“金融结构—技术创新能力”匹配度与企业出口产品质量提升

王 昱， 陈 钰 清， 郎 香 香， 逯 宇 铎

(大连理工大学 商学院，辽宁 大连 116024)

一、引 言

改革开放以来，中国经历了40多年国际贸易的高速发展，出口额由1978年的167.6亿元人民币增加至2019年的172 374亿元，增长1000多倍，年平均增长速度约为18.4%。目前我国货物出口额稳居世界前列，“中国制造”遍布全球，这都依赖我国以低要素成本为前提的低价竞争来保持。但是，目前支撑我国贸易高速增长的因素发生了变化，比如原材料价格上升、人口红利逐渐消失等，以及发达国家不断兴起的国际贸易保护主义，我国出口贸易所处的国际环境日益恶化。同时，党的十九大报告也提出应该转变原有的出口贸易增长方式，以提升出口产品质量为重，建设“质量强国”。

我国正处于金融供给侧改革的重要阶段，如何使金融发展更好地服务于出口企业提升产品质量是改革中的重要议题之一。现阶段金融结构落后和金融效率持续低迷，降低了金融发展对我国出口贸易结构升级的影响效果，我国的金融结构现阶段配置不合理，不能满足不同出口企业的金融需求。更有研究发现，我国东部和中部地区的金融规模已经跨越了能对出口结构产生提升作用的特定门槛，单纯的金融规模扩张不能满足我国出口优化的需求[1]。由此发现，对金融发展而言，单纯规模层面的扩张不能持续提升出口产品质量，而优化金融结构是其关键提升途径。

对于不同经济体而言，并不存在统一的最优金融结构。由于各经济体的要素禀赋结构不同，其产业结构的内在风险特性所需要的金融服务不同，因此，所适宜的金融结构是不一样的[2]。而技术创新决定着各经济体风险特性，也决定着与其匹配合适的金融结构，也就是说，“金融结构—技术创新能力”匹配度反映着金融结构与经济体的适配程度，可以高效地发挥金融服务实体经济的功能、提升资金配置效率，使企业进一步获得提升出口产品质量的能力[3]。

本文创新点在于：(1)改变传统金融规模或金融结构的研究视角，基于技术创新水平，直接从“金融结构—技术创新能力”匹配角度研究其对我国出口产品质量的影响，验证了优化金融结构匹配度是跨越规模影响瓶颈的重要手段。(2)在研究金融结构与技术创新能力匹配度对出口产品质量影响过程中，结合传导机制分析，划分企业性质(规模和产品技术水平)，对比分析不同企业特性对金融结构与技术创新水平匹配度优化产生的影响差异。进一步地，使用门限模型找出对不同产品质量水平产生影响差异的临界值。

二、文献综述与理论假设

2008年国际金融危机发生后，更多学者开始反思单纯强调规模扩张式的金融发展模式对经济产生的影响。Siong研究表明，金融与经济增长关系是非线性的，当私人信贷占GDP比超过110%时，金融与经济增长负相关，表现出由金融抑制论到金融过度论的规模观转化过程[4]。Ductor认为，金融过度发展会带来较高的系统性风险、次优的资源配置、过热的经济产能以及增加经济运行的成本[5]。随之更为注重考查金融配置资本的核心功能，强调建立与实体经济相匹配的金融结构成为推动经济增长的关键[6-7]，发现存在最优金融结构与实体经济相匹配且其随着经济增长进程的推进动态演进[8]，且我国当前金融结构依然低于预测的最优值0.4724[9]。千慧雄从金融结构与创新结构适应性视角发现，以银行主导的金融结构已不能适应我国创新结构的升级，需要匹配风险包容性与承担能力更强的金融结构体系[10]。进一步地，金融发展的功能论思想对金融结构理论的研究进行了适当补充，其认为金融结构的优化是以其核心功能提升(资本配置效率和风险识别功能提高)导致的配置主体结构和配置结果结构变迁而体现出来的[11]。因此，无论经济体的金融结构如何组成，金融体系所提供的整体功能最为重要，金融中介与金融市场在金融体系中的构成本质上属于外在表现[12]。

