學(xué)報(bào)

SHOUDU JINGJI MAOYI DAXUE XUEBAO

第 25 卷第 5 期(總第 149 期) 2023 年 9 月(雙月刊)

編委會(huì)

主 任:吳衛(wèi)星

副主任:尹志超

編 委:陳彥斌 馮喜良 甘 犁

高 闖 郝如玉 黃群慧

賈 康 金 碚 荊林波

郎麗華 李鯤鵬 李 奇

李維安 李小牧 梁 琪

劉冠軍 劉世錦 柳學(xué)信

平新喬 戚聿東 田新民

王傳生 王稼瓊 王 軍

王俊豪 王文舉 王永貴

徐 芳 楊宜勇 于 立

于 鵬 張寶學(xué)

主 編:尹志超

副主編:周 斌

編輯部主任:姚望春

主管單位

北京市教育委員會(huì)

主辦單位

首都經(jīng)濟(jì)貿(mào)易大學(xué)

編輯出版

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)編輯部

投稿網(wǎng)址

https: / / sdjm. cbpt. cnki. net

電子郵箱

journal@ cueb. edu. cn

電 話

010-65976402 65976610

目 次

深入學(xué)習(xí)貫徹黨的二十大精神

3 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的

“量質(zhì)齊升”嗎? 鄭蘭祥 郭 娟 鄭飛鴻

新時(shí)代中國經(jīng)濟(jì)

20 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

宋美喆 胡丕吉

財(cái)政金融

36 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的非對(duì)稱性激勵(lì)效應(yīng)研究

尚洪濤 宋岸玲

產(chǎn)業(yè)經(jīng)濟(jì)

50 機(jī)器人應(yīng)用與中國制造業(yè)綠色轉(zhuǎn)型 劉 勝 溫錫峰 陳秀英

65 “探索-利用”視角下企業(yè)技術(shù)能力分類建構(gòu)與案例研究

朱正浩 戚聿東

工商管理

79 服務(wù)機(jī)器人擬人化對(duì)酒店顧客情感和交易意向的影響研究

宋瀟瀟 李云鵬 唐 悅 谷慧敏

理論述評(píng)

95 企業(yè)隱私政策的影響及其機(jī)制

———基于用戶視角的綜述與展望 高充彥 謝 毅

[期刊基本參數(shù)]CN 11-4579 / F?1999?b?16?112?zh?P? ￥ 15. 00?1500?7?2023-09

JOURNAL OF CAPITAL UNIVERSITY OF

ECONOMICS AND BUSINESS

Vol. 25,No. 5(Sum No. 149),Sep. 2023 Bimonthly

Contents

Does the Energy Saving and Emission Reduction Fiscal Policy Promote the Quantity and Quality of

Green Technology Innovation? ………………………… ZHENG Lanxiang, GUO Juan, ZHENG Feihong(3)

Research on the Influence Mechanism and Effect of Digital Infrastructure on Local Fiscal Sustainability

…………………………………………………………………………………… SONG Meizhe, HU Piji(20)

Research on the Asymmetric Incentive Effect of R&D Subsidies on Innovation in New Energy Enterprises

………………………………………………………………………… SHANG Hongtao, SONG Anling(36)

Application of Robots and Green Transformation of China?s Manufacturing Industry

……………………………………………………………… LIU Sheng, WEN Xifeng, CHEN Xiuying(50)

Type Construction and Case Study of Firm?s Technological Capability Under the

View of ‘Exploration-Exploitation’ …………………………………………ZHU Zhenghao, QI Yudong(65)

Research on the Effect of Service Robot Anthropomorphism on Hotel Customers? Emotion and

Transaction Intention ………………………… SONG Xiaoxiao, LI Yunpeng, TANG Yue, GU Huimin(79)

The Impact and Mechanisms of Corporate Privacy Policy

—Literature Review and Research Prospect from the User Perspective

…………………………………………………………………………………… GAO Chongyan, XIE Yi(95)

Published by: Editorial Department of Journal of Capital University of Economics and Business

Overseas Distributor: China International Book Trading Corporation(P. O. Box 399, Beijing 100048, P. R. China)

Register Number: BM1404

Address: Jintaili No. 2, Chaoyang District,Beijing 100026, P. R. China

Website: https: / / sdjm. cbpt. cnki. net E-mail: journal@ cueb. edu. cn Tel: 86-10-65976402

第 25 卷 第 5 期

2023 年 9 月

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 001

節(jié)能減排財(cái)政政策促進(jìn)了

綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

鄭蘭祥1

, 郭 娟1

, 鄭飛鴻2

(1. 安徽大學(xué) 經(jīng)濟(jì)學(xué)院, 安徽 合肥 230601;

2. 合肥學(xué)院 經(jīng)濟(jì)與管理學(xué)院, 安徽 合肥 230601)

收稿日期: 2023-02-27; 修回日期: 2023-06-24

基金項(xiàng)目: 教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目 “中國特色環(huán)境分權(quán)對(duì)中國資源型城市生態(tài)效率的影響研究” (22YJC790179); 安

徽大學(xué)安徽生態(tài)與經(jīng)濟(jì)發(fā)展研究中心課題 “區(qū)域異質(zhì)性視角下生態(tài)產(chǎn)品價(jià)值實(shí)現(xiàn)的路徑研究” (AHST2022005); 合肥學(xué)院人才科研基金項(xiàng)

目 “環(huán)境規(guī)制對(duì)資源型城市產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的影響及作用機(jī)制研究” (20RC58)

作者簡介: 鄭蘭祥 (1965—), 男, 安徽大學(xué)經(jīng)濟(jì)學(xué)院教授; 郭娟 (1999—), 女, 安徽大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生, 通信作者; 鄭飛鴻

(1993—), 男, 合肥學(xué)院經(jīng)濟(jì)與管理學(xué)院副教授。

摘 要: “節(jié)能減排財(cái)政政策綜合示范城市” 試點(diǎn)作為綠色財(cái)政領(lǐng)域的一項(xiàng)重大實(shí)踐, 可以通過財(cái)政

手段加快推動(dòng)淘汰落后產(chǎn)能, 嚴(yán)控高耗能、 高排放行業(yè)過快增長, 促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí), 從而成為驅(qū)動(dòng)城

市綠色技術(shù)創(chuàng)新的重要引擎。 基于中國 2003—2019 年 285 個(gè)城市的面板數(shù)據(jù), 將 “節(jié)能減排財(cái)政政策綜

合示范城市” 試點(diǎn)視為準(zhǔn)自然實(shí)驗(yàn), 通過構(gòu)建多期雙重差分模型, 考察節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)

新的影響及作用機(jī)制。 研究結(jié)果表明: 節(jié)能減排財(cái)政政策顯著提升了示范城市綠色技術(shù)創(chuàng)新質(zhì)量與數(shù)量,

在經(jīng)過堆疊雙重差分、 兩階段雙重差分法等一系列穩(wěn)健性檢驗(yàn)后該結(jié)論仍然成立; 中介效應(yīng)分析表明,

節(jié)能減排財(cái)政政策通過財(cái)政支持的科技資源配置效應(yīng)和人才集聚效應(yīng)以及環(huán)境規(guī)制的創(chuàng)新補(bǔ)償效應(yīng)提升

示范城市綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量; 異質(zhì)性分析發(fā)現(xiàn), 節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的影響, 在不

同地理位置、 資源稟賦、 金融科技水平的城市間存在顯著差異; 進(jìn)一步分析還發(fā)現(xiàn)節(jié)能減排財(cái)政政策對(duì)

相鄰城市的綠色技術(shù)創(chuàng)新具有正向空間溢出效應(yīng)。

關(guān)鍵詞: 節(jié)能減排財(cái)政政策; 綠色技術(shù)創(chuàng)新; 科技資源配置效應(yīng); 人才集聚效應(yīng); 創(chuàng)新補(bǔ)償效應(yīng)

中圖分類號(hào): F812. 0; F124. 3 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1008-2700 (2023) 05-0003-17

一、 問題提出

伴隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展, 能源消耗和溫室氣體排放日趨增加, 城市陷入經(jīng)濟(jì)增長與環(huán)境保護(hù)的

博弈困境, 生態(tài)環(huán)境面臨嚴(yán)峻挑戰(zhàn)。 綠色技術(shù)創(chuàng)新作為創(chuàng)新驅(qū)動(dòng)與綠色發(fā)展有機(jī)整合的發(fā)展戰(zhàn)略, 有利

于實(shí)現(xiàn)城市經(jīng)濟(jì)效益和環(huán)境保護(hù) “雙贏”, 是破解城市發(fā)展困境的重要方法, 也是達(dá)成中國雙碳目標(biāo)的必

然選擇。 近年來, 中國政府高度重視綠色技術(shù)創(chuàng)新在可持續(xù)發(fā)展中的重要性, “十四五” 規(guī)劃明確提出要

大力發(fā)展綠色技術(shù)創(chuàng)新, 推動(dòng)節(jié)能減排與經(jīng)濟(jì)綠色轉(zhuǎn)型。 黨的二十大報(bào)告進(jìn)一步指出, “推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)

展綠色化、 低碳化是實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵環(huán)節(jié)”。 然而, 綠色技術(shù)創(chuàng)新一般具有高成本、 高風(fēng)險(xiǎn)以及環(huán)

境保護(hù)外溢性的特征[1]

, 致使綠色技術(shù)創(chuàng)新活動(dòng)缺乏市場激勵(lì), 城市綠色技術(shù)創(chuàng)新水平提升效果不佳。

3

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

因此, 政府的制度支持顯得尤為重要, 尤其是以環(huán)境規(guī)制與財(cái)政支持為核心的政策工具, 不僅能夠通過

各種規(guī)制措施倒逼企業(yè)進(jìn)行低碳技術(shù)研發(fā), 還能發(fā)揮財(cái)政資金的引導(dǎo)、 支撐和保障作用, 成為推動(dòng)城市

綠色技術(shù)創(chuàng)新的重要?jiǎng)恿Α?/p>

為促進(jìn)綠色技術(shù)創(chuàng)新, 實(shí)現(xiàn)城市低碳經(jīng)濟(jì)轉(zhuǎn)型和綠色可持續(xù)發(fā)展, 2011 年財(cái)政部、 國家發(fā)展改革委

在部分城市開展 “節(jié)能減排財(cái)政政策綜合示范城市” 試點(diǎn) (以下簡稱節(jié)能減排財(cái)政政策), 以北京、 深

圳、 重慶等 8 個(gè)城市作為首批示范城市, 2013 年選擇唐山、 鐵嶺等 10 個(gè)城市作為第二批示范城市, 2014

年又選定徐州、 德陽等 12 個(gè)城市作為第三批示范城市。 梳理三批示范城市名單可以發(fā)現(xiàn), 示范城市覆蓋

全國 27 個(gè)省份, 在城市資源稟賦、 經(jīng)濟(jì)發(fā)展水平等方面存在明顯差異, 具有較強(qiáng)的代表性和示范性[2]

。

節(jié)能減排財(cái)政政策以城市為平臺(tái), 以加快體制機(jī)制創(chuàng)新為動(dòng)力, 強(qiáng)調(diào)通過財(cái)政政策綜合引導(dǎo), 堅(jiān)持樹立

綠色、 循環(huán)、 低碳發(fā)展理念, 圍繞產(chǎn)業(yè)低碳化、 交通清潔化、 建筑綠色化、 服務(wù)業(yè)集約化、 主要污染物

減量化、 可再生能源利用規(guī)?；鶄€(gè)方面開展節(jié)能減排綜合示范城市試點(diǎn), 統(tǒng)籌安排資金用途, 突破以

往政策 “點(diǎn)對(duì)點(diǎn)” 的項(xiàng)目管理模式, 加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式。

節(jié)能減排財(cái)政政策作為綠色財(cái)政領(lǐng)域的一項(xiàng)重大實(shí)踐, 旨在通過財(cái)政手段加快推動(dòng)淘汰落后產(chǎn)能,

嚴(yán)控高耗能、 高排放行業(yè)過快增長, 促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí), 從而實(shí)現(xiàn)城市從傳統(tǒng)發(fā)展到綠色發(fā)展的形態(tài)

躍遷。 區(qū)別于一般的環(huán)境政策, 節(jié)能減排財(cái)政政策不僅設(shè)置了環(huán)境績效考核的約束機(jī)制, 而且明確了

財(cái)政支持的激勵(lì)機(jī)制, 成為引導(dǎo)和激發(fā)主體進(jìn)行綠色技術(shù)創(chuàng)新活動(dòng)的重要引擎。一方面, 財(cái)政部和國

家發(fā)展改革委聯(lián)合印發(fā)的 《節(jié)能減排財(cái)政政策綜合示范指導(dǎo)意見》 (財(cái)建 〔2011〕 383 號(hào)) 明確指出,

示范城市示范期為 3 年, 在示范期間, 中央財(cái)政提供綜合獎(jiǎng)勵(lì)資金由示范城市統(tǒng)籌使用, 按照城市性

質(zhì)獎(jiǎng)勵(lì)示范城市 4 億 ~ 6 億元資金, 同時(shí)示范城市所在地省級(jí)政府和本級(jí)政府也給予一定的資金, 用于

示范城市節(jié)能減排相關(guān)項(xiàng)目的實(shí)施, 充分發(fā)揮財(cái)政資金的引領(lǐng)帶動(dòng)作用。 另一方面, 節(jié)能減排財(cái)政政

策伴隨著一定的環(huán)境目標(biāo)約束, 示范城市嚴(yán)格制定績效考核管理辦法, 每年績效考核結(jié)果與下一年度

綜合獎(jiǎng)勵(lì)資金分配掛鉤, 若總體績效考核認(rèn)定示范城市未完成實(shí)施方案確定的指標(biāo), 則將取消示范城

市示范資格并扣回全部綜合獎(jiǎng)勵(lì)資金, 這種約束機(jī)制增強(qiáng)了試點(diǎn)政策效果。 那么, 節(jié)能減排財(cái)政政

策能否提升城市綠色技術(shù)創(chuàng)新的數(shù)量和質(zhì)量? 若能夠促進(jìn), 其中的影響機(jī)制是什么? 這種影響是否

具有異質(zhì)性? 更進(jìn)一步地, 其是否具備空間溢出效應(yīng)? 厘清上述問題, 有助于科學(xué)評(píng)估節(jié)能減排財(cái)

政政策對(duì)示范城市綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 效應(yīng), 并為后續(xù)進(jìn)一步推廣示范城市的經(jīng)驗(yàn)提供借

鑒與參考。

二、 文獻(xiàn)綜述

本文從節(jié)能減排財(cái)政政策的實(shí)施效果以及綠色技術(shù)創(chuàng)新的影響因素兩個(gè)方面進(jìn)行文獻(xiàn)梳理。

從理論上來看, 財(cái)政政策可以有效引導(dǎo)社會(huì)資本和市場資金進(jìn)入應(yīng)對(duì)氣候變化的過程中, 與其他公

共政策協(xié)調(diào)合作來提升整個(gè)社會(huì)應(yīng)對(duì)氣候變化的能力[3]

。 而節(jié)能減排財(cái)政政策作為一項(xiàng)典型的綠色財(cái)政

政策, 其對(duì)經(jīng)濟(jì)低碳轉(zhuǎn)型發(fā)揮著重要作用, 現(xiàn)有文獻(xiàn)從不同角度探討了該政策的實(shí)施效果。一方面,一

些學(xué)者從宏觀視角分析了節(jié)能減排財(cái)政政策的碳減排效應(yīng)。 有學(xué)者評(píng)估了節(jié)能減排財(cái)政政策對(duì)污染減排

的影響, 發(fā)現(xiàn)節(jié)能減排財(cái)政政策的實(shí)施降低了示范城市的碳排放, 并提升了生態(tài)效率[4]

。 薛飛和陳煦

(2022) 利用雙重差分法, 研究發(fā)現(xiàn)節(jié)能減排財(cái)政政策顯著降低了示范城市的碳排放水平, 并且對(duì)經(jīng)濟(jì)發(fā)

展具有積極作用[5]

。 另一方面, 有學(xué)者從微觀企業(yè)的角度評(píng)估了節(jié)能減排財(cái)政政策的實(shí)施效果。 田淑英

等 (2022) 研究發(fā)現(xiàn)節(jié)能減排財(cái)政政策有利于促進(jìn)企業(yè)生產(chǎn)效率優(yōu)化、 技術(shù)綠色創(chuàng)新, 從而促進(jìn)企業(yè)轉(zhuǎn)

型升級(jí)[6]

。

與此同時(shí), 綠色技術(shù)創(chuàng)新為實(shí)現(xiàn)低碳經(jīng)濟(jì)轉(zhuǎn)型奠定了重要基礎(chǔ), 較多文獻(xiàn)圍繞綠色技術(shù)創(chuàng)新的影響

因素開展了研究。 環(huán)境規(guī)制是影響綠色技術(shù)創(chuàng)新的關(guān)鍵因素。一些學(xué)者認(rèn)為環(huán)境規(guī)制能夠激發(fā)綠色技術(shù)

創(chuàng)新[7-9]

。 進(jìn)一步, 有學(xué)者將環(huán)境規(guī)制劃分為命令控制型和市場激勵(lì)型, 并比較兩種環(huán)境規(guī)制對(duì)節(jié)能減排

4

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

技術(shù)創(chuàng)新的不同影響[10]

。 部分學(xué)者認(rèn)為相較于命令型環(huán)境規(guī)制, 市場激勵(lì)型環(huán)境規(guī)制能夠提供更靈活、

更有效的創(chuàng)新激勵(lì)[11-12]

。 也有研究表明, 環(huán)境規(guī)制對(duì)本地和鄰近城市的綠色技術(shù)創(chuàng)新均產(chǎn)生影響[13-14]

。

另外, 歐陽曉靈等 (2022) 基于地級(jí)市數(shù)據(jù), 研究發(fā)現(xiàn)環(huán)境規(guī)制與城市的綠色技術(shù)創(chuàng)新之間存在非線性

關(guān)系[15]

。 隨著各種環(huán)境政策的實(shí)施與推進(jìn),一些學(xué)者開始研究環(huán)境政策對(duì)綠色技術(shù)創(chuàng)新的影響。 陶鋒等

(2021) 研究發(fā)現(xiàn)環(huán)保目標(biāo)責(zé)任制推動(dòng)了綠色技術(shù)創(chuàng)新數(shù)量, 但導(dǎo)致了綠色技術(shù)創(chuàng)新質(zhì)量的下滑[16]

。 有

學(xué)者基于上市公司的專利申請數(shù)據(jù), 發(fā)現(xiàn)碳排放權(quán)交易試點(diǎn)政策促進(jìn)了企業(yè)層面的低碳技術(shù)創(chuàng)新[17]

。 也

有相關(guān)文獻(xiàn)圍繞低碳城市試點(diǎn)政策、 排污權(quán)交易試點(diǎn)政策與綠色信貸政策展開研究[18-20]

。

綜上所述, 已有文獻(xiàn)主要探討了節(jié)能減排財(cái)政政策的實(shí)施效果和綠色技術(shù)創(chuàng)新的影響因素, 而基于

數(shù)量和質(zhì)量兩個(gè)維度分析節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 效應(yīng)研究較為匱乏。 本文的

邊際貢獻(xiàn)體現(xiàn)為以下幾點(diǎn):一是從數(shù)量和質(zhì)量兩個(gè)維度, 評(píng)估節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的影響

效應(yīng), 豐富了節(jié)能減排財(cái)政政策效應(yīng)評(píng)估的相關(guān)研究; 二是揭示了節(jié)能減排財(cái)政政策影響綠色技術(shù)創(chuàng)新

的作用機(jī)制, 從財(cái)政支持與環(huán)境規(guī)制兩個(gè)視角驗(yàn)證了科技資源配置效應(yīng)、 人才集聚效應(yīng)以及創(chuàng)新補(bǔ)償效

應(yīng)的作用機(jī)制, 為更好地發(fā)揮政策效能提供了優(yōu)化路徑; 三是使用堆疊雙重差分和兩階段雙重差分模型

進(jìn)行異質(zhì)性處理效應(yīng)穩(wěn)健估計(jì), 以此降低交疊雙重差分模型可能因負(fù)權(quán)重而導(dǎo)致的處理效應(yīng)異質(zhì)性等問

題, 同時(shí)運(yùn)用空間自相關(guān)模型, 挖掘了節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的空間溢出效應(yīng), 為進(jìn)一步發(fā)

揮空間輻射效應(yīng)、 促進(jìn)綠色技術(shù)創(chuàng)新的區(qū)域協(xié)同合作提供了現(xiàn)實(shí)依據(jù)。

三、 理論分析與研究假設(shè)

(一) 節(jié)能減排財(cái)政政策與綠色技術(shù)創(chuàng)新

鑒于綠色技術(shù)創(chuàng)新活動(dòng)具有高成本、 高風(fēng)險(xiǎn)、 長周期的特性, 企業(yè)進(jìn)行綠色技術(shù)創(chuàng)新動(dòng)力不足, 城

市綠色技術(shù)創(chuàng)新缺乏有效的政策干預(yù)。 而與之相契合的節(jié)能減排財(cái)政政策, 能夠積極引導(dǎo)示范城市樹立

綠色、 循環(huán)、 低碳發(fā)展理念, 為推動(dòng)城市綠色技術(shù)創(chuàng)新和經(jīng)濟(jì)綠色轉(zhuǎn)型提供重要支撐。 與一般環(huán)境政策

不同的是, 節(jié)能減排財(cái)政政策堅(jiān)持財(cái)政支持和環(huán)境績效考核相結(jié)合, 在制定環(huán)境污染約束指標(biāo)的同時(shí),

通過財(cái)政補(bǔ)貼、 財(cái)政投資、 政策支持等手段重塑資源配置格局, 提高要素配置效率, 充分發(fā)揮財(cái)政資金

的引領(lǐng)帶動(dòng)作用, 增強(qiáng)城市綠色技術(shù)創(chuàng)新活力。 此外, 該政策不斷尋求機(jī)制創(chuàng)新, 比如積極探索能源合

同管理、 碳排放權(quán)交易等機(jī)制, 以構(gòu)建綠色技術(shù)創(chuàng)新長效機(jī)制。 同時(shí)積極推廣先進(jìn)節(jié)能環(huán)保技術(shù)產(chǎn)品,

改造提升傳統(tǒng)產(chǎn)業(yè), 發(fā)展現(xiàn)代服務(wù)業(yè)和戰(zhàn)略性新興產(chǎn)業(yè), 促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)。 并且節(jié)能減排財(cái)政政

策還通過政府和社會(huì)合作的方式, 吸引社會(huì)資本參與, 進(jìn)一步為綠色技術(shù)創(chuàng)新活動(dòng)拓寬融資渠道。 因此,

本文提出假設(shè) H1。

H1: 節(jié)能減排財(cái)政政策能有效促進(jìn)綠色技術(shù)創(chuàng)新。

(二) 機(jī)制分析

第一, 科技資源配置效應(yīng)。 節(jié)能減排財(cái)政政策實(shí)施過程中, 中央財(cái)政在試點(diǎn)期間每年給予示范城市

綜合獎(jiǎng)勵(lì)資金, 綜合獎(jiǎng)勵(lì)資金由示范城市自行決定如何使用, 中央僅負(fù)責(zé)對(duì)相關(guān)項(xiàng)目進(jìn)行備案管理, 此

外, 示范城市所在地省級(jí)政府也安排專項(xiàng)資金用于城市節(jié)能減排綜合示范工作, 這有效彌補(bǔ)了地方政府

的財(cái)政缺口, 緩解了地方的財(cái)政壓力。 基于社會(huì)福利最大化的目的, 財(cái)政壓力的減少有利于引導(dǎo)和激勵(lì)

地方政府對(duì)綠色技術(shù)創(chuàng)新活動(dòng)的財(cái)政支持, 從而最大限度發(fā)揮財(cái)政支持的乘數(shù)效應(yīng)和杠桿效應(yīng)[21]

。

在財(cái)政支持的激勵(lì)作用下, 示范城市綜合利用獎(jiǎng)勵(lì)資金, 通過加大財(cái)政科技支出強(qiáng)度, 建設(shè)一系列

新能源技術(shù)利用項(xiàng)目, 制定各種配套政策, 比如成立循環(huán)經(jīng)濟(jì)發(fā)展研究中心, 為企業(yè)和園區(qū)推薦經(jīng)濟(jì)適

用的節(jié)能環(huán)保及循環(huán)低碳技術(shù), 提升地方政府對(duì)科技資源的優(yōu)化配置功能, 為綠色技術(shù)創(chuàng)新的數(shù)量和質(zhì)

量提供保障。一方面, 從綠色技術(shù)創(chuàng)新數(shù)量來看, 財(cái)政科技支出能夠?yàn)榫G色技術(shù)創(chuàng)新活動(dòng)提供必要的資

金支撐, 填補(bǔ)企業(yè)綠色技術(shù)創(chuàng)新的資金缺口。 地方政府通過支持綠色技術(shù)研發(fā)項(xiàng)目落地、 加強(qiáng)綠色技術(shù)

創(chuàng)新基地平臺(tái)建設(shè)和鼓勵(lì)科技成果轉(zhuǎn)化等手段重塑資源配置結(jié)構(gòu), 從而提高城市整體的科技資源效率,

5

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

形成研究開發(fā)、 應(yīng)用推廣與產(chǎn)業(yè)發(fā)展融合貫通的綠色技術(shù)創(chuàng)新新格局。 同時(shí)財(cái)政科技支出具有一定的引

領(lǐng)和示范作用[22]

, 有助于市場投資者減少識(shí)別優(yōu)質(zhì)企業(yè)的成本, 降低信息不對(duì)稱程度, 這能夠引導(dǎo)金融

資源向特定企業(yè)集中, 支持綠色創(chuàng)新企業(yè)項(xiàng)目開發(fā)與融資, 為綠色技術(shù)創(chuàng)新數(shù)量奠定良好的資金基礎(chǔ)[23]

。

另一方面, 從綠色技術(shù)創(chuàng)新質(zhì)量來看, 財(cái)政科技支出能夠降低企業(yè)綠色技術(shù)高質(zhì)量創(chuàng)新面臨的研發(fā)風(fēng)

險(xiǎn)[24]

, 提高企業(yè)綠色技術(shù)研發(fā)效率, 激勵(lì)企業(yè)主動(dòng)實(shí)施高難度但能夠?yàn)樽陨碲A得競爭優(yōu)勢的高質(zhì)量綠色

技術(shù)創(chuàng)新。 此外, 基于信號(hào)傳遞理論, 獲取財(cái)政科技支出的領(lǐng)域意味著政府無形的肯定, 這有利于增強(qiáng)

企業(yè)進(jìn)行綠色技術(shù)創(chuàng)新的信心, 進(jìn)而擴(kuò)大高質(zhì)量綠色技術(shù)創(chuàng)新的規(guī)模, 提升城市的綠色技術(shù)創(chuàng)新活力。

由此, 本文提出假設(shè) H2a。

H2a: 節(jié)能減排財(cái)政政策通過財(cái)政支持的科技資源配置效應(yīng)促進(jìn)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升”。

第二, 人才集聚效應(yīng)。 中央財(cái)政的支持使得示范城市將更多的財(cái)政資金用于提升示范城市的人力

資本水平, 以強(qiáng)化人才對(duì)綠色技術(shù)創(chuàng)新和經(jīng)濟(jì)低碳轉(zhuǎn)型的支撐作用。 比如, 地方政府利用專項(xiàng)資金和

獎(jiǎng)勵(lì)資金實(shí)施職業(yè)技能提升行動(dòng), 開展相關(guān)從業(yè)人員崗位技能提升培訓(xùn)以及節(jié)能環(huán)保技能交流, 人才

培育的高投入優(yōu)化了示范城市的人力資本結(jié)構(gòu)。 此外, 節(jié)能減排財(cái)政政策建立和完善人才激勵(lì)機(jī)制,

加大對(duì)取得重大創(chuàng)新成果人才的獎(jiǎng)勵(lì)力度, 為高質(zhì)量人才發(fā)揮個(gè)人才能提供平臺(tái)支持, 這種政策紅利

增加了高質(zhì)量人才留在示范城市工作的意愿, 有利于吸引人才集聚。 而人才是綠色技術(shù)創(chuàng)新的高端生

產(chǎn)要素。一方面, 從綠色技術(shù)創(chuàng)新數(shù)量來看, 節(jié)能減排財(cái)政政策通過加強(qiáng)城市人才隊(duì)伍建設(shè), 擴(kuò)大了

城市的綠色消費(fèi)市場規(guī)模。 具體而言, 區(qū)域的人力資本水平越高, 越有利于人們形成良好的生態(tài)環(huán)保

意識(shí), 這將激發(fā)人們對(duì)綠色低碳產(chǎn)品的消費(fèi)需求, 引導(dǎo)城市消費(fèi)需求結(jié)構(gòu)升級(jí), 更多以環(huán)保、 節(jié)能為

特征的新興產(chǎn)業(yè)應(yīng)運(yùn)而生, 進(jìn)而減少能源消耗和降低污染物排放, 為示范城市塑造了良好的綠色技術(shù)

創(chuàng)新環(huán)境。 此外, 人才集聚可以通過影響生產(chǎn)、 投資及儲(chǔ)蓄等方式激發(fā)綠色創(chuàng)意[25]

, 形成有利于區(qū)域

綠色技術(shù)創(chuàng)新發(fā)展的擴(kuò)散效應(yīng), 從而增加綠色技術(shù)創(chuàng)新數(shù)量。 另一方面, 從綠色技術(shù)創(chuàng)新質(zhì)量來看,

人才集聚所帶來的知識(shí)、 技能和創(chuàng)造力是高質(zhì)量綠色技術(shù)創(chuàng)新的重要原動(dòng)力[26]

。 高質(zhì)量的人才集聚能

夠掌握和吸收更先進(jìn)的技術(shù)和創(chuàng)新理念, 有利于示范城市實(shí)現(xiàn)新技術(shù)的共享和新知識(shí)的傳播, 使資源

從配置效率較低的地方流入配置效率較高的地方, 加速綠色新知識(shí)、 新產(chǎn)品、 新技術(shù)的研發(fā), 形成知

識(shí)外溢效應(yīng)[27]

, 進(jìn)而推動(dòng)綠色專利的原始創(chuàng)新和集成創(chuàng)新, 加快綠色技術(shù)創(chuàng)新的實(shí)質(zhì)性和突破性發(fā)

展。 由此, 本文提出假設(shè) H2b。

H2b: 節(jié)能減排財(cái)政政策可能通過財(cái)政支持的人才集聚效應(yīng)促進(jìn)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升”。

第三, 創(chuàng)新補(bǔ)償效應(yīng)。 示范城市圍繞示范工作量、 節(jié)能減排效果、 長效機(jī)制建設(shè)等因素設(shè)置了具體、

明確的環(huán)境考核指標(biāo)。 對(duì)未完成節(jié)能減排約束性指標(biāo)的城市, 采用一票否決制, 取消城市示范資格, 扣

回全部綜合獎(jiǎng)勵(lì)資金, 這對(duì)地方官員產(chǎn)生了強(qiáng)大的約束力, 從而調(diào)動(dòng)了地方政府推進(jìn)環(huán)境治理的積極性。

因此, 地方政府實(shí)施嚴(yán)格的環(huán)境規(guī)制以確保節(jié)能減排目標(biāo)的順利實(shí)現(xiàn), 包括將擬淘汰整治的企業(yè)及生產(chǎn)

設(shè)備信息在媒體網(wǎng)站公示, 運(yùn)用社會(huì)的輿論力量進(jìn)行監(jiān)督, 統(tǒng)一碳排放權(quán)交易管理辦法, 以及對(duì)環(huán)境績

效不達(dá)標(biāo)的企業(yè)進(jìn)行環(huán)保約談與懲罰等規(guī)制措施。 根據(jù)波特假說, 地方政府實(shí)行適度的環(huán)境規(guī)制政策將

觸發(fā)環(huán)境規(guī)制的創(chuàng)新補(bǔ)償效應(yīng)[28]

, 從而為示范城市打造綠色技術(shù)創(chuàng)新引擎。一方面, 從綠色技術(shù)創(chuàng)新數(shù)

量層面分析, 環(huán)境規(guī)制增加了企業(yè)的節(jié)能減排成本, 企業(yè)意識(shí)到創(chuàng)新是抵消環(huán)境規(guī)制帶來的成本效應(yīng)的

重要手段[29]

, 進(jìn)而不斷增加研發(fā)支出和創(chuàng)新投入力度, 加速技術(shù)創(chuàng)新、 產(chǎn)品創(chuàng)新和運(yùn)營模式創(chuàng)新, 為示

范城市營造了良好的創(chuàng)新環(huán)境。 豐富的創(chuàng)新資源有利于引導(dǎo)現(xiàn)代服務(wù)業(yè)和戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展, 促進(jìn)綠

色經(jīng)濟(jì)發(fā)展, 從而激發(fā)出更多以環(huán)境效益為導(dǎo)向的綠色創(chuàng)新活動(dòng)。 同時(shí), 環(huán)境規(guī)制引發(fā)了社會(huì)媒體的傳

播, 增加了公眾對(duì)環(huán)境保護(hù)的廣泛關(guān)注, 進(jìn)而引導(dǎo)高校和科研院所的創(chuàng)新資源更多地流入與環(huán)境相關(guān)的

創(chuàng)新活動(dòng)[16]

, 為綠色技術(shù)創(chuàng)新數(shù)量提供重要支撐。 另一方面, 從綠色技術(shù)創(chuàng)新質(zhì)量來看, 環(huán)境規(guī)制成本

引發(fā)的進(jìn)入壁壘和經(jīng)營風(fēng)險(xiǎn)會(huì)強(qiáng)化企業(yè)之間的競爭機(jī)制[30]

, 此時(shí)僅僅提升綠色技術(shù)創(chuàng)新數(shù)量難以達(dá)到環(huán)

境監(jiān)管的標(biāo)準(zhǔn), 不利于提高企業(yè)的市場競爭力。 因此, 為了增強(qiáng)企業(yè)的長期競爭優(yōu)勢, 最優(yōu)策略是增加

6

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

創(chuàng)新投資, 進(jìn)行高質(zhì)量的技術(shù)研發(fā), 提升專利轉(zhuǎn)化效率, 由此獲得的技術(shù)進(jìn)步能夠滿足利益相關(guān)者的環(huán)

保期望, 減少利益相關(guān)者對(duì)企業(yè)污染環(huán)境產(chǎn)生的負(fù)面預(yù)期[31]

, 從而激發(fā)企業(yè)自主進(jìn)行綠色技術(shù)創(chuàng)新活動(dòng)

的意愿, 為持續(xù)、 穩(wěn)定地開展周期較長、 風(fēng)險(xiǎn)更大的高質(zhì)量綠色技術(shù)創(chuàng)新活動(dòng)提供有效驅(qū)動(dòng)。 由此, 本

文提出假設(shè) H2c:

H2c: 節(jié)能減排財(cái)政政策可通過環(huán)境規(guī)制的創(chuàng)新補(bǔ)償效應(yīng)促進(jìn)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升”。

綜上所述, 節(jié)能減排財(cái)政政策通過科技資源配置效應(yīng)、 人才集聚效應(yīng)、 創(chuàng)新補(bǔ)償效應(yīng)實(shí)現(xiàn)綠色技術(shù)

創(chuàng)新的 “量質(zhì)齊升” (見圖 1)。

7

6





B





0

.

