产业政策与要素市场失灵

潘红波 徐雅璐 吴萌

【摘要】在我国要素市场正式制度不完善的情况下， 产业政策可以作为正式替代措施， 引导要素资源流向高成长性行业， 以提高要素资源的配置效率。 基于此， 本文利用“十一五”“十二五”以及“十三五”规划前后我国A股上市公司的相关数据， 以要素市场失灵为背景， 研究产业政策的制定逻辑、资源效应与财务效应。 结果发现， 产业政策更倾向于选择政策制定前成长性较高的行业作为明确鼓励发展的行业， 且这种现象主要集中在行业风险较高的情况下。 进一步研究发现， 属于产业政策制定前高成长性行业的公司， 在政策实施期间获得的政府补助和新增贷款更多， 并且业绩表现更好。 在实践上， 应该对要素扭曲、产能过剩等现象进行针对性的政府管制以弥补市场失灵， 进而促进我国经济的高质量发展。

【关键词】产业政策;要素市场失灵;有为政府;行业成长性;资源配置;行业风险

【中图分类号】F420      【文献标识码】A      【文章编号】1004-0994（2021）24-0104-8

一、引言

改革开放以来， 中国特色社会主义市场经济从“摸着石头过河”到“强调加强顶层设计”， 取得了较大的成就， 中国发展速度令世界瞩目。 但是， 我国市场化改革仍然面临着一个突出问题， 即要素市场与产品市场的市场化进程不同步。 相較于发展完善、竞争充分的产品市场， 我国要素市场存在发育不足、效率低下等问题[1，2] ①。 为此， 大量学者研究了要素市场失灵的经济后果。 宏观层面的研究表明， 要素市场扭曲所造成的资源错配会抑制企业发展， 不利于提高产业生产率和产业国际竞争力[3-6] 。 企业微观层面的研究表明， 要素市场扭曲对企业创新投入、创新效率以及并购绩效等方面均存在负面效应[7，8] 。 其中， 资本要素（如银行信贷和政府补助）配置效率低下、配置失衡等问题表现得尤为突出[9-13] 。 因此， 对于正处于经济转轨期的中国而言， 如何缓解要素市场扭曲， 特别是资本要素扭曲， 是至关重要且亟需解决的问题②。

我国要素市场之所以落后于产品市场， 主要是因为要素市场化改革进程相对滞后。 然而， 正式制度的改革不仅需要花费巨大的成本， 而且需要较长的时间周期。 在进行要素市场正式制度改革的同时， 如何有效缓解要素市场失灵， 尤其是资本要素配置的低效率问题， 对有为政府提出了巨大的挑战。 政府管制理论认为， 当市场存在自然垄断、负外部性及信息不对称等失灵问题时， 适当的政府干预与监管能够减少市场无序状态下带来的损失[14-16] ， 实现国家和地区的经济长期增长[17] 。 本文认为， 在我国要素市场化改革进程相对滞后的情况下， 产业发展所面临的外部性、信息不完全等要素市场失灵问题， 可能会导致资源错配， 从而使高成长性行业的发展受到限制， 因此政府有动机对其进行积极干预与良性管制。 产业政策这一“国家调节市场”的有力政策工具， 应当作为要素市场改革完成前的正式替代措施， 引导要素资源流向高成长性行业， 优化资源配置以促进高成长性行业的发展， 进而有利于我国经济的高质量发展。

基于此， 本文以寻找产业政策的制定逻辑为出发点， 以“十一五”（2006 ～ 2010年）、“十二五”（2011 ～ 2015年）以及“十三五”（2016 ～ 2020年）规划为研究对象， 以我国A股上市公司为研究样本， 探究产业政策的制定逻辑、资源效应与财务效应， 尝试为产业政策的相关研究提供新思路。 研究结果表明： 产业政策更倾向于选择成长性较高的行业作为明确鼓励发展的行业， 且这种现象主要集中在行业风险较高的情况下。 资源效应检验发现， 属于产业政策制定前高成长性行业的公司， 在政策实施期间获得的政府补助和新增贷款更多; 基于企业财务效应的研究发现， 属于产业政策制定前高成长性行业的公司， 在政策实施期间业绩表现更好。 本文的研究结果支持“有为政府论”， 即在我国要素市场正式制度改革相对滞后的情况下， 产业政策可以作为正式替代措施， 引导要素资源流向高成长性行业， 优化资源配置， 从而促进我国经济的高质量发展。

