產業政策能否提升戰略性新興產業投資效率？

■劉立剛，肖志武

一、引言與文獻綜述

戰略性新興產業是引領國家發展的重要力量，對我國加速推進產業轉型升級和實現跨越式發展具有重大引領作用。但是近些年我國戰略性新興產業逐漸暴露出重復建設、資源浪費等非效率投資問題（杜建華和曹瑞丹，2020），如何更好地利用產業政策助推戰略性新興產業高質量發展、提升投資效率具有重要現實意義。

產業政策與投資效率的關系一直是學術界討論的熱點話題。一部分學者認為產業政策能通過矯正市場失靈（Wallsten SJ.，2000）和增強溢出效應（Kline&Moretti，2014）的方式來優化資源配置，指出產業政策能夠推動要素積累與運用，促進地方產業轉型升級，推動經濟提質增效（宋凌云和王賢彬，2013）。另一部分學者持相反觀點，認為地方政府的支持政策不是出于培育企業的邏輯，而是為了避免地方經濟遭受重創，這容易導致產業政策效果發生扭曲；產業政策在實施過程中也會受市場體系和資源誤置效應的影響（張龍鵬和湯志偉，2018），從而導致政策效果和預期產生偏差。此外，以行政手段進行的產業政策調控也會降低投資效率（黎文靖和李耀淘，2014）。可見，既有研究對于產業政策和投資效率之間的關系未能得出一致結論。

為加快培育發展新動能、推動經濟高質量可持續發展，我國于2016年12月推出《“十三五”國家戰略性新興產業發展規劃》（以下簡稱“產業政策”），重點支持新一代信息技術、高端裝備、新材料、生物、新能源汽車、新能源、節能環保、數字創意等新興領域。本文擬將該項產業政策的實施看作一項準自然實驗，利用雙重差分法（DID）評估產業政策給戰略性新興產業投資效率帶來的影響。與現有研究相比，已有文獻忽視了產業政策可能引發的外部監督效應對投資效率的影響，本文將媒體關注這一外部治理因素納入產業政策對投資效率影響機制的分析框架，進一步完善了產業政策對投資效率的作用機制研究。

二、理論分析與研究假設

經濟的平穩發展需要政府干預與市場機制進行配合，提高社會資源配置效率。產業政策對企業投資效率能夠產生直接影響。首先，在市場機制不完善的國家，產業政策能夠有效彌補“市場失靈”，引導社會資源科學配置，促使要素資源在企業間合理流動。當前我國處于“新興加轉軌”的特殊經濟體制下，市場體系不完善、市場機制不健全，要促進戰略性新興產業高質量發展，就必須對其給予特殊支持，通過政府調控的“有形之手”有針對性地調控資源配置，使企業獲取充分要素資源。其次，產業政策能夠改善相關產業的福利和發展環境，通過強化對企業的資源供給，促進直接投資（劉曉丹和張兵，2020），對于抑制投資不足具有重要作用。最后，產業政策具有強干預的特征，能夠使企業享有寬松的政策環境，降低經營風險和信貸風險（祝繼高等，2015），提高企業風險容忍度、強化風險承擔，從而提升企業的主觀投資意愿（王愛儉等，2020），減少投資不足行為，提高投資效率。綜上，提出假設1：

假設1：產業政策能夠提高戰略性新興產業的投資效率。

為達到產業政策目的，政府多采取為企業提供資金支持的手段，對相關產業的鼓勵性政策實施后，銀行信貸和政府補貼等資源會加速流向受支持產業。政策對銀行信貸的影響主要通過以下兩個路徑實現：其一，產業政策實施后，政府會對商業銀行信貸供給提出相應要求，放松金融管制，使信貸資源傾向受支持產業。其二，產業政策能夠緩解銀企之間（Chen D.et al.，2017）的信息不對稱程度，產生較高的信用擔保預期，使企業獲取貸款的金額和機會更高。產業政策通過信號作用，傳達產業發展的未來前景，引導信貸資源注入新興產業。特別是對于非國有企業來講，政策能夠改善長期以來受到的信貸歧視，很大程度上緩解融資約束。而銀行貸款能對公司發揮債權外部治理效應，公司負債可以對管理層的過度投資行為進行抑制（Stiglitz JE.，1996）。

