学报

SHOUDU JINGJI MAOYI DAXUE XUEBAO

第 25 卷第 5 期(总第 149 期) 2023 年 9 月(双月刊)

编委会

主 任:吴卫星

副主任:尹志超

编 委:陈彦斌 冯喜良 甘 犁

高 闯 郝如玉 黄群慧

贾 康 金 碚 荆林波

郎丽华 李鲲鹏 李 奇

李维安 李小牧 梁 琪

刘冠军 刘世锦 柳学信

平新乔 戚聿东 田新民

王传生 王稼琼 王 军

王俊豪 王文举 王永贵

徐 芳 杨宜勇 于 立

于 鹏 张宝学

主 编:尹志超

副主编:周 斌

编辑部主任:姚望春

主管单位

北京市教育委员会

主办单位

首都经济贸易大学

编辑出版

首都经济贸易大学学报编辑部

投稿网址

https: / / sdjm. cbpt. cnki. net

电子邮箱

journal@ cueb. edu. cn

电 话

010-65976402 65976610

目 次

深入学习贯彻党的二十大精神

3 节能减排财政政策促进了绿色技术创新的

“量质齐升”吗? 郑兰祥 郭 娟 郑飞鸿

新时代中国经济

20 数字基础设施对地方财政可持续的影响机制及效果研究

宋美喆 胡丕吉

财政金融

36 研发补贴对新能源企业创新的非对称性激励效应研究

尚洪涛 宋岸玲

产业经济

50 机器人应用与中国制造业绿色转型 刘 胜 温锡峰 陈秀英

65 “探索-利用”视角下企业技术能力分类建构与案例研究

朱正浩 戚聿东

工商管理

79 服务机器人拟人化对酒店顾客情感和交易意向的影响研究

宋潇潇 李云鹏 唐 悦 谷慧敏

理论述评

95 企业隐私政策的影响及其机制

———基于用户视角的综述与展望 高充彦 谢 毅

[期刊基本参数]CN 11-4579 / F∗1999∗b∗16∗112∗zh∗P∗ ￥ 15. 00∗1500∗7∗2023-09

JOURNAL OF CAPITAL UNIVERSITY OF

ECONOMICS AND BUSINESS

Vol. 25,No. 5(Sum No. 149),Sep. 2023 Bimonthly

Contents

Does the Energy Saving and Emission Reduction Fiscal Policy Promote the Quantity and Quality of

Green Technology Innovation? ………………………… ZHENG Lanxiang, GUO Juan, ZHENG Feihong(3)

Research on the Influence Mechanism and Effect of Digital Infrastructure on Local Fiscal Sustainability

…………………………………………………………………………………… SONG Meizhe, HU Piji(20)

Research on the Asymmetric Incentive Effect of R&D Subsidies on Innovation in New Energy Enterprises

………………………………………………………………………… SHANG Hongtao, SONG Anling(36)

Application of Robots and Green Transformation of China?s Manufacturing Industry

……………………………………………………………… LIU Sheng, WEN Xifeng, CHEN Xiuying(50)

Type Construction and Case Study of Firm?s Technological Capability Under the

View of ‘Exploration-Exploitation’ …………………………………………ZHU Zhenghao, QI Yudong(65)

Research on the Effect of Service Robot Anthropomorphism on Hotel Customers? Emotion and

Transaction Intention ………………………… SONG Xiaoxiao, LI Yunpeng, TANG Yue, GU Huimin(79)

The Impact and Mechanisms of Corporate Privacy Policy

—Literature Review and Research Prospect from the User Perspective

…………………………………………………………………………………… GAO Chongyan, XIE Yi(95)

Published by: Editorial Department of Journal of Capital University of Economics and Business

Overseas Distributor: China International Book Trading Corporation(P. O. Box 399, Beijing 100048, P. R. China)

Register Number: BM1404

Address: Jintaili No. 2, Chaoyang District,Beijing 100026, P. R. China

Website: https: / / sdjm. cbpt. cnki. net E-mail: journal@ cueb. edu. cn Tel: 86-10-65976402

第 25 卷 第 5 期

2023 年 9 月

首都经济贸易大学学报 (双月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 001

节能减排财政政策促进了

绿色技术创新的 “量质齐升” 吗?

郑兰祥1

, 郭 娟1

, 郑飞鸿2

(1. 安徽大学 经济学院, 安徽 合肥 230601;

2. 合肥学院 经济与管理学院, 安徽 合肥 230601)

收稿日期: 2023-02-27; 修回日期: 2023-06-24

基金项目: 教育部人文社会科学研究青年基金项目 “中国特色环境分权对中国资源型城市生态效率的影响研究” (22YJC790179); 安

徽大学安徽生态与经济发展研究中心课题 “区域异质性视角下生态产品价值实现的路径研究” (AHST2022005); 合肥学院人才科研基金项

目 “环境规制对资源型城市产业转型升级的影响及作用机制研究” (20RC58)

作者简介: 郑兰祥 (1965—), 男, 安徽大学经济学院教授; 郭娟 (1999—), 女, 安徽大学经济学院硕士研究生, 通信作者; 郑飞鸿

(1993—), 男, 合肥学院经济与管理学院副教授。

摘 要: “节能减排财政政策综合示范城市” 试点作为绿色财政领域的一项重大实践, 可以通过财政

手段加快推动淘汰落后产能, 严控高耗能、 高排放行业过快增长, 促进产业结构升级, 从而成为驱动城

市绿色技术创新的重要引擎。 基于中国 2003—2019 年 285 个城市的面板数据, 将 “节能减排财政政策综

合示范城市” 试点视为准自然实验, 通过构建多期双重差分模型, 考察节能减排财政政策对绿色技术创

新的影响及作用机制。 研究结果表明: 节能减排财政政策显著提升了示范城市绿色技术创新质量与数量,

在经过堆叠双重差分、 两阶段双重差分法等一系列稳健性检验后该结论仍然成立; 中介效应分析表明,

节能减排财政政策通过财政支持的科技资源配置效应和人才集聚效应以及环境规制的创新补偿效应提升

示范城市绿色技术创新质量和数量; 异质性分析发现, 节能减排财政政策对绿色技术创新的影响, 在不

同地理位置、 资源禀赋、 金融科技水平的城市间存在显著差异; 进一步分析还发现节能减排财政政策对

相邻城市的绿色技术创新具有正向空间溢出效应。

关键词: 节能减排财政政策; 绿色技术创新; 科技资源配置效应; 人才集聚效应; 创新补偿效应

中图分类号: F812. 0; F124. 3 文献标识码: A 文章编号: 1008-2700 (2023) 05-0003-17

一、 问题提出

伴随着经济社会的快速发展, 能源消耗和温室气体排放日趋增加, 城市陷入经济增长与环境保护的

博弈困境, 生态环境面临严峻挑战。 绿色技术创新作为创新驱动与绿色发展有机整合的发展战略, 有利

于实现城市经济效益和环境保护 “双赢”, 是破解城市发展困境的重要方法, 也是达成中国双碳目标的必

然选择。 近年来, 中国政府高度重视绿色技术创新在可持续发展中的重要性, “十四五” 规划明确提出要

大力发展绿色技术创新, 推动节能减排与经济绿色转型。 党的二十大报告进一步指出, “推动经济社会发

展绿色化、 低碳化是实现高质量发展的关键环节”。 然而, 绿色技术创新一般具有高成本、 高风险以及环

境保护外溢性的特征[1]

, 致使绿色技术创新活动缺乏市场激励, 城市绿色技术创新水平提升效果不佳。

3

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

因此, 政府的制度支持显得尤为重要, 尤其是以环境规制与财政支持为核心的政策工具, 不仅能够通过

各种规制措施倒逼企业进行低碳技术研发, 还能发挥财政资金的引导、 支撑和保障作用, 成为推动城市

绿色技术创新的重要动力。

为促进绿色技术创新, 实现城市低碳经济转型和绿色可持续发展, 2011 年财政部、 国家发展改革委

在部分城市开展 “节能减排财政政策综合示范城市” 试点 (以下简称节能减排财政政策), 以北京、 深

圳、 重庆等 8 个城市作为首批示范城市, 2013 年选择唐山、 铁岭等 10 个城市作为第二批示范城市, 2014

年又选定徐州、 德阳等 12 个城市作为第三批示范城市。 梳理三批示范城市名单可以发现, 示范城市覆盖

全国 27 个省份, 在城市资源禀赋、 经济发展水平等方面存在明显差异, 具有较强的代表性和示范性[2]

。

节能减排财政政策以城市为平台, 以加快体制机制创新为动力, 强调通过财政政策综合引导, 坚持树立

绿色、 循环、 低碳发展理念, 围绕产业低碳化、 交通清洁化、 建筑绿色化、 服务业集约化、 主要污染物

减量化、 可再生能源利用规模化六个方面开展节能减排综合示范城市试点, 统筹安排资金用途, 突破以

往政策 “点对点” 的项目管理模式, 加快转变经济发展方式。

节能减排财政政策作为绿色财政领域的一项重大实践, 旨在通过财政手段加快推动淘汰落后产能,

严控高耗能、 高排放行业过快增长, 促进产业结构升级, 从而实现城市从传统发展到绿色发展的形态

跃迁。 区别于一般的环境政策, 节能减排财政政策不仅设置了环境绩效考核的约束机制, 而且明确了

财政支持的激励机制, 成为引导和激发主体进行绿色技术创新活动的重要引擎。一方面, 财政部和国

家发展改革委联合印发的 《节能减排财政政策综合示范指导意见》 (财建 〔2011〕 383 号) 明确指出,

示范城市示范期为 3 年, 在示范期间, 中央财政提供综合奖励资金由示范城市统筹使用, 按照城市性

质奖励示范城市 4 亿 ~ 6 亿元资金, 同时示范城市所在地省级政府和本级政府也给予一定的资金, 用于

示范城市节能减排相关项目的实施, 充分发挥财政资金的引领带动作用。 另一方面, 节能减排财政政

策伴随着一定的环境目标约束, 示范城市严格制定绩效考核管理办法, 每年绩效考核结果与下一年度

综合奖励资金分配挂钩, 若总体绩效考核认定示范城市未完成实施方案确定的指标, 则将取消示范城

市示范资格并扣回全部综合奖励资金, 这种约束机制增强了试点政策效果。 那么, 节能减排财政政

策能否提升城市绿色技术创新的数量和质量? 若能够促进, 其中的影响机制是什么? 这种影响是否

具有异质性? 更进一步地, 其是否具备空间溢出效应? 厘清上述问题, 有助于科学评估节能减排财

政政策对示范城市绿色技术创新的 “量质齐升” 效应, 并为后续进一步推广示范城市的经验提供借

鉴与参考。

二、 文献综述

本文从节能减排财政政策的实施效果以及绿色技术创新的影响因素两个方面进行文献梳理。

从理论上来看, 财政政策可以有效引导社会资本和市场资金进入应对气候变化的过程中, 与其他公

共政策协调合作来提升整个社会应对气候变化的能力[3]

。 而节能减排财政政策作为一项典型的绿色财政

政策, 其对经济低碳转型发挥着重要作用, 现有文献从不同角度探讨了该政策的实施效果。一方面,一

些学者从宏观视角分析了节能减排财政政策的碳减排效应。 有学者评估了节能减排财政政策对污染减排

的影响, 发现节能减排财政政策的实施降低了示范城市的碳排放, 并提升了生态效率[4]

。 薛飞和陈煦

(2022) 利用双重差分法, 研究发现节能减排财政政策显著降低了示范城市的碳排放水平, 并且对经济发

展具有积极作用[5]

。 另一方面, 有学者从微观企业的角度评估了节能减排财政政策的实施效果。 田淑英

等 (2022) 研究发现节能减排财政政策有利于促进企业生产效率优化、 技术绿色创新, 从而促进企业转

型升级[6]

。

与此同时, 绿色技术创新为实现低碳经济转型奠定了重要基础, 较多文献围绕绿色技术创新的影响

因素开展了研究。 环境规制是影响绿色技术创新的关键因素。一些学者认为环境规制能够激发绿色技术

创新[7-9]

。 进一步, 有学者将环境规制划分为命令控制型和市场激励型, 并比较两种环境规制对节能减排

4

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

技术创新的不同影响[10]

。 部分学者认为相较于命令型环境规制, 市场激励型环境规制能够提供更灵活、

更有效的创新激励[11-12]

。 也有研究表明, 环境规制对本地和邻近城市的绿色技术创新均产生影响[13-14]

。

另外, 欧阳晓灵等 (2022) 基于地级市数据, 研究发现环境规制与城市的绿色技术创新之间存在非线性

关系[15]

。 随着各种环境政策的实施与推进,一些学者开始研究环境政策对绿色技术创新的影响。 陶锋等

(2021) 研究发现环保目标责任制推动了绿色技术创新数量, 但导致了绿色技术创新质量的下滑[16]

。 有

学者基于上市公司的专利申请数据, 发现碳排放权交易试点政策促进了企业层面的低碳技术创新[17]

。 也

有相关文献围绕低碳城市试点政策、 排污权交易试点政策与绿色信贷政策展开研究[18-20]

。

综上所述, 已有文献主要探讨了节能减排财政政策的实施效果和绿色技术创新的影响因素, 而基于

数量和质量两个维度分析节能减排财政政策对绿色技术创新的 “量质齐升” 效应研究较为匮乏。 本文的

边际贡献体现为以下几点:一是从数量和质量两个维度, 评估节能减排财政政策对绿色技术创新的影响

效应, 丰富了节能减排财政政策效应评估的相关研究; 二是揭示了节能减排财政政策影响绿色技术创新

的作用机制, 从财政支持与环境规制两个视角验证了科技资源配置效应、 人才集聚效应以及创新补偿效

应的作用机制, 为更好地发挥政策效能提供了优化路径; 三是使用堆叠双重差分和两阶段双重差分模型

进行异质性处理效应稳健估计, 以此降低交叠双重差分模型可能因负权重而导致的处理效应异质性等问

题, 同时运用空间自相关模型, 挖掘了节能减排财政政策对绿色技术创新的空间溢出效应, 为进一步发

挥空间辐射效应、 促进绿色技术创新的区域协同合作提供了现实依据。

三、 理论分析与研究假设

(一) 节能减排财政政策与绿色技术创新

鉴于绿色技术创新活动具有高成本、 高风险、 长周期的特性, 企业进行绿色技术创新动力不足, 城

市绿色技术创新缺乏有效的政策干预。 而与之相契合的节能减排财政政策, 能够积极引导示范城市树立

绿色、 循环、 低碳发展理念, 为推动城市绿色技术创新和经济绿色转型提供重要支撑。 与一般环境政策

不同的是, 节能减排财政政策坚持财政支持和环境绩效考核相结合, 在制定环境污染约束指标的同时,

通过财政补贴、 财政投资、 政策支持等手段重塑资源配置格局, 提高要素配置效率, 充分发挥财政资金

的引领带动作用, 增强城市绿色技术创新活力。 此外, 该政策不断寻求机制创新, 比如积极探索能源合

同管理、 碳排放权交易等机制, 以构建绿色技术创新长效机制。 同时积极推广先进节能环保技术产品,

改造提升传统产业, 发展现代服务业和战略性新兴产业, 促进产业结构优化升级。 并且节能减排财政政

策还通过政府和社会合作的方式, 吸引社会资本参与, 进一步为绿色技术创新活动拓宽融资渠道。 因此,

本文提出假设 H1。

H1: 节能减排财政政策能有效促进绿色技术创新。

(二) 机制分析

第一, 科技资源配置效应。 节能减排财政政策实施过程中, 中央财政在试点期间每年给予示范城市

综合奖励资金, 综合奖励资金由示范城市自行决定如何使用, 中央仅负责对相关项目进行备案管理, 此

外, 示范城市所在地省级政府也安排专项资金用于城市节能减排综合示范工作, 这有效弥补了地方政府

的财政缺口, 缓解了地方的财政压力。 基于社会福利最大化的目的, 财政压力的减少有利于引导和激励

地方政府对绿色技术创新活动的财政支持, 从而最大限度发挥财政支持的乘数效应和杠杆效应[21]

。

在财政支持的激励作用下, 示范城市综合利用奖励资金, 通过加大财政科技支出强度, 建设一系列

新能源技术利用项目, 制定各种配套政策, 比如成立循环经济发展研究中心, 为企业和园区推荐经济适

用的节能环保及循环低碳技术, 提升地方政府对科技资源的优化配置功能, 为绿色技术创新的数量和质

量提供保障。一方面, 从绿色技术创新数量来看, 财政科技支出能够为绿色技术创新活动提供必要的资

金支撑, 填补企业绿色技术创新的资金缺口。 地方政府通过支持绿色技术研发项目落地、 加强绿色技术

创新基地平台建设和鼓励科技成果转化等手段重塑资源配置结构, 从而提高城市整体的科技资源效率,

5

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

形成研究开发、 应用推广与产业发展融合贯通的绿色技术创新新格局。 同时财政科技支出具有一定的引

领和示范作用[22]

, 有助于市场投资者减少识别优质企业的成本, 降低信息不对称程度, 这能够引导金融

资源向特定企业集中, 支持绿色创新企业项目开发与融资, 为绿色技术创新数量奠定良好的资金基础[23]

。

另一方面, 从绿色技术创新质量来看, 财政科技支出能够降低企业绿色技术高质量创新面临的研发风

险[24]

, 提高企业绿色技术研发效率, 激励企业主动实施高难度但能够为自身赢得竞争优势的高质量绿色

技术创新。 此外, 基于信号传递理论, 获取财政科技支出的领域意味着政府无形的肯定, 这有利于增强

企业进行绿色技术创新的信心, 进而扩大高质量绿色技术创新的规模, 提升城市的绿色技术创新活力。

由此, 本文提出假设 H2a。

H2a: 节能减排财政政策通过财政支持的科技资源配置效应促进绿色技术创新的 “量质齐升”。

第二, 人才集聚效应。 中央财政的支持使得示范城市将更多的财政资金用于提升示范城市的人力

资本水平, 以强化人才对绿色技术创新和经济低碳转型的支撑作用。 比如, 地方政府利用专项资金和

奖励资金实施职业技能提升行动, 开展相关从业人员岗位技能提升培训以及节能环保技能交流, 人才

培育的高投入优化了示范城市的人力资本结构。 此外, 节能减排财政政策建立和完善人才激励机制,

加大对取得重大创新成果人才的奖励力度, 为高质量人才发挥个人才能提供平台支持, 这种政策红利

增加了高质量人才留在示范城市工作的意愿, 有利于吸引人才集聚。 而人才是绿色技术创新的高端生

产要素。一方面, 从绿色技术创新数量来看, 节能减排财政政策通过加强城市人才队伍建设, 扩大了

城市的绿色消费市场规模。 具体而言, 区域的人力资本水平越高, 越有利于人们形成良好的生态环保

意识, 这将激发人们对绿色低碳产品的消费需求, 引导城市消费需求结构升级, 更多以环保、 节能为

特征的新兴产业应运而生, 进而减少能源消耗和降低污染物排放, 为示范城市塑造了良好的绿色技术

创新环境。 此外, 人才集聚可以通过影响生产、 投资及储蓄等方式激发绿色创意[25]

, 形成有利于区域

绿色技术创新发展的扩散效应, 从而增加绿色技术创新数量。 另一方面, 从绿色技术创新质量来看,

人才集聚所带来的知识、 技能和创造力是高质量绿色技术创新的重要原动力[26]

。 高质量的人才集聚能

够掌握和吸收更先进的技术和创新理念, 有利于示范城市实现新技术的共享和新知识的传播, 使资源

从配置效率较低的地方流入配置效率较高的地方, 加速绿色新知识、 新产品、 新技术的研发, 形成知

识外溢效应[27]

, 进而推动绿色专利的原始创新和集成创新, 加快绿色技术创新的实质性和突破性发

展。 由此, 本文提出假设 H2b。

H2b: 节能减排财政政策可能通过财政支持的人才集聚效应促进绿色技术创新的 “量质齐升”。

第三, 创新补偿效应。 示范城市围绕示范工作量、 节能减排效果、 长效机制建设等因素设置了具体、

明确的环境考核指标。 对未完成节能减排约束性指标的城市, 采用一票否决制, 取消城市示范资格, 扣

回全部综合奖励资金, 这对地方官员产生了强大的约束力, 从而调动了地方政府推进环境治理的积极性。

因此, 地方政府实施严格的环境规制以确保节能减排目标的顺利实现, 包括将拟淘汰整治的企业及生产

设备信息在媒体网站公示, 运用社会的舆论力量进行监督, 统一碳排放权交易管理办法, 以及对环境绩

效不达标的企业进行环保约谈与惩罚等规制措施。 根据波特假说, 地方政府实行适度的环境规制政策将

触发环境规制的创新补偿效应[28]

, 从而为示范城市打造绿色技术创新引擎。一方面, 从绿色技术创新数

量层面分析, 环境规制增加了企业的节能减排成本, 企业意识到创新是抵消环境规制带来的成本效应的

重要手段[29]

, 进而不断增加研发支出和创新投入力度, 加速技术创新、 产品创新和运营模式创新, 为示

范城市营造了良好的创新环境。 丰富的创新资源有利于引导现代服务业和战略性新兴产业发展, 促进绿

色经济发展, 从而激发出更多以环境效益为导向的绿色创新活动。 同时, 环境规制引发了社会媒体的传

播, 增加了公众对环境保护的广泛关注, 进而引导高校和科研院所的创新资源更多地流入与环境相关的

创新活动[16]

, 为绿色技术创新数量提供重要支撑。 另一方面, 从绿色技术创新质量来看, 环境规制成本

引发的进入壁垒和经营风险会强化企业之间的竞争机制[30]

, 此时仅仅提升绿色技术创新数量难以达到环

境监管的标准, 不利于提高企业的市场竞争力。 因此, 为了增强企业的长期竞争优势, 最优策略是增加

6

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

创新投资, 进行高质量的技术研发, 提升专利转化效率, 由此获得的技术进步能够满足利益相关者的环

保期望, 减少利益相关者对企业污染环境产生的负面预期[31]

, 从而激发企业自主进行绿色技术创新活动

的意愿, 为持续、 稳定地开展周期较长、 风险更大的高质量绿色技术创新活动提供有效驱动。 由此, 本

文提出假设 H2c:

H2c: 节能减排财政政策可通过环境规制的创新补偿效应促进绿色技术创新的 “量质齐升”。

综上所述, 节能减排财政政策通过科技资源配置效应、 人才集聚效应、 创新补偿效应实现绿色技术

创新的 “量质齐升” (见图 1)。

7

6





B





0

.

