金融发展、技术前沿距离与追赶型增长

连旭蓓 龚 强 刘 冲

内容提要：提高全要素生产率(TFP)是高质量发展的动力源泉。在银行主导型的金融体系下，银行业代表的金融发展在支持中国实体经济方面扮演着重要角色。基于企业技术前沿距离的视角，本文考察金融发展如何影响企业TFP增长。研究发现，中国制造业存在后发企业向技术前沿靠拢的“追赶型增长”。相对于接近技术前沿的企业，金融发展更有利于远离技术前沿企业的TFP增长，即金融发展助推了制造业后发企业的“追赶型增长”。进一步地，这种异质性效应主要体现在国有企业、制度环境好的地区和非劳动密集型行业内。变换TFP测度方法、技术前沿距离指标和金融发展指标及采用工具变量进行内生性检验后结果均稳健。

一、问题提出

党的十九大报告指出，中国经济已由高速增长阶段转向高质量发展阶段。提高全要素生产率是高质量发展的动力源泉，而如何提高全要素生产率已成为中国转换经济发展阶段、实现现代化经济体系建设的核心议题。大量研究表明，金融发展是生产率增长的重要决定因素[1-3]。在中国，以银行为绝对主导的金融体系意味着企业效率提升、实体经济的转型升级离不开银行业的有效支撑。在此背景下，重新探讨以银行业为代表的正规金融发展对全要素生产率提升的作用机制，有助于了解微观企业效率提升的可能机制，把握金融发展在服务实体经济中的作用渠道，对于完善金融体系改革，推动质量变革、效率变革和动力变革以实现国家经济结构的转型与升级具有重要意义。

现有研究多基于金融功能视角探讨金融发展对企业生产率增长的影响，而忽视了企业本身所处技术状态的重要作用。通常认为，金融发展可以通过优化融资环境，发挥资金配置、风险管理等基本职能，促进资本积累和技术进步，进而提高企业或行业的TFP增长[4-5]。基于此，外部融资依赖程度更高的企业或行业在金融发展过程中受益更多[6-7]。然而，仅关注资金的供给或需求却忽略了一个重要问题。事实上，这些效应可能由于企业本身所处的技术状态不同而改变。就银行业代表的金融发展而言，一方面，如果企业本身所处技术水平接近世界前沿，即便其融资依赖高，资金需求大，其高风险特性与银行偏好的错配导致追求稳健经营的银行缺乏动力支持其技术进步。另一方面，当企业技术前沿差距较大时，低风险和标准化特征与银行业资金供给原则相匹配，则金融发展对其技术赶超的作用可能很有效。

事实上，企业之间生产率差异普遍且持续存在，而这种差距导致了效率损失，抑制经济增长[8-9]。因而，缩小企业间生产率差距可能是提高产业甚至国家全要素生产率的一个重要路径。同时，作为现代经济的核心和实体经济的血脉，以银行业为代表的金融发展是否有助于企业缩小生产力差距，进而推动全要素生产率的提升是本文关注的核心问题。

在不同效率企业并存的背景下，本文从企业不同的技术前沿距离入手，考察金融发展对企业TFP增长的异质性影响。进一步地，这种异质性影响主要体现在国有企业、非劳动密集型行业和制度环境更好的地区。变换TFP测度方法、技术前沿差距指标和金融发展指标以及采用工具变量进行内生性检验后结果均稳健。

本文的主要贡献体现在三个方面：第一，本文从企业技术前沿差距这个新颖的角度，实证检验了金融发展对企业TFP增长的作用路径，发现金融发展对于后发企业的技术进步作用效果更显著。这与龚强等(2014)[10]、张一林等(2016)[11]的理论分析观点高度一致，从微观企业层面提供了实证证据，并与林志帆和龙晓旋(2015)[12]基于国别经验数据的研究结论相呼应。第二，现有研究大多聚焦于国有企业总体上的无效率，而忽视了国有企业内部处于不同技术状态企业的生产率差异。本文研究发现，金融发展能够促进国有企业中技术前沿差距大的企业实现追超型增长。可以说明，并不是所有国有企业都是低效率企业，且金融发展有利于促进低效率国有企业的技术追赶。这支持了“后发优势”的发展经济学理论，丰富了对国有企业生产效率问题的相关研究，对于深化国有企业改革、提高国有企业运行效率、落实“做强做优国有企业”政策主张具有重要的理论借鉴意义。第三，本文发现金融发展对不同技术水平企业的异质性影响主要体现在制度环境较好的地区。说明金融发展对于后发企业的技术追赶作用需要政府配套构建良好的制度环境方能得以实现。这支持了以青木昌彦(1998)[13]为代表的市场增进理论，并支持了“建设服务型政府”的政策主张。