那么如何优化金融结构，新结构经济学主张，企业的风险特性决定了其适应的金融结构——通过金融市场或是银行信贷进行融资。其中，技术创新是企业产生风险的主要根源[2]。技术创新能力较强的企业往往处于新兴产业的技术前沿，需要大量高风险高回报的研发投入，金融市场能更有效地满足其融资需求，因为金融市场具有灵活的特点；技术创新能力较弱的企业大多处于成熟的产业，技术相对成熟且研发投资需求不大，面临的技术创新风险较低，需要通过谨慎且稳健的银行信贷进行融资[13]。

基于资本配置效率视角，在技术创新能力较弱、成熟且低研发风险的产业环境中，银行更能有效地克服信息不对称。而在技术创新能力较强需要大量研发投入与创新且伴随着高风险的产业环境中，金融市场更能应对风险分散的需求。基于技术创新能力匹配的金融结构，更能符合实体经济的风险特性，满足其金融需求，能够实现更高的金融配置效率[6]，进一步缓解我国资金错配和企业融资成本高的困境，企业将更多的资金投向提高出口产品技术水平和质量以及企业生产率的固定资产投资上，在此情况下，更多的资金配置用于提高产品质量[3]。因此，金融结构与技术创新能力之间的匹配程度及资本配置效率水平越高，越能积极有力地推动出口产品质量提高。

另外，金融结构匹配度的有效测度一直是相关学者攻克的难点问题，初期代表学者Demirgüc-Kunt以OECD国家的金融结构设定为最优金融结构基准，其后计算出余下的世界主要国家的金融结构与最优金融结构基准之间的距离差异，最优金融结构缺口越大，说明金融结构与经济体越不匹配。这一测度方法并没有参考不同风险特性下的经济体拥有不同金融需求的观点，即能满足OECD国家金融需求的金融结构，对于其他国家而言并不一定就是最优金融结构。为弥补此测度方法的缺陷，叶德珠基于不同技术水平经济体的金融结构需求、在残差法的逻辑基础上加以比较，尝试构建了金融结构匹配度[14]。本文借鉴此测度方法测算金融结构与地区技术创新能力之间的匹配度，深入验证优化金融结构—技术创新能力之间的匹配度能够推动企业出口产品质量提升。基于以上分析，本文提出假设1：

H1：“金融结构—技术创新能力”匹配度的提高表现为，地区技术创新能力越高，金融结构越需由银行主导型转变为市场主导型。进一步地，金融结构越契合技术创新能力(即匹配度越高)，越能有效提升企业出口产品质量。

出口产品质量最终是由产品价格和产品使用价值之比决定，俗称“性价比”，好质量意味着“物美”且“价廉”[15]。出口企业的全要素生产率体现了出口企业边际成本的异质性，即全要素生产率越高，出口企业边际成本越低。进而产品价格越低，产品“性价比”即最终质量越好[16]。也就是说，出口企业生产效率与出口产品价格(剔除包含的质量信息)负相关，与出口产品质量正相关[17]。此外，Fan经过理论和实证分析，同样表明出口产品质量会随着出口企业的全要素生产率提高而显著提升[18]。基于最优金融结构理论研究发现，与产业风险特性相适应的金融结构对全要素生产率具有显著增长作用，而金融发展对全要素生产率的促进效应是通过技术创新渠道实现[19]。这些研究表明，在金融结构符合产业技术创新资金需求的情况下，能通过提升出口企业全要素生产率对产品质量起正向影响。

出口企业需要承担一定的固定成本和启动成本，以及国外市场的环境风险，而这些必要成本受到融资约束的影响，制约了企业的出口能力[20]，降低了出口企业投资和生产高质量出口产品的动力[3]，依此角度考虑，融资约束抑制了出口产品质量的提升[21]。在中国转轨经济的特殊背景下，缓解融资约束是提升我国出口产品质量的突破口[16]，而根据最优金融结构理论，与技术创新风险匹配的金融结构能满足不同产业的融资需求[2]，缓解融资约束，从而促进出口产品质量提升。因此，本文提出假设2：

H2：优化“金融结构—技术创新能力”匹配度对出口产品质量影响存在两条传导途径：一是通过提升出口企业的全要素生产率进而驱动出口产品质量提升；二是通过缓解出口企业融资约束，进而优化出口产品质量。