8



A

%

B

U$ffiU

(

45ffl

UEffiU

B.UBFKU

K-MK

/$ffiU K5U

EB#

(

>U!!ffi

U

$$

.B#F4



K5

=

4

7



ffi





F



B

图 1 节能减排财政政策对绿色技术创新的影响机制

四、 模型设定与指标选取

(一) 计量模型构建

为考察节能减排财政政策对绿色技术创新的影响, 本文将 “节能减排财政政策综合示范城市” 试点

视为准自然实验, 运用多期双重差分法设定如下计量模型:

lnYi,t

=α1

+β1ESERi,t

+γ1Xi,t

+λi

+μt

+εi,t (1)

其中, 下标 i 表示第 i 个城市, t 表示第 t 年, 被解释变量 Y 为绿色技术创新。 ESERi,t 为核心解释变

量, 表示 i 城市在 t 年是否被批准为示范城市, 其系数衡量节能减排财政政策对绿色技术创新的影响效应,

若 ESERi,t 的系数显著为正, 则表示节能减排财政政策有利于促进绿色技术创新。 Xi,t 为一系列控制变量,

λi 表示个体固定效应, μt 表示时间固定效应。 εi,t 为随机扰动项。

上文的影响机制分析表明, 节能减排财政政策通过科技资源配置效应、 人才集聚效应以及创新补偿

效应提升绿色技术创新质量和数量。 因此, 本文设定如下中介效应模型进行验证:

Mi,t

=α2

+β2ESERi,t

+γ2Xi,t

+λi

+μt

+εi,t (2)

lnYi,t

=α3

+β3ESERi,t

+ θMi,t

+γ3Xi,t

+λi

+μt

+εi,t (3)

其中, Mi,t 为机制变量, 其他变量设定同模型 (1)。 模型 (2) 中, 若 β2 显著, 则表明节能减排财

政政策能够对机制变量产生影响。 模型 (3) 中, 若 θ 显著, 同时 β3 显著且小于 β1 或 β3 不显著时, 表明

节能减排财政政策通过机制变量影响了绿色技术创新。

(二) 变量选取与数据说明

1. 被解释变量

绿色专利是衡量绿色技术创新的常见指标, 现有研究较多采用绿色发明专利申请量衡量绿色技术创

新质量, 使用绿色实用新型专利申请量衡量绿色技术创新数量[32-33]

。 具体而言, 绿色发明专利的申请须

符合新颖性、 创造性和实用性的要求, 其包含的自主知识产权更多, 是一种实质性绿色创新成果, 因此

能够体现绿色技术创新质量; 而绿色实用新型专利的申请难度和审查要求较低, 其创造程度低于绿色发

明专利申请, 属于策略性绿色技术创新的范畴, 是绿色技术创新数量的体现。 同时考虑到城市经济发展

7

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

规模的差异, 参考宋德勇等 (2021)

[34] 的处理方式, 对城市层面绿色发明专利和绿色实用新型专利申请

数量进行均值化处理, 最终采用每万人绿色发明专利申请衡量绿色技术创新质量, 用每万人绿色实用新

型专利申请衡量绿色技术创新数量。

2. 解释变量

本文选取节能减排财政政策综合示范城市试点 (ESER) 作为核心解释变量, 将设立为示范城市试点

当年及以后的 ESER 赋值为 1, 否则为 0。

3. 控制变量

为了控制其他因素对模型的干扰, 参考现有研究的做法[35-36]

, 引入以下控制变量: 经济发展水平

(PGDP) , 采用各城市人均地区生产总值来表示; 资源禀赋 (RES) , 采用采矿业就业人数来测度; 环

境规制 (ER) , 采 用 单 位 国 内 生 产 总 值 ( GDP ) 的 工 业 烟 ( 粉) 尘 排 放 量 表 示; 金 融 发 展 水 平

(FIN) , 采用年末金融机构各项贷款余额衡量; 对外开放水平 (OPEN) , 采用当年外商实际使用外资

金额占 GDP 的比值表示; 信息服务业发展水平 ( INF) , 采用信息传输、 计算机服务和软件业从业人员

占比进行表征。

考虑到部分城市数据存在缺失, 本文剔除了莱芜、 铜仁、 毕节、 海东等城市, 最终得到 2003—2019

年 285 个城市的样本数据。 本文绿色专利的相关数据来源于上海经禾信息技术有限公司中国研究数据服务

平台 (CNRDS) 绿色专利库。 其他数据均来自相关年份的 《中国城市统计年鉴》 以及北京福卡斯特信息

技术有限公司 EPS 数据库, 部分缺失数据采用插值法填补。 另外, 本文对除虚拟变量外的变量进行了对

数化处理。 表 1 报告了各变量的描述性统计结果。

表 1 主要变量描述性统计结果

变量名称 符号 观测值 均值 标准误 最小值 最大值

绿色发明专利申请 lnPI 4 845 0. 215 0. 389 0. 000 3. 251

绿色实用新型专利申请 lnPU 4 845 0. 247 0. 381 0. 000 3. 087

节能减排财政政策综合示范城市 ESER 4 845 0. 043 0. 203 0. 000 1. 000

经济发展水平 lnPGDP 4 845 10. 212 0. 826 7. 542 12. 281

资源禀赋 lnRES 4 845 0. 664 0. 738 0. 004 3. 234

环境规制 lnER 4 845 0. 015 0. 010 0. 005 0. 353

金融发展水平 lnFIN 4 845 15. 788 1. 326 12. 548 20. 420

对外开放水平 lnOPEN 4 845 0. 003 0. 003 0. 001 0. 044

信息服务业发展水平 lnINF 4 845 0. 016 0. 017 0. 001 0. 353

五、 实证分析

(一) 基准回归结果

节能减排财政政策的绿色技术创新效应基准回归估计结果见表 2。 列 (1)—列 (4) 显示, 无论是否

加入控制变量, ESER 的估计系数均显著为正, 表明节能减排财政政策对绿色技术创新质量与数量的促进

效应显著。 根据列 (2) 和列 (4) 的估计结果, 相对于非示范城市, 示范城市的绿色发明专利申请数量

增加了 16. 5%, 绿色实用新型专利申请数量平均提高 18. 2%, 节能减排财政政策提升了绿色技术创新质

量和数量, 因此假设 H1 得到验证。

8

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

表 2 基准回归结果

变量

lnPI lnPU

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

ESER 0. 168

∗∗ 0. 165

∗∗ 0. 186

∗∗∗ 0. 182

∗∗∗

(0. 078) (0. 072) (0. 069) (0. 062)

lnPGDP -0. 233

∗∗∗ -0. 266

∗∗∗

(0. 052) (0. 052)

lnRES 0. 003 0. 007

(0. 037) (0. 031)

lnER -1. 377

∗∗∗ -1. 265

∗∗∗

(0. 506) (0. 480)

lnFIN 0. 098

∗∗∗ 0. 096

∗∗∗

(0. 027) (0. 027)

lnOPEN -10. 820

∗∗ -14. 300

∗∗∗

(4. 761) (4. 542)

lnINF 1. 431

∗ 1. 136

∗∗

(0. 739) (0. 527)

时间固定效应 控制 控制 控制 控制

城市固定效应 控制 控制 控制 控制

常数项 0. 025

∗ 0. 701 0. 038

∗∗∗ 1. 052

∗

(0. 014) (0. 604) (0. 013) (0. 573)

观测值 4 845 4 845 4 845 4 845

R

2

0. 436 0. 477 0. 530 0. 580

注:

∗ P<0. 1,

∗∗ P<0. 05,

∗∗∗ P<0. 01; 括号内为稳健标准误。 后表同。

从控制变量来看, 经济发展水平的系数显著为负, 说明经济发展水平的提高会在一定程度上抑制绿

色技术创新, 可能的原因是当前在一些地区仍然存在以牺牲环境为代价发展经济的现象, 带来了资源消

耗和环境污染等问题, 从而不利于绿色技术创新水平的提升。 资源禀赋对绿色技术创新无显著影响。 环

境规制的系数为负, 表明环境规制有利于促进绿色技术创新。 金融发展对绿色技术创新的影响显著为正,

说明金融发展水平的提升有利于缓解融资约束, 进而促进绿色技术创新质量和数量。 对外开放水平的系

数为负, 可能是由于外商投资的产业往往具有高耗能高污染的特征, 从而不利于绿色技术创新的发展。

信息服务业发展水平越高, 越能促进绿色技术创新。

(二) 平行趋势检验

多期双重差分模型的前提是满足平行趋势假设, 由此, 本文以政策实施前的第八年为基期, 并借助

事件分析法进行平行趋势检验和动态效应分析。 平行趋势检验结果 (限于篇幅, 图略) 显示, 在入选示

范城市试点前, ESER 的系数均不显著, 表明示范城市与非示范城市绿色技术创新变化趋势大致相同。

而在试点政策实施后, 节能减排财政政策对绿色技术创新数量有显著促进作用, 但其对绿色技术创新

质量的影响存在一定的时滞性, 原因可能是节能减排财政政策从颁布到实施需要一定的时间, 并且部

分绿色技术研发项目需要经历一系列流程才能建设完成。 随着试点政策的推进, 政策系数显著为正,

说明政策效果具有一定程度的持续性。

9

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

(三) 安慰剂检验

为验证前文的估计结果不是由于其他偶然因素引起的, 本文通过随机抽取个体作为处理组安慰剂检

验, 再为每个处理组个体随机抽取一个时间作为其政策时点, 生成伪虚拟政策的交互项进行安慰剂检验。

安慰剂检验结果 (限于篇幅, 图略) 显示, 绿色技术创新质量与绿色技术创新数量的 ESER 估计系数均集

中分布于 0 附近, 绝大多数系数的 P 值高于 0. 1, 且基准回归估计系数处于虚假回归估计结果的高尾位

置, 属于异常值范围。 由此可知, 上文的结论通过了安慰剂检验, 进一步佐证了基准回归结果的稳健性。

(四) 异质性处理效应检验

传统的双向固定效应 (two-way fixed effects, TWFE) 双重差分是识别处理效应最常用的估计方法之

一, 然而, 古德曼-培根 (Goodman-Bacon, 2021) 指出当政策的处理时点不唯一时, TWFE 估计量得到的

估计系数可能会由于处理效应存在异质性而产生偏误[37]

。 此时 ESER 的估计系数不是各处理效应的凸加

权平均和, 即存在 “负权重” 问题, 因此本文接下来通过堆叠双重差分和两阶段双重差分法获取异质性

稳健双重差分估计量。

坚吉兹等 (Cengiz al. , 2019) 提出堆叠双重差分估计量[38]

, 其思想是根据处理时点划分子实验组

别, 在各子实验组别内确定处理组, 并为每一个处理组 n 匹配从未接受处理或尚未接受处理的样本作为控

制组, 再将各子实验组数据合并, 然后利用合并数据集进行估计, 以此得到处理效应的加权平均值[39]

。

堆叠双重差分模型避免了较早接受处理组作为控制组 (也就是 “坏控制组” ) 的问题, 本文根据该方法,

构建模型 (4) 进行检验:

lnYitn

=λin

+μtn

+ ∑k

δk1[t -Ei

= k] +εitn (4)

其中, Ei 即个体 i 接受处理的时点, k 为时点 t 距离政策发生时点的时间间隔, 1[t -Ei

= k] 即为传统

双重差分模型中的时间虚拟变量。 堆叠双重差分结果 (限于篇幅, 正文未显示检验结果, 备索) 显示,

在政策实施之前, 政策变量的估计系数不显著, 处理组与控制组呈现平行的趋势, 但在政策实施之后,

节能减排财政政策显著提升了绿色技术创新质量和数量, 表明本文的研究结论稳健。

本文接下来采用两阶段双重差分法进行稳健性检验, 第一阶段先识别组别效应和时期效应, 然后在

第二阶段将其剔除后, 再对处理变量进行回归, 这种方法适用于被处理的时间是交错的以及处理效应具

有异质性的情况。 表 3 显示无论是否添加控制变量, ESER 的系数均显著为正, 表明节能减排财政政策对

于绿色技术创新质量和绿色技术创新数量有着显著的促进作用, 本文的结论具有稳健性。

表 3 两阶段双重差分法回归结果

变量

lnPI lnPU

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

ESER 0. 193

∗∗ 0. 190

∗∗ 0. 205

∗∗∗ 0. 201

∗∗∗

(0. 083) (0. 078) (0. 073) (0. 067)

控制变量 未控制 控制 未控制 控制

时间固定效应 控制 控制 控制 控制

城市固定效应 控制 控制 控制 控制

(五) 倾向得分匹配-双重差分 (PSM-DID) 法

为了缓解样本选择偏差问题, 本文使用 PSM-DID 进行稳健性检验。 将基准回归中控制变量作为匹配

变量, 采用半径匹配法对样本进行匹配, 通过评定模型 (Logit) 回归估计得出倾向匹配得分, 将与处理

组得分最相近的城市作为对照组。 平衡性检验结果显示, 匹配后的协变量 t 统计值均不显著, 且匹配后的

10

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

标准化偏差的绝对值明显低于 10%, 表明匹配后的实验组与控制组无显著差异。 最后将匹配好的样本进

行双重差分估计。 表 4 的 PSM-DID 回归结果显示, ESER 的估计系数均显著为正, 进一步验证了基准回归

结果。

表 4 PSM-DID 和更换被解释变量回归结果

变量

PSM-DID 更换被解释变量

lnPI lnPU lnPI1 lnPU1

ESER 0. 144

∗∗ 0. 168

∗∗∗ 0. 113

∗∗ 0. 181

∗∗∗

(0. 066) (0. 059) (0. 049) (0. 063)

控制变量 控制 控制 控制 控制

年份固定效应 控制 控制 控制 控制

城市固定效应 控制 控制 控制 控制

观测值 4 820 4 820 4 845 4 845

R

2 0. 479 0. 581 0. 363 0. 548

(六) 更换被解释变量

进一步采取更换被解释变量的方法进行稳健性检验, 分别采用每万人绿色发明专利授权量 ( lnPI1)

和每万人绿色实用新型专利授权量 (lnPU1) 作为代理变量。 表 4 的更换被解释变量回归结果显示, ESER

的系数方向与显著性均无变化, 证明本文研究结论具有一定的稳健性。

(七) 排除其他政策干扰

除节能减排财政政策外, 其他政策也可能对绿色技术创新产生影响, 造成估计结果的偏误。 其中具

有代表性的有智慧城市试点政策和碳排放权交易试点政策, 为剔除其他政策的影响, 本文在基准回归模

型的基础上加入了这两项政策的虚拟变量, 分别用 Did1 和 Did2 表示。 表 5 的回归结果显示, 在考虑其他

政策影响时, 无论被解释变量是绿色技术创新质量还是绿色技术创新数量, ESER 的系数依旧显著为正,

与基准回归结果一致。

表 5 排除其他政策干扰回归结果

变量

lnPI lnPU

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

ESER 0. 162

∗∗ 0. 145

∗∗ 0. 178

∗∗∗ 0. 164

∗∗∗

(0. 073) (0. 068) (0. 063) (0. 058)

Did1 0. 043 0. 047

(0. 037) (0. 031)

Did2 0. 150

∗∗ 0. 134

∗∗

(0. 073) (0. 064)

控制变量 控制 控制 控制 控制

年份固定效应 控制 控制 控制 控制

11

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

表5(续)

变量

lnPI lnPU

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

城市固定效应 控制 控制 控制 控制

常数项 0. 749 0. 657 1. 105

∗ 1. 013

∗

(0. 596) (0. 578) (0. 566) (0. 553)

观测值 4 845 4 845 4 845 4 845

R

2 0. 479 0. 485 0. 582 0. 587

六、 机制检验与异质性分析

(一) 机制检验

1. 科技资源配置效应

本文采用地方政府科技财政支出占一般预算支出的比值来表示财政科技支出强度 (lnTech ), 以衡量

科技资源配置效应。 表 6 各列结果中 ESER 的系数都显著为正, 且绿色发明专利申请和绿色实用新型专利

申请的回归中 ESER 的系数小于基准回归结果的系数, 表明节能减排财政政策可通过增加财政科技支出强

度实现绿色技术创新的 “量质齐升”。 节能减排财政政策充分利用财政资金, 增加财政科技支出强度, 引

导资金流向科技部门, 为绿色技术创新提供资金保障, 同时有效降低企业研发风险, 进而从质量和数量

两个维度促进绿色技术创新, 假设 H2a 得到验证。

表 6 影响机制检验: 科技资源配置效应回归结果

变量 lnTech lnPI lnPU

ESER 0. 012

∗∗ 0. 129

∗∗ 0. 150

∗∗∗

(0. 006) (0. 063) (0. 055)

lnTech 3. 037

∗∗∗ 2. 639

∗∗∗

(0. 372) (0. 291)

控制变量 控制 控制 控制

年份固定效应 控制 控制 控制

城市固定效应 控制 控制 控制

常数项 0. 273

∗∗∗ -0. 128 0. 332

(0. 061) (0. 531) (0. 495)

观测值 4 845 4 845 4 845

R

2

0. 164 0. 542 0. 631

2. 人才集聚效应

人力资本是促进城市绿色技术创新的活跃要素, 本文参考王家庭等 (2023)

[40] 的研究, 选取每万人中

普通高等学校在校生数 (lnHc ) 作为机制变量, 衡量人才集聚效应。 表 7 各列结果中 ESER 的系数都显

12

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

著为正, 且绿色发明专利申请和绿色实用新型专利申请的回归中 ESER 的系数均小于基准回归的系数, 表

明节能减排财政政策可以通过优化人力资本结构, 吸引人才集聚实现绿色技术创新的 “量质齐升”。 节能

减排财政政策可以提升人力资本存量, 进而实现新技术的共享和新知识的传播, 提升绿色产品的研发效

率, 为绿色技术创新质量和数量提供智力支持, 假设 H2b 得到验证。

表 7 影响机制检验: 人才集聚效应回归结果

变量 lnHc lnPI lnPU

ESER 0. 005

∗∗ 0. 124

∗∗ 0. 145

∗∗

(0. 002) (0. 073) (0. 062)

lnHc 9. 062

∗∗∗ 7. 957

∗∗∗

(1. 805) (1. 663)

控制变量 控制 控制 控制

年份固定效应 控制 控制 控制

城市固定效应 控制 控制 控制

常数项 -0. 006 0. 753 1. 098

∗

(0. 021) (0. 598) (0. 577)

观测值 4 845 4 845 4 845

R

2

0. 285 0. 518 0. 612

3. 创新补偿效应

为检验创新补偿效应, 采用城市每万人申请的专利数量来衡量技术创新 ( lnPatent )。 表 8 各列结果

中 ESER 的系数都显著为正, 且绿色发明专利申请和绿色实用新型专利申请的回归中 ESER 的系数小于基

准回归结果, 表明节能减排财政政策可以促进技术创新, 进而实现示范城市绿色技术创新 “量质齐升”。

节能减排财政政策伴随的环境规制增加了企业的治污成本, 倒逼企业加快绿色产品的研发, 大力淘汰落

后产能, 激发创新主体潜力, 为绿色技术创新的 “量质齐升” 注入强大动力, 假设 H2c 得以验证。

表 8 影响机制检验: 创新补偿效应回归结果

变量 lnPatent lnPI lnPU

ESER 0. 120

∗∗ 0. 129

∗∗ 0. 147

∗∗∗

(0. 057) (0. 065) (0. 056)

lnPatent 0. 297

∗∗∗ 0. 289

∗∗∗

(0. 034) (0. 030)

控制变量 控制 控制 控制

年份固定效应 控制 控制 控制

城市固定效应 控制 控制 控制

常数项 -2. 899

∗∗∗ 1. 563

∗∗∗ 1. 891

∗∗∗

(0. 878) (0. 529) (0. 475)

观测值 4 845 4 845 4 845

R

2 0. 825 0. 604 0. 702

13

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

(二) 异质性分析

本文接下来从不同地理区位、 不同城市资源禀赋、 不同金融科技发展水平展开异质性分析。

1. 地理区位异质性

本文将全样本划分为东、 中、 西部地区三个部分, 来考察不同地理位置下节能减排财政政策对绿色

技术创新的异质性影响。 根据表 9 绿色技术创新质量的回归结果, 节能减排财政政策在西部地区城市提升

了绿色技术创新质量, 而对于东部与中部地区城市的绿色技术创新质量无显著影响。 当被解释变量为绿

色技术创新数量时, 节能减排财政政策能够显著提升中部与西部地区城市的绿色技术创新数量, 且这种

促进效应在西部地区城市更加明显, 而对于东部地区城市, 其促进效应不显著。 可能的原因是西部地区

城市的财政资金相比东部和中部地区城市较为匮乏, 金融发展水平落后、 人力资源不够充裕, 在实施试

点政策时绿色技术创新提升空间更大, 促进效应更为显著。 而东部地区城市财政资金比较充裕, 其对绿

色技术创新产生的边际效益较低。

表 9 地理区位异质性分析回归结果

变量

lnPI lnPU

东部 中部 西部 东部 中部 西部

ESER 0. 136 0. 126 0. 171

∗∗ 0. 164 0. 134

∗∗ 0. 154

∗∗

(0. 132) (0. 087) (0. 074) (0. 115) (0. 065) (0. 068)