本文接下来的结构安排如下：第二部分是理论分析和研究假设；第三部分是实证设计，介绍本文的计量模型、样本选择、数据来源以及变量定义；第四部分为实证结果分析；第五部分介绍分样本的回归结果；最后总结全文。

二、理论分析与研究假设

(一)金融发展与企业TFP提升：技术前沿距离的影响

作为正规金融体系的主体，银行通常依据风险高低、资金回报稳健与否以及产业技术是否成熟等标准进行信贷决策，从而对于不同技术前沿差距企业的TFP增长的影响有所不同。阿西莫格鲁等(Acemoglu et al.，2012)指出，对于远离技术前沿的企业来说，其学习和模仿的是现有的成熟技术，通过增加少量的研发以及人力资本等要素投入等就能有效地掌握新技术并投入生产[14]。对此，艾伦和盖尔(Allen & Gale，2000)[15]、龚强等(2014)[10]、张一林等(2016)[11]认为，由于银行在“标准化”信息的获取和处理、控制违约信用风险以及评估抵押物价值方面具有显著优势，从而更容易发挥其自身的制度特性，支持不确定性低且技术成熟的实体经济。因此，以银行为代表的正规金融的发展能够促进技术前沿差距较大企业的技术赶超。

随着企业向技术前沿靠拢，其所需要学习和模仿的技术更加复杂，持续大量的自主研发成为其技术进步的关键。然而，在为技术和产品较新的高风险项目提供融资时，银行通常难以获取有效的企业内部信息以进行理性的信贷决策，并且银行的资金监督措施也难以有效实施，导致金融资源配置效率下降[10-11，15]。更重要的是，技术前沿企业的风险-收益特征与银行自身制度特性存在错配，导致银行缺乏激励为其提供资金支持。张一林等(2016)研究发现，技术创新型企业在银行体系中较难得到有效的资金支持[11]。原因在于，银行融资必须要按期偿还本息，技术创新型企业面临着破产和清算的风险[10，16]。即使企业的研发创新取得成功，银行往往也只能获得固定利息，难以共同分享研发成功带来的超额回报，这与银行自身承担的风险不相匹配，导致银行缺乏足够激励支持技术创新企业[11-12，17]。此外，一些研究指出，在银行为主的金融体系中，企业为获取银行融资需要让渡大量的收益，这导致企业经营创新性、盈利性项目的努力程度降低，而倾向于采取“慢生长”的发展策略[18-19]。因此，越是接近技术前沿，银行代表的正规金融的发展对企业技术进步的速度提升作用可能越小。据此，提出研究假设：

H1：金融发展对不同技术前沿距离企业的生产率增长的影响不同，相对于靠近技术前沿的企业，金融发展对远离技术前沿企业的生产率增长的促进作用更显著。

(二)企业所有制的异质性

中国的金融发展与信贷政策往往与企业所有权性质密切相关。相对于其他非国有经济类型企业，国有企业常常表现出较低的生产效率[20]。而根据“后发优势”理论，距离技术前沿差距越大，技术吸收模仿的空间就越大，技术进步速度越快。正是由于国有企业生产率相对较低，存在更多技术进步空间，因而金融发展对技术前沿差距大的国有企业技术赶超作用可能更加显著。除了资金支持外，TFP的提升也需要设备、人力资本、原材料和中间产品等多种要素配套投入才可实现。而相比较于其他类型企业，国有企业与政府之间存在紧密的经济和政治联系，更容易获得各项配套资源以提升其TFP。例如，方明月(2014)发现，国有企业相对于其他类型企业，更容易获得贷款优惠、更低的原材料采购成本等[21]。先天优势使得国有企业获得资金支持之后能够进一步实现赶超。而其他类型企业即便在正规金融发展之下获得资金支持，也可能由于其他配套投入要素的缺乏而难以快速提升其生产率。据此，提出研究假设：

