腐败与大众创业的非线性关系研究

贺建风 陈茜儒

摘要：本文基于我国1999—2011年的省级面板数据，以金融发展为门限变量，构建Hansen门限模型，探讨腐败与大众创业之间的非线性关系。研究表明：腐败程度提高对创业活动会产生显著的抑制作用，且存在金融发展的双重门限效应。在低水平金融发展区制中，腐败对创业的负效应十分显著，但随着金融发展水平的提升，这种负效应显著减小甚至不明显。在不同的创业形式中，公司制比个体户需要更高的金融发展门限值才能弱化腐败对创业的负效应。进一步的区域分析结果显示，相比东部地区，中西部地区的金融发展门限值更高。根据金融发展有利于弱化腐败对创业负向效应的结论，为推动大众创业，政府坚持做好反腐工作的同时，还应加强区域金融发展水平的协同共进。

关键词：腐败；大众创业；金融发展；门限模型；非线性关系

文献标识码：A文章编号：1002-2848-2018（03）-0075-11

一、 引 言

创业活动对于增加就业、促进经济发展和社会进步均能产生积极的作用。近年来，中国经济进入转型发展期，在“大众创业、万众创新”①的新时代背景下，创新创业活动受到广泛关注，大众创业的热情不断高涨，创业活跃度大幅提升。清华大学发布的《全球创业观察2015/2016中国报告》显示，目前中国的早期创业活动指数②为12.84%，比大多数创新驱动国家③更为活跃。2018年中国政府再次强调创业发展，致力于打造“双创升级版”④。为推动民间的创业活动发展，中央和地方政府部门多管齐下采取了全方位的激励措施，成效显著。针对创业的具体影响因素，学术界也在不断进行研究。现有研究通常分别从微观方面的个人基本特征、教育状况、婚姻和家庭背景、房产拥有情况等以及宏观方面的经济发展水平、市场化进程、行业垄断等视角进行探索，对于腐败因素如何影响创业的研究还不够深入。

腐败是人类社会历史过程中普遍存在的现象。对于处在经济社会从计划经济向市场经济逐渐过渡的中国来说，腐败问题在很长一段时间内都比较突出。据透明国际最新公布的《2016年全球清廉指数排名》可知，中国清廉指数得分仅为40分，低于全球平均水平，排在第80位，反映出目前中国的腐败程度依然很严重。党的十八大以来，中央政府加大了对腐败的打击力度，很多政府高官和国企高管因腐败问题被查处。据统计，2003—2012年平均每年被查处的副厅级以上干部仅有30人，但2013年猛增至186人，2014年甚至高达380人之多。高压反腐持续开展的新环境下，创业活动的发展将可能受到正反两方面的影响，一方面反腐败为市场机制的公开、透明和规范运行提供了保证，有利于提供良好的创业环境和公平的竞争机会；另一方面官员利用为创业提供便利而获取权力租金变得困难，很多官员倾向于不作为，部分违规企业难以借助政治优势规避政府管制，一定程度上打击了这些企业家创业的积极性。腐败与创业的关系到底是怎样的，是值得我们深入探究的。

在过去的二十多年里，腐败与创业之间的关系受到越来越多国内外学者的重视。已有的研究常基于理论层面开展论述，实证研究为数并不多，而且多基于两者之间简单的线性关系进行检验，由于所选数据或使用方法的差异，实证所得出的结论并未达成一致的看法。针对外在体制差异如何影响腐败与创业的关系，学者们分别从企业产权性质、市场化进程、制度环境、政府官员协调度等角度开展研究[1-3]。除了以上提及的因素之外，金融发展水平也是造成这种差异的重要因素之一。金融发展水平的提高不仅能够推动制度进步和市场交易透明化，弱化政府对资源的配置能力，进而减少政府官员在创业过程中的暗箱操作，还可以为初始资金受约束的企业家的创业活动提供外部融资。