8



A

%

B

U$ffiU

(

45ffl

UEffiU

B.UBFKU

K-MK

/$ffiU K5U

EB#

(

>U!!ffi

U

$$

.B#F4



K5

=

4

7



ffi





F



B

圖 1 節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的影響機(jī)制

四、 模型設(shè)定與指標(biāo)選取

(一) 計(jì)量模型構(gòu)建

為考察節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的影響, 本文將 “節(jié)能減排財(cái)政政策綜合示范城市” 試點(diǎn)

視為準(zhǔn)自然實(shí)驗(yàn), 運(yùn)用多期雙重差分法設(shè)定如下計(jì)量模型:

lnYi,t

=α1

+β1ESERi,t

+γ1Xi,t

+λi

+μt

+εi,t (1)

其中, 下標(biāo) i 表示第 i 個(gè)城市, t 表示第 t 年, 被解釋變量 Y 為綠色技術(shù)創(chuàng)新。 ESERi,t 為核心解釋變

量, 表示 i 城市在 t 年是否被批準(zhǔn)為示范城市, 其系數(shù)衡量節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的影響效應(yīng),

若 ESERi,t 的系數(shù)顯著為正, 則表示節(jié)能減排財(cái)政政策有利于促進(jìn)綠色技術(shù)創(chuàng)新。 Xi,t 為一系列控制變量,

λi 表示個(gè)體固定效應(yīng), μt 表示時(shí)間固定效應(yīng)。 εi,t 為隨機(jī)擾動(dòng)項(xiàng)。

上文的影響機(jī)制分析表明, 節(jié)能減排財(cái)政政策通過科技資源配置效應(yīng)、 人才集聚效應(yīng)以及創(chuàng)新補(bǔ)償

效應(yīng)提升綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量。 因此, 本文設(shè)定如下中介效應(yīng)模型進(jìn)行驗(yàn)證:

Mi,t

=α2

+β2ESERi,t

+γ2Xi,t

+λi

+μt

+εi,t (2)

lnYi,t

=α3

+β3ESERi,t

+ θMi,t

+γ3Xi,t

+λi

+μt

+εi,t (3)

其中, Mi,t 為機(jī)制變量, 其他變量設(shè)定同模型 (1)。 模型 (2) 中, 若 β2 顯著, 則表明節(jié)能減排財(cái)

政政策能夠?qū)C(jī)制變量產(chǎn)生影響。 模型 (3) 中, 若 θ 顯著, 同時(shí) β3 顯著且小于 β1 或 β3 不顯著時(shí), 表明

節(jié)能減排財(cái)政政策通過機(jī)制變量影響了綠色技術(shù)創(chuàng)新。

(二) 變量選取與數(shù)據(jù)說明

1. 被解釋變量

綠色專利是衡量綠色技術(shù)創(chuàng)新的常見指標(biāo), 現(xiàn)有研究較多采用綠色發(fā)明專利申請量衡量綠色技術(shù)創(chuàng)

新質(zhì)量, 使用綠色實(shí)用新型專利申請量衡量綠色技術(shù)創(chuàng)新數(shù)量[32-33]

。 具體而言, 綠色發(fā)明專利的申請須

符合新穎性、 創(chuàng)造性和實(shí)用性的要求, 其包含的自主知識(shí)產(chǎn)權(quán)更多, 是一種實(shí)質(zhì)性綠色創(chuàng)新成果, 因此

能夠體現(xiàn)綠色技術(shù)創(chuàng)新質(zhì)量; 而綠色實(shí)用新型專利的申請難度和審查要求較低, 其創(chuàng)造程度低于綠色發(fā)

明專利申請, 屬于策略性綠色技術(shù)創(chuàng)新的范疇, 是綠色技術(shù)創(chuàng)新數(shù)量的體現(xiàn)。 同時(shí)考慮到城市經(jīng)濟(jì)發(fā)展

7

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

規(guī)模的差異, 參考宋德勇等 (2021)

[34] 的處理方式, 對(duì)城市層面綠色發(fā)明專利和綠色實(shí)用新型專利申請

數(shù)量進(jìn)行均值化處理, 最終采用每萬人綠色發(fā)明專利申請衡量綠色技術(shù)創(chuàng)新質(zhì)量, 用每萬人綠色實(shí)用新

型專利申請衡量綠色技術(shù)創(chuàng)新數(shù)量。

2. 解釋變量

本文選取節(jié)能減排財(cái)政政策綜合示范城市試點(diǎn) (ESER) 作為核心解釋變量, 將設(shè)立為示范城市試點(diǎn)

當(dāng)年及以后的 ESER 賦值為 1, 否則為 0。

3. 控制變量

為了控制其他因素對(duì)模型的干擾, 參考現(xiàn)有研究的做法[35-36]

, 引入以下控制變量: 經(jīng)濟(jì)發(fā)展水平

(PGDP) , 采用各城市人均地區(qū)生產(chǎn)總值來表示; 資源稟賦 (RES) , 采用采礦業(yè)就業(yè)人數(shù)來測度; 環(huán)

境規(guī)制 (ER) , 采 用 單 位 國 內(nèi) 生 產(chǎn) 總 值 ( GDP ) 的 工 業(yè) 煙 ( 粉) 塵 排 放 量 表 示; 金 融 發(fā) 展 水 平

(FIN) , 采用年末金融機(jī)構(gòu)各項(xiàng)貸款余額衡量; 對(duì)外開放水平 (OPEN) , 采用當(dāng)年外商實(shí)際使用外資

金額占 GDP 的比值表示; 信息服務(wù)業(yè)發(fā)展水平 ( INF) , 采用信息傳輸、 計(jì)算機(jī)服務(wù)和軟件業(yè)從業(yè)人員

占比進(jìn)行表征。

考慮到部分城市數(shù)據(jù)存在缺失, 本文剔除了萊蕪、 銅仁、 畢節(jié)、 海東等城市, 最終得到 2003—2019

年 285 個(gè)城市的樣本數(shù)據(jù)。 本文綠色專利的相關(guān)數(shù)據(jù)來源于上海經(jīng)禾信息技術(shù)有限公司中國研究數(shù)據(jù)服務(wù)

平臺(tái) (CNRDS) 綠色專利庫。 其他數(shù)據(jù)均來自相關(guān)年份的 《中國城市統(tǒng)計(jì)年鑒》 以及北京?？ㄋ固匦畔?/p>

技術(shù)有限公司 EPS 數(shù)據(jù)庫, 部分缺失數(shù)據(jù)采用插值法填補(bǔ)。 另外, 本文對(duì)除虛擬變量外的變量進(jìn)行了對(duì)

數(shù)化處理。 表 1 報(bào)告了各變量的描述性統(tǒng)計(jì)結(jié)果。

表 1 主要變量描述性統(tǒng)計(jì)結(jié)果

變量名稱 符號(hào) 觀測值 均值 標(biāo)準(zhǔn)誤 最小值 最大值

綠色發(fā)明專利申請 lnPI 4 845 0. 215 0. 389 0. 000 3. 251

綠色實(shí)用新型專利申請 lnPU 4 845 0. 247 0. 381 0. 000 3. 087

節(jié)能減排財(cái)政政策綜合示范城市 ESER 4 845 0. 043 0. 203 0. 000 1. 000

經(jīng)濟(jì)發(fā)展水平 lnPGDP 4 845 10. 212 0. 826 7. 542 12. 281

資源稟賦 lnRES 4 845 0. 664 0. 738 0. 004 3. 234

環(huán)境規(guī)制 lnER 4 845 0. 015 0. 010 0. 005 0. 353

金融發(fā)展水平 lnFIN 4 845 15. 788 1. 326 12. 548 20. 420

對(duì)外開放水平 lnOPEN 4 845 0. 003 0. 003 0. 001 0. 044

信息服務(wù)業(yè)發(fā)展水平 lnINF 4 845 0. 016 0. 017 0. 001 0. 353

五、 實(shí)證分析

(一) 基準(zhǔn)回歸結(jié)果

節(jié)能減排財(cái)政政策的綠色技術(shù)創(chuàng)新效應(yīng)基準(zhǔn)回歸估計(jì)結(jié)果見表 2。 列 (1)—列 (4) 顯示, 無論是否

加入控制變量, ESER 的估計(jì)系數(shù)均顯著為正, 表明節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新質(zhì)量與數(shù)量的促進(jìn)

效應(yīng)顯著。 根據(jù)列 (2) 和列 (4) 的估計(jì)結(jié)果, 相對(duì)于非示范城市, 示范城市的綠色發(fā)明專利申請數(shù)量

增加了 16. 5%, 綠色實(shí)用新型專利申請數(shù)量平均提高 18. 2%, 節(jié)能減排財(cái)政政策提升了綠色技術(shù)創(chuàng)新質(zhì)

量和數(shù)量, 因此假設(shè) H1 得到驗(yàn)證。

8

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

表 2 基準(zhǔn)回歸結(jié)果

變量

lnPI lnPU

(1) (2) (3) (4)

ESER 0. 168

?? 0. 165

?? 0. 186

??? 0. 182

???

(0. 078) (0. 072) (0. 069) (0. 062)

lnPGDP -0. 233

??? -0. 266

???

(0. 052) (0. 052)

lnRES 0. 003 0. 007

(0. 037) (0. 031)

lnER -1. 377

??? -1. 265

???

(0. 506) (0. 480)

lnFIN 0. 098

??? 0. 096

???

(0. 027) (0. 027)

lnOPEN -10. 820

?? -14. 300

???

(4. 761) (4. 542)

lnINF 1. 431

? 1. 136

??

(0. 739) (0. 527)

時(shí)間固定效應(yīng) 控制 控制 控制 控制

城市固定效應(yīng) 控制 控制 控制 控制

常數(shù)項(xiàng) 0. 025

? 0. 701 0. 038

??? 1. 052

?

(0. 014) (0. 604) (0. 013) (0. 573)

觀測值 4 845 4 845 4 845 4 845

R

2

0. 436 0. 477 0. 530 0. 580

注:

? P<0. 1,

?? P<0. 05,

??? P<0. 01; 括號(hào)內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤。 后表同。

從控制變量來看, 經(jīng)濟(jì)發(fā)展水平的系數(shù)顯著為負(fù), 說明經(jīng)濟(jì)發(fā)展水平的提高會(huì)在一定程度上抑制綠

色技術(shù)創(chuàng)新, 可能的原因是當(dāng)前在一些地區(qū)仍然存在以犧牲環(huán)境為代價(jià)發(fā)展經(jīng)濟(jì)的現(xiàn)象, 帶來了資源消

耗和環(huán)境污染等問題, 從而不利于綠色技術(shù)創(chuàng)新水平的提升。 資源稟賦對(duì)綠色技術(shù)創(chuàng)新無顯著影響。 環(huán)

境規(guī)制的系數(shù)為負(fù), 表明環(huán)境規(guī)制有利于促進(jìn)綠色技術(shù)創(chuàng)新。 金融發(fā)展對(duì)綠色技術(shù)創(chuàng)新的影響顯著為正,

說明金融發(fā)展水平的提升有利于緩解融資約束, 進(jìn)而促進(jìn)綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量。 對(duì)外開放水平的系

數(shù)為負(fù), 可能是由于外商投資的產(chǎn)業(yè)往往具有高耗能高污染的特征, 從而不利于綠色技術(shù)創(chuàng)新的發(fā)展。

信息服務(wù)業(yè)發(fā)展水平越高, 越能促進(jìn)綠色技術(shù)創(chuàng)新。

(二) 平行趨勢檢驗(yàn)

多期雙重差分模型的前提是滿足平行趨勢假設(shè), 由此, 本文以政策實(shí)施前的第八年為基期, 并借助

事件分析法進(jìn)行平行趨勢檢驗(yàn)和動(dòng)態(tài)效應(yīng)分析。 平行趨勢檢驗(yàn)結(jié)果 (限于篇幅, 圖略) 顯示, 在入選示

范城市試點(diǎn)前, ESER 的系數(shù)均不顯著, 表明示范城市與非示范城市綠色技術(shù)創(chuàng)新變化趨勢大致相同。

而在試點(diǎn)政策實(shí)施后, 節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新數(shù)量有顯著促進(jìn)作用, 但其對(duì)綠色技術(shù)創(chuàng)新

質(zhì)量的影響存在一定的時(shí)滯性, 原因可能是節(jié)能減排財(cái)政政策從頒布到實(shí)施需要一定的時(shí)間, 并且部

分綠色技術(shù)研發(fā)項(xiàng)目需要經(jīng)歷一系列流程才能建設(shè)完成。 隨著試點(diǎn)政策的推進(jìn), 政策系數(shù)顯著為正,

說明政策效果具有一定程度的持續(xù)性。

9

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

(三) 安慰劑檢驗(yàn)

為驗(yàn)證前文的估計(jì)結(jié)果不是由于其他偶然因素引起的, 本文通過隨機(jī)抽取個(gè)體作為處理組安慰劑檢

驗(yàn), 再為每個(gè)處理組個(gè)體隨機(jī)抽取一個(gè)時(shí)間作為其政策時(shí)點(diǎn), 生成偽虛擬政策的交互項(xiàng)進(jìn)行安慰劑檢驗(yàn)。

安慰劑檢驗(yàn)結(jié)果 (限于篇幅, 圖略) 顯示, 綠色技術(shù)創(chuàng)新質(zhì)量與綠色技術(shù)創(chuàng)新數(shù)量的 ESER 估計(jì)系數(shù)均集

中分布于 0 附近, 絕大多數(shù)系數(shù)的 P 值高于 0. 1, 且基準(zhǔn)回歸估計(jì)系數(shù)處于虛假回歸估計(jì)結(jié)果的高尾位

置, 屬于異常值范圍。 由此可知, 上文的結(jié)論通過了安慰劑檢驗(yàn), 進(jìn)一步佐證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

(四) 異質(zhì)性處理效應(yīng)檢驗(yàn)

傳統(tǒng)的雙向固定效應(yīng) (two-way fixed effects, TWFE) 雙重差分是識(shí)別處理效應(yīng)最常用的估計(jì)方法之

一, 然而, 古德曼-培根 (Goodman-Bacon, 2021) 指出當(dāng)政策的處理時(shí)點(diǎn)不唯一時(shí), TWFE 估計(jì)量得到的

估計(jì)系數(shù)可能會(huì)由于處理效應(yīng)存在異質(zhì)性而產(chǎn)生偏誤[37]

。 此時(shí) ESER 的估計(jì)系數(shù)不是各處理效應(yīng)的凸加

權(quán)平均和, 即存在 “負(fù)權(quán)重” 問題, 因此本文接下來通過堆疊雙重差分和兩階段雙重差分法獲取異質(zhì)性

穩(wěn)健雙重差分估計(jì)量。

堅(jiān)吉茲等 (Cengiz al. , 2019) 提出堆疊雙重差分估計(jì)量[38]

, 其思想是根據(jù)處理時(shí)點(diǎn)劃分子實(shí)驗(yàn)組

別, 在各子實(shí)驗(yàn)組別內(nèi)確定處理組, 并為每一個(gè)處理組 n 匹配從未接受處理或尚未接受處理的樣本作為控

制組, 再將各子實(shí)驗(yàn)組數(shù)據(jù)合并, 然后利用合并數(shù)據(jù)集進(jìn)行估計(jì), 以此得到處理效應(yīng)的加權(quán)平均值[39]

。

堆疊雙重差分模型避免了較早接受處理組作為控制組 (也就是 “壞控制組” ) 的問題, 本文根據(jù)該方法,

構(gòu)建模型 (4) 進(jìn)行檢驗(yàn):

lnYitn

=λin

+μtn

+ ∑k

δk1[t -Ei

= k] +εitn (4)

其中, Ei 即個(gè)體 i 接受處理的時(shí)點(diǎn), k 為時(shí)點(diǎn) t 距離政策發(fā)生時(shí)點(diǎn)的時(shí)間間隔, 1[t -Ei

= k] 即為傳統(tǒng)

雙重差分模型中的時(shí)間虛擬變量。 堆疊雙重差分結(jié)果 (限于篇幅, 正文未顯示檢驗(yàn)結(jié)果, 備索) 顯示,

在政策實(shí)施之前, 政策變量的估計(jì)系數(shù)不顯著, 處理組與控制組呈現(xiàn)平行的趨勢, 但在政策實(shí)施之后,

節(jié)能減排財(cái)政政策顯著提升了綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量, 表明本文的研究結(jié)論穩(wěn)健。

本文接下來采用兩階段雙重差分法進(jìn)行穩(wěn)健性檢驗(yàn), 第一階段先識(shí)別組別效應(yīng)和時(shí)期效應(yīng), 然后在

第二階段將其剔除后, 再對(duì)處理變量進(jìn)行回歸, 這種方法適用于被處理的時(shí)間是交錯(cuò)的以及處理效應(yīng)具

有異質(zhì)性的情況。 表 3 顯示無論是否添加控制變量, ESER 的系數(shù)均顯著為正, 表明節(jié)能減排財(cái)政政策對(duì)

于綠色技術(shù)創(chuàng)新質(zhì)量和綠色技術(shù)創(chuàng)新數(shù)量有著顯著的促進(jìn)作用, 本文的結(jié)論具有穩(wěn)健性。

表 3 兩階段雙重差分法回歸結(jié)果

變量

lnPI lnPU

(1) (2) (3) (4)

ESER 0. 193

?? 0. 190

?? 0. 205

??? 0. 201

???

(0. 083) (0. 078) (0. 073) (0. 067)

控制變量 未控制 控制 未控制 控制

時(shí)間固定效應(yīng) 控制 控制 控制 控制

城市固定效應(yīng) 控制 控制 控制 控制

(五) 傾向得分匹配-雙重差分 (PSM-DID) 法

為了緩解樣本選擇偏差問題, 本文使用 PSM-DID 進(jìn)行穩(wěn)健性檢驗(yàn)。 將基準(zhǔn)回歸中控制變量作為匹配

變量, 采用半徑匹配法對(duì)樣本進(jìn)行匹配, 通過評(píng)定模型 (Logit) 回歸估計(jì)得出傾向匹配得分, 將與處理

組得分最相近的城市作為對(duì)照組。 平衡性檢驗(yàn)結(jié)果顯示, 匹配后的協(xié)變量 t 統(tǒng)計(jì)值均不顯著, 且匹配后的

10

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

標(biāo)準(zhǔn)化偏差的絕對(duì)值明顯低于 10%, 表明匹配后的實(shí)驗(yàn)組與控制組無顯著差異。 最后將匹配好的樣本進(jìn)

行雙重差分估計(jì)。 表 4 的 PSM-DID 回歸結(jié)果顯示, ESER 的估計(jì)系數(shù)均顯著為正, 進(jìn)一步驗(yàn)證了基準(zhǔn)回歸

結(jié)果。

表 4 PSM-DID 和更換被解釋變量回歸結(jié)果

變量

PSM-DID 更換被解釋變量

lnPI lnPU lnPI1 lnPU1

ESER 0. 144

?? 0. 168

??? 0. 113

?? 0. 181

???

(0. 066) (0. 059) (0. 049) (0. 063)

控制變量 控制 控制 控制 控制

年份固定效應(yīng) 控制 控制 控制 控制

城市固定效應(yīng) 控制 控制 控制 控制

觀測值 4 820 4 820 4 845 4 845

R

2 0. 479 0. 581 0. 363 0. 548

(六) 更換被解釋變量

進(jìn)一步采取更換被解釋變量的方法進(jìn)行穩(wěn)健性檢驗(yàn), 分別采用每萬人綠色發(fā)明專利授權(quán)量 ( lnPI1)

和每萬人綠色實(shí)用新型專利授權(quán)量 (lnPU1) 作為代理變量。 表 4 的更換被解釋變量回歸結(jié)果顯示, ESER

的系數(shù)方向與顯著性均無變化, 證明本文研究結(jié)論具有一定的穩(wěn)健性。

(七) 排除其他政策干擾

除節(jié)能減排財(cái)政政策外, 其他政策也可能對(duì)綠色技術(shù)創(chuàng)新產(chǎn)生影響, 造成估計(jì)結(jié)果的偏誤。 其中具

有代表性的有智慧城市試點(diǎn)政策和碳排放權(quán)交易試點(diǎn)政策, 為剔除其他政策的影響, 本文在基準(zhǔn)回歸模

型的基礎(chǔ)上加入了這兩項(xiàng)政策的虛擬變量, 分別用 Did1 和 Did2 表示。 表 5 的回歸結(jié)果顯示, 在考慮其他

政策影響時(shí), 無論被解釋變量是綠色技術(shù)創(chuàng)新質(zhì)量還是綠色技術(shù)創(chuàng)新數(shù)量, ESER 的系數(shù)依舊顯著為正,

與基準(zhǔn)回歸結(jié)果一致。

表 5 排除其他政策干擾回歸結(jié)果

變量

lnPI lnPU

(1) (2) (3) (4)

ESER 0. 162

?? 0. 145

?? 0. 178

??? 0. 164

???

(0. 073) (0. 068) (0. 063) (0. 058)

Did1 0. 043 0. 047

(0. 037) (0. 031)

Did2 0. 150

?? 0. 134

??

(0. 073) (0. 064)

控制變量 控制 控制 控制 控制

年份固定效應(yīng) 控制 控制 控制 控制

11

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

表5(續(xù))

變量

lnPI lnPU

(1) (2) (3) (4)

城市固定效應(yīng) 控制 控制 控制 控制

常數(shù)項(xiàng) 0. 749 0. 657 1. 105

? 1. 013

?

(0. 596) (0. 578) (0. 566) (0. 553)

觀測值 4 845 4 845 4 845 4 845

R

2 0. 479 0. 485 0. 582 0. 587

六、 機(jī)制檢驗(yàn)與異質(zhì)性分析

(一) 機(jī)制檢驗(yàn)

1. 科技資源配置效應(yīng)

本文采用地方政府科技財(cái)政支出占一般預(yù)算支出的比值來表示財(cái)政科技支出強(qiáng)度 (lnTech ), 以衡量

科技資源配置效應(yīng)。 表 6 各列結(jié)果中 ESER 的系數(shù)都顯著為正, 且綠色發(fā)明專利申請和綠色實(shí)用新型專利

申請的回歸中 ESER 的系數(shù)小于基準(zhǔn)回歸結(jié)果的系數(shù), 表明節(jié)能減排財(cái)政政策可通過增加財(cái)政科技支出強(qiáng)

度實(shí)現(xiàn)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升”。 節(jié)能減排財(cái)政政策充分利用財(cái)政資金, 增加財(cái)政科技支出強(qiáng)度, 引

導(dǎo)資金流向科技部門, 為綠色技術(shù)創(chuàng)新提供資金保障, 同時(shí)有效降低企業(yè)研發(fā)風(fēng)險(xiǎn), 進(jìn)而從質(zhì)量和數(shù)量

兩個(gè)維度促進(jìn)綠色技術(shù)創(chuàng)新, 假設(shè) H2a 得到驗(yàn)證。

表 6 影響機(jī)制檢驗(yàn): 科技資源配置效應(yīng)回歸結(jié)果

變量 lnTech lnPI lnPU

ESER 0. 012

?? 0. 129

?? 0. 150

???

(0. 006) (0. 063) (0. 055)

lnTech 3. 037

??? 2. 639

???

(0. 372) (0. 291)

控制變量 控制 控制 控制

年份固定效應(yīng) 控制 控制 控制

城市固定效應(yīng) 控制 控制 控制

常數(shù)項(xiàng) 0. 273

??? -0. 128 0. 332

(0. 061) (0. 531) (0. 495)

觀測值 4 845 4 845 4 845

R

2

0. 164 0. 542 0. 631

2. 人才集聚效應(yīng)

人力資本是促進(jìn)城市綠色技術(shù)創(chuàng)新的活躍要素, 本文參考王家庭等 (2023)

[40] 的研究, 選取每萬人中

普通高等學(xué)校在校生數(shù) (lnHc ) 作為機(jī)制變量, 衡量人才集聚效應(yīng)。 表 7 各列結(jié)果中 ESER 的系數(shù)都顯

12

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

著為正, 且綠色發(fā)明專利申請和綠色實(shí)用新型專利申請的回歸中 ESER 的系數(shù)均小于基準(zhǔn)回歸的系數(shù), 表

明節(jié)能減排財(cái)政政策可以通過優(yōu)化人力資本結(jié)構(gòu), 吸引人才集聚實(shí)現(xiàn)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升”。 節(jié)能

減排財(cái)政政策可以提升人力資本存量, 進(jìn)而實(shí)現(xiàn)新技術(shù)的共享和新知識(shí)的傳播, 提升綠色產(chǎn)品的研發(fā)效

率, 為綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量提供智力支持, 假設(shè) H2b 得到驗(yàn)證。

表 7 影響機(jī)制檢驗(yàn): 人才集聚效應(yīng)回歸結(jié)果

變量 lnHc lnPI lnPU

ESER 0. 005

?? 0. 124

?? 0. 145

??

(0. 002) (0. 073) (0. 062)

lnHc 9. 062

??? 7. 957

???

(1. 805) (1. 663)

控制變量 控制 控制 控制

年份固定效應(yīng) 控制 控制 控制

城市固定效應(yīng) 控制 控制 控制

常數(shù)項(xiàng) -0. 006 0. 753 1. 098

?

(0. 021) (0. 598) (0. 577)

觀測值 4 845 4 845 4 845

R

2

0. 285 0. 518 0. 612

3. 創(chuàng)新補(bǔ)償效應(yīng)

為檢驗(yàn)創(chuàng)新補(bǔ)償效應(yīng), 采用城市每萬人申請的專利數(shù)量來衡量技術(shù)創(chuàng)新 ( lnPatent )。 表 8 各列結(jié)果

中 ESER 的系數(shù)都顯著為正, 且綠色發(fā)明專利申請和綠色實(shí)用新型專利申請的回歸中 ESER 的系數(shù)小于基

準(zhǔn)回歸結(jié)果, 表明節(jié)能減排財(cái)政政策可以促進(jìn)技術(shù)創(chuàng)新, 進(jìn)而實(shí)現(xiàn)示范城市綠色技術(shù)創(chuàng)新 “量質(zhì)齊升”。

節(jié)能減排財(cái)政政策伴隨的環(huán)境規(guī)制增加了企業(yè)的治污成本, 倒逼企業(yè)加快綠色產(chǎn)品的研發(fā), 大力淘汰落

后產(chǎn)能, 激發(fā)創(chuàng)新主體潛力, 為綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 注入強(qiáng)大動(dòng)力, 假設(shè) H2c 得以驗(yàn)證。

表 8 影響機(jī)制檢驗(yàn): 創(chuàng)新補(bǔ)償效應(yīng)回歸結(jié)果

變量 lnPatent lnPI lnPU

ESER 0. 120

?? 0. 129

?? 0. 147

???

(0. 057) (0. 065) (0. 056)

lnPatent 0. 297

??? 0. 289

???

(0. 034) (0. 030)

控制變量 控制 控制 控制

年份固定效應(yīng) 控制 控制 控制

城市固定效應(yīng) 控制 控制 控制

常數(shù)項(xiàng) -2. 899

??? 1. 563

??? 1. 891

???

(0. 878) (0. 529) (0. 475)

觀測值 4 845 4 845 4 845

R

2 0. 825 0. 604 0. 702

13

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

(二) 異質(zhì)性分析

本文接下來從不同地理區(qū)位、 不同城市資源稟賦、 不同金融科技發(fā)展水平展開異質(zhì)性分析。

1. 地理區(qū)位異質(zhì)性

本文將全樣本劃分為東、 中、 西部地區(qū)三個(gè)部分, 來考察不同地理位置下節(jié)能減排財(cái)政政策對(duì)綠色

技術(shù)創(chuàng)新的異質(zhì)性影響。 根據(jù)表 9 綠色技術(shù)創(chuàng)新質(zhì)量的回歸結(jié)果, 節(jié)能減排財(cái)政政策在西部地區(qū)城市提升

了綠色技術(shù)創(chuàng)新質(zhì)量, 而對(duì)于東部與中部地區(qū)城市的綠色技術(shù)創(chuàng)新質(zhì)量無顯著影響。 當(dāng)被解釋變量為綠

色技術(shù)創(chuàng)新數(shù)量時(shí), 節(jié)能減排財(cái)政政策能夠顯著提升中部與西部地區(qū)城市的綠色技術(shù)創(chuàng)新數(shù)量, 且這種

促進(jìn)效應(yīng)在西部地區(qū)城市更加明顯, 而對(duì)于東部地區(qū)城市, 其促進(jìn)效應(yīng)不顯著。 可能的原因是西部地區(qū)

城市的財(cái)政資金相比東部和中部地區(qū)城市較為匱乏, 金融發(fā)展水平落后、 人力資源不夠充裕, 在實(shí)施試

點(diǎn)政策時(shí)綠色技術(shù)創(chuàng)新提升空間更大, 促進(jìn)效應(yīng)更為顯著。 而東部地區(qū)城市財(cái)政資金比較充裕, 其對(duì)綠

色技術(shù)創(chuàng)新產(chǎn)生的邊際效益較低。

表 9 地理區(qū)位異質(zhì)性分析回歸結(jié)果

變量

lnPI lnPU

東部 中部 西部 東部 中部 西部

ESER 0. 136 0. 126 0. 171

?? 0. 164 0. 134

?? 0. 154

??

