国产AV88|国产乱妇无码在线观看|国产影院精品在线观看十分钟福利|免费看橹橹网站

華東經(jīng)濟(jì)管理2023年11期

發(fā)布時(shí)間:2023-10-30 | 雜志分類:其他
免費(fèi)制作
更多內(nèi)容

華東經(jīng)濟(jì)管理2023年11期

2023年11月(第37卷第11期)Nov.,2023(Vol.37,No.11) 低碳轉(zhuǎn)型對(duì)城市創(chuàng)業(yè)活躍度的影響研究technologyurban_popcity_wageConstantObservationsR-squaredNumber of citycityFEyearFE-0.000 5**(-2.587)0.058***(3.253)0.016 3***(8.353)-0.013 1(-1.625)4 2000.365 9300yesyes-0.097 1(-0.940)0.087 6**(2.250)0.014 1***(3.011)-7.738 0(-1.230)4 2000.083 0300yesyes0.000 7(0.411 0)0.182 5***(4.445 7)0.286 8***(7.240 9)-0.063 0(-0.935 3)4 2000.849 5300yesyes續(xù)表2變量(1)entre_energy_p(2)entre_energy_pg(3)entre_energy_gdp(三)平行趨勢(shì)檢驗(yàn)構(gòu)建多期DID模型的前置條件是模型通過(guò)平行趨勢(shì)檢... [收起]
[展開(kāi)]
華東經(jīng)濟(jì)管理2023年11期
粉絲: {{bookData.followerCount}}
文本內(nèi)容
第51頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 低碳轉(zhuǎn)型對(duì)城市創(chuàng)業(yè)活躍度的影響研究

technology

urban_pop

city_wage

Constant

Observations

R-squared

Number of city

cityFE

yearFE

-0.000 5**

(-2.587)

0.058***

(3.253)

0.016 3***

(8.353)

-0.013 1

(-1.625)

4 200

0.365 9

300

yes

yes

-0.097 1

(-0.940)

0.087 6**

(2.250)

0.014 1***

(3.011)

-7.738 0

(-1.230)

4 200

0.083 0

300

yes

yes

0.000 7

(0.411 0)

0.182 5***

(4.445 7)

0.286 8***

(7.240 9)

-0.063 0

(-0.935 3)

4 200

0.849 5

300

yes

yes

續(xù)表2

變量

(1)

entre_

energy_p

(2)

entre_

energy_pg

(3)

entre_

energy_gdp

(三)平行趨勢(shì)檢驗(yàn)

構(gòu)建多期DID模型的前置條件是模型通過(guò)平

行趨勢(shì)檢驗(yàn),即實(shí)驗(yàn)組和控制組樣本的被解釋變

量應(yīng)該在事件發(fā)生前保持相對(duì)一致的變化趨勢(shì)。

而在事件后,實(shí)驗(yàn)組樣本的被解釋變量出現(xiàn)顯著

的方向性變化,該變化在控制組樣本中觀測(cè)不到。

為了進(jìn)行平行趨勢(shì)檢驗(yàn),本文構(gòu)建公式(2),具體

如下:

entre_energyi,t = a + β1Before3i,t + β2Before2i,t +

β3Before1i,t + β4Currenti,t +

β5After1i,t +β6After2i,t +

β7After3i,t + β8After4i,t +

β9After5i,t + γcontrol_vari,t +

cityFE + yearFE + ε (2)

其中:Before表示各城市被納入試點(diǎn)范圍之前

的 n 年;Current 表示各城市被納入試點(diǎn)范圍的第

1 年;After表示各城市被納入試點(diǎn)范圍之后的n年,

據(jù)此設(shè)置時(shí)間虛擬變量,非試點(diǎn)城市的虛擬變量均

為0。由于本文的研究區(qū)間為2008—2021年,低碳

試點(diǎn)城市政策開(kāi)始于 2010 年,修訂于 2012 年和

2017年。因此,政策前3年和政策后5年為全體樣

本的共同范圍,超出這個(gè)范圍將導(dǎo)致模型出現(xiàn)多重

共線性問(wèn)題。平行趨勢(shì)檢驗(yàn)結(jié)果見(jiàn)表3所列,可以

發(fā)現(xiàn),政策發(fā)生前各回歸模型的系數(shù)較小且不顯

著,說(shuō)明政策發(fā)生前,實(shí)驗(yàn)組與控制組在創(chuàng)業(yè)活躍

度上無(wú)顯著差異,即低碳試點(diǎn)城市政策符合平行趨

勢(shì)假定;而在政策發(fā)生后,各回歸模型的系數(shù)均顯

著為正,并呈現(xiàn)隨時(shí)間遞增的趨勢(shì),說(shuō)明低碳試點(diǎn)

城市政策能夠提升城市創(chuàng)業(yè)活躍度。

表3 平行趨勢(shì)檢驗(yàn)

變量

Before3

Before2

Before1

Current

After1

After2

After3

After4

After5

Constant

Observations

R-squared

Number of city

cityFE

yearFE

(1)

entre_

energy_p

0.004 0

(1.155 6)

0.002 0

(1.231 8)

-0.001 0

(-0.797 2)

0.021 0***

(3.174 7)

0.046 2***

(2.632 6)

0.076 9**

(2.467 8)

0.089 2**

(2.413 1)

0.103 5***

(2.661 3)

0.122 3*

(1.818 2)

0.013 4

(1.616 6)

4 200

0.372 6

300

yes

yes

(2)

entre_

energy_pg

0.048 6

(0.830 9)

0.063 7

(0.842 2)

0.023 4

(1.276 4)

0.175 0**

(2.369 2)

0.266 7*

(1.879 4)

0.307 9***

(3.477 4)

0.387 3**

(2.223 6)

0.480 4***

(3.484 9)

0.537 2***

(2.701 6)

-7.950 9

(-1.270 3)

4 200

0.011 7

300

yes

yes

(3)

entre_

energy_gdp

0.001 0

(0.409 8)

-0.001 2

(-0.601 1)

0.000 1

(0.035 4)

0.000 7**

(1.973 8)

0.001 1**

(2.012 4)

0.010 2***

(3.019 8)

0.012 6***

(3.826 1)

0.026 2**

(2.399 7)

0.031 1**

(2.083 1)

-0.079 7

(-1.348 9)

4 200

0.858 3

300

yes

yes

(四)穩(wěn)健性檢驗(yàn)

1.基于多期DID的傾向得分匹配模型(PSM-DID)

在基準(zhǔn)回歸中,本文使用雙重差分法大致測(cè)算

出低碳試點(diǎn)城市政策對(duì)地區(qū)創(chuàng)業(yè)活躍度的平均處

理效應(yīng),但仍存在一定內(nèi)生性問(wèn)題。低碳試點(diǎn)城市

政策并非完全意義上的自然實(shí)驗(yàn),而是國(guó)家在綜合

考慮城市條件、區(qū)位、經(jīng)濟(jì)、社會(huì)和文化等因素后做

出的決策,存在一定的選擇性偏差問(wèn)題。對(duì)此,本

文設(shè)計(jì)了傾向得分-雙重差分(PSM-DID)模型進(jìn)

行穩(wěn)健性檢驗(yàn)。首先,對(duì)低碳試點(diǎn)城市的篩選標(biāo)準(zhǔn)

進(jìn)行了替代。原本的低碳試點(diǎn)城市是根據(jù)國(guó)家發(fā)

展改革委三次公布的試點(diǎn)城市文件來(lái)確定的,其中

可能存在選擇性偏差。而在穩(wěn)健性檢驗(yàn)?zāi)P椭?,?/p>

城市碳排放量、城市GDP總量、產(chǎn)業(yè)結(jié)構(gòu)作為匹配

變量,來(lái)測(cè)算被納入低碳試點(diǎn)的概率,達(dá)到概率閾

值以上的一律作為處理組。其次,為處理組按照一

對(duì)四尋找滿足共同支撐條件的對(duì)照組。再次,刪除

未能成功匹配的樣本。最后,對(duì)新得到的樣本進(jìn)行

回歸。由表4可知,低碳城市試點(diǎn)(citylce)與納入

— 45 —

第52頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 低碳轉(zhuǎn)型對(duì)城市創(chuàng)業(yè)活躍度的影響研究

政策試點(diǎn)年份(enteryear)的交互項(xiàng)在各基數(shù)計(jì)算

下的城市創(chuàng)業(yè)活躍度的回歸系數(shù)均在1%和5%的

水平上顯著為正,說(shuō)明低碳試點(diǎn)城市政策對(duì)城市創(chuàng)

業(yè)活躍度的提升效果是穩(wěn)健的。

表4 PSM后回歸結(jié)果

citylce×

enteryear

lngdp

indust_stru

finance

edu_pop

market

pub_service

technology

urban_pop

city_wage

0.010 0***

(3.162 3)

0.003 0***

(3.028 1)

0.001 0

(0.571 3)

0.001 0**

(2.054 8)

0.000 8**

(1.976 3)

0.003 1*

(1.946 6)

0.023 0***

(3.310 7)

0.000 6**

(2.377 5)

0.005 1**

(2.001 8)

0.015 8***

(4.844 8)

0.245 1***

(4.495 3)

0.214 0

(0.199 5)

1.465 0

(0.864 5)

0.199 6

(1.130 4)

0.033 8

(1.107 7)

0.054 2**

(2.397 4)

-0.007 4

(-0.394 2)

0.095 7

(0.539 2)

9.044 3

(0.911 4)

1.382 3

(0.873 1)

0.006 3**

(2.192 2)

0.021 4**

(2.006 8)

-0.019 1

(-1.622 4)

0.006 6**

(2.370 9)

-0.000 1

(-0.692 1)

0.001 6**

(2.083 9)

0.000 3

(1.481 1)

0.002 7

(1.415 0)

0.024 8

(0.201 5)

0.278 8***

(6.333 0)

變量

(1)

entre_

energy_p

(2)

entre_

energy_pg

(3)

entre_

energy_gdp

Constant

Observations

R-squared

Number of city

cityFE

yearFE

-0.028 3***

(-3.000 9)

2 440

0.406 3

276

yes

yes

-4.505 7

(-0.454 4)

2 440

0.094 0

276

yes

yes

-0.134 3

(-1.487 6)

2 440

0.850 5

276

yes

yes

續(xù)表4

變量

(1)

entre_

energy_p

(2)

entre_

energy_pg

(3)

entre_

energy_gdp

2.安慰劑檢驗(yàn)

自從2010年7月國(guó)家發(fā)展改革委發(fā)布《關(guān)于開(kāi)

展低碳省區(qū)和低碳城市試點(diǎn)工作的通知》以來(lái),政

策已經(jīng)經(jīng)歷了3次試點(diǎn)城市擴(kuò)容。因此,本文所研

究的樣本存在多時(shí)點(diǎn)事件問(wèn)題,不同時(shí)間點(diǎn)進(jìn)入的

試點(diǎn)城市,可能會(huì)對(duì)研究結(jié)果產(chǎn)生影響,需要對(duì)試

點(diǎn)樣本的選擇問(wèn)題加以解決。對(duì)此,本文設(shè)計(jì)了安

慰劑實(shí)驗(yàn),即按原低碳城市試點(diǎn)數(shù)量,對(duì)全體城市

隨機(jī)賦予低碳試點(diǎn),在試點(diǎn)時(shí)間上也進(jìn)行隨機(jī)賦

值;然后進(jìn)行回歸,并對(duì)上述隨機(jī)賦值再回歸過(guò)程

重復(fù)500次;最后將500次回歸結(jié)果所產(chǎn)生的回歸

系數(shù)呈現(xiàn)在p值分布圖中,具體如圖1所示。







1









      

@2

圖1 安慰劑檢驗(yàn)

由圖1可知,大部分回歸系數(shù)的p值大于0.1,在

統(tǒng)計(jì)上不顯著,且值域主要分布在-0.01~0.01 之

間,均值接近于 0。而實(shí)際政策的估計(jì)系數(shù)為

0.022,顯著高于安慰劑測(cè)試結(jié)果。上述結(jié)果表明,

在對(duì)全部城市隨機(jī)設(shè)置低碳試點(diǎn)身份后,其城市的

創(chuàng)業(yè)活躍度無(wú)顯著變化。說(shuō)明國(guó)家發(fā)展改革委選

擇的低碳試點(diǎn)城市具有一定的政策效力,在成為試

點(diǎn)城市后,隨著地方政府一系列配套政策的落地,

城市創(chuàng)業(yè)活躍度出現(xiàn)了顯著的提高,證明基準(zhǔn)回歸

結(jié)果是穩(wěn)健的。

— 46 —

第53頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 低碳轉(zhuǎn)型對(duì)城市創(chuàng)業(yè)活躍度的影響研究

(五)異質(zhì)性分析

本文的回歸結(jié)果和機(jī)制檢驗(yàn)顯示,低碳試點(diǎn)城

市政策在一定程度上提升了城市創(chuàng)業(yè)活躍度,說(shuō)明

政策通過(guò)政府研發(fā)投入、人才聚集、產(chǎn)業(yè)轉(zhuǎn)型和新

區(qū)建設(shè)提高了企業(yè)家在低碳環(huán)保、環(huán)境監(jiān)測(cè)和高端

服務(wù)等領(lǐng)域的創(chuàng)業(yè)積極性,其積極效應(yīng)大于政策對(duì)

原有高耗能、高排放行業(yè)的抑制所帶來(lái)的消極效

應(yīng)?,F(xiàn)有研究表明,創(chuàng)業(yè)活躍度受所在城市政府支

持、經(jīng)濟(jì)發(fā)展、社會(huì)服務(wù)和基礎(chǔ)設(shè)施等方面的影響。

本文參考李志軍等(2019)[15]、白俊紅等(2022)[27]

的研究,在異質(zhì)性分析部分,從城市的行政等級(jí)、地

理區(qū)位、市場(chǎng)地位、產(chǎn)業(yè)特征和互聯(lián)網(wǎng)發(fā)展水平這

五個(gè)維度來(lái)體現(xiàn)城市之間的差異,以此進(jìn)行進(jìn)一步

檢驗(yàn)。

1. 城市行政等級(jí)的異質(zhì)性檢驗(yàn)

行政等級(jí)較高的城市,如經(jīng)濟(jì)特區(qū)、國(guó)家中心

城市和省會(huì)城市,在政策、經(jīng)濟(jì)、資源、人才和基礎(chǔ)

設(shè)施等方面具有天然優(yōu)勢(shì)。在本文的低碳試點(diǎn)城

市樣本中,有24個(gè)城市具有上述身份。為了檢驗(yàn)

城市行政等級(jí)在低碳試點(diǎn)城市政策促進(jìn)創(chuàng)業(yè)活躍

度上是否存在影響,本文將低碳試點(diǎn)城市進(jìn)行進(jìn)

一步細(xì)分,對(duì)存在經(jīng)濟(jì)特區(qū)、國(guó)家中心城市或省會(huì)

城市身份其中之一的城市賦值為1,其他城市賦值

為0,在基準(zhǔn)模型中加入衡量城市行政等級(jí)的虛擬

變量(rank),與原有政策的處理效應(yīng)(citylce×enter‐

year)進(jìn)行交乘?;貧w結(jié)果見(jiàn)表5列(1),可以看出,

citylce×enteryear×rank 系數(shù)為 0.020 3,在 5% 的水

平上顯著,表明低碳試點(diǎn)城市政策對(duì)行政等級(jí)較

高城市創(chuàng)業(yè)活躍度的提升作用更強(qiáng)。相比于一般

城市,行政等級(jí)較高的城市可發(fā)揮的政府研發(fā)支

持、人才集聚、產(chǎn)業(yè)轉(zhuǎn)型和新區(qū)建設(shè)的作用更強(qiáng),

更能促進(jìn)城市創(chuàng)業(yè)活躍度的提升。

表5 異質(zhì)性分析結(jié)果

變量

citylce×enteryear

citylce×enteryear×rank

citylce×enteryear×huline

citylce×enteryear×position

citylce×enteryear×industry

citylce×enteryear×inter_per

Constant

Observations

R-squared

Number of city

cityFE

yearFE

(1)

行政等級(jí)

0.025 5***

(3.791 9)

0.020 3**

(2.098 7)

0.042 3***

(22.213 5)

4 200

0.521 4

300

yes

yes

(2)

地理區(qū)位

0.037 5***

(7.926 2)

-0.014 9**

(-2.034 6)

0.042 3***

(21.992 8)

4 200

0.519 8

300

yes

yes

(3)

市場(chǎng)地位

0.027 5***

(4.816 1)

0.013 2***

(3.466 8)

0.042 7***

(21.687 4)

4 200

0.516 8

300

yes

yes

(4)

產(chǎn)業(yè)特征

0.056 8***

(17.340 6)

0.079 2***

(22.287 0)

0.042 3***

(31.384 2)

4 200

0.719 6

300

yes

yes

(5)

互聯(lián)網(wǎng)發(fā)展水平

0.026 6

(1.422 4)

0.002 0***

(3.405 8)

0.042 3***

(26.052 5)

4 200

0.573 4

300

yes

yes

2. 城市地理區(qū)位的異質(zhì)性檢驗(yàn)

地理區(qū)位特征會(huì)顯著影響城市創(chuàng)業(yè)活躍度。

從客觀條件來(lái)看,位于我國(guó)東部地區(qū)的省份最早享

受了改革開(kāi)放所帶來(lái)的巨大政策紅利,涌現(xiàn)出大量

的優(yōu)質(zhì)民營(yíng)企業(yè),經(jīng)過(guò)數(shù)十年發(fā)展,形成了珠三角、

長(zhǎng)三角經(jīng)濟(jì)圈,產(chǎn)生了很強(qiáng)的產(chǎn)業(yè)聚集效應(yīng),創(chuàng)業(yè)

機(jī)會(huì)遠(yuǎn)遠(yuǎn)多于中西部地區(qū)。從資源分布的角度看,

我國(guó)中西部地區(qū)蘊(yùn)藏更多的自然資源,地區(qū)民營(yíng)企

業(yè)主要從事資源開(kāi)采與加工,這與服務(wù)業(yè)更為發(fā)達(dá)

的東部地區(qū)也存在顯著差異,在這種情況下,低碳

試點(diǎn)城市政策對(duì)西部地區(qū)產(chǎn)業(yè)的限制程度更強(qiáng)。

因此,低碳試點(diǎn)城市政策對(duì)東中西部地區(qū)的創(chuàng)業(yè)活

躍度的影響存在顯著差異。為了檢驗(yàn)該異質(zhì)性特

征,本文參考現(xiàn)有研究經(jīng)驗(yàn),以“胡煥庸線”作為東

西部地區(qū)的分界線,將位于“胡煥庸線”以西的低碳

試點(diǎn)城市取值為1,以東的取值為0,在基準(zhǔn)模型中

加入衡量城市地理區(qū)位的虛擬變量(huline),與原

有政策的處理效應(yīng)(citylce×enteryear)進(jìn)行交乘。

回歸結(jié)果見(jiàn)表 5 列(2),可以看出,citylce×enter‐

year×huline系數(shù)為-0.014 9,在5%的水平上顯著,表

— 47 —

第54頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 低碳轉(zhuǎn)型對(duì)城市創(chuàng)業(yè)活躍度的影響研究

明低碳試點(diǎn)城市政策對(duì)中西部城市創(chuàng)業(yè)活躍度的提

升作用較弱。相比于東部城市,中西部城市受到低

碳試點(diǎn)城市政策的負(fù)面效應(yīng)影響更強(qiáng),在傳統(tǒng)產(chǎn)業(yè)

受到限制的情況下,地區(qū)創(chuàng)業(yè)活躍度也顯著降低。

3. 城市市場(chǎng)地位的異質(zhì)性檢驗(yàn)

城市市場(chǎng)地位是城市經(jīng)濟(jì)實(shí)力與周邊城市對(duì)

比、城市與周邊城市地理距離的函數(shù),代表城市在

區(qū)域內(nèi)的市場(chǎng)影響力。若該指標(biāo)高,說(shuō)明城市的生

產(chǎn)能力較強(qiáng)、市場(chǎng)規(guī)模較大和運(yùn)輸成本較低,容易

形成以城市為核心的供應(yīng)鏈,此類城市往往更容易

吸引創(chuàng)業(yè)者。市場(chǎng)地位不同的城市,可能會(huì)對(duì)低碳

試點(diǎn)城市政策促進(jìn)城市創(chuàng)業(yè)活躍度產(chǎn)生異質(zhì)性反

應(yīng) 。 為 了 對(duì) 此 進(jìn) 行 檢 驗(yàn) ,本 文 參 考 白 俊 紅 等

(2022)[27]

的研究,在基準(zhǔn)模型中加入衡量城市市場(chǎng)

潛能的虛擬變量(position),若城市的市場(chǎng)潛能高

于所有城市的中位數(shù),則取值為1,否則取值為0,

將該變量與原有政策的處理效應(yīng)(citylce×enter‐

year)進(jìn)行交乘?;貧w結(jié)果見(jiàn)表5列(3),可以看出,

citylce×enteryear×position系數(shù)為0.0132,在1%的水

平上顯著,表明低碳試點(diǎn)城市政策對(duì)市場(chǎng)潛能更高

城市的創(chuàng)業(yè)活躍度提升效應(yīng)更強(qiáng)。

4. 城市產(chǎn)業(yè)特征的異質(zhì)性檢驗(yàn)

產(chǎn)業(yè)特征導(dǎo)致城市的碳排放規(guī)模存在巨大差

異。以工業(yè)為主的城市存在較多大型國(guó)有制造業(yè)

企業(yè),這類企業(yè)大多屬于高耗能、高排放類型,其供

應(yīng)鏈上其他企業(yè)也必然存在該特征,導(dǎo)致城市的碳

排放量較高,低碳目標(biāo)的實(shí)現(xiàn)難度較大。因此,相

較于以服務(wù)業(yè)為主的城市,以工業(yè)為主的城市需要

更大的產(chǎn)業(yè)政策力度、更高的綠色創(chuàng)新投入、更具

吸引力的人才政策、更大規(guī)模的新區(qū)建設(shè)才能實(shí)現(xiàn)

低碳目標(biāo),在這一過(guò)程中,創(chuàng)業(yè)者將得到更多的創(chuàng)

業(yè)機(jī)會(huì)。本文認(rèn)為,原有城市產(chǎn)業(yè)特征將對(duì)原回歸

結(jié)果產(chǎn)生較大的異質(zhì)性影響。本文在基準(zhǔn)模型中

加入衡量城市產(chǎn)業(yè)特征的虛擬變量(industry),若

城市的工業(yè)產(chǎn)值占總產(chǎn)值之比高于所有城市的中

位數(shù),則取值為1,否則取值為0,將該變量與原有

政策的處理效應(yīng)(citylce×enteryear)進(jìn)行交乘?;?/p>

歸結(jié)果見(jiàn)表 5 列(4),可以看出,citylce×enteryear×

industry 系數(shù)為 0.0792,在 1% 的水平上顯著,表明

低碳試點(diǎn)城市政策對(duì)以工業(yè)產(chǎn)業(yè)為主城市的創(chuàng)業(yè)

活躍度提升效應(yīng)更強(qiáng)。

5. 城市互聯(lián)網(wǎng)發(fā)展水平的異質(zhì)性檢驗(yàn)

互聯(lián)網(wǎng)提高了社會(huì)信息傳播效率,降低了各主

體之間的信息不對(duì)稱程度。城市的互聯(lián)網(wǎng)發(fā)展水

平高,有助于創(chuàng)業(yè)者提高信息搜集效率,把握創(chuàng)業(yè)機(jī)

遇。尤其在低碳試點(diǎn)城市政策的驅(qū)動(dòng)下,政府對(duì)高

端服務(wù)業(yè)、智能制造業(yè)的扶持力度提升,將在這些領(lǐng)

域催生出更多的創(chuàng)業(yè)企業(yè),而這一切的前提必須是

城市有著較高的互聯(lián)網(wǎng)發(fā)展水平,因?yàn)檫@些產(chǎn)業(yè)屬

于技術(shù)密集型行業(yè),對(duì)于前沿知識(shí)和信息的需求非

常高,如果城市的互聯(lián)網(wǎng)發(fā)展水平較低,那么企業(yè)家

的創(chuàng)業(yè)難度將提高。本文采用城市每百人互聯(lián)網(wǎng)用

戶數(shù)量(inter_per)來(lái)衡量城市的互聯(lián)網(wǎng)發(fā)展水平,將

該變量與原有政策的處理效應(yīng)(citylce×enteryear)進(jìn)

行交乘?;貧w結(jié)果見(jiàn)表5列(5),可以看出,citylce×

enteryear×inter_per 系數(shù)為 0.002 0,在 1% 的水平上

顯著,表明低碳試點(diǎn)城市政策對(duì)互聯(lián)網(wǎng)發(fā)展水平較

高城市創(chuàng)業(yè)活躍度的提升效應(yīng)更強(qiáng)。

六、結(jié)論與政策啟示

本文借助國(guó)家低碳試點(diǎn)城市政策的準(zhǔn)自然實(shí)

驗(yàn),利用 2008—2021 年 300 個(gè)地級(jí)市面板數(shù)據(jù)構(gòu)

建多期雙重差分模型,系統(tǒng)評(píng)估了低碳試點(diǎn)城市

政策對(duì)城市創(chuàng)業(yè)活躍度的影響。研究發(fā)現(xiàn):觀察

期內(nèi)低碳試點(diǎn)城市政策顯著提升了試點(diǎn)城市的創(chuàng)

業(yè)活躍度,該結(jié)論得到了一系列穩(wěn)健性檢驗(yàn)的支

持;異質(zhì)性檢驗(yàn)表明,低碳城市試點(diǎn)對(duì)創(chuàng)業(yè)活躍度

的作用差異與城市行政等級(jí)、地理區(qū)位、市場(chǎng)地

位、產(chǎn)業(yè)特征和城市互聯(lián)網(wǎng)發(fā)展水平有關(guān),即在行

政等級(jí)較高、地理區(qū)位優(yōu)越、市場(chǎng)地位較高、工業(yè)

產(chǎn)值占比較高和互聯(lián)網(wǎng)發(fā)展水平較高城市中的提

升效應(yīng)更為顯著。

基于上述結(jié)論,本文提出以下政策啟示:

第一,應(yīng)盡快將城市低碳轉(zhuǎn)型推廣至全國(guó)。低

碳試點(diǎn)城市政策不僅降低了碳排放量,還在綠色創(chuàng)

新、高端服務(wù)、智能制造等新領(lǐng)域提升了創(chuàng)業(yè)活躍

度,有助于城市產(chǎn)業(yè)轉(zhuǎn)型升級(jí),促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)

展。因此,在國(guó)家提出碳達(dá)峰、碳中和的現(xiàn)實(shí)背景

下,應(yīng)盡快將低碳轉(zhuǎn)型推廣至全國(guó)所有城市。

第二,加強(qiáng)城市低碳政策中的創(chuàng)業(yè)扶持力度。

政府部門(mén)應(yīng)出臺(tái)低碳產(chǎn)業(yè)扶持政策,引領(lǐng)企業(yè)家在

相關(guān)領(lǐng)域開(kāi)展創(chuàng)業(yè),促進(jìn)城市整體的產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。

作為一項(xiàng)加速新舊產(chǎn)能轉(zhuǎn)換的制度性政策安排,低

碳政策最為直接的效果是限制了高耗能、高排放產(chǎn)

業(yè)的發(fā)展,而在促進(jìn)新產(chǎn)業(yè)發(fā)展方面可能存在政策

缺失,這將導(dǎo)致城市雖然完成了低碳目標(biāo),但經(jīng)濟(jì)增

長(zhǎng)放緩。因此,低碳政策應(yīng)加強(qiáng)在新產(chǎn)業(yè)發(fā)展和政

— 48 —

第55頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 低碳轉(zhuǎn)型對(duì)城市創(chuàng)業(yè)活躍度的影響研究

企科研合作等方面的制度設(shè)計(jì),優(yōu)化城市新產(chǎn)業(yè)發(fā)

展和企業(yè)家創(chuàng)業(yè)環(huán)境。此外,還需要進(jìn)一步健全低

碳政策實(shí)施的監(jiān)督評(píng)價(jià)機(jī)制,兼顧低碳目標(biāo)實(shí)現(xiàn)和

經(jīng)濟(jì)增長(zhǎng),確保政策真正為高質(zhì)量發(fā)展服務(wù)。

第三,加快新區(qū)建設(shè)力度,鼓勵(lì)企業(yè)家入駐。

新區(qū)建設(shè)不僅可以通過(guò)擴(kuò)展城市邊界,降低中心城

區(qū)的單位面積減碳?jí)毫?,還能夠降低企業(yè)家的創(chuàng)業(yè)

成本。本文的實(shí)證研究結(jié)果支持了這一觀點(diǎn),即新

區(qū)建設(shè)力度在低碳試點(diǎn)城市政策促進(jìn)地區(qū)創(chuàng)業(yè)活

躍度的作用中存在顯著的中介效應(yīng)。故建議地方

政府應(yīng)加快新區(qū)建設(shè)力度,通過(guò)支持性政策鼓勵(lì)企

業(yè)家在新區(qū)中從事低碳領(lǐng)域的創(chuàng)業(yè)活動(dòng),從而促進(jìn)

產(chǎn)業(yè)轉(zhuǎn)移和人口轉(zhuǎn)移。

第四,提升城市服務(wù)能力,為創(chuàng)業(yè)者提供便利。

城市的行政、金融和互聯(lián)網(wǎng)服務(wù)能力對(duì)創(chuàng)業(yè)活躍度

至關(guān)重要,不少低碳產(chǎn)業(yè)具有明顯的高科技行業(yè)特

征。初創(chuàng)企業(yè)具有資產(chǎn)規(guī)模小、業(yè)務(wù)多元化和高度

依賴信息技術(shù)等特征,因此,需要城市為創(chuàng)業(yè)者提

供審批、融資和互聯(lián)網(wǎng)等方面的服務(wù),盡可能降低

創(chuàng)業(yè)者的創(chuàng)業(yè)難度,從而營(yíng)造有利于科技型中小微

企業(yè)成長(zhǎng)的良好環(huán)境。

參考文獻(xiàn):

[1]李經(jīng),陳勇吏.最低工資制度對(duì)創(chuàng)業(yè)的影響——基于流動(dòng)

人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)的研究[J].產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論,2018(2):

105-124.

[2]王鋒,葛星.低碳轉(zhuǎn)型沖擊就業(yè)嗎——來(lái)自低碳城市試

點(diǎn)的經(jīng)驗(yàn)證據(jù)[J].中國(guó)工業(yè)經(jīng)濟(jì),2022(5):81-99.

[3]宋弘,孫雅潔,陳登科.政府空氣污染治理效應(yīng)評(píng)估——

來(lái)自中國(guó)“低碳城市”建設(shè)的經(jīng)驗(yàn)研究[J]. 管理世界,

2019,35(6):95-108,195.

[4]FANKHAUSER S,JOTZO F. Economic Growth and De‐

velopment with Low-carbon Energy[J/OL]. Wiley Inter‐

disciplinary Reviews:Climate Change,2017,9(1)[2022-

12-15]. https://wires. onlinelibrary.wiley. com/doi/10.1002/

wcc.495.

[5]REN S G,LIU D H,LI B,et al . Does Emissions Trading

Affect Labor Demand? Evidence from the Mining and

Manufacturing Industries in China[J]. Journal of Environ‐

mental Management,2020,245(15):109789.

[6]李小平,盧現(xiàn)祥 . 國(guó)際貿(mào)易、污染產(chǎn)業(yè)轉(zhuǎn)移和中國(guó)工業(yè)

CO2排放[J].經(jīng)濟(jì)研究,2010,45(1):15-26.

[7]張功富.政府干預(yù)、環(huán)境污染與企業(yè)環(huán)保投資——基于

重污染行業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)與管理研究,

2013(9):38-44.

[8]李強(qiáng),馮波 . 環(huán)境規(guī)制、政治關(guān)聯(lián)與環(huán)境信息披露質(zhì)

量——基于重污染上市公司經(jīng)驗(yàn)證據(jù)[J]. 經(jīng)濟(jì)與管

理,2015,29(4):58-66.

[9]沈坤榮,金剛,方嫻.環(huán)境規(guī)制引起了污染就近轉(zhuǎn)移嗎?[J].

經(jīng)濟(jì)研究,2017,52(5):44-59.

[10]李虹,鄒慶 . 環(huán)境規(guī)制、資源稟賦與城市產(chǎn)業(yè)轉(zhuǎn)型研

究——基于資源型城市與非資源型城市的對(duì)比分析

[J].經(jīng)濟(jì)研究,2018,53(11):182-198.

[11]余東華,孫婷.環(huán)境規(guī)制、技能溢價(jià)與制造業(yè)國(guó)際競(jìng)爭(zhēng)

力[J].中國(guó)工業(yè)經(jīng)濟(jì),2017(5):35-53.

[12]LIU M D,SHADBEGIAN R,ZHANG B. Does Environ‐

mental Regulation Affect Labor Demand in China? Evi‐

dence from the Textile Printing and Dyeing Industry[J].

Journal of Environmental Economics and Management,

2017,86:277-294.

[13]尹建華,弓麗棟,王森.失信懲戒與寒蟬效應(yīng)——來(lái)自

地區(qū)環(huán)保處罰記錄的經(jīng)驗(yàn)分析[J]. 科研管理,2020,

41(1):254-264.

[14]溫夢(mèng)瑤.環(huán)保處罰下的企業(yè)行為:“迎難而上”還是“避

走他鄉(xiāng)”?——來(lái)自對(duì)外直接投資的經(jīng)驗(yàn)證據(jù)[J].

會(huì)計(jì)與經(jīng)濟(jì)研究,2022,36(4):93-108.

[15]李志軍,張世國(guó),李逸飛,等.中國(guó)城市營(yíng)商環(huán)境評(píng)價(jià)及

有關(guān)建議[J].江蘇社會(huì)科學(xué),2019(2):30-42,257.

[16]張龍鵬,蔣為,周立群.行政審批對(duì)創(chuàng)業(yè)的影響研究——基

于企業(yè)家才能的視角[J].中國(guó)工業(yè)經(jīng)濟(jì),2016(4):57-74.

[17]葉文平,李新春,陳強(qiáng)遠(yuǎn).流動(dòng)人口對(duì)城市創(chuàng)業(yè)活躍度的

影響:機(jī)制與證據(jù)[J].經(jīng)濟(jì)研究,2018,53(6):157-170.

[18]霍麗霞,王陽(yáng),魏巍.中國(guó)科技人才集聚研究[J].首都

經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào),2019,21(5):13-21.

[19]鄭馨,周先波,陳宏輝,等.東山再起:怎樣的國(guó)家制度設(shè)

計(jì)能夠促進(jìn)失敗再創(chuàng)業(yè)?——基于56個(gè)國(guó)家7年混合數(shù)

據(jù)的證據(jù)[J].管理世界,2019,35(7):136-151,181.

[20]王曉東,鄧丹萱,趙忠秀.交通基礎(chǔ)設(shè)施對(duì)經(jīng)濟(jì)增長(zhǎng)的影

響——基于省際面板數(shù)據(jù)與Feder模型的實(shí)證檢驗(yàn)[J].

管理世界,2014(4):173-174.

[21]杜運(yùn)周,劉秋辰,程建青.什么樣的營(yíng)商環(huán)境生態(tài)產(chǎn)生

城市高創(chuàng)業(yè)活躍度?——基于制度組態(tài)的分析[J].

管理世界,2020,36(9):141-155.

[22]杜運(yùn)周. 組織與創(chuàng)業(yè)領(lǐng)域——組態(tài)視角下的創(chuàng)業(yè)研究[J].

管理學(xué)季刊,2019,4(3):31-41,140.

[23]LIM D S K,OH C H,CLERCQ D D. Engagement in En‐

trepreneurship in Emerging Economies:Interactive Effects

of Individual-level Factors and Institutional Conditions

[J].International Business Review,2016,25(4):933-945.

[24]CHOWDHURY F,AUDRETSCH D B,BELITSKI M. In‐

stitutions and Entrepreneurship Quality[J]. Entrepre‐

neurship Theory and Practice,2019,43(1):51-81.

[25]李青原,肖澤華.異質(zhì)性環(huán)境規(guī)制工具與企業(yè)綠色創(chuàng)新

激勵(lì)——來(lái)自上市企業(yè)綠色專利的證據(jù)[J]. 經(jīng)濟(jì)研

究,2020,55(9):192-208.

[26]徐佳,崔靜波.低碳城市和企業(yè)綠色技術(shù)創(chuàng)新[J].中國(guó)

工業(yè)經(jīng)濟(jì),2020(12):178-196.

[27]白俊紅,張藝璇,卞元超.創(chuàng)新驅(qū)動(dòng)政策是否提升城市

創(chuàng)業(yè)活躍度——來(lái)自國(guó)家創(chuàng)新型城市試點(diǎn)政策的經(jīng)驗(yàn)

證據(jù)[J].中國(guó)工業(yè)經(jīng)濟(jì),2022(6):61-78.

[28]汪偉,劉玉飛,彭冬冬.人口老齡化的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)效

應(yīng)研究[J].中國(guó)工業(yè)經(jīng)濟(jì),2015(11):47-61.

[責(zé)任編輯:余 芳,陶繼華]

— 49 —

第56頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

East China Economic Management (Vol.37,No.11)

女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的

影響研究

顧文靜a

,朱 婧b

(廣東財(cái)經(jīng)大學(xué) a.人力資源學(xué)院;b.工商管理學(xué)院,廣東 廣州 510320)

摘 要:互聯(lián)網(wǎng)沖擊使組織呈現(xiàn)大規(guī)模的扁平化和網(wǎng)絡(luò)化發(fā)展趨勢(shì),促使我們重新審視女性領(lǐng)導(dǎo)力在當(dāng)今時(shí)代的處

境和意義。文章基于社會(huì)信息加工理論,構(gòu)建女性領(lǐng)導(dǎo)者的柔性化領(lǐng)導(dǎo)力對(duì)員工二元?jiǎng)?chuàng)新影響機(jī)制的機(jī)理模型,探

討柔性領(lǐng)導(dǎo)力如何通過(guò)構(gòu)建并維持心理契約進(jìn)而影響員工的二元?jiǎng)?chuàng)新。研究以276位由女性領(lǐng)導(dǎo)者領(lǐng)導(dǎo)的企業(yè)員

工為有效樣本,應(yīng)用Smart PLS 4.0進(jìn)行結(jié)構(gòu)方程模型分析。研究結(jié)果表明,柔性領(lǐng)導(dǎo)力對(duì)員工二元?jiǎng)?chuàng)新具有顯著正

向影響,并且心理契約對(duì)兩者的關(guān)系具有中介作用,其影響同時(shí)受到工作—生活多角度責(zé)任感的調(diào)節(jié)作用??梢?jiàn),女

性特質(zhì)不是社會(huì)發(fā)展的桎梏和“絆腳石”,而是女性群體在用實(shí)際行動(dòng)向世人展示著“她力量”,無(wú)論是工作還是生

活,從女性主義到女性時(shí)代正悄然登場(chǎng)。

關(guān)鍵詞:女性領(lǐng)導(dǎo);柔性領(lǐng)導(dǎo)力;社會(huì)信息加工理論;二元?jiǎng)?chuàng)新;工作—生活多角度責(zé)任感

中圖分類號(hào):F273.1 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1007-5097(2023)11-0050-09

Research on the Impact of Female Leaders′“Flexible”Genes

on Employee Ambidextrous Innovation

GU Wenjinga

,ZHU Jingb

(a. School of Human Resources;b. School of Business Administration,

Guangdong University of Finance & Economics,Guangzhou 510320,China)

Abstract:The impact of the Internet has led to a large-scale flattening and networked development trend in organiza‐

tions,prompting us to re-examine the situation and significance of female leadership in today's era. Based on the theory

of social information processing,this paper constructs a mechanism model of the impact of flexible leadership of female

leaders on employee ambidextrous innovation,and explores how flexible leadership can influence employee ambidextrous

innovation by constructing and maintaining psychological contracts. This study uses 276 enterprise employees led by fe‐

male leaders as effective samples and applies Smart PLS 4.0 for structural equation model analysis. The research results

indicate that flexible leadership has a significant positive impact on employee ambidextrous innovation;and psychological

contracts have a mediating effect on the relationship between the two,which is also moderated by the sense of responsibil‐

ity from multiple perspectives of work-life. It can be seen that female characteristics is not the shackles and“stumbling

blocks”of social development,but rather the fact that female groups are demonstrating“her power”to the world through

practical actions,whether in work or life,from feminism to the female era.

