科技金融政策提高了企业全要素生产率吗？——来自中国工业企业的证据

■阳灿 刘明显 刘忍妹

一、引言

我国经济依靠要素投入和国外技术引进实现持续高速增长，目前已成为世界第二大经济体，制造业增加值位居世界第一。然而，我国制造业仍存在科技水平整体较低、高端制造业的科技水平与国际先进水平差距较大等问题。从以专利衡量的创新产出来看，近二十年来中国专利申请数量呈现爆发式增长态势，但创新质量并未同步提升，与创新大国差距明显，企业创新存在“重数量轻质量”的现象[1]。而与实体经济科技水平偏低形成鲜明对比的是金融业的快速扩张。从2005年开始，我国金融业增加值占GDP 的比重迅速提高，从3.99%增至2020年的8.27%，增幅超过一倍①。相比之下，2020年美国金融业增加值占比为8.23%，英国为6.89%，德国为3.62%②。在金融业规模增速与实体经济科技进步逐步背离的背景下，如何促进科技与金融有效对接以及如何提高金融服务实体经济的能力已成为不可忽视的问题。

科技创新活动的自身特性与我国金融体系固有的结构性矛盾是阻碍科技与金融有效结合的主要原因。科技创新投入大、周期长且风险高，科技企业大多以轻资产运营，创新成果以无形资产为主，缺乏银行放贷所要求的抵押担保品。从当前金融体系看，金融抑制现象更为普遍[3]。由于法律管制和行政壁垒，我国金融机构的设立条件和进入门槛较高，形成了以国有大银行为主的金融结构体系，股份制商业银行和地方性中小商业银行占比较低，证券市场和风险投资基金等各种直接融资方式发展缓慢。因此，在促进科技与金融相结合的过程中发挥政府“有形之手”的作用尤为重要。科技金融工作最早可追溯至20世纪80年代，经过20多年的发展，科技金融投融资体系初步形成。随着我国经济步入新常态发展阶段，经济转型任务对科技金融发展水平提出了更高的要求。为促进科技与金融的深度融合，科技部与一行三会在2011年联合推动科技与金融结合试点政策，完善了科技金融工作的顶层设计，优化了财政科技投入方式，充分发挥财政科技投入的引导作用和杠杆效应，以撬动金融资本和社会资本参与科技创新。科技与金融结合试点政策标志着科技金融工作进入了深化发展阶段[4]。综上，探究科技金融政策能否提升企业全要素生产率，对促进科技与金融高效融合从而推动创新型国家建设具有重要的现实意义。

根据研究方法可将现有关于科技金融的文献分为两类。一类通过构建科技金融指数探讨科技金融的经济效应。张芷若等[5]构建省级科技金融指数并基于空间计量模型发现科技金融能推动地区经济增长。王秀丽等[6]发现科技金融通过资本市场融资提高了地区国际技术专利申请水平。陈建丽[7]研究表明科技金融对制造业上市企业的研发投入具有正向激励作用。然而，这类研究容易受到测量误差和内生性问题的干扰。另一类文献将2011年底实施的促进科技与金融结合试点视作一项准自然实验，以科学地识别其因果效应。马凌远等[8]基于地级市面板数据，运用双重差分法发现科技金融政策显著提升了地区创新水平。冯永琦等[9]采用多时点双重差分法考察了科技金融政策对地区产业结构升级的影响，发现该政策通过提高金融发展水平和增加财政科技投入推动了产业结构优化升级。冯锐等[10]研究表明科技与金融结合试点显著提高了地区全要素生产率。但这类文献立足于宏观或中观层面，对作为创新主体企业的技术进步关注不足。少量文献从企业层面探讨了科技金融政策对技术进步的影响。余红伟等[11]以中小板和创业板上市企业为研究对象，发现科技金融政策促进了企业全要素生产率提升。孔一超等[12]发现科技金融政策通过激励中小高新技术企业增加创新投资提高了生产率。但这些研究大多以中小板、创业板或新三板上市企业为研究对象，可能存在样本选择局限问题，难以全面揭示科技金融政策对企业全要素生产率的作用效果。由于我国各种风险投资发展缓慢，创新投资过度集中于产业链和创新链后端，对种子期和初创期企业支持力度不足。在此背景下，科技金融政策能否提高成长期企业全要素生产率？同时，促进高科技行业技术进步是实现向制造业强国转变的根本途径，那么科技金融政策能否促进高科技企业全要素生产率提升？制度环境会对企业外部融资条件和创新行为产生重要影响，我国各地区经济、社会和文化发展的不平衡导致制度环境存在较大差异，科技金融政策的影响是否呈现出区域异质性？现有文献并没有对以上问题进行系统探讨。本文将2011年实施的科技金融政策视为一项准自然实验，运用PSM-DID方法试图对以上问题进行解答并探究科技金融政策提高企业全要素生产率的作用机制。

