营商环境与企业产品质量升级——基于腐败视角的分析

辛大楞 辛立国

(1.山东师范大学 经济学院，山东 济南 250014； 2.山东大学 管理学院，山东 济南 250100)

一、引言

腐败会禁锢经济发展的活力，增加企业的生产成本，进而减少企业的潜在收益，抑制企业的产品质量升级。而反腐败则可以有效减少经济体中的“设租”“寻租”等行为，通过营造公平竞争的商业环境，降低企业的运营成本和经营风险，从而激发市场交易主体的创新活力。有鉴于此，学者围绕腐败对企业产品质量升级的影响开展了大量研究。然而，已有文献集中于探讨腐败对企业创新投入或研发(R&D)投入，以及企业增长的影响。众所周知，对于企业而言，产品质量升级的最直接成效便是获取一系列的相关科技成果，如国际质量认证(如ISO9001)等，企业正是凭借这些科技成果来获取相应的高额收益。既然腐败对企业创新存在重要影响，而产品质量升级又是企业创新活动的重要组成部分，那么腐败对产品质量升级的影响又如何呢？进一步地，如果腐败会影响企业的产品质量升级，那么这种影响对不同类型的企业而言是否存在差异呢？从现有文献来看，针对上述问题的研究仍然较少。更进一步，立足中国国情，分析腐败对不同类型企业产品质量升级的影响，或者说腐败对企业产品质量升级的非对称影响则更少。李后建等(2015)虽与上述主题高度相关，但他们分析的是腐败对企业创新产出(用企业引入新的产品或服务销售额占总销售额的比重来衡量)的影响。Paunov(2016)利用企业层面数据探究了腐败对企业创新的影响，但是所选样本中并不包含中国。综上可知，当前研究腐败对中国企业产品质量升级影响的文献很少，而关于腐败对中国企业产品质量升级的非对称影响的细致考察更为鲜见。

鉴于上述分析，本文采用世界银行2012年发布的中国1136家制造业企业数据，并通过多种计量模型，从腐败的视角实证检验营商环境对企业产品质量升级(即获取国际质量认证)的影响。本文尝试在以下方面有所突破：首先，基于腐败的视角，本文分析了营商环境对中国企业产品质量升级的非对称影响，而已有学者多关注于腐败对国家或者企业创新投入或研发投入等创新活动的直接影响；其次，本文从国际质量认证密集度和企业规模两个维度分析了腐败对中国企业产品质量升级的非对称影响；再者，在估计方法上，本文使用线性概率模型(LPM)分析了腐败对企业产品质量升级的影响，而在稳健性检验部分，又使用Probit模型和Logit模型重新进行了估计；最后，本文分别通过控制企业层面、行业层面以及城市层面等一系列衡量营商环境的因素，对模型进行了多次估计，得出的结论更加可靠。

二、文献评述

营商环境与企业产品质量升级之间的关系一直是国内外学者重点关注的议题之一。然而，直接分析营商环境对企业产品质量升级影响的研究还较少，学者主要考察了企业出口行为或者政府行为等因素对企业产品质量升级的影响。譬如，Manova et al.(2012)指出最成功的出口商会使用高质量的中间品来生产高质量的最终商品。李秀芳等(2013)、张洋(2017)使用微观企业层面数据进行的实证研究发现，政府补贴显著提高了中国制造业企业出口产品的质量。王永进等(2014)采用合并后的《中国海关贸易数据库》和《中国工业企业数据库》进行的实证研究显示，企业生产率、企业是否获得政府补贴、企业研发投入、营业时间以及企业面临的信贷约束程度对企业产品质量升级具有显著影响。张杰(2015)的研究表明，融资约束和中国企业出口产品质量之间呈倒U型关系，且这种影响会因企业所有制的不同而不同。许和连等(2016)则发现，最低工资标准显著降低了企业出口产品质量，而且这种抑制作用在不同行业、不同地区和不同所有制结构企业上存在很大差异。余淼杰等(2016)发现，司法质量和出口产品质量显著正相关。Ludema et al.(2016)使用美国企业层面的数据分析了关税传导及其他一些企业层面的因素(如生产率等)对企业产品质量的影响。