Key words:female leader;flexible leadership;social information processing theory;ambidextrous innovation;work-life

multi-role responsibility

一、引 言

管理大師彼得·德魯克曾預(yù)言,“時(shí)代的轉(zhuǎn)變,

正好符合女性的特質(zhì)”。隨著社會(huì)的發(fā)展進(jìn)步,曾

經(jīng)“一人當(dāng)先,萬(wàn)人跟從”的領(lǐng)導(dǎo)風(fēng)格將逐漸被“多

元包容、融合共創(chuàng)”取代,代際價(jià)值觀的差異逐步成

為職場(chǎng)領(lǐng)導(dǎo)力真正的主宰,即沒(méi)有絕對(duì)的掌控和無(wú)

條件的服從。Daniel Pink提出的驅(qū)動(dòng)力3.0(自主、

專精、使命)也正在走向4.0(自主、專精、使命、成為

渴望的自己),顯而易見(jiàn),女性領(lǐng)導(dǎo)者曾經(jīng)的“劣勢(shì)”

——不爭(zhēng)功、不占位——在一些特定情境下恰恰為

其提供了開(kāi)放的空間和舞臺(tái)。與此同時(shí),女性領(lǐng)導(dǎo)

者也越來(lái)越多地承擔(dān)起企業(yè)創(chuàng)新和企業(yè)變革的重

●開(kāi)放與創(chuàng)新 [DOI]10.19629/j.cnki.34-1014/f.221111002

收稿日期:2022-11-11

作者簡(jiǎn)介:顧文靜(1979—),女,江蘇常熟人,教授,碩士生導(dǎo)師,博士,研究方向:人力資源管理與領(lǐng)導(dǎo)學(xué);

朱 婧(1999—),女,吉林敦化人,碩士研究生,研究方向:人力資源管理與組織行為學(xué)。

— 50 —

第57頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

任。為此,女性領(lǐng)導(dǎo)者的柔性化領(lǐng)導(dǎo)力逐漸成為她

們?cè)谛聲r(shí)代領(lǐng)導(dǎo)力成長(zhǎng)和發(fā)展的重要機(jī)遇,而柔性

化領(lǐng)導(dǎo)力涉及方方面面,如思維方式、創(chuàng)造力、非強(qiáng)

制性喚起員工心理響應(yīng)的感召力、面對(duì)VUCA時(shí)代

紛繁變化環(huán)境的方向感、以坦然平和心態(tài)去適應(yīng)變

化的影響力以及變領(lǐng)導(dǎo)者意圖和組織目標(biāo)為員工

自覺(jué)行為的執(zhí)行力等[1-2]

。此外,目前沒(méi)有研究直

接證明女性的成就動(dòng)機(jī)和權(quán)力動(dòng)機(jī)一定比男性弱,

這僅是現(xiàn)代社會(huì)亞文化強(qiáng)加于女性身上的“標(biāo)簽”。

且2021年在Fortune 500強(qiáng)中女性CEO所占比例約

為 8.2%;從個(gè)人表現(xiàn)來(lái)看柳青從高盛轉(zhuǎn)行至滴滴

出行,從投行到創(chuàng)業(yè),入職幾個(gè)月成功完成七億美

金的融資項(xiàng)目,僅僅花了一年的時(shí)間由首席運(yùn)營(yíng)官

成為滴滴出行的總裁。顯而易見(jiàn),女性領(lǐng)導(dǎo)力逐漸

得到了學(xué)界和業(yè)界的普遍認(rèn)同。這個(gè)時(shí)代最大的

紅利,其實(shí)是大部分人對(duì)女性崛起還缺乏準(zhǔn)備,傳

統(tǒng)的“性別優(yōu)勢(shì)”和“刻板印象”的不可抗性正在一

點(diǎn)點(diǎn)被瓦解,因此,女性特質(zhì)與領(lǐng)導(dǎo)角色的關(guān)系由

“沖突”“矛盾”向“匹配”“協(xié)同”轉(zhuǎn)變[3-4]

。

縱觀現(xiàn)有文獻(xiàn),盡管已積累了一些有關(guān)女性領(lǐng)

導(dǎo)力和員工心理、組織行為的研究成果,但研究女

性領(lǐng)導(dǎo)力的柔性化管理相對(duì)較少,存在一定程度的

局限和空白。領(lǐng)導(dǎo),既是領(lǐng)導(dǎo)者,也是一種行為過(guò)

程[5]

,領(lǐng)導(dǎo)者在組織或群體中展開(kāi)領(lǐng)導(dǎo)工作、產(chǎn)生

吸引力、獲取信任感、贏得追隨者等這些影響力的

實(shí)現(xiàn),均有賴于柔性管理。基于現(xiàn)有研究,本研究

將著重分析女性領(lǐng)導(dǎo)者的柔性領(lǐng)導(dǎo)力對(duì)員工二元

創(chuàng)新行為的影響效應(yīng)。根據(jù)社會(huì)信息加工理論,領(lǐng)

導(dǎo)作為組織中重要的信息來(lái)源,為組織中的員工提

供各種信息線索,而員工依據(jù)所獲得的信息形成自

身的感知、態(tài)度和行為[6]

。柔性領(lǐng)導(dǎo)力被視為一種

元能力,其包含多個(gè)狹義的組成部分,如廣泛的行

為技能、發(fā)展的學(xué)習(xí)方向、在新情況下保持開(kāi)放學(xué)

習(xí)的能力等[7]?;诖耍狙芯空J(rèn)為柔性化領(lǐng)導(dǎo)

力是二元?jiǎng)?chuàng)新的一個(gè)影響因素,是組織創(chuàng)新的戰(zhàn)

略性決定因素。此外,根據(jù)工作要求—資源模型

(JD-R)中的增益路徑,員工的基本心理需求(如勝

任、自主、關(guān)系需求)得到滿足,會(huì)激發(fā)他們的工作

動(dòng)機(jī),促進(jìn)其產(chǎn)生創(chuàng)造力[8]

,恰當(dāng)且舒適的心理契

約促使員工在組織中獲得所需資源和心理需求,在

員工內(nèi)部產(chǎn)生了回報(bào)組織并幫助其實(shí)現(xiàn)目標(biāo)的義

務(wù)感[9-10]

,進(jìn)而激勵(lì)其從事二元?jiǎng)?chuàng)新行為。社會(huì)信

息加工理論還指出,通過(guò)個(gè)體信息加工處理而形

成個(gè)體自我感知和態(tài)度的過(guò)程,除了會(huì)受到信息本

身特征的影響之外,還會(huì)受到信息加工者自身相關(guān)

因素的影響[11]

。員工個(gè)體的多重角色在工作和生

活中所需要承擔(dān)的責(zé)任感可以很好地解釋員工如

何應(yīng)對(duì)和完成創(chuàng)新行為和組織任務(wù)。因此,在明確

柔性化領(lǐng)導(dǎo)對(duì)員工心理契約及二元?jiǎng)?chuàng)新行為的影

響機(jī)制后,本研究進(jìn)一步引入工作—生活多角度責(zé)

任感作為調(diào)節(jié)變量,以解釋該影響機(jī)制的邊界

條件。

綜上,本研究以社會(huì)信息加工理論為理論基

礎(chǔ),擬探討女性領(lǐng)導(dǎo)者的柔性化領(lǐng)導(dǎo)力是否會(huì)激發(fā)

員工的二元?jiǎng)?chuàng)新行為,以及心理契約在兩者關(guān)系中

的中介作用,并進(jìn)一步考察工作—生活多角度責(zé)任

感的邊界作用,爭(zhēng)取為女性領(lǐng)導(dǎo)者的發(fā)展和成長(zhǎng)提

供一個(gè)更為廣闊的空間,對(duì)于挖掘女性領(lǐng)導(dǎo)力的核

心內(nèi)涵和存在價(jià)值具有一定的理論意義;同時(shí),相

關(guān)研究結(jié)果對(duì)于企業(yè)給予女性領(lǐng)導(dǎo)者更多的發(fā)揮

空間和商業(yè)價(jià)值,以及在理想啟發(fā)、利益磋商、愿景

共享等方面最大程度地發(fā)揮其優(yōu)勢(shì),同樣具有較強(qiáng)

的實(shí)踐價(jià)值[12-13]

。

二、文獻(xiàn)綜述和研究假設(shè)

(一)柔性領(lǐng)導(dǎo)力與員工二元?jiǎng)?chuàng)新

創(chuàng)新行為要求在整個(gè)組織中擅長(zhǎng)探索和利用

想法[14]

。然而想法和創(chuàng)新并不能自行蓬勃發(fā)展,

研究表明,組織必須培養(yǎng)和促進(jìn)員工的主動(dòng)創(chuàng)新、

二元?jiǎng)?chuàng)新等外部行為[15]

,在這些行為中,想法雖由

員工發(fā)起和實(shí)施,但領(lǐng)導(dǎo)是員工在組織中重要的

關(guān)系人,其領(lǐng)導(dǎo)風(fēng)格將影響員工的個(gè)體認(rèn)知與情

感,對(duì)其創(chuàng)新行為產(chǎn)生影響。社會(huì)信息加工理論

(SIP 理論)認(rèn)為,個(gè)體的活動(dòng)和行為并非憑空產(chǎn)

生,通常會(huì)受到復(fù)雜的、模糊的社會(huì)情境的影響,

并憑借獲取的信息形成自我感知、態(tài)度和行為[16]

。

SIP理論強(qiáng)調(diào)員工個(gè)體認(rèn)知與學(xué)習(xí)的重要性,員工

依靠來(lái)自領(lǐng)導(dǎo)的線索和信號(hào)對(duì)獲得的信息進(jìn)行比

較篩選,從中挖掘契合個(gè)體發(fā)展需要的相關(guān)信息,

以便確認(rèn)他們?nèi)绾握J(rèn)知和解讀組織中的環(huán)境,然

后相應(yīng)地設(shè)置或調(diào)節(jié)他們的認(rèn)知以適應(yīng)環(huán)境,進(jìn)

而做出適當(dāng)?shù)男袨闆Q策[17-18]

。而領(lǐng)導(dǎo)者是信息的

重要來(lái)源,其掌握組織發(fā)展的物質(zhì)、技術(shù)、人才等

重要的信息資源,柔性領(lǐng)導(dǎo)力對(duì)員工創(chuàng)新行為的

影響,通常來(lái)自員工對(duì)領(lǐng)導(dǎo)者所釋放信息的感知

和對(duì)領(lǐng)導(dǎo)榜樣角色的學(xué)習(xí)[19-20]。因此,女性領(lǐng)導(dǎo)

者的柔性言論和行為為組織成員提供了一定的線

— 51 —

第58頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

索,所傳遞出的信息會(huì)使員工形成對(duì)其行為規(guī)范

的認(rèn)知和理解,進(jìn)而根據(jù)預(yù)判不斷調(diào)整修正個(gè)人

行為,從而獲得創(chuàng)造性的表現(xiàn)。

根據(jù)社會(huì)信息加工理論,個(gè)體會(huì)根據(jù)所處社

會(huì)環(huán)境塑造個(gè)人態(tài)度和行為[6]。員工基于經(jīng)驗(yàn)

形成的認(rèn)知會(huì)長(zhǎng)期儲(chǔ)存于記憶中,并時(shí)刻對(duì)其自

身接觸的信息感知、處理以及行為產(chǎn)生影響[21]。

一方面,柔性化領(lǐng)導(dǎo)向組織成員傳遞出一種積極

的信號(hào),如鼓勵(lì)組織成員敢想敢做、敢于突破探

索、勇于變革顛覆,同時(shí)包容其在革新過(guò)程中的錯(cuò)

誤和不足并給予及時(shí)有效地指導(dǎo)[22]

,減少因糾結(jié)

擔(dān)責(zé)而規(guī)避風(fēng)險(xiǎn)的負(fù)面情緒,支持他們超越預(yù)期,

質(zhì)疑現(xiàn)有產(chǎn)品、服務(wù)或能力的發(fā)展。而員工在獲

得積極的信號(hào)和有效的激勵(lì)后,會(huì)將其視為一種

重要的、有價(jià)值的組織線索,即受到重視、信任和

包容,進(jìn)而推動(dòng)其個(gè)體不斷嘗試新探索、提出新創(chuàng)

意、挖掘新知識(shí)、激發(fā)創(chuàng)新不竭動(dòng)力和高漲熱情,

可以有力地推動(dòng)探索式創(chuàng)新行為[23]

。另一方面,

柔性“基因”會(huì)通過(guò)分配時(shí)間、重視員工需求、為員

工提供學(xué)習(xí)和自我發(fā)展的機(jī)會(huì)等,關(guān)注員工的個(gè)

人需求,關(guān)注員工與組織的多元化發(fā)展,認(rèn)可員工

的工作成果及其為組織貢獻(xiàn)的個(gè)人力量,在一定

程度上彰顯出領(lǐng)導(dǎo)者對(duì)其有較高的創(chuàng)新期待和績(jī)

效期望[24]

?,F(xiàn)有研究表明,柔性化領(lǐng)導(dǎo)可以組織

員工共同分析解決問(wèn)題的方案和應(yīng)對(duì)措施,以優(yōu)

化組織流程,實(shí)現(xiàn)組織高效管理,從而提高組織的

運(yùn)作效率和知識(shí)技術(shù)存量,最終推動(dòng)組織利用式

創(chuàng)新行為[25]

?;诖耍疚奶岢黾僭O(shè)1。

H1:柔性領(lǐng)導(dǎo)力對(duì)員工二元?jiǎng)?chuàng)新(探索式創(chuàng)新

和利用式創(chuàng)新)產(chǎn)生顯著的正向影響。

(二)心理契約的中介作用

作為工作資源的重要組成部分,心理契約對(duì)組

織或團(tuán)隊(duì)成員的工作態(tài)度和行為具有重要影響。

Schein最先提出心理契約的概念[26]

,強(qiáng)調(diào)組織與個(gè)

體成員之間的一系列相互期望不僅包括以多少報(bào)

酬完成多少工作,還包括一整套義務(wù)、特權(quán)和權(quán)力[27]

,

心理契約不僅試圖超越法律雇傭合同的限制—關(guān)

注工作的正式方面,而且更多考慮與員工管理相關(guān)

的一些主觀和規(guī)范因素[28-29]

。心理契約的本質(zhì)就

是一種社會(huì)交換關(guān)系,即個(gè)體一方面努力為組織工

作付諸努力,另一方面同樣期待組織可以給予相應(yīng)

的回報(bào),反之亦然。根據(jù)工作要求—資源模型

(JD-R),工作資源能調(diào)節(jié)工作要求對(duì)員工心理及

行為的影響,對(duì)于特定的工作要求,相應(yīng)的工作資

源支持(組織支持、工作自主權(quán))可以減輕工作任務(wù)

對(duì)員工的負(fù)面影響[30-31]

。柔性化“基因”關(guān)注員工

的心理訴求,明確員工個(gè)性,注重上下級(jí)關(guān)系的培

養(yǎng)與維護(hù),認(rèn)可員工的有效輸出和個(gè)人貢獻(xiàn),當(dāng)員

工在組織內(nèi)獲取了足夠的資源時(shí),員工對(duì)領(lǐng)導(dǎo)者這

一角色的心理預(yù)期與真實(shí)感受相互融合[32]

,會(huì)積極

履行心理契約,在企業(yè)提供工作報(bào)酬、認(rèn)可、表?yè)P(yáng)以

及良好的工作環(huán)境和人際氛圍的激勵(lì)下,其自身主

動(dòng)提升工作投入水平,更加積極主動(dòng)從事組織活

動(dòng),使自己形成創(chuàng)造性的工作動(dòng)力而促進(jìn)二元?jiǎng)?chuàng)新

行為[33]

??梢?jiàn),心理契約的建立和維持會(huì)向員工發(fā)

出信號(hào),表明他們是組織中有價(jià)值的成員,這種無(wú)

形的工作資源會(huì)大大提高員工對(duì)其在組織中重要

程度和信任程度的感知,形成對(duì)組織回報(bào)的義務(wù)

感,進(jìn)而積極主動(dòng)投入創(chuàng)造性活動(dòng)和創(chuàng)新行為?;?/p>

于此,本文提出假設(shè)2、假設(shè)3和假設(shè)4。

H2:柔性領(lǐng)導(dǎo)力對(duì)心理契約產(chǎn)生顯著的正向

影響。

H3:心理契約對(duì)員工二元?jiǎng)?chuàng)新(探索式創(chuàng)新和

利用式創(chuàng)新)產(chǎn)生顯著的正向影響。

H4:心理契約在柔性領(lǐng)導(dǎo)力影響員工二元?jiǎng)?chuàng)

新(探索式創(chuàng)新和利用式創(chuàng)新)過(guò)程中起顯著的中

介作用。

(三)工作—生活多角度責(zé)任感的調(diào)節(jié)作用

組織成員的多重角色和身份所需承擔(dān)的責(zé)任

與使命相互沖突且牽制,作為個(gè)體,每個(gè)人的活動(dòng)

無(wú)非是自我、工作和家庭領(lǐng)域,需要平衡和整合三

種角色的共同價(jià)值,明確各種角色的期望以及對(duì)

各種角色應(yīng)承擔(dān)的責(zé)任。在組織活動(dòng)中,員工行

為不僅受到工作場(chǎng)所內(nèi)信息線索的影響,還會(huì)受

到家庭領(lǐng)域的影響。工作和生活的平衡被概念

化,個(gè)人在不同生活角色中的定位,是一種相互影

響的現(xiàn)象,如在工作和家庭中的滿意度和良好的

運(yùn)作,使角色沖突最小化,或者一種令人滿意、健

康和富有成效的生活,包括工作、娛樂(lè)和愛(ài)情,將

一系列生活活動(dòng)與關(guān)注自我、個(gè)人和精神發(fā)展相

結(jié)合,并表達(dá)出一個(gè)人獨(dú)特的愿望和興趣[34]

。組

織行為學(xué)研究表明,多重角色扮演對(duì)組織成員的

心理健康和福祉會(huì)產(chǎn)生積極或消極的影響[35-36],

會(huì)影響組織成員對(duì)領(lǐng)導(dǎo)力、組織行為的認(rèn)識(shí)、反

應(yīng)和解讀。Lewis 和 Cooper(2005)通過(guò)訪談總結(jié)

了管理者和組織成員在工作—生活領(lǐng)域應(yīng)該具備

— 52 —

第59頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

的責(zé)任感,主要集中于自我、工作和家庭方面,如保

持身心健康、完成職位規(guī)定的工作目標(biāo)和任務(wù)、為伴

侶和子女提供情感支持并履行家庭職責(zé)等[37]

。此

外,社會(huì)信息加工理論也指出,員工對(duì)信息進(jìn)行加工

處理進(jìn)而形成自我認(rèn)知的過(guò)程,會(huì)受到信息加工者

自身?xiàng)l件的制約[38]

,本研究則認(rèn)為,個(gè)體的工作—

生活多角度責(zé)任感不同,即使面對(duì)同一程度的柔性

化領(lǐng)導(dǎo)力,也會(huì)產(chǎn)生不同程度的感知和行為反應(yīng)。

對(duì)于工作—生活多角度責(zé)任感較高的員工,他們可

以輕松完成家庭角色向工作角色的轉(zhuǎn)變,不容易受

到家庭對(duì)工作的干擾,而對(duì)于工作—生活多角度責(zé)

任感較低的員工,這種跨越和轉(zhuǎn)變會(huì)變得異常困難。

無(wú)論是家庭中的角色,抑或是工作中的角色,一種角

色作用于另一種角色,當(dāng)這種作用形成經(jīng)驗(yàn)并產(chǎn)生

積極影響時(shí),就實(shí)現(xiàn)了工作與家庭的有效結(jié)合[39-40]

更有研究證明,多重角色的兼顧和體驗(yàn)感遠(yuǎn)超過(guò)成

員從單一角色中感受到的同等效果,一種角色責(zé)任

的擔(dān)當(dāng)對(duì)另一種角色的影響潛移默化[41-42]

,當(dāng)在一

個(gè)領(lǐng)域獲得的收益轉(zhuǎn)移到另一個(gè)領(lǐng)域并增強(qiáng)其功

能時(shí),就會(huì)發(fā)生促進(jìn)作用。先前的研究結(jié)果表明,工

作家庭沖突與消極的工作態(tài)度和后果有關(guān),包括較

低的整體工作滿意度和更大的離職傾向。由于多

個(gè)角色的存在,角色沖突和角色超載而經(jīng)歷角色緊

張,強(qiáng)調(diào)工作與生活的“和諧共生”,有助于協(xié)調(diào)人們

在工作和生活中的多角色責(zé)任,規(guī)避工作和家庭成

為對(duì)立面的可能和沖突。基于此,本文提出假設(shè)5。

H5:工作—生活多角度責(zé)任感在柔性領(lǐng)導(dǎo)力

影響員工二元?jiǎng)?chuàng)新(探索式創(chuàng)新和利用式創(chuàng)新)的

過(guò)程中起顯著調(diào)節(jié)作用。

綜上,本文的研究模型如圖1所示。

*\"

>B



)

)

)

)

)

)3

fflM

圖1 研究模型

三、研究設(shè)計(jì)

(一)樣本收集

因研究目標(biāo)對(duì)于情境的需求,受訪樣本均是中

國(guó)情境下被女性領(lǐng)導(dǎo)者領(lǐng)導(dǎo)的組織成員,其中女性

領(lǐng)導(dǎo)大多是企業(yè)中層管理者,突出特點(diǎn)是“忙”,中

層位置特殊,不僅需要承上啟下、上傳下達(dá),更要身

先士卒、帶隊(duì)沖鋒,故研究聚焦于中層管理者中的

女性領(lǐng)導(dǎo)者更具普適性和實(shí)踐意義。通過(guò)實(shí)地調(diào)

研和網(wǎng)絡(luò)問(wèn)卷調(diào)研結(jié)合的研究方法,于2022年1月

至2022年4月開(kāi)展問(wèn)卷發(fā)放,歷時(shí)4個(gè)月共回收問(wèn)

卷338份,其中有效問(wèn)卷274份,有效率為81.07%。

調(diào)查問(wèn)卷統(tǒng)計(jì)特征顯示(見(jiàn)表1所列):男女比例接

近1∶1,151名男性占55.11%,31~45歲年齡段所占

比例最大,為44.89%;依據(jù)Lewis和Churchill(1983)

的企業(yè)生命周期理論[43]

,將企業(yè)發(fā)展階段劃分為初

創(chuàng)階段、發(fā)展階段、成熟階段和衰退階段,其中調(diào)研

企業(yè)多為發(fā)展階段,占比 56.20%,其次是創(chuàng)業(yè)階

段,占比 28.47%;從行業(yè)分布來(lái)看,受訪者多是服

務(wù)行業(yè),主要分布在咨詢與教育培訓(xùn)和互聯(lián)網(wǎng)行

業(yè),分別占比27.37%和25.55%;參與者中本科學(xué)歷

占比47.81%,碩士研究生學(xué)歷及以上占比19.71%。

表1 樣本基本信息

類別

性別

學(xué)歷

年齡

人口學(xué)特征

高中及以下

大專

本科

碩士及以上

30歲以下

31~45歲

45歲以上

數(shù)量

151

123

40

49

131

54

93

123

58

占比%

55.11

44.89

14.60

17.88

47.81

19.71

33.94

44.89

21.17

類別

行業(yè)

企業(yè)

發(fā)展

階段

人口學(xué)特征

互聯(lián)網(wǎng)

金融保險(xiǎn)

批發(fā)零售

咨詢與教育培訓(xùn)

健康管理

初創(chuàng)階段

發(fā)展階段

成熟階段

衰退階段

數(shù)量

70

40

37

75

52

78

154

31

11

占比%

25.55

14.60

13.50

27.37

18.98

28.47

56.20

11.31

4.02

(二)變量測(cè)量

本研究參考以往學(xué)者研究中相對(duì)成熟的量表,

并結(jié)合研究主題修正和改編測(cè)量量表,采用李克特

5級(jí)量表,共構(gòu)建“柔性領(lǐng)導(dǎo)力”“心理契約”“工作—

生活多角度責(zé)任感”和“二元?jiǎng)?chuàng)新”四個(gè)維度指標(biāo)。

具體來(lái)看:①關(guān)于柔性領(lǐng)導(dǎo)力,學(xué)者研究多認(rèn)

— 53 —

第60頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

為其與變革型領(lǐng)導(dǎo)風(fēng)格具有較強(qiáng)的相似性,因此借

鑒變革型領(lǐng)導(dǎo)風(fēng)格的測(cè)量量表對(duì)柔性領(lǐng)導(dǎo)力進(jìn)行

測(cè)量,本文結(jié)合研究主題,采用李超平和時(shí)勘的量

表測(cè)量柔性領(lǐng)導(dǎo)力,即領(lǐng)導(dǎo)魅力、感召力、榜樣示

范、個(gè)性關(guān)懷四個(gè)維度[44]

;②參照Rousseau(2000)

和李原等(2006)學(xué)者結(jié)合中國(guó)情景開(kāi)發(fā)的心理契

約量表,對(duì)量表?xiàng)l目進(jìn)行適當(dāng)改編,形成以下三個(gè)

維度:規(guī)范、人際和發(fā)展[45-46]

;③參照 Lewis 和 Coo‐

per(2005)訪談總結(jié)對(duì)于工作—家庭多角度責(zé)任感

的測(cè)量表,將其劃分為三個(gè)維度:自我、工作和家

庭[37]

;④二元?jiǎng)?chuàng)新的測(cè)量同樣包括兩個(gè)維度,即探

索式創(chuàng)新和利用式創(chuàng)新,在充分探討兩者的內(nèi)涵之

后,借鑒 Jansen 等(2006)、焦豪等(2011)基于二元

性創(chuàng)新的測(cè)量量表,將二元性創(chuàng)新的測(cè)量量表設(shè)計(jì)

為8個(gè)題項(xiàng),其中探索式創(chuàng)新包含4個(gè)題項(xiàng),利用式

創(chuàng)新包含4個(gè)題項(xiàng)[47-48]

。同時(shí)本文將年齡、性別和

工作年限作為控制變量。此外,使用 SPSS 26.0 軟

件進(jìn)行效度檢驗(yàn),KMO為0.955(>0.8),這一結(jié)果表

明,該量表具有良好的信度和效度,各變量之間具

有內(nèi)部一致性。

四、研究結(jié)果

(一)相關(guān)系數(shù)分析

Pearson相關(guān)系數(shù)分析結(jié)果見(jiàn)表2所列。皮爾

遜相關(guān)矩陣模型(CMM)評(píng)估潛在變量之間的相互

關(guān)系。柔性領(lǐng)導(dǎo)力和心理契約之間的相關(guān)系數(shù)值

為 0.487(p<0.05),則兩者之間存在顯著的正相關(guān)

關(guān)系;柔性領(lǐng)導(dǎo)力和二元?jiǎng)?chuàng)新之間的相關(guān)系數(shù)值為

0.597(p<0.05),則兩者之間存在顯著的正相關(guān)關(guān)

系;同理可得,各變量間具有較高的相關(guān)性。

表2 相關(guān)系數(shù)分析

變量

柔性領(lǐng)導(dǎo)力

心理契約

工作—生活多角

度責(zé)任感

二元?jiǎng)?chuàng)新

柔性

領(lǐng)導(dǎo)力

1.000

0.487**

0.683***

0.597**

心理

契約

1.000

0.775***

0.762***

工作—生活

多角度責(zé)任感

1.000

0.807***

二元

創(chuàng)新

1.000

注:**、***表示5%、1%的顯著性水平。下同

(二)驗(yàn)證性因素分析

驗(yàn)證性因素分析(CFA)結(jié)果見(jiàn)表3所列,可以

看出,各變量的組成信度(CR)在0.917~0.968之間

(>0.6),則各變量間的內(nèi)部一致性較高,平均抽取

變異量(AVE)在0.699~0.817之間(>0.5),則各變量

間具有較高的信度和收斂效度[49-50]

表3 驗(yàn)證性因素分析

變量

柔性領(lǐng)導(dǎo)力

(FL)

心理契約

(PC)

工作—生活

多角度

責(zé)任感

(WL)

二元?jiǎng)?chuàng)新

(AI)

題項(xiàng)

FL1

FL2

FL3

FL4

FL5

FL6

FL7

FL8

PC1

PC2

PC3

PC4

PC5

PC6

WL1

WL2

WL3

WL4

WL5

WL6

AI1

AI2

AI3

AI4

AI5

AI6

AI7

AI8

p

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

Mean

3.818

3.741

3.891

3.843

3.748

3.755

3.818

3.785

3.099

3.168

3.423

3.161

3.299

3.558

3.383

3.303

3.394

3.42

3.606

3.664

3.533

3.361

3.453

3.365

3.551

3.471

3.416

3.464

標(biāo)準(zhǔn)偏差

(SD)

0.860

0.864

0.877

0.872

0.854

0.838

0.848

0.855

0.987

0.976

0.898

0.974

0.935

0.887

0.898

0.970

0.958

0.957

0.862

0.878

0.863

0.927

0.879

0.931

0.837

0.872

0.877

0.872

組合信度

(CR)

0.967

0.944

0.917

0.968

平均抽取

變異量(AVE)

0.806

0.778

0.699

0.817

(三)區(qū)分效度

測(cè)量模型的區(qū)分效度見(jiàn)表4所列,對(duì)角線上加

粗的數(shù)值表示AVE開(kāi)根號(hào)。本研究采用Fornell和

Larcker(1981)的建議檢驗(yàn)區(qū)分效度,即每一變量

AVE開(kāi)根號(hào)需大于它和所有其他變量之間相關(guān)性,

結(jié)果表明本研究具有較好的區(qū)分效度[49]

。

表4 區(qū)分效度

變量

柔性領(lǐng)導(dǎo)力

心理契約

工作—生活多角度責(zé)任感

二元?jiǎng)?chuàng)新

平均抽取變異量(AVE)

柔性

領(lǐng)導(dǎo)力

0.898

0.503

0.732

0.615

0.806

心理

契約

0.882

0.822

0.798

0.778

工作—生活

多角度責(zé)任感

0.836

0.821

0.699

二元

創(chuàng)新

0.904

0.817

(四)研究假設(shè)檢驗(yàn)

如圖2所示和表5所列,在本研究模型中,柔性

領(lǐng)導(dǎo)力(FL)顯著影響員工二元?jiǎng)?chuàng)新(AL)(β=0.487,

p<0.01),柔性領(lǐng)導(dǎo)力顯著影響心理契約(PC)(β=

0.296,p<0.01),心理契約顯著影響員工二元?jiǎng)?chuàng)新

— 54 —

第61頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

(β=0.619,p<0.01),因此,H1、H2、H3均得以驗(yàn)證,進(jìn)

而檢驗(yàn)心理契約在柔性領(lǐng)導(dǎo)力與員工二元?jiǎng)?chuàng)新之

間的中介作用(β =0.301,p<0.01),從而 H4 得以

驗(yàn)證。

1$ 1$ 1$ 1$ 1$ 1$

\"*

\"*

\"*

\"*

\"*

\"*

\"*

\"*

'-

'-

'-

'-

'-

'-

'-

'-

fflM 

)3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

注:FL=柔性領(lǐng)導(dǎo)力;PC=心理契約;WL=工作—生活多角度責(zé)任感;AI=二元?jiǎng)?chuàng)新

圖2 結(jié)構(gòu)方程模型

表5 研究假設(shè)檢驗(yàn)結(jié)果

檢驗(yàn)路徑

H1:

H2:

H3:

H4:

柔性領(lǐng)導(dǎo)力→二元?jiǎng)?chuàng)新

柔性領(lǐng)導(dǎo)力→心理契約

心理契約→二元?jiǎng)?chuàng)新

柔性領(lǐng)導(dǎo)力→心理契約→二元?jiǎng)?chuàng)新

直接效應(yīng)(β)

0.296***

0.487***

0.619***

間接效應(yīng)(β)

0.301***

T

8.421

7.333

3.867

5.486

P

0

0

0

0

Hypotheses

Supported

Supported

Supported

Supported

(五)調(diào)節(jié)效應(yīng)檢驗(yàn)

見(jiàn)表6所列,報(bào)告工作—生活多角度責(zé)任感的

調(diào)節(jié)作用檢驗(yàn)結(jié)果,經(jīng)假設(shè)檢驗(yàn)和簡(jiǎn)單斜率圖分

析(圖 3),工作—生活多角度責(zé)任感對(duì)女性領(lǐng)導(dǎo)

力與員工二元?jiǎng)?chuàng)新之間的關(guān)系具有正向調(diào)節(jié)作用

(β=0.057,P<0.01,T>1.96),從而H5得以驗(yàn)證。

表6 調(diào)節(jié)效應(yīng)檢驗(yàn)

檢驗(yàn)路徑

柔性領(lǐng)導(dǎo)力→二元?jiǎng)?chuàng)新

工作—生活多角度責(zé)任感→二元?jiǎng)?chuàng)新

工作—生活多角度責(zé)任感×柔性領(lǐng)導(dǎo)力→二元?jiǎng)?chuàng)新

非標(biāo)準(zhǔn)化系數(shù)

0.165

0.454

0.057

標(biāo)準(zhǔn)化系數(shù)

0.168

0.446

0.061

標(biāo)準(zhǔn)誤差

0.061

0.095

0.019

T

2.072

4.767

3.046

P

0.000

0.000

0.000



















MPX '- IJHI '-

MPX 8- IJHI 8-

圖3 工作—生活多角度責(zé)任感的調(diào)節(jié)作用

五、結(jié)論與啟示

(一)結(jié)論

本研究應(yīng)用被女性領(lǐng)導(dǎo)者領(lǐng)導(dǎo)的員工問(wèn)卷數(shù)

據(jù)考察了柔性領(lǐng)導(dǎo)力影響員工二元?jiǎng)?chuàng)新的作用機(jī)

理,具體結(jié)論如下:柔性領(lǐng)導(dǎo)力對(duì)員工二元?jiǎng)?chuàng)新產(chǎn)

生顯著的正向影響;心理契約在柔性領(lǐng)導(dǎo)力影響員

工二元?jiǎng)?chuàng)新的過(guò)程中產(chǎn)生顯著的中介作用;工作—

生活多角度責(zé)任感在柔性領(lǐng)導(dǎo)力影響員工二元?jiǎng)?chuàng)

新的過(guò)程中起顯著的調(diào)節(jié)作用。這一結(jié)論證實(shí)了

前文提出的思考和邏輯,柔性化領(lǐng)導(dǎo)力通過(guò)組織的

支持、不同觀點(diǎn)的表達(dá)、創(chuàng)造性的想象力以及員工

— 55 —

第62頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

跳脫固有框架的行為和思維,促進(jìn)創(chuàng)新行為的產(chǎn)

生,而心理契約的建立和維持能夠指導(dǎo)企業(yè)或組

織關(guān)注員工日常狀態(tài),滿足員工內(nèi)心需求,增強(qiáng)員

工責(zé)任感,同時(shí)在工作和生活中的雙重收益可以

進(jìn)一步增加員工在組織中創(chuàng)新想法的迸發(fā)并付諸

實(shí)踐。

(二)理論意義

企業(yè)的雙元能力在很大程度上基于支持探索

和利用的組織及結(jié)構(gòu)環(huán)境,例如創(chuàng)新環(huán)境、組織信

任、結(jié)構(gòu)分化等,從而延伸出領(lǐng)導(dǎo)風(fēng)格如何促進(jìn)員

工創(chuàng)新這一研究主題,但卻沒(méi)有考慮創(chuàng)新的強(qiáng)度問(wèn)

題,即探索式創(chuàng)新和利用式創(chuàng)新。先前的一些研究

已對(duì)變革型和交易型領(lǐng)導(dǎo)風(fēng)格如何影響探索式和

利用式創(chuàng)新進(jìn)行了實(shí)證研究,而本研究聚焦于柔性

化領(lǐng)導(dǎo)力對(duì)不同強(qiáng)度創(chuàng)新行為的影響來(lái)深化分析,

旨在通過(guò)強(qiáng)調(diào)領(lǐng)導(dǎo)風(fēng)格的某些方面對(duì)于促進(jìn)創(chuàng)新

的重要作用,以提供更多有價(jià)值的信息。當(dāng)前領(lǐng)導(dǎo)

力作為應(yīng)對(duì)二元性的關(guān)鍵因素仍然沒(méi)有得到充分

研究,僅有Havermans等(2015)通過(guò)定性分析指出

領(lǐng)導(dǎo)者如何執(zhí)行落實(shí)一系列領(lǐng)導(dǎo)實(shí)踐以促進(jìn)組織

的二元行為[40]

。基于此,本研究從理論上考察女性

領(lǐng)導(dǎo)者的組織貢獻(xiàn),平衡探索式創(chuàng)新和利用式創(chuàng)新

以實(shí)現(xiàn)二元?jiǎng)?chuàng)新。

理論上,關(guān)于二元?jiǎng)?chuàng)新的研究多停留于組織

層面,關(guān)于領(lǐng)導(dǎo)力與二元?jiǎng)?chuàng)新的研究多側(cè)重于組

織創(chuàng)新活動(dòng),鮮少?gòu)膫€(gè)體層面進(jìn)行研究,更少探

索個(gè)體二元?jiǎng)?chuàng)新的作用機(jī)制。本研究以社會(huì)信

息加工理論為基礎(chǔ),聚焦于女性的柔性領(lǐng)導(dǎo)力與

員工的動(dòng)態(tài)交換關(guān)系,相關(guān)研究不應(yīng)該僅僅限制

于女性本身,而應(yīng)針對(duì)這種“心理性別”的反應(yīng),

關(guān)注點(diǎn)應(yīng)該從單純的生理性別轉(zhuǎn)向心理性別即

性別特質(zhì)方面,故本研究是對(duì)過(guò)往關(guān)于女性領(lǐng)導(dǎo)

力研究的一次深層次拓展,豐富現(xiàn)代領(lǐng)導(dǎo)力領(lǐng)域

的研究?jī)?nèi)容和作用邊界。此外研究將工作—生

活多角度責(zé)任感作為調(diào)節(jié)變量,就工作和生活的

角色而言,同時(shí)處理家庭和工作多重角色的壓力

對(duì)員工的創(chuàng)新行為和工作績(jī)效產(chǎn)生顯著的影響,

從而充分了解員工,尤其是女性員工的角色沖突

以及責(zé)任承擔(dān)。工作和生活的平衡感和責(zé)任感

不僅解釋了柔性領(lǐng)導(dǎo)力對(duì)員工二元?jiǎng)?chuàng)新的正向

影響機(jī)制,亦為員工或部分女性領(lǐng)導(dǎo)者利用該機(jī)

制制定管理策略和組織文化提供了一定的理論

依據(jù)。

(三)管理啟示

1. 聚焦柔性“基因”組織定位,留存領(lǐng)導(dǎo)獨(dú)特

魅力

柔性化領(lǐng)導(dǎo)是管理探索式創(chuàng)新和利用式創(chuàng)新

的關(guān)鍵因素,這啟示管理者要重視柔性領(lǐng)導(dǎo)力的魅

力并將其運(yùn)用得恰到好處。具體來(lái)說(shuō),為促進(jìn)員工

的探索式創(chuàng)新,女性領(lǐng)導(dǎo)者需要考慮員工的個(gè)人價(jià)

值觀,關(guān)注員工的特殊需求,注重激勵(lì)成長(zhǎng),激發(fā)求

知欲望,為他們提供自我發(fā)展的機(jī)會(huì)。特別是注重

激勵(lì)員工付出額外的努力,探索全新的工作方式并

打破現(xiàn)狀。此外,有效的獎(jiǎng)勵(lì)制度是利用式創(chuàng)新的

最佳預(yù)測(cè)指標(biāo),通過(guò)理想化歸因使得員工認(rèn)為將女

性領(lǐng)導(dǎo)者視為榜樣并模仿是朝著理想狀態(tài)邁進(jìn)的

有效路徑,從而通過(guò)利用現(xiàn)有知識(shí)和能力來(lái)實(shí)現(xiàn)既

定目標(biāo)。女性領(lǐng)導(dǎo)應(yīng)充分發(fā)揮特有的柔性“基因”,

拒絕依賴傳統(tǒng)權(quán)威和權(quán)力以及員工的合規(guī)性,或者

可以嘗試與員工需求相對(duì)應(yīng)的變革型和交易型領(lǐng)

導(dǎo)風(fēng)格適當(dāng)組合。

2.洞察心理契約感知要素,解鎖員工情感喚起

女性管理者需要重視對(duì)柔性領(lǐng)導(dǎo)力的運(yùn)用和

理解,關(guān)注員工的心理需求并喚起員工真實(shí)的積極

情感。從企業(yè)具體實(shí)踐來(lái)看,企業(yè)在技術(shù)創(chuàng)新、組

織氛圍、上下級(jí)關(guān)系等方面保持均衡協(xié)同發(fā)展是一

個(gè)相對(duì)復(fù)雜且龐大的過(guò)程,而柔性領(lǐng)導(dǎo)力在這一協(xié)

調(diào)、平衡和發(fā)展過(guò)程中具有不可替代的作用,女性

領(lǐng)導(dǎo)者要不斷拓寬視野、增強(qiáng)自身知識(shí)結(jié)構(gòu),同時(shí)

避免過(guò)度關(guān)注某一內(nèi)容而形成知識(shí)剛性,將組織愿

景和個(gè)人理想有機(jī)結(jié)合,員工從而與領(lǐng)導(dǎo)者建立滿

意的“心理契約”,使其創(chuàng)新行為更具主動(dòng)性;再者,

女性領(lǐng)導(dǎo)者應(yīng)盡可能尋找自主權(quán)與其認(rèn)知結(jié)構(gòu)之

間的匹配,從而促進(jìn)員工二元?jiǎng)?chuàng)新行為最大化,以

實(shí)現(xiàn)組織的最佳實(shí)踐。

3.協(xié)調(diào)多重角色責(zé)任定位,樂(lè)享工作優(yōu)質(zhì)價(jià)值

在組織管理實(shí)踐中,女性管理者需要關(guān)注員

工工作和生活之間的協(xié)調(diào)和平衡。工作和生活不

是“零和博弈”,女性領(lǐng)導(dǎo)在處理多角色跨邊界的

角色責(zé)任問(wèn)題具有更高的發(fā)言權(quán)和較為真實(shí)的切

身體會(huì),企業(yè)可以嘗試借用“家庭友好政策”為員

工提供便利,避免員工面對(duì)多重角色多份責(zé)任而

采取一系列措施,如因家庭需要而請(qǐng)假、彈性工作

安排或者親屬照料服務(wù)等。但并非所有的家庭友

好政策均能產(chǎn)生預(yù)期的效果,女性領(lǐng)導(dǎo)者需要注

意員工的不同需求,明確員工的個(gè)體差異,因人制

— 56 —

第63頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

宜,有條件的企業(yè)可以提供“自助餐式”的福利體

系,給予員工一定程度的自主選擇權(quán)和決定權(quán)。

(四)研究局限與未來(lái)展望

本研究亦存在一定的局限,首先,盡管獲得了

較為充足的樣本量,但在問(wèn)卷數(shù)據(jù)收集時(shí)僅僅收集

一次,其獲得的數(shù)據(jù)為截面數(shù)據(jù),未能實(shí)現(xiàn)對(duì)同一

樣本在不同時(shí)間節(jié)點(diǎn)多次收集問(wèn)卷,以便獲得動(dòng)態(tài)

數(shù)據(jù)。其次,由于學(xué)界對(duì)組織環(huán)境中的工作—生活

多角度責(zé)任感研究并不多,所以從理論上深入闡述

工作—生活多角度責(zé)任感對(duì)員工二元?jiǎng)?chuàng)新的影響

是個(gè)難點(diǎn)。工作—生活多角度責(zé)任感與工作家庭

平衡存在一定的相關(guān)性,未來(lái)的研究可以嘗試結(jié)合

工作家庭平衡以及兩者之間的相關(guān)性剖析其對(duì)員

工和組織的作用機(jī)制。此外,工作—生活多角度責(zé)

任感這一變量是將西方學(xué)者開(kāi)發(fā)的量表應(yīng)用于中

國(guó)情境進(jìn)行研究分析,未來(lái)在量表設(shè)計(jì)上需要加以

改進(jìn);基于定量方法的實(shí)證研究,可能無(wú)法讓我們

完全理解柔性化領(lǐng)導(dǎo)風(fēng)格如何具體地平衡探索式

創(chuàng)新和利用式創(chuàng)新以及企業(yè)如何建立二元結(jié)構(gòu),未

來(lái)研究可以大膽嘗試使用混合方法,將定量和質(zhì)化

研究相結(jié)合,深入探索柔性化領(lǐng)導(dǎo)風(fēng)格如何影響二

元?jiǎng)?chuàng)新。最后,研究中受訪員工所處的行業(yè)大多處

于中國(guó)情境中的服務(wù)行業(yè),因此,管理影響力可能

局限于這些企業(yè)或具有類似結(jié)構(gòu)和管理特征的企

業(yè),后續(xù)研究還可以將其擴(kuò)展至其他行業(yè)或領(lǐng)域。

參考文獻(xiàn):

[1]SHARIF K. Transformational Leadership Behaviours of

Women in a Socially Dynamic Environment[J]. Interna‐

tional Journal of Organizational Analysis,2019,27(4):

1191-1217.

[2]JIA R Q,HU W A,LI S W. Ambidextrous Leadership

and Organizational Innovation:the Importance of Knowl‐

edge Search and Strategic Flexibility[J]. Journal of

Knowledge Management,2022,26(3):781-801.

[3]GABRIEL A S,VOLPONE S D,MACGOWAN R L,et al.

When Work and Family Blend Together:Examining the

Daily Experiences of Breastfeeding Mothers at Work[J].

Academy of Management Journal,2020,63(5):1337-

1369.

[4]熊艾倫,萬(wàn)靜,羅德香“. 蜂后”領(lǐng)導(dǎo)的成因和影響:一個(gè)

理論分析框架[J]. 中國(guó)人力資源開(kāi)發(fā),2021,38(6):

43-54.

[5]HOGAN R,KAISER R B. What We Know About Leader‐

ship[J]. Review of General Psychology,2005,9(2):

169-180.

[6]SALANCIK G R,PFEFFER J. A Social Information Pro‐

cessing Approach to Job Attitudes and Task Design[J].

Administrative Science Quarterly,1978,23(2):224-253.

[7]BOEKHORST J A. The Role of Authentic Leadership in

Fostering Workplace Inclusion:A Social Information Pro‐

cessing Perspective[J]. Human Resource Management,

2015,54(2):241-264.

[8]DECI E L,RYAN R M. The \"What\" and \"Why\" of Goal

Pursuits:Human Needs and the Self-determination of Be‐

havior[J]. Psychological Inquiry,2000,11(4):227-268.

[9]張宏宇,郎藝,王震“. 制度”與“人”是互補(bǔ)還是替代?高

績(jī)效人力資源管理系統(tǒng)和領(lǐng)導(dǎo)支持對(duì)員工關(guān)系型心理

契約的影響[J].管理評(píng)論,2021,33(12):213-229.

[10]李茹,何光遠(yuǎn),趙曙明.威權(quán)型領(lǐng)導(dǎo)是否會(huì)引發(fā)員工的

越軌行為?來(lái)自心理契約違背和個(gè)體自尊的解釋[J].

商業(yè)經(jīng)濟(jì)與管理,2022(6):29-39.

[11]MEYER G W. Social Information Processing and Social

Networks:A Test of Social Influence Mechanisms[J].

Human Relations,1994,47(9):1013-1047.

[12]顏士梅,吳珊.女性角色特征與領(lǐng)導(dǎo)角色特征的匹配性

分析:基于國(guó)外相關(guān)研究的綜述[J]. 婦女研究論叢,

2014(5):118-123.

[13]范黎波,楊金海,史潔慧.女性領(lǐng)導(dǎo)力特質(zhì)對(duì)員工績(jī)效

的影響研究——基于團(tuán)隊(duì)氛圍的中介效應(yīng)[J].南京審

計(jì)大學(xué)學(xué)報(bào),2017,14(4):34-43.

[14]KESTING P,ULH?I J P. Employee-driven Innovation:

Extending the License to Foster Innovation[J]. Manage‐

ment Decision,2010,48(1):65-84.

[15]BEDFORD D S. Management Control Systems Across

Different Modes of Innovation:Implications for Firm Per‐

formance[J]. Management Accounting Research,2015,

28:12-30.

[16]CHEN Z J,TAKEUCHI R,SHUM C. A Social Informa‐

tion Processing Perspective of Coworker Influence on a

Focal Employee[J]. Organization Science,2013,24(6):

1618-1639.

[17]HUANG G Q I,WONG I K A,LAW R. Dilemma of Ho‐

tel Reviews:the Role of Information Processing and

Validation Through Metacognition[J]. Journal of Travel

Research,2021,60(6):1301-1317.

[18]GU Q X,LIANG B Q,COOKE F L. How Does Shared

Leadership Affect Creativity in Teams? A Multilevel Mo‐

tivational Investigation in the Chinese Context[J]. The

International Journal of Human Resource Management,

2022,33(8):1641-1669.

[19]WANG X,LIU S B,F(xiàn)ENG W. How Leader Humor

Stimulates Subordinate Boundary-spanning Behavior:A

Social Information Processing Theory Perspective[J].

Frontiers in Psychology,2022,13:956387.

[20]蔡文著,周南 . 悖論式領(lǐng)導(dǎo)如何影響員工創(chuàng)造力[J].

當(dāng)代財(cái)經(jīng),2022(9):87-99.

[21]MILLER K I,MONGE P R. Social Information and Em‐

ployee Anxiety About Organizational Change[J]. Hu‐

man Communication Research,1985,11(3):365-386.

[22]BERRAIES S,REJEB W B. Do Board of Directors'

Roles and Composition Promote Exploitative and Explor‐

atory Innovations? Evidence From Tunisian Listed Firms

[J]. European Journal of International Management,

— 57 —

第64頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 女性領(lǐng)導(dǎo)者的“柔性”基因?qū)T工二元?jiǎng)?chuàng)新的影響研究

2021,15(4):628-656.

[23]GERLACH F,ROSING K,ZACHER H. Flexible Adapta‐

tion of Leader Behavior:An Experimental Analysis of

the Beneficial Effect of Flexibility in Innovation Pro‐

cesses[J]. Journal of Personnel Psychology,2021,20

(4):198.

