主导产业政策与企业全要素生产率
2023-05-30于明超谭阳
于明超 谭阳
关键词：主导产业政策；开发区；全要素生产率；三重差分
一、引言
主导产业作为地区产业发展的主力军，往往具备较高的成长性和创造力，并具有广阔的发展前景。政府对主导产业实施扶持政策，或是出于对新兴产业的鼓励，或是出于对特色产业的保护，皆以充分发挥资源禀赋优势、提升产业竞争力并推动结构性升级为目标。然而早期的研究结果表明，产业政策的实施结果未必能够达到政策制定者的预期，在上世纪日本和土耳其失败的产业政策案例中，受扶持的产业不仅没有受到政策的显著影响，其增长水平甚至不及非目标产业（Krueger andTuncer，1982; Beason and Weinstein，1996）。因此，从20世纪80年代起，产业政策的有效性问题便饱受争议。Krugman（1983）从内生性角度进行了批判，认为产业政策是“挑选赢家”的低效做法；Baldwin（1992）从社会福利的角度出发，提出政府对于目标产业的保护和补贴，将导致社会整体福利受损。然而，有关产业政策的探讨并未就此沉寂，自2008 年金融危机爆发以来，产业政策的有效性问题再次引起热议，Stiglitz et al.（2013）称其为产业政策的“复兴”。此后有关产业政策的评价也出现了许多不同的声音，Aghion et al.（2015）不再局限于探讨产业政策的对错与否，转而关注起产业政策应当如何实施才能更有效率。运行良好的产业政策能够带来许多积极影响，不仅能够提升地区生产效率，还能促进区域产业结构的调整（韩永辉等，2017；宋凌云和王贤彬，2013），对于提升当地产业的竞争力也大有裨益（李力行和申光军，2015）。此次“复兴”后的产业政策与以往产业政策相比，增强了政策与区域之间的联系，并试图建立起一种基于地方特征的产业政策（陈国平，2006），这一特征揭示了新一轮产业政策的发展方向，也为后续研究提供了新思路。此后，依地区设立的产业政策便逐渐成为学者们关注的重点。
建立经济开发区是地方政府为增加就业、促进出口和经济增长实施的重要的区域性产业政策。区内的企业往往在税收、土地使用等方面享受优惠政策。另外，各级开发区在设立之初也会选定主导产业作为重点扶持对象，并通过采取一系列政策措施来巩固这些目标产业的发展（李强等，2012）。这使经济开发区同时具有了區域政策和产业政策的双重特征，主导产业能够在更有限的市（县）、区范围内得到更为精准的政策扶持。学者们也从地区经济发展、产业结构升级等角度对其政策效应展开了评估。Alder et al.（2016）研究表明，国家级开发区政策的实施不仅对于地区经济增长具有显著影响，还对周边地区产生了正向溢出效应。李力行和申广军（2019）认为开发区通过实施主导产业政策，有效整合了当地的优势资源，建立起完备的产业发展平台，从而推动了当地的产业结构的调整和升级。殷存毅和夏能理（2015）则提出，宏观指标无法准确评估主导产业政策的真实效果，原因在于某些地方政府会“政治晋升激励”将开发区作为促进经济增长的工具，从而违背了开发区建设的初衷。因此，开发区推行的主导产业政策，能否带来经济的持续增长，能否保障增长的质量，还需依据微观层面指标来进一步分析。而企业全要素生产率作为衡量效率水平的可靠指标，便成为了本文研究的重点。
现有文献中不乏围绕开发区、主导产业与企业主体展开的研究，但主要存在两方面问题：第一，有关开发区的研究多以开发区设立为准自然实验，直接将区内企业视为“处理组”，以双重差分法考察开发区内外政策效应的差异（李贲和吴利华，2018；晏国菀等，2020）。该做法未能将产业政策效果与区域政策有效分离，也未能剔除行业整体发展对区内企业造成的影响，研究结论可能存在偏误。第二，以往研究多以城市作为界定开发区范围的依据，如此设定的虚拟变量扩大了开发区的边界，与现实情况存在较大出入，削弱了研究结果的可靠性（李力行和申光军，2015；陈钊和熊瑞祥，2015）。本文在弥补上述不足的同时，进行了如下拓展：第一，本文将开发区设立之初选定的“主导产业”作为产业政策，在研究中采用了三重差分法，生成了时间、开发区与主导产业三个虚拟变量的交互项，有效将区域政策从产业政策中剥离，获得了主导产业政策的净效应；第二，在开发区范围识别上，本文通过三次筛选尽可能地缩小了开发区的识别范围，以获得更准确的边界信息，确保模型设定尽可能与现实情况相符；第三，本文在回归方法上进行了创新，不同于以往研究中仅考察单一时点的三重差分法，采用了“渐进式”三重差分法，根据各开发区设立的不同时点，更加灵活地设置处理组，以提高估计结果的准确性。值得一提的是，本文在主题上虽与林毅夫等（2018）的研究存在诸多相似之处，同样讨论了开发区内推行的主导产业政策对于企业全要素生产率的影响，但二者之间存在较大差异：其一在于时间跨度，本文选取了2000-2019 年的数据，而前者的数据跨度为2000-2005 年，时间甚至早于开发区“清理整顿”时期，因此未能概括开发区的长期变化情况；其二在于该研究未能将区域政策与产业政策有效区分开来，仍以地区虚拟变量代替产业政策指标，本文在此基础上进行了适当改良，获得了产业政策的净效应。