本文在以下方面对相关文献进行了创新和拓展：

第一， 以要素市场失灵为背景， 对产业政策制定逻辑的实证研究进行了补充。 自产业政策及其理念诞生以来， 国内外学术界对该项政策展开了丰富的理论与实证研究。 宏观层面， 已有文献主要围绕产业政策的实施效果与总体有效性进行讨论[18] 。 微观层面， 学者们侧重分析产业政策对企业风险承担、融资约束、投资效率以及技术创新等方面的影响。 少数学者对产业政策的必要性进行了论述， 如林毅夫[19，20] 在新结构经济学中强调， 产业升级过程中， 政府在解决外部性和协调的问题上应起到因势利导的作用; 江飞涛和李晓萍[21] 探讨了我国产业政策演进与发展的内在逻辑。 但鲜有文献从理论和实证两个方面探究产业政策背后的制定逻辑及其合理性。 本文认为， 在我国要素市场正式制度待完善的情况下， 产业政策可以作为正式替代措施， 通过选择高成长性行业作为政策鼓励行业， 引导要素资源流向高成长性行业， 以达到弥补要素市场失灵等目的。 因此， 本文以要素市场失灵为背景， 探讨产业政策的制定逻辑与制定依据， 对产业政策的相关研究进行了补充。

第二， 对政府与市场关系的相关研究进行了拓展和创新。 大量文献认为， 政府干预并未削弱或是取代市场机制， 而是有利于健全市场机制并更有效地发挥市场作用， 如弥补市场失灵③、解决负的外部性等， 最终促进资源配置效率的提升和经济增长[22] 。 本文从要素市场失灵的视角， 研究发现政府主导的产业政策存在弥补要素市场失灵的作用， 结果表明， 产业政策可以引导要素资源流向高成长性行业， 进而提高行业间的资源配置效率。

第三， 从产业政策的视角， 为“有为政府论”提供了新的实证证据。 习近平总书记围绕社会主义经济建设发表的一系列论述中提到： 既要“有效的市场”， 也要“有为的政府”。 新结构经济学认为， 有为政府应当因地制宜、因时制宜、因结构制宜地有效培育、监督、保护和补充市场。 一些文献从产业政策的有效性方面为政府干预有效性提供了实证证据， 如宋凌云和王贤彬[23] 发现地方政府的重点产业政策总体上显著提高了地方产业的生产率。 但是， 既有文献对产业政策有效性的研究多集中于实施效果方面， 缺乏系统性证据。 本文以产业政策“制定逻辑—资源效应—财务效应”为理论与实证的展开逻辑， 为“有为政府论”提供了新的证据。

二、理论分析与研究假设

本文的理论分析与研究逻辑按照图1所示展开具体论述。

（一）行业成长性与产业政策制定

由于早期政府对土地、劳动、资本等要素的定价以及分配有着极高的控制权， 导致要素市场扭曲成为我国经济发展过程中的历史遗留问题。 当要素市场发生扭曲时， 要素价格就无法正确反映供求结构， 使得微观经济主体在错误的价格信号引导下进行产业和技术选择， 进而导致资源配置效率下降， 形成要素资源错配。 宏观层面的研究表明， 要素市场扭曲对促进制造业部门生产效率增长、居民消费、提升地区投资水平以及产业结构升级等方面均存在着明显抑制效应[24-26] 。 微观层面的研究表明， 要素市场扭曲对企业生产率、并购绩效、创新投入、创新效率存在负面效应[2，7，8] 。 其中， 资本要素市场扭曲的问题尤为突出， 主要体现为银行信贷与政府补助的配置效率低下[9，12，13，27，28] 。

市场失灵理论认为， 仅由市场这只“看不见的手”所支配的市场秩序会出现破坏性竞争、垄断和外部性等问题， 需要政府进行干预以实现经济的均衡发展， 这为政府管制奠定了理论基础[16，29-32] 。 新结构经济学理论也指出， 有为政府应当是能够因地制宜、因时制宜、因结构制宜地有效培育、监督、保护和补充市场， 以达到纠正市场失灵、促进公平、增进全社会各阶层长期福利水平等目标的政府。 而且， 政府管制理论的相关研究也普遍证实了政府管制具有治理效应， 能够弥补市场缺陷[33，34] 。 因此， 本文认为， 政府实施产业政策的部分动机是缓解要素市场失灵所带来的负面效应， 并基于此前提寻找政府制定产业政策背后的逻辑所在。