[24]王燦昊,段宇鋒.不同領(lǐng)導(dǎo)風(fēng)格、知識(shí)積累與組織雙元

性創(chuàng)新:能力柔性的調(diào)節(jié)作用[J]. 科技進(jìn)步與對(duì)策,

2018,35(23):17-24.

[25]BERRAIES S,ACHOUR M,CHAHER M. Focusing the

Mediating Role of Knowledge Management Practices:

How Does Institutional and Interpersonal Trust Support

Exploitative and Exploratory Innovation?[J]. Journal of

Applied Business Research (JABR),2015,31(4):

1479-1492.

[26]SCHEIN E H,BENNIS W G. Personal and Organiza‐

tional Change Through Group Methods:The Laboratory

Approach[M]. New York:Wiley,1965.

[27]SCHEIN E. Organizational Psychology[J]. PrenticeHall,1980,31(2):480-516.

[28]GUEST D E,CONWAY N. Communicating the Psycho‐

logical Contract:An Employer Perspective[J]. Human

Resource Management Journal,2002,12(2):22-38.

[29]李原,郭德俊.員工心理契約的結(jié)構(gòu)及其內(nèi)部關(guān)系研究[J].

社會(huì)學(xué)研究,2006(5):151-168,245.

[30]BAKKER A B,DEMEROUTI E. The Job Demands ‐

resources Model:State of the Art[J]. Journal of Manage‐

rial Psychology,2007,22(3):309-328.

[31]吳亮,張迪,伍新春.工作特征對(duì)工作者的影響——要

求—控制模型與工作要求—資源模型的比較[J].心理

科學(xué)進(jìn)展,2010,18(2):348-355.

[32]侯二秀,陳樹(shù)文,長(zhǎng)青.知識(shí)員工心理資本對(duì)創(chuàng)新績(jī)效

的影響:心理契約的中介[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,

2012,33(6):149-155.

[33]任永燦,郭元?jiǎng)P.教育實(shí)踐滿意度對(duì)師范生職業(yè)認(rèn)同感

的影響——心理資本和心理契約的鏈?zhǔn)街薪槟P停跩].

教師教育研究,2022,34(1):86-93.

[34]VALK R,SRINIVASAN V. Work–family Balance of In‐

dian Women Software Professionals:A Qualitative Study

[J]. IIMB Management Review,2011,23(1):39-50.

[35]姜海,楊林川.工作—家庭沖突對(duì)服務(wù)業(yè)員工生活滿意

度的影響:家庭支持型領(lǐng)導(dǎo)與邊界控制感的作用[J].

中國(guó)臨床心理學(xué)雜志,2020,28(4):783-787.

[36]LE H,NEWMAN A,MENZIES J,et al. Work-life Bal‐

ance in Asia:A Systematic Review[J]. Human Resource

Management Review,2020,30(4):100766.

[37]LEWIS S,COOPER C. Work-life Integration:Case Stud‐

ies of Organisational Change[M]. New Jersey:John

Wiley & Sons,2005.

[38]周建濤,廖建橋 . 基于社會(huì)信息加工理論的謙遜領(lǐng)導(dǎo)

對(duì)員工工作績(jī)效的作用機(jī)制研究[J]. 管理學(xué)報(bào),

2018,15(12):1789-1798.

[39]吳劍琳,音榮飛,古繼寶.領(lǐng)導(dǎo)促進(jìn)焦點(diǎn)對(duì)團(tuán)隊(duì)雙元?jiǎng)?chuàng)

新的影響機(jī)制:一個(gè)被調(diào)節(jié)的中介模型[J].技術(shù)經(jīng)濟(jì),

2022,41(6):70-81.

[40]HAVERMANS L A,DEN HARTOG D N,KEEGAN A,

et al. Exploring the Role of Leadership in Enabling Con‐

textual Ambidexterity[J]. Human Resource Manage‐

ment,2015,54(S1):s179-s200.

[41]李樹(shù)文,羅瑾璉.領(lǐng)導(dǎo)—下屬權(quán)力距離一致性對(duì)雙元領(lǐng)

導(dǎo)的權(quán)變影響[J].財(cái)貿(mào)研究,2020,31(10):71-80.

[42]BEERRAIES S,BCHINI B. Effect of Leadership Styles

on Financial Performance:Mediating Roles of Exploit‐

ative and Exploratory Innovations Case of Knowledgeintensive Firms[J]. International Journal of Innovation

Management,2019,23(3):1950020.

[43]LEWIS V L,CHURCHILL N C. The Five Stages of Small

Business Growth[J]. Harvard Business Review,1983,61(3):

30-50.

[44]李超平,時(shí)勘 . 變革型領(lǐng)導(dǎo)的結(jié)構(gòu)與測(cè)量[J]. 心理學(xué)

報(bào),2005(6):97-105.

[45]ROUSSEAU D M. Psychological Contract Inventory:

Technical Report[M]. Pittsburgh,PA:Carnegie Mellon

University,2000.

[46]李原,孫健敏.雇用關(guān)系中的心理契約:從組織與員工

雙重視角下考察契約中“組織責(zé)任”的認(rèn)知差異[J].

管理世界,2006(11):101-110,151.

[47]JANSEN J J P,VAN DEN BOSCH F A J,Volberda H

W. Exploratory Innovation,Exploitative Innovation,and

Performance:Effects of Organizational Antecedents and

Environmental Moderators[J]. Management Science,

2006,52(11):1661-1674.

[48]焦豪.雙元型組織競(jìng)爭(zhēng)優(yōu)勢(shì)的構(gòu)建路徑:基于動(dòng)態(tài)能力

理論的實(shí)證研究[J].管理世界,2011(11):76-91,188.

[49]FORNELL C,LARCKER D F. Evaluating Structural

Equation Models with Unobservable Variables and Mea‐

surement Error[J]. Journal of Marketing Research,

1981,18(1):39-50.

[50]KLINE R B. Principles and Practice of Structural Equa‐

tion Modeling[M]. New York:Guilford Publications,

2015.

[責(zé)任編輯:劉 凱,余志虎]

— 58 —

第65頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

East China Economic Management (Vol.37,No.11)

數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

——基于A股和新三板制造業(yè)上市企業(yè)的實(shí)證研究

潘 藝1

,張金昌2

(1.中國(guó)社會(huì)科學(xué)院大學(xué) 研究生院,北京 102488;2.中國(guó)社會(huì)科學(xué)院 工業(yè)經(jīng)濟(jì)研究所,北京 100006)

摘 要:文章將2011—2020年數(shù)字金融數(shù)據(jù)與同期A股和新三板制造業(yè)企業(yè)數(shù)據(jù)進(jìn)行匹配,實(shí)證研究了數(shù)字金融

對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的影響及其傳導(dǎo)機(jī)制。研究發(fā)現(xiàn):數(shù)字金融發(fā)展會(huì)顯著提升制造業(yè)企業(yè)全要素生產(chǎn)率;

機(jī)制研究表明,數(shù)字金融發(fā)展緩解了制造業(yè)企業(yè)“融資貴”的問(wèn)題,利息負(fù)擔(dān)水平起到了中介效應(yīng),但負(fù)債融資水平

和權(quán)益融資水平?jīng)]有起到中介效應(yīng);異質(zhì)性分析顯示,數(shù)字金融發(fā)展對(duì)提升國(guó)有、大型、非勞動(dòng)密集型、東部地區(qū)制

造業(yè)企業(yè)全要素生產(chǎn)率的作用更顯著。研究結(jié)論為提升制造業(yè)企業(yè)全要素生產(chǎn)率提供有益參考。

關(guān)鍵詞:數(shù)字金融;融資水平;全要素生產(chǎn)率;制造業(yè)

中圖分類號(hào):F273.1 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1007-5097(2023)11-0059-11

Digital Finance,F(xiàn)inancing Level,and Total Factor Productivity of Enterprises:

An Empirical Study on A-share and New Third Board Listed Manufacturing Enterprises

PAN Yi1

,ZHANG Jinchang2

(1. Graduate School,University of Chinese Academy of Social Sciences,Beijing 102488,China;

2. Institute of Industrial Economics,Chinese Academy of Social Sciences,Beijing 100006,China)

Abstract:This paper matches the digital finance data from 2011 to 2020 with the data of A-share and New Third Board

manufacturing enterprises in the same period,and empirically studies the impact of digital finance on the total factor pro‐

ductivity of manufacturing enterprises and its transmission mechanism. Research has found that the development of digi‐

tal finance will significantly improve the total factor productivity of manufacturing enterprises. Mechanism research shows

that the development of digital finance has alleviated the problem of“expensive financing”for manufacturing enterprises,

and the level of interest burden has played a mediating effect,but the level of debt financing and equity financing have not

played a mediating effect. Heterogeneity analysis shows that the development of digital finance has a more significant im‐

pact on enhancing the total factor productivity of state-owned,large,non labor-intensive,and eastern manufacturing en‐

terprises. The research conclusion provides useful reference for improving the total factor productivity of manufacturing

enterprises.

Key words:digital finance;financing cost level;total factor productivity;manufacturing industry

一、引 言

黨的二十大報(bào)告提出,“堅(jiān)持以推動(dòng)高質(zhì)量發(fā)

展為主題,加快建設(shè)現(xiàn)代化經(jīng)濟(jì)體系,著力提高全

要素生產(chǎn)率,推動(dòng)經(jīng)濟(jì)實(shí)現(xiàn)質(zhì)的有效提升和量的合

理增長(zhǎng)”。目前,我國(guó)經(jīng)濟(jì)正面臨資本報(bào)酬逐漸遞

減、人口紅利逐漸消失的困境,因此,提升我國(guó)企業(yè)

全要素生產(chǎn)率必定是支撐我國(guó)經(jīng)濟(jì)增長(zhǎng)的主要?jiǎng)?/p>

力[1]

。制造業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的命脈,制造業(yè)的發(fā)

展?fàn)顩r將直接影響我國(guó)經(jīng)濟(jì)發(fā)展的質(zhì)量和速度[2]

。

我國(guó)制造業(yè)起步比較晚、基礎(chǔ)比較薄弱,相關(guān)技術(shù)

和人才比較缺乏,一些高精技術(shù)又長(zhǎng)期受到發(fā)達(dá)國(guó)

家的封鎖,必須依靠自身力量發(fā)展,而制造業(yè)的發(fā)

展又需要大量資金支持,因此,制造業(yè)企業(yè)必須依

靠外部融資來(lái)解決資金需求[3]

長(zhǎng)久以來(lái),融資問(wèn)題一直是制約制造業(yè)企業(yè)高

質(zhì)量發(fā)展的瓶頸問(wèn)題。雖然金融機(jī)構(gòu)多次出臺(tái)政

●高質(zhì)量發(fā)展 [DOI]10.19629/j.cnki.34-1014/f.220803007

收稿日期:2022-08-03

基金項(xiàng)目:國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目“驅(qū)動(dòng)產(chǎn)業(yè)鏈供應(yīng)鏈現(xiàn)代化水平提升的關(guān)鍵因素研究”(21ZDA023);中國(guó)社會(huì)科學(xué)

院重大創(chuàng)新工程“中國(guó)制造業(yè)企業(yè)全要素生產(chǎn)率研究”(2101000100020086)

作者簡(jiǎn)介:潘 藝(1974—),男,上海人,高級(jí)經(jīng)濟(jì)師,高級(jí)工程師,博士研究生,通信作者,研究方向:企業(yè)管理,智能財(cái)務(wù);

張金昌(1965—),男,甘肅天水人,研究員,博士生導(dǎo)師,博士,研究方向:企業(yè)管理,財(cái)務(wù)管理,國(guó)際競(jìng)爭(zhēng)力。

— 59 —

第66頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

策和措施,但制造業(yè)企業(yè)“融資難、融資貴”問(wèn)題始

終沒(méi)有得到有效解決。

近些年,隨著大數(shù)據(jù)、人工智能、云計(jì)算等數(shù)

字技術(shù)的快速發(fā)展和廣泛應(yīng)用,數(shù)字技術(shù)與金融

實(shí)現(xiàn)了深度融合。數(shù)字金融已成為我國(guó)新金融、

新經(jīng)濟(jì)的重要發(fā)展方向[4-5]

。在以促進(jìn)實(shí)體經(jīng)濟(jì)高

質(zhì)量發(fā)展、實(shí)現(xiàn)數(shù)字中國(guó)為目標(biāo)的發(fā)展階段,數(shù)字

金融這一新型的金融方式是否能有效解決制造業(yè)

企業(yè)的融資問(wèn)題,數(shù)字金融的發(fā)展對(duì)制造業(yè)企業(yè)

全要素生產(chǎn)率的影響和作用機(jī)制如何?目前相關(guān)

研究比較缺乏。因此,本文將 2011—2020 年數(shù)字

金融數(shù)據(jù)與同期A股和新三板制造業(yè)上市企業(yè)數(shù)

據(jù)進(jìn)行匹配,實(shí)證考察了數(shù)字金融發(fā)展對(duì)制造業(yè)

企業(yè)全要素生產(chǎn)率的影響以及融資水平的中介

效應(yīng)。

本文的邊際貢獻(xiàn)有:①目前數(shù)字金融的實(shí)證

研究大多采用省級(jí)數(shù)字金融指數(shù)數(shù)據(jù),本文采用

企業(yè)所在的地級(jí)市數(shù)字金融指數(shù)數(shù)據(jù),研究結(jié)果

將更加穩(wěn)健;②目前關(guān)于制造業(yè)企業(yè)融資問(wèn)題的

研究集中于融資約束,僅回答了數(shù)字金融是否解

決制造業(yè)企業(yè)“融資難”的問(wèn)題,本文以融資水平

為中介效應(yīng)進(jìn)行研究,回答了數(shù)字金融是否解決

制造業(yè)企業(yè)“融資貴”的問(wèn)題,彌補(bǔ)了對(duì)現(xiàn)有企業(yè)

融資問(wèn)題研究的不足;③現(xiàn)有數(shù)字金融對(duì)微觀企

業(yè)影響的研究樣本主要基于A股上市企業(yè),而A股

企業(yè)主要以大中型企業(yè)為主,小微企業(yè)較少,本文

以A股和新三板制造業(yè)企業(yè)為樣本,研究范圍更加

全面。

二、文獻(xiàn)綜述和研究假設(shè)

(一)文獻(xiàn)綜述

1954年,Solow(1957)[6]

提出“索洛余值”之后,

國(guó)外學(xué)者開(kāi)展了大量關(guān)于全要素生產(chǎn)率方面的研

究,并建立了很多研究方法和計(jì)算模型,主要有:

Caves 等(1982)將 Malmquist 指數(shù)應(yīng)用于生產(chǎn)效率

變化的測(cè)算并建立了CCD模型[7]

,Blundell和Bond

(1998)建立了廣義矩估計(jì)方法(GMM)[8],Olley 和

Pakes(1996)運(yùn)用半?yún)?shù)方法建立了 OP 模型[9],

Levinsohn 和Petrin(2003)基于OP模型內(nèi)生性問(wèn)題

建立了LP模型[10]

,Ackerberg等(2006)通過(guò)ACF方

法解決了LP方法的共線性問(wèn)題[11]

。這些模型的廣

泛應(yīng)用,推動(dòng)了全要素生產(chǎn)率研究的發(fā)展。

相較于國(guó)外學(xué)者在全要素生產(chǎn)率領(lǐng)域取得的

豐富研究成果,我國(guó)學(xué)者關(guān)于全要素生產(chǎn)率的研究

起步比較晚,但發(fā)展迅速,取得了豐富的研究成

果[12-14]

。在宏觀研究方面,唐松等(2019)基于我國(guó)

31 個(gè)省級(jí)面板數(shù)據(jù)的研究發(fā)現(xiàn),金融科技創(chuàng)新借

助技術(shù)優(yōu)勢(shì)緩解了信息不對(duì)稱,創(chuàng)新性金融新業(yè)

態(tài)和金融新業(yè)務(wù)能助力地區(qū)全要素生產(chǎn)率提

升[15];侯層和李北偉(2020)運(yùn)用 2011—2018 年省

級(jí)面板數(shù)據(jù)開(kāi)展實(shí)證檢驗(yàn),結(jié)果表明,數(shù)字金融通

過(guò)創(chuàng)新能力、技術(shù)溢出和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)等途徑提

高了全要素生產(chǎn)率[16];惠獻(xiàn)波(2021)基于 2011—

2018年中國(guó)278個(gè)地級(jí)市數(shù)據(jù)研究發(fā)現(xiàn),數(shù)字普惠

金融通過(guò)提升技術(shù)創(chuàng)新水平、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)及緩

解資源錯(cuò)配等途徑促進(jìn)了城市全要素生產(chǎn)率增

長(zhǎng)[17]。在微觀研究方面,冉芳和譚怡(2021)選取

2011—2018年上市企業(yè)微觀數(shù)據(jù)并結(jié)合省級(jí)數(shù)字

金融指標(biāo)數(shù)據(jù)進(jìn)行研究,結(jié)果表明,數(shù)字金融以及

3 個(gè)不同子維度對(duì)企業(yè)全要素生產(chǎn)率均具有促進(jìn)

作用,但東部和中西部地區(qū)的企業(yè)存在明顯差

異[1]

;陳中飛和江康奇(2021)基于省級(jí)數(shù)字金融數(shù)

據(jù)和A股上市公司數(shù)據(jù)進(jìn)行了研究,認(rèn)為數(shù)字金融

發(fā)展可通過(guò)企業(yè)營(yíng)收渠道和金融效率渠道促進(jìn)企

業(yè)生產(chǎn)率水平提高[18];張樹(shù)果(2022)同樣基于省

級(jí)數(shù)字金融數(shù)據(jù)和A股上市公司數(shù)據(jù)進(jìn)行實(shí)證研

究,發(fā)現(xiàn)數(shù)字金融通過(guò)緩解企業(yè)融資約束,進(jìn)而提

高企業(yè)全要素生產(chǎn)率[19]

在梳理上述數(shù)字金融與全要素生產(chǎn)率相關(guān)研

究文獻(xiàn)后,發(fā)現(xiàn)相關(guān)研究存在以下局限性:①在數(shù)

據(jù)層面,大多數(shù)學(xué)者都以省級(jí)數(shù)字金融指數(shù)作為

研究基礎(chǔ),基于地級(jí)市數(shù)字金融指數(shù)的研究文獻(xiàn)

較少;②在微觀全要素生產(chǎn)率研究方面,大多以 A

股上市企業(yè)為樣本,由于A股上市企業(yè)以大中型企

業(yè)為主,因此,針對(duì)小微企業(yè)的研究較少。另外,

制造業(yè)是我國(guó)最大的行業(yè),但數(shù)字金融對(duì)制造業(yè)

企業(yè)全要素生產(chǎn)率影響的研究比較匱乏;③對(duì)傳

導(dǎo)機(jī)制的研究主要集中在融資約束和技術(shù)創(chuàng)新視

角,其他研究視角較少。數(shù)字金融的發(fā)展首要解

決的是企業(yè)融資問(wèn)題,現(xiàn)有文獻(xiàn)回答了數(shù)字金融

緩解了企業(yè)“融資難”的問(wèn)題,但并沒(méi)有回答是否

解決了企業(yè)“融資貴”的問(wèn)題。上述文獻(xiàn)研究過(guò)程

中的局限性,為本文研究提供了方向。

(二)研究假設(shè)

許多研究表明,技術(shù)研發(fā)和創(chuàng)新投入對(duì)企業(yè)

全要素生產(chǎn)率的提升有積極作用[1],但持續(xù)的研

發(fā)投入和技術(shù)創(chuàng)新需要大量的資金支持。長(zhǎng)期

— 60 —

第67頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

以來(lái),制造業(yè)企業(yè)都面臨融資難和融資貴的問(wèn)

題,融資問(wèn)題阻礙了企業(yè)通過(guò)金融市場(chǎng)獲取資

金,使得企業(yè)無(wú)法持續(xù)開(kāi)展研發(fā)投入和技術(shù)創(chuàng)

新,企業(yè)全要素生產(chǎn)率無(wú)法得到有效提升。隨著

數(shù)字金融的發(fā)展,傳統(tǒng)金融的瓶頸問(wèn)題逐一得到

解決:①信息不對(duì)稱問(wèn)題。傳統(tǒng)金融機(jī)構(gòu)與企業(yè)

之間信息不對(duì)稱是企業(yè)融資困難的重要原因[20]

,

數(shù)字金融利用互聯(lián)網(wǎng)技術(shù)提升了信息搜集能力,

利用大數(shù)據(jù)技術(shù)提升了海量數(shù)據(jù)挖掘和快速匹

配能力,緩解了信息不對(duì)稱[21]。另外,數(shù)字金融

憑借數(shù)字技術(shù)建立可靠的第三方征信體系,也緩

解了信息不對(duì)稱[22]

。②金融機(jī)構(gòu)資金不足問(wèn)題。

傳統(tǒng)金融機(jī)構(gòu)由于本身資金不足,造成了放貸壓

力。數(shù)字金融的發(fā)展方便了客戶的理財(cái)和投資

需求,能以更低的成本吸引眾多小散投資者,進(jìn)

而增加了金融機(jī)構(gòu)的資金規(guī)模,可以有效滿足企

業(yè)資金供給需求,緩解企業(yè)融資困難[23]

。③交易

成本的問(wèn)題。數(shù)字平臺(tái)的推出降低了金融機(jī)構(gòu)

和企業(yè)之間的協(xié)商成本和交易成本,金融機(jī)構(gòu)的

監(jiān) 督 成 本 也 會(huì) 降 低 ,因 而 企 業(yè) 融 資 成 本 也 會(huì)

下降。

上述分析表明,數(shù)字金融的發(fā)展使得原先傳

統(tǒng)金融機(jī)構(gòu)的融資問(wèn)題得到有效解決,制造業(yè)企

業(yè)通過(guò)外部融資渠道可以更便捷、更低價(jià)地獲得

更多的資金。長(zhǎng)期、穩(wěn)定的資金來(lái)源有助于企業(yè)

持續(xù)開(kāi)展研發(fā)投入和技術(shù)創(chuàng)新,通過(guò)低成本的規(guī)

模擴(kuò)張,實(shí)現(xiàn)企業(yè)全要素生產(chǎn)率的提升[24]

。據(jù)此,

本文提出假設(shè)1。

H1:數(shù)字金融的發(fā)展可以顯著促進(jìn)制造業(yè)企

業(yè)全要素生產(chǎn)率的提升。

企業(yè)外部融資包括負(fù)債融資和權(quán)益融資。隨

著數(shù)字金融的發(fā)展、交易成本的降低,金融機(jī)構(gòu)的

貸款利率也會(huì)逐漸下降。對(duì)制造業(yè)企業(yè)來(lái)說(shuō),企

業(yè)外部融資會(huì)更便捷,融資成本會(huì)更低,企業(yè)“融

資貴”的問(wèn)題得到緩解。目前,很多學(xué)者都對(duì)財(cái)務(wù)

費(fèi)用的下降是否緩解企業(yè)“融資貴”的問(wèn)題進(jìn)行研

究。該方法存在一定的局限性,財(cái)務(wù)費(fèi)用是企業(yè)

利息支出減去利息收入和匯兌損益之后的金額,

當(dāng)企業(yè)利息收入較多時(shí),財(cái)務(wù)費(fèi)用難以真實(shí)揭示

企業(yè)融資成本。另外,使用利息支出與營(yíng)業(yè)收入

之比(簡(jiǎn)稱“利息負(fù)擔(dān)水平”)雖然可以真實(shí)反映企

業(yè)的融資成本,但該指標(biāo)僅能揭示企業(yè)承受的負(fù)

債壓力,難以看出企業(yè)實(shí)際的貸款水平,因此,能

夠與金融機(jī)構(gòu)的貸款利率相互驗(yàn)證的是利息支出

與付息負(fù)債之比這一指標(biāo)(簡(jiǎn)稱“負(fù)債融資水

平”),該指標(biāo)可以揭示商業(yè)銀行貸款利率變化對(duì)

企業(yè)產(chǎn)生的影響。除負(fù)債融資成本外,企業(yè)的外

部融資成本還有權(quán)益融資成本,可以用企業(yè)為分

配紅利所支付的現(xiàn)金與權(quán)益資金之比(簡(jiǎn)稱“權(quán)益

融資水平”)進(jìn)行評(píng)價(jià)[25]

。因此,通過(guò)“利息負(fù)擔(dān)水

平”“負(fù)債融資水平”和“權(quán)益融資水平”3個(gè)維度的

綜合分析可以評(píng)價(jià)企業(yè)“融資貴”的問(wèn)題是否得到

緩解。

上文的分析表明,隨著數(shù)字金融的發(fā)展,“融

資貴”問(wèn)題會(huì)得到緩解,制造業(yè)企業(yè)融資成本也會(huì)

隨之下降,企業(yè)會(huì)更積極地通過(guò)外部融資獲得資

金用于研發(fā)投入和技術(shù)創(chuàng)新,有助于企業(yè)全要素

生產(chǎn)率的提升,據(jù)此,本文提出假設(shè) 2、假設(shè) 3 和

假設(shè)4。

H2:數(shù)字金融的發(fā)展會(huì)降低制造業(yè)企業(yè)利息

負(fù)擔(dān)水平,進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

H3:數(shù)字金融的發(fā)展會(huì)降低制造業(yè)企業(yè)負(fù)債

融資水平,進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

H4:數(shù)字金融的發(fā)展會(huì)降低制造業(yè)企業(yè)權(quán)益

融資水平,進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

由于制造業(yè)企業(yè)存在產(chǎn)權(quán)性質(zhì)、規(guī)模、密集

型、所在地區(qū)的異質(zhì)性,數(shù)字金融發(fā)展對(duì)制造業(yè)企

業(yè)的影響會(huì)存在差異。綜上,設(shè)計(jì)出本文研究框

架如圖1所示。

F< B!

>2*(

ffiB >fi K  

B

B<B!

ffi+<B!





#



/



F< <B!

)

)

) )

圖1 數(shù)字金融對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率影響的研究框架

三、模型設(shè)計(jì)和數(shù)據(jù)說(shuō)明

(一)模型設(shè)計(jì)

本文根據(jù)H1設(shè)計(jì)模型(1):

TFPit = α0 + α1DiFinit + ∑Controlit + ∑Year +

∑Pro + ∑Ind + εit (1)

其中:TFP 為被解釋變量,表示制造業(yè)企業(yè)全

要素生產(chǎn)率;DiFin為解釋變量,表示企業(yè)所在城市

的數(shù)字金融指數(shù);Control 為控制變量;Year、Pro 和

— 61 —

第68頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

Ind分別表示年度、省份和行業(yè)固定效應(yīng);ε表示殘

差項(xiàng);i 表示企業(yè);t表示年度。

本文根據(jù)H2、H3和H4,設(shè)計(jì)傳導(dǎo)機(jī)制模型(2)

和模型(3):

FLit = β0 + β1DiFinit + ∑Controlit + ∑Year +

∑Pro + ∑Ind + εit (2)

TFPit = γ0 + γ1DiFinit + γ2FLit + ∑Controlit +

∑Year + ∑Pro + ∑Ind + εit (3)

其中,F(xiàn)L 為中介變量,表示企業(yè)的融資水平,

分 別 用 利 息 負(fù) 擔(dān) 水 平(IBL)、負(fù) 債 融 資 水 平

(DFCR)、權(quán)益融資水平(EFCR)衡量。本文參考江

艇(2022)[26]

的中介效應(yīng)驗(yàn)證方法,首先,選擇與被

解釋變量有顯著關(guān)系的融資水平作為中介變量;然

后,根據(jù)模型(2)中系數(shù)β1的顯著性識(shí)別融資水平

是否存在中介效應(yīng);最后,利用模型(3)分別采用

Sobel 檢驗(yàn)和 Bootstrap 檢驗(yàn),驗(yàn)證所選擇的中介變

量的傳導(dǎo)機(jī)制是否存在。

(二)變量定義

1.被解釋變量

本文的解釋變量是全要素生產(chǎn)率(TFP)。微觀

企業(yè)全要素生產(chǎn)率的估計(jì)方法主要有 GMM、OP、

LP和ACF等,由于LP方法可以較好地解決企業(yè)同

時(shí)選擇產(chǎn)量與資本存量帶來(lái)的同時(shí)性偏差和數(shù)據(jù)

丟失問(wèn)題,適用于企業(yè)層面的全要素生產(chǎn)率估計(jì)。

因此,本文使用LP 方法估算制造業(yè)企業(yè)的全要素

生產(chǎn)率(TFP)。

2.解釋變量

本文的解釋變量是數(shù)字金融指數(shù)(DiFin)。

參考已有研究,采用北京大學(xué)數(shù)字金融研究中

心的數(shù)字普惠金融指數(shù)進(jìn)行衡量。目前,該數(shù)

據(jù)已經(jīng)涵蓋了我國(guó) 31 個(gè)省份、337 個(gè)地級(jí)以上城

市以及約 2 800 個(gè)縣區(qū),具有一定的公開(kāi)性和權(quán)

威性。本文采用上市企業(yè)所在城市的數(shù)字普惠

金融指數(shù)數(shù)據(jù),并且使用覆蓋廣度(DiExt)、使用

深度(DiDep)、金融化程度(DiLev)3 個(gè)維度的明

細(xì)數(shù)據(jù)進(jìn)行分類研究。

3.中介變量

根據(jù)上文的研究假設(shè)內(nèi)容,本文選擇融資水平

變化作為衡量“融資貴”變化的指標(biāo)。融資水平由

利息負(fù)擔(dān)水平(IBL)、負(fù)債融資水平(DFCR)和權(quán)益

融資水平(EFCR)3個(gè)維度組成。

4.控制變量

借鑒相關(guān)學(xué)者的研究方法,本文選取企業(yè)年齡

(Age)、企業(yè)資本密集度(Cap)、企業(yè)規(guī)模(Size)、資

產(chǎn) 負(fù) 債 率(Lev)、股 權(quán) 集 中 度(Ten)、兩 職 合 一

(Dual)、獨(dú)立董事比例(Inde)、審計(jì)意見(jiàn)(Aud)作為

控制變量。

變量定義具體見(jiàn)表1所列。

表1 變量說(shuō)明

變量類型

被解釋

變量

解釋變量

控制變量

中介變量

變量名稱

全要素生產(chǎn)率

數(shù)字金融指數(shù)

覆蓋廣度

使用深度

數(shù)字化程度

企業(yè)年齡

企業(yè)資本密集度

企業(yè)規(guī)模

資產(chǎn)負(fù)債率

股權(quán)集中度

兩職合一

獨(dú)立董事比例

審計(jì)意見(jiàn)

利息負(fù)擔(dān)水平

負(fù)債融資水平

權(quán)益融資水平

變量符號(hào)

TFP

DiFin

DiExt

DiDep

DiLev

Age

Cap

Size

Lev

Ten

Dual

Inde

Aud

IBL

DFCR

EFCR

變量定義

LP計(jì)算方法

數(shù)字金融總指數(shù),取對(duì)數(shù)

數(shù)字金融覆蓋廣度,取對(duì)數(shù)

數(shù)字金融使用深度,取對(duì)數(shù)

數(shù)字化程度,取對(duì)數(shù)

觀測(cè)年份-成立年份+1

人均固定資產(chǎn),取對(duì)數(shù)

期末總資產(chǎn),取對(duì)數(shù)

總負(fù)債/總資產(chǎn)

前十大股東持股/總股數(shù)

董事長(zhǎng)與總經(jīng)理同一人時(shí)取

值為1,否則為0

獨(dú)立董事人數(shù)/董事會(huì)總?cè)藬?shù)

標(biāo)準(zhǔn)無(wú)保留意見(jiàn)取值為1,否

則為0

利息支出/營(yíng)業(yè)收入

利息支出(/ 短期借款+一年

內(nèi)到期的非流動(dòng)負(fù)債+長(zhǎng)期

借款+應(yīng)付債券),數(shù)據(jù)取年

初和年末均值

(分配股利、利潤(rùn)或償付利息

支付的現(xiàn)金-利息支出)(/ 實(shí)

收資本+資本公積+盈余公

積+未分配利潤(rùn)),數(shù)據(jù)取年

初和年末均值

(三)數(shù)據(jù)來(lái)源

本文使用 2011—2020 年制造業(yè)上市企業(yè)財(cái)

務(wù)報(bào)表數(shù)據(jù)和企業(yè)所在城市的數(shù)字金融數(shù)據(jù),其

中,制造業(yè)上市企業(yè)的財(cái)務(wù)報(bào)表數(shù)據(jù)來(lái)源于 Wind

系統(tǒng) A 股和新三板數(shù)據(jù),上市企業(yè)所在城市的數(shù)

字金融數(shù)據(jù)來(lái)源于北京大學(xué)數(shù)字金融研究中心課

題組的《北京大學(xué)數(shù)字普惠金融指數(shù)》報(bào)告,并且

對(duì)相關(guān)數(shù)據(jù)進(jìn)行了如下處理:①剔除 ST 等經(jīng)營(yíng)不

善的企業(yè);②剔除營(yíng)業(yè)收入、員工數(shù)量、固定資產(chǎn)、

銷(xiāo)售商品和提供勞務(wù)收到的現(xiàn)金、融資水平小于0

的企業(yè);③對(duì)所有變量進(jìn)行 Winsorize 處理,最后

得到31 751個(gè)樣本觀測(cè)值。本文所使用的分析軟

件為Stata15。

— 62 —

第69頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

四、實(shí)證分析

(一)描述性統(tǒng)計(jì)

表2列示了各主要變量的描述性統(tǒng)計(jì)結(jié)果。

表2 變量描述性統(tǒng)計(jì)

變量

TFP

DiFin

DiExt

DiDep

DiLev

Age

Cap

Size

Lev

Ten

Dual

Inde

Aud

IBL

DFCR

EFCR

樣本數(shù)

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

31 751

中位數(shù)

16.070

5.404

5.393

5.384

5.495

16

14.340

8.164

0.374

65.200

0

0.333

1

0.028

0.044

0.022

均值

16.100

5.268

5.254

5.274

5.251

16.580

13.280

11.110

0.381

58.730

0.467

0.223

0.627

0.036

0.049

0.040

標(biāo)準(zhǔn)差

1.027

0.419

0.415

0.407

0.611

5.860

1.469

5.395

0.185

33.690

0.499

0.186

0.484

0.041

0.059

0.053

最小值

11.200

4.017

4.006

4.073

3.016

5

8.968

4.997

0.050

0

0

0

0

0

0

0

最大值

19.970

5.771

5.783

5.826

5.819

34

15.760

20.660

0.855

100

1

0.500

1

0.260

0.435

0.302

從表2可以看出,本次研究的樣本數(shù)為31 751

個(gè),TFP 均值為 16.100,接近中位數(shù) 16.070,標(biāo)準(zhǔn)差

為 1.027,表明研究樣本企業(yè)全要素生產(chǎn)率大致滿

足正態(tài)分布。另外,TFP的最小值為11.200,最大值

為19.970,表明制造業(yè)企業(yè)全要素生產(chǎn)率在樣本期

間存在明顯差異,使得本文研究具有一定的現(xiàn)實(shí)意

義。DiFin 的最大值和最小值有較大差異,表明數(shù)

字金融在各城市的發(fā)展存在顯著差異。除此之

外,控制變量分布值域比較廣,能夠較好地控制研

究過(guò)程中存在的遺漏變量偏差問(wèn)題,使研究結(jié)果

更加穩(wěn)健。

(二)基礎(chǔ)回歸

表 3 列示了數(shù)字金融與制造業(yè)企業(yè)全要素生

產(chǎn)率的回歸結(jié)果。

從表 3 列(1)的回歸結(jié)果來(lái)看,DiFin 系數(shù)在

1%水平上顯著為正,表明總體上數(shù)字金融的發(fā)展

可以顯著促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率的提升,

H1初步得證。主要原因是:數(shù)字金融的發(fā)展有效

緩解了信息不對(duì)稱;隨著數(shù)字金融的發(fā)展,眾籌、

小額貸款等融資方式拓寬了企業(yè)融資渠道;數(shù)字

技術(shù)的發(fā)展和應(yīng)用降低了金融機(jī)構(gòu)的審批風(fēng)險(xiǎn)、

簡(jiǎn)化了審批流程,使得企業(yè)比以往更容易、更便

捷、更低成本地獲得融資資金;企業(yè)獲得資金后可

以持續(xù)開(kāi)展研發(fā)投入和技術(shù)創(chuàng)新,有助于促進(jìn)企

業(yè)全要素生產(chǎn)率的提升。從列(2)至列(4)的回歸

結(jié)果來(lái)看,DiExt、DiDep和DiLev系數(shù)在1%水平上

顯著為正,DiDep值大于DiExt,DiLev數(shù)值最小,表

明數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度對(duì)

企業(yè)全要素生產(chǎn)率的影響存在差異,使用深度對(duì)企

業(yè)全要素生產(chǎn)率影響最大,覆蓋廣度次之,而數(shù)字

化程度對(duì)企業(yè)全要素生產(chǎn)率影響最小。該情況與

《北京大學(xué)數(shù)字普惠金融指數(shù)(2011—2020年)》的

結(jié)論相似,意味著在數(shù)字金融發(fā)展過(guò)程中,數(shù)字化

程度和覆蓋廣度已經(jīng)逐步達(dá)到一定的飽和度,不

可能再出現(xiàn)發(fā)展初期的快速增長(zhǎng)現(xiàn)象,金融機(jī)構(gòu)

只有針對(duì)數(shù)字金融的應(yīng)用場(chǎng)景和服務(wù)模式進(jìn)行完

善和提高,才能獲得更大的發(fā)展空間。

表3 基本回歸

變量

DiFin

DiExt

DiDep

DiLev

Age

Cap

Size

Lev

Ten

Dual

Inde

Aud

常數(shù)項(xiàng)

年份固定效應(yīng)

省份固定效應(yīng)

行業(yè)固定效應(yīng)

樣本數(shù)

調(diào)整后R2

TFP

(1)

0.082***

(5.56)

0.012***

(16.61)

0.332***

(74.89)

0.037***

(22.73)

1.192***

(56.48)

-0.002***

(-12.22)

-0.129***

(-16.25)

1.000***

(30.16)

0.391***

(24.27)

9.893***

(94.15)

Yes

Yes

Yes

31 751

0.599

(2)

0.082***

(6.21)

0.012***

(16.63)

0.333***

(74.91)

0.037***

(22.76)

1.192***

(56.49)

-0.002***

(-12.22)

-0.129***

(-16.26)

1.001***

(30.19)

0.392***

(24.27)

9.892***

(99.88)

Yes

Yes

Yes

31 751

0.599

(3)

0.091***

(4.79)

0.012***

(16.59)

0.332***

(74.86)

0.037***

(22.70)

1.192***

(56.47)

-0.002***

(-12.23)

-0.129***

(-16.24)

1.000***

(30.16)

0.392***

(24.27)

9.848***

(80.15)

Yes

Yes

Yes

31 751

0.598

(4)

0.036***

(3.54)

0.012***

(16.61)

0.332***

(74.82)

0.036***

(22.62)

1.190***

(56.41)

-0.002***

(-12.21)

-0.129***

(-16.26)

0.998***

(30.09)

0.391***

(24.24)

10.140***

(115.60)

Yes

Yes

Yes

31 751

0.598

注:*

、**、***分別表示在 10%、5%、1% 水平上顯著;括號(hào)

內(nèi)為t統(tǒng)計(jì)值。下同

— 63 —

第70頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

(三)穩(wěn)健性檢驗(yàn)

1.替換被解釋變量

本文參考陳維濤等(2019)[27]

計(jì)算TFP的方法,

將重新計(jì)算得到的全要素生產(chǎn)率(TFP_C)作為被

解釋變量進(jìn)行回歸,結(jié)果見(jiàn)表4所列。

表4 穩(wěn)健性檢驗(yàn)(替換被解釋變量)

變量

DiFin

DiExt

DiDep

DiLev

控制變量

常數(shù)項(xiàng)

固定效應(yīng)

樣本數(shù)

調(diào)整后R2

TFP

(1)

0.098***

(5.71)

Yes

10.350***

(84.38)

Yes

31 751

0.576

(2)

0.098***

(6.35)

Yes

10.350***

(89.52)

Yes

31 751

0.576

(3)

0.107***

(4.84)

Yes

10.31***

(71.84)

Yes

31 751

0.576

(4)

0.045***

(3.78)

Yes

10.640***

(103.90)

Yes

31 751

0.575

從回歸結(jié)果來(lái)看,替換被解釋變量后,DiFin系

數(shù)在1%水平上顯著為正,說(shuō)明數(shù)字金融的發(fā)展顯

著促進(jìn)了制造業(yè)企業(yè)全要素生產(chǎn)率的提升,與基本

回歸結(jié)果一致,H1 得到驗(yàn)證。此外,DiExt、DiDep

和 DiLev 的值在 1% 水平上同樣顯著為正,其中,

DiDep值最大,DiExt次之,DiLev值最小,該回歸結(jié)

果與基本回歸結(jié)果也一致,進(jìn)一步驗(yàn)證了H1。

2.剔除異常數(shù)據(jù)。

考慮2015年中國(guó)股市劇烈波動(dòng)對(duì)上市企業(yè)的

影響以及北京、上海、天津和重慶 4 個(gè)直轄市存在

的經(jīng)濟(jì)特殊性,本文借鑒唐松等(2020)[28]

的研究方

法,將上述異常數(shù)據(jù)剔除,然后分別進(jìn)行回歸,結(jié)果

見(jiàn)表5所列。從回歸結(jié)果來(lái)看,DiFin、DiExt、DiDep

和 DiLev 的值在 1% 水平上顯著為正,說(shuō)明數(shù)字金

融發(fā)展有助于制造業(yè)企業(yè)全要素生產(chǎn)率提升的結(jié)

論依然成立,H1再次得到驗(yàn)證。

表5 穩(wěn)健性檢驗(yàn)(剔除異常數(shù)據(jù))

DiFin

DiExt

DiDep

DiLev

0.079***

(5.25)

0.079***

(5.88)

0.085***

(4.36)

0.037***

(3.27)

變量 TFP

(1) (2) (3) (4)

控制變量

常數(shù)項(xiàng)

固定效應(yīng)

樣本數(shù)

調(diào)整后R2

Yes

9.742***

(84.88)

Yes

23 939

0.600

Yes

9.745***

(90.05)

Yes

23 939

0.600

Yes

9.711***

(73.07)

Yes

23 939

0.600

Yes

9.975***

(99.27)

Yes

23 939

0.600

續(xù)表5

變量 TFP

(1) (2) (3) (4)

3.內(nèi)生性檢驗(yàn)

為了避免數(shù)字金融發(fā)展與制造業(yè)企業(yè)全要素

生產(chǎn)率提升之間存在的反向因果關(guān)系,以及因遺漏

變量而影響回歸結(jié)果的準(zhǔn)確性,本文采用工具變量

法對(duì)上述研究結(jié)論進(jìn)行穩(wěn)健性檢驗(yàn)。首先,借鑒黃

群慧等(2019)[29]

的研究方法,選取各城市 1984 年

每百人固定電話數(shù)量和每萬(wàn)人郵局?jǐn)?shù)量作為地區(qū)

數(shù)字金融發(fā)展指數(shù)的工具變量,電話用戶數(shù)和郵局

數(shù)代表城市信息化發(fā)展水平,也將對(duì)城市數(shù)字金融

發(fā)展產(chǎn)生影響,而 1984 年的電話和郵局?jǐn)?shù)量不會(huì)

通過(guò)數(shù)字金融發(fā)展影響企業(yè)全要素生產(chǎn)率;借鑒郭

峰(2017)[30]

的研究方法,選擇企業(yè)注冊(cè)地所在城市

到杭州市的球面距離作為工具變量,杭州作為自然

地理變量,與城市數(shù)字金融發(fā)展水平有顯著關(guān)系,

但各城市與杭州之間的距離不會(huì)通過(guò)數(shù)字金融發(fā)

展而影響企業(yè)全要素生產(chǎn)率。此外,上述選用的工

具變量都能滿足有效工具變量的外生性和相關(guān)性

的假設(shè)條件。從表6回歸結(jié)果來(lái)看,F(xiàn)值均遠(yuǎn)超過(guò)

臨界值 10,排除了弱工具變量問(wèn)題,Sagan 檢驗(yàn)結(jié)

果,P值為0.964,表明工具變量通過(guò)過(guò)度識(shí)別檢驗(yàn),

工具變量是外生的,說(shuō)明本文選用的工具變量有

效;DiFin系數(shù)在1%水平上顯著為正,說(shuō)明數(shù)字金

融發(fā)展對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率有顯著推動(dòng)作

用,由此,H1再次得到驗(yàn)證。

表6 穩(wěn)健性檢驗(yàn)(內(nèi)生性檢查)

變量

DiFin

控制變量

常數(shù)項(xiàng)

固定效應(yīng)

F檢驗(yàn)值

樣本數(shù)

調(diào)整后R2

TFP

每百人固定電話數(shù)量

(1)

0.839***

(14.72)

Yes

7.114***

(26.16)

Yes

9 835***

31 751

0.560

每萬(wàn)人郵局?jǐn)?shù)量

(2)

0.842***

(12.88)

Yes

7.101***

(23.06)

Yes

7 554***

31 751

0.589

離杭州距離

(3)

0.508*

(1.79)

Yes

8.612***

(6.96)