H2：相对于其他类型企业，金融发展对于企业TFP增长的异质性影响主要体现在国有企业。

(三)制度环境的异质性

一直以来，企业所处的制度环境作为最基本的外在因素是经济增长研究的重要议题[22]。企业技术追赶的效果同样会受到所在区域制度环境的影响。较好的制度环境往往意味着更成熟的市场体制以及更公开透明的法制环境，即市场优胜劣汰机制更完善，资源配置要素扭曲得到更多改善。迪斯尼等(Disney et al.，2003)[23]、刘小玄和李双杰(2008)[24]、简泽和段永瑞(2012)[25]、布莱斯等(Bourlès et al.，2013)[26]的研究普遍认为，市场竞争能够显著促进企业生产率增长。市场经济越发达的地区，资源误置程度越低，企业生产率相对越高[27]。竞争压力以及低市场摩擦的存在有利于促进资源从低效率企业到高效率企业的再分配，进而促进TFP增长[28]。因此，在制度环境较好的地区中，市场竞争压力和较低的资源错配程度使得距离前沿差距较大的企业更有动力进行技术追赶，此时企业技术前沿差距越大，其技术追赶速度可能受金融发展的正向影响越大。据此，提出研究假设：

H3：相比于制度环境较差的地区，在制度环境更好的地区中越是技术前沿距离较大的企业，其技术追赶速度受金融发展的提升作用越显著。

(四)行业异质性

金融发展对于企业TFP增长的作用效果可能会受到企业所处行业特性的影响。已有文献表明，不同行业对技术创新的需求存在显著差异，即相比于劳动密集型行业，资本和技术密集型行业对于技术创新的倚重程度逐次递增[29-30]。基于此，处于不同行业中的公司则会进行不同的技术创新安排。而技术创新依赖程度越高，技术回报率可预测程度越低，不确定性越高。此时，在资本和技术密集型行业中，企业越靠近技术前沿，其潜在风险越大，越可能与银行偏好错配，由此通过以银行业发展为代表的正规金融发展来提高生产率的支持手段可能导致资源配置的扭曲，最终降低企业TFP增速。相反，若企业距离技术前沿较远，则相对较低的风险可能使得企业能够获得更多的银行资金支持以进行技术追赶。此外，对于劳动密集型行业而言，其生产过程更多倚重于大量劳动力投入，获得资金支持后企业更可能致力于规模扩张而不是技术进步[31]。这意味着，不论劳动密集型行业内企业与技术前沿距离远近，以银行业发展为代表的正规金融发展，未必会显著影响企业技术追赶速度。综合以上分析，提出研究假设：

H4：相比于劳动密集型行业，在资本和技术密集型行业中越是技术前沿距离较大的企业，其技术追赶速度受金融发展的提升作用越显著。

三、实证研究设计

(一) 实证研究模型

本文参考丁等人(Ding et al.，2016)[32]和杨本建等(2016)[33]的技术赶超模型，构建一个检验金融发展影响企业技术赶超的计量回归模型，设定如下：

gtfpijct=α0+α1Findevelopc，t-1+α2DFij，t-1+α3Findevelopc，t-1×DFij，t-1+Xijctγ+ηt+μc+μj+εijct

(1)

式(1)中，gtfp表示企业全要素生产率的增长率，下标i表示企业，j表示行业，c表示城市，t表示年份。Findevelop为衡量城市c在t-1时期的金融发展水平。由于金融发展对于企业技术进步的影响需要一定的时间，本文将金融发展指标滞后一期。DF代表的是企业与世界技术前沿的距离。为考察在不同的技术前沿距离上金融发展对企业技术进步的异质性作用，本文将Findevelop与DF指标以交互项形式引入模型。α2反映的是企业技术追赶的速度，α1和α3分别反映的是金融发展对企业技术进步的主要影响以及这种影响对于不同技术前沿距离企业的异质性。μc为城市固定效应，ηt为时间固定效应，μj为行业固定效应(1)部分企业在样本期间所属行业发生了变更，行业固定效应在回归时未被全部吸收掉，因而需要控制。。X为其他控制变量向量，详见变量定义。为减少内生性问题干扰，技术前沿差距指标及主要控制变量均滞后一期。后文回归中均聚类在城市年份层面。

(二)样本选择和变量定义

1.样本数据

本文回归估计中所用到的数据主要包括三个部分，一是来自《中国城市统计年鉴》和王小鲁等(2016)[34]的中国市场化指数系列报告的城市层面数据，二是来自世界投入产出数据库(WIOD)的制造业行业层面数据，三是来自万得(Wind)和国泰安(CSMAR)数据库中的上市公司层面数据。