党的十八大以来， 习近平总书记就社会主义经济建设发表了多次讲话， 其中在十八届中共中央政治局第二十八次集体学习时的讲话中提到“继续在社会主义基本制度与市场经济的结合上下功夫， 把两方面优势都发挥好， 既要‘有效的市场’， 也要‘有为的政府’”。 根据行业生命发展周期理论， 处于成长期的行业面临着更广阔的发展前景以及更多的投资机会， 行业处于一个快速扩张的阶段， 但当要素市场存在扭曲、资源错配、价格失灵等问题时， 高成长性行业可能无法使要素资源自然流入， 抑或需要付出高昂的代价获取生产资料。 因此， 当要素市场并非“有效的市场”时， “有为的政府”更应当发挥作用， 通过产业政策这一政府管制措施， 选择现阶段存在发展优势、增长潜力的产业或部门作为政府优先鼓励发展的行业或部门， 发挥政策力量与市场力量的协同互補效应， 有意识地将资源导向至特定行业以优化要素在行业间的资源配置， 从而加快产业转型升级， 促进国家经济又好又快地发展。 因此， 基于有为政府理论， 在我国要素市场化改革进程相对滞后的情况下， 要素资源错配可能导致成长性较高的行业发展受到限制， 此时产业政策作为正式替代措施， 选择高成长性行业作为明确鼓励行业， 可以引导资源流向高成长性行业， 以提高要素资源的配置效率。

基于上述分析， 本文提出以下假设：

H1： 产业政策更倾向于选择政策制定前的高成长性行业作为明确鼓励行业。

（二）行业成长性、行业风险与产业政策制定

本文进一步分析考虑行业风险后的产业政策制定逻辑。 风险作为市场配置资源的重要考虑因素， 在要素市场存在失灵的情况下， 市场对风险的厌恶态度会加剧高风险行业的资源缺口， 使得资源错配在高风险行业中更为显著。 王竹泉等[35] 发现随着经营风险的上升， 企业面临着更大的营运资金融资缺口。 高成长性行业一般属于新兴产业， 创新和研发是行业发展的关键， 因而面临着技术创新和升级上的高经营风险。 行业内的公司往往会通过加大资本投入与研究开发投资等策略获得竞争优势， 以达到获得更多的市场份额的目的。 与此同时， 巨额的研发投入以及较多的投资机会不仅容易造成企业外源“融资缺口”， 也给行业带来了较高的不确定性及风险水平， 在这种情况下， 企业通过银行贷款的融资成本将显著提升[36] ， 从而导致高成长性行业在风险较高的情况下面临融资难的问题， 即市场对风险的厌恶态度会加剧此类行业的资源缺口。 本文认为， 在我国要素市场化改革进程相对滞后的情况下， 高成长性行业通常伴随着的高风险性， 加剧了其在产业发展过程中面临的资本约束、市场摩擦等问题。 此时， 政府应当加大对该类行业的支持力度， 制定恰当的产业政策作为正式替代措施， 通过选择高成长性以及高风险性行业作为明确鼓励行业， 为该类行业的技术创新和升级保驾护航， 降低技术研发和升级应用过程中的不确定性， 发挥技术创新的规模效应和集聚效应， 提高产业创新效率， 从而促进行业发展。

为此， 本文提出以下假设：

H2： 产业政策更倾向于选择政策制定前期高成长性行业作为明确鼓励行业的现象， 在行业风险较高的情况下更明显。

三、研究设计

（一）研究样本与数据来源

为检验产业政策的制定逻辑， 本文选取“十一五”“十二五”和“十三五”规划制定前期（2004年、2009年及2014年）全部A股上市公司作为初始样本， 并按照以下标准进行处理： （1）基于证监会《上市公司行业分类指引》（2001年）前两位代码对上市公司进行行业分类; （2）以行业为单位， 统计上市公司财务特征变量经缩尾处理后的行业年度均值， 具体包括行业资产均值、行业资产负债率均值等， 最终得到241条行业层面的相关数据。 本文所使用的产业政策数据为手工收集整理所得， 其他数据均来源于CSMAR数据库。