Yes

77***

31 751

0.589

— 64 —

第71頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

五、傳導(dǎo)機(jī)制分析

(一)利息負(fù)擔(dān)水平的效應(yīng)分析

首先,將利息負(fù)擔(dān)水平(IBL)代入模型(2)和模

型(3)進(jìn)行回歸,結(jié)果見(jiàn)表 7 列(1)和列(2)。從回

歸結(jié)果來(lái)看,表 7 列(1)的 DiFin 系數(shù)在 1% 水平上

顯著為負(fù),可初步確定利息負(fù)擔(dān)水平(IBL)存在中

介效應(yīng);然后,進(jìn)行Sobel檢驗(yàn),發(fā)現(xiàn)P值為0.001(結(jié)

果小于 0.050),表明利息負(fù)擔(dān)水平(IBL)中介效應(yīng)

仍然存在;最后,進(jìn)行 Bootstrap 檢驗(yàn),在通過(guò) 1 000

次抽樣結(jié)果后發(fā)現(xiàn),95%置信區(qū)間為[0.001,0.005]

(結(jié)果不包含0),進(jìn)一步驗(yàn)證了利息負(fù)擔(dān)水平(IBL)

的中介效應(yīng)。由此,驗(yàn)證了H2,即數(shù)字金融發(fā)展會(huì)

降低制造業(yè)企業(yè)利息負(fù)擔(dān)水平,進(jìn)而促進(jìn)企業(yè)全要

素生產(chǎn)率的提升。

按照上述方法,分別將數(shù)字金融的覆蓋廣度

(DiExt)、使用深度(DiDep)和數(shù)字化程度(DiLev)

代入模型(2)和模型(3)進(jìn)行回歸,結(jié)果見(jiàn)表7列(3)

至列(8)。可以看出,列(3)DiExt系數(shù)在1%水平上

顯著為負(fù),列(5)和列(7)DiDep 和 DiLev 系數(shù)都在

5% 水平上顯著為負(fù),初步表明數(shù)字金融指數(shù)的

3 個(gè)維度發(fā)展都能顯著降低企業(yè)利息負(fù)擔(dān)水平,即

數(shù)字金融 3 個(gè)維度的發(fā)展能通過(guò)企業(yè)利息負(fù)擔(dān)水

平(IBL)影響企業(yè)全要素生產(chǎn)率。此外,Sobel檢驗(yàn)

和Bootstrap 檢驗(yàn)結(jié)果顯示,P值都小于0.050,抽樣

1 000次后95%的置信區(qū)間結(jié)果都不包含0,進(jìn)一步

表明,數(shù)字金融3個(gè)不同維度的發(fā)展都降低了制造

業(yè)企業(yè)的利息負(fù)擔(dān)水平,進(jìn)而促進(jìn)了企業(yè)全要素生

產(chǎn)率的提升。

表7 中介效應(yīng)分析(利息負(fù)擔(dān)水平)

變量

DiFin

DiExt

DiDep

DiLev

IBL

控制變量

固定效應(yīng)

Sobel檢驗(yàn)

Bootstrap檢驗(yàn)

樣本數(shù)

調(diào)整后R2

數(shù)字金融總指數(shù)

IBL

(1)

-0.003***

(-3.41)

Yes

Yes

(Z=3.263,P=0.001)

[0.001,0.005]

31 751

0.253

TFP

(2)

0.079***

(5.36)

-1.148***

(-11.18)

Yes

Yes

31 751

0.600

覆蓋廣度指數(shù)

IBL

(3)

-0.003***

(-3.95)

Yes

Yes

(Z=3.719,P=0.001)

[0.002,0.005]

31 751

0.253

TFP

(4)

0.079***

(5.97)

-1.145***

(-11.15)

Yes

Yes

31 751

0.600

使用深度指數(shù)

IBL

(5)

-0.002**

(-2.37)

Yes

Yes

(Z=2.319,P=0.020)

[0.001,0.005]

31 751

0.253

TFP

(6)

0.088***

(4.65)

-1.152***

(-11.22)

Yes

Yes

31 751

0.600

數(shù)字化程度指數(shù)

IBL

(7)

-0.001**

(-2.52)

Yes

Yes

(Z=2.461,P=0.014)

[0.001,0.003]

31 751

0.253

TFP

(8)

0.034***

(3.39)

-1.153***

(-11.23)

Yes

Yes

31 751

0.600

(二)負(fù)債融資水平效應(yīng)分析

本文將負(fù)債融資水平(DFCR)作為中介變量

代入模型(2)和模型(3)進(jìn)行回歸,結(jié)果見(jiàn)表 8 所

列。按照上文中介效應(yīng)分析的方法進(jìn)行分析,結(jié)

果顯示:列(1)DiFin 系數(shù)在 1% 水平上顯著為負(fù),

Sobel 檢驗(yàn)結(jié)果 P 值小于 0.050,Bootstrap 檢驗(yàn)結(jié)果

包含0,說(shuō)明數(shù)字金融的發(fā)展能降低制造業(yè)企業(yè)負(fù)

債融資水平,但負(fù)債融資水平并沒(méi)有起到中介效

應(yīng)作用,即數(shù)字金融的發(fā)展不能通過(guò)負(fù)債融資水

平促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率的提升,因此,H3

不成立;列(3)DiExt 系數(shù)在 1% 水平上顯著為負(fù),

Sobel 檢驗(yàn)結(jié)果 P 值小于 0.050,Bootstrap 檢驗(yàn)結(jié)果

不包含 0,列(5)和列(7)DiDep 和 DiLev 系數(shù)都在

1% 水平上顯著為負(fù),Sobel 檢驗(yàn)結(jié)果 P 值大于

0.050,Bootstrap 檢驗(yàn)結(jié)果都不包含 0,說(shuō)明數(shù)字金

融的覆蓋廣度、使用深度和數(shù)字化程度都能夠降

低制造業(yè)企業(yè)負(fù)債融資水平,但負(fù)債融資水平的

中介作用存在異質(zhì)性。負(fù)債融資水平在數(shù)字金

融覆蓋廣度對(duì)企業(yè)全要素生產(chǎn)率的影響中起到

了中介作用,但在數(shù)字金融使用深度和數(shù)字化程

度對(duì)企業(yè)全要素生產(chǎn)率的影響中沒(méi)有起到中介

作用。

— 65 —

第72頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

表8 中介效應(yīng)分析(負(fù)債融資水平)

變量

DiFin

DiExt

DiDep

DiLev

DFCR

控制變量

固定效應(yīng)

Sobel檢驗(yàn)

Bootstrap檢驗(yàn)

樣本數(shù)

調(diào)整后R2

數(shù)字金融總指數(shù)

DFCR

(1)

-0.006***

(-4.85)

Yes

Yes

(Z=-2.031,P=0.042)

[-0.002,0.001]

31 751

0.045

TFP

(2)

0.083***

(5.62)

0.142**

(2.24)

Yes

Yes

31 751

0.599

覆蓋廣度指數(shù)

DFCR

(3)

-0.006***

(-5.42)

Yes

Yes

(Z=-2.097,P=0.036)

[-0.002,-0.001]

31 751

0.045

TFP

(4)

0.083***

(6.28)

0.144**

(2.27)

Yes

Yes

31 751

0.599

使用深度指數(shù)

DFCR

(5)

-0.007***

(-4.14)

Yes

Yes

(Z=1.940,P=0.052)

[-0.002,0.001]

31 751

0.045

TFP

(6)

0.092***

(4.84)

0.139**

(2.20)

Yes

Yes

31 751

0.599

數(shù)字化程度指數(shù)

DFCR

(7)

-0.003***

(-3.21)

Yes

Yes

(Z=-1.785,P=0.074)

[-0.001,0.001]

31 751

0.044

TFP

(8)

0.036***

(3.58)

0.136**

(2.15)

Yes

Yes

31 751

0.598

(三)權(quán)益融資水平的效應(yīng)分析

本文將權(quán)益融資水平(EFCR)作為中介變量進(jìn)

行回歸,結(jié)果見(jiàn)表 9 所列??梢钥闯觯校?)DiFin

系數(shù)在5%水平上顯著為正,Sobel檢驗(yàn)結(jié)果P值小

于 0.050,Bootstrap 檢驗(yàn)結(jié)果包含 0,說(shuō)明數(shù)字金融

的發(fā)展提升了制造業(yè)企業(yè)權(quán)益融資水平,但權(quán)益融

資水平并沒(méi)有起到中介作用,即數(shù)字金融的發(fā)展不

能通過(guò)權(quán)益融資水平促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)

率提升,因此,H4 不成立;列(5)DiDep 系數(shù)在 5%

水平上顯著為正,Sobel 檢驗(yàn)結(jié)果 P 值小于 0.050,

Bootstrap 檢驗(yàn)結(jié)果不包含 0,列(3)和列(7)中,

DiExt系數(shù)在1%水平上顯著為正,DiLev系數(shù)不顯

著,Sobel檢驗(yàn)結(jié)果P值都大于0.050,Bootstrap檢驗(yàn)

結(jié)果都包含0,說(shuō)明數(shù)字金融的覆蓋廣度和使用深

度促進(jìn)了制造業(yè)企業(yè)權(quán)益融資水平的提升,而數(shù)字

化程度對(duì)制造業(yè)企業(yè)權(quán)益融資水平的變化沒(méi)有顯

著影響。權(quán)益融資水平在數(shù)字金融使用深度對(duì)制

造業(yè)企業(yè)全要素生產(chǎn)率的影響中起到了中介作用,

但在數(shù)字金融覆蓋廣度和數(shù)字化程度對(duì)制造業(yè)企

業(yè)全要素生產(chǎn)率的影響中沒(méi)有起到中介作用。

表9 中介效應(yīng)分析(權(quán)益融資水平)

變量

DiFin

DiExt

DiDep

DiLev

EFCR

控制變量

固定效應(yīng)

Sobel檢驗(yàn)

Bootstrap檢驗(yàn)

樣本數(shù)

調(diào)整后R2

數(shù)字金融總指數(shù)

EFCR

(1)

0.002**

(1.98)

Yes

Yes

(Z=1.973,P=0.049)

[-0.001,0.008]

31 751

0.067

TFP

(2)

0.078***

(5.34)

1.773***

(24.98)

Yes

Yes

31 751

0.606

覆蓋廣度指數(shù)

EFCR

(3)

0.002*

(1.94)

Yes

Yes

(Z=1.937,P=0.053)

[-0.001,0.007]

31 751

0.067

TFP

(4)

0.078***

(6.00)

1.772***

(24.98)

Yes

Yes

31 751

0.606

使用深度指數(shù)

EFCR

(5)

0.003**

(2.04)

Yes

Yes

(Z=2.036,P=0.042)

[0.001,0.010]

31 751

0.067

TFP

(6)

0.085***

(4.55)

1.773***

(24.98)

Yes

Yes

31 751

0.606

數(shù)字化程度指數(shù)

EFCR

(7)

0.001

(3.42)

Yes

Yes

(Z=1.561,P=0.119)

[-0.001,0.005]

31 751

0.067

TFP

(8)

0.034***

(4.45)

1.775***

(25.00)

Yes

Yes

31 751

0.606

— 66 —

第73頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

六、異質(zhì)性分析

(一)數(shù)字金融對(duì)不同產(chǎn)權(quán)性質(zhì)企業(yè)的影響

差異

為了考察數(shù)字金融對(duì)不同產(chǎn)權(quán)性質(zhì)企業(yè)的

影響差異,本文將樣本按企業(yè)產(chǎn)權(quán)性質(zhì)分為國(guó)有

企業(yè)和非國(guó)有企業(yè),具體為中央國(guó)有企業(yè)和地方

國(guó)有企業(yè)歸類為國(guó)有企業(yè);民營(yíng)、外資、集體、公

眾和其他企業(yè)歸類為非國(guó)有企業(yè),分別進(jìn)行回

歸,結(jié)果見(jiàn)表 10 列(1)和列(2)??梢钥闯觯瑖?guó)有

企業(yè) DiFin 系數(shù)在 1% 水平上顯著為正,而非國(guó)有

企業(yè) DiFin 系數(shù)在 5% 水平上顯著為正,說(shuō)明數(shù)字

金融發(fā)展對(duì)國(guó)有制造業(yè)企業(yè)全要素生產(chǎn)率的促

進(jìn)作用更顯著。原因可能是:數(shù)字金融的發(fā)展提

高了金融機(jī)構(gòu)的貸款效率、降低了貸款利率,國(guó)

有制造業(yè)企業(yè)和非國(guó)有制造業(yè)企業(yè)都能享受數(shù)

字金融帶來(lái)的紅利,國(guó)有制造業(yè)企業(yè)通過(guò)專業(yè)

化、體系化、法治化建設(shè),進(jìn)一步增加了人才儲(chǔ)

備、優(yōu)化了企業(yè)結(jié)構(gòu)、提升了管理水平,有助于其

利用人才和技術(shù)優(yōu)勢(shì)進(jìn)行研發(fā)投入和技術(shù)創(chuàng)新,

進(jìn)而提升全要素生產(chǎn)率;相較于國(guó)有企業(yè),雖然

數(shù)字金融的發(fā)展緩解了非國(guó)有制造業(yè)企業(yè)的融

資問(wèn)題,但在人才和技術(shù)儲(chǔ)備上仍存在較大差

距,非國(guó)有企業(yè)在研發(fā)和創(chuàng)新投入方面顯著不

足,無(wú)法有效提升企業(yè)全要素生產(chǎn)率。因此,數(shù)

字金融的發(fā)展對(duì)國(guó)有制造業(yè)企業(yè)全要素生產(chǎn)率

的提升作用更顯著。

(二)數(shù)字金融對(duì)不同規(guī)模企業(yè)的影響差異

為了考察數(shù)字金融對(duì)不同規(guī)模企業(yè)的影響

差異,本文按企業(yè)規(guī)模將樣本分為大型企業(yè)和

非大型企業(yè),其中,非大型企業(yè)為中型、小型和

微型企業(yè),分別進(jìn)行回歸,結(jié)果見(jiàn)表 10 列(3)和

列(4)??梢钥闯觯笮推髽I(yè) DiFin 系數(shù)在 1% 水

平上顯著為正,而非大型企業(yè) DiFin 系數(shù)不顯

著,說(shuō)明數(shù)字金融的發(fā)展能顯著促進(jìn)大型制造

業(yè)企業(yè)全要素生產(chǎn)率的提升,但對(duì)非大型制造

業(yè)企業(yè)沒(méi)有顯著影響。原因可能是:大型制造

業(yè)企業(yè)經(jīng)營(yíng)規(guī)范、業(yè)務(wù)穩(wěn)定、抗風(fēng)險(xiǎn)能力強(qiáng)、人

才和技術(shù)儲(chǔ)備豐富,隨著數(shù)字金融的發(fā)展,金融

機(jī)構(gòu)的融資效率進(jìn)一步提高、融資成本進(jìn)一步

降低,更能助力大型制造業(yè)企業(yè)全要素生產(chǎn)率

的提升;中小微制造業(yè)企業(yè)經(jīng)營(yíng)模式單一、抗風(fēng)

險(xiǎn)能力弱、人才儲(chǔ)備不足,金融機(jī)構(gòu)為了控制信

貸風(fēng)險(xiǎn),往往無(wú)法為企業(yè)提供足夠的信貸資金

或者將信貸風(fēng)險(xiǎn)的成本轉(zhuǎn)嫁給中小微制造業(yè)企

業(yè),不利于其創(chuàng)新發(fā)展,并且我國(guó)大多數(shù)中小微

企業(yè)盈利能力較弱,獲得的資金主要用于維持

企業(yè)正常運(yùn)營(yíng),用于技術(shù)改造提高生產(chǎn)效率的

資金較少,因此,數(shù)字金融的發(fā)展能緩解中小微

企業(yè)的融資問(wèn)題,但對(duì)企業(yè)全要素生產(chǎn)率的提

升作用不顯著。

(三)數(shù)字金融對(duì)不同密集型企業(yè)的影響差異

為了考察數(shù)字金融對(duì)不同密集型企業(yè)的影響

差異,本文將制造業(yè)企業(yè)分類為勞動(dòng)密集型和非

勞動(dòng)密集型企業(yè),其中,非勞動(dòng)密集型企業(yè)為資本

和技術(shù)密集型企業(yè),分別進(jìn)行回歸,結(jié)果見(jiàn)表 10

列(5)和列(6)??梢钥闯觯瑒趧?dòng)密集型企業(yè)和非

勞動(dòng)密集型企業(yè)的 DiFin 系數(shù)都在 1% 水平上顯

著為正,進(jìn)一步通過(guò) chow 檢驗(yàn),結(jié)果顯示,交叉

項(xiàng)系數(shù)在 5% 水平上顯著為負(fù),說(shuō)明數(shù)字金融的

發(fā)展對(duì)非勞動(dòng)密集型制造業(yè)企業(yè)全要素生產(chǎn)率

的提升作用更大。原因可能是:我國(guó)制造業(yè)企

業(yè)中許多企業(yè)是以手工作業(yè)為主的勞動(dòng)密集型

企業(yè),數(shù)字金融的發(fā)展緩解了勞動(dòng)密集型企業(yè)

的融資問(wèn)題,但勞動(dòng)密集型企業(yè)的人工成本比

較低,所以這些企業(yè)仍傾向于采用以人工操作

為主的生產(chǎn)方式;數(shù)字金融的發(fā)展緩解了技術(shù)

密集型和資本密集型制造業(yè)企業(yè)的融資問(wèn)題,

這些企業(yè)更愿意將資金投入到產(chǎn)品研發(fā)和技術(shù)

創(chuàng)新,因而非勞動(dòng)密集型企業(yè)能顯著地提升企

業(yè)全要素生產(chǎn)率。

(四)數(shù)字金融對(duì)不同地區(qū)企業(yè)的影響差異

我國(guó)地域廣闊,各地區(qū)的歷史、文化、地理環(huán)

境不同,經(jīng)濟(jì)發(fā)展差異較大,為考察數(shù)字金融對(duì)不

同地區(qū)企業(yè)的影響差異,本文按企業(yè)所在地區(qū)將

樣本分為東部(經(jīng)濟(jì)發(fā)達(dá))地區(qū)和非東部(經(jīng)濟(jì)欠

發(fā)達(dá))地區(qū)(不包含港澳臺(tái)地區(qū))(1),分別進(jìn)行回

歸,結(jié)果見(jiàn)表 10 列(7)和列(8)??梢钥闯?,東部

地區(qū)企業(yè) DiFin 系數(shù)在 1% 水平上顯著為正,非東

部地區(qū)企業(yè)DiFin系數(shù)不顯著,說(shuō)明數(shù)字金融的發(fā)

展對(duì)東部制造業(yè)企業(yè)全要素生產(chǎn)率的提升作用更

顯著。原因可能是,數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)

率的影響需要企業(yè)所在城市綜合經(jīng)濟(jì)實(shí)力的支

持,經(jīng)濟(jì)水平較高的城市,基礎(chǔ)設(shè)施、人才水平、政

府效率都會(huì)好于經(jīng)濟(jì)水平較低的城市,因此,東部

地區(qū)企業(yè)提升企業(yè)全要素生產(chǎn)率的動(dòng)力更足。

— 67 —

第74頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

表10 異質(zhì)性分析

變量

DiFin

控制變量

常數(shù)項(xiàng)

固定效應(yīng)

樣本數(shù)

調(diào)整后R2

TFP

產(chǎn)權(quán)性質(zhì)

國(guó)有

(1)

0.117***

(2.99)

Yes

7.500***

(28.15)

Yes

7 159

0.607

非國(guó)有

(2)

0.038**

(2.46)

Yes

10.970***

(98.12)

Yes

24 592

0.575

企業(yè)規(guī)模

大型

(3)

0.125***

(7.45)

Yes

4.874***

(36.29)

Yes

15 935

0.631

非大型

(4)

0.016

(0.81)

Yes

12.380***

(88.50)

Yes

15 816

0.465

密集型

勞動(dòng)

(5)

0.119***

(3.99)

Yes

9.404***

(42.51)

Yes

7 018

0.549

非勞動(dòng)

(6)

0.060***

(3.55)

Yes

10.010***

(83.61)

Yes

24 733

0.619

所在地區(qū)

東部

(7)

0.108***

(6.48)

Yes

9.766***

(81.75)

Yes

22 730

0.603

非東部

(8)

0.008

(0.25)

Yes

10.090***

(46.22)

Yes

9 021

0.600

七、研究結(jié)論與政策建議

(一)研究結(jié)論

為了探究數(shù)字金融的發(fā)展是否有效解決了制

造業(yè)企業(yè)融資問(wèn)題,是否提升了制造業(yè)企業(yè)全要

素生產(chǎn)率,本文利用 2011—2020 數(shù)字金融數(shù)據(jù)與

同期 A 股和新三板制造業(yè)企業(yè)數(shù)據(jù),實(shí)證研究了

數(shù)字金融對(duì)制造業(yè)企業(yè)全要素生產(chǎn)率的影響及其

傳導(dǎo)機(jī)制。研究結(jié)果表明:①總體上,數(shù)字金融發(fā)

展能顯著促進(jìn)我國(guó)制造業(yè)企業(yè)全要素生產(chǎn)率的提

升;②分渠道來(lái)看,數(shù)字金融的覆蓋廣度、使用深

度和數(shù)字化程度都能促進(jìn)我國(guó)制造業(yè)企業(yè)全要素

生產(chǎn)率的提升;③從傳導(dǎo)機(jī)制來(lái)看,數(shù)字金融發(fā)展

降低了制造業(yè)企業(yè)利息負(fù)擔(dān)水平和負(fù)債融資水

平,但提升了企業(yè)權(quán)益融資水平,其中,利息負(fù)擔(dān)

水平起到了中介作用,而負(fù)債融資水平和權(quán)益融

資水平?jīng)]有起到中介作用;④異質(zhì)性分析發(fā)現(xiàn),數(shù)

字金融的發(fā)展對(duì)提升國(guó)有、大型、非勞動(dòng)密集型、

東部地區(qū)的制造業(yè)企業(yè)全要素生產(chǎn)率的作用更

顯著。

(二)政策建議

根據(jù)上述研究結(jié)果,本文提出以下建議:

第一,國(guó)家應(yīng)繼續(xù)發(fā)展數(shù)字金融,并加大數(shù)字

化程度的發(fā)展力度,促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率

的提升。國(guó)家應(yīng)在政策層面繼續(xù)鼓勵(lì)和支持?jǐn)?shù)字

金融發(fā)展的同時(shí),考慮數(shù)字金融的覆蓋廣度和使用

深度逐漸趨于飽和,后續(xù)發(fā)展乏力,而目前數(shù)字化

程度發(fā)展對(duì)降低制造業(yè)企業(yè)負(fù)債融資水平和權(quán)益

融資水平仍有很大空間。因此,可以將發(fā)展數(shù)字金

融的數(shù)字化程度作為下一階段的重點(diǎn)發(fā)展方向,進(jìn)

一步降低制造業(yè)企業(yè)融資水平,促進(jìn)制造業(yè)企業(yè)全

要素生產(chǎn)率提升。

第二,金融機(jī)構(gòu)應(yīng)進(jìn)一步緩解中小微制造業(yè)企

業(yè)“融資貴”問(wèn)題,促進(jìn)制造業(yè)整體高質(zhì)量發(fā)展。數(shù)

字金融發(fā)展緩解了制造業(yè)企業(yè)融資問(wèn)題,但并沒(méi)有

解決中小微制造業(yè)企業(yè)“融資貴”的難題,中小微制

造業(yè)企業(yè)仍無(wú)法通過(guò)享受數(shù)字金融紅利來(lái)促進(jìn)企

業(yè)全要素生產(chǎn)率的提升。因此,金融機(jī)構(gòu)需進(jìn)一步

加強(qiáng)數(shù)字金融建設(shè),加大對(duì)中小微制造業(yè)企業(yè)的支

持力度,促進(jìn)我國(guó)制造業(yè)整體高質(zhì)量發(fā)展。

第三,加大數(shù)字金融對(duì)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的支

持力度,推動(dòng)地區(qū)產(chǎn)業(yè)聯(lián)動(dòng),實(shí)現(xiàn)共同發(fā)展。數(shù)字

金融發(fā)展突破了空間和時(shí)間的限制,將金融服務(wù)

業(yè)務(wù)延伸到許多偏遠(yuǎn)地區(qū),但沒(méi)有改變非東部經(jīng)

濟(jì)欠發(fā)達(dá)地區(qū)企業(yè)全要素生產(chǎn)率發(fā)展緩慢的窘

境。因此,金融機(jī)構(gòu)可以適當(dāng)實(shí)施針對(duì)不同地區(qū)

差異化的金融政策,為經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)提供更優(yōu)

惠的金融政策,吸引更多制造業(yè)企業(yè)和人才入駐,

推動(dòng)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的經(jīng)濟(jì)發(fā)展;同時(shí),利用金融

政策,鼓勵(lì)、引導(dǎo)經(jīng)濟(jì)發(fā)達(dá)地區(qū)制造業(yè)企業(yè)參與中

西部地區(qū)建設(shè),通過(guò)地區(qū)聯(lián)動(dòng)、產(chǎn)業(yè)聯(lián)動(dòng),實(shí)現(xiàn)共

同發(fā)展的目標(biāo)。

(三)研究不足

本文研究了數(shù)字金融的發(fā)展對(duì)我國(guó)制造業(yè)企

業(yè)全要素生產(chǎn)率的影響及傳導(dǎo)機(jī)制,在研究過(guò)程中

仍存在一些不足之處有待改進(jìn):①在數(shù)據(jù)層面,本

研究采用的數(shù)字金融指數(shù)是利用螞蟻集團(tuán)關(guān)于數(shù)

字普惠金融的海量數(shù)據(jù)計(jì)算得到,該數(shù)據(jù)有一定的

局限性,相關(guān)指標(biāo)仍需要進(jìn)一步優(yōu)化和完善;②在

研究?jī)?nèi)容上,本文雖然研究和分析了制造業(yè)行業(yè),

但我國(guó)制造業(yè)有30個(gè)行業(yè),數(shù)字金融發(fā)展對(duì)每個(gè)制

造業(yè)行業(yè)的影響也會(huì)存在差異,需進(jìn)一步細(xì)化

研究。

— 68 —

第75頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率

注 釋:

(1)東部(經(jīng)濟(jì)發(fā)達(dá))地區(qū)包括北京、天津、河北、上海、江蘇、

浙江、福建、山東、廣東和海南10個(gè)省份;非東部(經(jīng)濟(jì)

欠發(fā)達(dá))地區(qū)包括遼寧、吉林、黑龍江、山西、安徽、江西、

河南、湖北、湖南、內(nèi)蒙古、廣西、重慶、四川、貴州、云南、

西藏、陜西、甘肅、青海、寧夏、新疆21個(gè)省份。

參考文獻(xiàn):

[1]冉芳,譚怡 . 數(shù)字金融、創(chuàng)新投入與企業(yè)全要素生產(chǎn)率

[J].統(tǒng)計(jì)與決策,2021,37(15):136-139.

[2]曲玥.制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)變遷的路徑分析——基于勞動(dòng)力

成本優(yōu)勢(shì)和全要素生產(chǎn)率的測(cè)算[J]. 世界經(jīng)濟(jì)文匯,

2010(6):66-78.

[3]劉朝.中國(guó)制造業(yè)上市公司融資結(jié)構(gòu)與TFP增長(zhǎng)率分析

[J].技術(shù)經(jīng)濟(jì)與管理研究,2020(1):23-29.

[4]向潔,胡青江,閆海龍.數(shù)字普惠金融發(fā)展的區(qū)域差異及

動(dòng)態(tài)演進(jìn)[J].技術(shù)經(jīng)濟(jì)與管理研究,2021(2):65-70.

[5]喻平,豆俊霞.數(shù)字普惠金融發(fā)展緩解了中小企業(yè)融資

約束嗎[J].財(cái)會(huì)月刊,2020(3):140-146.

[6]SOLOW R M. Technical Change and the Aggregate Pro‐

duction Function[J]. Review of Economics and Statistics,

1957,39(3):312-320.

[7]CAVES D W,CHRISTENSEN L R,DIEWERT W E. The

Economic Theory of Index Numbers and the Measure‐

ment of Input,Output and Productivity[J]. Econometrica,

1982,50(6):1393-1414.

[8]BLUNDELL R,BOND S. Initial Conditions and Moment

Restrictions in Dynamoc Panel Data Models[J]. Journal

of Econometrics,1998,87(1):115-143.

[9]OLLEY S,PAKES A. The Dynamics of Productivity in

the Telecommunications Equipment Industry[J]. Econo‐

metrica,1996,64(6):1263-1298.

[10]LEVINSOHN J,PETRIN A. Estimating Production Func‐

tions Using Inputs to Control for Unobservables[J]. Re‐

view of Economic Studies,2003,70(2):317-342.

[11]ACKERBERG D,CAVES K,F(xiàn)RAZER G. Structural

Identification of Production Functions[R]. Munich:Uni‐

versity Library of Munich,2006.

[12]李京文 . 前言[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,1996(12):

3-6.

[13]李言,高波,雷紅.中國(guó)地區(qū)要素生產(chǎn)率的變遷:1978—

2016[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)究,2018,35(10):21-39.

[14]潘藝,張金昌,黃靜.非工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的生產(chǎn)效

率差異分析——基于A股上市企業(yè)的準(zhǔn)自然實(shí)驗(yàn)[J].

華東經(jīng)濟(jì)管理,2023,37(1):1-14.

[15]唐松,賴曉冰,黃銳.金融科技創(chuàng)新如何影響全要素生

產(chǎn)率:促進(jìn)還是抑制——理論分析框架與區(qū)域?qū)嵺`

[J].中國(guó)軟科學(xué),2019(7):134-144.

[16]侯層,李北偉.金融科技是否提高了全要素生產(chǎn)率——

來(lái)自北京大學(xué)數(shù)字普惠金融指數(shù)的經(jīng)驗(yàn)證據(jù)[J].財(cái)經(jīng)

科學(xué),2020(12):1-12.

[17]惠獻(xiàn)波.數(shù)字普惠金融發(fā)展與城市全要素生產(chǎn)率——來(lái)

自278個(gè)城市的經(jīng)驗(yàn)證據(jù)[J].投資研究,2021,40(1):

4-15.

[18]陳中飛,江康奇 . 數(shù)字金融發(fā)展與企業(yè)全要素生產(chǎn)率

[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2021(10):82-99.

[19]張樹(shù)果.數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的影響研究——

基于融資約束的中介效應(yīng)[J]. 浙江金融,2022(1):

70-80.

[20]KAPLAN S N,ZINGALES L. Do Investment-Cash Flow

Sensitivities Provide Useful Measures of Financing Con‐

straints?[J]. Quarterly Journal of Economics,1997,112(1):

169-215.

[21]黃浩.數(shù)字金融生態(tài)系統(tǒng)的形成與挑戰(zhàn)——來(lái)自中國(guó)

的經(jīng)驗(yàn)[J].經(jīng)濟(jì)學(xué)家,2018(4):80-85.

[22]萬(wàn)佳彧,周勤,肖義 . 數(shù)字金融、融資約束與企業(yè)創(chuàng)新

[J].經(jīng)濟(jì)評(píng)論,2020(1):71-83.

[23]高霞,雷林興,馬芬芬.數(shù)字金融、融資約束與企業(yè)成長(zhǎng)

[J].財(cái)會(huì)通訊,2022(2):68-71.

[24]馬芬芬,澤宇,王滿倉(cāng).數(shù)字金融、融資約束與企業(yè)全要

素生產(chǎn)率——理論模型與工業(yè)企業(yè)經(jīng)驗(yàn)證據(jù)[J].人文

雜志,2021(7):69-79.

[25]潘藝,張金昌,黃靜.降低實(shí)體企業(yè)融資成本政策效果

評(píng)估——基于A股和新三板市場(chǎng)工業(yè)企業(yè)數(shù)據(jù)[J].財(cái)

會(huì)月刊,2022(5):25-31.

[26]江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J].

中國(guó)工業(yè)經(jīng)濟(jì),2022(5):100-120.

[27]陳維濤,韓峰,張國(guó)峰.互聯(lián)網(wǎng)電子商務(wù)、企業(yè)研發(fā)與全

要素生產(chǎn)率[J].南開(kāi)經(jīng)濟(jì)研究,2019(5):41-59.

[28]唐松,伍旭川,祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)

構(gòu)特征、機(jī)制識(shí)別與金融監(jiān)管下的效應(yīng)差異[J].管理

世界,2020,36(5):52-66,9.

[29]黃群慧,余泳澤,張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提

升:內(nèi)在機(jī)制與中國(guó)經(jīng)驗(yàn)[J].中國(guó)工業(yè)經(jīng)濟(jì),2019(8):

5-23.

[30]郭峰,孔濤,王靖一 . 互聯(lián)網(wǎng)金融空間集聚效應(yīng)分析

——來(lái)自互聯(lián)網(wǎng)金融發(fā)展指數(shù)的證據(jù)[J].國(guó)際金融研

究,2017(8):75-85.

[責(zé)任編輯:夏同梅]

— 69 —

第76頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

East China Economic Management (Vol.37,No.11)

西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

張 鴻a,b

,王 璐a

(西安郵電大學(xué) a.經(jīng)濟(jì)與管理學(xué)院;b.西部數(shù)字經(jīng)濟(jì)研究院,陜西 西安 710061)

摘 要:準(zhǔn)確測(cè)度我國(guó)西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平,對(duì)于西部地區(qū)實(shí)現(xiàn)鄉(xiāng)村高質(zhì)量發(fā)展具有重要意義。文章從數(shù)字

鄉(xiāng)村基礎(chǔ)設(shè)施、數(shù)字鄉(xiāng)村發(fā)展環(huán)境、鄉(xiāng)村數(shù)字化應(yīng)用以及鄉(xiāng)村數(shù)字化治理四個(gè)維度,構(gòu)建了包含27個(gè)指標(biāo)的西部地

區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系,利用AHP—熵權(quán)法實(shí)證測(cè)算并評(píng)價(jià)了2018—2020年我國(guó)西部12個(gè)省份的數(shù)字鄉(xiāng)村

發(fā)展情況。研究發(fā)現(xiàn):西部地區(qū)數(shù)字鄉(xiāng)村綜合發(fā)展水平逐年穩(wěn)定上升,但各省份間存在顯著差異;有的地區(qū)數(shù)字鄉(xiāng)村

綜合發(fā)展水平雖相對(duì)落后,但發(fā)展速度快、潛力大;數(shù)字鄉(xiāng)村各子系統(tǒng)水平在西部12個(gè)省份間差異較大。據(jù)此提出

西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展的對(duì)策建議。

關(guān)鍵詞:數(shù)字鄉(xiāng)村;鄉(xiāng)村振興;西部數(shù)字鄉(xiāng)村測(cè)度;AHP—熵權(quán)法

中圖分類號(hào):F327;F49 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1007-5097(2023)11-0070-09

Level Measurement and Promotion Path of Digital Village Development in Western China

ZHANG Honga,b

,WANG Lua

(a. School of Economics and Management;b. Western Digital Economy Research Institute,

Xi'an University of Posts and Telecommunications,Xi'an 710061,China)

Abstract:Accurately measuring the level of digital rural development in western China is of great significance for achiev‐

ing high-quality rural development in the region. This paper constructs an evaluation index system for digital rural devel‐

opment in western China,including 27 indicators,from four dimensions:digital rural infrastructure,digital rural develop‐

ment environment,rural digital application,and rural digital governance. The AHP entropy weight method is used to em‐

pirically measure and evaluate the digital rural development situation in 12 provinces in western China from 2018 to

2020. Research has found that the comprehensive development level of digital rural areas in the western region has

steadily increased year by year,but there are significant differences among provinces. Although the comprehensive devel‐

opment level of digital villages in some areas is relatively backward,the development speed is fast and the potential is

great. The level of various subsystems in digital rural areas varies significantly among the 12 provinces in the western re‐

gion. Based on this,countermeasures and suggestions for the development of digital rural areas in the western region are

proposed.

Key words:digital village;rural revitalization;western digital village measure;AHP-Entropy Law

一、引 言

黨的十八大以來(lái),黨中央、國(guó)務(wù)院高度重視數(shù)

字鄉(xiāng)村建設(shè),出臺(tái)一系列戰(zhàn)略規(guī)劃,統(tǒng)籌推進(jìn)數(shù)字

鄉(xiāng)村發(fā)展。2019年5月,中共中央辦公廳、國(guó)務(wù)院

辦公廳印發(fā)《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》(下文簡(jiǎn)稱

《戰(zhàn)略綱要》),提出要將數(shù)字鄉(xiāng)村作為數(shù)字中國(guó)建

設(shè)的重要方面,并布局重點(diǎn)任務(wù),落實(shí)發(fā)展規(guī)劃,整

體推進(jìn)數(shù)字鄉(xiāng)村建設(shè)進(jìn)程。2021年9月,中央網(wǎng)絡(luò)

安全和信息化委員會(huì)辦公室等七部門(mén)印發(fā)《數(shù)字鄉(xiāng)

村建設(shè)指南 1.0》,進(jìn)一步明確數(shù)字鄉(xiāng)村的建設(shè)方

向,扎實(shí)推進(jìn)數(shù)字鄉(xiāng)村建設(shè)。此外,2018—2022年

連續(xù)五年中央一號(hào)文件重點(diǎn)關(guān)注數(shù)字鄉(xiāng)村發(fā)展,依

次提出數(shù)字鄉(xiāng)村戰(zhàn)略、實(shí)施數(shù)字鄉(xiāng)村戰(zhàn)略、開(kāi)展國(guó)

家數(shù)字鄉(xiāng)村試點(diǎn)、實(shí)施數(shù)字鄉(xiāng)村建設(shè)發(fā)展工程、大

力推進(jìn)數(shù)字鄉(xiāng)村建設(shè)。從上述國(guó)家政策文件可以

看出,我國(guó)對(duì)數(shù)字鄉(xiāng)村建設(shè)與發(fā)展的重視程度,建

設(shè)和發(fā)展數(shù)字鄉(xiāng)村已成為國(guó)家的重大戰(zhàn)略。

現(xiàn)階段,我國(guó)數(shù)字鄉(xiāng)村發(fā)展水平存在區(qū)域不平

收稿日期:2022-10-13

基金項(xiàng)目:國(guó)家社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目“中國(guó)農(nóng)村電子商務(wù)精準(zhǔn)扶貧研究”(21FGLA004);陜西省哲學(xué)社會(huì)科學(xué)研究專項(xiàng)重

點(diǎn)項(xiàng)目“陜西大力培育數(shù)字經(jīng)濟(jì)研究”(2022HZ1498)

作者簡(jiǎn)介:張 鴻(1961—),男,陜西富平人,二級(jí)教授,院長(zhǎng),研究方向:數(shù)字經(jīng)濟(jì),數(shù)字鄉(xiāng)村;

王 璐(1997—),女,山東青島人,碩士研究生,通信作者,研究方向:數(shù)字鄉(xiāng)村。

●高質(zhì)量發(fā)展 [DOI]10.19629/j.cnki.34-1014/f.221013012

— 70 —

第77頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

衡,總體呈現(xiàn)“東部發(fā)展較快、中部次之、東北和西

部發(fā)展滯后”的現(xiàn)象[1]

。但隨著國(guó)家西部大開(kāi)發(fā)戰(zhàn)

略政策的實(shí)施,西部地區(qū)在道路交通、基礎(chǔ)設(shè)施建

設(shè)等方面迅速發(fā)展,逐步縮小與中東部地區(qū)的差

距,尤其在數(shù)字鄉(xiāng)村建設(shè)方面,西部地區(qū)發(fā)展勢(shì)頭

較猛,并呈現(xiàn)追趕姿態(tài),部分省份發(fā)展增速領(lǐng)跑全

國(guó)[2]

。為厘清西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展趨勢(shì)、明晰發(fā)

展方向與不足,本文構(gòu)建西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)

價(jià)指標(biāo)體系,測(cè)度西部各省份數(shù)字鄉(xiāng)村發(fā)展水平,

并提出相應(yīng)的對(duì)策建議,為加快西部地區(qū)數(shù)字鄉(xiāng)村

發(fā)展、實(shí)現(xiàn)鄉(xiāng)村全面振興提供有益參考。

二、相關(guān)文獻(xiàn)回顧

(一)關(guān)于數(shù)字鄉(xiāng)村發(fā)展的定性研究

首先,數(shù)字鄉(xiāng)村概念研究方面,邢振江從國(guó)家

邏輯的角度提出,數(shù)字鄉(xiāng)村建設(shè)需要國(guó)家做制度引

導(dǎo)者、體系創(chuàng)新者、要素調(diào)配者和安全維護(hù)者[3];

趙成偉和許竹青從科技創(chuàng)新的角度認(rèn)為,數(shù)字鄉(xiāng)村

是數(shù)字技術(shù)賦能鄉(xiāng)村建設(shè),是新一代信息技術(shù)在農(nóng)

業(yè)農(nóng)村的深入應(yīng)用[4]

;王勝等認(rèn)為數(shù)字鄉(xiāng)村不僅僅

是數(shù)字技術(shù)的簡(jiǎn)單疊加,而是農(nóng)業(yè)信息化的延伸,

是依托數(shù)字經(jīng)濟(jì)的發(fā)展,以現(xiàn)代信息網(wǎng)絡(luò)為重要載

體、現(xiàn)代信息技術(shù)為推動(dòng)力、重構(gòu)鄉(xiāng)村經(jīng)濟(jì)發(fā)展的

一種手段、過(guò)程和狀態(tài)[5]

;王廷勇等指出數(shù)字鄉(xiāng)村

主要涉及數(shù)字生產(chǎn)、生活、生態(tài)和治理四大維度,具

體包括鄉(xiāng)村新基建、數(shù)據(jù)開(kāi)發(fā)與管理、數(shù)字產(chǎn)業(yè)化、

產(chǎn)業(yè)數(shù)字化、治理數(shù)字化五個(gè)具體方面[6]

;曾億武等

在國(guó)家數(shù)字鄉(xiāng)村概念的基礎(chǔ)上,進(jìn)一步拓展提出了

更加明確清晰的數(shù)字鄉(xiāng)村概念[7]

其次,數(shù)字鄉(xiāng)村發(fā)展具有重要意義方面,陳潭

認(rèn)為數(shù)字鄉(xiāng)村建設(shè)對(duì)于縮小城鄉(xiāng)之間的“數(shù)字鴻

溝”,實(shí)現(xiàn)城鄉(xiāng)融合發(fā)展具有重要意義[8]

;毛薇和王

賢認(rèn)為推進(jìn)數(shù)字鄉(xiāng)村發(fā)展對(duì)鄉(xiāng)村生產(chǎn)、生活、生態(tài)和

治理等方面產(chǎn)生深遠(yuǎn)影響[9]

;夏顯力等研究發(fā)現(xiàn),以

數(shù)字技術(shù)為依托的“數(shù)字鄉(xiāng)村”建設(shè)能激發(fā)、強(qiáng)化、賦

能農(nóng)業(yè)發(fā)展,優(yōu)化涉農(nóng)政策評(píng)估機(jī)制,為農(nóng)業(yè)高質(zhì)量

發(fā)展提供新動(dòng)能[10]

最后,加快數(shù)字鄉(xiāng)村建設(shè)方面。Eanes等認(rèn)為,

農(nóng)業(yè)農(nóng)村網(wǎng)絡(luò)基礎(chǔ)設(shè)施,為數(shù)字鄉(xiāng)村建設(shè)提供了必

要條件[11]

;Costopoulou等認(rèn)為,構(gòu)建政府、農(nóng)村、公

益組織和企業(yè)“三位一體”的多元化農(nóng)村信息服務(wù)

體系,能夠推動(dòng)鄉(xiāng)村數(shù)字化進(jìn)程[12]

;高峰和王劍通

過(guò)借鑒學(xué)習(xí)國(guó)外先進(jìn)數(shù)字鄉(xiāng)村建設(shè)經(jīng)驗(yàn),提出為加

快數(shù)字鄉(xiāng)村建設(shè),要推進(jìn)數(shù)字引智,增強(qiáng)數(shù)字鄉(xiāng)村

基礎(chǔ)設(shè)施建設(shè),強(qiáng)化部門(mén)聯(lián)動(dòng)研發(fā)機(jī)制和數(shù)字鄉(xiāng)村

資源的全鏈條監(jiān)管[[13]

;沈費(fèi)偉從內(nèi)生模式出發(fā),認(rèn)

為我國(guó)要堅(jiān)持問(wèn)題導(dǎo)向、改革創(chuàng)新、統(tǒng)籌推進(jìn)、因地

制宜,促進(jìn)人才培育,持續(xù)推進(jìn)數(shù)字鄉(xiāng)村建設(shè)[14]

;馮

朝睿和徐宏宇從戰(zhàn)略推進(jìn)邏輯出發(fā),提出構(gòu)建頂層

設(shè)計(jì)—基層執(zhí)行—試點(diǎn)反饋的三維框架,要注重升

級(jí)基礎(chǔ)設(shè)施“硬件”和信息服務(wù)“軟件”,利用數(shù)字技

術(shù)賦能農(nóng)業(yè)農(nóng)村,鼓勵(lì)鄉(xiāng)村多元化協(xié)同治理[15]

;趙

早從數(shù)字鄉(xiāng)村治理角度出發(fā),認(rèn)為要打破傳統(tǒng)思維

的束縛、平衡信息共享與安全,要著重提高基層政

府?dāng)?shù)字治理能力[16]