低技术产品所处的行业技术较为成熟，面临的风险较小，所需资金较少，在国家“制造业升级”政策的激励下，一旦有适宜的金融结构缓解其融资约束，便易于提升产品质量、增加出口附加值、扩大企业利润[22]。高技术产品其产品质量进步空间较小、难度较高，想要进一步提升需要投入更多的资金[23]，受到资金的制约影响较其他普通技术含量出口产品而言更为显著[24]，除了通过金融市场和银行信贷进行筹集外，还需要依赖企业自筹和政府补贴投入资金。适宜的金融结构能在一定程度上缓解生产高技术产品企业的融资约束，对产品质量产生正向影响。而我国中等技术出口产品的经济特性较为不同，它的技术往往是复杂的，但是变化不是很快，很多技术都是“干中学”的结果，且提高我国中等技术产业经济效率的阻碍主要在于低水平竞争的市场结构，同时进入壁垒很高[25]，仅通过优化金融结构难以消除制约中等技术产品质量提升的阻力，还需要配以实行鼓励企业并购的产业组织政策。

另外，我国目前的金融体制以集中程度高的大银行为主，而大银行更倾向于为大企业服务，因为大型出口企业往往拥有更完备的管理和更稳妥的技术水平，以及更低的信息不对称程度和更充足的抵押品，银行为大企业提供信贷的风险较小。在这样的金融环境下，小型企业融资难度与大型企业相比更为困难[26]，小型企业受到融资约束的制约大于大企业。当金融结构优化时，小型企业技术创新能力的提升效果明显优于大型企业[27]。张一林指出，改善银行业结构才能发挥中小银行甄别小型企业家经营能力和风险的比较优势，表明金融结构匹配度的优化更有利于小型企业的发展[28]。因此，本文提出假设3：

H3：“金融结构—技术创新能力”匹配度的优化对不同技术水平、不同规模出口企业产品质量的影响存在差异，对高技术、低技术和小型企业的出口产品质量提升效果显著。

企业出口产品质量异质性综合体现了各企业之间生产效率、研发效率、融资能力和产品所面临的市场需求量等方面的差异性[16]。随着出口产品的质量水平的提升，其质量最有效的提升途径也在变化。首先，为追求更高的利润，出口企业当然尽量倾向于选择生产附加值高的高质量产品，进而提升自身在国际市场的竞争力，获取更多利润[22]。但是，生产低质量产品的出口企业通常全要素生产率较低、生产边际成本较高且产品附加值较低，导致所获得的利润较少，再投入用于提升固定成本效率的资金有限，进一步使得出口产品质量提升的空间和可能性受限[16]。同时，融资约束往往迫使出口企业做出生产低质量产品的决策。此外，外生因素诸如调整关税或外部冲击等，并非影响低质量产品提升的主要原因[29]。因此，基于“金融结构—技术创新能力”匹配度对产品质量改善的两条主要传导途径(生产率和融资约束)，恰好对于较低出口产品质量的企业而言，其提升效果是更为明显而直接的。其次，对于较高产品质量的出口企业而言，除提高生产率、缓解融资约束外，进一步提升质量通常还需辅助其他重要路径，诸如下调关税提升国内市场竞争程度[29]、完善进入退出机制和克服技术贸易壁垒等，过程相对复杂，传导链条可能加长。此外，企业之间生产效率水平差异是导致企业出口产品质量不同的重要因素[16]，生产出不同质量产品的企业往往拥有不同的生产效率，而生产高质量产品的出口企业全要素生产率通常处于较高水平[30]，且融资约束程度越小[31]，进而金融发展对其边际提升效果越弱[32]。因此，“金融结构—技术创新能力”匹配度对不同出口产品质量的企业提升效果存在差异，且其促进效果会受到不同产品质量临界值的影响。基于上述分析，提出假设4：

H4：随着产品质量水平提升，“金融结构—技术创新能力”匹配度对出口产品质量的提升效果逐渐减弱，且存在明显的产品质量临界值。

三、指标测算、模型设计和描述性统计

1.指标测算

(1)“金融结构—技术创新能力”匹配度测算

技术创新能力较弱的企业，通常是技术成熟的产业，收益较稳定，风险较低，与银行主导型的金融结构更匹配，而技术创新能力较强的企业处于新兴行业的技术前沿，技术风险和市场风险较高，以高风险高回报的研发投入为主，则需要市场主导型的金融结构匹配[6]。目前不少对公司决策变量异常值的衡量采用残差法[33-35]，本文借鉴叶德珠、曾繁清的方法构建“金融结构-技术创新能力”匹配度[14]，在残差法的逻辑基础上，进行比较和延伸，具体逻辑如下：