本文可能的边际贡献在于：（1）使用大样本的工业企业数据，有助于全面揭示科技金融政策的微观效应，进一步拓展了关于科技金融的研究范围。（2）从资金融通和资金使用两方面考察了科技金融政策提高企业全要素生产率的内在机制，并基于企业、行业和地区三个维度探讨了科技金融政策的异质性效果，为该领域的研究增添了新的经验证据。

二、政策背景和研究假设

（一）政策背景

经济体的金融结构应与其经济发展阶段相适应[13]。在新常态发展阶段，产业结构正由劳动、资本密集型向知识、技术密集型转型升级。在同一产业内部，自主研发创新逐渐替代国外技术引进和简单模仿创新推动企业技术进步。外部经营环境和自身盈利模式的变化促使企业外部融资需求从单一、短期、债权性向多样化、长期、股权性转变。然而，目前由国有大银行主导的金融体系难以匹配高科技企业、初创期企业和战略性新兴行业的融资需求。同时，处于经济转型期的科技产业也难以达到金融资本所要求的利润标准。因此，促进科技与金融进一步深度结合需充分发挥政府“有形之手”的作用。

为构建多层次、多渠道、广覆盖的科技金融投融资体系，2011年，科技部联合中国人民银行等部门开展了“促进科技和金融结合试点”，并确定了首批进行试点的16个地区共41个城市③。自政策实施以来，试点地区不断创新财政科技投入方式，除综合运用无偿资助、偿还性补助、股权投入、贷款贴息、保费补贴、税收优惠等方式对创新项目给予直接资金支持之外，还通过风险补偿、融资担保、设立创业投资引导基金、组建科技支行和科技小额贷款公司等举措，利用市场化机制鼓励金融资本和民间资本支持企业科技创新。截至2015年底，各试点地区相继出台了350 余项科技金融改革措施，设立了近40亿元的科技金融专项资金，在科技信贷、科技成果转化引导基金、多层次资本市场、科技保险、科技金融服务组织等多个领域取得一定进展[14]。因此，科技金融政策既是我国应对工业化中后期经济结构调整的阶段性制度安排，也是推进创新型国家建设的重要战略部署。综上，科技金融政策对企业而言是一个相对外生的冲击，这为本文使用双重差分法考察经济影响提供了依据。