鉴于此，本文试图从金融发展的视角，运用门限模型检验我国腐败与创业之间的非线性关系。文章可能的贡献主要有三个方面：第一，在发展中国家，腐败对创业活动产生极其重要的影响，然而在已有的众多研究创业影响因素的文献中，从腐败这一角度进行实证分析的并不多见，本文将弥补国内在这方面研究的不足。第二，以往的研究从理论角度设定腐败对创业的影响效应，常常提出“非正即负”的结论，未能考虑不同体制下可能出现的影响差异，本文从非线性关系视角来研究腐败与创业的关系，首次考察了二者之间存在的金融发展门限效应。第三，与以往对创业活动影响因素的研究相比，本文的研究更为细化和全面，在创业概念上，将创业者进一步界定为新进入市场的企业主或个体户；在实证分析中，在全国样本实证的基础上，还按照东、中、西三个区域进行深入比较分析。

二、 文献综述

针对腐败与创业及经济发展的关系，理论界大致存在三种看法。首先是“腐败有效论”，认为腐败是创业的“润滑剂”和“保护费”。一方面，在规章制度较为烦琐的发展中国家，行贿等腐败行为有助于企业家在创业过程中避开无效率的政府行政管制，并且得到优先获取资源或是降低市场准入条件的资格，这样腐败就发挥着“润滑剂”的作用，为企业家创业提供便利进而促进经济增长[4-7]。另一方面，市场机制尚不完善的经济体往往伴随着体制的频繁更改和政策的非连贯性，处于这种环境的企业通过贿赂的方式可以降低政府行为带来的潜在风险，以确保在未来致力于创新和发展，腐败就变相地成为创业的“保护费”。但目前关于“腐败有效论”的研究大多仅限于理论层面，极少通过实证进行检验。

與“腐败有效论”对立的观点是“腐败有害论”。早期的寻租理论认为贪污、腐败、贿赂等形式的寻租行为不仅导致社会资源的大量浪费，而且降低了经济的运行效率和社会福利水平[8-9]。此外，由于寻租活动比从事生产活动更容易获得资源并提高收益，因此许多从事生产活动的人才会放弃生产活动而选择寻租[10]，这样腐败现象必然打击企业家的创业活动。20世纪90年代以后，“腐败有害论”在实证方面得到进一步证实，发现腐败会扭曲资源配置，阻碍有能力却无政治关系的企业进入市场[11-12]。Baumol[13]的理论研究表明，普遍存在的腐败会扭曲资源配置从而减少创新创业活动，主要是因为相比较创新创业活动而言，腐败降低了生产性收入却增加了非生产性寻租活动的回报。Mauro[11]发现腐败造成了大量的资源浪费，不利于企业投资和经济增长，阻碍了资本的流入，而这些影响都会阻碍企业家的创业活动。腐败不仅对创业活动所需的各种资源配置产生了负效应，也对企业家的创业倾向和动机产生了不利影响。Acemoglu[4]的研究表明腐败会影响企业家的才能配置，如果贿赂官员能够带来大量的经济利益，将诱使企业家放弃创新创业活动而选择寻租等非生产性活动。以上实证研究在分析腐败与创业关系的基础上，进一步说明了腐败影响创业的内在机制，如腐败对资源配置、企业融资、企业家才能配置等的影响。

还有观点认为腐败对创业活动的影响是否有利，取决于特定的外部环境。这种观点认为腐败与创业之间具有复杂的非线性关系。Méndez等[14]研究发现，腐败的发生率会影响腐败与创业之间的关系。在腐败发生率较高时，腐败会损害企业家精神；腐败发生率较低时，腐败则会促进企业家精神发展。Faccio[15]发现企业家是否借助政治关系进行创业，往往会随着法律体系完善程度、司法独立程度、外资进入难易程度等因素的变化而发生改变。Dong等[16]利用中国的数据研究发现，腐败对创业活动的影响存在不确定性，在特定的制度环境下，腐败对创业的影响可能是正负双面效应平衡的结果。Aidt[17]的研究表明，仅在体制存在缺陷的国家里腐败才有益于创业活动。此外，也有一些研究深入探究腐败与创业之间非线性关系的根源。杜巨澜[18]采用国际透明度指数和各国分散持股比例研究了腐败对企业融资模式造成的影响，结果表明腐败会影响企业融资模式，导致公司治理恶化，外部融资缩减。余明桂[1]证实了“政治關系的贷款效应”的存在，发现政治关系为企业贷款提供了便利，提高了企业贷款额度并延长了贷款期限。李后建[2]通过构建腐败与创新创业精神之间的非线性关系模型，发现二者之间存在市场化进程的门槛效应。