（二）主要变量定义

1. 产业政策制定前的行业成长性。 关于产业政策制定前的界定： 以“十一五”规划为例， 2006年出台的第十一个五年规划纲要， 是根据2005年发布的《中共中央关于制定国民经济和社会发展第十一个五年规划的建议》（简称《建议》）编制的。 考虑到各项政策的出台必然会参考经济发展现状， 因此本文以《建议》发布的前一年即2004年的行业成长性作为“十一五”计划制定的参考依据， 依此类推分别以2009年、2014年的行业成长性作为“十二五”“十三五”规划制定前的行业成长性。

关于行业成长性的定义： （1）计算全部A股上市公司成长性的托宾Q值， 其中Q=（债务账面价值+权益市值）/资产账面价值; （2）取行业内所有上市公司的托宾Q值的中位数为行业托宾Q值， 以此作为行业成长性度量指标（Q_med）。 稳健性检验中则使用行业成长性的替代指标Q_ jq、Q_mean以及Q_rank， 具体定义见表1。

2. 产业政策。 本文采用宏观经济政策“五年计划”中关于行业的发展规划来衡量产业政策， 根据“十一五”“十二五”和“十三五”规划中的具体规定并结合2005年、2010年和2015年发布的相关建议， 以《上市公司行业分类指引》（2001年）为参照， 将全部A股上市公司划分为产业政策明确鼓励发展的行业和非产业政策明确鼓励发展的行业两类。 如果行业属于产业政策明确鼓励发展的行业， 则Policy取值为1; 如果行业属于非产业政策明确鼓励发展的行业， 则Policy取值为0。

（三）模型设定

为了检验H1， 即产业政策更倾向于选择政策制定前的高成长性行业作为明确鼓励行业， 本文将待检验的回归模型设定为：

Policy=β0+β1Q_med+βicontrolsi+ε   （模型1）

其中： 被解释变量Policy表示行业是否属于产业政策明确鼓励发展的行业。 Q_med代表产业政策制定前的行业成长性， 其数值越大， 说明该行业的成长性越高。 根据H1， 本文预期模型1中的β1显著为正。 controlsi表示解释变量之外的其他能说明行业资产结构、规模、盈利状况等特征的控制变量， 包括是否属于高壁垒行业（Barrier）⑤、行业资产负债率（Lev_hy）、行业资产规模（Size_hy）、行业盈利能力（Roa_hy）以及年度（YEAR）虚拟变量。 具体变量定义见表1。 由于被解释变量为哑变量， 本模型采用非线性模型（Logit模型与Probit模型）进行回归。

为了检验H2， 即产业政策倾向选择高成长性行业作为明确鼓励行业的现象在行业风险较高的情况下更明显， 本文将待检验的回归模型设定为：

Policy=β0+β1Q_med+β2Q_med×Risk+

β3Risk+βicontrolsi+ε        （模型2）

其中： 被解释变量Policy以及解释变量Q_med与模型1相同。 Risk代表产业政策制定前期的行业风险性， 本文使用以下方式度量： （1）采用产业政策制定前期5年的行业Roa的标准差Roasd， 其数值越大， 说明该行业的风险越高; （2）根据计算的Roasd定义是否为高风险行业（High_risk）， 当某行业的5年Roa波动率高于/等于所有行业Roa波动率的中位数时， 取值为1， 否则为0; （3）采用行业内所有上市公司Z值的中位数Zscore_med， 其中Z值代表企业风险， Z值越小， 说明企业风险越高。 根据H2， 当Risk采用前两种度量方式时， 本文预期模型2中行业成长性与行业风险交乘项的系数β2显著为正; 当采用第三种度量方式时， 预期该交乘项系数显著为负。

四、实证分析

（一）基本结果与分析

1. 行业变量的描述性统计。 如表2所示， Q_med均值为2.3492， 表示所有行业的平均成长性相对较低， Q_med的最大值和标准差分别为2.7153、1.4304， 说明不同行业之间的成长性存在显著的差异; Q_mean、 Q_ jq与Q_rank为产业政策制定前期行业成长性（Q_med）的替代变量。 Policy的均值为0.4896， 说明受到产业政策鼓励的行业占比达到48.96%。 Barrier的均值为0.2199， 说明高壁垒行业占比达21.99%， 很可能对产业政策的制定存在一定程度的影响， 应当在回归中加以控制。 Lev_hy的均值为0.6042， 说明所有行业的平均资产负债率在60.42%左右。 Size_hy的最小值和最大值分别为20.987、21.97， 说明行业间资产规模存在显著的差异。

