国家全面创新改革如何引领企业高质量发展※—— 基于政策驱动和制度激励双重视角

内容提要：作为国家创新驱动发展的重要引擎，全面创新改革释放的制度红利对新时期激发经济增长新动能、引领企业高质量发展至关重要。以全面创新改革试验区的设立为准自然试验，从政策驱动和制度激励双重视角，探究了全面创新改革对企业高质量发展的影响。研究发现：全面创新改革政策试验显著促进了企业全要素生产率提升，且政策效果呈现动态增强趋势。机制分析表明，政策驱动下试验政策通过加大政府财政补贴，有效缓解了企业融资约束，制度激励下创新改革显著降低了制度性交易成本，促进了企业创新，两者协同推动企业高质量发展。异质性分析发现，上述改革带来的制度红利在行业竞争和要素市场化程度较高城市企业以及高研发密集度和民营企业中更为显著。上述发现为新时期深入推进国家全面创新改革，助推实体企业高质量发展提供了新的微观层面经验证据。

一、 引 言

改革创新是中国社会主义市场经济体制不断完善的动力支撑，以体制机制改革激发创新活力、形成适应创新驱动发展要求的制度环境，是中国迈入创新型国家行列的重要保障(王永进和冯笑，2018)。中共十八大以来，为深入推动全面深化改革和创新驱动发展战略，中共中央和国务院于2015年作出系统推进全面创新改革的重大部署，在京津冀等八大区域设立全面创新改革试验区，围绕科技金融创新、知识产权保护等探索制度创新，取得了显著成效，并于2017年、2018年、2020年分三批在全国推广56项创新改革举措。2021年4月国家发改委、科技部将重庆、浙江、江苏三省市纳入新一轮全面创新改革试验区建设部署，进一步彰显了中央对深化科技创新体制改革的决心。作为国家创新体制改革的先行区和示范区，全面创新改革试验区承担着破除体制机制桎梏、驱动创新高质量发展的战略任务，为切实发挥新型举国体制优势、建设创新型国家提供了关键制度引擎，对增强创新发展活力和塑造实体经济韧性具有重要作用。由此，以新发展理念和全面深化改革引领高质量发展成为“十四五”时期政府科学决策的重要支撑。新发展格局背景下，深化新一轮全面创新改革试验，切实增强国家创新新优势成为推动经济高质量发展的必由之路。

全要素生产率是高质量发展的动力源泉，切实提升企业全要素生产率是关乎中国经济能否实现高质量发展的微观基础，而这其中激励制度的改善和外部需求的拉动尤为关键(刘小玄和吴延兵，2009)。改革开放以来中国市场化改革和一系列制度设计，极大地改善了企业自身的激励机制，促进了企业投资、技术升级和分工深化，影响着微观企业生产效率(马光荣，2014)。作为新时期创新驱动发展战略的重要抓手，全面创新改革试验区的设立为企业创新发展提供了良好的平台和载体，在政策倾斜、改革创新、金融支持等共同作用下，能够为企业激发内生动力提供强大的制度激励(Park和Lee，2004)。这一国家级改革试验区的设立既体现了“自上而下”的中央授权、顶层设计，又彰显了“自下而上”的地方选择、制度创新(张杰和付奎，2021)。同时，试验区的设立有利于打破各地区制约各类创新要素流动的藩篱，改善区域创新环境，加快推动各创新主体和技术要素的优化配置，试验区一系列政策举措在有效降低交易成本的同时，也为企业研发投资和主业经营提供了良好的外部环境，有助于推动企业创新。那么，在政策驱动和制度激励的双重作用下，全面创新改革试验所带来的制度创新究竟如何影响企业生产投资决策和全要素生产率，进而影响实体经济高质量发展？新时期背景下科学评估全面创新改革的微观经济效应，对于制定新一轮创新改革相关政策，推动企业高质量发展具有重要意义。