已有文献大多讨论了腐败对以创业活动为代表的经济发展的可能作用结果，也有一些研究在腐败对创业的具体影响路径上进行探索，如前文提到的规避无效率管制，增加寻租成本等，并提出了腐败对创业影响的外部环境决定论。具体而言还存在以下几个问题需要进一步完善：一是多数学者的研究重点在于腐败对企业家精神或企业家才能的影响，或者将研究对象转向已成立企业的融资行为，少有研究专门分析腐败对市场中新创企业的影响。本文将关注腐败对新创企业的影响。二是虽然部分学者谈及腐败对企业的市场准入影响，但仅基于理论层面的分析，本文将从实证研究的视角加以补充。三是学者们提到了腐败程度本身、法律体系、制度环境等会导致腐败对创业的影响差异，还没有学者考虑到金融发展水平对腐败与创业关系的影响。本文将选取金融发展为门限变量，深入探讨腐败与创业之间的金融发展门限问题，对以上提到的腐败影响创业的第三种观点加以完善。

三、 变量选择与模型设定

（一）变量与数据

本文主要的研究问题是腐败对创业活动的影响效应，结合门限回归理论模型的设定结构，变量包括被解释变量、重要解释变量、门限变量和控制变量几个方面。

（1）被解释变量：创业活跃度。在以往的实证研究中，国内外学者多采用私营企业就业人数比总就业人数来衡量地区的创业精神或创业水平。但由于本文考察的是腐败对企业（或个体户）能否进入市场的影响，对创业的衡量主要采用新增的企业或创业人数。私营企业数、私营企业就业人数、个体户数和个体户就业人数等四个指标取自《中国统计年鉴》，利用当年私营企业数与上年私营企业数的差值得到当年新增私营企业数，其余三个指标做同样处理得到新增私营企业就业人数、新增个体户数和新增个体户就业人数。据此，我们构造了宽口径创业变量，定义为“新增企业数（ent）”“新增企业就业人数（ent_p）”，分别是新增私营企业数和新增个体户数之和、新增私营企业就业人数和新增个体户就业人数之和。为进一步分析腐败对不同创业类型的影响，我们细分为窄口径的公司制和个体户两种类型的创业变量，分别定义为“新增私营企业数（pte）”“新增私营企业就业人数（pte_p）”“新增个体户数（ind）”和“新增个体户就业人数（ind_p）”。

（2）重要解释变量：腐败程度（corr）。腐败的一般解释是“利用政府权力或资源以获得私人收益”[17]。中国法律对腐败没有明确界定，但对贪污和受贿分别定义如下：“国家工作人员利用职务上的便利，侵吞、窃取、骗取或者以其他手段非法占有公共财物的，是贪污罪”“国家工作人员利用职务上的便利，索取他人财物的，或者非法收受他人财物，为他人谋取利益的，是受贿罪”。本文采用贪腐渎职立案数来界定腐败程度，利用每万公职人员涉案数（贪腐渎职立案数/当地公职人员数）来衡量各地区的腐败程度。其中贪腐渎职立案数来自相应年份《中国检察年鉴》中各地区人民检察院的年度工作报告，当地公职人员数来自相应年份的《中国统计年鉴》。

（3）门限变量：金融发展（fd）。关于衡量金融发展的指标，学者们有不同的看法，国外大部分研究者采用戈氏指标（全部金融资产/GDP）和麦氏指标（M2/GDP）衡量金融发展水平，但由于中国缺乏各地区金融资产和M2的统计数据，只能利用人民币存贷款余额与GDP之比来衡量金融发展水平。人民币存贷款余额数据来自《新中国六十年统计资料汇编》和《中国城市统计年鉴》，GDP数据来源于《中国统计年鉴》。