常数项 1. 700 -2. 221

∗∗∗ 0. 632 0. 864 -1. 351

∗∗∗ 2. 067

∗∗

(1. 473) (0. 579) (0. 593) (1. 389) (0. 475) (0. 798)

观测值 1 700 2 091 1 054 1 700 2 091 1 054

R

2 0. 555 0. 467 0. 573 0. 659 0. 559 0. 679

2. 城市资源禀赋异质性

绿色技术创新水平会因为资源禀赋不同而存在显著差异。 本文以国务院发布的 《全国资源型城市可

持续发展规划 (2013-2020 年) 》 为划分依据, 将 285 个城市分为资源型城市与非资源型城市两种类型。

表 10 分组回归的结果显示, 节能减排财政政策显著推动了非资源型城市绿色技术创新质量和数量增加,

但对资源型城市绿色技术创新质量与数量的影响不显著, 可能的原因是, 资源型城市经济发展存在明显

的资源路径依赖, 因此产业结构较为单一, 且接续替代产业发展滞后, 造成城市可持续发展后劲不足,

高新技术人才也相对匮乏, 绿色技术创新缺乏有力保障。

表 10 城市资源禀赋异质性分析回归结果

变量

lnPI lnPU

资源型城市 非资源型城市 资源型城市 非资源型城市

ESER 0. 049 0. 217

∗∗ 0. 065 0. 237

∗∗∗

(0. 046) (0. 097) (0. 042) (0. 080)

常数项 -0. 259 1. 899

∗ -0. 193 2. 399

∗∗∗

(0. 376) (0. 983) (0. 474) (0. 905)

观测值 1 938 2 907 1 938 2 907

R

2 0. 471 0. 563 0. 569 0. 650

14

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

3. 金融科技水平异质性

不同金融科技水平下节能减排财政政策对绿色技术创新的影响不同。 本文借鉴李春涛等 (2020)

[41]

的做法, 通过 “金融科技” 关键词百度新闻高级搜索, 使用网络爬虫技术获取城市在每一年中发布的新

闻中各个关键词的数量加总取对数获得金融科技发展水平变量 (FT), 并按中位数将样本划分为金融科技

发展水平较高和金融科技发展水平较低两组。 表 11 回归结果显示, 当金融科技发展水平较高时, 节能减

排财政政策能够显著促进绿色技术创新质量和数量; 而当金融科技发展水平较低时, 政策效应均不显著。

可能的原因是, 金融科技的发展不仅能够缓解融资约束, 给予绿色技术创新资金支持, 而且能够有效突

破时空限制, 提高信息传递效率, 进而促进绿色创新成果的转化效率, 与节能减排财政政策达到相辅相

成的效果, 促进绿色技术创新的 “量质齐升”。

表 11 基于金融科技水平的异质性分析回归结果

变量

金融科技发展水平较高 金融科技发展水平较低

lnPI lnPU lnPI lnPU

ESER 0. 225

∗∗∗ 0. 226

∗∗∗ -0. 011 0. 023

(0. 079) (0. 067) (0. 034) (0. 034)

常数项 1. 882

∗∗ 1. 718

∗∗ -0. 339 0. 380

(0. 835) (0. 752) (0. 329) (0. 435)

观测值 2 800 2 800 2 045 2 045

R

2 0. 594 0. 683 0. 448 0. 561

七、 进一步分析: 空间溢出效应检验

上述实证结果表明节能减排财政政策有利于促进绿色技术创新的 “量质齐升”, 那么节能减排财政政

策是否存在空间溢出效应? 接下来, 采用经济距离矩阵作为空间权重矩阵, 运用空间双重差分模型进行

拓展性分析。 经济距离矩阵的每个元素均用城市间样本期实际人均 GDP (以 2003 年为基期) 均值的差距

绝对值的倒数表示。

在进行空间计量分析之前, 本文采用全局莫兰指数检验节能减排财政政策与绿色技术创新的全局空

间相关性。 检验结果显示 (限于篇幅, 结果未在正文显示, 备索), 2003—2019 年绿色技术创新质量与数

量的莫兰指数均显著为正, 表明绿色技术创新质量和数量均存在正向空间关联性。

在选择空间计量模型时, 首先使用 LM 检验, 发现滞后效应和误差效应均显著, 需要采用空间面板

进行分析。 然后进行 LR 检验和 Wald 检验, 结果均表明空间杜宾模型 ( SDM) 不能简化为空间自回归

( SAR) 模型和空间误差模型 (SEM), 接着在空间自相关 ( SAC) 模型与空间杜宾模型之间做出选择,

比较两个模型的 AIC 和 BIC 值, 发现空间自相关模型的 AIC 与 BIC 值较小, 且空间自相关模型的显著性

更好, 因此本文最终选择空间自相关模型进行分析。 表 12 为经济距离矩阵的空间溢出效应结果, 从中可

以看出, 无论被解释变量是绿色技术创新质量还是绿色技术创新数量, 空间自回归系数 ρ 显著为正, 这表

明绿色技术创新存在显著的正向空间关联性。

表 12 空间溢出效应结果

变量

lnPI lnPU

主效应 直接效应 间接效应 总效应 主效应 直接效应 间接效应 总效应

ESER 0. 082

∗∗∗ 0. 111

∗∗∗ 1. 354

∗∗∗ 1. 465

∗∗∗ 0. 097

∗∗∗ 0. 135

∗∗∗ 2. 004

∗∗ 2. 139

∗∗∗

(0. 013) (0. 018) (0. 293) (0. 307) (0. 011) (0. 016) (0. 393) (0. 403)

15

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

表12(续)

变量

lnPI lnPU

主效应 直接效应 间接效应 总效应 主效应 直接效应 间接效应 总效应

ρ 0. 943

∗∗∗ 0. 953

∗∗∗

(0. 009) (0. 008)

λ -0. 627

∗∗∗ -0. 645

∗∗∗

(0. 025) (0. 024)

σ 0. 020

∗∗∗ 0. 015

∗∗∗

(0. 001) (0. 001)

控制变量 控制 控制 控制 控制 控制 控制 控制 控制

年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制

城市固定效应 控制 控制 控制 控制 控制 控制 控制 控制

观测值 4 845 4 845 4 845 4 845 4 845 4 845 4 845 4 845

R

2

0. 127 0. 127 0. 127 0. 127 0. 252 0. 252 0. 252 0. 252

接下来通过求偏微分的方式将主回归分解为直接效应和间接效应。 从表 12 的直接效应估计结果可以

看出, 直接效应为正, 表明节能减排财政政策能够促进本地绿色技术创新, 进一步验证了基准回归结果。

根据间接效应估计结果, 节能减排财政政策的间接效应显著为正, 节能减排财政政策的实施会提升相邻

城市的绿色技术创新质量和数量, 即存在正向空间溢出效应。 试点政策的一个重要目标就是示范城市探

索先行, 形成可推广、 可复制的经验模式, 并通过广播、 电视、 互联网等多种媒体和渠道广泛宣传, 因

此节能减排财政政策的实施使得相邻城市通过模仿学习, 如吸引人才集聚、 提高科技资源配置效率、 驱

动技术创新等手段来促进绿色技术创新, 形成良好的示范效应。

八、 研究结论及政策建议

准确评估节能减排财政政策对绿色技术创新的影响, 对于中国实现低碳转型发展具有重要意义。 本

文以 2003—2019 年中国 285 个地级市面板数据为研究样本, 将 “节能减排财政政策综合示范城市” 试点

视为准自然实验, 运用多期双重差分法, 系统考察了节能减排财政政策对绿色技术创新质量和数量的

影响机制, 得出如下研究结论:

第一, 节能减排财政政策提升了示范城市绿色技术创新质量与数量, 具有 “量质齐升” 效应, 这

一结论在一系列稳健性检验后依然成立。

第二, 中介效应分析表明, 节能减排财政政策主要通过财政支持的科技资源配置效应、 人才集聚

效应以及环境规制的创新补偿效应实现示范城市绿色技术创新的 “量质齐升” 。

第三, 异质性分析发现, 在西部地区城市、 非资源型城市、 金融科技发展水平较高城市, 节能减

排财政政策更能提升绿色技术创新质量与数量。

第四, 节能减排财政政策不仅促进了本地的绿色技术创新, 而且对邻近城市的绿色技术创新具有

正向空间溢出效应。

基于以上研究结论, 提出如下政策建议:

第一, 进一步扩大试点范围, 充分发挥节能减排财政政策对绿色技术创新的激励效应。 应该及时总

结示范城市的积极经验, 形成可复制可推广的典型经验。 同时继续扩大示范城市建设工作的范围和领域,

牢牢抓住节能减排财政政策的重点任务和重大项目的实施, 充分完善节能减排财政政策体系, 积极探索

16

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

节能减排长效机制, 大力培育节能环保市场, 持续推动城市绿色技术创新, 从而实现节能减排、 低碳经

济转型的目标。

第二, 打好财政支持与环境规制的 “组合拳”, 构建财政支持与环境规制等多维路径协同共进的绿色

技术创新发展新模式。一方面, 充分发挥财政支持的科技资源配置效应与人才集聚效应, 积极整合各级

政府节能减排资金, 推动财政资金 “精准滴灌”, 加大对科研经费投入和补贴力度, 强化财政资金对人才

的支撑作用, 提高财政资金的使用效益。 另一方面, 要继续强化环境规制的创新补偿效应, 建立科学有

效的绩效考核体系, 形成环境目标约束机制, 从而倒逼企业提高研发效率, 为城市打造良好的创新环境,

提升绿色技术创新质量和数量。

第三, 根据不同城市特征, 因地制宜制定差异化策略, 同时构筑政府与金融机构等主体促进城市绿

色技术创新的协同力。 应继续加强西部地区城市节能减排财政政策的实施, 对于资源型城市, 应积极制

定财税优惠与人才奖励政策, 财政资金可适当向资源型城市倾斜, 提高资源型城市科技资源配置效率。

此外, 对于金融科技发展水平较低的城市, 应该加快完善金融科技服务平台建设, 降低金融科技行业的

门槛, 构建财政金融协同联动机制, 为绿色技术创新提供有利的融资环境。

第四, 推动城市之间跨区域合作, 统筹协调发挥示范城市带动作用。 应加强城市间人才、 科技、 创

新等要素的流动, 拓宽城市间绿色技术先进发展经验交流的渠道, 不断放大试点政策的外溢效应, 坚持

“以点带面, 点面结合” 的政策导向, 加快形成区域间协同互补的绿色技术创新格局。

参考文献:

[1]RENNINGS K. Redefining innovation—eco-innovation research and the contribution from ecological economics[ J]. Ecological Economics,

2000, 32(2): 319-332.

[2]刘昆. 深入推进节能减排财政政策综合示范[J]. 中国财政,2015(5):10-13.

[3]陈诗一,祁毓. “双碳”目标约束下应对气候变化的中长期财政政策研究[J]. 中国工业经济,2022(5):5-23.

[4]LIN B Q, ZHU J P. Impact of energy saving and emission reduction policy on urban sustainable development: empirical evidence from China

[J]. Applied Energy, 2019, 239: 12-22.

[5]薛飞,陈煦. 绿色财政政策的碳减排效应———来自“节能减排财政政策综合示范城市”的证据[J]. 财经研究,2022,48(7):79-93.

[6]田淑英,孙磊,许文立,等. 绿色低碳发展目标下财政政策促进企业转型升级研究———来自“节能减排财政政策综合示范城市”试点的

证据[J]. 财政研究,2022(8):79-96.

[7]LEY M, STUCKI T, WOERTER M. The impact of energy prices on green innovation[J]. The Energy Journal, 2016, 37(1): 41-75.

[8]李青原,肖泽华. 异质性环境规制工具与企业绿色创新激励———来自上市企业绿色专利的证据[J]. 经济研究,2020,55(9):192-208.

[9]康鹏辉,茹少峰. 环境规制的绿色创新双边效应[J]. 中国人口·资源与环境,2020,30(10):93-104.

[10]王班班,齐绍洲. 市场型和命令型政策工具的节能减排技术创新效应———基于中国工业行业专利数据的实证[ J]. 中国工业经济,

2016(6):91-108.

[11]范丹,孙晓婷. 环境规制、绿色技术创新与绿色经济增长[J]. 中国人口·资源与环境,2020,30(6):105-115.

[12]BLACKMAN A, LI Z Y, LIU A A. Efficacy of command-and-control and market-based environmental regulation in developing countries[J].

Annual Review of Resource Economics, 2018, 10: 381-404.

[13]林春艳,宫晓蕙,孔凡超. 环境规制与绿色技术进步:促进还是抑制———基于空间效应视角[J]. 宏观经济研究,2019(11):131-142.

[14]董直庆,王辉. 环境规制的“本地—邻地”绿色技术进步效应[J]. 中国工业经济,2019(1):100-118.

[15]欧阳晓灵,张骏豪,杜刚. 环境规制与城市绿色技术创新:影响机制与空间效应[J]. 中国管理科学,2022,30(12):141-151.

[16]陶锋,赵锦瑜,周浩. 环境规制实现了绿色技术创新的“增量提质”吗———来自环保目标责任制的证据[ J]. 中国工业经济,2021(2):

136-154.

[17]DU G, YU M, SUN C W, et al. Green innovation effect of emission trading policy on pilot areas and neighboring areas: an analysis based on

the spatial econometric model[J]. Energy Policy, 2021, 156: 112431.

[18]徐佳,崔静波. 低碳城市和企业绿色技术创新[J]. 中国工业经济,2020(12):178-196.

[19]齐绍洲,林屾,崔静波. 环境权益交易市场能否诱发绿色创新? ———基于我国上市公司绿色专利数据的证据[ J]. 经济研究,2018,53

(12):129-143.

17

2023 年第 5 期 郑兰祥, 郭娟, 郑飞鸿: 节能减排财政政策促进了绿色技术创新的 “量质齐升” 吗?

[20]王馨,王营. 绿色信贷政策增进绿色创新研究[J]. 管理世界,2021,37(6):173-188,11.

[21]郑威,陆远权. 财政压力、政府创新偏好与城市创新质量[J]. 财政研究,2021(8):63-76.

[22]LEE C Y. The differential effects of public R&D support on firm R&D: theory and evidence from multi-country data[J]. Technovation, 2011,

31(5 / 6): 256-269.

[23]BROWN J R, PETERSEN B C. Cash holdings and R&D smoothing[J]. Journal of Corporate Finance, 2011, 17(3): 694-709.

[24]戴魁早,骆莙函. 环境规制、政府科技支持与工业绿色全要素生产率[J]. 统计研究,2022,39(4):49-63.

[25]徐军海,黄永春. 科技人才集聚能够促进区域绿色发展吗[J]. 现代经济探讨,2021(12):116-125.

[26]GARDAS B B, MANGLA S K, RAUT R D, et al. Green talent management to unlock sustainability in the oil and gas sector[J]. Journal of

Cleaner Production, 2019, 229: 850-862.

[27]赵领娣,张磊,徐乐,等. 人力资本、产业结构调整与绿色发展效率的作用机制[J]. 中国人口·资源与环境,2016,26(11):106-114.

[28]PORTER M E, VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship[J]. Journal of Economic Perspectives, 1995, 9(4): 97-118.

[29]张家豪,范文雨,高原. 环境司法制度改革与地方绿色创新———来自公益诉讼试点的证据[J]. 财经研究,2022,48(10):19-33.

[30]何凌云,祁晓凤. 环境规制与绿色全要素生产率———来自中国工业企业的证据[J]. 经济学动态,2022(6):97-114.

[31]余泳泽,林彬彬. 偏向性减排目标约束与技术创新———“ 中国式波特假说” 的检验[ J]. 数量经济技术经济研究,2022,39 ( 11):

113-135.

[32]王营,冯佳浩. 绿色债券促进企业绿色创新研究[J]. 金融研究,2022(6):171-188.

[33]黎文靖,郑曼妮. 实质性创新还是策略性创新? ———宏观产业政策对微观企业创新的影响[J]. 经济研究,2016,51(4):60-73.

[34]宋德勇,李超,李项佑. 新型基础设施建设是否促进了绿色技术创新的“量质齐升”———来自国家智慧城市试点的证据[ J]. 中国人

口·资源与环境,2021,31(11):155-164.

[35]陈斌,李拓. 财政分权和环境规制促进了中国绿色技术创新吗? [J]. 统计研究,2020,37(6):27-39.

[36]佘硕,王巧,张阿城. 技术创新、产业结构与城市绿色全要素生产率———基于国家低碳城市试点的影响渠道检验[ J]. 经济与管理研

究,2020,41(8):44-61.

[37]GOODMAN-BACON A. Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277.

[38]CENGIZ D, DUBE A, LINDNER A, et al. The effect of minimum wages on low-wage jobs[J]. The Quarterly Journal of Economics, 2019,

134(3): 1405-1454.

[39]刘冲,沙学康,张妍. 交错双重差分:处理效应异质性与估计方法选择[J]. 数量经济技术经济研究,2022,39(9):177-204.

[40]王家庭,袁春来,刘子杰. “生态锦标赛”有利于绿色全要素生产率提升吗? ———来自文明城市评选的经验证据[J]. 管理学刊,2023,

36(1):16-32.

[41]李春涛,闫续文,宋敏,等. 金融科技与企业创新———新三板上市公司的证据[J]. 中国工业经济,2020(1):81-98.

18

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

Does the Energy Saving and Emission Reduction Fiscal Policy Promote the

Quantity and Quality of Green Technology Innovation?

ZHENG Lanxiang

1

, GUO Juan

1

, ZHENG Feihong

2

(1. Anhui University, Hefei 230601;

2. Hefei University, Hefei 230601)

Abstract: This paper discusses the impact of the energy saving and emission reduction fiscal policy on green

technology innovation and its mechanism, which is of great significance for summarizing and promoting relevant experience of demonstration cities and promoting low-carbon economic transformation.

Based on the panel data of 285 cities in China from 2003 to 2019, the paper uses the “comprehensive demonstration cities of energy saving and emission reduction fiscal policy” as a quasi-natural experiment, and examines

the impact of the energy saving and emission reduction fiscal policy on green technology innovation and its mechanism by constructing a difference-in-differences (DID) model with multiple time periods. The results show that the

energy saving and emission reduction fiscal policy significantly improves the quality and quantity of green technology

innovation in demonstration cities, and this conclusion is still valid under a series of robustness tests such as staggered DID and two-stage DID. The analysis of mediating effect shows that the energy saving and emission reduction

fiscal policy improves the quality and quantity of green technology innovation in demonstration cities through the

“scientific and technological resource allocation effect” and “talent agglomeration effect” of financial support and

the “innovation compensation effect” of environmental regulation. The heterogeneity analysis shows that there are

significant differences in the impact of the energy saving and emission reduction fiscal policy on green technology innovation among cities of different geographical locations, resource endowments, and Fintech levels. Further analysis shows that the energy saving and emission reduction fiscal policy has a positively spatial spillover effect on green

technology innovation in neighboring cities.

The marginal contributions of this paper are as follows. First, the impact of the energy saving and emission reduction fiscal policy on green technology innovation is evaluated from dimensions of “quality” and “quantity,” enriching relevant research on effects of the energy saving and emission reduction fiscal policy. Second, it reveals the

mechanism of the influence of the energy saving and emission reduction fiscal policy on green technology innovation, and verifies the mechanism of “scientific and technological resource allocation,” “talent agglomeration” and

“innovation compensation” from perspectives of financial support and environmental regulation, which provides a

path for improving policy effects. Third, the staggered DID and the two-stage DID are used to reduce the heterogeneity of the treatment effect that may be caused by the negative weight of the staggered DID model.