同样，直接研究腐败对企业产品质量升级影响的文献也不多。学者们重点考察了腐败对企业生产率、创新或企业增长的影响，所得结论并不一致。部分研究发现腐败会抑制企业生产率或创新的增长。具体而言，腐败可以通过增加企业的运营成本，减少企业从产品质量升级(如通过创新获取专利或国际质量认证)中获得的潜在收益，从而抑制企业生产率的增长(Paunov，2016)。Beck et al.(2005)使用54个国家4000多家企业数据进行的实证研究表明，腐败会对企业的增长产生负面影响。Fisman et al.(2007)选取乌干达企业层面数据进行的实证研究显示，随着腐败程度的提高，企业的销售收入增长率将显著下降。De Rosa et al.(2010)的研究表明，腐败水平的提高会显著降低企业的全要素生产率，而且在腐败盛行和法律环境较差的国家，贿赂对企业全要素生产率的影响更严重。Ayygari et al.(2014)发现，相比规模较大的企业，规模较小的企业支付的贿赂更多。进一步地，创新型企业更多是腐败行为的受害者。范允奇等(2014)基于中国2000—2009年高技术产业的省际面板数据，研究发现，腐败对技术创新效率(采用DEA-Malmquist指数来测度)具有负面影响。党力等(2015)认为，反腐败促进了企业创新。企业产品质量升级是企业创新的重要环节，反腐败对创新存在正面影响，也就意味着腐败会抑制企业的产品质量升级。

然而，也有部分学者发现腐败程度的提高对企业生产率或企业创新具有正向促进作用。Vial et al.(2010)对印度尼西亚企业的研究显示，腐败对厂商生产率增长的影响显著为正；Wang et al.(2012)也发现，腐败促进了企业的增长；黄玖立等(2013)的研究表明，腐败活动越多，企业获得的政府订单和国有企业订单也越多。此外，一些学者还发现腐败与企业创新或企业增长之间呈非线性关系(李后建，2013)。李后建等(2015)的研究表明，腐败活动与企业创新之间存在倒U型或非线性关系，即一定程度的腐败有利于创新，但跨越门槛值之后，随着腐败程度的提高，企业的创新行为将受到抑制；赵颖(2015)发现，腐败显著地促进了企业的销售额增速和利润增速，而且随着企业规模扩大，贿赂行为获得的经济收益也在逐渐上升，但是当企业的贿赂超过一定数额时，伴随贿赂规模的继续上升，企业收益开始逐步下降。

总体来看，以往学者较为细致地分析了营商环境各个因素对企业产品质量的影响以及腐败活动对企业生产率、企业创新或企业增长的影响。然而，针对腐败对企业产品质量升级影响的研究还较少，分析腐败对不同类型企业(如企业规模不一、企业对国际质量认证的需求不同等)影响的文献则更少。有鉴于此，本研究从腐败的视角实证检验营商环境对中国企业产品质量升级的影响。进一步地，还实证分析了腐败对不同规模企业以及处于不同国际质量认证密集度的行业内企业产品质量升级的非对称影响。需要指出的是，Paunov(2016)虽与本文类似，但他们的研究样本中并没有包含中国的企业数据。立足中国实际，深入探究腐败对不同类型企业产品质量升级的影响，更具理论及现实意义。

