政府引导基金能促进企业全要素生产率提高吗？

程于思，张慧雪，黄 波

（1.郑州大学管理工程学院，河南 郑州 450001；2.中山大学自贸区综合研究院，广东 广州 510275；3.前海金融控股有限公司，广东 深圳 518000；4.江西财经大学会计学院，江西 南昌 330013）

一、引言

党的十九大报告指出，我国经济已经由高速增长阶段进入到高质量发展阶段。推动经济高质量发展需立足实体经济，政府引导基金是我国政府利用金融工具支持微观企业全要素生产率（Total Factor Productivity，TFP）提高的重要抓手[1]。截至2021年底，我国政府引导基金累计总数量为1 437 只，总规模为2.47 万亿元[2]。政府引导基金的政策效果是国内外关注焦点，现有研究没有形成一致结论，存在着两种截然对立的观点，即互补观与替代观。互补观认为，政府干预和市场竞争能够互相促进，市场竞争能够正向调节政府干预机制的作用[3-5]；替代观认为，市场竞争会弱化政府干预机制的作用，产生负向调节作用[6-8]。关于企业全要素生产率的提高，现有研究认为，企业全要素生产率提高是从外延式扩张向内涵式增长的转变[9]。政府促进企业全要素生产率提高的路径主要有两条：一是促进企业创新活动。企业创新能力的增强能降低生产成本，进而提高企业价值[10]。二是提高资源配置效率。资源配置优化意味着将有限资源从低效率部门转移到高效率部门，实现投入要素的结构优化[11]。

现有关于政府引导基金对企业全要素生产率的影响研究主要存在以下三方面不足。一是关于政府引导基金对宏观经济的影响尚未有实证研究。由于数据可获得性原因，以往关于政府引导基金宏观层面的研究重点关注的是政策引导与运行模式，以文献综述和数理模型推导为主，较少开展实证层面的分析[12-13]。二是政府引导基金对企业全要素生产率影响的研究尚属空白。以往研究重点关注政府引导基金对企业创新的影响，还没有学者将研究延伸到企业全要素生产率提高这一创新活动的最终目标上，容易忽视政府引导基金促进经济高质量发展的作用效果[14-15]。三是在分析政府引导基金的作用时较少考虑区域创投环境。创投环境对整个风险资本的运作起着重要的支撑作用，是推动企业全要素生产率提高的生态基础[16]。忽略创投环境的影响会导致无法全面分析政府引导基金的作用，容易产生“一刀切”的简单结论。

本文以2009—2019年创业板上市企业数据为样本，研究政府引导基金对企业全要素生产率的影响和区域创投环境在其中发挥的作用。研究发现，政府引导基金促进了企业全要素生产率的提高；创投环境越发达的地区，政府引导基金对企业全要素生产率的促进作用越强。本文的建议为提高政府引导基金政策效果，引导基金在投资时考虑区域创投环境，实行差异化的投资策略。

本文的研究贡献主要体现在三点。第一，从微观视角验证了政府引导基金对实体经济增长的作用。政府引导基金是将政府的“有形之手”与市场的“无形之手”相结合，本文的研究结论验证了政府市场化手段的积极作用，为政府如何有效参与市场提供经验证据。第二，研究了政府引导基金对企业全要素生产率的影响，拓展了政府引导基金的现有研究框架。本文在现有研究政府引导基金对企业创新影响的基础上，进一步探索了政府引导基金对企业全要素生产率的作用，为我国经济高质量转型提供新的解释。第三，将创投环境纳入研究框架，分析政府引导基金在不同创投环境下的激励作用，为发挥政府引导基金的政策效果提供建议。