(0. 132) (0. 087) (0. 074) (0. 115) (0. 065) (0. 068)

常數(shù)項(xiàng) 1. 700 -2. 221

??? 0. 632 0. 864 -1. 351

??? 2. 067

??

(1. 473) (0. 579) (0. 593) (1. 389) (0. 475) (0. 798)

觀測值 1 700 2 091 1 054 1 700 2 091 1 054

R

2 0. 555 0. 467 0. 573 0. 659 0. 559 0. 679

2. 城市資源稟賦異質(zhì)性

綠色技術(shù)創(chuàng)新水平會(huì)因?yàn)橘Y源稟賦不同而存在顯著差異。 本文以國務(wù)院發(fā)布的 《全國資源型城市可

持續(xù)發(fā)展規(guī)劃 (2013-2020 年) 》 為劃分依據(jù), 將 285 個(gè)城市分為資源型城市與非資源型城市兩種類型。

表 10 分組回歸的結(jié)果顯示, 節(jié)能減排財(cái)政政策顯著推動(dòng)了非資源型城市綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量增加,

但對(duì)資源型城市綠色技術(shù)創(chuàng)新質(zhì)量與數(shù)量的影響不顯著, 可能的原因是, 資源型城市經(jīng)濟(jì)發(fā)展存在明顯

的資源路徑依賴, 因此產(chǎn)業(yè)結(jié)構(gòu)較為單一, 且接續(xù)替代產(chǎn)業(yè)發(fā)展滯后, 造成城市可持續(xù)發(fā)展后勁不足,

高新技術(shù)人才也相對(duì)匱乏, 綠色技術(shù)創(chuàng)新缺乏有力保障。

表 10 城市資源稟賦異質(zhì)性分析回歸結(jié)果

變量

lnPI lnPU

資源型城市 非資源型城市 資源型城市 非資源型城市

ESER 0. 049 0. 217

?? 0. 065 0. 237

???

(0. 046) (0. 097) (0. 042) (0. 080)

常數(shù)項(xiàng) -0. 259 1. 899

? -0. 193 2. 399

???

(0. 376) (0. 983) (0. 474) (0. 905)

觀測值 1 938 2 907 1 938 2 907

R

2 0. 471 0. 563 0. 569 0. 650

14

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

3. 金融科技水平異質(zhì)性

不同金融科技水平下節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的影響不同。 本文借鑒李春濤等 (2020)

[41]

的做法, 通過 “金融科技” 關(guān)鍵詞百度新聞高級(jí)搜索, 使用網(wǎng)絡(luò)爬蟲技術(shù)獲取城市在每一年中發(fā)布的新

聞中各個(gè)關(guān)鍵詞的數(shù)量加總?cè)?duì)數(shù)獲得金融科技發(fā)展水平變量 (FT), 并按中位數(shù)將樣本劃分為金融科技

發(fā)展水平較高和金融科技發(fā)展水平較低兩組。 表 11 回歸結(jié)果顯示, 當(dāng)金融科技發(fā)展水平較高時(shí), 節(jié)能減

排財(cái)政政策能夠顯著促進(jìn)綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量; 而當(dāng)金融科技發(fā)展水平較低時(shí), 政策效應(yīng)均不顯著。

可能的原因是, 金融科技的發(fā)展不僅能夠緩解融資約束, 給予綠色技術(shù)創(chuàng)新資金支持, 而且能夠有效突

破時(shí)空限制, 提高信息傳遞效率, 進(jìn)而促進(jìn)綠色創(chuàng)新成果的轉(zhuǎn)化效率, 與節(jié)能減排財(cái)政政策達(dá)到相輔相

成的效果, 促進(jìn)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升”。

表 11 基于金融科技水平的異質(zhì)性分析回歸結(jié)果

變量

金融科技發(fā)展水平較高 金融科技發(fā)展水平較低

lnPI lnPU lnPI lnPU

ESER 0. 225

??? 0. 226

??? -0. 011 0. 023

(0. 079) (0. 067) (0. 034) (0. 034)

常數(shù)項(xiàng) 1. 882

?? 1. 718

?? -0. 339 0. 380

(0. 835) (0. 752) (0. 329) (0. 435)

觀測值 2 800 2 800 2 045 2 045

R

2 0. 594 0. 683 0. 448 0. 561

七、 進(jìn)一步分析: 空間溢出效應(yīng)檢驗(yàn)

上述實(shí)證結(jié)果表明節(jié)能減排財(cái)政政策有利于促進(jìn)綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升”, 那么節(jié)能減排財(cái)政政

策是否存在空間溢出效應(yīng)? 接下來, 采用經(jīng)濟(jì)距離矩陣作為空間權(quán)重矩陣, 運(yùn)用空間雙重差分模型進(jìn)行

拓展性分析。 經(jīng)濟(jì)距離矩陣的每個(gè)元素均用城市間樣本期實(shí)際人均 GDP (以 2003 年為基期) 均值的差距

絕對(duì)值的倒數(shù)表示。

在進(jìn)行空間計(jì)量分析之前, 本文采用全局莫蘭指數(shù)檢驗(yàn)節(jié)能減排財(cái)政政策與綠色技術(shù)創(chuàng)新的全局空

間相關(guān)性。 檢驗(yàn)結(jié)果顯示 (限于篇幅, 結(jié)果未在正文顯示, 備索), 2003—2019 年綠色技術(shù)創(chuàng)新質(zhì)量與數(shù)

量的莫蘭指數(shù)均顯著為正, 表明綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量均存在正向空間關(guān)聯(lián)性。

在選擇空間計(jì)量模型時(shí), 首先使用 LM 檢驗(yàn), 發(fā)現(xiàn)滯后效應(yīng)和誤差效應(yīng)均顯著, 需要采用空間面板

進(jìn)行分析。 然后進(jìn)行 LR 檢驗(yàn)和 Wald 檢驗(yàn), 結(jié)果均表明空間杜賓模型 ( SDM) 不能簡化為空間自回歸

( SAR) 模型和空間誤差模型 (SEM), 接著在空間自相關(guān) ( SAC) 模型與空間杜賓模型之間做出選擇,

比較兩個(gè)模型的 AIC 和 BIC 值, 發(fā)現(xiàn)空間自相關(guān)模型的 AIC 與 BIC 值較小, 且空間自相關(guān)模型的顯著性

更好, 因此本文最終選擇空間自相關(guān)模型進(jìn)行分析。 表 12 為經(jīng)濟(jì)距離矩陣的空間溢出效應(yīng)結(jié)果, 從中可

以看出, 無論被解釋變量是綠色技術(shù)創(chuàng)新質(zhì)量還是綠色技術(shù)創(chuàng)新數(shù)量, 空間自回歸系數(shù) ρ 顯著為正, 這表

明綠色技術(shù)創(chuàng)新存在顯著的正向空間關(guān)聯(lián)性。

表 12 空間溢出效應(yīng)結(jié)果

變量

lnPI lnPU

主效應(yīng) 直接效應(yīng) 間接效應(yīng) 總效應(yīng) 主效應(yīng) 直接效應(yīng) 間接效應(yīng) 總效應(yīng)

ESER 0. 082

??? 0. 111

??? 1. 354

??? 1. 465

??? 0. 097

??? 0. 135

??? 2. 004

?? 2. 139

???

(0. 013) (0. 018) (0. 293) (0. 307) (0. 011) (0. 016) (0. 393) (0. 403)

15

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

表12(續(xù))

變量

lnPI lnPU

主效應(yīng) 直接效應(yīng) 間接效應(yīng) 總效應(yīng) 主效應(yīng) 直接效應(yīng) 間接效應(yīng) 總效應(yīng)

ρ 0. 943

??? 0. 953

???

(0. 009) (0. 008)

λ -0. 627

??? -0. 645

???

(0. 025) (0. 024)

σ 0. 020

??? 0. 015

???

(0. 001) (0. 001)

控制變量 控制 控制 控制 控制 控制 控制 控制 控制

年份固定效應(yīng) 控制 控制 控制 控制 控制 控制 控制 控制

城市固定效應(yīng) 控制 控制 控制 控制 控制 控制 控制 控制

觀測值 4 845 4 845 4 845 4 845 4 845 4 845 4 845 4 845

R

2

0. 127 0. 127 0. 127 0. 127 0. 252 0. 252 0. 252 0. 252

接下來通過求偏微分的方式將主回歸分解為直接效應(yīng)和間接效應(yīng)。 從表 12 的直接效應(yīng)估計(jì)結(jié)果可以

看出, 直接效應(yīng)為正, 表明節(jié)能減排財(cái)政政策能夠促進(jìn)本地綠色技術(shù)創(chuàng)新, 進(jìn)一步驗(yàn)證了基準(zhǔn)回歸結(jié)果。

根據(jù)間接效應(yīng)估計(jì)結(jié)果, 節(jié)能減排財(cái)政政策的間接效應(yīng)顯著為正, 節(jié)能減排財(cái)政政策的實(shí)施會(huì)提升相鄰

城市的綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量, 即存在正向空間溢出效應(yīng)。 試點(diǎn)政策的一個(gè)重要目標(biāo)就是示范城市探

索先行, 形成可推廣、 可復(fù)制的經(jīng)驗(yàn)?zāi)Ｊ? 并通過廣播、 電視、 互聯(lián)網(wǎng)等多種媒體和渠道廣泛宣傳, 因

此節(jié)能減排財(cái)政政策的實(shí)施使得相鄰城市通過模仿學(xué)習(xí), 如吸引人才集聚、 提高科技資源配置效率、 驅(qū)

動(dòng)技術(shù)創(chuàng)新等手段來促進(jìn)綠色技術(shù)創(chuàng)新, 形成良好的示范效應(yīng)。

八、 研究結(jié)論及政策建議

準(zhǔn)確評(píng)估節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的影響, 對(duì)于中國實(shí)現(xiàn)低碳轉(zhuǎn)型發(fā)展具有重要意義。 本

文以 2003—2019 年中國 285 個(gè)地級(jí)市面板數(shù)據(jù)為研究樣本, 將 “節(jié)能減排財(cái)政政策綜合示范城市” 試點(diǎn)

視為準(zhǔn)自然實(shí)驗(yàn), 運(yùn)用多期雙重差分法, 系統(tǒng)考察了節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量的

影響機(jī)制, 得出如下研究結(jié)論:

第一, 節(jié)能減排財(cái)政政策提升了示范城市綠色技術(shù)創(chuàng)新質(zhì)量與數(shù)量, 具有 “量質(zhì)齊升” 效應(yīng), 這

一結(jié)論在一系列穩(wěn)健性檢驗(yàn)后依然成立。

第二, 中介效應(yīng)分析表明, 節(jié)能減排財(cái)政政策主要通過財(cái)政支持的科技資源配置效應(yīng)、 人才集聚

效應(yīng)以及環(huán)境規(guī)制的創(chuàng)新補(bǔ)償效應(yīng)實(shí)現(xiàn)示范城市綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 。

第三, 異質(zhì)性分析發(fā)現(xiàn), 在西部地區(qū)城市、 非資源型城市、 金融科技發(fā)展水平較高城市, 節(jié)能減

排財(cái)政政策更能提升綠色技術(shù)創(chuàng)新質(zhì)量與數(shù)量。

第四, 節(jié)能減排財(cái)政政策不僅促進(jìn)了本地的綠色技術(shù)創(chuàng)新, 而且對(duì)鄰近城市的綠色技術(shù)創(chuàng)新具有

正向空間溢出效應(yīng)。

基于以上研究結(jié)論, 提出如下政策建議:

第一, 進(jìn)一步擴(kuò)大試點(diǎn)范圍, 充分發(fā)揮節(jié)能減排財(cái)政政策對(duì)綠色技術(shù)創(chuàng)新的激勵(lì)效應(yīng)。 應(yīng)該及時(shí)總

結(jié)示范城市的積極經(jīng)驗(yàn), 形成可復(fù)制可推廣的典型經(jīng)驗(yàn)。 同時(shí)繼續(xù)擴(kuò)大示范城市建設(shè)工作的范圍和領(lǐng)域,

牢牢抓住節(jié)能減排財(cái)政政策的重點(diǎn)任務(wù)和重大項(xiàng)目的實(shí)施, 充分完善節(jié)能減排財(cái)政政策體系, 積極探索

16

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

節(jié)能減排長效機(jī)制, 大力培育節(jié)能環(huán)保市場, 持續(xù)推動(dòng)城市綠色技術(shù)創(chuàng)新, 從而實(shí)現(xiàn)節(jié)能減排、 低碳經(jīng)

濟(jì)轉(zhuǎn)型的目標(biāo)。

第二, 打好財(cái)政支持與環(huán)境規(guī)制的 “組合拳”, 構(gòu)建財(cái)政支持與環(huán)境規(guī)制等多維路徑協(xié)同共進(jìn)的綠色

技術(shù)創(chuàng)新發(fā)展新模式。一方面, 充分發(fā)揮財(cái)政支持的科技資源配置效應(yīng)與人才集聚效應(yīng), 積極整合各級(jí)

政府節(jié)能減排資金, 推動(dòng)財(cái)政資金 “精準(zhǔn)滴灌”, 加大對(duì)科研經(jīng)費(fèi)投入和補(bǔ)貼力度, 強(qiáng)化財(cái)政資金對(duì)人才

的支撐作用, 提高財(cái)政資金的使用效益。 另一方面, 要繼續(xù)強(qiáng)化環(huán)境規(guī)制的創(chuàng)新補(bǔ)償效應(yīng), 建立科學(xué)有

效的績效考核體系, 形成環(huán)境目標(biāo)約束機(jī)制, 從而倒逼企業(yè)提高研發(fā)效率, 為城市打造良好的創(chuàng)新環(huán)境,

提升綠色技術(shù)創(chuàng)新質(zhì)量和數(shù)量。

第三, 根據(jù)不同城市特征, 因地制宜制定差異化策略, 同時(shí)構(gòu)筑政府與金融機(jī)構(gòu)等主體促進(jìn)城市綠

色技術(shù)創(chuàng)新的協(xié)同力。 應(yīng)繼續(xù)加強(qiáng)西部地區(qū)城市節(jié)能減排財(cái)政政策的實(shí)施, 對(duì)于資源型城市, 應(yīng)積極制

定財(cái)稅優(yōu)惠與人才獎(jiǎng)勵(lì)政策, 財(cái)政資金可適當(dāng)向資源型城市傾斜, 提高資源型城市科技資源配置效率。

此外, 對(duì)于金融科技發(fā)展水平較低的城市, 應(yīng)該加快完善金融科技服務(wù)平臺(tái)建設(shè), 降低金融科技行業(yè)的

門檻, 構(gòu)建財(cái)政金融協(xié)同聯(lián)動(dòng)機(jī)制, 為綠色技術(shù)創(chuàng)新提供有利的融資環(huán)境。

第四, 推動(dòng)城市之間跨區(qū)域合作, 統(tǒng)籌協(xié)調(diào)發(fā)揮示范城市帶動(dòng)作用。 應(yīng)加強(qiáng)城市間人才、 科技、 創(chuàng)

新等要素的流動(dòng), 拓寬城市間綠色技術(shù)先進(jìn)發(fā)展經(jīng)驗(yàn)交流的渠道, 不斷放大試點(diǎn)政策的外溢效應(yīng), 堅(jiān)持

“以點(diǎn)帶面, 點(diǎn)面結(jié)合” 的政策導(dǎo)向, 加快形成區(qū)域間協(xié)同互補(bǔ)的綠色技術(shù)創(chuàng)新格局。

參考文獻(xiàn):

[1]RENNINGS K. Redefining innovation—eco-innovation research and the contribution from ecological economics[ J]. Ecological Economics,

2000, 32(2): 319-332.

[2]劉昆. 深入推進(jìn)節(jié)能減排財(cái)政政策綜合示范[J]. 中國財(cái)政,2015(5):10-13.

[3]陳詩一,祁毓. “雙碳”目標(biāo)約束下應(yīng)對(duì)氣候變化的中長期財(cái)政政策研究[J]. 中國工業(yè)經(jīng)濟(jì),2022(5):5-23.

[4]LIN B Q, ZHU J P. Impact of energy saving and emission reduction policy on urban sustainable development: empirical evidence from China

[J]. Applied Energy, 2019, 239: 12-22.

[5]薛飛,陳煦. 綠色財(cái)政政策的碳減排效應(yīng)———來自“節(jié)能減排財(cái)政政策綜合示范城市”的證據(jù)[J]. 財(cái)經(jīng)研究,2022,48(7):79-93.

[6]田淑英,孫磊,許文立,等. 綠色低碳發(fā)展目標(biāo)下財(cái)政政策促進(jìn)企業(yè)轉(zhuǎn)型升級(jí)研究———來自“節(jié)能減排財(cái)政政策綜合示范城市”試點(diǎn)的

證據(jù)[J]. 財(cái)政研究,2022(8):79-96.

[7]LEY M, STUCKI T, WOERTER M. The impact of energy prices on green innovation[J]. The Energy Journal, 2016, 37(1): 41-75.

[8]李青原,肖澤華. 異質(zhì)性環(huán)境規(guī)制工具與企業(yè)綠色創(chuàng)新激勵(lì)———來自上市企業(yè)綠色專利的證據(jù)[J]. 經(jīng)濟(jì)研究,2020,55(9):192-208.

[9]康鵬輝,茹少峰. 環(huán)境規(guī)制的綠色創(chuàng)新雙邊效應(yīng)[J]. 中國人口·資源與環(huán)境,2020,30(10):93-104.

[10]王班班,齊紹洲. 市場型和命令型政策工具的節(jié)能減排技術(shù)創(chuàng)新效應(yīng)———基于中國工業(yè)行業(yè)專利數(shù)據(jù)的實(shí)證[ J]. 中國工業(yè)經(jīng)濟(jì),

2016(6):91-108.

[11]范丹,孫曉婷. 環(huán)境規(guī)制、綠色技術(shù)創(chuàng)新與綠色經(jīng)濟(jì)增長[J]. 中國人口·資源與環(huán)境,2020,30(6):105-115.

[12]BLACKMAN A, LI Z Y, LIU A A. Efficacy of command-and-control and market-based environmental regulation in developing countries[J].

Annual Review of Resource Economics, 2018, 10: 381-404.

[13]林春艷,宮曉蕙,孔凡超. 環(huán)境規(guī)制與綠色技術(shù)進(jìn)步:促進(jìn)還是抑制———基于空間效應(yīng)視角[J]. 宏觀經(jīng)濟(jì)研究,2019(11):131-142.

[14]董直慶,王輝. 環(huán)境規(guī)制的“本地—鄰地”綠色技術(shù)進(jìn)步效應(yīng)[J]. 中國工業(yè)經(jīng)濟(jì),2019(1):100-118.

[15]歐陽曉靈,張駿豪,杜剛. 環(huán)境規(guī)制與城市綠色技術(shù)創(chuàng)新:影響機(jī)制與空間效應(yīng)[J]. 中國管理科學(xué),2022,30(12):141-151.

[16]陶鋒,趙錦瑜,周浩. 環(huán)境規(guī)制實(shí)現(xiàn)了綠色技術(shù)創(chuàng)新的“增量提質(zhì)”嗎———來自環(huán)保目標(biāo)責(zé)任制的證據(jù)[ J]. 中國工業(yè)經(jīng)濟(jì),2021(2):

136-154.

[17]DU G, YU M, SUN C W, et al. Green innovation effect of emission trading policy on pilot areas and neighboring areas: an analysis based on

the spatial econometric model[J]. Energy Policy, 2021, 156: 112431.

[18]徐佳,崔靜波. 低碳城市和企業(yè)綠色技術(shù)創(chuàng)新[J]. 中國工業(yè)經(jīng)濟(jì),2020(12):178-196.

[19]齊紹洲,林屾,崔靜波. 環(huán)境權(quán)益交易市場能否誘發(fā)綠色創(chuàng)新? ———基于我國上市公司綠色專利數(shù)據(jù)的證據(jù)[ J]. 經(jīng)濟(jì)研究,2018,53

(12):129-143.

17

2023 年第 5 期 鄭蘭祥, 郭娟, 鄭飛鴻: 節(jié)能減排財(cái)政政策促進(jìn)了綠色技術(shù)創(chuàng)新的 “量質(zhì)齊升” 嗎?

[20]王馨,王營. 綠色信貸政策增進(jìn)綠色創(chuàng)新研究[J]. 管理世界,2021,37(6):173-188,11.

[21]鄭威,陸遠(yuǎn)權(quán). 財(cái)政壓力、政府創(chuàng)新偏好與城市創(chuàng)新質(zhì)量[J]. 財(cái)政研究,2021(8):63-76.

[22]LEE C Y. The differential effects of public R&D support on firm R&D: theory and evidence from multi-country data[J]. Technovation, 2011,

31(5 / 6): 256-269.

[23]BROWN J R, PETERSEN B C. Cash holdings and R&D smoothing[J]. Journal of Corporate Finance, 2011, 17(3): 694-709.

[24]戴魁早,駱莙函. 環(huán)境規(guī)制、政府科技支持與工業(yè)綠色全要素生產(chǎn)率[J]. 統(tǒng)計(jì)研究,2022,39(4):49-63.

[25]徐軍海,黃永春. 科技人才集聚能夠促進(jìn)區(qū)域綠色發(fā)展嗎[J]. 現(xiàn)代經(jīng)濟(jì)探討,2021(12):116-125.

[26]GARDAS B B, MANGLA S K, RAUT R D, et al. Green talent management to unlock sustainability in the oil and gas sector[J]. Journal of

Cleaner Production, 2019, 229: 850-862.

[27]趙領(lǐng)娣,張磊,徐樂,等. 人力資本、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與綠色發(fā)展效率的作用機(jī)制[J]. 中國人口·資源與環(huán)境,2016,26(11):106-114.

[28]PORTER M E, VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives, 1995, 9(4): 97-118.

[29]張家豪,范文雨,高原. 環(huán)境司法制度改革與地方綠色創(chuàng)新———來自公益訴訟試點(diǎn)的證據(jù)[J]. 財(cái)經(jīng)研究,2022,48(10):19-33.

[30]何凌云,祁曉鳳. 環(huán)境規(guī)制與綠色全要素生產(chǎn)率———來自中國工業(yè)企業(yè)的證據(jù)[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài),2022(6):97-114.

[31]余泳澤,林彬彬. 偏向性減排目標(biāo)約束與技術(shù)創(chuàng)新———“ 中國式波特假說” 的檢驗(yàn)[ J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2022,39 ( 11):

113-135.

[32]王營,馮佳浩. 綠色債券促進(jìn)企業(yè)綠色創(chuàng)新研究[J]. 金融研究,2022(6):171-188.

[33]黎文靖,鄭曼妮. 實(shí)質(zhì)性創(chuàng)新還是策略性創(chuàng)新? ———宏觀產(chǎn)業(yè)政策對(duì)微觀企業(yè)創(chuàng)新的影響[J]. 經(jīng)濟(jì)研究,2016,51(4):60-73.

[34]宋德勇,李超,李項(xiàng)佑. 新型基礎(chǔ)設(shè)施建設(shè)是否促進(jìn)了綠色技術(shù)創(chuàng)新的“量質(zhì)齊升”———來自國家智慧城市試點(diǎn)的證據(jù)[ J]. 中國人

口·資源與環(huán)境,2021,31(11):155-164.

[35]陳斌,李拓. 財(cái)政分權(quán)和環(huán)境規(guī)制促進(jìn)了中國綠色技術(shù)創(chuàng)新嗎? [J]. 統(tǒng)計(jì)研究,2020,37(6):27-39.

[36]佘碩,王巧,張阿城. 技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)與城市綠色全要素生產(chǎn)率———基于國家低碳城市試點(diǎn)的影響渠道檢驗(yàn)[ J]. 經(jīng)濟(jì)與管理研

究,2020,41(8):44-61.

[37]GOODMAN-BACON A. Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277.

[38]CENGIZ D, DUBE A, LINDNER A, et al. The effect of minimum wages on low-wage jobs[J]. The Quarterly Journal of Economics, 2019,

134(3): 1405-1454.

[39]劉沖,沙學(xué)康,張妍. 交錯(cuò)雙重差分:處理效應(yīng)異質(zhì)性與估計(jì)方法選擇[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2022,39(9):177-204.

[40]王家庭,袁春來,劉子杰. “生態(tài)錦標(biāo)賽”有利于綠色全要素生產(chǎn)率提升嗎? ———來自文明城市評(píng)選的經(jīng)驗(yàn)證據(jù)[J]. 管理學(xué)刊,2023,

36(1):16-32.

[41]李春濤,閆續(xù)文,宋敏,等. 金融科技與企業(yè)創(chuàng)新———新三板上市公司的證據(jù)[J]. 中國工業(yè)經(jīng)濟(jì),2020(1):81-98.

18

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

Does the Energy Saving and Emission Reduction Fiscal Policy Promote the

Quantity and Quality of Green Technology Innovation?

ZHENG Lanxiang

1

, GUO Juan

1

, ZHENG Feihong

2

(1. Anhui University, Hefei 230601;

2. Hefei University, Hefei 230601)

Abstract: This paper discusses the impact of the energy saving and emission reduction fiscal policy on green

technology innovation and its mechanism, which is of great significance for summarizing and promoting relevant experience of demonstration cities and promoting low-carbon economic transformation.

Based on the panel data of 285 cities in China from 2003 to 2019, the paper uses the “comprehensive demonstration cities of energy saving and emission reduction fiscal policy” as a quasi-natural experiment, and examines

the impact of the energy saving and emission reduction fiscal policy on green technology innovation and its mechanism by constructing a difference-in-differences (DID) model with multiple time periods. The results show that the

energy saving and emission reduction fiscal policy significantly improves the quality and quantity of green technology

innovation in demonstration cities, and this conclusion is still valid under a series of robustness tests such as staggered DID and two-stage DID. The analysis of mediating effect shows that the energy saving and emission reduction

fiscal policy improves the quality and quantity of green technology innovation in demonstration cities through the

“scientific and technological resource allocation effect” and “talent agglomeration effect” of financial support and

the “innovation compensation effect” of environmental regulation. The heterogeneity analysis shows that there are

significant differences in the impact of the energy saving and emission reduction fiscal policy on green technology innovation among cities of different geographical locations, resource endowments, and Fintech levels. Further analysis shows that the energy saving and emission reduction fiscal policy has a positively spatial spillover effect on green

technology innovation in neighboring cities.

The marginal contributions of this paper are as follows. First, the impact of the energy saving and emission reduction fiscal policy on green technology innovation is evaluated from dimensions of “quality” and “quantity,” enriching relevant research on effects of the energy saving and emission reduction fiscal policy. Second, it reveals the

mechanism of the influence of the energy saving and emission reduction fiscal policy on green technology innovation, and verifies the mechanism of “scientific and technological resource allocation,” “talent agglomeration” and

“innovation compensation” from perspectives of financial support and environmental regulation, which provides a

path for improving policy effects. Third, the staggered DID and the two-stage DID are used to reduce the heterogeneity of the treatment effect that may be caused by the negative weight of the staggered DID model.

Keywords: energy saving and emission reduction fiscal policy; green technology innovation; effect of scientific and technological resource allocation; effect of talent agglomeration; effect of innovation compensation

(責(zé)任編輯: 周 斌)

19

第 25 卷 第 5 期

2023 年 9 月

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 002

數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的

影響機(jī)制及效果研究

宋美喆1

, 胡丕吉2

(1. 湖南財(cái)政經(jīng)濟(jì)學(xué)院 財(cái)政金融學(xué)院, 湖南 長沙 410205;

2. 中國人民銀行長沙中心支行 金融研究處, 湖南 長沙 410005)

收稿日期: 2023-02-28; 修回日期: 2023-06-18

基金項(xiàng)目: 國家社會(huì)科學(xué)基金青年項(xiàng)目 “地方財(cái)政策略互動(dòng)對(duì)城市群要素市場一體化的影響及優(yōu)化對(duì)策研究” (21CJY009)

作者簡介: 宋美喆 (1986—), 女, 湖南財(cái)政經(jīng)濟(jì)學(xué)院副教授, 通信作者; 胡丕吉 (1977—), 男, 中國人民銀行長沙中心支行金融研

究處職員。

摘 要: 以智慧城市試點(diǎn)政策的實(shí)施作為準(zhǔn)自然實(shí)驗(yàn), 采用漸進(jìn)雙重差分模型研究數(shù)字基礎(chǔ)設(shè)施對(duì)

地方財(cái)政可持續(xù)的現(xiàn)實(shí)影響。 研究結(jié)果顯示, 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響以正向?yàn)橹鲗?dǎo), 具

有逐年遞增的特征, 且呈現(xiàn)異質(zhì)性, 在高創(chuàng)新水平、 高人口規(guī)模、 高人力資本的城市表現(xiàn)更為突出。 機(jī)

制檢驗(yàn)結(jié)果表明, 數(shù)字基礎(chǔ)設(shè)施通過促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、 刺激公眾消費(fèi)需求、 提高財(cái)政支出績效等渠道

發(fā)揮積極作用, 但也會(huì)弱化政府征稅能力、 造成稅收流失, 對(duì)地方財(cái)政可持續(xù)發(fā)展產(chǎn)生負(fù)面影響。 同時(shí),

投資沖動(dòng)的影響效應(yīng)不顯著, 使得數(shù)字基礎(chǔ)設(shè)施通過強(qiáng)化投資沖動(dòng)作用于地方財(cái)政可持續(xù)的機(jī)制被中斷。

進(jìn)一步的分析結(jié)果顯示, 數(shù)字基礎(chǔ)設(shè)施建設(shè)具有空間溢出性, 能夠帶動(dòng)地理距離相近和經(jīng)濟(jì)發(fā)展水平類

似的城市提高財(cái)政可持續(xù)性。 據(jù)此, 從有序引導(dǎo)社會(huì)資本投入、 搭建財(cái)稅領(lǐng)域的智能網(wǎng)絡(luò)平臺(tái)、 推動(dòng)產(chǎn)

業(yè)和消費(fèi)升級(jí)、 發(fā)揮先行城市的輻射帶動(dòng)作用等方面提出政策建議。

關(guān)鍵詞: 數(shù)字基礎(chǔ)設(shè)施; 地方財(cái)政可持續(xù); 智慧城市試點(diǎn); 產(chǎn)業(yè)結(jié)構(gòu); 消費(fèi)需求; 財(cái)政支出績效;

征稅能力; 投資沖動(dòng)

中圖分類號(hào): F812. 7; F492. 3 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1008-2700 (2023) 05-0020-16

一、 問題提出

財(cái)政是國家治理的基礎(chǔ)和重要支柱, 在保障經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展中發(fā)揮著穩(wěn)定器和調(diào)節(jié)器的功能,

而功能實(shí)現(xiàn)的前提在于財(cái)政自身保持良好的可持續(xù)發(fā)展態(tài)勢。 當(dāng)前中國經(jīng)濟(jì)發(fā)展的內(nèi)外部環(huán)境正在發(fā)生

深刻變化, 不確定性、 不穩(wěn)定性明顯增加。 宏觀經(jīng)濟(jì)下行壓力加大, 增速逐漸放緩。 與之相對(duì)應(yīng), 財(cái)政

運(yùn)行的環(huán)境也在改變, 地方財(cái)政可持續(xù)發(fā)展面臨著較大挑戰(zhàn)。一方面, 近年來持續(xù)推進(jìn)的一系列減稅降

費(fèi)措施起效, 加之土地財(cái)政難以持續(xù), 財(cái)源基數(shù)有所縮減, 這在客觀上對(duì)財(cái)政收入造成了一定的負(fù)面沖

擊。 另一方面, 人口老齡化、 積極財(cái)政政策的實(shí)施增加了財(cái)政支出壓力, 社保、 醫(yī)療衛(wèi)生等支出持續(xù)攀升。

這兩方面的因素疊加, 使得地方財(cái)政收支矛盾日益加劇, “財(cái)政疲勞” 現(xiàn)象凸顯, 財(cái)政風(fēng)險(xiǎn)加速集聚。