;沈費(fèi)偉和袁歡認(rèn)為,要從理念

轉(zhuǎn)變、結(jié)構(gòu)優(yōu)化、動(dòng)能轉(zhuǎn)變、治理創(chuàng)新四個(gè)角度探索

促進(jìn)數(shù)字鄉(xiāng)村治理績(jī)效的優(yōu)化策略[17]

。

此外,還有部分學(xué)者針對(duì)我國(guó)區(qū)域數(shù)字鄉(xiāng)村建

設(shè)進(jìn)行了研究。吳夢(mèng)蕭探析了西部地區(qū)數(shù)字鄉(xiāng)村

建設(shè)過(guò)程中農(nóng)村老年“數(shù)字鴻溝”問(wèn)題,提出彌合西

部農(nóng)村老年“數(shù)字鴻溝”的路徑[18]

;吳立凡分析了西

部欠發(fā)達(dá)地區(qū)數(shù)字鄉(xiāng)村現(xiàn)狀,提出從精準(zhǔn)站位、筑

巢引鳳、共享利益三個(gè)關(guān)鍵著力點(diǎn)出發(fā),加快推進(jìn)

西部欠發(fā)達(dá)地區(qū)數(shù)字鄉(xiāng)村發(fā)展建議[19]

;陸九天和陳

燦平探索了民族地區(qū)數(shù)字鄉(xiāng)村建設(shè)的潛在路徑[20]

;

付堉琪以一個(gè)縣的數(shù)字鄉(xiāng)村建設(shè)行動(dòng)為研究對(duì)象,

分析其結(jié)構(gòu)約束、構(gòu)建其發(fā)展策略,并提出發(fā)展

路徑[21]

(二)關(guān)于數(shù)字鄉(xiāng)村發(fā)展的定量研究

2019年,農(nóng)業(yè)農(nóng)村部信息中心構(gòu)建了涉及7個(gè)

一級(jí)指標(biāo)、13個(gè)二級(jí)指標(biāo)以及13個(gè)三級(jí)指標(biāo)的指

標(biāo)評(píng)價(jià)體系,運(yùn)用層次分析法對(duì)我國(guó)縣域數(shù)字農(nóng)業(yè)

農(nóng)村發(fā)展水平進(jìn)行客觀評(píng)價(jià);2020年,北京大學(xué)新

農(nóng)村發(fā)展研究院從鄉(xiāng)村數(shù)字基礎(chǔ)設(shè)施指數(shù)、鄉(xiāng)村經(jīng)

濟(jì)數(shù)字化指數(shù)、鄉(xiāng)村治理數(shù)字化指數(shù)、鄉(xiāng)村生活數(shù)字

化指數(shù)4個(gè)方面構(gòu)建包含13個(gè)二級(jí)指標(biāo)及39個(gè)具

體指標(biāo)的縣域數(shù)字鄉(xiāng)村指標(biāo)體系,測(cè)算1 880個(gè)縣

級(jí)行政單位的數(shù)字鄉(xiāng)村指數(shù);張挺等[22]

構(gòu)建了包含

鄉(xiāng)村振興5個(gè)方面的二級(jí)指標(biāo)、15個(gè)三級(jí)指標(biāo)和44

個(gè)四級(jí)指標(biāo)的鄉(xiāng)村振興評(píng)價(jià)指標(biāo)體系,對(duì)我國(guó)11個(gè)

省份35個(gè)鄉(xiāng)村進(jìn)行實(shí)證研究;張鴻等[23]

在鄉(xiāng)村振興

戰(zhàn)略背景下,構(gòu)建了包含數(shù)字鄉(xiāng)村宏觀環(huán)境、基礎(chǔ)設(shè)

施支持、信息環(huán)境、政務(wù)環(huán)境、應(yīng)用環(huán)境5個(gè)一級(jí)指

標(biāo)和29個(gè)二級(jí)指標(biāo)的數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系。

大多數(shù)學(xué)者對(duì)數(shù)字鄉(xiāng)村測(cè)度的研究主要側(cè)重于數(shù)

字鄉(xiāng)村建設(shè)的某一重要方面,大致測(cè)度方向?yàn)檗r(nóng)業(yè)

農(nóng)村信息化水平、智慧鄉(xiāng)村建設(shè)水平以及鄉(xiāng)村數(shù)字

— 71 —

第78頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

經(jīng)濟(jì)發(fā)展水平。沈建波和王應(yīng)寬[24]

在數(shù)字鄉(xiāng)村發(fā)展

過(guò)程中,從農(nóng)業(yè)信息化資源及信息技術(shù)應(yīng)用、農(nóng)業(yè)信

息化基礎(chǔ)設(shè)施、農(nóng)業(yè)信息化產(chǎn)業(yè)、農(nóng)業(yè)信息化人力資

源和農(nóng)業(yè)信息化政策與環(huán)境五個(gè)方面構(gòu)建農(nóng)業(yè)信息

化水平評(píng)價(jià)指標(biāo)體系,為開(kāi)展農(nóng)業(yè)信息化水平評(píng)價(jià)

提供參考借鑒;常倩和李瑾[25]

構(gòu)建了9個(gè)一級(jí)指標(biāo)、

31個(gè)二級(jí)指標(biāo),涉及能力類指標(biāo)和成效類指標(biāo)的智

慧鄉(xiāng)村評(píng)價(jià)指標(biāo)體系;崔凱和馮獻(xiàn)[26]

在數(shù)字鄉(xiāng)村建

設(shè)視角下從數(shù)字環(huán)境、數(shù)字投入、數(shù)字效益、數(shù)字服

務(wù)四個(gè)方面構(gòu)建鄉(xiāng)村數(shù)字經(jīng)濟(jì)指標(biāo)體系,測(cè)度數(shù)字

鄉(xiāng)村發(fā)展所帶來(lái)的經(jīng)濟(jì)效益。

通過(guò)對(duì)相關(guān)文獻(xiàn)進(jìn)行回顧可以發(fā)現(xiàn),學(xué)術(shù)界對(duì)數(shù)

字鄉(xiāng)村的現(xiàn)有研究主要是基于國(guó)家層面的宏觀定性

研究,對(duì)區(qū)域數(shù)字鄉(xiāng)村研究較少,區(qū)域定量研究更是

匱乏。國(guó)家層面的研究雖有利于宏觀把握數(shù)字鄉(xiāng)村

戰(zhàn)略的實(shí)施進(jìn)展,但我國(guó)幅員遼闊,不同地理位置、資

源環(huán)境以及經(jīng)濟(jì)發(fā)展水平不盡相同,數(shù)字鄉(xiāng)村發(fā)展水

平存在差異。因此,聚焦研究區(qū)域,因地制宜搭建科

學(xué)、規(guī)范的數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系,進(jìn)行定量分

析、科學(xué)評(píng)價(jià)區(qū)域數(shù)字鄉(xiāng)村發(fā)展水平至關(guān)重要。鑒于

此,本文基于農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)展的趨勢(shì),在明確數(shù)

字鄉(xiāng)村建設(shè)與發(fā)展重點(diǎn)基礎(chǔ)上,梳理了中國(guó)數(shù)字鄉(xiāng)村

戰(zhàn)略政策實(shí)施重點(diǎn),進(jìn)一步分析數(shù)字鄉(xiāng)村發(fā)展的內(nèi)

涵,嘗試構(gòu)建西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系,

運(yùn)用AHP—熵權(quán)法科學(xué)測(cè)度現(xiàn)階段我國(guó)西部地區(qū)數(shù)

字鄉(xiāng)村綜合發(fā)展水平,并從時(shí)間演變、空間分布以及

數(shù)字鄉(xiāng)村各子系統(tǒng)層面深入剖析西部各省份數(shù)字鄉(xiāng)

村發(fā)展情況,了解西部各省份數(shù)字鄉(xiāng)村發(fā)展的優(yōu)勢(shì)與

不足,并提出對(duì)策建議,以期為西部各省份更好地發(fā)

展數(shù)字鄉(xiāng)村提供一定借鑒。

三、數(shù)字鄉(xiāng)村發(fā)展的內(nèi)涵界定與指標(biāo)體系構(gòu)建

(一)數(shù)字鄉(xiāng)村發(fā)展的內(nèi)涵界定

在數(shù)字技術(shù)加速創(chuàng)新與數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的

背景下,黨和國(guó)家高度重視結(jié)合數(shù)字技術(shù)發(fā)展農(nóng)業(yè)

農(nóng)村,助力鄉(xiāng)村全面振興,數(shù)字鄉(xiāng)村的概念應(yīng)運(yùn)而

生,數(shù)字鄉(xiāng)村是數(shù)字經(jīng)濟(jì)與鄉(xiāng)村振興相結(jié)合的產(chǎn)

物?!稇?zhàn)略綱要》中明確指出:“數(shù)字鄉(xiāng)村是伴隨網(wǎng)絡(luò)

化、信息化和數(shù)字化在農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)社會(huì)發(fā)展中的

應(yīng)用,以及農(nóng)民現(xiàn)代信息技能的提高而內(nèi)生的農(nóng)業(yè)

農(nóng)村現(xiàn)代化發(fā)展和轉(zhuǎn)型進(jìn)程。”本文在理解數(shù)字鄉(xiāng)

村官方定義、認(rèn)真學(xué)習(xí)國(guó)家數(shù)字鄉(xiāng)村政策文件并結(jié)

合現(xiàn)有研究的基礎(chǔ)上,對(duì)數(shù)字鄉(xiāng)村發(fā)展的內(nèi)涵進(jìn)行

拓展:數(shù)字鄉(xiāng)村是依托數(shù)字化基礎(chǔ)設(shè)施,通過(guò)對(duì)資

本、人才等資源進(jìn)行整合及配置,以數(shù)字技術(shù)賦能

農(nóng)業(yè)農(nóng)村建設(shè),進(jìn)而提高農(nóng)業(yè)生產(chǎn)效率,推進(jìn)農(nóng)村

經(jīng)濟(jì)轉(zhuǎn)型升級(jí),提升鄉(xiāng)村治理效能,助力鄉(xiāng)村全面

振興的進(jìn)程。具體而言,數(shù)字鄉(xiāng)村發(fā)展主要包含四

個(gè)方面,即數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施、數(shù)字鄉(xiāng)村發(fā)展環(huán)境、

鄉(xiāng)村數(shù)字化應(yīng)用和鄉(xiāng)村數(shù)字化治理。

(二)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系的構(gòu)建

本文依據(jù)科學(xué)性、代表性以及數(shù)據(jù)可得性原

則,結(jié)合數(shù)字鄉(xiāng)村發(fā)展的特定內(nèi)涵,從數(shù)字鄉(xiāng)村基

礎(chǔ)設(shè)施、數(shù)字鄉(xiāng)村發(fā)展環(huán)境、鄉(xiāng)村數(shù)字化應(yīng)用和鄉(xiāng)

村數(shù)字化治理四個(gè)維度構(gòu)建西部地區(qū)數(shù)字鄉(xiāng)村發(fā)

展評(píng)價(jià)指標(biāo)體系,具體見(jiàn)表1所列。

表1 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系

目標(biāo)層

西部地區(qū)

數(shù)字鄉(xiāng)村

發(fā)展評(píng)價(jià)

指標(biāo)體系

(A)

準(zhǔn)則層

數(shù)字鄉(xiāng)村

基礎(chǔ)設(shè)施

(B1)

數(shù)字鄉(xiāng)村

發(fā)展環(huán)境

(B2)

鄉(xiāng)村數(shù)字

化應(yīng)用

(B3)

鄉(xiāng)村數(shù)字

化治理

(B4)

指標(biāo)層

農(nóng)村互聯(lián)網(wǎng)普及率

農(nóng)村人均投遞線路長(zhǎng)度

農(nóng)村智能手機(jī)普及率

移動(dòng)電話交換機(jī)容量

農(nóng)村光纜線路密度

農(nóng)村電商服務(wù)站覆蓋率

農(nóng)村快遞網(wǎng)點(diǎn)覆蓋率

農(nóng)村居民人均可支配收入

農(nóng)業(yè)機(jī)械總動(dòng)力

農(nóng)村人均年用電量

農(nóng)村有線廣播電視入戶率

地方財(cái)政科學(xué)技術(shù)支出比重

地方財(cái)政教育支出比重

農(nóng)業(yè)R&D經(jīng)費(fèi)投入強(qiáng)度

農(nóng)業(yè)技術(shù)人員數(shù)

信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)

增加值/GDP

行政村中淘寶村占比

省級(jí)現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園

電子商務(wù)進(jìn)農(nóng)村綜合示范縣

農(nóng)村電子商務(wù)銷(xiāo)售額/GDP

農(nóng)村電子商務(wù)采購(gòu)額/GDP

郵政和電信業(yè)務(wù)總量

農(nóng)業(yè)農(nóng)村部門(mén)網(wǎng)站微信、微博關(guān)注和

訂閱量

農(nóng)業(yè)農(nóng)村部門(mén)網(wǎng)站在線留言辦結(jié)率

在線政務(wù)服務(wù)注冊(cè)用戶數(shù)

農(nóng)業(yè)農(nóng)村部門(mén)網(wǎng)站公開(kāi)信息數(shù)量

鄉(xiāng)村治理示范村數(shù)量

指標(biāo)

代碼

B11

B12

B13

B14

B15

B16

B17

B21

B22

B23

B24

B25

B26

B27

B28

B29

B31

B32

B33

B34

B35

B36

B41

B42

B43

B44

B45

1.數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施

數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施是數(shù)字鄉(xiāng)村發(fā)展的重要基

石,《戰(zhàn)略綱要》重點(diǎn)任務(wù)第一條就明確指出,“加

快鄉(xiāng)村信息基礎(chǔ)設(shè)施建設(shè),要大幅提升鄉(xiāng)村網(wǎng)絡(luò)

— 72 —

第79頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

設(shè)施建設(shè)水平、完善信息終端和服務(wù)供給、加快鄉(xiāng)

村基礎(chǔ)設(shè)施數(shù)字化轉(zhuǎn)型”。借鑒張鴻等[23]

人研究,

本文選取農(nóng)村互聯(lián)網(wǎng)普及率反映農(nóng)村網(wǎng)絡(luò)基礎(chǔ)設(shè)

施建設(shè)水平;用農(nóng)村人均投遞線路反映農(nóng)村物流

基礎(chǔ)設(shè)施建設(shè);用農(nóng)村智能手機(jī)普及率反映農(nóng)村

地區(qū)基站建設(shè)狀況;借鑒盛斌和劉宇英[27]

的研究,

用移動(dòng)電話交換機(jī)容量和農(nóng)村光纜線路密度來(lái)反

映地區(qū)數(shù)字通信基礎(chǔ)設(shè)施建設(shè)水平;《數(shù)字鄉(xiāng)村發(fā)

展行動(dòng)計(jì)劃(2022—2025 年)》中提出要深化農(nóng)產(chǎn)

品電商發(fā)展,因此,本文用農(nóng)村電商服務(wù)站覆蓋率

和農(nóng)村快遞網(wǎng)點(diǎn)覆蓋率反映農(nóng)村電商發(fā)展基礎(chǔ)。

2.數(shù)字鄉(xiāng)村發(fā)展環(huán)境

數(shù)字鄉(xiāng)村發(fā)展環(huán)境是數(shù)字鄉(xiāng)村發(fā)展的前提條

件,主要分為資金投入、技術(shù)支持、人才資源等方

面?!稇?zhàn)略綱要》提出的發(fā)展農(nóng)村數(shù)字經(jīng)濟(jì)、強(qiáng)化農(nóng)

業(yè)農(nóng)村科技創(chuàng)新供給、深化信息惠民服務(wù)、激發(fā)鄉(xiāng)

村振興內(nèi)生動(dòng)力等都是為了營(yíng)造良好的數(shù)字鄉(xiāng)村

發(fā)展環(huán)境。因此,借鑒邸菲和胡志全[28]

的研究,本

文用農(nóng)村居民人均可支配收入代表農(nóng)村經(jīng)濟(jì)生活

水平;借鑒張挺等[22]

人研究,用農(nóng)業(yè)機(jī)械總動(dòng)力來(lái)

反映農(nóng)業(yè)現(xiàn)代化發(fā)展情況;借鑒毛錦凰[29]

的研究,

用農(nóng)村人均年用電量側(cè)面反映農(nóng)村生產(chǎn)生活方式

的轉(zhuǎn)變;借鑒徐雪和王永瑜[30]

的研究,用農(nóng)村有線

廣播電視入戶率來(lái)體現(xiàn)農(nóng)民接收數(shù)字化信息的途

徑。資金投入是數(shù)字鄉(xiāng)村發(fā)展的重要保障,技術(shù)

支持是數(shù)字鄉(xiāng)村發(fā)展的助推器,人才資源是數(shù)字

鄉(xiāng)村發(fā)展的動(dòng)力源泉。因此,本文選取地方財(cái)政

科學(xué)技術(shù)支出和地方財(cái)政教育支出占比來(lái)體現(xiàn)數(shù)

字化發(fā)展資金投入力度;借鑒葉興慶和程郁[31]

、朱

紅根和陳暉平[32]、盛斌和劉宇英[27]等的研究,用

農(nóng)業(yè) R&D 經(jīng)費(fèi)投入強(qiáng)度來(lái)反映對(duì)當(dāng)?shù)剞r(nóng)業(yè)技術(shù)

的支持;用農(nóng)業(yè)技術(shù)人員數(shù)反映地區(qū)數(shù)字人才服

務(wù)隊(duì)伍;用信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)增加

值占GDP的比重反映數(shù)字產(chǎn)業(yè)發(fā)展情況。

3.鄉(xiāng)村數(shù)字化應(yīng)用

鄉(xiāng)村數(shù)字化應(yīng)用是數(shù)字鄉(xiāng)村發(fā)展的重要體現(xiàn),

農(nóng)村電商是鄉(xiāng)村數(shù)字化應(yīng)用的重要表現(xiàn)?!稊?shù)字鄉(xiāng)

村發(fā)展行動(dòng)計(jì)劃(2022—2025年)》和《2022年數(shù)字

鄉(xiāng)村發(fā)展工作要點(diǎn)》都明確提出要“深化農(nóng)產(chǎn)品電

商發(fā)展”。因此,借鑒《縣域數(shù)字鄉(xiāng)村指數(shù)(2020)研

究報(bào)告》[2]

所構(gòu)建的縣域數(shù)字鄉(xiāng)村指標(biāo)體系,用行

政村中淘寶村占比、省級(jí)現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園和電子商

務(wù)進(jìn)農(nóng)村綜合示范縣反映農(nóng)村數(shù)字化生產(chǎn)與營(yíng)銷(xiāo)

發(fā)展?fàn)顩r;借鑒焦帥濤和孫秋碧[33]

、張鴻[23]

等的研

究,用農(nóng)村電子商務(wù)銷(xiāo)售額和采購(gòu)額/GDP 來(lái)反映

農(nóng)村電商的發(fā)展水平;用郵政和電信業(yè)務(wù)總量反映

地區(qū)電子商務(wù)發(fā)展和農(nóng)村居民生活數(shù)字化程度。

4.鄉(xiāng)村數(shù)字化治理

鄉(xiāng)村數(shù)字化治理是數(shù)字鄉(xiāng)村發(fā)展的有力保障,

《戰(zhàn)略綱要》中明確提出要推進(jìn)鄉(xiāng)村治理能力現(xiàn)代

化,推動(dòng)“互聯(lián)網(wǎng)+政務(wù)服務(wù)”向農(nóng)村延伸。《數(shù)字鄉(xiāng)

村發(fā)展行動(dòng)計(jì)劃(2022—2025年)》中提出數(shù)字治理

能力提升行動(dòng),推動(dòng)“互聯(lián)網(wǎng)+政務(wù)服務(wù)”向鄉(xiāng)村延

伸,實(shí)現(xiàn)村級(jí)事務(wù)智能化,提升鄉(xiāng)村數(shù)字化治理能

力。因此,借鑒常倩和李瑾[25]

、馮獻(xiàn)和李瑾[34]

、朱建

建[35]

等的研究,用農(nóng)業(yè)農(nóng)村部門(mén)網(wǎng)站微信、微博關(guān)

注和訂閱量反映村民參與鄉(xiāng)村數(shù)字治理過(guò)程中數(shù)

字化工具的應(yīng)用;用農(nóng)業(yè)農(nóng)村部門(mén)網(wǎng)站在線留言辦

結(jié)率體現(xiàn)政府部門(mén)對(duì)農(nóng)村居民在線反映事件處理

能力;借鑒盛斌和劉宇英[27]

的研究,用在線政務(wù)服

務(wù)注冊(cè)用戶數(shù)反映各省在線政務(wù)服務(wù)使用情況;根

據(jù)《中國(guó)數(shù)字鄉(xiāng)村發(fā)展報(bào)告(2020》和《數(shù)字鄉(xiāng)村發(fā)

展工作要點(diǎn)》篩選出農(nóng)業(yè)農(nóng)村部門(mén)網(wǎng)站公開(kāi)信息數(shù)

量和鄉(xiāng)村治理示范村數(shù)量反映鄉(xiāng)村數(shù)字治理成果。

四、西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度與分析

(一)數(shù)據(jù)來(lái)源及處理

本文研究對(duì)象為我國(guó)西部地區(qū) 12 個(gè)省份,數(shù)

據(jù)均來(lái)源于 2019—2021 年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)

農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒》《中國(guó)人

口和就業(yè)統(tǒng)計(jì)年鑒》以及西部地區(qū)12個(gè)省份的統(tǒng)計(jì)

年鑒。在獲取數(shù)據(jù)時(shí),對(duì)于缺失的數(shù)據(jù)采用線性插

補(bǔ)法進(jìn)行處理,采取極差標(biāo)準(zhǔn)化法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)

化處理,消除變量量綱和變異范圍。無(wú)量綱化公式

如下:

正向指標(biāo):X?

ij = Xij ? min Xij

max Xij ? min Xij

(1)

逆向指標(biāo):X?

ij = max Xij ? Xij

max Xij ? min Xij

(2)

其中:Xij表示第i個(gè)評(píng)價(jià)指標(biāo)第j個(gè)評(píng)價(jià)對(duì)象的

原始數(shù)據(jù)值;min Xij為原始數(shù)據(jù)最小值;max Xij為原

始數(shù)據(jù)最大值;X?

ij表示第i個(gè)評(píng)價(jià)指標(biāo)第j個(gè)評(píng)價(jià)對(duì)

象無(wú)量綱化處理后的標(biāo)準(zhǔn)化值,且滿足0 ≤ X?

ij ≤ 1。

(二)評(píng)價(jià)指標(biāo)賦權(quán)

1.指標(biāo)權(quán)重的確定

首先,在建立西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)

體系的基礎(chǔ)上,按專業(yè)相關(guān)性、領(lǐng)域廣泛性,邀請(qǐng)國(guó)

— 73 —

第80頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

務(wù)院發(fā)展研究中心、陜西省鄉(xiāng)村振興規(guī)劃研究院、

西部數(shù)字經(jīng)濟(jì)研究院、西北農(nóng)林科技大學(xué)新農(nóng)村發(fā)

展研究院以及5家農(nóng)業(yè)龍頭企業(yè)共15位相關(guān)領(lǐng)域

專家組建評(píng)價(jià)團(tuán)隊(duì),采用 1—9 標(biāo)度法對(duì)指標(biāo)體系

中的指標(biāo)重要程度進(jìn)行打分,各專家獨(dú)立打分后,

通過(guò)層次單排序與總排序的一致性檢驗(yàn)之后,可以

得出各專家主觀賦權(quán)后各指標(biāo)權(quán)重Wi

;其次,采用

熵權(quán)法計(jì)算出西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)的

各指標(biāo)權(quán)重 βi

;最后,采用層次分析法(AHP)和熵

權(quán)法進(jìn)行組合賦權(quán),在組合賦權(quán)的基礎(chǔ)上采取加權(quán)

平均法求取主客觀組合賦權(quán)的權(quán)重。

ωi = μWi + (1 ? μ) βi (3)

其中:Wi為層次分析法主觀權(quán)重;βi為熵權(quán)法

客觀權(quán)重;μ 為 AHP 主觀賦權(quán)所占組合權(quán)重的比

重;1 ? μ為熵權(quán)法客觀賦權(quán)所占組合權(quán)重的比重;

ωi為組合賦權(quán)的各指標(biāo)權(quán)重。在計(jì)算組合權(quán)重ωi

時(shí),結(jié)合相關(guān)專家意見(jiàn)選取賦權(quán)系數(shù)μ為0.4,最終

求得組合賦權(quán)各指標(biāo)權(quán)重值 ωi

。依據(jù) AHP-熵權(quán)

法確定西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展各指標(biāo)的權(quán)重,見(jiàn)

表2所列。

表2 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)權(quán)重

西部地區(qū)

數(shù)字鄉(xiāng)村

發(fā)展評(píng)價(jià)

指標(biāo)體系

(A)

數(shù)字鄉(xiāng)村

基礎(chǔ)設(shè)施

(B1)

數(shù)字鄉(xiāng)村

發(fā)展環(huán)境

(B2)

B11

B12

B13

B14

B15

B16

B17

B21

B22

B23

B24

0.017 7

0.013 9

0.014 8

0.051 3

0.049 3

0.013 4

0.009 9

0.034 8

0.023 3

0.023 3

0.031 8

0.038 0

0.030 2

0.032 4

0.043 5

0.045 4

0.029 8

0.031 7

0.033 3

0.030 6

0.028 5

0.045 2

0.029 9

0.023 7

0.025 4

0.046 6

0.047 0

0.023 2

0.023 0

0.033 9

0.027 7

0.026 4

0.039 8

目標(biāo)層 準(zhǔn)則層 指標(biāo)層 主觀

權(quán)重(Wi

)

客觀

權(quán)重(βi

)

組合

權(quán)重(ωi

)

鄉(xiāng)村數(shù)字

化應(yīng)用

(B3)

鄉(xiāng)村數(shù)字

化治理

(B4)

B25

B26

B27

B28

B29

B31

B32

B33

B34

B35

B36

B41

B42

B43

B44

B45

0.059 6

0.052 8

0.030 8

0.033 2

0.051 1

0.020 1

0.028 4

0.022 5

0.050 6

0.035 8

0.045 1

0.040 2

0.100 1

0.060 9

0.053 0

0.032 3

0.034 7

0.027 9

0.038 5

0.035 4

0.031 6

0.030 5

0.029 3

0.033 9

0.030 7

0.036 6

0.052 2

0.048 4

0.048 5

0.030 5

0.056 7

0.046 0

0.044 7

0.037 9

0.035 4

0.034 5

0.039 4

0.026 3

0.028 9

0.029 3

0.038 7

0.036 3

0.049 4

0.045 1

0.069 1

0.042 7

0.055 2

0.040 5

西部地區(qū)

數(shù)字鄉(xiāng)村

發(fā)展評(píng)價(jià)

指標(biāo)體系

(A)

數(shù)字鄉(xiāng)村

發(fā)展環(huán)境

(B2)

續(xù)表2

目標(biāo)層 準(zhǔn)則層 指標(biāo)層 主觀

權(quán)重(Wi

)

客觀

權(quán)重(βi

)

組合

權(quán)重(ωi

)

2.各指標(biāo)組合權(quán)重分析

如圖 1 所示,AHP—熵權(quán)法組合賦權(quán)權(quán)重與

AHP 主觀賦權(quán)權(quán)重、熵權(quán)法客觀賦權(quán)權(quán)重的分布

趨勢(shì)大體一致,由此可以看出,該組合權(quán)重既體

現(xiàn)了相關(guān)專家的專業(yè)經(jīng)驗(yàn)知識(shí)又體現(xiàn)了客觀數(shù)據(jù)

的科學(xué)性與真實(shí)性,具有一定的應(yīng)用價(jià)值。各指

標(biāo)組合權(quán)重所占比重較大的指標(biāo)分別是農(nóng)業(yè)農(nóng)村

部門(mén)網(wǎng)站在線留言辦結(jié)率(權(quán)重為 0.069 1)、農(nóng)

業(yè)農(nóng)村部門(mén)網(wǎng)站公開(kāi)信息數(shù)量(權(quán)重為 0.055 2)、

郵政和電信業(yè)務(wù)總量(權(quán)重為 0.049 4)、農(nóng)村光纜

線路密度(權(quán)重為 0.047 0)、移動(dòng)電話交換機(jī)容量

(權(quán)重為 0.046 6)、農(nóng)業(yè)農(nóng)村部門(mén)網(wǎng)站微信、微博

關(guān)注和訂閱量(權(quán)重為 0.045 1)、地方財(cái)政科學(xué)技

術(shù)支出比重(權(quán)重為 0.044 7),經(jīng)過(guò)分析發(fā)現(xiàn),以

上7個(gè)指標(biāo)是影響西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展的主要

因素。

 

 

 

 

 

 

 

# # # # # # # # # # # # # # # # # # # # # # # # # # #



ffl

ffi

F

>F ffi@ffl2+ ffl

\")1\">ffiF &ffi\">ffiF 3 ffiF

圖1 AHP—熵權(quán)法組合賦權(quán)權(quán)重

— 74 —

第81頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

(三)西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展測(cè)算結(jié)果分析

通過(guò)測(cè)算得到西部 12 個(gè)省份數(shù)字鄉(xiāng)村發(fā)展

綜合評(píng)價(jià)得分,并將 2018—2020 年的得分均值作

為排名依據(jù)用于西部各省份之間的對(duì)比分析,見(jiàn)

表3所列。

表3 西部12個(gè)省份數(shù)字鄉(xiāng)村綜合評(píng)價(jià)得分

地區(qū)

重慶

四川

貴州

云南

西藏

陜西

甘肅

青海

寧夏

新疆

內(nèi)蒙古

廣西

數(shù)字鄉(xiāng)村

基礎(chǔ)設(shè)施

(B1)

0.075 9

0.167 6

0.078 7

0.095 8

0.026 2

0.088 7

0.056 4

0.027 7

0.022 7

0.049 7

0.054 8

0.072 6

數(shù)字鄉(xiāng)村

發(fā)展環(huán)境

(B2)

0.173 4

0.268 8

0.158 2

0.116 4

0.021 6

0.230 5

0.055 3

0.024 7

0.040 5

0.098 3

0.109 1

0.172 2

鄉(xiāng)村數(shù)字

化應(yīng)用

(B3)

0.053 7

0.150 2

0.098 0

0.072 6

0.026 6

0.077 3

0.044 9

0.023 6

0.027 9

0.047 9

0.073 7

0.078 7

鄉(xiāng)村數(shù)字

化治理

(B4)

0.061 7

0.135 8

0.060 0

0.060 1

0.009 0

0.100 2

0.029 2

0.019 4

0.017 3

0.030 7

0.062 1

0.091 5

總得分

0.364 7

0.722 4

0.394 9

0.344 9

0.083 4

0.496 7

0.185 8

0.095 4

0.108 4

0.226 6

0.299 7

0.415 0

1.西部地區(qū)數(shù)字鄉(xiāng)村綜合發(fā)展趨勢(shì)分析

為了更加清晰地反映2018—2020年我國(guó)西部

地區(qū)數(shù)字鄉(xiāng)村綜合發(fā)展水平隨時(shí)間的變化趨勢(shì),現(xiàn)

將西部12個(gè)省份的得分情況繪制成柱狀圖,如圖2

所示。2018—2020年數(shù)字鄉(xiāng)村綜合得分隨時(shí)間變

化而逐漸提高,呈穩(wěn)定上升態(tài)勢(shì)。具體而言,西部各

省份數(shù)字鄉(xiāng)村綜合發(fā)展時(shí)序演變趨勢(shì)基本一致,數(shù)

字鄉(xiāng)村發(fā)展速度在不斷提高,整體年均增長(zhǎng)率為

12.21%;西藏、云南、寧夏、四川、貴州、廣西數(shù)字鄉(xiāng)

村發(fā)展年均增長(zhǎng)率高于西部地區(qū)平均水平,年均增

長(zhǎng) 率 分 別 為 26.29%、15.90%、14.46%、14.02%、

13.60%、12.45%;重慶、內(nèi)蒙古和陜西的年均增長(zhǎng)

率 略 低 于 平 均 水 平 ,分 別 為 11.89%、10.68%、

10.63%,總體仍處于穩(wěn)步提升狀態(tài);數(shù)字鄉(xiāng)村發(fā)展

較為緩慢的是青海、新疆和甘肅,年均增長(zhǎng)率分別為

7.75%、7.51%、6.39%;西部地區(qū)部分省與省之間數(shù)

字鄉(xiāng)村發(fā)展水平差距隨時(shí)間的推移逐漸拉大,如

2018 年四川與西藏之間的差距為0.569 0,2019年

差距為 0.627 7,2020 年差距為 0.720 3;西藏、寧夏

數(shù)字鄉(xiāng)村綜合發(fā)展得分較低但年均增長(zhǎng)率處于較

高水平。

>F  F  B  >: K> *5 L\"  * 9 >

                         

                         

                         

 

 

 

 

 

 

 

 

 

 









4

ffi















圖2 2018—2020年西部12個(gè)省份數(shù)字鄉(xiāng)村發(fā)展水平變化趨勢(shì)

2.西部地區(qū)數(shù)字鄉(xiāng)村綜合發(fā)展的空間分析

為考察西部地區(qū)數(shù)字鄉(xiāng)村綜合發(fā)展水平的空

間差異,將2018—2020年西部12個(gè)省份的得分均

值繪制成柱狀圖,如圖3所示。西部地區(qū)數(shù)字鄉(xiāng)村

綜合發(fā)展水平得分分布于0.083 4~0.722 4之間,其

中得分最高的省份是四川。具體來(lái)看,西部地區(qū)數(shù)

字鄉(xiāng)村綜合發(fā)展水平均值為0.311 5,高于均值的省

份有四川、陜西、廣西、貴州、重慶、云南。其中,四川

的數(shù)字鄉(xiāng)村綜合發(fā)展得分遠(yuǎn)遠(yuǎn)高于均值,屬于數(shù)字

鄉(xiāng)村綜合發(fā)展水平的第一梯隊(duì),是整個(gè)西部地區(qū)數(shù)

字鄉(xiāng)村建設(shè)效果最好、發(fā)展水平最高的省份;陜西、

廣西、貴州、重慶、云南歸為一類,屬于數(shù)字鄉(xiāng)村綜合

發(fā)展水平的第二梯隊(duì),這些省份數(shù)字鄉(xiāng)村綜合發(fā)展

水平高于西部均值,具有一定的相對(duì)優(yōu)勢(shì),數(shù)字鄉(xiāng)村

發(fā)展具有較大的提升;內(nèi)蒙古、新疆和甘肅數(shù)字鄉(xiāng)村

綜合發(fā)展得分低于均值,屬于第三梯隊(duì);寧夏、青海

— 75 —

第82頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

和西藏?cái)?shù)字鄉(xiāng)村綜合發(fā)展相對(duì)水平較低,屬于第四

梯隊(duì),這些省份受到區(qū)位以及經(jīng)濟(jì)發(fā)展水平的制

約,數(shù)字基礎(chǔ)設(shè)施建設(shè)落后,農(nóng)業(yè)產(chǎn)業(yè)數(shù)字化程度

不高,技術(shù)裝備、人力資本支撐不足,加之政府?dāng)?shù)字

政務(wù)能力與資金投入欠缺,阻礙了數(shù)字鄉(xiāng)村的建設(shè)

與發(fā)展。



 

       

 

   

     

 

 

 

 

 

 

 

 

 

 K> > B F  9 * *5  L\" >:







ffi

4









>F,U7!U

圖3 西部12個(gè)省份數(shù)字鄉(xiāng)村綜合發(fā)展得分

3.西部地區(qū)數(shù)字鄉(xiāng)村各子系統(tǒng)發(fā)展水平分析

基于構(gòu)建的數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)指標(biāo)體系,測(cè)度

2018—2020年西部地區(qū)12省份數(shù)字鄉(xiāng)村4個(gè)子系

統(tǒng)水平,如圖4所示。

 

 

 

 

 

 

 

 

 

 







K

>

B



F





>

*

5



9



*

L

\"

>

:





B

ffi

-@







ffi

-

@







 

 

 

 

 

 

 



K

>

F





>

B









9



*

*

5





L

\"

>

:

C

ffi(







ffi





(





 

 

 

 

 

 

 

 

 



B





>

K

>



9





F





*

*

5





>

:

L

\"

D

ffi*



ffi









*





 

 

 

 

 

 

 

 

 



K

>



>



9

F







B





*

*

5

L

\"





>

:

E

ffi!)



ffi







!

)





圖4 西部各省份數(shù)字鄉(xiāng)村分維度排名

在數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施(B1)指標(biāo)中,得分最高

的是四川,得分最低的是寧夏,前者得分是后者的

7.38 倍,可見(jiàn)西部地區(qū)省與省之間數(shù)字鄉(xiāng)村基礎(chǔ)

設(shè)施建設(shè)差異顯著。具體來(lái)看,數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)

施得分高于均值的有四川、云南、陜西、貴州、重

慶、廣西共6個(gè)省份,除陜西、廣西外,其余四省份

均位于我國(guó)西南地區(qū);甘肅、內(nèi)蒙古、新疆、青海、

西藏、寧夏數(shù)字鄉(xiāng)村基礎(chǔ)設(shè)施建設(shè)得分低于均值

0.068 1,除內(nèi)蒙古和西藏外,其余四省份均位于我

國(guó)西北地區(qū)。

在數(shù)字鄉(xiāng)村發(fā)展環(huán)境(B2)指標(biāo)中,得分最低

的與得分最高的相差12.44倍,各省份之間數(shù)字鄉(xiāng)

村發(fā)展環(huán)境得分差距非常大。陜西數(shù)字鄉(xiāng)村發(fā)展

環(huán)境得分為0.230 5,排名第二,與四川相差不大。

除四川和陜西外,高于均值的省份有 3 個(gè),分別

為重慶、廣西、貴州;低于均值的省份有7個(gè),依次

是云南、內(nèi)蒙古、新疆、甘肅、寧夏、青海、西藏。后

者需要加大資金投入,重點(diǎn)關(guān)注農(nóng)業(yè)數(shù)字化轉(zhuǎn)型,

注重提高農(nóng)民數(shù)字化素養(yǎng),為數(shù)字鄉(xiāng)村營(yíng)造良好的

發(fā)展環(huán)境。

— 76 —

第83頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

在鄉(xiāng)村數(shù)字化應(yīng)用(B3)指標(biāo)中,四川排名第

一,縱觀整個(gè)西部地區(qū),四川數(shù)字化應(yīng)用占據(jù)絕對(duì)

優(yōu)勢(shì),其次是貴州、廣西、陜西、內(nèi)蒙古和云南,以上

6個(gè)省份鄉(xiāng)村數(shù)字化應(yīng)用得分均高于均值0.064 6;

與之相對(duì)應(yīng)的鄉(xiāng)村數(shù)字化應(yīng)用得分較低的6個(gè)省份

分別是重慶、新疆、甘肅、寧夏、西藏、青海,鄉(xiāng)村數(shù)

字化應(yīng)用程度有待進(jìn)一步提升。

在鄉(xiāng)村數(shù)字化治理(B4)指標(biāo)中,西部各省份

鄉(xiāng)村數(shù)字化治理水平差異十分顯著。其中,陜西、

廣西鄉(xiāng)村數(shù)字化治理水平較高,除此之外,內(nèi)蒙古、

重慶、云南、貴州4省鄉(xiāng)村數(shù)字化治理得分高于均

值0.056 4,這4個(gè)省份鄉(xiāng)村數(shù)字化治理水平雖然遠(yuǎn)

落后于四川、相對(duì)落后于陜西和廣西,但卻領(lǐng)先于

新疆、甘肅、青海、寧夏、西藏。

五、結(jié)論與建議

(一)研究結(jié)論

本文通過(guò)構(gòu)建西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展評(píng)價(jià)

指標(biāo)體系,對(duì)我國(guó)西部12個(gè)省份的數(shù)字鄉(xiāng)村發(fā)展

情況進(jìn)行測(cè)度與評(píng)價(jià),主要結(jié)論如下:我國(guó)西部

地區(qū)數(shù)字鄉(xiāng)村發(fā)展整體狀況良好,2018—2020 年

西部各省份數(shù)字鄉(xiāng)村建設(shè)水平逐漸提高,同時(shí),

各省數(shù)字鄉(xiāng)村建設(shè)水平存在顯著差異,四川、陜

西、廣西數(shù)字鄉(xiāng)村發(fā)展水平較高,數(shù)字鄉(xiāng)村發(fā)展

各子系統(tǒng)之間差距較大,整體來(lái)看,西部地區(qū)數(shù)

字鄉(xiāng)村發(fā)展速度較快,具有較大的發(fā)展?jié)摿Α?/p>

(二)對(duì)策建議

根據(jù)上述的研究?jī)?nèi)容和結(jié)論,本文提出西部地

區(qū)數(shù)字鄉(xiāng)村發(fā)展的對(duì)策與建議如下:

第一,要完善數(shù)字鄉(xiāng)村建設(shè)的頂層設(shè)計(jì)。西部

各省份在建設(shè)數(shù)字鄉(xiāng)村的進(jìn)程中要在自身鄉(xiāng)村發(fā)

展的特有優(yōu)勢(shì)基礎(chǔ)上,充分借鑒先進(jìn)地區(qū)的數(shù)字鄉(xiāng)

村發(fā)展規(guī)劃與建設(shè)模式,因地制宜、積極探索更為

具體且更加符合地方發(fā)展規(guī)律的數(shù)字鄉(xiāng)村建設(shè)路

徑,明確數(shù)字鄉(xiāng)村發(fā)展的階段性布局,出臺(tái)適合本

地?cái)?shù)字鄉(xiāng)村發(fā)展的戰(zhàn)略規(guī)劃,為數(shù)字鄉(xiāng)村建設(shè)與發(fā)

展提供理論指導(dǎo)與制度保障。

第二,提升鄉(xiāng)村新基建發(fā)展的速度和質(zhì)量。

西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平較高的省份需進(jìn)一步

鞏固鄉(xiāng)村數(shù)字化基礎(chǔ)設(shè)施建設(shè)成果,可適當(dāng)前瞻

布局新一代鄉(xiāng)村數(shù)字化基礎(chǔ)設(shè)施,積極引入數(shù)字

技術(shù),實(shí)現(xiàn)數(shù)字技術(shù)與農(nóng)業(yè)農(nóng)村深度融合,加快農(nóng)

村農(nóng)業(yè)實(shí)現(xiàn)智能化、數(shù)字化轉(zhuǎn)型。發(fā)展水平較低

的省份應(yīng)主動(dòng)補(bǔ)齊鄉(xiāng)村數(shù)字基礎(chǔ)設(shè)施建設(shè)的短

板,從農(nóng)村光纜線路、移動(dòng)電話基站、投遞線路、寬

帶接入用戶出發(fā),完善網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè),推動(dòng)廣

播電視等傳統(tǒng)基礎(chǔ)設(shè)施建設(shè)改造升級(jí);改善相關(guān)

地區(qū)的道路交通條件,完善鄉(xiāng)村物流基礎(chǔ)設(shè)施,打

造農(nóng)村電商“新基建”,為推進(jìn)西部地區(qū)數(shù)字鄉(xiāng)村

發(fā)展夯實(shí)基礎(chǔ)。

第三,改善數(shù)字鄉(xiāng)村發(fā)展環(huán)境。在資金方

面,當(dāng)?shù)卣皶r(shí)整合面向數(shù)字鄉(xiāng)村發(fā)展相

關(guān)項(xiàng)目,加大地方財(cái)政資金和新基建投資力度,

設(shè)立數(shù)字鄉(xiāng)村建設(shè)專項(xiàng)基金,引導(dǎo)社會(huì)資本投資

數(shù)字鄉(xiāng)村領(lǐng)域;在技術(shù)方面,要重點(diǎn)關(guān)注農(nóng)業(yè)數(shù)字

化轉(zhuǎn)型,選準(zhǔn)地方優(yōu)勢(shì)產(chǎn)業(yè),因地制宜打造智慧農(nóng)

場(chǎng)、智慧漁場(chǎng)、智慧牧場(chǎng)等全新農(nóng)業(yè)生產(chǎn)方式;加

快農(nóng)業(yè)數(shù)字化轉(zhuǎn)型,培育農(nóng)業(yè)新業(yè)態(tài)新模式。在

人才方面,四川、陜西等可充分發(fā)揮高校、科研優(yōu)

勢(shì),打造“產(chǎn)學(xué)研一體化”的人才培養(yǎng)模式,培養(yǎng)數(shù)

字鄉(xiāng)村專業(yè)人才作為西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展的先

行者。此外,西部各省份可依靠自身地域優(yōu)勢(shì)與

民族特色,吸引專業(yè)性、創(chuàng)新性強(qiáng)的外來(lái)人才。

第四,提高鄉(xiāng)村數(shù)字化治理效能。西部地區(qū)

要大力推進(jìn)政務(wù)服務(wù)“一網(wǎng)通辦”向農(nóng)村延伸覆

蓋,推進(jìn)黨務(wù)、村務(wù)、財(cái)務(wù)等涉農(nóng)事務(wù)在線辦理;要

建立統(tǒng)一規(guī)范的數(shù)據(jù)采集、管理和使用標(biāo)準(zhǔn)細(xì)則,

提高數(shù)據(jù)信息的收集效率,為下一步數(shù)據(jù)整合和分

析奠定基礎(chǔ);建立能夠?qū)崿F(xiàn)互聯(lián)互通數(shù)據(jù)共享的數(shù)

字平臺(tái),為數(shù)據(jù)的傳輸和整合提供場(chǎng)域,同時(shí),積極

搭建和完善關(guān)乎農(nóng)業(yè)農(nóng)村生產(chǎn)生活方面的鄉(xiāng)村數(shù)

字化治理平臺(tái),借助平臺(tái)將相關(guān)農(nóng)業(yè)生產(chǎn)和農(nóng)民生

活數(shù)據(jù)進(jìn)行整合、分析,進(jìn)一步提高鄉(xiāng)村管理和服

務(wù)水平,提升鄉(xiāng)村數(shù)字化治理效率。

參考文獻(xiàn):

[1]張煥波,郭棟,王軍. 可持續(xù)發(fā)展藍(lán)皮書(shū):中國(guó)可持續(xù)發(fā)

展評(píng)價(jià)報(bào)告(2021)[M]. 北京:社會(huì)科學(xué)文獻(xiàn)出版社,

2021.