2. 行业成长性与产业政策的回归结果。 如表3所示， 第1列和第3列为单变量检验结果， 第2列与第4列为加入了其他控制变量的检验结果， 结果表明产业政策（Policy）与政策制定前的行业成长性（Q_med）正相关， 并且加入控制变量后， 在5%的水平上显著， 这支持了本文的H1。 由此可见， 产业政策倾向于选择政策制定前的高成长性行业作为明确鼓励发展行业， 通过政策带来的直接资源优势与信号传递带来的市场优势弥补要素市场的不足， 推动高成长性行业的发展。 其余控制变量的回归结果表明， 高壁垒行业更有可能成为产业政策明确鼓励行业， 这是因为产业政策除弥补市场失灵、促进产业结构升级等目的外， 还有对关系到国家安全和国民经济命脉的特殊行业进行扶持等目的。

（二）稳健性检验

1. 采用工具变量法缓解本文研究可能存在的內生性问题⑥。 本文的研究结果可能受到两类内生性问题的影响： 第一类是可能存在遗漏变量从而导致的伪相关问题; 第二类是样本度量偏差， 基于数据的可得性， 非上市公司的财务数据无法统计。 鉴于上市公司的估值通常远高于非上市公司， 其整体估值占行业总估值的比例较大， 本文在计算行业成长性时， 采用所有上市公司数据作为行业成长性的计算依据。 即使非上市公司市值较低， 但其成长性可能与上市公司存在差异， 仍然会导致样本度量偏差问题。 因此， 本文拟为行业成长性寻找合适的工具变量， 并采用两阶段法对H1进行检验⑦， 以缓解可能存在的内生性问题。

国务院于2010年10月发布了《关于加快培育和发展战略性新兴产业的决定》， 对我国战略性新兴产业的发展明确提出了一系列中长期目标。 战略性新兴产业属于资本、技术高度密集型产业， 与行业成长性具有相关性⑧; 并且其来源于国家发布的文件， 与企业特征无关， 是相对外生的变量。 因此， “是否为战略性新兴产业”（IV）与行业成长性相关， 与是否属于产业政策明确鼓励行业的扰动项无关， 是一个较合理的工具变量。 将国家统计局2012年发布的《战略性新兴产业分类（2012）》（试行）和2018年发布的《战略性新兴产业分类（2018）》进行合并处理⑨， 以《上市公司行业分类指引》（2001年）为参照， 将上市公司所属行业分为战略性与非战略性新兴产业， 当该行业属于战略性新兴产业时， IV取值为1， 否则取值为0。

如表4所示， 一阶段Q_med的回归结果表明， 工具变量IV（0.2942）对“行业成长性”的影响显著为正。 二阶段Policy的回归结果表明， 在控制内生性问题之后， 行业成长性的系数依然显著为正， 进一步支持了H1， 即产业政策倾向于选择政策制定前期的高成长性行业作为明确鼓励行业。

2. 使用替代变量进行稳健性检验。 前文采用行业内所有公司托宾Q值的中位数Q_med作为行业成长性的度量指标， 此处分别以行业内所有公司托宾Q值的平均数（Q_mean）、经股权加权后计算的行业托宾Q值（Q_ jq）进行替代。 同时， 为了使得不同时段的行业托宾Q值具有可比性， 此处还对所有的Q_med进行了标准化处理， 即对Q_med分年份排序后进行五等分， 从小到大依次赋值为0.2、0.4、0.6、0.8、1， 并以此作为行业成长性的替代度量指标（Q_rank）。 使用替代变量进行回归的检验结果（见表5）表明， 在使用替换变量后， 本文结果未发生改变， 结论保持稳健。

（三）风险的异质性检验

行业成长性、行业风险与产业政策的回归结果如表6所示， 从行业风险变量Roasd和High_risk的检验结果可以发现， 产业政策（Policy）与产业政策制定前行业成长性与行业风险的交乘项（Q_med×Risk）分别在5%与10%的水平上显著正相关。 从行业风险变量Zscore_med的检验结果可以发现， 交乘项Q_med×Risk的系数在10%的水平上显著为负。 回归结果与前文预期一致， 支持了H2， 即产业政策倾向于选择政策制定前期高成长性行业的制定逻辑在行业风险较高的情况下更明显。 这是因为， 风险作为市场配置资源的重要考虑因素， 在要素市场失灵的情况下， 市场对风险的厌恶态度会加剧高风险行业的资源缺口， 使得资源错配在高风险行业中更为显著。 政府通过提供基础设施建设、财政补贴和贷款扶持等手段， 能够较大程度地降低技术研发和升级应用过程中的不确定风险， 集中力量发挥技术创新的规模效应和集聚效应， 从而提高产业创新效率。