（4）控制变量：由于影响创业的因素比较多，为避免因控制变量过多而产生多重共线性的问题，本文选择彼此间相关系数不高的贸易开放程度（open）、教育年限（edu）、交通基础设施（traffic）和城市化水平（urban）作为主要控制变量。贸易开放程度是衡量一个国家或地区市场对外开放程度的基本指标，由于Dahlander等[19]指出经济体中的贸易开放程度对创业活动具有关键性影响，本文将贸易开放程度（open）作为控制变量，纳入回归模型，利用进出口贸易额与名义GDP的比值来衡量，相关数据来源于相应年份的《中国统计年鉴》。教育年限（edu）是指全国6岁以上人口平均受教育年限，它根据传统计算方法加权平均计算得到，相关数据来源于相应年份全国人口变动情况抽样调查样本数据，其中2000年和2010年的数据分别为第五次和第六次全国人口普查汇总的当年11月1日零时数。交通基础设施（traffic）采用铁路和公路运输总里程之和比年末总人口数来衡量。城市化水平（urban）采用地区城镇人口数比常住总人口数来衡量。原始数据均来源于《中国统计年鉴》。

由于1998年我国大刀阔斧进行国企改革，大量政府官员和国企高管的权力配置出现控制权和行政权缩小的现象，因此在1998年之后，国家工作人员腐败现象在很大程度上得以减少；2012年中央开始加大反腐力度，此后年份国家工作人员腐败立案数激增，这并不能说明此后几年腐败程度更加突出，腐败的数据与2012年之前不具有可比性。考虑到与1998年之前和2012年之后的腐败数据相比，1999—2011年这13年的数据更具稳定性，本文主要采用1999—2011年的省级面板数据进行实证分析，数据主要来源于相应年份《中国统计年鉴》《新中国六十年统计资料汇编》《中国城市统计年鉴》和《中国检察年鉴》。表1给出了各个变量的描述性统计结果。

（二）模型设定

借鉴Hansen[20]提出的门限回归模型，为了考察腐败和创业之间的关系是否存在金融发展的门限效应，这里以金融发展水平作为门限变量，设定腐败与创业的单门限面板模型为：

首先，对门限回归进行参数估计。在给定某一门限值的情况下，采用个体固定效应模型对式（2）进行估计。根据Chan[21]的研究，本文从所有可能的金融发展门限值γ中选择使得回归模型的残差平方和Sn（γ）最小的[AKγ^]作为估计值，并采用格栅搜索法（Grid Search）对门限值进行估计。

接下来，对金融发展门限效应的显著性进行检验，原假设为H0：β1=β2，对应备择假设为H1：β1≠β2。当门限效应不存在时，在原假设的条件下门限参数无法识别。Hansen[22]提出采用自抽样法（Bootstrap）来构造渐进分布进而得到相应概率P值可以解决这一问题。因此本文采用Hansen[22]的LM检验考察腐败与创业之间的金融發展门限效应是否显著存在，检验统计量为：

在原假设成立的条件下，表明腐败与创业之间不存在金融发展门限效应，二者为线性关系。如果拒绝则认为存在金融发展门限效应，接下来进一步检验门限估计值的真实性，确定金融发展门限值的置信区间，即检验[AKγ^]=γ0，似然比检验统计量为：

对式（5）的估计是在确定单一门限条件下再估计金融发展的第二个门限，其估计和检验过程与单门限相同，门限值的估计值为使式（5）的残差平方和最小的门限值γ2。双门限效应检验的原假设为H3：存在唯一门限；备择假设为H4：存在两个门限。如果检验结果存在双门限效应，则可重复上述的门限估计和检验过程，直至对应的门限效应不再显著，可确定金融发展门限值的个数。

基于上述门限效应检验方法，采用我国1999—2011年的面板数据对金融发展门限效应进行检验，结果见表2。不同被解释变量模型的单一门限效应均在1%的显著性水平下存在，因此金融发展水平的门限效应不容忽视。进一步的双重门限检验结果反映，分别以新增企业就业人数和新增企业数为被解释变量的模型，双重门限在1%显著性水平下存在；新增企业数、新增个体户数和新增个体户就业人数三个模型的双重门限显著性水平为5%；新增私营企业就业人数模型的双重门限效应也在10%的显著性水平下显著；除新增私营企业数模型外，其余模型的三重门限效应都不显著。综合以上门限效应检验结果，本文拟采用双重门限模型进行面板数据回归分析。

四、 实证结果分析

（一）全样本回归结果分析

为了能够更全面地分析腐败对各类型创业活动的影响，本文将创业变量分为宽口径和窄口径两个维度，其中宽口径泛指所有的创业活动，包括私营企业和个体户；窄口径则是将两者分开来讨论。此外，在讨论新建企业数量的同时，也将新增就业人数纳入被解释变量进行回归分析，具体的结果见表3。

