进驻高新区是否提高了企业产能利用率？——来自企业进驻高新区的准自然实验证据

陈淑龙， 刘伯凡

（1.中国人民大学 农业与农村发展学院，北京 100872；2.安徽财经大学 国际贸易经济学院，安徽 蚌埠 233030）

1 引言

改革开放以来，中国经济的发展以要素投入驱动为主，造就了辉煌成就的同时也引发了一系列问题，企业产能过剩就是其中之一。一般认为，当企业存在实际产出低于最优产出水平，生产能力存在冗余、闲置的现象时被称为企业产能过剩［1］。产能过剩不仅导致了要素资源的错配，降低了经济发展的效率，还增加经济下行压力和引发系统性金融风险［2］。为了降低产能过剩的危害，2015年的中央经济工作会议将“去产能”列为供给侧改革的首要任务。因此，通过引领企业在供给侧进行结构性改革，推动新旧产能置换，提升企业产能利用率从而达到“去产能”目标，将是未来经济发展在微观领域工作的重点。

最初，学者们试图遵循传统的经济学框架，以理性选择为基本假设，在不考虑行政干预的情形下对企业降低产能利用率进行解释，研究结果表明有些企业为了彰显自身实力会主动降低产能利用率，以此阻止其他企业进入自身领域，从而保障自己的垄断地位［3］；有些企业会为了应对市场的不确定性，例如生产要素供给的波动，主动选择储存一些生产要素，降低产能利用率［4］。由于传统框架无法完全解释低产能利用率的现象，所以更多学者试图从企业的非理性决策［5］和外部因素驱动角度解释企业产能利用率低的现象。现有研究发现，官员干预［6］、制 度 质 量［7］、市 场 环 境［8］、税 负 以 及 补贴［9］等多个因素都会影响企业的产能利用率。

考虑到垄断、不确定性以及决策者非理性等因素会导致市场失灵，因而市场调节无法避免地会出现产能过剩现象，这在多次的经济危机中也得到了验证。因此，需要以行政手段对企业进行干预。此外，考虑到外部因素往往驱动企业过度投资、重复建设从而导致落后产能过剩的问题，官方的政策表述还多次强调引导企业进行创新升级，提升高新技术产能，淘汰落后产能，以此实现置换产能和提高产能利用率的目标。

帮助企业提升自主创新能力是创建高新技术产业开发区（以下简称“高新区”）的主要目标之一。经过多年的发展，高新区在各地的建设都取得了不错的成绩，针对高新区的实证研究发现，高新区的建立有助于区域经济发展摆脱依赖要素投入的传统模式，提升经济发展质量［10］；有利于区域优化资源配置［11］；有益于当地推动产业结构升级［12］。很显然，从设立高新区的目标到现有的实证研究，都显示高新区在一定程度上能够对企业置换旧产能升级新产能，提升产能利用率实现“去产能”目标提供有效帮助。在2020年7月，国务院印发的《关于促进国家高新技术产业开发区高质量发展的若干意见》则再次强调高新区应当进一步改善营商环境质量，激发企业提升创新活力，帮助企业提高科技成果转化能力。这无疑能够进一步地提升高新区改善企业产能利用率的功能。

与已有的研究成果相比，本文可能的边际贡献在于：（1）对于高新区的研究大多以宏观视角为主，以微观视角的研究较少，本文对S省省会城市的高新技术企业进行了实地追踪调研，并取得了微观层面的一手调研资料，从而可以对企业进驻高新区的前后差异进行研究。（2）现有文献主要讨论高新区对企业创新的影响，对于企业的其他决策涉及的较少，本文论证了高新区对企业产能利用率的有益影响，对现有文献形成了有效补充。（3）从理论上分析了高新区对企业提升产能利用率产生有益影响的根源，这对于当下“去产能”的经济工作任务具有一定启发。