隨著移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的蓬勃發(fā)展, 數(shù)字經(jīng)濟(jì)作為一種新的經(jīng)濟(jì)形態(tài), 已成為推進(jìn)中國新發(fā)展格

局形成的重要引擎。 數(shù)字基礎(chǔ)設(shè)施優(yōu)化了創(chuàng)新環(huán)境, 催生了大量技術(shù)創(chuàng)新、 產(chǎn)品創(chuàng)新、 組織結(jié)構(gòu)創(chuàng)新,

20

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

加速了產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型, 通過影響政府決策、 企業(yè)生產(chǎn)經(jīng)營、 居民消費(fèi)等作用于實(shí)體經(jīng)濟(jì)運(yùn)行與財(cái)政收

支關(guān)系, 從底層末梢改變地方財(cái)政基礎(chǔ), 直接影響其可持續(xù)性。

智慧城市發(fā)軔于數(shù)字化技術(shù)、 信息化技術(shù)等前沿科技, 涉及物聯(lián)網(wǎng)、 云計(jì)算、 5G 等新興技術(shù)業(yè)態(tài)。

數(shù)字基礎(chǔ)設(shè)施貫穿于智慧城市建設(shè)的本末, 并為城市創(chuàng)新的主體及對(duì)象賦能, 通過互聯(lián)網(wǎng)將城市公共資

源聯(lián)系起來, 利用大數(shù)據(jù)精準(zhǔn)分配資源, 實(shí)現(xiàn)了云計(jì)算的集約化、 規(guī)?；瘧?yīng)用, 以此推動(dòng)城市規(guī)劃、 建

設(shè)和服務(wù)的質(zhì)效大幅提升。 智慧城市建設(shè)與數(shù)字基礎(chǔ)設(shè)施推進(jìn)的頂層設(shè)計(jì)和實(shí)踐工作高度一致, 被視為

數(shù)字基礎(chǔ)設(shè)施完善的一項(xiàng)先行探索和有益嘗試。 那么, 在數(shù)字經(jīng)濟(jì)時(shí)代, 數(shù)字基礎(chǔ)設(shè)施建設(shè)能否促進(jìn)地

方財(cái)政可持續(xù)發(fā)展, 其中有著怎樣的邏輯聯(lián)系? 為回答上述問題, 同時(shí)考慮到可能存在的內(nèi)生性偏誤,

本文以智慧城市試點(diǎn)政策的實(shí)施作為外生沖擊, 通過雙重差分 (DID) 法實(shí)證檢驗(yàn)數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)

政可持續(xù)的影響機(jī)制及效果。

隨著數(shù)字技術(shù)和實(shí)體經(jīng)濟(jì)深度融合, 厘清數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制尤為重要。 本

文試圖揭示數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響效應(yīng)和機(jī)制, 并用實(shí)證方法加以檢驗(yàn), 以豐富有關(guān)

數(shù)字基礎(chǔ)設(shè)施影響效應(yīng)和財(cái)政可持續(xù)影響因素的研究文獻(xiàn)。 在政策層面上, 本文為決策部門進(jìn)一步加

強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)、 實(shí)現(xiàn)財(cái)政體系良性運(yùn)轉(zhuǎn)、 提升地方財(cái)政可持續(xù)發(fā)展水平提供了有力的理論和實(shí)

證支持。

與已有文獻(xiàn)相比, 本文的邊際貢獻(xiàn)在于: 第一, 將數(shù)字基礎(chǔ)設(shè)施與財(cái)政可持續(xù)置于統(tǒng)一的分析框架,

理論分析和實(shí)證檢驗(yàn)前者對(duì)后者的多重影響機(jī)制, 打開數(shù)字基礎(chǔ)設(shè)施與地方財(cái)政可持續(xù)之間關(guān)系的黑箱。

同時(shí), 從創(chuàng)新水平、 人口規(guī)模、 人力資本水平三個(gè)角度出發(fā), 探討不同城市類型下影響的異質(zhì)性。 第二,

為緩解內(nèi)生性問題, 將智慧城市試點(diǎn)政策外生沖擊作為數(shù)字基礎(chǔ)設(shè)施發(fā)展?fàn)顩r的代理變量, 構(gòu)建漸進(jìn) DID

模型評(píng)估政策實(shí)施的財(cái)政效應(yīng), 識(shí)別數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制。

本文其他部分安排如下: 第二部分為文獻(xiàn)綜述, 第三部分系統(tǒng)闡述數(shù)字基礎(chǔ)設(shè)施影響地方財(cái)政可持

續(xù)的作用機(jī)制, 第四部分介紹實(shí)證研究設(shè)計(jì), 第五部分實(shí)證檢驗(yàn)數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響,

第六部分給出研究結(jié)論與政策建議。

二、 文獻(xiàn)綜述

數(shù)字經(jīng)濟(jì)對(duì)經(jīng)濟(jì)社會(huì)的支撐效應(yīng)日益顯現(xiàn), 逐漸成為學(xué)術(shù)界的關(guān)注熱點(diǎn)。 已有研究多是將數(shù)字基

礎(chǔ)設(shè)施作為數(shù)字經(jīng)濟(jì)水平的一個(gè)衡量層面, 主觀選取指標(biāo)構(gòu)建數(shù)字經(jīng)濟(jì)綜合指數(shù), 從實(shí)證層面討論數(shù)

字經(jīng)濟(jì)的影響效應(yīng)。 大部分學(xué)者肯定了數(shù)字經(jīng)濟(jì)的積極意義, 認(rèn)為數(shù)字經(jīng)濟(jì)能夠挖掘人力資本潛力、

引領(lǐng)新部門發(fā)展、 賦能創(chuàng)新發(fā)展[1]

, 提升就業(yè)水平[2]

, 加快產(chǎn)業(yè)新舊動(dòng)能轉(zhuǎn)換、 推動(dòng)產(chǎn)業(yè)升級(jí)[3]

, 釋

放居民消費(fèi)潛力[4]

, 從而有助于促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。 但也有學(xué)者認(rèn)為數(shù)字經(jīng)濟(jì)可能產(chǎn)生數(shù)字鴻溝,

在一定條件下不利于縮小收入差距[5]

, 造成環(huán)境惡化[6]

。 在數(shù)字經(jīng)濟(jì)的財(cái)稅效應(yīng)方面, 有學(xué)者從理論

層面分析了數(shù)字經(jīng)濟(jì)發(fā)展對(duì)現(xiàn)有稅收制度的挑戰(zhàn), 并指出其有損財(cái)政自立性[7]

, 侵蝕消費(fèi)地稅收[8]

。

艾華等 (2021) 、 劉建民等 (2021) 、 鄧達(dá)等 (2021) 、 向鈺和趙靜梅 (2023) 分別使用固定效應(yīng)模型

和空間計(jì)量模型考察了數(shù)字經(jīng)濟(jì)對(duì)稅收、 財(cái)政可持續(xù)的影響效應(yīng)[9-12]

。 另外, 還有學(xué)者探討了數(shù)字基

礎(chǔ)設(shè)施的影響, 具體涉及技術(shù)創(chuàng)新[13]

、 企業(yè)全要素生產(chǎn)率[14]

、 服務(wù)業(yè)結(jié)構(gòu)升級(jí)[15] 等方面。 現(xiàn)有研究

在數(shù)字基礎(chǔ)設(shè)施的衡量上受限于數(shù)據(jù)可得性, 過于依賴互聯(lián)網(wǎng)普及率等傳統(tǒng)指標(biāo), 難以反映數(shù)字基礎(chǔ)

設(shè)施的全貌, 且因果識(shí)別面臨一定的內(nèi)生性問題。

數(shù)字基礎(chǔ)設(shè)施與智慧城市試點(diǎn)政策的實(shí)施密切相關(guān), 已有研究采用 DID 方法和合成控制法估計(jì)了智

慧城市試點(diǎn)政策對(duì)公共服務(wù)水平[16]

、 綠色低碳發(fā)展[17]

、 地區(qū)出口[18]

、 城市創(chuàng)新[19] 等方面的影響, 主要

關(guān)注政策實(shí)施的經(jīng)濟(jì)效應(yīng)和環(huán)境效應(yīng), 肯定了智慧城市試點(diǎn)政策對(duì)數(shù)字經(jīng)濟(jì)發(fā)展的有效推動(dòng), 指出這一

試點(diǎn)政策可以通過降低信息不對(duì)稱、 提高知識(shí)技術(shù)的傳播效率、 優(yōu)化資源配置效率等途徑發(fā)揮積極作

用, 但是鮮有文獻(xiàn)考察智慧城市試點(diǎn)政策的財(cái)政效應(yīng), 分析其對(duì)地方財(cái)政收支及可持續(xù)性的影響和內(nèi)

21

2023 年第 5 期 宋美喆, 胡丕吉: 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

在機(jī)理。

財(cái)政可持續(xù)是保持經(jīng)濟(jì)穩(wěn)定運(yùn)行的重要保障, 如何科學(xué)界定財(cái)政可持續(xù)性并識(shí)別其影響因素是學(xué)者

們研究的主要議題。 比特 (Buiter, 1985) 首次定義了財(cái)政可持續(xù), 指出財(cái)政可持續(xù)是財(cái)政支出能夠持續(xù)

被財(cái)政收入彌補(bǔ)的能力, 反映了財(cái)政的存續(xù)狀態(tài)[20]

。 在此基礎(chǔ)上, 已有文獻(xiàn)從財(cái)政收支平衡、 籌資能力、

償債能力等角度豐富了財(cái)政可持續(xù)的內(nèi)涵, 并基于財(cái)政收支、 盈余或赤字、 政府債務(wù)等指標(biāo)進(jìn)行測度。

從影響因素來看, 已有文獻(xiàn)聚焦于財(cái)政體制、 金融政策、 人口結(jié)構(gòu)等。 學(xué)者們認(rèn)為分權(quán)體制之下的財(cái)政

支出競爭和稅收競爭[21]

、 結(jié)構(gòu)性減稅[22]

、 中央轉(zhuǎn)移支付[23] 是影響財(cái)政可持續(xù)的重要財(cái)政因素, 顯著改

善了地方財(cái)政的可持續(xù)狀況。 在金融因素方面, 博里奧等 (Borio et al., 2016)、 封北麟 (2022) 發(fā)現(xiàn)金

融擴(kuò)張與收縮可能會(huì)誤導(dǎo)政府和公眾對(duì)經(jīng)濟(jì)形勢的判斷, 引發(fā)經(jīng)濟(jì)波動(dòng), 影響財(cái)政收支平衡[24-25]

。 劉建

國和蘇文杰 (2022) 從調(diào)節(jié)效應(yīng)和門檻效應(yīng)的角度實(shí)證檢驗(yàn)了金融發(fā)展、 金融錯(cuò)配對(duì)財(cái)政可持續(xù)影響的

主要機(jī)制[26]

。 在人口因素方面, 大部分研究的結(jié)論都表明人口老齡化不利于地方財(cái)政可持續(xù)[27]

。 影響財(cái)

政可持續(xù)性的因素復(fù)雜多變, 已有文獻(xiàn)大都忽視了數(shù)字經(jīng)濟(jì)這一重要背景, 對(duì)數(shù)字基礎(chǔ)設(shè)施因素的影響

效應(yīng)討論還不夠充分。

綜上所述, 已有研究評(píng)估了數(shù)字經(jīng)濟(jì)對(duì)技術(shù)創(chuàng)新、 產(chǎn)業(yè)結(jié)構(gòu)、 居民消費(fèi)等方面的影響, 并將財(cái)政因

素、 金融因素、 人口因素等作為切入點(diǎn)考察財(cái)政可持續(xù)發(fā)展的路徑, 取得了豐富的成果, 為本文研究奠

定了堅(jiān)實(shí)的基礎(chǔ)。 但從內(nèi)容來看, 有關(guān)數(shù)字經(jīng)濟(jì)尤其是其中的數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)影響的探

討還較為缺乏, 未能系統(tǒng)揭示其背后的傳導(dǎo)機(jī)制; 有關(guān)智慧城市試點(diǎn)政策對(duì)地方財(cái)政影響的文獻(xiàn)還較為

鮮見。 從方法來看, 采用傳統(tǒng)模型和指標(biāo)實(shí)證檢驗(yàn)各類宏觀因素對(duì)財(cái)政可持續(xù)的影響可能會(huì)導(dǎo)致估計(jì)

上的偏誤, 無法較好解決因遺漏變量和反向因果造成的內(nèi)生性問題。 有鑒于此, 本文從數(shù)字基礎(chǔ)設(shè)施

這一因素入手探討其對(duì)地方財(cái)政可持續(xù)的影響效應(yīng)和機(jī)制, 以智慧城市試點(diǎn)政策作為準(zhǔn)自然實(shí)驗(yàn), 構(gòu)

建漸進(jìn) DID 模型, 實(shí)證檢驗(yàn)數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響, 并進(jìn)一步探討其影響的異質(zhì)性和

作用機(jī)制。

三、 理論機(jī)制與研究假設(shè)

財(cái)政可持續(xù)的本質(zhì)在于財(cái)政收支之間能夠維持長期且穩(wěn)定的均衡關(guān)系, 即收入能夠滿足支出, 財(cái)政

職能的實(shí)現(xiàn)有持續(xù)的財(cái)力保障。 數(shù)字基礎(chǔ)設(shè)施主要是通過財(cái)政收入端和財(cái)政支出端兩大渠道對(duì)地方財(cái)政

可持續(xù)產(chǎn)生多維度的影響。

(一) 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的積極影響

數(shù)字基礎(chǔ)設(shè)施通過產(chǎn)業(yè)結(jié)構(gòu)渠道產(chǎn)生正向影響。 數(shù)字基礎(chǔ)設(shè)施可以優(yōu)化升級(jí)產(chǎn)業(yè)結(jié)構(gòu), 促進(jìn)宏

觀經(jīng)濟(jì)總量增長, 為財(cái)政體系良性運(yùn)轉(zhuǎn)打下堅(jiān)實(shí)基礎(chǔ)。 以數(shù)字化技術(shù)和平臺(tái)為支撐, 新技術(shù)的產(chǎn)業(yè)

應(yīng)用催生出大量創(chuàng)新業(yè)態(tài), 延伸了產(chǎn)業(yè)鏈條。 根據(jù)古典分配理論, 要素價(jià)格或收益率取決于要素配

置效率。 在要素自由流動(dòng)的情況下, 數(shù)字基礎(chǔ)設(shè)施帶動(dòng)高端裝備制造、 生物醫(yī)藥等相關(guān)產(chǎn)業(yè)快速發(fā)

展, 而要素效率提高會(huì)促使更多的高端人才、 資本等要素流入這類產(chǎn)業(yè), 產(chǎn)業(yè)份額和重要程度持續(xù)

上升[ 3]

, 進(jìn)而實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)不斷升級(jí)。 同時(shí), 傳統(tǒng)產(chǎn)業(yè)與信息技術(shù)深度融合, 對(duì)產(chǎn)業(yè)進(jìn)行數(shù)字化、

智能化改造, 升級(jí)落后的生產(chǎn)技術(shù)和工藝, 又會(huì)激發(fā)產(chǎn)業(yè)內(nèi)生動(dòng)能, 增加產(chǎn)品附加值, 為稅收作出

更大貢獻(xiàn)。

數(shù)字基礎(chǔ)設(shè)施通過消費(fèi)需求渠道產(chǎn)生正向影響。 數(shù)字基礎(chǔ)設(shè)施可以提供更好的消費(fèi)環(huán)境、 刺激公眾

消費(fèi)、 增加財(cái)政收入, 促進(jìn)財(cái)政的可持續(xù)發(fā)展。 從供給面來看, 數(shù)字基礎(chǔ)設(shè)施能夠助力企業(yè)升級(jí)產(chǎn)品質(zhì)

量, 并將原來的不可貿(mào)易品轉(zhuǎn)化為可貿(mào)易品, 如在線教育、 在線醫(yī)療等[28]

, 拓寬消費(fèi)種類, 推動(dòng)公眾消

費(fèi)升級(jí)。 企業(yè)利用大數(shù)據(jù)技術(shù)可以對(duì)公眾的消費(fèi)特征進(jìn)行分析, 推送相關(guān)的產(chǎn)品和服務(wù), 為公眾搜集信

息節(jié)約成本, 滿足公眾個(gè)性化、 多樣化的消費(fèi)需求, 提升公眾的消費(fèi)意愿。 從需求面來看, “網(wǎng)紅經(jīng)濟(jì)”

“直播經(jīng)濟(jì)” 方興未艾, 引領(lǐng)著數(shù)字消費(fèi)新趨勢, 促進(jìn)了支付方式便捷化, 拓寬了消費(fèi)渠道, 改善了公眾

22

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

的消費(fèi)體驗(yàn)[4]

, 增加了公眾的消費(fèi)頻率及金額。 消費(fèi)的增加在拉動(dòng)經(jīng)濟(jì)增長的同時(shí), 既擴(kuò)大增值稅的課

稅稅基, 又提高企業(yè)應(yīng)繳的所得稅, 從而促進(jìn)財(cái)政收入增長。

數(shù)字基礎(chǔ)設(shè)施通過財(cái)政支出績效渠道產(chǎn)生正向影響。 數(shù)字基礎(chǔ)設(shè)施涵蓋了數(shù)據(jù)接入、 存儲(chǔ)、 計(jì)算、

管理、 使用等領(lǐng)域, 有助于實(shí)現(xiàn)政府部門間的信息聯(lián)動(dòng)與工作協(xié)同, 打造開放共享的數(shù)據(jù)生態(tài)環(huán)境,

加快 “數(shù)字政府” 建設(shè)步伐, 進(jìn)而提高財(cái)政支出績效, 改善財(cái)政可持續(xù)狀況。一方面, 通過吸納整合

各類數(shù)據(jù)資源, 并對(duì)其深度挖掘、 加工與運(yùn)算, 地方政府能夠精準(zhǔn)地根據(jù)公眾需求生成用戶畫像, 有

針對(duì)性地提供各類公共服務(wù), 破解公共服務(wù)供需不匹配、 管理不精準(zhǔn)等痼疾[16]

。 另一方面, 數(shù)字基礎(chǔ)

設(shè)施能夠助力政務(wù)系統(tǒng)的開發(fā)與應(yīng)用, 再造政務(wù)流程, 簡化政務(wù)程序, 可以推進(jìn)政務(wù)服務(wù)的標(biāo)準(zhǔn)化

與智慧化, 推進(jìn)政府治理體系與治理能力的現(xiàn)代化, 降低行政管理成本, 減少不必要的財(cái)政資金浪

費(fèi)。 此外, 隨著多樣化信息平臺(tái)的搭建, 公眾了解政府財(cái)政收支狀況的渠道與手段增多, 在外部監(jiān)

督加強(qiáng)的前提下, 政府官員的問責(zé)約束機(jī)制更加易于實(shí)現(xiàn)[ 12]

, 官員在財(cái)政資金的使用上也會(huì)更加科

學(xué)謹(jǐn)慎。

數(shù)字基礎(chǔ)設(shè)施通過征稅能力渠道產(chǎn)生正向影響。 數(shù)字基礎(chǔ)設(shè)施帶來了稅收征管的數(shù)字化變革, 提升

了稅務(wù)部門的征稅能力和效率, 進(jìn)而增強(qiáng)地方財(cái)政的可持續(xù)性。 在 “以數(shù)治稅” 理念的推動(dòng)下, 依托云

平臺(tái)、 以算法為引擎, 涉稅信息收集和處理的新技術(shù)在稅收征管領(lǐng)域得到空前發(fā)展。 大數(shù)據(jù)、 人工智能

深度融入稅務(wù)管理、 征收、 風(fēng)險(xiǎn)預(yù)警、 稅務(wù)稽查、 稅務(wù)執(zhí)法等環(huán)節(jié), 使稅務(wù)部門能夠及時(shí)發(fā)現(xiàn)稅收征管

風(fēng)險(xiǎn)點(diǎn), 對(duì)其加以控制并進(jìn)行 “靶向” 應(yīng)對(duì), 從而減少漏洞、 節(jié)約征管成本、 降低稅收流失率、 增加稅

收收入。 數(shù)字基礎(chǔ)設(shè)施也可以推動(dòng)稅務(wù)部門組織結(jié)構(gòu)的優(yōu)化, 消除前后臺(tái)、 線上線下的隔閡, 使其向著

橫向集約化、 縱向扁平化的方向發(fā)展, 更好地適應(yīng)新時(shí)代稅收征管工作的需要。

(二) 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的消極影響

數(shù)字基礎(chǔ)設(shè)施通過投資沖動(dòng)渠道產(chǎn)生負(fù)向影響。 數(shù)字基礎(chǔ)設(shè)施具有基礎(chǔ)性、 外部性等特點(diǎn), 建設(shè)

發(fā)展需要財(cái)政資金支持, 如果規(guī)模過度膨脹, 則易引發(fā)財(cái)政失衡。 由于數(shù)字經(jīng)濟(jì)強(qiáng)大的抗沖擊能力和

韌性, 中央層面多次強(qiáng)調(diào)加快推進(jìn)數(shù)字經(jīng)濟(jì)及數(shù)字基礎(chǔ)設(shè)施建設(shè)。 在中國式分權(quán)理論框架下, 地方政

府受到經(jīng)濟(jì)增長和政治晉升雙重動(dòng)機(jī)的驅(qū)使, 很可能脫離對(duì)當(dāng)?shù)貙?shí)際的理性考量, 采取急功近利、 大

干快上的做法, 將數(shù)字經(jīng)濟(jì)作為新一輪區(qū)域競爭的主戰(zhàn)場, 背離比較優(yōu)勢原理, 超前布局?jǐn)?shù)字經(jīng)濟(jì),

過度投資數(shù)字基礎(chǔ)設(shè)施建設(shè)[11]

。 若本地區(qū)規(guī)劃的科學(xué)性不足或者地區(qū)間缺少有力協(xié)調(diào), 則各地發(fā)展數(shù)

字經(jīng)濟(jì)的競爭極易陷入失序狀態(tài), 而地方政府對(duì)人才、 資本等關(guān)鍵要素的激烈爭奪, 勢必加大財(cái)政支

出和債務(wù)壓力, 對(duì)財(cái)政可持續(xù)構(gòu)成潛在威脅。

數(shù)字基礎(chǔ)設(shè)施通過征稅能力渠道產(chǎn)生負(fù)向影響。 在大數(shù)據(jù)廣泛應(yīng)用基礎(chǔ)上發(fā)展起來的平臺(tái)經(jīng)濟(jì)、

跨境電商等改變了傳統(tǒng)貿(mào)易模式, 沖擊了現(xiàn)有稅制框架與稅收治理, 使稅收征管面臨巨大挑戰(zhàn)。 線上

交易渠道具有虛擬化、 形態(tài)隱匿化等特征, 導(dǎo)致征稅范圍界定模糊, 給稅務(wù)部門確定納稅時(shí)間、 地點(diǎn)

等造成困難, 部分隱性稅源游離在征管范圍之外[29]

, 也為納稅人的偷逃稅提供了彈性空間, 加大了稅

務(wù)部門的監(jiān)管成本和稅收流失的風(fēng)險(xiǎn), 弱化其征稅能力。 此外, 數(shù)字化經(jīng)濟(jì)集聚發(fā)展激活了當(dāng)?shù)亟?jīng)濟(jì),

使地方財(cái)政收入跨越式增長成為可能, 為引進(jìn)和留住更多的數(shù)字基礎(chǔ)設(shè)施供應(yīng)企業(yè), 地方政府可能會(huì)

放松稅收征管, 給予企業(yè)過度的稅收返還[30]

, 這無疑將加劇稅收流失, 拉大財(cái)政收支缺口, 對(duì)財(cái)政的

可持續(xù)產(chǎn)生負(fù)面影響。

綜合上述分析, 本文在理論層面提出的數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制如圖 1 所示。

基于數(shù)字基礎(chǔ)設(shè)施的不確定影響效應(yīng), 本文提出對(duì)立性的兩個(gè)研究假設(shè):

假設(shè) 1: 數(shù)字基礎(chǔ)設(shè)施有助于地方財(cái)政可持續(xù)發(fā)展, 以正向作用為主導(dǎo)。

假設(shè) 2: 數(shù)字基礎(chǔ)設(shè)施不利于地方財(cái)政可持續(xù)發(fā)展, 以負(fù)向作用為主導(dǎo)。

總的來說, 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響具有雙面性, 且取決于收入端與支出端的作用對(duì)

比, 實(shí)際影響如何還需要通過后續(xù)的實(shí)證分析來探討。

23

2023 年第 5 期 宋美喆, 胡丕吉: 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

B





-

@



3ffi

$\"BL!

/6

P4

B

/6 /\"

$0

BF\"B

K/\"

3\"

J

PF4(

B

KB

B

KB



B





4

圖 1 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制

四、 研究設(shè)計(jì)

(一) 模型構(gòu)建

智慧城市建設(shè)的重要內(nèi)容是基于物聯(lián)網(wǎng)、 云計(jì)算、 5G 網(wǎng)絡(luò)等新一代信息技術(shù)以及社交網(wǎng)絡(luò)、 綜合集

成法等, 整合信息資源、 統(tǒng)籌業(yè)務(wù)系統(tǒng), 從而營造有利于創(chuàng)新涌現(xiàn)的生態(tài), 實(shí)現(xiàn)全面透徹的感知、 寬帶

泛在的互聯(lián)、 智能融合的應(yīng)用, 促進(jìn)城市規(guī)劃、 建設(shè)、 管理和服務(wù)的智慧化[19]

。 為探索智慧城市發(fā)展的

科學(xué)方式, 住房和城鄉(xiāng)建設(shè)部辦公廳于 2012 年正式發(fā)布了關(guān)于開展國家智慧城市試點(diǎn)工作的通知, 印發(fā)

了 《國家智慧城市試點(diǎn)暫行管理辦法》 和 《國家智慧城市 (區(qū)、 鎮(zhèn)) 試點(diǎn)指標(biāo)體系 (試行) 》 兩個(gè)文

件, 確定了試點(diǎn)實(shí)施方案。 2014 年中共中央、 國務(wù)院印發(fā) 《國家新型城鎮(zhèn)化規(guī)劃 (2014—2020 年) 》,

將強(qiáng)化信息基礎(chǔ)設(shè)施、 促進(jìn)規(guī)劃管理信息化、 基礎(chǔ)設(shè)施智能化等作為智慧城市建設(shè)工作的重要內(nèi)容, 標(biāo)

志著智慧城市正式上升為國家戰(zhàn)略。 進(jìn)一步, 中國將物聯(lián)感知、 網(wǎng)絡(luò)通信、 公共信息數(shù)據(jù)庫等相關(guān)內(nèi)容

納入智慧城市的標(biāo)準(zhǔn)體系, 并從供給端發(fā)力, 為智慧城市的建設(shè)工作提供專項(xiàng)資金支持, 通過政策引導(dǎo)

推動(dòng)通信基站、 工業(yè)互聯(lián)網(wǎng)、 大數(shù)據(jù)中心等基礎(chǔ)設(shè)施的建設(shè)[18]

, 促使城市不同部門和不同系統(tǒng)之間實(shí)現(xiàn)

信息共享和協(xié)同作業(yè), 為城市治理與運(yùn)營提供更高效靈活的決策支持。 可以預(yù)見, 在目標(biāo)驅(qū)動(dòng)與政策傾

斜的雙重作用下, 智慧城市試點(diǎn)城市與非試點(diǎn)城市相比, 數(shù)字基礎(chǔ)設(shè)施水平將明顯提升, 可以將智慧城

市試點(diǎn)政策的實(shí)施作為數(shù)字基礎(chǔ)設(shè)施完善的自然實(shí)驗(yàn)沖擊[14]

。 2012 年住房和城鄉(xiāng)建設(shè)部公布了首批智慧

城市試點(diǎn)名單, 共有 90 個(gè)城市入選; 2013 公布了第二批試點(diǎn)名單, 共有 103 個(gè)城市入選; 2014 公布了第

三批試點(diǎn)名單, 共有 97 個(gè)城市入選。 試點(diǎn)中包括浙江、 廣東等東部地區(qū)經(jīng)濟(jì)發(fā)達(dá)的城市, 也涵蓋了江西、

貴州、 云南、 西藏等中西部地區(qū)經(jīng)濟(jì)相對(duì)落后的城市, 涉及面較廣, 建設(shè)規(guī)模較大, 并且不是以財(cái)政可

持續(xù)水平為選取標(biāo)準(zhǔn), 從而保證了試點(diǎn)政策的外生性。 此外, 本文在回歸分析中加入了一系列控制變量,

盡可能規(guī)避自選擇偏誤帶來的內(nèi)生性問題。

因不同城市入選智慧城市試點(diǎn)名單的時(shí)間不同, 因此不能采用統(tǒng)一設(shè)置處理時(shí)間的傳統(tǒng) DID 方法, 而需

要采用相對(duì)較靈活的漸進(jìn) DID 方法, 將處理組虛擬變量和改革時(shí)點(diǎn)虛擬變量交乘。 本文設(shè)置回歸模型如下:

Fisit

= α1

+ β1Digit

+ ∑ckControl

kit

+ φ1i

+ δ1t

+ ε1it (1)

其中, i、 t 分別表示城市和年份; Fis 表示被解釋變量地方財(cái)政可持續(xù)程度, Dig 表示核心解釋變量

數(shù)字基礎(chǔ)設(shè)施, Control

k 表示第 k 個(gè)影響地方財(cái)政可持續(xù)的控制變量。

中介效應(yīng)模型存在著估計(jì)偏誤, 若將所有變量 (機(jī)制變量和核心解釋變量) 都納入模型中進(jìn)行回歸,

則此時(shí)機(jī)制變量是一種典型的 “壞” 控制變量, 而控制住機(jī)制變量后, 將得不到核心解釋變量的一致估

計(jì)[31]

。 本文根據(jù)江艇 (2022)

[31] 的建議, 在機(jī)制檢驗(yàn)中, 第一步檢驗(yàn)核心解釋變量對(duì)機(jī)制變量的影響,

第二步檢驗(yàn)機(jī)制變量對(duì)地方財(cái)政可持續(xù)的影響, 設(shè)置回歸模型如下:

24

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

Mechit

= α2

+ β2Digit

+ ∑ckControl

kit

+ φ2i

+ δ2t

+ ε2it (2)

Fisit

= α3

+ β3Mechit

+ ∑ckControl

kit

+ φ3i

+ δ3t

+ ε3it (3)

其中, Mech 表示數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)影響的機(jī)制變量; φ1i、 φ2i、 φ3i 是不隨時(shí)間變化的個(gè)

體固定效應(yīng), δ1t、 δ2t、 δ3t 是不隨個(gè)體變化的時(shí)間固定效應(yīng), ε1it、 ε2it、 ε3it 表示隨機(jī)擾動(dòng)項(xiàng)。

(二) 指標(biāo)選取

1. 被解釋變量

被解釋變量為地方財(cái)政可持續(xù)程度 (Fis), 借鑒向鈺和趙靜梅 (2023)

[12]

、 李建軍和王鑫 (2018)

[32]

的做法, 用一般公共預(yù)算財(cái)政收支的差額與地區(qū)生產(chǎn)總值之比衡量。 該指標(biāo)能夠直觀反映當(dāng)期財(cái)政收支

狀況之間的差異, 表明了財(cái)政創(chuàng)收能力超出支出義務(wù)的相對(duì)份額, 其值越大, 越能夠適應(yīng)具有高度靈活

性和不確定性的經(jīng)濟(jì)社會(huì)環(huán)境和服務(wù)需求, 說明財(cái)政可持續(xù)性程度越高[33]

。

2. 核心解釋變量

核心解釋變量為數(shù)字基礎(chǔ)設(shè)施的完善 (Dig), 將智慧城市試點(diǎn)政策實(shí)施的外生沖擊作為指標(biāo)表示,

若第 i 個(gè)城市在第 t 年入選智慧城市試點(diǎn)名單則賦值為 1, 否則賦值為 0。 當(dāng)試點(diǎn)名單公布時(shí)間在 6 月份之