全样本门限估计结果表明：腐败对创业活动呈显著的负向影响的情况居多，两者之间的关系存在非线性的金融发展门限效应。从宽口径创业的回归结果来看，两个门限估计值（[AKγ^]）分别为1.6071和2.1628，将样本划分为低水平金融发展区制（fd≤[AKγ^]1）、中等水平金融发展区制（[AKγ^]1[AKγ^]2）三部分，各部分的样本数分别为26、134和243。在金融发展水平低于1.6071时，腐败对新增企业数的影响系数为-1.2157，在1%的显著性水平下显著；当金融发展水平位于1.6071和2.1628之间时，腐败对新增企业数的影响系数为-0.6360，系数的绝对值下降了将近一半，且在1%的显著性水平下显著；当金融发展水平高于2.1628时，腐败对新增企业数的影响系数为-0.4026，在5%的显著性水平下显著。随着金融发展水平的提高，腐败对新增企业数的负向影响程度不断减弱，这种负效应的显著性也明显降低。类似的，在金融发展水平低于1.6071时，腐败对新增企业就业人数的影响系数为-3.0367，在1%的显著性水平下显著；当金融发展水平位于1.6071和1.9812之间时，腐败对新增企业就业人数的影响系数为-1.5402，系数绝对值同样下降近一半；当金融发展水平高于1.9812时，腐败对新增企业就业人数的影响不再显著。这表明当金融发展水平较高时，腐败对新增企业就业人数的负效应并不明显。

据窄口径公司制创业的回归结果可知，新增私营企业模型的门限值（[AKγ^]）分别为1.9344和3.7814，样本数分别为104、227和22。在金融发展水平低于1.9344时，腐败对新增私营企业数的影响系数为-0.0602，在10%的显著性水平下显著；当金融发展水平位于1.9344和3.7814之间时，负向影响效应下降近一半，仅为-0.0348，金融发展水平高于3.7814之后，腐败对新增私营企业数的影响并不显著。就新增私营企业就业人数而言，门限值（[AKγ^]）的数值分别为1.5837和1.911，样本数分别为19、75和309。在金融发展水平低于1.5837时，腐败对新增企业数的影响系数为-0.6255，在1%的显著性水平下显著；当金融发展水平高于1.5837时，腐败对新增私营企业就业人数的影响不再显著。就窄口径个体户创业的回归结果来看，新增个体户模型的门限值（[AKγ^]）分别为1.6071和2.1682，样本数分别为26、134和243。在金融发展水平低于1.6071时，腐败对新增个体户数量的影响系数为-1.156，在1%的显著性水平下显著；当金融发展水平位于1.6071和2.1682之间时，腐败对新增个体户数量的影响系数为-0.5957；当金融发展水平高于2.1682时，腐败对新增个体户数量的影响系数为-0.3756，在5%的显著性水平下显著。相比低水平金融发展区制，高水平金融发展区制中的新增个体户数量受到腐败的负向影响大幅减弱，显著性水平也有所下降。从新增个体户就业人数来看，门限值（[AKγ^]）分别为1.6071和2.215，样本数分别为26、143和234。在金融发展水平低于1.6071时，腐败对新增个体户就业人数的影响系数为-3.0453；当金融发展水平位于1.6071和2.215之间时，腐败对新增个体户就业人数的影响系数为-1.5415；当金融发展水平高于2.215时，腐败对新增个体户就业人数的影响系数为-0.9528，不仅显著性逐级降低，腐败对新增私营企业就业人数负向效应也呈现很大幅度的削弱。

就控制变量的回归系数而言，对外开放程度、受教育水平、交通基础设施和城市化率对创业都发挥着正向推动作用，大多数结果均显著，这些结论与已有文献的发现基本一致。最后需要指出的是，腐败对宽口径创业的新增企业数以及窄口径中的新增个体户数影响的金融发展第一门限值都为1.6071，第二门限值分别为2.1682和2.215，而对新增私营企业数的硬性的金融发展第一门限值为1.9344，第二门限值为3.7814。这反映出相比个体户形式的创业而言，私营企业面临更复杂的市场机制和更烦琐的准入流程，需要更加宽松自由的创业环境和更高水平的金融发展。