[2]黃季焜,高紅冰,易紅梅,等 . 縣域數(shù)字鄉(xiāng)村指數(shù)報(bào)告

(2020)[R].北京:北京大學(xué)新農(nóng)村發(fā)展研究院,阿里研

究院,2022.

[3]邢振江 . 數(shù)字鄉(xiāng)村建設(shè)的國(guó)家邏輯[J]. 吉首大學(xué)學(xué)報(bào)

(社會(huì)科學(xué)版),2021,42(6):58-68.

[4]趙成偉,許竹青.高質(zhì)量發(fā)展視閾下數(shù)字鄉(xiāng)村建設(shè)的機(jī)

理、問(wèn)題與策略[J].求是學(xué)刊,2021,48(5):44-52.

[5]王勝,余娜,付銳.數(shù)字鄉(xiāng)村建設(shè):作用機(jī)理、現(xiàn)實(shí)挑戰(zhàn)與

實(shí)施策略[J].改革,2021(4):45-59.

[6]王廷勇,楊麗,郭江云.數(shù)字鄉(xiāng)村建設(shè)的相關(guān)問(wèn)題及對(duì)策

建議[J].西南金融,2021(12):43-55.

[7]曾億武,宋逸香,林夏珍,等.中國(guó)數(shù)字鄉(xiāng)村建設(shè)若干問(wèn)

— 77 —

第84頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 西部地區(qū)數(shù)字鄉(xiāng)村發(fā)展水平測(cè)度及推進(jìn)路徑

題芻議[J].中國(guó)農(nóng)村經(jīng)濟(jì),2021(4):21-35.

[8]陳潭 . 數(shù)字時(shí)代城鄉(xiāng)融合發(fā)展的著力點(diǎn)與新路徑[J].

人民論壇·學(xué)術(shù)前沿,2021(2):19-27.

[9]毛薇,王賢.數(shù)字鄉(xiāng)村建設(shè)背景下的農(nóng)村信息服務(wù)模式

及策略研究[J].情報(bào)科學(xué),2019,37(11):116-120.

[10]夏顯力,陳哲,張慧利,等.農(nóng)業(yè)高質(zhì)量發(fā)展:數(shù)字賦能

與實(shí)現(xiàn)路徑[J].中國(guó)農(nóng)村經(jīng)濟(jì),2019(12):2-15.

[11]EANES F R,SINGH A S,BULLA B R,et al. Midwest‐

ern US Farmers Perceive Crop Advisers as Conduits of

Information on Agricultural Conservation Practices[J].

Environmental Management,2017,60(5):974-988.

[12]COSTOPOULOU C,NTALIANI M,KARETSOS S. Study‐

ing Mobile Apps for Agriculture[J]. IOSR Journal of

Mobile Computing & Application,2016,3(6):44-49.

[13]高峰,王劍.數(shù)字鄉(xiāng)村建設(shè)的國(guó)際經(jīng)驗(yàn)及啟示[J].江蘇

農(nóng)業(yè)科學(xué),2021,49(23):1-8.

[14]沈費(fèi)偉.數(shù)字鄉(xiāng)村的內(nèi)生發(fā)展模式:實(shí)踐邏輯、運(yùn)作機(jī)

理與優(yōu)化策略[J].電子政務(wù),2021(10):57-67.

[15]馮朝睿,徐宏宇.當(dāng)前數(shù)字鄉(xiāng)村建設(shè)的實(shí)踐困境與突破

路徑[J].云南師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2021,

53(5):93-102.

[16]趙早.鄉(xiāng)村治理模式轉(zhuǎn)型與數(shù)字鄉(xiāng)村治理體系構(gòu)建[J].

領(lǐng)導(dǎo)科學(xué),2020(14):45-48.

[17]沈費(fèi)偉,袁歡.大數(shù)據(jù)時(shí)代的數(shù)字鄉(xiāng)村治理:實(shí)踐邏輯

與優(yōu)化策略[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題,2020(10):80-88.

[18]吳夢(mèng)蕭.西部數(shù)字鄉(xiāng)村建設(shè)中的農(nóng)村老年“數(shù)字鴻溝”

探析[J]. 中北大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2022,38(4):

83-88.

[19]吳立凡.西部欠發(fā)達(dá)地區(qū)數(shù)字鄉(xiāng)村建設(shè)的三個(gè)著力點(diǎn)

[J].人民論壇,2020(8):104-105.

[20]陸九天,陳燦平.民族地區(qū)數(shù)字鄉(xiāng)村建設(shè):邏輯起點(diǎn)、潛

在路徑和政策建議[J].西南民族大學(xué)學(xué)報(bào)(人文社會(huì)

科學(xué)版),2021,42(5):154-159.

[21]付堉琪.數(shù)字鄉(xiāng)村建設(shè)中的地方行動(dòng)[J].社會(huì)發(fā)展研

究,2022,9(1):225-241,246.

[22]張挺,李閩榕,徐艷梅.鄉(xiāng)村振興評(píng)價(jià)指標(biāo)體系構(gòu)建與

實(shí)證研究[J].管理世界,2018,34(8):99-105.

[23]張鴻,杜凱文,靳兵艷.鄉(xiāng)村振興戰(zhàn)略下數(shù)字鄉(xiāng)村發(fā)展

就緒度評(píng)價(jià)研究[J].西安財(cái)經(jīng)大學(xué)學(xué)報(bào),2020,33(1):

51-60.

[24]沈劍波,王應(yīng)寬.中國(guó)農(nóng)業(yè)信息化水平評(píng)價(jià)指標(biāo)體系研

究[J].農(nóng)業(yè)工程學(xué)報(bào),2019,35(24):162-172.

[25]常倩,李瑾.鄉(xiāng)村振興背景下智慧鄉(xiāng)村的實(shí)踐與評(píng)價(jià)[J].

華南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2019,18(3):11-21.

[26]崔凱,馮獻(xiàn).數(shù)字鄉(xiāng)村建設(shè)視角下鄉(xiāng)村數(shù)字經(jīng)濟(jì)指標(biāo)體

系 設(shè) 計(jì) 研 究[J]. 農(nóng) 業(yè) 現(xiàn) 代 化 研 究 ,2020,41(6):

899-909.

[27]盛斌,劉宇英.中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)的測(cè)度與空間分

異特征研究[J].南京社會(huì)科學(xué),2022(1):43-54.

[28]邸菲,胡志全.我國(guó)農(nóng)業(yè)現(xiàn)代化評(píng)價(jià)指標(biāo)體系的構(gòu)建與

應(yīng)用[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃,2020,41(6):46-56.

[29]毛錦凰.鄉(xiāng)村振興評(píng)價(jià)指標(biāo)體系構(gòu)建方法的改進(jìn)及其實(shí)

證研究[J].蘭州大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2021,49(3):

47-58.

[30]徐雪,王永瑜.中國(guó)鄉(xiāng)村振興水平測(cè)度、區(qū)域差異分解

及動(dòng)態(tài)演進(jìn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2022,39(5):

64-83.

[31]葉興慶,程郁.新發(fā)展階段農(nóng)業(yè)農(nóng)村現(xiàn)代化的內(nèi)涵特征

和評(píng)價(jià)體系[J].改革,2021(9):1-15.

[32]朱紅根,陳暉平.中國(guó)數(shù)字鄉(xiāng)村發(fā)展的水平測(cè)度、時(shí)空

演變及推進(jìn)路徑[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題,2023(3):21-33.

[33]焦帥濤,孫秋碧.我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展測(cè)度及其影響因素

研究[J].調(diào)研世界,2021(7):13-23.

[34]馮獻(xiàn),李瑾.鄉(xiāng)村治理現(xiàn)代化水平評(píng)價(jià)[J].華南農(nóng)業(yè)大

學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2022,21(3):127-140.

[35]朱建建,顧若琳,袁柳“. 十四五”期間鄉(xiāng)村治理數(shù)字化

的框架與指標(biāo)體系設(shè)計(jì)[J]. 統(tǒng)計(jì)與信息論壇,2021,

36(9):110-118.

[責(zé)任編輯:胡亭亭]

— 78 —

第85頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

East China Economic Management (Vol.37,No.11)

中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

——研究述評(píng)與展望

汪 洋1,2

,劉騰華1

(1.江西財(cái)經(jīng)大學(xué) 金融學(xué)院,江西 南昌 330013;2.江西師范大學(xué) 財(cái)政金融學(xué)院,江西 南昌 330022)

摘 要:社會(huì)融資規(guī)模代表實(shí)體經(jīng)濟(jì)從金融體系獲取的流動(dòng)性總和,是中國(guó)人民銀行首創(chuàng)的金融統(tǒng)計(jì)指標(biāo),是中國(guó)

式金融在實(shí)踐探索中的創(chuàng)舉。文章從演變、效能及趨向等視角對(duì)中國(guó)社會(huì)融資規(guī)模指標(biāo)的相關(guān)研究進(jìn)行總結(jié),對(duì)主

流觀點(diǎn)進(jìn)行歸納。研究表明,在貨幣政策處于量?jī)r(jià)混合調(diào)控的過(guò)渡時(shí)期,中國(guó)社會(huì)融資規(guī)模指標(biāo)仍將發(fā)揮重要作用。

此外,文章從統(tǒng)計(jì)口徑的完善、指標(biāo)的搭配運(yùn)用、綜合評(píng)價(jià)指標(biāo)體系的構(gòu)建、統(tǒng)計(jì)原則的優(yōu)化以及前瞻性指引的強(qiáng)化

等方面出發(fā),對(duì)未來(lái)可進(jìn)行深入研究或拓展的方向進(jìn)行了展望。

關(guān)鍵詞:貨幣政策;社會(huì)融資規(guī)模;中介目標(biāo);量?jī)r(jià)混合調(diào)控

中圖分類號(hào):F832 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1007-5097(2023)11-0079-10

The Evolution,Effectiveness, and Trends of China′s Social Financing Scale Index:

Review and Prospects

WANG Yang1,2

,LIU Tenghua1

(1. School of Finance,Jiangxi University of Finance and Economics,Nanchang 330013,China;

2. School of Finance,Jiangxi Normal University,Nanchang 330022,China)

Abstract:The scale of social financing represents the total liquidity obtained by the real economy from the financial sys‐

tem. It is a financial statistical indicator pioneered by the People's Bank of China and a pioneering example of Chinese

style finance in practical exploration. This paper summarizes the relevant research on China's social financing scale indi‐

cators from the perspectives of evolution,efficiency,and trends,and summarizes the mainstream viewpoints. Research has

shown that in the transitional period of mixed regulation of monetary policy,China's social financing scale indicators will

still play an important role. In addition,this paper looks forward to future directions for in-depth research or expansion,

starting from the improvement of statistical caliber,the combination and application of indicators,the construction of a

comprehensive evaluation index system,the optimization of statistical principles,and the strengthening of forwardlooking guidance.

Key words:monetary policy;social financing scale;intermediary target;quantity-price mixed regulation

一、引 言

金融是現(xiàn)代經(jīng)濟(jì)的核心,金融體系的現(xiàn)代化既

是中國(guó)式現(xiàn)代化的重要組成部分,也是中國(guó)式現(xiàn)代

化的重要標(biāo)志。黨的二十大擘畫(huà)了以中國(guó)式現(xiàn)代

化全面推進(jìn)中華民族偉大復(fù)興的宏偉藍(lán)圖,明確提

出了加快構(gòu)建新發(fā)展格局的戰(zhàn)略任務(wù)。作為中國(guó)

首創(chuàng)的金融統(tǒng)計(jì)指標(biāo)——社會(huì)融資規(guī)模指標(biāo),其誕

生及演變是中國(guó)式金融在實(shí)踐探索中的創(chuàng)舉,是中

國(guó)人民銀行在政策實(shí)踐中不斷優(yōu)化貨幣政策目標(biāo)

體系、完善現(xiàn)代貨幣政策框架的重要體現(xiàn)。

中國(guó)的金融結(jié)構(gòu)日益向多元化發(fā)展,實(shí)體經(jīng)濟(jì)

融資的渠道已從傳統(tǒng)信貸市場(chǎng)向債券、股票市場(chǎng)等

延伸。中國(guó)宏觀金融調(diào)控需要更加適宜的指標(biāo)以

全面反映金融與實(shí)體經(jīng)濟(jì)間的聯(lián)系。2011年4月,

中國(guó)人民銀行首次公布了社會(huì)融資規(guī)模季度增量

數(shù)據(jù)。金融市場(chǎng)方面,社會(huì)融資規(guī)模指標(biāo)自誕生起

●經(jīng)濟(jì)觀察 [DOI]10.19629/j.cnki.34-1014/f.230405011

收稿日期:2023-04-05

基金項(xiàng)目:國(guó)家社會(huì)科學(xué)基金哲學(xué)社會(huì)科學(xué)領(lǐng)軍人才項(xiàng)目“多重約束下的中國(guó)財(cái)政政策、貨幣政策與匯率政策協(xié)調(diào)配合研

究”(22VRC018);江西省研究生創(chuàng)新基金項(xiàng)目“雙循環(huán)背景下央行利率調(diào)控模式的選擇研究——國(guó)際經(jīng)驗(yàn)與中

國(guó)實(shí)踐”(YC2023-B170)

作者簡(jiǎn)介:汪 洋(1972—),男,江西南昌人,教授,博士,研究方向:貨幣理論與政策,國(guó)際金融理論與實(shí)務(wù);

劉騰華(1996—),男,江西贛州人,博士研究生,研究方向:貨幣理論與政策。

— 79 —

第86頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

即被廣泛地作為衡量資金松緊程度的重要指示器;

政策制定層面,2016年,社會(huì)融資規(guī)模余額的增長(zhǎng)

目標(biāo)與廣義貨幣供應(yīng)量(M2)的增長(zhǎng)目標(biāo)作為重要

的宏觀監(jiān)測(cè)指標(biāo),首度同時(shí)出現(xiàn)在我國(guó)《政府工作

報(bào)告》中。

隨著數(shù)字貨幣和移動(dòng)支付等金融創(chuàng)新進(jìn)一步

向深層次發(fā)展,中國(guó)貨幣政策由數(shù)量型調(diào)控向價(jià)格

型調(diào)控轉(zhuǎn)型的步伐不斷加快。中國(guó)貨幣政策調(diào)控

采取價(jià)格型調(diào)控模式,但利率市場(chǎng)化的全面實(shí)現(xiàn)并

非一蹴而就,價(jià)格型貨幣政策調(diào)控體系的形成也非

一日之功。目前,中國(guó)貨幣市場(chǎng)利率已基本實(shí)現(xiàn)市

場(chǎng)化,但信貸市場(chǎng)利率仍未完全實(shí)現(xiàn)市場(chǎng)化,利率

雙軌制問(wèn)題仍然突出。作為處于轉(zhuǎn)軌期的大型發(fā)

展中國(guó)家經(jīng)濟(jì)體,中國(guó)價(jià)格型貨幣政策的有效傳導(dǎo)

仍面臨諸多約束,數(shù)量型貨幣政策指標(biāo)的作用仍不

容忽視。

中國(guó)人民銀行在《2019 年第四季度貨幣政策

執(zhí)行報(bào)告》中指出,貨幣政策中介目標(biāo)轉(zhuǎn)為M2和社

會(huì)融資規(guī)模的增速與名義 GDP 增速相匹配,這是

現(xiàn)階段發(fā)揮貨幣政策逆周期調(diào)節(jié)作用的重要著力

點(diǎn)。2020年,中央經(jīng)濟(jì)工作會(huì)議及《“十四五”規(guī)劃

和2035年遠(yuǎn)景目標(biāo)綱要》進(jìn)一步提出,完善促進(jìn)國(guó)

內(nèi)大循環(huán)的政策體系,保持貨幣供應(yīng)量和社會(huì)融

資規(guī)模的增速同名義經(jīng)濟(jì)增速基本匹配,更進(jìn)一

步清晰明確地界定了貨幣政策的“錨”,表明在未

來(lái)較長(zhǎng)的一段時(shí)期,數(shù)量型指標(biāo)M2和社會(huì)融資規(guī)

模仍將在中國(guó)貨幣政策調(diào)控中扮演重要角色。對(duì)

社會(huì)融資規(guī)模這一關(guān)鍵指標(biāo)可能存在的不足及未

來(lái)的趨向等進(jìn)行分析,具有突出的理論價(jià)值和現(xiàn)

實(shí)意義。

各國(guó)央行對(duì)貨幣政策中介目標(biāo)的選擇并無(wú)絕

對(duì)的孰優(yōu)孰劣,選擇數(shù)量型指標(biāo)或是價(jià)格型指標(biāo)均

要同本國(guó)金融環(huán)境的變化適應(yīng),最終目的均是提高

貨幣政策的執(zhí)行效率。周小川(2013)提出,采用數(shù)

量型調(diào)控、價(jià)格型調(diào)控與宏觀審慎政策相結(jié)合的調(diào)

控模式是符合中國(guó)國(guó)情的選擇[1]

。國(guó)內(nèi)外學(xué)界對(duì)

M2的相關(guān)研究綜述較多,而關(guān)于社會(huì)融資規(guī)模指

標(biāo),國(guó)內(nèi)學(xué)界鮮有文獻(xiàn)對(duì)已有研究進(jìn)行梳理。

本文可能的創(chuàng)新在于:①?gòu)闹笜?biāo)的演變、效能

和趨向這三個(gè)層層遞進(jìn)又相互關(guān)聯(lián)的邏輯視角出

發(fā),對(duì)社會(huì)融資規(guī)模指標(biāo)的相關(guān)研究進(jìn)行全方位總

結(jié);②立足中國(guó)貨幣政策調(diào)控由數(shù)量型向價(jià)格型轉(zhuǎn)

型的實(shí)際,結(jié)合發(fā)達(dá)經(jīng)濟(jì)體央行的實(shí)踐經(jīng)驗(yàn),對(duì)社

會(huì)融資規(guī)模指標(biāo)的角色定位進(jìn)行了深入分析。③從

統(tǒng)計(jì)口徑的完善、指標(biāo)的搭配運(yùn)用、綜合評(píng)價(jià)指標(biāo)

體系的構(gòu)建、統(tǒng)計(jì)原則的優(yōu)化等方面出發(fā),對(duì)未來(lái)

可能進(jìn)行深入研究的方向進(jìn)行了展望。

二、中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變:緣起、發(fā)

展與不足

當(dāng)前中國(guó)金融體系由以銀行為主轉(zhuǎn)向以市場(chǎng)

為主,實(shí)體經(jīng)濟(jì)貸款的提供者已從傳統(tǒng)商業(yè)銀行拓

展到整個(gè)金融體系。社會(huì)融資規(guī)模指標(biāo)彌補(bǔ)了新

增人民幣貸款指標(biāo)在統(tǒng)計(jì)對(duì)象上的不足,經(jīng)過(guò)十余

年的發(fā)展形成了多層次的指標(biāo)體系。本文首先從

社會(huì)融資規(guī)模指標(biāo)的緣起、發(fā)展與不足等維度出

發(fā),對(duì)相關(guān)文獻(xiàn)進(jìn)行梳理。

(一)中國(guó)社會(huì)融資規(guī)模指標(biāo)的緣起

社會(huì)融資規(guī)模指標(biāo)由中國(guó)人民銀行首創(chuàng),既有

一定理論基礎(chǔ)和國(guó)際背景,也有相應(yīng)的實(shí)踐經(jīng)驗(yàn)。

2010年,巴塞爾委員會(huì)推出“廣義信用”這一概念,

將實(shí)體經(jīng)濟(jì)所有債務(wù)資金來(lái)源均納入其中[2]

。盛

松成在2011年對(duì)《拉德克里夫報(bào)告》中的“整體流

動(dòng)性理論”、格利和肖的“金融中介機(jī)構(gòu)理論”、托賓

的“金融機(jī)構(gòu)與資產(chǎn)的同一性理論”以及貨幣政策

廣義信貸渠道的有效性等進(jìn)行了回溯,并將其作為

社會(huì)融資規(guī)模指標(biāo)的理論基礎(chǔ)[3]

。盛松成(2013、

2019)先后對(duì)中國(guó)社會(huì)融資規(guī)模指標(biāo)的緣起做了進(jìn)

一步的闡釋,認(rèn)為這一指標(biāo)的創(chuàng)設(shè)建立在信用渠道

的理論基礎(chǔ)之上,并從市場(chǎng)經(jīng)濟(jì)體制的完善與否、

利率傳導(dǎo)機(jī)制的通暢與否、金融機(jī)構(gòu)資產(chǎn)端的復(fù)雜

程度等角度闡釋了社會(huì)融資規(guī)模未能在國(guó)外誕生

的原因[4-5]

。國(guó)內(nèi)學(xué)者還從貨幣數(shù)量論的角度對(duì)中

國(guó)社會(huì)融資規(guī)模指標(biāo)的理論源泉進(jìn)行了解讀,劉穎

(2017)在對(duì)貨幣流通模型進(jìn)行拓展后,從國(guó)家資產(chǎn)

負(fù)債表和資金流量表的角度探討了社會(huì)融資規(guī)模

的含義,導(dǎo)出了包含社會(huì)融資規(guī)模的貨幣數(shù)量論

公式[6]

。

2008 年國(guó)際金融危機(jī)后,各國(guó)央行紛紛對(duì)以

前貨幣政策的實(shí)踐進(jìn)行總結(jié),重新對(duì)原有貨幣政策

工具的效用進(jìn)行了審視。盛松成(2011)和陳雨露

(2016)認(rèn)為,美國(guó)的次貸危機(jī)之所以會(huì)迅速演變成

嚴(yán)重的國(guó)際金融危機(jī),一個(gè)重要原因在于其金融統(tǒng)

計(jì)制度存在嚴(yán)重缺陷,危機(jī)前無(wú)法全面反映金融業(yè)

發(fā)生的深刻變化并及時(shí)預(yù)警,危機(jī)后無(wú)法準(zhǔn)確判斷

并評(píng)估危機(jī)擴(kuò)散程度和傳染風(fēng)險(xiǎn)的大?。?,7]

;付彤

杰和張銜(2021)認(rèn)為,中國(guó)社會(huì)融資規(guī)模指標(biāo)的編

— 80 —

第87頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

制正是吸取了國(guó)際金融危機(jī)的教訓(xùn),并結(jié)合中國(guó)金

融改革實(shí)踐的結(jié)果[8]

。

金融創(chuàng)新發(fā)展通常會(huì)對(duì)一國(guó)原有的貨幣政策

框架形成巨大沖擊。20世紀(jì)50年代末以來(lái),隨著

信息技術(shù)的快速發(fā)展及金融管制的逐步放松,西方

發(fā)達(dá)國(guó)家涌現(xiàn)大規(guī)模的金融創(chuàng)新活動(dòng),誕生了一系

列非存款類機(jī)構(gòu),創(chuàng)設(shè)了一大批新型金融工具。在

運(yùn)用CC-LM模型分析信貸渠道在貨幣傳導(dǎo)機(jī)制中

的作用后,Bernanke 和 Blinder(1992)提出,隨著金

融創(chuàng)新的發(fā)展,非存款類金融機(jī)構(gòu)的融資作用將逐

漸增大[9]

。由于金融創(chuàng)新使資金大量流出銀行機(jī)

構(gòu)并轉(zhuǎn)向非存款類機(jī)構(gòu),美聯(lián)儲(chǔ)的貨幣政策效應(yīng)被

大大削弱,美聯(lián)儲(chǔ)在 1987 年調(diào)整了調(diào)控目標(biāo)[10]。

近年來(lái),不少新興市場(chǎng)經(jīng)濟(jì)體的金融脫媒程度也不

斷加深。在社會(huì)融資規(guī)模指標(biāo)誕生的背后,數(shù)字經(jīng)

濟(jì)等業(yè)態(tài)蓬勃興起,中國(guó)的金融創(chuàng)新也在向深層次

發(fā)展。通過(guò)對(duì)社會(huì)融資規(guī)模的各組成項(xiàng)進(jìn)行解構(gòu),

伍戈和劉琨(2013)構(gòu)建了中國(guó)金融脫媒指數(shù)(直接

融資與間接融資之比),驗(yàn)證了中國(guó)金融脫媒程度

自2002年以來(lái)震蕩上升的態(tài)勢(shì)[11]

(二)中國(guó)社會(huì)融資規(guī)模指標(biāo)的發(fā)展

中國(guó)社會(huì)融資規(guī)模指標(biāo)的統(tǒng)計(jì)范圍在實(shí)踐中

不斷延展,成為具有中國(guó)特色的金融指標(biāo)之一。繼

2011年4月首次公布社會(huì)融資規(guī)模季度增量數(shù)據(jù)

后,中國(guó)人民銀行自 2012 年開(kāi)始發(fā)布月度增量數(shù)

據(jù),2014 年起發(fā)布地區(qū)社會(huì)融資規(guī)模季度增量數(shù)

據(jù),2015 年起發(fā)布社會(huì)融資規(guī)模季度存量數(shù)據(jù),

2016年開(kāi)始發(fā)布社會(huì)融資規(guī)模月度存量同比增長(zhǎng)

數(shù)據(jù)。中國(guó)社會(huì)融資規(guī)模指標(biāo)在實(shí)踐中不斷優(yōu)化,

2018年7月,“存款類機(jī)構(gòu)資產(chǎn)支持證券”和“貸款

核銷(xiāo)”指標(biāo)被中國(guó)人民銀行納入統(tǒng)計(jì)范圍,2018年

9月,“地方政府專項(xiàng)債券”指標(biāo)被進(jìn)一步納入統(tǒng)計(jì)

范圍,2019年12月,“國(guó)債”與原有“地方政府專項(xiàng)

債券”被合并為“政府債券”指標(biāo)統(tǒng)一納入統(tǒng)計(jì)

范圍(1)

。

除公布全國(guó)社會(huì)融資規(guī)模數(shù)據(jù)外,中國(guó)人民銀

行還推出了地區(qū)社會(huì)融資規(guī)模指標(biāo),該指標(biāo)反映地

區(qū)實(shí)體經(jīng)濟(jì)從整個(gè)金融體系獲取的資金總額,為進(jìn)

一步分析金融與區(qū)域經(jīng)濟(jì)發(fā)展的關(guān)系提供新的參

考指標(biāo)。盛朝暉(2015)認(rèn)為,湖南省社會(huì)融資規(guī)模

指標(biāo)與GDP、消費(fèi)、投資等的相關(guān)性顯著優(yōu)于信貸

類融資[12];通過(guò)對(duì)遼寧省社會(huì)融資規(guī)模數(shù)據(jù)的檢

驗(yàn),陳永富(2020)驗(yàn)證了該省社會(huì)融資規(guī)模與社會(huì)

消費(fèi)品零售總額存在長(zhǎng)期均衡關(guān)系,且比新增人民

幣貸款更能夠促進(jìn)地區(qū)經(jīng)濟(jì)的增長(zhǎng)[13]

。

目前,中國(guó)社會(huì)融資規(guī)模指標(biāo)既包括流量指

標(biāo),也涵蓋了存量指標(biāo)。盛松成等(2016)認(rèn)為,相

較于先前的增量數(shù)據(jù),社會(huì)融資規(guī)模的存量數(shù)據(jù)與

M2的相互關(guān)系更加緊密,將使社會(huì)融資規(guī)模統(tǒng)計(jì)

制度更加完善,并為宏觀金融調(diào)控提供更有效的支

撐[14]

。Shen(2020)通過(guò)構(gòu)建VAR模型對(duì)社會(huì)融資

規(guī)模存量指標(biāo)與增量指標(biāo)的效果進(jìn)行比較,認(rèn)為存

量指標(biāo)對(duì)產(chǎn)出水平及價(jià)格水平的影響優(yōu)于增量指

標(biāo),而作為數(shù)量型指標(biāo),存量社會(huì)融資規(guī)模和增量

社會(huì)融資規(guī)模的傳導(dǎo)均存在一定的時(shí)滯性[15]

。

(三)中國(guó)社會(huì)融資規(guī)模指標(biāo)的不足

雖然中國(guó)社會(huì)融資規(guī)模指標(biāo)已初步形成多層

次的指標(biāo)體系,但這一統(tǒng)計(jì)指標(biāo)依舊可能存在不

足。學(xué)界圍繞該指標(biāo)的理論基礎(chǔ)、思想基石及統(tǒng)計(jì)

的完整準(zhǔn)確性等展開(kāi)了深入分析。

(1)社會(huì)融資規(guī)模指標(biāo)的理論基礎(chǔ)和思想基

石。吳盛光(2011)對(duì)肯定和否定社會(huì)融資規(guī)模指

標(biāo)的觀點(diǎn)進(jìn)行了歸納,其中否定的觀點(diǎn)認(rèn)為,社會(huì)

融資規(guī)模的統(tǒng)計(jì)對(duì)象為金融部門(mén)資產(chǎn)方而非負(fù)債

方,因此支撐以往貨幣政策的宏觀金融理論并不適

用于該指標(biāo),短時(shí)間內(nèi),央行更應(yīng)選擇系統(tǒng)化編制

中國(guó)資金流量表[16]

。也有學(xué)者認(rèn)為,包括一般流動(dòng)

性論等在內(nèi)的一系列理論均認(rèn)同社會(huì)融資規(guī)模指

標(biāo)具有重要性及監(jiān)管必要性,但缺乏相關(guān)理論模型

的支撐[17]

(2)社會(huì)融資規(guī)模指標(biāo)統(tǒng)計(jì)的完整準(zhǔn)確性。由

于對(duì)沖基金、民間融資及外債等均未納入統(tǒng)計(jì)范

圍,張春生和蔣海(2013)認(rèn)為,社會(huì)融資總量數(shù)據(jù)

的統(tǒng)計(jì)缺乏完整性[18]

;鐘?。?011)認(rèn)為私募、對(duì)沖

基金及政府股權(quán)基金相關(guān)數(shù)據(jù)等應(yīng)納入社會(huì)融資

規(guī)模的統(tǒng)計(jì)[19];基于對(duì)統(tǒng)計(jì)遺漏和重復(fù)統(tǒng)計(jì)的考

量,汪洋(2014)認(rèn)為,統(tǒng)計(jì)遺漏體現(xiàn)在外匯儲(chǔ)備未

納入統(tǒng)計(jì),保險(xiǎn)公司作為統(tǒng)計(jì)對(duì)象僅計(jì)算其賠付資

金而未考慮其他資產(chǎn);在非金融企業(yè)股票融資和債

券融資、委托貸款等項(xiàng)目上則可能出現(xiàn)重復(fù)統(tǒng)計(jì)的

現(xiàn)象[20]

。

在已有研究的基礎(chǔ)上,本文認(rèn)為在社會(huì)融資規(guī)

模指標(biāo)的委托貸款細(xì)分項(xiàng)方面,可能需要避免重復(fù)

統(tǒng)計(jì)。居民申請(qǐng)的住房公積金貸款(2)

是一種重要

的委托貸款,從資產(chǎn)負(fù)債表的變化情況看,住房公

積金貸款與商業(yè)銀行的住房貸款存在本質(zhì)區(qū)別。

— 81 —

第88頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

商業(yè)銀行向居民提供的商業(yè)性住房貸款將影響自

身資產(chǎn)負(fù)債表,而住房公積金中心委托商業(yè)銀行發(fā)

放的貸款實(shí)質(zhì)上不影響商業(yè)銀行的資產(chǎn)負(fù)債表。

具體來(lái)看,居民繳納住房公積金是從商業(yè)銀行的儲(chǔ)

蓄存款賬戶轉(zhuǎn)移到當(dāng)?shù)刈》抗e金中心賬戶(商業(yè)

銀行的負(fù)債方),公積金貸款的發(fā)放則是從住房公

積金中心賬戶最終轉(zhuǎn)移到房地產(chǎn)開(kāi)發(fā)商的存款賬

戶(仍為商業(yè)銀行的負(fù)債)。根據(jù)中國(guó)人民銀行對(duì)

金融機(jī)構(gòu)的定義,住房公積金管理中心并非銀行業(yè)

存款類金融機(jī)構(gòu),但事實(shí)上從事了貸款業(yè)務(wù)。因

此,未來(lái)社會(huì)融資規(guī)模中委托貸款的統(tǒng)計(jì)范圍可能

還需要進(jìn)行調(diào)整。

三、中國(guó)社會(huì)融資規(guī)模指標(biāo)的效能:中介目標(biāo)

的視角

貨幣政策的中介目標(biāo)介于貨幣政策操作目標(biāo)

與最終目標(biāo)之間,是貨幣政策的名義“錨”。作為重

要的宏觀監(jiān)測(cè)指標(biāo),社會(huì)融資規(guī)模能否成為中國(guó)貨

幣政策的名義“錨”,備受各界關(guān)注。學(xué)界對(duì)社會(huì)融

資規(guī)模與其他貨幣政策指標(biāo)的調(diào)控效果進(jìn)行了比

較,從中介目標(biāo)的基本屬性出發(fā),對(duì)社會(huì)融資規(guī)模

作為貨幣政策中介目標(biāo)的適用性及效能進(jìn)行了深

入探討。

(一)中國(guó)社會(huì)融資規(guī)模指標(biāo)與其他指標(biāo)的效

能比較

目前,中國(guó)貨幣政策呈現(xiàn)數(shù)量型調(diào)控與價(jià)格型

調(diào)控并存的格局,整體上仍以數(shù)量型調(diào)控為主。在

量?jī)r(jià)混合調(diào)控的基本格局下,社會(huì)融資規(guī)模、M2以

及貨幣市場(chǎng)利率等數(shù)量型、價(jià)格型指標(biāo)均在中國(guó)貨

幣政策調(diào)控中扮演了重要角色。

一些研究發(fā)現(xiàn),社會(huì)融資規(guī)模指標(biāo)在諸多數(shù)量

型及價(jià)格型指標(biāo)中具備較為突出的效能。周先平

等(2013)通過(guò)對(duì) M1、M2、社會(huì)融資規(guī)模增量指標(biāo)

等與最終目標(biāo) CPI 和宏觀經(jīng)濟(jì)一致性指數(shù)關(guān)系的

檢驗(yàn),驗(yàn)證了社會(huì)融資規(guī)模指標(biāo)對(duì)經(jīng)濟(jì)產(chǎn)出的調(diào)控

效果優(yōu)于其他指標(biāo)[21]

;元惠萍和劉颯(2013)通過(guò)分

析M2、人民幣貸款、社會(huì)融資規(guī)模增量指標(biāo)對(duì)實(shí)體

經(jīng)濟(jì)和物價(jià)指數(shù)的影響,同樣驗(yàn)證了社會(huì)融資規(guī)模

的效能優(yōu)于 M2 和人民幣貸款[22]。中國(guó)貨幣政策

應(yīng)采取何種規(guī)則,學(xué)者們從不同角度進(jìn)行了闡釋。

在對(duì)原始麥克萊姆規(guī)則進(jìn)行修正的基礎(chǔ)上,秦化清

(2013)推導(dǎo)出社會(huì)融資規(guī)模規(guī)則,并通過(guò)模擬分析

論證了社會(huì)融資規(guī)模增量對(duì)貨幣政策最終目標(biāo)的

影響優(yōu)于M2

[23]

;程國(guó)平和劉丁平(2014)認(rèn)為,在虛

擬經(jīng)濟(jì)發(fā)展的背景下,社會(huì)融資規(guī)模增量指標(biāo)比新

增人民幣貸款更宜作為中國(guó)貨幣政策的中介目標(biāo),

社會(huì)融資規(guī)模指標(biāo)對(duì)央行的宏觀調(diào)控具有積極

意義[24]

貨幣政策傳導(dǎo)機(jī)制是貨幣政策指標(biāo)發(fā)揮效能

的立足點(diǎn)。通過(guò)對(duì)不同指標(biāo)在傳導(dǎo)機(jī)制中的作用

進(jìn)行比較,有學(xué)者驗(yàn)證了自2009年以來(lái),社會(huì)融資

規(guī)模增量指標(biāo)與貨幣政策最終目標(biāo)的相關(guān)性和可

控性顯著優(yōu)于新增人民幣貸款[25]

?,F(xiàn)階段我國(guó)M2

與實(shí)體經(jīng)濟(jì)的關(guān)系逐漸弱化,將社會(huì)融資規(guī)模和上

海銀行間同業(yè)拆借利率(Shibor)這兩種指標(biāo)并用的

傳導(dǎo)效果更佳[26]

。劉金全等(2019)認(rèn)為,在利率調(diào)

控機(jī)制尚未完全形成的轉(zhuǎn)型階段,社會(huì)融資規(guī)模存

量指標(biāo)能提升貨幣政策的有效性并彌補(bǔ)M2存在的

不足,有望在中國(guó)貨幣政策由數(shù)量型向價(jià)格型轉(zhuǎn)軌

的過(guò)程中發(fā)揮重要作用[27]

。

一些學(xué)者提出,社會(huì)融資規(guī)模指標(biāo)雖然不足

以完全替代M2,但仍可在政策轉(zhuǎn)軌期發(fā)揮其應(yīng)有

的作用。張春生和蔣海(2013)認(rèn)為,在利率未完

全市場(chǎng)化的情況下,社會(huì)融資規(guī)模增量取代M2缺

乏理論和實(shí)證的支持,社會(huì)融資規(guī)模不適合作為

貨幣政策中介目標(biāo),但仍可作為重要的宏觀監(jiān)測(cè)

指標(biāo)[18]

;牛嵩(2017)認(rèn)為,在社會(huì)融資結(jié)構(gòu)動(dòng)態(tài)調(diào)

整的背景下,M2 的調(diào)控效果不斷減弱,社會(huì)融資

規(guī)模增量指標(biāo)應(yīng)作為 M2 的良好補(bǔ)充,與 M2 共同

作為貨幣政策的主要中間目標(biāo)[28];李玉蓉和徐寧

(2018)認(rèn)為,名義利率、M2 及社會(huì)融資規(guī)模存量

等指標(biāo)中并不存在占優(yōu)選擇,央行在現(xiàn)階段應(yīng)采

取混合型政策操作來(lái)平抑不同類型的經(jīng)濟(jì)沖擊和

波動(dòng)[29];有學(xué)者采用拔靴滾動(dòng)窗口因果關(guān)系檢驗(yàn)

方法進(jìn)行驗(yàn)證,認(rèn)為應(yīng)構(gòu)建以 M2 為主、社會(huì)融資

規(guī)模為輔的貨幣政策中介目標(biāo)體系[30];根據(jù)對(duì)社

會(huì)融資規(guī)模存量、M2和LPR在統(tǒng)一框架進(jìn)行檢驗(yàn)

的結(jié)果,王雷等(2021)認(rèn)為,M2 和社會(huì)融資規(guī)模

分別在調(diào)控物價(jià)和產(chǎn)出方面具有比較優(yōu)勢(shì),能夠

形成互補(bǔ)效應(yīng)[31]

。

(二)中介目標(biāo)基本屬性下的中國(guó)社會(huì)融資規(guī)

模指標(biāo)

可測(cè)性好、可控性優(yōu)、相關(guān)性強(qiáng)、抗干擾性佳是

貨幣政策中介目標(biāo)的基本屬性。除了與其他數(shù)量

型及價(jià)格型指標(biāo)展開(kāi)橫向?qū)Ρ龋瑢W(xué)界對(duì)社會(huì)融資規(guī)

模指標(biāo)的基本屬性進(jìn)行縱向分析,形成了多個(gè)具有

代表性的觀點(diǎn)。

— 82 —

第89頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

(1)社會(huì)融資規(guī)模指標(biāo)的可測(cè)性。有學(xué)者認(rèn)

為,社會(huì)融資規(guī)模增量的內(nèi)涵和外延非常清晰,可

測(cè)性良好[32]

。雖然當(dāng)前社會(huì)融資規(guī)模指標(biāo)的統(tǒng)計(jì)

范圍受到諸多質(zhì)疑,仍有學(xué)者提出,隨著統(tǒng)計(jì)制度

不斷完善和監(jiān)管部門(mén)協(xié)調(diào)力度的加強(qiáng),社會(huì)融資規(guī)

模指標(biāo)的可測(cè)性將進(jìn)一步提升[17];李沂(2013)認(rèn)

為,社會(huì)融資規(guī)模廣泛的統(tǒng)計(jì)范圍及復(fù)雜的統(tǒng)計(jì)主

體,將直接影響數(shù)據(jù)的準(zhǔn)確性,隨著直接融資等方

式被實(shí)體經(jīng)濟(jì)廣泛采用,社會(huì)融資規(guī)??偭康目蓽y(cè)

性將不斷降低[33]

;陳小亮等(2016)認(rèn)為,隨著金融

創(chuàng)新的不斷發(fā)展,社會(huì)融資規(guī)模的統(tǒng)計(jì)口徑將難以

涵蓋不斷涌現(xiàn)的新型融資方式,并不適合作為貨幣

政策的中介目標(biāo)[34]

。

(2)社會(huì)融資規(guī)模指標(biāo)的可控性。在理論分

析方面,余永定(2014)提出,社會(huì)融資規(guī)模指標(biāo)屬

于內(nèi)生變量,其可控性難以得到保證,決定社會(huì)融

資規(guī)模的關(guān)鍵變量——國(guó)民經(jīng)濟(jì)的儲(chǔ)蓄水平也并

非央行能直接控制[35];實(shí)證檢驗(yàn)方面,在構(gòu)建

DSGE 模型的基礎(chǔ)上,盛松成(2012)通過(guò)實(shí)證分

析,驗(yàn)證了中國(guó)的貨幣政策工具能有效影響社會(huì)

融資規(guī)模[36]

;馬理等(2015)通過(guò)協(xié)整分析、脈沖響

應(yīng)分析和方差分解分析,驗(yàn)證了央行的貨幣政策

工具能有效影響社會(huì)融資規(guī)模,社會(huì)融資規(guī)模指

標(biāo)具有良好的可控性[37];基于理論分析和實(shí)證檢

驗(yàn)的結(jié)果,黃憲和劉建偉(2016)借鑒弗里德曼分

析通貨膨脹成因的思路,探究基礎(chǔ)貨幣對(duì)社會(huì)融資

規(guī)??煽匦缘闹匾绊?,提出央行對(duì)社會(huì)融資規(guī)模

具有“相對(duì)”可控性[38]

(3)社會(huì)融資規(guī)模指標(biāo)與貨幣政策最終目標(biāo)

的相關(guān)性。通過(guò)構(gòu)建社會(huì)融資規(guī)模產(chǎn)出率指標(biāo),

張?jiān)龋?014)分析社會(huì)融資規(guī)模增量指標(biāo)對(duì)實(shí)體

經(jīng)濟(jì)的影響,驗(yàn)證了社會(huì)融資規(guī)模與中國(guó)實(shí)體經(jīng)

濟(jì)的增長(zhǎng)高度相關(guān)[39]

;基于協(xié)整分析的結(jié)果,冉光

和等(2015)驗(yàn)證了社會(huì)融資規(guī)模與實(shí)體經(jīng)濟(jì)增長(zhǎng)

存在長(zhǎng)期正向均衡關(guān)系,認(rèn)為社會(huì)融資規(guī)模的增

加能長(zhǎng)期且正向地促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展[40];在運(yùn)用

DSGE 模型進(jìn)行模擬分析的基礎(chǔ)上,結(jié)合 TVPVAR等多重計(jì)量方法,陳鑫等(2017)、萬(wàn)阿俊和王

陸雅(2018)驗(yàn)證了社會(huì)融資規(guī)模存量指標(biāo)與實(shí)體

經(jīng)濟(jì)周期的波動(dòng)高度相關(guān),并對(duì)貨幣政策最終目

標(biāo)具有預(yù)測(cè)先導(dǎo)性和解釋能力[40-41];熊禮慧等

(2020)從社會(huì)融資規(guī)??偭亢徒Y(jié)構(gòu)等視角出發(fā),

通過(guò) VAR 及 TVP-VAR 等模型,驗(yàn)證了社會(huì)融資

規(guī)模指標(biāo)具有良好的產(chǎn)出效應(yīng)和價(jià)格效應(yīng)[43]

。

(4)社會(huì)融資規(guī)模指標(biāo)的抗干擾性。從貨幣

政策傳導(dǎo)機(jī)制的具體環(huán)節(jié)出發(fā),張春生(2013)提

出,央行將社會(huì)融資規(guī)模增量作為調(diào)控目標(biāo),相當(dāng)

于將中介目標(biāo)從商業(yè)銀行向其背后的實(shí)體經(jīng)濟(jì)移

動(dòng),越往下游中介目標(biāo)受市場(chǎng)力量的影響越大,抗

干擾性愈加不足[17]