剩余部分的主要安排如下：第二部分主要结合以往研究成果，进行了理论分析并提出研究假说；第三部分主要介绍了样本的选取原则与数据的处理方法；第四部分重点展示并分析了基准回归结果，同时进行了平行趋势检验、相关性检验及安慰剂检验；第五部分为进一步分析，主要通过机制检验、异质性分析、溢出效应检验、内生性检验等手段，对回归结果进行再次验证；第六部分阐述了研究结果并提出对策建议。
二、理论分析与研究假说
在主导产业政策的影响下，企业不仅能够扩大生产规模、增强创新能力，还能获得长期成长，企业全要素生产率也能获得显著提升。各地政府通过向开发区内企业提供直接的资金补贴或间接的税收优惠，降低其融资约束，以帮助企业获得成本优势，从而改善企业营收状况，扩大企业的规模，使企业得以进一步成长（李贲和吴利华，2018）。主导产业的高成长性也决定了其在要素方面具有高密集度，要素的集聚既为技术升级提供了支撑，又逐步完善了企业的产学研整合能力，从而整体提升了企业的技术创新能力。该政策的实施降低了企业的研发成本，提升了企业的创新激励水平，也缓解了企业创新的资金压力。同时，基础设施的完善也降低了企业的研发风险，分摊了部分创新成本（李力行和申广军，2019）。与此同时，开发区管理部门也向企业传递了积极信号，激发企业管理者的创新意识，并带动企业创新（晏国菀等，2020）。企业成长及规模经济的形成将提升企业的融资能力，加之创新激励的作用，企业的生产设备与技术水平也将进一步提升，二者的共同作用将间接触发企业生产效率的增长。从直接效果来看，政府补贴在一定的临界值下对于企业生产率也具有显著的提升作用（邵敏和包群，2012）。由此得出假说1。
假说1：主导产业政策的实施，能够显著提升开发区内相关企业的全要素生产率水平。
主导产业政策对企业全要素生产率的影响主要通过“政策效应”和“集聚效应”体现出来。从“政策效应”的角度来看，为保障主导产业政策的顺利实施，政府部门在开发区内建立起完善的治理结构，并竭力营造良好的外部环境，还通过财政补助等手段提供了有效的内部激励。在上述因素的共同作用下，主导产业企业才得以快速发展。在治理结构方面，具有超高自主权的开发区治理部门，可以通过开展区内建设调动主导产业的生产积极性，并为这些企业设置更加合理的发展目标，从而影响主导产业企业的后续发展方向。在外部环境方面，随着主导产业政策的推行，政府也加大了对开发区内基础设施的建设力度，并逐步完善了相应的配套设施，环境硬件的改善为企业提供了良好的发展土壤，长期来看，这将为企业带来产品市场上的规模效应，从而提高企业研发投资的回报，并提升企业的全要素生产率（蔡晓慧和茹玉骢，2016）。在内部激励方面，管理部门通过提供政府补贴、放松信贷约束、增加税收优惠等方式，针对相关产业制定了一套具有非市场性和空间排他性特征的优惠政策。这些政策手段为企业发展提供充足的资金支持，也成为了推动主导产业企业发展的重要力量（殷存毅和夏能理，2015；郑江淮等，2008）。从“集聚效应”的角度来看，行政管理部门提供的税收优惠、产权保护等一系列优惠政策，以及完善的基础设施和先进设备，初步奠定了区内产业集群的基础（Combes et al.，2012）。然而企业早期的扎堆并不意味着形成了集聚效应，此时企业入驻的真实目的可能在于获取政策租（郑江淮等，2008）。随着开发区管理制度的规范化，当资本、知识和技术在区内被有效整合后，区内企业便通过共享原材料和劳动力形成专业化市场，集聚效应由此形成（郑健壮和吴晓波，2002）。以往研究表明，集聚效应可以通过提升资源配置效率（王永进，张国峰，2016），推动生产要素从低效率部门向高效率部门转移，从而带动企业的全要素生产率的提升（Melo et al.，2009）。综上可以得出假说2。
假说2：主导产业政策对于企业生产率的影响，主要通过“政策效应”和“集聚效应”两种机制实现。
产业政策对于周边地区的溢出效应也是以往研究中争论的焦点，关于正向溢出还是负向溢出这一问题，学者们看法各异，至今仍未得出统一的结论。林毅夫等（2018）通过整理企业周边的开发区数量信息，检验了区域型产业政策对于周边地区的影响，结果表明国家级经济开发区对于周边地区存在正向溢出效应。除了能使周边地区生产效率获得提升，Hale et al.（2011）还认为企业使用的先进技术和管理手段也会为周边地区带来正向溢出。也有部分学者持另一种的观点，他们认为开发区的建设会使周边地区遭受负面影响，为周边企业带来负向的溢出效应（Neumark and Simpson，2015）。唐诗和包群（2016）认为，政府对于主导产业的重复建设和过度开发，不利于周边地区同类产业的发展，将会影响周边地区企业的成长和生产率水平的提升。同时也有人认为，产业政策的实施对于周边地区并不存在溢出效应（Neumark and Kolko， 2010）。在对比众多结论之后，本文预设了假说3。
假说3：主导产业政策的实施，对于开发区周边地区的同行业企业存在负向溢出效应。