对于公司层面数据，本文选择2008—2014年深沪A 股制造业上市公司作为研究样本(2)选取这一样本区间的原因在于，合约执行效率是本文模型的一个重要控制变量。现有研究通常采用中国市场化指数中的细分指标作为合约执行效率的替代性指标，鉴于2016版指数的计算标准与2011版指数标准有所不同，不宜将数据区间合并进行相关分析，因此采用2016版市场指数进行分析，可得数据区间为2008—2014年。。沿袭已有文献，且为保证样本使用的严谨性，本文按如下标准进行严格筛选：(1)由于上市公司行业划分标准在2012年前后存在较大调整，根据中国证券监督管理委员会发布的2001版和2012版“上市公司行业分类指引”，将2012年前后上市公司行业类别一一进行对比，统一为2012版行业分类标准。在此基础上，剔除所有非制造业行业样本。(2)剔除ST和PT公司及西藏地区数据，剔除资产负债率大于1，增加值和中间投入为负数以及数据不完整的样本。经过处理最终获得的样本包括6 620个公司年度观测值。为消除异常值的影响，对相关连续变量在1%分位上进行缩尾处理。所有上市公司财务数据来自Wind和CSMAR数据库。

测算中美技术前沿差距的数据来源于WIOD数据库的经济社会核算数据，该数据库提供了全球主要国家分行业增加值和劳动投入等相关数据。由于WIOD数据库未提供实际工业增加值数据，本文采用以下处理方法以获得真实可比的中美企业/行业工业增加值数据：第一，用各年购买力平价指数将中国企业层面工业增加值指标进行换算；第二，使用美国各年GDP平减指数与中国经购买力平价指数换算后的企业增加值数据进行平减，以获得实际工业增加值数据，设2008年为基期。购买力平价指数与美国GDP平减指数均来自世界银行数据库。

金融发展数据和城市层面数据均来自各年《中国城市统计年鉴》，地区市场化指数来自王小鲁等(2016)[34]的中国市场化指数系列报告。

2.变量定义

(1)企业TFP的测度。本文借鉴阿克贝里等(Ackerberg et al.，2015)[35]提出的前沿方法(简称ACF 法)估计生产函数并测算企业生产率。作为国内大多研究常用的TFP测算方法，奥利和帕克斯(Olley & Pakes，1996)[36]提出的OP法及莱文森和彼得林(Levinsohn & Petrin，2003)[37]提出的LP法分别建议使用投资或中间投入作为不可观测生产率冲击的代理变量以解决同时性偏差和样本选择性偏差等问题。然而，阿克贝里等(2015)的研究表明，除非对数据生成过程做出严格假设，否则OP 法和LP 法在估计上可能存在不可识别等问题[35]。ACF法通过放松OP 法和LP 法的假设条件，比如资本投入的决策先于其他生产要素，将劳动投入引入中间投入函数，提高了估计结果的准确性。

在测算TFP指标的选取上，借鉴任曙明和孙飞(2014)[38]等的相关研究，采用计算得到的工业增加值衡量产出，用企业员工人数衡量劳动力投入，用固定资产净额衡量资本投入，工业品中间投入指标使用“工业产值+应交增值税-工业增加值”计算得到。在估计TFP时，各指标均取对数处理，同时采用各年各省份的工业生产者出厂价格指数、固定资产投资价格指数及工业生产者购进价格指数对各相应投入产出变量(员工人数除外)进行平减，基期为2008年，最终估计得到TFP的对数值。后续利用LP 法估计TFP以进行稳健性检验，估计得到的TFP的对数值结果与使用ACF方法得到的结果较为接近。

(2)金融发展水平的衡量。中国的金融体系一直以来都是银行主导型，信贷体系在推动各地区投资及经济增长方面发挥着关键作用。本文采用各城市年末金融机构各项贷款余额占当年名义GDP 的比例衡量金融发展规模。后续采用金融相关性指标作为金融发展的替代性指标进行稳健性检验，金融相关性指标为各城市金融机构年末各项存贷款余额之和与当年名义GDP的比值。