此外，政府補貼作為產業政策中最為直接的工具，也能夠緩解企業資金壓力、提高經營績效。胡春陽和王展祥（2020）的研究發現財政補貼可通過企業技術效率提升企業全要素生產率。綜上，提出假設2：

假設2：產業政策具有“資金增加效應”，即企業通過獲得更多的銀行信貸和政府補貼提高了投資效率。

產業政策的頒布作為公開信息，必然能夠吸引媒體對政策鼓勵和扶持的產業給予充分關注，在此情況下企業將獲得更多媒體報道。而媒體關注對投資效率能夠發揮外部治理效應（李明娟和曲明明，2021）。網絡媒體作為信息中介可以使得公眾獲得多元且有價值的信息，緩解信息不對稱和代理問題，起到外部監督的作用，減少投資不足，提高投資效率。媒體關注也會影響公司主要決策人的行為，改善內部治理，曝光程度的上升利于減少經理人機會主義和股東的侵害行為，減少由此導致的投資不足或者投資過度，降低企業非效率投資水平（顧露露等，2020）。媒體報道通過發揮外部監督作用，抑制經理人過度自信導致的投資過度，減少非效率投資（韓少真等，2018）。綜上，提出假設3：

假設3：產業政策能夠發揮“媒體監督效應”，從而提升戰略性新興產業的投資效率。

三、研究設計

（一）樣本選擇與數據說明

以A股上市企業2012—2019年的數據為樣本，剔除金融類行業、ST、PT企業以及關鍵變量缺失的樣本，最終得到1983家企業共15864個觀測值，其中屬于戰略性新興產業企業共有720家（依據上海證券交易所發布的戰略性新興產業綜合指數成分列表來對戰略性新興產業進行識別，將新興綜指成分列表與全A股上市公司進行匹配，配對成功即為戰略性新興產業）。為避免極端值的影響，對所有連續變量進行上下1%的Winsorize縮尾處理。媒體關注數據來自于中國上市公司財經新聞數據庫（CFND），該數據庫使用計算機領域成熟的文本情感判斷方法，可以較好捕捉上市公司正、負面消息，樣本內的準確率高達85%；其他數據均來自于Choice金融數據庫。

（二）變量定義

1.被解釋變量：投資效率（EInv）。借鑒Richardson（2006）提出的殘差度量模型來測算投資效率，具體度量方法如下：

其中，殘差項εi，t的絕對值代表非效率投資，表示為Elnv，非效率投資水平越低，投資效率越高。若殘差項為正，定義為投資過度Overlnv，若殘差項為負，定義為投資不足Underlnv。Growthi，t-1為公司成長機會，用主營業務收入增長率表示；Cashi，t-1為公司現金持有量，用年末貨幣資金同總資產的比值表示；Agei，t-1為公司上市年齡；Sizei，t-1為公司規模，用總資產的自然對數表示；Levi，t-1為財務杠桿；Rei，t-1為公司凈資產收益率；Invi，t-1為公司資本投資量，用（構建固定資產、無形資產和其他長期資產所支付的現金-處置固定資產、無形資產和其他長期資產所收回的現金凈額）/年初總資產表示，所有變量滯后一年；另外加入行業固定效應和時間固定效應。

2.解釋變量。倍差項Treat×Time，即處理組和對照組虛擬變量（Treat）以及政策時間虛擬變量（Time）的交互項，表示政策效應。

3.中介變量。銀行信貸（Loan），用“現金流量表中借款收到的現金/年初總資產”表示；政府補貼（Sub），用“政府補助/銷售收入”表示；媒體關注（Media），用“ln（被網絡財經新聞報道次數+1）”表示。