从现有文献来看，目前国内外学者主要从以下方面展开：一是探究制度改革的生产率效应。科斯和诺斯最先运用产权制度与交易费用理论，研究制度及其变迁在社会经济发展中的作用(Coase，1960；North，1990)，其后Acemoglu等(2007)和Costinot(2009)等拓展了上述研究，发现良好的制度有助于降低契约不完全程度，深化劳动分工和技术革新，从而促进企业劳动生产率提升。马光荣(2014)、余林徽等(2014)等进一步发现，制度改革能够通过激励机制设计促进企业内部资源配置效率提升，完善的产权保护制度对企业生产率有显著的正向影响。二是探究创新相关政策及制度改革与企业生产率的内在关系。Zhu等(2006)研究发现，政府创新激励政策显著增加了企业研发投入，有效缓解了融资约束，对企业生产效率具有积极影响。吴超鹏和唐菂(2016)、寇宗来和刘学悦(2020)进一步发现，知识产权保护制度对企业创新与生产绩效具有“助推”和“挤出”两种效应。三是评估全面创新改革试验区的政策效应。王慧中等(2019)采用大数据分析方法评估试验政策效果，王欣和杜宝贵(2021)、王敏等(2022)运用双重差分法探究了试验政策对区域创新和产业结构升级的影响。综上来看，现有文献多从宏观层面探究制度改革的经济效应，或评估全面创新改革的创新驱动和产业升级效应，鲜有探究全面创新改革带来的微观经济效应，尤其是缺乏对企业高质量发展的探索。该问题的研究对进一步深化新一轮全面创新改革，最大限度释放制度红利、推动实体企业高质量发展具有丰富的政策涵义。

基于此，本文以全面创新改革试验区的设立为准自然试验，利用双重差分法探究全面创新改革对企业高质量发展的影响。可能的创新之处在于：一是研究视角，从微观视角探究了全面创新改革试验对企业高质量发展的影响，将创新改革的制度红利拓展至微观企业层面，提供了中国特色制度改革的生产率红利相关研究的新解释。二是研究方法，将中央政府统筹推进的全面创新改革试验作为相对外生的政策冲击，采用双重差分模型以及多种稳健性检验，较好地解决了传统计量中的内生性和样本选择问题，从而有效识别了全面创新改革推动企业高质量发展的净效应。三是研究内容，从政策驱动和制度激励双重视角剖析全面创新改革助推企业高质量发展的作用路径，并从企业特征、行业竞争和地区市场环境等方面探究试验政策的异质性效果。本文的研究结论为新时期深入推进全面创新改革，破解制约企业创新发展的制度性约束，更好地促进企业高质量发展提供了政策参考。

二、 理论分析

优良的制度环境是企业生产率提升的关键。完善的产权保护制度、宽松的金融融资环境和亲清的新型政商关系能够为企业生产和研发创新提供良好的外部环境，助力企业生产率提升(Lin等，2010)。全面创新改革试验区通过一系列创新改革举措，产生了推动企业高质量发展的政策驱动和制度激励机制，释放了有利于资源配置优化和经营效益提升的制度红利，如图1所示。

1. 政策驱动机制

全面创新改革试验区通过创新政策引领、创新环境培育和科技金融支持等举措，产生推动企业生产率提升的政策驱动机制。一是创新政策引领。试验区建设带来了一系列激励企业创新的财税补贴政策，这些税收优惠与创新补贴对企业研发和生产率提升具有重要的推动作用(Harris和Trainor，2005)。特别是，试验区给予高新技术企业的研发税收减免和专项补贴等政策，极大地缓解了企业的融资约束，降低了交易成本，有效提高了企业创新投资意愿，从而促进了生产率提升(Brinkman等，2015)。此外，试验区实施的创新人才引进政策，进一步加快了人才、知识、技术等创新要素的转移流动，强化了试验区建设的创新集聚效应，增强了企业技术扩散和知识溢出的“涓流效应”，这有助于提高企业生产效率。二是创新环境培育。试验区强化了区域内外各创新主体之间的技术合作，搭建了企业、高校、科研机构与地方政府多元协同的创新服务平台，为企业的生产和研发营造了良好的创新环境，有利于减少创新所面临的诸多风险，从而优化企业经营和投资决策，为企业生产率提升提供良好的制度环境。三是科技金融支持。试验区实施了一系列科技金融助推实体企业发展的政策举措，能够有效引导各类创新资源流向实体企业研发和主业经营，降低企业创新和科技成果转化的风险，拓展科技型企业的融资渠道，促进企业生产率和竞争力提升。比如，多个试验区推行了贷款、保险、财政风险补偿捆绑的专利权质押融资服务，该项科技金融政策为关联产业链中的大企业和供应商中小微企业提供了高效的金融服务和信贷支持，分摊了创新主体间技术合作的成本和风险，有利于促进企业间研发合作、技术融合以及突破性创新(Laursen和Salter，2006)，实现更高质量的生产率。