二、理论基础与假设提出

（一）政府引导基金与企业全要素生产率

政府引导基金对企业全要素生产率的促进作用主要体现在三个方面。第一，政府引导基金能促进企业研发投入，而研发投入的增加通过企业创新促进企业全要素生产率提高[11]。程聪慧和王斯亮[14]基于激励效应假说的研究发现，获得政府引导基金支持的创业企业比未获得支持的创业企业有更多创新产出。鲍曼（Baumann）等[17]研究发现，创新投入的增加会直接推动企业全要素生产率的提高。第二，企业创新活动的正外部性会导致市场资源配置无效，而政府引导基金作为政府资本在一定程度上能够弥补企业研发活动带来的消极影响，提高资源配置效率，进而促进企业全要素生产率提高[11]。资源配置效率的提高体现在宏观和微观两方面。宏观方面表现为资源从低效率部门向高效率部门的转移，微观方面表现为不同生产要素在企业不同部门之间的流动，直到要素配置达到最优水平[18]。第三，政府引导基金通过发挥激励和监督作用提高企业全要素生产率。政府引导基金主要委托外部风险投资机构通过契约进行管理，为了能够吸引有能力的风险投资机构，政府引导基金在运作时会制定多种激励政策[19]。研究表明，对独立风险资本进行亏损补偿的激励效果最好，收益补偿和政府固定收益补偿具有相同的激励特征[20]。同时，能力强的风险投资机构也能够更好地对被投资企业进行监督和治理，为企业提供增值服务，进而提高企业全要素生产率。研究表明，风险投资机构提供的增值服务对创业企业绩效有显著的正向影响，且风险投资机构的行业专长越明显，越能增强这种影响[21]。

基于上述理论分析，提出以下研究假设：

H1a：政府引导基金对企业全要素生产率有促进作用。

然而政府引导基金在实际运行中存在着“沉睡”等问题，并导致其对创新型企业的发展产生抑制作用。首先，政府引导基金作为一种政府主导型科技金融服务，在缺乏创新友好型融资结构的背景下，难以实现对创新的资金支持与有效激励，尚不能适应企业全要素生产率提高的需要[22]，对科技创新型企业具有负面影响[23]。余琰等[24]研究表明，国有风险资本在扶持创新上没有表现出显著的价值增加作用，整体符合私人利益假说。其次，政府“企业化”引致的投资冲动造成财政和金融资金配置的无效率，无视投入产出的边际递减，大量隐性举债对财政的可持续性带来严峻挑战[25]。阿莫（Armour）等[26]利用15 个国家的风险投资数据研究发现，国有风险资本行政式的投资可能导致资源配置不当，干扰风险投资市场行为，在市场层面阻碍民营风险资本的发展。卡明（Cumming）等[27]利用加拿大数据研究发现，国有风险投资对更有效率的民营风险资本产生挤出效应，降低了企业能够获得的风险投资金额。最后，全要素生产率在空间上存在溢出效应，且由于经济结构的惯性效应等因素，全要素生产率还存在时间上的滞后效应，导致从数据角度分析会得出政府引导基金抑制企业全要素生产率增长的结论[28]。

基于上述理论分析，提出以下研究假设：

H1b：政府引导基金对企业全要素生产率有抑制作用。

（二）创投环境对政府引导基金与企业全要素生产率关系的影响

现阶段我国东西部地区发展不均衡，创投区域化特征明显。区域创投环境是企业发展重要的外部因素，良好的区域创投环境包括市场环境、金融环境、人力资本水平等，能够从多维度影响企业全要素生产率[16]。一方面，良好的创投环境更有利于政府引导基金作用的发挥。宫义飞等[1]研究表明，政府引导基金缓解了企业融资约束，这种功能在市场化程度较高的地区作用更显著，即市场化程度越高，政府引导基金作用发挥得越好。又因为企业全要素生产率的提高是一个系统性工程，因此若想推动企业全要素生产率的提高，必须使企业外部环境整体协调。张沁琳等[10]研究表明，政府大客户能提高企业全要素生产率，且当其层级或者所在地的政府治理效率高时，它们对企业全要素生产率的积极效应更显著，即政府治理效率越高，企业全要素生产率也越高。贾丽桓等[29]研究表明，资本市场开放促进了企业全要素生产率的提高，原因是资本市场的开放降低了代理成本，增加了创新投入。