残差可以代表一组解释变量对被解释变量回归时未能解释的部分，那么，一组相关解释变量(未包含金融结构)对技术创新能力回归时产生的残差绝对值，代表的是除这组解释变量外存在的一些未能对技术创新能力解释的因素。二次回归加入金融结构这一解释变量后再进行回归。首先，如果残差绝对值变小了，说明金融结构对技术创新能力具有解释作用，并且残差绝对值变小得越多，说明金融结构对技术创新能力的解释力越大，那么金融结构对于相应的技术创新能力匹配度越高；其次，如果残差绝对值变大了，说明金融结构错配了技术创新能力，并且残差绝对值变大的幅度越大，说明金融结构对技术创新能力的错配程度越大。这样，通过对比两次回归的残差，就可以单独度量出“金融结构—技术创新能力”匹配度。

因此，“金融结构-技术创新能力”匹配度构建具体步骤如下：

Innoi,t=α+ρXi,t+∑year+∑province+ε

(1)

R1,i,t=|Innoi,t-Inno1,i,t|

(2)

Innoi,t=α+βfinstrui,t+ρXi,t+∑year+∑province+ε

(3)

R2,i,t=|Innoi,t-Inno2,i,t|

(4)

matchi,t=R1,i,t-R2,i,t

(5)

将第一次回归(未包含金融结构解释变量)的残差记为R1，将第二次回归(加入金融结构解释变量)的残差记为R2。其中，i为年份标记，t为省份标识，∑year为年份固定效应，∑province为省份固定效应，ε为随机干扰项。

Inno记为各省的技术创新能力，选取各省人均专利授权数的年增长率作为指标。选取专利授权数而不是专利申请数的原因在于，中国的专利激励政策针对专利申请数而不是专利授权数，所以申请专利数存在一定数量的不合格和虚假专利。为避免不必要的干扰，本文使用专利授权数。进一步，为避免受到地区人口基数影响而对技术创新能力衡量产生偏误，使用各省专利授权的人均数。此外，使用年增长率是因为能使得技术创新能力的动态变化表现得更加直观。

finstru记为各省金融结构，选取各省金融结构规模性指标，即股票市值与银行信贷总额之间的比值。另外，考虑金融规模同样也是金融发展的重要指标，以股票市值与银行信贷总额之和除以GDP数值为衡量标准，为避免遗漏相关变量造成估计偏误，将金融规模加入X控制变量。考虑金融规模、产业结构升级、国际市场和政府补贴等其他因素对技术创新能力的影响，X控制变量中还包含金融规模(finsize)、产业结构(instru)、对外贸易开放度(trade)和政府支出(gover)这3个变量。其中，产业结构通过地区第三产业增加值/GDP表示，对外贸易开放度以地区进出口总额/GDP表示，政府支出以地区财政支出/GDP表示。上述数据主要来源于《中国金融年鉴》《中国统计年鉴》和《中国科技统计年鉴》。

以此计算出各地区“金融结构—技术创新能力”匹配度，表示的是省级层面金融与实体经济的匹配程度，更进一步地就是表示资本配置效率水平。本文将着重研究在新结构经济学的视角下，地区金融发展对于微观企业出口产品质量的传导作用机制，为宏观政策制定提供参考依据。

(2)测算出口产品质量

本文通过对2000～2009年中国工业企业数据库与中国海关贸易数据库进行大样本匹配，获得我国企业和出口产品相关微观数据。为保证数据的可靠性和准确性，再进行下一步筛选剔除和整理。①为保证数据的连贯性以及准确性，只保留在2000～2009年这10年间连续不间断保持出口行为的企业产品数据。②筛去不完整、存在明显错误或不合常理的企业产品数据，例如，有的企业产品数据会缺失企业名称和产品代码等；还会出现产品销售数量为负和企业雇佣职工数为负等明显错误企业产品数据；此外，企业职工人数极少(不达8人)或单笔交易量不大于1的样本明显不符合常理。③在海关贸易数据库中，每种产品包含各种不同的计数单位，为避免测算出口产品质量时因使用的价格衡量单位不同而造成估计偏误，本文为每种产品保留一种计数单位，所保留的计数单位包含的样本数最多。④考虑到中间商对出口产品的价格以及数量产生影响，造成最终出口产品质量估算偏误，因此,本文将依照公司名称筛去此类样本，如包含“贸易”“物流”和“进出口”等关键词。⑤将出口产品划分为高技术品、中技术品、低技术品、资源品和初级品，并筛去强依赖于要素禀赋的资源品和初级品。划分过程为：先将海关贸易数据库中的产品编码HS八分位编码和国际HS六分位编码对齐，再与SITC Rev.2四分位编码对齐，保留在编码位于5000～9000区域间的制造行业企业数据，再把所得观测值的HS八分位编码和SITC三分位编码对齐，这样就能划分企业出口产品的技术水平。