（四）经济效应分析

1. 产业政策的资源效应。 本文以要素市场失灵为背景， 认为产业政策的部分动机在于弥补要素市场失灵， 促使资源流向存在缺口的高成长性行业。 因此， 这里进一步检验高成长性行业的公司在得到产业政策支持后是否获得了资源优势。 本文选取“十一五”“十二五”和“十三五”规划期间（2006 ～ 2018年）的A股上市公司为研究样本， 分别使用公司获得的政府补助Subsidy及新增贷款DFA为被解释变量; 使用公司在产业政策制定前所属行业的成长性L_Qmed为解释变量， 其取值为公司所属行业在每个五年规划制定前期所对应的Q_med。 回归结果（限于篇幅，略）表明， L_Qmed的回归系数均在1%的水平上显著为正， 说明属于产业政策制定前高成长性行业的公司，  在产业政策实施后获得了更多的政府补助和新增贷款。

2. 产业政策的财务效应。 本文检验处于产业政策制定前高成长性行业的企业在产业政策实施后的业绩表现。 本文认为， 当产业政策倾向于选择高成长性行业作为明确鼓励行业时， 政策的实施能够为处于高成长性行业的公司带来直接的资源支持和市场信号传递， 使其获得更多资金支持如政府补助与银行贷款， 有效缓解企业面临的融资约束， 从而对公司业绩产生正面影响。 本文分别使用公司营业收入增长率Growth、资产收益率Roa及毛利率GPM为被解释变量公司业绩的不同度量指标， 回归结果（限于篇幅，略）表明， 产业政策制定前行业成长性L_Qmed的系数（分别为0.0285、0.0194、0.0053）均在1%的水平上显著为正， 说明属于产业政策制定前高成长性行业的公司在产业政策实施期间的业绩表现更好。 即： 产业政策利用政府力量和市场力量的协同效应， 帮助高成长性行业获得了更多的资源优势与发展机会， 这支持了有为政府与新结构经济学理论。

五、研究结论与启示

（一）研究结论

在中国特色社會主义市场经济体制下， 市场经济的健康发展既需要“有效的市场”， 也离不开“有为的政府”， 政府干预与市场主导可以发挥协同互补效应， 以促进产业升级与社会发展。 在我国要素市场正式制度改革相对滞后的情况下， 要素市场扭曲带来的资源错配可能导致成长性较高的行业发展受到限制， 因此政府有动机对成长性较高的行业进行积极干预和良性管制。 产业政策作为政府干预市场的产物， 应当成为要素市场改革完成前的正式替代措施， 起到提高资源配置效率、促进产业结构调整等作用。

基于此， 本文以“十一五”“十二五”以及“十三五”规划前后（2006 ～ 2018年）作为样本期间， 利用我国全部A股上市公司的行业数据与公司数据， 探究了产业政策的制定逻辑、资源效应与财务效应。 结果发现： 产业政策更倾向于选择产业政策制定前成长性较高的行业作为明确鼓励发展的行业， 且这种现象集中于行业风险较高的情况下。 通过资源效应检验发现， 属于产业政策制定前高成长性行业的公司， 在政策实施期间获得的政府补助和新增贷款更多。 通过财务效应检验发现， 属于产业政策制定前高成长性行业的公司， 在未来业绩表现更好。 以上结论不仅论证了产业政策制定的合理性， 同时证明了产业政策实施的有效性。 本文从要素市场失灵的视角， 对产业政策制定逻辑的相关研究进行了创新， 同时对政府与市场关系、“有为政府论”的相关研究进行了发展和创新。

（二）理论启示与政策建议

本文的研究结果具有很强的政策启示。 Shleifer的系列文章[14，15] 提出了“监管之谜”（the Puzzle of Regulation）以及最佳监管规则（the Optimal Regulatory Rule）， 充分论证了政府监管的普遍性和必要性。 基于此， 本文认为， 在我国转型经济条件下， 市场失灵广泛存在， 需要政府进行管制以弥补市场失灵， 由此形成市场与政府双轮驱动， 从而促进我国市场经济更好更快地发展。 要素市场正式制度的不健全会引发要素市场失灵， 产业政策这一政府管制措施正好可以弥补市场失灵， 引导要素资源流向高成长性行业， 进而提高要素资源的配置效率。 所以， 一方面， 在进行要素市场正式制度改革的同时， 需要继续强化产业政策弥补要素市场失灵的作用; 另一方面， 针对我国转型经济条件下诸如低端产业产能严重过剩、有效供给能力不足带来大量“需求外溢”等其他市场失灵， 在进行相关正式制度改革的同时， 政府应当主动补位进行有效管制， 确实把市场与政府的优势都充分发挥出来， 从而有效解决市场失灵问题， 最终促进我国市场经济的高质量发展。