Keywords: energy saving and emission reduction fiscal policy; green technology innovation; effect of scientific and technological resource allocation; effect of talent agglomeration; effect of innovation compensation

(责任编辑: 周 斌)

19

第 25 卷 第 5 期

2023 年 9 月

首都经济贸易大学学报 (双月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 002

数字基础设施对地方财政可持续的

影响机制及效果研究

宋美喆1

, 胡丕吉2

(1. 湖南财政经济学院 财政金融学院, 湖南 长沙 410205;

2. 中国人民银行长沙中心支行 金融研究处, 湖南 长沙 410005)

收稿日期: 2023-02-28; 修回日期: 2023-06-18

基金项目: 国家社会科学基金青年项目 “地方财政策略互动对城市群要素市场一体化的影响及优化对策研究” (21CJY009)

作者简介: 宋美喆 (1986—), 女, 湖南财政经济学院副教授, 通信作者; 胡丕吉 (1977—), 男, 中国人民银行长沙中心支行金融研

究处职员。

摘 要: 以智慧城市试点政策的实施作为准自然实验, 采用渐进双重差分模型研究数字基础设施对

地方财政可持续的现实影响。 研究结果显示, 数字基础设施对地方财政可持续的影响以正向为主导, 具

有逐年递增的特征, 且呈现异质性, 在高创新水平、 高人口规模、 高人力资本的城市表现更为突出。 机

制检验结果表明, 数字基础设施通过促进产业结构升级、 刺激公众消费需求、 提高财政支出绩效等渠道

发挥积极作用, 但也会弱化政府征税能力、 造成税收流失, 对地方财政可持续发展产生负面影响。 同时,

投资冲动的影响效应不显著, 使得数字基础设施通过强化投资冲动作用于地方财政可持续的机制被中断。

进一步的分析结果显示, 数字基础设施建设具有空间溢出性, 能够带动地理距离相近和经济发展水平类

似的城市提高财政可持续性。 据此, 从有序引导社会资本投入、 搭建财税领域的智能网络平台、 推动产

业和消费升级、 发挥先行城市的辐射带动作用等方面提出政策建议。

关键词: 数字基础设施; 地方财政可持续; 智慧城市试点; 产业结构; 消费需求; 财政支出绩效;

征税能力; 投资冲动

中图分类号: F812. 7; F492. 3 文献标识码: A 文章编号: 1008-2700 (2023) 05-0020-16

一、 问题提出

财政是国家治理的基础和重要支柱, 在保障经济社会高质量发展中发挥着稳定器和调节器的功能,

而功能实现的前提在于财政自身保持良好的可持续发展态势。 当前中国经济发展的内外部环境正在发生

深刻变化, 不确定性、 不稳定性明显增加。 宏观经济下行压力加大, 增速逐渐放缓。 与之相对应, 财政

运行的环境也在改变, 地方财政可持续发展面临着较大挑战。一方面, 近年来持续推进的一系列减税降

费措施起效, 加之土地财政难以持续, 财源基数有所缩减, 这在客观上对财政收入造成了一定的负面冲

击。 另一方面, 人口老龄化、 积极财政政策的实施增加了财政支出压力, 社保、 医疗卫生等支出持续攀升。

这两方面的因素叠加, 使得地方财政收支矛盾日益加剧, “财政疲劳” 现象凸显, 财政风险加速集聚。

随着移动互联网和物联网的蓬勃发展, 数字经济作为一种新的经济形态, 已成为推进中国新发展格

局形成的重要引擎。 数字基础设施优化了创新环境, 催生了大量技术创新、 产品创新、 组织结构创新,

20

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

加速了产业数字化转型, 通过影响政府决策、 企业生产经营、 居民消费等作用于实体经济运行与财政收

支关系, 从底层末梢改变地方财政基础, 直接影响其可持续性。

智慧城市发轫于数字化技术、 信息化技术等前沿科技, 涉及物联网、 云计算、 5G 等新兴技术业态。

数字基础设施贯穿于智慧城市建设的本末, 并为城市创新的主体及对象赋能, 通过互联网将城市公共资

源联系起来, 利用大数据精准分配资源, 实现了云计算的集约化、 规模化应用, 以此推动城市规划、 建

设和服务的质效大幅提升。 智慧城市建设与数字基础设施推进的顶层设计和实践工作高度一致, 被视为

数字基础设施完善的一项先行探索和有益尝试。 那么, 在数字经济时代, 数字基础设施建设能否促进地

方财政可持续发展, 其中有着怎样的逻辑联系? 为回答上述问题, 同时考虑到可能存在的内生性偏误,

本文以智慧城市试点政策的实施作为外生冲击, 通过双重差分 (DID) 法实证检验数字基础设施对地方财

政可持续的影响机制及效果。

随着数字技术和实体经济深度融合, 厘清数字基础设施对地方财政可持续的影响机制尤为重要。 本

文试图揭示数字基础设施对地方财政可持续的影响效应和机制, 并用实证方法加以检验, 以丰富有关

数字基础设施影响效应和财政可持续影响因素的研究文献。 在政策层面上, 本文为决策部门进一步加

强数字基础设施建设、 实现财政体系良性运转、 提升地方财政可持续发展水平提供了有力的理论和实

证支持。

与已有文献相比, 本文的边际贡献在于: 第一, 将数字基础设施与财政可持续置于统一的分析框架,

理论分析和实证检验前者对后者的多重影响机制, 打开数字基础设施与地方财政可持续之间关系的黑箱。

同时, 从创新水平、 人口规模、 人力资本水平三个角度出发, 探讨不同城市类型下影响的异质性。 第二,

为缓解内生性问题, 将智慧城市试点政策外生冲击作为数字基础设施发展状况的代理变量, 构建渐进 DID

模型评估政策实施的财政效应, 识别数字基础设施对地方财政可持续的影响机制。

本文其他部分安排如下: 第二部分为文献综述, 第三部分系统阐述数字基础设施影响地方财政可持

续的作用机制, 第四部分介绍实证研究设计, 第五部分实证检验数字基础设施对地方财政可持续的影响,

第六部分给出研究结论与政策建议。

二、 文献综述

数字经济对经济社会的支撑效应日益显现, 逐渐成为学术界的关注热点。 已有研究多是将数字基

础设施作为数字经济水平的一个衡量层面, 主观选取指标构建数字经济综合指数, 从实证层面讨论数

字经济的影响效应。 大部分学者肯定了数字经济的积极意义, 认为数字经济能够挖掘人力资本潜力、

引领新部门发展、 赋能创新发展[1]

, 提升就业水平[2]

, 加快产业新旧动能转换、 推动产业升级[3]

, 释

放居民消费潜力[4]

, 从而有助于促进经济高质量发展。 但也有学者认为数字经济可能产生数字鸿沟,

在一定条件下不利于缩小收入差距[5]

, 造成环境恶化[6]

。 在数字经济的财税效应方面, 有学者从理论

层面分析了数字经济发展对现有税收制度的挑战, 并指出其有损财政自立性[7]

, 侵蚀消费地税收[8]

。

艾华等 (2021) 、 刘建民等 (2021) 、 邓达等 (2021) 、 向钰和赵静梅 (2023) 分别使用固定效应模型

和空间计量模型考察了数字经济对税收、 财政可持续的影响效应[9-12]

。 另外, 还有学者探讨了数字基

础设施的影响, 具体涉及技术创新[13]

、 企业全要素生产率[14]

、 服务业结构升级[15] 等方面。 现有研究

在数字基础设施的衡量上受限于数据可得性, 过于依赖互联网普及率等传统指标, 难以反映数字基础

设施的全貌, 且因果识别面临一定的内生性问题。

数字基础设施与智慧城市试点政策的实施密切相关, 已有研究采用 DID 方法和合成控制法估计了智

慧城市试点政策对公共服务水平[16]

、 绿色低碳发展[17]

、 地区出口[18]

、 城市创新[19] 等方面的影响, 主要

关注政策实施的经济效应和环境效应, 肯定了智慧城市试点政策对数字经济发展的有效推动, 指出这一

试点政策可以通过降低信息不对称、 提高知识技术的传播效率、 优化资源配置效率等途径发挥积极作

用, 但是鲜有文献考察智慧城市试点政策的财政效应, 分析其对地方财政收支及可持续性的影响和内

21

2023 年第 5 期 宋美喆, 胡丕吉: 数字基础设施对地方财政可持续的影响机制及效果研究

在机理。

财政可持续是保持经济稳定运行的重要保障, 如何科学界定财政可持续性并识别其影响因素是学者

们研究的主要议题。 比特 (Buiter, 1985) 首次定义了财政可持续, 指出财政可持续是财政支出能够持续

被财政收入弥补的能力, 反映了财政的存续状态[20]

。 在此基础上, 已有文献从财政收支平衡、 筹资能力、

偿债能力等角度丰富了财政可持续的内涵, 并基于财政收支、 盈余或赤字、 政府债务等指标进行测度。

从影响因素来看, 已有文献聚焦于财政体制、 金融政策、 人口结构等。 学者们认为分权体制之下的财政

支出竞争和税收竞争[21]

、 结构性减税[22]

、 中央转移支付[23] 是影响财政可持续的重要财政因素, 显著改

善了地方财政的可持续状况。 在金融因素方面, 博里奥等 (Borio et al., 2016)、 封北麟 (2022) 发现金

融扩张与收缩可能会误导政府和公众对经济形势的判断, 引发经济波动, 影响财政收支平衡[24-25]

。 刘建

国和苏文杰 (2022) 从调节效应和门槛效应的角度实证检验了金融发展、 金融错配对财政可持续影响的

主要机制[26]

。 在人口因素方面, 大部分研究的结论都表明人口老龄化不利于地方财政可持续[27]

。 影响财

政可持续性的因素复杂多变, 已有文献大都忽视了数字经济这一重要背景, 对数字基础设施因素的影响

效应讨论还不够充分。

综上所述, 已有研究评估了数字经济对技术创新、 产业结构、 居民消费等方面的影响, 并将财政因

素、 金融因素、 人口因素等作为切入点考察财政可持续发展的路径, 取得了丰富的成果, 为本文研究奠

定了坚实的基础。 但从内容来看, 有关数字经济尤其是其中的数字基础设施对地方财政可持续影响的探

讨还较为缺乏, 未能系统揭示其背后的传导机制; 有关智慧城市试点政策对地方财政影响的文献还较为

鲜见。 从方法来看, 采用传统模型和指标实证检验各类宏观因素对财政可持续的影响可能会导致估计

上的偏误, 无法较好解决因遗漏变量和反向因果造成的内生性问题。 有鉴于此, 本文从数字基础设施

这一因素入手探讨其对地方财政可持续的影响效应和机制, 以智慧城市试点政策作为准自然实验, 构

建渐进 DID 模型, 实证检验数字基础设施对地方财政可持续的影响, 并进一步探讨其影响的异质性和

作用机制。

三、 理论机制与研究假设

财政可持续的本质在于财政收支之间能够维持长期且稳定的均衡关系, 即收入能够满足支出, 财政

职能的实现有持续的财力保障。 数字基础设施主要是通过财政收入端和财政支出端两大渠道对地方财政

可持续产生多维度的影响。

(一) 数字基础设施对地方财政可持续的积极影响

数字基础设施通过产业结构渠道产生正向影响。 数字基础设施可以优化升级产业结构, 促进宏

观经济总量增长, 为财政体系良性运转打下坚实基础。 以数字化技术和平台为支撑, 新技术的产业

应用催生出大量创新业态, 延伸了产业链条。 根据古典分配理论, 要素价格或收益率取决于要素配

置效率。 在要素自由流动的情况下, 数字基础设施带动高端装备制造、 生物医药等相关产业快速发

展, 而要素效率提高会促使更多的高端人才、 资本等要素流入这类产业, 产业份额和重要程度持续

上升[ 3]

, 进而实现产业结构不断升级。 同时, 传统产业与信息技术深度融合, 对产业进行数字化、

智能化改造, 升级落后的生产技术和工艺, 又会激发产业内生动能, 增加产品附加值, 为税收作出

更大贡献。

数字基础设施通过消费需求渠道产生正向影响。 数字基础设施可以提供更好的消费环境、 刺激公众

消费、 增加财政收入, 促进财政的可持续发展。 从供给面来看, 数字基础设施能够助力企业升级产品质

量, 并将原来的不可贸易品转化为可贸易品, 如在线教育、 在线医疗等[28]

, 拓宽消费种类, 推动公众消

费升级。 企业利用大数据技术可以对公众的消费特征进行分析, 推送相关的产品和服务, 为公众搜集信

息节约成本, 满足公众个性化、 多样化的消费需求, 提升公众的消费意愿。 从需求面来看, “网红经济”

“直播经济” 方兴未艾, 引领着数字消费新趋势, 促进了支付方式便捷化, 拓宽了消费渠道, 改善了公众

22

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

的消费体验[4]

, 增加了公众的消费频率及金额。 消费的增加在拉动经济增长的同时, 既扩大增值税的课

税税基, 又提高企业应缴的所得税, 从而促进财政收入增长。

数字基础设施通过财政支出绩效渠道产生正向影响。 数字基础设施涵盖了数据接入、 存储、 计算、

管理、 使用等领域, 有助于实现政府部门间的信息联动与工作协同, 打造开放共享的数据生态环境,

加快 “数字政府” 建设步伐, 进而提高财政支出绩效, 改善财政可持续状况。一方面, 通过吸纳整合

各类数据资源, 并对其深度挖掘、 加工与运算, 地方政府能够精准地根据公众需求生成用户画像, 有

针对性地提供各类公共服务, 破解公共服务供需不匹配、 管理不精准等痼疾[16]

。 另一方面, 数字基础

设施能够助力政务系统的开发与应用, 再造政务流程, 简化政务程序, 可以推进政务服务的标准化

与智慧化, 推进政府治理体系与治理能力的现代化, 降低行政管理成本, 减少不必要的财政资金浪

费。 此外, 随着多样化信息平台的搭建, 公众了解政府财政收支状况的渠道与手段增多, 在外部监

督加强的前提下, 政府官员的问责约束机制更加易于实现[ 12]

, 官员在财政资金的使用上也会更加科

学谨慎。

数字基础设施通过征税能力渠道产生正向影响。 数字基础设施带来了税收征管的数字化变革, 提升

了税务部门的征税能力和效率, 进而增强地方财政的可持续性。 在 “以数治税” 理念的推动下, 依托云

平台、 以算法为引擎, 涉税信息收集和处理的新技术在税收征管领域得到空前发展。 大数据、 人工智能

深度融入税务管理、 征收、 风险预警、 税务稽查、 税务执法等环节, 使税务部门能够及时发现税收征管

风险点, 对其加以控制并进行 “靶向” 应对, 从而减少漏洞、 节约征管成本、 降低税收流失率、 增加税

收收入。 数字基础设施也可以推动税务部门组织结构的优化, 消除前后台、 线上线下的隔阂, 使其向着

横向集约化、 纵向扁平化的方向发展, 更好地适应新时代税收征管工作的需要。

(二) 数字基础设施对地方财政可持续的消极影响

数字基础设施通过投资冲动渠道产生负向影响。 数字基础设施具有基础性、 外部性等特点, 建设

发展需要财政资金支持, 如果规模过度膨胀, 则易引发财政失衡。 由于数字经济强大的抗冲击能力和

韧性, 中央层面多次强调加快推进数字经济及数字基础设施建设。 在中国式分权理论框架下, 地方政

府受到经济增长和政治晋升双重动机的驱使, 很可能脱离对当地实际的理性考量, 采取急功近利、 大

干快上的做法, 将数字经济作为新一轮区域竞争的主战场, 背离比较优势原理, 超前布局数字经济,

过度投资数字基础设施建设[11]

。 若本地区规划的科学性不足或者地区间缺少有力协调, 则各地发展数

字经济的竞争极易陷入失序状态, 而地方政府对人才、 资本等关键要素的激烈争夺, 势必加大财政支

出和债务压力, 对财政可持续构成潜在威胁。

数字基础设施通过征税能力渠道产生负向影响。 在大数据广泛应用基础上发展起来的平台经济、

跨境电商等改变了传统贸易模式, 冲击了现有税制框架与税收治理, 使税收征管面临巨大挑战。 线上

交易渠道具有虚拟化、 形态隐匿化等特征, 导致征税范围界定模糊, 给税务部门确定纳税时间、 地点

等造成困难, 部分隐性税源游离在征管范围之外[29]

, 也为纳税人的偷逃税提供了弹性空间, 加大了税

务部门的监管成本和税收流失的风险, 弱化其征税能力。 此外, 数字化经济集聚发展激活了当地经济,

使地方财政收入跨越式增长成为可能, 为引进和留住更多的数字基础设施供应企业, 地方政府可能会

放松税收征管, 给予企业过度的税收返还[30]

, 这无疑将加剧税收流失, 拉大财政收支缺口, 对财政的

可持续产生负面影响。

综合上述分析, 本文在理论层面提出的数字基础设施对地方财政可持续的影响机制如图 1 所示。

基于数字基础设施的不确定影响效应, 本文提出对立性的两个研究假设:

假设 1: 数字基础设施有助于地方财政可持续发展, 以正向作用为主导。

假设 2: 数字基础设施不利于地方财政可持续发展, 以负向作用为主导。

总的来说, 数字基础设施对地方财政可持续的影响具有双面性, 且取决于收入端与支出端的作用对

比, 实际影响如何还需要通过后续的实证分析来探讨。

23

2023 年第 5 期 宋美喆, 胡丕吉: 数字基础设施对地方财政可持续的影响机制及效果研究

B





-

@



3ffi

$\"BL!

/6

P4

B

/6 /\"

$0

BF\"B

K/\"

3\"

J

PF4(

B

KB

B

KB



B





4

图 1 数字基础设施对地方财政可持续的影响机制

四、 研究设计

(一) 模型构建

智慧城市建设的重要内容是基于物联网、 云计算、 5G 网络等新一代信息技术以及社交网络、 综合集

成法等, 整合信息资源、 统筹业务系统, 从而营造有利于创新涌现的生态, 实现全面透彻的感知、 宽带

泛在的互联、 智能融合的应用, 促进城市规划、 建设、 管理和服务的智慧化[19]

。 为探索智慧城市发展的

科学方式, 住房和城乡建设部办公厅于 2012 年正式发布了关于开展国家智慧城市试点工作的通知, 印发

了 《国家智慧城市试点暂行管理办法》 和 《国家智慧城市 (区、 镇) 试点指标体系 (试行) 》 两个文

件, 确定了试点实施方案。 2014 年中共中央、 国务院印发 《国家新型城镇化规划 (2014—2020 年) 》,

将强化信息基础设施、 促进规划管理信息化、 基础设施智能化等作为智慧城市建设工作的重要内容, 标

志着智慧城市正式上升为国家战略。 进一步, 中国将物联感知、 网络通信、 公共信息数据库等相关内容

纳入智慧城市的标准体系, 并从供给端发力, 为智慧城市的建设工作提供专项资金支持, 通过政策引导

推动通信基站、 工业互联网、 大数据中心等基础设施的建设[18]

, 促使城市不同部门和不同系统之间实现

信息共享和协同作业, 为城市治理与运营提供更高效灵活的决策支持。 可以预见, 在目标驱动与政策倾

斜的双重作用下, 智慧城市试点城市与非试点城市相比, 数字基础设施水平将明显提升, 可以将智慧城

市试点政策的实施作为数字基础设施完善的自然实验冲击[14]

。 2012 年住房和城乡建设部公布了首批智慧

城市试点名单, 共有 90 个城市入选; 2013 公布了第二批试点名单, 共有 103 个城市入选; 2014 公布了第

三批试点名单, 共有 97 个城市入选。 试点中包括浙江、 广东等东部地区经济发达的城市, 也涵盖了江西、

贵州、 云南、 西藏等中西部地区经济相对落后的城市, 涉及面较广, 建设规模较大, 并且不是以财政可

持续水平为选取标准, 从而保证了试点政策的外生性。 此外, 本文在回归分析中加入了一系列控制变量,

尽可能规避自选择偏误带来的内生性问题。

因不同城市入选智慧城市试点名单的时间不同, 因此不能采用统一设置处理时间的传统 DID 方法, 而需

要采用相对较灵活的渐进 DID 方法, 将处理组虚拟变量和改革时点虚拟变量交乘。 本文设置回归模型如下:

Fisit

= α1

+ β1Digit

+ ∑ckControl

kit

+ φ1i

+ δ1t

+ ε1it (1)

其中, i、 t 分别表示城市和年份; Fis 表示被解释变量地方财政可持续程度, Dig 表示核心解释变量

数字基础设施, Control

k 表示第 k 个影响地方财政可持续的控制变量。

中介效应模型存在着估计偏误, 若将所有变量 (机制变量和核心解释变量) 都纳入模型中进行回归,

则此时机制变量是一种典型的 “坏” 控制变量, 而控制住机制变量后, 将得不到核心解释变量的一致估

计[31]

。 本文根据江艇 (2022)

[31] 的建议, 在机制检验中, 第一步检验核心解释变量对机制变量的影响,

第二步检验机制变量对地方财政可持续的影响, 设置回归模型如下:

24

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

Mechit

= α2

+ β2Digit

+ ∑ckControl

kit

+ φ2i

+ δ2t

+ ε2it (2)

Fisit

= α3

+ β3Mechit

+ ∑ckControl

kit

+ φ3i

+ δ3t

+ ε3it (3)

其中, Mech 表示数字基础设施对地方财政可持续影响的机制变量; φ1i、 φ2i、 φ3i 是不随时间变化的个

体固定效应, δ1t、 δ2t、 δ3t 是不随个体变化的时间固定效应, ε1it、 ε2it、 ε3it 表示随机扰动项。

(二) 指标选取

1. 被解释变量

被解释变量为地方财政可持续程度 (Fis), 借鉴向钰和赵静梅 (2023)

[12]

、 李建军和王鑫 (2018)

[32]

的做法, 用一般公共预算财政收支的差额与地区生产总值之比衡量。 该指标能够直观反映当期财政收支

状况之间的差异, 表明了财政创收能力超出支出义务的相对份额, 其值越大, 越能够适应具有高度灵活

性和不确定性的经济社会环境和服务需求, 说明财政可持续性程度越高[33]

。

2. 核心解释变量

核心解释变量为数字基础设施的完善 (Dig), 将智慧城市试点政策实施的外生冲击作为指标表示,

若第 i 个城市在第 t 年入选智慧城市试点名单则赋值为 1, 否则赋值为 0。 当试点名单公布时间在 6 月份之

前, 则认为当年是改革年份, 在 6 月份之后认为下一年是改革年份。

3. 机制变量

产业结构 (Ind)。 产业结构的优化是产业整体质量和效率从低水平状态向高水平演进的过程, 故使

用产业结构高级化指数对此进行衡量。 计算公式为: Ind =∑

3

m = 1

ymit

× lpmit, ymit 表示 i 城市第 m 个产业在第 t

年的增加值占地区生产总值的比重, lpmit 表示 i 城市第 m 个产业在第 t 年的劳动生产率, 即产业增加值与

就业人数之比。

消费需求 (Con), 用人均社会消费品零售额表示。

财政支出绩效 (Exp), 使用数据包络分析 (DEA) 方法进行测算。 其中, 投入指标是人均财政支出;

产出指标从教育、 文化、 医疗卫生、 基础设施方面选取, 具体包括每万人高等学校教师数、 每万人中学

教师数、 每万人小学教师数、 人均公共图书馆藏书量、 每万人执业或助理医师数、 每万人医疗卫生机构

床位数、 人均拥有绿地面积、 人均排水管道长度。

投资冲动 (Inv)。 地方政府通常以直接出资或通过政策吸引企业出资的间接方式参与投资建设, 基本

主导了当地的固定资产投资。 同时, 数字基础设施需要以通信设备、 电网等领域的固定资产投资作为支

撑, 对于细分领域的固定资产投资额大部分城市都缺乏统计数据。 本文参照郭月梅等 (2019)

[34] 的研

究, 以全社会固定资产投资与地区生产总值之比作为代理指标。

征税能力 (Tax), 借鉴刘怡和刘维刚 (2015)

[35]

、 邓明 (2020)

[36] 采用的税柄回归法, 用实际税收

与潜在税收的比值反映, 数值越大, 说明地方政府的征税能力越强。 在取值时, 以实际税收收入作为被

解释变量, 根据地税征税范围将第二产业、 第三产业、 在岗职工工资总额作为解释变量进行回归, 得到

潜在税收收入。

4. 控制变量

参考刘建国和苏文杰 (2022)