4.控制變量。參見杜建華和曹瑞丹（2020）等學者的研究，選取公司規模（Size）、資產負債率（Lev）、自由現金流（Cfo）、上市年限（Age）、盈利水平（Roa）、賬面市值比（Mb）、管理費用率（Adm）、銷售利潤率（Profit）和股權集中度（Top1）等控制變量。變量定義見表1。

表1 變量定義

（三）模型設定

依據DID模型設立的要求，構建兩個虛擬變量：一個是處理組和對照組虛擬變量（Treat）。處理組為戰略性新興產業，定義為1；對照組為其他行業企業，定義為0。另一個是政策時間虛擬變量（Time）。2016年之后定義為1，之前定義為0。在此基礎上構建兩個虛擬變量的倍差項Treat×Time。

首先，檢驗產業政策對戰略性新興產業投資效率的政策效應，基于DID方法的回歸模型設定如下：

其次，采用PSM—DID方法做進一步檢驗，利用PSM方法找到與處理組特征最為相似的對照組，再將匹配后的處理組同對照組進行DID回歸，模型如下：

最后，驗證銀行信貸、政府補貼和媒體關注在產業政策與投資效率之間的中介效應，檢驗程序如下：

第一，檢驗產業政策與投資效率之間的關系，同模型（3）。

第二，驗證產業政策對銀行信貸、政府補貼、媒體關注的影響：

第三，再將政策效應倍差項與銀行信貸、政府補貼、媒體關注分別同時放入回歸方程：

其中，Xit為相應模型的控制變量，εit為擾動項。

四、實證分析

（一）產業政策對戰略性新興產業投資效率的影響

1.單變量雙重差分結果分析

以2016年作為政策實施時間節點，分別計算處理組和對照組政策實施前后的投資效率，并進行參數檢驗，結果見表2。從中可知，政策實施前后，戰略性新興產業的非效率投資水平均高于其他產業，但政策實施后，其非效率投資水平降低，即投資效率得到了提升，而且與其他產業投資效率的差距縮小，從0.416縮小到0.103，但顯著性不夠高；政策效應系數值為-0.314，且在5%的水平上顯著，即產業政策提高了戰略性新興產業的投資效率，假設1得到了初步驗證。

表2 單變量雙重差分檢驗

2.平行趨勢檢驗

使用DID識別政策干預的因果效應必須滿足平行趨勢假定，即在政策時間發生前，戰略性新興產業和其他產業的變化趨勢不存在顯著差異。為此，將年份虛擬變量與處理組虛擬變量的交乘項作為解釋變量，投資效率作為被解釋變量，加入基準模型（2）進行回歸，檢驗政策實施前2年直到樣本最后一期的趨勢變化。多期DID模型平行趨勢如圖1，可以看出，在政策實施當年（政策頒布時間為當年12月份）、前2年交互項的系數的置信區間都包含0，表明回歸結果均不顯著。而在政策實施時間2016年之后，估計系數均負向顯著，并且絕對值逐漸增大。表明設定的雙重差分模型滿足平行趨勢假設，可以得到無偏的估計量。

圖1 平行趨勢檢驗

3.DID基準回歸結果分析

表3列示雙重差分回歸結果。重點關注Treat×Time系數項，前兩列結果均顯示倍差項的系數為負值，并分別在5%、1%的水平上通過顯著性檢驗，表明產業政策顯著降低戰略性新興產業的非效率投資，再次驗證假設1。引入虛擬變量Treat和2017—2019年這3個年度的時間變量Time的交乘項，即Treatedtime2017、Treatedtime2018和Treatedtime2019，得到回歸結果進一步檢驗產業政策實施后的動態效應。結果顯示，Treatedtime的系數在列（3）、列（4）中始終為負，且隨著時間推移，系數絕對值逐年增大，表明產業政策對投資效率的促進作用具有上升趨勢。但是2017年的影響系數不顯著，表明產業政策對投資效率的促進作用有滯后性。