2 理论分析

2.1 高新区具有更优质的营商环境

很多地区的国家级高新区担负了营商环境优化试点的工作，S省高新区同样进行了这一工作，从而可以为区内企业提供更为便利的政务服务。优质的政务服务能够提升企业产能利用率主要体现在以下两个方面。

第一，政务服务的办事效率得到提高。对S省H市高新区管委会的调研结果显示，高新区内试点企业办理事项减少60%左右；办理事项的时间缩减约50%；营业执照办理、公章刻制、发票申领等各种手续最快在1.5天即可办完成，较之前得到了大幅缩减；此外还有工程建设、验收等工作的审批时间也得到了大幅缩减，使得企业的投资、运营都更加便利。良好的营商环境能够降低企业面临的不确定性［13］，企业在进行投资决策时就可以避免“攀比效应”，同时也可以减少为应对不确定性而进行的要素储备，从而有利于提高企业的产能利用率。优化办事效率能够降低企业的行政负担［14］，使得企业能够减少相应的人力物力投入，即使没有经济优惠，办事时间缩短同样可以降低企业的成本从而有利于企业发展［15］，实现产能利用率的上升。

第二，高新区管委会的工作以服务为主，对企业的干涉较少，对企业的经济激励也与传统方式不同，高新区内企业受到的政策补贴和税收优惠不是以要素投入为条件，多是以研发投入为条件。根据现有研究，地方政府的干预是企业产能利用率较低的一个重要原因［6］，为了追求更高的税收和GDP考核指标，地方政府往往希望企业进行更多的投资［13］，因而会对企业要素的投入予以激励，从而扭曲了企业的投资行为，导致企业重复投资和过度投资，这降低了企业的产能利用率［9］。由于高新区内的企业受到的政府直接干预较少，而且受到的经济激励并不会扭曲企业的投资决策，反而有利于企业提升生产技术水平和产品创新能力，这能够帮助企业降低因市场不确定性所需的要素储备量，从而提高企业的产能利用率。

2.2 高新区具有集聚优势

相比于区外，高新区的产业密度更高因而具有更强的集聚优势。区域经济学理论认为，集聚能够为企业带来技术外部性和金融外部性［16］，这不仅能够促进企业技术进步，还能扩大企业市场份额，降低企业在用工层面的不确定性［17］。调研发现，S省高新区内部形成了在销售领域的劳动力池，各个企业能够共享销售劳动力池的好处。一方面，销售领域的劳动力池为相关人员的交流提供了足够的便利，这使得销售信息能够快速传播；另一方面，劳动力池为相互学习提供了便利，销售人员的销售技巧也得到了提高。这可以提高企业的销售能力，降低企业在销售端的不确定性，从而有利于企业进行更合理的生产决策，帮助企业提高产能利用率。不仅如此，由于具有销售领域的劳动力池存在，企业不必担心销售人员的招工风险，这也可以降低相应的劳动力投入，从而提高产能利用率。

此外，高新区内具有多个跨行业的高新技术企业，这种多个行业的协同集聚能够为企业的科研人员提供彼此交流的机会，有利于企业优化资源配置［18］，能够提高企业的全要素生产率［19］，帮助企业提升研发效率［20］。区域内要素配置效率提升会降低要素价格扭曲程度，进而降低企业对相关要素的储备，从而有利于企业提升产能利用率；全要素生产率的提高意味着整体要素利用效率的提升，因而同样有利于提升企业的产能利用率。研发效率的提升则可以提高企业的创新能力，技术创新有利于提升企业的生产效率，产品创新则能够提升企业的垄断水平，这都可以提高企业的竞争力并降低企业面临的不确定性，有利于企业提升产能利用率［21］。

最后，高新区的产业集聚还能够带来广告效应。由于大量的优质企业在高新区集聚，所以其他企业有采购需求时往往优先考虑高新区内企业，这不仅使得高新区内的企业在销售领域具有优势，更重要的是能够帮助企业迅速掌握行业的最新动态，进而可以迅速调整生产计划，降低市场不确定性，从而提升产能利用率。综述所述，本文认为企业进驻高新区能够提升企业的产能利用率。

