政府发展战略与企业全要素生产率

姜磊 姜煜 赵秋运 付才辉 吴清扬

摘要：随着中国经济逐渐步入新常态，创新驱动高质量发展成为经济工作的重中之重。本文基于新结构经济学的分析视角，采用1998—2013年中国规模以上工业企业数据，探讨了政府发展战略对企业全要素生产率的影响。研究发现：违背比较优势的政府发展战略会显著降低企业的全要素生产率;在要素市场发育程度更低的省区，违背比较优势的政府发展战略对企业全要素生产率的负面影响更明显。

关键词：全要素生产率;发展战略;比较优势;高质量发展

文献标识码：A

文章编号：1002-2848-2020（05）-0103-10

一、引言及文献综述

近年来，我国经济逐渐步入新常态，经济增速明显放缓，创新驱动成为政府以及社会各界关心的热点问题。十九大报告提到，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。2019年3月的《国务院政府工作报告》再次强调要坚持创新引领发展，培育壮大新动能。全要素生产率（Total Factor Productivity，TFP）是衡量技术进步的重要指标，企业是技术创新的主体。因此，如何激发企业创新积极性、提高企业全要素生产率对于促进经济可持续发展具有重要的现实意义。

企业创新能力是一个企业得以存活和发展的源泉，政府政策从不同层面上影响着企业全要素生产率。现有文献主要从两个研究视角研究政府政策对企业全要素生产率的影响。首先是产业政策。诸多学者认为税收优惠、财政补贴政策对于企业全要素生产率具有正面作用。政府需要有一系列的制度安排引导企业进行技术选择[1-2]，政府财政补贴以及税收优惠能够显著提高企业的全要素生产率[3-4]。也有部分学者强调了过度的政府补贴会带来企业寻租行为，反而抑制了企业全要素生产率的提高[5]。其次是政企关系。现有研究认为政治关联会对企业产生影响，但具体会提高还是降低企业全要素生产率并没有达成一致的观点。一些学者指出，政治关联为企业带来了政府的隐形保护，通过政治关联可以获得关键的政府资源和支持，例如拥有税收减免、产权保护、财政补贴等，能够增加企业长期研发支出，提升全要素生产率，保持企业的市值稳定[6-7]。另一部分学者却指出，政治关联不利于提升企业全要素生产率。政治关联会降低市场竞争、助长过度投资，从而降低企业的创新活动与研发投入，使企业技术创新乏力，全要素生产率低下，在失去政治关联后企业会呈现出更差的企业绩效[8-9]。

可以看出，生产要素的配置是政府政策影響企业全要素生产率的重要途径，而违背比较优势的政府发展战略同样会导致生产要素的错配，从而抑制全要素生产率的提高。现有研究表明，政府优先发展重工业的发展战略扭曲了要素市场，导致资本密集型产业超常发展[10]，提高了技术模仿成本，使得技术进步的实际速度低于潜在速度，不利于长期技术进步。林毅夫等[11]基于41个国家的跨国数据进行研究，发现技术选择指数偏离最优点对长期TFP有显著的负面影响，偏离程度越大，长期TFP越低。林毅夫等[12]基于各省区市数据的研究发现一个技术落后经济体如果遵循比较优势，从先进经济体那里选择模仿适合自身发展阶段的适用技术，能够降低生产成本;反之，违背比较优势将使技术进步的实际速度低于潜在速度。

遗憾的是，这些文献存在以下几点不足：一是集中于研究宏观层面上发展战略对于国家或省市区全要素生产率的影响，没有从微观层面上研究政府发展战略对企业全要素生产率的影响。而微观与宏观层面的研究不尽相同，宏观国家层面的比较优势分析主要是国家横截面上的对比，研究目的是为实现落后赶超国家更好更持续的发展谋划出路。二是各国的数据指标往往衡量标准不一致，部分数据还存有国际性统计的遗漏。三是由于样本量不足，使用宏观数据的计量分析得出的结论不如微观企业层面的计量分析可靠。省区间的比较优势分析更侧重于为国家整体发展配置资源，在企业具体制定战略方面的借鉴意义不强。受到企业层面数据缺失的约束，对此问题的研究凤毛麟角。有限的几篇文献都研究了企业转向比较优势行业对制造业企业全要素生产率的影响[13-14]。