产业政策的实施效果在不同环境下也会产生差异化效果，外部环境的异质性以及内部特征的异质性，都是影响政策效应的重要因素。从外部环境来看，开发区横向及纵向的分类将会影响企业对于主导产业政策的反应（李力行和申广军，2019）。纵向分类下，不同级别的开发区之间存在着显著的差异。国家级开发区不仅受到当地政府的直接管辖，还要接受科技部或商务部的考核指导。国家级开发区以其考核指标体系作为主要发展目标，通过改善区内激励政策和提升区内产业结构达到提升企业发展水平的目的。省级开发区直接受到各区县政府的管辖，前有国家级开发区做风向标，后有区县内部特色产业指导方针坐镇，同时还具备开发区“升级”的激励，若省级开发区成功升级为国家级开发区，则会获得更大的政策优惠与审批权限。横向分类下，同级别但不同类型的开发区之间存在一定的差异。在国家级开发区中，高新技术开发区和经济技术开发区都是中央重点扶持对象，但在发展模式和侧重点上略有不同，经开区的发展以经济总量为衡量指标，注重发展的整体性，旨在以更加合理的布局及均衡的发展方针优化产业结构，通过整合优质资源推动产业集聚，进而通过产业集聚释放创新活力，以推动区内企业的升级。而高新技术开发区侧重于扶持具有自主创新力的企业，依托于具有较强专业水准的企业，制定相应的创新目标，并提供具有针对性的优惠政策，从而进一步提升区内企业的创新能力，提高整体竞争力（晏国菀等，2020）。另有学者指出，企业自身的生命周期、所有制形式等特征也会影响其对政策的反应，从而影响企业的生产水平（李子彪等，2017）。综上可以提出假说4。
假说4：主导产业政策的实施效果，会因开发区类型、企业特征、地理位置等差异化初始条件而产生差别。
三、样本与数据
（一）数据来源
本文主要选取了2000-2019年的沪深A股上市公司面板数据进行研究，将微观企业数据与宏观开发区信息相结合，并以《中国开发区审核公告目录（2018 年版）》作为识别依据，旨在检验开发区建设中，主导产业政策的实施对于上市公司全要素生产率的影响。文中对样本的具体处理如下。
1. 企业数据的选取。本文使用了2000-2019 年的沪深A 股上市公司面板数据，数据均来源于国泰安数据库（CSMAR）。在前期处理阶段，已对金融类企业、ST 类企业和PT 类企业，以及关键变量缺失的企业进行剔除；同时对原始数据在1%和99%分位数上进行winsorize 处理，防止估计过程中受异常值干扰。
2. 开发区及主导产业信息的收集。本文将《中国开发区审核公告目录（2018年版）》作为开发区数据来源（此后简称《目录》），该《目录》共包含了2543家开发区，其中包括552家国家级开发区及1 991 家省级开发区，国家级开发区又包括219 家经济技术开发区、156 家高新技术开发区，以及其余的海关特殊监管区域等。后续研究中所涉及的地理位置信息、开发区批准设立年份，以及主导产业等信息均从《目录》中获取。对于开发区内设立的主導产业，将其与《上市公司分类与代码》进行对照，并通过与企业信息匹配，获取企业是否属于主导产业的信息。
3. 企业是否位于开发区内的识别。本文通过以下三个步骤来识别“某企业是否位于开发区内经营”：（1）使用关键字识别方法，对于可能位于开发区内的企业进行筛选，按照开发区相关特征字段进行识别，以缩小识别范围①；（2）对于国家级开发区，根据《国家级开发区四至范围公告目录（2018 年版）》中划分的四至范围，将开发区定位与企业注册地进行逐一匹配，将开发区范围内的企业识别为国家级开发区；（3）对于省级开发区，由于各省份尚未更新开发区的边界信息，只能依据开发区所在地关键字进行识别，若该企业注册地与省级开发区所在地的区（县）信息相匹配，则判定其为省级开发区内经营企业。本文通过对企业注册地的三次筛选，在以往研究的基础上，进一步缩小了开发区的识别范围，力求清晰划分开发区的边界，以便后续研究与检验。
4. 企业是否属于主导产业的识别。本文对于“某企业是否属于主导产业”也进行了识别，以《目录》中各开发区对应的主导产业信息为依据。识别过程如下：首先，以《上市公司分类与代码》为标准，将《目录》中主导产业的文字信息转换为可识别的代码信息；随后，将上市公司的行业代码与主导产业代码相匹配，以判断企业是否为主导产业。鉴于本文不仅关注了主导产业政策对于开发区内不同产业的影响，还关注了该政策对于当地同行业企业的影响，因此在主导产业识别过程中，本文对识别范围进行了扩展，将其扩展至开发区所在的地级市层面。具体判定方法如下：若某企业所属行业的分类代码，与当地开发区扶持的主导产业中任意一类相符，无论其是否位于开发区内，均定义为“属于主导产业的企业”②。不同于以往研究，本文选取主导产业指标的依据，并非各省份规划中确定的主导产业信息，而是《目录》中设定的标准。原因在于开发区公布的信息更符合当地产业发展状况，也更具有针对性。而对于主导产业虚拟变量进行识别，则有助于本文在后续研究中将产业政策从区域政策中剥离，以获得产业政策的净效应。
（二）变量选择