[26]

、 邱国庆和杨志安 (2022)

[27] 的研究, 从制度和宏观经济环境方面

选取控制变量 (Control) 如下: 财政分权 (Dec), 用人均市本级财政支出/ (人均市本级财政支出+人均

省本级财政支出) 表示; 城市化 (Urb), 用市辖区常住人口占城市总人口的比重表示; 金融发展 (Fin),

用人均金融机构贷款余额的对数表示; 经济发展 (Eco), 用实际地区生产总值增长率表示; 对外开放

(Open), 用实际利用外资额与地区生产总值之比表示。

(三) 数据说明

为排除 2008 年次贷危机爆发的干扰, 本文选取 284 个地级市 2009—2020 年的面板数据进行研究。 数

25

2023 年第 5 期 宋美喆, 胡丕吉: 数字基础设施对地方财政可持续的影响机制及效果研究

据来源于 《中国城市统计年鉴》、 各省份统计年鉴、 北京福卡斯特信息技术有限公司 EPS 数据库, 部分缺

失数据使用线性插值法和多重插补法作补充。

各变量的描述性统计见表 1。

表 1 各变量的描述性统计

变量 均值 标准差 最小值 最大值

Fis -0. 125 0 0. 132 0 -2. 229 8 0. 067 1

Dig 0. 292 4 0. 454 9 0 1

Ind 6. 488 0 0. 347 8 5. 517 5 7. 836 1

Con 1. 989 9 1. 815 8 0. 041 4 16. 596 1

Exp 0. 684 4 0. 178 0 0. 056 8 1. 000 0

Inv 0. 767 0 0. 273 7 0. 087 2 2. 196 9

Tax 1. 003 1 0. 448 9 0. 276 4 6. 152 6

Dec 0. 447 7 0. 096 4 0. 169 3 0. 906 4

Urb 0. 360 8 0. 235 4 0. 043 7 1. 000 0

Fin 5. 796 0 1. 013 1 3. 242 5 9. 269 7

Eco 0. 096 6 0. 090 0 -0. 468 6 0. 614 5

Open 0. 017 9 0. 018 0 0. 000 0 0. 199 0

表 1 中被解释变量地方财政可持续的均值

为负, 说明大部分样本城市的财政支出超过收

入水平, 财政收支矛盾凸显, 可持续程度较

低。 且样本城市中地方财政可持续变量的最大

值为 0. 067 1, 最小值为-2. 229 8, 呈现均值

小、 标准差大的特点, 表明中国城市的财政可

持续程度存在明显差异, 具有不均衡性。

五、 实证结果分析

借助智慧城市试点政策实施这一事件, 定

量评估数字基础设施对地方财政可持续的

影响①。

(一) 基准回归结果

对模型 (1) 进行估计, 逐步加入控制变

量, 观察核心解释变量回归系数的变化, 结果

见表 2。

表 2 的估计结果显示, 依次加入控制变

量后, 数字基础设施对地方财政可持续的影

响始终是显著为正的, 影响效应较稳健, 其

正面影响效应超过负面影响, 印证了邓达等

(2021)

[11] 的研究结论, 证实了假设 1 成立,

也说明假设 2 并不成立。 加快数字基础设施建

表 2 基准模型估计结果

变量

Fis

(1) (2)

Dig 0. 012 1

∗∗∗ 0. 003 6

∗

(0. 002 6) (0. 002 0)

Dec -0. 954 6

∗∗∗

(0. 023 0)

Urb 0. 043 4

∗∗∗

(0. 012 7)

Fin 0. 030 8

∗∗∗

(0. 003 3)

Eco 0. 095 4

∗∗∗

(0. 011 3)

Open 0. 030 9

(0. 063 2)

地区固定效应 控制 控制

时间固定效应 控制 控制

观测值 3 408 3 408

R

2 0. 748 5 0. 840 0

注: 括号内为标准误;

∗ 、

∗∗ 、

∗∗∗ 分别表示在 10%、 5%、 1%的水平下显

著。 后表同。

26

① 限于篇幅, 平行趋势和动态性检验、 安慰剂检验、 处理效应同质性检验、 内生性检验、 稳健性检验的结果不再具体显示, 备索。

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

设、 搭建城市智能中枢、 强化数字技术保障, 能够助力经济高质量发展、 缩小财政收支缺口, 提高地方

财政的可持续性。 具体而言, 在加入全部控制变量后, 政策实施带来的数字基础设施改善使得试点城市

的财政可持续程度比非试点城市平均高 0. 003 6。 控制变量中, 财政分权对地方财政可持续的影响在 1%的

水平上显著为负, 原因在于分权体制之下地方政府拥有较高的支出自主权, 容易引发政府间过度竞争、

资源流动受阻等问题, 严重影响地方经济发展, 加深财政纵向失衡程度[23]

。 城市化、 金融发展、 经济发

展对地方财政可持续的影响都显著为正。 可能的解释为城市化有助于优化资源配置、 增加资源边际产出,

金融发展有助于缓解融资约束、 支持实体产业与经济, 为社会直接创造更多财富。 以上三者均为提高财

政收入、 实现财政可持续提供了坚实的物质保障。

(二) 平行趋势和动态性检验

DID 方法应用的重要前提之一就是要满足平行趋势假设, 即在智慧城市试点政策实施前, 处理组和对

照组的财政可持续水平应具有相同的变动趋势。 采用事件研究法的思路, 为避免完全共线性, 以政策实

施前的第三年作为基期, 将政策变量分解为政策实施当年、 实施前的年份、 实施后的年份, 对模型 (1)

进行估计。 如果政策实施前核心解释变量的估计系数显著, 则说明平行趋势假设不成立; 反之, 说明前

提假设成立。

估计结果表明, 在智慧城市试点政策实施前, 核心解释变量的系数估计值都是不显著的。 进一步进

行联合显著性检验, 结果显示, F 值为 1. 13, 对应的概率 P 值大于 0. 1, 说明不能拒绝变量系数同时为 0

的原假设, 平行趋势假设成立, 即如没有政策冲击, 试点城市和非试点城市的财政可持续变化轨迹应是

一致的。 从动态性检验结果来看, 政策实施的当年及之后三年, 核心解释变量的系数估计值不显著, 直

到第四年才转为显著, 且系数估计值不断增大, 反映出试点政策对地方财政可持续的正向促进作用呈逐

年递增的特征。 智慧城市试点政策的实施是循序渐进的系统性工程, 其中涉及的物联网、 云计算、 数据

信息平台等是逐步完善并推广应用的, 并非一蹴而就, 故在实施初期, 政策效果并未充分展现。 而随着

时间推移, 智慧城市的建设模式、 管理方式和保障机制日趋成熟, 政策红利不断释放, 政策实施的积极

效果随之得到强化。

(三) 安慰剂检验

1. 时间安慰剂检验

将智慧城市试点政策的实施时间分别提前 1 至 2 年, 构建伪政策虚拟变量, 对模型 (1) 进行估计。

如果核心解释变量的估计系数显著, 则说明试点城市和非试点城市在财政可持续水平差异方面的变动不

仅仅是由政策因素引起的, 还包括某些潜在的随时间变化的因素。

检验结果表明, 当假定政策实施时间提前 1 年或者 2 年时, 核心解释变量的估计系数仍为正, 但并不

显著, 证实了估计结果是受政策因素驱动, 可以排除某些时间因素对地方财政可持续的影响。

2. 个体安慰剂检验

导致估计结果偏误的另外一个可能的原因是遗漏了个体层面的变量。 为验证财政可持续水平的变化

是由智慧城市试点政策而不是不可观测的遗漏变量引起, 在所有城市样本中, 随机抽取处理组和对照组,

生成伪政策虚拟变量, 对模型 (1) 进行估计。 重复抽样 500 次, 得到核心解释变量的 500 个系数估计

值。 核密度分布表明, 系数估计值集中在 0 附近, 与表 2 中的估计结果 0. 003 6 相差较大, 估计值的均值

为-0. 000 4, 标准差为 0. 002 2, 对应的概率 P 值大多超过 0. 1 且不显著, 说明估计结果是可靠的, 并不

存在严重偏误。

(四) 处理效应同质性检验

除了平行趋势假设, 渐进 DID 方法的准确使用还需要随时间恒定的处理效应的假定。 根据弗里施-沃

-洛弗尔 (Frisch-Waugh-Lovell) 定理, 双向固定效应的估计量等于所有可能的 2×2DID 估计量的加权平

均, 其中的类型包括处理组和从未处理组、 先处理组和还未被处理的后处理组、 已被处理的先处理组和

还未被处理的后处理组。 在时变处理效应下, 处理过的个体作为对照组是一类坏的对照组, 原因在于在

27

2023 年第 5 期 宋美喆, 胡丕吉: 数字基础设施对地方财政可持续的影响机制及效果研究

第二次差分时获得的长期趋势中混杂了动态处理效应, 但并没有在第一次差分时被消除掉, 这会使渐进

DID 的估计产生偏误, 甚至出现相反的因果效应。

为了诊断这一误区, 古德曼-培根 (Goodman-Bacon, 2021) 提出了培根分解, 通过各类 2×2DID 估计

量在总处理效应的权重及其占比判断这一假定前提是否成立[37]

。

本文的相关检验结果表明, 双向固定效应的估计量主要源于处理组对从未处理组这一类 2×2DID, 其

平均处理效应为 0. 028, 权重占比达到近 90%。 后处理组对先处理组这类可能存在坏对照组的 2×2DID,

处理效应都落在了负值区间, 故其平均处理效应也为负, 值为-0. 018, 但其权重占比较低, 仅为 6. 7%,

对总体的估计影响并不大, 没有造成严重的估计偏误。

根据亚克拉 (Jakiela, 2021)

[38] 的研究, 进一步结合回归法对处理效应同质性进行检验。 用 ui 表示

t = 1 时个体 i 的财政可持续水平, ut 表示没有处理时 t-1 和 t 之间财政可持续水平的变化, 在平行趋势假

设下, 这一变化在个体间是恒定的。 那么, 个体 i 在 t 期的财政可持续水平可以表示为:

Fisit

= μi

+ ∑μt

+ σDigit (4)

其中, σ 表示同质处理效应。 因此, 在同质处理效应和平行趋势假设下, 余值化财政可持续水平 Fisit

~

是余值化政策变量 Digit

~ 的线性函数, 其斜率应该在试点城市和非试点城市之间无差异。 如果回归结果存

在差异, 则说明同质处理效应假设不成立。

其中, Fisit

~

= (Fisit

- μi) - (μt

-

∑Fisit

NT

), Digit

~

= (Digit

- Digi) - (Digt

-

∑Digit

NT

), Digi 表示政策

变量个体均值, Digt 表示政策变量时间均值。

本文的相关检验结果表明, Dig

~ 与试点城市×Dig

~ 的系数估计符号、 显著性都是一致的, Dig

~ 对 Fis

~ 的

影响在试点城市和非试点城市之间不存在差别, 无法拒绝同质化处理效应假设, 使用渐进 DID 方法的前

提成立。

(五) 内生性检验

鉴于入选智慧城市试点政策的城市名单不是随机的, 可能存在选择性偏误, 故选取工具变量, 采用

两阶段最小二乘 (2SLS) 方法进行实证检验。 参考刘成杰 (2021)

[39] 的做法, 将 1984 年每百人固定电话

数作为工具变量。 原因在于:一是智慧城市试点的选择可能会考虑到建设条件, 即网络信息技术, 而网

络信息技术是在传统通信技术基础上发展起来的, 满足相关性假设; 二是传统通信技术在不断革新, 其

历史使用情况对当前城市发展的影响在弱化, 满足排他性假设。 因工具变量是截面的, 本文将工具变量

与时间趋势项交乘, 扩展为面板数据。

本文的相关检验结果表明, 在第一阶段的估计中, 在不加入和加入控制变量两种情况下, 工具变量

对城市是否入选智慧城市试点政策名单的影响都是显著为正的, 且 F 值分别为 20. 81 和 23. 02, 均大于

10, 可以拒绝弱工具变量的原假设。 历史上固定电话普及率越高的城市, 越有可能入选智慧城市试点。 在

第二阶段估计中, 核心解释变量对地方财政可持续的影响显著为正, 说明在考虑了试点政策的内生性后,

数字基础设施对地方财政可持续的促进作用仍然存在, 即假设 1 是成立的, 假设 2 不成立。

(六) 稳健性检验

数字基础设施是一类以通信网络为基础、 以数据和计算设施为核心的新型基础设施体系。 宽带网络

的普及能够在一定程度上反映数字基础设施的完善程度, 故借鉴习明明等 (2022)

[40] 的做法, 使用每千

万人互联网宽带接入用户数替代模型 (1) 中的政策变量, 作为数字基础设施的代理指标。

促进财政可持续性的重点任务是保证政府债务与地区生产总值之比的稳定性, 保持债务的持续清偿

能力。 使用负债率指标替换模型 (1) 中的被解释变量进行回归, 计算方式为地方政府债务余额与地区生

产总值之比[12]

, 负债率越高, 财政可持续性越低。 数据来源于万得 (Wind) 数据库。

28

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

本文的研究样本中包括不同行政等级的城市, 各类城市地方政府的发展目标、 掌握的行政权力、 行

为模式可能存在差异。 为了避免不同层级城市资源分布的非平衡性对回归结果造成干扰, 将所有省会城

市和直辖市从样本中删除, 最终剩余 253 个城市样本。

2015 年施行的 《中华人民共和国预算法》 (以下简称新预算法) 对透明预算提了新的要求, 明确规

定了全口径预算管理, 并扩大了预算公开的范围, 细化了预算公开的科目, 这对于实现公众有效监督,

约束政府官员的机会主义行为, 提高财政资金管理水平, 促进地方财政可持续发展有着积极影响。 为检

验考察期内数字基础设施对地方财政可持续的影响是否为净效应, 是否混杂了其他政策的影响, 本文设

置代表新预算法实施的虚拟变量, 并将其引入回归模型 (1)。 其中, 时点虚拟变量在 2015 年之前取值为

0, 在 2015 年及之后的年份取值为 1。 以新预算法实施前一年样本财政透明度指数的中位数为分界点, 当

指数低于中位数时是处理组, 处理组虚拟变量赋值为 1, 否则赋值为 0。 将时点虚拟变量与处理组虚拟变

量交乘, 作为新政策变量的表示。 财政透明度指数数据来源于清华大学课题组编制的 《中国市级政府财

政透明度研究报告》。

针对渐进 DID 中的异质性处理效应问题, 加德纳 (Gardner, 2022) 提出了两阶段 DID 方法[41]

, 本文

借鉴这种方法, 首先用未参加试点的城市来估计下列模型:

Fisit

= φi

+ δt

+ ∑ckControl

kit

+ εit (5)

得到个体固定效应 φi 和时间固定效应 δt 的估计值后, 再用全部样本估计平均处理效应 β:

Fisit

-φi

^

-δt

^

= βDigit

+ ∑ckControl

kit

+ εit (6)

本文的相关检验结果表明, 对应于不同情况, 数字基础设施对地方财政可持续的影响都至少在 10%

的水平上显著为正, 在用负债率表示财政可持续时, 影响系数显著为负, 再次证实数字基础设施建设有

助于实现地方财政的可持续, 即结论支持了研究假设 1, 不支持研究假设 2。 在排除了新预算法实施这一

政策影响后, 对比表 2 的估计结果, 核心解释变量的系数有所降低, 说明数字基础设施的政策效应有可能

被高估, 但其对地方财政可持续的正向促进作用仍然显著存在, 结论是稳健的。

(七) 异质性检验

为回答数字基础设施对地方财政可持续的影响是否在不同特质城市存在差异, 基于模型 (1) 刻画以

下三种异质性表现, 结果见表 3。

表 3 异质性检验结果

变量

创新水平 人口规模 人力资本

高创新水平城市 低创新水平城市 高人口规模城市 低人口规模城市 高人力资本城市 低人力资本城市

Dig 0. 009 6

∗∗∗ -0. 000 4 0. 006 5

∗∗ 0. 004 8

∗ 0. 008 7

∗∗∗ -0. 000 3

(0. 003 0) (0. 003 4) (0. 003 3) (0. 002 6) (0. 002 6) (0. 004 1)

Dec -0. 798 0

∗∗∗ -0. 991 6

∗∗∗ -1. 346 1

∗∗∗ -0. 690 7

∗∗∗ -0. 762 9

∗∗∗ -1. 188 5

∗∗∗

(0. 035 5) (0. 034 5) (0. 038 6) (0. 028 9) (0. 031 6) (0. 041 5)

Urb 0. 039 1

∗ 0. 062 5

∗∗∗ -0. 023 6 0. 070 0

∗∗∗ 0. 051 8

∗∗∗ 0. 072 6

∗∗∗

(0. 021 4) (0. 018 0) (0. 021 0) (0. 016 4) (0. 017 1) (0. 021 9)

Fin 0. 021 1

∗∗∗ 0. 037 8

∗∗∗ 0. 024 1

∗∗∗ 0. 023 4

∗∗∗ 0. 015 3

∗∗∗ 0. 041 5

∗∗∗

(0. 004 4) (0. 005 2) (0. 004 6) (0. 003 8) (0. 003 4) (0. 006 3)

Eco 0. 138 9

∗∗∗ 0. 092 1

∗∗∗ 0. 116 1

∗∗∗ 0. 111 3

∗∗∗ 0. 112 4

∗∗∗ 0. 104 7

∗∗∗

(0. 011 4) (0. 014 4) (0. 018 9) (0. 009 9) (0. 009 8) (0. 019 3)

Open 0. 185 4

∗∗ -0. 000 3 -0. 122 6 0. 137 8

∗∗ 0. 130 4

∗ -0. 055 4

(0. 090 0) (0. 075 1) (0. 085 2) (0. 068 1) (0. 068 3) (0. 092 8)

29

2023 年第 5 期 宋美喆, 胡丕吉: 数字基础设施对地方财政可持续的影响机制及效果研究

表3(续)

变量

创新水平 人口规模 人力资本

高创新水平城市 低创新水平城市 高人口规模城市 低人口规模城市 高人力资本城市 低人力资本城市

地区固定效应 控制 控制 控制 控制 控制 控制

时间固定效应 控制 控制 控制 控制 控制 控制

观测值 1 704 1 704 1 704 1 704 1 704 1 704

R

2 0. 579 8 0. 418 2 0. 579 0 0. 481 6 0. 546 1 0. 484 2

1. 创新水平

创新水平用人均发明专利申请数表示。 如当年某个城市的创新水平高于样本中位数, 则划定为高创

新水平城市, 否则为低创新水平城市。 对于高创新水平的城市而言, 数字基础设施对财政可持续的影响

系数为 0. 009 6, 且在 1%的水平显著, 而低创新水平的城市, 此影响为负且不显著。 可能的解释为城

市创新水平越高, 经济社会数字化转型能力越强, 越有助于智慧城市试点工作的开展, 并支撑数字基

础设施建设, 为新型数字技术的发展注入源源不断的动力, 发挥其刺激消费、 优化产业结构等功能。

2. 人口规模

人口规模用年末常住人口数与行政区域土地面积之比表示。 若某个城市当年的人口规模高于样本中

位数, 则划定为高人口规模城市, 否则为低人口规模城市。 对于高人口规模和低人口规模的城市而言,

数字基础设施对财政可持续的影响都是显著为正的, 但前者的影响系数和显著性水平都高于后者。 进一

步进行费舍尔组合检验, 结果表明, 两者的系数差为-0. 001 7, 对应的经验 P 值为 0. 10, 说明可以在

10%的显著性水平上拒绝两者无差异的原假设。 原因可能是高人口规模的城市能够更有效发挥集聚效应,

对数字基础设施的利用率更高, 能够充分发挥数字基础设施的价值。 而低人口规模的城市, 各方面的配

套措施较匮乏, 数字基础设施的积极作用发挥不够充分。

3. 人力资本水平

人力资本水平用每万人口中大学生人数表示。 如某个城市当年的人力资本水平高于样本中位数, 则

划定为高人力资本城市, 否则为低人力资本城市。 对于高人力资本的城市而言, 数字基础设施对财政可

持续的影响系数为 0. 008 7, 且在 1%的水平显著, 而低人力资本的城市, 此影响为负且不显著。 原因在于

数字基础设施对人力资本有着更高的要求, 人力资本水平高的城市, 企业研发创新能力强, 劳动力掌握

的知识技能更丰富, 能够迅速掌握并应用新技术、 新手段, 并依托数字基础设施催生出更多的创新业态

和经济模式, 推动经济社会转型升级, 支撑财政的安全运行。 人力资本水平低的城市, 创新能力较弱,

无法满足和适应数字基础设施推广应用的需要, 使其正向作用的发挥受到限制。

(八) 机制检验

根据前文的理论分析, 对模型 (2)、 模型 (3) 进行估计, 验证数字基础设施通过产业结构、 消费需

求、 财政支出绩效、 投资冲动、 征税能力路径对地方财政可持续产生的影响, 结果见表 4。

表 4 机制检验结果

变量

产业结构 消费需求 财政支出绩效 投资冲动 征税能力路径

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Dig 0. 026 0

∗∗∗ 0. 442 8

∗∗∗ 0. 015 3

∗∗ 0. 074 2

∗∗∗ -0. 029 7

∗∗∗

(0. 006 1) (0. 066 5) (0. 006 0) (0. 017 0) (0. 009 6)

Ind 0. 028 1

∗∗∗

(0. 009 2)

30

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

表4(续)

变量

产业结构 消费需求 财政支出绩效 投资冲动 征税能力路径

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)

Con 0. 004 3

∗∗∗

(0. 001 4)

Exp 0. 139 6

∗∗∗

(0. 041 0)

Inv -0. 011 1

(0. 012 6)

Tax 0. 033 4

∗∗∗

(0. 004 8)