（二）研究假设

加大研发投入以提升产品竞争力是企业获得竞争优势的关键。然而，广大民营企业和中小企业资金积累有限，盈利水平也极易受到市场环境、经济周期等因素影响而具有较高的不确定性，仅靠内源融资难以支撑长周期、高投入的创新活动。并且，由于行业技术前沿变迁较快，高科技企业往往没有稳定的生命周期，财务信息和组织结构波动较大，信用评估结果不理想。研发信息的专有性更是加剧了企业与银行等金融机构的信息不对称[15]。因此，创新企业在外源融资方面面临严重的融资约束。融资约束会抑制企业全要素生产率增长[16]。科技金融政策能通过以下几个方面缓解企业融资约束：（1）组建科技支行和科技小额贷款公司，直接对接创新企业融资需求，拓宽企业的融资渠道；构建政府、企业、金融机构和民间资本共同参与的、多元化的贷款风险分担机制，通过科技贷款补助、贷款贴息、风险补偿、融资担保、科技保险等手段分散科技创新风险，进而激励银行等金融机构对创新活动提供融资服务。（2）设立创业投资引导基金和科技成果转化引导基金，以股权投入的方式支持初创期和种子期科技企业；完善多层次资本市场建设，增大直接融资比重。有研究表明，以市场为导向的直接融资更有利于企业创新[17]。一方面，相比于银行信贷，股权融资不需要抵押担保品，为以轻资产运营的科技企业提供了融资便利，从而降低了其融资成本。另一方面，创新项目的高风险性使企业难以产生稳定的现金流，而股权融资不要求企业按时还本付息。同时，股权的分散性也有助于投资者规避风险。（3）健全科技金融中介服务体系，促进科技成果转化。科技金融中介机构是联通科技企业与金融机构的重要平台，能为企业提供信用担保、信息咨询、产权认证及交易、资信评级、科技成果评估等服务。科技金融中介服务体系的完善有助于克服科技和金融结合过程中的资源条件缺乏和信息不对称问题。融资约束限制企业为净现值大于零的项目融资，导致投资效率低下。融资约束的缓解能降低企业流动性风险，使企业有足够资金用于固定资产更新和研发投入，从而促进其技术创新和生产率提升。此外，融资约束的改善扩大了企业生产规模，规模经济能降低生产成本，有利于企业分摊固定资产投资的沉没成本，进而促使其进一步改进生产工艺。综上所述，本文提出如下假设：

假设：科技金融政策能促进全要素生产率的提升。

三、研究设计

（一）数据样本

本文以2008—2014年中国工业企业数据库中的企业为研究样本。该数据库的统计对象为所有国有工业企业和规模以上非国有工业企业。参照Brandt 等[18]的方法，按照法人代码、企业名称、法人代表、行政区划等对数据进行序贯匹配。对于其中的少数异常值做如下处理：（1）删除关键变量缺失的样本；（2）删除实收资本小于0的样本；（3）删除从业人员小于8人、开业成立时间为1949年之前的观测值；（4）删除流动资产大于总资产、固定资产大于总资产、资产负债率小于0或大于1等不符合公认会计准则的观测值。由于2010年数据质量较差[19]，故剔除2010年的样本，将2009年和2011年视为连续年份处理。将四位数行业代码以2002年国民经济行业分类标准为基准进行调整。城市层面变量来源于《中国城市统计年鉴》。为避免极端值影响，所有连续变量均进行1%和99%分位数的缩尾处理。

（二）变量定义与数据描述

1.被解释变量。本文参照鲁晓东等[20]的思路，同时采用LP法和OP法估计企业全要素生产率以确保结果的稳健性。由于从2008年起中国工业企业数据库缺失用于估算全要素生产率的工业增加值和中间投入，本文借鉴李青原等[21]以及寇宗来等[19]的做法，利用“中间投入合计=工业总产值×（销售成本÷销售收入）-应付工资-本年折旧”补齐中间投入，利用“工业增加值=工业总产值-中间投入合计+本年应交增值税”补齐工业增加值。应付工资和本年折旧在2008年和2009年缺失，使用插值法补齐④。在用OP法估算全要素生产率时需用到企业投资额，采用永续盘存法计算资本投入：

其中，Iit为企业i第t年的投资，Kit为企业i第t期的资本存量，δ为折旧率，参照聂辉华等[22]的研究，将折旧率设定为10%。为消除名义值的价格因素，以2008年为基期，用固定资产投资价格指数和工业品出厂价格指数分别对资本存量和工业增加值进行平减。