三、研究设计

(一)模型设定

为从腐败的视角实证检验营商环境对国际质量认证密集度不同的企业产品质量升级的影响，本文综合已有研究的做法，将计量模型设定如下：

其中，i表示个体，即企业；j为企业所处的行业；c为企业所在的城市。关于企业产品质量升级，已有研究一般通过在调查问卷中设置相关问题加以衡量，如孔伟杰(2012)、才国伟等(2015)使用企业是否进行产品升级、企业所属行业是否有所转换、产品技术含量是否提高等多个维度进行度量。不同于此，本文采用企业是否持有国际质量认证来衡量企业产品质量升级。显然，对于任一企业而言，如果持有国际质量认证，则表示企业的产品质量有了很大提升，从而也就意味着企业的产品质量实现了升级。赵昌文等(2013)也指出商标和品牌建设对企业的经营转型具有重要作用。在方程中，被解释变量Certification，即国际认可的质量认证，是一个二元离散选择变量，其取值为1(企业具有国际质量认证，如ISO 9000或14000，或HACCP等)或者0(企业不具有国际质量认证)。α为方程的常数项。Intensity用于衡量j行业国际质量认证的密集使用程度。Corruption用来衡量城市c的腐败程度。之所以从城市层面衡量腐败程度，是为了避免实证研究时可能存在的内生性问题。由于企业层面的腐败程度在方程中很可能是一个内生变量，所以本文参考Rajan et al.(1998)的做法，从地区层面衡量腐败程度，以避免潜在的内生性问题。关于企业所处的营商环境，本文主要从三个方面进行衡量，分别是企业层面、行业层面和城市层面。具体而言，变量集合Firm包含衡量企业特征的一系列因素，变量集合Industry包含衡量行业特征的一些因素，而变量集合City则包含衡量企业所在城市特征的一系列因素。ε为随机误差项。

进一步地，为检验腐败对不同规模的企业产品质量升级的影响，本文又对下述方程进行了估计：

其中，Size为企业规模，交互项Intensityj×Corruptionc×Sizeijc显示了腐败对不同规模企业产品质量升级的差异化影响。

此外，在估计方法的选择上，参照以往研究的做法，本文主要使用线性概率模型(LPM)对上述方程进行估计。而在稳健性分析部分，则采用Probit模型和Logit模型对上述方程重新进行估计。

(二)相关变量说明

1.企业层面变量

(1)Productivity，企业的劳动生产率，用企业的销售收入与企业的全部就业人员之比来衡量。Fryges et al.(2008)指出人均销售收入与企业的劳动生产率高度相关。因此，本文也沿用这种做法，在实证分析时取其对数形式。(2)Size，企业规模，用企业的全部就业人员总数来表示，取其对数形式。(3)Small,如果企业的全部就业人数小于等于19，那么该变量取值为1，否则为0。(4)Medium，如果企业的全部就业人数大于等于20，小于等于99，那么该变量取值为1，否则为0。(5)Large，如果企业的全部就业人数大于等于100，那么该变量取值为1，否则为0。(6)Age，企业经营时间的对数值。其中，企业经营时间用问卷调查的时间与企业成立时间的差额表示。(7)Credit，企业信贷约束程度。世界银行将企业进入金融市场的难易程度分为没有障碍、障碍较低、中等程度的障碍、主要障碍和严重障碍五个等级，并分别赋值为0、1、2、3、4。本文将这一指标直接引入实证分析中以衡量企业的信贷约束程度。显然，Credit取值越大，表明企业面临的信贷约束程度越高。(8)Technology，如果企业使用了由外资企业许可的技术，那么该变量取值为1，否则为0。(9)Fowner，如果外资占企业注册资本的份额大于等于40%，那么该变量取值为1，否则为0。(10)Government，如果政府或国有资本占企业注册资本的份额大于0，那么该变量取值为1，否则为0。(11)Web，如果企业使用自己的因特网主页，那么该变量取值为1，否则为0。

2.行业层面变量

(1)Intensity，国际质量认证密集度，用行业内拥有国际质量认证的企业占行业内总企业数的比重来表示。该比重越大，表明这个行业内的企业对国际质量认证的需求越高；反之则越小。(2)HCI，人力资本密集度，衡量行业内企业人力资本的密集程度，用行业的平均工资占总的制造业平均工资的比重来表示。(3)PCI，物质资本密集度，衡量行业内企业物质资本的密集程度，用企业的固定资产形成总值占工业增加值的比重来表示。(4)Tangibility，资产的有形性，衡量行业内企业的资产有形性程度，用企业的净资产、厂房和设备占企业总账面价值的比重来表示。