控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制

地区固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制

时间固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 控制

观测值 3 408 3 408 3 408 3 408 3 408 3 408 3 408 3 408 2 820 2 820

R

2 0. 595 8 0. 639 8 0. 799 4 0. 640 9 0. 450 5 0. 441 0 0. 241 6 0. 593 7 0. 323 8 0. 647 6

在控制了其他变量的条件下, 由列 (1) 可知, 核心解释变量对产业结构的影响显著为正。 作为中国

数字基础设施建设的一项较早尝试, 智慧城市试点政策的推进有助于加速产业间的信息传递和创新扩散,

为产业结构优化升级创造了积极条件。 由列 (2) 可知, 从效应来看, 产业结构优化可以增加财政收入,

显著促进地方财政可持续发展, 证明了第一条影响路径的存在。 由列 (3) 和列 (4) 可知, 核心解释变

量对消费需求的影响系数和消费需求对地方财政可持续的影响系数分别是 0. 442 8 和 0. 004 3, 都在 1%的

水平上显著, 表明数字基础设施通过消费需求作用于地方财政可持续的路径畅通, 第二条影响路径是存

在的。 数字基础设施能够提高企业捕捉并响应消费需求变化的能力, 有效刺激公众消费需求, 进而带动

经济增长, 增强财政可持续能力。 由列 (5) 和列 (6) 可知, 核心解释变量对财政支出绩效的影响系数

和财政支出绩效对地方财政可持续的影响系数分别是 0. 015 3 和 0. 139 6, 均在 1%的水平上显著, 证明了

第三条影响路径的存在。 数字基础设施促进了新一代信息技术的前沿突破, 有利于打造智慧政务, 推进

精准化的财政支出管理模式的变革, 并节约不必要的财政开支, 缩小财政收支缺口, 保证财政的发展与

安全。 由列 (7) 和列 (8) 可知, 核心解释变量对投资冲动的影响是显著为正的, 投资冲动对地方财政

可持续的影响为负, 但并不显著, 与理论分析不相符, 说明第四条影响路径不存在。 可能的原因在于投

资规模扩张在短期内能够拉动经济增长, 从而助力财政收入上涨。 当收入足以覆盖债务的还本付息及维

持正常财政支出时, 财政是可以实现可持续发展的, 这抵消了投资冲动对地方财政可持续的负向作用,

使得综合影响微弱, 数字基础设施通过投资冲动影响地方财政可持续的机制被中断。 由列 (9) 和列

(10) 可知, 核心解释变量对征税能力的影响是显著为负的, 征税能力对地方财政可持续的影响显著为

正, 证明了第五条影响路径的存在。 数字基础设施在推动新技术与税收征管快速融合、 为纳税人提供更

高效便捷的办税流程的同时, 可能会加大税收监督和稽查难度, 造成税收流失, 难以做到税款的应收尽

收, 不利于地方财政的可持续。 这主要是因为数字基础设施支撑下的数字经济活动具有要素信息化、 业

态虚拟化等特点, 无形的数字化网络交易使税源表现出隐匿性、 即逝性, 并造成了税收管辖权的认定困

难, 使得部分税源游离在征管范围之外, 增加了税收流失的风险。

(九) 拓展性分析

地方财政可持续性存在较强的空间相关性, 在识别智慧城市试点政策对地方财政可持续性的影响时,

需要考虑空间溢出效应。 本文构建空间自回归模型对此进行拓展性分析:

31

2023 年第 5 期 宋美喆, 胡丕吉: 数字基础设施对地方财政可持续的影响机制及效果研究

Fisit

= α4

+ ρWFisjt

+ β1Digit

+ ∑ckControl

kit

+ φ4i

+ δ4t

+ ε4it (7)

由于地理距离和经济距离相近的城市联系更加密切, 本文设置三类空间权重矩阵:一是地理距离空

间权重矩阵 W1, 矩阵元素取地区间基于经纬度计算的欧式距离的倒数; 二是经济距离空间权重矩阵 W2,

矩阵元素取考察期内各年各地区人均 GDP 均值之差绝对值的倒数; 三是综合空间权重矩阵 W3, W3 = W1×

W2。 估计结果见表 5。

表 5 空间自回归模型的估计结果

变量 W1 W2 W3

W×Fis 0. 178 4

∗∗∗ 0. 209 1

∗∗∗ 0. 054 0

∗∗

(0. 037 2) (0. 034 8) (0. 024 4)

Dig 0. 009 3

∗∗∗ 0. 010 0

∗∗∗ 0. 006 8

∗∗

(0. 003 0) (0. 003 0) (0. 002 9)

直接效应 0. 009 4

∗∗∗ 0. 010 1

∗∗∗ 0. 006 9

∗∗

(0. 003 1) (0. 003 1) (0. 003 0)

间接效应 0. 002 1

∗∗ 0. 002 7

∗∗ 0. 000 4

(0. 001 0) (0. 001 1) (0. 000 3)

总效应 0. 011 5

∗∗∗ 0. 012 8

∗∗∗ 0. 007 3

∗∗

(0. 003 9) (0. 004 1) (0. 003 2)

控制变量 控制 控制 控制

地区固定效应 控制 控制 控制

时间固定效应 控制 控制 控制

观测值 3 408 3 408 3 408

R

2

0. 367 3 0. 369 1 0. 372 6

表 5 的数据显示, 对应于三大空间权重矩阵, 空间自回归系数至少在 5%的水平上显著, 说明地理距

离和经济距离相近的城市的地方财政可持续性存在空间关联, 在进行回归分析时, 有必要将空间相关性

纳入实证模型。 空间自回归系数都为正, 且位于 0 和 1 之间, 模型符合空间平稳性条件。 其他城市的地方

财政可持续水平提高, 也会带动本地区的财政可持续水平相应提高。 进一步对比系数大小, 可以发现经

济距离空间权重矩阵下的空间自回归系数要大于地理距离空间权重矩阵下的系数, 说明不同城市在经济

空间的互动强度要高于在地理空间的互动强度。

为对回归系数做出合理的解释, 本文使用偏微分方法, 将数字基础设施的影响效应分解为直接效应、

间接效应和总效应。 对应于三大空间权重矩阵, 数字基础设施的直接效应、 总效应均显著为正, 间接效

应为正, 且在大多数情况下都是显著的。 加强数字基础设施建设不仅有利于当地财政可持续发展, 对地

理距离和经济发展水平相近的城市来说, 也有着积极意义。 原因可能是智慧城市试点政策加强了数字平

台和网络建设, 具有良好的空间辐射效应, 促进了各城市技术共同进步, 为资源在城市间流动创造了便

利条件, 有助于城市间的经济往来更加密切, 并使得其他城市获得了 “搭便车” 的好处。

六、 研究结论与政策建议

本文的研究结论为: 第一, 数字基础设施对地方财政可持续的影响显著为正, 正面影响效应超过负

面影响, 占主导地位, 且这种正面影响呈逐年递增的特征。 第二, 从异质性来看, 数字基础设施对地方

32

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

财政可持续的正向作用在高创新水平、 高人口规模、 高人力资本的城市表现更为突出。 第三, 从机制来

看, 数字基础设施通过促进产业结构优化升级、 刺激公众消费需求、 提高财政支出绩效等渠道发挥积极

作用, 但其也会弱化政府征税能力, 造成税收流失, 对地方财政可持续发展产生负面影响。 同时, 投资

冲动对地方财政可持续的影响不显著, 使得数字基础设施通过强化投资冲动影响地方财政可持续的机制

被中断。 第四, 从空间效应来看, 数字基础设施建设具有溢出性, 不仅有利于当地, 也能够带动地理距

离相近和经济发展水平类似的城市财政可持续性提高。

基于以上结论, 提出政策建议如下:

第一, 顺应新一轮数字化浪潮, 加快数字基础设施投资步伐, 将数字基础设施建设作为新一轮投资

的着力点, 建立健全数字生态系统的核心架构。 同时以地方资源特点和财力承受能力为出发点, 加强统

筹规划, 科学布局, 在建设过程中防止出现 “一窝蜂” “一刀切” 等现象, 避免形成地方债务过度膨胀、

预算执行软约束等问题。 地方政府还应有序引导社会资本投入, 吸引市场力量广泛参与, 循序渐进、 统

筹协调开展数字基础设施建设, 释放数字技术和大数据资源对地区创新体系的赋能价值。

第二, 搭建财政、 税收等领域的智能网络平台, 将大数据、 人工智能等数字技术运用到财税管理的

各方面、 全流程。 健全财政资金动态监控体系, 打破数据壁垒, 使公众低成本参与到财政治理中, 直观

地跟踪财政支出的去向, 提升财政支出效率。 以数字基础实施为抓手, 对预算、 政府采购、 国库集中支

付、 决算等业务场景进行多维分析, 提高财政决策的靶向性和针对性。 利用区块链技术收集涉税信息,

实现多主体的信息交互与联通, 优化数字经济下的税源管控和征收方式, 并基于大数据精准监测潜在的

偷逃税行为, 减少税收流失。

第三, 依托数字基础设施积极推动产业和消费升级, 为财政可持续发展夯实物质基础。 加快数字产

业化、 产业数字化进程, 完善数字经济产业链, 将数字基础设施与传统产业深入融合, 推动产业集群化、

精细化发展, 为产业优化升级注入数字动力, 提高产业附加值。 提升数字经济包容性, 加大数字技术的

普及力度, 减少数字基础设施的应用障碍, 减轻数字鸿沟对于公众消费升级的束缚。 培育线上消费新增

长点, 创新商品与服务的供给模式, 培育新型消费业态, 打造消费新场景, 充分释放消费市场潜力。

第四, 充分利用数字基础设施的空间溢出效应。 重视区域发展的均衡性和协调性, 因地制宜, 分步

骤、 分批次推动各地区数字基础设施建设。一方面, 加大高创新能力、 高人口规模和高人力资本地区的

数字化建设投入, 形成区域数字经济核心带, 以此带动相邻地区数字经济发展, 增强财政可持续性, 同

时, 发挥先行地区的引领和示范作用, 补齐落后地区优质人力资本和技术创新领域的短板。 另一方面,

推动地区间要素循环和流通, 实现地区间智能网络共享, 形成区域智慧治理的分工和协同体系, 注意避

免陷入数字基础设施低水平重复建设和同质化竞争。

参考文献:

[1]朱金鹤,孙红雪. 数字经济是否提升了城市经济韧性? [J]. 现代经济探讨,2021(10):1-13.

[2]郭东杰,周立宏,陈林. 数字经济对产业升级与就业调整的影响[J]. 中国人口科学,2022(3):99-110,128.

[3]戴魁早,黄姿,王思曼. 数字经济促进了中国服务业结构升级吗? [J]. 数量经济技术经济研究,2023,40(2):90-112.

[4]钟若愚,曾洁华. 数字经济对居民消费的影响研究———基于空间杜宾模型的实证分析[J]. 经济问题探索,2022(3):31-43.

[5]王军,肖华堂. 数字经济发展缩小了城乡居民收入差距吗? [J]. 经济体制改革,2021(6):56-61.

[6]柏亮,陈小辉. 数字经济如何影响工业 SO2 排放? ———理论解读与实证检验[J]. 东北财经大学学报,2020(5):73-81.

[7]王雍君,王冉冉. 数字经济税收治理:辖区规则、财政自立与均等化视角[J]. 税务研究,2022(1):49-58.

[8]李蕊,李水军. 数字经济:中国税收制度何以回应[J]. 税务研究,2020(3):91-98.

[9]艾华,徐绮爽,王宝顺. 数字经济对地方政府税收收入影响的实证研究[J]. 税务研究,2021(8):107-112.

[10]刘建民,薛妍,刘嘉意. 数字经济对地方财政可持续性的影响研究:基于“本地—邻地”视角[ J]. 湖南大学学报(社会科学版),2021,

35(6):46-56.

[11]邓达,潘光曦,林晓乐. 我国数字经济发展对地方财政可持续性的影响[J]. 当代财经,2021(9):38-52.

33

2023 年第 5 期 宋美喆, 胡丕吉: 数字基础设施对地方财政可持续的影响机制及效果研究

[12]向钰,赵静梅. 基于数字经济的地方财政可持续性研究[J]. 中国软科学,2023(3):203-212.

[13]赵星. 新型数字基础设施的技术创新效应研究[J]. 统计研究,2022,39(4):80-92.

[14]温湖炜,钟启明. 数字基础设施与企业全要素生产率———来自中国上市公司的证据[J]. 软科学,2022,36(8):64-71.

[15]袁航,夏杰长. 数字基础设施建设对中国服务业结构升级的影响研究[J]. 经济纵横,2022(6):85-95.

[16]董宴廷,王洛忠. 智慧城市建设与城市公共服务水平———基于智慧城市试点的准自然试验[J]. 城市问题,2021(10):56-64.

[17]张兵兵,陈思琪,曹历娟. 城市因“智慧”而低碳吗? ———来自智慧城市试点政策的探索[J]. 经济评论,2022(6):132-149.

[18]周记顺,宋颜希. 新型基础设施建设对地区出口的影响———来自国家智慧城市试点的证据[J]. 产业经济研究,2022(5):115-128.

[19]姚璐,王书华,范瑞. 智慧城市试点政策的创新效应研究[J]. 经济与管理研究,2023,44(2):94-111.

[20]BUITER W H. A guide to public sector debt and deficits[J]. Economic Policy, 1985, 1(1): 13-79.

[21]孙正,陈旭东,苏晓燕. 地方竞争、产能过剩与财政可持续性[J]. 产业经济研究,2019(1):75-86.

[22]邓晓兰,许晏君,刘若鸿. 结构性减税与地方财政可持续性———基于“营改增”的实证研究[J]. 中央财经大学学报,2021(10):15-29.

[23]杜彤伟,张屹山,杨成荣. 财政纵向失衡、转移支付与地方财政可持续性[J]. 财贸经济,2019,40(11):5-19.

[24]BORIO C E, LOMBARDI M J, ZAMPOLLI F. Fiscal sustainability and the financial cycle[Z]. BIS Working Papers No. 552, 2016.

[25]封北麟. 财政可持续与金融稳定———基于中国的经验研究[J]. 财政科学,2022(2):33-51.

[26]刘建国,苏文杰. 金融错配对地方财政可持续性的影响———基于金融发展的调节效应和门槛效应[J]. 金融经济学研究,2022,37(2):

3-19.

[27]邱国庆,杨志安. 人口老龄化、扭曲效应与财政可持续性[J]. 当代经济科学,2022,44(4):19-30.

[28]高振娟,赵景峰,张静,等. 数字经济赋能消费升级的机制与路径选择[J]. 西南金融,2021(10):44-54.

[29]陈志勇,王希瑞,刘畅. 数字经济下税收治理的演化趋势与模式再造[J]. 税务研究,2022(7):57-63.

[30]白彦锋,刘璐. 平台经济发展“双失序”与共同富裕取向的财政治理选择[J]. 河北大学学报(哲学社会科学版),2022,47(1):10-23.

[31]江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济,2022(5):100-120.

[32]李建军,王鑫. 地方财政可持续性评估———兼论税收分权能否提升地方财政可持续性[J]. 当代财经,2018(12):37-47.

[33]李永友,邓龙真. 财政安全的测度方法与现实考量[J]. 北京社会科学,2023(6):88-99.

[34]郭月梅,陈平,毛琼枝. 财政分权、投资冲动与地方政府债务增长[J]. 广西财经学院学报,2019,32(1):36-45.

[35]刘怡,刘维刚. 税收分享对地方征税努力的影响———基于全国县级面板数据的研究[J]. 财政研究,2015(3):30-36.

[36]邓明. 自然资源禀赋与地方政府的征税能力建设[J]. 财政研究,2020(11):56-70,100.

[37]GOODMAN-BACON A. Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021, 225(2): 254-277.

[38]JAKIELA P. Simple diagnostics for two-way fixed effects[EB/ OL]. (2021-03-24)[2023-07-16]. https: / / doi. org / 10. 48550 / arxiv. org /

abs/ 2103. 13229.

[39]刘成杰,胡钰苓,李虹桥,等. 中国智慧城市试点政策对城市发展质量的影响———基于韧性发展的视角[ J]. 城市问题,2021( 11):

79-89.

[40]习明明,梁晴,傅钰. 数字经济对城市经济增长的影响研究[J]. 当代财经,2022(9):15-27.

[41] GARDNER J. Two-stage difference-in-differences [ EB/ OL]. ( 2022 - 07 - 13 ) [ 2023 - 07 - 16 ]. https: / / doi. org / 10. 48550 / arXiv.

2109. 05913.

34

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

Research on the Influence Mechanism and Effect of Digital Infrastructure on

Local Fiscal Sustainability

SONG Meizhe

1

, HU Piji

2

(1. Hunan University of Finance and Economics, Changsha 410205;

2. Changsha Central Sub-branch of People?s Bank of China, Changsha 410005)

Abstract:Fiscal policy is the foundation and important pillar of national governance, playing the role of stabilizer and regulator in ensuring high-quality and sustainable economic and social development, which is premised on

fiscal sustainability itself.

Digital infrastructure centered on artificial intelligence, cloud computing and block chain lays a solid foundation for the digital economy by impacting activities of enterprise operation, residents? consumption and government

decision-making on real economy operation, and reflecting on fiscal revenue and expenditure relations, gradually

changing the fiscal basis of local governments from the bottom up, directly affecting their sustainability. Firstly, the

mechanism of the multi-dimensional impact of digital infrastructure on local fiscal sustainability is systematically elaborated from the two major channels of fiscal revenue and fiscal expenditure. Specifically, the impact path on the

fiscal revenue is examined from the perspective of industrial structure, consumption demand, and taxation capability, while the impact path on the fiscal expenditure is examined from the perspective of fiscal expenditure performance and investment impulses. Secondly, considering the potential endogenous bias, adopting the quasi-natural experiment of implementing the smart city pilot policy, the actual impact of digital infrastructure on local fiscal sustainability is empirically tested by using the staggered difference-in-differences model. The research finds that the

impact of digital infrastructure on local fiscal sustainability is dominated by positive effects.

After considering the effects of endogenous modelling, heterogeneity treatment, replacing variables, deleting

some samples and excluding other policy interventions, the conclusion still holds. This impact has the increasing

characteristic year by year and shows heterogeneity, being more prominent in cities with higher innovation level,

larger population scale and higher human capital.

The mechanism test shows that digital infrastructure plays a positive role through promoting industrial upgrading,

stimulating public consumption demand and improving the performance of fiscal expenditure channels, but it can also

weaken government taxation capability and cause tax leakage, having negative impact on local fiscal sustainable development. At the same time, the effect of the impact of investment impulses is not significant, interrupting the mechanism of digital infrastructure transmitting to local fiscal sustainability through strengthening investment impulses.

Further study finds that the construction of digital infrastructure has spatial spillover effects and can promote the improvement of fiscal sustainability of cities with close geographical distance and similar levels of economic development.

Therefore, countermeasures are proposed from orderly guiding social capital investment, accelerating the pace

of digital infrastructure investment, making digital infrastructure construction the focus of the new round of investment, building an intelligent network platform in the tax and fiscal field, applying big data and artificial intelligence

technologies to tax administration, reducing application barriers of digital infrastructure, promoting industrial and

consumption upgrades, and exerting radiation effects of pioneer cities.