2.核心解释变量。我国分别在2011年和2016年开展了两次“促进科技和金融结合试点”，本文考察第一次试点对企业全要素生产率的影响。具体地，将首批41 个试点城市作为实验组，其他未受到政策影响的城市作为对照组。Treati为组别虚拟变量，试点城市赋值为1，未试点城市赋值为0。Aftert为事件虚拟变量。科技部在2011年10月确定了试点地区名单，考虑到政策实施的滞后性，将2012年作为政策开始实施时点，Aftert在2012年及之后赋值为1，2012年之前赋值为0。交互项Treati×Aftert为核心解释变量，其系数是本文所关注的科技金融政策对实验组和对照组的影响差异。

3.控制变量。企业层面变量包括：（1）资本密集度（Fix），固定资产除以从业人数再取对数；（2）流动资产比率（Liq），流动资产除以总资产；（3）企业规模（Size），年末总资产的自然对数；（4）企业年龄（Age），观测年份减企业开业成立年份后加1取自然对数；（5）企业年龄的平方项（Age2）；（6）管理费用率（Fee），管理费用除以主营业务收入。城市层面变量包括：（1）对外开放程度（Fdi），地区当年实际利用外资金额除以地区生产总值；（2）产业结构（Str），第三产业增加值占地区GDP 的比重；（3）经济发展水平（Pgdp），人均GDP的对数；（4）金融从业人员比重（Pfin），金融从业人员数除以地区单位从业人员总数。本文还加入了用主营业务产品销售收入计算的三位数行业代码层面的赫芬达尔指数（Hhi），以控制行业竞争程度对企业全要素生产率的影响。主要变量的描述性统计见表1。

表1 主要变量描述性统计

（三）模型设定

本文构建的双重差分模型如下：

双重差分变量Didit等于交互项Treati×Aftert。Xit为一系列控制变量。μi为个体固定效应，用来控制不随时间变化的企业自身特征。λt为时间固定效应，用来控制特定年份的宏观经济冲击。εit为随机扰动项。考虑到试点政策以各城市作为试点对象，不同年份的残差在同一城市内可能存在自相关，将所有标准误均聚类到城市层面。

四、实证结果分析

（一）倾向得分匹配

科技部等部门《关于印发促进科技和金融结合试点实施方案的通知》指明，将在科技金融资源密集地区先行试点，由各地区先进行申报，经科技部审批同意后才能获得试点资格。这使得实验组与对照组的选择是非随机的，存在自选择问题[23]。在构建双重差分模型之前，使用倾向得分匹配（PSM）方法[24]找出与实验组在其他方面最为接近的对照组，以缓解处理效应（Treatment Effect）的选择性偏差对结果的干扰。由于双重差分适用于面板数据，而倾向得分匹配适用于截面数据，现有研究主要使用混合匹配或逐期匹配来解决此问题。相比于将面板数据视为截面数据的混合匹配，逐期匹配不仅能避免“自匹配”问题，还能更好地控制时间效应。另外，过多的匹配变量会降低匹配质量[25]。因此，本文使用1∶1卡尺最近邻匹配方法以企业层面变量为依据进行逐期匹配。匹配前后的核密度图和共同取值范围见图1和图2（以2008年为例）。匹配前实验组和对照组核密度曲线偏差较大，匹配后趋势基本一致，共同支撑假设检验表明两组绝大部分样本都处于共同取值范围内，说明PSM有效地降低了样本选择偏差。

图1 匹配效果核密度函数图

图2 共同支撑假设检验

（二）基准回归结果

基于匹配后的数据，基准回归结果见表2。在控制了企业和年份固定效应后，无论是对于用LP法还是OP法估计的全要素生产率，DID的估计系数均在1%水平上显著为正。这表明与对照组相比，科技金融政策实施后实验组全要素生产率提高更多，即科技金融政策对企业全要素生产率具有正向影响，假设1成立。另外，表2（1）和（2）列的估计系数较为接近，说明回归结果较为稳健。