1. 被解释变量。本文使用企业的全要素生产率作为被解释变量，采用LP 法进行测算，该方法使用中间投入品作为代理变量，能够较好地解决内生性问题。具体测算方法为，将产出变量Y 用企业增加值表示，企业增加值=职工薪酬+固定资产折旧+营业利润+应交税费；劳动投入变量L 用上市公司职工人数表示，资本投入变量K 用固定资产净值表示，中间投入M 用购买商品、接受劳务支付的现金表示（即营业成本+销售费用+管理费用+财务费用-折旧摊销-支付给职工以及为职工支付的现金）；对各变量均取对数后进行回归，从而得到全要素生产率指标。
2. 核心解释变量。本文将三重差分虚拟变量（Treat×Post×Lead）作为核心解释变量，反映了“该企业是否为开发区内主导产业”，若是则取1，否则取0。该指标的估计系数揭示了开发区的设立、主导产业政策实施对于辖区内外企业全要素生产率的影响。由于本文采用“渐进式”三重差分模型进行回归，参考Beck et al.（2010）的设定方法，将主导产业政策虚拟变量（TreatPostLead）作为一个整体看待，此处以乘积形式出现，仅是出于方便观测和理解的目的。
3. 控制变量。参照谭静和张建华（2019）的设定，选取了如下控制变量：（1）企业年龄（Age）：用当前年份减去企业成立年份后加1 并取对数表示；（2）企业规模（Size）：以资产总数的对数表示；（3）企业杠杆率（Leverage）：以总资产与总负债的比值表示；（4）现金流量（Cashflow）：以货币资金与总资产的比值表示；（5）固定资产规模（PPE）：以固定资产净额与总资产的比值表示；（6）流动性比率（Liquidity）：以流动性资产与流动性负债的比率表示。变量的描述性统计如表1 所示。
四、计量模型与实证结果
（一）平行趋势检验
三重差分估计结果满足一致性假定的前提是具备共同趋势，为验证上述模型是否适用于本文的研究，本文参考了Jacobson et al.（1993）提出的事件研究法，基于双重差分模型的平行趋势检验方法，通过设置年份差额来考察企业全要素生产率在开发区政策实施前后的变化情况。由于各开发区设立时间不同，无法以单一年份作为政策实施年份，因此本文将政策区间与各开发区设立年份相减，获得了各开发区的成立时长，并在横坐标中进行了展示。同时，在纵坐标中展示了上市公司全要素生产率的平均变化程度，将二者进行组合后，可以观测政策实施前后企业生产率变化的动态效应。
图1 中展示了各开发区设立前9 年至后6 年间各时点的不同估计值①。该图反映了95%的置信区间下系数α-9 到α6 的估计结果，图中排除了政策实施当年的估计结果，仅呈现了政策前后变化的动态效应。从图中可以看出，政策实施前9 年估计系数αT 均不显著，实施后6 年的估计系数出现了显著上升的态势，表明开发区设立前，处理组与对照组企业间并不存在明显的生产率水平差异，开发区对于主导产业的选择亦不存在“挑选赢家”的情况。该结论满足了共同趋势的基本假定，说明回归结果具有可靠性。
（二）相关性检验
除共同趋势假定外，本文的实证分析还基于另一则基本假设，即企业全要素生产率的变化并不会影响其进入开发区的时间。换言之，开发区设立的时间点，不随政策实施前处理组样本估计系数的变化而变化。为验证这一假设，本文参照Beck et al.（2010）的研究，绘制了一个被解释变量与政策处理时间的散点图（见图2）。图2 中展示了开发区设立前，企业全要素生产率平均估计系数的分布情况。从图中可以看出，上市公司生产效率与开发区设立的时间点之间不存在相关关系，表明不论处理组生产率水平高低，均不会影响其进入开发区的时间，并非越接近政策处理时间，企业绩效就会越好、生产率水平越高。本文还补充检验了因變量平均变化率的系数与时间的相关关系，并绘制出相应的散点图，结果仍显示二者之间不存在相关关系。
（三）渐进三重差分模型
主导产业政策是一项依地区制定的产业政策。开发区在建设的过程中，是如何利用主导产业政策影响当地产业发展的，该政策对于开发区外同行业企业是否具有普惠性影响，是本文关注的重点问题。为将产业政策从区域政策中剥离出来，以获得主导产业政策的净效应，本文参考了陈林（2018）、任胜钢等（2019）的方法，采用三重差分模型进行研究。在识别开发区地理范围的基础上，进一步增加了对主导产业的识别，构建起时间、开发区、主导产业虚拟变量的交乘项，以及两两之间的交乘项，从而获得了完整的三重差分模型。由于各地开发区设立时间不一致，单一时点的设定此时也不再适用，因此本文构建了一个“渐进式”三重差分模型（Time-varying DDD），以提高回归结果的准确性。具体设定如下：
在该模型中，对于估计系数之和的分析有助于阐明后续的回归结果，其中（α1+α2+α4）表示开发区设立后，辖区内受主导产业政策扶持的企业全要素生产率的变化情况；α2表示开发区内非主导产业企业，在政策实施前后全要素生产率水平的差异；二者之差（α1+α4）则反映了开发区内主导产业与非主导产业受政策影响的差异程度。同时，将开发区外的同行业企业与非同行业企业进行比较可知，系数α4反映了主导产业政策的实施对于开发区外企业的影响。在上述两组差分结果的基础上，再次进行差分，可得三重差分项系数α1，该系数反映了主导产业企业在开发区内外、政策实施前后的生产率水平差异。若该系数显著为正，表明在开发区建设过程中，主导产业政策的实施有效提升了企业的全要素生产率水平，即开发区的建设，主导产业政策的实施为上市公司带来了积极的政策影响。