3.城市层面变量

(1)Corruption，地区腐败程度。与Fan et al.(2009)和Paunov(2016)的做法类似，对于地区腐败程度的衡量，本文使用本地区内为开展正常的生产经营活动而支付了一个非正式礼物或非正式费用的企业数量占地区内总企业数的比重来衡量。这里的生产经营活动包括很多方面，如海关、税收、营业执照、管制以及政府的服务等。(2)GDPPC，地区人均GDP，衡量地区的经济发展水平。(3)Edu，地区的教育水平，用该地区在校大学生人数占总人口的比重表示。(4)FDI，地区吸引外资的能力，用该地区吸引的外资总额占地区生产总值的比重来表示。

(三)数据来源

本研究所用数据的主要来源及相应处理方式具体如下：

首先，企业数据来源于世界银行2012年发布的对中国企业进行的一项关于企业运营环境的问卷调查。调查期间为2011年12月至2013年2月，涉及北京、上海、南京等25个大中型城市[注]25个城市包括合肥、北京、广州、深圳、佛山、东莞、武汉、成都、济南、青岛、烟台、石家庄、唐山、郑州、洛阳、上海、杭州、宁波、温州、沈阳、大连、南京、无锡、苏州以及南通。。此次问卷调研共涉及2848家企业，其中私营企业2700家，国有企业148家。总体来看，按照ISIC Rev. 3.1的分类标准，样本主要涵盖制造业(如食品、烟草、纺织、造纸、化工产品、电子、运输机器等)和服务业(如批发和零售、建筑服务、酒店服务、运输服务、IT行业等)。鉴于本研究主要分析腐败对制造业企业产品质量升级的影响，所以在实证分析时删除了服务业企业样本，只保留制造业企业，大约1727家。进一步，我们又对样本进行了一系列处理，剔除了主要变量信息缺失以及存在异常值的企业。同时，对于100%为国有资本的企业，由于世界银行在调查时只统计了这部分企业是属于制造业还是服务业，而没有具体细分它们所属的制造业行业，所以也予以删除。最终，剩余的有效样本共包含11个行业[注]11个行业包括食品、纺织业、服装、化学制品、塑料橡胶、非金属矿物制品业、碱性金属、金属制品业、机械设备、电子工业以及运输机器业。、1136家制造业企业。

其次，行业层面的数据来源于两部分。一部分，Intensity指标的数据来源于Paunov(2016)，其在分析腐败对48个发展中国家和新兴市场经济体国家企业创新活动的影响时，采用世界银行在2006—2011年间对这些国家的总体调研数据计算得出按行业划分的持有国际质量认证的企业占行业内总样本的比例。中国属于发展中国家和新兴市场国家，所以一定程度上该指标对中国也是适用的。本文直接引用Paunov(2016)中的国际质量认证密集度来进行实证分析。各行业的国际质量认证密集度差别很大，如电子行业的质量认证密集度最高，为0.499；服装行业的质量认证密集度最低，仅为0.111。另一部分，HCI、PCI和Tangibility等数据来源于Braun(2003)，其根据Compustat数据库统计的美国在1986—1995年的上市公司数据计算得出各行业的HCI、PCI和Tangibility等多项指标。鉴于美国是世界上最发达以及金融体系最复杂的经济体之一，利用美国企业数据计算得出的这些指标，可以更好地反映企业的人力资本密集度、物质资本密集度和资本的有形性等。

最后，城市层面的变量，如地区的人均GDP(GDPPC)、FDI以及受教育水平(Edu)等，这部分数据来源于2011年的《中国城市统计年鉴》。世界银行进行调研的时间为2011年12月至2013年2月，但调研时涵盖了企业2010年财政年度的信息。因此，相关城市层面变量的数据也以2010年为基准。

(四)主要变量的描述性统计

表1列示了主要变量的描述性统计结果。从中可见，各变量在样本中差异很大。如：Corruption×Intensity指标的最大值为0.2321，最小值为0；Productivity的最大值为17.1085，最小值为8.9115；行业指标HCI的最大值为1.4080，最小值为0.5017；城市指标FDI的最大值为0.1322，最小值为0.0041。样本的多样性有助于确保本文后续实证分析有效开展。