（三）稳健性检验

1.平行趋势检验。双重差分法要求政策实施前，实验组和对照组企业全要素生产率变化趋势基本一致。此处使用事件研究法进行检验。具体地，本文将核心解释变量DID替换为年份虚拟变量交互组别虚拟变量Treat，将2011年设为基期。回归结果如表3（1）和（2）列所示，交互项Treat_2008、Treat_2009的回归系数均不显著，说明各地区企业全要素生产率在科技金融政策实施前满足平行趋势假设条件。另外，从动态效应看，Treat_2012、Treat_2013、Treat_2014 的回归系数逐渐增大，这表明随着时间推移，政策效果具有放大趋势。

2.安慰剂检验。理论上，表2的回归结果可能是由于同期出现的其他政策或随机因素造成的，本文通过安慰剂检验来排除这些因素的干扰。删除2012年及以后年份的样本，将政策时间提前至2009年，将其作为虚拟的政策冲击时点，同时替换核心解释变量为Treat×Year2009。回归结果见表3（3）和（4）列，Treat×Year2009 的系数均不显著，表明全要素生产率的提升是由科技金融政策引起的。

表2 基准回归结果

表3 稳健性检验1

3.控制实验组时间趋势。为进一步排除实验组和对照组企业全要素生产率具有不同变动趋势的可能性，在模型（2）中加入实验组时间趋势项（Treat×t）作为控制变量进行回归，其中，t在2008年取值为1，在2009年取值为2，依次类推。表3（5）和（6）列结果表明，上述结论依然稳健。

4.删除直辖市样本。直辖市的科技金融发展较快，导致模型的反向因果和自选择问题更为严重。剔除直辖市样本后的回归结果见表4，DID的系数依旧在1%水平上显著为正。

5.排除其他政策干扰。首先，在模型（2）的基础上进一步控制行业时间联合固定效应，以消除行业层面的时变因素对结果的干扰。现有研究发现，2012年实施的绿色信贷政策、2009年出台的十大产业振兴规划以及“十二五”规划都试图通过金融手段来促进企业提升全要素生产率。表4（3）和（4）列表明，在加入了时间固定效应和行业固定效应的交乘项后，基准回归结果未发生显著变化。其次，在本文研究期内（2008—2014年），与科技金融政策类似的其他政策还包括国家创新型城市试点工作和成立国家自主创新示范区。自深圳市于2008年成为首个创新型城市试点地区以来，截至2014年，共有49 个城市先后获得试点资格⑤。此外，共有9个城市在样本期内成为国家自主创新示范区。本文在模型（2）中加入虚拟变量Region和Distric。若某地区在当年是国家创新试点城市，Region 取值为1；否则，取值为0。同样，当某地区在当年属于国家自主创新示范区，District赋值为1；否则，赋值为0。在消除这两项政策的干扰后，表4（5）和（6）列给出的结果并未明显改变前文结论。

表4 稳健性检验2

（四）机制分析

由理论分析可知，科技金融政策主要通过多项举措为企业研发活动提供融资便利，提高企业创新能力，从而推动全要素生产率提升。因此，本文从资金融通和资金使用两方面，考察政策冲击是否通过缓解企业融资约束和提高企业创新能力作用于全要素生产率。

1.资金融通方面。企业往往需要通过债务性融资和权益性融资来满足研发项目的大额资金需求。融资约束会抑制企业全要素生产率提升。如果科技金融政策通过改善企业融资约束进而提升全要素生产率，可以观察到政策冲击对全要素生产率的提升效应在高融资约束的企业中更明显。基于此，参照Hadlock等[26]的方法，用SA指数⑥来衡量企业面临的融资约束，然后按照当年所有企业SA指数的中位数将全样本分为两组，并定义虚拟变量FC，当SA指数大于中位数时FC取值为1，当SA指数小于中位数时FC取值为0，在回归方程中加入交互项DID×FC。表5汇报了对融资约束效应进行检验的结果。交互项DID×FC 的系数显著为正，说明科技金融政策通过缓解企业融资约束提高了全要素生产率。