3 研究设计

3.1 模型设定

为了检验进驻高新区是否影响企业的产能利用率，本文采用渐进双重差分模型，将最终在高新区的企业作为处理组，不在高新区的企业作为对照组。以企业的产能利用率作为被解释变量；以企业是否在高新区内的分组虚拟变量与进驻高新区前后的时间虚拟变量的交互项作为核心解释变量。具体模型设定如下

其中i表示企业，t表示年份；cui，t表示企业i在t年份的产能利用率；treati表示分组虚拟变量，在高新区内的企业取值为1，在高新区外的企业取值为0；timei，t表示时间虚拟变量，企业进驻高新区前取值为0，进驻高新区取值为1；X表示其他影响企业产能利用率的变量组成的向量。借鉴渐进DID模型的经典文献［22］，模型（1）中使用个体固定效应μi和时间固定效应δt代替了分组虚拟变量和时间虚拟变量。

3.2 数据来源与样本选取

本文以S省科技厅火炬计划内的高新技术企业数据库为依据。为了更好地扶持高新技术企业，S省科技厅针对本省火炬计划企业的自主填报制作了高新技术企业数据库，我们在这一数据库的基础上针对库中高新技术企业进行了追踪调研。调研对象不仅包括了国家级高新技术开发区内部企业，还包括了国家级高级技术开发区外部企业。由于企业自主填报中出现了诸多奇异值，我们在调研过程中不仅针对企业的股东、管理人员、研发人员以及工人进行了访谈，还对奇异值进行了校正，并删除了实际经营状况与自主填报数据明显不符以及破产企业样本。考虑到国家级高新区所在地为S省的省会城市，为了避免不同城市的政策差异，以及城市带来的异质性，我们仅保留了S省省会城市的企业样本。调研时间跨度为2017—2019年。最终得到2017年之前被认证为高新技术企业且地址在S省省会城市的企业342家，一直在高新区内的企业105家，始终在高新区外的企业169家，2018年进驻高新区的企业33家，2019年进驻高新区的企业35家。

3.3 变量说明

（1）被解释变量

本文的被解释变量为产能利用率（cu）。现有文献具有多种度量产能利用率的方法，为了结论的稳健性，我们主要采用以下三种方式度量产能利用率：（1）使用固定资产周转率表征产能利用率［23］，记为cu1；（2）使用企业实际投入生产的资本量与企业可以投入生产的资本量的比值作为产能利用率，主要借鉴了Jeremy等［24］，余淼杰等［25］的计算方法，记为cu2；（3）使用实际产出与理论最大产出之比作为产能利用率，主要借鉴了余东华和吕逸楠［26］的计算方法，记为cu3。

（2）核心解释变量

本文的核心解释变量为是否在高新区内的分组虚拟变量与进驻高新区前后的时间虚拟变量的交互项。

（3）控制变量

基于现有研究，我们加入了以下企业特征作为控制变量：企业年龄（age），根据企业注册年份计算得到；企业规模（size），用企业雇佣的总人数表征；研发投入（re），用企业每年的研发支出度量；利润率（pm），用企业的利润净值额与固定资产的比率度量；出口占比（ext），用企业当年出口收入与营业收入之比度量；新产品收入占比（pn），用新产品收入占总收入比值度量。

4 实证分析与相关检验

4.1 回归结果与分析

表1报告了模型（1）的回归结果，每列回归均控制了企业固定效应、年份固定效应。为了保证统计推断的稳健性，回归模型中均使用稳健标准误。

表1 进驻高新区对产能利用率的影响

列（1）、（2）、（3）没有引入任何控制变量，用以验证企业进驻高新区与三个产能利用率变量之间最简单的相关关系。结果表明，无论使用哪种度量方式，进驻高新区（treat×time）的系数均为正，而且至少在5%的水平上显著。这意味着企业进驻高新区与产能利用率之间存在显著的正相关关系。