表1 描述性统计

四、实证结果分析

(一)腐败对不同国际质量认证密集度的企业产品质量升级的影响

表2报告了基本的估计结果。其中，模型1仅简要分析了腐败和国际质量认证密集度的交互项与企业是否拥有国际质量认证的关系，而没有控制其他变量。从模型1中可以看到，腐败对于那些需要密集使用国际质量认证的行业内企业来说负面影响更大，即随着腐败程度的增加，那些需要密集使用国际质量认证的行业内企业获取国际质量认证的可能性下降的越多，而且这种影响在1%的水平上显著。模型2、模型3和模型4分别是加入企业层面因素、行业层面因素和城市层面因素之后重新估计所得的结果。这三个模型与模型1得到的结果是一致的，腐败仍然显著地负面影响密集使用国际质量认证的行业内企业的产品质量升级。这与多数结论较为一致，但与李后建等(2015)的研究结果存在分歧，他们的研究显示，贿赂等腐败活动与企业创新之间存在倒U型关系。导致结论差异的原因很多，比如：衡量腐败的指标不一样，李后建等(2015)是从企业的视角对腐败进行衡量，而本文为减少内生性则是从地区层面对腐败进行衡量；李后建等(2015)采用近三年内企业是否引入新产品或服务，以及2010年内企业引入的新产品或服务销售额占年度销售总额的百分比来衡量企业创新，而本文则采用企业是否具有国际承认的质量认证来衡量产品质量升级程度。

表2 腐败、国际质量认证密集度与企业产品质量升级

注：括号内为经过异方差调整后的稳健标准误；***、**和*分别表示在1%、5%和10%的水平上显著。下同。

此外，从模型2的估计结果中还可以看到，随着企业生产率的提高、企业规模的扩大以及企业使用自己的因特网主页，企业拥有国际质量认证的可能性也在逐渐增加。这与孔伟杰(2012)的研究结论类似，其也发现企业规模对企业转型升级具有明显的正向促进作用。Fowner的系数为正，且在10%的水平上显著，即外资资本的进入将显著提升企业持有国际质量认证的概率。进一步地，如果政府或国有资本占企业注册资本的比例大于0，那么企业持有国际质量的概率也会显著提高。从模型2的估计结果来看，企业的运营时间和企业是否使用外资许可技术对企业是否持有国际质量认证的影响虽然为正，但不显著。信贷约束也会阻碍企业持有国际质量认证，但这种影响不显著。加入行业层面和城市层面的因素后，上述估计结果并没有发生改变，如模型3和模型4所示。从中可见，腐败对需要密集使用国际质量认证的行业内企业产品质量升级的负面影响仍然更大。企业生产率、企业规模、企业使用自己的因特网主页、企业外资占比超过40%以及政府国有资本占注册资本的比例大于0等变量的系数均显著为正。企业运营时间和企业使用外资许可的技术对企业拥有国际质量认证具有正向作用，信贷约束的系数为负，但上述系数均不显著。

从行业层面来看，根据模型3，人力资本密集度越高及资产有形性越低的行业内企业，越有可能获得国际质量认证。物质资本密集度对企业获得国际质量认证的影响并不显著。从城市层面来看，如模型4，地区人均GDP和吸引的FDI对企业获取国际质量认证的影响也不显著，而地区教育水平的增加则显著提高了企业获得国际质量认证的概率。这说明地区教育水平的增加，明显提高了地区内企业的创新水平，从而对企业获取国际质量认证产生积极影响。

模型5和模型6汇报了腐败对企业持有国际质量认证的影响。模型5中只控制了企业层面的因素，模型6中则加入了行业和城市层面的因素。根据模型5和模型6，地区腐败程度的提高显著降低了企业获取国际质量认证的概率，其他变量的影响则与前述实证结果类似。

综上，表2中各模型的实证结果显示，腐败程度的提高对那些国际质量认证密集度比较高的行业内企业产品质量升级的负面影响更大，而且这种影响非常显著，这与Ayygari et al.(2014)和Panuov(2016)的研究结论类似。企业生产率、企业规模、使用自己的因特网主页、外资资本占企业注册资本的比重大于40%、国有资本占企业注册资本的比重大于0、人力资本密集度以及教育水平等因素均会显著提高企业获得国际质量认证的概率，资本有形性的提高则显著降低了企业获得国际质量认证的概率，其他因素的影响不显著。