2.资金使用方面。企业技术创新能力对全要素生产率有重要影响[27]。本文进一步从资金使用方面考察当融资约束缓解后企业是否增加了研发投入，提高了创新能力。由于中国工业企业数据库从2008年开始缺少企业研发投入数据，本文通过匹配工业企业数据库与国家知识产权局的企业专利数据库获得企业专利申请记录，并参照周煊等[28]的研究，使用专利申请数量来衡量企业创新能力。根据专利性质，可将所有申请专利分为发明、实用新型和外观设计专利。相比后两种专利，发明专利技术复杂度更高，申请难度更大，更能体现企业实际技术水平。本文使用发明专利来测度企业实质性创新，用专利总和衡量其整体创新水平。由于专利数据存在大量零值，对其加1取自然对数。从表5（3）和（4）列结果可以看出，DID 的系数均在5%水平上显著为正，说明科技金融政策显著提高了企业创新能力。

表5 机制分析

（五）异质性分析

1.基于企业产权的异质性分析。国有企业在融资过程中具有产权优势，商业银行更偏好于国有企业的低风险贷款需求。众多民营企业则面临相对严重的融资约束。因此，科技金融政策对非国有企业的影响可能更大。本文按产权性质将样本划分为国有企业和非国有企业。表6 的结果表明，科技金融政策对非国有企业全要素生产率的促进作用强于国有企业。

表6 异质性分析：企业产权

2.基于企业生命周期特征的异质性分析。处于不同生命周期阶段的企业具有不同的生产经营特征。成长期企业不仅需要加大对新产品的研发投入来迅速获得竞争优势，还需要大量资本性投入来扩大产能。然而，成长期企业盈利能力弱，内部资金积累不足，市场前景不稳定，限制了其外源性融资。成熟期企业经营相对稳定，逐渐积累的市场声誉能够帮助企业获得更多的外源性融资，因此处于这一时期的企业倾向于加大对高端创新项目的研发投入强度以扩大市场份额。衰退期企业往往面临组织架构僵化、经营能力下降等问题，管理者更愿意削减开支，采取保守型经营策略，往往通过以对现有产品的改进为主的创新活动来维持市场份额。因此，科技金融政策对成长期企业的影响可能大于成熟期和衰退期企业。参照Van Wissen[29]及董晓芳等[30]的做法，以年龄作为划分企业生命周期的标准。本文按照企业年龄的三分位数将样本分为成长期（1—7年）、成熟期（8—12年）和衰退期（13年及以上）企业。表7结果说明，科技金融政策对成长期企业全要素生产率的促进作用大于成熟期和衰退期企业。

表7 异质性分析：企业生命周期

3.基于行业外部融资依赖度的异质性分析。机制分析表明，缓解融资约束是科技金融政策影响企业全要素生产率的作用途径。如果该结论成立，那么其对外部融资依赖度较高的行业影响更强。借鉴张璇等[31]的方法，用行业长期负债除以行业固定资产来衡量企业外部融资依赖程度。具体地，行业外部融资依赖度（Efd）等于同行业企业的外部融资依赖度的均值。按照当年外部融资依赖度的中位数将行业划分为高融资依赖组和低融资依赖组。表8结果显示，科技金融政策对高融资依赖行业的全要素生产率提升更明显。这进一步证明了缓解融资约束是科技金融政策提高全要素生产率的重要渠道。

表8 异质性分析：外部融资依赖度

4.基于高科技行业与传统行业的异质性分析。参照傅元海等[32]的分类标准，将样本划分为高科技行业和传统行业⑦。从表9可以看出，科技金融政策对传统行业的全要素生产率作用更大。其原因在于：一方面，高科技行业往往是技术密集型行业，产品技术复杂度较高，行业技术前沿变迁较快，难以通过简单的模仿创新实现技术突破，必须依赖大量资金、人才投入以及长期技术积累才能获得竞争优势。而传统行业主要是资源密集型行业，产品技术复杂度较低，通过引进、模仿和改造便可提升产品价值。另一方面，相比于高科技行业创新活动的高风险性，银行更青睐于传统行业的低风险融资需求。因此，传统行业相对于高科技行业实现技术进步更为容易，科技金融政策对传统行业的全要素生产率作用更大。