综上所述，对于政府发展战略如何影响企业全要素生产率这一议题，微观层面上的研究仍然较为薄弱，现有实证分析主要采用宏观层面上的数据，而企业数据的采用能够控制来自企业微观特征的影响，寻找政府发展战略影响企业全要素生产率的内在机制。在梳理已有文献的基础上，本文的创新有三点。第一，从新结构经济学的视角出发，在理论上分析了政府发展战略影响企业全要素生产率的传导机制，并进一步探讨了要素市场渠道在政府发展战略影响企业全要素生产率中的作用机制。在我国经济下行压力日趋严峻与国内创新驱动高质量发展需求迅速增长的背景下，研究此问题不仅可以为我国创新政策的制定提供一定的思考和启示，而且关系到我国经济的高质量发展与社会的稳定，具有较重要的现实意义与政策内涵。第二，目前新结构经济学提出的发展思路在微观层面的实证分析和检验较为缺乏，本文从微观数据出发来验证遵循比较优势能够有效提升企业全要素生产率，可以有效补充新结构经济学微观层面上的实证研究。第三，由于部分数据缺失，以往的文献中大多使用1998—2007年间的工业企业数据，本文在此基础上对缺失数据进行估计，将其扩展至2013年。

本文的其他部分安排如下：第二部分从理论上简要分析违背比较优势的政府发展战略会降低企业全要素生产率，并由此提出研究假说;第三部分对所用数据及指标进行详细说明，并构建检验理论假说的实证模型;第四部分利用1998—2013年中国规模以上工业企业面板数据，实证检验政府发展战略对企业全要素生产率的影响;第五部分是结论与政策建议。

二、理论分析与研究假说

违背比较优势的政府发展战略导致的最直接结果就是资源错配。这种错配不仅扭曲了要素市场，使要素价格信号无法发挥正常作用，要素间的相对价格无法反映要素稀缺程度，而且打乱了正常的金融市场秩序，误导了资本市场的资本流向，降低了资本配置效率。国内外相关研究表明，资源错配对全要素生产率具有显著的抑制作用，是导致企业效率低下的重要原因[15-19]。这里区分两种情况，一是得到政府发展战略支持的企业，二是没有得到政府发展战略支持的企业。

对于得到政府支持的企业而言，当政府补贴不足以弥补企业生产成本增加的部分时，企业的生产率仍然保持低水平的状态，是缺乏自生能力的[20]，然而这种本应被市场自然淘汰的低效率企业因为财政补贴或者银行信贷支持获得了持续存活的能力，久而久之，造成了大量的僵尸企业[21]。“僵而不死”的僵尸企业不仅自身生产效率低下[22]，而且会挤出非僵尸企业的投资[23]，显著降低其全要素生产率[24]。

当政府补贴足以弥补企业生产成本时，财税政策对于企业全要素生产率有一定的促进作用[3]，然而此时的技术进步是有偏的[12]，鼓励资本密集型产业的政府发展战略违背了比较优势。企业选定的目标技术超越了自身发展阶段的比较优势，技术模仿成本高，技术进步的实际速度会低于潜在速度，而且有了其他相关基础设施的配套之后，先进技术才能更有效地发挥出其效能。Leibenstein[25]发现即使发展中国家以整个工厂完整搬迁的方式转移发达国家的先进技术，其生产效率也远远低于发达国家。如果将资源分配在更有效率的符合当前比较优势的部门，全要素生产率增加速度会更快。

对于没有得到政府支持的企业而言，这种政府发展战略通过加剧企业融资约束与扭曲要素市场两种渠道对其全要素生产率造成了显著的抑制作用。一方面，如图1所示，在一个自由竞争开放的市场环境中，若没有政府税收补贴或直接投资干预，所有企业都能够以同样的市场利率r1借入或借出资本。技术选择符合当地资源禀赋优势的企业能够维持最低成本，获取最大利润，资本积累KD1更加丰厚，投资能力更强;而违背比较优势的企业缺乏自生能力，资本积累FF1较少。当政府实行违背比较优势的发展战略时，违背比较优势的企业获得财税补贴，其投资曲线由CAF1向右上方移动至CAF2，市场利率由r1上升至r2，资本积累由KF1扩张至KF2;而此时符合比较优势的企业资本积累则由KD1被挤出至KD2，融资成本上升，企业不得不依靠企业内部资本完成投资[26]。然而由于部分涉及项目投资额巨大，企业在资金不足时往往会放弃有利的投资机会，导致资源错配，生产率降低。特别是研发活动往往集收益不确定、风险大和见效期长等特征为一体，外部融资成本与调整成本高昂，如果融资约束中断企业研发活动，企业经营会产生巨大损失，从而抑制生产率的提高。大量研究表明企业遭受融资约束会显著降低全要素生产率[27-28]。