2. 制度激励机制

作为创新体制改革的制度创新，全面创新改革通过完善知识产权保护制度、加快行政审批制度改革、强化市场公平竞争机制等途径，产生助推企业高质量发展的制度红利。一是完善知识产权保护制度。完善的产权保护和法律制度，通过保障专利发明者在一段期限内的垄断收益，能够有效防止企业研发技术被他人非法占有和使用，从而降低侵权行为发生的概率，为企业开展持续性的创新活动提供了激励(Lemley和Shapiro，2005)。试验区通过实施严格的知识产权保护制度，加强知识产权司法保护和行政执法，为解决知识产权纠纷和杜绝侵权行为提供法律支撑，这有助于提高企业的创新收益预期，激励企业加大研发投入，推动高质量发展。二是加快行政审批制度改革。繁琐的审批程序、冗长的审批时间和高额的审批费用会增加交易成本，降低企业生产效率。高效的行政审批和良好的营商环境则有助于降低企业生产和研发过程中的交易成本，促进企业技术创新(鲁桐和党印，2015)。试验区在行政审批改革等一系列制度“松绑”下，大大缩短了行政审批时间，规范了管理收费标准，这有助于降低企业制度性交易成本(夏杰长和刘诚，2017)，激励企业研发创新，促进企业生产效率提升。三是强化市场竞争机制。试验区通过先行先试的制度优势，降低了高新技术及外商企业的准入门槛，这会进一步强化市场“优胜劣汰”的竞争机制，产生较强的“鲶鱼效应”，提高行业竞争程度。各企业为了在激烈的市场竞争中占据“一席之地”，往往有更强的激励和动力加大研发创新来提高生产效率，形成全面创新改革的制度激励效应(吕洪燕等，2020)。

图1 理论机制传导图

三、 研究设计

1. 计量模型设计

本文借鉴张杰和付奎(2021)做法，构建如下双重差分模型，考察全面创新改革试验政策对企业高质量发展的影响：

TFPit=β0+β1didit+β2treati+β3postt+βi∑controlit+εit

(1)

其中，i和t表示企业和年份；TFP为企业全要素生产率；did为全面创新改革试验政策的双重差分项，即treat和post的交互项，其系数β1为本文的核心估计系数，若大于0，表明试验政策显著促进了企业全要素生产率提升；control为一系列企业和地区层面控制变量；ε为随机误差项。

2. 变量定义

(1) 被解释变量：企业高质量发展水平。借鉴已有文献常用做法，采用全要素生产率衡量企业高质量发展水平。全要素生产率的测度方法主要包括OLS、FE、GMM、OP和LP等，其中OP和LP方法能够有效规避样本选择性偏差，在以往文献中较为常用。故本文采用TFP_OP和TFP_LP衡量企业全要素生产率。具体地，产出变量采用主营业务收入衡量，投入变量依次采用职工总人数衡量劳动投入，固定资产净额衡量资本投入，购建固定资产、无形资产和其他长期资产支付的现金衡量企业当期投资，购入商品和劳务的现金支出衡量中间品投入，并通过工业品出厂价格指数和固定资产投资价格指数对主营业务收入和固定资产净额进行调整。

(2) 核心解释变量：全面创新改革试验政策。采用双重差分模型中地区虚拟变量(treat)和时间虚拟变量(post)的交乘项衡量，若上市公司位于全面创新改革试验区，则treat为1，否则为0；2015年之后post为1，否则为0。

(3) 控制变量。参考已有研究做法，进一步控制了影响企业生产率的企业和地区层面特征因素。具体如下：反映企业基本状况的变量包括企业规模和上市年限；财务状况变量包括盈利能力、经营现金流比率、杠杆率和成长性；治理特征变量包括独立董事比例和前十大股东持股比例。此外，还控制了一些地区层面特征变量，包括经济发展水平、金融发展水平和创新水平。具体衡量方式见表1。