对样本进行上述筛选剔除和整理后，使用基于需求信息的事实反推法，借鉴施炳展和曹祥菲方法测算出口产品质量[36]，即将出口产品销量(包含出口产品需求量信息)对出口产品价格进行回归，所得的残差就是出口产品质量。进而对其进行标准化，标准化后的产品质量位于[0，1]之间且不具有单位，这样方便不同产品之间进行比较。具体做法见式(6)：

(6)

其中，标准化出口产品质量以式(6)左边rq表示，i为出口年份标识，m为出口企业标识，n为出口产品类型标识，maxq代表的是未标准化出口产品质量最大值，minq为未标准化出口产品质量最小值。由于同一年中，同一家企业所生产的同一产品的质量达不到完全相同，仍存在差异。为了数据的有效性以及便于比较分析，取其平均数quality，即每种产品的平均质量，这样，同一出口年份中，同一家企业所生产的同一产品就对应着统一的产品平均质量。然后将重复数据剔除，最终共保留9210个样本数据。

2.模型设计

(1)基本回归模型

由于本文假设1提出，“金融结构—技术创新能力”匹配度越高，对出口产品质量提升效果越明显，为验证这一假设，建立以下基本回归模型：

qualityi,m,n=φ0+φ1matchi,m,n+φ2Zi,m,n+∑year+∑industry+ε

(7)

其中，核心解释变量match为“金融结构—技术创新能力”匹配度，被解释变量quality为出口产品质量。i为出口年份标识,m为出口企业标识，n为出口产品类型标识，∑year为年份固定效应，∑industry为行业固定效应，ε为随机干扰项。影响出口产品质量控制变量Z包括：企业全要素生产率(tfp)、企业现金流(cf)、企业规模(size)、企业成立时长对数(age)、人力资本(edu)、外商直接投资(FDI)、对外贸易开放度(trade)、政府支出(gover)和资本形成率(fixer)。数据来源于中国工业企业数据库和《中国统计年鉴》，各项指标说明详见表1。

表1 相关变量说明

(2)两步系统GMM基本回归模型设定

考虑到出口产品质量可能具有延续性和动态性的特征，同时为避免遗漏变量可能引起的误差，解决内生性问题造成的估计偏差，在计量模型中加入被解释变量的滞后项qualityi-1,m,n，基本模型如下：

qualityi,m,n=ψ0+ψ1qualityi-1,m,n+ψ2matchi,m,n+ψ3Zi,m,n+∑year+∑industry+ε

(8)

在回归模型上选择两步系统GMM方法，其中将被解释变量的滞后项qualityi-1,m,n设定为内生变量，外生变量为match，其余控制变量为前定变量。使用后需要对估计结果进行检验，通常检验扰动项的差分是否存在一阶与二阶自相关，以保证GMM的一致估计，一般而言扰动项的差分会存在一阶自相关，因为模型中加入了被解释变量的滞后项，但不应该存在二阶自相关，结果通过AR(1)与AR(2)显著性进行判断。此外，还需要进行Hansen检验，判断使用的工具变量是否整体有效。

(3)门限模型设定

为进一步寻找“金融结构—技术创新能力”匹配度对出口产品质量促进作用的门槛值，遵循标准门限模型理论，建立以下模型：

qualityi,m,n=ω0+ω1Zi,m,n+θ1matchi,m,n×I(qi,m,n≤γ1)+θ2matchi,m,n×I(γ1

(9)