表2 中展示了三重差分模型的回归结果，第（1）-（4）列分别展示了在加入控制变量的前提下，逐步控制时间固定效应、行业固定效应以及两两联合固定效应的结果。考虑到不同地区、不同行业内的企业发展状况会随时间的变化而产生变化，因此加入了时间-地区和时间-行业的联合固定效应，以获得更为准确的估计结果。回归结果表明：
第一，不论对模型施加何种控制，三重差分项的估计系数α1均在1%的显著性水平上正向显著，表明开发区设立、主导产业政策的实施显著提升了企业的全要素生产率水平。以表2 第（4）列的估计结果为例，可知开发区建设带来的产业政策净效应约为6.56%，并且该结果大于双重差分模型的估计结果①，表明仅从区域层面对开发区进行识别而后开展的检验，将低估主导产业政策的实施效果。第二，通过对估计系数求和可以发现，系数和（α1+α4）在表2中均显著大于零，表明在开发区内部，主导产业企业比非主导产业企业的生产率高约3.88%。第三，系数α2的估计结果均不显著，说明开发区内非主导产业企业，在开发区设立前后的全要素生产率并无显著差异，即开发区设立带来的政策效应主要作用于主导产业企业。第四，反映区外同行业企业生产效率变化的系数α4呈负向显著，表明区外的同行业企业未能受到政策的积极影响，全要素生产率反而呈现下降的趋势，即开发区的设立、主导产业政策的实施，尚未给当地产业带来普惠性影响。原因可能在于，地方政府为重点扶持开发区内的主导产业，会借助政策优惠，使资本、劳动力等生产要素从周边地区转移进开发区，该做法将导致周边地区相关产业的竞争力被逐步削弱，造成负向溢出。后文中的溢出效应检验对该结论进行了验证。
（四）安慰剂检验
我们决定采用替换因变量、改变政策处理时间和随机生成处理组的方式进行安慰剂检验。首先，通过调整因变量测算方法和替换企业绩效指标，来检验相似的因变量是否也受到开发区政策的影响；其次，试图将政策处理年份提前，考察主导产业政策对于非真实的处理组是否仍具有显著影响；最后，使用随机生成处理组的方法，验证是否存在其他随机因素影响开发区内的企业绩效。
1. 调整因变量测算方法。不同于基准回归中使用的LP方法，此处使用OP 法（Olley and Pakes，1992）重新测算企业的全要素生产率后再次进行估计，以检验回归结果的稳健性。使用OP 法测算时，产出变量Y 仍用企业增加值表示，劳动投入变量L 用上市公司职工人数表示，资本投入变量K 用固定资产净值表示，投资变量I 用固定资产投资额表示，退出变量Exit 用上市公司退市与否表示；控制变量为State和EX，前者为反映是否为国有企业的虚拟变量，后者为反映公司是否参与出口活动的虚拟变量。表3中（1）列展示了三重差分模型中，開发区设立对于企业全要素生产率的影响，回归结果在1%的显著性水平上正向显著，且与LP 法的估计结果基本一致，说明回归结果具有稳健性。
2. 替换企业绩效指标。在以往研究中，学者们通常以会计业绩和市场业绩来衡量企业的经营绩效。其中以总资产收益率（ROA）和净资产收益率（ROE）为代表的会计业绩，反映了企业的盈利能力，该指标能够用于衡量股东回报率的高低；而托宾Q（TobinQ）则是从市场角度界定企业价值的指标，反映了投资者对于企业前景的认可程度，可以用于评估企业的成长性和经营管理情况。本文分别使用了上述三个指标，对模型中的因变量进行替换。表3 第（2）-（4）列结果表明，不论是以会计业绩还是市场业绩来测度企业绩效，主导产业政策均对其产生了显著的正向影响，该政策有效改善了企业的经营状况，促进了企业向好发展。该结论也证明了基准回归结果具有稳健性。
3. 改变政策处理时间。将所有开发区的政策实施年份提前两年，对原本的政策处理年份进行调整，随后将原有的政策处理组与新的政策处理年份相结合，重新构建一组政策处理变量，并将其对因变量进行回归，得到表3 中（5）（6）列的结果。结果表明在非真实的政策处理时间下，三重差分项的估计结果均不显著，即企业全要素生产率水平的变化是因政策实施而发生的，并且只有在真实的处理组中政策效果才会显现。回归结果具有稳健性。
4. 随机生成处理组。尽管基准回归结果已证明，主导产业政策对于企业全要素生产率会产生显著影响，但在现实情况中，除开发区政策外，其他诸多随机因素也会对企业绩效造成影响。为证明偶然因素难以驱动实证结果，本文参考石大千等（2018）、刘畅等（2020）的研究，使用随机生成处理组的方式，并重复多次实验，以考察“伪政策处理组”的系数是否显著。以2010 年样本为例，该年份样本中共有处理组709 个、控制组651 个，因此需随机抽取709 个“伪处理组”样本，并重复该实验500 次，以绘制出虚构情形下的估计系数分布图（图3）。图中x 轴表示“伪政策虚拟变量”的估计系数大小，水平虚线表示10%的显著性水平，垂直虚线是基准回归中的真实估计值0.063 5。从图中可以看出，估计系数基本集中在0 附近，大部分估计系数的p 值在10%的水平上不显著，真实估计值是一个显著的异常值。表明估计结果不是由偶然因素驱动得到的，并未受到其他政策和随机因素的影响。