以上全样本的回归结果表明：第一，腐败对创业有显著的负面影响，腐败的存在会阻碍包括私营以及个体等不同形式的创业。第二，随着金融发展水平的提高，腐败对创业的负向影响效应会大幅减弱，甚至出现影响不显著的情况。可能的原因是，金融发展落后会导致产品和信用市场更加不发达，支配市场发展的制度欠缺，政府对经济资源有更强的支配力，所以在金融发展水平较低时，腐败对创业的影响更大也更为显著；而当金融发展到一定水平时，政府对经济资源的支配力受到更加完善的市场机制的约束，此时金融发展会弱化腐败对创业的负效应，为企业家创业提供更加合理公平的市场环境。

（二）分区域样本回归结果分析

我国幅员辽阔，区域发展极不平衡，在东、中、西部不同程度的金融发展水平下，腐败对创业的影响也会存在一定的差异。因此，我们根据中国统计局2017年公布的区域划分标准将全国样本分为东、中、西三个子样本。对各自的宽口径创业的回归结果见表4。

根据回归结果可知，东、中、西部地区的创业影响情况与全国样本类似，均与该地区腐败程度存在非线性的金融发展门限效应。在东部地区，新增企业数的模型中金融发展水平门限值（[AKγ^]）分别为1.6439和2.0323，在金融发展水平低于1.6439时，腐败对新增企业数的影响系数为-2.2098，在1%的显著性水平下显著；当金融发展水平位于1.6439和2.0323之间时，腐败对新增企业数的影响系数为-0.9038；当金融发展水平高于-2.0323时，腐败对新增企业数的影响系数为-0.5774，且仅在10%的显著性水平下显著。当金融发展水平较高时，腐败对新增企业数的影响程度较低水平金融发展程度时出现大幅减弱，下降了约73.87%，并且显著性水平也降低。东部地区的新增企业就业人数受到腐败因素的影响情况与此类似，以金融发展水平1.6439和1.9881为界，分为金融发展水平高、中、低三个区制。与低水平金融发展区制相比，高水平金融发展区制中腐败对新增企业就业人数的影响下降了84.29%，显著性水平也由极为显著变为不显著。

在中部地区，新增企业数的模型中金融发展水平的门限值（[AKγ^]）分别为1.7786和2.4046，在金融发展水平低于1.7786时，腐败对新增企业数的影响系数为-0.9078，在1%的显著性水平下显著；当金融发展水平位于1.7786和2.4046之间时，腐败对新增企业数的影响系数为-0.6998，在1%的顯著性水平下显著；当金融发展水平在2.4046之上时，腐败对新增企业数的影响下降了约47.95%，并且显著性水平也有所降低。同样，腐败对新增企业就业人数影响系数也因金融发展水平的不同存在较大差异，在高水平金融发展区制中，腐败对新增创业人数的影响系数比在低水平金融发展区制中下降了约65.76%，显著性水平也由极为显著变为不显著。

在西部地区，新增企业数的模型中金融发展水平的门限值（[AKγ^]）分别为2.1848和2.6206，在金融发展水平低于2.1848时，腐败对新增企业数的影响系数为-0.6247，在1%的显著性水平下显著；当金融发展水平位于2.1848和2.6206之间时，腐败对新增企业数的影响系数为-0.0910，在10%的显著性水平下显著；当金融发展水平在2.1848之上时，腐败对新增企业数的影响系数降低62.7%，并且显著性水平也由极为显著变为不显著。类似的，在西部地区，金融发展水平较高时，腐败对新增企业就业人数的影响系数比在金融发展水平较低时的影响系数的绝对值下降了99.03%，显著性水平也由极为显著变为不显著。

通过以上分析，东、中、西部地区的腐败程度对该地区的创业均存在金融发展双重门限效应，其中西部地区的门限值最大，中部地区次之，东部地区最小。我国东部地区由于对外开放程度高，教育资源丰富，交通更加便利，创业环境更加优越，在金融发展水平达到2.0323时，腐败对创业的负效应已经显著降低。相比之下，我国中西部地区，金融发展水平分别要达到2.4046和2.6206时，腐败对创业的负效应才会消失。这说明在政务透明度较低、市场开放不足的中西部地区，需要更高的金融发展水平才能弱化腐败对创业的负向效应。