列（4）、（5）、（6）引入了控制变量，估计得到的处理效应更加准确。虽然系数有所降低，但是进驻高新区（treat×time）对三种产能利用率的系数依然至少在5%的水平上显著为正。这意味着，进驻高新区确实能够有效提升企业的产能利用率。在经济意义上，估计结果表明，进驻高新区，企业第一种产能利用率cu1提高3.5081，第二种产能利用率cu2提高0.0470，第三种产能利用率cu3提高0.0380。

控制变量方面，企业年龄（age）和新产品收入占比（pn）与产能利用存在显著的负相关关系；研发投入（re）与产能利用率存在显著的正相关关系；企业规模（size）和出口占比（ext）与产能利用率不存在显著的相关关系；利润率（pm）与第一种产能利用率度量变量不存在相关关系，与第二种和第三种产能利用率度量变量存在显著的负相关关系。回归结果符合现实情况。

4.2 平行趋势检验

满足平行趋势假设是使用双重差分的必要条件，即在企业进驻高新区之前，未进驻园区的企业之间应当具有相同的产能利用率变化趋势。由于企业进驻高新区的时间并不相同，为了同时能够观测到进驻高新区前的虚拟处理效应和进驻高新区后的实际处理效应，所以这里借鉴了经典文献的平行趋势检验策略［22］，将模型（1）扩展为多期处理效应模型，具体设定如下

其中φ-τ表示进驻高新区前的第τ期的虚拟处理效应，φ＋τ表示进驻高新区后的第τ期的实际处理效应，m表示处理发生前的总期数，q表示处理发生后的总期数。为了保证能够同时观测到进驻前的虚拟处理效应和进驻后的实际处理效应，本文选择置前1期加滞后1期（m＝1，q＝1）的组合。以cu1为例，平行趋势检验结果如图1所示，我们使用的是95%的置信区间。对应的回归结果如表2所示。

图1 被解释变量为cu1 的平行趋势检验

表2 多期处理效应回归结果

根据表2所展示的结果，无论是选择使用哪种变量度量产能利用率，企业进驻高新区前的虚拟处理效应都不显著，而进驻高新区后的实际处理效应都显著为正。这一方面表明平行趋势假设成立，另一方面也表明进驻高新区能够显著提升企业的产能利用率。

4.3 安慰剂检验

本文还进一步进行了安慰剂检验。

第一步，通过随机分组，重新分配实验组和对照组，并随机分配进驻高新区的时间，得到随机分布面板数据样本；第二步，利用该样本对模型（1）进行回归，得到treat×time的系数及其对应的标准误，再计算t统计量并保存。将这一过程重复1000次，就可以得到1000个安慰剂样本的treat×time系数以及对应的t统计量。理论上，因为是随机分配，所以通过安慰剂样本得到的treat×time的系数应该为零，但是如果存在某些本文忽略的因素导致实验组和对照组之间存在系统性差异，那么在这种因素的干扰下，通过安慰剂样本得到的treat×time系数将不再是零；反之，如果通过安慰样本得到treat×time系数是零则可以反推：未得到控制的潜在因素并没有影响到本文的因果推断。为了保证稳健性，本文同样针对三种度量产能利用率的变量各进行了1000次的安慰剂检验，并得到treat×time的系数以及对应的t统计量分布图。以cu1为例，具体如图2所示。结果显示，趋势图均趋向于零，说明本文检验结果稳健。

图2 针对cu1 的安慰剂检验

4.4 异质性检验——基于企业所有权性质的异质性检验

对于国有企业和非国有企业，进驻高新区对企业产能利用率的影响是否会有所差异。理论上，国有企业往往会因为其产权性质享受更优质的政府服务，由于高新区会普遍地改善营商环境质量，这使得国有企业和非国有企业将面临相同的政府服务。虽然对于国有企业，营商环境同样有所改善，但是由于原来就享受更优质的政府服务，所以高新区带来的改善程度可能并没有非国有企业高，因而我们推测，进驻高新区对于国有企业和非国有企业产生的影响存在异质性。