五、进一步分析
基准回归结果已阐明了主导产业政策对于企业全要素生产率的影响，为理清变量之间的影响机制，下面将从“政策效应”和“集聚效应”两个角度入手，着重考察主导产业政策对于企业绩效的影响路径。同时，本部分还将通过异质性检验，分析差异化初始条件会对政策实施效果产生何种影响；通过溢出效应检验，考察开发区所在地辖区外的同行业企业，是否受到了负向挤出效应的影响；通过内生性检验，缓解因反向因果和选择偏误造成的内生性问题。
（一）机制检验
1. 政策效应检验。首先，考察主导产业政策通过增加政府补贴（Subsidy）提升企业绩效的路径。根据邵敏和包群（2012）的研究，将政府补贴表示为（1+政府补贴）的对数，该值越大说明政府的政策支持力度越大。表4 中（1）（2）列反映了政府补贴作为中介变量的回归结果，其中（1）列考察了开发区设立后，政府对于主导产业补贴力度的变化，回归系数显著为正，表明主导产业企业在进入开发区经营后，获得了大量来自政府的资金补贴，政策支持力度较大；第（2）列结果表明由于政府的资金补贴，企业的生产能力得到了提升，全要素生产率水平逐渐提高，其中主导产业政策变量与政府补贴变量的估计系数均与预期相符，表明开发区建设过程中，主导产业政策通过“政策效应”影响了企业全要素生产率水平。
其次，验证主导产业政策通过放松信贷约束（FC）拉动企业绩效的路径。参考鞠晓生等（2013）的研究，使用SA 指数来测度企业的融资约束水平，其中SA=-0.737*Size+0.043*Size2-0.040*Age，对其取绝对值后可获得融资约束指标。该指标越大，越说明企业面临的融资约束程度越高，补充资金的渠道减少、难度较大。表4 第（3）列结果表明，开发区内主导产业政策的实施，有效缓解了上市公司受融资约束的程度，显著降低了企业的融资难度，为企业的资金运转提供了保障。该结论表明，主导产业政策通过放松企业信贷约束的途径，有效促进了企业全要素生产率水平的提升。
2. 集聚效应检验。鉴于以往研究中检验集聚效应的方法尚不统一，本文决定从不同角度入手，分别以开发区内企业数量和开发区内企业竞争程度作为中介变量展开检验，以全面考察开发区设立带来的集聚效应。首先，参考林毅夫等提出的方法，使用开发区内企业数量指标（Number）进行集聚效应检验，通过构建如下模型，检验开发区内企业数量的变化对于企业全要素生产率的影响：
其中，Numberict 表示c 城市的i 企业在t 年其所在开发区内企业的数量，其余变量与前文相同。检验结果如表4 第（4）列所示，企业数量的估计系数α1为正向显著，表明开发区内企业数量的增加，将显著提升区内企业的全要素生产率水平。原因可能在于，区内企业数量增加引发了企业之间对于资源的争夺，迫使企业不断提高生产效率并增强自身实力，以提升自身的竞争力，从而获得更多的生存空间。
然而集聚效应带来的企业全要素生产率提升，真的是通过引发区内企业竞争实现的吗？为解决这一问题，本文参考谭静和张建华（2019）的方法，使用赫芬达尔—赫希曼指数（HHI）对行业间的竞争程度加以检验，以判断集聚效应是否加剧了企业间的竞争。该指标越大，说明行业集中度越高，垄断程度越高；反之，则说明该行业中企业众多且竞争激烈。如表4 第（5）列所示，开发区的设立使得行业集中度降低，企业间竞争加剧，竞争效应增强，有助于激发企业活力；第（6）列的估计结果显示，HHI 与三重差分项的估计系数均在1%的水平上顯著，且符号相反。上述结论表明，主导产业政策实施后，大批企业入驻开发区，并在区内形成集聚效应，导致企业间竞争的加剧。而处于竞争环境下的企业为获取更多生存空间，不得不提升自己的生产效率，以实现更加长远的发展。由此进一步证明了，主导产业政策的实施将带动企业全要素生产率的提升。
（二）异质性检验
考虑到我国开发区的种类众多，不同类型的开发区在发展目标和功能定位上也有较大差异，地理位置上的差异也会对估计结果造成不同程度的影响，因此仍需进一步对开发区的异质性加以探讨。除此之外，企业自身的所有制形式、规模大小以及生命周期等因素，也会影响其对于政策的反应程度，所以对于企业自身异质性的考察也有待展开。
1. 开发区异质性分析。第一，类型异质性。本文依据行政级别和目标定位，对开发区进行横向和纵向的划分，按照纵向分类可以将开发区分为国家级开发区和省级开发区；在国家级开发区内部可以进行横向分类，分为经济技术开发区和高新技术开发区。第二，区位异质性。由于早期建立的开发区多位于沿海地区，随着政策的推广才逐渐从沿海向内陆扩展，可见区位条件是影响开发区规划的重要因素。那么区位条件的差异是否会影响政策实施的效果，便是本文进一步探讨的问题，本文将样本划分为沿海地区和内陆地区，若企业于沿海开发区①经营则作为处理组取1，其余作为对照组取0。