(3)技术前沿距离的测度。为检验金融发展水平是否在不同视角上对于处于不同技术前沿距离企业/行业发挥了不同作用，本文在借鉴丁等人(2016)[32]的基础上，构建企业与世界技术前沿距离指标DF，本文以美国对应制造业行业代表世界技术前沿(3)选取美国对应制造业行业作为世界技术前沿基准的原因在于：首先，由于不同国家制度环境与市场等存在显著差异，直接以美国企业财务数据测算得到的工业增加值指标与中国数据不具可比性；其次，WIOD数据库提供了美国行业层面相关数据和可对应的行业代码与行业类型。。企业与世界技术前沿差距指标计算公式为：

(2)

(4)控制变量。本文回归中还加入了其他控制变量。首先，根据杨本建等(2016)[33]的研究，合约执行效率对处于不同技术前沿距离的企业的技术追赶存在异质性影响，因此控制合约执行效率以及合约执行效率与企业技术前沿距离的交互项。其次，金融发展水平对企业技术追赶的影响可能是企业所在地区经济发展水平对企业技术追赶作用的体现，为排除这种可能性，同时控制地区经济发展水平与企业技术前沿差距的交互项。此外，参考杨本建等(2016)[33]、钱雪松等(2018)[39]的研究，选取的控制变量包括三大类：第一类为公司层面特征，包括公司规模、政府补贴、研发投入、资产负债率、托宾Q、固定资产比重、第一大股东持股比、年龄、产权性质和资产收益率ROA；第二类为宏观区域层面特征，加入了各城市GDP 对数和当地市场规模来控制经济发展阶段的影响；第三类是行业层面的变量，加入行业TFP均值作为控制变量，来控制行业因素。此外，本文加入了年份固定效应以控制企业共同面临的经济周期等宏观冲击影响，同时还控制了行业固定效应。关于变量的详细说明，参见表1。

表1 变量定义

表1(续)

3.描述性统计

表2是对各主要变量的描述性统计结果。就生产率指标而言，使用ACF方法测算的生产率与使用LP方法测算得到的生产率较为接近。这与任曙明和孙飞(2014)[38]基于主板制造业上市公司平衡面板数据测算得到的结果差异较大，原因可能与样本时间跨度及板块选择有关。两种测度方法得到的生产率指标最大值与最小值均相差较大，说明中国上市公司中高生产率企业与低生产率企业并存，异质性生产率差异特征显著。同样地，企业与世界技术前沿距离指标(DF)的最小值和最大值差异，也反映了不同企业之间效率状态的异质性。TFP增长速度(gtfp)均值为1.095%，最小值为-9.857%，最大值为12.035%，说明样本期间不同企业之间的技术进步速度差异较大。金融发展水平(Findevelop)在样本期间表现出较大差异，各地年末金融机构贷款余额占GDP比例最低为13.2%，最高达745.0%。其他变量的描述性统计结果与已有的文献接近，此处不再赘述。

表2 主要变量的描述性统计

表2(续)

四、实证分析

(一)基准回归结果

表3列示的是以美国制造业行业为世界技术前沿，以中国企业与世界技术前沿的差距DF衡量企业国际技术前沿距离得到的基准回归结果。表中列(1)、列(2)、列(3)分别表示未加入金融发展指标、加入金融发展指标、加入金融发展与企业技术前沿距离的交乘项之后的结果。此外，金融发展水平对企业技术追赶的影响可能是企业所在地区经济发展水平对企业技术追赶作用的体现，为排除这种可能性，进一步控制经济发展水平与企业技术前沿距离的交互项，结果列示在列(4)。

表3回归结果显示，在不同的模型设定下，企业国际技术前沿距离DF的系数估计值均显著为正，与丁等人(2016)[32]和杨本建等(2016)[33]的估计结果一致。这一结果从微观企业层面验证了后发优势理论，即企业技术前沿差距越大，其进步空间越大，生产率的增长越快；企业技术前沿差距越小，其生产率的增长越慢。这说明后发企业向世界技术前沿的追赶缩小了企业间生产率差距，从而带动了制造业的技术进步。列(2)显示，金融发展水平对于企业TFP增长的直接作用并不显著。