另一方面，在要素市场扭曲的情况下，土地、资本等生产要素资源甚至部分关键性要素的定价权和分配权掌握在地方政府手上，因此企业直接通过与地方政府官员建立人脉关系或直接进行寻租便可以获得可观的企业利润。张杰等[29]发现这类由于要素市场扭曲导致的寻租等非生产性活动会显著挤出企业在机器设备更新、员工技能培训等方面的实体投资，从而限制了R&D投入，降低生产率。更重要的是，为保证政府财政正常运转，财税额外补贴的部分会以税收的形式转嫁到这部分没有受到政府发展战略支持的企业上，同时这部分企业面临的要素价格提高，利润空间被极大压缩，限制了其规模扩张从而使其无法获得规模效应带来的生产率的提高。

从以上理论分析中可知，违背比较优势的政府发展战略导致技术模仿成本高，延缓实际技术进步速度;同时，由于发展资本密集型产业的部分企业缺乏自生能力，自身全要素生产率不高，无法有效带动相关产业发展，还会挤出同行业正常企业的资源，损害行业公平竞争，降低同行业其他企业的全要素生产率。基于以上分析，本文提出两个待检验的假说。

假说1：违背比较优势的政府发展战略会降低企业全要素生产率。

假说2：在要素市场发育程度更低的省区，违背比较优势的政府发展战略对所在企业全要素生产率的负面影响更显著。

二、数据说明与指标构建

本文使用的数据来自1998—2013年中国规模以上工业企业数据库。为了保证结果的可靠性，在参考已有文献[13，30]做法的基础上，本文对数据做了一些筛选：去除遗漏变量和出现异常值的样本，例如删除工业总产值、固定资产净值年平均余额、工业增加值、职工年均人数等数值为0，企业年龄小于0的样本;剔除职工年均人数小于8人的企业;删除不符合会计准则的样本，即总资产小于流动资产、总资产小于固定资产净值年平均余额、累计折旧小于当期折旧的企业样本。

（一）技术选择指数的构建及变化趋势

本文关注政府发展战略对于企业全要素生产率的影响。在核心解释变量中，本研究主要关注政府优先发展资本密集型产业的程度。参考林毅夫[31]的方法构造了一个技术选择指数（Technology Choice Index，TCI），t时期r地区的技术选择指数（TCIrt）定义如下：

其中，KMrt是指t时期r地区工业资本存量;

Krt是指t时期r地区的总资本存量;

LMrt是指t时期r地区工业就业人数;

Lrt是指t时期r地区总就业人数。在其他条件不变的情况下，优先发展资本密集型产业发展战略下的工业部门资本更加密集，同时吸纳劳动力较少，其技术選择指数（TCIrt）会比符合比较优势的工业部门大。

图2汇报了基于1998—2013年中国工业企业数据库绘制的全国及分地区情况下技术选择指数的变化趋势。随着时间的变化，技术选择指数呈现逐渐下降趋势，考虑到2009年和2010年存在重要数据缺失和错误，影响后续研究，本文剔除了2009年和2010年的数据。剔除两年数据之后，2011年技术选择指数有所回升，2012年和2013年继续呈现下降趋势，2013年低至0.9。区分所在地区，东部地区技术选择指数除2006年和2011年小幅回升外，呈现稳定下降趋势;西部地区技术选择指数最初呈上升趋势，在2000年达到最大值4.32之后开始逐年下降，2003年出现小幅回升;中部地区最初呈上升趋势，在2003年达到最大值3.89之后开始趋于下降，2006年和2011年出现小幅回升。整体而言，三个地区的技术选择指数呈现不断下降的趋势。其中，西部地区的技术选择指数最高，特别是在1998—2003年间高达4.32;东部地区技术选择指数最低，下降趋势最为平缓;中部地区技术选择指数在2003年之前低于西部地区，但2003年后与西部地区比较接近，二者呈交替下降趋势。中西部地区技术选择指数相比较高，这可能是由于“三线建设”将重工业多布局在中西部地区，使得中西部地区重工业优先发展程度高于东部地区。2011年中东部地区技术选择指数出现回升，这可能是由于我国为应对2008年金融危机实行的四万亿计划，使得市场中本该淘汰的落后产能得以继续存在，企业在缺乏自生能力的情况下也能继续经营。