(二)腐败对不同规模企业产品质量升级的影响

上文主要分析了腐败对不同国际质量认证密集度的行业内企业产品质量升级的非对称影响。那么，腐败对不同规模企业产品质量升级的影响又如何呢？本文使用线性概率模型(LPM)对此进行分析，结果如表3所示。模型1中只控制了腐败与国际质量认证密集度的交互项(Corruption×Intensity)和腐败、国际质量认证密集度以及企业规模三者的交互项(Corruption×Intensity×Size)。基本估计结果显示，交互项腐败与国际质量认证密集度(Corruption×Intensity)的系数仍为负，而且非常显著。也就是说，腐败对于企业产品质量升级具有显著的负向影响，而那些需要密集使用国际质量认证的行业内企业所受的影响更大。这与前面得到的结论相呼应。交互项Corruption×Intensity×Size的系数为正，而且也非常显著。因此，针对规模不同的企业，腐败的影响也不同。

进一步，在模型2、模型3和模型4中分别加入企业自身的因素、行业层面因素和城市层面因素之后，重新对方程进行估计。在模型2、模型3和模型4中，与模型1得到的结论是一致的，交互项Corruption×Intensity的系数为负，交互项Corruption×Intensity×Size的系数仍然为正，且都非常显著。因此，腐败对不同规模企业产品质量升级的负面影响是不同的。

其他控制变量与表2中各个模型所得到的实证结果基本一致。生产率越高、规模越大的企业，拥有国际质量认证的可能性越大。使用自己的因特网主页，有助于企业更好地提升在国内与国际市场的知名度，所以也会增加企业获得国际质量认证的概率。对于有政府参与的企业来说，其获得国际质量认证的概率也会大大提升，Government的系数为正且非常显著。从模型3和模型4中还可以看出，人力资本密集度较高的行业内企业获取国际质量认证的可能性也会大大增加，而资本有形性的提高则会降低企业获取国际质量认证的概率。同时，由模型4可知，受教育水平的增加，会提高该地区的创新能力，所以该地区企业获取国际质量认证的概率也会显著增加。其他变量的影响则不显著。

表3 腐败、企业规模与企业产品质量升级

总之，由表3可得，腐败对不同规模企业获取国际质量认证的影响是不一样的。其他变量对企业获得国际质量认证的影响虽然存在差异，但与表2所得结论基本一致。

在表3的各模型中，Size指标主要使用企业全部就业人员总数的对数值来衡量。为丰富本文的研究结论，参考Beck et al.(2005)的做法，我们重新对企业进行了分类并生成三个新的衡量企业规模的虚拟变量，然后再次估计。三个虚拟变量分别是规模较大的企业(Large)、中型企业(Medium)和规模较小的企业(Small)。基本的估计结果见表4。模型1中，Corruption×Intensity×Small的系数为-6.8039，且在1%的水平上显著；Corruption×Intensity×Medium的系数也是负值，为-2.4270，且在1%的水平上显著；Corruption×Intensity×Large的系数为正，但不显著。总体来看，腐败对规模较小的企业获取国际质量认证的负面影响最大(其交互项前面的负值最小)，中等企业次之，规模较大的企业最小。这与表3中各模型所得结论是一致的。模型2中加入企业层面的因素后重新进行了分析，可以看到，此时三个交互项的系数均为负，而且仍然是规模较小的企业系数值最小，中等企业次之，规模较大的企业最大。然而，仅有规模较小企业和中等企业的系数显著，规模较大企业的交互项Corruption×Intensity×Large系数并不显著。可以认为，企业的规模越小，腐败对它们获取国际质量认证的负面影响越大。模型3和模型4分别是放入衡量营商环境的行业特征和企业所在地特征后，重新对方程进行的估计，结果仍显示腐败对规模较小企业产品质量升级的负面影响最大。因而，企业规模越小，腐败对其获取国际质量认证的负面影响越大。综上所述，重新划分企业的规模，并依次加入企业、行业和地区层面的信息后，最终的估计结果仍然显示随着企业规模的减小，腐败对它们获取国际质量认证的负面影响逐渐扩大。由此可以得出，腐败对企业产品质量升级具有非对称影响，这种影响随企业对国际质量认证的需求和企业规模大小的不同而不同。