Keywords: digital infrastructure; local fiscal sustainability; smart city pilot policy; industrial structure; consumption demand; performance of financial expenditure; taxation capability; investment impulsion

(责任编辑: 周 斌; 姚望春)

35

第 25 卷 第 5 期

2023 年 9 月

首都经济贸易大学学报 (双月刊)

Journal of Capital University of Economics and Business

Vol. 25, No. 5

Sep. 2023

DOI: 10. 13504 / j. cnki. issn1008-2700. 2023. 05. 003

研发补贴对新能源企业创新的

非对称性激励效应研究

尚洪涛, 宋岸玲

(北京工业大学 经济与管理学院, 北京 100124)

收稿日期: 2022-11-11; 修回日期: 2023-03-10

基金项目: 国家社会科学基金一般项目 “提升民营科技企业创新质量的财税政策研究” (19BJY040)

作者简介: 尚洪涛 (1967—), 女, 北京工业大学经济与管理学院教授、 博士生导师, 通信作者; 宋岸玲 (1998—), 女, 北京工业大

学经济与管理学院硕士研究生。

摘 要: 以 2010—2020 年 A 股新能源上市公司为研究样本, 实证分析政府研发补贴对新能源企业创

新数量和创新质量的非对称影响及数字化转型的调节作用。 研究结果表明: 研发补贴对新能源企业创新

产出的激励效应具有非对称性。一方面, 研发补贴能够显著促进新能源企业的创新数量, 且这种促进作

用在国有企业与非国有企业中无显著差异; 另一方面, 研发补贴对新能源企业创新质量具有抑制作用,

且这种抑制作用在非国有企业中更显著。 进一步研究发现, 随着数字化转型程度的提高, 研发补贴对企

业创新质量的抑制作用明显减弱, 对企业创新数量的促进作用也显著降低, 这说明数字技术可以驱动企

业更加关注创新质量, 能够有效提高补贴资源的利用效果。 研究结论对政府补贴的顶层设计、 中国新能

源企业的数字化转型与创新发展具有一定的参考价值。

关键词: 新能源企业; 研发补贴; 数字化转型; 创新数量; 创新质量

中图分类号: F812. 45; F273. 1 文献标识码: A 文章编号: 1008-2700 (2023) 05-0036-14

一、 问题提出

随着数字技术和低碳技术的迅猛发展, 数字驱动的创新型经济和绿色经济日益成为中国经济高质量

发展的主旋律。 越来越多的国家将发展的重心逐步向新能源行业转移[1]

, 而推动绿色技术创新是实现绿

色发展的核心驱动力[2]

。 新能源产业将新兴产业与新兴技术深度融合, 鼓励新能源企业创新、 提升其创

新质量对当前中国经济发展至关重要。 目前世界大多数国家和地区都在通过为新能源产业提供税收优惠

和政府补助等激励政策支持其创新和发展, 中国政府支持新能源企业创新的补贴数量也逐年增加。 研发

补贴的投入对企业创新产生了不同的作用效果。一方面, 在补贴的激励作用下, 新能源企业的创新数量

呈逐年递增趋势[3]

; 另一方面, 存在 “重数量、 轻质量” 的策略性创新现象[4]

, 具体表现为不同程度的

行业性产能过剩、 关键技术缺乏等情况[5]

, 但只有实质性创新能够成为促进经济发展的驱动力[6]

。 在建

设创新型国家的关键时期, 提升创新质量对中国从创新大国向创新强国转变至关重要。 实证研究研发补

贴对新能源企业创新数量和创新质量的影响、 企业数字化转型程度对研发补贴创新激励效果的调节作用

及其在不同所有制性质企业中的差异, 对于精准配置补贴资源、 有效推动企业数字化转型、 提升新能源

企业创新质量, 具有重要的现实意义。

36

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

基于此, 本文拟选取 2010—2020 年新能源上市公司作为研究样本, 从微观企业层面研究政府研发

补贴对新能源企业创新数量和创新质量的影响, 并进一步分析企业数字化转型程度在补贴与企业技术

创新之间的调节效应。 相较于现有研究, 本文的主要贡献在于: (1) 全面、 系统地分析研发补贴对新

能源企业创新数量和创新质量的非对称影响, 拓展政府补贴的研究范畴; (2) 将研发补贴、 数字化转

型与企业创新置于一个前后关联的链条里进行实证分析, 更新企业创新的研究视角; (3) 将企业数字

化转型作为调节研发补贴非对称激励效应的措施, 为数字经济时代提升补贴资源利用效果提供新路径。

二、 文献综述

(一) 研发补贴与新能源企业技术创新

由于创新具有正外部性, 在新能源企业开展创新活动却受制于研发资金不足[7] 的情况下, 补贴激励

成为多个国家支持新能源企业创新的通用做法[8-11]

。 近年来, 对政府补贴与企业创新产出之间关系的研

究, 从单一的创新数量逐步扩展到创新数量和创新质量两方面[12]

。 新能源企业的创新存在技术瓶颈, 短

期内难以取得较大突破[13]

。 此时, 研发补贴作为外部资金收入, 能够缓解企业的资金压力、 降低风险承

担, 从而激励企业加大研发投入[14]

。 现有研究大多认为研发补贴能够显著促进新能源企业的研发投入和

创新产出[15-16]

。 同时, 研发补贴也为企业带来了一种利好信号[17]

, 获得补贴表明该行业的前景得到了政

府的扶持与认可, 相当于政府为企业提供了一种无形的担保, 还能够帮助企业获得更多的资金以及人才

支持[18]

。

研发补贴对于创新质量的作用效果则受到诸多外部因素的干扰。 现有制度缺乏对创新质量真实情

况的有效验收机制, 导致企业与政府之间存在信息不对称的问题。 补贴作为政府资本投入新能源企业,

具有极强的委托代理性, 很有可能引发道德风险问题, 导致政府对创新成果的甄别难度较大[19]

, 部分

企业会进行策略性创新, 为完成政府的补贴考核而产出应用性与经济性较低的专利[20]

。 此外, 研发补

贴还会降低资金的配置效率[21]

。 由于寻租机制的存在, 企业会更多地采取手段获取补贴以提高自身利

润, 而不愿开展高风险、 长周期的研发活动, 造成研发补贴的滥用[22]

, 从而对新能源企业的创新产生

挤出效应[23]

。

(二) 不同所有制下研发补贴对创新数量和创新质量的作用效果

新能源企业作为战略性新兴企业, 其活动受产权异质性的影响较大。 由于所有制的不同, 企业在资

金支持、 商业机会、 研发能力等方面都存在不同程度的差异, 这对于企业进行研发活动、 提升创新产出

具有深刻影响[24]

。 无论是国有企业还是非国有企业, 在获得研发补贴后均能缓解其资金压力并提供利好

信号, 为创新数量的提高创造了良好条件。 然而, 现有研究发现研发补贴对企业创新质量的作用效果会

因所有制不同而有所差异, 但由于研究样本不同, 得出的结论也有所不同。 有学者认为, 国有企业股权

集中及代理问题等制约了其经营效率[25]

, 且相对于民营企业, 其缺乏竞争和危机意识, 从而表现为创新

质量下降[26]

。 还有学者认为, 对于具有公共属性的国有新能源企业, 其承担了更多的政策性与社会性任

务[27]

, 注重创新质量的提升不仅是为了完成补贴的考核, 也是体现其社会责任的一部分[28]

; 相比之下,

非国有企业将重心更多地放在追求企业自身利润最大化上, 与政府关联度较小[29]

, 社会责任意识稍显薄

弱。 因此, 国有企业在获得政府补贴后, 更注重企业创新质量的提升。

(三) 数字化转型对研发补贴信息不对称的缓解作用

研发补贴之所以会对企业创新产生非对称性激励效应, 很大程度上是由于企业和政府之间存在着信

息不对称。 首先, 政府在制定补贴政策时, 很难对补贴下发后的完整链条有精准的跟踪, 因而会更倾向

于 “一刀切” 的简单化处理, 从而导致政策实施效果不理想甚至产生抑制作用[30]

。 其次, 在信息不对称

的条件下, 企业作为市场参与者, 利用其自身信息优势, 可能会通过故意瞒报、 虚报等手段获取研发补

贴。 政府发放补贴的目标在于扶持产业增长, 而企业的目标在于实现自身利润最大化, 在得到补贴后,

若缺乏精准的监管和后续反馈, 企业很可能在利润的驱动下将研发补贴用于服务自身的项目支出, 挤占

37

2023 年第 5 期 尚洪涛, 宋岸玲: 研发补贴对新能源企业创新的非对称性激励效应研究

创新投入, 使得最终结果与补贴政策的目标背道而驰[31]

。 数字化转型以企业数据为基础, 搭建起数字技

术与实体经济之间的桥梁, 从而促进企业的持续成长与开放发展[32]

。 数字化转型催生了一系列的数据链

条, 即数据搜寻、 数据分析动态解决方案等, 通过互联网平台的构建, 增强了企业各项数据的可追溯性

与可审查性, 从而降低企业信息的获取难度, 提升信息供给质量与传递效率[33]

, 使得研发补贴在企业中

的实际利用情况更加便于获得。

综上所述, 虽然多数学者研究认为, 政府研发补贴能够促进新能源企业创新数量的提升, 而对其创

新质量存在抑制作用, 但从市场价值角度出发探究研发补贴对新能源企业创新质量影响的研究较少, 且

企业数字化转型水平的提高能否缓解该抑制作用还需进一步探讨。 随着信息化时代的飞速发展, 数字技

术的应用已经渗透到企业的方方面面, 本文将研发补贴、 数字化转型与企业创新置于一个前后关联的链

条里进行实证分析, 旨在揭示数字化转型对于政府研发补贴实施效果的调节作用, 从而为政府研发补贴

政策设计提供参考。

三、 理论分析与假设提出

(一) 研发补贴对新能源企业创新数量和创新质量的作用效果

企业开展创新活动面临着成本高、 不确定性大等难题。 此外, 从经济学的角度出发, 创新成果作

为一种准公共品, 其带来的正外部性可能会导致 “搭便车” 行为的发生, 这就使得企业不愿意主动开

展创新活动[34]

。 补贴作为政府缓解市场失灵的政策手段, 能够从减少成本、 降低风险、 提供引导等方

面促进企业创新数量的提升[35]

。 然而, 根据信息不对称理论, 企业在缺乏有效监管时会存在只注重创

新数量而忽视创新质量的策略性创新行为, 并且新能源作为新兴行业, 相关监管制度相比于其他行业

仍有待完善, 从而使得研发补贴对于新能源企业创新质量的提升作用受到抑制。 基于此, 本文提出如

下假设:

H1a: 研发补贴对新能源企业的创新数量具有促进作用。

H1b: 研发补贴对新能源企业的创新质量具有抑制作用。

(二) 基于不同所有制企业的研发补贴对企业创新数量和创新质量的影响差异

在社会主义市场经济的背景下, 企业所有制的差异是在进行企业创新研究时的重要角度之一。 不同

所有制企业面临着不同的政策环境以及发展目标, 在选择创新策略时也会存在差异, 如国有企业的创新

成果更具有公共产品的属性, 而非国有企业开展创新则更多地偏向竞争性。 研发补贴的下发带来的外部

收入会在一定程度上促进不同所有制企业创新活动的开展, 而在创新质量方面则会因所有制不同出现差

异。 国有企业由于政府引导[36]

、 企业负责人任命[37] 等会更加注重研发补贴的精准使用, 而非国有企业若

缺乏有效的信息甄别与监管, 更有可能为了实现短期利润增长将研发补贴另作他用或释放虚假创新信息

以骗取补贴。 基于此, 本文提出如下假设:

H2a: 研发补贴对企业创新数量的促进作用在国有与非国有新能源企业中无显著差异。

H2b: 相较于国有企业, 研发补贴对非国有新能源企业创新质量的抑制作用更显著。

(三) 数字化转型对研发补贴激励效应的调节作用

数字化转型为企业信息的公开性和透明性提供了必要的技术与平台支持, 能够有效缓解企业与政府

之间信息不对称的情况。 通过数字化转型可以降低信息层面的成本投入, 加快推动政府治理的精准化[38]

,

有助于对政策实施效果实现精准跟踪, 能够为后续成果验收以及补贴发放提供参考。 企业数字化转型对

促进补贴投入的精准化发挥着至关重要的作用, 而信息的公开透明化可以加强对研发补贴利用情况的监

管, 提高了企业通过产出大量低质量专利骗取补贴的难度。 因此, 数字化转型能够对企业 “重数量、 轻

质量” 的策略性创新行为产生抑制作用, 从而减少低质量专利、 增加高质量专利。 由此, 本文提出如下

假设:

H3a: 数字化转型程度能弱化研发补贴对新能源企业创新数量的促进作用。

38

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

H3b: 数字化转型程度能弱化研发补贴对新能源企业创新质量的抑制作用。

四、 研究设计

(一) 数据来源与样本选择

本文以同花顺、 东方财富网等金融网站的新能源概念板块为基础, 剔除金融企业以及数据缺失的企

业, 最终选出 100 家新能源企业, 共 1 100 个观测值。 数据来源方面, 研发补贴、 资产收益率、 资产负债

率等企业财务数据来自国泰安中国经济金融数据库 (CSMAR)。 研发补贴数据是通过将企业财务报表附注

中披露的政府补贴明细进行关键词筛选, 并进一步手工整理得到; 企业专利数据来源于国家知识产权局,

结合 CSMAR、 上市公司年报等对缺失值进行了补充。

(二) 变量测量

1. 被解释变量

(1) 创新数量。 本文选取专利申请量 (Patent)、 发明专利申请量 (Invent) 和其他专利申请量 (Others) 来衡量企业创新数量。

(2) 创新质量。 已有文献大多采用专利引用量[39]

、 专利授权量[40]

、 专利申请书长度[41]

、 发明专利

申请量[42] 等衡量企业创新质量。 由于中国专利申请时不要求填写专利引用情况, 本文参考应千伟和何思

怡 (2022)

[4] 对创新质量的衡量方法, 利用企业价值指标 (TobinQ) 来衡量创新质量。

2. 解释变量

研发补贴 (Sub)。 根据以往文献对研发补贴和非研发补贴的界定[43]

, 当政府补贴具体内容包括研究、

开发、 研发、 技术、 创新等任一关键词时, 则该补贴被确定为研发补贴。 根据企业财务报表附注中所披

露的补贴数据, 手工筛选出研发补贴数据, 并对数据取自然对数处理。

3. 调节变量

数字化转型 (Dig)。 本文借鉴吴非等 (2021)

[44] 的研究, 采用文本分析法对企业数字化转型程度进

行衡量, 利用爬虫 (Python) 技术在巨潮资讯网站收集 2010—2020 年所有新能源上市公司的年度报告,

通过关键词筛选, 得到企业数字化转型词频, 对其加 1 取自然对数衡量企业数字化转型程度。

4. 控制变量

参考已有文献, 本文选取以下变量作为控制变量: 资产负债率 ( Lev)、 企业年龄 (Age)、 资产收益

率 (ROA)、 经营性现金流量 (Nc)、 第一大股东持股比例 (Fir)。 此外, 还控制了年度 (Year) 和行业

(Industry) 固定效应。

主要变量定义如表 1 所示。

表 1 变量定义

变量名称 变量符号 变量定义

创新质量 TobinQ (股市收盘价×流通股总数+每股净资产×非流通股总数+负债账面价值) / 资产账

面价值

专利申请量 Patent ln (1+专利申请量)

发明专利申请量 Invent ln (1+发明专利申请量)

其他专利申请量 Others ln (1+其他专利申请量)

研发补贴 Sub 研发补贴金额取自然对数

数字化转型 Dig 企业数字化转型词频加 1 取自然对数

39

2023 年第 5 期 尚洪涛, 宋岸玲: 研发补贴对新能源企业创新的非对称性激励效应研究

表1(续)

变量名称 变量符号 变量定义

资产负债率 Lev 总负债/ 总资产

企业年龄 Age 当前所处年份-企业成立年份

资产收益率 ROA 净利润/ 资产总额

经营性现金流量 Nc 企业经营性现金流量取对数

第一大股东持股比例 Fir 第一大股东持有的流通股数/ 该公司流通在外的总流通股股数

(三) 构建模型

为检验研究假设, 本文设定以下模型:

Innovationit

= α0

+ α1 Subit

+ α2Controlsit

+ ∑Industry + ∑Year + εit (1)

TobinQit

= β0

+ β1

Innovationit

+ β2 Subit

+ β3

Innovationit

× Subit

+ β4Controlsit

+ ∑Industry + ∑Year + εit

(2)

其中, i 表示企业, t 表示时间; TobinQ 表示企业价值, 用 (股市收盘价×流通股总数+每股净资产×

非流通股总数+负债账面价值) / 资产账面价值进行计算; Innovation 表示企业创新产出, 包括专利申请量

(Patent)、 发明专利申请量 (Invent) 以及其他专利申请量 (Others); Sub 表示研发补贴; Industry 为行业

虚拟变量, Year 为年度虚拟变量; Controls 为前述控制变量; ε 为模型随机误差项。

五、 实证结果与分析

(一) 描述性统计

表 2 为变量描述性统计结果。 由表 2 可知, 创新质量 TobinQ 均值为 1. 771, 最小值为 0. 798, 最大值

为 10. 570, 表明不同企业的企业价值存在较大差距。 研发补贴 (Sub) 最小值为 6. 908, 最大值为 20. 770,

标准差为 1. 925, 表明政府对新能源企业的研发补贴投入强度有较大的差别, 其中有 33. 82% (372 / 1 100)

的样本没有研发补贴。 企业创新产出 (Patent、 Invent、 Others) 标准差均较大, 表明企业间创新产出水平

差别较大。 数字化转型 (Dig) 的均值为 1. 718, 最小值为 0. 693, 最大值为 4. 605, 说明样本的数字化转

型程度差别较大。

表 2 描述性统计

变量 样本量 均值 标准差 最小值 最大值

TobinQ 1 100 1. 771 0. 975 0. 798 10. 570

Sub 1 100 14. 620 1. 925 6. 908 20. 770

Dig 1 100 1. 718 0. 914 0. 693 4. 605

Patent 1 100 3. 518 1. 651 0 7. 903

Invent 1 100 2. 634 1. 572 0 7. 316

Others 1 100 3. 226 1. 495 0 7. 092

Age 1 100 16. 560 6. 264 1 36

Fir 1 100 34. 810 15. 430 3. 620 87. 460

40

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

表2(续)

变量 样本量 均值 标准差 最小值 最大值

Nc 1 100 19. 490 1. 681 13. 770 24. 540

Lev 1 100 0. 486 0. 205 0. 040 2. 861

ROA 1 100 0. 256 0. 182 0. 002 0. 876

(二) 回归分析

1. 研发补贴与企业创新产出的关系

模型 (1) 的回归结果如表 3 所示。 其中, 研发补贴的系数分别为 0. 298、 0. 309 与 0. 198, 并且在

1%的水平上显著。 这表明研发补贴下发至新能源企业后, 其资金约束等问题得到了缓解, 从而激励企业

全方位开展创新活动, 使不同类型的专利数量都得到了显著提高。 由此, 假设 H1a 得到支持。

表 3 研发补贴对创新数量的影响

变量 Patent Invent Others

Sub 0. 298

∗∗∗ 0. 309

∗∗∗ 0. 198

∗∗∗

(0. 030) (0. 028) (0. 030)

Lev 0. 929

∗∗∗ 0. 711

∗∗∗ 2. 345

∗∗∗

(0. 274) (0. 258) (0. 309)

ROA -2. 066

∗∗∗ -1. 985

∗∗∗ -1. 957

∗∗∗

(0. 343) (0. 323) (0. 327)

Nc 0. 292

∗∗∗ 0. 262

∗∗∗ 0. 311

∗∗∗

(0. 041) (0. 039) (0. 039)

Age 0. 012 0. 012 0. 003

(0. 010) (0. 010) (0. 010)

Fir 0. 001 0. 003 0. 004

(0. 004) (0. 004) (0. 004)

常数项 -6. 352

∗∗∗ -6. 837

∗∗∗ -6. 220

∗∗∗

(0. 729) (0. 686) (0. 689)

Industry 控制 控制 控制

Year 控制 控制 控制

样本量 1 100 1 100 1 100

R

2 0. 361 0. 376 0. 397

注:

∗∗∗ 表示 P<0. 01,

∗∗ 表示 P<0. 05,

∗ 表示 P<0. 1; 括号内为标准误; 后表同。

本文用 TobinQ 衡量企业价值, 模型 ( 2) 的回归结果如表 4 所示。 其中, 研发补贴显著提高了

TobinQ, 表明企业的专利申请量所带来的创新绩效能够提升企业未来的价值。 发明专利的系数显著高于其

他两类专利, 说明发明专利有着更高的质量水平, 对于企业价值提升的促进作用更强, 市场认可度也相

41

2023 年第 5 期 尚洪涛, 宋岸玲: 研发补贴对新能源企业创新的非对称性激励效应研究

较其他专利类型来说更高。 在加入研发补贴之后, 研发补贴与专利申请量的交乘项的系数显著为负。 这

表明, 随着研发补贴的增加, TobinQ 对企业专利产出的敏感性降低, 即产出了更多的低质量专利。 由此,

假设 H1b 得到支持。 综合以上两组回归结果, 可以发现研发补贴可以提高企业的创新数量, 但是会抑制

企业的创新质量。

表 4 研发补贴对创新质量的影响

变量 (1) (2) (3)

Sub 0. 131

∗∗ 0. 110

∗∗ 0. 107

∗

(0. 051) (0. 043) (0. 056)

Patent 0. 476

∗∗∗

(0. 167)

Patent×Sub -0. 035

∗∗∗

(0. 011)

Invent 0. 501

∗∗∗

(0. 175)

Invent×Sub -0. 037

∗∗∗

(0. 012)

Others 0. 405

∗

(0. 210)

Others×Sub -0. 032

∗∗

(0. 014)

控制变量 控制 控制 控制

常数项 1. 841

∗∗ 2. 085

∗∗ 2. 084

∗∗

(0. 906) (0. 812) (0. 965)

Industry 控制 控制 控制

Year 控制 控制 控制

样本量 1 100 1 100 1 100

R

2 0. 142 0. 145 0. 147

注: 列 (1)—列 (3) 创新数量衡量指标分别为专利申请量、 发明专利申请量和其他专利申请量。

2. 不同企业性质下研发补贴对企业创新数量和创新质量的影响

从表 5 可以看出, 在获得研发补贴后, 国有企业和非国有企业的创新数量均有了显著的提升。 由此,

假设 H2a 得到支持。

进一步研究发现, 在三种性质的专利申请量中, 非国有企业发明专利申请量的系数低于国有企业,

而其余两项则高于国有企业, 说明获得研发补贴后非国有企业更倾向于研发价值更小、 难度更低的专利

类型。 由表 6 可知, 加入研发补贴后, 非国有企业交乘项系数的绝对值与显著性均大于国有企业, 表明非

国有企业在获得研发补贴后, 对于创新质量的抑制作用更强。 由此, 假设 H2b 得到支持。

42

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

表 5 不同企业性质下研发补贴对创新数量的影响差异

变量

国有企业 非国有企业

Patent Invent Others Patent Invent Others

Sub 0. 292

∗∗∗ 0. 323

∗∗∗ 0. 182

∗∗∗ 0. 299

∗∗∗ 0. 294

∗∗∗ 0. 195

∗∗∗

(0. 056) (0. 052) (0. 055) (0. 035) (0. 033) (0. 034)

Lev 1. 526

∗∗ 1. 376

∗∗ 1. 993

∗∗∗ 0. 780

∗∗ 0. 525

∗ 2. 559

∗∗∗

(0. 599) (0. 550) (0. 573) (0. 304) (0. 289) (0. 365)

ROA -3. 137

∗∗∗ -3. 078

∗∗∗ -2. 785

∗∗∗ -1. 299

∗∗∗ -1. 103

∗∗ -1. 306

∗∗∗

(0. 550) (0. 504) (0. 529) (0. 490) (0. 465) (0. 456)

Nc 0. 490

∗∗∗ 0. 427

∗∗∗ 0. 463

∗∗∗ 0. 225

∗∗∗ 0. 220

∗∗∗ 0. 235

∗∗∗

(0. 089) (0. 082) (0. 086) (0. 047) (0. 044) (0. 044)

Age -0. 013 -0. 028 -0. 030 0. 016 0. 022

∗∗ 0. 012

(0. 021) (0. 019) (0. 020) (0. 011) (0. 011) (0. 010)

Fir -0. 001 0. 001 0. 012 -0. 003 -0. 001 -0. 004

(0. 008) (0. 007) (0. 008) (0. 004) (0. 004) (0. 004)