前, 則認(rèn)為當(dāng)年是改革年份, 在 6 月份之后認(rèn)為下一年是改革年份。

3. 機(jī)制變量

產(chǎn)業(yè)結(jié)構(gòu) (Ind)。 產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化是產(chǎn)業(yè)整體質(zhì)量和效率從低水平狀態(tài)向高水平演進(jìn)的過程, 故使

用產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化指數(shù)對(duì)此進(jìn)行衡量。 計(jì)算公式為: Ind =∑

3

m = 1

ymit

× lpmit, ymit 表示 i 城市第 m 個(gè)產(chǎn)業(yè)在第 t

年的增加值占地區(qū)生產(chǎn)總值的比重, lpmit 表示 i 城市第 m 個(gè)產(chǎn)業(yè)在第 t 年的勞動(dòng)生產(chǎn)率, 即產(chǎn)業(yè)增加值與

就業(yè)人數(shù)之比。

消費(fèi)需求 (Con), 用人均社會(huì)消費(fèi)品零售額表示。

財(cái)政支出績效 (Exp), 使用數(shù)據(jù)包絡(luò)分析 (DEA) 方法進(jìn)行測算。 其中, 投入指標(biāo)是人均財(cái)政支出;

產(chǎn)出指標(biāo)從教育、 文化、 醫(yī)療衛(wèi)生、 基礎(chǔ)設(shè)施方面選取, 具體包括每萬人高等學(xué)校教師數(shù)、 每萬人中學(xué)

教師數(shù)、 每萬人小學(xué)教師數(shù)、 人均公共圖書館藏書量、 每萬人執(zhí)業(yè)或助理醫(yī)師數(shù)、 每萬人醫(yī)療衛(wèi)生機(jī)構(gòu)

床位數(shù)、 人均擁有綠地面積、 人均排水管道長度。

投資沖動(dòng) (Inv)。 地方政府通常以直接出資或通過政策吸引企業(yè)出資的間接方式參與投資建設(shè), 基本

主導(dǎo)了當(dāng)?shù)氐墓潭ㄙY產(chǎn)投資。 同時(shí), 數(shù)字基礎(chǔ)設(shè)施需要以通信設(shè)備、 電網(wǎng)等領(lǐng)域的固定資產(chǎn)投資作為支

撐, 對(duì)于細(xì)分領(lǐng)域的固定資產(chǎn)投資額大部分城市都缺乏統(tǒng)計(jì)數(shù)據(jù)。 本文參照郭月梅等 (2019)

[34] 的研

究, 以全社會(huì)固定資產(chǎn)投資與地區(qū)生產(chǎn)總值之比作為代理指標(biāo)。

征稅能力 (Tax), 借鑒劉怡和劉維剛 (2015)

[35]

、 鄧明 (2020)

[36] 采用的稅柄回歸法, 用實(shí)際稅收

與潛在稅收的比值反映, 數(shù)值越大, 說明地方政府的征稅能力越強(qiáng)。 在取值時(shí), 以實(shí)際稅收收入作為被

解釋變量, 根據(jù)地稅征稅范圍將第二產(chǎn)業(yè)、 第三產(chǎn)業(yè)、 在崗職工工資總額作為解釋變量進(jìn)行回歸, 得到

潛在稅收收入。

4. 控制變量

參考劉建國和蘇文杰 (2022)

[26]

、 邱國慶和楊志安 (2022)

[27] 的研究, 從制度和宏觀經(jīng)濟(jì)環(huán)境方面

選取控制變量 (Control) 如下: 財(cái)政分權(quán) (Dec), 用人均市本級(jí)財(cái)政支出/ (人均市本級(jí)財(cái)政支出+人均

省本級(jí)財(cái)政支出) 表示; 城市化 (Urb), 用市轄區(qū)常住人口占城市總?cè)丝诘谋戎乇硎? 金融發(fā)展 (Fin),

用人均金融機(jī)構(gòu)貸款余額的對(duì)數(shù)表示; 經(jīng)濟(jì)發(fā)展 (Eco), 用實(shí)際地區(qū)生產(chǎn)總值增長率表示; 對(duì)外開放

(Open), 用實(shí)際利用外資額與地區(qū)生產(chǎn)總值之比表示。

(三) 數(shù)據(jù)說明

為排除 2008 年次貸危機(jī)爆發(fā)的干擾, 本文選取 284 個(gè)地級(jí)市 2009—2020 年的面板數(shù)據(jù)進(jìn)行研究。 數(shù)

25

2023 年第 5 期 宋美喆, 胡丕吉: 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

據(jù)來源于 《中國城市統(tǒng)計(jì)年鑒》、 各省份統(tǒng)計(jì)年鑒、 北京福卡斯特信息技術(shù)有限公司 EPS 數(shù)據(jù)庫, 部分缺

失數(shù)據(jù)使用線性插值法和多重插補(bǔ)法作補(bǔ)充。

各變量的描述性統(tǒng)計(jì)見表 1。

表 1 各變量的描述性統(tǒng)計(jì)

變量 均值 標(biāo)準(zhǔn)差 最小值 最大值

Fis -0. 125 0 0. 132 0 -2. 229 8 0. 067 1

Dig 0. 292 4 0. 454 9 0 1

Ind 6. 488 0 0. 347 8 5. 517 5 7. 836 1

Con 1. 989 9 1. 815 8 0. 041 4 16. 596 1

Exp 0. 684 4 0. 178 0 0. 056 8 1. 000 0

Inv 0. 767 0 0. 273 7 0. 087 2 2. 196 9

Tax 1. 003 1 0. 448 9 0. 276 4 6. 152 6

Dec 0. 447 7 0. 096 4 0. 169 3 0. 906 4

Urb 0. 360 8 0. 235 4 0. 043 7 1. 000 0

Fin 5. 796 0 1. 013 1 3. 242 5 9. 269 7

Eco 0. 096 6 0. 090 0 -0. 468 6 0. 614 5

Open 0. 017 9 0. 018 0 0. 000 0 0. 199 0

表 1 中被解釋變量地方財(cái)政可持續(xù)的均值

為負(fù), 說明大部分樣本城市的財(cái)政支出超過收

入水平, 財(cái)政收支矛盾凸顯, 可持續(xù)程度較

低。 且樣本城市中地方財(cái)政可持續(xù)變量的最大

值為 0. 067 1, 最小值為-2. 229 8, 呈現(xiàn)均值

小、 標(biāo)準(zhǔn)差大的特點(diǎn), 表明中國城市的財(cái)政可

持續(xù)程度存在明顯差異, 具有不均衡性。

五、 實(shí)證結(jié)果分析

借助智慧城市試點(diǎn)政策實(shí)施這一事件, 定

量評(píng)估數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的

影響①。

(一) 基準(zhǔn)回歸結(jié)果

對(duì)模型 (1) 進(jìn)行估計(jì), 逐步加入控制變

量, 觀察核心解釋變量回歸系數(shù)的變化, 結(jié)果

見表 2。

表 2 的估計(jì)結(jié)果顯示, 依次加入控制變

量后, 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影

響始終是顯著為正的, 影響效應(yīng)較穩(wěn)健, 其

正面影響效應(yīng)超過負(fù)面影響, 印證了鄧達(dá)等

(2021)

[11] 的研究結(jié)論, 證實(shí)了假設(shè) 1 成立,

也說明假設(shè) 2 并不成立。 加快數(shù)字基礎(chǔ)設(shè)施建

表 2 基準(zhǔn)模型估計(jì)結(jié)果

變量

Fis

(1) (2)

Dig 0. 012 1

??? 0. 003 6

?

(0. 002 6) (0. 002 0)

Dec -0. 954 6

???

(0. 023 0)

Urb 0. 043 4

???

(0. 012 7)

Fin 0. 030 8

???

(0. 003 3)

Eco 0. 095 4

???

(0. 011 3)

Open 0. 030 9

(0. 063 2)

地區(qū)固定效應(yīng) 控制 控制

時(shí)間固定效應(yīng) 控制 控制

觀測值 3 408 3 408

R

2 0. 748 5 0. 840 0

注: 括號(hào)內(nèi)為標(biāo)準(zhǔn)誤;

? 、

?? 、

??? 分別表示在 10%、 5%、 1%的水平下顯

著。 后表同。

26

① 限于篇幅, 平行趨勢和動(dòng)態(tài)性檢驗(yàn)、 安慰劑檢驗(yàn)、 處理效應(yīng)同質(zhì)性檢驗(yàn)、 內(nèi)生性檢驗(yàn)、 穩(wěn)健性檢驗(yàn)的結(jié)果不再具體顯示, 備索。

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

設(shè)、 搭建城市智能中樞、 強(qiáng)化數(shù)字技術(shù)保障, 能夠助力經(jīng)濟(jì)高質(zhì)量發(fā)展、 縮小財(cái)政收支缺口, 提高地方

財(cái)政的可持續(xù)性。 具體而言, 在加入全部控制變量后, 政策實(shí)施帶來的數(shù)字基礎(chǔ)設(shè)施改善使得試點(diǎn)城市

的財(cái)政可持續(xù)程度比非試點(diǎn)城市平均高 0. 003 6。 控制變量中, 財(cái)政分權(quán)對(duì)地方財(cái)政可持續(xù)的影響在 1%的

水平上顯著為負(fù), 原因在于分權(quán)體制之下地方政府擁有較高的支出自主權(quán), 容易引發(fā)政府間過度競爭、

資源流動(dòng)受阻等問題, 嚴(yán)重影響地方經(jīng)濟(jì)發(fā)展, 加深財(cái)政縱向失衡程度[23]

。 城市化、 金融發(fā)展、 經(jīng)濟(jì)發(fā)

展對(duì)地方財(cái)政可持續(xù)的影響都顯著為正。 可能的解釋為城市化有助于優(yōu)化資源配置、 增加資源邊際產(chǎn)出,

金融發(fā)展有助于緩解融資約束、 支持實(shí)體產(chǎn)業(yè)與經(jīng)濟(jì), 為社會(huì)直接創(chuàng)造更多財(cái)富。 以上三者均為提高財(cái)

政收入、 實(shí)現(xiàn)財(cái)政可持續(xù)提供了堅(jiān)實(shí)的物質(zhì)保障。

(二) 平行趨勢和動(dòng)態(tài)性檢驗(yàn)

DID 方法應(yīng)用的重要前提之一就是要滿足平行趨勢假設(shè), 即在智慧城市試點(diǎn)政策實(shí)施前, 處理組和對(duì)

照組的財(cái)政可持續(xù)水平應(yīng)具有相同的變動(dòng)趨勢。 采用事件研究法的思路, 為避免完全共線性, 以政策實(shí)

施前的第三年作為基期, 將政策變量分解為政策實(shí)施當(dāng)年、 實(shí)施前的年份、 實(shí)施后的年份, 對(duì)模型 (1)

進(jìn)行估計(jì)。 如果政策實(shí)施前核心解釋變量的估計(jì)系數(shù)顯著, 則說明平行趨勢假設(shè)不成立; 反之, 說明前

提假設(shè)成立。

估計(jì)結(jié)果表明, 在智慧城市試點(diǎn)政策實(shí)施前, 核心解釋變量的系數(shù)估計(jì)值都是不顯著的。 進(jìn)一步進(jìn)

行聯(lián)合顯著性檢驗(yàn), 結(jié)果顯示, F 值為 1. 13, 對(duì)應(yīng)的概率 P 值大于 0. 1, 說明不能拒絕變量系數(shù)同時(shí)為 0

的原假設(shè), 平行趨勢假設(shè)成立, 即如沒有政策沖擊, 試點(diǎn)城市和非試點(diǎn)城市的財(cái)政可持續(xù)變化軌跡應(yīng)是

一致的。 從動(dòng)態(tài)性檢驗(yàn)結(jié)果來看, 政策實(shí)施的當(dāng)年及之后三年, 核心解釋變量的系數(shù)估計(jì)值不顯著, 直

到第四年才轉(zhuǎn)為顯著, 且系數(shù)估計(jì)值不斷增大, 反映出試點(diǎn)政策對(duì)地方財(cái)政可持續(xù)的正向促進(jìn)作用呈逐

年遞增的特征。 智慧城市試點(diǎn)政策的實(shí)施是循序漸進(jìn)的系統(tǒng)性工程, 其中涉及的物聯(lián)網(wǎng)、 云計(jì)算、 數(shù)據(jù)

信息平臺(tái)等是逐步完善并推廣應(yīng)用的, 并非一蹴而就, 故在實(shí)施初期, 政策效果并未充分展現(xiàn)。 而隨著

時(shí)間推移, 智慧城市的建設(shè)模式、 管理方式和保障機(jī)制日趨成熟, 政策紅利不斷釋放, 政策實(shí)施的積極

效果隨之得到強(qiáng)化。

(三) 安慰劑檢驗(yàn)

1. 時(shí)間安慰劑檢驗(yàn)

將智慧城市試點(diǎn)政策的實(shí)施時(shí)間分別提前 1 至 2 年, 構(gòu)建偽政策虛擬變量, 對(duì)模型 (1) 進(jìn)行估計(jì)。

如果核心解釋變量的估計(jì)系數(shù)顯著, 則說明試點(diǎn)城市和非試點(diǎn)城市在財(cái)政可持續(xù)水平差異方面的變動(dòng)不

僅僅是由政策因素引起的, 還包括某些潛在的隨時(shí)間變化的因素。

檢驗(yàn)結(jié)果表明, 當(dāng)假定政策實(shí)施時(shí)間提前 1 年或者 2 年時(shí), 核心解釋變量的估計(jì)系數(shù)仍為正, 但并不

顯著, 證實(shí)了估計(jì)結(jié)果是受政策因素驅(qū)動(dòng), 可以排除某些時(shí)間因素對(duì)地方財(cái)政可持續(xù)的影響。

2. 個(gè)體安慰劑檢驗(yàn)

導(dǎo)致估計(jì)結(jié)果偏誤的另外一個(gè)可能的原因是遺漏了個(gè)體層面的變量。 為驗(yàn)證財(cái)政可持續(xù)水平的變化

是由智慧城市試點(diǎn)政策而不是不可觀測的遺漏變量引起, 在所有城市樣本中, 隨機(jī)抽取處理組和對(duì)照組,

生成偽政策虛擬變量, 對(duì)模型 (1) 進(jìn)行估計(jì)。 重復(fù)抽樣 500 次, 得到核心解釋變量的 500 個(gè)系數(shù)估計(jì)

值。 核密度分布表明, 系數(shù)估計(jì)值集中在 0 附近, 與表 2 中的估計(jì)結(jié)果 0. 003 6 相差較大, 估計(jì)值的均值

為-0. 000 4, 標(biāo)準(zhǔn)差為 0. 002 2, 對(duì)應(yīng)的概率 P 值大多超過 0. 1 且不顯著, 說明估計(jì)結(jié)果是可靠的, 并不

存在嚴(yán)重偏誤。

(四) 處理效應(yīng)同質(zhì)性檢驗(yàn)

除了平行趨勢假設(shè), 漸進(jìn) DID 方法的準(zhǔn)確使用還需要隨時(shí)間恒定的處理效應(yīng)的假定。 根據(jù)弗里施-沃

-洛弗爾 (Frisch-Waugh-Lovell) 定理, 雙向固定效應(yīng)的估計(jì)量等于所有可能的 2×2DID 估計(jì)量的加權(quán)平

均, 其中的類型包括處理組和從未處理組、 先處理組和還未被處理的后處理組、 已被處理的先處理組和

還未被處理的后處理組。 在時(shí)變處理效應(yīng)下, 處理過的個(gè)體作為對(duì)照組是一類壞的對(duì)照組, 原因在于在

27

2023 年第 5 期 宋美喆, 胡丕吉: 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

第二次差分時(shí)獲得的長期趨勢中混雜了動(dòng)態(tài)處理效應(yīng), 但并沒有在第一次差分時(shí)被消除掉, 這會(huì)使?jié)u進(jìn)

DID 的估計(jì)產(chǎn)生偏誤, 甚至出現(xiàn)相反的因果效應(yīng)。

為了診斷這一誤區(qū), 古德曼-培根 (Goodman-Bacon, 2021) 提出了培根分解, 通過各類 2×2DID 估計(jì)

量在總處理效應(yīng)的權(quán)重及其占比判斷這一假定前提是否成立[37]

。

本文的相關(guān)檢驗(yàn)結(jié)果表明, 雙向固定效應(yīng)的估計(jì)量主要源于處理組對(duì)從未處理組這一類 2×2DID, 其

平均處理效應(yīng)為 0. 028, 權(quán)重占比達(dá)到近 90%。 后處理組對(duì)先處理組這類可能存在壞對(duì)照組的 2×2DID,

處理效應(yīng)都落在了負(fù)值區(qū)間, 故其平均處理效應(yīng)也為負(fù), 值為-0. 018, 但其權(quán)重占比較低, 僅為 6. 7%,

對(duì)總體的估計(jì)影響并不大, 沒有造成嚴(yán)重的估計(jì)偏誤。

根據(jù)亞克拉 (Jakiela, 2021)

[38] 的研究, 進(jìn)一步結(jié)合回歸法對(duì)處理效應(yīng)同質(zhì)性進(jìn)行檢驗(yàn)。 用 ui 表示

t = 1 時(shí)個(gè)體 i 的財(cái)政可持續(xù)水平, ut 表示沒有處理時(shí) t-1 和 t 之間財(cái)政可持續(xù)水平的變化, 在平行趨勢假

設(shè)下, 這一變化在個(gè)體間是恒定的。 那么, 個(gè)體 i 在 t 期的財(cái)政可持續(xù)水平可以表示為:

Fisit

= μi

+ ∑μt

+ σDigit (4)

其中, σ 表示同質(zhì)處理效應(yīng)。 因此, 在同質(zhì)處理效應(yīng)和平行趨勢假設(shè)下, 余值化財(cái)政可持續(xù)水平 Fisit

~

是余值化政策變量 Digit

~ 的線性函數(shù), 其斜率應(yīng)該在試點(diǎn)城市和非試點(diǎn)城市之間無差異。 如果回歸結(jié)果存

在差異, 則說明同質(zhì)處理效應(yīng)假設(shè)不成立。

其中, Fisit

~

= (Fisit

- μi) - (μt

-

∑Fisit

NT

), Digit

~

= (Digit

- Digi) - (Digt

-

∑Digit

NT

), Digi 表示政策

變量個(gè)體均值, Digt 表示政策變量時(shí)間均值。

本文的相關(guān)檢驗(yàn)結(jié)果表明, Dig

~ 與試點(diǎn)城市×Dig

~ 的系數(shù)估計(jì)符號(hào)、 顯著性都是一致的, Dig

~ 對(duì) Fis

~ 的

影響在試點(diǎn)城市和非試點(diǎn)城市之間不存在差別, 無法拒絕同質(zhì)化處理效應(yīng)假設(shè), 使用漸進(jìn) DID 方法的前

提成立。

(五) 內(nèi)生性檢驗(yàn)

鑒于入選智慧城市試點(diǎn)政策的城市名單不是隨機(jī)的, 可能存在選擇性偏誤, 故選取工具變量, 采用

兩階段最小二乘 (2SLS) 方法進(jìn)行實(shí)證檢驗(yàn)。 參考劉成杰 (2021)

[39] 的做法, 將 1984 年每百人固定電話

數(shù)作為工具變量。 原因在于:一是智慧城市試點(diǎn)的選擇可能會(huì)考慮到建設(shè)條件, 即網(wǎng)絡(luò)信息技術(shù), 而網(wǎng)

絡(luò)信息技術(shù)是在傳統(tǒng)通信技術(shù)基礎(chǔ)上發(fā)展起來的, 滿足相關(guān)性假設(shè); 二是傳統(tǒng)通信技術(shù)在不斷革新, 其

歷史使用情況對(duì)當(dāng)前城市發(fā)展的影響在弱化, 滿足排他性假設(shè)。 因工具變量是截面的, 本文將工具變量

與時(shí)間趨勢項(xiàng)交乘, 擴(kuò)展為面板數(shù)據(jù)。

本文的相關(guān)檢驗(yàn)結(jié)果表明, 在第一階段的估計(jì)中, 在不加入和加入控制變量兩種情況下, 工具變量

對(duì)城市是否入選智慧城市試點(diǎn)政策名單的影響都是顯著為正的, 且 F 值分別為 20. 81 和 23. 02, 均大于

10, 可以拒絕弱工具變量的原假設(shè)。 歷史上固定電話普及率越高的城市, 越有可能入選智慧城市試點(diǎn)。 在

第二階段估計(jì)中, 核心解釋變量對(duì)地方財(cái)政可持續(xù)的影響顯著為正, 說明在考慮了試點(diǎn)政策的內(nèi)生性后,

數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的促進(jìn)作用仍然存在, 即假設(shè) 1 是成立的, 假設(shè) 2 不成立。

(六) 穩(wěn)健性檢驗(yàn)

數(shù)字基礎(chǔ)設(shè)施是一類以通信網(wǎng)絡(luò)為基礎(chǔ)、 以數(shù)據(jù)和計(jì)算設(shè)施為核心的新型基礎(chǔ)設(shè)施體系。 寬帶網(wǎng)絡(luò)

的普及能夠在一定程度上反映數(shù)字基礎(chǔ)設(shè)施的完善程度, 故借鑒習(xí)明明等 (2022)

[40] 的做法, 使用每千

萬人互聯(lián)網(wǎng)寬帶接入用戶數(shù)替代模型 (1) 中的政策變量, 作為數(shù)字基礎(chǔ)設(shè)施的代理指標(biāo)。

促進(jìn)財(cái)政可持續(xù)性的重點(diǎn)任務(wù)是保證政府債務(wù)與地區(qū)生產(chǎn)總值之比的穩(wěn)定性, 保持債務(wù)的持續(xù)清償

能力。 使用負(fù)債率指標(biāo)替換模型 (1) 中的被解釋變量進(jìn)行回歸, 計(jì)算方式為地方政府債務(wù)余額與地區(qū)生

產(chǎn)總值之比[12]

, 負(fù)債率越高, 財(cái)政可持續(xù)性越低。 數(shù)據(jù)來源于萬得 (Wind) 數(shù)據(jù)庫。

28

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

本文的研究樣本中包括不同行政等級(jí)的城市, 各類城市地方政府的發(fā)展目標(biāo)、 掌握的行政權(quán)力、 行

為模式可能存在差異。 為了避免不同層級(jí)城市資源分布的非平衡性對(duì)回歸結(jié)果造成干擾, 將所有省會(huì)城

市和直轄市從樣本中刪除, 最終剩余 253 個(gè)城市樣本。

2015 年施行的 《中華人民共和國預(yù)算法》 (以下簡稱新預(yù)算法) 對(duì)透明預(yù)算提了新的要求, 明確規(guī)

定了全口徑預(yù)算管理, 并擴(kuò)大了預(yù)算公開的范圍, 細(xì)化了預(yù)算公開的科目, 這對(duì)于實(shí)現(xiàn)公眾有效監(jiān)督,

約束政府官員的機(jī)會(huì)主義行為, 提高財(cái)政資金管理水平, 促進(jìn)地方財(cái)政可持續(xù)發(fā)展有著積極影響。 為檢

驗(yàn)考察期內(nèi)數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響是否為凈效應(yīng), 是否混雜了其他政策的影響, 本文設(shè)

置代表新預(yù)算法實(shí)施的虛擬變量, 并將其引入回歸模型 (1)。 其中, 時(shí)點(diǎn)虛擬變量在 2015 年之前取值為

0, 在 2015 年及之后的年份取值為 1。 以新預(yù)算法實(shí)施前一年樣本財(cái)政透明度指數(shù)的中位數(shù)為分界點(diǎn), 當(dāng)

指數(shù)低于中位數(shù)時(shí)是處理組, 處理組虛擬變量賦值為 1, 否則賦值為 0。 將時(shí)點(diǎn)虛擬變量與處理組虛擬變

量交乘, 作為新政策變量的表示。 財(cái)政透明度指數(shù)數(shù)據(jù)來源于清華大學(xué)課題組編制的 《中國市級(jí)政府財(cái)

政透明度研究報(bào)告》。

針對(duì)漸進(jìn) DID 中的異質(zhì)性處理效應(yīng)問題, 加德納 (Gardner, 2022) 提出了兩階段 DID 方法[41]

, 本文

借鑒這種方法, 首先用未參加試點(diǎn)的城市來估計(jì)下列模型:

Fisit

= φi

+ δt

+ ∑ckControl

kit

+ εit (5)

得到個(gè)體固定效應(yīng) φi 和時(shí)間固定效應(yīng) δt 的估計(jì)值后, 再用全部樣本估計(jì)平均處理效應(yīng) β:

Fisit

-φi

^

-δt

^

= βDigit

+ ∑ckControl

kit

+ εit (6)

本文的相關(guān)檢驗(yàn)結(jié)果表明, 對(duì)應(yīng)于不同情況, 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響都至少在 10%

的水平上顯著為正, 在用負(fù)債率表示財(cái)政可持續(xù)時(shí), 影響系數(shù)顯著為負(fù), 再次證實(shí)數(shù)字基礎(chǔ)設(shè)施建設(shè)有

助于實(shí)現(xiàn)地方財(cái)政的可持續(xù), 即結(jié)論支持了研究假設(shè) 1, 不支持研究假設(shè) 2。 在排除了新預(yù)算法實(shí)施這一

政策影響后, 對(duì)比表 2 的估計(jì)結(jié)果, 核心解釋變量的系數(shù)有所降低, 說明數(shù)字基礎(chǔ)設(shè)施的政策效應(yīng)有可能

被高估, 但其對(duì)地方財(cái)政可持續(xù)的正向促進(jìn)作用仍然顯著存在, 結(jié)論是穩(wěn)健的。

(七) 異質(zhì)性檢驗(yàn)

為回答數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響是否在不同特質(zhì)城市存在差異, 基于模型 (1) 刻畫以

下三種異質(zhì)性表現(xiàn), 結(jié)果見表 3。

表 3 異質(zhì)性檢驗(yàn)結(jié)果

變量

創(chuàng)新水平 人口規(guī)模 人力資本

高創(chuàng)新水平城市 低創(chuàng)新水平城市 高人口規(guī)模城市 低人口規(guī)模城市 高人力資本城市 低人力資本城市

Dig 0. 009 6

??? -0. 000 4 0. 006 5

?? 0. 004 8

? 0. 008 7

??? -0. 000 3

(0. 003 0) (0. 003 4) (0. 003 3) (0. 002 6) (0. 002 6) (0. 004 1)

Dec -0. 798 0

??? -0. 991 6

??? -1. 346 1

??? -0. 690 7

??? -0. 762 9

??? -1. 188 5

???

(0. 035 5) (0. 034 5) (0. 038 6) (0. 028 9) (0. 031 6) (0. 041 5)

Urb 0. 039 1

? 0. 062 5

??? -0. 023 6 0. 070 0

??? 0. 051 8

??? 0. 072 6

???

(0. 021 4) (0. 018 0) (0. 021 0) (0. 016 4) (0. 017 1) (0. 021 9)

Fin 0. 021 1

??? 0. 037 8

??? 0. 024 1

??? 0. 023 4

??? 0. 015 3

??? 0. 041 5

???

(0. 004 4) (0. 005 2) (0. 004 6) (0. 003 8) (0. 003 4) (0. 006 3)

Eco 0. 138 9

??? 0. 092 1

??? 0. 116 1

??? 0. 111 3

??? 0. 112 4

??? 0. 104 7

???

(0. 011 4) (0. 014 4) (0. 018 9) (0. 009 9) (0. 009 8) (0. 019 3)

Open 0. 185 4

?? -0. 000 3 -0. 122 6 0. 137 8

?? 0. 130 4

? -0. 055 4

(0. 090 0) (0. 075 1) (0. 085 2) (0. 068 1) (0. 068 3) (0. 092 8)

29

2023 年第 5 期 宋美喆, 胡丕吉: 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

表3(續(xù))

變量

創(chuàng)新水平 人口規(guī)模 人力資本

高創(chuàng)新水平城市 低創(chuàng)新水平城市 高人口規(guī)模城市 低人口規(guī)模城市 高人力資本城市 低人力資本城市

地區(qū)固定效應(yīng) 控制 控制 控制 控制 控制 控制

時(shí)間固定效應(yīng) 控制 控制 控制 控制 控制 控制

觀測值 1 704 1 704 1 704 1 704 1 704 1 704

R

2 0. 579 8 0. 418 2 0. 579 0 0. 481 6 0. 546 1 0. 484 2

1. 創(chuàng)新水平

創(chuàng)新水平用人均發(fā)明專利申請數(shù)表示。 如當(dāng)年某個(gè)城市的創(chuàng)新水平高于樣本中位數(shù), 則劃定為高創(chuàng)

新水平城市, 否則為低創(chuàng)新水平城市。 對(duì)于高創(chuàng)新水平的城市而言, 數(shù)字基礎(chǔ)設(shè)施對(duì)財(cái)政可持續(xù)的影響

系數(shù)為 0. 009 6, 且在 1%的水平顯著, 而低創(chuàng)新水平的城市, 此影響為負(fù)且不顯著。 可能的解釋為城

市創(chuàng)新水平越高, 經(jīng)濟(jì)社會(huì)數(shù)字化轉(zhuǎn)型能力越強(qiáng), 越有助于智慧城市試點(diǎn)工作的開展, 并支撐數(shù)字基

礎(chǔ)設(shè)施建設(shè), 為新型數(shù)字技術(shù)的發(fā)展注入源源不斷的動(dòng)力, 發(fā)揮其刺激消費(fèi)、 優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)等功能。

2. 人口規(guī)模

人口規(guī)模用年末常住人口數(shù)與行政區(qū)域土地面積之比表示。 若某個(gè)城市當(dāng)年的人口規(guī)模高于樣本中

位數(shù), 則劃定為高人口規(guī)模城市, 否則為低人口規(guī)模城市。 對(duì)于高人口規(guī)模和低人口規(guī)模的城市而言,

數(shù)字基礎(chǔ)設(shè)施對(duì)財(cái)政可持續(xù)的影響都是顯著為正的, 但前者的影響系數(shù)和顯著性水平都高于后者。 進(jìn)一

步進(jìn)行費(fèi)舍爾組合檢驗(yàn), 結(jié)果表明, 兩者的系數(shù)差為-0. 001 7, 對(duì)應(yīng)的經(jīng)驗(yàn) P 值為 0. 10, 說明可以在

10%的顯著性水平上拒絕兩者無差異的原假設(shè)。 原因可能是高人口規(guī)模的城市能夠更有效發(fā)揮集聚效應(yīng),

對(duì)數(shù)字基礎(chǔ)設(shè)施的利用率更高, 能夠充分發(fā)揮數(shù)字基礎(chǔ)設(shè)施的價(jià)值。 而低人口規(guī)模的城市, 各方面的配

套措施較匱乏, 數(shù)字基礎(chǔ)設(shè)施的積極作用發(fā)揮不夠充分。

3. 人力資本水平

人力資本水平用每萬人口中大學(xué)生人數(shù)表示。 如某個(gè)城市當(dāng)年的人力資本水平高于樣本中位數(shù), 則

劃定為高人力資本城市, 否則為低人力資本城市。 對(duì)于高人力資本的城市而言, 數(shù)字基礎(chǔ)設(shè)施對(duì)財(cái)政可

持續(xù)的影響系數(shù)為 0. 008 7, 且在 1%的水平顯著, 而低人力資本的城市, 此影響為負(fù)且不顯著。 原因在于

數(shù)字基礎(chǔ)設(shè)施對(duì)人力資本有著更高的要求, 人力資本水平高的城市, 企業(yè)研發(fā)創(chuàng)新能力強(qiáng), 勞動(dòng)力掌握

的知識(shí)技能更豐富, 能夠迅速掌握并應(yīng)用新技術(shù)、 新手段, 并依托數(shù)字基礎(chǔ)設(shè)施催生出更多的創(chuàng)新業(yè)態(tài)

和經(jīng)濟(jì)模式, 推動(dòng)經(jīng)濟(jì)社會(huì)轉(zhuǎn)型升級(jí), 支撐財(cái)政的安全運(yùn)行。 人力資本水平低的城市, 創(chuàng)新能力較弱,

無法滿足和適應(yīng)數(shù)字基礎(chǔ)設(shè)施推廣應(yīng)用的需要, 使其正向作用的發(fā)揮受到限制。

(八) 機(jī)制檢驗(yàn)

根據(jù)前文的理論分析, 對(duì)模型 (2)、 模型 (3) 進(jìn)行估計(jì), 驗(yàn)證數(shù)字基礎(chǔ)設(shè)施通過產(chǎn)業(yè)結(jié)構(gòu)、 消費(fèi)需

求、 財(cái)政支出績效、 投資沖動(dòng)、 征稅能力路徑對(duì)地方財(cái)政可持續(xù)產(chǎn)生的影響, 結(jié)果見表 4。

表 4 機(jī)制檢驗(yàn)結(jié)果

變量

產(chǎn)業(yè)結(jié)構(gòu) 消費(fèi)需求 財(cái)政支出績效 投資沖動(dòng) 征稅能力路徑

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Dig 0. 026 0

??? 0. 442 8

??? 0. 015 3

?? 0. 074 2

??? -0. 029 7

???