表3 DID回歸結果檢驗

4.基于PSM—DID方法的檢驗

為排除戰略性新興產業與其他行業企業可能存在變動趨勢不一致的情形，減少DID估計偏誤，本文使傾向匹配法（PSM），找到與處理組特征最為相似的對照組，再將匹配后的處理組同對照組進行DID回歸。運用PSM—DID方法前，首先，進行均衡性檢驗。具體選擇近鄰匹配法，將公司規模（Size）、貨幣現金持有量（Cash）、資產負債率（Lev）、總資產報酬率（Roa）、公司市值（Mv）、第一大股東持股比例（Top1）、董事會規模（Board）、獨立董事比例（Ind）和上市年齡（Age）作為協變量進行logit回歸，得到傾向得分值。選取傾向得分值最接近的企業與戰略性新興產業進行配對，從而減少不同行業企業在投資效率上的系統性差異。結果顯示匹配前后各協變量均值沒有明顯差異，變量在匹配后標準化偏差絕對值小于10%且t值小不顯著，通過均衡性檢驗。其次，進行共同支撐假設檢驗，該檢驗要求匹配后處理組和對照組是共同性的，結果顯示大多數觀測值均在共同取值范圍內，僅損失少量樣本，通過共同支撐假設檢驗，充分表明采用PSM—DID方法是合理的。①限于篇幅，相關圖表留存備索。

表4列示了先對樣本企業PSM匹配，再進行DID的回歸結果。結果表明，無論是否加入控制變量，倍差項Treat×Time的影響系數均負向顯著。動態效應也顯示，在戰略性新興產業政策實施一年后，產業政策對投資效率的促進作用逐年增強。PSM—DID估計結果與普通雙重差分檢驗結果不存在顯著差異，進一步支撐了本文的假設1，產業政策對戰略性新興產業投資效率的促進作用是十分顯著的。

表4 PSM-DID回歸結果

5.穩健性檢驗

為保證實證結果的準確性，需要對模型進行穩健性檢驗。首先，進行安慰劑檢驗。為檢驗戰略性新興產業的投資效率水平及其變化趨勢是否受2016年政策的影響，而不是由不可觀測因素驅動，通過隨機生成實驗組的方式進行安慰劑檢驗。檢驗過程中進行了1000次隨機抽樣回歸，提取安慰劑系數結果并繪制成圖2，該圖顯示，估計值集中分布在零附近，只有極少數系數估計值大于真實回歸系數，證實戰略性新興產業投資效率的變化主要是受到了2016年產業政策的影響。

圖2 安慰劑檢驗

其次，改變匹配方法。表5列示了基于卡尺匹配、核匹配及馬氏匹配3種方法的回歸結果。結果顯示不管采用何種匹配方法，產業政策對投資效率的影響系數和顯著性水平與前述結果基本一致，說明結果比較穩健。

表5 改變匹配方法穩健性檢驗

（二）產業政策對戰略性新興產業投資效率的作用機制分析

為驗證銀行信貸（Loan）、政府補貼（Sub）和媒體關注（Media）三者的中介效應，借鑒溫忠麟和葉寶娟（2014）等學者的方法，使用中介效應模型檢驗三者對投資效率的傳導機制。