列(3)显示的是放入交乘项Findevelop×DF的回归结果。金融发展的系数估计值在5%的统计水平上显著为负，金融发展与企业技术前沿距离的交乘项的系数估计值在5%统计水平上显著为正。这意味着，金融发展对企业TFP增长的影响是非线性的，其作用效果依赖于企业自身的技术前沿差距。金融发展对企业技术进步的影响随着企业技术前沿差距的增大而更加有效。随着企业技术前沿差距的缩小，金融发展对企业技术赶超的正向影响可能转变为负向。换句话说，企业越是远离技术前沿，金融发展对其TFP增长的正向提升作用就越大；企业越是接近技术前沿，其TFP增长受地区金融发展的正向影响就越小甚至转为负向影响。列(4)展示的是进一步控制地区经济发展水平与企业技术前沿差距的交乘项后的回归结果。显然金融发展与企业技术前沿距离交乘项的系数估计值仍在5%统计水平上显著为正。基于此，本文基准回归结果可以认为从微观企业层面验证了龚强等(2014)[10]的核心观点，即银行业稳健经营的自身特性决定了银行融资方式更适合服务有后发优势的企业，换言之，企业的后发优势越大，越适合由银行支持，金融发展对于企业技术进步的支持作用也越强。

就其他控制变量而言，在表3不同的模型设定下，企业规模越大、固定资产比重越高、成长机会越多且盈利能力较弱的企业，TFP增长速度越快；此外，行业平均TFP 的系数显为负，说明生产率越高的行业，企业的生产率增长越慢。

表3 基准回归结果

表3(续)

注：括号内为聚类稳健标准误，*、**、***分别表示在10%、5%和1%的水平上显著。

(二)稳健性检验

1.内生性问题

地区金融发展水平作为宏观层面因素可能影响企业层面微观因素，但企业TFP增长速度作为微观层面因素对地区金融发展的影响较弱，可在一定程度上削弱反向因果的可能性。尽管本文将地区金融发展水平与企业技术前沿差距指标均滞后一期以减少内生性问题的干扰，但仍无法完全排除例如遗漏变量等内生性问题存在的可能。为此，本文采用工具变量法来处理这些问题。借鉴菲斯曼和斯文松(Fisman & Svensson，2007)[40]的方法，使用除去企业所在城市本身后同年同一省份其他城市的金融发展水平均值作为工具变量。除去企业所在城市后，处于同年同一省份其他城市的金融发展水平与企业所在城市层级的金融发展水平正相关。理论上，这一指标除了通过影响企业所在城市金融发展水平以外，较难通过其他途径影响当地企业的技术赶超，因此可以作为一个较为理想的工具变量。

表4报告的是两阶段最小二乘法(2SLS)的回归结果。根据第一阶段估计结果，工具变量对金融发展具有显著的正向影响，同时工具变量回归(Kleibergen-Paap rk Wald)F统计值为82.71，大于常用的经验临界值10，因而不存在弱工具变量问题，说明所选取的工具变量是有效的。第二阶段回归结果显示，金融发展和企业技术前沿差距的交乘项的估计系数显著为正，金融发展的系数估计值显著为负，这与基准回归结果一致，这说明，即使考虑到可能存在的反向因果关系以及遗漏变量等内生性问题，金融发展对企业技术追赶的作用仍依赖于企业自身的技术前沿差距，越是远离技术前沿的企业，金融发展对其TFP增长的正向激励作用越显著。

表4 工具变量回归结果

表4(续)

注：表中汇报的是两阶段最小二乘法的回归结果。Panel A报告的是第二阶段估计结果，Panel B报告的是以各城市金融发展为因变量的第一阶段估计结果。括号内为聚类稳健标准误，*、**、***分别表示在10%、5%和1%的水平上显著。

2.其他稳健性检验

为了检验前文回归结果的稳健性，本文从不同方面进行了稳健性检验，包括更换企业TFP的测度方法、更换企业技术前沿距离衡量指标以及更换金融发展水平衡量指标等。结果表明，本文研究结论较为稳健。

(1)更换企业生产率的测量方法。更换企业生产率的测量方法可以进一步检验基准回归结果的稳健性。LP方法使用企业的中间投入作为不可观测的生产率冲击的代理变量，由于中间投入的调整成本较小且企业都有中间投入，因此能够较好地反映生产率的变化。基于此，本文采用LP方法测度企业的TFP，并进一步计算企业的TFP增长率和技术前沿差距，以进行稳健性分析。回归结果如表5中列(1)所示。结果表明，金融发展和企业技术前沿差距的交乘项的估计系数仍显著为正，金融发展的系数估计值显著为负，这说明即便更换一种企业生产率测度方法，金融发展仍然更有利于后发企业的技术赶超。