为此，我们将产权性质（se）与进驻高新区（treat×time）再交互，并放入模型（1），验证产权性质是否产生异质性影响。表3报告了异质性检验结果，treat×time的系数依然显著为正，这再次验证了本文结论的稳健性。以cu1为例，由列（1）和列（2）可以看出，无论是国有企业还是非国有企业，进驻高新区（treat×time）都能够显著提升企业的产能利用率。由列（3）、列（4）和列（5）可以看出，treat×time×se的系数并不显著，这意味着进驻高新区企业并不会因为产权性质有所差异，这和理论预期不尽相同。我们认为实证结果与预期不同的原因在于，高新区的营商环境质量要远远高于区外。在高新区外的国有企业办事时间确实少于非国有企业，但是进驻高新区后，办事时间都得到了大幅提升，之前的差异几乎可以忽略不计。

表3 基于企业所有权性质的异质性检验结果

5 研究结论与启示

5.1 研究结论

由于高新区承担了营商环境改革试点的任务，所以高新区往往具有更优质的营商环境。此外，根据区域经济学的集聚经济外部性理论，劳动力池共享以及信息、技术的外溢能够降低企业面临的市场不确定性并提高企业的创新能力，从而提高企业的产能利用率。为了验证这一点，本文基于S省科技厅火炬计划数据库中2017—2019年的高新技术企业数据，结合实地调研，探索了高新区对企业产能利用率的影响。根据双重差分模型的实证研究，高新区能够帮助企业提升产能利用率。平行趋势检验和安慰剂检验验证了模型设定的合理性。根据企业的产权性质进行异质性检验，结果发现无论是国有企业样本还是非国有企业样本，高新区提升企业产能利用率的结论依旧成立，且高新区对企业产能利用率的提升不因产权性质而有所差异。

理论上，高新区对于企业产能利用率的影响一方面来源于营商环境的改善，另一方面来源于企业集聚的外部性。不过，由于数据的限制，我们无法将这两者严格地区分，所以很难分解高新区对企业产能利用率的影响，究竟多少来自营商环境的改善，多少源于集聚经济的外部性。这是本研究的不足之处。

5.2 政策启示

帮助企业提高创新能力，实现新旧产能置换是设置高新区的目标之一。从企业决策的微观层面入手，帮助企业提高产能利用率则是目前宏观层面上“去产能”的工作任务重点。已经存在多年的高新区恰好可以从营商环境和集聚经济外部性两个方向影响企业的微观决策，帮助企业在微观层面提高产能利用率。因此，应当借鉴高新区的经验，全方位帮助各个区位的企业提升产能利用率。

第一，根据营商环境的相关理论，优质的营商环境是高新区能够提升企业产能利用率的主要原因之一。因此，地方政府应当加快推广高新区营商环境改革经验，在全辖区范围内，提高政务服务质量，降低企业行政负担，尽量避免对企业实施不当的行政干预，减少对企业不合理的激励措施，充分发挥市场优化资源配置的作用，以此提升企业的产能利用率。

第二，根据区域经济学的集聚外部性理论，集聚能够产生劳动力池共享效应，信息和技术的外溢效应等正向外部效应。由于这些外部性有助于企业降低市场不确定性，提高企业研发效率，所以能够帮助企业提升产能利用率。因此，推广集聚外部性的经验是帮助企业提高产能利用率的另一个政策启示。政府应当引导企业自主集聚，即使是高新区外，也要为企业的集聚提供有利条件。由于劳动力池的共享是集聚外部性的来源之一，所以应当在更广泛的区域范围建立完全流通的劳动力市场，从而形成更广泛的劳动力池，使得劳动力池效应普惠区域内的所有企业。信息和技术外溢是集聚外部性的来源，因此，应当在区域范围内建立通畅快速的通信设施，为人员的交流提供有利条件，争取在全区域实现信息和技术的充分流动。