基于上述理论分析，提出以下研究假设。

H2a：区域创投环境越好，政府引导基金对企业全要素生产率的促进作用越大。

但良好的创投环境也可能不利于政府引导基金的作用发挥。首先，根据认证效应假说，政府引导基金在创投环境差的地区认证作用更强，创投环境好的地区可能不需要政府认证作用的发挥[16]。因为创投环境差的地区高质量企业相对较少，企业获得政府支持向外界传递了一种积极的信号，更能吸引其他投资者向企业注资，进而通过促进企业创新来提高企业全要素生产率[19]。其次，根据良性循环假说，政府引导基金对创投落后地区的引导作用更大。杨敏利等[30]研究表明，与创投成熟地区相比，政府引导基金联合参股创投机构形成的杠杆效应在创投发展落后地区更显著。张慧雪等[9]研究表明，政府引导基金显著降低了企业的经营绩效，但在创业投资落后地区反而提高企业绩效。最后，从风险投资收益角度考虑，创投环境较为发达的区域如北京、上海等地汇集了大量的高新技术企业，其中不乏“专精特新”企业，他们在权衡风险收益后有充足资金选择自己偏好的项目进行投资[16]。与此相反，获得政府资金必须接受政府政策的指引，需要将资金投入到基础科学的研发，该类研发通常失败率高且风险大。从理性人角度分析，企业通常不偏好此类项目[19]。

基于上述理论分析，提出以下研究假设：

H2b：区域创投环境越差，政府引导基金对企业全要素生产率的促进作用越大。

三、样本与模型设定

（一）数据来源与变量选取

本文的研究样本是创业板2009年到2019年之间上市的全部企业，并剔除ST 企业、已退市企业、金融类企业和重要数据缺失企业，共计有820家上市企业，观测值为5 061个。其中政府引导基金数据来自清科私募通（PEdata），企业的基本信息、财务数据和研发投入数据均来自国泰安（CSMAR）数据库。由于各企业上市时间不同，每年的财务指标和研发投入数据的完整性各异，部分样本存在指标数据缺失，而且样本数据时间跨度十年，很多以货币为计量单位的数据需要使用相应的价格指数进行平减。因此，本研究利用中经网统计数据库的价格指数等对相关数据以2009年为基期进行平减处理。

（二）变量界定

1.被解释变量

企业全要素生产率（TFP）[31]。控制函数法中，OP、LP、ACF 法均以两步估计法计算TFP[32]，也可以在广义矩估计（Generalized Method of Moment ，GMM）框架下使用一步一致法估计TFP[33]。本文计算TFP时，使用了创业板上市公司的以下变量：被解释变量产出使用营业总收入；劳动变量使用研发人员数和其他员工人数；资本变量使用固定资产净额。计算TFP前，除劳动变量外，所有变量都以2009年为基期，以相应的价格指数进行消胀处理。

2.解释变量

政府引导基金（GGF）[14，19]。在政府引导基金相关变量的选取中，从企业获得政府引导基金次数和金额两个维度进行测量。次数变量包括是否获得过政府引导基金投资（gfund）和企业累计获得政府引导基金投资次数（ggfund）；金额变量使用企业累计获得政府引导基金的投资金额（ggfamount）。从两个角度衡量政府引导基金投资，不仅丰富了研究维度，而且能够从获得政府引导基金的次数和金额两个方面充分剖析政府引导基金对企业全要素生产率的直接影响与间接影响。

3.控制变量

参考相关学者的研究[19]，控制变量的选取主要考虑三方面：企业的基础条件、原始特性和财务状况。代表企业基础条件的指标有企业资产规模和劳动力规模。企业资产规模用总资产的自然对数来衡量，劳动力规模用员工总数的自然对数来衡量。代表企业原始特性的指标有经营年限和所有权性质。经营年限用企业自成立至报表数据截止日的差值来衡量。所有权性质用企业国有股股份占比来衡量。代表企业财务状况的指标有：每股营业利润、年均资产负债率、资产流动性、财务杠杆、经营杠杆、营运指数和营业利润率。

具体的变量名称、变量符号以及计算方法见表1。

表1 变量名称、变量符号及计算方法

（三）模型设定

为考察政府引导基金与企业全要素生产率之间的关系，本文构建了模型（1）：

其中，TFPit代表企业i在t年度的全要素生产率，α0代表常数项，α1代表政府引导基金对企业全要素生产率的影响，Ggfit代表企业i在t年度获得的政府引导基金投资，βj是控制变量系数，是企业i在t年度的第j个控制变量，IndustryFE代表行业固定效应，YearFE代表年份固定效应，uit是残差项。