(2)更换金融发展水平的衡量指标。本文采用各城市金融相关性指标FIN(各城市金融机构年末各项存贷款余额之和与当地名义GDP的比值)作为各城市金融发展水平的替代性指标进行稳健性检验，结果见表5中列(2)。金融相关性指标与企业技术前沿差距的交乘项估计系数显著为正，和预期一致，说明金融发展对后发企业的技术追赶作用更显著这一结论是比较稳健的。

(3)更换企业技术前沿距离指标。前文基于国际层面视角以美国为世界技术前沿构建了企业技术前沿距离指标，这里以中国国内行业中相应企业为技术前沿基准，构建企业与国内技术前沿的差距指标以进行稳健性检验。具体而言，借鉴杨本建等(2016)[33]的研究，按照两位数制造业行业分类，以每一个行业中劳动生产率LPijt最高的企业作为技术前沿，以技术前沿企业劳动生产率与其他非技术前沿企业劳动生产率比值来度量每一个企业的技术前沿距离DDFijt。同时，为避免这种测度方法下极端值驱动结果的可能性，采用各行业LPijt前五企业的平均劳动生产率作为技术前沿(5)为避免行业内上市公司数目过少影响国内层面企业技术前沿差距的测算及结果，使行业内样本企业保持适当数目，本文剔除同年同行业公司数目少于或等于5家的样本。，以技术前沿企业劳动生产率与其他非技术前沿企业劳动生产率比值来度量每一个企业的技术前沿距离，以确保结果的稳健性。表5中列(3)是以国内行业中劳动生产率最高的企业作为每一个两位数行业的技术前沿，列(4)是以行业内劳动生产率前五的企业作为技术前沿，以其他企业与相应的国内技术前沿企业劳动生产率的比值作为国内技术前沿距离。表5回归结果显示，列(3)、列(4)中金融发展与国内层面企业技术前沿差距交乘项的估计系数均显著为正，说明以国内层面为基准衡量企业技术前沿差距，同样可以发现金融发展对后发企业向技术前沿企业的技术追赶具有显著的积极作用。

表5 稳健性检验

注：括号内为聚类稳健标准误，*、**、***分别表示在10%、5%和1%的水平上显著。表中列(3)以国内行业劳动生产率最高企业作为技术前沿，同时控制了行业内技术前沿企业的TFP增长率，由于此时一些行业技术前沿企业TFP增长率缺失，故样本偏少。列(4)以行业内劳动生产率前五的企业作为技术前沿，剔除了行业内公司数目少于等于5家的样本，故而样本同样偏少。

五、分样本分析

为进一步验证金融发展水平对于企业技术进步的异质效应是否受到所有权性质、行业性质以及制度环境的影响，本文按照所有制结构、行业性质以及制度环境类型划分不同样本，进行分样本比较分析。

(一)根据企业所有制结构划分样本的分析

为探究前文所表述的异质效应是否在不同产权结构的企业中有所不同，本文把企业样本按照所有制类型划分为国有和非国有两类分别回归，结果见表6。

表6 不同所有制类型回归结果

注：括号内为聚类稳健标准误，*、**、***分别表示在10%、5%和1%的水平上显著。

表6回归结果显示，在国有企业组回归中，金融发展和企业技术前沿差距的交乘项的估计系数显著为正，表明金融发展对企业技术赶超的非线性作用在国有企业中更为明显，而这种异质效应并未显著体现在民营企业中。这与研究假设H2的预期相一致，相比于其他类型企业，国有企业在资源禀赋上独有的先天优势以及更大的技术赶超空间，使得金融发展对于远离技术前沿企业的技术赶超提升作用在国有企业表现得更为突出。

(二)根据制度环境划分样本的分析

如何恰当处理政府与市场关系、发挥市场决定性作用和政府精准作用，是当前中国经济向创新驱动发展转型以实现可持续发展的重要议题。而企业所处地区的制度环境优劣是反映该重要议题的一个直接体现。以青木昌彦(1998)为代表的市场增进论认为，政府应积极参与市场发展，但参与的主要方式应当是通过制度建设和政策配套，支持企业组织、金融中介等的发展和它们之间的相互协调[13]。因此，本文将样本按照企业所处地区制度环境优劣(以市场化指数中细分指标“政府与市场关系”衡量)，划分为制度环境较好地区和制度环境较差地区进一步回归分析，以检验金融发展对企业技术赶超的作用是否在不同的制度环境中表现各异(6)以“市场化总指数”指标衡量制度环境，结论同样显著成立。。