最后， 通过对属于高成长性行业的上市公司的区域分布进行统计， 发现70%左右的高成长性行业的上市公司分布在东部地区， 这说明政府在通过产业政策对该部分行业进行政策扶持时， 绝大部分资源将流入现阶段市场化水平较高的东部地区， 这样会加剧我国地区间发展不均衡的现状。 因此， 政府在制定产业政策时需要对市场化水平落后的中西部地区进行针对性帮扶。

【 注 释 】

① 根据王小鲁等（2019）统计整理的市场化指数，2016年产品市场的发育程度得分为7.78分，要素市场的发育程度得分仅为5.94分，说明我国要素市场相比产品市场发展滞后。

② 2020年4月9日，中共中央、国务院印发《关于构建更加完善的要素市场化配置机制体制的意见》，体现了要素市场化改革对推动经济高质量发展具有重要意义。

③ 如2020年爆发的全球性新冠肺炎疫情严重阻碍了生产和流通，不仅导致 CPI同比阶段性走高，同时对全球金融市场造成震荡，由此导致市场失灵，当时政府采取的公共卫生政策、财政政策、货币政策、金融监管等多项政策措施，有效降低了疫情对社会和市场的负面影响，进而缓解了市场失灵。

④ 根据陈斌等（2008）、罗党论和刘晓龙（2009）对行业进入壁垒的定义，将其细分的第一类传统国有垄断行业（行业壁垒指数大于等于7的行业）定义为高进入壁垒行业。

⑤ 考虑到产业政策除弥补市场失灵、促进产业结构升级等目的外，还有对关系到国家安全和国民经济命脉的特殊行业进行扶持等目的。因此，本文将是否属于高壁垒行业作为控制变量之一。

⑥ 采用工具变量的两阶段法回归前，利用Wald检验了Q_med的内生性，结果显示p值为0.00，说明Q_med确实为内生变量，需要利用统计方法缓解解释变量的内生性问题。

⑦ 由于模型1的被解释变量为虚拟变量，因此工具变量回归采用Ivprobit的两阶段法。在未列出的检验中，也使用2SLS、GMM、LIML对H1进行了检验，结果一致。

⑧ 在未列出的检验中，本文进行了弱工具变量检验，AR检验结果的p值为0.000，Wald检验结果的p值为0.0652，均小于0.1，拒绝原假设，说明IV确实与Q_med相关，因此并非弱工具变量。

⑨ 《战略性新兴产业分类（2018）》是对2012年版本的细化与分解，因此文章采用取并集的方式处理。

【 主 要 参 考 文 献 】

[1] 盛仕斌，徐海.要素价格扭曲的就业效应研究[ J].经济研究，1999（5）：68 ～ 74.

[2] 毛其淋.要素市场扭曲与中国工业企业生产率——基于贸易自由化视角的分析[ J].金融研究，2013（2）：156 ～ 169.

[3] Hsieh C. T.， P. J. Klenow. Misallocation and Manufacturing TFP in China and India[ J].The Quarterly Journal of Economics，2009（4）：1403 ～ 1448.

[4] 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.

[5] 罗德明，李晔，史晋川.要素市场扭曲、资源错置与生产率[ J].经济研究，2012（3）：4 ～ 14+39.

[6] 余东华，孙婷，张鑫宇.要素价格扭曲如何影响制造业国际竞争力[ J].中国工业经济，2018（2）：63 ～ 81.

[7] 戴魁早，刘友金.要素市场扭曲与创新效率——对中国高技术产业发展的经验分析[ J].经济研究，2016（7）：72 ～ 86.

[8] 白俊红，卞元超.要素市场扭曲与中国创新生产的效率损失[ J].中国工业经济，2016（11）：39 ～ 55.

[9] 叶康涛，祝继高.银根紧缩与信贷资源配置[ J].管理世界，2009（1）：22 ～ 28+188.