四、检验结果及分析

（一）变量的描述性统计

在实证研究之前对所有连续变量进行缩尾处理，变量描述性统计见表2。从描述性统计结果来看，企业获得政府引导基金投资比例较低，在获得政府引导基金的企业中，政府引导基金投资金额变量均值是185.28 万元，标准差是8.65，说明创业板企业累计获得政府引导基金金额之间差距较大。使用伍尔德里奇法计算的TFP均值是4.17，最小值是1.05，最大值是6.77。在控制变量中，企业资产规模和劳动力规模数值经对数处理后标准差的值明显变小；企业经营年限的均值是14.56年，符合创业板企业较为年轻的特点；企业平均的国有股股份占比是14.88%，表明大多数创业板企业股权比例中国有股占比小；每股营业利润均值是0.28 元，最小值是-3.73，最大值是3.43，营业利润之间差距较大，表明创业板企业之间盈利能力差异大；年均资产负债率均值为28.21%，符合创业板企业低负债的特征；资产流动性均值是4.10，最小值是0.67，最大值是25.02，最大值和最小值的差异大说明创业板企业流动资产占收入比重差异大；经营杠杆均值是1.30，最小值是1.00，最大值是6.18，两者之间差异大说明企业间经营风险差距较大；营运指数均值是-0.53，标准差是7.39，表明相比经营杠杆，企业间运营过程中现金管理差异明显；营业利润率均值为9.49%，最小值是-2 084.26%，最大值是315.02%，反映出创业板企业存在一定的成长性，但企业间差距较大。

表2 主要变量的描述性统计

（二）相关性分析

本文利用皮尔森（Pearson）检验分析了主要变量间的线性相关性，结果见表3。检验结果显示，政府引导基金变量（gfund、ggfund、ggfamount和lnggfa）之间的共线性强，回归时不能将4个解释变量同时放入一个模型中，需要分别回归。控制变量企业资产规模和劳动力规模之间的相关系数是0.631 8，在1%的显著性水平下大于0.5，共线性很强，回归时择一放入回归方程中。其他变量之间的相关系数值均小于0.5，存在多重共线性的可能性较小。

表3 变量相关性结果

（三）实证结果分析

1.政府引导基金与企业全要素生产率

利用模型（1）估计政府引导基金对企业全要素生产率的影响，经豪斯曼检验，样本适合使用固定效应模型，回归结果列示在表4 中。表4 的第2列显示，政府引导基金与企业全要素生产率在5%水平上显著正相关，二者的回归系数是0.153 8。第3列数据表明，企业获得政府引导基金累计投资次数对企业全要素生产率的影响不显著，二者的回归系数是0.105 7。第4列数据表明，企业累计获得政府引导基金投资金额与企业全要素生产率在10%水平上显著正相关，二者的回归系数是0.000 3。第5列数据表明，企业累计获得的政府引导基金投资金额对数值与企业全要素生产率在5%水平上显著正相关，二者的回归系数是0.034 5。以上数据整体表明政府引导基金促进了企业全要素生产率的提高，H1a成立。

表4 政府引导基金对企业全要素生产率影响的回归结果

对于控制变量而言，企业员工人数与全要素生产率在1%水平上显著负相关，说明企业在以全要素生产率为表征的技术进步方面表现不佳，在人员管理方面尚存在改进空间。企业经营年限与全要素生产率在5%水平上显著正相关，表明经营存续期越久的企业通常拥有更高的生产率水平。每股营业利润与企业全要素生产率在1%水平上显著正相关，表明企业利润越高，全要素生产率也越高。资产负债率与企业全要素生产率在1%水平上显著负相关，表明企业的负债越高，全要素生产率越低。财务杠杆与企业全要素生产率在10%水平上显著负相关，表明财务风险大的企业常常伴随着生产率的低下。经营杠杆与企业全要素生产率在5%水平上显著负相关，即企业的经营杠杆越高，全要素生产率越低，表明经营风险大的企业，其技术创新导致了生产率下降。营运指数与全要素生产率在1%水平上显著正相关，说明企业的营运能力越强，全要素生产率也越高。

2.创投环境对政府引导基金与企业全要素生产率的影响

为了检验H2 不同创投环境下政府引导基金对企业全要素生产率的影响，参考前人的做法[9]，本文将创业板企业总部所在省份按照风投市场发达程度分为发达地区和偏远地区。根据清科集团研究报告，我国广东、北京、上海、江苏、浙江、天津、山东属于创投发达地区，创投机构数量、创投筹资总额和创投投资总额三个方面都领先其他省份，因此当被投资企业处于上述地区时虚拟变量dis取值为1，代表企业所处地区创投环境发达，否则取值为0。表5列示了地区异质性视角下政府引导基金对企业全要素生产率的影响。