表7 不同制度环境回归结果

注：括号内为聚类稳健标准误，*、**、***分别表示在10%、5%和1%的水平上显著。

表7回归结果显示，在制度环境较好的地区中，金融发展和企业技术前沿差距的交乘项的估计系数显著为正，而在制度环境较差地区，交乘项估计系数并不显著。这说明金融发展对处于不同技术前沿差距的企业的异质性影响，在不同的制度环境中表现存在差异。即，这种异质性影响——金融发展对于远离技术前沿企业的TFP增长的正向激励作用更显著——主要体现在制度环境较好的地区，而这种效应并没有显著表现在制度环境较差的地区。这意味着，以完善制度建设为核心的服务型政府的构建，有助于合力金融发展共同提高后发企业的技术赶超速度。

(三)根据行业性质划分样本的分析

通过前文分析发现，金融发展对企业TFP增长的作用效果依赖于企业的技术前沿距离，越是远离技术前沿的企业，其TFP增长受金融发展的正向促进作用越大。进一步来看，由于不同行业的风险特性不同，与银行偏稳健的经营特性匹配程度不同，导致这种异质效应在不同特性的行业可能表现不同。按照投入要素密集程度，鲁桐和党印(2014)[29]、李雪冬等(2018)[30]将中国行业划分成劳动密集型、资本密集型和技术密集型三类。在不同行业中，技术创新的重要性依次提升。参照这种行业分类方法，并结合研究假设H4，本文将样本中制造业行业区分为劳动密集型和非劳动密集型(即资本密集型和技术密集型)两类，并进一步分行业对模型进行回归分析(7)经过划分后，样本中资本和密集型技术密集型行业具体包括造纸和纸制品业，印刷和记录媒介复制业，文教、工美、体育和娱乐用品制造业，石油加工、炼焦和核燃料加工业，化学原料和化学制品制造业，化学纤维制造业，橡胶和塑料制品业，非金属矿物制品业，黑色金属冶炼和压延加工业，有色金属冶炼和压延加工业，金属制品业，医药制造业，通用设备制造业，专用设备制造业，汽车制造业，铁路、船舶、航空航天和其他运输设备制造业，电气机械和器材制造业，计算机、通信和其他电子设备制造业，仪器仪表制造业，其他制造业。剩余行业则为劳动密集型行业。。回归结果如表8所示。

表8中回归结果表明，在劳动密集型行业，金融发展和企业技术前沿差距的交乘项的估计系数并不显著，而在资本和技术密集型行业，交乘项估计系数显著为正。这说明金融发展对处于不同技术前沿差距的企业的异质性影响，在不同类型的行业中表现存在差异。即，这种异质性影响主要体现在资本密集型和技术密集型行业，而并没有显著表现在劳动密集型行业。

表8 行业异质性回归结果

注：括号内为聚类稳健标准误，*、**、***分别表示在10%、5%和1%的水平上显著。

六、结论与政策建议

本文通过利用2008—2014年中国沪深A股制造业上市公司数据和WIOD数据，构建企业层面技术前沿差距指标，进而分析企业技术前沿距离在金融发展对企业TFP增长中的作用。研究发现，中国制造业存在后发企业向前沿企业追赶的“追赶型增长”。金融发展显著促进了这种“追赶型增长”：企业与世界技术前沿差距越大，其生产率增长受金融发展的促进作用越大；企业技术前沿差距越小，其生产率增长受金融发展的促进作用越弱。进一步地，金融发展对企业技术追赶的异质性作用主要体现在国有企业、制度环境较好的地区和非劳动密集型行业内。

根据研究结论，主要政策建议如下：第一，就中国制造业行业整体来看，低效率企业向高效率企业学习追赶是提高整体全要素生产率的一个有效路径。第二，银行业为代表的正规金融体系的发展在助推后发企业的技术追赶中发挥了重要作用，在中国企业生产率存在巨大差距的背景下，银行体系仍然是提高企业全要素生产率、发展实体经济的重要支撑。然而，在当前中国整体科技实力逐渐接近世界前沿、向创新驱动型经济发展方式转变的背景下，传统的银行主导型金融体系作用有限，需要继续深化金融改革，以探索更有效的金融支持方式，用于推进技术前沿企业的技术进步，进一步助力高质量发展。第三，着力打造服务型政府，营造良好的市场环境，助力金融体系更好地服务实体经济。