表4 腐败、不同企业规模与企业产品质量升级

注：考虑到多重共线性问题，没有将交互项Corruption×Intensity放入模型中。

五、稳健性分析

前已论及，本文使用线性概率模型(LPM)对腐败的非对称影响进行了估计。但是，线性概率模型也不可避免地存在一定缺陷，如拟合的概率值很可能落在0～1之外、所有自变量的偏效应是相同的，以及线性概率模型通常存在一定的异方差性。因此，为得到更加稳健的结果，本文采用Probit模型和Logit模型重新估计，结果见表5、表6、表7、表8和表9。

表5中的各个模型主要分析了腐败对不同国际质量认证密集度的行业内企业产品质量升级的影响。模型1、模型2和模型3是使用Probit模型进行的估计。模型1主要控制了企业自身的因素，模型2和模型3则分别加入了行业和城市层面的影响因素。不难发现，三个模型所得到的结论基本一致，交互项Corruption×Intensity的系数均为负，且都非常显著。即行业的国际质量认证密集度很高时，随着腐败程度的增加，这些行业内的企业在获得国际质量认证时受到的负面影响将增大。同时，各个企业层面的变量对企业获取国际质量认证的影响在三个模型中基本一致。即随着企业生产率的提高、企业规模的扩大，以及企业使用自己的因特网主页，企业获取国际质量认证的可能性也会显著增加。如果企业得到政府或国家资本的注入，则也有助于提高它们获取国际质量认证的概率。其他各变量的影响并不显著。模型4、模型5和模型6是使用Logit模型进行的估计。从结果来看，腐败对不同国际质量认证密集度企业产品质量升级的影响仍然是非对称的。行业的国际质量认证的密集度越高，腐败对此行业内企业产品质量升级的负面影响也越大。同时，企业生产率、企业规模、企业使用自己的因特网主页以及国家或政府资本占注册资本的比例大于0等，都会提高企业获取国际质量认证的概率，促进产品质量升级。

表5 Probit模型和Logit模型下的腐败、国际质量认证密集度与企业产品质量升级

注：Probit模型和Logit模型所使用的分布函数不同，其参数的估计值并不直接可比，所以需分别计算二者的边际效应，然后再进行比较。篇幅有限，感兴趣的读者可向作者邮件索取。以下类似。

此外，出口企业和非出口企业对国际质量认证的需求程度不一，可能导致腐败对产品质量升级的影响有所不同。因此，本文将样本分为出口企业和非出口企业之后，使用Probit模型和Logit模型重新估计腐败对国际质量认证密集度不同的企业的影响。根据表6中Probit模型所示，在控制企业层面因素、行业层面因素和城市层面因素后，无论是出口企业还是非出口企业，Corruption×Intensity的系数仍然为负，而且非常显著。因此，腐败对国际质量认证密集度较高的行业内企业产品质量升级的负面影响更大。使用Logit模型进行的估计，所得结论是一样的。

表6 出口和非出口企业的腐败、国际质量认证密集度与企业产品质量升级

表7列示了腐败对不同规模企业产品质量升级的影响，其中企业规模采用该企业销售额的对数值衡量。模型1是使用Probit模型进行估计的结果，腐败对不同国际质量认证密集度的行业内企业产品质量升级的负面影响是非对称的，而且非常显著。企业的国际质量认证密集度越高，腐败对企业产品质量升级的负面影响越大。交互项Corruption×Intensity×Size的系数显著为正，因此，较之大企业，腐败对规模较小企业的负面影响更大。模型2和模型3中分别加入行业层面因素和城市层面因素后，交互项的系数并未发生太大变化。而且，在模型1、模型2和模型3中，各企业层面的因素对企业获取国际质量认证的影响是类似的，Productivity、Size、Web和Government的系数均显著为正，其他变量的影响不显著。使用Logit模型，重新对上述方程进行估计，模型4、模型5和模型6中汇报了结果。从中可见，腐败对不同规模企业产品质量升级的负面影响仍然是非对称的，各个企业、行业和城市层面的因素对企业产品质量升级的影响与之前结论一致。