。也有學(xué)者認(rèn)為社會(huì)融資規(guī)模

在包括抗干擾性在內(nèi)的各屬性上表現(xiàn)優(yōu)異,監(jiān)測(cè)

該指標(biāo)有利于發(fā)現(xiàn)社會(huì)流動(dòng)性的異常變動(dòng),符合

央行推進(jìn)宏觀審慎管理的需要[8]。此外,還有研

究對(duì)社會(huì)融資規(guī)模各分項(xiàng)覆蓋面進(jìn)行深入分析,

從側(cè)面驗(yàn)證了社會(huì)融資規(guī)模具有良好的抗干擾

性,能為防范化解金融風(fēng)險(xiǎn)、促進(jìn)實(shí)體經(jīng)濟(jì)做優(yōu)做

強(qiáng)提供指引[44]

。

總體來(lái)看,已有研究通過(guò)構(gòu)建DSGE等宏觀經(jīng)

濟(jì)學(xué)模型,采用 VAR、TVP-SV-VAR 等計(jì)量方法

對(duì)社會(huì)融資規(guī)模與其他指標(biāo)的效能展開(kāi)橫向?qū)?/p>

比,圍繞社會(huì)融資規(guī)模的可計(jì)量性、央行對(duì)社會(huì)融

資規(guī)模的控制力、社會(huì)融資規(guī)模對(duì)貨幣政策最終

目標(biāo)的影響力及其自身的抗干擾性進(jìn)行縱向分

析,為進(jìn)一步認(rèn)識(shí)社會(huì)融資規(guī)模指標(biāo)的效能和特點(diǎn)

提供了充分依據(jù)。本文認(rèn)為,在過(guò)渡階段,央行可

在數(shù)量型目標(biāo)和價(jià)格型目標(biāo)間尋求平衡點(diǎn),探索如

何搭配使用社會(huì)融資規(guī)模和貨幣市場(chǎng)利率等指標(biāo),

以充分發(fā)揮相關(guān)指標(biāo)的效能,最大程度確保貨幣政

策的調(diào)控效果。具體而言,央行可探索包括貨幣市

場(chǎng)利率、社會(huì)融資規(guī)模等在內(nèi)的混合貨幣政策規(guī)

則。一種可能的選擇是,央行在錨定社會(huì)融資規(guī)模

指標(biāo)的同時(shí),關(guān)注貨幣市場(chǎng)利率的變化,快速捕捉

市場(chǎng)流動(dòng)性情況,并對(duì)社會(huì)融資規(guī)模進(jìn)行調(diào)節(jié)。

四、中國(guó)社會(huì)融資規(guī)模指標(biāo)的趨向:市場(chǎng)沖擊

與完善

中國(guó)貨幣政策由數(shù)量型向價(jià)格型轉(zhuǎn)型的過(guò)程

并非一帆風(fēng)順。隨著全球經(jīng)濟(jì)產(chǎn)業(yè)鏈、供應(yīng)鏈和價(jià)

值鏈出現(xiàn)新的變化,各種外生沖擊不斷出現(xiàn),數(shù)量

型貨幣政策中介目標(biāo)的調(diào)控效果可能受到多重因

素的疊加沖擊。如何對(duì)中國(guó)社會(huì)融資規(guī)模指標(biāo)在

宏觀調(diào)控中的角色進(jìn)行準(zhǔn)確定位,如何使社會(huì)融資

規(guī)模指標(biāo)同經(jīng)濟(jì)社會(huì)的發(fā)展相適應(yīng),需要從多個(gè)角

度進(jìn)行綜合分析。

(一)影響中國(guó)社會(huì)融資規(guī)模指標(biāo)的市場(chǎng)沖

擊源

經(jīng)濟(jì)發(fā)展步入新常態(tài),中國(guó)的宏觀金融調(diào)控也

— 83 —

第90頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

發(fā)生諸多重要變化。伍戈和李斌(2016)認(rèn)為,市場(chǎng)

流動(dòng)性供求矛盾通過(guò)多種形式呈現(xiàn),金融創(chuàng)新使金

融機(jī)構(gòu)對(duì)流動(dòng)性變化更加敏感[45]

。隨著各種新要

素的產(chǎn)生,社會(huì)融資規(guī)模的總量和結(jié)構(gòu)也可能受到

多重因素的影響。

在總量方面,有研究表明產(chǎn)出增長(zhǎng)和價(jià)格水平

對(duì)地區(qū)社會(huì)融資規(guī)模的影響顯著[46],還有學(xué)者提

出,經(jīng)濟(jì)政策不確定性的增加將導(dǎo)致社會(huì)融資規(guī)模

縮小[47]

。在結(jié)構(gòu)方面,高月(2020)認(rèn)為,政府融資

將對(duì)企業(yè)融資決策產(chǎn)生溢出效應(yīng),進(jìn)而從宏觀上影

響社會(huì)融資規(guī)模的結(jié)構(gòu),驗(yàn)證了政府債務(wù)融資將對(duì)

企業(yè)融資產(chǎn)生擠出效應(yīng)[48]

。此外,互聯(lián)網(wǎng)金融的發(fā)

展使融資工具和融資途徑不斷創(chuàng)新,劉柳和屈小娥

(2017)實(shí)證檢驗(yàn)了互聯(lián)網(wǎng)金融的發(fā)展對(duì)社會(huì)融資

規(guī)??偭考敖Y(jié)構(gòu)的影響,認(rèn)為引導(dǎo)互聯(lián)網(wǎng)金融的理

性發(fā)展將會(huì)優(yōu)化社會(huì)融資結(jié)構(gòu)[49]

。

從防范系統(tǒng)性金融風(fēng)險(xiǎn)的角度出發(fā),張喆和徐

玲(2019)提出,進(jìn)出口額和固定資產(chǎn)投資完成額等

指標(biāo)將從外貿(mào)、投資和預(yù)期三個(gè)角度影響中國(guó)社會(huì)

融資規(guī)模增量指標(biāo)[50]

;何平等(2018)認(rèn)為影子銀行

具有低準(zhǔn)備金的特性,其擴(kuò)張將會(huì)增加社會(huì)融資規(guī)

模存量,但大部分影子銀行產(chǎn)品不具有現(xiàn)金和商業(yè)

銀行存款的流動(dòng)性,全社會(huì)整體的流動(dòng)性水平可能

因此降低[51]

。

在開(kāi)放經(jīng)濟(jì)中,美聯(lián)儲(chǔ)作為全球第一大經(jīng)濟(jì)體的

央行,其貨幣政策的調(diào)整對(duì)中國(guó)具有顯著溢出效應(yīng)。

跨境資本流動(dòng)是美國(guó)非常規(guī)貨幣政策影響包括中

國(guó)在內(nèi)的新興市場(chǎng)經(jīng)濟(jì)體金融體系的重要渠道[52]

,

將增大中國(guó)的社會(huì)融資規(guī)模,并通過(guò)社會(huì)融資額傳

導(dǎo)機(jī)制對(duì)中國(guó)上市公司的融資產(chǎn)生顯著影響[53]

。

綜上所述,在開(kāi)放經(jīng)濟(jì)中,互聯(lián)網(wǎng)金融、影子銀

行、政府債務(wù)融資及美聯(lián)儲(chǔ)的非常規(guī)貨幣政策等多

重因素通過(guò)不同渠道對(duì)社會(huì)融資規(guī)模產(chǎn)生影響,這

對(duì)進(jìn)一步認(rèn)識(shí)中國(guó)金融環(huán)境的變化,探索貨幣政策

調(diào)控效率提升的方向均具有啟示意義。近年來(lái),數(shù)

字經(jīng)濟(jì)等新要素正逐步滲透到中國(guó)社會(huì)的各個(gè)方

面。習(xí)近平總書(shū)記曾強(qiáng)調(diào),“數(shù)字經(jīng)濟(jì)正成為重組

全球要素資源、重塑全球經(jīng)濟(jì)結(jié)構(gòu)、改變?nèi)蚋?jìng)爭(zhēng)

格局的關(guān)鍵力量”。對(duì)數(shù)字經(jīng)濟(jì)的發(fā)展將如何影響

中國(guó)社會(huì)融資規(guī)??偭颗c結(jié)構(gòu)進(jìn)行理論分析及實(shí)

證檢驗(yàn),可能是未來(lái)的研究重點(diǎn)。

(二)中國(guó)社會(huì)融資規(guī)模指標(biāo)的角色定位

隨著利率市場(chǎng)化改革和匯率形成機(jī)制改革向

深層次推進(jìn),中國(guó)貨幣政策調(diào)控的加速轉(zhuǎn)型是經(jīng)濟(jì)

發(fā)展的必然趨勢(shì)。作為中國(guó)人民銀行首創(chuàng)的宏觀

金融指標(biāo),中國(guó)社會(huì)融資規(guī)模指標(biāo)在政策轉(zhuǎn)軌期的

角色定位依舊是學(xué)界關(guān)注的焦點(diǎn)問(wèn)題。

如前所述,國(guó)內(nèi)學(xué)界在對(duì) M2、貨幣市場(chǎng)利率

以及社會(huì)融資規(guī)模指標(biāo)等效能的橫向優(yōu)劣對(duì)比

上,在對(duì)社會(huì)融資規(guī)模指標(biāo)的可測(cè)性、可控性、相

關(guān)性及抗干擾性等屬性的縱向分析方面,均未形成

統(tǒng)一意見(jiàn)。隨著中國(guó)金融改革開(kāi)放不斷推進(jìn),利

率市場(chǎng)化、人民幣國(guó)際化的推進(jìn)等都可能使貨幣

替換呈現(xiàn)更大的波動(dòng)性。李斌和伍戈(2014)認(rèn)為,

在價(jià)格型的貨幣“錨”全面形成前,數(shù)量“錨”不宜立

即放棄[54]

;盛松成和謝潔玉(2016)提出,在不同層

次利率間尚未形成市場(chǎng)化的傳導(dǎo)鏈條,金融市場(chǎng)

尚未全面形成由市場(chǎng)決定的價(jià)格體系的背景下,

M2 和社會(huì)融資規(guī)模存量等數(shù)量型貨幣政策中介

目標(biāo)或監(jiān)測(cè)指標(biāo)搭配使用,能起到很好的過(guò)渡

作用[25]

從國(guó)際實(shí)踐經(jīng)驗(yàn)來(lái)看,一國(guó)央行數(shù)量型指標(biāo)和

價(jià)格型指標(biāo)的選擇可能隨經(jīng)濟(jì)形勢(shì)的變化呈現(xiàn)交

替出現(xiàn)的態(tài)勢(shì)。美聯(lián)儲(chǔ)貨幣政策中介目標(biāo)就曾發(fā)

生多次轉(zhuǎn)變,伍戈和李斌(2016)對(duì)美聯(lián)儲(chǔ)近百年歷

程中貨幣政策中介目標(biāo)的演進(jìn)進(jìn)程進(jìn)行歸納,發(fā)現(xiàn)

其中介目標(biāo)表現(xiàn)為貨幣數(shù)量目標(biāo)和利率價(jià)格目標(biāo)

交替出現(xiàn)[45]

。自20世紀(jì)90年代初完成利率市場(chǎng)化

改革以來(lái),日本貨幣政策調(diào)控目標(biāo)在數(shù)量型指標(biāo)和

價(jià)格型指標(biāo)間前后也經(jīng)歷了七次調(diào)整(3)

。

社會(huì)融資規(guī)模指標(biāo)是否為中國(guó)最佳的貨幣政

策中介目標(biāo),結(jié)合發(fā)達(dá)經(jīng)濟(jì)體央行的政策實(shí)踐,目

前給出明確結(jié)論可能還為時(shí)尚早。實(shí)體經(jīng)濟(jì)是宏

觀金融指標(biāo)發(fā)揮作用的重要土壤,中國(guó)社會(huì)融資規(guī)

模指標(biāo)創(chuàng)設(shè)的根本目的也在于通過(guò)金融賦能實(shí)體

經(jīng)濟(jì)的發(fā)展。

除了在貨幣政策調(diào)控過(guò)程中起作用,社會(huì)融資

規(guī)模指標(biāo)在金融發(fā)展水平衡量、金融風(fēng)險(xiǎn)防范、產(chǎn)

業(yè)結(jié)構(gòu)調(diào)整、區(qū)域經(jīng)濟(jì)均衡發(fā)展等方面也能夠發(fā)揮

重要作用。

(1)金融發(fā)展水平的衡量。唐婍婧和韓廷春

(2017)認(rèn)為,相較于貨幣供應(yīng)量及金融相關(guān)比率等

指標(biāo),采用社會(huì)融資規(guī)模指標(biāo)衡量金融發(fā)展水平,

對(duì)全要素生產(chǎn)率與社會(huì)融資規(guī)模增量間的關(guān)系進(jìn)

行研究,能夠更加深刻地揭示金融發(fā)展對(duì)全要素生

產(chǎn)率的影響[55]

。賈高清(2020)通過(guò)采用社會(huì)融資

— 84 —

第91頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

規(guī)模增量指標(biāo)占名義GDP的比例衡量金融發(fā)展水

平,發(fā)現(xiàn)中國(guó)金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)呈“倒 U”型

關(guān)系[56]

。

(2)金融風(fēng)險(xiǎn)防范及房地產(chǎn)調(diào)控。從風(fēng)險(xiǎn)管控

的視角出發(fā),謝婷婷和李玉梅(2017)建議將地區(qū)社

會(huì)融資規(guī)模作為突破口,用以加強(qiáng)對(duì)金融風(fēng)險(xiǎn)的監(jiān)

管,提高防范化解金融風(fēng)險(xiǎn)的能力[57]

?;趯?duì)比分

析的結(jié)果,趙勝民等(2014)認(rèn)為,貨幣供應(yīng)量對(duì)房

地產(chǎn)市場(chǎng)的調(diào)控效果非常有限,社會(huì)融資規(guī)模增量

指標(biāo)和實(shí)際利率的調(diào)控效果則更為明顯,可作為調(diào)

控房?jī)r(jià)的政策變量,為樓市調(diào)控提供更為有效的政

策工具[58]

。

(3)產(chǎn)業(yè)發(fā)展及結(jié)構(gòu)調(diào)整。王小華和黃捷

(2021)認(rèn)為,社會(huì)融資規(guī)模的加大將提升民間融資

的活躍度并促進(jìn)產(chǎn)業(yè)發(fā)展,政府部門(mén)應(yīng)創(chuàng)新民間金

融投資服務(wù)以擴(kuò)大社會(huì)融資規(guī)模[59]

。產(chǎn)業(yè)發(fā)展和

結(jié)構(gòu)調(diào)整均是現(xiàn)代經(jīng)濟(jì)體系中的重要一環(huán),長(zhǎng)期范

圍內(nèi)社會(huì)融資規(guī)模總量及其構(gòu)成量對(duì)產(chǎn)業(yè)結(jié)構(gòu)升

級(jí)調(diào)整的影響均為正,且直接融資規(guī)模和銀行表外

業(yè)務(wù)融資規(guī)模產(chǎn)生的正向影響要高于社會(huì)融資余

額和傳統(tǒng)的信貸規(guī)模產(chǎn)生的影響[60]

。

(4)區(qū)域經(jīng)濟(jì)均衡發(fā)展。汪敏和陳浩(2017)通

過(guò)構(gòu)建社會(huì)融資地域歧視測(cè)度模型發(fā)現(xiàn),社會(huì)融資

規(guī)模指標(biāo)的眾多組成項(xiàng)存在地域歧視問(wèn)題,其中信

貸融資地域歧視會(huì)引起中西部地區(qū)投資不足,股票

和債券融資的地域歧視則會(huì)導(dǎo)致東部地區(qū)過(guò)度投

資[61]

。地區(qū)社會(huì)融資規(guī)模反映金融體系對(duì)地區(qū)實(shí)

體經(jīng)濟(jì)的支持,但不同地區(qū)的支持力度存在異質(zhì)

性。胡浩和王海燕(2018)以地區(qū)社會(huì)融資規(guī)模為

出發(fā)點(diǎn),采用門(mén)限回歸模型進(jìn)行實(shí)證檢驗(yàn)后,認(rèn)為

相較中東部地區(qū),西部地區(qū)經(jīng)濟(jì)的發(fā)展更需要充足

的資金支持?!?/p>

結(jié)合現(xiàn)有的相關(guān)研究,本文認(rèn)為,中國(guó)社會(huì)融

資規(guī)模指標(biāo)作為重要的宏觀監(jiān)測(cè)指標(biāo),其角色定位

不應(yīng)僅局限在作為貨幣政策中介目標(biāo)上。貨幣供

應(yīng)量按照流動(dòng)性高低的不同,分為 M0、M1、M2 等

層次,社會(huì)融資規(guī)模沒(méi)有設(shè)置這類分層指標(biāo),但兼

具總量特征及結(jié)構(gòu)特點(diǎn)。各級(jí)政府可以通過(guò)觀測(cè)

社會(huì)融資規(guī)模的變化,了解本地區(qū)企業(yè)獲取資金的

狀況,這是貨幣供應(yīng)量指標(biāo)無(wú)法比擬的優(yōu)勢(shì)。此

外,為更好地發(fā)揮中國(guó)社會(huì)融資規(guī)模指標(biāo)的效用,

本文建議,以社會(huì)融資規(guī)模指標(biāo)在貨幣政策調(diào)控、

金融發(fā)展水平的衡量、金融風(fēng)險(xiǎn)管控、產(chǎn)業(yè)發(fā)展及

結(jié)構(gòu)調(diào)整、區(qū)域經(jīng)濟(jì)均衡發(fā)展等方面的作用為切入

點(diǎn),構(gòu)建綜合指標(biāo)評(píng)價(jià)體系。

(三)中國(guó)社會(huì)融資規(guī)模指標(biāo)進(jìn)一步探索、完善

的方向

社會(huì)融資規(guī)模指標(biāo)推出至今,國(guó)內(nèi)各界的爭(zhēng)論

仍然存在。任何宏觀金融指標(biāo)發(fā)展都要適應(yīng)經(jīng)濟(jì)

及金融環(huán)境的變化,中國(guó)社會(huì)融資規(guī)模指標(biāo)仍需要

在實(shí)踐中不斷探索、完善。

統(tǒng)計(jì)口徑的拓展是社會(huì)融資規(guī)模指標(biāo)進(jìn)一步

完善的重要基礎(chǔ)。隨著中國(guó)資本項(xiàng)目的逐漸開(kāi)

放,境外融資已成為中國(guó)境內(nèi)實(shí)體經(jīng)濟(jì)融資的重

要渠道之一。卜國(guó)軍等(2020)將境外融資納入社

會(huì)融資規(guī)模并構(gòu)造全口徑社會(huì)融資規(guī)模指標(biāo),認(rèn)

為相較原有的指標(biāo),全口徑社會(huì)融資規(guī)模指標(biāo)與

貨幣政策最終目標(biāo)的相關(guān)性更強(qiáng)[63]。從 2018 年

到 2022 年,中國(guó)實(shí)體經(jīng)濟(jì)每年獲取的境外融資規(guī)

模平均值達(dá) 2.46 萬(wàn)億元(4),相當(dāng)于同期新增社會(huì)

融資規(guī)模的 9.06%(5)。付彤杰和張銜(2021)從擴(kuò)

大統(tǒng)計(jì)范圍、納入私募股權(quán)投資基金、增設(shè)統(tǒng)計(jì)項(xiàng)

目、提高直接融資比重等方面提出了針對(duì)完善社

會(huì)融資規(guī)模指標(biāo)的建議[8]

。王森等(2020)建議在

條件成熟的基礎(chǔ)上,將交叉性金融產(chǎn)品、融資租賃

業(yè)務(wù)等金融創(chuàng)新產(chǎn)品等納入社會(huì)融資規(guī)模的統(tǒng)計(jì)

范圍[64]

社會(huì)融資規(guī)模指標(biāo)的完善可依托相應(yīng)的數(shù)據(jù)

庫(kù),對(duì)指標(biāo)合理性測(cè)度方法進(jìn)行創(chuàng)新。在依托征信

系統(tǒng)的基礎(chǔ)上,為實(shí)現(xiàn)對(duì)區(qū)域融資規(guī)模統(tǒng)計(jì)監(jiān)測(cè)的

常規(guī)化,張麗莉(2011)提出,采取“數(shù)據(jù)采集分步

走,統(tǒng)計(jì)指標(biāo)分層次”的漸進(jìn)式模式,通過(guò)拓展數(shù)據(jù)

庫(kù)采集范圍,不斷完善企業(yè)與個(gè)人信用信息基礎(chǔ)數(shù)

據(jù)庫(kù)[65]

;基于經(jīng)濟(jì)學(xué)中的供需平衡、潛在產(chǎn)出和貨

幣需求函數(shù)等理論,晏露蓉等(2012)對(duì)社會(huì)融資規(guī)

模合理性的辨析標(biāo)準(zhǔn)及測(cè)量方法展開(kāi)了探討,提出

建立“基準(zhǔn)資金價(jià)格指數(shù)調(diào)控社會(huì)融資規(guī)?!焙汀昂?/p>

理社會(huì)融資規(guī)模需求函數(shù)模型”的構(gòu)想[66]

。

國(guó)際金融危機(jī)爆發(fā)以來(lái),完善貨幣政策和宏觀

審慎政策的雙支柱調(diào)控框架已成為學(xué)界的共識(shí)。

信貸價(jià)值比調(diào)節(jié)、社會(huì)融資溢價(jià)監(jiān)管等工具與貨幣

政策工具的協(xié)調(diào)配合能有效促進(jìn)經(jīng)濟(jì)穩(wěn)定[67-68]。

張志峰(2012)認(rèn)為,由于我國(guó)實(shí)行分業(yè)經(jīng)營(yíng)、分業(yè)

監(jiān)管的金融制度,確保各部門(mén)的協(xié)調(diào)配合機(jī)制和數(shù)

據(jù)采集渠道的暢通,是建立社會(huì)融資總量統(tǒng)計(jì)制度

的關(guān)鍵。因此,建議設(shè)立相對(duì)權(quán)威的社會(huì)融資規(guī)模

— 85 —

第92頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

數(shù)據(jù)發(fā)布機(jī)構(gòu)[69]

。而央行與金融監(jiān)管當(dāng)局需要高

度協(xié)同合作,以確保社會(huì)融資規(guī)模增量指標(biāo)的可

控性[38]

。

中國(guó)社會(huì)融資規(guī)模指標(biāo)的發(fā)展歷程是中國(guó)經(jīng)

濟(jì)發(fā)展正逐步走向多元化的縮影,為進(jìn)一步完善

該指標(biāo),除了拓展統(tǒng)計(jì)口徑、依托相關(guān)數(shù)據(jù)庫(kù)創(chuàng)新

測(cè)度方法、強(qiáng)化各部門(mén)間的協(xié)調(diào)配合,本文認(rèn)為優(yōu)

化統(tǒng)計(jì)原則可能是一個(gè)重要的探索方向。金融原

則是社會(huì)融資規(guī)模重要的統(tǒng)計(jì)原則之一(6),盛松

成等(2019)認(rèn)為,金融原則是指社會(huì)融資規(guī)模代

表實(shí)體經(jīng)濟(jì)從金融體系獲取資金[5]。如前所述,

政府債券自 2019 年 12 月起被納入社會(huì)融資規(guī)模

指標(biāo)的統(tǒng)計(jì)范圍,但國(guó)債的發(fā)行與兌付屬于財(cái)政

政策范疇,與金融領(lǐng)域沒(méi)有直接關(guān)聯(lián)。此外,廣義

的政府部門(mén)既包含中央政府,也涵蓋地方政府。

筆者認(rèn)為金融原則存在模糊之處,相關(guān)定義有待

進(jìn)一步地明晰和深化。例如中央政府發(fā)行國(guó)債并

將資金投放到實(shí)體經(jīng)濟(jì)中,地方政府設(shè)立產(chǎn)業(yè)引

導(dǎo)基金并用于助推新興產(chǎn)業(yè)的高質(zhì)量發(fā)展,這部

分資金是否應(yīng)納入中國(guó)社會(huì)融資規(guī)模的統(tǒng)計(jì)范圍

有待進(jìn)一步探討。

為確保對(duì)社會(huì)融資規(guī)模指標(biāo)的調(diào)控效果,本文

認(rèn)為央行可能還要暢通貨幣政策傳導(dǎo)機(jī)制,強(qiáng)化對(duì)

社會(huì)融資規(guī)模指標(biāo)的前瞻性指引,加強(qiáng)與市場(chǎng)的溝

通。雖然央行在《2019 年第四季度貨幣政策執(zhí)行

報(bào)告》等公開(kāi)資料中均明確提出,應(yīng)保持M2和社會(huì)

融資規(guī)模增速與名義 GDP 增速相匹配,但這一表

述仍存在值得探討的地方。首先,從 2018 年到

2022年,M2和社會(huì)融資規(guī)模存量的增速一直高于

名義 GDP 增速,三者的算術(shù)平均值分別為 9.54%、

10.74%和5.26%。其次,截至2022年末,社會(huì)融資

規(guī)模存量已遠(yuǎn)高于M2,兩者間差額達(dá)到77.78萬(wàn)億

元人民幣。由于基數(shù)不同,即便兩者保持同樣的增

速,兩大指標(biāo)仍將出現(xiàn)較為明顯的分化,這種分化

的內(nèi)在原因需要有更加充分的說(shuō)明。盛松成

(2017)認(rèn)為兩大指標(biāo)是一枚硬幣的兩面[4],換言

之,理論上兩者的增速應(yīng)是一致的,但從社融指標(biāo)

問(wèn)世到 2022 年末,其增速持續(xù)高于 M2 的增速,中

國(guó)人民銀行并未對(duì)這種偏離做出解釋,偏離的根源

也有待學(xué)界進(jìn)一步研究。最后,若社會(huì)融資規(guī)模存

量的增速與M2的增速出現(xiàn)不一致,中國(guó)人民銀行

以哪個(gè)指標(biāo)作為決策的優(yōu)先依據(jù),貨幣當(dāng)局應(yīng)對(duì)此

予以明確。

五、結(jié)論與展望

在構(gòu)建經(jīng)濟(jì)雙循環(huán)新發(fā)展格局的背景下,中

國(guó)金融正在積極探索構(gòu)建符合中國(guó)式現(xiàn)代化的宏

觀調(diào)控體系。合理充裕的流動(dòng)性是中國(guó)經(jīng)濟(jì)進(jìn)一

步實(shí)現(xiàn)高質(zhì)量發(fā)展的內(nèi)在需要,社會(huì)融資規(guī)模指

標(biāo)反映的正是實(shí)體經(jīng)濟(jì)從金融體系獲取的流動(dòng)性

總額。在未來(lái)較長(zhǎng)的一段時(shí)期內(nèi),社會(huì)融資規(guī)模

指標(biāo)作為中國(guó)重要的宏觀監(jiān)測(cè)指標(biāo)仍將發(fā)揮重要

作用。本文從社會(huì)融資規(guī)模指標(biāo)的演變、效能及

趨向等視角出發(fā),對(duì)已有研究進(jìn)行全方位梳理,對(duì)

主流的觀點(diǎn)進(jìn)行了系統(tǒng)歸納。在此基礎(chǔ)上,本文

認(rèn)為未來(lái)研究可在以下方面進(jìn)行深入或拓展。

第一,社會(huì)融資規(guī)模指標(biāo)可能需要從統(tǒng)計(jì)原理

出發(fā),進(jìn)一步避免重復(fù)統(tǒng)計(jì)。委托貸款中的個(gè)人住

房公積金貸款是一個(gè)可能的探討方向,住房公積金

貸款的發(fā)放并不影響商業(yè)銀行資產(chǎn)負(fù)債結(jié)構(gòu),住房

公積金管理中心也非一般意義上的存款類金融機(jī)

構(gòu)。實(shí)體經(jīng)濟(jì)部門(mén)之間相互融資應(yīng)遵循什么標(biāo)準(zhǔn)

被納入社融指標(biāo),這類問(wèn)題有待明晰。在統(tǒng)計(jì)口徑

發(fā)生變化后,社會(huì)融資規(guī)模的效用是否將發(fā)生顯著

變化,也有待進(jìn)一步實(shí)證檢驗(yàn)。

第二,在貨幣政策的轉(zhuǎn)軌期,央行可探索包含

社會(huì)融資規(guī)模和貨幣市場(chǎng)利率等在內(nèi)的混合型貨

幣政策規(guī)則,在理論模型上為社會(huì)融資規(guī)模指標(biāo)效

能的發(fā)揮尋求突破。此外,央行可在數(shù)量型目標(biāo)與

價(jià)格型目標(biāo)間尋求政策平衡點(diǎn),從不同指標(biāo)的各自

特點(diǎn)出發(fā),確定主要的錨定目標(biāo),設(shè)立輔助的觀測(cè)

目標(biāo),探索如何搭配運(yùn)用好社會(huì)融資規(guī)模和貨幣市

場(chǎng)利率等指標(biāo)。

第三,貨幣政策中介目標(biāo)并非一成不變,對(duì)社

會(huì)融資規(guī)模指標(biāo)是否為中國(guó)貨幣政策的最優(yōu)中介

目標(biāo),給出明確定論可能還為時(shí)尚早。各界對(duì)社會(huì)

融資規(guī)模指標(biāo)的角色定位不應(yīng)囿于貨幣政策中介

目標(biāo),央行可從貨幣政策調(diào)控、金融風(fēng)險(xiǎn)管控、區(qū)域

均衡發(fā)展等方面出發(fā),構(gòu)建針對(duì)社會(huì)融資規(guī)模指標(biāo)

的綜合評(píng)價(jià)體系。

第四,隨著數(shù)字資產(chǎn)的出現(xiàn),社會(huì)融資規(guī)模指

標(biāo)的總量及結(jié)構(gòu)可能受到新的生產(chǎn)要素影響,各界

對(duì)社會(huì)融資規(guī)模指標(biāo)市場(chǎng)沖擊源的探討可從傳統(tǒng)

因素向數(shù)字經(jīng)濟(jì)等方面拓展。此外,央行需要進(jìn)一

步明晰社會(huì)融資規(guī)模指標(biāo)的統(tǒng)計(jì)原則,尤其是金融

原則,這可能是未來(lái)完善社會(huì)融資規(guī)模指標(biāo)理論基

礎(chǔ)的重要方向之一。

— 86 —

第93頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

第五,為全面確保社會(huì)融資規(guī)模指標(biāo)的調(diào)控效

果,央行應(yīng)引導(dǎo)好市場(chǎng)預(yù)期,確立度量相關(guān)指標(biāo)與

GDP增速匹配與否的具體方式。此外,社會(huì)融資規(guī)

模指標(biāo)與M2指標(biāo)在匹配GDP增速的過(guò)程中出現(xiàn)不

一致時(shí),哪個(gè)指標(biāo)具有優(yōu)先權(quán),央行應(yīng)采取哪些具

體措施,以確保社會(huì)融資規(guī)模的增速與名義GDP增

速相匹配這一目標(biāo)的實(shí)現(xiàn),這些問(wèn)題都值得進(jìn)一步

研究。

注 釋:

(1)截至2022年12月,中國(guó)社會(huì)融資規(guī)模指標(biāo)主要由13項(xiàng)

組成,社會(huì)融資規(guī)模=人民幣各項(xiàng)貸款+外幣各項(xiàng)貸款+

委托貸款+信托貸款+銀行承兌匯票+企業(yè)債券凈融資+

非金融企業(yè)境內(nèi)股票融資+保險(xiǎn)公司賠償+投資性房地

產(chǎn)+存款類金融機(jī)構(gòu)資產(chǎn)支持證券+貸款核銷(xiāo)+政府債

券+其他。

(2)住房公積金項(xiàng)下的委托貸款指商業(yè)銀行受各地住房公

積金管理中心委托,以住房公積金為資金來(lái)源,代為發(fā)

放個(gè)人住房消費(fèi)貸款和保障性住房建設(shè)項(xiàng)目貸款。根

據(jù)《全國(guó)住房公積金2021年年度報(bào)告》,2021年全國(guó)住

房公積金發(fā)放個(gè)人住房貸款1.40萬(wàn)億元。

(3)日本銀行先后采用過(guò)隔夜拆借利率、央行準(zhǔn)備金余額、

基礎(chǔ)貨幣余額、短期利率和長(zhǎng)期利率的收益率曲線

(Yield Curve)等指標(biāo)。

(4)本研究對(duì)境外融資規(guī)模測(cè)算依據(jù)國(guó)家外匯管理局公布

的中國(guó)國(guó)際收支平衡表,在具體測(cè)算方法上借鑒了卜國(guó)

軍等(2020)的相關(guān)研究,境外融資規(guī)模=外國(guó)來(lái)華直接

投資差額+證券投資負(fù)債差額+貿(mào)易信貸負(fù)債差額[63]。

(5)根據(jù)國(guó)家統(tǒng)計(jì)局相關(guān)數(shù)據(jù),以2022年為例,全年社會(huì)融

資規(guī)模增量為32.02萬(wàn)億元。

(6)社會(huì)融資規(guī)模的統(tǒng)計(jì)原則包括居民原則、金融原則、合

并原則、增量統(tǒng)計(jì)與計(jì)值原則等。

參考文獻(xiàn):

[1]周小川.新世紀(jì)以來(lái)中國(guó)貨幣政策的主要特點(diǎn)[J].中國(guó)

金融,2013(2):9-14.

[2]Basel Committee on Banking Supervision. Guidance for

National Authorities Operating the Countercyclical Capi‐

tal Buffer[EB/OL](. 2010-12-16)[2023-09-21].https://

www.bis.org/publ/bcbs187.pdf.

[3]盛松成.社會(huì)融資規(guī)模概念的理論基礎(chǔ)與國(guó)際經(jīng)驗(yàn)[J].

中國(guó)金融,2011(8):41-43.

[4]盛松成.一個(gè)全面反映金融與經(jīng)濟(jì)關(guān)系的總量指標(biāo)——

寫(xiě)在社會(huì)融資規(guī)模指標(biāo)建立三周年之際[J].中國(guó)金融,

2013(22):34-37.

[5]盛松成 . 社會(huì)融資規(guī)模指標(biāo)的誕生和發(fā)展[J]. 中國(guó)金

融,2019(19):108-111.

[6]劉穎.社會(huì)融資規(guī)模與貨幣數(shù)量論[J].上海經(jīng)濟(jì)研究,

2017(10):22-35.

[7]陳雨露 . 社會(huì)融資規(guī)模與金融業(yè)綜合統(tǒng)計(jì)[J]. 中國(guó)金

融,2016(9):9-11.

[8]付彤杰,張銜.社會(huì)融資規(guī)模作為貨幣政策中介目標(biāo)的

有效性分析[J].河北學(xué)刊,2021,41(2):157-162.

[9]BERNANKE B S,BLINDER A S. The Federal Funds

Rate and the Channels of Monetary Transmission[J]. The

American Economic Review,1992(4):901-921.

[10]宋小梅 . 二十世紀(jì)六十年代以來(lái)的美國(guó)貨幣政策[J].

南方金融,2004(11):62-65.

[11]伍戈,劉琨.金融脫媒與貨幣政策傳導(dǎo):基于中國(guó)的實(shí)

證分析[J].金融監(jiān)管研究,2013(12):1-15.

[12]盛朝輝.社會(huì)融資規(guī)模與區(qū)域經(jīng)濟(jì)發(fā)展關(guān)系研究——基

于湖南經(jīng)濟(jì)發(fā)展的實(shí)證分析[J]. 武漢金融,2015(3):

58-61.

[13]陳永富.社會(huì)融資規(guī)模與區(qū)域經(jīng)濟(jì)發(fā)展關(guān)系研究——

基于遼寧省經(jīng)濟(jì)金融發(fā)展的實(shí)證分析[J].征信,2020,

38(9):80-87.

[14]盛松成,張文紅,李夏炎 . 社會(huì)融資規(guī)模存量分析[J].

中國(guó)金融,2015(6):18-20.

[15]SHEN S C. The Contrastive Empirical Study of Social

Financing Scale Increment and Stock[J]. Journal of

Mathematical Finance,2020,10(3):377-387.

[16]吳盛光.從二元論的維度看社會(huì)融資總量[J].調(diào)研世

界,2011(9):42-45.

[17]張春生.社會(huì)融資規(guī)模適合作為貨幣政策中介目標(biāo)嗎[J].

上海金融,2013(3):52-56,117.

[18]張春生,蔣海.社會(huì)融資規(guī)模適合作為貨幣政策中介目

標(biāo)嗎:與M2、信貸規(guī)模的比較[J].經(jīng)濟(jì)科學(xué),2013(6):

30-43.

[19]鐘俊 . 關(guān)于“社會(huì)融資總量”指標(biāo)內(nèi)涵的深度剖析[J].

新金融,2011(11):9-12.

[20]汪洋 . 社會(huì)融資規(guī)模指標(biāo)是否有價(jià)值[J]. 當(dāng)代財(cái)經(jīng),

2014(10):47-56.

[21]周先平,冀志斌,李標(biāo).社會(huì)融資規(guī)模適合作為貨幣政策

中間目標(biāo)嗎?[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2013,30(10):

79-93.

[22]元惠萍,劉颯 . 社會(huì)融資規(guī)模作為金融宏觀調(diào)控中介

目標(biāo)的適用性分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,

2013,30(10):94-108.

[23]秦化清.社會(huì)融資總量能否作為制定貨幣政策規(guī)則的

依據(jù)?[J].財(cái)經(jīng)問(wèn)題研究,2013(12):46-50.

[24]程國(guó)平,劉丁平.社會(huì)融資規(guī)模作為貨幣政策中介目標(biāo)

的合理性[J].財(cái)經(jīng)問(wèn)題研究,2014(9):54-57.

[25]盛松成,謝潔玉 . 社會(huì)融資規(guī)模與貨幣政策傳導(dǎo)——

基于信用渠道的中介目標(biāo)選擇[J]. 中國(guó)社會(huì)科學(xué),

2016(12):60-82,205-206.

[26]楊春蕾.貨幣數(shù)量、利率價(jià)格與貨幣政策中介目標(biāo)選擇[J].

現(xiàn)代經(jīng)濟(jì)探討,2018(1):33-40.

[27]劉金全,鄭荻,丁婭楠.社會(huì)融資規(guī)模是一種有效的貨

幣指標(biāo)嗎?——基于SVAR模型的實(shí)證研究[J].改革,

2019(8):97-108.

[28]牛嵩.社會(huì)融資規(guī)模和貨幣供應(yīng)量與貨幣政策操作目

標(biāo)間相關(guān)關(guān)系比較研究[J].上海金融,2017(4):3-11.

[29]李玉蓉,徐寧 . 我國(guó)貨幣中介指標(biāo)有效性的實(shí)時(shí)對(duì)比

——兼論社會(huì)融資規(guī)模的適用性[J].西安交通大學(xué)學(xué)

報(bào)(社會(huì)科學(xué)版),2018,38(4):23-30.

[30]高玉強(qiáng),秦浩欽.社會(huì)融資規(guī)模與貨幣供應(yīng)量:貨幣政

策中介目標(biāo)有效性分析——基于拔靴滾動(dòng)窗口因果關(guān)

系檢驗(yàn)[J].重慶社會(huì)科學(xué),2019(8):51-63.

[31]王雷,孫俊,王有鑫.我國(guó)貨幣政策中介目標(biāo)的傳導(dǎo)效

— 87 —

第94頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 中國(guó)社會(huì)融資規(guī)模指標(biāo)的演變、效能與趨向

率與選擇邏輯——針對(duì)貨幣政策調(diào)控框架破立之間的

實(shí)證檢驗(yàn)[J].新金融,2021(1):11-17.

[32]尹繼志.社會(huì)融資規(guī)模的內(nèi)涵、變化與政策調(diào)控[J].經(jīng)

濟(jì)體制改革,2013(1):117-121.

[33]李沂.社會(huì)融資總量與最優(yōu)貨幣政策操作[J].財(cái)經(jīng)問(wèn)

題研究,2013(3):44-49.

[34]陳小亮,陳惟,陳彥斌.社會(huì)融資規(guī)模能否成為貨幣政

策中介目標(biāo)——基于金融創(chuàng)新視角的實(shí)證研究[J].經(jīng)

濟(jì)學(xué)動(dòng)態(tài),2016(9):69-79.

[35]余永定.社會(huì)融資總量與貨幣政策的中間目標(biāo)[J].國(guó)

際金融研究,2011(9):4-8.

[36]盛松成.社會(huì)融資規(guī)模與貨幣政策傳導(dǎo)[J].金融研究,

2012(10):1-14.

[37]馬理,趙淼,何夢(mèng)澤.社會(huì)融資規(guī)模是恰當(dāng)?shù)呢泿耪?/p>

中介目標(biāo)變量嗎?——基于SVAR模型的數(shù)據(jù)分析與

傳導(dǎo)效果檢驗(yàn)[J].金融理論與實(shí)踐,2015(3):7-11.

[38]黃憲,劉建偉 . 社會(huì)融資規(guī)??煽匦缘难芯俊?/p>

“本源論”的視角[J]. 金融經(jīng)濟(jì)學(xué)研究,2016,31(1):

26-36.

[39]張?jiān)跽湔?,陳玉?社會(huì)融資規(guī)模與實(shí)體經(jīng)濟(jì)增長(zhǎng)

的聯(lián)動(dòng)性研究[J].財(cái)政研究,2014(11):54-57.

[40]冉光和,陳娟,張冰.基準(zhǔn)利率、社會(huì)融資規(guī)模與實(shí)體經(jīng)

濟(jì)增長(zhǎng)[J].工業(yè)技術(shù)經(jīng)濟(jì),2015,34(2):41-47.

[41]陳鑫,王華明,彭俞超.社會(huì)融資規(guī)模波動(dòng)成因及其對(duì)

宏觀經(jīng)濟(jì)的反映——基于DSGE模型及其方差分解分

析[J].投資研究,2017,36(3):36-51.

[42]萬(wàn)阿俊,王陸雅.數(shù)量調(diào)控與貨幣政策傳導(dǎo)——基于社

會(huì)融資規(guī)模存量指標(biāo)的再研究[J]. 上海金融,2018

(4):13-23.

[43]熊禮慧,王艷麗,朱新蓉,等.我國(guó)貨幣政策傳導(dǎo)效應(yīng)的

時(shí)變特征研究——基于社會(huì)融資規(guī)模的TVP-VAR模

型檢驗(yàn)[J].上海經(jīng)濟(jì)研究,2020(9):78-91,127.

[44]胡繼曄,李依依 . 中國(guó)宏觀審慎逆周期監(jiān)管指標(biāo)初探

[J].宏觀經(jīng)濟(jì)研究,2018(5):20-33.

[45]伍戈,李斌.貨幣數(shù)量、利率調(diào)控與政策轉(zhuǎn)型[M].北京:

中國(guó)金融出版社,2016.

[46]牛潤(rùn)盛 . 地區(qū)社會(huì)融資規(guī)模比較分析與實(shí)證研究[J].

金融發(fā)展研究,2016(12):69-72.

[47]XIA Y T,HU W X,SU Z X. Economic Policy Uncer‐

tainty,Social Financing Scale and Local Fiscal Sustain‐

ability:Evidence from Local Governments in China[J].

Sustainability,2022,14(12):7343.

[48]高月.政府債如何影響了社會(huì)融資規(guī)模?——基于中

國(guó)省級(jí)數(shù)據(jù)的驗(yàn)證[J].投資研究,2020,39(5):4-12.

[49]劉柳,屈小娥 . 互聯(lián)網(wǎng)金融改善了社會(huì)融資結(jié)構(gòu)嗎?

——基于企業(yè)融資選擇模型[J]. 財(cái)經(jīng)論叢,2017(3):

38-48.

[50]張喆,徐玲.新時(shí)代下我國(guó)社會(huì)融資規(guī)模影響因素研究[J].

當(dāng)代經(jīng)濟(jì)管理,2019,41(5):92-97.

[51]何平,劉澤豪,方志瑋.影子銀行、流動(dòng)性與社會(huì)融資規(guī)

模[J].經(jīng)濟(jì)學(xué)(季刊),2018,17(1):45-72.

[52]CHEN Q Y,F(xiàn)IARDO A,HE D,et al. Financial Crisis,

US Unconventional Monetary Policy and International

Spillovers[J]. Journal of International Money and Fi‐

nance,2016,67:62-81.

[53]楊陽(yáng),干杏娣.美國(guó)非常規(guī)貨幣政策對(duì)中國(guó)上市公司投

資的影響——基于社會(huì)融資額與利率傳導(dǎo)的視角[J].

上海金融,2019(7):53-65.

[54]李斌,伍戈.信用創(chuàng)造、貨幣供求與經(jīng)濟(jì)結(jié)構(gòu)[M].北京:

中國(guó)金融出版社,2014.

[55]唐婍婧,韓廷春.金融發(fā)展對(duì)全要素生產(chǎn)率的影響——

基于社會(huì)融資規(guī)模的視角[J].經(jīng)濟(jì)與管理研究,2017,

38(6):23-34.

[56]賈高清.金融發(fā)展對(duì)實(shí)體經(jīng)濟(jì)的影響——基于社會(huì)融

資規(guī)模的視角[J].工業(yè)技術(shù)經(jīng)濟(jì),2020,39(1):77-86.