由表5的回归结果可以看出，当上市企业总部所在地处于风投市场发达地区时，政府引导基金对企业全要素生产率的影响均显著为正，处于偏远地区时则不显著，验证了H2a。原因可能是创投发达地区整体环境好，创新基础设施完善，劳动者素质较高，在政府引导基金的支持下能够更好地开展创新活动，进而提高企业全要素生产率[16]。偏远地区由于配套措施等的不完善导致很难产生产业集群效应，政府引导基金的扶持杯水车薪，未能产生良性循环作用。

表5 地区异质性视角下政府引导基金对企业全要素生产率影响的回归结果

（四）进一步研究

1.企业性质对政府引导基金与企业全要素生产率关系的影响

企业性质不同可能会对政府引导基金与企业全要素生产率的关系产生影响。对国有企业而言，因为政府引导基金与国有企业背景都是国有大股东，会通过降低代理成本而促进企业全要素生产率。但是政府资金的持续供给也可能使“僵尸企业”维持日常经营活动，降低企业全要素生产率。参考前人的做法[34]，本研究将总样本划分为国有企业与民营企业两组，重新进行实证分析。表6 列示了企业性质对政府引导基金与企业全要素生产率关系的影响结果。

由表6回归结果可以看出，政府引导基金对民营企业全要素生产率在1%水平上存在显著正向影响，但对国有企业全要素生产率在1%水平上存在显著负向影响，说明获得政府引导基金投资对国有企业而言会导致全要素生产率下降，即政府引导基金并没有通过降低国有企业的代理成本提高全要素生产率。相反，政府引导基金对民营企业发挥了较好的认证作用，促进企业顺应市场需求开展创新活动，进而对企业全要素生产率产生显著正向影响。

表6 企业性质对政府引导基金与企业全要素生产率关系影响的回归结果

2.企业所处行业对政府引导基金与企业全要素生产率关系的影响

企业所处行业不同可能会对政府引导基金与企业全要素生产率的关系产生影响。高科技行业通常风险较高，研发失败率大，因此政府引导基金的投入可能会增加企业失败容忍度，推动企业通过创新活动提高企业全要素生产率。参考前人的做法[19]，本研究将总样本划分为高科技与非高科技企业两组。当企业所属行业处于高科技行业时，虚拟变量tech取值为1，否则为0。

表7 列示了行业异质性视角下政府引导基金对企业全要素生产率的影响。由表7 的回归结果可以看出，对处于高科技行业的企业，无论是获得过政府引导基金虚拟变量，还是累计获得政府引导基金次数，抑或是获得政府引导基金累计金额，其系数均在1%水平上显著为正，说明政府引导基金对高科技企业全要素生产率有显著促进作用。非高科技企业组仅获得政府引导基金累计金额这个变量的系数在10%水平上显著为正。因此，政府引导基金对企业全要素生产率的影响与所在行业有一定关联，对高科技企业全要素生产率的正面促进作用更为显著。

表7 行业异质性视角下政府引导基金对企业全要素生产率影响的回归结果

（五）稳健性检验

1.更换创投环境变量测量

在主回归中关于创投环境的变量测量使用的是清科数据库里给出的划分标准，可能存在一定的人为主观性。为减少人为色彩，使测量更客观，此处使用王小鲁等[35]开发的市场化指数来度量每个省份的市场化发展水平，以此来代表创投环境（menv）。当前万得（Wind）数据库里省级市场化指数跨度年份是1997—2016年。本文使用移动平均法计算市场化进程总得分的年平均增长率，然后推算出2017—2019年各省份市场化进程总得分。参考前人的做法[36]，按照年份排序后依据中位数分别赋值0、1，将总样本分为创投环境较佳（市场化指数高于中位数）和创投环境较差（市场化指数低于中位数）两个子样本。分组回归结果见表8，由表8的回归结果可以看出，创投环境较佳的子样本中政府引导基金的系数在5%水平上均显著为正，创投环境较差的子样本中政府引导基金的系数在1%水平上显著为负。该结果与主回归结果保持一致，说明替换创投环境变量测量不会影响原结论的稳健性。