表9 异质性分析：高科技行业与传统行业

5.基于地区创新环境的异质性分析。科技创新具有的高风险、长周期和正外部性特征会对企业创新行为产生负向激励，良好的制度环境会通过加强知识产权保护、优化资源要素配置、完善市场中介组织等方式降低企业创新成本。本文参考曹希广等[33]的研究，使用城市创新指数（Idex）来衡量地区创新环境。这一数据来源于复旦大学产业发展研究中心公布的《中国城市与产业创新力报告2017》。本文根据当年城市创新指数的中位数将样本划分为创新环境较好和创新环境较差的地区。表10结果显示，科技金融政策对企业全要素生产率的提升作用在创新环境较差的地区表现更明显⑧。这表明科技金融的发展能有效弥补制度条件的缺失，科技金融政策是促进制度环境较差地区企业实现科技进步的重要方式。

表10 异质性分析：地区创新环境

五、结论

如何实现金融与科技有效对接，更好地发挥金融在企业科技进步中的作用，对当前经济结构转型升级至关重要。本文以2011年实施的科技与金融结合试点政策作为准自然实验，使用双重差分方法考察了该政策对企业全要素生产率的影响。研究结果表明，科技金融政策显著提高了企业全要素生产率。机制分析发现，科技金融政策通过缓解企业融资约束和提高企业创新能力，进而提升了企业全要素生产率。异质性分析表明，科技金融政策对企业全要素生产率的提升作用主要存在于高外部融资依赖行业、传统行业和制度环境较差的地区，且对非国有企业和成长期企业的作用更大。

上述研究具有以下启示：（1）制定差别化的科技金融政策。科技金融政策对成长期、高外部融资依赖行业和制度环境较差地区企业的影响更为明显，是缓解民营企业融资约束和弥补地区制度条件不足的有效途径。因此，在进一步推广科技与金融结合试点工作时，需充分考虑企业产权、企业生命周期特征、行业类别和地区制度环境因素，在有限的财政科技资金和金融资源条件下，对民营企业、成长期企业、高外部融资依赖度行业以及制度环境较差地区企业予以重点关注，提高科技金融政策的针对性和有效性。（2）进一步推进金融市场化改革。发展市场化导向的股份制中小商业银行，推进多层次资本市场建设，提高直接融资比重。■

注 释

①数据来源于《中国统计年鉴》。由于《中国统计年鉴》只更新至2021年，故只获得2020年金融业增加值数据。

②各国数据来源于OECD网站。

③41个试点城市包括：北京、天津、重庆、上海、南京、无锡、连云港、淮安、盐城、徐州、常州、南通、苏州、镇江、扬州、宿迁、泰州、杭州、温州、宁波、湖州、合肥、芜湖、蚌埠、广州、佛山、西安、渭南、商洛、铜川、宝鸡、咸阳、成都、东莞、深圳、绵阳、武汉、长沙、青岛、大连和天水。

④对于在2008年和2009年之外依然存在样本的企业，利用该企业样本区间内平均折旧率推算；对于其他样本区间内不存在的企业，则根据同行业折旧率的均值调整。应付工资根据其占流动负债的比例采取同样的方法插补。

⑤不同年份入选的城市有重复，本文以该城市首次入选年份作为政策实施时点。

⑥SA=-0.737×Size+0.043×Size2-0.04×Age。

⑦高科技行业包括：通用设备制造业，专用设备制造，交通运输设备制造业，电气机械和器材制造业，通信设备、计算机及其他电子设备制造业，仪器仪表及文化、办公用机械制造业，化学原料和化学制品制造业，医药制造业，化学纤维制造业。其他为传统行业。

⑧由于创新环境较差地区的样本量较少，本文也通过纳入DID 与创新环境分组虚拟变量的交互项或按城市创新指数的均值分组进行回归，结论未发生改变。