表1 主要变量衡量方式

3. 样本选取与数据来源

本文采用2011-2018年沪深两市A股上市公司数据进行实证研究，对原始数据做如下处理：剔除金融和房地产类企业；剔除ST及*ST类企业；剔除财务数据缺失及指标异常的企业。最终得到年度-企业共15167个样本观测值的非平衡面板数据。为避免极端值的干扰，对连续性变量进行1%缩尾(Winsorize)处理。企业数据来源于CSMAR数据库，部分缺失数据通过查阅上市公司年报补充。城市数据来源于《中国城市统计年鉴》及各省市统计年鉴。具体变量的描述性统计见表2。

表2 主要变量的描述性统计

四、 实证结果分析

1. 基准回归结果分析

全面创新改革试验政策对企业全要素生产率影响的估计结果见表3。(1)至(4)列为依次加入企业与城市层面特征变量并控制了时间、城市及行业固定效应的基准回归结果，其中被解释变量采用OP和LP两种方式衡量，(1)和(3)列未加入控制变量，(2)和(4)列为纳入控制变量的估计结果。结果显示，在综合考虑控制变量和多重固定效应后，双重差分项的估计系数为0.0674和0.0683，且均在1%的统计水平上显著，即试验政策的推行使得试验区企业全要素生产率相较非试验区平均提高了6.74%～6.83%。可见，国家全面创新改革能够有效释放微观层面的制度红利，助推和引领企业高质量发展。

表3 基准回归结果

(续表)

2. 动态效应检验

国家全面创新改革试验的政策效果可能具有一定的动态性和持续性，对企业高质量发展具有显著的动态效应。为此，本文依次将政策实施后(2015年)的实验组和对照组地区虚拟变量与年度虚拟变量交乘，形成交互项tt15、tt16、tt17、tt18，并纳入基准模型，以识别其动态效应。表4第(2)和(4)列的结果表明，上述交互项系数均在至少5%的统计水平上显著，且政策实施效果在两年内不断增强，第三年有所下降，第四年进一步提升。总体来看，试验政策对企业全要素生产率的影响呈现出动态增强的趋势。上述结果的政策涵义在于，国家全面创新改革政策的深入实施和相关制度创新举措的逐步推进，为企业生产率的提升提供了良好的创新和制度环境，能够产生推动企业高质量发展的动态制度红利。

表4 动态回归结果

3. 稳健性检验

(1) 平行趋势检验。双重差分法的前提是实验组和对照组在政策实施前满足平行趋势假设。如图2和图3所示，LP和OP两种方法测算的全要素生产率结果显示，政策实施前(2015年)，实验组和对照组企业全要素生产率的均值均呈现平行增长趋势，故满足共同趋势假设；且政策实施后，两者间差距逐渐扩大。可见，平行趋势检验得以通过。

图2 平行趋势检验(TFP_LP)

图3 平行趋势检验(TFP_OP)

(2) 倾向得分匹配。为缓解样本选择性偏差问题，本文采用倾向得分匹配法为实验组企业匹配在特征变量方面尽可能一致的对照组企业。具体步骤如下：将全面创新改革试验地区企业作为试验组，其他地区企业为控制组；以TFP_LP为被解释变量，企业规模、上市年限、盈利能力、经营现金流比率、杠杆率、成长性、独立董事比例和前十大股东持股比例等为协变量，进行Logit回归，计算倾向得分值；采用核匹配方法进行逐年匹配，具体结果见表5。匹配后结果通过了样本平衡性检验。其中，t检验表明，匹配后协变量的标准化偏差均有较大幅度下降(低于5%)；联合检验表明，匹配后样本的偏R2由0.006下降至0.000，LR统计量的p值增加为0.823。这表明核匹配的效果较好，匹配后各个协变量的系统性差异下降，通过平衡性检验。

表5 倾向得分匹配平衡性检验

此外，本文也采用了最近邻匹配，结果见表6。可以发现，经匹配后双重差分项系数在1%的统计水平上依然显著为正，且系数值有所增大。由此，在采用倾向得分匹配方法后，基准回归结论依然稳健。