常数项 -10. 03

∗∗∗ -9. 737

∗∗∗ -8. 855

∗∗∗ -5. 144

∗∗∗ -6. 006

∗∗∗ -4. 871

∗∗∗

(1. 553) (1. 425) (1. 511) (0. 853) (0. 809) (0. 788)

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

样本量 310 310 310 790 790 790

R

2 0. 419 0. 458 0. 423 0. 350 0. 358 0. 424

表 6 不同企业性质下研发补贴对创新质量的影响差异

变量

国有企业 非国有企业

(1) (2) (3) (4) (5) (6)

Sub 0. 076 0. 046 0. 104

∗ 0. 171

∗∗∗ 0. 150

∗∗∗ 0. 123

∗

(0. 053) (0. 044) (0. 056) (0. 060) (0. 050) (0. 066)

Patent 0. 254 0. 580

∗∗∗

(0. 158) (0. 210)

Patent×Sub -0. 0203

∗ -0. 042

∗∗∗

(0. 011) (0. 014)

Invent 0. 238 0. 610

∗∗∗

(0. 167) (0. 222)

Invent×Sub -0. 019 -0. 045

∗∗∗

(0. 011) (0. 015)

Others 0. 318

∗ 0. 453

∗

(0. 187) (0. 266)

Others×Sub -0. 027

∗∗ -0. 034

∗∗

(0. 012) (0. 017)

控制变量 控制 控制 控制 控制 控制 控制

常数项 1. 968

∗∗ 2. 354

∗∗∗ 1. 587

∗ 0. 132 0. 434 0. 833

(0. 778) (0. 667) (0. 839) (0. 863) (0. 727) (0. 975)

43

2023 年第 5 期 尚洪涛, 宋岸玲: 研发补贴对新能源企业创新的非对称性激励效应研究

表6(续)

变量

国有企业 非国有企业

(1) (2) (3) (4) (5) (6)

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

样本量 310 310 310 790 790 790

R

2 0. 218 0. 212 0. 244 0. 059 0. 064 0. 061

注: 列 (1)—列 (3)、 列 (4)—列 (6) 创新数量衡量指标分别为国有企业和非国有企业的专利申请量、 发明专利申请量和其他专利

申请量。

3. 数字化转型程度对研发补贴非对称性激励效应的调节作用

为了检验数字化转型在研发补贴与企业创新数量以及创新质量之间的调节作用, 本文根据数字化转

型程度对样本进行分组检验。

当企业进入数字化管理模式后, 通过数字化工具就能够实现整个企业的信息共享, 各类数据由之前

的少部分人掌控, 变成了分权限的透明化共享。 信息化管理将多个项目的信息流打通, 使各环节的人、

责、 权划分更为清晰, 不但加强了企业各部门之间的有效沟通, 有助于及时传递相关数据信息、 充分提

升管理效率, 而且在外界获取企业信息时也有了更高的公开性和透明性, 便于相关人员和部门准确了解

企业信息。 随着企业数字化转型进程的不断深化, 企业信息的可获得性也得到显著提高。 基于此, 本文

按照企业数字化转型程度进行分组检验, 具体来说, 若样本的数字化转型程度大于样本中位数, 则视为

数字化转型程度高组; 反之, 视为数字化转型程度低组。

表 7 显示了在不同数字化转型程度组别中, 研发补贴对企业创新数量的影响。 结果表明, 在数字化转

型程度高组, 研发补贴对企业专利申请量、 发明专利申请量与其他专利申请量影响的回归系数分别为

0. 292、 0. 299 与 0. 177, 其绝对值明显低于数字化转型程度低组。 由此, 假设 H3a 得到支持。

表 7 不同数字化转型程度下研发补贴对创新数量的影响差异

变量

数字化转型程度低 数字化转型程度高

Patent Invent Others Patent Invent Others

Sub 0. 301

∗∗∗ 0. 328

∗∗∗ 0. 238

∗∗∗ 0. 292

∗∗∗ 0. 299

∗∗∗ 0. 177

∗∗∗

(0. 046) (0. 046) (0. 051) (0. 039) (0. 035) (0. 035)

Lev 1. 318

∗∗ 0. 786 1. 759

∗∗∗ 0. 760

∗∗ 0. 657

∗∗ 2. 513

∗∗∗

(0. 523) (0. 534) (0. 574) (0. 327) (0. 298) (0. 366)

ROA -1. 802

∗∗∗ -1. 659

∗∗∗ -1. 648

∗∗∗ -2. 209

∗∗∗ -2. 096

∗∗∗ -1. 892

∗∗∗

(0. 509) (0. 520) (0. 557) (0. 465) (0. 424) (0. 416)

Stoc -0. 400

∗ -0. 235 -0. 701

∗∗∗ -0. 310

∗ -0. 208 -0. 576

∗∗∗

(0. 204) (0. 209) (0. 223) (0. 180) (0. 164) (0. 165)

Nc 0. 279

∗∗∗ 0. 273

∗∗∗ 0. 311

∗∗∗ 0. 285

∗∗∗ 0. 238

∗∗∗ 0. 298

∗∗∗

(0. 057) (0. 058) (0. 062) (0. 057) (0. 052) (0. 051)

Age -0. 003 -0. 010 -0. 012 0. 019 0. 024

∗∗ 0. 013

(0. 015) (0. 015) (0. 017) (0. 013) (0. 012) (0. 012)

Fir -0. 004 -0. 004 -0. 006 0. 006 0. 007 0. 010

∗∗

(0. 006) (0. 006) (0. 006) (0. 005) (0. 005) (0. 005)

常数项 -5. 761

∗∗∗ -6. 737

∗∗∗ -5. 943

∗∗∗ -6. 417

∗∗∗ -6. 575

∗∗∗ -6. 178

∗∗∗

(1. 068) (1. 091) (1. 185) (0. 984) (0. 897) (0. 856)

44

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

表7(续)

变量

数字化转型程度低 数字化转型程度高

Patent Invent Others Patent Invent Others

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

样本量 451 451 451 649 649 649

R

2 0. 414 0. 400 0. 366 0. 347 0. 373 0. 437

表 8 显示了在不同数字化转型程度组别中, 研发补贴对创新质量的影响。 结果表明, 在数字化转型程

度高组, 研发补贴和企业专利申请量、 发明专利申请量、 其他专利申请量的交乘项系数分别为-0. 027、 -

0. 029 与-0. 028, 其系数绝对值大小与显著性程度都要明显小于数字化转型程度低组。 上述回归结果表

明, 在数字化转型程度高组, 研发补贴对企业创新质量的抑制作用减弱。 综合以上回归结果可以发现,

随着数字化转型程度的提高, 在对研发补贴的利用上, 相比于追求创新数量, 企业更加注重创新质量的

提升。 由此, 假设 H3b 得到支持。

表 8 不同数字化转型程度下研发补贴对创新质量的影响差异

变量

数字化转型程度低 数字化转型程度高

(1) (2) (3) (4) (5) (6)

Sub 0. 139 0. 113 0. 061 5 0. 125

∗ 0. 108

∗∗ 0. 120

∗

(0. 085) (0. 070) (0. 090) (0. 064) (0. 054) (0. 072)

Patent 0. 630

∗∗ 0. 367

∗

(0. 262) (0. 218)

Patent×Sub -0. 045

∗∗ -0. 027

∗

(0. 018) (0. 015)

Invent 0. 676

∗∗ 0. 386

∗

(0. 279) (0. 226)

Invent×Sub -0. 050

∗∗∗ -0. 029

∗

(0. 018) (0. 015)

Others 0. 460 0. 337

(0. 314) (0. 284)

Others×Sub -0. 034 -0. 028

(0. 021) (0. 019)

Lev -0. 584 -0. 548 -0. 631 -0. 633

∗ -0. 635

∗ -0. 640

∗

(0. 424) (0. 417) (0. 441) (0. 332) (0. 329) (0. 385)

ROA -1. 360

∗∗∗ -1. 454

∗∗∗ -1. 337

∗∗∗ -0. 666

∗ -0. 715

∗ -0. 795

∗

(0. 420) (0. 418) (0. 425) (0. 373) (0. 375) (0. 414)

Stoc -0. 229 -0. 231 -0. 242 -0. 316

∗∗ -0. 306

∗∗ -0. 391

∗∗

(0. 162) (0. 161) (0. 169) (0. 147) (0. 146) (0. 163)

Nc 0. 010 0. 019 0. 014 -0. 084

∗ -0. 083

∗ -0. 072

(0. 048) (0. 047) (0. 049) (0. 046) (0. 046) (0. 051)

45

2023 年第 5 期 尚洪涛, 宋岸玲: 研发补贴对新能源企业创新的非对称性激励效应研究

表8(续)

变量

数字化转型程度低 数字化转型程度高

(1) (2) (3) (4) (5) (6)

Age -0. 015 -0. 014 -0. 017 0. 005 0. 006 0. 006

(0. 012) (0. 012) (0. 012) (0. 010) (0. 010) (0. 011)

Fir -0. 000 -0. 000 0. 000 -0. 007

∗ -0. 007

∗ -0. 006

(0. 005) (0. 005) (0. 005) (0. 004) (0. 004) (0. 005)

常数项 0. 917 1. 145 1. 997 2. 573

∗∗ 2. 791

∗∗∗ 2. 519

∗∗

(1. 460) (1. 300) (1. 541) (1. 168) (1. 046) (1. 261)

Industry 控制 控制 控制 控制 控制 控制

Year 控制 控制 控制 控制 控制 控制

样本量 451 451 451 649 649 649

R

2 0. 200 0. 207 0. 196 0. 140 0. 142 0. 148

注: 列 (1)—列 (3)、 列 (4)—列 (6) 创新数量衡量指标分别为数字化转型程度低组和数字化转型程度高组的专利申请量、 发明专利

申请量和其他专利申请量。

(三) 稳健性检验①

1. 替换变量

现有文献对于企业价值的衡量主要有 TobinQ、 净资产收益率等, 现将 TobinQ 更换为净资产收益率进

行检验。 其中, 在创新数量的回归结果中, 研发补贴对三种创新数量衡量指标的系数均显著为正, 表明

替换变量后研发补贴依旧是提高了创新数量; 在对创新质量的回归结果中, 研发补贴系数显著为正, 但

研发补贴与专利数量的交乘项系数显著为负, 表明研发补贴抑制了创新质量。 上述发现与前文结论一致,

从而证明了本文研究结论的稳健性。

2. 工具变量法

为尽可能克服内生性问题, 本文运用工具变量法进行稳健性检验, 将政府补贴滞后 1 期作为工具变

量, 选用两阶段最小二乘 (2SLS) 法进行估计。 结果显示, 系数的显著性与正负均与前文一致, 表明研

发补贴促进了企业创新数量的增加, 抑制了创新质量的提高, 从而证明了本文研究结论的稳健性。

3. 数据缩尾处理

考虑到数据当中可能存在的异常值问题, 本文进一步对所有变量进行 1%的数据缩尾 (winsorize) 处

理。 结果显示, 研发补贴依旧是促进了企业创新数量的增加, 抑制了创新质量的提高, 这表明核心结论

并没有受异常值干扰, 从而证明了本文研究结论的稳健性。

六、 研究结论与政策建议

(一) 研究结论

本文以 2010—2020 年 A 股新能源上市公司为研究样本, 实证研究了政府研发补贴对新能源企业创新

数量和创新质量的非对称影响, 并着重分析了数字化转型对研发补贴的这种非对称性创新激励效果的调

节作用, 结论如下:

首先, 研发补贴对新能源企业创新产出的激励效应具有非对称性。一方面, 研发补贴能够显著促进

新能源企业的创新数量, 且这种促进作用在国有企业与非国有企业中无显著差异; 另一方面, 研发补贴

46

① 限于篇幅, 省略稳健性检验的具体结果, 备索。

首都经济贸易大学学报 (双月刊) 2023 年第 5 期

对新能源企业创新质量却具有抑制作用, 使得企业创新产出的市场价值下降。 相较于国有企业, 这种抑

制作用在非国有企业中更为显著。

其次, 数字化转型程度能够显著缓解研发补贴对新能源企业创新数量和创新质量影响的非对称性。

在数字化转型程度低组, 研发补贴对创新质量的抑制作用与对创新数量的促进作用均更为显著。 由此可

见, 当企业数字化转型程度提高时, 研发补贴对于企业创新质量的抑制作用明显减弱, 对企业创新数量

的促进作用也显著降低, 这说明数字技术可以驱动企业更加关注创新质量, 有效提高补贴资源的利用

效果。

(二) 政策建议

1. 政府层面

第一, 完善创新成果的验收机制。 为提升宏观经济发展的质量目标, 政府应当将 “只有高质量的创

新才能驱动高质量的发展” 这一理念, 落实到激励创新的政策制定与实施过程中, 优化调整研发补贴的

配置策略, 合理制定验收标准, 不应仅注重企业创新数量的增加, 更应综合考虑企业实际创新产出所能

带来的社会经济效益, 合理制定补贴配置方案与补贴对象。 在实践中, 从原创性、 实用性、 持久性等方

面综合考虑企业创新, 并将创新结果的市场性及不确定性考虑在内, 引导企业从事风险较大但能够对经

济发展起到推动作用的实质性创新。 第二, 建立驱动企业数字化转型的支持机制。 数字化转型有助于企

业获得及时准确的信息, 把握政策方向, 提升创新效率。 政府应为企业数字化转型提供资金支持, 助推

企业顺利实现数字化转型。

2. 企业层面

企业应当充分认识到数字信息在补贴利用和研发创新中的重要作用。 第一, 有效利用研发补贴, 做

到专款专用。 企业应当将政府的研发补贴分期适时地投入企业研发的不同阶段, 不仅要关注创新数量,

更要追求创新质量, 让创新真正成为企业、 国家和社会发展的驱动力。 第二, 积极践行数字化转型。 企

业应组建专业团队, 加强包括区块链、 人工智能、 大数据和物联网等技术与企业的融合, 让企业创新插

上数字技术的翅膀, 提升企业的创新质量和技术水平。

参考文献:

[1]李孟刚. 中国新能源产业发展与安全报告(2011~ 2012)[M]. 北京:社会科学文献出版社,2012.

[2]中国科学院武汉文献情报中心战略情报中心先进能源科技战略情报研究团队,中国科学院文献情报中心情报研究部生态文明研究团

队,中国科学院西北生态环境资源研究院文献情报中心资源生态环境战略情报研究团队,等. 趋势观察:国际碳中和行动关键技术前沿热点与

发展趋势[J]. 中国科学院院刊,2021,36(9):1111-1115.

[3]王静宇,刘颖琦,KOKKO A. 基于专利信息的中国新能源汽车产业技术创新研究[J]. 情报杂志,2016,35(1):32-38.

[4]应千伟,何思怡. 政府研发补贴下的企业创新策略:“滥竽充数”还是“精益求精”? [J]. 南开管理评论,2022,25(2):57-69.

[5]张颖,张婷. 创新产出影响因素的区域差异性比较研究———来自新能源产业的经验数据[J]. 工业技术经济,2020,39(7):144-151.

[6]胡善成,靳来群. 政府研发补贴促进了策略创新还是实质创新? ———理论模型与实证检验[ J]. 研究与发展管理,2021,33( 3):

109-120.

[7]陈艳,许伟,周园媛. 创新政策对新能源企业技术创新的影响———基于中国新能源企业的实证分析[ J]. 科技管理研究,2022,42(2):

8-15.

[8]KLEIN A S, CHAPEKAR M S. Innovate America: the technology innovation program at NIST[J]. Journal of Commercial Biotechnology, 2009,

15(4): 293-300.

[9]CLAUSEN T H. Do subsidies have positive impacts on R&D and innovation activities at the firm level? [J]. Structural Change and Economic

Dynamics, 2009, 20(4): 239-253.

[10]AERTS K, SCHMIDT T. Two for the price of one?: Additionality effects of R&D subsidies: a comparison between Flanders and Germany[J].

Research Policy, 2008, 37(5): 806-822.

[11]YU F F, GUO Y, LE-NGUYEN K, et al. The impact of government subsidies and enterprises? R&D investment: a panel data study from renewable energy in China[J]. Energy Policy, 2016, 89: 106-113.

47

2023 年第 5 期 尚洪涛, 宋岸玲: 研发补贴对新能源企业创新的非对称性激励效应研究

[12]陈强远,林思彤,张醒. 中国技术创新激励政策:激励了数量还是质量[J]. 中国工业经济,2020(4):79-96.

[13]邵慰,孙阳阳,刘敏. 研发补贴促进新能源汽车产业创新了吗? [J]. 财经论丛,2018(10):11-18.

[14]毛毅翀,吴福象. 创新补贴、研发投入与技术突破:机制与路径[J]. 经济与管理研究,2022,43(4):26-45.

[15]李磊. 政府研发补贴对新能源汽车产业技术创新产出的影响研究[J]. 科技管理研究,2018,38(17):160-166.

[16]尚洪涛,宋雅希. 中国新能源企业政府环境研发补贴的动态激励效应[J]. 科技进步与对策,2020,37(22):65-72.

[17]刘新民,宋红汝,范柳. 政府补助、企业创新对投资者投资决策的信号传递效应[J]. 科技进步与对策,2020,37(2):26-33.

[18]SANTOS A, CINCERA M, NETO P, et al. Which projects are selected for an innovation subsidy? The Portuguese case[J]. Portuguese Economic Journal, 2019, 18(3): 165-202.

[19]孔悦,王云松,焦宇靖,等. 政府补贴对新能源企业绿色创新影响研究———基于古诺竞争视角[J]. 经济问题探索,2021(6):71-81.

[20]刘兰剑,张萌,黄天航. 政府补贴、税收优惠对专利质量的影响及其门槛效应———基于新能源汽车产业上市公司的实证分析[ J]. 科研

管理,2021,42(6):9-16.

[21]PAUNOV C. Corruption?s asymmetric impacts on firm innovation[J]. Journal of Development Economics, 2016, 118: 216-231.

[22]焦翠红,陈钰芬. R&D 补贴、寻租与全要素生产率提升[J]. 统计研究,2018,35(12):80-91.

[23]杨解君,杨高臣. 打造从政策到法律的补贴制度升级版———以新能源汽车骗补为切入点[J]. 江西社会科学,2017,37(5):187-194.

[24]SUNG B. Do government subsidies promote firm-level innovation? Evidence from the Korean renewable energy technology industry[J]. Energy

Policy, 2019, 132: 1333-1344.

[25]任广乾,罗新新,刘莉,等. 混合所有制改革、控制权配置与国有企业创新投入[J]. 中国软科学,2022(2):127-137.

[26]汲昌霖,刘艺宁. 经济政策不确定性、权属性质与企业研发投入———以新能源行业为例[J]. 世界经济与政治论坛,2020(5):154-172.

[27]刘满芝,杜明伟,刘贤贤. 政府补贴与新能源企业绩效:异质性与时滞性视角[J]. 科研管理,2022,43(3):17-26.

[ 28]MAISURADZE D, NARMANIA G, LAZISHVILI M, et al. Is corporate social responsibility (CSR) a new alternative to governance challenges

of state-owned enterprises (SOEs)? [J]. Central European Journal of Public Policy, 2020, 14(2): 28-46.

[29]李涛,陈晴. 异质机构投资者、企业性质与科技创新[J]. 工业技术经济,2020,39(3):30-39.

[30]翟纪超. 基于信息不对称的政策执行互动分析[J]. 管理学刊,2010,23(4):46-48.

[31]柳光强. 税收优惠、财政补贴政策的激励效应分析———基于信息不对称理论视角的实证研究[J]. 管理世界,2016(10):62-71.

[32]王瑶,冯晓晴,侯德帅. 企业数字化转型能提高分析师预测准确度吗? ———基于信息披露和信息挖掘的双重视角[J/ OL]. 中南财经政

法大学学报,2023[2023-02-09]. https: / / doi. org / 10. 19639 / j. cnki. issn1003-5230. 20230130. 003.

[33]聂兴凯,王稳华,裴璇. 企业数字化转型会影响会计信息可比性吗[J]. 会计研究,2022(5):17-39.

[34]KLEER R. Government R&D subsidies as a signal for private investors[J]. Research Policy, 2010, 39(10): 1361-1374.

[35]张笑,赵明辉,张路蓬. 政府创新补贴、高管关系嵌入与研发决策———WSR 方法论视角下制造业上市公司的实证研究[ J]. 管理评论,

2021,33(5):194-207.

[36]CARMAN J M, DOMINGUEZ L V. Organizational transformations in transition economies: hypotheses[J]. Journal of Macromarketing, 2001,

21(2): 164-180.

[37]党力,杨瑞龙,杨继东. 反腐败与企业创新:基于政治关联的解释[J]. 中国工业经济,2015(7):146-160.

[38]王孟嘉. 数字政府建设的价值、困境与出路[J]. 改革,2021(4):136-145.

[39]周铭山,张倩倩. “面子工程”还是“真才实干”? ———基于政治晋升激励下的国有企业创新研究[J]. 管理世界,2016(12):116-132.

[40]DANG J W, MOTOHASHI K. Patent statistics: a good indicator for innovation in China? Patent subsidy program impacts on patent quality

[J]. China Economic Review, 2015, 35: 137-155.

[41]康志勇. 政府补贴促进了企业专利质量提升吗? [J]. 科学学研究,2018,36(1):69-80.

[42]黎文靖,郑曼妮. 实质性创新还是策略性创新? ———宏观产业政策对微观企业创新的影响[J]. 经济研究,2016,51(4):60-73.

[43]CHEN J, HENG C S, TAN B C Y, et al. The distinct signaling effects of R&D subsidy and non-R&D subsidy on IPO performance of IT entrepreneurial firms in China[J]. Research Policy, 2018, 47(1): 108-120.

[44]吴非,胡慧芷,林慧妍,等. 企业数字化转型与资本市场表现———来自股票流动性的经验证据[J]. 管理世界,2021,37(7):130-144.

48