(0. 006 1) (0. 066 5) (0. 006 0) (0. 017 0) (0. 009 6)

Ind 0. 028 1

???

(0. 009 2)

30

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

表4(續(xù))

變量

產(chǎn)業(yè)結(jié)構(gòu) 消費(fèi)需求 財(cái)政支出績效 投資沖動(dòng) 征稅能力路徑

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Con 0. 004 3

???

(0. 001 4)

Exp 0. 139 6

???

(0. 041 0)

Inv -0. 011 1

(0. 012 6)

Tax 0. 033 4

???

(0. 004 8)

控制變量 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制

地區(qū)固定效應(yīng) 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制

時(shí)間固定效應(yīng) 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制

觀測值 3 408 3 408 3 408 3 408 3 408 3 408 3 408 3 408 2 820 2 820

R

2 0. 595 8 0. 639 8 0. 799 4 0. 640 9 0. 450 5 0. 441 0 0. 241 6 0. 593 7 0. 323 8 0. 647 6

在控制了其他變量的條件下, 由列 (1) 可知, 核心解釋變量對(duì)產(chǎn)業(yè)結(jié)構(gòu)的影響顯著為正。 作為中國

數(shù)字基礎(chǔ)設(shè)施建設(shè)的一項(xiàng)較早嘗試, 智慧城市試點(diǎn)政策的推進(jìn)有助于加速產(chǎn)業(yè)間的信息傳遞和創(chuàng)新擴(kuò)散,

為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)創(chuàng)造了積極條件。 由列 (2) 可知, 從效應(yīng)來看, 產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化可以增加財(cái)政收入,

顯著促進(jìn)地方財(cái)政可持續(xù)發(fā)展, 證明了第一條影響路徑的存在。 由列 (3) 和列 (4) 可知, 核心解釋變

量對(duì)消費(fèi)需求的影響系數(shù)和消費(fèi)需求對(duì)地方財(cái)政可持續(xù)的影響系數(shù)分別是 0. 442 8 和 0. 004 3, 都在 1%的

水平上顯著, 表明數(shù)字基礎(chǔ)設(shè)施通過消費(fèi)需求作用于地方財(cái)政可持續(xù)的路徑暢通, 第二條影響路徑是存

在的。 數(shù)字基礎(chǔ)設(shè)施能夠提高企業(yè)捕捉并響應(yīng)消費(fèi)需求變化的能力, 有效刺激公眾消費(fèi)需求, 進(jìn)而帶動(dòng)

經(jīng)濟(jì)增長, 增強(qiáng)財(cái)政可持續(xù)能力。 由列 (5) 和列 (6) 可知, 核心解釋變量對(duì)財(cái)政支出績效的影響系數(shù)

和財(cái)政支出績效對(duì)地方財(cái)政可持續(xù)的影響系數(shù)分別是 0. 015 3 和 0. 139 6, 均在 1%的水平上顯著, 證明了

第三條影響路徑的存在。 數(shù)字基礎(chǔ)設(shè)施促進(jìn)了新一代信息技術(shù)的前沿突破, 有利于打造智慧政務(wù), 推進(jìn)

精準(zhǔn)化的財(cái)政支出管理模式的變革, 并節(jié)約不必要的財(cái)政開支, 縮小財(cái)政收支缺口, 保證財(cái)政的發(fā)展與

安全。 由列 (7) 和列 (8) 可知, 核心解釋變量對(duì)投資沖動(dòng)的影響是顯著為正的, 投資沖動(dòng)對(duì)地方財(cái)政

可持續(xù)的影響為負(fù), 但并不顯著, 與理論分析不相符, 說明第四條影響路徑不存在。 可能的原因在于投

資規(guī)模擴(kuò)張?jiān)诙唐趦?nèi)能夠拉動(dòng)經(jīng)濟(jì)增長, 從而助力財(cái)政收入上漲。 當(dāng)收入足以覆蓋債務(wù)的還本付息及維

持正常財(cái)政支出時(shí), 財(cái)政是可以實(shí)現(xiàn)可持續(xù)發(fā)展的, 這抵消了投資沖動(dòng)對(duì)地方財(cái)政可持續(xù)的負(fù)向作用,

使得綜合影響微弱, 數(shù)字基礎(chǔ)設(shè)施通過投資沖動(dòng)影響地方財(cái)政可持續(xù)的機(jī)制被中斷。 由列 (9) 和列

(10) 可知, 核心解釋變量對(duì)征稅能力的影響是顯著為負(fù)的, 征稅能力對(duì)地方財(cái)政可持續(xù)的影響顯著為

正, 證明了第五條影響路徑的存在。 數(shù)字基礎(chǔ)設(shè)施在推動(dòng)新技術(shù)與稅收征管快速融合、 為納稅人提供更

高效便捷的辦稅流程的同時(shí), 可能會(huì)加大稅收監(jiān)督和稽查難度, 造成稅收流失, 難以做到稅款的應(yīng)收盡

收, 不利于地方財(cái)政的可持續(xù)。 這主要是因?yàn)閿?shù)字基礎(chǔ)設(shè)施支撐下的數(shù)字經(jīng)濟(jì)活動(dòng)具有要素信息化、 業(yè)

態(tài)虛擬化等特點(diǎn), 無形的數(shù)字化網(wǎng)絡(luò)交易使稅源表現(xiàn)出隱匿性、 即逝性, 并造成了稅收管轄權(quán)的認(rèn)定困

難, 使得部分稅源游離在征管范圍之外, 增加了稅收流失的風(fēng)險(xiǎn)。

(九) 拓展性分析

地方財(cái)政可持續(xù)性存在較強(qiáng)的空間相關(guān)性, 在識(shí)別智慧城市試點(diǎn)政策對(duì)地方財(cái)政可持續(xù)性的影響時(shí),

需要考慮空間溢出效應(yīng)。 本文構(gòu)建空間自回歸模型對(duì)此進(jìn)行拓展性分析:

31

2023 年第 5 期 宋美喆, 胡丕吉: 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

Fisit

= α4

+ ρWFisjt

+ β1Digit

+ ∑ckControl

kit

+ φ4i

+ δ4t

+ ε4it (7)

由于地理距離和經(jīng)濟(jì)距離相近的城市聯(lián)系更加密切, 本文設(shè)置三類空間權(quán)重矩陣:一是地理距離空

間權(quán)重矩陣 W1, 矩陣元素取地區(qū)間基于經(jīng)緯度計(jì)算的歐式距離的倒數(shù); 二是經(jīng)濟(jì)距離空間權(quán)重矩陣 W2,

矩陣元素取考察期內(nèi)各年各地區(qū)人均 GDP 均值之差絕對(duì)值的倒數(shù); 三是綜合空間權(quán)重矩陣 W3, W3 = W1×

W2。 估計(jì)結(jié)果見表 5。

表 5 空間自回歸模型的估計(jì)結(jié)果

變量 W1 W2 W3

W×Fis 0. 178 4

??? 0. 209 1

??? 0. 054 0

??

(0. 037 2) (0. 034 8) (0. 024 4)

Dig 0. 009 3

??? 0. 010 0

??? 0. 006 8

??

(0. 003 0) (0. 003 0) (0. 002 9)

直接效應(yīng) 0. 009 4

??? 0. 010 1

??? 0. 006 9

??

(0. 003 1) (0. 003 1) (0. 003 0)

間接效應(yīng) 0. 002 1

?? 0. 002 7

?? 0. 000 4

(0. 001 0) (0. 001 1) (0. 000 3)

總效應(yīng) 0. 011 5

??? 0. 012 8

??? 0. 007 3

??

(0. 003 9) (0. 004 1) (0. 003 2)

控制變量 控制 控制 控制

地區(qū)固定效應(yīng) 控制 控制 控制

時(shí)間固定效應(yīng) 控制 控制 控制

觀測值 3 408 3 408 3 408

R

2

0. 367 3 0. 369 1 0. 372 6

表 5 的數(shù)據(jù)顯示, 對(duì)應(yīng)于三大空間權(quán)重矩陣, 空間自回歸系數(shù)至少在 5%的水平上顯著, 說明地理距

離和經(jīng)濟(jì)距離相近的城市的地方財(cái)政可持續(xù)性存在空間關(guān)聯(lián), 在進(jìn)行回歸分析時(shí), 有必要將空間相關(guān)性

納入實(shí)證模型。 空間自回歸系數(shù)都為正, 且位于 0 和 1 之間, 模型符合空間平穩(wěn)性條件。 其他城市的地方

財(cái)政可持續(xù)水平提高, 也會(huì)帶動(dòng)本地區(qū)的財(cái)政可持續(xù)水平相應(yīng)提高。 進(jìn)一步對(duì)比系數(shù)大小, 可以發(fā)現(xiàn)經(jīng)

濟(jì)距離空間權(quán)重矩陣下的空間自回歸系數(shù)要大于地理距離空間權(quán)重矩陣下的系數(shù), 說明不同城市在經(jīng)濟(jì)

空間的互動(dòng)強(qiáng)度要高于在地理空間的互動(dòng)強(qiáng)度。

為對(duì)回歸系數(shù)做出合理的解釋, 本文使用偏微分方法, 將數(shù)字基礎(chǔ)設(shè)施的影響效應(yīng)分解為直接效應(yīng)、

間接效應(yīng)和總效應(yīng)。 對(duì)應(yīng)于三大空間權(quán)重矩陣, 數(shù)字基礎(chǔ)設(shè)施的直接效應(yīng)、 總效應(yīng)均顯著為正, 間接效

應(yīng)為正, 且在大多數(shù)情況下都是顯著的。 加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)不僅有利于當(dāng)?shù)刎?cái)政可持續(xù)發(fā)展, 對(duì)地

理距離和經(jīng)濟(jì)發(fā)展水平相近的城市來說, 也有著積極意義。 原因可能是智慧城市試點(diǎn)政策加強(qiáng)了數(shù)字平

臺(tái)和網(wǎng)絡(luò)建設(shè), 具有良好的空間輻射效應(yīng), 促進(jìn)了各城市技術(shù)共同進(jìn)步, 為資源在城市間流動(dòng)創(chuàng)造了便

利條件, 有助于城市間的經(jīng)濟(jì)往來更加密切, 并使得其他城市獲得了 “搭便車” 的好處。

六、 研究結(jié)論與政策建議

本文的研究結(jié)論為: 第一, 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響顯著為正, 正面影響效應(yīng)超過負(fù)

面影響, 占主導(dǎo)地位, 且這種正面影響呈逐年遞增的特征。 第二, 從異質(zhì)性來看, 數(shù)字基礎(chǔ)設(shè)施對(duì)地方

32

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

財(cái)政可持續(xù)的正向作用在高創(chuàng)新水平、 高人口規(guī)模、 高人力資本的城市表現(xiàn)更為突出。 第三, 從機(jī)制來

看, 數(shù)字基礎(chǔ)設(shè)施通過促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)、 刺激公眾消費(fèi)需求、 提高財(cái)政支出績效等渠道發(fā)揮積極

作用, 但其也會(huì)弱化政府征稅能力, 造成稅收流失, 對(duì)地方財(cái)政可持續(xù)發(fā)展產(chǎn)生負(fù)面影響。 同時(shí), 投資

沖動(dòng)對(duì)地方財(cái)政可持續(xù)的影響不顯著, 使得數(shù)字基礎(chǔ)設(shè)施通過強(qiáng)化投資沖動(dòng)影響地方財(cái)政可持續(xù)的機(jī)制

被中斷。 第四, 從空間效應(yīng)來看, 數(shù)字基礎(chǔ)設(shè)施建設(shè)具有溢出性, 不僅有利于當(dāng)?shù)? 也能夠帶動(dòng)地理距

離相近和經(jīng)濟(jì)發(fā)展水平類似的城市財(cái)政可持續(xù)性提高。

基于以上結(jié)論, 提出政策建議如下:

第一, 順應(yīng)新一輪數(shù)字化浪潮, 加快數(shù)字基礎(chǔ)設(shè)施投資步伐, 將數(shù)字基礎(chǔ)設(shè)施建設(shè)作為新一輪投資

的著力點(diǎn), 建立健全數(shù)字生態(tài)系統(tǒng)的核心架構(gòu)。 同時(shí)以地方資源特點(diǎn)和財(cái)力承受能力為出發(fā)點(diǎn), 加強(qiáng)統(tǒng)

籌規(guī)劃, 科學(xué)布局, 在建設(shè)過程中防止出現(xiàn) “一窩蜂” “一刀切” 等現(xiàn)象, 避免形成地方債務(wù)過度膨脹、

預(yù)算執(zhí)行軟約束等問題。 地方政府還應(yīng)有序引導(dǎo)社會(huì)資本投入, 吸引市場力量廣泛參與, 循序漸進(jìn)、 統(tǒng)

籌協(xié)調(diào)開展數(shù)字基礎(chǔ)設(shè)施建設(shè), 釋放數(shù)字技術(shù)和大數(shù)據(jù)資源對(duì)地區(qū)創(chuàng)新體系的賦能價(jià)值。

第二, 搭建財(cái)政、 稅收等領(lǐng)域的智能網(wǎng)絡(luò)平臺(tái), 將大數(shù)據(jù)、 人工智能等數(shù)字技術(shù)運(yùn)用到財(cái)稅管理的

各方面、 全流程。 健全財(cái)政資金動(dòng)態(tài)監(jiān)控體系, 打破數(shù)據(jù)壁壘, 使公眾低成本參與到財(cái)政治理中, 直觀

地跟蹤財(cái)政支出的去向, 提升財(cái)政支出效率。 以數(shù)字基礎(chǔ)實(shí)施為抓手, 對(duì)預(yù)算、 政府采購、 國庫集中支

付、 決算等業(yè)務(wù)場景進(jìn)行多維分析, 提高財(cái)政決策的靶向性和針對(duì)性。 利用區(qū)塊鏈技術(shù)收集涉稅信息,

實(shí)現(xiàn)多主體的信息交互與聯(lián)通, 優(yōu)化數(shù)字經(jīng)濟(jì)下的稅源管控和征收方式, 并基于大數(shù)據(jù)精準(zhǔn)監(jiān)測潛在的

偷逃稅行為, 減少稅收流失。

第三, 依托數(shù)字基礎(chǔ)設(shè)施積極推動(dòng)產(chǎn)業(yè)和消費(fèi)升級(jí), 為財(cái)政可持續(xù)發(fā)展夯實(shí)物質(zhì)基礎(chǔ)。 加快數(shù)字產(chǎn)

業(yè)化、 產(chǎn)業(yè)數(shù)字化進(jìn)程, 完善數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)鏈, 將數(shù)字基礎(chǔ)設(shè)施與傳統(tǒng)產(chǎn)業(yè)深入融合, 推動(dòng)產(chǎn)業(yè)集群化、

精細(xì)化發(fā)展, 為產(chǎn)業(yè)優(yōu)化升級(jí)注入數(shù)字動(dòng)力, 提高產(chǎn)業(yè)附加值。 提升數(shù)字經(jīng)濟(jì)包容性, 加大數(shù)字技術(shù)的

普及力度, 減少數(shù)字基礎(chǔ)設(shè)施的應(yīng)用障礙, 減輕數(shù)字鴻溝對(duì)于公眾消費(fèi)升級(jí)的束縛。 培育線上消費(fèi)新增

長點(diǎn), 創(chuàng)新商品與服務(wù)的供給模式, 培育新型消費(fèi)業(yè)態(tài), 打造消費(fèi)新場景, 充分釋放消費(fèi)市場潛力。

第四, 充分利用數(shù)字基礎(chǔ)設(shè)施的空間溢出效應(yīng)。 重視區(qū)域發(fā)展的均衡性和協(xié)調(diào)性, 因地制宜, 分步

驟、 分批次推動(dòng)各地區(qū)數(shù)字基礎(chǔ)設(shè)施建設(shè)。一方面, 加大高創(chuàng)新能力、 高人口規(guī)模和高人力資本地區(qū)的

數(shù)字化建設(shè)投入, 形成區(qū)域數(shù)字經(jīng)濟(jì)核心帶, 以此帶動(dòng)相鄰地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展, 增強(qiáng)財(cái)政可持續(xù)性, 同

時(shí), 發(fā)揮先行地區(qū)的引領(lǐng)和示范作用, 補(bǔ)齊落后地區(qū)優(yōu)質(zhì)人力資本和技術(shù)創(chuàng)新領(lǐng)域的短板。 另一方面,

推動(dòng)地區(qū)間要素循環(huán)和流通, 實(shí)現(xiàn)地區(qū)間智能網(wǎng)絡(luò)共享, 形成區(qū)域智慧治理的分工和協(xié)同體系, 注意避

免陷入數(shù)字基礎(chǔ)設(shè)施低水平重復(fù)建設(shè)和同質(zhì)化競爭。

參考文獻(xiàn):

[1]朱金鶴,孫紅雪. 數(shù)字經(jīng)濟(jì)是否提升了城市經(jīng)濟(jì)韌性? [J]. 現(xiàn)代經(jīng)濟(jì)探討,2021(10):1-13.

[2]郭東杰,周立宏,陳林. 數(shù)字經(jīng)濟(jì)對(duì)產(chǎn)業(yè)升級(jí)與就業(yè)調(diào)整的影響[J]. 中國人口科學(xué),2022(3):99-110,128.

[3]戴魁早,黃姿,王思曼. 數(shù)字經(jīng)濟(jì)促進(jìn)了中國服務(wù)業(yè)結(jié)構(gòu)升級(jí)嗎? [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2023,40(2):90-112.

[4]鐘若愚,曾潔華. 數(shù)字經(jīng)濟(jì)對(duì)居民消費(fèi)的影響研究———基于空間杜賓模型的實(shí)證分析[J]. 經(jīng)濟(jì)問題探索,2022(3):31-43.

[5]王軍,肖華堂. 數(shù)字經(jīng)濟(jì)發(fā)展縮小了城鄉(xiāng)居民收入差距嗎? [J]. 經(jīng)濟(jì)體制改革,2021(6):56-61.

[6]柏亮,陳小輝. 數(shù)字經(jīng)濟(jì)如何影響工業(yè) SO2 排放? ———理論解讀與實(shí)證檢驗(yàn)[J]. 東北財(cái)經(jīng)大學(xué)學(xué)報(bào),2020(5):73-81.

[7]王雍君,王冉冉. 數(shù)字經(jīng)濟(jì)稅收治理:轄區(qū)規(guī)則、財(cái)政自立與均等化視角[J]. 稅務(wù)研究,2022(1):49-58.

[8]李蕊,李水軍. 數(shù)字經(jīng)濟(jì):中國稅收制度何以回應(yīng)[J]. 稅務(wù)研究,2020(3):91-98.

[9]艾華,徐綺爽,王寶順. 數(shù)字經(jīng)濟(jì)對(duì)地方政府稅收收入影響的實(shí)證研究[J]. 稅務(wù)研究,2021(8):107-112.

[10]劉建民,薛妍,劉嘉意. 數(shù)字經(jīng)濟(jì)對(duì)地方財(cái)政可持續(xù)性的影響研究:基于“本地—鄰地”視角[ J]. 湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2021,

35(6):46-56.

[11]鄧達(dá),潘光曦,林曉樂. 我國數(shù)字經(jīng)濟(jì)發(fā)展對(duì)地方財(cái)政可持續(xù)性的影響[J]. 當(dāng)代財(cái)經(jīng),2021(9):38-52.

33

2023 年第 5 期 宋美喆, 胡丕吉: 數(shù)字基礎(chǔ)設(shè)施對(duì)地方財(cái)政可持續(xù)的影響機(jī)制及效果研究

[12]向鈺,趙靜梅. 基于數(shù)字經(jīng)濟(jì)的地方財(cái)政可持續(xù)性研究[J]. 中國軟科學(xué),2023(3):203-212.

[13]趙星. 新型數(shù)字基礎(chǔ)設(shè)施的技術(shù)創(chuàng)新效應(yīng)研究[J]. 統(tǒng)計(jì)研究,2022,39(4):80-92.

[14]溫湖煒,鐘啟明. 數(shù)字基礎(chǔ)設(shè)施與企業(yè)全要素生產(chǎn)率———來自中國上市公司的證據(jù)[J]. 軟科學(xué),2022,36(8):64-71.

[15]袁航,夏杰長. 數(shù)字基礎(chǔ)設(shè)施建設(shè)對(duì)中國服務(wù)業(yè)結(jié)構(gòu)升級(jí)的影響研究[J]. 經(jīng)濟(jì)縱橫,2022(6):85-95.

[16]董宴廷,王洛忠. 智慧城市建設(shè)與城市公共服務(wù)水平———基于智慧城市試點(diǎn)的準(zhǔn)自然試驗(yàn)[J]. 城市問題,2021(10):56-64.

[17]張兵兵,陳思琪,曹歷娟. 城市因“智慧”而低碳嗎? ———來自智慧城市試點(diǎn)政策的探索[J]. 經(jīng)濟(jì)評(píng)論,2022(6):132-149.

[18]周記順,宋顏希. 新型基礎(chǔ)設(shè)施建設(shè)對(duì)地區(qū)出口的影響———來自國家智慧城市試點(diǎn)的證據(jù)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究,2022(5):115-128.

[19]姚璐,王書華,范瑞. 智慧城市試點(diǎn)政策的創(chuàng)新效應(yīng)研究[J]. 經(jīng)濟(jì)與管理研究,2023,44(2):94-111.

[20]BUITER W H. A guide to public sector debt and deficits[J]. Economic Policy, 1985, 1(1): 13-79.

[21]孫正,陳旭東,蘇曉燕. 地方競爭、產(chǎn)能過剩與財(cái)政可持續(xù)性[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究,2019(1):75-86.

[22]鄧曉蘭,許晏君,劉若鴻. 結(jié)構(gòu)性減稅與地方財(cái)政可持續(xù)性———基于“營改增”的實(shí)證研究[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2021(10):15-29.

[23]杜彤偉,張屹山,楊成榮. 財(cái)政縱向失衡、轉(zhuǎn)移支付與地方財(cái)政可持續(xù)性[J]. 財(cái)貿(mào)經(jīng)濟(jì),2019,40(11):5-19.

[24]BORIO C E, LOMBARDI M J, ZAMPOLLI F. Fiscal sustainability and the financial cycle[Z]. BIS Working Papers No. 552, 2016.

[25]封北麟. 財(cái)政可持續(xù)與金融穩(wěn)定———基于中國的經(jīng)驗(yàn)研究[J]. 財(cái)政科學(xué),2022(2):33-51.

[26]劉建國,蘇文杰. 金融錯(cuò)配對(duì)地方財(cái)政可持續(xù)性的影響———基于金融發(fā)展的調(diào)節(jié)效應(yīng)和門檻效應(yīng)[J]. 金融經(jīng)濟(jì)學(xué)研究,2022,37(2):

3-19.

[27]邱國慶,楊志安. 人口老齡化、扭曲效應(yīng)與財(cái)政可持續(xù)性[J]. 當(dāng)代經(jīng)濟(jì)科學(xué),2022,44(4):19-30.

[28]高振娟,趙景峰,張靜,等. 數(shù)字經(jīng)濟(jì)賦能消費(fèi)升級(jí)的機(jī)制與路徑選擇[J]. 西南金融,2021(10):44-54.

[29]陳志勇,王希瑞,劉暢. 數(shù)字經(jīng)濟(jì)下稅收治理的演化趨勢與模式再造[J]. 稅務(wù)研究,2022(7):57-63.

[30]白彥鋒,劉璐. 平臺(tái)經(jīng)濟(jì)發(fā)展“雙失序”與共同富裕取向的財(cái)政治理選擇[J]. 河北大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2022,47(1):10-23.

[31]江艇. 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J]. 中國工業(yè)經(jīng)濟(jì),2022(5):100-120.

[32]李建軍,王鑫. 地方財(cái)政可持續(xù)性評(píng)估———兼論稅收分權(quán)能否提升地方財(cái)政可持續(xù)性[J]. 當(dāng)代財(cái)經(jīng),2018(12):37-47.

[33]李永友,鄧龍真. 財(cái)政安全的測度方法與現(xiàn)實(shí)考量[J]. 北京社會(huì)科學(xué),2023(6):88-99.

[34]郭月梅,陳平,毛瓊枝. 財(cái)政分權(quán)、投資沖動(dòng)與地方政府債務(wù)增長[J]. 廣西財(cái)經(jīng)學(xué)院學(xué)報(bào),2019,32(1):36-45.

[35]劉怡,劉維剛. 稅收分享對(duì)地方征稅努力的影響———基于全國縣級(jí)面板數(shù)據(jù)的研究[J]. 財(cái)政研究,2015(3):30-36.

[36]鄧明. 自然資源稟賦與地方政府的征稅能力建設(shè)[J]. 財(cái)政研究,2020(11):56-70,100.

[37]GOODMAN-BACON A. Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277.

[38]JAKIELA P. Simple diagnostics for two-way fixed effects[EB/ OL]. (2021-03-24)[2023-07-16]. https: / / doi. org / 10. 48550 / arxiv. org /

abs/ 2103. 13229.

[39]劉成杰,胡鈺苓,李虹橋,等. 中國智慧城市試點(diǎn)政策對(duì)城市發(fā)展質(zhì)量的影響———基于韌性發(fā)展的視角[ J]. 城市問題,2021( 11):

79-89.

[40]習(xí)明明,梁晴,傅鈺. 數(shù)字經(jīng)濟(jì)對(duì)城市經(jīng)濟(jì)增長的影響研究[J]. 當(dāng)代財(cái)經(jīng),2022(9):15-27.

[41] GARDNER J. Two-stage difference-in-differences [ EB/ OL]. ( 2022 - 07 - 13 ) [ 2023 - 07 - 16 ]. https: / / doi. org / 10. 48550 / arXiv.

2109. 05913.

34

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

Research on the Influence Mechanism and Effect of Digital Infrastructure on

Local Fiscal Sustainability

SONG Meizhe

1

, HU Piji

2

(1. Hunan University of Finance and Economics, Changsha 410205;

2. Changsha Central Sub-branch of People?s Bank of China, Changsha 410005)

Abstract:Fiscal policy is the foundation and important pillar of national governance, playing the role of stabilizer and regulator in ensuring high-quality and sustainable economic and social development, which is premised on

fiscal sustainability itself.

Digital infrastructure centered on artificial intelligence, cloud computing and block chain lays a solid foundation for the digital economy by impacting activities of enterprise operation, residents? consumption and government

decision-making on real economy operation, and reflecting on fiscal revenue and expenditure relations, gradually

changing the fiscal basis of local governments from the bottom up, directly affecting their sustainability. Firstly, the

mechanism of the multi-dimensional impact of digital infrastructure on local fiscal sustainability is systematically elaborated from the two major channels of fiscal revenue and fiscal expenditure. Specifically, the impact path on the

fiscal revenue is examined from the perspective of industrial structure, consumption demand, and taxation capability, while the impact path on the fiscal expenditure is examined from the perspective of fiscal expenditure performance and investment impulses. Secondly, considering the potential endogenous bias, adopting the quasi-natural experiment of implementing the smart city pilot policy, the actual impact of digital infrastructure on local fiscal sustainability is empirically tested by using the staggered difference-in-differences model. The research finds that the

impact of digital infrastructure on local fiscal sustainability is dominated by positive effects.

After considering the effects of endogenous modelling, heterogeneity treatment, replacing variables, deleting

some samples and excluding other policy interventions, the conclusion still holds. This impact has the increasing

characteristic year by year and shows heterogeneity, being more prominent in cities with higher innovation level,

larger population scale and higher human capital.

The mechanism test shows that digital infrastructure plays a positive role through promoting industrial upgrading,

stimulating public consumption demand and improving the performance of fiscal expenditure channels, but it can also

weaken government taxation capability and cause tax leakage, having negative impact on local fiscal sustainable development. At the same time, the effect of the impact of investment impulses is not significant, interrupting the mechanism of digital infrastructure transmitting to local fiscal sustainability through strengthening investment impulses.

Further study finds that the construction of digital infrastructure has spatial spillover effects and can promote the improvement of fiscal sustainability of cities with close geographical distance and similar levels of economic development.

Therefore, countermeasures are proposed from orderly guiding social capital investment, accelerating the pace

of digital infrastructure investment, making digital infrastructure construction the focus of the new round of investment, building an intelligent network platform in the tax and fiscal field, applying big data and artificial intelligence

technologies to tax administration, reducing application barriers of digital infrastructure, promoting industrial and

consumption upgrades, and exerting radiation effects of pioneer cities.