結果如表6所示，Panel A為銀行信貸中介效應檢驗結果。Treat×Time對銀行信貸的影響系數γ1為0.251，在5%的水平上顯著，說明產業政策有助于企業獲得更多的銀行信貸；將銀行信貸Loan和倍差項Treat×Time同時納入回歸方程后，Treat×Time對投資效率的影響系數絕對值相比表4中列（2）變小了，但依然顯著；進一步地，γ1θ2與θ1同號，說明銀行信貸發揮了部分中介效應，其中介效應占總效應比值為雖占比較小，但是中介效應顯著。Panel B為政府補貼的中介效應檢驗結果，從列（3）來看，產業政策的實施顯著有利于企業獲得更多的政府補貼，將政府補貼Sub和倍差項Treat×Time同時納入回歸方程后，發現政府補貼對非效率投資的影響系數為正，說明企業獲得更多政府補貼不利于投資效率提升，但是β1、γ1、θ1和θ2都顯著，且γ1θ2與θ1異號，根據溫忠麟和葉寶娟（2014）對中介效應的判別流程可知，政府補貼無法有效發揮中介作用，而是發揮了遮掩效應，即政府補貼在一定程度上掩飾了產業政策對投資效率的影響，這可能是由于戰略性新興產業對政府補貼依賴性較強，利用效率不高所致。Panel C為對媒體關注中介效應的檢驗。列（5）回歸結果顯示Treat×Time對媒體關注影響系數為0.234，且在1%水平上顯著，說明產業政策實施后，企業吸引了更多媒體關注；將媒體關注和倍差項Treat×Time同時納入回歸方程后，產業政策對投資效率影響系數絕對值變小，而且γ1θ2與θ1依然同號，說明產業政策通過媒體的外部監督作用，提升了企業投資效率，證實了媒體關注發揮了中介效應，中介效應占總效應比值為

表6 中介效應檢驗結果

綜上所述，產業政策發揮了“資金增加效應”和“媒體監督效應”，分別通過銀行信貸、媒體關注兩個路徑促進了企業投資效率的提升，而現行針對戰略性新興產業的政府補貼無法有效發揮中介效應。至此，假設2得到了部分論證，假設3通過了驗證。

（三）進一步研究

1.媒體關注影響投資效率的深層次分析

前文研究表明產業政策會引發媒體關注，進而作用于企業投資行為。但是，媒體關注可分為正面關注（Pomedia，用“被網絡財經新聞正面報道次數+1取對數”表示）和負面關注（Nemedia，用“被網絡財經新聞負面報道次數+1取對數”表示），不同類型媒體關注對企業投資效率的影響可能存在差異性。借鑒李明娟和曲明明（2021）的研究，對投資不足和過度投資進行重新度量。針對投資不足，若Richardson模型（1）測出的非效率投資水平小于0，則Underlnv取值為非效率投資的絕對值；若大于0，則取值為0，即Underlnv取值范圍為[0，+∞]，其值越大，表示投資不足程度越高。針對過度投資，若模型（1）測算出的非效率投資水平大于0，則Overlnv取值為非效率投資的絕對值，若小于0，則取值則為0，即Overlnv的取值范圍為[0，+∞]，其值越大，過度投資越嚴重。由于Underlnv和Overlnv的取值在0處存在左歸并現象，即被解釋變量符合如下特征：

因此，采用Tobit模型，將Underlnv和Overlnv分別作為被解釋變量與Pomedia和Nemedia進行回歸分析，實證結果如表7所示。結果表明，媒體關注能夠顯著促進投資效率的提高，與前文結論一致，說明產業政策頒布后吸引的媒體關注能夠通過外部監督效應積極改善公司內部治理，從而提高投資效率；Pomedia和Nemedia的系數均顯著為負，說明正面媒體關注可以減少企業投資不足，負面媒體關注能夠抑制過度投資。對此結果可能的解釋是：正面媒體關注能夠傳達投資戰略性新興產業的積極信號，起到增強市場預期和提升投資者信心的作用，這會驅動股票交易、助推企業股價上升，為企業投資提供資金支持；同時媒體正面報道能夠減少信息不對稱程度，使投資者充分了解戰略性新興產業帶來的長期價值，投資者要求的風險溢價也會更低，降低了企業融資成本，企業就會有充足的現金資源對優質項目進行投資，避免因融資約束而錯失投資機會。而負面媒體關注會引起股東、經理人和監管層的注意，股東出于自身利益考慮會減少掏空侵害行為，經理人為了獲得更好的薪酬待遇和職業發展會加強自身行為的約束，負面報道帶來的監管層壓力也會使公司對投資項目審慎權衡利弊，抑制風險大、效益不高的過度投資。