(3) 反事实检验。为缓解因遗漏重要变量产生的偏误问题，本文借鉴Li等(2016)的做法，采用反事实的安慰剂检验。具体地，在政策实施当期，采用计算机随机生成的方法，抓取相同数量的虚拟样本城市作为实验组，其他为对照组，并生成新的虚拟政策差分项进行基准回归，将上述抓取过程运用循环命令重复1000次。图4描绘了估计系数的核密度概率分布，可以发现，随机生成的虚拟政策差分项系数值集中分布于0两侧，且估计的标准差小于0.01，服从正态分布，表明国家全面创新改革促进企业高质量发展的政策效应并不存在遗漏不可观测变量的干扰。

(4) 内生性问题讨论。上述反事实检验在一定程度上缓解了遗漏变量的问题，但可能还存在反向因果等内生性问题。为此，本文借鉴曹春方和贾凡胜(2020)的做法，通过式(2)检验基准回归是否存在反向因果的问题。具体地，将企业全要素生产率作为解释变量，试验虚拟变量treat作为被解释变量，同时进一步控制城市、行业和时间固定效应，采用Logit模型进行估计。若TFP的系数不显著，则说明不存在反向因果关系。具体结果见表7。可以看出，TFP_OP和TFP_LP的系数均不显著，表明由反向因果引致的内生性问题较小，结果较为稳健。

表6 倾向得分匹配双重差分法回归结果

图4 随机模拟1000次的安慰剂检验

Logit(treati)=γ0+γ1TFPit+βi∑controlit+εit

(2)

表7 内生性回归结果

(5) 其他稳健性检验。结果见表8。

剔除北上广深城市企业样本。考虑到上述城市在人口规模、经济发展等方面与一般地级市差异较大，故剔除该部分城市企业样本重新估计。(1)列结果表明，在剔除上述样本后，政策差分项系数值与基准结果相比有所降低，且依然在5%水平上显著为正，这表明基准回归结果较为稳健。

控制变量滞后1期。为进一步缓解内生性问题，将所有控制变量取滞后1期，重新代入模型估计。(2)列结果显示，采用控制变量滞后1期样本数据后，政策差分项系数值与基准结果无显著差异，进一步表明基准结果的稳健性。

替换被解释变量。为增强实证结果的稳健性，采用FE和GMM方法重新测算企业全要素生产率，并代入实证模型估计。(3)列结果显示，替换被解释变量后，政策差分项系数值有所减少，且依然在5%水平上显著，验证了上述结果的稳健性。

排除其他政策影响。为精准识别全面创新改革试验政策对企业高质量发展的影响，排除其他政策干扰。借鉴刘瑞明等(2018)的思路，依次将自由贸易试验区(FTZ)、综合配套改革试验区(SRT)和国家自主创新示范区(IDZ)政策虚拟变量纳入基准模型。(4)列结果显示，在排除其他政策影响后，全面创新改革试验政策依然显著促进了企业全要素生产率提升。

表8 稳健性检验回归结果

五、 异质性分析(1)为避免表格内容过多，后续分析均展示LP测算的企业全要素生产率回归结果，OP方法实证结果备索。

接下来，为进一步探究哪些因素会影响全面创新改革试验政策的微观生产率效应，本文依次从企业、地区及行业三个方面，考察全面创新改革试验政策的异质性作用。

1. 企业特征因素

(1) 技术密度。根据科技部对高新技术领域的认定，参考权小锋等(2020)的研究，将医药制造业、铁路船舶航空航天和其他运输设备制造业、软件和信息技术服务业、化学纤维材料制造业、化学原料及化学制品制造业、仪器仪表制造业、计算机通信和其他电子设备制造业等划为高新技术行业：其余行业为非高新技术行业，分组估计全面创新改革试验政策对不同技术密度行业企业的影响效果，结果如表9所示。由(1)和(2)列可知，高技术企业样本组中差分项系数在1%的统计水平上显著为正，低技术企业样本组并不显著，即全面创新改革政策显著促进了高技术企业全要素生产率提升，对低技术企业的影响尚不显著。这表明，技术密度更高的企业在全面创新改革政策中受益更多。结合政策内容来看，国家全面创新改革引致的制度创新和科技创新，加快推动了试验区内知识产权保护、科技创新体制等制度改革，有效降低了企业尤其是高技术密度企业在研发创新中面临的风险，促进了高技术企业研发和生产率提升。故而，相较于低技术企业，试验政策对高技术企业的制度激励作用更强。

表9 异质性回归结果(一)