其中，θ表示门限变量系数，Ι为条件指标函数，γ为门限值，qi,m,n表示门限标量。

3.描述性统计

本文所使用的相关变量的数据来源以及测算方式上文已述。表2为各变量的描述性统计结果，包括平均值、标准差、最小值和最大值。

表2 描述性统计结果

图1为2000～2009年不同技术水平的出口产品质量核密度曲线，出口产品技术水平以SITC三分位编码为基础进行划分，已剔除不能准确表达质量信息的初级品和资源品，出口产品质量核密度曲线图中保留低技术产品、中技术产品和高技术产品样本。可以看到：从总体来看，高技术水平出口产品质量的核密度曲线相对于中低两种技术水平产品更靠右，说明高技术产品在三种技术水平出口产品中质量最好。再看核密度曲线在出口产品质量位于0.4～0.6以及0.7附近时，中低两种技术水平产品核密度曲线都位于高技术出口产品的左边，说明高技术出口产品在同等低、高质量水平上质量最优。核密度曲线位于0.6附近时，低技术产品核密度曲线最靠右，说明在中等质量水平上，低技术出口产品质量更胜一筹。

图1 出口产品质量核密度曲线(技术水平差异)

图2为2000～2009年不同企业规模的出口产品质量核密度曲线，依据企业规模样本的中位数进行划分，小于等于中位数为小型企业，大于中位数为大型企业。可以发现：两种企业规模的出口产品质量核密度曲线相差不大，特别是在出口产品质量0.4～0.5之间，在出口产品质量大于0.6时出现一些差别，在高等质量水平上，大型企业出口产品质量略高于小型企业。

图2 出口产品质量核密度曲线(企业规模差异)

四、实证结果分析

1.“金融结构—技术创新能力”匹配度分析

首先，表3的第(1)列是由金融结构对技术创新能力单变量回归得到，可以看到，金融结构对技术创新能力影响显著为正，验证了假设1是成立的。即技术创新能力越高，越需要匹配金融市场更占主导地位的金融结构；而技术创新能力越低，银行主导的金融结构越与之匹配。其次，分别将表3中第(2)列与第(3)列回归结果的残差取绝对值，再按照等式(5)相减得到“金融结构—技术创新能力”匹配度指标。第(2)列的回归结果中不包含金融结构变量，结果显示，单纯金融规模扩张显著降低了技术创新能力，可能因为金融过度发展导致企业更倾向于投资金融资产获取收益而忽略了技术创新能力的提升。第(3)列回归结果是由加入金融结构变量估计得到，金融结构估计系数和第(1)回归结果一样显著为正，且其余变量估计系数正负符号以及显著性水平基本没有变化。最后，表3中第(4)列是两步系统GMM估计结果，AR(2)P值大于0.1，可以判断扰动项无自相关的情况。同时通过Hansen 检验，判断两步系统GMM模型中所采用的工具变量整体有效，可以判断第(4)列两步系统GMM模型设定合理，且证明加入金融结构变量后的回归结果是稳健可信的。

表3 “金融结构—技术创新能力”匹配度估计结果

2.“金融结构—技术创新能力”匹配度与出口产品质量：全样本分析

基于“金融结构—技术创新能力”匹配度测算指标，本文对出口产品质量全样本进行回归分析。表4中第(1)列是“金融结构—技术创新能力”匹配对出口产品质量的单变量回归结果，同时固定了年份效应和行业效应，发现“金融结构—技术创新能力”匹配度(match)估计系数在5%水平上显著为正，说明“金融结构-技术创新能力”匹配度的提升促进了出口产品质量的提升。接着第(2)列的回归加入了其余可能会对出口产品质量产生影响的变量代替行业固定效应，保持固定年份效应，发现“金融结构—技术创新能力”匹配度(match)估计系数依旧保持显著为正。第(3)列，回归同时包含年份和行业双向固定效应，发现“金融结构—技术创新能力”匹配度(match)这一核心解释变量确实对出口产品质量的提升有显著正向作用，验证了本文的假设1内容。另外，本文还进行了两步系统GMM估计，发现相较第(1)列和第(3)列，表4中(4)～(5)列变量的估计系数正负以及显著性没有发生明显变化，再结合检验方法，说明模型设定是合理的且工具变量有效，表4中的估计结果是稳健可信的。