（三）稳健性检验

为保证回归估计结果的稳健性，本文尝试从以下两个方面进行稳健性检验来印证以上回归结果的可靠性：第一，将腐败指标替换为贪污渎职立案数；第二，在回归中加入市场化指数，以控制各地区之间存在的市场化程度差异。

（1）采用不同指标衡量腐败的稳健性分析。以贪污渎职立案数作为解释变量的回归结果见表5。我们发现：第一，金融发展水平较低时，腐败对创业的负向影响显著，而当金融发展水平较高时，腐败对创业的负效应降低甚至不再显著，这与前文的回归结论基本一致；第二，各组回归结果的门限值与表4的全样本回归结果极为相似，均表明创立私营企业比个体户创业的市场准入门槛更高，需要更高的金融发展水平才能充分刺激公司制创业。

（2）加入市场化指数的稳健性分析。在模型中加入市场化指数的回归结果见表6。回归结果显示：第一，腐败对创业的影响仍然是非线性的，并且随着金融发展水平的提高腐败对创业的负效应减弱甚至消失；第二，各组回归中的门限值与全样本回归结果有所不同，但腐败对新增私营企业影响的金融发展门限值仍然高于对新增个体户影响的金融发展门限值。

综合上述采用不同指标衡量腐败和加入市场化指数的稳健性分析结果，腐败对创业的金融发展门限效应基本是稳健的。

五、 结论与政策建议

本文基于我国1999—2011年的省级面板数据，以金融发展为门限变量，运用双重门限模型考察腐败对创业影响的金融发展门限效应，得到以下主要结论：

（1）我国腐败程度对大众创业的影响存在金融发展门限效应。在低水平金融发展区制，腐败对创业的负向影响极为显著，而在高水平金融发展区制里，腐败对创业的负向影响变得极小并且显著性降低甚至不显著。这意味着我国腐败对创业始终存在负面影响，而金融发展水平的提高能够弱化腐败对创业的负效应。

（2）相比个体户形式的创业，腐败对我国公司制创业影响的金融发展门限值更高。这说明我国私营企业面临更为烦琐和严格的准入规则，受到的准入限制更大，只有当金融发展到更高水平时，私营企业形式的创业受到腐败的负向影响才会显著减弱。

（3）我国东、中、西部地区的腐败程度对大众创业影响的金融发展门限效应存在差异。东部地区金融发展水平达到1.6439时，对腐败影响创业的负效应的弱化已经非常显著，而中西部地区需要更高的金融发展水平才能弱化这种负效应。这反映了我国区域间的经济发展不平衡，我国中西部地区的创业受到来自体制机制、经济环境等多方面的制约。

根据文章的研究结论，为了更好地推动我国大众创业的活跃发展，提出以下几点政策建议供相关部门决策参考。

第一，我国各级政府要坚定不移地开展反腐败工作，为打造“双创升级版”提供良好的创业制度性生态环境。在开展反腐工作的同时，也要通过加快金融发展来遏制腐败对创业的负面影响。一方面，金融规模较大、金融效率较高的地区由于资金来源广泛、资金流动速率高效，会在一定程度上缓解创业者融资约束问题。另一方面，金融体系的不发达会降低银行等金融机构融资贷款的透明度，这会滋生因监督不严而产生的“潜规则下的贷款寻租”问题。因此我国政府要加快金融改革创新，提升金融市场功能，促进资金在各市场之间有序流动，增强配置金融资源能力，從而为创业活动提供更好的制度性融资环境。

第二，应适当降低公司制创业的准入门槛。相比个体户创业而言，我国公司制创业更多表现为机会型创业，大多以创新创业为主，符合十九大报告中提出的“创新驱动发展战略”的要求。同时这类创业活动也能够解决更多的社会就业问题，真正实现以创业带动就业。但由于公司制创业往往投入资金多、登记注册程序烦琐、纳税高且流程冗长，更易受腐败行为左右，有时甚至不得不被迫退出市场。因此，政府应该适当简化公司的注册登记手续，在合理范围内降低最低注册资本要求，并进一步扩大众多小微企业的税收优惠范围。