(2) 产权性质。作为地方政府和金融机构重点关注的目标，国有企业更容易受到银行信贷资源的扶持(张杰等，2013)，而民营企业则面临较高的融资成本和约束。为探究全面创新改革政策对不同所有制企业高质量发展影响的差异，根据企业的产权性质将其划分为国有企业和民营企业，分组回归结果见表9中(3)和(4)列。在民营企业样本组，全面创新改革政策在1%的统计水平上显著推动了企业全要素生产率提升，而在国有企业样本组这一效果并未显现。这表明，相对于国有企业，全面创新改革试验政策对民营企业全要素生产率的促进作用更强，或者说民营企业作为地区高质量发展的重要驱动力量，在国家全面创新改革中获得了更多的制度红利。这是因为，全面创新改革有效降低了制约创新驱动发展的制度性成本约束，较大程度上缓解了民营企业面临的融资约束困境，为民营企业技术创新营造了优质的投资和研发环境，促进了民营企业技术进步和生产率提升。

2. 地区市场环境

通常而言，要素市场发育程度较高的地区市场信息不对称性较弱，各类要素更容易实现优化配置从而产生更高的效率。本文采用王小鲁等(2019)的市场化指数衡量市场环境，根据市场化指数是否高于年度-行业中位数判别市场环境的优劣程度，将其划分为要素市场发育程度较高和较低的地区企业样本进行分组回归，结果如表10中(1)和(2)列所示。可以发现，在要素市场发育程度较高的样本组，全面创新改革试验政策对企业全要素生产率的促进作用在1%的统计水平上显著，而在要素市场发育程度较低的样本组并不显著。上述结果表明，良好的要素市场能够为全面创新改革试验提供优质的外部环境，促使信息高效、透明地传递，从而有效降低制度性交易成本，促进企业生产经营和投资交易，激发创新改革带来的生产率红利。进一步引申来看，统一大市场建设能够通过完善国内要素市场进而增强全面创新改革带来的制度红利，助推企业高质量发展。

表10 异质性回归结果(二)

3. 行业竞争程度

一般而言，市场竞争会迫使企业尽可能地降低资金供需双方的信息不对称，从而以较低成本获取外部资金。为探究不同行业竞争程度地区全面创新改革试验政策对企业高质量发展的影响差异，本文借鉴陈志斌和王诗雨(2015)的做法，采用行业主营业务利润率的标准差测度行业竞争程度，数值越大表明行业竞争程度越小，并根据年度-行业中位数将其划分为行业竞争程度较高和较低的地区企业样本，分组回归结果如表10中(3)和(4)列所示。可以发现，在行业竞争程度较高的样本组，全面创新改革政策对企业全要素生产率的正向作用在1%的统计水平上显著，这一效果在行业竞争程度较低的样本组并不显著。这说明国家全面创新改革显著提高了行业竞争程度较高企业的全要素生产率。结合实际来看，全面创新改革试验区通过强化知识产权保护、简化行政审批手续等举措，为企业技术创新和主业经营营造了良好的市场竞争环境。这有助于推动潜在优势企业进入和在位劣势企业淘汰，同时行业竞争程度的加剧会迫使该行业内的企业为争夺市场份额，不断加大技术创新以获得竞争优势，从而引致试验地区各创新主体全面创新的繁荣局面。

六、 作用机制分析

上述研究结果表明，全面创新改革试验政策显著提高了企业全要素生产率，能够助力企业高质量发展。那么，具体的传导机制究竟如何？根据前文的理论分析，全面创新改革试验政策可以通过政策驱动和制度激励作用于企业生产率，其中政策驱动主要为政府创新补贴和企业融资约束缓解，制度激励更多地表现为创新制度改革所引致的制度性交易成本降低和企业技术创新。本文接下来从政府补贴、融资约束、制度性交易成本以及技术创新等方面探究作用机制。其中，政府财政补贴采用企业获得的政府补助(Sub)衡量，融资约束(Abssa)借鉴Hadlock和Yang(2010)做法，采用测算得出的SA指数衡量(具体计算公式为：-0.737×Size+0.043×Size2-0.04×Age)，制度性交易成本(Cost)借鉴王永进等(2018)做法，采用销售费用、管理费用和财务费用之和与总利润比率衡量，企业技术创新分别采用研发投入与总资产比率(RD)和专利申请数量对数值(Patent)衡量创新投入和产出。