[10] 余明桂，潘红波.所有权性质、商业信用与信贷资源配置效率[ J].经济管理，2010（8）：106 ～ 117.

[11] 龙海明，唐怡，凤伟俊.中国信贷资金区域配置失衡研究[ J].金融研究，2011（9）：54 ～ 64.

[12] 饶静，万良勇.政府补助、异质性与僵尸企业形成——基于A股上市公司的经验证据[ J].会计研究，2018（3）：3 ～ 11.

[13] 步丹璐，张晨宇，王晓艳.补助初衷与配置效率[ J].会计研究，2019（7）：68 ～ 74.

[14] Glaeser E. L.， Shleifer A.. A Reason for Quantity Regulation[J]. American Economic Review，2001（2）：431 ～ 435.

[15] Shleifer A.. Understanding Regulation[ J].European Financial Management，2005（4）：439 ～ 451.

[16] 茅铭晨.政府管制理论研究综述[ J].管理世界，2007（2）：137 ～ 150.

[17] 胡晨光，程惠芳，俞斌.“有为政府”与集聚经济圈的演进——一个基于长三角集聚经济圈的分析框架[ J].管理世界，2011（2）：61 ～ 69+80.

[18] 杨瑞龙，侯方宇.产业政策的有效性边界——基于不完全契约的视角[ J].管理世界，2019（10）：82 ～ 94+219 ～ 220.

[19] 林毅夫.新結构经济学——重构发展经济学的框架[ J].经济学（季刊），2011（1）：1 ～ 32.

[20] 林毅夫.产业政策与中国经济的发展：新结构经济学的视角[ J].复旦学报（社会科学版），2017（2）：148 ～ 153.

[21] 江飞涛，李晓萍.当前中国产业政策转型的基本逻辑[ J].南京大学学报（哲学·人文科学·社会科学），2015（3）：17 ～ 24+157.

[22] 张晓晶，李成，李育.扭曲、赶超与可持续增长——对政府与市场关系的重新审视[ J].经济研究，2018（1）：4 ～ 20.

[23] 宋凌云，王贤彬.重点产业政策、资源重置与产业生产率[ J].管理世界，2013（12）：63 ～ 77.

[24] Keynes J. M.. The General Theory of Employment， Inte-

rest and Money[ J].Limnology & Oceanography，1936（1-2）：28 ～ 36.

[25] Gulick L. H.. The Metropolitan Problem and American Ideas[M].New York： Knopf，1962.

[26] Hardin G.. The Tragedy of the Commons[ J].Science， 1968（13）：1243 ～ 1248.

[27] Akerlof G.. The Market for Lemons： Quality Uncertainty and the Market Mechanism[ J].Quarterly Journal of Economics，1970（84）：488 ～ 500.

[28] Chen B.， Y. Yao. The Cursed Virtue： Government Infrastructural Investment and Household Consumption in Chinese Pro-

vinces[ J].Oxford Bulletin of Economics and Statistics，2011（6）：856 ～ 877.

[29] 譚洪波.中国要素市场扭曲存在工业偏向吗？——基于中国省级面板数据的实证研究[ J].管理世界，2015（12）：96 ～ 105.

[30] 张杰.中国制造业要素配置效率的测算、变化机制与政府干预效应[ J].统计研究，2016（3）：72 ～ 79.

[31] 张敏，王成方，姜付秀.我国的信贷资源配置是有效的吗——基于我国上市公司投资效率视角的经验证据[ J].南方经济，2010（7）：61 ～ 71+27.

[32] 王克敏，刘静，李晓溪.产业政策、政府支持与公司投资效率研究[ J].管理世界，2017（3）：113 ～ 124+145+188.

[33] Bruno B.， E. Onali， K. Schaeck. Market Reaction to Bank Liquidity Regulation[ J].Journal of Financial and Quantitative Analysis，2018（2）：899 ～ 935.

[34] 陈运森，邓祎璐，李哲.证券交易所一线监管的有效性研究：基于财务报告问询函的证据[ J].管理世界，2019（3）：169 ～ 185+208.

[35] 王竹泉，王贞洁，李静.经营风险与营运资金融资决策[ J].会计研究，2017（5）：60 ～ 67+97.

[36] 龚强，张一林，林毅夫.产业结构、风险特性与最优金融结构[ J].经济研究，2014（4）：4 ～ 16.