（二）企业全要素生产率估计

全要素生产率的常用计算方法通常要对生产函数进行参数的估计，传统的OLS方法由于无法解决变量的同时性和样本选择性偏差问题，估计结果往往存在偏误。为处理内生性，目前学术界主要有以下四种常用的参数估计方法：OP法、LP法、GMM法以及固定效应法。本文主要用Levinsohn等[32]的方法在基准模型中对全要素生产率进行测度，后续参照Olley等[33]的方法进行稳健性检验。

LP法对OP法的改进主要是用中间投入作为资本投入变量的代理变量，为此有效缓解了OP法中损失的投资为零的样本带来的偏差，以及删除大量样本的问题。但是OP法比LP法更可取之处在于：LP法只能解决同时性偏差，OP法同时解决了同时性和样本选择性偏差。

经过处理，本文用LP法和OP法计算TFP用到的主要变量（取对数）的统计特征如表1所示。

（三）模型构建

为了研究政府发展战略对企业全要素生产率的影响，本文构建的基准回归方程如下：

其中，下标i表示企业，r表示省份，t表示年份。被解释变量Yirt代表企业i在第t年的全要素生产率，记为TFP。核心解释变量TCIrt表示企业所在省份的技术选择指数，地区违背比较优势优先发展资本密集型产业程度越大，它的TCI就会越高。εirt表示随机误差项。

为了提高估计结果的准确性，本文在模型中加入控制变量集合Xirt。参照已有文献，选择了企业层面和省份层面的控制变量，省份层面的数据来源于历年的统计年鉴。企业层面控制变量包括：要素密集度、企业规模、企业年龄、企业出口状况、负债资产比、政府补贴、融资成本和所在地区所在行业市场份额。省份层面控制变量包括：人均GDP、就业人数、财政支出占GDP比重、第二产业比例、平均受教育年限、信贷规模占GDP比例等，以分离各省经济发展水平、产业结构、受教育水平状况和市场发育程度对于企业全要素生产率的影响。变量说明如表2所示;在舍弃变量残缺值后，变量描述性统计如表3所示。

在基准回归模型中，本文采用了两种固定效应设定方式：同时控制年份、省份、行业固定效应或者同时控制年份、企业固定效应。为解决内生性问题，除了在基准回归中加入众多企业和省份控制变量之外，本文还使用了工具变量（IV）方法。

四、实证分析

（一）基准回归结果

基于1998—2007年工业企业数据样本的基准回归结果如表4所示。第（1）（2）列只加入企业层面控制变量，技术选择指数前的系数分别为-0.0956和-0.116。第（3）（4）列在此基础上纳入省份层面的控制变量。从中可见，TCI系数仍然显著为负，即政府发展战略向上偏离比较优势程度越高，企业的全要素生产率越低。第（4）列的回归结果显示，在控制年份、企业固定效应和其他控制变量不变的条件下，技术选择指数每提高1个百分点，企业的全要素生产率下降11%。企业控制变量的回归结果也比较符合预期。企业规模越大、出口比例越高、负债资产比越低、融资成本越低、市场份额占比越高的企业相对全要素生产率表现更好。

（二）稳健性检验

工业企业数据库自2008年之后存在较严重的数据缺失问题

主要包括：（1）2008—2013年工业增加值和中间投入数据全部缺失，无法计算TFP;（2）2008—2013年固定资产年平均余额全部缺失，无法计算TCI。对此，本文依据余淼杰等[35]使用的方法和相关会计法则分别对以上数据进行了估计补齐，整合了1998—2013年的数据，作为稳健性检验的参考。

表5报告了使用1998—2013年工业企业数据的回归结果。第（1）（2）列仍然采用LP法计算TFP，第（3）（4）列采用OP法计算TFP。从中可见，在扩大的样本中，TCI系数仍然显著为负，违背比较优势的政府发展战略会显著降低企业全要素生产率，这说明本文的结果是稳健的。

（三）内生性检验

技术选择指数是政府发展战略向上偏离比较优势程度的一个代理变量，但它本身也是企业技术选择的结果，可能具有内生性，而技术选择指数的内生性可能会导致回归结果产生偏误。内生性问题主要源于遗漏变量、反向因果、度量误差等。首先，虽然本文已经在基准回归中加入了众多控制变量以期降低遗漏变量所产生的内生性问题，但是仍然可能遗漏某些同时影响技术选择指数和企业全要素生产率而且不可观察的变量。其次，技术选择指数可能存在测量误差从而影响回归结果[10]。最后，违背比较优势的政府发展战略与企业全要素生产率之间可能存在双向因果关系。工具变量（IV）法是解决上述问题的一个有效的计量方法。