表7 媒體關注對投資效率的影響

2.分組檢驗

區分企業產權性質。將樣本企業劃分為國企和非國企，分組回歸結果如表8所示。Treat×Time的系數都為負，但產業政策對國企投資效率的影響系數絕對值低于非國企，且不顯著，即產業政策無法有效提升國有企業的投資效率。這可能是由于國有企業受政策性負擔和政府過度干預影響，導致政策實施后無法有效提升投資效率。而非國有企業一方面以追求利潤最大化的經營目標，會理性評估投資項目，另一方面承擔更激烈的市場競爭，會積極尋求資源配置的最優化，更有利于投資效率的提高。

區分企業所屬區域。將樣本企業按東部和中西部地區進行分組，檢驗不同地區戰略性新興產業投資效率受產業政策影響的差異。表8顯示，Treat×Time的系數都顯著為負，產業政策對中西部地區企業投資效率的影響系數絕對值更大。表明市場化程度較低的后發地區由于資源條件的限制，可能會更審慎的評估投資項目，不容易出現過度投資行為，與此同時，在產業政策的激勵下，對于良好的投資機會也更加珍惜，相對來說不容易出現投資不足，從而能夠發揮好產業政策對投資效率的最大激勵作用。

表8 分組回歸結果

五、結論和政策建議

本文以2016年12月頒布的《“十三五”國家戰略性新興產業發展規劃》作為外生政策，構建DID模型分析產業政策對戰略性新興產業投資效率的影響及其作用機制，衡量不同所有制和區域差異下產業政策對企業投資效率的政策效果。研究發現：一是產業政策對戰略性新興產業投資效率具有促進作用，并且該促進作用具有滯后性和逐年增強的趨勢。二是產業政策引發了“資金增加效應”和“媒體監督效應”，即產業政策實施后，戰略性新興產業獲得了更多的銀行信貸、政府補貼和媒體關注，但是銀行信貸、媒體關注在產業政策與投資效率之間發揮了中介作用，而政府補貼無法發揮中介作用。三是進一步將樣本企業按產權性質和所屬區域分組回歸，發現產業政策對非國有和中西部地區戰略性新興產業投資效率的促進作用更為顯著；區分媒體關注類型，發現正面媒體關注有助于減少投資不足，負面媒體關注能夠抑制企業過度投資。

基于本文的研究結論，提出以下對策建議：第一，產業政策具有現實可行性，應持續深入推進戰略性新興產業支持政策的實施，在政策制定時以引導企業提升投資效率、促進產業轉型升級為出發點，建立恰當的政府干預機制和監督機制。發揮好政府的服務功能和監督角色，充分尊重市場在資源配置中的決定性作用，引導要素資源在企業間合理流動，減少資源浪費、重復建設等問題，并加強對政策實施效果的定期評估和偏差修正。第二，在政策落實過程中，鼓勵商業銀行和中小型民間銀行等金融機構對戰略性新興產業給予更多的信貸支持。實行差異化、競爭性的政府補貼方式，減少非必要補助，提高政府補貼配置效率，引導補貼流向高成長性、高資源利用率的企業；重視產業政策實施后引發的媒體關注外部治理效應對投資效率的影響，加強對媒體報道的監管，完善網絡輿論管理規則和法律法規，讓媒體報道做到客觀公正。第三，積極推進產業政策優化升級，放松政府管制，引入更加自由的競爭機制，減輕“所有制歧視”和“區域歧視”。加快推進混合所有制改革，讓國企積極適應市場競爭機制，在新興領域降低非國有企業準入門檻，財稅支持政策適當向非國有企業傾斜。為不同所有制企業創造公平、良好的市場競爭環境，激發新興市場主體活力。