第三，要为中西部地区的创业提供更多优惠政策，加快中西部地区的金融发展，并且在反腐过程中着重关注中西部省区市的腐败行为。我国经济发展水平不均导致了各地区的人民币购买力差异较大，而东部地区的发展水平远超中西部，相同的腐败金额在东部地区代表的财富和购买力低于中西部地区。一定范围内，同样的腐败金额在中西部地区带来的社会危害性可能相对高于东部地区。因此，为推动中西部地区创业水平的提高，政府要在创业优惠政策、金融发展和打击腐败等方面给予更多关注和支持。

参考文献：

[1] 余明桂， 潘红波. 政治关系、制度环境与民营企业银行贷款 [J]. 管理世界， 2008（8）： 9-21.

[2] 李后建. 市场化、腐败与企业家精神 [J]. 经济科学， 2013（1）： 99-111.

[3] Blackburn K， ForguesPuccio G F. Why is corruption less harmful in some countries than in others？ [J]. Journal of Economic Behavior & Organization， 2009， 72（3）： 797-810.

[4] Acemoglu D， Verdier T. Property rights， corruption and the allocation of talent： A general equilibrium approach [J]. Social Science Electronic Publishing， 2010， 108（450）： 1381-1403.

[5] Lui F T. An equilibrium queuing model of bribery [J]. Journal of Political Economy， 1985， 93（4）： 760-781.

[6] Leff N H. Economic development through bureaucratic corruption [J]. American Behavioral Scientist， 1964， 8（3）： 8-14.

[7] Aidt T S， Dutta J， Sena V. Governance regimes， corruption and growth： Theory and evidence [J]. Discussion Papers， 2008， 36（2）： 195-220.

[8] Krueger A O. The political economy of the rentseeking society [J]. American Economic Review， 1974， 64（3）： 291-303.

[9] Bhagwati J N. Directly unproductive profitseeking （DUP） activities [J]. Journal of Political Economy， 1982， 90（5）： 988-1002.

[10] Murphy K M， Shleifer A， Vishny R W. Why is rentseeking so costly to growth？ [J]. American Economic Review， 1993， 83（2）： 409-414.

[11] Mauro P. Corruption and growth [J]. The Quarterly Journal of Economics， 1995， 110（3）： 681-712.

[12] Aidt T S. Economic analysis of corruption： A survey [J]. The Economic Journal， 2003， 113（491）： 632-652.

[13] Baumol W J. Entrepreneurship： Productive， unproductive， and destructive [J]. Journal of Political Economy， 1990， 98（5）： 893-921.

[14] Méndez F， Sepúlveda F. Corruption， growth and political regimes： Cross country evidence [J]. European Journal of Political Economy， 2006， 22（1）： 82-98.

[15] Faccio M. Politically connected firms [J]. Social Science Electronic Publishing， 2006， 96（1）： 369-386.

[16] Dong B， Torgler B. Causes of corruption： Evidence from China [J]. China Economic Review， 2013， 26（26）： 152-169.

[17] Aidt T S. Corruption， institutions and economic development [J]. Oxford Review of Economic Policy， 2009， 25（2）： 271-291.

[18] 杜巨瀾. 政府腐败和国际企业融资模式 [J]. 世界经济文汇， 2003（6）： 1-22.

[19] Dahlander L， Gann D M. How open is innovation？ [J]. Research Policy， 2010， 39（6）： 699-709.

[20] Hansen B E. Threshold effects in nondynamic panels： Estimation， testing， and inference [J]. Journal of Econometrics， 1999， 93（2）： 345-368.

[21] Chan K S. Consistency and limiting distribution of the least squares estimator of a threshold autoregressive model [J]. Annals of Statistics， 1993， 21（1）： 520-533.

[22] Hansen B E. Inference when a nuisance parameter is not identified under the null hypothesis [J]. Econometrica， 1996， 64（2）： 413-430.

[23] Hansen B E. Sample splitting and threshold estimation [J]. Econometrica， 2000， 68（3）： 575-603.

[24] 樊纲， 王小鲁， 朱恒鹏. 中国市场化指数： 各地区市场化相对进程2011年报告 [M]. 北京： 经济科学出版社， 2011.