中小微型企业和大型企业受审批改革影响的积极效应在动态变化过程中依然保持稳定，规模较小的企业长期享受相对更丰厚的政策红利。

表5 异质性分析Ⅱ：企业规模、行业竞争程度

我们首先按照2012年证监会发布的《上市公司分类行业指引》将样本内企业划分到不同行业，并计算企业每年的主营业务利润率；其次按照企业对应的行业分类汇总每年度的行业平均主营业务利润率，求得样本期所有年度的行业平均主营业务利润率；最后计算全行业主营业务利润率的均值，据此为标准，大于取0，表示行业竞争小；小于取1，表示行业竞争大（王怀明和吴春燕，2007、杜昱锦，2017）。

表5的模型（3）、（4）反映了处于竞争程度不同的行业的企业受行政审批改革影响的结果。模型（3）可以看出企业所处竞争环境越缓和，受审批改革的正向影响幅度越大。模型（4）则表示改革影响后，竞争程度低的行业内企业生产效率持续增长幅度更大。

（三）影响机制分析

资源配置效率和科研创新能力是影响企业全要素生产率的两个最重要因素。那么行政审批改革究竟是否降低了企业的费用性制度交易成本和效率性制度交易成本，进而提高其资源配置效率和科研创新能力呢？

首先，本节从企业把握投资机会能力的角度出发衡量资源配置效率。为此，参考钱雪松等（2018）的做法，构建以下计量模型：

其中Chance为企业的滞后一期托宾q 值和滞后一期资产收益率（Roa），Invest表示企业当期投资额。该模型旨在说明企业在行政审批改革之后能否在参考上期价值评价指标、企业经营收益（即当期投资机会）的基础上准确完成投资。投资对投资机会的敏感程度反映了企业的资源配置效率。

表6中的模型（1）、（2）反映了不同指标表示投资机会的情况下企业实际投资情况。可以看出，行政审批改革之后，企业把握投资机会的能力得到显著提高，从而证实了假说2的成立。

其次，本节从企业投资效率的角度衡量资源配置效率，构造计量模型如下（张莉等，2019）：

模型（6）中被解释变量为企业当期投资额的自然对数（Invest），解释变量包含企业滞后一期的营业收入增长率（Saleadd）、资产负债率（Lev）、自由现金流量（Cash）、企业年龄（Age）和规模（Size）、固定资产比例（Capint），同时固定了行业、城市以及年份效应。模型残差项被视作企业实际投资和理想投资的差额，即反映投资过度或不足的程度。将模型（6）的残差取绝对值后定义为投资效率（Lost）。Lost越大表示企业投资效率越低。

表6的模型（3）表明行政审批改革使企业过度投资以及投资不足的情况有所缓解，印证了资源配置效率随着审批环境的日渐宽松而不断提高的假设。

此外，本节还探究了行政审批改革对企业行政遵从成本的影响。一方面，利用企业当期销售费用、管理费用和财务费用的平均值占总资产的比例（Tcost）表示企业交易费用（夏杰长和刘诚，2017），另一方面，选取差旅费、业务招待费占总资产的比例（Etc）表示企业行贿支出（应千伟等，2016）。

表6 影响机制分析1（资源配置效率）

从表6的模型（4）、（5）可以看出设立行政审批中心使企业的行政遵从成本显著下降，但由于该项费用占到企业总资产的比例非常有限，审批改革在减少行贿支出方面的积极作用对于企业资金流稳定的意义不大。此外企业的交易费用并未因为行政审批改革发生显著变化，可能是因为自身经营对销售、管理、财务费用改变更大，政府审批并未对其构成实质性影响。

最后，本节从专利数量层面探究行政审批改革对企业创新能力的提升是否具有积极作用。我们选取上市公司专利申请数目（Apply_patent）、专利授权数目（Authorize_patent）以及获得有效专利数目（Acquire_patent）作为被解释变量，一方面分析是否设立行政审批中心对于企业专利数量变化的影响；另一方面探讨行政审批中心设立能否在较长周期为企业科研创新能力的提升带来积极作用。

从表7 的模型（1）、（2）、（3）可以看出，行政审批改革使得设立当年企业的专利申请、授权以及获得数量不增反减。为了探究行政审批改革的动态效应，我们又将审批中心设立时长（lnsetlong）作为解释变量。考虑到审批改革对于研发创新的影响可能存在滞后性，本节将解释变量的滞后1期—3期依次放入回归方程中。由于解释变量滞后1期、2期的结果不显著，模型（4）、（5）、（6）仅报告解释变量滞后3期的结果。可以看出，无论是企业专利专利申请数目还是授权、获得数量，都会随着行政审批改革的推进而增长，这说明破除门槛、减轻负担的审批改革长期来看的确能在一定程度上加强企业的研发创新能力。

综上，行政审批改革对于企业全要素生产率产生的积极影响更大程度上源于：企业效率性制度交易成本显著降低后，能够按照效益最大化的原则从事生产经营以及投融资活动，在投资机会把握能力和投资效率不断提升的情况下资源配置效率得到改善。

表7 影响机制分析2（企业创新能力）

七、结论与启示

本文的实证结果表明，设立行政审批中心确实使得辖区内企业的全要素生产率显著提升。异质性分析的结果显示，外部融资相对更困难、高管未兼任政府官员、行业竞争不激烈以及中小微型企业受改革的积极影响更显著。此外，作用机制检验发现，行政审批改革的积极意义在于企业投资机会把握能力和实际投资效率显著提升进而带动资源配置效率的优化；由于减少行政遵从成本释放的资金空间过小，影响企业全要素生产率的重要因素——科研创新能力并未在短期内实质性改变。本文的研究对于下一步引导改革方向、规范改革模式、突出改革实质、推进“中国之治”的政策启示是：

首先，行政审批中心应当被赋予更高独立地位和更多事权责任，摒弃形式化的精简事项、压缩流程，吸收更多职能部门的审批监管权责，充当各类政府门槛的溶解器，并始终以市场、行业、企业享受到的政策利好作为判断改革成效的标准。

其次，行政审批改革应当注重适时调整策略方针、对接其他政策，使其促进社会经济健康发展的积极影响在更长周期内维持稳定。未来行政审批改革在牢牢把握大政方针的同时应注重具体策略的因地制宜、因时制宜，针对不同类型的市场运用不同的改革模式。

最后，企业实现高质量发展根本立足于科研创新实力的增强，深化行政审批改革应当将激发全社会创新活力作为重要命题。政府应当在退出市场直接干预后切实履行信用贷款、知识产权、技术转化领域的监管职能，使企业的创新源泉不断涌流。