表7 Probit模型和Logit模型下的腐败、企业规模与企业产品质量升级

再次将企业规模按照一定的标准划分为Small、Medium和Large，并采用Probit模型和Logit模型重新对方程进行估计，基本结果见表8。

表8 Probit模型和Logit模型下的腐败、不同企业规模与企业产品质量升级

表8中，前三个模型列示的是Probit模型估计的结果，后三个模型列示的是Logit模型估计的结果。模型1中，Corruption×Intensity×Small、Corruption×Intensity×Medium和Corruption×Intensity×Large的系数均为负，且都非常显著。但是，Corruption×Intensity×Small的系数值最小，Corruption×Intensity×Medium的系数值次之，Corruption×Intensity×Large的系数值最大。这也再次说明，腐败对不同规模企业产品质量升级的负面影响不一样。企业规模越小，腐败对其产品质量升级的负面影响越大。加入行业层面因素和城市层面因素后，得到的估计结果与之前的基本一致。Logit模型下，模型4、模型5和模型6与前述三个模型的结论也类似。

表9汇报了将企业分成出口企业和非出口企业，并采用Probit模型和Logit模型重新估计后得到的结果。从中可以看到，在Probit模型下，腐败对不同规模的出口企业和非出口企业的影响存在差异。Probit模型下出口企业的样本估计结果显示，Corruption×Intensity×Small的系数为负，且非常显著；Corruption×Intensity×Medium的系数也显著为负，但要比Corruption×Intensity×Small的系数值大；Corruption×Intensity×Large的系数为负，但不显著。因此，腐败对规模较小的出口企业获取国际质量认证的负面影响更大。Probit模型下使用非出口企业样本估计得到的结果以及使用Logit模型对出口企业样本和非出口企业样本估计得到的结果，也与之前的结论一致。这再次证实，随着腐败程度的增加，企业规模越小，腐败对它们获取国际质量认证的负面影响越大。

表9 出口和非出口企业的腐败、不同企业规模与企业产品质量升级

综上，使用Probit模型和Logit模型，并将样本区分为出口企业和非出口企业之后进行的稳健性检验表明，本文结论是稳健的。

六、结论与政策启示

本文通过采用世界银行2012年发布的关于中国制造业企业调查的1136家企业数据，基于腐败的视角实证检验了营商环境对企业产品质量升级的非对称影响。结果表明：腐败显著地降低了企业获取国际质量认证的概率，进而阻碍了企业的产品质量升级，但这种负面影响是非对称的；对于处在国际质量认证密集度比较高的行业内企业来说，其受到的负面影响更大；对于规模较小的企业来说，腐败对它们的负面影响要比对规模较大的企业高很多；从企业层面来看，企业生产率、企业规模、企业使用自己的因特网主页以及国有资本参与到企业的注册资本中等因素，对企业产品质量升级均存在显著的促进作用；从行业层面来看，人力资本密集度的增加会提高企业获得国际质量认证的可能性，而企业资本有形性的提高则具有相反作用；从城市层面来看，教育水平的提高会显著提升企业获得国际质量认证的概率。

总之，腐败对中国企业产品质量升级具有显著的负面影响，尤其是那些规模较小、密集使用国际质量认证的企业受到的负面影响更大。这也从另一个视角为中国的反腐败活动提供了经验支持。对于企业来说，应进一步处理好政府与市场的关系，不断提高自身的创新能力，优化组织管理结构。从政府视角来看，政府需建立更加健全的反腐机制，完善监督体制，简政放权，并通过构建良好的政企关系为企业的产品质量升级提供健康的运营环境。鉴于国际质量认证密集度较高的行业内企业和中小企业受腐败的负面影响更大，这也就要求政府还需适当给予此类企业合理的政策及资金支持，协助其提高产品质量升级的能力，从而更好地助推新时代中国制造业的转型升级。