Keywords: digital infrastructure; local fiscal sustainability; smart city pilot policy; industrial structure; consumption demand; performance of financial expenditure; taxation capability; investment impulsion

(責(zé)任編輯: 周 斌; 姚望春)

35

第 25 卷 第 5 期

2023 年 9 月

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 003

研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的

非對(duì)稱性激勵(lì)效應(yīng)研究

尚洪濤, 宋岸玲

(北京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院, 北京 100124)

收稿日期: 2022-11-11; 修回日期: 2023-03-10

基金項(xiàng)目: 國家社會(huì)科學(xué)基金一般項(xiàng)目 “提升民營科技企業(yè)創(chuàng)新質(zhì)量的財(cái)稅政策研究” (19BJY040)

作者簡介: 尚洪濤 (1967—), 女, 北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院教授、 博士生導(dǎo)師, 通信作者; 宋岸玲 (1998—), 女, 北京工業(yè)大

學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生。

摘 要: 以 2010—2020 年 A 股新能源上市公司為研究樣本, 實(shí)證分析政府研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)

新數(shù)量和創(chuàng)新質(zhì)量的非對(duì)稱影響及數(shù)字化轉(zhuǎn)型的調(diào)節(jié)作用。 研究結(jié)果表明: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新

產(chǎn)出的激勵(lì)效應(yīng)具有非對(duì)稱性。一方面, 研發(fā)補(bǔ)貼能夠顯著促進(jìn)新能源企業(yè)的創(chuàng)新數(shù)量, 且這種促進(jìn)作

用在國有企業(yè)與非國有企業(yè)中無顯著差異; 另一方面, 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新質(zhì)量具有抑制作用,

且這種抑制作用在非國有企業(yè)中更顯著。 進(jìn)一步研究發(fā)現(xiàn), 隨著數(shù)字化轉(zhuǎn)型程度的提高, 研發(fā)補(bǔ)貼對(duì)企

業(yè)創(chuàng)新質(zhì)量的抑制作用明顯減弱, 對(duì)企業(yè)創(chuàng)新數(shù)量的促進(jìn)作用也顯著降低, 這說明數(shù)字技術(shù)可以驅(qū)動(dòng)企

業(yè)更加關(guān)注創(chuàng)新質(zhì)量, 能夠有效提高補(bǔ)貼資源的利用效果。 研究結(jié)論對(duì)政府補(bǔ)貼的頂層設(shè)計(jì)、 中國新能

源企業(yè)的數(shù)字化轉(zhuǎn)型與創(chuàng)新發(fā)展具有一定的參考價(jià)值。

關(guān)鍵詞: 新能源企業(yè); 研發(fā)補(bǔ)貼; 數(shù)字化轉(zhuǎn)型; 創(chuàng)新數(shù)量; 創(chuàng)新質(zhì)量

中圖分類號(hào): F812. 45; F273. 1 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1008-2700 (2023) 05-0036-14

一、 問題提出

隨著數(shù)字技術(shù)和低碳技術(shù)的迅猛發(fā)展, 數(shù)字驅(qū)動(dòng)的創(chuàng)新型經(jīng)濟(jì)和綠色經(jīng)濟(jì)日益成為中國經(jīng)濟(jì)高質(zhì)量

發(fā)展的主旋律。 越來越多的國家將發(fā)展的重心逐步向新能源行業(yè)轉(zhuǎn)移[1]

, 而推動(dòng)綠色技術(shù)創(chuàng)新是實(shí)現(xiàn)綠

色發(fā)展的核心驅(qū)動(dòng)力[2]

。 新能源產(chǎn)業(yè)將新興產(chǎn)業(yè)與新興技術(shù)深度融合, 鼓勵(lì)新能源企業(yè)創(chuàng)新、 提升其創(chuàng)

新質(zhì)量對(duì)當(dāng)前中國經(jīng)濟(jì)發(fā)展至關(guān)重要。 目前世界大多數(shù)國家和地區(qū)都在通過為新能源產(chǎn)業(yè)提供稅收優(yōu)惠

和政府補(bǔ)助等激勵(lì)政策支持其創(chuàng)新和發(fā)展, 中國政府支持新能源企業(yè)創(chuàng)新的補(bǔ)貼數(shù)量也逐年增加。 研發(fā)

補(bǔ)貼的投入對(duì)企業(yè)創(chuàng)新產(chǎn)生了不同的作用效果。一方面, 在補(bǔ)貼的激勵(lì)作用下, 新能源企業(yè)的創(chuàng)新數(shù)量

呈逐年遞增趨勢[3]

; 另一方面, 存在 “重?cái)?shù)量、 輕質(zhì)量” 的策略性創(chuàng)新現(xiàn)象[4]

, 具體表現(xiàn)為不同程度的

行業(yè)性產(chǎn)能過剩、 關(guān)鍵技術(shù)缺乏等情況[5]

, 但只有實(shí)質(zhì)性創(chuàng)新能夠成為促進(jìn)經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)力[6]

。 在建

設(shè)創(chuàng)新型國家的關(guān)鍵時(shí)期, 提升創(chuàng)新質(zhì)量對(duì)中國從創(chuàng)新大國向創(chuàng)新強(qiáng)國轉(zhuǎn)變至關(guān)重要。 實(shí)證研究研發(fā)補(bǔ)

貼對(duì)新能源企業(yè)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的影響、 企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)研發(fā)補(bǔ)貼創(chuàng)新激勵(lì)效果的調(diào)節(jié)作用

及其在不同所有制性質(zhì)企業(yè)中的差異, 對(duì)于精準(zhǔn)配置補(bǔ)貼資源、 有效推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型、 提升新能源

企業(yè)創(chuàng)新質(zhì)量, 具有重要的現(xiàn)實(shí)意義。

36

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

基于此, 本文擬選取 2010—2020 年新能源上市公司作為研究樣本, 從微觀企業(yè)層面研究政府研發(fā)

補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的影響, 并進(jìn)一步分析企業(yè)數(shù)字化轉(zhuǎn)型程度在補(bǔ)貼與企業(yè)技術(shù)

創(chuàng)新之間的調(diào)節(jié)效應(yīng)。 相較于現(xiàn)有研究, 本文的主要貢獻(xiàn)在于: (1) 全面、 系統(tǒng)地分析研發(fā)補(bǔ)貼對(duì)新

能源企業(yè)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的非對(duì)稱影響, 拓展政府補(bǔ)貼的研究范疇; (2) 將研發(fā)補(bǔ)貼、 數(shù)字化轉(zhuǎn)

型與企業(yè)創(chuàng)新置于一個(gè)前后關(guān)聯(lián)的鏈條里進(jìn)行實(shí)證分析, 更新企業(yè)創(chuàng)新的研究視角; (3) 將企業(yè)數(shù)字

化轉(zhuǎn)型作為調(diào)節(jié)研發(fā)補(bǔ)貼非對(duì)稱激勵(lì)效應(yīng)的措施, 為數(shù)字經(jīng)濟(jì)時(shí)代提升補(bǔ)貼資源利用效果提供新路徑。

二、 文獻(xiàn)綜述

(一) 研發(fā)補(bǔ)貼與新能源企業(yè)技術(shù)創(chuàng)新

由于創(chuàng)新具有正外部性, 在新能源企業(yè)開展創(chuàng)新活動(dòng)卻受制于研發(fā)資金不足[7] 的情況下, 補(bǔ)貼激勵(lì)

成為多個(gè)國家支持新能源企業(yè)創(chuàng)新的通用做法[8-11]

。 近年來, 對(duì)政府補(bǔ)貼與企業(yè)創(chuàng)新產(chǎn)出之間關(guān)系的研

究, 從單一的創(chuàng)新數(shù)量逐步擴(kuò)展到創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量兩方面[12]

。 新能源企業(yè)的創(chuàng)新存在技術(shù)瓶頸, 短

期內(nèi)難以取得較大突破[13]

。 此時(shí), 研發(fā)補(bǔ)貼作為外部資金收入, 能夠緩解企業(yè)的資金壓力、 降低風(fēng)險(xiǎn)承

擔(dān), 從而激勵(lì)企業(yè)加大研發(fā)投入[14]

。 現(xiàn)有研究大多認(rèn)為研發(fā)補(bǔ)貼能夠顯著促進(jìn)新能源企業(yè)的研發(fā)投入和

創(chuàng)新產(chǎn)出[15-16]

。 同時(shí), 研發(fā)補(bǔ)貼也為企業(yè)帶來了一種利好信號(hào)[17]

, 獲得補(bǔ)貼表明該行業(yè)的前景得到了政

府的扶持與認(rèn)可, 相當(dāng)于政府為企業(yè)提供了一種無形的擔(dān)保, 還能夠幫助企業(yè)獲得更多的資金以及人才

支持[18]

。

研發(fā)補(bǔ)貼對(duì)于創(chuàng)新質(zhì)量的作用效果則受到諸多外部因素的干擾。 現(xiàn)有制度缺乏對(duì)創(chuàng)新質(zhì)量真實(shí)情

況的有效驗(yàn)收機(jī)制, 導(dǎo)致企業(yè)與政府之間存在信息不對(duì)稱的問題。 補(bǔ)貼作為政府資本投入新能源企業(yè),

具有極強(qiáng)的委托代理性, 很有可能引發(fā)道德風(fēng)險(xiǎn)問題, 導(dǎo)致政府對(duì)創(chuàng)新成果的甄別難度較大[19]

, 部分

企業(yè)會(huì)進(jìn)行策略性創(chuàng)新, 為完成政府的補(bǔ)貼考核而產(chǎn)出應(yīng)用性與經(jīng)濟(jì)性較低的專利[20]

。 此外, 研發(fā)補(bǔ)

貼還會(huì)降低資金的配置效率[21]

。 由于尋租機(jī)制的存在, 企業(yè)會(huì)更多地采取手段獲取補(bǔ)貼以提高自身利

潤, 而不愿開展高風(fēng)險(xiǎn)、 長周期的研發(fā)活動(dòng), 造成研發(fā)補(bǔ)貼的濫用[22]

, 從而對(duì)新能源企業(yè)的創(chuàng)新產(chǎn)生

擠出效應(yīng)[23]

。

(二) 不同所有制下研發(fā)補(bǔ)貼對(duì)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的作用效果

新能源企業(yè)作為戰(zhàn)略性新興企業(yè), 其活動(dòng)受產(chǎn)權(quán)異質(zhì)性的影響較大。 由于所有制的不同, 企業(yè)在資

金支持、 商業(yè)機(jī)會(huì)、 研發(fā)能力等方面都存在不同程度的差異, 這對(duì)于企業(yè)進(jìn)行研發(fā)活動(dòng)、 提升創(chuàng)新產(chǎn)出

具有深刻影響[24]

。 無論是國有企業(yè)還是非國有企業(yè), 在獲得研發(fā)補(bǔ)貼后均能緩解其資金壓力并提供利好

信號(hào), 為創(chuàng)新數(shù)量的提高創(chuàng)造了良好條件。 然而, 現(xiàn)有研究發(fā)現(xiàn)研發(fā)補(bǔ)貼對(duì)企業(yè)創(chuàng)新質(zhì)量的作用效果會(huì)

因所有制不同而有所差異, 但由于研究樣本不同, 得出的結(jié)論也有所不同。 有學(xué)者認(rèn)為, 國有企業(yè)股權(quán)

集中及代理問題等制約了其經(jīng)營效率[25]

, 且相對(duì)于民營企業(yè), 其缺乏競爭和危機(jī)意識(shí), 從而表現(xiàn)為創(chuàng)新

質(zhì)量下降[26]

。 還有學(xué)者認(rèn)為, 對(duì)于具有公共屬性的國有新能源企業(yè), 其承擔(dān)了更多的政策性與社會(huì)性任

務(wù)[27]

, 注重創(chuàng)新質(zhì)量的提升不僅是為了完成補(bǔ)貼的考核, 也是體現(xiàn)其社會(huì)責(zé)任的一部分[28]

; 相比之下,

非國有企業(yè)將重心更多地放在追求企業(yè)自身利潤最大化上, 與政府關(guān)聯(lián)度較小[29]

, 社會(huì)責(zé)任意識(shí)稍顯薄

弱。 因此, 國有企業(yè)在獲得政府補(bǔ)貼后, 更注重企業(yè)創(chuàng)新質(zhì)量的提升。

(三) 數(shù)字化轉(zhuǎn)型對(duì)研發(fā)補(bǔ)貼信息不對(duì)稱的緩解作用

研發(fā)補(bǔ)貼之所以會(huì)對(duì)企業(yè)創(chuàng)新產(chǎn)生非對(duì)稱性激勵(lì)效應(yīng), 很大程度上是由于企業(yè)和政府之間存在著信

息不對(duì)稱。 首先, 政府在制定補(bǔ)貼政策時(shí), 很難對(duì)補(bǔ)貼下發(fā)后的完整鏈條有精準(zhǔn)的跟蹤, 因而會(huì)更傾向

于 “一刀切” 的簡單化處理, 從而導(dǎo)致政策實(shí)施效果不理想甚至產(chǎn)生抑制作用[30]

。 其次, 在信息不對(duì)稱

的條件下, 企業(yè)作為市場參與者, 利用其自身信息優(yōu)勢, 可能會(huì)通過故意瞞報(bào)、 虛報(bào)等手段獲取研發(fā)補(bǔ)

貼。 政府發(fā)放補(bǔ)貼的目標(biāo)在于扶持產(chǎn)業(yè)增長, 而企業(yè)的目標(biāo)在于實(shí)現(xiàn)自身利潤最大化, 在得到補(bǔ)貼后,

若缺乏精準(zhǔn)的監(jiān)管和后續(xù)反饋, 企業(yè)很可能在利潤的驅(qū)動(dòng)下將研發(fā)補(bǔ)貼用于服務(wù)自身的項(xiàng)目支出, 擠占

37

2023 年第 5 期 尚洪濤, 宋岸玲: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的非對(duì)稱性激勵(lì)效應(yīng)研究

創(chuàng)新投入, 使得最終結(jié)果與補(bǔ)貼政策的目標(biāo)背道而馳[31]

。 數(shù)字化轉(zhuǎn)型以企業(yè)數(shù)據(jù)為基礎(chǔ), 搭建起數(shù)字技

術(shù)與實(shí)體經(jīng)濟(jì)之間的橋梁, 從而促進(jìn)企業(yè)的持續(xù)成長與開放發(fā)展[32]

。 數(shù)字化轉(zhuǎn)型催生了一系列的數(shù)據(jù)鏈

條, 即數(shù)據(jù)搜尋、 數(shù)據(jù)分析動(dòng)態(tài)解決方案等, 通過互聯(lián)網(wǎng)平臺(tái)的構(gòu)建, 增強(qiáng)了企業(yè)各項(xiàng)數(shù)據(jù)的可追溯性

與可審查性, 從而降低企業(yè)信息的獲取難度, 提升信息供給質(zhì)量與傳遞效率[33]

, 使得研發(fā)補(bǔ)貼在企業(yè)中

的實(shí)際利用情況更加便于獲得。

綜上所述, 雖然多數(shù)學(xué)者研究認(rèn)為, 政府研發(fā)補(bǔ)貼能夠促進(jìn)新能源企業(yè)創(chuàng)新數(shù)量的提升, 而對(duì)其創(chuàng)

新質(zhì)量存在抑制作用, 但從市場價(jià)值角度出發(fā)探究研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新質(zhì)量影響的研究較少, 且

企業(yè)數(shù)字化轉(zhuǎn)型水平的提高能否緩解該抑制作用還需進(jìn)一步探討。 隨著信息化時(shí)代的飛速發(fā)展, 數(shù)字技

術(shù)的應(yīng)用已經(jīng)滲透到企業(yè)的方方面面, 本文將研發(fā)補(bǔ)貼、 數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新置于一個(gè)前后關(guān)聯(lián)的鏈

條里進(jìn)行實(shí)證分析, 旨在揭示數(shù)字化轉(zhuǎn)型對(duì)于政府研發(fā)補(bǔ)貼實(shí)施效果的調(diào)節(jié)作用, 從而為政府研發(fā)補(bǔ)貼

政策設(shè)計(jì)提供參考。

三、 理論分析與假設(shè)提出

(一) 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的作用效果

企業(yè)開展創(chuàng)新活動(dòng)面臨著成本高、 不確定性大等難題。 此外, 從經(jīng)濟(jì)學(xué)的角度出發(fā), 創(chuàng)新成果作

為一種準(zhǔn)公共品, 其帶來的正外部性可能會(huì)導(dǎo)致 “搭便車” 行為的發(fā)生, 這就使得企業(yè)不愿意主動(dòng)開

展創(chuàng)新活動(dòng)[34]

。 補(bǔ)貼作為政府緩解市場失靈的政策手段, 能夠從減少成本、 降低風(fēng)險(xiǎn)、 提供引導(dǎo)等方

面促進(jìn)企業(yè)創(chuàng)新數(shù)量的提升[35]

。 然而, 根據(jù)信息不對(duì)稱理論, 企業(yè)在缺乏有效監(jiān)管時(shí)會(huì)存在只注重創(chuàng)

新數(shù)量而忽視創(chuàng)新質(zhì)量的策略性創(chuàng)新行為, 并且新能源作為新興行業(yè), 相關(guān)監(jiān)管制度相比于其他行業(yè)

仍有待完善, 從而使得研發(fā)補(bǔ)貼對(duì)于新能源企業(yè)創(chuàng)新質(zhì)量的提升作用受到抑制。 基于此, 本文提出如

下假設(shè):

H1a: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)的創(chuàng)新數(shù)量具有促進(jìn)作用。

H1b: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)的創(chuàng)新質(zhì)量具有抑制作用。

(二) 基于不同所有制企業(yè)的研發(fā)補(bǔ)貼對(duì)企業(yè)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的影響差異

在社會(huì)主義市場經(jīng)濟(jì)的背景下, 企業(yè)所有制的差異是在進(jìn)行企業(yè)創(chuàng)新研究時(shí)的重要角度之一。 不同

所有制企業(yè)面臨著不同的政策環(huán)境以及發(fā)展目標(biāo), 在選擇創(chuàng)新策略時(shí)也會(huì)存在差異, 如國有企業(yè)的創(chuàng)新

成果更具有公共產(chǎn)品的屬性, 而非國有企業(yè)開展創(chuàng)新則更多地偏向競爭性。 研發(fā)補(bǔ)貼的下發(fā)帶來的外部

收入會(huì)在一定程度上促進(jìn)不同所有制企業(yè)創(chuàng)新活動(dòng)的開展, 而在創(chuàng)新質(zhì)量方面則會(huì)因所有制不同出現(xiàn)差

異。 國有企業(yè)由于政府引導(dǎo)[36]

、 企業(yè)負(fù)責(zé)人任命[37] 等會(huì)更加注重研發(fā)補(bǔ)貼的精準(zhǔn)使用, 而非國有企業(yè)若

缺乏有效的信息甄別與監(jiān)管, 更有可能為了實(shí)現(xiàn)短期利潤增長將研發(fā)補(bǔ)貼另作他用或釋放虛假創(chuàng)新信息

以騙取補(bǔ)貼。 基于此, 本文提出如下假設(shè):

H2a: 研發(fā)補(bǔ)貼對(duì)企業(yè)創(chuàng)新數(shù)量的促進(jìn)作用在國有與非國有新能源企業(yè)中無顯著差異。

H2b: 相較于國有企業(yè), 研發(fā)補(bǔ)貼對(duì)非國有新能源企業(yè)創(chuàng)新質(zhì)量的抑制作用更顯著。

(三) 數(shù)字化轉(zhuǎn)型對(duì)研發(fā)補(bǔ)貼激勵(lì)效應(yīng)的調(diào)節(jié)作用

數(shù)字化轉(zhuǎn)型為企業(yè)信息的公開性和透明性提供了必要的技術(shù)與平臺(tái)支持, 能夠有效緩解企業(yè)與政府

之間信息不對(duì)稱的情況。 通過數(shù)字化轉(zhuǎn)型可以降低信息層面的成本投入, 加快推動(dòng)政府治理的精準(zhǔn)化[38]

,

有助于對(duì)政策實(shí)施效果實(shí)現(xiàn)精準(zhǔn)跟蹤, 能夠?yàn)楹罄m(xù)成果驗(yàn)收以及補(bǔ)貼發(fā)放提供參考。 企業(yè)數(shù)字化轉(zhuǎn)型對(duì)

促進(jìn)補(bǔ)貼投入的精準(zhǔn)化發(fā)揮著至關(guān)重要的作用, 而信息的公開透明化可以加強(qiáng)對(duì)研發(fā)補(bǔ)貼利用情況的監(jiān)

管, 提高了企業(yè)通過產(chǎn)出大量低質(zhì)量專利騙取補(bǔ)貼的難度。 因此, 數(shù)字化轉(zhuǎn)型能夠?qū)ζ髽I(yè) “重?cái)?shù)量、 輕

質(zhì)量” 的策略性創(chuàng)新行為產(chǎn)生抑制作用, 從而減少低質(zhì)量專利、 增加高質(zhì)量專利。 由此, 本文提出如下

假設(shè):

H3a: 數(shù)字化轉(zhuǎn)型程度能弱化研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新數(shù)量的促進(jìn)作用。

38

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

H3b: 數(shù)字化轉(zhuǎn)型程度能弱化研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新質(zhì)量的抑制作用。

四、 研究設(shè)計(jì)

(一) 數(shù)據(jù)來源與樣本選擇

本文以同花順、 東方財(cái)富網(wǎng)等金融網(wǎng)站的新能源概念板塊為基礎(chǔ), 剔除金融企業(yè)以及數(shù)據(jù)缺失的企

業(yè), 最終選出 100 家新能源企業(yè), 共 1 100 個(gè)觀測值。 數(shù)據(jù)來源方面, 研發(fā)補(bǔ)貼、 資產(chǎn)收益率、 資產(chǎn)負(fù)債

率等企業(yè)財(cái)務(wù)數(shù)據(jù)來自國泰安中國經(jīng)濟(jì)金融數(shù)據(jù)庫 (CSMAR)。 研發(fā)補(bǔ)貼數(shù)據(jù)是通過將企業(yè)財(cái)務(wù)報(bào)表附注

中披露的政府補(bǔ)貼明細(xì)進(jìn)行關(guān)鍵詞篩選, 并進(jìn)一步手工整理得到; 企業(yè)專利數(shù)據(jù)來源于國家知識(shí)產(chǎn)權(quán)局,

結(jié)合 CSMAR、 上市公司年報(bào)等對(duì)缺失值進(jìn)行了補(bǔ)充。

(二) 變量測量

1. 被解釋變量

(1) 創(chuàng)新數(shù)量。 本文選取專利申請量 (Patent)、 發(fā)明專利申請量 (Invent) 和其他專利申請量 (Others) 來衡量企業(yè)創(chuàng)新數(shù)量。

(2) 創(chuàng)新質(zhì)量。 已有文獻(xiàn)大多采用專利引用量[39]

、 專利授權(quán)量[40]

、 專利申請書長度[41]

、 發(fā)明專利

申請量[42] 等衡量企業(yè)創(chuàng)新質(zhì)量。 由于中國專利申請時(shí)不要求填寫專利引用情況, 本文參考應(yīng)千偉和何思

怡 (2022)

[4] 對(duì)創(chuàng)新質(zhì)量的衡量方法, 利用企業(yè)價(jià)值指標(biāo) (TobinQ) 來衡量創(chuàng)新質(zhì)量。

2. 解釋變量

研發(fā)補(bǔ)貼 (Sub)。 根據(jù)以往文獻(xiàn)對(duì)研發(fā)補(bǔ)貼和非研發(fā)補(bǔ)貼的界定[43]

, 當(dāng)政府補(bǔ)貼具體內(nèi)容包括研究、

開發(fā)、 研發(fā)、 技術(shù)、 創(chuàng)新等任一關(guān)鍵詞時(shí), 則該補(bǔ)貼被確定為研發(fā)補(bǔ)貼。 根據(jù)企業(yè)財(cái)務(wù)報(bào)表附注中所披

露的補(bǔ)貼數(shù)據(jù), 手工篩選出研發(fā)補(bǔ)貼數(shù)據(jù), 并對(duì)數(shù)據(jù)取自然對(duì)數(shù)處理。

3. 調(diào)節(jié)變量

數(shù)字化轉(zhuǎn)型 (Dig)。 本文借鑒吳非等 (2021)

[44] 的研究, 采用文本分析法對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度進(jìn)

行衡量, 利用爬蟲 (Python) 技術(shù)在巨潮資訊網(wǎng)站收集 2010—2020 年所有新能源上市公司的年度報(bào)告,

通過關(guān)鍵詞篩選, 得到企業(yè)數(shù)字化轉(zhuǎn)型詞頻, 對(duì)其加 1 取自然對(duì)數(shù)衡量企業(yè)數(shù)字化轉(zhuǎn)型程度。

4. 控制變量

參考已有文獻(xiàn), 本文選取以下變量作為控制變量: 資產(chǎn)負(fù)債率 ( Lev)、 企業(yè)年齡 (Age)、 資產(chǎn)收益

率 (ROA)、 經(jīng)營性現(xiàn)金流量 (Nc)、 第一大股東持股比例 (Fir)。 此外, 還控制了年度 (Year) 和行業(yè)

(Industry) 固定效應(yīng)。

主要變量定義如表 1 所示。

表 1 變量定義

變量名稱 變量符號(hào) 變量定義

創(chuàng)新質(zhì)量 TobinQ (股市收盤價(jià)×流通股總數(shù)+每股凈資產(chǎn)×非流通股總數(shù)+負(fù)債賬面價(jià)值) / 資產(chǎn)賬

面價(jià)值

專利申請量 Patent ln (1+專利申請量)

發(fā)明專利申請量 Invent ln (1+發(fā)明專利申請量)

其他專利申請量 Others ln (1+其他專利申請量)

研發(fā)補(bǔ)貼 Sub 研發(fā)補(bǔ)貼金額取自然對(duì)數(shù)

數(shù)字化轉(zhuǎn)型 Dig 企業(yè)數(shù)字化轉(zhuǎn)型詞頻加 1 取自然對(duì)數(shù)

39

2023 年第 5 期 尚洪濤, 宋岸玲: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的非對(duì)稱性激勵(lì)效應(yīng)研究

表1(續(xù))

變量名稱 變量符號(hào) 變量定義

資產(chǎn)負(fù)債率 Lev 總負(fù)債/ 總資產(chǎn)

企業(yè)年齡 Age 當(dāng)前所處年份-企業(yè)成立年份

資產(chǎn)收益率 ROA 凈利潤/ 資產(chǎn)總額

經(jīng)營性現(xiàn)金流量 Nc 企業(yè)經(jīng)營性現(xiàn)金流量取對(duì)數(shù)

第一大股東持股比例 Fir 第一大股東持有的流通股數(shù)/ 該公司流通在外的總流通股股數(shù)

(三) 構(gòu)建模型

為檢驗(yàn)研究假設(shè), 本文設(shè)定以下模型:

Innovationit

= α0

+ α1 Subit

+ α2Controlsit

+ ∑Industry + ∑Year + εit (1)

TobinQit

= β0

+ β1

Innovationit

+ β2 Subit

+ β3

Innovationit

× Subit

+ β4Controlsit

+ ∑Industry + ∑Year + εit

(2)

其中, i 表示企業(yè), t 表示時(shí)間; TobinQ 表示企業(yè)價(jià)值, 用 (股市收盤價(jià)×流通股總數(shù)+每股凈資產(chǎn)×

非流通股總數(shù)+負(fù)債賬面價(jià)值) / 資產(chǎn)賬面價(jià)值進(jìn)行計(jì)算; Innovation 表示企業(yè)創(chuàng)新產(chǎn)出, 包括專利申請量

(Patent)、 發(fā)明專利申請量 (Invent) 以及其他專利申請量 (Others); Sub 表示研發(fā)補(bǔ)貼; Industry 為行業(yè)

虛擬變量, Year 為年度虛擬變量; Controls 為前述控制變量; ε 為模型隨機(jī)誤差項(xiàng)。

五、 實(shí)證結(jié)果與分析

(一) 描述性統(tǒng)計(jì)

表 2 為變量描述性統(tǒng)計(jì)結(jié)果。 由表 2 可知, 創(chuàng)新質(zhì)量 TobinQ 均值為 1. 771, 最小值為 0. 798, 最大值

為 10. 570, 表明不同企業(yè)的企業(yè)價(jià)值存在較大差距。 研發(fā)補(bǔ)貼 (Sub) 最小值為 6. 908, 最大值為 20. 770,

標(biāo)準(zhǔn)差為 1. 925, 表明政府對(duì)新能源企業(yè)的研發(fā)補(bǔ)貼投入強(qiáng)度有較大的差別, 其中有 33. 82% (372 / 1 100)

的樣本沒有研發(fā)補(bǔ)貼。 企業(yè)創(chuàng)新產(chǎn)出 (Patent、 Invent、 Others) 標(biāo)準(zhǔn)差均較大, 表明企業(yè)間創(chuàng)新產(chǎn)出水平

差別較大。 數(shù)字化轉(zhuǎn)型 (Dig) 的均值為 1. 718, 最小值為 0. 693, 最大值為 4. 605, 說明樣本的數(shù)字化轉(zhuǎn)

型程度差別較大。

表 2 描述性統(tǒng)計(jì)

變量 樣本量 均值 標(biāo)準(zhǔn)差 最小值 最大值

TobinQ 1 100 1. 771 0. 975 0. 798 10. 570

Sub 1 100 14. 620 1. 925 6. 908 20. 770

Dig 1 100 1. 718 0. 914 0. 693 4. 605

Patent 1 100 3. 518 1. 651 0 7. 903

Invent 1 100 2. 634 1. 572 0 7. 316

Others 1 100 3. 226 1. 495 0 7. 092

Age 1 100 16. 560 6. 264 1 36

Fir 1 100 34. 810 15. 430 3. 620 87. 460

40

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

表2(續(xù))

變量 樣本量 均值 標(biāo)準(zhǔn)差 最小值 最大值

Nc 1 100 19. 490 1. 681 13. 770 24. 540

Lev 1 100 0. 486 0. 205 0. 040 2. 861

ROA 1 100 0. 256 0. 182 0. 002 0. 876

(二) 回歸分析

1. 研發(fā)補(bǔ)貼與企業(yè)創(chuàng)新產(chǎn)出的關(guān)系

模型 (1) 的回歸結(jié)果如表 3 所示。 其中, 研發(fā)補(bǔ)貼的系數(shù)分別為 0. 298、 0. 309 與 0. 198, 并且在

1%的水平上顯著。 這表明研發(fā)補(bǔ)貼下發(fā)至新能源企業(yè)后, 其資金約束等問題得到了緩解, 從而激勵(lì)企業(yè)

全方位開展創(chuàng)新活動(dòng), 使不同類型的專利數(shù)量都得到了顯著提高。 由此, 假設(shè) H1a 得到支持。

表 3 研發(fā)補(bǔ)貼對(duì)創(chuàng)新數(shù)量的影響

變量 Patent Invent Others

Sub 0. 298

??? 0. 309

??? 0. 198

???

(0. 030) (0. 028) (0. 030)

Lev 0. 929

??? 0. 711

??? 2. 345

???

(0. 274) (0. 258) (0. 309)

ROA -2. 066

??? -1. 985

??? -1. 957

???

(0. 343) (0. 323) (0. 327)

Nc 0. 292

??? 0. 262

??? 0. 311

???

(0. 041) (0. 039) (0. 039)

Age 0. 012 0. 012 0. 003

(0. 010) (0. 010) (0. 010)

Fir 0. 001 0. 003 0. 004

(0. 004) (0. 004) (0. 004)

常數(shù)項(xiàng) -6. 352

??? -6. 837

??? -6. 220

???

(0. 729) (0. 686) (0. 689)

Industry 控制 控制 控制

Year 控制 控制 控制

樣本量 1 100 1 100 1 100

R

2 0. 361 0. 376 0. 397

注:

??? 表示 P<0. 01,

?? 表示 P<0. 05,

? 表示 P<0. 1; 括號(hào)內(nèi)為標(biāo)準(zhǔn)誤; 后表同。

本文用 TobinQ 衡量企業(yè)價(jià)值, 模型 ( 2) 的回歸結(jié)果如表 4 所示。 其中, 研發(fā)補(bǔ)貼顯著提高了

TobinQ, 表明企業(yè)的專利申請量所帶來的創(chuàng)新績效能夠提升企業(yè)未來的價(jià)值。 發(fā)明專利的系數(shù)顯著高于其

他兩類專利, 說明發(fā)明專利有著更高的質(zhì)量水平, 對(duì)于企業(yè)價(jià)值提升的促進(jìn)作用更強(qiáng), 市場認(rèn)可度也相

41

2023 年第 5 期 尚洪濤, 宋岸玲: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的非對(duì)稱性激勵(lì)效應(yīng)研究

較其他專利類型來說更高。 在加入研發(fā)補(bǔ)貼之后, 研發(fā)補(bǔ)貼與專利申請量的交乘項(xiàng)的系數(shù)顯著為負(fù)。 這

表明, 隨著研發(fā)補(bǔ)貼的增加, TobinQ 對(duì)企業(yè)專利產(chǎn)出的敏感性降低, 即產(chǎn)出了更多的低質(zhì)量專利。 由此,

假設(shè) H1b 得到支持。 綜合以上兩組回歸結(jié)果, 可以發(fā)現(xiàn)研發(fā)補(bǔ)貼可以提高企業(yè)的創(chuàng)新數(shù)量, 但是會(huì)抑制

企業(yè)的創(chuàng)新質(zhì)量。

表 4 研發(fā)補(bǔ)貼對(duì)創(chuàng)新質(zhì)量的影響

變量 (1) (2) (3)

Sub 0. 131

?? 0. 110

?? 0. 107

?

(0. 051) (0. 043) (0. 056)

Patent 0. 476

???

(0. 167)

Patent×Sub -0. 035

???

(0. 011)

Invent 0. 501

???

(0. 175)

Invent×Sub -0. 037

???

(0. 012)

Others 0. 405

?

(0. 210)

Others×Sub -0. 032

??

(0. 014)

控制變量 控制 控制 控制

常數(shù)項(xiàng) 1. 841

?? 2. 085

?? 2. 084

??