回归结果如表11所示。(1)列政策差分项系数在1%的统计水平上显著为正，表明全面创新改革试验政策显著增加了试验区企业的政府补贴。试验区企业通过政府产业政策扶持，可获得大量的创新补贴和税收减免(Aghion等，2015)，能够直接或间接地缓解企业融资约束，从而为创新活动和生产率提升提供必要的资金支持。(2)列政策差分项系数在1%的统计水平上显著为负，表明试验政策能够有效缓解企业面临的融资约束。结合前文异质性回归结果，全面创新改革试验政策能够在较大程度上缓解企业尤其是民营企业和高技术企业研发投资和生产经营所面临的资金短缺问题，有效满足实业投资的需求，避免企业因资金不足而导致的资源错配问题，从而推动企业高质量发展。(3)列政策差分项系数在1%的统计水平上显著为负，表明试验政策显著降低了企业的制度性交易成本，即试验区的制度创新使得各类生产要素降低了交易成本，提高了生产效率。(4)和(5)列政策差分项系数均显著为正，这说明全面创新改革试验政策通过制度创新，有效激励了企业将更多资源投入到研发创新领域，显著促进了企业技术研发和创新产出，进而推动企业生产率提升。

表11 作用机制回归结果

上述分析表明，全面创新改革试验政策通过加大政府补贴、缓解融资约束、降低制度性交易成本和激励企业创新等机制，有效促进了微观企业生产率提升，进一步验证了前文理论机制。由此可见，作为新一轮创新驱动发展战略的“升级版”，全面创新改革试验区建设所带来的创新制度改革和创新环境改善，为企业交易成本降低和研发创新提供了有益的条件，显著提升了企业全要素生产率，从而推动了企业高质量发展。

七、 结论与建议

作为新时代深入实施创新驱动发展战略的制度创新，国家全面创新改革为企业高质量发展提供了关键的制度激励和政策驱动。本文基于2011-2018年城市层面与沪深两市A股上市公司层面的匹配数据，以全面创新改革试验区设立为准自然实验，运用双重差分模型探究了全面创新改革试验政策对企业全要素生产率的影响。研究发现，全面创新改革显著提升了企业全要素生产率，这一结论在采用倾向得分匹配、反事实检验以及考虑内生性问题等一系列稳健性检验后仍然成立。机制分析表明，试验政策一方面通过加大政府财政补贴，有效缓解了企业融资约束，产生了政策驱动效应；另一方面有效降低了制度性交易成本，加快推动了企业技术创新，发挥了制度激励作用。上述机制的协同作用，有力推动了企业全要素生产率提升。异质性结果表明，要素市场发育程度和行业竞争程度较高的城市，全面创新改革对企业全要素生产率的促进作用更为明显，且全面创新改革对高研发密集度企业和民营性质企业全要素生产率的促进作用更为显著。此外，统一大市场建设有助于进一步增强全面创新改革带来的制度红利，助推企业高质量发展。

上述研究表明，国家全面创新改革在助力企业高质量发展中产生了显著的微观经济效应。据此提出政策建议如下：一是深化新一轮全面创新改革，扩大创新改革在微观企业层面的试点和推广。新一轮试验区建设应着重发挥政策驱动和制度激励双重作用，优化创新环境、激发创新主体活力，释放创新领域改革对微观企业创新的制度红利。二是强化试验区的制度创新改革，激发试验区企业高质量发展的制度活力。在适当政策倾斜下着力构建破解制约微观企业创新驱动发展的制度激励举措，不断消除制度性隐性壁垒，加快推进知识产权保护、市场准入、行政审批等制度改革，推动形成服务实体企业技术创新的改革举措，助力企业高质量发展。三是构建助推企业提质增效的多元化政策激励体系。应针对不同地区、不同行业及不同企业特征，完善差异化的试验区政策制定，打造政产学研多元互动、优势互补的创新服务平台，为高新技术企业和民营企业提供良好的融资政策和创新环境，推动企业高质量发展。四是立足于统一大市场建设，构建全面创新改革与要素市场化改革协同互促的制度创新路径，培育公平公正的市场竞争机制。健全市场准入和准出的动态调整机制，营造公平竞争的良好市场环境，充分激发企业创新的内生动力，为经济高质量发展提供微观企业创新活力。