表4 “金融结构—技术创新能力”匹配度与出口产品质量提升全样本估计

对于各控制变量而言，企业全要素生产率(tfp)估计系数显著为正，说明了出口产品质量与出口企业全要素生产率有正相关关系；企业规模(size)估计系数显著为正，说明企业越大越有相应的能力生产高质量的出口产品；人力资本(edu)在1%显著性水平上与出口产品质量正相关，说明出口产品质量提升十分依赖于人力资本的增加；政府支出(gover)对出口产品质量影响同样显著为正，说明政府补贴等措施鼓励了出口产品质量的提升；企业现金流(cf)和企业成立时长(age)对出口产品质量并未产生明显影响，说明出口产品质量对企业现金流尚不敏感，出口产品质量与企业成立时长对数关系不大；外商直接投资(FDI)和对外贸易开放度(trade)对出口产品质量影响显著为负，可能因为外商投资的挤出效应，抑制了出口企业的生产效率增长和技术进步，同时对外贸易开放度扩大加剧了国际市场竞争，对出口产品质量带来负面影响。另外需要说明的是，企业成立时长对数(age)在两步系统GMM模型中与出口产品质量(quality)正相关，可能的原因为，考虑到产品质量惯性动态趋势后，企业成立时间(age)作为时间趋势的反映，对出口产品质量的影响效果逐渐增强，但不显著。

3.“金融结构—技术创新能力”匹配度对出口产品质量提升的传导机制

从表5第(1)列可以发现，出口企业全要素生产率(tfp)对产品质量在10%的显著水平上有正向作用，在第(2)列中加入“金融结构—技术创新能力”匹配度(match)与出口企业全要素生产率(tfp)的交叉项进行回归，发现交叉项(match×tfp)显著为正，在第(3)列中再加入“金融结构—技术创新能力”匹配度(match)进行回归，发现出口企业全要素生产率(tfp)、“金融结构—技术创新能力”匹配度与出口企业全要素生产率的交叉项(match×tfp)与“金融结构—技术创新能力”匹配度(match)的估计系数均显著为正，表明“金融结构—技术创新能力”匹配度的提升强化了出口企业全要素生产率对产品质量的传导机制。这也验证了本文的假设2是成立的。

从表5第(4)列可以发现，出口企业的现金流对出口产品质量并未起到明显的正向作用，单凭企业内部现金流不足以为产品质量提升提供融资助力。在第(5)列中加入“金融结构—技术创新能力”匹配度(match)与出口企业现金流(cf)的交叉项对出口产品质量进行回归，结果显示现金流(cf)与交叉项(match×cf)均在1%显著水平上为正，进一步地，在第(6)列中再加入“金融结构—技术创新能力”匹配度(match)进行回归，发现现金流(cf)、“金融结构—技术创新能力”匹配度与现金流的交叉项(match×cf)与“金融结构—技术创新能力”匹配度(match)的估计系数均显著为正，表明优化“金融结构—技术创新能力”匹配度能通过缓解出口企业外部融资约束，从而驱动产品质量提升。同样验证了本文的假设2是成立的。

表5 “金融结构—技术创新能力”匹配度对出口产品质量影响传导机制估计结果

4.基于出口产品技术水平区分的实证分析

为探究“金融结构—技术创新能力”匹配度对不同技术水平企业的出口产品质量产生的差异影响，本文对不同技术水平出口产品进行分样本回归分析，技术水平划分标准以SITC三分位编码为基础，控制变量与表4相同，结果见表6。

表6 基于出口产品技术水平区分的估计结果

结合3种技术水平的FE和两步系统GMM回归结果可以发现，“金融结构—技术创新能力”匹配度(match)对低技术出口产品和高技术出口产品的质量都有显著的提升作用，但是对低技术出口产品质量的提升作用更为显著(显著性水平1%)，而对中技术出口产品质量没有产生明显影响。这表明低技术和高技术出口产品质量的提升都可以通过提高“金融结构—技术创新能力”匹配度，保持产品质量提升充足的驱动力。但高技术产业作为技术密集型行业，还需依赖政府资金投入，通过金融市场筹集的资金相对有限[22]224。而中技术出口产品的经济特性较为不同，其技术变化通常不是很快，且进入壁垒较高，所以，单纯匹配合适的金融结构对中技术产品质量提升未能产生明显效果。因此，向低技术出口产品和高技术出口产品所在的地区或行业匹配相符的金融结构效果更为显著，而中技术出口产品提升质量更多依赖实行鼓励企业并购的产业组织政策。这验证了本文的假设3是成立的。

5.基于出口企业规模划分的实证分析

为了探究“金融结构—技术创新能力”匹配度对不同规模出口企业的产品质量产生的差异化影响，本文区分了不同出口企业规模的产品回归分析，企业规模大小的划分以样本中位数为标准，企业规模小于等于中位数的出口企业为小型出口企业，企业规模大于中位数的出口企业为大型出口企业，控制变量与表4相同，分析结果见表7。