(0. 906) (0. 812) (0. 965)

Industry 控制 控制 控制

Year 控制 控制 控制

樣本量 1 100 1 100 1 100

R

2 0. 142 0. 145 0. 147

注: 列 (1)—列 (3) 創(chuàng)新數(shù)量衡量指標(biāo)分別為專利申請量、 發(fā)明專利申請量和其他專利申請量。

2. 不同企業(yè)性質(zhì)下研發(fā)補(bǔ)貼對(duì)企業(yè)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量的影響

從表 5 可以看出, 在獲得研發(fā)補(bǔ)貼后, 國有企業(yè)和非國有企業(yè)的創(chuàng)新數(shù)量均有了顯著的提升。 由此,

假設(shè) H2a 得到支持。

進(jìn)一步研究發(fā)現(xiàn), 在三種性質(zhì)的專利申請量中, 非國有企業(yè)發(fā)明專利申請量的系數(shù)低于國有企業(yè),

而其余兩項(xiàng)則高于國有企業(yè), 說明獲得研發(fā)補(bǔ)貼后非國有企業(yè)更傾向于研發(fā)價(jià)值更小、 難度更低的專利

類型。 由表 6 可知, 加入研發(fā)補(bǔ)貼后, 非國有企業(yè)交乘項(xiàng)系數(shù)的絕對(duì)值與顯著性均大于國有企業(yè), 表明非

國有企業(yè)在獲得研發(fā)補(bǔ)貼后, 對(duì)于創(chuàng)新質(zhì)量的抑制作用更強(qiáng)。 由此, 假設(shè) H2b 得到支持。

42

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

表 5 不同企業(yè)性質(zhì)下研發(fā)補(bǔ)貼對(duì)創(chuàng)新數(shù)量的影響差異

變量

國有企業(yè) 非國有企業(yè)

Patent Invent Others Patent Invent Others

Sub 0. 292

??? 0. 323

??? 0. 182

??? 0. 299

??? 0. 294

??? 0. 195

???

(0. 056) (0. 052) (0. 055) (0. 035) (0. 033) (0. 034)

Lev 1. 526

?? 1. 376

?? 1. 993

??? 0. 780

?? 0. 525

? 2. 559

???

(0. 599) (0. 550) (0. 573) (0. 304) (0. 289) (0. 365)

ROA -3. 137

??? -3. 078

??? -2. 785

??? -1. 299

??? -1. 103

?? -1. 306

???

(0. 550) (0. 504) (0. 529) (0. 490) (0. 465) (0. 456)

Nc 0. 490

??? 0. 427

??? 0. 463

??? 0. 225

??? 0. 220

??? 0. 235

???

(0. 089) (0. 082) (0. 086) (0. 047) (0. 044) (0. 044)

Age -0. 013 -0. 028 -0. 030 0. 016 0. 022

?? 0. 012

(0. 021) (0. 019) (0. 020) (0. 011) (0. 011) (0. 010)

Fir -0. 001 0. 001 0. 012 -0. 003 -0. 001 -0. 004

(0. 008) (0. 007) (0. 008) (0. 004) (0. 004) (0. 004)

常數(shù)項(xiàng) -10. 03

??? -9. 737

??? -8. 855

??? -5. 144

??? -6. 006

??? -4. 871

???

(1. 553) (1. 425) (1. 511) (0. 853) (0. 809) (0. 788)

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

樣本量 310 310 310 790 790 790

R

2 0. 419 0. 458 0. 423 0. 350 0. 358 0. 424

表 6 不同企業(yè)性質(zhì)下研發(fā)補(bǔ)貼對(duì)創(chuàng)新質(zhì)量的影響差異

變量

國有企業(yè) 非國有企業(yè)

(1) (2) (3) (4) (5) (6)

Sub 0. 076 0. 046 0. 104

? 0. 171

??? 0. 150

??? 0. 123

?

(0. 053) (0. 044) (0. 056) (0. 060) (0. 050) (0. 066)

Patent 0. 254 0. 580

???

(0. 158) (0. 210)

Patent×Sub -0. 0203

? -0. 042

???

(0. 011) (0. 014)

Invent 0. 238 0. 610

???

(0. 167) (0. 222)

Invent×Sub -0. 019 -0. 045

???

(0. 011) (0. 015)

Others 0. 318

? 0. 453

?

(0. 187) (0. 266)

Others×Sub -0. 027

?? -0. 034

??

(0. 012) (0. 017)

控制變量 控制 控制 控制 控制 控制 控制

常數(shù)項(xiàng) 1. 968

?? 2. 354

??? 1. 587

? 0. 132 0. 434 0. 833

(0. 778) (0. 667) (0. 839) (0. 863) (0. 727) (0. 975)

43

2023 年第 5 期 尚洪濤, 宋岸玲: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的非對(duì)稱性激勵(lì)效應(yīng)研究

表6(續(xù))

變量

國有企業(yè) 非國有企業(yè)

(1) (2) (3) (4) (5) (6)

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

樣本量 310 310 310 790 790 790

R

2 0. 218 0. 212 0. 244 0. 059 0. 064 0. 061

注: 列 (1)—列 (3)、 列 (4)—列 (6) 創(chuàng)新數(shù)量衡量指標(biāo)分別為國有企業(yè)和非國有企業(yè)的專利申請量、 發(fā)明專利申請量和其他專利

申請量。

3. 數(shù)字化轉(zhuǎn)型程度對(duì)研發(fā)補(bǔ)貼非對(duì)稱性激勵(lì)效應(yīng)的調(diào)節(jié)作用

為了檢驗(yàn)數(shù)字化轉(zhuǎn)型在研發(fā)補(bǔ)貼與企業(yè)創(chuàng)新數(shù)量以及創(chuàng)新質(zhì)量之間的調(diào)節(jié)作用, 本文根據(jù)數(shù)字化轉(zhuǎn)

型程度對(duì)樣本進(jìn)行分組檢驗(yàn)。

當(dāng)企業(yè)進(jìn)入數(shù)字化管理模式后, 通過數(shù)字化工具就能夠?qū)崿F(xiàn)整個(gè)企業(yè)的信息共享, 各類數(shù)據(jù)由之前

的少部分人掌控, 變成了分權(quán)限的透明化共享。 信息化管理將多個(gè)項(xiàng)目的信息流打通, 使各環(huán)節(jié)的人、

責(zé)、 權(quán)劃分更為清晰, 不但加強(qiáng)了企業(yè)各部門之間的有效溝通, 有助于及時(shí)傳遞相關(guān)數(shù)據(jù)信息、 充分提

升管理效率, 而且在外界獲取企業(yè)信息時(shí)也有了更高的公開性和透明性, 便于相關(guān)人員和部門準(zhǔn)確了解

企業(yè)信息。 隨著企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程的不斷深化, 企業(yè)信息的可獲得性也得到顯著提高。 基于此, 本文

按照企業(yè)數(shù)字化轉(zhuǎn)型程度進(jìn)行分組檢驗(yàn), 具體來說, 若樣本的數(shù)字化轉(zhuǎn)型程度大于樣本中位數(shù), 則視為

數(shù)字化轉(zhuǎn)型程度高組; 反之, 視為數(shù)字化轉(zhuǎn)型程度低組。

表 7 顯示了在不同數(shù)字化轉(zhuǎn)型程度組別中, 研發(fā)補(bǔ)貼對(duì)企業(yè)創(chuàng)新數(shù)量的影響。 結(jié)果表明, 在數(shù)字化轉(zhuǎn)

型程度高組, 研發(fā)補(bǔ)貼對(duì)企業(yè)專利申請量、 發(fā)明專利申請量與其他專利申請量影響的回歸系數(shù)分別為

0. 292、 0. 299 與 0. 177, 其絕對(duì)值明顯低于數(shù)字化轉(zhuǎn)型程度低組。 由此, 假設(shè) H3a 得到支持。

表 7 不同數(shù)字化轉(zhuǎn)型程度下研發(fā)補(bǔ)貼對(duì)創(chuàng)新數(shù)量的影響差異

變量

數(shù)字化轉(zhuǎn)型程度低 數(shù)字化轉(zhuǎn)型程度高

Patent Invent Others Patent Invent Others

Sub 0. 301

??? 0. 328

??? 0. 238

??? 0. 292

??? 0. 299

??? 0. 177

???

(0. 046) (0. 046) (0. 051) (0. 039) (0. 035) (0. 035)

Lev 1. 318

?? 0. 786 1. 759

??? 0. 760

?? 0. 657

?? 2. 513

???

(0. 523) (0. 534) (0. 574) (0. 327) (0. 298) (0. 366)

ROA -1. 802

??? -1. 659

??? -1. 648

??? -2. 209

??? -2. 096

??? -1. 892

???

(0. 509) (0. 520) (0. 557) (0. 465) (0. 424) (0. 416)

Stoc -0. 400

? -0. 235 -0. 701

??? -0. 310

? -0. 208 -0. 576

???

(0. 204) (0. 209) (0. 223) (0. 180) (0. 164) (0. 165)

Nc 0. 279

??? 0. 273

??? 0. 311

??? 0. 285

??? 0. 238

??? 0. 298

???

(0. 057) (0. 058) (0. 062) (0. 057) (0. 052) (0. 051)

Age -0. 003 -0. 010 -0. 012 0. 019 0. 024

?? 0. 013

(0. 015) (0. 015) (0. 017) (0. 013) (0. 012) (0. 012)

Fir -0. 004 -0. 004 -0. 006 0. 006 0. 007 0. 010

??

(0. 006) (0. 006) (0. 006) (0. 005) (0. 005) (0. 005)

常數(shù)項(xiàng) -5. 761

??? -6. 737

??? -5. 943

??? -6. 417

??? -6. 575

??? -6. 178

???

(1. 068) (1. 091) (1. 185) (0. 984) (0. 897) (0. 856)

44

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

表7(續(xù))

變量

數(shù)字化轉(zhuǎn)型程度低 數(shù)字化轉(zhuǎn)型程度高

Patent Invent Others Patent Invent Others

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

樣本量 451 451 451 649 649 649

R

2 0. 414 0. 400 0. 366 0. 347 0. 373 0. 437

表 8 顯示了在不同數(shù)字化轉(zhuǎn)型程度組別中, 研發(fā)補(bǔ)貼對(duì)創(chuàng)新質(zhì)量的影響。 結(jié)果表明, 在數(shù)字化轉(zhuǎn)型程

度高組, 研發(fā)補(bǔ)貼和企業(yè)專利申請量、 發(fā)明專利申請量、 其他專利申請量的交乘項(xiàng)系數(shù)分別為-0. 027、 -

0. 029 與-0. 028, 其系數(shù)絕對(duì)值大小與顯著性程度都要明顯小于數(shù)字化轉(zhuǎn)型程度低組。 上述回歸結(jié)果表

明, 在數(shù)字化轉(zhuǎn)型程度高組, 研發(fā)補(bǔ)貼對(duì)企業(yè)創(chuàng)新質(zhì)量的抑制作用減弱。 綜合以上回歸結(jié)果可以發(fā)現(xiàn),

隨著數(shù)字化轉(zhuǎn)型程度的提高, 在對(duì)研發(fā)補(bǔ)貼的利用上, 相比于追求創(chuàng)新數(shù)量, 企業(yè)更加注重創(chuàng)新質(zhì)量的

提升。 由此, 假設(shè) H3b 得到支持。

表 8 不同數(shù)字化轉(zhuǎn)型程度下研發(fā)補(bǔ)貼對(duì)創(chuàng)新質(zhì)量的影響差異

變量

數(shù)字化轉(zhuǎn)型程度低 數(shù)字化轉(zhuǎn)型程度高

(1) (2) (3) (4) (5) (6)

Sub 0. 139 0. 113 0. 061 5 0. 125

? 0. 108

?? 0. 120

?

(0. 085) (0. 070) (0. 090) (0. 064) (0. 054) (0. 072)

Patent 0. 630

?? 0. 367

?

(0. 262) (0. 218)

Patent×Sub -0. 045

?? -0. 027

?

(0. 018) (0. 015)

Invent 0. 676

?? 0. 386

?

(0. 279) (0. 226)

Invent×Sub -0. 050

??? -0. 029

?

(0. 018) (0. 015)

Others 0. 460 0. 337

(0. 314) (0. 284)

Others×Sub -0. 034 -0. 028

(0. 021) (0. 019)

Lev -0. 584 -0. 548 -0. 631 -0. 633

? -0. 635

? -0. 640

?

(0. 424) (0. 417) (0. 441) (0. 332) (0. 329) (0. 385)

ROA -1. 360

??? -1. 454

??? -1. 337

??? -0. 666

? -0. 715

? -0. 795

?

(0. 420) (0. 418) (0. 425) (0. 373) (0. 375) (0. 414)

Stoc -0. 229 -0. 231 -0. 242 -0. 316

?? -0. 306

?? -0. 391

??

(0. 162) (0. 161) (0. 169) (0. 147) (0. 146) (0. 163)

Nc 0. 010 0. 019 0. 014 -0. 084

? -0. 083

? -0. 072

(0. 048) (0. 047) (0. 049) (0. 046) (0. 046) (0. 051)

45

2023 年第 5 期 尚洪濤, 宋岸玲: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的非對(duì)稱性激勵(lì)效應(yīng)研究

表8(續(xù))

變量

數(shù)字化轉(zhuǎn)型程度低 數(shù)字化轉(zhuǎn)型程度高

(1) (2) (3) (4) (5) (6)

Age -0. 015 -0. 014 -0. 017 0. 005 0. 006 0. 006

(0. 012) (0. 012) (0. 012) (0. 010) (0. 010) (0. 011)

Fir -0. 000 -0. 000 0. 000 -0. 007

? -0. 007

? -0. 006

(0. 005) (0. 005) (0. 005) (0. 004) (0. 004) (0. 005)

常數(shù)項(xiàng) 0. 917 1. 145 1. 997 2. 573

?? 2. 791

??? 2. 519

??

(1. 460) (1. 300) (1. 541) (1. 168) (1. 046) (1. 261)

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

樣本量 451 451 451 649 649 649

R

2 0. 200 0. 207 0. 196 0. 140 0. 142 0. 148

注: 列 (1)—列 (3)、 列 (4)—列 (6) 創(chuàng)新數(shù)量衡量指標(biāo)分別為數(shù)字化轉(zhuǎn)型程度低組和數(shù)字化轉(zhuǎn)型程度高組的專利申請量、 發(fā)明專利

申請量和其他專利申請量。

(三) 穩(wěn)健性檢驗(yàn)①

1. 替換變量

現(xiàn)有文獻(xiàn)對(duì)于企業(yè)價(jià)值的衡量主要有 TobinQ、 凈資產(chǎn)收益率等, 現(xiàn)將 TobinQ 更換為凈資產(chǎn)收益率進(jìn)

行檢驗(yàn)。 其中, 在創(chuàng)新數(shù)量的回歸結(jié)果中, 研發(fā)補(bǔ)貼對(duì)三種創(chuàng)新數(shù)量衡量指標(biāo)的系數(shù)均顯著為正, 表明

替換變量后研發(fā)補(bǔ)貼依舊是提高了創(chuàng)新數(shù)量; 在對(duì)創(chuàng)新質(zhì)量的回歸結(jié)果中, 研發(fā)補(bǔ)貼系數(shù)顯著為正, 但

研發(fā)補(bǔ)貼與專利數(shù)量的交乘項(xiàng)系數(shù)顯著為負(fù), 表明研發(fā)補(bǔ)貼抑制了創(chuàng)新質(zhì)量。 上述發(fā)現(xiàn)與前文結(jié)論一致,

從而證明了本文研究結(jié)論的穩(wěn)健性。

2. 工具變量法

為盡可能克服內(nèi)生性問題, 本文運(yùn)用工具變量法進(jìn)行穩(wěn)健性檢驗(yàn), 將政府補(bǔ)貼滯后 1 期作為工具變

量, 選用兩階段最小二乘 (2SLS) 法進(jìn)行估計(jì)。 結(jié)果顯示, 系數(shù)的顯著性與正負(fù)均與前文一致, 表明研

發(fā)補(bǔ)貼促進(jìn)了企業(yè)創(chuàng)新數(shù)量的增加, 抑制了創(chuàng)新質(zhì)量的提高, 從而證明了本文研究結(jié)論的穩(wěn)健性。

3. 數(shù)據(jù)縮尾處理

考慮到數(shù)據(jù)當(dāng)中可能存在的異常值問題, 本文進(jìn)一步對(duì)所有變量進(jìn)行 1%的數(shù)據(jù)縮尾 (winsorize) 處

理。 結(jié)果顯示, 研發(fā)補(bǔ)貼依舊是促進(jìn)了企業(yè)創(chuàng)新數(shù)量的增加, 抑制了創(chuàng)新質(zhì)量的提高, 這表明核心結(jié)論

并沒有受異常值干擾, 從而證明了本文研究結(jié)論的穩(wěn)健性。

六、 研究結(jié)論與政策建議

(一) 研究結(jié)論

本文以 2010—2020 年 A 股新能源上市公司為研究樣本, 實(shí)證研究了政府研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新

數(shù)量和創(chuàng)新質(zhì)量的非對(duì)稱影響, 并著重分析了數(shù)字化轉(zhuǎn)型對(duì)研發(fā)補(bǔ)貼的這種非對(duì)稱性創(chuàng)新激勵(lì)效果的調(diào)

節(jié)作用, 結(jié)論如下:

首先, 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新產(chǎn)出的激勵(lì)效應(yīng)具有非對(duì)稱性。一方面, 研發(fā)補(bǔ)貼能夠顯著促進(jìn)

新能源企業(yè)的創(chuàng)新數(shù)量, 且這種促進(jìn)作用在國有企業(yè)與非國有企業(yè)中無顯著差異; 另一方面, 研發(fā)補(bǔ)貼

46

① 限于篇幅, 省略穩(wěn)健性檢驗(yàn)的具體結(jié)果, 備索。

首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào) (雙月刊) 2023 年第 5 期

對(duì)新能源企業(yè)創(chuàng)新質(zhì)量卻具有抑制作用, 使得企業(yè)創(chuàng)新產(chǎn)出的市場價(jià)值下降。 相較于國有企業(yè), 這種抑

制作用在非國有企業(yè)中更為顯著。

其次, 數(shù)字化轉(zhuǎn)型程度能夠顯著緩解研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新數(shù)量和創(chuàng)新質(zhì)量影響的非對(duì)稱性。

在數(shù)字化轉(zhuǎn)型程度低組, 研發(fā)補(bǔ)貼對(duì)創(chuàng)新質(zhì)量的抑制作用與對(duì)創(chuàng)新數(shù)量的促進(jìn)作用均更為顯著。 由此可

見, 當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度提高時(shí), 研發(fā)補(bǔ)貼對(duì)于企業(yè)創(chuàng)新質(zhì)量的抑制作用明顯減弱, 對(duì)企業(yè)創(chuàng)新數(shù)量

的促進(jìn)作用也顯著降低, 這說明數(shù)字技術(shù)可以驅(qū)動(dòng)企業(yè)更加關(guān)注創(chuàng)新質(zhì)量, 有效提高補(bǔ)貼資源的利用

效果。

(二) 政策建議

1. 政府層面

第一, 完善創(chuàng)新成果的驗(yàn)收機(jī)制。 為提升宏觀經(jīng)濟(jì)發(fā)展的質(zhì)量目標(biāo), 政府應(yīng)當(dāng)將 “只有高質(zhì)量的創(chuàng)

新才能驅(qū)動(dòng)高質(zhì)量的發(fā)展” 這一理念, 落實(shí)到激勵(lì)創(chuàng)新的政策制定與實(shí)施過程中, 優(yōu)化調(diào)整研發(fā)補(bǔ)貼的

配置策略, 合理制定驗(yàn)收標(biāo)準(zhǔn), 不應(yīng)僅注重企業(yè)創(chuàng)新數(shù)量的增加, 更應(yīng)綜合考慮企業(yè)實(shí)際創(chuàng)新產(chǎn)出所能

帶來的社會(huì)經(jīng)濟(jì)效益, 合理制定補(bǔ)貼配置方案與補(bǔ)貼對(duì)象。 在實(shí)踐中, 從原創(chuàng)性、 實(shí)用性、 持久性等方

面綜合考慮企業(yè)創(chuàng)新, 并將創(chuàng)新結(jié)果的市場性及不確定性考慮在內(nèi), 引導(dǎo)企業(yè)從事風(fēng)險(xiǎn)較大但能夠?qū)?jīng)

濟(jì)發(fā)展起到推動(dòng)作用的實(shí)質(zhì)性創(chuàng)新。 第二, 建立驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型的支持機(jī)制。 數(shù)字化轉(zhuǎn)型有助于企

業(yè)獲得及時(shí)準(zhǔn)確的信息, 把握政策方向, 提升創(chuàng)新效率。 政府應(yīng)為企業(yè)數(shù)字化轉(zhuǎn)型提供資金支持, 助推

企業(yè)順利實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。

2. 企業(yè)層面

企業(yè)應(yīng)當(dāng)充分認(rèn)識(shí)到數(shù)字信息在補(bǔ)貼利用和研發(fā)創(chuàng)新中的重要作用。 第一, 有效利用研發(fā)補(bǔ)貼, 做

到?？顚Ｓ谩?企業(yè)應(yīng)當(dāng)將政府的研發(fā)補(bǔ)貼分期適時(shí)地投入企業(yè)研發(fā)的不同階段, 不僅要關(guān)注創(chuàng)新數(shù)量,

更要追求創(chuàng)新質(zhì)量, 讓創(chuàng)新真正成為企業(yè)、 國家和社會(huì)發(fā)展的驅(qū)動(dòng)力。 第二, 積極踐行數(shù)字化轉(zhuǎn)型。 企

業(yè)應(yīng)組建專業(yè)團(tuán)隊(duì), 加強(qiáng)包括區(qū)塊鏈、 人工智能、 大數(shù)據(jù)和物聯(lián)網(wǎng)等技術(shù)與企業(yè)的融合, 讓企業(yè)創(chuàng)新插

上數(shù)字技術(shù)的翅膀, 提升企業(yè)的創(chuàng)新質(zhì)量和技術(shù)水平。

參考文獻(xiàn):

[1]李孟剛. 中國新能源產(chǎn)業(yè)發(fā)展與安全報(bào)告(2011~ 2012)[M]. 北京:社會(huì)科學(xué)文獻(xiàn)出版社,2012.

[2]中國科學(xué)院武漢文獻(xiàn)情報(bào)中心戰(zhàn)略情報(bào)中心先進(jìn)能源科技戰(zhàn)略情報(bào)研究團(tuán)隊(duì),中國科學(xué)院文獻(xiàn)情報(bào)中心情報(bào)研究部生態(tài)文明研究團(tuán)

隊(duì),中國科學(xué)院西北生態(tài)環(huán)境資源研究院文獻(xiàn)情報(bào)中心資源生態(tài)環(huán)境戰(zhàn)略情報(bào)研究團(tuán)隊(duì),等. 趨勢觀察:國際碳中和行動(dòng)關(guān)鍵技術(shù)前沿?zé)狳c(diǎn)與

發(fā)展趨勢[J]. 中國科學(xué)院院刊,2021,36(9):1111-1115.

[3]王靜宇,劉穎琦,KOKKO A. 基于專利信息的中國新能源汽車產(chǎn)業(yè)技術(shù)創(chuàng)新研究[J]. 情報(bào)雜志,2016,35(1):32-38.

[4]應(yīng)千偉,何思怡. 政府研發(fā)補(bǔ)貼下的企業(yè)創(chuàng)新策略:“濫竽充數(shù)”還是“精益求精”? [J]. 南開管理評(píng)論,2022,25(2):57-69.

[5]張穎,張婷. 創(chuàng)新產(chǎn)出影響因素的區(qū)域差異性比較研究———來自新能源產(chǎn)業(yè)的經(jīng)驗(yàn)數(shù)據(jù)[J]. 工業(yè)技術(shù)經(jīng)濟(jì),2020,39(7):144-151.

[6]胡善成,靳來群. 政府研發(fā)補(bǔ)貼促進(jìn)了策略創(chuàng)新還是實(shí)質(zhì)創(chuàng)新? ———理論模型與實(shí)證檢驗(yàn)[ J]. 研究與發(fā)展管理,2021,33( 3):

109-120.

[7]陳艷,許偉,周園媛. 創(chuàng)新政策對(duì)新能源企業(yè)技術(shù)創(chuàng)新的影響———基于中國新能源企業(yè)的實(shí)證分析[ J]. 科技管理研究,2022,42(2):

8-15.

[8]KLEIN A S, CHAPEKAR M S. Innovate America: the technology innovation program at NIST[J]. Journal of Commercial Biotechnology, 2009,

15(4): 293-300.

[9]CLAUSEN T H. Do subsidies have positive impacts on R&D and innovation activities at the firm level? [J]. Structural Change and Economic

Dynamics, 2009, 20(4): 239-253.

[10]AERTS K, SCHMIDT T. Two for the price of one?: Additionality effects of R&D subsidies: a comparison between Flanders and Germany[J].

Research Policy, 2008, 37(5): 806-822.

[11]YU F F, GUO Y, LE-NGUYEN K, et al. The impact of government subsidies and enterprises? R&D investment: a panel data study from renewable energy in China[J]. Energy Policy, 2016, 89: 106-113.

47

2023 年第 5 期 尚洪濤, 宋岸玲: 研發(fā)補(bǔ)貼對(duì)新能源企業(yè)創(chuàng)新的非對(duì)稱性激勵(lì)效應(yīng)研究

[12]陳強(qiáng)遠(yuǎn),林思彤,張醒. 中國技術(shù)創(chuàng)新激勵(lì)政策:激勵(lì)了數(shù)量還是質(zhì)量[J]. 中國工業(yè)經(jīng)濟(jì),2020(4):79-96.

[13]邵慰,孫陽陽,劉敏. 研發(fā)補(bǔ)貼促進(jìn)新能源汽車產(chǎn)業(yè)創(chuàng)新了嗎? [J]. 財(cái)經(jīng)論叢,2018(10):11-18.

[14]毛毅翀,吳福象. 創(chuàng)新補(bǔ)貼、研發(fā)投入與技術(shù)突破:機(jī)制與路徑[J]. 經(jīng)濟(jì)與管理研究,2022,43(4):26-45.

[15]李磊. 政府研發(fā)補(bǔ)貼對(duì)新能源汽車產(chǎn)業(yè)技術(shù)創(chuàng)新產(chǎn)出的影響研究[J]. 科技管理研究,2018,38(17):160-166.

[16]尚洪濤,宋雅希. 中國新能源企業(yè)政府環(huán)境研發(fā)補(bǔ)貼的動(dòng)態(tài)激勵(lì)效應(yīng)[J]. 科技進(jìn)步與對(duì)策,2020,37(22):65-72.

[17]劉新民,宋紅汝,范柳. 政府補(bǔ)助、企業(yè)創(chuàng)新對(duì)投資者投資決策的信號(hào)傳遞效應(yīng)[J]. 科技進(jìn)步與對(duì)策,2020,37(2):26-33.

[18]SANTOS A, CINCERA M, NETO P, et al. Which projects are selected for an innovation subsidy? The Portuguese case[J]. Portuguese Economic Journal, 2019, 18(3): 165-202.

[19]孔悅,王云松,焦宇靖,等. 政府補(bǔ)貼對(duì)新能源企業(yè)綠色創(chuàng)新影響研究———基于古諾競爭視角[J]. 經(jīng)濟(jì)問題探索,2021(6):71-81.

[20]劉蘭劍,張萌,黃天航. 政府補(bǔ)貼、稅收優(yōu)惠對(duì)專利質(zhì)量的影響及其門檻效應(yīng)———基于新能源汽車產(chǎn)業(yè)上市公司的實(shí)證分析[ J]. 科研

管理,2021,42(6):9-16.

[21]PAUNOV C. Corruption?s asymmetric impacts on firm innovation[J]. Journal of Development Economics, 2016, 118: 216-231.

[22]焦翠紅,陳鈺芬. R&D 補(bǔ)貼、尋租與全要素生產(chǎn)率提升[J]. 統(tǒng)計(jì)研究,2018,35(12):80-91.

[23]楊解君,楊高臣. 打造從政策到法律的補(bǔ)貼制度升級(jí)版———以新能源汽車騙補(bǔ)為切入點(diǎn)[J]. 江西社會(huì)科學(xué),2017,37(5):187-194.

[24]SUNG B. Do government subsidies promote firm-level innovation? Evidence from the Korean renewable energy technology industry[J]. Energy

Policy, 2019, 132: 1333-1344.

[25]任廣乾,羅新新,劉莉,等. 混合所有制改革、控制權(quán)配置與國有企業(yè)創(chuàng)新投入[J]. 中國軟科學(xué),2022(2):127-137.

[26]汲昌霖,劉藝寧. 經(jīng)濟(jì)政策不確定性、權(quán)屬性質(zhì)與企業(yè)研發(fā)投入———以新能源行業(yè)為例[J]. 世界經(jīng)濟(jì)與政治論壇,2020(5):154-172.

[27]劉滿芝,杜明偉,劉賢賢. 政府補(bǔ)貼與新能源企業(yè)績效:異質(zhì)性與時(shí)滯性視角[J]. 科研管理,2022,43(3):17-26.

[ 28]MAISURADZE D, NARMANIA G, LAZISHVILI M, et al. Is corporate social responsibility (CSR) a new alternative to governance challenges

of state-owned enterprises (SOEs)? [J]. Central European Journal of Public Policy, 2020, 14(2): 28-46.

[29]李濤,陳晴. 異質(zhì)機(jī)構(gòu)投資者、企業(yè)性質(zhì)與科技創(chuàng)新[J]. 工業(yè)技術(shù)經(jīng)濟(jì),2020,39(3):30-39.

[30]翟紀(jì)超. 基于信息不對(duì)稱的政策執(zhí)行互動(dòng)分析[J]. 管理學(xué)刊,2010,23(4):46-48.

[31]柳光強(qiáng). 稅收優(yōu)惠、財(cái)政補(bǔ)貼政策的激勵(lì)效應(yīng)分析———基于信息不對(duì)稱理論視角的實(shí)證研究[J]. 管理世界,2016(10):62-71.

[32]王瑤,馮曉晴,侯德帥. 企業(yè)數(shù)字化轉(zhuǎn)型能提高分析師預(yù)測準(zhǔn)確度嗎? ———基于信息披露和信息挖掘的雙重視角[J/ OL]. 中南財(cái)經(jīng)政

法大學(xué)學(xué)報(bào),2023[2023-02-09]. https: / / doi. org / 10. 19639 / j. cnki. issn1003-5230. 20230130. 003.

[33]聶興凱,王穩(wěn)華,裴璇. 企業(yè)數(shù)字化轉(zhuǎn)型會(huì)影響會(huì)計(jì)信息可比性嗎[J]. 會(huì)計(jì)研究,2022(5):17-39.

[34]KLEER R. Government R&D subsidies as a signal for private investors[J]. Research Policy, 2010, 39(10): 1361-1374.

[35]張笑,趙明輝,張路蓬. 政府創(chuàng)新補(bǔ)貼、高管關(guān)系嵌入與研發(fā)決策———WSR 方法論視角下制造業(yè)上市公司的實(shí)證研究[ J]. 管理評(píng)論,

2021,33(5):194-207.

[36]CARMAN J M, DOMINGUEZ L V. Organizational transformations in transition economies: hypotheses[J]. Journal of Macromarketing, 2001,

21(2): 164-180.

[37]黨力,楊瑞龍,楊繼東. 反腐敗與企業(yè)創(chuàng)新:基于政治關(guān)聯(lián)的解釋[J]. 中國工業(yè)經(jīng)濟(jì),2015(7):146-160.

[38]王孟嘉. 數(shù)字政府建設(shè)的價(jià)值、困境與出路[J]. 改革,2021(4):136-145.

[39]周銘山,張倩倩. “面子工程”還是“真才實(shí)干”? ———基于政治晉升激勵(lì)下的國有企業(yè)創(chuàng)新研究[J]. 管理世界,2016(12):116-132.

[40]DANG J W, MOTOHASHI K. Patent statistics: a good indicator for innovation in China? Patent subsidy program impacts on patent quality

[J]. China Economic Review, 2015, 35: 137-155.

[41]康志勇. 政府補(bǔ)貼促進(jìn)了企業(yè)專利質(zhì)量提升嗎? [J]. 科學(xué)學(xué)研究,2018,36(1):69-80.

[42]黎文靖,鄭曼妮. 實(shí)質(zhì)性創(chuàng)新還是策略性創(chuàng)新? ———宏觀產(chǎn)業(yè)政策對(duì)微觀企業(yè)創(chuàng)新的影響[J]. 經(jīng)濟(jì)研究,2016,51(4):60-73.

[43]CHEN J, HENG C S, TAN B C Y, et al. The distinct signaling effects of R&D subsidy and non-R&D subsidy on IPO performance of IT entrepreneurial firms in China[J]. Research Policy, 2018, 47(1): 108-120.

[44]吳非,胡慧芷,林慧妍,等. 企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)———來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J]. 管理世界,2021,37(7):130-144.

48