结合相关性和排他性等标准，参考陈斌开等[10，36]的理论，本文引入1963年人口死亡率和人口密度作为技术选择指数的工具变量，以緩解内生性问题。表6为使用工具变量的回归结果。在第一阶段回归中，工具变量符号显著为正，Cragg-Donald Wald F值均大于10，不存在弱工具变量问题，限于篇幅，没有列表报出。在第二阶段回归中，无论是否纳入省份控制变量，TCI的系数均显著为负。综合来看，考虑了内生性问题后，本文的基准结果依然是稳健的。

（四）进一步讨论

旨在鼓励资本密集型产业优先发展的政府发展战略会通过政府干预扭曲要素市场价格，使得资本要素价格低于资本边际生产力，以支持当地资本密集型企业的生存与发展。以上研究说明，这样的企业实际上没有自生能力，自身创新能力低下，企业全要素生产率不高。如果政府通过扭曲要素市场价格，降低了当地企业的全要素生产率，则这一影响应该对要素市场发育程度更低的省区中的企业更为强烈。

本文采用企业所在省份的要素市场化指数检验要素市场渠道的作用机制，在基准回归的基础上，加入各省份要素市场化指数及其与技术选择指数的交互项，回归结果见表7。在全样本和非国有企业样本回归中，交互项均显著为正。国有企业样本中，交互项系数也为正，在控制企业固定效应的设定中显著为正。当技术选择指数增加时，处于要素市场发育程度更低省份的企业的全要素生产率受到的削弱作用更强。而且，这一效应对于非国有企业更加明显。这意味着在要素市场发育程度更低的省份中，企业受到的要素价格扭曲影响更强烈，其全要素生产率的抑制作用更明显。回归结果支持了要素市场渠道发挥的作用。

五、结论与政策建议

通过对1998—2013年中国规模以上工业企业数据的分析，本文发现：违背比较优势的政府发展战略会显著降低企业全要素生产率;在要素市场发育程度更低的省区，违背比较优势的政府发展战略对所在企业全要素生产率的负面影响更为显著。因此，遵循比较优势进行发展战略的制定有助于合理配置生产要素，提升企业全要素生产率，从而推动经济发展质量变革、效率变革、动力变革。

本文的研究结论有助于深入认识影响企业全要素生产率的深层原因，充实了新结构经济学的理论内涵与实证研究，并在一定程度上为如何提高企业全要素生产率提供了政策建议。一方面，政府需要积极作为发挥好协调作用，在制定发展战略与产业政策时遵循当地的实际要素禀赋结构，充分挖掘当地比较优势的发展潜力，推动生产要素合理配置，实现经济的可持续发展。另一方面，让要素市场在资源配置中充分发挥其决定作用，由企业当地的要素禀赋结构决定劳动和资本的相对价格，企业根据所在地区的比较优势进行技术选择，才能够提高企业和所在地区整体的全要素生产率，激励创新活动蓬勃发展，保证经济的健康高效运行。

参考文献：

[1]付才辉. 金融干预的成本与收益： 产能过剩与技术进步 [J]当代经济科学， 2015（4）： 1-13.

[2]姜磊， 郭玉清， 刘梦琰. 比较优势与企业杠杆率： 基于新结构经济学的研究视角 [J]. 经济社会体制比较， 2020（5）： 25-36.

[3]任曙明， 吕镯. 融资约束， 政府补贴与全要素生产率： 来自中国装备制造企业的实证研究 [J]. 管理世界， 2014（11）： 10-23.

[4]林毅夫， 向为， 余淼杰. 区域型产业政策与企业生产率 [J]. 经济学（季刊）， 2018（2）： 781-800.

[5]邵敏， 包群. 政府补贴与企业生产率： 基于我国工业企业的经验分析 [J]. 中国工业经济， 2012（7）： 70-82.

[6]LUBOS P， PIETRO V. Political uncertainty and risk premia [J]. Journal of Financial Economics， 2013， 110（3）： 520-545.

[7]SONG M l， AI H S， LI X. Political connections， financing constraints， and the optimization of innovation efficiency among Chinas private enterprises [J]. Technological Forecasting and Social Change， 2015， 92： 290-299.

[8]袁建国， 后青松， 程晨. 企业政治资源的诅咒效应： 基于政治关联与企业技术创新的考察 [J]. 管理世界， 2015（1）： 139-155.