[57]謝婷婷,李玉梅.社會(huì)融資規(guī)模與融資結(jié)構(gòu)對(duì)實(shí)體經(jīng)濟(jì)

的影響——基于空間計(jì)量模型的實(shí)證研究[J].西南民

族大學(xué)學(xué)報(bào)(人文社科版),2017,38(12):132-140.

[58]趙勝民,羅琦,李政.社會(huì)融資規(guī)模適合作為調(diào)控房?jī)r(jià)

的政策工具嗎[J].統(tǒng)計(jì)研究,2014,31(10):29-36.

[59]王小華,黃捷.財(cái)政支出、社會(huì)融資規(guī)模與民間投資[J].

統(tǒng)計(jì)與信息論壇,2021,36(11):87-94.

[60]周宗安,王顯暉.社會(huì)融資規(guī)模與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的關(guān)聯(lián)

度[J].改革,2014(9):83-94.

[61]汪敏,陳浩.社會(huì)融資地域歧視對(duì)地區(qū)非效率投資的誘

導(dǎo)作用研究[J].經(jīng)濟(jì)與管理,2017,31(3):38-46.

[62]胡浩,王海燕.社會(huì)融資規(guī)模、結(jié)構(gòu)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響

——基于省級(jí)面板門(mén)限回歸模型的實(shí)證分析[J].上海

金融,2018(3):31-40.

[63]卜國(guó)軍,許芳,王永俊,等.境外融資納入社會(huì)融資規(guī)模

統(tǒng)計(jì)研究[J].金融發(fā)展研究,2020(1):55-62.

[64]王森,智慧,李倩婷.貨幣政策工具對(duì)社會(huì)融資的動(dòng)態(tài)

影響研究[J].經(jīng)濟(jì)問(wèn)題,2020(6):30-40.

[65]張麗莉.對(duì)依托征信系統(tǒng)建立區(qū)域社會(huì)融資規(guī)模統(tǒng)計(jì)

制度的探討[J].征信,2011,29(5):38-40.

[66]晏露蓉,陳寶泉,吳偉,等.社會(huì)融資規(guī)模計(jì)量與合理性

研究[J].上海金融,2012(11):47-52,117.

[67]GALATI G,MOESSNER R. Macroprudential Policy a Lit‐

erature Review[J]. Journal of Economic Surveys,2013,

27(5):846-878.

[68]RUBIO M,CARRASCO-GALLEGO J A. Macropruden‐

tial and Monetary Policies:Implications for Financial

Stability and Welfare[J]. Journal of Banking & Finance,

2014,49:326-336.

[69]張志峰.社會(huì)融資總量制度設(shè)計(jì)的建議[J].中國(guó)金融,

2012(3):71-72.

[責(zé)任編輯:許 燕,胡亭亭]

— 88 —

第95頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

East China Economic Management (Vol.37,No.11)

政府補(bǔ)貼與新能源企業(yè)投融資期限錯(cuò)配

——基于補(bǔ)貼退坡政策的準(zhǔn)自然實(shí)驗(yàn)

劉素榮,崔 雪,霍江林

(中國(guó)石油大學(xué)(華東) 經(jīng)濟(jì)管理學(xué)院,山東 青島 266580)

摘 要:補(bǔ)貼退坡政策極大地影響了新能源上市公司的投融資決策。文章基于2015—2020年我國(guó)新能源上市公司

的面板數(shù)據(jù),以補(bǔ)貼退坡政策為準(zhǔn)自然實(shí)驗(yàn),利用傾向得分匹配雙重差分法(PSM-DID)檢驗(yàn)補(bǔ)貼退坡政策對(duì)企業(yè)投

融資期限錯(cuò)配的影響及作用機(jī)制。研究發(fā)現(xiàn):補(bǔ)貼退坡政策的實(shí)施一定程度上激化了“短貸長(zhǎng)投”傾向,加劇了投融

資期限錯(cuò)配,這種影響在非國(guó)有和小規(guī)模企業(yè)中表現(xiàn)更為明顯;補(bǔ)貼退坡政策沖擊具有時(shí)間差異效應(yīng),表現(xiàn)為短期

正向影響錯(cuò)配、中長(zhǎng)期正向沖擊效應(yīng)逐漸減弱;補(bǔ)貼退坡政策通過(guò)收緊融資約束這一路徑作用于投融資期限錯(cuò)配,

其中內(nèi)源融資能力發(fā)揮的部分中介效應(yīng)更加顯著。

關(guān)鍵詞:投融資期限錯(cuò)配;政府補(bǔ)貼退坡;傾向得分匹配;雙重差分;新能源上市公司

中圖分類號(hào):F426.61;F406.7;F832.51;F812.45 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1007-5097(2023)11-0089-10

Government Subsidy and Maturity Mismatch of Investment and Financing of New Energy

Listed Companies:A Quasi-natural Experiment Based on the Subsidy Decline Policy

LIU Surong,CUI Xue,HUO Jianglin

(School of Economics and Management,China University of Petroleum(East China),Qingdao 266580,China)

Abstract:The subsidy decline policy has greatly affected the investment and financing decisions of new energy listed

companies. Based on the panel data of new energy listed companies from 2015 to 2020,this paper takes the subsidy de‐

cline policy as a quasi-natural experiment,and uses the propensity score matching-difference in difference method

(PSM-DID)to test the impact and mechanism of the subsidy decline policy on maturity mismatch of enterprise invest‐

ment and financing. The results show that the implementation of subsidy decline policy intensifies the tendency of“shortterm loan and long-term investment”to a certain extent,and exacerbates the mismatch of investment and financing terms.

This effect is more obvious in non-state-owned and small-scale enterprises. The shock of subsidy decline policy has time

difference effect,which is manifested as the short-term positive impact mismatch and the gradual weakening of medium

and long-term shock effects. The subsidy decline policy acts on the maturity mismatch of investment and financing by

tightening financing constraints,in which the partial intermediary effect of internal financing capacity is more significant.

Key words:maturity mismatch of investment and financing;government subsidy decline;propensity score matching

method;difference in difference model;new energy listed companies

一、引言及文獻(xiàn)綜述

發(fā)展新能源產(chǎn)業(yè)不僅是加快培育戰(zhàn)略性新興

產(chǎn)業(yè)的重要組成部分,也是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展、

提升我國(guó)核心競(jìng)爭(zhēng)力以及實(shí)現(xiàn)“雙碳”目標(biāo)的有效

途徑(蘇屹等,2021)[1]

。得益于國(guó)家政策的幫扶,

新能源產(chǎn)業(yè)在政府補(bǔ)貼資金的支持下迅速壯大,但

也逐步暴露出弊端:企業(yè)接受政府補(bǔ)貼,普遍形成

過(guò)度依賴,缺乏主動(dòng)尋求融資渠道的積極性;部分

企業(yè)濫用補(bǔ)貼資金,從事尋租乃至“騙補(bǔ)”等惡劣行

為,致使企業(yè)創(chuàng)新研發(fā)動(dòng)力不足;巨額政府補(bǔ)貼增

加了財(cái)政負(fù)擔(dān),擠占其他財(cái)政支出,有損宏觀經(jīng)濟(jì)

的健康發(fā)展。為引導(dǎo)新能源產(chǎn)業(yè)實(shí)現(xiàn)可持續(xù)增長(zhǎng),

●經(jīng)濟(jì)觀察 [DOI]10.19629/j.cnki.34-1014/f.221107007

收稿日期:2022-11-07

基金項(xiàng)目:教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目“融資約束下科技型初創(chuàng)企業(yè)持續(xù)成長(zhǎng)驅(qū)動(dòng)因素研究”(16YJC630043);

青島市社會(huì)科學(xué)規(guī)劃研究項(xiàng)目“青島市促進(jìn)民營(yíng)科創(chuàng)企業(yè)研發(fā)創(chuàng)新的精準(zhǔn)補(bǔ)助政策研究”(QDSKL2001044)

作者簡(jiǎn)介:劉素榮(1978—),女,河北景縣人,副教授,碩士生導(dǎo)師,研究方向:公司財(cái)務(wù)管理,資源配置與區(qū)域經(jīng)濟(jì);

崔 雪(1998—),女,山東濰坊人,碩士研究生,研究方向:財(cái)務(wù)管理理論與方法;

霍江林(1978—),男,河北邢臺(tái)人,副教授,碩士生導(dǎo)師,研究方向:公司金融,企業(yè)可持續(xù)成長(zhǎng)。

— 89 —

第96頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 政府補(bǔ)貼與新能源企業(yè)投融資期限錯(cuò)配

激發(fā)產(chǎn)業(yè)的創(chuàng)造力和市場(chǎng)活力,政府著手將補(bǔ)貼政

策由“普惠型”向“扶優(yōu)扶強(qiáng)型”調(diào)整。2013 年,財(cái)

政部等四部委聯(lián)合發(fā)布的《關(guān)于繼續(xù)開(kāi)展新能源汽

車(chē)推廣應(yīng)用工作的通知》中首次提及“補(bǔ)貼退坡”這

一概念,自2016年末《關(guān)于調(diào)整新能源汽車(chē)推廣應(yīng)

用財(cái)政補(bǔ)貼政策的通知》發(fā)布后,風(fēng)電、光伏和新能

源汽車(chē)等產(chǎn)業(yè)已面臨大規(guī)模補(bǔ)貼退坡的局勢(shì)???/p>

慮新冠疫情沖擊和經(jīng)濟(jì)下行風(fēng)險(xiǎn)加大的雙重影響,

政府將原定2020年到期的補(bǔ)貼退坡政策時(shí)間延長(zhǎng)

至2022年(王超等,2021)[2]

。作為新能源企業(yè)發(fā)展

初期的重要資金源泉,政府補(bǔ)貼對(duì)融資決策發(fā)揮著

舉足輕重的作用,現(xiàn)行補(bǔ)貼政策實(shí)行全面退坡,雖

然可以有效促進(jìn)產(chǎn)業(yè)升級(jí),但政府補(bǔ)貼的短期性與

新能源產(chǎn)業(yè)發(fā)展的長(zhǎng)期性矛盾凸顯,因此可能對(duì)新

能源產(chǎn)業(yè)持續(xù)發(fā)展產(chǎn)生沖擊(李社寧等,2019)[3]

,

影響企業(yè)投融資決策,進(jìn)而可能誘發(fā)投融資期限錯(cuò)

配現(xiàn)象。這種“短貸長(zhǎng)投”行為可能給企業(yè)帶來(lái)流動(dòng)

性風(fēng)險(xiǎn)(汪偉和張少輝,2022)[4]

,通過(guò)降低投資效率

(馬紅等,2018)[5]

、提高財(cái)務(wù)困境成本等途徑對(duì)企業(yè)

業(yè)績(jī)產(chǎn)生負(fù)面效應(yīng)(鐘凱等,2016)[6]。在此背景

下,如何客觀評(píng)價(jià)補(bǔ)貼退坡政策的經(jīng)濟(jì)后果、新能

源企業(yè)能否實(shí)現(xiàn)投融資期限匹配,應(yīng)成為政策修訂

和企業(yè)改革關(guān)注的重點(diǎn)。

本文以補(bǔ)貼退坡政策為準(zhǔn)自然實(shí)驗(yàn),采用

PSM-DID方法量化分析補(bǔ)貼退坡政策對(duì)新能源上

市公司投融資期限錯(cuò)配的政策效果及其作用機(jī)制。

可能的貢獻(xiàn)之處在于:①豐富和拓展了補(bǔ)貼退坡政

策經(jīng)濟(jì)后果的相關(guān)研究。從投融資行為視角對(duì)補(bǔ)

貼退坡政策效果及時(shí)間效應(yīng)實(shí)施定量研究,實(shí)現(xiàn)對(duì)

補(bǔ)貼退坡政策微觀效應(yīng)的有益補(bǔ)充,為政策引導(dǎo)新

能源企業(yè)轉(zhuǎn)型升級(jí)提供經(jīng)驗(yàn)證據(jù)。②現(xiàn)有研究多

關(guān)注投融資期限錯(cuò)配微觀層面的影響因素,主要從

融資約束、金融抑制程度等角度開(kāi)展分析,本文將

補(bǔ)貼退坡這一宏觀政策引入投融資決策,拓展了對(duì)

企業(yè)投融資期限錯(cuò)配的因素研究。③從融資能力

視角檢驗(yàn)政策對(duì)企業(yè)投融資期限錯(cuò)配的渠道機(jī)制,

并從產(chǎn)權(quán)性質(zhì)和企業(yè)規(guī)模異質(zhì)性角度分析補(bǔ)貼退

坡政策的作用差異,有利于更加合理全面地評(píng)估政

策效應(yīng)。

二、文獻(xiàn)回顧

有關(guān)政府補(bǔ)貼影響企業(yè)融資行為的研究大多

聚焦于融資約束和市場(chǎng)投資兩個(gè)視角。政府補(bǔ)貼

是新能源企業(yè)的重要融資渠道,財(cái)政補(bǔ)貼的注入

直接對(duì)沖資金短缺,緩解企業(yè)融資約束和資金壓

力(Dimara等,2004)[7]

。在政府補(bǔ)貼釋放積極信號(hào)

的作用下,投資者與企業(yè)間的信息不對(duì)稱程度降

低,企業(yè)在社會(huì)聲譽(yù)得到提高的同時(shí)拓寬了外部

融資渠道,獲得長(zhǎng)期債權(quán)融資、股權(quán)融資等長(zhǎng)期融

資的可能性大大提高(池仁勇等,2021)[8]

。韓乾和

洪永淼(2014)[9]

指出,政府補(bǔ)貼等產(chǎn)業(yè)政策會(huì)影響

外部投資者行為,當(dāng)投資者得知企業(yè)受到政府扶

持等信息時(shí),為規(guī)避風(fēng)險(xiǎn)、降低股票價(jià)格波動(dòng)帶來(lái)

的不確定性,將傾向于購(gòu)買(mǎi)受益股票,以圖取短時(shí)

間內(nèi)帶來(lái)的超高收益。補(bǔ)貼的“光環(huán)效應(yīng)”向金融

市場(chǎng)傳遞企業(yè)利好信號(hào)(Meuleman 和 Maeseneire,

2012)[10]

,使銀行提高對(duì)受政策傾斜企業(yè)的信用擔(dān)

保預(yù)期,增強(qiáng)提供長(zhǎng)期信貸的意愿(祝繼高等,

2015)[11]。扶持政策退卻后,示范效應(yīng)逐漸消失,

銀行等金融機(jī)構(gòu)在考慮借貸時(shí)更為謹(jǐn)慎,通過(guò)發(fā)

放短期借款的手段降低風(fēng)險(xiǎn),導(dǎo)致企業(yè)債務(wù)期限

縮短、融資約束程度加?。ūR勝峰和陳思霞,

2017)[12]。由此產(chǎn)生的外部沖擊將推動(dòng)新能源企

業(yè)主動(dòng)調(diào)整商業(yè)信用融資行為,為保證自身營(yíng)運(yùn)

資本流動(dòng)而縮短商業(yè)信用供給期限,加快資金周

轉(zhuǎn)速度(徐小晶和徐小林,2021)[13]

關(guān)于補(bǔ)貼退坡政策的相關(guān)研究,主要圍繞政

策實(shí)施的合理性和經(jīng)濟(jì)效應(yīng)展開(kāi)探討。昝欣和歐

國(guó)立(2021)[14]以補(bǔ)貼退坡為背景,發(fā)現(xiàn)補(bǔ)貼政策

退卻后,新能源行業(yè)將朝著獨(dú)立健康的方向發(fā)展;

馬亮等(2018)[15]通過(guò)構(gòu)建生產(chǎn)決策模型,發(fā)現(xiàn)政

府補(bǔ)貼政策在促進(jìn)新能源汽車(chē)生產(chǎn)的同時(shí),也增

加了燃油汽車(chē)的產(chǎn)量,驗(yàn)證了財(cái)政補(bǔ)貼政策退坡

的必要性和有效性;以新能源產(chǎn)業(yè)鏈為視角,高玥

(2020)[16]

認(rèn)為補(bǔ)貼退坡政策的出臺(tái)將對(duì)新能源車(chē)

企的股票收益率產(chǎn)生較強(qiáng)的正向效應(yīng),而政策的提

前實(shí)施將降低企業(yè)預(yù)期收益,對(duì)企業(yè)自身及上下游

相關(guān)產(chǎn)業(yè)產(chǎn)生不利影響。上述研究均在補(bǔ)貼退坡

政策的積極效果上得到較為一致的結(jié)論,而朱艷陽(yáng)

等(2022)[17]

基于政策的兩面性綜合考慮,認(rèn)為補(bǔ)貼

退坡政策是帶動(dòng)還是抑制新能源及相關(guān)產(chǎn)業(yè)的發(fā)

展取決于供需關(guān)系和政策實(shí)施的時(shí)機(jī),其中供給約

束時(shí)期實(shí)施補(bǔ)貼退坡政策的效果最優(yōu)。

“短貸長(zhǎng)投”這種激進(jìn)型投融資期限結(jié)構(gòu)在我

國(guó)企業(yè)經(jīng)營(yíng)實(shí)踐中普遍存在(鐘凱等,2016)[6]

。我

國(guó)金融體系以銀行為主導(dǎo),受制于金融管制和信息

不對(duì)稱等原因,銀行為規(guī)避風(fēng)險(xiǎn)并緩解信貸考核壓

— 90 —

第97頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 政府補(bǔ)貼與新能源企業(yè)投融資期限錯(cuò)配

力(沈璐和陳祖英,2020)[18]

,提供長(zhǎng)期信貸的意愿

較低,往往以短期貸款的方式控制企業(yè)償債風(fēng)險(xiǎn)。

出于避稅動(dòng)機(jī),企業(yè)也可能主動(dòng)偏好短期債務(wù)融

資?;诖耍髽I(yè)出現(xiàn)“短貸長(zhǎng)投”情況可能是受限

于融資方式而被迫選擇,也可能是為降低融資成本

所做出的主動(dòng)舉措。期限錯(cuò)配究竟因何而生?現(xiàn)

有文獻(xiàn)對(duì)投融資期限錯(cuò)配影響因素的研究主要包

括外部因素和內(nèi)部因素兩大維度?;谕獠恳蛩?/p>

的研究主要是從市場(chǎng)制度環(huán)境和宏觀經(jīng)濟(jì)政策的

視角切入,認(rèn)為企業(yè)投融資期限匹配與金融市場(chǎng)長(zhǎng)

期資金的供給直接相關(guān),金融系統(tǒng)的合理制度安排

將為長(zhǎng)期資金充分供給提供保障,進(jìn)而優(yōu)化期限匹

配結(jié)構(gòu)(白云霞等,2016)[19]

;制度環(huán)境的缺陷,如貨

幣政策適度水平和利率期限結(jié)構(gòu)不合理,都影響著

企業(yè)的投融資決策(鐘凱等,2016;徐亞琴和陳嬌

嬌,2020)[6,20]

;產(chǎn)業(yè)政策的出臺(tái)通過(guò)直接干預(yù)影響

行業(yè)競(jìng)爭(zhēng)格局(肖繼輝和李輝煌,2019)[21]

,而政府

補(bǔ)貼和稅收優(yōu)惠等間接引導(dǎo)將改變企業(yè)長(zhǎng)期資金

缺口,進(jìn)而作用于企業(yè)投融資期限錯(cuò)配(楊濛和吳

昊旻,2022)[22]

。聚焦企業(yè)內(nèi)部視角,管理者非理性

行為下的過(guò)度自信和“羊群效應(yīng)”誘導(dǎo)管理者盲目

投資以及債務(wù)結(jié)構(gòu)的趨同,作出失當(dāng)?shù)耐度谫Y決策

(Huang 等,2016;孫鳳娥,2019)[23-24]。此外,家族

控制權(quán)下對(duì)較高利益的侵占動(dòng)機(jī)(鐘凱等,2018)[25]

和官員訪問(wèn)給企業(yè)帶來(lái)的“認(rèn)證”效應(yīng)(邱穆青和白

云霞,2019)[26],也是導(dǎo)致投融資期限錯(cuò)配的重要

原因。

綜上所述,相關(guān)研究主要集中于討論補(bǔ)貼退坡

政策的構(gòu)建和演化,缺乏對(duì)補(bǔ)貼退坡政策全面性實(shí)

施效果及時(shí)間維度下政策持續(xù)性效應(yīng)的微觀檢驗(yàn)。

已有研究成果多是對(duì)企業(yè)投融資期限錯(cuò)配的影響

因素進(jìn)行探討,而少有文獻(xiàn)圍繞補(bǔ)貼退坡這一外生

政策沖擊對(duì)投融資期限錯(cuò)配的作用開(kāi)展分析,且少

量的研究集中于補(bǔ)貼對(duì)企業(yè)融資或投資其中一個(gè)

方面的影響,未將投融資納入同一框架進(jìn)行考察。

鑒于此,本文從期限錯(cuò)配視角將補(bǔ)貼退坡政策與企

業(yè)投融資決策相結(jié)合,剖析政策對(duì)投融資期限錯(cuò)配

的作用效果與影響機(jī)制,提出優(yōu)化補(bǔ)貼退坡政策、

緩解投融資期限錯(cuò)配的政策建議,以期為政府改進(jìn)

優(yōu)化補(bǔ)貼和退坡政策以及企業(yè)防范投融資期限錯(cuò)

配風(fēng)險(xiǎn)等提供一定參考。

三、理論分析與研究假設(shè)

新能源企業(yè)的核心在于技術(shù)創(chuàng)新,資金投入回

收期長(zhǎng)、研發(fā)難度大、風(fēng)險(xiǎn)高、不確定性強(qiáng)等特點(diǎn)使

其面臨較為嚴(yán)重的融資困境。因此,政府往往以財(cái)

政補(bǔ)貼方式作為扶持手段對(duì)新能源產(chǎn)業(yè)市場(chǎng)運(yùn)行

進(jìn)行干預(yù),促使經(jīng)濟(jì)資源向新能源企業(yè)集中和靠攏

以改善其融資環(huán)境?;谡叩拈L(zhǎng)期影響視角,持

續(xù)性政府補(bǔ)貼不一定能實(shí)現(xiàn)其緩解新能源企業(yè)融

資約束的初衷。大范圍且長(zhǎng)時(shí)間的政府補(bǔ)貼將導(dǎo)

致企業(yè)產(chǎn)生嚴(yán)重的依賴性,“劣幣驅(qū)逐良幣”行為頻

頻出現(xiàn),削弱企業(yè)提升生產(chǎn)效率、開(kāi)展創(chuàng)新活動(dòng)的

動(dòng)機(jī)(綦建紅和趙雨婷,2021)[27]

。由此,補(bǔ)貼退坡

政策應(yīng)運(yùn)而生。補(bǔ)貼政策的變化意在由政府主導(dǎo)

讓位于市場(chǎng)主導(dǎo),由“普惠型”轉(zhuǎn)向“扶優(yōu)扶強(qiáng)型”,

通過(guò)市場(chǎng)行為幫助新能源企業(yè)實(shí)現(xiàn)獨(dú)立融資,力圖

有效推動(dòng)企業(yè)不斷研發(fā)創(chuàng)新以及產(chǎn)業(yè)持續(xù)發(fā)展。

對(duì)于新能源企業(yè)而言,宏觀經(jīng)濟(jì)環(huán)境或產(chǎn)業(yè)政策發(fā)

生變動(dòng),可能導(dǎo)致企業(yè)在融資過(guò)程中面臨外生性風(fēng)

險(xiǎn),外部環(huán)境帶來(lái)的流動(dòng)性沖擊必然會(huì)促使新能源

企業(yè)調(diào)整投融資決策(徐小晶和徐小林,2021)[13]

。

根據(jù)期限匹配理論(Morris,1976)[28],投資期

限與融資期限協(xié)調(diào)匹配,才能使企業(yè)在捕捉投資機(jī)

會(huì)的同時(shí)提高資金使用效率。我國(guó)的金融市場(chǎng)結(jié)

構(gòu)較為單一,債權(quán)和股權(quán)市場(chǎng)發(fā)展遲緩,融資渠道

集中于銀行貸款(白云霞等,2016)[19]

。企業(yè)將資金

投入長(zhǎng)期項(xiàng)目中時(shí),如果包含政府補(bǔ)貼在內(nèi)的內(nèi)源

資金不足以支持投資項(xiàng)目,企業(yè)將通過(guò)以銀行貸款

為主的外部資本籌集方式彌補(bǔ)資金缺口。而補(bǔ)貼

退坡政策釋放的消極信號(hào)、新能源企業(yè)與銀行間的

信息不透明將降低銀行長(zhǎng)期貸款意愿,為保證資金

回收,銀行將傾向于提供短期信貸以加強(qiáng)風(fēng)險(xiǎn)控

制,使新能源企業(yè)更加難以獲取長(zhǎng)期融資,從而加

重投融資期限錯(cuò)配程度。

從新能源企業(yè)自身意愿角度出發(fā),補(bǔ)貼退坡

后,信貸資金供給逐漸短期化,長(zhǎng)期資金在融資成

本、融資效率及契約自由度方面的劣勢(shì)也愈發(fā)明

顯,致使企業(yè)偏好短期資金(蘇冬蔚和連莉莉,

2018)[29],形成短期融資對(duì)長(zhǎng)期融資的替代局面。

雖然投融資期限錯(cuò)配使新能源企業(yè)面臨流動(dòng)性風(fēng)

險(xiǎn)并可能出現(xiàn)經(jīng)營(yíng)危機(jī),但“羊群效應(yīng)”促使其在投

融資期限配置上對(duì)同行業(yè)或當(dāng)?shù)仄髽I(yè)“短貸長(zhǎng)投”

行為進(jìn)行模仿和趨同,認(rèn)為短期借款的到期償債壓

力可以通過(guò)與銀行等金融機(jī)構(gòu)談判,進(jìn)行貸款展期

以及從其他銀行借新還舊等方式解決,致使期限錯(cuò)

配不斷延續(xù)(孫鳳娥,2019)[24]

。另外,稅收效用也

— 91 —

第98頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 政府補(bǔ)貼與新能源企業(yè)投融資期限錯(cuò)配

是影響新能源企業(yè)融資方式選擇的重要因素,債務(wù)

融資具有明顯的抵稅作用。從權(quán)衡理論角度出發(fā),

管理者為利用負(fù)債融資的節(jié)稅效用,可能在資金充

足的情況下主動(dòng)選擇短期貸款為長(zhǎng)期投資提供資

金來(lái)源,加劇“短貸長(zhǎng)投”現(xiàn)象。綜上所述,為促進(jìn)

可持續(xù)經(jīng)營(yíng)發(fā)展,通過(guò)有價(jià)值的項(xiàng)目提高收益以早

日擺脫對(duì)政府補(bǔ)貼的強(qiáng)烈依賴,新能源企業(yè)無(wú)論是

被迫選擇還是主動(dòng)舉措,都有充分理由吸收短期貸

款迅速擴(kuò)充資金,完成長(zhǎng)期投資建設(shè),進(jìn)而形成“短

貸長(zhǎng)投”行為。據(jù)此,本文提出以下假設(shè):

補(bǔ)貼退坡政策提高新能源上市公司投融資期

限錯(cuò)配水平。

四、研究設(shè)計(jì)

(一)樣本選取與數(shù)據(jù)來(lái)源

本文選取2015—2020年我國(guó)新能源上市公司

和同行業(yè)非新能源上市公司為研究對(duì)象,剔除

ST、*ST、PT和相關(guān)財(cái)務(wù)數(shù)據(jù)缺失的公司。在進(jìn)行

傾向得分匹配法篩選后,得到實(shí)驗(yàn)組(新能源上市

公司)和對(duì)照組(同行業(yè)非新能源上市公司)共 1

201個(gè)樣本觀測(cè)值。為消除極端值的影響,對(duì)主要

連續(xù)變量在 1% 水平上進(jìn)行縮尾處理。所有數(shù)據(jù)

均來(lái)自國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù),缺失值通過(guò)查閱

年報(bào)補(bǔ)充。

(二)變量選取

1.被解釋變量

本文被解釋變量為投融資期限錯(cuò)配程度

(Sfil)。借鑒馬紅等(2018)[5]

、鐘凱等(2016)[6]

的研

究,使用長(zhǎng)期資金支持長(zhǎng)期投資的資金缺口進(jìn)行衡

量。其中,資金缺口=購(gòu)建固定資產(chǎn)等投資活動(dòng)的

現(xiàn)金支出-(長(zhǎng)期借款本期增加額+本期權(quán)益增加

額+經(jīng)營(yíng)活動(dòng)現(xiàn)金流量+出售固定資產(chǎn)等現(xiàn)金流

入),并使用期初總資產(chǎn)對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理。

2.解釋變量

本文解釋變量為政府補(bǔ)貼退坡政策的實(shí)施

(Treat×Time)。基于企業(yè)是否受補(bǔ)貼退坡政策影

響,設(shè)定個(gè)體虛擬變量Treat={0,1},對(duì)實(shí)驗(yàn)組和對(duì)

照組加以分別,實(shí)驗(yàn)組即新能源上市公司的 Treat

取值為 1,對(duì)照組取值為 0。設(shè)定時(shí)間虛擬變量

Time={0,1}對(duì)政策實(shí)施前后進(jìn)行區(qū)分,政策實(shí)施當(dāng)

年及之后Time取值為1,實(shí)施之前年份取值為0。

3.控制變量

為控制影響“短貸長(zhǎng)投”行為的企業(yè)自身特征

的影響,借鑒丁寧等(2020)[30]、蒲紅美和李進(jìn)兵

(2020)[31]的研究,選擇企業(yè)規(guī)模(Size)、資產(chǎn)負(fù)債

率(Lev)、成 長(zhǎng) 能 力(Growth)、總 資 產(chǎn) 報(bào) 酬 率

(ROA)、現(xiàn)金流比率(Cash)和凈資產(chǎn)報(bào)酬率(ROE)

作為控制變量,并控制年度(Year)和行業(yè)(Ind)固

定效應(yīng)。

主要變量定義見(jiàn)表1所列。

表1 變量定義

變量類型

被解釋

變量

解釋變量

控制變量

變量名稱

投融資期限

錯(cuò)配程度

政府補(bǔ)貼退坡

政策實(shí)施

企業(yè)規(guī)模

資產(chǎn)負(fù)債率

成長(zhǎng)能力

總資產(chǎn)報(bào)酬率

現(xiàn)金流比率

凈資產(chǎn)報(bào)酬率

年度效應(yīng)

行業(yè)效應(yīng)

變量符號(hào)

Sfil

Treat×

Time

Size

Lev

Growth

ROA

Cash

ROE

Year

Ind

計(jì)算方法

[購(gòu)建固定資產(chǎn)等投資活動(dòng)的

現(xiàn)金支出-(長(zhǎng)期借款本期增加

額+本期權(quán)益增加額+經(jīng)營(yíng)活動(dòng)

現(xiàn)金流量+出售固定資產(chǎn)等現(xiàn)

金流入)]/期初總資產(chǎn)

實(shí)驗(yàn)組且年份在政策實(shí)施后取

值為1,否則取值為0

總資產(chǎn)的自然對(duì)數(shù)

總負(fù)債/總資產(chǎn)

(本期主營(yíng)業(yè)務(wù)收入-上期主營(yíng)

業(yè)務(wù)收入)/上期主營(yíng)業(yè)務(wù)收入

稅后凈利潤(rùn)/總資產(chǎn)

經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流凈額/

總資產(chǎn)

稅后凈利潤(rùn)/所有者權(quán)益

年份虛擬變量

行業(yè)虛擬變量

(三)模型設(shè)定

參考程貴和張小霞(2020)[32]

的做法,以2017年

為補(bǔ)貼退坡政策正式實(shí)施的時(shí)間節(jié)點(diǎn),政策實(shí)施前

后各取兩年作為研究時(shí)間,為驗(yàn)證本文假設(shè),構(gòu)建

固定效應(yīng)雙重差分模型(1)如下:

Sfilit = α0 + α1Treati × Timet + α2∑Controlsit +

∑Year+∑Ind+εit (1)

其中:i、t分別表示企業(yè)個(gè)體和年份;∑Controlsit

表示企業(yè)層面的控制變量集合;εit為隨機(jī)擾動(dòng)項(xiàng);

交乘項(xiàng)系數(shù)α1為衡量政策沖擊對(duì)企業(yè)投融資期限

錯(cuò)配的平均處理效應(yīng)。

五、實(shí)證結(jié)果與分析

(一)傾向得分匹配

選擇傾向得分匹配法(PSM)為實(shí)驗(yàn)組即新能

源上市公司匹配合適的對(duì)照組,采用1∶4近鄰匹配

法,以企業(yè)規(guī)模(Size)、成長(zhǎng)性(Growth)、資產(chǎn)負(fù)債

率(Lev)、總資產(chǎn)收益率(ROA)、現(xiàn)金流水平(Cash)

和凈資產(chǎn)收益率(ROE)作為協(xié)變量進(jìn)行l(wèi)ogit 回歸

估計(jì)傾向得分。

匹配前后平衡性檢驗(yàn)結(jié)果見(jiàn)表 2 所列。可以

發(fā)現(xiàn),匹配后實(shí)驗(yàn)組和對(duì)照組標(biāo)準(zhǔn)偏差的絕對(duì)值最

大為5.0%,與匹配前相比標(biāo)準(zhǔn)偏差大幅度降低,且

— 92 —

第99頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 政府補(bǔ)貼與新能源企業(yè)投融資期限錯(cuò)配

匹配后各個(gè)變量的標(biāo)準(zhǔn)化偏差均小于10%,支持了

平衡性假設(shè),表明匹配方法和變量的選擇有效減少

了兩組樣本的個(gè)體差異問(wèn)題。

共同支撐假設(shè)檢驗(yàn)實(shí)驗(yàn)組和對(duì)照組匹配前后

的核密度曲線如圖1所示,可見(jiàn),匹配前兩組樣本核

密度分布差異明顯,匹配后分布更為接近且曲線平

滑度相似,驗(yàn)證了共同支撐假設(shè),說(shuō)明實(shí)驗(yàn)組和對(duì)照

組樣本的選擇性偏差基本消除。

表2 傾向得分匹配平衡性檢驗(yàn)

協(xié)變量

Size

Growth

Lev

ROA

ROE

Cash

匹配前

匹配后

匹配前

匹配后

匹配前

匹配后

匹配前

匹配后

匹配前

匹配后

匹配前

匹配后

均值

實(shí)驗(yàn)組

23.354

23.304

0.258

0.241

0.544

0.541

0.035

0.036

-0.003

0.075

0.044

0.045

對(duì)照組

22.471

23.337

0.171

0.223

0.474

0.549

0.029

0.040

0.038

0.057

0.042

0.046

標(biāo)準(zhǔn)

偏誤

(%)

65.2

-2.4

17.6

3.8

41.4

-4.6

10.5

5.0

4.4

1.9

3.3

-3.0

誤差

削減

(%)

96.3

78.6

88.9

52.2

56.6

9.0

t檢驗(yàn)

T值

9.47

-0.26

2.80

0.46

5.58

-0.53

1.45

0.58

-0.86

0.64

0.48

-0.33

P值

0.000

0.797

0.005

0.648

0.000

0.596

0.147

0.564

0.390

0.520

0.634

0.744

注:資料由作者根據(jù)stata15.0計(jì)算所得









ffl





   

 

O3

&3

(a)匹配前











ffl





   

 

O3

&3

(b)匹配后

圖1 匹配前后核密度圖

(二)描述性統(tǒng)計(jì)

對(duì)進(jìn)行傾向得分匹配并剔除未匹配樣本后的

全部樣本進(jìn)行描述性統(tǒng)計(jì),結(jié)果見(jiàn)表3所列??梢?/p>

看出,企業(yè)投融資期限錯(cuò)配程度(Sfil)最大值和最

小值分別為 0.220 和-1.009,說(shuō)明投融資期限錯(cuò)配

在樣本企業(yè)中客觀存在且有一定差異;75分位數(shù)

為-0.020 接近于 0,表明研究期內(nèi)有接近于 1/4 的

樣本存在較為嚴(yán)重的投融資期限錯(cuò)配現(xiàn)象??刂?/p>

變量取值均在合理范圍內(nèi),說(shuō)明樣本和變量的選取

都較為合適。

表3 描述性統(tǒng)計(jì)

變量

Sfil

Time

Treat

Size

Growth

Lev

ROA

ROE

Cash

樣本

數(shù)量

1 201

1 201

1 201

1 201

1 201

1 201

1 201

1 201

1 201

均值

-0.115

0.639

0.321

23.143

0.187

0.536

0.030

0.061

0.048

標(biāo)準(zhǔn)差

0.178

0.481

0.467

1.307

0.374

0.157

0.045

0.108

0.055

最小值

-1.009

0.000

0.000

20.102

-0.489

0.078

-0.248

-0.630

-0.114

P 25

-0.165

0.000

0.000

22.183

-0.018

0.428

0.011

0.028

0.013

中位數(shù)

-0.088

1.000

0.000

23.029

0.106

0.549

0.028

0.063

0.048

P 75

-0.020

1.000

1.000

23.922

0.293

0.646

0.051

0.110

0.079

最大值

0.220

1.000

1.000

26.298

2.081

0.861

0.190

0.292

0.225

(三)基準(zhǔn)回歸

根據(jù) PSM 匹配結(jié)果,剔除未匹配成功的對(duì)照

組樣本組成新的實(shí)驗(yàn)組和對(duì)照組,進(jìn)行雙重差分回

歸。模型(1)回歸結(jié)果見(jiàn)表4所列,其中,第(1)列

僅加入 Treat×Time 交乘項(xiàng)檢驗(yàn),其回歸系數(shù)在 1%

水平下顯著;第(2)列在第(1)列的基礎(chǔ)上加入控制

變量回歸,交乘項(xiàng)系數(shù)顯著為正且R2

較第(1)列有

所提高;第(3)列在第(1)列基礎(chǔ)上同時(shí)控制了年份

固定效應(yīng)和行業(yè)固定效應(yīng);第(4)列則在第(3)列基

礎(chǔ)上加入了控制變量,結(jié)果顯示交乘項(xiàng)系數(shù)符號(hào)均

為正且判定系數(shù)R2

顯著提高,模型解釋力提升。上

述結(jié)果顯示,無(wú)論是否加入控制變量、是否控制年

份和行業(yè)固定效應(yīng),交乘項(xiàng)系數(shù)均在1%水平下顯

著為正,這表明與非新能源上市公司相比,政策實(shí)

施后新能源上市公司投融資期限錯(cuò)配的程度更高,

說(shuō)明補(bǔ)貼退坡政策一定程度上加劇了新能源企業(yè)

投融資期限錯(cuò)配現(xiàn)象。原因可能在于:補(bǔ)貼退坡政

策頒布實(shí)施后,雖然企業(yè)仍然可以獲取補(bǔ)貼,但補(bǔ)

貼規(guī)模較之前有所削減,政策信號(hào)使企業(yè)短時(shí)間內(nèi)

無(wú)法獲取足夠的長(zhǎng)期資金支持,從而不斷續(xù)借短期

貸款滿足其生產(chǎn)經(jīng)營(yíng)需要,于是這種“短貸長(zhǎng)投”行

為使得期限錯(cuò)配程度較退坡前顯著上升??梢?jiàn),補(bǔ)

— 93 —

第100頁(yè)

2023年11月

(第37卷第11期)

Nov.,2023

(Vol.37,No.11) 政府補(bǔ)貼與新能源企業(yè)投融資期限錯(cuò)配

貼退坡政策對(duì)新能源企業(yè)投融資期限錯(cuò)配產(chǎn)生顯

著的正向影響,本文假設(shè)得到支持。

表4 雙重差分回歸

變量

Treat×Time

Size

Growth

Lev

ROA

ROE

Cash

Constant

N

R2

Year FE

Ind FE

Sfil

(1)

0.415***

(3.35)

-0.255***

(-6.85)

755

0.053

NO

NO

(2)

0.425***

(3.40)

-0.458***

(-3.03)

-0.132

(-1.41)

1.470***

(2.37)

-0.314

(-0.08)

-0.224

(-0.15)

-1.704*

(-1.89)

9.625***

(2.84)

755

0.098

NO

NO

(3)

0.291***

(3.02)

-0.274

(-0.52)

755

0.463

YES

YES

(4)

0.290***

(3.07)

-0.508***

(-3.70)

-0.162**

(-2.10)

1.558***

(3.25)

-2.802

(-0.94)

0.305

(0.26)

-1.313*

(-1.92)

10.554***

(3.35)

755

0.519

YES

YES

注:***、**、*

分別表示在1%、5%、10%水平下顯著;括號(hào)

內(nèi)為t值。下同

(四)穩(wěn)健性檢驗(yàn)

1.更換PSM匹配方法

分別采用核匹配、卡尺匹配和半徑匹配后的實(shí)

驗(yàn)組和對(duì)照組對(duì)模型(1)進(jìn)行回歸,結(jié)果見(jiàn)表5第

(1)—(3)列所列。不同匹配方法的系數(shù)大小、符

號(hào)、顯著性水平與基準(zhǔn)回歸結(jié)果基本一致,因此,檢

驗(yàn)結(jié)果穩(wěn)健。

表5 穩(wěn)健性檢驗(yàn)結(jié)果

變量

Treat×Time

Controls

Constant

N

R2

Year FE

Ind FE

Sfil

(1)

0.256***

(5.30)

YES

2.247*

(1.67)

755

0.379

YES

YES

(2)

0.290***

(3.07)

YES

10.554***

(3.35)

755

0.519

YES

YES

(3)

0.275***

(5.65)

YES

2.667**

(1.97)

755

0.371

YES

YES

(4)

0.138

(1.31)

YES

9.874***

(3.14)

755

0.508

YES

YES

2.安慰劑檢驗(yàn)

(1)虛擬政策時(shí)點(diǎn)。以補(bǔ)貼退坡政策實(shí)施前一

年即 2016 年為虛擬政策發(fā)生時(shí)點(diǎn)進(jìn)行回歸,結(jié)果

見(jiàn)表5第(4)列??梢?jiàn),Treat×Time交乘項(xiàng)回歸系數(shù)

不顯著,虛擬政策沖擊的期限錯(cuò)配加劇效應(yīng)不存

在,證明新能源上市公司投融資期限錯(cuò)配程度加劇

的確是由補(bǔ)貼退坡政策實(shí)施引起的,基準(zhǔn)回歸估計(jì)

結(jié)果較為可靠。

(2)隨機(jī)生成實(shí)驗(yàn)組。隨機(jī)打亂現(xiàn)有實(shí)驗(yàn)組與

對(duì)照組,以判斷政策對(duì)投融資期限錯(cuò)配的加劇效

應(yīng)是否由其他隨機(jī)因素引起。參考Li等(2016)[33]

的做法,在匹配后全樣本中隨機(jī)指定實(shí)驗(yàn)組樣本并

進(jìn)行500次抽樣,得到交乘項(xiàng)系數(shù)分布,如圖2所示。

可以發(fā)現(xiàn),系數(shù)大致服從均值為0的正態(tài)分布,與

實(shí)際系數(shù) 0.290 相比明顯偏離,且絕大部分系數(shù)

P 值大于 0.1,說(shuō)明對(duì)隨機(jī)實(shí)驗(yàn)組樣本的政策效應(yīng)

不存在,符合預(yù)期。













1



1 













@

2









     

@2

ffl

圖2 隨機(jī)分組安慰劑檢驗(yàn)

(五)機(jī)制檢驗(yàn)

通過(guò)基準(zhǔn)回歸結(jié)果驗(yàn)證了政府補(bǔ)貼退坡政策

的實(shí)施對(duì)新能源企業(yè)投融資期限錯(cuò)配具有顯著的

正向影響,為探究補(bǔ)貼退坡發(fā)揮政策效應(yīng)的作用機(jī)

制,從融資約束角度檢驗(yàn)其影響路徑,并進(jìn)一步基

于內(nèi)源融資和外源融資雙重視角對(duì)融資約束進(jìn)行

細(xì)分以驗(yàn)證不同融資能力的差異化渠道機(jī)制。

1.融資約束的中介效應(yīng)

在我國(guó)金融環(huán)境下,融資約束對(duì)企業(yè)投融資期

限錯(cuò)配具有顯著影響(馬紅等,2018)[5]

。信息不對(duì)

稱使企業(yè)難以從銀行獲得長(zhǎng)期信貸,因此面臨長(zhǎng)期

資金籌集的約束。而新能源產(chǎn)業(yè)作為高新技術(shù)產(chǎn)

業(yè)之一,具有所需投資數(shù)額大、投資周期長(zhǎng)、不確定

性大等特點(diǎn),這使得企業(yè)面臨較高的經(jīng)營(yíng)風(fēng)險(xiǎn)和融

資約束(徐小晶和徐小林,2021)[13]

。因此,補(bǔ)貼退

坡政策的實(shí)施可能通過(guò)資金削減效應(yīng)和信號(hào)傳遞

效應(yīng)兩條路徑進(jìn)一步收緊新能源企業(yè)融資約束程

度,進(jìn)而對(duì)投融資期限錯(cuò)配產(chǎn)生正向影響。

— 94 —

百萬(wàn)用戶使用云展網(wǎng)進(jìn)行翻書(shū)效果制作,只要您有文檔,即可一鍵上傳,自動(dòng)生成鏈接和二維碼(獨(dú)立電子書(shū)),支持分享到微信和網(wǎng)站!
收藏
轉(zhuǎn)發(fā)
下載
免費(fèi)制作
其他案例
更多案例
免費(fèi)制作
x
{{item.desc}}
下載
{{item.title}}
{{toast}}