表8 替换创投环境变量测量的回归结果

2.更换变量测量方法

为检验回归结果的稳健性，表9的企业全要素生产率使用的是LP方法进行测算。由该结果可以看出，更换因变量的测量方法后，是否获得政府引导基金投资、企业累计获得政府引导基金投资金额与企业全要素生产率的回归结果均显著为正，即替换因变量的测量方法不会影响原结论的稳健性。

表9 更换因变量测量方法的回归结果

3.郝克曼（Heckman）两阶段回归

在讨论政府引导基金对企业全要素生产率的影响时存在较强的内生性问题，即可能不是政府引导基金通过参与投资提高了企业全要素生产率，而是有生产效率较高的企业选择了政府引导基金。为排除该选择效应，本文使用郝克曼两阶段模型加以解决。表10 中列（1）显示了企业全要素生产率指标采用伍尔德里奇（Wooldridge）法计算时郝克曼选择模型极大似然估计的结果，可以看出郝克曼第二阶段回归结果中ggfamount的回归系数显著为正，表明本文关于政府引导基金与企业全要素生产率正相关的主要结果依然稳健。列（2）显示的是使用LP方法计算企业全要素生产率时郝克曼选择模型的回归结果，可以看出累计政府引导基金金额的系数显著为正，说明政府引导基金投资促进企业全要素生产率提高的结果是稳健的。

表10 Heckman选择模型的回归结果

五、结论与讨论

政府引导基金作为金融工具支持实体经济发展的主要抓手，在理论上被认为有助于提高企业创新、促进企业全要素生产率增长，进而推动我国经济高质量发展。但由于可能存在的政治压力、人力资源不足等问题会干预市场竞争，因此政府引导基金的政策效果受到质疑。以2009—2019年我国创业板上市企业数据为样本，研究政府引导基金对企业全要素生产率的影响和区域创投环境在其中发挥的作用，发现政府引导基金投资促进了企业全要素生产率的提高。创投环境越发达的地区，政府引导基金对企业全要素生产率的促进作用越明显。异质性分析发现，政府引导基金对民营企业全要素生产率的促进作用更强，对企业是否处于高科技行业则无显著差异性影响。上述结论在更换变量测量、排除逆向因果等检验后依然稳健。

本文的研究结论对我国政府如何通过金融手段推动实体经济高质量发展有重要启示。首先，由政府引导基金投资能够提高企业全要素生产率可知，为促进实体经济的发展，国家应该大力设立政府引导基金。但政府引导基金的资金来源于国家财政，仅靠国家资本提高宏观经济增长水平是杯水车薪。因此政府应该通过制定良好的激励政策吸引社会资本参与投资，提高风险资本投资活力，共同推进我国国有风险资本的混合所有制改革。其次，由政府引导基金在创投发达地区对企业的全要素生产率促进作用更强可知，政府应该更多地将引导基金投资到创投发达地区，采取差异化的投资策略以便提高自身运作效率的同时更好地促进区域经济高质量发展。此外也应该重视区域创投环境的建设，逐渐减小东西部之间的差距。再次，由政府引导基金对民营企业的全要素生产率促进作用更强可知，政府引导基金应该更多投资民营类企业，以便更好地发挥政府的认证作用，促进企业开展创新活动。最后，本文的研究结论可以为社保基金、银行理财基金等的后续运作提供借鉴，使其更多地参与到风险资本的投资中，共同促进我国新经济更有竞争力地发展。

本文对政府引导基金与企业全要素生产率之间的关系做了理论分析与实证检验，并从区域创投环境做了进一步分析，得出了较为稳健的结论，但仍存在一定局限性。一方面，本文只研究了政府引导基金对企业全要素生产率的影响，至于其中的作用机制并未进行探索。后续可以使用案例研究法等对相关的体制机制展开研究。另一方面，虽然在控制企业财务特征、公司治理特征等相关特征后，运用更换变量测量、郝克曼两阶段法等计量方法解决了可能存在的内生性问题，但由于缺少外生冲击事件和合适的工具变量，因此并不能完全排除内生性问题的干扰，后续可以通过寻找合适的工具变量更好地解决内生性问题。