表5 中（1）（2）列展示了纵向分类的估计结果。国家级开发区内经营的企业受政策影响更大，其估计系数在1%的显著性水平上显著为正，而省级开发区的估计结果并不显著，说明国家级开发区带来的政策效应要显著优于省级开发区。其原因可能在于：第一，由于两类开发区的治理结构和管理模式不尽相同，导致了二者在优惠政策和投资审批权限上存在较大差异，从而导致企业在不同级别的开发区内发展状况相距甚远。第二，级别更高的开发区内企业数量也更多，相互之间的竞争也更加激烈，企业迫于竞争压力不得不主动提升各自的全要素生产率，以获得更多竞争优势。第三，由于部分省级开发区在发展模式和扶持政策上未能做到因地制宜，仅仅是对国家级开发区模式的简单复刻，导致区内企业未能及时获得外部支持，从而无法实现企业全要素生产率的提升（吴敏和黄玖立，2017）。
表5 中第（3）（4）列展示了横向分类的估计结果，反映了在国家级开发区中经开区与高新区的设立对于企业的影响。二者的估计系数均为正向显著，表明经开区与高新区的设立均显著提升了企业的全要素生产率。通过系数的对比可知，经济技术开发区的政策效应略强于高新技术开发区。表5 中第（5）列显示，企业在沿海地区的开发区内经营时生产率提升效果更好，表明沿海地区实施的主导产业政策效果更佳。在区位优势的加持下，企业将在沿海开发区内获得更高效的发展。综上所述，对于企业而言，进入开发区经营是更为明智的选择，且国家级开发区、经济技术开发区以及沿海地区开发区的建立，在提高企业生产效率方面具有突出的效果。
2．企业异质性分析。从上述分析中可知，开发区类型的异质性会给企业全要素生产率带来不同程度的影响。然而，此前的讨论均忽视了企业自身的特征差异，若不对企业本身的条件加以界定，则无法获得有效的估计结果。因此，本文通过对企业所有制形式、企业规模以及企业生命周期进行划分，来观测异质性企业是如何对主导产业政策作出反应的。表6 中第（1）列展示了不同所有制企业受主导产业政策影响的结果，其中将国有企业作为处理组（SOE=1），将非国有企业作为对照组（SOE=0），对交互项（Treatic×Leadij×Postit×Soeit）进行估计，结果显示国有企业受政策影响后，全要素生产率的提升程度大于非国有企业，表明产权形式的差异影响了企业受主导产业政策影响的结果。第（2）列展示了企业规模异质性检验的结果。对交互项（Treatic×Leadij×Postit×Sizeit）进行估计可知，企业规模的差异也会影响政策实施效果，规模越小的企业受政策影响越明显，企业的全要素生产率提升更多。第（3）列展示了企业在不同生命周期受政策影响的结果。根据企业成立时间的长短，将其划分为成长期和初生期企业，成立时间超过15年的定义为成长期企业，取值为1，否则定义为初生期企业，取值为0。结果显示，交互项（Treatic×Leadij×Postit×Lifeit）的估计系数显著为正，表明成长期企业在主导产业政策的影响下，企业生产效率的提升效果更加明显。
（三）溢出效应检验
上文中三重差分估计结果表明，主导产业政策的实施，在推动开发区内企业发展的同时，也对区外同行业企业造成了负向影响。为解释这一现象成因，本文对主导产业政策的溢出效应进行检验，通过考察开发区外的同行业企业在政策实施前后的差异，判断它们是否受到了开发区负向溢出效应的影响。
此处定义了一个用于识别开发区所在地辖区外同行业企业的虚拟变量（Outside）。在剔除开发区内的企业样本的基础上，对剩余不在开发区内经营的企业加以识别，若“某企业属于主导产业，且所在市（县）中已设立开发区”，则将其作为处理组取1，其余企业作为对照组取0。本部分仍使用“渐进式”回归方法进行估计。随后将企业全要素生产率对该虚拟变量（Outsideij×Postit）进行回归，估计结果如表7 所示。无论是否加入控制变量，溢出效应回归结果均为负向显著，表明主导产业政策实施后，开发区外同行业企业的全要素生产率水平呈显著下降趋势，即该政策具有负向溢出效应。
（四）内生性检验
为解决由遗漏变量和反向因果造成的内生性问题，本文提出以下几种解决办法。第一，考虑到企业绩效水平不仅能够用于评估开发区的政策效应，亦会影响开发区对于区内企业的选择，因此模型中可能存在由反向因果造成的内生性问题。为解决该问题，本文参考了余淼杰等（2017）的检验方法，将1992-2002 年间设立的36 个国家经济技术开发区作为研究对象，重点考察在外生的政策冲击之下，开发区内企业经营绩效的真实变化情况。此阶段恰逢我国经济转轨期，推进开发区建设的主要目标在于进一步实现扩大开放。因此，自1992 年起，我国开发区的选址不再局限于沿海地区，逐渐实现了由沿海向内陆、向省会城市以及全国重点城市的拓展。本轮批准设立的开发区在选址上具有较强的外生性，均处在行政级别相当、地理位置相近的区域，地区工业基础不再作为关键指标影响开发区的设立，因此可以有效解决开发区的内生性问题。表8 第（1）列展示了1992-2002年间设立的开发区对于企业全要素生产率的影响程度。结果表明，在内生性问题得以解决后，开发区政策的实施仍能显著提升企业的全要素生产率，即基准回归结果稳健可靠。