表7 出口企业规模分样本估计结果

“金融结构—技术创新能力”匹配度(match)对小型出口企业的产品质量有显著的提升作用，而对大型出口企业的产品质量并未产生明显影响。原因可能在于，我国目前为大银行主导的金融结构，小型企业融资难度大于大型企业，从而出口产品质量提升受到融资约束的制约程度比大型企业更大，匹配合适的金融结构更需注重中小银行与创新结构进行匹配，进而更多地缓解小型企业的融资约束、释放出口产品质量的提升潜力。因此，优化金融结构匹配度对于缓解中小企业融资难、提升产品质量非常必要，也是国家政策实施的重要途径。这同样验证了本文的假设3是成立的。

6.基于出口产品质量的门限回归分析

为进一步探究在不同出口产品质量水平上，“金融结构—技术创新能力”匹配度对出口产品质量提升效果是否存在异质性，以出口产品质量作为门限变量进行门槛回归分析。首先，检验门限效应是否存在，结果见表8，表明“金融结构—技术创新水平”匹配度对出口产品质量影响(以出口产品质量为门限变量)存在双门槛效应。其次，表9中第一列显示出产品质量的双门限值分别为0.4984和0.5934。

表8 门限效应存在性检验

表9 出口产品质量作为门限标量的门限效应估计结果

表9给出了产品质量作为门槛值的回归结果，表明在不同出口产品质量水平上，“金融结构—技术创新水平”匹配度对出口产品质量提升效果确实存在异质性。具体表现为，随着出口产品质量的提升，“金融结构—技术创新能力”匹配度(match)对其边际提升效果呈现递减。对低质量出口产品提升效果边际效应最强，对高质量出口产品提升效果边际效应最弱。这表明：(1)随着我国企业出口产品质量整体水平的不断提升，需要不断提高“金融结构—技术创新能力”的匹配度，才能使得金融发展持续有效地为改善出口产品质量提供帮助；(2)对于低产品质量企业而言，最直接有效的提升路径为缓解融资约束、提升全要素生产率，而改善“金融结构—技术创新能力”匹配度在这两方面效果显著。随着产品质量水平的提高，还需不断辅助其他方法，即产品质量提升过程的传导链条会不断加长。

五、结论与启示

提升出口产品质量是我国向“贸易强国”转变的关键，同时我国处于金融供给侧改革的重要阶段，如何使金融体系更好地服务我国实体经济增长是改革进程中最主要的议题。本文得出以下主要结论：“金融结构—技术创新能力”匹配度提高意味着地区技术创新能力越强，金融结构越需要由银行主导型转变为市场主导型；“金融结构—技术创新能力”匹配度越高，越能有效提升企业出口产品质量。优化“金融结构—技术创新能力”匹配度能通过提高出口企业的全要素生产率和缓解出口企业融资约束两条传导途径驱动出口产品质量提升。“金融结构—技术创新能力”匹配度的优化对不同技术水平、不同规模出口企业产品质量的影响存在差异，对低技术和小型企业的出口产品质量提升效果显著。随着产品质量水平提升，“金融结构—技术创新能力”匹配度对出口产品质量的提升效果逐渐减弱，且存在明显的产品质量双门限值0.4984和0.5934。

基于本文研究结论得到如下启示：(1)优化金融结构匹配度是跨越规模影响瓶颈的重要手段，我国应该由单纯的金融规模扩张逐渐转变，基于技术创新水平提升金融结构驱动出口产品质量。(2)同一经济体在不同期间的技术创新能力不会一成不变，应该予以及时检测评估和追踪，否则此时的最优金融结构，将变成明日的错配资金资源，金融供给侧改革应该采取循序渐进的策略。(3)由于对“金融结构—技术创新能力”匹配度的提升不可一日完成，基于其对出口产品质量的差异化影响，考虑其边际促进效果，金融发展改革应先做到有的放矢，对低技术、高技术和处于低质量水平的出口产业、小型出口企业优先以及重点推行相关金融改革政策。(4)同时不能忽视其他驱动因素，引导企业重视提高全要素生产率，推行技术升级鼓励政策，注重劳动力教育水平提升，对出口企业合理补贴等，即提升我国出口产品质量的各方措施应当齐头并进，方可事半功倍[37-38]。