[9]LIU Q G， LUO T P， TIAN G. Political connections with corrupt government bureaucrats and corporate M&A decisions： a natural experiment from the anti-corruption cases in China [J]. Pacific-Basin Finance Journal， 2016， 37： 52-80.

[10]陳斌开， 林毅夫. 发展战略， 城市化与中国城乡收入差距 [J]. 中国社会科学， 2013（4）： 81-102.

[11]林毅夫， 董先安， 殷韦. 技术选择， 技术扩散与经济收敛 [J]. 财经问题研究， 2004（6）： 3-10.

[12]林毅夫， 刘培林. 经济发展战略对劳均资本积累和技术进步的影响： 基于中国经验的实证研究 [J]. 中国社会科学， 2003（4）： 18-32.

[13]李强. 比较优势与制造业企业全要素生产率： 行业比较优势真的很重要吗 [J]. 南方经济， 2016（11）： 81-94.

[14]李强. 结构调整偏向性， 比较优势变迁与制造业全要素生产率增长 [J]. 世界经济研究， 2017（2）： 114-125.

[15]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.

[16]BRANDT L， BIESEBROECK V J， ZHANG Y F. Creative accounting or creative destruction？ Firm-level productivity growth in Chinese manufacturing [J]. Journal of Development Economics， 2011， 97（2）： 339-351.

[17]聂辉华， 贾瑞雪. 中国制造业企业生产率与资源误置 [J]. 世界经济， 2011（7）： 27-42.

[18]张庆君. 要素市场扭曲， 跨企业资源错配与中国工业企业生产率 [J]. 产业经济研究， 2015（4）： 41-50.

[19]王欣， 曹慧平. 金融错配对中国制造业全要素生产率影响研究 [J]. 财贸研究， 2019（9）： 43-53.

[20]林毅夫. 新结构经济学， 自生能力与新的理论见解 [J]. 武汉大学学报（哲学社会科学版）， 2017（6）： 5-15.

[21]何帆， 朱鹤. 僵尸企业的处置策略 [J]. 中国金融， 2016（13）： 25-27.

[22]申广军. 比较优势与僵尸企业： 基于新结构经济学视角的研究 [J]. 管理世界， 2016（12）： 13-24.

[23]谭语嫣， 谭之博， 黄益平， 等. 僵尸企业的投资挤出效应： 基于中国工业企业的证据 [J]. 经济研究， 2017（5）： 175-188.

[24]王永钦， 李蔚， 戴芸. 僵尸企业如何影响了企业创新： 来自中国工业企业的证据 [J]. 经济研究， 2008（11）： 99-114.

[25]LEIBENSTEIN H. Allocative efficiency vs. X-efficiency [J]. The American Economic Review， 1966， 56（3）： 392-415.

[26]MYERS S C， MAJLUF N S. Corporate financing and investment decisions when firms have information that investors do not have [J]. Journal of Financial Economics， 1984， 13（2）： 187-221.

[27]BADIA M， SLOOTMAEKERS V. The missing link between financial constraints and productivity [R]. IMF Working Paper， 2009.

[28]段梅， 李志强. 经济政策不确定性， 融资约束与全要素生产率： 来自中国上市公司的经验证据 [J]. 当代财经， 2019（6）： 3-12.

[29]张杰， 周晓艳， 李勇. 要素市场扭曲抑制了中国企业R&D？ [J]. 经济研究， 2011（8）： 78-91.

[30]聂辉华， 江艇， 杨汝岱. 中国工业企业数据库的使用现状和潜在问题 [J]. 世界经济， 2012（5）： 142-158.

[31]林毅夫. 发展战略， 自生能力和经济收敛 [J]. 经济学（季刊）， 2002（2）： 269-300.

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

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

[34]魯晓东， 连玉君. 中国工业企业全要素生产率估计： 1999—2007 [J]. 经济学（季刊）， 2012（2）： 541-558.

[35]余淼杰， 金洋， 张睿. 工业企业产能利用率衡量与生产率估算 [J]. 经济研究， 2018（5）： 56-71.

[36]LIN Y F， WANG X. Development stragegy and international capital flows [R]. Working Paper Series of New Structural Economics， 2019.

[37]樊纲， 王小鲁， 朱恒鹏. 中国市场化指数： 各省区市场化相对进程2011年度报告 [M]. 北京： 经济科学出版社， 2011.

责任编辑、校对： 李再扬