第二，为修正样本选择性偏误，本文参考了吴一平和李鲁（2017）、石大千（2018）的研究，使用基于倾向得分匹配的双重差分模型（PSM-DID），对开发区的政策效应进行检验。由于开发区批准设立时间存在差异，因此单一时点的匹配方法不适用于本文的研究，此处使用逐年匹配的方法，对于2000-2019 年间的每个年份，基于近邻匹配1：1 确定权重，并采用Logit 模型分别估计倾向性得分，再将各年份匹配结果汇总，以获得本文所需的匹配结果。匹配过程中使用的协变量包括：企业年龄（Age）、企业规模（Size）、企业杠杆率（Leverage）、现金流量（Cashflow）、净资产收益率（ROE）。上述协变量控制了企业的规模及盈利情况，将盈利水平相当的企业进行了匹配，以达到缓解样本选择偏误的目的。在进行PSM-DID 估計前，需要提前检验倾向得分匹配结果是否满足共同支撑假设。由附表2 和附图2 可知，协变量偏差值的绝对值均小于5%，匹配后的处理组与对照组不存在显著差异，匹配结果较为理想，可用于进行下一步的双重差分检验。表8 第（2）列中PSM-DID 的回归结果表明，对匹配后的样本进行估计，能够获得比基准回归更加显著的结果。表明在排除了企业规模和盈利能力的干扰后，开发区对于企业全要素生产率的提升效果仍然稳健且显著。
第三，考虑到开发区在设立之初，可能会形成一定的筛选机制，以吸引生产效率更高、经营绩效更好的企业入驻，本文为缓解由于此类问题造成的估计结果偏误，将部分开发区建立之前的企业作为处理组进行回归。观察此类不受开发区筛选机制影响的企业，在开发区建立后经营绩效的变化情况。统计结果显示，在3 626 家上市公司样本中，共有1 093 家企业的成立时间，早于其所在开发区设立的时间，占比超过总样本量的30%。表8 第（3）列的估计结果也显示，这些先于开发区存在的企业，在受到开发区政策影响后，生产效率出现了显著的提升。此结论进一步证实，企业生产经营状况的改善，主要是受到了开发区政策的影响，政策优惠在其中发挥了关键作用，并非是由于企业本身绩效水平较好而获得开发区青睐。该结论再次印证了郑江淮等（2008）的研究结论，即企业向开发区集聚是在政府优惠政策推动下产生的结果，并非开发区通过筛选机制主动选择出的结果。
六、结论与政策启示
本文基于2000-2019年沪深A股上市公司面板数据，从开发区设立的准自然实验入手，以开发区设立之初选定的“主导产业”作为产业政策变量，运用三重差分法剥离开发区建设造成的区域性影响，重点关注开发区设立作为产业政策，对于企业全要素生产率产生的净影响。在研究过程中，本文构建了一个由开发区、主导产业与企业三个虚拟变量组成的交互项，将其作为主导产业政策虚拟变量纳入回归，以此来评估产业政策的实施效果。
研究结果表明：第一，主导产业政策的实施，有效提升了开发区内相关企业的全要素生产率，表明产业政策能够拉动企业绩效的增长。第二，主导产业政策主要通过提供政府补贴、放松信贷约束等手段，在开发区内形成“政策效应”，以此提高了对相关企业的政策吸引力，带动了更多企业向区内集聚。同时又通过“集聚效应”在区内营造竞争环境，搭建良好的竞争平台，迫使企业在竞争中不断提升自身的生产效率。第三，该政策对于开发区外的同行业企业造成了负向溢出，在一定程度上抑制了周边产业的发展，未能给当地产业带来普惠性影响。第四，主导产业政策的实施效果因开发区类型而异，国家级开发区的政策实施效果要强于省級开发区，经济技术开发区对于企业的影响要胜过高新技术开发区，沿海开发区比内陆开发区受政策影响更显著。第五，企业自身的异质性也会影响主导产业政策的实施效果，国有企业相较于非国有企业受政策影响更显著，小规模企业在政策影响下生产率提升效果更明显；成长期企业比初生期企业更易受到主导产业政策的影响。
根据上述结论，可以得到以下启示：第一，为保障区域经济的高质量发展，政府可以在后续建设中，对开发区定期进行考察整顿，对布局不合理的开发区加以规范，合并周边重复建设的主导产业，并及时调整开发区的覆盖范围。第二，在充分利用政策效应优势进行建设的同时，开发区还应实施重点推进，对发展较好的辖区保持关注，在区域协同发展的过程中形成示范效应，积极带动其他各类开发区的共同发展。第三，对于省级开发区的建设仍有待进一步规范，各地需因地制宜、对症下药，不能简单复制国家级开发区的发展模式。只有在合理规范的管辖下，省级开发区内的企业才能实现竞争力的提升。第四，开发区建设过程中，不仅要注重对主导产业的扶持，也应当兼顾开发区外的同行业企业，使区内企业的示范效应扩散到区外，发挥正向的带动作用，只有在相互促进的前提下，才能实现区域协调可持续发展。第五，为适应新时期的新发展格局，开发区也应确立全新的发展目标，制定顺应当前形势的发展战略，有针对性地为园区内企业提供发展帮助，及时调整发展政策、补齐政策短板。在未来发展中，开发区可能面临着产业转型升级、新旧动能转换等诸多挑战，但也因创新驱动发展战略而具备新的机遇。只有积极应对新挑战，并努力把握新机遇，才能促使开发区实现新的跨越。
